银川平原土壤盐分空间分异及影响因子研究

张 旭，贾科利，魏慧敏，李小雨

(宁夏大学 地理科学与规划学院，宁夏 银川 750021)

土壤盐渍化是地形、地貌、气候、水文、植被、和人为干扰等自然和社会经济因子综合作用形成的盐分持续表聚现象[1-2]，多发生于中国干旱、半干旱农业灌区和滨海盐浸地区[3-4].盐渍土所含各盐基离子和氯化物致使土壤肥力降解和土壤活性退化乃至丧失，滋生一系列生态环境问题，导致区域作物减产，农业经济损失严重[5].因此，探究土壤盐分空间分异及驱动因子影响，对于研判盐渍土开发利用和风险，优化国土空间，生态保护及修复具有重要意义和价值.

土壤盐分作为土壤理化性质的重要组成部分，其空间异质性研究是土壤特性研究的一个重要内容.众多学者利用统计学、地统计学和“3S”相结合的方法对土壤盐分空间分异进行探究，取得了很多成果.如Panagopoulos 等[6]利用地统计学的方法结合GIS 分析对地中海地区进行了土盐变异性及分布规律的研究，为地中海农业发展提供了科学依据.Inakwu 等[7]用统计回归法研究了土壤盐分空间分布并有效预测了采样区土壤盐分含量.依克丽曼·阿布都米提等[8]应用地统计分析方法中的普通克里金插值完成半变异函数计算以及理论模型的拟合，分析了渭−库绿洲土壤盐分空间分布特征.此外，作为一种空间要素，土壤盐分空间异质性是多种影响因子共同作用的结果，可通过不同的方法对其进行解释分析.沈浩等[9]用传统统计学和地统计学相结合的方法分析玛纳斯河流域农田土壤水盐空间分布特征和影响因素.李艳菊等[10]利用灰色关联度的方法定量分析了样本点海拔、地形湿度指数 (TWI)、地下水位、植被覆盖度 (VFC)、地下水矿化度对土壤盐渍化的作用程度.袁玉芸等[11]选择多个盐分驱动因子，利用GWR 模型对于田绿洲盐分空间分布格局进行了可视化表达.但事实上各因素对土壤盐分空间分布的影响具有一定的区域性，作用尺度也不尽相同，在目前土壤盐分研究中，影响因素尺度差异往往被忽视.2017 年Fotheringham[12]提出多尺度地理加权回归模型（MGWR），允许每个因子具备特定带宽，建立更接近真实的空间过程模型，且各变量具有不同的空间平滑水平.近年来该模型被应用于各领域，如沈体雁等[13]基于MGWR 模型探索了北京二手房房价的驱动机制；周志凌等[14]基于MGWR 模型研究了全国297个地级市PM2.5影响因素的空间异质性.由此可见，MGWR 模型在揭示多个自变量与单个因变量的响应关系和空间分异特征时具有较好普适性.

本文以银川平原为例，通过全局Moran’sI指数探究区域空间自相关特征，在了解土壤盐分空间变异特征基础上筛选多种驱动因子，构建银川平原土壤盐渍化MGWR 模型，揭示该区盐分空间分异的主要驱动因素，实现银川平原土壤盐分驱动因子探究和空间可视化表达，以期为该地区土地资源保护和盐渍化科学防治提供依据.

1 数据与方法

1.1 研究区概况银川平原（图1）地处宁夏北部（105°45′～106°56′E，37°46′～39°23′N），横跨黄河两岸，由黄河冲击平原和贺兰山东麓洪击倾斜平原两部分组成，南起青铜峡峡谷，北止石嘴山麻黄沟，西倚贺兰山脚，东依鄂尔多斯高原[15-16]，南北长165 km，东西宽42～60 km，面积7 615 km2，海拔1 100～2 200 m，总体地势自西向东、由南向北微倾[17].银川平原位于中温带干旱区，属温带大陆性半干旱气候，干旱少雨，日照充足，蒸发强烈[18].年平均气温8～9 ℃，多年平均降水量不足200 mm，且主要集中在夏季，平均蒸发量约1 800 mm，蒸降比约为10∶1.土地利用以耕地为主，主要种植玉米、水稻和小麦等农作物.由于该区地势低洼，地下水埋深较浅，降水少，蒸发强烈，土壤盐碱含量较高，是影响农业生产的“瓶颈”问题.

图1 银川平原的地理位置及边界Fig.1 Location and boundary of the Yinchuan Plain

1.2 数据采集

1.2.1 样本采集和指标测定 土壤样本采集大体以5 km×5 km 间隔布设采样点（如图1）.于2021年3 月进行，采样时选取未翻整过的平坦地面.借助手持GPS 记录样点地理坐标和高程，同时记录样点的对应编号、土地利用、植被长势等信息，采集0～20 cm 表层土壤进行密封，带回实验室，立即采用烘干称重法测定土壤含水率.然后剔除荒草和碎石块等杂质，自然风干后，经研磨、过2 mm 筛，配置土水质量比1∶5 的浸提液.使用pH 计和电导仪测量样本pH 值和电导率，利用电导率根据经验公式换算得到土壤含盐量[19].经对测定结果分析，剔除异常值，得到166 个样本供试.

根据样本含盐量及布雷迪等[20]分级方法，将土壤盐渍化程度分为5 个等级，样本描述性统计分析如表1 所示.可以看出，所采样本土壤呈碱性，但碱化程度差异不大，土壤pH 变异系数小.不同盐渍化等级土壤盐分含量变异程度不同，盐土样本的变异系数近60%，变异程度最大；非盐渍化样本次之，变异系数超过40%；轻度盐渍化和中度盐渍化样本变异系数约为20%；重度盐渍化样本变异系数最小.总样本土壤含盐量差异较大，变异系数为172.40%，属强变异性，表明样本数据离散程度大，具有普适性.

表1 银川平原采样点描述性统计Tab.1 Descriptive statistics of sampling points in Yinchuan Plain

1.2.2 遥感影像获取与处理 研究使用的Landsat 8 OLI 遥感影像数据来源于美国地质调查局官网（http://glovis.usgs.gov/），影像行列号为129/33、129/34，云量较少，数据质量较好.每景影像包括陆地成像仪器的9 个波段和热红外传感器TIRS 的2 个波段，主要参数见表2.本研究主要使用影像的前7 个波段进行研究.

表2 遥感影像数据参数Tab.2 Parameters of the remote sensing image

1.2.3 指标选取与数据获取 依据银川平原土壤盐渍化形成条件、参考前人研究成果[11,21-26]及数据可获取性，选取土壤属性、地形、植被等与土壤盐分密切相关的驱动因子（表3）.其中土壤盐分、土壤pH、土壤含水率数据通过室内实测获取，高程数据通过野外实测获取，地下水数据为银川平原地下水静态水位监测数据.地表温度利用ENVI5.3 通过Landsat 8 OLI 影像大气校正算法反演所得.植被指数是植被生长状况指示因子，为更好地反映植被覆盖度和生长状况，在传统植被指数（NDVI）的基础上引入短波红外波段，构建扩展归一化植被指数（ENDVI）[27]作为研究区植被因子，利用ENVI 5.3 经波段运算获取.坡度数据利用通过高程数据提取得到.土地利用强度可被定量化描述为4 个等级，其等级越高则受人类活动影响越大.强度指数采用庄大方等[28]土地利用分级方法，未利用地、林草地和耕地分级指数为1、2、3.常数项为模型截距，在一定程度上可表示为其他因子确定条件下，样点所处不同位置对土壤盐分的作用大小（即区位银子对土壤盐分的影响）[13].

表3 银川平原盐渍化影响因子Tab.3 The factors of soil salinization in the Yinchuan Plain

为避免各变量之间因存在多重共线问题而造成估计结果偏差，利用SPSS 20 对上述解释变量进行方差膨胀因子（VIF）和容差检验.VIF 值越接近于1，多重共线性越轻，反之越重.通常以10 作为判断边界，大于10 则该变量存在多重共线性.容差是VIF 的倒数，取值界于0 至1 之间.当容差值越接近于0，表示此自变量与其他自变量之间存在共线性.检验结果如表4 所示，各变量VIF 值均小于10，且容差远大于0，表明选取的指标因子不存在多重共线性现象.

表4 影响因子多重共线性检验Tab.4 Multicollinearity inspection of influencing factors

1.3 研究方法

1.3.1 Moran’sI自相关分析 Moran’sI指数是地理空间统计学中常用于度量地理数据空间自相关性的重要指标，取值范围为[−1,1]，值越趋近于1，则空间相关性越明显，反之则空间差异性越大，当值为0 时，数据空间分布呈随机性.正负号决定其正相关和负相关属性[8,29].Moran’sI指数计算公式如式（1）：

式中，n为变量总数，Dij为变量i和j的空间权重，Mi，Mj为变量i，j的属性值，M为M的均值.我们利用GeoDa 软件建立以样点为中心，以土壤盐分含量为空间属性的泰森多边形，基于公共边界的一阶ROOK 权重矩阵计算局部Moran’sI指数，分析银川平原土壤盐渍化空间自相关特征及其空间集聚程度.

1.3.2 多尺度地理加权回归模型 最小二乘法线性回归模型（OLS）是因变量与自变量的多元线性函数，其与地理位置无关，变量之间的关系是同质的.地理加权回归（GWR）为将数据空间结构嵌入OLS 回归模型中的一种空间统计技术，其变回归参数为观测点地理位置函数，从而探究变量空间分异特征[30].Fotheringham 等考虑到不同驱动因子对因变量在不同空间尺度下作用不同即响应尺度不同，在GWR 模型基础上允许每个变量拥有不同的空间平滑水平，为每个变量指定专用带宽以适应模型校准其多尺度效应，结果产生的空间过程模型更加符合事实，同时降低了估计偏差，该模型就是多尺度地理加权回归模型（MGWR）[31]，其公式如下：

式中，yi表示因变量，(ui,vi)表示样点i的坐标，bwj代表第j个变量回归系数特定带宽，βbwj为回归系数，与地理位置有关，xij为第j个自变量，β0(ui,vi)为截距，εi为误差.

MGWR 中每个回归系数都是基于其特定带宽通过局部回归得到，各因子带宽具有特异性.而MGWR 的核函数和带宽选择准则仍与GWR 一致，本文采用二次核函数和更正的赤池信息准则（AICc）.

2 结果与分析

2.1 银川平原土壤盐分空间格局采用Moran’sI指数探究银川平原土壤盐分空间自相关分布特征.由图2 可知，银川平原土壤盐分Moran’sI指数为0.314，呈空间正相关性，Z值为7.94>1.96，在0.05水平下高度显著.且观测值大多分布在1、3 象限，在空间上呈集聚态势.由图3 可知，银川平原土壤盐分总体呈现差异性分布，表现为北部高−高集聚，南部低−低集聚，中部不显著的格局.

图2 土壤盐分Moran’s I 散点图Fig.2 Moran's I scatter plot of soil salinity

图3 土壤盐分LISA 集聚图Fig.3 LISA concentration map of soil salinity

为更加直观地揭示银川平原土壤盐分空间分布格局，利用普通克里金法在ArcGIS 中进行插值，得到银川平原土壤盐分空间分布图.如图4 所示，银川平原土壤盐分整体表现为南低北高的分布格局，其中轻度盐渍化土壤分布最广，中度盐渍化土壤与盐土主要分布在平原北部的惠农区、大武口、平罗县等地区.

图4 银川平原土壤盐分空间分布图Fig.4 Spatial distribution of Yinchuan plain soil salinity

2.2 模型指标分析以土壤盐分为因变量，地下水埋深（Depth）、地下水矿化度（Salinity）、扩展归一化植被指数（ENDVI）等因子为自变量分别建立最小二乘线性回归模型（OLS）、经典地理加权回归模型（GWR）和多尺度地理加权回归模型（MGWR）.通过AICc、R2和RSS 判定模型的优劣性.

由表5 可知，MGWR 模型的R²最大，说明MGWR 模型拟合效果更好.MGWR 模型与OLS和GWR 模型相比，AICc 值分别减小了65.780 和15.732，表明模型得到明显改善.从RSS 值看，MGWR 模型的RSS 值较OLS 和GWR 模型都小，表明该模型得到了更精确的回归结果.因此，MGWR 模型为本研究的最优模型.

表5 不同模型拟合结果比较Tab.5 Comparison of fitting results of different models

变量带宽是衡量因子作用尺度的重要指标，可以反映出各因子对土壤盐分作用尺度的差异.带宽越小表明该因子作用效果空间异质性越大，越大则异质性越小.由表5 可知，GWR 模型的带宽为110，占总样本数的66.3%，只能反映出各个因子的平均作用尺度，而MGWR 模型各因子带宽存在一定差异，直接反映出不同因子差异化的作用尺度.土地利用强度带宽为43，作用尺度最小，具有较大空间异质性；其次为地下水矿化度和地表温度；坡度的作用尺度为89，约为总样本数的一半，对土壤盐分的作用效果在半个银川平原范围内基本一致；土壤pH、高程带宽分别为125、143，作用尺度较大，空间异质性较小；地下水埋深、扩展归一化植被指数和土壤含水率的作用尺度均为165，基本上为总样本数，属于全局尺度，作用效果空间异质性最弱.

各影响因子回归系数结果如表6 所示.高程、地下水埋深、扩展归一化植被指数、土地利用强度与土壤盐分呈负相关，地下水矿化度、土壤pH、土壤含水率正向作用于土壤盐分，坡度、地表温度整体与土壤盐分呈正相关，但回归系数最小值均小于0，表明在局部地区坡度与地表温度负向作用于土壤盐分.所有因子中，地下水矿化度回归系数均值为0.384，且最大值可达0.945，与土壤盐分的相关性最强，其次是土地利用强度、地下水埋深、扩展归一化植被指数、地表温度、高程、土壤pH，土壤含水率和坡度回归系数均值分别为0.037 和0.012，影响最小.

表6 MGWR 模型回归系数统计描述Tab.6 Statistical description of MGWR coefficient

2.3 土壤盐分影响因子的空间异质性分析经过MGWR 模型拟合之后所得的常数项反映了除确定自变量外，不同位置（即区位因素）对土壤盐分作用效果，因此常数项可在一定程度上反映出未包含在模型中的距离沟渠距离、距离道路距离等区位因素对土壤盐分的影响.如图5(a)所示，回归系数值整体小于0，与土壤盐分全域呈现负相关效应.系数值与显著性整体上呈现明显的由南向北逐渐递增的阶梯状分布，高值主要出现在惠农区、大武口区和平罗县地区，表明平原北部地区对区位因素更加敏感.

图5 影响因子回归系数与显著性空间分布图Fig.5 Regression coefficient and significance spatial distribution of influencing factors

由图5(b)可知高程对土壤盐分的影响也呈阶梯状分布，表现为平原东北部负相关效应显著且强烈.南部负相关效应较弱且不显著，但整体空间异质性较低.地形起伏导致地下地表径流随地势由高向低运动，进而调控水盐运动，导致土壤水盐在低处汇集[32]，银川平原整体地势由西南向东北微倾.因此，高程对北部低海拔地区土壤盐分的影响高于南部高海拔地区.

坡度对土壤盐分的影响无明显分异规律，整体回归系数P值均大于0.187，未通过显著性检验[图5(c)]，对土壤盐分作用不显著.银川平原地势整体南部高于北部地区，但局部相对平坦坡度较小，对土壤盐分几乎没有影响.

地下水埋深与土壤盐分整体呈显著负相关，作用强度由南到北递增（图5d），但系数取值在−0.163～−0.143，作用效果空间差异性较小.地下水埋深越浅，越有利于土壤中的盐分跟随水分上升到地表从而导致地表土壤盐分含量增加，当地下水埋深到一定程度后其对土壤积盐作用逐渐变小[33].银川平原北部地势平坦，绝大部分区域地下水埋深在0～4 m，对土壤盐分含量的影响相对较大；南部地区地下水埋深较北部深，最深可超过50 m，对土壤盐分含量的影响相对较小.

地下水矿化度是土壤盐分最主要的影响因素，如图5(e)所示，回归系数值在0.089～0.945 之间，不同区域其作用效果存在较大的异质性.其中显著性高值主要集中在平原北部的惠农区、大武口和平罗县等地，低值主要出现在平原中部以及南部的青铜峡和灵武市等地，系数显著性也相对较低.地下水矿化度越高越容易导致盐分的形成与积累[34].受地形背景控制，矿化物随地表、地下径流运动导致银川平原北部地下水矿化度含量升高，正相关效应显著.受局部地形、人类活动、土壤理化性质等影响，青铜峡、永宁县周边区域地下水矿化度对土壤盐分作用程度略高于周围地区.

土壤pH 对土壤盐分的影响与高程对土壤盐分的影响空间分布特征相似，作用效果与回归系数显著性由南向北递增[图5(f)]，空间异质性较弱.土壤碱化与盐化是两个不同的概念，并不是所有碱性土壤中都有较高的盐分，真正与碱化土壤中盐分密切相关的是成土过程[1].因此，土壤pH 与土壤盐分虽表现为全域正相关，但相关程度较低，对土壤盐分的影响较弱.

由图5(g)可知，土壤含水率对土壤盐分的影响呈现中部强南北弱的格局.虽然在统计上与土壤盐分呈正相关，但回归系数整体未通过显著性检验，对土壤盐分影响不显著.在返盐时期，土壤中水分携带盐分向土壤表层运动，土壤含水率越高则携带的土壤盐分越多.采样时期银川平原土壤刚刚解冻，各处情况不同，土壤含水率受随机性因素干扰大，对土壤盐分影响效果不显著.

地表温度对土壤盐分主要为正向作用，占总样本的92.7%，空间异质性较为明显，影响效果在空间上仍具有由南向北递增的阶梯状结构.温度是盐分随水分上升到地表的动力[33]，地表温度越高水分蒸发越强烈，水分中溶解的盐分随着水分的蒸发持续上升并积聚在土壤表层，造成土壤盐分含量升高.由图5(h)可知，地表温度与土壤盐分在惠农区、平罗县表现出较强的正向相关性，而在兴庆区和贺兰东部的局部地区表现为负相关效应，回归系数除惠农与平罗北部地区显著外，其它地区均不显著，反映出地表温度在空间上存在较大差异.

扩展归一化植被指数对土壤盐分呈现显著负向作用，空间上呈现由中间向两侧扩散的格局，系数取值在−0.144～−0.114 之间，效果差异不明显.中部贺兰县出现了较强的相关性[图5(i)]，这可能是因为采样时贺兰县部分地区种植冬小麦、苜蓿等作物对土壤盐分较为敏感，而其它地区地表植被覆盖程度低，导致扩展归一化植被指数不能较好地反映土壤盐分.

土地利用强度可在一定程度上反映出人为因素对土壤盐分的影响程度.由图5(j)可知，土地利用强度影响效果表现为较强的空间异质性，局部呈现明显的由中心向四周扩散的圈层结构.土地利用强度与土壤盐分全域呈现负相关效应，在贺兰县、利通区东部和灵武市南部影响最为显著.导致该现象的主要原因是土壤盐分在土地利用强度较低的未利用地范围内容易积聚，而在土地利用强度较高的耕地范围内由于深耕、灌溉等人为方式的影响，减缓了土壤盐分积累速度，导致土壤盐分含量较低.

3 讨论与结论

3.1 讨论土壤盐分在空间的分布是由地下水、地形、土壤属性、植被和人为干扰等诸多因素综合作用的结果，且地下水埋深与地下水矿化度为主要影响因素[11,24-25,32].银川平原灌渠纵横，已有2 000多年灌溉历史.长期引黄灌溉使得地下水中大量盐基离子集聚，尤其平原北部局部地区地下水埋深在1～2 m，矿化度大于3 g·L−1.本研究通过土壤盐分空间自相关分析和MGWR 模型回归分析证明了这一结论.影响因素中土壤含水率对土壤盐分表现为正向作用，这与已有研究结果不一致[9,11,35].究其原因，可能在于不同时节土壤水分对土壤水分影响不同[2].在土壤盐分积累阶段，土壤盐分随水分运动，水分越多则携带的盐分越多；而在表层土壤盐分集聚阶段，水去盐留，表现为负相关.此外，银川平原每年冬季进行冬灌，使土壤储水，防止春旱.采样时正值土壤解冻，土壤水分含量较高，返盐情况存在一定差异，加之不同程度的人为干扰使得显著性不高.

空间上地下水矿化度、地下水埋深、地表温度、高程、土壤pH 对土壤盐分的影响强度由南向北递增.扩展归一化植被指数对土壤盐分的影响强度中部强，南北两侧弱.银川平原南部地势较高，地下水埋藏深，排水较好，使得平原南部土壤处于脱盐状态，各因子对其影响程度较小.北部地区地势较低，地下水埋深浅，矿化度较高，水盐汇聚，土壤盐渍化程度较为严重，受各影响因素影响较大.我们通过分析银川平原土壤盐分空间分布和驱动因子，探明了各因子对土壤盐分影响的空间分异规律.

3.2 结论以银川平原为靶区，基于野外采样数据，采用Moran’sI指数探究银川平原土壤盐分空间自相关分布特征，并通过MGWR 模型对银川平原土壤盐分影响因子进行研究，得到以下结论.

（1）银川平原土壤盐分Moran’sI指数为0.314，表现为显著的正空间自相关性及空间集聚特征，土壤盐分空间分布总体上表现为南低北高分布格局.

（2）MGWR 模型较OLS 模型和GWR 模型更优，适用于银川平原土壤盐分影响因子研究.地下水埋深、扩展归一化植被指数和土壤含水率带宽为165，属于全局尺度，空间异质性很弱；其次为高程、土壤pH、坡度、地表温度和地下水矿化度；土地利用强度带宽为43，尺度最小，存在高度的空间异质性.

（3）地下水矿化度、土壤pH 正向作用于土壤盐分，土地利用强度、地下水埋深、扩展归一化植被指数、高程全部为负向作用，地表温度主要为正向作用，占总样本的92.7%，土壤含水率和坡度回归系数显著性均为通过显著性检验，对土壤盐分影响不显著.显著性影响因子中地下水矿化度回归系数均值为0.384 且最高达0.945，影响最强烈，其次是土地利用强度、地下水埋深、扩展归一化植被指数、地表温度、高程、土壤pH 回归系数均值为0.063，影响程度最小.空间上各因子对土壤盐分的影响存在着不同程度的空间异质性.