EN中文

干旱区研究 >

2024 , Vol. 41 >Issue 7: 1131 - 1139

DOI: https://doi.org/10.13866/j.azr.2024.07.05

水土资源

基于遥感影像的新疆渭干河—库车河三角洲土壤水盐与植被覆盖度的关系

  • 郑柳娜 ,
  • 江红南 ,
  • 孙梦婷
展开
  • 新疆大学地理与遥感科学学院，新疆 乌鲁木齐 830017
江红南. E-mail:

郑柳娜（1998-），女，硕士研究生，主要从事生态学研究. E-mail:

收稿日期: 2023-08-28

  修回日期: 2024-03-28

  网络出版日期: 2025-08-14

基金资助

新疆维吾尔自治区自然科学基金重点项目(2021D01D06)

国家自然科学基金(41561081)

新疆绿洲生态重点实验室开放课题(2023D04060)

新疆大学博士启动基金(BS190205)

收起

Correlations between soil water content, salinity, and fractional vegetation cover in the Ugan-Kuqa River Delta Oasis of Xinjiang ascertained based on remote sensing images

  • ZHENG Liuna ,
  • JIANG Hongnan ,
  • SUN Mengting
Expand
  • College of Geography and Remote Sensing Sciences, Xinjiang University, Urumqi 830017, Xinjiang, China

Received date: 2023-08-28

  Revised date: 2024-03-28

  Online published: 2025-08-14

Fold

摘要

基于土壤样本实测数据及遥感影像数据，以典型干旱区新疆渭干河—库车河三角洲绿洲为研究区，采用像元二分模型估算植被覆盖度（Fractional vegetation cover，FVC），利用反距离权重插值及相关、中介效应等统计学分析方法，研究0~50 cm不同深度土壤水盐含量与FVC的关系，可为干旱区优化资源配置和制定生态恢复措施提供理论依据。结果表明：（1） FVC在空间上呈现由西向东逐渐减少的趋势，且随着土壤含水量的减少和含盐量的增加而减少。（2） 各土层含水量均呈自上而下逐渐增加的趋势，各土层含盐量均呈自上而下逐渐减少的趋势，且不同深度水盐含量呈中等及以上变异性。（3） 仅10~20 cm土壤含水量、FVC和0~10 cm土壤含水量间有中介效应的存在。深层10~20 cm、10~30 cm和30~50 cm土壤含盐量、FVC和0~10 cm表层土壤含盐量间有中介效应，即深层土壤含盐量通过影响表层土壤含盐量而对FVC产生影响。（4） 0~10 cm表层土壤含盐量对FVC的影响最大，47.90%以上的FVC空间变异会受到该层土壤含盐量的影响，且不同深度土壤含盐量对FVC的影响效果均大于土壤含水量的影响效果。

关键词： 渭干河—库车河三角洲绿洲; 土壤含水量; 土壤含盐量; 植被覆盖度; 相关分析

本文引用格式

郑柳娜 , 江红南 , 孙梦婷 . 基于遥感影像的新疆渭干河—库车河三角洲土壤水盐与植被覆盖度的关系[J]. 干旱区研究, 2024 , 41(7) : 1131 -1139 . DOI: 10.13866/j.azr.2024.07.05

Abstract

Based on the soil samples and remote sensing image data, this paper takes the Ugan-Kuqa River Delta Oasis, a typical arid region in Xinjiang, as the study area. FVC was calculated utilizing the pixel dichotomous model. Inverse distance weight interpolation and statistical analysis methods such as correlation and mediating effect analyses were used to study the impact of soil water content and salinity at depths of 0-50 cm on the spatial changes of FVC. This paper can provide a theoretical basis for optimizing resource allocation and formulating ecological restoration measures in arid areas. The results were: (1) FVC showed a west-east decreasing trend in space, directly proportional to the water content and inversely with the salinity. (2) The water content of each soil layer gradually enhanced from top to bottom, and the salinity revealed an inverse trend, with≥moderate variability in water content and salinity at different depths. (3) The soil water content at the 10-20 cm layer alone exhibited a mediating effect between FVC and the water content of the 0-10 cm surface layer. The salinity in the deeper layers of 10-20, 10-30, and 30-50 cm exhibits a mediating effect between FVC and salinity in the 0-10 cm layer. In other words, the salinity in deeper soil layers influenced FVC by affecting the salinity of the surface soil. (4) The salinity in the 0-10 cm layer most significantly impacted the FVC, influencing>47.90% of the spatial variability of FVC. Additionally, the impact of salinity at various soil depths on FVC surpasses that of water content.

Key words： Ugan-Kuqa River Delta Oasis; soil water content; soil salinity; fractional vegetation cover; correlation analysis

植被是生态系统存在的基础，是参与自然界物质能量交换的纽带，在维持生态平衡、调节地表径流、防止水土流失、改善水文状况、评价区域生态环境和调节土壤盐分等方面起着关键作用。植被覆盖度（Fractional vegetation cover，FVC）是衡量地表植被覆盖情况的综合指标[1⇓⇓-4]，能够反应生态系统的稳定性和生态服务的供给能力。干旱是公认的世界范围内最严重的自然灾害类型之一，影响范围最大，给人类造成的损失也最为严重[5-6]。土壤水盐含量是影响FVC的重要因素之一，尤其在干旱半干旱地区，土壤是绿洲植被生长的载体，土壤质量的好坏直接影响绿洲植被的生长发育，进而影响绿洲生态系统的稳定性[7]。
新疆地处亚欧大陆腹地，远离海洋，是生态严重脆弱地区，干旱事件频发。渭干河—库车河三角洲绿洲位于新疆塔里木盆地中北部，是阿克苏地区最大的灌溉区，新疆的主要棉产地之一。由于长期以来，人类盲目扩大耕地，大量引用地表水灌溉，在进行各种生产活动时对土地资源不合理的利用导致土壤理化性质恶化、水土流失、土壤荒漠化及土壤盐渍化面积不断增大等一系列问题，严重影响了该地区农业生产和生态环境的可持续发展[8-9]。土壤盐渍化是干旱区生产的主要障碍因素之一，受到区域地质、气候、水文、地貌及人类活动等因素的综合作用的影响。因此，进行土壤水盐与FVC的关系研究，可为如何进行干旱区资源配置及生态恢复措施的制定等提供切实可行的理论参考依据。目前，国内外学者的研究多集中在表层土壤含盐量、含水量与FVC关系[10-11]，对干旱区深层土壤水盐与FVC的关系研究不足，而研究深层土壤水盐与FVC的关系对改善生态环境具有重要意义。针对上述不足，本文基于像元二分模型和统计学分析方法，对FVC的空间分布特征进行了分析，研究了典型干旱区绿洲不同深度土壤水盐与FVC的关系，以期为干旱区农业生产的可持续发展提供理论支撑。

1 数据与方法

1.1 研究区概况

渭干河—库车河三角洲绿洲（以下简称渭—库绿洲）位于新疆塔里木盆地中北部、塔里木河干流中游北岸，地理坐标为41°5′~41°45′N，82°10′~83°45′E。属大陆性暖温带极端干旱气候[12]，降水量少，蒸发强烈，蒸降比为54:1。土壤渗透性差，大量盐分沉积在土壤中。该区域天然植物以柽柳（Tamarix chinensis Lour）、芦苇（Phragmites communis）、花花柴（Karelinia caspia）等耐盐植物为主，栽培植被以棉花、玉米、小麦等经济作物为主[13]。

1.2 数据来源与处理

1.2.1 遥感数据来源

2011年遥感影像数据来源于地理空间数据云（https://www.gscloud.cn），选取与采样时间相对应的2011年4月15日无云的Landsat 5 TM多光谱遥感影像。2021年遥感影像数据来源于欧空局哥白尼数据中心（https://scihub.copernicus.eu），选取2021年6月21日基本无云的哨兵2号多光谱遥感影像。

1.2.2 土壤样本采集与处理

为了使地面采样数据与遥感数据具有较好的时间一致性，本研究选取2011年和2021年的遥感数据进行分析，并与Landsat和哨兵2号卫星遥感影像同步或准同步的时间进行采样。依据研究区土壤盐分的季节性变化，本研究土壤样本采集时间为2011年4月12日至23日和2021年6月19日至7月10日，2011年共布设50个采样点，2021年共布设了78个采样点，2011年与2021年均采集了重度、中度、轻度和非盐渍4种不同盐渍化程度的土壤和农田土壤样本。采样点分布情况见图1。
图1 渭—库绿洲采样点分布

Fig. 1 Distribution of sampling points in the Ugan-Kuqa River Delta Oasis

根据野外调查情况，渭—库绿洲植被类型多为灌木和草本植物，地表存在约10 cm深的盐壳，所以将表层土壤采样设为0~10 cm，且研究区内土壤盐分在垂直方向上的变异特征明显[13]，针对上述特征，依据随机采样方法，2011年每个样点自上而下采集土壤样本深度分别为0~10 cm、10~30 cm和30~50 cm，2021年土壤样本采集深度分别为0~10 cm和10~20 cm。利用五点取样法进行样品采集，用带防风罩的电子天平进行土壤样品现场称重，每一土层分别采集500 g土壤样本。同时利用手持GPS记录每个样点位置及周围环境信息并拍照记录，将采集称重好的土壤样品放入密封袋内并写好标签，标签内容包括样点编号、采样时间和深度等，一式两份。将采集好的土样运回实验室，室温风干，记录风干前后样品质量，按照实验需求研磨过筛后进行土壤样本理化性质分析。取风干后土样20 g与100 mL蒸馏水（1:5土水比）进行浸提，测定浸提液25 ℃时的含盐量，即土壤含盐量。将土壤样本于105 ℃下烘至恒重，测定烘干前后铝盒重量计算土壤含水量，即土壤质量含水量。
本研究区历史数据采集时间分别为2010年、2011年和2021年，而渭—库绿洲土壤水分在几天之内会发生巨大变化，进行土壤水盐与FVC关系分析时，需选取与地面采样时间基本一致的遥感影像数据进行分析，三期数据中，只有2011年4月15日和2021年6月21日遥感影像数据与地面采样时间一致，所以本文只利用上述两期数据进行分析。同时有关研究证明，研究区内近10 a非农田区域土壤盐渍化变化程度不显著[14]。

1.3 研究方法

1.3.1 植被覆盖度估算

本研究利用像元二分法进行FVC的估算，其基本思路是假设像元组成由有植被和无植被覆盖的地表两部分构成，有植被覆盖的地表在像元中的占比即为此像元的FVC[5]。计算公式如下：
F V C = N D V I - N D V I s o i l N D V I v e g - N D V I s o i l
式中：FVC为植被覆盖度，NDVI为归一化植被指数，NDVIveg为纯植被像元的NDVI值，NDVIsoil为裸土或没有植被覆盖区域像元的NDVI值。裸土像元的NDVI值会随大气、太阳光、地表湿度、植被类型及土壤类型等的变化而变化。因此，在不同区域，即使是同一景的遥感影像图，NDVIsoil的值也不是固定不变的。NDVIveg描述的是被植被完全覆盖的像元的最大值，但植被在不同区域、不同季节反映出的覆盖特征会有所不同，相对应的NDVIveg的值也不同，所以在进行FVC的计算时不能直接选取遥感影像中NDVI的最大和最小值[15-16]。为了解决这一问题，李苗苗[17]将NDVIsoil和NDVIveg改进为：
N D V I s o i l = F V C m a x × N D V I m i n - F V C m i n × N D V I m a x F V C m a x - F V C m i n
N D V I v e g = 1 - F V C m i n × N D V I m a x - 1 - F V C m a x × N D V I m i n F V C m a x - F V C m i n
根据边慧芹[18]进行渭—库绿洲区域FVC提取时的研究经验，本文将研究区内FVCmax的值设置为100%，FVCmin的值设置为0%，将这两个数值代入公式（2）和公式（3）得到：
N D V I s o i l = N D V I m i n
N D V I v e g = N D V I m a x
以此推导出FVC的表达式为：
F V C = N D V I - N D V I m i n N D V I m a x - N D V I m i n
选取置信区间的范围时，结合本研究区内的实际情况，选取累计百分数为5%的NDVI值为NDVImin，累计百分数为95%的NDVI值为NDVImax。

1.3.2 统计学方法

利用ArcGIS对土壤水盐含量进行反距离权重插值并进行空间分布图的绘制，利用SPSS 26.0对土壤水盐含量数据及FVC进行相关分析、偏相关分析、中介效应分析及回归分析，利用Excel 2016对实测土壤水盐含量特征进行统计分析。其中，偏相关分析指当两个变量同时与第3个变量相关时，将第3个变量的影响剔除，只分析另外两个变量之间相关程度的过程，判别依据是相关系数R值，判断有无线性相关的参考依据是看P值与0.05的关系，当P值大于0.05时，一般认为无线性相关关系，当P值小于0.05时，说明存在线性相关关系，线性相关程度的大小取决于相关系数R，R越小表明相关程度越小，反之则越大。中介效应指自变量X通过某一变量M对因变量Y产生影响，变量M称为中介变量[19]。当X影响Y时，一部分是直接影响，一部分是通过中介变量M去影响，此种情况则称为部分中介效应；当X影响Y时，全部是通过中介变量M去影响，此种情况则称为完全中介效应。自变量X、因变量Y和中介变量M，三种变量之间的关系可以通过以下回归方程来表示（假定所有变量均已进行中心化或标准化处理）：
Y = c X + e 1
M = a X + e 2
Y = c ' X + b M + e 3
式中：系数c为自变量X对因变量Y的总效应；系数a为自变量X对中介变量M的效应；系数b为控制自变量X的影响后，中介变量M对因变量Y的效应，系数 c '为控制中介变量M的影响后，自变量X对因变量Y的直接效应， e 1、 e 2、 e 3为回归残差。

2 结果与分析

2.1 植被覆盖度空间分布特征

本研究基于实地调查情况，结合渭—库绿洲植被生长状况及前人研究结果[17]，将FVC划分为5个等级。分别为极低FVC（FVC≤10%），包括沙地、裸土、极稀疏草地等；低FVC（10%<FVC≤35%），包括稀疏灌丛和低产草地；中等FVC（35%<FVC≤65%），包括草地、灌丛和部分农田；中高FVC（65%<FVC≤95%），包括混合型的植被群落、农田和林地等；高FVC（95%<FVC≤100%），主要包括农田。由FVC空间分布结果可知，FVC从荒漠至绿洲方向呈上升趋势，总体呈由西向东逐渐减少的趋势（图2）。2011年（图2a）研究区域内以中等FVC为主（42.42%），其次是中高FVC（22.85%），极低FVC占比最小（4.39%），其中西部地区以中高和高FVC为主。2021年（图2b）研究区域内以极低FVC为主（29.00%），其次是低FVC（27.03%），高FVC占比最小（7.27%）。
图2 渭—库绿洲植被覆盖度空间分布

Fig. 2 Spatial distribution of FVC in the Ugan-Kuqa River Delta Oasis

2.2 土壤水盐含量空间分布特征

2.2.1 土壤水盐含量空间分布

2011年渭—库绿洲各土层含水量空间分布存在相似性（图3a1~3a4），含水量高值区域主要位于研究区西北和东南部，低值区域主要位于研究区西南部，各土层含水量自西向东表现为低-高-低的分布格局。0~10 cm土壤含盐量与0~50 cm土壤平均含盐量的空间分布特征相似，呈中东部高西部低的分布格局（图3b1，图3b4），10~30 cm与30~50 cm土壤含盐量的空间分布特征相似，呈东高西低的分布格局（图3b2，图3b3）。0~10 cm土壤含盐量空间变异性较大，含盐量高值区域与10~30 cm、30~50 cm土壤含盐量高值区域有所差异。各土层含盐量高值区域主要位于研究区中部及东部边缘地带，低值区域主要分布在西部，各土层含盐量在研究区自西向东表现为高-低-高的盐分分布格局。
图3 2011年渭—库绿洲各土层含水量和含盐量空间分布

Fig. 3 Spatial distribution of soil water content and soil salinity in each soil layer of the Ugan-Kuqa River Delta Oasis in 2011

2021年渭—库绿洲各土层含水量总体表现为西北部及西南部水分含量较高，东北部水分含量较低，自西向东表现为高-低-高的分布格局（图4a1~4a3）。各土层含盐量空间分布特征相似（图4b1~4b3），特别是含盐量高值区域较为一致，总体表现为中部及东北部含盐量高，西北部含盐量较低。
图4 2021年渭—库绿洲各土层含水量和含盐量空间分布

Fig. 4 Spatial distribution of soil water content and soil salinity in each soil layer of the Ugan-Kuqa River Delta Oasis in 2021

2.3 土壤水盐含量与植被覆盖度的关系

2.3.1 土壤水盐含量的统计特征

2011年和2021年渭—库绿洲各土层含水量均呈自上而下逐渐增加的趋势（表1），各土层含水量的最小值较低，可能与研究区表层主要由特别干燥的盐壳组成有关。各土层含盐量均呈自上而下逐渐减少的趋势，其中，2011年0~10 cm土壤含盐量的值很高，表明此时研究区土壤盐分的表聚性较强。变异系数（Coefficient of variation，Cv）在一定程度上可以反映变量的空间分布特征，是揭示变量离散程度的重要指标。通常利用Cv来衡量数据的离散程度，当Cv≤10%时，属于弱变异性；10%<Cv<100%，属于中等变异性；Cv≥100%，属于强变异性。2011年0~10 cm土壤含水量为强变异性，10~30 cm和30~50 cm土壤含水量为中等变异性。0~10 cm土壤含盐量、30~50 cm土壤含盐量均属于强变异性；10~30 cm土壤含盐量变异程度最小，为中等变异性。2021年0~10 cm、10~20 cm土壤含水量、含盐量均为中等变异性。
表1 渭—库绿洲各土层含水量和含盐量统计特征

Tab. 1 Statistical characteristics of soil water content and soil salinity of each soil layer in the Ugan-Kuqa River Delta Oasis

年份 不同土层 土壤含水量/% 变异系数/% 土壤含盐量/（g·kg-1） 变异系数/%
最小值 最大值 均值 标准差 最小值 最大值 均值 标准差
2011年 0~10 cm 0.05 37.62 7.26 8.01 110.33 0.10 224.4 51.65 54.45 105.42
10~30 cm 1.02 47.90 15.68 8.65 55.17 0.10 27.90 5.90 5.26 89.15
30~50 cm 1.55 30.08 16.05 7.75 48.29 0.10 25.70 4.31 4.36 101.16
2021年 0~10 cm 0.61 23.99 10.73 6.51 60.68 0.10 69.70 21.56 21.25 98.55
10~20 cm 6.23 30.15 16.70 5.84 35.00 0.10 23.40 5.86 5.02 85.67

2.3.2 土壤水盐含量与植被覆盖度的空间关系

根据渭—库绿洲FVC（图2）与各层土壤水盐含量空间分布状况（图3~图4），2011年渭—库绿洲各土层含水量自西向东的低-高-低分布格局对应着中等-高-中等的FVC分布格局；各土层含盐量呈西低东高的分布格局，西部FVC呈低、中等、中高和高交叉分布，而东部FVC以中等为主，含盐量高值区域主要对应着低FVC。2021年渭—库绿洲各土层含水量主要呈西高东低的分布格局，各土层含盐量主要呈西低东高的分布格局，其中西部FVC呈低、中等和中高镶嵌式分布，而东部FVC呈极低和低状态分布。2011年和2021年渭—库绿洲东部FVC等级差异较为明显，2011年主要为中等FVC，而2021年主要为极低FVC。

2.3.3 表层土壤水盐与植被覆盖度的相关性

在0.01的显著性水平下，0~10 cm土壤含水量与FVC有着较好的正相关关系，0~10 cm土壤含盐量与FVC有较好的负相关关系（表2）。为了验证相关分析结果的可靠性，本文利用一元线性回归分析方法对0~10 cm土壤水盐与FVC间的关系进行了分析，线性回归模型均通过了显著性检验，证明以上相关分析结果可靠。
表2 渭—库绿洲表层土壤含水量、含盐量与FVC的相关性

Tab. 2 The correlation between surface soil water content, soil salinity and FVC in the Ugan-Kuqa River Delta Oasis

变量 2011年FVC 2021年FVC
0~10 cm土壤含水量 0.394** 0.488**
0~10 cm土壤含盐量 -0.587** -0.584**

注：**表示在0.01水平上显著相关。下同。

2.3.4 表层土壤水盐与植被覆盖度的非线性回归

在相关分析的基础上，以FVC为因变量，0~10 cm土壤含水量和含盐量分别为自变量，通过构造不同的非线性回归模型，包括对数回归、二次多项式回归、三次多项式回归等，进一步分析0~10 cm土壤水盐含量对FVC时空变化的影响，R2表征的是因变量的变异中有多少百分比可通过控制的自变量来解释，R2越大则代表因变量变化程度可由自变量解释部分的比例越高[20]，P值为显著性水平。由非线性回归分析结果可知（表3），三次多项式非线性回归模型可以较好表达0~10 cm土壤含水量和含盐量对FVC的影响。在0.01的显著性水平下，最多有25.50%的植被覆盖空间变异会受到0~10 cm土壤含水量的影响，最多有54.30%的植被覆盖空间变异会受到0~10 cm土壤含盐量的影响。总体而言，0~10 cm土壤含盐量是渭—库绿洲FVC空间变异的主要控制因素，土壤盐分对FVC的影响大于土壤水分的影响。
表3 渭—库绿洲表层土壤水盐含量与FVC的多类型函数拟合精度（R2）评价

Tab. 3 Evaluation of the fitting accuracy (R2) of multiple types of functions for surface soil water content, soil salinity and FVC in the Ugan-Kuqa River Delta Oasis

年份 影响因素 对数 二次多项式回归模型 三次多项式回归模型
R2 P值 R2 P值 R2 P值
2011年 0~10 cm土壤含水量 0.074 0.055 0.180 0.009** 0.254 0.003**
0~10 cm土壤含盐量 0.543 0.000** 0.457 0.000** 0.519 0.000**
2021年 0~10 cm土壤含水量 0.160 0.000** 0.255 0.000** 0.255 0.000**
0~10 cm土壤含盐量 0.479 0.000** 0.401 0.000** 0.439 0.000**

2.3.5 深层土壤水盐与植被覆盖度的偏相关分析

利用偏相关分析法，将0~10 cm土壤含水量作为控制变量，研究深层土壤含水量对FVC的影响。同理，将0~10 cm土壤含盐量作为控制变量，研究深层土壤含盐量对FVC的影响（表4）。各土层含水量及30~50 cm土壤含盐量均未通过显著性检验，而10~20 cm和10~30 cm土壤含盐量通过了显著性检验，表明在控制0~10 cm土壤含盐量后，10~20 cm和10~30 cm土壤含盐量会对FVC产生一定的影响，也表明了研究区域内深层土壤盐分对FVC的影响更为显著。
表4 渭—库绿洲深层土壤含水量、含盐量与FVC的偏相关分析

Tab. 4 Partial correlation analysis of deep soil water content, soil salinity and FVC in the Ugan-Kuqa River Delta Oasis

2011年 2021年
控制变量 实验变量 偏相关系数 控制变量 实验变量 偏相关系数
0~10 cm土壤含水量 r10~30 cm土壤含水量、FVC 0~10 cm土壤含水量 -0.025 0~10 cm土壤含水量 r10~20 cm土壤含水量、FVC 0~10 cm土壤含水量 0.119
0~10 cm土壤含水量 r30~50 cm土壤含水量、FVC 0~10 cm土壤含水量 -0.210 0~10 cm土壤含盐量 r10~20 cm土壤含盐量、FVC 0~10 cm土壤含盐量 -0.282*
0~10 cm土壤含盐量 r10~30 cm土壤含盐量、FVC 0~10 cm土壤含盐量 -0.288*
0~10 cm土壤含盐量 r30~50 cm土壤含盐量、FVC 0~10 cm土壤含盐量 -0.205

注：*表示在0.05水平上显著相关。下同。

2.3.6 深层土壤水盐与植被覆盖度的中介效应

以上相关分析表明渭—库绿洲0~10 cm土壤水盐含量与FVC存在一定的相关关系，也反映了土壤水盐在垂直方向上的变异特征明显，本文利用中介效应法进一步研究深层土壤水盐含量与FVC的关系，以0~10 cm土壤含水量为中介变量，深层土壤含水量为自变量，FVC为因变量，利用逐步检验回归系数法，分别对三者关系进行研究，即达到检验深层土壤含水量、0~10 cm土壤含水量与FVC之间是否存在中介效应的目的。同理，检验深层土壤含盐量、0~10 cm土壤含盐量与FVC之间是否存在中介效应。
以2021年0~10 cm土壤含水量、FVC和10~20 cm土壤含水量的中介效应检验为例（表5），第一步中P值小于0.01，表明10~20 cm土壤含水量对FVC的效应显著，第二步中P值小于0.01，表明10~20 cm土壤含水量对0~10 cm土壤含水量（中介变量）的效应显著，第三步中0~10 cm土壤含水量对FVC的效应显著，10~20 cm土壤含水量对FVC的效应不显著，表明0~10 cm土壤含水量、FVC和10~20 cm土壤含水量间有中介效应的存在，是完全中介效应，即10~20 cm土壤含水量通过影响0~10 cm土壤含水量而影响FVC。同理得到，2011年0~10 cm土壤含水量、FVC和10~30 cm、30~50 cm土壤含水量间不存在中介效应。
表5 渭—库绿洲各土层水盐含量与FVC的中介效应

Tab. 5 Mediating effect between soil water content and soil salinity in different soil layers and FVC in the Ugan-Kuqa River Delta Oasis

2011年 2021年
检验步骤 标准化方程 自变量 P值 检验步骤 标准化方程 自变量 P值
第一步 FVC=0.135W30 W30 0.349 第一步 FVC=0.403W20 W20 0.000**
第二步 W10=0.397W30 W30 0.004** 第二步 W10=0.665W20 W20 0.000**
第三步 FVC=-0.025W30+0.405W10 W30 0.863 第三步 FVC=0.140W20+0.396W10 W20 0.301
W10 0.008** W10 0.004**
第一步 FVC=0.019W50 W50 0.896 第一步 FVC=-0.561S20 S20 0.000**
第二步 W10=0.478W50 W50 0.00** 第二步 S10=0.671S20 S20 0.000**
第三步 FVC=-0.220W50+0.499W10 W50 0.148 第三步 FVC=-0.308S20-0.377S10 S20 0.014*
W10 0.002** S10 0.003**
第一步 FVC=-0.571S30 S30 0.000**
第二步 S10=0.682S30 S30 0.000**
第三步 FVC=-0.319S30-0.370S10 S30 0.045*
S10 0.021*
第一步 FVC=-0.501S50 S50 0.000**
第二步 S10=0.624S50 S50 0.000**
第三步 FVC=-0.210S50-0.468S10 S50 0.163
S10 0.003**

注：S10、S20、S30、S50分别代表0~10 cm、10~20 cm、10~30 cm、30~50 cm土壤含盐量；W10、W20、W30、W50分别代表0~10 cm、10~20 cm、10~30 cm、30~50 cm土壤含水量。

2011年10~30 cm土壤含盐量存在部分中介效应；30~50 cm土壤含盐量存在完全中介效应，即深层土壤含盐量是通过影响0~10 cm土壤含盐量而影响FVC。2021年0~10 cm土壤含盐量、FVC和10~20 cm土壤含盐量间存在部分中介效应，即10~20 cm土壤含盐量部分通过影响0~10 cm土壤含盐量而影响FVC。由以上分析结果可知，不同深度土壤水盐含量对渭—库绿洲的FVC有着一定的影响，而深层土壤含盐量主要通过影响表层土壤含盐量而影响FVC，在渭—库绿洲土壤盐分对FVC的影响要大于土壤水分对FVC的影响。研究区土壤水盐与FVC关系密切，尤其是土壤盐分的影响更为显著，在土地利用与管理中，需采取相应措施调节研究区土壤水盐含量，以促进渭—库绿洲FVC的提高。

3 结论

本文以渭—库绿洲为研究对象，利用像元二分法提取FVC，通过反距离权重插值、相关、偏相关、中介效应、回归分析等方法，分析了不同深度土壤水盐与FVC的关系，主要得出以下结论：
（1） 2011年和2021年渭—库绿洲FVC在空间分布上呈现由西向东逐渐减少的趋势。
（2） 2011年各土层水分空间分布具有相似性，相邻土层间的高值区域较为一致；各土层盐分在研究区自西向东表现为高-低-高的分布格局。2021年各土层土壤水分总体表现为西北部及西南部较高，东北部较低；各土层土壤盐分空间变化较为一致，表明土壤盐分垂向分布较为连续。
（3） 0~10 cm土壤含水量与FVC呈显著正相关性，其余土层含水量与FVC无显著相关性；30~50 cm土壤含盐量与FVC无显著相关性，其余土层含盐量与FVC呈显著负相关性。
（4） 0~10 cm土壤含盐量对FVC的影响力大于0~10 cm土壤含水量对FVC的影响力。深层土壤含水量对FVC的影响较小，且小于深层土壤含盐量对FVC的影响。深层10~20 cm、10~30 cm和30~50 cm土壤含盐量通过影响表层0~10 cm土壤含盐量而对FVC产生影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Liu Y W, Shen X J, Zhang J Q, et al. Temporal and spatial variation in vegetation coverage and its response to climatic change in marshes of Sanjiang Plain, China[J]. Atmosphere, 2022, 13(12): 2077.

[2]
Li M L, Qin Y B, Zhang T B, et al. Climate change and anthropogenic activity Co-Driven vegetation coverage increase in the Three-North Shelter Forest Region of China[J]. Remote Sensing, 2023, 15(6): 1509.

[3]
Xu Y M, Zhuang Q L. The importance of interactions between snow, permafrost and vegetation dynamics in affecting terrestrial carbon balance in circumpolar regions[J]. Environmental Research Letters, 2023, 18(4): 044007.

[4]
Trautmann T, Koirala S, Carvalhais N, et al. The importance of vegetation in understanding terrestrial water storage variations[J]. Hydrology and Earth System Sciences, 2022, 26(4): 1089-1109.

[5]
高瑜莲, 柳锦宝, 柳维扬, 等. 近14 a新疆南疆绿洲地区地表蒸散与干旱的时空变化特征研究[J]. 干旱区地理, 2019, 42(4): 830-837.

[Gao Yulian, Liu Jinbao, Liu Weiyang, et al. Spatio-temporal variation characteristics of surface evapotranspiration and drought in the oasis area in recent 14 years, the southern Xinjiang[J]. Arid Land Geography, 2019, 42(4): 830-837.]

[6]
Xin Z M, Feng W, Zhan H B, et al. Atmospheric vapor impact on desert vegetation and desert ecohydrological system[J]. Plants, 2023, 12(2): 223.

[7]
Huang K D, Xu C, Qian Z Z, et al. Effects of pruning on vegetation growth and soil properties in poplar plantations[J]. Forests, 2023, 14(3): 501.

[8]
Zhao W J, Zhou C, Zhou C Q, et al. Soil salinity inversion model of oasis in arid area based on UAV multispectral remote sensing[J]. Remote Sensing, 2022, 14(8): 1804.

[9]
Chen Y W, Du Y Y, Yin H Y, et al. Radar remote sensing-based inversion model of soil salt content at different depths under vegetation[J]. PeerJ, 2022, 10: e13306.

[10]
康满萍, 赵成章, 白雪, 等. 苏干湖湿地植被覆盖度时空变化格局[J]. 生态学报, 2020, 40(9): 2975-2984.

[Kang Manping, Zhao Chengzhang, Bai Xue, et al. The temporal and spatial variation pattern of vegetation coverage in Suganhu wetland[J]. Acta Ecologica Sinica, 2020, 40(9): 2975-2984.]

[11]
Tang K S, Wulan T Y, Wu Z F, et al. Correlation between vegetation coverage and thickness of chestnut soil layer in typical grassland based on multisource satellite remote sensing[J]. Mobile Information Systems, 2022, 2022: 1116781.

[12]
Wang F, Chen Y N, Li Z, et al. Assessment of the irrigation water requirement and water supply risk in the Tarim river Basin, Northwest China[J]. Sustainability, 2019, 11(18): 4941.

[13]
江红南. 新疆不同区域土壤盐渍化光学遥感定量监测研究[D]. 武汉: 武汉大学, 2018.

[Jiang Hongnan. Quantitative Monitoring on Soil Salinization Utilizing Optical Remote Sensing in Different Regions of Xinjiang, China[D]. Wuhan: Wuhan University, 2018.]

[14]
何宝忠, 丁建丽, 刘博华, 等. 渭库绿洲土壤盐渍化时空变化特征[J]. 林业科学, 2019, 55(9): 185-196.

[He Baozhong, Ding Jianli, Liu Bohua, et al. Spatiotemporal variation of soil salinization in Weigan-Kuqa River Delta Oasis[J]. Scientia Silvae Sinicae, 2019, 55(9): 185-196.]

[15]
Guo B, Han F, Jiang L. An improved dimidiated pixel model for vegetation fraction in the Yarlung Zangbo River Basin of Qinghai-Tibet Plateau[J]. Journal of the Indian Society of Remote Sensing, 2018, 46(2): 219-231.

[16]
Yan K, Gao S, Chi H, et al. Evaluation of the vegetation-index-based dimidiate pixel model for fractional vegetation cover estimation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 60: 1-14.

[17]
李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京: 中国科学院研究生院(遥感应用研究所), 2003.

[Li Miaomiao. The Method of Vegetation Fraction Estimation by Remote Sensing[D]. Beijing: Graduate University of Chinese Academy of Sciences, 2003.]

[18]
边慧芹. 渭干河-库车河三角洲绿洲植被覆盖度与土壤盐渍化响应关系研究[D]. 乌鲁木齐: 新疆师范大学, 2020.

[Bian Huiqin. Study on the Relationship Between Vegetation Coverage and Soil Salinization Response in Weigan-Kuche River Delta Oasis in Xinjiang, China[D]. Urumqi: Xinjiang Normal University, 2020.]

[19]
温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, 22(5): 731-745.

DOI

[Wen Zhonglin, Ye Baojuan. Analyses of mediating effects: The development of methods and models[J]. Advances in Psychological Science, 2014, 22(5): 731-745.]

DOI

[20]
Howard J H, Baldwin R F, Brown B L. Exploratory analysis for complex-life-cycle amphibians: Revealing complex forest-reproductive effort relationships using redundancy analysis[J]. Forest Ecology and Management, 2012, 270: 175-182.

Options
文章导航

/

〈 〉