·土地整理工程·
基于危险度与风险格局的土地盐碱化监测区优先级评价
杨厚翔1，雷国平1※，徐 秋1，连 臣2
（1. 东北大学土地管理研究所，沈阳 110169；2. 黑龙江省土地利用监测中心，哈尔滨 150090）
摘 要： 为提高盐碱化监测和防治的针对性和精准性，该文选取与盐碱化形成有关的土壤质地、蒸降比、地下水矿化度、土地利用程度、盐碱化历史敏感性，以及与盐碱化扩散有关的地貌、数字高程（digital elevation model, DEM）、植被指数（normalized difference vegetation index, NDVI）、坡度、土壤质地等因子，借助BP神经网格、最小阻力模型、灰色关联度、叠加法和空间分析法，开展黑龙江省土地盐碱化监测区域识别，研究结果表明，1）黑龙江盐碱地监测区面积为2 981.72万hm2，占研究区的67.10%，其中高、中、低级别监测区占区域面积的20.18%、14.68%、32.23%；2）盐碱地监测级别总体呈现西部＞东部＞中部、北部、南部，高级别和中级别监测区主要分布在松嫩平原西部、西南部和北部以及三江平原东北部地区，低级别监测区主要分布在松嫩平原东部、三江平原南部、东南部山地区。研究结果及过程为土地盐碱化监测与防治提供了科学依据和方法参考。
关键词： 盐度测试；监测；土壤；盐碱化；危险度；景观生态风险；黑龙江
0 引 言
土地盐碱化是阻碍区域生态和经济可持续发展的世界性环境问题之一[1]，识别盐碱化监测区是区域生态经济可持续发展及维护国家粮食安全的重要科学问题。随着工业化和城市化进程的加速发展，人地矛盾不断加剧，不合理的土地利用方式促使土地盐碱化问题愈发严重，根据联合国教科文组织和粮农组织不完全统计，全世界盐碱地面积为9.54亿hm2，并且以每年1.0×106hm2的速度在增长[2]，其中中国为9 913万hm2，涉及19个省份[3]，严重威胁农牧业发展以及国家粮食安全。
11.1 出芝前管理：埋土扬沙后，盖严棚膜，不盖遮阳网，以增加棚内温度。7天后再喷一次重水，土壤含水量50%～60%，空气相对湿度80%～90%。出芝前应保持覆土干而不燥，湿而不粘；晴天每天喷粗水一次，阴天隔日喷细水一次。温度超过30℃加盖遮阳网或稻草帘。
已有研究主要集中在盐碱化发生机理[4-5]、理化试验[6]、水盐运动[7]、变化特征[8]、监测调控[9]、改良利用[10-12]、预测[13]、危险度评价[14]、风险评价[1]等方面，其中盐碱化危险度和盐碱化风险方面研究较少，且两者研究相对独立，致使无法全局性掌握盐碱地发生的内涵与迁移的外延，不利于精准化和差异化开展盐碱化防治和监测工作。并且研究多采用传统的构建指标体系计算相应指数的方法，但是鉴于盐碱地形成和迁移的外部环境具有时空性、层次性、易变性和数量大等特点，导致采用传统的研究方法难以收到满意的结果，这降低了指导大尺度的土壤盐碱化综合治理和监测的实践价值。伴随遥感（remote sensing, RS）、地理信息系统（geographic information system, GIS）和神经网格（artificial neural networks,ANN）技术的广泛应用，使人们可以在较短时间内对盐碱地变化进行大范围的把握[1]，同时能够解决传统方法在复杂逻辑等非线性领域的不适用性，这促使盐碱化研究从单纯的数量化研究转向空间化研究，并使得盐碱化研究更加符合其内涵与外延[1,14]。
充分利用水稻群体补偿能力强的优势，对一些病虫的防控效果目标指标可以适当放宽。比如，水稻稻纵卷叶螟前期造成的白叶，根据调查在5%以下，对水稻产量并没有多大影响，所以一般发生年份，二代稻纵卷叶螟可以不进行防治。
盐碱化作为土地退化现象的一种，是各种不利因素综合作用的结果，包括盐碱化的发生与盐碱化的迁移。危险度是指生态地质环境背景上叠加了人类的经济活动后土壤盐碱化发生的难易程度[15]，其具有盐碱化发生明确的内涵；风险格局是指盐碱地作为一种风险景观，在自然或人为因素影响下与其他景观通过生态过程相互作用可能产生的不利后果[1]，表现为土地发生盐碱化迁移或扩散不利的后果，具有盐碱地迁移明确的外延。研究采用对数据具有良好拟合和自我学习能力的神经网格方法，构建盐碱化危险度评价模型，采用最小累积阻力模型（minimal cumulative resistance, MCR）构建地区盐碱化景观生态风险格局模型，通过叠加套合形成盐碱地危险度—景观风险格局类型区，识别盐碱化监测区及其级别，为大尺度的土地盐碱化综合防治和监测提供了新的思路和方法，对实现区域生态恢复、土地资源可持续利用和保障粮食安全具有重要意义。
1 研究区概况与数据来源
1.1 研究区概况
黑龙江省是世界三大黑土带之一，是全国第一产粮大省和重要的商品粮生产基地，承担着保障国家粮食安全的重任，区域现有盐碱地面积4 900 km2，严重威胁区域农牧业发展，进而威胁中国粮食安全。研究区位于中国东北部，介于北纬 43°26′～53°33′，东经 121°11′～135°05′之间。地貌以大兴安岭、小兴安岭、东南部山地三大山系，松嫩、三江两大平原及其之间的丘陵漫岗过渡带为总体格局。降水分布在400～650 mm之间，表现为由西向东增加，山地大于平原；年平均蒸发量在900～1 800 mm，由南向北递减，最大蒸发量在松嫩平原南部，大于1 600 mm；全年蒸降比在1.3～2.5之间，返盐季节（4、5、6月）蒸发量是降水量的5倍。区域地下水位埋深总体表现为低山丘陵＞台地＞平原，其中三江平原埋深在1～8 m之间，平均埋深为5 m，松嫩平原在5～30 m，平均埋深为13 m。区域地下水矿化度多在0～3 g/L之间，其中大庆及周边地下水矿化度在1.5～3 g/L之间，齐齐哈尔、黑河、佳木斯及周边地区地下水矿化度在0.5～1.5 g/L之间，其余地区在0～0.5 g/L之间。
1.2 数据来源、处理与分析
1.2.1 数据来源
3.1.1 盐碱化危险度评价模型验证
1.2.2 数据处理
冰碛湖溃决风险评价指标体系大致可分为定性、半定量和定量三类。王欣根据McKillop等在筛选冰碛湖溃决参数时把评价指标分为冰碛湖参数、冰碛坝参数、母冰川、冰湖盆参数以及它们之间相互关系的思想，归纳得出冰碛湖溃决风险评价指标如表 1。
由图 1可以看出土地盐碱化危险度评价指标具有明显的区域差异性，地下水矿化度Ⅰ级区分布在大小兴安岭、东南部山地区，以及松嫩平原东部地区和三江平原南部和西北部地区，Ⅱ级区主要分布在松嫩平原西北部地区和三江平原中部和东北部地区，Ⅲ级区主要分布在松嫩平原西南部地区；土地利用程度Ⅰ级区主要分布在大兴安岭北部、小兴安岭南部以及东南部山地西北部，Ⅱ级区主要分布在大小兴安岭交界处，松嫩平原与东南部山地交界处，以及三江平原南部和西北部地区；土壤质地Ⅰ级区分布在松嫩平原西南部地区，Ⅱ级区主要分布在大兴安岭南部、小兴安岭，以及东南部山地区和东南部山地区，部分分布在三江平原中东部和南部地区，Ⅲ级区主要分布在松嫩平原中部偏东北地区，部分分布三江平原北部地区；盐碱化历史敏感性Ⅰ级区主要分布在大小兴安岭、东南部山地、松嫩平原中南部、三江平原中西部地区，Ⅱ级区主要分布在松嫩平原北部和中西部地区、三江平原中北部地区，Ⅲ级区主要分布在三江平原西南部地区；蒸降比Ⅰ级区分布较少，主要分布在松嫩平原中北部地区、东南部山地西部地区，Ⅱ级区主要分布在大小兴安岭地区、东南部山地区、三江平原、松嫩平原中部，Ⅲ级区主要分布在松嫩平原西南部地区。
生态文明建设的另一科学性，表现在它建立于（马克思主义）生态文明价值观的基础之上的，是马克思主义中以人为本、人与自然和谐统一思想的完美体现。
2 研究方法
2.1.5 BP-ANN盐碱化危险度评价模型构建
2.1 土地盐碱化危险度BP神经网格模型
2.1.1 土地盐碱化危险度评价指标的选取及分级
土地盐碱化形成原理是土壤底层或地下水的盐分在地貌、气候、水文地质、土壤条件等自然条件，以及土地利用等人为因素综合作用下，逐步上升并积累在表层土壤中的过程[15,17-22]。地貌条件是土地盐碱化形成的影响因素之一，决定了其按地貌分布的一般规律[15]，此外黑龙江省地貌差异明显，且在宏观尺度上能够体现地下水埋深的异质性[23]，故研究以地貌类型反应区域地下水埋深之间的差异；气候条件是土地盐碱化形成的基本要素，蒸降比间接反映水盐运动自然胁迫强度[17]，蒸降比越大土壤表层积累的盐分会越多，由于黑龙江省11月初到2月底为冻土时间，水盐运动处于潜伏期[15,24]，故蒸降比选取3～10月进行蒸降比测算；地下水矿化度为盐分来源，矿化度越高，同等条件下土壤盐分越易积累[18-19]；表层土壤质地可反映液态水渗透能力，黏粒占比越大，入渗率越低，地表越易积水，越易发生土地盐碱化[20]；人类活动对盐碱化的影响表现为人类活动改变原有的生态环境[21]，打破积盐与脱盐之间的平衡，造成盐分淋洗减弱而盐分积累增加，土地利用程度反映人类对区域生态环境的干扰强度，干扰程度越大区域越易发生盐碱化[15,22]；研究在此基础上增设盐碱化区域敏感性指标，其主要是因为盐碱化发生较为复杂，势必存在考虑不周甚至遗漏指标的问题，因此如果仅考虑以上因子会导致所选取因素组合模式相同，却出现 2个或以上盐碱化程度级别的问题，而盐碱化区域敏感性体现了各类因素综合作用的现实结果，在一定程度上弥补了这一弊端，经验证效果理想。研究借助ArcGIS内置Jenks自然断点法划分指标级别（表1），空间分布情况见图1。
表1 土地盐碱化危险度评价指标分级
Table 1 Classification of evaluation factors of land salinization danger
图1 土地盐碱化危险度评价要素分级图
Fig.1 Grading diagram of evaluation factors of land salinization danger
在 ArcGIS平台支持下依据研究需求对数据进行处理。数据统一转换为空间分辨率为 90 m，转换为GCS_Xian_1980投影参与空间运算。盐碱化区域敏感性采用盐碱地程度面积加权法测算，盐碱地、四级、三级、二级的权重分别为1、0.8、0.6、0.4；土壤质地依据国际制土壤质地分级标准进行分类；土地利用程度采用刘纪远先生提出的土地利用程度的综合分析方法[16]，即各地类土地利用程度分级指数与各地类面积百分比乘积，其中城镇村及工矿用地、交通运输用地、耕地、园地、林地、草地、水域及水利设施用地、其他土地利用程度分级指数分别为 4、4、3、3、3、2、1、1；坡度数据通过DEM数据获取。
2.1.2 生成评价单元
叠置分析是一种基本的土地评价方法[25]，是指在统一空间参考系统下把 2层或多层要素进行叠加产生一个新要素层的空间合成操作，其结果综合了原来 2层或多层要素所具有的属性，生成了新的空间关系和新的属性关系，能够发现多层数据间的相互差异、联系和变化等特征。研究将评价指标进行叠加，作为土地盐碱化危险度评价单元，每一个评价单元都涵盖了分割、目标和输入角色指标信息。
2.1.3 样本点的选取
样点选取的科学性关系到土地盐碱化危险度评价结果的可靠性。研究在全面性、代表性、最小数据集等样点选取原则指导下[26-27]，依据形成的评价单元的要素组合模式选取样点。具体步骤为：一是剔除面积较小的要素组合模式，总剔除面积小于总面积的5%，体现最小数据集原则；二是在具有代表性的要素组合模式中选取样本点，代表性要素组合模式面积大于总面积的 95%，体现全面性和代表性原则。通过以上方法选取了44个样本点。此外，随机选取44个样本点用于模型检验与评价结果验证。
2.1.4 评价指标合理性分析
为了保证土地盐碱化危险度评价指标的科学性以及结果的可靠性，测算评价指标与盐碱化程度之间的灰色关联度值，计算结果见表2。灰色关联分析的基本原理是设有 2条曲线 Xi和 Xj，记 ζij为在 tl时间上 Xi，Xj的关联系数，γij为2条曲线的关联度值，△γij(tl)为时刻tl上Xi、Xj的绝对差。分别有
作出关联系数ζij(tl)关于时间tl的曲线，并记ζii(tl)=1，即曲线Xi同自身的关联度值表示为
由表 2可以看出盐碱化程度与评价指标的关联度值处于一般及以上区间，说明所选择的盐碱化危险度评价指标是合适的。
表2 关联度分析结果
Table 2 Result of correlation analysis
研究通过评价确定盐碱化监测区域，危险度评价具有盐碱化发生内涵的明确性，即能够识别与已发生盐碱化地区具有相似立地条件的易发地区，但无法识别已发生盐碱化地区对其他区域的威胁；景观风险格局评价具有盐碱化迁移或扩散外延的明确性，可识别出已发生盐碱化地区可能威胁到的地区。
土地盐碱化影响因素多且关系复杂，反向传播人工神经网络模型（BP-ANN）具有模拟其复杂关系的能力[14]，故研究采用该模型对土地盐碱化危险度进行评价。该模型在运行中包括网络训练和模式识别两个过程。研究用44个典型样本点进行网络模型训练，在网络模型训练中需要输入节点信息，其中分割层节点为地貌类型；输入层为蒸降比、土壤质地、地下水矿化度、土地利用程度、盐碱化区域敏感性；输出层为土地盐碱化发生的危险度，见图2。
图2 土地盐碱化危险度评价的 ANN-BP 模型结构
Fig.2 Structure of ANN-BP model for danger assessment of land salinization
2.2 土壤盐渍化风险格局
突然有一刹那，叶晓晓想伸出手去，在夏天面前晃晃，她怀疑夏天根本就是看得见，而是跟她、跟大家、跟生活开了一场玩笑。从小到大，她无数次拿好玩的、好吃的、恶心的东西悄悄地放到夏天面前，她希望把他吓一跳，从而拆穿他装瞎的鬼把戏，可惜，她一次也没有得逞。叶晓晓想：如果这真是一场恶作剧，那么导演一定不是夏天，而是老天爷，他给这个高高瘦瘦、身材匀称、五官俊秀的男孩装了一双乌黑油亮的瞎眼睛。
“风险源”是指在一定时空尺度下的景观生态过程中，对区域景观生态安全造成威胁的景观类型[28-30]，因此，盐碱化土地为该研究的风险源，即盐碱化土地（风险源）作为生境斑块的一种，与其他景观存在着不同程度的连接，在这些连接中产生物质流，从而使 2个相连的生境相互影响，产生生态风险。
2.2.2 景观生态风险阻力面的建立
1）确定盐碱化风险物质流及其主要影响因素
（3）该水源地近期应对措施首先应建立多水源运行调度预案，及时关闭取水水源；其次，通过建设水源地封闭湿地系统，净化水源水质且提高供水安全性。
这些连接是通过生态流克服阻力来实现，其阻力面反映了生态用地空间连通的趋势。因此，要先分析影响风险源的物质流及其迁移的影响因素。水无疑是盐碱地迁移的物质流，研究参考已有成果选取对物质流具有全局性影响的因素，包括高程、坡度、植被和土壤质地这4种因素[1,22,31]。
盐碱地位于地势相对低洼处，高程对水的阻力主要体现在克服重力势能，相对高程越高需要克服的重力势能越大[31]，阻力值越大，黑龙江省地貌分为三江平原、松嫩平原、大小兴安岭、东南部山地，各地貌间高程差异较大，采用同一标准进行分级，会降低低海拔地貌区的阻力值，增加高海拔地貌区的阻力值，故研究分别对黑龙江省四大地貌区进行高程阻力值分级。坡度对水的阻力主要体现在洼地产流难易程度，坡度越大低洼地滞留水越多，越不容易产流[31]，风险源扩散的风险越低，阻力值越大。植被对水的阻力体现在植株对水分的吸收和蒸发作用上，因此植被指数（NDVI）越高，其阻力值越大[1]。土壤具有固水的作用，土壤的质地越偏向于黏土，固水能力越强[1,22]，阻力值越大。研究采用自然断裂法对阻力值进行分级（表 3），该方法可使各个类之间的差异最大化，分级后各要素阻力值及叠加阻力空间分布见图3。
2）评价模型
表3 阻力值分级
Table 3 Classification of resistance values
图3 评价要素阻力值级别及叠加阻力分布
Fig.3 Evaluation factor resistance level and superposition resistance distribution
图 3可以看出土地盐碱化风险评价指标具有明显的区域差异性，高程阻力高值区主要分布在大小兴安岭和东南部山地区，低值区主要分布在两大平原；植被指数高值区主要分布在东南部山地区及与小兴安岭交界处，中值区主要分布在大兴安岭、松嫩平原北部地区及三江平原地区，低值区主要分布在松嫩平原西南部；坡度中高值区主要分布在大小兴安岭、东南部山地区，低值区主要分布在松嫩、三江两大平原地区；阻力面高值区主要分布在大兴安岭西南部、东南部山地及与三江平原交界处，中值区主要分布在小兴安岭地区、松嫩平原东北部地区、三江平原中北部地区，低值区主要分布在松嫩平原西北部地区。
玉敏沉思了一会，把事先编好的谎言暗自梳理了一遍，说许姐，你知道这事因我而起，老板逼我还钻戒。我也理解老板，他需要资金周转，能早点拿回钻戒，卖了就是钱。我被逼得无奈，从老家东挪西凑，凑够了钱买了同样的钻戒还给了店里。你当初付的钱和手续，都在我手里了。这事如果拖到现在，老板早开除我了。请许姐理解我，把钻戒还给我，我把钱和手续都退给你，咱就两清了。
采用理论地理学中的表面模型—最小累积阻力模型来建立阻力面[32-33]。阻力面模型计算后的累积阻力面图是以风险源分布为核心到空间任意一点的累积阻力值。计算公式如下
式中 MCR为风险源扩散到空间某一点的最小累计阻力；Dij为风险源j到景观类型i的空间距离；Ri为景观类型i对风险源迁移阻力值；n、m为风险源与景观类型数目。
2.2.3 景观风险格局等级划分
景观生态风险阻力是在空间上连续的函数，要得到景观生态风险格局就需要进行风险等级划分。拟将研究区景观生态风险等级分为重度及以上（H）、中度（M）、轻度及以下（L）3个等级。通过对比划分景观生态风险等级的区间值的方法的表现结果，本文确定采用几何间隔法对计算结果分级，该方法可确保每个所拥有的值的数量大致相等[34]。
2.2.1 确定风险源
岩性圈闭含油性既影响具体井位部署和岩性探井的成功率，也影响某个地区、某个层系岩性油藏勘探、开发的决策。通过对大量岩性油气藏典型解剖和大量统计，明确了岩性体含油性的3个主控因素。
2.3 盐碱化类型区与监测级别
研究在危险度和景观生态风险评价结果基础上，叠加盐碱化危险度和盐碱化景观风险格局形成基于盐碱化危险—景观风险格局形式的盐碱化类型区，并划分监测区级别。L-L为非盐碱化监测区域（安全区）；M-L、L-M 2种情况为低级别监测区；M-M、H-L、L-H为中级别监测区；H-H、H-M、M-H为高级别监测区。
3 研究结果
3.1 盐碱化危险度与景观风险格局
盐碱化分布及程度来源于黑龙江省农用地分等数据库（2016年）、国家科技基础条件平台—国家地球系统科学数据共享平台（http://www.geodata.cn）1:50万盐碱地空间分布（2000年），以及中国科学院南京土壤研究所的中国1:100万土壤数据库（1995年）；蒸发量、降水量数据来自国家气象信息中心（http://data.cma.cn）中国地面国际交换站气候资料日值数据集（V3.0），时间分辨率为1 d（2016年）；土壤质地来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）1:100万中国土壤质地空间分布数据（2018年）；土地利用数据来自黑龙江省土地变更调查数据库（2016年）；NDVI来自地理国情监测云平台（http://www.dsac.cn）1 km空间分辨率，16 d时间分辨率的数据产品（2016年）；黑龙江省数字高程模型 ASTER DEM 来自中国科学院数据云（http://www.csdb.cn），30 m空间分辨率（2000年）；地下水矿化度数据来自中国地下水资源.黑龙江卷（2004年）；地貌数据来自1:750万地貌区划图。
网络训练结束后，从44个随机样本点中抽取22个样本点检验验证，即将22个样本点数据信息输入到模型，并将模型运算得到的盐碱化危险度评价结果与该样本点实际盐碱化状况进行对比，见表4。
表4 土地盐碱化危险度评价模型、结果验证与评价因子重要性
Table 4 Validation of evaluation model and results of land salinization danger and importance of evaluation factors
从表4可以看出，模型运算结果与实际情况完全拟合，精度高达 100%。因此，该模型可以应用于土地盐碱化危险度的评价。此外，低山丘陵区矿化度、区域历史敏感性，台地区矿化度，松嫩冲积平原矿化度和蒸降比，三江冲积平原盐碱化区域敏感性对盐碱化危险度影响大。
天葬师将半截节足攥在手中，抬眼望向唐飞霄，口中道：“物归原主！”同时，手腕一抖，半截节足化作一道黑芒，直朝唐飞霄射去。
3.1.2 盐碱化危险度与景观风险格局评价
研究利用 2.1部分构建的模型对黑龙江省土地盐碱化危险度进行评价，结果见图 4a；利用检验模型剩余的22个随机样本点验证评价结果，见表4，由表4可以看出22个样本点中21个样本点评价结果与实际状况一致，整体准确率达 95.45%，其中除松嫩冲积平原准确率为85.71%，其余类型区评价准确率均为100%。利用2.2部分研究方法形成黑龙江省土地盐碱化景观风险格局，结果见图4b。
教学方法是否有效不仅决定了视觉传达设计教学质量的高低，而且决定了学生是否能适应新媒体时代对视觉传达设计提出的新要求。培养综合型的应用人才需要改进传统教学方法，不断根据新的内容创新教学形式，能够有效提高视觉传达设计教学质量，满足学生的学习需求。
1号交通洞进口段由原来的明挖改为洞挖，有以下几个方面的优势。一是减少了大量征地移民和迁移地面附着物的费用，经济效益好，降低了总成本；二是进度方面有优势，工期提前了28 d，同时还节约了其他不可预估的征迁坟地等地面附着物的时间；三是改洞挖后施工范围缩小，对环境破坏小、同时还降低了对周边永久居住居民的影响。
图4 黑龙江省土地盐碱化危险度与景观风险格局
Fig.4 Land salinization danger and landscape risk pattern of Heilongjiang Province
由图 4可以看出，盐碱化景观风险格局与危险度分布区域较为一致，但有所差异，且重度及以上、中度分布范围更广。盐碱化危险度方面，重度及以上分布在松嫩平原西南部，中度分布在松嫩平原中北部地区以及三江平原东北部地区，轻度及以下主要分布在大小兴安岭和东南部山地，以及松嫩平原东部地区和三江平原南部地区。风险格局方面，重度及以上不仅分布在松嫩平原中北部地区，还包括松嫩平原中部和北部地区，此外在三江平原东北部及东南部山地地区也有少量分布；中度除了在松嫩平原中北部地区以及三江平原东北部地区有所分布外，在松嫩平原中东、中南地区，三江平原中西部，东南部山地区也有所分布；轻度及以下风险格局主要分布在大小兴安岭，此外在三江平原及东南部山地南部边缘有少量分布。
3.2 基于危险度与风险格局的盐碱化类型区与监测区级别
研究在盐碱化危险度与景观风险格局评价基础上，在ArcGIS平台支撑下，利用2.3部分研究方法形成基于危险度与景观风险格局的盐碱化类型区（图 5a），确定监测区级别（图5b），并对监测区级别面积进行统计（表5）。
图5 黑龙江省土地盐碱化类型与监测区级别
Fig.5 Types of salinization and monitoring area levels of Heilongjiang Province
注：H-H为高危险度高风险格局；H-M为高危险度中风险格局；M-H为中危险度高风险格局；M-M为中危险度中风险格局；M-L为中危险度低风险格局；L-H为低危险度高风险格局；L-M为低危险度中风险格局；L-L为低危险度低风险格局。
Note: H-H is high danger degree and risk pattern；H-M is high danger degree and medium risk pattern; M-M is medium danger degree and medium risk pattern;M-L is medium danger degree and low risk pattern; L-H is low danger degree and high risk pattern; L-M is low danger degree and medium risk pattern; L-L is low danger degree and low risk pattern.
表5 黑龙江省土地盐碱化监测区级别面积分布
Table 5 Area distribution of land salinization monitoring area of Heilongjiang Province
由图5、表5可以看出黑龙江省盐碱化监测区域面积为2 981.72万hm2，高、中、低级别监测区占区域面积的20.18%、14.68%、32.23%。总体呈现东部、西部监测级别高，中部、北部、南部监测级别低的总体格局。其中高级别和中级别监测区主要分布在松嫩平原西部、西南部和北部地区以及三江平原东北部地区，该区域盐碱化危险度或风险格局较大，应作为盐碱化监测和防治的重点区域；低级别监测区主要分布在松嫩平原东部、三江平原南部、东南部山地区，非监测区主要分布在大小兴安岭地区。
4 结 论
1）基于神经网格与景观生态风险格局的土地盐碱化监测区域识别技术统筹兼顾了盐碱地发生内涵与迁移外延，为土地盐碱化监测与防治提供了科学依据和方法参考。盐碱化危险度评价从盐碱地发生内涵出发，选取地貌、土壤质地、蒸降比、地下水矿化度、盐碱化区域敏感性、土地利用程度等作为评价因子，并通过灰色关联度模型分析了盐碱化与其关联度，验证选取指标的合理性，在此基础上进行网格训练与精度检验，形成基于神经网格的盐碱化危险度评价模型，对土地盐碱化危险度进行评价；盐碱化风险评价从盐碱地扩散（迁移）的外延出发，筛选盐碱地扩散或迁移阻力因子并构建阻力面，利用最小阻力模型，评价形成盐碱化景观风险格局，进而借助ArcGIS空间分析功能叠加盐碱化危险度和风险格局，形成盐碱化类型区与监测级别。
2）研究以黑龙江省为例进行技术应用，黑龙江省盐碱地总体呈现东部、西部监测级别高，中部、北部、南部监测级别低的总体格局，高级别和中级别监测区主要分布在松嫩平原西部、西南部和北部地区以及三江平原东北部地区，低级别监测区主要分布在松嫩平原东部、三江平原南部、东南部山地区，非监测区主要分布在大小兴安岭地区。区域盐碱地监测区面积为2 981.72万hm2，占研究区的 67.10%，其中高、中、低级别监测区占区域面积的20.18%、14.68%、32.23%。
学校的作息时间与农业生产相匹配，也分为一天三节，每周上6天课。因为没有统筹，许某上一天课就算一天工，周日不出工就没有工分。生产队开始只给他评了三级工——9分，因为“我们还是后生，做不了多少，体力没有多少，一级一般要担得100多斤，我们一般是三级，四、五级一般是老人或者是妇女。如果一个月有四个星期日你没参加生产劳动，就少了36分。”(XJA170325)可见教师与社员一样，对工分都是非常重视的。
[参 考 文 献]
[1] 林佳，宋戈，张莹. 基于景观生态风险格局的盐碱地分区规划防治研究：以黑龙江省林甸县为例[J]. 生态学报，2018，38(15)：1－9.Lin Jia, Song Ge, Zhang Ying. Regionalization planning for prevention and control of saline-alkali land based on a landscape ecology risk pattern theory: A case study in Lindian County, Heilonjiang Province[J]. Acta Ecologica Sinica, 2018, 38(15): 1－9. (in Chinese with English abstract)
[2] 张杰，陈立新，寇士伟，等. 大庆地区不同利用方式土壤盐碱化特征分析及评价[J]. 水土保持学报，2011，25(1)：171－175，179.Zhang Jie, Chen Lixin, Kou Shiwei, et al. Characteristics and evaluation of salinization of different land-use types of soils in Daqing City[J]. Journal of Soil and Water Conservation,2011, 25(1): 171－175, 179. (in Chinese with English abstract)
[3] 李永智，单风翔. 土壤盐渍化危害及治理途径浅析[J]. 西部探矿工程，2008，20(8)：85－88.
[4] 毛海涛，黄庆豪，吴恒滨. 干旱区农田不同类型土壤盐碱化发生规律[J]. 农业工程学报，2016，32(增刊1)：112－117.Mao Haitao, Huang Qinghao, Wu Hengbin. Soil salinization features in arid areas farmland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(Supp.1): 112－117. (in Chinese with English abstract)
[5] 李秀军. 松嫩平原西部土地盐碱化与农业可持续发展[J].地理科学，2000，20(1)：51－55.Li Xiujun. The alkili-saline land and agricultural sustainable development of the western Songnen Plain in China[J].Scientia Geographica, Sinica, 2000, 20(1): 51－55. (in Chinese with English abstract)
[6] Xiao Zhenzhen, Li Yi, Feng Hao. Hyperspectral models and forcasting of physico chemical properties for salinized soils in northwest China[J]. Spectroscopy and Spectral Analysis,2016, 36(5): 1615－1622.
[7] 袁成福，冯绍元，蒋静，等. 咸水非充分灌溉条件下土壤水盐运动 SWAP模型模拟[J]. 农业工程学报，2014，30(20)：72－82.Yuan Chengfu, Feng Shaoyuan, Jiang Jing, et al. Simulation of water-salt transport by SWAP model under deficit irrigation with saline water[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(20): 72－82. (in Chinese with English abstract)
[8] 高会，刘慧涛，刘宏娟，等. 基于改进遥感解译方法的盐碱耕地变化特征[J]. 应用生态学报，2015，26(4)，1016－1022.Gao Hui, Liu Huitao, Liu Hongjuan, et al. Using a modified remote sensing imagery for interpreting changes in cultivated saline-alkali land[J]. Chinese Journal of Applied Ecology,2015, 26(4): 1016－1022. (in Chinese with English abstract)
[9] 高明秀，张治，赵庚星，等. 基于WebGIS的农田水肥盐碱监测与调控管理系统[J]. 农业工程学报，2018，34(17)：89－99.Gao Mingxiu, Zhang Zhi, Zhao Gengxing, et al. Monitoring and regulation management system of water, nutrient and salinity in farmland based on WebGIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(17): 89－99. (in Chinese with English abstract)
[10] 李取生，李秀军，李晓军，等. 松嫩平原苏打盐碱地治理与利用[J]. 资源科学，2003，25(1)：15－20.Li Qusheng, Li Xiujun, Li Xiaojun, et al. Sodium bicarbonate soil management and utilization in Songnen Plain[J].Resources Science, 2003, 25(1): 15－20. (in Chinese with English abstract)
[11] 刘小京. 环渤海缺水区盐碱地改良利用技术研究[J]. 中国生态农业学报，2018，26(10)：1521－1527.Liu Xiaojing. Reclamation and utilization of saline soils in water-scarce regions of Bohai Sea[J]. Chinese Journal of Eco-Agriculture, 2018, 26(10): 1521－1527. (in Chinese with English abstract)
[12] 王秋菊，刘峰，常本超，等. 稻壳深施改良苏打碱土理化性质长期效应[J]. 农业工程学报，2018，34(2)：147－152.Wang Qiuju, Liu Feng, Chang Benchao, et al. Long-term effect of deep application of rice husk improving physical and chemical properties of soda alkaline soil[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2018, 34(2): 147－152. (in Chinese with English abstract)
[13] 邹滨，董明辉，杨令宾，等. 松嫩平原西部土地盐碱化预测研究[J]. 自然资源学报，2009，24(6)：1022－1029.Zou Bin, Dong Minghui, Yang Lingbin, et al. Prediction of saline-alklized land in western Songnen Plain[J]. Journal of Natural Resources, 2009, 24(6): 1022－1029. (in Chinese with English abstract)
[14] 汤洁，林年丰，卞建民，等. 应用 GIS-ANN进行土地盐碱化危险度评价—以吉林西部平原为例[J]. 自然灾害学报，2003，12(4)：34－39.Tang Jie, Lin Nianfeng, Bian Jianmin, et al. Application of GIS-ANN integrated technology to evaluating hazard degree of salt-alkalization of soil: Taking west plain of Jilin Province as an example[J]. Journal of Natural Disasters, 2003,12(4): 34－39. (in Chinese with English abstract)
[15] 张殿发. GIS支持下的吉林西部平原土地盐碱化研究[D].长春：长春科技大学，2000.Zhang Dianfa. Study on Soil Salinization in the Western Plain of Jilin Province Based on GIS[D]. Changchun:Changchun University of Science and Technology, 2000. (in Chinese with English abstract)
[16] 樊玉山，刘纪远. 西藏自治区土地利用[M].北京：科学出版社，1992.
[17] 魏晓斌. 松嫩平原西部盐碱地苜蓿建植技术[D]. 北京：中国农业科学院，2013.Wei Xiaobin. Technique of Planting Alfalfa in Saline-alkali Land in the West of Songnen Plains[D]. Beijing: Chinese Academy of Agricultural Sciences, 2013. (in Chinese with English abstract)
[18] 谷洪彪，迟宝明，姜纪沂. 灾害学定义之下的土壤盐碱化风险评价[J]. 吉林大学学报：地球科学版，2013，43(5)：1623－1629.Gu Hongbiao, Chi Baoming, Jiang Jiyi. Risk assessment of soil salinization within the definition of disaster[J]. Journal of Jilin University: Earth Science Edition, 2013, 43(5): 1623－1629. (in Chinese with English abstract)
[19] 孙广友，王海霞. 松嫩平原盐碱地大规模开发的前期研究、灌区格局与风险控制[J]. 资源科学，2016，38(3)：407－413.Sun Guangyou, Wang Haixia. Large scale development to saline-alkali soil and risk control for the Songnen Plain[J].Resources Science, 2016, 38(3): 407－413. (in Chinese with English abstract)
[20] 谷洪彪，宋洋，潘杰. 松嫩平原盐碱化形成影响因素研究进展[J]. 安徽农业科学，2010，38(30)：16895－16898.Gu Hongbiao, Song Yang, Pan Jie. Research progress of influencing factors on salinization of Songnen Plain[J].Journal of Anhui Agricultural Sciences, 2010, 38(30):16895－16898. (in Chinese with English abstract)
[21] 刘云超，王素娟，陈凤臻，等. 克什克腾旗土壤盐碱化成因初探[J]. 内蒙古农业科技，2013(4)：76－77.
[22] 汤洁，赵凤琴，李昭阳，等. GIS技术支持下的土地盐碱化敏感性评价[J]. 吉林大学学报：地球科学版，2006，36(5)：841－846.Tang Jie, Zhao Fengqin, Li Zhaoyang, et al. Evaluation of sensitivity to alkali saline land supported by GIS[J]. Journal of Jilin University: Earth Science Edition, 2006, 36(5): 841－846. (in Chinese with English abstract)
[23] 张宗祜，李烈荣. 中国地下水资源（黑龙江卷）[M]. 北京：中国地图出版社，2004.
[24] 周绍飞，胡宝军，裴敬霞. 黑龙江省冻土的时空分布[J]. 黑龙江水利科技，2009，37(1)：16－17.
[25] 刘霈珈，吴克宁，赵华甫. 基于农用地分等与土地质量地球化学评估的耕地质量监测类型研究[J]. 资源科学，2015，31(1)：37－44.Liu Peijia, Wu Kening, Zhao Huafu. Cultivated land quality monitoring types base on agricultural land classification and land quality geochemical assessment[J]. Resources Science,2015, 31(1): 37－44. (in Chinese with English abstract)
[26] 张衍毓，高秉博，郭旭东，等. 国土空间监测网络布局优化方法研究[J]. 中国土地科学，2018，32(1)：11－19.Zhang Yanyu, Gao Bingbo, Guo Xudong, et al. Spatial optimized distribution method for china land monitoring network[J]. China Land Science, 2018, 32(1): 11－19. (in Chinese with English abstract)
[27] 傅伯杰，陈利顶，马克明，等. 景观生态学原理及应用[M].北京：科学出版社，2011.
[28] 张娜. 景观生态学[M]. 北京：科学出版社，2014.
[29] 曾永年，靳文凭，王慧敏，等. 青海高原东部土地利用变化模拟与景观生态风险评价[J]. 农业工程学报，2014，30(4)：185－194.Zeng Yongnian, Jin Wenping, Wang Huimin, et al.Simulation of land-use changes and landscape ecological assessment in eastern part of Qinghai Plateau[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2014, 30(4): 185－194.(in Chinese with English abstract)
[30] 曹祺文，张曦文，马洪坤，等. 景观生态风险研究进展及基于生态系统服务的评价框架：ESRISK[J]. 地理学报，2018，73(5)：843－855.Cao Qiwen, Zhang Xiwen, Ma Hongkun, et al. Review of landscape ecological risk and an assessment framework based on ecological services: ESRISK[J]. Geographica Sinica, 2018,73(5): 843—855. (in Chinese with English abstract)
[31] 范世香，刁艳芳，刘冀. 水文学原理[M]. 北京：中国水利水电出版社，2014.
[32] 王金亮，谢德体，邵景安，等. 基于最小累积阻力模型的三峡库区耕地面源污染源－汇风险识别[J]. 农业工程学报，2016，32(16)：206－215.Wang Jinliang, Xie Deti, Shao Jingan, et al. Identification of source-sink risk pattern of agricultural non-point source pollution in cultivated land in Three Gorge reservoir area based on accumulative minimum esistance model[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16):206－215. (in Chinese with English abstract)
[33] 程迎轩，王红梅，刘光盛，等. 基于最小累计阻力模型的生态用地空间布局优化[J]. 农业工程学报，2016，32(16)：248－257.Cheng Yingxuan, Wang Hongmei, Liu Guangsheng, et al.Spatial layout optimization for ecological land based on minimum cumulative resistance model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16): 248－257. (in Chinese with English abstract)
[34] 毕硕本，计晗，陈昌春，等. 地理探测器在史前聚落人地关系研究中的应用与分析[J]. 地理科学进展，2015，34(1)：118－127.Bei Shuoben, Ji Han, Chen Changchun, et al. Application of geographical detector in human-environment relationship study of prehistoric settlements[J]. Progress in Geography,2015, 34(1): 118－127.
Priority evaluation of land salinization monitoring area based on danger degree and risk pattern
Yang Houxiang1, Lei Guoping1※, Xu Qiu1, Lian Chen2
(1. Institute of Land Management, Northeast University, Shenyang 110169, China;2. Heilongjiang Province Land Use Monitoring Center, Harbin 150090, China)
Abstract: The purpose of the study was to improve the pertinence and accuracy of salinization monitoring and control. The main data sources for this paper include agricultural land classification database, 1:500 000 spatial distribution data of saline-alkali land, China earth international exchange station climate data daily value sata set (V3.0), 1:1 000 000 soil database data, 1:1 000 000 spatial distribution data of soil texture in China, land change survey database and other data of Heilongjiang Province. With the support of the above data, on the one hand, research starts from the connotation of land salinization, filtered out land risk assessment factor from numerous factors, include landform, soil texture, evaporation and precipitation ratio,groundwater mineralization, regional sensitivity, land use level, the relationship between land salinization and its correlation was analyzed by the grey correlation model, and used the grey correlation model to analyze the correlation between these factors and land salinization, in order to verify the rationality of the selection of indicators, based on this, carry out grid training and accuracy test, formed land salinization assessment model. On the one hand, started from the extension of land salinization, screened out the resistance factors of soil salinization diffusion or migration, and constructed a resistance surface,used the minimal cumulative resistance model to evaluate the risk pattern of land salinization landscape. After the above work was completed, then with the help of ArcGIS spatial analysis function, superimposed the evaluation results of land salinization danger and land salinization landscape risk pattern, Formed land salinization type zones and monitoring levels. This paper takes Heilongjiang Province as an example to apply the method, the main research results were summarized as follows: 1) In terms of the salinity danger of the land, the land salinization danger of the salinity risk of severe and above land were mainly distributed in the southwestern part of the Songnen Plain, moderately distributed in the north-central part of the Songnen Plain and the northeastern part of the Sanjiang Plain. The light and below were mainly distributed in the great and small xing'an ridge and the southeastern mountainous areas. Eastern Songnen Plain and Southern Sanjiang Plain. 2) In terms of risk pattern,the severe and above were not only distributed in the central and northern parts of the Songnen Plain, but also in the central and northern parts of the Songnen Plain. In addition, there were also a small distribution in the northeastern and southeastern mountain areas of the Sanjiang Plain; moderately except in the Songnen Plain. The northern part and the northeastern part of the Sanjiang Plain were distributed, in the Middle and Central South of the Songnen Plain, the central and western parts of the Sanjiang Plain, and the southeastern mountain areas were also distributed; the mild and the following risk patterns were mainly distributed in the great and Small Xing'an Ridge, in addition to Sanjiang there was a small distribution on the southern edge of the plains and southeastern mountains. 3) The monitoring level of salinization in Heilongjiang Province showed the overall pattern of the west ＞ east ＞ central, northern and southern regions, the high-level and medium-level monitoring areas were mainly distributed in the western, southwestern, northern parts of the Songnen Plain, and the northeastern part of the Sanjiang Plain, the low-level monitoring areas were mainly distributed in the eastern part of the Songnen Plain, in the south of the Sanjiang Plain, and in the southeastern mountain areas, non-monitoring areas were mainly distributed in the large and Small Xing'an Mountains. The conclusion is that the land salinization monitoring area identification technology based on the risk and landscape ecological risk pattern takes into account the connotation of salinization and the extension of salinization, which provides scientific basis for the monitoring and prevention of land salinization.
Keywords: salinity measurement; monitoring; soils; salinization; danger; landscape ecological risk; Heilongjiang
doi： 10.11975/j.issn.1002-6819.2019.07.030
中图分类号： F301.21
文献标志码： A
文章编号： 1002-6819(2019)-07-0238-09
杨厚翔，雷国平，徐 秋，连 臣. 基于危险度与风险格局的土地盐碱化监测区优先级评价[J]. 农业工程学报，2019，35(7)：238－246. doi：10.11975/j.issn.1002-6819.2019.07.030 http://www.tcsae.org
Yang Houxiang, Lei Guoping, Xu Qiu, Lian Chen. Priority evaluation of land salinization monitoring area based on danger degree and risk pattern[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(7):238－246. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.07.030 http://www.tcsae.org
收稿日期： 2018-09-11 修订日期：2019-03-30
基金项目： 国家自然科学基金项目（41671520）；黑龙江省国土资源科研项目（201411）；黑龙江省国土资源科研项目（201414）
作者简介： 杨厚翔，博士生，主要研究方向为土地利用与规划。Email：634548011@qq.com
※通信作者： 雷国平，教授，博士生导师，主要研究方向为土地利用规划与土地管理。Email：guopinglei@126.com
标签：盐度测试论文; 监测论文; 土壤论文; 盐碱化论文; 危险度论文; 景观生态风险论文; 黑龙江论文; 东北大学土地管理研究所论文; 黑龙江省土地利用监测中心论文;