DB15∕T 2675—2022 盐碱地改良水盐动态监测与评价导则(内蒙古自治区).pdf

ICS 65.020.01 CCS B11 15 内蒙古自治区地方标准 DB15/T 26752022 盐碱地改良水盐动态监测与评价导则 Guidelines for dynamic monitoring and evaluation of water and salt in saline-alkali land improvement 2022-07-15 发布 2022-08-15 实施 内蒙古自治区市场监督管理局 发 布 DB15/T 26752022 I 目次 前言 . II 1 范围 . 1 2 规范性引用文件 . 1 3 术语和定义 . 1 4 水盐数据的监测与收集 . 2 地下水监测 . 2 引排水监测 . 2 气象参数监测 . 2 土壤基础数据监测 . 2 5 遥感影像数据 . 3 遥感影像数据的选择 . 3 遥感影像的精度要求 . 3 遥感影像数据的使用 . 3 6 水盐动态分析评价内容 . 3 地下水动态分析与评价内容 . 3 土壤盐分变化特征及影响因素 . 4 水盐均衡分析 . 4 遥感影像分析 . 4 附录 A（资料性） 遥感影像处理步骤 . 5 附录 B（资料性） 水盐均衡分析步骤 . 10 DB15/T 26752022 II 前言 本文件按照GB/T 1.12020标准化工作导则 第1部分：标准化文件的结构和起草规则的规定起草。 本文件由内蒙古自治区农牧厅提出。 本文件由内蒙古自治区农业标准化技术委员会（SAM/TC 20）归口。 本文件起草单位：内蒙古农业大学、内蒙古农牧业生态资源与环境保护中心、内蒙古河套灌区水利发展中心义长分中心义通排干沟排水所、五原县农牧业技术推广中心。 本文件主要起草人：屈忠义、王丽萍、孙宇乐、马贵仁、罗军、张如鑫、杨少东、石春梅、高娟、李彬瑞。 DB15/T 26752022 1 盐碱地改良水盐动态监测与评价导则 1 范围 本文件规定了区域盐碱地改良水盐动态监测指标与评价内容等方面的要求。 本文件适用于各种不同规模盐碱化土壤改良水盐动态监测与评价工作。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB 15618 土壤环境质量 农用地土壤污染风险管控标准 GB/T 30115 卫星遥感影像植被指数产品规范 GB/T 36393 土壤质量 自然、近自然及耕作土壤调查程序指南 GB/T 37802 农田信息监测点选址要求和监测规范 NY/T 1121.1 土壤检测 第1部分土壤样品的采集、处理和贮存 NY/T 1121.2 土壤检测 第2部分土壤pH的测定 NY/T 1121.5 土壤检测 第5部分石灰性土壤阳离子交换量的测定 NY/T 1121.16 土壤检测 第16部分土壤水溶性盐总量的测定 NY/T 3528 耕地土壤墒情遥感监测规范 3 术语和定义 下列术语和定义适用于本文件。 盐碱地 saline-alkali land 含有一定数量的可溶性盐分和碱分，对作物正常生长有比较大的影响的突然。从广义上讲，盐碱地是盐土、碱土及各种盐化、碱化土壤的总称。 盐碱地改良 improvement of saline-alkali land 改良盐碱地不仅要排除土壤中过多的盐分， 而且还要改善土壤的理化性质， 改变形成盐碱土的条件，培肥土壤，使其由低产变高产，由荒地变良田。 土壤水盐动态观测 dynamic observation of soil water and salt DB15/T 26752022 2 对土壤水分、盐分运动状态进行观察和测定，为灌溉、排水工程规划设计、管理运用提供依据。主要研究在某时段前后(如降雨前后、 灌溉前后、某一改良措施前后)土壤中含盐量、盐分组成、水分的动态变化。 遥感影像 remote sensing image 通过安装在遥感平台上的遥感仪器对地球表面摄影或扫描获得的影像。 4 水盐数据的监测与收集 地下水监测 需要对改良区地下水埋深、矿化度、pH值等水质参数进行监测。根据高程差大小及农田不同种植结构确定地下水监测井位置及数量（地下水监测点按照1点/10 km210点/10 km2布设），以网格状布设，并安装自记水位计， 实现对地下水埋深的实时监测， 并结合改良区灌溉制度在每月和灌水前后对各观测井取水，测量水质等指标（或安装自动化监测仪器），监测区域内地下水位和矿化度动态变化。监测点选址要求和监测规范应按GB/T 37802的规定执行。 引排水监测 需要对改良区总引水量、总引盐量、总排水量、总排盐量等水量参数进行监测。在改良区进出水口布置流量和矿化度监测设备，实时监测流入项目区的总水量、总盐量和排水量、排盐量。 气象参数监测 需要对改良区降雨量、蒸发量等气象参数进行监测。在改良区核心位置布置气象数据监测站，对气象数据进行采集。 土壤基础数据监测 需要对改良区土壤进行含盐量、碱化度、pH值、电导率、含水率等指标进行监测，对土壤类型进行判断，调查工作应按GB/T 36393的规定执行。综合考虑改良区不同土地利用、种植结构、灌溉方式、地下水位等情况， 每年进行2次（春种前， 秋浇后） 覆盖整个改良区的土壤采样， 以观测井为取样起始点，以网格布点法布设土壤取样点进行土样采集，核心采样点网格布设标准如下所示： a) 小于 500 亩改良区：按照 100 m100 m 网格布设核心采样点； b) 5001000 亩改良区：按照 200 m200 m 网格布设核心采样点； c) 10005000 亩改良区：按照 400 m400 m 网格布设核心采样点； d) 500010000 亩改良区：按照 500 m500 m 网格布设核心采样点； e) 10000 亩以上改良区：按照 1000 m1000 m 网格布设核心采样点。 土壤样品采集按NY/T 1121.1执行。 取样时用经纬度定位并记录， 在田块中央取样。 取样深度为1m。除去采样点表面植被，按照不同的土壤质地进行分类与分层（通常按照0 cm20 cm、20 cm40 cm、40 cm60 cm、60 cm80 cm、80 cm100 cm进行分层）依次进行分层取样，在距采样点5 m的两侧位置以同样的方式进行重复采样2次， 用于精度校验。 各采样点均需位于改良区地下水位常规观测井附近。 土壤 pH 测定按 NY/T 1121.2 执行;土壤全盐量测定应按 NY/T 1121.16 的规定执行;阳离子交换量测定应按 NY/T 1121.5 的规定执行。 DB15/T 26752022 3 5 遥感影像数据 遥感影像数据的选择 遥感监测应按GB/T 30115及NY/T 3528的规定执行。可采用土壤取样同时期的光学影像数据、雷达影像或多源遥感数据协同使用。 光学传感器成像直观， 适用于对空间分辨率要求高以及地表可见的物质的勘探与监控， 各波段特点及适用方向如下所示： a) 可见光-近红外波段波长在 0.38 m3.0 m，可见光运用地表物体对 0.38 m0.76 m可见光波段的反射特征进行目标地物探测的遥感，可对植被、水体等目标进行监测。 b) 近红外波段波长在 0.76 m3.0 m， 近红外波段在白天日照条件好的时候扫描成像常用这些波段。近红外波段探测植物含水量以及云、雪或用于地质制图等。 c) 热红外波段波长在 3 m15 m，热红外波段依赖于地物的昼夜辐射能量而成像，因此，它不受日照条件的限制，可以昼夜成像。可用于探测海面温度、地物温度等。 雷达遥感影像精度不如光学遥感影像，其微波波段波长为1 mm1 m，微波波段具有高空间分辨率和穿透能力强的特点，由于微波穿云透雾的能力，这一区间可以全天候工作。它不仅可以反映地球表面的信息，还可以在一定程度上反映地表以下物质的信息。 若观测目标具有在有云和无云状态下的全天候协同监测要求，可以选择光学影像和雷达影像协同使用。 遥感影像的精度要求 卫星影像分辨率的参考为： a) 成图比例为 1:5000 时，影像地面分辨率大致在 0.4 m0.8 m 之间； b) 成图比例为 1:10000 时，影像地面分辨率大致在 0.8 m1.6 m 之间； c) 成图比例为 1:25000 时，影像地面分辨率大致在 1.0 m2.4 m 之间； d) 成图比例为 1:50000 时，影像地面分辨率大致在 2.4 m3.2 m 之间。 成图比例尺愈大，所需的影像分辨率愈高。 遥感影像数据的使用 于4月份春汇前及10月份秋收后进行遥感数据取样。 因4月取样处于春汇前， 土壤盐分尚未受灌溉影响， 同时由于该时期少雨干旱多风， 地表蒸发剧烈， 盐分有表聚趋势 （表现为盐斑、 盐霜甚至盐结皮） ，此时样本信息可更真实地反映灌区盐碱化程度及其空间差异， 有利于盐分的遥感反演识别。 10月于秋收后取样，两期数据对比，可评价整个种植期内的盐碱状况改良效果。 6 水盐动态分析评价内容 地下水动态分析与评价内容 6.1.1 地下水埋深年际变化 分析改良区地下水年际变化，探求地下水埋深年际变化规律及影响因素。 6.1.2 地下水埋深月际变化 DB15/T 26752022 4 通过Arcgis分析软件对地下水观测井每个月份的数据进行插值统计分析，绘制出研究区整个生育期内不同月份地下水埋深变化图，分析地下水埋深年内月际变化，探求地下水运移方向，总结地下水运移规律及影响因素。 6.1.3 筛选地下水动态变化驱动因子 通过数据统计分析方法对与地下水矿化度、 pH值相关的数据参数进行分析， 筛选地下水动态变化驱动因子，为改良区盐碱地改良工作提出合理意见。 土壤盐分变化特征及影响因素 土壤盐分变化与气候、土壤质地、地形、植被、地下水等自然因素及灌溉、排水、施肥等人类活动有着密切的关系。 土壤盐分时空变化特征及影响因素分析是了解研究区盐分迁移变化、 制定盐渍化调控对策的关键。本部分主要内容是定量计算每年研究区1 m深土层平均土壤盐分变化情况，深入分析区域土壤盐分迁移变化情况及与各影响因素之间的关系。土壤质量的评价标准应按GB 15618的规定执行。 主要评价分析内容如下： a) 土壤各分层含盐量及电导率的变化特征； b) 土壤各分层盐分离子的含量及组成变化； c) 土壤剖面含盐量及盐分离子的迁移变化特征； d) 研究区整体土壤盐分、pH 年际变化趋势。 水盐均衡分析 水分平衡包括5个方面影响因素：灌水量、降雨量；土壤的深层渗漏量；土壤的地下水补给量；土壤蒸发量；明沟排水量。利用前期采集到的数据，进行水盐均衡计算（计算方法见附录B），可以定量地描述区域土壤盐碱化发展的方向。 遥感影像分析 通过对遥感影像进行分析， 可以弥补实际取样数量的不足， 建立遥感反演模型后可通过遥感影像实时动态的对土壤盐渍化状况进行监测和掌握，以便能够针对性的制定土壤盐渍化防治方案。 （遥感影像处理及分析步骤见附录A）。 DB15/T 26752022 5 A A 附录A （资料性） 遥感影像处理步骤 A.1 预处理 预处理包括降噪处理、薄云处理以及阴影处理。 A.1.1 降噪处理 降噪处理包括除去周期性噪声和尖锐性噪声以及除去坏线和条带。周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度，频率和相位。周期性噪声可以用带通或槽形滤波的方式来消除， 尖锐性噪声一般用傅里叶变换进行滤波处理。 坏线和条带一般采用傅里叶变换和低通滤波进行消除或减弱。 A.1.2 薄云处理 由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。 A.1.3 阴影处理 由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。 A.2 几何纠正 通常我们获取的遥感影像一般是Level2级产品，为使其定位准确，我们在使用遥感图像前，应对其进行几何精纠正，在地形起伏较大地区，还应对其进行正射纠正，特殊情况下还应对遥感图像进行大气纠正。 A.2.1 图像配准 为同一地区的两种数据源在同一地理坐标系中进行叠加显示和数学运算，应先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上， 这个过程叫配准。 图像配准包括影像对栅格图像的配准和影像对矢量图形的配准。 A.2.2 几何粗纠正 针对几何畸变的原因进行的， 地面接收站在提供给用户资料前， 已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正。 A.2.3 几何精纠正 为准确对遥感数据进行地理定位， 需要将遥感数据准确定位到特定的地理坐标系， 这个过程称为几何精纠正。几何精校正包括图像对推向的纠正、图像对地图（栅格或矢量）以及图像对已知坐标点(地面控制点)。图像对推向的纠正是指利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。图像对地图（栅格或矢量）是指利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图， 对原始遥感影像进行纠正， 使其具有准确的地理坐标和投影信息。图像对已知坐标点（地面控制点）是指利用已有准确地理坐标和投影信息的已知坐标点或地面控制点，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。 DB15/T 26752022 6 A.2.4 正射校正 利用已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、GDEM），对原始遥感影像进行纠正， 可消除或减弱地形起伏带来的影像变形， 使得遥感影像具有准确的地面坐标和投影信息。 A.3 图像增强 为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进行增强处理。图像增强包括彩色合成、直方图变换、密度分割、灰度颠倒、图像间运算、邻域增强、主成分分析、K-T变换和图像融合。 A.3.1 彩色合成 为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。 A.3.2 直方图变换 统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。 A.3.3 密度分割 将灰度图像按照像元的灰度值进行分级， 再分级赋以不同的颜色， 使原有灰度图像变成伪彩色图像，达到图像增强的目的。 A.3.4 灰度颠倒 灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0255)到饱和状态，然后再进行颠倒，使正像和负像互换。 A.3.5 图像间运算 两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。常见的有加法运算、减法运算、比值运算和综合运算。 A.3.6 邻域增强 是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如33或55等。邻区法处理用于去噪声、图像平滑、锐化和相关运算。 A.3.7 主成分分析 可以用来消除特征向量中各特征之间的相关性， 并进行特征选择。 主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。 A.3.8 K-T变换 DB15/T 26752022 7 即Kauth-Thomas变换，又称为“缨帽变换”。这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。 A.3.9 图像融合 遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。 不同的遥感数据具有不同的空间分辨率、 波谱分辨率和时相分辨率， 如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。 A.4 图像裁剪 在日常遥感应用中， 常常只对遥感影像中的一个特定的范围内的信息感兴趣， 这就需要将遥感影像裁减成研究范围的大小。我们可以根据ROI（感兴趣区域）范围大小对被裁减影像进行裁剪，也可以按照指定影像文件的范围大小对被裁减影像进行裁剪，或者根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。 A.5 图像镶嵌和匀色 A.5.1 图像镶嵌 也叫图像拼接， 是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起， 构成一幅整体图像的技术过程。通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。 A.5.2 图像匀色 在实际应用中， 我们用来进行图像镶嵌的遥感影像， 经常来源于不同传感器、 不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。 A.6 遥感信息提取 遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。目前信息提取的方法有：目视判读法和计算机分类法。其中目视判读是最常用的方法。 A.7 土壤水分反演模型 土壤水分反演模型有热惯量法、作物缺水指数法、植被指数法、基于地表温度的提取模型、微波遥感法。 A.7.1 热惯量法 土壤热惯量是土壤的一种热特性， 是引起土壤表层温度变化的内在因素， 控制着土壤温度日较差的大小。土壤含水量的多寡可引起土壤热容量的变化，进而导致土壤温度日变化幅度的差异;反过来，利用这种土壤昼夜温差量就可以确定出土壤湿度。热惯量法监测土壤水分含量一般包括三个环节： 1) 建立土壤水分含量与土壤热惯量关系模型； DB15/T 26752022 8 2) 建立卫星遥感数据与表层土壤热惯量的关系模型； 3) 建立在自然蒸发条件下表层土壤水分含量与一定深度水分水量的数值模拟模型。 A.7.2 作物缺水指数法 作物缺水指数法是依据植物冠层表面温度与周围气温的测量差值以及太阳净辐射的估算值进行计算，实质上反映植物蒸腾与最大可能蒸发的比值，作为植物根层土壤水分状况的估算指标。作物缺水指数法所需参数有： 净辐射，经过大气辐射订正后的图像反演得到的总辐射; 土壤热通量; 显热通量，由冠层温度、空气动力阻力及中性情况下空气阻力求得; 汽化潜热常数。作物缺水指数法以蒸散为基础，物理意义明确，在有植被覆盖的情况下，作物缺水指数法监测土壤水分精度要高于热惯量法。 A.7.3 植被指数法 植被指数的时空变化与土壤水分状况有一定的相关性，一般来讲，当作物缺水时，作物的生长将受到影响，植被指数将会降低。在植被生长茂盛的阶段，利用距平植被指数(AVI）监测作物的缺水状况，效果较好。 A.7.4 基于地表温度的提取模型 地表温度对裸土来说地表温度指的是土壤表面温度,浓密植被覆盖的地表温度则认为是植被冠层的表面温度。归一化温度指数，、为地表阻抗无限大和为零时模拟的地表温度，可认为是在特定气象条件和地表阻抗下地表温度的上限 （干条件） 和下限 （湿条件） ， 通过能量平衡空气动力学阻抗模型计算。消除了地表温度季节变化的影响，与土壤湿度非常接近，可以发展成为一种标准产品，从而代替度的获得。 A.7.5 微波遥感法 被动微波遥感主要是通过微波辐射计获得土壤的亮温温度，然后通过物理模型反演土壤水分或与土壤湿度建立经验（统计）模型。主动微波遥感利用不同含水量的土壤其雷达回波信号的不同，建立后向散射系数和土壤水分含量的关系。通过实验数据的相关分析建立土壤湿度与后向散射系数之间的经验函数关系。 A.8 土壤盐分反演模型 土壤盐分的反演模型有偏最小二乘回归分析法、BP神经网络以及支持向量机。 A.8.1 偏最小二乘回归分析法 当变量数目远远大于样本数量时， 往往采用引入主成分分析思想的偏最小二乘回归法。 偏最小二乘回归分析方法在保证信息量最大的基础上，降低光谱数据维数，提高了分析效率。利用偏最小二乘回归建立的土壤盐分预测模型，对全盐有较好的反演精度，其中对 EC 值的模型判定系数高达 0.879。 A.8.2 BP神经网络 BP神经网络是一种非线性分析模型， 适合于土壤系统高维遥感数据的参数反演过程， 在处理多因素、复杂问题时具有明显的优点， 将该模型用于反演盐碱土的含盐量可以大大提高反演精度。 BP算法的中心思想是调整权值使网络总误差最小， 通过把学习的结果反馈到中间层次的隐含层单元， 改变它们的权系DB15/T 26752022 9 数矩阵，从而达到预期的学习目的。该模型的学习属于指导式学习方法，利用传递函数（或作用函数）对输入信号进行加权、求和等数据处理，并将处理结果转换成潜在的输出值。神经网络的训练样本数据来自对研究区采样点的实地测量与调研资料。 经过反复试验与结果比较， 不断调整隐含层数目和神经元的个数，使模型结果不断优化。 A.8.3 支持向量机 在进行光谱数据变换和筛选的基础上， 选取与土壤盐分显著相关波段多的变换形式， 采用支持向量机构建盐渍土盐分离子含量光谱反演模型。设定SVM类型、核函数类型，采用训练 集交叉验证和网格搜索法进行参数寻优，依据均方差最小原则确定惩罚参数和核参量的值。 A.9 土壤养分遥感反演模型 土壤养分的遥感反演模型包括线性模型和非线性模型。 A.9.1 线性模型 线性模型采用多元逐步回归和偏最小二乘回归两种建模分析方法。多元逐步回归是研究多个变量之间相互依赖关系的优化方法， 通过引入变量的筛选机制， 达到建立最优回归方程的目的. 多元逐步回归普遍应用于光谱分析领域，其基本思想是按方差贡献度逐一挑选重要变量引入回归方程. 当新变量的选入使先前变量的 预测误差增大时，则将其剔除；而先前剔除的变量在新变量引入后变得显著时，则可以重新选入，直到没有再引入的变量或可剔除的变量为止，使回归方程中始终只保留重要的变量。偏最小二乘回归（PLSR）是集多元线性回归分析、典型相关分析和主成分分析等方法于一体的全自变量线性回归模型， 较好地解决了自变量多重共线性和样本数少于变量数等问题. 在光谱建模过程中， PLSR能有效辨识光谱信息与噪声，降低光谱维数，减少数据冗余. PLSR 的重点在于主成分个数的确定，主成分的个数会直接影响模型的稳健性。 在研究中可采用交叉验证的方法确定最佳主成分个数， 有效地避免了过拟合和欠拟合状况的出现。 A.9.2 非线性模型 BP神经网络模型是非线性模型的代表。BP神经网络由输入层、隐含层和输出层组成，每层包含若干节点，通过自学习计算出每个节点的权重，得出训练结果. 将训练结果与预想结果进行误差分析，若训练结 果不能满足期望，则修改权值来减小误差，通过不断迭代使训练结果与预想结果一致，达到误差最小化。 DB15/T 26752022 10 B B 附录B （资料性） 水盐均衡分析步骤 近些年，由于河套灌区节水改造工程的实施，灌区引水量逐年递减，必将影响乃至打破多年来演变形成的水盐平衡体系， 致使灌区内部的盐分进行重新分配。 在河套灌区存在很多类似于本研究区的封闭或半封闭小型灌域， 各个灌域内的土壤水盐运移情况相互影响又各有特点不尽相同， 共同构成整个河套灌区， 对此些小型灌域的水盐运移均衡分析是探求灌区盐分重分配的重中之重， 对防治土壤次生盐碱化具有重要作用。 试验区水分盐分运移是以一年为周期的， 在一个周期内水分和盐分有较大的波动。 水盐平衡是指一定土层深度在一定时间范围内得到和损失水分、 盐分之间的平衡关系。 水盐均衡计算的数值模型根据这个原理分析土壤中水量及盐量平衡，在均衡区域的平面上取一定深度，形成封闭研究的土体。因地表以下0 cm100 cm土层是水分运动和盐分运动最为活跃的区域，而且0 cm100 cm又是作物根系层，故选取0 cm100 cm土层进行水盐均衡计算分析。图B.1为水盐平衡示意图。 图B.1 试验区水盐平衡示意图 B.1 水盐平衡要素 以整个试验区系统为研究对象，考虑引黄水量、降水、蒸发、排水及其相互转化过程的影响，分析其系统输入、输出状态以及蓄水变化量和积盐变化量。其中，系统水量主要输入项包括: 降水量、引黄灌水量、土壤的地下水补给水量，盐分主要输入项包括：引黄灌溉水中携带的盐分；土壤的地下水补给水中携带的盐分，研究区的盐分主要来自引黄灌溉输入，对于降水及农田施肥等来源本次暂不计入；系统水量主要输出项包括: 蒸散发水量、明沟排水量、土壤深层渗漏水量，在干旱半干旱地区，一般假定地表径流为零，因农田地表平整，农田灌溉使土壤侧渗补给及排出量近似为零，忽略不计，盐分主要输出项包括：明沟排水带走的盐分、土壤水深层渗漏至地下水带走的盐分、作物生长消耗的盐分。 B.2 水盐平衡方程 根据上述水盐平衡要素和试验区的地理条件，结合水平衡原理建立了该区域总体土壤水平衡方程，可表示为: = + + (B.1) DB15/T 26752022 11 式中： Ws土壤水分变换量，mm； Qy引水量，mm； Qj降水量，mm； Qc土壤-地下水间补给渗漏量，mm； Qp区域明沟排水量，mm； ET腾发量，mm。 研究区地处干旱、半干旱地区，主要靠引用黄河水进行灌溉，大量盐分亦随水进入灌域。进入农区的盐分一部分通过排水沟随排水排出灌域外， 另一部分积累在研究区土壤或地下水中。 河套灌区春灌利用黄河水灌溉，目的是把土壤耕层盐分淋洗出去，对土壤剖面产生一定的淋洗作用，根据“盐随水来，盐随水去”原理，将土壤中的盐分淋洗出去，从而种植适宜的作物，如果盐分排不出去造成盐分在根区的快速累积，影响作物生长。区域内农区灌溉水排入到地下水和区域内水域，称为内排水。在内排水条件下，水分蒸发消耗，而盐分积存下来，称为旱排。研究区的盐分主要来自引黄灌溉输入，对于降水及农田施肥等来源本次暂不计入， 因此， 灌区盐分的平衡取决于引黄输入盐分和灌溉排水输出盐分的变化。 以耕作周期为计算时段，区域积(脱)盐分平衡方程为： = ( + + )(B.2) 式中： Sy随引水进入区域的总盐量，g； Sp明沟排水排出的盐量，g； Sc土壤-地下水间补给渗漏总盐量，g； SG主要作物生育期消耗盐分总量，g。 随引水进入区域的总盐量为： = (B.3) 式中： Qy引入区域的总水量，L； Cy引入水的盐分浓度，g/L。 明沟排水排盐量为： = (B.4) 式中： Qp区域明沟排出的总水量，L； Cp排水的平均盐分浓度，g/L。 土壤-地下水间补给渗漏总盐量为： = (B.5) 式中： Qc补给渗漏水量，L； Cc补给渗漏水分的平均盐分浓度，g/L。