全 文 ：中国生态农业学报 2011年 3月 第 19卷 第 3期
Chinese Journal of Eco-Agriculture, May 2011, 19(3): 485−490
* 公益性行业(农业)科研专项经费项目(200903001)、江苏省企业院士工作站项目(BM2009622)、江苏省科技支撑计划项目(BE2010313)、
江苏省自然科学基金面上项目(BK2009337)和海洋公益性行业科研专项经费项目(201105020)资助
** 通讯作者: 杨劲松(1959~), 博士, 研究员, 博士生导师, 主要研究领域为土壤和水资源利用与管理。E-mail: jsyang@issas.ac.cn
姚荣江(1980~), 男, 博士, 主要从事水土资源空间变异与溶质运移研究。E-mail: rjyao@issas.ac.cn
收稿日期: 2010-10-21 接受日期: 2011-01-19
DOI: 10.3724/SP.J.1011.2011.00485
海涂围垦区土壤盐分空间变异性随机模拟与
不确定性评价*
姚荣江 杨劲松** 韩建均
(中国科学院南京土壤研究所 南京 210008)
摘 要 以苏北海涂围垦区典型地块为例, 把随机模拟技术引入土壤盐分空间变异性研究中, 利用普通克里
格法和序贯高斯模拟方法对土壤盐分的空间分布进行估值和模拟, 将随机模拟值与克里格插值及实测值进行
对比分析, 并采用序贯指示模拟对土壤盐分空间分布的不确定性进行评价。结果表明: 由普通克里格法得到的
土壤盐分空间分布整体比较连续, 具有明显的平滑效应, 减小了数据间的空间差异性, 改变了数据的空间结
构; 序贯高斯模拟结果整体分布相对离散, 突出了原始数据分布的波动性。对非盐化土、轻度盐化土、中度盐
化土和重度盐化土的空间不确定性进行的序贯指示模拟结果显示, 围垦后研究区耕层土壤盐渍化的发生概率
已显著降低。轻度盐化土的高概率区是改良利用的主要区域, 宜采用农业生物改良措施, 对中度盐化土高概率
区应通过完善田间灌排设施以加强改良治理, 客土法是重度盐化土高概率区较为高效的改良治理途径。
关键词 海涂 围垦区 土壤盐渍化 空间结构 平滑效应 随机模拟 不确定性 客土法
中图分类号: S158.3 文献标识码: A 文章编号: 1671-3990(2011)03-0485-06
Stochastic simulation and uncertainty assessment of spatial variation
in soil salinity in coastal reclamation regions
YAO Rong-Jiang, YANG Jin-Song, HAN Jian-Jun
(Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China)
Abstract A stochastic simulation technique was introduced for mapping spatial variation in soil salinity in typical coastal reclaimed
regions in north Jiangsu Province. Ordinary Kriging and sequential Gaussian simulation (SGS) were used to simulate spatial distribu-
tions of soil salinity. Then the stochastic simulation result was compared with that of Kriging. Uncertainty in the spatial distribution
of soil salinity was also assessed using sequential indicator simulation (SIS). The results revealed that ordinary Kriging yielded a
continuous and smooth spatial distribution of soil salinity. The quality of spatial variability from Kriging reduced with change in
spatial structure. The SGS technique gave a relatively discrete and fluctuating spatial distribution of soil salinity. Based on SIS analy-
sis, uncertainties in non-saline soils, light-saline soils, medium-saline soils and heavy-saline soils suggested that the probability of
soil salinization decreased significantly after reclamation. In high probability regions of light-saline soils, agro-biological ameliora-
tion was urgently needed. In the high probability regions of medium-saline soils, field irrigation and drainage installations should be
improved. Furthermore, soil borrowing seemed to efficiently harness high probability regions of heavy-saline soils.
Key words Coastal region, Reclamation region, Soil salinization, Spatial structure, Smoothing effect, Stochastic simulation, Un-
certainty, Soil borrowing
(Received Oct. 21, 2010; accepted Jan. 19, 2011)
精确农业中经常对土壤属性进行估值、模拟和
制图以描述土壤属性的空间变异情况, 给出土壤属
性的空间分布图及未知点的估计值。目前, 地统计
学的克里格插值法被广泛用于预测土壤属性的空间
486 中国生态农业学报 2011 第 19卷
分布[1−3]。然而大量研究发现, 克里格插值空间分布图
具有一定的平滑效应, 会使空间数据变化剧烈区域的
重要信息丢失, 且克里格插值存在着由于估计值与实
际值之间的偏差导致的不确定性, 往往不能反映隐含
在随机场概率模型中的整体相关结构[4−5]。地统计学的
空间随机模拟法被提出以克服克里格法的缺陷[6]。随
机模拟方法将空间数据作为一个整体来复原其整体的
空间结构, 其追求的是尽可能地接近真实的空间分布,
并不追求特定点位土壤属性的局部最优估值。同时,
空间随机模拟还可直接用于空间不确定性研究, 这也
是克里格插值法欠缺之处。因此, 近年来空间随机模
拟方法成为地统计学研究的主要趋势之一。
空间随机模拟最初主要应用于矿藏勘探评估 ,
后来逐渐应用于土壤学、水文学、环境学等[7], 如对
田间微地形空间分布的模拟[8]、土壤剖面质地层次
的模拟[9]、重金属含量的模拟与不确定性评价[10−11]、
农田土壤饱和导水率的模拟[12]、土壤养分变异的模
拟[13]、土壤含水量的概率分布评价[14]等。在研究土
壤水盐空间变异性方面, 随机模拟也有一定的应用
实例。如徐英等[15]运用协方差矩阵的上−下三角分解
法对黄河河套平原上土壤水盐的空间变异性进行模
拟, 并与普通克里格估值结果进行比较; 屈忠义等[16]
对冻土水盐空间变异进行模拟, 并与普通克里格和
人工神经克里格结果进行对比; 陈亚新等[17]进行两
种田间尺度水盐空间变异性的模拟, 并与普通克里
格法估值进行比较。本研究以苏北海涂围垦区典型
地块为例, 利用序贯高斯模拟方法进行土壤盐分空
间分布模拟, 将随机模拟结果与克里格插值结果、
实测值进行对比分析, 并利用序贯指示模拟进行非
盐化土和轻度、中度与重度盐化土概率分布的不确
定性评价, 为围垦区中、低产地的改造、盐渍土壤
的科学改良与高效利用提供参考依据。
1 材料与方法
1.1 研究区概况
研究区域位于江苏省大丰市金海农场, 东距黄
海约 6 km, 西临大丰麋鹿国家级自然保护区 , 于
1999 年开始围垦。该区地处北亚热带季风气候区,
具有明显的过渡性、海洋性和季风性, 年均降水量
1 058.4 mm, 主要集中在 6~8月份的雨季。由于当地
缺乏蓄水工程, 雨季水量丰沛但不能调蓄, 非雨季
淡水资源紧缺, 农田灌溉一般采用当地微咸水(主要
是上游东台河来水)。土壤主要发育于海相沉积物,
土壤质地以砂壤土为主, 盐渍化是制约该地区农业
生产发展的主要障碍因子。本研究选择的地块面积
为 0.69 hm2(48 m×144 m), 种植制度主要为“棉花−
油菜”的一年两熟制, 尽管近年来该地块已被连续垦
种, 土壤盐分的变异程度仍相当显著, 导致局部部
位作物生长状况差异较大。
1.2 样品采集与分析
在研究地块进行网格布点采样, 采样点平均间
距约 4 m, 每个样点均对 0~20 cm表土层进行采样,
为保证样品的代表性, 各样点均在中心点和相邻的
3个角采集土样, 并混合组成待测样品。本研究共计
采集 285 个样点的表土层混合土样, 所有样点的空
间分布如图 1所示。
图 1 土壤盐分采样点、模拟和插值点的空间分布图
Fig. 1 Geographic locations of sampling sites, simulating
and Kriging sites for soil salinity
采集的土样带回实验室内自然风干, 磨碎、过
2 mm 筛后备用。所有的土样均制备 1︰5 土水比浸
提液, 并测定其电导率 EC1︰5, 具体测定方法参照文
献[18]。本研究采用土壤电导率 EC1︰5来表征土壤盐
渍化程度, 主要考虑到滨海滩涂区土壤全盐含量和
电导率 EC1︰5 之间有极显著的相关性, 且土壤浸提
液电导率较全盐含量更能真实地反映田间土壤盐分
的实际有效状况。
1.3 随机模拟方法
一般说来, 随机模拟方法主要有序贯高斯模拟
(sequential Gaussian simulation)、序贯指示模拟
(sequential indicator simulation)和截断高斯模拟
(truncated Gaussian simulation)3种。序贯高斯模拟是
应用高斯概率理论和序贯模拟算法产生连续变量空
间分布的一种随机模拟方法。此方法是依据现有数
第 3期 姚荣江等: 海涂围垦区土壤盐分空间变异性随机模拟与不确定性评价 487
据计算待模拟点值的条件概率分布, 从该分布中随
机取 1 个值作为模拟现实。每得出 1 个模拟值, 就
把它连同原始数据, 以及此前得到的模拟数据一起
作为条件数据, 进入下一点的模拟。该方法比较简
单、灵活和计算效率高, 是条件高斯随机模拟中最
常用的方法之一[19]。序贯指示模拟方法的主要算法
同序贯高斯模拟方法类似。其主要区别是在模拟前
根据一定的阈值对原始数据进行重新赋值。同时 ,
序贯指示模拟方法对原始数据的分布没有严格要
求。而采用序贯高斯模拟方法进行空间不确定评价,
用于评价的数据要尊重多元高斯分布假设。
本文分别运用序贯高斯模拟方法和序贯指示模
拟方法进行土壤盐分空间变异性与不确定性模拟 ,
采用 gstat 和 SGeMS 软件进行随机模拟分析, 并将
计算结果导入 ArcGIS进行空间分布图的绘制。
2 结果与分析
2.1 随机模拟分析
对研究区域 285 个采样点的土壤盐分实测数据
进行随机模拟计算, 计算结果生成一系列土壤盐分
随机模拟空间分布图, 分布图的个数可以根据要求
确定, 每个分布图都满足相同的约束条件, 被认为
是等概率的, 即每一个分布图都被认为是实际土壤
盐分分布的一个现实。本研究共生成 10个序列的随
机模拟结果, 图 2 显示了其中 5 次模拟结果获得的
研究区土壤盐分随机模拟分布图(分别如图 2a、图
2b、图 2c、图 2d和图 2e所示)。为对比分析随机模
拟方法和克里格方法对土壤盐分模拟和预测结果的
差异, 本文在研究区设定 596个模拟与插值点(图 1),
对所有 10 个序列分布图中模拟点的土壤盐分模拟
数据进行统计特征分析, 结果列于表 1。
由图 2 可以看出, 随机模拟结果的土壤盐分空
间分布基本趋势与实测数据是相符的。进一步分析
表明: 在采样点上 , 模拟值和实测值相等; 在模拟
与插值点上, 不同序列的模拟给出略有差异的模拟
值。事实上, 由于受到空间总体变化趋势的控制, 模
拟与插值点上土壤盐分值是处于某一变化范围内的,
图 2 土壤盐分随机模拟分布图
Fig. 2 Spatial distribution of stochastic simulation for soil salinity
表 1 土壤盐分实测值、克里格插值和模拟值的统计特征值比较
Table 1 Comparison of statistical description of measured data, Kriging and stochastic simulation for soil salinity
数据源
Data source
样点数
Sample number
最小值
Min. (dS·m−1)
最大值
Max. (dS·m−1)
均值
Mean (dS·m−1)
中位值
Median (dS·m−1)
方差
Variance
变异系数
Cv (%)
实测数据 Measured data 285 0.133 1.748 0.388 0.318 0.071 68.397
克里格 Kriging Method 596 0.150 1.369 0.384 0.351 0.042 53.229
随机模拟 1 SGS 1 596 −0.430 1.532 0.391 0.355 0.082 73.024
随机模拟 2 SGS 2 596 0.102 1.571 0.392 0.347 0.062 63.451
随机模拟 3 SGS 3 596 0.063 1.668 0.395 0.355 0.078 70.886
随机模拟 4 SGS 4 596 0.001 1.584 0.393 0.350 0.066 65.478
随机模拟 5 SGS 5 596 0.161 1.603 0.392 0.352 0.054 59.110
随机模拟 6 SGS 6 596 −0.019 1.548 0.397 0.355 0.076 69.302
随机模拟 7 SGS 7 596 0.166 1.682 0.388 0.343 0.064 65.071
随机模拟 8 SGS 8 596 0.094 1.565 0.396 0.352 0.060 61.723
随机模拟 9 SGS 9 596 0.126 1.618 0.392 0.348 0.063 64.249
随机模拟 10 SGS 10 596 0.015 1.574 0.392 0.346 0.070 68.060
SGS: 随机模拟方法 Sequential Gaussian simulation. 下同 The same below.
a b c d e
488 中国生态农业学报 2011 第 19卷
但在各种结构性和随机性因素的影响下, 往往难以
确定其惟一值 , 这也是模拟与插值的一个重要区
别。对于研究区的任一模拟与插值点, 估计值是一
定的, 而模拟值的个数没有任何限制。因此, 经常把
随机模拟现实作为蒙特卡罗模拟或其他模型的输入
数据, 由同一数据系列的多个模拟现实得到多个模
型输出结果, 可计算输出结果的统计规律, 也可以
分析输入数据与输出结果的统计关系, 空间不确定
性对输出结果的影响, 以及模型的灵敏度等[20]。
2.2 随机模拟值、克里格插值和实测值对比分析
2.2.1 统计特征值的对比分析
研究区土壤盐分实测数据、克里格插值点数据
和随机模拟点数据的统计特征值如表 l 所示。可以
看出, 克里格插值的数据范围(最大值 1.369 dS·m−1,
最小值 0.150 dS·m−1)比实测数据和模拟值的数据范
围要窄, 随机模拟数据的范围明显宽些。从表 1 还
可知, 模拟值与实测值的方差相对误差比克里格插
值结果与实测值的方差相对误差要小, 模拟值与实
测值的方差相对误差在 1.41%~23.94%, 而克里格插
值与实测值的方差相对误差达 40.85%。从变异系数
看, 克里格插值的变异系数小于实测值和随机模拟,
表明克里格插值具有明显平滑效果。模拟值、克里
格插值与实测值三者的均值和中位值相近, 分别介
于 0.384~0.397 dS·m−1和 0.318~0.355 dS·m−1之间(表
1), 差异较小。此外, 由于在进行模拟时需要把正态
标准数据逆变换成原始数据, 因此模拟数值有可能
会出现负值, 例如随机模拟 1和 6。
2.2.2 半方差的对比分析
由图 3 显示的土壤盐分实测值、克里格插值和
随机模拟值的半方差函数比较可知, 模拟结果的半
方差更接近原始数据, 克里格插值的半方差函数明
显小于原始数据和模拟结果的半方差函数。在图中克
里格插值结果的半方差函数位于最下方, 说明插值具
有一定的“平滑效应”, 会在一定程度上改变变量的空
间结构, 其块金值和基台值的变化尤为显著。这与插
值和模拟的区别正好吻合: 插值追求的是一种优化的
结果, 而随机模拟其结果不是最优的, 但其主要目的
是在模拟值接近真实值的前提下, 再现变量的空间不
确定性[21]。因此, 当空间变化趋势对所研究的变量有
重要意义时, 就不能使用估计值, 而要用模拟值。
图 3 土壤盐分实测值、克里格插值和模拟值的半方差函数图
Fig. 3 Semivariogram of measured data, Kriging and stochastic simulation for soil salinity
2.2.3 空间分布图的对比分析
图 4 显示土壤盐分克里格插值和随机模拟的空
间分布图(图 4b 为 100 次随机模拟平均值的分布情
况)。无论是插值还是模拟, 都可以看到研究区域东
部和南部土壤盐分含量较高, 西部和北部盐分含量
总体较低。但是克里格插值结果的数据分布更趋于
平缓, 其空间分布图整体比较连续和平滑(图 4a)。而
序贯高斯模拟结果在尊重原始实测数据值情况下 ,
整体分布相对离散, 突出了原始数据分布的局部波
动性。显然, 克里格插值在一定程度上减小土壤盐
分空间分布的变异性。克里格插值主要是对某一空
间属性进行估计和预测, 而随机模拟是通过某一空
间属性进行随机建模来考察变量的不确定性。
2.3 空间不确定性的随机模拟
对于空间位置任意处的土壤盐分含量值, 克里
格插值给出的是一个估计值, 而随机模拟给出的是
一系列等概率的模拟值。在现代农业中往往是依据
土壤盐分克里格插值的估计值来进行作物布局和确
定合理的治理改良措施。尽管各种克里格方法能给
出土壤盐分的空间分布图, 但由于土壤盐分的插值
空间分布图存在不确定性(即估计值与实际值之间
存在偏差), 因而, 据此所提出的作物布局和改良治
理措施可能与实际情况差异较大。事实上, 获取空
间位置任意处土壤盐分值不超过(或超过)作物生长
第 3期 姚荣江等: 海涂围垦区土壤盐分空间变异性随机模拟与不确定性评价 489
图 4 土壤盐分克里格插值和随机模拟分布图
Fig. 4 Spatial distribution of Kriging and stochastic simulation for soil salinity
图 5 非盐化土、轻度盐化土、中度盐化土和重度盐化土的概率图
Fig. 5 Probability maps of non-saline soil, light-saline soil, medium-saline soil and heavy-saline soil
要求的临界值, 或处于某一盐分范围的概率(P)比获
取土壤盐分空间分布图更有意义, 依据该分布概率
可对盐渍土高效治理利用进行决策指导。
令 Z(x)为研究区内空间任一位置 x 处的土壤盐分
值, z为盐分的阈值或临界值, 则采样区空间任一位置
x处不超过临界值的概率 P{Z(x)≤z}按下式计算[22]:
1 ( )
( , )
0 ( ) >
Z x z
P x z
Z x z
⎧= ⎨⎩
≤
(1)
在本研究区 , 滨海潮盐土(氯化物型)是最主要
的盐土类型 , 综合考虑滨海滩涂地区作物生长状
况、土地利用现状以及土壤盐分与 EC1∶5 之间的显
著相关性, 根据含盐量将研究区土壤分为[23−25]: 重度
盐化土, 含盐量 0.4%~1.0%(1.40 dS·m−1
dS·m−1
化土, 含盐量小于 0.1%( EC1∶5≤0.35 dS·m−1)。采用
序贯指示模拟方法对研究区非盐化土、轻度盐化土、
中度盐化土和重度盐化土的条件概率进行模拟, 获
得各土壤类型的概率分布如图 5 所示。研究区非盐
化土的高概率区主要连片分布于西部和中部区域 ,
这也是分布面积最大的斑块, 整个研究区非盐化土
的概率平均达 57.95%, 表明经过近 10 年的围垦利用,
研究区耕层土壤盐渍化的发生概率降低, 盐渍化分
布面积有所减少。轻度盐化土的高概率区主要呈条
带状和斑块状分布于研究区的北部和南部地区, 整个
研究区轻度盐化土的概率平均达 31.48%, 其分布面积
仅次于非盐化土, 是改良利用的主要区域, 宜采用农
艺生物改良措施, 通过改善理化性质以抑制土壤盐分
积聚对作物生长的危害。中度盐化土的高概率区主要
呈斑块状分布于研究区的东部和南部地区, 整个研究
区中度盐化土的概率平均为 10.56%, 应重点加强改良
治理, 宜在发生概率较高的局部部位完善田间灌排设
施, 促进土壤淋盐、排盐以降低盐渍化风险。重度盐
化土的高概率区分布面积最小, 整个研究区重度盐化
的发生概率平均仅 0.01%, 考虑到重度盐化土危害大、
呈顽固性盐斑的特点, 种植高耐盐性的滩涂盐生经济
植物或客土种植是较为高效的改良利用途径。
3 结论
应用序贯高斯模拟方法对苏北海涂围垦区典型
地块的耕层土壤含盐量进行随机模拟, 并将模拟结
果与克里格插值、实测数据进行统计特征值、半方
差和空间分布图的对比分析, 结果表明: 克里格插
值结果具有平滑效应, 减小了数据间的空间差异性,
并在一定程度上改变数据的空间结构; 随机模拟结
果尊重原始实测数据值, 最大程度保留了数据的空
间差异性, 突出了原始数据分布的波动性。对研究
区非盐化土、轻度盐化土、中度盐化土和重度盐化
土的条件概率进行序贯指示模拟, 结果表明: 经过
围垦后研究区耕层土壤盐渍化的发生概率已显著降
低; 轻度盐化土的高概率区是改良利用的主要区域,
宜采用农业生物改良措施; 宜通过完善田间灌排设
施, 重点加强中度盐化土高概率区的改良治理; 对
于危害大、面积小且分布集中的重度盐化土高概率
区, 采用客土法是较为高效的改良治理途径。该研
究结果为海涂围垦区中、低产地的改造、盐渍土壤
的科学改良与高效利用提供了参考依据和决策指导。
参考文献
[1] Van Meirvenne M, Goovaerts P. Evaluating the probability of
exceeding a site-specific soil cadmium contamination thresh-
old[J]. Geoderma, 2001, 102(1/2): 75−100
[2] Cattle J A, McBratney A B, Minasny B. Kriging method evalua-
tion for assessing the spatial distribution of urban soil lead con-
tamination[J]. J Environ Qual, 2002, 31(5): 1576−1588
[3] 胡克林, 张凤荣, 吕贻忠, 等. 北京市大兴区土壤重金属含量
的空间分布特征[J]. 环境科学学报, 2004, 24(3): 463−468
[4] Goovaerts P. Geostatistics for natural resources evaluation[M].
New York: Oxford University Press, 1997
[5] Wang G, Gertner G, Parysow P, et al. Spatial prediction and uncer-
tainty analysis of topographic factors for the revised soil losses
equation (RUSEL)[J]. J Soil Water Conserv, 2000, 55(4): 374−384
[6] Deutsch C V, Journel A G. GSLIB: Geostatistical software library
and user’s guide[M]. New York: Oxford University Press, 1998
[7] Journel A G. Geostatistics for conditional simulation of ore bod-
ies[J]. Econ Geol, 1974, 69(5): 673−687
[8] 梁艳萍, 白美健, 许迪, 等. 随机模拟田面微地形空间分布状
况的方法研究[J]. 中国水利水电科学研究院学报, 2008, 6(1):
1−8
[9] 贺勇, 胡克林, 李卫东, 等. 华北冲积平原区土壤剖面质地层
次空间分布的三维随机模拟 [J]. 土壤学报 , 2008, 45(2):
193−200
[10] 赵永存, 黄标, 孙维侠, 等. 张家港土壤表层铜含量空间预测
的不确定性评价研究[J]. 土壤学报, 2007, 44(6): 974−981
[11] 史舟, 李艳, 程街亮. 水稻土重金属空间分布的随机模拟和不
确定评价[J]. 环境科学, 2007, 28(1): 209−214
[12] 胡克林, 李保国, 陈研. 表层土壤饱和导水率的空间变异对农
田水分渗漏的影响[J]. 水利学报, 2006, 37(10): 1217−1223
[13] 陈翠英, 江永真. 土壤养分空间变异性的随机模拟及其应用
[J]. 农业机械学报, 2006, 37(12): 67−70
[14] Castrignanò A, Buttafuoco G. Geostatistical stochastic simulation
of soil water content in a forested area of south Italy[J]. Biosyst
Eng, 2004, 87(2): 257−266
[15] 徐英, 陈亚新, 史海滨, 等. 协方差矩阵上−下三角分解法在
区域土壤水盐条件模拟的应用[J]. 水利学报, 2004, 35(11):
33−38
[16] 屈忠义, 陈亚新, 杨靖宇. 人工神经网络在冻土水盐空间变异
与条件模拟中的应用比较[J]. 农业工程学报 , 2007, 23(7):
48−53
[17] 陈亚新, 史海滨, 田圃滨, 等. 水盐空间变异性监测的条件模
拟[J]. 水利学报, 2000, 31(6): 67−73
[18] 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出
版社, 2000
[19] Pendrel J, Leggett M, Mesdag P, et a1. Geostatistical simulation
for reservoir characterization[C]. 2004 CSEG National Conven-
tion, 2004
[20] 张泽浦, 王学军. 土壤微量元素含量空间分布的条件模拟[J].
土壤学报, 1998, 35(3): 423−429
[21] Olea R A, Vera Pawlowsky. Compensation for estimation
smoothing in Kriging[J]. Mathematical Geology, 1996, 28(4):
407−417
[22] 尚晓颖, 张征, 池志淼, 等. 水环境模拟参数随机场的指示克
里格研究[J]. 安全与环境学报, 2007, 7(2): 118−121
[23] 王遵亲, 祝寿泉, 俞仁培, 等. 中国盐渍土[M]. 北京: 科学出
版社, 1993
[24] 姚荣江, 杨劲松, 邹平, 等. 基于电磁感应仪的田间土壤盐渍
度及其空间分布定量评估[J]. 中国农业科学 , 2008, 41(2):
460−469
[25] 刘广明, 杨劲松, 姜艳. 江苏典型滩涂区地下水及土壤的盐分
特征研究[J]. 土壤, 2005, 37(2): 163−168