Indagine sulla variazione spaziale e temporale della salinità del suolo utilizzando Google Earth Engine: un caso di studio a Werigan

Rapporti scientifici volume 13, numero articolo: 2754 (2023) Citare questo articolo

967 accessi

1 Citazioni

1 Altmetrico

Dettagli sulle metriche

Le indagini su larga scala sulla salinità del suolo sono costose in termini di tempo e di manodopera, ed è anche più difficile indagare sulla salinità storica, mentre nelle regioni aride e semiaride, l’indagine delle caratteristiche spaziali e temporali della salinità può fornire una base scientifica per la prevenzione scientifica della salinità. Con questo obiettivo, questo studio utilizza dati provenienti da più fonti combinati con l'apprendimento d'insieme e Google Earth Engine per costruire un modello di monitoraggio per osservare l'evoluzione della salinizzazione nell'oasi del fiume Werigan-Kuqa dal 1996 al 2021 e per analizzare i fattori determinanti. In questo esperimento, sono stati stabiliti tre modelli di apprendimento d'insieme, Random Forest (RF), Extreme Gradient Boosting (XGBoost) e Light Gradient Boosting Machine (LightGBM), utilizzando i dati raccolti sul campo per diversi anni e alcune variabili ambientali, dopo l'accuratezza Dopo la validazione del modello, XGBoost ha ottenuto la massima precisione di previsione della salinità in quest'area di studio, con RMSE di 17,62 dS m−1, R2 di 0,73 e RPIQ di 2,45 nel set di test. In questo esperimento, dopo l'analisi di correlazione di Spearman della conduttività elettrica (EC) del suolo con le variabili ambientali, abbiamo scoperto che la banda del vicino infrarosso nella banda originale, il DEM nel fattore topografico, l'indice di vegetazione basato sul telerilevamento e la salinità l'indice CE del suolo aveva una forte correlazione. La distribuzione spaziale della salinizzazione è generalmente caratterizzata da una buona a ovest e nord e da grave a est e sud. La non salinizzazione, la salinizzazione leggera e la salinizzazione moderata si espansero gradualmente verso sud e verso est dall'interno dell'oasi occidentale nell'arco di 25 anni. Nel corso di 25 anni, la salinizzazione, grave e molto grave, si è gradualmente spostata dal confine settentrionale dell'oasi alle aree desertiche orientali e sudorientali. I suoli salini con la classe di salinità più alta erano distribuiti nel 1996 nella maggior parte delle aree desertiche nella parte orientale dell'area di studio dell'Oasi Werigan-Kuqa e in aree più piccole a ovest, diminuendo di dimensioni e caratterizzati da una distribuzione discontinua per 2021. In termini di variazione dell’area, l’area non salinizzata è aumentata da 198,25 nel 1996 a 1.682,47 km2 nel 2021. L’area di suolo salino con il più alto livello di salinizzazione è diminuita da 5.708,77 nel 1996 a 2.246,87 km2 nel 2021. Nel complesso, la salinizzazione complessiva dell’oasi Werigan–Kuqa è migliorata.

La salinizzazione del suolo è diventata una delle minacce ai sistemi agricoli globali1 e si prevede che, con il cambiamento climatico, l’impatto della salinizzazione sarà più ampio e il grado di danno aumenterà, inoltre, il meccanismo di formazione della salinizzazione è complesso2. Per regolare la salinizzazione e prevenire il degrado del suolo, è fondamentale comprendere le caratteristiche della distribuzione spaziale e temporale della salinizzazione e i suoi modelli evolutivi3.

Le tradizionali analisi di laboratorio per il monitoraggio della salinità del suolo richiedono molto tempo e manodopera e, poiché la salinità cambia ampiamente nello spazio e nel tempo, è difficile caratterizzare con precisione la distribuzione geografica della salinità e i suoi modelli evolutivi4. La mappatura digitale ha fatto scalpore nel campo della scienza del suolo, grazie al progresso dell'hardware e del software dei computer, nonché alla creazione di sistemi di informazione geografica, sistemi di posizionamento globale, sensori remoti o di prossimità e modelli digitali di elevazione che hanno generato enormi quantità di dati. volumi di dati5, L’uso di tecniche di telerilevamento per rilevare la salinità ha acquisito maggiore importanza con l’avvento dei satelliti per il telerilevamento. Il telerilevamento ottico a microonde e multitemporale sono metodi efficienti per identificare i parametri di salinità superficiale6.

Sono stati costruiti vari indici di salinità per la modellizzazione e la previsione utilizzando le ricche informazioni sulla banda d'onda dei satelliti ottici7,8. Come nel caso di Khan et al.9 che hanno utilizzato gli indici di salinità (SI) per classificare e analizzare il terreno soggetto a salinità, gli indici di salinità basati sul telerilevamento possono rispondere istantaneamente allo stato di salinità della superficie in luoghi in cui è arida o scarsamente vegetato. A causa dell’influenza di altri elementi, tra cui l’umidità del suolo, la copertura vegetale e il tempo di raccolta dei dati, è estremamente difficile ottenere informazioni spettrali saline pure in situazioni naturali. Poiché le piante tolleranti al sale prosperano in climi aridi e semi-aridi, l’indice di vegetazione viene utilizzato come indicatore indiretto della salinità10. Molti studi di previsione della salinità, come Ramos et al.7, hanno utilizzato il Canopy Response Salinity Index (CRSI), l’Enhanced Vegetation Index (EVI) e il Normalized Difference Vegetation Index (NDVI) per valutare la salinità sul campo; altri indici ampiamente utilizzati per il monitoraggio della salinità sono il Soil Adjustment Vegetation Index (SAVI), il Ratio Vegetation Index (RVI), il Divergence Vegetation Index (DVI) e il Green Vegetation Index (GVI)11,12.