馬 馳

(遼寧省交通高等專科學校，沈陽 110122)

0 引 言

土壤的鹽堿化是近年來影響干旱、半干旱地區(qū)最重要的土壤環(huán)境問題之一，嚴重影響農(nóng)業(yè)生產(chǎn)與土地資源的可持續(xù)利用[1,2]。因此，實時監(jiān)測土壤含鹽量為合理管理土地資源、防止土壤鹽堿化進一步惡化以及土壤的可持續(xù)利用提供重要依據(jù)[3,4]。遙感技術具有監(jiān)測范圍廣、數(shù)據(jù)獲取周期短、速度快、成本低等特點，為大區(qū)域土地鹽堿化監(jiān)測提供了一種高效、可行的方法[5]。

近年來，國內(nèi)外學者利用遙感技術監(jiān)測土地鹽堿化展開了一系列研究，相應的也取得了一定成果。在鹽堿土信息提取方法上主要采用定性分類和定量反演兩種，在研究過程中所使用的遙感圖像方面，主要包括高光譜遙感和多光譜遙感兩種。利用分類方法只能定性提取鹽堿土信息而不能反映出鹽堿土含鹽量的數(shù)量特征與變化趨勢；高光譜遙感圖像普遍存在價格昂貴且幅寬較小(如Hyperion、ARIES等)、分辨率較低(HJ-1A等)、波段較多而造成數(shù)據(jù)冗余度大等問題；多光譜遙感多集中于Landsat TM、Landsat ETM、ASTER等。TM傳感器已于2011年11月停止接收數(shù)據(jù)，Landsat 7 ETM傳感器于2003年出現(xiàn)故障使圖像出現(xiàn)條帶，ASTER影像圖幅較小且價格昂貴。隨著我國自主研發(fā)的高分一號遙感衛(wèi)星于2013年4月升空并投入使用，為土地鹽堿化的研究提供了新的數(shù)據(jù)源，而目前利用高分一號遙感影像定量反演土壤含鹽量的研究還未見報道。國內(nèi)外諸學者如Bao.R.S、扶卿華等人[6,7]的研究結果表明，土壤中含鹽量在遙感光譜集中表現(xiàn)在可見光與近紅外波段，而GF-1遙感影像的4個波段均為可見光與近紅外波段；GF-1遙感影像相對于Landsat、ASTER等多光譜遙感影像，具有更高的空間分辨率(8 m/16 m)，可以很好地表現(xiàn)出地表地物的細部特征及破碎特征，且具有更短的重訪周期(4 d)、較寬的圖幅，有望在土壤鹽堿化等方面的研究中發(fā)揮其潛力(GF-1與Landsat 7對應波段參數(shù)比較見表1)。本文實驗以高分一號(GF-1)遙感影像為數(shù)據(jù)源，以吉林省白城市鹽堿土區(qū)為研究對象，采用地理信息系統(tǒng)分析方法，結合實地土壤采樣的化驗數(shù)據(jù)，定量反演研究區(qū)內(nèi)土壤含鹽量，為高分一號遙感影像在土壤成分方面的探測提供參考，為該地區(qū)土地鹽堿化的防治提供數(shù)據(jù)支持。

表1 GF-1與Landsat 7 對應波段參數(shù)表Tab.1 Parameter comparison of corresponding band between GF-1 and Landsat 7

1 材料與方法

1.1 研究區(qū)概況

白城市是我國蘇打鹽堿土主要分布地區(qū)，位于吉林省西北部，嫩江平原西部，東經(jīng)121°38′～124°22′，北緯44°14′～46°18′，氣候?qū)侔敫珊荡箨懶约撅L氣候，多年平均降水量為400 mm，而蒸發(fā)量超過1 200 mm。白城市東部地勢低平，海拔130～140 m，湖沼眾多且排水不暢，易發(fā)生土地的鹽堿化；西部廣泛分布著大小沙丘、沙壟，海拔150～180 m，土地沙化嚴重。

1.2 土壤采樣與處理

土壤采樣工作于2014年5月7日至10日完成，利用手持GPS接收機選擇研究區(qū)內(nèi)具有代表性的采樣點46個，采樣路線見圖1。采樣過程中，在30×30 m范圍內(nèi)采集5個共約1 kg土樣并將其混合裝入采集袋，采樣深度為裸土表層0～15 cm。將土樣在實驗室內(nèi)風干，剔除土樣中小石塊、植物根須等雜質(zhì)，研磨并過2 mm篩。土壤化驗工作由東北農(nóng)業(yè)生態(tài)研究所完成，主要化驗鹽堿土的可溶性全鹽含量及電導率。

圖1 采樣路線Fig.1 Sampling line

1.3 遙感影像的選取與處理

參考土壤采樣時間，本文選取覆蓋研究區(qū)的2014年4月30日準同步GF-1 WFV影像2景，空間分辨率為16 m，兩景影像云覆蓋率均小于1%。影像的預處理主要包括大氣校正、幾何精校正、圖像裁剪以及圖像的鑲嵌等工作。利用ENVI5.1軟件對遙感圖像進行輻射定標及大氣校正；參照研究區(qū)1∶5萬地形圖，對遙感影像進行幾何精校正，校正誤差小于1個像元；在ERDAS軟件中對兩幅影像進行必要裁剪、鑲嵌，獲得覆蓋研究區(qū)范圍的圖像。

1.4 土壤含鹽量與反射率相關性分析

將土樣含鹽量的化驗值與采樣點在遙感影像上的反射率按照式1進行相關性分析。相關系數(shù)R介于-1～1，R的絕對值越大，說明兩者相關性越強。當R>0時表明兩者呈正相關，反之兩者呈負相關。

(1)

1.5 建模與模型檢驗

將46個土壤樣本隨機分成兩部分：36個用于建立土壤含鹽量的反演模型，10個用于模型的檢驗。將36個建模樣本在SPSS軟件中利用多元逐步回歸分析，建立一元與多元回歸模型，選擇最優(yōu)模型用于反演研究區(qū)土壤含鹽量。

利用剩下的10個樣本對模型進行檢驗。模型的檢驗工作由模型的判定系數(shù)R2和均方根誤差RMSE予以衡量。R2越大、RMSE越小，表明反演模型的精度越高、反演的結果越精確可靠。

2 結果與分析

2.1 土壤含鹽量與反射率及變換形式的相關性分析

將隨機選取的36個采樣點土壤含鹽量與GF-1影像上對應點反射率進行相關性分析(圖2所示)。相關分析結果顯示，GF-1影像的4個波段反射率與研究區(qū)內(nèi)土壤含鹽量均存在著顯著相關性，究其原因：當土壤表層含水量較低、含鹽量較高時，鹽分在土壤表層結晶甚至形成硬殼，將直接表現(xiàn)出礦物的光譜特征。Rao、蒲智等人[6-8]的研究結果顯示，在可見光與近紅外波段均有很強的反射性且無明顯的吸收帶，土壤中含鹽量越高，光譜反射性越強；土壤中含鹽量相同時，在可見光與近紅外波段鹽堿土反射率隨波長增加而升高。本文的研究結果顯示，研究區(qū)內(nèi)土壤含鹽量與GF-1遙感影像第4波段反射率相關性最顯著，達到R=0.809，第1波段相關性最差，為R=0.781。

圖2 反射率及變化形式與土壤含鹽量相關系數(shù)Fig.2 Correlation coefficient of reflectivity and organic matter content

諸多研究結果表明，將反射率進行適當?shù)臄?shù)學變化可以有效削弱影像中噪聲對地物波譜的影響，提高反射率與土壤含鹽量的相關性。本文將反射率進行倒數(shù)(1/R)、倒數(shù)的對數(shù)[log(1/R)]、指數(shù)(eR)、一階微分(R′)等數(shù)學變換形式作為分析的光譜指標，與建模樣本土壤含鹽量進行相關性分析。結果表明：反射率經(jīng)過指數(shù)變換后與土壤含鹽量呈正相關，且在第2波段達到最大值為R=0.829；反射率經(jīng)過倒數(shù)變換、倒數(shù)的對數(shù)變換后與含鹽量呈負相關，相關系數(shù)均有不同程度的提高，其中，經(jīng)過倒數(shù)的對數(shù)變換后與含鹽量相關性在第4波段達到最大值，為R=-0.836。反射率經(jīng)過一階微分變換后與含鹽量相關系數(shù)在第2波段達到最大值，R=-0.812，第1波段最小為R=0.580。

2.2 含鹽量反演模型的建立及檢驗

在SPSS軟件中，利用與含鹽量相關性較強波段的光譜指標建立研究區(qū)土壤全鹽含量的單波段反演模型。表2顯示，利用第4波段反射率倒數(shù)的對數(shù)變換形式建立起來的單波段反演模型，其判定系數(shù)R2達到最大值0.700，均方根誤差為RMSEcal=0.636。

利用第4波段反射率倒數(shù)的對數(shù)變換建立的單波段反演模型，獲得檢驗樣本土壤含鹽量的預測值，與實測值一起建立散點圖(如圖3)。圖中顯示，檢驗樣本的預測值與實測值較均勻地分布于1∶1直線兩側，檢驗樣本的判定系數(shù)R2test=0.816，均方根誤差RMSEtest=0.522。

表2 土壤含鹽量的反演模型Tab.2 Soil salinity inversion model

參考土壤含鹽量的單波段相關性分析結果，將各波段反射率及其變換形式與建模樣本土壤含鹽量進行多元逐步回歸分析(表2所示)。分析結果顯示，利用單光譜指標建立的多元回歸模型中，以第2、第4波段反射率倒數(shù)的對數(shù)變換形式建立的多元回歸模型，判定系數(shù)達到最大值，為R2=0.814，均方根誤差RMSEcal=0.666，顯著水平Sig=0.000，達到了顯著性；以第2波段指數(shù)、第4波段倒數(shù)、第4波段倒數(shù)的對數(shù)等3種光譜指標建立多元回歸模型，其判定系數(shù)R2達到0.846，均方根誤差RMSEcal=0.522。

利用多種光譜指標建立的土壤含鹽量反演模型獲得檢驗樣本含鹽量的預測值，與實測值建立散點圖(如圖4所示)，檢驗樣本的預測值與實測值均勻分布于1∶1直線兩側，檢驗樣本的判定系數(shù)R2test=0.895，均方根誤差RMSEtest=0.507，說明該反演模型可以很好地預測研究區(qū)土壤含鹽量。

圖3 單波段反演模型預測值與實測值比較Fig.3 Comparison of the predicted values and measured values based on single-band

圖4 多波段反演模型預測值與實測值比較Fig.4 Comparison of the predicted values and measured values based on multiband

2.3 研究區(qū)土地鹽堿化空間格局分析

利用第2波段指數(shù)、第4波段倒數(shù)、第4波段倒數(shù)的對數(shù)建立的多元回歸模型，反演研究區(qū)土壤含鹽量，并作圖(圖5所示)。反演結果圖顯示，研究區(qū)內(nèi)土壤含鹽量呈東高西低、南高北低的趨勢。其中，重度鹽堿化土壤(含鹽量7～9 g/kg)、鹽土(含鹽量>9 g/kg)集中分布于白城市東部湖沼周圍，以及與大慶市西南部、乾安縣西北部接壤地區(qū)。白城市北部的鎮(zhèn)賚縣、南部的通榆縣有零星分布；中度鹽堿化(含鹽量5～7 g/kg)主要分布于白城市中部、北部地區(qū)以及重度鹽堿化外圍；輕度鹽堿化土壤(含鹽量3～5 g/kg)廣泛分布于研究區(qū)內(nèi)，實地調(diào)查發(fā)現(xiàn)，研究區(qū)西部、南部地勢較高，湖沼較少，土地鹽堿化的發(fā)生主要以輕度為主，與本文的研究結果相同。

圖5 白城市土地鹽堿化反演結果圖Fig.5 Land salinization inversion of Baicheng City

3 討 論

本文實驗利用GF-1遙感影像結合研究區(qū)實地采樣的化驗數(shù)據(jù)，反演吉林省白城市土地鹽堿化區(qū)域土壤含鹽量，分析結果顯示，GF-1影像的4個波段反射率與研究區(qū)內(nèi)土壤含鹽量均存在著顯著相關性，且在第4波段(近紅外波段，波長0.77～0.89 μm)達到最大值。此結論與國內(nèi)外諸多學者的研究結果相同或相近，如Bao.R.S[6]的研究結果顯示，土壤含鹽量較高時，其在可見光波段、近紅外波段的光譜反射也較強；扶卿華[7]發(fā)現(xiàn)在波長范圍為0.45～0.59 μm內(nèi)的土壤反射率與土壤含鹽量的具有較高的相關性；王爽等[9]利用高光譜研究土壤含鹽量使發(fā)現(xiàn)，0.462、0.828 μm等波段是鹽堿土的最敏感波段。阿爾達克·克里木、張飛等人[10,11]的研究表明，將遙感影像的反射率進行適當?shù)臄?shù)學變換后可以提高與土壤含鹽量的相關性。本文將反射率進行倒數(shù)、指數(shù)、對數(shù)等變換以后，有效提高了與含鹽量的相關性，與前人的研究結論相同。利用第2波段指數(shù)、第4波段倒數(shù)、第4波段倒數(shù)的對數(shù)變換建立的多元回歸模型反演研究區(qū)土壤含鹽量，獲得了較好的結果。究其原因：①本文選取的GF-1遙感影像具有較高的分辨率，可以反映出研究區(qū)內(nèi)破碎地物的細部特征，提高了土壤含鹽量的反演精度；②遙感影像獲取時間為2014年4月30日，此時研究區(qū)地表已無冰雪覆蓋，遙感云覆蓋量小(小于1%)，可以真實反映出研究區(qū)裸土信息；③本文使用的遙感影像獲取時間與土壤采樣時間(2014年5月7日至10日)接近同步，遙感影像可以真實反映出研究區(qū)土壤各種信息。

4 結 語

本文通過對白城市土地鹽堿化的研究，得到以下結論。

(1)我國的GF-1遙感衛(wèi)星具有較短的重訪周期，其獲取的遙感影像具有較高的分辨率，遙感影像的4個波段分布于可見光與近紅外光譜區(qū)間，可以較好地反映出土壤含鹽量信息，因此，有望在土壤含鹽量估測等方面獲得長足應用。

(2)GF-1遙感影像4個波段的反射率與土壤含鹽量均呈顯著正相關，相關系數(shù)在第4波段達到最大值。將反射率進行適當?shù)臄?shù)學變換以后可以在不同程度上提高 與含鹽量的相關性，其中，第2波段倒數(shù)的對數(shù)變換形式與土壤含鹽量相關性最顯著。

(3)利用GF-1影像第2、第4波段反射率變換形式建立起來的多元逐步回歸模型預測研究區(qū)土壤含鹽量，獲得了較好的精度，建模樣本模型判定系數(shù)R2=0.846，均方根誤差RMSE=0.522。

(4)反演結果圖顯示，重度鹽堿化主要分布于研究區(qū)東部湖沼周圍、白城市與大慶市西南部、乾安縣西北部交接地帶，中度鹽堿化主要分布于研究區(qū)中部、北部地區(qū)及重度鹽堿化外圍；輕度鹽堿化在研究區(qū)內(nèi)廣泛分布。

□

[1] 張成雯,唐家奎,于新菊,等.黃河三角洲土壤含鹽量定量遙感反演[J].中國科學院研究生院學報,2013,30(2):220-227.

[2] 姚 遠,丁建麗,張 芳,等.基于遙感的塔里木盆地北緣綠洲干濕季土地鹽漬化監(jiān)測[J].應用生態(tài)學報,2013,24(11):3 213-3 221.

[3] 雷 磊,塔西甫拉提·特依拜,丁建麗,等.實測高光譜和HSI影像的區(qū)域土壤鹽漬化遙感監(jiān)測研究[J].光譜學與光譜分析,2014,34(7):1 948-1 953.

[4] 喬 木,周生斌,盧 磊,等.近25 a來塔里木盆地灌區(qū)土壤鹽漬化時空變化特點與改良治理對策[J].干旱區(qū)地理,2011,(4):604-613.

[5] 丁建麗,姚 遠,王 飛.干旱區(qū)土壤鹽漬化特征空間建模[J].生態(tài)學報,2014, 34(16):4 620-4 631.

[6] Rao B R,Sankar T R,Dwivedi R S,et al.Spectral behabior of salt-affected soils[J].International Journal of Remote sensing,1995,16(12):2 125-2 136.

[7] 扶卿華,倪紹祥,王世新.土壤鹽分含量的遙感反演研究[J].農(nóng)業(yè)工程學報,2006,22(12)48-54.

[8] 蒲 智,孟曉燕,陳艷紅.干旱區(qū)典型鹽堿土反射光譜特征分析[J].安徽農(nóng)業(yè)科學. 2013,41(26):10 867-10 869.

[9] 王 爽,丁建麗,王 璐,等.基于地表光譜建模的區(qū)域土壤鹽漬化遙感監(jiān)測研究[J].干旱區(qū)地理,2016,39(1):190-198.

[10] 阿爾達克·克里木,塔西甫拉提·特依拜,張 東.基于高光譜的ASTER影像土壤鹽分模型校正及驗證[J].農(nóng)業(yè)工程學報,2016,32(12):144-150.

[11] 張 飛,塔西甫拉提·特依拜,丁建麗,等.塔里木河中游典型綠洲鹽漬化土壤的反射光譜特征[J].地理科學進展,2012,31(7):921-932.