基于植被指數(shù)—鹽分指數(shù)特征空間的黃河三角洲鹽漬化遙感監(jiān)測研究

樊彥國 張維康 劉敬一

摘 要：受地理位置影響，黃河三角洲地區(qū)土壤鹽漬化現(xiàn)象比較嚴重，已經影響到當?shù)剞r業(yè)和經濟的可持續(xù)發(fā)展。遙感為鹽漬化監(jiān)測提供了一種簡單高效的手段。本研究依據(jù)特征空間理論，采用植被指數(shù)和鹽分指數(shù)構建二維特征空間，對黃河三角洲地區(qū)的鹽漬化現(xiàn)象進行分析，構建遙感監(jiān)測模型，并結合實測含鹽量數(shù)據(jù)進行精度驗證。結果表明，該模型雖然可以模擬鹽漬化的整體趨勢，但精度還有待提高，究其原因，可能與混合像元的影響有關，后續(xù)需進一步研究以提高模型精度。

關鍵詞：鹽漬化；特征空間；植被指數(shù)；鹽分指數(shù)；黃河三角洲

中圖分類號：S127（252）文獻標識號：A文章編號：1001-4942（2016）05-0137-05

Abstract Affected by geographical location， the soil salinization phenomenon in the Yellow River Delta region is quite severe. And it has affected the sustainable development of local agriculture and economy. Remote sensing provides a simple and efficient method for soil salinization monitoring. Based on the theory of feature space， the two-dimensional feature space was built in this paper using normalized difference vegetation index and salt index to analyze the salinization phenomenon in the Yellow River Delta. Then the remote sensing monitoring model was established， and its accuracy was verified combined with measured salinity data. The results showed that this model could simulate the whole trend of salinization， but its accuracy still needed to be improved. It might be associated with the effects of mixed pixel. Further researches were required to improve the accuracy of this model.

Key words Salinization； Feature space； Vegetation index； Salt index； The Yellow River Delta

土壤是人類賴以生存的基本條件，土壤鹽漬化嚴重影響土壤質量。黃河三角洲地區(qū)是我國典型的鹽漬土分布區(qū)，受地理位置的影響，該地區(qū)在海水的浸漬作用下，地下水礦化度提高，地下水的返鹽影響增加[1]。土壤鹽漬化問題已經成為制約黃河三角洲地區(qū)農業(yè)和經濟可持續(xù)發(fā)展的重要因素，進行土壤鹽漬化監(jiān)測及治理已經成為當前亟待解決的問題[2]。

遙感的多光譜技術為陸地表面過程的研究提供了各種空間尺度和時間尺度的數(shù)據(jù)信息，前人利用特征空間理論在地表蒸散、土壤水分、旱情監(jiān)測、作物含水率、沙漠化信息監(jiān)測等領域[3～10]已取得了很好的效果，但該理論在黃河三角洲這一典型鹽漬土分布區(qū)研究中的應用還未得到驗證。本研究即采用基于植被指數(shù)和鹽分指數(shù)的二維特征空間研究了黃河三角洲地區(qū)的土壤鹽漬化問題。

1 研究區(qū)概況與數(shù)據(jù)采集

1.1 研究區(qū)概況

研究區(qū)位于黃河三角洲東部，地處山東省東營市墾利縣，地理坐標為東經118°48′20″～118°58′35″和北緯 37°32′30″～37°40′40″。地勢低平，地形起伏較小，高程多分布在 2.5～4.5 m 。屬溫帶季風氣候，年平均氣溫19.4℃，年降水量569.1 mm，蒸發(fā)量1 800 mm，蒸降比約為3∶1。在低植被覆蓋及灌溉條件較差的地區(qū)，土壤鹽漬化現(xiàn)象嚴重。

1.2 數(shù)據(jù)采集

本研究采用的含鹽量數(shù)據(jù)是2009年8月26～28日在研究區(qū)采樣化驗后得到的。樣本的光譜特征采用荷蘭AvaField地物光譜儀測定，其有效光譜范圍為200～1 100 nm，光譜分辨率為214 nm，光譜采樣間隔為0.6 nm。選擇地物特征明顯的地區(qū)，對32個采樣點進行光譜和鹽分測定。

2 研究方法

2.1 指數(shù)的選擇與計算

2.1.1 歸一化植被指數(shù)（NDVI） 有研究表明，隨著表層土壤含鹽量的增加，歸一化植被指數(shù)（NDVI）的值相應減小，且歸一化植被指數(shù)的計算較為簡單，因此選擇歸一化植被指數(shù)作為監(jiān)測土壤含鹽量的一個指標。其計算公式為：

2.1.2 鹽分指數(shù)（SI） Khan[9]和哈學萍[10]等人的研究表明，ETM+影像的第三波段對土壤含鹽量的反應較其他波段敏感，由此計算的鹽分指數(shù)[11]（SI）也能在一定程度上反映土壤的鹽漬化問題，因此選擇鹽分指數(shù)作為監(jiān)測土壤含鹽量的另一個指標。計算公式如下：

2.2 歸一化處理

分別對NDVI和SI的值進行統(tǒng)計，得到其最大值和最小值，然后對原始值進行歸一化處理。

2.3 特征空間及模型的構建

以歸一化處理后的指數(shù)作為指標構建二維特征空間，對其分析后建立遙感監(jiān)測模型。

2.4 精度驗證

利用實測含鹽量數(shù)據(jù)與模型計算得到的結果進行相關性計算，得到兩者的相關系數(shù)，通過相關系數(shù)的大小判斷該模型的可靠性。

3 實例分析

3.1 數(shù)據(jù)源及數(shù)據(jù)預處理

結合實測采樣時間，選用2009年8月31日成像的Landsat ETM+影像進行研究。因ETM+影像有條帶，對研究會產生影響，所以需對影像進行去條帶處理。本研究首先對影像進行FLAASH大氣校正，并對已校正好的影像進行幾何校正，校正完畢后按研究區(qū)范圍裁剪出所需的影像。

3.2 指數(shù)計算及歸一化處理

首先通過建立掩膜將研究區(qū)內的水體去除，然后根據(jù)公式（1）和（2）分別計算NDVI和 SI，統(tǒng)計后根據(jù)公式（3）和（4）進行歸一化處理。

3.3 特征空間構建

利用得到的歸一化處理后的植被指數(shù)和鹽分指數(shù)，構建二維散點圖（見圖1），以鹽分指數(shù)為橫坐標，表示土壤含鹽量的變化；以植被指數(shù)為縱坐標，表示植被覆蓋度的變化?？梢钥闯鳆}分指數(shù)與植被指數(shù)大致呈負相關關系，即隨著土壤含鹽量的增加，植被覆蓋度降低。

圖2表示不同鹽漬化程度在影像及散點圖中的分布。通過分析可以發(fā)現(xiàn)，研究區(qū)內以輕度鹽漬化土壤為主。由于土壤鹽度直接影響植被對水分的吸收，隨著鹽分指數(shù)的增加，土壤含鹽量增大，對植被吸收水分的影響也相應增加，從而影響到植被的生長，其直接表現(xiàn)就是植被覆蓋度的降低。

3.4 遙感監(jiān)測模型的構建

因植被指數(shù)與鹽分指數(shù)呈負相關，所以以圖中植被指數(shù)為1、鹽分指數(shù)為0的點作為參照點（該點為植被覆蓋度最高且含鹽量為零的理想點），離該點越遠表明鹽漬化程度越高。以此為基礎構建遙感監(jiān)測模型：

3.5 精度驗證與分析

從實測的32個樣本點含鹽量數(shù)據(jù)中選10個作為相關性檢驗的樣本點。根據(jù)實測樣本點的采樣坐標，在影像上獲取對應點的植被指數(shù)和鹽分指數(shù)，根據(jù)構建好的遙感監(jiān)測模型計算出遙感監(jiān)測指數(shù)，與實測的含鹽量數(shù)值進行相關性分析。

經計算可知，兩者的相關系數(shù)為0.521。

基于植被指數(shù)和鹽分指數(shù)的特征空間在干旱區(qū)土壤鹽漬化監(jiān)測中已有應用，所得相關系數(shù)為0.8596[12]，相關性較大；另外也有多種針對黃河三角洲地區(qū)土壤鹽漬化的監(jiān)測模型，如侯春玲采用BP神經網絡模型[13]對黃河三角洲典型鹽漬區(qū)進行了遙感監(jiān)測，得到實測含鹽量與模型模擬鹽分數(shù)值的相關系數(shù)為0.625。通過對比可以發(fā)現(xiàn)，在本研究區(qū)內，基于植被指數(shù)和鹽分指數(shù)特征空間的遙感監(jiān)測模型的應用效果不太理想，可能的原因有：①受混合像元的影響，各指數(shù)的計算存在誤差；②根據(jù)二維散點圖抽象出來的模型的數(shù)學表達式較簡單，不能很好地反映兩指數(shù)的關系。

4 結論

土壤鹽漬化是影響黃河三角洲地區(qū)發(fā)展的重要因素，本研究通過構建植被指數(shù)-鹽分指數(shù)的二維特征空間模型，對該地區(qū)的鹽漬化程度進行了研究，得到以下結論：

（1）本研究利用植被指數(shù)-鹽分指數(shù)特征空間構建的遙感監(jiān)測模型充分利用了多光譜遙感影像的多維遙感信息，反映了鹽漬化土壤鹽分、植被覆蓋度及其變化，構建指標簡單、易于獲取，有利于鹽漬化的定量分析與監(jiān)測。

（2）本研究所采用的模型在干旱地區(qū)已經有所應用，且精度檢驗效果較好，但在本研究區(qū)內的模擬精度較低，可能是因為本研究區(qū)內植被覆蓋度較高，受混合像元影響較大，指數(shù)計算存在誤差；另外用來表達模型的數(shù)學表達式較為簡單，不能很好地反映兩指數(shù)之間的關系。

（3）由于本研究所采用的模型在精度上仍存在一定的提高空間，后續(xù)研究中將會充分考慮混合像元的影響，并進一步構建擬合效果更好的模型，進而提高模型精度。

參 考 文 獻：

[1] 姚榮江，楊勁松. 黃河三角洲典型地區(qū)地下水位與土壤鹽分空間分布的指示克立格評價[J]. 農業(yè)環(huán)境科學學報，2007，26（6）：2118-2124.

[2] 李潭潭. 黃河三角洲典型鹽漬區(qū)遙感監(jiān)測研究[D].青島：中國石油大學（華東），2015.

[3] Sandholt I， Rasmussen K， Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment， 2002， 79（2）： 213-224.

[4] 詹志明，秦其明，阿布都瓦斯提·吾拉木，等.基于NIR-Red光譜特征空間的土壤水分監(jiān)測新方法[J].中國科學·D輯：地球科學，2006，36（11）：1020-1026.

[5] 楊曦，武建軍，閆峰，等.基于地表溫度—植被指數(shù)特征空間的區(qū)域土壤干濕狀況[J].生態(tài)學報，2009，29（3）：1205-1216.

[6] 曾永年，向南平，馮兆東，等.Albedo-NDVI 特征空間及沙漠化遙感監(jiān)測指數(shù)研究[J].地理科學，2006，26（1）：75-82.

[7] 王飛. 基于特征空間的土壤鹽漬化遙感應用研究[D].烏魯木齊：新疆大學，2010.

[8] 哈學萍，丁建麗，塔西甫拉提·特依拜，等.基于SI-Albedo特征空間的土壤鹽漬化遙感監(jiān)測指數(shù)研究[J].土壤學報，2009，46（4）：698-672.

[9] Khan N M， Sato Y. Monitoring hydro-salinity status and its impact in irrigated semi-arid areasusing IRS-1B LISS-II data[J]. Asian J.Geoinform， 2001， 1（3）： 63-73.

[10]哈學萍，丁建麗，塔西甫拉提·特依拜，等.基于 SI-Albedo特征空間的干旱區(qū)鹽漬化土壤信息提取研究：以克里雅河綠洲為例[J].土壤學報，2009，46（3）：382-385.

[11]楊勁松，姚榮江，鄒平，等.海涂區(qū)不同植被類型下土壤鹽漬剖面及其電磁感應響應特征[J].應用生態(tài)學報，2008，19（10）：2117-2124.

[12]王飛，丁建麗，伍漫春. 基于NDVI—SI特征空間的土壤鹽漬化遙感模型[J]. 農業(yè)工程學報，2010，26（8）：168-173.

[13]侯春玲. 基于BP神經網絡的黃河三角洲典型鹽漬區(qū)遙感監(jiān)測研究[D].青島：中國石油大學（華東），2010.