基于光譜轉(zhuǎn)換的土壤鹽分反演與動(dòng)態(tài)分析

陳文嬌 翁永玲 范興旺 曹一茹

(1東南大學(xué)交通學(xué)院, 南京 210096)(2中國(guó)科學(xué)院南京地理與湖泊研究所, 南京 210008)

基于光譜轉(zhuǎn)換的土壤鹽分反演與動(dòng)態(tài)分析

陳文嬌1翁永玲1范興旺2曹一茹1

(1東南大學(xué)交通學(xué)院, 南京 210096)(2中國(guó)科學(xué)院南京地理與湖泊研究所, 南京 210008)

為了對(duì)黃河三角洲地區(qū)進(jìn)行大范圍、長(zhǎng)期的鹽漬土監(jiān)測(cè),以研究區(qū)2000—2016年間4景Landsat-5 TM,EO-1 ALI,Landsat-8 OLI時(shí)間序列影像及Hyperion高光譜數(shù)據(jù)為基礎(chǔ)開展土壤鹽分定量反演分析.將Hyperion數(shù)據(jù)按照光譜響應(yīng)函數(shù)分別重采樣為TM,ALI,OLI模擬數(shù)據(jù),采用數(shù)值回歸方法計(jì)算TM,ALI與OLI對(duì)應(yīng)波段間的光譜轉(zhuǎn)換系數(shù),從而將TM,ALI影像轉(zhuǎn)換為OLI時(shí)序影像.分別采用偏最小二乘回歸模型與多元線性回歸模型建立土壤光譜與鹽分參量間的預(yù)測(cè)關(guān)系,并將最優(yōu)預(yù)測(cè)模型應(yīng)用于OLI時(shí)序影像進(jìn)行鹽分反演制圖,通過(guò)疊置方法進(jìn)行鹽漬土演化分析.結(jié)果表明,光譜轉(zhuǎn)換方法提高了多傳感器間數(shù)據(jù)一致性.偏最小二乘回歸-電導(dǎo)率(PLSR-EC)模型的相關(guān)系數(shù)為0.700,采用2012年電導(dǎo)率實(shí)測(cè)值檢驗(yàn)該模型反演結(jié)果,相關(guān)系數(shù)為0.690.研究區(qū)內(nèi)高鹽分土壤減少并向低鹽分土壤轉(zhuǎn)化.

鹽漬土;黃河三角洲;光譜轉(zhuǎn)換;偏最小二乘回歸;動(dòng)態(tài)分析

土壤鹽漬化是世界范圍內(nèi)引起土地退化的主要原因之一,對(duì)農(nóng)耕地產(chǎn)生直接的、有破壞力的影響[1].鹽漬土是我國(guó)中低產(chǎn)土壤的主要類型之一[2],尤其在黃河三角洲地區(qū),氣候、水文、地形地貌等多方因素共同影響使得該地區(qū)典型的濱海潮鹽土呈現(xiàn)逐年遞增的趨勢(shì),嚴(yán)重制約了區(qū)域經(jīng)濟(jì)社會(huì)的健康發(fā)展.多位學(xué)者基于Landsat TM,SPOT,EO-1 ALI,IKONOS等遙感數(shù)據(jù)開展了關(guān)于鹽化地分布與時(shí)空變化、土地退化及其驅(qū)動(dòng)因素的研究[3-5],大多基于2～3景影像,且利用的是同一傳感器數(shù)據(jù).多源、多時(shí)相的存檔遙感數(shù)據(jù)為大范圍、長(zhǎng)時(shí)間鹽漬土監(jiān)測(cè)提供豐富的數(shù)據(jù)源,如何保持?jǐn)?shù)據(jù)的一致性與連續(xù)性是土壤鹽分中長(zhǎng)期監(jiān)測(cè)工作中的關(guān)鍵[6].量化多傳感器間差異的方法包括光譜波段因子校正(SBAF)和數(shù)值回歸校正[7-8],后者更為直觀明確.通過(guò)數(shù)值回歸校正波段間差異以獲得連續(xù)的單一類型遙感數(shù)據(jù)、提高研究數(shù)據(jù)的一致性,對(duì)于大空間尺度、長(zhǎng)時(shí)間跨度的鹽漬土定量監(jiān)測(cè)具有重要意義.

本文充分利用多源存檔遙感數(shù)據(jù),采用波段光譜轉(zhuǎn)換的方法解決多傳感器數(shù)據(jù)波段響應(yīng)不統(tǒng)一的問(wèn)題.通過(guò)多模型對(duì)比得到鹽漬土光譜與土壤鹽分的預(yù)測(cè)關(guān)系,綜合并運(yùn)用動(dòng)態(tài)度、轉(zhuǎn)移矩陣和疊置分析等方法開展黃河三角洲地區(qū)土壤鹽分定量反演與時(shí)空動(dòng)態(tài)分析.

1 數(shù)據(jù)與方法

1.1 研究區(qū)與樣本

黃河三角洲位于山東省東北部東營(yíng)市境內(nèi),該地區(qū)土壤鹽漬化問(wèn)題突出,原因包括蒸降比高,水鹽垂直運(yùn)動(dòng)強(qiáng)烈,地下水埋深淺、礦化度高,受海水侵漬以及黃河地貌影響等[9].典型農(nóng)耕研究區(qū)位于ALI,TM,OLI 影像重疊覆蓋區(qū)域內(nèi)(見圖1).耕地作物類型主要為小麥、玉米和棉花,蘆葦、翅堿蓬和檉柳等耐鹽植被沿黃河分布,該區(qū)域基本涵蓋黃河三角洲不同微地貌類型和鹽漬化程度,具有一定代表性.

野外調(diào)查與土壤樣本采集開展于2005-04-17—2005-04-28,共采集表層土樣96份,土樣經(jīng)過(guò)風(fēng)干與過(guò)篩處理并按土壤農(nóng)化分析要求進(jìn)行理化分析[10-11],采樣點(diǎn)均勻分布于典型研究區(qū)內(nèi).制圖檢驗(yàn)樣本采集于2012-05-06,共采集表層土樣31份,采集方法與范圍、處理過(guò)程與2005年類似.

圖1 研究區(qū)地理位置及影像覆蓋范圍

1.2 數(shù)據(jù)預(yù)處理與光譜轉(zhuǎn)換

1.2.1 影像數(shù)據(jù)獲取與預(yù)處理

表1列出了2000—2016年4景多光譜影像與高光譜數(shù)據(jù)的具體信息,影像成像時(shí)間均在5月之前,以避免大范圍的植被覆蓋干擾.在ENVI 5.1平臺(tái)下進(jìn)行影像輻射定標(biāo)與FLASSH大氣校正,以2016年影像為基準(zhǔn)進(jìn)行相對(duì)幾何校正,控制總誤差在0.5個(gè)像元范圍內(nèi).Landsat-8衛(wèi)星相對(duì)于之前的陸地衛(wèi)星系列做出了諸多改進(jìn)(如新增深藍(lán)和卷云波段、縮短近紅外波段的光譜范圍、提高輻射分辨率等),對(duì)環(huán)境變化監(jiān)測(cè)產(chǎn)生積極的作用[12].因此,本文以O(shè)LI波段設(shè)置為目標(biāo),將TM,ALI數(shù)據(jù)進(jìn)行光譜轉(zhuǎn)換.

表1 影像信息

1.2.2 光譜轉(zhuǎn)換

光譜轉(zhuǎn)換是指通過(guò)數(shù)值回歸獲得OLI各波段與TM,ALI各波段間的轉(zhuǎn)換系數(shù),從而將多源數(shù)據(jù)轉(zhuǎn)換為模擬的OLI時(shí)序數(shù)據(jù).經(jīng)過(guò)波段轉(zhuǎn)換形成的時(shí)序影像更加統(tǒng)一、可靠,此時(shí)應(yīng)用同一模型進(jìn)行數(shù)據(jù)反演可以獲得精度更高、更穩(wěn)定的結(jié)果.具體過(guò)程如下:

① 將高光譜數(shù)據(jù)Hyperion影像根據(jù)對(duì)應(yīng)的光譜響應(yīng)函數(shù)分別重采樣為TM,ALI,OLI波段類型.使用該影像的原因?yàn)?影像獲取時(shí)間與建模土樣采集時(shí)間相近,從而提高了模型應(yīng)用的準(zhǔn)確性,且相關(guān)研究表明該數(shù)據(jù)具有一定的可靠性和可用性[6,10].高光譜數(shù)據(jù)為重采樣提供了統(tǒng)一、連續(xù)的光譜數(shù)據(jù)源.

② 逐個(gè)波段回歸擬合求出TM,ALI與OLI各波段的轉(zhuǎn)換系數(shù).回歸擬合采用二次多項(xiàng)式形式[6,8],即

(1)

式中,ρO,i為OLI第i波段反射率;ρX,i為其他數(shù)據(jù)類型第i波段反射率;a0,i,a1,i,a2,i為光譜轉(zhuǎn)換系數(shù);ε為轉(zhuǎn)換殘差.使用TM數(shù)據(jù)擬合OLI數(shù)據(jù)時(shí),由于TM缺少光譜覆蓋范圍為0.43～0.45 μm的深藍(lán)波段,因此模擬的ρO,1來(lái)自光譜覆蓋范圍為0.45～0.52 μm的藍(lán)色波段.

③ 根據(jù)轉(zhuǎn)換系數(shù),將TM和ALI影像數(shù)據(jù)轉(zhuǎn)換為OLI時(shí)間序列影像.

1.3 土壤鹽分建模

偏最小二乘回歸(PLSR)模型在處理多重相關(guān)性變量時(shí)具有信息篩選的優(yōu)勢(shì)[13],多元線性回歸(MLR)模型具有模型簡(jiǎn)潔、易于理解等優(yōu)點(diǎn).OLI新增的卷云波段包含信息最少,主要用于檢測(cè)卷云[12],不作為鹽分建模的輸入變量.土壤鹽分可以用土壤全鹽量(soil salinity content,SSC)和電導(dǎo)率(electrical conductivity,EC)來(lái)表示,二者可通過(guò)土壤理化分析得到.因此,土壤鹽分建模以PLSR模型為基礎(chǔ),以重采樣為OLI 7個(gè)波段的土壤實(shí)驗(yàn)室光譜為自變量,分別以全鹽量和電導(dǎo)率為因變量,建立了PLSR-SSC和PLSR-EC;以MLR模型為基礎(chǔ),自變量不變,分別以全鹽量和電導(dǎo)率為因變量,建立了MLR-SSC和MLR-EC模型.為使建模和檢驗(yàn)樣本均覆蓋不同類型鹽漬土,將96個(gè)土壤樣本分為64個(gè)建模樣本和32個(gè)檢驗(yàn)樣本,且2個(gè)樣本集均包含鹽分低、中、高的樣本.建模過(guò)程在The Unscrambler 9.7軟件中進(jìn)行,選取4種模型中檢驗(yàn)精度最高者進(jìn)行土壤鹽分反演與制圖.模型精度評(píng)價(jià)指標(biāo)為相關(guān)系數(shù)R2,它能反映模型預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)性[13],其計(jì)算公式為

(2)

1.4 鹽分反演與時(shí)間序列制圖

土壤鹽分評(píng)估對(duì)象主要為裸土、荒地等地物類型,因此制圖前將植被、水體等地物以決策樹分類方式進(jìn)行掩膜去除.將1.3節(jié)中建立的鹽分預(yù)測(cè)模型應(yīng)用于時(shí)間序列影像,進(jìn)行鹽分反演制圖,得到4景土壤電導(dǎo)率定量分布圖.通過(guò)對(duì)比2012年影像反演所得電導(dǎo)率值和2012年31個(gè)檢驗(yàn)樣本的實(shí)測(cè)電導(dǎo)率值來(lái)檢驗(yàn)反演精度.

1.5 土壤鹽漬化時(shí)空變化分析

將典型研究區(qū)作為動(dòng)態(tài)分析的研究范圍,以更加詳細(xì)地考察鹽漬土在農(nóng)耕區(qū)內(nèi)演化轉(zhuǎn)移的趨勢(shì)與影響.鹽漬土數(shù)量的時(shí)間變化可通過(guò)ArcGIS數(shù)據(jù)庫(kù)中的面積計(jì)算功能得到.動(dòng)態(tài)度K可以表示某一地類在一定時(shí)間范圍內(nèi)的數(shù)量變化[14],且

(3)

式中,Sa,Sb分別為研究初期和末期鹽漬土的面積;T為研究時(shí)段長(zhǎng).當(dāng)T的單位設(shè)定為年時(shí),K即為特定類型鹽漬土的年變化率.土地利用與覆蓋類型變化的方向與結(jié)構(gòu)特征可通過(guò)轉(zhuǎn)移矩陣模型描述,一般認(rèn)為轉(zhuǎn)移矩陣反映不同地類在特定時(shí)間段內(nèi)的穩(wěn)定性及其動(dòng)態(tài)變化規(guī)律[14-15].T1時(shí)點(diǎn)到T2時(shí)點(diǎn)的轉(zhuǎn)移矩陣模型表達(dá)式為

P=(Pij)

(4)

式中,Pij為T1時(shí)點(diǎn)到T2時(shí)點(diǎn)內(nèi)土地類型i轉(zhuǎn)化為土地類型j的轉(zhuǎn)換百分?jǐn)?shù),其中,1≤i≤n,1≤j≤n,n為地物類型數(shù).當(dāng)i=j時(shí),Pij為研究時(shí)段內(nèi)土地類型i沒(méi)有發(fā)生轉(zhuǎn)換的百分?jǐn)?shù),此時(shí)Pij越接近1,表明土地類型i越穩(wěn)定.結(jié)合GIS疊置分析功能,可以直觀獲取一段時(shí)間內(nèi)特定鹽漬土類型的演化、遷移過(guò)程.

2 結(jié)果與討論

2.1 建模結(jié)果對(duì)比與驗(yàn)證

建模結(jié)果見表2.由表可知,在相同模型條件下,以電導(dǎo)率為預(yù)測(cè)變量所得效果較全鹽量更好;在相同因變量條件下,偏最小二乘回歸模型的精度較多元線性回歸模型更高.鹽分預(yù)測(cè)檢驗(yàn)精度最高的模型是以電導(dǎo)率為土壤鹽分參量的PLSR預(yù)測(cè)模型,建模的相關(guān)系數(shù)為0.716.以32個(gè)獨(dú)立檢驗(yàn)樣本對(duì)模型進(jìn)行檢驗(yàn),其相關(guān)系數(shù)為0.700,建模精度與檢驗(yàn)精度接近,表明模型較為穩(wěn)健.因此,本文采用PLSR-EC模型進(jìn)行時(shí)間序列影像的鹽分反演與制圖.

表2 土壤鹽分預(yù)測(cè)模型對(duì)比

2.2 時(shí)序數(shù)據(jù)一致性驗(yàn)證

由于TM,ALI與OLI三者在可見光范圍內(nèi)波譜覆蓋區(qū)間幾乎一致[6],因此光譜轉(zhuǎn)換不能顯著提高多源數(shù)據(jù)的一致性.在近紅外和短波紅外波段上,OLI縮窄了光譜范圍,且相對(duì)于TM增加了新波段,故通過(guò)光譜轉(zhuǎn)換方法可以減小多傳感器數(shù)據(jù)間差異,從而提高數(shù)據(jù)一致性.轉(zhuǎn)換后TM,ALI各波段與OLI對(duì)應(yīng)波段的相關(guān)性明顯提高,例如近紅外范圍內(nèi)的OLI第5波段(OLI_5)與ALI 的4P波段(ALI_4P)反射率相關(guān)系數(shù)R2從轉(zhuǎn)換前的0.963提高到0.983(見圖2).

2.3 鹽分反演結(jié)果與制圖

時(shí)間序列影像應(yīng)用PLSR-EC模型進(jìn)行鹽分反演得到的電導(dǎo)率分布圖見圖3.將不同類型鹽漬土依照電導(dǎo)率值劃分為不同等級(jí),低于2 dS/m為非鹽漬土,2～4 dS/m為輕度鹽漬土,4～8 dS/m為中度鹽漬土,8～16 dS/m為重度鹽漬土,高于16 dS/m為鹽土、鹽化土.影像中黑色區(qū)域?yàn)檠谀ぬ蕹乃w、植被等非土壤地類.根據(jù)像素統(tǒng)計(jì)結(jié)果,4景影像中電導(dǎo)率值極低(低于-10 dS/m)或極高(高于40 dS/m)的非正常值像素百分?jǐn)?shù)都在10%以內(nèi),且反演均值在非鹽漬土到輕度鹽漬土范圍內(nèi),說(shuō)明反演結(jié)果基本正常.

利用2012年31個(gè)野外樣本的實(shí)測(cè)電導(dǎo)率值與2012年影像反演電導(dǎo)率值檢驗(yàn)制圖精度,得到實(shí)測(cè)值與反演值的相關(guān)系數(shù)為0.697,表明制圖結(jié)果基本可靠.但當(dāng)電導(dǎo)率值高于20 dS/m時(shí),反演結(jié)果較實(shí)測(cè)值偏低(見圖4).黃河三角洲土壤鹽分變化劇烈,小空間范圍內(nèi)鹽分差異大,多光譜數(shù)據(jù)較低的空間分辨率是影響制圖精度的主要因素.

(a) 2000-04-08(b) 2008-04-14

圖4 PLSR-EC模型制圖精度檢驗(yàn)圖

2.4 多時(shí)相影像差異分析

由ArcGIS數(shù)據(jù)庫(kù)統(tǒng)計(jì)的各地物類型面積,計(jì)算得到相應(yīng)年份區(qū)間內(nèi)的動(dòng)態(tài)度,結(jié)果見表3.由表可知,從土地類型動(dòng)態(tài)度來(lái)看,2000—2008年間是高鹽分土壤增長(zhǎng)最快的時(shí)期,重度鹽漬土和鹽土、鹽化土年均增長(zhǎng)率分別為11.75%和6.31%.2008—2012年間除鹽土、鹽化土繼續(xù)增長(zhǎng)外,其余類型鹽漬土均不同程度地減少.2012—2016年間,輕、中度鹽漬土面積年均增長(zhǎng)率均高于10%,高鹽分土壤不斷減少,重度鹽漬土和鹽土、鹽化土年均變化率分別為-11.49%和-3.29%.

表4給出了2000—2008年、2008—2012年以及2012—2016年典型研究區(qū)內(nèi)不同土地類型間的轉(zhuǎn)換百分?jǐn)?shù).由表可知,3個(gè)年份區(qū)間內(nèi)最穩(wěn)定的地物類型均為水體、植被等非土壤地物,最不穩(wěn)定的地物類型均為鹽土、鹽化土,表明黃河三角洲農(nóng)耕區(qū)鹽土頻繁轉(zhuǎn)化,覆蓋有植被的耕地更加穩(wěn)定,不易被鹽化.2000—2008年和2008—2012年間其他各級(jí)鹽漬土穩(wěn)定性次序一致,由強(qiáng)至弱依次為重度鹽漬土、中度鹽漬土、輕度鹽漬土.這表明重度鹽漬土最穩(wěn)定,一旦形成不易轉(zhuǎn)化;輕度鹽漬土通?？梢酝ㄟ^(guò)淋洗去鹽、渠灌溝排、作物抑鹽和合理耕作等人工手段進(jìn)行轉(zhuǎn)化改良,因而演化較為頻繁.2012—2016年間其他各級(jí)鹽漬土的穩(wěn)定性由強(qiáng)至弱依次為中度鹽漬土、輕度鹽漬土、重度鹽漬土,高鹽分土壤中61.35%的鹽土、鹽化土和58.41%的重度鹽漬土向低鹽分土壤轉(zhuǎn)化.

以典型研究區(qū)內(nèi)非土壤和非鹽漬土2種地物類型的空間變化為例,利用ArcGIS平臺(tái)的疊置分析功能,得到2000—2016年非土壤和非鹽漬土向鹽漬土演化遷移圖(見圖5).由圖可知,從空間變化上看,黃河沿岸大部分非土壤地物(多為植被)

表3 典型研究區(qū)內(nèi)不同類型地物在對(duì)應(yīng)年份區(qū)間內(nèi)的動(dòng)態(tài)度 %

表4 黃河三角洲典型研究區(qū)不同土地類型間轉(zhuǎn)換百分?jǐn)?shù) %

圖52000—2016年典型研究區(qū)非鹽漬土與非土壤地物向鹽漬土演化遷移圖

保持穩(wěn)定或轉(zhuǎn)化為非鹽漬土,該區(qū)域也是健康耕地的集中區(qū).非土壤向鹽漬土轉(zhuǎn)化的區(qū)域主要包括研究區(qū)東北部的孤島鎮(zhèn)和仙河鎮(zhèn)南部地區(qū)(以輕、中度鹽漬土為主)和研究區(qū)南部的永安鎮(zhèn)東部(以中、重度鹽漬土為主).非鹽漬土向非土壤地物的轉(zhuǎn)化比較集中,主要表現(xiàn)為人工水利設(shè)施的修建,如研究區(qū)南部增加的水庫(kù)、養(yǎng)殖池、溝渠等.而非鹽漬土向鹽漬土的轉(zhuǎn)化較分散,突出區(qū)域?yàn)檠芯繀^(qū)中、南部,以重度鹽漬土為主要演化方向.

3 結(jié)論

1) 多源存檔遙感數(shù)據(jù)為大范圍、長(zhǎng)時(shí)間鹽漬土監(jiān)測(cè)提供豐富的數(shù)據(jù)源,波段光譜轉(zhuǎn)換的方法減小了多傳感器數(shù)據(jù)間差異,提高了多源數(shù)據(jù)的一致性.

2) 采用PLSR-EC模型進(jìn)行鹽分反演制圖,鹽分反演結(jié)果基本可靠,高鹽分土壤預(yù)測(cè)值可能偏低.

3) 2000—2008年為高鹽分土壤增長(zhǎng)速度最快的時(shí)期;2008—2012年除鹽土、鹽化土外各級(jí)鹽漬土面積均有所下降;2012—2016年間高鹽分土壤減少并向低鹽分土壤轉(zhuǎn)化;非鹽漬土與非土壤地物向鹽漬土演化主要集中在研究區(qū)東北部的孤島鎮(zhèn)、仙河鎮(zhèn)以及南部的永安鎮(zhèn).

)

[1] Rozema J, Flowers T. Crops for a salinized world[J].Science, 2008,322(5907): 1478-1480. DOI:10.1126/science.1168572.

[2] Yang J S. Development and prospect of the research on salt-affected soils in China[J].ActaPedologicaSinica, 2008,45(5): 837-845.

[3] Allbed A, Kumar L, Sinha P. Mapping and modelling spatial variation in soil salinity in the Al Hassa Oasis based on remote sensing indicators and regression techniques[J].RemoteSensing, 2014,6(2): 1137-1157. DOI:10.3390/rs6021137.

[4] Wu W, Mhaimeed A S, Al-Shafie W M, et al. Mapping soil salinity changes using remote sensing in Central Iraq[J].GeodermaRegional, 2014,2-3: 21-31. DOI:10.1016/j.geodrs.2014.09.002.

[5] Fan X, Pedroli B, Liu G, et al. Soil salinity development in the yellow river delta in relation to groundwater dynamics[J].LandDegradation&Development, 2011,23(2): 175-189. DOI:10.1002/ldr.1071.

[6] Fan X, Weng Y, Tao J. Towards decadal soil salinity mapping using Landsat time series data[J].InternationalJournalofAppliedEarthObservationandGeoinformation, 2016,52: 32-41. DOI:10.1016/j.jag.2016.05.009.

[7] Chander G, Mishra N, Helder D L, et al. Applications of spectral band adjustment factors (SBAF) for cross-calibration[J].IEEETransactionsonGeoscienceandRemoteSensing, 2013,51(3): 1267-1281. DOI:10.1109/tgrs.2012.2228007.

[8] Miura T, Huete A, Yoshioka H. An empirical investigation of cross-sensor relationships of NDVI and red/near-infrared reflectance using EO-1 Hyperion data[J].RemoteSensingofEnvironment, 2006,100(2): 223-236. DOI:10.1016/j.rse.2005.10.010.

[9] 關(guān)元秀,劉高煥,劉慶生,等.黃河三角洲鹽堿地遙感調(diào)查研究[J].遙感學(xué)報(bào),2001,5(1):46-52. DOI:10.3321/j.issn:1007-4619.2001.01.009.

Guan Yuanxiu, Liu Gaohuan, Liu Qingsheng, et al. The study of salt-affected soils in the yellow river delta based on remote sensing[J].JournalofRemoteSensing, 2001,5(1): 46-52. DOI:10.3321/j.issn:1007-4619.2001.01.009.(in Chinese)

[10] Weng Y, Gong P, Zhu Z. Soil salt content estimation in the Yellow River delta with satellite hyperspectral data[J].CanadianJournalofRemoteSensing, 2008,34(3): 259-270.

[11] 鮑士旦.土壤農(nóng)化分析[M].3版.北京:中國(guó)農(nóng)業(yè)出版社,2000:178-198.

[12] 徐涵秋,唐菲.新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學(xué)報(bào),2013,33(11):3249-3257.

Xu Hanqiu, Tang Fei. Analysis of new characteristics of the first Landsat 8 image and their eco-environmental significance[J].ActaEcologicaSinica, 2013,33(11): 3249-3257. (in Chinese)

[13] Nawar S, Buddenbaum H, Hill J. Digital mapping of soil properties using multivariate statistical analysis and ASTER data in an arid region[J].RemoteSensing, 2015,7(2): 1181-1205. DOI:10.3390/rs70201181.

[14] 樊亞輝,塔西甫拉提·特依拜,王宏,等.艾比湖地區(qū)土地沙漠化遙感動(dòng)態(tài)監(jiān)測(cè)[J].干旱區(qū)資源與環(huán)境,2011,25(7):161-167.

Fan Yahui, Tashpolat Tiyip, Wang Hong, et al. Dynamic monitoring of land desertification of the area of lake Ebinur[J].JournalofAridLandResourcesandEnvironment, 2011,25(7): 161-167. (in Chinese)

[15] 張海燕,樊江文,邵全琴.2000—2010年中國(guó)退牧還草工程區(qū)土地利用/覆被變化[J].地理科學(xué)進(jìn)展,2015,34(7):840-853. DOI:10.18306/dlkxjz.2015.07.006.

Zhang Haiyan, Fan Jiangwen, Shao Quanqin. Land use/land cover change in the grassland restoration program areas in china, 2000-2010[J].ProgressinGeography, 2015,34(7): 840-853. DOI:10.18306/dlkxjz.2015.07.006.(in Chinese)

Soilsalinityretrievalanddynamicanalysisbasedonspectralbandinter-calibration

Chen Wenjiao1Weng Yongling1Fan Xingwang2Cao Yiru1

(1School of Transportation, Southeast University, Nanjing 210096, China) (2Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China)

Soil salinity quantitative retrieval were investigated based on four Landsat-5 TM (thematic mapper), EO-1 (earth observing-one), ALI (advanced land imager), Landsat-8 OLI (operational land imager) time series images and hyper-spectral Hyperion data from 2000 to 2016 for long-term and extensive soil salinity monitoring over the Yellow River Delta. The Hyperion data were resampled to simulate TM, ALI, OLI data according to the corresponding spectral response functions, respectively. The spectral band inter-calibration coefficients were calculated from homologous TM, ALI and OLI bands by the statistical regression method. Then, the TM, ALI images were transformed into the OLI time series images. The PLSR (partial least square regression) model and the MLR (multiple linear regression) model were used to quantify the relationships between the soil spectra and the soil salinity parameters. The optimal predictive model was applied to OLI time series images to map soil salinity. The temporal variations in soil salinity were detected by overlay analysis. The results show that the band inter-calibration method improves the consistency of the multi-senor data. The PLSR-EC (electrical conductivity) model exhibits a correlation of 0.700 and the model validation yields a correlation of 0.690 with the soil samples collected in 2012. High salinity soil in the range of research area reduces and converts to low salinity soil.

saline soil; Yellow River Delta; spectral band inter-calibration; partial linear square regression (PLSR); dynamic analysis

10.3969/j.issn.1001-0505.2017.06.024

TP237

A

1001-0505(2017)06-1233-06

2017-06-03.

陳文嬌(1993—),女,碩士生;翁永玲(聯(lián)系人),女,博士,教授,博士生導(dǎo)師,wengyongling@seu.edu.cn.

國(guó)家自然科學(xué)基金資助項(xiàng)目(41471352).

陳文嬌,翁永玲,范興旺,等.基于光譜轉(zhuǎn)換的土壤鹽分反演與動(dòng)態(tài)分析[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,47(6):1233-1238.

10.3969/j.issn.1001-0505.2017.06.024.