遼東灣北部堿蓬群落及灘涂土壤鹽分遙感反演模型

王文碩， 李 微， 孫 悅， 孫 濤， 劉 遠(yuǎn)

(大連海洋大學(xué)海洋科技與環(huán)境學(xué)院， 遼寧 大連 116023)

鹽地堿蓬是堿蓬群落的單一優(yōu)勢群種，具有很高的耐鹽性，它能夠增加土壤有機(jī)質(zhì)含量，提高土壤中N、P、K的含量，有利于土壤的修復(fù)[1]，可改良土壤和改善遼東灣北部濱海濕地土壤鹽漬化.由于鹽分的脅迫，鹽地堿蓬群落好像一幅龐大的紅色地毯鋪展在海灘上，形成著名的紅海灘景觀.受自然環(huán)境、植被演替和人為活動(dòng)等多方面的影響，遼東灣北部鹽地堿蓬群落出現(xiàn)遷移和大面積減少的現(xiàn)象[2-3].土壤鹽分是影響鹽地堿蓬生長的主要環(huán)境因素之一，土壤鹽分過低，鹽地堿蓬呈現(xiàn)綠色，鹽分過高則會(huì)抑制鹽地堿蓬生長甚至死亡[4].同時(shí)滿足空間和時(shí)間尺度需求的遙感技術(shù)，利用地表光譜特性與土壤鹽分之間的定量關(guān)系，結(jié)合數(shù)學(xué)物理方法可定量估算土壤鹽分[5].

目前研究多針對(duì)干旱、半干旱及濕地等土壤鹽漬化地區(qū)[6-8].研究中除了考慮裸土光譜信息，也有學(xué)者提出可以綜合考慮像元內(nèi)的裸土和植被信息[7-9].針對(duì)遼河口濱海濕地，李微等[10]針對(duì)濱海灘涂裸土，利用(偏最小二乘法)PLSR法構(gòu)建了基于經(jīng)包絡(luò)線法去包絡(luò)后的光譜數(shù)據(jù)的鹽分反演模型，但目前進(jìn)行遼東灣北部堿蓬群落土壤鹽分遙感反演研究鮮見報(bào)道.相關(guān)研究表明，堿蓬群落覆蓋度與其生物量呈正相關(guān)，并且堿蓬群落覆蓋度非常不均一，天然鹽地堿蓬覆蓋度較小，最低僅為10%左右，而人為修復(fù)的鹽地堿蓬覆蓋度則高達(dá)90%[11-12]，因此需要綜合考慮植被和土壤光譜信息，構(gòu)建一種同時(shí)適用于高、低覆蓋度堿蓬群落，甚至為潮灘裸土區(qū)域的鹽分遙感反演模型.

土壤鹽分遙感反演多基于可見光、紅外光譜以及多光譜指數(shù)進(jìn)行回歸分析.丁建麗等[7]和張?zhí)碛拥萚9]分別基于植被指數(shù)-鹽分指數(shù)特征空間構(gòu)建了土壤鹽漬化監(jiān)測模型；夏軍等[13]通過分析含鹽土壤光譜特征以及發(fā)射率與含鹽量的相關(guān)性，構(gòu)建了基于實(shí)測熱紅外發(fā)射率光譜的土壤鹽分反演模型；Gorji等[14]基于Landsat 8 OLI數(shù)據(jù)提取不同的鹽分指數(shù)，通過回歸分析，利用模型最好的鹽分指數(shù)反演土耳其圖茲湖周圍土壤鹽分.以上研究多基于單一的多光譜指數(shù)構(gòu)建反演模型，但單一變量構(gòu)建的模型也易出現(xiàn)飽和現(xiàn)象[15-16]，同時(shí)也未能充分考慮樣本的數(shù)量及產(chǎn)生的隨機(jī)誤差而導(dǎo)致模型反演精度降低，因此本文利用交叉驗(yàn)證的逐步回歸分析法構(gòu)建土壤鹽分反演模型，以提高模型精度；目前土壤鹽分遙感反演研究多基于衛(wèi)星數(shù)據(jù)，衛(wèi)星數(shù)據(jù)往往受到大氣條件等因素影響，而基于地面高光譜數(shù)據(jù)模擬衛(wèi)星遙感反射率可以克服大氣條件的不利影響，有助于提高反演模型的精度[17-19].本文基于地面高光譜數(shù)據(jù)模擬Landsat 8 OLI遙感反射率，利用交叉驗(yàn)證的逐步回歸分析方法構(gòu)建土壤鹽分反演模型，研究將為遼東灣北部堿蓬群落生態(tài)環(huán)境監(jiān)測和保護(hù)提供技術(shù)及數(shù)據(jù)支持.

1材料與方法

1.1研究區(qū)域概況

研究區(qū)域位于國家濕地自然保護(hù)區(qū)，地處遼河平原南部、遼東灣北部，如圖1(a)所示.該區(qū)域?qū)儆谂瘻貛Т箨懶园霛駶櫦撅L(fēng)氣候，年均溫8～9 ℃，年均降水量600～640 mm，主要生長著堿蓬、蘆葦和水稻三種植被，其中鹽地堿蓬是由陸地向海岸方向發(fā)展的先鋒植被，由于鹽分的脅迫呈紅色，形成“紅海灘”景觀.

圖1 研究區(qū)域和采樣點(diǎn)Fig.1 Location of study area and sampling points

1.2地面數(shù)據(jù)采集

2017年9月至2019年9月，在研究區(qū)域內(nèi)堿蓬群落隨機(jī)布設(shè)42個(gè)1 m×1 m的樣方(見圖1(f))，并在相近的裸土上布點(diǎn)26個(gè)(見圖1(b))，樣方面積均為1 m×1 m，采樣地點(diǎn)從西到東分別為筆架嶺、鴛鴦溝和廊道景區(qū)海南三，其樣點(diǎn)分布如圖1(c)、圖1(d)和圖1(e)所示.每個(gè)樣方分別采集經(jīng)緯度、光譜數(shù)據(jù)、植株數(shù)量、植株高度和土壤表層樣品等信息.

光譜數(shù)據(jù)利用美國ASD(Analytical Spectral Device)公司生產(chǎn)的FieldSpec HH手持便攜式地物光譜儀進(jìn)行采集，采集時(shí)間為10點(diǎn)～14點(diǎn)30分，光譜分辨率為1 nm，光譜儀探頭視場角為25°，光譜范圍為350～1 050 nm，采樣間隔為1.4 nm.測量前將儀器預(yù)熱15～30 min，使用白板進(jìn)行校正，取暗電流和白板20次平均，樣本光譜10次平均，測量堿蓬群落和裸灘光譜時(shí)探頭垂直向下，距地面高度約1.5 m，每個(gè)樣方取5條光譜曲線的算術(shù)平均作為該樣方的光譜數(shù)據(jù).

收集樣方內(nèi)所有植株個(gè)體，清洗后現(xiàn)場統(tǒng)計(jì)濕重，然后將樣本裝入采樣袋中，置于實(shí)驗(yàn)室恒溫干燥箱中85 ℃烘干至恒重，迅速稱其干重，即生物量(鹽地堿蓬植株的地上部分).樣方內(nèi)表層土壤采用挖掘法采集，每個(gè)樣方按“五點(diǎn)采樣法”采集5份土壤，均勻混合后裝入采樣袋內(nèi)帶回實(shí)驗(yàn)室及時(shí)進(jìn)行樣品處理，將樣品烘干后磨碎，用0.5 mm孔篩過濾，按水土比為5：1的比例混合，振蕩3分鐘，再靜置一段時(shí)間，使用數(shù)顯鹽度計(jì)測定鹽分.最后統(tǒng)計(jì)樣方采集的數(shù)據(jù)(見表1).

表1 樣方采集信息Tab.1 Gather information table of samples

1.3光譜數(shù)據(jù)處理

將實(shí)測光譜數(shù)據(jù)結(jié)合Landsat 8 OLI波譜響應(yīng)曲線來模擬衛(wèi)星遙感反射率:

(1)

式中，bi為模擬的遙感反射率(單位：sr-1)；n為Landsat 8 OLI 1～5波段的光譜分辨率；Rrs，i為地面實(shí)測的遙感反射率(單位：sr-1)；ωi為Landsat 8 OLI 1～5的波譜響應(yīng)函數(shù)，無量綱；i為波段號(hào).

植被指數(shù)(vegetation index， VI)和土壤鹽分指數(shù)(salinity index， SI)是表征植被覆蓋度和土壤鹽漬化程度的指數(shù)參數(shù).植被指數(shù)包括：歸一化差值植被指數(shù)(normalized difference vegetation index， NDVI)、比值植被指數(shù)(ratio vegetation index， RVI)、差值植被指數(shù)(difference vegetation index， DVI)、土壤調(diào)整植被指數(shù)(soil-adjusted vegetation index， SAVI)、修改型土壤調(diào)整植被指數(shù)(modified soil-adjusted vegetation index， MSAVI)等；土壤鹽分指數(shù)包括：鹽分指數(shù)SI(salinity index， SI)、鹽分指數(shù)SI1(salinity index， SI1)、鹽分指數(shù)SI2(salinity index， SI2)和鹽分指數(shù)SI3(salinity index， SI3)等[8，20-22].

由于鹽地堿蓬覆蓋度不均一，特別是自然條件下受背景信息的影響嚴(yán)重，單一植被指數(shù)或土壤鹽分指數(shù)難以準(zhǔn)確獲得土壤鹽分信息，因此本文選擇多種植被指數(shù)和鹽分指數(shù)分析其與土壤鹽分的相關(guān)性，進(jìn)而構(gòu)建鹽分反演模型，植被指數(shù)和鹽分指數(shù)的計(jì)算公式如表2所示.

1.4模型構(gòu)建與檢驗(yàn)

逐步回歸分析是常見的多元回歸分析方法，往往用于建立最優(yōu)的回歸模型，更加深入地研究多個(gè)變量之間的依賴關(guān)系[23]，線性回歸模型表達(dá)式見式(2)：

y=a0+a1x1+a2x2+…+aixi，

(2)

式中，ai為回歸系數(shù)，xi為各個(gè)多光譜指數(shù).使用Spss 20.0進(jìn)行逐步回歸分析建立模型，并采用方差膨脹因子(variance inflation factor， VIF)進(jìn)行共線性檢驗(yàn)，確定模型的變量，當(dāng)VIF>7.5時(shí)，說明變量間存在較強(qiáng)的共線性，應(yīng)剔除變量[24].

表2 多光譜計(jì)算公式Tab.2 Multispectral indices formula

交叉驗(yàn)證法被廣泛地用于模型的選擇與評(píng)價(jià)，特別是在數(shù)據(jù)量較少的情況下，數(shù)據(jù)的重復(fù)使用可以提高模型的優(yōu)越性.常見的交叉驗(yàn)證方法有保留交叉驗(yàn)證(hold-out)、k折交叉驗(yàn)證和留一交叉驗(yàn)證(leave-one-out)[25-27].本文采用6折交叉驗(yàn)證法，該方法具體實(shí)現(xiàn)過程為：將樣本劃分成6個(gè)不相交的子集，每次取一個(gè)子集作為驗(yàn)證集，其他5份數(shù)據(jù)作為訓(xùn)練集，在訓(xùn)練集上進(jìn)行逐步回歸分析，直到每組數(shù)據(jù)都做過驗(yàn)證集，最后對(duì)得到的6個(gè)模型進(jìn)行精度評(píng)價(jià)以選擇最優(yōu)模型.

模型的精度由決定系數(shù)R2和均方根誤差(RMSE)綜合評(píng)價(jià)，模型反演能力由相對(duì)分析誤差(RPD)評(píng)定，R2越大，RMSE越小，表明模型精度越高.當(dāng)RPD>2時(shí)，表示模型反演效果較好；當(dāng)1.4

2結(jié)果與分析

2.1土壤鹽分及其對(duì)鹽地堿蓬生物量的影響分析

將68個(gè)樣方中的堿蓬樣方和潮灘裸土樣方的土壤鹽分進(jìn)行鹽分含量統(tǒng)計(jì)，如圖2所示.

圖2 土壤鹽分含量統(tǒng)計(jì)Fig.2 Statistics of soil salinity

由圖2可以看出，堿蓬區(qū)樣本的土壤鹽分明顯低于潮灘裸土區(qū)樣本的土壤鹽分.在一定程度上驗(yàn)證了鹽地堿蓬可以從土壤中吸收大量土壤鹽分，調(diào)節(jié)土壤鹽分，改良鹽漬土.

生物量是衡量植被碳吸收能力的重要指標(biāo)，也是植被耐鹽性的直接指標(biāo)[1].由表1可知，海南三區(qū)域土壤鹽分在總體上低于鴛鴦溝和筆架嶺區(qū)域，而植株高度和生物量普遍均高于鴛鴦溝和筆架嶺區(qū)域，在一定程度上說明了土壤鹽分對(duì)鹽地堿蓬生長的影響.選擇土壤鹽分分別為<10、10～13、13～15和>15 g·kg-1的堿蓬樣本，計(jì)算相應(yīng)土壤鹽分范圍內(nèi)的生物量平均值，得到不同鹽分下鹽地堿蓬生物量平均值，如圖3所示.

圖3 不同土壤鹽分下的鹽地堿蓬生物量Fig.3 Biomass of S.salsa (Suaeda salsa) in plots different in salt content

由圖3可知，當(dāng)土壤鹽分為10～13 g·kg-1時(shí)，鹽地堿蓬生物量最高，在一定程度上說明了鹽地堿蓬具有一定的耐鹽性，然后隨著鹽分的增加，其生物量逐漸降低，特別是當(dāng)土壤鹽分高于15 g·kg-1時(shí)，其生物量下降幅度最大，表明土壤鹽分在高于15 g·kg-1會(huì)對(duì)堿蓬生長有抑制作用.

針對(duì)研究區(qū)域，吳濤等[12]研究發(fā)現(xiàn)天然鹽地堿蓬覆蓋度較小，最低僅為10%左右，而人為修復(fù)的鹽地堿蓬覆蓋度在50%～90%之間，但占整個(gè)鹽地堿蓬區(qū)域的10%不到，可見堿蓬群落覆蓋度并不均一，因此需考慮鹽分反演模型在不同覆蓋度堿蓬群落，甚至是裸灘情況下的適應(yīng)性.

2.2相關(guān)性分析

將地面光譜反射率和由模擬衛(wèi)星反射率構(gòu)建的多光譜指數(shù)分別與土壤鹽分進(jìn)行相關(guān)性分析(見圖4).

由圖4(a)可知，地面實(shí)測光譜的可見光波段(430～700 nm)與土壤鹽分的相關(guān)性高于近紅外波段，其中紅光、紅邊波段與土壤鹽分相關(guān)系數(shù)波動(dòng)較大；綠光波段與土壤鹽分相關(guān)性較為平穩(wěn)，相關(guān)系數(shù)接近0.40；近紅外波段與土壤鹽分的相關(guān)系數(shù)最低，其值接近0.20.

由圖4(b)可知，植被指數(shù) NDVI和RVI與土壤鹽分的相關(guān)性較高，相關(guān)系數(shù)達(dá)到了-0.689和-0.683，在鹽分指數(shù)中，除SI2外其余鹽分指數(shù)與土壤鹽分的相關(guān)系數(shù)均較高，且與土壤鹽分在0.01水平上顯著相關(guān).由模擬衛(wèi)星反射率構(gòu)建的多光譜指數(shù)(見表2)與土壤鹽分的相關(guān)性在整體上有了顯著的提高，可進(jìn)一步用于建立土壤鹽分反演模型.

2.3基于交叉驗(yàn)證的逐步回歸土壤鹽分反演模型

以土壤鹽分為因變量，多光譜指數(shù)為自變量，經(jīng)過6折交叉驗(yàn)證后，得到6個(gè)逐步回歸分析模型，如表3所示.

由表3可知，引入模型的參數(shù)為NDVI、RVI、SAVI、SI、SI2和SI3，模型的VIF均小于7.5，在6種反演模型中，模型1由NDVI和SI構(gòu)建，模型的建模集R2最低，驗(yàn)證集的RMSE值最高，RPD值為1.22，模型1的精度和反演能力較差；模型2由RVI、SI3和SI2構(gòu)建，模型的建模集R2和RMSE值分別為0.641和3.56，模型的精度較高，但驗(yàn)證集的RPD值低于1.4，模型2的反演能力較差；而其余4種模型分別由NDVI、SAVI、SI3和RVI、SAVI、SI3構(gòu)建，4種模型的建模集R2相差不大，根據(jù)RPD值分析得，模型3和模型4的RPD值均在1.4和2之間，模型的反演能力一般，模型5和模型6的RPD值均大于2，2種模型的反演能力較好，其中模型6的RPD值最大且建模集R2最高，驗(yàn)證集RMSE值最低，因此本文認(rèn)為模型6的模型精度和反演能力相對(duì)較好，可用來反演遼東灣北部鹽地堿蓬及灘涂的土壤鹽分.

圖4 地面實(shí)測光譜反射率(a)、多光譜指數(shù)(b)的相關(guān)性分析Fig.4 The correlation analysis of measured spectral data (a) and multispectral indices (b)

表3 模型擬合結(jié)果

2.4模型比較

本文同時(shí)基于逐步回歸分析法篩選的指數(shù)因子構(gòu)建多元線性回歸反演模型，進(jìn)行模型對(duì)比分析.為了進(jìn)一步討論模型在研究區(qū)域堿蓬區(qū)和裸土區(qū)的適用性，制作了鹽地堿蓬區(qū)和裸土區(qū)樣本點(diǎn)的反演值和實(shí)測值的二維散點(diǎn)圖，如圖5所示.

由圖5(a)和圖5(b)中的黑色虛線發(fā)現(xiàn)，鹽地堿蓬區(qū)和潮灘裸土區(qū)樣本點(diǎn)的土壤鹽分的分界閾值大約在16 g·kg-1，且由圖3可以看出，當(dāng)土壤鹽分大于15 g·kg-1時(shí)，堿蓬生物量呈明顯的下降趨勢.相關(guān)研究表明，鹽地堿蓬具有耐鹽性，但仍有耐受限度，土壤鹽分低于15 g·kg-1時(shí)，堿蓬生長狀況良好，鹽分過高則抑制其生長[4].兩種模型中，基于交叉驗(yàn)證方法得到的逐步回歸模型的建模集R2為0.684，建模集和驗(yàn)證集的RMSE值分別為3.45和1.88，RPD值大于2，而未經(jīng)交叉驗(yàn)證方法得到的多元線性回歸模型的建模集R2低于0.6，建模集和驗(yàn)證集的RMSE值接近0.4，RPD值小于1.4.同時(shí)由表3和圖5(b)可以得出，經(jīng)交叉驗(yàn)證方法得到的逐步回歸模型的精度要高于多元線性回歸模型，因此可以得出利用交叉驗(yàn)證方法進(jìn)行回歸分析可以提高模型的反演精度和反演能力.

在兩種模型的反演值和實(shí)測值散點(diǎn)圖中，部分鹽地堿蓬群落樣點(diǎn)(見圖5紅色橢圓部分)均出現(xiàn)鹽度估算偏高現(xiàn)象，而部分灘涂裸土樣點(diǎn)(見圖5藍(lán)色橢圓部分)均出現(xiàn)鹽度估算偏低現(xiàn)象.多元線性回歸模型的反演結(jié)果偏離1∶1線相對(duì)逐步回歸模型較大，特別是在鹽分大于10 g·kg-1時(shí)，基于交叉驗(yàn)證的逐步回歸模型的反演效果明顯優(yōu)于多元線性回歸模型.綜合考慮兩種模型建模集和驗(yàn)證集精度，以及在堿蓬區(qū)和裸土區(qū)的適用性，本文認(rèn)為基于交叉驗(yàn)證方法得到的逐步回歸模型更適用于反演遼東灣北部鹽地堿蓬及灘涂的土壤鹽分.

圖5 模型反演值和實(shí)測值散點(diǎn)圖Fig.5 Scatter diagram of predicted value and measured value

3結(jié) 論

結(jié)合基于地面高光譜數(shù)據(jù)的Landsat 8 OLI模擬遙感反射率和土壤鹽分?jǐn)?shù)據(jù)，利用交叉驗(yàn)證的逐步回歸分析方法建立了針對(duì)Landsat 8 OLI數(shù)據(jù)的遼東灣北部堿蓬群落及灘涂的土壤鹽分反演模型，得出以下結(jié)論.

1) 堿蓬區(qū)樣本的土壤鹽分明顯低于潮灘裸土區(qū)樣本的土壤鹽分，土壤鹽分影響鹽地堿蓬生長，當(dāng)土壤鹽分為10～13 g·kg-1時(shí)，鹽地堿蓬生物量最高，在一定程度上說明了鹽地堿蓬具有一定的耐鹽性，然后隨著鹽分的增加，其生物量逐漸降低，特別是當(dāng)土壤鹽分高于15 g·kg-1時(shí)，會(huì)對(duì)堿蓬生長有抑制作用，其生物量下降幅度最大.

2) 地面實(shí)測光譜的紅光、紅邊波段與土壤鹽分的相關(guān)系數(shù)波動(dòng)較大，但整體上與土壤鹽分相關(guān)性較低，由模擬衛(wèi)星反射率構(gòu)建的多光譜指數(shù)與土壤鹽分的相關(guān)性有顯著的提高，可進(jìn)一步用于建立土壤鹽分反演模型.

3) 以多光譜指數(shù)為自變量，土壤鹽分為因變量，利用交叉驗(yàn)證的逐步回歸方法構(gòu)建反演模型y=13.274+10.809RVI-22.84SAVI+20.294SI3，建模集R2為0.684，建模集和驗(yàn)證集的RMSE分別為3.45和1.88，RPD值為2.28，模型的反演精度和反演能力相對(duì)較好；經(jīng)過對(duì)相同參數(shù)是否利用交叉驗(yàn)證方法進(jìn)行回歸分析，通過對(duì)比模型的R2、RMSE和RPD，以及模型的反演值和實(shí)測值接近1∶1線的程度，本文認(rèn)為基于交叉驗(yàn)證的逐步回歸分析方法來反演遼東灣北部堿蓬群落土壤鹽分是可行的，研究可進(jìn)一步在像元尺度和其他衛(wèi)星數(shù)據(jù)進(jìn)行推廣.

本研究針對(duì)遼東灣北部堿蓬群落及周圍灘涂構(gòu)建鹽分反演模型且達(dá)到了較高的精度，在樣本數(shù)量較少的情況下，采用了交叉驗(yàn)證的方法可以重復(fù)利用樣本對(duì)模型進(jìn)行構(gòu)建與選擇，使得構(gòu)建的鹽分反演模型的精度高于以往的多元線性回歸鹽分反演模型.同時(shí)，不同的分組方法與分組數(shù)量會(huì)導(dǎo)致不同的擬合效果，但并不影響模型的構(gòu)建與選擇，并且模型的精度高于以往的線性回歸分析模型.鑒于此，如何改進(jìn)交叉驗(yàn)證方法來反演遼河口濱海濕地土壤鹽分將是今后研究的重點(diǎn).

致謝：感謝所有參加地面數(shù)據(jù)采集的工作人員.