基于光學(xué)和雷達(dá)多源遙感的于田綠洲土壤鹽漬化時(shí)空分析

肖森天， 依力亞斯江·努爾麥麥提， 努爾比耶·穆合塔爾，趙 靜， 阿迪萊·阿卜來提

（1.新疆大學(xué)地理與遙感科學(xué)學(xué)院，新疆 烏魯木齊 830046；2.新疆大學(xué)綠洲生態(tài)重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830046）

土壤鹽漬化是全世界目前共同面臨的生態(tài)環(huán)境問題，鹽漬化問題會間接損害生態(tài)系統(tǒng)，嚴(yán)重阻礙干旱、半干旱區(qū)當(dāng)?shù)氐霓r(nóng)業(yè)生產(chǎn)活動和經(jīng)濟(jì)的可持續(xù)發(fā)展［1］。我國鹽漬土壤分布廣泛且各種鹽堿土所占面積約9.9×107hm2，新疆的鹽漬化土壤總面積約8.5×105hm2，是由當(dāng)?shù)貧夂驐l件和獨(dú)特的地形地貌所造成［2-5］。利用遙感手段對綠洲地區(qū)土壤鹽漬化時(shí)空分布和土壤鹽漬化程度進(jìn)行監(jiān)測，實(shí)現(xiàn)當(dāng)?shù)刈匀簧鷳B(tài)環(huán)境穩(wěn)定和確保綠洲農(nóng)業(yè)生產(chǎn)的健康發(fā)展起到重要作用［6-8］。

遙感技術(shù)監(jiān)測區(qū)域范圍內(nèi)的土壤鹽漬化始于20世紀(jì)70年代［9］。國內(nèi)外涉及遙感的應(yīng)用中，光學(xué)圖像的應(yīng)用最為廣泛，但由于光學(xué)遙感屬于被動遙感，在獲取數(shù)據(jù)過程中因其光譜特性易受到入射光源和天氣條件影響，導(dǎo)致土壤信息的監(jiān)測分類精度降低［10］，光學(xué)遙感利用地物的光譜特征對鹽漬化土壤進(jìn)行監(jiān)測，但日間成像和受云雨影響的情況下，鹽漬化信息的提取依賴光譜特征具有局限性［11］。

雷達(dá)遙感作為主動遙感，不受氣候和晝夜影響，具備全天時(shí)、全天候的成像特點(diǎn)，且能提供光學(xué)遙感不包含的信息［12］。融合了微波遙感等多源遙感數(shù)據(jù)的監(jiān)測方法可以彌補(bǔ)光學(xué)遙感數(shù)據(jù)的局限性，為目標(biāo)檢測提供光譜和紋理特征的獨(dú)特組合［13］。目前基于微波遙感數(shù)據(jù)監(jiān)測土壤鹽漬化的相關(guān)研究中，學(xué)者們通過分析圖像后向散射強(qiáng)度、土壤鹽分和介電常數(shù)的關(guān)系，發(fā)現(xiàn)微波影像可以作為土壤鹽分監(jiān)測的有效手段［14］。利用雷達(dá)全極化數(shù)據(jù)，分析雷達(dá)后向散射系數(shù)與土壤鹽分之間的關(guān)系，證明結(jié)合極化組合特征的微波影像能對不同程度的鹽漬化進(jìn)行區(qū)分［15］。使用光學(xué)和雷達(dá)影像多源數(shù)據(jù)，基于機(jī)器學(xué)習(xí)模型估算土壤鹽分和空間分布，證明機(jī)器學(xué)習(xí)算法利用光學(xué)與雷達(dá)融合數(shù)據(jù)在土壤鹽漬化監(jiān)測方面的可行性［16-18］。

綜上，集成多源光學(xué)與雷達(dá)數(shù)據(jù)應(yīng)用在鹽漬化監(jiān)測的研究已有一定成果，但對鹽漬化時(shí)空變化監(jiān)測的相關(guān)研究較少。對此，本文探討利用多源遙感數(shù)據(jù)和野外實(shí)測數(shù)據(jù)，通過提取有效的影像特征信息進(jìn)行最優(yōu)特征組合，對研究區(qū)使用隨機(jī)森林分類方法，識別土壤鹽漬化的分布并分析結(jié)果，研究于田綠洲土壤鹽漬化的時(shí)空變化特征，探索微波與光學(xué)數(shù)據(jù)監(jiān)測干旱區(qū)綠洲土壤鹽堿化的能力。

1 研究區(qū)及數(shù)據(jù)來源

1.1 研究區(qū)概況

于田綠洲（36°30′～37°05′N，81°09′～82°03′E）位于塔克拉瑪干沙漠南緣（圖1），昆侖山北麓中部。東接民豐縣，西鄰策勒縣，南與西藏自治區(qū)日土縣相接，綠洲面積約3.95×104km2［19］。地勢呈南高北低，垂直地帶差異明顯，相對高差4142 m，地形呈牛腿狀［20］。綠洲內(nèi)季節(jié)性河流發(fā)源于昆侖山的克里雅河屬于以冰川融雪為補(bǔ)給的內(nèi)陸河，流經(jīng)于田綠洲，消失在塔克拉瑪干沙漠腹地，當(dāng)?shù)厮Y源缺乏，水系相對封閉［21］。該區(qū)域?qū)儆谂瘻貛?nèi)陸干旱荒漠氣候，晝夜溫差大，多年平均氣溫為12.2 ℃，最高溫度39.4 ℃，最低溫度-17.6 ℃；蒸發(fā)作用強(qiáng)，年降水量約33.5 mm；綠洲植被種類貧乏，生物群落結(jié)構(gòu)單一，生態(tài)系統(tǒng)較脆弱，土壤鹽漬化現(xiàn)象嚴(yán)重［22］。

1.2 數(shù)據(jù)資料與處理

1.2.1 遙感數(shù)據(jù) 雷達(dá)數(shù)據(jù)首先選取日本航天局發(fā)射的對地觀測衛(wèi)星（Advanced Land Observing Satel?lite，ALOS-2）所獲取成像時(shí)間為2015 年4 月23 日的（Phased Array type L-band Synthetic Aperture Ra?dar，PALSAR）全極化數(shù)據(jù)。其次選擇了歐洲空間局（European Space Agency，ESA）開發(fā)的Sentinel-1 衛(wèi)星，成像日期為2018 年4 月23 日、2021 年4 月18 日的Sentinel-1A SAR 雙極化數(shù)據(jù)。使用ENVI 5.3 軟件中的SARscape 5.2.1 模塊對影像進(jìn)行多視處理、3 m×3 m窗口精細(xì)Lee濾波、地理編碼、輻射定標(biāo)，并重采樣為20 m 分辨率，為與Sentinel-1 極化方式保持一致，選擇VV、VH極化方式進(jìn)行極化組合。

光學(xué)遙感數(shù)據(jù)采用Landsat 8陸地成像儀（Oper?ational Land Imager，OLI）數(shù)據(jù)，成像時(shí)間分別為2015年4月26日、2018年4月18日和2021年4月10日，具體參數(shù)信息見表1。使用ENVI 5.3 軟件對時(shí)序Landsat 8 數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、影像配準(zhǔn)、重采樣為20 m分辨率等預(yù)處理流程。

表1 遙感數(shù)據(jù)參數(shù)Tab.1 Parameters of remote sensing data

1.2.2 野外數(shù)據(jù) 本研究根據(jù)于田綠洲的土壤鹽漬化和交錯(cuò)帶分布空間規(guī)律，于2015 年4 月22 日至5月7日和2021年7月9日至7月15日進(jìn)行野外樣品的采集，篩選出74 個(gè)有代表性的采樣點(diǎn)，分布如圖1a所示，每個(gè)采樣點(diǎn)取0～20 cm表層土樣、拍照并記錄土壤類型、周圍植被類型、建立采樣點(diǎn)圖片庫便于對研究結(jié)果進(jìn)行精度評價(jià)。將樣本進(jìn)行自然風(fēng)干、研磨和使用1.5 mm 篩子過篩，使土壤樣品和蒸餾水混合，溶液配制為1:5的土水比，使用電導(dǎo)儀在25 ℃的室溫下測量電導(dǎo)率。通過構(gòu)建電導(dǎo)率和總可溶性鹽之間的方程式對土壤的含鹽量進(jìn)行計(jì)算和pH值的測定［23］。

圖1 研究區(qū)影像及采樣點(diǎn)Fig.1 Images and sampling points of study area

2 研究方法

首先獲取于田綠洲研究區(qū)的野外實(shí)測數(shù)據(jù)、光學(xué)和雷達(dá)多源數(shù)據(jù)。然后將光學(xué)和雷達(dá)數(shù)據(jù)以多源融合的方式，通過特征提取、J-M距離分析和隨機(jī)森林分類方法，對研究區(qū)土壤鹽漬化進(jìn)行分析，最后對研究區(qū)土壤鹽漬化動態(tài)變化進(jìn)行監(jiān)測。具體技術(shù)路線如圖2所示。

圖2 技術(shù)路線圖Fig.2 Workflow of study

2.1 特征提取及分析

遙感影像依賴不同的地物光譜信息區(qū)分地物類別，單一的特征信息無法提供足夠的區(qū)分信息［24］。將不同的特征信息進(jìn)行融合，融合后的特征數(shù)據(jù)在一定程度解決了單一特征信息片面問題，將各種特征描述的信息聚合，可提升高分辨率影像的分類精度［25］。

首先將預(yù)處理后的光學(xué)影像進(jìn)行主成分分析（Principal Component Analysis，PCA），再對雷達(dá)影像進(jìn)行后向散射特征提取并組合，最后使用Pearson相關(guān)分析，計(jì)算電導(dǎo)率EC值與后向散射組合特征間的顯著性。根據(jù)圖3 篩選出最優(yōu)后向散射特征組合。以主成分分析后的光學(xué)影像為基礎(chǔ)，將各分類特征進(jìn)行疊加組合，建立分類特征數(shù)據(jù)集（表2），用同樣的方法得到不同年份下的相同分類特征數(shù)據(jù)集。

表2 分類特征數(shù)據(jù)集組合Tab.2 Classification feature data set combination

圖3 Pearson相關(guān)性矩陣Fig.3 Pearson correlation matrix diagram

2.2 J-M距離

為定量研究不同分類特征下地物間的可分離程度，對訓(xùn)練樣本使用J-M 距離評估地物間的可分離性，J-M 距離的數(shù)值范圍在0～2 之間，若兩種地物的距離值越趨近2，說明兩種類型的可分離性越高［26］。J-M計(jì)算方法如下：

式中：B表示巴氏距離。

計(jì)算結(jié)果如表3，方式三光學(xué)主成分特征和SAR 影像的極化組合特征疊加下，重度鹽漬地與其他地物的J-M 距離最佳，表明各地物的可分離性在光學(xué)和雷達(dá)數(shù)據(jù)的組合下可區(qū)分性較好。

2.3 隨機(jī)森林分類

將隨機(jī)森林（RF）算法用于土壤鹽漬化的分類。隨機(jī)森林以集成分類器的形式進(jìn)行分類，分類器由眾多決策樹組合而成，具有訓(xùn)練速度快、泛化性能強(qiáng)和模型穩(wěn)定等優(yōu)點(diǎn)［27］。隨機(jī)森林方法對于集成多源遙感數(shù)據(jù)，具有多個(gè)分類特征的數(shù)據(jù)集可以有效提高分類精度［28］。徐喬等［29］對極化SAR 影像進(jìn)行分類，利用隨機(jī)森林分類算法實(shí)驗(yàn)得到高精度、光滑且分類層次連續(xù)的分類結(jié)果。本文結(jié)合文獻(xiàn)［27-30］中的方法，根據(jù)特征數(shù)來對決策樹的個(gè)數(shù)進(jìn)行調(diào)試。

3 結(jié)果與分析

3.1 基于多源數(shù)據(jù)的鹽漬化識別精度分析

為對比不同分類特征條件下地物的識別效果，將各年的PCA光譜特征影像和PCA+后向散射特征影像進(jìn)行分類結(jié)果對比。因方式二，雷達(dá)影像進(jìn)行多次分類后，總體精度平均為67.07%，難以達(dá)到區(qū)分地物的目的，故排除方式二。根據(jù)喬木等［31］對新疆土壤鹽漬化程度分級標(biāo)準(zhǔn)，將地物分為裸地、植被、水體、輕中度鹽漬地和重度鹽漬地5 類（輕中度鹽漬地為有鹽生植被覆蓋，pH值在7.1～9.5；重度鹽漬地為無植被覆蓋pH值在9.5以上）。本研究以高分辨率影像（奧維互動地圖）和野外圖片庫作為目視解譯的參考，選取訓(xùn)練樣本和驗(yàn)證樣本［32］。對不同的訓(xùn)練樣本均使用相同的驗(yàn)證樣本進(jìn)行分類后的評價(jià)，便于科學(xué)對比分析分類后的驗(yàn)證結(jié)果。

根據(jù)表4 中分類精度可知，方式一的總體精度平均為80.36%，Kappa 系數(shù)平均為0.77。方式三的總體精度平均為85.62%，Kappa 系數(shù)平均為0.82。結(jié)合表3和表4，隨機(jī)森林分類的精度說明多源數(shù)據(jù)特征組合的分類效果是要優(yōu)于光學(xué)遙感數(shù)據(jù)。雷達(dá)影像的后向散射系數(shù)對土壤鹽漬化的介電常數(shù)比較敏感，土壤含鹽量直接影響介電常數(shù)的變化［33］，利用這一特性將雷達(dá)和光學(xué)影像結(jié)合，可以彌補(bǔ)雷達(dá)影像噪聲對地物識別的干擾，增強(qiáng)后向散射系數(shù)對鹽漬地的識別從而提高分類精度。

表3 典型地物的J-M距離Tab.3 J-M distance of typical ground objects

表4 分類精度驗(yàn)證Tab.4 Classification accuracy verification

為詳細(xì)對比不同數(shù)據(jù)源分類的結(jié)果，以分類精度較好的2021年為例，選擇于田綠洲具有代表性的Ⅰ、Ⅱ區(qū)域進(jìn)行局部特征的對比。如圖4所示，區(qū)域Ⅰ、Ⅱ是于田綠洲兩個(gè)“牛角”邊緣，沙漠與鹽漬地交匯區(qū)域。這里土壤鹽分較高，輕中度和重度鹽漬地交錯(cuò)帶十分明顯。區(qū)域Ⅰ體現(xiàn)了綠洲、水體和鹽漬地的過渡交錯(cuò)分布，PCA 光譜特征數(shù)據(jù)的分類結(jié)果中（圖4a），兩側(cè)鹽漬地存在錯(cuò)誤分類的散點(diǎn)狀植被區(qū)域，PCA+后向散射特征的分類結(jié)果較為有效的減少了零碎斑點(diǎn)的出現(xiàn)，體現(xiàn)鹽漬化交錯(cuò)帶的邊界特征（圖4b）。在區(qū)域Ⅱ地物由裸地沙漠、重度鹽漬地和輕中度鹽漬地逐漸過渡到水體區(qū)域，圖4c和圖4d 區(qū)域在植被和中輕度鹽漬地的區(qū)分上存在略微的不同，因?yàn)橹脖槐壤?5%～70%，光學(xué)影像中地表反射率可能表現(xiàn)為植被和其他地物的混合［34］。根據(jù)野外采樣發(fā)現(xiàn)耐鹽植被如蘆葦、檉柳和鹽生草木可以在輕中度鹽漬化土壤中生長，這些耐鹽植被會間接影響光學(xué)影像中鹽漬化土壤的光譜反射率［35］。PCA+后向散射特征影像具有的后向散射系數(shù)可以透過植被冠層，對地物的紋理信息進(jìn)行捕捉，將其結(jié)合光學(xué)遙感的光譜信息，在一定程度上增強(qiáng)影像的分離度，消除植被的干擾，將輕度鹽漬地的稀疏植被進(jìn)行區(qū)分，降低其對地物分類的影響［36］。獲取植被覆蓋下的鹽漬土含鹽量信息，還需依靠微波散射模型來反演土壤含鹽量［37］。因此，將被動的光學(xué)遙感和主動的微波遙感數(shù)據(jù)綜合是目前監(jiān)測土壤鹽漬化較為理想的方法，未來研究中有必要結(jié)合土壤濕度、地表粗糙度和土壤介電常數(shù)來更好的解釋土壤鹽分的分布情況。

圖4 隨機(jī)森林分類結(jié)果對比Fig.4 Comparison chart of random forest classification results

3.2 土壤鹽分空間動態(tài)變化分析

從分類結(jié)果可知（圖5），于田綠洲鹽漬化主要發(fā)生在北部、西南部，綠洲邊緣和荒漠交錯(cuò)帶區(qū)域，這與相關(guān)學(xué)者的研究一致［38-39］。鹽漬化區(qū)域中，重度鹽漬化土壤主要在研究區(qū)北部的兩個(gè)“牛角”之間分布，以及克里雅河流域的下游區(qū)域，呈重度鹽漬化向塔克拉瑪干沙漠的過渡形式。在綠洲近郊輕中度鹽漬化土壤分布在植被和重度鹽漬化土壤之間，呈現(xiàn)條帶狀分布，主要原因是綠洲內(nèi)排堿渠中的水未經(jīng)處理排放到了綠洲邊緣，導(dǎo)致綠洲邊緣輕中度鹽漬化程度較嚴(yán)重［40］。重度鹽漬地與輕中度鹽漬地分布區(qū)域交錯(cuò)分布，流經(jīng)的區(qū)域因地下水位通常較高，伴隨地表強(qiáng)烈的蒸發(fā)作用，土壤鹽漬化積累作用顯著［39］。

對研究區(qū)表層土壤鹽漬化空間動態(tài)變化分析，提取各年同一時(shí)期鹽漬化的面積變化（表5），于田綠洲2015 年的鹽漬化面積占總面積的40.12%，其中，輕中度鹽漬化區(qū)域占26.48%，重度鹽漬化區(qū)域占13.65%。2018 年鹽漬化面積占總體面積的35.18%，其中輕中度和重度鹽漬化區(qū)域各占23.25%、11.93%。2021年鹽漬化區(qū)域占總體面積的35.63%，其中輕中度和重度鹽漬化區(qū)域各占20.51%、15.12%。2015—2021年于田綠洲的土壤鹽漬化程度總體呈逐年波動下降趨勢，鹽漬化程度主要以輕中度鹽漬地為主。輕中度鹽漬地的面積變化從2015—2021年呈持續(xù)下降趨勢，面積占比逐漸減少，植被面積呈上升趨勢；重度鹽漬地的面積呈先減少后增加的趨勢；綠洲表層水體變化趨勢不明顯，但土壤水分是土壤鹽分運(yùn)動和變化的主要驅(qū)動因素，間接影響當(dāng)?shù)赝寥利}分的空間格局變化［41］。

表5 2015—2021年地物分類面積變化Tab.5 The area change of classified features from 2015 to 2021

3.3 土壤鹽分時(shí)間序列變化分析

為反映于田綠洲鹽漬土在2015—2021 年的遷移變化，進(jìn)行疊置分析得到鹽漬地時(shí)空變化分布（圖6），由于PALSAR-2影像范圍的限制，2015年的研究僅在光學(xué)影像的分類基礎(chǔ)上進(jìn)行。使用桑基圖直觀可視化的體現(xiàn)了于田綠洲各地類之間的結(jié)構(gòu)特征和轉(zhuǎn)入轉(zhuǎn)出關(guān)系（圖7）。結(jié)果表明2015—2021 年于田綠洲的主要5 個(gè)鄉(xiāng)鎮(zhèn)區(qū)域的耕地周邊，大部分區(qū)域處于鹽漬化程度降低的變化趨勢。但在喀爾克鄉(xiāng)東南部的牧業(yè)村耕地存在鹽漬化增加的現(xiàn)象，因綠洲內(nèi)部土壤在排鹽的改良措施下鹽分含量較低，當(dāng)灌溉和排放失衡時(shí)，土壤表層下的可溶性鹽離子隨毛管水運(yùn)移到地表富積，造成耕地形成次生鹽漬化［42-43］。鹽漬化程度增加的希吾勒鄉(xiāng)和斯也克鄉(xiāng)北部區(qū)域，根據(jù)實(shí)地考察和DEM 影像，發(fā)現(xiàn)區(qū)域?qū)儆谂璧氐匦?，地下水的水位和礦化度相對較高。北部海拔高度相對于南部低約200 m，且干燥的氣候?qū)е滤终舭l(fā)，加重了土壤鹽漬化的形成。

圖6 2015—2021年鹽漬地變化分布Fig.6 Distribution of saline change from 2015 to 2021

圖7 2015—2021年地物類型轉(zhuǎn)移圖Fig.7 Feature type transfer map from 2015 to 2021

由研究區(qū)土壤鹽分時(shí)間序列變化統(tǒng)計(jì)結(jié)果可知，2015—2021 年于田綠洲鹽漬地面積變化量為-6723.31 hm2·a-1，變化率為-10.68%，說明鹽漬化程度總體處于降低趨勢。其中輕中度鹽漬化年均變化量為-1526.58 hm2·a-1，變化率為-22.06%，呈降低的變化趨勢；重度鹽漬化的年均變化量為406.03 hm2·a-1，變化率為11.38%，重度鹽漬化程度的變化過程是較為緩慢的增加趨勢，說明重度鹽漬化土壤的改良較為困難，這與前人對于田綠洲不同程度鹽漬化土壤變化的預(yù)測結(jié)果基本一致［44］。

4 結(jié)論

以于田綠洲為研究對象，采用野外實(shí)測數(shù)據(jù)、光學(xué)數(shù)據(jù)和雷達(dá)數(shù)據(jù)結(jié)合的方式，通過特征提取和J-M距離分析，選擇最佳分類特征組合，進(jìn)行隨機(jī)森林分類。得到以下主要結(jié)論：

（1）對比2015年、2018年和2021年分類結(jié)果和不同分類特征下采用隨機(jī)森林方法對土壤鹽分分類的精度，得到光學(xué)影像的PCA光譜特征的總體精度平均為80.36%，Kappa系數(shù)平均為0.77。PCA+后向散射特征的組合總體精度平均為85.62%，Kappa系數(shù)平均為0.82。精度評價(jià)結(jié)果表明使用隨機(jī)森林分類方法在該分類特征下分類精度較高。說明在光學(xué)影像分類的基礎(chǔ)上加入雷達(dá)影像是未來鹽漬化監(jiān)測中較為有效的方法手段。

（2）通過對于田綠洲土壤鹽分空間動態(tài)變化分析，得出2015—2021年于田綠洲產(chǎn)生土壤鹽漬化的區(qū)域主要分布于研究區(qū)北部的綠洲邊緣和荒漠交錯(cuò)帶。鹽漬地的面積變化為輕中度鹽漬地呈逐漸降低趨勢，于田綠洲的植被面積逐年增加，重度鹽漬地為先減少后增加的波動趨勢，于田綠洲內(nèi)的河流水體面積變化不顯著。

（3）對于田綠洲土壤鹽漬化時(shí)序變化分析，數(shù)據(jù)表明2015—2021年鹽漬化程度總體呈下降趨勢，鹽漬地面積年均變化為-1120.55 hm2·a-1，變化率為-10.68%，說明近7 a土壤鹽漬化現(xiàn)象得到較為有效控制和改良。