Remote Sensing Inversion and Spatial Distribution Characteristics of Soil Salinity in the Yellow River Irrigation Area of the Yellow River Delta
QI Zhaishuo,F(xiàn)U Xin, ZHANG Haoran,HUANG Jin,PANG Guibin,XU Zhenghe(Schoolof Water Conservancyand Environment,Universityof Jinan,Jinan 25oo22,Shandong,China)
Abstract:To accurately graspthespatialdistributioncharacteristicsofsoilsalinityintheYellowRiverDelta rrigationarea, Kendong Irrigation District in Binzhou City,Shandong Provincewas chosenas thestudyarea,basedonthe soilsalinitydata fromfield surveyand Sentinel-2B multispectralremotesensing data,thespectral indices thathada strong explanatory powerof soil salinitywereselected using geodetic detector.Thepartial least square methodwas thenusedto construct remote sensing inversion modelsof soil salinityand explorethe spatialdistributioncharacteristicsof soilsalinity in the study area.The results show that the optimal spectral indices with high explanatory power ( qgt;0.05 )andhighly significant level ( P lt;0.01)for soil salinity are visible-infrared salinity index,extended diffrence vegetation index,normalized diference waterindex,nonlinear index,S6salinityindex,brightness index,reflectivityof sateliteB8Aband,INT2 salinity idex,optimized soil adjusted vegetation index,soil adjusted vegetation index,enhancedvegetation index,SI3 salinityindex,extendedratiovegetationindex,salinityindex,atmosphericalyresistantvegetationindex,S5salinityindex. The determinationcoefficient and meanrelative erorof theremote sensing inversionmodel of soil salinityareO.77and 0.36,respectively,the model can predict the salinitycondition in the study area more accurately.The studyarea consists of non-saline soil,mildly saline soil and moderately saline soil. The area with a salt mass ratio less than 0.2g/kg in nonsaline soil accounts for the largest proportion,which is 50.43% . The mildly saline soil and moderately saline soil show a fragmenteddistribution,mainlyoccuring in the non-planting area,which is inline with theresultsoffieldsurvey.The average soil saltcontentof differentlanduse-covertypes is significantly different,andtheorder ofland use-cover types withtheaverage saltcontentfrom large to smallis saline wasteland,abandoned land-summer corn field,forestland, winter wheat-summer corn field,and paddy field.
Keywords : soil salinity;remote sensing retrieval; spatial distribution; geodetector; the Yellow River Delta
土壤鹽漬化是土壤表層集聚可溶性鹽的一種現(xiàn)象,極大地限制了農(nóng)業(yè)發(fā)展和土地資源的可持續(xù)利用,因此土壤鹽漬化已經(jīng)被列為中國(guó)生態(tài)文明建設(shè)和全球變化議題中的重要研究方向。黃河三角洲地區(qū)作為我國(guó)重要的后備土地資源區(qū),蘊(yùn)藏著豐富的自然資源,開(kāi)發(fā)前景極為廣闊;但是,由于長(zhǎng)期海水入滲以及相對(duì)干旱的氣候環(huán)境,因此王壤鹽漬化問(wèn)題日益嚴(yán)重,尤其是在以灌溉為主要方式的農(nóng)業(yè)灌區(qū),重灌溉輕排放的農(nóng)耕形式對(duì)土壤環(huán)境造成了嚴(yán)重的威脅,使得黃河下游引黃灌區(qū)土壤鹽漬化治理變得更加困難。
在灌溉農(nóng)業(yè)區(qū),監(jiān)測(cè)土壤鹽漬化分布特征可以很好地掌握灌溉區(qū)內(nèi)鹽分的變化情況,制定科學(xué)、合理的水資源管理方案,為灌溉農(nóng)業(yè)區(qū)土壤鹽漬化治理和綜合利用提供科學(xué)依據(jù)。目前,通過(guò)定量遙感手段監(jiān)測(cè)土壤鹽分信息是土壤鹽漬化監(jiān)測(cè)研究的熱點(diǎn)之一。楊小虎等2基于Landsat-8號(hào)衛(wèi)星攜帶的陸地成像儀(Landsat-8OLI)多光譜遙感影像和野外實(shí)測(cè)土壤鹽分?jǐn)?shù)據(jù),通過(guò)歸一化差異水體指數(shù)(INDW)等光譜指數(shù)與土壤鹽分構(gòu)建遙感預(yù)測(cè)模型,研究土壤鹽分空間分布特征,結(jié)果表明,模型精度較高且預(yù)測(cè)的土壤鹽分的空間分布規(guī)律與實(shí)地調(diào)查基本一致。陳紅艷等3在傳統(tǒng)植被指數(shù)的基礎(chǔ)上提出了改進(jìn)植被指數(shù),基于改進(jìn)前、后2種對(duì)應(yīng)的植被指數(shù)構(gòu)建土壤鹽分反演模型,獲得了較好的土壤鹽分空間分布反演結(jié)果。周曉紅等[4在傳統(tǒng)型鹽分指數(shù)和植被指數(shù)的基礎(chǔ)上,引入增強(qiáng)型比值植被指數(shù)與研究區(qū)土壤鹽分建立遙感估算模型,用于定量監(jiān)測(cè)研究區(qū)土壤鹽分的動(dòng)態(tài)變化規(guī)律。張同瑞等[5]采用多光譜衛(wèi)星遙感數(shù)據(jù),篩選敏感光譜指數(shù),最終遴選出土壤鹽分最佳監(jiān)測(cè)模型。張素銘等[通過(guò)相關(guān)性分析等手段篩選出最優(yōu)的土壤鹽分敏感波段和光譜參量,構(gòu)建最佳的土壤鹽分遙感反演模型,分析黃河三角洲地區(qū)土壤鹽分動(dòng)態(tài)分布特征,結(jié)果表明,遙感波段之間相互組合可以提高其與土壤鹽分的相關(guān)程度,并且在組合波段中加入敏感波段的建模方法表現(xiàn)更優(yōu)。劉恩等7以黃河三角洲小開(kāi)河引黃灌區(qū)為例,基于Landsat-8OLI多光譜影像,選取診斷指數(shù)較大的光譜反射率和土壤鹽分?jǐn)?shù)據(jù)構(gòu)建土壤鹽分反演模型。上述研究大多數(shù)是利用單一的光譜指數(shù)(如光譜反射率、植被指數(shù)等)或少數(shù)幾個(gè)光譜指數(shù)組合構(gòu)建土壤鹽分反演模型,用于監(jiān)測(cè)土壤鹽漬化信息,但估算精度仍然較低[8]。光譜指數(shù)選擇不夠全面,容易忽略指數(shù)間的耦合作用,使得模型失真和不穩(wěn)定,因此,不局限于少數(shù)光譜指數(shù),嘗試集成應(yīng)用多種光譜指數(shù)來(lái)定量反演土壤鹽分是一種值得探究的方式。對(duì)于濱海典型環(huán)境脆弱區(qū)黃河三角洲來(lái)說(shuō),以哨兵-2號(hào)衛(wèi)星攜帶的多光譜成像儀(Sentinel-2MSI)影像數(shù)據(jù)和地面實(shí)測(cè)數(shù)據(jù)為基礎(chǔ),利用系列光譜指數(shù)反演土壤鹽分的研究較少。Wang等利用Cubist模型對(duì)比分析Landsat-8OLI與Sentinel-2MSI這2種傳感器之間的差異,結(jié)果表明,空間分辨率和光譜分辨率越高的衛(wèi)星遙感影像越能夠有效提高模型反演精度。
本文中以黃河三角洲引黃灌區(qū)中的墾東灌區(qū)為研究區(qū),基于野外土壤采樣數(shù)據(jù)和Sentinel-2BMSI遙感數(shù)據(jù),獲取不同遙感波段光譜反射率、所有的鹽分指數(shù)和植被指數(shù)等系列光譜指數(shù),利用地理探測(cè)器篩選對(duì)王壤鹽分解釋力較強(qiáng)的光譜指數(shù)因子,構(gòu)建最優(yōu)土壤鹽分反演模型,分析黃河三角洲引黃灌區(qū)土壤鹽分空間分布規(guī)律,以期為黃河三角洲引黃灌區(qū)土壤鹽漬化有效治理以及區(qū)域土地資源可持續(xù)利用提供理論依據(jù)
數(shù)據(jù)來(lái)源與研究方法
1. 1 研究區(qū)概況
墾東灌區(qū)位于山東省東營(yíng)市墾利區(qū),地理位置為東經(jīng) 118°54′55′′ 、北緯 37°40′40′′ ,是現(xiàn)代黃河三角洲具有代表性的引黃灌區(qū)之一。研究區(qū)四季氣候變化較為明顯,冬季干冷,夏季濕熱,處于溫帶大陸性季風(fēng)氣候區(qū),多年平均氣溫為 11.7°C ,多年平均風(fēng)速為 3.85m/s ,平均年蒸發(fā)量為 2049.4mm ,年平均降水量為 578mm ,降雨多集中在每年6—9月份,一般占全年降水量的 70% 以上[10]。灌區(qū)內(nèi)土壤類型主要為粉土和粉壤土,地下水位和礦化度較高,土壤毛細(xì)作用劇烈導(dǎo)致土壤反鹽、聚鹽現(xiàn)象嚴(yán)重。
1. 2 土壤樣品采集與指標(biāo)測(cè)定
于2023年5月18—20日開(kāi)展墾東灌區(qū)的野外調(diào)查和土樣采集等工作。通過(guò)綜合分析研究灌區(qū)土壤表層的鹽漬化空間分布狀況、土壤采集點(diǎn)整體均勻程度和典型程度布設(shè)土壤樣品采集點(diǎn)位。野外用五點(diǎn)法采集土壤樣品,每個(gè)點(diǎn)位采用專業(yè)土鉆采集0~20cm 土層土壤。用手持式全球定位系統(tǒng)(GPS)獲取樣點(diǎn)經(jīng)、緯度,28個(gè)土壤樣點(diǎn)分布如圖1所示。整理好野外采集土樣并帶回實(shí)驗(yàn)室,然后將土壤樣品經(jīng)過(guò)風(fēng)干、磨碎、過(guò)孔徑 2mm 篩等常規(guī)操作后,以土樣與水的質(zhì)量比為1:5混合,經(jīng)振蕩、過(guò)濾后提取測(cè)定溶液,使用哈希多參數(shù)水質(zhì)測(cè)定儀測(cè)定土壤電導(dǎo)率和全鹽量
根據(jù)陳紅艷等[3]在黃河三角洲針對(duì)土壤鹽漬化的研究,將土壤鹽分含量劃分為5個(gè)等級(jí):鹽分質(zhì)量比小于 2g/kg 的土壤為非鹽漬土,鹽分質(zhì)量比為 2~lt;4g/kg 的土壤為輕度鹽漬土,鹽分質(zhì)量比為 4~lt;6g/kg 的土壤為中度鹽漬土,鹽分質(zhì)量比為6~lt;10g/kg 的土壤為重度鹽漬土,鹽分質(zhì)量比為10g/kg 的土壤為鹽土。
1.3 遙感數(shù)據(jù)與預(yù)處理
哨兵-2(Sentinel-2)號(hào)衛(wèi)星包括A、B小衛(wèi)星,2顆衛(wèi)星之間的協(xié)同作用極大地提高了若干環(huán)境和自然資源的應(yīng)用能力,如植被活力、土壤鹽分動(dòng)態(tài)、水質(zhì)以及地方、區(qū)域和全球范圍的氣候變化影響分析。多光譜成像儀(MSI)以空間分辨率為10、20、60m 分別在光譜帶中以大視場(chǎng)對(duì)地球表面反射率進(jìn)行成像。每個(gè)Sentinel-2MSI場(chǎng)景的掃描范圍為290km ,允許每 10d 對(duì)地球表面進(jìn)行一次全球覆蓋。MSI輻射性能以12位編碼,能夠以4095個(gè)數(shù)字采集圖像,確保輻射精度小于 5% 和出色的信噪比。依據(jù)遙感影像數(shù)據(jù)與地表土壤數(shù)據(jù)時(shí)間盡量保持一致的原則以及野外采樣期間衛(wèi)星遙感影像在研究區(qū)內(nèi)的成像質(zhì)量,本文中獲取2023年5月16日Sentinel-2B衛(wèi)星遙感影像作為遙感數(shù)據(jù),選擇經(jīng)過(guò)輻射定標(biāo)和大氣校正處理后的大氣底層反射率影像數(shù)據(jù),即Level-2A級(jí)別產(chǎn)品,利用ENVI5.3軟件統(tǒng)一設(shè)置遙感影像投影坐標(biāo),執(zhí)行數(shù)據(jù)重采樣、影像邊界裁剪、多波段組合,輸出多波段影像等常規(guī)操作。
選取與土壤鹽分密切相關(guān)的光譜反射率、鹽分指數(shù)和植被指數(shù)等48種光譜指數(shù)。具體鹽分指數(shù)、植被指數(shù)及其計(jì)算公式如表1、2所示。
1.4 研究方法
1.4.1 地理探測(cè)器
地理探測(cè)器是由王勁峰等[25提出的探測(cè)空間分異性和揭示驅(qū)動(dòng)性因素的統(tǒng)計(jì)方法。本文中主要采用因子探測(cè)進(jìn)行土壤鹽分遙感反演模型因子的篩選。根據(jù)不同影響因素對(duì)土壤鹽分的解釋能力 q 值篩選出影響土壤鹽分的因子, q 值越大說(shuō)明因子對(duì)土壤鹽分的影響程度越高。
式中: L 為土壤鹽分或光譜指數(shù)的分層數(shù)或分區(qū)數(shù); Nh : σh2 分別為 h 層的單元數(shù)、土壤鹽分的方差; σ2 為土壤鹽分在地理探測(cè)器探測(cè)過(guò)程中的所有分層或分區(qū)的方差
1.4.2 數(shù)據(jù)分析與檢驗(yàn)
多元統(tǒng)計(jì)分析方法偏最小二乘法(PLSR)能夠在不排除多重共線變量的前提下有效反映多個(gè)自變量或因變量之間的相關(guān)性,且適用于小容量樣本的多元統(tǒng)計(jì)分析,是定量分析土壤鹽分對(duì)多種光譜指數(shù)組合響應(yīng)的可行方法。本文中將28個(gè)有效采樣點(diǎn)按照7:3的比例隨機(jī)劃分為建模集和驗(yàn)證集,在建模集和驗(yàn)證集中,以土壤鹽分含量為因變量,光譜指數(shù)為自變量,建立光譜指數(shù)組合與土壤鹽分的PLSR回歸模型
模型穩(wěn)定程度和精度高低的評(píng)價(jià)指標(biāo)分別采用決定系數(shù) R2 和平均相對(duì)誤差 Emr 來(lái)評(píng)估, R2 越大、Emr 越小的模型的預(yù)測(cè)能力越強(qiáng),穩(wěn)定性越好。評(píng)價(jià)指標(biāo)數(shù)學(xué)表達(dá)式為
式中: Si?Mi 分別為采樣點(diǎn) i 的預(yù)測(cè)值和實(shí)測(cè)值; n 為采集土壤樣點(diǎn)的數(shù)量; 為所有采樣點(diǎn)的實(shí)測(cè)值的平均值。
2 結(jié)果與分析
2.1多光譜指數(shù)與土壤鹽分的地理探測(cè)器分析
表3為土壤鹽分與光譜指數(shù)的因子探測(cè)結(jié)果從表中可以看出, q 大于0.5的因子依次為可見(jiàn)-紅外鹽分指數(shù) 、擴(kuò)展差值植被指數(shù) IEDV 、歸一化差異水體指數(shù) INDW 、非線性指數(shù) INL 、衛(wèi)星 B8 波段的反射率 λB8 、S6鹽分指數(shù) Is6 、衛(wèi)星B6波段的反射率 λB6 和亮度指數(shù) IB 。S2鹽分指數(shù) Is2 、SI11鹽分指數(shù) IsI11 、綠波段比值植被指數(shù) IGRV 、衛(wèi)星B1 波段的反射率 λBl 的 q 均小于0.05,表明這些光譜指數(shù)對(duì)黃河三角洲引黃灌區(qū)土壤鹽分雖然具體一定影響,但相比于其他光譜指數(shù)影響較為微弱。本文中選取 q 大于0.05的因子用于構(gòu)建土壤鹽分反演模型。
2.2 模型構(gòu)建及精度分析
利用統(tǒng)計(jì)與數(shù)據(jù)分析軟件Minitab19對(duì)研究區(qū)土壤鹽分以及 q 大于0.05的光譜指數(shù)進(jìn)行PLSR建模,在建模過(guò)程中,剔除 p 值大于0.01的光譜指數(shù),以確保只保留對(duì)土壤鹽分有顯著影響的變量,從而提高模型的擬合效果和預(yù)測(cè)準(zhǔn)確性。最終優(yōu)選出最佳的光譜指數(shù)組合為 IIS-VIR 、 IEDV INDW ! INL ) Is6 、IB 、衛(wèi)星B8A 波段的反射率 λB8A 、 INT2 鹽分指數(shù)IINT2 、優(yōu)化土壤調(diào)整植被指數(shù) IosAV 、土壤調(diào)節(jié)植被指數(shù) ISRV 、增強(qiáng)型植被指數(shù) IEV 、SI3 鹽分指數(shù) ISI3 、擴(kuò)展比值植被指數(shù) IERV 、鹽分指數(shù) Is 、大氣阻抗植被指數(shù) IARV 、S5鹽分指數(shù) Is5 ?;趯?shí)測(cè)土壤鹽分?jǐn)?shù)據(jù)和最優(yōu)光譜指數(shù)組合,構(gòu)建PLSR土壤鹽分反演模型為
y=-3.53-27.21IIS-VIR+2.30IEDV-3.73INDW-3.58INL-
39.73Is6-0.39IB-2.37λBsA+20.44IINT2+12.61IoSAV+ 24.14IsRv-10.01IEV-20.39IsI3-1.13IERV+16.42Is- 8.36IARV+37.56Is5 (4)
式中 y 為土壤鹽分含量。
通過(guò)評(píng)價(jià)指標(biāo)對(duì)建模集土壤鹽分預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行對(duì)比,所構(gòu)建的模型 R2 為0.79, Emr 為0.28,表明模型預(yù)測(cè)效果較好,準(zhǔn)確度較高,對(duì)研究區(qū)有較好的適用性。
對(duì)最優(yōu)光譜指數(shù)組合所構(gòu)建的土壤鹽分遙感反演模型進(jìn)行驗(yàn)證,結(jié)果如圖2所示。由圖可知,土壤鹽分預(yù)測(cè)值和實(shí)測(cè)值之間具有較強(qiáng)的線性相關(guān),并且通過(guò)評(píng)價(jià)指標(biāo)對(duì)驗(yàn)證集土壤鹽分預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行評(píng)價(jià),得出驗(yàn)證集 R2 為0.77, Emr 為0.36,表明本文中構(gòu)建的土壤鹽分遙感反演模型可以有效地預(yù)測(cè)研究灌區(qū)的土壤鹽漬化狀況。
2.3 土壤鹽漬化空間分布分析
根據(jù)最優(yōu)土壤鹽分遙感反演模型預(yù)測(cè)研究區(qū)土壤鹽分含量空間分布結(jié)果如圖3所示。由圖可見(jiàn),研究區(qū)土壤鹽漬化程度總體較輕,土壤鹽分含量較低,鹽分質(zhì)量比均小于 6g/kg ,土壤鹽漬化等級(jí)包括非鹽漬土、輕度鹽漬土和中度鹽漬土,無(wú)重度鹽漬土和鹽土。大部分土壤的鹽分質(zhì)量比小于 2g/kg ,屬于非鹽漬土范疇。由于研究區(qū)大部分為作物種植區(qū),為了作物更好地生長(zhǎng)會(huì)進(jìn)行土壤淋洗和灌溉等操作,因此土壤鹽漬化程度較低。研究區(qū)內(nèi)不同等級(jí)土壤鹽漬化面積及所占比例統(tǒng)計(jì)結(jié)果如表4所示。從表中可以看出,非鹽漬土、輕度鹽漬土、中度鹽漬土面積分別為 ,非鹽漬土面積所占比例達(dá)到99. 66%
為了將研究區(qū)土壤鹽分的空間分布特征更好的匹配各種土地利用-覆被類型,將非鹽漬土進(jìn)行細(xì)分,以非鹽漬土、輕度鹽漬土和中度鹽漬土劃分等級(jí)的 1/10 對(duì)研究區(qū)非鹽漬土等級(jí)進(jìn)行細(xì)分。就非鹽漬土而言,土壤鹽分質(zhì)量比小于 0.2,0.2~lt;0.4 0.4~lt;0.6,0.6~lt;2.0g/kg 的面積分別為94.82、54.30,21.19,17.08km2 。其中,鹽分質(zhì)量比小于0.2g/kg 鹽漬土的面積占比最大,為 50.43% ;其次是鹽分質(zhì)量比為 0.2~lt;0.4g/kg 的鹽漬土,面積占比為 28.88% ;鹽分質(zhì)量比 0.6~lt;2.0g/kg 鹽漬土面積所占比例最小,為 9.08% 。研究區(qū)內(nèi)輕度鹽漬土和中度鹽漬呈現(xiàn)零散的空間分布。因?yàn)檠芯繀^(qū)內(nèi)大片的田塊均進(jìn)行農(nóng)作物種植,所以在分散的無(wú)種植地帶會(huì)有較少的輕度和中度鹽漬土分布。
在不同土地利用方式下,由于灌溉、入滲和蒸發(fā)等引起土壤水分在時(shí)間和空間上變化,因此導(dǎo)致區(qū)域土壤鹽分含量與運(yùn)移規(guī)律不同。為了更好地分析研究區(qū)土壤鹽分空間分布特征,本文中根據(jù)當(dāng)?shù)胤N植方式、種植結(jié)構(gòu)、休耕期等實(shí)際情況將研究區(qū)劃分為冬小麥-夏玉米地、擢荒地-夏玉米地、林地、鹽荒地和水稻田5種土地利用-覆被類型,探究土壤鹽分和不同土地利用-覆被類型之間的關(guān)系,結(jié)果如圖4所示,土地利用-覆被類型土壤鹽分含量統(tǒng)計(jì)結(jié)果如圖5所示。由圖可以看出:不同土地利用-覆被類型的土壤鹽分含量的均值差異顯著。鹽荒地土壤鹽分質(zhì)量比均值最大,為 0.37g/kg ,水稻田土壤鹽分質(zhì)量比均值最小,為 0.07g/kg 。土壤鹽分含量均值由大到小的土地利用-覆被類型的排序?yàn)辂}荒地、荒地-夏玉米地、林地、冬小麥-夏玉米地、水稻田,這主要是由土地利用方式、地表覆被類型、灌區(qū)種植結(jié)構(gòu)、灌溉制度所導(dǎo)致。研究區(qū)內(nèi)鹽荒地主要分布一些鹽生植物,相關(guān)研究[26]表明,鹽生植物的脫鹽功能能改良鹽漬化土壤,原因是不同鹽生植物對(duì)鹽分吸收具有選擇性,有些鹽生植物甚至可以將鹽分直接移出土壤,例如在研究區(qū)鹽荒地普遍生長(zhǎng)的拒鹽植物——蘆葦以及聚鹽植物—一鹽地堿蓬等,因此研究區(qū)內(nèi)鹽荒地的土壤鹽分含量較其他土地利用-覆被類型的高,但仍低于中度鹽漬土的鹽分含量。由于擢荒地-夏玉米地、林地、冬小麥-夏玉米地和水稻田長(zhǎng)期進(jìn)行種植管理,因此土壤鹽分含量相對(duì)較低。Wang等[27]研究表明,由于植被生長(zhǎng)隨季節(jié)發(fā)生變化,因此不同土地利用-覆被類型的土壤鹽分特征也會(huì)隨著季節(jié)性變化有所差異。本研究是在5月份對(duì)研究區(qū)進(jìn)行采樣及反演等工作,此時(shí)林地和冬小麥-夏玉米地均有較密集的植被覆被,且冬小麥和水稻均經(jīng)過(guò)了春灌等農(nóng)業(yè)處理。由于擢荒地-夏玉米地的土壤鹽分常年處于較高水平,不適宜冬小麥生長(zhǎng),在冬小麥種植期設(shè)置為擢荒期,于翌年直接種植夏玉米,因此在研究期內(nèi)畧荒地-夏玉米地作物處于玉米苗期或未種植期,導(dǎo)致土壤鹽分含量高于林地和冬小麥-夏玉米地。這種空間分布特征與實(shí)地調(diào)查和實(shí)驗(yàn)室分析的不同土地利用-覆被類型土壤鹽分含量相一致。
3結(jié)論
本文中采用野外取樣結(jié)合哨兵-2B衛(wèi)星遙感影像獲取土壤鹽分?jǐn)?shù)據(jù),計(jì)算鹽分指數(shù)、植被指數(shù)并通過(guò)地理探測(cè)器篩選光譜指數(shù)組合,構(gòu)建PLSR土壤鹽分遙感反演模型,監(jiān)測(cè)研究區(qū)土壤鹽分含量,探討土壤鹽分的空間分布特征,得到如下主要結(jié)論:
1)優(yōu)選出對(duì)土壤鹽分解釋力較高( qgt;0. 05) 且達(dá)到極顯著水平( p 值小于0.01)的最優(yōu)光譜指數(shù)組合是 (20′osAv?IsRv?IEv?IsI3?IERv?Is?IARv?Is? 基于PLSR構(gòu)建的土壤鹽分反演模型精度較高,其中驗(yàn)證 R2 為0.77,Emr 為0.36。
2)研究區(qū)土壤鹽漬化等級(jí)包括非鹽漬土、輕度鹽漬土和中度鹽漬土,其中以非鹽漬土為主,在非鹽漬土中鹽分質(zhì)量比小于 0.2g/kg 的面積占比最大,為 50.43% 。輕度鹽漬土和中度鹽漬土在空間上呈現(xiàn)零散分布,主要分布在非種植區(qū)域。
3)研究區(qū)不同土地利用-覆被類型的土壤鹽分含量均值差異顯著,鹽分質(zhì)量比由大到小的土地利用-覆被類型排序?yàn)辂}荒地、荒地-夏玉米地、林地、冬小麥-夏玉米地、水稻田,其中鹽荒地土壤鹽分質(zhì)量比均值為 0.37g/kg ,水稻田土壤鹽分均值最小為 0.07g/kg
本文中的研究成果可為濱海土壤鹽漬化快速監(jiān)測(cè)以及土地利用結(jié)構(gòu)空間優(yōu)化與可持續(xù)發(fā)展提供技術(shù)支撐。
參考文獻(xiàn):
[1]ZHUW,YANGJS,YAORJ,etal.Soilwater-saltcontrol andyield improvement under the effect of compound control insalinesoilof the YellowRiverDelta,China[J].Agricultural WaterManagement,2022,263:107455.
[2] 楊小虎,羅艷琴,楊海昌,等.瑪納斯河流域綠洲農(nóng)田土壤鹽分反演及空間分布特征[J].干旱區(qū)資源與環(huán)境,2021,35(2):156.
[3]陳紅艷,趙庚星,陳敬春,等.基于改進(jìn)植被指數(shù)的黃河口區(qū)鹽漬土鹽分遙感反演[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(5):107.
[4]周曉紅,張飛,張海威,等.艾比湖濕地自然保護(hù)區(qū)土壤鹽分多光譜遙感反演模型[J].光譜學(xué)與光譜分析,2019,39(4):1229.
[5]張同瑞,趙庚星,高明秀,等.基于近地面多光譜的黃河三角洲典型地區(qū)土壤含鹽量估算研究[J].光譜學(xué)與光譜分析,2016, 36(1) : 248.
[6]張素銘,趙庚星,王卓然,等.濱海鹽漬區(qū)土壤鹽分遙感反演及動(dòng)態(tài)監(jiān)測(cè)[J].農(nóng)業(yè)資源與環(huán)境學(xué)報(bào),2018,35(4):349.
[7]劉恩,王軍濤,常步輝,等.小開(kāi)河引黃灌區(qū)土壤鹽漬化定量遙感反演[J].中國(guó)農(nóng)村水利水電,2019(12):20.
[8]劉偉,史海濱,苗慶豐,等.基于Landsat8的節(jié)水改造背景下鹽漬化土壤含鹽量反演[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2024,55(1):294.
[9]WANG JZ,DING JL,YU D L,et al. Machine learning-baseddetection of soil salinity in an arid desert region,Northwest China:a comparison between Landsat-8 OLI and Sentinel-2 MSI[J].Science of the Total Environment,2020,707:136092.
[10]袁瑞強(qiáng),劉貫群,宋獻(xiàn)方.現(xiàn)代黃河三角洲淺層地下水對(duì)降水的響應(yīng)[J].資源科學(xué),2009,31(9):1514.
[11]ZHANG JR, ZHANG Z T,CHEN JY,et al. Estimating soilsalinity with different fractional vegetation cover using remotesensing[J]. Land Degradation and Development, 2020,32(2):597.
[12]姚志華,陳俊英,張智韜,等.覆膜對(duì)無(wú)人機(jī)多光譜遙感反演土壤含鹽量精度的影響[J].農(nóng)業(yè)工程學(xué)報(bào),2019,35(19): 89.
[13]DOUAOUI A E K,NICOLAS H, WALTER C. Detecting salinityhazards within a semiarid context by means of combining soil andremote-sensing data[J].Geoderma,2006,134(1/2):217.
[14]TRIKI FOURATI H, BOUAZIZ M,BENZINA M,et al. Modelingof soil salinity withinasemi-arid region using spectral aalysis[J].Arabian Journal of Geosciences,2015,8(12): 11175.
[15]SCUDIERO E, SKAGGS T H, CORWIN D L. Regional scalesoil salinity evaluation using Landsat 7, western San Joaquin Valley,California,USA[J]. Geoderma Regional,2014,2-3:82.
[16]張智韜,魏廣飛,姚志華,等.基于無(wú)人機(jī)多光譜遙感的土壤含鹽量反演模型研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2019,50(12):151.
[17]CHO K H,BEON MS,JEONG JC. Dynamics of soil salinityand vegetation in a reclaimed area in Saemangeum, Republic ofKorea[J]. Geoderma,2018,321: 42.
[18]馮娟,丁建麗,楊愛(ài)霞,等.干旱區(qū)土壤鹽漬化信息遙感建模[J].干旱地區(qū)農(nóng)業(yè)研究,2018,36(1):266.
[19]毛海穎,馮仲科,鞏垠熙,等.多光譜遙感技術(shù)結(jié)合遺傳算法對(duì)永定河土壤歸一化水體指數(shù)的研究[J].光譜學(xué)與光譜分析,2014,34(6):1649.
[20]奚雪,趙庚星,高鵬,等.基于Sentinel衛(wèi)星及無(wú)人機(jī)多光譜的濱海冬小麥種植區(qū)土壤鹽分反演研究:以黃三角墾利區(qū)為例[J].中國(guó)農(nóng)業(yè)科學(xué),2020,53(24):5005.
濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版)2025年3期