丁建麗，姚 遠，王 飛

(新疆大學資源與環(huán)境科學學院 綠洲生態(tài)教育部重點實驗室, 烏魯木齊, 830046)

干旱區(qū)土壤鹽漬化特征空間建模

丁建麗*，姚 遠，王 飛

(新疆大學資源與環(huán)境科學學院 綠洲生態(tài)教育部重點實驗室, 烏魯木齊, 830046)

當前，土壤鹽漬化以及因灌溉引起的土壤次生鹽漬化問題是我國干旱、半干旱區(qū)所面臨的主要生態(tài)環(huán)境問題。在特征空間理論的支持下，以波譜分解技術(shù)為基礎(chǔ)，以Landsat-TM、Landsat-ETM+多光譜遙感影像和野外調(diào)查數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)源，通過分析干旱區(qū)土壤鹽漬化對地表生物物理特征的影響，探討了表征鹽漬化過程與地表生物物理特征之間的規(guī)律及定量關(guān)系，進而利用土壤鹽漬化遙感監(jiān)測中關(guān)鍵的3個指標——經(jīng)過波譜分解技術(shù)獲得的直接表征鹽漬化的土壤鹽漬化光譜、間接表征鹽漬化的植被覆蓋度和土壤水分含量協(xié)同構(gòu)建了二維特征空間支持下的土壤鹽漬化遙感監(jiān)測模型VSSI(Vegetation fraction and Soil fraction Soil Index)、SVSI(Soil water contents and Vegetation fraction Soil Index)、SSSI(Soil water contents and Soil salinization fraction Soil Index)和三維特征空間支持下的土壤鹽漬化遙感監(jiān)測模型SVWSI和SDI。研究結(jié)果表明：基于三維特征空間建立的SVWSI(Soil salinization fraction-Vegetation fraction-Water contents Soil Index)和SDI(Soil Distance Index)模型對不同鹽漬化程度土壤的敏感程度要高于基于傳統(tǒng)二維特征空間建立的VSSI、SVSI和SSSI模型。其中，SVWSI和SDI模型與實測0—10 cm土壤鹽分含量決定系數(shù)分別為R2=0.8325和R2=0.8646，這充分說明基于高維數(shù)特征空間所構(gòu)建的土壤鹽漬化遙感監(jiān)測模型能更準確地反映鹽漬化土壤地表鹽量組合及其變化信息，且指標簡單、易于獲取，對于今后干旱區(qū)區(qū)域大尺度鹽漬地信息提取以及動態(tài)監(jiān)測研究具有重要意義。

特征空間；遙感；土壤鹽漬化；渭干河-庫車河三角洲綠洲

土壤鹽漬化以及因灌溉引起的土壤次生鹽漬化問題是我國干旱、半干旱區(qū)所面臨的主要生態(tài)環(huán)境問題之一[1- 4]，通常出現(xiàn)在氣候干旱、土壤蒸發(fā)強度大、地下水位高且含有較多可溶性鹽類的地區(qū)。土壤鹽漬化問題現(xiàn)已成為影響綠洲農(nóng)業(yè)的可持續(xù)發(fā)展、威脅綠洲生態(tài)安全和穩(wěn)定的重要因素[5- 6]。由于土壤鹽漬化對氣候、土壤、地形和水文地質(zhì)等自然條件非常敏感，并隨著干、濕季節(jié)的變遷而變化，因而利用傳統(tǒng)的采樣手段對區(qū)域尺度的土壤鹽分變化進行監(jiān)測變得較為困難[7- 8]。而遙感技術(shù)因其具有監(jiān)測范圍大，獲得資料速度快、信息量大、周期短、成本低、受地面條件限制少等優(yōu)點，使得大面積實時動態(tài)監(jiān)測鹽漬土狀況成為可能[9- 10]。

目前，利用遙感圖像進行土壤鹽漬化信息提取的方法主要為目視解譯以及結(jié)合土壤含鹽量、地下水等輔助量進行自動化分類。但均存在信息提取過程受人為因素影響大、引入的輔助量會引起圖像的破碎化等問題[11]。當前國內(nèi)外已開展的土壤鹽漬化遙感監(jiān)測方法研究主要還是在定性分析的層面上，其通用性、定量化以及普適性并不令人滿意[12]。而利用常規(guī)手段獲取“點狀”信息所生成的空間分布圖往往存在時間上的滯后性[13]，并且采樣樣本僅考慮以裸土為主的光譜信息，缺乏對植被光譜與土壤鹽漬化間接響應(yīng)信息的綜合考慮，從而導致了區(qū)域尺度土壤鹽漬化遙感監(jiān)測往往難以達到準確、實用的要求。因此，當前的研究迫切需要利用遙感影像及時獲取鹽漬化分布的“面狀”信息，以便準確地對鹽漬化進行實時監(jiān)測預報。

通過利用多光譜遙感影像中所提取的各類指標構(gòu)建特征空間進行鹽漬化信息的提取和監(jiān)測是當前土壤鹽漬化遙感監(jiān)測研究的先進方法。近年來，通過選取適當?shù)闹笜藰?gòu)建二維特征空間進行土壤鹽漬化信息提取的研究已見報道[14]，如：哈學萍等利用鹽分指數(shù)(SI)和地表反射率(Albedo)構(gòu)建了鹽漬化信息提取模型，并借助決策樹分類方法成功提取出了克里雅綠洲的土壤鹽漬化分布信息[15]；王飛等綜合分析了歸一化植被指數(shù)(NDVI)與鹽分指數(shù)(SI)二者之間的關(guān)系，在此基礎(chǔ)之上提出 NDVI-SI 特征空間概念[16]；丁建麗等從遙感影像中提取了修改型土壤調(diào)整植被指數(shù)(MSAVI)和濕度指數(shù)(WI)，并基于此構(gòu)建了MSAVI-WI二維特征空間用于干旱區(qū)綠洲的土壤鹽漬化監(jiān)測[17]。但上述研究主要是基于二維特征空間理論進行模型的構(gòu)建，同時由于干旱區(qū)地表植被稀疏，單一像元內(nèi)的光板地比例過高，從而導致由于光板地亮度的干擾使得遙感數(shù)據(jù)對植被的反映不是很準確。因而選用更適用于干旱區(qū)的光譜指數(shù)，通過混合像元的分解，在二維特征空間理論的基礎(chǔ)上，構(gòu)建適用于干旱區(qū)稀疏植被條件下的三維特征空間土壤鹽漬化遙感監(jiān)測模型就顯得更為重要和關(guān)鍵，而這類研究在國內(nèi)尚未見報道。

本研究選取具有長期研究基礎(chǔ)的渭-庫綠洲作為研究區(qū)，利用土壤水分模型(MPDI)和子像元分解模型(LSMM)提取出水分、植被和土壤信息，選擇更為適合干旱區(qū)稀疏植被條件下的環(huán)境因子(VF植被豐度、SWF土壤水分豐度和SF土壤豐度)建立不同二維特征空間下的土壤鹽漬化遙感監(jiān)測模型(VF-SF特征空間、VF-SWC特征空間和SF-SWC特征空間)，并在此基礎(chǔ)上構(gòu)建了三維特征空間下的土壤鹽漬化遙感監(jiān)測模型SVWSI和SDI，以期通過所建立的三維特征空間土壤鹽漬化遙感監(jiān)測模型實現(xiàn)對土壤鹽漬化信息、植被豐度信息和土壤水分信息的融合，為今后在干旱區(qū)范圍內(nèi)開展更為精確和定量的土壤鹽漬化監(jiān)測研究提供思路和借鑒。

1 研究區(qū)概述

渭干河-庫車河綠洲(簡稱渭-庫綠洲)位于新疆塔里木盆地北緣，研究區(qū)地理坐標范圍為：39°29′51″N—42°38′01″N，81°28′30″E—84°05′06″E。北鄰和靜縣，南至塔里木河，西接拜城縣，東鄰輪臺縣和尉犁縣，屬于渭干河-庫車河流域。地處塔克拉瑪干沙漠邊緣，屬暖溫帶大陸性干旱氣候，多年平均氣溫為10.5—11.4 ℃，年降水量為50.0—66.5 mm，年均蒸發(fā)量為2000—2092 mm，年均無霜期240 d。植被以鹽生植被為主，主要分布在渭庫綠洲外圍輕、中度鹽漬化區(qū)域，包括蘆葦(Phragimitesaustralis)、駱駝刺(Allhagisparisifolia)、檉柳(Tamarixramosissima)、鹽爪爪(kalidiumgracile)和花花柴(Karelinacaspica)等。

2 研究方法

2.1 數(shù)據(jù)源及預處理

本研究采用2001年8月1日、2006年6月22日、2006年7月22日、2006年9月24日、2006年10月10日、2007年7月25日獲取的Landsat TM、ETM+多光譜衛(wèi)星遙感數(shù)據(jù)，2006年7月和2007年7月獲取的土壤含鹽量、土壤含水量和植被覆蓋度等野外實測數(shù)據(jù)。其中遙感影像參照2001年渭-庫綠洲1∶1萬地形圖進行幾何精校正，RMS控制在半個像元之內(nèi)。然后運用6S模型對校正后的影像進行大氣校正[18]。

2.2 土壤鹽漬化過程響應(yīng)參數(shù)提取

干旱區(qū)綠洲土壤鹽分的變化容易受到3個因素的影響，分別是土壤水分因素、植被因素和鹽漬地因素。一方面，土壤鹽分的時空分布變化與水資源的循環(huán)過程有著極大關(guān)系，鹽隨水動，土壤鹽分易隨水分的變化而發(fā)生轉(zhuǎn)移。特別是在農(nóng)業(yè)區(qū)，土壤鹽分容易受灌溉因素的影響而產(chǎn)生淋溶作用而進入到地下水中。受地勢的影響，地勢高處的土壤鹽分易向地勢低處聚集，從而形成鹽漬地在綠洲內(nèi)部呈現(xiàn)斑塊狀分布，在綠洲外圍呈現(xiàn)片狀分布。另一方面，干旱區(qū)陸表植被的變化信息能夠較好的反映區(qū)域水鹽運移的變化特征和鹽漬化狀況。因而本研究針對研究區(qū)的鹽漬化信息、植被信息和土壤水分信息進行提取。

2.2.1 土壤鹽漬化和植被覆蓋信息提取

多年以來，國內(nèi)外學者研究遙感光譜成像機理，模擬光譜混合過程，提出了多種解決混合像元問題的方法與模型，如線性、概率、幾何光學和模糊模型。線性分解模型(LSMM)由于具有物理意義明確、理論基礎(chǔ)較好、建模簡單、操作簡便等優(yōu)勢而得到廣泛應(yīng)用。模型定義為：像元在某一光譜波段的反射率是由構(gòu)成像元的基本組分的反射率以及所占面積比例的權(quán)重系數(shù)的線性組合。本文利用LSMM模型[19]計算研究區(qū)的土壤鹽漬化豐度(SF)和植被豐度 (VF)。

2.2.2 土壤水分信息提取

采用Ghulam提出的修正垂直干旱指數(shù)(MPDI)反演研究區(qū)地表土壤水分信息[20]，模型表達式為：

(1)

式中Rv,Red，Rv,nir為紅光波段與近紅外波段植被反射率；FV為被覆蓋度；Rnir，RRed為近紅外與紅波段反射率；M為土壤線斜率。

2.2.3 鹽分指數(shù)(SI)

(2)

式中,SI為鹽分指數(shù)[21]；ρ1、ρ3為 Landsat-ETM+相應(yīng)波段反射率值。

2.2.4 土壤調(diào)整植被指數(shù)(TSAVI)[22]

(3)

式中,a、b為土壤背景線的斜率和截距；NIR、R為近紅外、紅光波段反射率。

2.3 多維特征空間與土壤鹽漬化遙感監(jiān)測模型

研究基于波譜分解技術(shù)基礎(chǔ)，利用鹽漬化土壤遙感監(jiān)測中3個關(guān)鍵指標(土壤鹽漬化光譜特征、植被覆蓋特征和土壤水分含量特征)解決以往傳統(tǒng)遙感監(jiān)測土壤鹽漬化的弊端—混合像元問題；在特征空間理論支持下構(gòu)建二、三維特征空間土壤鹽漬化遙感監(jiān)測模型，并利用實測數(shù)據(jù)驗證。

2.3.1 二維特征空間土壤鹽漬化遙感建模研究

為了進一步研究土壤鹽漬化和植被豐度之間的關(guān)系，依次選用2001年8月1日、2006年6月20日、7月22日、9月24日、10月10日、2007年7月25日共6期遙感圖像繪制了用鹽漬化豐度(SF)和植被豐度(VF)構(gòu)成的VF-SF特征空間(圖1)。為了研究土壤水分與植被豐度的關(guān)系，研究選擇上述6期遙感影像繪制出了用土壤水分(SWC)和植被豐度(VF)構(gòu)成的VF-SWC特征空間(圖1)。二者建立的散點圖形狀為三角形，其相關(guān)性為正相關(guān)。同樣研究選擇上述6期遙感影像，研究了鹽漬化豐度與土壤濕度間的關(guān)系，并繪制出了用鹽漬化豐度(SF)和土壤濕度(SWC)構(gòu)成的SF-SWC特征空間(圖1)。

圖1 基于二維特征空間的土壤鹽漬化監(jiān)測模型Fig.1 soil salinization model based on spectral feature space for two dimensions

通過上述建立的3個特征空間可以看出，研究所建立的散點圖的形狀均為三角形，其相關(guān)性除VF-SWC特征空間為正相關(guān)外，其余均呈現(xiàn)為負相關(guān)，在所構(gòu)成的特征空間中，不同的鹽漬化土壤均具有顯著規(guī)律。其中，紅色區(qū)域為重度或者極重度鹽漬化區(qū)域，藍色區(qū)域為中輕度鹽漬化區(qū)域，綠色區(qū)域主要為農(nóng)田種植區(qū)。研究以2006年7月和2007年7月為例，以均勻抽樣的方式定量地揭示了SF和VF、SWC和VF、SWC和SF之間的關(guān)系，從圖2中可以看出均存在著較好的線性或非線性定量關(guān)系。

圖3為VF-SF特征空間簡化示意圖，A、B分別表示的是干燥的裸土(SF大，VF小)和濕潤的裸土(SF和VF都小)，隨著地表覆蓋度的降低，像元級裸土面積逐漸增大，圖像色調(diào)逐漸變亮，土壤鹽漬化程度不斷提高，C點表示植被覆蓋度高，土壤鹽分含量低，土壤水分充沛， B—C表示土壤鹽分占有量較少，土壤水分充沛，植物生長不受鹽分脅迫影響低，植被覆蓋度高，土壤持水性較好，溫度較低，積鹽率相對較低，鹽分不易聚集于陸地表面的像元，被定義為“低鹽邊”。圖3中A、B、C代表了VF-SF特征空間的3種極端現(xiàn)象，在植被生長的不同時期，地表植被覆蓋狀況對應(yīng)的VF-SF都分布在ABC這個多邊形區(qū)域內(nèi)。

圖2 土壤鹽漬化響應(yīng)參數(shù)間定量關(guān)系Fig.2 Quantitatively relationship among VF, SWC and SF

圖3 土壤鹽漬化豐度和植被豐度構(gòu)成的三角形空間Fig.3 VF/SF feature space

圖4為VF-SWC特征空間簡化示意圖，A為植被覆蓋度的高區(qū)域，土壤水分充沛，土壤鹽分含量低，水熱組合為最優(yōu)狀態(tài)。B、C分別表示濕潤的地帶(VF小，SWC大)和干燥的裸土(VF小，SWC小)，A—B被定義為“低鹽邊”，臨近此邊的像元土壤水分充沛，土壤鹽分含量較少，植物生長受鹽分脅迫影響低，植被覆蓋度高，積鹽率相對來說較低，鹽分不易聚集于陸地表面。

圖4 植被豐度和土壤水分構(gòu)成的三角形空間Fig.4 VF/SWC feature space

圖5為SF-SWC特征空間簡化示意圖，如圖所示，在該特征空間中，可以選擇基于代表鹽漬化趨勢線的垂線來建立區(qū)分不同鹽漬化土壤的監(jiān)測指數(shù)，即在這些垂直方向上劃分SWC-SF特征空間，以此將不同程度鹽漬化土壤區(qū)進行區(qū)分，即:

(1) VSSI與SVSI模型構(gòu)建

由于土壤中的可溶性鹽分借助毛管上升至地表，因而從散點圖6中可以看出，離“低鹽邊”越近的像元，植被覆蓋度就越高，土壤鹽分占有量就越少，由此得出SWC-VF特征空間土壤鹽漬化監(jiān)測模型(SVSI)和VF-SF特征空間土壤鹽漬化監(jiān)測模型(VSSI)。

圖5 鹽漬化豐度和土壤水分構(gòu)成的特征空間Fig.5 SF/SWC feature space

(5)

SFmin=aVF+b

(6)

式中， SF為像元土壤鹽漬化豐度；VSSI為土壤鹽漬化遙感監(jiān)測指數(shù)； SFmin為 “低鹽邊”方程，a、b為低鹽邊擬合參數(shù)，VF為像元植被豐度，對應(yīng)一定VF值下的SF最低值。

圖6 VF-SF特征空間鹽漬化模型構(gòu)建示意圖Fig.6 The model of soil salinization in VF/SF feature space

(7)

SWCmin=cVF+d

(8)

公中，SVSI指土壤鹽漬化遙感監(jiān)測指數(shù)；SWC指像元濕度信息；VF指像元植被豐度；SWCmin指“低鹽邊”方程，對應(yīng)一定VF值下的SWC值最高；c、d為低鹽邊擬合參數(shù)。

(2) SSSI模型構(gòu)建

圖7為SWC-SF特征空間簡化示意圖，從任意一點到直線T的垂直距離能說明土壤鹽漬化狀況，即離直線T越遠的像元土壤鹽漬化現(xiàn)象就越嚴重，水分含量少，植被覆蓋度低，離直線T越近的像元土壤鹽漬化現(xiàn)象就越輕，土壤水分越充沛，植被覆蓋度高。在SWC-SF特征空間任意取一點D(SWC，SF)，根據(jù)從點到直線的距離方程，可以得到從D(SWC，SF)到直線T的距離為EF。

(9)

圖7 SWC-SF特征空間模型構(gòu)建示意圖Fig.7 The model of soil salinization in SF/SWC feature space

通常來說，最為接近T線的空間就是較濕潤分布區(qū)或者是水體，而遠離線T的則都是土壤鹽漬化狀況較為嚴重，土壤表層較為干旱區(qū)域。進而進一步建立基于SWC-SF特征空間土壤的鹽漬化遙感監(jiān)測的指數(shù)(SSSI)。

(10)

式中，SF為土壤鹽漬化的豐度；SSSI為土壤鹽漬化遙感監(jiān)測指數(shù)；e為土壤線斜率；SWC為像元土壤的水分信息。

2.3.2 基于三維特征空間的土壤鹽漬化遙感建模研究

研究利用不同的兩種方式來構(gòu)建三維的特征空間。一為嘗試利用研究中提取出來的土壤水分、鹽漬地信息和植被構(gòu)建三維特征空間，進而以特征空間散點走勢的規(guī)律為基礎(chǔ)構(gòu)建模型構(gòu)建。二為利用MNF變換之后的前3個波段在N維空間中的構(gòu)建模型，嘗試從數(shù)學的角度即波譜空間方法進行鹽漬化信息的提取和模型構(gòu)建。

(1) SVWSI模型構(gòu)建

在土壤、土壤鹽漬信息和植被構(gòu)建的三維特征空間中，散點集高端代表生態(tài)環(huán)境比較好的農(nóng)田種植區(qū)也就是“低鹽區(qū)”，為了要維持高效灌溉農(nóng)業(yè)的可持續(xù)發(fā)展，則必須要降低作物根區(qū)土壤的含鹽量到適宜作物的生長水平，而散點集低端則代表植被的覆蓋度低，土壤鹽分的含量比較高，土壤的含水量低的區(qū)域。在排水條件良好的情況下，農(nóng)業(yè)用地的土壤鹽分含量一般保持在較低水平，根據(jù)野外采樣點的實測數(shù)據(jù)統(tǒng)計分析可得知，土壤的表層0—10 cm鹽分的含量均值是0.2 g/kg，最大值是95%，均值是75%，平均土壤的含水量為15.3 g/kg，覆蓋度的最小值是55%。由于綠洲的農(nóng)產(chǎn)品種植和其他植被的覆蓋面積比較大，然而水域和鹽漬化區(qū)域的面積相對較小，因此散點集呈現(xiàn)兩頭尖，中間粗的形態(tài)。

基于此將定義研究區(qū)內(nèi)的像元到低鹽區(qū)的距離以來表征土壤的鹽漬化程度(圖8)。從而可得到三維特征空間的土壤鹽漬化遙感監(jiān)測的模型(Soil salinization fraction-Vegetation fraction-Water contents Soil Index, SVWSI)。下邊是對SVWSI模型的相關(guān)定義和計算方法：

可設(shè)低鹽分布區(qū)的平均三維光譜的信號為：

圖8 三維特征空間模型構(gòu)建示意圖Fig.8 The model of soil salinization in 3D space

(11)

計算它到低鹽區(qū)的距離是L，即：

(12)

即三維特征空間的土壤鹽漬化遙感監(jiān)測模型(SVWSI)為：

(13)

式中，x，y，z分別為空間任意一點的坐標；xr為土壤鹽漬化的豐度；yr為土壤水分；zr為植被的豐度。

(2)SDI模型構(gòu)建

MNF變換的結(jié)果使圖像信息量隨著波段數(shù)的增加而減少，一般來說前3個波段能比較完整的表達區(qū)域的特征信息，把前3個波段投影至MNF三維空間中進行相關(guān)分析，可發(fā)現(xiàn)特征空間中的地物端元的幾何空間位置較明確，農(nóng)田“純凈像元”成線狀分布(圖9)，而且土壤農(nóng)田鹽分的含量比較少，在此可假設(shè)成立一條“低鹽基準線”(AK)。距離線AK越近的像元土壤的鹽漬化程度就越低。即距“低鹽基準線”越遠的像元，土壤鹽漬化的程度就越高，而距“低鹽分基準線”越近的，土壤鹽漬化的程度越低。則可借助特征空間中的一點到線的距離函數(shù)來表達不同地物的土壤鹽漬化程度和線性組合方式，這種表達方式的轉(zhuǎn)變不僅考慮了混合像元中的線性(地物組合)還考慮非線性因素(臨邊效應(yīng))，同時也反映了土壤水分組合方式、鹽分及其變化特征。

圖9 “純凈”像元在MNF前三維空間里的分布Fig.9 Location of “pure pixels” in the 3D MNF space

不同的終端單元就有不同的幾何位置，同樣對于混合光譜的土壤鹽漬化的像元也就會隨著土壤的鹽漬化程度的不同有不一樣的幾何位置。由圖10分析可知，土壤鹽漬化的像元到“低鹽基準線”的距離可以表達不同程度的土壤鹽漬化信息，進一步得出土壤鹽漬化的距離指數(shù)(soil salinization distance index，SDI)。下邊是土壤鹽漬化相關(guān)定義和距離指數(shù)計算方法：

圖10 土壤鹽漬化過程表達Fig.10 Expression of soil salinization process

設(shè)“低鹽基準線”一端平均的三維光譜信號為：

Mv={xv,yv,zv} (14)

設(shè)“低鹽基準線”另一端的平均三維光譜信號為：

Mk={xk,yk,zk}(15)

“低鹽基準線”方程為：

(16)

設(shè)土壤鹽漬化的像元三維光譜信號為：

Ms={xs,ys,zs}

(17)

(18)

設(shè)完全土壤的鹽漬化像元終端的端元三維光譜信號為：

M0{x0,y0,z0}

(19)

同樣可計算它到“低鹽基準線”的距離為L0，即：

(20)

定義土壤的鹽漬化距離指數(shù)：

(21)

可使用以上方法進行SDI計算以及制圖，完全鹽漬化的區(qū)域值為1，非鹽漬化的區(qū)域則為接近于0，土壤鹽漬化的區(qū)域SDI值在0到1之間。因為遙感影像的信息被MNF變換壓縮至靠前波段，因此選取前三波段使用上述的方法進行計算，可得到SDI圖(圖11)。

圖11 土壤鹽漬化距離指數(shù)構(gòu)想示意圖 Fig.11 Distance for different Soil Salinization in 3D MNF space

3 結(jié)果與分析

3.1 土壤鹽漬化和植被豐度信息提取及其驗證

在本研究中，端元是從圖像中進行獲取，通過用最小噪聲分離(Minimum Noise Fraction，MNF)變化來進行數(shù)據(jù)降維和噪聲剔除，并將干凈的MNF影像進行像元純度計算(Pixel Purity Index，PPI)，通過多維散點圖確定終端端元。經(jīng)過反復比對和分析，最終確定植被、水體、灰色鹽殼和白色鹽殼四種地物為研究區(qū)基本端元，并將端元帶入到模型中求解，將結(jié)果中灰色鹽殼和白色鹽殼豐度信息合并為土壤鹽漬化豐度信息，并利用2006年7月和2007年7月實測數(shù)據(jù)及相關(guān)指數(shù)對土壤鹽漬化豐度和植被豐度進行精度對比驗證(表1和表2)。

表1 VF和TSAVI與實測土壤鹽分相關(guān)性分析

表2 SF和SI與實測土壤鹽分相關(guān)性分析

研究分別選取實測點植被覆蓋度數(shù)據(jù)對TSAVI和分解后的植被豐度(VF)進行相關(guān)性分析(表1)，選取實測點土壤含鹽量數(shù)據(jù)對SI和分解后的土壤鹽漬化豐度(SF)進行相關(guān)性分析(表2)。分析結(jié)果如表1和表2所示，研究區(qū)2006年VF和TSAVI與實測數(shù)據(jù)之間的相關(guān)性較高，決定系數(shù)分別為0.8574和0.8211，而2007年分別達到0.8462和0.8154。研究區(qū)2006年SF和SI與實測數(shù)據(jù)之間的決定系數(shù)分別為0.7105和0.6669，而2007年則分別達到0.7078和0.6592，這表明研究所采用的線性光譜分解方法，其所具有的定量化程度及信息提取精確較高，與其他方法相比具有一定的優(yōu)越性，能較好地反應(yīng)研究區(qū)內(nèi)植被和鹽漬化分布狀況。

3.2 土壤水分信息提取及其驗證

MPDI模型反演的土壤水分預測值分別與2006年7月和2007年7月獲取的土壤水分數(shù)據(jù)進行相關(guān)性分析，結(jié)果見表3?？梢钥吹?，土壤水分(0—10 cm)實測值和模型估測值的變化趨勢基本一致，決定系數(shù)分別達到了0.7512和0.7815。同時也表明，MPDI模型能夠反映地表覆蓋和水熱組合及其變化，具有明確的生物物理意義，可以作為反映干旱區(qū)土壤濕地狀況的監(jiān)測模型，具有操作性強，預測精度高和數(shù)據(jù)易獲取等優(yōu)勢。

表3 土壤水分預測值與實測數(shù)據(jù)相關(guān)性分析

3.3 土壤鹽漬化遙感監(jiān)測模型驗證

研究利用2006年7月和2007年7月獲取的實測土壤表層0—10 cm(A層)、10—30 cm(B層)、30—50 cm(C層)平均鹽分數(shù)據(jù)，分別與對應(yīng)采樣點圖像VSSI模型、SVSI模型、SSSI模型、SVWSI和SDI模型模擬值進行相關(guān)性分析，以測試遙感監(jiān)測模型精度(表4)。

表4 模型預測值與土壤鹽分實測數(shù)據(jù)相關(guān)性分析

5種土壤鹽漬化監(jiān)測模型能夠較好的指示地表A層(0—10 cm)土壤鹽漬化程度，反演精度較高。其中SDI模型和SVWSI模型對表層土壤鹽分含量較為敏感，其他模型次之。對于B層(10—30 cm)和C層(30—50 cm)，5種土壤鹽漬化遙感監(jiān)測模型效果總體上低于A層，C層土壤鹽分相關(guān)性要高于B層，相關(guān)性最低的為B層。

導致產(chǎn)生以上結(jié)果的原因可能是： (1)遙感圖像的光譜特征反應(yīng)土壤表層信息比底層更為敏感，致使其相關(guān)性高于底層土壤鹽分；(2)干旱區(qū)的土壤鹽分剖面類型多為表聚型，土層0—10 cm的土壤鹽分含量較高，而其他土壤層含鹽量明顯低于該層，鹽分的落差較大。此外，由于研究區(qū)位于極端干旱區(qū)，而本研究野外的采樣時間為7月中下旬，該月份的降水量較干季有所增加，研究區(qū)的鹽漬土受降水因素的影響而被淋洗，導致土壤表層積聚的鹽分隨雨水下滲，這使得研究區(qū)表層土壤鹽漬化程度有所減輕的同時，也造成了研究區(qū)土壤鹽分過渡層(B層)的土壤鹽分含量變化劇烈且不穩(wěn)定，因而與表層的土壤鹽分相比，其特征差異較大；(3)同樣是由于降水的原因，雖然7月份研究區(qū)的降水次數(shù)較干季更為頻繁，但單次降水量依舊較少，其降水量不足以使得表層土壤鹽分向更深層的土壤中(C層)下移，因而C層土壤鹽分含量較其它層相對穩(wěn)定。

4 結(jié)論

(1) 本研究深入探討了光譜混合分析方法在Landsat-TM、ETM+多光譜遙感數(shù)據(jù)上的應(yīng)用，其中包括光譜混合分析模型的選擇、最優(yōu)端元組分類型與取值的確定。研究對光譜混合分析結(jié)果(土壤鹽漬化豐度和植被豐度)進行精度評價，并經(jīng)過實測數(shù)據(jù)驗證，結(jié)果表明，應(yīng)用混合像元分解模型求解得到的研究區(qū)地物豐度信息，能夠很好地解決遙感圖像像元精度的限制。所得到的鹽漬化豐度和植被豐度精度較其他信息獲取方式比較而言有所提升，且能夠很好得直接或者間接揭示研究內(nèi)鹽漬化狀況。

(2) 研究選取適用于干旱區(qū)的土壤水分模型(MPDI)反演研究區(qū)地表土壤水分，經(jīng)過實測數(shù)據(jù)驗證。結(jié)果顯示，0—10 cm土壤水分實測數(shù)據(jù)和模型預測值具有較好的相關(guān)性。表明MPDI能夠反映地表覆蓋和水熱組合及其變化，將其作為反映干旱區(qū)土壤濕地狀況的監(jiān)測模型具有操作性強，預測精度高和數(shù)據(jù)易獲取等優(yōu)勢。

(3) 研究借助特征空間理論，結(jié)合遙感圖像分析及野外考察，發(fā)現(xiàn)由土壤鹽漬化豐度、植被豐度和土壤水分三者兩兩之間所構(gòu)建VSSI、SVSI、和SSSI土壤鹽漬化遙感監(jiān)測模型能夠較好地反演地表(0—10 cm)土壤鹽漬化程度，且反演精度較高。其中SVSI模型對表層土壤鹽分含量較為敏感，VSSI模型和SSSI模型次之。

(4) 本文深入挖掘多維遙感信息，同時考慮土壤鹽漬化過程中多重響應(yīng)參量，在三維特征空間下構(gòu)建了SVWSI和SDI土壤鹽漬化遙感監(jiān)測模型，通過試驗對比與分析，SVWSI和SDI模型對不同程度鹽漬化土壤敏感性要高于VSSI、SVSI、和SSSI，兩個模型與表層土壤鹽分之間的決定系數(shù)分別達到0.8325和0.8646。

本研究通過融合土壤鹽漬化信息、植被豐度信息和土壤水分信息，借助多維特征空間相關(guān)理論，以水鹽多角度混合約束的建模思路為指導，構(gòu)建了不同維數(shù)的土壤鹽漬化遙感信息定量反演模型。所建立的模型具有明確的生物物理意義，且指標簡單、容易獲取、有利于土壤鹽漬化的定量分析與監(jiān)測，對于今后干旱區(qū)鹽漬地信息的提取和動態(tài)監(jiān)測研究具有重要的參照價值。

[1] Wang Y G, Xiao D N, Li Y, Li X Y. Response of salt accumulation in soil to groundwater changes at the oasis in the lower reaches of Sangong River, Xinjiang. Acta Ecologica Sinica, 2007, 27(10): 4036- 1263.

[2] Acosta J A, Jansen B, Kalbitz K, Faz A, Martinez S. Salinity increases mobility of heavy metals in soils. Chemosphere, 2011, 85(8): 1318- 1324.

[3] Aldakheel Y Y. Assessing NDVI spatial pattern as related to irrigation and soil salinity management in Al-Hassa Oasis, Saudi Arabia. Journal of the Indian Society of Remote Sensing, 2011, 39(2): 171- 180.

[4] Muyen Z, Moore G A, Wrigley R J. Soil salinity and sodicity effects of wastewater irrigation in South East Australia. Agricultural Water Management, 2011, 99(1): 33- 41.

[5] Gao T T, Ding J L, Ha X P, Zhang F, Wang F. The spatial variability of salt content based on river basin scale a case study of the delta oasis in Weriga - Kuqa watershed. Acta Ecologica Sinica, 2010, 30(10): 2695- 2705.

[6] Wang Y G, Xiao D N, Li Y. Spatial heterogeneity of soil salinity in oasis at catchment scale. Acta Ecologica Sinica, 2007, 27(12): 5262- 5270.

[7] Ding J L, Wu M C, Tiyip T. Study on soil salinization information in arid region using remote sensing technique. Agriculture Sciences in China, 2011, 10(3): 404- 411.

[8] Hanson B, Hopmans J W, Simunek J. Leaching with subsurface drip irrigation under saline, shallow groundwater conditions. Vadose Zone Journal, 2008, 7(2): 810- 810.

[9] Rao B R M, Ravisankar T, Dwivedi R S, Das S N, Dwivedi R S, Thammappa S S, Venkataratnam L. Spectral behaviour of sa1t-aflfected soils. International Journal of Remote Sensing, 1995, 16(12): 2125- 2l36.

[10] Letey J, Hoffman G J, Hopmans J W, Grattan S R, Suarez D, Corwin D L, Oster J D, Wu L, Amrhein C. Evaluation of soil salinity leaching requirement guidelines. Agricultural Water Management, 2011, 98(4): 502- 506.

[11] Zhang R Q, Song N P, Wang X N, Cai S M. Visual analysis of saline soil spatial-temporal variation using Geo-information TuPu. Transaction of the Chinese Society of Agricultural Engineering, 2012, 28(9): 230- 235.

[12] Fu Q H, Ni S X, Wang S X, Zhu Y. Retrieval of soil salt content based on remote sensing. Transaction of the Chinese Society of Agricultural Engineering, 2007, 32(1): 97- 101.

[13] Wu Y K, Yang J S, Liu G M. Spatial variability of soil salinity using data from remote sensing and electromagnetic induction instruments. Transaction of the Chinese Society of Agricultural Engineering, 2009, 25(7): 148- 152.

[14] Ha X P, Ding J L, Tiyip T, Gao T T, Zhang F. SI-Albedo space-based remote sensing synthesis index models for monitoring of soil salinization. Acta Pedologica Sinica, 2009, 46(4): 698- 703.

[15] Ha X P, Ding J L, Tiyip T, Luo J Y, Zhang F. SI-Albedo space-based extraction of salinization in arid area. Acta Pedologica Sinica, 2009, 46(3): 381- 390.

[16] Wang F, Ding J L, Wu M C. Remote sensing monitoring models of soil salinization based on NDVI-SI feature space. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(8): 168- 173.

[17] Ding J L, Qu J, Sun Y M, Zhang Y F. The retrieval model of soil salinization information in arid region based on MSAVI-WI feature space: A case study of the delta oasis in Weigan-Kuqa watershed. Geographical Research, 2013, 32(2): 223- 232.

[18] Ghulam A, Qin Q M, Zhu L J. 6S Model based atmospheric correction of visible and near-infrared data and sensitivity analysis. Acta Scientiarum Naturalium Universitatis Pekinensis, 2004, 40(4): 611- 618.

[19] Wu C S. Normalized spectral mixture analysis for monitoring urban composition using ETM+imagery. Remote Sensing of Environment, 2004, 93(4): 480- 492.

[20] Ghulam A, Qin Q M, Teyip T, Li Z L. Modified perpendicular drought index (MPDI): a real-time drought monitoring method. ISPRS Journal of Photogrammetry and Remote Sensing, 2007, 62(2): 150- 164.

參考文獻:

[1] 王玉剛, 肖篤寧, 李彥, 李小玉. 新疆三工河流域尾閭綠洲地下水變化與土壤積鹽的響應(yīng). 生態(tài)學報, 2007, 27(10): 4036- 1263.

[5] 高婷婷, 丁建麗, 哈學萍, 張飛, 王飛. 基于流域尺度的土壤鹽分空間變異特征——以渭干河-庫車河流域三角洲綠洲為例. 生態(tài)學報, 2010, 30(10): 2695- 2705.

[6] 王玉剛, 肖篤寧, 李彥. 流域尺度綠洲土壤鹽分的空間異質(zhì)性. 生態(tài)學報, 2007, 27(12): 5262- 5270.

[11] 張榮群, 宋乃平, 王秀妮, 蔡思敏. 鹽漬土時空變化信息的圖譜可視化分析. 農(nóng)業(yè)工程學報, 2012, 28(9): 230- 235.

[12] 扶卿華, 倪紹詳, 王世新, 周藝. 土壤鹽分含量的遙感反演研究. 農(nóng)業(yè)工程學報, 2007, 32(1): 97- 101.

[13] 吳亞坤, 楊勁松, 劉廣明. 基于遙感與電磁感應(yīng)儀數(shù)據(jù)的土壤鹽分空間變異性. 農(nóng)業(yè)工程學報, 2009, 25(7): 148- 152.

[14] 哈學萍, 丁建麗, 塔西甫拉提·特依拜, 高婷婷, 張飛. 基于SI-Albedo特征空間的土壤鹽漬化遙感監(jiān)測指數(shù)研究. 土壤學報, 2009, 46(4): 698- 703.

[15] 哈學萍, 丁建麗, 塔西甫拉提·特依拜, 羅江燕, 張飛. 基于SI-Albedo特征空間的干旱區(qū)鹽漬化土壤信息提取研究——以克里雅河流域綠洲為例. 土壤學報, 2009, 46(3): 381- 390.

[16] 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. 農(nóng)業(yè)工程學報, 2010, 26(8): 168- 173.

[17] 丁建麗, 瞿娟, 孫永猛, 張永福. 基于MSAVI-WI特征空間的新疆渭干河-庫車河流域綠洲土壤鹽漬化研究. 地理研究, 2013, 32(2): 223- 232.

[18] 阿布都瓦斯提·吾拉木, 秦其明, 朱黎江. 基于6S模型的可見光、近紅外遙感數(shù)據(jù)的大氣校正. 北京大學學報: 自然科學版, 2004, 40(4): 611- 618.

Detecting soil salinization in arid regions using spectral feature space derived from remote sensing data

DING Jianli*，YAO Yuan，WANG Fei

CollegeofResourceandEnvironmentalScience,XinjiangUniversity,KeyLaboratoryforOasisEcology,XinjiangUniversity,Urumqi830046,China

Soil salinization, especially secondary soil salinization caused by irrigation activities is one of the primary ecological and environmental concerns in the arid and semi-arid regions of China. A critical research question is to quickly and accurately monitor soil salinization in arid and semi-arid regions so that prevention strategies can be developed quickly and deployed efficiently. Traditional techniques based on field soil sampling and laboratory experiments, though could be rather accurate for the sampling sites and their immediate vicinity, can hardly produce real-time evaluation. Monitoring soil salinization using remotely sensed imageries, however, starts to attract scholarly attention during the past decades due to the almost real-time information collection, vast geographic coverage, and rich information contained in the remotely sensed imageries. The current study is an attempt to employ remote sensing technique to monitor soil salinization in the arid/semi-arid Weigan-Kuqa Delta Oasis region in Xinjiang, Western China. Data are collected from Landsat-TM and Landsat-ETM+ multiple-spectral remote sensing imageries. Field soil samples at the 0—10 cm depth are obtained for validation purposes as well. The study intends to establish a statistical relationship between the degrees of soil salinization and surface biophysical reflective characteristics that are captured by the remote sensing imageries. Spectral un-mixing analysis of the multispectral imageries produces three groups of commonly used spectral information for soil salinization monitor and evaluation, i. e., individual spectra that are sensitive to soil salinization, that can be used to derive vegetation cover, and that can be used to derive soil moisture contents. The study then combines these groups of information establish three two-dimensional and two three-dimensional soil salinization monitoring indices. The three two dimensional indices include: Vegetation fraction and Soil Index(VSSI), Soil water contents and Vegetation fraction Soil Index(SVSI) and Soil water contents and Soil salinization fraction Soil Index(SSSI). The two three-dimensional soil salinization monitoring indices include: Soil salinization fraction-vegetation fraction-Water contents Soil Index(SVWSI) and Soil Distance Index(SDI). Statistical analyses using these obtained two dimensional and three dimensional indices with field soil sample data are conducted as well. The result suggests that all the indices are able to provide sufficient monitoring and evaluating performance of the severity of soil salinization in our designated study region. Three dimensional indices, however, tend to be more sensitive to soil salinization than the two dimensional indices. In particular, SVWSI and SDI are highly correlated with soil salt contents at the 0—10 cm depth, with correlation coefficients ofR2=0.8325 andR2=0.8646, respectively. The result suggests that higher dimensional indices derived from remote sensing imageries might provide more accurate soil salinization monitoring measurements than lower dimensional indices due to enriched information structure. Since obtaining spectral information from remote sensing imageries is relatively straightforward and is often either real-time of near real-time, our suggests that rich information that can be derived from remotely sensed imageries shall be of invaluable importance to provide real-time and accurate evaluation and monitor for soil salinization monitoring and evaluation might provide timely strategies that can mitigate or even prevent further soil salinization in arid and semi-arid regions.

feature space; remote sensing; soil salinization; Weigan-Kuqa river delta oasis

新疆維吾爾自治區(qū)青年科技創(chuàng)新人才培養(yǎng)工程(2013711014)；國家自然科學基金項目(U1303381,41261090, 41130531); 教育部新世紀優(yōu)秀人才支持計劃(NCET- 12- 1075); 霍英東青年教師基金項目(121018)

2012- 12- 29; 網(wǎng)絡(luò)出版日期:2014- 03- 19

10.5846/stxb201212291895

*通訊作者Corresponding author.E-mail: ding_jl@163.com

丁建麗，姚遠，王飛.干旱區(qū)土壤鹽漬化特征空間建模.生態(tài)學報,2014,34(16):4620- 4631.

Ding J L，Yao Y，Wang F.Detecting soil salinization in arid regions using spectral feature space derived from remote sensing data.Acta Ecologica Sinica,2014,34(16):4620- 4631.