關(guān)紅， 賈科利,2， 張至楠， 馬欣

(1.寧夏大學(xué)資源環(huán)境學(xué)院，銀川 750021；2.寧夏沙漠信息智能感知重點(diǎn)實(shí)驗(yàn)室，銀川 750021)

鹽漬化土壤光譜特征分析與建模

關(guān)紅1， 賈科利1,2， 張至楠1， 馬欣1

(1.寧夏大學(xué)資源環(huán)境學(xué)院，銀川 750021；2.寧夏沙漠信息智能感知重點(diǎn)實(shí)驗(yàn)室，銀川 750021)

為建立土壤鹽漬化遙感監(jiān)測模型，選取寧夏回族自治區(qū)平羅縣典型土壤鹽漬化發(fā)生區(qū)域作為研究區(qū)，以野外原位光譜測量數(shù)據(jù)和實(shí)驗(yàn)室內(nèi)測得的土壤含鹽量與pH值數(shù)據(jù)為基礎(chǔ)，進(jìn)行高光譜數(shù)據(jù)處理，分析不同鹽漬化程度土壤的光譜特征；對實(shí)測土壤光譜反射率進(jìn)行倒數(shù)、對數(shù)、均方根及其一階微分等光譜變換，計算高光譜指數(shù)；與土壤樣本含鹽量進(jìn)行相關(guān)性分析，篩選鹽漬化土壤的光譜特征波段，利用多元線性回歸分析建立土壤鹽漬化監(jiān)測模型。研究結(jié)果表明：以倒數(shù)一階微分變換后的940 nm和1 094 nm波段作為特征波段構(gòu)建的土壤鹽漬化遙感監(jiān)測模型最優(yōu)。

光譜特征波段；土壤鹽漬化；定量模型

0 引言

土壤鹽漬化和灌溉引起的次生鹽漬化問題是制約干旱、半干旱地區(qū)農(nóng)業(yè)發(fā)展的主要因素之一，也是影響綠洲農(nóng)業(yè)生態(tài)環(huán)境穩(wěn)定性的重要因素[1]。遙感技術(shù)能宏觀、快速提取地表時空信息，已成為動態(tài)監(jiān)測土壤鹽漬化的新方法[2]。Clark等[3]首次使用光譜反射率定量研究地物特征，從物理原理上對地物光譜反射率進(jìn)行了詳細(xì)研究。孫毅等[4]利用 RS-Ⅱ型4通道野外光譜儀采集土壤光譜數(shù)據(jù)，對Landsat TM1—4多波段反射率數(shù)據(jù)與土壤含鹽量進(jìn)行分析，發(fā)現(xiàn)兩者呈現(xiàn)良好的正比關(guān)系，進(jìn)而得到利用多波段反射率數(shù)據(jù)估算土壤含鹽量的一元線性回歸方程。鹽漬化土壤的光譜反射特征是由土壤理化性質(zhì)決定的，傳統(tǒng)遙感數(shù)據(jù)并不能完全反映土壤的光譜特征，而高光譜數(shù)據(jù)能夠提供鹽漬化土壤細(xì)微的光譜特征，實(shí)現(xiàn)高精度、大面積鹽漬化土壤的監(jiān)測[5-9]。張芳等[10]利用實(shí)測反射率和影像反射率值對土壤堿化進(jìn)行了預(yù)測對比，結(jié)果表明，以實(shí)測反射率值為基礎(chǔ)數(shù)據(jù)構(gòu)建的模型對pH值的預(yù)測精度較高。姚遠(yuǎn)等[11]則以電磁感應(yīng)儀(EM38)測得的數(shù)據(jù)和高光譜數(shù)據(jù)構(gòu)建了區(qū)域土壤鹽漬化遙感監(jiān)測模型。目前，利用實(shí)測光譜數(shù)據(jù)、結(jié)合土壤化學(xué)成分、對土壤鹽分含量進(jìn)行反演并建立預(yù)測模型，已成為土壤鹽漬化研究的熱點(diǎn)問題。

本文以寧夏平羅縣典型的土壤鹽漬化發(fā)生區(qū)域作為研究區(qū)，利用便攜式光譜儀采集鹽漬化土壤樣本的光譜反射率，結(jié)合實(shí)驗(yàn)室內(nèi)測得的土壤含鹽量和pH值數(shù)據(jù)，分析不同鹽漬化程度土壤的光譜特征；對土壤光譜反射率進(jìn)行多種數(shù)學(xué)變換，計算高光譜指數(shù)；通過與土壤樣本含鹽量的相關(guān)性分析，篩選鹽漬化土壤特征波段；運(yùn)用統(tǒng)計學(xué)方法對特征波段和土壤含鹽量進(jìn)行多元線性回歸，建立土壤光譜信息和土壤鹽漬化信息之間的估測模型，為大尺度定量監(jiān)測土壤鹽漬化提供科學(xué)依據(jù)。

1 研究區(qū)概況

研究區(qū)地處寧夏回族自治區(qū)平羅縣西大灘，中心坐標(biāo)為E 106°24′20″， N 38°50′28″。該區(qū)位于賀蘭山東麓洪積扇和平原之間，地形為一碟形洼地，向北傾斜。多年平均降水量為176.5 mm，多年平均蒸發(fā)量為1 755.1 mm，蒸降比約為10∶1。土壤類型以龜裂堿土(俗稱白僵土)為主，是荒漠地區(qū)土壤經(jīng)過脫鹽和水蝕等作用而形成的堿化土；土壤理化性較差，具有特殊的外部景觀和剖面形態(tài)，一般不生長高等植物，多為低產(chǎn)田和撂荒地。自然植被主要是荒漠植被，種類少，生產(chǎn)力低。

2 研究方法

2.1 數(shù)據(jù)采集與處理

土壤表層光譜取樣的時間為2013年9月，在天氣晴朗、無風(fēng)無云的日子，10:00—14:00之間進(jìn)行測定。使用美國Unispec-SC便攜式光譜儀采集表層土壤的光譜數(shù)據(jù)，光譜儀的工作波段為310～1 130 nm。隨機(jī)選取不同鹽漬化程度的龜裂堿土，共采集42個樣本。在每一個采樣點(diǎn)重復(fù)測量3次，取其平均值作為該點(diǎn)的光譜反射率值。測量時光譜儀探頭設(shè)置在距地面0.15 m處，使儀器視場角減小，以減少地面背景及其他地物對土壤光譜的影響。光譜儀探頭垂直向下，每次觀測前進(jìn)行標(biāo)準(zhǔn)白板校正。

在測定土壤光譜的同時采集距地面0～20 cm的土壤樣品，帶回實(shí)驗(yàn)室，經(jīng)自然風(fēng)干和剔除植被殘渣、石塊等雜質(zhì)后，用電導(dǎo)儀測定土壤樣品電導(dǎo)率和土壤pH值，建立可溶性全鹽含量與電導(dǎo)率的線性關(guān)系，計算土壤含鹽量[12]。參考王遵親[13]等土壤鹽漬化分級方法，將采樣點(diǎn)的土壤分為非鹽漬化土、輕度鹽漬化土、中度鹽漬化土和重度鹽漬化土。

2.2 數(shù)據(jù)分析

2.2.1 光譜數(shù)據(jù)分析

采用Savitzky-Golay[14]濾波(基于最小二乘擬合的多項式低通平滑濾波)對土壤光譜曲線進(jìn)行平滑去噪處理。為更好地分析光譜數(shù)據(jù)與土壤含鹽量之間的相關(guān)關(guān)系，對土壤光譜反射率分別進(jìn)行倒數(shù)、對數(shù)、對數(shù)倒數(shù)和均方根等數(shù)學(xué)變換，然后再進(jìn)行一階、二階微分變換以消除基線漂移或平滑背景的干擾。一階、二階微分方程分別為

(1)

(2)

將反射率、反射率一階微分變換、反射率二階微分變換、倒數(shù)變換、倒數(shù)一階微分變換、對數(shù)變換、對數(shù)一階微分變換、對數(shù)倒數(shù)變換、對數(shù)倒數(shù)一階微分變換、均方根變換和均方根一階微分變換等11種數(shù)學(xué)變換的結(jié)果作為土壤的高光譜指數(shù)。

2.2.2 相關(guān)性分析

通過逐波段計算土壤的高光譜指數(shù)與土壤含鹽量的相關(guān)系數(shù)，篩選出土壤含鹽量的特征波段，即

(3)

3 結(jié)果與分析

3.1 鹽漬化土壤光譜特征分析

3.1.1 原始光譜特征分析

由圖1可以看出，非鹽漬化土、輕度鹽漬化土、中度鹽漬化土和重度鹽漬化土的光譜曲線在形態(tài)上趨于一致，沒有明顯的波峰和波谷。在可見光波段，不同鹽漬化土壤的光譜曲線并不呈現(xiàn)規(guī)律性變化，土壤光譜反射率并不隨著土壤含鹽量增加而逐漸增大。

圖1 不同鹽漬化程度土壤光譜反射率曲線Fig.1 Spectrum curves of soil with different

研究區(qū)主要為龜裂堿土，實(shí)驗(yàn)室測得土壤pH平均值為8.9，堿度較高。土壤含鹽量較低的鹽漬化土土壤pH值可能較大，因而直接導(dǎo)致不同程度鹽漬化土壤的光譜特征曲線呈現(xiàn)不規(guī)律的變化。

3.1.2 紅邊光譜特征分析

由圖2可以看出，在紅邊范圍(680～760 nm)內(nèi)，紅邊一階微分光譜由主峰和次峰組成，其中主峰集中在690 nm附近，次峰集中在720 nm附近。隨著鹽漬化程度的增加，紅邊位置(即一階微分最大值對應(yīng)的波長)逐漸右移；紅邊的幅值(一階微分最大值)逐漸下降；紅邊峰值面積(680～760 nm之間的一階微分光譜包圍的面積)逐漸減少。

圖2 不同鹽漬化程度土壤光譜反射率一階微分曲線Fig.2 First derivative curves of spectrum with

3.2 最佳波段選擇與分析

計算土壤的11種高光譜指數(shù)與土壤含鹽量的相關(guān)系數(shù)，在不同波段上變化差異較大(圖3)。

(a) 反射率、一階和二階微分 (b) 倒數(shù)、對數(shù)及其一階微分(c) 倒數(shù)對數(shù)、均方根及其一階微分

圖3 土壤含鹽量和光譜指數(shù)的相關(guān)系數(shù)

Fig.3 Correlation coefficients between soil salinity and spectral indices

由圖3可以看出，所有類型的光譜反射率和光譜指數(shù)進(jìn)行微分變換后，其與土壤含鹽量的相關(guān)性要明顯高于原始反射率和光譜指數(shù)，既有明顯正相關(guān)關(guān)系，又有負(fù)相關(guān)關(guān)系，在顯著水平上均通過顯著性檢驗(yàn)。這表明單一波段不能反映土壤含鹽量；經(jīng)過微分變換后，放大了某些在原始光譜數(shù)據(jù)中細(xì)微的信息，因此微分變換后的波段與土壤含鹽量高度相關(guān)，據(jù)此可以篩選能夠提取土壤含鹽量的特征光譜波段。確定相關(guān)系數(shù)峰值對應(yīng)的波段即為不同變換形式土壤含鹽量的特征波段(表1)。

表1 光譜反射率及其變換形式與土壤含鹽量敏感波段Tab.1 Correlation coefficients of different spectral transformations and soil salinity sensitive bands

3.3 土壤含鹽量光譜建模

根據(jù)相關(guān)分析的結(jié)果得到土壤光譜指標(biāo)的特征波段，并基于此建立相應(yīng)的土壤含鹽量的光譜模型。從采集的42個土壤樣本中隨機(jī)選取30個樣本構(gòu)建土壤含鹽量的光譜模型，以特征波段作為自變量，實(shí)測的土壤含鹽量作為因變量，在保證相關(guān)系數(shù)r盡可能大的提前下，進(jìn)行多元線性回歸，建立土壤含鹽量反演模型(表2)。

表2 不同自變量回歸模型Tab.2 Prediction models based on different characteristic bands

①R為回歸系數(shù)；②F為線性回歸方程的顯著性檢驗(yàn)統(tǒng)計量；③RMSE為均方根誤差；④在0.01水平上顯著相關(guān)(n=30)。

結(jié)果表明，土壤含鹽量與光譜指數(shù)的特征波段呈現(xiàn)良好的線性關(guān)系，除了以反射率波段建立的模型外，其他模型均通過了0.05顯著性檢驗(yàn)。根據(jù)回歸系數(shù)R和線性回歸方程顯著性檢驗(yàn)統(tǒng)計量F最大、均方根誤差最小的原則，土壤含鹽量倒數(shù)一階微分模型的效果最好，因此采用該模型來反演土壤含鹽量，進(jìn)行研究區(qū)鹽漬化土壤信息提取。

3.4 模型驗(yàn)證

模型的驗(yàn)證主要考慮穩(wěn)定性和預(yù)測能力。由表2可以看出，倒數(shù)一階微分模型的穩(wěn)定性最好。以未參與建模的12個土壤樣本單元為準(zhǔn)真值，對反演模型的預(yù)測能力進(jìn)行檢驗(yàn)。從模型的預(yù)測值和真實(shí)值的散點(diǎn)分布圖(圖4)可以看出，建模樣本基本上聚集在對角線附近，樣本相關(guān)系數(shù)R2=0.806 8，除了個別異常點(diǎn)，預(yù)測值和實(shí)測值的一致性較好。因此，本文建立的土壤鹽漬化遙感監(jiān)測模型是有效的，并且通過了檢驗(yàn)，在一定程度上可以用來預(yù)測土壤含鹽量。

圖4 模型預(yù)測值與實(shí)測值散點(diǎn)分布圖Fig.4 Scatter diagram of measured values and predicted values with the model

4 結(jié)論與建議

4.1 結(jié)論

1)不同鹽漬化程度的土壤光譜特征曲線在形態(tài)上基本趨于一致；在可見光波段，不同鹽漬化程度土壤的反射率并不呈現(xiàn)規(guī)律性變化。

2)對實(shí)測的土壤光譜數(shù)據(jù)采用倒數(shù)等11種數(shù)學(xué)變換，并與土壤含鹽量進(jìn)行相關(guān)性分析，得出倒數(shù)一階微分變換的反射率與土壤含鹽量相關(guān)性最高，在940 nm和1 094 nm處相關(guān)系數(shù)最大。

3)以篩選出的特征波段為自變量與土壤含鹽量進(jìn)行線性回歸，構(gòu)建土壤鹽分動態(tài)監(jiān)測模型，結(jié)果表明預(yù)測值與實(shí)測土壤含鹽量的相關(guān)系數(shù)較高。尤其是反射率倒數(shù)一階微分模型，相關(guān)系數(shù)為0.81，土壤鹽漬化遙感監(jiān)測模型的預(yù)測效果較好。

4.2 建議

本文模型基于地面實(shí)測土壤光譜數(shù)據(jù)，很難在空間尺度上與傳統(tǒng)的多光譜圖像(尤其是廣泛使用的TM圖像)結(jié)合。建議下一步的研究重點(diǎn)要考慮以上因素，擴(kuò)大模型的使用范圍，實(shí)現(xiàn)大尺度、高精度的土壤鹽漬化信息提取。

志謝：感謝寧夏氣象局張學(xué)藝?yán)蠋熢诠庾V測定工作中的指導(dǎo)！

[1] 中國土壤學(xué)會.中國土壤學(xué)在前進(jìn)[M].北京:中國農(nóng)業(yè)科技出版社,1995. Soil Science Society of China.Chinese Soil Science in Advance[M].Beijing:China of Agricultural Science and Technology Press,1995.

[2] 李新國,李和平,任云霄,等.開都河流域下游綠洲土壤鹽漬化特征及其光譜分析[J].土壤通報,2012,43(1):166-170. Li X G,Li H P,Ren Y X,et al.Analysis on the characteristics of the oasis soil salinization and soil spectrum in the lower reaches of Kaidu River Basin,Xinjiang[J].Chinese Journal of Soil Science,2012,43(1):166-170.

[3] Clark R N,Roush T L.Reflectance spectroscopy:Quantitative analysis techniques for remote sensing application[J].Journal of Geographical Research,1984,89(7):6329-6340.

[4] 孫毅,林培.鹽漬土土壤光譜反射率與表土含鹽量關(guān)系[J].陜西農(nóng)業(yè)科學(xué),1991(3):19-20. Sun Y,Lin P.The soil spectrum and the soil salinization[J].Shaanxi Journal of Agricultural Sciences,1991(3):19-20.

[5] Sandholt I,Rasmussen K,Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment,2001,79(2/3):213-224.

[6] 丁建麗,瞿娟,孫永猛,等.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[J].地理研究,2013,32(2):223-232. Ding J L,Qu J,Sun Y M,et al.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[J].Geographical Research,2013,32(2):223-232.

[7] 張成雯,唐家奎,于新菊,等.黃河三角洲土壤含鹽量定量遙感反演[J].中國科學(xué)院研究生院學(xué)報,2013,30(2):220-227. Zhang C W,Tang J K,Yu X J,et al.Quantitative retrieval of soil salt content based on remote sensing in the Yellow River delta[J].Journal of Graduate University of Chinese Academy of Sciences,2013,30(2):220-227.

[8] 丁建麗,伍漫春,劉海霞,等.基于綜合高光譜指數(shù)的區(qū)域土壤鹽漬化監(jiān)測研究[J].光譜學(xué)與光譜分析,2012,32(7):1918-1922. Ding J L,Wu M C,Liu H X,et al.Study on the soil salinization monitoring based on synthetical hyperspectral index[J].Spectroscopy and Spectral Analysis,2012,32(7):1918-1922.

[9] 李曉松,李增元,高志海,等.基于NDVI與偏最小二乘回歸的荒漠化地區(qū)植被覆蓋度高光譜遙感估測[J].中國沙漠,2011,31(1):162-167. Li X S,Li Z Y,Gao Z H,et al.Estimation of vegetation cover in desertified regions from hyperion imageries using NDVI and partial least squares regression[J].Journal of Desert Research,2011,31(1):162-167.

[10]張芳,熊黑鋼,欒福明,等.土壤堿化的實(shí)測光譜響應(yīng)特征[J].紅外與毫米波學(xué)報,2011,30(1):55-60. Zhang F,Xiong H G,Luan F M,et al.Characteristics of field-measured spectral response to alkalinization soil[J].Journal of Infrared and Millimeter Waves,2011,30(1):55-60.

[11]姚遠(yuǎn),丁建麗,張芳,等.基于高光譜指數(shù)和電磁感應(yīng)技術(shù)的區(qū)域土壤鹽漬化監(jiān)測模型[J].光譜學(xué)與光譜分析,2013,33(6):1658-1664. Yao Y,Ding J L,Zhang F,et al.Research on model of soil salinization monitoring based on hyperspectral index and EM38[J].Spectroscopy and Spectral Analysis,2013,33(6):1658-1664.

[12]王艷,王正祥,廉曉娟,等.天津?yàn)I海地區(qū)土壤電導(dǎo)率的測定及其與含鹽量的關(guān)系[J].天津農(nóng)業(yè)科學(xué),2011,17(2):18-21. Wang Y,Wang Z X,Lian X J,et al.Measurement of soil electric conductivity and relationship between soluble salt content and electrical conductivity in Tianjin coastal area[J].Tianjin Agricultural Sciences,2011,17(2):18-21.

[13]王遵親,祝壽泉,俞仁培,等.中國鹽漬土[M].北京:科學(xué)出版社,1993. Wang Z Q,Zhu S Q,Yu R P,et al.Saline Soil in China[M].Beijing:Science Press,1993.

[14]Savitzky A,Golay M J E.Smoothing and differentiation of data by simplified least squares procedures[J].Analytical Chemistry,1964,36(8):1627-1639.

[15]Csillag F,Pásztor L,Biehl L L.Spectral band selection for the characterization of salinity status of soils[J].Remote Sensing of Environment,1993,43(3):231-242.

[16]吳昀昭,田慶久,季峻峰,等.土壤光學(xué)遙感的理論、方法及應(yīng)用[J].遙感信息,2003(1):40-47. Wu Y Z,Tian Q J,Ji J F,et al.Soil remote sensing research theory method and application[J].Remote Sensing Information,2003(1):40-47.

[17]吳亞坤,楊勁松,李曉明.基于光譜指數(shù)與EM38的土壤鹽分空間變異性研究[J].光譜學(xué)與光譜分析,2009,29(4):1023-1027. Wu Y K,Yang J S,Li X M.Study on spatial variability of soil salinity based on spectral indices and EM38 readings[J].Spectroscopy and Spectral Analysis,2009,29(4):1023-1027.

[18]李美婷,武紅旗,蔣平安,等.利用土壤的近紅外光譜特征測定土壤含水量[J].光譜學(xué)與光譜分析,2012,32(8):2117-2121. Li M T,Wu H Q,Jiang P A,et al.Measuring soil water content by using near infrared spectral characteristics of soil[J].Spectroscopy and Spectral Analysis,2012,32(8):2117-2121.

[19]趙振亮.基于高光譜數(shù)據(jù)的鹽漬化土壤光譜特征研究及信息提取[D].烏魯木齊:新疆大學(xué),2013. Zhao Z L.The Study on Spectrum Characteristics and Information Extraction of Salinization Soil based on Hyper Spectral Data[D].Urumqi:Xinjiang University,2013.

[20]朱高飛,盛建東,范燕敏,等.典型鹽漬化土壤光譜特征及土壤含鹽量反演建模[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2013(6):20-25. Zhu G F,Sheng J D,Fan Y M,et al.Spectral characteristics of typical saline soil and inversion modeling of soil salt content in northern Xinjiang[J].Agriculture Network Information,2013(6):20-25.

[21]雷磊,塔西甫拉提·特依拜,丁建麗,等.基于HJ-1A高光譜影響的鹽漬化土壤信息提取——以渭干河-庫車河綠洲為例[J].中國沙漠,2013,33(4):1104-1109. Lei L,Tiyip T,Ding J L,et al.Soil salinization information extraction by using hyperspectral date of HJ-1A HIS:A case study in the Oasis of Ugan and Kuqa,Xinjiang,China[J].Journal of Desert Research,2013,33(4):1104-1109.

(責(zé)任編輯：李瑜)

Research on remote sensing monitoring model of soil salinization based on spectrum characteristic analysis

GUAN Hong1， JIA Keli1,2， ZHANG Zhinan1， MA Xin1

(1.CollegeofResourceandEnvironment，NingxiaUniversity，Yinchuan750021，China；2.NingxiaKeyLaboratoryofIntelligentSensingforDesertInformation，Yinchuan750021，China)

To establish the remote sensing monitoring model for soil salinization,the authors chose the typical soil salinization area in Pingluo County of Ningxia as the study area,and measured the spectral data in the field. These data,together with the values of pH and salinity measured in the laboratory,were taken as the basic data. Hyperspectral data processing method was used to analyze the spectral characteristics of different levels of soil salinization. Spectral data were transformed with 11 different approaches,such as reciprocal,logarithm,root mean square and their first order differentials. After the transformation,the correlation analysis was carried out between the obtained soil spectra and soil salinity. The most sensitive band was selected,and the field spectral sensitive band and soil salinity were used and the multiple linear regression was employed to establish the spectral quantitative models for evaluating the soil salinization degrees. The results show that the reciprocal first order differential of measured soil spectral is most sensitive to soil salinization degrees. The spectral quantitative models based on the wavelengths of 940 nm and 1 094 nm are the best.

spectrum characteristic bands；soil salinization；quantitative model

2013-12-25；

2014-03-11

寧夏自然科學(xué)基金項目“基于VI-SI的土壤鹽漬化遙感模型與監(jiān)測研究”(編號：NZ13014)資助。

10.6046/gtzyyg.2015.02.16

關(guān)紅,賈科利,張至楠,等.鹽漬化土壤光譜特征分析與建模[J].國土資源遙感,2015,27(2)：100-104.(Guan H,Jia K L,Zhang Z N,et al.Research on remote sensing monitoring model of soil salinization based on spectrum characteristic analysis[J].Remote Sensing for Land and Resources,2015,27(2):100-104.)

TP 751.1; P 237

A

1001-070X(2015)02-0100-05

關(guān)紅(1990-)，女，碩士研究生，主要研究領(lǐng)域?yàn)橥寥肋b感。Email：guanhong0426@163.com。

賈科利(1975-)，男，博士，副教授，主要從事遙感與GIS應(yīng)用研究。Email：jiakeli@163.com。