基于多光譜遙感的鹽漬化評價指數對寧夏銀北灌區土壤鹽度預測的適用性分析

吳霞，王長軍，樊麗琴，李磊

(寧夏農林科學院農業資源與環境研究所，銀川 750002)

0 引言

土壤鹽漬化是自然或人類不合理灌溉造成鹽分在土壤中逐漸積累而形成的一種土壤退化現象，是干旱地區最主要的土地退化形式之一，也是制約農業發展和影響生態環境的一個重要因素[1-2]。寧夏平原雖處于內陸干旱區，年降雨量僅200 mm左右，但因地處黃河中上游，灌溉水源充足，農林牧漁業發達，素有“塞上江南”的美譽。與此同時，土壤鹽漬化及次生鹽漬化問題一直是制約寧夏平原農業可持續發展的瓶頸，尤其是寧夏北灌區，地勢低洼，灌排不暢，土壤鹽漬化問題十分突出[3-5]。因此，快速并精確掌握土壤鹽漬化信息對區域農業用地規劃、水土水資源合理配置以及土壤鹽漬化綜合防治等至關重要。傳統的以野外實地調查為手段獲取土壤鹽漬化信息的方法不僅耗時耗力，且所獲取的鹽漬化信息的準確性受到樣點的代表性和采樣數量的影響較大，難以實現大范圍高精度動態監測。而遙感數據具有受地面限制少、覆蓋范圍廣、獲取速度快、歷史資料豐富、成本低等優點，被廣泛應用到土壤鹽漬化的動態監測和評價中[6-7]。

隨著傳感器、信息傳輸、圖像處理等遙感技術以及計算機技術的不斷發展和提高，以有限的野外實測數據和多光譜、高光譜等遙感數據為基礎，運用數學方法進行土壤鹽漬化信息提取、定量化評估、模擬預測等技術日趨成熟[8-11]。研究發現裸露的土壤表面積集聚的鹽結皮在可見光和近紅外波段光譜反射率較強，且反射率隨著土壤鹽含量的增加而增強，可直接用于獲取土壤鹽度信息，而在鹽生植被覆蓋區域紅光和綠光波段則被用于間接推算土壤鹽漬化程度[12-13]。隨著多波段傳感器的發展，諸多國內外學者們基于土壤鹽分與光譜特征之間的關系及波段組合構建了大量土壤鹽分指數，嘗試用不同方法對區域土壤含鹽量進行定量反演和預測。Allbed等[14]基于IKONOS衛星影像分析了13個土壤植被指數和鹽分指數對沙特阿拉伯東部地區哈薩綠洲土壤鹽度的預測能力，結果表明歸一化鹽分指數(normalized differential salinity index，NDSI)和鹽度指數(salinity index T，SI-T)是評價植被密集均勻耕地土壤鹽分的最佳指標；Elia等[15]在對美國加利福尼亞州圣華金河谷地區土壤鹽分的研究中發現，基于Landsat7 ETM+影像提取的冠層鹽分響應指數(canopy response salinity index，CRSI)對研究區土壤鹽度較敏感，預測精度較理想(R2=0.79);陳紅艷等[16]在對黃河三角洲鹽漬土的研究中引入短波紅外波段對傳統植被指數進行擴展，提出擴展的歸一化植被指數(extented normalized difference vegetation index，ENDVI)，獲得了較好的土壤鹽分空間反演結果；王飛等[17]利用曲線模型擬合了14個土壤鹽分指數和植被指數對新疆天山南北典型綠洲土壤鹽度的敏感性，結果顯示不同研究區、不同深度土壤鹽度的敏感指數差異性較大。土壤鹽漬化具有明顯的區域特征，受氣候、地形地貌、植被覆蓋等影響，不同地區鹽漬化土壤反射光譜特征差異性較大，雖然這些土壤鹽漬化評價指數取得了較為理想的結果，但這些研究多是針對特定地區某一時期的遙感影像開展的，所建立的鹽漬化評價指數在其他地區的適用性有待進一步驗證。

寧夏平原地處我國西北內陸地區，干旱少雨，蒸發強烈，土壤鹽漬化是制約農業發展的重要因素。目前針對寧夏平原的土壤鹽漬化遙感監測研究中僅于文婧[18]利用歸一化植被指數(normalized difference vegetation index，NDVI)評價了平羅縣土壤鹽漬化狀況，其他指數較少應用到寧夏平原，且多個評價指數在寧夏平原的適用性對比研究尚未見相關報道。本研究以寧夏銀北灌區實測土壤EC和Landsat8 OLI遙感影像為數據基礎，研究不同土壤鹽漬化評價指數與土壤EC的擬合關系，從而選取研究區最佳土壤鹽度評價指數，為銀北地區土壤鹽漬化動態監測、有效防治、農業規劃等提供技術支持。

1 研究區概況與數據源

1.1 研究區概況

寧夏銀北灌區位于黃河中游上段、寧夏平原北部(圖1)，包括賀蘭縣、平羅縣、惠農縣和大武口區，屬于典型的大陸性干旱氣候，全年降雨量稀少，日照充足，蒸發強烈，年均蒸發量是降水量的10倍以上，年均地下水埋深1.6 m，灌期(8月)地下水埋深1.0～1.5 m，土壤類型以鹽堿土、灰鈣土、白疆土和灌淤土為主[19]。受氣候、地形、土壤、地下水等自然因素以及人為不合理灌溉的影響，銀北灌區土壤鹽漬化嚴重，已經成為寧夏土壤鹽漬化最為嚴重的地區，鹽堿地已占總耕地面積的51%以上，嚴重制約了當地農業生產發展[20]。隨著黃河引水量的減少，銀北地區土壤鹽漬化有進一步加重和擴大的趨勢，必將給農業生態環境造成更大危害，因此鹽漬化問題成為銀北地區農業生產中亟待解決的問題。

圖1 研究區影像及采樣點示意圖Fig.1 Study area image and sampling points

1.2 土壤樣品采集及室內測定

根據研究區土地利用類型、鹽漬化程度、地形地貌等均勻布設樣點，共布設采樣點56個，每個采樣點的采樣范圍為30 m×30 m的區域，與Landsat8 OLI影像的像元大小一致，于2014年10月14日—10月21日進行野外土壤樣品采集。每個采樣點按梅花形采樣法采集樣區中心點和對角線上距中心點15 m的4個點的土壤混合為一個樣本，采樣深度為0～20 cm，將采集的土壤樣本在實驗室自然風干、研磨、過2 mm篩后制成待測樣本。樣本含鹽量采用電導法測定[21]，即先制備1∶5土水比的土壤浸提液，再采用電導率儀測得土壤浸提液的EC值，后續直接采用土壤浸提液的EC值進行統計分析。

1.3 遙感影像獲取與預處理

選取與研究區野外土壤采樣時間對應的2014年10月16日的Landsat8 OLI 遙感影像，數據來源于地理空間數據云(http://www.gscloud.cn)，行列號為129/33，云量為5.73%，數據質量良好。該影像數據包含OLI陸地成像儀的9個波段和TIRS熱紅外傳感器的2個波段，本研究主要采用影像的B1—B7進行分析，數據空間分辨率為30 m[22]。首先在ENVI 5.3軟件中完成影像的輻射定標、大氣校正、裁剪等預處理工作，再利用ArcGIS10.1軟件提取采樣點對應的影像反射率數據，用于計算相關土壤鹽漬化評價指數。

2 研究方法

2.1 土壤鹽漬化指數提取

研究發現遙感影像中的可見光和近紅外波段對土壤鹽漬化較為敏感，將其與土壤鹽度關聯構建土壤鹽度指數，是監測裸地土壤鹽漬化程度的一種有效方法[23]。另外，鹽漬化土壤中的鹽分對植物生長造成一定危害，鹽漬化程度越重的地區植被覆蓋度越低，因此植被覆蓋狀況是很好的鹽漬化程度間接指標，據此判斷土壤鹽漬化程度的方法被廣泛應用于土壤鹽漬化遙感監測[24]。本研究在查閱相關文獻的基礎上，選取了NDSI，S1，S2，SI等12種土壤鹽度指數；NDVI等7種植被指數；以及基于NDVI-SI特征空間構建的土壤鹽漬化遙感監測指數模型(salinization detection index，SDI)共20種土壤鹽分評價相關指數(表1)分析其與土壤鹽度之間的定量關系。

表1 土壤鹽漬化評價指數①Tab.1 Ealuation index of soil salinization

(續表)

①表中：B，G,R,NIR,SWIR1和SWIR2分別為藍波段、綠波段、紅波段、近紅外波段及2個短紅外波段的反射率。

2.2 數據分析方法

2.2.1 相關分析

相關分析(correlation analysis)是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度的一種統計方法[28]。本研究中應用相關分析方法研究土壤鹽漬化評價指數與土壤EC的關聯程度。

2.2.2 曲線回歸分析

本研究采用線性、對數、逆模型等11種曲線回歸模型(表2)分析土壤EC與上述土壤鹽分指數、植被指數的線性關系。擬合結果中僅保留通過顯著性檢驗(Sig.<0.05)的回歸模型，并引用決定系數R2和均方根誤差(root mean square error,RMSE)評價不同曲線模型對土壤鹽分的擬合精度。

表2 曲線回歸模型及其公式①Tab.2 Curve regression model and its mathematical expression

①表中：b0，b1，b2，b3，u為擬合方程系數；Y為土壤EC；t為土壤鹽分指數和植被指數。

3 結果分析

3.1 土壤鹽度描述性統計分析

將研究區土壤樣本按含鹽量劃分為非鹽漬化(<0.1%)、輕度鹽漬化(0.1%～0.3%)、中度鹽漬化(0.3%～0.6%)和重度鹽漬化(>0.6%)樣本，由于中度和重度鹽漬化土壤樣本較少，故將二者合并為中重度鹽漬化樣本進行統計，全樣本及不同鹽度水平土壤EC統計特征如表3所示。結果顯示研究區土壤樣本中以非鹽漬化和輕度鹽漬化土壤為主，合計占比82.68%，整體樣本的土壤EC變異系數(1.78)較大，屬于強變異水平，表明土壤鹽度空間變異較大。

表3 研究區土壤EC的統計特征Tab.3 Statistical characteristics of soil EC in the study area

3.2 評價指數與土壤鹽度之間的相關性分析

利用SPSS 25軟件的相關分析工具計算各土壤鹽漬化評價指數與土壤EC的相關系數，并繪制指數與土壤EC相關性圖(圖2)。分析可知，12個鹽分指數中S3，S5，S6和SI與土壤EC相關系數均在0.50以上，呈較強的正相關關系，其余鹽分指數與土壤EC呈較弱的正相關關系。植被指數中EVI、EEVI和SDI與土壤EC呈較弱正相關，其余植被指數均呈現負相關關系，其中指數CRSI與土壤EC相關系數最大(R=-0.45)，但仍屬于較弱的相關關系，由此可見，植被指數與土壤EC的相關關系整體弱于鹽分指數。

圖2 土壤EC與鹽漬化評價指數之間的相關性圖Fig.2 Correlation between soil EC and salinization evaluation index

3.3 評價指數與土壤鹽度的曲線擬合結果分析

利用SPSS 25軟件中的曲線估算模型擬合研究區土壤鹽漬化評價指數與土壤鹽度之間的關系，全樣本評價指數與土壤EC的擬合結果如表4所示，輕度鹽漬化與重度鹽漬化土壤EC與各鹽漬化評價指數的擬合結果如表5和表6所示，非鹽漬化土壤所有評價指數與土壤EC擬合結果均不顯著，在此不進行分析。

表4 鹽漬化評價指數與全樣本土壤EC之間的曲線擬合結果Tab.4 Curve fitting results between salinization evaluation index and soil EC(Full sample)

(續表)

表5 鹽漬化評價指數與土壤EC之間的曲線擬合結果(輕度鹽漬化)Tab.5 Curve fitting results between salinization evaluation index and soil EC(Slight salinization)

表6 鹽漬化評價指數與土壤EC之間的曲線擬合結果(中重度鹽漬化)Tab.6 Curve fitting results between salinization evaluation index and soil EC(Moderate and severe salinization)

(續表)

分析各鹽漬化評價指數對研究區全樣本土壤EC的擬合結果可知，12個鹽分指數中S5對土壤EC的擬合效果最好(三次函數模型，R2=0.406)，其次為指數S3(三次函數模型，R2=0.395)，鹽分指數NDSI擬合效果最差(R2=0.095)，其余鹽分指數與土壤EC的最優擬合模型R2介于0.257～0.382之間，預測RMSE在0.577 mS/cm以上。9個植被指數對研究區土壤EC的擬合度整體低于鹽分指數，表現最好的為CRSI指數，擬合度接近于鹽分指數的中等擬合水平(三次函數模型，R2=0.284)。擬合模型中，有15個指數均是三次函數模型的擬合度最高，二次函數模型次之；復合函數模型、增長函數模型、指數函數模型和邏輯函數模型的擬合度略低且擬合結果一致；對數函數模型、逆模型和S模型的擬合效果較差；線性函數模型的擬合效果不理想，擬合度最高為指數S3(R2=0.335)，低于該指數擬合度最高的三次函數模型。

由表5和表6可知，隨著土壤鹽度水平的增加，鹽漬化評價指數對土壤EC的擬合效果顯著提升。輕度鹽漬化土壤樣本中擬合度最高為基于三次函數模型的指數GDVI，擬合度R2=0.419，其次為指數S5和SI2，指數S3，SI，Int2和CRSI對輕度鹽漬化土壤EC擬合效果顯著，其余指數擬合結果均不顯著，最優擬合模型為二次函數模型或三次函數模型。中重度鹽漬化樣本中有13個指數(11個鹽分指數，2個植被指數)與土壤EC呈顯著性擬合關系，指數S1和S2對中重度鹽漬化土壤EC的擬合效果最好，指數S1的S模型、二次函數模型、三次函數模型和冪函數模型，指數S2的二次函數模型和三次函數模型的擬合度R2均達到0.700以上。指數S1的S函數模型擬合度最高(R2=0.730)，但RMSE較大(0.872 mS/cm)，因此，選擇RMSE最小(0.621 mS/cm)，擬合度相近的三次函數模型(R2=0.724)評價中重度鹽漬化土壤鹽度更為合適。

根據上述分析結果，研究區全樣本、輕度鹽漬化和中重度鹽漬化樣本的最優評價指數分別為S5、GDVI和S1，最優擬合模型均為三次函數模型，其預測結果如圖3所示。

(a)全樣本 (b)輕度鹽漬化樣本 (c)中重度鹽漬化樣本

3.4 研究區土壤EC空間分布

以研究區遙感影像為基礎，利用最優預測指數S5和三次函數模型繪制研究區土壤EC分布圖(圖4)。整體來看研究區土壤鹽漬化程度較低，非鹽漬化和輕度鹽漬化土壤約占研究區總面積的85.57%，中重度鹽漬化土壤面積約為15.57%，主要分布在研究區中部、北部地勢較低洼地區，以及黃河東岸沿岸區域，鹽漬化土壤分布情況與野外采集樣本的描述性統計結果較為一致。

圖4 研究區土壤EC分布圖Fig.4 Distribution map of soil EC in the study area

4 討論

目前已有許多學者基于遙感影像光譜信息建立了眾多土壤鹽漬化評價指數[14,17,29]，這些指數中僅有SI，SDI，NDVI，CRSI等在寧夏銀川平原的土壤鹽度監測中得到應用[18-19,30]，其他指數較少應用到寧夏銀北地區。本研究以采集的寧夏銀北灌區52個表層土壤樣本為基礎，結合該地區同時期多光譜遙感影像，提取并分析了20個土壤鹽度指數和植被指數對研究區土壤EC的擬合效果，既擴大了這些評價指數的應用范圍，又豐富了寧夏銀北灌區土壤鹽漬化遙感監測研究。

干旱區土壤鹽度受降雨、蒸發、農業灌溉等影響，季節變化明顯[9,31]。從所采集的52個表層土壤樣本來看，研究區土壤以非鹽漬化和輕度鹽漬化為主，中重度鹽漬化土壤僅占17.32%，這主要與研究區土壤鹽度隨季節變化有關。寧夏銀北灌區冬春季節干旱少雨，土壤多以裸露為主，蒸發強烈，鹽分隨水向土壤表層聚集，因此表層土壤鹽度水平較重；而夏秋季節由于作物覆蓋、降雨、灌溉等影響，鹽分隨水向土壤深層運動，表層土壤鹽度較低。本研究中土壤采樣時間為深秋季節，表層土壤含鹽量較少，與研究區實際情況一致。

已有研究表明在裸土或植被覆蓋度較低的區域，鹽分指數是直接監測土壤鹽度的有力手段，植被覆蓋度較高的地區，植被指數可作為間接監測土壤鹽度的重要方法[17]。從評價指數與土壤鹽度的相關性分析可知，研究區12個鹽分指數與全樣本土壤EC一致呈正相關且相關系數較大，植被指數與土壤EC的正負相關性和相關系數均差異較大，因此選取鹽分指數對銀北灌區秋季作物收獲后、植被覆蓋度較低時節的土壤鹽度進行監測具有一定的實際應用意義。此外，研究區土壤鹽度越高，鹽分指數和植被指數均表現為與土壤EC的相關系數越大，說明研究區土壤鹽度越高，評價指數對土壤EC的解釋越準確，這與前人的研究結果高度一致[1,32]。

不同地區土壤鹽漬化發生、發展和變化規律差異性較大[2,17,33-34]。通過對20個評價指數與研究區土壤EC的曲線擬合結果來看，鹽分指數對土壤EC的擬合度整體高于植被指數，但擬合度并不高(全樣本中最高擬合度R2僅為0.408)，究其原因可能是研究區深秋季節表層土壤鹽度較低，土壤反射光譜信息相對較復雜，對土壤鹽度的解釋力度較弱。擬合模型中三次函數模型、二次函數模型、復合函數模型等非線性模型對土壤EC的擬合效果較好，線性函數模型表現較差，進一步驗證了前人對于土壤鹽度與評價指數并非簡單線性關系的結論[7,23,35]。

5 結論

本研究以寧夏銀北灌區為研究對象，通過對研究區秋季52個表層土壤樣本鹽度、鹽漬化評價指數與土壤EC的相關性以及曲線擬合結果分析，得出以下結論：

1)全樣本土壤EC介于0.04～7.52 mS/cm之間，且空間變異程度較大，變異系數為1.78，非鹽漬化和輕度鹽漬化土壤樣本合計占比82.68%。

2)鹽度指數與全樣本土壤EC均為正相關，相關性最高的為指數S3，相關系數為0.58，其次為S5、S6和SI，植被指數CRSI與土壤EC相關性相對較高(相關系數為-0.45)，其余植被指數與土壤EC相關性較小。

3)指數對不同鹽度水平土壤EC的擬合度表現為隨土壤鹽度升高而顯著增加，全樣本中與土壤EC擬合度較高的為鹽分指數S2，S3，S5和SI，其中指數S5的表現最好(R2=0.406)，對中重度鹽漬化土壤EC的擬合度最高的為指數S1(R2=0.730)和S2(R2=0.724)。

4)7種曲線擬合模型中，基于三次函數模型、二次函數模型和S函數模型計算的評價指數與土壤EC的擬合度較高。

上述研究得出的初步結論可為寧夏銀北灌區土壤鹽度大尺度遙感監測提供一定理論基礎，但整體相關性和擬合度并不高，需要進一步加大數據量或改進研究方法，提高鹽漬化評價指數對土壤鹽度的定量化解釋力度，同時也可更準確地篩選出適合寧夏銀北灌區的鹽漬化評價指數。此外，銀北地區土壤鹽度隨季節變化較大，本研究僅針對深秋時節的土壤鹽度進行了分析，下一步需要考慮土壤表層鹽分含量較高的春季、植被覆蓋度較高的夏季指數與土壤鹽度的關系，以評價各指數在銀北灌區不同季節土壤鹽度監測中的適用性。