基于Albedo-MSAVI特征空間的渭庫綠洲土壤鹽漬化研究

馮 娟，丁建麗，魏雯瑜

(1.新疆大學資源與環境科學學院, 烏魯木齊 830046；2.新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046)

土壤鹽漬化是造成干旱區土壤荒漠化的重要原因[1-3]，受到自然因素和人為因素的影響。在自然環境和人類活動的影響下，可溶性鹽類在地表堆積，形成不同程度的鹽漬化[4]。土壤鹽漬化由于土壤組成的原因影響土壤質量質地，同時制約著生產力與生態系統的穩定以及人類的健康[5]，所以至今土壤鹽漬化仍然引起國內外學者的關注。

當前，國內外一些學者利用遙感影像反演的特征參量建立特征空間，將其應用到荒漠化信息提取，土壤水分反演，干旱監測等諸多研究領域，并取得了很好的效果。1997年Gillies等[6]提出，可見光與熱紅外波段的土壤光譜特征可以用來計算植被覆蓋度﹑土壤濕度和地表蒸散等，而這些地表參數變化過程通過“三角形方法”從新的角度表達和審視。曾永年等[7]利用Albedo-NDVI特征空間對沙漠化進行指數研究，認為沙漠化土地地表覆蓋，水熱組合及其變化的多維遙感信息特征空間具有明確的生物物理意義。丁建麗等[8]基于MSAVI-WI特征空間對渭庫土壤鹽漬化信息進行監測，結果表明MWI指數與地表鹽分相關性較高，能夠對鹽漬化土壤進行定量評價。王飛等[9]通過NDVI對鹽漬化信息進行有效提取，認為NDVI指數對土壤背景植被敏感，在植被稀疏的區域，NDVI不能夠很好地對植被狀況進行表達。哈學萍等[10]利用SI-Albedo特征空間對土壤鹽漬化遙感監測模型進行研究，表明特征空間的構成是對多光譜遙感信息的充分利用，對土壤鹽分，水分組合及其變化具有明確的生物物理意義。

本文在前人研究成果的基礎上綜合利用landdsat 8 OLI影像和野外調查數據，通過分析鹽漬化對地表生物物理特征的定量關系，建立反照率Albedo與修改型土壤調整植被指數MSAVI組成的鹽漬化土壤遙感特征空間模型，為鹽漬化動態監測提供快速高效的定量遙感監測支撐。

1 研究區概況

渭庫綠洲位于新疆塔里木盆地的中北部，屬渭干河-庫車河流域，在行政上隸屬阿克蘇地區管轄，范圍包括新和、沙雅和庫車3個縣，這3個縣總面積為523.76 萬hm2,沙雅縣每年因鹽堿危害造成失收面積達2 667 hm2，最高年份失收面積達8 000 hm2，因鹽堿化棄草地已達4.56 萬hm2，新和與庫車2縣也在3.72 萬hm2左右[11]。渭庫綠洲屬于溫帶大陸性干旱氣候，年平均蒸發量為1 991.0～2 864.3 mm ，多年平均降水量僅為51.3 mm ，蒸發量遠大于降水量，多年平均氣溫 10.6～14.8 ℃，年極高、極低氣溫分別為41.3和-28.7 ℃，屬于干旱與極端干旱地區。較少的降雨，較強的蒸發，使得該地區土壤鹽漬化現象普遍存在。鹽分不斷在表層溢出，植被覆蓋度不斷減少，嚴重時會形成鹽斑，形成重度鹽漬化區。在綠洲外圍輕、中度鹽漬化區域內，植物主要以蘆葦(Phragimites australis)、檉柳(Tamarix ramosission)、駱駝刺(Allhagi sparisifolia)、花花柴(Karelina caspica)和鹽爪爪(Kalidium gracile)為主。近年來土壤鹽漬化和沙質荒漠化不斷加劇，綠洲土地退化現象日益普遍，該地區的生態環境也逐漸脆弱，這對當地及全疆可持續發展造成嚴重的影響[12-15]。圖1為本研究采樣點確定的研究范圍。

2 研究方法

2.1 影像處理

本文選2014年7月28日landsat 8 OLI為基礎數據源，對影像經過大氣校正、幾何校正以及裁剪等預處理，大氣校正采用FLAASH大氣校正法，幾何校正以1∶5萬地形圖為基準，進行橫軸墨卡托投影及三次卷積內重采樣，將影像與自身的全色波段融合成15 m分辨率。2014年7月利用GPS定位，從研究區范圍內所布置的采樣點中，在考慮土壤質地、鹽分狀況、植被類型和土地利用方式前提下，選擇出具有代表性土壤測量單元38個，并將其38個樣點，導入至經過大氣校正的遙感影像中，導出影像上樣點對應的反照率及修改型土壤調節植被指數值。

圖1 研究區地理分布及采樣點位置Fig.1 Geographical position map of study area and distribution of sampling points

2.2 特征參量反演

在landsat 8 OLI可見光波段中含有的土壤與植被信息，在以往的研究中發現植被信息可以間接地反映出土壤鹽漬化的程度，然而在植被密度較低的區域鹽漬化反演受到土壤背景的影響，修改型土壤調整植被指數[22-25]考慮了裸土土壤線，可以較好地消除或減少土壤及植被冠層背景的影響，從而更好地指示研究區植被信息。該指數可以表示為[16]：

(1)

式中：NIR為landsat 8 OLI影像的第5波段反射率的值；R為landsat 8 OLI影像的第4波段反射率的值。

地表反照率為地球表面反射的太陽輻射通量與人射太陽輻射通量之比,它表征地球表面對太陽輻射的反射能力。本文采用liang[17]建立的反照率反演公式：

Albedo=0.356ρ1+0.130ρ3+0.373ρ4+

0.085ρ5+0.072ρ7-0.001 8

(2)ρ

式中：ρ1、ρ3、ρ4、ρ5、ρ7為landsat 8 OLI影像對應的第1波段、第3波段、第4波段、第5波段、第7波段的反射率值；Albedo表示地表反照率。

2.3 數據正規化處理

統計整景圖像地表反照率，修改型土壤調節植被指數的最大值和最小值，并用統計值進行數據正規化處理[18]。

3 Albedo-MSAVI特征空間

3.1 Albedo-MSAVI空間及其特性

地表反照率(Albedo)的變化受土壤水分，植被覆蓋，積雪覆蓋等影響。反照率作為表征陸地下墊面輻射特征的重要參量，它的變化將改變地表輻射平衡，并對大氣產生影響。在土壤鹽漬化的研究實踐中，通過定位觀測，隨著鹽漬化程度的加重，地表狀況發生明顯的變化，伴隨著地表植被覆蓋度的下降[19]，地表水分相應減少，地表反照率增加。因此，鹽漬化過程導致的地表下墊面狀況的變化，使地表反照率發生明顯的變化。MSAVI在植被反演的過程中考慮了裸土的土壤線，因此，能夠較好地消除土壤植被背景的影響，實現區域植被信息的表達。因此，MSAVI可以作為反映植被生長狀況的生物物理參數。本文以MSAVI為橫坐標，表示地表植被覆蓋率的變化；Albedo為縱坐標，代表相同植被覆蓋率下地表反照率的變化。隨著鹽漬化程度的增加，地表植被覆蓋率逐漸降低，地表反照率增大。從特征空間表現形式中得到植被指數與地表反照率之間存在明顯的負相關；當反照率大的時候，土壤鹽漬化程度加大，土壤含鹽量增多，植被長勢差，植被指數降低；隨著地表植被覆蓋度增大，地表蒸散阻力降低，土壤含鹽量降低，地表反照率降低。Albedo-MSAVI特征空間可以較好反映鹽漬化土壤的地表反照率與植被指數之間的物理變化過程。

如圖2所示，在Albedo-MSAVI特征空間中，不同鹽漬化程度的土壤及不同植被覆蓋的土壤分別集中在不同的部分，隨著植被覆蓋度增加，地表反照率減小，鹽漬化程度遞減，植被指數為0～0.65時反照率隨植被覆蓋度的增大而減小，反照率值的變化趨勢接近于雙曲線變化形式，在這一過程中，研究區內鹽漬化分布在研究區內呈現環狀分布，從內向外分別為重度鹽漬地﹑中度鹽漬地﹑輕度鹽漬地。植被覆蓋度與鹽漬化程度呈現一種負相關，在Albedo-MSAVI特征空間中，反照率與植被指數呈雙曲線分布(Albedo>0, MSAVI>0)，與野外考察情況一致。

為了進一步了解Albedo-MSAVI特征空間的特點，對散點圖上A、B、C變化過程進行分析(見圖3)。已有大量觀測與模擬實驗均已證明地表反射率的變化影響地表輻射平衡，進而影響地表反照率，且地表反照率隨植被的變化、水分的盈虧而發 生變化。A點代表重度鹽漬化地，土壤含水量低，植被覆蓋度低，反射率高(低MSAVI高Albedo)；B點代表裸地；C點代表高植被覆蓋區，在土壤含水量充足的情況下，該點的反照率相對較低(高MSAVI低Albedo)。在Albedo-MSAVI特征空間中，地表反照率不僅可以描述植被覆蓋度而且可以反映土壤含水量。圖中A﹑C點代表Albedo-MSAVI特征空間極端狀態，在植物生長季節，各類地物除云、水體外均滿足圖3這種趨勢關系。

圖2 不同土地覆蓋遙感圖像與Albedo-MSAVI特征空間對比Fig.2 Contrast different land cover remote sensing images with Albedo-MSAVI feature space

圖3 Albedo-MSAVI空間特征Fig.3 Albedo-MSAVI space characteristics

3.2 Albedo-MSAVI特征空間的鹽漬化過程及其模型構建

為了獲取不同鹽漬化程度土地Albedo與MSAVI的定量關系，本文利用野外GPS確定的不同鹽漬化土地樣點的Albedo、MSAVI值進行統計回歸分析。在反照率與植被指數組成的二維空間中，不同鹽漬化土地類型對應的植被指數(MSAVI)和反照率(Albedo)具有顯著的負相關。

A=0.010 61M2-0.014 12M+0.179 2 (R2=0.816)

從上式可知，隨著鹽漬化程度增加，修改型土壤調節植被指數逐漸減小，而地表反照率逐漸增加。在Albedo-MSAVI特征空間中，對鹽漬化過程進行了明顯的反映。

圖4為Albedo和MSAVI擬合圖，紅線為其趨勢回歸線。由圖4可得，Albedo和MSAVI存在顯著的非線性關系。圖4中趨勢線任意一點到A(0，1)的距離越近，土壤鹽漬化程度越大，反之亦然。特征空間中任意一點到A點距離為D，進而建立特征空間鹽漬化監測模型:

(3)

式中：SDI為鹽漬化遙感監測指數；Albedo為地表反照率；MSAVI為修改型土壤調節植被指數。

圖4 SDI模型構建Fig.4 SDI model building

3.3 模型驗證與應用

在研究區內取樣38個，利用GPS技術，結合研究區地形，使采集樣點隨機分布在綠洲、綠洲荒漠交錯帶、綠洲外圍。取0～10 cm表層土壤，每個采樣點均在30 m×30 m的采樣范圍內進一步再選取4個點，呈梅花狀采樣，采用四分法取500 g土樣裝袋帶回實驗室，風干研磨并過0.25 mm孔徑的篩子，再與蒸餾水按1∶5的比例配置，靜置過濾后，獲得土壤溶液，最后用使用德國WTW公司制造的Cond 7310精密儀器來測定土壤溶液的鹽分[20]。將38個樣點的實測鹽分值與對應的SDI進行驗證分析(見表1)，得到擬合方程：y=0.072 lnx+0.609，其中x為鹽分實測值，y為SDI，擬合方程決定系數為0.96，并通過0.01置信水平下的顯著性檢驗，該模型特征空間對研究區內的鹽漬化分布有較好的反映，可以對研究區內土壤鹽漬化分布進行快速監測。

對不同鹽漬化程度區域，確定其對應SDI值，并統計不同鹽漬化程度的SDI值。根據新疆維吾爾自治區水利廳制定的《新疆縣級鹽堿地改良利用規劃工作大綱》[21]將鹽漬化類型劃分為4類，非鹽漬化地鹽分范圍Sal<1.0 g/kg，輕度鹽漬地1.0 g/kg

表1 鹽漬化遙感監測指數(SDI)與實測土壤樣點含鹽量Tab.1 Values of remote sensing detection model index(SDI) ofsaline soil and measured soil salt content

4 討 論

目前利用特征空間進行鹽漬化監測的已取得一定的進展，但對于覆蓋較好的天然植被和農作物，使用NDVI 造成的紅光飽和問題比較嚴重，背景的土壤噪聲也在一定程度上損害了NDVI的空間一致性[27]，而土壤調節植被指數MSAVI相對NDVI更能描述植被覆蓋度和土壤背景的優勢[28]，曾永年等[7]利用Albedo-NDVI特征空間對沙漠化進行指數研究，認為沙漠化土地地表覆蓋，水熱組合及其變化的多維遙感信息特征空間具有明確的生物物理意義。本研究采用Landsat 8數據對渭—庫綠洲鹽漬化進行研究，通過分析鹽漬化對地表生物物理特征的定量關系，建立反照率Albedo與修改型土壤調整植被指數MSAVI組成的鹽漬化土壤遙感特征空間模型，構建SDI模型與土壤含鹽量的R2達到0.96，而張添佑等[18]利用MSAVI-SI特征空間對瑪納斯河流域鹽漬化進行研究，鹽漬化與MSAVI-SI模型的R2達到0.82，本研究中基于Albedo-MSAVI特征空間的鹽漬化模型精度相對較高；綠洲內的植被蓋度較高，多為農作物，如棉花、小麥等，但在交錯帶內地表覆被主要為天然鹽生植被，如蘆葦(Phragimites australis)、駱駝刺(Allhagi sparisifolia)、花花柴(Karelina caspica)等，在影像上表現為枝葉稀疏，并且與裸露的土地交錯分布，容易造成異物同譜現象。總體而言，交錯帶內植被稀少，甚至在荒漠化比較嚴重的地區全為裸地，容易造成像元的混分。由于研究區內同時存在不同的土壤鹽漬化程度(重度鹽漬化、中輕度鹽漬化、非鹽漬化)，本研究用經驗對鹽漬化進行分級，利用特征空間對不同程度鹽漬化進行反演，結果表明，通過SDI對研究區不同程度鹽漬化進行反演的空間格局分布，且與實際調查相符，說明用特征空間模型對鹽漬化反演具有一定意義。

渭庫綠洲地勢北高南低，自西北向東南傾斜，溝壑相間，屬于干旱與極端干旱地區[9]。研究區土壤鹽漬化存在明顯的空間分異規律，總體上從西到東，由北到南土壤含水量逐漸降低，土壤含鹽量逐漸增大。土壤鹽分受到各種自然因素如降水、溫度、地形等影響的同時也受到人為灌溉等因素的影響。單純的遙感方法無法達到反映鹽漬化特征，綜合多源數據是研究復雜的鹽漬化監測問題的新途徑，在解決鹽漬化監測的復雜問題中有著較大的應用潛力。本研究尚屬可行性研究，在單期影像的Albedo-MSAVI的基礎上，構建SDI模型與土壤鹽漬化關系密切，且結果與野外實地情況較符合。但單期的影像不能說明研究結果的普遍性，在后續的研究中將會進一步考慮采用多期遙感數據作動態分析。

5 結 論

在實驗研究的基礎上，選取渭庫綠洲為研究區，以landsat 8 OLI影像為數據源，結合實地考察數據，運用遙感軟件和統計軟件，研究地表反照率與修改型土壤調節植被指數的關系，并通過統計分析不同鹽漬化程度的土壤在特征空間的分布規律，發現鹽漬化土壤在反照率與修改型植被指數構成的特征空間里存在顯著的關系，從而提出Albedo-MSAVI特征空間概念。

(1)構建監測不同鹽漬化程度指數，不同程度的鹽漬化土壤與SDI值具有差異，非鹽漬化、輕度鹽漬化、中度鹽漬化，重度鹽漬化的SDI的平均值分別為0.522、0.644、0.727和0.862。相同程度鹽漬化土壤之間SDI值相差甚微，而非鹽漬化土壤與鹽漬土之間SDI差值顯著。通過結合特征空間特點，可以有效區分不同程度鹽漬化地，對鹽漬化土壤解譯有一定的幫助。

(2)遙感影像信息較為豐富，盡可能的挖掘影像上的潛在數據是研究的核心。SDI特征指數可以有效實現鹽漬化信息反演，但不同程度鹽漬化土壤受多種因素影響，在本研究中利用反照率與修改型調節植被指數進行分析，對不同程度鹽漬化信息反演有一定幫助，但根據其特征空間分布，重度鹽漬土與高植被覆蓋之間的轉變存在一個臨界值，該值可以更準確地對鹽漬化信息進行監測，促進利用遙感監測土壤鹽漬化信息的發展。

□

[1] 丁建麗,姚 遠,王 飛,等．干旱區土壤鹽漬化特征空間建模[J].生態學報,2014,34(16):4 620-4 631.

[2] Muyen Z,Moore G A,Wrigley R J.Soil salinity and sodicity effects of wastewater irrigation in South East

[3] Australia[J].Agricultural Water Management,2011,99(1):33-41.

[4] Wang H,Jia G.Satellite-based monitoring of decadal soil salinization and climate effects inasemi-arid region of China[J].Advances in Atmospheric Sciences,2012,29(5):1 089-1 099.

[5] 曹 雷,丁建麗,于海洋,等.渭-庫綠洲多尺度景觀格局與鹽度關系[J].農業工程學報,2016,32(3):101-110.

[6] Bouksila F,Bahri A,Berndtsson R,et al.Assessment of soil salinization risks under irrigation with brackish water in semiarid Tuni-sia[J].Environmental and Experimental Botany,2013,92:176-185.

[7] Gillies R,Kustas W P,Humes K S.A verification of the‘triangle’method for obtaining surface soil water content and energy fluxes from remote measurements of the normalized difference vegetation index (NDVI) and surface[J].International Journal of Remote Sensing,1997,18(15):3 145-3 166.

[8] 曾永年,向南平,馮兆東,等.Albedo-NDVI特征空間及沙漠化遙感監測指數研究[J].地理科學,2006,26( 1): 75-81.

[9] 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．

[10] 王 飛,丁建麗,伍漫春,等.基于NDVI-SI特征空間的土壤鹽漬化遙感模型[J].農業工程學報,2010，26(8):168-173.

[11] 哈學萍,丁建麗,羅江燕,等.基于SI-Albedo特征空間的干旱區鹽漬化土壤信息提取研究——以克里雅河流域綠洲為例[J].土壤學報,2009,62(3):381-390.

[12] 丁建麗,塔西甫拉提·特依拜,張飛,等.塔里木盆地北緣綠洲土壤含鹽量和電導率空間變異性研究[J].干旱區地理，2008，31(4):624-632.

[13] 姚 遠,丁建麗,雷 磊,等.干濕季節下基于遙感和電磁感應技術的塔里木盆地北緣綠洲土壤鹽分的空間變異性[J].生態學報,2013, 33(17):5 308-5 319.

[14] 丁建麗,姚 遠,王 飛,等.干旱區土壤鹽漬化特征空間建模[J].生態學報,2014,34(16):4 620-4 631.

[15] 丁建麗,姚 遠,王 飛,等.基于三維光譜特征空間的干旱區土壤鹽漬化遙感定量研究[J].土壤學報,2013，50(5):853-861.

[16] Allbed A, Kumar L, Aldakheel Y Y. Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries: applications in a date palm dominated region[J]. Geoderma, 2014, 230:1-8.

[17] Qi J,Chehbouni A,Huete A R, et al.A modified soil adjusted vegetation index[J].Remote Sensing of Environment,1994,48(2):119-126.

[18] Liang S.Narrowband to broadband coaversions of land surface albedo: algorighms[J]. Remote Sensing of Environment,2001,76(2):213-238.

[19] 張添佑,王 玲,曾攀麗,等.基于MSAVI-SI特征空間的瑪納斯河流流域灌區土壤鹽漬化研究[J].干旱區研究,2016,33(3):499-505.

[20] Mcfeeters S K. The use of the Normalized Difference Water Index(NDWI)in the delineation of open water features[J]. International Journal of Remote Sensing, 1996,17(7):1 425-1 432.

[21] 王娜娜, 齊 偉, 王 丹,等. 基于樣帶的濱海鹽堿地土壤養分和鹽分的空間變異[J]. 應用生態學報, 2012,23(6):1 527-1 532.

[22] 江紅南, 丁建麗, 塔西甫拉提·特依拜,等. 基于ETM+數據的干旱區鹽漬化土壤信息提取研究[J]. 土壤學報, 2008,45(2):222-228.

[23] 王 宏, 李曉兵, 韓瑞波,等. 利用NOAANDVI和MSAVI遙感監測中國北方不同緯度帶植被生長季變化[J]. 應用生態學報, 2006,17(12):2 236-2 240.

[24] 劉亞男, 白 欣, 侯君英. 基于特征空間的土壤含鹽量的遙感反演[J]. 安徽農業科學, 2014,(1):110-111.

[25] 關 紅, 賈科利, 張至楠. 采用高光譜指數的龜裂堿土鹽堿化信息提取與分析[J]. 紅外與激光工程, 2014,43(12):4 153-4 158.

[26] 李艷華, 丁建麗, 孫永猛,等. 基于三維特征空間的土壤鹽漬化遙感模型[J]. 水土保持研究, 2015,22(4):113-117.

[27] Huete A, Didan K, Shimabokuro K, et al. Regional amazon basin and global analyses of MODIS vegetation indices: Early results and comparisons with AVHRR[C]∥ Geoscience and Remote Sensing Symposium: Proceedings IGARSS 2000, IEEE 2000 International. 2000:88-103.

[28] Qi J, Chehbouni A, Huete A R, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994,48(2):119-126.