基于組合模型的瑪納斯河流域農(nóng)田土壤鹽分反演

楊小虎 張曼玉 楊海昌 張鳳華 江宜霖 易小蘭

摘要：鹽漬化是影響土壤質(zhì)量和作物生長的重要因素之一，利用遙感技術(shù)大面積獲取土壤鹽分信息具有重大意義。以新疆瑪納斯河流域農(nóng)田為研究對象，將偏最小二乘回歸模型（PLSR）和BP神經(jīng)網(wǎng)絡(luò)模型（BPNN）相結(jié)合，構(gòu)建組合模型來反演土壤鹽漬化狀況。結(jié)果表明，與土壤鹽分相關(guān)性較高且具有代表性的遙感指數(shù)為歸-化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）和土壤調(diào)整植被指數(shù)（SAVI），其相關(guān)性系數(shù)分別為-0.746、-0.663和-0.733。單項預測模型中偏最小二乘回歸模型的預測精度最高，其決定系數(shù)（R2）為0.759，均方根誤差（RMSE）為3.159。組合模型R2為0.797，RMSE為3.611，其驗證精度較單項預測模型有所提高，較PLSR模型提高了0.038，較BPNN提高了0.094。組合模型可更準確地預測出瑪納斯河流域農(nóng)田土壤鹽分空間分布狀況?，敿{斯河流域農(nóng)田土壤鹽漬化以輕度和中度鹽漬化為主，所占比例達到35.34%和25.66%，與實測結(jié)果一致。組合模型較單項模型可以獲得更準確的土壤鹽分空間分布狀況，為新疆瑪納斯河流域農(nóng)田土壤鹽漬化治理和土地資源可持續(xù)利用提供理論依據(jù)。

關(guān)鍵詞：土壤鹽分；組合模型；遙感反演；空間分布doi：10.13304/j.nykjdb.2021.0872

中圖分類號：S153 文獻標志碼：A 文章編號：10080864（2023）01013408

土壤鹽漬化是全球性問題，嚴重制約農(nóng)業(yè)可持續(xù)發(fā)展和區(qū)域生態(tài)環(huán)境穩(wěn)定，進而影響我國的糧食安全[1]。受不合理灌溉、過量施肥和地下水位變化等因素的影響，土壤鹽漬化面積呈逐漸上升的趨勢，且正在加速土壤鹽漬化的形成[2]。因此快速了解土壤鹽漬化的特征以及發(fā)展現(xiàn)狀對土壤鹽漬化的治理及防治尤為重要。

現(xiàn)地采樣測量土壤鹽分含量是獲取土壤鹽漬化狀況的傳統(tǒng)監(jiān)測手段，結(jié)果較為準確，但具有費時、費力、測點代表性差、覆蓋面積小等不足，對大空間尺度下的土壤鹽漬化監(jiān)測具有局限性。近年來隨著信息技術(shù)的不斷發(fā)展，通過遙感影像提取對鹽分較為敏感的特征指數(shù)，利用多種方法將特征指數(shù)和土壤鹽分相結(jié)合，構(gòu)建土壤鹽漬化反演模型來監(jiān)測區(qū)域土壤鹽漬化現(xiàn)狀。該方法可彌補以往田間實測調(diào)查的不足，能夠從較大空間尺度對區(qū)域土壤鹽漬化進行研究，且具有獲取快速、受地面影響較小、可以連續(xù)動態(tài)監(jiān)測區(qū)域鹽漬化狀況等優(yōu)點，是熱門的土壤鹽漬化定量監(jiān)測方法之一[3]。目前已有很多學者基于遙感技術(shù)監(jiān)測鹽漬化狀況，并取得了一定的研究成果，張同瑞等[4]利用多個遙感指數(shù)與土壤鹽分實測數(shù)據(jù)構(gòu)建線性回歸模型反演土壤鹽分，發(fā)現(xiàn)以土壤調(diào)節(jié)植被指數(shù)（soil adjusted vegetation index，SAVI）為因變量的線性模型反演精度最高；姜紅等[5]聯(lián)合土壤鹽分數(shù)據(jù)與地下水埋深、鹽分指數(shù)、地表蒸散量和溫度植被干旱指數(shù)對BP神經(jīng)網(wǎng)絡(luò)進行訓練，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型反演土壤鹽分。在遙感反演模型方面，土壤鹽分估算方法主要有多元線性回歸、主成分分析和神經(jīng)網(wǎng)絡(luò)等，并且均有較好的預測精度。

但由于傳統(tǒng)單項預測模型不能全面反映事物的信息，自身存在局限性，信息的缺少會使預測出現(xiàn)誤差，為了解決傳統(tǒng)單項預測模型的缺陷，Bates等[6]將多個單項預測模型相結(jié)合起來的組合模型，在不同領(lǐng)域已經(jīng)得到廣泛應用。馮海寬等[7]利用高光譜遙感提取原始波段，確定了對蘋果葉片全璘含量最敏感的波段，構(gòu)建了蘋果葉片全磷含量的最優(yōu)權(quán)重組合模型，用于預測蘋果葉片全磷含量。

殷禮勝等[8]將快速集合經(jīng)驗模擬分解的方法以及自然選擇自適應變異離子群算法來優(yōu)化雙向長短時記憶網(wǎng)絡(luò)的方法相結(jié)合，構(gòu)建組合預測模型來提高短時交通流的精度預測和預測速度。

綜上所述，組合模型可以提高模型的預測精度，并且應用廣泛。因此，為進一步提高土壤鹽分反演模型的預測精度、增強預測模型的魯棒性，本文以西北地區(qū)典型的農(nóng)業(yè)灌溉綠洲和最早實施滴灌節(jié)水技術(shù)的瑪納斯河流域農(nóng)田為研究對象，將偏最小二乘回歸模型（partial least squaresregression，PLSR）與反向神經(jīng)網(wǎng)絡(luò)（back propagationneural network，BPNN）模型相結(jié)合，研究土壤鹽漬化的反演，探究多光譜遙感數(shù)據(jù)組合模型在土壤鹽漬化反演研究中的可行性。

1 材料與方法

1.1 研究區(qū)概況

瑪納斯河流域地處準噶爾盆地南部，地理位置為43°21'—45°20'N、84°43'—86°35'E。流域面積約為3.35 萬km2，流域內(nèi)干旱少雨、多荒漠，年均氣溫4.7～5.7 ℃，年均降水量100～200 mm，且主要集中在夏季，年均蒸發(fā)量1 500～2 100 mm，屬于典型的溫帶大陸性氣候[9]。該地區(qū)緊鄰天山，冰雪融水將巖石風化產(chǎn)生的鹽分帶入農(nóng)田區(qū)，常年的鹽分聚集導致綠洲鹽漬化現(xiàn)象嚴重，且由于灌溉不合理，瑪納斯河流域農(nóng)田鹽漬化現(xiàn)象頻發(fā)，嚴重影響了土地資源的開發(fā)利用與區(qū)域經(jīng)濟的發(fā)展[10]。

1.2 土壤樣品采集與指標測定

1.2.1 土壤樣品采集 于2019年10月進行采樣與調(diào)查，采樣地點為瑪納斯河流域農(nóng)田（圖1）。

該時期地表植被覆蓋度較低，能夠較為準確地反映土壤表層鹽分現(xiàn)狀。根據(jù)研究區(qū)的地表特征、鹽漬化狀況、采樣點的均勻性和代表性確定樣方采樣點，布置方法為網(wǎng)格布點法，樣方間距為300 m。在30 m×30 m樣方內(nèi)按照五點采樣法利用土鉆采集土壤樣品，采集深度為0—20 cm，利用GPS 精準定位每個采樣點的經(jīng)緯度，共獲得355個土壤樣品。剔除無效采樣點5個，剩余有效采樣點共350個，采用隨機分組的方法將土樣分成2組，一組280個用于構(gòu)建模型，另一組70個用于驗證模型。