基于多光谱遥感的盐渍化评价指数对宁夏银北灌区土壤盐度预测的适用性分析

吴霞，王长军，樊丽琴，李磊

(宁夏农林科学院农业资源与环境研究所，银川 750002)

0 引言

土壤盐渍化是自然或人类不合理灌溉造成盐分在土壤中逐渐积累而形成的一种土壤退化现象，是干旱地区最主要的土地退化形式之一，也是制约农业发展和影响生态环境的一个重要因素[1-2]。宁夏平原虽处于内陆干旱区，年降雨量仅200 mm左右，但因地处黄河中上游，灌溉水源充足，农林牧渔业发达，素有“塞上江南”的美誉。与此同时，土壤盐渍化及次生盐渍化问题一直是制约宁夏平原农业可持续发展的瓶颈，尤其是宁夏北灌区，地势低洼，灌排不畅，土壤盐渍化问题十分突出[3-5]。因此，快速并精确掌握土壤盐渍化信息对区域农业用地规划、水土水资源合理配置以及土壤盐渍化综合防治等至关重要。传统的以野外实地调查为手段获取土壤盐渍化信息的方法不仅耗时耗力，且所获取的盐渍化信息的准确性受到样点的代表性和采样数量的影响较大，难以实现大范围高精度动态监测。而遥感数据具有受地面限制少、覆盖范围广、获取速度快、历史资料丰富、成本低等优点，被广泛应用到土壤盐渍化的动态监测和评价中[6-7]。

随着传感器、信息传输、图像处理等遥感技术以及计算机技术的不断发展和提高，以有限的野外实测数据和多光谱、高光谱等遥感数据为基础，运用数学方法进行土壤盐渍化信息提取、定量化评估、模拟预测等技术日趋成熟[8-11]。研究发现裸露的土壤表面积集聚的盐结皮在可见光和近红外波段光谱反射率较强，且反射率随着土壤盐含量的增加而增强，可直接用于获取土壤盐度信息，而在盐生植被覆盖区域红光和绿光波段则被用于间接推算土壤盐渍化程度[12-13]。随着多波段传感器的发展，诸多国内外学者们基于土壤盐分与光谱特征之间的关系及波段组合构建了大量土壤盐分指数，尝试用不同方法对区域土壤含盐量进行定量反演和预测。Allbed等[14]基于IKONOS卫星影像分析了13个土壤植被指数和盐分指数对沙特阿拉伯东部地区哈萨绿洲土壤盐度的预测能力，结果表明归一化盐分指数(normalized differential salinity index，NDSI)和盐度指数(salinity index T，SI-T)是评价植被密集均匀耕地土壤盐分的最佳指标；Elia等[15]在对美国加利福尼亚州圣华金河谷地区土壤盐分的研究中发现，基于Landsat7 ETM+影像提取的冠层盐分响应指数(canopy response salinity index，CRSI)对研究区土壤盐度较敏感，预测精度较理想(R2=0.79);陈红艳等[16]在对黄河三角洲盐渍土的研究中引入短波红外波段对传统植被指数进行扩展，提出扩展的归一化植被指数(extented normalized difference vegetation index，ENDVI)，获得了较好的土壤盐分空间反演结果；王飞等[17]利用曲线模型拟合了14个土壤盐分指数和植被指数对新疆天山南北典型绿洲土壤盐度的敏感性，结果显示不同研究区、不同深度土壤盐度的敏感指数差异性较大。土壤盐渍化具有明显的区域特征，受气候、地形地貌、植被覆盖等影响，不同地区盐渍化土壤反射光谱特征差异性较大，虽然这些土壤盐渍化评价指数取得了较为理想的结果，但这些研究多是针对特定地区某一时期的遥感影像开展的，所建立的盐渍化评价指数在其他地区的适用性有待进一步验证。

宁夏平原地处我国西北内陆地区，干旱少雨，蒸发强烈，土壤盐渍化是制约农业发展的重要因素。目前针对宁夏平原的土壤盐渍化遥感监测研究中仅于文婧[18]利用归一化植被指数(normalized difference vegetation index，NDVI)评价了平罗县土壤盐渍化状况，其他指数较少应用到宁夏平原，且多个评价指数在宁夏平原的适用性对比研究尚未见相关报道。本研究以宁夏银北灌区实测土壤EC和Landsat8 OLI遥感影像为数据基础，研究不同土壤盐渍化评价指数与土壤EC的拟合关系，从而选取研究区最佳土壤盐度评价指数，为银北地区土壤盐渍化动态监测、有效防治、农业规划等提供技术支持。

1 研究区概况与数据源

1.1 研究区概况

宁夏银北灌区位于黄河中游上段、宁夏平原北部(图1)，包括贺兰县、平罗县、惠农县和大武口区，属于典型的大陆性干旱气候，全年降雨量稀少，日照充足，蒸发强烈，年均蒸发量是降水量的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，土壤类型以盐碱土、灰钙土、白疆土和灌淤土为主[19]。受气候、地形、土壤、地下水等自然因素以及人为不合理灌溉的影响，银北灌区土壤盐渍化严重，已经成为宁夏土壤盐渍化最为严重的地区，盐碱地已占总耕地面积的51%以上，严重制约了当地农业生产发展[20]。随着黄河引水量的减少，银北地区土壤盐渍化有进一步加重和扩大的趋势，必将给农业生态环境造成更大危害，因此盐渍化问题成为银北地区农业生产中亟待解决的问题。

图1 研究区影像及采样点示意图Fig.1 Study area image and sampling points

1.2 土壤样品采集及室内测定

根据研究区土地利用类型、盐渍化程度、地形地貌等均匀布设样点，共布设采样点56个，每个采样点的采样范围为30 m×30 m的区域，与Landsat8 OLI影像的像元大小一致，于2014年10月14日—10月21日进行野外土壤样品采集。每个采样点按梅花形采样法采集样区中心点和对角线上距中心点15 m的4个点的土壤混合为一个样本，采样深度为0～20 cm，将采集的土壤样本在实验室自然风干、研磨、过2 mm筛后制成待测样本。样本含盐量采用电导法测定[21]，即先制备1∶5土水比的土壤浸提液，再采用电导率仪测得土壤浸提液的EC值，后续直接采用土壤浸提液的EC值进行统计分析。

1.3 遥感影像获取与预处理

选取与研究区野外土壤采样时间对应的2014年10月16日的Landsat8 OLI 遥感影像，数据来源于地理空间数据云(http://www.gscloud.cn)，行列号为129/33，云量为5.73%，数据质量良好。该影像数据包含OLI陆地成像仪的9个波段和TIRS热红外传感器的2个波段，本研究主要采用影像的B1—B7进行分析，数据空间分辨率为30 m[22]。首先在ENVI 5.3软件中完成影像的辐射定标、大气校正、裁剪等预处理工作，再利用ArcGIS10.1软件提取采样点对应的影像反射率数据，用于计算相关土壤盐渍化评价指数。

2 研究方法

2.1 土壤盐渍化指数提取

研究发现遥感影像中的可见光和近红外波段对土壤盐渍化较为敏感，将其与土壤盐度关联构建土壤盐度指数，是监测裸地土壤盐渍化程度的一种有效方法[23]。另外，盐渍化土壤中的盐分对植物生长造成一定危害，盐渍化程度越重的地区植被覆盖度越低，因此植被覆盖状况是很好的盐渍化程度间接指标，据此判断土壤盐渍化程度的方法被广泛应用于土壤盐渍化遥感监测[24]。本研究在查阅相关文献的基础上，选取了NDSI，S1，S2，SI等12种土壤盐度指数；NDVI等7种植被指数；以及基于NDVI-SI特征空间构建的土壤盐渍化遥感监测指数模型(salinization detection index，SDI)共20种土壤盐分评价相关指数(表1)分析其与土壤盐度之间的定量关系。

表1 土壤盐渍化评价指数①Tab.1 Ealuation index of soil salinization

(续表)

①表中：B，G,R,NIR,SWIR1和SWIR2分别为蓝波段、绿波段、红波段、近红外波段及2个短红外波段的反射率。

2.2 数据分析方法

2.2.1 相关分析

相关分析(correlation analysis)是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度的一种统计方法[28]。本研究中应用相关分析方法研究土壤盐渍化评价指数与土壤EC的关联程度。

2.2.2 曲线回归分析

本研究采用线性、对数、逆模型等11种曲线回归模型(表2)分析土壤EC与上述土壤盐分指数、植被指数的线性关系。拟合结果中仅保留通过显著性检验(Sig.<0.05)的回归模型，并引用决定系数R2和均方根误差(root mean square error,RMSE)评价不同曲线模型对土壤盐分的拟合精度。

表2 曲线回归模型及其公式①Tab.2 Curve regression model and its mathematical expression

①表中：b0，b1，b2，b3，u为拟合方程系数；Y为土壤EC；t为土壤盐分指数和植被指数。

3 结果分析

3.1 土壤盐度描述性统计分析

将研究区土壤样本按含盐量划分为非盐渍化(<0.1%)、轻度盐渍化(0.1%～0.3%)、中度盐渍化(0.3%～0.6%)和重度盐渍化(>0.6%)样本，由于中度和重度盐渍化土壤样本较少，故将二者合并为中重度盐渍化样本进行统计，全样本及不同盐度水平土壤EC统计特征如表3所示。结果显示研究区土壤样本中以非盐渍化和轻度盐渍化土壤为主，合计占比82.68%，整体样本的土壤EC变异系数(1.78)较大，属于强变异水平，表明土壤盐度空间变异较大。

表3 研究区土壤EC的统计特征Tab.3 Statistical characteristics of soil EC in the study area

3.2 评价指数与土壤盐度之间的相关性分析

利用SPSS 25软件的相关分析工具计算各土壤盐渍化评价指数与土壤EC的相关系数，并绘制指数与土壤EC相关性图(图2)。分析可知，12个盐分指数中S3，S5，S6和SI与土壤EC相关系数均在0.50以上，呈较强的正相关关系，其余盐分指数与土壤EC呈较弱的正相关关系。植被指数中EVI、EEVI和SDI与土壤EC呈较弱正相关，其余植被指数均呈现负相关关系，其中指数CRSI与土壤EC相关系数最大(R=-0.45)，但仍属于较弱的相关关系，由此可见，植被指数与土壤EC的相关关系整体弱于盐分指数。

图2 土壤EC与盐渍化评价指数之间的相关性图Fig.2 Correlation between soil EC and salinization evaluation index

3.3 评价指数与土壤盐度的曲线拟合结果分析

利用SPSS 25软件中的曲线估算模型拟合研究区土壤盐渍化评价指数与土壤盐度之间的关系，全样本评价指数与土壤EC的拟合结果如表4所示，轻度盐渍化与重度盐渍化土壤EC与各盐渍化评价指数的拟合结果如表5和表6所示，非盐渍化土壤所有评价指数与土壤EC拟合结果均不显著，在此不进行分析。

表4 盐渍化评价指数与全样本土壤EC之间的曲线拟合结果Tab.4 Curve fitting results between salinization evaluation index and soil EC(Full sample)

(续表)

表5 盐渍化评价指数与土壤EC之间的曲线拟合结果(轻度盐渍化)Tab.5 Curve fitting results between salinization evaluation index and soil EC(Slight salinization)

表6 盐渍化评价指数与土壤EC之间的曲线拟合结果(中重度盐渍化)Tab.6 Curve fitting results between salinization evaluation index and soil EC(Moderate and severe salinization)

(续表)

分析各盐渍化评价指数对研究区全样本土壤EC的拟合结果可知，12个盐分指数中S5对土壤EC的拟合效果最好(三次函数模型，R2=0.406)，其次为指数S3(三次函数模型，R2=0.395)，盐分指数NDSI拟合效果最差(R2=0.095)，其余盐分指数与土壤EC的最优拟合模型R2介于0.257～0.382之间，预测RMSE在0.577 mS/cm以上。9个植被指数对研究区土壤EC的拟合度整体低于盐分指数，表现最好的为CRSI指数，拟合度接近于盐分指数的中等拟合水平(三次函数模型，R2=0.284)。拟合模型中，有15个指数均是三次函数模型的拟合度最高，二次函数模型次之；复合函数模型、增长函数模型、指数函数模型和逻辑函数模型的拟合度略低且拟合结果一致；对数函数模型、逆模型和S模型的拟合效果较差；线性函数模型的拟合效果不理想，拟合度最高为指数S3(R2=0.335)，低于该指数拟合度最高的三次函数模型。

由表5和表6可知，随着土壤盐度水平的增加，盐渍化评价指数对土壤EC的拟合效果显著提升。轻度盐渍化土壤样本中拟合度最高为基于三次函数模型的指数GDVI，拟合度R2=0.419，其次为指数S5和SI2，指数S3，SI，Int2和CRSI对轻度盐渍化土壤EC拟合效果显著，其余指数拟合结果均不显著，最优拟合模型为二次函数模型或三次函数模型。中重度盐渍化样本中有13个指数(11个盐分指数，2个植被指数)与土壤EC呈显著性拟合关系，指数S1和S2对中重度盐渍化土壤EC的拟合效果最好，指数S1的S模型、二次函数模型、三次函数模型和幂函数模型，指数S2的二次函数模型和三次函数模型的拟合度R2均达到0.700以上。指数S1的S函数模型拟合度最高(R2=0.730)，但RMSE较大(0.872 mS/cm)，因此，选择RMSE最小(0.621 mS/cm)，拟合度相近的三次函数模型(R2=0.724)评价中重度盐渍化土壤盐度更为合适。

根据上述分析结果，研究区全样本、轻度盐渍化和中重度盐渍化样本的最优评价指数分别为S5、GDVI和S1，最优拟合模型均为三次函数模型，其预测结果如图3所示。

(a)全样本 (b)轻度盐渍化样本 (c)中重度盐渍化样本

3.4 研究区土壤EC空间分布

以研究区遥感影像为基础，利用最优预测指数S5和三次函数模型绘制研究区土壤EC分布图(图4)。整体来看研究区土壤盐渍化程度较低，非盐渍化和轻度盐渍化土壤约占研究区总面积的85.57%，中重度盐渍化土壤面积约为15.57%，主要分布在研究区中部、北部地势较低洼地区，以及黄河东岸沿岸区域，盐渍化土壤分布情况与野外采集样本的描述性统计结果较为一致。

图4 研究区土壤EC分布图Fig.4 Distribution map of soil EC in the study area

4 讨论

目前已有许多学者基于遥感影像光谱信息建立了众多土壤盐渍化评价指数[14,17,29]，这些指数中仅有SI，SDI，NDVI，CRSI等在宁夏银川平原的土壤盐度监测中得到应用[18-19,30]，其他指数较少应用到宁夏银北地区。本研究以采集的宁夏银北灌区52个表层土壤样本为基础，结合该地区同时期多光谱遥感影像，提取并分析了20个土壤盐度指数和植被指数对研究区土壤EC的拟合效果，既扩大了这些评价指数的应用范围，又丰富了宁夏银北灌区土壤盐渍化遥感监测研究。

干旱区土壤盐度受降雨、蒸发、农业灌溉等影响，季节变化明显[9,31]。从所采集的52个表层土壤样本来看，研究区土壤以非盐渍化和轻度盐渍化为主，中重度盐渍化土壤仅占17.32%，这主要与研究区土壤盐度随季节变化有关。宁夏银北灌区冬春季节干旱少雨，土壤多以裸露为主，蒸发强烈，盐分随水向土壤表层聚集，因此表层土壤盐度水平较重；而夏秋季节由于作物覆盖、降雨、灌溉等影响，盐分随水向土壤深层运动，表层土壤盐度较低。本研究中土壤采样时间为深秋季节，表层土壤含盐量较少，与研究区实际情况一致。

已有研究表明在裸土或植被覆盖度较低的区域，盐分指数是直接监测土壤盐度的有力手段，植被覆盖度较高的地区，植被指数可作为间接监测土壤盐度的重要方法[17]。从评价指数与土壤盐度的相关性分析可知，研究区12个盐分指数与全样本土壤EC一致呈正相关且相关系数较大，植被指数与土壤EC的正负相关性和相关系数均差异较大，因此选取盐分指数对银北灌区秋季作物收获后、植被覆盖度较低时节的土壤盐度进行监测具有一定的实际应用意义。此外，研究区土壤盐度越高，盐分指数和植被指数均表现为与土壤EC的相关系数越大，说明研究区土壤盐度越高，评价指数对土壤EC的解释越准确，这与前人的研究结果高度一致[1,32]。

不同地区土壤盐渍化发生、发展和变化规律差异性较大[2,17,33-34]。通过对20个评价指数与研究区土壤EC的曲线拟合结果来看，盐分指数对土壤EC的拟合度整体高于植被指数，但拟合度并不高(全样本中最高拟合度R2仅为0.408)，究其原因可能是研究区深秋季节表层土壤盐度较低，土壤反射光谱信息相对较复杂，对土壤盐度的解释力度较弱。拟合模型中三次函数模型、二次函数模型、复合函数模型等非线性模型对土壤EC的拟合效果较好，线性函数模型表现较差，进一步验证了前人对于土壤盐度与评价指数并非简单线性关系的结论[7,23,35]。

5 结论

本研究以宁夏银北灌区为研究对象，通过对研究区秋季52个表层土壤样本盐度、盐渍化评价指数与土壤EC的相关性以及曲线拟合结果分析，得出以下结论：

1)全样本土壤EC介于0.04～7.52 mS/cm之间，且空间变异程度较大，变异系数为1.78，非盐渍化和轻度盐渍化土壤样本合计占比82.68%。

2)盐度指数与全样本土壤EC均为正相关，相关性最高的为指数S3，相关系数为0.58，其次为S5、S6和SI，植被指数CRSI与土壤EC相关性相对较高(相关系数为-0.45)，其余植被指数与土壤EC相关性较小。

3)指数对不同盐度水平土壤EC的拟合度表现为随土壤盐度升高而显著增加，全样本中与土壤EC拟合度较高的为盐分指数S2，S3，S5和SI，其中指数S5的表现最好(R2=0.406)，对中重度盐渍化土壤EC的拟合度最高的为指数S1(R2=0.730)和S2(R2=0.724)。

4)7种曲线拟合模型中，基于三次函数模型、二次函数模型和S函数模型计算的评价指数与土壤EC的拟合度较高。

上述研究得出的初步结论可为宁夏银北灌区土壤盐度大尺度遥感监测提供一定理论基础，但整体相关性和拟合度并不高，需要进一步加大数据量或改进研究方法，提高盐渍化评价指数对土壤盐度的定量化解释力度，同时也可更准确地筛选出适合宁夏银北灌区的盐渍化评价指数。此外，银北地区土壤盐度随季节变化较大，本研究仅针对深秋时节的土壤盐度进行了分析，下一步需要考虑土壤表层盐分含量较高的春季、植被覆盖度较高的夏季指数与土壤盐度的关系，以评价各指数在银北灌区不同季节土壤盐度监测中的适用性。