塔里木河中游綠洲鹽漠帶典型鹽生植物光譜指數分析

張飛，李瑞，周梅，阿不都拉·阿布力孜

（1.新疆大學資源與環境科學學院，新疆 烏魯木齊 830046；2.北京師范大學全球變化與地球系統科學研究院，北京 100875；3.新疆智慧城市與環境建模普通高校重點實驗室，新疆 烏魯木齊 830046；4.新疆大學綠洲生態教育部重點實驗室，新疆 烏魯木齊 830046）

0 引言

綠洲是干旱區三大生態地理景觀（山地、綠洲、荒漠）的精華所在［1］，綠洲區鹽漬化、沙漠化日趨嚴重，加之人類活動干擾，加劇了綠洲生態系統的退化［2］。鹽生植物除具有很強的固沙能力外，還具有很強的耐鹽堿性能，比其他植物更能適應荒漠化環境，研究鹽生植物對鹽漬土改良利用、遏制土地荒漠化以及維持干旱區鹽漬土的生態平衡等有著不可替代的重要作用。

近年來，針對鹽生植物和植被指數國內外已開展大量的研究。顧峰雪等［3］研究發現鹽生植物為農業生產提供了豐富的抗鹽種植資源；李玉霞等［4］研究發現光譜指數S－R可以較好地剔除環境背景及冠層結構等外界因素的影響，植被含水量遙感反演精度較高；張芳等［5］對天山北坡4種常見的鹽生植物（芨芨草、苦豆子、樟味藜、駱駝刺）進行了光譜特征分析和種類識別；Tan等［6］研究發現高光譜植被指數可以作為潛在的指標來監測Fv／Fm值在緊湊型玉米的生長階段；Meng等［7］研究了植物的葉綠素含量與植物光合能力和增長水平的相關性。但針對鹽生植物的高光譜植被指數方面的研究尚不多見。故本研究以渭干河－庫車河三角洲綠洲鹽漠帶中典型鹽生植物為研究對象，利用光譜學分析方法，分析不同鹽生植物的光譜曲線，研究實測植被指數、多光譜植被指數、高光譜植被指數與土壤理化性質的相關性，并驗證實測植被指數與反演植被指數數據的精度。

1 研究區概況

渭干河－庫車河三角洲綠洲（簡稱渭－庫綠洲）位于天山南麓，塔里木盆地的北部，地理坐標41°06′～41°38′N，81°26′～83°17′E，隸屬于新疆阿克蘇地區（圖1）。該研究區中塔里木盆地的北緣，受大陸性干旱氣候的長期作用和山盆相間地貌格局的影響，發育著典型而完整的扇形平原綠洲、荒漠生態系統，在西部旱區環境演變研究中占據著極其重要的地位。渭－庫綠洲位于中緯度地區，屬典型的大陸性暖溫帶干旱氣候。

渭－庫綠洲土壤主要包含沙土、壤土和粘土。植被群落主要由喬木、灌木和草本植物群落構成。喬木主要是胡楊（Populus euphratica），灌木主要為檉柳（Tamarixram osissina）、梭梭（Haloxylon ammo－dendron）、鹽穗木（Halostachyscaspica）、鹽節木（Halocnemumstrobi－laceum）等，草本植物主要有蘆葦（Phrag－mites australis）、甘草（Glycyrrhiza inflate）、駱駝刺（Alhagi sparsifo－lia）等。

圖1 研究區示意Fig.1 Location map of study area

2 數據與研究方法

2.1 數據源及處理方法

研究選用同一時期的數據，主要包括：2010年10月野外實測光譜反射率數據；2010年10月TM影像；2010年10月環境與災害監測預報小衛星（HJ－1A／1B）高光譜遙感影像。

選用美國ASD公司的Field Spec Pro FR便攜式分光輻射光譜儀，光譜范圍為350～2 500nm。2010年10月12－19日當地時間10∶00－14∶00對渭－庫綠洲鹽漠帶典型鹽生植物進行光譜采集，氣象條件符合采集要求。同期進行野外土壤采集工作，用METTLER TOLEDO AL204電子天平稱取50g風干土與250ml蒸餾水混合，經過浸泡和振動使土壤鹽分充分溶解后，選用最能反映鹽漬地土壤特征的含鹽量、總溶解固體TDS、電導率、pH值4個指標進行測定。其中，含鹽量、TDS、電導率采用O－rion 115A＋儀器測定，pH值采用SM210型數字式酸度式測定。

2.2 植被指數計算

植被指數（VI）是兩個或多個波長范圍內的地物反射率組合運算，以增強植被某一特性或者細節。目前發布了超過150種植被指數模型，其中只有極少數經過了系統的實踐檢驗。本文總結現有植被指數，根據對植被波譜特征產生重要影響的主要化學成分：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），總結了7類實用性較強的植被指數，即：寬帶綠度、窄帶綠度、光利用率、冠層氮、干旱或碳衰減、葉色素、冠層水分含量［8］。

本研究選用已被ENVI 4.8集成的部分高光譜植被指數進行計算（表1），植物葉面在可見光、紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，這是植被遙感監測的物理基礎，通過這兩個波段測值的不同組合可得到不同的植被指數。在可見光波段內，各種色素是支配植物光譜響應的主要因素，其中葉綠素所起的作用最為重要。故本文選取測量植被綠度的NDVI705（歸一化植被指數）和VOG1（Vogelmann紅邊指數1）以及測量葉子色素的CRI1（類胡蘿卜素反射指數1）和ARI1（花青素反射指數1）4種指標。

表1 高光譜植被指數計算公式［9］Table 1 The calculated equations of hyperspectral vegetation indices

3 結果與分析

3.1 光譜數據的預處理

野外實測地物光譜數據由于受自然環境、儀器和目標本身光譜特性等因素影響，獲得的光譜中包括噪音光譜數據和地物光譜數據，通過光譜數據的預處理及各種轉換可以消除噪聲并突出地物光譜的某些細微差別。筆者對實測光譜數據選用Percentile Filter平滑，并剔除水汽吸收波段。通過分析具體數據和借鑒有關文獻的結論［10］，具體剔除范圍為：1 362～1 384nm、1 821～1 926nm、2 475～2 500 nm。為了更好地反映地物信息，對遙感影像進行了輻射定標和大氣校正等。

3.2 不同鹽生植物光譜特征分析

植被對電磁波的響應是由其化學特征和形態學特征決定的，這些特征與植被的發育、健康狀況及生長條件密切相關。不同植物或同一植物在不同的環境條件和不同的生長發育階段，體內的水分含量、各種色素含量及健康狀況都會發生一定的變化，從而引起反射率的不同［11－13］。渭－庫綠洲典型的鹽生植物檉柳、鹽節木、蘆葦的光譜曲線如圖2所示。

圖2 2010年10月3種不同鹽生植物的光譜曲線Fig.2 Three spectral curves of different halophytes on Oct.2010

植物葉子強烈吸收藍區和紅區的能量，而強烈反射綠區能量，因此肉眼覺得健康的植被呈綠色。此外，葉紅素和葉黃素在0.45um（藍色）附近有一個吸收帶，但由于葉綠素的吸收帶也在這個區域內，所以這兩種黃色色素在光譜響應模式中起主導作用。在近紅外波段（700～800nm）有一反射陡坡，至1 100nm附近有一峰值，在800～1 300nm之間形成一個反射率達40%、甚至高達85%的反射峰，形成植物的獨有特征；而在中紅外波段（1 300～2 500 nm），由于受到綠色植物含水量的影響，光譜反射率下降。2010年10月不同鹽生植物的反射光譜（取均值后）均有類似的變化趨勢，在700nm附近急劇增大，從750nm到1 100nm反射率保持較大，之后反射率呈現下降趨勢。

3.3 鹽生植物光譜指數分析

植物光譜指數是利用衛星不同波段探測數據組合而成，能反映植物生長狀況、數量、存在、質量及時空分布特點［14］。遙感圖像上的植被信息，主要通過綠色植物葉子和植被冠層的光譜特性及其差異、變化反映，土壤的理化性質對植被指數具有重要作用。本文用實測和反演的高光譜植被指數與土壤理化性質進行分析，并將實測數據和反演數據進行對比，進一步探討高光譜影像與TM影像的反演精度，為今后對鹽生植物特征的準確識別提供一定的依據。

3.3.1 基于實測數據的植物光譜指數與土壤理化性質的相關分析 實測數據NDVI705、VOG1、CRI1、ARI1和4種土壤理化性質的相關分析如表2。數據均是在SPSS軟件下擬合并經過篩選取得，在此基礎上，通過在SPSS軟件中的曲線擬合分析比較，得到的曲線圖均是各個植被指數與土壤理化性質相關性最好的模型。

表2 實測數據NDVI705、VOG1、CRI1、ARI1與4種土壤理化性質的相關分析Table 2 Correlation analysis between the measured data of NDVI705，VOG1，CRI1，ARI1 and the soil physicochemical properties

實測數據NDVI705與4種土壤的理化性質相關性均較低（圖3），其相關系數R均小于0.5。實測數據VOG1與4種土壤的理化性質相關性也較低（圖略）。VOG1與含鹽量的相關系數R＝0.449，與TDS的相關系數R＝0.407，與電導率的相關系數R＝0.425，與pH值的相關系數R＝0.332，其相關系數R均小于0.5。實測數據CRI1與含鹽量的相關系數R＝0.668，與TDS的相關系數R＝0.668，與電導率的相關系數R＝0.664，與pH值的相關系數R＝0.303，可見CRI1指數除了與pH值的相關性較低外，與另3種指標的相關系數R均達0.66以上。實測數據ARI1與4種土壤理化性質的相關性均較低。ARI1與含鹽量的相關系數R＝0.383，與TDS的相關系數R＝0.436，與電導率的相關系數R＝0.423，與pH值的相關系數R＝0.310，其相關系數R均小于0.5。

圖3 實測數據NDVI705與含鹽量、TDS、電導率、pH值的關系Fig.3 Relationship between the measured data of NDVI705and salinity，TDS，conductivity，pH

3.3.2 基于影像數據的植物光譜指數與土壤理化性質相關分析 選用2010年10月的TM影像反演數據與土壤理化性質進行相關性分析。高光譜成像儀HSI采用干涉成像光譜技術實現高光譜數據的獲取。高光譜成像儀的平均光譜分辨率為5nm，波段范圍為450～950nm，空間分辨率為100m，幅度為50km，115個波段。利用渭－庫綠洲高光譜遙感影像反演得到的高光譜植被指數與土壤理化性質進行相關分析（圖4、圖5）。

由圖4可知，TM反演數據NDVI705與含鹽量的相關系數R＝0.687，與TDS的相關系數R＝0.695，與電導率的相關系數R＝0.647，與pH值的相關系數R＝0.232，可見NDVI705與TDS的相關性較高。由圖5可知，高光譜反演數據VOG1與含鹽量的相關系數R＝0.534，與 TDS的相關系數R＝0.532，與電導率的相關系數R＝0.536，與pH值的相關系數R＝0.394，可見VOG1與電導率的相關性較高。

圖4 TM反演數據NDVI705與含鹽量、TDS、電導率、pH值的關系Fig.4 Relationship between NDVI705retrieved from Landsat TM image and salinity，TDS，conductivity，pH

圖5 高光譜反演數據VOG1與含鹽量、TDS、電導率、pH值的關系Fig.5 Relationship between VOG1 retrieved from hyperspectral image and salinity，TDS，conductivity，pH

3.3.3 精度驗證 實測數據和遙感影像反演數據的對比如圖6所示。結果表明：實測數據比高光譜反演數據VOG1的值要大，但其變化趨勢大致相同（圖6a），說明反演效果較好；實測數據與TM反演數據NDVI705的值差距較大（圖6b），說明反演的效果并不理想。從圖7也可以看出：TM反演數據NDVI705比高光譜反演數據VOG1的誤差要大，即高光譜反演數據VOG1比TM反演數據NDVI705的精度要高，這說明遙感圖像的空間分辨率取決于植被指數反演的精度。

圖6 反演數據與實測數據對比Fig.6 Comparison between measured data and retrieved data using RS

圖7 NDVI705與VOG1的精度檢驗Fig.7 Precision test of NDVI705and VOG1

4 結論與討論

本研究以典型鹽漠帶鹽生植物為研究對象，選取4種高光譜植被指數與土壤化學性質進行相關性分析，得出如下結論：1）鹽生植物實測數據的高光譜植被指數NDVI705、VOG1、ARI1與土壤理化特性之間均相關性較低（0.266＜R＜0.449），但是CRI1與含鹽量、TDS的相關性較高（R＝0.668）。2）用高光譜影像反演的VOG1與電導率的相關性較高（R＝0.536），用TM影像反演的NDVI705與TDS的相關性較高（R＝0.695）。3）通過精度驗證，發現高光譜反演數據（VOG1）比TM反演數據（NDVI705）準確，說明遙感數據空間分辨率的不同影響了反演植被光譜指數的精度。

實測地物光譜數據和遙感影像數據的獲取和季相時間差異微小，但年差會導致土壤含水量差異、氣候方面的差異、水體組成成分差異、植被葉綠素和水分的含量差異，這些差異會導致一定的誤差。另外，在實測過程中由于儀器和操作人員本身的原因都會對光譜數據產生一定誤差。本文主要是利用遙感影像并結合實測光譜數據和土壤實驗數據對鹽生植物的光譜特征進行初步研究，其中“混合像元”和采樣的合理性值得探討。混合像元問題不僅影響地物識別分類精度，而且是遙感技術向定量化發展的重要障礙。為了解決這個問題，需要對混合光譜的形成機理進行深入研究和補充。

總之，由于本研究在計算高光譜植被指數時采用的遙感數據均來自10月份，特別是高光譜數據，因為季節的原因，加上研究區域是鹽漠帶地區，造成有些植被指數會出現異常，使得實測數據和反演數據無法進行全面比較，這給研究的普適性、全面性、準確性帶來了一定的誤差。筆者將會在今后的研究中綜合考慮各方面的因素，以使結果更加完善。

［1］ 韓德麟.綠洲穩定性初探［J］.寧夏大學學報，1999，20（2）：136－139.

［2］ 徐海量，宋郁東，王強，等.塔里木河中下游地區不同地下水位對植被的影響［J］.植物生態學報，2004，28（3）：400－405.

［3］ 顧峰雪，潘曉玲.中國西北干旱荒漠區鹽生植物資源與開發利用［J］.干旱區研究，2002，19（4）：18－20.

［4］ 李玉霞，楊武年，童玲，等.基于光譜指數法的植被含水量遙感定量檢測及分析［J］.光學學報，2009，29（5）：1404－1407.

［5］ 張芳，熊黑鋼，努爾巴依·阿布都沙力克，等.新疆天山北坡常見鹽生植物端元尺度光譜特征及識別［J］.光譜學與光譜分析，2011，31（12）：3337－3340.

［6］ TAN C W，HUANG W J，JIN X L，et al.Monitoring the chlorophyll fluorescence parameter Fv／Fm in compact corn based on different hyperspectral vegetation indices［J］.Spectroscopy and Spectral Analysis，2012，32（5）：1287－1291.

［7］ MENG Q Y，DONG H，QIN Q M，et al.A kind of vegetation index monitoring vegetation leaf chlorophyll content based on hyperspectral remote sensing［J］.Spectroscopy and Spectral A－nalysis，2012，32（8）：2218－2222.

［8］ 鄧書斌，陳秋錦.植被波譜特征與植被指數綜述［A］.中國遙感應用協會2010年會暨區域遙感發展與產業高層論壇論文集［C］.2010.

［9］ 劉慶生，張敏，寧吉才，等.翅堿蓬高光譜植被指數對土壤化學性質的響應［J］.地理與地理信息科學，2011，27（3）：86－89，104.

［10］ PALACIOS－ORUETA A，USTIN S L.Remote sensing of soil properties in the Santa Monica Mountains［J］.Remote Sensing of Environment，1998，65（2）：170－183.

［11］ NAIDU R A，PERRY E M，PIERCE F J，et al.The potential of spectral reflectance technique for the detection of Grapevine leafroll－associated virus－3in two red－berried wine grape culrivars［J］.Comput.Electron Agric.，2009，66（1）：38－45.

［12］ VAN GAALEN K E，FLANAGAN L B，PEDDLE D R.Photosynthesis，chlorophyll fluorescence and spectral reflectance in Sphugmon moss at vary water contents［J］.Oecologia，2007，153（1）：19－28.

［13］ 林川，宮兆寧，趙文吉，等.基于光譜特征變量的濕地典型植物生態類型識別方法——以北京野鴨湖濕地為例［J］.生態學報，2013，33（4）：1173－1185.

［14］ LI Z F，LI X B，WEI D D，et al.An assessment of correlation on MODIS－NDVI and EVI with natural vegetation coverage in Northern Hebei Province，China［J］.Procedia Environmental Sciences，2010（2）：964－969.