瑪納斯河流域鹽漬化灌區生態環境遙感監測研究

張添佑, 王 玲,*,王 輝, 彭 麗, 羅 沖

1 石河子大學,理學院, 石河子 832003 2 石河子大學,水利建筑工程學院, 石河子 832003

?

瑪納斯河流域鹽漬化灌區生態環境遙感監測研究

張添佑1, 王 玲1,*,王 輝2, 彭 麗1, 羅 沖1

1 石河子大學,理學院, 石河子 832003 2 石河子大學,水利建筑工程學院, 石河子 832003

土壤鹽漬化已成為全球性問題,給生態環境及農業生產帶來嚴重的威脅。為了快速、準確評價土壤鹽漬化給區域生態壞境帶來的影響,該文提出了新的完全基于遙感數據的遙感生態指數(SSEI,Soil Salinization Ecology Index)來監測瑪納斯河流域鹽漬化灌區生態環境變化。該指數利用主成分分析的方法耦合與土壤鹽漬化相關的土壤鹽度、地表反照率、植被覆蓋度和土壤濕度四大地表參數,指數構建是數據本身性質所決定,不同于以往遙感與非遙感指數加權疊加易受人為影響。研究結果表明：耦合與鹽漬化信息相關的各遙感指數得到的生態指數,能夠對土壤鹽漬化影響區域的生態環境進行快速、定量、客觀的監測。將該指數應用到新疆瑪納斯河流域灌區,結果表明在近26年優和良等級生態環境面積增加了12.89%,這說明灌區生態環境有所改善。該研究對土壤鹽漬化監測與評價具有一定參考意義。

生態；遙感；土壤鹽漬化；主成分分析；瑪納斯河流域

全球氣候變暖使得中低緯度區域土壤鹽漬化問題日益突出,土壤鹽漬化問題已經成為全球性的話題[1-2]。土壤鹽漬化給農業生產、糧食安全、生態環境帶來嚴重威脅[3- 5]。我國西北干旱區成為受土壤鹽漬化影響的重災區。因此,及時準確的了解綠洲生態環境變化狀況顯得尤為重要。

當前遙感技術與遙感數據已經成為生態環境評價的重要手段[6]。遙感指數選取和構建成為不同區域生態環境評價的關鍵問題,Badreldin和Goossens[7]利用MDBI(MODIS Based Disturbance Index)和SAVI(Soil-Adjusted Vegetation Index)遙感指數對埃及土地荒漠化區域西奈半島的土地荒漠化進行了動態監測,研究表明,遙感指數對區域土地荒漠化監測十分有效；Franke等[8]利用NDVI(Normalized Difference Vegetation Index)、NREVI(Normalized Red-Edge Vegetation Index)以及調查數據構建了MASD(Mean Absolute Spectral Dynamic)遙感指數對草地退化動態過程進行了研究；徐涵秋[9]通過WI(Wetness Index)、NDVI、LST(Land Surface Temperature)、NDSI(Normalized Difference Soil Index)遙感指數耦合構建了水土流失區生態環境遙感評價指數RSEI(Remote Sensing Eological Index),研究結果表明,在水土流失區建立的遙感指數能夠有效地、合理地對區域生態環境變化進行科學評估；徐涵秋[10]針對城市熱環境影響的生態問題,提出依據LST、NDISI(Normalized Difference Impervious Surface Index)、NDVI、MNDWI(Modified Normalized Difference Water Index)遙感指數對城市變化進行有效評估。Gillies等[11]提出綜合利用可見光與熱紅外波段的光譜特征來計算植被覆蓋率、土壤濕度和地表蒸散發等具有生物物理意義指數的方法,為遙感地表生態過程研究提供了方法。在此基礎上,我國研究人員針對干旱區土壤鹽漬化遙感指數做了相關研究[12-14],并取得一系列研究成果。傳統土壤鹽漬化生態環境評價方面主要是利用GIS技術對土地利用類型、地下水等與土壤鹽漬化有關的參量進行綜合空間疊加對鹽漬化生態環境進行分析[15-16]。在以往的土壤鹽漬化遙感研究方面,主要針對土壤鹽漬化信息提取方面的研究[17-18],然而到目前為止,對干旱區綠洲灌區受土壤鹽漬化影響區域的生態環境缺乏直接評價的遙感指數,這將成為土壤鹽漬化區域生態遙感評價具有創新性熱點問題。

因此,該文在前人研究的基礎上,耦合多種反映土壤鹽漬化區域生態環境的要素參數,構建完全基于遙感信息的生態指數,并利用該指數對灌區土壤鹽漬化區域生態環境演變情況進行評價,以期為鹽漬化灌區的生態環境動態監測及評價提供有效的遙感信息模型。

1 基本原理與方法

1.1 研究區概況

研究區位于新疆維吾爾自治區北疆天山北麓中段,地理坐標范圍為43.75°— 45.25°N,85.00°— 86.30°E(圖1),處于亞歐大陸腹地,北部與古爾班通古特沙漠相接,南部為山地,中游的綠洲區由沖積洪積扇、泉水溢出帶、沖積平原、三角洲、湖濱平原構成[19],區域年平均氣溫在5—7℃之間,年降水量110—200 mm,年潛在蒸發量1500—2000 mm,具有氣候干燥、蒸發量大、晝夜溫差大等氣候特征,屬于溫帶干旱大陸性氣候[20]。該區域在古代以牧業為主,新中國成立后,開始建場屯墾,社會經濟取得巨大發展。在農業發展初期由于水資源管理技術落后,對農田灌水認識不足,漫灌導致地下水位抬升,由此引發的次生鹽漬化問題,給區域農業生產和生態環境帶來嚴重危害。

圖1 研究區地理位置示意圖Fig.1 Location of study area

1.2 影像處理

遙感數據統一選用Landsat系列影像,Landsat7與Landsat8比較見表1,成像時間分別為1989- 8- 25、2000- 8- 7、2015- 9- 10,行列號為144/29。選取影像時盡可能選取時相一致,云量少的影像,且是泛鹽期的秋季為最佳,這樣可以保證結果的對比性和準確性。

表1 Landsat7與Landsat8的波段、波長、空間分辨率對比分析

首先,對3幅影像進行幾何校正和輻射校正,通過影像處理軟件先將影像DN值轉換為輻射率(Radiance)[21],再采用Flassh大氣校正對影像進行輻射校正[22],以減少大氣對地表真實反射率的影響,其次獲取與土壤鹽漬化相關的地表參數。

1.3 指數構建原理

在已有的土壤鹽漬化遙感反演研究成果中,地表反照率、植被指數、土壤濕度、鹽分指數都與土壤鹽分有高的相關性[12-14,23],能反映土壤鹽漬化區域生態環境的狀況。為此,擬建的遙感土壤鹽漬化生態指數SSEI(Soil Salinization Ecology Index)將綜合地表反照率、植被指數、土壤濕度、鹽分指數來反映土壤鹽漬化灌區生態環境。SSEI表達如下：

SSEI=f(Albedo,NDVI,WI,SI)

(1)

式中，Albedo表示地表反照率,NDVI 表示植被指數,WI表示土壤濕度,SI表示土壤鹽度。

1.3.1 地表參數的選取

(1)鹽度指數(SI)：Metternichit和Zinck[23]認為選取土壤鹽漬化敏感波段對土壤鹽漬化信息提取有重要意義。Khan等[24]通過研究ETM+影像發現,第三波段(紅光波段,0.62—0.68μm)對土壤鹽漬化分離響應特征敏感,并且對典型地物的波段做了混合響應實驗,研究得出土壤鹽分指數(SI)是能夠反映土壤鹽漬化程度的重要生物物理參數。因此,本文選取鹽分指數作為衡量土壤鹽漬化生態環境的重要指標之一,其表達式為:

(2)

式中,SI為鹽分指數；ρ1、ρ3為分別對應Landsat-TM藍光波段與紅光波段反射率。

(2)濕度指數(WI)：穗帽變換不僅可以去除波段反映地表信息的冗余量,而且變換后的亮度、綠度、濕度分量具有重要物理意義參數,丁建麗等[14]把WI應用到土壤鹽漬化信息提取中,不僅與土壤鹽漬化明顯相關,而且也是反映生態環境狀況的重要參數[25]。因此,該文的濕度指標采用這一分量,其表達式為[26]：

WI=0.1466ρ1+0.1761ρ2+0.3322ρ3+0.3396ρ4-0.6210ρ5-0.4186ρ7

(3)

式中,WI為濕度指數；ρi(i=1,…,5,7)為Landsat-TM影像各對應波段的反射率。

(3)植被指數(NDVI)：已有的研究表明,植被是表征土壤含鹽量的間接有效指標[27],也是反映生態環境的重要指標[28]。因此,植被指數被選為反映土壤鹽漬化生態環境的重要指標之一。歸一化植被指數 NDVI在植被指數中應用最為廣泛,陳實等[12]研究表明,利用歸一化植被指數NDVI可以有效對土壤鹽漬化信息進行提取。因此,可選歸一化植被指數來代表植被指標,NDVI公式為：

NDVI=(ρ4-ρ3)/(ρ4+ρ3)

(4)

式中,NDVI為歸一化植被指數；ρ3、ρ4為Landsat-TM紅光波段與近紅外波段反射率。

(4)地表反照率指標(Albedo)：地表反照率是反映地表對太陽短波輻射反射特性的重要生物物理參量。哈學萍等[13]對土壤鹽漬化與地表反照率之間的關系進行探究,研究得出地表反照率越低,則地下水埋藏越淺,土壤鹽漬化程度越重。因此,地表反照率也是土壤鹽漬化信息反映的重要指標。該文選用Liang[29]建立的Landsat-TM估算地表反照率通用公式,該公式適用于不同的大氣和地面條件,Albedo公式為：

Albedo=0.356ρ1+0.130ρ3+0.373ρ4+0.085ρ5+0.072ρ7-0.0018

(5)

式中,Albedo為地表反照率；ρi(i=1,…,5,7)為Landsat-TM 影像各對應波段的反射率。

1.3.2 土壤鹽漬化生態指數的構建

土壤鹽漬化生態指數由以上4個參數構成,如何用一個單一變量來耦合這4個變量指數是該研究的關鍵。在通常的研究中,是對指標與權重的乘積求和得到[30-32],但是權重的大小受人為因素影響較大,賦權重值顯得十分困難,并且在多個指標對環境共同起作用時,并不能夠準確地確定是哪一個因素在環境全局變化中起作用。因此,需要一個由數據本身決定的耦合方法。

主成分分析(Principal Component Analysis,PCA)是通過正交線性變換對多個數據變量進行降維壓縮處理,將多維信息集中在少數幾個特征變量上,第一主分量對原始變量數據集方差貢獻最大,并且主成分變換是根據數據本身的性質,以及各主分量的貢獻度來自動、客觀的確定,能夠避免人為因素干擾對結果造成的偏差[33]。為了既不丟失原本的信息量,又能夠綜合四個參數分量對指數的貢獻,因此,選用主成分分析(PCA)的方法對土壤鹽漬化生態指數進行耦合。

由于計算PCA的4個分量量綱不統一,會導致指標權重的失衡,為此,在做主成分之前需要對4個指標的量綱進行統一。數據標準化處理(normalization)是將數值轉換到[0,1]區間。各指標的標準化處理公式為：

NIi=(Indicatori-Indicatormin)/(Indicatormax-Indicatormin)

(6)

式中,NIi為標準化后的某一指標,Indicatori為該指標的像元i值,Indicatormax是指標的最大值,Indicatormin是指標的最小值。

通過遙感軟件計算經過正規化處理的4個參數,得出的第一主成分PC1用于土壤鹽漬化風險評價初始值SSEI0,然后對SSEI0進行正規化處理,便于指標的度量和比較：

SSEI=(SSEI0-SSEI0_min)/(SSEI0_max-SSEI0_min)

(7)

2 結果與分析

2.1 瑪納斯河流域土壤鹽漬化生態環境指數

采用上述方法對各期影像數據處理。表2是研究區4個參量主成分矩陣,是1989、2000、2015年3期影像計算結果(圖2)。主成分分析能否反映所要表達的生態現象,關鍵在于是否能夠找到合理解釋現象的指標。從表2中比較分析得出：1) 主成分第1分量(PC1)在所有分量中所占的貢獻率都大于85%；2) 各參量在PC1表現的最為穩定；3) 在PC1中植被指數NDVI、濕度指數WI都為正值,而鹽度指數SI都為負值,這與現實生態環境是一致的,在表中Albedo的表現最不穩定,主要原因在于其與不同程度鹽漬化的相關系數及相關性存在差異,在生態環境差異較大的區域表現的不穩定；4) 其它主成分分量表現的并無一般意義上的規律,相比較PC1更能反映區域鹽漬化影響下的生態環境。

表2 指標主成分分析

Albedo：地表反照率；NDVI：歸一化植被指數,Normalized Difference Vegetation Index；SI：鹽分指數,Salinity Index；WI：濕度指數,Wetness Index；特征值：Eigenvalue；特征值貢獻率：Contribution rate of eigenvalue

圖2 研究區TM影像R(4)、G(3)、B(2)合成(左)；土壤鹽漬化生態指數影像(SSEI)(右)Fig.2 Images composition of R(4)、G(3)、B(2) in the study area (left)， The SSEI images (right)R(4)、G(3)、B(2)標準假彩色合成對應的影像波段分別是近紅外、紅光、綠光波段

2.2 土壤鹽漬化區域生態指數結果驗證

圖3 土壤含鹽量樣點值與土壤鹽漬化生態指數關系分布 Fig.3 Relationship of soil salinity and the Soil salinization ecology index(SSEI)

在地表蒸散強烈作用下導致土壤鹽漬化,引起瑪納斯河流域灌區土地棄耕,土地退化等生態環境問題。瑪納斯河流域灌區土壤鹽漬化是影響生態環境變化的主要因素,不同程度鹽漬化對生態環境作用的強度不同[7]。從2015年9月野外GPS定位采集的0—20 cm深度土壤樣品中分層選取34個土壤樣品用于研究區生態環境指數的驗證。結果如圖3所示,土壤鹽分含量與生態指數SSEI負相關性明顯(R2=0.9035,P< 0.01),這表明SSEI指數可以用于該區域由土壤鹽漬化主導引起的生態環境評價。

2.3 瑪納斯河流域土壤鹽漬化區域生態環境評價分析

為了對區域土壤鹽漬化影響下的生態環境變化進行合理的分析,將標準化的遙感指數SSEI以0.2為間距劃分成5個等級[10],分別代表生態環境差、較差、中等、良、優5個等級(表3)。統計結果表明,1989—2000年SSEI差等級所占的比例從491.6 km2增加到1031.4 km2,所占比例增加了5.7%,在2000—2015又出現減少的趨勢,減少到636.9 km2；生態環境較差的面積出現先增加后減少的趨勢；中等生態環境的面積先減少后增加,從1989年的6354.3 km2,到2015年的2111.4 km2；生態環境良的面積從1989—2000年減少了1041.2 km2,2000—2015年增加了1235.8 km2。優的面積在1989—2000增加明顯,2000—2015保持穩定。等級優和良所占的比重變化從25.3%—30.3%—37.2%,等級差到中等的變化呈減少的趨勢,總體表明生態環境呈良性發展的趨勢。

表3 研究區1989—2015年鹽漬化生態環境評價級別面積統計

SSEI：Soil Salinization Ecology Index

2.4 瑪納斯河流域土壤鹽漬化區域生態環境動態變化分析

為了深入分析近20年來不同生態敏感性等級的變化特征,利用遙感軟件將1989、2000和2015年土壤鹽漬化遙感生態敏感性指數進行統計分析,獲得1989—2000、2000—2015年的轉移矩陣數據表4,表5,以及變化趨勢空間分布圖4。

分析轉移矩陣表4可知,1989—2000年間較差等級向差等級轉換了675.4 km2,差等級向較差等級轉換162.7 km2,這要比差等級向較差等級轉化多512.7 km2；中等等級向較差等級轉化4138.0 km2,較差等級向中等等級轉化多3837.4 km2。從生態環境變化空間分布圖4(1989—2000年)分析得出：生態環境變差的區域主要分布在非綠洲的荒漠區,由中等級向較差等級轉化,而中等級向良等級轉化和優等級轉化面積為1211.0 km2,生態環境向良轉化為優的面積為1153.0 km2,結合土壤鹽漬化生態環境空間分布圖2與土壤鹽漬化生態環境空間變化圖4分析表明,生態環境向良性方向變化的主要分布在瑪納斯河流域的綠洲區域。

表4 研究區1989—2000年SSEI轉移矩陣

圖4 瑪納斯河流域土壤鹽漬化區域生態環境變化監測圖Fig.4 SSEI image change of soil salinization area in the Manas River Basin

從轉移矩陣表5分析可知：2000—2015年,較差等級向中等、良、優等級轉化1867.4 km2,向差等級轉化295.3 km2；中等等級向良、優等級轉化了664.2 km2,良向優轉化了354.1 km2。結合生態環境變化空間分布圖4(右)和表5得出,生態環境總體逐漸向好的趨勢轉變。

表5 研究區2000—2015年SSEI轉移矩陣

土壤鹽漬化在綠洲區域隨著人類活動的不斷增強,耕地面積的不斷擴大,水資源調控的更加合理使得鹽漬化面積在不斷減少；結合SSEI空間分布來看,在非人類影響的荒漠區并沒有得到較好的改善,也沒有惡化,只是在原有的水平上保持不變,處于較差水平。在人類活動的區域土壤鹽漬化生態環境在不斷的改善變化過程中,總體的變化趨勢與該區域土壤鹽漬化信息保持一致[34]；但是,鹽漬化對非人類影響的荒漠區生態環境并沒有得到改善。

3 結論

利用遙感指數對干旱區土壤鹽漬化影響下的生態環境進行定量評價中,鹽度、濕度、地表反照率、植被指數是土壤鹽漬化影響區域生態環境評價的重要參數。在此基礎上,利用主成分分析的方法構建SSEI指數,并對近26年瑪納斯河流域鹽漬化灌區生態環境變化進行評估,結果表明：

(1) 植被指標與鹽度指標對主成分PC1的貢獻量最大,植被指數呈正值,鹽度指數呈負值,說明植被與鹽度指標對生態環境的影響相反,這與一般生態意義上的結果相一致,并且第一主成分變量的貢獻率達到85%以上,因此第一主成分變量可以客觀、定量的反映區域生態環境質量情況。

(2) 瑪納斯河流域綠洲區域近26年來,SSEI得到的良等級和優等級生態環境面積增加了12.9%,主要分布在綠洲農業生產區,這說明綠洲區域的生態環境質量上得到顯著的改善,但是從空間分布來看,2000—2015年SSEI表示的中等等級在非農業生產區逆向轉化,這表明土壤鹽漬化引起的生態問題在受自然因素影響依然十分嚴峻。

4 討論

完全依靠遙感指數獲取鹽漬化生態風險與傳統的土壤鹽漬化生態風險評價方法不同,傳統的方法中所需要的地下水、土壤類型、土壤鹽漬化等數據獲取時花費大、耗時、耗力、更新慢,并且不能同步觀測,具有滯后性；遙感數據具有豐富的地表信息,不僅可以快速獲取,達到實時監測地表參數信息的優點,而且監測面積大、花費少。因此,利用遙感指數評價地表生態環境變化更具有優勢和現實意義。

文中構建的SSEI指數完全基于遙感影像信息,采用主成分分析的方法耦合了鹽漬化信息相關的各指標得到生態指數,且各指標獲取快速、計算簡便,避免人為賦值對評價的影響,客觀的從遙感數據中獲取信息,這為灌區土壤鹽漬化影響區域的生態環境提供了快速、定量、客觀的監測技術。

遙感技術與遙感數據在生態環境評價中的廣泛應用,在于對遙感數據蘊含的豐富地表信息不斷挖掘和探索。在不同的區域面臨的生態環境問題不同,因此,針對不同區域面臨的生態環境問題,選擇合適的影響指標來綜合反映區域生態環境可能區域生態遙感發展的重要方向。

[1] Li J G, Pu L J, Han M F, Zhu M, Zhang R S, Xiang Y Z. Soil salinization research in China: advances and prospects. Journal of Geographical Sciences, 2014, 24(5): 943- 960.

[2] 王佳麗, 黃賢金, 鐘太洋, 陳志剛. 鹽堿地可持續利用研究綜述. 地理學報, 2011, 66(5): 673- 684.

[3] Wang H S, Jia G S. Satellite-based monitoring of decadal soil salinization and climate effects in a semi-arid region of China. Advances in Atmospheric Sciences, 2012, 29(5): 1089- 1099.

[4] Bouksila F, Bahri A, Berndtsson R, Persson M, Rozema J, van der Zee S E A T M. Assessment of soil salinization risks under irrigation with brackish water in semiarid Tunisia. Environmental and Experimental Botany, 2013, 92: 176- 185.

[6] 歐陽志云, 張路, 吳炳方, 李曉松, 徐衛華, 肖燚, 鄭華. 基于遙感技術的全國生態系統分類體系. 生態學報, 2015, 35(2): 219- 226.

[7] Badreldin N, Goossens R. A satellite-based disturbance index algorithm for monitoring mitigation strategies effects on desertification change in an arid environment. Mitigation and Adaptation Strategies for Global Change, 2015, 20(2): 263- 276.

[8] Franke J, Keuck V, Siegert F. Assessment of grassland use intensity by remote sensing to support conservation schemes. Journal for Nature Conservation, 2012, 20(3): 125- 134.

[9] 徐涵秋. 基于城市地表參數變化的城市熱島效應分析. 生態學報, 2011, 31(14): 3890- 3901.

[10] 徐涵秋. 水土流失區生態變化的遙感評估. 農業工程學報, 2013, 29(7): 91- 97.

[11] Gillies R 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 e. International Journal of Remote Sensing, 1997, 18(15): 3145- 3166.

[12] 陳實, 徐斌, 金云翔, 黃銀蘭, 張文博, 郭劍, 申格, 楊秀春. 北疆農區土壤鹽漬化遙感監測及其時空特征分析. 地理科學, 2015, 35(12): 1607- 1615.

[13] 哈學萍, 丁建麗, 塔西甫拉提·特依拜, 羅江燕, 張飛. 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. 土壤學報, 2009, 46(3): 381- 390.

[14] 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. 地理研究, 2013, 32(2): 223- 232.

[15] 李新國, 古麗克孜·吐拉克, 賴寧. 基于RS/GIS的博斯騰湖湖濱綠洲土壤鹽漬化敏感性研究. 水土保持研究, 2016, 23(1): 165- 168.

[16] 買買提·沙吾提, 塔西甫拉提·特依拜, 丁建麗, 張飛. 基于GIS的干旱區土壤鹽漬化敏感性評價——以渭干河-庫車河三角洲綠洲為例. 資源科學, 2012, 34(2): 353- 358.

[17] 張添佑, 王玲, 曾攀麗, 王甜, 耿亞輝, 王輝. 基于MSAVI-SI特征空間的瑪納斯河流域灌區土壤鹽漬化研究. 干旱區研究, 2016, 33(3): 499- 505.

[18] Scudiero E, Skaggs T H, Corwin D L. Regional-scale soil salinity assessment using Landsat ETM + canopy reflectance. Remote Sensing of Environment, 2015, 169: 335- 343.

[19] 王淵剛, 羅格平, 馮異星, 韓其飛, 范彬彬, 陳耀亮. 近50a瑪納斯河流域土地利用/覆被變化對碳儲量的影響. 自然資源學報, 2013, 28(6): 994- 1006.

[20] 劉金巍, 靳甜甜, 劉國華, 李宗善, 楊榮金. 新疆瑪納斯河流域2000—2010年土地利用/覆蓋變化及影響因素. 生態學報, 2014, 34(12): 3211- 3223.

[21] Chander G, Markham B L, Helder D L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO- 1 ALI sensors. Remote Sensing of Environment, 2009, 113(5): 893- 903.

[22] Nazeer M, Nichol J E, Yung Y K. Evaluation of atmospheric correction models and Landsat surface reflectance product in an urban coastal environment. International Journal of Remote Sensing, 2014, 35(16): 6271- 6291.

[23] Metternicht G, Zinck J A. Spatial discrimination of salt-and sodium-affected soil surfaces. International Journal of Remote Sensing, 1997, 18(12): 2571- 2586.

[24] Khan N M, Sato Y. Monitoring hydro-salinity status and its impact in irrigated semi-arid areas using IRS- 1B LISS-II data. Asian Journal of Geoinform, 2001, 1(3): 63- 73.

[25] Todd S W, Hoffer R M. Responses of spectral indices to variations in vegetation cover and soil background. Photogrammetric Engineering & Remote Sensing, 1998, 64: 915- 921.

[26] Crist E P. A TM tasseled cap equivalent transformation for reflectance factor data. Remote Sensing of Environment, 1985, 17(3): 301- 306.

[27] Dehaan R L, Taylor G R. Field-derived spectra of salinized soils and vegetation as indicators of irrigation-induced soil salinization. Remote Sensing of Environment, 2002, 80(3): 406- 417.

[28] Jung M, Chang E. NDVI-based land-cover change detection using harmonic analysis. International Journal of Remote Sensing, 2015, 36(4): 1097- 1113.

[29] Liang S L. Narrowband to broadband conversions of land surface albedo I: algorithms. Remote Sensing of Environment, 2001, 76(2): 213- 238.

[30] 劉瑞, 王世新, 周藝, 姚堯, 韓向娣. 基于遙感技術的縣級區域環境質量評價模型研究. 中國環境科學, 2012, 32(1): 181- 186.

[31] 潘峰, 田長彥, 邵峰, 周偉, 陳飛. 新疆克拉瑪依市生態敏感性研究. 地理學報, 2011, 66(11): 1497- 1507.

[32] 程淑杰, 朱志玲, 白林波. 基于GIS的人居環境生態適宜性評價——以寧夏中部干旱帶為例. 干旱區研究, 2015, 32(1): 176- 183.

[33] 徐涵秋. 區域生態環境變化的遙感評價指數. 中國環境科學, 2013, 33(5): 889- 897.

[34] 張添佑, 王玲, 羅沖, 彭麗. 瑪納斯河流域土壤鹽漬化時空動態變化. 水土保持研究, 2016, 23(1): 1- 6.

Assessment of soil salinization ecological environment change in the Manas river basin using remote sensing technology

ZHANG Tianyou1, WANG Ling1,*, WANG Hui2, PENG Li1, LUO Chong1

1SchoolofScience,ShiheziUniversity,Shihezi832003,China2SchoolofWaterConservancyandArchitectureEnginering,ShiheziUniversity,Shihezi832003,China

Soil salinization has become a serious global problem, which poses a grave threat to ecological environment and agricultural production. In order to assess the effect of soil salinization on ecological environment quickly and accurately in regional-scale, a new remote sensing ecological index was proposed to detect the ecological change in arid area based on the remote sensing method in this paper. Manas river basin, a typical arid inland basin in northwest of China, was selected for the study area. Firstly, four indicators (salinity, surface albedo, vegetation coverage and wetness) which closely related to soil salinization were calculated based on the Landsat image in the Manas river basin on August 25, 1989, August 7, 2000, and September 10, 2015. Then, these indicators were normalized using min-max normalization method. Lastly, the principal component analysis (PCA) method was introduced to couple the four indicators, and the soil salinization ecology index (SSEI) was obtained. This method is different from the previous index overlaid by weighting the indexes from remote sensing and other data. It depends on the data itself, instead of subjective human states. The result shows that there is a significant relationship between SSEI and salt content observed in the fields (R2=0.9035,P<0.01). This indicates SSEI could be used for retrieving the soil salinization on ecological environment rapidly and quantitatively. Through PCA analysis, we found that the first principal component appears stable and its share of all indicators is greater than 85%. The properties of wetness index (WI), normalized difference vegetation index (NDVI), and salinity index (SI) are consistent with the general ecological environmental parameters. The index was applied to the irrigated area of the Manas river basin. Among the bad, comparatively bad, medium, good, excellent grades, the area of bad grade had increased from 491.6 km2to 1031.4 km2during 1989 to 2000, but it has been decreased from 1031.4 km2to 636.9 km2during 2000 to 2015. The area of medium grade also increased at first but then reduced. The change area ranges from 6354.3 km2in 1989 to 2111.4 km2in 2015. The good and excellent grades of ecological environment has been increased by 12.9% in the last 26years, which shows the ecology environment has improved in the irrigation area. The spatial distribution of SSEI shows that the desert area without influencing by human activities still keeps a poor level, and the ecological problem is still very serious. The function of artificial oasis has been improving. Assessment of soil salinization ecological environment change using remote sensing technology could provide insight for land resource development in arid areas.

ecology; remote sensing; soil salinization; principal component analysis; Manas river basin

國家自然科學基金項目(41361073)；新疆研究生科研創新項目(XJGRI2015044)

2016- 01- 13; 網絡出版日期:2016- 12- 19

10.5846/stxb201601310225

*通訊作者Corresponding author.E-mail: rain_ling@163.com

張添佑, 王玲,王輝, 彭麗, 羅沖.瑪納斯河流域鹽漬化灌區生態環境遙感監測研究.生態學報,2017,37(9):3009- 3018.

Zhang T Y, Wang L, Wang H, Peng L, Luo C.Assessment of soil salinization ecological environment change in the Manas river basin using remote sensing technology.Acta Ecologica Sinica,2017,37(9):3009- 3018.