土壤鹽分含量遙感反演研究

鐘曉滿

摘 要： 土壤鹽堿化使干旱、半干旱地區稀缺的土地資源退化，也是亟待解決的生態環境大難題。遙感技術在獲取鹽堿地土壤性質、空間分布、鹽堿化程度等信息上具有高效性和即時性。土壤鹽分含量反演比較復雜，不是一個簡單的線性問題。本文以山東省東營市墾利縣為研究區，對LandSat遙感影像各波段作相關性分析，發現土壤鹽分對近紅外波段較敏感，將影像反射率值數學變化后，相關性明顯提高，建立了土壤鹽分含量反演的多元回歸模型，并將之應用于影像，提取鹽堿地特征信息，為研究區鹽堿地監測和治理提供參考和幫助。

關鍵詞： 墾利縣； 土壤鹽堿化； 遙感； 反演

前言

國外利用衛星遙感監測土壤鹽堿化始于 20世紀70年代。近期國內諸多學者對中國鹽堿地進行深入研究，彭望琭將地下水埋深、地下水礦化度和地貌等因子，借助地理信息系統 （GIS）技術、遙感數據和專家知識樹系統，構建土壤鹽堿化數學模型；關云秀對土壤鹽堿化進行科學分類，提供一定參考價值；王明寬結合Landsat 8影像，建立了土壤鹽分遙感反演的BP神經網絡、偏最小二乘回歸、主成分分析、多元線性回歸多種模型，并進行比較分析，精度較高。

通過對國內外成果總結比較發現，研究多拘于關系定性探討，而基于遙感影像光譜數據的分析和定量的機理研究甚少，精度和科學性存在不足。

1. 研究區概況

墾利縣位于山東省東北部，黃河三角洲地區的黃河最下游入海口處，位置為北緯37°24′～38°10′，東經118°15′～119°19′。東瀕渤海，西北與利津縣隔黃河相望，南接東營市東營區，東北部與東營市河口區毗鄰。墾利縣屬黃河沖積平原，地形沿黃河走向，自西南向東北傾斜，地面坡度為萬分之一。主要土壤類型有褐土、潮土、鹽土、水稻土和砂姜黑土。

2. 研究方法

2.1 數據獲取及數據預處理

遙感影像的選取，直接影響分析的效果，為了得到較好的結果，本文選用最新的LandSat8遙感影像。考慮到云量、植被、水分等對土壤鹽分反演的影響，選用的墾利縣的數據下載自USGS網站，為2015年3月14日的Landsat8衛星的數據，該數據云量為7%，符合要求。

2.1.1 輻射定標

利用ENVI5.1軟件進行輻射定標，ENVI5.1工具箱中查找工具：/Radiometric Correction/Radiometric Calibration；利用此工具，設置好定標參數（注意參數設置要符合FLAASH大氣校正的要求），進行輻射定標，得到定標后的圖像。

2.1.2 大氣校正

雖然對于影像分類、變化檢測的情況不需要進行大氣校正，但大氣校正作為光學遙感信息定量化研究中必不可少的一步，已受到越來越多的重視。近年來，傳統的大氣校正方法也在不斷改進，越來越多的大氣校正模型將更多的大氣參數納入定量分析范圍，以提高大氣校正的精度和適用性。

本文運用FLAASH大氣校正法，選擇大氣模型參數和野外氣溶膠模型，去除大氣對影像干擾，使得地表覆被波譜曲線接近真實值。

2.1.3 圖像配準

打開ENVI5.1，在Toolbox中啟動工具：Geometric Correction>Registration>Image Registration Workflow。注意連接點的誤著值要小于1.5，刪除誤差大的點。

2.1.4 圖像裁剪

打開校正后的影像，在ToolBox中找到Regions of Interest/Subset Data from ROIs工具，裁剪影像，方便之后的數據處理，結果為圖1。

2.1.5 提取對應點的反射率

將傳感器原始記錄信號反演為地面反射率對于遙感定量化應用非常重要。經過輻射定標、大氣校正，得到能夠反應地表反射率的遙感影像，再將此影像進行配準，便可對相應點的地表反射率的值進行提取。在這里，利用ArcGIS10.2中“多值提取至點”的工具，對地表反射率進行提取。注意：提取后的反射率為擴大10000倍的結果。

3. 土壤鹽分含量遙感反演

3.1 土壤鹽分的性狀

土壤鹽分大多是土壤中的易溶性鹽，包括鈉、鎂等陽離子和氯等陰離子。本文的全鹽含量還包括土壤中不溶解的鹽，顧名思義，就是指土壤中全部的鹽含量。含鹽土壤大多呈堿性反應，植被稀疏，因為當土壤中的含鹽量大于0.1%時，一般植物是會受到影響的，甚至是不能夠生長的。

3.2 統計模型的構建與分析

建立模型時輸入的自變量與因變量之間需要達到一定要求（一般要求相關系數要大于0.5），需要提高土壤地表反射率與土壤鹽分含量的相關性，本文對各波段地表反射率進行對數、指數數學變換。經反復試驗，取對數后，相關系數P有了明顯的提高，其中第5波段即近紅外波段（845nm～885nm）的反射率與土壤鹽分含量的相關系數P最高。

引入自變量的增多，會導致復相關系數增大，模型解釋比率（校正的R2）也隨之增大。模型2的R2為0.6，擬合優度較高。

根據結果，可以得出，兩個模型都具有統計學意義，自變量與因變量是顯著相關的，可以很容易得出逐步回歸分析的回歸議程依次為：

①Y=-0.018×X1-0.382

②Y=-0.029×X1+2.536××X2+2.664

X1為LN（B5），X2為LN（B52）/B52，方程2即為最優的回歸方程，從回歸方程中可以看出，土壤含鹽量與X1，X2存在著一定的線性關系。

4. 模型應用于影像

4.1 遙感反演理論

遙感的本質是反演，而從反演的數學角度來看，反演是在遙感信號或遙感數據與地球表面規律趨勢之間構建關系模型，即反演的對象其實就是構建的關系模型。目前定量遙感理論研究不足，大都用很少的數據信息通過數學的方法去模擬或者預測地表特征或者狀況，這樣可能會與實際情況不符。

4.2 ENVI實現定量反演

通過對數據統計和分析，構建土壤地表反射率與土壤鹽分含量的統計模型。借助ENVI軟件，編寫IDL程序運算分析，用反演模型對遙感影像進行計算，實現土壤中鹽分估測。在BandMath工具，輸入以下公式：

-0.029×a×log（b5）+2.536×（a×log（b5×b5）/（b5×b5））+2.664

將所得的圖像進行處理，得到圖2。

從綠—藍—紅土壤的含鹽量依次遞增，圖中大概可以看出靠近海岸的土壤含鹽量較高。

5結論與討論

本文在獲取土壤樣品全鹽含量與研究區遙感影像的基礎上，通過數學變換，尤以對數變換為主，提高了光譜與土壤鹽分含量的相關性，可以看出LandSat8衛星影像的第5波段，即近紅外波段（845nm～885nm）為土壤鹽分含量的敏感波段。并通過多元線性回歸的方法建立了傳統的統計模型，但通過檢驗可知，在此模型上進行土壤鹽分含量的遙感反演并不是特別理想。

綜上，傳統的統計模型對于土壤鹽分含量的反演不能達到令人滿意的效果，而BP神經網絡模型可以提高鹽分預測精度。但遙感影像特征與土壤鹽分信息之間關系復雜，BP神經網絡模型也很難定量表達其關系，因此神經網絡在土壤含鹽量的反演中的研究還有待進一步深入。

參考文獻：

[1] 彭望琭， 李天杰. TM數據的Kauth-Thomas變換在鹽漬土分析中的作用--以陽高盆地為例[J]. 遙感學報， 1989（3）：183-190.

[2]關元秀， 劉高煥. 黃河三角洲鹽堿地動態變化遙感監測[J]. 國土資源遙感， 2003， 56（2）：19-22.

[3] 王明寬， 莫宏偉， 陳紅艷. 基于多光譜影像反演土壤鹽分的建模方法研究[J].