渭干河—庫車河三角洲綠洲棉田土壤鹽分估算及遙感反演

王雪梅，周曉紅

(1. 新疆師范大學地理科學與旅游學院，新疆 烏魯木齊 830054；2. 新疆維吾爾自治區新疆干旱區湖泊環境與資源重點實驗室， 新疆 烏魯木齊 830054)

在干旱和半干旱區，土壤鹽分離子隨著水分向上聚集到地表并產生積累，進而形成土壤鹽漬化[1-2]。作為干旱農業區主要的土地荒漠化問題，土壤鹽漬化造成了區域性的土壤肥力下降、土壤板結，同時還破壞了水土資源和地表生態環境，造成了農業生產損失嚴重，經濟產能下降[3]。目前，許多國家已經將土壤鹽漬化問題納入到國家未來的發展規劃當中，并且已經成為全球變化研究框架下的重要研究內容[4]。而中國的鹽漬土比例明顯高于世界平均水平，約有鹽漬土0.17億hm2，近1/3的地區都存在土壤鹽漬化問題[5]。作為土壤鹽漬化大區，新疆地處亞歐大陸中心，遠離海洋，干旱的氣候條件造就了新疆的土壤鹽漬化問題十分普遍，鹽漬土種類較多。同時，作為重要的商品棉基地，新疆的鹽漬化土壤嚴重影響著該區棉花的產量和質量。

土壤鹽漬化在某種程度上會使植被狀況發生改變，植被指數的變化可以預測土壤鹽漬化的程度和發展趨勢。因而，根據植被指數等參量反演土壤鹽分含量已成為判別土壤鹽漬化程度的重要方法之一[6-9]。已有眾多學者進行了類似研究，如姚遠等[10]利用Landsat TM 7的植被指數和電磁感應技術對塔里木盆地北緣綠洲進行土壤鹽分線性回歸建模和空間分布反演；Bouaziz 等[11]基于MODIS遙感影像提取出了多種植被指數，可反映巴西東北部土壤鹽漬化問題，并建立了LSU模型用于評價半干旱區的土壤鹽漬化。然而研究表明，雖然通過提取遙感影像的歸一化植被指數、比值植被指數和差值植被指數等傳統植被指數可以監測土壤鹽漬化信息，但識別準確度仍然較低[12]。而增強型植被指數是一個優化的植被指數，不僅提高了對高生物量區域的敏感性，而且通過對冠層物理參數的提取和大氣效應減少改進了植被監測能力[13]。王飛等人[14]的研究進一步表明，增強型植被指數對土壤鹽度具有較強的敏感性，用增強型植被指數可定量評估新疆典型綠洲的土壤鹽度狀況。因此，本研究在傳統的植被指數中引入短紅外波段得到增強型植被指數，并以渭干河—庫車河三角洲綠洲棉田土壤為研究對象，提取采樣點土壤鹽分含量和獲取該地區的同時期的遙感影像，利用該采樣點的增強型植被指數反演出該地區棉田土壤鹽分的空間分布狀況。

1 研究區概況

渭干河—庫車河三角洲綠洲是個典型而完整的扇形平原綠洲，其北部是峻峭的天山山脈，海拔介于3 000～5 000 m之間，是渭干河—庫車河三角洲綠洲的重要水源地；中部是殘丘和低山，它們主要以秋里塔格山為主，海拔介于1 500～2 000 m之間, 東西走向；南部是山前平原區，庫車、沙雅和新和3個縣都屬于其管轄范圍。該研究區屬于溫帶大陸性極端干旱氣候，降水稀少，夏季炎熱、冬季寒冷，年平均氣溫為10.7℃，日照時數為2 888.7 h，全年無霜期為209 d，年平均降水量介于51.0～68.1 mm之間，其中，沙雅縣的降水量最低，庫車縣的降水量最高，年平均蒸發量介于1 195.0～1 506.0 mm之間，蒸降比從北向南逐漸增大。在該區北部的高山地帶常年存在的冰山積雪，是該區主要灌溉水源渭干河和庫車河的發源地，除此之外該區還有少量的水源來自塔里木河和地下泉水。由于研究區地下土層是由較細的顆粒物所構成的，且透水性較差和地下水位較高，因此，在該區土壤鹽漬化非常普遍，在古河道、河漫灘、泉水溢出帶等地下水淺埋區，分布著大面積的鹽漬化土和鹽土，嚴重影響了該區綠洲農業的發展。

2 數據來源與研究方法

2.1 土壤數據采集與處理

根據研究區氣候特征、棉田生長情況和土壤鹽分的季節性變化特征，在2013年10月上旬進行了野外調查與觀測，這一時期研究區氣溫較高，蒸發強烈、棉花生長成熟，土壤鹽分向土壤表層聚集。由于棉花的生長狀況不同，選擇不同生長狀況的棉田作為采樣點，且均勻分布在整個研究區，使土壤采樣點更具代表性。現利用GPS測量每一個采樣點的經緯度并做記錄，在0～20 cm土層深度進行取樣，共采集46個土壤樣本(見圖1)。將采集的土壤樣本進行編號入袋，經實驗室自然風干、研磨過篩，參照中國科學院南京土壤研究所編寫的《土壤理化性質分析》，采用土水比1∶5浸提土壤樣品測定土壤含鹽量[15]。

2.2 遙感影像處理

選擇與采樣時間相對應的2013年10月13日的由陸地成像儀(OLI)獲取的Landandsat 8遙感影像。利用ENVI5.1軟件，首先對遙感影像進行幾何精校正、輻射定標和Flash大氣校正；然后進行影像的投影變換、配準和裁剪等預處理，獲得研究區影像圖。最后利用ArcGIS 10.3軟件從研究區遙感影像中提取出采樣點所對應的光譜反射數據，從而進行建模和反演土壤鹽分的空間分布。

圖1 樣點空間分布圖Fig.1 The spatial distribution map of sampling points

2.2.1 植被指數計算 在傳統植被指數的基礎上，對各種植被指數進行擴展[16]，公式內加入短紅外波段的反射率，可得到4種增強型植被指數，分別為：增強型歸一化植被指數(ENDVI)、增強型比值植被指數(ERVI)、增強型差值植被指數(EDVI)和增強型植被指數(EVI)，計算公式如表1所示。首先在ENVI 5.1軟件中提取各采樣點的各波段的反射率，利用公式計算4種增強型植被指數，然后利用SPSS 22.0軟件對增強型植被指數與土壤含鹽量進行相關分析。

2.2.2 土壤鹽分反演模型構建 將研究區土壤樣本進行分組，46個實測數據隨機分為兩組，一組34個用于模型構建，另一組12個用于驗證，然后分別用4種增強型植被指數與土壤含鹽量進行線性回歸分析，構建土壤鹽分含量的遙感反演模型。通過對不同模型進行對比分析，選擇最佳反演模型，并進一步用驗證樣本對所選模型進行精度檢驗。

2.2.3 土壤鹽分空間分布遙感反演 首先在渭干河—庫車河三角洲綠洲的不同棉田分布區均勻選取82個樣點作為預測點(其空間分布見圖1)，并記錄其經緯度和求算出樣點的增強型歸一化植被指數(ENDVI)。根據最佳反演模型求出其預測點的土壤含鹽量，并檢驗土壤含鹽量是否滿足正態分布。根據棉田土壤鹽分的實際觀測值與期望正態值的累積概率生成的P-P散點圖的分布來看，圖中散點基本圍繞對角線分布，說明土壤含鹽量近似服從正態分布。利用ArcGIS10.3對土壤含鹽量進行地統計學普通克里格插值分析，最終得到基于遙感反演模型的土壤鹽分空間分布圖。

表1 植被指數計算公式

Table 1 Computation formula for the vegetation indexes

植被指數Vegetation index計算公式Computation formula增強型歸一化植被指數 ENDVI(b5+b7-b4)/(b5+b7+b4)增強型比值植被指數 ERVI(b5+b7)/b4增強型差值植被指數 EDVIb5+b6-b4增強型植被指數 EVI2.5×(b5+b6-b4)/(b5+b6+6×b4-7.5×b2+1)

注：表中b2、b4、b5、b6和b7為Landsat8遙感影像的各個波段，其中b2、b4為可見光波段，b5為近紅外波段，b6、b7為短波紅外。

Note: b2、b4、b5、b6, and b7 are all bands of Landsat 8 remote sensing images in the table. Among them, b2 and b4 are visible bands, b5 is near-infrared bands, and b6 and b7 are short-wave infrared bands.

3 結果分析

3.1 植被指數分析

利用SPSS 22.0軟件分別對4種增強型植被指數與土壤含鹽量進行相關分析(表2)，可知4種增強型植被指數與土壤含鹽量均有極顯著的相關性(P<0.001)，比較它們的相關系數，可知增強型歸一化植被指數(ENDVI)與研究區采樣點土壤含鹽量的相關系數(R=-0.869)的絕對值最大，因而它與土壤鹽分的相關性最強，為極顯著的負相關關系(P<0.001)；增強型比值植被指數(ERVI)和增強型差值植被指數(EDVI)與土壤含鹽量都具有極顯著的負相關性(P<0.001)；增強型植被指數(EVI)與土壤含鹽量為極顯著的正相關關系(P<0.001)，相關系數為0.608。

3.2 土壤鹽分反演模型構建與分析

通過線性回歸分析方法構建研究區棉田土壤鹽分含量的遙感反演模型(圖2)，可分別得到4種增強型植被指數與土壤含鹽量的線性回歸模型，對比4種線性關系可知，ENDVI與土壤含鹽量的擬合指數最大(R2=0.824)，通過進一步分析4種植被指數與土壤含鹽量之間的相關系數，可得知增強型歸一化植被指數(ENDVI)與土壤含鹽量的相關關系最為密切。由此可說明，增強型歸一化植被指數(ENDVI)與土壤含鹽量線性擬合效果最好，通過此模型，可得到較好的土壤鹽分遙感反演結果，則增強型歸一化植被指數(ENDVI)與土壤含鹽量所建立的線性回歸模型就是最優回歸模型，其線性回歸模型如下所示：

y=-56.494x+22.687

(1)

式中，y表示土壤含鹽量；x為增強型植被指數(ENDVI)。

表2 植被指數與土壤鹽分的相關系數

圖2 土壤含鹽量反演模型Fig.2 Inversion models of soil salinity

3.3 土壤鹽分反演模型驗證

通過在研究區隨機選取的12個驗證采樣點，利用所建立的最優線性回歸模型，對土壤含鹽量進行預測。比較分析12個驗證采樣點的反演結果和實測數據，相對誤差均小于30%。同時，根據土壤含鹽量的實測值和預測值繪制的散點圖分析(圖3)，發現預測值與實測值基本上都在直線的兩側緊密分布。擬合指數(R2=0.886)和均方根誤差(RSME=0.970)均表現出較好的線性關系，這說明模型的擬合效果較為理想。進一步對提取出的82個樣點進行土壤鹽分的預測，結果顯示：研究區82個預測點的土壤含鹽量介于9.33～26.99 g·kg-1，平均值為17.20 g·kg-1，標準差為3.90 g·kg-1，與研究區樣本實測值的統計結果較為一致。

3.4 土壤鹽分空間分布

3.4.1 土壤鹽分正態分布檢驗 利用SPSS 22.0統計分析軟件中的P-P圖分析功能，對研究區82個樣點反演的土壤含鹽量進行正態分布性檢驗。從檢驗結果可看出(圖4)，研究區土壤含鹽量觀測值的累積概率與正態分布期望值的累積概率構成的散點集中分布在對角線周圍，因此可認為觀測變量近似服從正態分布，這表明利用增強型歸一化植被指數(ENDVI)反演的土壤含鹽量滿足地統計學分析的要求，可根據這82個采樣點的土壤含鹽量進行空間插值分析。

表3 土壤含鹽量預測誤差

圖3 土壤含鹽量反演結果Fig.3 Inversion results of soil salinity

圖4 土壤含鹽量正態分布檢驗P-P圖Fig.4 Normal distribution test P-P graph of soil salinity

3.4.2 土壤鹽分空間格局分布 利用ArcGIS 10.3軟件中地統計分析方法對反演模型預測得到的82個采樣點的土壤含鹽量進行普通克里格空間插值。變異函數的最佳擬合模型為球狀模型，通過模型的擬合指數和均方根誤差(R2=0.701；RSME=0.467)顯示，該模型預測值與實測值較接近，擬合效果較好。通過繪制的土壤鹽分含量空間分布預測圖，可看出研究區棉田土壤鹽分在9.33～26.99 g·kg-1范圍內發生變動，平均值為17.42 g·kg-1，標準差為2.30 g·kg-1。其中，土壤含鹽量主要集中分布于14.87～18.46 g·kg-1之間，且由綠洲內部向外圍呈遞增的趨勢，與該區地理環境分布較為一致。由于該研究區是遠離海洋的內陸盆地且是個封閉的單元，綠洲內部是洪積扇，地勢較高，坡度較大，地表水的徑流量較大，加之人為活動的干預，內陸水系、地表水、地下水所含的土壤鹽分不易在此蓄積，土壤中的鹽分含量較少。沿著綠洲外圍的方向，地勢、坡度都呈現遞減的趨勢，水的徑流量較差且在水層中分布著亞黏土，因此土壤的透水性較差，會慢慢產生積鹽，土壤鹽分含量從綠洲內部向外圍呈現遞增的趨勢，而棉花的生長情況卻呈現出與此相反的變化趨勢，說明土壤中的鹽分含量越低，棉花的長勢愈好。

4 討論與結論

4.1 討論

由于植被與土壤間存在密切的相關性，故常利用植被作為判斷土壤鹽分含量的指示因子，通過獲取植被類型和生長狀況可間接反映土壤鹽分的空間分布特征[17]。王飛等[18]學者通過利用植被指數與土壤鹽度指數構建土壤鹽度推理模型對塔里木盆地西北部土壤鹽漬化進行高精度的遙感監測研究。

圖5 土壤含鹽量空間分布預測圖Fig.5 Prediction of spatial distribution of soil salinity

丁建麗等學者的研究進一步表明基于擴展的增強型植被指數，對土壤鹽分具有較高的敏感性，可獲得較好的土壤鹽分空間分布反演結果，更適宜于土壤鹽分信息的挖掘[14，16，19]。

由于渭干河—庫車河三角洲綠洲地勢呈北高南低的趨勢，內陸水系、地表水及地下水在下游匯集，造成綠洲下部積水嚴重，強烈的蒸發運動使土壤鹽分隨水分積聚到地表，土壤含鹽量從綠洲內部向外圍呈現遞增的趨勢，且綠洲東北部棉田的土壤鹽分含量較高。通過建立增強型植被指數與土壤含鹽量的遙感反演模型，使用地統計分析方法對渭干河—庫車河三角洲綠洲棉田土壤鹽分分布狀況進行研究，可定量分析研究區棉田土壤鹽分的空間分布狀況及其分布特征，對該區農業的可持續發展與區域土壤鹽漬化的綜合防治具有一定的指導意義。

4.2 結論

通過對渭干河—庫車河三角洲綠洲棉田土壤鹽分進行遙感反演其空間分布規律進行研究，可得到如下結論：

(1)在傳統的植被指數中加入短紅外波段，可得到4種增強型植被指數，分別將4種增強型植被指數采用線性回歸分析方法構建土壤鹽分遙感反演模型。4種增強型植被指數(ENDVI、ERVI、EDVI、EVI)對應的相關系數分別為-0.869、-0.835、-0.825、0.608，擬合指數R2分別為0.824、0.697、0.680、0.369。通過對相關系數與線性回歸方程的擬合指數進行比較分析，認為由增強型歸一化指數(ENDVI)與土壤含鹽量構建的線性回歸模型(y=-56.494x+22.687)預測效果最好，檢驗結果顯示模型擬合指數R2為0.886，均方根誤差(RSME=0.970)較小。

(2)研究區棉田土壤鹽分的實測值介于7.42～22.34 g·kg-1之間，預測的研究區土壤鹽分含量介于9.33～26.99 g·kg-1之間，實測值與預測值達到較好的吻合，從土壤鹽分的空間反演圖來看，土壤含鹽量從綠洲內部向外圍逐漸增加，與實測點土壤鹽分分布及棉田的生長狀況較為一致，因此說明該研究方法對估算土壤鹽分較為有效。

(3)研究表明，基于研究區棉田土壤野外采樣數據構建的增強型歸一化植被指數(ENDVI)線性回歸模型，采用地統計空間插值得到的土壤鹽分空間分布圖，可以較為準確地預測出渭干河—庫車河三角洲綠洲棉田土壤鹽分的空間分布狀況和分布特征。