基于高分一號衛星影像的延安市顧屯流域耕地鹽漬化定量反演

李志剛，許 強 ，趙寬耀，陳婉琳，王曉晨，方汕澳，李為樂

(成都理工大學地質災害防治與地質環境保護國家重點實驗室，成都 610059)

黃土高原地區由于其特殊地質與氣候環境，流域內水土流失較為嚴重，從而會引起耕地資源不足等問題。位于陜西省延安市寶塔區的顧屯流域就是一個典型的由于黃土的侵蝕造成的耕地減少的例子[1-3]。為解決土地資源需求問題，政府于2013年開始進行治溝造地工程，經過5年的治理，治溝造地工程已經基本完成，其中僅延安地區經治溝造地工程可增加的耕地面積就達330km2[4]。治溝工程均位于流域溝谷內，因而在形成新耕地時也改變了溝谷、土壤結構及局部的水文條件，環境改變可能會引發次生災害問題，如滑坡、鹽漬化等[5]。顧屯流域新增耕地由于水文條件改變、降雨量較少、蒸騰作用強烈等原因，部分區域有鹽漬化加劇的趨勢[3]。鹽分的積聚會使土地退化，已造耕地難以使用，折減治溝造地工程的效益[6-8]。因此，有必要對顧屯流域的溝內耕地進行鹽漬化定量評估，查明鹽漬化的發展狀況，為治溝造地工程的建設與耕地資源的保護提供指導。

目前已有學者對顧屯的鹽漬化發展狀況開展了一定程度研究。鄒錫云等[3]對溝內庫壩典型位置的鹽分進行了提取，揭示了水庫與鹽漬化的形成有關。Jin等[4]對顧屯流域的主溝水庫附近鹽分信息進行了收集，發現流域上游相較于下游鹽漬化程度較高?，F階段對于溝內的鹽漬化研究都集中于對點狀信息的提取，而點狀信息難以反映整個溝內的鹽漬化發展現狀。遙感手段相較于實地測量，具有覆蓋廣、成本低等優點，對于區域尺度鹽漬化的信息評估，往往采用遙感手段[9-11]。中外學者已經開展了很多利用遙感影像反演鹽漬化信息的相關研究。江紅南等[12]在對土壤信息和遙感信息分析的基礎上提取了多個表征指數作為變量，建立了鹽漬化信息提取模型，揭示了新疆渭干河-庫車河三角洲土壤鹽分特征。丁建麗等[13]選取土壤、植被和光譜特征為研究對象，篩選出對鹽漬化最敏感的數據形式，對鹽分信息進行了提取。馮雪力等[14]收集Radarsat-2雷達影像，通過多元回歸建模對內蒙古河套灌區鹽分分布進行了高精度監測。Zhang等[15]通過野外調查獲取土壤鹽分數據，分析Landsat 8影像與地表光譜特征，建立土壤鹽度信息提取模型與植被指數模型。Wang等[16]利用Landsat 8的影像測試了不同波長差值、比值的線性回歸模型，對艾比湖濕地鹽漬化進行了估算。已有研究主要利用回歸分析等方法對經驗模型進行擬合，缺乏對有效波段和波段組合的篩選，并且傳統的回歸分析也難以解決有高精度需求的非線性問題。此外，顧屯耕地區面積相對較小，使用中等分辨率多光譜影像難以滿足精確反演的要求。

現以顧屯流域作為研究區，利用2m高空間分辨率的高分一號(Gaofen-1)影像，首先利用多個傳統光譜指數對耕地鹽分含量進行定量反演；進而通過實測土壤樣本對高分一號4個波段的信息量、波段相關性、波段與鹽分的相關性進行計算，篩選特征波段組合，通過支持向量機(support vector machine，SVM)的機器學習方法挖掘特征波段與鹽分信息之間的非線性關系，建立高精度的顧屯流域耕地鹽漬化反演模型。該方法有助于治溝造地工程后耕地土壤鹽分監測，對耕地資源管理保護有一定指導意義。

1 研究區概況

研究區為陜西省延安市的治溝造地工程區之一的顧屯流域(圖 1)，位于寶塔區的甘谷驛鎮，屬半干旱大陸性季風氣候，春夏時節較為干燥，雨季一般是每年的7—9月。當地年平均氣溫為10.3℃，年平均降雨量527 mm(2010—2017年)，年潛在蒸散發約1005mm，幾乎是年降水量的兩倍[4]。顧屯流域主溝總面積約為24km2，河道長度約12.5km，主溝坡度較為平緩，呈U形斷面，兩側支溝較為陡立。溝道內土壤成分主要為黑壚土、黃綿土、紅土等土壤，其中黃綿土占主要成分，具有較高的孔隙度與滲透率[17]。流域從2012年進行治溝造地后，通過開挖流域的邊坡來填埋擴大溝底，從而形成耕地，同時修建水庫和庫壩，阻止土壤流失，顯著改變了當地的物質及水分運移特征。在工程后形成耕地中，發現表面局部有鹽分出露[圖 1(b)、圖1(c)]。

2 數據與方法

2.1 研究數據及預處理

2.1.1 遙感影像與實地采樣

收集了研究區2018年6月11日的高分一號影像，影像全色波段分辨率為2m，另有分辨率為8m的藍、綠、紅及近紅外4個多光譜波段?；贓NVI5.3軟件對該高分影像進行預處理，包括輻射定標、大氣校正及正射校正。對應影像時間段，在研究區鹽漬化程度不同、空間分布均勻的56個位置進行現場采樣[圖 1(a)]，各采樣點均勻取表層20cm深的土壤。

圖 1 研究區位置圖及對應位置天地圖影像Fig.1 Location map of study area and images of the corresponding position

2.1.2 土壤樣本處理與鹽漬化分級

采用較常用的水土比5︰1浸提法測定收集土壤樣本的鹽分含量，具體步驟為稱取過1mm篩的風干樣本20g，加入蒸餾水100mL制得清殼濾液，進而測得鹽分。對所有土壤的全鹽量進行測定，得到有效樣本56個。將樣本按鹽量由大到小排列，以4為間隔選取14個樣本作為后續反演的驗證樣本，剩余42個樣本作為建模樣本。

目前鹽漬化的等級劃分沒有固定標準。研究表明，土壤中全鹽量在1g/kg時對農作物的生長就有影響[3，18]。鑒于研究區為農作物種植耕地，農作物生長對鹽漬化極為敏感，所以采用表 1分類方案進行鹽漬化等級的劃分，將土壤鹽漬化分為5個等級。

表 1 鹽漬化分級

2.2 光譜指數與特征波段選擇

2.2.1 土壤光譜指數選擇

土壤含鹽量的變化影響著光譜的反射特征，總結這些特征可以反映土壤鹽堿程度，因而可以通過選用前人建立的表征土壤鹽漬化的光譜指數來反映鹽漬化的發育情況。選取較為常用的6個直接和間接表征土壤鹽分的光譜指數對顧屯耕地的鹽分信息進行定量計算，將不同光譜指數的計算結果進行對比，利用效果最優的光譜指數反演研究區鹽分含量，光譜指數的具體內容如表 2所示。

表 2 光譜指數

2.2.2 特征波段篩選

遙感影像不同波段之間反映的信息并不完全獨立，不同波段傳遞的信息存在一定的相關性，相關性較大容易造成模型失真和不穩定[10]。同時不同波段對同一地物特征的描述程度(即波段的信息量)也是不同的，因此通過選取波段之間相關性小、單個波段信息含量大且對鹽分含量較為敏感的波段組合理論上能夠更好地反演鹽分信息。首先提取高分一號影像中對應采樣點的4個波段的波段值，與實驗得到的鹽分數據分別做相關性(R)分析[式(1)]。再對4個波段兩兩之間進行相關性分析，同時計算各個波段的方差(D)[式(2)]，數據方差大小反映了數據的離散程度，也即信息量的大小。根據計算結果篩選信息量較大、相互之間相關性較低且與鹽分信息高相關的波段及波段組合即作為鹽分反演的建模因子。

(1)

(2)

2.3 反演模型及判據

2.3.1 支持向量機

SVM是根據統計學習理論，以結構風險最小化原則為理論基礎從線性可分擴展到線性不可分的一種機器學習方法，通過核函數來實現非線性映射來處理非線性問題，對于小樣本情況下能取得較好的效果，能夠較好地解決非線性回歸問題。

設定研究數據集Q={(xi，yi)，i=1，2，…，n}，其中，xi為輸入的波段變量組合數據，yi為訓練樣本的實測鹽分數據，以此建立的SVM模型為

(3)

式(3)中：K(xi，x)為內積核函數。 SVM共有5種核函數類型，選擇高斯徑向基核函數

(4)

式(4)中：P為核函數的核寬度。

SVM學習的準確性取決于參數的選擇，主要參數為懲罰參數C、不敏感帶損失函數g和核函數的核寬度P[23]，其中g=1/(2P2)。參數C與g分別控制模型的泛化性能與回歸誤差，為確保模型精度，基于訓練樣本集交叉驗證的網格搜索法進行參數尋優，由最小均方差的原則確定參數C與g。

2.3.2 判據評定

利用14個驗證樣本對構建的反演模型進行精度驗證。分別計算各模型反演值與驗證樣本的均方根誤差(root mean square error，RMSE)[式(5)]、決定系數R2與相對分析誤差(relative prediction deviation，RPD)[式(6)]，當R2越接近于1、RMSE越小、RPD相對較大時，表明模型的預測效果較好。

(5)

(6)

3 結果與分析

3.1 基于鹽分指數的鹽漬化反演模型

利用高分一號影像在ENVI 5.3軟件bandmath功能中將所選的6個光譜指數進行波段計算并進行歸一化處理，在ARCGIS 10.6軟件中提取計算結果值，與篩選的建模樣本定量擬合(圖 2)，可以看出6種光譜指數與實際的鹽分含量都有一定的相關性，其中S3與鹽分含量正相關[圖 2(e)]，R2達到0.716，擬合度最好；S1與S2與鹽分含量負相關，R2分別為0.680、0.632[圖 2(a)、圖 2(c)]； DVI的擬合度為0.507[圖 2(f)]；NDVI與SI2與鹽分含量的相關性不高[圖 2(d)、圖 2(b)]，R2只有0.156和0.061，無法用來擬合鹽分含量。基于定量分析結果，選擇S1、S2、S33個擬合度較高的指數建立光譜指數反演模型，模型具體如表 3所示。利用3個反演模型對上一步光譜指數計算結果進行計算，提取反演鹽分值與驗證樣本進行反演精度評估[式(5)、式(6)]，結果如表 3所示。S1與S2模型的驗證集R2分別為0.587與0.456，反演效果一般，難以用來進行研究區的鹽漬化分布評價。而S3模型R2達到0.742，同時RMSE較小、RPD最高，表明S3具有較好的反演效果，S3模型能在一定程度上反映研究區的鹽漬化特征。

圖 2 指數與鹽分定量關系Fig.2 Relationship of index and salt quantity

圖 3 SVM模型評價精度Fig.3 Accuracy of SVM model evaluation

3.2 基于特征波段融合的鹽漬化反演模型

高分一號影像共有4個多光譜波段，對土壤采樣點對應的4個波段數值及鹽分含量進行兩兩相關性分析[式(1)]得到相關性矩陣，如表 4所示。波段1與波段2相關性最為顯著，相關系數達到0.690，波段1與波段4、波段3與波段4、波段1與波段3相關性較低，表明兩兩之間具有一定的獨立性，傳達的信息冗余程度較低。其中波段1與波段4相關性最低，且負相關，為-0.200。

表 3 反演模型及精度參數

表 4 相關性矩陣

表 5 信息量統計表

表 6 最優參數

表 7 SVM反演模型

按式(2)對各波段進行信息量統計，結果如表 5所示。波段1與波段4的方差最大，波段2方差最小，說明波段1與波段4所包含的信息量相對而言更大。從表 4可知，單波段與鹽分含量的相關性并不特別顯著，最大僅為0.413。綜合因子需包含足夠信息量且相關性較小的原則，選取兩兩之間相對獨立的波段1與波段3、波段1與波段4及波段3與波段4作為評價顧屯流域耕地鹽漬化的3個自變量組合。將3個模型變量歸一化后結合篩選的42個訓練樣本在MATLAB平臺利用交叉驗證的網格搜索法分別進行參數尋優，尋優結果(表 6)即代表在相應參數下各變量組合在SVM模型中能夠最大程度地描述出數據特征，建立最優的非線性回歸模型?；谒米顑瀰捣謩e構建3個波段組合的反演模型[式(3)、式(4)]，對研究區進行鹽分空間分布的反演，提取反演結果進行精度驗證[式(5)、式(6)]，結果如表 7與圖 3所示。P1P4、P3P4組合訓練集R2分別為0.741、0.725，而預測R2僅0.679、0.672，表明對于耕地鹽漬化反演效果略差。P1P3組合建模集R2高達0.901，預測R2也達到0.8674，RMSE為0.1052，RPD為2.931，各項指標表明該模型鹽分反演的效果最好。

圖 4 鹽漬化分布Fig.4 Distribution of salinization

3.3 兩種模型反演結果對比分析

從評價精度上，由鹽分指數S3構成的反演模型，R2達到0.742；由P1P3組合構建的SVM模型在所有反演模型中精度最高，R2為0.867，相較S3模型具有更優的預測能力，能夠高精度反演耕地的鹽分分布情況。這說明波段1與波段3是最優的波段組合，同時SVM能夠很好地挖掘數據特征進行分析建模。利用S3反演模型(表 3)和P1P3支持向量機反演模型(表 7)分別對顧屯流域耕地區鹽分進行空間分布反演，并按照表 1分級規則對鹽分進行分級，獲得耕地鹽分空間分布情況，如圖 4所示。

表 8 反演結果統計表

對兩個模型評價結果進行統計，結果如表 8所示，從S3模型的評價結果看，顧屯溝內約70%耕地都受到一定程度的鹽漬化影響，其中輕度鹽漬化占比最大，占了顧屯主溝56%，中度鹽漬化土壤為17.39%，重度鹽漬土僅有0.03%。SVM模型得出的結果顯示，輕度鹽漬化占43.52%，中度鹽漬土占29.82%，重度鹽漬土占0.04%。對比可以發現，兩個模型反演所得正常土壤與重度鹽漬化土壤的總量相差不大，總量上的主要差別在于SVM模型得出中度鹽漬土要多大概10%，相應的輕度鹽漬化相對要少10%，即SVM模型表明研究區的鹽漬化趨勢更強，從圖 4也可以看出SVM模型中度鹽漬土占比較多。兩種模型的反演結果(圖 4)均顯示，在溝內上游區域與支溝內鹽分含量明顯高于下游，這可能與溝內高程與水文條件等因素有關。鹽分空間分布結果表明研究區經工程后的耕地在一定程度上受到鹽漬化的影響，鹽漬化會對耕地農作物的生長與工程后土地的利用效益產生負作用。

4 結論

土壤鹽漬化問題影響耕地的種植和治溝造地工程的效益。通過高分一號影像和室內實驗數據對顧屯流域耕地的鹽漬化反演，初步獲得以下結論。

(1)選取的6個表征鹽分光譜指數與實測鹽分信息具有一定的相關性，其中S1、S2、S33個指數與實際鹽分成分有較好的相關性。通過定量反演，S3模型也表現出了較好的反演精度，常用的鹽分指數對于研究區鹽漬化評估有一定效果。

(2)通過信息量、相關性等特征篩選出高分一號影像P1P3、P1P4與P3P43組特征波段組合，發現P1P3可作為鹽漬化反演最優波段組合。

(3)利用SVM的機器學習方法對耕地鹽分含量進行反演，模型精度達 0.867。該模型可為黃土耕地鹽漬化的監測提供指導。

(4)顧屯流域70%的耕地正受到鹽漬化影響，重度鹽漬土極少，中度與輕度鹽漬土成分較高，分別達到43.52%與29.82%。這說明研究區溝內耕地的鹽漬化發育態勢較為顯著，鹽漬化對于耕地農作物的種植有害。當地的勞動者可按照鹽漬化的分布情況合理的選擇農作物的種植區域與種類，對于鹽漬化程度相對較高的區域應該及時治理，同時對于輕度鹽漬化區域也應及時抑制土壤鹽分含量的增加。

需要指出的是雖然對耕地鹽分進行了較高精度的反演，但也存在一些缺陷：高分一號影像光譜分辨率有限，僅有的4波段對于更準確地描述鹽分信息來說較為困難；僅研究了顧屯耕地的鹽漬化空間分布情況，對于鹽漬化的形成機制及工程后效應沒有做深入的討論，要解決治溝造地工程帶來耕地鹽漬災害問題，還一定要弄清鹽漬化的形成與工程活動、地形地貌、水文的關系，這是今后的研究方向。