基于特征空间的土壤盐渍化遥感应用研究--

基于不同维数特征空间的土壤盐渍化遥感应用研究

丁建丽

(新疆大学资源与环境科学学院 绿洲生态教育部重点实验室, 新疆 乌鲁木齐 830046；

摘要：研究在特征空间理论的支持下，以波谱分解技术为基础，以Landsat-TM、ETM+多光谱遥感影像和野外调查数据为基础数据源，通过分析盐渍化对地表生物物理特征的影响，建立盐渍化过程与地表生物物理特征之间定量关系，利用在土壤盐渍化遥感监测中最为关键的三个指标—土壤盐渍化光谱特征、植被覆盖特征和土壤水分含量特征协同构建二维特征空间支持下的土壤盐渍化遥感监测模型VSSI、SVSI和SSSI和三维特征空间支持下的土壤盐渍化遥感监测模型SVWSI和SDI。结果表明：基于三维特征空间建立的SVWSI和SDI模型对不同盐渍化程度土壤的敏感性高于基于二维特征空间建立的VSSI、SVSI、和SSSI模型，其中，SVWSI和SDI模型与实测0-10cm土壤盐分含量相关系数分别为R2=0.8325和R2=0.8646；基于不同维数特征空间构建的土壤盐渍化遥感监测模型能反映盐渍化土壤地表盐量组合及其变化信息，且指标简单、易于获取，对今后干旱区盐渍地信息提取以及动态监测研究具有重要意义。

关 键 词：特征空间；遥感；土壤盐渍化；渭干河-库车河三角洲绿洲

中图分类号：S156. 4 文献标识码：A DOI：

土壤盐渍化以及因灌溉引起的土壤次生盐渍化是我国的干旱、半干旱区主要的生态环境问题之一[1]，通常出现在气候干旱、土壤蒸发强度大、地下水位高且含有较多的可溶性盐类的地区，其发展已成为影响绿洲农业的可持续发展、威胁绿洲安全和稳定的重要因素[2-3]。由于土壤盐渍化对气候、土壤、地形和水文地质等自然条件非常敏感，并随着干季和湿季的变化而变化，因而利用传统的监测手段对区域尺度的土壤盐分的变化进行监测变得较为困难

[4]。遥感以其监测范围大，获得资料速度快、信息量大、周期短、成本较低、受地面条件限

制少，手段丰富、收益大等优点，从而为大面积的实时动态监测盐渍土状况提供了可能[5]。

目前，利用遥感图像进行土壤盐渍化信息提取的方法主要为目视解译以及结合土壤含盐量、地下水等辅助量进行自动化分类。但均存在信息提取过程受人为因素影响大，引入的辅助量会引起图像的破碎化等问题，因而多数土壤盐渍化遥感监测方法研究还是在定性分析层面上，其通用性、定量化及普适性并不令人满意[6]。此外，遥感影像上混合像元的存在、采样时样本像元仅考虑裸土为主的光谱信息，缺乏综合考虑像元内植被光谱信息对土壤盐渍化间接响应、常规手段获取―点状‖信息所生成的空间分布图往往时间滞后[7]，代表性差，生物物理意义不明确等问题均是区域尺度盐渍化土壤遥感实时监测难以达到实用要求的主要原因。因此，在当前的研究中迫切需要利用遥感影像及时获取盐渍化分布的―面状‖信息，以便准确地对盐渍化进行实时监测预报。

目前，通过利用多光谱遥感影像中所提取的各类指标构建特征空间进行盐渍化信息的提取和监测是当前土壤盐渍化遥感监测的先进方法。在目前的研究中，选取适当的指标构建二维特征空间进行土壤盐渍化信息的提取的研究已见报道。哈学萍等利用盐分指数和地表反射率构建了盐渍化信息提取模型，并借助决策树分类方法成功提取出了于田地区的盐渍化分布信息[8-9]。王飞等综合分析归一化差值植被指数（NDVI）、盐分指数（SI）二者之间的关系，在此基础之上提出 NDVI-SI 特征空间概念，并构建土壤盐渍化遥感监测指数模型（SDI）

[10]。但在此基础上考虑到遥感影像混合像元的问题，对影像进行混合像元分解并在二维特征空间的基础上，尝试构建三维特征空间已建立土壤盐渍化遥感监测模型的研究在国内尚未见报道。

本研究选取具有长期研究基础的渭-库绿洲为研究靶区，利用子像元分解模型(LSMM)

和土壤水分模型(MPDI)提取出土壤、植被和水分信息，提出SWC-SF特征空间，SWC-VF特征空间和VF-SF特征空间概念，分别构建了SSSI、SVSI和VSSI等二维特征空间下土壤盐渍化遥感监测模型，在此基础上，本研究提出了三维特征空间下的土壤盐渍化遥感监测模型SDI和SVWSI。

1研究区概述

渭干河-库车河三角洲（以下简称渭-库绿洲）位于新疆维吾尔自治区南部的塔里木盆地北部，属于渭干河-库车河流，北部毗邻和静县，东部毗邻尉犁县和轮台县，西部毗邻拜城县，南至塔里木流域中段。地理位置为：81°28′30″E～84°05′06″E，39°29′51″N～42°38′01″N，研究区暖温带大陆性干旱气候，多年平均气温11.6℃，1月平均气温-5.8℃，7月平均气温25℃。多年平均日较差14.7℃，全年＞10℃积温为4208℃，多年平均蒸发量2420.23mm，多年平均降水量为43.1mm，蒸降比约54:1[10]。随着表层土壤含盐量不断增加，地表反射率随之增加，植被覆盖度降低，严重时会形成盐霜，植被覆盖度为零，形成重度盐渍化区域。天然植被以芦苇(Phragimites australis)、柽柳(Tamarix ramosissima)、骆驼刺(Allhagi sparisifolia)、花花柴(Karelina caspica)和盐爪爪(kalidium gracile)等为主，主要分布在渭-库绿洲外围轻、中度盐渍化区域。

2 研究方法

2.1 数据源及预处理

本研究采用2001年8月1日，2006年6月22日、2006年7月22日、2006年9月24日、2006年10月10日、2007年7月25日获取的多光谱卫星遥感数据Landsat TM、ETM+，2006年7月和2007年7月实测植被覆盖度、土壤含水量和土壤含盐量等野外实测数据。其中遥感图像参照2001年渭-库绿洲1:1万地形图进行几何精校正。图像采样像元为30m×30m，几何校正误差RMS在半个像元之内。经过几何校正之后，选择6S模型对研究区进行大气校正[11]，大气廓线选择中纬度夏天，大陆性气溶胶类型，地表为均匀朗伯面。

2.2 土壤盐渍化过程响应参数提取

2.2.1 土壤盐渍化和植被覆盖信息提取

多年来，国内外的研究学者探索遥感光谱成像机理，模拟光谱的混合过程，提出了多种解决混合像元的方法和模型，具有代表性的是：线性、几何光学、概率和模糊模型。

线性分解模型(LSMM)具有建模简单，物理意义明确，理论基础较好，操作简便等优势而受到广泛应用，它被定义为：像元在某一光谱波段的反射率(亮度值)是由构成像元的基本组分(endmember)的反射率(光谱亮度值)以其所占面积比例的权重系数的线性组合。利用LSMM模型得到研究区植被丰度 (vegetation fraction-VF)和土壤盐渍化丰度(soil salinization fraction-SF)。

2.2.2 土壤水分信息提取

采用A.Ghulam提出的修正垂直干旱指数(Modified Perpendicular Drought Index，MPDI)反演研究区地表土壤水分信息[12]，模型表达式为：

MPDIR MR FR MR (1)

式(1)中Rv,Red，Rv,nir——红光波段与近红外波段植被反射率；FV ——植被覆盖度；Rnir、RRed——近红外、红波段反射率；M——土壤线斜率

2.2.3 盐分指数

(SI)[13]

SI (2)

式(2)中：SI——盐分指数； 1、 3、—— Landsat-ETM+相应波段反射率值

2.2.4 土壤调整植被指数(Ttransform Soil-Adjusted Vegetation Index-TSAVI)[14] ATSAVI a(NIR aR b) (3)

2aNIR R ab x(1 a)

式(3)中：a、b——土壤背景线的斜率和截距；NIR、R——近红外、红光波段反射率

2.3多维特征空间与土壤盐渍化遥感监测模型

研究基于波谱分解技术基础，有效利用 …… 此处隐藏：12844字，全部文档内容请下载后查看。喜欢就下载吧 ……