基于地表光谱建模的区域土壤盐渍化遥感监测研究

土壤盐渍化是土地荒漠化和土地退化的主要类型之一,也是世界性资源问题和生态问题,盐渍化土壤主要分布在干旱半干旱地区,而土壤盐渍化的动态监测和预报是目前研究的重要手段。新疆渭干河-库车河三角洲绿洲是我国土壤盐渍化比较严重也比较典型区域之一,以实测获取的绿洲区域范围内不同恶化程度的盐渍化土壤的高光谱反射率及其土壤含盐量为基础数据源,从中优选出对不同盐渍化程度土壤最为敏感的光谱波段,结合Landsat-TM多光谱遥感影像构建于地表光谱建模的最佳土壤盐渍化监测模型,并将此模型实现大尺度范围内的高精度土壤盐分遥感定量反演。结果表明:(1)反射率一阶微分光谱变换方式最好,与土壤含盐量相关性最佳,最大相关系数可达0.987。(2)利用抛物线模型与最佳土壤盐分指数SI3,构建的地表光谱模型效果最为理想(R2=0.885 2)。(3)与单纯以传统多光谱遥感技术构建的土壤盐分监测模型(R2=0.592 5)相比,经尺度转换后的模型,其精度与效果(R2=0.708 4)则更优。为今后可实现高精度干旱区区域大尺度卫星遥感土壤盐渍化监测提供一种科学、有效的途径。     

塔里木河中游典型绿洲盐渍化土壤的反射光谱特征

研究盐渍化土壤的光谱特性是利用遥感技术实现在区域尺度上进行土壤盐渍化监测和评价的工作基础, 是建立地面数据和遥感数据关系的桥梁。本文以塔里木河中游典型绿洲--渭干河-库车河三角洲绿洲为研究对象, 采用光谱学技术以及多元统计相结合的方法, 研究干旱区典型绿洲盐渍化土壤的反射光谱特征。首先, 对光谱数据进行预处理(去噪、剔除水分吸收波段), 以便消除仪器本身噪声及外界条件的影响, 并且计算了部分盐渍地样本的光谱吸收特征参数, 说明相同程度的盐渍化土壤具有相似的吸收特征;其次, 研究盐渍化土壤的反射光谱与盐分因子(八大离子、电导率(EC)、含盐量(salt content)、pH、总溶解固体(TDS)等) 之间的关系, 并选择具有代表性的盐分因子与野外实测光谱数据建立定量回归模型, 通过多元线性回归分析得出含盐量、SO₄^2-、TDS、EC与原始光谱数据的相关性分别是0.746、0.908、0.798 和0.933, 达到了理想的效果。本研究对于干旱区典型绿洲盐渍土的光谱特征研究有着重要指示意义, 为发展和完善中国盐渍土理化特征的可见光-近红外反射光谱分析理论奠定科学积累, 并进一步为干旱区土壤盐渍化、沙漠化灾害等环境恶化问题的解决提供新的科学技术手段。     

中亚土库曼斯坦绿洲土壤盐渍化动态演变评估

针对土库曼斯坦广泛存在的土壤盐渍化问题,选取达绍古兹州典型盐渍地为研究区,利用1990年、2000年和2010年的Landsat TM、ETM遥感影像,获取盐分指数（SI）和反照率（Albedo）构建SI-Albedo特征空间,利用土壤盐渍化遥感监测指数（SMI）,计算并划分研究区盐渍化等级。结果表明：（1）利用SMI指数对区域土壤盐渍化状况进行统计及定量分析,有利于大尺度范围的土壤盐渍化动态监测;（2）1990-2010年间研究区盐渍化程度持续加重,其中,重度盐渍地增加1 103.9 km²,增长了5.28%;中度盐渍地增加1 716.184 km²,增长8.21%;（3）地形及气候等自然因素对研究区土壤盐渍化过程有较大影响,盲目的垦荒、不合理灌溉等人为因素更加剧了研究区盐渍化的形成,使得盐渍化现象更加严重,导致盐渍地面积的不断扩大。     

阿拉善地区土壤盐渍化的遥感反演及分布特征

土壤盐渍化是威胁干旱区土地的重要环境问题。利用遥感技术对土壤盐渍化进行动态监测,分析土壤盐度水平与空间分布,有利于掌握土壤盐渍化现状,为土地资源可持续利用提供理论依据。现有研究多在田间尺度,随着土壤环境问题涉及的范围越来越大,区域斑块信息的提取已无法满足宏观地模拟和展示整体土壤环境的空间分布。以阿拉善地区为例,结合遥感光谱指数与实测土壤盐分数据,运用偏最小二乘回归（PLSR）方法,构建区域尺度范围的土壤盐渍化反演模型,实现大面积地区土壤盐度的精准模拟和定量监测。结果表明,构建的模型验证精度达到0.8788,达到极显著水平,预测结果与实际情况相符,可以较准确地模拟研究区土壤盐渍化状况。受地形、气候、景观类型、农业活动以及土地管理等因素的综合影响,阿拉善地区约20%的区域土壤呈现出不同程度的盐渍化,其中黑河下游河岸带、雅布赖山西侧及贺兰山西侧冲积扇土壤盐渍化程度最为严重。本研究可为大面积区域土壤盐分状况的快速监测及遥感定量反演提供可行的方法,同时为该区域不同程度盐渍化土壤的治理和土地利用管理提供依据。     

干旱区盐渍地遥感动态监测及其驱动力研究——以渭干河-库车河三角洲绿洲为例

土壤盐渍化作为主要的土地退化形式之一,已成为一个全球性问题.盐渍地的时空动态变化特征分析研究,是发展研究盐渍地动态监测与预报技术的重要基础工作之一,对于及时掌握盐渍化程度与分布,合理制定土地利用政策与生态改良措施,实现区域可持续发展等方面具有重要作用.针对目前塔里木盆地北缘地区广泛存在的土壤盐渍化问题,基于GIS和遥感变化检测方法,对渭-库绿洲1989、2001、2007年三个时期的盐渍地时空动态变化特征及其驱动力进行了分析.研究结果表明:1989-2007年间重度盐渍地的变化程度剧烈,呈剧烈增加态势;中轻度盐渍地面积减少,主要向重度盐渍地和非盐渍地转化;非盐渍地有所减少,主要向中轻度盐渍地和重度盐渍地转化;绿洲内部盐渍化程度有所降低,而绿洲外围盐渍化程度加剧;盐渍地重心具有向绿洲外围东南方向转移的趋势;通过分析盐渍地时空动态变化特征,表明盐渍地时空变化是一个极其复杂的过程,同时受到自然和人文两大系统的驱动,人为不合理的灌溉是促使土壤盐渍化的主要驱动力.研究为盐渍地时空动态分析与评价提供了普适性较强的实现方法,为构建盐渍地定量监测模型提供了一定科学依据.     

基于电磁感应技术的塔里木盆地北缘绿洲土壤盐分空间变异特性

土壤盐渍化是影响绿洲农业生产、抑制作物生长的主要生态环境问题。当前,将电磁感应技术与地面实测技术相结合是监测土壤盐渍化分布及其变化的先进方法。本文以新疆渭干河-库车河三角洲绿洲为研究区,以电磁感应仪在水平模式下（EM_H）和垂直模式下（EM_V）所获取的土壤表观电导率数据以及野外实测数据为基础,通过建立EM_V和EM_H与土壤盐分含量及组成元素的多元线性回归模型,采用泛克里格法（Universal Kriging）对研究区两个关键季节（干季、湿季）的土壤盐分含量及组成的空间变异特征进行了分析。结果表明：研究区干季和湿季表层盐渍土含盐量均与EM_V和EM_H具有良好的相关性,以EM_V+EM_H为自变量建立的土壤盐分解译模型的精度较高,且通过0.01水平检验;研究区干、湿两季的表层土壤含盐量数据符合P-P正态分布,空间分布均呈现强相关性;采用能够充分考虑到干旱区表层土壤盐分空间变异的球状套合模型,能够更好地拟合土壤表层含盐量的空间结构;研究采用泛克里格法将解译出的土壤盐分及其主要组成离子（Na⁺、Cl^-）含量进行空间插值分析,其变化趋势与土壤含盐量的变化趋势基本一致,因而采用电磁感应技术可以有效地监测不同季节干旱区绿洲土壤盐分及其组成的空间变化。     

北疆农区土壤盐渍化遥感监测及其时空特征分析

基于MODIS数据,利用归一化植被指数和盐分指数的二维特征空间关系建立土壤盐渍化遥感监测模型,对北疆农区2000年以来的土壤盐渍化状况及其空间动态变化进行了监测分析,并探讨了典型区土壤盐渍化的主要驱动因素。结果表明：① 土壤盐渍化遥感监测指数可以从宏观上定量刻画北疆农区的土壤含盐量;② 北疆农区土壤盐渍化空间特征呈现出总体上逆转、局部严重发展的态势;③ 土壤盐渍化等级在不同时间段的发展或逆转的方向主要由中度向重度及重度向盐土间的相互转化,其中重度盐渍化农用地的转化幅度最大;④ 不同土壤盐渍化等级中盐土的形成与农区降水量和干燥程度具有较好的相关性,未盐渍化（正常）和中度盐渍化与农区有效灌溉面积和农作物播种面积分别呈相关系数较高的正相关和负相关。     

基于改进型TVDI在干旱区旱情监测中的应用研究

干旱是全球范围内影响最为广泛的自然灾害之一，其所导致的土壤沙漠化、荒漠化和盐碱化给生态环境造成不可逆的危害。通过对MODIS数据进行投影转换、去云等预处理的基础上，利用地形校正对TVDI模型进行改进，构建了改进型的温度植被干旱指数（mTVDI）用于新疆干旱区旱情监测。利用土壤实测数据对mTVDI及传统的TVDI模型进行对比验证。研究结果表明：（1） 利用EVI与校正后的LST构建的mTVDI_E对干旱区旱情的敏感度最高，与实测土壤水分数据的相关性R²为0.74。（2） 从空间上看，新疆2015年旱情分布以塔里木盆地和准噶尔盆地为两个干旱中心，旱情状况由严重逐步向周围山区递减至湿润状态。从时间上看，新疆6月、7月和8月旱情最为严重。（3） 研究利用TRMM降水数据对基于mTVDI_E反演的新疆旱情时空分布特征进行对比分析，结果表明二者所表现出的旱情时空分布较为一致，不同时间段内的降水量与mTVDIE之间具有一定的相关性，且均通过了P<0.01显著性检验。综上，基于TVDI所提出的mTVDI_E 能够有效开展新疆干旱区旱情监测，且精度较高，从而为今后定量化开展大区域尺度旱情监测研究提供参考。     

干旱区典型绿洲盐渍化土壤空间信息研究

对提取干旱区盐渍化信息的若干方法进行了评述,并且选取位于干旱区地带的盐渍化典型区域——阿克苏地区的库车、新和、沙雅县(渭-库绿洲)以及和田地区的于田县(于田绿洲)作为研究区进行实证分析。采用同一时相的ETM 数据,运用K-T变换、比值变换以及通过NDVI指数和分类来提取信息,效果明显。通过实证分析发现:虽然研究区都地处塔里木盆地周边地区,一个是塔北绿洲,另一个是塔南绿洲。但由于水文(盐渍化形成的关键)、气候(形成盐渍化土壤的驱动力)、地形(盐渍化土壤分布及差异的主要因素)、人类活动(盐渍化土壤形成的重要因素)等因素差异的存在,导致了盐渍化情况的差异。再利用Surfer软件绘制盐渍化出土壤特征(电导率)的等值线图,发现渭-库绿洲和于田绿洲表层土壤电导率的空间分布状况的差异。     

塔里木盆地北缘绿洲土壤含盐量和电导率空间变异性研究——以渭干河-库车河三角洲绿洲为例

土壤(及地下水)中水溶性盐的分析,是研究盐渍土盐分动态监测与预报技术的重要基础工作之一,对于及时掌握盐渍化程度与分布,合理制定土地利用政策与生态改良措施,实现区域可持续发展等方面具有重要作用.针对目前塔里木盆地北缘地区广泛存在的土壤盐渍化问题,基于GIS和地统计学方法,研究了渭-库绿洲盐渍化土壤特征(含盐量和电导率)的空间变异性.研究结果表明:渭-库绿洲表层土壤含盐量的空间依赖性比电导率强,表层土壤电导率和含盐量具有较强的空间相关性,变异强度中等,通过Moran's I系数分析,表明2个土壤特征均呈现一定强度的空间自相关关系,在此基础上做出了空间等值线分布趋势图,并进行了趋势分析.本研究为土壤特征变量空间变异分析与评价提供了普适性较强的实现方法,为构建盐渍土定量监测模型提供了一定科学依据.     

阿拉尔垦区土壤盐渍化遥感监测及时空特征分析

及时准确掌握区域土壤盐渍化信息对盐渍土治理和土地利用可持续发展有着重要意义。以阿拉尔垦区Landsat 7 ETM+/8 OLI影像为数据源,采用盐分指数（Salinity index,SI）和归一化植被指数（Normalized difference vegetation index,NDVI）构建遥感盐分监测指数（Salinization detection index,SDI）模型,对阿拉尔垦区土壤盐渍化进行反演,分析近10 a垦区土壤盐渍化空间分布特征。结果表明：SDI模型与土壤实测电导率拟合度R²=0.7579,该模型可反演阿拉尔垦区土壤盐量;2011—2021年非盐渍土和轻度盐渍土面积分别增加318.22 km²和0.80 km²,中度、重度土壤盐渍化面积减少229.87 km²,盐土面积增加68.61 km²;阿拉尔垦区北部和南部地区的土壤盐渍化程度得到明显转好,中部和东部地区土壤盐渍化程度加重,垦区土壤盐渍化总体得到较好改善。SDI模型能较好反演阿拉尔垦区土壤盐渍化时空特征,可为阿拉尔垦区经济与社会发展提供一定的参考依据。     

干旱区土壤盐渍化灾害预警——以渭-库绿洲为例

针对中国西北干旱区普遍存在的土壤盐渍化,以渭干河-库车河绿洲TM影像数据,建立BP神经网络结合Adaboost算法的土壤盐渍化预警度评价模型。首先,根据研究区实际情况设置该模型的4个预警指标（地下水埋深、海拔、盐分指数、归一化干旱指数）,分别提取其连续表面信息,结合BP神经网络作为弱预测器进行预测,将通过不同训练集得到的弱预测器结果结合成强预测器。在利用该模型训练样本时,依据各评价因子对分类结果的贡献率调整其权重,预测的结果能客观反映每个评价因子对该地区土壤盐渍化的贡献程度。结果表明,研究区警情总体情况较严重,绿洲北部内部耕地周围的荒地以及含水量少的区域,盐渍化危险度较高。     

Remote Sensing Inversion for Simulation of Soil Salinization Based on Hyperspectral Data and Ground Analysis in Yinchuan,China

The Pingluo area, as an experimental study area in Yinchuan, has been subjected to major environmental degradation due to soil salinization problems. Soil salinization is one of the main problems of land degradation in arid and semiarid regions. In the present study, remote sensing was integrated with mathematical modeling to evaluate soil salinization adequately. To detect soil salinization, soil water content and electrical conductivity of soil samples were analyzed. The reflectance of soil samples was measured using a spectrometer (SR-3500) with 1024 bands. Indices of soil salinity, vegetation and drought were analyzed using Landsat images over the study area. Based on Landsat images, physicochemical analysis, reflectance of sensitive bands for soil salinization and environmental indices, canopy response salinity index (CRSI), perpendicular drought index (PDI) and enhanced normalized difference vegetation index (ENDVI), a new model was established for simulation and prediction of soil salinization in the study area. Correlation analyses and multiple regression methods were used to construct an accurate model. The results showed that green, blue and near-infrared light was significantly correlated with soil salinity and that the spectral parameters improved this correlation significantly. Therefore, the model was more effective when combining spectral parameters with sensitive bands with modeling. After mathematical transformation of soil reflectance, the correlations of bands sensitive to soil salinization were 0.739 and 0.7 for electrical conductivity and water content, respectively. After transformation of vegetation reflectance, the correlation coefficient of soil salinity became 0.577. After inversion of the model based on soil hyperspectral and water content, the significance became 0.871 and 0.726, respectively, which can be used to predict soil salinity and water content. The spectral soil salinity model had a coefficient of 0.739 for soil salinity prediction. Among the salinity indices, the CRSI was selected as the most significant, with R² of 0.571, whereas the R² for PDI reached only 0.484. Among the vegetation indices, the ENDVI had the highest response to soil salinity, with R² of 0.577. After scale conversion, the correlation percentages between CRSI and measured soil salinity and between ENDVI and measured soil salinity increased to 16.2% and 8.5%, respectively. Following the correlation between PDI and soil water content, the percentage of correlation increased to 11.6%. The integration of hyperspectral remote sensing, ground methods and an inversion method for salinity is a very important and effective technique for rapid and nondestructive monitoring of soil salinization.

     

新疆石河子农区土壤含盐量定量反演及其空间格局分析

盐渍化严重威胁着土地持续耕作和粮食生产安全,土壤含盐量的快速反演和及时监测,对新疆石河子农区农业可持续发展有着重大意义。以Landsat-8 OLI遥感影像与野外采样测定的72个样点土壤含盐量为数据基础,引入土壤亮度指数、土壤湿度指数、土壤盐盖度指数和土壤辐射水平指数等构建的特征遥感指数定量反演新疆石河子农垦区土壤含盐量,并对其空间布局进行了分析。研究表明：① 利用遥感影像像元特征遥感指数值反演地面对应土壤含盐量的精度较好,反演方法可行,反演精度为66%;② 反演得到土壤含盐量空间分布图在空间上等级明显,层次分明,呈现出“一带一区”的格局,“一带”是玛纳斯流域形成的盐渍化程度较高的条带,“一区”是内在土质形成的严重盐渍化区域;③ 在新疆石河子农区中,35.40%的棉田适合耕作,64.60%的棉田耕地需要进行改良,农区土壤盐渍化治理仍十分紧迫。     

干旱地区植被指数(VI)的适宜性研究

以位于典型干旱区的甘肃河西地区石羊河下游的民勤绿洲为例,对NDVI、SAVI、MSAVI和GEMI等4种VI(植被指数)受土壤背景光谱影响的程度和探测低盖度植被的能力进行了对比研究。通过分析VI提取植被信息时植被土壤噪音比的变化发现,植被覆盖较低条件下VI提取植被信息总体受土壤背景光谱影响程度较低,相比而言,GEMI提取植被信息中受土壤背景影响最小,其他3种VI的区别不太明显。通过分析不同VI随植被覆盖度增加的反映速率变化及不同覆盖条件下不同VI的取值范围的变化发现,NDVI探测低盖度植被的能力最强,GEMI次之。GEMI可能是干旱地区植被探测较适宜的植被指数。     

基于机器学习和多光谱遥感的银川平原土壤盐分预测

快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R²)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R²为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。