基于地表高光譜與OLI影像的土壤含鹽量和pH值估測(cè)

孫 媛，賈萍萍，尚天浩，張俊華

(1.寧夏大學(xué)資源環(huán)境學(xué)院，寧夏 銀川 750021；2.寧夏大學(xué)環(huán)境工程研究院，寧夏 銀川 750021)

土壤鹽堿化是土地退化的主要過程之一，已經(jīng)成為全世界共同面臨的生態(tài)環(huán)境問題，尤其在干旱、半干旱地區(qū)，嚴(yán)重阻礙農(nóng)業(yè)生產(chǎn)，威脅當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)的發(fā)展和生態(tài)環(huán)境的可持續(xù)發(fā)展[1]。及時(shí)獲取土壤鹽堿化時(shí)空分布信息，分析土壤鹽堿化變化范圍，對(duì)保障農(nóng)業(yè)可持續(xù)生產(chǎn)、維持生態(tài)環(huán)境穩(wěn)定有重要作用[2-3]。

傳統(tǒng)土壤鹽堿化監(jiān)測(cè)手段主要是依靠實(shí)地采樣和實(shí)驗(yàn)室分析，難以對(duì)大范圍區(qū)域進(jìn)行實(shí)時(shí)、持續(xù)、準(zhǔn)確地監(jiān)測(cè)。而遙感影像可以大面積、重復(fù)獲取區(qū)域多波段、多時(shí)相的地物信息，在速度、精度和成本方面凸顯優(yōu)勢(shì)，在土壤鹽堿化監(jiān)測(cè)方面具有良好的應(yīng)用前景[4]。近年來很多學(xué)者利用遙感影像提取鹽堿化信息，如Landsat、MODIS、SPOT、IKONOS、Quick Bird和IRS系列等，篩選出敏感波段，構(gòu)建土壤鹽分指數(shù)，對(duì)鹽漬化土壤鹽分、土壤表觀電導(dǎo)率(ECa)和土壤飽和溶液電導(dǎo)率(ECe)等進(jìn)行估測(cè)，建立了土壤鹽漬化程度監(jiān)測(cè)體系[5-7]。這些研究大多是從遙感影像提取土壤鹽分指數(shù)來估測(cè)土壤鹽堿化程度。研究表明，鹽堿化土壤因其鹽堿含量超過正常閾值而影響植被的生理參數(shù)，導(dǎo)致植被冠層光譜在紅光波段出現(xiàn)反射率增加和近紅外波段反射率降低的現(xiàn)象[8]。研究表明，植被光譜指數(shù)與土壤表層屬性存在密切聯(lián)系，能夠有效地監(jiān)測(cè)土壤鹽堿化程度[9]。鑒于此，諸多研究者利用植被光譜間接估算土壤的鹽分含量，嘗試建立基于植被指數(shù)定量估算土壤鹽分的方法。這些指數(shù)包括：歸一化植被指數(shù)(Normalized difference vegetation index，NDVI)、比值植被指數(shù)(Ratio vegetation index，RVI)、差值植被指數(shù)(Difference vegetation index，DVI)、土壤調(diào)節(jié)植被指數(shù)(Soil adjusted vegetation index，SAVI)、修正的土壤調(diào)節(jié)植被指數(shù)(Modified soil adjusted vegetation index，MSAVI)、優(yōu)化的土壤調(diào)節(jié)植被指數(shù)(Optimized soil adjusted vegetation index，OSAVI)、廣義植被指數(shù)(Generalized difference vegetation index，GDVI)、增強(qiáng)型植被指數(shù)(Enhanced vegetation index，EVI)等[10-16]。但這些植被指數(shù)都僅利用可見光-近紅外2個(gè)波段組數(shù)據(jù)，沒有考慮其他波段(如信息量較大的短波紅外)，信息量不足難以進(jìn)行綜合全面分析；而且只涉及2個(gè)波段組數(shù)據(jù)的植被指數(shù)往往存在明顯的相關(guān)關(guān)系而使得模型失真和不穩(wěn)定。有學(xué)者在此基礎(chǔ)上引入了短波紅外波段構(gòu)建了擴(kuò)展的增強(qiáng)型植被植數(shù)(Extentedenhanced vegetation index，EEVI)[17]、三波段差值植被指數(shù)(Three-band maximal gradient difference vegetation index，TGDVI)[18-19]，綜合考慮多個(gè)波段建立植被指數(shù)，大幅度降低了指數(shù)間的多重共線性，提高了土壤鹽分估算模型精度。也有學(xué)者將光譜變換方法與植被指數(shù)結(jié)合建立土壤鹽分估算模型，以提高土壤鹽分估測(cè)精度，為土壤鹽分估測(cè)提供一種新的思路[20]。此外，野外實(shí)測(cè)高光譜模型精度較高，但不適于大面積獲取土壤鹽堿化信息，而遙感影像覆蓋范圍大，且容易獲取，但精度較低，將實(shí)測(cè)高光譜數(shù)據(jù)與影像數(shù)據(jù)進(jìn)行擬合，有助于提高大面積、高精度鹽堿化估測(cè)能力[21]。

盡管有不少研究綜合多光譜影像或高光譜影像與實(shí)測(cè)高光譜共同估測(cè)土壤鹽分，但所用高光譜數(shù)據(jù)多為土壤光譜，很少采用植被冠層光譜，且鮮有研究分別使用敏感波段和植被指數(shù)進(jìn)行鹽分估測(cè)，針對(duì)鹽堿并存地區(qū)，同時(shí)估測(cè)含鹽量與pH值的研究就更為少見。因此，寧夏銀北地區(qū)因獨(dú)特的氣候條件和地理位置，分布著大面積的龜裂堿土，土壤pH值和堿化度高，含鹽量也較高。本文以寧夏銀北地區(qū)平羅縣為研究區(qū)，以實(shí)測(cè)植被光譜、Landsat 8 OLI影像以及植被冠層下土壤含鹽量、pH值為數(shù)據(jù)源，對(duì)光譜反射率進(jìn)行不同形式的變換，確定最優(yōu)光譜變換形式，基于敏感波段和植被指數(shù)建立土壤含鹽量和pH值的最佳估測(cè)模型，并利用高光譜對(duì)影像多光譜估測(cè)模型進(jìn)行校正，實(shí)現(xiàn)當(dāng)?shù)丶巴惖貐^(qū)大面積土壤鹽化和堿化程度的監(jiān)測(cè)。

1 材料與方法

1.1 研究區(qū)概況

平羅縣位于寧夏銀北平原東北部，地處38°26′60″～39°14′09″N和105°57′40″～106°52′52″E。海拔約為1 070～1 100 m，自西向東分為賀蘭山山地、山麓洪積扇地、西大灘碟形洼地、黃河近代沖積平原、河漫灘地和鄂爾多斯臺(tái)地六大地貌單元，地形西南高、東北低。該地區(qū)屬于典型的溫帶大陸性氣候，多年平均氣溫9.69℃，年均降水量約150～203 mm，年蒸發(fā)量為1 755.1 mm以上。由于蒸降比大，地勢(shì)低洼，地下水位較高，引發(fā)鹽分向上層土壤遷移，最終形成了大范圍的鹽堿土[22]。研究區(qū)主要土地利用方式為農(nóng)業(yè)用地，種植的作物主要有枸杞、水稻、玉米、向日葵及少量小麥等。研究區(qū)內(nèi)分布植被種類繁多，主要包括白刺(Nitrariatangutorum)、蘆葦(Phragmitesaustralis)、賴草(Leymussecalinus)、芨芨草(Achnatherumsplendens)、檉柳(Tamarixchinensis)、沙棗(Elaeagnusangustifolia)、堿蓬(Suaedaglauca)、鹽爪爪(Kalidiumfoliatum)、砂引草(Tournefortiasibirica)和白莖鹽生草(Halogetonarachnoideus)等耐鹽堿植被。并且在氣候干旱以及土地鹽堿化的共同作用下，植被覆蓋度較低，長勢(shì)不佳，進(jìn)一步加劇土地鹽堿化，生態(tài)環(huán)境遭到破壞，嚴(yán)重制約了當(dāng)?shù)氐纳鷳B(tài)環(huán)境和農(nóng)業(yè)經(jīng)濟(jì)的可持續(xù)發(fā)展[23]。

1.2 野外實(shí)測(cè)樣本采集

綜合考慮研究區(qū)的土壤鹽堿化程度、植被類型及分布狀況、土地利用方式以及交通等因素，在研究區(qū)選取包括基本農(nóng)田、中低產(chǎn)田和撂荒地等不同土地利用方式的土壤布設(shè)樣地，在全縣設(shè)置9個(gè)采樣區(qū)域，每個(gè)區(qū)域?qū)嵉販y(cè)定一定數(shù)量的植被光譜并同期同點(diǎn)采集下覆表層土壤樣品。于2018年7月中旬進(jìn)行植被冠層光譜測(cè)定及土樣采集。植被光譜采用美國Spectral Evolution公司的SR-3500地物光譜儀，波段范圍為350～2 500 nm，其中350～1 000 nm分辨率3.5 nm，1 000～1 500 nm分辨率為10 nm，1 500～2 100 nm分辨率為7 nm。在天氣良好、風(fēng)力較小、10∶00—14∶00測(cè)定，測(cè)量時(shí)光譜儀探頭設(shè)置在垂直距離植被冠層上方30 cm處，減小儀器視場(chǎng)角，降低植被光譜的噪音影響；每次觀測(cè)前進(jìn)行標(biāo)準(zhǔn)白板校正，每個(gè)樣點(diǎn)重復(fù)測(cè)定5次，取平均值作為該植被的光譜反射值，最終獲得67個(gè)數(shù)據(jù)采集單元。

測(cè)量植被光譜后，采集植被原處下覆0～20 cm的表層土壤裝入自封袋，同時(shí)用GPS定位記錄該樣點(diǎn)經(jīng)緯度。土樣帶回實(shí)驗(yàn)室風(fēng)干、研磨過1 mm篩，配置水土比為5∶1的浸提液，用電導(dǎo)率儀和pH計(jì)測(cè)定土壤樣品的電導(dǎo)率和pH值[24]，根據(jù)經(jīng)驗(yàn)公式換算得到土壤含鹽量[24]。根據(jù)野外實(shí)測(cè)樣點(diǎn)分布情況以及布雷迪等[25]的分級(jí)方法，將土壤鹽堿化程度分為4級(jí)：輕度鹽(堿)化(L1)、中度鹽(堿)化(L2)、重度鹽(堿)化(L3)和鹽(堿)土(L4)，見表1。

表1 土壤鹽堿化分級(jí)標(biāo)準(zhǔn)Table 1 Classification standard of soil salinization

1.3 遙感影像獲取與預(yù)處理

結(jié)合采樣時(shí)間和云量(<10%)，選取2018年7月7日Landsat 8 OLI影像作為基礎(chǔ)數(shù)據(jù)源，數(shù)據(jù)來源于美國地質(zhì)調(diào)查局(United states geological survey，USGS http://glovis.usgs.gov/)，行列號(hào)為129/33，數(shù)據(jù)等級(jí)為LIT，空間分辨率為30 m。7個(gè)波段中心波長分別為443 nm(Coastal波段)、482.6 nm(藍(lán)色波段)、561.3 nm(綠色波段)、654.6 nm(紅色波段)、864.6 nm(NIR波段)、1 609 nm(SWIR1波段)和2 201 nm(SWIR2波段)。在ENVI5.5中完成Landsat 8 OLI影像的輻射定標(biāo)、大氣校正和研究區(qū)范圍剪裁等預(yù)處理工作。

1.4 高光譜與多光譜擬合分析

野外實(shí)測(cè)高光譜為窄波段，而Landsat 8 OLI影像多光譜為寬波段，二者數(shù)據(jù)不可直接進(jìn)行對(duì)比分析。將去噪后的實(shí)測(cè)光譜在ENVI5.5中的Spectral Resampling模塊中進(jìn)行重采樣處理，使之與Landsat 8 OLI 影像波段一致。然后根據(jù)經(jīng)緯度在ArcGIS中提取采樣點(diǎn)對(duì)應(yīng)Landsat 8 OLI影像反射率，將影像反射率與重采樣實(shí)測(cè)反射率擬合，并分析在不同含鹽量和土壤pH值條件下的影像和重采樣實(shí)測(cè)數(shù)據(jù)7個(gè)波段的相關(guān)性。

1.4.1 光譜反射率變換及植被指數(shù)與敏感波段的選取 為了更好地分析光譜數(shù)據(jù)和土壤鹽堿化指標(biāo)之間的關(guān)系，并篩選對(duì)鹽堿化指標(biāo)更敏感的光譜特征波段和植被指數(shù)，在原始反射率(T1)平滑去噪的基礎(chǔ)上，分別對(duì)重采樣實(shí)測(cè)光譜和Landsat 8 OLI影像光譜反射率進(jìn)行倒數(shù)(T2)、倒數(shù)對(duì)數(shù)(T3)、一階微分(T4)、倒數(shù)一階微分(T5)和倒數(shù)對(duì)數(shù)一階微分(T6)變換進(jìn)行同步分析。敏感波段通過土壤含鹽量和pH值與不同變換形式的光譜反射率的相關(guān)性分析來確定，依據(jù)相關(guān)性最大的原則，相關(guān)性越大，表明此波段對(duì)鹽堿化指標(biāo)越敏感。植被指數(shù)計(jì)算公式見表2。

表2 用于評(píng)價(jià)土壤鹽度和pH值的植被指數(shù)Table 2 Summary of some widely used vegetation indices for soil salinity and pH value assessments

1.4.2 建模和驗(yàn)證 分別以敏感植被指數(shù)和敏感波段作為自變量，土壤含鹽量和pH值為因變量建立估測(cè)模型，比較模型精度優(yōu)劣。將研究區(qū)67個(gè)采樣點(diǎn)的土壤含鹽量和pH值數(shù)據(jù)隨機(jī)選取45個(gè)樣本作為建模集，其余22個(gè)樣本構(gòu)成驗(yàn)證集，分別用于模型的建立及精度的驗(yàn)證。植被指數(shù)模型采用SPSS 22.0中曲線估計(jì)(Curve estimation)中多項(xiàng)式、指數(shù)函數(shù)、冪函數(shù)、立方函數(shù)等方法建模，選擇決定系數(shù)最大的方程作為估測(cè)模型；敏感波段模型采用Origin中多元線性回歸(Multiple linear regression，MLR)，以敏感波段作為自變量，土壤含鹽量和pH值作為因變量建立估測(cè)模型。為量化模型的擬合能力，決策標(biāo)準(zhǔn)采用決定系數(shù)(R2)和均方根誤差(RMSE)，用R2衡量模型穩(wěn)定性，RMSE判斷模型的估測(cè)能力，R2越接近1，RMSE越小，則模型精度越高，估測(cè)能力越好[27]。

2 結(jié)果與分析

2.1 研究區(qū)土壤含鹽量與pH值的統(tǒng)計(jì)分析

研究區(qū)土壤含鹽量平均為4.75 g·kg-1，變異系數(shù)為102.38%，對(duì)應(yīng)的建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的土壤含鹽量平均值分別為4.90 g·kg-1和4.42 g·kg-1，變異系數(shù)分別為106.79%和103.05%，均屬于強(qiáng)變異；土壤pH平均值為9.09，變異系數(shù)為5.68%，所選的建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的土壤pH平均值分別為9.10和9.08，變異系數(shù)分別為5.85%和5.43%，均屬于弱變異(表3)。建模集和驗(yàn)證集的數(shù)據(jù)分布均保持了和研究區(qū)全部樣本土壤對(duì)應(yīng)的含鹽量以及pH值相似的統(tǒng)計(jì)分布，避免了在模型校準(zhǔn)和驗(yàn)證中的潛在偏估計(jì)。

表3 研究區(qū)土壤樣品的pH值及含鹽量統(tǒng)計(jì)特征/(g·kg-1)Table 3 Statistics of pH value and soil salt content of the soil samples in the study area

2.2 典型鹽堿土上覆植被冠層光譜特征

從不同程度鹽化、堿化土壤上覆植被光譜特征曲線可以看出(圖1)，不同程度鹽化、堿化土壤上覆植被冠層反射光譜曲線在形態(tài)上總體相似：在綠光波段處有一較小的反射峰，在紅光波段形成吸收谷，紅光到近紅外波段反射率明顯高于其他波段。隨著鹽化程度的增加，在可見光波段重采樣實(shí)測(cè)反射率先降低后增加，影像反射率變化無明顯規(guī)律；在近紅外波段，重采樣實(shí)測(cè)反射率隨鹽化程度的加重變化無明顯規(guī)律，影像反射率則先降低后增加。隨著堿化程度的增加，重采樣實(shí)測(cè)反射率與影像反射率在全波段均呈先降低后升高趨勢(shì)。整體來看，近紅外波段反射率差異較大，重采樣實(shí)測(cè)植被光譜中，輕度和中度鹽化土壤上植被最大反射率分別與重度鹽化相差0.033和0.078，中度和重度堿化土壤上植被最大反射率較輕度堿化降低了13.24%和28.83%；在Landsat 8 OLI影像中，與輕度鹽化土壤上植被反射率相比，中度和重度鹽化分別降低了13.90%和23.55%，中度堿化土壤和堿土上植被最大反射率較輕度堿化降低了18.60%和7.90%。

2.3 植被實(shí)測(cè)高光譜與Landsat 8 OLI數(shù)據(jù)評(píng)估

研究區(qū)分布的典型植被類型多樣，不同植被冠層光譜對(duì)土壤鹽堿化程度的響應(yīng)不同[10,28]，為減少植被間的光譜差異，對(duì)同一鹽(堿)化程度的實(shí)測(cè)植被冠層光譜求均值，然后與對(duì)應(yīng)的影像反射率進(jìn)行擬合，分析重采樣實(shí)測(cè)高光譜與Landsat 8 OLI影像反射率的相關(guān)性。不同土壤含鹽量下的植被冠層實(shí)測(cè)光譜反射率與Landsat 8 OLI影像反射率之間的擬合關(guān)系如圖2所示。中度鹽化土壤上覆植被的重采樣實(shí)測(cè)光譜與Landsat 8 OLI影像光譜擬合度最強(qiáng)，擬合度(R2)達(dá)到了0.9350，然后依次是輕度鹽化土壤、鹽土和重度鹽化土壤，其中輕度鹽化土壤和中度鹽化土壤R2均達(dá)到了0.90以上。采樣區(qū)鹽堿程度較重，植被長勢(shì)普遍較差，故土壤背景對(duì)冠層光譜精度影響較大。整體而言，由實(shí)測(cè)光譜重采樣得到的光譜反射率與Landsat 8 OLI遙感影像的反射率具有較高的擬合度，可以為Landsat 8 OLI影像定量估測(cè)鹽分含量提供理論參考。

不同堿化程度土壤的上覆植被實(shí)測(cè)光譜反射率與Landsat 8 OLI影像反射率之間的擬合關(guān)系如圖3所示。中度堿化土壤上覆植被的重采樣實(shí)測(cè)光譜與Landsat 8 OLI影像光譜擬合度最好，擬合度(R2)達(dá)到了0.8952，然后依次是重度堿化土壤、堿土和輕度堿化土壤，其中中度堿化土壤和重度堿化土壤R2均達(dá)到了0.88以上，輕度堿化土和堿土的R2也達(dá)到了0.71以上。綜上，由重采樣實(shí)測(cè)光譜得到的光譜反射率與Landsat 8 OLI遙感影像的反射率具有較高的擬合度，可以為Landsat 8 OLI影像定量估測(cè)土壤pH值提供理論參考。

2.4 反射率不同變換方式與鹽堿化指標(biāo)相關(guān)性分析

由圖4可知，對(duì)重采樣實(shí)測(cè)反射率，平滑后的反射率(T1)與土壤含鹽量相關(guān)性最強(qiáng)，倒數(shù)對(duì)數(shù)變換后的反射率(T3)與土壤pH值相關(guān)性最強(qiáng)，為0.486；經(jīng)倒數(shù)變換的Landsat 8 OLI影像反射率(T2)與土壤含鹽量相關(guān)系數(shù)最大，平滑后的Landsat 8 OLI影像反射率(T1)與pH值相關(guān)性最強(qiáng)。以上結(jié)果表明，重采樣實(shí)測(cè)T1建立模型可能提高土壤含鹽量估測(cè)精度，pH值采用T3變換可能提高估測(cè)精度。Landsat 8 OLI影像T2建立模型可提高土壤含鹽量估測(cè)精度，而pH值采用T1變換建?？商岣吖罍y(cè)精度。

2.5 模型建立與驗(yàn)證

2.5.1 基于植被指數(shù)構(gòu)建的植被下覆土壤含鹽量和pH值估測(cè)模型 根據(jù)相關(guān)性最強(qiáng)的原則確定最佳光譜變換方式，在此基礎(chǔ)上構(gòu)建植被指數(shù)。根據(jù)2.4中的結(jié)果，基于重采樣實(shí)測(cè)光譜植被指數(shù)構(gòu)建土壤含鹽量和pH值估測(cè)模型的最佳變換形式分別為T1和T3，Landsat 8 OLI影像的最佳變換形式分別為T2和T1。用多項(xiàng)式、指數(shù)函數(shù)、冪函數(shù)、立方函數(shù)等方法分別建模，這里只列出最好的模型(表4)。由表4可知，基于重采樣實(shí)測(cè)光譜植被指數(shù)構(gòu)建的模型效果普遍高于Landsat 8 OLI影像?；谥夭蓸訉?shí)測(cè)光譜建立的含鹽量模型R2也較低，但均通過了0.05顯著性檢驗(yàn)，其中EEVI最高(0.290 9)；除EEVI外，基于其他5種植被指數(shù)建立的pH值模型效果都較好，其中EVI模型R2達(dá)到了0.625 7，TGDVI次之(0.612 5)?；贚andsat 8 OLI影像植被指數(shù)構(gòu)建的含鹽量模型精度都較差；構(gòu)建的pH值估測(cè)模型R2也普遍偏低，其中基于TGDVI建立的pH值估測(cè)模型R2最大，為0.248 4，略高于OSAVI和MSAVI，除EEVI外均通過了0.05顯著性檢驗(yàn)，總體上各植被指數(shù)建立的pH值模型效果相差不大。因此，對(duì)于土壤含鹽量，基于重采樣實(shí)測(cè)EEVI構(gòu)建的估測(cè)模型有較好精度；對(duì)于土壤pH值，基于重采樣實(shí)測(cè)EVI構(gòu)建的模型有較好的估測(cè)能力，Landsat 8 OLI影像TGDVI構(gòu)建的模型估測(cè)能力較佳。

表4 基于實(shí)測(cè)高光譜和Landsat 8 OLI影像的植被指數(shù)與含鹽量和pH值的估測(cè)方程Table 4 Predicted equations of vegetation indices between soil salt content and pH value based on measured Hyper-spectral and Landsat 8OLI image

2.5.2 基于敏感波段的土壤含鹽量和pH值估測(cè)模型 分別選取與土壤含鹽量和pH值相關(guān)性最強(qiáng)的2個(gè)波段和3個(gè)波段組合作為敏感波段建立含鹽量和pH的估測(cè)模型，模型決定系數(shù)相近，故這里只列出2個(gè)波段的建模結(jié)果(表5)?；谥夭蓸訉?shí)測(cè)光譜建立的模型普遍較好，對(duì)土壤含鹽量模型，T2模型效果最佳(波段組合為1 609 nm和2 201 nm)，R2達(dá)到了0.5693，T3、T1模型次之，均通過0.05顯著性的檢驗(yàn)，T4模型最差；建立的pH值估測(cè)模型中，T1模型效果最佳(波段組合為482.6 nm和654.6 nm)，T4模型次之，T2、T5模型較差，均通過了顯著性0.05的檢驗(yàn)?；谥夭蓸訉?shí)測(cè)光譜建立的模型效果均優(yōu)于Landsat 8 OLI影像模型。對(duì)于Landsat 8 OLI影像，基于各種變換建立的含鹽量模型效果均較差，均未通過顯著性檢驗(yàn)；建立的pH值估測(cè)模型中，T5模型擬合效果最佳(波段為482.6 nm和654.6 nm)，R2為0.2766，T4、T6模型擬合效果相近，R2分別為0.2220和0.2178，均通過了0.05顯著性檢驗(yàn)?；谟跋窠⒌膒H值模型總體比含鹽量模型效果好，說明研究區(qū)影像對(duì)土壤堿化程度的響應(yīng)大于鹽化程度。以上結(jié)果表明，對(duì)于土壤含鹽量，重采樣實(shí)測(cè)光譜T2變換建立的估測(cè)模型精度較高；對(duì)于土壤pH值，重采樣實(shí)測(cè)光譜T1建立的模型精度較高，Landsat 8 OLI影像T5變換建立的模型有較好的估測(cè)能力。

表5 反射率不同變換形式下敏感波段對(duì)含鹽量和pH值的估測(cè)方程Table 5 The equations for predicting salt content and pH value of the sensitive wavelengths between reflectance and transformed methods

2.5.3 模型驗(yàn)證 針對(duì)構(gòu)建的估測(cè)模型，用22個(gè)驗(yàn)證樣本分別對(duì)土壤含鹽量和pH值進(jìn)行驗(yàn)證，這里只列出模型效果最好的驗(yàn)證結(jié)果(圖5)。對(duì)于土壤含鹽量，除了基于Landsat 8 OLI建立的模型之外，其他最佳模型的光譜估測(cè)值與實(shí)測(cè)值之間有較強(qiáng)的相關(guān)性，且均通過了顯著性檢驗(yàn)，說明利用重采樣實(shí)測(cè)光譜植被指數(shù)和敏感波段都可以較準(zhǔn)確估測(cè)土壤含鹽量，其中基于重采樣實(shí)測(cè)光譜敏感波段建立的含鹽量估測(cè)模型效果最好，驗(yàn)證決定系數(shù)(R2)為0.5706，與建模結(jié)果一致；對(duì)于土壤pH值，驗(yàn)證結(jié)果均通過了顯著性檢驗(yàn)，其中基于重采樣實(shí)測(cè)光譜敏感波段驗(yàn)證模型R2最高(0.6616)，重采樣實(shí)測(cè)光譜植被指數(shù)R2(0.6473)次之，這與建模結(jié)果略有差異。以上結(jié)果表明，基于重采樣實(shí)測(cè)光譜構(gòu)建的土壤含鹽量模型通過了顯著性檢驗(yàn)，Landsat 8 OLI影像估測(cè)模型未通過檢驗(yàn)，故不可直接估測(cè)含鹽量；重采樣實(shí)測(cè)光譜和Landsat 8 OLI影像均可以有效地估測(cè)pH值。

2.6 模型校正

基于Landsat 8 OLI影像植被指數(shù)和敏感波段建立的土壤含鹽量模型較差，pH值模型雖通過了顯著性檢驗(yàn)，但R2也較低，故利用重采樣實(shí)測(cè)光譜模型對(duì)Landsat 8 OLI影像模型進(jìn)行校正，以提高精度，實(shí)現(xiàn)研究區(qū)大面積土壤含鹽量和pH值的估測(cè)。

2.6.1 基于Landsat 8 OLI影像植被指數(shù)含鹽量和pH值估測(cè)的校正模型 以重采樣實(shí)測(cè)光譜模型(精度最高EEVI)估測(cè)的含鹽量和pH值(EVI模型)為校正基準(zhǔn)，分別與Landsat 8 OLI影像光譜的最優(yōu)模型估測(cè)的含鹽量(EVI模型)和pH值(TGDVI模型)建立關(guān)系式(1)、(2)，圖6(A、C)為重采樣實(shí)測(cè)模型與Landsat 8 OLI 模型估測(cè)的含鹽量及pH值的關(guān)系。

y1=0.8263x1+0.7917

(1)

y2=0.951x2+0.3929

(2)

式中,x1為Landsat 8 OLI影像EVI模型估測(cè)鹽分值，y1為實(shí)測(cè)光譜EEVI模型估測(cè)鹽分值；x2為Landsat 8 OLI影像TGDVI模型估測(cè)pH值，y2為實(shí)測(cè)光譜EVI模型估測(cè)pH值。

將Landsat 8 OLI影像預(yù)測(cè)含鹽量最優(yōu)模型(EVI模型)及pH值最優(yōu)模型(TGDVI模型)作為自變量分別代入公式(1)、(2)，得到基于植被指數(shù)的土壤含鹽量(公式3)和pH值校正模型(公式4)：

(3)

(4)

將Landsat 8 OLI影像EVI數(shù)據(jù)代入公式(3)，Landsat 8 OLI影像TGDVI數(shù)據(jù)代入公式(4)，得到校正后的模型，結(jié)果如圖6(B、D)所示。結(jié)果表明，校正后的Landsat 8 OLI影像土壤含鹽量和pH值估測(cè)模型的R2分別提高了0.3207、0.2065，說明該校正方法能有效提高大區(qū)域尺度的土壤含鹽量和pH值估測(cè)精度。

2.6.2 基于Landsat 8 OLI影像敏感波段含鹽量和pH值估測(cè)的校正模型 以重采樣實(shí)測(cè)光譜模型(精度最高為T2變換)估測(cè)的含鹽量和pH值(精度最高T1變換)為校正基準(zhǔn)，分別與Landsat 8 OLI影像光譜最優(yōu)模型估測(cè)的含鹽量(T3)和pH值(T5)建立關(guān)系式(5)、(6)，圖7(A、C)示出重采樣實(shí)測(cè)模型與Landsat 8 OLI模型估測(cè)的含鹽量及pH值的關(guān)系。

y1=0.5859x1+1.8301

(5)

y2=1.7752x2-6.9199

(6)

式中,x1為Landsat 8 OLI影像基于敏感波段(T3變換)估測(cè)含鹽量值，y1為實(shí)測(cè)光譜T2變換模型估測(cè)含鹽量值；x2為Landsat 8 OLI影像基于敏感波段(T5變換)估測(cè)pH值，y2為實(shí)測(cè)光譜T1變換模型估測(cè)pH值。

將Landsat 8 OLI影像估測(cè)含鹽量最優(yōu)模型(T3)及pH值最優(yōu)模型(T5)作為自變量分別代入公式(5)、(6)，得到基于敏感波段的土壤含鹽量(公式7)和pH值校正模型(公式8)：

y3=-31.2921x561.3 nm+30.5948x654.6 nm+6.5274

(7)

y4=0.0083x482.6 nm+0.1103x654.6 nm+10.7992

(8)

將Landsat 8 OLI影像T3變換敏感波段反射率代入公式(7)，Landsat 8 OLI影像T5變換反射率代入公式(8)，得出校正后的模型，結(jié)果如圖7(B、D)所示。結(jié)果表明，校正后的Landsat 8 OLI影像土壤含鹽量和pH值估測(cè)模型的R2分別提高了0.3762和0.2487，RMSE降低到1.4529和0.3938，可以大面積估測(cè)土壤含鹽量和pH值。

綜上可知，校正后基于Landsat 8 OLI影像植被指數(shù)和敏感波段的土壤含鹽量及pH值估測(cè)模型R2均有較大幅度提高，說明該模型能有效提高大區(qū)域尺度下的土壤鹽堿化信息估測(cè)精度。

3 討 論

研究區(qū)不同鹽化、堿化程度植被冠層實(shí)測(cè)光譜和Landsat 8 OLI影像光譜在趨勢(shì)上總體相似，均在綠光波段出現(xiàn)小的反射峰，在紅光波段形成吸收谷，近紅外波段反射率明顯高于其他波段，但二者在近紅外波段變化趨勢(shì)不一致。總體上重采樣實(shí)測(cè)光譜反射率和Landsat 8 OLI影像反射率不隨土壤鹽堿化程度加重呈規(guī)律性變化，這可能是因?yàn)檠芯繀^(qū)土壤鹽堿化程度較重，植被生長受到制約，長勢(shì)較差，且遙感影像上提取對(duì)應(yīng)點(diǎn)的反射率精度較低，反射率不隨鹽堿化程度加重而單調(diào)遞增，這與關(guān)紅等[14]、劉歡[28]對(duì)銀北地區(qū)土壤的研究結(jié)果相一致。

基于重采樣實(shí)測(cè)植被高光譜與Landsat 8 OLI影像光譜植被指數(shù)和敏感波段進(jìn)行土壤含鹽量及pH值的估測(cè)，結(jié)果表明基于植被指數(shù)建立的土壤含鹽量和pH值模型中，EVI、EEVI、TGDVI 3種指數(shù)表現(xiàn)較好，其中TGDVI在估測(cè)含鹽量和pH值方面能力均佳，這是因?yàn)樵趥鹘y(tǒng)植被指數(shù)的基礎(chǔ)上引入了信息量較大的短波紅外波段(SWIR)，提高了與鹽堿化指標(biāo)的相關(guān)性，顯著降低了指數(shù)間的多重共線性，建模精度顯著提高，這與陳紅艷等[17]、王飛等[19]、蒲智等[29]的研究結(jié)果一致。除了重采樣實(shí)測(cè)光譜敏感波段的pH值估測(cè)模型略低于植被指數(shù)模型外，其余基于敏感波段建立的土壤含鹽量和pH值模型穩(wěn)定性及估測(cè)能力普遍高于植被指數(shù)模型，這與彭杰等[30]研究結(jié)果一致，這可能是由于多個(gè)波段共同建模比植被指數(shù)單因子建模提取到的信息更豐富，因此建模精度提高?；谥夭蓸訉?shí)測(cè)光譜植被指數(shù)和敏感波段建立的土壤含鹽量和pH值模型效果均優(yōu)于Landsat 8 OLI影像模型。這是因?yàn)榕c地面實(shí)測(cè)高光譜相比，多光譜影像具有較低的空間和光譜分辨力、不易區(qū)分復(fù)雜的地表混合光譜特征，導(dǎo)致地物光譜丟失一些細(xì)節(jié)特征，易被同一像元內(nèi)的土壤及植被所干擾，從而無法精確地定量分析土壤的含鹽參數(shù)[29,31]；而實(shí)測(cè)植被高光譜為純凈像元，受到土壤背景及大氣干擾影響相對(duì)較少，故建模精度較高。其中，建立的pH值估測(cè)模型穩(wěn)定性及估測(cè)能力均高于含鹽量模型，這是因?yàn)殂y北地區(qū)土壤鹽堿化程度較重，且大部分是龜裂堿土，土壤pH值和堿化度均較高，NaHCO3和Na2CO3對(duì)植被生長影響較大，因此植被光譜對(duì)土壤pH值變化的響應(yīng)更為強(qiáng)烈[32]。

與高光譜影像相比，遙感影像精度較低，但易獲取，因此可將實(shí)測(cè)野外高光譜數(shù)據(jù)與遙感影像數(shù)據(jù)結(jié)合，利用不同尺度的數(shù)據(jù)對(duì)鹽堿化土壤進(jìn)行快速、準(zhǔn)確監(jiān)測(cè)，很多研究通過實(shí)測(cè)高光譜估測(cè)模型校正影像模型，大幅度提高了區(qū)域尺度的土壤鹽堿化監(jiān)測(cè)精度[33-34]。本文基于實(shí)測(cè)高光譜植被指數(shù)和敏感波段分別對(duì)Landsat 8 OLI影像含鹽量、pH值估測(cè)模型進(jìn)行校正，校正后植被指數(shù)和敏感波段含鹽量模型決定系數(shù)(R2)分別提高了0.3207和0.3762，pH值模型決定系數(shù)分別提高了0.2065和0.2487，但決定系數(shù)提高幅度相比張雅麗等[35](0.4976)略低，這是因?yàn)橹脖还庾V在大氣背景的干擾下，受土壤因素影響較大，且植被光譜變化還可能受到其自身生長條件限制，影響因素較土壤光譜更為復(fù)雜。此外，基于敏感波段校正后的含鹽量和pH值估測(cè)模型效果更好。

4 結(jié) 論

1)在不同土壤含鹽量和pH值條件下，研究區(qū)植被冠層重采樣實(shí)測(cè)光譜反射率與Landsat 8 OLI影像光譜反射率呈極顯著相關(guān)。

2)基于植被指數(shù)建立的土壤含鹽量和pH值模型中，TGDVI在估測(cè)含鹽量和pH值方面能力均佳；基于敏感波段建立的土壤含鹽量和pH值模型穩(wěn)定性及估測(cè)能力普遍高于植被指數(shù)模型；基于重采樣實(shí)測(cè)光譜建立的土壤含鹽量和pH值模型效果均優(yōu)于Landsat 8 OLI影像模型。

3)基于實(shí)測(cè)高光譜植被指數(shù)和敏感波段估算模型分別對(duì)Landsat 8 OLI影像含鹽量、pH值估測(cè)模型進(jìn)行校正，校正后的植被指數(shù)和敏感波段含鹽量估測(cè)模型決定系數(shù)(R2)分別提高了0.3207和0.3762，pH值模型決定系數(shù)分別提高了0.2065和0.2487，說明該校正模型能有效提高大區(qū)域尺度下的土壤鹽堿化信息提取精度。