基于NDVI指数反演技术的盐碱土壤分布应用研究

摘要 利用监督分类、NDVI指数等遥感影像处理方法，在大同盆地桑干河流域开展了土壤盐碱地分布及盐渍化程度的应用研究。基于Landsat卫星影像，依据NDVI指数推断了盐碱土壤的分布，与第二次土壤普查和实地调查的结果进行了比较。结果表明，遥感信息技术可以宏观、动态地有效反映出盐碱地的分布及盐渍化程度。

关键词 遥感；NDVI指数；盐碱土壤；分布；应用

中图分类号 TP79 文献标识码 A 文章编号 1007-5739（2013）15-0239-02

土壤盐渍化通常出现在可溶性盐类含量高的地区，是一定的地形、气候、水文地质条件等自然条件共同对水盐运动影响的结果[1-2]，土壤盐碱化与农业灌溉等人类活动有密切关系，已成为一个全球性问题[3-4]，应当实时、动态、准确掌握盐碱区土壤的盐渍化分布、类型和发展程度。国内外相关研究表明，土壤盐碱化监测可以利用遥感信息技术作为重要手段，实现土壤盐碱化动态分析，已经取得一定成效[5-6]。在这些研究基础上，本文利用Landsat卫星影像，依据NDVI指数在大同盆地就盐碱土壤的分布和盐渍化程度进行了应用研究。

1 数据来源与研究方法

1.1 研究区概况

桑干河主要支流有御河、浑河、黄水河等，属海河流域永定河水系。桑干河在山西省境内全长250 km，年径流量为6.66亿 m3，流域总面积17 142 km2。桑干河流域湿地主要土壤类型有栗钙土、灰褐土、褐土、盐渍土、草甸土和沼泽土等。桑干河流域属温带大陆性季风气候。7月平均气温22～26 ℃，1月平均气温-12～-10 ℃，年平均气温7～9 ℃，≥10 ℃积温3 000 ～3 500℃，无霜期140～160 d，多年平均降水量350～430 mm。流域两岸，地面平坦宽广，是盆地的中心，是区域农业生产的重点地区，部分地势低洼的地方，排水不良，造成大面积的土壤盐碱化，是制约当地农业产业发展的重要障碍因素。

1.2 数据来源

数据来源为美国地质勘探局（http：//glovis.usgs.gov），数据格式为Landsat4-5 TM影像，数据分辨率为30 m，影像成像时间为2009年8月。

1.3 研究方法

对TM影像进行了几何校正。通过野外实地调查使用GPS采集了27对地面控制点，对影像数据进行了校准，并与行政区划图叠加进行了裁切（图1），确定研究区域，同时对种植作物和土壤盐碱状况进行了实地验证。

根据野外调查建立的地类与影像光谱特征之间的对应关系，建立训练样本。影像上重度盐碱地一般土壤湿度小、反射率高且植被覆盖差，反映为花絮状红色和紫红色的区域，重度盐碱地中光板地占1/2以上，地表植被为耐盐碱作物，如柽柳等。中度盐碱地植被覆盖状况相对较好，土壤反射率低于重度盐碱地，一般为盐碱荒地与农用地插花分布，但作物缺苗1/2左右。 轻度盐碱地植被覆盖优于中度盐碱地，影像上显示为淡绿色。亮绿色说明植被良好，为正在生长的玉米地。经过反复训练，满足分类精度的需求。

采用监督分类、归一化植被指数NDVI等遥感影像处理方法完成对影像上记录的作物和土壤盐碱进行识别分类与统计估算[7-8]，并对影像上能识别的建设用地（城镇村建设用地和工矿用地）、水域等地类进行了剔除。

归一化植被指数的计算公式为：

NDVI=■（1）

式（1）中，IR为近红外波段反射率，R为红波段反射率，NDVI值越高，反映植被的覆盖密度和作物长势越高，而对于裸地和水体则取值趋于0。

2 结果与分析

大同盆地的遥感影像见图1，NDVI指数的分布情况见图2。由图2可知，大同、朔州2市的盐碱地分布范围有大同市的天镇县、阳高县、大同县、浑源县、南郊区、新荣区；朔州市的怀仁县、应县、山阴县和朔城区；其中朔州市的怀仁县、应县、山阴县和朔城区等4个县区的分布面积较大，且集中连片，而大同市除天镇县和阳高县分布相对集中外，其余县区如新荣区、南郊区、大同县等面积较小，且相对较分散。

从图2也可以看出，NDVI指数值最小的区域主要集中在大同市的天镇县和朔州市的应县、山阴县一带，NDVI值较高的区域集中在大同县和阳高县的交界处，这与实地调研的结果也是一致的。

将大同盆地NDVI指数的分布（图2）与第二次土壤普查大同盆地盐碱地分布（图3）比较，可以看出NDVI指数较好地反映出研究区盐碱土壤的分布情况，阳高县的盐碱地分布面积减少，这与当地近些年地下水位下降有很大的关系。

3 结论与讨论

利用监督分类、NDVI指数等遥感方法探测土壤盐渍化状况和制图，可以动态、实时、宏观地对土壤盐碱分布进行直观反映，但必须避免其他地类对NDVI指数反演的影响，同时结合大量的地面调查和室内分析测定数据。遥感数据只能研究地表裸土、植被等的表面特征。监测土壤盐渍化程度，必须依据土壤特征直接推演或依据植被特征间接推演，从而确定它们与反射率的关系。

国内外多数的研究结果说明，遥感数据的光谱和空间分辨率、地表景观、地貌形态、分类方法等对分类精度有一定的影响。另外，土地利用类型、表层土壤质地和有机质以及耐盐植被在一定程度上干扰或掩盖了盐分对土壤反射率的作用，产生光谱混淆现象，也会进一步影响分类的精度。

4 参考文献

[1] 朱庭芸.灌区土壤盐渍化防治[M].北京：农业出版社，1992：32-38.

[2] 李保国，龚元石，左强.农田土壤水的动态模型及应用[M].北京：科学出版社，2000.

[3] 杨劲松.土壤盐渍化研究展望[J].土壤，1995（1）：23-27.

[4] 翁永玲，宫鹏.土壤盐渍化遥感应用研究进展[J].地理科学，2006，26（3）：369-375.

[5] 刘庆生，骆剑承，刘高焕.资源一号卫星数据在黄河三角洲地区的应用潜力初探[J].地球信息科学，2000，2（2）：56-57.

[6] 赵庚星，窦益湘，田文新，等.卫星遥感影象中耕地信息的自动提取方法研究[J].地理科学，2001，21（4）：224-229.

[7] VINCENT B，FREJEFOND E，VIDAL A，et al.Drainage performance assessment by use of remote sensing techniques in irrigation and drainage[R].Montpellier：Cemagref-FAO，1993.

[8] 宋述龙，张占睦.遥感图像获取与分析[M].北京：科学出版社，2000.