黄河三角洲土壤盐分含量的遥感反演

【前言】黄河三角洲土壤盐分含量的遥感反演由文秘帮小编整理而成，但愿对你的学习工作带来帮助。2 研究区与数据 2.1 研究区概况 本文以山东省东营市的垦利县为研究区。垦利县位于黄河入海口处，属于温带半湿润气候，属于黄河的冲积平原。地势低平，地下水位高，矿化度大。蒸发量远大于降水量，盐分容易升至地表，导致大面积的土地盐渍化。 2.2 土壤样品采集及化学...

摘要：土壤盐渍化是土地退化的常见问题之一，利用遥感技术快速获取土壤的盐分含量及其空间分布是盐渍良和治理的客观需要。本文以黄河三角洲的垦利县为例，基于Landsat8 OLI 数据，提取采样点的土壤光谱信息，发现反射率与含盐量的相关性较小，故采用线性混合像元分解的方法从原始影像的混合光谱中将植被光谱剔除，相关性有了明显的提升，之后采用多元逐步回归方法构建土壤盐分含量的遥感反演模型。研究表明，剔除植被信息后建立的遥感反演模型在精度上有了明显的提升。

关键词：土壤；盐分；线性混合像元分解；遥感；反演

中图分类号： S156.4 文献标识码： A DOI编号： 10.14025/ki.jlny.2015.12.029

1 前言

黄河三角洲由于海拔低，蒸发量大，地下水位浅以及受海水侵蚀严重，成为我国土壤盐渍化的主要分布区域之一。土壤盐渍化引起土壤肥力下降，土壤板结，农作物减产，严重影响了生态农业的发展。传统的采用野外调查，室内化验的方法，无法满足大区域土壤盐分的动态检测。而遥感技术可获取大面积地物的光谱信息，是测定土壤盐分含量的重要手段。因此，本文以黄河三角洲的垦利县为例，基于陆地卫星Landsat8 OLI的影像数据，提取对应样本点的光谱信息，并采用线性混合像元分解的方法剔除植被的信息，从而获得土壤的光谱信息，进而运用多元逐步回归方法建立土壤盐分反演模型，快速准确的获得土壤盐分的含量及其空间分布，为盐渍土的改良与治理提供依据。

2 研究区与数据

2.1 研究区概况

本文以山东省东营市的垦利县为研究区。垦利县位于黄河入海口处，属于温带半湿润气候，属于黄河的冲积平原。地势低平，地下水位高，矿化度大。蒸发量远大于降水量，盐分容易升至地表，导致大面积的土地盐渍化。

2.2 土壤样品采集及化学分析

野外采集土壤样品的时间为2014年10月初，本文所用土壤样品均在垦利县范围，多点采样，使样点的分布能够照顾到地块的各个方位，将样品置于同一袋内，填写好标签。此次共采集100个样本。

将采集土样自然风干、敲碎、过筛。采用电导法测定土壤的含盐量。剔除4个值异常点后，将采样点进行分组，一组（64个）用于建立遥感模型，一组（32个）用于模型验证。

2.3 遥感数据获取及预处理

本文采用的是2014年10月24日的Landsat8 OLI的遥感影像数据。利用ENVI5.1，首先参照研究区对应地形图对遥感影像进行精校正，之后进行辐射定标和Flaash大气矫正，再进行影像的投影变换、配准及裁剪等预处理，获得研究区的影像。

3 数据处理

3.1 相关性分析

在Excel中对64个建模点的每个波段的反射率值与对应点的土壤含盐量进行相关性分析。发现相关系数较小，不能满足建模要求。

3.2 线性混合像元分解

本研究采用线性混合像元分解的方法从原始混合光谱中将植被光谱剔除，进而获取土壤反射率光谱信息。采用的像元二分模型为：

Rb=fs×Rsb +fv×Rvb （1）

式中：Bb为像元光谱信息，Rsb和Rvb分别为土壤和植被在波段b贡献的光谱信息；fs，fv分别为土壤和植被在像元中的比例（fv+fs=1）。其中：

fv=（NDVI-NDVImin）/（NDVImax-NDVImin） （2）

利用EDVI5.1的bandmath按照上述原理，自下而上计算出Rsb，之后进行波段融合，得到像元分解后的图像。

对64的样本点的反射率进行重新提取，并再次进行相关性分析（表1）。

表1 相关系数

对比像元分解之前，相关性得到大幅度提升，可以用来建立模型。

4 反演模型构建与验证

4.1 模型构建

为了进一步提高土壤地表反射率与土壤盐分含量的相关系数，使其能够达到建立模型的基本要求，现对各波段地表反射率进行线性变换，取对数，指数等各种数学变换，并进行相关性分析。把每个波段的地表反射率的值经过数学变换后的结果及全盐含盐进行整理，然后将整理后的Excel表格导入SPSS进行多元线性逐步回归分析。最终可建立模型为：

Y =-91.574×X1+129.251×X2-122.980，其中X1（此处X1为LN（（b5+b7-b1）/（b5+b7+b1）），X2（此处X1同上，此处X2为（（b5+b7-b1）/（b5+b7+b1））。

模型的复相关系数（R）及决定系数（R2）分别为0.842、0.709，拟合优度较高。土壤含盐量与X1，X2存在着一定的线性关系。

4.2 模型验证

将32个检测点代入模型2中进行检验，结果显示：盐分含量的最小相对误差为1.32%，最大可达126.57%，预测值R2为0.63。利用这一建立好的统计模型对土壤盐分含量进行反演，有一定的效果，对土壤盐分含量的预测具有一定的解释能力。

4.3 反演制图

经过上述步骤，得到了本研究遥感反演的基础――土壤地表反射率与土壤盐分含量的统计模型。利用ENVI的BandMath工具，将模型应用于影像，实现定量反演。将所得的图像进行处理，将含盐量划分为5个等级，得到反演结果图（图1）。

5 结论

以黄河三角洲垦利县为研究区域，基于Landsat8 OLI 影像数据，通过像元分解，剔除植被信息，提取土壤光谱信息，采用多元逐步回归构建土壤盐分含量反演模型，并对研究区土壤盐分进行反演。通过研究得出以下结论：

直接提取光谱信息，发现土壤含盐量与光谱信息的相关性较低。像元分解后，剔除植被光谱信息，土壤含盐量与光谱信息的相关性有了明显的提高。在多种数学变换的基础上，运用逐步回归方法构建遥感反演模型，可为相关理论研究提供参考，为盐碱土的治理快速、粗略地提供数据。但模型精度仍需进一步提高。

参考文献

[1] 樊彦国，李潭潭.基于Landsat8的黄河三角洲盐渍化反演 [J].山东农业科学，2015，47（2）： 119-124.

[2] 陈红艳，赵庚星.基于改进植被指数的的黄河口区盐渍土盐分遥感反演 [J].农业工程学报，2015，31（5）：107-114.

[3]王娜娜，齐伟.山东滨海盐土盐分含量高光谱特性及其反演研究[J].土壤通报报.2013.44（5）：1097-1099.

作者简介：顾东岳，本科学历，山东农业大学，研究方向：土壤遥感。