曹建荣，刘文全，黄 翀，刘 朋

（1.聊城大学 环境与规划学院，山东 聊城252059；2.国家海洋局第一海洋研究所 海洋地质室，山东 青岛266061；3.中国科学院 地理科学与资源研究所 资源与环境信息系统重点实验室，北京100101；4.中国环境监测总站，北京100012）

随着土壤盐分监测技术和计算机技术的发展，尤其是GIS和RS技术应用，区域上土壤盐渍化的研究方法和技术手段不断提高，土壤盐分的计算机制图技术、土壤盐渍化遥感反演近年来已经得到较为广泛应用［1－9］。对于土壤盐渍化土地的遥感信息提取，多数研究者运用K—L变换，K—T变换、盐分指数模型构建等方法突出盐渍化土地光谱信息特征，而对盐化土地的时空变化，多以GIS技术为支撑，结合自然与社会背景等非遥感数据，分析盐化地的分布、时空变化及其驱动因素［10－19］。关元秀等［1］运用多期 Landsat卫星数据，结合采样和野外调查，对黄河三角洲盐化土地的动态变化进行了监测和等级划分，最后建立了改良分区模型。李百红等［20］通过构建土地盐化指数、土地盐化综合指数、土地变化驱动力重心与向量模型研究东营垦利县的土壤盐渍化状况和退化过程。李静，孟岩等［21－22］通过分析主要地类光谱特征，构建盐碱地土壤盐渍化退化指数，提取该区盐碱退化土地信息。通过波段间的组合构建了突出反映盐渍化信息的土地退化指数，进行土地退化等级分布，进而分析垦利县的土地退化的动态演化规律。而通过遥感方法提取黄河三角洲盐碱地信息时，单独基于光谱特征的常规分类方法往往不能达到好的效果，需融入土壤全盐、地下水埋深和归一化植被指数以及水库灌区等辅助数据加以校正，可得到较好的应用效果。从而能快速准确地提取黄河三角洲土壤盐渍化信息和土地退化数据，为整个三角洲区域的盐碱地的动态及其驱动力的研究提供进一步探索方法。

1 研究区概况

研究区属于现代黄河三角洲范畴，主要以现状海岸线和1855年改道来的古海岸线为界，总面积约2 877.7km2，包括东营市河口区和垦利县绝大部分行政区域，包含胜利油田及黄河三角洲国家级自然保护区。该区属典型的温带半湿润气候，并具明显的大陆性气候特点，四季分明，干湿明显，温差大，夏季炎热，冬季干冷；多年平均降水量537.4mm，多年平均蒸发量1 470～2 246mm，多年平均气温为11.7℃，无霜期历年平均217.8d。该区地势平坦，南高北低，西高东低，海拔高度低于11m，自然比降在1／8 000～1／12 000之间。

2 数据来源与处理

黄河三角洲土壤盐渍化具有较强的季节性特点，春季为干旱少雨，蒸发量大，蒸降比可达3.6∶1，致使潜水位升高，是一年中土壤积盐最强烈的时期。基于此，这里选择2003，2007和2011年4月份Landsat5TM数据和Landsat7ETM数据。根据对各波段数据合成效果的初步目视分析结果，选择4，3，2波段进行RGB假彩色合成，植被为红色，水域为深蓝色或黑色，盐渍化土为亮白色，作为目视解译对信息提取的一个重要辅助。

2.1 数据源与预处理

2.1.1 遥感数据源 自1972年7月23日发射地球资源技术卫星（earth resources technology satellite，ERTS，后更名为Landsat-1）以来，陆地卫星序列在轨多年，并于2008年扩大了Landsat1-5MSS和TM影像免费下载数据量（USGS，2008，http：／／glovis.usgs.gov／），为资源调查提供了宝贵的数据源，本研究中选择的2003，2007和2011年图像时间为4月底的TM和ETM图像，三景图像详细信息详见表1。

表1 Landsat-7TM传感器波段参数

2.1.2 同步区域土壤盐渍化采样数据源 野外土壤采样按6km×6km进行网格化，共计101个点位，采样深度为0—20cm，采样时间分别为2003年和2011年4月底。主要对采样点的地理位置、全盐量、有机质含量进行统计和室内试验分析，并对区域土壤盐渍化进行了分级，分为无盐渍化、轻度盐渍化、中度盐渍化和重度盐渍化4级。该数据可为区域盐渍土信息模型提供验证。

2.1.3 数据校正 利用ENVI 4.61软件基于 Modt-ran4代码的envi模块的FLASSH模型，进行TM／ETM影像辐射校正。几何校正通过地面控制点（ground cont rol points，GCP）方法，这里选择1∶10 000地形图，依据应用二次多项式和实测地面控制点方法进行几何校正，校正在ENVI 4.61软件完成。

Scaramuzza等［23］通过研究表明，Landsat-7SLC-off影像中已经丢失的数据可以通过直方图插值进行修复，也可以用其无重叠SLC-off区SLC-off影像或SLC-on影像来修复，实现信息完整的卫星遥感影像。这里选择SLC-off／SLC-off方案，用于修复Landsat－7 ETM卫星遥感影像。修复区域（条带）占总区域的21.5%，利用该方法的修复精度可达到95%［24］。

3 土地退化遥感信息模型

3.1 盐化土地光谱信息特征提取

采用遥感影像参数统计方法，分析研究区主要地类的光谱特征。根据黄河三角洲实际情况，选择建设用地、耕地、林草地、养殖池塘、沙地和盐荒地作为6类地物类型，分别代表人类活动、景观特征和盐荒地，选择典型地类样点，每个地类选择15～80个样点，分析其光谱特性。以2007年陆地卫星数据（Landsat7 ETM）为例，各地类不同波段的样本灰度均值及特征曲线如图1所示，其中，B1—B7分别表示影像的6个波段的DN值（灰度值）。由图1可以看出，盐荒地在第1，3，5波段的DN值比较高，可以考虑这3个波段进行土地退化指数模型的建立。由于黄河径流携带大量泥沙淤积而成的沙地为非盐化或盐渍化程度很轻，这里不属于退化土地范围。因此，根据沙地光谱特征，建立了B1＋B3＋B5＞360的掩膜模型，首先将沙地掩膜剔出，将作为未退化类型。

图1 各主要地物光谱曲线（灰度值）

3.2 盐渍化土地信息模型构建

剔除沙地后的地物光谱特征后，盐荒地在5，3，1波段的DN值都高于其它地类。盐渍土对可见光的蓝绿、红色及短波红外波段呈较强反射。其它波段盐渍化土也有强烈反射，但由于农用地在3波段的光谱值也很高，故不将3波段用于退化土地指数的构建。经过多次试验，采用比值指标的形式构建土地退化指数：

式中：α——土地盐化指数；B1，B5——TM1（ETM1），TM5（ETM5）波段的光谱值。土地盐化程度越高，TM1（ETM1）和 TM5（ETM5）波段的灰度值越高，则盐化指数值α值越小。为进一步划分土地盐化等级，在指数模型的基础上，采用标准化后的公式加以表达：

标准化后可将盐化指数定义到［0～1］的区间范围内，根据指数大小将3期盐化指数进行排序，为保证各等级之间的差异最大，并采用自然拐点法确定其等级范围，最终确立了指数区间［0，0.1］，［0.1，0.2］，［0.3，0.4］，［0.4，1］分别对应研究区对应重度退化、中度退化、轻度退化和无退化的土地退化等级。

4 结果与分析

利用ENVI 4.61波段运算和计算工具，对构建的土地退化模型进行运算，得到2003，2007和2011年的黄河三角洲土地退化指数，根据该指数进行分级可得到土地退化等级图（附图2）。为了进行模型的精度分析和评价，在黄河三角洲101个采样点数据采样时间为2011年4月底，这与2011年4月28日Landsat ETM数据进行同步，为模型验证提供数据支持。根据101个点位的土壤盐渍化分级结果，结合盐渍土信息模型对黄河三角洲土地退化结果进行验证。结果表明，在整个三角洲区域上，101个点位2003和2011年分别由83和86个点位，盐渍化程度和土地退化结果一致，精度分别达到82.18%和85.15%，说明基于光谱数据的盐渍土信息模型具有较好可行性。

从黄河三角洲3期土地退化等级图（附图2）来看，总体上土地退化有持续加重趋势，2007年较2003年加重趋势要比2011年较2007年加重趋势大，即2007—2011年趋势减缓。但土壤盐渍化总体上持续加重，土地退化明显；从空间来看，北部、东北部和东南部滨海区域土地退化严重，靠近黄河大堤两侧，由于地下水埋深浅，毛管水作用强烈，土壤积盐明显，土地退化也比较严重，轻度退化区域主要集中于黄河大堤两侧河成高地和灌溉附近及海拔较高的岗阶地和西部内陆的绝大部分区域，其他地区为中度退化区域。对图2运用ArcGIS 9.3Spatial Analysis工具的Reclassify分类后，计算得到不同等级退化土地的面积和比例（表2）。

综合分析研究区3期土地退化等级分布图和退化土地面积表（表2）可看出，黄河三角洲重度退化土地主要分布在沿海滩涂地区和区内北部地区（刁口河流路两侧），前者受海水直接影响，结合野外采样结果分析，以氯化物型盐渍化土壤为主，土地退化严重；后者为孤东油田，有较大面积的盐荒地分布，与石油开发和部分晒盐场有关。中度退化土地主要依海岸线分布在东部沿海以及区内的中部盐荒地，与重度退化土地相比，位置上离海岸线稍远，土壤全盐量稍低；中部因地势低平，地下水埋深较浅，矿化度较高，毛管水作用比较强烈，因此，形成中度退化的盐荒土地。轻度退化土地主要分布在三角洲的中西部和北部的部分农用地，中西部主要是水浇地分布区，北部主要是旱地分布区，这部分土地虽为农用地，但受到干旱和毛管水的双重作用，有轻度退化趋势。无退化土地主要是东部林草地和西部的农田作物区，中部和黄河沿岸的沙地以及沿黄农用地也有分布，该部分的农用地或地势较高，或受到黄河径流作用，地下水矿化度较低，再加上引黄灌溉和土壤耕作的影响，土壤质量总体良好，适宜农作。

表2 黄河三角洲2007年3期不同程度土地退化面积统计

从各时相退化土地的动态变化看，2003年三角洲轻、中度退化土地较多，二者占总土地面积的近60%，无退化也占到了19.40%，而重度退化占21.35%，土地退化程度在4种退化类型分布相对均匀；到2007年，轻度和中度退化面积较2003年变化不大，主要是重度退化面积和轻度退化面积的增加，总体增加5%。2011年无退化面积较2007年有所增加，但仅增加了3%左右，而重度退化面积又有所增加，幅度达2%左右。总体来看，土地退化面积重度呈不断增加趋势，而无退化面积呈逐渐增加趋势，轻度和中度退化面积略微减少，但总体变化不大。从上面分析可看出，黄河三角洲盐渍化土地近10a来重度退化趋势明显。

结合最新黄河三角洲土地利用类型图，从空间上来看，2003—2007年黄河三角洲退化土地变化最大的是西南部、中部以及北部地区，西南部中度和轻度退化土地主要转变为水浇地，轻度退化面积稍增加，中部盐荒地主要转变为水稻田、水库，这与引黄灌溉力度加大有关。2007—2011年总体上变化不大，主要是重度退化面积略微增加，增加的地方主要体现在东南部区域，这与东南部不合理的土地利用有关，卤水晒盐增加和养殖池增加导致东南滨海区域土地退化加重。沿海养殖池的修建及其大量海水的引入、卤水晒盐面积的增加，极大加剧了周围土地的盐渍化程度，形成很多盐荒地，对耕作农业带来不利影响。而无退化土地，即盐渍化程度减小的类型，这些主要是由于引黄灌区的不断开挖，灌溉面积的不断增大和棉花、苜蓿等经济作物和草业发展有关，也与农田耕作方式，比如“高田深垄”和“暗管排碱”的工程措施有关。

5 结论

（1）通过选择SLC-off／SLC-off方案，用于修复Landsat-7ETM卫星遥感影像，并实现了在ENVI软件操作，对Landsat-7ETM的修复对土壤盐渍化区域进行信息提取工作奠定技术基础

（2）通过Landsat系列卫星的TM和ETM数据的光谱特性研究和盐碱地信息模型的构建，在黄河三角洲地区，通过遥感手段可实现对盐渍化土地退化信息提取。

（3）黄河三角洲土地退化总体上有加重趋势，2003—2011年，重度退化的土地面积在持续加大，土地退化明显。研究发现，黄河三角洲近10a来盐碱地呈现重度盐渍化加重的趋势与人类活动紧密相关，主要表现在孤东油田的不断建设而忽略对土地的保护和合理利用，滨海区域卤水晒盐和养殖池塘的建设上；轻度盐渍化区域面积也不断增加与人工灌区的开挖，引入黄河径流及“暗管排碱”水利工程和“高田深垄”措施有关。

［1］ 关元秀，王劲风，刘高焕.黄河三角洲土地盐渍化和遥感监测、预测和治理研究［D］.北京：中国科学院地理科学与资源研究所，2001.

［2］ Csillag F，Pasztor L，Biehl L.Spectral band selection for the characterization of salinity status of soils［J］.Remote Sensing of Environment，1993，43（3）：231-242.

［3］ Mougenot B，Pouget M，Epema G.Remote sensing of salt-affected soils［J］.Remote Sensing Reviews，1993，7（3／4）：241-259.

［4］ Epema G.Mapping surface characteristics and their dynamics in a desert area in southern Tunisia with Landsat Thematic Mapper［D］.Netherlands：Agricultural Uni-versity of Wageningen，1993.

［5］ Richards J A，Richards J A.Remote Sensing Digital Image Analysis［M］.Berlin：Springer，1999.

［6］ Dehaan R L，Taylor G R.Field-derived spectra of salinized soils and vegetation as indicators of irrigation-induced soil salinization［J］.Remote Sensing of Environment，2002，80（3）：406-417.

［7］ 邱宏烈，武红旗，范燕敏，等.新疆盐渍土壤和盐生植被高光谱遥感数据库［J］.新疆农业大学学报，2003，26（2）：6-8.

［8］ Metternicht G I，Zinck J A.Modelling salinity-alkalinity classes for mapping salt-affected topsoils in the semi-arid valleys of Cochabamba（Bolivia）［J］.Information Technology Journal，1996，2：125-135.

［9］ 刘焕军，张柏，刘志明，等.松嫩平原主要土壤光谱特征分析［J］.中国科学院研究生院学报，2007，24（4）：440-445.

［10］ Verma K，Saxena A，Barthwal A，et al.Remote sensing technique for mapping salt affected soils［J］.International Journal of Remote Sensing，1994，15（9）：1901-1914.

［11］ Metternicht G I.Fuzzy classification of JERS-1SAR data：An evaluation of its performance for soil salinity mapping［J］.Ecological Modelling，1998，111（1）：6-74.

［12］ Dwivedi R，Ramana K，Thammappa S，et al.The utility of IRS-1C，LISS-Ⅲand PAN-merged data for mapping saltaffected soils［J］.Photogrammetric Engineering and Remote Sensing，2001，67（10）：1167-1175.

［13］ 张飞，丁建丽，赵睿，等.干旱区典型绿洲盐渍化土壤空间信息研究［J］.干旱区地理，2007，30（4）：544-551.

［14］ 丁建丽.塔里木盆地南缘绿洲荒漠化动态变化遥感研究：以策勒县为例［J］.遥感学报，2002，6（1）：56-62.

［15］ 张飞，丁建丽.渭干河—库车河三角洲绿洲盐渍化土壤特征研究［J］.干旱地区农业研究，2007，25（2）：146-150.

［16］ 王宏卫.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［J］.干旱区地理，2009，32（3）：445-453.

［17］ 布和敖斯.基于知识发现和决策规则的盐碱地遥感分类方法研究［J］.中国图象图形学报：A 辑，1999，4（11）：965-968.

［18］ 谢经荣，贾文.山东寿光县盐渍土壤近20年变化规律及其原因分析［J］.北京农业大学学报，1993（1）：83-90.

［19］ 屈永华，段小亮，高鸿永，等.内蒙古河套灌区土壤盐分光谱定量分析研究［J］.光谱学与光谱分析，2009，29（5）：1362-1366.

［20］ 李百红，赵庚星，董超，等.基于遥感和GIS的黄河三角洲盐化土地动态及其驱动力分析［J］.自然资源学报，2011，26（2）：310-318.

［21］ 李静，赵庚星，杨佩国.基于知识的垦利县土地利用／覆被遥感信息提取技术研究［J］.科学通报，2006（7）：183-188.

［22］ 孟岩，赵庚星，王静.基于遥感图像的垦利县盐碱退化土地信息提取及其演化规律研究［J］.地域研究与开发，2009，28（5）：135-139.

［23］ Sommerfeldt T G，Thompson M D，Pront N A.Delineation and Mapping of Soil Salinity in Southern Alberta from Landsat Data［J］.Canadian Journal of Remote Sensing，1985，10（2）：104-118

［24］ 高义.我国大陆海岸线30a时空变化研究［D］.山东 烟台：中国科学院 烟台海岸带所，2011.