洪明海，徐 驰，曾文治，黄介生，伍靖伟，宋一潇，董彩琴，王雪扬

(1.武汉大学水资源与水电工程科学国家重点实验室，武汉 430072；2.长江水利委员会长江勘测规划设计研究院，武汉 430010；3.江苏省盐城市第三人民医院，江苏 盐城 224001)

0 引 言

土壤盐渍化可造成土壤肥力下降、作物减产、生态环境恶化，是制约农业生产和生态环境可持续发展的主要因素之一[1-3]。在我国，盐渍土广泛分布于淮河以北、西北、华北及青藏高原等地的干旱半干旱地区的河流冲积平原、盆地和湖泊沼泽地区和滨海地区。土壤物理参数是表征土壤基本信息的指标，其中，土壤孔隙结构是影响土壤水分运动、土壤内部气热交换的重要因素，它包括孔隙数目、孔隙度、孔隙半径、孔隙大小分布、成圆率等形态和数量特征[4,5]，定量描述土壤的孔隙结构有助于盐渍土壤的开发和治理。利用土壤容重和土壤密度来计算孔隙度是一种间接传统的方法[5]，但其只能得到较为单一的孔隙指标；利用实测的水分特征曲线(或压汞曲线)来获取土壤孔隙分布状况是土壤孔隙分布研究中另一种常用的方法[6]，但水分特征曲线的测量普遍存在工作量大、耗时长的问题；近年来，随着土壤薄片技术(也称图像序列技术)[7-10]、CT等无损扫描技术[11,12]的普及和图像计算机处理技术的发展，土壤孔隙的研究开始转向于更直接、定量的研究。ImageJ是一个基于java的公共的图像处理软件，它是由美国国立卫生研究院(National Institutes of Health，http:∥imagej.nih.gov/ij/docs/guide)开发，具有强大的图像处理功能，支持多种图像格式，已经在生物医学等领域得到广泛的应用[13]。近年来，ImageJ也逐渐应用于工程科学领域，白光红等[14]利用ImageJ统计玉米粒的大小并和传统的游标卡尺法对比取得了明显的效果；Lamb Jonathan C.等[15]用ImageJ辅助拉直显微成像的玉米染色体；Ohto Masa-aki[16]等、Cunniff Jennifer[17]等通过ImageJ软件处理植物叶面积。

此外，土壤作为具有统计意义上自相似对称特征的多孔介质，其孔隙分布具有一定的分形特性[18]，自从Mandelbort[19]建立分形理论以来，分形理论一直是研究和处理复杂系统的强有力工具。杨培岭[20]基于粒径的重量分布建立了描述土壤复杂系统的分形模型[21]，克服了Turcotte[22]分形模型在实用性和计算精度上的不足，得到了国内外学者的普遍认同[23-27]。

因此，本文通过CT扫描获得内蒙古河套灌区6个不同盐分水平下原状土壤的CT图像，运用ImageJ图像分析软件并将其几何特征分析功能应用于盐渍土壤团聚体、土壤孔隙以及图像形态特征分析和测定，批量提取连续图像的土壤孔隙结构参数，对获取的原状土样图像和孔隙参数进行对比分析并计算土壤分形维数，探求土壤盐分对土壤孔隙的影响机制，为丰富和改进土壤学研究手段提供参考和借鉴意义。

1 材料与方法

1.1 研究区概况

土样取至内蒙古自治区五原县义长试验站永联基地(108°00′16.14″E，41°04′11.57″N)，海拔约为1 030 m，地处黄河北岸，为黄河中游的大型灌区—河套灌区(处106°20′E～109°19′E，40°19′N～41°18′N)盐渍土地带，年降水量为200 mm左右，集中在6-8月，年蒸发量为2 000 mm以上。强烈的蒸发使灌区地下水分被蒸发后，所携带的盐分在土表层聚集，致使河套灌区形成非常严重的土壤盐碱化问题。

1.2 土样采集和CT扫描

首先利用土壤三参数传感器(W.E.TSensor,DELTA-TCo.Ltd)选择不同盐分水平的田块，然后采用6个Φ50 mm×50 mm的PVC管在田块中采集原状土样(S1～S6)，取出原状土样密封冷藏保存送至江苏省盐城市第三人民医院进行CT扫描以获取原状土样的分层扫描切片，扫描层厚0.63 mm，CT机器型号为DiscoveryCT750HD，CT扫描参数为：电压140 kV，电流220 mA，每个土样得到80幅DICOM格式的CT扫描图像，土壤大孔隙可以清晰地从图像中显示出来[图1(a)]。然后将6个土样带回实验室用雷磁DDSJ-318电导率仪分层测定土壤水溶液的EC1∶5值，最后通过公式[28,29]换算，以饱和土壤水浸提液的电导率ECe表示(表1)，其中盐分最小值为8.52 dS/m，最大值为33.26 dS/m，粒径分析试验采用湿筛-吸管法，测定结果表明6个土样分别为壤土(S1和S6)和粉质壤土(S2～S5)(表1)。

图1 ImageJ 处理图片

1.3 图像处理

将得到的CT扫描土壤剖面图像保存到计算机中，利用医学图像软件Sante DICOM Viewer FREE进行图像的浏览和必要的信息查看以及对图像的筛选，考虑扰动因素，去掉表层的10张和底部的10张扫描图像，选择剩下的60张进行孔隙分析。然后打开ImageJ软件进行CT图像分析操作，分析图像的尺寸，选择直径为50 mm的圆形区域，将图像编号形成图像序列组以虚拟桟方式(Import Sequence→Use virtual stack)导入到ImageJ[图 1(a)]，转换为8-bit图像，然后根据人眼识别尽可能保证精度的条件下调整黑白分辨阈值，下边界设0，上边界设为180[图 1(b)]，白色部分为土壤基质，黑色部分为土壤孔隙，再利用ImageJ对图像进行颗粒分析(Analyze→Analyze Particles)，获取每个土层的孔隙数、孔隙面积、孔隙度、孔隙周长等参数，软件输出处理结果，保存在EXCEL文档中。

1.4 分析指标

考虑扰动因素去掉了表层的10张和底部的10张切片图像，因此本次土样孔隙结构分析范围为6.3～44.1 mm，分析区域面积为1 963.5 mm2。土壤孔隙度(f)是土壤孔隙面积Sp与土层的总面积S(S=1 963.5 mm2)的比值。

f=Sp/S

(1)

式中：f为土壤孔隙度，无单位；Sp为土壤孔隙面积，mm2；S为土壤剖面分析范围面积，mm2。

孔隙的成圆率可用下式计算：

C=4πSp/P

(2)

式中：C为孔隙的成圆率，无单位，其值介于0～1；Sp为孔隙面积，mm2；P为孔隙周长，mm。

孔隙数为ImageJ软件自动统计。

具有自相似结构的多孔介质，形状大小各异的土壤颗粒组成的土壤结构，表观上反映出不规整的几何形体。分形维数就是表征这种不规整程度的参数。分形维数采用1993年杨培岭[20]提出的用粒径重量分布表征分形特征。

(3)

2 结果与讨论

2.1 孔隙度

图2是6个盐分处理的各层土样孔隙度(f)随深度的变化，可以看出，从S1到S6，随着盐分的增大，土壤孔隙度表现出先减小后增大的趋势，同时，孔隙度变化波动时随着土壤盐分含量的增大先减小后增大。

其中S1处理的孔隙度最大，明显高于其余5个盐分处理，在深度上呈现一个先变小再升高又变小的趋势，最大值出现在29.61 mm处，为35.97%；S4的孔隙度最小；孔隙度的最小值0出现在S5盐分处理(13.23 mm、13.86 mm两层)；而S2和S3的孔隙度区分不明显，相比S1处理的盐度8.52 dS/m，S2的盐度为21.89 dS/m，S3的盐度为24.78 dS/m，S2和S3的盐度与S1的差别较大。

2.2 孔隙数

土壤孔隙数表征的是分析土层孔隙数的多少，结合土壤孔隙率可进一步分析土层上孔隙的分布以及孔隙的大小情况。ImageJ软件在进行孔隙分析统计时可以自动计算和统计土壤各层剖面的孔隙数。图3(a)是6个盐分处理土壤各层孔隙数在深度上的变化，图3(b)是土壤孔隙总数的变化。图3(a)中，S1、S2、S3的变化趋势大致相同，表现为，先增大后减小，S1在40 mm之后略有上升，S2、S3变化一致；而从图 3(b)来看，S1盐分的处理的孔隙总数最大，为2074，S2和S3的孔隙总数较为接近(S2盐分处理的为1 860，S3盐分处理的是1 823)。此外，从图3(b)中可以看出，随着盐分的升高，孔隙总数先减少后增多；其中S4盐分处理的孔隙数最少(481)，从图3(a)也可以发现同样的规律。

图2 孔隙度的分布特征

图3 孔隙数的分布特征

2.3 分形维数

从计算分形维数的回归方程的决定系数R2来看，最小值为0.966(表1最后一列)，说明根据杨培岭提出的方法计算分形维数具有统计学意义。根据美国土壤质地分类，6个土样可以划分为两类，从S1到S6，其分形维数分别为2.72、2.65、2.59、2.58、2.64、2.66，其中，S1土样的分形维数值最大，为2.72，S4土样的分形维数值最小，为2.58。而随着盐分值的升高，土壤的分形维数表现为先减小后增大，同样最小值出现在S4盐分处理，这一规律与之前的孔隙度、孔隙数的规律是一致的，这进一步说明盐分对于土壤的物理指标是有影响的，但是相关系数计算结果表明，盐分和分形维数的相关度并不高，且为一负值(-0.56)。结合土壤质地的分类来看，S1和S6(均为壤土)的分形维数值均大于其余4个盐分水平土壤(均为粉质壤土)，壤土的分形维数平均值为2.69，粉质壤土的分形维数平均值为2.61，说明壤土的分形维数值是比粉质壤土的大；而“<0.002 mm”粒级与分形维数的相关系数高达0.99则进一步说明黏粒含量越高，对于分形维数的影响越大，即土壤质地变细，分形维数有变大的趋势[26, 27]。此外，通过与Image软件提取的孔隙数、孔隙度、成圆率进行相关分析发现，分形维数与这些物理指标并无明显关系。这些结论也与杨培岭[20]和郭中领等[30]的结果一致。

表1 土样物理指标和分形维数

2.4 ImageJ图像分析方法讨论

土壤孔隙影响着土壤水分和溶质运移、土壤肥力、植物根系伸展和土壤动物活动。通常，土壤孔隙度是根据土壤的自然容重和土壤干密度[土壤孔隙度=(1-自然容重/干密度)×100%]来计算的；另外，通过测定土壤水分特征曲线，得到一系列土壤含水量和土壤吸力的数值，再根据茹林公式(d=3/p，d是与土壤吸力相当的土壤孔隙直径，p是所施加吸力的厘米水柱高)计算与吸力相当的土壤孔隙直径[5]。与以上两种间接计算土壤孔隙面积(直径)的方法相比较， ImageJ不仅可以提取孔隙面积，同时还能提取出孔隙周长、孔隙数、且可以批量提取，操作上更简单、更方便、更省时，提取参数更多。图像处理方面，相比采用染色技术的切片方法[5]以及ARCGIS结合Python批量处理的方法[11]，ImageJ进行孔隙结构提取的过程中，不需要二次编程，不需要对图像进行校正，处理过程更简单，更省时且不产生二次破坏同时还具有可重复性。因此，ImageJ在土壤孔隙识别上的应用优势是显而易见的，处理过程中，对于软件自动识别出现偏差的孔隙可以手动调整然后自动更新到统计结果中，方便后期的数据编辑和处理。当然，和几乎所有的图像阈值分析方法类似，ImageJ最大的缺点是，最开始的阈值设置需要通过人工肉眼去识别尽可能接近真实情况地定出黑白分辨阈值。

3 结 语

(1)CT结合ImageJ的方法可以快速准确地获取土壤孔隙的大小、数目等几何参数，处理过程方便快捷，操作简单，更能批量处理。

(2)盐分影响土壤孔隙的形成。具体而言，随着盐度的增加，土壤孔隙度先减小后增加，S1盐分处理的孔隙度明显大于其他盐分处理，S4盐分处理的孔隙度最小；而土壤孔隙数也表现为先减少后增加的趋势，S4总孔隙数最少(481)。在本次土样深度分析范围(6.3～44.1 mm)内，土壤孔隙结构随深度并无明显的关系。

(3)土壤分形维数计算结果表明，盐分影响土壤的分形维数，随着盐分的增加，分形维数先减小后增大，S4最小(2.58)，同盐分对土壤孔隙的影响规律一致，进一步说明盐分影响土壤的物理性质。结合土壤质地可以发现，土壤质地变细，分形维数有增大的趋势。

□

[1] Sariyildiz T. Influence of sea salts on drainage water and soil chemistry of two different soil types: Soil leaching experiments under laboratory conditions[J]. Journal of Environmental Biology, 2004,25(3):343-350.

[2] Chang C W, Laird D A. Near-infrared reflectance spectroscopic analysis of soil C and N[J]. Soil Science, 2002,167(2):110-116.

[3] Metternicht G I, Zinck J A. Remote sensing of soil salinity: potentials and constraints[J]. Remote Sensing of Environment, 2003,85(1):1-20.

[4] 周 虎, 吕贻忠, 李保国. 土壤结构定量化研究进展[J]. 土壤学报, 2009,(3):501-506.

[5] 程亚南, 刘建立, 张佳宝. 土壤孔隙结构定量化研究进展[J]. 土壤通报, 2012,(4):988-994.

[6] Radulovich R, Solorzano E, Sollins Phillip. Soil macropore size distribution from water breakthrough curves[J]. Soil Science Society of America Journal, 1989,53(2):556-559.

[7] Moreau E., Velde B, Terribile F. Comparison of 2D and 3D images of fractures in a Vertisol[J]. Geoderma, 1999,92(1-2):55-72.

[8] Scott GJT, Webster R, Nortcliff S. Teh topology of pore structure in cracking clay soil.1. the estimation of numerical density[J]. Journal of Soil Science, 1988,39(3):303-314.

[9] Vogel H J, Kretzschmar A. Topological characterization of pore space in soil - Sample preparation and digital image-processing[J]. Geoderma, 1996,73(1-2):23-38.

[10] 李德成, Velde B, 张桃林. 利用土壤的序列数字图像技术研究孔隙小尺度特征[J]. 土壤学报, 2003,(4):524-528.

[11] 洪明海, 黄介生, 曾文治, 等. 基于CT成像技术的盐渍土壤孔隙结构识别与分析[J]. 中国农村水利水电, 2016,(9):1-4.

[12] 周 虎, 李文昭, 张中彬, 等. 利用X射线CT研究多尺度土壤结构[J]. 土壤学报, 2013,(6):1 226-1 230.

[13] Ferreira Tiago, Rasband Wayne. ImageJ user guide[J]. IJ1. 46r. Natl. Inst. Health, Bethesda, MD. http:∥rsb. info. nih. gov/ij/docs/guide/user-guide. pdf, 2012.

[14] 白光红, 张义荣, 刘弋菊, 等. ImageJ图象处理软件在测量玉米子粒大小中的应用[J]. 玉米科学, 2009,(1):147-151.

[15] Lamb Jonathan C, Meyer Julie M, Corcoran Blake, et al. Distinct chromosomal distributions of highly repetitive sequences in maize[J]. Chromosome Research, 2007,15(1):33-49.

[16] Ohto Masa-aki, Fischer Robert L, Goldberg Robert B, et al. Control of seed mass by APETALA2[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005,102(8):3 123-3 128.

[17] Cunniff Jennifer, Osborne Colin P, Ripley Brad S, et al. Response of wild C(4) crop progenitors to subambient CO(2) highlights a possible role in the origin of agriculture[J]. Global Change Biology, 2008,14(3):576-587.

[18] Tyler S W, Wheatcraft S W. Fractal processes in soil-water retention[J]. Water Resources Research, 1990,26(5):1 047-1 054.

[19] Mandelbrot B. How long is the coast of britain? Statistical self-similarity and fractional dimension.[J]. Science (New York, N.Y.), 1967,156(3775):636-638.

[20] 杨培岭, 罗远培, 石元春. 用粒径的重量分布表征的土壤分形特征[J]. 科学通报, 1993,(20):1 896-1 899.

[21] Bartoli F., Philippy R., Doirisse M., et al. Structure and self‐similarity in silty and sandy soils: the fractal approach[J]. Journal of Soil Science, 1991,42(2):167-185.

[22] Turcotte D. L. Fractals and fragmentation[J]. Journal of Geophysical Research: Solid Earth, 1986,91(B2):1 921-1 926.

[23] 吴承祯, 洪 伟. 不同经营模式土壤团粒结构的分形特征研究[J]. 土壤学报, 1999,(2):162-167.

[24] 刘建国, 聂永丰. 非饱和土壤水力参数预测的分形模型[J]. 水科学进展, 2001,(1):99-106.

[25] 贾晓红, 李新荣, 李元寿. 干旱沙区植被恢复过程中土壤颗粒分形特征[J]. 地理研究, 2007,(3):518-525.

[26] 缪驰远, 汪亚峰, 魏 欣, 等. 黑土表层土壤颗粒的分形特征[J]. 应用生态学报, 2007,(9):1 987-1 993.

[27] 苏永中, 赵哈林. 科尔沁沙地农田沙漠化演变中土壤颗粒分形特征[J]. 生态学报, 2004,(1):71-74.

[28] Kanzari Sabri, Hachicha Mohamed, Bouhlila Rachida, et al. Simulation of Water and Salts Dynamics in Bouhajla (Central Tunisia): Exceptional Rainfall Effect[J]. Soil and Water Rrsearch, 2012,7(1):36-44.

[29] Hachicha M, Mansour M, Rejeb S, et al. Applied research for the utilization of Brackish/Saline water in center of Tunisia: water use[C]∥ Salinity evolution and crop response: Proceedings of International Salinity Forum, Riverside, 2005.

[30] 郭中领, 符素华, 王向亮, 等. 北京地区表层土壤分形特征研究[J]. 水土保持通报, 2010,(2):154-158.