杜婷+焦继宗+颉耀文

摘要：以2015年7月甘肃省瓜州-敦煌地区Landsat影像为研究对象，先后提取了盐碱化指数（Salinization index，SI）、修改后盐碱化指数（Modified salinization index，MSI）以及归一化植被指数（Normalized difference vegetation index，NDVI）和以二维特征空间构建新的盐渍化遥感监测指数（Modified salinization detection index，MSDI），同时利用同期野外实际考察测量数据进行适应性评价和精度验证。结果表明，指数SI容易将盐碱地和裸土地混淆，不能准确表示盐渍化程度；MSI在提取盐渍化方面具明显优势，但其仅考虑样本像元内以裸土为主的情况，忽略了像元内植被光谱信息。最后综合考虑裸土和植被信息，采用新构建的指数MSDI对该区域盐渍化进行定量化提取，结果表明MSDI指数对盐渍化提取的总体精度为86.36%，能很好反映该地区盐渍化程度。

关键词：Landsat；遥感影像；盐渍化；瓜州-敦煌地区

中图分类号：S15 文献标识码：A 文章编号：0439-8114（2018）01-0051-05

DOI：10.14088/j.cnki.issn0439-8114.2018.01.013

Abstract： The Landsat image of Guazhou-Dunhuang area in Gansu province in July 2015 was taken as the research object. salinization index （SI），modified salinization index （MSI），normalized difference vegetation index （NDVI） and a new Salinization detection index（MSDI） constructed by two-dimensional feature space were extracted. At the same time，the adaptive evaluation and precision verification were carried out by using the actual field survey data. The results show that the SI is easy to confuse the saline-alkali soil and the bare land，and cant accurately indicate the degree of salinization；MSI has obvious advantages in salinizations extraction，but MSI only considers the case of bare soil in the sample pixel，ignores the vegetation spectral information. Finally，combined the bare soil and vegetation information，the newly constructed MSDI index was used to extract the salinization quantitatively in this area，the results show that the overall accuracy of MSDI index for salinization is 86.36%， and it is a good reflection of the degree of salinization in the area.

Key words： Landsat； remote sensing image； salinization； Guazhou-Dunhuang area

目前全球约有8.31亿hm2土壤受到盐渍化威胁，而且这个数字还在不断上升[1]。土壤鹽渍化是由于一定的气候、土壤地质、水文等自然因素共同作用的结果[2]。不合理的灌溉技术及地下水的开采等人类活动会使得土壤发生次生盐渍化，或者加重土壤盐渍化的程度[3，4]。生态脆弱的干旱区的降水较少、蒸发强度大，相对于其他区域，更易发生土壤盐渍化，这对于干旱区的生态环境及绿洲农业的可持续发展造成了严重的威胁[5，6]。应用科学的手段动态、准确地监测盐渍化变化，对掌握盐渍化时空变异特征及定量化评价及生态环境保护具有重要意义。

传统土壤盐渍化监测方法主要是通过野外调查分析得到的，费时费力不利于大面积同步监测，且由于地域限制使结果不具有普遍性[7，8]。遥感具有大范围同步观测、快速高效、宏观综合的特点，并且随着遥感技术的发展，其已被广泛应用于土地退化、盐渍化的监测评价中[9]。遥感影像的标准假彩色合成可以很好地对盐渍地和植被进行区分[10]，但是，由于土壤光谱响应特征的综合性以及“异物同谱”等现象的存在，其准确程度难以保证。利用标准假彩色对影像合成后进行增强和变换，在遥感图像处理软件中对其进行监督分类可提取土地盐渍化信息，但是对于盐生植被条件下的盐渍化信息无法准确提取[11]；利用TM影像的可见光及近红外波段和TM数据进行过缨帽变换后的绿度分量和主成分变换后的第三主成分变换进行彩色合成，可对绿洲土壤盐渍化信息进行提取，但是其精度易受土壤表层湿度和植被覆盖度的影响[12]；应用中分辨率影像MODIS数据和非监督分类方法中的ISODATA算法对土壤盐渍化程度和分布进行了定性和定量评价，但是该算法最优参数的确定需要进行大量的试验[13]；将Radarsat和TM图像融合后利用SVM分类进行盐渍化信息的监测，取得了较好的分类精度[14]，但是仍然不能避免人为因素对分类过程的干扰；利用实测高光谱数据结合盐分指数对土壤盐渍化信息进行提取[15，16]，虽然精度较高，但是野外观测需要大量的人力物力，不利于大面积的盐渍化监测；利用高分影像及多尺度分割的方法可精确地对田间尺度的盐渍化信息进行监测[17]，但数据源难以获取。还有学者基于不同的特征分量，利用特征空间对土壤盐渍化进行定量化遥感监测[18，19]，但在其他区域的适用性有待进一步研究。总之，上述多种方法表明应用遥感技术对盐渍化进行定量评价和监测已取得一定成果，利用其进行盐渍化监测的手段日益成熟和多样化。但同时仍然存在许多问题，例如利用微波和高光谱遥感的应用理论、模型、测量仪器等方法还不成熟；利用影像处理后分类的监测方法需要大量地面实测数据来进行训练区选择[20]，且高分辨率、高光谱数据获取成本较高等。因此，有必要尝试应用遥感影像构建定量化、便捷、准确、高效的盐渍化提取方法。endprint

甘肃省盐碱地面积1 414万hm2，其中酒泉市754万hm2，且主要分布在瓜州-敦煌地区[21]。该地区属于典型干旱气候区，植被覆盖率低，区域内土壤大部分呈现出沙化和盐渍化特质，生态环境非常脆弱，是干旱区土地盐渍化代表性区域。选择该地区进行盐渍化定量评价方法探索，对于整个干旱区盐渍化监测评价具有重要的实际应用价值[22]。因Landsat影像数据获取便捷、成本低，基于前人研究成果，本研究拟探索出利用Landsat影像能够较为准确、便捷且高效地进行土壤盐渍化信息提取的有效方法，提高盐渍化评价的水平和效率。

1 研究区域概况、数据来源与方法

1.1 研究区域概况

瓜州-敦煌地区位于甘肃省酒泉市、河西走廊最西端，地势南高北低，东部和西部分别与玉门市和新疆的哈密市相邻，南部与北部分别与阿克塞哈萨克族自治县及肃北蒙古族自治县相接，总面积6 118.695 km2。该地区地处内陆、远离海洋，属于典型的干旱气候区。瓜州县和敦煌市的年平均气温分别为8.8 ℃和9.6 ℃，最低和最高气温相差60 ℃以上；降水主要集中于夏季，年平均降水量分别为53.9、38.4 mm，蒸发量却分别达到1 988.9、2 581.7 mm。该区域的土壤类型为风沙土、灌淤土、棕漠土、盐土等。由于受该区域的土壤和水文条件影响，天然植被类型主要为盐地沙生灌丛植被如柽柳（Tamarix ramosissima）、禾草盐化草甸植被如芨芨草（Achnatherum splendens）、杂草类盐化草甸植被如花花柴（Karelina caspica）等。

1.2 数据来源及预处理

数据源为Landsat OLI遥感影像数据，影像的获取时间为2015年7月。对于下载的遥感影像数据，将其导入ENVI软件中进行了几何校正、辐射定标、大气校正等一系列预处理步骤，以便用于盐渍化提取指数的反演。并通过定点调查的方式，对研究区进行了全面的考察。将实地调查获得的样点数据与反演得到的盐渍化结果进行对比分析，证明盐渍化提取方法的可行性及精度。

1.3 研究方法

1.3.1 特征变量的选取 植被是反映土壤含盐量的间接有效指标[23]，可以利用归一化植被指数（Normalized difference vegetation index，NDVI）對作物种类和土壤盐碱化分布状况进行识别[24]。通过对不同植被覆盖类型的土壤盐渍化程度的研究表明，NDVI会随着土壤含盐量的增高而降低[25]。但是干旱区的植被覆盖度较低，NDVI受土壤的背景影响较大，会造成一些植被信息的低估[26]，因而仅利用NDVI一种指标监测盐渍化的效果不好。因此，选用NDVI作为评价盐渍化的一个间接的特征变量。

Khan等[27，28]利用ETM+图像对土壤盐渍化的研究时发现影像的第三波段对于土壤盐分含量具有明显的响应，并且通过典型地物的波谱特征及波段混合试验分析表明，由遥感图像的红波段和蓝波段确定的盐分指数（SI）（公式2）可以在一定程度上对盐渍化程度进行判定，并能有效对植被生长茂盛的区域信息进行抑制。

1.3.2 定量化评价盐渍化方法 利用盐分指数可以提取盐渍化信息，但是，土壤盐渍化成因复杂，利用盐分指数进行盐渍化信息提取时仅考虑了样本像元内以裸土为主的光谱信息，而忽略了像元内的植被光谱等信息[30]。

Gillies等[31]和Wan等[32]通过对植被指数（NDVI）和地表温度（Ts）之间关系的研究，认为两者之间构成的特征空间为三角形的关系，在植被生长的某一特定时期，各种地表类型对应的NDVI-Ts关系都在该三角形的区域内[33]。该特征信息在旱情监测、沙漠化信息监测、盐渍化信息监测等领域得到了广泛应用。因此，利用二维特征空间理论，通过综合考虑裸土的光谱信息和植被信息，已有研究利用归一化植被指数（NDVI）和盐分指数（SI）二维特征空间构建了盐渍化遥感监测指数（Salinization detection index，SDI），定量反演盐渍化土地中的盐含量[34]。

1.3.3 修订后的盐渍化定量评价方法 利用SDI对该区域的盐渍化信息进行提取的结果表明，该指数不能准确地提取该区域的盐渍化信息。因此，将指数SDI中的特征变量SI修改为MSI。结合特征空间理论，选择NDVI和MSI作为特征变量，进行盐渍化评价指数的构建。从二者构成的散点图（图1）可以看出，两个变量之间呈负相关关系，相关系数为-0.804。在两个变量构成的二维特征空间中，A点为理论上植被指数最大而盐分含量最小的点，是理论上的盐渍化程度最小点。特征空间中的任意一点距离A点越大，盐渍化程度越高。因此，新构建出修正的盐渍化评价指数（Modified salinization detection index，MSDI）用于瓜州-敦煌地区土壤盐渍化的定量评价。

2 结果与分析

2.1 SI和MSI反演结果

由表1可以看出，利用盐分指数SI进行盐渍化提取时，盐碱地和裸土地的SI最大值和最小值都比较相近，因此难以将两者准确区分。说明盐分指数SI容易将裸土地与盐碱地混淆而造成盐渍化信息的提取错误，因此，利用了修订后的盐分指数MSI对研究区的盐渍化信息进行提取。

通过对比SI和MSI的反演结果（图2）可以看出，在SI的反演结果中，盐碱地和裸土地的颜色非常相近，难以对两者进行区分；但在MSI的反演结果中，盐碱地和裸土地颜色很好区分，所以，可以很好地将两者进行区分。由此可知，MSI在提取盐渍化方面比SI更有优势，并且能够很好地对高反射率的裸土地和盐碱地进行区分。因此，本研究选择修正的盐分指数MSI作为一个变量用于盐渍化的定量评价中。

2.2 MSDI反演结果的分析

利用遥感影像和新构建的盐渍化评价指数MSDI对瓜州-敦煌地区的土壤盐渍化进行反演，得到了该区域的盐渍化的空间分布图（图3）。由图3可知，颜色越深的区域代表MSDI的值越大，盐渍化程度越高。可以看出在瓜州-敦煌地区盐渍化程度总体以轻度为主，盐渍化程度较高的区域主要分布于锁阳城北部及敦煌的东湖湿地区，西湖农场周边的盐渍化程度也较高。根据野外采集资料及已有研究[35]表明，瓜州-敦煌地区的盐碱地主要分布在敦煌盆地中部、安西盆地北部、锁阳城镇附近，在布隆吉乡和双塔乡附近也有零星分布。通过反演结果与野外采集资料的对比，从整体上来看，利用MSDI反演的盐碱地分布情况与盐碱地的实际分布情况一致。endprint

2.3 MSDI反演结果的局部分析

为了进一步判断盐渍化评价指数MSDI的适用性，从图3中选择3个不同的区域进行放大显示，并与影像进行对比分析。发生盐渍化土壤的表层会结有盐壳或盐皮，地表光滑，坚实而发白，且盐渍土壤的光谱反射率较强，在遥感影像上的色调比其他土壤都淡，多呈现白色或灰白花斑状影纹。从MSDI反演结果与影像的对比图（图4）可以看出，1号区域的影像中色调较淡的区域在反演结果中的盐渍化程度较高，2号和3号区域中影像发白和色调较浅的区域在反演结果中为盐渍化土壤。通过3个典型区域的对比分析并结合对Google Earth高清影像的观察，可以看出MSDI可以很好地评价瓜州-敦煌地区的盐渍化信息。

为了进一步分析MSDI指数的适用性，利用野外实际考察点数据并结合随机选点的方式在Google Earth上选取了198个样点用于判别MSDI指数的精度。从表2可以看出，利用指数MSDI提取土壤盐渍化的总體精度为86.36%，Kappa系数为0.708，因此MSDI指数可以较为准确地提取盐渍化土壤。

通过上述分析可以看出，经过新构建的盐渍化遥感评价指数MSDI可以准确地对该区域的盐渍化进行定量评价。

3 结论

通过对盐渍化监测指数的研究应用，试图探索出利用Landsat影像来建立定量化、便捷、准确和高效地评价盐渍化的方法，得到以下结果。

1）通过对盐分指数的对比研究，利用蓝光、绿光、红光波段构建的盐分指数MSI能够有效将高反射率的裸土地与盐渍化土壤区分。

2）选择的NDVI和MSI作为二维特征变量，根据其特征空间散点可知两个变量的相关系数为-0.804，因此，新构建了修正的盐渍化评价指数（MSDI）用于瓜州-敦煌地区的适应性检验。

3）在相关研究的基础上，通过对盐渍化遥感监测指数SDI进行修正得到的MSDI进行盐渍化评价的方法，指数简单、影像数据易获取，经过验证表明提取结果也较为准确。基于Landsat影像，利用MSDI进行提取盐渍化信息的方法可以简单、快速、有效且准确地对盐渍化进行定量评价。该方法的应用对农业生产中土壤盐渍化的长期、动态及定量观测和评价具有积极作用。

4）虽然由SDI指数改进得到的MSDI指数可以对瓜州-敦煌地区的盐渍化进行较为准确的定量化评价，但在其他干旱半干旱区的适用性还需要进一步研究和验证。盐渍化的形成原因十分复杂，土壤水分、植被类型、地貌形态等因素都可能会对土壤的光谱特征造成影响，导致提取信息的不准确，因此在将来的研究中需要考虑如何消除这些因素对盐渍化信息提取的影响，进一步提高盐渍化信息的提取准确性。

参考文献：

[1] 李建国.土壤盐渍化研究现状及未来研究热点[J].地理学报，2012，67（9）：83-95.

[2] 朱庭芸.灌区土壤盐渍化防治[M].北京：农业出版社，1992.32-38.

[3] 郝翠红.浅谈节水灌溉技术与张掖农灌区盐渍化的关[J].甘肃农业，2005（10）：67.

[4] 赖 宁，李新国，阿斯耶姆·图尔迪，等.开都河流域下游绿洲土壤盐渍化时空变化及其成因分析[J].干旱区资源与环境，2013， 27（12）：66-73.

[5] 王 宏，塔西甫拉提·特依拜，谢 霞，等.艾比湖区域土壤盐渍化时空演变研究[J].干旱区资源与环境，2011，25（12）：137-144.

[6] 丁建丽，姚 远，王 飞.干旱区土壤盐渍化特征空间建模[J].生态学报，2014，31（16）：4620-4631.

[7] 关元秀，刘高焕.区域土壤盐渍化遥感监测研究综述[J].遥感技术与应用，2001，16（1）：40-44.

[8] 刘 勤，王宏卫，丁建丽，等.干旱区区域土壤盐渍化监测研究进展及其未来热点[J].新疆大学学报（自然科学版），2014，31（1）：108-115.

[9] 张 飞，塔西甫拉提·特依拜，丁建丽，等.干旱区绿洲土壤盐渍化程度遥感定量评价[J].生态环境学报，2009，18（5）：1822-1829.

[10] DWIVEDI R S，RAO B R M. The selection of the best possible Landsat TM band combination for delineating salt-affected soils[J].International Journal of Remote Sensing，1992，13（11）：2051-2058.

[11] 塔西甫拉提·特依拜，张 飞，赵 睿，等.新疆干旱区土地盐渍化信息提取及实证分析[J].土壤通报，2007，38（4）：625-630.

[12] 江红南，塔西甫拉提·特依拜，徐佑成，等.于田绿洲土壤盐渍化遥感监测研究[J].干旱区研究，2007，24（2）：168-173.

[13] 陈 康，金晓媚，万 力，等.应用MODIS数据进行土壤盐渍化评价方法研究[J].科技导报，2009，27（14）：59-63.

[14] 依力亚斯江·努尔麦麦提，塔西甫拉提·特依拜，舒 宁，等.基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究[J].测绘科学，2009，34（1）：56-59.

[15] 丁建丽，伍漫春，刘海霞，等.基于综合高光谱指数的区域土壤盐渍化监测研究[J].光谱学与光谱分析，2012，32（7）：1918-1922.

[16] NAWAR S，BUDDENBAUM H，HILL J. Digital mapping of soil properties using multivariate statistical analysis and ASTER data in an arid region[J].Remote Sensing，2015，7：1181-1205.endprint

[17] 袁 泽，丁建丽，牛增懿，等.基于GF-1遥感影像的艾比湖区域田间尺度土壤盐渍化监测方法[J].中国沙漠，2016（4）：1070-1078.

[18] 哈学萍，丁建丽，塔西普拉提.特依拜，等.基于SI-Albedo特征空间的干旱区盐渍化土壤信息提取研究——以克里雅河流域绿洲为例[J].土壤学报，2009，46（3）：381-390.

[19] 丁建丽，瞿 娟，孙永猛，等.基于MSAVI-WI特征空间的新疆渭干河—库车河流域绿洲土壤盐渍化研究[J].地理研究，2013， 32（2）：223-232.

[20] 扶卿华，倪绍祥，李开丽.土壤盐碱化遥感监测方法[J].农机化研究，2005（1）：110-112，114.

[21] 甘肃省统计局.甘肃发展年鉴[M].北京：中国统计出版社，2016.

[22] MENG L，ZHOU S W，ZHANG H，et al. Estimating soil salinity in different landscapes of the Yellow River Delta through Landsat OLI/TIRS and ETM+Data[J].Journal of Coastal Conservation，2016，20（4）：271-279.

[23] 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.

[24] 许 迪，王少丽，蔡林根，等.利用NDVI指数识别作物及土壤盐碱分布的应用研究[J].灌溉排水学报，2003，22（6）：5-8，32.

[25] 杨劲松，姚荣江，邹 平，等.海涂区不同植被类型下土壤盐渍剖面及其电磁感应响应特征[J].应用生态学报，2008，19（10）：2117-2124.

[26] 李艳华，丁建丽，孙永猛，等.基于三维特征空间的土壤盐渍化遥感模型[J].水土保持研究，2015，22（4）：113-117，121.

[27] KHAN N M，SATO Y. Monitoring hydro-salinity status and its impact in irrigated semi-arid areas using IRS-1B LISS-II data[J].Asian J Geoinform，2001，1（3）：63-73.

[28] KHAN N M，RASTOSKUEV V V，SATO Y，et al. Assessment of hydrosaline land degradation by using a simple approach of remote sensing indicators[J].Agricultural Water Management， 2005，77（1-3）：96-109.

[29] SCUDIERO E，SKAGGS T H，CORWIN D L. Regional-scale soil salinity assessment using Landsat ETM+canopy reflectance[J].Remote Sensing of Environment，2015，169：335-343.

[30] 王 飞.基于特征空间的土壤盐渍化遥感应用研究[D].乌鲁木齐：新疆大学，2010.

[31] GILLIES R R，CARLSON T N，KUSTAS W P. A verification of the ‘triangle method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index （NDVI） and surface radiant temperature[J].International Journal of Remote Sensing，1997，18（15）：3145-3166.

[32] WAN Z M，WANG P X，LI X W. Using MODIS land surface temperature and normalized difference vegetation index products for monitoring droutgh in the southen great plains，USA[J].International Journal of Remote Sensing，2004，25：61-72.

[33] 韓丽娟，王鹏新，王锦地，等.植被指数-地表温度构成的特征空间研究[J].中国科学（D辑：地球科学），2005，35（4）：371-377.

[34] 王 飞，丁建丽，伍漫春.基于NDVI-SI特征空间的土壤盐渍化遥感模型[J].农业工程学报，2010，26（8）：168-173.

[35] 殷密英，靳盛海，刘少玉，等.疏勒河流域绿洲盐渍土类型及盐渍化程度分析[J].南水北调与水利科技，2007，5（5）：72-76.endprint