劉春曉,吳 靜,李純斌,楊 偉,張 瑋

(1.甘肅農(nóng)業(yè)大學(xué) 管理學(xué)院，甘肅 蘭州 730070； 2.甘肅農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院，甘肅 蘭州 730070)

遙感圖像能直接、客觀地反映地表的環(huán)境信息，是研究其他環(huán)境要素的重要基礎(chǔ)[1]。土壤遙感是指通過(guò)對(duì)遙感影像的解譯，識(shí)別，劃分得出土壤類(lèi)型，制作出土壤類(lèi)型圖，并分析出其分布規(guī)律，為改良和合理利用土壤來(lái)提供參考[2]。在土壤調(diào)查中，有效地使用遙感資料對(duì)土壤進(jìn)行檢測(cè)，將大大減輕土壤調(diào)查的工作量。計(jì)算機(jī)自動(dòng)識(shí)別技術(shù)的迅猛發(fā)展，將土壤調(diào)查技術(shù)的發(fā)展提高一步，同時(shí)也為精細(xì)化農(nóng)業(yè)提供了服務(wù)可能。

目前，國(guó)外已經(jīng)開(kāi)展采用衛(wèi)星數(shù)據(jù)和地形數(shù)據(jù)進(jìn)行土壤資源調(diào)查和制圖的研究。Burrogh[3]利用熱紅外光譜技術(shù)進(jìn)行土壤屬性的估計(jì)研究，使近紅外光譜和紅外光譜分析技術(shù)對(duì)土壤屬性的研究逐漸成熟起來(lái)；Odeh等[4]以AVHRR和DEM為數(shù)據(jù)源，采用普通克里金等方法對(duì)土壤性質(zhì)進(jìn)行了研究，并結(jié)合地形數(shù)據(jù)，評(píng)價(jià)了各種研究方法的優(yōu)缺點(diǎn)；Dobos等[5]基于AVHRR數(shù)據(jù)空間分辨率為500 m和1 000 m的圖像，以DEM數(shù)據(jù)為輔助對(duì)匈牙利土壤進(jìn)行分類(lèi)研究，結(jié)果發(fā)現(xiàn)地形數(shù)據(jù)的加入對(duì)2種分辨率圖像的土壤分類(lèi)精度都有顯著提高，且高分辨率圖像的分類(lèi)精度明顯高于低分辨率圖像；Condi H R[6]研究出一種簡(jiǎn)化的方法來(lái)測(cè)土壤反射光譜曲線,是根據(jù)分析土壤反射光譜數(shù)據(jù)得出的結(jié)論。近年來(lái)，國(guó)內(nèi)也有不少學(xué)者借助遙感圖像進(jìn)行土壤調(diào)查與分類(lèi)。沙晉明等[7]利用TM圖像作為數(shù)據(jù)源，對(duì)我國(guó)植被覆蓋率高的東南山區(qū)運(yùn)用不同的分類(lèi)方法進(jìn)行土壤分類(lèi)的研究，結(jié)果發(fā)現(xiàn)即使運(yùn)用較好的分類(lèi)方法，土壤的地形、質(zhì)地等信息也影響著分類(lèi)結(jié)果；亢慶等[8-9]基于MODIS遙感數(shù)據(jù)和地形數(shù)據(jù)，在第2次全國(guó)土壤普查數(shù)據(jù)庫(kù)的支持下，探討了遙感技術(shù)在受干旱地區(qū)的限制進(jìn)行土壤調(diào)查時(shí)，對(duì)干旱區(qū)的土壤效果和適用性；我國(guó)學(xué)者彭杰等[10],張俊華等[11],史舟等[12],賴寧等[13],司海青等[14]，關(guān)紅等[15]都對(duì)土壤高光譜特反射性特性和構(gòu)建土壤鹽分高光譜定量繁衍模型進(jìn)行了研究。

調(diào)查以土壤類(lèi)型較為復(fù)雜的甘肅省為研究區(qū)，利用遙感圖像和地形數(shù)據(jù)，結(jié)合甘肅省土壤數(shù)據(jù)和高分辨率遙感圖像，綜合分析了實(shí)地調(diào)查數(shù)據(jù)、遙感信息特征及植被分布情況，并在此基礎(chǔ)上建立了適合試驗(yàn)區(qū)的土壤遙感分類(lèi)系統(tǒng)，探討了遙感技術(shù)在甘肅土壤分類(lèi)中的可行性，以期為研究區(qū)域的土壤調(diào)查和分類(lèi)提供新的方法。

1 研究區(qū)域及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

甘肅位于中國(guó)地理中心，地理位置N 32°11′～42°57′，E 92°13′～108°46′，地形狹長(zhǎng)，橫跨多個(gè)氣候帶，地貌錯(cuò)綜復(fù)雜，山地、高原、平川、河谷、沙漠、戈壁等多種地貌類(lèi)型并存，是全國(guó)各省區(qū)中地質(zhì)地貌和氣候類(lèi)型最為豐富復(fù)雜的省份。

甘肅省的土壤類(lèi)型較為豐富。全省土壤分布大致可按區(qū)劃分為隴南黃棕壤、棕壤、褐土地區(qū)；隴東黃綿土、黑筍土地區(qū)；隴中麻土、黃白綿土區(qū)；甘南草甸土、草甸草原土地區(qū)；河西漠土、灌溉土區(qū)和祁連山栗鈣土、黑鈣土區(qū)，共6個(gè)地區(qū)及19個(gè)土坡區(qū)。分布特點(diǎn)：(1)水平分布的緯度地帶性明顯，經(jīng)度地帶性不太明顯，由南往北；(2)垂直分布規(guī)律顯著，甘肅是個(gè)多山的省份，山地所處的地理位置、山體的高低大小、山地的坡向坡度，都影響著土壤垂直地帶的分布；(3)地域分布規(guī)律受各地方土壤的母質(zhì)、地形、水文、成土年齡等條件的影響，在地帶性土壤內(nèi)部出現(xiàn)非地帶性土壤類(lèi)型，并表現(xiàn)為中域或微域分布，中域分布有枝形、扇形和盆形等；(4)耕種土壤受人為作用的強(qiáng)度不同，在各地有著獨(dú)特的分布規(guī)律。

1.2 數(shù)據(jù)來(lái)源

1.2.1 遙感數(shù)據(jù) 在研究區(qū)域內(nèi)，考慮植被生長(zhǎng)的季節(jié)性差異的同時(shí)也要考慮地物反射差異。調(diào)查采用2011年6月的MODIS MYD09GA 反射率數(shù)據(jù)(三景)和MODIS MYD13A2植被指數(shù)數(shù)據(jù)(三景)。MYD09GA覆蓋面積約為1 100 km×1 100 km，影像大小1 200×1 200像元空間分辨率為500 m，投影方式為等面正弦投影(Sinusoidal)，是可見(jiàn)光、近紅外到中紅外波段的表面反照率參數(shù)；MYD13A2數(shù)據(jù)是空間分辨率為1 000 m的16 d三級(jí)產(chǎn)品。該數(shù)據(jù)來(lái)源于美國(guó)國(guó)家航天局(NASA)的MODIS數(shù)據(jù)產(chǎn)品分發(fā)網(wǎng)站(https://modis.gsfc.nasa.gov/)。

1.2.2 地形數(shù)據(jù) 地形采用SRTM3數(shù)據(jù)(數(shù)據(jù)來(lái)源：http://datamirror.csdb.cn/dem)，按3弧秒進(jìn)行采樣，其水平分辨率為90 m，綜合比例1∶25萬(wàn)。將地形數(shù)據(jù)作為輔助數(shù)據(jù)對(duì)提高甘肅省土壤分類(lèi)的精度起到很重要的作用，并提取3個(gè)地形參數(shù)，高程、坡度、曲率(分別表示為:ELV,SLOP和CAV)。

1.2.3 參考數(shù)據(jù) 選用全國(guó)第2次土壤普查形成的1∶100萬(wàn)全國(guó)土壤數(shù)據(jù)庫(kù)作為遙感分類(lèi)的訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)。此數(shù)據(jù)是我國(guó)目前調(diào)查覆蓋面積最大、精度最高、最完整的土壤數(shù)據(jù)，其基本制圖單元為土壤亞類(lèi)，共有12個(gè)土綱，61個(gè)土類(lèi)，227個(gè)亞類(lèi)，以及10個(gè)非土壤單元。其中，研究區(qū)內(nèi)主要涉及約90個(gè)土壤亞類(lèi)，2個(gè)非土壤單元。

1.3 數(shù)據(jù)預(yù)處理

覆蓋整個(gè)甘肅省需要3景MODIS MYD09GA和MODIS MYD13A2影像，使用MODIS產(chǎn)品處理工具M(jìn)RT對(duì)MODIS數(shù)據(jù)進(jìn)行投影變換、幾何校正、鑲嵌和重采樣等預(yù)處理。投影坐標(biāo)系為雙標(biāo)準(zhǔn)緯線等積圓錐投影(ALBERS)，橢球體為Krasovsky，重采樣像元尺寸為1 000 m。

1.4 分類(lèi)特征提取

從MODIS數(shù)據(jù)產(chǎn)品中提取多波段反射率、植被指數(shù)，計(jì)算濕度指數(shù)、亮度指數(shù)，提取紋理特征，并從SRTM3數(shù)據(jù)中提取坡度和地面曲率等地形特征。

1.4.1 地表反射率 MODIS 09GA數(shù)據(jù)產(chǎn)品提供了常見(jiàn)的對(duì)地觀測(cè)的7個(gè)光學(xué)反射率波段(表1)。

表1 MODIS 7個(gè)反射率波段Table 1 MODIS seven reflectance bands

1.4.2 植被指數(shù) 歸一化植被指數(shù)(NDVI)是目前應(yīng)用最廣泛的植被指數(shù)，是通過(guò)兩個(gè)(或多個(gè))光譜通道的組合而得到的計(jì)算公式：

NDVI=(Ref2-Ref1)/(Ref2+Ref1)

(1)

NDVI在高植被蓋度區(qū)易飽和、低植被區(qū)易受土壤背景影響的環(huán)境下，MODIS增強(qiáng)性植被指數(shù)(EVI)可較好地克服NDVI的弱點(diǎn)。EVI可用MODIS數(shù)據(jù)公式：

EVI=2.5(Ref2-Ref1)/(Ref2+C1Ref1+C2Ref3+L)

(2)

式中：L=1為土壤調(diào)節(jié)參數(shù)，參數(shù)C1和C2分別為6.0和7.5，通過(guò)藍(lán)波段(Ref3)來(lái)修正大氣對(duì)紅波段(Ref1)的影響。

1.4.3 土壤亮度特征 土壤亮度是區(qū)分土壤類(lèi)型的主要特征之一，采用與TM相對(duì)應(yīng)的MODIS波段反射率數(shù)據(jù)(Ref1、Ref2、Ref3、Ref4、Ref6、Ref7波段)進(jìn)行K-T變換[8,16]，選擇包含土壤信息的亮度分量作為土壤亮度特征。

1.4.4 濕度指數(shù)(NDMI) 濕度指數(shù)NDMI對(duì)濕度、含水量信息非常敏感[8,16]，因?yàn)槎滩t外波段(相當(dāng)于MODIS的Ref6)受水吸收帶的影響，并且綠波段(相當(dāng)于MODIS的Ref4波段)對(duì)水體反射敏感強(qiáng)，選用MODIS的這兩個(gè)波段通過(guò)規(guī)格化處理的計(jì)算公式：

NDMI=(Ref4-Ref6)/(Ref4+Ref6)

(3)

1.4.5 歸一化水體指數(shù)(NDWI) 研究區(qū)域有河流，水庫(kù)等水體，為了區(qū)分水體，把水體指數(shù)作為一項(xiàng)分類(lèi)特征數(shù)據(jù)，計(jì)算公式：

NDWI=(Ref4-Ref2)/(Ref4+Ref2)

(4)

1.4.6 歸一化積雪指數(shù)(NDSI) 歸一化積雪指數(shù)(NDSI)是提取積雪信息的一種有效方法，其算法較合理，分類(lèi)精度高，具有普遍的操作意義。NDSI類(lèi)似于歸一化植被指數(shù)(NDVI)，對(duì)大范圍的光照條件不敏感，對(duì)大氣作用可使其局地歸一化并且不依賴于單通道的反射，NDSI的計(jì)算公式：

NDSI=(Ref1-Ref4)/(Ref1+Ref4)

(5)

1.4.7 紋理特征 紋理特征是灰度值有規(guī)律的分布情況，并且采用表達(dá)可視紋理的局部平穩(wěn)(Homogeneity)特征參與分類(lèi)[8,17-18]，對(duì)比分析可視化后的7個(gè)波段，選用Ref2波段進(jìn)行紋理特征提取[18]，公式：

(6)

它是對(duì)圖像局部灰度均勻性的一種度量。其值越大，代表圖像局部灰度越均勻。

1.4.8 地形參數(shù) 由于地形與土壤類(lèi)型存在著密切聯(lián)系，采用分辨率為90 m的DEM數(shù)據(jù)進(jìn)行地形特征參數(shù)的提取，綜合比例尺相當(dāng)于1∶25萬(wàn)的數(shù)字高程圖像SRTM3數(shù)據(jù)，并對(duì)地形數(shù)據(jù)進(jìn)行特征參數(shù)的提取，包括：坡度[16]、表面曲率。

1.4.9 分類(lèi)數(shù)據(jù)集生成 將以上根據(jù)MODIS數(shù)據(jù)提取的分類(lèi)特征：植被指數(shù)、積雪指數(shù)、濕度指數(shù)、水體指數(shù)、紋理特征、晝夜地表溫度與SRTM3地形數(shù)據(jù)提取的地形參數(shù)：高程、坡度、表面曲率，對(duì)以上分類(lèi)特征進(jìn)行配準(zhǔn)、疊加、裁切，最后得到多層分類(lèi)數(shù)據(jù)集。再對(duì)多層分類(lèi)數(shù)據(jù)集和整理后的土壤矢量數(shù)據(jù)進(jìn)行疊加，為數(shù)據(jù)分析提供基礎(chǔ)。

1.5 分類(lèi)系統(tǒng)分析與訓(xùn)練數(shù)據(jù)采集

通過(guò)對(duì)土壤數(shù)據(jù)庫(kù)進(jìn)行統(tǒng)計(jì)，甘肅省共有土壤亞類(lèi)90個(gè)，這樣的分類(lèi)體系對(duì)于空間分辨率為500 m和1 000 m的MODIS數(shù)據(jù)來(lái)說(shuō)類(lèi)別過(guò)于復(fù)雜，容易造成分類(lèi)結(jié)果不理想，因此對(duì)各個(gè)類(lèi)別的圖斑面積進(jìn)行統(tǒng)計(jì)，最終舍棄了圖斑面積小于0.2 cm的35個(gè)亞類(lèi)，剩余55個(gè)亞類(lèi)。

1.5.1 訓(xùn)練數(shù)據(jù)樣本采集 從1∶100萬(wàn)中國(guó)土壤數(shù)據(jù)庫(kù)中裁剪出研究區(qū)域(甘肅省)的土壤數(shù)據(jù)，并對(duì)矢量數(shù)據(jù)進(jìn)行幾何修復(fù)和拓?fù)錂z查，將其轉(zhuǎn)為柵格圖像，經(jīng)過(guò)投影轉(zhuǎn)換使其與特征圖像有統(tǒng)一的地理坐標(biāo)，通過(guò)ERDAS窗口同步連接(link)方式對(duì)比，在各土類(lèi)圖斑上分別對(duì)55個(gè)分類(lèi)對(duì)象選取樣點(diǎn)，并在特征數(shù)據(jù)集的每一層上分別采集訓(xùn)練樣本[19]。

1.5.2 土壤類(lèi)型可分度分析 為了驗(yàn)證分類(lèi)訓(xùn)練樣本的準(zhǔn)確性和分類(lèi)系統(tǒng)的合理性，采用兩種分類(lèi)模板評(píng)價(jià)方式對(duì)土壤分類(lèi)進(jìn)行判別。首先，用分類(lèi)預(yù)警評(píng)價(jià)的方式對(duì)訓(xùn)練的分類(lèi)模板進(jìn)行定性的預(yù)警評(píng)價(jià)，結(jié)果顯示預(yù)分類(lèi)的結(jié)果與參考圖像基本吻合。其次，使用可能性矩陣對(duì)分類(lèi)模板進(jìn)行定量評(píng)價(jià)，結(jié)果顯示誤差矩陣值為82.3%。

1.5.3 分類(lèi) 現(xiàn)有的分類(lèi)方法有Mahalanobis距離法[20]、最小距離法、最大似然法等[8]，而最大似然法是比較常用并且比較成熟的一種分類(lèi)方法，使用最大似然法在ERDAS中進(jìn)行監(jiān)督分類(lèi)，技術(shù)路線見(jiàn)圖1。

2 結(jié)果與分析

由于軟件進(jìn)行分類(lèi)時(shí)按照?qǐng)D像的光譜特征進(jìn)行聚類(lèi)分析，并且分類(lèi)具有一定的盲目性，因此，對(duì)分類(lèi)后的圖像進(jìn)行后處理；首先進(jìn)行聚類(lèi)統(tǒng)計(jì)，由于制度表達(dá)受精度的限制，對(duì)于分類(lèi)結(jié)果中較小的圖斑有必要進(jìn)行剔除，然后進(jìn)行重新編碼，最后得到分類(lèi)類(lèi)別明確和圖面比較完整的分類(lèi)圖像。由于后處理前的分類(lèi)圖像存在某一土壤類(lèi)的圖斑太小而被剔除，因此最終輸出的結(jié)果為34類(lèi)土壤亞類(lèi)(圖2)。使用驗(yàn)證樣本，以混淆矩陣分析方法計(jì)算總分類(lèi)精度R和一致性指數(shù)Kappa[21]。結(jié)果總體分類(lèi)精度達(dá)到74%，整體Kappa統(tǒng)計(jì)值為0.728。

圖1 技術(shù)路線Fig.1 Technology roadmap

圖2 甘肅省土壤遙感分類(lèi)結(jié)果Fig.2 Result of soil remote sensing classification in Gansu province

甘肅省土壤類(lèi)型分布比例較大的有黃綿土、灰棕漠土、冷鈣土、荒漠風(fēng)沙土，所占比例分別是28.70%、19.70%、13.10%、9.10%。其中，甘肅省中部主要土壤類(lèi)型有黃綿土、淡灰鈣土、黑麻土等。在河西走廊區(qū)域主要土壤類(lèi)型有灰棕漠土、石膏灰棕漠土、荒漠風(fēng)沙地等。中南部地區(qū)土壤類(lèi)型主要有黑氈土、棕壤、石灰性褐土等。分類(lèi)結(jié)果較差的土壤類(lèi)型有黃棉土、棕漠土、冷鈣土、淡灰冷鈣土、高山漠土、黑麻土、灰棕漠土、荒漠風(fēng)沙土，與實(shí)際面積的比差分別是20.6、17.7、9.5、5.6、4.2、4.0、3.4、3.0(圖2)。土壤分類(lèi)結(jié)果之所以還存在著一定的誤差，是由于甘肅省山地縱橫交錯(cuò)，地形錯(cuò)綜復(fù)雜，在獲取數(shù)據(jù)的時(shí)候難免會(huì)因?yàn)榈匦纹鸱瑥?fù)雜多變引起誤差，使得一些土壤亞類(lèi)出現(xiàn)錯(cuò)分的情況。

3 討論

(1)數(shù)據(jù)選擇方面。試驗(yàn)采用6月的光譜數(shù)據(jù)的成像，由于在該時(shí)相下植被生長(zhǎng)良好，對(duì)于多源數(shù)據(jù)中表觀植被的部分(NDVI，EVI等)數(shù)據(jù)分布良好，特征比較明顯，但是由于植被在這個(gè)時(shí)相下生長(zhǎng)旺盛、枝葉繁密，對(duì)土壤表面有大面積的覆蓋影響，從而導(dǎo)致土壤亮度等數(shù)據(jù)分布偏離正常值。因此利用多源數(shù)據(jù)，結(jié)合時(shí)間分辨率和空間分辨率更高的數(shù)據(jù)，并且綜合考慮土壤分類(lèi)的多方面因子，才能提高土壤分類(lèi)的精度。因此合理的選擇數(shù)據(jù)是影響分類(lèi)精度的重要因素之一。

(2)甘肅省土壤亞類(lèi)自身差異性的影響。從土壤分布的自身特點(diǎn)分析，土壤亞類(lèi)間土壤物化性質(zhì)相似性較大，進(jìn)而導(dǎo)致地面景觀(植被)分布差異性小，而以地面光譜反射率為信息源遙感數(shù)據(jù)表現(xiàn)出的光譜特征區(qū)分度不高，這也是遙感手段土壤分類(lèi)結(jié)果與全國(guó)第2次土壤調(diào)查結(jié)果的差異所在。

(3)空間因素。首先從整體地形來(lái)分析，甘肅省地形復(fù)雜多樣，較為破碎，山脈分布面積廣，且縱橫交錯(cuò)，另外分布有平川、高山、沙漠戈壁和盆地等類(lèi)型，海拔相差懸殊。受這種破碎的地形和山脈交錯(cuò)分布特征的影響，對(duì)于一些分布面積較小，并未達(dá)到數(shù)據(jù)分辨率要求的水稻土、沼澤土、潮土、灌淤土等未進(jìn)入分類(lèi)。因此，研究區(qū)域的空間結(jié)構(gòu)在一定程度上會(huì)影響著土壤分類(lèi)。

4 結(jié)論

(1)地表反射率、歸一化積雪指數(shù)、水體指數(shù)、濕度指數(shù)、紋理特征、晝夜地表溫度植被指數(shù)等分類(lèi)特征再結(jié)合研究區(qū)域的地形參數(shù)特征得到理想的分類(lèi)結(jié)果，適合作為甘肅省土壤分類(lèi)的分類(lèi)特征。

(2)未被分出的土壤亞類(lèi)的原因與地理空間因素、數(shù)據(jù)的選取、數(shù)據(jù)的分辨率、分類(lèi)方法和土壤分布的自身特點(diǎn)等因素相關(guān)。

(3)根據(jù)植被指數(shù)等遙感數(shù)據(jù)產(chǎn)品，提取9種圖像特征，并結(jié)合DEM生成的地形參數(shù)數(shù)據(jù)，利用計(jì)算機(jī)自動(dòng)分類(lèi)法，對(duì)土壤類(lèi)型進(jìn)行系統(tǒng)分類(lèi)。最終獲得了34個(gè)土壤亞類(lèi)，分類(lèi)的總體精度達(dá)到74%。