黃靜，趙庚星，奚雪，崔昆，高鵬

（山東農(nóng)業(yè)大學資源與環(huán)境學院，土肥資源高效利用國家工程實驗室，山東 泰安271018）

土壤鹽漬化是制約我國農(nóng)業(yè)發(fā)展的重要影響因素之一。鹽漬土信息的獲取及監(jiān)測預警一直是學術界關注的熱點[1-4]。黃河三角洲地處山東省環(huán)渤海濱海地區(qū)，是國家級高效生態(tài)經(jīng)濟區(qū)，同時是山東半島藍色經(jīng)濟區(qū)的重要組成部分，該區(qū)土壤鹽漬化問題嚴重，及時準確地掌握當?shù)赝寥赖柠}漬化信息，能夠為該區(qū)農(nóng)業(yè)生產(chǎn)及土地管理提供科學依據(jù)。

遙感影像具有獲取速度快、重復周期短、視域廣闊等特點，因此遙感方法已成為土壤鹽漬化信息提取的重要手段，被廣泛應用于鹽漬化土壤的動態(tài)監(jiān)測。而相較于內(nèi)陸地區(qū)，濱海鹽漬區(qū)由于受到氣候、水文、人類活動等諸多復雜因素的影響，鹽漬土的形成與變化規(guī)律更為復雜，其嚴重的光譜混淆問題也是該區(qū)土壤鹽漬化遙感提取的難點之一。針對黃河三角洲鹽漬化信息的提取及其水鹽特征，學者們已開展了較多的研究，多數(shù)研究仍通過實測方法獲取土壤鹽分數(shù)據(jù)，進而進行GIS 的時空分析。王卓然等[5]利用統(tǒng)計分析、GIS 插值、緩沖區(qū)分析等方法，分析了黃河三角洲墾利區(qū)的土壤水鹽狀況及其空間變異規(guī)律；楊勁松等[6]通過加入?yún)f(xié)同變量的協(xié)同克里格方法，提高黃河三角洲土壤鹽分估算的精度；付騰飛等[7]利用GIS 和地統(tǒng)計學的方法對黃河三角洲土壤含鹽量的時空變異特征進行了研究。但野外測量往往需要消耗大量人力、物力和財力，難以實現(xiàn)區(qū)域土壤鹽漬化的快速動態(tài)監(jiān)測。近年來，不少學者對土壤鹽漬化信息獲取的遙感方法進行探索，取得了較好的研究進展，如張同瑞等[8]基于遙感影像，利用歸一化植被指數(shù)（NDVI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）、綠色歸一化植被指數(shù)（GNDVI）三種指數(shù)分別與實測的土壤含鹽量構(gòu)建多種模型，優(yōu)選出土壤鹽分含量的最優(yōu)估測模型，反演得到了無棣縣的土壤鹽分信息；陳紅艷等[9]基于Landsat 8 OLI多光譜影像，利用改進植被指數(shù)構(gòu)建土壤鹽分含量的支持向量機模型，獲得了較好的土壤鹽分空間分布反演結(jié)果；張素銘等[10]利用野外實測土壤鹽分數(shù)據(jù)與遙感影像相結(jié)合的方法，通過篩選土壤鹽分敏感波段和光譜參量，構(gòu)建土壤鹽分估測模型；樊彥國等[11]利用BP 神經(jīng)網(wǎng)絡構(gòu)建黃河三角洲地區(qū)永安鎮(zhèn)的土壤鹽分遙感反演模型，證明利用該模型預測的土壤含鹽量精度明顯提高。但總體看，目前利用遙感對黃河三角洲土壤鹽漬化信息提取的研究主要基于遙感影像的光譜信息，通過構(gòu)建植被指數(shù)或篩選遙感影像的敏感光譜波段，結(jié)合地面實測的鹽分數(shù)據(jù)反演土壤的鹽分信息，沒有充分考慮遙感影像的紋理特征信息，將光譜信息與紋理特征信息有機結(jié)合進行土壤鹽漬化信息提取的方法有待進一步探索和研究。

因此，本研究在現(xiàn)有利用光譜信息提取土壤鹽漬化信息的基礎上，加入遙感影像的紋理特征信息，嘗試將光譜與遙感影像的紋理特征信息結(jié)合，提取土壤的鹽漬化信息，旨在為提取黃河三角洲土壤鹽分信息提供一種更精準便捷的方法。

1 材料與方法

1.1 研究區(qū)概況

本研究選擇黃河三角洲核心區(qū)域墾利區(qū)（圖1）為研究區(qū)，其位于黃河入?？谔帲?7°24′～38°10′N、118°15′～119°19′E），總面積2 331 km2，屬暖溫帶大陸性季風氣候，四季變化明顯，夏季高溫多雨，冬季寒冷干燥。受黃河多次改道和入海泥沙沉積的影響，該區(qū)地貌類型十分復雜，地勢自西南向東北呈扇形略微降低。該區(qū)地下水埋藏較淺，礦化度較高，土壤質(zhì)地偏輕，毛細作用強烈，鹽漬化問題十分普遍[12]，反鹽、積鹽現(xiàn)象十分嚴重[13]。主要農(nóng)作物為小麥、玉米、棉花和水稻，廣種薄收，管理較差，產(chǎn)量較低，鹽荒地大量分布，地類光譜混淆嚴重。

1.2 土壤鹽分數(shù)據(jù)的采集與處理

本研究于2019 年4 月10—15 日進行了墾利區(qū)野外調(diào)查采樣，為確保樣點均勻分布，在研究區(qū)每5 km×5 km 的網(wǎng)格內(nèi)，避開水體、建設用地和灘涂，預布設3～5 個樣點，最終布設242 個采樣點，樣點分布見圖1。采用校正后的EC110 便攜式鹽分計測定土壤表層0～15 cm 土層土壤電導率數(shù)據(jù)，各采樣點的實地坐標采用手持GPS 定位儀測定。野外實測土壤電導率ECo（dS·m-1）與含鹽量St（g·kg-1）之間利用關系方程St=2.18ECo+0.727[5]進行轉(zhuǎn)換，最終得到所有樣點的土壤鹽分含量數(shù)據(jù)。

圖1 研究區(qū)位置與采樣點分布Figure 1 Study area location and sampling point distribution

1.3 遙感影像的獲取與預處理

本研究以墾利區(qū)2019 年4 月17 日的Sentinel-2遙感影像為數(shù)據(jù)源。首先，在ENVI 軟件中篩選出遙感影像的紅、綠、藍、近紅外四個波段，得到10 m 分辨率的遙感影像；然后，在ArcGIS 軟件中將遙感影像按研究區(qū)矢量邊界進行裁剪；最后，剔除研究區(qū)內(nèi)的水體、建設用地和灘涂，獲得研究區(qū)的Sentinel-2遙感影像（圖2）。

圖2 研究區(qū)遙感影像（扣除水體、灘涂等）Figure 2 Remote sensing image of the study area（excluding water body and tidal flat）

1.4 地類類別的劃分

根據(jù)鮑士旦[14]提出的鹽漬土分類標準，結(jié)合實地勘察經(jīng)驗和研究區(qū)遙感影像的目視解譯建立研究區(qū)遙感影像的分類方案，將研究區(qū)鹽漬土劃分為1、2、3、4 四個等級，分別代表輕度鹽漬土、中度鹽漬土、重度鹽漬土和鹽土四個類別（表1）。

表1 研究區(qū)鹽漬土遙感影像分類Table 1 Classification of remote sensing image of saline soil in the study area

1.5 遙感影像特征提取

1.5.1 紋理特征提取

紋理反映了遙感影像灰度模式的空間分布，包含了圖像的表面信息及其與周圍環(huán)境的關系，是參與遙感影像識別的重要特征[15-18]。不同鹽漬化程度土壤的植被類型、覆蓋程度、地表特征明顯不同，因此其紋理特征具有較大差異，是提取土壤鹽漬化信息的重要依據(jù)。多波段影像紋理的本質(zhì)是目標地物分布在波譜空間中的表現(xiàn)形式[19]，而經(jīng)主成分變換后的影像其第一主分量集中了所有波段的大多數(shù)信息，因此，本研究采用影像主成分變換第一主分量進行紋理特征的提取。

首先對預處理后的研究區(qū)遙感影像進行主成分變換，再利用灰度共生矩陣法（GLCM）提取研究區(qū)遙感影像主成分變換后的第一主分量的紋理特征值。然后，參照實地采樣點的鹽分數(shù)據(jù)，將采樣點劃分為輕度鹽漬土、中度鹽漬土、重度鹽漬土、鹽土四類，并在每個分類類別中均勻隨機選擇20 個采樣點，統(tǒng)計各紋理特征值的平均值，作為該類地物類別的紋理統(tǒng)計特征值（表2）。

由表2 可知，不同鹽漬化土壤之間的紋理特征值存在差異，可根據(jù)此特征差異建立相應的分類規(guī)則，對研究區(qū)鹽漬土進行分類。ULABY 等[20]的研究發(fā)現(xiàn)，在基于GLCM 多個紋理特征中，對比度、二階矩、相關性、熵四種紋理特征互不相關且能給出較高的分類精度，因此，本研究利用鹽漬土各紋理特征統(tǒng)計量中二階矩、對比度、熵、相關性之間統(tǒng)計量的差異，區(qū)分不同鹽漬化程度的土壤。各紋理特征描述如下：

表2 地物紋理統(tǒng)計特征值Table 2 Statistical feature values of texture

（1）二階矩（Second moment）：描述影像灰度分布的勻質(zhì)性與一致性。影像紋理均勻性強時，二階矩大；影像紋理均勻性弱時，二階矩小。

（2）對比度（Contrast）：反映遙感影像清晰度，表示圖像小區(qū)域變化情況，圖像小區(qū)域內(nèi)變化大時，對比度值大。

（3）熵（Entropy）：度量遙感影像紋理特征值是否雜亂，影像紋理不一致時，熵較大。

（4）相關性（Correlation）：表示相鄰像元灰度值線性依賴程度，描述影像線性目標方向性。當線性地物成某一方向排列，該方向的相關性明顯高于其他方向。

輕度鹽漬土表面有植被覆蓋，紋理信息較復雜，均勻性較差，因此其二階矩較小，熵值、對比度及相關性值較大；鹽土表面為鹽殼的光板地，基本無植被覆蓋，因此其表面均勻性強，區(qū)域變化情況較小，故其二階矩值較大，熵值、對比度及相關性值較小。

1.5.2 光譜特征提取

光譜特征是描述分割后影像對象及對象中像元的所有特征的集合。除均值、亮度、標準差等常見的光譜特征參數(shù)外，自定義的光譜特征參數(shù)能夠提高分類精度。本研究利用歸一化植被指數(shù)和鹽分指數(shù)對研究區(qū)鹽漬土進行分類。

（1）歸一化植被指數(shù)。綠色植被在近紅外波段有強反射，在紅光波段有強吸收。受鹽漬化影響的植物近紅外波段反射率降低，其植被指數(shù)均較低，因此，利用植被指數(shù)可有效提取土壤的鹽漬化信息[21]。本研究利用歸一化植被指數(shù)（NDVI）提取土壤鹽漬化信息，其計算公式為：

式中：NIR、R分別表示近紅外波段、紅光波段的地面反射率。

（2）鹽分指數(shù)。KHAN 等[22]的研究證明土壤鹽漬化的程度受遙感影像紅、藍波段的影響較大，并將這兩個波段確定的參數(shù)稱為鹽分指數(shù)（SI），其計算公式為：

式中：R和B分別表示遙感影像中的紅波段和藍波段的反射率值。

1.6 圖像分割與分類

分別選擇30、65、85、125、155 五個尺度對預處理后的遙感影像進行分割，經(jīng)多次試驗，最終將分割尺度設置為85，形狀因子和光滑度因子分別設置為0.1 和0.5，各波段權(quán)重均為1。此參數(shù)條件下遙感影像分割最適宜，最適合進行研究區(qū)鹽漬土信息的提取。根據(jù)分割后遙感影像對象與分類類別間關系的不確定性，基于影像光譜與紋理特征將分割后的對象依次劃分到指定類別中，實現(xiàn)研究區(qū)鹽漬土信息的提取。

本研究以研究區(qū)實地調(diào)查資料為基礎，通過人機交互的方式選擇提取效果最佳的閾值，對鹽漬土進行分類。首先，利用分割后對象的光譜特征信息，得到僅利用光譜信息分類的研究區(qū)土壤鹽分分類結(jié)果（圖3a）；然后，加入遙感影像的紋理特征信息，通過研究區(qū)鹽漬土分類規(guī)則（表3），得到利用遙感光譜與紋理特征信息結(jié)合的研究區(qū)土壤鹽分分類結(jié)果（圖3b）。

表3 分類規(guī)則Table 3 Classification rules

圖3 研究區(qū)土壤鹽分分類結(jié)果Figure 3 Classification results of soil salinity in the study area

1.7 分類結(jié)果精度評價

利用e Cognition軟件建立242個樣本點的待評價工程，根據(jù)TTA Mask 計算混淆矩陣，最終得到總體分類精度、Kappa 系數(shù)、生產(chǎn)者精度、使用者精度等精度評價指標。具體精度評價指標含義如下：

（1）總體分類精度：遙感影像中所有正確分類的像元數(shù)與采樣點總數(shù)的比值。

（2）Kappa 系數(shù)：COHEN[23]提出的用于表示分類結(jié)果比隨機分類精確多少的指標。Kappa值介于0～1之間，Kappa值越大表示分類精度越高。

（3）生產(chǎn)者精度：整個遙感影像中被正確分為該類的像元數(shù)與該類真實參考總數(shù)的比值。

（4）使用者精度：被正確分到該類的像元總數(shù)與整個影像被分為該類的像元總數(shù)間的比值。

2 結(jié)果與分析

2.1 分類結(jié)果

圖3a和圖3b分別為基于光譜信息和光譜與紋理信息結(jié)合的研究區(qū)分類結(jié)果。表4 為利用光譜與紋理信息結(jié)合的分類方法得到的研究區(qū)土壤鹽分分類結(jié)果統(tǒng)計表（扣除灘涂、水體等），結(jié)合圖3b 分析研究區(qū)不同等級的鹽漬土的空間分布規(guī)律。研究區(qū)不同鹽漬化程度的土壤中，鹽土分布面積最廣，占鹽漬土總面積的59.98%，主要分布在研究區(qū)東部濱海地區(qū)，西部、西南部分區(qū)域有零星分布；其次是中度鹽漬土，占鹽漬土總面積的22.54%，主要分布在研究區(qū)西南部、黃河沿岸和居民區(qū)附近；重度鹽漬土多集中分布于研究區(qū)中部的鹽土與中度鹽漬土之間，是鹽土與中度鹽漬土之間的緩沖區(qū)域；輕度鹽漬土面積最小，僅占研究區(qū)鹽漬土總面積的2.17%，零星分布于研究區(qū)中部與西南部。造成此分布規(guī)律的主要原因是研究區(qū)東部濱海地區(qū)主要受海水入侵影響，地下水礦化度高，因此土壤鹽漬化程度高；中部居民區(qū)密集，受人類耕作等生產(chǎn)活動的影響，鹽漬化程度相對偏低；黃河沿岸地勢較高，且黃河豐富的淡水資源對表層土壤有灌洗作用，降低了該區(qū)的鹽漬化程度；西南部地勢相對較高，因此鹽漬化程度低。

表4 光譜與紋理信息結(jié)合的研究區(qū)土壤鹽分分類結(jié)果統(tǒng)計（扣除灘涂、水體等）Table 4 Statistical results of soil salt classification in the study area based on the combination of spectral and texture information（excluding tidal flats and water bodies）

2.2 精度分析

表5 為基于分類規(guī)則的研究區(qū)鹽漬土分類結(jié)果精度評價表，由表5 可以看出：①利用光譜與紋理信息結(jié)合的分類方法提取鹽漬地信息的總體分類精度為92.4%，與僅利用光譜信息分類的分類方法相比，總分類精度提高了10.5 個百分點，Kappa 系數(shù)由0.75提高至0.89。②利用光譜信息的研究區(qū)分類結(jié)果中，五個分類類別均存在明顯錯分現(xiàn)象，加入紋理信息后，誤判率明顯降低。③從各類別的提取精度看，中度鹽漬土的生產(chǎn)者精度與使用者精度最高，分別為95.0%、95.9%，其次是輕度鹽漬土，其生產(chǎn)者精度與使用者精度分別為92.3%、90.9%；鹽土的生產(chǎn)者精度與使用者精度最低，分別為86.1%、88.6%。

表5 基于分類規(guī)則的研究區(qū)鹽漬土分類結(jié)果精度評價Table 5 Accuracy evaluation of classification results of saline soil in the research area based on classification rules

3 討論

本研究利用遙感影像光譜與紋理特征信息結(jié)合的分類方法對研究區(qū)鹽漬土進行分類，分類精度相較于僅依靠光譜信息的分類方法明顯提高，這與馬長輝等[17]、繆琛等[22]的研究結(jié)果一致，說明加入紋理信息能夠提高遙感影像信息提取的精度；同時，本研究利用面向?qū)ο蠓ǎ紫葘⑦b感影像分割為不同多邊形，再根據(jù)不同多邊形屬性間的差異進行分類，相較于像元分類更快捷，提高了遙感影像信息提取的速率。

不同類別鹽漬土的提取精度有明顯差異，與其地表覆蓋狀況有較大關系，中度、輕度鹽漬土地表有植被覆蓋，紋理信息較復雜，加入紋理特征信息對遙感影像進行分類，能夠降低遙感影像的分類難度，明顯提升其分類精度；而重度鹽漬土與鹽土地表相對均勻，有極少甚至沒有植被覆蓋，紋理特征較少，加入紋理特征信息無法完全消除其錯分誤差。因此，如何進一步提取土壤鹽漬化空間特征信息來減輕錯分誤差還需進一步研究。

墾利區(qū)4 月份的土壤表層水分蒸發(fā)強烈，土壤積鹽嚴重，是一年中鹽分聚集的高峰期，此時植被生長狀況較好，不同鹽漬化程度的土壤植被生長狀況不同，在遙感影像上容易通過植被覆蓋狀況區(qū)分不同等級鹽漬土。因此，本研究利用4 月份Sentinel-2 遙感影像的光譜及紋理信息等空間信息提取土壤鹽漬化信息，使結(jié)果可信度更高。

王卓然等[5]的研究表明，墾利區(qū)鹽漬土分布的空間格局受黃河和渤海的影響顯著，是黃河與高礦化海水相互作用的結(jié)果，距黃河越遠或距渤海越近，土壤含鹽量越高，這與本研究獲取的土壤鹽漬化空間特征一致。

4 結(jié)論

本研究利用Sentinel-2 遙感影像，通過光譜與紋理特征信息結(jié)合的方法實現(xiàn)墾利區(qū)4 月份土壤鹽漬化信息的提取，并結(jié)合實地采樣的樣點數(shù)據(jù)進行精度評價，得出以下結(jié)論：

（1）本研究通過統(tǒng)計研究區(qū)采樣點紋理特征值的均值篩選出二階矩、對比度、熵、相關性四個紋理特征統(tǒng)計量，參與墾利區(qū)鹽漬土信息提取，最終總體分類精度92.4%，Kappa 系數(shù)0.89，分類結(jié)果精度較高，說明本研究所選紋理特征值是有效的。

（2）與僅利用光譜信息分類的方法相比，本研究利用光譜與紋理信息結(jié)合的分類方法提取墾利區(qū)鹽漬土信息，總體分類精度提高10.5 個百分點，其中中度鹽漬土的分類效果最好，其生產(chǎn)者精度與使用者精度分別為95.0%、95.9%，鹽土分類效果最差，其生產(chǎn)者精度與使用者精度分別為86.1%、88.6%。加入紋理特征信息的分類結(jié)果有效減少了基于像元光譜信息分類方法可能出現(xiàn)的“椒鹽噪聲”，總體分類效果顯著提升。

（3）研究區(qū)鹽土分布面積最廣，占鹽漬土總面積的59.98%，主要分布在研究區(qū)東部濱海地區(qū)；中度鹽漬土多分布在研究區(qū)的西南部、黃河沿岸和居民區(qū)附近；輕度鹽漬土分布面積最小，零星分布于研究區(qū)西南部與中部。

本研究提出利用遙感影像光譜和紋理特征信息結(jié)合的分類方法對墾利區(qū)鹽漬化土壤進行分類，明顯提高了鹽漬土的分類精度和效果，為更加準確地提取研究區(qū)土壤鹽漬化信息提供了新途徑。