内蒙古河套灌区融解期土壤盐分多极化雷达响应分析

于海云，王志军，李 彪，于海立

(1.内蒙古机电职业技术学院,呼和浩特 010070；2.内蒙古水土保持监测站,呼和浩特 010020；3.内蒙古自治区水利水电勘测设计院,呼和浩特 010020)

内蒙古河套灌区融解期土壤盐分多极化雷达响应分析

于海云1，王志军2，李 彪1，于海立3

(1.内蒙古机电职业技术学院,呼和浩特 010070；2.内蒙古水土保持监测站,呼和浩特 010020；3.内蒙古自治区水利水电勘测设计院,呼和浩特 010020)

土壤盐渍化严重制约了河套灌区农业经济的发展,传统的点位测量方法已经无法满足人们对大面积土壤盐渍化分布认知的需求。遥感技术能快速获取盐渍地宏观分布及变化情况,而可见光、红外遥感存在一定的局限性,具有全天候、穿透性强的雷达遥感成为研究的焦点。以内蒙古河套灌区五原县为研究区,结合Radarsat-2四极化雷达遥感数据对融解期土壤的盐渍化进行响应分析。研究结果发现极化组合(VH2+HH2)/(VH2-HH2)对不同盐渍土有较强的响应性与分离性,以极化组合为参量建立回归模型y=0.552 3x-0.645 9,模型最终达到良好的相关性(R2=0.768 1),利用回归模型对试验区不同程度盐渍化土壤分类分析,结合10个土壤样本点进行精度验证,结果多数土壤样本点的相对误差＜10%,精度优于传统盐渍土分类方法。

雷达遥感；土壤盐分；极化组合；河套灌区；精度分析

2015,32(11):19-24

1 研究背景

土壤盐渍化是土地退化和土地荒漠化的主要类型之一,是干旱、半干旱地区人类不合理的活动和脆弱的生态环境共同作用所导致的[1]。土壤盐渍化问题对河套灌区的农业生态系统带来破坏性的影响,给当地农民带来直接的经济损失,内蒙古河套灌区的盐渍化土地面积约占内蒙古盐渍化土地面积的70%[2]。因此,借助遥感手段监测河套平原盐渍化的研究成果是该地区灌溉制度制定、盐渍化土壤治理方案编写的基础资料。因遥感技术具有实时性强、观测范围广等特点,适合用来研究土壤盐渍化问题。国外学者利用遥感卫星对土壤盐渍化进行研究始于20世纪70年代[3]。Bao等(1995)[4]发现土壤的盐分越高光谱响应越强,尤其在可见光和近红外波段,而红光和绿光波段会受到地表植被的影响；Dwivedi等(1998)[5]采用PCA和HIS等图像变换方法对土壤盐分的动态变化做了较好的研究；澳大利亚学者Metternicht(2003)[6]结合遥感、地理信息系统以及专家系统对盐渍化进行了模拟与预测,该学者在盐渍化时空动态变化方面取得了一定的成果；J.G.Paine(2007)等[7]学者利用电磁感应手段结合水质化学分析,对土壤盐渍化进行了定量研究；J.Farifteh等(2008)[8]利用高光谱数据对土壤盐分进行了分类研究,通过光谱特性可以很好分离出盐渍土和非盐渍土,而且发现表层土壤的盐分和土壤的反射率有良好的线性关系。国内学者利用遥感研究土壤盐渍化虽比国外晚10 a,但是在盐渍化方面的研究也取得了一定成就[9],张恒云(1992)等[10]利用气象卫星建立了盐渍土和土壤水分以及天气温度的回归模型,分析了滨海盐渍土的分布情况；邵云等(2002)[11]研究发现土壤盐分和土壤的介电常数联系紧密,介电常数的虚部随着雷达影像频率的降低而增高,不同的波段组合(L波段和C波段)可以对土壤盐渍化进行监测；牛宝茹(2005)[12]利用遥感影像借助目视判读的方法对塔里木河上游表层土壤盐渍化进行了监测,监测结果精度达到理想效果；李海涛等(2006)[13]运用ASTER遥感影像数据并结合物探方法和土样分析实验,对焉耆盆地土壤盐渍化进行了定性和定量分析研究；江红南(2007)[14]利用遥感技术、地理信息系统、全球定位系统结合灰色理论知识对土壤盐渍化进行了时间和空间变化的定量研究。综上所述,利用光学遥感对盐渍地信息监测分类已经达到了良好的精度,但是光学遥感对天气的依赖性较强,实现实时观测十分困难；在利用微波遥感方面,学者大多基于被动雷达遥感或者单极化雷达遥感,对于监测成果所含地表信息量较少,最终监测精度不高。而在精细四极化主动微波遥感方面的研究相对比较少,同时研究区域选择在盐渍地比较明显的河套灌区五原县,研究成果对该区域盐渍化的治理具有一定的理论指导意义。

2 研究区概况与数据源

2.1 研究区概况

五原县在内蒙古河套平原腹地,南临黄河,北临阴山,东临包头,西临巴彦淖尔市市区,五原县是有着2 000多年文明历史的塞上明珠,地理坐标为东经107°36′10″—108°37′50″,北纬40°46′30″—41°16′45″；占地总面积为2 492.9 km2,占河套灌区面积的1/4,气候属于中温带大陆性气候,干燥多风少雨,平均气温为6.1℃,年均降雨量为170 mm,多集中在夏秋两季[15]。五原县是典型的河套灌区之一,引黄灌溉制度对发展当地农业生产和改善农业生态环境起着非常重要的作用,但是其带来的负面影响也是显著的,如渠系水渗漏和大水漫灌是导致地下水居高不下的直接原因；潜水蒸发严重,诱发地下盐分向表层聚集,矿化度严重,从而产生土壤次生盐渍化[2]。

2.2 数据源

Radarsat-2是由MAD(MacDonald Dettwiler and Associates Ltd)和CAS(Canadian Space Agency)于2007年共同出资开发的星载合成孔径多极化雷达系统,雷达频率为C波段,该波段可提取地表0～5 cm的土壤信息[16]。雷达影像接收时间为2014年4月10日,正值河套灌区融解期,影像为四极化精细模式(HH+HV+VH+VV极化),标称分辨率为8 m,处理级别为SLC,一景影像的覆盖面积为25 km×25 km,微波入射角范围为35.425 739 8°～36.6 835 456°,影像的覆盖区为裸露地表,加之季节原因处理影像时不考虑植被覆盖的影响。

在五原县实验区采集与Radarsat-2影像时相一致的33个土壤样本,每个土壤样本取4个重复,样本以边长小于8 m的正方形组成,并用手持GPS记录土壤样本中心点的地理坐标信息。室内实验通过EDTA滴定法计算土壤样本的含盐量信息,土壤样点含盐量最终以4个样本的平均值代表,根据农业行业标准将土壤样本的含盐量划分为非盐渍土、轻度盐渍土、中度盐渍土、重度盐渍土4大类,划分标准如表1所示,土壤样本采样点分布如图1所示。

表1 土壤划分标准Table 1 Soil classification

图1 土壤样本采样点分布Fig.1 Layout of soil sampling points

3 影像数据处理

3.1 雷达影像处理

雷达影像不同于可见光遥感,其采用相干微波源照射,各散射中心回波的相干叠加,造成合成矢量的振幅和相位都有一定起伏,最终得到的雷达影像出现相干噪声[17],为了抑制雷达影像的斑点噪声,对影像采取多视、滤波处理。多视处理即采用相干叠加的办法对斑点噪声进行平滑处理；而滤波处理就是在保障图像原有的细节信息前提下,将局部n×n范围的影像灰度值的均值代替中心的灰度值,提高影像质量。雷达影像的SLC格式属于斜距坐标,通过地理编码处理,影像做了相应的地距转换,处理完的影像可以设置为WGS-84坐标系；结合研究区的DEM数据,通过辐射定标处理之后,雷达影像上的每一个像元值由亮度值转换成后向散射系数值,利用定标公式可以很好地完成亮度值与后向散射系数值之间的转换,公式如下[18]:

式中:i,j代表遥感影像像元的行列号；DN为雷达影像像元的亮度值；K为绝对定标系数；G为天线的增益；θi,j为雷达影像每个像元的天线高度角；Ri,j为雷达影像的斜距距离；Rref为雷达影像的参考基准斜距；αi,j表示卫星入射角。其中影像的亮度值、绝对定标系数、斜距距离从影像上提取；而天线增益、天线高度角、参考基准及卫星入射角是影像文件自带的参数。

3.2 雷达影像配准

借助谷歌卫星地图下载器,下载与雷达影像区域相同的Google Earth影像,该下载器可以完好地保留影像的地理坐标信息。影像配准是将图像纠正在某种地理编码的坐标系统中,使得它与某个参考影像具有相同的几何属性,此次影像配准选择Google Earth影像作为参考影像,在配准过程中尽量选择易于分辨的特征点(路的交叉点、房子的拐角等),特征点尽可能地均匀分布在整幅影像中,纠正结果的最后精度RMS为0.530 124,不到一个像元,雷达影像的分辨率为8 m,反映到实地的精度为4.24 m。对于研究区地块的大小,采样点最后提取对应的后向散射系数值误差可以忽略不计。

4 数据分析

4.1 融解期盐渍土的后向散射系数

内蒙古河套灌区属于寒冷地区,季节间温差较大,土壤的冻融变化是引起土壤盐渍化变化的主要原因,河套灌区秋浇具有压盐保墒的作用,在秋浇前后土壤盐分含量会产生较大变化,土壤在融解期,土壤的蒸发量远大于降雨量导致盐分会在地表聚集。雷达影像的均一性比较差,最大值和最小值相差很大,在提取雷达后向散射系数值时可以围绕采样点中心提取多值最后取平均；取均值虽不是最好的办法,但却是最常用和最简单的方法,均值可以代替采样点的后向散射系数值[19],部分采样点数据如表2所示。

后向散射系数均值可以反映土壤的散射特征,将不同土壤类别的四极化后向散射系数均值分离出来,绘制不同程度盐渍土后向散射系数特征图,如图2所示。

图2 不同盐渍土后向散射系数特征图Fig.2 Backscatter coefficient characteristics of different saline soils

河套灌区融解期不同盐渍化程度的土壤对四极化后向散射系数响应分析可知,雷达影像同极化方式(HH,VV)对盐渍土的响应明显高于不同极化方式(HV,VH)；HH极化方式的后向散射系数高于其他极化组合方式,HV,VH极化组合之间的后向散射系数较相近。VV极化方式影像的后向散射系数对轻度盐渍化土壤的响应比较强烈。HH极化方式影像的后向散射系数对不同盐渍化程度的土壤响应都比较强烈。

为了更加准确对不同程度的盐渍土进行分离,我们分析不同土壤对应的后向散射系数值情况,如表3所示。由表3可知,在融解期同极化不同盐渍化程度土壤的后向散射系数均值相差比较小,VV极化影像均值的最大值与最小值相差11.38 dB；HH极化影像均值的最大值与最小值相差10.89 dB；在交叉极化上HV极化影像均值的最大值与最小值相差为19.03 dB；VH极化影像均值的最大值与最小值相差为23.64 dB。这说明了不同盐渍化程度的土壤在交叉极化上的分离性比同极化上的分离性好。

综上分析可知,同种极化方式HH对土壤的响应比较强烈,交叉极化VH对土壤的分离性较好,因此利用Radarsat-2雷达影像的C波段对盐渍地信息进行提取时,需考虑这2种极化方式。

表2 部分采样点数据Table 2 Partial data obtained from sampling points

表3 不同盐渍土的后向散射系数极值Table 3 Extreme values of the backscatter coefficient for different saline soils

4.2 融解期盐渍土不同极化组合的后向散射系数

对于单极化雷达影像数据,提取的土壤信息量相对较少,研究的结果会受到影响,此次试验获取了雷达精细四极化数据,可以对极化方式进行组合,进一步分析不同极化组合对地物后向散射特性的响应。在融解期HH极化雷达后向散射系数对盐渍土的响应最强烈,VH极化雷达后向散射系数对盐渍土的分离性比较好,选取这2个极化方式的组合形式进行分析,极化组合有VH+HH,VH/HH,(VHHH)/(VH+HH),(VH2+HH2)/(VH2-HH2),计算得出这些极化组合形式的后向散射系数值,分析其与不同程度盐渍土的响应关系,如图3所示。

图3 不同极化组合对盐渍土响应分析Fig.3 Response analysis of saline soil under different polarization combinations

如图3可知,VH+HH极化组合中呈现先下降后上升的趋势,对于非、轻度、中度盐渍土的分离性较好,但是很难区分出重度盐渍土；对于VH/HH极化组合,后向散射系数呈现上升下降的不稳定趋势,对于4种不同程度的盐渍化土壤都很难分离；对于(VH-HH)/(VH+HH)极化组合,后向散射系数随着盐渍化程度的加重呈下降趋势,但是在非、轻度、中度盐渍土的下降趋势不是很明显,对于区分这3种土壤很容易出现错误；对于(VH2+HH2)/(VH2-HH2)极化组合,后向散射系数随着盐渍化程度的增强而上升,而且各种盐渍化程度的分离性都比较好,不容易产生混淆,因此该极化组合方式可作为研究区融解期盐渍化土壤信息提取的参考指数。

4.3 回归分析

在土壤融解期选择(VH2+HH2)/(VH2-HH2)极化组合来建立模型,研究雷达图像的后向散射系数和含盐量的关系,将该极化组合设为变量x,即x= (VH2+HH2)/(VH2-HH2),将其中的23个土壤样点的含盐量数据与x进行线性回归分析模拟,建立的回归方程为s=0.552 3x-0.645 9,式中s代表全盐量,x代表极化组合(VH2+HH2)/(VH2-HH2),如图4所示,相关性系数R2=0.768 1,可知s与x达到了良好的相关性。

图4 线性回归模型Fig.4 Linear regression model

5 精度分析

5.1 对Radarsat-2影像进行决策树分类

图5 盐渍化分类结果Fig.5 Salinization classification

根据建立的盐分回归方程,通过ENVI决策树方法对影像进行分类,分类结果如图5所示,分类统计如表4所示,可以看出非盐渍地所占比重最大,为75.298%,重度盐渍地次之,为14.754%,可以看出研究区内盐渍化程度比较严重,且分类结果与研究区地表呈现的盐渍化现象较为吻合。

表4 分类统计Table 4 Classification statistics

5.2 精度检验

借助线性回归方程对研究区进行了不同程度盐渍化分类,为了验证模型以及分类结果的可靠性,用剩余的10个点作为精度的检验；根据土壤采样点的地理位置信息与盐渍化分类图相匹配,提取10个土壤采样点对应的反演值,并与实测值进行比较分析,如表5所示,可以看出多数土壤样本点的相对误差小于10%,反演精度比较可观。

表5 盐渍化精度分析Table 5 Precision analysis on soil salinization

6 结 语

土壤盐渍化问题是影响河套灌区农业生产的重要因素,因雷达数据具有全天候,全天时,受天气、气候影响较小的优点,常被用作土壤盐分信息提取的基础数据,这对于干旱、半干旱、季节气温变化较大地区土地盐渍化监测非常有利。研究采用四极化精细模式C波段的Radarsat-2数据对研究区域进行监测,弥补了可见光遥感提取盐渍地信息的局限性,经过对雷达影像的处理,准确获取了土壤融解期的后向散射系数值,分析不同程度的盐渍土与后向散射系数的关系,发现同极化HH对盐渍土的响应比较强烈,交叉极化VH对盐渍地的分离性比较好；通过HH和VH不同极化组合后向散射系数对土壤盐渍化响应分析,得出(VH2+HH2)/(VH2-HH2)极化组合能很好地将非、轻、中、重盐渍地区分开；以极化组合作为变量建立了线性模型y=0.552 3 x-0.645 9,通过决策树利用模型对研究区进行了盐渍化分类,并对分类结果及模型精度做了验证,结果表明多数样本点的相对误差小于10%,说明反演精度较高,研究成果可以作为五原县土壤盐渍化监测的理论基础。

雷达影像对土壤水分也比较敏感,文中未能有效地分析土壤水分对极化方式的影响,建立的回归模型也未除去土壤水分干扰；而且研究成果是针对河套灌区建立的,是否具有普适性,还需进一步验证,这是今后工作的重点。

[1]李凤全,吴樟荣.半干旱地区土地盐渍化预警研究-以吉林省西部土地盐渍化预警为例[J].水土保持通报, 2002,22(1):57-59.(LI Feng-quan,WU Zhang-rong.A Study on Soil Salinization Early-warning in Semi-arid Area: As a Sample in West Jilin Province[J].Bulletin of Soil and Water Conservation,2002,22(1):57-59.(in Chinese))

[2]刘秉旺,张茂盛,陈龙生,等.内蒙古河套灌区土壤盐渍化成因研究[J].西部资源,2012,(3):172-175.(LIU Bing-wang,ZHANG Mao-sheng,CHENG Long-sheng,et al.Soil Salinization Genetic Research in Inner Mongolia Hetao Irrigation District[J].Western Resources,2012, (3):172-175.(in Chinese))

[3]SING A N,KRISTOF S J,BAUMGARDNER M R.Delineating Salt-affected Soils in the Gangatic Plain India by Digital Analysis of Landsat data[R].Indiana,United States:Puedue University Laboratory for Applications of Remote Sensing,1977:111-477.

[4]RAO B R M,SANKAR T R,DWIVEDI R S,et al.Spectral Behaviour of Salt-affected Soils[J].International Journal of Remote Sensing,1995,16(12):2125-2136.

[5]DWIVEDI R S,RSO B R M.The Selection of the Best Possible Landsat TM Band Combination for Delineating Saltaffected Soils[J].International Journal of Remote Sensing, 1992,13(11):2051-2058.

[6]METTERMICHT G I.Remote Sensing of Soil Salinity-potentials and Constraints[J].Remote Sensing of Environment,2003,85:1-20.

[7]PAINE J G,NANCE H S,COLLINS E W,et al.Quantifying Contributions to Stream Salinity Using Electromagnetic Induction and Hydrochemistry in A Small Texas Coastal-Plain Basin[J].Applied Geochemistry,2007,22(10): 2207-2224.

[8]FARIFTEH J,MEER F V D,MEIJDE M V D,et al. Spectral Characteristics of Salt-Affected Soils:A Laboratory Experiment[J].Geoderma,2008,145:196-206.

[9]彭望录,李天杰.TM数据的Kauth-Thomas变换在盐渍土分析中的应用——以阳高盆地为例[J].环境遥感, 1989,4(3):183-190.(PENG Wang-lu,LI Tian-jie.The Effect of Kauth-Thomas Transformation of TM Data in the Analysis of Saline Soil:An Example in Yang Gao basin[J]. Remote Sensing of Environment,1989,4(3):183-190.(in Chinese))

[10]张恒云,尚淑招.NOAA.AVNRR资料在监测土壤盐渍化程度中的应用[J].遥感信息,1992,(1):24-26. (ZHANG Heng-yun,SHANG Shu-zhao.NOAA.AVNRR Information Application in Monitoring Soil Salinization Degree[J].Remote Sensing Information,1992,(1):24-26. (in Chinese))

[11]邵 云,吕 远.含水含盐土壤的微波介电特性分析研究[J].遥感学报,2002,(6):416-423.(SHAO Yun,LV Yuan.Study on Soil Microwave Dielectric Characteristic as Salinity and Water Content[J].Journal of Remote Sensing, 2002,(6):416-423.(in Chinese))

[12]牛宝茹.塔里木河上游表土积盐量遥感信息提取研究[J].土壤学报,2005,42(4):674-677.(NIU Bao-ru.Extraction of Remote Sensing Information of Surface Soil Salt Accumulation in the Upper Reaches of the Tarim River[J]. Acta Pedologica Sinica,2005,42(4):674-677.(in Chinese))

[13]李海涛,P.BRUNNER,李文鹏,等.ASTER遥感影像数据在土壤盐渍化评价中的应用[J].水文地质工程地质, 2006(5):75-79.(LI Hai-tao,BRUNNER P,LI Wenpeng,et al.Application of ASTER Image to Soil Salinization Assessment[J].Hydrogeology and Engineering Geology,2006,(5):75-79.(in Chinese))

[14]江红南.基于3S技术的干旱区土壤盐渍化时空演变研究[D].乌鲁木齐:新疆大学,2007.(JIANG Hong-nan. Research on the Soil-salinization Spatial Temporal Evolution Based on 3S Technique in Arid Area[D].Urumqi: Xinjiang University,2007.(in Chinese))

[15]赵 劲.内蒙古五原县农业结构调整研究[D].北京:中国农业科学院,2008.(ZHAO Jing.Study on the Readjustment of Agricultural Structure of Wuyuan County in Inner Mongolia[D].Beijing:Chinese Academy of Agricultural Sciences,2008.(in Chinese))

[16]ZHOU P,DING J L,WANG F,et al.Retrieval Method of Soil Water Content in Vegetation Covering Areas Based on Multi-source Remote Sensing Data[J].Journal of Remote Sensing,2010,14(5):959-965.(in Chinese))

[17]王 超,张 红,陈 曦,等.全极化合成孔径雷达图像处理[M].北京:科学出版社,2008:55-56.(WANG Chao,ZHANG Hong,CHEN Xi,et al.Image Processing of Full Polarization Synthetic Aperture Radar[M].Beijing: Science Press,2008:55-56.(in Chinese))

[18]喻忠伟.基于BP人工神经网络和Radarsat-2遥感影像的土壤墒情监测研究[D].郑州:郑州大学,2013:39-41.(YU Zhong-Wei.The Study of Monitoring Soil Moisture Based on Redarsat-2 Remote Sensing Images and BP Artificial Neural Network[D].Zhengzhou:Zhengzhou University,2013:39-41.(in Chinese))

[19]韦建波.Radarsat-2数据再干旱区盐渍地信息提取中的应用[D].乌鲁木齐:新疆大学,2009:32-35.(WEI Jianbo.Application of Radarsat-2 data on Soil Salinity Monitoring in Arid Area[D].Urumuqi:Xinjiang University, 2009:32-35.(in Chinese))

(编辑:赵卫兵)

Response Analysis of Multi-polarization Radar on Soil Salt During Melting Period in Hetao Irrigation District of Inner Mongolia

YU Hai-yun1,WANG Zhi-jun2,LI Biao1,YU Hai-li3
(1.Inner Mongolia Technical College of Mechanics and Electrics,Hohhot 010070,China；2.Soil and Water Conservation Monitoring Station in Inner Mongolia,Hohhot 010020,China；3.Inner Mongolia Water Resoures and Hydropower Survey and Design Institute,Hohhot 010020,China)

Soil salinization severely restricted the development of agricultural economy in Hetao irrigation district of Inner Mongolia.Traditional point measurement methods couldn't supply adequate precision for salinization distribution of large area soil.Remote sensing was applied for solving the problem,which could get the distribution and variation of saline land quickly.But common radar remote sensing had several limitations such as visible light and infrared remote sensing,so radar remote sensing with the characteristics of all-weather and strong penetrability become the focus of research.Response analysis of soil salinization in melting period was carried out in a study area, located in Wuyuan county of Hetao irrigation district,combining with the radar remote sensing data from Radarsat-2 four polarization.The study shows that polarization combination of(VH2+HH2)/(VH2-HH2)has strong responsiveness and separability for different saline soils.We establish a regression model(S=0.552 3X-0.645 9)whose parameter is polarization combination,and the model has good correlation with determination coefficient R2of 0.768 1.Classification of different saline soils is analyzed with ten soil sampling points.The results show that the relative error is less than 10%for most of the soil sampling points,and the model's accuracy is superior to that of the traditional classification method.

radar remote sensing；soil salt；polarization combination；Hetao irrigation district；precision analysis

S152.7；P628.2

A

1001-5485(2015)11-0019-06

10.11988/ckyyb.20150192

2015-03-15；

2015-04-17

于海云(1979-),女,安徽阜阳人,讲师,硕士研究生,主要从事水利工程方面研究,(电话)13904710654(电子信箱)yuhaiyun_001@ 163.com。

王志军(1978-),男,内蒙古乌兰察布人,工程师,主要从事水土保持监测及管理方面研究,(电话)18604883300(电子信箱) wzj228609@163.com。