基于Sentinel-1/2的土壤盐分含量反演研究

马 驰,刘晓波

(1.辽宁省交通高等专科学校，辽宁 沈阳 110122；2.中国电建集团北京勘测设计研究院有限公司，北京 100024)

土壤盐碱化是土壤环境灾害的重要表现，一般发生在地势低平且水位较高、排水不畅的干旱与半干旱地区，已成为世界性有待解决的生态环境难题[1-2]。因此，实时监测、评估土壤盐碱化严重地区的土壤含盐量对于区域土壤环境的恢复与保护具有重要意义。传统的监测区域土壤含盐量的方法多为实地调查土壤采样，并在实验室化验土样的含盐量。此方法虽然精度较高，但费时费力，只能获得一定数量的点状数据。遥感技术具有数据获取方便迅捷、影像覆盖范围广泛、数据成本低廉等优点，已广泛应用于土地盐碱化的监测与评估中[3-5]。

合成孔径雷达(Synthetic aperture radar，SAR)具有全天时、全天候等特点，对植被、云雾、雨雪具有一定的穿透能力，能够更好地探测地表信息[6-7]。然而，于合成孔径雷达属于主动微波遥感，SAR影像的后向散射系数容易受到地形、极化方式、入射角等因素的影响，降低了对地表地物识别的精度[8-10]。光学遥感影像能够反映地表地物的光谱信息，在一定程度上可以弥补SAR数据在地物识别中的缺陷。研究表明，将光学遥感影像与SAR影像进行融合应用，可以增加融合影像中的有用信息，减少地物识别过程中的差异性与不确定性，从而增强对地物的识别能力。

本文试验利用Gram-Schmidt(GS)融合算法将Sentinel-1A双极化雷达数据与Sentinel-2A多光谱影像进行融合，以我国典型苏打盐碱土区——吉林省白城市为研究对象，结合野外调查的土壤采样实验室化验数据，建立白城市土壤含盐量的反演模型，实现对研究区土壤含盐量的监测与制图，为区域土壤环境监测提供数据支持，为Sentinel-1A雷达数据与Sentinel-2A多光谱数据融合及应用提供参考。

1 材料与方法

1.1 研究区概况

白城市地处吉林省西部，是世界三大苏打盐碱土区域之一，面积约2.6万km2，气候属于中温带大陆性季风气候。白城市西部、北部地区为山地地貌，海拔较高，中部、东部和南部地区为平原地貌，地势低平。多年来，受自然条件、土壤质地、人为因素等影响，白城市土壤盐碱化严重，实时监测土壤含盐量对于精确改良土壤质量意义重大。

1.2 技术路线

将Sentinel-1A SAR影像与Sentinel-2A多光谱影像融合，反演白城市土壤含盐量的技术路线如图1。

图1 技术路线图Fig.1 Technology roadmap

1.3 研究区土壤采样及化验

根据白城市气候及地表植被情况，选择2019年春季5月5日至11日对研究区进行土壤采样，此时研究区地表无冰雪且绿色植被稀少。首先，参考研究区遥感影像设计采样路线，采样点选择在视野开阔的裸土区域，且均匀地分布于研究区内，采样点及采样路线如图2(见257页)所示。采样过程采用多点采样法，即：在采样位置20×20 m范围内采集4～5点表层(0～15 cm)土壤样品，混合后收取约1 kg土壤装入采集袋，同时利用GPS接收机测定采样位置坐标，共采得土壤样品54个。在实验室化验土壤样品的含盐量，为研究区表层土壤含盐量的反演提供数据。本试验将土壤样品随机分组：建模样品38个、检验样品16个，其含盐量的描述统计见表1。

图2 采样路线图Fig.2 Sampling roadmap

表1 土壤样品分组及含盐量统计

1.4 遥感数据选择与处理

为了真实反映土壤采样时刻研究区地表信息，选择与采样时间相近的遥感影像数据。其中，选取Sentinel-1A SAR影像2景，成像时间为2019年5月8日；选取Sentinel-2A多光谱遥感影像共4景，成像时间为2019年5月7日。Sentinel-1 SAR影像预处理采用欧空局发布的SNAP软件，主要完成SAR影像的辐射定标、噪声去除、Lee滤波、地理编码等，生成具有WGS 84/UTM坐标系的后向散射系数影像。利用欧空局发布的Sen2cor和SNAP两种软件读取Sentinel-2A多光谱遥感影像并对其进行影像预处理工作，主要包括辐射定标和大气校正，生成具有WGS 84/UTM坐标系的地表反射率影像。Sentinel-2A多光谱影像的几何校正和裁剪等工作在ENVI5.3软件中完成。

1.5 遥感影像融合

本文采用Gram-Schmidt变换将Sentinel-1A SAR影像与Sentinel-2A多光谱遥感影像进行融合处理。GS变换能够保证影像融合前后波谱信息的一致性，是一种高保真的遥感影像融合方法[11-12]。GS波段融合表示如下：

(1)

式中，B表示原始波段，T表示已转换波段的编号，μT表示T波段的均值，φ(BT,GSl)表示高分辨率全色波段的协方差。

(2)

式中，C为图像总列数，R为图像的总行数。

(3)

计算得到平均值μT、方差δT以及协方差φ后，按以下公式调整高分图像：

(4)

最后，利用Gram-Schmidt逆变换生成融合图像。融合后影像的反射率表示为：

(5)

融合工作主要包括：将预处理后的SAR波段作为模拟的全色波段，将预处理后的Sentinel-2A影像作为多光谱波段；对全色和多光谱波段进行GS变换，其中模拟的全色波段为第一波段，并将GS变换后的第一波段替代全色波段；最后，应用GS反变换生成融合波段，实现SAR与多光谱影像的融合。

2 结果与分析

2.1 影像的后向散射系数或反射率与土壤含盐量的相关性分析

2.1.1 SAR影像与土壤含盐量的相关性 参考前人的研究[10,13-14]，将Sentinel-1A SAR影像后向散射系数及其波段组合与研究区土壤含盐量进行相关性分析，本文将Sentinel-1A SAR影像的VH、VV波段后向散射系数进行函数变换及波段组合。波段的函数变换包括VH、VV两个波段的倒数、对数、幂、指数、二次方等，波段组合包括VH和VV两个波段求商、两个波段的平方求商、两个波段的和与两个波段的差求商、两个波段的平方和与平方差求商等。相关性分析结果显示(表2)，Sentinel-1A SAR影像的VV波段后向散射系数与研究区土壤含盐量的相关性较好，相关系数为r=0.628；将两个波段进行函数变换后，VV波段后向散射系数的二次方与土壤含盐量相关性有较明显的改善，相关系数达到0.641；将波段进行组合并对波段组合进行函数变换，并未提高与土壤含盐量的相关性。

表2 影像的后向散射系数或反射率与土壤含盐量的相关性分析

2.1.2 Sentinel-2A影像反射率与土壤含盐量相关性分析 由表2可见，Sentinel-2A遥感影像反射率与研究区土壤含盐量呈正相关性，其中第5波段相关性最好，达到了r=0.696；反射率经过适当的函数变换可以改善与土壤含盐量的相关性，其中，反射率的幂函数变换与土壤含盐量的相关性在第5波段达到峰值，相关系数为r=0.768，也是与土壤含盐量相关性最好的函数变换形式；第11、12两个波段的反射率及其函数变换与研究区土壤含盐量的相关性较低，均未达到显著相关性标准；本文参考前人研究成果引入多种盐分指数，并分析盐分指数与研究区土壤含盐量的相关性。结果显示，盐分指数(B2B4)/B3与土壤含盐量相关性较高，达到r=0.822。

2.2 反演模型的建立

在54个土壤样本中随机选取38个作为建模样本，在SPSS软件中以建模样本土壤含盐量为因变量、遥感影像的反射率(反射率的变换)为自变量，利用回归分析的方法建立研究区土壤含盐量的反演模型(表3)。建模结果显示，以Sentinel-1A SAR影像VV波段的后向散射系数建立的研究区土壤含盐量反演模型Y=13.937X+4.255，模型决定系数为0.405，均方根误差RMSE为2.626 g·kg-1；以VV波段建立的曲线模型Y=19.763X-6.224X2+3.285，模型精度有所改善，模型决定系数为0.418；以Sentinel-2A影像建立的研究区土壤含盐量反演模型中，以盐分指数(B2B4)/B3建立的幂函数模型精度最好，模型的决定系数R2达到0.675，均方根误差为2.286 g·kg-1；SAR影像与多光谱影像经过GS融合后建立的土壤含盐量反演模型，模型精度被显著改善。其中，将SAR影像的VV波段分别与Sentinel-2A影像的第2、第3、第4波段融合后，以盐分指数(D2D4)/D3建立的曲线模型Y=86.260X-66.206X2-5.312精度最好，模型决定系数R2达到0.791，均方根误差为1.884 g·kg-1。

表3 土壤含盐量反演模型

2.3 模型精度检验

将除去建模样本而剩余的16个土壤样本作为模型检验样本，参考建模结果，选择以Sentinel-1A SAR影像VV波段与Sentinel-2A第2、3、4波段融合建立的盐分指数(D2D4)/D3为因变量，建立的土壤含盐量反演模型Y=86.260X-66.206X2-5.312，反演检验样本土壤含盐量，以式(6)计算检验样本土壤含盐量的相对误差，相对误差如图3。

图3 相对误差散点图Fig.3 Relative error scatter diagram

δ=(L测-L反)/L测

(6)

式中，δ为相对误差，L测为检验样本土壤含盐量的实验室测试值，L反为检验样本土壤含盐量的反演值。

检验样本土壤含盐量的相对误差统计结果显示，16个检验样本含盐量实验室测试值与反演值最大相对误差为-36.49%，最小相对误差为4.76%，其中，共有12个检验样本的相对误差在-20%～20%区间，占总检验样本的75%，表明土壤含盐量反演模型Y=86.260X-66.206X2-5.312具有较高的反演精度。

2.4 研究区土壤含盐量制图

将Sentinel-1A的VV极化波段与Sentinel-2A第2、3、4波段融合并引入盐分指数(D2D4)/D3建立的白城市土壤含盐量反演模型Y=86.260X-66.206X2-5.312，反演研究区的土壤含盐量，见图4。制图结果显示，研究区西南部、南部及北部地区土壤盐分含量较高，局部地区土壤含盐量甚至高于5 g·kg-1，研究区中部、东部以及西北部地区土壤含盐量普遍低于1 g·kg-1。

3 讨 论

本文以Sentinel-1A、Sentinel-2A主动与被动遥感影像为数据源，以我国典型苏打盐碱土区——白城市为研究对象，结合研究区调查、土壤采样化验数据反演了白城市土壤盐分含量。刘全明等[13-14]研究表明，土壤中盐分含量的升高会影响土壤的介电常数以及表层土壤的后向散射系数，为利用雷达遥感监测土壤含盐量变化提供了可能。本文将Sentinel-1A遥感影像VH、VV波段后向散射系数与研究区土壤含盐量进行相关性分析，分析结果显示VH、VV波段的后向散射系数与土壤含盐量呈正相关，且VV波段的相关性较好，相关系数达到0.628，其显著性P<0.001，表明在超过99%的置信区间内两者显著相关。将SAR影像与多波段影像融合后，融合波段与土壤含盐量的相关性较SAR影像及多波段影像均有显著提升。本文研究结果表明，Sentinel-2A各波段反射率与土壤含盐量相关系数在第5波段达到峰值，为r=0.696，而SAR影像与Sentinel-2A的第2波段融合后与土壤含盐量相关系数达到0.753。将SAR影像后向散射系数及多波段反射率进行适当的数学变换后与土壤含盐量的相关性有不同程度的改善，其中，将VV波段后向散射系数进行二次方变换后与土壤含盐量相关系数由0.628提升至0.641；将多波段影像第5波段进行幂函数变换后，与土壤含盐量的相关系数由0.696提升至0.768；将融合波段进行二次方变换后与土壤含盐量的相关系数由0.735提升至0.820。前人研究发现[15-17]，遥感影像的可见光与近红外波段对含盐土壤较敏感，将影像反射率与土壤含盐量相关联构成适当的盐分指数，可以有效地监测表层裸土含盐量。本文引入(B4-B8)/(B4+B8)、(B2B4)/B3等多种盐分指数，与土壤含盐量进行相关性分析，结果显示：利用Sentinel-2A第2、3、4波段建立的盐分指数(B2B4)/B3与研究区土壤含盐量相关系数达到r=0.822，SAR影像VV波段与Sentinel-2A第2、3、4波段融合建立的(D2D4)/D3盐分指数与土壤含盐量相关系数达到r=0.889；庞治国等[18-19]对覆盖白城市的遥感影像进行人机交互式解译提取土地盐碱化信息，并对盐碱化土地面积进行统计分析时发现，盐碱化土壤主要分布于白城市南部的通榆县、北部的镇赉县以及东部的大安市，在对研究区进行调研、土壤采样时发现，白城市东部、南部及北部地区中小型湖泊众多，受气候及人为影响，湖泊周围土地盐碱化严重。

本文以融合波段盐分指数(D2D4)/D3建立的土壤含盐量反演模型Y=86.260X-66.206X2-5.312，反演白城市表层裸土含盐量，获得了较好的反演效果，究其原因：(1)本文选取的遥感影像与土壤采样时间同步，能够真实反映地表地物信息；(2)在遥感影像获取时刻及实地调查时刻、土壤采样时刻，研究区地表无植被及冰雪覆盖；(3)采用Gram-Schmidt(GS)变换将SAR影像与多光谱影像进行融合，避免了传统融合方法造成个别波段信息过量集中及光谱响应范围不一致等问题，较好保持了影像的纹理和光谱信息，提升了融合影像光谱信息的丰富度；(4)引入合适的盐分指数改善了遥感影像对土壤中盐分的敏感度。

然而，本试验未考虑研究区土壤中有机质及含水量对遥感影像光谱信息的影响，在今后的实践中将予以研究。

4 结 论

本文利用Sentinel-1A的SAR影像、Sentinel-2A多光谱影像及两者的融合影像反演白城市裸土含盐量，获得了以下结论：

(1)Sentinel-1A遥感影像的VH、VV波段后向散射系数与白城市表层土壤含盐量呈显著正相关性，表明Sentinel-1A影像可作为研究区土壤盐碱化监测的数据源。

(2)Gram-Schmidt(GS)影像融合方法适用于Sentinel-1A雷达影像与Sentinel-2A多光谱影像融合，融合后的遥感影像与研究区土壤含盐量的相关性较融合前得到明显改善。

(3)引入合适的盐分指数可以有效提升Sentinel-2A多光谱影像及Sentinel-1/2A 融合影像与研究区土壤含盐量的相关性，利用融合影像的第2、3、4波段建立的盐分指数(D2D4)/D3与研究土壤含盐量相关系数达到0.889，表明利用Sentinel-1A SAR影像与Sentinel-2A多光谱影像进行融合是一种监测土壤含盐量的有效方法。

(4)反演结果显示，白城市西部、南部的中小型湖泊周围土壤盐碱化较严重，与实地调研结果相吻合。