本文摘要：本中國土地科學(xué)論文以黃河三角洲地區(qū)墾利縣一處典型區(qū)域?yàn)檠芯繉ο�，以Landsat8遙感影像獲取的土壤光譜信息為基礎(chǔ)，通過光譜分析、光譜與土壤鹽分的相關(guān)性分析，探索基于Landsat8遙感數(shù)據(jù)的土壤鹽漬化信息提取方法，以期快速經(jīng)濟(jì)地提取土壤鹽漬化定量信息，
本中國土地科學(xué)論文以黃河三角洲地區(qū)墾利縣一處典型區(qū)域?yàn)檠芯繉ο�，以Landsat8遙感影像獲取的土壤光譜信息為基礎(chǔ)，通過光譜分析、光譜與土壤鹽分的相關(guān)性分析，探索基于Landsat8遙感數(shù)據(jù)的土壤鹽漬化信息提取方法，以期快速經(jīng)濟(jì)地提取土壤鹽漬化定量信息，為預(yù)報(bào)區(qū)域土壤鹽漬化狀況、制訂綜合治理措施、合理利用土地提供依據(jù)。
《中國土地科學(xué)》是由中國科協(xié)主管、中國土地學(xué)會和中國土地勘測規(guī)劃院共同主辦的中國土地科學(xué)領(lǐng)域惟一全國性學(xué)術(shù)期刊，也是中國土地學(xué)會會刊�！吨袊恋乜茖W(xué)》[1] 是集中文核心期刊、中國科技核心期刊、中國人文社會科學(xué)核心期刊、中文社會科學(xué)引文索引期刊、中國科學(xué)引文數(shù)據(jù)庫來源期刊、中國學(xué)術(shù)期刊引文期刊、SPCUE50家來源期刊和JI收錄期刊于一身的權(quán)威學(xué)術(shù)刊物。
摘要： 土壤鹽漬化是最常見的土壤退化過程，墾利縣位于黃河三角洲核心地帶，是土壤鹽漬化比較典型的區(qū)域。本研究在鹽漬土野外調(diào)查采樣的基礎(chǔ)上，依據(jù)土壤理化分析和Landsat8衛(wèi)星光譜數(shù)據(jù)，選取了相關(guān)性以及診斷指數(shù)較好的3個(gè)波段的反射率作為鹽分反演因子，分別建立數(shù)理統(tǒng)計(jì)模型與BP神經(jīng)網(wǎng)絡(luò)鹽分反演模型。研究表明：BP神經(jīng)網(wǎng)絡(luò)模型的精度明顯優(yōu)于傳統(tǒng)多元回歸模型，且反演模型更適合高鹽度區(qū)域土壤鹽漬化反演制圖，具有較好的應(yīng)用前景。
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);土壤鹽漬化;Landsat8;黃河三角洲
鹽漬化土壤是在一定環(huán)境條件下，諸多因素(特別是氣候、地形、地質(zhì)、水文和水文地質(zhì)及生物因素)共同對水鹽運(yùn)動產(chǎn)生影響的結(jié)果1。土壤鹽漬化通常出現(xiàn)在氣候干旱、土壤蒸發(fā)強(qiáng)度大及地下水中含有較多可溶性鹽類的地區(qū)。土壤性質(zhì)不良、地下水位高過臨界深度、毛細(xì)管水向上運(yùn)動和土壤強(qiáng)烈蒸發(fā)，使土壤水中的鹽分逐漸在土壤表層積累形成土壤鹽漬化。土壤鹽漬化不但造成資源的破壞和農(nóng)業(yè)生產(chǎn)的巨大損失，而且還對生物圈和生態(tài)環(huán)境構(gòu)成威脅。
黃河三角洲是我國重要的后備土地資源區(qū)，受河流、陸地、海洋等多種動力系統(tǒng)的作用，鹽漬土面積大、分布廣，土地鹽漬化成了制約黃河三角洲區(qū)域經(jīng)濟(jì)發(fā)展的主要因素2。因此，土壤鹽漬化的監(jiān)測和預(yù)報(bào)成為開發(fā)利用鹽漬土資源、實(shí)現(xiàn)當(dāng)?shù)剞r(nóng)業(yè)可持續(xù)發(fā)展急需解決的研究課題，土壤鹽漬化遙感提取與監(jiān)測則是重要的研究手段。
目前，針對土壤鹽漬化信息遙感提取的相關(guān)研究，多以TM、SPOT等多光譜影像為信息源，波段較少，對土壤鹽漬化細(xì)微變化反映不明顯。國外利用衛(wèi)星遙感進(jìn)行土壤鹽漬化監(jiān)測研究始于20世紀(jì)70年代，90年代以來，遙感數(shù)據(jù)源更加豐富，方法日趨成熟。鹽漬土信息的提取主要是基于光譜響應(yīng)特征。 Dwivedi等3對鹽漬土監(jiān)測的最佳波段組合進(jìn)行試驗(yàn)研究，單純從信息量來衡量，TM數(shù)據(jù)1、3和5波段組合所含信息量最大，但鹽漬土信息提取的精度并不與遙感數(shù)據(jù)信息量的大小成正比關(guān)系。Ben-Dor等4利用DAIS-7915傳感器的高光譜數(shù)據(jù)定量反演了土壤濕度信息，通過土壤濕度參數(shù)間接反演土壤鹽分。國內(nèi)學(xué)者也進(jìn)行了相關(guān)研究，關(guān)元秀等5先對TM數(shù)據(jù)作纓帽變換，對亮度、綠度和濕度分量進(jìn)行假彩色合成，然后再監(jiān)督分類，將黃河三角洲土地鹽堿化的現(xiàn)狀分為4個(gè)等級。吳陽春6利用最小二乘支持向量機(jī)回歸分析方法建立了松遼平原鹽漬土土壤鹽分關(guān)系模型，揭示了環(huán)境減災(zāi)衛(wèi)星在土壤鹽漬化中的監(jiān)測和鹽分定量估算的能力。
1研究區(qū)概況與數(shù)據(jù)
1.1研究區(qū)概況
研究區(qū)在黃河三角洲核心區(qū)域墾利縣，地處東經(jīng)118°35′19.26″～118°50′25.94″，北緯37°31′22.22″ ～37°44′06.47″，屬于黃河沖積平原，溫帶季風(fēng)型大陸性氣候，其成土過程短，土層薄，加之當(dāng)?shù)貐^(qū)域地勢低平，地下水位高，礦化度大，多年平均降水量為600 mm，平均蒸發(fā)量1 944 mm，蒸降比達(dá)3∶1，毛細(xì)管作用強(qiáng)烈，鹽分容易升至地表，導(dǎo)致土壤大面積鹽漬化7。
1.2基礎(chǔ)數(shù)據(jù)
來源于東營市1∶100 000比例尺土地利用現(xiàn)狀圖，中國科學(xué)院地理科學(xué)與資源研究所提供的數(shù)據(jù)，以及黃河三角洲地區(qū)2002、2003、2006年土壤采集樣品的pH值、全鹽量、有機(jī)質(zhì)、八大離子的化驗(yàn)數(shù)據(jù)。
1.3野外實(shí)測鹽分?jǐn)?shù)據(jù)
野外采集土壤樣本的時(shí)間為2014年4月下旬的4天，此時(shí)該地區(qū)大部分農(nóng)田閑耕，土壤裸露，光板地上有斑塊插花分布的枯敗翅堿蓬、檉柳或蘆葦。為了保持?jǐn)?shù)據(jù)的準(zhǔn)確性，將野外采集時(shí)間定在10∶00～14∶30之間，與Landsat8遙感影像的獲取時(shí)間基本同步，以便合理地提取土壤含鹽量信息。選擇地勢平坦、地表裸露的研究區(qū)域進(jìn)行采樣，共選擇了50處采集點(diǎn)：耕地13處，草地8處，蘆葦?shù)?0處，裸地7處，棉花地9處，林地3處。記錄每處位置坐標(biāo)，在50 m×50 m的采樣單元范圍內(nèi)，均勻混合2～4份表層0～10 cm的土壤樣本，風(fēng)干后適當(dāng)研磨，裝入容器待用。委托東營市城市管理局園林綠化處進(jìn)行全鹽量化驗(yàn)，使用土壤電導(dǎo)率儀DDSJ-308A測量，電導(dǎo)率法求得土壤中可溶鹽分總量(表1)。
1.4Landsat8影像介紹
Landsat8衛(wèi)星由美國地質(zhì)調(diào)查局于2013年2月11日發(fā)射，是Landsat系列對地觀測遙感衛(wèi)星的最新型號。Landsat8首次采用推掃式成像掃描方式，該衛(wèi)星搭載了OLI和TIRS兩個(gè)傳感器，其中OLI共包括9個(gè)波段：1個(gè)空間分辨率為15 m的全色波段，7個(gè)空間分辨率為30 m的多光譜波段，以及1個(gè)中心波長為1.3730 μm卷云(Cirrus)識別波段;TIRS則設(shè)置了兩個(gè)熱紅外波段8。
本研究采用從USGS網(wǎng)站上下載的2014年5月1日云覆蓋量為3.29%的Landsat8多光譜影像。第一步：對下載衛(wèi)星影像進(jìn)行預(yù)處理，主要包括幾何校正、輻射定標(biāo)和Flaash大氣校正。由MTL文件可知Y方向的幾何誤差為5.267 m，X方向的幾何誤差為5.236 m，滿足幾何精度要求。隨后進(jìn)行輻射定標(biāo)。用ENVI工具箱對多光譜數(shù)據(jù)進(jìn)行FLAASH大氣校正，經(jīng)過大氣校正后的光譜反射率已無明顯的大氣、水汽等吸收特征，較好地體現(xiàn)出地物真實(shí)的光譜特征。第二步：對影像進(jìn)行裁剪，建立感興趣區(qū)，裁剪后得到研究區(qū)域。研究區(qū)假彩色合成圖及其采樣點(diǎn)分布如圖2所示。
2數(shù)據(jù)處理
2.1鹽漬土光譜曲線特征分析
將研究區(qū)50個(gè)土壤光譜按鹽分含量對反射率曲線分為5組，組內(nèi)土樣光譜反射率取均值，結(jié)果見圖3，可以看出曲線總體形態(tài)和趨勢是一致的，即光譜反射率在可見光和近紅外部分不高，呈增大趨勢，在短波紅外波段達(dá)最高后，隨著土壤鹽漬化程度的加重，又呈現(xiàn)降低趨勢。該研究區(qū)土樣為氯化物型濱海鹽土，富含NaCl和MgCl2，而氯化物極易吸收空氣中的水分，因此，鹽漬化程度越高的土壤其光譜反射率越低9。
2.2特征波段的選擇
通過研究遙感影像中鹽漬化土壤光譜曲線的光譜特征，選擇出能夠定量反演研究區(qū)土壤鹽分含量的光譜反射率敏感波段，計(jì)算實(shí)測光譜在各波段的反射率值的均方差、反射率值與土壤鹽分含量之間的相關(guān)系數(shù)和診斷指數(shù)，以期建立可靠的預(yù)測方程，進(jìn)行定量化制圖。
2.2.1單波段光譜反射率與鹽分的相關(guān)分析將Landsat8遙感影像中對50個(gè)采樣點(diǎn)7個(gè)波段的多光譜反射率數(shù)據(jù)與采樣點(diǎn)的土壤鹽分含量數(shù)據(jù)進(jìn)行相關(guān)性分析，從單相關(guān)系數(shù)的計(jì)算結(jié)果(表2)可以看出，監(jiān)測點(diǎn)土壤鹽分與實(shí)測地面光譜反射率值呈負(fù)相關(guān);在第5、6、7波段的相關(guān)性明顯高于前4 個(gè)波段的，因此，土壤含鹽量在近紅外波和短波紅外波段與光譜反射率相關(guān)系數(shù)比較大。
2.2.2獲得土壤含鹽量的診斷光譜各種地物具有豐富且獨(dú)特的波譜信息，進(jìn)行光譜診斷的目的，就是要從豐富的光譜信息中提取最能反映樣本間差異的波段。本文所用的診斷指數(shù)，主要用于研究Landsat8多光譜各個(gè)波段對土壤鹽分含量的敏感程度的差異。診斷指數(shù)Pi的計(jì)算公式如下：
Pi=σi×Ri
式中σi為樣本光譜曲線在波段i上反射率值的標(biāo)準(zhǔn)差，Ri為波段i上的反射率數(shù)值與土壤鹽分含量之間的相關(guān)系數(shù)。分別計(jì)算出Landsat8遙感影像1～7波段的Ri、σi、Pi，結(jié)果見表2。
3統(tǒng)計(jì)模型的建立與應(yīng)用
由以上光譜分析可知，研究區(qū)的土壤反射率數(shù)據(jù)在第5、6、7波段與土壤鹽分含量數(shù)據(jù)存在較好的相關(guān)關(guān)系。為了將兩者的關(guān)系進(jìn)一步量化，嘗試建立了兩者的統(tǒng)計(jì)模型。從50個(gè)樣本中剔除不佳采樣點(diǎn)以及儀器或人為操作而造成的畸異值5個(gè)，將剩下的45個(gè)樣本隨機(jī)分成兩組：一組35個(gè)土壤樣本，用于建立回歸預(yù)測模型;另一組10個(gè)土壤樣本，作為檢驗(yàn)樣本用于驗(yàn)證建立的模型。
對獲取的采樣點(diǎn)影像各波段反射率進(jìn)行倒數(shù)、對數(shù)、對數(shù)的倒數(shù)變換，以土壤鹽分含量作為因變量，對應(yīng)的地表反射率及其數(shù)學(xué)變換形式作為自變量，進(jìn)行多元線性回歸分析11。模型的穩(wěn)定性用判定系數(shù)R2和調(diào)整的判定系數(shù)R2檢驗(yàn)。用判定系數(shù)R2進(jìn)行的檢驗(yàn)稱為擬合優(yōu)度檢驗(yàn)，R2越大，模型的擬合度越高。引進(jìn)經(jīng)調(diào)整的判定系數(shù)(Adjusted R2)，能夠消除自變量個(gè)數(shù)以及樣本大小對判定系數(shù)的影響。模型的預(yù)測能力用總均方根差(RMSE，來自建模與檢驗(yàn)樣本)來檢驗(yàn)，RMSE越小，模擬值和測量值之間的偏差越小，預(yù)測能力越強(qiáng)。
由表5可知，用多元線性回歸模型預(yù)測得到的結(jié)果中，最大的相對誤差達(dá)到了242.22%，最小的相對誤差為1.53%，大部分樣本點(diǎn)的殘差和相對誤差較大，可見利用建立好的多元線性回歸模型反演精度不夠理想。這主要是因?yàn)橥寥拦庾V是諸多因素共同作用的結(jié)果，土壤含鹽量的反演比較復(fù)雜，并不是一個(gè)簡單的線性問題10。
4BP 神經(jīng)網(wǎng)絡(luò)模型的建立與應(yīng)用
BP神經(jīng)網(wǎng)絡(luò)是20世紀(jì)80年代后發(fā)展起來的，具有訓(xùn)練速度快、非線性映射能力強(qiáng)等優(yōu)點(diǎn)，可以為土壤含鹽量的反演提供一種新的方法和手段。
4.1BP神經(jīng)網(wǎng)絡(luò)原理
人工神經(jīng)網(wǎng)絡(luò)技術(shù)(ANN)是模擬基本結(jié)構(gòu)和功能建立的分布式并行信息處理算法的數(shù)學(xué)模型。目前人工神經(jīng)網(wǎng)絡(luò)模型有多種，比較典型的有BP神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)及BAM網(wǎng)絡(luò)等。其中，BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，常用于復(fù)雜的非線性數(shù)學(xué)計(jì)算，其基本思想是把學(xué)習(xí)過程分為兩階段：第一階段是信號的正向傳播過程，通過輸入層、隱含層逐層處理并計(jì)算各個(gè)單元的輸出值;第二階段是誤差的反向傳遞過程，若在輸出層未能得到期望的輸出值，則逐層遞歸地計(jì)算實(shí)際輸出和期望輸出的差值(即誤差)，以便根據(jù)此差值調(diào)節(jié)權(quán)值。這種過程不斷迭代，調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差最小，從而達(dá)到預(yù)期的學(xué)習(xí)目的12。
4.2模型的建立與應(yīng)用
設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)時(shí)主要考慮網(wǎng)絡(luò)的層數(shù)、每層中的神經(jīng)元個(gè)數(shù)和激活函數(shù)、初始值以及學(xué)習(xí)速率等幾個(gè)方面。本研究應(yīng)用Matlab7.0構(gòu)建 BP神經(jīng)網(wǎng)絡(luò)模型來反演土壤鹽分含量，數(shù)據(jù)分成兩組：35個(gè)訓(xùn)練樣本，10個(gè)測試樣本。選取Landsat8的第5、6、7波段反射率數(shù)據(jù)倒數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入層，根據(jù)本試驗(yàn)的要求，單隱含層即可達(dá)到建模要求，輸出層1個(gè)節(jié)點(diǎn)對應(yīng)于土壤鹽分含量。采用逐步增長法來確定隱含層的節(jié)點(diǎn)數(shù)：反復(fù)試驗(yàn)5到15個(gè)節(jié)點(diǎn)，計(jì)算得到訓(xùn)練樣本的神經(jīng)網(wǎng)絡(luò)模型在隱含層節(jié)點(diǎn)數(shù)不同情況下訓(xùn)練樣本的均方根誤差RMSE和決定系數(shù)R2，見表4，并綜合考慮時(shí)間效率和模擬效果，最終將隱含層的節(jié)點(diǎn)數(shù)確定為11個(gè)。
神經(jīng)網(wǎng)絡(luò)訓(xùn)練前首先對樣本數(shù)據(jù)做歸一化處理，訓(xùn)練完畢再反歸一化。隱含層傳遞函數(shù)選擇tansig函數(shù)，輸出層選擇logsig型非線性傳輸函數(shù)，使整個(gè)網(wǎng)絡(luò)的輸出可以限制在較小的范圍。訓(xùn)練函數(shù)的選擇是關(guān)鍵，研究中采用traingdx(自適應(yīng)調(diào)整學(xué)習(xí)率并附加動量因子的梯度下降反向傳播算法)、trainlm(L-M優(yōu)化算法)和trainscg(反向傳播算法)三種訓(xùn)練算法分別進(jìn)行訓(xùn)練，trainlm函數(shù)收斂速度快，但易過度匹配;trainscg函數(shù)實(shí)驗(yàn)時(shí)訓(xùn)練樣本擬合度好，但泛化能力差;traingdx能夠自適應(yīng)調(diào)整學(xué)習(xí)速率，可以縮短訓(xùn)練時(shí)間，一旦網(wǎng)絡(luò)誤差平方和小于期望差，網(wǎng)絡(luò)便提前終止。本模型最大迭代次數(shù)4 000次，目標(biāo)誤差0.001，初始學(xué)習(xí)速率為0.01，各個(gè)參數(shù)、傳遞函數(shù)、訓(xùn)練函數(shù)等是經(jīng)過多次試驗(yàn)比較而得出，并非是最優(yōu)結(jié)果。
由表5可以看出，BP神經(jīng)網(wǎng)絡(luò)模型反演精度，最大的相對誤差為57.08% ，最小相對誤差為1.46%，平均相對誤差為24.32%，與多元線性回歸模型51.26%相比，BP神經(jīng)網(wǎng)絡(luò)模型反演實(shí)際精度高，更接近真實(shí)的土壤鹽分含量值。但神經(jīng)網(wǎng)絡(luò)需要較多的時(shí)間進(jìn)行網(wǎng)絡(luò)訓(xùn)練與迭代運(yùn)算。當(dāng)土壤含鹽量高時(shí)，BP神經(jīng)網(wǎng)絡(luò)反演結(jié)果誤差較小，說明利用Landsat8遙感影像，更適合反演高鹽度區(qū)域的土壤含鹽量。在制圖時(shí)用閾值NDVI≥0.25來提取植被，利用歸一化差異水體指數(shù)(MNDWI)提取水體，由于建筑與裸地混分嚴(yán)重，用土地利用現(xiàn)狀圖經(jīng)過多次掩膜，提取土壤信息，用BP神經(jīng)網(wǎng)絡(luò)模型反演生成土壤鹽分含量圖，進(jìn)行3×3低通濾波去噪。依據(jù)半濕潤地區(qū)鹽堿土分級標(biāo)準(zhǔn)，制成研究區(qū)土壤鹽漬化程度空間分布圖13，見圖5。將研究區(qū)中的用地分為非鹽漬化、輕度鹽漬化、中度鹽漬化、重度鹽漬化、鹽土以及水體、植被和居民地8類。由圖 5可以看出，北部靠近黃河的五七灌區(qū)大部分為非鹽漬化區(qū)域，說明人為因素對鹽漬化的分布有較大影響;而在中部水庫與河流附近，鹽漬化程度較高，這與其微地形有關(guān)，地勢低洼的地方易于積水積鹽，符合研究區(qū)——墾利縣的實(shí)際情況�？傮w而言，整個(gè)研究區(qū)以非鹽漬化和輕度鹽漬化為主，占比62.7%，鹽土級別占比 9.6%。
5結(jié)論
以黃河三角洲典型鹽漬化區(qū)域?yàn)閷ο�，在野外調(diào)查采樣和分析基礎(chǔ)上，重點(diǎn)研究利用土樣鹽分信息與Landsat8衛(wèi)星多光譜數(shù)據(jù)基于BP神經(jīng)網(wǎng)絡(luò)模型定量反演土壤鹽漬化信息，得出了以下結(jié)論：
�、倮枚嘣鸩交貧w模型建立的方程，建立了表層土壤含鹽量和Landsat8多光譜之間的定量關(guān)系，模型決定系數(shù)為0.75。所建立的多元回歸模型反演精度不夠理想。
②BP神經(jīng)網(wǎng)絡(luò)預(yù)測鹽漬土鹽分的性能比傳統(tǒng)多元回歸方法更精確，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)方法反演鹽漬土鹽分含量是可行的，具有較好的精度和穩(wěn)定性，可制作研究區(qū)土壤鹽漬化程度空間分布圖。
�、鄄蛔阒帲翰捎肂P神經(jīng)網(wǎng)絡(luò)方法得出的結(jié)果并不是最優(yōu)解。因此，需要對BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練算法和訓(xùn)練策略方面進(jìn)一步改進(jìn)，應(yīng)用高光譜數(shù)據(jù)建模是下一個(gè)方向。本研究中未考慮鹽漬土與地下水埋深、地下水礦化度、地形、氣候等因素的關(guān)系，若能綜合考慮建立模型，表達(dá)的結(jié)果將更加合理與準(zhǔn)確。
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///nylw/9185.html
