基于光谱指数检测土壤盐度的环境协会方法:多区域与多传感器评估
《Science of The Total Environment》:Environmental associations in spectral index-based soil salinity detection: A multi-region and multi-sensor assessment
【字体:
大
中
小
】
时间:2026年07月09日
来源:Science of The Total Environment 8
编辑推荐:
E. Nemati|S. Mirzaee|Y. Ostovari|F.P. Salcedo|E. Mahmoudabadi|A.A. Zolfaghari|M. Seifi|M. Hagage 伊朗德黑兰伊斯兰阿扎德大学生物技术系电子分部
摘要
土壤盐碱化是危害全球农业生产
E. Nemati|S. Mirzaee|Y. Ostovari|F.P. Salcedo|E. Mahmoudabadi|A.A. Zolfaghari|M. Seifi|M. Hagage 伊朗德黑兰伊斯兰阿扎德大学生物技术系电子分部
摘要
土壤盐碱化是危害全球农业生产力与粮食安全的重要土地退化形式。尽管基于卫星的光谱指数被广泛用于盐度监测,但其在不同环境条件下的表现仍缺乏深入研究。本研究评估了来自Landsat 8、Sentinel 2及PlanetScope影像的光谱指数在估算土壤电导率(ECe)方面的能力。研究在三个具有代表性的区域——西班牙东南部、伊朗乌尔米亚湖流域以及埃及尼罗河三角洲东北部——的不同黏土含量土壤类型及气候条件下,分析了模型性能。共分析了290份土壤样本,通过相关性分析、Mantel检验和回归建模方法研究了ECe与光谱指数之间的关联。研究结果表明,盐度预测的准确性显著受环境因素影响:在黏土含量低于20%的土壤中,回归模型的准确度处于中等水平(R2=0.458–0.506,RMSE=0.365–0.378 dS m?1);而在黏土含量为20–40%的土壤中,模型性能显著下降(R2=0.211–0.237,RMSE>5.25 dS m?1)。气候相关的区域差异也对模型性能有重要影响,地中海半干旱地区的模型性能最佳(R2=0.546–0.647),其次是寒冷半干旱地区(R2=0.309–0.364),而在干旱气候条件下则无法建立可靠的预测模型。传感器性能还取决于分层标准,其中与植被和盐度相关的指数始终是最具参考价值的预测因子。这些研究结果表明,通用的遥感盐度制图模型在不同环境中并不可靠,强调了在实际监测体系中进行环境分层的必要性。
引言
土壤盐碱化被视为全球性重大问题,对农业生产力及生态系统可持续性造成严重影响。由于人为活动和自然过程的双重作用,土壤盐碱化问题日益严重。主要人为诱因包括过量施用无机肥料、灌溉、森林砍伐以及过度放牧;自然过程则包括母质经化学和物理风化后释放可溶性盐分。目前约有20%的农业土壤受到盐碱化影响(Srivastava和Kumar,2015;Singh,2021)。据预测,到2050年,全球超过50%的农业土壤将遭受盐碱化危害(Muhetaer等,2022)。现有数据显示,100多个国家约有10亿公顷土壤受到影响(Mohamed等,2023)。此外,土壤盐碱化的扩展速度高达每年约10%,形势十分严峻(Zare等,2014)。因此,获取及时准确的土壤盐碱化信息对于了解其形成机制并制定有效的修复策略至关重要。
传统的土壤盐度监测通常通过实验室分析采样土壤中的总溶解固体来实现,但这种方法难度大、成本高、耗时且劳动强度高。在各类可行方法中,光学卫星传感器(如Landsat、Sentinel等)因具备大范围覆盖能力、操作简便、便于高效制图且成本逐渐降低等优点而备受重视(Mukhopadhyay等,2021;Cao等,2022;Pedrero Salcedo等,2022;Cui等,2023;Mirzaee等,2024;Chen等,2025)。光谱指数是通过两个或更多波长的反射值组合而成的数学量,可用于量化目标特征的相对存在程度或强度。自1972年第一颗民用地球观测卫星Landsat-1发射以来,光谱指数一直发挥着重要作用,它作为原始光谱数据与环境特征之间的桥梁,有助于监测物体的变化情况。Rouse等人(1974)的早期研究表明,像归一化植被指数(NDVI)这样的光谱指数在监测植被方面比原始光谱数据更具优势。随着NDVI在量化植被绿色度与生长活力方面的出色表现,越来越多的光谱指数被开发出来,专门用于监测土壤特性,尤其是土壤盐碱化状况。
在盐分高度积累的裸露土壤上,可直接监测土壤盐碱化现象。盐碱化在土壤表面的表现形式包括:(i)由蒸发作用形成的盐壳,(ii)降水带来的盐分沉积,以及(iii)土壤剖面中盐分溶解产生的溶液(Richards,1954)。针对纯石盐的实验室光谱测量显示,其光谱行为与石英相似,缺乏明显的吸收特征(Mougenot等,1993)。此外,也可通过植被胁迫指标间接判断土壤盐碱化程度。为监测土壤盐碱化,一些研究着眼于区分有植被覆盖的土壤与裸露土壤(Periasamy和Ravi,2020;Barreto等,2023;Merlet等,2024),研究土壤与植被混合生长的环境(Allbed等,2014;Mirzaee等,2024),以及分析植被信号(Mougenot等,1993;Kumar等,2015)。最初,作为已知植被指数的NDVI就被用作判断植物盐分胁迫的间接指标(Penuelas等,1997;Tilley等,2007)。Hassani等人(2021)指出,土壤盐碱化与气候相关因素密切相关,尤其在干旱地区,降水、蒸散作用和干旱程度都会影响盐分的积累。不过,在以耐盐物种为主的区域,植被胁迫指标的可靠性较低(Singh等,2010)。
为捕捉土壤盐碱化对土壤亮度的改变,人们还开发了多种直接光谱指数(Khan等,2005;Douaoui等,2006)。Khan等(2005)利用IRS-1B LISS-II卫星影像提出了应用广泛的亮度指数和盐度指数。随后,Douaoui等(2006)基于SPOT影像提出了SI1、SI2和SI3三种指数。此后,又出现了冠层响应盐度指数(Scudiero等,2014)、增强残差土壤盐度指数(Wang等,2022)以及SI7指数(Mirzaee等,2024)。与之相反,Zhang等(2021)发现,植被指数与土壤盐碱化的关联度高于各类盐度指数。还有一些研究探讨了气象条件、田间管理措施、土壤差异、季节变化、作物生长阶段以及不同植被覆盖度对利用遥感数据监测土壤盐碱化精度的影响(Scudiero等,2015;Li等,2022;Cui等,2023)。Guo等(2023)表明,将植被指数时间序列与单时相影像结合使用,可提高土壤盐度制图的精度。Lin等(2026)也指出,高光谱图像融合技术有助于提升盐度预测的准确性。
除了光学遥感技术外,近期还有越来越多的研究开始探索合成孔径雷达(SAR)和多源遥感数据在土壤盐度评估中的应用潜力。SAR传感器具备全天候、昼夜皆可成像的能力,同时对土壤介电特性、土壤含水量、表面粗糙度以及植被结构都很敏感。Periasamy和Ravi(2020)、Ravi和Periasamy(2021)、Mukhamediev等(2023)、Aihaiti等(2025a)和Aihaiti等(2025b)的研究表明,SAR数据能够在复杂且数据有限的环境中为盐度检测提供补充信息。在这些光学反射受云层覆盖、土壤含水量变化或表面盐分表达较弱限制的情况下,SAR技术的优势尤为突出。
尽管光谱指数已被广泛用于土壤盐碱化监测,但以往大多数研究都集中在特定区域或特定环境条件下建立模型,往往假设光谱响应与土壤盐度之间的关联具有普遍适用性。实际上,土壤表面的盐度表现会受到土壤质地、植被覆盖度以及气候相关的区域差异等多种环境因素的共同影响,这些因素会改变光谱与盐度之间的对应关系。因此,在特定环境条件下建立的模型转移到其他不同区域时,其预测精度可能大打折扣。本研究旨在探究土壤质地和气候条件如何影响盐度的光谱检测能力,以及如何在不同环境中构建可靠的土壤盐度模型。
本研究的主要贡献在于突破了传统针对特定地点的盐度建模方式,分析了基于光谱指数的盐度检测方法在不同区域所面临的环境限制。以往的研究大多在单个区域或特定环境条件下建立盐度模型,这使得这些模型难以推广到其他景观类型。而本研究则对比了Landsat 8、Sentinel 2和PlanetScope三种广泛应用的卫星平台,在具有不同土壤质地和气候条件的三个区域进行了对比分析。该研究的创新之处在于,它明确研究了土壤黏土含量和区域环境条件如何影响光谱与盐度之间的关联,而非假设某种模型可以普遍适用。具体而言,本研究的目标为:(i)分析不同黏土含量土壤中光谱指数与土壤盐度之间的关联;(ii)评估盐度检测能力随气候条件的变化规律;(iii)比较在相同环境条件下降低传感器性能的影响因素。这一研究框架有望提升在不同类型景观中开展实际盐度监测的可靠性与结果解读水平。
研究区域
本研究选取的地点位于西班牙东南部的卡塔赫纳盆地、伊朗西北部的乌尔米亚湖地区以及埃及尼罗河三角洲东北部(见图1)。西班牙东南部的卡塔赫纳盆地是一个以低渗透性的碎屑沉积物为主的地带,这类沉积物主要为泥灰岩,其间混有石灰岩、沙子及砾岩等高渗透性物质(Salcedo等,2022)。历史上,埃及尼罗河三角洲东北部的地貌也是由……形成。
土壤的描述性统计
表2汇总了三个研究区域土壤主要物理和化学性质的描述性统计数据。各区域的黏土含量差异较大,卡塔赫纳盆地的黏土含量变异系数最低,为7.63%,而乌尔米亚湖地区的变异系数最高,达到44.82%。三个区域的土壤ECe数值介于0.13至49.70 dS m?1之间,相应的变异系数分别为78.19%、57.33%和232.74%(见表2)。
讨论
本研究评估了基于Landsat 8、Sentinel 2和PlanetScope影像的光谱指数在不同土壤质地及气候条件下去检测土壤盐碱化的能力。目前,许多灌溉区和沿海低地地区的土壤盐碱化问题正在加剧。预计随着气候变化导致蒸散作用增强、降水模式改变以及农业灌溉依赖度上升,这一问题将进一步恶化。Hassani等人(2021)也指出,气候因素……
结论
本研究考察了Landsat 8、Sentinel 2和PlanetScope光谱指数在具有不同土壤质地和气候差异的区域中估算土壤盐碱化的能力。研究结果表明,遥感技术的监测效果高度依赖于环境条件。在黏土含量低于40%的土壤中,盐度预测的可靠性最高;而当黏土含量超过40%时,预测精度显著下降。气候相关的区域条件也对模型性能有重要影响。
CRediT作者贡献说明
E. Nemati:撰写——初稿、验证、方法学、概念设计。
S. Mirzaee:撰写——初稿、可视化、方法学、概念设计。
Y. Ostovari:撰写——初稿、方法学、研究实施。
F.P. Salcedo:撰写——审稿与编辑、资源准备、方法学、研究实施。
E. Mahmoudabadi:撰写——审稿与编辑、监督、研究实施。
A.A. Zolfaghari:撰写——审稿与编辑、资源准备、研究实施。
M. Seifi:撰写——审稿与编辑。
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究得到了伊朗伊斯兰阿扎德大学的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号