1.2 国内外研究综述

1.2.1 国内土壤盐渍化遥感监测进展

我国学者对土壤的盐渍化的研究主要集中在盐渍化土壤的生态环境效应、土壤盐分积累及运移模型、生态地质环境及水化学环境、盐渍化土壤的改良等方面。例如，石元春（1992）对土壤中水盐运动规律进行了探讨，并在此基础上建立水盐运移模型；陈亚新（1997）通过建立数学模型，模拟地下水与土壤盐渍化关系，为盐渍化土壤的管理奠定了理论基础；宋长春等（2002）建立了土壤次生盐渍化过程的数学模型；刘强等（2008）研究了变化环境中土壤盐渍化过程。现阶段集中在利用RS、GIS和数学模型进行土壤盐渍化的管理、信息提取、监测与预报。

国内开展土壤盐渍化卫星遥感监测研究比国外晚了大约10年，利用遥感影像进行目视判读是进行盐渍土定性、定量和动态分析的重要手段，数字图像处理技术在早期的盐渍土监测研究方面也发挥了一定的作用。盐渍土目视判读过程中，我国科研工作者强调根据地理综合分析和影像特征相结合的方法，来消除异物同谱和同谱异物现象的干扰，在这方面的研究中，曾志远（1985）最早提出了“地理控制系统”的概念。地理控制系统的理论根据为土壤和景观是一个统一的整体，二者密不可分；一定的土壤只能出现在一定的地理环境中，而不出现在与它不相干的其他环境中。另外，张恒云和肖淑招（1992）曾用气象卫星NOAA/AVHRR数据，建立了盐渍土与土壤含水量、日最低气温和日最高气温之间的回归模型，来间接分析研究滨海盐渍土。彭望琭和李天杰（1989）研究发现经过K－T变换，得到的3个分量（亮度、绿度、湿度）地学意义明确，可以提高盐渍土的判读分析效果。骆玉霞和陈焕伟（2000）采用了K－T、K－L变换和有关经验指数，从Landsat TM数据中提取了盐渍土的光谱特征和纹理特征参与分类。对角度分类器和距离分类器进行了比较研究，对遥感信息单要素分类与遥感信息综合分类进行比较研究。刘庆生等（2000）利用HIS和PCA变换将资源一号卫星数据与高分辨率全色数据进行融合分析，更清晰地确定了不同级别盐渍土及农田的分布状况。这些研究都不同程度地提高了盐渍土专题信息提取的精度。

李海涛等（2006）通过运用ASTER遥感影像数据，对不同地物进行光谱分析，根据不同地物在不同波段的光谱特征曲线，分别提取植被和水体信息，然后进行非监督分类，并结合物探试验和土样分析结果进行聚类分析，定性和定量地评价了焉耆盆地内土壤盐渍化程度分布状况。霍东民等（2001）在黄河三角洲进行工作时，利用CBERS－1的图像数据，在深入分析盐碱地光谱信息和空间信息的基础上，借助人脑在分析图像时所加入的各方面知识，在GIS支持下自动提取盐碱地专题信息，为盐碱地监测打下基础。刘庆生等（2004）研究了上覆植被的土壤光谱特征与土壤盐分的关系，表明在干旱、半干旱区，当植被覆盖度低于25%～35%时，土壤的光谱特征差别明显，利用遥感、土壤光谱数据与土壤盐分数据相结合能有效地监测土壤盐渍化；若植被覆盖度大于此阈值，监测精度下降，只能通过上覆植被信息间接推断土壤盐渍化状况。史晓霞（2005,2007）通过建立GeoCA—Salinization模型模拟对长岭县土壤盐渍化时空演变过程。李宏和于洪伟（2007）对新疆塔里木河流域进行土地盐渍化专题信息提取，建立该地区土地盐渍化分类系统，提高土地盐渍化分类精度，对建立生态环境监测系统有非常实用的价值。关元秀等（2001）利用TM数据，基于地物光谱特征、野外调查建立的地物与影像之间的关系以及土壤和地下水监测数据的辅助，常规监督分类法和改进的图像分类法两种方法相结合，提取了不同盐渍程度的盐碱地。除此之外，学者们还对水体、滩涂、非盐碱地等做了区分。此外，依据各波段的信息量、相关性，结合图像获取的时相及研究对象的特征和应用目的来选择最佳波段组合，以确保各类别的可分性。许迪和王少丽（2003）用LANDSAT卫星遥感影像数据，利用监督分类、NDVI指数等遥感影像处理方法，对黄河上游的宁夏青铜峡灌区进行了识别作物及土壤盐碱分布的应用研究。徐存东等（2019）运用ArcGIS技术，结合可拓层次分析法，分析了1994—2015年长时间序列区域尺度水盐的时空分布特征。

塔西甫拉提·特依拜等（2007）通过实证分析发现塔里木盆地南缘和北缘由于水文（盐渍化形成的关键）、气候（形成盐渍化土壤的驱动力）、地形（盐渍化土壤分布及差异的主要因素）、人类活动（盐渍化土壤形成的重要因素）等因素差异的存在，导致了区域盐渍化情况的差异。何祺胜等（2006）利用TM卫星图像数据，分析了盐碱地地区主要地物的光谱特征，并建立决策树模型得到了盐渍地信息的提取结果，总体提取效果较好。江红南等（2007）利用（ETM+）遥感图像提取了归一化植被指数（NDVI）、第三主成分（PC3），改进归一化差异水体指数（MNDWI）、TM1、TM7分别作为非盐渍化土壤及盐渍化土壤信息提取的主要特征变量，对研究区域遥感图像进行了分类。结果达到较高信息识别精度。庞治国等（2000）将3S技术（RS、GIS、GPS）应用于吉林省西部大安市盐渍化土地资源的现状调查和监测，指出其总的变化趋势及表现出来的时间序列的阶段性，同时提出防治和发展措施。这些研究都不同程度提高了盐渍土专题信息提取的精度。牛博等（2004）人利用干旱区盐渍化土壤的光谱特征及其空间特性，进行了盐渍化土壤专题信息提取研究，并分析得出了盐渍化动态演变的趋势。李晓燕等（2005）以GIS技术为支撑，基于地形图和MSS、TM影像，从数量、类型、空间分布及重心转移几个方面进行了大安市盐碱地景观的动态变化及成因分析。张飞、丁建丽等（2007）在野外考察、GPS定点和土壤采样分析的基础上，借助Statistics、Excel等软件对盐离子含量、电导率与离子含量的关系、土壤总碱度与离子含量的关系、土壤水溶液中总溶解固体（TDS）与离子之间的关系、土壤含盐量与电导率的关系、盐离子间相关性以及土壤含盐量与农业产量的关系做了探讨。何祺胜等（2007）在新疆库车河—渭干河三角洲进行盐碱地研究时，采用雷达影像作为最重要的数据源，综合利用其他遥感和空间数据的优势，提高了盐渍地信息的提取精度，展开微波遥感在土地盐渍化专题信息提取方面的应用研究。从地学的角度，我国学者在盐渍化土壤，包括次生盐渍化的管理、信息提取、监测与预报等方面都做了大量工作。这些工作主要以RS为手段并结合GIS进行研究。李凤全等（2000）以吉林省西部半干旱区为例，将数学模型与GIS及人工神经网络相结合建立土壤盐渍化监测与预报模型。吴加敏等（2007）采用多源信息复合分类的方法，通过“综合分析，主导因子判定”提高了遥感和地理信息系统技术在土壤盐渍化和中低产田调查研究中的应用。

我国盐渍土遥感监测研究现状，主要受到我国各大盐渍土分布区所拥有的遥感数据所限的影响，当然盐渍土研究工作者的数字图像处理的设备和技术水平也对其有不可忽视的影响。盐渍土研究所用数据主要是来自美国陆地卫星MSS、TM影像和航片。受遥感影像空间分辨率和光谱分辨率的制约，仅立足于影像光谱数据进行数理统计，实现的影像自动分类，在应用于土壤盐渍地信息提取时，其精度较低，难以满足生产要求。尽管如此，广大盐渍土研究工作者仍然认为利用计算机自动分类方法来提取盐碱地信息是有很大潜力可挖掘的。

1.2.2 国外土壤盐渍化遥感监测进展

土壤盐渍化信息提取一直是国外研究的一个热点。国外利用卫星遥感进行土壤盐渍化监测研究始于20世纪70年代。进入20世纪80年代，多波段、多时相的遥感数据被广泛应用于盐渍土和盐生植被的监测、调查、制图研究中。这一时期，主要是结合盐渍土和盐生植被的光谱特征实验研究进行目视判读，少数人用监督分类法提取盐渍土信息。自20世纪90年代以来，遥感数据源更加丰富，方法日趋成熟。常用的遥感数据有：Terra、MSS、TM、ETM、Quickbird、ASTER、SPOT、RADARSAT和IRS等卫星遥感数据以及HyMap和AME等高光谱数据。尽管遥感数据的光谱分辨率、辐射分辨率、时间分辨率和空间分辨率都在不断提高，但目视判读仍然是盐渍土监测研究和动态分析的重要手段。与以前不同的是研究内容更加广泛。不论目视判读还是计算机自动分类，盐渍化土壤信息提取主要是基于其光谱响应特征。

从研究手段上讲，RS和GIS技术的应用无论是从静态还是动态方面，都有力地推动着土壤盐渍化的研究。Rao等（1995）作了盐渍土光谱特征的专门研究，与一般耕地相比，盐渍土在可见光和近红外波段光谱反射强；土壤盐渍化程度越高，光谱反射越强；在红光和绿光波段，地面植被覆盖会影响盐渍土的光谱响应。另外，太阳高度角、土壤含水量也会影响盐渍土的光谱响应模式。Metternichit和Zinck（1997）指出研究盐渍化土壤波谱响应模式，选择敏感波段，有助于盐渍地的分离。根据盐渍化土壤光谱曲线图发现盐渍化土壤在0.45～0.68微米对可见光反射能力强于其他的地物。Khan和Sato（2001）通过研究也表明ETM+图像的第三波段（0.62～0.68纳米）对于土壤盐分程度具有敏感的响应特性。他还通过比较典型地物的波谱特征及波段混合实验发现，由遥感图像红和蓝波段确定的土壤盐分指数（SI）能较好地反映土壤盐渍化程度，而且土壤盐分指数与地表实测盐渍化土壤电导率有很好的相关性。Douaoui（2006）和Farifteh（2007）等利用高光谱数据进行土壤盐渍化分类时发现土壤表层盐分与土壤反射率之间呈现线性相关关系，通过盐渍化土壤的光谱特征可以很好地区别盐渍化土壤和非盐渍化土壤。Leone等（2007）指出土壤盐渍化对植被指数和水体指数有显著影响。因此，光谱特征被认为是区分盐渍土和非盐渍土的一个有用的判别依据。

Dwivedi和Rao（1992）做了盐渍土监测最佳波段组合的实验研究，如果单纯从信息量来衡量，TM数据1、3和5波段组合所含信息量最大。Wu等（2008）运用变换散度分析（TD）对TM图像的多波段组合选择进行分析，得出了两个最佳的波段组合，分别是（1,2,4,5,6,7）和（1,2,4,6, 7）波段。这两个组合的TD值接近最大可能值。虽然盐生植物能改变盐渍化土壤的整体光谱反射模式，造成光谱干扰，但是Bui等（2010）通过研究澳大利亚昆士兰州东北部的植被种类以及植被的分布与集群，确定了土壤盐渍化程度。以植被为探测盐渍土的间接指征，则应选择8～9月的数据，这一时期植被的生物量几乎达到最大。NDVI与土壤的电导率有较高的相关性，故NDVI也可作为判别盐渍土的一个间接参数。Masoud和Koike（2006）通过分析地表特征参数地表温度以及植被指数和土壤盐分之间的关系，提取了研究区间为1987—2003年的盐渍化土壤动态变化信息。Fernández－Buces等（2006）则通过研究土壤地表特征（电导率、纳吸附比等）与盐渍化土壤NDVI之间的关系，提出了用于盐渍化土壤信息提取的复合波谱响应指数（A Combined Spectral Response Index, COSRI）。

Taylor（1996）利用航空雷达对盐渍化土壤的提取做了大量研究，分析了盐渍化土壤在航空雷达影像中的光谱特征，并认为L波段能很好地区分盐渍土和非盐渍土。近年来，一些学者把土壤水分反演的一些模型和算法，如SPM （Small Perturbation Model）、POM（Physical Optics Model）、DM（Dubois Model）和CM（Combined Model）等应用于土壤的盐碱化研究，并且为了消除反演中植被的影响，后来又提出了CM（VC）（Vegetation Corrected Combined Model）模型。Morshed等（2016）提出了一种盐分指数和野外数据结合的综合反演方法。

Dehaan等（2003）利用高光谱进行盐渍化土壤制图；Farifteh（2007）利用高光谱数据进行土壤盐渍化分类，认为通过地物的光谱特征可以很好地区别出盐渍化土壤和非盐渍化土壤。Cresswella等（2007）通过AEM高光谱数据获取了澳大利亚墨里河流域土壤盐渍化盐分载荷（salt load）三维图。对土壤盐渍化动态方面的研究，主要是盐渍化的监测、评估与预报。从目前的研究看，盐渍化土壤时空变化成为主要的研究热点和趋势。在众多研究者中，澳大利亚的G. I. Metternicht在这方面做的研究较多，其主要的手段是结合RS、GIS及专家系统对盐渍化的模拟与预测，在盐渍化土壤的时空动态变化研究方面取得了一定的成果。Metternieht（2003）利用Landsat TM数字图像分类，在建立训练样本时，协同实测土壤退化特征以及实验室测定的数据（如土壤电导率EC、钠吸附率SAR、土壤pH值），从土壤数据库中选取各个级别的代表性样本，按用户定义的空间和光谱的制约条件，并考虑相邻像元的信息，确定光谱同质的对象来组成训练样区，采用最大似然法分类，成功提取了土壤盐渍化分布信息，他还利用模糊分类信息算法成功提取了澳大利亚北部盐碱地信息。