舟曲泥石流源區(qū)土壤分散性高光譜探測(cè)模型

王欽軍，魏永明，陳 玉*，陳家閣，藺啟忠

1. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所，數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094 2. 三亞中科遙感研究所，海南省地球觀測(cè)重點(diǎn)實(shí)驗(yàn)室，海南 三亞 572029 3. 山東科技大學(xué)，山東 青島 266590

舟曲泥石流源區(qū)土壤分散性高光譜探測(cè)模型

王欽軍1,2，魏永明1，陳 玉1,2*，陳家閣3，藺啟忠1

1. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所，數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094 2. 三亞中科遙感研究所，海南省地球觀測(cè)重點(diǎn)實(shí)驗(yàn)室，海南 三亞 572029 3. 山東科技大學(xué)，山東 青島 266590

通過開展土壤分散性高光譜測(cè)量實(shí)驗(yàn)，首次明確了舟曲泥石流源區(qū)土壤分散性敏感波段位置、建立了土壤分散性高光譜探測(cè)模型、探討了土壤分散性高光譜探測(cè)機(jī)理。結(jié)果表明，(1)傅里葉變換可以將光譜從時(shí)間域轉(zhuǎn)換為頻率域，實(shí)現(xiàn)對(duì)光譜信號(hào)與噪聲的分離。通過開發(fā)礦物組分精細(xì)鑒別系統(tǒng)，實(shí)現(xiàn)了光譜去噪，為構(gòu)建土壤分散性高光譜探測(cè)模型提供了高保真數(shù)據(jù)源； (2)基于多元線性回歸分析法建立的土壤分散性高光譜探測(cè)模型在研究區(qū)具有較好的預(yù)測(cè)能力，所確定的敏感波段位置及其反射率與土壤分散性具有較高的相關(guān)性； (3)分析礦物光譜結(jié)果表明，土壤分散性高光譜探測(cè)的敏感波段位置實(shí)際上反映了土壤礦物組分及其所吸附的離子類型，揭示了導(dǎo)致土壤分散的深層原因： 與舟曲泥石流源區(qū)土壤分散性關(guān)系最為密切的是鈉離子，其次是方解石、蒙脫石和伊利石，與綠泥石、高嶺石、pH值、石英、鉀長(zhǎng)石、斜長(zhǎng)石等的相關(guān)性較弱。其原因主要是與鈉離子所具有的離子價(jià)低、半徑小、水化力強(qiáng)的特點(diǎn)，方解石所具有的水溶性特點(diǎn)，蒙脫石所具有的層間結(jié)合力極弱、易吸附鈉離子的特點(diǎn)，伊利石在高PH值條件下所具有的強(qiáng)吸附陽離子、高土壤分散性的特性有關(guān)。

舟曲； 泥石流； 分散性； 高光譜

引 言

2010年8月7日晚，在百年一遇的特大暴雨誘發(fā)之下，多條泥石流溝，尤其是在甘肅省舟曲老城北面的三眼峪形成了特大泥石流，自北向南沖向縣城，沖垮了房屋、堵塞了白龍江、中斷了電力、交通和通訊等設(shè)施，造成1 435人遇難，330人失蹤，直接經(jīng)濟(jì)損失高達(dá)4億元[1]。因其規(guī)模大、破壞性強(qiáng)，舟曲泥石流成為現(xiàn)代泥石流研究的典型。

土壤分散性對(duì)泥石流的形成具有重要影響： 首先，在一定水量和地形地貌條件下，土壤分散性是制約泥石流規(guī)模的重要因素。土壤是泥石流的主要物質(zhì)成分，并在泥石流中起攪拌作用。土壤含量越多，泥石流的密度越大，所產(chǎn)生的沖蝕力也就越強(qiáng)，從而能啟動(dòng)更大粒度的山間滾石等堆積物。以此規(guī)律往復(fù)，泥石流的規(guī)模也越來越大。因此，分散性高的土壤，在較小臨界雨量的作用下就可以啟動(dòng)，形成較大規(guī)模的泥石流； 相反，在相同條件下，分散性低的土壤啟動(dòng)條件要求高，形成的泥石流規(guī)模相對(duì)較小。因?yàn)樵谕壬鐣?huì)、經(jīng)濟(jì)發(fā)展背景條件下，泥石流危險(xiǎn)程度與其規(guī)模成正比，所以，泥石流物源區(qū)的土壤分散性在一定程度上也決定了其危險(xiǎn)性。

正因?yàn)槿绱耍陙?，有關(guān)土壤分散性的研究得到國(guó)內(nèi)外專家的重視。目前的研究大多集中在分散性土壤鑒別[2-7]，土壤分散性成因[8-16]和分散性粘土工程防治[11, 18-19]三個(gè)方面； 在土壤與高光譜聯(lián)合反演方面，主要集中在土壤有機(jī)質(zhì)[20-21]、土壤濕度[22]、土壤重金屬含量[23]的高光譜探測(cè)等方面，但是，到目前為止尚未構(gòu)建定量的土壤分散性高光譜探測(cè)模型。

本研究的目的是通過土壤分散性測(cè)量實(shí)驗(yàn)，揭示土壤分散性與礦物成分、酸堿度、離子類型及含量間的內(nèi)在規(guī)律； 通過土壤分散性高光譜測(cè)量實(shí)驗(yàn)，研究土壤分散性高光譜探測(cè)方法。為利用高光譜大面積計(jì)算泥石流土壤總量、定量分析泥石流規(guī)模、評(píng)價(jià)泥石流危險(xiǎn)性與泥石流預(yù)警提供一種新方法。

1 研究區(qū)

研究區(qū)(左上： 104°15′，33°50′； 右下： 104°25′，33°43′)東以舟曲老城為界，西至舟曲新城，北抵大峪溝的最北側(cè)，南臨廟兒溝的最南側(cè)； 東西長(zhǎng)約16km，南北長(zhǎng)約14 km。白龍江自北西向南東貫穿研究區(qū)，位于江邊的S313省道沿江向西連接迭部縣，向東與G212國(guó)道相連，可達(dá)隴南市。

舟曲老城就建在沖積扇上，周邊山體內(nèi)含多條泥石流沖溝，較大的包括三眼峪、羅家峪、武都關(guān)溝和廟兒溝。其中，造成損失最嚴(yán)重的是三眼峪泥石流溝。它包括大峪溝、小峪溝和三眼峪三部分： 大峪溝位于縣城的正北，長(zhǎng)5.8 km，最小寬度5 m，最大寬度800 m，平均寬度約70 m，流域內(nèi)匯水面積達(dá)13 km2； 小峪溝位于縣城的東北方向，長(zhǎng)3.8 km，最小寬度2 m，最大寬度90 m，平均寬度約50 m，流域內(nèi)匯水面積高達(dá)8 km2； 二者在縣城北側(cè)約2公里處匯聚形成三眼峪，長(zhǎng)2 km，寬70 m，自北東向南西流入白龍江； 它們呈“瓢”狀懸在縣城的北側(cè)上方，大峪溝和小峪溝的交匯處，也就是三眼峪北邊的起點(diǎn)成為名副其實(shí)的“瓢把”，對(duì)上游匯聚的水流形成嚴(yán)重的轄制、滯流作用，非常不利于泄洪，成為形成特大泥石流的爆發(fā)口； 另一方面，研究區(qū)基巖以灰?guī)r為主，巖石表面風(fēng)化嚴(yán)重、劈理發(fā)育、植被覆蓋稀疏，在坡高谷窄的地貌上極易形成崩塌，導(dǎo)致小到拳頭、大到房屋的灰?guī)r滾石隨處可見，為泥石流的形成提供了大量物源； 此外，泥石流溝中的土壤大多為松散坡積物，成分以方解石、白云石為主，其次是石英和以伊利石為主的粘土礦物，總體呈堿性。由于土壤以松散的顆粒堆積為主，再加上方解石易溶于水，蒙脫石、伊利石等粘土礦物在堿性環(huán)境中也具有較強(qiáng)分散性的特點(diǎn)，當(dāng)遭遇強(qiáng)降雨的觸發(fā)條件下，容易隨波逐流，形成大規(guī)模泥石流。

2 數(shù)據(jù)獲取及其預(yù)處理

2.1 樣品采集與預(yù)處理

2012年9月16日至22日，在舟曲泥石流災(zāi)區(qū)分別考察了三眼峪、羅家峪、武都關(guān)溝和廟兒溝。其中，前三條溝為泥石流溝，共采樣102個(gè)； 廟兒溝為非泥石流溝，共采樣93個(gè)。利用8411型振篩機(jī)對(duì)采樣后的樣品過2 mm土壤篩，去除植物根系、碎石等雜質(zhì)后，研磨至50，100和200目，對(duì)其進(jìn)行光譜測(cè)量。

2.2 土壤參數(shù)測(cè)量

利用IQ150土壤原位pH值測(cè)定儀測(cè)定土壤酸堿度，利用Item #2500 Na+測(cè)定儀測(cè)量土樣的鈉離子含量，委托中石化石油勘探開發(fā)研究院利用日本理學(xué)D/MAX2500 X射線衍射分析儀測(cè)量樣品的造巖礦物及粘土礦物含量，部分結(jié)果見表1。

Table 1 Results of partial soil parameters

續(xù)表1

ZQ535.400.919.03.50.70.708.220.0032ZQ554.00.2037.01.90.70.708.20.033ZQ5610.30.13.332.03.61.11.00.998.390.02ZQ575.00.41.434.41.50.40.507.320.13ZQ585.80.61.628.72.91.20.808.010.017ZQ594.80.21.528.94.20.91.107.40.028ZQ6111.301.129.63.90.60.608.290.013

2.3 土壤分散性測(cè)量

目前，測(cè)量土壤分散性的方法主要包括碎塊、雙比重計(jì)、針孔、孔隙水可溶鹽和交換性鈉百分比五種，其中，針孔實(shí)驗(yàn)是由美國(guó)謝拉德(Sherard)在1976年提出的，被認(rèn)為是最可靠的土壤分散性鑒定方法。其基本原理是在擊實(shí)的土樣中心穿一直徑為1.0 mm的細(xì)孔，分別在50，180，380和1 020 mm水頭的滲流作用下，用蒸餾水進(jìn)行沖蝕試驗(yàn)。通過觀測(cè)終了孔徑和流量來鑒定土樣的分散性(表2)。根據(jù)美國(guó)材料與試驗(yàn)協(xié)會(huì)制定的《關(guān)于利用針孔實(shí)驗(yàn)進(jìn)行土壤分散性鑒別與分類的標(biāo)準(zhǔn)測(cè)試方法(ASTM-D4647-1993)》的要求，制作了土壤分散性針孔實(shí)驗(yàn)裝置(圖2)，并依據(jù)標(biāo)準(zhǔn)測(cè)試流程對(duì)土壤分散性進(jìn)行測(cè)量，結(jié)果見表3和表4。

Fig.2 Experimental instrument for the pinhole test

Table 2 Evaluation criteria of soil dispersion pinhole test

Table 3 Results of pinhole test in the Sanyanyu and Wuduguangou debris flow area

續(xù)表3

1910203004352.71.45完全清澈完全清澈無1ND12010203005102.51.7完全清澈完全清澈無1ND121503003301.381.1渾濁很渾濁有2.3D12210203006302.62.1完全清澈完全清澈無1ND1233803004352.31.45肉眼可見輕微渾濁無2.2ND3245060045010.75輕微渾濁較渾濁無1.3ND4251803003302.31.1肉眼可見輕微渾濁有2.3ND326503003601.41.2渾濁很渾濁無2.5D12710203003632.31.21完全清澈完全清澈無1ND128503002701.30.9渾濁很渾濁無2.2D12910203005102.61.7完全清澈完全清澈無1ND13010203006002.82完全清澈完全清澈無1ND131503004051.41.35渾濁很渾濁有2.8D13210203007203.22.4清澈肉眼可見無1.4ND23310203003753.21.25清澈肉眼可見無1.7D234503004051.41.35渾濁很渾濁無2D1

2.4 土壤光譜測(cè)量及其預(yù)處理

高光譜遙感所具有的光譜分辨率高，波段連續(xù)性強(qiáng)，能捕獲礦物成分的精細(xì)光譜信息的特點(diǎn)，使其能有效開展土壤礦物鑒別及其含量的提取。但是，由于受光譜儀本身及測(cè)試環(huán)境的影響，測(cè)量的光譜數(shù)據(jù)存在著階躍和白噪聲，它們對(duì)確定礦物類型與含量、提取土壤分散性敏感波段位置、構(gòu)建土壤分散性模型等產(chǎn)生嚴(yán)重影響。為此，開發(fā)了礦物組分精細(xì)鑒別系統(tǒng)(fine mineral component identification system, FMIS)，有效去除了上述影響因素，并通過了國(guó)家級(jí)專業(yè)軟件機(jī)構(gòu)的測(cè)評(píng)，為構(gòu)建土壤分散性高光譜探測(cè)模型提供高保真數(shù)據(jù)源。

(1)光譜測(cè)量

為盡可能避免大氣效應(yīng)對(duì)土壤光譜的影響，在實(shí)驗(yàn)室條件下，利用美國(guó)ASD便攜式光譜儀(ASD FieldSpec○R3)分別測(cè)量50，100和200目下的土樣光譜。測(cè)量時(shí)光譜儀探頭與目標(biāo)物垂直距離為10 cm，使用1 000 W的鹵光燈照射。每個(gè)樣品重復(fù)測(cè)量五條光譜曲線，去除異常光譜曲線后進(jìn)行算術(shù)平均，得到該樣本的平均光譜反射率數(shù)據(jù)。實(shí)驗(yàn)共測(cè)量光譜2 925條，部分樣品的光譜數(shù)據(jù)如圖3所示。

Fig.3 Original spectra of soil samples

(2)光譜去噪

受儀器自身的影響，測(cè)量的光譜存在白噪聲，它們以毛刺的形式表現(xiàn)在光譜曲線上，尤其是在藍(lán)色可見光區(qū)和短波紅外區(qū)較為明顯。它們會(huì)顯著降低礦物的預(yù)測(cè)精度、影響土壤分散性建模的準(zhǔn)確性，需要徹底去除。根據(jù)噪聲與信號(hào)在頻率上的差別，在FMIS系統(tǒng)中實(shí)現(xiàn)了基于傅里葉變換的光譜去噪。圖4是利用FMIS系統(tǒng)進(jìn)行光譜去噪前后的效果對(duì)比圖，結(jié)果表明，該系統(tǒng)有效去除了噪聲，對(duì)提高礦物定量反演和土壤分散性高光譜探測(cè)模型的精度起重要作用。

Fig.4 Results of spectral noises removal using FMIS system

3 舟曲泥石流源區(qū)土壤分散性高光譜探測(cè)模型

基于土樣高光譜測(cè)量數(shù)據(jù)、土壤分散性數(shù)據(jù)及土壤物理化學(xué)測(cè)試數(shù)據(jù)，探討土壤分散性的敏感波段位置，構(gòu)建土壤分散性高光譜探測(cè)模型，實(shí)現(xiàn)基于高光譜數(shù)據(jù)的土壤分散性定量化提取。

3.1 建模數(shù)據(jù)

在針孔實(shí)驗(yàn)中，在某一水頭下的沖蝕孔徑的大小是衡量土壤分散性的重要依據(jù)，據(jù)此，選擇泥石流區(qū)的24個(gè)分散性土壤樣品在50水頭下測(cè)量的孔徑數(shù)據(jù)及相應(yīng)的土壤物、化參數(shù)進(jìn)行土壤分散性高光譜建模，如表5所示。

Table 5 Soil dispersion modeling data

續(xù)表5

ZQ4311.70.22.326.04.61.00.90.60277.760.0132.2ZQ4510.50.43.079.61.80.50.407.980.0053.5ZQ4730.81.211.241.58.411.32.00.964258.380.012.8ZQ49-143.50.89.624.18.51.82.408.010.0274ZQ535.400.919.03.50.70.708.220.00323.5ZQ554.00.2037.01.90.70.708.20.0335ZQ5610.30.13.332.03.61.11.00.99338.390.024ZQ575.00.41.434.41.50.40.507.320.132.3ZQ585.80.61.628.72.91.20.808.010.0172.5ZQ594.80.21.528.94.20.91.107.40.0285.5ZQ6111.301.129.63.90.60.608.290.0132

3.2 土壤分散性敏感波段區(qū)間位置

基于上述數(shù)據(jù)，計(jì)算針孔實(shí)驗(yàn)的沖蝕孔徑與光譜波段反射率間的相關(guān)系數(shù)，如圖5所示。根據(jù)相關(guān)系數(shù)的大小，提取土壤分散性的敏感波段位置分別為370～410，565～581，1 918～1 934，2 392～2 401，2 444～2 452 nm。對(duì)它們按照波長(zhǎng)從小到大的順序進(jìn)行Ⅰ—Ⅴ編號(hào)，顯示在圖6所示的礦物光譜圖中。

Fig.5 Correlation coefficient between soil dispersive parameters and band reflections

Fig.6 Soil dispersion sensitive bands and mineral spectra

對(duì)比結(jié)果表明，Ⅰ，Ⅱ區(qū)的土壤分散性敏感波段位置主要與伊利石等粘土礦物、方解石、pH值、Na離子有關(guān)，Ⅲ區(qū)主要與蒙脫石等粘土礦物、方解石有關(guān)，Ⅳ區(qū)主要與蒙脫石等粘土礦物、方解石、pH值有關(guān)，Ⅴ區(qū)主要與蒙脫石等粘土礦物、方解石、pH值有關(guān)。因此，土壤分散性高光譜探測(cè)的敏感波段位置實(shí)際上反映了影響土壤分散性的礦物組分及其所吸附的離子類型，對(duì)揭示導(dǎo)致土壤分散性的深層原因具有指示意義。

3.3 土壤分散性高光譜探測(cè)模型

基于土壤分散性敏感波段位置分析結(jié)果，選擇沖蝕孔徑和敏感波段區(qū)間的光譜數(shù)據(jù)，利用多元線性分析方法進(jìn)行建模，公式如下。通過繪制預(yù)測(cè)孔徑與實(shí)測(cè)孔徑間的相關(guān)關(guān)系圖，結(jié)果表明模型的決定系數(shù)達(dá)到0.84，說明該模型具有較好的預(yù)測(cè)能力； 同時(shí)，也明確了土壤分散性的敏感波段位置分別為370，377，387，398，410，570，1 918，1 933，2 392，2 401，2 444，2 448和2 452 nm。

Y=3.728-502.948X370+351.238X377-95.863X387+571.108X398-355.982X410+26.422X570+89.116X1 918-122.519X1 933+115.307X2 392-107.671X2 401-162.515X2 444+235.723X2 448-51.339X2 452

其中，Y表示孔徑(mm)，X370表示波長(zhǎng)370 nm處的反射率，其他類推。

Fig.7 Correlation between measured and forecasted pinhole diameters

3.4 土壤分散性高光譜探測(cè)機(jī)理探討

土壤分散性高光譜探測(cè)模型明確了土壤分散性與敏感波段位置的定量關(guān)系，揭示了導(dǎo)致土壤分散的主要因子類型及其貢獻(xiàn)，它們?yōu)槭裁磁c土壤分散性具有如此緊密的聯(lián)系？ 是值得深入研究的土壤分散性高光譜探測(cè)機(jī)理問題。

Table 6 Correlation coefficients between soil physical and chemical parameters

**: Significant correlation on 0.01 level； *: Significant correlation on 0.05 level；N=24

土壤分散性與土壤參數(shù)的相關(guān)性分析結(jié)果表(表6)表明： 在舟曲泥石流區(qū)，與土壤分散性關(guān)系最為密切的是鈉離子，它們?cè)?.05水平上顯著相關(guān)，其次是方解石、蒙脫石和伊利石，而綠泥石、高嶺石、pH值、石英、鉀長(zhǎng)石、斜長(zhǎng)石等與土壤分散性的相關(guān)性較弱，分析其原因如下：

各種電解質(zhì)以離子或化合物的形式存在于水中，形成土—水—電解質(zhì)系統(tǒng)。離子的帶電性導(dǎo)致在電解質(zhì)系統(tǒng)中形成了雙電層，其厚度越厚，土粒絮凝的傾向就越小，導(dǎo)致土壤的分散性就越強(qiáng)。因此，離子濃度和化合價(jià)對(duì)控制土壤分散性具有顯著的影響[4]。

(1)鈉離子具有低離子價(jià)、小半徑、強(qiáng)水化力的特點(diǎn)，可增大土顆粒表面的雙電層厚度與距離，減弱顆粒間的連結(jié)力，導(dǎo)致土壤產(chǎn)生較強(qiáng)的分散性。

(2)方解石是研究區(qū)土壤含量最多的礦物成分，一方面，它在土壤中的顆粒性強(qiáng)、粒間粘結(jié)力弱，遇水容易分散； 另一方面，它的化學(xué)成分是CaCO3，容易與水相結(jié)合，形成易溶于水的CaHCO3，造成組分流失，成為孔徑增大和分散性增強(qiáng)的主要因子之一。

(3)蒙脫石粘土礦物晶格是由SiO2和Al2O3晶片組成2∶1三層定向組構(gòu)，晶格間以氧基相連，具有強(qiáng)親水性、弱層間結(jié)合力、高晶格活動(dòng)性的特點(diǎn)，導(dǎo)致水分子進(jìn)入層間自由。當(dāng)遇水后，尤其是小半徑、強(qiáng)水化力的Na+進(jìn)入層間，增大了雙電層厚度，使得土粒處于高分散懸浮狀，容易分散。

(4)伊利石是一種富鉀的2∶1型二八面體硅酸鹽云母類粘土礦物，擁有兩個(gè)硅氧四面體夾一個(gè)鋁氧八面體的(即T-O-T)結(jié)構(gòu)。因部分硅氧四面體結(jié)構(gòu)中的Si被Al取代而帶負(fù)電荷。在電荷不平衡的條件下，Ca和Mg離子可以取代K離子，從而阻止水分子進(jìn)入層間，具有晶層聯(lián)結(jié)牢固、晶格無擴(kuò)展性的特點(diǎn)。但是，如果土樣中的黏土礦物以伊利石為主，且處于高pH值溶液中，其黏土顆粒表面的負(fù)電荷增大，吸附的陽離子數(shù)量增多，增加了顆粒表面的雙電層厚度，使土壤具有較強(qiáng)的分散性[4]。

4 結(jié) 論

(1)傅里葉變換可以較好地去除光譜噪聲，礦物組分精細(xì)鑒別(FMIS)系統(tǒng)為提高土壤分散性高光譜探測(cè)的精度提供了技術(shù)支撐。

在光譜測(cè)量過程中，受儀器自身的影響，測(cè)量的光譜曲線存在白噪聲，尤其在藍(lán)色可見光和短波紅外波段較為明顯。研究結(jié)果表明，噪聲與信號(hào)間的差異主要體現(xiàn)在頻率上： 信號(hào)位于低頻區(qū)，而噪聲則位于高頻區(qū)。傅里葉變換可以將光譜從時(shí)間域轉(zhuǎn)換為頻率域，實(shí)現(xiàn)對(duì)光譜信號(hào)與噪聲的分離； 因此，可以通過低通濾波消除噪聲?；谏鲜鲈恚ㄟ^開發(fā)礦物組分精細(xì)鑒別系統(tǒng)，實(shí)現(xiàn)了光譜去噪，為構(gòu)建土壤分散性高光譜探測(cè)模型提供了高保真數(shù)據(jù)源。

(2)利用多元線性分析方法建立的土壤分散性高光譜探測(cè)模型具有良好的預(yù)測(cè)能力。

基于針孔實(shí)驗(yàn)的孔徑值和敏感波段區(qū)間的光譜數(shù)據(jù)，通過對(duì)比多元線性分析法(決定系數(shù)為0.843 1)、主成分分析法(決定系數(shù)為0.12)和偏最小二乘法(決定系數(shù)小于0.1)的建模結(jié)果表明，基于多元線性分析法建立的土壤分散性高光譜探測(cè)模型在研究區(qū)具有較好的預(yù)測(cè)能力，所確定的敏感波段位置及其反射率與土壤分散性具有較高的相關(guān)性。

(3)土壤分散性高光譜探測(cè)的敏感波段位置反映了影響土壤分散性的礦物組分及其所吸附的離子類型，對(duì)揭示土壤分散性的深層原因具有指示意義。

土壤分散性高光譜探測(cè)模型明確了舟曲泥石流源區(qū)土壤分散性的敏感波段位置分別為370，377，387，398，410，570，1 918，1 933，2 392，2 401，2 444，2 448和2 452 nm。通過分析土壤參數(shù)與高光譜波段間的相關(guān)性，結(jié)合礦物光譜曲線圖表明，土壤分散性高光譜探測(cè)的敏感波段位置實(shí)際上反映了土壤礦物組分及其所吸附的離子類型，揭示了導(dǎo)致土壤分散的深層原因。

(4)鈉離子、方解石、蒙脫石和伊利石是導(dǎo)致舟曲泥石流源區(qū)土壤分散的主要因素。

通過分析土壤分散性與土壤參數(shù)的相關(guān)關(guān)系的結(jié)果表明，與舟曲泥石流源區(qū)土壤分散性關(guān)系最為密切的是鈉離子，其次是方解石、蒙脫石和伊利石，而綠泥石、高嶺石、pH值、石英、鉀長(zhǎng)石、斜長(zhǎng)石等的相關(guān)性較弱。其原因主要是與鈉離子所具有的離子價(jià)低、半徑小、水化力強(qiáng)的特點(diǎn)，方解石所具有的水溶性特點(diǎn)，蒙脫石所具有的層間結(jié)合力極弱、易吸附鈉離子的特點(diǎn)，伊利石在高PH值條件下所具有的強(qiáng)吸附陽離子、高土壤分散性的特性有關(guān)。

[1] LIU De-yi, YU Ke(劉德鎰，喻 刻). Land & Resources Herald(國(guó)土資源導(dǎo)刊), 2010，9： 20.

[2] LI Hua-luan, GAO Pei-fa, MU Nai-min, et al(李華鑾，高培法，穆乃敏，等). Journal of Shandong University·Engineering Science(山東大學(xué)學(xué)報(bào)·工學(xué)版)，2010，40(4)： 92.

[3] FAN Heng-hui, WU Pu-te, LI Peng, et al(樊恒輝，吳普特，李 鵬，等). Chinese Journal of Geotechnical Engineering(巖土工程學(xué)報(bào))，2005，27(11)： 1310.

[4] ZHAO Gao-wen, FAN Heng-hui, CHEN Hua, et al(趙高文，樊恒輝，陳 華，等). Journal of Northwest A&F University·Nat. Sci. Ed(西北農(nóng)林科技大學(xué)學(xué)報(bào)·自然科學(xué)版)，2013，41(6)： 202.

[5] SUN Xiao-ming, ZHANG Xiao-jing, WU Fu-ping(孫曉明，張曉靜，吳富萍). Water Conservancy Science and Technology and Economy(水利科技與經(jīng)濟(jì))，2002, 8(2)： 87.

[6] LU Xue-qing, DANG Jin-qian, FAN Heng-hui, et al(盧雪清，黨進(jìn)謙，樊恒輝，等). Journal of Northwest A&F University·Nat. Sci. Ed.(西北農(nóng)林科技大學(xué)學(xué)報(bào)·自然科學(xué)版), 2011, 39(5): 208.

[7] FAN Heng-hui, LI Hong-liang, ZHAO Gao-wen(樊恒輝，李洪良，趙高文). Chinese Journal of Geotechnical Engineering(巖土工程學(xué)報(bào)), 2012, 34(9): 1740.

[8] Peltonen C, Marcussen ?, Bj?rlykke K, et al. Marine and Petroleum Geology, 2009, 26: 887.

[9] Mohamed A M O. Engineering Geology, 2000, 57: 193.

[10] Peethamparan S, Olek J, Diamond S. Cement and Concrete Research, 2009, 39: 580.

[11] TIAN Kan-liang, ZHANG Hui-li, FAN Heng-hui(田堪良，張慧莉，樊恒輝). Journal of Hydroelectric Engineering(水力發(fā)電學(xué)報(bào))，2010，29(2)： 204.

[12] LI Hong-liang, DANG Jin-qian, FAN Heng-hui(李洪良, 黨進(jìn)謙, 樊恒輝). Yangtze River(人民長(zhǎng)江)，2010，41(2)： 84.

[13] Erguler Z A, Ulusay R. Engineering Geology, 2003, 67: 331.

[14] Kau P M H, Binning P J, Hitchcock P W, et al. Journal of Contaminant Hydrology. 1999, 36: 131.

[15] Khalfaoui A, Hajjaji M. Applied Clay Science, 2009, 45: 83.

[16] Trindade M J, Dias M I, Coroado J, et al. Applied Clay Science, 2009, 42: 345.

[17] Faulkner H, Ruiz J, Zukowskyj P, et al. Environmental Science & Policy, 2003, 6: 115.

[18] LIU Xiao-li, SONG Zhi-xiang, GONG Ji-chang, et al(劉曉黎，宋智香，宮繼昌，等). Yellow River(人民黃河)，2007，29(12)： 85.

[19] JU Juan-li, YAN Bao-wen, FAN Heng-hui, et al(巨娟麗，嚴(yán)寶文，樊恒輝，等). Yangtze River(人民長(zhǎng)江)，2007，38(6)： 132.

[20] LU Yan-li, BAI You-lu, YANG Li-ping, et al(盧艷麗，白由路，楊俐蘋，等). PIant Nutrition and Fertilizer Science(植物營(yíng)養(yǎng)與肥料學(xué)報(bào))，2008，14(6)： 1076.

[21] QIAO Lu, CHEN Li-xin, ZHANG Jie, et al(喬 璐，陳立新，張 杰，等). Journal of Northeast Forestry University(東北林業(yè)大學(xué)學(xué)報(bào))，2010，38(7)： 116.

[22] LIU Wei-dong, Frederic Baret, ZHANG Bing, et al(劉偉東，F(xiàn)rederic Baret，張 兵，等). Acta Pedologica Sinica(土壤學(xué)報(bào))，2004，41(5)： 700.

[23] JIANG Jian-jun, XU Jun, HE Jun-liang, et al(蔣建軍，徐 軍，賀軍亮，等). Acta Pedologica Sinica(土壤學(xué)報(bào))，2009，46(1)： 177.

*Corresponding author

Hyperspectral Detection Model for Soil Dispersion in Zhouqu Debris Flow Source Region

WANG Qin-jun1,2, WEI Yong-ming1, CHEN Yu1，2*, CHEN Jia-ge3, LIN Qi-zhong1

1. Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China 2. Key Laboratory of the Earth Observation of Hainan Province, Institute of Remote Sensing for Chinese Sciences, Sanya 572029, China 3. Shandong University of Science and Technology, Qingdao 266590, China

Sensitive band positions, models and the principles of soil dispersion detected by hyperspectral remote sensing were firstly discussed according to the results of soil dispersive hyperspectral remote sensing experiment. Results showed that, (1) signals and noises could be separated by Fourier transformation. A finely mineral identification system was developed to remove spectral noises and provide highly accurate data for establishing soil dispersive model; (2) Soil dispersive hyperspectral remote sensing model established by the multiple linear regression method was good at soil dispersion forecasting for the high correlation between sensitive bands and the soil dispersions. (3) According to mineral spectra, soil minerals and their absorbed irons were reflected by sensitive bands which revealed reasons causing soils to be dispersive. Sodium was the closest iron correlated with soil dispersion. The secondary was calcite, montmorillonite and illite. However, the correlation between soil dispersion and chlorite, kaolinite, PH value, quartz, potassium feldspar, plagioclase was weak. The main reason was probably that sodium was low in ionic valence, small ionic radius and strong hydration forces; calcite was high water soluble and illite was weak binding forces between two layers under high pH value.

Zhouqu; Debris flow; Dispersion; Hyperspectral remote sensing

Jan. 18, 2015; accepted Apr. 26, 2015)

2015-01-18，

2015-04-26

國(guó)家自然科學(xué)基金項(xiàng)目(41171280)，中國(guó)科學(xué)院“西部之光人才培養(yǎng)計(jì)劃”(Y32301101B)和三亞市院地合作項(xiàng)目(sy14ys01132)資助

王欽軍, 1975年生，中國(guó)科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點(diǎn)實(shí)驗(yàn)室研究員 e-mail： qjwang@ceode.ac.cn *通訊聯(lián)系人 e-mail： yuchen@ceode.ac.cn

P585.1

A

10.3964/j.issn.1000-0593(2016)02-0502-09