2017年土地科学研究重点进展评述及2018年展望——土地工程与信息技术分报告

胡振琪，王晓彤，梁宇生，赵会顺，陈 洋，曹 瑜

（中国矿业大学（北京）土地复垦与生态重建研究所，北京 100083）

土地工程与信息技术主要包含了土地工程与土地信息技术两大领域。依据土地利用工程、土地整治（工程）和土地工程研究对象和研究目标的一致性，我们将这三者统称为“土地工程”[1]。土地工程依据整治对象为未利用土地、未合理利用土地、损毁退化与污染土地，区分为土地开发、土地整理、土地复垦和土地修复。土地信息技术研究涉及土地信息采集技术、土地信息处理技术、动态监测技术、土地信息可视化表达与系统开发等方面。通过对2017年国内外相关学术文献数据库的检索，在中国知网（CNKI）、万方期刊全文数据库、Elsevier、Springer、ProQuest等电子期刊数据库，以关键词未利用地（unutilized land）/耕地后备资源开发（cultivated reserved land resources）、土地整治（Land Renovation）/农村土地整理（rural land arrangement）/城镇土地整理（Urban land consolidation）、土地复垦（land reclamation）/生态重建（ecological restoration）/损毁土地（land destruction）/土壤重构（soil reconstruction）/地貌重塑（landform restruction）、土地修复（land remediation）/污染土地（contaminated land）/退化土地（degraded land）、土地测量（land survey）/GIS/RS/GPS/3S/无人机（Unmanned Aerial Vehicle）/INSAR/三维激光扫描（3D laser scanning）等进行检索，共筛选出文献81篇，其中中文文献56篇，外文文献25篇。主要分布在《中国土地科学》、《农业工程学报》、《煤炭学报》、《生态环境学报》、《测绘通报》、Ecological Indicators、Remote Sensing of Environment等期刊，遴选文献分布情况见表1。

1 2017年国内土地工程与信息技术领域重点问题研究进展评述

2017年，在土地工程与信息技术领域中，学科发展建设、土地复垦和土地修复均取得了较大的研究进展。学科发展建设方面，土地工程学、土地信息技术学的概念、内涵、学科体系的探讨趋于清晰，土地科学作为一级学科的体系更为完善。土地工程方面：土地开发生态风险分析分析备受关注；生态整理与整理监管问题得到重视；土壤重构的研究日益深入，复垦质量与复垦技术的革新更加完备；污染土地修复技术不断加强，对土地修复管理机制的深入探讨，为土地修复治理模式体系构建起到了积极地推动作用。信息技术方面：土地信息采集工作主要围绕遥感、无人机航空摄影测量技术、三维激光扫描技术展开；综合应用土地信息处理技术更加关注数据更新的重要作用；动态监测技术侧重于新方法的探索与应用；土地信息可视化表达更加关注以三维技术反演土地覆被信息。

表1 2017 土地工程与信息技术领域国内外研究文献分布情况Tab.1 Literature on land and engineering and land information technology

1.1 土地工程国内研究进展

1.1.1 土地开发 土地工程中土地开发的研究对象是未利用土地，未利用地作为重要的耕地后备资源，研究其开发适宜性及开发生态风险是实现土地可持续利用的重要举措，保障中国粮食安全、实现经济发展和生态文明建设均具有重要意义[2]。根据耕地后备资源的分布特征研究其开发组合序列是有效开发利用耕地后备资源、补充耕地的重要前提[3]。耕地后备资源需在区域不同的资源条件与利用方向基础上，进行针对性的差异化保护与开发管理，发挥资金投入的最佳效益，实现开发区域的协调发展[4]。

1.1.2 土地整理

（1）生态整理。重点基于景观生态学原理，分析土地整理项目与生态文明建设之间的相互关系[5]，与此同时，探讨了利用生态系统服务变化评价生态风险的可能[6]。为进一步探究土地整理对景观生态的影响，分别就土地整治工程建设对农田生态系统的影响[7]和对农地细碎化的影响进行了研究[8]。总结了中国土地整理中的景观生态学研究现状，并提出土地整理中的景观生态学研究展望[9]。

（2）整理监管。侧重于从多元投入、政策创新、强化监管、能力提升4个方面来强化土地整理监管[10]，以供给侧结构性改革为切入视角，重点探讨土地整理的转型方向及其制度构建[11]，以期为新时期土地整理实践及机制创新提供参考。

（3）村庄整理。注重从微观尺度分析农村衰落的原因和规律[12]，提出农村土地整理的工程化不应过度偏重于工程技术手段平整土地并配套建设农业基础设施，应更加注重权属调整[13-14]，通过生态系统的自我修复能力来实现“精明退出”[15]，阐述农地整理管护绩效的影响因素，提出要加强农村土地整理项目后期管护力度并调动农民积极参与整理[16]。

（4）城镇土地整理。更关注土地整理潜力的评价，城镇土地布局的优化[17]。对城镇非建设用地转用的驱动机制[18]，并构建了兼顾地理空间和属性空间的双重自组织模型，对土地整理项目区进行时空配置[19]。综合分析农地流转绩效区域差异表现及原因[20]。在高标准基本农田优化分区方面，采用热点分析方法划定了高标准农田建设一级优先区、二级优先区和不宜建设区[21]。

1.1.3 土地复垦

（1）复垦质量。注重从土壤理化性质的角度，对复垦土地质量进行评价[22]，重点研究复垦土壤的粒径组成[23]、土壤孔隙分布状况[24]及不同充填材料的配比[25]对土壤水分及溶质运移的影响。对土壤水分的研究多采用入渗试验的方法，复垦土地利用类型不同，土壤的入渗特性存在显著性差异[26]。相关研究发现土壤容重随复垦时间增加呈现下降趋势，土壤含水量随时间呈上升趋势[27]。

（2）复垦技术。重点关注东部高潜水位地区充填复垦技术及西北干旱、半干旱地区微生物复垦技术的应用。东部高潜水位地区，针对采煤塌陷积水，造成大面积的农田无法耕种的难题，提出边采边复动态施工标高模型[28]，并对间隔条带式黄河泥沙充填采煤沉陷地复垦技术工艺流程并进行实践[29]。西北干旱、半干旱地区为典型生态脆弱区，通过丛枝菌根真菌，实现复垦土壤的水肥供应[30-31]。

（3）地貌重塑。着重从园林学视角进行矿区损毁土地的地貌重塑，根据矿区的实际情况进行塌陷区景观生态再造，并结合人类生活、社会发展的需要,向旅游业、农业等方向发展[32]。植被是矿区生态系统全面恢复的关键，对先锋植物和适生植物进行草、灌、乔不同模式的组合配置，能够有效控制地表径流[33]。

1.1.4 土地修复

（1）污染土地修复。侧重于化学修复、物理修复和生物修复。化学修复方面，通过总结生物强化和生物刺激等绿色代表性技术的研究，指出今后联合修复思路和加强分子方法应用的研究方向[34]。在物理修复方面，通过增加电流强度,促进土壤中Zn的解析,提高了去除效率[35]，并有利于去除土壤中的低浓度重金属污染物[36]。生物修复的方面，提出了植被覆盖度方面优选穴铺植生袋建植法[37]，并利用转基因植物修复污染及细胞工程技术，强化植物修复[38]。

（2）修复管理机制。主要关注土地修复治理模式的体系构建、污染场地风险管控为导向的治理模式和土地污染的工作管理机制[39]。采取以风险管控为主的防治策略，确保受污染土壤的安全利用[40]。土地污染的工作管理机制方面，以国家支持推进的六个先行区为重点, 系统的提出了先行区内涵定位、推进思路、阶段划分、建设任务和工作机制[41]。

1.2 土地信息技术国内研究进展

1.2.1 土地信息采集技术 主要围绕遥感、无人机航空摄影测量技术、三维激光扫描技术采集地形地貌及地籍信息展开研究。结合高分辨率DOM遥感影像，采用面向对象的分类方法进行土地利用信息提取[42]；无人机航测技术以其机动、快速、经济等优势，能够在面积较小的大比例尺地形上，轻松获取测区的影像数据，绘制地形图，显著减轻土地测绘工作量[43]，并能快捷的采集土地确权工作的基础地理数据[44]，还有学者运用自检校光束法对影像进行平差处理，提升无人机土地确权的精度[45]，采用无人机倾斜摄影三维建模技术，通过采集分析三维地理数据，解决房地信息不对称、现场核实难等问题提高不动产登记效率[46]。同时还实现了对黄土高原地区黄土滑坡的精细化测量，进行滑坡数字化处理[47]；结合三维激光扫描技术快速高效的预防地质灾害[48]。

1.2.2 土地信息处理技术 数据更新对土地信息数据保持其现势性具有重要作用，国内有学者提出以1∶500 地形图为更新数据源，采用面向区域全要素更新的方法，实现1∶500 基础地理信息数据库的快速更新[49]；有学者提出了一种基于要素的数据联动更新技术，以要素为中心对多种尺度的基础地理信息数据联动更新生产，并设计出联动更新程序，验证了该技术的可行性和高效性[50]。

1.2.3 动态监测技术 侧重于通过Landsat、Geoeye、MODIS及国产高分一号等多种数据源，积极探索土地动态监测方法[51]实现了动态检测的自动化[52]。采用无人机航测技术，对矿区进行三维重建，并结合数字高程模型（DEM）与数字正射影像图（DOM）等实现对矿区开采的动态监测[53]；采用基于相位相干性的非线性人工角反射器InSAR解算算法，有效地避免相位解缠误差，大大增强对大尺度地形测绘和地表形变监测能力[54]。

1.2.4 土地信息可视化表达与系统开发 在土地信息可视化表达方面更加关注以三维技术反演土地覆被信息，采用三维GIS与物联网相结合，实现了精准农业作业区三维虚拟场景的可视化展示[55]。通过结合CLUE-S模型和Markov、Tietenberg模型，开展区域土地利用变化的多情景模拟对比研究，厘清不同土地利用变化情景特点，以期为土地利用规划与政策制定提供多决策支持[56]。

2 2017年国外土地工程与信息技术领域重点问题研究进展评述

2017年，国外关于土地工程与信息技术方面的研究，重点围绕土地开发、土地整理、土地复垦与土地修复、土地信息技术等几个问题展开。土地开发，重点关注农林用地的开发，并对其土地开发过程造成的水土流失现象开展了相关研究。土地整理研究主要集中于土地整理过程对生态景观结构的影响、土地整理的绩效以及土地整理过程中土地权益问题；土地复垦研究重点注重充填复垦对生态环境及土地质量的影响和土地复垦适宜性评价问题；土地修复主要关注植物修复技术及微生物修复工艺的创新；土地信息技术强调新技术在土地信息采集、处理、动态监测和可视化表达等方面的应用及创新。通常，技术的选择多采用无人机航空摄影测量技术及遥感技术，降低土地信息采集成本并提高效率；注重开发新算法以提高土地信息处理精度；常通过D-InSAR技术实现土地利用状况的动态监测、并结合可视化GIS技术实现土地信息可视化表达2D到3D的转变等。

2.1 土地工程国外研究进展

2.1.1 土地开发 在发展中国家开发农林用地不仅能够防止土地退化，而且还能够缓解贫困。巴基斯坦将资源匮乏的塔尔地区的沙丘开发为农林用地并对两种耕种方式（间隔种植和周边种植）开展了试验研究[57]。由于土地开发的增加，减缓地表径流的负面影响成为人们关注的焦点，了解土地开发如何影响地表径流是土地可持续发展利用的必要条件。采用低影响开发管理实践（LID-BMPs）方法，对混合土地使用和土地覆被进行了研究，结果表明，在土地开发的四个不同阶段，暴雨或者大量降雨对裸地和入渗率低的土地，产生地表侵蚀的影响较大[58]。

2.1.2 土地整理 在进行土地整理过程中，更加注重对景观结构的变化的影响及自然保护的重要性[59]。在土地整理绩效方面，通过缓冲宗地来考虑土地碎片，然后量化它们的接近度，从而为土地决策者提供更适当的指导方针对土地整理项目进行有效评估[60-61]。在土地权益方面，通过移动应用软件和卫星图像收集土地信息应用了经验法和对特定专用表面区域进行标记的数学方法，建立了规划建设土地整理的模式，并对土地所有权的处理进行了分析[62]。

2.1.3 土地复垦 在充填复垦对生态环境及土地质量的影响方面，利用造纸厂污泥（PMS）进行充填复垦后，增加了N2O和C2O的排放量[63]。复垦土壤中添加“石膏+稻麦秸秆”能够有效改良盐碱土[64]。固体废弃物焚烧后的底灰与滩涂淤泥配比后作为充填材料（MCIBA）具有较高的强度值，在淋溶过程中绝大多数元素较稳定，只有当IBA达到30%时，存在镉超标[65]。在土地复垦的适宜性评价方面。通过对伊朗的克尔曼的戈哈尔铁矿适宜性评价，创新性地提出限制综合条件的方法，该方法适应性强并且易于操作[66]。综合运用生物多样性指标，对土地复垦的空间层面进行了评价，结果表明根据地区坡度、地表沉积等因素可以进行不同功能区的划分[67]。

2.1.4 土地修复 在植物修复技术方面，通过生化终点测量相关植物生产力等方法进行本地植物物种的筛选[68]。为了防止地中海沙漠化进一步的损害，并实现对森林清除残留物的循环利用，将森林残留物添加到干燥的地中海山区，作为土壤改良剂可以提高生态系统生产力和植被覆盖率，控制土壤流失[69]。在微生物修复方面，经研究发现，采用生物表面活性剂协助微生物降解多环芳烃类化合物，是一种对土壤污染修复的可行性方法[70]。以石灰性土壤的形成为过程作为参考，建立适当和弹性的微生物群落，促进酸化尾矿土壤的修复[71]。

2.2 土地信息技术国外研究进展

2.2.1 土地信息采集技术 无人机航空摄影测量技术与网络RTK技术凭借其经济性、高机动性、高分辨率、高集成度、低成本等优势在土地信息采集中得到了广泛的应用[72-73]。

2.2.2 土地信息处理技术 通过电磁启发式算法（EM）与属于蚁群优化算法（ACO）的EMAPI算法进行土地覆被遥感数据分类，显著提高了遥感影像分类精度[74]。利用Landsat-8和Sentinel-1A卫星获得的十九个多时相场景，采用多级DL架构实现了乌克兰地区试验田异质环境中作物的详细分类[75]。结合影像数据，利用GIS和地统计学分析方法，探明了1990—2000年和2000—2014年土地利用和土地覆盖发生变化的主要原因[76]。

2.2.3 动态监测技术 采用D-InSAR技术, 结合航天飞机雷达地形测绘任务（SRTM）数据，消除了干涉图中由于地形产生的相位变化，高精度快速评估潜在的地面沉降[77]。国外学者主要通过构建解译方法对遥感影像进行解译，并以此为基础监测土壤侵蚀、含水率以及土地荒漠化等动态变化情况[78-79]。

2.2.4 土地信息可视化表达与系统开发 一些国际研究尝试使用矩阵形式的大量机械部件构建可视化GIS系统，形成真实的3D表面。为了便于可视化GIS数据处理，数据的概括显得至关重要。基于这个视角，有学者提出了三维数据中Douglas-Peucker线简化自适应算法和基于最近邻法估计每个节点的显著性，来实现对栅格数据的概括[80]。也有学者从DEM的每个点量化可见量，开发了一种高效的数据处理和计算并重的算法，实现2D视域到3D 视域的转变[81]。

3 2017年国内外土地工程与信息技术领域重点研究问题对比

国内外土地工程与信息技术领域研究主题相似，主要围绕土地开发、土地整理、土地复垦与土地修复、土地信息技术等方面展开。在土地开发方面国内主要侧重开发前的生态风险分析、分区等的研究，国外则侧重开发后对生态环境的影响研究；在土地整理方面国内外关注的重点均是生态整理和整理监管问题；在土地复垦方面，国内重点关注复垦质量与新技术的研究，而国外则重点关注新型的充填复垦材料应用对生态环境及土壤质量的影响；在土地修复方面，国内重点关注污染土地修复技术工艺、土地修复管理机制的探讨，而国外重点关注植物修复技术中微生物修复工艺的创新；土地信息技术方面，都强调无人机航空摄影测量技术在土地信息采集中的广泛应用。

表2 国内外土地工程与技术研究关注重点比较Tab.2 Comparison of the main contents of land engineering and land information technology

4 土地工程与信息技术领域研究展望

4.1 主要科技需求

生态文明建设是中华民族永续发展的千年大计，而土地工程与信息技术领域的研究正是生态文明建设的技术支撑与实施保障。2017年，党的十九大在北京召开，习近平总书记十九大报告共分为13个部分，其中第一、三、四部分提到了生态文明建设，整个第九部分都是对生态文明建设的论述。报告中提出的实施重要生态系统保护和修复重大工程；完成生态保护红线、永久基本农田、城镇开发边界三条控制线划定工作；推进荒漠化、石漠化、水土流失综合治理，强化湿地保护和恢复，加强地质灾害防治等等的工作要求，都为土地工程与信息技术领域的研究提供了一系列的研究课题。

4.2 重点研究问题

展望2018年土地工程与信息技术的发展趋势，在土地工程方面，将进一步完善土地工程的概念、内涵、学科体系；加强土地工程支撑理论和独特的技术原理研究；更加重视提高耕地数量和质量、退化土地、污染土地的修复技术以及山水林田湖城区域一体化的综合整治技术；完善土地整治的监管运行体系和法律保障制度体系；深入推进供给侧结构性改革视角下土地整治工作的开展。在土地信息技术方面，研究高效、精准的多元国土信息获取技术；研究土地信息的标准化、高效和安全组织、数据存储、数据交换和数据共享管理机制和技术；研究土地信息数据的深度挖掘分析、综合表达、集成应用技术。

4.3 《中国土地科学》关注重点

2018年，《中国土地科学》将继续重点关注针对土地科学学科构建中土地工程与信息技术学科体系的探讨与完善；供给侧改革视角下的土地整治发展；同时也将重点关注土地工程与信息技术领域中新方法、新思路、新技术以及新装备的应用。

参考文献（References）：

［1］胡振琪，梁宇生，许涛，等. 试论土地工程学［J］. 中国土地科学，2017，31（9）：15 - 23.

［2］贾启建，何玲. 河北省怀来县宜耕未利用地开发适宜性及生态风险评价［J］. 水土保持研究，2017，24（4）：83 - 88.

［3］周浩，雷国平，杨雪昕，等. 基于两维图论的县域尺度耕地后备资源利用分区研究［J］. 农业机械学报，2017，48（6）：116 - 124.

［4］刘洋洋，游振波，陈美球，等. 江西省耕地后备资源潜力分布及开发组合序列分析［J］. 中国农业资源与区划，2017，38（8）：105 - 110.

［5］孙心如，周学武，王占岐. 农村土地整治与生态文明建设耦合关系研究［J］. 水土保持研究，2017，24（2）：267 - 271.

［6］董玉红，刘世梁，王军，等. 基于景观格局的土地整理风险与固碳功能评价［J］. 农业工程学报，2017，33（7）：246 - 253.

［7］黄学锋，金晓斌，张晓霞，等. 土地整治项目对农田生态系统影响的能值分析［J］. 中国农业大学学报，2017，22（4）：47 - 58.

［8］李洪义，李爽，吕添贵，等. 基于景观格局视角的土地整治对农地细碎化影响评价研究［J］. 长江流域资源与环境，2017，26（1）：67 - 73.

［9］王军，钟莉娜. 景观生态学在土地整治中的应用研究进展［J］. 生态学报，2017，37（12）：3982 - 3990.

［10］贾文涛. 强化监管，为土地整治改革创新保驾护航［J］.中国土地，2017，（11）：33 - 36.

［11］项晓敏，金晓斌，王温鑫，等. 供给侧结构性改革视角下的土地整治制度创新初探［J］. 中国土地科学，2017，31（4）：12 - 21.

［12］冉逸箫，张凤荣，张佰林，等. 贫困山区农村衰落的特征及诊断——以重庆市酉阳县为例［J］. 资源科学，2017，39（6）：999 - 101.

［13］张晓滨，叶艳妹. 基于线性规划运输模型的农地整理权属调整［J］. 农业工程学报，2017，33（7）：227 - 234.

［14］刘新卫，赵崔莉. 农村土地整治的工程化及其成因［J］.中国农村经济，2017，（7）：15 - 28.

［15］关小克，王秀丽，张凤荣，等. 生态刚性约束下的山区农村居民点整治与调控——以北京市门头沟区为例［J］. 资源科学，2017，39（2）：220 - 230.

［16］梅国芳. 土地整治项目后期管护思考与建议［J］. 中国土地，2017，（8）：40 - 41.

［17］雷彤，贾敏，邱英华. PPP模式“整镇推进”土地整治探索研究——以山东省济南市黄河镇为例［J］. 中国土地，2017，（8）：36 - 39.

［18］胡伟艳，魏安奇，刘恬. 武汉区级和地块级城镇非建设用地转用驱动机制研究［J］. 中国土地科学，2017，31（7）：52 - 59.

［19］任艳敏，徐亚辉，刘玉，等. 基于双重自组织模型的土地整治项目区时空配置研究［J］. 北京大学学报（自然科学版），2017，53（2）：360 - 368.

［20］黄东学，程久苗，费罗成，等. 安徽省农地流转绩效差异分析［J］. 中国农业资源与区划，2017，38（3）：73 - 78.

［21］赵冬玲，何珊珊，林尚纬，等. 基于TOPSIS和热点分析的高标准农田建设优先区选择［J］. 农业机械学报，2017，48（7）：15.

［22］张世文，周妍，罗明，等. 废弃地复垦土壤重金属空间格局及其与复垦措施的关系［J］. 农业机械学报，2017，48（12）：1 - 11.

［23］闵祥宇，李新举，李奇超. 机械压实对复垦土壤粒径分布多重分形特征的影响［J］. 农业工程学报，2017，33（20）：274 - 283.

［24］张佳瑞，王金满，秦倩，等. 基于CT扫描的煤矿排土场土壤孔隙三维多重分形特征［J］. 土壤通报，2017，48（4）：786 - 793.

［25］邵芳，胡振琪，李星宇，等. 黄河泥沙充填复垦覆土材料垂直一维入渗特性研究［J］. 煤炭科学技术，2017，45（1）：226 - 230.

［26］吕刚，傅昕阳，李叶鑫，等. 海州露天煤矿排土场复垦区不同土地利用类型土壤入渗特征［J］. 水土保持学报，2017，31（3）：123 - 128.

［27］庞碧琳，于亚军.复垦煤矸山不同利用类型土壤微生物群落分析［J］. 土壤通报，2017，48（2）：359 - 364.

［28］张瑞娅，肖武，胡振琪. 边采边复耕地区动态施工标高模型构建与实例分析［J］. 煤炭学报，2017，42（8）：2125 -2133.

［29］胡振琪，邵芳，多玲花，等. 黄河泥沙间隔条带式充填采煤沉陷地复垦技术及实践［J］. 煤炭学报，2017，42（3）：557 - 566.

［30］岳辉，毕银丽. 基于主成分分析的矿区微生物复垦生态效应评价［J］. 干旱区资源与环境，2017，31（4）：113 - 117.

［31］毕银丽.丛枝菌根真菌在煤矿区沉陷地生态修复应用研究进展［J］. 菌物学报，2017，36（7）：800 - 806.

［32］寇晓蓉，白中科，杜振州，等. 黄土区大型露天煤矿企业土地复垦质量控制研究［J］. 农业环境科学学报，2017，36（5）：957 - 965.

［33］吴杰. 基于园林景观改造的生态化农业示范园构建实践及规划——以司马矿区为研究对象［J］. 中国农业资源与区划，2017，38（4）：148 - 153.

［34］祝方，任文涛. 电场强度对Fe（Ⅲ）强化电动修复Zn污染土壤效果的影响［J］. 生态环境学报，2017，26（7）：1250 -1254.

［35］郭书海，吴波，胡清，等. 污染土壤修复技术预测［J］. 环境工程学报，2017，11（6）：3797 - 3804.

［36］郝大程，周建强，韩君. 土壤重金属和有机污染物的微生物修复：生物强化和生物刺激［J］. 生物技术通报，2017，33（10）：9 - 17.

［37］李云祯，董荐，刘姝媛，等. 基于风险管控思路的土壤污染防治研究与展望［J］. 生态环境学报，2017，26（6）：1075 - 1084.

［38］张红振，董璟琦，高胜达，等. 中国土壤修复产业健康发展建议［J］. 环境保护，2017，45（11）：58 - 61.

［39］武强，刘宏磊，陈奇，等. 矿山环境修复治理模式理论与实践［J］. 煤炭学报，2017，42（5）：1085 - 1092.

［40］王夏晖，李志涛，陆军，等. 土壤污染综合防治先行区推进路线图设计［J］. 环境保护，2017，45（5）：9 - 12.

［41］孔令伟，薛春晓，苏凤，等. 不同建植技术对露天煤矿排土场生态修复效果的影响及评价［J］. 水土保持研究，2017，24（1）：187 - 193.

［42］陈冬梅，冯策元，周建民. 面向对象的农村用地信息遥感提取技术应用——以宁夏西吉为例［J］. 城市发展研究，2017，（9）：127 - 133.

［43］王利锋，王冰，杨令刚. Trimble无人机UX5 HP在矿区测绘中的应用［J］. 测绘通报，2017，（2）：155 - 156.

［44］史经，谢伟秋. 无人机航测技术在农村土地承包经营权确权调查底图制作中的应用［J］. 测绘通报，2017，（9）：92 - 95.

［45］薛武，马永政，赵玲，等. 无人机农村宅基地高精度确权应用［J］. 国土资源遥感，2017，29（3）：124 - 127.

［46］崔瑶瑶，杜甘霖，张玉侠. 无人机倾斜摄影三维建模在农房确权登记发证项目中的应用［J］. 测绘通报，2017，（S1）：192 - 194.

［47］胡磊，彭劲松，叶波. 三维激光扫描技术在地质灾害应急测绘中的应用［J］. 测绘通报，2017，（9）：154 - 155.

［48］彭大雷，许强，董秀军. 基于高精度低空摄影测量的黄土滑坡精细测绘［J］. 工程地质学报，2017，25（2）：424 -435.

［49］李路英.1∶500 基础地理信息数据库更新方法探讨［J］.测绘通报，2017，（5）：132 - 135.

［50］吴思，高倩影，李亮，等.多尺度基础地理数据联动更新技术［J］. 测绘通报，2017，（5）：139 - 142.

［51］李晶，申莹莹，焦利鹏，等. 基于Landsat TM/OLI影像的兖州煤田水域面积动态监测［J］. 农业工程学报，2017，33（18）：243 - 250.

［52］王刚武.利用矢量影像法进行土地利用变化自动检测［J］. 测绘通报，2017，（7）：55 - 60.

［53］章梦霞，郑新奇，刘波. 无人机影像支持的矿区开采动态监测方法［J］. 测绘通报，2017，（10）：43 - 47.

［54］敖萌，张勤，赵超英. 改进的CR-INSAR技术用于四川甲居滑坡形变监测［J］. 武汉大学学报（信息科学版），2017，（3）：377 - 383.

［55］卢健，陈桂芬，孟颖，等. 基于三维 GIS 的农田环境模拟监测的研究及系统实现［J］. 中国农业科技导报，2017，19（3）：50 - 55.

［56］李斌，刘越岩，张斌，等. 基于Tietenberg模型的土地利用变化多情景模拟预测——以武汉市蔡甸区为例［J］. 资源科学，2017，39（9）：1739 - 1752.

［57］Khan M, Mahmood H Z, Abbas G, et al. Agroforestry Systems as Alternative Land-Use Options in the Arid Zone of Thal,Pakistan［J］. Small-scale Forestry，2017：1 - 17.

［58］Paulemercado M A, Lee B Y, Memon S A, et al. Influence of land development on storm water runoff from a mixed land use and land cover catchment［J］. Science of the Total Environment，2017，s 599 - 600：2142 - 2155.

［59］Dobbs C, Nitschke C, Kendal D. Assessing the drivers shaping global patterns of urban vegetation landscape structure［J］. Science of the Total Environment, 2017，592：171 - 177.

［60］Kwinta A, Gniadek J. The description of parcel geometry and its application in terms of land consolidation planning［J］.Computers & Electronics in Agriculture，2017，136：117 - 124.［61］Zhou J, Qin X, Liu L, et al. A potential evaluation model for land consolidation in fragmental regions［J］. Ecological Indicators，2017，74：230 - 240.

［62］Poropat A. Planned building land consolidation in the context of land subdivision of a unique plo［tJ］. Tehnicki Vjesnik，2017，2（43）：887 - 895.

［63］Faubert P, Durocher S, Bertrand N, et al. Greenhouse Gas Emissions after Application of Landfilled Paper Mill Sludge for Land Reclamation of a Nonacidic Mine Tailings Site［J］.Journal of Environmental Quality，2017，4（65）：950 - 960.

［64］Son J K, Shin W T, Lee S H, et al. Reclamation of a coastal reclaimed tidal land soil by gypsum and rice straw［J］. Archives of Agronomy & Soil Science，2017，6（36）：761 - 770.

［65］Quek A, Wu D, Xu W, et al. Feasibility of Singapore IBA waste for land reclamation［J］. Journal of Environmental Geotechnics，2017，2（15）：67 - 75.

［66］Thiffault E, Webster K, Lafleur B, et al. Biophysical indicators based on spatial hierarchy for informing land reclamation: The case of the Lower Athabasca Rive（rAlberta,Canada）［J］. Ecological Indicators，2017，72：173 - 184.

［67］Moosavirad S M, Behnia B. Suitability evaluation for land reclamation in mining areas: Gol-e-Gohar Iron Ore Mine of Sirjan, Kerman, Iran［J］. International Journal of Surface Mining Reclamation & Environment，2017，3（11）：38 - 51.

［68］Chiochetta C G, Toumi H, Bhm R, et al. Use of phytoproductivity data in the choice of native plant species to restore a degraded coal mining site amended with a stabilized industrial organic sludge［J］. Environmental Science &Pollution Research，2017（，11）：1 - 10.

［69］Tripathi V, Edrisi S A, Chen B, et al. Biotechnological Advances for Restoring Degraded Land for Sustainable Developmen［tJ］. Trends in Biotechnology，2017，35（9）：847 - 854.

［70］Bezza F A, Chirwa E M N. The Role of Lipopeptide Biosurfactant on Microbial Remediation of Aged Polycyclic Aromatic Hydrocarbon（ PAHs）-contaminated Soi［lJ］.Chemical Engineering Journal，2017，309：563 - 576.

［71］O’Brien P L, Desutter T M, Ritter S, et al. A large-scale soil-mixing process for reclamation of heavily disturbed soils［J］. Ecological Engineering，2017，109：84 - 91.

［72］Lee, Sang C, Kim, et al. Accuracy and Economic Evaluation for Utilization of National/Public Land Actual Condition Survey Using UAV Images［J］. Journal of the Korean Society of Surveying Geodesy Photogrammetry & Cartography，2017，35（3）：175 - 185.

［73］Bob V D M, Kooistra L, Suomalainen J, et al. Remote sensing of plant trait responses to field-based plant-soil feedback using UAV-based optical sensors［J］. Biogeosciences，2017，14（3）：733 - 749.

［74］Jayanth J, Shalini VS, Kumar TA. Classification of remote sensed data using hybrid method based on ant colony optimization with electromagnetic metaheuristic［J］. Current Science，2017，113（2）：284 - 291.

［75］Kussul N, Lavreniuk M, Skakun S, et al. Deep Learning Classification of Land Cover and Crop Types Using Remote Sensing Data［J］. IEEE Geoscience & Remote Sensing Letters，2017，（99）：1 - 5.

［76］Antonio J. Sanhouse-Garcia, YanethBustos-Terrones, et al.Multi-temporal analysis for land use and land cover changes in an agricultural region using open source tools［J］. Remote Sensing Applications: Society and Environment，2017，8：278 - 290.

［77］S Suganth, L Elango, S K Subramanian. Microwave D-InSAR technique for assessment of land subsidence in Kolkata city,India［J］. Arabian Journal of Geosciences, 2017，10（21）：458.

［78］Sadeghi M , Babaeian E , Tuller M, et al. The optical trapezoid model: A novel approach to remote sensing of soil moisture applied to Sentinel-2 and Landsat-8 observations［J］. Remote Sensing of Environment，2017，198：52 - 68.

［79］Ajaj QM, Pradhan B, Noori AM, et al. Spatial Monitoring of Desertification Extent in Western Iraq using Landsat Images and GIS［J］. Land Degradation and Development，2017，28（8）：2418 - 2431.

［80］Maria Papadogiorgaki, Panagiotis Partsinevelos. Adaptive DTM generalization methods for tangible GIS applications［J］.Earth Science Informatics，2017，10（4）：1 - 12.

［81］Cervilla A R, Tabik S, Vias J, et al. Total 3D-viewshed Map:Quantifying the Visible Volume in Digital Elevation Models［J］. Transactions in GIS，2017，21：591 - 607.