多源遥感数据支撑的耕地质量监测与评价*

马佳妮，张 超，吕雅慧，高璐璐，郧文聚，朱德海2，，陈婉铃，王 欢

（1.中国农业大学信息与电气工程学院，北京 100083；2.中国农业大学土地科学与技术学院，北京 100083；3.国土资源部农用地质量与监控重点实验室，北京 100193）

关键字：多源遥感；耕地质量；指标；监测与评价

0 引言

耕地质量是自然、社会、经济与技术进步的综合影响结果。集中表现在耕地满足作物生长和安全生产的能力上。耕地质量关乎国家粮食安全，为此，自然资源部、农业农村部与生态环境部各有侧重地提出了耕地质量管护政策［1］。耕地质量监测与评价是实现耕地科学管护的重要前提。传统的耕地质量监测与评价依托于区划—布点—化验的方法［2-3］。但存在监测与评价单元不合理、以点代面大范围监测精度低、周期长导致数据时效滞后、县域指标体系与计算差异导致监测与评价结果县域间不可比等问题。而遥感具有覆盖面积大，相关信息获取快等特点［4］，可弥补传统方法的不足，为耕地质量监测与评价提供新的技术支撑。因此构建以遥感技术为支撑，并与传统的实地调查相结合的耕地质量调查监测评价体系，是实现及时、高效监管耕地资源的有效途径。

1 基于多源遥感数据融合的耕地质量监测与评价体系

为构建耕地数量、质量、生态“三位一体”的保护监管体系，深化耕地质量内涵，自然资源部组织制定了一套涵盖地学特征、土壤特性、环境状况、建设水平、生物多样性等全面包容的指标体系。耕地质量监测与评价体系，是指从数据获取到评价的一体化多源数据融合平台及相应技术体系，包括数据采集、数据处理、数据分析、监测与评价等相关技术。数据采集是通过野外实地调查、采样、近地光谱测量、遥感影像获取等技术对数据进行采集；数据处理有遥感影像的预处理、分类、建立指标反演模型、建立专家系统等；数据分析包括指标值的归一化处理、权重的确定及综合指数的计算；最后通过建立监测与评价模型、生成相关图件、报表数据等，反映耕地质量状况。

基于多源遥感的耕地质量监测与评价，是利用不同类型遥感数据源，满足不同监测与评价范围、内容、目标等要求，实现全国、省级、市级、县级甚至田块级等不同尺度耕地质量监测与定量评价。其中，中低空间分辨率遥感数据适用于监测与评价全国或大区域范围，高空间分辨率遥感数据主要用来监测县域或田间地块范围。如利用NOAA AVHRR监测大洲水平上的地面覆被［5］，MODIS等影像监测全国或省域［6］，环境一号、Landsat5 TM、Landsat8 OLI可开展地市级监测［7］，利用 SPOT-6/7、Worldview、GeoEye-1、GF-1、GF-2、SuperView-1、航空或无人机影像等高分辨率遥感影像开展田块尺度监测［8］。基于高空间分辨率影像提取耕地质量监测与评价的指标与对象，如田间道路、农田林网、田块形状、沟渠及机井等田间设施。多光谱与高光谱遥感影像可定量化反演耕地质量部分指标因子。而不同成像周期的遥感影像可满足各类指标不同的监测与评价周期需求。充分利用多源遥感数据，构建近地—航空—航天遥感一体化的遥感支撑技术体系，与传统的实地调查相结合，进而构建耕地质量监测与评价技术体系。

2 耕地质量监测与评价指标的遥感技术可获取性分析

遥感在耕地质量监测与评价中的应用有两方面：一是直接利用多源遥感获取耕地质量监测与评价指标；二是通过遥感监测作物长势间接反映耕地质量状况。以多源遥感数据为支撑的耕地质量监测与评价示意图（图1）。

2.1 遥感直接获取耕地质量指标

以多源遥感数据为支撑，从地学特征、土壤特性、环境状况、建设水平、生物多样性等方面，获取耕地质量指标。

图1 多源遥感数据支撑的耕地质量监测与评价示意图Fig.1 Schematic diagram of monitoring and evaluation of cultivated land quality supported by multi-source remote sensing data

2.1.1 地学特征

地形是自然地域综合体的主要因素之一，影响耕地的光、热、水条件。耕地质量监测与评价包含地学特征的指标有地形部位与田面坡度。两类指标都是基于数字高程模型（Digital Elevation Model，DEM）经二次处理后而得。遥感获取DEM的主要有3种方式：立体像对、干涉雷达、激光雷达。立体像对获取DEM，是利用不同摄影站获取具有一定重叠度的两幅图像，通过计算生成DEM。干涉雷达利用雷达回波的相位信息对同一地区进行至少两次满足干涉条件的观测，获取干涉相位和干涉图［9］，进而获取DEM。如雷达卫星COSMO-Skymed影像的合成孔径雷达利用干涉技术（Synthetic Aperture Radar Interferometry，InSAR）获取DEM［10］。激光雷达是通过位置、距离、角度等观测数据直接获取对象表面点三维坐标，对地面的探测能力有着强大的优势，是快速获取高精度地形信息的全新手段。李鹏程利用机载激光扫描数据获取DEM［11］。基于DEM进一步计算可获取耕地田块的地形部位、田面坡度、坡向等地形信息。

2.1.2 土壤特性

耕地土壤性状是耕地质量的重要组成部分。目前，遥感技术已被广泛应用于土壤类型、土壤质地、土壤水分含量、有效土层厚度等方面的研究并取得相关研究成果。

（1）土壤类型

在耕地地块尺度上，利用FieldSpec便携式光谱仪测量土壤高光谱反射率数据，采用去包络线法提取土壤光谱指数，利用神经网络法区分土壤类型［12］；部分学者采用DMR-2型分光光度计，测定土壤的反射光谱曲线并分类［13］。在区域尺度上，有相关研究利用Landsat ETM+多光谱数据，采用决策树绘制土壤分布图，并构建了土壤遥感分类识别专家系统［14］。

（2）土壤质地

土壤质地中土壤粒径组合、土壤粗糙度和阴影及土壤颗粒的化学组成等会影响土壤的反射光谱［15］。有相关研究表明，利用近红外光谱可区分土壤质地，如利用可见光-近红外光谱（VIS-NIR）与土壤质地建立偏最小二乘回归、多元回归预测及BP神经网络方法，识别粘粒与砂粒［16］。探地雷达也是土壤质地监测的一种有效技术方法。探地雷达发射和接收高频率、短脉冲电磁波（10MHz～2.5GHz），接收到的土壤反射电磁波经处理后，分析和推断地下介质结构和地层岩石特性等［17］。

（3）土壤水分

利用遥感技术可直接获取耕地土壤水分，也可获取与水分有关的地表温度、植被指数等指标。如基于MODIS的NDVI和LST产品数据，采用支持向量机回归建立土壤水分遥感监测模型［18］；利用微波遥感的后向散射系数监测土壤水分含量［19］。

（4）有效土层厚度

探地雷达（GPR）、电阻率断层扫描技术（ERT）及钻孔实测方法相结合，可获得耕地的有效土层厚度。探地雷达的高频电磁波遇土层界面反射，出现振幅增大的现象，获取土层界面的位置。电阻率断层扫描技术根据介质电阻率不同，可确定有效土层位置及其厚度［20］。

（5）土壤养分与有机质含量

耕地土壤养分与有机质含量不同，表现出不同的反射光谱，利用航空、航天遥感数据与地面采样数据相结合的方法，通过构建养分反演模型获取土壤的有机质、氮、磷、钾含量，如祝文华［21］使用ASTER遥感影像，对吉林省黄金玉米带土壤有机质空间分布特征进行研究，建立了有机质预测模型。高光谱数据以其光谱分辨率高、“图谱合一”的优点，为养分定量研究提供了一种有效手段，如Selige等［22］利用机载高光谱影像，构建土壤养分预测模型，绘制了土壤全氮含量分布图。

（6）盐渍化程度

盐渍化是耕地土壤退化的形式之一。通过选点取样，采用EM38、TDR仪测量电导率获取盐渍化参数，并与遥感监测技术相结合，可进行大面积土壤盐分监测［23］。多种遥感数据为定量盐渍化监测提供数据支撑，如基于RADARSAT 2和Sentinel 1微波雷达数据的县域耕地盐渍化监测［24］，以及利用高光谱指数与电磁感应技术的盐渍化定量监测［25］。

2.1.3 环境状况

目前我国部分区域耕地存在土壤重金属污染和白色污染等问题，利用遥感技术可进行有效监测。

（1）土壤重金属污染

土壤中重金属元素含量较低，电磁辐射能量弱，光谱特征不明显，易被土壤其他成分的光谱特征掩盖，通过直接分析土壤的特征光谱，估算重金属元素含量比较困难。因此，通常采用两种方法，一是通过实验室化学分析得到土壤重金属含量和铁氧化物、有机质等的内在联系，计算重金属与土壤组分以及土壤组分与土壤特征光谱之间的相关系数，对重金属进行间接监测［26］；二是通过植被的光谱数据，反演土壤中的重金属含量。不同植物对重金属敏感性不同，重金属胁迫导致植物体内生物化学成分发生改变，使电磁波谱反射特性不同［27］。

（2）白色污染

地膜随意丢弃、处理不当是白色污染的主要来源。利用多光谱遥感监测耕地地膜覆盖状况，并进一步推算耕地的白色污染。如利用Landsat5 TM数据，大面积监测地膜覆盖情况，利用GF-1数据监测田块级白色污染情况［28］。

2.1.4 建设水平

建设水平主要包括田块状况、灌溉保证率、排水条件、田间道路通达度、农田林网等农田基础设施，反映了人类活动对耕地质量的影响。现有方法存在调查人员定性判定，结果不具客观性及数据时效性差等问题。采用遥感技术可客观获取耕地质量建设水平状况，主要通过基于多源遥感数据，提取研究对象的空间信息，结合景观形状指数等，对各指标实现定量化监测与评价。

田块状况影响农田的机耕效率。田块状况的影响因素有形状规整度、田面平整度、连片程度等。基于高分辨率遥感影像，采用面向对象等分类提取田块，作为监测与评价的单元，分别通过景观形状指数反映田块的规整程度；田面关键几何点位的高程差异表征平整程度；连片度指数反映连片程度［29］。灌溉保证率是反映耕地保水程度的重要指标，获取方法主要有 3 种：一是基于 SEBAL（Surface Energy Balance Algorithm for Land，SEBAL）等遥感模型，利用MODIS等数据产品实现大面积的农田蒸散发估算、地表干旱指数反演或灌溉面积监测［30］；二是利用统计数据、地形数据结合多时相、高分辨率的卫星遥感影像，采用人机交互识别灌溉渠系；三是基于多源遥感影像，结合决策树等分类算法与形态学分析等图像处理技术，实现灌溉渠系的识别与更新。排水条件是衡量耕地排水能力的指标，对于耕地防治田间积水与抵抗涝灾有重要作用。获取方法是在识别田间排水沟的基础上，计算长度、密度等指数，反映耕地的排水条件。田间道路通达度主要衡量人类活动的便捷程度对耕地产生的影响，获取方法主要是基于道路光谱与形态特征提取道路，计算田块与最近道路之间的距离等，反映道路通达情况。农田林网化程度是衡量耕地防风、防沙措施的重要指标，基于遥感影像分类更新林网图斑，并计算林网长度、密度等指数，反映耕地的林网化程度［31］。耕作距离的计算，首先基于高分辨率影像采用面向对象的分类方法提取田块与居民地，计算田块与最近居民点的道路距离，间接反映耕作便利程度。

2.1.5 生物多样性

由遥感数据提取耕地及周边生物丰富度或多样性信息，结合实地调查，构建模型来监测物种的分布，进行耕地周边生物多样性判定。可利用卫星影像数据生成土地覆盖分类信息，在此基础上区分植被类型并计算斑块数量和面积、边界密度、Shannon多样性等一系列景观指数，表征区域生物多样性。光谱异质性被认为是栖息地异质性的指标，栖息地异质性高的地区有更多物种存在［32］。可建立光谱值与样地调查得到物种分布模式的相关关系，通过区分地物的特殊光谱特征，进行基于遥感技术的个体物种识别［33］。高光谱影像可提供区分地物细节特征的光谱信息，根据光谱差异分析不同的物种组成。近年来，基于多源遥感数据融合的研究越来越受到重视。目前研究中，有多种融合激光雷达和多光谱数据进行群落和物种分类方法［34］，并进一步研究耕地周边生物多样性。

2.2 遥感手段间接监测耕地质量

近年来，随着定量遥感在植被监测领域的广泛应用，有学者基于遥感技术监测多年作物生长状况间接监测耕地质量。利用长时间序列遥感数据，监测由作物冠层光谱反射率计算的表征作物多年长势，来间接评价耕地质量。反映作物长势的指标有归一化差值植被指数NDVI（Normalized Difference Vegetation Index，NDVI）、总初级生产力GPP（Gross Primary Production，GPP）、净初级生产力 NPP（Net Primary Productivity，NPP）、植被覆盖度 FVC（Fractional Vegetation Cover，FVC）。欧阳玲［35］利用 SVM 评价了松嫩平原的耕地质量，并验证了耕地质量与NDVI、NPP、FVC的相关性良好，表明基于遥感监测作物长势可以间接评价耕地质量。王蕊等［36］利用2000—2008年MODIS遥感影像，利用反映冬小麦长势的多年NDVI平均值，评价河北的农田生产力。国志兴等［37］利用MODIS反演的NPP，评价了三江平原水田与旱地的生产力。牛忠恩等［38］对比了VPM模型与PSN模型计算的GPP精度，并用GPP评价了中国农田生态系统的总初级生产力。肖北生［39］利用高分一号影像建立压力状态响应模型，通过NDVI、RVI、DVI综合评价耕地质量。林晨等［40］利用MODIS影像光谱值与耕地自然质量指数的相关性，建立基于遥感数据的农用地质量反演模型，并利用无锡市农用地分类结果进行了验证。而耕地质量属于长年稳定量，单期遥感影像反映的植被生长存在明显的季节干扰，利用作物长势评价农田或者耕地质量时，通常利用多年作物长势数据对耕地质量进行间接评价。

3 展望

基于多源遥感数据，以遥感技术为支撑，实现了大面积、快速监测与评价耕地质量，摆脱了传统依赖样点插值的面域监测与评价方式，同时大大缩短监测与评价周期。基于遥感高分辨率影像的空间信息提取、多光谱与高光谱数据结合其他数据的部分指标定量化监测是直接监测耕地质量的主要思路。而基于多年作物长势数据监测与评价耕地质量是将作物长势作为耕地质量的直观表现，通过监测作物长势间接评价耕地质量。为构建完善多源遥感数据支撑的耕地质量监测与评价体系，可重点开展以下研究：

（1）遥感数据容易受到外界环境的干扰，为了提高监测的精度，可以将多源遥感数据融合，综合利用雷达、高光谱、多光谱及热红外等数据，同时采用不同时相的数据进行交叉验证，确保监测与评价结果的精度。

（2）耕地质量是空间各因素共同作用形成的综合体，遥感技术仅限获取地表属性。为精确监测与评价耕地质量，将多源遥感数据与实地调查、化验结果等数据相结合，形成耕地质量监测与评价综合数据库。

（3）随着高光谱、热红外、雷达等新型卫星的迅速发展，将多源遥感与地面传感器、实地调查、网络数据等深度融合，形成更全面的耕地质量监测与评价技术体系。耕地质量监测与评价朝着立体化、实时化、定量化、自动化和智能化方向发展。

通过构建遥感技术支撑的耕地质量监测与评价体系，可实现大范围、实时获取耕地质量状况。随着遥感技术的发展，遥感作为耕地质量监测与评价的重要手段，可有效提高各项指标获取效率与精度。