耕地质量遥感综合评价方法及应用<br/>——以衡水市安平县为例

耕地质量遥感综合评价方法及应用
——以衡水市安平县为例

2019-06-01许宁宋建新王淼李佳梁中钦顾晓鹤邓光远单伟东范凤翠毛娅楠

河北农业科学 2019年1期

许宁，宋建新，王淼，李佳，梁中钦，顾晓鹤，邓光远，单伟东，范凤翠，毛娅楠

（1.河北省农业技术推广总站，河北石家庄 050011；2.河北省畜牧站，河北石家庄 050000；3.平山县农牧局，河北平山050400；4.国家农业信息化工程技术研究中心，北京 100097；5.高邑县大营农业技术推广区域站，河北高邑 051330；6.河北省农林科学院农业信息与经济研究所，河北石家庄 050051；7.河北省农作物引育种中心，河北石家庄 050000）

耕地是重要的农业资源之一，也是粮食生产最基本的资源条件，对保障国家粮食安全以及维护社会经济稳定与可持续发展具有重要意义。2018年“中央1 号”文件明确指出，要大力实施耕地质量保护与提升行动。河北省是农业大省，耕地面积约633.33 万hm2，其中粮食作物占用耕地400 万hm2。推进耕地质量保护与提升，是农业管理部门的工作重点之一。开展耕地质量遥感评估[1～4]，掌握中低产田的空间分布现状，对于指导河北省耕地质量保护提升、粮食生产可持续发展、水肥高效精准管理具有重要意义[5～7]。

传统的耕地质量评价主要是通过人为选取采样点，然后对样点的指标数据进行整理和分析，以点代面得到某个区域的耕地质量状况。该方法存在工作周期长、空间分布广等特点，导致数据较为粗糙，影响了成果在生产实践中的应用[8～12]。随着我国卫星观测体系的日益完善和遥感技术的深入应用，高空间、高时间、高光谱的卫星遥感数据将有助于解决耕地质量综合评价的多个瓶颈问题[13，14]。遥感技术能够快速监测耕地的土壤养分，动态监测多年时间序列的作物收获产量和全生育期的长势信息[15～17]，可为快速、动态、准确、高效监测耕地综合质量提供强有力的技术支持。

1 研究思路

研究区域为县域尺度的大面积冬小麦-夏玉米轮作耕地。基于耕地质量内涵剖析，将耕地质量分为耕地养分质量和耕地生产力质量。对于耕地养分质量，采用高光谱影像筛选敏感波段和变换算法，基于多元线性回归法构建耕地有机质、全氮、速效钾、有效磷含量的遥感监测模型。对于耕地生产力质量，利用历史多年时间序列的低分辨率遥感数据，开展典型作物种植类型遥感分类；利用当年实测单产样本，构建典型作物遥感估产模型，推算长时间序列的典型作物单产，基于多年平均产量水平评价耕地生产力（图1）。在此基础上，构建耕地质量综合评价模型，实现县域尺度的耕地质量空间制图。

2 数据获取

2.1 卫星遥感数据获取

2014年6月10 日，采用环境减灾小卫星超光谱影像1 张，评价安平县的耕地养分质量。通过http：//edcdaac.usgs.gov/main.asp 获取2005 ～2014年时间序列MODIS 影像360 张，评价该县的耕地生产力质量。

2.2 试验数据获取

获取研究区域内2014年的测土配方样本100 个，样本数据指标包括有机质含量、全氮含量、速效磷含量和速效钾含量。获取研究区域内当季冬小麦单产实际测量样本20 个。涉及的样本点均附有经纬度位置信息。

3 研究方法

3.1 数据预处理

利用ENVI 软件对获取的影像进行辐射定标、大气校正和几何纠正等标准化数据处理，获得统一空间坐标系统的遥感数据。

3.1.1 辐射定标对遥感影像数据的DN 值进行辐射定标，即把无量纲的DN 值转换为有量纲的分谱辐射亮度值的过程。根据公式（1），将图象的辐射亮度转化为反射率[18]：

式中，γ：反射率（%）；d：太阳距地面的距离（km）；Esun：太阳平均辐射强度〔J/（cm2·min）〕；θ：太阳高度角（°）。

3.1.2 大气校正利用ENVI 中的FLAASH 模型对影像进行大气校正。校正内容包括设置尺度转换因子、图像中心坐标、传感器高度、图像分辨率、海拔高度、数据获取日期和卫星过境时间、大气模型、水气反演和气溶胶模型等参数。

3.1.3 几何纠正采用二次多项式中的双线性内插法作为几何精校正数学模型对遥感影像进行重采样。通过目视选取图像上易分辨且较精细的特征点，如道路交叉点、河流岔口、建筑边界、农田界限等作为地面控制点，建立图像坐标和参考坐标之间的多项式校正模型。

3.2 耕地质量遥感评价方法

从耕地质量内涵看，耕地质量包括耕地养分质量和耕地生产力质量。因此，从耕地养分质量和土壤生产力质量2 个方面对耕地质量进行综合评价。对于耕地养分质量评价，采用高光谱影像筛选敏感波段和换算方法，基于多元线性回归构建耕地4 个养分指标的遥感监测模型；对于耕地生产力质量评价，利用历年时间序列的低分辨率遥感数据对作物种植类型进行分类，利用当年实测作物单产样本数据构建典型作物遥感估产模型，估算时间序列的作物单产，根据评价区域耕地的产量水平，评价耕地生产力质量。

3.2.1 耕地养分含量遥感评价以高光谱影像的光谱反射率及多种数学变化形式作为特征向量，与土壤样点的养分（有机质、全氮、有效磷、速效钾）含量进行相关性分析，分别筛选4 种养分指标的敏感光谱波段和变换形式，进而采用多元回归分析方法构建耕地养分遥感监测模型，结合高光谱影像进行区域耕地的养分（有机质、全氮、有效磷、速效钾）含量空间制图。

（1）土壤样点高光谱影像反射率的提取。根据土壤样点的经纬度位置，将土壤样点与高光谱影像空间叠加分析，提取每个土壤样点的光谱反射率信息。

（2）耕地养分敏感波段的筛选。不同的数学变换有助于筛选耕地各种养分的敏感波段，变换形式分别为反射率、反射率的倒数、反射率的对数、反射率对数的倒数、反射率一阶微分、反射率倒数的一阶微分、反射率对数的一阶微分、反射率对数的倒数的一阶微分。将土壤样本的有机质含量、全氮含量、有效磷含量、速效钾含量分别与光谱反射率及其变化形式进行逐波段相关性分析，得到每个波段与4 种养分含量的相关系数（R），根据相关系数的高低筛选出有机质含量、全氮含量、有效磷含量、速效钾含量的敏感波段及其最佳数学变换形式。

（3）耕地养分遥感监测模型的构建。根据耕地养分指标所对应的敏感波段及数学变换形式，通过多元线性回归方法建立预测模型（2）。从所有土壤样本中随机抽取2/3 样本量建立多元线性回归模型，其余1/3样本用于监测模型的精度验证，通过决定系数和相对均方根误差（RMSE）进行评价。

式中，SNi：耕地4 个养分指标的实测值；PSNi：耕地4 个养分指标的预测值；n：测土配方的土壤样本数量（个）。

（4）耕地养分指标的空间填图。将高光谱影像敏感波段的反射率及数学变换图层代入上述监测模型，即可计算得到评价区域耕地养分指标的空间分布图。

3.2.2 耕地生产力质量遥感评价影响耕地生产力水平的因素较多，因此，某一年的作物产量并不能代表评价区域耕地生产力质量水平。选择＞10 a 的时间序列遥感影像开展耕地作物类型遥感分类，构建基于群体长势的作物遥感估产模型，实现长时间序列的耕地生产力评价。以研究区域内小麦-玉米轮作区的小麦单产水平代表耕地生产质量，利用冬小麦生长周期的NDVI 信息与野外实测单产样本，构建冬小麦单产遥感评价模型，分析长时间序列的耕地生产力水平变化情况，实现耕地生产力质量空间制图。

（1）冬小麦的提取。选取3月25日～4月30日（冬小麦起身期至开花期）研究区域的MODIS影像，计算低分辨率时间序列遥感影像的归一化植被指数[19]，形成时间序列NDVI 影像，根据公式（3）进行S-G 滤波处理。以NDVI ＝0 为临界阈值，当NDVI＞0 时提取为冬小麦，当NDVI≤0 时识别为非小麦。

（2）冬小麦遥感估产模型的构建。在当年野外实测单产样本的支持下，获取冬小麦整个生长季内的MODIS 16 d 最大化合成NDVI 数据，剔除越冬期的无效数据层，采用多元线性回归法构建冬小麦单产遥感评价模型，得到长时间序列的逐年冬小麦单产空间分布图，计算冬小麦多年平均单产。具体流程为：以冬小麦分布图对长时间序列MODIS NDVI 图进行空间裁剪，提取冬小麦分布范围内的NDVI 数据集；将当年冬小麦实测单产样本与当年NDVI 图像进行空间叠加分析，提取每个样本地块对应的各层NDVI 值；采用多元线性回归方法对当年样本地块的实测单产和多时相NDVI 值构建冬小麦单产遥感评价模型（4），求取各期NDVI 自变量的回归系数，并计算模型决定系数和RMSE；将当年以及历史各年的NDVI 序列图像代入上述估产模型，计算目标区的逐年冬小麦单产，得到每年冬小麦单产空间分布图；将时间序列的冬小麦估产图累加求平均，计算每个冬小麦像元的平均单产，表征该耕地像元的生产力水平。

式中，y：冬小麦单位面积产量（kg/hm2）；xi：冬小麦生长全程中的MODIS 16 d 最大化合成的NDVI数据（越冬期冬小麦生长缓慢，可认为该阶段NDVI对冬小麦最终产量贡献忽略不计）；an：估产模型各个自变量的回归系数。

3.3 耕地质量综合评价

根据耕地养分质量和生产力质量对耕地综合质量的表征能力，构建耕地综合遥感监测评价模型，实现耕地质量的综合评价。

3.3.1 评价指标权重确定与归一化处理各种评价因子对耕地综合质量的贡献不同，采用特尔菲法[20]确定各种耕地质量评价因子的权重。根据公式（5）和（6），计算Ej和δj。通过公式（7），对数据进行归一化处理，使各个指标的变化范围都为［0，1］。

式中，m：专家人数（人）；aij：第i 位专家对因子j 的评分值（分）；Ej：因子j 的平均值；δj：因子j 的方差。

式中，X：各个指标含量；Xmin：该指标的最小值；Xmax：该指标的最大值。

3.3.2 耕地质量综合评价与分级以耕地地块为基本单元，根据耕地养分质量和生产力质量的遥感监测结果，构建基于多源遥感信息的耕地质量综合评价模型（8）。统计养分含量平均值（mean）和标准差（SD），采用正态（偏正态）统计理论的双阈值划分策略，以mean-2×SD、mean 和mean+2×SD 为耕地综合质量的4个等级的划分阈值，根据公式（8），在遥感软件中建立评价模型计算得到目标区域的耕地质量综合评价值（Qi）。参照相关的耕地分等定级和土地利用土地信息资料对阈值做出适当调整，实现评价区域的耕地质量分级。具体划分标准为：当某块耕地的Qi＞mean+2×SD 时，判定为一等耕地；当mean＜Qi≤mean+2×SD时，判定为二等耕地；当mean-2×SD＜Qi≤mean 时，判定为三等耕地；当Qi≤mean-2×SD 时，判定为四等耕地。

式中，Q：耕地综合质量；N：耕地养分质量；P：耕地生产力质量，即长时序的冬小麦单产均值（kg/hm2）；ai：各个评价指标的权重；N1：耕地有机质含量（%）；N2：耕地全氮含量（%）；N3：耕地速效钾含量（%）；N4：耕地有效磷含量（%）。

4 耕地质量遥感综合评价方法的应用

安平县位于河北省中南部，地处太行山前冲积扇前缘，境内多为滹沱河冲积平原。地势平缓，略显西高东低。属于半干旱半湿润大陆性季风气候区，四季分明，干湿交替。耕地面积3.31 万hm2，土壤母质类型以河流冲积物为主，土层深厚。表层土壤质地以砂壤、轻壤质为主，土壤颜色发灰。土壤养分包括有机质、全氮、速效磷、速效钾和微量元素等。

运用上述方法，对安平县耕地质量进行遥感综合评价，结果（图2）显示，安平县一等和二等耕地数量较少，且分布零散，主要集中在研究区域的西南部、东北部和北部地区；三等和四等耕地数量较多，分布相对广泛。

图2 河北省衡水市安平县耕地质量综合评价图Fig.2 Comprehensive evaluation map of cultivated land quality in Anping County，Hengshui City，Hebei Province

进一步对三、四等耕地的数据进行深入分析，发现在这些耕地中存在3 个问题：（1）未开发利用的土地中存在一定面积的盐碱地。安平县盐碱地属大陆盐碱化浓缩型，在盐渍土中以盐化为主。经过多年的盐碱地综合治理和农业利用后，该县耕地盐碱化程度已经不明显，一般不会对农业生产造成大的影响，但在未利用的土地中仍存在一定数量的盐化土壤。（2）中低产田仍然存在。在经过一系列的盐化土改良行动后，盐碱地综合治理取得了一定成效。但是，该研究区域的土壤为“漏砂型”，保水保肥能力低于其他土壤类型，导致该区域仍然存在一定数量的中低产田。（3）土壤环境质量较差。研究区域的有关部门在积极促进企业快速成长过程中，忽略了环境保护问题，致使部分耕地受到污染。虽然导致这些问题出现的原因是多方面的，既有客观原因，也有主观原因，但总体来看，不良自然环境条件是形成中低产田的重要客观原因，水肥不足是形成中低产田的直接因素，不合理的人类活动加剧了土壤质量问题。