自然资源遥感应用研究进展

方 臣， 胡 飞， 陈 曦， 朱正勇， 刘烨青， 叶 琴

(湖北省地质调查院，湖北 武汉 430034)

卫星遥感技术是20世纪60年代兴起的一种观测技术。卫星遥感技术指的是一种以非直接接触方法对远距离目标的性质进行探测的技术[1],卫星遥感技术具有快速、准确、经济、大范围、可周期性的获取陆地、海洋和大气资料的能力，是获取地表资源信息的高新技术手段。目前，中国的遥感卫星正处于快速发展阶段，中国自2010年实施的高分辨率对地观测系统以来，陆续发射了高分一号、二号、三号、四号、五号、六号卫星等遥感卫星，基本形成全覆盖、全天候、全要素的遥感信息获取观测体系，为满足自然资源调查、环境综合监测、防灾减灾等方面提供技术支撑。

自然资源一般可以理解为一定的时间、空间范围内能够为人类利用，并产生经济价值的自然环境因素的总称，包括土地资源、矿产资源、水资源、生物资源、海洋资源等[2]。2018年3月，国家自然资源部组建后，提出了山水林田湖草自然资源整体保护、系统修复、综合治理的新使命，卫星遥感技术的独特优势将在自然资源管理中发挥着重要作用，在土地利用调查、水环境监测、林草湿资源调查、矿产资源开发环境监测等领域有着广泛的应用需要。本文将在介绍不同类型遥感数据的基础上，对遥感技术在自然资源调查监测评价中的多个应用方向进行归纳和总结，并对其发展趋势进行展望。

1 遥感数据介绍

目前遥感数据应用种类繁多，根据卫星传感器的特点主要分为光学遥感数据和微波遥感数据。其中：光学遥感数据应用广泛的类型为高空间分辨率和高光谱分辨率遥感数据；微波遥感数据应用广泛的类型为合成孔径雷达(SAR)遥感数据。当前，高空间分辨率、高光谱分辨率和SAR遥感数据广泛应用于自然资源调查监测评价中。

1.1 高空间分辨率遥感数据

空间分辨率是指遥感图像上能够识别的单一地物或两个相邻地物间的最小距离(尺寸)，是用来表征影像分辨地面目标细节的指标。空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。高空间分辨率遥感数据一般可以达到米级甚至亚米级，目前商业化运行的遥感卫星数据的空间分辨率已经达到了0.3 m，常见的高空间分辨率遥感数据见表1。目前，应用较广的高空间分辨率遥感数据国外以美国的WordView系列遥感卫星数据为代表，其中2016年发射的WorldView-4卫星能够提供0.3 m分辨率的高清晰地面图像。随着中国空间技术的快速发展，2014年发射的高分2号卫星(GF-2)全色谱段星下点空间分辨率达到0.8 m，迈入了亚米级时代。

表1 常用高空间分辨率遥感数据及参数Table 1 Common high spatial resolution remotesensing data and parameters

1.2 高光谱分辨率遥感数据

光谱分辨率是指卫星传感器接受目标反射回来的波长中能分辨的最小波长的间隔，间隔越小，光谱分辨率越高。高光谱分辨率遥感数据的光谱通道数多达数十甚至数百个以上，且各光谱通道是连续的，影像上每一个像元都可以绘制一条完整的光谱曲线，因此具有“图谱合一”的特性。地球上不同的物质都有自己独特的光谱特征，高光谱数据的出现使得地物的精细识别成为可能，推动了遥感技术由定性分析转向定量分析。目前，常用的高光谱分辨率遥感数据的光谱范围在350～2 500 nm，覆盖可见光、近红外、短波红外光谱，高光谱传感器主要分为星载和机载(表2)，其中，星载高光谱数据类型较少，国际上该类卫星大多属于试验性，例如美国的Hyperion、欧空局的CHRIS。2018年中国高分五号发射升空，其可见光短波红外相机，光谱分辨率可达5 nm，拥有330个探测通道，填补了该类卫星的空白。

表2 常用高光谱分辨率遥感数据及参数Table 2 Common hyperspectral resolution remote sensing data and parameters

1.3 SAR遥感数据

合成孔径雷达遥感属于微波遥感范畴，遥感器工作波段选择在微波波段范围(1～1 000 mm)，是一种主动式的对地观测系统，通过发射电磁脉冲和接收目标回波进行二维成像，具有不依赖太阳辐射的特点，同时微波对云雨雪具有一定的穿透能力，因此SAR遥感可以摆脱光学遥感受太阳辐射和天气的限制，实现对地物全天候数据获取的优势。SAR的独特优势使其在地质灾害、地面沉降、海洋预报、矿产勘查、军事应用等领域具有很高的实用价值。目前，随着SAR技术的独特性能和应用潜力，世界上多个国家陆续发射了SAR卫星(表3)。2016年中国高分三号卫星发射升空，这是中国首颗分辨率达到1 m的C频段多极化合成孔径雷达卫星，显著提升中国对地遥感的观测能力，是高分专项工程实现时空协调、全天候、全天时对地观测目标的重要基础。

表3 常用SAR遥感数据及参数Table 3 Commonly SAR remote sensing data and parameters

2 遥感技术在自然资源领域中的应用

遥感对地物的探测主要包含地物的几何特征、物质组成及演化特征等方面，遥感探测器分辨率的提高使得探测地物的精细特征成为可能。在自然资源调查领域，遥感数据已广泛应用于土地利用调查、生态环境调查、农业资源调查、水资源调查与监测、基础地质与矿产资源调查、地质灾害监测等重点领域。本文结合国家自然资源部当前的政策导向，主要对遥感技术在土地资源、水资源、林草湿资源、矿产资源4个方面的典型应用进行阐述。

2.1 土地资源遥感应用

遥感数据与土地资源在时空特性方面具有高度的一致性，土地资源研究长期是遥感应用的主要领域之一。土地资源类型、数量、分布等基础的属性信息，是土地资源遥感监测中应用最早、研究最多的一项基础性工作。

2.1.1土地资源遥感应用的方向

随着遥感技术的发展，特别是高空间分辨率遥感数据、高光谱分辨率遥感数据、SAR遥感数据的日臻完善和推广，土地资源遥感应用研究在土地资源属性调查的基础上，更多开始关注动态监测和数据信息的更新，土地资源的属性信息从“静态单一”转为“动态多样”，极大地推动了土地资源遥感监测向自动化、定量化的方向发展。同时在土地质量监测、生态监测等效果评估方面，发挥着更大的监督管理和辅助决策作用[3]。

2.1.2土地资源信息提取方法

土地资源信息提取是土地资源遥感监测的基础。土地资源信息提取主要是将遥感数据所包含的不同时期、空间、类型的土地，依照其属性特征加以识别和表示的过程。提取方法一般归为两类，分别是以专业人员综合分析为基础的“目视解译法”和以人工智能算法为基础的“计算机自动分类法”。目视解译是早期出现且应用范围比较广泛的遥感信息提取方法，根据专业经验和知识，建立不同地物类型的判读标志，进而识别、提取和绘制专题地图。该方法从遥感图像的选取—图像分析—解译标志的建立—判读与制图—面积量算—误差的平赋—精度分析等，已形成一套比较成熟的技术路线[4]，在全国土地资源调查、三北防护林、西藏自治区土地利用等大型遥感项目中得到实际应用，形成了不同的土地资源遥感监测数据产品[5]。计算机自动分类方法，可归纳为3大类：统计学分类、人工智能分类及其他分类方法。统计学分类中非监督分类法和监督分类法是发展较早的两种简单分类方法。其中，非监督分类方法常被用于土地利用/覆盖分类前期的初级分类，用以了解区域的大致情况；监督分类法依赖训练样本，提高分类精度，其中使用最为广泛的是最大似然分类方法。人工智能分类包括神经网络分类、专家系统分类。其中，神经网络方法具有自适应性和可以进行复杂的并行运算能力，对数据类型及数据分布函数没有限制性要求，可融合多种数据进行分类，在土地覆盖和土地利用方面得到广泛应用。随着研究的进一步深入，其他分类方法中，如支持向量机分类方法、决策树分类法以及面向对象分类法等，因各自特点也呈现出一定的应用范畴。

目视解译具有便于利用地学知识进行综合判断、利于空间信息提取、灵活性强等优点，同时又存在人工投入大、解译经验要求高且受个人主观因素影响大、在广泛推广时面临效率低和精度控制困难等问题。依靠GIS计算优势的自动分类法更注重过程，但多数情况下因为辅助信息的不足，影响机理解释，结果精度难以被认可。近年来，以专业人员综合分析为基础的“目视解译法”与以人工智能算法为基础的“计算机自动分类法”的结合越来越多地应用于土地资源遥感应用研究中，依靠彼此优势互补不仅提高效率，还保证精度符合要求。

2.2 水资源遥感应用

水体一直是遥感探测的主要目标，水体信息的提取、水质环境的监测，是水资源遥感监测的主要应用方向。水体的光谱对特定的波段具有吸收或反射特征，同时水体中的叶绿素、固体悬浮物等都会影响水体的光谱反射特征。在SAR影像上，水体以镜面散射为主，因此与其他地物具有不同的后向散射能力[6]。根据水体独特的遥感机理，随着高光谱、SAR遥感数据的兴起，极大地提升了水资源遥感监测的精度。

2.2.1水体信息提取

水体信息的提取，主要是对水体的分布、面积等进行快速提取，常用的方法有：①基于图像融合技术，利用色彩增强、IHS变换、比值运算、HPH变换等可以直接在图像上将水体信息显示出来；②基于光谱关系法，利用波段组合选择合适的光谱规则，通过目视判读、检验阈值筛选出水体信息；③基于遥感指数法，利用亮度指数法或植被指数法，在地面径流很少的地区，提取出水体信息具有很好的效果。近年来，由于SAR数据对云、雨、雾的穿透性和全天候监测的特性，因此对洪涝灾害的快速监测具有优势。许多学者开始研究SAR水体信息的提取方法，例如，谷鑫志[7]利用高分三号影像对湖南省东北部的夏季河流、湖泊、水库的洪涝灾害，采用阈值分割法与马尔可夫随机场法相结合提出了一种快速的自动化水体信息提取方法。

2.2.2水质环境监测

水质环境遥感监测主要是应用地面、航空、航天等遥感平台对河流、湖泊、水库和海洋等进行探测，诊断水体的反射、发射、吸收特征的变化，从而实现快速地确定水污染的分布状况和位置。常用的遥感水质监测指标包括叶绿素a浓度、水体透明度、悬浮物含量、溶解性有机物等。高光谱遥感数据在水质监测中扮演了重要角色，其获取连续、细微的光谱特征曲线，可以实现水质定量遥感的反演。常用的水质环境遥感监测方法主要包括物理方法、经验方法和半经验方法。物理方法是直接利用遥感数据，测量水体的反射率来反演水体中各种物质的吸收特征光谱系数，从而反演水体中各种物质的浓度。例如，Hoogenboom等[8]利用AVIRIS数据模拟叶绿素浓度的波段比值模型；邓孺孺等[9]建立了水体中悬浮物的一次和二次散射遥感模型；Hans等[10]利用机载高光谱数据基于矩阵反演模型建立了河流叶绿素浓度反演图。经验方法是利用经验或者地面实测的水质参数，通过统计分析建立遥感的波段数据与水质参数的相关性，来反演水质参数。中国科学院南京地理与湖泊研究所建立的太湖蓝藻水华预测预警系统[11]，利用MODIS/Terra、CBERS-2 CCD、ETM和IRS.P6 LISS3等多种遥感数据，从2008年以来，长期对太湖的蓝藻水华进行监测预警，受到了江苏省和国家相关部门的高度重视。半经验方法是目前比较流行的水质监测方法，通过实测已知水体的水质光谱参数建立水体参数光谱数据库，利用统计分析方法选择合适的算法建立遥感的波段数据与水质参数的反演模型，该方法具有时间和空间的限制性，对不同地区的水质参数反演需要进行相关的调整。例如，姚月等[12]通过建立沈阳市区黑臭水体的光谱特征数据库，利用GF-2数据研究黑臭水体与一般水体的光谱差异，采用反射率光谱指数法，建立了该地区的黑臭水体识别模型，取得了较好的效果；Pulliainen等[13]利用AISA机载高光谱数据对芬兰南部多个湖泊的叶绿素a浓度进行监测，利用反射率比值法、光谱一阶微分法反演了叶绿素浓度；雷坤等[14]通过对太湖水体中叶绿素a和总氮含量的地面实测，利用CBERS- 1卫星的CCD传感器数据，建立了基于波段组合灰度值的遥感反演模型。

2.3 林草湿资源遥感应用

森林、草原、湿地是“山水林田湖草生命共同体”的重要组成部分，利用遥感技术对植被信息的提取是开展林草湿资源遥感监测的关键。所有植物的光谱具有一个共同的特征，在0.45 μm和0.65 μm附近由于叶绿素吸收会产生两处比较明显的吸收谷特征，且叶绿素的含量、叶子含水量、病虫害等都可以影响吸收谷的位置和形态，这是植被监测的遥感机理。目前，常用的植被监测遥感指标有比值植被指数、归一化植被指数、绿色植被指数、垂直植被指数、土壤调节植被指数、差值环境植被指数等方法。

2.3.1森林资源遥感监测

遥感技术在森林资源监测中主要应用在森林物种分类识别、森林植被生态参数监测、森林蓄积量估算和森林灾害监测4个方面。森林物种分类识别主要是基于不同树种的光谱和纹理差异，如傅锋等[15]利用GF-2数据采用影像多尺度分割法提取纹理、光谱等指标信息，很好地区分了马尾松、毛竹和杉木三种树种；郝泷等[16]利用Landsat OLI数据采用基于纹理的CART决策树分类法，对西藏林芝地区的针叶林、阔叶林和灌木林进行了分类。森林植被生态参数监测主要是对树高、叶面积指数、郁闭度等参数进行遥感反演，如雷达数据具有一定的穿透能力，可以直接测量森林的垂直结构；董立新[17]利用Landsat TM数据获取了三峡库区森林的12种植被指数，通过多元回归模型反演了该地区的叶面积指数；高光谱数据在森林郁闭度提取具有一定优势，Pu等[18]利用Hyperion高光谱数据采用逐步回归方法进行建模，森林郁闭度估测精度达到了85%。森林蓄积量估算需要光学遥感和雷达遥感数据相结合，通过对树高、树种、胸高断面等测量来估算蓄积量[19]。森林灾害监测主要是对森林火灾和病虫害的监测，森林火灾遥感监测对卫星数据的重访周期要求很好，目前中国已经建立了多个基于气象卫星的林火监测网络；病虫害的监测是基于病虫害会导致植物的光谱反射特征发生变化，如Shafri等[20]利用机载高光谱数据分析油棕榈植物园中的灵芝茎基腐病的光谱曲线特征，根据植被指数、红边蓝移等特征区分了病变和健康的植物。

2.3.2草原资源遥感监测

草原资源遥感监测的方法与森林监测原理类似，主要的应用方向是草原植被长势遥感监测，植被指数是草原长势监测的重要遥感指标，通过植被指数可以直接获取草原的长势信息，如扎西央宗等[21]利用NOAA/AVHRR数据，根据植被指数与牧草长势、气候的关系，反演了西藏三县的牧草长势；赵虎等[22]通过分析红光与近红外波段之前的关系，重新组合了一种新的植被指数GRNDVI，对植被指数与土壤背景的关系有一定的改善。通过同期对比同一地区的植被指数也可以监测出该地区的草原植被长势，如徐斌等[23]利用2004年和2005年的MODIS数据获取全国草原区的植被指数，通过对比对全国的草原空间分布、长势好坏进行分析。

2.3.3湿地资源遥感监测

湿地的分类标准是湿地资源监测的核心问题之一，同时也对湿地信息的提取和分类造成了干扰，目前针对湿地资源监测主要结合不同空间分辨率、不同光谱分辨率、多时相的遥感影像进行综合监测，如，Jessika等[24]利用SAR、Landsat TM 、SPOT三种遥感数据对加拿大艾伯塔东北部湿地进行动态监测,效果较好；Augusteijn等[25]利用多光谱数据和AIRSAR雷达数据,通过影像融合、神经网络分类法提高了森林湿地的分类精度。

2.4 矿产资源遥感应用

矿产资源是重要的自然资源，现代社会生产的发展和人们的生活都离不开矿产资源，社会经济的发展需要加强对矿产资源的勘查，但矿产资源的不可再生性也需要人们进行合理的保护和利用。遥感技术在矿产资源的监测中主要应用于岩矿信息提取和矿山资源开发环境监测2个方面。

2.4.1岩矿信息提取

2.4.2矿山资源开发环境监测

矿山开发环境遥感监测主要对矿山开发占地变化(位置、开采方式、开发状态、越界开采等)和矿山地质环境(采场、中转场地、固体废弃物、恢复治理等)进行遥感动态监测，高空间分辨率遥感影像是主要的遥感数据源，常用的方法是计算机自动信息提取与人机交互解译相结合，外业调查验证。中国自2006年起在中国自然资源航空物探遥感中心牵头下，连续多年开展全国矿产资源开发遥感调查与监测，摸清了全国矿产资源开发状况、矿山地质环境、矿产资源规划执行情况和矿山环境恢复治理状况，为国家矿政管理、国土空间用途管制等提供基础数据和技术支撑[31]。

3 发展趋势

随着遥感数据向高空间、高时间、高光谱及高辐射方向的进一步发展，自然资源遥感应用也将迈向“多尺度、多频率、全天候、高精度、高效快速”的新领域。在“海量”的遥感数据面前，实现多源、多尺度、高分遥感信息的复合协同应用，加快各类自然资源遥感技术应用的标准化研究，以及精准地服务于自然资源调查仍然是未来研究的重点。在国家统筹山水林田湖草各类自然资源的整体保护、系统修复和综合治理新使命中，自然资源遥感应用也将迎来新一轮的发展契机。

(1) 在土地资源遥感监测上，应结合2018年2月国务院印发的《第三次全国土地调查实施方案》中有关土地资源分类系统的要求，深入探讨基于不同遥感数据的土地资源数量与质量的信息提取方法，系统构建不同尺度下基于遥感数据的国土资源属性信息和动态信息监测与评价指标体系，提高基础数据信息共享和应用的潜力，并在此基础上深入探讨衍生的土地资源退化、土地荒漠化、土地非农业化等土地资源监测的应用问题。

(2) 在水资源遥感监测上，应在充分利用国家水文数据库的基础上，系统而深入地开展水质参数的光谱特征及光谱分析技术，通过对比纯水以及不同水质中相关参数的波段特性差异特征，确定具有典型代表意义的特征水质参数，定量反演后分区建立具有反映降水、地表水、土壤水与地下水转化机制及下渗、蒸发等水循环过程的水资源评价模型，并在“3S”平台上建立集成化的水资源评价信息系统，实现“3S”与水资源评价模型、水文及水资源管理数据库的集成，统一指导各地水资源评价工作，为当地经济可持续发展和水资源永续利用提供科学依据。

(3) 在林草湿资源遥感监测上，以森林为代表遥感监测使用的遥感数据基本涵盖了目前所能用到的包括光学遥感、微波雷达、激光雷达、航空像片等多源数据，应重点考虑综合使用不同传感器数据，对不同的遥感数据进行融合，例如将高空间分辨率和高光谱数据融合后，既能保留光谱特性又能突出纹理特征，更利于变化监测的信息提取。在此基础上，加快开发林草湿资源变化监测自动化系统研究，开展面向对象的变化监测方法，进一步实现森林郁闭度、生物资源蓄积量等参数的定量反演，可满足不同尺度森林资源、生态过程监测分析的需求。

(4) 在矿产资源遥感监测上，矿产勘查主要通过提取矿化蚀变等成矿作用信息，矿山资源开发环境监测主要通过提取成矿后期剥蚀和破坏信息，在此基础上进一步建立找矿模型和矿山资源开发环境评估模型指导实际应用。该项技术经过数十年的发展已形成较为完善的理论体系并取得良好的应用效果。但是目前应用较广的高光谱数据存在地物波谱测量容易受天气变化干扰、信息提取局限于地表等问题。今后的工作中，应重点考虑SAR遥感数据不受气候变化影响能够提供稳定的遥感应用数据，能穿透一定厚度的植被和砂层，实现对不可见的隐伏地质要素探测的优势；加大SAR遥感数据与地物作用机理的深入研究，建立相关应用模型，在中国以后的矿产勘查和矿山资源开发环境监测工作中能够发挥更大的优势。

4 结论

遥感技术与信息处理技术的发展日新月异，目前自然资源遥感应用领域尚无统一的标准和体系，自然资源遥感应用研究无论在理论上，还是方法上都需要进一步发展，并不断地在实践中得以检验、补充和完善，自然资源遥感应用仍然处在快速发展阶段。

正如生态环境中山水林田湖草是生命共同体一样，自然资源遥感监测同样是不可割裂的统一整体。虽然自然资源数据源来源和应用范围不同，信息提取手段各异，研究侧重点不同，但在实际评估和应用中，应综合考虑土地、水、林草湿、矿产的生态环境一致性要求，在使用不同资源各自优势监测方法的基础上，充分考虑信息综合集成，发挥多源信息的复合协同作用，进一步提高信息特征提取的精度，为认知、解释、预报各类自然资源演变过程和规律提供更为全面的决策依据，更好地服务于社会经济的可持续发展。