土地整治遙感監(jiān)測研究進(jìn)展分析

張 超 呂雅慧 鄖文聚 高璐璐 朱德海 楊建宇

(1.中國農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院， 北京 100083； 2.自然資源部農(nóng)用地質(zhì)量與監(jiān)控重點實驗室， 北京 100035； 3.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083； 4.自然資源部國土整治中心， 北京 100035)

0 引言

目前各國都面臨著不同類型、不同程度的土地資源問題，包括人口壓力背景下的農(nóng)用地生產(chǎn)力不足、土地不合理利用背景下的國土資源浪費、開發(fā)利用強度過大背景下的土地退化和生態(tài)變差等。中國作為人口大國和農(nóng)業(yè)大國，人地矛盾問題突出。在擁有巨大糧食需求量的背景下，我國人均土地占有量不足世界平均水平的40%[1-4]。同時，人口數(shù)量的持續(xù)增長、經(jīng)濟社會的快速發(fā)展和城市化水平的不斷提高，已經(jīng)造成了土地利用結(jié)構(gòu)不合理、利用效率低下、退化嚴(yán)重、生態(tài)質(zhì)量下降等一系列問題[5-10]。近年來由于建設(shè)占用、生態(tài)退耕等原因，全國耕地總面積減少、平均耕地質(zhì)量處于低等水平且持續(xù)降低、耕地后備資源日漸不足，而通過土地整治等措施獲得的新增耕地面積逐年減少，新增建設(shè)用地面積明顯增加，加重了不同土地利用類型，特別是農(nóng)用地和建設(shè)用地之間的矛盾。如何在建設(shè)用地供給量增加的同時，保有足夠數(shù)量、優(yōu)良質(zhì)量和健康生態(tài)的耕地，以滿足國家糧食安全的需求，成為自然資源領(lǐng)域的重要議題。

土地整治是緩解人地矛盾、解決土地利用問題和保障國家可持續(xù)發(fā)展的有效手段之一，我國正在大力推進(jìn)土地整治政策[11]。傳統(tǒng)的土地信息獲取和土地整治工程監(jiān)測主要依賴于人工野外測量，無法滿足相關(guān)工作對時效、成本及精度等方面的要求，而我國土地整治監(jiān)測正處于從傳統(tǒng)信息獲取向現(xiàn)代化智能監(jiān)測的轉(zhuǎn)變過程中，遙感技術(shù)以其高效、高精度、低成本的特點，成為土地整治監(jiān)管的有力依托。自十一屆三中全會以來，我國針對土地整治中土地利用類型和耕地質(zhì)量等別的變化監(jiān)測等問題，利用遙感技術(shù)實現(xiàn)定期、連續(xù)的調(diào)查、預(yù)測和預(yù)報[12]；自然資源部近年形成“部級監(jiān)管、省負(fù)總責(zé)、市縣組織實施”的土地整治管理格局，充分利用遙感技術(shù)手段，實現(xiàn)了對土地整治區(qū)土地利用現(xiàn)狀、土地質(zhì)量、城鎮(zhèn)地籍等的有效監(jiān)管[13]；“一核兩深三系”國土資源科技創(chuàng)新戰(zhàn)略的全面實施，更將遙感技術(shù)廣泛應(yīng)用于耕地“三位一體”監(jiān)管體系的建設(shè)中，為土地整治提供實時、精準(zhǔn)的技術(shù)支撐，針對土壤特性反演、大規(guī)?；A(chǔ)信息獲取和整治過程監(jiān)管等問題，構(gòu)建起遙感動態(tài)監(jiān)測體系[14]，對于全面實施土地整治項目具有深遠(yuǎn)的意義。

遙感在土地整治監(jiān)測中的應(yīng)用，主要體現(xiàn)在全過程和全方位兩方面，即充分利用國土資源領(lǐng)域已有的數(shù)據(jù)和工作積累，輔助以實地勘測手段，以衛(wèi)星遙感、航空、無人機等多源-多尺度-多時相遙感影像為數(shù)據(jù)源，結(jié)合遙感影像處理和分析技術(shù)，獲取地表信息，通過人工智能等方法、模型，挖掘深層關(guān)鍵信息，最終構(gòu)建土地整治遙感監(jiān)測體系。該體系主要涉及到遙感影像等基礎(chǔ)數(shù)據(jù)獲取、處理、分析、建模和應(yīng)用等關(guān)鍵步驟，重點針對潛力測算、整治過程監(jiān)管、整治后效益評估等土地整治過程階段，或?qū)ν恋貜?fù)墾等不同土地整治類型，實現(xiàn)多尺度土地信息的快速和自動化獲取。其中不同類型遙感數(shù)據(jù)的處理與信息挖掘是技術(shù)要點。

目前，土地整治遙感監(jiān)測技術(shù)方法已在我國實現(xiàn)廣泛的應(yīng)用，主要圍繞土地整治項目高精度基礎(chǔ)數(shù)據(jù)獲取、優(yōu)質(zhì)工作底圖繪制與實時更新、工程進(jìn)度與質(zhì)量監(jiān)管和基本農(nóng)田管護等方面展開，具有實時高效、長期動態(tài)的工作優(yōu)勢，但部分關(guān)鍵技術(shù)的研究仍處于初級階段。本文對當(dāng)前不同類型遙感技術(shù)的發(fā)展現(xiàn)狀及其在土地整治監(jiān)測中的應(yīng)用進(jìn)行總結(jié)和分析，旨在明確土地整治監(jiān)測工作的需求與難點、梳理土地整治遙感監(jiān)測的關(guān)鍵技術(shù)與研究現(xiàn)狀、分析土地整治遙感監(jiān)測技術(shù)的瓶頸與發(fā)展?jié)摿?，最終凝練出急需解決的關(guān)鍵技術(shù)問題，為土地整治遙感監(jiān)測的工作開展和技術(shù)發(fā)展提供依據(jù)和參考。

1 土地整治發(fā)展概述

土地整治是人類利用自然和改造自然的措施，起源于歐洲，德國、荷蘭、俄羅斯、法國等國家最早提出土地整理的概念，英國、瑞典、瑞士、比利時、日本和韓國等均根據(jù)本國情況，適時開展了相應(yīng)的土地整治工作，賦予了土地整治豐富的內(nèi)涵[12]。國外的土地整治大體經(jīng)歷了3個發(fā)展階段：簡單的土地整理階段(16世紀(jì)中葉至19世紀(jì)末)，主要是有組織、有規(guī)劃地進(jìn)行地塊歸并、權(quán)屬調(diào)整、改善農(nóng)業(yè)生產(chǎn)條件；針對特定內(nèi)容的土地整理階段(20世紀(jì)初至20世紀(jì)50年代)，主要是有效解決城市發(fā)展用地和工程建設(shè)引起的土地利用破壞等問題；綜合土地整理階段(20世紀(jì)60年代以后)，主要是縮小城鄉(xiāng)差距，改善居住環(huán)境，注重自然和景觀保護，提高地區(qū)經(jīng)濟的發(fā)展速度，增加人民收入等[15]。

圖1 土地整治遙感監(jiān)測體系架構(gòu)圖Fig.1 Structure diagram of land consolidation remote sensing monitoring system

中國現(xiàn)代意義的土地整治開始于1986年，多次修訂的《中華人民共和國土地管理法》逐步給出了土地整治的法定內(nèi)涵[16-17]。隨著研究與實踐的深入，土地整治的范疇被拓展到了未利用地、損毀地、廢棄地和建設(shè)用地等方面，鄖文聚等[11]系統(tǒng)地給出了新時期土地整治的科學(xué)界定：在一定區(qū)域內(nèi)，依據(jù)土地利用總體規(guī)劃，按照用地需求，對農(nóng)村和城市中未利用的、低效利用的、不合理利用的土地，在一定的資金支持下而采取的一系列工程技術(shù)措施。近年的《關(guān)于強化管控落實最嚴(yán)格的耕地保護制度的通知》、《全國土地整治規(guī)劃(2016—2020年)》、“一核兩深三系” 等國土資源科技創(chuàng)新戰(zhàn)略與規(guī)劃，進(jìn)一步強化了嚴(yán)格的土地整治政策，使其成為保障我國糧食安全、推動新農(nóng)村建設(shè)和鄉(xiāng)村振興、實現(xiàn)“藏糧于地、藏糧于技”和可持續(xù)發(fā)展的重要舉措[18-20]。我國土地整治可分為3個階段：初步發(fā)育階段(1987年至1998年)，主要圍繞農(nóng)村聯(lián)產(chǎn)承包責(zé)任制，開展對土地利用方式的優(yōu)化和結(jié)構(gòu)的調(diào)整；發(fā)展壯大階段(1999年至2007年)，重在開發(fā)整理新增耕地，追求耕地總量的動態(tài)平衡，在保護優(yōu)質(zhì)耕地的同時保障建設(shè)用地供給；綜合發(fā)展階段(2008年以后)，整治范圍更集中連片，整治內(nèi)容更綜合，整治重點向增加數(shù)量、提高質(zhì)量、優(yōu)化布局和改善生態(tài)并重轉(zhuǎn)變，整治目標(biāo)向城鄉(xiāng)統(tǒng)籌發(fā)展轉(zhuǎn)變[21]。目前，我國的土地整治仍存在選址不合理、管理不規(guī)范、重數(shù)量輕質(zhì)量和生態(tài)[22]、高新技術(shù)運用有限和建設(shè)后維護難等問題[23]。其中，“重數(shù)量輕質(zhì)量和生態(tài)”問題最為突出，忽略了對農(nóng)業(yè)生態(tài)環(huán)境的保護和土地整治生態(tài)效益的考量，人類面臨著在實現(xiàn)生態(tài)環(huán)境可持續(xù)發(fā)展的同時確保糧食安全的巨大挑戰(zhàn)[24]。為此，國內(nèi)外的土地整治逐步向多目標(biāo)的方向演變，包括農(nóng)業(yè)可持續(xù)、生態(tài)環(huán)境保護和可持續(xù)土地管理等[25-30]。

生態(tài)化土地整治是新時期土地整治的重要發(fā)展方向，是指充分考慮整治區(qū)地域特色和空間格局，以土地可持續(xù)利用和改善農(nóng)業(yè)生產(chǎn)條件為目標(biāo)，兼具保護或恢復(fù)受損生態(tài)系統(tǒng)，結(jié)合田、水、路、林、村綜合整治，融入生態(tài)學(xué)理論與技術(shù)、景觀生態(tài)設(shè)計和生物多樣性保護要求的土地整治活動[31]。國外主要針對景觀功能衰退、水土流失和土地退化等問題，重點從政策制定、規(guī)劃設(shè)計、生態(tài)敏感性、生態(tài)風(fēng)險、生態(tài)效益等開展農(nóng)田保護、水土保持與景觀恢復(fù)技術(shù)的研究[32]。如，荷蘭在土地整治工作中將經(jīng)濟、生態(tài)和社會效益并重考慮，主要的生態(tài)效益指標(biāo)有抵御洪水能力、水質(zhì)、農(nóng)田需水量等；德國土地整理工作的內(nèi)容從最初單純的追求經(jīng)濟效益轉(zhuǎn)變到經(jīng)濟、社會和環(huán)境多重效益并行發(fā)展，增加了保護農(nóng)村景觀環(huán)境、改善農(nóng)民生活居住條件等內(nèi)容[15]。我國的土地整治正處于全面推進(jìn)國土綜合整治的關(guān)鍵階段[33]，在大力實施農(nóng)村土地整治的同時，著重治理農(nóng)業(yè)環(huán)境突出問題，探索并推廣高效生態(tài)循環(huán)農(nóng)業(yè)模式，按照整體保護-系統(tǒng)修復(fù)-綜合治理的思維，實施山水林田湖生態(tài)保護和修復(fù)工程，將景觀生態(tài)規(guī)劃設(shè)計、景觀功能分區(qū)、景觀生態(tài)評價和生態(tài)功能系統(tǒng)劃分等融入土地整治過程中[31]，達(dá)到構(gòu)建生態(tài)安全格局、保護生物多樣性和改善農(nóng)業(yè)生產(chǎn)條件、生產(chǎn)環(huán)境及居住條件的目的，推動構(gòu)建基于生態(tài)理念的可持續(xù)土地整治模式，兼顧農(nóng)業(yè)空間和生態(tài)空間保護紅線。目前，推動生態(tài)化土地整治已成為國際共識。

2 土地整治遙感監(jiān)測體系研究進(jìn)展

土地整治遙感監(jiān)測是土地整治的重要組成部分。其體系架構(gòu)如圖1所示，主要分為數(shù)據(jù)獲取層、數(shù)據(jù)處理層、數(shù)據(jù)分析層和監(jiān)測應(yīng)用層。涵蓋的關(guān)鍵技術(shù)有：多源遙感獲取技術(shù)、遙感影像預(yù)處理技術(shù)、遙感影像分類技術(shù)和遙感定量反演模型等，這些技術(shù)方法已取得一定的研究進(jìn)展，但仍是遙感在土地整治中應(yīng)用的研究熱點和難點。

2.1 多源遙感獲取技術(shù)研究進(jìn)展

多源遙感是土地整治遙感監(jiān)測體系最重要的數(shù)據(jù)基礎(chǔ)。遙感技術(shù)指通過某種傳感器裝置，在不與被研究對象直接接觸的情況下，獲取其特征信息，并對這些信息進(jìn)行提取、加工、表達(dá)和應(yīng)用的一門對地觀測和空間探測技術(shù)。在空間信息獲取方面具有優(yōu)越性，擴展了資源觀測的高度、深度、角度、尺度和維度，拓展了觀測的視覺感官范圍。具有覆蓋面廣、全方位、動態(tài)、實時、經(jīng)濟、宏觀、綜合、快速、多層次、多尺度、多時相、多手段、多源數(shù)據(jù)互補融合、信息量大、全天候(微波和熱紅外等)、不受地面條件限制、定量與定性結(jié)合以及反映地物內(nèi)部信息等優(yōu)勢[34]。按照傳感器使用的平臺可分為航天遙感技術(shù)、航空遙感技術(shù)和地面遙感技術(shù)，各有特點和適用范圍，其中前兩者的研究與應(yīng)用更為廣泛，雖然目前遙感尚不能完全取代實地勘測[35]，但航空遙感與航天遙感的結(jié)合應(yīng)用，已成為土地資源空間信息獲取，特別是土地整治監(jiān)測的重要途徑。

航天遙感在監(jiān)測大面積、地勢平坦、新增耕地較多的土地整治項目區(qū)，具有很大的優(yōu)勢，但受到分辨率、地形地貌、信息量、訂購成本、獲取周期等的約束，在土地整治監(jiān)測應(yīng)用中具有一定的局限性。航天遙感系統(tǒng)的核心是遙感器，按照遙感器的不同可以分為高空間分辨率光學(xué)遙感(I1)、高光譜分辨率光學(xué)遙感(I2)、高時間分辨率光學(xué)遙感(I3)、紅外遙感(I4)和微波雷達(dá)遙感(I5)。I1具有最細(xì)致的地物空間信息，是土地整治區(qū)土地利用類型等基礎(chǔ)地理信息和高精度底圖獲取的重要手段[36-37]；I2是當(dāng)前遙感技術(shù)的前沿，具有豐富的光譜信息，能實現(xiàn)有機質(zhì)含量等土壤理化性質(zhì)的定量反演，同時可有效區(qū)別光譜相近的地物，提高土地利用類型識別精度，為土地整治提供更豐富的細(xì)節(jié)信息[38-39]；I3主要依靠中低空間分辨率的光學(xué)遙感衛(wèi)星數(shù)據(jù)，具有成像周期短和時相數(shù)據(jù)積累豐富的優(yōu)勢，通過時間序列分析方法，實現(xiàn)大面積土地整治工程動態(tài)信息的精確采集和地物精確分類與變化監(jiān)測[40-41]；I4具有全天時成像、識別偽裝和獲取對象狀態(tài)的能力，主要用于輔助光學(xué)遙感實現(xiàn)土地整治中地物的快速解譯，或用于反演地表溫度等定量信息[42-43]；I5則彌補了光學(xué)遙感只能實現(xiàn)地表監(jiān)測和白天成像的局限，合成孔徑雷達(dá)(Synthetic aperture radar，SAR)是目前I5最具代表性的研究重點，通過將探地雷達(dá)與開挖實測等方法相結(jié)合，可實現(xiàn)對耕地土層厚度等地下信息的探測，通過調(diào)節(jié)最佳觀測視角，可實現(xiàn)目標(biāo)地物的理化特性和空間形態(tài)特征監(jiān)測與反演，為土地整治工程的質(zhì)量評價和驗收提供有效途徑[44]。

無人機航測是目前航空遙感(I6)的主要形式之一。集成了無人駕駛飛行器、GPS導(dǎo)航定位及航空遙感等先進(jìn)技術(shù)手段[15]，具有機動性強、小型化、專業(yè)化、成本低和高空間分辨率等優(yōu)勢，但受到飛行條件的限制，作為航天遙感技術(shù)的補充已逐步被運用于地形復(fù)雜區(qū)域的土地整治項目監(jiān)測中[45]。主要用于獲取高分辨率數(shù)字正射影像，直觀反映土地整治項目區(qū)實際情況，并繪制大比例尺土地利用現(xiàn)狀圖等基礎(chǔ)數(shù)據(jù)，可提高土地整治項目設(shè)計的合理性和工程量計算的精度，還可通過搭載高光譜相機等獲取專題信息。具體如表1所示。

2018年3月31日，我國成功發(fā)射GF-1的02、03、04號衛(wèi)星，構(gòu)成我國首個民用高分辨率光學(xué)業(yè)務(wù)星座，在輻射分辨率、定位精度、運行壽命、累計成像時間、重訪周期、一致性成像、立體成像和大寬幅成像等方面的性能比01號星有了很大的提升，對土地整治工程遙感監(jiān)測具有重要意義。2018年5月9日，我國發(fā)射的GF-5衛(wèi)星是世界首顆實現(xiàn)對大氣和陸地綜合觀測的全譜段高光譜衛(wèi)星，可滿足環(huán)境綜合監(jiān)測等方面的迫切需求，是中國實現(xiàn)高光譜分辨率對地觀測能力的重要標(biāo)志，可為土地整治項目區(qū)土壤參數(shù)等信息的獲取提供有效支撐。

近年來，遙感衛(wèi)星持續(xù)向高空間分辨率、高光譜分辨率和高時分辨率方向發(fā)展。土地整治監(jiān)管工作中，遙感技術(shù)的應(yīng)用向多源遙感影像結(jié)合趨勢發(fā)展。如，高空間分辨率和高光譜分辨率遙感的結(jié)合，可實現(xiàn)地物更高精度的分類；高時間分辨率與高空間分辨率、高光譜分辨率遙感相結(jié)合，可實現(xiàn)土地整治區(qū)地表理化特性的精準(zhǔn)反演和高時頻變化監(jiān)測[38]。因此，多源遙感數(shù)據(jù)的融合與信息挖掘成為研究重點和技術(shù)難點。

2.2 遙感影像預(yù)處理技術(shù)研究進(jìn)展

遙感影像數(shù)據(jù)預(yù)處理包括降噪、去云、輻射定標(biāo)、大氣校正、正射校正、幾何配準(zhǔn)、影像增強、影像融合、影像裁剪和影像鑲嵌等過程。針對不同類型的遙感數(shù)據(jù)，數(shù)據(jù)預(yù)處理的側(cè)重點不同。其中降噪、影像配準(zhǔn)和影像融合是獲取土地整治遙感監(jiān)測本底數(shù)據(jù)的關(guān)鍵步驟，也是目前土地整治監(jiān)測中遙感影像處理領(lǐng)域的研究熱點。

噪聲影響遙感影像的分析過程，干擾信息的準(zhǔn)確獲取。因此降噪對于提高土地整治區(qū)遙感數(shù)據(jù)的質(zhì)量意義重大。主流的影像降噪方法主要分為3大類：傳統(tǒng)的濾波方法，其中中值濾波對分散噪聲較好的處理能力得到廣泛驗證，但面對較為嚴(yán)重和集中的椒鹽噪聲，其降噪能力明顯下降[46]；基于小波理論的濾波方法，雖然降噪表現(xiàn)良好且穩(wěn)定，但原理和算法復(fù)雜；改進(jìn)的傳統(tǒng)濾波方法，如多種改進(jìn)型中值濾波器[47-54]，在降低噪聲的同時，難以較完整地保留影像細(xì)節(jié)。

表1 多源遙感的主要類型及其在土地整治中的應(yīng)用Tab.1 Main types of multi-source remote sensing and their application in land consolidation

為此，提出兩種有效的改進(jìn)思路：①在改進(jìn)型中值濾波器的基礎(chǔ)上加以完善[55]，如對中值濾波窗口進(jìn)行去極值處理，并通過設(shè)定差異閾值的方法，改進(jìn)中心像元灰度值的計算規(guī)則，提高在較嚴(yán)重噪聲干擾下的目標(biāo)信號恢復(fù)能力；或?qū)⒒旌系亩喾N改進(jìn)型中值濾波器與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合，集成多種濾波器優(yōu)點，提高濾波性能；或?qū)⑷斯ぶ悄芘c模糊濾波器相結(jié)合，實現(xiàn)濾波器閾值的自動優(yōu)化獲取。②對多種小波變換進(jìn)行多尺度混合應(yīng)用，如將小波變換和Curvelets變換相結(jié)合[56]、將小波變換與方向濾波器相結(jié)合[57]等，得到的降噪影像具有更好的視覺效果和峰值信噪比，已成為當(dāng)前影像降噪研究的熱點。

影像配準(zhǔn)的目的是消除或減少基準(zhǔn)影像和待校正影像之間由于成像條件不同所引起的幾何形變，從而獲得具有幾何一致性(最佳空間位置匹配)的兩幅影像，它直接影響到土地整治區(qū)原始遙感影像的預(yù)處理效果和最終底圖的精度。傳統(tǒng)的影像配準(zhǔn)方法主要有基于灰度[58-59]、基于特征[60-61]和基于模型的[62]方法，其中前兩者在研究與應(yīng)用中更為廣泛?；诨叶鹊姆椒ㄔ砗唵吻乙子趯崿F(xiàn)，但灰度特征不夠穩(wěn)定，多源影像的灰度有差異，不利于同名控制點的選擇，因此較適于同類傳感器遙感影像的配準(zhǔn)；基于特征的方法通過提取影像中共有且可靠的點、線特征來增強配準(zhǔn)的魯棒性和穩(wěn)定性，這些特征對比例、旋轉(zhuǎn)、平移等變化能夠保持一致性，保證了異源傳感器影像之間的特征一致性，但依賴于對影像中共同有效特征的選取，步驟較為復(fù)雜；基于模型的方法原理最嚴(yán)謹(jǐn)，但模型復(fù)雜，可遷移性和推廣性不強?？傮w來說，傳統(tǒng)配準(zhǔn)方法各有利弊，因此針對傳統(tǒng)方法的不足，陸續(xù)出現(xiàn)了多種改進(jìn)型基于特征的配準(zhǔn)方法，主要是利用多分辨分析變換或十字交叉點等算法，改進(jìn)特征信息的提取與利用[62-63]，此外，基于相似性度量的配準(zhǔn)也成為研究熱點之一[64]。

遙感影像融合是指對覆蓋同一地區(qū)的不同平臺、不同傳感器獲取的遙感影像進(jìn)行綜合應(yīng)用的數(shù)據(jù)融合方法理論[65]，目的是產(chǎn)生比單一信源更精確、安全、可靠的估計和判斷[66-67]，最大程度發(fā)揮多種影像數(shù)據(jù)的潛力，提高土地整治工作中信息提取的精度和效率[68-70]。遙感影像融合的基本要求有：盡量多地保留所有源影像中的有用信息；盡量少地引入失真[71]。融合主要在3個層級進(jìn)行，分別是像素級、特征級和決策級。各層級融合的原理、特點與典型算法如表2所示，其中像素級融合是特征級和決策級融合的基礎(chǔ)。近幾年土地整治中涉及到的影像融合需求向著更加多元化方向發(fā)展，除了常規(guī)的多光譜與全色高空間分辨率遙感影像融合外，還有多源多極化SAR融合(F1)、SAR與多光譜影像的融合(F2)、SAR與紅外影像的融合(F3)、紅外與多光譜影像的融合(F4)、高光譜影像波段間融合(F5)、高光譜與多光譜或全色影像融合(F6)。此外，時空融合技術(shù)(F7)成為高時間分辨率與高空間分辨率影像融合的重要手段，旨在將多源衛(wèi)星遙感影像的高空間分辨率和高時間分辨率結(jié)合，生成目標(biāo)研究區(qū)域內(nèi)具有高頻次訪問的高空間分辨率遙感影像序列。多種遙感影像融合需求的實現(xiàn)算法及其在土地整治監(jiān)測中的主要應(yīng)用如表3所示。應(yīng)根據(jù)土地整治工作的具體需求、原始影像特點、融合目的等，科學(xué)確定融合算法，挖掘數(shù)據(jù)中更深層的信息。如與SAR相關(guān)的融合問題中，紋理特征是融合與地物分類的主要依據(jù)，因此特征級融合更適用于此類問題。而像素級融合仍是當(dāng)前土地整治工作中進(jìn)行遙感影像融合的主流，其中基于多分辨分解的方法在融合精度和效率方面較好：靜態(tài)小波變換適合表達(dá)影像的紋理和角點等細(xì)節(jié)特征[72]，Curvelet、Contourlet適合表達(dá)方向特性及邊緣和線信息，Wedgelet適合表達(dá)影像的輪廓信息[73]，非下采樣Contourlet變換綜合了多分辨分析融合方法的多數(shù)優(yōu)勢，從而能有效提取影像的幾何結(jié)構(gòu)特征[74]，形態(tài)小波變換對時頻信息和形態(tài)特征均能良好描述[75]，可以看出多種多分辨分解方法彼此之間存在功能互補的關(guān)系[76]，因此將各類多分辨分解方法進(jìn)行混合和串聯(lián)應(yīng)用，已成為基于變換域遙感影像融合算法的改進(jìn)方向，同時進(jìn)行多層級間融合算法的結(jié)合也是趨勢之一。

2.3 遙感影像分類技術(shù)研究進(jìn)展

土地利用類型是土地整治遙感監(jiān)測的重要內(nèi)容和工作依據(jù)，遙感影像分類技術(shù)為土地利用類型的監(jiān)測提供了技術(shù)支持。中低空間分辨率多光譜影像、高空間分辨率衛(wèi)星遙感影像以及無人機影像是土地整治區(qū)地物分類主要數(shù)據(jù)源。

表2 各層級遙感影像融合的原理、特點與典型算法Tab.2 Principles, characteristics and typical algorithms of RS image fusion at various levels

表3 多種遙感影像融合需求的實現(xiàn)算法及其在土地整治監(jiān)測中的主要應(yīng)用Tab.3 Algorithms and applications in land consolidation monitoring for multiple RS image fusion requirements

針對影像分類技術(shù)的研究主要包括土地整治遙感分類特征、分類算法和目標(biāo)應(yīng)用等方面。

土地整治遙感關(guān)注的重點目標(biāo)有農(nóng)田、植被覆蓋和基礎(chǔ)設(shè)施等地表覆蓋類型。土地整治區(qū)農(nóng)田提取方面，以中低空間分辨率多光譜遙感影像為數(shù)據(jù)源時，通過將基于作物長勢的初分類結(jié)果與鹽堿化等專題分區(qū)信息進(jìn)行復(fù)合實現(xiàn)對高中低產(chǎn)農(nóng)田的識別，精度可達(dá)90%[82]；將植被指數(shù)等光譜特征的時序分析與DEM等輔助特征相結(jié)合，可以實現(xiàn)市域季節(jié)性變化農(nóng)田的有效監(jiān)測[83]；對于高空間分辨率航天遙感影像或航空遙感影像，將TV-Gabor等模型提取的幾何結(jié)構(gòu)特征與先驗光譜信息相結(jié)合，小范圍農(nóng)田分類精度可達(dá)92%[84]；而對于丘陵地區(qū)等地物分類困難區(qū)域，將高空間分辨率遙感影像與面向?qū)ο蠓诸惤Y(jié)合，可有效識別農(nóng)田地塊，精度可達(dá)73%[85]；將面向?qū)ο蟮亩喑叨确指钆c監(jiān)督型機器學(xué)習(xí)結(jié)合，可將農(nóng)田識別精度提高至96%[86]；針對淺層機器學(xué)習(xí)預(yù)測能力有限的問題，基于深度信任網(wǎng)絡(luò)的支持向量回歸模型具有更好的農(nóng)田識別效果[87]；在無人機影像農(nóng)田信息提取的研究中，深度卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)機制相結(jié)合，比面向?qū)ο蠓诸惛行В瓤蛇_(dá)91%[88]。更細(xì)致的農(nóng)田識別演變?yōu)檗r(nóng)作物分類的問題，目前比較成熟的方法主要是利用影像處理技術(shù)，提取形狀等特征參數(shù)，通過決策樹[89]或神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)分類算法，實現(xiàn)特征的優(yōu)選和作物內(nèi)部細(xì)分。其中，隨機森林優(yōu)選特征的能力較強，神經(jīng)網(wǎng)絡(luò)和隨機森林的分類效果較為穩(wěn)定[90]。土地整治區(qū)植被覆蓋監(jiān)測方面，具有易獲取且成本低、時效高、多尺度特點的多時相-多光譜遙感數(shù)據(jù)最常用；中低空間分辨率的多光譜影像適用于大尺度植被群落的提取，但很難實現(xiàn)對植被物種級別的分類，而空間分辨率遙感影像更能實現(xiàn)植被的精細(xì)分類[91]；多平臺遙感和地面調(diào)查數(shù)據(jù)相結(jié)合成為覆被變化監(jiān)測的重要趨勢[92]；BP神經(jīng)網(wǎng)絡(luò)等人工智能的算法比傳統(tǒng)分類算法的表現(xiàn)更優(yōu)秀，精度可達(dá)84%[93]。土地整治區(qū)基礎(chǔ)設(shè)施監(jiān)測的主要對象有道路和農(nóng)田灌排設(shè)施等?；诟黝惥矸e神經(jīng)網(wǎng)絡(luò)構(gòu)建的深度學(xué)習(xí)模型，識別過程高效且識別出的道路對象更光滑，精度可達(dá)98%[94]；農(nóng)田灌排設(shè)施識別方面，傳統(tǒng)方法主要是在植被指數(shù)等特征計算的基礎(chǔ)上，應(yīng)用監(jiān)督分類的手段實現(xiàn)，但由于受到影像分辨率和特征提取的限制而精度較差，通過應(yīng)用高空間分辨率遙感影像和面向?qū)ο蠓诸愊嘟Y(jié)合的方法，可有效提高精度[95]；但由于灌排溝渠形態(tài)多樣，且存在暗渠等遙感難以觀測的情況，對影像分辨率要求高。因此當(dāng)前整治區(qū)特征地物分類研究尺度仍有局限，分類精度仍有待提高。近年來，土地整治區(qū)的土地利用分類已從單一要素識別轉(zhuǎn)變?yōu)槎嘁貐f(xié)同識別?；诟呖臻g分辨率遙感影像，采用神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)方法進(jìn)行小范圍試驗，土地利用分類整體精度可達(dá)91%[96]；隨著多源遙感影像融合算法和數(shù)據(jù)挖掘技術(shù)的發(fā)展，利用深度學(xué)習(xí)模型可將多要素地物的定位和分類整體精度提高到95%以上[97]；將面向?qū)ο蠓诸惻c深度卷積神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，也可進(jìn)行有效的土地利用多要素分類[98]。

目前的遙感影像分類算法可分為傳統(tǒng)算法和新型算法兩類。傳統(tǒng)算法包括監(jiān)督分類(C1)和非監(jiān)督分類(C2)，對野外實測數(shù)據(jù)和先驗知識具有較強的依賴性；新型算法主要包括面向?qū)ο蠓诸?C3)、神經(jīng)網(wǎng)絡(luò)分類(C4)、決策樹分類(C5)、專家系統(tǒng)分類(C6)、隨機森林分類(C7)、支持向量機分類(C8)和卷積神經(jīng)網(wǎng)絡(luò)分類(C9)等，對樣本質(zhì)量和人工智能技術(shù)有較強的依賴性。各遙感影像分類算法的原理、具體算法和特點如表4所示。識別對象的特征決定了對數(shù)據(jù)源的需求，而識別對象的特征與數(shù)據(jù)源類型則共同決定了特征選擇和分類的方法。傳統(tǒng)算法主要用于中低空間分辨率遙感影像的大尺度地物分類，這種分類通常是保持在種群層面的“粗”分類，且精度有待提高。而新型算法對特征的依賴程度有所減小，同時對復(fù)雜地表環(huán)境具有更高的穩(wěn)定性，因此分類精度較高，且能實現(xiàn)物種層面的細(xì)分類[82]。組合分類器[99]也成為一個重要的研究方向。大量研究表明，新型算法的研發(fā)與應(yīng)用有助于提高土地整治區(qū)土地利用類型的識別精度和效率，但在分類器參數(shù)等選取方面還有待進(jìn)一步研究[100]。

在土地整治區(qū)的土地利用分類研究中，常用的分類特征有：光譜特征、空間特征和時間特征等。不同數(shù)據(jù)源類型具有不同的特征。中低空間分辨率遙感影像用于分類時主要依賴光譜特征，因為其光譜特征穩(wěn)定，類內(nèi)方差較小、類間方差較大、不同地物光譜重疊率低，為此也更適合采用傳統(tǒng)算法實現(xiàn)分類[100]；而高空間分辨率遙感影像具有更豐富的空間特征，但其光譜特征穩(wěn)定性較差，因此更適合采用能解決高維特征問題的新型分類算法。光譜特征以原始影像數(shù)據(jù)和各類植被指數(shù)為主，善于區(qū)分植被和非植被等光譜差異明顯的類型，但難以直接實現(xiàn)光譜相似地物間的細(xì)分，且植被指數(shù)有不同的適用條件?？臻g特征主要包括紋理、形狀、大小和結(jié)構(gòu)，能夠輔助解決光譜相似地物的識別問題。

表4 各類遙感影像分類算法的基本原理、典型算法和特點Tab.4 Principles, typical algorithms and characteristics of various RS image classification algorithms

紋理是研究最廣泛的空間特征，與光譜特征協(xié)同作用，可以達(dá)到更高的分類精度?；诨叶裙采仃囉嬎愕募y理測度應(yīng)用廣泛；形狀特征一般與遙感影像光譜特征多尺度分割相結(jié)合，從而減少分類的不確定性[101]。時間特征的相關(guān)研究則剛剛起步，主要用到光譜特征和空間特征的時間變化曲線，前者主要是對各類植被指數(shù)的時序分析，后者主要針對紋理進(jìn)行時序分析，相關(guān)研究還需進(jìn)一步深入。此外，分類中的輔助特征，包括歷史土地利用數(shù)據(jù)及區(qū)域其他相關(guān)專題資料，主要起到輔助判定的作用。具體的常用分類特征及其適用條件如表5所示。光譜特征、空間特征和時間特征的結(jié)合，可以增加特征維度，但也帶來了信息冗余，需要在特征優(yōu)選和有效利用等方面作進(jìn)一步研究。

總體而言，遙感分類技術(shù)的發(fā)展趨勢為：從單純的地類識別向?qū)傩蕴卣鲝?fù)合分類的方向發(fā)展[82]，從粗糙“種群”分類向精細(xì)“物種”分類的方向發(fā)展，從單一分類器向多分類器集成的方向發(fā)展，從傳統(tǒng)參數(shù)化算法向人工智能非參數(shù)化算法的方向發(fā)展[102]，同時多特征綜合、多數(shù)據(jù)融合和多尺度復(fù)合也成為新時期需關(guān)注的遙感影像分類技術(shù)趨勢[103]。但是，要解決土地整治中土地利用遙感監(jiān)測的問題，不僅要依靠分類算法上的創(chuàng)新，還要注重分類特征優(yōu)化、分類器參數(shù)選取、樣本高效采集與篩選等方面的研究。

表5 幾種常用分類特征及其適用條件Tab.5 Several common classification features and their applicable conditions

2.4 遙感定量反演模型研究進(jìn)展

土地整治監(jiān)測的主要內(nèi)容除了土地利用變化外，還包括基于遙感影像構(gòu)建數(shù)學(xué)模型對土地整治區(qū)關(guān)鍵地表信息的定量化反演，主要包括土壤理化生特性、土壤生態(tài)參量和農(nóng)田生產(chǎn)力等。

土壤是土地整治的基本對象之一，土壤理化生特性是土地整治監(jiān)測的重要內(nèi)容，主要包含土壤含水量、土壤養(yǎng)分、土壤鹽分、土壤重金屬、土壤侵蝕模數(shù)和土壤荒漠化程度等，遙感技術(shù)在土壤特性表征方面有一定的可行性和局限性[104]。土壤含水量反演方面，通過實測數(shù)據(jù)與光譜之間相關(guān)性分析構(gòu)建的遙感監(jiān)測模型，實際精度達(dá)到60%以上[105]，常用的遙感數(shù)據(jù)有可見光、紅外和合成孔徑微波雷達(dá)，其中合成孔徑微波雷達(dá)較其他兩者具有不易受大氣影響的優(yōu)勢[106]，因此基于合成孔徑微波雷達(dá)，尤其是多極化雷達(dá)的土壤含水量反演誤差可保持在0.02 cm3/cm3以下，基于卷積神經(jīng)網(wǎng)絡(luò)和被動微波數(shù)據(jù)同樣可以實現(xiàn)土壤含水量高精度反演，相關(guān)性可高達(dá)0.86以上，誤差保持在1.12%以下[107]；以合成孔徑微波雷達(dá)和多光譜遙感影像等多源數(shù)據(jù)的協(xié)同利用為基礎(chǔ)，結(jié)合水云模型和干旱指數(shù)可實現(xiàn)不同土地利用類型地表土壤含水量的估測[108]。土壤肥力和土壤有機質(zhì)含量反演方面，SVM方法表現(xiàn)較好[109]；基于光譜與土壤實測數(shù)據(jù)的監(jiān)測模型，實現(xiàn)有機質(zhì)和各項養(yǎng)分的反演，相關(guān)性可達(dá)0.8以上[110]；將高光譜與多光譜影像融合建模，也是提高有機質(zhì)含量反演精度的有力手段。土壤養(yǎng)分方面，傳統(tǒng)采樣化驗方法成本高、時效差；植被指數(shù)法則通過遙感影像估算的作物長勢參數(shù)間接反映土壤養(yǎng)分，對經(jīng)驗知識依賴性大，且精度無法保證[111]；土壤反射光譜對土壤養(yǎng)分有一定的指示作用，因此利用高光譜數(shù)據(jù)可以實現(xiàn)有效估算，但數(shù)據(jù)難以保證[112]；將作物模型與時間序列遙感影像相結(jié)合進(jìn)行土壤主要養(yǎng)分的反演，相關(guān)性可達(dá)0.5以上，誤差在10%以下[113]。土壤鹽分的反演方面，將野外實測數(shù)據(jù)與遙感影像結(jié)合，通過敏感波段和光譜參量的篩選構(gòu)建多元回歸模型，整體精度可達(dá)85%[114]；引入高光譜遙感影像提升光譜信息量，可提高鹽漬化反演模型精度[115-116]，結(jié)合各類機器學(xué)習(xí)算法，模型的相關(guān)性可達(dá)0.86以上[117]；以野外實測數(shù)據(jù)為基礎(chǔ)，融合合成孔徑微波雷達(dá)等多源遙感數(shù)據(jù)和光譜特征優(yōu)選的人工神經(jīng)網(wǎng)絡(luò)模型，可實現(xiàn)土壤鹽漬化的快速精準(zhǔn)預(yù)測，相關(guān)性可達(dá)0.89以上，效果優(yōu)于傳統(tǒng)的回歸模型[118]。土壤重金屬含量的反演方面，目前最有效的方法主要為高光譜遙感影像的定量分析[119]。土壤侵蝕模數(shù)和土壤荒漠化程度等在土地整治監(jiān)測中相關(guān)研究較少，可采用植被指數(shù)實現(xiàn)建模[120]，或?qū)USEL模型與機器學(xué)習(xí)相結(jié)合，實現(xiàn)有效反演[121]。

提高耕地生產(chǎn)力是土地整治的重要目標(biāo)之一，因此農(nóng)田生產(chǎn)力是土地整治監(jiān)測的重要內(nèi)容。遙感影像、氣象數(shù)據(jù)、趨勢線分析和相關(guān)分析結(jié)合而成的模型表現(xiàn)良好；時空數(shù)據(jù)融合和VPM模型的結(jié)合也為農(nóng)田生產(chǎn)力和耕地質(zhì)量的反演提供了途徑[122]；基于光學(xué)遙感和合成孔徑微波雷達(dá)等提供的光學(xué)和極化特征，結(jié)合地面樣點數(shù)據(jù)，利用多源數(shù)據(jù)協(xié)同的多元回歸模型，可實現(xiàn)森林蓄積量的有效反演，相關(guān)性可達(dá)0.67以上且誤差較?。怀浞滞诰蚣t邊波段特征，結(jié)合無人機多光譜影像的多種植被指數(shù)特征和野外實測數(shù)據(jù)，通過經(jīng)驗?zāi)Ｐ?、多元回歸模型或神經(jīng)網(wǎng)絡(luò)模型均可實現(xiàn)玉米等作物生物量的有效反演，進(jìn)而反映農(nóng)田本體的生產(chǎn)能力，其中神經(jīng)網(wǎng)絡(luò)模型的效果較好，相關(guān)性可達(dá)0.83以上[123]。

當(dāng)前地表信息的反演模型向著地面實測數(shù)據(jù)與遙感影像結(jié)合、傳統(tǒng)相關(guān)性分析與機器學(xué)習(xí)等人工智能手段相結(jié)合的方向發(fā)展，如何挖掘遙感數(shù)據(jù)的潛在信息，如何提高機器學(xué)習(xí)模型的效率和精度將是研究的重點和難點。

3 不同土地整治工作中的遙感監(jiān)測

根據(jù)整治目標(biāo)和對象的不同，土地整治相關(guān)工作分為土地資源調(diào)查與保護、土地復(fù)墾與生態(tài)修復(fù)、農(nóng)用地整治(包括耕地質(zhì)量提升和高標(biāo)準(zhǔn)農(nóng)田建設(shè))、宜農(nóng)未利用地開發(fā)和建設(shè)用地整治等類型，各種類型側(cè)重點有所不同，對遙感監(jiān)測的需求不同。

3.1 土地資源調(diào)查與保護中的遙感監(jiān)測

土地資源調(diào)查是土地整治的重要基礎(chǔ)。將遙感與數(shù)據(jù)處理、地學(xué)分析等手段相結(jié)合，可用于地表信息獲取、土地面積量測、大比例尺數(shù)字制圖、輔助規(guī)劃設(shè)計和專題基礎(chǔ)資料獲取等工作，同時航空遙感影像已廣泛應(yīng)用于土地資源詳查，高分辨率航天遙感技術(shù)也推動了從定性分析向定性與定量相結(jié)合分析的新時期。

國際上，美國利用農(nóng)業(yè)遙感實現(xiàn)災(zāi)害監(jiān)測預(yù)警，從而有效降低經(jīng)濟損失；日本國土整治效果較好，1974年開始制定“國土情報整治事業(yè)”，明確規(guī)定土地利用、土地條件等10類調(diào)查項目采用遙感判讀與遙感制圖的方法；英國的土地利用調(diào)查與制圖對國際國土整治與鄉(xiāng)土調(diào)查影響深遠(yuǎn)，主要利用遙感影像實現(xiàn)地物自動分類與判讀；法國國家地理院的國土整治有較大的國際影響力，在歐洲航天局支持下設(shè)計高分辨率的SPOT遙感衛(wèi)星，用于測制服務(wù)于國土資源調(diào)查與規(guī)劃的各類專題圖；匈牙利運用遙感信息編制國土規(guī)劃設(shè)計所用的多尺度地圖集；加拿大基于遙感技術(shù)歷時10年建立了用于國土管理的“土地信息庫”，利用多光譜遙感影像快速獲取土地覆蓋和土地利用圖；墨西哥等發(fā)展中國家，將遙感技術(shù)用于國土資源調(diào)查與地形、地質(zhì)、土地利用、土壤等基礎(chǔ)資料制圖；巴拿馬引進(jìn)側(cè)視雷達(dá)飛機用于編制國土資源地圖。

在我國，地形、地類、地貌、地籍等基礎(chǔ)信息可通過對高空間分辨率衛(wèi)星遙感影像和航空、無人機遙感影像的智能化分析獲取，為各項資源、環(huán)境、土地利用及災(zāi)害相關(guān)工作提供實時基礎(chǔ)底圖；土地利用變化、耕地質(zhì)量變化等地表動態(tài)信息的采集和專題信息的獲取，可依賴多源-多尺度-多時相衛(wèi)星和航空遙感影像的融合實現(xiàn)[124]。如礦區(qū)土地生態(tài)損傷及重建關(guān)鍵信息的快速提取，可通過遙感數(shù)據(jù)與非遙感數(shù)據(jù)耦合[125]實現(xiàn)；土地整治相關(guān)的土地利用分類及變化監(jiān)測，可基于高空間或高光譜遙感影像，通過面向?qū)ο蠓诸怺126]與機器學(xué)習(xí)或時間序列特征分析[127]相結(jié)合的方法實現(xiàn)；土地退化評價及動態(tài)監(jiān)測，可通過遙感影像統(tǒng)計學(xué)特征時序分析[128]與層次分析相結(jié)合[129]或多時相圖譜分析實現(xiàn)；土地利用格局的分析可通過3S集成技術(shù)[130]實現(xiàn)；土地整治信息現(xiàn)場勘查系統(tǒng)的開發(fā)可通過集成3S與語音識別技術(shù)[131]實現(xiàn)；項目區(qū)的土壤特性監(jiān)測可通過遙感影像光譜反演的方法實現(xiàn)，尤其是高光譜遙感數(shù)據(jù)[132]；區(qū)域受災(zāi)情況監(jiān)測可通過利用紅外遙感、多光譜影像分析及計算機影像處理等方法實現(xiàn)[133]；空心村、農(nóng)村建設(shè)用地、主要工礦廢棄地和未利用地分布情況的監(jiān)測等，亦可通過遙感手段實現(xiàn)[134]。綜上，構(gòu)建“天、地、網(wǎng)”一體化土地整治綜合監(jiān)管技術(shù)體系，輔助現(xiàn)場調(diào)查，可實現(xiàn)土地整治全程監(jiān)管。

3.2 土地復(fù)墾與生態(tài)修復(fù)中的遙感監(jiān)測

土地復(fù)墾與生態(tài)修復(fù)已成為推動生態(tài)文明建設(shè)的重要措施，主要圍繞退化土地治理(包括鹽堿地、污染土地、荒漠化土地、土壤侵蝕、土壤質(zhì)地退化等問題)、荒廢土地利用(包括礦山修復(fù)、工礦廢棄地復(fù)墾等)和生態(tài)環(huán)境整治(包括退耕還林還草等)等主題展開。而遙感技術(shù)已成為高效識別、提取損毀土地信息，摸清損毀土地底數(shù)，驗證、評估復(fù)墾工作成效，持續(xù)跟蹤復(fù)墾土地實施管護情況的重要手段[135]。

國際上的相關(guān)研究主要包括：利用遙感影像進(jìn)行海岸帶劃分與土地復(fù)墾土地利用變化監(jiān)測[136]，利用多時相遙感或植被指數(shù)特征分析進(jìn)行生物量積累等土地復(fù)墾成效監(jiān)測[137-140]。近年來，生態(tài)整治與修復(fù)成為研究熱點，相關(guān)研究采用區(qū)域內(nèi)地貌、水文、地質(zhì)、土壤理化性質(zhì)、植被蓋度等指標(biāo)，通過主成分分析法來描述區(qū)域生物多樣性及狀況，以此來表明整治區(qū)域土地及生態(tài)修復(fù)狀況[141]。

在我國，礦山修復(fù)是土地復(fù)墾與生態(tài)修復(fù)最重要和最常見的內(nèi)容，首要的整治目標(biāo)有山體修復(fù)、隱患排除、平整土地、綠化環(huán)境、恢復(fù)生態(tài)等內(nèi)容，整治工作以復(fù)墾復(fù)綠為主線，并進(jìn)行生態(tài)農(nóng)業(yè)的開發(fā)利用。遙感技術(shù)為長期監(jiān)測礦區(qū)變化提供了可能，土地破壞前后的地形變化監(jiān)測，可通過航片生成的DEM實現(xiàn)；復(fù)墾前后的土地利用變化和植被恢復(fù)狀況監(jiān)測可通過對多時相高分影像進(jìn)行目視解譯或植被指數(shù)等特征分析或人工神經(jīng)網(wǎng)絡(luò)與目視解譯相結(jié)合的方法實現(xiàn)[142-145]；復(fù)墾面積等數(shù)據(jù)的精確測算可通過對遙感數(shù)據(jù)的解譯分析實現(xiàn)；礦區(qū)復(fù)墾農(nóng)田重金屬元素砷、鋅、銅、鉻和鉛等含量的測定,可通過高光譜等遙感定量化反演的方法實現(xiàn)[146-147]；泥石流等礦區(qū)災(zāi)害監(jiān)測及整治方案的確定，可通過多源-多時相遙感與數(shù)字影像處理相結(jié)合的方法實現(xiàn)；礦區(qū)復(fù)墾帶來的生物多樣性恢復(fù)等生態(tài)重建效應(yīng)定量化研究，可通過遙感影像解譯的方法實現(xiàn)[148]；礦山開發(fā)及環(huán)境治理的相關(guān)基礎(chǔ)數(shù)據(jù)獲取可通過地質(zhì)環(huán)境遙感監(jiān)測的方法實現(xiàn)；礦山地質(zhì)環(huán)境恢復(fù)監(jiān)測，可通過對多源高分遙感影像進(jìn)行專題信息提取或進(jìn)行植被光譜信息分析的方法實現(xiàn)[148]；礦區(qū)土地破壞、壓占、復(fù)墾場的直觀展示可通過將遙感影像與GIS、三維虛擬現(xiàn)實相結(jié)合的方法實現(xiàn)[149]；復(fù)墾區(qū)作物種植結(jié)構(gòu)的合理調(diào)整，可通過利用遙感目視解譯獲取作物種植信息的方法實現(xiàn)[150]。鹽堿地治理也是當(dāng)前的研究熱點，鹽堿地提取和鹽堿化程度分析，可通過多尺度遙感影像地物特征信息(顏色、大小、位置、水文地貌等)與目視解譯相結(jié)合的方法實現(xiàn)[151]；土壤鹽分的反演，可在高光譜與多光譜遙感融合的基礎(chǔ)上，通過BP神經(jīng)網(wǎng)絡(luò)等人工智能分析的方法實現(xiàn)[152]。退耕還林還草是環(huán)境整治的重要內(nèi)容，生態(tài)安全水平及格局的變化監(jiān)測，可在構(gòu)建評價指標(biāo)體系的基礎(chǔ)上，通過遙感和GIS分析相結(jié)合的方法實現(xiàn)[153]。

3.3 農(nóng)用地整治中的遙感監(jiān)測

農(nóng)用地整治旨在提高現(xiàn)有農(nóng)田的農(nóng)業(yè)生產(chǎn)能力和韌性，其重點難點是實現(xiàn)土壤肥力和基礎(chǔ)設(shè)施工程建設(shè)的權(quán)衡。目前，國內(nèi)外對農(nóng)用地整治遙感監(jiān)測方面的研究較少，其中對田塊平整、灌排溝渠工程等基礎(chǔ)設(shè)施的宏觀建設(shè)情況關(guān)注較多，很少從土壤質(zhì)量、土壤環(huán)境等微觀角度進(jìn)行監(jiān)測研究。

農(nóng)用地整治帶來的產(chǎn)能提升定量化研究，可通過時間序列遙感影像的植被指數(shù)分析與SVM等機器學(xué)習(xí)手段相結(jié)合的方法實現(xiàn)；整治中涉及到的涵洞、土壤質(zhì)量等隱蔽型質(zhì)量檢測問題，可通過高分辨率正射影像與探地雷達(dá)等相結(jié)合的方法實現(xiàn)。在我國，高標(biāo)準(zhǔn)農(nóng)田建設(shè)是最廣泛的農(nóng)用地整治項目，盲目的田間工程建設(shè)易造成土地質(zhì)量退化及土壤污染，因此急需關(guān)注重金屬含量等土壤環(huán)境的狀況，針對傳統(tǒng)重金屬測定方法成本高、環(huán)保性差、范圍有限等問題，采用高光譜遙感技術(shù)反演高標(biāo)準(zhǔn)農(nóng)田建設(shè)區(qū)域土壤重金屬含量，基于相關(guān)性分析構(gòu)建土壤重金屬的高光譜反演模型，為快速有效地監(jiān)測高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)區(qū)域土壤生態(tài)狀況提供技術(shù)支持[147]。

3.4 宜農(nóng)未利用地開發(fā)中的遙感監(jiān)測

宜農(nóng)未利用地開發(fā)的重點是將未使用的土地或自然土地等非耕地轉(zhuǎn)化為耕地，它是獲得新增耕地的有效手段之一。國外學(xué)者并沒有給予過多的關(guān)注與研究，國內(nèi)則主要圍繞新增耕地和有效新增耕地的遙感面積測算展開。海文靜等[154]針對新增耕地面積與新增有效耕地面積之間存在界定不清、混淆使用等問題，界定了土地整治項目新增有效耕地的概念，采用文獻(xiàn)資料分析、灰色系統(tǒng)GM(1,1)模型測算及遙感影像抽樣調(diào)查等方法，構(gòu)建了有效耕地面積的測算模型。

3.5 建設(shè)用地整治中的遙感監(jiān)測

國內(nèi)外對建設(shè)用地整治的關(guān)注重點明顯不同，國外主要研究城市土地整治及景觀變化的遙感監(jiān)測方法，而國內(nèi)重點圍繞農(nóng)村建設(shè)用地整治的遙感監(jiān)測展開。

國際上，BENZA等[155]基于LandSat ETM+和ERS-2SAR數(shù)據(jù)，結(jié)合SAR的紋理提取和光譜混合分析(Spectral mixture analysis, SMA)，完成基于模式的場景識別，利用決策樹的方法生成城市環(huán)境地圖，實現(xiàn)建筑、植被和其他土地覆蓋等分類，為西非國家加納南部地區(qū)的城市化進(jìn)程和城市景觀變化監(jiān)測提供思路。

在我國，農(nóng)村居民點整治及其空間布局與優(yōu)化已成為建設(shè)用地整治的研究熱點，在增加區(qū)域用地指標(biāo)、改善村莊居住環(huán)境等方面有積極意義。目前關(guān)于建設(shè)用地整治遙感監(jiān)測的研究主要圍繞農(nóng)村居民點整治增加可利用土地面積潛力測算和景觀格局變化監(jiān)測的角度展開[156-157]。農(nóng)村居民點整治潛力可通過將正射影像人工解譯、GIS平臺和實地調(diào)研數(shù)據(jù)相結(jié)合，構(gòu)建測算模型的方法測算[158]，或者在遙感獲取土地利用分類的基礎(chǔ)上，通過構(gòu)建整治潛力評價技術(shù)體系的方式實現(xiàn)測算[159]。

3.6 生態(tài)化土地整治中的遙感監(jiān)測

國外對土地整治的生態(tài)效益、環(huán)境影響、景觀格局等方面關(guān)注較早，多年來重點圍繞退化土地、污染土地的綜合治理展開工作，因此生態(tài)化土地整治的研究成果，主要體現(xiàn)在土地復(fù)墾與生態(tài)修復(fù)等方面。

在我國，土地整治處于推動新景觀生態(tài)格局的階段[160]，土地整治中的生態(tài)模式、生態(tài)設(shè)計、規(guī)劃方法等研究已為生態(tài)化土地整治提供了一定的科學(xué)基礎(chǔ)，包括土地整治與景觀生態(tài)相融合的整治規(guī)劃理念等，但如何在土地整治過程中既滿足生產(chǎn)和生活需要，又將工程布局可能產(chǎn)生的生態(tài)問題降到最低，如何在整治工程生態(tài)適宜性評價的基礎(chǔ)上，給出生態(tài)化土地整治的規(guī)劃方向與工程重點，都是目前土地整治研究和實踐過程中涉及較少的內(nèi)容[21]，而相關(guān)研究的實現(xiàn)均離不開遙感技術(shù)的支撐。將無人機影像與實測數(shù)據(jù)相結(jié)合，是獲取區(qū)域景觀格局特征的有效手段，結(jié)合生態(tài)功能分區(qū)，可為生態(tài)化土地整治規(guī)劃提供數(shù)據(jù)基礎(chǔ)和策略方向[31]；多時相遙感數(shù)據(jù)影像特征的合理利用，則為礦山地質(zhì)環(huán)境恢復(fù)治理情況的動態(tài)監(jiān)測提供了信息來源[161]；3S技術(shù)與基于遙感的景觀特征指標(biāo)結(jié)合利用，是生態(tài)走廊和生態(tài)城市建設(shè)規(guī)劃的重要戰(zhàn)略要點[162]；在遙感影像分類和景觀特征獲取的基礎(chǔ)上，結(jié)合影像處理、形態(tài)學(xué)分析、數(shù)學(xué)預(yù)測模型和相關(guān)性分析等手段，可實現(xiàn)對土地整治區(qū)景觀格局變化的有效監(jiān)測[163]。

4 土地整治項目過程中的遙感監(jiān)測

土地整治項目包括規(guī)劃設(shè)計、施工、竣工驗收、效益評價和建后監(jiān)管等過程。遙感技術(shù)可用于全過程監(jiān)測，為各階段的實施提供高精度影像，為工程建設(shè)信息的獲取提供準(zhǔn)確數(shù)據(jù)支撐，效率更高、數(shù)據(jù)更有效、展示更直觀、監(jiān)控內(nèi)容更全面。2013年以來，自然資源部國土整治中心及部分省市土地整治管理部門，先后利用衛(wèi)星遙感及無人機低空遙感在土地整治項目開工前、完工后獲取影像，在提高項目的設(shè)計和管理水平、強化監(jiān)測監(jiān)管活動等方面取得了良好的效果[165]。

4.1 土地整治潛力測算與風(fēng)險評估中的遙感監(jiān)測

土地整治適宜性評價已成為土地整治潛力測算和風(fēng)險評估的有效手段，也是評判當(dāng)前土地整治工程是否實現(xiàn)“有利生產(chǎn)，方便生活，兼顧生態(tài)”目標(biāo)的重要依據(jù)，更是土地整治理論與規(guī)劃、工程布局方面亟待解決的重要命題[21]，當(dāng)前的研究也多圍繞這一主題展開。

生態(tài)適宜性評價是土地整治規(guī)劃的基礎(chǔ)之一，衛(wèi)星遙感與無人機航拍相結(jié)合的方式，能夠高精度提取道路等地類信息，作為關(guān)鍵評價指標(biāo)獲取的基礎(chǔ)。在構(gòu)建生態(tài)適宜性評價模型的基礎(chǔ)上，測算生態(tài)布局潛力指數(shù)，為土地整治規(guī)劃的開展提供科學(xué)依據(jù)[21]；在具體指標(biāo)獲取方面，利用遙感技術(shù)實現(xiàn)坡度坡向、土壤有機質(zhì)含量、土壤質(zhì)地、有效土層厚度和土壤侵蝕度等信息的獲取已被廣泛應(yīng)用[33]；針對土地石漠化區(qū)或土地?fù)p毀區(qū)，基于遙感影像可以實現(xiàn)植被覆蓋度、巖石露頭率等關(guān)鍵因子信息[165]，同時提取土地利用與土地?fù)p毀信息，確定綜合生態(tài)風(fēng)險值及其等級空間分布，并劃定土地利用功能分區(qū)[166]。

4.2 土地整治規(guī)劃設(shè)計中的遙感監(jiān)測

可行性分析是土地整治項目規(guī)劃的前提，衛(wèi)星影像、無人機航測和三維場景構(gòu)建技術(shù)的結(jié)合，可為項目提供精準(zhǔn)的基礎(chǔ)空間數(shù)據(jù)和專題圖件，進(jìn)一步分析項目區(qū)地形、地質(zhì)、區(qū)域基礎(chǔ)設(shè)施條件、自然資源條件和土地利用現(xiàn)狀，更客觀高效節(jié)約成本，指導(dǎo)土地整治可行性決策[17]；通過低空無人機航攝影像等遙感數(shù)據(jù)和土地整治項目區(qū)土地利用現(xiàn)狀圖之間的對比，可對項目區(qū)的地形地貌等具體情況進(jìn)行整體認(rèn)知，為立項審批、工程量預(yù)判和預(yù)算設(shè)計提供真實、科學(xué)的依據(jù)[13]。

針對農(nóng)村基礎(chǔ)設(shè)施不適應(yīng)現(xiàn)代農(nóng)業(yè)生產(chǎn)需求的現(xiàn)狀，利用遙感技術(shù)輔助農(nóng)村土地綜合整治項目的規(guī)劃設(shè)計，彌補了土地利用現(xiàn)狀圖作為編制底圖的不足，快速低成本地獲取高分影像，得到土地整治區(qū)域直觀、詳實的地物分布情況；在分析土地利用現(xiàn)狀的基礎(chǔ)上，測算研究區(qū)土地整治潛力并進(jìn)行功能分區(qū)，依此制定更加科學(xué)的規(guī)劃方案；將高分辨率遙感影像和無人機影像相結(jié)合作為調(diào)查結(jié)果的更新數(shù)據(jù)源，可為土地整治區(qū)域面積監(jiān)督(即對已整理區(qū)域的面積檢驗監(jiān)督)、土地整治潛力分析(即對未整理區(qū)的潛力估算)以及土地整治區(qū)域優(yōu)化選址(考慮生態(tài)效益和環(huán)境要素關(guān)系)研究，提供科學(xué)支撐[167]。

4.3 土地整治施工監(jiān)管中的遙感監(jiān)測

在施工階段，階段性地利用無人機對項目區(qū)進(jìn)行航拍，能低成本地進(jìn)行精確工程量測算，掌握工程進(jìn)度和實施情況[168]。但現(xiàn)有研究以土地整治工程遙感識別方法為主，對于如何從遙感影像中提取工程信息，進(jìn)一步對工程進(jìn)度進(jìn)行分析和評價的研究較少。在土地整治項目中期或重要節(jié)點，對比實時高分辨率遙感影像與土地利用現(xiàn)狀、土地整治規(guī)劃圖之間的差異，獲取工程進(jìn)度情況及施工范圍、施工面積、土地利用結(jié)構(gòu)變化、工程量等具體數(shù)據(jù)，實現(xiàn)項目針對性監(jiān)督，避免損失并提高監(jiān)管效率[17]。

當(dāng)前高分辨率衛(wèi)星遙感數(shù)據(jù)可以實現(xiàn)對項目(片)的區(qū)位、建設(shè)規(guī)模、新增耕地面積、水利設(shè)施、道路、防護林、工礦及居民點用地等工程指標(biāo)的有效獲取[169]；多時相高分辨率遙感數(shù)據(jù)能夠在實現(xiàn)土地整治工程地物信息提取的基礎(chǔ)上構(gòu)建評價模型，以綜合掌握項目實施進(jìn)展，尤其是在土地復(fù)墾項目中實現(xiàn)土地覆被動態(tài)監(jiān)測[170]；其中項目區(qū)灌排工程及道路等線狀地物的自動化識別一直是研究的難點，通過將高分辨率影像、面向?qū)ο蠓诸惣靶螒B(tài)學(xué)處理手段相結(jié)合的方式實現(xiàn)自動化檢測，目前已有所突破[171-172]。

4.4 土地整治項目驗收評價中的遙感監(jiān)測

在土地整治項目的竣工驗收階段，利用遙感技術(shù)提供的項目效果圖進(jìn)行存檔。通過將無人機獲取的實時項目區(qū)高分辨率影像與圖件資料進(jìn)行疊加對比，測算工程量，高精度勾繪地類界線，并統(tǒng)計面積、辨識農(nóng)田基礎(chǔ)設(shè)施和項目區(qū)真實狀況，從而直觀分析工程施工與設(shè)計的一致性，檢驗項目的真實性和最終成效，快速驗收工程質(zhì)量和建設(shè)情況[173]，尤其是實現(xiàn)對重點工程區(qū)的量化分析，目前研究已較為廣泛。

土地整治項目驗收后，一般從社會效益、經(jīng)濟效益和生態(tài)效益等方面開展績效評價。通過遙感手段輔助開展項目績效評價工作，能使結(jié)果更具信服力[13]。經(jīng)濟效益主要表現(xiàn)為農(nóng)業(yè)生產(chǎn)力的提高，已有研究多從土壤質(zhì)量、土地質(zhì)量或生產(chǎn)力的提升角度展開[174-178]。生產(chǎn)力改善可以利用時間序列植被指數(shù)分析或植被指數(shù)與產(chǎn)量相關(guān)性分析的方法評估[179-181]；張兵等[182]提出了利用高分辨率遙感影像對土地整治成果進(jìn)行監(jiān)測的完整技術(shù)方法和操作流程；多時相-多尺度的遙感數(shù)據(jù)則為精準(zhǔn)提取面積、長度等關(guān)鍵工程量指標(biāo)、定性分析整理后土壤改良情況等提供了基礎(chǔ)數(shù)據(jù)；將高分辨率遙感影像的光譜與紋理信息，與矢量數(shù)據(jù)相結(jié)合，集成面向?qū)ο蠓诸?、決策樹分類和形態(tài)學(xué)處理等手段，構(gòu)建多尺度評價指標(biāo)體系，可實現(xiàn)土地整治中田塊形態(tài)變化和農(nóng)田林網(wǎng)建設(shè)等建設(shè)成效的評價[183-184]。

土地整治的社會效益和生態(tài)效益目前多以定性分析為主，如社會效益主要體現(xiàn)在土地整治后農(nóng)民生活水平的提高，具體可通過農(nóng)民滿意程度調(diào)查獲取，定量分析評價的研究較少，尤其是生態(tài)效應(yīng)還存在滯后、難以量化等問題。因此土地整治生態(tài)效益遙感監(jiān)測和評價成為研究難點。在遙感影像分類的基礎(chǔ)上，結(jié)合“壓力-狀態(tài)-響應(yīng)”模型，能夠?qū)崿F(xiàn)土地沙漠化預(yù)警；生態(tài)環(huán)境狀況遙感指數(shù)(Ecological and environmental conditions remote sensing index，EI)等已被證明是反映自然植被增長趨勢、土地整治生態(tài)效益的有效表征[185]；時間序列遙感植被指數(shù)的變化也能間接體現(xiàn)土地整治前后的生態(tài)狀況和退耕還林工程實施的效果[16]；地形高程、植被指數(shù)、地表溫度和土壤濕度等指標(biāo)的耦合，是實現(xiàn)大尺度和中尺度礦區(qū)復(fù)墾的效益評價的有力基礎(chǔ)[186]；多源-多時相高分遙感影像與面向?qū)ο蟮乇砭坝^分類的結(jié)合，更是成為土地整治效果景觀格局變化的重要評估依據(jù)。

5 展望

不同類型的遙感技術(shù)具有不同的特點，適用于不同的土地整治監(jiān)測問題，其中多光譜、高光譜和無人機技術(shù)的結(jié)合應(yīng)用廣泛，能夠?qū)崿F(xiàn)土地整治區(qū)地形地貌、土壤狀況、地物類型等空間信息的有效獲取，為土地整治項目的各階段提供了客觀、精準(zhǔn)、高效、便捷、多尺度的基礎(chǔ)數(shù)據(jù)；按照數(shù)據(jù)分析方式的不同，可分為單時相分析和多時相分析，尤其利用多時相遙感影像，進(jìn)行植被指數(shù)等時間序列特征分析，能夠?qū)崿F(xiàn)對土地利用變化、地表覆被變化等動態(tài)基礎(chǔ)信息獲取，為土地整治項目的全過程提供了長期、實時的監(jiān)測依據(jù)；按照數(shù)據(jù)組織形式的不同，可分為單一數(shù)據(jù)源應(yīng)用和多源數(shù)據(jù)融合應(yīng)用，其中多源遙感融合可實現(xiàn)不同類型數(shù)據(jù)的優(yōu)勢互補，充分挖掘數(shù)據(jù)中的隱含信息，目前已成為遙感應(yīng)用的重要趨勢，可為土地整治提供更加深入、全面的信息。經(jīng)過多年發(fā)展，遙感技術(shù)為土地整治監(jiān)測提供了日益豐富的技術(shù)支持。

但土地整治遙感監(jiān)測仍具有明顯的局限性：在數(shù)據(jù)源方面，獲取高質(zhì)量的高分辨率衛(wèi)星或航拍遙感影像的經(jīng)濟成本和時間成本較高，受項目經(jīng)費和整治區(qū)環(huán)境條件的影響明顯，且部分土地整治區(qū)只能依靠航拍來獲取基礎(chǔ)數(shù)據(jù)，信息源和數(shù)據(jù)分析手段均受到限制；在工作基礎(chǔ)方面，區(qū)域化、實驗型的探索雖然取得了一定成效，但面向省域乃至更大范圍的土地整治遙感監(jiān)測，尚未形成穩(wěn)定長效的工作機制，且尚未建立完善的土地整治多尺度立體遙感監(jiān)測技術(shù)體系；在技術(shù)攻關(guān)方面，土地整治遙感監(jiān)測技術(shù)所涉及的環(huán)節(jié)眾多，監(jiān)測數(shù)據(jù)、監(jiān)測內(nèi)容、監(jiān)測區(qū)域等都存在較大差異性，對應(yīng)的技術(shù)路線也因此存在不同，如涵洞、暗渠等體型較小或較為隱蔽的整治工程及其質(zhì)量的遙感監(jiān)測工作實現(xiàn)難度大，相應(yīng)的關(guān)鍵技術(shù)瓶頸亟待突破。

針對當(dāng)前土地整治遙感監(jiān)測中面臨的突出問題，要用系統(tǒng)性思維，從整體的角度逐一攻關(guān)。針對數(shù)據(jù)源和信息獲取手段單一的問題，要著力研發(fā)普適性更強、更多源高效的衛(wèi)星傳感器設(shè)備，并基于計算機科學(xué)研究相應(yīng)的影像處理與分析技術(shù)，提高遙感信息的獲取和分析能力，實現(xiàn)土地整治工作的“天上看、地上查、網(wǎng)上管”的全方位監(jiān)管；針對土地整治監(jiān)管工作基礎(chǔ)和背景支撐薄弱的問題，要建立長效機制，推進(jìn)行業(yè)交流，在區(qū)域性試點研究和優(yōu)化的基礎(chǔ)上，實現(xiàn)成果轉(zhuǎn)化與推廣，做到經(jīng)驗交流與技術(shù)積累并重，提升土地整治監(jiān)測效率，并形成行業(yè)技術(shù)標(biāo)準(zhǔn)；針對技術(shù)問題，要充分發(fā)揮3S技術(shù)集成的優(yōu)勢，將數(shù)據(jù)獲取、處理、分析和決策的環(huán)節(jié)綜合考慮，在傳統(tǒng)手段的基礎(chǔ)上，充分挖掘人工智能、多源遙感影像融合和時間序列分析等技術(shù)與方法在遙感信息提取中的應(yīng)用潛力，突破影像處理、地物分類、變化檢測等方面的技術(shù)瓶頸，使遙感技術(shù)在土地整治監(jiān)測工作中發(fā)揮更大的效用。