遙感技術(shù)獲取耕地質(zhì)量評價指標(biāo)的研究進展分析

張 超 高璐璐 鄖文聚 李 俐 紀文君 馬佳妮

(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 100083；3.自然資源部國土整治中心， 北京 100035)

0 引言

耕地是糧食生產(chǎn)的根基，糧食安全是國家安全的重要基礎(chǔ)。我國人多地少，在耕地保護與利用方面面臨著更大挑戰(zhàn)。目前，我國耕地質(zhì)量整體水平不高，中低產(chǎn)田占全國總耕地的2/3以上；我國部分地區(qū)土地退化嚴重，東北黑土有機質(zhì)含量下降，北方土壤干旱鹽堿化，南方紅黃壤土壤酸化，障礙退化耕地高達約40%；我國部分區(qū)域耕地出現(xiàn)了環(huán)境污染問題，耕地健康狀況下降[1-2]。如何節(jié)約集約用地，嚴守耕地紅線，提升耕地質(zhì)量與生產(chǎn)力，加強耕地數(shù)量、質(zhì)量、生態(tài)“三位一體”保護，是耕地資源領(lǐng)域的重要議題。

加強耕地管控和建設(shè)，需全面了解耕地數(shù)量、質(zhì)量、生態(tài)狀況及其空間分布。國家提出了加強耕地質(zhì)量調(diào)查評價與監(jiān)測，建立健全耕地質(zhì)量和耕地產(chǎn)能評價制度，完善評價指標(biāo)體系和評價方法[3]。耕地質(zhì)量評價各指標(biāo)的信息獲取，尤其是土壤屬性基礎(chǔ)數(shù)據(jù)，主要依賴于各部門歷史積累數(shù)據(jù)，結(jié)合人工實地調(diào)查，整個過程費時費力，不利于快速、大面積的獲取信息。遙感以其覆蓋面積大、實時性強等優(yōu)勢廣泛應(yīng)用于耕地資源信息提取，特別在地理環(huán)境惡劣，交通條件不便，常規(guī)手段難以獲取數(shù)據(jù)的區(qū)域。對耕地資源進行全天候、全覆蓋、多分辨率、多尺度的遙感監(jiān)測，有利于精準(zhǔn)實施“藏糧于地，藏糧于技”戰(zhàn)略。隨著我國對地觀測技術(shù)的快速發(fā)展，遙感數(shù)據(jù)已廣泛應(yīng)用于耕地資源調(diào)查監(jiān)測工作中。2017年開展的第三次全國國土調(diào)查(三調(diào))，充分利用遙感、互聯(lián)網(wǎng)、云計算等技術(shù)，細化耕地資源調(diào)查。目前，遙感技術(shù)主要用于耕地數(shù)量調(diào)查、耕地利用情況及變化監(jiān)測、農(nóng)作物精準(zhǔn)識別及產(chǎn)量估算、干旱災(zāi)害預(yù)警等方面，能夠快速獲取耕地信息和實現(xiàn)耕地利用長時間動態(tài)監(jiān)測[4-6]。耕地質(zhì)量評價中，遙感數(shù)據(jù)主要用于反映作物長勢或生物量等信息，間接描述耕地質(zhì)量狀況[7-8]。除了耕地坡度坡向外，目前尚未形成大規(guī)模、大面積基于遙感的耕地質(zhì)量評價信息提取技術(shù)體系[9-10]。

為了深入分析遙感技術(shù)在獲取耕地質(zhì)量評價指標(biāo)方面的應(yīng)用潛力，本文從耕地的“生產(chǎn)、生態(tài)、生活”多重功能出發(fā)，梳理基于遙感技術(shù)的耕地質(zhì)量評價框架與指標(biāo)體系，分析耕地質(zhì)量評價指標(biāo)獲取手段的應(yīng)用進展和發(fā)展方向，探討現(xiàn)有的國產(chǎn)遙感數(shù)據(jù)與處理平臺在耕地質(zhì)量評價工作中存在的挑戰(zhàn)和發(fā)展方向，以期為耕地質(zhì)量評價工作提供數(shù)據(jù)支撐，促進遙感技術(shù)在耕地質(zhì)量評價方面的應(yīng)用和發(fā)展。

1 耕地質(zhì)量概述

界定耕地質(zhì)量內(nèi)涵是耕地質(zhì)量評價的基礎(chǔ)。耕地是自然要素構(gòu)成的自然經(jīng)濟綜合體，具有多功能性，其提供了人類生活和生產(chǎn)需要的基礎(chǔ)資料，也為生物和非生物之間提供了能量流動、物質(zhì)循環(huán)的場所和載體，同時為人類生活提供了承載空間，充分體現(xiàn)了耕地的生產(chǎn)、生態(tài)、生活特性，具有生產(chǎn)、支撐、物質(zhì)循環(huán)、能力流動等功能[11-12](圖1)。隨著社會發(fā)展，人們對耕地功能的認識逐漸深入，逐步從生產(chǎn)單一特性向綜合性特性發(fā)展。對于耕地質(zhì)量內(nèi)涵的相關(guān)研究，國外學(xué)者主要從土壤質(zhì)量、土壤健康的角度切入研究。土壤質(zhì)量被廣泛認為是土壤在生態(tài)系統(tǒng)和土地利用范圍內(nèi)，維持生物生產(chǎn)力、保持環(huán)境質(zhì)量以及促進動植物和人類健康的能力[13-16]。土壤是耕地的基礎(chǔ)，耕地質(zhì)量和土壤質(zhì)量評價兩者之間相互交叉，各有側(cè)重。在國內(nèi)，為滿足耕地資源科學(xué)管理的需求，學(xué)者們普遍認為耕地質(zhì)量是多功能需求的綜合體，是生產(chǎn)、生態(tài)、生活“三生融合”，需要綜合考慮立地條件、土壤特性、利用狀況、生態(tài)環(huán)境狀況等各方面[17-20]。

圖1 耕地主要特性-功能-服務(wù)框架Fig.1 Framework of cultivated land feature, function and service

綜上，耕地質(zhì)量內(nèi)涵是多樣化的，選取的耕地質(zhì)量評價指標(biāo)要對特定評價目標(biāo)具有敏感性，可以有效地反映耕地質(zhì)量和功能的差異性[21-23]。2018年ELSE等[25]分析了65篇與土壤質(zhì)量相關(guān)的文獻，總結(jié)出使用頻率大于10%的評價指標(biāo)，包含了土壤物理、化學(xué)、生物3方面(表1)。本文利用文獻計量法對我國近5年耕地質(zhì)量評價指標(biāo)相關(guān)研究現(xiàn)狀進行統(tǒng)計分析，文獻來源于中國知網(wǎng)文獻庫，總結(jié)了56篇文獻，其中使用頻率大于10%耕地質(zhì)量評價指標(biāo)及其使用頻率如圖2所示，將其歸納為土壤物理、土壤化學(xué)、土壤生物、地形特征、田間利用狀況等5個維度。綜上可以看出國內(nèi)外同時重點關(guān)注土壤容重、質(zhì)地、土體構(gòu)型、土層厚度、土壤有機質(zhì)/碳含量、pH值、土壤養(yǎng)分、電導(dǎo)率、陽離子交換量(CEC)、重金屬含量、鹽漬化程度、有益微量元素、土壤呼吸、微生物量、蚯蚓等指標(biāo)，此外，耕地質(zhì)量還需衡量耕地的坡度地形、灌溉排水、田塊狀況等耕地利用情況[26-41]。

表1 使用頻率大于10%土壤質(zhì)量指標(biāo)[25]Tab.1 Soil quality index with frequency more than 10%

2 遙感信息獲取手段研究進展

2.1 基于遙感的耕地指標(biāo)體系構(gòu)建及技術(shù)流程

表1和圖2中耕地質(zhì)量評價指標(biāo)的基礎(chǔ)數(shù)據(jù)主要通過歷史積累數(shù)據(jù)庫、文獻資料、實地調(diào)研和遙感技術(shù)等途徑獲取，其中遙感數(shù)據(jù)可用于提取地形條件中的田面坡度和坡向等指標(biāo)數(shù)據(jù)[42]；其他數(shù)據(jù)主要以實地調(diào)研為主，綜合定點觀測、現(xiàn)場調(diào)查、原地采樣和傳統(tǒng)實驗室測定等，得到樣點的數(shù)據(jù)，更新和補充歷史積累數(shù)據(jù)和文獻資料等現(xiàn)有數(shù)據(jù)。整個數(shù)據(jù)調(diào)查過程耗時費力，且較難從面上獲取指標(biāo)監(jiān)測信息，迫切需要引入新技術(shù)提高數(shù)據(jù)調(diào)查和獲取效率。遙感為相關(guān)指標(biāo)提供了一種快速、大面積、無損的獲取方式。本文對通過遙感手段獲取的表1和圖2中耕地質(zhì)量評價指標(biāo)進行總結(jié)，如表2所示。土壤蚯蚓、土壤微生物、土壤呼吸強度等土壤生物指標(biāo)的獲取方法分別是樣點徒手分離、培養(yǎng)液測定、靜態(tài)氣室等方法，由于這類指標(biāo)具有微觀與縱深分布特性，目前仍難以通過遙感技術(shù)獲取這些指標(biāo)的信息。

圖2 耕地質(zhì)量指標(biāo)使用頻率Fig.2 Using frequency of cultivated land quality index

表2 基于遙感監(jiān)測的耕地質(zhì)量評價指標(biāo)體系Tab.2 Evaluation index system of cultivated land quality based on remote sensing

目前可用的遙感數(shù)據(jù)種類很多，按電磁波的光譜段，可分為光學(xué)多光譜和高光譜、熱紅外、微波雷達等數(shù)據(jù)；按傳感器的工作方式，可以分為主動遙感和被動遙感數(shù)據(jù)；按獲取信息尺度不同，可以分為近地面原位或車載、航空、航天等遙感數(shù)據(jù)。尺度不同影響耕地質(zhì)量的主導(dǎo)因素差異顯著，評價指標(biāo)和方法選擇也不同?；谶b感的基礎(chǔ)數(shù)據(jù)包括點位、田塊、區(qū)域及國家等尺度。在點位尺度，需積累原位實地調(diào)查的遙感和非遙感數(shù)據(jù)，為大尺度遙感數(shù)據(jù)的信息提取，提供建模和驗證的相對真值；通過無人機、航空飛機等飛行設(shè)備搭載相應(yīng)傳感器，為耕地質(zhì)量評價提供田塊尺度的基礎(chǔ)數(shù)據(jù)；區(qū)域、國家尺度需要通過高分系列、Landsat系列、Sentinel系列或MODIS等衛(wèi)星遙感傳感器，提供亞米級到千米級的遙感數(shù)據(jù)[43-49]。

基于遙感的耕地質(zhì)量評價指標(biāo)信息提取應(yīng)用技術(shù)流程如圖3所示。在明確耕地質(zhì)量評價需求的基礎(chǔ)上，收集整理已有數(shù)據(jù)，科學(xué)布設(shè)調(diào)查樣點更新和補充數(shù)據(jù)，獲取天空地遙感及非遙感協(xié)同數(shù)據(jù)，根據(jù)工作需要進行遙感及非遙感數(shù)據(jù)的預(yù)處理，最后實施遙感分類提取土地覆被信息(植被、土壤、道路、溝渠等)和定量分析(土壤有機質(zhì)含量、土壤質(zhì)地、植被覆蓋度等)(圖3)。遙感分類研究大致可分為：基于目視解譯；基于頻譜紋理特征；面向?qū)ο蠓治觯换诖髷?shù)據(jù)、人工智能技術(shù)的智能化提取與分析等階段[50-51]。遙感影像分類經(jīng)典算法包括監(jiān)督分類和非監(jiān)督分類。近年來，深度學(xué)習(xí)方法在遙感分類中發(fā)展迅速，深度信念網(wǎng)絡(luò)(DBN)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)、自動編碼器(AE)等算法應(yīng)用廣泛，可有效地提取影像特征，實現(xiàn)信息提取[52]。遙感數(shù)據(jù)定量化建模過程中，數(shù)據(jù)預(yù)處理主要包括：通過平滑處理、微分變換、去包絡(luò)線和小波變換等方法提取特征光譜信息；對比室內(nèi)外干濕土壤光譜信息，采用外部參數(shù)正交化法(EPO)、直接標(biāo)準(zhǔn)化法(DS)、分段直接標(biāo)準(zhǔn)化法(PDS)等算法，減弱土壤水分等環(huán)境影響；通過研究代表性樣本，優(yōu)化土壤光譜庫數(shù)據(jù)模型，提高模型預(yù)測精度[53-55]。建模方法主要包括經(jīng)驗回歸、物理模型和深度學(xué)習(xí)等。經(jīng)驗回歸模型分為線性和非線性回歸，簡單易用，但局限于特定的時空范圍，普適性較差；物理模型參數(shù)多，建模困難，普適性強；深度學(xué)習(xí)依賴于訓(xùn)練樣本，物理機理不明確，可以實現(xiàn)多維度空間的自適應(yīng)擬合；作物生長模型與遙感同化是一種比較新的方法，通過耦合兩者之間的關(guān)系，可實現(xiàn)耕地質(zhì)量評價指標(biāo)信息的提取[56-59]。

圖3 遙感技術(shù)在耕地質(zhì)量評價指標(biāo)計算中的應(yīng)用流程Fig.3 Application process of remote sensing in calculation of cultivated land quality evaluation indexes

2.2 地形條件指標(biāo)信息提取

2.2.1坡度坡向

坡度和坡向是評價耕地地形條件的重要指標(biāo)，對作物生長具有一定影響。在評價過程中，一般基于DEM數(shù)據(jù)提取研究區(qū)的坡度和坡向信息，該數(shù)據(jù)具有明顯的尺度效應(yīng)，測量方法主要包括：高程點或等高線差值法，成本低，操作簡單，受數(shù)據(jù)源限制比較大；激光雷達法(LiDAR)適于采集坡面尺度的高精度地形數(shù)據(jù)，尚處于起步階段；航空攝影測量法，尤其是無人機載荷，適宜用在小流域尺度，操作便捷；光學(xué)衛(wèi)星遙感(受天氣影響)和干涉雷達(不受天氣影響)適合較大流域及區(qū)域尺度，受空間分辨率的影響，較難獲取大比例尺DEM數(shù)據(jù)[60]。目前，全國范圍1 km、90 m和30 m空間分辨率的DEM數(shù)據(jù)產(chǎn)品可從地理國情監(jiān)測云平臺獲取，滿足不同尺度的耕地質(zhì)量評價需求。

2.2.2地形部位

在耕地質(zhì)量評價中，數(shù)字化的地形部位提取研究較少，主要通過實地調(diào)研、地形地貌圖等確定地形部位[41,61]?；谶b感數(shù)據(jù)獲取地形部位信息，主要利用DEM和遙感影像等，實現(xiàn)自動/半自動化提取。方法主要包含地形因子提取法、特征要素分析法、波譜分析法、紋理分析法、地貌分類與制圖等。其中，地形因子提取法最常用，該方法基于DEM計算地形因子，結(jié)合已有的地質(zhì)地貌資料、實地調(diào)查、專家先驗知識等解譯地形部位。已有100多種地形因子，如坡度、坡向、地面曲率、地形起伏度、地形粗糙度、地形濕度指數(shù)等[62]。目前，由于地貌形態(tài)的復(fù)雜性，數(shù)字化地形部位分析研究主要集中于定性或半定量階段，定量化研究主要在流域范圍，尚未推廣到大尺度區(qū)域范圍[63-64]。

2.3 土壤屬性指標(biāo)信息提取

土壤是氣候、母質(zhì)、生物、地形和時間等諸多成土因素綜合作用下的產(chǎn)物，具有高度的空間異質(zhì)性。從20世紀70年代以來，國內(nèi)外開展了土壤屬性的空間制圖，主要包括：

(1)基于地統(tǒng)計學(xué)的土壤屬性空間制圖。該方法是利用土壤調(diào)查樣點數(shù)據(jù)，分析土壤屬性空間分布特征及其變異規(guī)律最為有效的方法之一[65-66]，有普通克里格、協(xié)同克里格、回歸克里格等插值方法，此外也有輔助環(huán)境變量來提高土壤屬性的空間預(yù)測精度[67-68]。近地遙感或光譜測量可為該類方法提供精準(zhǔn)的點位上的土壤屬性數(shù)據(jù)。

(2)基于土壤-景觀模型的土壤屬性遙感制圖。遙感數(shù)據(jù)可為模型提供氣候、地形、生物、人為利用等變量因子，耦合土壤屬性與環(huán)境變量的內(nèi)在聯(lián)系，實現(xiàn)空間制圖。環(huán)境變量包括氣候維度的地表氣溫、蒸散量，地形維度的坡度、坡向，生物維度的歸一化差值植被指數(shù)(NDVI)、葉面積指數(shù)(LAI)，人類活動維度的土地覆被分類等[69-71]。張甘霖等和史舟等分別用第二次全國土壤調(diào)查樣點數(shù)據(jù)作為土壤輸入數(shù)據(jù)，結(jié)合土壤-景觀模型，實現(xiàn)了全國土壤有機碳的三維制圖，雖然總體精度不高，但可以得出全國土壤有機碳含量的空間變化趨勢[72-74]。遙感數(shù)據(jù)提高了大尺度或復(fù)雜地形地區(qū)土壤屬性制圖精度，可以得出土壤屬性空間變化趨勢，但對小區(qū)域尺度的土壤屬性空間差異性的表達仍不夠精細。

(3)基于遙感信息的土壤屬性遙感定量預(yù)測。地表錯綜復(fù)雜，遙感信息是地表覆蓋信息的綜合反映。耕地表面經(jīng)常由作物或作物秸稈所覆蓋，衛(wèi)星遙感數(shù)據(jù)多用于區(qū)域土壤退化評價、障礙性因子識別，或提供相關(guān)環(huán)境因子輔助土壤制圖，而直接用于土壤屬性預(yù)測一般需要選擇農(nóng)閑的裸土期[75-76]。航空或無人機遙感具有時間的靈活性，可以有效補充土壤屬性預(yù)測的數(shù)據(jù)[77]。地球上不同元素、不同地物均有獨特的光譜特征，遙感圖像提取到的光譜被視為辨別物質(zhì)的“指紋”[78]。高光譜遙感光譜波段可達幾十至幾千，可有效反映各種土壤屬性的細微差異，目前可用星載和機載的高光譜遙感數(shù)據(jù)較少，費用較高，限制了高光譜數(shù)據(jù)的應(yīng)用，關(guān)鍵技術(shù)環(huán)節(jié)仍需深入研究?？删C合利用實驗室、原位或車載的近地面多種傳感器，建立土壤屬性與對應(yīng)的光譜信息間的原理模型，為土壤屬性遙感預(yù)測提供理論依據(jù)，可較精準(zhǔn)地預(yù)測土壤多種屬性，但是作業(yè)面積相對有限[79-81]。

(4)基于植被遙感信息的間接土壤屬性預(yù)測。受天氣、衛(wèi)星過境周期、地表覆蓋物等影響，難以直接獲得裸土期遙感影像數(shù)據(jù)時，可以通過地表植被間接估算土壤屬性，常用的植被指數(shù)如NDVI、增強植被指數(shù)(EVI)、土壤調(diào)節(jié)植被指數(shù)(SAVI)等，應(yīng)用便捷，但精度較低，普適性較差[82]。此外，最近有研究將土壤養(yǎng)分遙感反演預(yù)測結(jié)果作為作物生長模型的輸入項，耦合遙感同化技術(shù)，不斷迭代優(yōu)化反演預(yù)測數(shù)據(jù)，使模型輸出值更擬合實際作物長勢或產(chǎn)量信息，從而逆向?qū)崿F(xiàn)土壤屬性的預(yù)測。

各個土壤屬性的遙感獲取研究進展總結(jié)概括如下：

2.3.1土層厚度

土層厚度是三調(diào)耕地資源質(zhì)量分類中土壤物性參數(shù)的一個重要指標(biāo)，相似的評價指標(biāo)有障礙層距地表深度、有效土層厚度、耕層厚度等，這些指標(biāo)是對0～150 cm深度的土壤進行分析。傳統(tǒng)的土層厚度獲取方法有土壤剖面法、插釬法、鉆孔法、透度計法等。電磁感應(yīng)法、地震折射法、大地電磁、伽馬射線監(jiān)測法、探地雷達等地球物理學(xué)方法也用于土層厚度信息提取。所用儀器設(shè)備包括電導(dǎo)率儀和探地雷達(GPR)等。微波遙感技術(shù)測量的土層深度偏淺(小于0.1 m)，難以直接探測土層厚度，GPR可以實現(xiàn)土壤剖面的監(jiān)測，通過測定土壤的電磁特性，來定位土壤中的物體或界面，實現(xiàn)對土壤結(jié)構(gòu)、質(zhì)地或植物根系的高精度探測。GPR已經(jīng)在土層厚度的研究中取得一些進展[83]，李俐等[84]利用GPR采集回波信號探測了土壤分層位置和層厚信息。

2.3.2土壤質(zhì)地

傳統(tǒng)的土壤質(zhì)地測定方法有比重計法、吸管法、密度計法和激光粒度儀分析法等。土壤質(zhì)地對土壤光譜信息的影響，一方面是質(zhì)地影響土壤的持水能力，另一方面是由于土壤顆粒大小的影響。一般來說，土壤顆粒越小，土壤反射率越大；但在相同溫度條件下，粘粒吸持水分能力超過粒徑較粗的顆粒，使土壤反射率降低[85]。諸多研究發(fā)現(xiàn)粘土與土壤光譜反射率呈顯著性負相關(guān)，沙土和壤土與反射率相關(guān)性較差。土壤質(zhì)地近地面遙感預(yù)測模型的決定系數(shù)R2可達0.8以上；航空遙感研究較少，R2只有0.6左右；衛(wèi)星遙感研究在起步階段，R2只有0.4左右，現(xiàn)在預(yù)測結(jié)果還不能滿足應(yīng)用要求[86]。土壤中的粘粒含量也可以通過GPR監(jiān)測，隨著粘粒含量的增加，GPR譜頻率峰值向低頻區(qū)域偏移[87-88]。

2.3.3土壤有機質(zhì)/碳含量

土壤有機質(zhì)/碳含量(SOM/SOC)作為土壤健康診斷的重要指標(biāo)，是第三次全國國土調(diào)查耕地資源質(zhì)量分類工作中的一個重要土壤性質(zhì)?；诠鈱W(xué)遙感技術(shù)，土壤有機質(zhì)含量對整個可見光-近紅外-中紅外光譜范圍有影響，尤其在可見光波段。一般來說，土壤光譜反射率與土壤有機質(zhì)含量呈負相關(guān)關(guān)系[89]。土壤有機質(zhì)的光譜特征是土壤理化參數(shù)的綜合反映，BAUMGARDNER等[90]認為當(dāng)土壤有機質(zhì)含量大于2%時，其對土壤光譜特征有主要的影響作用；當(dāng)土壤有機質(zhì)含量小于2%時，掩蓋其它土壤組成物質(zhì)光譜特征的能力減弱。大量研究是利用地物光譜儀在近地面小尺度測定土壤光譜，實現(xiàn)SOM定量化預(yù)測。史舟等[91]在全國采集了16種土壤類型1 581個土壤樣本(有機質(zhì)含量1.66～74.84 g/kg)，在室內(nèi)用地物光譜儀獲取不同土壤類型的反射光譜，反演建模精度R2達0.90。隨著無人機的發(fā)展，越來越多用于獲取較大面積田塊的厘米級遙感圖像，協(xié)助農(nóng)業(yè)精細化管理，SOM反演建模精度R2高達0.90。在大尺度上為了減弱其他土壤屬性和外界環(huán)境的影響，利用多時期或者不同遙感衛(wèi)星的裸土期影像進行SOM提取。劉煥軍等[92]基于Landsat 8和Sentinel-2A兩期影像，針對東北黑土區(qū)的裸土，進行土壤有機質(zhì)含量遙感反演，基于單期影像的R2達到0.68，基于兩期影像的R2達到0.79。

2.3.4土壤鹽漬化程度

我國有大概1/5耕地存在不同程度的鹽漬化和次生鹽漬化，土壤鹽漬化程度監(jiān)測是鹽漬土改良和治理的重要基礎(chǔ)。耕地質(zhì)量評價一般是通過土壤鹽分含量、電導(dǎo)率(EC)等指標(biāo)量化土壤鹽漬化程度。傳統(tǒng)的獲取方法，如基于電磁感應(yīng)計，無法滿足區(qū)域評價的需求。2000年以來，遙感技術(shù)用于土壤鹽漬化程度監(jiān)測，可以通過光學(xué)和微波傳感器獲取信息。對于光學(xué)遙感，通過構(gòu)建鹽分光譜指標(biāo)，如鹽度指數(shù)(SI)和歸一化差異鹽度指數(shù)(NDSI)監(jiān)測土壤鹽分[93-94]。當(dāng)土壤含水量較高或表面結(jié)皮時，土壤光譜信息受到影響。通過土壤表面生長的植被受鹽分脅迫程度間接反映土壤鹽漬化狀況，間接監(jiān)測鹽分的指標(biāo)包括NDVI、SAVI等[95]。利用微波雷達遙感監(jiān)測土壤鹽漬化的研究起步較晚，目前還以定性分析為主，分析土壤鹽漬化程度與雷達數(shù)據(jù)后向散射系數(shù)的關(guān)系，確定鹽漬化程度的空間分布，可有效彌補光學(xué)遙感數(shù)據(jù)的缺失[96]。土壤鹽漬化程度也可用GPR估算，反射系數(shù)隨鹽分的增加而增加，結(jié)合3D建模方法獲取鹽分的分布面積和滲透深度[97]。

2.3.5土壤pH值

土壤酸堿度對作物根系活動和根際微生物活動具有重要影響。pH值主要取決于土壤溶液中H+的濃度，而H+的濃度與光譜相關(guān)性小。pH值對土壤光譜沒有直接的影響，但土壤pH值與植被長勢、土壤水分、土地利用類型等存在著很強的相關(guān)性，pH值間接與光譜反射率之間存在相關(guān)關(guān)系，遙感可在較大區(qū)域?qū)崿F(xiàn)pH值預(yù)測。有研究表明，土壤pH值的遙感預(yù)測模型具有區(qū)域差異性，可能與土壤類型等有關(guān)[98]。ZHANG等[99]分析了光譜指數(shù)、環(huán)境指標(biāo)與pH值之間的關(guān)系，結(jié)果表明比值植被指數(shù)(RVI)、NDVI、歸一化差異水分指數(shù)(NDWI)、土地利用等因子與pH值相關(guān)性較強，這些因子組合建立的預(yù)測模型R2為0.50，可以較好地估計區(qū)域尺度上的土壤pH值。

2.3.6土壤重金屬含量

重金屬污染是我國部分耕地當(dāng)前突出的土壤環(huán)境問題之一。常用的光譜監(jiān)測技術(shù)有紫外-可見分光光度法(UV)、原子吸收光譜法(AAS)、原子熒光光譜法(AFS)、電感耦合等離子體-原子發(fā)射光譜法(ICP-OES)、X熒光光譜法(XRF)等。近些年來，土壤重金屬分析測試技術(shù)逐漸與信息技術(shù)、遙感技術(shù)相互交叉發(fā)展[100]。高光譜分析技術(shù)被應(yīng)用于土壤重金屬含量監(jiān)測，其中預(yù)測效果比較好的元素包括：鉻、銅、鎳、鋁、硅、鎂、鐵、錳、鉛、鋅、鎘、鈷、砷和汞等[101]。預(yù)測模型分為兩類：一類是根據(jù)土壤重金屬與土壤粘土礦物、鐵錳氧化物、碳酸鹽和植被之間的關(guān)系，構(gòu)建間接預(yù)測模型；另一類是分析不同尺度的高光譜數(shù)據(jù)與重金屬元素的相關(guān)關(guān)系，直接建立模型。目前，近地面的土壤重金屬含量遙感反演效果較好，R2在0.8左右[102]。

2.4 田間利用狀況信息提取

田間設(shè)施建設(shè)對于耕地質(zhì)量提升和農(nóng)業(yè)增收具有顯著的提升效益。田間利用信息指標(biāo)可轉(zhuǎn)化為遙感影像分類或地物識別問題?；谶b感數(shù)據(jù)可以提取田塊、水利設(shè)施、道路、行政村、防護林等地物的邊界[103-104]，從而為田塊狀況、田塊規(guī)模、地塊破碎度、田塊形狀、田塊規(guī)整度、灌溉保證率、排水條件、田間道路通達度、耕作距離、林網(wǎng)化程度等指標(biāo)計算提供基礎(chǔ)數(shù)據(jù)。根據(jù)遙感分類的基本單元，可分為基于像元、面向?qū)ο蟮阮愋?。傳統(tǒng)基于像元的分類方法，未充分考慮地物之間的關(guān)聯(lián)關(guān)系，存在“同物異譜”和“同譜異物”問題，嚴重影響耕地田塊和線狀地物邊界提取的精度和完整性[105]。采用面向?qū)ο蠓椒色@得更符合實際的地物邊界數(shù)據(jù)。田間利用信息多來自于對高空間分辨率遙感影像、專題圖的矢量化，需要專業(yè)人員結(jié)合先驗知識對遙感影像目視解譯各地類的邊界信息[106](表3)。數(shù)據(jù)真實可靠，但耗費大量的人力物力。影像自動化分割技術(shù)為邊界提取提供了一種快速方式。依據(jù)遙感影像的顏色、亮度、紋理等特征信息，明確地物的對比度和異質(zhì)性，選擇最優(yōu)分割尺度，可較為準(zhǔn)確地提取地物邊界[107-108]。目前已有1 000多種分割算法，包括基于閾值聚類、邊緣檢測和區(qū)域提取。近年來，基于深度學(xué)習(xí)的算法越來越受到重視，在土地覆被分類方面取得顯著成效[109]。但是最優(yōu)分割尺度的選取受地域、地物類型、周圍環(huán)境的影響，因此自動化分割得到的邊界結(jié)果一般需要手動進一步修正[110]。此外，有研究表明，利用MODIS蒸散發(fā)產(chǎn)品，可獲取農(nóng)田灌溉保證率[111]。

表3 田間利用狀況維度評價數(shù)據(jù)來源Tab.3 Data sources of field utilization dimension

3 基于遙感技術(shù)耕地質(zhì)量評價指標(biāo)獲取存在的挑戰(zhàn)和發(fā)展方向

耕地質(zhì)量評價指標(biāo)中，地形條件的地形部位、土壤屬性指標(biāo)、田間利用狀況指標(biāo)的遙感分類提取或定量化預(yù)測均已開展了大量研究，結(jié)合不同尺度的DEM、可見光近紅外、熱紅外、微波雷達數(shù)據(jù)，取得了不同程度的進展。但遙感應(yīng)用于耕地質(zhì)量評價指標(biāo)獲取，還有如下問題值得繼續(xù)研究。

(1)挖掘耕地質(zhì)量評價指標(biāo)的不同尺度遙感特征。耕地覆被類型、土壤含水率、表面粗糙度等在像元尺度都非均勻，導(dǎo)致地面、航空和航天多尺度遙感觀測數(shù)據(jù)存在著尺度效應(yīng)。為了充分利用不同尺度的遙感數(shù)據(jù)優(yōu)勢，需要確定耕地質(zhì)量各指標(biāo)與不同空間分辨率對應(yīng)的“相對真值”，實現(xiàn)實地觀測“點”數(shù)據(jù)與遙感影像像元“面”之間的轉(zhuǎn)化。需要進一步研究：地表樣本點的合理布設(shè)；遙感數(shù)據(jù)、遙感產(chǎn)品的尺度轉(zhuǎn)換；合理利用“天空地”一體數(shù)字化遙感監(jiān)測網(wǎng)絡(luò)，得到更加符合真實情況的監(jiān)測結(jié)果；建立更為有效的遙感分類提取與定量化預(yù)測模型。

(2)加強耕地質(zhì)量評價指標(biāo)遙感信息的自動化提取研究。我國幅員遼闊，耕地地表覆蓋和土壤理化性質(zhì)的空間差異性大，對遙感數(shù)據(jù)產(chǎn)生較大的影響。遙感信息如何客觀地表示耕地質(zhì)量指標(biāo)信息，需要進一步明確不同指標(biāo)的空間分布規(guī)律與時間演變規(guī)律?；谌珖煌瑓^(qū)域均開展了耕地質(zhì)量相關(guān)指標(biāo)的遙感提取研究和成果，應(yīng)用大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等技術(shù)，結(jié)合共享的先驗知識、標(biāo)定樣本，對不同時間、不同區(qū)域、不同地表覆蓋、不同土壤類型下的遙感信息響應(yīng)規(guī)律進行持續(xù)學(xué)習(xí)，得到演變機理和知識經(jīng)驗庫，實現(xiàn)基于海量多源、多尺度遙感數(shù)據(jù)的耕地質(zhì)量評價指標(biāo)信息自動化提取。

(3)建設(shè)耕地質(zhì)量評價的遙感大數(shù)據(jù)平臺。我國農(nóng)業(yè)和國土資源遙感經(jīng)過多年探索，建立了全國航空、航天遙感和地面物聯(lián)網(wǎng)的“天空地”一體數(shù)字化遙感監(jiān)測網(wǎng)絡(luò)。自然資源部充分利用國產(chǎn)衛(wèi)星開展耕地利用情況監(jiān)測工作，計劃每年對耕地完成兩次全覆蓋監(jiān)測。尚未在耕地質(zhì)量評價中形成工程化的遙感數(shù)據(jù)平臺，為耕地質(zhì)量年度變更快速、大面積提供基礎(chǔ)數(shù)據(jù)。需要加強對耕地質(zhì)量指標(biāo)的遙感大面積監(jiān)測研究，逐步形成工程化的遙感數(shù)據(jù)獲取平臺。

綜上所述，在今后研究工作中，需進一步加強遙感理論、技術(shù)、方法普適性的探索研究，從而確定更具實際應(yīng)用意義的耕地質(zhì)量評價指標(biāo)提取技術(shù)流程，形成可快速、大面積的工程化指標(biāo)信息獲取，實現(xiàn)耕地質(zhì)量評價結(jié)果的快速更新，此外，需要開展土壤生物指標(biāo)的遙感獲取研究，間接監(jiān)測土壤的微生物狀態(tài)和動物活動，為耕地質(zhì)量數(shù)量、質(zhì)量、生態(tài)“三位一體”保護提供支撐。