基于遙感技術(shù)的黑土區(qū)耕地質(zhì)量評(píng)價(jià)指標(biāo)體系研究進(jìn)展分析

姜 蕓，王 軍，楊繼文

(1. 東北農(nóng)業(yè)大學(xué) 公共管理與法學(xué)院，哈爾濱 150030；2. 吉林大學(xué) 地球探測(cè)科學(xué)與技術(shù)學(xué)院，長(zhǎng)春 130026；3. 自然資源部第二地理信息制圖院，哈爾濱 150080)

耕地資源是保障糧食安全最寶貴的資源，是糧食生產(chǎn)的“命根子”[1]。東北黑土區(qū)是世界四大黑土區(qū)之一，是我國(guó)土壤肥沃、生產(chǎn)效能高的稀有耕地資源，主要分布在中高緯度溫帶、寒溫帶，夏季溫暖濕潤(rùn)，是我國(guó)重要的糧食主產(chǎn)區(qū)和商品糧基地，是維護(hù)我國(guó)糧食安全的“壓艙石”，保障糧食供應(yīng)的“穩(wěn)壓器”。

自20世紀(jì)50年代以來，強(qiáng)化對(duì)黑土地的開墾利用，大部分草地、林地開墾為耕地，但由于缺乏對(duì)農(nóng)業(yè)生產(chǎn)的科學(xué)指導(dǎo)，缺少用養(yǎng)結(jié)合的保護(hù)政策，土壤腐蝕質(zhì)含量降低，生態(tài)功能退化問題不容輕視[2]。近年來中央、省級(jí)層面相繼出臺(tái)東北黑土地保護(hù)相關(guān)政策，原農(nóng)業(yè)部等部委聯(lián)合印發(fā)《東北黑土地保護(hù)規(guī)劃綱要(2017—2030年)》《東北黑土地保護(hù)性耕作行動(dòng)計(jì)劃(2020—2025年)》《國(guó)家黑土地保護(hù)工程實(shí)施方案(2021—2025年)》等文件，明確了黑土保護(hù)的主要目標(biāo)、重點(diǎn)任務(wù)，并上升為國(guó)家戰(zhàn)略，提出了黑土區(qū)耕地質(zhì)量監(jiān)測(cè)評(píng)價(jià)的主要任務(wù)，探索星空地一體化監(jiān)測(cè)技術(shù)，構(gòu)建涵蓋高分辨率、多光譜、高光譜、雷達(dá)等多源遙感數(shù)據(jù)的監(jiān)測(cè)體系，對(duì)影響耕地質(zhì)量的穩(wěn)定性指標(biāo)和易變性指標(biāo)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)。

黑土區(qū)耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)，主要數(shù)據(jù)來源于農(nóng)業(yè)、環(huán)境、自然資源等部門開展的測(cè)土配方、耕地資料質(zhì)量分類等工作，更多地側(cè)重于耕地土壤肥力等指標(biāo)的監(jiān)測(cè)。監(jiān)測(cè)通常依靠采樣點(diǎn)的人工實(shí)地調(diào)查和內(nèi)業(yè)化驗(yàn)檢測(cè)，監(jiān)測(cè)周期長(zhǎng)，經(jīng)費(fèi)投入大，而遙感技術(shù)的快速發(fā)展，以其覆蓋度廣、監(jiān)測(cè)周期短等特點(diǎn)，廣泛應(yīng)用于耕地監(jiān)測(cè)，將支撐耕地質(zhì)量與評(píng)價(jià)的常態(tài)化動(dòng)態(tài)監(jiān)測(cè)。黑土區(qū)內(nèi)不全都是耕地，黑土區(qū)內(nèi)的耕地也不全都分布在黑土上。通常將黑土區(qū)內(nèi)分布在黑土上的耕地稱作黑土耕地，由于東北地區(qū)黑土準(zhǔn)確的空間分布不清晰，因此，本文從“黑土區(qū)耕地”的角度研究有關(guān)問題。

1 耕地質(zhì)量評(píng)價(jià)指標(biāo)體系

耕地質(zhì)量評(píng)價(jià)是對(duì)影響耕地資源發(fā)生發(fā)展的自然因素、人為因素等進(jìn)行綜合性分析評(píng)價(jià)，從而形成面向農(nóng)業(yè)生產(chǎn)的適宜性評(píng)價(jià)。耕地質(zhì)量是半人工、半自然因素綜合作用下形成的，不應(yīng)僅體現(xiàn)在土壤有機(jī)質(zhì)、氮磷鉀等影響土壤肥力因素的方面，應(yīng)兼顧自然、生態(tài)、人為等多維度影響因素。因此，構(gòu)建科學(xué)的耕地質(zhì)量評(píng)價(jià)指標(biāo)體系對(duì)真實(shí)反映耕地綜合特征具有重要作用[3]。從耕地質(zhì)量評(píng)價(jià)相關(guān)研究來看，耕地質(zhì)量主要從土壤肥力、立地條件、建設(shè)水平等方面進(jìn)行界定，但因各項(xiàng)研究中區(qū)域、目標(biāo)的不同而各有側(cè)重?！度珖?guó)耕地地力調(diào)查與質(zhì)量評(píng)價(jià)技術(shù)規(guī)程》(NY/T1634-2008)主要從氣象、立地條件、剖面性狀、土壤理化性狀、障礙因素、土壤管理6個(gè)方面設(shè)定了66項(xiàng)評(píng)價(jià)指標(biāo)?！陡刭|(zhì)量等級(jí)》(GB/T 33469-2016)主要從地形部位、有效土層厚度、有機(jī)質(zhì)含量、耕層質(zhì)地、土壤容重、質(zhì)地構(gòu)型、土壤養(yǎng)分狀況等19項(xiàng)指標(biāo)進(jìn)行評(píng)價(jià)。

本文利用文獻(xiàn)計(jì)量分析法，通過Web of Science核心合集數(shù)據(jù)庫和知網(wǎng)數(shù)據(jù)庫，統(tǒng)計(jì)分析了近5年國(guó)內(nèi)外耕地質(zhì)量評(píng)價(jià)指標(biāo)相關(guān)研究文獻(xiàn)，歸納總結(jié)了121篇文獻(xiàn)，梳理了耕地質(zhì)量評(píng)價(jià)指標(biāo)，按照使用頻率大于0.1進(jìn)行篩選，并劃分為土壤物理、土壤化學(xué)、土壤生物、地形特征、基礎(chǔ)設(shè)施建設(shè)共5大類評(píng)價(jià)指標(biāo)。

表1 耕地質(zhì)量評(píng)價(jià)指標(biāo)

2 耕地質(zhì)量評(píng)價(jià)方法

耕地質(zhì)量評(píng)價(jià)方法一直是國(guó)內(nèi)外重點(diǎn)研究方向，常規(guī)的評(píng)價(jià)方法主要有層次分析法(如特爾斐法-層次分析法)、模糊綜合評(píng)價(jià)、土壤質(zhì)量指數(shù)法、物元法等。目前我國(guó)耕地質(zhì)量評(píng)價(jià)相關(guān)的技術(shù)標(biāo)準(zhǔn)，推薦使用特爾斐法-層次分析法，分析耕地質(zhì)量評(píng)價(jià)各項(xiàng)指標(biāo)的權(quán)重，建立各類指標(biāo)的隸屬度，形成耕地質(zhì)量評(píng)價(jià)評(píng)分。

隨著近年來機(jī)器學(xué)習(xí)等人工智能技術(shù)的發(fā)展，主成分分析、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、免疫算法、蟻群算法、支持向量機(jī)等算法在耕地質(zhì)量評(píng)價(jià)中的應(yīng)用[4-5]，能更好地減少主觀因素的干擾，為耕地質(zhì)量監(jiān)測(cè)評(píng)價(jià)提供科學(xué)優(yōu)化的解決途徑。

上述耕地質(zhì)量評(píng)價(jià)數(shù)據(jù)多是通過外業(yè)實(shí)地調(diào)查與內(nèi)業(yè)檢測(cè)化驗(yàn)獲得，往往需要投入大量的人力物力，數(shù)據(jù)的準(zhǔn)確性容易受人為因素影響，而隨著遙感技術(shù)和地理信息技術(shù)的快速發(fā)展，多尺度、多時(shí)相、多傳感器的遙感數(shù)據(jù)可從時(shí)間、空間不同維度體現(xiàn)耕地質(zhì)量信息。諸多學(xué)者利用總初級(jí)生產(chǎn)力(GPP)、凈初級(jí)生產(chǎn)力(NPP)間接評(píng)價(jià)耕地質(zhì)量，通過遙感反演模型獲取含水量、有機(jī)質(zhì)、全氮等指標(biāo)信息，驗(yàn)證了遙感技術(shù)在耕地質(zhì)量評(píng)價(jià)中的應(yīng)用可行性。

3 基于遙感技術(shù)的耕地質(zhì)量監(jiān)測(cè)

3.1 基于遙感技術(shù)的耕地質(zhì)量監(jiān)測(cè)體系框架

隨著遙感技術(shù)的快速發(fā)展，通過遙感技術(shù)獲取數(shù)據(jù)能力日益增強(qiáng)，基本形成了覆蓋星(衛(wèi)星遙感)、空(高空有人機(jī)、中低空無人機(jī))、地(移動(dòng)車輛、地面監(jiān)測(cè))數(shù)據(jù)獲取能力；常用的遙感傳感器有光學(xué)傳感器(可見光、多光譜、高光譜)、雷達(dá)、三維激光掃描等多種類型。遙感數(shù)據(jù)具有覆蓋范圍廣、實(shí)時(shí)性、客觀性強(qiáng)(所見即所得)的特點(diǎn)，已廣泛應(yīng)用于耕地資源調(diào)查監(jiān)測(cè)中。星空地一體化的監(jiān)測(cè)體系(圖1)，可以支撐全球/全國(guó)、區(qū)域/省、縣、田塊等多種尺度的耕地質(zhì)量多維度信息的監(jiān)測(cè)，例如，對(duì)于田塊尺度的遙感監(jiān)測(cè)，可以采用地面光譜儀結(jié)合無人機(jī)遙感數(shù)據(jù)，而Sentinel系列、MODIS等衛(wèi)星遙感影像，可支撐國(guó)家尺度/全球尺度的耕地監(jiān)測(cè)。

圖1 研究方法流程

眾多研究表明，基于遙感技術(shù)的耕地質(zhì)量監(jiān)測(cè)主要總結(jié)為耕地質(zhì)量指標(biāo)定量反演和耕地質(zhì)量間接監(jiān)測(cè)。

3.2 基于遙感技術(shù)的耕地質(zhì)量評(píng)價(jià)指標(biāo)獲取研究進(jìn)展

通過分析各類遙感數(shù)據(jù)的特點(diǎn)與應(yīng)用特征，對(duì)比表1中耕地質(zhì)量評(píng)價(jià)指標(biāo)，可通過遙感技術(shù) 獲取的耕地質(zhì)量評(píng)價(jià)指標(biāo)有土壤物理指標(biāo)(含水量、土壤容重、土壤質(zhì)地、土層厚度、耕層厚度、礫石含量)、土壤化學(xué)指標(biāo)(總有機(jī)質(zhì)/碳含量、pH值、速效磷含量、速效鉀含量、全氮含量、速效氮含量、重金屬含量、鹽漬化程度)、地形特征(坡度坡向、地形部位、地貌類型)和基礎(chǔ)設(shè)施建設(shè)(排水條件、灌溉保證率、道路通達(dá)率、林網(wǎng)化程度、地塊規(guī)整度、田塊規(guī)模、地塊破碎度、耕作距離)。土壤生物指標(biāo)主要通過土壤中的微生物、動(dòng)物作為影響因子，通過遙感技術(shù)難以獲得該項(xiàng)指標(biāo)信息。

3.2.1 土壤物理指標(biāo)信息提取

1)土壤含水量。 土壤含水量直接影響耕地的生產(chǎn)能力，是耕地質(zhì)量監(jiān)測(cè)的重要指標(biāo)之一，對(duì)于監(jiān)測(cè)植物生長(zhǎng)、土壤侵蝕、土地退化和荒漠化具有重要意義。傳統(tǒng)土壤水分測(cè)量直接用稱重法估計(jì)，計(jì)算樣本土壤烘干前后重量的差值，方法原理簡(jiǎn)單，但由于土壤樣品在運(yùn)輸、存儲(chǔ)、制備過程中容易遭到破壞，無法修復(fù)。其他常用的間接測(cè)量方法有時(shí)域反射計(jì)、中子儀探針、電容傳感器和伽馬射線掃描儀等。目前，利用遙感技術(shù)估算土壤含水量已被大家廣泛認(rèn)可，積分方程模型(integral equation model，IEM)是最常用的散射模型之一，它在裸露或植被稀疏的地表上表現(xiàn)良好。大量研究表明，微波遙感在大范圍土壤含水量估算中應(yīng)用效果明顯[6]。

隨著多源遙感數(shù)據(jù)獲取能力不斷增強(qiáng)，很多學(xué)者利用多源遙感數(shù)據(jù)融合反演土壤含水量。Han等[7]通過貝葉斯最大熵的框架，融合利用光學(xué)、近紅外、熱紅外、數(shù)字高程模型等多源數(shù)據(jù)進(jìn)行土壤含水量的估算，可以獲得較高的估算精度。高光譜數(shù)據(jù)應(yīng)用方面，有研究表明土壤含水量與土壤的高光譜反射率相關(guān)性較大，是提升土壤含水量評(píng)估分辨率最有前景的技術(shù)之一。常用的研究方法有波譜反射率法、函數(shù)法、模型法和以主成分回歸法、偏最小二乘回歸法、人工神經(jīng)網(wǎng)絡(luò)法等為代表的機(jī)器學(xué)習(xí)法等，雖然在試驗(yàn)區(qū)域能獲得較高的數(shù)據(jù)精度，但擴(kuò)展到其他區(qū)域，需要更多的方法試驗(yàn)與技術(shù)論證。結(jié)合使用地面、機(jī)載和衛(wèi)星傳感系統(tǒng)，可以在不同時(shí)空尺度上估算土壤含水量。

2)土壤質(zhì)地。 土壤質(zhì)地是指由大小直徑不同的礦物質(zhì)顆粒組合的土壤狀態(tài)，是保持土壤通氣、透水、保肥的重要因素，是耕地資源質(zhì)量分類中重要的評(píng)價(jià)指標(biāo)。土壤質(zhì)地的實(shí)驗(yàn)室測(cè)定方法主要有激光粒度儀分析法、吸管法、密度計(jì)法等，野外測(cè)量方法主要有比重計(jì)法、手測(cè)法等。相關(guān)研究表明，土壤質(zhì)地與土壤光譜信息有一定的相關(guān)性。一般情況下，土壤顆粒越小，土壤之間的孔隙度越小，表面越光滑，光譜反射率越大；土壤顆粒越大，表面越粗糙，光譜反射率越小，呈顯著的負(fù)相關(guān)。但在相同大氣環(huán)境下，土壤顆粒越小，其持水能力越強(qiáng)，土壤反射率有所降低[8]。

土壤質(zhì)地近地面遙感預(yù)測(cè)模型精度較高，R2可達(dá)0.8以上。Vaudour等[9]使用Sentinel-2數(shù)據(jù)，采用化學(xué)計(jì)量模型預(yù)測(cè)了幾種表土特性(粘土、SOC、鐵、pH等)，粘土含量預(yù)測(cè)的R2在0.4左右。隨著微波遙感技術(shù)的發(fā)展，其穿透成像介質(zhì)的特性，有利于提高土壤質(zhì)地反演精度。Zheng[10]結(jié)合光學(xué)(Sentinel-2)和雷達(dá)(Sentinel-1)數(shù)據(jù)對(duì)裸露土壤的表面水分和粗糙度進(jìn)行估算，具有較強(qiáng)的相關(guān)性，獲得了更高的精度，估算土壤含水量均方根誤差減少約0.045 cm3/cm3，土壤粗糙度的均方根誤差減小約0.8 cm。PHilip Marzahn[11]利用機(jī)載微波遙感，對(duì)德國(guó)東北部低地觀測(cè)站反演的土壤質(zhì)地具有較高的精度，平均均方根誤差(RMSE)2.42。Bousbih等[12]利用Sentinel-1和Sentinel-2組合數(shù)據(jù)，基于支持向量機(jī) (SVM)和隨機(jī)森林(RF)方法的算法用于粘土含量的估算，準(zhǔn)確度分別為0.62和0.65，隨機(jī)森林算法性能優(yōu)于支持向量機(jī)。

3.2.2 土壤化學(xué)指標(biāo)信息提取

1)土壤有機(jī)質(zhì)/碳含量。 土壤有機(jī)質(zhì)/碳含量(SOM/SOC)是衡量耕地質(zhì)量的重要指標(biāo)。土壤有機(jī)質(zhì)的測(cè)量主要依靠野外調(diào)查采集土壤樣品，進(jìn)行實(shí)驗(yàn)室分析，但在大范圍區(qū)域內(nèi)進(jìn)行SOM預(yù)測(cè)成本高、難度大。野外調(diào)查主要以樣點(diǎn)的形式，通過地統(tǒng)計(jì)學(xué)的方法獲得空間連續(xù)的數(shù)值，但對(duì)于空間異質(zhì)性較大的區(qū)域，則需要大量的樣點(diǎn)來保障數(shù)據(jù)精度[13]?；谶b感技術(shù)進(jìn)行土壤有機(jī)質(zhì)的預(yù)測(cè)相關(guān)研究表明，土壤有機(jī)質(zhì)含量與土壤反射率呈顯著負(fù)相關(guān)[14]。Baumgardner等[15]研究表明，只有當(dāng)土壤中有機(jī)質(zhì)含量達(dá)到2%及以上，有機(jī)質(zhì)含量對(duì)光譜的反射率才有影響作用，如果有機(jī)質(zhì)含量很少，受土壤表面物質(zhì)的影響，則有機(jī)質(zhì)含量對(duì)光譜反射率的影響較小。史舟等[16]利用1 581個(gè)土壤樣本的土壤有機(jī)質(zhì)含量與室內(nèi)土壤光譜數(shù)據(jù)，反演精度R2可達(dá)0.90。唐海濤等[17]研究表明不同類型土壤的SOM預(yù)測(cè)精度存在差異，沼澤土的預(yù)測(cè)精度最高為0.768，黑土次之，為0.678，草甸土的預(yù)測(cè)精度最低，僅為0.674。

上述研究主要分析的是土壤有機(jī)質(zhì)與室內(nèi)光譜數(shù)據(jù)之間的相關(guān)性，但野外光譜數(shù)據(jù)會(huì)受室外環(huán)境條件的限制相關(guān)性減弱。隨著無人機(jī)技術(shù)的發(fā)展，針對(duì)田塊尺度的高精度遙感數(shù)據(jù)獲取越來越便捷，傳感器支持可見光、多光譜、高光譜等多種類型，SOM反演建模應(yīng)用效果越來越好。祝元麗等[18]利用無人機(jī)高光譜數(shù)據(jù)，在中國(guó)東北黑土和比利時(shí)黃土研究區(qū)，分別進(jìn)行暗室條件下和野外自然光條件下土壤有機(jī)質(zhì)反演，R2分別優(yōu)于0.65和0.58。利用衛(wèi)星遙感影像，經(jīng)預(yù)處理的光譜數(shù)據(jù)與土壤有機(jī)質(zhì)含量呈明顯的相關(guān)性。劉煥軍等[19]選擇東北黑土區(qū)的裸土期，基于Landsat 8和Sentinel 2A兩期影像，利用隨機(jī)森林算法篩選波段和光譜指數(shù)，進(jìn)行土壤有機(jī)質(zhì)含量遙感反演，基于單期影像的R2優(yōu)于0.83，基于兩期影像的R2達(dá)到0.938。

2)土壤pH值。 土壤酸堿度體現(xiàn)為土壤溶液中氫離子和氫氧根離子的濃度，用以反映土壤的酸堿強(qiáng)度。土壤pH值直接影響作物根系活動(dòng)和根系微生物活動(dòng)。有研究表明，土壤pH值與土壤的光譜反射率沒有直接的相關(guān)性，而地表植被、土壤水系等因素的影響下，土壤光譜反射率與pH值存在一定相關(guān)關(guān)系，ZHANG等[20]利用高光譜數(shù)據(jù)和2005—2016年的Landsat多光譜遙感影像，篩選了18個(gè)高光譜數(shù)據(jù)的光譜指數(shù)、17個(gè)多光譜數(shù)據(jù)的光譜指數(shù)和6個(gè)環(huán)境指數(shù)進(jìn)行實(shí)驗(yàn)分析，結(jié)果表明，比值植被指數(shù)(RVI)、歸一化差值植被指數(shù)(NDVI)、歸一化差值水指數(shù)(NDWI)、土地利用、年平均降水量和年平均氣溫與土壤PH值具有較強(qiáng)的相關(guān)性，基于多種影響因子建立的預(yù)測(cè)模型R2為0.5。

3)土壤鹽漬化程度。 土壤鹽漬化是全球土壤研究的熱點(diǎn)問題，我國(guó)土壤鹽漬化現(xiàn)象也比較普遍，耕地范圍內(nèi)的鹽漬化土壤和次生鹽漬化土壤占耕地總面積的約1/5。土壤鹽漬化不僅影響土壤質(zhì)量，威脅糧食安全，也是一種環(huán)境問題[21]。通過限制地表植被的水分汲取與蒸散發(fā)，降低作物產(chǎn)量，土壤質(zhì)量下降[22-23]。土壤鹽漬化程度是耕地質(zhì)量評(píng)價(jià)中的一項(xiàng)重要影響因子。土壤鹽漬化程度一般通過測(cè)定土壤含鹽量、電導(dǎo)率等體現(xiàn)，主要測(cè)量方法有電導(dǎo)率儀、殘?jiān)娓煞?、電磁感?yīng)計(jì)、介電常數(shù)測(cè)量套件等[22-25]。通過野外采樣監(jiān)測(cè)土壤鹽漬化，樣點(diǎn)數(shù)據(jù)精準(zhǔn)，但缺乏空間連續(xù)性，費(fèi)時(shí)費(fèi)力，監(jiān)測(cè)周期長(zhǎng)。近年來，得益于遙感技術(shù)日趨成熟，在不同尺度、不同區(qū)域上基于遙感數(shù)據(jù)開展土壤鹽漬化程度及分布的監(jiān)測(cè)已成為常態(tài)，遙感數(shù)據(jù)主要有多光譜、高光譜、雷達(dá)等多種類型[26]?；诠鈱W(xué)遙感影像，鹽度指數(shù)(SI)[27]、歸一化差異鹽度指數(shù)(NDSI)[28]等是常用的鹽分光譜指數(shù)，也有研究通過地表植被生長(zhǎng)狀況(如NDVI、SAVI等[29]),分析植被的受鹽分脅迫程度，間接獲得土壤鹽漬化分布數(shù)據(jù)?；谑覂?nèi)高光譜反演土壤鹽分的研究較多，R2一般為0.7以上，而基于航空高光譜反演土壤鹽分的研究較少[30-31]?；谖⒉ㄟb感反演土壤鹽漬化的研究較少，分析雷達(dá)數(shù)據(jù)的后向散射系數(shù)與土壤鹽漬化程度的關(guān)系，可對(duì)光學(xué)遙感影像的監(jiān)測(cè)提供補(bǔ)充[32]。

4)土壤重金屬含量。 土壤重金屬含量是影響耕地質(zhì)量的重要因素，直接反映耕地土壤生態(tài)環(huán)境與清潔程度。目前常用的測(cè)定方法有原子熒光光譜法(AFS)、電感耦合等離子體原子發(fā)射光譜法(ICP OES)、紫外-可見分光光度法(UV)、原子吸收光譜法(AAS)、X熒光光譜法(XRF)等[33]。除了采用直接測(cè)定法，可利用高光譜數(shù)據(jù)預(yù)測(cè)土壤中鉻、銅、鎳、鋁、硅、鎂、鐵、錳、鉛、鋅、鎘、鈷、砷和汞等重金屬含量[34]。

3.2.3 地形特征信息提取

1)坡度和坡向。 坡度和坡向直接影響耕地植被對(duì)土壤中的水分、肥力的利用率，影響耕地的氣溫條件、土壤墑情等，是評(píng)價(jià)耕地質(zhì)量的重要因子。這兩項(xiàng)指標(biāo)可以基于數(shù)字高程模型(DEM)經(jīng)坡度、坡向計(jì)算獲得。DEM數(shù)據(jù)通常采用具有一定重疊度的立體像對(duì)的影像進(jìn)行同名點(diǎn)匹配，從而形成地形數(shù)據(jù)。隨著多源遙感數(shù)據(jù)獲取能力的增強(qiáng)，傾斜攝影測(cè)量、合成孔徑雷達(dá)(InSAR)、激光雷達(dá)(Lidar)在獲取高精度DEM數(shù)據(jù)方面具有一定優(yōu)勢(shì)。可根據(jù)區(qū)域的實(shí)際應(yīng)用情況，選擇適合的數(shù)據(jù)獲取方式[35]，基于Lidar技術(shù)獲取DEM數(shù)據(jù)，可根據(jù)區(qū)域范圍、精度要求選擇無人機(jī)、大飛機(jī)搭載平臺(tái)；傾斜攝影等航空攝影測(cè)量法，尤其是無人機(jī)載荷，適用于地塊尺度，操作便捷；高分辨率立體測(cè)繪衛(wèi)星遙感影像(如高分七號(hào)等)，可獲得高空間分辨率光學(xué)立體觀測(cè)數(shù)據(jù)和高精度激光測(cè)高數(shù)據(jù)，能更詳細(xì)地表達(dá)地表地形狀況。

2)地形部位與地貌類型。 地形部位、地貌類型體現(xiàn)為較大地理區(qū)域的地形特征，例如松遼平原、黃土高原等。不同的地貌類型、地形部位對(duì)土壤的發(fā)生、發(fā)育有著重要的影響，也是耕地質(zhì)量評(píng)價(jià)中重要的影響因子[36]?；跀?shù)字高程模型、遙感影像等，結(jié)合實(shí)地的調(diào)研和歷史資料，定性或半定量地描述地形部位、地貌類型等信息。常用的數(shù)據(jù)分析方法有地形因子分析、地貌特征因素分析(提取特征點(diǎn)、特征線)、地貌分類與制圖等。

3.2.4 耕地基礎(chǔ)設(shè)施建設(shè)信息提取

現(xiàn)代化農(nóng)業(yè)發(fā)展迅速，田間設(shè)施建設(shè)越來越完善，主要體現(xiàn)為機(jī)耕路、溝渠等水利設(shè)施的修繕、農(nóng)田防護(hù)林的建設(shè)與維護(hù)、耕地平整深耕、高標(biāo)準(zhǔn)農(nóng)田建設(shè)等。耕地地塊連片度、農(nóng)田林網(wǎng)化率、耕地地塊規(guī)整度、灌溉保證率、排水條件、田間道路通達(dá)度等，均是耕地質(zhì)量評(píng)價(jià)的重要因子。通過衛(wèi)星遙感影像、中低空高分辨率航攝影像，可以清晰地獲取田間各類基礎(chǔ)設(shè)施的分布、范圍、數(shù)量等。

上述因子的提取均需來源于準(zhǔn)確的地物分類數(shù)據(jù)，而基于遙感影像的地物分類提取研究一直是遙感領(lǐng)域重點(diǎn)研究?jī)?nèi)容，主流的地物分類方法主要有最大似然、最小距離、支持向量機(jī)、隨機(jī)森林等經(jīng)典算法和面向?qū)ο?、深度學(xué)習(xí)等新方法。傳統(tǒng)基于像元的分類方法，尤其面向高分辨率遙感影像的分類，缺少像元與地物對(duì)象間的關(guān)系，容易造成地物分類圖斑不完整、椒鹽現(xiàn)象嚴(yán)重等問題，影響地物分類邊界的完整性與合理性[37]。面向?qū)ο蠓椒▽⒂跋裣袼丶?jí)分類變?yōu)槊鎸?duì)地物對(duì)象的分類，能更好地兼顧影像紋理特征、光譜特征等，獲得比較符合實(shí)際的地物邊界?；谏疃葘W(xué)習(xí)的分類方法，更注重影像上下文語義關(guān)系，在地表地物分割方面具有顯著成效[38]。

3.2.5 遙感技術(shù)間接監(jiān)測(cè)耕地質(zhì)量

耕地質(zhì)量的高低在一定程度上表現(xiàn)為地表植被生長(zhǎng)的茂盛程度，耕地質(zhì)量高地塊一般地表植被長(zhǎng)勢(shì)好、產(chǎn)量高，而耕地質(zhì)量低的地塊一般地表植被長(zhǎng)勢(shì)差 、產(chǎn)量低。針對(duì)該現(xiàn)象，利用多年長(zhǎng)時(shí)間序列的衛(wèi)星遙感影像反演地表植被的長(zhǎng)勢(shì)情況，間接反映耕地質(zhì)量，這種方法監(jiān)測(cè)范圍廣，時(shí)間周期短。常用于反演地表植被長(zhǎng)勢(shì)情況的指標(biāo)有NDVI(歸一化差值植被指數(shù))、FVC(植被覆蓋度)、NPP(凈初級(jí)生產(chǎn)力)等。歐陽玲[39]研究了松嫩平原的耕地質(zhì)量，評(píng)價(jià)并證實(shí)了耕地質(zhì)量與NDVI、FVC、NPP有較強(qiáng)的相關(guān)性，表明地表植被的長(zhǎng)勢(shì)監(jiān)測(cè)可以間接評(píng)價(jià)耕地質(zhì)量。

耕地質(zhì)量在短期內(nèi)變化較小，單期的地表植被長(zhǎng)勢(shì)情況，受氣象條件、政策等方面因素的干擾，偶然性較大，難以準(zhǔn)確地反映耕地質(zhì)量，多年期的植被長(zhǎng)勢(shì)平均情況能較穩(wěn)定地反映耕地質(zhì)量。這種方法有利于大范圍耕地質(zhì)量監(jiān)測(cè)，但對(duì)于局部小區(qū)域耕地質(zhì)量空間差異性的表達(dá)不夠精細(xì)。

4 思考與建議

以遙感技術(shù)為支撐，擺脫了傳統(tǒng)依賴樣點(diǎn)插值的面域監(jiān)測(cè)與評(píng)價(jià)方式，可以實(shí)現(xiàn)大面積、快速監(jiān)測(cè)與評(píng)價(jià)耕地質(zhì)量，縮短監(jiān)測(cè)與評(píng)價(jià)周期。但針對(duì)上述遙感技術(shù)在耕地質(zhì)量監(jiān)測(cè)中的應(yīng)用現(xiàn)狀，提出如下建議：

1)基于遙感信息的土壤屬性遙感定量監(jiān)測(cè)，遙感信息因錯(cuò)綜復(fù)雜的環(huán)境因素、土壤區(qū)域性因素等影響，有必要開展多光譜、高光譜、微波遙感及熱紅外等多源遙感數(shù)據(jù)的協(xié)同利用，并采用多時(shí)間序列數(shù)據(jù)的組合應(yīng)用，保障大區(qū)域大范圍耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)結(jié)果的一致性與可靠性。

2)建立不同應(yīng)用尺度下耕地質(zhì)量評(píng)價(jià)指標(biāo)體系，分析各評(píng)價(jià)指標(biāo)的遙感特征。為精確監(jiān)測(cè)與評(píng)價(jià)耕地質(zhì)量，需要將衛(wèi)星、航空、近地面遙感數(shù)據(jù)與實(shí)地調(diào)查、檢測(cè)化驗(yàn)數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)等深度融合，形成星空地一體化的多尺度、定量化的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)技術(shù)體系。

3)提升黑土區(qū)耕地質(zhì)量評(píng)價(jià)的自動(dòng)化、智能化水平，形成工程化的黑土區(qū)耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)的遙感數(shù)據(jù)支撐平臺(tái)。充分挖掘黑土區(qū)不同時(shí)間、不同地表覆蓋、不同土壤類型下的遙感信息響應(yīng)規(guī)律，建立可靠的知識(shí)經(jīng)驗(yàn)庫和理論方法，搭建耕地質(zhì)量評(píng)價(jià)的遙感大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)基于多尺度遙感數(shù)據(jù)的耕地質(zhì)量評(píng)價(jià)指標(biāo)信息工程化獲取應(yīng)用，為黑土區(qū)耕地質(zhì)量遙感大面積監(jiān)測(cè)與評(píng)價(jià)提供支撐。