基于遥感技术的耕地质量评价研究进展与展望

李 婷， 吴克宁

[中国地质大学(北京)土地科学技术学院/国土资源部土地整治重点实验室，北京 100083]

耕地质量是一个综合性指标，内涵丰富。陈印军等认为耕地质量是土壤质量、环境质量、管理质量和经济质量的总和[1]。沈仁芳等认为耕地质量是多层次的概念，较为重视耕地的空间地理质量属性[2]。吴克宁等认为耕地质量不仅仅体现在生产能力方面，还应重视有益、有害元素及污染等对质量的影响[3]。此外，随着土地整治、土壤改良等农田基本建设力度的加大，耕地质量在结构、布局上都发生了巨大变化。如何快速开展耕地质量评价是当前耕地保护的重要课题。遥感技术以地物信息覆盖面积大、周期性强、实时性和现势性强、准确可靠著称。传统耕地质量调查评价技术耗时费力，迫切需要引入遥感技术对耕地质量快速评价，适应新形势下耕地质量成果实时更新、强化监管需要。探索基于遥感技术的耕地质量信息提取可行性，对构建基于遥感的耕地质量指标体系，快速、准确地表达耕地状态具有重要意义。

1 常规的耕地质量相关评价

1.1 耕地生产力评价

土壤肥力是耕地生产力的基础，目前土壤肥力评价研究主要集中在养分指标，包括全氮、碱解钾、速效钾、速效磷、有机质、pH值、阳离子交换量(CEC)等，而土壤物理性状指标、生物指标和环境条件因子研究相对较少[4]。在耕地生产力评价方面，一些研究依托农业部有关耕地地力课题，进行了实证研究。张海涛等进行江汉平原耕地生产力评价时，考虑土体构型、理化性状、养分状况和农田基本建设的差异，筛选出剖面构型、土地厚度、耕层厚度、耕层质地、土壤pH值、速效N、速效P、速效K、全N、全P、全K、灌溉保证率等指标[5]。吴克宁等参照《全国耕地类型区、耕地地力等级》的评价因素和指标值，在规范土种资料的基础上筛选了影响河南省耕地地力等级的指标，并结合区域特性补充了地下水埋深、土壤侵蚀、碱化度、植被建设、缺苗率等指标[6]。还有一些研究除了考虑土壤土地管理等要素，也涉及耕地农业利用的社会经济要素。孙希华等将影响土地生产力的因素分为自然因素和社会经济因素；在通过土壤物理性状、化学性状和生态环境三方面解析自然因素的基础上，选择了劳动力投入、农业机械化、水利化程度、化学化水平、耕地现有生产率和耕地现有人口承载量这些指标来表征社会经济要素[7]。

1.2 土壤环境质量评价

相关研究多集中于土壤环境质量标准和地区农田(耕地)土壤环境质量现状调查和评价。较早的农田土壤环境质量研究多基于单个指标、单点的土壤环境质量评价，如Brus等对荷兰土壤重金属Cd污染状况进行了分析和评价[8]。随着有关技术标准出台，越来越多的研究趋向于多指标分析。一些学者在研究污灌区农田、耕地、基本农田等土壤环境质量评价时，均选取As、Hg、Cu、Pb、Cd、Cr、DDT、BHC这8个指标进行单项和综合评价[9-11]。赵春雨等在压力-状态-响应(PSR)框架下，选取指标在涵盖土壤基本性质的基础上，又补充了太阳辐射、温度、降水量、气象灾害等气象指标，并且着重考察杂草、土壤动物、微生物等生物多样性和景观分形指数、多样性指数、优势度指数、破碎化指数等景观质量水平[12]。李华等在山西永济市耕地土壤环境质量综合评价中分别检测土壤和水的污染含量，并开展综合评价[13]。舒英格等在土壤肥力状况、重金属污染程度和立地条件这3组评价指标上对喀斯特山区(以贵阳市乌当区为例)石灰岩母质发育的旱耕地土壤环境质量进行全面评价[14]。综上所述，耕地土壤环境质量评价指标经历了由单指标、单点采样到多指标、大样本采样，环境质量评价体系由单一的重金属污染状况分析拓展到包括土壤肥力、立地条件和重金属污染状况的综合考察。

1.3 土壤健康质量评价

在耕地健康质量评价方面的研究尚不多见，较多集中在土地健康、土壤健康这2个方面。土地健康是土地维持自身正常新陈代谢的一种状态，其自身恢复能力可缓和外界对土地生态系统的不良冲击。目前，国际上尚无统一标准的土地健康评价体系[15]。比较具有代表性的一是Vieira等在土壤质量下降、表土风蚀、水土流失、植被减少、土地酸化及盐碱化等导致土地健康恶化的现象分析基础上，提出的土地条件变化评价指标体系[16]；二是依据联合国开发计划署(united nations development programme，简称UNDP)和世界经济合作与发展组织(organization for economic cooperation and development，简称OECD)提出的“压力-状态-响应”(PSR)分析框架，结合土地系统特点，构建区域土地系统健康评价模型[17]；三是由目标层、准则层和指标层组成，采用综合指数发构建的土地利用系统健康评价指标框架体系[18]。关于土壤健康，美国学者Doran和Parkin将其定义为“土壤在生态系统边界内行使维持生物生产力、改善环境质量和促进植物和动物健康机能的能力”[19]。在选择土壤健康评价指标时，应侧重灵敏度高、使用范围广、分析测量方法切实可行的生态特点[20]。也有研究通过重金属分析进行土壤健康诊断。一些生物学家强调用土壤微生物来评价土壤健康质量，赵吉提出应从土壤微生物量、活性、多样性和功能性4个方面指标来评价土壤健康[21]。周丽霞等通过土壤微生物学特性与土壤质量的关系分析，阐明了土壤微生物对土壤健康的生物指示功能[22]。还有一些研究通过考察土壤全碳、有机碳、全氮及微生物生物量碳和氮等指标来分析保护性耕作下黄土高原作物轮作系统土壤健康水平[23]。总体上看，土壤健康质量评价仍然处于初步探索阶段。

2 耕地评价指标的遥感技术识别情况

2.1 遥感技术在土壤本底质量研究中的应用

自20世纪20年代以来，国内外学者在土壤光谱特性方面开展了大量研究，为耕地质量信息化监测提供了丰富的试验数据。其中土壤有机质、水分、全氮、颗粒机械组成与光谱反射率关系的研究较多，相关研究总结了土壤理化性状与反射率的关系，并建立了定量估测模型，但由于土壤反射光谱数据获取无统一标准和研究区域的差异性，不同研究的定量遥感结果区域化特征明显，共享性受到限制。表1列出了一些形成普遍共识的研究成果。

2.2 遥感技术在土壤污染研究中的应用

废水、废气、废弃物的不当排放和堆放，引起了严重的环境污染问题。这使通过遥感技术获取农田、草原等土壤、河湖水系污染也成为遥感应用的一个重要领域。目前关于人类活动引起生态环境污染的问题多集中于土壤重金属含量的研究，探讨其通过遥感定量检测的可行性。根据Kooistra等的研究，莱茵河流域土壤Cd、Zn与有机质含量间存在很好的正相关关系，并利用可见光-近红外反射光谱和偏最小二乘回归法预测了土壤Cd、Zn含量[45-46]。Kemper等利用土壤反射光谱预测了西班牙Aznalcollar矿区土壤As、Hg、Pb及Fe元素的含量[47]。李巨宝等利用偏最小二乘法(partial least squares regression，简称PLS)模型，建立了农田土壤中Fe、Zn、Se含量与土壤反射光谱的对应关系，探讨了应用高光谱遥感技术定量监测土壤重金属含量的可行性[48]。王璐等根据实验室测得的土壤反射光谱，利用偏最小二乘回归法预测了Pb、Cd、Hg等重金属元素的含量，模拟、分析了多光谱数据估算土壤重金属含量的可行性[49]。解宪丽等研究探讨了可见-近红外反射光谱与土壤Cu、Pb、Zn、Cd等9种重金属元素之间的相关性[50]。龚绍琦等通过土壤重金属与土壤光谱相关分析，并利用逐步回归分析法，研究确定了Cr、Cu、Ni 3种重金属元素的最佳遥感模型[51]。史舟等的研究表明，土壤重金属含量可以通过X射线荧光光谱传感器和激光等离子体光谱传感器应用测出[52]。

表1 遥感土壤性状研究成果

2.3 遥感技术在耕地立地条件识别的应用

随着高分辨率遥感技术的发展，基于面向对象提取耕地信息方法得到广泛应用，刘晓娜等采用面向对象分类方法对北京大兴区遥感影像开展了耕地、交通运输用地、河流水面、水工建筑用地、农田水利用地、农田防护林地的信息提取，通过多尺度分割，提取出不同层次不同地类信息，且验证精度较优[46]。在耕地质量建设中，农田道路等基础设施工程、灌排沟渠等水利工程及农田林网等生态防护工程以线状地物为主。针对线状地物的准确识别，张超等以高分辨率遥感影像为数据源，在Canny边缘检测基础上，通过断点连接，高低双长度阈值过滤，提取出了精度优于95%的道路、沟渠线状工程地物信息[53]。顾振伟等通过光谱阈值选取，结合Canny算子补充提取法，解决了微小弯曲和被遮蔽沟渠问题，使沟渠提取精度达91.46%[54]。随着灌溉技术的发展，出现了新型无渠灌溉的方式，基于遥感的灌溉保证能力评价也不再局限于依靠沟渠等灌溉设施识别。黄健熙等以河北省衡水市为例，基于modis蒸散发遥感数据，结合气象站点数据，在水量平衡原理基础上，分别计算出年度有效灌溉量和灌溉需水量，将两者的比值作为灌溉保证能力评价的量化指标，经实例验证其评价结果满足耕地质量等级监测基本要求[55]。扈晶晶等采用ZY-3遥感数据分析了农田防护林光谱特征，并根据决策树法分类、提取出防护林信息[56]。为实现农田防护林信息自动提取，幸泽峰等基于ZY-3和Landsat 8遥感影像数据，综合利用数学形态学和面向对象法提取出农田防护林的矢量结果[57]。由于农用井、配电房等小地物识别较难实现小尺度的分割结果，岳安志等提出基于土地整理规划图约束下的灰度归一化相关系数模板匹配法，对某土地整理区农用井进行识别验证，其识别准确率达88%[58]。

2.4 遥感技术在耕地质量综合评价中的应用

当前应用遥感进行耕地质量评价研究尚处于起步阶段，评价数据源多以专题制图仪(thematic mapper，简称TM)或多光谱扫描仪(mulri spectral scanner，简称MSS)单一遥感影像为主，且主要以各类植被指数与非遥感数据相结合的方式获取因子进行评价。如方琳娜等从地球观测(systeme probatoired observation de la terre，简称SPOT)多光谱影像中提取了NDVI、DVI、RVI以反映土壤肥力状况、水分状况、土壤退化状况，并结合坡度信息、土地利用程度等，构建了评价指标体系[59]。于晓静等对黑龙江省绥化市肇东市耕地质量进行评价，从MODIS植被指数产品中提取出NDVI作为评价因素，其余因子如坡度、土壤类型、耕层厚度、障碍层厚度、有机质、pH、全氮、有效磷、速效钾等指标均来自野外采样、专题图等非遥感数据[60]。在应用遥感技术进行耕地质量识别的指标可行性研究方面，杨建锋等以Landsat TM 5多光谱遥感影像为数据源，通过建立反演模型和实地验证，得出土壤有机质、地形坡度、表层土壤质地、灌溉保证率和排水条件这5个指标可以通过遥感影像进行反演识别(其中灌溉保证率和排水条件的影像资料获取较难)以及剖面构型、障碍层次和土壤pH值等3个指标通过遥感识别的准确度较低的结论[61]。

2.5 遥感技术可识别的归纳总结

遥感技术可识别质量评价指标体系详见表2。

3 耕地质量评价展望

3.1 耕地质量评价的聚焦转移

传统耕地质量评价关注点随土地管理的发展不断转移。土壤学家、农学家已经由强调通过耕地生产水平表征耕地质量，转向包括耕地环境、健康质量在内的多层次体系评价。遥感作为先进技术引入到耕地质量评价中是机遇，也是挑战。目前遥感数据发挥的作用比较有限，获取足够的地面实测数据需要花费大量时间和人力，且将局部数据推广到整个研究区也存在困难，这使得多数研究中遥感数据的应用局限在植被类型和覆盖的估算上。更多指标，如重金属等，多处于微观探索性的机理研究，不适于大尺度耕地质量监测。区别于传统的耕地质量评价，遥感技术在实际应用中有很多限制，所受影响因素也复杂多变，追求快速也致使精度较低。并且耕地质量相关的土壤指标信息在遥感手段检测中，往往相互联系。如何在有效缩编指标集的同时，又保证信息缺失程度最低，将是耕地质量评价指标确定的关键。随着科学计数发展和地物光谱识别规则的完善，土壤属性及其他要素属性的反演模型方法将从各方面得到发展，指标集也可随之丰富、深化。

3.2 耕地质量信息提取技术的多元发展

在耕地质量指标信息获取、识别过程中，遥感技术作为一种新手段正快速规范化。传感器的不断改进促使遥感数据精度在空间、光谱分辨率方面不断突破，定量遥感正在成为研究热点， 高分辨率和高光谱数据逐渐成为基础数据和常规遥感数据，这大大提升了遥感在耕地质量信息反演的可靠性，如雷达遥感全天候全天时获取影像和穿透地物应该被更广泛应用于耕地质量监测。地面光谱、 高光谱和多光谱数据具有很强的互补性，不同数据源的集成技术、信息定量提取与表达方法将是研究关键。遥感信息模型和先进知识的发展都将不断提高数据的融合、分类识别以及提取信息精度的可靠性。数理统计方法以及先进思想的应用，使得评价方法也日趋多样化；相关分析、因子分析、模糊评价、层次分析、系统聚类等评价模型的发展，使得耕地质量评价向将数据库、模型库、方法库、专家系统与GIS集成更加完备。GIS强大的空间分析和数据管理功能可实现在空间数据库基础上建立针对各利用方式的应用模型，将提高农业决策的可靠性和客观性，推进耕地质量的有效管护。

表2 遥感技术可识别质量评价指标体系

3.3 耕地质量评价成果的应用

基于遥感的耕地质量评价可快速完整地掌握耕地状态变化信息，有助于空间上贯彻落实耕地占补平衡，实现有效监督，避免占多补少、占优补劣的现象，保证国家粮食安全，动态监管。遥感技术渗透到耕地质量评价的发展中，能够更加全面可靠地解释土壤特征现象，为精细化作业提供可能。融合遥感等先进技术的耕地质量评价与现代农业经营方式匹配，可在一段时期内反复验证耕地功能的差别化实现途径是否合理，将耕地视作完整的生态系统，考虑其与周边环境的联系，针对耕地质量等别变动情况，实时调整其开发利用方向，追求耕地资源的开发利用与其容量相符，以期经济效益、社会效益、生态效益组合达到最优，最终实现人地和谐发展。

4 结论与讨论

如今，耕地质量评价已不单局限于通过耕地地力评价来确定耕地潜在生产力，其相关服务领域也越来越广泛。本文在系统梳理耕地质量影响因素构成的基础上，分析了耕地质量评价因子中哪些要素可以通过遥感技术手段快速提取的可行性，以期为今后耕地质量快速评价提供参考。未来高分辨率数据与高光谱数据的融合应用将成为耕地质量快速评价的强力支撑，如何将实验室理论研究成果应用于实际更是研究突破的关键。遥感技术在耕地质量评价中的发展，将更加快速且具体地锁定耕地利用中存在的问题，并针对问题从构成要素影响机理入手实现耕地的精准化管理。