遥感技术在农业资源与土壤环境综合监测上的应用

鄂高阳　韩芳阳　秦秉希　刘之广

摘要：近年来，遥感技术和遥感设备已被普遍应用于农业资源与土壤环境综合监测中，且在农业生产、环境保护和自然资源管理等几个方面成效卓著。但是，土壤问题依然影响着人类的生态文明建设，制约着人类健康和发展的稳定性。随着国内外对土壤问题研究和调查的不断深入，针对性提出的一系列解决方案和政策措施在一定程度上改善了土壤环境问题，但也暴露出监测技术不足、监测方法亟待改进等很多新问题。本文综述了遥感监测技术在农业生产、环境保护和自然资源管理三个方面的应用现状，重点对遥感监测手段、遥感技术在土壤监测方面的应用进行了较全面的阐述，对现有工作中存在的问题进行总结，并对今后的发展方向做出展望。

关键词：遥感技术；土壤综合监测；农业生产；环境保护；自然资源管理

中图分类号：S127 文献标识号：A 文章编号：1001-4942（2024）03-0163-08

土壤作为农业、林业、畜牧业等领域的重要资源，其质量、特性及变动会对作物产量和品质产生直接影响。在社会与经济不断发展的大背景下，土壤开发利用中的损害和污染问题日益凸显。近年来，土壤问题已引起广泛关注，不仅关系到人类的生活品质，更是国家可持续发展战略的重要组成部分。因此，加强土壤综合监测和保护能力，有利于推进国家生态文明建设和提高生态兼容性。

工业经济的迅速发展对生态环境造成了极大的破坏，且土壤处于脆弱状态，易遭受到来自物理、化学等多方面的影响。研究显示，人类活动引起的全球生态环境变化，致使土壤严重受損，直接或间接导致全球生物多样性和生态功能的退化。例如，乙撑双二硫代氨基甲酸酯类杀菌剂和各种有毒杀虫剂的滥用对环境造成了大量原生和次生污染，有毒物质通过食物链积累，最终进入人体，产生与癌症、遗传毒性等相关的物质。工业化进程不断推进，土壤环境恶化加剧，工业废水排放等导致土壤污染问题日益严重，土壤中重金属含量急剧上升，给食物链的中高层生物带来严重威胁。

在我国，土壤问题主要表现为不合理开发、不合规排放和有毒农药及化肥的过度使用等，水土流失，土壤侵蚀和土壤污染等问题尤为严重。与此同时，我国土壤监测发展相对滞后。国外土壤监测的相关研究可追溯至20世纪60年代末，而我国则在20世纪80年代才开始。因此，我国亟需采取有效措施进行土壤环境监测和修复。传统的土壤监测方法主要依赖于现场调查和实验室分析，耗时长、费用高，且难以实现大范围、高效率的监测。遥感监测是指利用遥感技术进行监测的技术方法，在获取大面积信息方面具有快而全的优势，为土壤监测提供了新的可能性。

1 土壤综合监测及遥感技术概述

遥感技术具有监测范围广、信息连续性强、信息处理效率高等优势。相较于传统监测技术，遥感技术可大幅降低人工和经济成本，缩短信息处理周期，保证信息时效性，有助于加快土壤信息汇总进度，及时处理土壤污染事件。遥感技术还可进行非常规监测，扩大土壤监测范围且对极端地形的监测效果显著，还能够实现全天候环境监测。遥感技术可实现对单个区域的动态监测，有助于监测土壤变化，及时了解土壤受污染程度，实时监控土壤修复进程，提升土壤污染治理效果。遥感技术作为一项综合技术，实现了土壤资源整合的统一与信息化，推进了土壤综合监测等的研究进度。土壤遥感监测基本流程如图1所示。

土壤遥感监测通常包含8个理化指标、3种放射性监测方式、17种有机监测方式和23种无机监测方式。数据源主要有多源遥感卫星数据、无人机遥感数据以及地面测量数据等。多源遥感卫星数据包括Landsat、MODIS、Sentinel等，这些卫星的光谱范围广、时间分辨率高，可满足不同尺度、不同时相的土壤监测需求：无人机遥感数据优势在于具有高空间、高时间分辨率和高精度，利于细节特征的精细化监测：地面测量数据包括传统的土壤样点信息和高精度的地形数据，可与遥感数据交叉验证，提高监测精度和可信度。

2 土壤遥感监测技术

土壤遥感监测技术通过遥感和地面探测等技术手段，对土壤进行非接触式的监测和评估，可以为土地利用、农业生产、环境保护等领域提供丰富的信息，是实现土壤可持续发展的重要工具。

常用的土壤遥感监测技术包括：

（1）遥感影像分析技术。利用高分辨率卫星或无人机获取的影像数据，分析土壤覆盖类型、土地利用状况以及土壤质量。如利用Landsat卫星数据进行耕地、林地、草地等土地利用类型的分类和监测：通过NDVI（normalized difference vege-tation index）指数评估植被覆盖程度，从而反映土壤肥力状况。

（2）土壤光谱技术。这是一种利用光谱仪器测量土壤反射光谱，推断土壤性质和特征的方法。例如，近红外光谱技术可以获取土壤有机质含量、水分含量和pH值等信息；红外光谱技术可以获得土壤粘粒含量和矿物成分信息。通过这些信息可以评估和监测土壤质量。

（3）地球物理勘探技术。这是通过测量土壤的物理特征，如电阻率、磁性和声波传播速度等，推断土壤性质和结构的方法。例如，电磁法测量土壤电阻率可以获取土壤含水量和盐分信息：地震波速度测量技术可以获得土壤密度和压缩模量信息。通过这些信息可以评估和监测土壤结构和性质。

综上所述，通过三种土壤遥感监测技术，可获取土壤覆盖类型、土地利用状况、土壤质量与结构等信息，实现无接触的土壤监测和评估，为土地利用、农业生产与环境保护等提供丰富的数据和信息，为土壤资源的管理与保护提供科学有效的数据支持。

3 遥感技术应用

3.1 农业生产

遥感技术在农业领域应用非常广泛。郭广猛等使用中红外波段对土壤湿度进行遥感监测，通过回归分析发现土壤水分与MODIS（moderate-resolution imaging spectroradiometer）第7波段的反射率之间具有较好的相关关系。Zhu等利用机器学习对根际土壤湿度进行预测，显著提高了土壤水分预测的准确率与服务水平。Liu等研究表明土壤光谱反射率与土壤湿度存在相关性，在一定土壤水分临界值下土壤光谱反射率与土壤湿度呈负相关。通过对土壤盐碱性、腐蚀、水分以及农作物生长环境等进行遥感监测分析，可以连续监测并发现其变化趋势，为其管理提供科学的指导和建议。例如提出农业用水管理决策，提高农业灌溉用水效率等。同时，遥感技术也可监测草地的长势、产量、退化、沙化及耕地与草地的面积变化等，为草原与畜牧业管理决策提供有价值的信息。通过遥感数据可以了解农业有效灌溉面积的增长情况，并预测未来的发展趋势，对于解决灌溉节水及水土流失等问题具有重要意义。

遥感技术还可以通过监测土地利用变化情况，对农业生产提供支持。例如，可以对农田土地利用类型进行分类，了解耕地的变化情况，以便能够及时调整农业生产布局。同时，遥感技术还可以监测农作物的生长状况（生长阶段、病虫害等），为农业生产提供实时数据支持，帮助农民及时采取相应的管理措施。Romanak等利用气相色谱法对土壤环境（如二氧化碳、氧气、温度、水分和压力等）进行了长期监测。Jiao等利用极化细束影像对加拿大安大略东北部地区的小麦、大豆等主要作物进行了分类和面积提取。岳云开等利用无人机多光谱遥感反演苎麻叶绿素含量，为高效检测苎麻叶绿素提供新方法。杨娜等利用SMOS、SMAP数据技术对青藏高原季风及植被生长季土壤水分消长特征进行了研究，明确了近期青藏高原土壤水分的总体分布状况，为地区和全球气候及灾害的预测预报提供了借鉴和科学依据。Bala等基于MODIS影像的NDVI数值进行土豆长势监测。何亚娟等对冬小麦不同生育期的产量三因子（穗数、穗粒数、千粒重）进行双因子建模，使预报时间提前至抽穗后期至灌浆期，并且有90%的拟合精度。Son等利用MODIS数据建立了水稻生长期与单产的关系模型，并成功应用于湄公河三角洲水稻的长势监测与产量预测。韩文霆等利用无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量，为农业生产提供了科学依据。

3.2 环境保护

遥感技术可以实时监测土壤质地、营养成分等的变化，进而对土壤质量和健康进行评估。其中，遥感技术在土壤侵蚀、土壤污染和土地利用监测等方面具有重要的应用价值。

3.2.1 土壤侵蚀监测

遥感技术可以通过监测土壤的光谱信息，实现土壤侵蚀情况的监测。研究表明，450nm波段光谱值与土壤水分含量有关，500-640nm波段与土壤中氧化铁含量有关，660nm波段与土壤有机质含量呈负相关。杨丽娟等利用无人机遥感影像分析土壤侵蚀重要表现形式的新成切沟发生规律，为切沟的预防与治理提供科学依据。遥感监测技术为及时制定对策防止土壤流失和泥石流等白然灾害情况发生提供了重要的数据支撑。张晓远等28利用卫星遥感影像结合GIS和RS技术对RCSLE模型进行修正，使之能够对小流域水土流失动态变化进行分析和评价。

3.2.2 土壤利用监测

遥感技术可以通过土地利用监测，帮助农业决策者确定土地分类和资源要求等信息。例如，黄应丰等利用土壤光谱特性对华南地区主要土壤类型进行分类，提取10个光谱特征作为土壤光谱特征指标，综合应用土壤特征指标及其他分类指标对土壤进行分类，结果与中国土壤系统分类中的相关内容相一致。李娜等利用基于POI数据的城市功能区识别与分布特征研究，开展了遥感技术在农业资源与环境领域土壤综合监测方面的应用研究，为土壤分类识别在城市规划、城市管理、经济分析和环境保护等方面的应用提供了借鉴。Senanayake等利用遥感影像对降水量、土地利用率、土地覆盖和作物多样性等几个变量进行了时间序列分析和空间建模，监测土壤侵蚀、作物多样性和降水量变化。赵建辉等提出了一种基于特征选择和GA-BP（genetic algorithm-back propagation）神经网络的多源遥感农田地表土壤水分反演方法，为多源遥感农田地表土壤水分反演提供了新思路。冯泉霖等利用多光谱影像生成聚类深度网络遥感估算模型，完成SOM的含量估算与区域尺度上的数字制图，可为区域尺度上的土壤质量精细监测及管理提供有效的技术支持。

3.2.3 土壤污染與重金属监测

通过遥感技术提取大面积土地的红外、雷达和光谱信息，实现土壤污染监测。遥感数据的采集、处理和分析可以揭示出地表环境的空间分布，便于地理信息系统（GIS）管理地表资源。遥感图像的特征分析和遥感模型构建可以确立土壤污染区域，依据土壤类别、地形地貌、气象特征、植被类型和人类活动等因素变化进行污染物模型构建。刘雯等35利用高分五号卫星高光谱影像对土壤Cd含量进行的大范围反演，可为环境污染评价及生态保护提供更好的数据支撑。Mesquita等36通过对土壤淋滤过程进行模拟分析，得出了一种利用在线模拟降水监测土壤铁元素及其配合物流失的方法。宋子豪等通过对石油污染的农田土和湿地土进行采样分析，考察了石油污染对两种类型土壤的影响。黄长平等利用遥感数据反演分析了南京城郊土壤重金属铜的10个敏感波段。张雅琼等基于高分1号卫星影像快速提取了深圳市部九窝余泥渣土场的信息，验证表明归一化绿红差异指数的提取精度在97.5%以上。

蔡东全等利用HJ-IA高光谱遥感数据研究发现，铜、锰、镍、铅、砷在480-950nm波段内具有较好的遥感建模和反演效果。宋婷婷等基于ASTER遥感影像研究土壤锌污染，发现481、1000、1220nm是锌的敏感波段，相关性最好的波段在515nm处。Dvornikov等利用便携式分析仪测量了俄罗斯科拉半岛土壤中铜和镍的含量，并根据地形建立了回归模型，得出1.0-1.5m分辨率的辅助数据是预测该研究地区表层土中Cu和Ni含量的最佳方法。钟亮等以遗传算法优化的偏最小二乘回归算法，对预处理后的农田土壤样品和小麦叶片光谱建立土壤重金属镉（Cd）和砷（As）含量的估测模型，为将来实现定量、动态、无损遥感监测大面积农田土壤重金属污染状况提供了参考依据。

综上所述，随着遥感技术的不断升级和完善，其在土壤侵蚀监测、土壤污染监测和土地利用监测方面的应用将会更加广泛和深入。遥感技术可以为农业生产提供科学依据，帮助农业决策者制定更加科学的农业规划，促进农业可持续发展。

3.3 自然资源管理

遥感技术可以通过多角度、多时相的综合分析和评估，获取综合性土壤信息，进而对整个地区的土地资源状况和变化进行精细分类和数量分析，辅助CIS等信息技术分析手段对土地资源进行评估、监测和管理。其主要应用包括土壤类型识别、土壤水分监测、土壤质量评估和土地利用变化监测。

3.3.1 土壤类型识别

遥感技术可以在短时间内获取大面积土壤类型信息，为构建土地利用／覆盖类型分类提供基础数据，为土地利用管理提供科学参考。例如，徐彬彬等通过测定我国23类主要土壤类型的反射光谱曲线，将其归纳为平直型、缓斜型、陡坎型和波浪型，为构建土地类型分类提供了依据。Wei等利用机器学习和高光谱技术，构建基于特征波段的土壤有机质（SOM）反演模型并取得了较好成果，为土壤类型识别提供了借鉴。Chimelo等利用PlanetScope卫星星座和随机森林算法预测土壤中的粘土含量。Tunqay等利用SFI等级与卫星图像的植被指数值进行比较，量化干旱与半干旱地区土壤的物理、化学和肥力指标的空间动态。杨栋淏等通过结合多光谱与高光谱遥感数据，对云南山原红壤主要养分含量的高光谱特性进行研究，并利用机器学习建立相关模型，为土壤养分含量估测提供了依据。

3.3.2 土壤水分监测

遥感技术可以多角度、多时相地获取土壤水分动态变化信息，结合植被生长指数等参数，帮助实现农林生产、荒漠化和水土流失等环境问题的监测。陈怀亮等利用归一化植被指数NDVI和AVHRR4通道亮温建立回归方程，将土壤含水量与遥感指数联系起来。国外学者通过对比分析ERS-I的SAR图像与地面土壤水分实测值，发现土壤含水量与雷达后向散射系数间呈线性关系。许泽宇等利用增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类技术，通过改变编码器和解码器的结合方式增强二者的连接状态，加入自适应权重以及进行多通道训练等多方面改进，提高了地物高精度分类网络E-DeepLab的性能，为适用于遥感地物的自动分类和提取提供了借鉴。Dari等利用K-Means聚类算法对意大利中部某地区2017年至2019年生成的100m空间分辨率灌溉区地图与地面实况数据相比较，取得较好结果，可为土壤水分遥感分析工作提供依据。

3.3.3 土壤质量评估与土地利用变化监测

遥感技术可以精准、快速地获取相关土壤信息，用于土壤质量变化趋势分析、预测和评估。Dalal等使用近红外光谱法预测土壤水分、有机碳和总氮含量，发现土壤有机质含量在0-2.6%范围内时，近红外法预测结果相对准确；而在有机质含量高于2.6%时，预测结果存在偏差。Ben-Dor等利用近红外光谱法预测土壤有机质含量，通过分析土壤有机质的C/N比率来改进近红外法的预测准确度。沙晋明等使用VF991地物光谱测量仪对不同环境条件下的土壤样本剖面进行测量，并测定了各土层土壤的有机质含量。Guo等利用多光谱、高光谱数据与植被指数，结合机器学习实现了土壤有机碳含量的测量与绘制相关图像。张智韬等利用无人机遥感平台计算归一化植被指数并代入像元二分模型计算植被覆盖度，利用偏最小二乘回归算法和极限学习机算法构建不同覆蓋度下各深度土壤含盐量反演模型，为无人机多光谱遥感监测农田土壤盐渍化提供了思路。吴倩等使用便携式光谱仪采集陕西省黄土高原区黄绵土土壤的光谱数据，利用机器学习方法得出土壤碳酸钙含量与光谱反射率呈现正相关态势的结论。佘洁等分析土壤养分空间变异来源，兼述遥感、CIS与人工智能等研究现状，并对当前存在的问题进行剖析。遥感技术还可以通过遥感数据解析和分类实现土地利用变化监测，并进一步提供多维度数据可视化和地表覆被变化分析等，快速监测不可再生土地用途的变化情况，这对于土地资源管理和保护具有重要意义。

综上所述，遥感技术在土地资源管理和评估中具有重要的应用价值，可以为土地利用／覆盖类型分类、土壤水分监测、土壤质量评估和土地利用变化监测等提供科学依据和技术支持。随着遥感技术的不断发展和创新，其在土地资源管理和评估中的应用将会更加广泛和深入，为土地可持续利用和保护提供更强大的支持。

4 展望

土壤综合遥感监测技术已经在农牧业、林业、荒漠化和环境保护中得到广泛应用。综合遥感监测具有较高的实用价值，为土地资源的监测和管理提供了较为可靠的科学依据。尤其在当前科技发展较为迅速的大背景下，综合遥感监测技术的进一步推广和应用将为土地资源中长期规划、生态环境保护、自然灾害预警、公共安全等领域提供科学的数据基础和服务支撑。

4.1 农业生产应用展望

随着遥感技术的不断升级和完善，其在农业领域的应用将更加广泛和深入。例如，随着卫星分辨率的提高，可以更加精确地监测农田的土地利用、土壤水分等情况，为农业生产提供更加精准的数据支持；同时，随着人工智能和机器学习技术的发展，可以利用遥感数据进行数据挖掘和分析，提高数据的处理效率和准确性，帮助农业生产做出更加科学的管理决策；此外，还可以将遥感技术与其他技术相融合，如地理信息系统、无人机等技术，实现更加全面、精准的农业监测和管理。

4.2 环境保护应用展望

随着无人机、多光谱／高光谱等多源遥感设备的普及以及计算机技术的发展，土壤综合遥感监测技术在环境保护中将越来越得到更加广泛的应用。例如，利用无人机、卫星等搭载光谱设备的遥感平台可以高效监测大范围土壤情况，实现土地利用、植被覆盖等信息的分析，结合地面监测数据，可以及时发现土壤污染情况并进行污染程度评估；通过遥感技术可以对土地利用类型及其变化进行监测和分析，包括农地、城市扩展、森林覆盖等情况，有助于合理规划土地利用结构，保护耕地和生态环境：通过长时间、高时空和高分辨率的遥感影像监测土壤侵蚀、土地滑坡、沙漠化等自然灾害，及时发现灾害隐患并评估风险，可为防灾减灾提供技术支持等。

4.3 自然资源管理展望

随着大数据技术以及多源遥感技术的发展，土壤综合遥感监测技术在自然资源管理中发挥着越来越重要的作用。例如，通过监测土地利用类型、土地覆盖变化、土地利用强度等信息，利用大数据以及人工智能技术帮助制定土地规划、土地整治和土地利用政策等；通过对土地资源进行监测和评估，实现土地资源的合理利用，保护农田、森林、草原等重要生态系统，维护生态平衡；通过监测土壤水分含量、地下水位、土壤侵蚀情况等，合理利用和保护水资源等。

综上，土壤综合遥感监测在农业生产发展、环境保护和自然资源管理等场景中具有重要的应用价值，未来还需加强遥感数据与地面测量数据的协同应用，优化反演模型、特征提取和分类识别方法，发挥遥感技术在土壤监测研究和应用中的更大潜力。

基金项目：国家自然科学基金面上项目（41977019）；山东省本科教学改革研究面上项目（M2021062）；山东省科技型中小企业创新能力提升工程项目（2022TSGC2437）