下载文档原格式
高光谱遥感技术在环境监测中的应用与案例分析一、引言高光谱遥感技术是一种通过采集物体表面反射和辐射的连续光谱信息来获取物质光学特征的技术。
由于其高灵敏度和高分辨率的特点，高光谱遥感技术在环境监测领域广泛应用。
本文将介绍高光谱遥感技术的原理，并通过案例分析探讨其在环境监测中的应用。
二、高光谱遥感技术原理高光谱遥感技术基于物体反射光谱的原理，通过获取物质的光谱特征来进行识别和分析。
传统的遥感技术只能采集三个波段的光谱信息，而高光谱遥感技术则能够采集上百个波段的连续光谱信息。
这种连续光谱信息包含了物体的细微差异，可以更准确地判断物质的组成、含量和状态。
高光谱遥感技术的获取方式多样，包括航空航天遥感技术、卫星遥感技术和无人机遥感技术等。
不同的获取方式适用于不同的场景和需求，可以根据实际情况选择最合适的方式。
三、高光谱遥感技术在环境监测中的应用案例1. 水质监测高光谱遥感技术能够对水体中的溶解性有机物、氨氮、总磷等进行准确测量，通过光谱信息分析可以检测水体中污染物的种类和浓度，为水质监测提供了有力的手段。
例如，在某湖泊水质监测项目中，高光谱遥感技术被应用于测定水中蓝藻的浓度，通过对蓝藻光谱信息的分析，可以实时掌握湖泊蓝藻的分布情况，及时采取治理措施。
2. 土壤环境监测土壤的质量对于农业生产和生态保护至关重要，而高光谱遥感技术可以在更大范围内对土壤环境进行监测和评价。
通过解析土壤的光谱反射特征，可以获得土壤养分含量、重金属污染程度以及土壤湿度等信息。
在一次农业生产中，高光谱遥感技术被应用于实时监测农田土壤的湿度，帮助农民及时调整灌溉措施，提高农作物的生产效率。
3. 空气质量监测空气质量是城市环境监测的重要指标之一，高光谱遥感技术可以通过监测大气中的气体成分和颗粒物浓度来评估空气质量。
例如，某城市在空气质量监测中应用高光谱遥感技术，通过对大气悬浮颗粒物的光谱信息进行分析，能够实时监测并预测空气中颗粒物的释放源和传输路径，为城市环保管理提供科学依据。
高光谱遥感技术在农业测绘中的应用随着科学技术的不断进步，高光谱遥感技术在农业测绘中的应用也越来越广泛。
高光谱遥感技术是指利用可见光、近红外到短波红外等多个波段的光谱信息，通过遥感技术获取地物的光谱特征，并对其进行分析和解译。
由于农业生产中许多问题与光谱特征有关，因此高光谱遥感技术可以帮助农业测绘人员更好地了解农田情况、提高农作物产量，以及监测农业环境的变化。
以下将从土壤检测、水分监测和作物健康评估三个方面探讨高光谱遥感技术在农业测绘中的应用。
首先，高光谱遥感技术在土壤检测中发挥着重要的作用。
土壤是农业生产的基础，了解土壤的性质对于选择合适的耕作措施和施肥措施十分重要。
传统的土壤检测方法通常需要采集土壤样本并送至实验室进行分析，耗时且成本较高。
而高光谱遥感技术通过对地表反射光谱的观测，可以实时获取土壤光谱信息，从而快速测定土壤的化学成分和质地等参数。
借助高光谱遥感技术，农业测绘人员可以更准确地评估土壤的养分状况和酸碱度，为土壤肥力调控提供科学依据。
其次，高光谱遥感技术在水分监测中也有广泛应用。
水分是农田灌溉的关键因素，合理的灌溉控制可以提高作物产量，降低用水量。
传统的水分监测方法通常通过地面观测或人工测量，但这些方法耗时且局限性较大。
高光谱遥感技术通过测量农田表面的反射光谱，可以在大范围、高时空分辨率下获取土壤湿度信息。
借助高光谱遥感技术，农业测绘人员可以对农田的水分状况进行实时监测，及时调整灌溉措施，实现精准灌溉，提高水资源利用效率。
最后，高光谱遥感技术在作物健康评估中也发挥着重要作用。
作物的生长过程受到多种因素的影响，如气候条件、土壤水分、养分供应等。
通过高光谱遥感技术，可以获取作物在不同光谱波段下的光谱特征，从而评估作物的养分状况、病虫害情况以及抗旱能力等。
借助高光谱遥感技术，农业测绘人员可以及时监测作物的生长状态，提供精准的管理建议，有助于提高作物产量和质量。
综上所述，高光谱遥感技术在农业测绘中有着广泛的应用前景。
如何利用新技术监测和治理土壤污染土壤，是我们赖以生存的根基，它为农作物提供养分，维持着生态系统的平衡。
然而，随着工业化进程的加速和农业化学物质的大量使用，土壤污染问题日益严峻。
为了保护我们的土地资源，保障食品安全和生态环境的健康，利用新技术监测和治理土壤污染已成为当务之急。
一、新技术在土壤污染监测中的应用1、高光谱遥感技术高光谱遥感技术就像是给土壤做了一次“全身扫描”。
它通过获取大量连续的光谱信息，能够快速、大面积地监测土壤的物理和化学特性。
不同的污染物在光谱上会有独特的“指纹”，通过分析这些光谱特征，我们可以准确地识别出土壤中的污染物质，包括重金属、有机物等，还能了解污染的范围和程度。
2、生物传感器技术生物传感器就像是土壤中的“小侦探”。
它利用生物活性物质，如酶、抗体、微生物等，与污染物发生特异性反应，产生可测量的电信号或光信号。
这种技术具有灵敏度高、响应速度快的特点，能够实时监测土壤中的微量污染物，为及时采取治理措施提供依据。
3、物联网技术物联网技术把土壤监测设备连接成了一个“智能网络”。
通过在土壤中布置各种传感器，如温度、湿度、酸碱度、污染物浓度等传感器，实时收集数据，并通过无线网络将数据传输到云平台。
这样，我们可以随时随地了解土壤的状况，实现对土壤污染的动态监测和预警。
二、新技术在土壤污染治理中的应用1、电动修复技术电动修复技术就像是给土壤“充电”。
在污染土壤两端施加直流电场，使污染物在电场作用下发生迁移，从而达到去除污染物的目的。
这种技术对于重金属污染的土壤治理效果显著，尤其是对于渗透性较差的土壤，具有操作简单、成本低等优点。
2、植物修复技术植物修复技术是让植物当“清洁工”。
一些特定的植物具有吸收、积累和降解污染物的能力，通过种植这些植物，可以将土壤中的污染物转移到植物体内，然后进行收割和处理。
例如，蜈蚣草可以吸收大量的砷，向日葵可以吸收重金属铅和镉。
这种技术不仅绿色环保，还能美化环境。
高光谱遥感技术在土壤养分监测中的应用随着科技的不断进步，高光谱遥感技术在许多领域中展现出了广阔的应用前景。
其中，其在土壤养分监测中的应用不仅为农业生产提供了重要的数据支持，同时也为环境保护和可持续发展做出了积极贡献。
一、高光谱遥感技术概述高光谱遥感技术是一种利用地球观测卫星对地球表面进行连续、多通道和连续的光谱测量的技术。
相较于传统遥感技术，高光谱遥感技术具有更高的空间和光谱分辨率，能够捕捉到更多的光谱信息，从而提供更为准确的土壤养分监测数据。
二、高光谱遥感技术在土壤养分监测中的优势1. 高精度的光谱信息高光谱遥感技术能够提供丰富的光谱信息，能够对土壤中各种物质进行准确识别和定量分析。
通过测量土壤表面的反射光谱，可以推断土壤中的氮、磷、钾等养分的含量，进一步提高土壤管理的精细化程度。
2. 大范围的监测能力传统的土壤养分监测工作通常需要采集大量的土壤样本，并进行实验室分析，过程繁琐且耗时。
而高光谱遥感技术可以实现对广大区域土壤的同时监测，大大提高了监测的效率和覆盖范围。
3. 长时间序列的监测高光谱遥感技术可以实现对土壤养分的长时间序列监测，通过连续观测土壤的光谱变化，可以追踪土壤中养分的动态变化，并及时采取相应的管理措施。
这对于农业生产的可持续发展非常重要。
三、高光谱遥感技术在土壤养分监测中的应用案例1. 土壤类型分类高光谱遥感技术能够通过分析土壤表面的光谱信息来判断土壤类型，从而为土壤肥力评价和农田规划提供基础数据。
例如，通过分析土壤的光谱特征，可以划分出不同的土壤类型，进而根据不同的土壤类型制定相应的土壤养分管理方案。
2. 养分含量测定高光谱遥感技术可以直接或间接反演土壤中的养分含量。
通过建立土壤光谱与养分含量之间的关系模型，可以通过遥感数据反演土壤中的氮、磷、钾等养分含量。
这种无需采样的方法不仅提高了监测效率，还降低了采样带来的干扰。
3. 养分时空变化监测高光谱遥感技术还可以实现土壤养分的时空动态监测。
高光谱遥感技术在环境监测中的应用高光谱遥感技术是一种通过获取地面物体的光谱信息，并通过光谱分析来推断物体的性质和组成的遥感技术。
它具有高精度、高分辨率、大范围、实时性强等优势，在环境监测中得到了广泛的应用。
本文将深入探讨高光谱遥感技术在环境监测中的应用。
首先，高光谱遥感技术可以用于水质监测。
水质是生态环境的重要组成部分，对人类和生态系统都具有重要影响。
通过高光谱遥感仪器获取水体反射谱线，可以分析出水体的透明度、浊度、富营养化程度、水色等关键指标。
通过对水体光谱的分析，可以实现对水体中悬浮物、藻类和溶解有机物等的监测，为水质改善和保护提供科学依据。
其次，高光谱遥感技术也可以应用于土壤监测。
土壤是农田和森林生态系统的重要组成部分，对农作物生长和生态恢复至关重要。
高光谱遥感技术可以获取土壤的反射光谱，并通过光谱分析来评估土壤的质地、含水量、养分含量等关键参数。
根据这些参数的测量结果，可以精确地制定土壤肥力调整和施肥方案，提高农作物的产量和质量，实现可持续农业发展。
同时，高光谱遥感技术在植被监测中也具有重要应用。
植被覆盖是环境监测和生态恢复的重要指标之一。
通过高光谱遥感技术获取植被反射谱线，可以分析出植被的生理状态、叶绿素含量、植被类型等关键信息。
这些信息可用于评估植被的健康状况、植被覆盖度以及生物量，为植被保护、生态恢复和生态系统管理提供科学依据。
另外，高光谱遥感技术还可以应用于大气污染监测。
大气污染对人们的健康和生态系统都具有严重危害，因此对大气污染的监测和预警非常重要。
通过高光谱遥感技术，可以获取大气中的颗粒物和气体的反射、散射光谱，通过光学模型分析得出大气中的颗粒物浓度、气体浓度等关键参数。
这些数据可以用于评估大气质量、掌握污染源分布和变化情况，为大气污染治理和应急响应提供指导。
最后，高光谱遥感技术在城市环境监测中也具有重要应用。
城市化进程快速推进，城市环境问题日益突出。
高光谱遥感技术可以获取城市地表的光谱信息并进行分析，识别并定量监测城市地表的构成元素、城市扩张规模、建筑物高度等关键参数。
高光谱成像在农业中的应用高光谱成像技术是一种多波段可见光与近红外光谱的图像技术，可有效地获取地物的光谱、小尺度属性和分布特征。
该技术主要应用于遥感影像分析、环境保护、城市规划等领域，而在农业领域也有着广泛的应用前景。
本文将从植物生长、病虫害诊断、农业环境监测三个层面，详细介绍高光谱成像技术在农业中的应用。
一、植物生长监测高光谱成像技术可以对植物各阶段的光谱反射率进行测量，进而获取不同波长下的特征光谱曲线，从而对植物生长阶段、营养状态等进行评估。
与传统的全光谱测量相比，高光谱成像技术可以快速获取大量的光谱数据，有效节约时间成本。
通过高光谱成像技术，可以对农作物进行非接触式的光谱检测，进而了解植物叶片上所包含的光谱信息，包括农作物的植被指数、叶面积指数、叶绿素含量等生长参数。
例如，在某一农作物旺盛生长的阶段，其叶绿素的含量相应增加，因此光谱成像技术可以获得更加明显的反射波峰值，有效地善别植物生长的不同阶段，更快速、准确地进行农业作物品质及特性的检测与评估。
二、病虫害诊断农作物生长过程中面临着来自病原体、昆虫害、气候变化和土地污染等各种外在压力，这些因素将直接影响农业的产出和农民的经济利益。
通过高光谱成像技术，可以检测农作物在发病之后，反射光谱的改变，并对植物叶面进行非接触式的快速诊断和应对。
例如，某些病原体会影响其周围植物的叶片光谱、叶片植绿素含量等，从而导致植物反射率发生变化。
利用高光谱成像技术，可以定位病害发生区域，并及时进行防治，有效地防止农作物产生更多的损失。
三、农业环境监测高光谱成像技术可以用于农业环境污染的监测和评估。
通过检测农业区域不同波长的反射光谱，可以准确、快速地评估农业灌溉水、土壤、农药等污染源的种类和程度。
同时，高光谱成像技术也能追踪土地、水体和大气环境的变化。
例如，在农田的应用中，高光谱成像技术可以监测土壤的pH 值、铁、铜、锰等重金属的含量，进一步评估农田的土壤污染情况。
在农业灌溉水监测中，可以检测水体的COD、悬浮颗粒物、磷含量等，进而监测水体污染情况。
土壤重金属含量的高光谱遥感反演方法综述摘要：随着工业生产规模的扩大、城市环境污染的加剧和农用化学物质种类、数量的增加，土壤重金属污染因其程度加剧、面积扩大而备受关注。
重金属污染物在土壤中移动差、滞留时间长、难被微生物降解，并可经水、植物等介质最终影响人体健康，因此对重金属污染的定量监测非常有必要并且意义重大。
高光谱遥感技术的发展为宏观、快速获取土壤重金属元素信息提供了新的契机，目前国内外学者基于土壤反射光谱特征，运用多种统计分析方法成功地预测了多种土壤重金属元素的含量。
介绍了土壤的光谱特征及光谱特征波段的提取，对利用高光谱遥感技术估算土壤重金属含量的主要方法进行了总结，对影响模型精度的主要因素进行了讨论，介绍了模型在模拟多光谱数据方面的应用，最后对模型反演过程出现的不足及今后的研究方向进行了展望。
关键词：土壤重金属；高光谱遥感；估算方法；统计分析；预测精度中图分类号：tp79；s158；s153.6 文献标识码：a 文章编号：0439-8114（2013）06-1248-06土壤是人类赖以生存的主要自然资源之一，也是人类生态环境的重要组成部分[1]。
随着工业的发展和农业生产的现代化，大量污染物进入土壤环境，其中重金属是重要的污染物质之一[2]。
土壤污染中重金属主要指汞、镉、铅、铬以及类金属砷等生物毒性显著的物质，也指具有一定毒性的一般重金属如锌、铜、钴、镍、锡等，目前最令研究者关注的重金属是汞、镉、铅等。
土壤重金属污染不仅会造成农作物减产，质量下降，严重者会通过食物链影响人体健康，因此对土壤重金属含量进行监测非常必要。
传统的野外采样和室内化学分析方法具有测量精度高、准确性强等优点，但相对费时费力，而且很难获取大面积空间上连续的污染物含量分布信息。
遥感技术因其多时相、大面积等特点逐渐被研究者应用于土壤性质的监测，高光谱遥感则以其多且连续的光谱波段特点被应用于监测土壤重金属含量，可以实现大范围、非破坏性和非接触元素的快速测样[3，4]。
土壤重金属含量的高光谱遥感反演方法综述摘要：随着工业生产规模的扩大、城市环境污染的加剧和农用化学物质种类、数量的增加，土壤重金属污染因其程度加剧、面积扩大而备受关注。
重金属污染物在土壤中移动差、滞留时间长、难被微生物降解，并可经水、植物等介质最终影响人体健康，因此对重金属污染的定量监测非常有必要并且意义重大。
高光谱遥感技术的发展为宏观、快速获取土壤重金属元素信息提供了新的契机，目前国内外学者基于土壤反射光谱特征，运用多种统计分析方法成功地预测了多种土壤重金属元素的含量。
介绍了土壤的光谱特征及光谱特征波段的提取，对利用高光谱遥感技术估算土壤重金属含量的主要方法进行了总结，对影响模型精度的主要因素进行了讨论，介绍了模型在模拟多光谱数据方面的应用，最后对模型反演过程出现的不足及今后的研究方向进行了展望。
关键词：土壤重金属；高光谱遥感；估算方法；统计分析；预测精度土壤是人类赖以生存的主要自然资源之一，也是人类生态环境的重要组成部分[1]。
随着工业的发展和农业生产的现代化，大量污染物进入土壤环境，其中重金属是重要的污染物质之一[2]。
土壤污染中重金属主要指汞、镉、铅、铬以及类金属砷等生物毒性显著的物质，也指具有一定毒性的一般重金属如锌、铜、钴、镍、锡等，目前最令研究者关注的重金属是汞、镉、铅等。
土壤重金属污染不仅会造成农作物减产，质量下降，严重者会通过食物链影响人体健康，因此对土壤重金属含量进行监测非常必要。
传统的野外采样和室内化学分析方法具有测量精度高、准确性强等优点，但相对费时费力，而且很难获取大面积空间上连续的污染物含量分布信息。
遥感技术因其多时相、大面积等特点逐渐被研究者应用于土壤性质的监测，高光谱遥感则以其多且连续的光谱波段特点被应用于监测土壤重金属含量，可以实现大范围、非破坏性和非接触元素的快速测样[3，4]。
由于土壤中重金属含量低，对土壤光谱曲线影响微弱，直接分析土壤样品重金属元素的特征光谱来估算其含量比较困难。
高光谱遥感影像处理与地质勘查应用实例近年来，高光谱遥感技术在地质勘查中扮演着越来越重要的角色。
高光谱遥感影像处理的研究和应用，旨在识别和解释地表成像中的物质组成和属性。
本文将探讨高光谱遥感影像处理的基本原理以及其在地质勘查中的应用实例。
一、高光谱遥感影像处理原理高光谱遥感，简称HSI（Hyperspectral Imaging），利用一定波段范围内的连续光谱信息，获得地物的光谱反射率，并进一步实现对地物信息的获取和分析。
其基本原理是通过记录可见光与地表物质相互作用的光谱信息，从而了解地物的组成和属性。
高光谱遥感影像处理需要经过一系列的步骤。
首先，通过光谱辐射计测量不同波段的反射强度，得到高光谱数据。
然后，对高光谱数据进行预处理，包括大气校正和几何校正等，以提高数据的可靠性。
接下来，利用光谱分析方法对高光谱数据进行处理，比如光谱曲线拟合、分类和变化检测等。
最后，将处理后的数据转换为可视化图像，用于解释和应用。
二、高光谱遥感影像处理的地质勘查应用1. 矿产资源勘探高光谱遥感影像处理在矿产资源勘探中具有重要的应用价值。
通过分析光谱特征，可以发现潜在的矿产资源分布。
例如，在铜矿勘探中，铜矿石中的铜通常具有特定的吸收光谱特征，利用高光谱遥感技术可以检测到这种特征，进而快速标定矿区范围。
2. 地质构造研究高光谱遥感影像处理也可以应用于地质构造研究。
地质构造通常与特定矿产资源的分布有关，因此通过分析高光谱影像中的相对强度变化，可以揭示地质构造的分布规律，从而预测矿产资源的潜力。
3. 矿石评估矿石的质量和成分对矿石的开采和加工具有重要的影响。
利用高光谱遥感影像处理可以快速获取矿石的光谱信息，从而对矿石进行评估。
例如，在黄铁矿评估中，通过分析高光谱数据中的红外光谱特征，可以判断矿石中赤铁矿含量的高低。
4. 水文地质调查水文地质调查是研究地下水分布和地下水水质状况的重要手段。
利用高光谱遥感影像处理可以识别地表的植被状况和水质特征，从而推断地下水的分布和水质变化。
㊀山东农业科学㊀２０２４ꎬ５６(３):１６３~１７０ＳｈａｎｄｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ㊀ＤＯＩ:１０.１４０８３/ｊ.ｉｓｓｎ.１００１－４９４２.２０２４.０３.０２２收稿日期:２０２３－０８－２４基金项目:国家自然科学基金面上项目(４１９７７０１９)ꎻ山东省本科教学改革研究面上项目(Ｍ２０２１０６２)ꎻ山东省科技型中小企业创新能力提升工程项目(２０２２ＴＳＧＣ２４３７)作者简介:鄂高阳(２００２ )ꎬ男ꎬ黑龙江佳木斯人ꎬ在读本科生ꎬ研究方向为土地资源管理ꎮＥ－ｍａｉｌ:２９６６２８１７０８＠ｑｑ.ｃｏｍ韩芳(１９８１ )ꎬ女ꎬ博士ꎬ副教授ꎬ研究方向为资源环境遥感应用ꎮＥ－ｍａｉｌ:ｈａｎｆ＠ｌｒｅｉｓ.ａｃ.ｃｎ∗同为第一作者ꎮ通信作者:刘之广(１９８７ )ꎬ男ꎬ山东招远人ꎬ博士ꎬ副教授ꎬ主要从事土壤肥料资源高效利用研究ꎮＥ－ｍａｉｌ:ｌｉｕｚｈｉｇｕａｎｇ８２３５１２６＠１２６.ｃｏｍ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１ꎬ韩芳２∗ꎬ秦秉希３ꎬ刘之广１(１.山东农业大学资源与环境学院ꎬ山东泰安㊀２７１０１８ꎻ２.山东理工大学建筑工程与空间信息学院ꎬ山东淄博㊀２５５０４９ꎻ３.山东农业大学信息科学与工程学院ꎬ山东泰安㊀２７１０１８)㊀㊀摘要:近年来ꎬ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ꎬ且在农业生产㊁环境保护和自然资源管理等几个方面成效卓著ꎮ但是ꎬ土壤问题依然影响着人类的生态文明建设ꎬ制约着人类健康和发展的稳定性ꎮ随着国内外对土壤问题研究和调查的不断深入ꎬ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ꎬ但也暴露出监测技术不足㊁监测方法亟待改进等很多新问题ꎮ本文综述了遥感监测技术在农业生产㊁环境保护和自然资源管理三个方面的应用现状ꎬ重点对遥感监测手段㊁遥感技术在土壤监测方面的应用进行了较全面的阐述ꎬ对现有工作中存在的问题进行总结ꎬ并对今后的发展方向做出展望ꎮ关键词:遥感技术ꎻ土壤综合监测ꎻ农业生产ꎻ环境保护ꎻ自然资源管理中图分类号:Ｓ１２７㊀㊀文献标识号:Ａ㊀㊀文章编号:１００１－４９４２(２０２４)０３－０１６３－０８ＡｐｐｌｉｃａｔｉｏｎｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇＴｅｃｈｎｏｌｏｇｙｏｎＩｎｔｅｇｒａｔｅｄＭｏｎｉｔｏｒｉｎｇｏｆＡｇｒｉｃｕｌｔｕｒａｌＲｅｓｏｕｒｃｅｓａｎｄＳｏｉｌＥｎｖｉｒｏｎｍｅｎｔＥＧａｏｙａｎｇ１ꎬＨａｎＦａｎｇ２∗ꎬＱｉｎＢｉｎｇｘｉ３ꎬＬｉｕＺｈｉｇｕａｎｇ１(１.ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔꎬＳｈａｎｄｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＴａｉａｎ２７１０１８ꎬＣｈｉｎａꎻ２.ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＧｅｏｍａｔｉｃｓꎬＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙꎬＺｉｂｏ２５５０４９ꎬＣｈｉｎａꎻ３.ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇꎬＳｈａｎｄｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＴａｉａｎ２７１０１８ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ㊀Ｔｈｅｒｅｃｅｎｔｄｅｖｅｌｏｐｍｅｎｔｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｉｑｕｅａｎｄｅｑｕｉｐｍｅｎｔｈａｓａｄｖａｎｃｅｄｉｔｓａｐｐｌｉｃａ￣ｔｉｏｎｏｎｉｎｔｅｇｒａｔｅｄｍｏｎｉｔｏｒｉｎｇｏｆａｇｒｉｃｕｌｔｕｒａｌｒｅｓｏｕｒｃｅｓａｎｄｓｏｉｌｅｎｖｉｒｏｎｍｅｎｔꎬｗｈｉｃｈｈａｓｏｕｔｓｔａｎｄｉｎｇｅｆｆｅｃｔｓｉｎａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｉｏｎꎬｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｔｅｃｔｉｏｎａｎｄｎａｔｕｒａｌｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔ.Ｈｏｗｅｖｅｒꎬｓｏｉｌｐｒｏｂｌｅｍｓｓｔｉｌｌａｆｆｅｃｔｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｈｕｍａｎｅｃｏｌｏｇｉｃａｌｃｉｖｉｌｉｚａｔｉｏｎａｎｄｒｅｓｔｒｉｃｔｔｈｅｓｔａｂｉｌｉｔｙｏｆｈｕｍａｎｈｅａｌｔｈａｎｄｄｅｖｅｌ￣ｏｐｍｅｎｔ.Ｗｉｔｈｔｈｅｄｅｅｐｅｎｉｎｇｏｆｒｅｓｅａｒｃｈａｎｄｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｓｏｉｌｐｒｏｂｌｅｍｓａｔｈｏｍｅａｎｄａｂｒｏａｄꎬａｓｅｒｉｅｓｏｆｔａｒ￣ｇｅｔｅｄｓｏｌｕｔｉｏｎｓａｎｄｐｏｌｉｃｙｍｅａｓｕｒｅｓｈａｄｂｅｅｎｐｕｔｆｏｒｗａｒｄａｎｄｈａｄｉｍｐｒｏｖｅｄｓｏｉｌｅｎｖｉｒｏｎｍｅｎｔｔｏａｃｅｒｔａｉｎｅｘ￣ｔｅｎｔ.Ｂｕｔｍａｎｙｎｅｗｐｒｏｂｌｅｍｓｓｕｃｈａｓｉｎａｄｅｑｕａｃｙａｎｄｎｅｅｄｔｏｉｍｐｒｏｖｉｎｇｏｆｍｏｎｉｔｏｒｉｎｇｔｅｃｈｎｏｌｏｇｙｈａｖｅｂｅｅｎｅｘｐｏｓｅｄ.Ｉｎｔｈｉｓｐａｐｅｒꎬｔｈｅａｐｐｌｉｃａｔｉｏｎｓｔａｔｕｓｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｍｏｎｉｔｏｒｉｎｇｔｅｃｈｎｉｑｕｅｏｎａｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃ￣ｔｉｏｎꎬｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｔｅｃｔｉｏｎａｎｄｎａｔｕｒａｌｒｅｓｏｕｒｃｅｍａｎａｇｅｍｅｎｔｗｅｒｅｒｅｖｉｅｗｅｄꎬｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｍｏｎｉｔｏｒｉｎｇｔｏｏｌｓａｎｄｔｅｃｈｎｉｑｕｅｓｏｎｓｏｉｌｍｏｎｉｔｏｒｉｎｇｗａｓｅｌａｂｏｒａｔｅｄꎬｔｈｅｅｘｉｓｔｉｎｇｐｒｏｂｌｅｍｓｗｅｒｅｓｕｍｍａ￣ｒｉｚｅｄꎬａｎｄｔｈｅｏｕｔｌｏｏｋｏｆｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｗａｓｐｒｏｐｏｓｅｄ.Ｋｅｙｗｏｒｄｓ㊀ＲｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙꎻＩｎｔｅｇｒａｔｅｄｍｏｎｉｔｏｒｉｎｇｏｆｓｏｉｌꎻＡｇｒｉｃｕｌｔｕｒａｌｐｒｏｄｕｃｔｉｏｎꎻＥｎｖｉｒｏｎ￣ｍｅｎｔａｌｐｒｏｔｅｃｔｉｏｎꎻＮａｔｕｒａｌｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔ㊀㊀土壤作为农业㊁林业㊁畜牧业等领域的重要资源ꎬ其质量㊁特性及变动会对作物产量和品质产生直接影响ꎮ在社会与经济不断发展的大背景下ꎬ土壤开发利用中的损害和污染问题日益凸显ꎮ近年来ꎬ土壤问题已引起广泛关注ꎬ不仅关系到人类的生活品质ꎬ更是国家可持续发展战略的重要组成部分ꎮ因此ꎬ加强土壤综合监测和保护能力ꎬ有利于推进国家生态文明建设和提高生态兼容性[１－２]ꎮ工业经济的迅速发展对生态环境造成了极大的破坏ꎬ且土壤处于脆弱状态ꎬ易遭受到来自物理㊁化学等多方面的影响ꎮ研究显示ꎬ人类活动引起的全球生态环境变化ꎬ致使土壤严重受损ꎬ直接或间接导致全球生物多样性和生态功能的退化[３－４]ꎮ例如ꎬ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ꎬ有毒物质通过食物链积累ꎬ最终进入人体ꎬ产生与癌症㊁遗传毒性等相关的物质[５－６]ꎮ工业化进程不断推进ꎬ土壤环境恶化加剧ꎬ工业废水排放等导致土壤污染问题日益严重ꎬ土壤中重金属含量急剧上升ꎬ给食物链的中高层生物带来严重威胁[７－８]ꎮ在我国ꎬ土壤问题主要表现为不合理开发㊁不合规排放和有毒农药及化肥的过度使用等ꎬ水土流失㊁土壤侵蚀和土壤污染等问题尤为严重[１－２]ꎮ与此同时ꎬ我国土壤监测发展相对滞后ꎮ国外土壤监测的相关研究可追溯至２０世纪６０年代末ꎬ而我国则在２０世纪８０年代才开始ꎮ因此ꎬ我国亟需采取有效措施进行土壤环境监测和修复ꎮ传统的土壤监测方法主要依赖于现场调查和实验室分析ꎬ耗时长㊁费用高ꎬ且难以实现大范围㊁高效率的监测ꎮ遥感监测是指利用遥感技术进行监测的技术方法ꎬ在获取大面积信息方面具有快而全的优势ꎬ为土壤监测提供了新的可能性[９]ꎮ１㊀土壤综合监测及遥感技术概述遥感技术具有监测范围广㊁信息连续性强㊁信息处理效率高等优势ꎮ相较于传统监测技术ꎬ遥感技术可大幅降低人工和经济成本ꎬ缩短信息处理周期ꎬ保证信息时效性ꎬ有助于加快土壤信息汇总进度ꎬ及时处理土壤污染事件ꎮ遥感技术还可进行非常规监测ꎬ扩大土壤监测范围且对极端地形的监测效果显著ꎬ还能够实现全天候环境监测ꎮ遥感技术可实现对单个区域的动态监测ꎬ有助于监测土壤变化ꎬ及时了解土壤受污染程度ꎬ实时监控土壤修复进程ꎬ提升土壤污染治理效果ꎮ遥感技术作为一项综合技术ꎬ实现了土壤资源整合的统一与信息化ꎬ推进了土壤综合监测等的研究进度ꎮ土壤遥感监测基本流程如图１所示ꎮ图１㊀土壤遥感监测流程４６１山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５６卷㊀㊀㊀土壤遥感监测通常包含８个理化指标㊁３种放射性监测方式㊁１７种有机监测方式和２３种无机监测方式[９]ꎮ数据源主要有多源遥感卫星数据㊁无人机遥感数据以及地面测量数据等ꎮ多源遥感卫星数据包括Ｌａｎｄｓａｔ㊁ＭＯＤＩＳ㊁Ｓｅｎｔｉｎｅｌ等ꎬ这些卫星的光谱范围广㊁时间分辨率高ꎬ可满足不同尺度㊁不同时相的土壤监测需求ꎻ无人机遥感数据优势在于具有高空间㊁高时间分辨率和高精度ꎬ利于细节特征的精细化监测ꎻ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ꎬ可与遥感数据交叉验证ꎬ提高监测精度和可信度ꎮ２㊀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ꎬ对土壤进行非接触式的监测和评估ꎬ可以为土地利用㊁农业生产㊁环境保护等领域提供丰富的信息ꎬ是实现土壤可持续发展的重要工具ꎮ常用的土壤遥感监测技术包括: (１)遥感影像分析技术ꎮ利用高分辨率卫星或无人机获取的影像数据ꎬ分析土壤覆盖类型㊁土地利用状况以及土壤质量[１０]ꎮ如利用Ｌａｎｄｓａｔ卫星数据进行耕地㊁林地㊁草地等土地利用类型的分类和监测ꎻ通过ＮＤＶＩ(ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅ￣ｔａｔｉｏｎｉｎｄｅｘ)指数评估植被覆盖程度ꎬ从而反映土壤肥力状况ꎮ(２)土壤光谱技术ꎮ这是一种利用光谱仪器测量土壤反射光谱ꎬ推断土壤性质和特征的方法[１１]ꎮ例如ꎬ近红外光谱技术可以获取土壤有机质含量㊁水分含量和ｐＨ值等信息ꎻ红外光谱技术可以获得土壤粘粒含量和矿物成分信息ꎮ通过这些信息可以评估和监测土壤质量ꎮ(３)地球物理勘探技术ꎮ这是通过测量土壤的物理特征ꎬ如电阻率㊁磁性和声波传播速度等ꎬ推断土壤性质和结构的方法ꎮ例如ꎬ电磁法测量土壤电阻率可以获取土壤含水量和盐分信息ꎻ地震波速度测量技术可以获得土壤密度和压缩模量信息ꎮ通过这些信息可以评估和监测土壤结构和性质ꎮ综上所述ꎬ通过三种土壤遥感监测技术ꎬ可获取土壤覆盖类型㊁土地利用状况㊁土壤质量与结构等信息ꎬ实现无接触的土壤监测和评估ꎬ为土地利用㊁农业生产与环境保护等提供丰富的数据和信息ꎬ为土壤资源的管理与保护提供科学有效的数据支持ꎮ３㊀遥感技术应用３.１㊀农业生产遥感技术在农业领域应用非常广泛ꎮ郭广猛等[１２]使用中红外波段对土壤湿度进行遥感监测ꎬ通过回归分析发现土壤水分与ＭＯＤＩＳ(ｍｏｄｅｒａｔｅ￣ｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ)第７波段的反射率之间具有较好的相关关系ꎮＺｈｕ等[１３]利用机器学习对根际土壤湿度进行预测ꎬ显著提高了土壤水分预测的准确率与服务水平ꎮＬｉｕ等[１４]研究表明土壤光谱反射率与土壤湿度存在相关性ꎬ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ꎮ通过对土壤盐碱性㊁腐蚀㊁水分以及农作物生长环境等进行遥感监测分析ꎬ可以连续监测并发现其变化趋势ꎬ为其管理提供科学的指导和建议ꎮ例如提出农业用水管理决策ꎬ提高农业灌溉用水效率等[１５]ꎮ同时ꎬ遥感技术也可监测草地的长势㊁产量㊁退化㊁沙化及耕地与草地的面积变化等[１６]ꎬ为草原与畜牧业管理决策提供有价值的信息ꎮ通过遥感数据可以了解农业有效灌溉面积的增长情况[１７]ꎬ并预测未来的发展趋势ꎬ对于解决灌溉节水及水土流失等问题具有重要意义ꎮ遥感技术还可以通过监测土地利用变化情况ꎬ对农业生产提供支持ꎮ例如ꎬ可以对农田土地利用类型进行分类ꎬ了解耕地的变化情况ꎬ以便能够及时调整农业生产布局ꎮ同时ꎬ遥感技术还可以监测农作物的生长状况(生长阶段㊁病虫害等)ꎬ为农业生产提供实时数据支持ꎬ帮助农民及时采取相应的管理措施ꎮＲｏｍａｎａｋ等[１８]利用气相色谱法对土壤环境(如二氧化碳㊁氧气㊁温度㊁水分和压力等)进行了长期监测ꎮＪｉａｏ等[１９]利用极化细束影像对加拿大安大略东北部地区的小麦㊁大豆等主要作物进行了分类和面积提取ꎮ岳云开等[２０]利用无人机多光谱遥感反演苎麻叶绿素含量ꎬ为高效检测苎麻叶绿素提供新方法ꎮ杨娜等[２１]利用ＳＭＯＳ㊁ＳＭＡＰ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ꎬ明确了近期青藏高原土壤水分的总体分布状况ꎬ为地区和全球气候及灾害的预测预报提供了５６１㊀第３期㊀㊀㊀㊀㊀㊀鄂高阳ꎬ等:遥感技术在农业资源与土壤环境综合监测上的应用借鉴和科学依据ꎮＢａｌａ等[２２]基于ＭＯＤＩＳ影像的ＮＤＶＩ数值进行土豆长势监测ꎮ何亚娟等[２３]对冬小麦不同生育期的产量三因子(穗数㊁穗粒数㊁千粒重)进行双因子建模ꎬ使预报时间提前至抽穗后期至灌浆期ꎬ并且有９０％的拟合精度ꎮＳｏｎ等[２４]利用ＭＯＤＩＳ数据建立了水稻生长期与单产的关系模型ꎬ并成功应用于湄公河三角洲水稻的长势监测与产量预测ꎮ韩文霆等[２５]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ꎬ为农业生产提供了科学依据ꎮ３.２㊀环境保护遥感技术可以实时监测土壤质地㊁营养成分等的变化ꎬ进而对土壤质量和健康进行评估ꎮ其中ꎬ遥感技术在土壤侵蚀㊁土壤污染和土地利用监测等方面具有重要的应用价值ꎮ３.２.１㊀土壤侵蚀监测㊀遥感技术可以通过监测土壤的光谱信息ꎬ实现土壤侵蚀情况的监测ꎮ研究表明ꎬ４５０ｎｍ波段光谱值与土壤水分含量有关ꎬ５００~６４０ｎｍ波段与土壤中氧化铁含量有关ꎬ６６０ｎｍ波段与土壤有机质含量呈负相关[２６]ꎮ杨丽娟等[２７]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ꎬ为切沟的预防与治理提供科学依据ꎮ遥感监测技术为及时制定对策防止土壤流失和泥石流等自然灾害情况发生提供了重要的数据支撑ꎮ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ꎬ使之能够对小流域水土流失动态变化进行分析和评价ꎮ３.２.２㊀土壤利用监测㊀遥感技术可以通过土地利用监测ꎬ帮助农业决策者确定土地分类和资源要求等信息ꎮ例如ꎬ黄应丰等[２９]利用土壤光谱特性对华南地区主要土壤类型进行分类ꎬ提取１０个光谱特征作为土壤光谱特征指标ꎬ综合应用土壤特征指标及其他分类指标对土壤进行分类ꎬ结果与中国土壤系统分类[３０]中的相关内容相一致ꎮ李娜等[３１]利用基于ＰＯＩ数据的城市功能区识别与分布特征研究ꎬ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ꎬ为土壤分类识别在城市规划㊁城市管理㊁经济分析和环境保护等方面的应用提供了借鉴ꎮＳｅｎａｎａｙａｋｅ等[３２]利用遥感影像对降水量㊁土地利用率㊁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ꎬ监测土壤侵蚀㊁作物多样性和降水量变化ꎮ赵建辉等[３３]提出了一种基于特征选择和ＧＡ－ＢＰ(ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ￣ｂａｃｋｐｒｏｐａｇａｔｉｏｎ)神经网络的多源遥感农田地表土壤水分反演方法ꎬ为多源遥感农田地表土壤水分反演提供了新思路ꎮ冯泉霖等[３４]利用多光谱影像生成聚类深度网络遥感估算模型ꎬ完成ＳＯＭ的含量估算与区域尺度上的数字制图ꎬ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ꎮ３.２.３㊀土壤污染与重金属监测㊀通过遥感技术提取大面积土地的红外㊁雷达和光谱信息ꎬ实现土壤污染监测ꎮ遥感数据的采集㊁处理和分析可以揭示出地表环境的空间分布ꎬ便于地理信息系统(ＧＩＳ)管理地表资源ꎮ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ꎬ依据土壤类别㊁地形地貌㊁气象特征㊁植被类型和人类活动等因素变化进行污染物模型构建ꎮ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ꎬ可为环境污染评价及生态保护提供更好的数据支撑ꎮＭｅｓｑｕｉｔａ等[３６]通过对土壤淋滤过程进行模拟分析ꎬ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ꎮ宋子豪等[３７]通过对石油污染的农田土和湿地土进行采样分析ꎬ考察了石油污染对两种类型土壤的影响ꎮ黄长平等[３８]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ꎮ张雅琼等[３９]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ꎬ验证表明归一化绿红差异指数的提取精度在９７.５％以上ꎮ蔡东全等[４０]利用ＨＪ－１Ａ高光谱遥感数据研究发现ꎬ铜㊁锰㊁镍㊁铅㊁砷在４８０~９５０ｎｍ波段内具有较好的遥感建模和反演效果ꎮ宋婷婷等[４１]基于ＡＳＴＥＲ遥感影像研究土壤锌污染ꎬ发现４８１㊁１０００㊁１２２０ｎｍ是锌的敏感波段ꎬ相关性最好的波段在５１５ｎｍ处ꎮＤｖｏｒｎｉｋｏｖ等[４２]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ꎬ并根据地形建立了回归模型ꎬ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ꎮ钟亮等[４３]以遗传算法优化的偏最小二乘回归算法ꎬ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ꎬ为将来实现定６６１山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５６卷㊀量㊁动态㊁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ꎮ综上所述ꎬ随着遥感技术的不断升级和完善ꎬ其在土壤侵蚀监测㊁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ꎮ遥感技术可以为农业生产提供科学依据ꎬ帮助农业决策者制定更加科学的农业规划ꎬ促进农业可持续发展ꎮ３.３㊀自然资源管理遥感技术可以通过多角度㊁多时相的综合分析和评估ꎬ获取综合性土壤信息ꎬ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ꎬ辅助ＧＩＳ等信息技术分析手段对土地资源进行评估㊁监测和管理ꎮ其主要应用包括土壤类型识别㊁土壤水分监测㊁土壤质量评估和土地利用变化监测ꎮ３.３.１㊀土壤类型识别㊀遥感技术可以在短时间内获取大面积土壤类型信息ꎬ为构建土地利用/覆盖类型分类提供基础数据ꎬ为土地利用管理提供科学参考ꎮ例如ꎬ徐彬彬等[４４]通过测定我国２３类主要土壤类型的反射光谱曲线ꎬ将其归纳为平直型㊁缓斜型㊁陡坎型和波浪型ꎬ为构建土地类型分类提供了依据ꎮＷｅｉ等[４５]利用机器学习和高光谱技术ꎬ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ꎬ为土壤类型识别提供了借鉴ꎮＣｈｉｍｅｌｏ等[４６]利用ＰｌａｎｅｔＳｃｏｐｅ卫星星座和随机森林算法预测土壤中的粘土含量ꎮＴｕｎçａｙ等[４７]利用ＳＦＩ等级与卫星图像的植被指数值进行比较ꎬ量化干旱与半干旱地区土壤的物理㊁化学和肥力指标的空间动态ꎮ杨栋淏等[４８]通过结合多光谱与高光谱遥感数据ꎬ对云南山原红壤主要养分含量的高光谱特性进行研究ꎬ并利用机器学习建立相关模型ꎬ为土壤养分含量估测提供了依据ꎮ３.３.２㊀土壤水分监测㊀遥感技术可以多角度㊁多时相地获取土壤水分动态变化信息ꎬ结合植被生长指数等参数ꎬ帮助实现农林生产㊁荒漠化和水土流失等环境问题的监测ꎮ陈怀亮等[４９]利用归一化植被指数ＮＤＶＩ和ＡＶＨＲＲ４通道亮温建立回归方程ꎬ将土壤含水量与遥感指数联系起来ꎮ国外学者通过对比分析ＥＲＳ－１的ＳＡＲ图像与地面土壤水分实测值ꎬ发现土壤含水量与雷达后向散射系数间呈线性关系[５０]ꎮ许泽宇等[５１]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ꎬ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ꎬ加入自适应权重以及进行多通道训练等多方面改进ꎬ提高了地物高精度分类网络Ｅ－ＤｅｅｐＬａｂ的性能ꎬ为适用于遥感地物的自动分类和提取提供了借鉴ꎮＤａｒｉ等[５２]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ꎬ取得较好结果ꎬ可为土壤水分遥感分析工作提供依据ꎮ３.３.３㊀土壤质量评估与土地利用变化监测㊀遥感技术可以精准㊁快速地获取相关土壤信息ꎬ用于土壤质量变化趋势分析㊁预测和评估ꎮＤａｌａｌ等[５３]使用近红外光谱法预测土壤水分㊁有机碳和总氮含量ꎬ发现土壤有机质含量在０~２.６％范围内时ꎬ近红外法预测结果相对准确ꎻ而在有机质含量高于２.６％时ꎬ预测结果存在偏差ꎮＢｅｎ￣Ｄｏｒ等[５４]利用近红外光谱法预测土壤有机质含量ꎬ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ꎮ沙晋明等[５５]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ꎬ并测定了各土层土壤的有机质含量ꎮＧｕｏ等[５６]利用多光谱㊁高光谱数据与植被指数ꎬ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ꎮ张智韬等[５７]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ꎬ利用偏最小二乘回归算法和极限学习机算法构建不同覆盖度下各深度土壤含盐量反演模型ꎬ为无人机多光谱遥感监测农田土壤盐渍化提供了思路ꎮ吴倩等[５８]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ꎬ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ꎮ佘洁等[５９]分析土壤养分空间变异来源ꎬ兼述遥感㊁ＧＩＳ与人工智能等研究现状ꎬ并对当前存在的问题进行剖析ꎮ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ꎬ并进一步提供多维度数据可视化和地表覆被变化分析等ꎬ快速监测不可再生土地用途的变化情况ꎬ这对于土地资源管理和保护具有重要意义ꎮ综上所述ꎬ遥感技术在土地资源管理和评估中具有重要的应用价值ꎬ可以为土地利用/覆盖类７６１㊀第３期㊀㊀㊀㊀㊀㊀鄂高阳ꎬ等:遥感技术在农业资源与土壤环境综合监测上的应用型分类㊁土壤水分监测㊁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ꎮ随着遥感技术的不断发展和创新ꎬ其在土地资源管理和评估中的应用将会更加广泛和深入ꎬ为土地可持续利用和保护提供更强大的支持ꎮ４㊀展望土壤综合遥感监测技术已经在农牧业㊁林业㊁荒漠化和环境保护中得到广泛应用ꎮ综合遥感监测具有较高的实用价值ꎬ为土地资源的监测和管理提供了较为可靠的科学依据ꎮ尤其在当前科技发展较为迅速的大背景下ꎬ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㊁生态环境保护㊁自然灾害预警㊁公共安全等领域提供科学的数据基础和服务支撑ꎮ４.１㊀农业生产应用展望随着遥感技术的不断升级和完善ꎬ其在农业领域的应用将更加广泛和深入ꎮ例如ꎬ随着卫星分辨率的提高ꎬ可以更加精确地监测农田的土地利用㊁土壤水分等情况ꎬ为农业生产提供更加精准的数据支持ꎻ同时ꎬ随着人工智能和机器学习技术的发展ꎬ可以利用遥感数据进行数据挖掘和分析ꎬ提高数据的处理效率和准确性ꎬ帮助农业生产做出更加科学的管理决策ꎻ此外ꎬ还可以将遥感技术与其他技术相融合ꎬ如地理信息系统㊁无人机等技术ꎬ实现更加全面㊁精准的农业监测和管理ꎮ４.２㊀环境保护应用展望随着无人机㊁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ꎬ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ꎮ例如ꎬ利用无人机㊁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ꎬ实现土地利用㊁植被覆盖等信息的分析ꎬ结合地面监测数据ꎬ可以及时发现土壤污染情况并进行污染程度评估ꎻ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ꎬ包括农地㊁城市扩展㊁森林覆盖等情况ꎬ有助于合理规划土地利用结构ꎬ保护耕地和生态环境ꎻ通过长时间㊁高时空和高分辨率的遥感影像监测土壤侵蚀㊁土地滑坡㊁沙漠化等自然灾害ꎬ及时发现灾害隐患并评估风险ꎬ可为防灾减灾提供技术支持等ꎮ４.３㊀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ꎬ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ꎮ例如ꎬ通过监测土地利用类型㊁土地覆盖变化㊁土地利用强度等信息ꎬ利用大数据以及人工智能技术帮助制定土地规划㊁土地整治和土地利用政策等ꎻ通过对土地资源进行监测和评估ꎬ实现土地资源的合理利用ꎬ保护农田㊁森林㊁草原等重要生态系统ꎬ维护生态平衡ꎻ通过监测土壤水分含量㊁地下水位㊁土壤侵蚀情况等ꎬ合理利用和保护水资源等ꎮ综上ꎬ土壤综合遥感监测在农业生产发展㊁环境保护和自然资源管理等场景中具有重要的应用价值ꎬ未来还需加强遥感数据与地面测量数据的协同应用ꎬ优化反演模型㊁特征提取和分类识别方法ꎬ发挥遥感技术在土壤监测研究和应用中的更大潜力ꎮ参㊀考㊀文㊀献:[１]㊀王慧婷ꎬ王洪敏ꎬ李百庆.土壤资源环境保护研究[Ｊ].环境与发展ꎬ２０１８ꎬ３０(５):２４０－２４２.[２]㊀郝梦洋ꎬ朱欣.重金属土壤污染的来源和影响[Ｊ].现代盐化工ꎬ２０１７(３):１１ꎬ２６.[３]㊀ＳｍｉｔｈＰꎬＨｏｕｓｅＪＩꎬＢｕｓｔａｍａｎｔｅＭꎬｅｔａｌ.Ｇｌｏｂａｌｃｈａｎｇｅｐｒｅｓ￣ｓｕｒｅｓｏｎｓｏｉｌｓｆｒｏｍｌａｎｄｕｓｅａｎｄｍａｎａｇｅｍｅｎｔ[Ｊ].ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙꎬ２０１６ꎬ２２(３):１００８－１０２８.[４]㊀ＬａｌＲ.Ｒｅｓｔｏｒｉｎｇｓｏｉｌｑｕａｌｉｔｙｔｏｍｉｔｉｇａｔｅｓｏｉｌｄｅｇｒａｄａｔｉｏｎ[Ｊ].Ｓｕｓｔａｉｎａｂｉｌｉｔｙꎬ２０１５ꎬ７(５):５８７５－５８９５.[５]㊀ＬｅｍｏｓＰＶＲＢꎬＭａｒｔｉｎｓＪＬꎬＬｅｍｏｓＳＰＰꎬｅｔａｌ.Ｈｅｐａｔｉｃｄａｍａｇｅｉｎｎｅｗｂｏｒｎｓｆｒｏｍｆｅｍａｌｅｒａｔｓｅｘｐｏｓｅｄｔｏｔｈｅｐｅｓｔｉｃｉｄｅｄｅｒｉｖａｔｉｖｅｅｔｈｙｌｅｎｅｔｈｉｏｕｒｅａ[Ｊ].ＡｃｔａＣｉｒｕｒｇｉｃａＢｒａｓｉｌｅｉｒａꎬ２０１２ꎬ２７(１２):８９７－９０４.[６]㊀ＭａｒａｎｇｈｉＦꎬｄｅＡｎｇｅｌｉｓＳꎬＴａｓｓｉｎａｒｉＲꎬｅｔａｌ.ＲｅｐｒｏｄｕｃｔｉｖｅｔｏｘｉｃｉｔｙａｎｄｔｈｙｒｏｉｄｅｆｆｅｃｔｓｉｎＳｐｒａｇｕｅＤａｗｌｅｙｒａｔｓｅｘｐｏｓｅｄｔｏｌｏｗｄｏｓｅｓｏｆｅｔｈｙｌｅｎｅｔｈｉｏｕｒｅａ[Ｊ].ＦｏｏｄａｎｄＣｈｅｍｉｃａｌＴｏｘｉｃｏｌｏ￣ｇｙꎬ２０１３ꎬ５９:２６１－２７１.[７]㊀ＨｕａｎｇＹＦꎬＣｈｅｎＧＦꎬＸｉｏｎｇＬＭꎬｅｔａｌ.Ｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｏｆｈｅａｖｙｍｅｔａｌｐｏｌｌｕｔｉｏｎｉｎｆａｒｍｌａｎｄｓｏｉｌａｎｄｐｈｙｔｏｒｅｍｅｄｉａｔｉｏｎａｐ￣ｐｌｉｃａｔｉｏｎ[Ｊ].ＡｓｉａｎＡｇｒｉｃｕｌｔｕｒａｌＲｅｓｅａｒｃｈꎬ２０１６ꎬ８(１):２２－２４.[８]㊀ＳｕｎＹＪ.ＥｃｏｌｏｇｉｃａｌｒｉｓｋｅｖａｌｕａｔｉｏｎｏｆｈｅａｖｙｍｅｔａｌｐｏｌｌｕｔｉｏｎｉｎｓｏｉｌｉｎＹａｎｇｇｕ[Ｊ].ＧｅｏｓｔａｔｉｓｔｉｃｓＶａｌｅｎｃｉａꎬ２０１７ꎬ１９:９１９－９３１. [９]㊀林龙飞.论遥感技术在土壤方面的应用[Ｊ].中国资源综合利用ꎬ２０２１ꎬ３９(１):１１７－１２０.[１０]黄仲良ꎬ何敬ꎬ刘刚ꎬ等.面向ＧＥＥ平台的遥感影像分析与应用研究进展[Ｊ].遥感技术与应用ꎬ２０２２ꎬ３７(３):１－８.８６１山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５６卷㊀[１１]刘云鹤ꎬ殷长春ꎬ蔡晶ꎬ等.电磁勘探中各向异性研究现状和展望[Ｊ].地球物理学报ꎬ２０１８ꎬ６１(８):３４６８－３４８７. [１２]郭广猛ꎬ赵冰茹.使用ＭＯＤＩＳ数据监测土壤湿度[Ｊ].土壤ꎬ２００４ꎬ３６(２):２１９－２２１.[１３]ＺｈｕＱꎬＷａｎｇＹＳꎬＬｕｏＹＬ.Ｉｍｐｒｏｖｅｍｅｎｔｏｆｍｕｌｔｉ￣ｌａｙｅｒｓｏｉｌｍｏｉｓｔｕｒｅｐｒｅｄｉｃｔｉｏｎｕｓｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓａｎｄｅｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒｃｏｕｐｌｅｄｗｉｔｈｒｅｍｏｔｅｓｅｎｓｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅｄａｔａｓｅｔｓｏｖｅｒａｎａｇｒｉｃｕｌｔｕｒｅｄｏｍｉｎａｎｔｂａｓｉｎｉｎＣｈｉｎａ[Ｊ].ＨｙｄｒｏｌｏｇｉｃａｌＰｒｏｃｅｓｓｅｓꎬ２０２１ꎬ３５(４):ｅ１４１５４.[１４]ＬｉｕＷＤꎬＢａｒｅｔＦꎬＧｕＸＦꎬｅｔａｌ.Ｒｅｌａｔｉｎｇｓｏｉｌｓｕｒｆａｃｅｍｏｉｓ￣ｔｕｒｅｔｏｒｅｆｌｅｃｔａｎｃｅ[Ｊ].ＲｅｍｏｔｅＳｅｎｓ.Ｅｎｖｉｒｏｎ.ꎬ２００２ꎬ８１(２/３):２３８－２４６.[１５]韩文霆ꎬ张立元ꎬ牛亚晓ꎬ等.无人机遥感技术在精量灌溉中应用的研究进展[Ｊ].农业机械学报ꎬ２０２０ꎬ５１(２):１－１４. [１６]李飞ꎬ李冰ꎬ闫慧ꎬ等.草地遥感研究进展与展望[Ｊ].中国草地学报ꎬ２０２２ꎬ４４(１２):８７－９９.[１７]宋文龙ꎬ李萌ꎬ路京选ꎬ等.基于ＧＦ－１卫星数据监测灌区灌溉面积方法研究 以东雷二期抽黄灌区为例[Ｊ].水利学报ꎬ２０１９ꎬ５０(７):８５４－８６３.[１８]ＲｏｍａｎａｋＫＤꎬＢｏｍｓｅＤＳ.Ｆｉｅｌｄａｓｓｅｓｓｍｅｎｔｏｆｓｅｎｓｏｒｔｅｃｈｎｏｌ￣ｏｇｙｆｏｒｅｎｖｉｒｏｎｍｅｎｔａｌｍｏｎｉｔｏｒｉｎｇｕｓｉｎｇａｐｒｏｃｅｓｓ￣ｂａｓｅｄｓｏｉｌｇａｓｍｅｔｈｏｄａｔｇｅｏｌｏｇｉｃＣＯ２ｓｔｏｒａｇｅｓｉｔｅｓ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＧｒｅｅｎｈｏｕｓｅＧａｓＣｏｎｔｒｏｌꎬ２０２０ꎬ９６:１０３００３.[１９]ＪｉａｏＸＦꎬＫｏｖａｃｓＪＭꎬＳｈａｎｇＪＬꎬｅｔａｌ.Ｏｂｊｅｃｔ￣ｏｒｉｅｎｔｅｄｃｒｏｐｍａｐｐｉｎｇａｎｄｍｏｎｉｔｏｒｉｎｇｕｓｉｎｇｍｕｌｔｉ￣ｔｅｍｐｏｒａｌｐｏｌａｒｉｍｅｔｒｉｃＲＡ￣ＤＡＲＳＡＴ￣２ｄａｔａ[Ｊ].ＩＳＰＲＳＪｏｕｒｎａｌｏｆＰｈｏｔｏｇｒａｍｍｅｔｒｙａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１４ꎬ９６:３８－４６.[２０]岳云开ꎬ陈建福ꎬ赵亮ꎬ等.基于无人机多光谱遥感的苎麻叶绿素含量反演[Ｊ].山东农业科学ꎬ２０２３ꎬ５５(７):１５２－１５８.[２１]杨娜ꎬ汤燕杰ꎬ张宁馨ꎬ等.基于ＳＭＯＳ㊁ＳＭＡＰ数据的青藏高原季风及植被生长季土壤水分长消特征研究[Ｊ].遥感技术与应用ꎬ２０２２ꎬ３７(６):１３７３－１３８４.[２２]ＢａｌａＳＫꎬＩｓｌａｍＡＳ.ＣｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｐｏｔａｔｏｙｉｅｌｄａｎｄＭＯ￣ＤＩＳ￣ｄｅｒｉｖｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅ￣ｍｏｔｅＳｅｎｓｉｎｇꎬ２００９ꎬ３０(９/１０):２４９１－２５０７.[２３]何亚娟ꎬ汪庆发ꎬ裴志远ꎬ等.冬小麦产量分阶段预测模型[Ｊ].农业机械学报ꎬ２０１２ꎬ４３(１):８９－９３ꎬ１３３.[２４]ＳｏｎＮＴꎬＣｈｅｎＣＦꎬＣｈｅｎＣＲꎬｅｔａｌ.ＰｒｅｄｉｃｔｉｏｎｏｆｒｉｃｅｃｒｏｐｙｉｅｌｄｕｓｉｎｇＭＯＤＩＳＥＶＩ￣ＬＡＩｄａｔａｉｎｔｈｅＭｅｋｏｎｇＤｅｌｔａꎬＶｉｅｔ￣ｎａｍ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１３ꎬ３４(２０):７２７５－７２９２.[２５]韩文霆ꎬ崔家伟ꎬ崔欣ꎬ等.基于特征优选与机器学习的农田土壤含盐量估算研究[Ｊ].农业机械学报ꎬ２０２３ꎬ５４(３):３２８－３３７.[２６]姚艳敏ꎬ魏娜ꎬ唐鹏钦ꎬ等.黑土土壤水分高光谱特征及反演模型[Ｊ].农业工程学报ꎬ２０１１ꎬ２７(８):９５－１００. [２７]杨丽娟ꎬ王春梅ꎬ张春妹ꎬ等.基于遥感影像研究极端暴雨条件下新成切沟发生发展规律[Ｊ].农业工程学报ꎬ２０２２ꎬ３８(６):９６－１０４.[２８]张晓远ꎬ刘朱婷ꎬ连少宏ꎬ等.基于ＲＣＳＬＥ的粤西均墟河小流域水土流失动态变化[Ｊ].中国水土保持科学:中英文ꎬ２０２２ꎬ２０(４):４２－４９.[２９]黄应丰ꎬ刘腾辉.华南主要土壤类型的光谱特性与土壤分类[Ｊ].土壤学报ꎬ１９９５ꎬ３２(１):５８－６８.[３０]张保华ꎬ何毓蓉.中国土壤系统分类及其应用研究进展[Ｊ].山东农业科学ꎬ２００５(４):７６－７８.[３１]李娜ꎬ吴凯萍.基于ＰＯＩ数据的城市功能区识别与分布特征研究[Ｊ].遥感技术与应用ꎬ２０２２ꎬ３７(６):１４８２－１４９１. [３２]ＳｅｎａｎａｙａｋｅＳꎬＰｒａｄｈａｎＢꎬＨｕｅｔｅＡꎬｅｔａｌ.Ｓｐａｔｉａｌｍｏｄｅｌｉｎｇｏｆｓｏｉｌｅｒｏｓｉｏｎｈａｚａｒｄｓａｎｄｃｒｏｐｄｉｖｅｒｓｉｔｙｃｈａｎｇｅｗｉｔｈｒａｉｎｆａｌｌｖａｒｉ￣ａｔｉｏｎｉｎｔｈｅＣｅｎｔｒａｌＨｉｇｈｌａｎｄｓｏｆＳｒｉＬａｎｋａ[Ｊ].ＳｃｉｅｎｃｅｏｆＴｈｅｔｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０２２ꎬ８０６(Ｐｔ２):１５０４０５.[３３]赵建辉ꎬ张晨阳ꎬ闵林ꎬ等.基于特征选择和ＧＡ－ＢＰ神经网络的多源遥感农田土壤水分反演[Ｊ].农业工程学报ꎬ２０２１ꎬ３７(１１):１１２－１２０.[３４]冯泉霖ꎬ李洪涛ꎬ徐夕博ꎬ等.基于聚类深度网络模型的莱州湾近岸平原表层土壤有机质含量遥感估算[Ｊ].安全与环境学报ꎬ２０２２ꎬ２２(４):２２４８－２２５８.[３５]刘雯ꎬ韩玲ꎬ刘明ꎬ等.基于高分五号高光谱波段选择的矿区周边土壤Ｃｄ含量反演[Ｊ].激光与光电子学进展ꎬ２０２３ꎬ６０(１７):１７２８００１.[３６]ＭｅｓｑｕｉｔａＬＳꎬＭｅｓｑｕｉｔａＲＢＲꎬＬｅｉｔｅＡꎬｅｔａｌ.Ｉｎｔｅｇｒａｔｅｄｆｌｏｗ￣ｂａｓｅｄｓｙｓｔｅｍｄｉｓｐｌａｙｉｎｇａｎｉｎ￣ｌｉｎｅｍｉｎｉｓｏｉｌｃｏｌｕｍｎｔｏｍｏｎｉｔｏｒｉｒｏｎｓｐｅｃｉｅｓｉｎｓｏｉｌｓｌｅａｃｈａｔｅｓ[Ｊ].ＣｏｍｍｕｎｉｃａｔｉｏｎｓｉｎＳｏｉｌＳｃｉ￣ｅｎｃｅａｎｄＰｌａｎｔＡｎａｌｙｓｉｓꎬ２０２０ꎬ５１(８):１０８９－１１００. [３７]宋子豪ꎬ韩阳ꎬ韦晨阳ꎬ等.受石油污染的农田土和湿地土的偏振光谱特征对比[Ｊ].光谱学与光谱分析ꎬ２０２２ꎬ４２(８):２６０３－２６０９.[３８]黄长平ꎬ刘波ꎬ张霞ꎬ等.土壤重金属Ｃｕ含量遥感反演的波段选择与最佳光谱分辨率研究[Ｊ].遥感技术与应用ꎬ２０１０ꎬ２５(３):３５３－３５７.[３９]张雅琼ꎬ赵宇昕ꎬ屈冉ꎬ等.基于ＧＦ－１卫星遥感影像的生态空间周边建筑余泥渣土场提取方法研究[Ｊ].环境保护科学ꎬ２０１８ꎬ４４(６):５０－５５ꎬ８９.[４０]蔡东全ꎬ吴泉源ꎬ曹学江ꎬ等.基于ＨＪ１Ａ－ＨＳＩ的龙口污水灌溉区土壤重金属含量反演[Ｊ].安全与环境工程ꎬ２０１５ꎬ２２(５):３３－３９.[４１]宋婷婷ꎬ付秀丽ꎬ陈玉ꎬ等.云南个旧矿区土壤锌污染遥感反演研究[Ｊ].遥感技术与应用ꎬ２０１８ꎬ３３(１):８８－９５. [４２]ＤｖｏｒｎｉｋｏｖＹꎬＳｌｕｋｏｖｓｋａｙａＭꎬＹａｒｏｓｌａｖｔｓｅｖＡꎬｅｔａｌ.Ｈｉｇｈ￣ｒｅｓ￣ｏｌｕｔｉｏｎｍａｐｐｉｎｇｏｆｓｏｉｌｐｏｌｌｕｔｉｏｎｂｙＣｕａｎｄＮｉａｔａｐｏｌａｒｉｎｄｕｓ￣ｔｒｉａｌｂａｒｒｅｎａｒｅａｕｓｉｎｇｐｒｏｘｉｍａｌａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇ[Ｊ].ＬａｎｄＤｅｇｒａｄａｔｉｏｎ＆Ｄｅｖｅｌｏｐｍｅｎｔꎬ２０２２ꎬ３３(１０):１７３１－１７４４. [４３]钟亮ꎬ钱家炜ꎬ储学远ꎬ等.利用高光谱遥感技术监测小麦土壤重金属污染[Ｊ].农业工程学报ꎬ２０２３ꎬ３９(５):２６５－２７０.[４４]徐彬彬ꎬ戴昌达.南疆土壤光谱反射特性与有机质含量的相关分析[Ｊ].科学通报ꎬ１９８０(６):２８２－２８４.[４５]ＷｅｉＬＦꎬＹｕａｎＺＲꎬＷａｎｇＺＸꎬｅｔａｌ.Ｈｙｐｅｒｓｐｅｃｔｒａｌｉｎｖｅｒｓｉｏｎ９６１㊀第３期㊀㊀㊀㊀㊀㊀鄂高阳ꎬ等:遥感技术在农业资源与土壤环境综合监测上的应用。
遥感影像在土壤质量监测中的应用土壤是地球表面生态系统的重要组成部分，其质量直接关系到农业生产、生态环境和人类的可持续发展。
随着科技的不断进步，遥感技术凭借其高效、大面积、实时等优势，在土壤质量监测中发挥着越来越重要的作用。
遥感影像能够获取大面积的地表信息，包括土壤的光谱特征、纹理特征和空间分布等。
通过对这些信息的分析和处理，可以推断出土壤的物理、化学和生物性质，为土壤质量的评估和管理提供有力的支持。
在土壤物理性质监测方面，遥感影像可以用于评估土壤质地和结构。
例如，高分辨率的遥感影像能够清晰地显示土壤表面的粗糙度和颗粒大小分布，从而间接反映土壤质地的粗细。
此外，通过多光谱或高光谱影像，可以获取土壤水分含量的信息。
水分会影响土壤的反射光谱，根据这一特性，科学家们能够建立相关模型来估算土壤的含水量，这对于农业灌溉管理和水资源的合理利用具有重要意义。
对于土壤化学性质的监测，遥感影像也表现出了巨大的潜力。
例如，通过分析特定波段的光谱数据，可以推测土壤中的有机质含量。
有机质在可见光和近红外波段具有独特的吸收和反射特征，利用这些特征建立的定量模型能够较为准确地估算有机质的含量。
同样，土壤中的氮、磷、钾等营养元素的含量也可以通过遥感影像进行一定程度的监测。
虽然其精度可能不如实验室分析，但在大尺度的土壤肥力评估和分区管理中具有不可替代的作用。
遥感影像在监测土壤污染方面也具有独特的优势。
工业活动、农业化学品的过度使用以及废弃物的排放等都可能导致土壤污染。
一些污染物在遥感影像上会表现出特殊的光谱特征，通过与正常土壤的对比，可以发现污染区域的存在和范围。
此外，结合地理信息系统（GIS）技术，可以对污染区域进行精确的定位和分析，为污染治理提供科学依据。
除了直接监测土壤的性质和污染状况，遥感影像还可以用于评估土壤侵蚀和土地利用变化对土壤质量的影响。
土壤侵蚀会导致土壤表层的流失，改变土壤的结构和肥力。
通过多时相的遥感影像，可以监测土地表面的变化，计算土壤侵蚀的速率和程度。
遥感技术在农田土壤监测中的应用案例分析在现代农业的发展进程中，农田土壤的监测变得越来越重要。
准确、及时地了解土壤的状况对于提高农作物产量、保障粮食安全以及实现可持续农业发展具有关键意义。
遥感技术作为一种强大的工具，为农田土壤监测提供了高效、全面且非破坏性的解决方案。
本文将通过具体的应用案例，深入分析遥感技术在农田土壤监测中的实际应用。
一、遥感技术的基本原理遥感技术是通过非接触式的方式获取目标物体的信息。
它利用传感器接收来自地表物体反射或发射的电磁波，然后将这些电磁波信号转化为图像或数据。
不同的土壤特性会导致其对电磁波的反射和吸收有所差异，遥感技术正是基于这些差异来监测土壤的各种参数。
例如，可见光和近红外波段的遥感数据可以用于评估土壤的有机质含量、水分含量和土壤质地等。
而热红外波段则能够反映土壤的温度状况，这对于了解土壤的水分蒸发和热量交换非常重要。
二、具体应用案例（一）土壤水分监测在某个大型农田区域，为了精确掌握土壤水分的分布情况，采用了遥感技术。
通过搭载在卫星上的微波传感器，能够穿透云层和植被，获取大面积农田土壤的水分信息。
这些数据与地面实测数据相结合，建立了精准的土壤水分监测模型。
农民们根据监测结果，合理调整灌溉策略，在保障农作物生长需求的同时，避免了过度灌溉造成的水资源浪费和土壤盐碱化问题。
（二）土壤肥力评估在另一个农业产区，利用高光谱遥感技术对农田土壤的肥力进行评估。
高光谱传感器可以获取非常精细的光谱信息，从而捕捉到与土壤肥力相关的细微特征。
研究人员对采集到的光谱数据进行分析，建立了与土壤氮、磷、钾等养分含量的定量关系模型。
根据评估结果，农民有针对性地施肥，提高了肥料的利用效率，降低了农业生产成本，同时减少了因过量施肥对环境造成的污染。
（三）土壤污染监测在一个曾经遭受工业污染的农田地区，使用遥感技术来监测土壤的污染状况。
多光谱遥感图像能够显示出土壤中污染物的分布特征，结合地理信息系统（GIS）技术，对污染区域进行精确的定位和范围划定。
光谱分析技术在土壤检测中的应用土壤是人们生活中的重要资源，对于农业和环境保护方面都有着至关重要的作用。
但是随着城市化进程的加快，土地的利用面积不断缩小，导致土壤的污染越来越严重。
就如何保护好土壤资源，我们需要进行土壤检测，采用一些新的技术手段，而光谱技术成为了土壤检测的热门技术之一。
光谱分析技术是一种基于物质与光的相互作用关系建立的分析技术。
其原理是根据不同的物质吸收不同波长的光谱，从而分析出物质的成分和性质。
在土壤检测领域中，我们可以通过分析土壤的光谱数据，来快速准确的获得土壤质量和污染情况等信息。
首先，光谱分析技术在土壤组分分析方面有着广泛的应用。
土壤是由许多化学成分组成的，其中包含有机物、无机物、微生物等许多物质。
使用传统检测方法可能需要提取样本并进行分离等复杂步骤，而使用光谱分析技术则可以通过直接测量土壤的光谱，快速准确的获得土壤中各种成分的含量，不仅节约时间和成本，还能避免人为误差的产生，提高数据的可靠性。
其次，光谱分析技术在土壤质量评价方面也有着广泛的应用。
土壤质量被广泛定义为土壤的生态功能和农业生产功能的总体表现，其中包括土壤的物理、化学、生物性质等多种因素。
土壤质量评价是我们保护土地环境和进行精准农业的重要手段。
采用光谱分析技术，我们可以直接获得土壤的各种物理、化学和生物性质的参数，如土壤的pH值、有机质含量、氮磷钾等营养元素含量等，从而对土壤的质量进行评价和分级，为土地的高效利用和科学管理提供指导。
最后，光谱分析技术在土壤污染检测方面也有着广泛的应用。
土壤污染是指土壤中存在有害物质超出安全限值的状态，其对人类和生态环境都有着较大的危害。
传统的土壤污染检测方法需要进行大量的实验室分析，工作量大、费时费力。
但是采用光谱分析技术，只需要对土壤样本进行简单处理，并使用对应的光谱设备进行测量，即可获得土壤污染成分的数据，快速的定位到污染区域，有机会早期发现土壤污染问题，及时采取相应的治理和修复措施，从而降低环境污染带来的风险。
引用格式：Ｈｅ Ｊｕｎｌｉａｎｇ，Ｚｈａｎｇ Ｓｈｕｙｕａｎ，Ｚｈａ Ｙｏｎｇ，ｅｔ ａｌ．Ｒｅｖｉｅｗ ｏｆ Ｒｅｔｒｉｅｖｉｎｇ Ｓｏｉｌ Ｈｅａｖｙ Ｍｅｔａｌ Ｃｏｎｔｅｎｔ ｂｙ Ｈｙ－ｐｅｒｓｐｅｃｔｒａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１５，３０（３）：４０７－４１２．［贺军亮，张淑媛，查勇，等．高光谱遥感反演土壤重金属含量研究进展［Ｊ］．遥感技术与应用，２０１５，３０（３）：４０７－４１２．］ｄｏｉ：１０．１１８７３／ｊ．ｉｓｓｎ．１００４－０３２３．２０１５．３．０４０７收稿日期：２０１３－１１－２９；修订日期：２０１５－０３－１４基金项目：国家自然科学基金面上项目（４１３７３１１２），国家自然科学青年基金项目（４１２０１２１５）资助。
作者简介：贺军亮（１９７９－），男，河北石家庄人，讲师，主要从事环境遥感方向的研究。
Ｅ－ｍａｉｌ：ｈｅｊｕｎｌｉａｎｇ０９２７＠１６３．ｃｏｍ。
通讯作者：查 勇（１９６３－），男，江苏南京人，教授，主要从事环境遥感方向的研究。
Ｅ－ｍａｉｌ：ｙｚｈａ＠ｎｊｕｎ．ｅｄｕ．ｃｎ。
高光谱遥感反演土壤重金属含量研究进展贺军亮１，２，张淑媛２，查 勇１，蒋建军１（１．南京师范大学地理科学学院虚拟地理环境教育部重点实验室，江苏南京 ２１００４６；２．石家庄学院资源与环境科学学院，河北石家庄 ０５００３５）摘要：土壤重金属污染是当今重要的世界性环境问题之一。
如何快速高效地获取土壤重金属含量及分布信息是进行污染风险评价及预测研究的前提。
高光谱遥感具有无损、实时获取信息的优势，利用高光谱技术反演土壤重金属含量仍处于探讨阶段，对其反演机理和建模方法的研究成果进行了介绍和分析。
认为充分研究不同类型土壤对重金属的吸附特性，是深入理解重金属含量反演机理的基础。
加强不同土壤类型、不同污染程度的案例对比分析，发展光谱信号处理方法，引入非线性建模算法，构建重金属形态量反演模型，是土壤重金属含量遥感估算研究的重要研究方向。
一、基于高光谱的土壤重金属铜的反演研究
2. 1 土壤样品的采集
选取江西省余江县( 11655E, 2815N)和泰和县( 11504E, 2644N) 采集土壤样本, 该地区属中亚热带典型红壤丘陵区, 气候温和多雨,年平均温度为17. 6 , 年降水量为1 795 mm。
研究共采集0~ 20 cm 土层土壤样品34 个, 其中余江县采集不同作物条件下样品22 个, 泰和县采集样品12 个。
采集的土壤样品覆盖了林地、草地、花生地、油菜地、果园等典型农业土地利用类型。
土壤样品经风干、磨碎, 而后过20 目筛。
研究将每个样品分成两份, 分别用于化学分析和光谱测量。
2. 2 土壤光谱的测定
采用ASD Field SpecPro FR 型地物光谱仪, 室内光谱测试条件为: 光源为1 000 W 的卤素灯, 5视场角, 光源照射方向与垂直方向夹角为15, 光源距离为30 cm, 探头距离为15 cm, 置于土壤表面的垂直上方。
测试之前先以白板进行定标, 获取绝对反射率。
每个土样测得10 条
土壤光谱数据预处理可以消减光谱中因受随机因素影响而产生的误差部分。
因此, 可利用光谱重采样、一阶微分、光谱倒数的对数等方法对原始反射光谱进行处理。
2. 3. 1 光谱重采样
由于光谱仪在数据输出时对350~ 2 500 nm 的光谱数据进行了1 nm 为间隔的重采样, 总共2 151个波段, 使得原始光谱曲线中相邻波段之间存在信息重合, 导致整个光谱数据冗余, 给分析、处理带来一定困难, 影响处理的效率和结果。
因此, 在尽可能维持光谱原有基本特征的前提下, 对光谱数据以10 nm 为间隔进行算术平均运算[ 9] , 处理后的光谱曲线更加平滑的同时仍然维持了原光谱的形状特征( 图2) 。
2. 3. 2 一阶微分
光谱测量容易受观测角度、照度、样品表面粗糙度等诸多因素的影响, 使得光谱数据的信噪
比较低。
而微分光谱可以消除基线漂移或平缓背景干扰的影响, 并可以提供比原始光谱更高的分辨率和更清晰的光谱轮廓变换(图3)。
在实际计算中, 一般用光谱的差分作为微分的有限近似, 一阶微分计算公式如下[19] : R( 1 ) = [ R( i+ 1 ) - R( i- 1 ) ] / ( i+ 1 - i- 1 ) ( 1)
其中: i+ 1、i 、i- 1 为相邻波长, R( i ) 为波长i 一阶微分光谱。
2. 3. 3 光谱倒数的对数
土壤反射率经对数变化后, 不仅可以增强可见光区的光谱差异( 可见光区的原始光谱一般偏低) ,而且趋向于减少由于光照条件、地形等变化引起的随机因素影响( 图4) 。
2. 3. 4 特征吸收带的提取
本文利用去包络线法对反射率光谱曲线上的特征吸收带进行提取。
通过编程计算得到土壤样本反射率光谱曲线的包络线( 图5) 。
以包络线为背景, 去掉包络线后便为光谱波段深度曲线, 即将每一样点土壤反射率归一到对应的光谱背景上, 有利于光谱曲线之间特征波段的比较, 并且可以有效地突出光谱曲线的吸收和反射特征。
光谱波段深度曲线( 见图6) , 其计算公式是[ 9] :
其中: R、R 、RC 分别是光谱波段深度、原始光谱和光谱包络线, 为波长。
图6 表明原土壤反射率光谱曲线去包络线后,其特征吸收带大致为460 ~ 570 nm、820 ~1 000 nm、1 360~ 1 500 nm、1 890 ~ 2 040 nm、2 160~ 2 250 nm。
根据以上特征吸收带以及结合土壤反射率、反射率的一阶微分和反射率倒数的对数, 分析得出土壤光谱特征波段主要有: 490 nm、830 nm、1 000 nm、1 370 nm、1 400 nm、1 900 nm、2 200 nm和2 455 nm。
以此为基础, 开展土壤重金属铜的土壤特征光谱研究和分析。
3 结果与分析
土壤化学成分含量的统计分析
土壤测试结果表明(如表1) ,
土壤有机质含量较低, 铁、镁含量相对较高。
由于化学分析测得的均为元素的全量, 可以很好地指示硅酸盐矿物和氧化铁在土壤中的含量和进一步定量分析土壤粘土矿物对重金属的吸附或聚集共生关系，分析表明( 如表2) ,
土壤重金属Cu 与Mg、Fe 的相关性显著( n= 34,P = 0. 05) , 而与土壤有机质相关性较差。
因此, 在红壤性土壤中粘土矿物对土壤铜含量有重要影响,而土壤有机质含量较低, 总体上对重金属Cu 的吸附相对较少, 因而对土壤含铜量影响有限。
3. 2 土壤特征光谱与重金属铜的相关分析为了辨识土壤特征光谱与重金属铜含量之间的关系, 对特征波段的 3 种光谱变量( 原始光谱、一阶微分光谱及倒数对数光谱) 与重金属铜含量进行单相关分析, 结果表明( 如表3) , 与3 种光谱变量有显著相关性的波段分别在830 nm、1 000 nm 和2 250 nm附近处。
