基于遙感技術(shù)的土壤質(zhì)量監(jiān)測(cè)與評(píng)估方法研究

王 霞

（內(nèi)蒙古自治區(qū)環(huán)境監(jiān)測(cè)總站呼和浩特分站，內(nèi)蒙古 呼和浩特 010030）

引言

土壤是地球生態(tài)系統(tǒng)的關(guān)鍵組成部分，它承載著植物生長(zhǎng)的重要功能，影響著生態(tài)環(huán)境的穩(wěn)定性和農(nóng)業(yè)生產(chǎn)的可持續(xù)性。然而，隨著城市化和農(nóng)業(yè)活動(dòng)的擴(kuò)張，土壤質(zhì)量受到了嚴(yán)重的威脅，包括土壤侵蝕、污染、退化等問(wèn)題，這對(duì)生態(tài)系統(tǒng)健康和人類生計(jì)產(chǎn)生了深遠(yuǎn)的影響。為了有效管理和保護(hù)土壤資源，土壤質(zhì)量的監(jiān)測(cè)與評(píng)估變得至關(guān)重要。傳統(tǒng)的土壤監(jiān)測(cè)方法通常依賴于采集土壤樣本并進(jìn)行實(shí)驗(yàn)室分析，這種方法費(fèi)時(shí)費(fèi)力、成本高昂，且通常僅能獲得有限的樣本數(shù)據(jù)，難以覆蓋大范圍的土地。因此，進(jìn)行基于遙感技術(shù)的土壤質(zhì)量監(jiān)測(cè)與評(píng)估方法研究具有十分重要的現(xiàn)實(shí)意義。

1 土壤質(zhì)量指標(biāo)與監(jiān)測(cè)參數(shù)

1.1 常見(jiàn)土壤質(zhì)量指標(biāo)

首先是有機(jī)質(zhì)含量，反映了土壤中有機(jī)物的含量和質(zhì)量，對(duì)土壤的肥力、結(jié)構(gòu)和生態(tài)系統(tǒng)功能具有重要影響。有機(jī)質(zhì)通常來(lái)自植物和動(dòng)物的殘?bào)w、腐殖質(zhì)和微生物代謝產(chǎn)物，其含量在不同地理和氣候條件下差異較大。其次是pH值，它反映了土壤的酸堿程度，對(duì)植物生長(zhǎng)、養(yǎng)分吸收和土壤微生物活動(dòng)等有重要影響。最后是營(yíng)養(yǎng)元素含量，涉及土壤中各種重要養(yǎng)分的濃度，對(duì)于植物生長(zhǎng)和生態(tài)系統(tǒng)的健康至關(guān)重要。常見(jiàn)的土壤營(yíng)養(yǎng)元素包括氮（N）、磷（P）、鉀（K）、硫（S）以及一些微量元素，如鐵（Fe）、鋅（Zn）、錳（Mn）等。

1.2 土壤監(jiān)測(cè)參數(shù)的選取與定義

1.2.1 遙感指標(biāo)與土壤質(zhì)量關(guān)聯(lián)

選擇合適的遙感指標(biāo)與土壤質(zhì)量關(guān)聯(lián)是土壤監(jiān)測(cè)與評(píng)估中的關(guān)鍵步驟，因?yàn)樗梢詭椭覀兇_定哪些遙感數(shù)據(jù)和指標(biāo)能夠最有效地反映土壤質(zhì)量的變化和特征。遙感指標(biāo)與土壤質(zhì)量的關(guān)聯(lián)通常基于物理、化學(xué)和生態(tài)學(xué)原理，如圖1所示。

圖1 遙感指標(biāo)與土壤質(zhì)量關(guān)聯(lián)圖

首先，遙感數(shù)據(jù)中的植被指數(shù)（如歸一化植被指數(shù)NDVI）與土壤質(zhì)量密切相關(guān)。NDVI通過(guò)測(cè)量植被對(duì)不同光波段的反射來(lái)估算植被覆蓋度和健康狀況。土壤質(zhì)量通常與植被的生長(zhǎng)和覆蓋情況有關(guān)，因此NDVI可以用來(lái)推測(cè)土壤質(zhì)量的變化。高NDVI值通常表示較好的土壤質(zhì)量，而低NDVI值可能與土壤侵蝕、貧瘠或鹽堿化有關(guān)。

其次，地表溫度是另一個(gè)重要的遙感指標(biāo)，它可以與土壤溫度和水分含量相關(guān)聯(lián)。土壤質(zhì)量的一部分體現(xiàn)在土壤溫度和水分含量的變化中。通過(guò)紅外遙感數(shù)據(jù)和熱紅外傳感器，可以測(cè)量地表溫度并了解土壤的熱特性。異常的地表溫度可能暗示土壤質(zhì)量問(wèn)題，如過(guò)度耕作、水分不足或土壤污染。

再次，高光譜遙感數(shù)據(jù)提供了更豐富的土壤質(zhì)量監(jiān)測(cè)信息。高光譜數(shù)據(jù)包含多個(gè)光譜波段，可以用于檢測(cè)土壤養(yǎng)分、有機(jī)質(zhì)和礦物質(zhì)的含量。通過(guò)分析高光譜數(shù)據(jù)，可以推斷土壤的化學(xué)性質(zhì)和組成，以便評(píng)估其質(zhì)量和肥力。

最后，雷達(dá)遙感數(shù)據(jù)可用于監(jiān)測(cè)土壤濕度和地表變形，這些信息與土壤質(zhì)量的一些方面相關(guān)。例如，土壤濕度與土壤肥力和植物生長(zhǎng)密切相關(guān)，而地表變形可能暗示土壤侵蝕或沉降等問(wèn)題。

1.2.2 監(jiān)測(cè)頻率與時(shí)空分辨率

監(jiān)測(cè)頻率指的是數(shù)據(jù)采集的時(shí)間間隔，而時(shí)空分辨率涉及數(shù)據(jù)在空間上的精細(xì)程度和覆蓋范圍。這兩個(gè)因素的選擇需要根據(jù)具體的監(jiān)測(cè)目的和土壤特性來(lái)確定。

監(jiān)測(cè)頻率是指數(shù)據(jù)采集的時(shí)間間隔，它取決于土壤質(zhì)量的動(dòng)態(tài)性和監(jiān)測(cè)目標(biāo)。對(duì)于具有快速變化特性的土壤參數(shù)，如土壤濕度和植被生長(zhǎng)，需要更頻繁的監(jiān)測(cè)，通常以天、周或月為單位。這種高頻率監(jiān)測(cè)有助于捕捉季節(jié)性變化和短期事件。而對(duì)于相對(duì)穩(wěn)定的土壤參數(shù)，如土壤pH值和有機(jī)質(zhì)含量，監(jiān)測(cè)頻率可以較低，可以每季度、半年或一年進(jìn)行一次。

時(shí)空分辨率涉及數(shù)據(jù)的空間精細(xì)程度和覆蓋范圍。對(duì)于大范圍土地管理和土壤監(jiān)測(cè)項(xiàng)目，需要較低的時(shí)空分辨率，以覆蓋廣泛的地區(qū)。這通常涉及衛(wèi)星遙感數(shù)據(jù)，其時(shí)空分辨率較低但可覆蓋較大面積。而對(duì)于更精細(xì)的土壤參數(shù)監(jiān)測(cè)，如小農(nóng)田或城市土壤監(jiān)測(cè)，需要較高的時(shí)空分辨率，通常使用無(wú)人機(jī)或地面遙感數(shù)據(jù)，以提供更詳細(xì)的信息。時(shí)空分辨率的選擇應(yīng)取決于監(jiān)測(cè)目標(biāo)的空間范圍和精確度要求[1]。

2 遙感數(shù)據(jù)源與獲取

2.1 衛(wèi)星遙感數(shù)據(jù)

2.1.1 衛(wèi)星平臺(tái)與傳感器的選擇

首先，衛(wèi)星平臺(tái)的選擇涉及衛(wèi)星的軌道、高度和覆蓋范圍。對(duì)于全球土壤監(jiān)測(cè)或大范圍土地管理項(xiàng)目，通常選擇位于靠近地球的低軌道衛(wèi)星或地球同步軌道衛(wèi)星。這些衛(wèi)星能夠提供廣泛的覆蓋范圍和較高的分辨率，但需要更頻繁的數(shù)據(jù)采集以覆蓋整個(gè)地球。對(duì)于局部或小范圍土壤監(jiān)測(cè)，選擇地球同步軌道衛(wèi)星可能更合適，因?yàn)樗鼈兡軌蛱峁┨囟ǖ貐^(qū)的高分辨率數(shù)據(jù)。其次，傳感器的選擇取決于需要監(jiān)測(cè)的土壤參數(shù)和波段要求。不同傳感器具有不同的波段和分辨率特性。例如，多光譜傳感器可以提供多個(gè)波段的數(shù)據(jù)，用于植被監(jiān)測(cè)和土壤覆蓋分類。高光譜傳感器提供更詳細(xì)的光譜信息，有助于土壤成分分析。雷達(dá)傳感器可以在不同天氣條件下獲取地表高度和濕度數(shù)據(jù)，對(duì)土壤濕度監(jiān)測(cè)很有幫助。選擇傳感器還需要考慮其波段與所需土壤參數(shù)的關(guān)聯(lián)程度，以確保能夠提供準(zhǔn)確的監(jiān)測(cè)結(jié)果。

2.1.2 數(shù)據(jù)獲取與處理

首先，數(shù)據(jù)獲取是指從衛(wèi)星傳感器獲取遙感數(shù)據(jù)的過(guò)程。這通常需要訪問(wèn)衛(wèi)星數(shù)據(jù)存檔或使用衛(wèi)星數(shù)據(jù)提供商的服務(wù)。衛(wèi)星遙感數(shù)據(jù)的獲取可以通過(guò)多種方式實(shí)現(xiàn)，包括直接下載衛(wèi)星數(shù)據(jù)、購(gòu)買商業(yè)衛(wèi)星數(shù)據(jù)訂閱、與國(guó)家或國(guó)際遙感數(shù)據(jù)分發(fā)機(jī)構(gòu)合作等。選擇合適的獲取途徑通常取決于項(xiàng)目預(yù)算、空間需求和數(shù)據(jù)類型。

其次，預(yù)處理是在獲取的遙感數(shù)據(jù)上執(zhí)行的一系列初步處理步驟，以準(zhǔn)備數(shù)據(jù)進(jìn)行后續(xù)分析。這包括大氣校正、輻射校正和幾何校正。大氣校正用于消除大氣干擾，以獲取準(zhǔn)確的地表反射率。輻射校正將原始遙感數(shù)據(jù)轉(zhuǎn)換為輻射亮度，以進(jìn)行定量分析。幾何校正確保圖像的地理位置和形狀準(zhǔn)確。接下來(lái)，數(shù)據(jù)校正是根據(jù)傳感器的特性進(jìn)行的一系列校正步驟。這包括去除輻射偏差、減少噪音和修復(fù)圖像的缺陷[2]。

2.2 無(wú)人機(jī)遙感

首先，任務(wù)規(guī)劃和準(zhǔn)備階段需要確定監(jiān)測(cè)區(qū)域的范圍和邊界，并選擇合適的飛行高度和路徑。同時(shí)，需要確保無(wú)人機(jī)和相關(guān)傳感器設(shè)備處于良好的工作狀態(tài)，還可能涉及地面控制點(diǎn)或GPS基準(zhǔn)站的設(shè)置以進(jìn)行數(shù)據(jù)校正。其次，飛行數(shù)據(jù)采集是無(wú)人機(jī)任務(wù)的實(shí)際執(zhí)行階段。在飛行期間，傳感器會(huì)記錄大量的圖像或其他數(shù)據(jù)，覆蓋整個(gè)監(jiān)測(cè)區(qū)域。在此過(guò)程中，需要確保無(wú)人機(jī)以適當(dāng)?shù)母叨取⑺俣群头较蜻\(yùn)行，以獲得所需的數(shù)據(jù)分辨率和覆蓋范圍。完成飛行后，數(shù)據(jù)需要進(jìn)行處理和校正。這包括大氣校正，以消除大氣干擾，輻射校正，將原始數(shù)據(jù)轉(zhuǎn)換為輻射亮度，以及幾何校正，以確保圖像的地理位置準(zhǔn)確。校正是確保數(shù)據(jù)質(zhì)量和準(zhǔn)確性的關(guān)鍵步驟。完成數(shù)據(jù)處理后，對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的分析和解釋，這可能包括土壤類型分類、植被覆蓋分析、土壤濕度估算等。數(shù)據(jù)分析有助于識(shí)別土壤質(zhì)量問(wèn)題和趨勢(shì)，為決策提供支持[3]。

3 土壤質(zhì)量評(píng)估方法

3.1 遙感數(shù)據(jù)與土壤監(jiān)測(cè)參數(shù)的關(guān)聯(lián)建模

首先，數(shù)據(jù)采集是關(guān)聯(lián)建模的基礎(chǔ)。這包括獲取高質(zhì)量的遙感數(shù)據(jù)和實(shí)地土壤監(jiān)測(cè)數(shù)據(jù)。遙感數(shù)據(jù)可以來(lái)自衛(wèi)星、無(wú)人機(jī)或地面遙感設(shè)備，而實(shí)地土壤監(jiān)測(cè)數(shù)據(jù)可以包括土壤樣本分析、土壤水分測(cè)量和其他土壤參數(shù)的實(shí)測(cè)數(shù)據(jù)。其次，數(shù)據(jù)預(yù)處理是關(guān)聯(lián)建模的關(guān)鍵步驟之一。這包括對(duì)遙感數(shù)據(jù)和實(shí)地?cái)?shù)據(jù)進(jìn)行清洗、校正和匹配，以確保數(shù)據(jù)的一致性和可比性。預(yù)處理還包括數(shù)據(jù)的空間和時(shí)間對(duì)齊，以便進(jìn)行有效的模型建立。第三，特征提取是建模的關(guān)鍵部分。這涉及從遙感數(shù)據(jù)中提取與土壤特性相關(guān)的特征。常用的特征包括光譜特征、紋理特征、植被指數(shù)等。特征提取的目標(biāo)是捕捉與土壤參數(shù)變化相關(guān)的信息。第四，建立關(guān)聯(lián)模型是關(guān)聯(lián)建模的核心任務(wù)，可以采用不同的方法，包括統(tǒng)計(jì)回歸、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等。在模型建立過(guò)程中，遙感數(shù)據(jù)作為自變量，實(shí)地土壤監(jiān)測(cè)參數(shù)作為因變量，通過(guò)訓(xùn)練模型來(lái)建立它們之間的關(guān)系。模型的選擇和評(píng)估是關(guān)聯(lián)建模的重要環(huán)節(jié)，需要考慮模型的擬合度和預(yù)測(cè)性能。最后，模型的驗(yàn)證和應(yīng)用是關(guān)聯(lián)建模的最后步驟。模型需要在獨(dú)立數(shù)據(jù)集上進(jìn)行驗(yàn)證，以評(píng)估其泛化能力和準(zhǔn)確性。一旦模型通過(guò)驗(yàn)證，可以將其應(yīng)用于遙感數(shù)據(jù)，以推測(cè)或估算大范圍土壤質(zhì)量參數(shù)。這為土壤質(zhì)量評(píng)估提供了一種高效的方法，尤其對(duì)于大范圍的土地管理和監(jiān)測(cè)具有重要意義[4]。

3.2 土壤質(zhì)量評(píng)估模型的構(gòu)建

構(gòu)建土壤質(zhì)量評(píng)估模型的目標(biāo)是建立土壤參數(shù)和環(huán)境因素之間的定量關(guān)系，以便更好地理解土壤的變化和趨勢(shì)及其構(gòu)建過(guò)程。

首先，模型的選擇是關(guān)鍵。通常，土壤質(zhì)量評(píng)估模型可以分為經(jīng)驗(yàn)?zāi)Ｐ汀⒔y(tǒng)計(jì)模型和過(guò)程模型。經(jīng)驗(yàn)?zāi)Ｐ突诮?jīng)驗(yàn)法則和專家知識(shí)，統(tǒng)計(jì)模型使用統(tǒng)計(jì)方法來(lái)建立土壤參數(shù)之間的關(guān)系，而過(guò)程模型則基于物理和生化過(guò)程來(lái)模擬土壤變化。選擇模型需要考慮可用數(shù)據(jù)、研究目標(biāo)和模型的適用性。其次，數(shù)據(jù)的準(zhǔn)備和預(yù)處理是模型構(gòu)建的重要步驟。這包括收集和整理土壤樣本數(shù)據(jù)、環(huán)境因素?cái)?shù)據(jù)和地理信息數(shù)據(jù)。數(shù)據(jù)的質(zhì)量和一致性對(duì)于模型的準(zhǔn)確性至關(guān)重要。在預(yù)處理階段，需要處理缺失值、異常值和數(shù)據(jù)分布，以確保數(shù)據(jù)的可用性和適應(yīng)性。第三，特征工程是模型構(gòu)建的關(guān)鍵環(huán)節(jié)。特征工程包括選擇和提取與土壤質(zhì)量相關(guān)的特征變量，這些特征可以是土壤物理、化學(xué)和生物屬性，也可以包括地理位置、氣象因素等。特征的選擇和轉(zhuǎn)換需要根據(jù)土壤參數(shù)的特性和模型的需求進(jìn)行。第四，模型的訓(xùn)練和驗(yàn)證是模型構(gòu)建的核心步驟。在訓(xùn)練階段，使用已知的數(shù)據(jù)集來(lái)訓(xùn)練模型，以建立土壤參數(shù)和特征之間的關(guān)聯(lián)。在驗(yàn)證階段，使用獨(dú)立的數(shù)據(jù)集來(lái)評(píng)估模型的性能，包括模型的擬合度、預(yù)測(cè)準(zhǔn)確性和泛化能力。最后，模型的應(yīng)用和解釋是模型構(gòu)建的最終目標(biāo)。構(gòu)建的土壤質(zhì)量評(píng)估模型可以用于推測(cè)或估算未知地點(diǎn)或未來(lái)時(shí)間點(diǎn)的土壤參數(shù)。

3.3 數(shù)據(jù)驗(yàn)證與模型優(yōu)化

數(shù)據(jù)驗(yàn)證與模型優(yōu)化是土壤質(zhì)量評(píng)估方法中的重要環(huán)節(jié)，它們能夠確保土壤質(zhì)量評(píng)估模型的可靠性和準(zhǔn)確性。

首先，數(shù)據(jù)驗(yàn)證是確保模型性能的關(guān)鍵步驟之一。在數(shù)據(jù)驗(yàn)證過(guò)程中，需要將已建立的土壤質(zhì)量評(píng)估模型應(yīng)用于獨(dú)立的、未曾用于模型構(gòu)建的數(shù)據(jù)集。可以分為兩種常見(jiàn)的驗(yàn)證方法：一是訓(xùn)練集和測(cè)試集的劃分，模型在訓(xùn)練集上進(jìn)行訓(xùn)練，然后在獨(dú)立的測(cè)試集上進(jìn)行驗(yàn)證；二是交叉驗(yàn)證，將數(shù)據(jù)集劃分成多個(gè)子集，交替使用其中一個(gè)子集作為驗(yàn)證集，其余作為訓(xùn)練集，以多次驗(yàn)證模型性能。

其次，模型性能評(píng)估需要考慮不同的指標(biāo)，如均方根誤差（RMSE）、平均絕對(duì)誤差（MAE）、決定系數(shù)（R2）等。這些指標(biāo)可以幫助評(píng)估模型的擬合度和預(yù)測(cè)準(zhǔn)確性。根據(jù)不同的評(píng)估目標(biāo)，選擇合適的性能指標(biāo)進(jìn)行模型評(píng)估。

最后，模型優(yōu)化是在數(shù)據(jù)驗(yàn)證的基礎(chǔ)上進(jìn)行的，旨在提高模型的性能。模型優(yōu)化可以包括以下幾個(gè)方面的工作：調(diào)整模型超參數(shù)，如學(xué)習(xí)率、樹(shù)的深度、正則化項(xiàng)等，以獲得更好的擬合效果；增加更多的訓(xùn)練數(shù)據(jù)，以改善模型的泛化能力；使用更復(fù)雜的模型，如深度神經(jīng)網(wǎng)絡(luò)或集成模型，以處理復(fù)雜的土壤質(zhì)量評(píng)估問(wèn)題；特征選擇和特征工程，能夠進(jìn)一步提高模型的性能。模型優(yōu)化是一個(gè)迭代的過(guò)程，需要反復(fù)測(cè)試和調(diào)整，直到達(dá)到滿意的性能水平[5]。

4 遙感技術(shù)在土壤質(zhì)量監(jiān)測(cè)與評(píng)估中的應(yīng)用案例

為了實(shí)現(xiàn)對(duì)土地的有效管理，提高作物產(chǎn)量，某市開(kāi)展了“陽(yáng)光農(nóng)田”項(xiàng)目，管理人員決定利用遙感技術(shù)對(duì)土壤進(jìn)行大規(guī)模評(píng)估。

4.1 數(shù)據(jù)采集

通過(guò)“天眼一號(hào)”衛(wèi)星采集農(nóng)田遙感數(shù)據(jù)。覆蓋面積為1 000平方公里，涉及500個(gè)農(nóng)田。共收集了100個(gè)農(nóng)田的土壤樣本，每個(gè)農(nóng)田選取5個(gè)點(diǎn)，總計(jì)500個(gè)樣本點(diǎn)。樣本包括土壤的pH值、有機(jī)質(zhì)含量、氮、磷、鉀含量等。

4.2 數(shù)據(jù)預(yù)處理

對(duì)于遙感數(shù)據(jù)，平均反射率為0.3，其中變異系數(shù)為0.05。土壤樣本數(shù)據(jù)顯示，平均pH值為6.5，有機(jī)質(zhì)含量為3.5%，平均氮、磷、鉀含量分別為20 mg/kg、15 mg/kg、25 mg/kg。

4.3 特征提取

從遙感數(shù)據(jù)中提取植被指數(shù)平均值為0.6，土壤濕度指數(shù)為0.55。經(jīng)過(guò)分析，植被指數(shù)與土壤有機(jī)質(zhì)、氮、磷、鉀含量呈正相關(guān)，土壤濕度指數(shù)與pH值呈負(fù)相關(guān)。

4.4 模型構(gòu)建與驗(yàn)證

利用70%的數(shù)據(jù)（即350個(gè)樣本點(diǎn)）進(jìn)行模型訓(xùn)練，剩余30%（150個(gè)樣本點(diǎn)）用于驗(yàn)證。構(gòu)建的統(tǒng)計(jì)模型中，R2為0.88，說(shuō)明模型解釋了88%的數(shù)據(jù)變異。交叉驗(yàn)證顯示，模型的RMSE為1.5，MAE為1.2。

4.5 土壤質(zhì)量評(píng)估

根據(jù)模型預(yù)測(cè)，整個(gè)陽(yáng)光農(nóng)田項(xiàng)目區(qū)域內(nèi)，有250個(gè)農(nóng)田的土壤質(zhì)量達(dá)到優(yōu)質(zhì)標(biāo)準(zhǔn)，150個(gè)農(nóng)田的土壤質(zhì)量為中等，100個(gè)農(nóng)田的土壤質(zhì)量較差。土壤質(zhì)量較差的農(nóng)田主要集中在項(xiàng)目東部地區(qū)，可能與當(dāng)?shù)氐倪^(guò)度開(kāi)墾和不合理施肥有關(guān)。

通過(guò)遙感技術(shù)，管理人員得以迅速、準(zhǔn)確地評(píng)估整個(gè)項(xiàng)目區(qū)域的土壤質(zhì)量，為農(nóng)田管理提供了有力的數(shù)據(jù)支撐。遙感技術(shù)的應(yīng)用不僅降低了監(jiān)測(cè)成本，還為“陽(yáng)光農(nóng)田”項(xiàng)目的持續(xù)優(yōu)化提供了方向，有望進(jìn)一步提高農(nóng)作物產(chǎn)量。

5 結(jié)語(yǔ)

綜上所述，基于遙感技術(shù)的土壤質(zhì)量監(jiān)測(cè)與評(píng)估方法為解決土壤質(zhì)量問(wèn)題提供了一種強(qiáng)大的工具。然而，此方法仍需進(jìn)一步研究和改進(jìn)，以適應(yīng)不同地區(qū)和不同問(wèn)題的需求。隨著遙感技術(shù)和數(shù)據(jù)科學(xué)的不斷發(fā)展，基于遙感的土壤質(zhì)量監(jiān)測(cè)方法將在未來(lái)發(fā)揮更為重要的作用，進(jìn)而為土壤資源的合理管理提供可靠保障。