馬佳妮，張 超，呂雅慧，高璐璐，鄖文聚，朱德海2，，陳婉鈴，王 歡

（1.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083；2.中國(guó)農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院，北京 100083；3.國(guó)土資源部農(nóng)用地質(zhì)量與監(jiān)控重點(diǎn)實(shí)驗(yàn)室，北京 100193）

關(guān)鍵字：多源遙感；耕地質(zhì)量；指標(biāo)；監(jiān)測(cè)與評(píng)價(jià)

0 引言

耕地質(zhì)量是自然、社會(huì)、經(jīng)濟(jì)與技術(shù)進(jìn)步的綜合影響結(jié)果。集中表現(xiàn)在耕地滿(mǎn)足作物生長(zhǎng)和安全生產(chǎn)的能力上。耕地質(zhì)量關(guān)乎國(guó)家糧食安全，為此，自然資源部、農(nóng)業(yè)農(nóng)村部與生態(tài)環(huán)境部各有側(cè)重地提出了耕地質(zhì)量管護(hù)政策［1］。耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)是實(shí)現(xiàn)耕地科學(xué)管護(hù)的重要前提。傳統(tǒng)的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)依托于區(qū)劃—布點(diǎn)—化驗(yàn)的方法［2-3］。但存在監(jiān)測(cè)與評(píng)價(jià)單元不合理、以點(diǎn)代面大范圍監(jiān)測(cè)精度低、周期長(zhǎng)導(dǎo)致數(shù)據(jù)時(shí)效滯后、縣域指標(biāo)體系與計(jì)算差異導(dǎo)致監(jiān)測(cè)與評(píng)價(jià)結(jié)果縣域間不可比等問(wèn)題。而遙感具有覆蓋面積大，相關(guān)信息獲取快等特點(diǎn)［4］，可彌補(bǔ)傳統(tǒng)方法的不足，為耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)提供新的技術(shù)支撐。因此構(gòu)建以遙感技術(shù)為支撐，并與傳統(tǒng)的實(shí)地調(diào)查相結(jié)合的耕地質(zhì)量調(diào)查監(jiān)測(cè)評(píng)價(jià)體系，是實(shí)現(xiàn)及時(shí)、高效監(jiān)管耕地資源的有效途徑。

1 基于多源遙感數(shù)據(jù)融合的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)體系

為構(gòu)建耕地?cái)?shù)量、質(zhì)量、生態(tài)“三位一體”的保護(hù)監(jiān)管體系，深化耕地質(zhì)量?jī)?nèi)涵，自然資源部組織制定了一套涵蓋地學(xué)特征、土壤特性、環(huán)境狀況、建設(shè)水平、生物多樣性等全面包容的指標(biāo)體系。耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)體系，是指從數(shù)據(jù)獲取到評(píng)價(jià)的一體化多源數(shù)據(jù)融合平臺(tái)及相應(yīng)技術(shù)體系，包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析、監(jiān)測(cè)與評(píng)價(jià)等相關(guān)技術(shù)。數(shù)據(jù)采集是通過(guò)野外實(shí)地調(diào)查、采樣、近地光譜測(cè)量、遙感影像獲取等技術(shù)對(duì)數(shù)據(jù)進(jìn)行采集；數(shù)據(jù)處理有遙感影像的預(yù)處理、分類(lèi)、建立指標(biāo)反演模型、建立專(zhuān)家系統(tǒng)等；數(shù)據(jù)分析包括指標(biāo)值的歸一化處理、權(quán)重的確定及綜合指數(shù)的計(jì)算；最后通過(guò)建立監(jiān)測(cè)與評(píng)價(jià)模型、生成相關(guān)圖件、報(bào)表數(shù)據(jù)等，反映耕地質(zhì)量狀況。

基于多源遙感的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)，是利用不同類(lèi)型遙感數(shù)據(jù)源，滿(mǎn)足不同監(jiān)測(cè)與評(píng)價(jià)范圍、內(nèi)容、目標(biāo)等要求，實(shí)現(xiàn)全國(guó)、省級(jí)、市級(jí)、縣級(jí)甚至田塊級(jí)等不同尺度耕地質(zhì)量監(jiān)測(cè)與定量評(píng)價(jià)。其中，中低空間分辨率遙感數(shù)據(jù)適用于監(jiān)測(cè)與評(píng)價(jià)全國(guó)或大區(qū)域范圍，高空間分辨率遙感數(shù)據(jù)主要用來(lái)監(jiān)測(cè)縣域或田間地塊范圍。如利用NOAA AVHRR監(jiān)測(cè)大洲水平上的地面覆被［5］，MODIS等影像監(jiān)測(cè)全國(guó)或省域［6］，環(huán)境一號(hào)、Landsat5 TM、Landsat8 OLI可開(kāi)展地市級(jí)監(jiān)測(cè)［7］，利用 SPOT-6/7、Worldview、GeoEye-1、GF-1、GF-2、SuperView-1、航空或無(wú)人機(jī)影像等高分辨率遙感影像開(kāi)展田塊尺度監(jiān)測(cè)［8］?；诟呖臻g分辨率影像提取耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)的指標(biāo)與對(duì)象，如田間道路、農(nóng)田林網(wǎng)、田塊形狀、溝渠及機(jī)井等田間設(shè)施。多光譜與高光譜遙感影像可定量化反演耕地質(zhì)量部分指標(biāo)因子。而不同成像周期的遙感影像可滿(mǎn)足各類(lèi)指標(biāo)不同的監(jiān)測(cè)與評(píng)價(jià)周期需求。充分利用多源遙感數(shù)據(jù)，構(gòu)建近地—航空—航天遙感一體化的遙感支撐技術(shù)體系，與傳統(tǒng)的實(shí)地調(diào)查相結(jié)合，進(jìn)而構(gòu)建耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)技術(shù)體系。

2 耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)指標(biāo)的遙感技術(shù)可獲取性分析

遙感在耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)中的應(yīng)用有兩方面：一是直接利用多源遙感獲取耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)指標(biāo)；二是通過(guò)遙感監(jiān)測(cè)作物長(zhǎng)勢(shì)間接反映耕地質(zhì)量狀況。以多源遙感數(shù)據(jù)為支撐的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)示意圖（圖1）。

2.1 遙感直接獲取耕地質(zhì)量指標(biāo)

以多源遙感數(shù)據(jù)為支撐，從地學(xué)特征、土壤特性、環(huán)境狀況、建設(shè)水平、生物多樣性等方面，獲取耕地質(zhì)量指標(biāo)。

圖1 多源遙感數(shù)據(jù)支撐的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)示意圖Fig.1 Schematic diagram of monitoring and evaluation of cultivated land quality supported by multi-source remote sensing data

2.1.1 地學(xué)特征

地形是自然地域綜合體的主要因素之一，影響耕地的光、熱、水條件。耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)包含地學(xué)特征的指標(biāo)有地形部位與田面坡度。兩類(lèi)指標(biāo)都是基于數(shù)字高程模型（Digital Elevation Model，DEM）經(jīng)二次處理后而得。遙感獲取DEM的主要有3種方式：立體像對(duì)、干涉雷達(dá)、激光雷達(dá)。立體像對(duì)獲取DEM，是利用不同攝影站獲取具有一定重疊度的兩幅圖像，通過(guò)計(jì)算生成DEM。干涉雷達(dá)利用雷達(dá)回波的相位信息對(duì)同一地區(qū)進(jìn)行至少兩次滿(mǎn)足干涉條件的觀測(cè)，獲取干涉相位和干涉圖［9］，進(jìn)而獲取DEM。如雷達(dá)衛(wèi)星COSMO-Skymed影像的合成孔徑雷達(dá)利用干涉技術(shù)（Synthetic Aperture Radar Interferometry，InSAR）獲取DEM［10］。激光雷達(dá)是通過(guò)位置、距離、角度等觀測(cè)數(shù)據(jù)直接獲取對(duì)象表面點(diǎn)三維坐標(biāo)，對(duì)地面的探測(cè)能力有著強(qiáng)大的優(yōu)勢(shì)，是快速獲取高精度地形信息的全新手段。李鵬程利用機(jī)載激光掃描數(shù)據(jù)獲取DEM［11］?；贒EM進(jìn)一步計(jì)算可獲取耕地田塊的地形部位、田面坡度、坡向等地形信息。

2.1.2 土壤特性

耕地土壤性狀是耕地質(zhì)量的重要組成部分。目前，遙感技術(shù)已被廣泛應(yīng)用于土壤類(lèi)型、土壤質(zhì)地、土壤水分含量、有效土層厚度等方面的研究并取得相關(guān)研究成果。

（1）土壤類(lèi)型

在耕地地塊尺度上，利用FieldSpec便攜式光譜儀測(cè)量土壤高光譜反射率數(shù)據(jù)，采用去包絡(luò)線(xiàn)法提取土壤光譜指數(shù)，利用神經(jīng)網(wǎng)絡(luò)法區(qū)分土壤類(lèi)型［12］；部分學(xué)者采用DMR-2型分光光度計(jì)，測(cè)定土壤的反射光譜曲線(xiàn)并分類(lèi)［13］。在區(qū)域尺度上，有相關(guān)研究利用Landsat ETM+多光譜數(shù)據(jù)，采用決策樹(shù)繪制土壤分布圖，并構(gòu)建了土壤遙感分類(lèi)識(shí)別專(zhuān)家系統(tǒng)［14］。

（2）土壤質(zhì)地

土壤質(zhì)地中土壤粒徑組合、土壤粗糙度和陰影及土壤顆粒的化學(xué)組成等會(huì)影響土壤的反射光譜［15］。有相關(guān)研究表明，利用近紅外光譜可區(qū)分土壤質(zhì)地，如利用可見(jiàn)光-近紅外光譜（VIS-NIR）與土壤質(zhì)地建立偏最小二乘回歸、多元回歸預(yù)測(cè)及BP神經(jīng)網(wǎng)絡(luò)方法，識(shí)別粘粒與砂粒［16］。探地雷達(dá)也是土壤質(zhì)地監(jiān)測(cè)的一種有效技術(shù)方法。探地雷達(dá)發(fā)射和接收高頻率、短脈沖電磁波（10MHz～2.5GHz），接收到的土壤反射電磁波經(jīng)處理后，分析和推斷地下介質(zhì)結(jié)構(gòu)和地層巖石特性等［17］。

（3）土壤水分

利用遙感技術(shù)可直接獲取耕地土壤水分，也可獲取與水分有關(guān)的地表溫度、植被指數(shù)等指標(biāo)。如基于MODIS的NDVI和LST產(chǎn)品數(shù)據(jù)，采用支持向量機(jī)回歸建立土壤水分遙感監(jiān)測(cè)模型［18］；利用微波遙感的后向散射系數(shù)監(jiān)測(cè)土壤水分含量［19］。

（4）有效土層厚度

探地雷達(dá)（GPR）、電阻率斷層掃描技術(shù)（ERT）及鉆孔實(shí)測(cè)方法相結(jié)合，可獲得耕地的有效土層厚度。探地雷達(dá)的高頻電磁波遇土層界面反射，出現(xiàn)振幅增大的現(xiàn)象，獲取土層界面的位置。電阻率斷層掃描技術(shù)根據(jù)介質(zhì)電阻率不同，可確定有效土層位置及其厚度［20］。

（5）土壤養(yǎng)分與有機(jī)質(zhì)含量

耕地土壤養(yǎng)分與有機(jī)質(zhì)含量不同，表現(xiàn)出不同的反射光譜，利用航空、航天遙感數(shù)據(jù)與地面采樣數(shù)據(jù)相結(jié)合的方法，通過(guò)構(gòu)建養(yǎng)分反演模型獲取土壤的有機(jī)質(zhì)、氮、磷、鉀含量，如祝文華［21］使用ASTER遙感影像，對(duì)吉林省黃金玉米帶土壤有機(jī)質(zhì)空間分布特征進(jìn)行研究，建立了有機(jī)質(zhì)預(yù)測(cè)模型。高光譜數(shù)據(jù)以其光譜分辨率高、“圖譜合一”的優(yōu)點(diǎn)，為養(yǎng)分定量研究提供了一種有效手段，如Selige等［22］利用機(jī)載高光譜影像，構(gòu)建土壤養(yǎng)分預(yù)測(cè)模型，繪制了土壤全氮含量分布圖。

（6）鹽漬化程度

鹽漬化是耕地土壤退化的形式之一。通過(guò)選點(diǎn)取樣，采用EM38、TDR儀測(cè)量電導(dǎo)率獲取鹽漬化參數(shù)，并與遙感監(jiān)測(cè)技術(shù)相結(jié)合，可進(jìn)行大面積土壤鹽分監(jiān)測(cè)［23］。多種遙感數(shù)據(jù)為定量鹽漬化監(jiān)測(cè)提供數(shù)據(jù)支撐，如基于RADARSAT 2和Sentinel 1微波雷達(dá)數(shù)據(jù)的縣域耕地鹽漬化監(jiān)測(cè)［24］，以及利用高光譜指數(shù)與電磁感應(yīng)技術(shù)的鹽漬化定量監(jiān)測(cè)［25］。

2.1.3 環(huán)境狀況

目前我國(guó)部分區(qū)域耕地存在土壤重金屬污染和白色污染等問(wèn)題，利用遙感技術(shù)可進(jìn)行有效監(jiān)測(cè)。

（1）土壤重金屬污染

土壤中重金屬元素含量較低，電磁輻射能量弱，光譜特征不明顯，易被土壤其他成分的光譜特征掩蓋，通過(guò)直接分析土壤的特征光譜，估算重金屬元素含量比較困難。因此，通常采用兩種方法，一是通過(guò)實(shí)驗(yàn)室化學(xué)分析得到土壤重金屬含量和鐵氧化物、有機(jī)質(zhì)等的內(nèi)在聯(lián)系，計(jì)算重金屬與土壤組分以及土壤組分與土壤特征光譜之間的相關(guān)系數(shù)，對(duì)重金屬進(jìn)行間接監(jiān)測(cè)［26］；二是通過(guò)植被的光譜數(shù)據(jù)，反演土壤中的重金屬含量。不同植物對(duì)重金屬敏感性不同，重金屬脅迫導(dǎo)致植物體內(nèi)生物化學(xué)成分發(fā)生改變，使電磁波譜反射特性不同［27］。

（2）白色污染

地膜隨意丟棄、處理不當(dāng)是白色污染的主要來(lái)源。利用多光譜遙感監(jiān)測(cè)耕地地膜覆蓋狀況，并進(jìn)一步推算耕地的白色污染。如利用Landsat5 TM數(shù)據(jù)，大面積監(jiān)測(cè)地膜覆蓋情況，利用GF-1數(shù)據(jù)監(jiān)測(cè)田塊級(jí)白色污染情況［28］。

2.1.4 建設(shè)水平

建設(shè)水平主要包括田塊狀況、灌溉保證率、排水條件、田間道路通達(dá)度、農(nóng)田林網(wǎng)等農(nóng)田基礎(chǔ)設(shè)施，反映了人類(lèi)活動(dòng)對(duì)耕地質(zhì)量的影響?，F(xiàn)有方法存在調(diào)查人員定性判定，結(jié)果不具客觀性及數(shù)據(jù)時(shí)效性差等問(wèn)題。采用遙感技術(shù)可客觀獲取耕地質(zhì)量建設(shè)水平狀況，主要通過(guò)基于多源遙感數(shù)據(jù)，提取研究對(duì)象的空間信息，結(jié)合景觀形狀指數(shù)等，對(duì)各指標(biāo)實(shí)現(xiàn)定量化監(jiān)測(cè)與評(píng)價(jià)。

田塊狀況影響農(nóng)田的機(jī)耕效率。田塊狀況的影響因素有形狀規(guī)整度、田面平整度、連片程度等?；诟叻直媛蔬b感影像，采用面向?qū)ο蟮确诸?lèi)提取田塊，作為監(jiān)測(cè)與評(píng)價(jià)的單元，分別通過(guò)景觀形狀指數(shù)反映田塊的規(guī)整程度；田面關(guān)鍵幾何點(diǎn)位的高程差異表征平整程度；連片度指數(shù)反映連片程度［29］。灌溉保證率是反映耕地保水程度的重要指標(biāo)，獲取方法主要有 3 種：一是基于 SEBAL（Surface Energy Balance Algorithm for Land，SEBAL）等遙感模型，利用MODIS等數(shù)據(jù)產(chǎn)品實(shí)現(xiàn)大面積的農(nóng)田蒸散發(fā)估算、地表干旱指數(shù)反演或灌溉面積監(jiān)測(cè)［30］；二是利用統(tǒng)計(jì)數(shù)據(jù)、地形數(shù)據(jù)結(jié)合多時(shí)相、高分辨率的衛(wèi)星遙感影像，采用人機(jī)交互識(shí)別灌溉渠系；三是基于多源遙感影像，結(jié)合決策樹(shù)等分類(lèi)算法與形態(tài)學(xué)分析等圖像處理技術(shù)，實(shí)現(xiàn)灌溉渠系的識(shí)別與更新。排水條件是衡量耕地排水能力的指標(biāo)，對(duì)于耕地防治田間積水與抵抗?jié)碁?zāi)有重要作用。獲取方法是在識(shí)別田間排水溝的基礎(chǔ)上，計(jì)算長(zhǎng)度、密度等指數(shù)，反映耕地的排水條件。田間道路通達(dá)度主要衡量人類(lèi)活動(dòng)的便捷程度對(duì)耕地產(chǎn)生的影響，獲取方法主要是基于道路光譜與形態(tài)特征提取道路，計(jì)算田塊與最近道路之間的距離等，反映道路通達(dá)情況。農(nóng)田林網(wǎng)化程度是衡量耕地防風(fēng)、防沙措施的重要指標(biāo)，基于遙感影像分類(lèi)更新林網(wǎng)圖斑，并計(jì)算林網(wǎng)長(zhǎng)度、密度等指數(shù)，反映耕地的林網(wǎng)化程度［31］。耕作距離的計(jì)算，首先基于高分辨率影像采用面向?qū)ο蟮姆诸?lèi)方法提取田塊與居民地，計(jì)算田塊與最近居民點(diǎn)的道路距離，間接反映耕作便利程度。

2.1.5 生物多樣性

由遙感數(shù)據(jù)提取耕地及周邊生物豐富度或多樣性信息，結(jié)合實(shí)地調(diào)查，構(gòu)建模型來(lái)監(jiān)測(cè)物種的分布，進(jìn)行耕地周邊生物多樣性判定?？衫眯l(wèi)星影像數(shù)據(jù)生成土地覆蓋分類(lèi)信息，在此基礎(chǔ)上區(qū)分植被類(lèi)型并計(jì)算斑塊數(shù)量和面積、邊界密度、Shannon多樣性等一系列景觀指數(shù)，表征區(qū)域生物多樣性。光譜異質(zhì)性被認(rèn)為是棲息地異質(zhì)性的指標(biāo)，棲息地異質(zhì)性高的地區(qū)有更多物種存在［32］。可建立光譜值與樣地調(diào)查得到物種分布模式的相關(guān)關(guān)系，通過(guò)區(qū)分地物的特殊光譜特征，進(jìn)行基于遙感技術(shù)的個(gè)體物種識(shí)別［33］。高光譜影像可提供區(qū)分地物細(xì)節(jié)特征的光譜信息，根據(jù)光譜差異分析不同的物種組成。近年來(lái)，基于多源遙感數(shù)據(jù)融合的研究越來(lái)越受到重視。目前研究中，有多種融合激光雷達(dá)和多光譜數(shù)據(jù)進(jìn)行群落和物種分類(lèi)方法［34］，并進(jìn)一步研究耕地周邊生物多樣性。

2.2 遙感手段間接監(jiān)測(cè)耕地質(zhì)量

近年來(lái)，隨著定量遙感在植被監(jiān)測(cè)領(lǐng)域的廣泛應(yīng)用，有學(xué)者基于遙感技術(shù)監(jiān)測(cè)多年作物生長(zhǎng)狀況間接監(jiān)測(cè)耕地質(zhì)量。利用長(zhǎng)時(shí)間序列遙感數(shù)據(jù)，監(jiān)測(cè)由作物冠層光譜反射率計(jì)算的表征作物多年長(zhǎng)勢(shì)，來(lái)間接評(píng)價(jià)耕地質(zhì)量。反映作物長(zhǎng)勢(shì)的指標(biāo)有歸一化差值植被指數(shù)NDVI（Normalized Difference Vegetation Index，NDVI）、總初級(jí)生產(chǎn)力GPP（Gross Primary Production，GPP）、凈初級(jí)生產(chǎn)力 NPP（Net Primary Productivity，NPP）、植被覆蓋度 FVC（Fractional Vegetation Cover，F(xiàn)VC）。歐陽(yáng)玲［35］利用 SVM 評(píng)價(jià)了松嫩平原的耕地質(zhì)量，并驗(yàn)證了耕地質(zhì)量與NDVI、NPP、FVC的相關(guān)性良好，表明基于遙感監(jiān)測(cè)作物長(zhǎng)勢(shì)可以間接評(píng)價(jià)耕地質(zhì)量。王蕊等［36］利用2000—2008年MODIS遙感影像，利用反映冬小麥長(zhǎng)勢(shì)的多年NDVI平均值，評(píng)價(jià)河北的農(nóng)田生產(chǎn)力。國(guó)志興等［37］利用MODIS反演的NPP，評(píng)價(jià)了三江平原水田與旱地的生產(chǎn)力。牛忠恩等［38］對(duì)比了VPM模型與PSN模型計(jì)算的GPP精度，并用GPP評(píng)價(jià)了中國(guó)農(nóng)田生態(tài)系統(tǒng)的總初級(jí)生產(chǎn)力。肖北生［39］利用高分一號(hào)影像建立壓力狀態(tài)響應(yīng)模型，通過(guò)NDVI、RVI、DVI綜合評(píng)價(jià)耕地質(zhì)量。林晨等［40］利用MODIS影像光譜值與耕地自然質(zhì)量指數(shù)的相關(guān)性，建立基于遙感數(shù)據(jù)的農(nóng)用地質(zhì)量反演模型，并利用無(wú)錫市農(nóng)用地分類(lèi)結(jié)果進(jìn)行了驗(yàn)證。而耕地質(zhì)量屬于長(zhǎng)年穩(wěn)定量，單期遙感影像反映的植被生長(zhǎng)存在明顯的季節(jié)干擾，利用作物長(zhǎng)勢(shì)評(píng)價(jià)農(nóng)田或者耕地質(zhì)量時(shí)，通常利用多年作物長(zhǎng)勢(shì)數(shù)據(jù)對(duì)耕地質(zhì)量進(jìn)行間接評(píng)價(jià)。

3 展望

基于多源遙感數(shù)據(jù)，以遙感技術(shù)為支撐，實(shí)現(xiàn)了大面積、快速監(jiān)測(cè)與評(píng)價(jià)耕地質(zhì)量，擺脫了傳統(tǒng)依賴(lài)樣點(diǎn)插值的面域監(jiān)測(cè)與評(píng)價(jià)方式，同時(shí)大大縮短監(jiān)測(cè)與評(píng)價(jià)周期?；谶b感高分辨率影像的空間信息提取、多光譜與高光譜數(shù)據(jù)結(jié)合其他數(shù)據(jù)的部分指標(biāo)定量化監(jiān)測(cè)是直接監(jiān)測(cè)耕地質(zhì)量的主要思路。而基于多年作物長(zhǎng)勢(shì)數(shù)據(jù)監(jiān)測(cè)與評(píng)價(jià)耕地質(zhì)量是將作物長(zhǎng)勢(shì)作為耕地質(zhì)量的直觀表現(xiàn)，通過(guò)監(jiān)測(cè)作物長(zhǎng)勢(shì)間接評(píng)價(jià)耕地質(zhì)量。為構(gòu)建完善多源遙感數(shù)據(jù)支撐的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)體系，可重點(diǎn)開(kāi)展以下研究：

（1）遙感數(shù)據(jù)容易受到外界環(huán)境的干擾，為了提高監(jiān)測(cè)的精度，可以將多源遙感數(shù)據(jù)融合，綜合利用雷達(dá)、高光譜、多光譜及熱紅外等數(shù)據(jù)，同時(shí)采用不同時(shí)相的數(shù)據(jù)進(jìn)行交叉驗(yàn)證，確保監(jiān)測(cè)與評(píng)價(jià)結(jié)果的精度。

（2）耕地質(zhì)量是空間各因素共同作用形成的綜合體，遙感技術(shù)僅限獲取地表屬性。為精確監(jiān)測(cè)與評(píng)價(jià)耕地質(zhì)量，將多源遙感數(shù)據(jù)與實(shí)地調(diào)查、化驗(yàn)結(jié)果等數(shù)據(jù)相結(jié)合，形成耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)綜合數(shù)據(jù)庫(kù)。

（3）隨著高光譜、熱紅外、雷達(dá)等新型衛(wèi)星的迅速發(fā)展，將多源遙感與地面?zhèn)鞲衅鳌?shí)地調(diào)查、網(wǎng)絡(luò)數(shù)據(jù)等深度融合，形成更全面的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)技術(shù)體系。耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)朝著立體化、實(shí)時(shí)化、定量化、自動(dòng)化和智能化方向發(fā)展。

通過(guò)構(gòu)建遙感技術(shù)支撐的耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)體系，可實(shí)現(xiàn)大范圍、實(shí)時(shí)獲取耕地質(zhì)量狀況。隨著遙感技術(shù)的發(fā)展，遙感作為耕地質(zhì)量監(jiān)測(cè)與評(píng)價(jià)的重要手段，可有效提高各項(xiàng)指標(biāo)獲取效率與精度。