陳元鵬,任 佳,*,王 力

1 自然資源部國(guó)土整治中心,北京 100035 2 中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100094

改革開(kāi)放40年以來(lái),我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展取得巨大進(jìn)步,經(jīng)濟(jì)總量躍居世界第二,經(jīng)濟(jì)結(jié)構(gòu)實(shí)現(xiàn)重大變革,基礎(chǔ)產(chǎn)業(yè)和基礎(chǔ)設(shè)施跨越式發(fā)展。但與此同時(shí),資源和環(huán)境條件的約束邊界也在步步逼近[1],諸多生態(tài)環(huán)境問(wèn)題日益顯現(xiàn)。黨的十八大以來(lái),以習(xí)近平總書(shū)記為核心的黨中央高度重視生態(tài)文明建設(shè),把生態(tài)文明建設(shè)納入統(tǒng)籌推進(jìn)“五位一體”總體布局和協(xié)調(diào)推進(jìn)“四個(gè)全面”戰(zhàn)略布局的重要內(nèi)容。為貫徹落實(shí)習(xí)近平生態(tài)文明思想、加強(qiáng)生態(tài)文明建設(shè)、筑牢生態(tài)安全屏障、推進(jìn)生態(tài)保護(hù)修復(fù),2016至2018年,財(cái)政部、自然資源部、生態(tài)環(huán)境部三部門(mén)聯(lián)合印發(fā)文件,開(kāi)展“山水林田湖草生態(tài)保護(hù)修復(fù)工程試點(diǎn)”,批準(zhǔn)工程試點(diǎn)25個(gè)。試點(diǎn)通過(guò)實(shí)施礦山生態(tài)修復(fù)、土地整治、森林質(zhì)量提升、流域水環(huán)境保護(hù)治理、水土流失治理等措施促進(jìn)生態(tài)保護(hù)修復(fù)。25個(gè)試點(diǎn)工程區(qū)域面積總計(jì)約103萬(wàn)km2,覆蓋范圍廣、監(jiān)測(cè)監(jiān)管難。

驗(yàn)證、評(píng)估大區(qū)域尺度的生態(tài)保護(hù)修復(fù)工作成效,持續(xù)跟蹤、監(jiān)測(cè)工程試點(diǎn)建設(shè)與管護(hù)情況,需精準(zhǔn)高效識(shí)別區(qū)域內(nèi)生態(tài)環(huán)境問(wèn)題、獲取區(qū)域內(nèi)復(fù)雜生態(tài)環(huán)境信息、監(jiān)測(cè)區(qū)域內(nèi)生態(tài)環(huán)境系統(tǒng)變化,這迫切需要引入精度高、范圍廣、時(shí)效性強(qiáng)的監(jiān)測(cè)監(jiān)管技術(shù)作為重要支撐手段。遙感技術(shù)具有宏觀、動(dòng)態(tài)、快速、可重復(fù)等特點(diǎn),是國(guó)家重大戰(zhàn)略和重大工程實(shí)施的有利保障,可有效助力生態(tài)環(huán)境系統(tǒng)的觀測(cè)與分析,輔助生態(tài)保護(hù)修復(fù)項(xiàng)目區(qū)域內(nèi)的多目標(biāo)地物信息提取與變化檢測(cè)。

在地表空間異質(zhì)性較強(qiáng)區(qū)域,陸地表面的動(dòng)態(tài)變化(如城市建設(shè)擴(kuò)張、森林植被砍伐等活動(dòng)),往往發(fā)生在較小的空間尺度上和較短的時(shí)間階段內(nèi)。因此,有必要基于高空間和高時(shí)間分辨率的衛(wèi)星遙感數(shù)據(jù)及時(shí)監(jiān)測(cè)小空間尺度上的地表覆被變化情況[2]。由于遙感衛(wèi)星自身物理性能的限制,單一衛(wèi)星遙感數(shù)據(jù)的空間分辨率和時(shí)間分辨率是一對(duì)“矛盾體”,存在相互制約關(guān)系[3],目前尚不存在一種衛(wèi)星傳感器能夠同時(shí)提供高空間分辨率和高時(shí)間分辨率的遙感數(shù)據(jù),因此利用單一衛(wèi)星遙感影像數(shù)據(jù)觀測(cè)并獲取高時(shí)空分辨率的地物變化信息存在困難。

生態(tài)保護(hù)修復(fù)項(xiàng)目往往存在范圍廣、面積大、云雨多等特點(diǎn)(如湖南省湘江流域和洞庭湖生態(tài)保護(hù)修復(fù)項(xiàng)目區(qū)總面積10km2,區(qū)域范圍內(nèi)云雨天氣較多),并且生態(tài)修復(fù)工程措施實(shí)施時(shí)間周期較短,采用單一衛(wèi)星遙感數(shù)據(jù)無(wú)法滿足對(duì)其大范圍、精細(xì)化的某一地物信息或某一生態(tài)指標(biāo)信息的連續(xù)時(shí)空分布監(jiān)測(cè)[4]。為此,基于多源遙感數(shù)據(jù)的生態(tài)保護(hù)修復(fù)項(xiàng)目區(qū)監(jiān)測(cè)方法研究至關(guān)重要。

1 國(guó)內(nèi)外研究進(jìn)展

生態(tài)保護(hù)修復(fù)項(xiàng)目的特點(diǎn)為區(qū)域廣、范圍大,區(qū)域內(nèi)土地覆被變化具有一定尺度依賴性[5-6],同時(shí)項(xiàng)目生態(tài)效益評(píng)價(jià)指標(biāo)復(fù)雜多樣,諸如此類項(xiàng)目的特殊性決定監(jiān)測(cè)工作需基于衛(wèi)星遙感數(shù)據(jù),結(jié)合機(jī)器學(xué)習(xí)與混合像元分析等方法開(kāi)展多目標(biāo)地物信息提?。会槍?duì)多源衛(wèi)星遙感數(shù)據(jù)進(jìn)行尺度轉(zhuǎn)換與時(shí)空融合,生成高時(shí)空分辨率的時(shí)間序列遙感數(shù)據(jù)與產(chǎn)品；利用長(zhǎng)時(shí)間序列遙感數(shù)據(jù)與產(chǎn)品,分析驗(yàn)證項(xiàng)目前期生態(tài)環(huán)境問(wèn)題,檢測(cè)項(xiàng)目實(shí)施期土地覆被的動(dòng)態(tài)變化與突變情況[7-8]。

1.1 地物信息提取

地物信息是生態(tài)環(huán)境遙感監(jiān)測(cè)的重要指標(biāo),隨著全球變化研究的深入,地物信息變化研究已成為全球生態(tài)環(huán)境變化研究的核心內(nèi)容,生態(tài)保護(hù)修復(fù)項(xiàng)目遙感監(jiān)測(cè)地物信息的提取內(nèi)容指標(biāo)主要包括土地覆被/利用類型、生物量、凈初級(jí)生產(chǎn)力、植被覆蓋度等。還包括與生態(tài)環(huán)境相關(guān)的參數(shù)類指標(biāo),如水土保持、水源涵養(yǎng)等相關(guān)參數(shù)指標(biāo)。

地物信息提取是基于遙感影像的目標(biāo)識(shí)別[9],機(jī)器學(xué)習(xí)是解決目標(biāo)識(shí)別問(wèn)題的主要方法之一[10-11]。許多國(guó)內(nèi)外學(xué)者采用機(jī)器學(xué)習(xí)方法開(kāi)展了土地覆被信息分類及一系列地球生物、物理和化學(xué)參數(shù)的反演。土地覆被分類方面,Dalponte等[12]基于高光譜影像數(shù)據(jù),利用支持向量機(jī)(Support Vector Machine,SVM)進(jìn)行森林類型的識(shí)別并取得了較好的效果；楊紅磊等[13]利用對(duì)數(shù)主成分變換的期望最大化算法(Expectation Maximization Algorithm,EM)對(duì)土地覆被信息進(jìn)行了分類處理,分類結(jié)果精度優(yōu)于普通EM和傳統(tǒng)的K-means等非監(jiān)督分類方法；Rodriguez等[14]從訓(xùn)練數(shù)據(jù)集大小的敏感性以及噪聲影響等方面,評(píng)價(jià)了隨機(jī)森林(Random Forest,RF)方法在土地覆被分類中的有效性。相關(guān)參數(shù)信息反演方面,偏最小二乘法、隨機(jī)森林與人工神經(jīng)網(wǎng)絡(luò)等方法廣泛應(yīng)用于地表溫度LST、葉面積指數(shù)LAI、水深與渾濁度等變量的反演,并取得了較高精度[15-19]。此外,近幾年深度學(xué)習(xí)算法的推廣應(yīng)用,也一定程度上提高了地物識(shí)別的精度[20]?，F(xiàn)階段,機(jī)器學(xué)習(xí)包括深度學(xué)習(xí)方法已廣泛應(yīng)用于地物信息的提取,過(guò)程中各類方法也得以不斷完善優(yōu)化。然而,由于地表的空間異質(zhì)性,混合像元普遍存在于遙感影像中,一定程度影響地物識(shí)別和分類精度[21]。

1.2 混合像元分解

由于空間分辨率的限制以及地物的復(fù)雜多樣性,一個(gè)像元內(nèi)往往會(huì)包含多種地物類型,稱為混合像元。混合像元中不同地物光譜特征互相影響,使得像元與土地覆被類別信息一一對(duì)應(yīng)的硬分類影像不能夠有效表現(xiàn)出像元中多端元組合的細(xì)節(jié)信息。為此,需要對(duì)混合像元進(jìn)行分解,通過(guò)混合像元分解生成的豐度圖像能夠更好保留地表空間結(jié)構(gòu)和土地覆被信息[22-23]。國(guó)內(nèi)外學(xué)者對(duì)混合像元分解方法進(jìn)行了大量研究[24-27],探索提出了許多線性和非線性混合像元分解模型及其改進(jìn)優(yōu)化方法。如多端元混合像元分解(Multiple Endmember Spectral Mixture Analysis,MESMA)方法,該方法利用不同類型和數(shù)量的地物端元組合模擬每個(gè)像元,有效解決了“同物異譜”問(wèn)題[28-30]；Ray等[31]提出的高次多項(xiàng)式模型及其改進(jìn)優(yōu)化模型[32-33],在線性模型基礎(chǔ)上,引入交叉端元來(lái)表示多次散射,較好地刻畫(huà)了復(fù)雜場(chǎng)景的多次散射作用,提高了解混精度?；诨旌舷裨纸獾玫降慕M分?jǐn)?shù)據(jù),不僅能夠在亞像元尺度更好地刻畫(huà)土地覆被信息,還能夠作為自變量參與到遙感尺度轉(zhuǎn)換與時(shí)空信息融合中。

1.3 遙感數(shù)據(jù)高時(shí)空融合

1.4 遙感時(shí)間序列影像變化檢測(cè)

生態(tài)保護(hù)修復(fù)項(xiàng)目工程措施實(shí)施周期短,管護(hù)周期長(zhǎng),基于遙感時(shí)間序列影像開(kāi)展變化檢測(cè)有助于項(xiàng)目監(jiān)測(cè)監(jiān)管。遙感影像變化檢測(cè)根據(jù)不同的變化形式,分為異常信息檢測(cè)與土地覆被變化檢測(cè)[40]。常用的方法包括雙時(shí)相監(jiān)測(cè)方法,即將土地覆被變化檢測(cè)作為雙時(shí)相變化檢測(cè)問(wèn)題的擴(kuò)展[41],還包括基于時(shí)間序列模型的變化檢測(cè)方法,如Mithal等[42]提出了一種基于子序列分割的變化檢測(cè)方法,通過(guò)擬合一個(gè)非參數(shù)模型將時(shí)間序列分割為多個(gè)均勻的子序列,分割的時(shí)相位置就是潛在發(fā)生變化的時(shí)刻；Geng等[8]基于MODIS NDVI數(shù)據(jù),利用BFAST算法(Breaks for Additive Season and Trend,BFAST)探索了祁連山地區(qū)植被突變的時(shí)空特征及其潛在的驅(qū)動(dòng)因素,有效識(shí)別出植被斷點(diǎn)變化的時(shí)間、位置與幅度；Wang等[43]利用BFAST方法對(duì)內(nèi)蒙古干旱區(qū)的時(shí)空分布與變化進(jìn)行了分析探索,有效識(shí)別出了內(nèi)蒙古東北部地區(qū)的干旱趨勢(shì)。

2 基于多源遙感數(shù)據(jù)的監(jiān)測(cè)方法要點(diǎn)

基于多源遙感數(shù)據(jù)的生態(tài)保護(hù)修復(fù)項(xiàng)目監(jiān)測(cè)方法包含以下幾方面：參閱文獻(xiàn)資料,結(jié)合實(shí)際工作擬定監(jiān)測(cè)指標(biāo)與任務(wù)；圍繞監(jiān)測(cè)指標(biāo),基于不同分辨率遙感數(shù)據(jù)并結(jié)合地面監(jiān)測(cè)數(shù)據(jù),采用機(jī)器學(xué)習(xí)與混合像元分析等方法,提取地物信息與組分?jǐn)?shù)據(jù),反演與監(jiān)測(cè)指標(biāo)相關(guān)的參數(shù)；以多時(shí)相、多源遙感影像生成的地物信息為基礎(chǔ),開(kāi)展多源遙感數(shù)據(jù)高時(shí)空融合,重構(gòu)時(shí)間序列遙感數(shù)據(jù)產(chǎn)品；基于時(shí)間序列遙感數(shù)據(jù)產(chǎn)品,開(kāi)展項(xiàng)目區(qū)地物信息亞像元級(jí)變化檢測(cè),實(shí)現(xiàn)對(duì)項(xiàng)目區(qū)生態(tài)保護(hù)情況、修復(fù)措施的識(shí)別與評(píng)價(jià)[44-46],技術(shù)路線如下圖1所示。

2.1 生態(tài)保護(hù)修復(fù)工程監(jiān)測(cè)指標(biāo)

生態(tài)保護(hù)修復(fù)工程涉及“山水林田湖草”多個(gè)生態(tài)要素,其監(jiān)測(cè)指標(biāo)具有復(fù)雜性和多樣性的特點(diǎn),擬定監(jiān)測(cè)指標(biāo)與任務(wù)是工作首要目標(biāo)。參考相關(guān)生態(tài)保護(hù)修復(fù)工程監(jiān)測(cè)評(píng)估指標(biāo)體系[47],梳理出共性指標(biāo)類別包括4大類：生態(tài)系統(tǒng)宏觀結(jié)構(gòu)、生態(tài)系統(tǒng)質(zhì)量、生態(tài)系統(tǒng)服務(wù)、生態(tài)系統(tǒng)變化影響因素。具體指標(biāo)包括一級(jí)指標(biāo)11項(xiàng),二級(jí)指標(biāo)25項(xiàng),其中可用遙感數(shù)據(jù)直接獲取的指標(biāo)8項(xiàng),采用遙感數(shù)據(jù)結(jié)合地面監(jiān)測(cè)數(shù)據(jù)可獲取的指標(biāo)8項(xiàng),具體如下表1。從監(jiān)測(cè)指標(biāo)可看出,64%的指標(biāo)要直接或間接依靠遙感數(shù)據(jù)進(jìn)行監(jiān)測(cè),可見(jiàn)遙感技術(shù)在生態(tài)保護(hù)修復(fù)工程監(jiān)測(cè)中至關(guān)重要。

2.2 基于中高空間分辨率遙感數(shù)據(jù)的項(xiàng)目區(qū)信息提取

基于中高空間分辨率遙感影像的項(xiàng)目區(qū)信息提取包括：基于亞米(或米)級(jí)高空間分辨率光學(xué)遙感數(shù)據(jù),通過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與目視解譯相結(jié)合的地物信息提取方法,生成土地覆被數(shù)據(jù),對(duì)研究區(qū)域內(nèi)生態(tài)修復(fù)相關(guān)信息實(shí)現(xiàn)高精度識(shí)別；基于中等空間分辨率遙感影像(以Landsat系列衛(wèi)星遙感數(shù)據(jù)為主),通過(guò)線性與非線性混合像元分解方法的比較驗(yàn)證,實(shí)現(xiàn)研究區(qū)域內(nèi)地物組分信息的有效提取；基于Landsat系列衛(wèi)星遙感數(shù)據(jù),結(jié)合地面實(shí)測(cè)數(shù)據(jù),開(kāi)展植被覆蓋、水源涵養(yǎng)、湖泊水面等監(jiān)測(cè)指標(biāo)的定量化反演。根據(jù)實(shí)地調(diào)查監(jiān)測(cè)獲取的樣點(diǎn)信息,結(jié)合高空間分辨率遙感數(shù)據(jù)的解譯成果進(jìn)行真實(shí)性檢驗(yàn)。中高空間分辨率光學(xué)遙感影像信息提取示意結(jié)果見(jiàn)圖2,混合像元分解示意結(jié)果見(jiàn)圖3。

表1 生態(tài)保護(hù)修復(fù)工程監(jiān)測(cè)指標(biāo)

圖2 中高空間分辨率光學(xué)遙感影像信息提取結(jié)果Fig.2 Optical remote sensing image information extraction results based on moderate and high spatial resolution

圖3 混合像元分解結(jié)果Fig.3 Pixel unmixing results

2.3 項(xiàng)目區(qū)多源遙感數(shù)據(jù)高時(shí)空融合

項(xiàng)目區(qū)多源遙感數(shù)據(jù)高時(shí)空融合,應(yīng)根據(jù)研究區(qū)位,搜索生態(tài)保護(hù)修復(fù)項(xiàng)目實(shí)施期間與歷史時(shí)期的存檔系列遙感數(shù)據(jù),篩查出“缺失”或“云污染”遙感數(shù)據(jù)的空間位置與時(shí)間節(jié)點(diǎn)。以多時(shí)相、多源遙感數(shù)據(jù)生成的地物信息數(shù)據(jù)為基礎(chǔ),采用增強(qiáng)時(shí)空自適應(yīng)反射率融合(ESTARFM)、時(shí)空組分信息融合(Spatial temporal fraction map fusion model,STFMF)、時(shí)空反射率解混改進(jìn)融合(Improved spatial temporal reflectance unmixing model,ISTRUM)等模型,開(kāi)展多源遙感數(shù)據(jù)高時(shí)空融合,同時(shí)探討不同方法的優(yōu)劣性。通過(guò)方法的優(yōu)選試驗(yàn),生成研究區(qū)“缺失”和“云污染”遙感數(shù)據(jù)的替代數(shù)據(jù),聯(lián)合存檔影像重構(gòu)項(xiàng)目區(qū)時(shí)間序列連續(xù)、空間分辨率較高的遙感數(shù)據(jù)產(chǎn)品。

2.4 基于時(shí)間序列遙感影像的項(xiàng)目區(qū)變化檢測(cè)

結(jié)合項(xiàng)目區(qū)規(guī)劃與實(shí)施方案,基于重構(gòu)的時(shí)間序列遙感數(shù)據(jù)產(chǎn)品,采用季節(jié)趨勢(shì)的斷點(diǎn)檢測(cè)(Breaks for additive seasonal and trend,BFAST)、LandTrendr擾動(dòng)檢測(cè)、植被變化跟蹤(Vegetation change tracker,VCT)等方法,開(kāi)展項(xiàng)目區(qū)地物信息的變化檢測(cè),通過(guò)對(duì)地物信息突變數(shù)量、時(shí)間、強(qiáng)度的檢測(cè)以識(shí)別生態(tài)問(wèn)題、生態(tài)修復(fù)措施,實(shí)現(xiàn)生態(tài)保護(hù)修復(fù)項(xiàng)目區(qū)的有效監(jiān)測(cè)。

2.5 基于多源數(shù)據(jù)的生態(tài)效益評(píng)價(jià)

基于時(shí)間序列遙感數(shù)據(jù)產(chǎn)品,輔以其他多源監(jiān)測(cè)數(shù)據(jù)如氣象、水文、土壤、人口、經(jīng)濟(jì)等,利用InVEST、ARIES等模型,對(duì)項(xiàng)目區(qū)的生態(tài)系統(tǒng)分布結(jié)構(gòu)與變化、生態(tài)系統(tǒng)質(zhì)量與變化、生態(tài)問(wèn)題與變化、生態(tài)系統(tǒng)服務(wù)與變化、生態(tài)效益等參量進(jìn)行評(píng)價(jià),評(píng)價(jià)其狀態(tài)、變化趨勢(shì)及驅(qū)動(dòng)力。基于生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)理念,運(yùn)用直接市場(chǎng)價(jià)值、替代市場(chǎng)價(jià)值、模擬市場(chǎng)評(píng)估等方法,結(jié)合生態(tài)效益等評(píng)價(jià)結(jié)果,完成生態(tài)產(chǎn)品價(jià)值核算,為生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)提供基礎(chǔ)數(shù)據(jù),促進(jìn)生態(tài)文明體制改革、加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、實(shí)現(xiàn)經(jīng)濟(jì)社會(huì)與資源環(huán)境協(xié)調(diào)發(fā)展。

3 基于多源遙感數(shù)據(jù)的監(jiān)測(cè)方法發(fā)展與展望

國(guó)土空間生態(tài)修復(fù)工作開(kāi)展以來(lái),自然資源管理部門(mén)積極探索創(chuàng)新生態(tài)保護(hù)修復(fù)監(jiān)測(cè)技術(shù)方法,但在“天地網(wǎng)”一體化監(jiān)測(cè),尤其是遙感監(jiān)測(cè)的理論技術(shù)、應(yīng)用實(shí)踐創(chuàng)新研究中,深度尚顯不足,面向高空間分辨率遙感數(shù)據(jù)的地物信息提取技術(shù)手段相對(duì)不夠多元,基于多源遙感數(shù)據(jù)互補(bǔ)的項(xiàng)目區(qū)地物信息變化檢測(cè)方法研究與應(yīng)用有待加強(qiáng)。在解算技術(shù)方面,機(jī)器學(xué)習(xí)、光譜分析、尺度轉(zhuǎn)換、空間解混等理論與技術(shù)方法的研究與應(yīng)用仍有待深入。在數(shù)據(jù)統(tǒng)籌方面,獲取高質(zhì)量的高分辨率衛(wèi)星或航拍遙感影像的經(jīng)濟(jì)成本和時(shí)間成本較高,信息源和數(shù)據(jù)分析手段均受限制。在工作基礎(chǔ)方面,區(qū)域化、實(shí)驗(yàn)型的探索雖然取得了一定成效,但面向更大范圍的國(guó)土空間生態(tài)保護(hù)修復(fù)遙感監(jiān)測(cè),尚未形成穩(wěn)定長(zhǎng)效的工作機(jī)制,尚未建立完善的多尺度遙感監(jiān)測(cè)技術(shù)體系。在技術(shù)創(chuàng)新方面,生態(tài)保護(hù)修復(fù)遙感監(jiān)測(cè)技術(shù)所涉及的環(huán)節(jié)眾多,監(jiān)測(cè)數(shù)據(jù)、監(jiān)測(cè)內(nèi)容、監(jiān)測(cè)區(qū)域等都存在較大差異性,對(duì)應(yīng)的技術(shù)路線也因此存在不同,相應(yīng)的關(guān)鍵技術(shù)瓶頸亟待突破[48-52]。

針對(duì)技術(shù)研究的不足,未來(lái)應(yīng)從以下幾方面加強(qiáng)研究與探索：一是隨著科技進(jìn)步與可獲取數(shù)據(jù)的增多,應(yīng)結(jié)合實(shí)際工作持續(xù)優(yōu)化國(guó)土空間生態(tài)保護(hù)修復(fù)的監(jiān)測(cè)指標(biāo)體系,形成監(jiān)測(cè)與評(píng)價(jià)指標(biāo)庫(kù)；二是充分挖掘遙感數(shù)據(jù)解析的相關(guān)算法潛力,如深度學(xué)習(xí)與混合像元分解模型等的優(yōu)化,兼顧效率的同時(shí)提升地物信息提取的精度,充分利用非線性混合像元分解模型加強(qiáng)對(duì)地物信息亞像元級(jí)別的分析；三是加強(qiáng)時(shí)空融合算法與變化檢測(cè)方法的研究探索,提高算法精度,加強(qiáng)相關(guān)方法在生態(tài)保護(hù)修復(fù)項(xiàng)目遙感監(jiān)測(cè)中的實(shí)踐應(yīng)用,有效助力實(shí)際工作開(kāi)展。

針對(duì)工作推進(jìn)的不足,要以“山水林田湖草生態(tài)保護(hù)修復(fù)工程試點(diǎn)”項(xiàng)目為平臺(tái),一是建立生態(tài)保護(hù)修復(fù)工程野外監(jiān)測(cè)臺(tái)站,有效獲取野外調(diào)查與觀測(cè)數(shù)據(jù)；二是結(jié)合監(jiān)測(cè)評(píng)價(jià)指標(biāo)體系、相關(guān)科學(xué)技術(shù)方法,因地制宜形成基于多源遙感數(shù)據(jù)的監(jiān)測(cè)方法；三是加強(qiáng)部門(mén)協(xié)同聯(lián)動(dòng),建立穩(wěn)定的遙感監(jiān)測(cè)運(yùn)行機(jī)制,在區(qū)域性試點(diǎn)研究實(shí)踐的基礎(chǔ)上,逐步提升形成國(guó)土空間生態(tài)保護(hù)修復(fù)監(jiān)測(cè)監(jiān)管運(yùn)行機(jī)制；四是加強(qiáng)技術(shù)攻關(guān)與科技創(chuàng)新,形成行業(yè)乃至國(guó)家技術(shù)標(biāo)準(zhǔn),指導(dǎo)相關(guān)監(jiān)測(cè)監(jiān)管工作的有效開(kāi)展。