1.6 土地资源遥感
农业土地资源是衣食之源，是人类农业生产、生活和经营开发的基础。在1995年启动的国际土地利用/土地覆被变化计划(Turner等，1995)和2005年启动的全球土地计划(Global Land Project，2005)两大科学研究计划的推动下，利用遥感技术调查和监测自然和社会经济因素共同作用下的农业土地资源的类型、数量、分布、质量及其时空变化过程和规律受到广泛关注。农业土地资源遥感主要包括资源调查和变化监测。资源调查主要利用遥感分类技术方法来获取以空间和质量属性为主的状态信息，变化监测主要利用遥感变化检测技术方法来获取农业土地资源的时空变化信息(王静等，2006)。经过近20年的快速发展，遥感在不同时空尺度下的农业土地资源调查和监测中发挥了重要作用，无论在理论和技术方法，还是在实践应用方面都取得了长足的进展。
早期的农业土地资源遥感多以耕地时空格局及其动态变化为主，重点监测耕地数量和空间变化态势，及与其他土地利用方式的相互转换特征、规律和过程(唐华俊等，2015b)。技术方法从最初的目视解译法发展到基于统计学的分类法(如监督分类方法、多时相分类方法、多源数据结合分类法等)，以及其他遥感分类法(如神经元网络方法、模糊数学分类法、随机森林分类法、混合像元分解法等)(唐华俊等，2010)。此外，面向对象的分类方法，如考虑像元空间邻域特征的上下文分析方法和考虑纹理特征的分类法也成为辅助于光谱特征分类的重要方法(Hu等，2013)。然而，近年来耕地遥感制图研究呈现出两个明显的发展趋势。一是全球耕地制图受到国际社会高度重视，将高空间分辨率的全球耕地遥感数据研制提上日程。欧洲空间局基于MERIS数据研制了全球300 m空间分辨率的地表覆盖数据GlobCover。中国科学家在世界上率先研制了30m空间分辨率的全球耕地遥感数据产品，即清华大学的FROM-GLC数据集和国家基础地理信息中心的GlobeLand30数据集(Gong等，2013;Chen等，2015)，将全球耕地遥感数据集的空间分辨率提高了10倍。二是融合已有的多源耕地数据生产质量更高的耕地数据集受到广泛关注。多源数据融合是在不同来源耕地数据的对比分析基础上，通过一定的数学算法进行融合，凭借多源数据在时空分辨率、完整性、精度等方面的互补性，弥补单个耕地数据集的不足(Lu等，2016)。融合方法包括基于回归分析的融合、基于数据一致性的融合、基于D-S证据理论的融合、基于数据集成方法的融合、基于模糊集合理论的融和基于统计模型的融合等6类(陈迪等，2016)。目前应用最广泛的是基于数据一致性分析的融合方法(Ramankutty等，2008;Fritz等，2015)和基于回归分析的融合方法(Kinoshita等，2014;See等，2015)。
近年来，随着土地系统概念的不断深入，农业土地资源遥感研究除关注耕地格局变化外，也开始重点关注耕地利用强度和集约度等格局及其变化。耕地的时间和空间利用强度多以耕地复种指数来衡量，即单位面积耕地一年几熟或几年几熟的问题。耕地复种指数遥感监测主要是根据时间序列植被指数年内的周期性变化对植被的生长与衰落等季节活动的准确描述来实现复种指数的有效监测(范锦龙和吴炳方，2004)。不同学者提出了不同的复种指数遥感监测方法，如基于傅里叶变换和决策树方法的耕地复种指数提取(Canisius等，2007;左丽君等，2009);基于交叉拟合度检验法的复种指数提取(辜智慧，2003)。峰值法因其简单易成为目前耕地复种指数遥感监测最为广泛的方法(闫慧敏等，2005;朱孝林等，2008;吴文斌等，2009;徐昔保和杨桂山，2013;丁明军等，2015)。其假设复种指数与植被指数变化曲线的峰值较吻合，即一年一熟区的植被指数在年内形成明显的单峰曲线，一年两熟区耕地的植被指数形成双峰曲线。如何获取峰值的频数和分布成为关键，常用的方法包括直接比较法和二次差分法。然而，仅单纯计算峰值数目可能造成复种指数监测的误差，因为植被指数曲线会由于影像质量异常而出现噪声波峰。因此，温度数据、物候观测信息或连作和套作特征信息等作为约束条件常常用于对探测的峰值进行判定取舍。
农业土地利用集约度刻画了单位土地面积下农业生产资料(资金、劳动和技术等)投入的高低。目前，遥感技术已经用于水浇地、设施农业和地膜覆盖农田等农业土地利用集约化制图和监测中。水浇地是指有水源保证和灌溉设施，在一般年景能正常灌溉、种植旱生农作物的耕地。传统的非监督分类是水浇地遥感提取中应用最多的方法(董婷婷等，2010)。FAO的第一张全球灌溉分布图GMIA(Döll和Siebert，2000)、国际水资源管理研究所(IWMI)的全球灌溉面积分布图GIAM(Thenkabail等，2009)和MIRCA2000(Portmann等，2010)利用非监督分类方法实现了水浇地的提取。监督分类方法也在水浇地遥感分类得到与应用，Thenkabail等人(2015)利用分层分类的监督分类方法实现了印度Ganges and Indus流域的水浇地分布制图;Mutlu和Garik(2000)利用决策树分类方法实现了美国水浇地和旱地的分类研究;Salmon等人(2015)综合遥感、气候和农业统计等数据，利用监督分类提取了2005年全球灌溉、雨养和水稻田空间分布。
基于遥感的设施农业提取方法包括两种：基于光谱特征的像元级分类和面向对象的遥感影像分类。传统的像元级分类方法受“同物异谱、异物同谱”影响严重，往往会出现较多错分、漏分，提取精度不高。中国设施农业主要是塑料大棚、日光温室及连栋温室，其空间尺度相对较小，具有规则的几何外形和边界，影像形状特征与结构特征清晰可辨，因此，基于高分辨率遥感影像，采用面向对象方法成为设施农业制图的主要方法(罗军等，2007;王中华和刘一航，2009;邹利东等，2014)。面向对象分类方法在高分辨率遥感影像应用优势突出，不仅可以充分考虑地物的光谱、形状、纹理及结构等信息，使得分割后形成若干互不交叠的非空子区域，减少“椒盐效应”;同时由于对象内部相对均一，因而在一定程度上减少了“同物异谱、同谱异物”以及混合像元难以提取的现象，所得到的设施农业分类精度远高于像元级的分类结果。尽管面向对象的分类方法对于提取设施农业有明显的优势，但它的特征提取部分要综合考虑地物的光谱、纹理和形状等信息，信息量比基于像元的方法大得多，面对这些高维度信息，遥感领域亟需推广一种普适性的高维数据分类算法。
地膜覆盖是20世纪中叶发展起来的一种以人工方法改善农作物生长环境的栽培技术，在中国使用面积广、强度大、增长速度快，地膜覆盖农田遥感监测日益成为农业土地资源遥感的热点方向。除常用的30 m空间分辨率Landsat TM数据在山东和新疆研究区的地膜覆盖制图中得到了应用(Zhao等，2004;沙先丽，2012;Lu等，2014)外，多数研究是利用米级空间分辨率的高分遥感数据进行地膜覆盖农田信息的提取，如Levin等用1 m空间分辨率的AISA-ES高光谱数据提取地膜，透明塑料膜和黑色塑料膜提取精度分别达到90%和70%以上(Levin等，2007);Agüera等人(2008)以及Agüera和Liu(2009)等利用最大似然法从Quickbird和IKONOS影像提取温室大棚，两种影像数据都满足提取信息要求;Koc-San以WorldView-2数据源，分析了最大似然法、随机森林和支持向量机分类方法对玻璃温室棚和塑料温室棚识别能力，结果表明支持向量机的精度最高，其次是随机森林(Koc-San，2013)。Hasituya等人(2016)则综合考虑Landsat-8 OLI数据的光谱和纹理特征，建立了基于支持向量机的地膜覆盖农田识别方法。然而，目前的地膜覆盖农田研究多在小区域进行，区域尺度的制图方法和策略研究仍需要深入研究;此外，已有研究多集中在温室大棚或小拱棚为主的地膜监测，而中国使用面积最大的是塑料地膜(约占95%，其中99%为透明地膜)遥感监测研究仍较薄弱。
2、中国农业遥感研究展望
中国农业遥感的研究与应用在过去20年取得了全面发展与进步。在“十三五”以及未来10年，随着高分专项的进一步深入实施以及国家空间基础设施建设的推进，将有更多的国产卫星发射。随着传感器、物联网、互联网+、大数据、人工智能等技术的发展，以及现代农业发展的需求，农业遥感技术的研究与应用将进一步深入发展。主要表现在：
(1)天地网一体化的农业遥感数据的获取。遥感数据的获取是农业遥感研究与应用的基础。在过去的20年中国自主的陆地资源卫星遥感数据从无到有，数据的种类不断增多，数据质量也不断提高，有力支撑了农业遥感研究与应用。现在卫星遥感数据对农业遥感研究与应用的满足度还不高，从卫星和传感器参数的设计还没有充分体现农业的需求。关键作物生长期与关键农事管理节点需要微波遥感全天候农业遥感数据获取，农业定量遥感、作物品种与品质监测、病虫害遥感监测等需要高光谱遥感数据，另外荧光遥感、偏振遥感等新型遥感器在作物生理与生长状态监测方面都讲发挥重要作用。另外，为满足农业遥感的需求，未来卫星与遥感器设计还应该考虑多种遥感器的协同与立体观测。中国航空遥感也得到了快速发展，特别是无人机遥感呈现爆发式发展，为农业遥感提供了新的数据获取手段。由于农业自身的特点，未来基于有人机和无人机的航空遥感将是农业遥感数据获取的重要组成部分，应该重点发展。传感器技术和互联网技术的快速发展催生了物联网的诞生于飞速发展，基于地面固定平台、车载等移动平台以及人基智能终端的新型物联网将是农业遥感数据获取的重要组成部分。未来中国农业遥感的研究与应用将在天地网一体化的遥感数据获取体系的支持下开展。
(2)人工智能与大数据等新技术的应用。农业遥感中不管作物种类、土地利用类型等的分类识别，还是作物生长状态的定量遥感，都是非常复杂的认知系统。由于遥感数据本身波段间的相关性，遥感器设计波段的有限性，以及地物同物异谱、异物同谱的光谱复杂性，从数学上讲遥感信息提取的遥感反演都是病态反演，需要先验知识的支持。人工智能与大数据技术的发展，为包括农业遥感信息提取与信息反演的应用提供了信息的技术途径，也将推动农业遥感理论与应用的发展。
(3)拓宽农业遥感的应用范围和应用领域。中国农业遥感在过去20年，在精准农业、农业保险监测与评估、农业工程监测、农业政策效果评估等方面也开展研究与应用，并取得初步成效。如应用遥感技术进行作物表型研究，促进的作物遗传育种的工作。遥感技术作为一门新技术在农业的研究与应用多个领域具有广泛应用前景，通过与农学领域的其他学科交叉结合，不仅可以从方法学上推动其他学科发展，同时这种跨学科应用也将丰富农业遥感的理论与技术方法体系。
说明：受限于文章篇幅关系，本文的相关参考文献不一一列举。
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
