土地整治遙感監測研究進展分析

張 超 呂雅慧 鄖文聚 高璐璐 朱德海 楊建宇

(1.中國農業大學土地科學與技術學院， 北京 100083； 2.自然資源部農用地質量與監控重點實驗室， 北京 100035； 3.中國農業大學信息與電氣工程學院， 北京 100083； 4.自然資源部國土整治中心， 北京 100035)

0 引言

目前各國都面臨著不同類型、不同程度的土地資源問題，包括人口壓力背景下的農用地生產力不足、土地不合理利用背景下的國土資源浪費、開發利用強度過大背景下的土地退化和生態變差等。中國作為人口大國和農業大國，人地矛盾問題突出。在擁有巨大糧食需求量的背景下，我國人均土地占有量不足世界平均水平的40%[1-4]。同時，人口數量的持續增長、經濟社會的快速發展和城市化水平的不斷提高，已經造成了土地利用結構不合理、利用效率低下、退化嚴重、生態質量下降等一系列問題[5-10]。近年來由于建設占用、生態退耕等原因，全國耕地總面積減少、平均耕地質量處于低等水平且持續降低、耕地后備資源日漸不足，而通過土地整治等措施獲得的新增耕地面積逐年減少，新增建設用地面積明顯增加，加重了不同土地利用類型，特別是農用地和建設用地之間的矛盾。如何在建設用地供給量增加的同時，保有足夠數量、優良質量和健康生態的耕地，以滿足國家糧食安全的需求，成為自然資源領域的重要議題。

土地整治是緩解人地矛盾、解決土地利用問題和保障國家可持續發展的有效手段之一，我國正在大力推進土地整治政策[11]。傳統的土地信息獲取和土地整治工程監測主要依賴于人工野外測量，無法滿足相關工作對時效、成本及精度等方面的要求，而我國土地整治監測正處于從傳統信息獲取向現代化智能監測的轉變過程中，遙感技術以其高效、高精度、低成本的特點，成為土地整治監管的有力依托。自十一屆三中全會以來，我國針對土地整治中土地利用類型和耕地質量等別的變化監測等問題，利用遙感技術實現定期、連續的調查、預測和預報[12]；自然資源部近年形成“部級監管、省負總責、市縣組織實施”的土地整治管理格局，充分利用遙感技術手段，實現了對土地整治區土地利用現狀、土地質量、城鎮地籍等的有效監管[13]；“一核兩深三系”國土資源科技創新戰略的全面實施，更將遙感技術廣泛應用于耕地“三位一體”監管體系的建設中，為土地整治提供實時、精準的技術支撐，針對土壤特性反演、大規?；A信息獲取和整治過程監管等問題，構建起遙感動態監測體系[14]，對于全面實施土地整治項目具有深遠的意義。

遙感在土地整治監測中的應用，主要體現在全過程和全方位兩方面，即充分利用國土資源領域已有的數據和工作積累，輔助以實地勘測手段，以衛星遙感、航空、無人機等多源-多尺度-多時相遙感影像為數據源，結合遙感影像處理和分析技術，獲取地表信息，通過人工智能等方法、模型，挖掘深層關鍵信息，最終構建土地整治遙感監測體系。該體系主要涉及到遙感影像等基礎數據獲取、處理、分析、建模和應用等關鍵步驟，重點針對潛力測算、整治過程監管、整治后效益評估等土地整治過程階段，或對土地復墾等不同土地整治類型，實現多尺度土地信息的快速和自動化獲取。其中不同類型遙感數據的處理與信息挖掘是技術要點。

目前，土地整治遙感監測技術方法已在我國實現廣泛的應用，主要圍繞土地整治項目高精度基礎數據獲取、優質工作底圖繪制與實時更新、工程進度與質量監管和基本農田管護等方面展開，具有實時高效、長期動態的工作優勢，但部分關鍵技術的研究仍處于初級階段。本文對當前不同類型遙感技術的發展現狀及其在土地整治監測中的應用進行總結和分析，旨在明確土地整治監測工作的需求與難點、梳理土地整治遙感監測的關鍵技術與研究現狀、分析土地整治遙感監測技術的瓶頸與發展潛力，最終凝練出急需解決的關鍵技術問題，為土地整治遙感監測的工作開展和技術發展提供依據和參考。

1 土地整治發展概述

土地整治是人類利用自然和改造自然的措施，起源于歐洲，德國、荷蘭、俄羅斯、法國等國家最早提出土地整理的概念，英國、瑞典、瑞士、比利時、日本和韓國等均根據本國情況，適時開展了相應的土地整治工作，賦予了土地整治豐富的內涵[12]。國外的土地整治大體經歷了3個發展階段：簡單的土地整理階段(16世紀中葉至19世紀末)，主要是有組織、有規劃地進行地塊歸并、權屬調整、改善農業生產條件；針對特定內容的土地整理階段(20世紀初至20世紀50年代)，主要是有效解決城市發展用地和工程建設引起的土地利用破壞等問題；綜合土地整理階段(20世紀60年代以后)，主要是縮小城鄉差距，改善居住環境，注重自然和景觀保護，提高地區經濟的發展速度，增加人民收入等[15]。

圖1 土地整治遙感監測體系架構圖Fig.1 Structure diagram of land consolidation remote sensing monitoring system

中國現代意義的土地整治開始于1986年，多次修訂的《中華人民共和國土地管理法》逐步給出了土地整治的法定內涵[16-17]。隨著研究與實踐的深入，土地整治的范疇被拓展到了未利用地、損毀地、廢棄地和建設用地等方面，鄖文聚等[11]系統地給出了新時期土地整治的科學界定：在一定區域內，依據土地利用總體規劃，按照用地需求，對農村和城市中未利用的、低效利用的、不合理利用的土地，在一定的資金支持下而采取的一系列工程技術措施。近年的《關于強化管控落實最嚴格的耕地保護制度的通知》、《全國土地整治規劃(2016—2020年)》、“一核兩深三系” 等國土資源科技創新戰略與規劃，進一步強化了嚴格的土地整治政策，使其成為保障我國糧食安全、推動新農村建設和鄉村振興、實現“藏糧于地、藏糧于技”和可持續發展的重要舉措[18-20]。我國土地整治可分為3個階段：初步發育階段(1987年至1998年)，主要圍繞農村聯產承包責任制，開展對土地利用方式的優化和結構的調整；發展壯大階段(1999年至2007年)，重在開發整理新增耕地，追求耕地總量的動態平衡，在保護優質耕地的同時保障建設用地供給；綜合發展階段(2008年以后)，整治范圍更集中連片，整治內容更綜合，整治重點向增加數量、提高質量、優化布局和改善生態并重轉變，整治目標向城鄉統籌發展轉變[21]。目前，我國的土地整治仍存在選址不合理、管理不規范、重數量輕質量和生態[22]、高新技術運用有限和建設后維護難等問題[23]。其中，“重數量輕質量和生態”問題最為突出，忽略了對農業生態環境的保護和土地整治生態效益的考量，人類面臨著在實現生態環境可持續發展的同時確保糧食安全的巨大挑戰[24]。為此，國內外的土地整治逐步向多目標的方向演變，包括農業可持續、生態環境保護和可持續土地管理等[25-30]。

生態化土地整治是新時期土地整治的重要發展方向，是指充分考慮整治區地域特色和空間格局，以土地可持續利用和改善農業生產條件為目標，兼具保護或恢復受損生態系統，結合田、水、路、林、村綜合整治，融入生態學理論與技術、景觀生態設計和生物多樣性保護要求的土地整治活動[31]。國外主要針對景觀功能衰退、水土流失和土地退化等問題，重點從政策制定、規劃設計、生態敏感性、生態風險、生態效益等開展農田保護、水土保持與景觀恢復技術的研究[32]。如，荷蘭在土地整治工作中將經濟、生態和社會效益并重考慮，主要的生態效益指標有抵御洪水能力、水質、農田需水量等；德國土地整理工作的內容從最初單純的追求經濟效益轉變到經濟、社會和環境多重效益并行發展，增加了保護農村景觀環境、改善農民生活居住條件等內容[15]。我國的土地整治正處于全面推進國土綜合整治的關鍵階段[33]，在大力實施農村土地整治的同時，著重治理農業環境突出問題，探索并推廣高效生態循環農業模式，按照整體保護-系統修復-綜合治理的思維，實施山水林田湖生態保護和修復工程，將景觀生態規劃設計、景觀功能分區、景觀生態評價和生態功能系統劃分等融入土地整治過程中[31]，達到構建生態安全格局、保護生物多樣性和改善農業生產條件、生產環境及居住條件的目的，推動構建基于生態理念的可持續土地整治模式，兼顧農業空間和生態空間保護紅線。目前，推動生態化土地整治已成為國際共識。

2 土地整治遙感監測體系研究進展

土地整治遙感監測是土地整治的重要組成部分。其體系架構如圖1所示，主要分為數據獲取層、數據處理層、數據分析層和監測應用層。涵蓋的關鍵技術有：多源遙感獲取技術、遙感影像預處理技術、遙感影像分類技術和遙感定量反演模型等，這些技術方法已取得一定的研究進展，但仍是遙感在土地整治中應用的研究熱點和難點。

2.1 多源遙感獲取技術研究進展

多源遙感是土地整治遙感監測體系最重要的數據基礎。遙感技術指通過某種傳感器裝置，在不與被研究對象直接接觸的情況下，獲取其特征信息，并對這些信息進行提取、加工、表達和應用的一門對地觀測和空間探測技術。在空間信息獲取方面具有優越性，擴展了資源觀測的高度、深度、角度、尺度和維度，拓展了觀測的視覺感官范圍。具有覆蓋面廣、全方位、動態、實時、經濟、宏觀、綜合、快速、多層次、多尺度、多時相、多手段、多源數據互補融合、信息量大、全天候(微波和熱紅外等)、不受地面條件限制、定量與定性結合以及反映地物內部信息等優勢[34]。按照傳感器使用的平臺可分為航天遙感技術、航空遙感技術和地面遙感技術，各有特點和適用范圍，其中前兩者的研究與應用更為廣泛，雖然目前遙感尚不能完全取代實地勘測[35]，但航空遙感與航天遙感的結合應用，已成為土地資源空間信息獲取，特別是土地整治監測的重要途徑。

航天遙感在監測大面積、地勢平坦、新增耕地較多的土地整治項目區，具有很大的優勢，但受到分辨率、地形地貌、信息量、訂購成本、獲取周期等的約束，在土地整治監測應用中具有一定的局限性。航天遙感系統的核心是遙感器，按照遙感器的不同可以分為高空間分辨率光學遙感(I1)、高光譜分辨率光學遙感(I2)、高時間分辨率光學遙感(I3)、紅外遙感(I4)和微波雷達遙感(I5)。I1具有最細致的地物空間信息，是土地整治區土地利用類型等基礎地理信息和高精度底圖獲取的重要手段[36-37]；I2是當前遙感技術的前沿，具有豐富的光譜信息，能實現有機質含量等土壤理化性質的定量反演，同時可有效區別光譜相近的地物，提高土地利用類型識別精度，為土地整治提供更豐富的細節信息[38-39]；I3主要依靠中低空間分辨率的光學遙感衛星數據，具有成像周期短和時相數據積累豐富的優勢，通過時間序列分析方法，實現大面積土地整治工程動態信息的精確采集和地物精確分類與變化監測[40-41]；I4具有全天時成像、識別偽裝和獲取對象狀態的能力，主要用于輔助光學遙感實現土地整治中地物的快速解譯，或用于反演地表溫度等定量信息[42-43]；I5則彌補了光學遙感只能實現地表監測和白天成像的局限，合成孔徑雷達(Synthetic aperture radar，SAR)是目前I5最具代表性的研究重點，通過將探地雷達與開挖實測等方法相結合，可實現對耕地土層厚度等地下信息的探測，通過調節最佳觀測視角，可實現目標地物的理化特性和空間形態特征監測與反演，為土地整治工程的質量評價和驗收提供有效途徑[44]。

無人機航測是目前航空遙感(I6)的主要形式之一。集成了無人駕駛飛行器、GPS導航定位及航空遙感等先進技術手段[15]，具有機動性強、小型化、專業化、成本低和高空間分辨率等優勢，但受到飛行條件的限制，作為航天遙感技術的補充已逐步被運用于地形復雜區域的土地整治項目監測中[45]。主要用于獲取高分辨率數字正射影像，直觀反映土地整治項目區實際情況，并繪制大比例尺土地利用現狀圖等基礎數據，可提高土地整治項目設計的合理性和工程量計算的精度，還可通過搭載高光譜相機等獲取專題信息。具體如表1所示。

2018年3月31日，我國成功發射GF-1的02、03、04號衛星，構成我國首個民用高分辨率光學業務星座，在輻射分辨率、定位精度、運行壽命、累計成像時間、重訪周期、一致性成像、立體成像和大寬幅成像等方面的性能比01號星有了很大的提升，對土地整治工程遙感監測具有重要意義。2018年5月9日，我國發射的GF-5衛星是世界首顆實現對大氣和陸地綜合觀測的全譜段高光譜衛星，可滿足環境綜合監測等方面的迫切需求，是中國實現高光譜分辨率對地觀測能力的重要標志，可為土地整治項目區土壤參數等信息的獲取提供有效支撐。

近年來，遙感衛星持續向高空間分辨率、高光譜分辨率和高時分辨率方向發展。土地整治監管工作中，遙感技術的應用向多源遙感影像結合趨勢發展。如，高空間分辨率和高光譜分辨率遙感的結合，可實現地物更高精度的分類；高時間分辨率與高空間分辨率、高光譜分辨率遙感相結合，可實現土地整治區地表理化特性的精準反演和高時頻變化監測[38]。因此，多源遙感數據的融合與信息挖掘成為研究重點和技術難點。

2.2 遙感影像預處理技術研究進展

遙感影像數據預處理包括降噪、去云、輻射定標、大氣校正、正射校正、幾何配準、影像增強、影像融合、影像裁剪和影像鑲嵌等過程。針對不同類型的遙感數據，數據預處理的側重點不同。其中降噪、影像配準和影像融合是獲取土地整治遙感監測本底數據的關鍵步驟，也是目前土地整治監測中遙感影像處理領域的研究熱點。

噪聲影響遙感影像的分析過程，干擾信息的準確獲取。因此降噪對于提高土地整治區遙感數據的質量意義重大。主流的影像降噪方法主要分為3大類：傳統的濾波方法，其中中值濾波對分散噪聲較好的處理能力得到廣泛驗證，但面對較為嚴重和集中的椒鹽噪聲，其降噪能力明顯下降[46]；基于小波理論的濾波方法，雖然降噪表現良好且穩定，但原理和算法復雜；改進的傳統濾波方法，如多種改進型中值濾波器[47-54]，在降低噪聲的同時，難以較完整地保留影像細節。

表1 多源遙感的主要類型及其在土地整治中的應用Tab.1 Main types of multi-source remote sensing and their application in land consolidation

為此，提出兩種有效的改進思路：①在改進型中值濾波器的基礎上加以完善[55]，如對中值濾波窗口進行去極值處理，并通過設定差異閾值的方法，改進中心像元灰度值的計算規則，提高在較嚴重噪聲干擾下的目標信號恢復能力；或將混合的多種改進型中值濾波器與模糊神經網絡相結合，集成多種濾波器優點，提高濾波性能；或將人工智能與模糊濾波器相結合，實現濾波器閾值的自動優化獲取。②對多種小波變換進行多尺度混合應用，如將小波變換和Curvelets變換相結合[56]、將小波變換與方向濾波器相結合[57]等，得到的降噪影像具有更好的視覺效果和峰值信噪比，已成為當前影像降噪研究的熱點。

影像配準的目的是消除或減少基準影像和待校正影像之間由于成像條件不同所引起的幾何形變，從而獲得具有幾何一致性(最佳空間位置匹配)的兩幅影像，它直接影響到土地整治區原始遙感影像的預處理效果和最終底圖的精度。傳統的影像配準方法主要有基于灰度[58-59]、基于特征[60-61]和基于模型的[62]方法，其中前兩者在研究與應用中更為廣泛?；诨叶鹊姆椒ㄔ砗唵吻乙子趯崿F，但灰度特征不夠穩定，多源影像的灰度有差異，不利于同名控制點的選擇，因此較適于同類傳感器遙感影像的配準；基于特征的方法通過提取影像中共有且可靠的點、線特征來增強配準的魯棒性和穩定性，這些特征對比例、旋轉、平移等變化能夠保持一致性，保證了異源傳感器影像之間的特征一致性，但依賴于對影像中共同有效特征的選取，步驟較為復雜；基于模型的方法原理最嚴謹，但模型復雜，可遷移性和推廣性不強?？傮w來說，傳統配準方法各有利弊，因此針對傳統方法的不足，陸續出現了多種改進型基于特征的配準方法，主要是利用多分辨分析變換或十字交叉點等算法，改進特征信息的提取與利用[62-63]，此外，基于相似性度量的配準也成為研究熱點之一[64]。

遙感影像融合是指對覆蓋同一地區的不同平臺、不同傳感器獲取的遙感影像進行綜合應用的數據融合方法理論[65]，目的是產生比單一信源更精確、安全、可靠的估計和判斷[66-67]，最大程度發揮多種影像數據的潛力，提高土地整治工作中信息提取的精度和效率[68-70]。遙感影像融合的基本要求有：盡量多地保留所有源影像中的有用信息；盡量少地引入失真[71]。融合主要在3個層級進行，分別是像素級、特征級和決策級。各層級融合的原理、特點與典型算法如表2所示，其中像素級融合是特征級和決策級融合的基礎。近幾年土地整治中涉及到的影像融合需求向著更加多元化方向發展，除了常規的多光譜與全色高空間分辨率遙感影像融合外，還有多源多極化SAR融合(F1)、SAR與多光譜影像的融合(F2)、SAR與紅外影像的融合(F3)、紅外與多光譜影像的融合(F4)、高光譜影像波段間融合(F5)、高光譜與多光譜或全色影像融合(F6)。此外，時空融合技術(F7)成為高時間分辨率與高空間分辨率影像融合的重要手段，旨在將多源衛星遙感影像的高空間分辨率和高時間分辨率結合，生成目標研究區域內具有高頻次訪問的高空間分辨率遙感影像序列。多種遙感影像融合需求的實現算法及其在土地整治監測中的主要應用如表3所示。應根據土地整治工作的具體需求、原始影像特點、融合目的等，科學確定融合算法，挖掘數據中更深層的信息。如與SAR相關的融合問題中，紋理特征是融合與地物分類的主要依據，因此特征級融合更適用于此類問題。而像素級融合仍是當前土地整治工作中進行遙感影像融合的主流，其中基于多分辨分解的方法在融合精度和效率方面較好：靜態小波變換適合表達影像的紋理和角點等細節特征[72]，Curvelet、Contourlet適合表達方向特性及邊緣和線信息，Wedgelet適合表達影像的輪廓信息[73]，非下采樣Contourlet變換綜合了多分辨分析融合方法的多數優勢，從而能有效提取影像的幾何結構特征[74]，形態小波變換對時頻信息和形態特征均能良好描述[75]，可以看出多種多分辨分解方法彼此之間存在功能互補的關系[76]，因此將各類多分辨分解方法進行混合和串聯應用，已成為基于變換域遙感影像融合算法的改進方向，同時進行多層級間融合算法的結合也是趨勢之一。

2.3 遙感影像分類技術研究進展

土地利用類型是土地整治遙感監測的重要內容和工作依據，遙感影像分類技術為土地利用類型的監測提供了技術支持。中低空間分辨率多光譜影像、高空間分辨率衛星遙感影像以及無人機影像是土地整治區地物分類主要數據源。

表2 各層級遙感影像融合的原理、特點與典型算法Tab.2 Principles, characteristics and typical algorithms of RS image fusion at various levels

表3 多種遙感影像融合需求的實現算法及其在土地整治監測中的主要應用Tab.3 Algorithms and applications in land consolidation monitoring for multiple RS image fusion requirements

針對影像分類技術的研究主要包括土地整治遙感分類特征、分類算法和目標應用等方面。

土地整治遙感關注的重點目標有農田、植被覆蓋和基礎設施等地表覆蓋類型。土地整治區農田提取方面，以中低空間分辨率多光譜遙感影像為數據源時，通過將基于作物長勢的初分類結果與鹽堿化等專題分區信息進行復合實現對高中低產農田的識別，精度可達90%[82]；將植被指數等光譜特征的時序分析與DEM等輔助特征相結合，可以實現市域季節性變化農田的有效監測[83]；對于高空間分辨率航天遙感影像或航空遙感影像，將TV-Gabor等模型提取的幾何結構特征與先驗光譜信息相結合，小范圍農田分類精度可達92%[84]；而對于丘陵地區等地物分類困難區域，將高空間分辨率遙感影像與面向對象分類結合，可有效識別農田地塊，精度可達73%[85]；將面向對象的多尺度分割與監督型機器學習結合，可將農田識別精度提高至96%[86]；針對淺層機器學習預測能力有限的問題，基于深度信任網絡的支持向量回歸模型具有更好的農田識別效果[87]；在無人機影像農田信息提取的研究中，深度卷積神經網絡與遷移學習機制相結合，比面向對象分類更有效，精度可達91%[88]。更細致的農田識別演變為農作物分類的問題，目前比較成熟的方法主要是利用影像處理技術，提取形狀等特征參數，通過決策樹[89]或神經網絡等機器學習分類算法，實現特征的優選和作物內部細分。其中，隨機森林優選特征的能力較強，神經網絡和隨機森林的分類效果較為穩定[90]。土地整治區植被覆蓋監測方面，具有易獲取且成本低、時效高、多尺度特點的多時相-多光譜遙感數據最常用；中低空間分辨率的多光譜影像適用于大尺度植被群落的提取，但很難實現對植被物種級別的分類，而空間分辨率遙感影像更能實現植被的精細分類[91]；多平臺遙感和地面調查數據相結合成為覆被變化監測的重要趨勢[92]；BP神經網絡等人工智能的算法比傳統分類算法的表現更優秀，精度可達84%[93]。土地整治區基礎設施監測的主要對象有道路和農田灌排設施等?；诟黝惥矸e神經網絡構建的深度學習模型，識別過程高效且識別出的道路對象更光滑，精度可達98%[94]；農田灌排設施識別方面，傳統方法主要是在植被指數等特征計算的基礎上，應用監督分類的手段實現，但由于受到影像分辨率和特征提取的限制而精度較差，通過應用高空間分辨率遙感影像和面向對象分類相結合的方法，可有效提高精度[95]；但由于灌排溝渠形態多樣，且存在暗渠等遙感難以觀測的情況，對影像分辨率要求高。因此當前整治區特征地物分類研究尺度仍有局限，分類精度仍有待提高。近年來，土地整治區的土地利用分類已從單一要素識別轉變為多要素協同識別?；诟呖臻g分辨率遙感影像，采用神經網絡等機器學習方法進行小范圍試驗，土地利用分類整體精度可達91%[96]；隨著多源遙感影像融合算法和數據挖掘技術的發展，利用深度學習模型可將多要素地物的定位和分類整體精度提高到95%以上[97]；將面向對象分類與深度卷積神經網絡模型相結合，也可進行有效的土地利用多要素分類[98]。

目前的遙感影像分類算法可分為傳統算法和新型算法兩類。傳統算法包括監督分類(C1)和非監督分類(C2)，對野外實測數據和先驗知識具有較強的依賴性；新型算法主要包括面向對象分類(C3)、神經網絡分類(C4)、決策樹分類(C5)、專家系統分類(C6)、隨機森林分類(C7)、支持向量機分類(C8)和卷積神經網絡分類(C9)等，對樣本質量和人工智能技術有較強的依賴性。各遙感影像分類算法的原理、具體算法和特點如表4所示。識別對象的特征決定了對數據源的需求，而識別對象的特征與數據源類型則共同決定了特征選擇和分類的方法。傳統算法主要用于中低空間分辨率遙感影像的大尺度地物分類，這種分類通常是保持在種群層面的“粗”分類，且精度有待提高。而新型算法對特征的依賴程度有所減小，同時對復雜地表環境具有更高的穩定性，因此分類精度較高，且能實現物種層面的細分類[82]。組合分類器[99]也成為一個重要的研究方向。大量研究表明，新型算法的研發與應用有助于提高土地整治區土地利用類型的識別精度和效率，但在分類器參數等選取方面還有待進一步研究[100]。

在土地整治區的土地利用分類研究中，常用的分類特征有：光譜特征、空間特征和時間特征等。不同數據源類型具有不同的特征。中低空間分辨率遙感影像用于分類時主要依賴光譜特征，因為其光譜特征穩定，類內方差較小、類間方差較大、不同地物光譜重疊率低，為此也更適合采用傳統算法實現分類[100]；而高空間分辨率遙感影像具有更豐富的空間特征，但其光譜特征穩定性較差，因此更適合采用能解決高維特征問題的新型分類算法。光譜特征以原始影像數據和各類植被指數為主，善于區分植被和非植被等光譜差異明顯的類型，但難以直接實現光譜相似地物間的細分，且植被指數有不同的適用條件?？臻g特征主要包括紋理、形狀、大小和結構，能夠輔助解決光譜相似地物的識別問題。

表4 各類遙感影像分類算法的基本原理、典型算法和特點Tab.4 Principles, typical algorithms and characteristics of various RS image classification algorithms

紋理是研究最廣泛的空間特征，與光譜特征協同作用，可以達到更高的分類精度?；诨叶裙采仃囉嬎愕募y理測度應用廣泛；形狀特征一般與遙感影像光譜特征多尺度分割相結合，從而減少分類的不確定性[101]。時間特征的相關研究則剛剛起步，主要用到光譜特征和空間特征的時間變化曲線，前者主要是對各類植被指數的時序分析，后者主要針對紋理進行時序分析，相關研究還需進一步深入。此外，分類中的輔助特征，包括歷史土地利用數據及區域其他相關專題資料，主要起到輔助判定的作用。具體的常用分類特征及其適用條件如表5所示。光譜特征、空間特征和時間特征的結合，可以增加特征維度，但也帶來了信息冗余，需要在特征優選和有效利用等方面作進一步研究。

總體而言，遙感分類技術的發展趨勢為：從單純的地類識別向屬性特征復合分類的方向發展[82]，從粗糙“種群”分類向精細“物種”分類的方向發展，從單一分類器向多分類器集成的方向發展，從傳統參數化算法向人工智能非參數化算法的方向發展[102]，同時多特征綜合、多數據融合和多尺度復合也成為新時期需關注的遙感影像分類技術趨勢[103]。但是，要解決土地整治中土地利用遙感監測的問題，不僅要依靠分類算法上的創新，還要注重分類特征優化、分類器參數選取、樣本高效采集與篩選等方面的研究。

表5 幾種常用分類特征及其適用條件Tab.5 Several common classification features and their applicable conditions

2.4 遙感定量反演模型研究進展

土地整治監測的主要內容除了土地利用變化外，還包括基于遙感影像構建數學模型對土地整治區關鍵地表信息的定量化反演，主要包括土壤理化生特性、土壤生態參量和農田生產力等。

土壤是土地整治的基本對象之一，土壤理化生特性是土地整治監測的重要內容，主要包含土壤含水量、土壤養分、土壤鹽分、土壤重金屬、土壤侵蝕模數和土壤荒漠化程度等，遙感技術在土壤特性表征方面有一定的可行性和局限性[104]。土壤含水量反演方面，通過實測數據與光譜之間相關性分析構建的遙感監測模型，實際精度達到60%以上[105]，常用的遙感數據有可見光、紅外和合成孔徑微波雷達，其中合成孔徑微波雷達較其他兩者具有不易受大氣影響的優勢[106]，因此基于合成孔徑微波雷達，尤其是多極化雷達的土壤含水量反演誤差可保持在0.02 cm3/cm3以下，基于卷積神經網絡和被動微波數據同樣可以實現土壤含水量高精度反演，相關性可高達0.86以上，誤差保持在1.12%以下[107]；以合成孔徑微波雷達和多光譜遙感影像等多源數據的協同利用為基礎，結合水云模型和干旱指數可實現不同土地利用類型地表土壤含水量的估測[108]。土壤肥力和土壤有機質含量反演方面，SVM方法表現較好[109]；基于光譜與土壤實測數據的監測模型，實現有機質和各項養分的反演，相關性可達0.8以上[110]；將高光譜與多光譜影像融合建模，也是提高有機質含量反演精度的有力手段。土壤養分方面，傳統采樣化驗方法成本高、時效差；植被指數法則通過遙感影像估算的作物長勢參數間接反映土壤養分，對經驗知識依賴性大，且精度無法保證[111]；土壤反射光譜對土壤養分有一定的指示作用，因此利用高光譜數據可以實現有效估算，但數據難以保證[112]；將作物模型與時間序列遙感影像相結合進行土壤主要養分的反演，相關性可達0.5以上，誤差在10%以下[113]。土壤鹽分的反演方面，將野外實測數據與遙感影像結合，通過敏感波段和光譜參量的篩選構建多元回歸模型，整體精度可達85%[114]；引入高光譜遙感影像提升光譜信息量，可提高鹽漬化反演模型精度[115-116]，結合各類機器學習算法，模型的相關性可達0.86以上[117]；以野外實測數據為基礎，融合合成孔徑微波雷達等多源遙感數據和光譜特征優選的人工神經網絡模型，可實現土壤鹽漬化的快速精準預測，相關性可達0.89以上，效果優于傳統的回歸模型[118]。土壤重金屬含量的反演方面，目前最有效的方法主要為高光譜遙感影像的定量分析[119]。土壤侵蝕模數和土壤荒漠化程度等在土地整治監測中相關研究較少，可采用植被指數實現建模[120]，或將RUSEL模型與機器學習相結合，實現有效反演[121]。

提高耕地生產力是土地整治的重要目標之一，因此農田生產力是土地整治監測的重要內容。遙感影像、氣象數據、趨勢線分析和相關分析結合而成的模型表現良好；時空數據融合和VPM模型的結合也為農田生產力和耕地質量的反演提供了途徑[122]；基于光學遙感和合成孔徑微波雷達等提供的光學和極化特征，結合地面樣點數據，利用多源數據協同的多元回歸模型，可實現森林蓄積量的有效反演，相關性可達0.67以上且誤差較??；充分挖掘紅邊波段特征，結合無人機多光譜影像的多種植被指數特征和野外實測數據，通過經驗模型、多元回歸模型或神經網絡模型均可實現玉米等作物生物量的有效反演，進而反映農田本體的生產能力，其中神經網絡模型的效果較好，相關性可達0.83以上[123]。

當前地表信息的反演模型向著地面實測數據與遙感影像結合、傳統相關性分析與機器學習等人工智能手段相結合的方向發展，如何挖掘遙感數據的潛在信息，如何提高機器學習模型的效率和精度將是研究的重點和難點。

3 不同土地整治工作中的遙感監測

根據整治目標和對象的不同，土地整治相關工作分為土地資源調查與保護、土地復墾與生態修復、農用地整治(包括耕地質量提升和高標準農田建設)、宜農未利用地開發和建設用地整治等類型，各種類型側重點有所不同，對遙感監測的需求不同。

3.1 土地資源調查與保護中的遙感監測

土地資源調查是土地整治的重要基礎。將遙感與數據處理、地學分析等手段相結合，可用于地表信息獲取、土地面積量測、大比例尺數字制圖、輔助規劃設計和專題基礎資料獲取等工作，同時航空遙感影像已廣泛應用于土地資源詳查，高分辨率航天遙感技術也推動了從定性分析向定性與定量相結合分析的新時期。

國際上，美國利用農業遙感實現災害監測預警，從而有效降低經濟損失；日本國土整治效果較好，1974年開始制定“國土情報整治事業”，明確規定土地利用、土地條件等10類調查項目采用遙感判讀與遙感制圖的方法；英國的土地利用調查與制圖對國際國土整治與鄉土調查影響深遠，主要利用遙感影像實現地物自動分類與判讀；法國國家地理院的國土整治有較大的國際影響力，在歐洲航天局支持下設計高分辨率的SPOT遙感衛星，用于測制服務于國土資源調查與規劃的各類專題圖；匈牙利運用遙感信息編制國土規劃設計所用的多尺度地圖集；加拿大基于遙感技術歷時10年建立了用于國土管理的“土地信息庫”，利用多光譜遙感影像快速獲取土地覆蓋和土地利用圖；墨西哥等發展中國家，將遙感技術用于國土資源調查與地形、地質、土地利用、土壤等基礎資料制圖；巴拿馬引進側視雷達飛機用于編制國土資源地圖。

在我國，地形、地類、地貌、地籍等基礎信息可通過對高空間分辨率衛星遙感影像和航空、無人機遙感影像的智能化分析獲取，為各項資源、環境、土地利用及災害相關工作提供實時基礎底圖；土地利用變化、耕地質量變化等地表動態信息的采集和專題信息的獲取，可依賴多源-多尺度-多時相衛星和航空遙感影像的融合實現[124]。如礦區土地生態損傷及重建關鍵信息的快速提取，可通過遙感數據與非遙感數據耦合[125]實現；土地整治相關的土地利用分類及變化監測，可基于高空間或高光譜遙感影像，通過面向對象分類[126]與機器學習或時間序列特征分析[127]相結合的方法實現；土地退化評價及動態監測，可通過遙感影像統計學特征時序分析[128]與層次分析相結合[129]或多時相圖譜分析實現；土地利用格局的分析可通過3S集成技術[130]實現；土地整治信息現場勘查系統的開發可通過集成3S與語音識別技術[131]實現；項目區的土壤特性監測可通過遙感影像光譜反演的方法實現，尤其是高光譜遙感數據[132]；區域受災情況監測可通過利用紅外遙感、多光譜影像分析及計算機影像處理等方法實現[133]；空心村、農村建設用地、主要工礦廢棄地和未利用地分布情況的監測等，亦可通過遙感手段實現[134]。綜上，構建“天、地、網”一體化土地整治綜合監管技術體系，輔助現場調查，可實現土地整治全程監管。

3.2 土地復墾與生態修復中的遙感監測

土地復墾與生態修復已成為推動生態文明建設的重要措施，主要圍繞退化土地治理(包括鹽堿地、污染土地、荒漠化土地、土壤侵蝕、土壤質地退化等問題)、荒廢土地利用(包括礦山修復、工礦廢棄地復墾等)和生態環境整治(包括退耕還林還草等)等主題展開。而遙感技術已成為高效識別、提取損毀土地信息，摸清損毀土地底數，驗證、評估復墾工作成效，持續跟蹤復墾土地實施管護情況的重要手段[135]。

國際上的相關研究主要包括：利用遙感影像進行海岸帶劃分與土地復墾土地利用變化監測[136]，利用多時相遙感或植被指數特征分析進行生物量積累等土地復墾成效監測[137-140]。近年來，生態整治與修復成為研究熱點，相關研究采用區域內地貌、水文、地質、土壤理化性質、植被蓋度等指標，通過主成分分析法來描述區域生物多樣性及狀況，以此來表明整治區域土地及生態修復狀況[141]。

在我國，礦山修復是土地復墾與生態修復最重要和最常見的內容，首要的整治目標有山體修復、隱患排除、平整土地、綠化環境、恢復生態等內容，整治工作以復墾復綠為主線，并進行生態農業的開發利用。遙感技術為長期監測礦區變化提供了可能，土地破壞前后的地形變化監測，可通過航片生成的DEM實現；復墾前后的土地利用變化和植被恢復狀況監測可通過對多時相高分影像進行目視解譯或植被指數等特征分析或人工神經網絡與目視解譯相結合的方法實現[142-145]；復墾面積等數據的精確測算可通過對遙感數據的解譯分析實現；礦區復墾農田重金屬元素砷、鋅、銅、鉻和鉛等含量的測定,可通過高光譜等遙感定量化反演的方法實現[146-147]；泥石流等礦區災害監測及整治方案的確定，可通過多源-多時相遙感與數字影像處理相結合的方法實現；礦區復墾帶來的生物多樣性恢復等生態重建效應定量化研究，可通過遙感影像解譯的方法實現[148]；礦山開發及環境治理的相關基礎數據獲取可通過地質環境遙感監測的方法實現；礦山地質環境恢復監測，可通過對多源高分遙感影像進行專題信息提取或進行植被光譜信息分析的方法實現[148]；礦區土地破壞、壓占、復墾場的直觀展示可通過將遙感影像與GIS、三維虛擬現實相結合的方法實現[149]；復墾區作物種植結構的合理調整，可通過利用遙感目視解譯獲取作物種植信息的方法實現[150]。鹽堿地治理也是當前的研究熱點，鹽堿地提取和鹽堿化程度分析，可通過多尺度遙感影像地物特征信息(顏色、大小、位置、水文地貌等)與目視解譯相結合的方法實現[151]；土壤鹽分的反演，可在高光譜與多光譜遙感融合的基礎上，通過BP神經網絡等人工智能分析的方法實現[152]。退耕還林還草是環境整治的重要內容，生態安全水平及格局的變化監測，可在構建評價指標體系的基礎上，通過遙感和GIS分析相結合的方法實現[153]。

3.3 農用地整治中的遙感監測

農用地整治旨在提高現有農田的農業生產能力和韌性，其重點難點是實現土壤肥力和基礎設施工程建設的權衡。目前，國內外對農用地整治遙感監測方面的研究較少，其中對田塊平整、灌排溝渠工程等基礎設施的宏觀建設情況關注較多，很少從土壤質量、土壤環境等微觀角度進行監測研究。

農用地整治帶來的產能提升定量化研究，可通過時間序列遙感影像的植被指數分析與SVM等機器學習手段相結合的方法實現；整治中涉及到的涵洞、土壤質量等隱蔽型質量檢測問題，可通過高分辨率正射影像與探地雷達等相結合的方法實現。在我國，高標準農田建設是最廣泛的農用地整治項目，盲目的田間工程建設易造成土地質量退化及土壤污染，因此急需關注重金屬含量等土壤環境的狀況，針對傳統重金屬測定方法成本高、環保性差、范圍有限等問題，采用高光譜遙感技術反演高標準農田建設區域土壤重金屬含量，基于相關性分析構建土壤重金屬的高光譜反演模型，為快速有效地監測高標準基本農田建設區域土壤生態狀況提供技術支持[147]。

3.4 宜農未利用地開發中的遙感監測

宜農未利用地開發的重點是將未使用的土地或自然土地等非耕地轉化為耕地，它是獲得新增耕地的有效手段之一。國外學者并沒有給予過多的關注與研究，國內則主要圍繞新增耕地和有效新增耕地的遙感面積測算展開。海文靜等[154]針對新增耕地面積與新增有效耕地面積之間存在界定不清、混淆使用等問題，界定了土地整治項目新增有效耕地的概念，采用文獻資料分析、灰色系統GM(1,1)模型測算及遙感影像抽樣調查等方法，構建了有效耕地面積的測算模型。

3.5 建設用地整治中的遙感監測

國內外對建設用地整治的關注重點明顯不同，國外主要研究城市土地整治及景觀變化的遙感監測方法，而國內重點圍繞農村建設用地整治的遙感監測展開。

國際上，BENZA等[155]基于LandSat ETM+和ERS-2SAR數據，結合SAR的紋理提取和光譜混合分析(Spectral mixture analysis, SMA)，完成基于模式的場景識別，利用決策樹的方法生成城市環境地圖，實現建筑、植被和其他土地覆蓋等分類，為西非國家加納南部地區的城市化進程和城市景觀變化監測提供思路。

在我國，農村居民點整治及其空間布局與優化已成為建設用地整治的研究熱點，在增加區域用地指標、改善村莊居住環境等方面有積極意義。目前關于建設用地整治遙感監測的研究主要圍繞農村居民點整治增加可利用土地面積潛力測算和景觀格局變化監測的角度展開[156-157]。農村居民點整治潛力可通過將正射影像人工解譯、GIS平臺和實地調研數據相結合，構建測算模型的方法測算[158]，或者在遙感獲取土地利用分類的基礎上，通過構建整治潛力評價技術體系的方式實現測算[159]。

3.6 生態化土地整治中的遙感監測

國外對土地整治的生態效益、環境影響、景觀格局等方面關注較早，多年來重點圍繞退化土地、污染土地的綜合治理展開工作，因此生態化土地整治的研究成果，主要體現在土地復墾與生態修復等方面。

在我國，土地整治處于推動新景觀生態格局的階段[160]，土地整治中的生態模式、生態設計、規劃方法等研究已為生態化土地整治提供了一定的科學基礎，包括土地整治與景觀生態相融合的整治規劃理念等，但如何在土地整治過程中既滿足生產和生活需要，又將工程布局可能產生的生態問題降到最低，如何在整治工程生態適宜性評價的基礎上，給出生態化土地整治的規劃方向與工程重點，都是目前土地整治研究和實踐過程中涉及較少的內容[21]，而相關研究的實現均離不開遙感技術的支撐。將無人機影像與實測數據相結合，是獲取區域景觀格局特征的有效手段，結合生態功能分區，可為生態化土地整治規劃提供數據基礎和策略方向[31]；多時相遙感數據影像特征的合理利用，則為礦山地質環境恢復治理情況的動態監測提供了信息來源[161]；3S技術與基于遙感的景觀特征指標結合利用，是生態走廊和生態城市建設規劃的重要戰略要點[162]；在遙感影像分類和景觀特征獲取的基礎上，結合影像處理、形態學分析、數學預測模型和相關性分析等手段，可實現對土地整治區景觀格局變化的有效監測[163]。

4 土地整治項目過程中的遙感監測

土地整治項目包括規劃設計、施工、竣工驗收、效益評價和建后監管等過程。遙感技術可用于全過程監測，為各階段的實施提供高精度影像，為工程建設信息的獲取提供準確數據支撐，效率更高、數據更有效、展示更直觀、監控內容更全面。2013年以來，自然資源部國土整治中心及部分省市土地整治管理部門，先后利用衛星遙感及無人機低空遙感在土地整治項目開工前、完工后獲取影像，在提高項目的設計和管理水平、強化監測監管活動等方面取得了良好的效果[165]。

4.1 土地整治潛力測算與風險評估中的遙感監測

土地整治適宜性評價已成為土地整治潛力測算和風險評估的有效手段，也是評判當前土地整治工程是否實現“有利生產，方便生活，兼顧生態”目標的重要依據，更是土地整治理論與規劃、工程布局方面亟待解決的重要命題[21]，當前的研究也多圍繞這一主題展開。

生態適宜性評價是土地整治規劃的基礎之一，衛星遙感與無人機航拍相結合的方式，能夠高精度提取道路等地類信息，作為關鍵評價指標獲取的基礎。在構建生態適宜性評價模型的基礎上，測算生態布局潛力指數，為土地整治規劃的開展提供科學依據[21]；在具體指標獲取方面，利用遙感技術實現坡度坡向、土壤有機質含量、土壤質地、有效土層厚度和土壤侵蝕度等信息的獲取已被廣泛應用[33]；針對土地石漠化區或土地損毀區，基于遙感影像可以實現植被覆蓋度、巖石露頭率等關鍵因子信息[165]，同時提取土地利用與土地損毀信息，確定綜合生態風險值及其等級空間分布，并劃定土地利用功能分區[166]。

4.2 土地整治規劃設計中的遙感監測

可行性分析是土地整治項目規劃的前提，衛星影像、無人機航測和三維場景構建技術的結合，可為項目提供精準的基礎空間數據和專題圖件，進一步分析項目區地形、地質、區域基礎設施條件、自然資源條件和土地利用現狀，更客觀高效節約成本，指導土地整治可行性決策[17]；通過低空無人機航攝影像等遙感數據和土地整治項目區土地利用現狀圖之間的對比，可對項目區的地形地貌等具體情況進行整體認知，為立項審批、工程量預判和預算設計提供真實、科學的依據[13]。

針對農村基礎設施不適應現代農業生產需求的現狀，利用遙感技術輔助農村土地綜合整治項目的規劃設計，彌補了土地利用現狀圖作為編制底圖的不足，快速低成本地獲取高分影像，得到土地整治區域直觀、詳實的地物分布情況；在分析土地利用現狀的基礎上，測算研究區土地整治潛力并進行功能分區，依此制定更加科學的規劃方案；將高分辨率遙感影像和無人機影像相結合作為調查結果的更新數據源，可為土地整治區域面積監督(即對已整理區域的面積檢驗監督)、土地整治潛力分析(即對未整理區的潛力估算)以及土地整治區域優化選址(考慮生態效益和環境要素關系)研究，提供科學支撐[167]。

4.3 土地整治施工監管中的遙感監測

在施工階段，階段性地利用無人機對項目區進行航拍，能低成本地進行精確工程量測算，掌握工程進度和實施情況[168]。但現有研究以土地整治工程遙感識別方法為主，對于如何從遙感影像中提取工程信息，進一步對工程進度進行分析和評價的研究較少。在土地整治項目中期或重要節點，對比實時高分辨率遙感影像與土地利用現狀、土地整治規劃圖之間的差異，獲取工程進度情況及施工范圍、施工面積、土地利用結構變化、工程量等具體數據，實現項目針對性監督，避免損失并提高監管效率[17]。

當前高分辨率衛星遙感數據可以實現對項目(片)的區位、建設規模、新增耕地面積、水利設施、道路、防護林、工礦及居民點用地等工程指標的有效獲取[169]；多時相高分辨率遙感數據能夠在實現土地整治工程地物信息提取的基礎上構建評價模型，以綜合掌握項目實施進展，尤其是在土地復墾項目中實現土地覆被動態監測[170]；其中項目區灌排工程及道路等線狀地物的自動化識別一直是研究的難點，通過將高分辨率影像、面向對象分類及形態學處理手段相結合的方式實現自動化檢測，目前已有所突破[171-172]。

4.4 土地整治項目驗收評價中的遙感監測

在土地整治項目的竣工驗收階段，利用遙感技術提供的項目效果圖進行存檔。通過將無人機獲取的實時項目區高分辨率影像與圖件資料進行疊加對比，測算工程量，高精度勾繪地類界線，并統計面積、辨識農田基礎設施和項目區真實狀況，從而直觀分析工程施工與設計的一致性，檢驗項目的真實性和最終成效，快速驗收工程質量和建設情況[173]，尤其是實現對重點工程區的量化分析，目前研究已較為廣泛。

土地整治項目驗收后，一般從社會效益、經濟效益和生態效益等方面開展績效評價。通過遙感手段輔助開展項目績效評價工作，能使結果更具信服力[13]。經濟效益主要表現為農業生產力的提高，已有研究多從土壤質量、土地質量或生產力的提升角度展開[174-178]。生產力改善可以利用時間序列植被指數分析或植被指數與產量相關性分析的方法評估[179-181]；張兵等[182]提出了利用高分辨率遙感影像對土地整治成果進行監測的完整技術方法和操作流程；多時相-多尺度的遙感數據則為精準提取面積、長度等關鍵工程量指標、定性分析整理后土壤改良情況等提供了基礎數據；將高分辨率遙感影像的光譜與紋理信息，與矢量數據相結合，集成面向對象分類、決策樹分類和形態學處理等手段，構建多尺度評價指標體系，可實現土地整治中田塊形態變化和農田林網建設等建設成效的評價[183-184]。

土地整治的社會效益和生態效益目前多以定性分析為主，如社會效益主要體現在土地整治后農民生活水平的提高，具體可通過農民滿意程度調查獲取，定量分析評價的研究較少，尤其是生態效應還存在滯后、難以量化等問題。因此土地整治生態效益遙感監測和評價成為研究難點。在遙感影像分類的基礎上，結合“壓力-狀態-響應”模型，能夠實現土地沙漠化預警；生態環境狀況遙感指數(Ecological and environmental conditions remote sensing index，EI)等已被證明是反映自然植被增長趨勢、土地整治生態效益的有效表征[185]；時間序列遙感植被指數的變化也能間接體現土地整治前后的生態狀況和退耕還林工程實施的效果[16]；地形高程、植被指數、地表溫度和土壤濕度等指標的耦合，是實現大尺度和中尺度礦區復墾的效益評價的有力基礎[186]；多源-多時相高分遙感影像與面向對象地表景觀分類的結合，更是成為土地整治效果景觀格局變化的重要評估依據。

5 展望

不同類型的遙感技術具有不同的特點，適用于不同的土地整治監測問題，其中多光譜、高光譜和無人機技術的結合應用廣泛，能夠實現土地整治區地形地貌、土壤狀況、地物類型等空間信息的有效獲取，為土地整治項目的各階段提供了客觀、精準、高效、便捷、多尺度的基礎數據；按照數據分析方式的不同，可分為單時相分析和多時相分析，尤其利用多時相遙感影像，進行植被指數等時間序列特征分析，能夠實現對土地利用變化、地表覆被變化等動態基礎信息獲取，為土地整治項目的全過程提供了長期、實時的監測依據；按照數據組織形式的不同，可分為單一數據源應用和多源數據融合應用，其中多源遙感融合可實現不同類型數據的優勢互補，充分挖掘數據中的隱含信息，目前已成為遙感應用的重要趨勢，可為土地整治提供更加深入、全面的信息。經過多年發展，遙感技術為土地整治監測提供了日益豐富的技術支持。

但土地整治遙感監測仍具有明顯的局限性：在數據源方面，獲取高質量的高分辨率衛星或航拍遙感影像的經濟成本和時間成本較高，受項目經費和整治區環境條件的影響明顯，且部分土地整治區只能依靠航拍來獲取基礎數據，信息源和數據分析手段均受到限制；在工作基礎方面，區域化、實驗型的探索雖然取得了一定成效，但面向省域乃至更大范圍的土地整治遙感監測，尚未形成穩定長效的工作機制，且尚未建立完善的土地整治多尺度立體遙感監測技術體系；在技術攻關方面，土地整治遙感監測技術所涉及的環節眾多，監測數據、監測內容、監測區域等都存在較大差異性，對應的技術路線也因此存在不同，如涵洞、暗渠等體型較小或較為隱蔽的整治工程及其質量的遙感監測工作實現難度大，相應的關鍵技術瓶頸亟待突破。

針對當前土地整治遙感監測中面臨的突出問題，要用系統性思維，從整體的角度逐一攻關。針對數據源和信息獲取手段單一的問題，要著力研發普適性更強、更多源高效的衛星傳感器設備，并基于計算機科學研究相應的影像處理與分析技術，提高遙感信息的獲取和分析能力，實現土地整治工作的“天上看、地上查、網上管”的全方位監管；針對土地整治監管工作基礎和背景支撐薄弱的問題，要建立長效機制，推進行業交流，在區域性試點研究和優化的基礎上，實現成果轉化與推廣，做到經驗交流與技術積累并重，提升土地整治監測效率，并形成行業技術標準；針對技術問題，要充分發揮3S技術集成的優勢，將數據獲取、處理、分析和決策的環節綜合考慮，在傳統手段的基礎上，充分挖掘人工智能、多源遙感影像融合和時間序列分析等技術與方法在遙感信息提取中的應用潛力，突破影像處理、地物分類、變化檢測等方面的技術瓶頸，使遙感技術在土地整治監測工作中發揮更大的效用。