《高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)技術(shù)規(guī)范》編制說(shuō)明

高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)技術(shù)規(guī)范

編制說(shuō)明

一、概況

1.1任務(wù)來(lái)源

2022年9月6日，自然資源部下達(dá)了《自然資源部辦公廳關(guān)于印發(fā)2022年

度自然資源標(biāo)準(zhǔn)制修訂工作計(jì)劃的通知》（自然資辦發(fā)〔2022〕39號(hào)），本標(biāo)準(zhǔn)

是自然資源部發(fā)布的2022年自然資源衛(wèi)星應(yīng)用行業(yè)標(biāo)準(zhǔn)計(jì)劃項(xiàng)目之一，項(xiàng)目編

號(hào)：202233004，標(biāo)準(zhǔn)計(jì)劃名稱《高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)技術(shù)規(guī)范》。

本標(biāo)準(zhǔn)由全國(guó)地理信息標(biāo)準(zhǔn)化技術(shù)委員會(huì)衛(wèi)星應(yīng)用分技術(shù)委員會(huì)歸口，由自然

資源部國(guó)土衛(wèi)星遙感應(yīng)用中心牽頭起草。計(jì)劃周期：24個(gè)月。

1.2目的意義

隨著自然資源高光譜業(yè)務(wù)衛(wèi)星的陸續(xù)發(fā)射，衛(wèi)星應(yīng)用技術(shù)與處理系統(tǒng)的不

斷發(fā)展，高光譜衛(wèi)星遙感已逐漸成為自然資源要素質(zhì)量監(jiān)測(cè)的重要手段。近年

來(lái)，黨和國(guó)家高度重視糧食安全，而耕地作為糧食生產(chǎn)的依托，其質(zhì)量監(jiān)測(cè)更

是自然資源監(jiān)測(cè)業(yè)務(wù)的重中之重。2021年的中央一號(hào)文件更是將耕地保護(hù)列為

保障國(guó)家糧食安全的兩個(gè)“要害”之一。

土壤有機(jī)質(zhì)一直是耕地質(zhì)量調(diào)查評(píng)價(jià)的關(guān)鍵指標(biāo)，也是高光譜衛(wèi)星土壤參

量反演應(yīng)用研究的熱點(diǎn)，相關(guān)技術(shù)較為成熟。但由于涉及高光譜衛(wèi)星數(shù)據(jù)預(yù)處

理、野外采樣與樣品測(cè)試化驗(yàn)、反演模型構(gòu)建與模型參數(shù)優(yōu)化等諸多環(huán)節(jié)，各

行業(yè)、各區(qū)域、各單位以分散作業(yè)為主，并未采用統(tǒng)一的、規(guī)范化的技術(shù)，為

監(jiān)測(cè)成果的橫向?qū)Ρ扰c集成帶來(lái)了很大難度。

十三五以來(lái)，在耕地質(zhì)量保護(hù)相關(guān)規(guī)劃文件中，已多次提出要開展“遙感

1

動(dòng)態(tài)監(jiān)測(cè)”，但由于缺少統(tǒng)一的技術(shù)規(guī)范，高光譜衛(wèi)星數(shù)據(jù)土壤質(zhì)量監(jiān)測(cè)方面的

優(yōu)勢(shì)并未完全發(fā)揮。隨著第三次全國(guó)土地調(diào)查（“國(guó)土三調(diào)”）、第三次全國(guó)土壤

普查（“土壤三普”）等工作的陸續(xù)開展，迫切需要制定統(tǒng)一的高光譜衛(wèi)星遙感

監(jiān)測(cè)土壤有機(jī)質(zhì)技術(shù)規(guī)范，對(duì)包括高光譜衛(wèi)星數(shù)據(jù)預(yù)處理、野外土壤樣品采集，

到土壤有機(jī)質(zhì)反演模型構(gòu)建與應(yīng)用，以及監(jiān)測(cè)成果質(zhì)量控制、成果整理等全鏈

路的技術(shù)方法進(jìn)行規(guī)范，促進(jìn)高光譜衛(wèi)星數(shù)據(jù)在國(guó)土三調(diào)、土壤三普以及全國(guó)

耕地質(zhì)量等別調(diào)查與評(píng)定等業(yè)務(wù)中的統(tǒng)一化和規(guī)范化應(yīng)用。

1.3主要起草人及工作分工

編制任務(wù)下達(dá)后，自然資源部國(guó)土衛(wèi)星遙感應(yīng)用中心牽頭，由自然資源部

國(guó)土整治中心、中國(guó)科學(xué)院南京土壤研究所、中國(guó)科學(xué)院空天信息創(chuàng)新研究院、

中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所等作為參編單位共同完成。編制組

成員包括總體技術(shù)負(fù)責(zé)人和長(zhǎng)期從事高光譜衛(wèi)星土壤質(zhì)量監(jiān)測(cè)等專業(yè)領(lǐng)域的專

業(yè)技術(shù)人員和專家分工合作開展標(biāo)準(zhǔn)各章節(jié)的編寫，編制組主要人員組成及分

工見表1。

表1編制組人員分工

序號(hào)姓名單位任務(wù)分工備注

項(xiàng)目負(fù)責(zé)人，負(fù)責(zé)編制標(biāo)準(zhǔn)草案、征求

1尚坤自然資源部國(guó)土衛(wèi)星遙感應(yīng)用中心意見稿、送審稿、報(bào)批稿等初稿的編制，

組織專家評(píng)審

負(fù)責(zé)衛(wèi)星遙感數(shù)據(jù)、模型應(yīng)用與精度評(píng)

2肖晨超自然資源部國(guó)土衛(wèi)星遙感應(yīng)用中心

價(jià)、成果整理與質(zhì)量控制相關(guān)內(nèi)容

負(fù)責(zé)土壤樣品、模型應(yīng)用與精度評(píng)價(jià)、

3李少帥自然資源部國(guó)土整治中心

成果整理與質(zhì)量控制相關(guān)內(nèi)容

負(fù)責(zé)土壤樣品、光譜測(cè)量、反演模型構(gòu)

4王昌昆中國(guó)科學(xué)院南京土壤研究所

建、模型應(yīng)用與精度評(píng)價(jià)等相關(guān)內(nèi)容

負(fù)責(zé)高光譜數(shù)據(jù)處理、反演模型構(gòu)建、

5張霞中國(guó)科學(xué)院空天信息創(chuàng)新研究院

模型應(yīng)用與精度評(píng)價(jià)相關(guān)內(nèi)容

中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)負(fù)責(zé)衛(wèi)星遙感數(shù)據(jù)、模型應(yīng)用與精度評(píng)

6劉佳

劃研究所價(jià)、成果整理與質(zhì)量控制等相關(guān)內(nèi)容

2

1.4主要工作過程

1.4.1征求意見稿階段

2022年6月-2022年10月，編制組開展了大量的調(diào)研工作，包括國(guó)內(nèi)外有

關(guān)現(xiàn)有標(biāo)準(zhǔn)，以及高光譜衛(wèi)星土壤有機(jī)質(zhì)含量監(jiān)測(cè)業(yè)務(wù)的實(shí)際實(shí)施情況，編制

組開始起草標(biāo)準(zhǔn)草案。

2022年11月-2024年1月，以標(biāo)準(zhǔn)草案為基礎(chǔ)，編制組又以電話、社交軟

件、電子郵件和視頻會(huì)議的形式與高光譜衛(wèi)星土壤質(zhì)量監(jiān)測(cè)領(lǐng)域生產(chǎn)作業(yè)單位、

大學(xué)、科研院所的多位技術(shù)專家和生產(chǎn)專家進(jìn)行多次交流探討，并根據(jù)專家意

見對(duì)標(biāo)準(zhǔn)草案進(jìn)行修改完善，于2024年1月完成了標(biāo)準(zhǔn)征求意見稿和編制說(shuō)明。

二、標(biāo)準(zhǔn)編制原則和確定標(biāo)準(zhǔn)主要內(nèi)容的依據(jù)

2.1標(biāo)準(zhǔn)編制原則

（1）全面性

高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)是自然資源衛(wèi)星土壤質(zhì)量監(jiān)測(cè)中的一項(xiàng)重

要工作與技術(shù)，遵循測(cè)繪標(biāo)準(zhǔn)體系，確定本標(biāo)準(zhǔn)的定位、內(nèi)容以及與其它標(biāo)準(zhǔn)

的關(guān)系。標(biāo)準(zhǔn)編制過程中充分考慮到行業(yè)領(lǐng)域技術(shù)發(fā)展現(xiàn)狀和實(shí)際工作需求，

依托已有的技術(shù)優(yōu)勢(shì)和前期研究基礎(chǔ)，不斷總結(jié)經(jīng)驗(yàn)，凝練高光譜衛(wèi)星遙感監(jiān)

測(cè)土壤有機(jī)質(zhì)技術(shù)中規(guī)范流程。旨在保證標(biāo)準(zhǔn)內(nèi)容規(guī)范、對(duì)實(shí)際工作有指導(dǎo)作

用，為形成統(tǒng)一而全面的行業(yè)技術(shù)規(guī)范，指導(dǎo)后續(xù)作業(yè)生產(chǎn)，提高生產(chǎn)效率，

并為未來(lái)技術(shù)留有發(fā)展空間。

（2）適用性

本標(biāo)準(zhǔn)與現(xiàn)有的國(guó)標(biāo)行標(biāo)等相關(guān)標(biāo)準(zhǔn)相互協(xié)調(diào)，保持標(biāo)準(zhǔn)內(nèi)容間的一致性，

避免新制定標(biāo)準(zhǔn)同已經(jīng)頒布實(shí)施或正在報(bào)批的相關(guān)標(biāo)準(zhǔn)之間的沖突和矛盾。本

3

標(biāo)準(zhǔn)規(guī)定了高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)的程序、方法、監(jiān)測(cè)結(jié)果的精度評(píng)

價(jià)、成果表達(dá)等內(nèi)容，對(duì)完善高光譜衛(wèi)星應(yīng)用系列標(biāo)準(zhǔn)體系起到積極作用。

（3）可操作性

高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)涉及較多新技術(shù)，實(shí)現(xiàn)的技術(shù)路線也差異

較大，因此需要明確最基本、最普遍適用的技術(shù)指標(biāo)和要求以進(jìn)行規(guī)范和約定，

使之既可控制整個(gè)高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)全過程的質(zhì)量，又可以充分

發(fā)揮不同技術(shù)、軟件的特點(diǎn)。該技術(shù)規(guī)范明確清晰地介紹了各流程，對(duì)于技術(shù)

人員而言具有較強(qiáng)的可操作性。

（4）先進(jìn)性

作為指導(dǎo)和規(guī)范生產(chǎn)作業(yè)的技術(shù)標(biāo)準(zhǔn)，應(yīng)具有先進(jìn)性與可繼承性。國(guó)內(nèi)區(qū)

域或舊的指標(biāo)和要求有的必須調(diào)整以適應(yīng)新技術(shù)的發(fā)展和境外作業(yè)的特點(diǎn)，有

的必須保留和繼承以保持測(cè)繪生產(chǎn)的延續(xù)性以及測(cè)繪成果的可靠性。

2.2國(guó)內(nèi)外調(diào)研情況

國(guó)外在高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)方面開展了較多的研究工作，在算

法模型方面，以運(yùn)用偏最小二乘回歸模型得到土壤參量為主。Reis等基于高光

譜數(shù)據(jù)，通過收集8個(gè)不同土壤深度的樣品，采用主成分分析和線性判別分析

方法對(duì)不同深度光譜曲線進(jìn)行聚類，結(jié)合偏最小二乘模型預(yù)測(cè)土壤有機(jī)質(zhì)含量，

R2達(dá)到0.75，RPD達(dá)到2.1，表明高光譜數(shù)據(jù)可用于獲取不同深度的土壤有機(jī)質(zhì)

含量。Castaldi等比較了7種多光譜或高光譜衛(wèi)星數(shù)據(jù)估算土壤有機(jī)質(zhì)的能力，

根據(jù)不同衛(wèi)星光譜響應(yīng)函數(shù)獲得模擬反射率，分析重采樣間隔對(duì)精度的影響，

驗(yàn)證了高光譜衛(wèi)星對(duì)土壤有機(jī)質(zhì)估算的潛力。

隨著我國(guó)高光譜衛(wèi)星的接連發(fā)射，國(guó)內(nèi)學(xué)者針對(duì)國(guó)產(chǎn)高光譜衛(wèi)星土壤有機(jī)

質(zhì)含量反演也開展了大量研究。楊雅煜等利用ZY1-02D衛(wèi)星高光譜數(shù)據(jù)，通過

4

建立土壤有機(jī)質(zhì)光譜指數(shù)，實(shí)現(xiàn)長(zhǎng)三角地區(qū)宿遷市的土壤有機(jī)質(zhì)含量反演。孫

偉超等基于高分五號(hào)高光譜衛(wèi)星數(shù)據(jù)，采用遺傳算法和特征投影重要性綜合打

分對(duì)光譜譜段進(jìn)行特征選擇，利用有機(jī)質(zhì)與黏土礦物組合光譜帶估算土壤有機(jī)

質(zhì)含量，與利用全譜段數(shù)據(jù)有機(jī)質(zhì)含量相比，R2從0.34提高到0.76，模型精度

顯著提高。孟祥添等人利用運(yùn)用不同去噪方法的GF-5衛(wèi)星高光譜數(shù)據(jù)預(yù)測(cè)土壤

有機(jī)質(zhì)含量，充分挖掘了衛(wèi)星高光譜數(shù)據(jù)在監(jiān)測(cè)土壤有機(jī)質(zhì)方面的潛力。顏祥

照基于國(guó)產(chǎn)星載高分五號(hào)高光譜衛(wèi)星數(shù)據(jù)估算耕地土壤有機(jī)質(zhì)含量，利用光譜

反射率數(shù)據(jù)構(gòu)建偏最小二乘回歸模型，同時(shí)評(píng)估了不同土壤類型對(duì)土壤有機(jī)質(zhì)

預(yù)測(cè)精度的影響，應(yīng)用于黑土區(qū)后模型驗(yàn)證精度R達(dá)到0.8，在沼澤土內(nèi)模型驗(yàn)

證精度R達(dá)到0.6。

目前國(guó)內(nèi)外在高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)方面已經(jīng)取得了顯著的進(jìn)

展。研究結(jié)果充分論證了利用高光譜衛(wèi)星監(jiān)測(cè)土壤有機(jī)質(zhì)的可行性，并顯示高

光譜衛(wèi)星的監(jiān)測(cè)效果明顯優(yōu)于多光譜數(shù)據(jù)。隨著高光譜衛(wèi)星技術(shù)的不斷成熟，

越來(lái)越多的高光譜衛(wèi)星數(shù)據(jù)產(chǎn)品將投入業(yè)務(wù)化應(yīng)用。但是，高光譜衛(wèi)星遙感監(jiān)

測(cè)土壤有機(jī)質(zhì)涉及多項(xiàng)關(guān)鍵技術(shù)，在數(shù)據(jù)處理及技術(shù)流程上，仍未形成統(tǒng)一的

指標(biāo)，不利于標(biāo)準(zhǔn)化的產(chǎn)品生產(chǎn)與批量應(yīng)用，無(wú)法應(yīng)對(duì)未來(lái)國(guó)產(chǎn)高光譜數(shù)據(jù)大

規(guī)模、業(yè)務(wù)化、規(guī)范化處理，可能會(huì)滯后高光譜數(shù)據(jù)的應(yīng)用與推廣，影響我國(guó)

衛(wèi)星產(chǎn)業(yè)的發(fā)展。因此，迫切需要開展高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)規(guī)范研

究，推動(dòng)我國(guó)高光譜衛(wèi)星業(yè)務(wù)化運(yùn)行。

本標(biāo)準(zhǔn)在制定過程中，廣泛收集了相關(guān)國(guó)家標(biāo)準(zhǔn)和行業(yè)標(biāo)準(zhǔn)，作為本標(biāo)準(zhǔn)

制定的參考和借鑒依據(jù)，主要包括：

GB/T14950-2009攝影測(cè)量與遙感術(shù)語(yǔ)

GB/T17296-2009中國(guó)土壤分類與代碼

5

GB/T18834-2002土壤質(zhì)量詞匯

GB/T21010-2017土地利用現(xiàn)狀分類

GB/T30115-2013衛(wèi)星遙感影像植被指數(shù)產(chǎn)品規(guī)范

GB/T32722-2016土壤質(zhì)量土壤樣品長(zhǎng)期和短期保存指南

GB/T32726-2016土壤質(zhì)量野外土壤描述

GB/T33469-2016耕地質(zhì)量等級(jí)

GB/T36197-2018土壤質(zhì)量土壤采樣技術(shù)指南

GB/T36199-2018土壤質(zhì)量土壤采樣程序設(shè)計(jì)指南

GB/T36393-2018土壤質(zhì)量自然、近自然及耕作土壤調(diào)查程序指南

GB/T41475—20221：25000～1：500000土壤養(yǎng)分圖用色與圖例規(guī)范

GB/T42363-2023土壤質(zhì)量土壤理化分析樣品的預(yù)處理

CH/T3019-20181：250001：500000光學(xué)遙感測(cè)繪衛(wèi)星影像產(chǎn)品生產(chǎn)技

術(shù)規(guī)范

NY/T1119-2006土壤監(jiān)測(cè)規(guī)程

NY/T1121.1-2006土壤檢測(cè)第1部分：土壤樣品的采集、處理和貯存

NY/T1121.6-2006土壤檢測(cè)第6部分：土壤有機(jī)質(zhì)的測(cè)定

本標(biāo)準(zhǔn)充分借鑒以上技術(shù)標(biāo)準(zhǔn)，但是具有明顯的差別。GB/T14950-2009是

基本術(shù)語(yǔ)要求，是很多測(cè)繪、遙感標(biāo)準(zhǔn)的基礎(chǔ)，用于解釋本標(biāo)準(zhǔn)中的部分專業(yè)

術(shù)語(yǔ)。GB/T17296-2009確定了中國(guó)土壤分類與代碼，用于土壤類型的劃分和標(biāo)

注。GB/T18834-2002規(guī)定了土壤質(zhì)量詞匯，適用于對(duì)土壤保護(hù)、土壤監(jiān)測(cè)、土

壤治理等方面活動(dòng)中用的名詞術(shù)語(yǔ)及定義的有關(guān)內(nèi)容。GB/T21010-2017規(guī)定了

土地利用現(xiàn)狀的總則、分類與編碼，明確了土地利用各類型的含義。CH/T

3019—2018用于規(guī)定1：250001：500000光學(xué)遙感測(cè)繪衛(wèi)星影像產(chǎn)品的生產(chǎn)，

6

其中對(duì)于衛(wèi)星數(shù)據(jù)的幾何校正處理要求適用于高光譜衛(wèi)星遙感數(shù)據(jù)處理，具有

一定參考價(jià)值。GB/T30115-2013明確了衛(wèi)星遙感影像植被指數(shù)產(chǎn)品規(guī)范，對(duì)于

裸土提取中的指數(shù)計(jì)算具有一定參考價(jià)值。GB/T32722-2016、GB/T32726-2016、

GB/T36197-2018、GB/T36199-2018、GB/T36393-2018、GB/T41475-2022、

GB/T42363-2023用于規(guī)定和指導(dǎo)土壤樣品保存、野外土壤描述、土壤采樣、土

壤調(diào)查、土壤理化分析樣品的預(yù)處理，主要是針對(duì)傳統(tǒng)的野外樣品采集，其中

部分內(nèi)容適用于高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)，具有一定參考價(jià)值。GB/T

33469-2016用于規(guī)定耕地質(zhì)量等級(jí)以及不同區(qū)域的劃分標(biāo)準(zhǔn)。NY/T1119-2006、

NY/T1121.1-2006、NY/T1121.6-2006用于規(guī)定傳統(tǒng)采樣為主的土壤監(jiān)測(cè)相關(guān)

技術(shù)環(huán)節(jié)，和土壤檢測(cè)中土壤樣品的采集、處理和貯存以及土壤有機(jī)質(zhì)的測(cè)定。

通過分析，可以發(fā)現(xiàn)現(xiàn)有標(biāo)準(zhǔn)難以滿足高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)的

技術(shù)要求，需要開展針對(duì)性的標(biāo)準(zhǔn)制定工作，以更好地指導(dǎo)相關(guān)作業(yè)。標(biāo)準(zhǔn)化

的試驗(yàn)流程是國(guó)產(chǎn)高光譜衛(wèi)星監(jiān)測(cè)土壤質(zhì)量走向業(yè)務(wù)化前提條件，因此，迫切

需要盡快填補(bǔ)該領(lǐng)域標(biāo)準(zhǔn)規(guī)范的缺失，構(gòu)建完善的高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有

機(jī)質(zhì)技術(shù)規(guī)范，為業(yè)界提供明確的指導(dǎo)。

2.3主要技術(shù)內(nèi)容的說(shuō)明

（1）標(biāo)準(zhǔn)的定位

本文件規(guī)定了高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)的程序、方法、監(jiān)測(cè)結(jié)果的

精度評(píng)價(jià)、成果表達(dá)等內(nèi)容。本文件適用于空間分辨率不低于30米、包含可見

光、近紅外與短波紅外譜段范圍高光譜衛(wèi)星遙感數(shù)據(jù)的耕地土壤有機(jī)質(zhì)監(jiān)測(cè)。

（2）確定標(biāo)準(zhǔn)主要內(nèi)容的依據(jù)

本標(biāo)準(zhǔn)的任務(wù)是規(guī)范并指導(dǎo)資料收集與整理、遙感數(shù)據(jù)獲取與預(yù)處理、土

壤樣品采集與有機(jī)質(zhì)測(cè)定、模型構(gòu)建與模型應(yīng)用、成果整理等環(huán)節(jié)，用于進(jìn)行

7

基于星載高光譜數(shù)據(jù)的土壤有機(jī)質(zhì)監(jiān)測(cè)。為提高標(biāo)準(zhǔn)的實(shí)用性，編制組在標(biāo)準(zhǔn)

制定前期進(jìn)行了大量的調(diào)研、資料收集，以及技術(shù)試驗(yàn)等工作，在編制過程中

與自然資源部國(guó)土整治中心、中國(guó)科學(xué)院南京土壤研究所、中國(guó)科學(xué)院空天信

息創(chuàng)新研究院、中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所、中國(guó)科學(xué)院地理

科學(xué)與資源研究所、中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所等單位的專家進(jìn)行

了多次的交流和探討。同時(shí)充分利用主編單位的有利條件，總結(jié)凝練利用高光

譜衛(wèi)星遙感監(jiān)測(cè)黑土地土壤有機(jī)質(zhì)含量的實(shí)踐經(jīng)驗(yàn)，開展了大量技術(shù)試驗(yàn)。這

些都是本標(biāo)準(zhǔn)主要內(nèi)容編制的重要依據(jù)。

（3）已發(fā)射的國(guó)產(chǎn)高光譜衛(wèi)星

從2018年起，我國(guó)已成功發(fā)射高分五號(hào)、資源一號(hào)02D、高分五號(hào)衛(wèi)星、

高分五號(hào)B星、高分五號(hào)01A星等5顆高光譜觀測(cè)衛(wèi)星，高光譜對(duì)地觀測(cè)當(dāng)前

已邁入星載時(shí)代。2020和2021年自然資源部作為業(yè)主相繼發(fā)射的資源一號(hào)02D、

資源一號(hào)02E兩顆高光譜衛(wèi)星，組成了全球首個(gè)民用高光譜業(yè)務(wù)衛(wèi)星星座。該

星座不僅具有大幅寬、高光譜分辨率的特點(diǎn)，保持國(guó)際同類載荷最高的信噪比，

并具備同時(shí)刻、同角度、同大氣條件下，高分辨率多光譜成像以及大氣輻射反

演能力，可為我國(guó)高光譜應(yīng)用深化研發(fā)與規(guī)?；瘧?yīng)用持續(xù)提供星載數(shù)據(jù)方面的

有力支持和保障。

（4）資料收集與整理

利用高光譜遙感衛(wèi)星開展土壤有機(jī)質(zhì)監(jiān)測(cè)，首先需要進(jìn)行資料收集與整理。

資料收集在時(shí)間上一般宜從新到老，比例尺從大到小。收集的資料應(yīng)包括土壤

類型分布資料、土地利用/地表覆蓋/耕地分布資料、土壤有機(jī)質(zhì)等參量分布資

料、數(shù)字高程模型數(shù)據(jù)以及行政區(qū)劃數(shù)據(jù)等。在資料整理時(shí)，需要首先查看資

料的數(shù)據(jù)時(shí)相、數(shù)據(jù)來(lái)源、空間參考、比例尺、成果精度等，綜合分析各類型

8

資料的分布以及監(jiān)測(cè)區(qū)覆蓋情況，評(píng)估資料的準(zhǔn)確性和可靠性。然后將介質(zhì)圖

件資料轉(zhuǎn)換成柵格數(shù)據(jù)或矢量數(shù)據(jù)，具有不同量綱的數(shù)據(jù)應(yīng)進(jìn)行歸一化處理，

各種資料應(yīng)配準(zhǔn)到統(tǒng)一的坐標(biāo)系上，如有必要應(yīng)對(duì)柵格數(shù)據(jù)進(jìn)行重采樣，以匹

配遙感數(shù)據(jù)分辨率。最后，對(duì)收集的資料進(jìn)行分析，明確區(qū)域內(nèi)土壤類型、土

地利用/土地覆蓋現(xiàn)狀、耕地分布情況，以及土壤有機(jī)質(zhì)、質(zhì)地、肥力等土壤指

標(biāo)的空間分布情況，確定土壤有機(jī)質(zhì)的空間分異情況。資料收集與整理一方面

用于為樣點(diǎn)布設(shè)的依據(jù)，另一方面可與土壤有機(jī)質(zhì)監(jiān)測(cè)結(jié)果進(jìn)行對(duì)照，分析結(jié)

果的合理性與科學(xué)性為樣點(diǎn)布設(shè)提供依據(jù)。

（5）數(shù)據(jù)獲取與預(yù)處理

數(shù)據(jù)獲取與預(yù)處理包含遙感數(shù)據(jù)選擇、遙感數(shù)據(jù)預(yù)處理、裸土分布信息提

取三個(gè)環(huán)節(jié)。

遙感數(shù)據(jù)選擇時(shí)，需要重點(diǎn)考慮譜段范圍與設(shè)置、空間分辨率是否可滿足

土壤有機(jī)質(zhì)反演的指標(biāo)要求，影像的云量覆蓋、耕地覆蓋以及數(shù)據(jù)質(zhì)量是否滿

足要求等。為此，在遙感數(shù)據(jù)選擇中從上述五個(gè)方面分別提出了具體要求：a)

遙感數(shù)據(jù)具有可見光波段、近紅外波段、短波紅外波段；b)遙感數(shù)據(jù)的空間分

辨率應(yīng)不低于30m，光譜分辨率為（5-20）nm；c)遙感數(shù)據(jù)云覆蓋面積總和應(yīng)

不超過影像覆蓋面積的15%；d)遙感數(shù)據(jù)全部或部分覆蓋監(jiān)測(cè)區(qū)內(nèi)耕地；e)遙

感數(shù)據(jù)圖面應(yīng)清晰，無(wú)數(shù)據(jù)丟失，無(wú)明顯條紋、點(diǎn)狀或塊狀噪聲，無(wú)嚴(yán)重輻射

和幾何畸變。

高光譜衛(wèi)星遙感數(shù)據(jù)的預(yù)處理一般包括輻射定標(biāo)、大氣校正和幾何糾正三

部分。輻射定標(biāo)一般是根據(jù)傳感器各波段定標(biāo)系數(shù)利用定標(biāo)公式對(duì)影像各波段

數(shù)據(jù)進(jìn)行輻射定標(biāo)，將量化數(shù)字灰度值轉(zhuǎn)換為對(duì)應(yīng)視場(chǎng)表觀輻亮度值，得到輻

亮度數(shù)據(jù)。通過對(duì)現(xiàn)有標(biāo)準(zhǔn)規(guī)范的查閱比較，本文件中確定高光譜衛(wèi)星遙感監(jiān)

9

測(cè)土壤有機(jī)質(zhì)中的輻射定標(biāo)具體計(jì)算方法按照GB/T30115—2013中7.3的規(guī)定

執(zhí)行。為消除或減弱遙感數(shù)據(jù)獲取時(shí)因大氣傳輸中的吸收或散射作用引起的輻

射畸變，一般應(yīng)對(duì)輻射定標(biāo)得到的輻亮度數(shù)據(jù)進(jìn)行大氣校正，得到地表反射率

數(shù)據(jù)。大氣校正方法應(yīng)根據(jù)傳感器特性、地表覆蓋和氣象等條件選擇適宜的方

法，具體按照GB/T30115—2013中7.7的規(guī)定執(zhí)行。為消除幾何畸變帶來(lái)的誤

差，應(yīng)對(duì)地表反射率數(shù)據(jù)進(jìn)行幾何糾正。一般的幾何糾正包括幾何精糾正和正

射糾正。幾何精糾正的方法按照CH/T3019—2018中8.5的規(guī)定執(zhí)行，正射糾

正的方法按照CH/T3019—2018中9.5的規(guī)定執(zhí)行。幾何精度應(yīng)符合CH/T3019

—2018中4.5的規(guī)定。

裸土分布信息提取是高光譜衛(wèi)星遙感監(jiān)測(cè)土壤有機(jī)質(zhì)中的關(guān)鍵預(yù)處理環(huán)

節(jié)。在前面獲得幾何糾正后的地表反射率基礎(chǔ)上，首先按照公式計(jì)算裸土指數(shù)，

然后統(tǒng)計(jì)耕地范圍內(nèi)像元在裸土指數(shù)中的數(shù)值，并繪制頻率分布直方圖，確定

裸土像元與非裸土像元的劃分閾值，宜采用最大類間方差法確定閾值，將裸土

指數(shù)中大于閾值的像元判定為裸土像元，賦值為1，其他像元（包括非耕地像元）

判定為非裸土像元，賦值為0，生成裸土提取結(jié)果。在提取的裸土像元中隨機(jī)生

成不少于100個(gè)像元作為驗(yàn)證集，以目視判讀結(jié)果作為真值計(jì)算裸土提取精度。

為確保后續(xù)結(jié)果的精度，提取的裸土分布結(jié)果一般應(yīng)以柵格二值化形式存儲(chǔ)，

且提取精度應(yīng)不低于90%。

（6）土壤樣品采集與有機(jī)質(zhì)測(cè)定

土壤樣品采集與有機(jī)質(zhì)測(cè)定具體包含四方面的內(nèi)容：樣點(diǎn)布設(shè)、樣品采集、

樣品處理、樣品有機(jī)質(zhì)測(cè)定。

樣點(diǎn)布設(shè)時(shí)應(yīng)重點(diǎn)考慮樣點(diǎn)是否能綜合反映區(qū)域內(nèi)土壤有機(jī)質(zhì)的空間變異

性、應(yīng)覆蓋不同有機(jī)質(zhì)含量等級(jí)的地塊序列。其次，樣點(diǎn)布設(shè)宜采用歷史土壤

10

有機(jī)質(zhì)空間分布數(shù)據(jù)輔助分層抽樣方式，將土壤有機(jī)質(zhì)數(shù)值范圍劃分為（5～8）

級(jí)，每級(jí)應(yīng)布設(shè)不少于5個(gè)樣點(diǎn)，如果監(jiān)測(cè)區(qū)域無(wú)歷史土壤有機(jī)質(zhì)數(shù)據(jù)，應(yīng)結(jié)

合土壤類型和/或土地利用信息分層布設(shè)土壤樣點(diǎn)。樣點(diǎn)應(yīng)布設(shè)于平坦地塊中心

位置，樣點(diǎn)周邊（3×3）個(gè)像元范圍內(nèi)的土壤類型、耕地利用類型、農(nóng)田管理

措施應(yīng)一致。在遠(yuǎn)郊區(qū)，樣點(diǎn)布設(shè)應(yīng)選擇代表區(qū)域內(nèi)主要土壤類型、土地利用

類型和地理地貌的地塊；在近郊區(qū)，樣點(diǎn)布設(shè)應(yīng)選擇種植面積相對(duì)較大的糧食

作物、蔬菜基地及特色農(nóng)產(chǎn)品種植的代表性地塊。此外，樣點(diǎn)應(yīng)遠(yuǎn)離城市垃圾

堆放點(diǎn)、工業(yè)及生活排污口、交通、餐飲、住宅、溝渠、糞坑、墳?zāi)沟任廴驹?/p>

影響顯著的地區(qū)300m以上，并避免在水土流失嚴(yán)重或表土被破壞處布設(shè)樣點(diǎn)。

樣品采集前，應(yīng)準(zhǔn)備好采樣工具、工作底圖和采樣記錄表等。樣品采集時(shí)

間應(yīng)綜合考慮監(jiān)測(cè)時(shí)間需求與衛(wèi)星數(shù)據(jù)獲取計(jì)劃確定，一般應(yīng)在高光譜影像數(shù)

據(jù)拍攝日期前后10日內(nèi)完成，樣品采集與影像拍攝時(shí)土壤表面理化性狀未發(fā)生

明顯變化。樣點(diǎn)采集方法按照NY/T1121.1—20062.2中c)-e)的規(guī)定執(zhí)行。每

個(gè)樣點(diǎn)的土壤樣品應(yīng)為混合樣，即采樣點(diǎn)所在一定半徑范圍內(nèi)若干子樣經(jīng)均勻

混合后的土壤樣品?；旌蠘拥陌霃椒秶鷳?yīng)小于高光譜衛(wèi)星影像分辨率的一半。

每個(gè)混合樣由3-5個(gè)子樣組成。子樣宜采用“X”形布點(diǎn)法、“S”形布點(diǎn)法、梅

花形布點(diǎn)法或棋盤形布點(diǎn)法，每個(gè)子樣采集深度為5-20cm耕作層土壤，采土部

位應(yīng)一致。土壤樣品應(yīng)裝入塑料密封袋內(nèi)并外套布袋，寫好便簽、做好采樣記

錄。標(biāo)簽與采樣記錄按照NY/T1121.1—20062.2中f)的規(guī)定執(zhí)行。

樣品的處理按照NY/T1121.1—2006中3.2的規(guī)定執(zhí)行，樣品有機(jī)質(zhì)測(cè)定

按照NY/T1121.6—2006的規(guī)定執(zhí)行。

（7）模型構(gòu)建與模型應(yīng)用

模型構(gòu)建與模型應(yīng)用部分具體包括模型構(gòu)建、模型應(yīng)用和精度驗(yàn)證三方面

11

內(nèi)容。

在模型構(gòu)建中，具體包含數(shù)據(jù)集建立、光譜特征選擇、反演模型構(gòu)建三個(gè)

環(huán)節(jié)。數(shù)據(jù)集的建立應(yīng)根據(jù)土壤樣品有機(jī)質(zhì)含量數(shù)值分布情況，采用分層隨機(jī)

方法劃分訓(xùn)練集與驗(yàn)證集，訓(xùn)練集與驗(yàn)證集樣品比例在2:1至3:1的范圍內(nèi)。

訓(xùn)練集用于光譜特征選擇與反演模型構(gòu)建，驗(yàn)證集用于精度驗(yàn)證。光譜特征選

擇包括光譜特征計(jì)算和土壤有機(jī)質(zhì)敏感特征篩選。常用的光譜特征包括光譜斜

率、光譜吸收位置、光譜吸收深度、光譜吸收寬度等，以及經(jīng)過數(shù)學(xué)變換后的

光譜，如倒數(shù)光譜、對(duì)數(shù)光譜、導(dǎo)數(shù)光譜、積分光譜等。在土壤有機(jī)質(zhì)敏感特

征篩選時(shí)，宜采用基于相關(guān)分析的特征選擇方法，以皮爾遜相關(guān)系數(shù)的絕對(duì)值

大于0.4作為標(biāo)準(zhǔn)，篩選與土壤有機(jī)質(zhì)含量相關(guān)性高的光譜特征組合。根據(jù)劃

定的訓(xùn)練集樣品數(shù)據(jù)，以篩選的土壤有機(jī)質(zhì)敏感特征為自變量、以有機(jī)質(zhì)含量

為因變量，作為模型的輸入?yún)?shù)訓(xùn)練模型，采用偏最小二乘回歸、隨機(jī)森林回

歸和高斯過程回歸等統(tǒng)計(jì)預(yù)測(cè)模型進(jìn)行反演模型構(gòu)建。

在應(yīng)用模型估算土壤有機(jī)質(zhì)含量分布結(jié)果時(shí)，利用幾何糾正后的地表反射

率數(shù)據(jù)，根據(jù)提取的裸土像元，計(jì)算篩選的土壤有機(jī)質(zhì)敏感特征，然后應(yīng)用構(gòu)

建的模型進(jìn)行估算，得到土壤有機(jī)質(zhì)含量分布結(jié)果。

精度驗(yàn)證應(yīng)根據(jù)估算的土壤有機(jī)質(zhì)含量分布結(jié)果，采用以下兩種方式進(jìn)行

判定：1）利用驗(yàn)證集樣品數(shù)據(jù)，計(jì)算土壤樣品有機(jī)質(zhì)實(shí)測(cè)值Y與遙感監(jiān)測(cè)土壤

有機(jī)質(zhì)含量Y’間的皮爾遜相關(guān)系數(shù)ρ；2）利用驗(yàn)證集樣品數(shù)據(jù)，計(jì)算土壤樣

品有機(jī)質(zhì)實(shí)測(cè)值Y與遙感監(jiān)測(cè)土壤有機(jī)質(zhì)含量Y’間的均方根誤差r。滿足

且則判定為精度合格，精度判定不合格的，應(yīng)逐個(gè)檢查并優(yōu)化數(shù)據(jù)獲取

與預(yù)處理、土壤樣品采集與有機(jī)質(zhì)測(cè)定、模型構(gòu)建、模型應(yīng)用中各個(gè)環(huán)節(jié)，直

至精度合格。

12

（8）成果整理與資料歸檔

成果整理包括監(jiān)測(cè)成果圖與監(jiān)測(cè)成果報(bào)告。土壤有機(jī)質(zhì)遙感監(jiān)測(cè)成果圖應(yīng)

利用土地利用數(shù)據(jù)對(duì)監(jiān)測(cè)成果圖中非耕地區(qū)域進(jìn)行掩膜；對(duì)耕地土壤有機(jī)質(zhì)反

演結(jié)果進(jìn)行彩色渲染或分級(jí)設(shè)色，用色與圖例按照GB/T41475的規(guī)定執(zhí)行；監(jiān)

測(cè)成果圖坐標(biāo)系應(yīng)采用CGCS2000；監(jiān)測(cè)成果圖應(yīng)包括圖名、圖例、比例尺、指

北針、監(jiān)測(cè)時(shí)間、制圖單位等。

監(jiān)測(cè)成果報(bào)告方面，宜包括但不限于如下內(nèi)容：任務(wù)來(lái)源、工作目標(biāo)和具

體指標(biāo)要求等資料與信息；區(qū)域內(nèi)土壤類型、土地利用/土地覆蓋現(xiàn)狀、耕地分

布情況，以及土壤有機(jī)質(zhì)、質(zhì)地、肥力等土壤指標(biāo)的空間分布情況；高光譜衛(wèi)

星遙感數(shù)據(jù)獲取情況與處理結(jié)果；土壤樣品采集與有機(jī)質(zhì)測(cè)定結(jié)果；土壤有機(jī)

質(zhì)光譜特征選擇與反演模型構(gòu)建；區(qū)域內(nèi)土壤有機(jī)質(zhì)遙感監(jiān)測(cè)結(jié)果，宜采用統(tǒng)

計(jì)表格和圖片等，統(tǒng)計(jì)表格應(yīng)包括土壤有機(jī)質(zhì)含量、監(jiān)測(cè)精度評(píng)價(jià)等信息。圖

片應(yīng)包括樣點(diǎn)實(shí)際分布圖、樣點(diǎn)處實(shí)景照片、監(jiān)測(cè)成果圖等；土壤有機(jī)質(zhì)遙感

監(jiān)測(cè)結(jié)果精度。

資料歸檔介質(zhì)主要為光盤、磁帶或硬盤等，歸檔資料包括：監(jiān)測(cè)成果圖、

監(jiān)測(cè)成果報(bào)告、其他。

三、驗(yàn)證試驗(yàn)的情況和結(jié)果

在驗(yàn)證試驗(yàn)方面，編制組首次利用星載高光譜數(shù)據(jù)實(shí)現(xiàn)了中國(guó)黑土地耕地

土壤有機(jī)質(zhì)全覆蓋制圖，包括黑龍江省、吉林省、遼寧省和內(nèi)蒙古自治區(qū)東部

的赤峰市、通遼市、興安盟、呼倫貝爾市，區(qū)域總面積約126.54萬(wàn)平方公里。

監(jiān)測(cè)區(qū)域覆蓋黑土地全域耕地，具體包含水田、旱地、水澆地。本次監(jiān)測(cè)使用

自然資源部作為業(yè)主的我國(guó)首顆民用高光譜衛(wèi)星（資源一號(hào)02D）。

13

在試驗(yàn)中，針對(duì)中國(guó)耕地復(fù)雜地理環(huán)境與土壤類型、農(nóng)業(yè)分區(qū)特點(diǎn)，研發(fā)

了一套地形因子與目標(biāo)光譜特征協(xié)同的土壤參量反演技術(shù)，首次提出了基于多

指標(biāo)評(píng)價(jià)的變量重要性因子-競(jìng)爭(zhēng)性自組織選擇-隨機(jī)蛙三算法聯(lián)合特征選擇技

術(shù)（VIP-CARS-Frog），實(shí)現(xiàn)高質(zhì)量、穩(wěn)定的特征選擇。該反演技術(shù)現(xiàn)已成功應(yīng)

用于GF5、5米光學(xué)業(yè)務(wù)衛(wèi)星、5米光學(xué)02星等國(guó)產(chǎn)高光譜衛(wèi)星，利用該技術(shù)構(gòu)

建了東北黑土區(qū)尺度土壤有機(jī)質(zhì)反演模型。

整個(gè)過程分為以下部分：1）對(duì)高光譜數(shù)據(jù)進(jìn)行預(yù)處理得到地表反射率數(shù)據(jù)，

基于實(shí)測(cè)點(diǎn)數(shù)據(jù)提取影像中點(diǎn)位光譜反射率；2）基于點(diǎn)位光譜計(jì)算光譜指數(shù)、

光譜反射率（包含不同變換后的光譜）；基于高程數(shù)據(jù)提取坡度、坡向等地形因

子；基于實(shí)測(cè)點(diǎn)數(shù)據(jù)提取對(duì)應(yīng)點(diǎn)位地形因子；利用光譜反射率、光譜指數(shù)、地

形因子構(gòu)建特征集；3）按照一定比例將土壤有機(jī)質(zhì)和特征集劃分為建模集和驗(yàn)

證集；4）基于隨機(jī)蛙算法（RandomFrog，RF）對(duì)不同特征集組合進(jìn)行降維，

構(gòu)建高斯過程回歸模型（GaussianProcessRegression,GPR），通過比較精度

對(duì)不同特征集組合進(jìn)行評(píng)價(jià)，選擇出最優(yōu)特征集組合；5）基于RF、競(jìng)爭(zhēng)性自適

應(yīng)重加權(quán)抽樣（CompetitiveAdaptiveReweightedSampling，CARS）、投影變

量重要性（VariableImportanceinProjection，VIP）三種特征選擇方法對(duì)

最優(yōu)特征集組合進(jìn)行降維，篩選出各自優(yōu)選的特征變量，構(gòu)建集成提升樹模型

（Least-squaresboosting，LSBoost），基于驗(yàn)證集比較每種方法中不同特征

對(duì)決定系數(shù)（Adj-R2）、均方根誤差（RMSE）、相對(duì)分析誤差（RPD）的貢獻(xiàn)，以

此確定最優(yōu)特征變量和特征數(shù)量；6）基于最優(yōu)特征變量構(gòu)建不同反演模型，通

過比較精度選擇最優(yōu)反演模型，應(yīng)用該模型并得到土壤有機(jī)質(zhì)。

14

圖1技術(shù)流程圖

1）樣本集劃分

為減小參量反演模型的預(yù)測(cè)偏差，考慮到土壤有機(jī)質(zhì)含量差異，將研究區(qū)

的163個(gè)樣本分成建模集和驗(yàn)證集2組，建模集用于特征選擇與模型構(gòu)建，驗(yàn)

證集用于評(píng)價(jià)模型精度。

2）特征集比較

考慮到光譜反射率、光譜指數(shù)、地形因子的特征集數(shù)量較大，為提高所選

特征的代表性，為此，本研究進(jìn)行特征集比較，通過計(jì)算不同組合的精度，選

擇最優(yōu)特征集組合。首先，為解決光譜反射率波段數(shù)量多、冗余性較大的問題，

分析實(shí)測(cè)點(diǎn)土壤有機(jī)質(zhì)與光譜反射率（包括點(diǎn)位光譜與基于點(diǎn)位光譜計(jì)算不同

變換后的光譜）之間的相關(guān)性，其相關(guān)性的絕對(duì)值如下所示，可見原始光譜與

土壤有機(jī)質(zhì)之間的相關(guān)性最高，倒數(shù)、平方根、對(duì)數(shù)、微分與土壤有機(jī)質(zhì)之間

15

的相關(guān)性較低，由此，選擇原始光譜作為光譜反射率特征集。

圖2土壤有機(jī)質(zhì)與光譜反射率間相關(guān)性

其次，基于隨機(jī)蛙算法對(duì)不同特征集組合進(jìn)行降維，組合分為光譜反射率

（R）、光譜指數(shù)（SI）、光譜反射率+地形因子（R+DEM）、光譜指數(shù)+地形因子

（SI+DEM）、光譜指數(shù)+光譜反射率（SI+R）、光譜指數(shù)+光譜反射率+地形因子

（SI+R+DEM），分別選擇每組的特征變量，利用這些特征變量建立GPR反演模型，

通過對(duì)不同特征集組合進(jìn)行精度評(píng)價(jià)，選擇光譜指數(shù)+地形因子（SI+DEM）為最

優(yōu)特征集組合。

3）特征選擇

為篩選出對(duì)模型構(gòu)建有幫助的特征，基于光譜指數(shù)+地形因子的組合，比較

了RF、CARS、VIP三種特征選擇方法在LSBoost反演模型下的精度，由此，我

們確定最終選用的特征變量與特征數(shù)量。

綜合比較，我們選擇7個(gè)用于反演土壤有機(jī)質(zhì)含量的特征變量，這些在每

組別中均有一定貢獻(xiàn)，分別是elevation、mean_650_750、Slp620_500、SOC_C600、

DIOR580735、Slp820_500、DIOR740525。

16

圖3不同特征選擇方法下各特征的貢獻(xiàn)度

17

4）反演模型構(gòu)建

基于最優(yōu)特征變量比較不同反演模型的精度，利用10折交叉驗(yàn)證方法進(jìn)行

模型參數(shù)優(yōu)化，分別計(jì)算基于交叉驗(yàn)證數(shù)據(jù)的R2、RMSE和基于驗(yàn)證集數(shù)據(jù)的R2、

RMSE，由此，確定最終的土壤有機(jī)質(zhì)反演模型。、下表為不同反演模型的精度對(duì)

比，從表中可得知，與其他模型相比，GPR