综述：遥感技术在作物制图中的应用：当前与未来作物特异性土地覆盖数据产品的视角

这篇综述创新性地提出多模态视觉Transformer模型(MMVT)，用于整合多源遥感数据(包括Sentinel-2、Landsat和SAR)，实现了德国农业表层土壤质地(砂粒、粉粒、黏粒)的10米高分辨率制图。研究通过比较2D CNN和随机森林(RF)模型，验证了MMVT在R2(0.74/0.73/0.52)和RPIQ(3.52/3.50/1.95)等指标上的优越性，为精准农业土壤管理提供了新范式。

　　

土壤质地的高分辨率制图革命

引言

土壤质地作为土壤肥力的核心指标，其空间分布特征直接影响作物产量。传统土壤调查方法面临成本高、覆盖密度低的瓶颈，而多源遥感数据与深度学习技术的融合为大规模土壤制图开辟了新途径。

材料与方法创新

研究团队整合了LUCAS土壤数据库和德国7个州的区域土壤档案，筛选出3,312个表层土壤样本。创新性地构建了六类多模态遥感数据集：

1. 1.

   多光谱裸土合成图像(MS)

2. 2.

   SAR裸土合成图像

3. 3.

   裸土温度合成图像(BST)

4. 4.

   植被活力指数

5. 5.

   季节性温度合成图像

6. 6.

   地形变量

提出的多模态视觉Transformer(MMVT)突破性地改良了图像分块策略，将不同模态数据在空间和光谱维度同步分割。模型采用8层Transformer编码器结构，配合多头自注意力机制，有效捕捉了土壤特性与多源遥感特征间的非线性关系。

关键发现

1. 1.

   空间上下文优化：320×320m的邻域范围(32×32像素)展现出最佳预测性能，砂粒(R²=0.74)、粉粒(R²=0.73)预测显著优于传统RF模型(R²=0.62)。

2. 2.

   模态协同效应：SAR数据虽然空间覆盖有限，但其背向散射特性与黏粒含量(RPIQ=1.95)呈现特异性关联。

3. 3.

   温度模态价值：季节性温度 composites 成功反映了土壤热特性与质地的关系，尤其在黏土识别中贡献显著。

制图应用突破

在全国尺度制图中，模型准确再现了德国北部冰碛砂土、中部黄土区粉粒富集、南部石灰岩黏土等典型空间格局。在威悉河沿岸的案例研究中，MMVT展现出：

• •

  对河漫滩黏质土(黏粒35-45%)的精确刻画

• •

  田间尺度(<10m)的渐变式质地过渡

• •

  克服了RF模型常见的"棋盘效应"

技术前瞻

该研究证实了Transformer架构在遥感土壤制图中的独特优势：

1. 1.

   全局感受野超越CNN的局部卷积限制

2. 2.

   自适应特征权重分配机制

3. 3.

   端到端的多模态融合能力

未来可拓展至土壤有机碳(SOC)、pH值等关键指标监测，为联合国可持续发展目标(SDGs)中的土地退化零增长目标提供技术支撑。这项突破标志着遥感土壤学正式迈入"高分辨率+多模态+自注意力"的新纪元。