土壤盐渍化问题是全球滨海、干旱和半干旱地区面临的重大挑战，不仅严重影响农业生产，还威胁粮食安全。我国滨海、东北、西北地区存在大量的盐碱地，准确掌握土壤盐分及地力分布、作物类型及长势对于盐碱地综合利用至关重要。近五年来，孙志刚研究团队聚焦盐碱地空天地监测及其数字化应用，在黄河三角洲及相关区域展开了系列创新研究，深入研究盐碱土壤盐分养分与盐碱地作物参数的定量反演原理与方法，发展盐碱地“空–天–地”多尺度监测技术，打造站点、千亩、万亩、区域等多尺度应用场景。以上工作发展了盐碱地立体监测的新思路、新方法、新应用，为盐碱地布局优化与分区分级利用提供了科学支撑。

主要研究成果简介如下：

1、研发了盐碱地水盐监测方法与新型监测技术

首先，系统评估了盐分对常见土壤水分传感器与卫星土壤水分数据产品的影响。基于COSMOS观测记录，对3种土壤传感器（HydraProbe、CS655和5TE）及5种卫星土壤水分数据产品进行了评估，结果发现：3种传感器均受盐分影响，其中HydraProbe表现最佳且能够通过校正显著提高监测精度；5种卫星数据产品均受盐分的影响，L波段数据产品相比于C波段数据产品更容易受到盐分的干扰。

其次，开发了基于新型GNSS-R技术的土壤盐分反演方法与监测设备。在站点尺度，首次评估了基于单天线GNSS-R技术的土壤盐分监测效果，提出了土壤盐分估算模型，研制了GNSS-R地基监测设备。在区域尺度，提出了一种基于星载CYGNSS数据的土壤电导率提取模型（CIG），该模型表现优于现有其它模型。

基于以上基础，同时发展了星载GNSS-R高精度土壤水分估算方法、基于多源遥感数据融合的土壤水分监测方法。

以上研究成果为站点与区域尺度盐渍化土壤水盐监测提供新思路、新方法。

2、研发了盐碱地土壤盐分、有机质无人机遥感反演与制图方法

以黄河三角洲地区的典型盐渍化农田为研究对象，研发基于机器学习算法的不同深度土壤盐分估算方法，结果表明：融合无人机遥感影像纹理信息和Sentinel-2B光谱数据，能够显著提高了土壤盐分估算的精度。

在此基础上，以盐碱地表层裸土为研究对象，基于无人机遥感光谱与空间纹理信息，研发基于机器学习算法的土壤有机质含量估算方法，结果表明：基于随机森林模型，同时融入纹理和土壤盐分信息，盐碱地有机质反演精度显著提升。

以上成果为田块尺度盐碱地农田盐渍化等级和养分含量的监测与超高分辨率制图提供了有效方法，为盐碱地分区分级种植布局规划与管理提供了重要的基础数据。

3、研发了作物关键参数无人机遥感反演方法

叶片气孔是作物响应环境胁迫（包括盐分胁迫）最敏感的器官之一。基于无人机（或地基、天基）遥感光学与热红外遥感数据和作物蒸腾机理模型，研发了作物冠层气孔阻抗遥感反演模型，实现了田块与区域尺度作物冠层气孔阻抗监测制图与环境胁迫诊断。

充分利用轻小型无人机遥感灵活、机动、成本低、分辨率高的优势，优化了田块尺度作物典型表型参数监测的传感器配置，评估了无人机飞行高度、观测时间对作物参数遥感反演精度的影响；基于无人机遥感数据与改进的光谱指数分别估算了叶绿素含量、生物量、LAI、作物高度、作物含水量等参数。

基于无人机遥感光谱信息与亚毫米级超高清影像，以黄河三角洲盐碱农田的典型作物（高粱、玉米、小麦等）为研究对象，评估了土壤盐分、养分对盐碱地作物的影响及其空间分异特征；改进了深度学习算法，研发了基于热力图的冬小麦麦苗密度自动识别技术，以及基于麦穗数、穗大小识别和穗异常指数的冬小麦产量估算方法，结果表明：该技术与方法可以在田块尺度上实现快速、高效、高精度麦苗密度识别与小麦产量估算。

上述成果为农田尺度盐碱地农业种植精准管理提供了有力支撑。

4、打造了盐碱地多尺度数字化应用场景

基于以上工作积累与行业需求，打造了黄河三角洲滨海盐碱地多尺度数字化应用场景，涵盖了“站点级—千亩级—万亩级—区域级”农业生产管理典型尺度。在站点与千亩尺度，集成了COSMOS和地基GNSS-R的站点建设以及无人机遥感观测设备，通过高精度高频监测与多光谱影像获取，获取了田块尺度的土壤水分盐分的时间序列变化与空间分布。针对大尺度范围，基于卫星遥感数据适时绘制了土壤盐分含量以及作物类型的空间分布图。以上应用场景直接服务了黄河三角洲盐碱地种植制度设计、分区种植模拟、水土资源管理等农业生产管理实际需求，也为其他地区盐碱地数字化应用场景建设提供了实际案例。

上述研究获得了国家重点研发计划项目、国家自然科学基金面上项目、国家自然科学基金青年基金、中国科学院先导任务等资助，发表相关系列论文15篇，授权发明专利5项，出版专著1部，获地理信息科技进步特等奖1项（序6）。

论文：

1)Wang,J.,Sun,Z.#,Yang,T.*,Wang,B.,Dou,W.,& Zhu,W. (2024). Quantifying the effect of salinity on dielectric-based soil moisture measurements using COSMOS records. Journal of Hydrology, 643,131925.

2)Yang,T.,Wang,J.,& Sun,Z.* (2024). Can the soil salinity be retrieved using GNSS interferometric reflectometry data?. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，17,10612-10620.

3)Wang,J.,Yang,T.,Zhu,K.,Shao,C.,Zhu,W.,Hou,G.,& Sun,Z.* (2023). A novel retrieval model for soil salinity from CYGNSS: Algorithm and test in the Yellow River Delta. Geoderma, 432,116417.

4)Peng,J.,Wang,D.,Zhu,W.,Yang,T.,Liu,Z.,Rezaei,E. E.,Sun,Z.*,Xin,X. (2023). Combination of UAV and deep learning to estimate wheat yield at ripening stage: The potential of phenotypic features. International Journal of Applied Earth Observation and Geoinformation,124,103494.

5)Zhu,W.,et al.,Sun,Z.* (2023). UAV Flight Height Impacts on Wheat Biomass Estimation via Machine and Deep Learning. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,16,7471-7485.

6)Zhu,W.,et al.,Sun,Z.* (2022). UAV-based indicators of crop growth are robust for distinct water and nutrient management but vary between crop development phases. Field Crops Research,284,108582.

7)Peng,J.,Rezaei,E.E.,Zhu,W.,Wang,D.,Li,H.,Yang,B.,Sun,Z.* (2022). Plant Density Estimation Using UAV Imagery and Deep Learning. Remote Sensing,14,5923.

8)Yang,T.,Wan,W.,Wang,J.,Liu,B.,Sun,Z.* (2022). A Physics-Based Algorithm to Couple CYGNSS Surface Reflectivity and SMAP Brightness Temperature Estimates for Accurate Soil Moisture Retrieval. Transactions on Geoscience and Remote Sensing,60,4409715.

9)Zhu,W.,Rezaei,E. E.,Nouri,H.,Yang,T.,Li,B.,Gong,H.,...& Sun,Z.* (2021). Quick detection of field-scale soil comprehensive attributes via the integration of UAV and sentinel-2B remote sensing data. Remote Sensing, 13(22),4716.

10)Zhu,W.,Sun,Z.*,et al. (2021). Optimization of multi-source UAV RS agro-monitoring schemes designed for field-scale crop phenotyping. Precision Agriculture,22,1768-1802.

11)Zhu,W.,Sun,Z.*,et al. (2020). Estimating leaf chlorophyll content of crops via optimal unmanned aerial vehicle hyperspectral data at multi-scales. Computers and Electronics in Agriculture,178,105786.

12)Zhu,K.,Sun,Z.*,et al. (2020). Remotely sensed canopy resistance model for analyzing the stomatal behavior of environmentally-stressed winter wheat. ISPRS Journal of Photogrammetry and Remote Sensing,168,197-207.

13)王玮莹,彭金榜,朱婉雪,孙志刚*. 基于无人机遥感的盐渍化土壤有机质反演方法研究[J]. 地球信息科学学报,2024,26(03):736-752.

14)王俊栋,孙志刚*,杨婷,等. CYGNSS数据的土壤盐分反演方法研究：以黄河三角洲为例[J]. 遥感学报,2023,27(2):351-362.

15)朱婉雪,孙志刚*,等. 基于无人机遥感的滨海盐碱地土壤空间异质性分析与作物光谱指数响应胁迫诊断[J]. 地球信息科学学报,2021,23(3):536-549.

发明专利：

1)彭金榜,孙志刚,娄金勇. 基于深度学习和热力图的麦苗密度估算方法[P].中国：ZL2022 1 1400718,2024年05月14日.

2)彭金榜,孙志刚,娄金勇,王东亮,张艺璇. 一种利用表型特征估算高精度小麦籽粒产量的方法[P].中国：ZL2022 1 1503201.4,2024年03月26日.

3)王俊栋,杨婷,孙志刚. 一种基于CYGNSS卫星数据的土壤盐分反演方法和系统[P].中国：ZL2022 1 0843401.8,2023年04月07日.

4)杨婷,孙志刚. 一种基于多源遥感数据融合的土壤水分测量方法及装置[P].中国：ZL2020 1 1408197.0,2022年10月28日.

5)杨婷,孙志刚. 一种基于CYGNSS数据的星载GNSS-R高精度土壤水分估算方法[P].中国：ZL2022 1 0279863.1,2022年05月31日.

著作：

1)孙志刚,陈鹏飞. 生态环境无人机遥感监测方法与案例[M]. 北京：科学出版社,2024.