农业面源污染遥感监测与定量估算是利用遥感技术手段监测农业活动产生的面源污染物浓度、负荷量及其空间分布的技术方法。农业面源污染是指农业生产活动中化肥农药流失、畜禽养殖废弃物排放、农村生活污水排放等分散性污染源通过地表径流、地下渗透等方式进入水体造成的污染。与点源污染相比，面源污染具有污染源分散、排放随机、机理复杂、监测困难等特点。遥感技术凭借其大范围覆盖、动态观测、多源协同的优势，为农业面源污染监测提供了全新技术手段。本文系统阐述农业面源污染遥感监测的技术原理、方法体系和应用实践，为农业面源污染防控和水环境保护提供技术参考。

农业面源污染是导致水体富营养化和水质恶化的主要原因之一。据生态环境部统计，我国农业源排放的化学需氧量（COD）占全国总排放量的近一半，氨氮排放量占比超过三分之一，长江、黄河、淮河等大河流域的面源污染负荷占比已超过点源污染。太湖、巢湖、滇池等湖泊的富营养化问题与农业面源污染密切相关。农业面源污染控制已成为水污染防治的重点和难点。

传统农业面源污染监测依赖野外采样和实验室分析，监测站点有限、空间代表性不足、时效性差，难以满足大范围、高频率监测需求。遥感技术提供了全新的面源污染监测途径。时维遥感研究团队系统开展了农业面源污染遥感监测技术研究，利用卫星遥感、无人机遥感和现场传感网协同，实现了从流域尺度到田块尺度的多层次污染监测，为农业面源污染防控提供了科学依据。

农业面源污染类型与特征

种植业面源污染

种植业面源污染主要来源于化学肥料和农药的流失。农田施用的氮肥、磷肥仅有部分被作物吸收利用，未被吸收的养分通过地表径流进入地表水体，或通过淋溶进入地下水。据研究，我国氮肥利用率约为30%至40%，磷肥利用率约为20%至30%，大量养分进入环境造成污染。

种植业面源污染的特点包括：与种植结构密切相关，大宗粮食作物、经济作物、蔬菜果树的施肥强度差异显著；与气象条件密切相关，暴雨事件产生的地表径流是养分流失的主要驱动力；与土壤类型和地形条件密切相关，坡耕地、沙质土壤更易发生养分流失；时空变异性大，污染负荷随农事活动周期和气象条件变化。遥感技术可监测作物种植结构、生长状况、土壤水分等参数，结合水文模型估算养分流失量。

畜禽养殖业污染

畜禽养殖业污染来源于畜禽粪便和养殖废水的排放。规模化养殖场产生的粪便和废水若处理不当，会通过径流和渗漏进入水体；散养模式下畜禽粪便随地表径流进入水体更为分散。畜禽粪便中含有大量氮、磷、有机物，是水体富营养化的重要污染源。

畜禽养殖污染的特点包括：空间分布与养殖业布局相关，规模化养殖场相对集中，散养户分布分散；污染强度与养殖规模正相关；受纳水体多为农村小河流、坑塘；粪便堆放和污水处理是主要污染环节。遥感技术可识别规模化养殖场位置和规模，结合土地利用数据分析污染影响范围。

农村生活污水污染

农村生活污水污染来源于农村居民生活产生的废水排放，包括厨房污水、洗涤污水、粪便污水等。农村生活污水含有机物、氮、磷、细菌病毒等污染物，未经处理直接排放是农村水环境恶化的重要原因。

农村生活污染的特点包括：排放源分散、单个源强小，但总量大；与农村居民点分布相关；受农村基础设施条件制约，污水收集处理率低；缺乏有效处理设施的农村地区污染更为严重。遥感技术可通过热红外遥感监测农村污水排放口，结合高分辨率影像识别污水汇集区域。

遥感监测原理与方法

水体污染物遥感机理

水体中污染物以溶解态或颗粒态形式存在，影响水体光谱特性和热力学特性。藻类植物大量繁殖导致水体叶绿素a浓度升高，引起水体颜色变绿、可见光区反射率升高、近红外区反射率增强；有机物浓度升高导致水体颜色变深、可见光区反射率下降；无机悬浮物增加导致水体浑浊度升高、反射率整体升高。

水体光谱特征与污染物浓度存在定量关系。叶绿素a浓度升高导致470纳米附近吸收增强、550纳米附近反射峰增强、700纳米附近反射峰增强并出现"红峰"现象；溶解性有机物在400纳米附近有吸收作用；悬浮物浓度与可见光区反射率呈正相关。通过建立光谱参数与污染物浓度的回归模型，可实现水体污染物浓度的遥感估算。时维遥感建立了不同水体类型的污染物遥感反演模型，模型验证精度达到85%以上。

流域尺度污染负荷估算

流域尺度农业面源污染负荷估算是流域水环境管理和治理的重要依据。污染负荷估算模型将流域划分为若干子流域或景观单元，结合遥感获取的土地利用、植被覆盖、土壤类型等空间信息，以及气象部门提供的降雨数据，计算各单元的污染产生量和输出量。

常用负荷估算模型包括输出系数模型、SWAT模型、AGNPS模型等。输出系数模型根据不同土地利用类型的单位面积污染物输出系数估算污染负荷，模型简单但精度有限；SWAT模型是物理过程模型，考虑流域水文过程、土壤侵蚀、养分循环等复杂过程，模拟精度较高但参数复杂。遥感数据为模型提供空间分布的输入参数，是模型应用的关键数据支撑。时维遥感结合遥感数据与SWAT模型，在太湖流域、巢湖流域开展了污染负荷估算应用。

源头识别与溯源分析

农业面源污染源头识别是精准治污的前提。遥感技术可从空间上识别污染源类型和分布，从时间上追踪污染发生过程，结合水质监测数据进行溯源分析。

污染源头遥感识别方法包括：基于高分辨率影像识别规模化畜禽养殖场位置和规模；基于热红外遥感识别污水排放口位置；基于多时相分析识别污染事件发生时间和路径；基于土地利用数据分析污染源结构特征等。溯源分析方法包括：水质指纹分析对比污染类型；空间叠加分析确定污染贡献源；历史遥感数据分析污染演变趋势等。时维遥感开发的污染溯源分析模块在多个流域污染事件调查中发挥了重要作用。

监测技术与数据处理

卫星遥感监测

卫星遥感是大范围面源污染监测的主要数据来源。光学遥感卫星如Landsat、Sentinel-2、GF-1等提供可见光-近红外多光谱数据，可提取水体叶绿素、悬浮物、溶解性有机物等信息；热红外遥感卫星如Landsat 8 TIRS、ASTER等提供地表温度信息，可识别污水排放口；高光谱遥感卫星如Hyperion、PRISMA等提供精细光谱信息，可识别更多污染物类型。

卫星遥感监测的优势在于覆盖范围大、历史数据积累丰富、成本相对较低；局限在于空间分辨率有限（多数卫星为10至30米）、时间分辨率受重访周期限制、受云雨天气影响。时维遥感整合多源卫星数据建立了面源污染监测数据流水线，支持日常业务化运行。

无人机遥感监测

无人机遥感平台能够获取高空间分辨率影像，适用于小流域、养殖池塘、农村居民点等局部区域的精细监测。无人机可搭载多光谱相机、高光谱相机、热红外相机等传感器，根据监测需求灵活配置。

无人机遥感在面源污染监测中的典型应用包括：养殖池塘富营养化监测，识别藻类爆发区域；农村河流水质快速评估，识别污染河段；污水排放口定位，追踪污染来源；农田径流观测，评估流失风险等。无人机监测的优势在于灵活性高、分辨率高、响应快；局限在于单次飞行覆盖范围有限、依赖天气条件。时维遥感组建了专业无人机监测团队，配备多套无人机遥感设备，承接各类面源污染精细监测任务。

多源数据融合

单一遥感数据源难以满足复杂面源污染监测需求，多源数据融合是提高监测能力的有效途径。不同传感器在空间分辨率、时间分辨率、光谱分辨率方面各具特点，融合应用可实现优势互补。

多源融合策略包括：光学与SAR融合，SAR数据不受云雨影响，可填补光学数据缺口；高分辨率与低分辨率融合，高分辨率数据提供空间细节，低分辨率数据保证时间连续性；遥感与地面监测融合，地面监测数据验证遥感估算精度，遥感数据补充地面监测空间覆盖。时维遥感研发的多源数据融合处理平台，能够自动协调多种数据源生成高质量监测产品。

应用实践与典型案例

太湖流域面源污染监测

太湖流域是我国经济最发达的区域之一，也是水体富营养化问题最严重的区域之一。农业面源污染是太湖蓝藻水华频繁暴发的重要原因。时维遥感受太湖流域管理局委托，开展了太湖流域农业面源污染遥感监测与负荷估算研究。

研究利用多源卫星遥感数据，获取了太湖流域的土地利用、植被覆盖、水体叶绿素浓度、悬浮物浓度等参数分布。结合输出系数模型和SWAT模型，估算了流域农业面源污染的COD、氨氮、总磷等污染物排放量。结果显示，太湖西北部入湖河流污染负荷贡献最大，与该区域蔬菜种植和畜禽养殖密集有关；东太湖区污染负荷相对较轻，与该区域以水稻种植为主、水网密布有利于污染物稀释有关。监测结果为太湖流域面源污染控制方案制定提供了科学依据。

长江上游小流域污染调查

长江上游地区地形复杂、耕地破碎，农业面源污染问题突出。时维遥感配合地方生态环境部门，在三峡库区上游开展了小流域农业面源污染遥感调查试点。

研究选取典型小流域作为试点，利用无人机航拍获取了高分辨率土地利用和养殖分布数据，结合实地采样建立了水体污染物浓度遥感反演模型。调查结果显示，试点流域畜禽养殖污染贡献约占总污染负荷的60%，种植业污染贡献约占30%，农村生活污染贡献约占10%。养殖污染主要集中在流域中下游散户养殖集中区域，存在雨季粪便溢流风险。调查成果为地方政府制定"一河一策"污染治理方案提供了基础数据。

北方集约农区氮磷流失监测

华北平原和西北灌区是我国重要的商品粮基地，也是农业面源污染防控的重点区域。大量化肥农药施用导致农田氮磷流失进入地表水和地下水。时维遥感在华北平原开展了农田尺度氮磷流失风险遥感监测研究。

研究利用多时相光学遥感数据获取作物种植结构和生长状况，结合土壤类型、地形坡度、灌溉排水条件等数据，评估了农田氮磷流失风险空间分布。结果显示，高风险农田主要分布在以下区域：坡度较大的山前平原区、地表径流汇集的低洼区、地下水浅埋区的砂质土壤区。遥感监测识别的高风险区域与已有监测井网的水质异常区域吻合良好。该研究为农业面源污染源头防控和差异化治理提供了依据。

技术挑战与发展方向

微量污染物检测

农业面源污染物浓度通常较低，传统遥感方法难以精确检测。部分污染物如溶解性氮、微量磷等在水体中浓度仅为微克升级别，对光谱特征的影响微弱。低浓度污染物的遥感检测是技术难点。

提高微量污染物检测能力的途径包括：发展更高光谱分辨率的探测技术；利用物质与光谱的精细吸收特征进行识别；发展物化前处理技术增强遥感信号；利用统计方法从噪声中提取微弱信号等。时维遥感正在开展微量氮磷污染物遥感检测技术研究，探索高光谱数据在微量污染物监测中的应用潜力。

模型精度提升

污染负荷估算模型的不确定性是影响监测精度的主要因素。模型输入参数（如降雨量、土壤属性、作物参数）存在空间异质性，模型结构简化导致部分过程未能准确描述，实测数据有限影响模型率定验证，这些因素都会影响估算精度。

提高模型精度的途径包括：发展高分辨率遥感数据获取更精细的模型参数；发展数据同化技术融合多源数据校正模型；发展不确定性分析量化模型可靠性；发展模型集成方法降低单一模型偏差等。时维遥感正在研发新一代面源污染负荷估算模型，引入机器学习算法进行模型优化和误差校正。

实时监测系统

农业面源污染发生具有随机性，与降雨事件密切相关。实时监测系统能够及时捕捉污染事件，为应急响应和污染控制提供支撑。卫星遥感受重访周期限制，难以实现真正意义上的实时监测。

实时监测系统的发展方向包括：发展小卫星星座提高时间分辨率；构建"卫星+无人机+地面传感网"立体监测体系；发展边缘计算技术实现数据实时处理；建设预警预报系统实现主动防控。时维遥感正在规划建设农业面源污染实时监测与预警平台，整合多源数据实现污染事件的实时发现和智能预警，为水环境保护提供更加及时有效的技术手段。