李光一廖留峰段瑩姚熠唐紅祥

(1.貴州省氣象局/貴州省生態(tài)氣象和衛(wèi)星遙感中心，貴州 貴陽 550002；2.貴州省遵義市氣象局，貴州 遵義 563000)

引言

人多地少是我國的基本國情，2020年國務院第七次全國人口普查數(shù)據(jù)顯示，我國人口雖增速緩慢，但近10a以來人口總量持續(xù)增長，2020年總?cè)丝跀?shù)達14.12億人，約占全球總?cè)丝?8%，仍然是世界第一人口大國[1]。耕地作為一直稀缺資源，是人類生存的基本食物來源。據(jù)國土資源部國家統(tǒng)計局第二次[2]和第三次[3]全國土地資源調(diào)查數(shù)據(jù)顯示，全國耕地面積由135.4萬km2減少至134.9萬km2，隨著我國人口增長以及工業(yè)化、城市化的快速發(fā)展，全國耕地面積已呈現(xiàn)出不斷減少、質(zhì)量不斷退化的局面，嚴重危害著國家糧食安全、生態(tài)環(huán)境安全和社會穩(wěn)定[4]。近20a以來，由于我國經(jīng)濟結(jié)構的調(diào)整以及農(nóng)村勞動力的轉(zhuǎn)移，越來越多的農(nóng)戶放棄了秋季播種，導致土地秋收后至第2年播種前這段時間被大量閑置[5]，未種植的耕地必將造成土地利用率進一步下降，無形中浪費了光熱水土資源。故此，對于農(nóng)民和國家來說加強冬季耕地種植情況監(jiān)測、合理開發(fā)未種植地，將有助于生態(tài)環(huán)境保護以及農(nóng)村經(jīng)濟社會可持續(xù)發(fā)展。

目前，遙感技術作為一種客觀、及時的土地利用監(jiān)測手段，是農(nóng)作物種植面積提取的方法之一，在統(tǒng)計、農(nóng)業(yè)、生態(tài)等部門中被廣泛應用[6]，如馬玲玲[7]利用遙感和農(nóng)戶調(diào)查相結(jié)合的方法，研究了內(nèi)蒙古自治區(qū)和林格爾縣耕地時空變化特征。此外，針對農(nóng)作物物候變化特征，長時間序列的遙感數(shù)據(jù)產(chǎn)品為作物種植情況監(jiān)測提供了重要的數(shù)據(jù)支撐，在作物信息提取方面有很大幫助。阿里木江·吐斯依提等[8]利用多年MODIS/NDVI時間序列數(shù)據(jù)，進行了山東省耕地撂荒情況遙感調(diào)查分析；于信芳等[9]采用MODIS/NDVI時序數(shù)據(jù)對東北森林的物候進行了監(jiān)測。因此，利用遙感技術快速提取冬季未種植耕地是現(xiàn)階段較為理想的解決方案[10,11]，但在方法研究方面還處于探索階段。翟孟源等[12]基于長時間序列SPOT-VEGETATION NDVI數(shù)據(jù)構建動態(tài)閾值法，以長江中下游農(nóng)業(yè)區(qū)為試驗區(qū)提取了冬季閑田的空間分布和閑置時間；左麗君等[13]采用時間序列諧波分析法(HANTS)進行了耕地和作物識別，對比了MODIS/NDVI與MODIS/EVI在耕地信息提取中的差異；李文梅等[14]基于MODIS/NDVI時序數(shù)據(jù)變化曲線，利用閾值與監(jiān)督分類法相結(jié)合的分類方法得到了湖北省各縣的冬季閑田分布，但該算法相對理想化，忽略了未種植耕地的實際情況；馬尚杰等[6]基于高分影像與光譜識別法提取冬季作物空間分布，通過對比分析冬季耕地撂荒情況；王紅等[15]提出了一種結(jié)合地表溫度的冬閑田遙感提取方法，利用隨機森林和支持向量機對農(nóng)田利用情況進行分類，該方法并未對冬閑田進行清晰定義，存在誤分和混分現(xiàn)象；張淼等[16]通過實地采樣確定作物種植閾值，并結(jié)合拉格朗日三點插值法提取NDVI序列極值點構建判定規(guī)則以識別阿根廷地區(qū)未種植耕地，該方法避免了龍格現(xiàn)象對結(jié)果的影響，但研究區(qū)覆蓋面積較大，采用相同的閾值參數(shù)進行耕地識別勢必會因為地域氣候差異等引入分類誤差。

鑒于以上分析，本文以遵義市為例基于MODIS/NDVI時間序列與國產(chǎn)高分影像為數(shù)據(jù)源，利用植被指數(shù)時間序列變化曲線，開展多年冬季未種植耕地識別與提取的試驗性研究，不僅有助于當?shù)刂贫ㄉ鷳B(tài)環(huán)境保護政策，也為合理高效利用土地資源提供科學依據(jù)。

1 試驗區(qū)概況

遵義市位于貴州省北部，南臨貴陽、北倚重慶、西接四川，地處國家規(guī)劃長江中上游綜合開發(fā)和黔中經(jīng)濟區(qū)綜合開發(fā)重要區(qū)域，見圖1。轄區(qū)面積30750km2，海拔高度一般在800～1300m，河流以烏江、赤水河和綦江3大水系為主，均屬于長江流域。遵義市地處低緯，屬亞熱帶濕潤性季風氣候，雨量豐沛，氣候宜人，冬季最冷時期極端最低氣溫只有-7.1℃(1977年1月30日)，歷年最熱時期極端最高氣溫也只有38.7℃(1953年8月18日)。

圖1 遵義市地理位置

全市耕地以種植農(nóng)作物為主，主要有水稻、玉米、油菜、小麥、紅薯、辣椒等。根據(jù)《遵義市第三次全國農(nóng)業(yè)普查主要數(shù)據(jù)公報》和《第七次全國人口普查主要數(shù)據(jù)》顯示，遵義市耕地面積840.53千hm2，常住人口660.67萬人，人均耕地0.13hm2，若按人均年占有糧食400kg計，需糧食總產(chǎn)量264萬t。《2020年遵義市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報》數(shù)據(jù)顯示，2016—2020年全市糧食產(chǎn)量下降趨勢明顯見圖2，2020年糧食播種面積61.13萬hm2，其中夏糧播種面積19.97萬hm2，秋糧播種面積41.16萬hm2；糧食總產(chǎn)量226.78萬t，其中夏糧產(chǎn)量54.85萬t，秋糧產(chǎn)量171.93萬t。該地區(qū)雖人均耕地高于全國人均耕地水平(0.10hm2)，但糧食總產(chǎn)量比2016年減少了25.5%，2018年以來糧食總產(chǎn)量有所回升，但變化趨勢不大。隨著人口增長和農(nóng)村勞動力的轉(zhuǎn)移，加強耕地種植情況動態(tài)監(jiān)測勢在必行，對國家糧食安全和社會經(jīng)濟穩(wěn)定具有重要意義。

圖2 2016—2020年遵義市糧食總產(chǎn)量

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)是許多學者常用的監(jiān)測植被生長、作物長勢、反映植被質(zhì)量的參數(shù)之一。雖然NDVI對土壤背景的變化較為敏感，但由于NDVI可以消除大部分與太陽角、地形和大氣條件有關輻照度的變化，增強對植被的響應能力，因此也是目前已有的40多種植被指數(shù)中應用最廣的一種[17]。在遙感影像中，NDVI即近紅外波段的反射值與紅光波段的反射值之差與兩者之和的比值，可通過美國航天局NASA網(wǎng)站下載MODIS產(chǎn)品獲得(https://e4ftl01.cr.usgs.gov/MOLT/)，其中MOD13Q1屬于陸地專題產(chǎn)品，全稱為MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid。該數(shù)據(jù)采用Sinusoidal投影方式的3級網(wǎng)格數(shù)據(jù)產(chǎn)品，具有250m的空間分辨率，每隔16d提供1次，為研究近5個年度冬季未種植耕地分布情況，下載的數(shù)據(jù)為2016—2021年11月—第2年4月的影像，如2020—2021年度影像時序為2020305、2020321、2020337、2020353、2021001、2021017、2021033、2021049、2021065、2021081、2021097、2021113。

作為輔助數(shù)據(jù)的遵義市土地利用數(shù)據(jù)(Land use and Cover Change，LUCC)可通過中國科學院空天信息創(chuàng)新研究院提供的數(shù)據(jù)共享服務系統(tǒng)下載獲得，系統(tǒng)于2020年發(fā)布了全球30米精細地表覆蓋產(chǎn)品(GLC_FCS30_2020)，該數(shù)據(jù)集在2015年全球精細地表覆蓋產(chǎn)品(GLC_FCS30-2015)的基礎上，結(jié)合2019—2020年時序Landsat地表反射率數(shù)據(jù)、Sentinel-1SAR數(shù)據(jù)、DEM地形高程數(shù)據(jù)、全球?qū)ｎ}輔助數(shù)據(jù)集以及先驗知識數(shù)據(jù)集等生產(chǎn)的[18]，覆蓋遵義地區(qū)的土地利用文件為GLC_FCS30_2020_E105N30，數(shù)據(jù)格式為GeoTiff，空間分辨率30m。高分二號數(shù)據(jù)(GF-2)由高分貴州中心下發(fā)，時間為2017—2021年1月，空間分辨率為1m。

2.2 方法

2.2.1 數(shù)據(jù)預處理

MRT(MODIS Reprojection Tool)是對MODIS影像進行批處理的有效工具之一，MOD13Q1數(shù)據(jù)格式為hdf，使用MRT可批量將數(shù)據(jù)集進行投影、拼接并轉(zhuǎn)換為tif格式。基于python語言，調(diào)用arcpy工具包中掩膜提取工具批量提取研究區(qū)，并剔除NDVI影像中VALUE為-3000的無效值。由于NDVI為負值表示地面覆蓋為云、水、雪等對可見光高反射，0表示有巖石或裸土等，因此將VALUE<0的值統(tǒng)一賦值為0，其余值乘以0.0001使NDVI屬性值標準化為0～1。

土地利用數(shù)據(jù)GLC_FCS30_2020_E105N30中屬性值10、20分別表示水田和旱地。通過ArcGIS掩膜提取工具(Extract by mask)與柵格計算器(Raster Calculator)可得到遵義耕地(水田、旱地)分布情況。高分二號影像通過泰坦超算平臺進行投影、正射糾正、鑲嵌等數(shù)據(jù)處理工作。

2.2.2 冬季未種植耕地提取方法

憑借高分衛(wèi)星數(shù)據(jù)高分辨率的特點，在宏觀尺度上進行地物判別時高分影像可替代了傳統(tǒng)的實地采樣方法。有研究表明，1月是耕地撂荒集中的季節(jié)[12]，故選取每年1月高分二號影像，通過目視解譯的方法勾畫未種植耕地圖斑，未種植耕地在真彩色影像上呈現(xiàn)灰紫色的效果，如圖3所示，統(tǒng)計并計算100個樣本區(qū)NDVI均值K。由于高分影像與NDVI數(shù)據(jù)分辨率不一致，未種植耕地樣本區(qū)中極易存在種植耕地導致采樣值偏高，因此將NDVI均值降低20%作為未種植耕地的采樣閾值SGF。

基于Python語言調(diào)用Arcpy工具包依次遍歷并統(tǒng)計每個耕地柵格上11月—第2年4月NDVI最低值Sn，再對所有柵格最低值求平均作為該年度未種植耕地的閾值Savg。最終未種植耕地的動態(tài)閾值S計算過程如下：

(1)

SGF=K×(1-20%)

(2)

(3)

圖3 同一景高分二號影像中種植耕地(左)與未種植耕地(右)(空間分辨率1m)

從圖4可知，遵義市農(nóng)作物NDVI低谷期集中在12月上旬—第2年3月中下旬(時序337-081)。11月秋季收割完畢以后，根據(jù)作物生長發(fā)育情況，如果種植越冬作物，那么NDVI會緩慢升高；如果上茬作物收獲后，正常氣候條件下耕地空閑30d以上,即NDVI連續(xù)30d以上保持不變或有所下降，則認為該區(qū)域為冬季閑置耕地。由此，如果某一柵格連續(xù)3期以上NDVI值低于動態(tài)閾值S，則認為該格點為未種植耕地。由于NDVI影像為16d一期，故根據(jù)參與運算的期數(shù)可進一步換算出冬季耕地閑置時間。

圖4 遵義地區(qū)NDVI均值冬季變化趨勢

3 結(jié)果與分析

3.1 識別未種植耕地的動態(tài)閾值

基于高分數(shù)據(jù)采樣閾值與耕地NDVI最小值均值計算可獲取識別冬季未種植耕地的動態(tài)閾值S，計算結(jié)果如表1所示。

表1 未種植耕地動態(tài)閾值選取

3.2 冬季未種植耕地面積統(tǒng)計

根據(jù)影像期數(shù)計算冬季未種植耕地閑置時間，分為5個時段即32～48d、38～64d、64～80d、80～96d以及96d以上，見表2。遵義市耕地面積為8405.3km2，其中冬季閑置時間為32～48d的未種植耕地面積最多，2019—2020年達1436.31km2，2020—2021年最少僅有45km2。閑置時間96d以上的耕地面積每年均不足1km2。2018—2019年雖冬季未種植耕地面積較多，但閑置情況相對較輕，閑置時間均在64d以內(nèi)，且閑置48d以上的不足1km2。2016—2017年冬季未種植耕地面積雖不是最多，但部分耕地閑置時間較長，閑置時間64d以上的耕地面積共計50.63km2。

3.3 冬季未種植耕地空間變化

從圖5f可以看出，近5a遵義冬季未種植耕地面積呈現(xiàn)先降后增再降的趨勢。2016—2017年冬季未種植耕地面積達707.5km2，主要集中在遵義市紅花崗區(qū)、播州區(qū)，閑置較為嚴重即閑置時間64d以上的耕地分布在習水縣西部以及與赤水交界一帶，見圖5a。2017—2018年在政府的號召下消滅冬季閑田的措施初見成效，因地制宜種植冬季特色作物，相比2016—2017年同期未種植耕地總面積大幅減少，遵義市紅花崗區(qū)較為明顯，見圖5b，且不同閑置時間長短的耕地面積均有減少，見表2。2018年后，因冬季作物收益甚至出現(xiàn)虧損現(xiàn)象，導致冬季未種植耕地面積連續(xù)兩年呈增加趨勢，鳳崗、余慶、遵義市區(qū)等地增加明顯，見圖5c。

表2 2016—2021年冬季遵義市未種植耕地面積統(tǒng)計

2019—2020年冬季受新冠疫情影響，未種植耕地面積為近5a最大值即1458.25km2，占全區(qū)耕地面積的17.3%，閑置天數(shù)主要為32～48d，見表2，分布在與重慶接壤的道真、務川、正安以及中西部桐梓、習水等地，見圖5d，其中務川局部地區(qū)閑田閑置時間達64d以上。為了嚴防嚴控打贏這場防疫仗，村落的封路、封村等措施許多租用土地的生產(chǎn)資料受到交通管制，不少地區(qū)原定的植保下鄉(xiāng)、技術下鄉(xiāng)等生產(chǎn)性服務被迫停止，導致種植戶無法順利開展農(nóng)事工作，冬季閑置耕地面積最大。2020年8月遵義市農(nóng)業(yè)農(nóng)村局召開全市秋冬季農(nóng)業(yè)產(chǎn)業(yè)結(jié)構調(diào)整工作會議，會議指出深入推進秋冬季農(nóng)業(yè)產(chǎn)業(yè)結(jié)構調(diào)整是明晰農(nóng)業(yè)產(chǎn)業(yè)發(fā)展計劃，推動產(chǎn)業(yè)發(fā)展落地的重要手段。2020年10月遵義市匯川區(qū)人民政府《關于印發(fā)匯川區(qū)2020年秋冬季農(nóng)業(yè)產(chǎn)業(yè)結(jié)構調(diào)整深入推進農(nóng)業(yè)產(chǎn)業(yè)革命實施方案的通知》中明確提出，重點提高土地復種指數(shù)、資源利用率和土地產(chǎn)出率，加強秋冬季作物茬口銜接，實現(xiàn)一年多季、一地多收。在政府的政策指導下，2020—2021年冬季閑置32～48d的耕地面積僅有45km2，閑置48d以上耕地共3.02km2，未種植耕地總面積為近5a最小值即48.02km2，占全區(qū)耕地面積的3.2%，主要分布在西南部鳳崗、湄潭等地，相比上年同期未種植耕地面積減少了96.7個百分點，遵義市匯川區(qū)、桐梓、務川、道真等地減少明顯，見圖5e，各地農(nóng)業(yè)部門按“政府引導、部門幫扶、農(nóng)戶自愿”的原則，入戶走訪、大力宣傳秋冬季農(nóng)業(yè)生產(chǎn)各項惠農(nóng)政策、先進技術等方式提高農(nóng)戶思想意識，著力把農(nóng)業(yè)產(chǎn)業(yè)結(jié)構調(diào)好、調(diào)優(yōu)、調(diào)出成效，進一步鞏固脫貧攻堅成效，為實施鄉(xiāng)村振興戰(zhàn)略奠定堅實了扎實的產(chǎn)業(yè)基礎。

圖5 2016—2021年冬季遵義未種植耕地空間分布

4 討論

4.1 時間尺度對未種植耕地識別精度的影響

基于遙感技術提取冬季未種植耕地，主要依據(jù)在于在遙感影像上有作物的耕地和無作物的耕地植被指數(shù)變化趨勢具有顯著差異。目前，國內(nèi)外利用遙感數(shù)據(jù)對冬季閑田以及閑置時間的監(jiān)測研究還處于探索階段。本研究以遵義為試驗區(qū)，利用長時間序列的NDVI數(shù)據(jù)結(jié)合高分影像，提取了近5a冬季未種植耕地的空間分布及其閑置時間。由于MOD13Q1產(chǎn)品是16d合成的NDVI數(shù)據(jù)，不同作物的物候時間不一致，對于2個生長季作物生長間歇期較短的地區(qū)，輪作期間容易出現(xiàn)錯分和誤分類現(xiàn)象，則需要利用更高時間頻率的數(shù)據(jù)開展研究，冬季未種植耕地的識別精度將會進一步提高。

4.2 高分影像采樣閾值誤差分析

NDVI數(shù)據(jù)空間分辨率為250m，而土地利用數(shù)據(jù)空間分辨率為30m，分辨率的不一致性使得在提取耕地NDVI時混合像元所包含的非耕地光譜信息勢必會對結(jié)果的判釋產(chǎn)生一定影響。此外，在采樣閾值計算過程中，由于高分影像空間分辨率為1m，與NDVI數(shù)據(jù)空間分辨率相差較大，劃定的未種植耕地樣本區(qū)中極易存在種植耕地，導致采樣值比真實值偏高，因此選擇采樣值的80%作為未種植耕地最終的采樣閾值，雖然識別未種植耕地的閾值越低，其結(jié)果越真實可靠，但該處理方法未經(jīng)考證，很可能對結(jié)果的解釋出現(xiàn)偏差。在其他學者的研究中[16]，通過地面觀測獲得的地面樣本數(shù)據(jù)選取了未種植耕地區(qū)域NDVI累計頻率為98%處的NDVI值作為未種植耕地識別閾值即0.3，當兩季作物輪作期時間較短時，輪作期內(nèi)的NDVI最低值有可能高于未種植耕地識別閾值(NDVI=0.3)，無法體現(xiàn)輪作期內(nèi)裸露耕地的較低NDVI值及變化趨勢。而在本研究中，高分采樣閾值為0.27上下不等，但通過統(tǒng)計發(fā)現(xiàn)11月—第2年4月耕地NDVI最低值均在0.01～0.03，因此本文選取NDVI最低值對采樣閾值進行訂正，計算兩者均值作為最終未種植耕地閾值。該方法不僅引入了未種植耕地樣本區(qū)NDVI值，還考慮了耕地中NDVI最低值的變化情況，對于不同年份采用動態(tài)閾值監(jiān)測耕地種植情況，使冬季未種植耕地提取結(jié)果更加嚴謹可靠，避免了方法單一性以及數(shù)據(jù)片面性引起的精度誤差。

5 結(jié)論

本研究綜合采樣閾值法和耕地最小植被指數(shù)變化分析了近5a遵義市冬季耕地利用情況，提取了不同年份未種植耕地空間分布以及閑置時間。研究結(jié)果表明，遵義市冬季耕地閑置時間集中在32～64d，2016—2017年、2018—2019年、2019—2020年冬季未種植耕地面積較多，其中2016—2017年閑置時間64d以上耕地面積為近5a最大值，部分地區(qū)耕地閑置情況較為嚴重?？臻g上，遵義市紅花崗區(qū)、播州區(qū)以及桐梓、務川、正安、余慶、鳳崗等地NDVI低值持續(xù)時間較長，2016—2021年仁懷、綏陽、湄潭等地冬季耕地閑置情況較輕，土地利用率保持良好。受疫情影響,2019—2020年冬季未種植耕地面積達近5a最大值，涉及區(qū)縣最多，2020年下半年在政府的政策幫扶下，通過土地流轉(zhuǎn)、財政補助、技術指導等調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構，快速高效地恢復規(guī)?；魑锓N植，以最大限度提高冬季耕地利用效率和耕地產(chǎn)出率，2021年年初未種植耕地相比上年同期大幅減少，政府的農(nóng)業(yè)扶持政策成效顯著。

目前，在相關農(nóng)業(yè)研究中尚未對冬季未種植耕地或冬閑田作出標準的定義解釋，也未形成一套成熟的方法體系。因此，針對冬季未種植耕地遙感提取工作，未來需要進一步考慮不同作物的物候特征，結(jié)合土壤、氣候等影像作物生長的背景信息，利用高空間分辨率和高時頻遙感數(shù)據(jù)，選取能夠精確表征作物生育變化的特征值，構建有效的提取算法，實現(xiàn)冬季未種植耕地動態(tài)變化識別，并開展實地調(diào)查驗證，不僅能夠為區(qū)域耕地資源的合理開發(fā)利用提供快速準確的科學依據(jù)，同時對國家糧食安全、社會穩(wěn)定以及農(nóng)村經(jīng)濟社會可持續(xù)發(fā)展具有重要實際意義。