“撂荒地”影像特征分析及信息提取
——以右玉縣牛心堡鄉為例

王 利， 李欣欣

(遼寧師范大學 城市與環境學院，遼寧 大連 116029)

“撂荒地”影像特征分析及信息提取
——以右玉縣牛心堡鄉為例

王 利， 李欣欣

(遼寧師范大學 城市與環境學院，遼寧 大連 116029)

耕地撂荒嚴重影響了我國糧食產量，成為近20年來耕地利用中出現的重大問題.多光譜遙感具有數據獲取范圍廣、速度快等特點，在國土資源研究中具有相當大的潛力和優勢.為提取和識別撂荒地，研究采用2010—2014年各年份的4—10月多光譜遙感數據Modis/Terra的NDVI數據產品和2014年6月份Landsat 8遙感影像數據，生成撂荒地、林地、耕地類型采樣點的NDVI時間序列曲線，利用時間序列曲線來表征撂荒地、林地及耕地的生命周期特征，結合3種覆被類型的生命周期特征及其NDVI曲線特征，對3種覆被NDVI曲線變化趨勢進行對比分析，從而區分撂荒地、林地、耕地，以達到識別撂荒地的目的.結合Landsat 8遙感影像判讀和野外考察驗證樣本，最后對遙感影像進行判讀，分析撂荒地的光譜、紋理、形狀及位置特征，確立撂荒地解譯標志，運用ArcGIS 10.2平臺實現撂荒地信息提取.結果表明，運用多光譜遙感技術能夠很好地提取撂荒地，提取撂荒地精度達到86%.因此，多光譜遙感技術在撂荒地識別研究中具有相當的可行性.

Modis數據；植被指數；撂荒地；牛心堡鄉

20世紀以來，人口的迅速增長、自然資源的日益匱乏、生態環境的惡化嚴重限制了我國經濟發展，人口、資源、環境與發展成為人們密切關注的四大問題[1].中國土地面積廣大，但人口眾多，人均占有耕地水平較低，耕地面積保有量與糧食安全緊密聯系在一起.在我國，耕地閑置1 a以上，不進行耕作，不能創造價值，就被稱為撂荒地[2].耕地撂荒嚴重影響糧食產量與糧食安全.中國的耕地撂荒現象最早出現于20世紀80年代的中后期， 由于撤鄉并鎮，移民并村，城鎮化步伐的加快[3-4]，90年代以后日趨嚴重.目前,耕地資源利用處于不利的惡性循環之中，其中，一方面需要迫切開墾荒地來增加可利用的耕地面積，一方面又因種種原因大面積耕地被閑置撂荒.因此，定量分析我國不同類型的耕地撂荒，尋找解決該地區耕地撂荒問題的對策尤為重要[5-6].

多光譜遙感是利用多光譜掃描系統或多光譜攝影系統，通過從可見光到熱紅外不同的狹窄波段區感應能量，分別獲得地物在不同譜段上影像的遙感技術[7].多光譜遙感不僅可以根據影像的形態和結構的差異判別地物，還可以根據光譜特性的差異識別地物的具體情況，擴大了遙感的信息量.以其具有的數據獲取周期短、速度快、范圍廣和手段多等優點，在國土資源研究中發揮重要的作用.由于撂荒的耕地與耕地、林地以及荒草地很難區分，因此根據糧食作物生命周期來識別撂荒地的多光譜遙感技術亟待發展.

以山西省朔州市右玉縣牛心堡鄉為例，結合多光譜遙感技術的優勢，利用MODIS衛星的 NDVI數據產品，研究基于農作物生命周期的撂荒地識別方法[8-10].通過分析生成典型采樣點的NDVI時間序列曲線，與撂荒地、林地、耕地的生命周期特征匹配，從而識別撂荒地并且實現撂荒地信息的提取.

1 研究區概況

右玉縣牛心堡鄉位于山西省西北邊陲地區，隸屬山西省朔州市.總面積1 964 km2，地貌類型屬于黃土丘陵緩坡區.北部歐村河由東向西流貫，南部牛心河由東向西流貫，中部由老龍山、臥羊山、老老山、團山、巴掌山山脈連貫東西，海拔1 500～1 900 m之間，巖石裸露，山體由三棱柱石形成，蓋土極薄，坡度較陡.初霜期為9月份的上、中旬，無霜期年平均104 d左右.

2 數據源及預處理

2.1 數據源

研究采用的數據包括多光譜遙感數據Modis/Terra和2014年6月份Landsat 8遙感影像數據.

多光譜遙感數據Modis/Terra：采用2010—2014年4—10月的NDVI數據產品，Modis/Terra的分辨為250 m×250 m，具有光譜范圍廣、數據接受簡單、更新頻率高的特點.Terra是地球同步極軌衛星，對于Modis數據接受來說，每天可以接受白天2次和晚上2次的數據，這樣高頻率的更新對于地球觀測有較大的使用價值.

Landsat 8遙感影像：影像的近紅外波段和可見光波段的分辨率為30 m×30 m，全色波段的分辨率為15 m×15 m.利用Modis數據和Landsat 8影像作為處理對象，結合兩者的高時間分辨率和高空間分辨率，能較準確地實現撂荒地的影像特征分析和信息提取.

2.2 數據預處理

以2013年和2014年4—10月的Modis數據為基礎，對下載的Modis遙感影像數據進行如下的預處理：

投影和坐標變換:需要把Modis NDVI 數據變換到UTM投影、WGS-84地理坐標系，在Modis站點提供的投影轉換工具——MRT完成，文件輸出格式為GEO TIF格式，實現了影像的拼接和重投影.

提取研究區域：利用山西省朔州市右玉縣牛心堡鄉行政區邊界矢量數據提取牛心堡鄉的遙感影像數據.主要方法是采用同一坐標系統下牛心堡鄉的矢量邊界在ArcGIS環境下裁切出牛心堡鄉的Modis NDVI時間序列圖像.

3 研究方法

任何事物都有其生長發育的特征，經過時間積累，就形成了其固有的生命周期特征.這一特征不隨表征其特征參量的變化而變化.多光譜遙感中的NDVI是表征地表植被特征的重要指標，它是進行大、中尺度土地覆被分類的依據，歸一化植被指數(Normalized difference vegetation index,NDVI)被定義為近紅外波段與可見光波段數值之差和這2個波段數值之和的比值，即NDVI=(NIR-R)/(NIR+R)[11].目前，NDVI指數是應用最為廣泛的植被指數，研究者可以通過分析各種土地覆被的NDVI指數隨著時間變化形式的不同來實現各種土地覆被的分類和作物的物候分析等.利用時間序列NDVI特征來表現農作物的生命周期特征，了解農作物發生發展的過程，從而實現撂荒地的識別.

在本文中，選取5 aNDVI數據，對各主要土地利用類型采樣點形成NDVI時間序列曲線，結合各類型的生長周期特征，對各曲線進行特征分析.再經過比較，同時考慮耕地撂荒的條件，從而識別撂荒地.結合實地調查和高分辨率影像，按類型選取采樣點，讀取Modis圖像上采樣點的NDVI值.每個采樣點，形成時間序列曲線數據，對其做平滑處理，據此繪制時間序列曲線，將其與撂荒地的生命周期特征進行比較，從而判定是否為撂荒地.本研究具體步驟如圖1所示.

圖1 研究流程Fig.1 The research process

3.1 不同覆被類型的NDVI值提取

不同土地類型覆被NDVI值是不相同的，不同類型的覆被對可見光波段和近紅外波段不同反射作用不同，當有植被覆蓋的情況下，NDVI為正值，隨植被覆蓋度的增大NDVI值也會增大.不同像元的NDVI值不同，所以混合像元的NDVI值會有很大變化.因此，在進行采樣點選取時，應注意盡量采取純像元作為采樣點.結合野外調查情況和對Landsat8影像的分析，選取90個采樣點，其中林地、耕地、撂荒地各30個.根據地理坐標，提取采樣點在不同時期的NDVI值，據此繪制各點的NDVI時間序列曲線.為盡量減少混合像元的影響，在提取采樣點NDVI值時直接選擇最鄰近像元的值，而非均值.

3.2 NDVI的數據平滑

太陽高度角、衛星觀測角、衛星、云和大氣條件等有關的輻射條件變化的影響，會對NDVI產生噪聲影響，因此需要對NDVI數據進行平滑處理[12]，采用高斯平滑對數據進行平滑，結果如圖2所示.

圖2 3種采樣點的NDVI曲線Fig.2 NDVI curves of three sampling points

3.3 基于NDVI時間序列曲線的分析與討論

將林地、耕地、撂荒地3類采樣點的NDVI數據繪制成時間序列曲線，在NDVI時間序列曲線圖中，橫軸代表時間的變化，縱軸表示采樣點的NDVI值.

在林地采樣點的NDVI時間序列曲線(圖2)中，其NDVI值的變化范圍在0.4～0.8之間.4月初林地還沒有進入返青期， NDVI值低，約為0.42左右；4月末5月初，林地進入返青期植被長勢緩慢，植被指數增長緩慢，增幅較?。?月底6月初開始，植被指數快速增長，因為在整個6月植被進入快速生長期，植被長勢旺盛，所以植被指數大幅增長；7月中下旬植被指數增長到最大值，為0.8左右；8月末9月初，氣溫開始下降，植被開始枯黃，植被指數也隨之下降；10月初，植被指數也處于下降狀態，但降幅較平緩，10月末植被完全枯黃，植被指數降到最低.根據采樣點5 a的NDVI值的變化，5 a的變化大體一致，峰值未發生明顯變化，判定該地區一直是林地，土地利用類型沒有發生變化.

同樣在耕地采樣點的NDVI時間序列曲線(圖2)中，其NDVI值變化范圍在0.30～0.75之間.NDVI曲線較平滑，有明顯的波谷.低谷大致出現在4月初到5月初，在此期間，農作物處于播種期，農作物還未返青，植被指數較低，NDVI值為0.32左右；5月初到6月之前，作物處于返青期，也由返青期進入生長期，植被指數緩慢增長；進入7月后，農作物進入旺盛生長期，植被指數開始升高，增幅較大，峰值出現在7月中旬之后，大約在7月20號左右，NDVI值大約為0.75；在8月到9月份之后，農作物趨于成熟，進入收割期，植被指數緩慢下降；整個10月植被指數都是下降的，直到在10月末呈直線下降到最低值，此時耕地進入休眠期.分析耕地的NDVI曲線可以得出，曲線5 a的變化呈穩定狀態，推斷該地一直都是耕地，土地類型沒有發生變化.

在撂荒地NDVI時間序列曲線(圖2)中，2010—2012年曲線的整體變化趨勢與耕地大體一致，其NDVI值變化范圍在0.30～0.75之間，曲線也較平滑.但是在2013—2014年間，NDVI變化范圍在0.3～0.7之間，曲線的變化范圍減小，峰值降低，這是因為荒草的長勢不如農作物長勢旺盛，因此撂荒地的NDVI峰值低于農作物的NDVI峰值；同時2013年開始NDVI曲線變得不平滑，造成這一現象的原因是該地生長品種復雜的雜草，不同種類的雜草，返青時間、生長情況、休眠時間都是不同的.自2013年開始，曲線在4月到5月初處于低谷期，說明因為荒草尚未返青，植被指數較低，其值接近于0.3；5月初到6月，撂荒地中的荒草處于生長期，植被指數緩慢增長；進入7月，荒草長勢旺盛，NDVI值也隨之快速增長，峰值出現在7月中下旬，約為0.7；進入9月中旬，氣溫開始降低，撂荒地中雜草開始枯萎，植被NDVI值下降；進入10月，荒草大部分枯黃，植被指數也呈較快的下降態勢，10月末荒草進入休眠期，植被指數降到最低.判斷該地區在2013年開始被撂荒，撂荒時間超過了1 a，成了撂荒地.

綜上所述，根據采樣點覆被類型及與之相對應的NDVI時間序列曲線，通過分析遙感影像可以得出撂荒地影像具有以下基本特征：①光譜特征：撂荒地色調不是很均勻，雜草長勢不一致，參差不齊，在不同的季節因其不同的生長狀況呈現不同的色調.②紋理特征：由于撂荒地中雜草種類不同，在圖像上不會出現類似耕地的光滑的、波形的、線性的或斑紋的紋理，因為也會有耕作的痕跡，會出現不規則，不明顯的紋理.③形狀特征：即撂荒地的外形和輪廓，實際中的撂荒地一般是較規則的多邊形.④位置特征：耕地撂荒主要分布在不便于大型機械化耕作的山地地區.

3.4 撂荒地信息提取

采用ArcGIS 10.2對牛心堡鄉的遙感影像進行目視解譯，根據撂荒地采樣點的光譜特征、撂荒地的紋理、形狀特征以及位置特征，結合野外的實地考察掌握的牛心堡鄉的地形及地物的分布，實現撂荒地信息的提取.應用ArcGIS 10.2提取撂荒地信息[13-14].具體步驟如下：首先對遙感圖像進行判讀，結合野外實地調查，確立解譯標志；然后詳細判讀，對目標地物進行定性；對遙感影像進行矢量化處理，采集撂荒地的圖形與屬性文件；最后檢查通過.

4 結果分析與討論

綜合分析各類型采樣點特征，可知牛心堡地區撂荒地大多分布在地理條件差、土地肥力低下、耕地坡度大、不便于機械化耕作的山地地區.根據影像特征將撂荒地和耕地進行區分，山區耕地的形狀較規則，影像呈現紅色、粉紅色、淡粉色、少許呈現出藍色，且影像的紋理較粗糙，紋理不規則；而山區撂荒地以粉色、淡紅色為主色調，顏色均一，形狀較不規則；林地主要以點狀、線狀、面狀分布，影像呈現為紅色、鮮紅色、淡紅色，紋理不規則，比較分散.

對采樣點進行野外實地考察，考察結果與通過時間序列NDVI特征識別的結果大致相同.野外實地考察的結果與通過時間序列NDVI特征識別的結果如表1所示.

表1 野外考察結果

通過表1可知，利用多光譜遙感數據Modis/Terra的NDVI數據產品可以作為用來提取撂荒地的數據源.根據影像特征將撂荒地和耕地進行區分，山區耕地的形狀較規則，影像呈現紅色、粉紅色、淡粉色、少許呈現出藍色，且影像的紋理較粗糙，紋理不規則；而山區撂荒地以粉色、淡紅色為主色調，顏色均一，形狀較不規則；林地主要以點狀、線狀、面狀分布，影像呈現為紅色、鮮紅色、淡紅色，紋理不規則，比較分散.結合實地調查經驗以及撂荒地提取結果發現，研究區內個村都存在不同程度的撂荒，影響農戶撂荒的因素主要有家庭人口、農業勞動力比重、人均耕地面積、地塊平均面積、耕作半徑、耕地收益等.牛心堡地區撂荒地大多分布在地理條件差、土地肥力低下、耕地坡度大、地塊面積小、形成成片經營的難度較大、不便于機械化耕作的山地地區.

隨著非農收入的增加，農戶一方面傾向于將更多的勞動力投入到非農活動中；另一方面，男性勞動力為非農活動的主要參與者，老人、婦女為主要農業生產力，在勞動力供給上難以維持家庭原有生產規模.另外，為追求更多非農收入，隨家庭人口增加，農戶傾向于將家庭勞動力更多投入到非農活動中，從事農業生產的勞動力相對減少，原有生產規模所需勞動力難以滿足，耕地撂荒風險增加.對于耕地撂荒問題，學術界秉持兩種主要觀點.一是耕地撂荒屬于耕地資源的閑置，撂荒面積的持續增加可能會威脅區域的糧食安全，因此，需要遏制耕地撂荒.另一個是勞動力的輸出有利于劣質耕地退出耕作范疇，從而促進區域生態恢復.政府基于國家糧食安全的戰略視角，應引導農戶土地資源的優化配置.

綜上所述，基于Modis數據繪制的植被NDVI曲線，可監測到土地利用類型的變化，動態監測植被的生長狀況，根據植被NDVI值的變化，進而分析撂荒地的形成過程.運用多光譜遙感技術，可以快速提取出土地使用變化較顯著的區域.然而，Modis數據空間分辨率較低，采樣點本身不是純像元，造成NDVI值誤差較大，時間序列曲線在更好地體現地物本身的周期性和季節性方面還存在很大的上升空間.在信息提取過程中，較小的土地利用變動情況利用遙感技術還不能有效的提取，較小的圖斑還必須結合野外實地考察才能完成.

[1] 程維芳，周藝，王世新，等.基于多光譜遙感的撂荒地識別方法研究[J].光譜學與光譜分析，2011，31(6):1615-1620.

[2] 孫宏嶺,孫紅霞.威脅中國糧食安全最危險的因素——棄耕拋荒[J].糧食科技與經濟，2009(1):19-20.

[3] 楊濤,王雅鵬.農村耕地拋荒與土地流轉問題的理論探析[J].調研世界,2003(2):15-19.

[4] 田玉軍,李秀彬，陳瑜琦，等.城鄉勞動力流動及其對農地利用影響研究評述[J].自然資源學報，2010,25(4):686-695.

[5] 馬國忠.土地承包的穩定性和土地拋荒的現實性[J].農村經濟，2008(7):43-45.

[6] 王利,任啟龍,楊生彪.遼寧省地形分類標準及分區方案研究[J].遼寧師范大學學報(自然科學版),2015,38(3):391-398.

[7] 童慶禧，張兵，鄭蘭芬.高光譜遙感的多學科應用[M].北京：電子工業出版社,2006：23.

[8] 鄭財貴，邱道持，葉公強，等.基于GIS空間分析的撂荒地空間分布特征研究——以重慶市璧山縣大路鎮為例[J].農機化研究，2010(3)：31-36.

[9] 胡自寧，陳玉蘭.遙感技術在土地利用變更調查中的應用[J].南方國土資源，2004(11):34-35.

[10] 王正興，劉闖，HUETE Alfredo.植被指數研究進展：從AVHRR-NDVI到MODIS-EVI[J].生態學報，2003,23(5)：979-987.

[11] 李天峻，閻君，李伯衡.遙感綜合時空信息在土地利用動態監測中的應用技術研究概述[J].國土資源遙感，1997(2):38-42.

[12] 楊濤,朱博文,雷海章,等.對農村耕地拋荒現象的透視[J].中國人口·資源與環境,2002,12(2):133-134.

[13] 樊風雷.珠江三角洲核心區域土地利用時空變化遙感監測及其生態環境效應研究[D].廣州：中國科學院研究生院廣州地球化學研究所,2007.

[14] 徐美，黃詩峰，黃絢.遙感用于土地利用變化動態監測中的若干問題探討[J].遙感技術與應用，2000，15(4):252-255.

“AbandonedFarmlands”imagefeaturesanalysisandinformationextraction
——IncaseofNiuxinbaotownshipinYouyu

WANGLi,LIXinxin

(College of Urban and Environment, Liaoning Normal University, Dalian 116029, China)

The abandonment of arable land has seriously affected the grain output in our country and has become a major problem in the utilization of cultivated land in the past two decades.In this paper, the NDVI data from Modis/ Terra and the Landsat 8 remote sensing image data of June, 2014, from April to October in 2014, and the NDVI time series of abandoned land, forest land and cultivated land are characterized by time series NDVI.The NDVI time series curves of abandoned land, forest land and cultivated land type are generated.Combined with the growth characteristics and NDVI curve characteristics, three NDVI curves were analyzed to identify abandoned land.Combined with Landsat 8 remote sensing image and field survey data to establish the interpretation of signs we made an analysis of the abandoned land spectrum, texture, shape and location characteristics, and also use the ArcGIS to achieve the extraction of abandoned land information.

Modis data;normalized difference vegetaion index;abandoned land;Niuxinbao rural

TP79

A

2017-03-20

國家科技支撐計劃資助項目(2008BAH31B06)；部省共建人文社會科學重點研究基地資助項目(14JJD790038)

王利(1965- )，男，遼寧建平人，遼寧師范大學教授，博士，博士生導師.E-mail:wangli0984@vip.sina.com

1000-1735(2017)04-0519-06

10.11679/lsxblk2017040519