基于GF-1影像的沿淮地區冬季耕地撂荒遙感調查應用

馬尚杰，裴志遠※，王 飛，焦為杰，賈少榮，王丹瓊，韓 雪，賈麗娟，劉 敏，婁 徑

?

基于GF-1影像的沿淮地區冬季耕地撂荒遙感調查應用

馬尚杰1,2，裴志遠1,2※，王 飛1,2，焦為杰1,2，賈少榮1,2，王丹瓊1,2，韓 雪1,2，賈麗娟1,2，劉 敏1,2，婁 徑3

（1. 農業農村部耕地利用遙感重點實驗室，北京 100125；2. 農業農村部規劃設計研究院農業資源監測站，北京 100125； 3. 安徽省經濟研究院，合肥 230001）

耕地作為一種稀缺資源對國家和農民來說都具有極其重要的意義，但隨著市場經濟的深入和農村經濟的發展，農村耕地撂荒現象時有發生，撂荒耕地必然導致土地資源浪費，影響到中國糧食安全和農民增收，也不利于農村經濟社會穩定發展。沿淮地區是安徽省乃至全國重要的商品糧生產基地，但近年來冬季撂荒情況日益嚴重。該文擬選取安徽省霍邱縣，利用2015、2016、2017三年冬小麥生長期內的GF-1衛星16 m多光譜影像，提取霍邱縣冬季作物種植的空間分布和面積，通過多年數據對比，來分析霍邱縣近年冬季耕地撂荒情況。結果顯示：2015、2016、2017三個年度冬小麥種植面積分別為937.72，821.79，608.91 km2。參照2015年度冬小麥種植情況，2016年度冬季撂荒面積115.93 km2、占比12.36%，2017年度冬季撂荒面積328.81 km2、占比35.06%。結合實地調研分析，霍邱縣近年來冬季撂荒面積不斷增大的的主要原因有農田排灌等水利設施不足、稻茬麥效益低、外出務工等。而2017年度撂荒面積明顯增加的直接原因是冬小麥播種期間，出現連續陰雨異常天氣，低洼地區田間積水嚴重，致使冬小麥無法播種，被動撂荒。該文的研究可以為沿淮地區冬季撂荒遙感調查提供技術參考。

遙感；作物；提??；耕地撂荒；GF-1；沿淮地區

0 引 言

人多地少是中國基本國情，根據第二次全國土地資源調查數據，2009年全國耕地面積13 538.5萬hm2，人均耕地面積0.101 hm2，較1996年“一調”時人均0.106 hm2有所下降，人均水平不到世界的一半[1]。耕地是一種稀缺資源，對農民、國家來說都具有極其重要的意義，但是隨著市場經濟的深入和農村經濟的發展，耕地撂荒現象時有發生，必然導致土地資源浪費，影響糧食安全[2-3]和農民增收，也不利于農村經濟社會穩定發展[4]。

沿淮地區是安徽乃至全國重要的商品糧生產基地[5]，如區域內的霍邱、壽縣、懷遠等縣都是糧食生產大縣。其中霍邱縣通過實施小麥高產攻關和水稻產業提升行動，多年糧食產量全省第一，多次被評為“全國糧食生產先進縣標兵”[6]。但是，近年來受大量年青農民外出務工、種植小麥收益不穩定等因素影響，冬小麥種植面積連年走低。2017年3月25日，中央電視臺《焦點訪談》報道了安徽霍邱縣冬小麥種植季大片農田撂荒的情況，引發社會重大關注[7]。

農作物種植面積提取是農業遙感重要的研究內容之一，在農業、統計等部門中應用廣泛[8-10]，而利用遙感技術開展耕地撂荒調查雖有學者嘗試，但還不多見。如程維芳等[11]利用MODIS NDVI數據，研究基于農作物生命周期的撂荒地識別方法，通過分析樣點的NDVI時間序列曲線，并與主要土地利用類型生命周期特征進行匹配，達到識別撂荒地的目的，同時區別輪休與撂荒。阿力木江·吐斯依提等[12]利用多年MODIS NDVI時間序列數據，進行山東省耕地撂荒情況遙感調查分析。馬玲玲[13]采用遙感和農戶調查相結合的方法，研究了內蒙古自治區和林格爾縣耕地變化和耕地撂荒的時空變化特征， 1996－2009年間，全縣撂荒地面積達3719.95 hm2，撂荒率為3.29%。史鐵丑等[14]將2 期耕地矢量圖層疊加，然后剔除退耕還林和森林工程圖斑，得到重慶市典型縣撂荒耕地分布圖。結果顯示，2011 年石柱、巫山和酉陽3縣的耕地撂荒率分別為14.0%、19.9%和19.2%。

2013年4月26日發射的GF-1衛星，是中國高分辨率對地觀測系統重大專項（簡稱高分專項）的首發星[15]，兼具高空間分辨率、高時間分辨率和寬覆蓋等特點[16]。衛星數據已在冬小麥、水稻、玉米、油菜和棉花等主要農作物面積、產量的監測[17-18]、以及糧食直補政策實施效果評價[8]等政策服務中發揮了重要作用。同屬于高分專項的GF-2衛星，則于2014年8月19日發射，是中國自主研制的首顆空間分辨率優于1 m的民用光學遙感衛星，攜帶了2臺1 m分辨率全色/4 m分辨率多光譜相機。

本文擬在冬季撂荒較為突出的沿淮稻麥輪作地區，選擇典型的安徽省霍邱縣，采用國產GF-1衛星數據，開展耕地撂荒遙感調查，以期為利用遙感手段摸清沿淮地區冬季撂荒情況進行試驗性研究。撂荒既包含季節性撂荒也包含全年性撂荒[19]，在沿淮稻麥輪作區，農戶主要放棄冬季小麥種植，而只在夏季種植一季水稻，屬于季節性撂荒。本文擬利用2015、2016、2017三年冬小麥生長期內的GF-1衛星16 m多光譜影像，提取霍邱縣冬季作物（主要是冬小麥）種植的空間分布和面積，通過多年數據對比，來分析霍邱縣近年冬季耕地撂荒情況。

1 材料和方法

1.1 研究區概況

研究區霍邱縣位于安徽省西部，位于115°50￠～116°32￠E，31°44￠～32°36￠N之間，地處大別山北麓，淮河中游南岸，地勢南高北低，南部屬低崗丘陵地區，北部為平原湖泊河流，屬重點行蓄洪區范圍。北亞熱帶季風氣候，年平均降水量951.3 mm，年均氣溫15.4 ℃?；羟窨h是個農業大縣，農、林、牧、副、漁五業俱全，尤以糧食、畜禽、魚蝦產量大，品質好而著名。全縣約2 000 km2土地，水稻種植面積約1 333 km2，小麥種植面積約950 km2。

1.2 數據來源及處理

選擇覆蓋研究區的2015年4月21日、2016年4月30日、2017年4月30日的GF-1衛星16 m分辨率多光譜數據作為遙感數據。原始的GF-1數據經ENVI軟件，參考已與地面配準的Landsat TM8圖像對遙感影像進行嚴格幾何精校正，校正誤差控制在1個像元內，并將影像重投影到Albers等積投影。圖像裁切后形成覆蓋整個研究區的圖像數據，用于冬季作物種植分布提取。獲取研究區內部分區域2016年2月24日GF-2衛星4 m多光譜圖像一景，作為高分辨率圖像，選取用作訓練樣本和驗證樣本的隨機點，并目視解譯冬小麥，與16 m分辨率GF-1結果對比，計算小地物扣除系數[20]。

獲取研究區最新第二次全國土地資源調查成果，霍邱縣2015年土地利用圖。利用ARCGIS軟件，從中提取出耕地分布圖。

2017年6月15日—17日，赴霍邱縣曹廟鎮、眾興鎮、長集鎮、宋店鄉、高塘鎮等鄉鎮，利用手持GPS實地定位，采集詳查點（見圖1），調查記錄冬季種植情況，同時，實地走訪周邊農戶，訪問撂荒原因。從有關部門獲取了研究區最近幾年農作物種植情況資料，以及研究區交通圖、居民點分布圖、水系圖等輔助數據。

圖1 研究區位置和地面調查路線

1.3 冬季耕地撂荒遙感調查技術路線

利用GF-1衛星數據進行冬季耕地撂荒情況遙感調查包括耕地分布圖和冬季作物種植分布圖提取2大步驟，技術路線如圖2：首先，利用第二次全國土地資源調查霍邱縣2015年土地利用圖，提取出研究區耕地分布圖；然后在對GF-1衛星數據進行數據預處理的基礎上，采用基于改進多元紋理和光譜融合的遙感圖像分類方法[21]，對衛星數據進行圖像解譯，得到研究區冬季作物種植面積及空間分布。對遙感解譯結果，利用更高分辨率的GF-2遙感圖像進行抽樣統計計算小地物扣除系數，精確計算冬季作物種植面積；最后，結合地面調查，進行2015、2016、2017連續3年數據對比，分析原因，完成冬季耕地撂荒情況遙感調查。

圖2 冬季耕地撂荒情況遙感調查技術流程圖

1.4 冬季耕地撂荒遙感調查主要方法

1.4.1 遙感圖像解譯

為盡量避免一般遙感分類方法中線狀地物對分類結果可能造成的影響[22-24]，考慮到農田集中區域多光譜影像紋理特征能夠直觀體現農作物與其他地物空間結構差異[25]，本文采用基于改進多元紋理和光譜融合影像的遙感分類方法進行霍邱縣冬小麥遙感識別。利用高分辨率的GF-2圖像，室內隨機選取解譯需要的1 133個經驗樣點，包括906個訓練樣本和227個驗證樣本。改進多元紋理信息提取的最優滑動窗口大小為9 × 9個像元。詳細的分類方法，文獻[21]中已有描述，這里不再贅述。

1.4.2 小地物扣除

研究表明，受空間分辨率、同物異譜、異物同譜等因素影響，遙感圖像會存在淹沒在主體地物之中、影像上無法識別但實際存在的絕對小地物，以及影像上雖然能夠識別但無法依圖斑解譯的相對小地物[26-27]。這些絕對小地區和相對小地物會對主體地物面積解譯精度產生不同程度的影響。在實際工作中，將它們統歸為小地物，在解譯時并入主體地物，最后對解譯結果按照一定的比例系數進行修正[28]。小地物扣除系數通過計算各個對比樣區內小地物與冬小麥的比例的平均值獲得[9]，計算公式如下

式中為小地物扣除系數；=1,2,…,；為縣域內對比樣區的總個數；S為第個對比樣區中解譯出的目標作物面積；S為第個對比樣區中實際的目標作物面積，可以來自GPS實地測量，也可以來自利用更高分辨率遙感圖像解譯，本文利用更高分辨率的GF-2圖像解譯得來。

1.4.3 冬季耕地撂荒分析

霍邱縣屬于沿淮稻麥輪作區，地勢高低不平，部分地塊容易積水，冬季一般空閑，不種植小麥。針對這種情況，本文采用多年數據對比的方法，來分析冬季耕地撂荒。即連續提取2015、2016、2017三個年度冬季作物種植空間分布，通過逐年對比，分析近年冬季耕地撂荒情況，對2017年冬季撂荒程度進行評價。同時，結合實地調研，對撂荒原因進行分析。

2 結果與分析

2.1 冬季作物種植面積遙感提取

2.1.1 冬季作物種植面積遙感解譯結果

采用基于改進多元紋理和光譜融合的遙感圖像分類方法對2015年4月21日、2016年4月30日、2017年4月30日的GF-1遙感影像進行解譯，得到研究區2015、2016、2017三個年度冬季作物種植面積遙感解譯結果（見圖3—5）。利用驗證樣本對結果進行精度評價，混淆矩陣如表1所示，分類的整體精度88.55%，Kappa系數0.68，研究區冬小麥種植中北部多，南部較少。

圖3 霍邱縣2015年冬小麥分布圖

圖4 霍邱縣2016年冬小麥分布圖

圖5 霍邱縣2017年冬小麥分布圖

表1 冬小麥信息提取混淆矩陣

2.1.2 小地物扣除結果

在霍邱縣冬小麥典型種植區隨機選取面積為10 km × 10 km局部區域，利用空間分辨率4 m的GF-2衛星多光譜圖像進行冬小麥解譯，作為參考面積，與空間分辨率為16 m的GF-1多光譜圖像解譯結果進行比對，計算小地物扣除系數。結果顯示，選定區域內，GF-1圖像解譯冬小麥面積為71.092 6 km2，GF-2高分辨率圖像解譯冬小麥面積為65.478 4 km2，計算得到小地物扣除系數為7.89%。通過扣除小地物，研究區2015、2016、2017三個年度冬季作物種植面積分別為：937.72、821.79、608.91 km2。

2.2 耕地冬季撂荒情況分析

從年度變化上來看，2016年度冬小麥種植面積比2015年度減少115.93 km2，減幅12.36%；2017年度比2016年度減少212.88 km2，減幅25.90%。與2015年相比，2017年度冬小麥種植面積減少328.81 km2，減幅35.06%。近年來，研究區存在不同程度的冬季耕地撂荒情況。以2015年度冬小麥種植分布為參照，2016年度冬季撂荒面積115.93 km2，占比12.36%，而2017年度冬季撂荒面積328.81 km2，占比35.06%。

實地調查也表明，安徽省霍邱縣近年來冬季撂荒面積逐年增加，臨近的其他沿淮稻麥輪作區也不同程度地有類似情況。分析其主要原因有：1）農田排灌等水利設施不足。沿淮地區多低崗丘陵，地勢高低不平，缺少農田排灌等水利設施[5,29]，容易發生旱澇災害[30]；2）稻麥輪作區稻茬麥產量低，約3.75 t/hm2，經濟效益低；3）水稻土土壤黏性大，稻麥輪作整地難度大；4）大多數農戶選擇只種植一季水稻，然后外出務工，而種糧大戶一般種植兩季，夏季種植水稻，冬季種植小麥。調查還發現，2017年度撂荒面積大幅增加的直接原因是該區域2016年10月，持續陰雨，降水偏多，在一個月內有20 d時間下雨，低洼地區田間積水嚴重，小麥沒有種上，導致被動撂荒。

從空間分布上來看，對比2016年種植分布，2017年撂荒區域（見圖6）主要分布在霍邱縣北部淮河沿岸地勢較為低洼的幾個鄉鎮，其中，臨水鎮大部、臨淮崗鄉北部、城西湖鄉東北部和西部、潘集鄉西南部、高塘鎮東北部等地較為集中，如臨水鎮65.33 km2、臨淮崗鄉38.90 km2、城西湖鄉30.49 km2、潘集鄉27.28 km2；中部南部部分鄉鎮也較多分布，如洪集鎮12.57 km2、孟集鎮7.49 km2、彭塔鄉7.09 km2、曹廟鎮5.84 km2、眾興鎮5.07 km2。

圖6 相比2016年霍邱縣2017年度冬季耕地撂荒分布圖

3 討 論

2016年10月份冬小麥播種期間，該區域出現連續陰雨異常天氣，低洼地區田間積水嚴重，致使冬小麥無法播種，冬季撂荒面積明顯增加，這是2017年度霍邱縣乃至臨近的沿淮地區出現較大面積撂荒的直接原因。調查發現，撂荒較為集中的出現在臨近淮河河道的行洪、泄洪區等地勢低洼、容易積水的地區。多數是由于積水嚴重，冬小麥無法播種而被動撂荒。但同時，受農田排灌等水利設施不足、稻茬麥效益低、外出務工等多種因素綜合影響，霍邱縣乃至整個沿淮地區，近年來冬季撂荒面積有不斷增大的趨勢。因此，要緩解該區域冬季撂荒問題，政府要著重從改善當地農田基礎設施條件、增強防災抗災能力、多措并舉提高冬小麥種植收益、創新冬閑田利用方式等方面著手。

根據從地方農業部門獲取的農作物種植統計資料，霍邱縣2012—2016年5年平均冬小麥種植面積為956 km2，冬油菜為59.6 km2。當地近年來冬季主要種植冬小麥，冬油菜種植很少，分布也比較零散。本文圖像解譯時只提取了冬小麥，沒有考慮冬油菜，對于冬小麥改種冬油菜的情況有可能誤判為撂荒，會造成一定的誤差，但誤差不大，在可以接受的范圍內。第一，和冬小麥相比，冬油菜在當地種植比例較低。按照2012—2016年5年平均來看，冬油菜種植面積占冬小麥的6.2%，5年中最小為4.3%，最大為7.4%。第二，相當一些零碎種植的冬油菜可能已經解譯成冬小麥，會抵消部分誤差。GF-1衛星多光譜圖像缺少能夠較好識別不同作物類型的紅邊波段，而且空間分辨率也有限，尤其在冬油菜地塊相對較小、和冬小麥插花混種的區域，其光譜特征容易和冬小麥相混，而和裸地明顯不同，將這部分冬油菜解譯成冬小麥。這樣就就會避免將改種冬油菜的地塊誤判為撂荒，從而在事實上抵消掉部分誤差。從最終計算的結果來看，2016年撂荒地面積為115.93 km2，2017年為328.81 km2，與實地調研反映的情況較為符合，較為真實地反映了當地近年來冬季撂荒不斷擴大、尤其是2017年由于特殊天氣造成大面積撂荒的情況。在今后的研究中，可以考慮換用其他空間分辨率更高、波段設置更為有利的遙感數據源，進行更加精細的解譯，更大程度減少類似的誤差。

4 結 論

本文主要利用2015、2016、2017三年冬小麥生長期內的GF-1衛星16 m多光譜影像，提取霍邱縣冬季作物種植的空間分布和面積，通過多年數據對比，來分析霍邱縣近年冬季耕地撂荒情況。結果顯示：2015、2016、2017三個年度冬季作物種植面積分別為：937.72、821.79、608.91 km2。參照2015年度種植情況，2016年度冬季撂荒面積是115.93 km2，占比12.36%，而2017年度冬季撂荒面積是328.81 km2，占比35.06%。撂荒區域主要分布在北部臨淮地區，如臨水鎮、臨淮崗鄉、城西湖鄉、潘集鄉、高塘鎮等鄉鎮，該區域多行洪、泄洪區，地勢低洼，容易積水；中部南部部分低洼地區也有較大面積撂荒。遙感技術在獲取大范圍的耕地撂荒信息方面有較大的優勢，能較好反映耕地撂荒的整體和時空演變過程，為區域土地利用模擬和政策制定提供重要的基礎數據。本文的研究可以為在沿淮地區開展冬季撂荒遙感調查、摸清大區域耕地撂荒情況提供技術參考。

[1] 國土資源部國家統計局，國務院第二次全國土地調查領導小組辦公室. 關于第二次全國土地調查主要數據成果的公報[J]. 資源與人居環境，2014(1): 16－17.

[2] Khanal N R, Watanabe T. Abandonment of agricultural land and its consequences: A case study in the Sikles area, Gandaki Basin, Nepal Himalaya[J]. Mountain Research and Development, 2006, 26(1): 32－40.

[3] 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，2009，34(1)：19－20. Sun Hongling, Sun Hongxia. Abandonment: The most dangerous threatening factors to food security in China[J]. Grain Science and Technology and Economy, 2009, 34(1): 19－20. (in Chinese with English abstract)

[4] 劉谷生. 農村土地拋荒問題及其治理研究[D]. 長沙：湖南師范大學，2012. Liu Gusheng. Research on the Problems and Governance of Abandened Farmlands[D]. Changsha: Hunan Normal University, 2012. (in Chinese with English abstract)

[5] 楊普，張長青. 安徽省沿淮地區糧食生產現狀分析及對策研究[J]. 農業科技管理，2009，28(4)：21－24.

[6] 張大鵬. 霍邱糧食生產實現“六連冠”[N]. 安徽日報, 2010- 12-23(A01).

[7] 中央電視臺焦點訪談. 鄉土中國農村系列調查：誰來種地[EB/OL].[2018-08-14]. http://tv.cctv.com/2017/03/23/VIDE-F0-uK6bTBHAdWXdzS8Ald170323.shtml.

[8] 劉國棟，鄔明權，牛錚，等. 基于GF-1衛星數據的農作物種植面積遙感抽樣調查方法[J]. 農業工程學報，2015，31(5)：160－166. Liu Guodong, Wu Mingquan, Niu Zheng, et al. Investigation method for crop area using remote sensing sampling based on GF-1 satellite data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 160－166. (in Chinese with English abstract)

[9] 易湘生，馬尚杰，游炯，等. 遙感調查中耕地解譯面積精準核算研究[J]. 農業工程學報，2016，32(增刊1)：169－176. Yi Xiangsheng, Ma Shangjie, You Jiong, et al. Accurate calculation of farmland area during remote sensing survey[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(Supp. 1): 169－176. (in Chinese with English abstract)

[10] 馬尚杰，易湘生，游炯，等. 基于GF-1影像的冬小麥種植面積核算及直補政策實施評價[J]. 農業工程學報，2016，32(18)：169－174. Ma Shangjie, Yi Xiangsheng, You Jiong, et al. Winter wheat cultivated area estimation and implementation evaluation of grain direct subsidy policy based on GF-1 imagery[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016，32(18)：169－174. (in Chinese with English abstract)

[11] 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. Cheng Weifang, Zhou Yi, Wang Shixin, et al. Study on the method of recognizing abandoned farmlands based on multispectral remote sensing[J]. Spectroscopy and Spectral Analysis, 2011, 31(6): 1615－1620. (in Chinese with English abstract)

[12] 阿力木江·吐斯依提，朱秀芳，努爾麥麥提·艾爾肯. 基于時序歸一化植被指數的撂荒地調查研究[J]. 上海國土資源，2016，37(4)：34－37. Alimujiang·Tusiyiti, Zhu Xiufang, Nuermaimaiti·Aierken. Studying abandoned farmland using temporal NDVI data[J] . Shanghai Land & Resources，2016，37(4)：34－37. (in Chinese with English abstract)

[13] 馬玲玲. 半干旱地區基于遙感與農戶調查的耕地撂荒原因探究：以內蒙古和林格爾縣為例[D]. 呼和浩特：內蒙古師范大學，2010. Ma Lingling. Probe into the Reasons of Farmland Abandoned in Semi-arid Regions Based on Remote Sensing and the Investigation of Peasant Household: A Case Study of Hollinger County in Inner Mongolia[D]. Hohhot: Inner Mongolia Normal University, 2010. (in Chinese with English abstract)

[14] 史鐵丑，徐曉紅. 重慶市典型縣撂荒耕地圖斑的提取與驗證[J]. 農業工程學報，2016，32(24)：261－267. Shi Tiechou, Xu Xiaohong. Extraction and validation of abandoned farmland parcel in typical counties of Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 261－267. (in Chinese with English abstract)

[15] 黃振國，楊君. 高分一號衛星影像監測水稻種植面積研究綜述[J]. 湖南農業科學，2014(13): 76－78. Huang Zhenguo, Yang Jun. Review of high-1 satellite image monitoring rice planting area[J]. Hunan Agricultural Sciences, 2014(13): 76－78. (in Chinese with English abstract)

[16] 翁進，曾海波，羅國斌. GF-1 衛星數據在土地利用變更調查遙感監測中的應用[J]. 安徽農業科學，2015, 43(16)：358－362, 392. Weng Jin, Zeng Haibo, Luo Guobin. The application of GF-1 remote sensing image in the land use change monitoring[J]. Journal of Anhui Agri. Sci., 2015, 43(16): 358－362, 392. (in Chinese with English abstract)

[17] 劉佳. 國產高分衛星數據的農業應用[J]. 衛星應用，2015 (3)：31－33，36. Liu Jia. The agricultural application of domestic high resolution satellite data[J]. Satellite Application, 2015 (3): 31－33, 36. (in Chinese with English abstract)

[18] 王利民，劉佳，楊福剛，等. 基于GF-1衛星遙感的冬小麥面積早期識別[J]. 農業工程學報，2015，31(11)：194－201. Wang Limin, Liu Jia, Yang Fugang, et al. Early recognition of winter wheat area based on GF-1 satellite[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 194－201. (in Chinese with English abstract)

[19] 段亞明，周洪，劉秀華，等. 中國耕地撂荒的研究進展與展望[J]. 江蘇農業科學，2018，46(13): 13－17.

[20] 吳全，裴志遠，張松嶺，等. 中小比例尺土地利用變化遙感調查技術與方法[M]. 北京：中國農業出版社，2010.

[21] 游炯，裴志遠，王飛，等. 基于改進多元紋理信息模型和GF-1影像的縣域冬小麥面積提取[J]. 農業工程學報，2016，32(13)：131－139. You Jiong, Pei Zhiyuan, Wang Fei, et al. Area extraction of winter wheat at county scale based on modified multivariate texture and GF-1 satellite images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(13): 131－139. (in Chinese with English abstract)

[22] 葛詠, 王勁峰. 遙感信息的不確定性研究: 誤差傳遞模型[M]. 北京: 地質出版社, 2003.

[23] 曾志遠. 衛星遙感圖像計算機分類[M]. 北京: 科學出版社, 2004.

[24] 謝登峰，張錦水，潘耀忠，等. Landsat 8和MODIS融合構建高時空分辨率數據識別秋糧作物[J]. 遙感學報，2015，19(5)：791－805. Xie Dengfeng, Zhang Jinshui, Pan Yaozhong, et al. Fusion of MODIS and Landsat 8 images to generate high spatial- temporal resolution data for mapping autumn crop distribution[J]. Journal of Remote Sensing, 2015, 19(5): 791－805. (in Chinese with English abstract)

[25] 劉鳳珠，張景雄，林宗堅，等. 多光譜遙感影像的灰度與紋理信息測度方法[J]. 武漢大學學報：信息科學版，2016，41(3)：415－420. Liu Fengzhu, Zhang Jingxiong, Lin Zongjian, et al. Measurement of gray level and texture information in multispectral images[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 415－420. (in Chinese with English abstract)

[26] 曹衛彬，楊邦杰，宋金鵬. 基于Landsat TM圖像棉花面積提取中線狀地物的扣除方法研究[J]. 農業工程學報，2004，20(2)：164－167. Cao Weibin, Yang Bangjie, Song Jinpeng. Linear features extraction and measurement in cotton area estimation using Landsat TM image in Northwest China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(2): 164－167. (in Chinese with English abstract)

[27] 辛蕊，陸忠軍，劉洋，等. Landsat TM8及GF-1影像黑龍江省線狀地物實際與解譯寬度對比[J]. 農業工程學報，2015，31(16)：196－205. Xin Rui, Lu Zhongjun, Liu Yang, et al. Comparison on linear feature real width and interpretation width using Landsat TM8 images and GF-1 images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 196－205. (in Chinese with English abstract)

[28] 吳全，楊邦杰，裴志遠，等. 大尺度作物面積遙感監測中小地物的影響與雙重抽樣[J]. 農業工程學報，2004，20(3)：130－133. Wu Quan, Yang Bangjie, Pei Zhiyuan, et al. Influence of small features on crop area estimation at a national scale using remote sensing and a double sampling method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(3): 130－133. (in Chinese with English abstract)

[29] 張長青，楊普. 加強農田水利基礎建設促進沿淮現代農業發展[J]. 安徽農學通報，2009，15(5)：12－13, 8.

[30] 曹承富，汪芝壽，孔令聰，等. 安徽沿淮地區稻茬小麥生產現狀及技術對策[J]. 安徽農學通報，2001，7(5): 30－32.

Application on remote sensing survey of abandoned farmlands in winter along the Huaihe River based on GF-1 image

Ma Shangjie1,2, Pei Zhiyuan1,2※, Wang Fei1,2, Jiao Weijie1,2, Jia Shaorong1,2, Wang Danqiong1,2, Han Xue1,2, Jia Lijuan1,2, Liu Min1,2, Lou Jing3

(1.100125,;2.,100125,; 3.230001,)

The total supply of arable land resources and reserved land resources is very limited in China, and the contradiction between people and land is prominent. The rural land, as the property of farmers, is considered as a scarce resource . However, with the development of the market economy and rural economy, the phenomenon of abandoning rural lands will inevitably lead to the waste of land resources, affecting our food security and rural incomes.In addition, the phenomenon will further increase the cost of land law enforcement, which is not conducive to the stable development of rural economy and society. In order to obtain the situation of abandoned farmlands in winter in the region along the Huaihe River, a method for surveying the abandoned farmlands by using remote sensing technology was researched and used in this study. Huoqiu County, the main grain-producing area along the Huaihe River in Northern Anhui Province, was selected as the study area. GF-1 image with 16 m resolution in April from 2015 to 2017, while the winter wheat growing, were used as the data source to survey the situation of farmland abandonment. 1) The distribution of crops growing in winter was extracted, mainly winter wheat, from remote sensing; 2) Then the accurate planting area of crops was got by subtracting small features area using a deduction coefficient of small ground objects which from the 10 km × 10 km sampling frames. Finally, the winter wheat planting areas in 2015, 2016 and 2017 were compared. Because winter rape planting area only accounted for about 6.2% of winter wheat planting area in local, so crop of winter rape was not considered as in this study when interpreting images, and would produce some errors within the acceptable range. Two important conclusions were drawn: 1) In the whole county, the winter wheat planting areas from 2015 to 2017 were respectively 937.72, 821.79 and 608.91 km2. 2) Based on the winter wheat planting area in 2015, the areas of abandoned farmlands in winter in the year of 2016, 2017 were 115.93 and 328.81 km2with ratio of 12.36% and 35.06%. Based on the investigation and interview of local farmers, it was considered that the continuous rainy season weather during the sowing period of winter wheat was the direct reason for the obvious increase of abandoned farmland area in 2017. Because of the continuous rainfall, serious water accumulation in low-lying areas prevented the winter wheat from being sowed and farmland were abandoned passively. Further analysis showed that the main reasons for the increase of abandoned framland in Huoqiu County and in the region along the Huaihe River in winter in recent years were insufficient irrigation and drainage facilities, low benefit of wheat which following rice, and farmers’ empolyment behavior in cities, and so on. Therefore, the government should focus on improving the local farmland infrastructure conditions, enhancing the ability of disaster prevention and resilience, and take various measures to improve the profits on winter wheat planting, innovate the way of utilization of winter fallow field, and so on, in order to alleviate the farmland abandonment problem in region in winter. Remote sensing technology has great advantages in obtaining large range of farmland abandonment information, and the research in this paper could provide a reference for remote sensing investigation of winter farmland abandonment in the region along the Huaihe River.

remote sensing; crops; extraction; abandoned farmlands; GF-1; region along the Huaihe River

2018-08-15

2018-10-15

國家重點研發計劃（2016YFB0501505）資助；農業農村部規劃設計研究院作物遙感監測創新團隊

馬尚杰，工程師，主要從事遙感圖像處理及GIS應用與研究工作。Email：mashangjie@agri.gov.cn

裴志遠，研究員，主要從事農業遙感應用與研究工作。 Email：peizhiyuan@agri.gov.cn

10.11975/j.issn.1002-6819.2019.01.028

S127

A

1002-6819(2019)-01-0227-07

馬尚杰，裴志遠，王 飛，焦為杰，賈少榮，王丹瓊，韓 雪，賈麗娟，劉 敏，婁 徑. 基于GF-1影像的沿淮地區冬季耕地撂荒遙感調查應用[J]. 農業工程學報，2019，35(1)：227－233. doi：10.11975/j.issn.1002-6819.2019.01.028 http://www.tcsae.org

Ma Shangjie, Pei Zhiyuan, Wang Fei, Jiao Weijie, Jia Shaorong, Wang Danqiong, Han Xue, Jia Lijuan, Liu Min, Lou Jing. Application on remote sensing survey of abandoned farmlands in winter along the Huaihe River based on GF-1 image [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 227－233. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.01.028 http://www.tcsae.org