江蘇省水稻主產區水稻種植調減模式遙感監測

孫 玲， 單 捷， 盧必慧， 王晶晶， 黃曉軍， 王志明

(江蘇省農業科學院農業信息研究所，江蘇 南京 210014)

水稻是江蘇省最重要的糧食作物之一，其種植情況影響全省糧食安全和國民經濟發展大局[1]，準確掌握水稻種植面積可為指導水稻生產、維護糧食安全提供科學依據。遙感技術具有客觀性強，覆蓋范圍廣等特點，是區域農作物面積信息準確獲取以及時空變化監測的主要技術[2-9]。王小慧等[10]利用1985年以來的縣域水稻生產數據，分析了中國水稻產量、面積和單產的時空動態變化特征以及水稻生產重心遷移軌跡，在此基礎上量化了水稻面積和單產對總產的貢獻度。王學等[11]分析2001-2011年MODIS時序數據，發現華北平原2001-2011年冬小麥種植面積持續擴大，并且呈現南增北減的格局，為華北平原調整農業種植結構提供了借鑒。杜永林等[12]以江蘇省13個行政區水稻生產數據為基礎，分析了1961-2010年水稻產量的時空變化特征及其主要的影響因素，結果表明江蘇省水稻總產量增加了2.9倍，總體呈南減北增趨勢。黃維等[13]以廣西省平樂縣為例，利用多時相陸地衛星影像數據和面向對象的分類方法，提取出晚稻種植發生變化的區域。Lunetta等[14]利用MODIS的歸一化植被指數(NDVI)提取了美國五大湖盆地2005-2007年玉米、大豆和小麥的空間分布數據，通過比較分析作物輪作的面積分布和變化，得出2005-2006年玉米和大豆的總種植面積相對平衡，2006-2007年玉米種植面積增加約21%的結論。劉珍環等[15]通過綜合80年代初以來農作物面積和產量的統計、耕地分布、農業灌溉分布以及農作物生長適宜性分布等多源數據，分析水稻種植面積和產量的時空變化，發現在中國水稻種植區發生變化的地區中，有超過50%地區的水稻種植面積出現縮減態勢，但仍有近70%地區的水稻產量在增加。上述基于遙感技術的農作物種植空間分布以及時空變化研究缺乏農作物種植調整后的信息，不能直觀、真實反映目標作物的調整模式，而且使用的多為中高分辨率遙感影像或統計數據。目前，利用高分辨率遙感影像采集大區域水稻種植時空變化信息的研究尚不多見。本研究擬基于5 m分辨率的江蘇省耕地遙感數據庫，以江蘇省水稻主產區2015年和2019年水稻種植的時空變化為切入點，監測水稻種植結構的空間變化，以期為更好地實行分區管理，保持和改善生產區域的生態平衡提供科學依據。

1 材料與方法

1.1 監測區概況

監測區為江蘇省內的50個1∶50 000標準地形圖圖幅框(圖1)，面積為2.14×1010m2，包括部分連云港市、鹽城市、淮安市、宿遷市和揚州市，監測區2015年水稻種植面積約占全省水稻面積的37%，主要糧食作物種植模式為小麥-水稻、小麥-玉米、小麥-大豆。

監測區分布于江蘇省的徐淮農區、里下河農區和沿海農區，其中，徐淮農區占62.8%，里下河農區占30.0%，沿海農區占7.2%。由于沿海農區面積占比相對較小，因此在下面的討論中將沿海農區的變化并入到里下河農區。

江蘇省徐淮農區是中國黃淮海平原的重要組成部分，該區地處暖溫帶，光照充足，雨量比較充沛，水熱資源較為豐富，春季溫度回升快，夏季溫熱多雨，秋季多晴朗天氣，晝夜溫差大，臺風頻率低，對作物生長發育較為有利，是江蘇省的主要產糧區[16-17]。江蘇省里下河農區，地勢低洼，地下水位高，湖蕩相連，人工水網稠密，是江蘇省重要的種植區和養殖區，由于水資源豐富，近年來該區域的開發利用主要以水產養殖、漁業捕撈等為主[18-19]。

1.2 試驗方法

1.2.1 數據源 本研究的水稻地塊空間分布信息來源于江蘇省5 m分辨率耕地遙感數據庫，該耕地數據庫以2012年RapidEye數據為基礎，利用地理信息系統軟件(ArcGIS9.3)和遙感圖像編輯及處理軟件(ERDAS IMAGINE8.4)，通過人工目視解譯的方式勾繪獲得。采用亞米級GPS實地測量地面樣方數據，用地面實測的220個500 m×500 m樣方數據進行驗證，耕地面積的提取精度高于98%。2015年水稻地塊的識別以Landsat-8 OLI數據(2015年8月17日，軌道號120036和120037)為主，以GF1寬視場數據(2015年8月3日)為輔。2019年水稻地塊的識別以Landsat-8 OLI數據(2019年9月13日，軌道號120036和120037)為主，以Sentinel2數據(2019年8月20日)為輔。用ERDAS IMAGINE8.4軟件對原始衛星影像進行預處理，所有影像采用統一的坐標系統。

1.2.2 水稻空間分布信息提取 根據2015年和2019年野外實地調查資料確定水稻和其他地物的解譯標志，建立相關的影像解譯標志庫。以2015年衛星影像為底圖，從耕地數據庫中提取相關信息，生成2015年水稻空間分布信息。以2019年的衛星影像為底圖，從2015年水稻空間分布信息中提取2019年的水稻空間分布信息，以及2015年為水稻2019年為非水稻的地塊信息，再從耕地數據庫中補充2015年不是水稻而2019年為水稻的地塊信息，生成最終的2019年水稻空間分布信息。

圖1 監測區所處地理位置Fig.1 Geographical location of the monitoring area

1.2.3 水稻種植調減模式 Landsat-8 OLI影像為區域遙感監測數據源，OLI是其攜帶的主要傳感器，有9個波段，其中的紅光波段(640～670 nm，波段4)、近紅外波段(850～880 nm，波段5)、短波紅外波段(1 560～1 660 nm，波段6)是識別水稻的最佳波段組合，OLI的波段4、波段5和波段6對應Sentinel2的波段5、波段8和波段11[20-23]。由于監測區內水稻面積約占耕地面積的70%，主要農作物為水稻，但是從單一時相的衛星影像中很難識別同期的玉米、大豆和蔬菜等，所以在下面的討論中把非水稻作物歸并成一類，稱為其他作物。

近年，由于國家對水稻種植結構實施調減的調整政策，并且2015年以來稻谷最低收購價一直持續下調，導致水稻種植面積提升乏力，呈萎縮態勢，因此本研究僅討論水稻種植面積的調減模式。水稻面積調減模式的判別采取目視識別勾繪為主的方式進行，變化模式有：水稻→其他作物(玉米、大豆、蔬菜等)、水稻→建筑用地(道路等)、水稻→水生作物(蓮藕等)、水稻→水產養殖等。

同一時期目視識別地物類別的依據是各種地物不同的衛星影像像元光譜特征，圖2是2019年9月13日Landsat-8 OLI影像和2019年8月20日Sentinel2影像中水稻、其他作物、水生作物、水產養殖和建筑物的像元亮度值(DN)。圖2顯示，無論是Landsat-8 OLI影像還是Sentinel2影像，其他作物與建筑物在各波段上的光譜特征差異均較小，不易區分。因此，本研究將水稻→其他作物和水稻→建筑物這2種變化模式合并為一類，使水稻的調減模式歸并為3種：水稻→水生作物、水稻→水產養殖和水稻→其他作物。

2 結果與分析

2.1 水稻空間分布信息

圖3顯示，2015年監測區內水稻面積為8.16×105hm2，2019年為7.69×105hm2，減少5.7%。2015年57.1%的水稻分布在徐淮農區，42.9%的水稻分布在里下河農區，2019年58.8%的水稻分布在徐淮農區，41.2%的水稻分布在里下河農區。

A：2019年9月13日Landsat-8 OLI影像；B：2019年8月20日Sentinel2影像。波段4(圖A):640～670 nm；波段5(圖A):850～880 nm；波段6(圖A):1 560～1 660 nm；波段2(圖B)：440～538 nm；波段4(圖B)：646～684 nm；波段5(圖B)：640～670 nm；波段8(圖B):850～880 nm；波段11(圖B):1 560～1 660 nm。圖2 不同地物各波段像元亮度值變化Fig.2 Variation of digital number value of pixels in different wavebands

圖3 水稻空間分布圖Fig.3 Spatial distribution map of rice

2.2 水稻面積變化空間分布

在ArcGIS9.3中對2015年和2019年的水稻空間分布信息進行疊加分析，得到2015年至2019年的水稻種植面積空間變化分布信息，包括與2015年相比，2019年減少的和增加的水稻種植面積空間分布信息。統計各圖幅框的水稻增減面積，表1顯示，每個圖幅框內都有新增和減少的水稻面積。在50個圖幅框里，水稻面積增加幅度最大為13.77%，最小為0.87%，增加幅度大于10.00%的圖幅框數量最少，占總框數的6.00%，增加幅度為5.00%～10.00%的圖幅框數量較少，占總框數的22.00%，增加幅度小于5.00%的圖幅框數量最多，占總框數的72.00%。在50個圖幅框里，水稻面積減少幅度最大為26.44%，最小為0.57%，減少幅度小于5.00%的圖幅框數量最少，占總框數的14.00%，減少幅度大于10.00%的圖幅框數量較少，占總框數的38.00%，減少幅度為5.00%～10.00%的圖幅框數量最多，占總框數的48.00%。分別統計2015年和2019年水稻種植面積可得，與2015年相比，監測區內2019年水稻種植面積增加3.6%，減少9.3%，總計減少5.7%。

表1 監測區水稻面積變化統計表

圖4為監測區內水稻種植面積變化率分布圖，圖中水稻面積增加的圖幅框占14.0%，水稻面積減少的圖幅框占86.0%，減少幅度為0～5.0%的圖幅框占32.0%，減少幅度為5.1%～10.0%的圖幅框占30.0%，減少幅度為10.1%～20.0%的圖幅框占18.0%，減少幅度大于20.1%的圖幅框占6.0%。

2.3 水稻調減面積空間分布

由監測區2019年較2015年的水稻調減面積空間分布圖(圖5A)、水稻調減模式空間分布圖(圖5B)、調減模式占比分布表(表2)可以看出，有94.0%的圖幅框存在水稻→水產養殖模式，有86.0%的圖幅框存在水稻→水生作物模式，每個圖幅框都存在水稻→其他作物模式。統計50個圖幅框內水稻的具體調減面積，至2019年，90.7%的水稻田仍為水稻田，9.3%的水稻田調減為非水稻田。結合各調減模式的面積分布，進一步分析發現，在9.3%的調減面積中，水稻田轉為水產養殖的占2015年水稻面積的2.8%，轉為水生作物的占1.7%，轉為其他作物的占4.8%。

2.4 水稻調減分布特征

與2015年相比，在調減的水稻面積中，徐淮農區占比45.7%，里下河農區占比54.3%，單位水稻面積調減率徐淮農區為7.4%，里下河農區為11.8%。由此可見，里下河農區的單位水稻面積調減率比徐淮農區高4.4個百分點。結合江蘇省的地域發展特征，上述結果表明江蘇省水稻生產重心正逐步北移。

圖4和表1顯示，水稻面積增減具有連片性。水稻面積增加的圖幅框都在徐淮農區，集中分布在鹽城市的濱海縣以及淮安市漣水縣、淮陰區與宿遷市沭陽縣交界處，均為旱地改水稻或旱稻。水稻面積減少幅度在5.0%以內的圖幅框集中分布在徐淮農區，減少幅度為5.1%～10.0%的圖幅框集中分布在2個農區的4個區域，減少幅度不低于10.1%的圖幅框集中分布于里下河農區。除了編碼為9500591(連云港市)和9500951(淮安市)的圖幅框是因為城區建設調減水稻面積外，其余基本上都是因為種植結構調整而調減了水稻面積。

圖4 水稻種植面積變化率Fig.4 Change rate of rice planting area

A:調減面積；B：調減模式。圖5 水稻調減空間分布圖Fig.5 Distribution map of reduction range and mode in rice

表2 監測區水稻不同調減模式占比

2.5 水稻調減模式分布特征

在調減的水稻面積中，調減為水產養殖的占29.7%，調減為水生作物的占18.3%，調減為其他作物的占52.0%。進一步分析調減水稻在各農區的分布，調減為水產養殖的原水稻田中，徐淮農區占比16.0%，里下河農區占比84.0%；調減為水生作物的原水稻田中，徐淮農區占比38.0%，里下河農區占比62.0%；調整為其他作物的原水稻田中，徐淮農區占比65.3%，里下河農區占比34.7%。針對監測區內3種調減模式，徐淮農區占比最大的是水稻→其他作物，其次是水稻→水生作物，最少的是水稻→水產養殖；里下河農區占比最大的是水稻→水產養殖，其次是水稻→水生作物，最少的是水稻→其他作物。圖5顯示，大量調減為水產養殖的原水稻地塊主要分布在里下河農區，在徐淮農區呈點狀分散分布，不連片；大量調減為水生作物的原水稻地塊主要分布在里下河農區，在徐淮農區連云港市灌云縣分布也比較集中，有連片分布的區域；調減為其他作物的原水稻地塊在監測區內呈點狀分布，但在沭陽縣和泗陽縣交界處以及楚州區中部的分布比較集中。

3 結 論

本研究利用遙感技術分析監測區內2019年較2015年水稻種植面積的變化程度、變化模式以及變化位置，直觀顯示了監測區內水稻種植的調減模式以及水稻調減的空間分布。結果表明，近幾年江蘇省水稻種植面積正緩慢下降，各地利用調減的水稻面積發展水面種植、水產養殖或改種其他適宜性特色作物。監測區內水稻→其他作物是目前最主要的調減模式，其次是水稻→水面養殖和水稻→水生作物。江蘇省水稻生產基礎較好，全省均位于長江流域水稻優勢種植區，只有了解水稻調整的調減模式特征后，才能更好地實行分區管理，保持和改善生產區域的生態平衡，創造出更多綠色、高效的生態種植模式和生態漁業模式。