基于NDVI和GF影像的冬季未種植耕地遙感識別
——以遵義市為例

李光一廖留峰段瑩姚熠唐紅祥

(1.貴州省氣象局/貴州省生態氣象和衛星遙感中心，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據顯示，我國人口雖增速緩慢，但近10a以來人口總量持續增長，2020年總人口數達14.12億人，約占全球總人口18%，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。據國土資源部國家統計局第二次[2]和第三次[3]全國土地資源調查數據顯示，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化、城市化的快速發展，全國耕地面積已呈現出不斷減少、質量不斷退化的局面，嚴重危害著國家糧食安全、生態環境安全和社會穩定[4]。近20a以來，由于我國經濟結構的調整以及農村勞動力的轉移，越來越多的農戶放棄了秋季播種，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，對于農民和國家來說加強冬季耕地種植情況監測、合理開發未種植地，將有助于生態環境保護以及農村經濟社會可持續發展。

目前，遙感技術作為一種客觀、及時的土地利用監測手段，是農作物種植面積提取的方法之一，在統計、農業、生態等部門中被廣泛應用[6]，如馬玲玲[7]利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時空變化特征。此外，針對農作物物候變化特征，長時間序列的遙感數據產品為作物種植情況監測提供了重要的數據支撐，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時間序列數據，進行了山東省耕地撂荒情況遙感調查分析；于信芳等[9]采用MODIS/NDVI時序數據對東北森林的物候進行了監測。因此，利用遙感技術快速提取冬季未種植耕地是現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數據構建動態閾值法，以長江中下游農業區為試驗區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時序數據變化曲線，利用閾值與監督分類法相結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，存在誤分和混分現象；張淼等[16]通過實地采樣確定作物種植閾值，并結合拉格朗日三點插值法提取NDVI序列極值點構建判定規則以識別阿根廷地區未種植耕地，該方法避免了龍格現象對結果的影響，但研究區覆蓋面積較大，采用相同的閾值參數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時間序列與國產高分影像為數據源，利用植被指數時間序列變化曲線，開展多年冬季未種植耕地識別與提取的試驗性研究，不僅有助于當地制定生態環境保護政策，也為合理高效利用土地資源提供科學依據。

1 試驗區概況

遵義市位于貴州省北部，南臨貴陽、北倚重慶、西接四川，地處國家規劃長江中上游綜合開發和黔中經濟區綜合開發重要區域，見圖1。轄區面積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

全市耕地以種植農作物為主，主要有水稻、玉米、油菜、小麥、紅薯、辣椒等。根據《遵義市第三次全國農業普查主要數據公報》和《第七次全國人口普查主要數據》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，需糧食總產量264萬t。《2020年遵義市國民經濟和社會發展統計公報》數據顯示，2016—2020年全市糧食產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；糧食總產量226.78萬t，其中夏糧產量54.85萬t，秋糧產量171.93萬t。該地區雖人均耕地高于全國人均耕地水平(0.10hm2)，但糧食總產量比2016年減少了25.5%，2018年以來糧食總產量有所回升，但變化趨勢不大。隨著人口增長和農村勞動力的轉移，加強耕地種植情況動態監測勢在必行，對國家糧食安全和社會經濟穩定具有重要意義。

圖2 2016—2020年遵義市糧食總產量

2 數據與方法

2.1 數據來源

歸一化植被指數(Normalized Difference Vegetation Index,NDVI)是許多學者常用的監測植被生長、作物長勢、反映植被質量的參數之一。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網站下載MODIS產品獲得(https://e4ftl01.cr.usgs.gov/MOLT/)，其中MOD13Q1屬于陸地專題產品，全稱為MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid。該數據采用Sinusoidal投影方式的3級網格數據產品，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，下載的數據為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。

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

2.2 方法

2.2.1 數據預處理

MRT(MODIS Reprojection Tool)是對MODIS影像進行批處理的有效工具之一，MOD13Q1數據格式為hdf，使用MRT可批量將數據集進行投影、拼接并轉換為tif格式。基于python語言，調用arcpy工具包中掩膜提取工具批量提取研究區，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。

土地利用數據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、鑲嵌等數據處理工作。

2.2.2 冬季未種植耕地提取方法

憑借高分衛星數據高分辨率的特點，在宏觀尺度上進行地物判別時高分影像可替代了傳統的實地采樣方法。有研究表明，1月是耕地撂荒集中的季節[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灰紫色的效果，如圖3所示，統計并計算100個樣本區NDVI均值K。由于高分影像與NDVI數據分辨率不一致，未種植耕地樣本區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語言調用Arcpy工具包依次遍歷并統計每個耕地柵格上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，根據作物生長發育情況，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30d以上保持不變或有所下降，則認為該區域為冬季閑置耕地。由此，如果某一柵格連續3期以上NDVI值低于動態閾值S，則認為該格點為未種植耕地。由于NDVI影像為16d一期，故根據參與運算的期數可進一步換算出冬季耕地閑置時間。

圖4 遵義地區NDVI均值冬季變化趨勢

3 結果與分析

3.1 識別未種植耕地的動態閾值

基于高分數據采樣閾值與耕地NDVI最小值均值計算可獲取識別冬季未種植耕地的動態閾值S，計算結果如表1所示。

表1 未種植耕地動態閾值選取

3.2 冬季未種植耕地面積統計

根據影像期數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，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、播州區，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虧損現象，導致冬季未種植耕地面積連續兩年呈增加趨勢，鳳崗、余慶、遵義市區等地增加明顯，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，占全區耕地面積的17.3%，閑置天數主要為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資料受到交通管制，不少地區原定的植保下鄉、技術下鄉等生產性服務被迫停止，導致種植戶無法順利開展農事工作，冬季閑置耕地面積最大。2020年8月遵義市農業農村局召開全市秋冬季農業產業結構調整工作會議，會議指出深入推進秋冬季農業產業結構調整是明晰農業產業發展計劃，推動產業發展落地的重要手段。2020年10月遵義市匯川區人民政府《關于印發匯川區2020年秋冬季農業產業結構調整深入推進農業產業革命實施方案的通知》中明確提出，重點提高土地復種指數、資源利用率和土地產出率，加強秋冬季作物茬口銜接，實現一年多季、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、桐梓、務川、道真等地減少明顯，見圖5e，各地農業部門按“政府引導、部門幫扶、農戶自愿”的原則，入戶走訪、大力宣傳秋冬季農業生產各項惠農政策、先進技術等方式提高農戶思想意識，著力把農業產業結構調好、調優、調出成效，進一步鞏固脫貧攻堅成效，為實施鄉村振興戰略奠定堅實了扎實的產業基礎。

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變化趨勢具有顯著差異。目前，國內外利用遙感數據對冬季閑田以及閑置時間的監測研究還處于探索階段。本研究以遵義為試驗區，利用長時間序列的NDVI數據結合高分影像，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產品是16d合成的NDVI數據，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，輪作期間容易出現錯分和誤分類現象，則需要利用更高時間頻率的數據開展研究，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數據空間分辨率為250m，而土地利用數據空間分辨率為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果的判釋產生一定影響。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數據空間分辨率相差較大，劃定的未種植耕地樣本區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，其結果越真實可靠，但該處理方法未經考證，很可能對結果的解釋出現偏差。在其他學者的研究中[16]，通過地面觀測獲得的地面樣本數據選取了未種植耕地區域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)，無法體現輪作期內裸露耕地的較低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，但通過統計發現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閾值監測耕地種植情況，使冬季未種植耕地提取結果更加嚴謹可靠，避免了方法單一性以及數據片面性引起的精度誤差。

5 結論

本研究綜合采樣閾值法和耕地最小植被指數變化分析了近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，部分地區耕地閑置情況較為嚴重。空間上，遵義市紅花崗區、播州區以及桐梓、務川、正安、余慶、鳳崗等地NDVI低值持續時間較長，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，涉及區縣最多，2020年下半年在政府的政策幫扶下，通過土地流轉、財政補助、技術指導等調整農業產業結構，快速高效地恢復規模化作物種植，以最大限度提高冬季耕地利用效率和耕地產出率，2021年年初未種植耕地相比上年同期大幅減少，政府的農業扶持政策成效顯著。

目前，在相關農業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據，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，實現冬季未種植耕地動態變化識別，并開展實地調查驗證，不僅能夠為區域耕地資源的合理開發利用提供快速準確的科學依據，同時對國家糧食安全、社會穩定以及農村經濟社會可持續發展具有重要實際意義。