基于隨機森林方法的遙感影像耕地提取與變化分析

范震 喬梓 李棟梁 孫雯君 劉典

摘 要：耕地是人類社會穩定發展的物質基礎，是糧食生產的重要前提與保障。耕地的變化檢測對于耕地的保護和利用都具有十分重要的意義。該文以南京市江寧區為研究區，使用2017年、2019年、2021年3期哨兵2號影像，采用隨機森林分類方法，提取耕地信息并分析其時空變化。結果表明：隨機森林分類方法能有效識別耕地，分類精度均在80%以上。2017—2019年間，江寧區耕地面積變化不大;2021年與2019年相比，耕地面積略有減少，部分耕地轉化為其他用地類型。在空間上，西部、東南部地區的耕地與其他用地類型間轉化面積較大;總體上，耕地重心不斷向東南方向遷移。耕地的時空變化受多種因素的影響，經濟發展與城市擴張是其中的主要因素，及時準確地獲取耕地變化信息可為相關管理部門提供科學依據。

關鍵詞：哨兵2號;耕地提取;隨機森林;變化檢測

中圖分類號 P237 文獻標識碼 A 文章編號 1007-7731（2022）10-0116-04

Extraction and Change Analysis of Cultivated Land from Remote Sensing Images Based on Random Forest Method

FAN Zhen? ?QIAO Zhi? ?LI Dongliang? ?SUN Wenjun? ?LIU Dian

（School of Environmental Science，Nanjing Xiaozhuang Universty， Nanjing 211171， China）

Abstract： Cultivated land is the material basis of stable development of human society， and is an important premise and guarantee of food production. The change detection of cultivated land is very important for the protection and utilization of cultivated land. In this paper， jiangning District， Nanjing was selected as the research area， and the sentry 2 images of 2017， 2019 and 2021 were used to extract cultivated land information and analyze its spatial and temporal changes by random forest classification method. The results show that the random forest classification method can effectively identify cultivated land， and the classification accuracy is above 80%. From 2017 to 2019， the cultivated land area in Jiangning District did not change much. In 2021， compared with 2019， the area of cultivated land decreased slightly， and part of cultivated land was converted to other land types. In terms of space， the conversion area between cultivated land and other land types is large in the west and southeast regions. On the whole， the center of gravity of cultivated land moves southeast continuously. The spatial-temporal change of cultivated land is affected by many factors， among which economic development and urban expansion are the main factors. Timely and accurate acquisition of cultivated land change information can provide scientific basis for relevant management departments.

Key words： Sentinel-2; Farmland extraction; Random forest; Change detection

耕地是人類社會穩定發展的物質基礎[1]，耕地資源的稀缺性日益突出，已成為我國農業生產和國民經濟可持續發展的瓶頸因素。糧食安全問題關系到國計民生，是國家發展和社會穩定的前提[2-4]。雖然我國耕地面積總量可觀，擁有耕地127萬km2（數據來源于第三次國土資源調查），但人均耕地占有量只有世界人均耕地占有量的45%;隨著工業化和城鎮化的推進，城市建設占用了大量優質耕地;由于糧食經濟收益較低，大量勞動力進城務工，致使大量土地撂荒[5-7]。耕地資源現狀不容樂觀，所以耕地資源的監測與保護工作愈發重要[8]。

近年來，對于耕地資源概況的研究，國內外學者主要集中在耕地利用的時空格局特征、驅動機制、生態環境效應及模擬預測等方面[9-13]。隨機森林分類方法因其多級決策特性和便于集成多種分類特征，被廣泛應用于土地利用信息提取中。土地利用變化分析主要采用土地利用轉移矩陣、土地利用動態度[14]、主成分分析和多元線性回歸[15-16]等方法，其中使用較多的是分類后比較法。筆者利用隨機森林分類方法，以南京市江寧區為例，提取2017年、2019年、2021年耕地及變化信息，得出其時空變化特征，進而分析江寧區耕地轉化驅動因素，為地方政府制定發展政策和規劃、糧食生產安全和可持續發展提供科學依據。

1 材料與方法

1.1 研究區概況 江寧區位于南京市中南部，從西、南、東三面環抱南京主城，介于118°31′～119°04′E、30°38′～32°13′N，屬于亞熱帶溫濕氣候，四季分明，雨水充沛，年平均降水量1072.9mm。該區東西寬33km，南北長57km，總面積1563km2，其中農用地1103km2（耕地占農用地面積的53%），耕地主要是灌溉水田，種植作物以水稻、小麥、油菜為主（圖1）。近年來，江寧區的經濟高速發展，城市用地和交通用地需求不斷增大。

1.2 數據來源 本研究使用的數據為哨兵2號影像，共選用3期數據，成像時間為4—5月份（見表1），數據均來自于歐空局哥白尼數據中心（https：//scihub.copernicus.eu/dhus/#/home）。哨兵2號衛星搭載的MSI傳感器，與Landsat、SPOT等系列衛星數據相比，其空間和光譜分辨率均有所提升，增加的3個紅邊波段能夠更有效地檢測植被信息。DEM數據來源于NASA的分布式數據中心（https：//asf.alaska.edu/），由ALOS衛星搭載的全色遙感立體測繪儀（PRISM）生產，空間分辨率為12.5m。

1.3 研究方法

1.3.1 影像預處理 下載的哨兵2號影像為大氣頂層反射率，使用前需對其進行大氣校正。利用歐空局提供的sen2cor插件對3期數據進行輻射定標和大氣校正，該大氣校正算法運用離散縱標法計算地球大氣、太陽以及熱輻射傳輸[17]，能有效去除大氣的影響。使用該插件將3期影像均校正為地表真實反射率。采用歐空局官網提供的SNAP工具將大氣校正過后的數據重采樣為10m分辨率，疊加3期影像，其空間位置匹配準確，位置精度小于0.2個像元。將下載的DEM數據空間分辨率重采樣為10m，最后利用江寧區行政邊界對3期影像和DEM數據進行裁剪。

1.3.2 耕地分類 隨機森林（Random Forest）是一種統計學習理論，是利用重抽樣方法從原始樣本中抽取多個樣本，并對每個樣本進行決策樹建模，每個決策樹分類模型都有一票投票權，最終根據票數得出最優分類結果[18]。隨機森林分類方法在實踐方面具有很高的噪聲容忍度與較高的精度。

參照《土地利用現狀分類》GB/T 21010-2017文件并結合研究區實際狀況，將研究區分成8類（旱地、水澆地、水田、城鎮用地、裸土、林地和園地、水體、工礦用地），通過實地考察和谷歌地球數據并結合目視解譯，共選擇了88139個像素構建特征樣本庫，利用哨兵2號影像的原始12個波段和DEM數據，進行耕地信息的提取。結合構建的樣本庫，采用隨機采樣方法抽取部分樣本，利用混淆矩陣對分類結果進行精度評價，計算了用戶精度、制圖精度、錯分誤差、漏分誤差和總體分類精度。

1.3.3 變化分析 本研究采用土地利用轉移矩陣和土地分類轉化圖來進行耕地的時空變化分析。土地利用轉移矩陣來源于系統分析中對系統狀態與狀態轉移的定量描述。在土地利用轉移矩陣中，行表示變化前地區土地利用類型，列表示變化后土地利用類型。在隨機森林分類結果的基礎上，統計各期分類結果影像中的地物類型面積，同時將不同期的分類結果在空間上疊加，通過疊置運算，計算得到各期的耕地和其他用地類型的轉換面積，最后將分類結果合并為耕地與非耕地2類，分別賦值后，疊加得到耕地空間變化結果圖。

2 結果與分析

2.1 耕地的時間變化特征 根據構建的特征樣本庫采用隨機森林分類方法得到3期影像的分類結果，并利用混淆矩陣對分類結果圖進行精度評價，3期分類結果總體精度達到80%以上，kappa系數均大于0.7，說明采用隨機森林方法并附加DEM數據后，能夠較為有效地對耕地信息進行提取。對3期分類結果進行統計，得到各期影像的用地類型面積（圖2）。由圖2可知，2017年、2019年、2021年間林地和水體面積基本沒有變化;而2017—2021年間耕地面積呈緩慢減少趨勢，其中2019—2021年間的耕地面積變化量大于2017—2019年間;2017—2019年的建設用地面積變化不大，而到了2021年，建設用地面積有一個顯著的增加;裸土面積呈緩慢上升的趨勢。

對于耕地未變化區域，結合耕地分類結果，計算得到2017—2019、2019—2021、2017—2021年間的耕地類型轉移矩陣（表2～4）。2017—2021年間，旱地占耕地總量的絕大部分，4年間不同耕地類型相互轉化，2017—2019年未發生變化的旱地面積為362.67km2，面積最大;2017—2021年次之，為313.58km2;2019—2021年最小，未發生變化的旱地面積為310.56km2。總體上，江寧區的水澆地和水田占比較低，面積均小于10km2，4年間水澆地的面積基本沒有發生變化。由表2可知，2017—2019年間，共有20.1km2新增旱地，其中由水田轉化的面積為12.54km2，7.56km2由水澆地轉化而來，其原因可能是農戶將水田改造為經濟作物。由表3可知，2019—2021年間，未變化區域的旱地面積增加了5km2，較2017—2019年有所減少;水田面積增加近1/3;水澆地面積減少5km2，約占總量的1/3;與2019—2021年相比，2017—2019年期間旱地面積增加4倍。由表4可知，2017—2021年間，總體上江寧區未變化旱地面積總量占比超過90%，水澆地、水田、旱地之間均有少量轉化，總體面積變化不大。

綜上所述，2017—2021年間，江寧區總體耕地面積有所減少，其大部分轉化為建設用地類型，變化原因主要是由于城市規劃、經濟建設所導致。但從江寧區的經濟發展來看，其減少的耕地量尚在可控范圍內。在未發生變化的耕地范圍內，旱地面積占絕大部分，且在4年間，耕地類間轉化較少，耕地類型未發生明顯變化，這說明江寧區在重視經濟發展的同時，也積極推進土地利用有效管理，提高土地利用效率，同時為了保證耕地生態質量，采用了輪耕休耕的措施，有效保護了耕地面積和作物種類。

2.2 耕地的空間變化特征 從3期耕地分類結果圖上可以看出（圖3），江寧區的耕地主要分布在東南部和西部沿江地區。東南部區域的耕地空間分布在2017—2019年間變化不大，而2019—2021年江寧區東南部方山及祿口鎮區域耕地呈較為明顯的減少，其中大部分轉化為建設用地。總體上，2017—2021年江寧區耕地的空間分布格局未發生大的變化，說明城市建設未對耕地分布及格局產生大的影響;同時，江寧區實施“十三五”規劃的“六穩”“六保”、產業轉型、智慧農業等有力舉措也有效保護了耕地和提升了人居環境。

將2017與2021年用地類型疊加，獲取耕地與非耕地轉化空間分布圖（圖4），空間上，2017—2021年間，江寧區中部區域及西部江心洲地帶耕地未發生變化，耕地轉化為非耕地的區域主要出現在祿口鎮和沿江東岸。由圖4可以看出，沿江東岸地區耕地減少明顯，結合谷歌地球高清影像可以發現，除了早期一部分農田轉化耕地外，還有部分區域為已批未建的建設用地，閑置的建設用地生長植被，少部分被錯分為耕地，但總量有限。位于祿口鎮周邊的區域有較大一部分耕地轉化為非耕地，其原因可能是，江寧區為推進城鄉融合，滿足城市化需求，進一步加快了城鄉建設，城鎮化率已達75%。每年完成城建項目近百個，年度投入超百億元，園博園、寧句線、寧馬高速改擴建等省市重大工程項目也是耕地變化的主導因素。耕地轉化為非耕地的同時，在江寧區中部以南，零星分布著非耕地轉為耕地的區域，這說明隨著生產建設項目監管的有力實施，一些非法占用耕地被還原，但總體數量不大。從空間變化趨勢來看，變化集中體現在城市周圍，耕地重心不斷向東南方向遷移，同時對城市周邊的未利用地進行耕地生態補償。

3 結論與討論

本研究結果表明，從時間變化上看，江寧區耕地面積呈減少趨勢，但耕地類型未發生大的變化，因此，建設用地的面積不斷擴大。因此，建議加大特色農業生態旅游項目投入，減少農用地轉化的同時，實現產業結構升級，提高經濟收入，完善生態耕地補償機制。江寧區的耕地空間分布格局較為穩定，但局部區域仍然出現了較為明顯的耕地與其他用地類型的轉化。為緩解經濟建設與耕地占用之間的矛盾，應加快以市場為導向的農業結構戰略性調整，提高農業效益，并嚴格實施生態紅線保護。江南地區地形平坦、水網密布，地形因素對耕地分布影響較大。加入了地形因子特征波段后，能有效提升耕地信息提取的精度。哨兵2號影像具有較高的空間分辨率，在后續應用中，可以考慮加入紋理等空間特征，以進一步提高土地利用分類精度。

參考文獻

[1]張雪花，滑永勝，韓成吉.耕地資源可持續發展的系統動力學仿真分析[J].水土保持通報，2019，39（03）：144-150.

[2]趙其國，周生路，吳紹華，等.中國耕地資源變化及其可持續利用與保護對策[J].土壤學報，2006（04）：662-672.

[3]封志明，張蓬濤，宋玉.糧食安全：西北地區退耕對糧食生產的可能影響[J].自然資源學報，2002（03）：299-306.

[4]朱澤.中國糧食安全問題[M].武漢：科學技術出版社，1998.

[5]李靜.基于勞動力析出的山區耕地撂荒研究[D].重慶：西南大學，2013.

[6]于元赫，李子君.山東省耕地利用集約度時空變化及政策啟示[J].中國土地科學，2017，31（04）：52-60.

[7]馬尚杰，裴志遠，王飛，等.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（01）：227-233.

[8]滿衛東，王宗明，劉明月，等.1990—2013年東北地區耕地時空變化遙感分析[J].農業工程學報，2016，32（07）：1-10.

[9]楊旭，劉志武，武昊.長江上游及清江流域土地覆被變化分析[J].人民長江，2019，50（2）：90-94，121.

[10]GAO W W，ZENG Y，ZHAO D，et al. Land cover changes and drivers in the water source area of the middle route of the south-to-north water diversion project in China from 2000 to 2015[J].Chinese Geographical Science，2020，30（1）：115-126.

[11]范澤孟，李賽博.新亞歐大陸橋經濟走廊土地覆被變化及驅動力分析[J].生態學報，2019，39（14）：5015-5027.

[12]SONG Y Y，XUE D Q，DAI L H，et al.Land cover change and eco-environmental quality response of different geomorphic units on the Chinese Loess Plateau[J].Journal of Arid Land，2020，12（1）：29-43.

[13]雷亞龍，陳菁，孫伯明.張家港土地利用變化預測及生態響應[J].中國農村水利水電，2016（5）：33-36，40.

[14]蔣姣，孫哲，趙思遠，等.淮安市耕地時空變化特征及其驅動因素[J].農業工程，2020，10（12）：63-69.

[15]徐磊，張志，師永強，等.武漢市耕地資源的時空變化及驅動力分析[J].安徽農業科學，2008（16）：6884-6886.

[16]歲秀珍，阮仁宗，顏梅春，等.南京市耕地時空變化及驅動力分析[J].地理空間信息，2014，12（03）：89-92，7.

[17]霍娟，呂達仁.晴空與有云大氣輻射分布的數值模擬及其對全天空圖像云識別的應用[J].氣象學報，2006（01）：31-38.

[18]張雷，王琳琳，張旭東，等.隨機森林算法基本思想及其在生態學中的應用——以云南松分布模擬為例[J].生態學報，2014，34（03）：650-659.

（責編：徐世紅）