2000—2016年四川省耕地种植指数时空变化及其自然潜力分析*

田 罗, 周文佐, 何万华, 赵 晓, 刘东红, 章金城



2000—2016年四川省耕地种植指数时空变化及其自然潜力分析*

田 罗, 周文佐**, 何万华, 赵 晓, 刘东红, 章金城

(西南大学地理科学学院 重庆 400715)

种植指数是反映耕地利用强度的基础性指标, 明确其空间格局、时间演变是合理制定农业决策的基础。本文以四川省2000—2016年MODIS-NDVI长时间序列数据为数据源, 通过提取耕地NDVI时序曲线峰值频数, 进而提取四川省2000—2016年耕地种植指数, 分析其时空格局及演变, 并结合积温-降水模型对区域耕地潜力种植指数分布进行了分析, 为明确四川省耕地种植指数时空特征及演变和引导耕地合理集约利用提供科学依据。结果显示: 研究时段内, 一年1熟一直是四川省主要的熟制制度, 其面积占耕地面积比达78.05%, 主要分布在川西北高原区、川东北和川南的低山丘陵区以及攀西河谷区; 一年2熟/3熟制主要分布在成都市及其周边地区, 空间分布上呈现由成都市及其周边地区向四周下降的态势。可提升潜力种植指数(PMCIp)方面, 省内89.7%的耕地仍具有较高的可提升潜力; 成都市及其周边地区可提升潜力较低(PMCIp<50%), 且实际种植指数年际变化剧烈(标准差>60%); 川东北和川南地区可提升潜力种植指数在50%以上, 面积占耕地面积比达65.6%, 是未来耕地种植潜力挖掘的理想区域; 川西北高原区、攀西河谷区和川东北大巴山中山区为过度耕作的主要分布区(PMCIp<0), 面积占耕地面积10.3%, 是未来农业生态退耕的重点区域。本文结合农作物节律性, 利用长时间序列的遥感数据反演, 实现对区域耕地种植指数的动态监测, 并分析区域耕地种植指数的潜力及可提升潜力的空间格局, 为区域农业政策制定提供有益参考。

四川省; 耕地复种; 种植指数; 潜力种植指数; MODIS-NDVI; 积温-降水模型

多熟种植的本质是在特定的立地条件下对水热资源的集约利用[1], 中国有近50%的耕地实行多熟种植[2]。耕地复种是指一年内在同一田地上连续种植两季或两季以上的作物, 或指一个生产年度内收获两季或多季作物的种植方式[3]。种植指数(原称“复种指数”[4])是用以表征耕地利用集约程度的基础性指标, 分为自然潜力种植指数(PMCI)和实际种植指数(MCI)[5], 前者着重从自然适宜性角度定义耕地种植指数, 指在充分利用当地的水、热、光、温资源时耕地所能实现的最大种植指数(以下简称“潜力种植指数”); 后者是在考虑经济、技术、政策以及自然条件等多因素影响下的实际种植指数。研究表明, 耕地复种是作物增产最为行之有效的方式[6-7]。在加速城市化和工业化、产业结构调整、农业种植制度调整、生态退耕等原因导致耕地面积持续加速减少、农业劳动力加速流失、作物播种面积动态变化加剧的背景下[4,8-11], 明确耕地种植指数的时空变化趋势并结合当地潜力种植指数加以合理的引导和控制显得尤为重要。

传统的耕地种植指数研究多基于以行政区划为统计单元的多指标统计数据[8-11], 但统计数据获取的滞后性、甚至较低的可信度以及忽略各统计单元内部的空间异质性等缺陷限制了其表达精度[8,12-13]。随着遥感技术的发展, 结合高时间分辨率的遥感数据和作物物候节律的遥感反演方法成为耕地复种研究的重要方式之一[14], 取得了一系列具有现实意义的研究成果。通过构建各种植被指数(VI, vegetation index), 如归一化植被指数(NDVI)或增强植被指数(EVI)等的长时间序列平滑数据集[2,12,15-19], 并利用其蕴含的农作物物候节律信息来反演耕地的种植指数是遥感反演方法的基本思路。然而, 已有研究多侧重于基于统计数据的大尺度耕地种植指数时空变化或基于遥感手段的单一时段种植指数的反演研究, 而基于遥感手段的耕地种植指数长时间序列演变并结合耕地潜力种植指数的研究较少。实际上, 只有对某地的实际种植指数和潜力种植指数同时进行考量才能得出对于某地农业政策具有科学指导意义的结论。

本文以四川省为靶区, 以2000—2016年MODIS- NDVI长时间序列数据为数据源反演近17 a来四川省耕地种植指数的时空变化特征, 同时结合“积温-降水”模型分析耕地潜力种植指数, 以期为明确四川省耕地种植指数时空特征及演变和引导耕地合理集约利用提供有益参考。

1 研究区概况及数据准备

1.1 研究区概况

四川省地处97°21′~108°31′E, 26°03′~34°19′N, 属于亚热带季风性湿润气候, 年均温度在 16~18 ℃, 年降雨量1 000~1 300 mm, 年无霜期长达280~350 d[20-21]。省内自然环境复杂, 农业种植制度多样, 形成了以春玉米、夏玉米、冬小麦、秋油菜及一季稻为主的农作物种植结构。空间上形成了成都及周边区域、川南地区、川东北地区、攀西地区、川西北地区等五大农业功能区[22-23](图1)。四川省农业历史悠久, 是我国13个粮食大省之一[24]。近年来, 省内耕地资源不断减少, 2000—2014年, 四川省耕地面积减少了3.536×105hm2, 而人口则从8 407.5万人增加到9 159.1万人, 人均耕地由改革开放初期的0.069 hm2下降到2012年的0.044 hm2, 这一水平仅略高于FAO规定的人均耕地警戒线0.04 hm2[25-26]。而且, 人均耕地的减少趋势在未来的一段时间内仍将持续[24]。在此背景下, 在明确省内耕地种植指数时空变化特征和各地耕地可提升潜力种植指数的基础上, 提高耕地种植指数成为解决人地矛盾的主要方式。

图1 四川省农业功能分区

1.2 数据来源及预处理

研究涉及四川省行政区划矢量数据、2000—2015年期间5 a间隔土地利用数据(100 m×100 m), 来源于中国科学院资源环境科学数据中心(http://www.resdc.cn), 鉴于邻近年份内土地利用变化相对较小, 本文以最邻近年份的已有土地利用数据作为某年的土地利用参考。如对于2002年, 其与2000年在时间上更为接近, 因而采用2000年的土地利用数据, 而2003年与2005年更为接近, 因此采用2005年的土地利用数据; 四川省2000—2016年MODIS-NDVI长时间序列数据集(MOD13Q1), 为空间分辨率为250 m的16 d最大值合成(MVC)数据, 来源于美国国家航空航天局(https://modis.gsfc.nasa.gov)。四川省农作物生长发育站点旬值数据集、降水量数据和≥0 ℃积温数据, 来源于中国气象数据网(http://data.cma.cn/)。

MODIS-NDVI时序数据从2000年开始发布, 2000年前3个时序数据缺失, 鉴于该时段内植被活动较弱, 因此以2001年同时序数据补全序列。MODIS-NDVI以层次数据格式(HDF)发布, 采用正弦投影, 为便于后续处理, 利用MRT(MODIS Reprojection Tool)进行数据集提取、拼接、投影转换和重采样。采用气象数据空间插值的常用方法(薄盘样条函数)将气象站点数据(降水和≥0 ℃积温指标)空间化。

2 基于遥感技术的耕地种植指数反演方法

2.1 耕地NDVI时序曲线与作物发育的互动规律

归一化植被指数(NDVI)是利用绿色植被在近红外和红波段的光谱特征构建的一种能够提高植被冠层灵敏度的光谱指数[27], 由高时间分辨率的NDVI数据按时序排列形成的NDVI变化曲线(以下称为NDVI时序曲线)与农作物发育过程具有良好的一致性[28], 蕴含了耕地的种植制度信息。图2a为一年1熟的耕地NDVI时序曲线, 为单峰型; 图2b为一年两熟种植制度下的双峰型NDVI时序曲线; 图2c为一年3熟制的NDVI时序曲线, 呈3峰型。图2d则反映了撂荒地的NDVI年内变化信息, 表现为无规律、低振幅的多峰型曲线。

图2 不同耕地熟制的NDVI时序曲线(a:1熟制; b: 2熟制; c: 3熟制; d:撂荒地)

2.2 NDVI时序曲线平滑处理

理论上, 由于植被冠层随时间变化的幅度较小, 其NDVI时序曲线应该是一条连续平滑的曲线[29], 但遥感数据获取方式具有特殊性, 传感器工作状态、大气状况、云层等内外部因素均可能造成数据质量退化。上述因素使得NDVI时序曲线主要由不同程度的突变点构成, 这种锯齿状时序曲线对农作物物候节律的反映是不合理的, 应予以重构。国内外关于时序植被指数数据集的平滑重建方法进行了广泛研究, 提出的方法总体上可以分为3类: 阈值去除法、基于滤波的平滑方法和非线性函数拟合法[30]。但目前并没有能够得到公认的算法[31-32]。Hird等[33]和曹云锋等[34]对比已有的方法指出非对称高斯函数(AGFF)拟合方法具有更高的数据保真性; 吴文斌等[35]的研究指出AGFF拟合方法在云和大气等噪声影响较大的中国南方地区可以更好地把握数据变化的总体趋势。

大气状况、冰雪覆盖及地物阴影等因素的空间异质性使遥感影像上不同像元在真实反映地表植被信息方面具有不同的可信度, 因此, 为准确重建MODIS-NDVI时序数据, 针对不同质量的像元采取不同的权重是必要的[29]。MODIS-NDVI产品包含NDVI质量控制数据(VI Quality), 它组织为16位二进制, 从多角度评估了各像元的可信度。已有研究表明, VI质量控制数据误差小于±0.03[36], 是提高NDVI时序数据重构的有益补充。其中2~5位为VI可用性信息。本文通过NASA官方提供的LDOPE工具包提取VI质量控制数据的2~5 bit作为NDVI时序曲线重建的权重赋值依据。具体赋权过程是将提取的2~5 bit质量控制数据(十进制为0~15)分为3等: 0~2、3~12、13~15, 对应权重为1、0.6、0[37], 0权值相元以其前后临近时序同相元的均值代替。

本文选择非对称高斯函数拟合方法(AGFF)作为NDVI时间序列数据处理算法。经平滑重构后的NDVI时序曲线具有连续渐变的特点, 能够更为合理地反映作物发育过程。

2.3 耕地实际种植指数提取

尽管经过平滑处理后的NDVI时序曲线能够更好地反映作物生长过程, 但数据不可避免地存在误差, 一个重要表现是平滑后的NDVI时序曲线中出现的连续峰值和低振幅峰值。为此, 结合已有研究和四川省作物物候历(图3), 确立了以下几个真实峰值频数提取原则: (1)两峰型、三峰型NDVI时序曲线峰值频数提取时, 凡两邻近峰在时序上小于4(60 d)[1,31,38], 或者两峰值相对高差小于最大峰值的40%[38-40], 则认为二者为同一季作物形成的NDVI峰值; (2)所有峰值均应不小于0.35, 这一阈值基于多次试验和已有研究确定[39]; (3)为剔除作物生长季之外的峰以及越冬作物的“冬前峰”, 将峰值出现的时间规定为1—9月。

图3 四川省主要作物物候节律

图中1、2、3分别表示各月的上、中、下旬; *表示该作物种的NDVI峰值物候期。In the figure, 1, 2 and 3 respectively indicate the first, middle and last ten-day of each month; * indicate the phonological stages when the NDVI value reaches the theoretically maximum value。

目前, 常用的NDVI时序曲线峰值提取方法包括直接比较法和二次差分法[30], 前者需要一定的先验知识用于估计比较窗口的大小, 参数的细微变化可能导致结果较大的波动。二次差分法通过对NDVI平滑数据集进行两次迭代差分提取NDVI时序曲线峰值频数, 不需要先验知识。本文使用C#语言程序化二次差分法, 用以提取NDVI峰值频数。通过对每个像元拟合后的23个NDVI离散点序列进行两次差分来提取NDVI时序曲线峰值频数, 首先由式(1)计算拟合后的相邻NDVI值之差, 得到序列1; 再由式(2)顺次判断序列1中的每个元素, 若为正, 则赋值为1, 为负则赋值为-1, 得到序列2; 再根据式(3)计算序列2相邻元素之差, 得到序列3, 最后通过式(4)结合上述NDVI时序曲线真实峰提取原则提取序列3中“-2”的频数, 即为该像元熟制(CS)。

式中: FNDVI(=1, 2, 3, ···, 23)为拟合后的第个时序的NDVI值。

根据耕地实际种植指数的定义可知: 地块的种植指数=农作物播种面积/耕地面积×100%。从一年内地块的种植次数角度来看, 种植指数等于该地块一年时间尺度上NDVI时序曲线的峰值频数[41]。以像元为单位, 以行政区划为统计单元, 一单元内的耕地种植指数为:

式中: MCI为统计单元的实际种植指数,P为统计单元内种熟制(=1, 2, 3)的像元频数,P为统计单元内的耕地像元总数。

2.4 耕地潜力种植指数

耕地潜力种植指数参考范锦龙等[8]提出的“积温-降水”模型, 该模型以积温和降水为耕地复种关键限制因子, 分别计算二者限制下的潜力种植指数, 取最小者作为最终潜力种植指数。在计算≥0 ℃积温因子影响下的潜力种植指数时, 以3 400 ℃、4 200 ℃、5 200 ℃、6 200 ℃为耕地潜力种植指数分异断点。以500 mm、1 200 mm为降水因子影响下的耕地潜力种植指数分异断点。具体模型如下:

式中: PMCI为某地积温和降水因素限制下的最终潜力种植指数, PMCIT为积温种植指数, PMCIR为降水种植指数。潜力种植指数与实际种植指数的差值即为可提升潜力种植指数(PMCIP), 即:

PMCIP=PMCI-MCI (9)

差值越大表明可提升潜力(PMCIP)越大, 负值则标识了存在过度耕作的不合理区域。

3 结果与分析

3.1 四川省耕地种植指数空间格局及其演变

图4为二次差分法提取的四川省2000年、2004年、2008年、2012年和2016年耕地熟制信息。从总体趋势来看, 四川省种植制度的空间分布主要与地形、气候等因素的限制有关, 在研究时段内, 一年多熟制主要分布在地势相对低平、气候温暖湿润的成都及其周边区域, 一年多熟制在耕地总量中的占比总体上呈下降趋势, 且在空间分布上破碎化趋势明显。这可能是由于近年来四川省大力发展中小城镇, 一方面导致新兴城镇周边区域的耕地、人口等要素的非农化机率增大, 部分区域农业投入下降, 进而导致耕地种植指数下降; 另一方面新兴城镇对于农副产品的需求增加, 在各个城镇周边又形成各自的农副产品腹地, 部分区域大力发展农业而形成多熟制集中分布区。一年1熟一直是四川省的主要种植制度, 各年一年1熟面积占当年耕地总面积的比例均在50%以上, 主要分布在川东北、川南和川西北地区, 并有不断扩张的趋势。

为避免单一年份自然和社会等各方面因素引起的耕地种植指数突变, 本文求取了四川省多年(2000—2016年)耕地平均种植指数(图5a), 以探求四川省耕地种植指数的一般空间格局。与图4反映的一致, 一年1熟是四川省主要的种植制度, 占到耕地总量的78.07%, 一年2熟制占到耕地总面积的21.35%, 3熟耕地仅占0.58%(以2000年土地利用为基准)。从空间分布上来看, 四川省耕地种植指数总体上呈现出由川东北中山区、攀西河谷区、川南丘陵区和川西北高原山地区向成都及其周边地区递增的态势。川东北地区、川南地区和川西北高原地区是1熟制的主要分布区。2熟或3熟制主要分布在地势平坦、农业基础设施完善、社会经济发达的成都及其周边地区; 此外, 多雨、富热的攀西山地河谷区有少许分布。

图5b为像元尺度的耕地种植指数2000—2016年的标准差, 标准偏差越大表明其年际波动越大。总体而言, 成都及其周边地区的年际变化(标准偏差>60%)明显大于川东北、川南和川西北高原区, 尤其是绵阳市东南部、德阳市中部及东南部和成都市区外围区域成为变化最为显著的区域。这主要是由于成都及其周边地区城市密集, 经济和交通条件较为发达, 非农就业机会多, 就业选择多样, 耕地种植指数受城市影响年际变化较大。而平原区之外的高原、岭谷、河谷和丘陵地区, 非农就业机会较少, 农业种植成为主要的经济来源, 耕地种植指数年际变化不大。

图4 2000—2016年四川省耕地熟制空间格局演变

3.2 四川省耕地潜力种植指数空间格局

根据式(6)~(8)提取像元尺度的四川省耕地潜力种植指数(图6a)。可以看到, 四川省耕地潜力种植指数以150%~200%为主, 占耕地面积的87.8%, 主要囊括成都及其周边地区, 川东北、川南低山丘陵区; <100%区域占耕地面积的7.2%, 集中分布在川西北高原区、攀西河谷地区和川东北大巴山山麓地区; >200%区域主要分布在攀西河谷地区, 仅占总耕地的0.6%。根据式(9)提取耕地潜力种植指数与多年平均种植指数差值信息(图6b)。表1为四川省各市(州)单元2000—2016年的实际种植指数均值和潜力种植指数。

图6b显示, 川西北高原区、攀西河谷地区(尤其是凉山彝族自治州大部分区域)以及川东北大巴山山麓部分区域可提升种植指数为负值, 为过度耕作的不合理区域, 占到耕地的10.3%。成都及其周边地区的德阳、绵阳的中部和东南部, 成都市区外围区域以及资阳、遂宁的西部和西北部耕地的可提升潜力种植指数为0~50%, 以此为中心向东、向南、向北分布着大面积的高潜力区域, 可提升潜力为50%~100%, 占到耕地总量的65.6%, 是未来省内农业政策制定需要着重考虑的区域。攀西多雨、富热河谷区域是可提升潜力>100%的主要分布区, 面积很小, 仅占到耕地总量的0.05%。

图5 四川省2000—2016年耕地平均种植指数(a)及其标准偏差(b)的空间分布

图6 四川省耕地潜力种植指数(a)和可提升潜力种植指数(b)空间分布

3.3 精度验证

由于四川省内农业相关的统计数据各年统计指标不一致, 一些年份中统计数据难以获取, 因此本文仅以能获取的2000年四川省各市(州)的相关农业统计指标计算的市均耕地种植指数和本文提取的市均耕地种植指数进行相关分析(图7), 以验证本文提取的耕地种植指数的准确性。通过相关分析发现, 在自由度为19时, 本文的耕地复种指数提取结果与统计数据结果通过0.01水平的显著性检验, 呈极显著相关, 这为本文提取结果准确性提供了有力验证。

谢花林等[9]、范锦龙等[41]、丁明军等[42]研究指出四川省耕地种植指数分别为150%左右(2000—2002年均值)、167.5%、120%~140%。本文基于遥感反演方法提取的四川省耕地种植指数均值为132.4%, 结果较为接近。数据空间尺度差异是结果存在差异的重要原因, 理论上, 在任何像元尺度, 混合像元都是降低遥感反演地表参数精度的不可规避的因素[7,39-40]。与已有研究所采用的AVHRR(1.1 km×1.1 km)、SPOT/ VEGTATION(1 km×1 km)相比, 本文所采用的250 m空间分辨率的MODIS-NDVI数据受混合像元的影响相对较小, 理论上具有更高的精度。

表1 四川省各市(州)实际种植指数与潜力种植指数

图7 四川省耕地种植指数遥感提取结果与统计数据的相关分析(2000年)

Fig. 7 Correlation analysis of cropping index (MCI) from RS and that from statistical data of Sichuan Province (2000)

4 结论

1)2000—2016年, 1熟制一直是四川省的主要种植制度。像元尺度的耕地多年种植指数均值结果显示, 一年1熟占到总耕地面积的78.05%, 主要分布在川西北高原区、川东北和川南的低山丘陵区以及攀西河谷区。成都及其周边区域是2熟/3熟的主要分布区, 其中一年2熟制占耕地总量的21.35%, 3熟制占比不到1%。

2)尽管可能存在自然灾害和社会经济因素对单一年份耕地种植指数的影响, 但是从2000年、2004年、2008年、2012年及2016年4个年份种植指数变化趋势来看, 四川省耕地种植指数总体呈下降态势, 尤其是在成都及其周边地区。同时, 2000—2016年成都及其周边地区也是耕地种植指数年际变化最为剧烈的区域。

3)川西北高原区、攀西河谷区以及川东北大巴山地山麓部分区域为农业过度开发区, 占到四川省总耕地面积的10.30%, 是未来农业生态退耕还林还草的重点区域; 成都及其周边地区自然条件优越, 但可提升潜力相对于川东北和川南地区较小, 且非农就业机会、耕地非农化机率较大导致成都及其周边地区种植指数年际变化剧烈, 因而, 川东北和川南地区是未来提升耕地种植指数的理想区域, 其在耕地中的占比达65.6%。

[1] 卞新民, 冯金侠. 多元多熟种植制度复种指数计算方法探讨[J]. 南京农业大学学报, 1999, 22(1): 11–15 BIAN X M, FENG J X. Method of calculating cropping system index of diversified multiple cropping systems[J]. Journal of Nanjing Agricultural University, 1999, 22(1): 11–15

[2] 闫慧敏, 曹明奎, 刘纪远, 等. 基于多时相遥感信息的中国农业种植制度空间格局研究[J]. 农业工程学报, 2005, 21(4): 85–90 YAN H M, CAO M K, LIU J Y, et al. Characterizing spatial patterns of multiple cropping system in China from multi-temporal remote sensing images[J]. Transactions of the CSAE, 2005, 21(4): 85–90

[3] Pryor F L. The invention of the plow[J]. Comparative Studies in Society & History, 1985, 27(4): 727–743

[4] 刘巽浩, 陈阜, 吴尧. 多熟种植——中国农业的中流砥柱[J]. 作物杂志, 2015, (6): 1–9 LIU X H, CHEN F, WU Y. Multiple cropping: The principal part of China’s agriculture[J]. Crops, 2015, (6): 1–9

[5] 何文斯, 吴文斌, 余强毅, 等. 1980—2010年中国耕地复种可提升潜力空间格局变化[J]. 中国农业资源与区划, 2016, 37(11): 7–14 HE W S, WU W B, YU Q Y, et al. Changes in spatio-temporal distribution of potential increment multiple cropping in China during 1980-2010[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(11): 7–14

[6] 左丽君, 张增祥, 董婷婷, 等. 耕地复种指数研究的国内外进展[J]. 自然资源学报, 2009, 24(3): 553–560 ZOU L J, ZHANG Z X, DONG T T, et al. Progress in the research on the multiple cropping index[J]. Journal of Natural Resources, 2009, 24(3): 553–560

[7] 杨忍, 刘彦随, 陈玉福, 等. 环渤海地区耕地复种指数时空变化遥感反演及影响因素探测[J]. 地理科学, 2013, 33(5): 588–593 YANG R, LIU Y S, CHEN Y F, et al. The remote sensing inversion for spatial and temporal changes of multiple cropping index and detection for influencing factors around Bohai rim in China[J]. Scientia Geographica Sinica, 2013, 33(5): 588–593

[8] 范锦龙, 吴炳方. 基于GIS的复种指数潜力研究[J]. 遥感学报, 2004, 8(6): 637–644 FAN J L, WU B F. A study on cropping index potential based on GIS[J]. Journal of Remote Sensing, 2004, 8(6): 637–644

[9] 谢花林, 刘桂英. 1998—2012年中国耕地复种指数时空差异及动因[J]. 地理学报, 2015, 70(4): 604–614 XIE H L, LIU G Y. Spatiotemporal difference and determinants of multiple cropping index in China during 1998–2012[J]. Acta Geographica Sinica, 2015, 70(4): 604–614

[10] 谢花林, 邹金浪, 彭小琳. 基于能值的鄱阳湖生态经济区耕地利用集约度时空差异分析[J]. 地理学报, 2012, 67(7): 889–902 XIE H L, ZOU J L, PENG X L. Spatial-temporal difference analysis of cultivated land use intensity based on emergy in Poyang Lake Eco-Economic Zone[J]. Acta Geographica Sinica, 2012, 67(7): 889–902

[11] 刘成武, 李秀彬. 基于生产成本的中国农地利用集约度的变化特征[J]. 自然资源学报, 2006, 21(1): 9–15 LIU C W, LI X B. The changing characteristics of agricultural land use intensity in China based on the production cost[J]. Journal of Natural Resources, 2006, 21(1): 9–15

[12] 闫慧敏, 刘纪远, 曹明奎. 近20年中国耕地复种指数的时空变化[J]. 地理学报, 2005, 60(4): 559–566 YAN H M, LIU J Y, CAO M K. Remotely sensed multiple cropping index variations in China during 1981—2000[J]. Acta Geographica Sinica, 2005, 60(4): 559–566

[13] 汪涌, 王滨, 马仓, 等. 基于耕地面积订正的中国复种指数研究[J]. 中国土地科学, 2008, 22(12): 46–52 WANG Y, WANG B, MA C, et al. Study on the multiple cropping index based on revised cultivated land area in China[J]. China Land Science, 2008, 22(12): 46–52

[14] 石淑芹, 曹玉青, 吴文斌, 等. 耕地集约化评价指标体系与评价方法研究进展[J]. 中国农业科学, 2017, 50(7): 1210–1222 SHI S Q, CAO Y Q, WU W B, et al. Progresses in research of evaluation index system and its method on arable land intensification: A review[J]. Scientia Agricultura Sinica, 2017, 50(7): 1210–1222

[15] 徐昔保, 杨桂山. 太湖流域1995—2010年耕地复种指数时空变化遥感分析[J]. 农业工程学报, 2013, 29(3): 148–155 XU X B, YANG G S. Spatial and temporal changes of multiple cropping index in 1995-2010 in Taihu Lake Basin, China[J]. Transactions of the CASE, 2013, 29(3): 148–155

[16] 张霞, 焦全军, 张兵, 等. 利用MODIS—EVI图像时间序列提取作物种植模式初探[J]. 农业工程学报, 2008, 24(5): 161–165 ZHANG X, JIAO Q J, ZHANG B, et al. Preliminary study on cropping pattern mapping using MODIS-EVI image time series[J]. Transactions of the CSAE, 2008, 24(5): 161–165

[17] 朱孝林, 李强, 沈妙根, 等. 基于多时相NDVI数据的复种指数提取方法研究[J]. 自然资源学报, 2008, 23(3): 534–544ZHU X L, LI Q, SHEN M G, et al. A methodology for multiple cropping index extraction based on NDVI time-series[J]. Journal of Natural Resources, 2008, 23(3): 534–544

[18] 彭代亮, 黄敬峰, 金辉民. 基于MODIS-NDVI的浙江省耕地复种指数监测[J]. 中国农业科学, 2006, 39(7): 1352–1357 PENG D L, HUANG J F, JIN H M. The monitoring for sequential cropping index of arable land in Zhejiang Province using MODIS-NDVI[J]. Scientia Agricultura Sinica, 2006, 39(7): 1352–1357

[19] 张峰, 吴炳方, 刘成林, 等. 利用时序植被指数监测作物物候的方法研究[J]. 农业工程学报, 2004, 20(1): 155–159 ZHANG F, WU B F, LIU C L, et al. Methods of monitoring crop phonological stages using time series of vegetation indicator[J]. Transactions of the CSAE, 2004, 20(1): 155–159

[20] 王文国, 何明雄, 潘科, 等. 四川省水资源生态足迹与生态承载力的时空分析[J]. 自然资源学报, 2011, 26(9): 1555–1565WANG W G, HE M X, PAN K, et al. Analysis of spatio-temporal characteristics of water resources ecological footprint and ecological carrying capacity in Sichuan Province[J]. Journal of Natural Resources, 2011, 26(9): 1555–1565

[21] 梁涛, 陈轩敬, 赵亚南, 等. 四川盆地水稻产量对基础地力与施肥的响应[J]. 中国农业科学, 2015, 48(23): 4759–4768 LIANG T, CHEN X J, ZHAO Y N, et al. Response of rice yield to inherent soil productivity of paddies and fertilization in Sichuan Basin[J]. Scientia Agricultura Sinica, 2015, 48(23): 4759–4768

[22] 冯小琼, 陈军辉, 姜涛, 等. 四川省2005—2014年农业源氨排放清单及分布特征[J]. 环境科学, 2017, 38(7): 2728–2737 FENG X Q, CHEN J H, JIANG T, et al. Agricultural ammonia emission inventory and its spatial distribution in Sichuan Province from 2005 to 2014[J]. Environmental Science, 2017, 38(7): 2728–2737

[23] 刘卫东, 石承苍, 任国业. 四川省农业功能区划研究[J]. 中国农业资源与区划, 2008, 29(3): 27–32 LIU W D, SHI C C, REN G Y. Studies on regional planning of agriculture function of Sichuan Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2008, 29(3): 27–32

[24] 林正雨, 何鹏, 李晓, 等. 基于耕地压力指数的四川省粮食安全状况研究[J]. 中国农业资源与区划, 2015, 36(7): 19–24 LIN Z Y, HE P, LI X, et al. Food security of Sichuan Province based on cropland pressure index[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(7): 19–24

[25] 林正雨, 何鹏, 李晓, 等. 四川省粮食安全状况研究[J]. 中国农学通报, 2015, 31(6): 284–290 LIN Z Y, HE P, LI X, et al. Study on food security in Sichuan Province[J]. Chinese Agricultural Science Bulletin, 2015, 31(6): 284–290

[26] 曾雨晴, 潘洪义, 周介铭. 基于灰色马尔科夫模型的四川省耕地面积及耕地压力指数的分析与预测[J]. 江苏农业科学, 2016, 44(9): 447–451 ZENG Y Q, PAN H Y, ZHOU J M. Analysis and prediction of cropland area and pressure index in Sichuan Province based on grey Markov model[J]. Jiangsu Agricultural Sciences, 2016, 44(9): 447–451

[27] 江东, 王乃斌, 杨小唤, 等. NDVI曲线与农作物长势的时序互动规律[J]. 生态学报, 2002, 22(2): 247–252 JIANG D, WANG N B, YANG X H, et al. Principles of the interaction between NDVI profile and the growing situation of crops[J]. Acta Ecologica Sinica, 2002, 22(2): 247–252

[28] 张宏斌, 杨桂霞, 李刚, 等. 基于MODIS-NDVI和NOAA- NDVI数据的空间尺度转换方法研究——以内蒙古草原区为例[J]. 草业科学, 2009, 26(10): 39–45 ZHANG H B, YANG G X, LI G, et al. Study on the MODIS NDVI and NOAA NDVI based spatial scaling method — A case study in Inner Mongolia[J]. Pratacultural Science, 2009, 26(10): 39–45

[29] 边金虎, 李爱农, 宋梦强, 等. MODIS植被指数时间序列Savitzky-Golay滤波算法重构[J]. 遥感学报, 2010, 14(4): 725–741BIAN J H, LI A N, SONG M Q, et al. Reconstruction of NDVI time-series datasets of MODIS based on Savitzky-Golay filter[J]. Journal of Remote Sensing, 2010, 14(4): 725–741

[30] 唐鹏钦, 姚艳敏, 吴文斌, 等. 基于遥感技术的耕地复种指数研究进展[J]. 中国农业资源与区划, 2010, 31(2): 21–27 TANG P Q, YAO Y M, WU W B, et al. Progress in multiple crop index based on remote-sensing technologies[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2010, 31(2): 21–27

[31] 张晗, 任志远. 多种时序NDVI重建方法比较与应用分析[J]. 中国农业科学, 2014, 47(15): 2998–3008 ZHANG H, REN Z Y. Comparison and application analysis of several NDVI time-series reconstruction methods[J]. Scientia Agricultura Sinica, 2014, 47(15): 2998–3008

[32] 殷悦, 陈倩, 时光训. NDVI时间序列数据的去噪重建方法对比[J]. 江苏科技信息, 2017, (7): 39–47 YIN Y, CHEN Q, SHI G X. Comparison of techniques for reconstructing NDVI time series data sets[J]. Jiangsu Science & Technology Information, 2017, (7): 39–47

[33] HIRD J N, MCDERMID G J. Noise reduction of NDVI time series: An empirical comparison of selected techniques[J]. Remote Sensing of Environment, 2009, 113(1): 248–258

[34] 曹云锋, 王正兴, 邓芳萍. 3种滤波算法对NDVI高质量数据保真性研究[J]. 遥感技术与应用, 2010, 25(1): 118–125 CAO Y F, WANG Z X, DENG F P. Fidelity performance of three filters for high quality NDVI time-series analysis[J]. Remote Sensing Technology and Application, 2010, 25(1): 118–125

[35] 吴文斌, 杨鹏, 唐华俊, 等. 两种NDVI时间序列数据拟合方法比较[J]. 农业工程学报, 2009, 25(11): 183–188 WU W B, YANG P, TANG H J, et al. Comparison of two fitting methods of NDVI time series datasets[J]. Transactions of the CSAE, 2009, 25(11): 183–188

[36] RAMACHANDRAN B, JUSTICE C O, ABRAMS M J. Land Remote Sensing and Global Environmental Change[M]. New York: Springer, 2011

[37] 周增光, 唐娉. 基于质量权重的Savitzky-Golay时间序列滤波方法[J]. 遥感技术与应用, 2013, 28(2): 232–239 ZHOU Z G, TANG P. VI-quality-based Savitzky-Golay method for filtering time series data[J]. Remote Sensing Technology and Application, 2013, 28(2): 232–239

[38] 申健, 常庆瑞, 李粉玲, 等. 2000—2013年关中地区耕地复种指数遥感动态监测[J]. 农业机械学报, 2016, 47(8): 280–287 SHEN J, CHANG Q R, LI F L, et al. Dynamic monitoring of cropping index in Guanzhong area using remote sensing in 2000—2013[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(8): 280–287

[39] 梁守真, 马万栋, 施平, 等. 基于MODIS NDVI数据的复种指数监测——以环渤海地区为例[J]. 中国生态农业学报, 2012, 20(12): 1657–1663 LIANG S Z, MA W D, SHI P, et al. Monitoring multiple cropping index using MODIS NDVI data — A case study of Bohai Rim[J]. Chinese Journal of Eco-Agriculture, 2012, 20(12): 1657–1663

[40] 高应波, 柳钦火, 李静, 等. 基于时序植被指数特征时相识别的多熟制耕地提取新方法[J]. 遥感技术与应用, 2015, 30(3): 431–438 GAO Y B, LIU Q H, LI J, et al. A new methodology for extracting multiple cropping land based on distinguishing characteristic phases of time series vegetation index[J]. Remote Sensing Technology and Application, 2015, 30(3): 431–438

[41] 范锦龙, 吴炳方. 复种指数遥感监测方法[J]. 遥感学报, 2004, 8(6): 628–636 FAN J L, WU B F. A methodology for retrieving cropping index from NDVI profile[J]. Journal of Remote Sensing, 2004, 8(6): 628–636

[42] 丁明军, 陈倩, 辛良杰, 等. 1999—2013年中国耕地复种指数的时空演变格局[J]. 地理学报, 2015, 70(7): 1080–1090 DING M J, CHEN Q, XIN L J, et al. Spatial and temporal variations of multiple cropping index in China based on SPOT-NDVI during 1999–2013[J]. Acta Geographica Sinica, 2015, 70(7): 1080–1090

Spatio-temporal evolution and potential analysis of cropping index in Sichuan Province during 2000-2016*

TIAN Luo, ZHOU Wenzuo**, HE Wanhua, ZHAO Xiao, LIU Donghong, ZHANG Jincheng

(School of Geographic Science, Southwest University, Chongqing 400715, China)

Cropping index is one of the basic indexes used to measure use intensity, space-time distribution and changes of farmlands at regional scale, which is essential for basis agricultural decision-making. To investigate cropping indexes, the related changes and potential cropping indexes of farmlands in Sichuan Province, a long-term (2000–2016) series of MODIS-NDVI remote sensing data products were used to reconstruct NDVI time-series curve using Asymmetric Gauss Fitting Function (AGFF). The peak frequencies of the NDVI time-series curves were used for determining the spatial distributions and temporal changes of annual cropping indexes by using the second order difference method. Then the spatial pattern of potential and promotable potential cropping indexes of farmland in Sichuan Province were simulated using the temperature-rainfall model, meteorological data and land-use maps to refine farmland dynamics in the region. The aim of the study was to provide scientifically-drive recommendations to local governments on the regulation of intensive development of farmlands in the study area. The results showed that single cropping pattern, which made up 78.05% of cultivated land, was the main cropping system in Sichuan Province for the period 2000–2016. This mainly distributed in the Northwest Sichuan Plateau region, Northeast Sichuan, Southwest Sichuan Hilly area and Panxi Valley region. The double cropping system mainly distributed in Chengdu region and the surroundings. Overall, the spatial distribution of cropping index (MCI) in Sichuan Province decreased in trend from Chengdu and the surroundings to other regions. According to the promotable and potential cropping indexes, Sichuan Province had 89.7% of cultivated land with higher promotable potential in multiple cropping. Chengdu and the surroundings had lower promotable potential cropping index (PMCIp< 50%) and higher inter-annual fluctuation (standard deviation of cropping index > 60%) than other regions in Sichuan Province. Cultivated land in the northeastern and southern areas of Sichuan (which accounted for 65.6% of the total area of Sichuan), was higher in promotable potential cropping index (PMCIp≥50%) and less inter-annual fluctuation compared with Chengdu and the surroundings. There was the likelihood for this to become the best suitable land with the highest cropping index in Sichuan Province. Accounting for 10.3% of cultivated land area of Sichuan in the northwest and northeast mountainous areas (with negative promotable cropping index) formed the main region of agricultural over-development in the study area. There was therefore the need to classify these farmlands into ecological restoration areas.The cropping indexes extracted by integrating the phenology of crops and long-term series of remote sensing data were significantly correlated with the statistics values in Sichuan, indicating the method was applicable in evaluation of cropping index in provincial scale. The result was beneficial reference to policy decision of regional planting structure.

Sichuan Province; Multiple cropping of farmland;Cropping index; Potential cropping index; MODIS-NDVI; Temperature-rainfall model

, E-mail: zhouwz@swu.edu.cn

Nov. 24, 2017;

Jan. 18, 2018

S127

A

1671-3990(2018)08-1206-11

10.13930/j.cnki.cjea.171086

* 科技基础资源调查专项课题(2017FY100901-4)资助

周文佐, 主要从事遥感与GIS在资源与环境中的应用研究。E-mail: zhouwz@swu.edu.cn 田罗, 主要从事GIS与RS在农业领域的应用研究。E-mail: awei32@outlook.com

2017-11-24

2018-01-18

* This study was supported by the Project of National Science & Technology Basic Resources Investigation of China (2017FY100901-4).

田罗, 周文佐, 何万华, 赵晓, 刘东红, 章金城. 2000—2016年四川省耕地种植指数时空变化及其自然潜力分析[J]. 中国生态农业学报, 2018, 26(8): 1206-1216

TIAN L, ZHOU W Z, HE W H, ZHAO X, LIU D H, ZHANG J C. Spatio-temporal evolution and potential analysis of cropping index in Sichuan Province during 2000-2016[J]. Chinese Journal of Eco-Agriculture, 2018, 26(8): 1206-1216