基于NDVI和GF影像的冬季未种植耕地遥感识别——以遵义市为例

李光一廖留峰段莹姚熠唐红祥

(1.贵州省气象局/贵州省生态气象和卫星遥感中心，贵州 贵阳 550002；2.贵州省遵义市气象局，贵州 遵义 563000)

引言

人多地少是我国的基本国情，2020年国务院第七次全国人口普查数据显示，我国人口虽增速缓慢，但近10a以来人口总量持续增长，2020年总人口数达14.12亿人，约占全球总人口18%，仍然是世界第一人口大国[1]。耕地作为一直稀缺资源，是人类生存的基本食物来源。据国土资源部国家统计局第二次[2]和第三次[3]全国土地资源调查数据显示，全国耕地面积由135.4万km2减少至134.9万km2，随着我国人口增长以及工业化、城市化的快速发展，全国耕地面积已呈现出不断减少、质量不断退化的局面，严重危害着国家粮食安全、生态环境安全和社会稳定[4]。近20a以来，由于我国经济结构的调整以及农村劳动力的转移，越来越多的农户放弃了秋季播种，导致土地秋收后至第2年播种前这段时间被大量闲置[5]，未种植的耕地必将造成土地利用率进一步下降，无形中浪费了光热水土资源。故此，对于农民和国家来说加强冬季耕地种植情况监测、合理开发未种植地，将有助于生态环境保护以及农村经济社会可持续发展。

目前，遥感技术作为一种客观、及时的土地利用监测手段，是农作物种植面积提取的方法之一，在统计、农业、生态等部门中被广泛应用[6]，如马玲玲[7]利用遥感和农户调查相结合的方法，研究了内蒙古自治区和林格尔县耕地时空变化特征。此外，针对农作物物候变化特征，长时间序列的遥感数据产品为作物种植情况监测提供了重要的数据支撑，在作物信息提取方面有很大帮助。阿里木江·吐斯依提等[8]利用多年MODIS/NDVI时间序列数据，进行了山东省耕地撂荒情况遥感调查分析；于信芳等[9]采用MODIS/NDVI时序数据对东北森林的物候进行了监测。因此，利用遥感技术快速提取冬季未种植耕地是现阶段较为理想的解决方案[10,11]，但在方法研究方面还处于探索阶段。翟孟源等[12]基于长时间序列SPOT-VEGETATION NDVI数据构建动态阈值法，以长江中下游农业区为试验区提取了冬季闲田的空间分布和闲置时间；左丽君等[13]采用时间序列谐波分析法(HANTS)进行了耕地和作物识别，对比了MODIS/NDVI与MODIS/EVI在耕地信息提取中的差异；李文梅等[14]基于MODIS/NDVI时序数据变化曲线，利用阈值与监督分类法相结合的分类方法得到了湖北省各县的冬季闲田分布，但该算法相对理想化，忽略了未种植耕地的实际情况；马尚杰等[6]基于高分影像与光谱识别法提取冬季作物空间分布，通过对比分析冬季耕地撂荒情况；王红等[15]提出了一种结合地表温度的冬闲田遥感提取方法，利用随机森林和支持向量机对农田利用情况进行分类，该方法并未对冬闲田进行清晰定义，存在误分和混分现象；张淼等[16]通过实地采样确定作物种植阈值，并结合拉格朗日三点插值法提取NDVI序列极值点构建判定规则以识别阿根廷地区未种植耕地，该方法避免了龙格现象对结果的影响，但研究区覆盖面积较大，采用相同的阈值参数进行耕地识别势必会因为地域气候差异等引入分类误差。

鉴于以上分析，本文以遵义市为例基于MODIS/NDVI时间序列与国产高分影像为数据源，利用植被指数时间序列变化曲线，开展多年冬季未种植耕地识别与提取的试验性研究，不仅有助于当地制定生态环境保护政策，也为合理高效利用土地资源提供科学依据。

1 试验区概况

遵义市位于贵州省北部，南临贵阳、北倚重庆、西接四川，地处国家规划长江中上游综合开发和黔中经济区综合开发重要区域，见图1。辖区面积30750km2，海拔高度一般在800～1300m，河流以乌江、赤水河和綦江3大水系为主，均属于长江流域。遵义市地处低纬，属亚热带湿润性季风气候，雨量丰沛，气候宜人，冬季最冷时期极端最低气温只有-7.1℃(1977年1月30日)，历年最热时期极端最高气温也只有38.7℃(1953年8月18日)。

图1 遵义市地理位置

全市耕地以种植农作物为主，主要有水稻、玉米、油菜、小麦、红薯、辣椒等。根据《遵义市第三次全国农业普查主要数据公报》和《第七次全国人口普查主要数据》显示，遵义市耕地面积840.53千hm2，常住人口660.67万人，人均耕地0.13hm2，若按人均年占有粮食400kg计，需粮食总产量264万t。《2020年遵义市国民经济和社会发展统计公报》数据显示，2016—2020年全市粮食产量下降趋势明显见图2，2020年粮食播种面积61.13万hm2，其中夏粮播种面积19.97万hm2，秋粮播种面积41.16万hm2；粮食总产量226.78万t，其中夏粮产量54.85万t，秋粮产量171.93万t。该地区虽人均耕地高于全国人均耕地水平(0.10hm2)，但粮食总产量比2016年减少了25.5%，2018年以来粮食总产量有所回升，但变化趋势不大。随着人口增长和农村劳动力的转移，加强耕地种植情况动态监测势在必行，对国家粮食安全和社会经济稳定具有重要意义。

图2 2016—2020年遵义市粮食总产量

2 数据与方法

2.1 数据来源

归一化植被指数(Normalized Difference Vegetation Index,NDVI)是许多学者常用的监测植被生长、作物长势、反映植被质量的参数之一。虽然NDVI对土壤背景的变化较为敏感，但由于NDVI可以消除大部分与太阳角、地形和大气条件有关辐照度的变化，增强对植被的响应能力，因此也是目前已有的40多种植被指数中应用最广的一种[17]。在遥感影像中，NDVI即近红外波段的反射值与红光波段的反射值之差与两者之和的比值，可通过美国航天局NASA网站下载MODIS产品获得(https://e4ftl01.cr.usgs.gov/MOLT/)，其中MOD13Q1属于陆地专题产品，全称为MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid。该数据采用Sinusoidal投影方式的3级网格数据产品，具有250m的空间分辨率，每隔16d提供1次，为研究近5个年度冬季未种植耕地分布情况，下载的数据为2016—2021年11月—第2年4月的影像，如2020—2021年度影像时序为2020305、2020321、2020337、2020353、2021001、2021017、2021033、2021049、2021065、2021081、2021097、2021113。

作为辅助数据的遵义市土地利用数据(Land use and Cover Change，LUCC)可通过中国科学院空天信息创新研究院提供的数据共享服务系统下载获得，系统于2020年发布了全球30米精细地表覆盖产品(GLC_FCS30_2020)，该数据集在2015年全球精细地表覆盖产品(GLC_FCS30-2015)的基础上，结合2019—2020年时序Landsat地表反射率数据、Sentinel-1SAR数据、DEM地形高程数据、全球专题辅助数据集以及先验知识数据集等生产的[18]，覆盖遵义地区的土地利用文件为GLC_FCS30_2020_E105N30，数据格式为GeoTiff，空间分辨率30m。高分二号数据(GF-2)由高分贵州中心下发，时间为2017—2021年1月，空间分辨率为1m。

2.2 方法

2.2.1 数据预处理

MRT(MODIS Reprojection Tool)是对MODIS影像进行批处理的有效工具之一，MOD13Q1数据格式为hdf，使用MRT可批量将数据集进行投影、拼接并转换为tif格式。基于python语言，调用arcpy工具包中掩膜提取工具批量提取研究区，并剔除NDVI影像中VALUE为-3000的无效值。由于NDVI为负值表示地面覆盖为云、水、雪等对可见光高反射，0表示有岩石或裸土等，因此将VALUE<0的值统一赋值为0，其余值乘以0.0001使NDVI属性值标准化为0～1。

土地利用数据GLC_FCS30_2020_E105N30中属性值10、20分别表示水田和旱地。通过ArcGIS掩膜提取工具(Extract by mask)与栅格计算器(Raster Calculator)可得到遵义耕地(水田、旱地)分布情况。高分二号影像通过泰坦超算平台进行投影、正射纠正、镶嵌等数据处理工作。

2.2.2 冬季未种植耕地提取方法

凭借高分卫星数据高分辨率的特点，在宏观尺度上进行地物判别时高分影像可替代了传统的实地采样方法。有研究表明，1月是耕地撂荒集中的季节[12]，故选取每年1月高分二号影像，通过目视解译的方法勾画未种植耕地图斑，未种植耕地在真彩色影像上呈现灰紫色的效果，如图3所示，统计并计算100个样本区NDVI均值K。由于高分影像与NDVI数据分辨率不一致，未种植耕地样本区中极易存在种植耕地导致采样值偏高，因此将NDVI均值降低20%作为未种植耕地的采样阈值SGF。

基于Python语言调用Arcpy工具包依次遍历并统计每个耕地栅格上11月—第2年4月NDVI最低值Sn，再对所有栅格最低值求平均作为该年度未种植耕地的阈值Savg。最终未种植耕地的动态阈值S计算过程如下：

(1)

SGF=K×(1-20%)

(2)

(3)

图3 同一景高分二号影像中种植耕地(左)与未种植耕地(右)(空间分辨率1m)

从图4可知，遵义市农作物NDVI低谷期集中在12月上旬—第2年3月中下旬(时序337-081)。11月秋季收割完毕以后，根据作物生长发育情况，如果种植越冬作物，那么NDVI会缓慢升高；如果上茬作物收获后，正常气候条件下耕地空闲30d以上,即NDVI连续30d以上保持不变或有所下降，则认为该区域为冬季闲置耕地。由此，如果某一栅格连续3期以上NDVI值低于动态阈值S，则认为该格点为未种植耕地。由于NDVI影像为16d一期，故根据参与运算的期数可进一步换算出冬季耕地闲置时间。

图4 遵义地区NDVI均值冬季变化趋势

3 结果与分析

3.1 识别未种植耕地的动态阈值

基于高分数据采样阈值与耕地NDVI最小值均值计算可获取识别冬季未种植耕地的动态阈值S，计算结果如表1所示。

表1 未种植耕地动态阈值选取

3.2 冬季未种植耕地面积统计

根据影像期数计算冬季未种植耕地闲置时间，分为5个时段即32～48d、38～64d、64～80d、80～96d以及96d以上，见表2。遵义市耕地面积为8405.3km2，其中冬季闲置时间为32～48d的未种植耕地面积最多，2019—2020年达1436.31km2，2020—2021年最少仅有45km2。闲置时间96d以上的耕地面积每年均不足1km2。2018—2019年虽冬季未种植耕地面积较多，但闲置情况相对较轻，闲置时间均在64d以内，且闲置48d以上的不足1km2。2016—2017年冬季未种植耕地面积虽不是最多，但部分耕地闲置时间较长，闲置时间64d以上的耕地面积共计50.63km2。

3.3 冬季未种植耕地空间变化

从图5f可以看出，近5a遵义冬季未种植耕地面积呈现先降后增再降的趋势。2016—2017年冬季未种植耕地面积达707.5km2，主要集中在遵义市红花岗区、播州区，闲置较为严重即闲置时间64d以上的耕地分布在习水县西部以及与赤水交界一带，见图5a。2017—2018年在政府的号召下消灭冬季闲田的措施初见成效，因地制宜种植冬季特色作物，相比2016—2017年同期未种植耕地总面积大幅减少，遵义市红花岗区较为明显，见图5b，且不同闲置时间长短的耕地面积均有减少，见表2。2018年后，因冬季作物收益甚至出现亏损现象，导致冬季未种植耕地面积连续两年呈增加趋势，凤岗、余庆、遵义市区等地增加明显，见图5c。

表2 2016—2021年冬季遵义市未种植耕地面积统计

2019—2020年冬季受新冠疫情影响，未种植耕地面积为近5a最大值即1458.25km2，占全区耕地面积的17.3%，闲置天数主要为32～48d，见表2，分布在与重庆接壤的道真、务川、正安以及中西部桐梓、习水等地，见图5d，其中务川局部地区闲田闲置时间达64d以上。为了严防严控打赢这场防疫仗，村落的封路、封村等措施许多租用土地的生产资料受到交通管制，不少地区原定的植保下乡、技术下乡等生产性服务被迫停止，导致种植户无法顺利开展农事工作，冬季闲置耕地面积最大。2020年8月遵义市农业农村局召开全市秋冬季农业产业结构调整工作会议，会议指出深入推进秋冬季农业产业结构调整是明晰农业产业发展计划，推动产业发展落地的重要手段。2020年10月遵义市汇川区人民政府《关于印发汇川区2020年秋冬季农业产业结构调整深入推进农业产业革命实施方案的通知》中明确提出，重点提高土地复种指数、资源利用率和土地产出率，加强秋冬季作物茬口衔接，实现一年多季、一地多收。在政府的政策指导下，2020—2021年冬季闲置32～48d的耕地面积仅有45km2，闲置48d以上耕地共3.02km2，未种植耕地总面积为近5a最小值即48.02km2，占全区耕地面积的3.2%，主要分布在西南部凤岗、湄潭等地，相比上年同期未种植耕地面积减少了96.7个百分点，遵义市汇川区、桐梓、务川、道真等地减少明显，见图5e，各地农业部门按“政府引导、部门帮扶、农户自愿”的原则，入户走访、大力宣传秋冬季农业生产各项惠农政策、先进技术等方式提高农户思想意识，着力把农业产业结构调好、调优、调出成效，进一步巩固脱贫攻坚成效，为实施乡村振兴战略奠定坚实了扎实的产业基础。

图5 2016—2021年冬季遵义未种植耕地空间分布

4 讨论

4.1 时间尺度对未种植耕地识别精度的影响

基于遥感技术提取冬季未种植耕地，主要依据在于在遥感影像上有作物的耕地和无作物的耕地植被指数变化趋势具有显著差异。目前，国内外利用遥感数据对冬季闲田以及闲置时间的监测研究还处于探索阶段。本研究以遵义为试验区，利用长时间序列的NDVI数据结合高分影像，提取了近5a冬季未种植耕地的空间分布及其闲置时间。由于MOD13Q1产品是16d合成的NDVI数据，不同作物的物候时间不一致，对于2个生长季作物生长间歇期较短的地区，轮作期间容易出现错分和误分类现象，则需要利用更高时间频率的数据开展研究，冬季未种植耕地的识别精度将会进一步提高。

4.2 高分影像采样阈值误差分析

NDVI数据空间分辨率为250m，而土地利用数据空间分辨率为30m，分辨率的不一致性使得在提取耕地NDVI时混合像元所包含的非耕地光谱信息势必会对结果的判释产生一定影响。此外，在采样阈值计算过程中，由于高分影像空间分辨率为1m，与NDVI数据空间分辨率相差较大，划定的未种植耕地样本区中极易存在种植耕地，导致采样值比真实值偏高，因此选择采样值的80%作为未种植耕地最终的采样阈值，虽然识别未种植耕地的阈值越低，其结果越真实可靠，但该处理方法未经考证，很可能对结果的解释出现偏差。在其他学者的研究中[16]，通过地面观测获得的地面样本数据选取了未种植耕地区域NDVI累计频率为98%处的NDVI值作为未种植耕地识别阈值即0.3，当两季作物轮作期时间较短时，轮作期内的NDVI最低值有可能高于未种植耕地识别阈值(NDVI=0.3)，无法体现轮作期内裸露耕地的较低NDVI值及变化趋势。而在本研究中，高分采样阈值为0.27上下不等，但通过统计发现11月—第2年4月耕地NDVI最低值均在0.01～0.03，因此本文选取NDVI最低值对采样阈值进行订正，计算两者均值作为最终未种植耕地阈值。该方法不仅引入了未种植耕地样本区NDVI值，还考虑了耕地中NDVI最低值的变化情况，对于不同年份采用动态阈值监测耕地种植情况，使冬季未种植耕地提取结果更加严谨可靠，避免了方法单一性以及数据片面性引起的精度误差。

5 结论

本研究综合采样阈值法和耕地最小植被指数变化分析了近5a遵义市冬季耕地利用情况，提取了不同年份未种植耕地空间分布以及闲置时间。研究结果表明，遵义市冬季耕地闲置时间集中在32～64d，2016—2017年、2018—2019年、2019—2020年冬季未种植耕地面积较多，其中2016—2017年闲置时间64d以上耕地面积为近5a最大值，部分地区耕地闲置情况较为严重。空间上，遵义市红花岗区、播州区以及桐梓、务川、正安、余庆、凤岗等地NDVI低值持续时间较长，2016—2021年仁怀、绥阳、湄潭等地冬季耕地闲置情况较轻，土地利用率保持良好。受疫情影响,2019—2020年冬季未种植耕地面积达近5a最大值，涉及区县最多，2020年下半年在政府的政策帮扶下，通过土地流转、财政补助、技术指导等调整农业产业结构，快速高效地恢复规模化作物种植，以最大限度提高冬季耕地利用效率和耕地产出率，2021年年初未种植耕地相比上年同期大幅减少，政府的农业扶持政策成效显著。

目前，在相关农业研究中尚未对冬季未种植耕地或冬闲田作出标准的定义解释，也未形成一套成熟的方法体系。因此，针对冬季未种植耕地遥感提取工作，未来需要进一步考虑不同作物的物候特征，结合土壤、气候等影像作物生长的背景信息，利用高空间分辨率和高时频遥感数据，选取能够精确表征作物生育变化的特征值，构建有效的提取算法，实现冬季未种植耕地动态变化识别，并开展实地调查验证，不仅能够为区域耕地资源的合理开发利用提供快速准确的科学依据，同时对国家粮食安全、社会稳定以及农村经济社会可持续发展具有重要实际意义。