基于时序归一化植被指数的撂荒地调查研究

阿力木江·吐斯依提，朱秀芳，努尔麦麦提·艾尔肯

（1. 新疆农业大学管理学院，新疆·乌鲁木齐 830052；2. 北京师范大学地表过程与资源生态国家重点实验室，北京 100875；3. 北京师范大学资源学院，北京 100875；4. 新疆农业大学草业与环境科学学院，新疆·乌鲁木齐 830052）

基于时序归一化植被指数的撂荒地调查研究

阿力木江·吐斯依提1，朱秀芳2,3*，努尔麦麦提·艾尔肯4

（1. 新疆农业大学管理学院，新疆·乌鲁木齐 830052；2. 北京师范大学地表过程与资源生态国家重点实验室，北京 100875；3. 北京师范大学资源学院，北京 100875；4. 新疆农业大学草业与环境科学学院，新疆·乌鲁木齐 830052）

撂荒地的调查研究对国家粮食安全战略、区域土地资源的合理利用和生态环境的改善有重要意义。本文基于Modis/Terra2000-2015年的NDVI影像，结合2000和2010年土地利用现状图，通过典型地物时间序列曲线的变化，分析了山东省自2000年起耕地范围内NDVI光谱曲线的变化，对耕地撂荒进行调查研究。结果表明：利用NDVI数据产品的光谱曲线组成时间序列，能够识别出耕地撂荒等演替变化，而且能够识别出开始撂荒的时间和撂荒持续的时间，具有可行性。

土地利用；撂荒地；遥感；归一化植被指数(NDVI)；时间序列

目前在经济效益的驱使下，我国农村经济、经营行为呈现出多元化、多样化，在此背景下，粮食生产效率低下，许多农村出现了耕地撂荒的现象[1]。耕地撂荒严重影响了我国的粮食产量，成为中国近年来耕地利用过程中出现的又一重大问题。撂荒地的调查研究对国家粮食安全战略、区域土地资源的合理利用和生态环境的改善有着重要意义[2]。

有关学者研究认为，中国耕地撂荒问题自20世纪80年代以来反复出现，比较大的土地抛荒有三次：第一次出现在80年代中后期；第二次出现在1992年前后；第三次始于1997年，至今尚未结束[3]。

目前国内学者从不同角度对土地撂荒进行了研究：谭术魁通过大量的统计资料和调研数据，总结了农民撂荒耕地的原因[4]；通过指标演绎法确定用于描述耕地撂荒程度的指标，划分撂荒耕地的可持续利用模式[5]；唐代盛等运用制度分析方法揭示了土地撂荒原因，并提出以制度创新等方法遏制撂荒现象的对策[6]；李赞红以重庆市12个典型村为例，在农户类型划分的基础上，定量分析了不同类型农户撂荒的影响因素[7]。但在调查方法、研究范围、时效性等方面还存在不足。遥感技术具有获取数据范围广、时效快、成本低等特点，可以解决目前撂荒调查中存在的问题，然而有关利用遥感技术进行撂荒地识别研究还鲜有报道。

本文利用遥感的方法，选取沿海粮食大省山东为研究区域，利用NDVI时间序列来分析省级区域范围的耕地演替的变化特征，开展撂荒地调查，以便为区域资源合理利用和生态环境的改善提供理论依据。

1 研究区概况及数据源

1.1 研究区概况

山东省位于中国东部沿海，总面积15.8万km2。中部为鲁中南山地丘陵区，西部、北部是黄河冲积而成的鲁西北平原区。生物资源丰富，农产品种类繁多，粮食作物产量较大，是全国粮食和经济作物重点地区[8]。近年来随着城市化的加速、农村人口涌入城市务工经商，出现了大量的撂荒现象,严重影响到山东省的粮食产量。因此对撂荒地的调查研究，采取必要措施提出耕地保护对策，整治土地撂荒，成为研究区土地资源合理利用的关键要素之一。

1.2 数据来源及预处理

（1）数据来源

本文采用的遥感数据包括Goddard Space Flight Center的Modis/Terra（上午星）2000年11月30日-2015年12月31日共15年的13Q1数据产品，该数据时间间隔为16d，影像空间分辨率为250m×250m；中科院资源环境科学数据中心的2000和2010年山东省土地利用现状图，影像空间分辨率为30m×30m。

（2）预处理

借助ENVI/IDL对2000-2015年的Modis/Terra 13Q1数据，进行影像格式转换、投影转换、图层叠加、拼接等批量处理。为了从原始图像中筛选有助于撂荒信息提取的波段，对影像进行了去噪处理。去噪时，为达到既能去除噪声又能保持原数据的本身特征，借助以往研究结论[9～12]，采用Savitzky-Golay滤波(以下简称S-G滤波)去噪方法，其效果较为理想(图1)。

图1 NDVI影像S-G滤波前后波谱曲线对比（2000年为例）Fig.1 Comparison curves of NDVI images' S-G flter (in 2000)

2 研究方法

归一化植被指数（normalized difference vegetation index，NDVI）是表征地表植被特征的重要指标[13,14]。研究者可以利用时间序列NDVI光谱曲线的变化，通过与采样典型地物的波谱曲线特征作比较，实现反演特定空间内地物演替变化的过程，亦可识别出撂荒地[15,16]。

2.1 技术流程

本文撂荒地的识别基本流程如图2所示：从研究区2000年土地利用现状图中提取耕地信息，对2000-2015年的NDVI影像进行掩膜处理，得出研究区耕地范围内的NDVI影像数据，并对其进行去噪等处理。利用处理之后的影像，借助2010年的土地利用分类图对典型地物进行重采样，得出典型地物的波谱曲线及其NDVI数值范围。绘制出原先耕地15年的NDVI时间序列曲线，对曲线进行特征分析，再经过与典型地物波谱曲线和数值进行比较，从而识别撂荒地。

图2 技术流程图Fig.2 The technique fow chart

2.2 典型地物波谱曲线

借助2010年土地分类影像的提取出各个典型地物的矢量文件，借用矢量文件的空间位置获得NDVI影像典型地物的平均光谱曲线（图3），分析曲线特征，为确立判断准则提供依据。

3 结果分析

基于上述提取的典型地物平均波谱曲线分析得出，耕地的NDVI波谱曲线特征为取值范围在0.1～0.6，有明显双峰；林地与草地的取值范围在0.1～0.7，存在单个波峰，且峰值相对较高；建筑用地的取值范围是-0.1～0.4，存在单个波峰，且峰值相对较低；撂荒地的取值范围0.1～0.6，存在单个波峰，其峰值比草地和林地低，但比建筑用地高。

图3 典型地物平均波谱曲线Fig.3 Average spectral curves of typical ground object

根据这些特点，选择以下特征与阈值为判断依据：如峰值呈双峰，则判断为耕地；如为单峰，当光谱曲线均值的MAXmean＜0.4，则为建筑用地；若光谱曲线均值MAXmean≥0.6，则为林地或草地；若光谱曲线均值为0.4～0.6，则为撂荒地。

图4 采样点NDVI时间序列曲线图Fig.4 Time series VDVI curves of samples

通过再次采样，得出图4所示的地物类型，其中耕地(图4a)、林地或草地(图4b)、建筑用地(图4c)、以及撂荒地(图4d)基本与2010年典型地物采样的结果一致，只是单个峰值有微小的波动变化。其中图4c中的建筑用地出现NDVI值的变化或许是由于采样点并非纯像元，可能含有零星植被的混合像元所致。图4e在2000-2003年波谱曲线明显有耕地的特征，2003-2006波谱曲线表现出林地或草地的特征曲线，2006-2016这十年间，波谱曲线表现出撂荒地的特征，这一持续时间超过撂荒定义的1年，故此采样点2000-2003为耕地，2003-2006为草地或者林地，2006-2016年为撂荒地的演替。

4 结论与讨论

本文利用遥感的方法，选取东南沿海粮食大省——山东省为研究区域，主要利用2000-2015年NDVI影像的时间序列特征，分析大中尺度的耕地撂荒的调查，并尝试确定耕地演替为撂荒地等其它地类时的时间点，研究得出利用Modis/Terra的NDVI数据产品组成时间序列，能够识别出耕地撂荒等演替变化，而且能够识别出开始撂荒的时间和撂荒持续的时间，具有可行性。

在本次研究中发现也有值得探讨的地方:

（1）本文通过中国科学院资源环境科学数据中心提供的土地利用分类图做掩摸，提取地物信息，若采用其它分类数据，或者换用非求各地类均值的方法，各种典型地类波谱曲线取值范围可能会有不同的结果。

（2）在推广到其它区域时，由于研究区的物候物种等方面的差异，会影响到所该方法判断准则的应用，需要结合研究区的实际情况，对判断准则做出适当的改变。

References)

[1] 马清欣,何三林. 对当前农村耕地撂荒和耕地质量下降问题的探讨[J]. 中国农业资源与区划,2002,23(4):22-24. Ma Q X, He S L. To probe into the problems of arable land wasting and its quality declining in rural areas at present[J]. Journal of China Agricultural Resources and Regional Planning, 2002, 23(4):22-24.

[2] 陈美球,王庆日. 农村土地管理制度改革试验需要系统思维[J].上海国土资源,2016,37(1):1-3. Chen M Q, Wang Q R. Reforms in the rural land management policy based on the system strategy[J]. Shanghai Land & Resources, 2016,37(1):1-3.

[3] 王春艳. 农村土地抛荒问题研究[J]. 法制与社会,2008,32(11):270-271. Wang C Y. Study on the problem of farmland abandoning issue in rural areas[J]. Legal System and Society, 2008,32(11):270-271.

[4] 谭术魁. 农民为何撂荒耕地[J]. 中国土地科学,2001,15(5):34-38. Tan S K. Why are farmers abandoned farmland[J]. China Land Science, 2001,15(5):34-38.

[5] 谭术魁. 耕地撂荒程度描述,可持续性评判指标体系及其模式[J].中国土地科学,2003,17(6):3-8. Tan S K. Extent description and index system of sustainability judgment and its pattern of cultivated land abandoned[J]. China Land Science, 2003,17(6):3-8.

[6] 唐代盛,李春兰,胡豪. 土地“撂荒”的制度分析及对策[J]. 财经科学,2002,(2):116-120. Tang D S, Li C L, Hu H. Analysis and countermeasure of land abandoned[J]. Finance & Economics, 2002,(2):116-120.

[7] 李赞红,阎建忠,花晓波. 不同类型农户撂荒及其影响因素研究[J]. 地理研究,2014,33(4):721-734. Li Z H, Yan J Z, Hua X B. Factors infuencing the cultivated land abandonment of households of different types[J]. Geographical Research, 2014, 33(4):721-734.

[8] 李念春. 黄河三角洲高效生态经济区地质环境承载力评价研究[J]. 上海国土资源,2016,37(1):77-81. Li N C. The geological environment carrying capacity study of Yellow River Delta high-effciency ecological economic zone[J]. Shanghai Land & Resources, 2016,37(1):77-81.

[9] 吕婷婷,刘闯. 基于MODIS数据的泰国耕地信息提取[J]. 农业工程学报,2010,26(2):244-250. Lü T T, Liu C. Extraction of information of cultivated land using time-series MODIS data in Thailand[J]. Transactions Transactions of the CSAE, 2010,26(2):244-250.

[10] 宋春桥,柯灵红,游松财. 基于TIMESAT的3种时序NDVI拟合方法比较研究[J]. 遥感技术与应用,2011,26(2):147-155. Song C Q, Ke L H, You S C. Comparison of three NDVI timeseries fitting methods based on TIMESAT[J]. Remote Sensing Technology and Application, 2011,26(2):147-155.

[11] 刘建光,李红,孙丹峰等.MODIS土地利用/覆被多时相多光谱决策树分类[J].农业工程学报,2010,26(10):312-318. Liu Jianguang, Li Hong, Sun Danfeng, et al. Land use/cover decision tree classifcation fusing multi-temporal and multi-spectral of MODIS[J]. Transactions of the CSAE, 2010, 26(10): 312-318.

[12] 左玉珊,王卫,郝彦莉. 基于MODIS影像的土地覆被分类研究[J].地理科学进展,2014,33(11):1556-1565. Zuo Y S, Wang W, Hao Y L. Land cover classification based on MODIS images[J]. Progress in Geography, 2014,33(11):1556-1565.

[13] 涂晓扬. 福建省植被指数与地形要素多尺度空间格局分析[J]. 上海国土资源,2016,37(2):9-12,20. Tu X Y. Multi-scale features of spatial patterns of the normalised difference vegetation index and topographic factors in Fujian Province[J]. Shanghai Land & Resources, 2016,37(2):9-12,20.

[14] 李小迎. 镇域尺度土地景观格局变化及影响因素分析[J]. 上海国土资源,2016,37(1):24-27,43. Li X Y. Analysis of the change of landscape pattern and the factors infuencing it at the township scale[J]. Shanghai Land & Resources, 2016,37(1):24-27,43.

[15] 程维芳,周艺,王世新. 基于多光谱遥感的撂荒地识别方法研究[J]. 光谱学与光谱分析,2011,31(6):1615-1620. Cheng W F, Zhou Y, Wang S X. Study on the method of recognizing abandoned farmlands based on multispectral remote sensing[J]. Spectroscopy and Spectral Analysis, 2011,31(6):1615-1620.

[16] 汪权方,李家永. 基于时序NDVI数据的鄱阳湖流域常绿覆被季节性变化特征[J]. 长江流域资源与环境,2008,17(6):866-871. Wang Q F, Li J Y. Seasonal variation of evergreen land coverage in Poyang Lake watershed using multi-temporal spot4-vegetation data[J]. Resources and Environment in the Yangtze Basin, 2008,17(6):866-871.

Studying abandoned farmland using temporal NDVI data

Alimujiang·Tusiyiti1, ZHU Xiu-Fang2,3, Nuermaimaiti·Aierken4
(1. College of Management, Xinjiang Agricultural University, Xinjiang Urumqi 830052, China; 2. State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875, China; 3. College of Resources Science & Technology, Beijing Normal University, Beijing 100875, China; 4. College of Prataculture and Environment Science, Xinjiang Agricultural University, Xinjiang Urumqi 830052, China)

Researching abandoned land is important for national food security: it allows for the optimal utilization of land resources and improving the ecological environment. This paper explores the issue of abandoned farmland by selecting Shandong province as a case study. Using the Modis/Terra NDVI images from 2000–2015 and integrating the land-use map of 2000 and 2010, the authors observe the fuctuations in time series curves of typical ground objects and analyze the fuctuations in NDVI spectral curves in Shandong's farmland scope from 2000. The research results show that using the NDVI time series spectral curves can identify the principles of abandoning farmland, and help discern when farmland is cultivated and for how long.

land utilization; abandoned farmland; remote sensing; normalized difference vegetation index (NDVI); time series

F301.24

A

2095-1329(2016)04-0034-04

10.3969/j.issn.2095-1329.2016.04.010

2016-07-10

2016-08-21

阿力木江(1986-),男,硕士,讲师,主要从事土地利用研究.

电子邮箱: almjxnd@126.com

联系电话: 15981776796

*通讯作者: 朱秀芳(博士/副教授): zhuxiufang@bnu.edu.cn