基于GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用

马尚杰，裴志远※，王 飞，焦为杰，贾少荣，王丹琼，韩 雪，贾丽娟，刘 敏，娄 径



基于GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用

马尚杰1,2，裴志远1,2※，王 飞1,2，焦为杰1,2，贾少荣1,2，王丹琼1,2，韩 雪1,2，贾丽娟1,2，刘 敏1,2，娄 径3

（1. 农业农村部耕地利用遥感重点实验室，北京 100125；2. 农业农村部规划设计研究院农业资源监测站，北京 100125； 3. 安徽省经济研究院，合肥 230001）

耕地作为一种稀缺资源对国家和农民来说都具有极其重要的意义，但随着市场经济的深入和农村经济的发展，农村耕地撂荒现象时有发生，撂荒耕地必然导致土地资源浪费，影响到中国粮食安全和农民增收，也不利于农村经济社会稳定发展。沿淮地区是安徽省乃至全国重要的商品粮生产基地，但近年来冬季撂荒情况日益严重。该文拟选取安徽省霍邱县，利用2015、2016、2017三年冬小麦生长期内的GF-1卫星16 m多光谱影像，提取霍邱县冬季作物种植的空间分布和面积，通过多年数据对比，来分析霍邱县近年冬季耕地撂荒情况。结果显示：2015、2016、2017三个年度冬小麦种植面积分别为937.72，821.79，608.91 km2。参照2015年度冬小麦种植情况，2016年度冬季撂荒面积115.93 km2、占比12.36%，2017年度冬季撂荒面积328.81 km2、占比35.06%。结合实地调研分析，霍邱县近年来冬季撂荒面积不断增大的的主要原因有农田排灌等水利设施不足、稻茬麦效益低、外出务工等。而2017年度撂荒面积明显增加的直接原因是冬小麦播种期间，出现连续阴雨异常天气，低洼地区田间积水严重，致使冬小麦无法播种，被动撂荒。该文的研究可以为沿淮地区冬季撂荒遥感调查提供技术参考。

遥感；作物；提取；耕地撂荒；GF-1；沿淮地区

0 引 言

人多地少是中国基本国情，根据第二次全国土地资源调查数据，2009年全国耕地面积13 538.5万hm2，人均耕地面积0.101 hm2，较1996年“一调”时人均0.106 hm2有所下降，人均水平不到世界的一半[1]。耕地是一种稀缺资源，对农民、国家来说都具有极其重要的意义，但是随着市场经济的深入和农村经济的发展，耕地撂荒现象时有发生，必然导致土地资源浪费，影响粮食安全[2-3]和农民增收，也不利于农村经济社会稳定发展[4]。

沿淮地区是安徽乃至全国重要的商品粮生产基地[5]，如区域内的霍邱、寿县、怀远等县都是粮食生产大县。其中霍邱县通过实施小麦高产攻关和水稻产业提升行动，多年粮食产量全省第一，多次被评为“全国粮食生产先进县标兵”[6]。但是，近年来受大量年青农民外出务工、种植小麦收益不稳定等因素影响，冬小麦种植面积连年走低。2017年3月25日，中央电视台《焦点访谈》报道了安徽霍邱县冬小麦种植季大片农田撂荒的情况，引发社会重大关注[7]。

农作物种植面积提取是农业遥感重要的研究内容之一，在农业、统计等部门中应用广泛[8-10]，而利用遥感技术开展耕地撂荒调查虽有学者尝试，但还不多见。如程维芳等[11]利用MODIS NDVI数据，研究基于农作物生命周期的撂荒地识别方法，通过分析样点的NDVI时间序列曲线，并与主要土地利用类型生命周期特征进行匹配，达到识别撂荒地的目的，同时区别轮休与撂荒。阿力木江·吐斯依提等[12]利用多年MODIS NDVI时间序列数据，进行山东省耕地撂荒情况遥感调查分析。马玲玲[13]采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变化和耕地撂荒的时空变化特征， 1996－2009年间，全县撂荒地面积达3719.95 hm2，撂荒率为3.29%。史铁丑等[14]将2 期耕地矢量图层叠加，然后剔除退耕还林和森林工程图斑，得到重庆市典型县撂荒耕地分布图。结果显示，2011 年石柱、巫山和酉阳3县的耕地撂荒率分别为14.0%、19.9%和19.2%。

2013年4月26日发射的GF-1卫星，是中国高分辨率对地观测系统重大专项（简称高分专项）的首发星[15]，兼具高空间分辨率、高时间分辨率和宽覆盖等特点[16]。卫星数据已在冬小麦、水稻、玉米、油菜和棉花等主要农作物面积、产量的监测[17-18]、以及粮食直补政策实施效果评价[8]等政策服务中发挥了重要作用。同属于高分专项的GF-2卫星，则于2014年8月19日发射，是中国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星，携带了2台1 m分辨率全色/4 m分辨率多光谱相机。

本文拟在冬季撂荒较为突出的沿淮稻麦轮作地区，选择典型的安徽省霍邱县，采用国产GF-1卫星数据，开展耕地撂荒遥感调查，以期为利用遥感手段摸清沿淮地区冬季撂荒情况进行试验性研究。撂荒既包含季节性撂荒也包含全年性撂荒[19]，在沿淮稻麦轮作区，农户主要放弃冬季小麦种植，而只在夏季种植一季水稻，属于季节性撂荒。本文拟利用2015、2016、2017三年冬小麦生长期内的GF-1卫星16 m多光谱影像，提取霍邱县冬季作物（主要是冬小麦）种植的空间分布和面积，通过多年数据对比，来分析霍邱县近年冬季耕地撂荒情况。

1 材料和方法

1.1 研究区概况

研究区霍邱县位于安徽省西部，位于115°50¢～116°32¢E，31°44¢～32°36¢N之间，地处大别山北麓，淮河中游南岸，地势南高北低，南部属低岗丘陵地区，北部为平原湖泊河流，属重点行蓄洪区范围。北亚热带季风气候，年平均降水量951.3 mm，年均气温15.4 ℃。霍邱县是个农业大县，农、林、牧、副、渔五业俱全，尤以粮食、畜禽、鱼虾产量大，品质好而著名。全县约2 000 km2土地，水稻种植面积约1 333 km2，小麦种植面积约950 km2。

1.2 数据来源及处理

选择覆盖研究区的2015年4月21日、2016年4月30日、2017年4月30日的GF-1卫星16 m分辨率多光谱数据作为遥感数据。原始的GF-1数据经ENVI软件，参考已与地面配准的Landsat TM8图像对遥感影像进行严格几何精校正，校正误差控制在1个像元内，并将影像重投影到Albers等积投影。图像裁切后形成覆盖整个研究区的图像数据，用于冬季作物种植分布提取。获取研究区内部分区域2016年2月24日GF-2卫星4 m多光谱图像一景，作为高分辨率图像，选取用作训练样本和验证样本的随机点，并目视解译冬小麦，与16 m分辨率GF-1结果对比，计算小地物扣除系数[20]。

获取研究区最新第二次全国土地资源调查成果，霍邱县2015年土地利用图。利用ARCGIS软件，从中提取出耕地分布图。

2017年6月15日—17日，赴霍邱县曹庙镇、众兴镇、长集镇、宋店乡、高塘镇等乡镇，利用手持GPS实地定位，采集详查点（见图1），调查记录冬季种植情况，同时，实地走访周边农户，访问撂荒原因。从有关部门获取了研究区最近几年农作物种植情况资料，以及研究区交通图、居民点分布图、水系图等辅助数据。

图1 研究区位置和地面调查路线

1.3 冬季耕地撂荒遥感调查技术路线

利用GF-1卫星数据进行冬季耕地撂荒情况遥感调查包括耕地分布图和冬季作物种植分布图提取2大步骤，技术路线如图2：首先，利用第二次全国土地资源调查霍邱县2015年土地利用图，提取出研究区耕地分布图；然后在对GF-1卫星数据进行数据预处理的基础上，采用基于改进多元纹理和光谱融合的遥感图像分类方法[21]，对卫星数据进行图像解译，得到研究区冬季作物种植面积及空间分布。对遥感解译结果，利用更高分辨率的GF-2遥感图像进行抽样统计计算小地物扣除系数，精确计算冬季作物种植面积；最后，结合地面调查，进行2015、2016、2017连续3年数据对比，分析原因，完成冬季耕地撂荒情况遥感调查。

图2 冬季耕地撂荒情况遥感调查技术流程图

1.4 冬季耕地撂荒遥感调查主要方法

1.4.1 遥感图像解译

为尽量避免一般遥感分类方法中线状地物对分类结果可能造成的影响[22-24]，考虑到农田集中区域多光谱影像纹理特征能够直观体现农作物与其他地物空间结构差异[25]，本文采用基于改进多元纹理和光谱融合影像的遥感分类方法进行霍邱县冬小麦遥感识别。利用高分辨率的GF-2图像，室内随机选取解译需要的1 133个经验样点，包括906个训练样本和227个验证样本。改进多元纹理信息提取的最优滑动窗口大小为9 × 9个像元。详细的分类方法，文献[21]中已有描述，这里不再赘述。

1.4.2 小地物扣除

研究表明，受空间分辨率、同物异谱、异物同谱等因素影响，遥感图像会存在淹没在主体地物之中、影像上无法识别但实际存在的绝对小地物，以及影像上虽然能够识别但无法依图斑解译的相对小地物[26-27]。这些绝对小地区和相对小地物会对主体地物面积解译精度产生不同程度的影响。在实际工作中，将它们统归为小地物，在解译时并入主体地物，最后对解译结果按照一定的比例系数进行修正[28]。小地物扣除系数通过计算各个对比样区内小地物与冬小麦的比例的平均值获得[9]，计算公式如下

式中为小地物扣除系数；=1,2,…,；为县域内对比样区的总个数；S为第个对比样区中解译出的目标作物面积；S为第个对比样区中实际的目标作物面积，可以来自GPS实地测量，也可以来自利用更高分辨率遥感图像解译，本文利用更高分辨率的GF-2图像解译得来。

1.4.3 冬季耕地撂荒分析

霍邱县属于沿淮稻麦轮作区，地势高低不平，部分地块容易积水，冬季一般空闲，不种植小麦。针对这种情况，本文采用多年数据对比的方法，来分析冬季耕地撂荒。即连续提取2015、2016、2017三个年度冬季作物种植空间分布，通过逐年对比，分析近年冬季耕地撂荒情况，对2017年冬季撂荒程度进行评价。同时，结合实地调研，对撂荒原因进行分析。

2 结果与分析

2.1 冬季作物种植面积遥感提取

2.1.1 冬季作物种植面积遥感解译结果

采用基于改进多元纹理和光谱融合的遥感图像分类方法对2015年4月21日、2016年4月30日、2017年4月30日的GF-1遥感影像进行解译，得到研究区2015、2016、2017三个年度冬季作物种植面积遥感解译结果（见图3—5）。利用验证样本对结果进行精度评价，混淆矩阵如表1所示，分类的整体精度88.55%，Kappa系数0.68，研究区冬小麦种植中北部多，南部较少。

图3 霍邱县2015年冬小麦分布图

图4 霍邱县2016年冬小麦分布图

图5 霍邱县2017年冬小麦分布图

表1 冬小麦信息提取混淆矩阵

2.1.2 小地物扣除结果

在霍邱县冬小麦典型种植区随机选取面积为10 km × 10 km局部区域，利用空间分辨率4 m的GF-2卫星多光谱图像进行冬小麦解译，作为参考面积，与空间分辨率为16 m的GF-1多光谱图像解译结果进行比对，计算小地物扣除系数。结果显示，选定区域内，GF-1图像解译冬小麦面积为71.092 6 km2，GF-2高分辨率图像解译冬小麦面积为65.478 4 km2，计算得到小地物扣除系数为7.89%。通过扣除小地物，研究区2015、2016、2017三个年度冬季作物种植面积分别为：937.72、821.79、608.91 km2。

2.2 耕地冬季撂荒情况分析

从年度变化上来看，2016年度冬小麦种植面积比2015年度减少115.93 km2，减幅12.36%；2017年度比2016年度减少212.88 km2，减幅25.90%。与2015年相比，2017年度冬小麦种植面积减少328.81 km2，减幅35.06%。近年来，研究区存在不同程度的冬季耕地撂荒情况。以2015年度冬小麦种植分布为参照，2016年度冬季撂荒面积115.93 km2，占比12.36%，而2017年度冬季撂荒面积328.81 km2，占比35.06%。

实地调查也表明，安徽省霍邱县近年来冬季撂荒面积逐年增加，临近的其他沿淮稻麦轮作区也不同程度地有类似情况。分析其主要原因有：1）农田排灌等水利设施不足。沿淮地区多低岗丘陵，地势高低不平，缺少农田排灌等水利设施[5,29]，容易发生旱涝灾害[30]；2）稻麦轮作区稻茬麦产量低，约3.75 t/hm2，经济效益低；3）水稻土土壤黏性大，稻麦轮作整地难度大；4）大多数农户选择只种植一季水稻，然后外出务工，而种粮大户一般种植两季，夏季种植水稻，冬季种植小麦。调查还发现，2017年度撂荒面积大幅增加的直接原因是该区域2016年10月，持续阴雨，降水偏多，在一个月内有20 d时间下雨，低洼地区田间积水严重，小麦没有种上，导致被动撂荒。

从空间分布上来看，对比2016年种植分布，2017年撂荒区域（见图6）主要分布在霍邱县北部淮河沿岸地势较为低洼的几个乡镇，其中，临水镇大部、临淮岗乡北部、城西湖乡东北部和西部、潘集乡西南部、高塘镇东北部等地较为集中，如临水镇65.33 km2、临淮岗乡38.90 km2、城西湖乡30.49 km2、潘集乡27.28 km2；中部南部部分乡镇也较多分布，如洪集镇12.57 km2、孟集镇7.49 km2、彭塔乡7.09 km2、曹庙镇5.84 km2、众兴镇5.07 km2。

图6 相比2016年霍邱县2017年度冬季耕地撂荒分布图

3 讨 论

2016年10月份冬小麦播种期间，该区域出现连续阴雨异常天气，低洼地区田间积水严重，致使冬小麦无法播种，冬季撂荒面积明显增加，这是2017年度霍邱县乃至临近的沿淮地区出现较大面积撂荒的直接原因。调查发现，撂荒较为集中的出现在临近淮河河道的行洪、泄洪区等地势低洼、容易积水的地区。多数是由于积水严重，冬小麦无法播种而被动撂荒。但同时，受农田排灌等水利设施不足、稻茬麦效益低、外出务工等多种因素综合影响，霍邱县乃至整个沿淮地区，近年来冬季撂荒面积有不断增大的趋势。因此，要缓解该区域冬季撂荒问题，政府要着重从改善当地农田基础设施条件、增强防灾抗灾能力、多措并举提高冬小麦种植收益、创新冬闲田利用方式等方面着手。

根据从地方农业部门获取的农作物种植统计资料，霍邱县2012—2016年5年平均冬小麦种植面积为956 km2，冬油菜为59.6 km2。当地近年来冬季主要种植冬小麦，冬油菜种植很少，分布也比较零散。本文图像解译时只提取了冬小麦，没有考虑冬油菜，对于冬小麦改种冬油菜的情况有可能误判为撂荒，会造成一定的误差，但误差不大，在可以接受的范围内。第一，和冬小麦相比，冬油菜在当地种植比例较低。按照2012—2016年5年平均来看，冬油菜种植面积占冬小麦的6.2%，5年中最小为4.3%，最大为7.4%。第二，相当一些零碎种植的冬油菜可能已经解译成冬小麦，会抵消部分误差。GF-1卫星多光谱图像缺少能够较好识别不同作物类型的红边波段，而且空间分辨率也有限，尤其在冬油菜地块相对较小、和冬小麦插花混种的区域，其光谱特征容易和冬小麦相混，而和裸地明显不同，将这部分冬油菜解译成冬小麦。这样就就会避免将改种冬油菜的地块误判为撂荒，从而在事实上抵消掉部分误差。从最终计算的结果来看，2016年撂荒地面积为115.93 km2，2017年为328.81 km2，与实地调研反映的情况较为符合，较为真实地反映了当地近年来冬季撂荒不断扩大、尤其是2017年由于特殊天气造成大面积撂荒的情况。在今后的研究中，可以考虑换用其他空间分辨率更高、波段设置更为有利的遥感数据源，进行更加精细的解译，更大程度减少类似的误差。

4 结 论

本文主要利用2015、2016、2017三年冬小麦生长期内的GF-1卫星16 m多光谱影像，提取霍邱县冬季作物种植的空间分布和面积，通过多年数据对比，来分析霍邱县近年冬季耕地撂荒情况。结果显示：2015、2016、2017三个年度冬季作物种植面积分别为：937.72、821.79、608.91 km2。参照2015年度种植情况，2016年度冬季撂荒面积是115.93 km2，占比12.36%，而2017年度冬季撂荒面积是328.81 km2，占比35.06%。撂荒区域主要分布在北部临淮地区，如临水镇、临淮岗乡、城西湖乡、潘集乡、高塘镇等乡镇，该区域多行洪、泄洪区，地势低洼，容易积水；中部南部部分低洼地区也有较大面积撂荒。遥感技术在获取大范围的耕地撂荒信息方面有较大的优势，能较好反映耕地撂荒的整体和时空演变过程，为区域土地利用模拟和政策制定提供重要的基础数据。本文的研究可以为在沿淮地区开展冬季撂荒遥感调查、摸清大区域耕地撂荒情况提供技术参考。

[1] 国土资源部国家统计局，国务院第二次全国土地调查领导小组办公室. 关于第二次全国土地调查主要数据成果的公报[J]. 资源与人居环境，2014(1): 16－17.

[2] Khanal N R, Watanabe T. Abandonment of agricultural land and its consequences: A case study in the Sikles area, Gandaki Basin, Nepal Himalaya[J]. Mountain Research and Development, 2006, 26(1): 32－40.

[3] 孙宏岭，孙红霞. 威胁中国粮食安全最危险的因素：弃耕抛荒[J]. 粮食科技与经济，2009，34(1)：19－20. Sun Hongling, Sun Hongxia. Abandonment: The most dangerous threatening factors to food security in China[J]. Grain Science and Technology and Economy, 2009, 34(1): 19－20. (in Chinese with English abstract)

[4] 刘谷生. 农村土地抛荒问题及其治理研究[D]. 长沙：湖南师范大学，2012. Liu Gusheng. Research on the Problems and Governance of Abandened Farmlands[D]. Changsha: Hunan Normal University, 2012. (in Chinese with English abstract)

[5] 杨普，张长青. 安徽省沿淮地区粮食生产现状分析及对策研究[J]. 农业科技管理，2009，28(4)：21－24.

[6] 张大鹏. 霍邱粮食生产实现“六连冠”[N]. 安徽日报, 2010- 12-23(A01).

[7] 中央电视台焦点访谈. 乡土中国农村系列调查：谁来种地[EB/OL].[2018-08-14]. http://tv.cctv.com/2017/03/23/VIDE­F0­uK6bTBHAdWXdzS8Ald170323.shtml.

[8] 刘国栋，邬明权，牛铮，等. 基于GF-1卫星数据的农作物种植面积遥感抽样调查方法[J]. 农业工程学报，2015，31(5)：160－166. Liu Guodong, Wu Mingquan, Niu Zheng, et al. Investigation method for crop area using remote sensing sampling based on GF-1 satellite data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 160－166. (in Chinese with English abstract)

[9] 易湘生，马尚杰，游炯，等. 遥感调查中耕地解译面积精准核算研究[J]. 农业工程学报，2016，32(增刊1)：169－176. Yi Xiangsheng, Ma Shangjie, You Jiong, et al. Accurate calculation of farmland area during remote sensing survey[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(Supp. 1): 169－176. (in Chinese with English abstract)

[10] 马尚杰，易湘生，游炯，等. 基于GF-1影像的冬小麦种植面积核算及直补政策实施评价[J]. 农业工程学报，2016，32(18)：169－174. Ma Shangjie, Yi Xiangsheng, You Jiong, et al. Winter wheat cultivated area estimation and implementation evaluation of grain direct subsidy policy based on GF-1 imagery[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016，32(18)：169－174. (in Chinese with English abstract)

[11] 程维芳，周艺，王世新，等. 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 Weifang, Zhou Yi, Wang Shixin, et al. Study on the method of recognizing abandoned farmlands based on multispectral remote sensing[J]. Spectroscopy and Spectral Analysis, 2011, 31(6): 1615－1620. (in Chinese with English abstract)

[12] 阿力木江·吐斯依提，朱秀芳，努尔麦麦提·艾尔肯. 基于时序归一化植被指数的撂荒地调查研究[J]. 上海国土资源，2016，37(4)：34－37. Alimujiang·Tusiyiti, Zhu Xiufang, Nuermaimaiti·Aierken. Studying abandoned farmland using temporal NDVI data[J] . Shanghai Land & Resources，2016，37(4)：34－37. (in Chinese with English abstract)

[13] 马玲玲. 半干旱地区基于遥感与农户调查的耕地撂荒原因探究：以内蒙古和林格尔县为例[D]. 呼和浩特：内蒙古师范大学，2010. Ma Lingling. Probe into the Reasons of Farmland Abandoned in Semi-arid Regions Based on Remote Sensing and the Investigation of Peasant Household: A Case Study of Hollinger County in Inner Mongolia[D]. Hohhot: Inner Mongolia Normal University, 2010. (in Chinese with English abstract)

[14] 史铁丑，徐晓红. 重庆市典型县撂荒耕地图斑的提取与验证[J]. 农业工程学报，2016，32(24)：261－267. Shi Tiechou, Xu Xiaohong. Extraction and validation of abandoned farmland parcel in typical counties of Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 261－267. (in Chinese with English abstract)

[15] 黄振国，杨君. 高分一号卫星影像监测水稻种植面积研究综述[J]. 湖南农业科学，2014(13): 76－78. Huang Zhenguo, Yang Jun. Review of high-1 satellite image monitoring rice planting area[J]. Hunan Agricultural Sciences, 2014(13): 76－78. (in Chinese with English abstract)

[16] 翁进，曾海波，罗国斌. GF-1 卫星数据在土地利用变更调查遥感监测中的应用[J]. 安徽农业科学，2015, 43(16)：358－362, 392. Weng Jin, Zeng Haibo, Luo Guobin. The application of GF-1 remote sensing image in the land use change monitoring[J]. Journal of Anhui Agri. Sci., 2015, 43(16): 358－362, 392. (in Chinese with English abstract)

[17] 刘佳. 国产高分卫星数据的农业应用[J]. 卫星应用，2015 (3)：31－33，36. Liu Jia. The agricultural application of domestic high resolution satellite data[J]. Satellite Application, 2015 (3): 31－33, 36. (in Chinese with English abstract)

[18] 王利民，刘佳，杨福刚，等. 基于GF-1卫星遥感的冬小麦面积早期识别[J]. 农业工程学报，2015，31(11)：194－201. Wang Limin, Liu Jia, Yang Fugang, et al. Early recognition of winter wheat area based on GF-1 satellite[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 194－201. (in Chinese with English abstract)

[19] 段亚明，周洪，刘秀华，等. 中国耕地撂荒的研究进展与展望[J]. 江苏农业科学，2018，46(13): 13－17.

[20] 吴全，裴志远，张松岭，等. 中小比例尺土地利用变化遥感调查技术与方法[M]. 北京：中国农业出版社，2010.

[21] 游炯，裴志远，王飞，等. 基于改进多元纹理信息模型和GF-1影像的县域冬小麦面积提取[J]. 农业工程学报，2016，32(13)：131－139. You Jiong, Pei Zhiyuan, Wang Fei, et al. Area extraction of winter wheat at county scale based on modified multivariate texture and GF-1 satellite images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(13): 131－139. (in Chinese with English abstract)

[22] 葛咏, 王劲峰. 遥感信息的不确定性研究: 误差传递模型[M]. 北京: 地质出版社, 2003.

[23] 曾志远. 卫星遥感图像计算机分类[M]. 北京: 科学出版社, 2004.

[24] 谢登峰，张锦水，潘耀忠，等. Landsat 8和MODIS融合构建高时空分辨率数据识别秋粮作物[J]. 遥感学报，2015，19(5)：791－805. Xie Dengfeng, Zhang Jinshui, Pan Yaozhong, et al. Fusion of MODIS and Landsat 8 images to generate high spatial- temporal resolution data for mapping autumn crop distribution[J]. Journal of Remote Sensing, 2015, 19(5): 791－805. (in Chinese with English abstract)

[25] 刘凤珠，张景雄，林宗坚，等. 多光谱遥感影像的灰度与纹理信息测度方法[J]. 武汉大学学报：信息科学版，2016，41(3)：415－420. Liu Fengzhu, Zhang Jingxiong, Lin Zongjian, et al. Measurement of gray level and texture information in multispectral images[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 415－420. (in Chinese with English abstract)

[26] 曹卫彬，杨邦杰，宋金鹏. 基于Landsat TM图像棉花面积提取中线状地物的扣除方法研究[J]. 农业工程学报，2004，20(2)：164－167. Cao Weibin, Yang Bangjie, Song Jinpeng. Linear features extraction and measurement in cotton area estimation using Landsat TM image in Northwest China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(2): 164－167. (in Chinese with English abstract)

[27] 辛蕊，陆忠军，刘洋，等. Landsat TM8及GF-1影像黑龙江省线状地物实际与解译宽度对比[J]. 农业工程学报，2015，31(16)：196－205. Xin Rui, Lu Zhongjun, Liu Yang, et al. Comparison on linear feature real width and interpretation width using Landsat TM8 images and GF-1 images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 196－205. (in Chinese with English abstract)

[28] 吴全，杨邦杰，裴志远，等. 大尺度作物面积遥感监测中小地物的影响与双重抽样[J]. 农业工程学报，2004，20(3)：130－133. Wu Quan, Yang Bangjie, Pei Zhiyuan, et al. Influence of small features on crop area estimation at a national scale using remote sensing and a double sampling method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(3): 130－133. (in Chinese with English abstract)

[29] 张长青，杨普. 加强农田水利基础建设促进沿淮现代农业发展[J]. 安徽农学通报，2009，15(5)：12－13, 8.

[30] 曹承富，汪芝寿，孔令聪，等. 安徽沿淮地区稻茬小麦生产现状及技术对策[J]. 安徽农学通报，2001，7(5): 30－32.

Application on remote sensing survey of abandoned farmlands in winter along the Huaihe River based on GF-1 image

Ma Shangjie1,2, Pei Zhiyuan1,2※, Wang Fei1,2, Jiao Weijie1,2, Jia Shaorong1,2, Wang Danqiong1,2, Han Xue1,2, Jia Lijuan1,2, Liu Min1,2, Lou Jing3

(1.100125,;2.,100125,; 3.230001,)

The total supply of arable land resources and reserved land resources is very limited in China, and the contradiction between people and land is prominent. The rural land, as the property of farmers, is considered as a scarce resource . However, with the development of the market economy and rural economy, the phenomenon of abandoning rural lands will inevitably lead to the waste of land resources, affecting our food security and rural incomes.In addition, the phenomenon will further increase the cost of land law enforcement, which is not conducive to the stable development of rural economy and society. In order to obtain the situation of abandoned farmlands in winter in the region along the Huaihe River, a method for surveying the abandoned farmlands by using remote sensing technology was researched and used in this study. Huoqiu County, the main grain-producing area along the Huaihe River in Northern Anhui Province, was selected as the study area. GF-1 image with 16 m resolution in April from 2015 to 2017, while the winter wheat growing, were used as the data source to survey the situation of farmland abandonment. 1) The distribution of crops growing in winter was extracted, mainly winter wheat, from remote sensing; 2) Then the accurate planting area of crops was got by subtracting small features area using a deduction coefficient of small ground objects which from the 10 km × 10 km sampling frames. Finally, the winter wheat planting areas in 2015, 2016 and 2017 were compared. Because winter rape planting area only accounted for about 6.2% of winter wheat planting area in local, so crop of winter rape was not considered as in this study when interpreting images, and would produce some errors within the acceptable range. Two important conclusions were drawn: 1) In the whole county, the winter wheat planting areas from 2015 to 2017 were respectively 937.72, 821.79 and 608.91 km2. 2) Based on the winter wheat planting area in 2015, the areas of abandoned farmlands in winter in the year of 2016, 2017 were 115.93 and 328.81 km2with ratio of 12.36% and 35.06%. Based on the investigation and interview of local farmers, it was considered that the continuous rainy season weather during the sowing period of winter wheat was the direct reason for the obvious increase of abandoned farmland area in 2017. Because of the continuous rainfall, serious water accumulation in low-lying areas prevented the winter wheat from being sowed and farmland were abandoned passively. Further analysis showed that the main reasons for the increase of abandoned framland in Huoqiu County and in the region along the Huaihe River in winter in recent years were insufficient irrigation and drainage facilities, low benefit of wheat which following rice, and farmers’ empolyment behavior in cities, and so on. Therefore, the government should focus on improving the local farmland infrastructure conditions, enhancing the ability of disaster prevention and resilience, and take various measures to improve the profits on winter wheat planting, innovate the way of utilization of winter fallow field, and so on, in order to alleviate the farmland abandonment problem in region in winter. Remote sensing technology has great advantages in obtaining large range of farmland abandonment information, and the research in this paper could provide a reference for remote sensing investigation of winter farmland abandonment in the region along the Huaihe River.

remote sensing; crops; extraction; abandoned farmlands; GF-1; region along the Huaihe River

2018-08-15

2018-10-15

国家重点研发计划（2016YFB0501505）资助；农业农村部规划设计研究院作物遥感监测创新团队

马尚杰，工程师，主要从事遥感图像处理及GIS应用与研究工作。Email：mashangjie@agri.gov.cn

裴志远，研究员，主要从事农业遥感应用与研究工作。 Email：peizhiyuan@agri.gov.cn

10.11975/j.issn.1002-6819.2019.01.028

S127

A

1002-6819(2019)-01-0227-07

马尚杰，裴志远，王 飞，焦为杰，贾少荣，王丹琼，韩 雪，贾丽娟，刘 敏，娄 径. 基于GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用[J]. 农业工程学报，2019，35(1)：227－233. doi：10.11975/j.issn.1002-6819.2019.01.028 http://www.tcsae.org

Ma Shangjie, Pei Zhiyuan, Wang Fei, Jiao Weijie, Jia Shaorong, Wang Danqiong, Han Xue, Jia Lijuan, Liu Min, Lou Jing. Application on remote sensing survey of abandoned farmlands in winter along the Huaihe River based on GF-1 image [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 227－233. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.01.028 http://www.tcsae.org