承包地确权成果在云南休耕补贴中应用及推广研究

王小燕 黄 平 杨 建 任国业 刘卫东

一、前言

我国的基本国情决定了我国有必要确保口粮的自给自足，为提高农民种粮积极性和粮食产量，确保粮食安全，自2002年起，我国实施了农业粮食补贴。补贴的依据基本是根据确权面积、二轮承包耕地面积、实际种粮面积、依据原计税面积、耕地面积这五项进行补贴，不同省区市依据其中一项或者多项组合进行粮食补贴。在此类传统方法中，存在诸多弊端，一方面这五项数据大多不是实时数据，不能很好地反映当年粮食的种植情况，另一方面耕地面积精度不准，需大量基层干部实地测量，不仅延迟了补贴的发放时间，还让基层干部疲于奔命。

针对粮食补贴方式中存在的问题，研究利用2017年12月全国整省推进农村承包地确权登记颁证试点工作为契机，研究解决问题的方法。首先，本文以云南省6个县为研究区，首先利用全国农村土地承包经营权确权调查成果，结合航空航天遥感影像，利用面向地块的农作物遥感分类方法识别出研究区休耕轮作地块，再结合承包地确权的权属数据，科学准确快速地将休耕轮作补贴发放到农民手中。其次，将此方法推广到粮食补贴中，查清农户承包地块的面积及空间位置，与不同作物种植地块的面积及空间位置相挂接，彻底明晰土地权属，同时建立相应的数据库，为今后开展工作奠定数据基础，为粮食补贴提供科学、快速、准确的补贴方式，减轻基层政府的工作负担。

二、全国农村土地承包经营权确权调查成果数据和耕地轮作休耕任务落实数据概述

全国农村土地承包经营权的确权工作是指在上一轮土地承包的基础上，以航空正射影像图（DOM）为基础，查清承包地块的面积和空间位置，把承包地块、面积、合同、权属证书全面落实到户，依法赋予农民土地承包经营权。该工作于2018年完成，成果数据主要由地理信息数据和权属数据两部分组成。耕地轮作休耕试点工作于2017年扩大规模，是指利用遥感技术，结合承包地确权数据和遥感影像数据，核查休耕轮作到户到地，进而实现精准补贴。

三、研究方法和技术路线

（一）研究方法

利用遥感和GIS结合的方法，利用卫星遥感影像，结合全国农村土地承包经营权确权调查成果数据的地块空间位置数据与遥感影像叠加，结合外业调查数据，采用面对地块的作物遥感分类方法判断地块种植作物品种和符合轮作休耕要求作物的种植面积，再与轮作休耕情况表进行挂接，再结合全国农村土地承包经营权确权调查成果的权属数据，提取出每个休耕地块的面积、作物信息、空间信息、权属信息，使休耕轮作补贴精准快速地补贴到地进而到人，从而实现农业生产管理和补贴资金准确发放的目的。

（二）研究路线（见下页图1所示）

四、研究区概况

云南省休耕轮作遥感核查工作从2017年开始，试点区域从2017年的鲁甸、开远、弥勒、砚山4个县市到2018年和2019年的6个县市（见下页图2），新增了隆阳县和沾益区。本文以弥勒市为研究对象，概述研究过程和方法。弥勒市是云南省红河哈尼彝族自治州下辖县级市，地处云南省东南部，红河哈尼彝族自治州北部，位于北纬23°50′-24°39′，东经103°04′-103°49′之间，幅员面积4004平方公里。地处亚热带季风气候，海拔在870-2315米之间，年降雨量834.5毫米，平均气温18.8℃。

图2 云南省2019年耕地休耕遥感核查线分布图

五、面向地块分类的耕地休耕遥感分类

（一）数据准备

休耕轮作遥感核查需要的数据主要是遥感影像数据、地块数据和观测数据。

1.遥感数据。遥感数据主要采用两种数据：一是Google地球上免费卫星影像数据，其数据来源较广，包括QuickBird、SPOT、Landsat等遥感数据和一些航拍数据。它将空间分辨率分为20个级别，级别越高影像的空间分辨率越高，本文采用的是第18级影像，分辨率为0.6米，该数据为不同时相多景影像拼接而成，没有准确的时相，但是其具有较高的空间分辨率，包含了较为准确的地理几何信息，将其作为外业训练样本调查的主要参考数据，以及内业解译时作为辅助参考。二是德国rapideye影像和美国planet影像，空间分辨率分别为5米和3米，都是2019年11月获取，用于识别农作物地物信息，进而判断是否休耕，如下页图3所示。将获取的Google地球上免费卫星数据和Rapideye、Planet数据经过大气校正、正射校正、重投影、几何精校正等预处理，进而进行拼接和裁剪，为后续农作物识别和休耕判断等做准备。

图3 Googleearth0.6米卫星影像、3米Planet和5米Rapideye数据

2.地块数据。地块数据采用全国农村土地承包经营权确权调查成果数据。该数据准确记录了地块形状、大小、四至、边界等空间分布矢量数据，是面对地块分类的重要数据之一。另外该数据还有地块权属数据，包括发包方、承包方、承包地块信息、权属来源、承包经营登记簿、承包经营权证等，地块属性数据，地块图层的属性包括地块代码、实测面积、地块四至等，为休耕任务的核查提供准确的地块空间分布位置、地块面积等基础数据信息支撑，通过地块空间位置数据与遥感影像叠加，判断地块种植作物品种和符合轮作休耕要求作物的种植面积，统计计算经营主体的补贴发放金额，从而实现精准农业生产管理和补贴资金准确发放的目的。如图4所示。

3.观测数据。结合高清Googleearth遥感影像和承包地确权地块数据，实地采样时在ArcGIS软件中对各样本地块进行农作物类型填图，得到地块级别的农作物类型样本；由于后续要用到像元尺度的农作物类型样本，所以将样本地块的矢量边界叠加到rapideye影像或者planet影像上，从而将农作物类型地块样本转换为像元样本。

图4 地块数据与影像图

（二）面向地块分类的休耕地块解译

1.面向地块的农作物分类。面向地块的农作物分类实质上是面向对象分类，只是改变了分类的基本单元，即将单个“地块”对象作为基本单元进行分类，因此面向地块的分类在分类方法的使用上与像元分类、对象分类是一致的。因此，本文采用的具体分类策略是以像元分类为基础，首先对遥感影像进行基于像元的分类，然后根据地块内像元占比最高的作物类别作为该地块作物类型，这种分类方法对地块边界数据的准确性有较高要求，因此农村土地承包地确权数据起到了关键作用。具体方法是采用监督分类方法，结合野外样方，将研究区分为荒地、豆类、玉米、树林、果树、蔬菜等作物，在遥感影像上逐像元进行分类。然后利用遥感和地理信息系统手段，将监督分类解译结果与轮作休耕任务地块矢量数据进行叠加，通过解译判别各地块内像元占比最高的作物类别作为该地块的作物类型，然后对矢量数据属性信息表进行属性信息补充，赋予承包地确权地块作物类型属性。

2.解译结果分析。（1）评价方法，利用历年建立的验证点图斑，结合GoogleEarth高清影像和实地地面调查，确定验证点图斑的地表覆盖类型，与解译的类型进行比较统计，计算地物识别精度混淆矩阵。（2）评价结果，抽取弥勒市验证点共计258个，涉及258个任务地块，其中250个地块识别准确，地块识别精度为96.51%；验证地块图斑总面积为1050亩，遥感识别准确的图斑面积为1050亩。计算混淆矩阵结果见下页表1。

表1 精度评价结果表

六、休耕结果和粮食补贴

将判定的休耕信息表导出，形成遥感核查结果信息表，有关部门可依据表中的信息开展“到户到地任务完成面积”的完成情况审查工作，并根据完成休耕任务地块面积来落实补贴发放政策。如表2所示。

七、结论

表2 分级统计完成休耕任务表

（一）确定休耕补贴

综上所述，全国农村土地承包经营权确权调查成果数据在云南休耕轮作监测任务中，按照具体作业顺序，主要起到两个作用：一是基于面对地块的农作物遥感解译时使用其农田地块信息；二是作为休耕轮作检测任务基础的最重要的数据开展休耕工作。由于地块数据具有长期稳定性，且具有提供边界、位置、面积等地理信息，也是农田管理的基本单元，对遥感地物分类起着极大作用，调用已有的地理信息作为条件约束将提升遥感应用能力，是未来遥感应用的发展趋势。可见全国农村土地承包经营权确权调查成果数据应用前景非常广阔，从而为休耕轮作任务实现到地到户的精准补贴提供科学准确的依据。

（二）全国农村土地承包经营权确权登记成果在粮食补贴中的推广意义

传统的粮食补贴方式存在费时、费力、补贴方式不科学等问题，本文通过介绍确权成果数据在云南休耕轮作任务中的应用，进而推广到粮食补贴中，利用确权成果数据和最新遥感影像数据，为种粮地块在影像上的识别提供准确的地块边界信息，以及地块属性信息，为粮食补贴实现到地到户科学、快速、准确的补贴提供依据。此方法适用不同地域、不同作物的粮食补贴，确保农民收入和粮食安全。

（三）存在的问题

全国农村土地承包经营权确权调查成果数据在应用时也存在诸多问题，如：（1）承包地数据时相过旧，虽然地块的边界和属性相对稳定，但是毕竟随着时间推移，总有变化的地方，需要数据使用者根据当地实际情况进行核实更新。（2）承包地数据在遇到无法分隔的时候，于是会出现实际垄向不对称的情况，这时候需根据遥感影像进行分割。（3）由于承包地数据采用的是高分辨率影像进行作业，精度较高，在实际应用中，采用的遥感影像实际上几乎比其精度低，如何将不同精度数据进行融合是亟待解决的问题。