耕地“非粮化”遥感监测与应用研究

耕地“非粮化”遥感监测与应用研究

胡克

海南省农垦设计院有限公司 海南海口 570000

摘要：针对我国农用耕地部分地区出现的耕地“非粮化”倾向私挖乱占现象日趋严重等问题，国务院办公厅印发制止耕地“非粮化”检测工作指导的指导意见，明确耕地上未经批准禁止转为林地、园地等其他类型农用地，禁止改变耕地，需要对耕地上的这些“非粮化”图斑进行提取。针对传统的耕地“非粮化”监测主要依赖于现场手工核实人工提取“非粮化”图斑和以村为单元上报的不足以及定期实地巡查，本文项目拟利用遥感技术开展耕地“非粮化”监测，以期提高农田监测的精度，减少人力和物力的投入。

关键词：耕地；非粮化；遥感监测；应用

1.现代耕地的概念

现代耕地的概念源于1984年国家农业分区委员会制定的《土地利用状况调查技术议定书》（下称《议定书》)，该议定书规定，耕地是种植农作物的土地，包括荒地、休闲场所、休憩场所和种植园主要种植作物，并发现果树、成熟树或其他孤立的树木；三年以上的海滩和海洋种植；沟渠、渠道、道路和南宽的土地〈<＜1.0米，北宽〈<＜2.0米。〈条例〉将可耕地分为五个次级类别：灌溉土地、望天土地、灌溉土地、旱地和林地。可耕地的概念是伴随着社会和经济的不断发展而不断变化的，在第三次国土调查工作中,2007年土地利用现状分类（GB/T21010-2007）中，增加了四个因素；一是随着土地的开发复垦，新增了新开发、复垦、整理地；二是暂时改为其他用途的农用地；三是在第二个类别中，加入了稻田，并把灌溉稻田、蔬菜稻田、望天田划分为稻田、水浇地、旱地；四是滩地及海涂区，以确保一年一次的丰收。相对于2007年，2017年土地利用现状分类更多地关注在不破坏耕层的情况下，临时种植果树、茶树和林木的耕地耕地是指种植农作物的土地，包括熟地,新开发、复垦、整理地，休闲地（含轮歇地、休耕地）；以种植农作物（含蔬菜）为主，间有零星果树、桑树或其他树木的土地；平均每年能保证收获一季的已垦滩地和海涂等。耕地中包括宽度小于1.0米（北宽小于2.0米）固定的沟、渠、路和地坎（埂）；主要包含但不限于以下作物类型：（一1）种植粮食类作物的用地。包括种植粮食类（小麦、水稻、玉米等）、薯类(包括甘薯、马铃薯等)、豆类(包括大豆、蚕豆、豌豆、绿豆等)作物的用地。（二2）种植经济类作物（也称工业原料类作物）的用地。包括种植纤维、油料、糖料、烟草等草本经济作物的用地。（三3）种植蔬菜类作物的用地。包括种植根菜类、叶菜类、茄果类、豆类、瓜类、水生类、食用菌类的用地。判断耕地是否出现“非粮化”行为，主要根据新种植的作物是否使耕地地类发生变化来判断。。

2.耕地“非粮化”的成因与矛盾

2.1.种粮经济效益低下

农业生产效益低是造成农地“非粮化”的主要原因。虽然，国家政府每年都会发放大量的对种粮农民的补助，但是，当这些补助分散到各个市、区县，再分配到每个农户的时候，这些补助的数额并不是很大，而且，由于种植粮食作物需要投入大量的人工、化肥、农药、种子等费用，因此，农业生产要素的价格一直在上涨，因此，各种补助都无法有效地抵消因农资涨价而导致的种粮成本的增加。与此同时，粮食作物的利润空间又比经济作物要小得多，因此，农民外出打工或从事非农产业所能获得的工资，也要比传统的种植方式所获得的收入要高得多，因此，追求利益的理性的经济人，很难调动起农民种粮的积极性。

2.2.耕地质量不高

城镇化扩张过程中，虽然有耕地占补平衡政策保障耕地总量不减少，按照“占多少,垦多少”的原则来补充耕地，仍会出现的“占优补劣”现象，严重降低了耕地质量。城镇化扩张过程中的“占优补劣”现象，使得许多适宜种植粮食的优质耕地被侵占，为保持耕地数量平衡而补充的劣质耕地肥力较差、位置偏远，不宜种粮耕地质量降低直接影响农业生产效益反而需要农民投入更多的精力管理，农民为追求土地收益最大化会根据市场需求改种果树或其他经济价值高的农作物，导致耕地出现“非粮化”行为。

3.研究方法

3.1.多时相植被指数分析

基于植物叶片叶绿素对光谱的吸收和反射特征，结合可见和近红外波段的光谱数据，可以得到不同种类的植被指数，是反映植物生长、变化的重要指标。

3.2.面向对象分类

面向对象提取是一种采用决策树思想的抽取，由简单到复杂的过程，首先将其他不相干的信息剔除，然后通过多轮筛选，找到有用的地物类，从而达到对地物类进行分层抽取的目的。与传统的目标分类方法最大的区别在于：其运算尺度单位为图像目标，而非单独的像素。在现有的面向对象的分类方法中，大多含有图像波段的光谱特征、图像纹理特征、图像波段的指数特征等。本项目拟通过对Sentinel-2探测器的三个红边光谱和 NIR光谱的线性结合，获得三个红边光谱指标，从而进一步完善Sentinel-2探测器的指标体系。

4.结果与分析

4.1.长时间序列作物生长变化

本研究选取的影像时段为2020年1月至2021年6月，涵盖了

冬小麦[1]水稻整个生长周期。对处理后的Sentlnel－2影像进行归一化植被指数NDVI计算，通过滤波，剔除非植被覆盖地表对指数的干扰。植被指数变化整体呈增长、降低的趋势，符合农作物的生长变化趋势，即每年的3月份至8月份，植被指数数值呈上升趋势，整体植被指数上升较快；8月份至12月份植被指数呈下降趋势，主要原因是作物收获后，植被覆盖降低，且冬季植被叶片变黄，叶黄素含量增多，导致植被指数下降。由此可知，归一化植被指数NDVI在成都地区农作物监测中具有良好的适用性。

2020年1月至2021年8月的Sentinel－2影像计算得出的NDVI数值，进行按季度最大值合成，得到2020年1—4季度、2021年1—2季度NDVI季度合成植被指数数据集。同时期的2020年第一季度与2021年第一季度NDVI数值空间分布整体一致，其中研究区西北角为山地，山地NDVI数据整体变化不大，且数值较高，这一特点在第二季度、第三季度、第4季度上均保持较好的数值范围，而耕地范围内的NDVI数值在第一季度至第4季度则呈现先上升后下降的趋势，与农作物生长变化习性保持一致。通过多时相对比，可较直观地识别出耕地种植范围。通过对比多时期耕地种植范围内农作物长势变化情况，可得出NDVI数值异常变化区域，如多时期不变的像元或图斑（建筑厂房构筑物）、作物生长季负值的像元或图斑（水体坑塘），这些图斑可作为疑似图斑进行后续遥感分类，并进行定性分析与提取。

4.2.面向对象分类

通过人工勾画绘样本，在研究区内选取几类地表覆盖类型，主要包括林地、草地、裸地、耕地、居民地、道路、水体、棚厂房八大类。采用面向对象方法进行遥感分类。首先，进行多尺度分割，将相近特征的像元归为一类；然后，将勾画的样本导入进去，对空间位置上的分割对象附上地表覆盖属性；最后，对各个对象进行纹理特征、指数特征计算，并将光谱特征代入进去，通过丰富特征空间库来提高遥感分类的精度。通过面向对象遥感分类法提取的地表覆盖情况看，各地类均有较准确的提取，林地、草地集中在西北部以及南部边缘地区，耕地与裸地集中在中部地区，其中的河滩地也完整地提取出来。通过面向对象分类得到的林地、草地、裸地、耕地、居民地、道路、水体、棚厂房八大类结果，采用预留验证样本进行精度验证，整体来说，八大地类基于Sentinel－2影像的分类精度均在85%以上，其中分类精度最高的为水体，其次为耕地，棚厂房作为单独一类，也有87%的识别精度。在耕地“非粮化”监测工作中，棚厂房作为重要占地类型，对其进行高精度的提取具有重要意义。

4.3.疑似图斑提取

耕地“非粮化”监测中，撂荒耕地与棚厂房属于重点监测对象，准确地掌握撂荒耕地与棚厂房占地面积对监测工作具有重要的数据支撑意义。本研究基于面向对象分类成果，进行再分类，将撂荒耕地与棚厂房等归为一类，并进行居民地等信息剔除，可得到疑似耕地“非粮化”图斑，通过重分类，耕地内撂荒的裸地与建设的大铁皮棚棚图斑整体解译精度较好，边界较清晰，可作为疑似图斑上报至相关部门进行用地审批分析等工作核实，做到早发现、早制止，将新增的“非粮化”图斑消除在萌芽状态。从而确保耕地“非粮化”监测工作的实施。

5.结束语

综上所述，本文以Sentinel-2卫星图像为数据源，应用遥感技术，快速、有效地实现了“非粮化”的监测需求。遥感技术对“非粮化”监测具有较好的适应性，与传统监测手段相比，不仅效率高，速度快，而且节约了大量的人力和物力。通过多期植被指数分析，可以精确地识别出耕地，并将耕地划分出非农业用地。采用面向对象的分类法，在耕地范围内，精确地抽取出了弃耕和温室农业基础设施等农用地，并且抽取出了边界明确的土地。在“非粮化”图斑遥感影像上获得了良好的结果，但也面临着如下问题：现有的作物分类方法是以目标分割为基础，因此可能会产生“椒盐”效应，需要进一步深入地开展分类研究。

参考文献

[1]张宇鑫.我国耕地非粮化问题研究述评[J].农业与技术,2021,41(19):21-23.

[2]郝士横,吴克宁,董秀茹,杨淇钧,高先虎.耕地“非粮化”耕作层破坏诊断标准探讨[J].土壤通报,2021,52(05):1028-1033.

[3]蓝海涛,涂圣伟,张义博,周振.整治耕地“非粮化”面临的新矛盾与隐忧[J].中国发展观察,2021,(17):58-60.

[4]郑玉萍.城中村、城郊村防止耕地“非农化”和“非粮化”的措施探讨[J].山西农经,2021,(15):90-91.

[1]是否可以改为南方短期作物，如水稻