“撂荒地”影像特征分析及信息提取
——以右玉县牛心堡乡为例

王 利， 李欣欣

(辽宁师范大学 城市与环境学院，辽宁 大连 116029)

“撂荒地”影像特征分析及信息提取
——以右玉县牛心堡乡为例

王 利， 李欣欣

(辽宁师范大学 城市与环境学院，辽宁 大连 116029)

耕地撂荒严重影响了我国粮食产量，成为近20年来耕地利用中出现的重大问题.多光谱遥感具有数据获取范围广、速度快等特点，在国土资源研究中具有相当大的潜力和优势.为提取和识别撂荒地，研究采用2010—2014年各年份的4—10月多光谱遥感数据Modis/Terra的NDVI数据产品和2014年6月份Landsat 8遥感影像数据，生成撂荒地、林地、耕地类型采样点的NDVI时间序列曲线，利用时间序列曲线来表征撂荒地、林地及耕地的生命周期特征，结合3种覆被类型的生命周期特征及其NDVI曲线特征，对3种覆被NDVI曲线变化趋势进行对比分析，从而区分撂荒地、林地、耕地，以达到识别撂荒地的目的.结合Landsat 8遥感影像判读和野外考察验证样本，最后对遥感影像进行判读，分析撂荒地的光谱、纹理、形状及位置特征，确立撂荒地解译标志，运用ArcGIS 10.2平台实现撂荒地信息提取.结果表明，运用多光谱遥感技术能够很好地提取撂荒地，提取撂荒地精度达到86%.因此，多光谱遥感技术在撂荒地识别研究中具有相当的可行性.

Modis数据；植被指数；撂荒地；牛心堡乡

20世纪以来，人口的迅速增长、自然资源的日益匮乏、生态环境的恶化严重限制了我国经济发展，人口、资源、环境与发展成为人们密切关注的四大问题[1].中国土地面积广大，但人口众多，人均占有耕地水平较低，耕地面积保有量与粮食安全紧密联系在一起.在我国，耕地闲置1 a以上，不进行耕作，不能创造价值，就被称为撂荒地[2].耕地撂荒严重影响粮食产量与粮食安全.中国的耕地撂荒现象最早出现于20世纪80年代的中后期， 由于撤乡并镇，移民并村，城镇化步伐的加快[3-4]，90年代以后日趋严重.目前,耕地资源利用处于不利的恶性循环之中，其中，一方面需要迫切开垦荒地来增加可利用的耕地面积，一方面又因种种原因大面积耕地被闲置撂荒.因此，定量分析我国不同类型的耕地撂荒，寻找解决该地区耕地撂荒问题的对策尤为重要[5-6].

多光谱遥感是利用多光谱扫描系统或多光谱摄影系统，通过从可见光到热红外不同的狭窄波段区感应能量，分别获得地物在不同谱段上影像的遥感技术[7].多光谱遥感不仅可以根据影像的形态和结构的差异判别地物，还可以根据光谱特性的差异识别地物的具体情况，扩大了遥感的信息量.以其具有的数据获取周期短、速度快、范围广和手段多等优点，在国土资源研究中发挥重要的作用.由于撂荒的耕地与耕地、林地以及荒草地很难区分，因此根据粮食作物生命周期来识别撂荒地的多光谱遥感技术亟待发展.

以山西省朔州市右玉县牛心堡乡为例，结合多光谱遥感技术的优势，利用MODIS卫星的 NDVI数据产品，研究基于农作物生命周期的撂荒地识别方法[8-10].通过分析生成典型采样点的NDVI时间序列曲线，与撂荒地、林地、耕地的生命周期特征匹配，从而识别撂荒地并且实现撂荒地信息的提取.

1 研究区概况

右玉县牛心堡乡位于山西省西北边陲地区，隶属山西省朔州市.总面积1 964 km2，地貌类型属于黄土丘陵缓坡区.北部欧村河由东向西流贯，南部牛心河由东向西流贯，中部由老龙山、卧羊山、老老山、团山、巴掌山山脉连贯东西，海拔1 500～1 900 m之间，岩石裸露，山体由三棱柱石形成，盖土极薄，坡度较陡.初霜期为9月份的上、中旬，无霜期年平均104 d左右.

2 数据源及预处理

2.1 数据源

研究采用的数据包括多光谱遥感数据Modis/Terra和2014年6月份Landsat 8遥感影像数据.

多光谱遥感数据Modis/Terra：采用2010—2014年4—10月的NDVI数据产品，Modis/Terra的分辨为250 m×250 m，具有光谱范围广、数据接受简单、更新频率高的特点.Terra是地球同步极轨卫星，对于Modis数据接受来说，每天可以接受白天2次和晚上2次的数据，这样高频率的更新对于地球观测有较大的使用价值.

Landsat 8遥感影像：影像的近红外波段和可见光波段的分辨率为30 m×30 m，全色波段的分辨率为15 m×15 m.利用Modis数据和Landsat 8影像作为处理对象，结合两者的高时间分辨率和高空间分辨率，能较准确地实现撂荒地的影像特征分析和信息提取.

2.2 数据预处理

以2013年和2014年4—10月的Modis数据为基础，对下载的Modis遥感影像数据进行如下的预处理：

投影和坐标变换:需要把Modis NDVI 数据变换到UTM投影、WGS-84地理坐标系，在Modis站点提供的投影转换工具——MRT完成，文件输出格式为GEO TIF格式，实现了影像的拼接和重投影.

提取研究区域：利用山西省朔州市右玉县牛心堡乡行政区边界矢量数据提取牛心堡乡的遥感影像数据.主要方法是采用同一坐标系统下牛心堡乡的矢量边界在ArcGIS环境下裁切出牛心堡乡的Modis NDVI时间序列图像.

3 研究方法

任何事物都有其生长发育的特征，经过时间积累，就形成了其固有的生命周期特征.这一特征不随表征其特征参量的变化而变化.多光谱遥感中的NDVI是表征地表植被特征的重要指标，它是进行大、中尺度土地覆被分类的依据，归一化植被指数(Normalized difference vegetation index,NDVI)被定义为近红外波段与可见光波段数值之差和这2个波段数值之和的比值，即NDVI=(NIR-R)/(NIR+R)[11].目前，NDVI指数是应用最为广泛的植被指数，研究者可以通过分析各种土地覆被的NDVI指数随着时间变化形式的不同来实现各种土地覆被的分类和作物的物候分析等.利用时间序列NDVI特征来表现农作物的生命周期特征，了解农作物发生发展的过程，从而实现撂荒地的识别.

在本文中，选取5 aNDVI数据，对各主要土地利用类型采样点形成NDVI时间序列曲线，结合各类型的生长周期特征，对各曲线进行特征分析.再经过比较，同时考虑耕地撂荒的条件，从而识别撂荒地.结合实地调查和高分辨率影像，按类型选取采样点，读取Modis图像上采样点的NDVI值.每个采样点，形成时间序列曲线数据，对其做平滑处理，据此绘制时间序列曲线，将其与撂荒地的生命周期特征进行比较，从而判定是否为撂荒地.本研究具体步骤如图1所示.

图1 研究流程Fig.1 The research process

3.1 不同覆被类型的NDVI值提取

不同土地类型覆被NDVI值是不相同的，不同类型的覆被对可见光波段和近红外波段不同反射作用不同，当有植被覆盖的情况下，NDVI为正值，随植被覆盖度的增大NDVI值也会增大.不同像元的NDVI值不同，所以混合像元的NDVI值会有很大变化.因此，在进行采样点选取时，应注意尽量采取纯像元作为采样点.结合野外调查情况和对Landsat8影像的分析，选取90个采样点，其中林地、耕地、撂荒地各30个.根据地理坐标，提取采样点在不同时期的NDVI值，据此绘制各点的NDVI时间序列曲线.为尽量减少混合像元的影响，在提取采样点NDVI值时直接选择最邻近像元的值，而非均值.

3.2 NDVI的数据平滑

太阳高度角、卫星观测角、卫星、云和大气条件等有关的辐射条件变化的影响，会对NDVI产生噪声影响，因此需要对NDVI数据进行平滑处理[12]，采用高斯平滑对数据进行平滑，结果如图2所示.

图2 3种采样点的NDVI曲线Fig.2 NDVI curves of three sampling points

3.3 基于NDVI时间序列曲线的分析与讨论

将林地、耕地、撂荒地3类采样点的NDVI数据绘制成时间序列曲线，在NDVI时间序列曲线图中，横轴代表时间的变化，纵轴表示采样点的NDVI值.

在林地采样点的NDVI时间序列曲线(图2)中，其NDVI值的变化范围在0.4～0.8之间.4月初林地还没有进入返青期， NDVI值低，约为0.42左右；4月末5月初，林地进入返青期植被长势缓慢，植被指数增长缓慢，增幅较小；5月底6月初开始，植被指数快速增长，因为在整个6月植被进入快速生长期，植被长势旺盛，所以植被指数大幅增长；7月中下旬植被指数增长到最大值，为0.8左右；8月末9月初，气温开始下降，植被开始枯黄，植被指数也随之下降；10月初，植被指数也处于下降状态，但降幅较平缓，10月末植被完全枯黄，植被指数降到最低.根据采样点5 a的NDVI值的变化，5 a的变化大体一致，峰值未发生明显变化，判定该地区一直是林地，土地利用类型没有发生变化.

同样在耕地采样点的NDVI时间序列曲线(图2)中，其NDVI值变化范围在0.30～0.75之间.NDVI曲线较平滑，有明显的波谷.低谷大致出现在4月初到5月初，在此期间，农作物处于播种期，农作物还未返青，植被指数较低，NDVI值为0.32左右；5月初到6月之前，作物处于返青期，也由返青期进入生长期，植被指数缓慢增长；进入7月后，农作物进入旺盛生长期，植被指数开始升高，增幅较大，峰值出现在7月中旬之后，大约在7月20号左右，NDVI值大约为0.75；在8月到9月份之后，农作物趋于成熟，进入收割期，植被指数缓慢下降；整个10月植被指数都是下降的，直到在10月末呈直线下降到最低值，此时耕地进入休眠期.分析耕地的NDVI曲线可以得出，曲线5 a的变化呈稳定状态，推断该地一直都是耕地，土地类型没有发生变化.

在撂荒地NDVI时间序列曲线(图2)中，2010—2012年曲线的整体变化趋势与耕地大体一致，其NDVI值变化范围在0.30～0.75之间，曲线也较平滑.但是在2013—2014年间，NDVI变化范围在0.3～0.7之间，曲线的变化范围减小，峰值降低，这是因为荒草的长势不如农作物长势旺盛，因此撂荒地的NDVI峰值低于农作物的NDVI峰值；同时2013年开始NDVI曲线变得不平滑，造成这一现象的原因是该地生长品种复杂的杂草，不同种类的杂草，返青时间、生长情况、休眠时间都是不同的.自2013年开始，曲线在4月到5月初处于低谷期，说明因为荒草尚未返青，植被指数较低，其值接近于0.3；5月初到6月，撂荒地中的荒草处于生长期，植被指数缓慢增长；进入7月，荒草长势旺盛，NDVI值也随之快速增长，峰值出现在7月中下旬，约为0.7；进入9月中旬，气温开始降低，撂荒地中杂草开始枯萎，植被NDVI值下降；进入10月，荒草大部分枯黄，植被指数也呈较快的下降态势，10月末荒草进入休眠期，植被指数降到最低.判断该地区在2013年开始被撂荒，撂荒时间超过了1 a，成了撂荒地.

综上所述，根据采样点覆被类型及与之相对应的NDVI时间序列曲线，通过分析遥感影像可以得出撂荒地影像具有以下基本特征：①光谱特征：撂荒地色调不是很均匀，杂草长势不一致，参差不齐，在不同的季节因其不同的生长状况呈现不同的色调.②纹理特征：由于撂荒地中杂草种类不同，在图像上不会出现类似耕地的光滑的、波形的、线性的或斑纹的纹理，因为也会有耕作的痕迹，会出现不规则，不明显的纹理.③形状特征：即撂荒地的外形和轮廓，实际中的撂荒地一般是较规则的多边形.④位置特征：耕地撂荒主要分布在不便于大型机械化耕作的山地地区.

3.4 撂荒地信息提取

采用ArcGIS 10.2对牛心堡乡的遥感影像进行目视解译，根据撂荒地采样点的光谱特征、撂荒地的纹理、形状特征以及位置特征，结合野外的实地考察掌握的牛心堡乡的地形及地物的分布，实现撂荒地信息的提取.应用ArcGIS 10.2提取撂荒地信息[13-14].具体步骤如下：首先对遥感图像进行判读，结合野外实地调查，确立解译标志；然后详细判读，对目标地物进行定性；对遥感影像进行矢量化处理，采集撂荒地的图形与属性文件；最后检查通过.

4 结果分析与讨论

综合分析各类型采样点特征，可知牛心堡地区撂荒地大多分布在地理条件差、土地肥力低下、耕地坡度大、不便于机械化耕作的山地地区.根据影像特征将撂荒地和耕地进行区分，山区耕地的形状较规则，影像呈现红色、粉红色、淡粉色、少许呈现出蓝色，且影像的纹理较粗糙，纹理不规则；而山区撂荒地以粉色、淡红色为主色调，颜色均一，形状较不规则；林地主要以点状、线状、面状分布，影像呈现为红色、鲜红色、淡红色，纹理不规则，比较分散.

对采样点进行野外实地考察，考察结果与通过时间序列NDVI特征识别的结果大致相同.野外实地考察的结果与通过时间序列NDVI特征识别的结果如表1所示.

表1 野外考察结果

通过表1可知，利用多光谱遥感数据Modis/Terra的NDVI数据产品可以作为用来提取撂荒地的数据源.根据影像特征将撂荒地和耕地进行区分，山区耕地的形状较规则，影像呈现红色、粉红色、淡粉色、少许呈现出蓝色，且影像的纹理较粗糙，纹理不规则；而山区撂荒地以粉色、淡红色为主色调，颜色均一，形状较不规则；林地主要以点状、线状、面状分布，影像呈现为红色、鲜红色、淡红色，纹理不规则，比较分散.结合实地调查经验以及撂荒地提取结果发现，研究区内个村都存在不同程度的撂荒，影响农户撂荒的因素主要有家庭人口、农业劳动力比重、人均耕地面积、地块平均面积、耕作半径、耕地收益等.牛心堡地区撂荒地大多分布在地理条件差、土地肥力低下、耕地坡度大、地块面积小、形成成片经营的难度较大、不便于机械化耕作的山地地区.

随着非农收入的增加，农户一方面倾向于将更多的劳动力投入到非农活动中；另一方面，男性劳动力为非农活动的主要参与者，老人、妇女为主要农业生产力，在劳动力供给上难以维持家庭原有生产规模.另外，为追求更多非农收入，随家庭人口增加，农户倾向于将家庭劳动力更多投入到非农活动中，从事农业生产的劳动力相对减少，原有生产规模所需劳动力难以满足，耕地撂荒风险增加.对于耕地撂荒问题，学术界秉持两种主要观点.一是耕地撂荒属于耕地资源的闲置，撂荒面积的持续增加可能会威胁区域的粮食安全，因此，需要遏制耕地撂荒.另一个是劳动力的输出有利于劣质耕地退出耕作范畴，从而促进区域生态恢复.政府基于国家粮食安全的战略视角，应引导农户土地资源的优化配置.

综上所述，基于Modis数据绘制的植被NDVI曲线，可监测到土地利用类型的变化，动态监测植被的生长状况，根据植被NDVI值的变化，进而分析撂荒地的形成过程.运用多光谱遥感技术，可以快速提取出土地使用变化较显著的区域.然而，Modis数据空间分辨率较低，采样点本身不是纯像元，造成NDVI值误差较大，时间序列曲线在更好地体现地物本身的周期性和季节性方面还存在很大的上升空间.在信息提取过程中，较小的土地利用变动情况利用遥感技术还不能有效的提取，较小的图斑还必须结合野外实地考察才能完成.

[1] 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.

[2] 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(1):19-20.

[3] 杨涛,王雅鹏.农村耕地抛荒与土地流转问题的理论探析[J].调研世界,2003(2):15-19.

[4] 田玉军,李秀彬，陈瑜琦，等.城乡劳动力流动及其对农地利用影响研究评述[J].自然资源学报，2010,25(4):686-695.

[5] 马国忠.土地承包的稳定性和土地抛荒的现实性[J].农村经济，2008(7):43-45.

[6] 王利,任启龙,杨生彪.辽宁省地形分类标准及分区方案研究[J].辽宁师范大学学报(自然科学版),2015,38(3):391-398.

[7] 童庆禧，张兵，郑兰芬.高光谱遥感的多学科应用[M].北京：电子工业出版社,2006：23.

[8] 郑财贵，邱道持，叶公强，等.基于GIS空间分析的撂荒地空间分布特征研究——以重庆市璧山县大路镇为例[J].农机化研究，2010(3)：31-36.

[9] 胡自宁，陈玉兰.遥感技术在土地利用变更调查中的应用[J].南方国土资源，2004(11):34-35.

[10] 王正兴，刘闯，HUETE Alfredo.植被指数研究进展：从AVHRR-NDVI到MODIS-EVI[J].生态学报，2003,23(5)：979-987.

[11] 李天峻，阎君，李伯衡.遥感综合时空信息在土地利用动态监测中的应用技术研究概述[J].国土资源遥感，1997(2):38-42.

[12] 杨涛,朱博文,雷海章,等.对农村耕地抛荒现象的透视[J].中国人口·资源与环境,2002,12(2):133-134.

[13] 樊风雷.珠江三角洲核心区域土地利用时空变化遥感监测及其生态环境效应研究[D].广州：中国科学院研究生院广州地球化学研究所,2007.

[14] 徐美，黄诗峰，黄绚.遥感用于土地利用变化动态监测中的若干问题探讨[J].遥感技术与应用，2000，15(4):252-255.

“AbandonedFarmlands”imagefeaturesanalysisandinformationextraction
——IncaseofNiuxinbaotownshipinYouyu

WANGLi,LIXinxin

(College of Urban and Environment, Liaoning Normal University, Dalian 116029, China)

The abandonment of arable land has seriously affected the grain output in our country and has become a major problem in the utilization of cultivated land in the past two decades.In this paper, the NDVI data from Modis/ Terra and the Landsat 8 remote sensing image data of June, 2014, from April to October in 2014, and the NDVI time series of abandoned land, forest land and cultivated land are characterized by time series NDVI.The NDVI time series curves of abandoned land, forest land and cultivated land type are generated.Combined with the growth characteristics and NDVI curve characteristics, three NDVI curves were analyzed to identify abandoned land.Combined with Landsat 8 remote sensing image and field survey data to establish the interpretation of signs we made an analysis of the abandoned land spectrum, texture, shape and location characteristics, and also use the ArcGIS to achieve the extraction of abandoned land information.

Modis data;normalized difference vegetaion index;abandoned land;Niuxinbao rural

TP79

A

2017-03-20

国家科技支撑计划资助项目(2008BAH31B06)；部省共建人文社会科学重点研究基地资助项目(14JJD790038)

王利(1965- )，男，辽宁建平人，辽宁师范大学教授，博士，博士生导师.E-mail:wangli0984@vip.sina.com

1000-1735(2017)04-0519-06

10.11679/lsxblk2017040519