孫 玲， 單 捷， 盧必慧， 王晶晶， 黃曉軍， 王志明

(江蘇省農(nóng)業(yè)科學院農(nóng)業(yè)信息研究所，江蘇 南京 210014)

水稻是江蘇省最重要的糧食作物之一，其種植情況影響全省糧食安全和國民經(jīng)濟發(fā)展大局[1]，準確掌握水稻種植面積可為指導水稻生產(chǎn)、維護糧食安全提供科學依據(jù)。遙感技術具有客觀性強，覆蓋范圍廣等特點，是區(qū)域農(nóng)作物面積信息準確獲取以及時空變化監(jiān)測的主要技術[2-9]。王小慧等[10]利用1985年以來的縣域水稻生產(chǎn)數(shù)據(jù)，分析了中國水稻產(chǎn)量、面積和單產(chǎn)的時空動態(tài)變化特征以及水稻生產(chǎn)重心遷移軌跡，在此基礎上量化了水稻面積和單產(chǎn)對總產(chǎn)的貢獻度。王學等[11]分析2001-2011年MODIS時序數(shù)據(jù)，發(fā)現(xiàn)華北平原2001-2011年冬小麥種植面積持續(xù)擴大，并且呈現(xiàn)南增北減的格局，為華北平原調(diào)整農(nóng)業(yè)種植結構提供了借鑒。杜永林等[12]以江蘇省13個行政區(qū)水稻生產(chǎn)數(shù)據(jù)為基礎，分析了1961-2010年水稻產(chǎn)量的時空變化特征及其主要的影響因素，結果表明江蘇省水稻總產(chǎn)量增加了2.9倍，總體呈南減北增趨勢。黃維等[13]以廣西省平樂縣為例，利用多時相陸地衛(wèi)星影像數(shù)據(jù)和面向?qū)ο蟮姆诸惙椒?，提取出晚稻種植發(fā)生變化的區(qū)域。Lunetta等[14]利用MODIS的歸一化植被指數(shù)(NDVI)提取了美國五大湖盆地2005-2007年玉米、大豆和小麥的空間分布數(shù)據(jù)，通過比較分析作物輪作的面積分布和變化，得出2005-2006年玉米和大豆的總種植面積相對平衡，2006-2007年玉米種植面積增加約21%的結論。劉珍環(huán)等[15]通過綜合80年代初以來農(nóng)作物面積和產(chǎn)量的統(tǒng)計、耕地分布、農(nóng)業(yè)灌溉分布以及農(nóng)作物生長適宜性分布等多源數(shù)據(jù)，分析水稻種植面積和產(chǎn)量的時空變化，發(fā)現(xiàn)在中國水稻種植區(qū)發(fā)生變化的地區(qū)中，有超過50%地區(qū)的水稻種植面積出現(xiàn)縮減態(tài)勢，但仍有近70%地區(qū)的水稻產(chǎn)量在增加。上述基于遙感技術的農(nóng)作物種植空間分布以及時空變化研究缺乏農(nóng)作物種植調(diào)整后的信息，不能直觀、真實反映目標作物的調(diào)整模式，而且使用的多為中高分辨率遙感影像或統(tǒng)計數(shù)據(jù)。目前，利用高分辨率遙感影像采集大區(qū)域水稻種植時空變化信息的研究尚不多見。本研究擬基于5 m分辨率的江蘇省耕地遙感數(shù)據(jù)庫，以江蘇省水稻主產(chǎn)區(qū)2015年和2019年水稻種植的時空變化為切入點，監(jiān)測水稻種植結構的空間變化，以期為更好地實行分區(qū)管理，保持和改善生產(chǎn)區(qū)域的生態(tài)平衡提供科學依據(jù)。

1 材料與方法

1.1 監(jiān)測區(qū)概況

監(jiān)測區(qū)為江蘇省內(nèi)的50個1∶50 000標準地形圖圖幅框(圖1)，面積為2.14×1010m2，包括部分連云港市、鹽城市、淮安市、宿遷市和揚州市，監(jiān)測區(qū)2015年水稻種植面積約占全省水稻面積的37%，主要糧食作物種植模式為小麥-水稻、小麥-玉米、小麥-大豆。

監(jiān)測區(qū)分布于江蘇省的徐淮農(nóng)區(qū)、里下河農(nóng)區(qū)和沿海農(nóng)區(qū)，其中，徐淮農(nóng)區(qū)占62.8%，里下河農(nóng)區(qū)占30.0%，沿海農(nóng)區(qū)占7.2%。由于沿海農(nóng)區(qū)面積占比相對較小，因此在下面的討論中將沿海農(nóng)區(qū)的變化并入到里下河農(nóng)區(qū)。

江蘇省徐淮農(nóng)區(qū)是中國黃淮海平原的重要組成部分，該區(qū)地處暖溫帶，光照充足，雨量比較充沛，水熱資源較為豐富，春季溫度回升快，夏季溫熱多雨，秋季多晴朗天氣，晝夜溫差大，臺風頻率低，對作物生長發(fā)育較為有利，是江蘇省的主要產(chǎn)糧區(qū)[16-17]。江蘇省里下河農(nóng)區(qū)，地勢低洼，地下水位高，湖蕩相連，人工水網(wǎng)稠密，是江蘇省重要的種植區(qū)和養(yǎng)殖區(qū)，由于水資源豐富，近年來該區(qū)域的開發(fā)利用主要以水產(chǎn)養(yǎng)殖、漁業(yè)捕撈等為主[18-19]。

1.2 試驗方法

1.2.1 數(shù)據(jù)源 本研究的水稻地塊空間分布信息來源于江蘇省5 m分辨率耕地遙感數(shù)據(jù)庫，該耕地數(shù)據(jù)庫以2012年RapidEye數(shù)據(jù)為基礎，利用地理信息系統(tǒng)軟件(ArcGIS9.3)和遙感圖像編輯及處理軟件(ERDAS IMAGINE8.4)，通過人工目視解譯的方式勾繪獲得。采用亞米級GPS實地測量地面樣方數(shù)據(jù)，用地面實測的220個500 m×500 m樣方數(shù)據(jù)進行驗證，耕地面積的提取精度高于98%。2015年水稻地塊的識別以Landsat-8 OLI數(shù)據(jù)(2015年8月17日，軌道號120036和120037)為主，以GF1寬視場數(shù)據(jù)(2015年8月3日)為輔。2019年水稻地塊的識別以Landsat-8 OLI數(shù)據(jù)(2019年9月13日，軌道號120036和120037)為主，以Sentinel2數(shù)據(jù)(2019年8月20日)為輔。用ERDAS IMAGINE8.4軟件對原始衛(wèi)星影像進行預處理，所有影像采用統(tǒng)一的坐標系統(tǒng)。

1.2.2 水稻空間分布信息提取 根據(jù)2015年和2019年野外實地調(diào)查資料確定水稻和其他地物的解譯標志，建立相關的影像解譯標志庫。以2015年衛(wèi)星影像為底圖，從耕地數(shù)據(jù)庫中提取相關信息，生成2015年水稻空間分布信息。以2019年的衛(wèi)星影像為底圖，從2015年水稻空間分布信息中提取2019年的水稻空間分布信息，以及2015年為水稻2019年為非水稻的地塊信息，再從耕地數(shù)據(jù)庫中補充2015年不是水稻而2019年為水稻的地塊信息，生成最終的2019年水稻空間分布信息。

圖1 監(jiān)測區(qū)所處地理位置Fig.1 Geographical location of the monitoring area

1.2.3 水稻種植調(diào)減模式 Landsat-8 OLI影像為區(qū)域遙感監(jiān)測數(shù)據(jù)源，OLI是其攜帶的主要傳感器，有9個波段，其中的紅光波段(640～670 nm，波段4)、近紅外波段(850～880 nm，波段5)、短波紅外波段(1 560～1 660 nm，波段6)是識別水稻的最佳波段組合，OLI的波段4、波段5和波段6對應Sentinel2的波段5、波段8和波段11[20-23]。由于監(jiān)測區(qū)內(nèi)水稻面積約占耕地面積的70%，主要農(nóng)作物為水稻，但是從單一時相的衛(wèi)星影像中很難識別同期的玉米、大豆和蔬菜等，所以在下面的討論中把非水稻作物歸并成一類，稱為其他作物。

近年，由于國家對水稻種植結構實施調(diào)減的調(diào)整政策，并且2015年以來稻谷最低收購價一直持續(xù)下調(diào)，導致水稻種植面積提升乏力，呈萎縮態(tài)勢，因此本研究僅討論水稻種植面積的調(diào)減模式。水稻面積調(diào)減模式的判別采取目視識別勾繪為主的方式進行，變化模式有：水稻→其他作物(玉米、大豆、蔬菜等)、水稻→建筑用地(道路等)、水稻→水生作物(蓮藕等)、水稻→水產(chǎn)養(yǎng)殖等。

同一時期目視識別地物類別的依據(jù)是各種地物不同的衛(wèi)星影像像元光譜特征，圖2是2019年9月13日Landsat-8 OLI影像和2019年8月20日Sentinel2影像中水稻、其他作物、水生作物、水產(chǎn)養(yǎng)殖和建筑物的像元亮度值(DN)。圖2顯示，無論是Landsat-8 OLI影像還是Sentinel2影像，其他作物與建筑物在各波段上的光譜特征差異均較小，不易區(qū)分。因此，本研究將水稻→其他作物和水稻→建筑物這2種變化模式合并為一類，使水稻的調(diào)減模式歸并為3種：水稻→水生作物、水稻→水產(chǎn)養(yǎng)殖和水稻→其他作物。

2 結果與分析

2.1 水稻空間分布信息

圖3顯示，2015年監(jiān)測區(qū)內(nèi)水稻面積為8.16×105hm2，2019年為7.69×105hm2，減少5.7%。2015年57.1%的水稻分布在徐淮農(nóng)區(qū)，42.9%的水稻分布在里下河農(nóng)區(qū)，2019年58.8%的水稻分布在徐淮農(nóng)區(qū)，41.2%的水稻分布在里下河農(nóng)區(qū)。

A：2019年9月13日Landsat-8 OLI影像；B：2019年8月20日Sentinel2影像。波段4(圖A):640～670 nm；波段5(圖A):850～880 nm；波段6(圖A):1 560～1 660 nm；波段2(圖B)：440～538 nm；波段4(圖B)：646～684 nm；波段5(圖B)：640～670 nm；波段8(圖B):850～880 nm；波段11(圖B):1 560～1 660 nm。圖2 不同地物各波段像元亮度值變化Fig.2 Variation of digital number value of pixels in different wavebands

圖3 水稻空間分布圖Fig.3 Spatial distribution map of rice

2.2 水稻面積變化空間分布

在ArcGIS9.3中對2015年和2019年的水稻空間分布信息進行疊加分析，得到2015年至2019年的水稻種植面積空間變化分布信息，包括與2015年相比，2019年減少的和增加的水稻種植面積空間分布信息。統(tǒng)計各圖幅框的水稻增減面積，表1顯示，每個圖幅框內(nèi)都有新增和減少的水稻面積。在50個圖幅框里，水稻面積增加幅度最大為13.77%，最小為0.87%，增加幅度大于10.00%的圖幅框數(shù)量最少，占總框數(shù)的6.00%，增加幅度為5.00%～10.00%的圖幅框數(shù)量較少，占總框數(shù)的22.00%，增加幅度小于5.00%的圖幅框數(shù)量最多，占總框數(shù)的72.00%。在50個圖幅框里，水稻面積減少幅度最大為26.44%，最小為0.57%，減少幅度小于5.00%的圖幅框數(shù)量最少，占總框數(shù)的14.00%，減少幅度大于10.00%的圖幅框數(shù)量較少，占總框數(shù)的38.00%，減少幅度為5.00%～10.00%的圖幅框數(shù)量最多，占總框數(shù)的48.00%。分別統(tǒng)計2015年和2019年水稻種植面積可得，與2015年相比，監(jiān)測區(qū)內(nèi)2019年水稻種植面積增加3.6%，減少9.3%，總計減少5.7%。

表1 監(jiān)測區(qū)水稻面積變化統(tǒng)計表

圖4為監(jiān)測區(qū)內(nèi)水稻種植面積變化率分布圖，圖中水稻面積增加的圖幅框占14.0%，水稻面積減少的圖幅框占86.0%，減少幅度為0～5.0%的圖幅框占32.0%，減少幅度為5.1%～10.0%的圖幅框占30.0%，減少幅度為10.1%～20.0%的圖幅框占18.0%，減少幅度大于20.1%的圖幅框占6.0%。

2.3 水稻調(diào)減面積空間分布

由監(jiān)測區(qū)2019年較2015年的水稻調(diào)減面積空間分布圖(圖5A)、水稻調(diào)減模式空間分布圖(圖5B)、調(diào)減模式占比分布表(表2)可以看出，有94.0%的圖幅框存在水稻→水產(chǎn)養(yǎng)殖模式，有86.0%的圖幅框存在水稻→水生作物模式，每個圖幅框都存在水稻→其他作物模式。統(tǒng)計50個圖幅框內(nèi)水稻的具體調(diào)減面積，至2019年，90.7%的水稻田仍為水稻田，9.3%的水稻田調(diào)減為非水稻田。結合各調(diào)減模式的面積分布，進一步分析發(fā)現(xiàn)，在9.3%的調(diào)減面積中，水稻田轉為水產(chǎn)養(yǎng)殖的占2015年水稻面積的2.8%，轉為水生作物的占1.7%，轉為其他作物的占4.8%。

2.4 水稻調(diào)減分布特征

與2015年相比，在調(diào)減的水稻面積中，徐淮農(nóng)區(qū)占比45.7%，里下河農(nóng)區(qū)占比54.3%，單位水稻面積調(diào)減率徐淮農(nóng)區(qū)為7.4%，里下河農(nóng)區(qū)為11.8%。由此可見，里下河農(nóng)區(qū)的單位水稻面積調(diào)減率比徐淮農(nóng)區(qū)高4.4個百分點。結合江蘇省的地域發(fā)展特征，上述結果表明江蘇省水稻生產(chǎn)重心正逐步北移。

圖4和表1顯示，水稻面積增減具有連片性。水稻面積增加的圖幅框都在徐淮農(nóng)區(qū)，集中分布在鹽城市的濱?？h以及淮安市漣水縣、淮陰區(qū)與宿遷市沭陽縣交界處，均為旱地改水稻或旱稻。水稻面積減少幅度在5.0%以內(nèi)的圖幅框集中分布在徐淮農(nóng)區(qū)，減少幅度為5.1%～10.0%的圖幅框集中分布在2個農(nóng)區(qū)的4個區(qū)域，減少幅度不低于10.1%的圖幅框集中分布于里下河農(nóng)區(qū)。除了編碼為9500591(連云港市)和9500951(淮安市)的圖幅框是因為城區(qū)建設調(diào)減水稻面積外，其余基本上都是因為種植結構調(diào)整而調(diào)減了水稻面積。

圖4 水稻種植面積變化率Fig.4 Change rate of rice planting area

A:調(diào)減面積；B：調(diào)減模式。圖5 水稻調(diào)減空間分布圖Fig.5 Distribution map of reduction range and mode in rice

表2 監(jiān)測區(qū)水稻不同調(diào)減模式占比

2.5 水稻調(diào)減模式分布特征

在調(diào)減的水稻面積中，調(diào)減為水產(chǎn)養(yǎng)殖的占29.7%，調(diào)減為水生作物的占18.3%，調(diào)減為其他作物的占52.0%。進一步分析調(diào)減水稻在各農(nóng)區(qū)的分布，調(diào)減為水產(chǎn)養(yǎng)殖的原水稻田中，徐淮農(nóng)區(qū)占比16.0%，里下河農(nóng)區(qū)占比84.0%；調(diào)減為水生作物的原水稻田中，徐淮農(nóng)區(qū)占比38.0%，里下河農(nóng)區(qū)占比62.0%；調(diào)整為其他作物的原水稻田中，徐淮農(nóng)區(qū)占比65.3%，里下河農(nóng)區(qū)占比34.7%。針對監(jiān)測區(qū)內(nèi)3種調(diào)減模式，徐淮農(nóng)區(qū)占比最大的是水稻→其他作物，其次是水稻→水生作物，最少的是水稻→水產(chǎn)養(yǎng)殖；里下河農(nóng)區(qū)占比最大的是水稻→水產(chǎn)養(yǎng)殖，其次是水稻→水生作物，最少的是水稻→其他作物。圖5顯示，大量調(diào)減為水產(chǎn)養(yǎng)殖的原水稻地塊主要分布在里下河農(nóng)區(qū)，在徐淮農(nóng)區(qū)呈點狀分散分布，不連片；大量調(diào)減為水生作物的原水稻地塊主要分布在里下河農(nóng)區(qū)，在徐淮農(nóng)區(qū)連云港市灌云縣分布也比較集中，有連片分布的區(qū)域；調(diào)減為其他作物的原水稻地塊在監(jiān)測區(qū)內(nèi)呈點狀分布，但在沭陽縣和泗陽縣交界處以及楚州區(qū)中部的分布比較集中。

3 結 論

本研究利用遙感技術分析監(jiān)測區(qū)內(nèi)2019年較2015年水稻種植面積的變化程度、變化模式以及變化位置，直觀顯示了監(jiān)測區(qū)內(nèi)水稻種植的調(diào)減模式以及水稻調(diào)減的空間分布。結果表明，近幾年江蘇省水稻種植面積正緩慢下降，各地利用調(diào)減的水稻面積發(fā)展水面種植、水產(chǎn)養(yǎng)殖或改種其他適宜性特色作物。監(jiān)測區(qū)內(nèi)水稻→其他作物是目前最主要的調(diào)減模式，其次是水稻→水面養(yǎng)殖和水稻→水生作物。江蘇省水稻生產(chǎn)基礎較好，全省均位于長江流域水稻優(yōu)勢種植區(qū)，只有了解水稻調(diào)整的調(diào)減模式特征后，才能更好地實行分區(qū)管理，保持和改善生產(chǎn)區(qū)域的生態(tài)平衡，創(chuàng)造出更多綠色、高效的生態(tài)種植模式和生態(tài)漁業(yè)模式。