黃海量

（福建省地質(zhì)測(cè)繪院，福建 福州 350011）

人口增長(zhǎng)和糧食需求的增加使得糧食安全問(wèn)題日益凸顯，如何準(zhǔn)確估計(jì)農(nóng)作物的面積和產(chǎn)量，成為糧食安全管理的關(guān)鍵[1]。農(nóng)作物面積遙感測(cè)量是第三次農(nóng)業(yè)普查的重要組成部分，是農(nóng)業(yè)普查方式的重大變革，旨在測(cè)量主要農(nóng)作物的種植面積及空間分布[2]，建立起面向未來(lái)的現(xiàn)代農(nóng)業(yè)統(tǒng)計(jì)監(jiān)測(cè)體系，為糧食安全戰(zhàn)略提供科學(xué)依據(jù)[3]。

近年來(lái)，隨著遙感測(cè)量技術(shù)的發(fā)展，可以利用多源數(shù)據(jù)打造農(nóng)業(yè)統(tǒng)計(jì)調(diào)查全新流程，實(shí)現(xiàn)調(diào)查全過(guò)程質(zhì)量控制，進(jìn)一步提升農(nóng)業(yè)統(tǒng)計(jì)調(diào)查公信力[4]，及時(shí)準(zhǔn)確地掌握農(nóng)作物種植面積及其空間分布狀況，對(duì)制定社會(huì)經(jīng)濟(jì)發(fā)展規(guī)劃、調(diào)控種植業(yè)結(jié)構(gòu)、確保國(guó)家糧食安全具有重要意義[5]。已有部分學(xué)者在該領(lǐng)域做了大量的相關(guān)研究，其中，于秀娟等建立了多源高分遙感影像進(jìn)行土地利用動(dòng)態(tài)監(jiān)測(cè)的技術(shù)流程，研究了基于面向?qū)ο笈c深度學(xué)習(xí)的土地利用信息提取[6]；閻建忠等基于MODIS NDVI時(shí)間序列和Landsat數(shù)據(jù)，利用不同作物的物候特征實(shí)現(xiàn)了對(duì)青藏高原主要農(nóng)作物信息的提取[7]；趙龍才等利用深度學(xué)習(xí)方法集合作物生長(zhǎng)過(guò)程的光譜特征，構(gòu)建了面向農(nóng)作物遙感識(shí)別的知識(shí)圖譜，提高了識(shí)別精度與效率[8]；牛昱杰等基于哨兵2號(hào)的時(shí)序影像，研究發(fā)現(xiàn)了多時(shí)相模型可以有效提高冬小麥的提取精度，每年2月、4月、6月為識(shí)別的關(guān)鍵期[9]；朱爽等研究了基于農(nóng)作物遙感識(shí)別結(jié)果的不同分層方法的抽樣效率，為解決遙感抽樣估算中分層標(biāo)志缺乏遙感識(shí)別誤差描述的問(wèn)題提供了參考[10]。大部分學(xué)者的研究區(qū)域面積較廣，缺少針對(duì)小范圍區(qū)域的研究。本文以位于武夷山脈東南部的連墩村耕地種植變化監(jiān)測(cè)情況為研究對(duì)象，以國(guó)土“三調(diào)”耕地?cái)?shù)據(jù)為基礎(chǔ)，采用光學(xué)、合成孔徑雷達(dá)（SAR）等多源數(shù)據(jù)組合并結(jié)合人工智能的方法進(jìn)行研究，為遙感技術(shù)在小范圍區(qū)域的動(dòng)態(tài)監(jiān)測(cè)提供參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

萬(wàn)安鄉(xiāng)連墩村位于福建省南平市，地處閩北山區(qū)，農(nóng)田面積較大，耕地資源豐富。該村位于中南亞熱帶，屬溫暖濕潤(rùn)型亞熱帶海洋性季風(fēng)氣候，具有太陽(yáng)輻射能充裕、年積溫高、溫暖濕潤(rùn)、雨量充足、氣候資源豐富等特點(diǎn)，有80%以上雨量集中在3—10月的溫暖和炎熱季節(jié)之間，雨熱同期，為農(nóng)作物的生長(zhǎng)發(fā)育、多熟種植和蔬菜的周年生產(chǎn)，提供了良好的氣候條件。該村主要種植茶葉、水果等農(nóng)作物。

1.2 數(shù)據(jù)來(lái)源

用于本研究的數(shù)據(jù)包括：1）2022年6月、8月、12月的連墩村無(wú)人機(jī)影像；2）國(guó)土“三調(diào)”耕地?cái)?shù)據(jù)；3）光學(xué)、SAR多源數(shù)據(jù)組合；4）連墩村范圍矢量數(shù)據(jù)。

1.3 遙感影像數(shù)據(jù)收集與處理

采用光學(xué)、SAR等多源數(shù)據(jù)組合，基于省級(jí)衛(wèi)星中心和公開的數(shù)據(jù)等收集影像，并對(duì)影像進(jìn)行糾正、配準(zhǔn)等一系列處理，形成連墩村耕地糧食作物種植情況動(dòng)態(tài)監(jiān)測(cè)亞米級(jí)遙感影像和3個(gè)尺度多源、多模態(tài)耕地糧食作物種植情況的長(zhǎng)時(shí)序影像。收集連墩村亞米級(jí)衛(wèi)星遙感影像（時(shí)相在2個(gè)年度內(nèi)）一期，用于種植地塊及糧食作物種植分布信息提取；收集關(guān)鍵時(shí)間節(jié)點(diǎn)的多源米級(jí)、中分辨率的光學(xué)、SAR影像，用于糧食作物種植分布信息提取。

2 研究方法

2.1 總體技術(shù)流程

基于國(guó)土“三調(diào)”耕地?cái)?shù)據(jù)，采用光學(xué)與SAR等多源數(shù)據(jù)組合、AI智能提取精細(xì)地塊空間、分區(qū)分級(jí)遞推、分步人工智能的方法進(jìn)行耕地種植情況遙感動(dòng)態(tài)監(jiān)測(cè)，總體技術(shù)流程如圖1所示。

圖1 技術(shù)流程

2.2 基于深度學(xué)習(xí)技術(shù)的耕地地塊識(shí)別

依據(jù)全覆蓋的亞米高分影像，參照“三調(diào)”“農(nóng)經(jīng)權(quán)”等調(diào)查數(shù)據(jù)，根據(jù)《福建省第三次國(guó)土調(diào)查主要數(shù)據(jù)公報(bào)》公布的耕地面積，采用分區(qū)—分層—分級(jí)解構(gòu)方法，基于亞米級(jí)影像，利用深度學(xué)習(xí)技術(shù)智能識(shí)別任務(wù)區(qū)內(nèi)所有農(nóng)田地塊，高效率生成精細(xì)種植地塊圖，將其作為耕地糧食作物種植情況監(jiān)測(cè)成圖的底板。

2.3 基于多源遙感影像的糧食作物識(shí)別

基于水稻（主要作物）、玉米、地瓜等糧食作物的生長(zhǎng)周期的物候信息，采用多源、多模態(tài)（SAR等）長(zhǎng)時(shí)間序列的遙感數(shù)據(jù)，結(jié)合區(qū)域特點(diǎn)、作物空間分布及紋理和光譜等特征，應(yīng)用遙感技術(shù)與AI智能學(xué)習(xí)方法開展自動(dòng)化信息提取，獲取糧食作物的空間分布與種植面積信息。

不同糧食作物的重點(diǎn)監(jiān)測(cè)時(shí)間不同。水稻監(jiān)測(cè)時(shí)間：早稻生長(zhǎng)周期為3—7月，重點(diǎn)監(jiān)測(cè)時(shí)間為5月、6月；中稻生長(zhǎng)周期為5—9月，重點(diǎn)監(jiān)測(cè)時(shí)間為7月、8月；晚稻生長(zhǎng)周期為6—10月，重點(diǎn)監(jiān)測(cè)時(shí)間為9月、10月。玉米監(jiān)測(cè)時(shí)間：春玉米生長(zhǎng)周期為2—5月，重點(diǎn)監(jiān)測(cè)時(shí)間為4月；夏玉米生長(zhǎng)周期為7—10月，重點(diǎn)監(jiān)測(cè)時(shí)間為8月、9月。地瓜監(jiān)測(cè)時(shí)間：生長(zhǎng)周期為6—10月，重點(diǎn)監(jiān)測(cè)時(shí)間為9月、10月。

2.4 物候分區(qū)與分類系統(tǒng)設(shè)置

根據(jù)地形地貌、海拔、氣候條件、種植物候等先驗(yàn)知識(shí)，劃定連墩村種植結(jié)構(gòu)分區(qū)，確定每個(gè)分區(qū)中的作物分類系統(tǒng)（類型—時(shí)段）。選定具有代表性的物候分區(qū)進(jìn)行樣點(diǎn)采集—時(shí)序遙感構(gòu)建—環(huán)境參量加載—作物時(shí)序分類的精分類，確保典型區(qū)域提取精度，并按置信度評(píng)估每個(gè)地塊的分類結(jié)果。

2.5 耕地糧食作物種植信息綜合分析

結(jié)合外業(yè)調(diào)查、無(wú)人機(jī)調(diào)查等技術(shù)，抽樣核實(shí)實(shí)際耕地糧食作物種植情況，提取糧食作物的種植情況及分布信息。在此基礎(chǔ)上，疊加永久基本農(nóng)田、高標(biāo)準(zhǔn)農(nóng)田等范圍，進(jìn)一步分析和判定耕地糧食作物種植分布狀況及變化情況。

3 結(jié)果與分析

根據(jù)連墩村的調(diào)查情況，結(jié)合農(nóng)作物物候信息，將連墩村按一、二級(jí)分類劃分為種植糧食作物（水稻、玉米、地瓜等糧食作物）用地、種植非糧食作物（大棚種植、蔬菜等其他非糧食作物）用地、未耕地、種植園用地（果園等）、林地（竹林地、其他林地）、坑塘溝渠（坑塘水面、溝渠）、設(shè)施農(nóng)用地、交通運(yùn)輸用地、其他建設(shè)用地共9大類。

3.1 三期監(jiān)測(cè)結(jié)果統(tǒng)計(jì)

監(jiān)測(cè)結(jié)果及變化情況如表1、表2所示。變化1是指8月較6月耕地種植變化，變化2是指12月較8月耕地種植變化。由表1、表2可知，6月到8月連墩村耕地種植變化不大，種植糧食作物用地面積增加，其中水稻、玉米、地瓜等糧食作物的種植面積都有所增加；種植非糧食作物用地面積減少，其中大棚種植面積、蔬菜等非糧食作物的種植面積都有所減少；未耕地、種植園用地、林地面積均減少；交通運(yùn)輸用地面積增加；坑塘溝渠、設(shè)施農(nóng)用地、其他建設(shè)用地?zé)o變化。8月到12月連墩村耕地種植變化較大，種植糧食作物用地面積顯著減少，其中玉米的種植面積輕微減少，水稻完成收獲，其面積減少到0，同時(shí)未耕地面積顯著增加，地瓜等其他糧食作物的種植面積增加；種植園用地、設(shè)施農(nóng)用地、交通運(yùn)輸用地、其他建設(shè)用地面積增加。

表1 連墩村耕地監(jiān)測(cè)情況（一級(jí)分類）表 單位：畝

表2 連墩村耕地監(jiān)測(cè)情況（二級(jí)分類）表 單位：畝

3.2 耕地種植面積變化

由圖2可知，6—8月種植糧食作物用地、種植非糧食作物用地、未耕地、種植園用地4種用地的變化面積總量為208.9畝，其中變化最大的類型為未耕地—種植糧食作物用地，面積為72.99畝，占比達(dá)34.94%；其次為種植非糧食作物用地—未耕地，面積為40.41畝，占比達(dá)19.34%。輪作時(shí)合理安排種植不同類型的作物，改變土壤生境條件，促進(jìn)耕地可持續(xù)發(fā)展。

圖2 6—8月連墩村耕地種植面積變化圖

由圖3可知，8—12月種植糧食作物用地、種植非糧食作物用地、未耕地、種植園用地4種地類變化面積總量為1 772.03畝，該階段絕大多數(shù)耕地轉(zhuǎn)為未耕地，包括種植糧食作物用地—未耕地、種植非糧食作物用地—未耕地、種植園用地—未耕地，面積合計(jì)1 662.64畝，占比達(dá)93.83%，休耕時(shí)土壤得到充分的恢復(fù)與調(diào)整。

圖3 8—12月連墩村耕地種植面積變化圖

4 結(jié)論

以國(guó)土“三調(diào)”耕地?cái)?shù)據(jù)為基礎(chǔ)，采用光學(xué)、SAR等多源數(shù)據(jù)組合結(jié)合深度學(xué)習(xí)的方法，開展適用于小范圍區(qū)域耕地種植情況的遙感動(dòng)態(tài)監(jiān)測(cè)研究。研究結(jié)果顯示，在農(nóng)作物種植和土地利用的變化方面，6—12月期間水稻、玉米、地瓜等糧食作物以及其他非糧食作物的種植呈現(xiàn)動(dòng)態(tài)增減變化的趨勢(shì)，耕地輪作休耕制度得到有效推行，為土地提供了更好的保護(hù)，有助于提高農(nóng)作物的產(chǎn)量和質(zhì)量。同時(shí)，設(shè)施農(nóng)用地和交通運(yùn)輸用地在這一時(shí)期持續(xù)增加，促進(jìn)了農(nóng)業(yè)生產(chǎn)和農(nóng)村經(jīng)濟(jì)發(fā)展，進(jìn)一步增強(qiáng)了農(nóng)村地區(qū)的發(fā)展活力和可持續(xù)性。遙感技術(shù)在村域尺度耕地種植動(dòng)態(tài)監(jiān)測(cè)中得到了較好的應(yīng)用，有效推進(jìn)落實(shí)耕地?cái)?shù)量、質(zhì)量、生態(tài)“三位一體”保護(hù)。