摘 要：基于中高空間分辨率雙季稻種植面積遙感數(shù)據(jù)產(chǎn)品，運用地理空間分異分析方法，從像元尺度對湖南雙季稻的地理空間分異特征進行分析。結果表明：湖南雙季稻的地理空間分異特征明顯，主要分布在武陵山脈以東、幕阜山以西的洞庭湖平原地區(qū)，雪峰山以東、羅霄山以西、南嶺山脈以北的湘中丘陵盆地地區(qū)；緯度上，雙季稻面積從南到北呈3個階梯式上升態(tài)勢，核心緯度為28.5°N～29.2°N；經(jīng)度上，呈自西向東先增后減的分布態(tài)勢，核心經(jīng)度為112.4°E～113.0°E；海拔上，隨海拔升高而不斷下降，核心海拔為105 m以下的低海拔區(qū)；坡度在9°以下地區(qū)的耕地中雙季稻的種植比例達到近三成；洞庭湖地區(qū)為雙季稻種植的主要地區(qū)，其面積與耕地占比在湖南4大區(qū)域經(jīng)濟板塊中均為最高。

關鍵詞：雙季稻；遙感數(shù)據(jù)產(chǎn)品；地理空間分異；湖南

中圖分類號：S511；TP751 文獻標識碼：A 文章編號：1006-060X（2023）05-0082-06

Abstract：Based on medium to high spatial resolution remote sensing data products for planting area of double-season rice， the spatial heterogeneity analysis method was used to analyze the geographical spatial differentiation characteristics of Hunan double-season rice on pixel scale. The results showed that the characteristics of geographical spatial differentiation of double-season rice in Hunan were obvious. Double-season rice was mainly distributed in the Dongting Lake plain area located between the east of Wuling Mountains and the west of Mufu Mountains， and in the central Hunan hilly basin area surrounded by the east of Xuefeng Mountains， the west of Luoxiao Mountains and the north of Nanling Mountains. In latitude， the area of double-season rice increased in three steps from south to north， with the core latitude ranging from 28.5°N to 29.2°N. In longitude， the area increased first and then decreased from west to east， and its core longitude was from 112.4°E to 113.0°E. In altitude， the area decreased with increasing altitudes， and was concentrated at the altitude below 105 m. Nearly 30% of cultivated land in the area with slope below 9 degrees was double-season rice. The Dongting Lake area is the main producing area of double-season rice， whose area and cultivated land both occupy the highest proportions among the four major regional economic sectors in Hunan Province.

Key words：double-season rice; remote sensing data products; geographical spatial differentiation; Hunan

水稻是我國主要糧食作物之一，2020年我國水稻播種面積為3 007.6×104 hm2，占全國糧食總播種面積的25.76%[1]。水稻空間分布狀況可以反映生產(chǎn)者對農(nóng)業(yè)自然氣候資源與社會生產(chǎn)要素的利用與分配，是農(nóng)業(yè)土地系統(tǒng)研究的重要內(nèi)容[2]，也是農(nóng)作物定量遙感[3]、水資源利用[4]、農(nóng)業(yè)資源化利用[5]、農(nóng)產(chǎn)品國際貿(mào)易[6]等研究的基礎數(shù)據(jù)。當前國際形勢呈現(xiàn)復雜嚴峻態(tài)勢，黨的二十大報告作出了全方位夯實糧食安全根基的戰(zhàn)略部署，準確掌握水稻空間分布特征對優(yōu)化水稻生產(chǎn)布局、保障國家糧食安全具有重要意義。

水稻面積遙感數(shù)據(jù)是研究區(qū)域水稻分布空間特征的基礎數(shù)據(jù)，相對于調(diào)查、統(tǒng)計等途徑獲取的水稻面積數(shù)據(jù)，水稻面積遙感數(shù)據(jù)在宏觀性、時效性、準確性等方面具有明顯優(yōu)勢[7]。有效的衛(wèi)星數(shù)據(jù)、穩(wěn)定快速的算力、模型算法的泛化能力是影響農(nóng)作物面積遙感數(shù)據(jù)生成的主要因素。高時空分辨率衛(wèi)星遙感數(shù)據(jù)的日益增加以及擁有巨大算力的遙感云計算平臺的廣泛應用[8-9]，使得大區(qū)域、高精度的農(nóng)作物分類識別及相應遙感數(shù)據(jù)產(chǎn)品的生產(chǎn)成為可能。近年來，眾多國內(nèi)外研究者利用不同的衛(wèi)星傳感器、不同分類識別模型算法[10-12]，針對水稻發(fā)布了多種不同時空尺度的遙感數(shù)據(jù)產(chǎn)品[13-17]。這些數(shù)據(jù)產(chǎn)品的相繼出現(xiàn)也為水稻面積時空分析的精細化、多視角化提供了新的數(shù)據(jù)源。

湖南省是我國水稻主產(chǎn)區(qū)，2020年全省水稻播種面積達3 993.9×103 hm2，位于全國第一，其中雙季稻播種面積占全省水稻總播種面積的63.04%。眾多研究者通過分析不同區(qū)域的水稻空間分布特征在揭示水稻分布規(guī)律及影響機理、變化機制等方面做出了重要貢獻[6，18-19]，但以往研究大多以基于行政單元的統(tǒng)計數(shù)據(jù)或是中低空間分辨率遙感數(shù)據(jù)為主[18，20-22]，難以分析空間單元內(nèi)部水稻的空間異質(zhì)性，且從中高空間分辨率像元尺度來分析典型雙季稻種植區(qū)地理空間分異特征的研究較少。因此，課題組基于中高分辨率的水稻面積空間分布遙感數(shù)據(jù)，從更為精細的像元尺度著手對湖南省雙季稻的地理空間分異特征進行系統(tǒng)研究，有利于準確掌握湖南省雙季稻的空間分布規(guī)律，為水稻生產(chǎn)精細化管理與優(yōu)化布局提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與預處理

（1）雙季稻種植分布遙感數(shù)據(jù)產(chǎn)品。數(shù)據(jù)來源于國家生態(tài)科學數(shù)據(jù)中心收錄的2016—2020年全國雙季稻10 m分辨率種植分布數(shù)據(jù)集。數(shù)據(jù)格式為柵格數(shù)據(jù)，采用WGS–84地理坐標系，空間分辨率為10 m，總體精度為88.07%～95.97%[13]。研究選擇2019年雙季稻種植分布數(shù)據(jù)作為研究數(shù)據(jù)，并假設晚稻種植區(qū)為雙季稻的分布地區(qū)。

（2）耕地分布遙感數(shù)據(jù)產(chǎn)品。數(shù)據(jù)來源于ESRI（Environmental Systems Research Institute）公布的全球土地利用數(shù)據(jù)集（2017—2021）[23]。數(shù)據(jù)格式為柵格數(shù)據(jù)，采用WGS–84地理坐標系，空間分辨率為10 m，總體精度為86%?？紤]與雙季稻數(shù)據(jù)集在研究時間上的一致性，選擇了2019年的耕地圖層作為研究數(shù)據(jù)。該數(shù)據(jù)產(chǎn)品關于“耕地”的定義為人類種植或耕種的谷類作物、草地以及低矮的其他農(nóng)作物，如玉米、小麥、大豆、休耕地等[23]。

（3）高程數(shù)據(jù)集。數(shù)字高程數(shù)據(jù)來源于美國國家地質(zhì)調(diào)查局全球數(shù)字高程模型，數(shù)據(jù)格式為柵格格式，空間分辨率為1″×1″，采用WGS–84地理坐標系。利用該高程數(shù)據(jù)在ArcGIS 10.8軟件中計算得到坡度數(shù)據(jù)。

數(shù)據(jù)預處理主要包括利用Python、ArcGIS 10.8、QGIS 3.28等軟件對以上數(shù)據(jù)進行數(shù)據(jù)拼接、數(shù)據(jù)裁剪、數(shù)據(jù)集的圖層提取等。

1.2 地理空間分異分析

利用QGIS3.28軟件構建30″×30″矢量網(wǎng)格，并通過該軟件的空間統(tǒng)計分析工具對預處理后的數(shù)據(jù)進行空間信息提取，包括耕地數(shù)量、雙季稻種植面積、雙季稻占耕地面積比例、高程與坡度信息的統(tǒng)計與提取等。

其次，根據(jù)湖南省所跨經(jīng)緯度以及海拔、坡度等地理空間分異要素的范圍，利用Python腳本劃分若干個等間距區(qū)間（表1），并計算每個區(qū)間內(nèi)早（晚）稻面積總和、雙季稻面積占耕地面積比例平均值，得到經(jīng)度、緯度、海拔、坡度分布特征曲線。

2 結果與分析

2.1 雙季稻空間分布總體特征分析

根據(jù)空間統(tǒng)計結果，湖南省2019年早稻、晚稻面積分別為1 094.99×103和1 158.98×103 hm2，晚稻面積略大于早稻面積。從行政區(qū)劃方面，早（晚）稻種植主要分布于常德市、岳陽市、益陽市、長沙市、株洲市、湘潭市、婁底市、邵陽市、衡陽市、永州市和郴州市這11個市州；從早（晚）稻的自然地理分布情況看，主要分布在武陵山脈以東、幕阜山以西的洞庭湖平原地區(qū)，雪峰山以東、羅霄山以西、南嶺山脈以北的湘中丘陵盆地地區(qū)；從早（晚）稻的水系流域分布情況來看，主要分布于湘江流域中下游、資水流域下游、沅江流域下游、澧水流域下游和洞庭湖流域地區(qū)。根據(jù)早（晚）稻面積大小分布情況來看（圖1a和b），在30″×30″矢量網(wǎng)格中，早稻面積大于26.9 hm2、晚稻大于27.6 hm2的網(wǎng)格主要分布在洞庭湖地區(qū)，如洞庭湖以南及以西的平原地區(qū)、澧水流域下游平原地區(qū)。

計算雙季稻區(qū)占耕地面積比例（圖2a）可反映不同地區(qū)耕地利用情況和雙季稻重點分布區(qū)域所在位置。結果顯示，雙季稻占耕地面積比例大于0.46的地區(qū)主要集中分布在洞庭湖以南的平原、洞庭湖以西的平原、沅江流域下游平原、澧水流域中下游平原等地區(qū)。

2.2 雙季稻的地理空間分異特征

2.2.1 雙季稻緯度分布特征 雙季稻的緯度分布曲線（圖1c）顯示，雙季稻面積分布的核心緯度為28.5°N～29.2°N，該緯度范圍涉及8個子區(qū)間，雙季稻面積的子區(qū)間平均數(shù)為38.80×103 hm2，是總體緯度范圍內(nèi)子區(qū)間平均數(shù)的1.97倍；該緯度范圍內(nèi)雙季稻總面積為310.42×103 hm2，占雙季稻總面積的26.78%。該緯度范圍對應的主要地區(qū)為洞庭湖以南的平原和沅江流域下游地區(qū)。雙季稻面積數(shù)量低谷區(qū)間位于25.7°N和28.2°N周邊區(qū)域，對應地區(qū)主要為羅霄山脈南部和陽明山地區(qū)、羅霄山脈和雪峰山北端地區(qū)以及武陵山地區(qū)。從雙季稻面積緯度分布特征來看，從南到北大致呈3個階梯式上升態(tài)勢，分別為24.5°N～25.7°N、25.8°N～28.2°N、28.3°N～30.4°N，分別占全省雙季稻面積百分比為8.37%、48.30%和43.33%，對應地區(qū)分別為湘南、湘中和湘北地區(qū)。

雙季稻占耕地面積平均比例在緯度上的分布特征曲線（圖2b）顯示，總體上，在所有緯度區(qū)間，雙季稻面積占耕地面積比例平均值為0.26。從緯度區(qū)間段來看，24.8°N～28.3°N區(qū)間，占比平均值為0.26，對應雙季稻面積為668.38×103 hm2，與整個緯度區(qū)間占比平均值保持一致；28.4°N～29.5°N區(qū)間，占比平均值為0.30，對應雙季稻面積為407.45×103 hm2，高于整體平均值；29.6°N～30.1°N區(qū)間，占比平均值為0.35，對應雙季稻面積為82.16×103 hm2，高于整體平均值。這表明在湘中以南地區(qū)，雙季稻占耕地面積平均比例保持整體平均水平，湘中以北地區(qū)的雙季稻占耕地面積平均比例高于整體平均水平。

2.2.2 雙季稻經(jīng)度分布特征 雙季稻的經(jīng)度分布曲線（圖1d和e）顯示，雙季稻面積自西向東呈先增后減的分布態(tài)勢，雙季稻面積分布的核心經(jīng)度為112.4°E ～113.0°E，該經(jīng)度范圍內(nèi)的雙季稻面積子區(qū)間平均數(shù)為53.35×103 hm2，是總體經(jīng)度范圍內(nèi)子區(qū)間平均數(shù)的2.53倍；該經(jīng)度范圍內(nèi)雙季稻總面積為373.45×103 hm2，占雙季稻總面積的32.22%。該經(jīng)度范圍對應的地區(qū)主要為洞庭湖周邊平原、湘江流域中游沖積平原地區(qū)。雙季稻面積數(shù)量低谷區(qū)間位于111.1°E以西地區(qū)和113.8°E以東地區(qū)，2個區(qū)間的雙季稻面積總和為144.18×103 hm2，僅占全省雙季稻總面積的12.44%，對應的地區(qū)主要為西部的武陵山和雪峰山地區(qū)以及東部的幕埠山和羅霄山地區(qū)。

雙季稻占耕地面積平均比例在經(jīng)度上的分布特征曲線（圖2c）顯示，總體上，108.7°E～109.8°E區(qū)間基本無雙季稻種植分布，區(qū)間內(nèi)的雙季稻面積占耕地面積比例基本為0；109.9°E～114.2°E區(qū)間內(nèi)均有雙季稻種植，區(qū)間內(nèi)的雙季稻面積占耕地面積比例平均值為0.27。從經(jīng)度區(qū)間來看，110.0°E～111.4°E區(qū)間，雙季稻面積占耕地面積比例平均值呈快速上升趨勢，比例由0上升至0.33，對應地區(qū)主要為資水中上游地區(qū)；隨后在111.4°E以東大部分經(jīng)度區(qū)間，該區(qū)間的雙季稻面積占耕地面積比例處于0.27～0.44之間，平均值為0.33。這表明在湘中以東的大部分經(jīng)度帶，雙季稻占耕地面積平均比例分布較為均勻；湘中以西則呈遞減態(tài)勢，直至西端無雙季稻種植分布。

2.2.3 雙季稻海拔分布特征 雙季稻的海拔分布曲線（圖3a）顯示，雙季稻面積隨海拔升高而不斷下降。雙季稻種植面積高值的海拔區(qū)間為低于105 m的地區(qū)，該海拔范圍內(nèi)雙季稻面積子區(qū)間的平均數(shù)為198.50×103 hm2，是總體海拔子區(qū)間平均數(shù)的9.76倍；該海拔范圍內(nèi)雙季稻面積總數(shù)為595.49×103 hm2，占全省雙季稻總面積的51.38%，對應的地區(qū)主要為湘、資、沅、澧4大流域下游的沖積平原以及環(huán)洞庭湖平原地區(qū)。海拔高于875 m的地區(qū)，各海拔區(qū)間的雙季稻種植面積均小于1×103 hm2，雙季稻面積分布極少，該區(qū)間水稻種植總面積僅為11.35×103 hm2，占全省總面積的0.98%，對應的高海拔地區(qū)主要分布在為幕埠山和羅霄山、南嶺山脈、雪峰山和武陵山地區(qū)。

雙季稻占耕地面積平均比例在海拔上的分布特征曲線（圖3c）顯示，總體上，在海拔低于800 m的地區(qū)，雙季稻占耕地面積平均比例隨著海拔升高而持續(xù)下降，比例由0.34下降至0.07，區(qū)間的平均比例為0.20。海拔在105 m以下的地區(qū)，雙季稻占耕地面積平均比例均超過0.30，說明海拔在105 m以下地區(qū)的耕地中，約有三成為雙季稻種植。海拔大于800 m的地區(qū)，雙季稻占耕地面積平均比例波動較大（0～0.61），同時該區(qū)間對應的雙季稻面積僅為15.78×103 hm2，占全省雙季稻總面積的1.36%，說明高海拔地區(qū)雙季稻分布極少，但高海拔的某些區(qū)間可能出現(xiàn)其所有耕地均用于雙季稻種植，從而導致比例急劇上升。

2.2.4 雙季稻坡度分布特征 雙季稻的坡度分布曲線（圖3b）顯示，雙季稻面積隨坡度升高而不斷下降。雙季稻面積高值的坡度區(qū)間為坡度低于4°的地區(qū)，該坡度范圍內(nèi)雙季稻面積子區(qū)間的平均數(shù)為189.91×103 hm2，是總體坡度范圍內(nèi)子區(qū)間平均數(shù)的7.54倍；該坡度范圍內(nèi)雙季稻面積總數(shù)為759.65×103 hm2，占全省雙季稻總面積的65.54%，對應的地區(qū)主要為地勢平坦的平原地區(qū)。坡度大于22°的地區(qū)，各坡度區(qū)間的雙季稻面積均小于1×103 hm2，該區(qū)間總面積僅為2.23×103 hm2，占全省總面積的0.19%，對應地區(qū)主要為地勢陡峭的丘陵山區(qū)。

雙季稻占耕地面積平均比例在坡度的分布特征曲線（圖3d）顯示，總體上，在坡度低于19°的地區(qū)，雙季稻占耕地面積平均比例隨著坡度升高而持續(xù)下降，比例由0.33下降至0.12，區(qū)間的平均比例為0.23。其中，坡度小于9°地區(qū)雙季稻占耕地面積平均比例超過0.29，說明坡度在9°以下地區(qū)的耕地中雙季稻的種植比例達到近三成。坡度大于29°的地區(qū)，基本已無雙季稻種植分布。

2.3 湖南4大區(qū)域經(jīng)濟板塊的雙季稻種植面積對比分析

長株潭地區(qū)（長沙市、株洲市、湘潭市）位于湘江流域的中下游，雙季稻面積為192.91×103 hm2，占全省雙季稻總面積的16.64%，其雙季稻面積占耕地面積平均比例達到0.34，表明盡管長株潭地區(qū)的雙季稻面積數(shù)量占比稍低，但其耕地中，仍有34%的耕地用于種植雙季稻。

洞庭湖地區(qū)（岳陽市、常德市、益陽市）位于湖南4大水系流域的下游地區(qū)，地勢平坦，雙季稻面積達463.00×103 hm2，占全省雙季稻總面積的39.95%，同時其雙季稻面積占耕地面積平均比例達到0.37，可看出洞庭湖地區(qū)是湖南省雙季稻集中種植的主要區(qū)域。

湘南地區(qū)（衡陽市、郴州市、永州市）位于湘江流域中上游，該地區(qū)溫光資源充足，以丘陵、山區(qū)、盆地為主要特征，雙季稻面積為321.80×103 hm2，占全省雙季稻總面積的27.77%，其雙季稻面積占耕地面積平均比例為0.27，是全省重要的雙季稻種植地區(qū)。

大湘西地區(qū)（邵陽市、懷化市、張家界市、婁底市、湘西土家族苗族自治州）位于資水流域、沅江流域、澧水流域上游或中上游，以山地為主要特征，該地區(qū)雙季稻面積為181.27×103 hm2，主要集中在大湘西地區(qū)的東南部，占全省雙季稻總面積的15.64%，同時其雙季稻面積占耕地面積平均比例僅為0.16，其耕地用于雙季稻種植比重較低。

3 結論與討論

3.1 結 論

利用2019年湖南省10 m空間分辨率雙季稻種植面積分布遙感數(shù)據(jù)產(chǎn)品，輔以地理空間分異分析方法，從像元尺度對湖南雙季稻的地理空間分異特征進行分析，主要得出以下結論。

（1）雙季稻空間分布總體特征表現(xiàn)為分布在武陵山脈以東、幕阜山以西的洞庭湖平原地區(qū)，雪峰山以東、羅霄山以西、南嶺山脈以北的湘中丘陵盆地地區(qū)；雙季稻占耕地面積比例大于0.46的地區(qū)主要集中分布在環(huán)南洞庭湖平原、沅江流域下游平原、澧水流域中下游平原等地區(qū)。

（2）雙季稻的地理空間分異特征明顯，緯度上，從南到北大致呈3個階梯式上升態(tài)勢，核心緯度為28.5°N ～29.2°N；經(jīng)度上，自西向東先增后減的分布態(tài)勢，核心經(jīng)度為112.4°E ～113.0°E；海拔上，雙季稻面積隨海拔升高而不斷下降，海拔105 m以下地區(qū)的耕地中有近三成種植雙季稻；坡度上，雙季稻面積隨坡度升高而不斷下降，坡度在9°以下地區(qū)的耕地中雙季稻的種植比例達到近三成。

（3）從湖南4大區(qū)域經(jīng)濟板塊對比來看，洞庭湖地區(qū)為雙季稻種植的最主要地區(qū)，其面積與耕地占比在4大區(qū)域中均為最高；其次湘南地區(qū)與長株潭地區(qū)均為雙季稻生產(chǎn)的重要地區(qū)，其中湘南地區(qū)為雙季稻面積數(shù)量第二多的地區(qū)，表現(xiàn)為分布較廣泛，但占比相對較低；而長株潭地區(qū)為雙季稻占耕地面積比重第二大地區(qū)，表現(xiàn)為分布集中，但面積數(shù)量相對較少。

3.2 討 論

研究湖南雙季稻的地理空間分異特征，準確掌握雙季稻的空間分布規(guī)律，可為水稻生產(chǎn)精細化管理與區(qū)劃布局提供參考。一方面，對比桑國慶等[11]的研究發(fā)現(xiàn)，筆者在雙季稻的空間分布情況、空間分異特征等方面的結論與其基本保持一致；但研究重點有所不同，桑國慶等的研究主要以水稻遙感識別提取方法為重點，而筆者側重于利用已有遙感數(shù)據(jù)產(chǎn)品對雙季稻的空間分異特征進行系統(tǒng)分析。另一方面，農(nóng)作物空間格局并非一直保持不變，農(nóng)業(yè)經(jīng)營主體對農(nóng)作物類別的種植選擇會受到氣候變化、社會經(jīng)濟發(fā)展、國家政策導向等多方面因素的影響[24]。湖南是我國雙季稻主產(chǎn)省之一，穩(wěn)定雙季稻播種面積是當前湖南在保障國家糧食安全上做出的一項重要舉措，準確掌握雙季稻面積數(shù)量和分布特征具有重要的現(xiàn)實意義?？紤]到湖南農(nóng)作物熟制復雜多樣、變化頻繁的特點[21]，研究仍有以下值得深入探討的地方。首先，研究僅選用了國家生態(tài)科學數(shù)據(jù)中心收錄的2016—2020年全國雙季稻10 m分辨率種植分布數(shù)據(jù)集開展研究，湖南地區(qū)總體精度為90.36%[13]，其數(shù)據(jù)精度仍有待加強；同時，當前已有多套雙季稻種植分布遙感數(shù)據(jù)產(chǎn)品[13-17]，不同數(shù)據(jù)產(chǎn)品之間的一致性暫未深入分析。對此，未來可研究不同的遙感數(shù)據(jù)產(chǎn)品之間的適用性與差異性，同時加強數(shù)據(jù)產(chǎn)品的精度驗證，以確定適用于該地區(qū)的最優(yōu)數(shù)據(jù)集。其次，研究僅對單一年份進行了研究，下一步考慮基于多時期的遙感數(shù)據(jù)產(chǎn)品對湖南雙季稻分布的時空變化進行探索，以掌握不同時期雙季稻種植變化情況。第三，研究分析了雙季稻的地理空間分異特征，未來考慮進一步收集自然、社會經(jīng)濟等相關數(shù)據(jù)資料，構建相關模型定量分析各因素對雙季稻分布的影響，探索雙季稻種植面積時空變化的驅(qū)動機制。

參考文獻：

[1] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2015.

[2] 唐華俊，吳文斌，余強毅，等. 農(nóng)業(yè)土地系統(tǒng)研究及其關鍵科學問題[J]. 中國農(nóng)業(yè)科學，2015，48（5）：900-910.

[3] 陳仲新，任建強，唐華俊，等. 農(nóng)業(yè)遙感研究應用進展與展望[J]. 遙感學報，2016，20（5）：748-767.

[4] 花 頂，胡 實，莫興國. 水利工程對年楚河流域農(nóng)業(yè)水資源利用效率和作物生產(chǎn)力的影響[J]. 農(nóng)業(yè)工程學報，2022，38（14）：98-107.

[5] 曹正男，趙振東，張海龍，等. 黑龍江省水稻秸稈還田現(xiàn)狀及展望[J]. 中國稻米，2022，28（2）：20-23.

[6] 姚 偉，佟越強，劉 棋，等. 全球水稻生產(chǎn)時空變化特征及貿(mào)易趨勢分析[J]. 南方農(nóng)業(yè)學報，2022，53（6）：1776-1784.

[7] 吳文斌，余強毅，楊 鵬，等. 農(nóng)業(yè)土地資源遙感研究動態(tài)評述[J]. 中國農(nóng)業(yè)信息，2019，31（3）：1-12.

[8] 郝斌飛，韓旭軍，馬明國，等. Google Earth Engine在地球科學與環(huán)境科學中的應用研究進展[J]. 遙感技術與應用，2018，33（4）：600-611.

[9] 程 偉，錢曉明，李世衛(wèi)，等. 時空遙感云計算平臺PIE-Engine Studio的研究與應用[J]. 遙感學報，2022，26（2）：335-347.

[10] 鄧 剛，唐志光，李朝奎，等. 基于MODIS時序數(shù)據(jù)的湖南省水稻種植面積提取及時空變化分析[J]. 國土資源遙感，2020，32（2）：177-185.

[11] 桑國慶，唐志光，毛克彪，等. 基于GEE云平臺與Sentinel數(shù)據(jù)的高分辨率水稻種植范圍提?。阂院鲜槔齕J]. 作物學報，2022，48（9）：2409-2420.

[12] 楊靖雅，胡 瓊，魏浩東，等. 基于Sentinel-1/2數(shù)據(jù)的中國南方單雙季稻識別結果一致性分析[J]. 中國農(nóng)業(yè)科學，2022，55（16）：3093-3109.

[13] PAN B H，ZHENG Y，SHEN R Q，et al. High resolution distribution dataset of double-season paddy rice in China[J]. Remote Sensing，2021，13（22）：4609.

[14] HAN J C，ZHANG Z，LUO Y C，et al. NESEA-Rice10：high-resolution annual paddy rice maps for Northeast and Southeast Asia from 2017 to 2019[J]. Earth System Science Data，2021，13（12）：5969-5986.

[15] HAN J C，ZHANG Z，LUO Y C，et al. Annual paddy rice planting area and cropping intensity datasets and their dynamics in the Asian monsoon region from 2000 to 2020[J]. Agricultural Systems，2022，200：103437.

[16] LUO Y C，ZHANG Z，LI Z Y，et al. Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources[J]. Environmental Research Letters，2020，15（7）：074003.

[17] YOU N S，DONG J W，HUANG J X，et al. The 10-m crop type maps in Northeast China during 2017—2019[J]. Scientific Data，2021，8：41.

[18] 劉珍環(huán)，李正國，唐鵬欽，等. 近30年中國水稻種植區(qū)域與產(chǎn)量時空變化分析[J]. 地理學報，2013，68（5）：680-693.

[19] 張 強，張戈麗，朱道林，等. 1980—2018年中國水稻生產(chǎn)變化的時空格局[J]. 資源科學，2022，44（4）：687-700.

[20] 米勝淵，譚雪蘭，譚杰揚，等. 近30年來洞庭湖地區(qū)水稻種植面積演變的影響因素分析[J]. 自然資源學報，2020，35（10）：2499-2510.

[21] 安 悅，譚雪蘭，譚杰揚，等. 湖南省農(nóng)作物種植結構演變及影響因素[J]. 經(jīng)濟地理，2021，41（2）：156-166.

[22] 熊亞東，譚雪蘭，譚杰揚，等. 洞庭湖地區(qū)農(nóng)作物格局變化及其政策啟示[J]. 湖南農(nóng)業(yè)科學，2019（10）：96-101，106.

[23] KARRA K，KONTGIS C，STATMAN-WEIL Z，et al. Global land use/land cover with Sentinel 2 and deep learning[C]. 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS[A]. Brussels：IEEE，2021：4704-4707.

[24] 李亞婷，潘少奇，吳娜琳. 城市郊區(qū)農(nóng)戶作物選擇演化機制分析：基于河南省杏花營村和賀砦村的比較研究[J]. 地域研究與開發(fā)，2018，37（3）：142-147.

（責任編輯：肖彥資）