林妙萍，楊穎頻，吳志峰，徐國(guó)良，黃永芳，許志明

（1.自然資源部華南熱帶亞熱帶自然資源監(jiān)測(cè)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510670；2.廣東省國(guó)土資源測(cè)繪院，廣東 廣州 510670；3.廣州大學(xué) 地理科學(xué)與遙感學(xué)院，廣東 廣州 510006）

現(xiàn)階段利用遙感技術(shù)手段對(duì)撂荒地進(jìn)行監(jiān)測(cè)識(shí)別的研究成果眾多[1-3]，常用的方法包括基于遙感圖像分類(lèi)方法、基于變化監(jiān)測(cè)方法和基于時(shí)間序列分析方法三大類(lèi)，其中，基于遙感指數(shù)時(shí)間序列分析方法能夠表征植被覆蓋隨時(shí)間變化的規(guī)律，有效識(shí)別農(nóng)作物與撂荒地自然植被的差異，具備較強(qiáng)的植被生理學(xué)機(jī)理[4-5]。

時(shí)間加權(quán)動(dòng)態(tài)時(shí)間規(guī)整（TWDTW）模型是近年來(lái)時(shí)間序列分析中具有代表性的方法之一[6]，可以比較兩條不同的時(shí)間序列曲線(xiàn)變化軌跡的相似性，適用于大尺度范圍，還能在一定程度上規(guī)避物候差異的影響，且樣本量依賴(lài)度低，被廣泛應(yīng)用于作物分類(lèi)的研究中[7-8]。但在撂荒地監(jiān)測(cè)方面，因撂荒時(shí)長(zhǎng)不一，植被覆蓋度不同，常規(guī)TWDTW方法極易造成漏分情況。

為了解決此類(lèi)局限性，本研究以耕地NDVI 全年均值為重要特征，對(duì)現(xiàn)有TWDTW 距離計(jì)算模型進(jìn)行改進(jìn)，提出基于均值校正的TWDTW 模型的撂荒地遙感監(jiān)測(cè)方法。為驗(yàn)證該方法在撂荒地的監(jiān)測(cè)識(shí)別精度和適用性，本文選取廣東省韶關(guān)市南雄市作為研究區(qū)開(kāi)展撂荒地監(jiān)測(cè)識(shí)別提取實(shí)驗(yàn)，采用Sentinel-2 時(shí)間序列數(shù)據(jù)，利用大量樣本對(duì)撂荒地的提取結(jié)果進(jìn)行精度驗(yàn)證，并進(jìn)行研究區(qū)的撂荒地空間制圖，分析撂荒地的空間分布特征及其數(shù)量情況，在一定程度上有利于國(guó)家相關(guān)自然資源部門(mén)開(kāi)展耕地信息把控、耕地資源可持續(xù)利用和耕地保護(hù)監(jiān)測(cè)監(jiān)管工作。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

南雄市地處廣東省北部（113°55′30″~114°44′38″E，24°56′59″~25°25′20″N），大庾嶺南麓，毗鄰江西。地勢(shì)上大致呈南北高中間低，南北群山環(huán)繞，中部以丘陵平原為主，丘陵沿湞江延伸分布，形成狹長(zhǎng)的“南雄盆地”。南雄市位于北回歸線(xiàn)稍偏北的低緯地區(qū)，屬于亞熱帶季風(fēng)氣候區(qū)，冬無(wú)嚴(yán)寒，夏無(wú)酷暑，年平均氣溫在17~26℃。南雄市現(xiàn)有耕地總面積37 454.24 hm2[9]，主要農(nóng)作物有水稻、花生、煙葉，是國(guó)家和省雙料“產(chǎn)糧大縣”[10]。由于經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型和農(nóng)村勞動(dòng)力析出，南雄市耕地撂荒現(xiàn)象日趨嚴(yán)重，因此對(duì)該地區(qū)開(kāi)展耕地撂荒的遙感監(jiān)測(cè)識(shí)別研究具有重要的現(xiàn)實(shí)意義。

1.2 遙感時(shí)間序列數(shù)據(jù)

撂荒耕地監(jiān)測(cè)提取使用的遙感數(shù)據(jù)源來(lái)自高分辨率多光譜成像衛(wèi)星Sentinel-2，采用遙感大數(shù)據(jù)云計(jì)算平臺(tái)（GEE）獲取。為了充分利用碎片化的有效數(shù)據(jù)，選取了所有整體云量小于80%的影像，共262景，涵蓋了51個(gè)觀(guān)測(cè)時(shí)相，能夠反映撂荒地與非撂荒地在全年的光譜特征，對(duì)該數(shù)據(jù)集進(jìn)行NDVI 指數(shù)計(jì)算，形成了涵蓋耕地農(nóng)作物生長(zhǎng)周期的NDVI 時(shí)間序列數(shù)據(jù)?？紤]到云覆蓋的影響，需要對(duì)Sentinel-2 時(shí)序數(shù)據(jù)開(kāi)展云掩膜、異常值剔除、NDVI 時(shí)序重建等預(yù)處理工作，具體方法見(jiàn)2.1小節(jié)。

1.3 無(wú)人機(jī)影像及樣本數(shù)據(jù)

通過(guò)實(shí)地調(diào)研結(jié)合無(wú)人機(jī)影像目視解譯的方式，在研究區(qū)共選取了945 個(gè)樣本點(diǎn)，其中撂荒地樣本445 個(gè)，非撂荒地樣本500 個(gè)。主要分布在古市鎮(zhèn)、湖口鎮(zhèn)、油山鎮(zhèn)、烏逕鎮(zhèn)。按照6∶4比例，將樣本集劃分為訓(xùn)練集和測(cè)試集。訓(xùn)練集用于尋找撂荒地與非撂荒地的最佳距離分割閾值，測(cè)試集用于驗(yàn)證撂荒地識(shí)別結(jié)果精度。

1.4 土地利用數(shù)據(jù)

本研究收集了來(lái)自廣東省國(guó)土資源測(cè)繪院的第三次全國(guó)土地調(diào)查數(shù)據(jù)和土地利用變更調(diào)查統(tǒng)計(jì)數(shù)據(jù)作為本底使用數(shù)據(jù)，獲取南雄市的耕地空間分布范圍。

2 研究方法

本文研究方法包含以下幾個(gè)步驟：①利用遙感云平臺(tái)GEE直接獲取Sentinel-2 NDVI時(shí)間序列數(shù)據(jù)并進(jìn)行預(yù)處理；②結(jié)合無(wú)人機(jī)獲取的撂荒地樣本數(shù)據(jù)集，構(gòu)建撂荒地參考NDVI 時(shí)序曲線(xiàn)；③采用M-TWDTW方法，對(duì)撂荒地NDVI 參考曲線(xiàn)進(jìn)行校正，并計(jì)算未知像元NDVI 時(shí)序曲線(xiàn)與校正后參考時(shí)序曲線(xiàn)的距離（相似性程度）；④通過(guò)決策樹(shù)二分類(lèi)方法獲取最佳分割閾值，提取撂荒地，進(jìn)行精度驗(yàn)證和撂荒地空間分布制圖分析。

2.1 NDVI時(shí)序數(shù)據(jù)預(yù)處理

本研究基于GEE 直接獲取Sentinel-2 數(shù)據(jù)，根據(jù)研究區(qū)范圍進(jìn)行裁剪，將同1 d 的影像鑲嵌為一景影像，對(duì)該數(shù)據(jù)集進(jìn)行NDVI 指數(shù)計(jì)算。NDVI 具體的計(jì)算公式為：NDVI=（NIR-R）/（NIR+R），其中NIR 為近紅外波段，R 為紅光波段。由于Sentinel-2數(shù)據(jù)在成像過(guò)程中會(huì)受到云噪聲的干擾，因此基于QA 波段對(duì)NDVI 數(shù)據(jù)進(jìn)行掩膜處理，利用多時(shí)相NDVI 數(shù)據(jù)構(gòu)建NDVI 時(shí)序曲線(xiàn)后，再參照Ma[11]等判定異常值點(diǎn)的方法，進(jìn)一步剔除時(shí)序曲線(xiàn)上的異常值，并通過(guò)16 dNDVI 數(shù)據(jù)最大值合成處理方法對(duì)去云和剔除后的時(shí)相點(diǎn)漏洞進(jìn)行填補(bǔ)，以保持?jǐn)?shù)據(jù)完整，形成涵蓋耕地農(nóng)作物生長(zhǎng)周期的NDVI 時(shí)間序列數(shù)據(jù)。

2.2 撂荒地NDVI參考時(shí)序曲線(xiàn)構(gòu)建方法

基于上述預(yù)處理后的NDVI 時(shí)序數(shù)據(jù)的曲線(xiàn)特征，利用訓(xùn)練樣本集中的撂荒地樣本，對(duì)每個(gè)觀(guān)測(cè)時(shí)相NDVI 數(shù)據(jù)進(jìn)行箱型圖分析，選取其中的上下四分位數(shù)（25%~75%）區(qū)間的數(shù)據(jù)，獲取各個(gè)時(shí)相的撂荒地NDVI 中位數(shù)，最終形成撂荒地NDVI 參考時(shí)序曲線(xiàn)。

2.3 基于M-TWDTW模型的時(shí)序曲線(xiàn)距離計(jì)算方法

常規(guī)TWDTW 算法的基本原理可歸納為：根據(jù)已構(gòu)建的NDVI時(shí)間序列曲線(xiàn)數(shù)據(jù)，逐像元計(jì)算NDVI時(shí)序曲線(xiàn)與撂荒地NDVI 參考時(shí)序曲線(xiàn)的距離，并通過(guò)閾值判定像元的類(lèi)型。然而，常規(guī)TWDTW 方法無(wú)法克服因撂荒時(shí)長(zhǎng)不同，所造成的撂荒樣本NDVI 時(shí)序曲線(xiàn)絕對(duì)值差異，極易造成漏分情況。

為了避免此類(lèi)不足，本研究基于均值校正策略，對(duì)現(xiàn)有TWDTW 距離計(jì)算模型進(jìn)行改進(jìn)，提出基于M-TWDTW模型的撂荒地遙感監(jiān)測(cè)方法。實(shí)現(xiàn)方法為：計(jì)算撂荒地NDVI參考時(shí)序曲線(xiàn)（TSref）的全年均值，記作meanref，計(jì)算待分類(lèi)像元時(shí)序曲線(xiàn)（TSpixel）的全年均值，記作meanPixel，獲取兩者的差值meanPixel-meanref，記作△diff。以待分類(lèi)像元的均值為標(biāo)準(zhǔn)，對(duì)撂荒地NDVI 參考時(shí)序曲線(xiàn)沿縱軸進(jìn)行平移，平移距離為△diff，使得校正后的新參考曲線(xiàn)與待分類(lèi)像元的全年均值一致，獲得新的撂荒地參考曲線(xiàn)，記作TSref_new。計(jì)算校正后參考曲線(xiàn)TSref_new與TSpixel之間的TWDTW 距離。改進(jìn)過(guò)程和修正后的新參考曲線(xiàn)如圖1 所示，具體的算法過(guò)程如下：

圖1 基于M-TWDTW模型的撂荒地參考時(shí)序曲線(xiàn)修正過(guò)程

定義An為參考時(shí)序曲線(xiàn)，Bn為未知像元時(shí)序曲線(xiàn)：

式中，ak和bk分別為An和Bn的第k個(gè)節(jié)點(diǎn)值，n、m為時(shí)間序列的長(zhǎng)度，此處n與m相等，An和Bn的距離矩陣為：

式中，Sij為兩時(shí)間序列的基距離，一般采用歐氏距離的平方和時(shí)間權(quán)重的乘積作為T(mén)WDTW 的基距離，即：

式中，wij為權(quán)重值；g為增益因子，值越大則對(duì)匹配點(diǎn)間隔差異的懲罰越大；c=|i-j|為距離因子，mc一般為時(shí)間序列的中間節(jié)點(diǎn)，本文設(shè)為100。

設(shè)時(shí)間序列A和B 在(i,j)處的累積距離為Q(i,j)，公式如下：

在尋找最小累積距離路徑L時(shí)，應(yīng)滿(mǎn)足：

1） max{m,n}≤L≤m+n-1。

2）若Ql=Sij,Ql+1=Si'j'則0 ≤i'-i≤1,0 ≤j'-j≤1

本文基于M-TWDTW 模型，逐像元計(jì)算待分類(lèi)像元NDVI時(shí)序曲線(xiàn)與校正后撂荒地NDVI參考時(shí)序曲線(xiàn)的距離值，獲得的距離值越小，則相似性程度越高，代表該耕地像元為撂荒地的可能性越大。

2.4 決策樹(shù)二分類(lèi)模型

基于M-TWDTW模型，計(jì)算所有撂荒地樣本與非撂荒地樣本NDVI時(shí)序與撂荒地NDVI參考時(shí)序曲線(xiàn)的距離，通過(guò)CART 決策樹(shù)方法不斷進(jìn)行二分類(lèi)劃分，建立有效的分類(lèi)規(guī)則，獲取最佳分割閾值（Dist）。構(gòu)建的撂荒地監(jiān)測(cè)識(shí)別規(guī)則：若距離大于閾值Dist，則判定為非撂荒地；若距離小于等于閾值Dist，則判定為撂荒地。

2.5 精度評(píng)價(jià)

分別獲取基于TWDTW 模型和M-TWDTW 模型方法的分類(lèi)混淆矩陣，從混淆矩陣中提取總體精度（OA）、Kappa系數(shù)、制圖精度和用戶(hù)精度，對(duì)模型精度進(jìn)行評(píng)價(jià)。具體計(jì)算公式如下：

式中，N為像素總數(shù)；TP為真正類(lèi)，表示樣本的真實(shí)類(lèi)和模型預(yù)測(cè)結(jié)果都是正類(lèi)；TN為真負(fù)類(lèi)，表示樣本的真實(shí)類(lèi)為正類(lèi)，模型預(yù)測(cè)結(jié)果為負(fù)類(lèi)；FP為假正類(lèi)，表示樣本的真實(shí)類(lèi)為負(fù)類(lèi)，模型預(yù)測(cè)結(jié)果為正類(lèi)；FN為假負(fù)類(lèi)，表示樣本的真實(shí)類(lèi)和模型預(yù)測(cè)結(jié)果都是負(fù)類(lèi)。OA為真實(shí)分類(lèi)像素占區(qū)域總像素的比例。Kappa 系數(shù)用于真實(shí)值和預(yù)測(cè)值的一致性檢驗(yàn)，衡量分類(lèi)精度，當(dāng)Kappa 系數(shù)處于0~0.2 區(qū)間時(shí)，一致性極低；處于0.21~0.4 區(qū)間時(shí)，一致性一般；處于0.41~0.6 區(qū)間時(shí)，一致性中等；處于0.61~0.8 區(qū)間時(shí)，表示高度的一致性；處于0.81~1 區(qū)間時(shí)，表示真實(shí)值和預(yù)測(cè)值幾乎完全一致。

制圖精度是指分類(lèi)器將整個(gè)影像的像元正確分為撂荒地類(lèi)的像元數(shù)（對(duì)角線(xiàn)值）與撂荒地類(lèi)真實(shí)參考總數(shù)（混淆矩陣中撂荒地類(lèi)列的總和）的比率；用戶(hù)精度是指正確分到撂荒地類(lèi)的像元總數(shù)（對(duì)角線(xiàn)值）與分類(lèi)器將整個(gè)影像的像元分為撂荒地類(lèi)的像元總數(shù)（混淆矩陣中撂荒地類(lèi)行的總和）比率。

3 結(jié)果與討論

3.1 撂荒/典型作物的NDVI時(shí)序曲線(xiàn)

圖2 展示了典型撂荒地樣本NDVI 時(shí)序曲線(xiàn)及相應(yīng)的無(wú)人機(jī)影像，圖3 為不同輪作制度下農(nóng)作物類(lèi)型的NDVI 時(shí)序曲線(xiàn)圖。由圖2 可知，撂荒地的NDVI 時(shí)序曲線(xiàn)在全年時(shí)相上的波動(dòng)變化較平緩，未呈現(xiàn)出劇烈波動(dòng)的作物生長(zhǎng)物候特征。圖3a 中撂荒地植被稀疏，可以看出其撂荒時(shí)間較短，NDVI 最大值約在0.5 左右，時(shí)序曲線(xiàn)振動(dòng)幅度較?。粓D3b 中撂荒地植被密集，NDVI 最大值已接近0.8，屬于撂荒時(shí)間較長(zhǎng)的撂荒地，較圖3a 的時(shí)序曲線(xiàn)振動(dòng)幅度稍大。

圖2 典型撂荒地樣本的NDVI時(shí)序曲線(xiàn)及無(wú)人機(jī)影像

圖3 不同作物類(lèi)型的NDVI時(shí)序曲線(xiàn)圖

從圖3的農(nóng)作物類(lèi)型的NDVI時(shí)序曲線(xiàn)圖來(lái)看，雙季稻的NDVI時(shí)序曲線(xiàn)特征明顯呈現(xiàn)出2個(gè)波峰，分別在4~7月和7~10月；紅薯的生長(zhǎng)發(fā)育周期有發(fā)根緩苗期、分枝結(jié)薯期、莖葉盛長(zhǎng)期和莖葉衰退薯塊膨大期等四個(gè)階段，一般在6月進(jìn)行發(fā)根緩苗，10月莖葉逐漸衰退，薯塊迅速膨大，進(jìn)入收獲期；煙葉從移栽到成熟收獲一般歷時(shí)5~6個(gè)月，從2月底開(kāi)始移栽，到6月初收獲，其余時(shí)間種植其他作物；對(duì)于單季作物的花生而言，春季的4 月是最佳種植時(shí)間，生長(zhǎng)至8 月則到采收期。非撂荒地的NDVI 時(shí)序曲線(xiàn)變化趨勢(shì)與作物生長(zhǎng)物候階段相對(duì)同步，隨著作物生長(zhǎng)發(fā)育、成熟衰老呈現(xiàn)出先上升后下降的變化特征?？傮w而言，撂荒地NDVI時(shí)序曲線(xiàn)與非撂荒地NDVI時(shí)序曲線(xiàn)無(wú)論是在波峰數(shù)量上還是在曲線(xiàn)振動(dòng)幅度上都有著較大的差異。

3.2 撂荒地NDVI參考時(shí)序曲線(xiàn)

如圖4 所示，本研究基于撂荒地樣本構(gòu)建了撂荒地全年的NDVI 參考時(shí)序曲線(xiàn)。從整體來(lái)看，撂荒地NDVI 參考時(shí)序曲線(xiàn)無(wú)明顯的作物生長(zhǎng)物候特征，曲線(xiàn)在全年的波動(dòng)變化、起伏相對(duì)穩(wěn)定。撂荒地參考時(shí)序曲線(xiàn)的具體變化可歸納為4 個(gè)階段：第一階段的NDVI 值從1 月開(kāi)端到2 月中下旬大約50 d內(nèi)呈下降變化趨勢(shì)，且在2 月中下旬達(dá)到最低值0.2，說(shuō)明在冬季時(shí)期撂荒耕地中的荒草可能出現(xiàn)枯萎現(xiàn)象，因此綠色植被減少導(dǎo)致植被指數(shù)降低；在第二階段，NDVI 數(shù)值緊接著約在一個(gè)月內(nèi)（3 月）迅速上升至0.5，早春來(lái)臨，使得綠草迅速茂密生長(zhǎng)，直接反映在NDVI 數(shù)值的迅速上升中；第三階段NDVI 數(shù)值保持小幅度波動(dòng)至11 月初，撂荒耕地被雜草覆蓋，沒(méi)有農(nóng)作物的明顯物候特征，NDVI 時(shí)序曲線(xiàn)變化平緩；最后是第四階段的冬季，NDVI 數(shù)值逐漸下降。

圖4 撂荒地NDVI參考時(shí)序曲線(xiàn)

3.3 撂荒地識(shí)別結(jié)果與精度對(duì)比

本研究采用撂荒地和非撂荒地樣本驗(yàn)證M-TWDTW模型對(duì)撂荒地的識(shí)別精度，并與常規(guī)TWDTW模型方法進(jìn)行對(duì)比。計(jì)算樣本集中各個(gè)樣本與撂荒地參考時(shí)序曲線(xiàn)的距離，統(tǒng)計(jì)撂荒地樣本與非撂荒地樣本的距離直方圖（圖5）。

圖5 撂荒地與非撂荒地樣本NDVI時(shí)序與撂荒地NDVI參考時(shí)序的距離直方圖

圖5a 基于TWDTW 方法的距離中，撂荒地樣本的距離計(jì)算結(jié)果分散分布在多個(gè)區(qū)間，與非撂荒地的距離計(jì)算結(jié)果直方圖存在較多重疊區(qū)域，不利于閾值的分割，易導(dǎo)致較大的精度誤差；相比之下，圖5b 基于M-TWDTW 方法的距離集中分布在連續(xù)的區(qū)間，樣本數(shù)量更接近正態(tài)分布，撂荒地與非撂荒地的距離直方圖重疊區(qū)域較少，有利于選取最佳分割閾值。

基于以上直方圖，采用決策樹(shù)二分類(lèi)方法，獲取撂荒地與非撂荒地的時(shí)序距離最佳閾值，結(jié)果顯示：基于TWDTW模型方法的距離分割閾值為1.948 1；經(jīng)過(guò)均值校正后，利用M-TWDTW模型的距離分割閾值為1.769 9。本文利用實(shí)地調(diào)研和無(wú)人機(jī)影像目視解譯結(jié)合方式獲取的撂荒地與非撂荒地樣本，分別對(duì)TWDTW 模型和M-TWDTW 的識(shí)別精度進(jìn)行驗(yàn)證，結(jié)果分別如表2、3所示。結(jié)果表明，當(dāng)采用M-TWDTW模型對(duì)撂荒地進(jìn)行監(jiān)測(cè)識(shí)別時(shí)，其總體精度（87.04%）和Kappa 系數(shù)（0.74）比采用TWDTW 模型識(shí)別撂荒地的總體精度（76.72%） 和Kappa 系數(shù)（0.53）更優(yōu)，撂荒地的制圖精度為90.45%，用戶(hù)精度為83.42%，非撂荒地的制圖精度為84.00%，用戶(hù)精度為90.81%。深入分析可知，TWDTW 模型僅能比較不同的植被時(shí)序曲線(xiàn)變化軌跡絕對(duì)值的距離相似性，未考慮撂荒時(shí)長(zhǎng)不同的撂荒樣本NDVI 時(shí)序曲線(xiàn)絕對(duì)值的差異，在一定程度上出現(xiàn)漏分和誤分，因而TWDTW 模型方法識(shí)別撂荒地的精度偏低，對(duì)于撂荒時(shí)長(zhǎng)不一的地區(qū)的適用性不強(qiáng)； 而基于M-TWDTW 模型方法，通過(guò)對(duì)撂荒地NDVI 參考時(shí)序曲線(xiàn)均值的校正，重點(diǎn)捕捉撂荒地的NDVI 時(shí)序變化形態(tài)特征，弱化了撂荒時(shí)長(zhǎng)不一引起的NDVI 絕對(duì)值差異的影響，避免因撂荒時(shí)長(zhǎng)不一引起的漏分或誤分等誤差，因此識(shí)別精度較高，說(shuō)明在不同撂荒時(shí)長(zhǎng)的耕地撂荒監(jiān)測(cè)識(shí)別中，M-TWDTW 模型方法適用性更強(qiáng)。

表2 基于TWDTW模型的精度驗(yàn)證混淆矩陣表

表3 基于M-TWDTW模型的精度驗(yàn)證混淆矩陣表

3.4 撂荒地空間分布制圖

基于上述方法進(jìn)行南雄市耕地撂荒遙感監(jiān)測(cè)，獲得南雄市撂荒地空間分布制圖結(jié)果（圖6）。根據(jù)實(shí)驗(yàn)結(jié)果數(shù)據(jù)，以圖斑為單元進(jìn)行統(tǒng)計(jì)，撂荒耕地平均圖斑面積為2 200.83 m2，非撂荒耕地平均圖斑面積為2 456.01 m2。在空間分布特征上，南雄市撂荒地集中分布在中部區(qū)域，存在大面積撂荒現(xiàn)象。南雄市各鎮(zhèn)/街道中，雄州街道、湖口鎮(zhèn)和黃坑鎮(zhèn)的撂荒地平均圖斑面積較大，大面積撂荒現(xiàn)象的發(fā)生率較高；由于3 個(gè)林場(chǎng)（山門(mén)林場(chǎng)、帽子峰林場(chǎng)和瀧頭林場(chǎng)）的耕地面積較少，撂荒地以碎小分布特征為主，大面積撂荒現(xiàn)象的發(fā)生率較低，特別是山門(mén)林場(chǎng)，撂荒地平均面積最小。結(jié)合圖6 撂荒地與非撂荒地空間分布和耕地面積統(tǒng)計(jì)結(jié)果得知，烏逕鎮(zhèn)、湖口鎮(zhèn)和油山鎮(zhèn)的耕地面積最大，其撂荒地總面積也最大。從撂荒率來(lái)看，瀧頭林場(chǎng)、帽子峰林和山門(mén)林場(chǎng)的撂荒率最高，界址鎮(zhèn)的撂荒率最低，其次是烏逕鎮(zhèn)和鄧坊鎮(zhèn)。值得注意的是，雄州街道不僅撂荒平均面積最大，撂荒發(fā)生率也高，這說(shuō)明雄州街道的耕地撂荒現(xiàn)象明顯，耕地撂荒程度較高，相關(guān)部門(mén)需對(duì)其重點(diǎn)關(guān)注。

圖6 南雄市2021年撂荒地空間分布圖

4 結(jié) 論

本研究基于均值校正策略，提出基于M-TWDTW模型的撂荒地遙感監(jiān)測(cè)方法，該方法通過(guò)重點(diǎn)捕捉撂荒地的NDVI 時(shí)序變化形態(tài)特征，減少了因撂荒時(shí)長(zhǎng)不一造成的漏分和誤分，在耕地撂荒監(jiān)測(cè)識(shí)別方面具有較強(qiáng)的魯棒性。綜合采用Sentinel-2 時(shí)間序列數(shù)據(jù)，結(jié)合實(shí)地調(diào)研與無(wú)人機(jī)影像目視解譯的方式，利用樣本數(shù)據(jù)開(kāi)展實(shí)驗(yàn)和精度驗(yàn)證工作，最后進(jìn)行研究區(qū)的撂荒地空間制圖，分析撂荒地的空間分布特征及其數(shù)量情況。以下為本研究的主要結(jié)論：

1）撂荒地的NDVI時(shí)序曲線(xiàn)在全年時(shí)相上的波動(dòng)變化較平緩，無(wú)劇烈波動(dòng)的作物生長(zhǎng)物候特征；非撂荒地的NDVI 時(shí)序曲線(xiàn)變化趨勢(shì)與作物生長(zhǎng)物候階段相對(duì)同步；撂荒地與非撂荒地NDVI 時(shí)序曲線(xiàn)在波峰數(shù)量和曲線(xiàn)振動(dòng)幅度上都有著較大的差異。

2）撂荒地NDVI 參考時(shí)序曲線(xiàn)變化在一年中大致分為4 個(gè)階段：第一階段因冬季荒草枯萎，NDVI值呈下降趨勢(shì)；在第二階段早春時(shí)期綠草迅速生長(zhǎng)，NDVI 數(shù)值迅速上升；第三階段撂荒耕地被雜草覆蓋，NDVI 數(shù)值保持小幅度波動(dòng)；第四階段NDVI數(shù)值逐漸下降。

3）與TWDTW 方法相比，基于M-TWDTW 方法的撂荒地樣本在距離直方圖中的數(shù)量分布更接近正態(tài)分布，與非撂荒地的重疊區(qū)域更少，更利于選取最佳分割閾值；M-TWDTW 方法弱化了撂荒時(shí)長(zhǎng)不一引起的NDVI 絕對(duì)值差異的影響，重點(diǎn)捕捉NDVI時(shí)序曲線(xiàn)的形態(tài)特征，對(duì)耕地撂荒監(jiān)測(cè)識(shí)別精度更高；基于改進(jìn)的M-TWDTW 模型的撂荒地制圖精度為90.45%，遠(yuǎn)高于基于常規(guī)TWDTW 模型的撂荒地制圖精度66.85%。

4）2021 年南雄市撂荒地空間分布集中在中部區(qū)域，存在大面積撂荒現(xiàn)象；3 個(gè)林場(chǎng)的撂荒地以碎小分布為主，大面積撂荒現(xiàn)象的發(fā)生率較低，界址鎮(zhèn)、烏逕鎮(zhèn)和鄧坊鎮(zhèn)的撂荒率最低；雄州街道的耕地撂荒現(xiàn)象明顯，耕地撂荒程度較高，需引起相關(guān)部門(mén)的重點(diǎn)關(guān)注。