img

官方微信

遥感技术与应用, 2022, 37(5): 1128-1139 doi: 10.11873/j.issn.1004-0323.2022.5.1128

海南遥感观测专栏

基于Sentinel-2的海南耕地复种指数监测及时空变化分析

郭佳炜,1,2,3, 叶回春,1,3, 聂超甲1,3, 崔贝1,3, 黄文江1,3, 刘付程2, 邹彦龙4

1.海南空天信息研究院 海南省地球观测重点实验室,海南 三亚 572029

2.江苏海洋大学 海洋技术与测绘学院,江苏 连云港 222005

3.中国科学院空天信息创新研究院 数字地球重点实验室,北京 100094

4.中科北纬(北京)科技有限公司,北京 100043

Monitoring and Spatial-temporal Variation of Multiple Cropping Index based on Sentinel-2 in Hainan

Guo Jiawei,1,2,3, Ye Huichun,1,3, Nie Chaojia1,3, Cui Bei1,3, Huang Wenjiang1,3, Liu Fucheng2, Zou Yanlong4

1.Key Laboratory of Earth Observation of Hainan Province,Hainan Aerospace Information Research Institute,Sanya 572029,China

2.School of Marine Technology and Geomatics,Jiangsu Ocean University,Lianyungang 222005,China

3.Key Laboratory of Digital Earth Science,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100094,China

4.Zhongke Beiwei (Beijing) Technology Co. ,Ltd,Beijing 100043

通讯作者: 叶回春(1985-),男,浙江杭州人,副研究员,主要从事农业遥感机理及应用研究。E⁃mail:yehc@aircas.ac.cn

收稿日期: 2022-01-29   修回日期: 2022-07-12  

基金资助: 三亚市农业科技创新项目.  2019NK17
海南省重大科技计划项目.  ZDKJ2019006
中国科学院青年创新促进会项目.  2021119

Received: 2022-01-29   Revised: 2022-07-12  

作者简介 About authors

郭佳炜(1997-),男,黑龙江哈尔滨人,硕士研究生,主要从事农业遥感机理及应用研究E⁃mail:guojw@jou.edu.cn , E-mail:guojw@jou.edu.cn

摘要

海南是发展热带特色高效农业的黄金宝地,开展高时空分辨率耕地复种指数遥感监测与时空变化分析对海南农业生产管理具有重要意义。基于Sentinel-2数据,利用最大值合成法和Savitzky-Golay滤波对NDVI时间序列曲线作平滑重构,结合二次差分法计算2016—2020年海南耕地复种指数,分析海南省耕地复种指数的时空演变特征。结果表明:通过2020年地面调查数据验证,海南耕地复种指数提取总体精度达91.94%,Kappa系数为0.88。海南省耕地复种指数从2016年1.53提升到2020年1.66,提高了0.13。从2016年到2020年单季种植面积占比增加了6.10%,两季种植面积占比减少了2.65%,三季种植面积占比增加了5.10%,休耕或抛荒耕地面积占比减少了5.60%。海南省各市县耕地复种指数在1.28—1.96区间内,其中海口市、三亚市、东方市、临高县等地区耕地复种指数上升,而琼海市、万宁市、琼中县等地区耕地复种指数下降。研究结果可为海南农业部门合理调整休耕、开垦方案等政策,实施热带高效农业可持续发展战略提供数据和决策支撑。

关键词: 耕地复种指数 ; Savitzky⁃Golay滤波 ; Sentinel⁃2数据 ; 时空变化

Abstract

Hainan province is a golden place to develop tropical characteristic and efficient agriculture. It is of great significance to analyze the change of multiple cropping index with high spatial and temporal resolution. Based on Sentinel-2 data, maximum value composite and Savitzky-Golay filtering and smoothing were used to reconstruct NDVI time series curve. The second difference method was used to calculate the multiple cropping index of cultivated land in Hainan province from 2016 to 2020, and the spatial-temporal evolution characteristics of the multiple cropping index were analyzed. The results showed that the overall accuracy of multiple cropping index extraction in Hainan was 91.94% and the Kappa coefficient was 0.88, verified by the ground survey data in 2020. The multiple cropping index of hainan cultivated land increased from 1.53 in 2016 to 1.66 in 2020, an increase of 0.13. From 2016 to 2020, the single-season planting area increased by 6.10 percent, the two-season planting area decreased by 2.65 percent, the three-season planting area increased by 5.10 percent, and the fallow or abandoned farmland decreased by 5.60 percent. The multiple cropping index of all cities and counties in Hainan province is in the range of 1.28—1.96. The multiple cropping index of Haikou city, Sanya City, Dongfang City, Lingao County increases, while the multiple cropping index of Qionghai City, Wanning City and Qiongzhong County decreases. The results can provide data and decision-making support for agricultural departments in Hainan to adjust fallow and reclamation policies reasonably and implement sustainable development strategy of tropical efficient agriculture.

Keywords: Multiple cropping index ; Savitzky-Golay filtering ; Sentinel-2 ; Temporal and spatial variation

PDF (9930KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

郭佳炜, 叶回春, 聂超甲, 崔贝, 黄文江, 刘付程, 邹彦龙. 基于Sentinel-2的海南耕地复种指数监测及时空变化分析. 遥感技术与应用[J], 2022, 37(5): 1128-1139 doi:10.11873/j.issn.1004-0323.2022.5.1128

Guo Jiawei, Ye Huichun, Nie Chaojia, Cui Bei, Huang Wenjiang, Liu Fucheng, Zou Yanlong. Monitoring and Spatial-temporal Variation of Multiple Cropping Index based on Sentinel-2 in Hainan. Remote Sensing Technology and Application[J], 2022, 37(5): 1128-1139 doi:10.11873/j.issn.1004-0323.2022.5.1128

1 引 言

耕地资源是海南热带农业可持续发展的根本,耕地质量问题影响深远。粮食产量受耕地质量和数量的影响,由耕地面积和单位面积产量等因素共同决定,而社会的城市化与工业化推进却造成耕地生态环境日益恶化,种植面积不断缩减1。多熟种植是指一年内在同一块土地上种植两种或几种农作物,是作物种植在时间和空间上的集约化2。多熟种植产量高、资源利用率高,在一定程度上可以缓和粮食安全与经济发展之间的矛盾3。复种是指一年内同一耕地地块上施行多熟种植模式,通常使用耕地复种指数来表示其高低程度,其值等于全年作物播种面积与耕地面积的比值。

传统的耕地复种指数通过统计数据计算获得,其时效性差、统计单元内部的空间异质性也差,不能准确描述种植制度的空间特征4。随着定量遥感技术的发展,时间序列遥感数据能及时、准确地描述作物的生长过程,更好地掌握复种指数信息,能有效监测耕地复种指数5。国内外学者针对不同地区的耕地复种指数遥感监测开展了大量研究。例如,在国外方面,有学者监测了全球6、印度7、湄公河三角洲8等地区的复种指数;在国内方面,有学者对全国范围9、全国粮食主产区10、北方耕地11、南方稻区12、江苏省13、河南省14等研究区域的复种指数进行了遥感监测。上述研究主要针对的是全球不同国家和地区的主要粮食产区,耕地分布相对集中连片、作物类型简单、地形平坦15,使用的数据主要为NOAA16,MODIS17-18,Landsat系列19-20等的卫星数据。

海南拥有我国最大的热带国土面积,光温和水分充足,是发展热带特色高效农业的黄金宝地,耕地复种指数较全国其他地区高。但过度地利用耕地资源,虽然增加了粮食作物的产量,但也造成了对土壤养分的大量消耗,土壤有机质的含量持续下降,同时种植强度的提高也增加了农药化肥的过度使用,使土壤板结、酸化,耕地质量不断下降,严重破坏了生态环境质量21。因此及时有效地监测海南省的耕地复种指数,有助于海南调整合理的种植制度,逐步恢复和提升耕地地力,为海南热带农业可持续发展提供有利支撑。然而,海南地区地块破碎化严重,作物类型复杂多样,传统中低分辨率遥感卫星数据无法满足该地区高精度监测需求。此外,海南多云多雨的气候特点,使卫星遥感容易被云雾遮挡,且重访周期时间较长,往往无法有效地观测地面,从而可能遗漏关键时期的观测影像,影响监测结果,亟需利用高时空分辨率卫星遥感数据进行海南复杂环境下的耕地复种指数提取方法及其时空演变分析研究。云雨天气的影响在NDVI上表现为低值噪声,为了降低这种影响,通常使用最大值合成的方法22,得到相邻时间内最佳观测值作为填充值,从而消除低值噪声。

因此,本文以海南省为例,基于长时间序列的Sentinel-2卫星影像数据,采用最大值合成法,结合Savitzky-Golay滤波对海南耕地NDVI时间序列曲线进行平滑重构,构建海南耕地复种指数遥感提取方法,提取2016年、2018年和2020年地海南耕地复种指数空间分布并分析其时空演变特征,为海南耕地资源管理与可持续利用提供理论与技术参考。

2 研究区与数据

2.1 研究区概况

海南省位于我国最南端(18°10′—20°10′ N,108°37′—111°03′ E),属热带海洋季风气候,常年夏天,光温充足,光合潜力大,物种资源十分丰富,全年皆为作物生长的活跃期23,耕地面积为436 152 hm2,是发展热带特色高效农业的黄金宝地,被称为“天然大温室”。全省年平均气温在22—27℃,大于或等于10℃的积温为8 200℃,年光照为1 750—2 650 h,光照率为50%—60%,充足的光温条件使得海南适合进行作物多熟种植。因此,海南的耕地复种指数比全国其他地区都高。同时,局部地区高强度的土地利用也导致耕地地力的退化和环境污染,部分地区撂荒现象也十分严重。近年来,随着国家和海南省相关耕地质量建设相关政策实施,耕地生态环境和利用状况也逐步得到改善。

2.2 数据获取与处理

2.2.1 地面数据获取与处理

耕地复种指数地面调查数据主要通过野外现场调查结果结合多时相的Google Earth高分辨率影像和Google Earth Engine平台获取。地面调查于2020年6月进行,通过实地调查、询问农户等,调查了过去一年内的耕地复种情况,并使用GPS精确定位和拍照,结合多时相Google Earth高分辨率影像和Google Earth Engine平台高分辨率影像,形成解译标志样本;然后结合2020年全年的高分辨率影像进行目视采样,最终获取了211个随机点信息,其中休耕或撂荒有31个点,单季种植点位有56个,两季种植点位有86个,三季种植点位有38个。然后,以Google Earth高分辨率影像为底图,在随机点周围勾画纯净像元的ROI,所有样点全部作为验证点。调查样点分布如图1所示。

图1

图1   研究区耕地分布及耕地种植制度地面调查样点分布图 审图号:琼S(2021)115号

Fig.1   Distribution of cultivated land area and ground survey sample of cultivated land cropping system in the study area


2.2.2 卫星遥感数据获取与处理

本文采用的卫星数据源为Sentinel-2卫星数据,该卫星是全球环境与安全监视系统中的多光谱遥感成像,用于全球陆地表面状况的监测。基于Google Earth Engine平台,选取了2016—2020年海南省全年的Sentinel-2影像数据,进行大气校正、去云处理等处理,并计算NDVI值,采用最大值合成法每旬合成一幅NDVI最大值影像,生成NDVI时间序列曲线。本文土地利用数据库来源于中国科学院资源与环境科学数据中心(http:∥www.resdc.cn)。土地利用数据的总体精度均超过90.00%,满足该领域的研究要求。该数据库缺少2016年土地利用数据,为此我们也专门查询了海南统计年鉴,2015年和2016年海南省耕地面积变化不大,因此本文使用2015年土地利用数据来替代,最终采用2015、2018年和2020年3期土地利用数据。

3 研究方法

由于云雨等影响,使得遥感数据无法有效地观测地面,这种影响在NDVI上表现为低值噪声,为了降低这种影响,使用最大值合成的方法,得到相邻时间内最佳观测值作为填充值,从而消除低值噪声。这种方法简单实用,但是无法恢复地表真实情况,且会造成最大值对应的日期发生偏移,还要结合Savitzky-Golay滤波方法对时间序列数据进行平滑。因此本文以旬合成NDVI最大值影像,采用Savitzky-Golay滤波方法对时间序列的NDVI曲线作平滑重构,结合二次差分法结合物候信息提取时间序列曲线峰值个数,进而确定复种次数,最后利用Matlab绘制复种指数空间分布图。

3.1 时间序列曲线重构方法

Savizky-Golay滤波方法是以最小二乘卷积为基础的一种权重滑动平均滤波方法24。其权重取决于一个滤波窗口内做多项式最小二乘拟合的次数,如下式:

Yj*=i=-mmCiYj+1N

其中:Yj为原始的NDVI值;Y*为平滑后的NDVI值;Ci为平滑窗口中第i个NDVI值的权重系数;N为卷积数,等于平滑窗口的大小(2m+1);指数j是原始坐标数据的滑动指数;m为滑动窗口的一半宽度。Ci可根据Madden25 提供的等式计算得到。

Savitzky-Golay滤波法是典型的局部拟合方法,可以清晰地描述植被指数时序数据的复杂和微小的变化,具有更多灵活性,但不能太过于“强调细节”往往会因“过度拟合”而保留噪声,不能准确地反映出植被指数季节变化特征。该方法对时间序列曲线平滑去噪的保真性效果主要受活动窗口大小和多项式次数的影响。本文基于GEE平台,采用Savizky-Golay滤波对NDVI时间序列曲线进行重构,经过不断调试拟合次数和窗口大小,最终得到拟合后的NDVI时间序列重构曲线。

不同种植制度作物的NDVI时间序列拟合曲线结果如图2所示,即一年单季作物耕地的NDVI数据在年内形成明显的单峰曲线,一年两季作物耕地的NDVI形成双峰曲线,一年三季作物耕地的NDVI形成三峰曲线,休耕或抛荒地NDVI变化相对平缓。此外,为了削弱Savizky-Golay 滤波的边缘效应,选取一年的完整数据、该年上一年的下半年和该年下一年的上半年组成一个研究时段,分别提取海南省耕地复种指数。

图2

图2   不同种植制度下的耕地NDVI时间序列拟合曲线

Fig.2   NDVI time series fitting curve of cultivated land under different cropping systems


3.2 复种指数提取方法

对于区域尺度时间序列NDVI峰值的提取,二次差分法应用较为广泛,并且取得了较好的效果26。二次差分基本原理如下:首先计算相邻NDVI的差值,记为序列S1,如公式(2),其次根据公式(3)对S1序列判断正负,并重新赋值,记为序列S2;最后依次求S2序列前后元素差,记为序列S3。

S1i=NDVIi-NDVIi-1                     
S2i=-1,        S1i<01,         S1i>0                          
S3i=S2i+1-S2i                                  

其中:i代表序列中第i个元素。作物时序曲线上的波峰出现在序列S 3 中元素为-2且前后元素皆为0的位置。

尽管时序曲线经过了Savizky-Golay滤波的平滑重构,但仍有部分离散峰值点被提取出来,产生误差。主要原因有两个:一是由于非耕种区NDVI值较低,平滑后时序曲线特征不明显,微小的波动都形成了“伪波峰”,造成了错误提取;二是非生长期的杂草以及其他植被的生长,会出现双峰现象,影响提取精度。因此,还需要添加相应的约束条件对探测到的波峰进行取舍。本研究设定“横纵二维约束”:①波峰的峰值要大于0.4;②两相邻的波峰之间至少包括三个月(9个时相)。获取耕地像元峰值频数后,使用公式(5)计算各行政单位复种指数。

C=inMiN×100%             

其中:Mi表示从单个的NDVI时间序列曲线中提取的峰值频数;N表示研究区或者行政区划内的像元总个数;C表示耕地复种指数。

3.3 模型验证方法

采用混淆矩阵(Confusion Matrix)具体耕地复种指数提取结果进行验证27。混淆矩阵也称误差矩阵,是一种n行n列的矩阵形式,混淆矩阵中有以下4个指标。

3.3.1 总体精度

总体精度(Overall Accuracy,OA)是指被正确分类的像元总数除以总的像元数。公式如下:

OA=i=1kNiiN     

其中:k代表类别;N代表总的像元个数;Nii表示被正确分类的像元个数。

3.3.2 生产者精度

生产者精度(Producer's Accuracy,PA)指分类器将整个影像的像元正确分为A类的像元数(对角线值)与X类真实参考总数(混淆矩阵中X类列的总和)的比率。生产者精度用于比较分类方法的好坏。

3.3.3 用户精度

用户精度(User's Accuracy,UA)是指正确分到X类的像元总数(对角线值)与分类器将整个影像的像元分为X类的像元总数(混淆矩阵中X类行的总和)比率。用户精度用来表示分类结果中,各类别的可信度,整张分类成果的可靠性。

3.3.4 Kappa系数

Kappa系数是一种评价分类结果一致性和信度的重要指标。Kappa∈(-1,1),值越大,分类精度越高,说明分类效果越好。Kappa系数计算公式如下:

Kappa=Ni=1kXii-i=1k(Xi+×X+i)N2-i=1k(Xi+×X+i)

其中:k代表类别;N代表类别的总和;Xii表示误差矩阵对角线元素;Xi+X+i表示类别的列总和及行总和。

4 结果与分析

4.1 耕地复种指数遥感提取精度验证

基于Sentinel-2的2020年海南局部地区作物不同种植制度影像如图3所示。利用Savitzky-Golay滤波对NDVI时间序列曲线作平滑重构,结合二次差分法算法,对2020年海南省耕地复种指数分布状况进行遥感提取,并利用野外调查数据对提取结果进行精度验证,结果如表1所示。2020年海南省耕地复种指数提取总体精度达到了91.94%,Kappa系数为0.887。其中,在生产者精度方面,休耕或抛荒耕地达到了100%,三季种植耕地精度达到了94.74%,单季种植耕地精度达到了91.07%;两季种植耕地精度相对较低,为88.37%。在用户精度方面,两季种植耕地精度最高,达到了96.05%;其次为休耕或抛荒耕地,精度为93.55%;单季和三季种植耕地相对较低,精度分别为84.31%和88.89%。从整体验证结果来看,利用NDVI时间序列曲线作平滑重构和二次差分算法进行海南省耕地复种指数提取是可行的。

图3

图3   基于Sentinel-2的2020年海南局部地区作物休耕或撂荒、单季种植、两季种植、三季种植影像

Fig.3   Sentinel-2 images of crop fallow or abandoned, single-season, two-season, and three-season cropping in local areas of Hainan in 2020


表1   2020年海南耕地复种指数遥感提取精度验证结果

Table 1  Verification results of extraction accuracy of hainan multiple cropping index by remote sensing monitoring in 2020

种植制度休耕或抛荒单季两季三季

生产者精度

/%

总体精度:91.94%;Kappa系数:0.887
休耕或抛荒31000100
单季0513291.07
两季1776288.37
三季1103694.74
用户精度/%93.5584.3196.0588.89

新窗口打开| 下载CSV


4.2 2016—2020年海南省耕地复种指数时空演变分析

4.2.1 2020年海南省耕地复种指数空间分布分析

基于上述提取方法,对2020年海南省耕地复种指数进行了遥感提取并进行空间分布图绘制,结果如图3(c)所示。2020年海南省耕地复种指数平均为1.66。其中,休耕或撂荒耕地面积占耕地总面积的4.80%,主要分布在海口、文昌等琼北地区;单季种植面积占比为39.80%,主要分布在海口、文昌、澄迈、儋州等琼北地区,万宁南部等地区;双季种植面积占比为45.60%,三季面积占比为12.80%,主要分布在儋州南部,临高东部,海口、澄迈、定安和屯昌交界处,以及东方、乐东、三亚和陵水等琼南地区。

4.2.2 海南省耕地复种指数时空演变特征分析

按上述同样方法,分别对2016年和2018年海南省耕地复种指数进行了遥感提取和空间分布图绘制,并与2020年的提取结果进行了对比分析,探究从2016—2020年的海南耕地复种指数时空变化特征(图4)。2016—2020年海南省种植制度面积及占耕地比重情况如表2所示,2016年海南省耕地复种指数平均为1.53,其中,休耕或撂荒耕地面积占耕地总面积的10.40%,单季种植面积占比为33.70%,双季种植面积占比为48.25%,三季种植面积占比为7.70%;2018年海南省耕地复种指数平均为1.64,休耕或撂荒耕地面积占耕地总面积的5.40%,单季种植面积占比为35.80%,双季种植面积占比为47.90%,三季种植面积占比为10.90%。从2016年到2020年,海南省耕地复种指数整体呈上升趋势,复种指数增加了0.13。其中,休耕或撂荒耕地面积占地面积减少了24 424.50 hm2,耕地面积占比减少了5.60%;单季种植面积增加了26 605.27 hm2,种植面积占比增加了6.10%;两季种植面积减少了11 558.00 hm2,种植面积占比减少了2.65%;三季种植面积增加了22 243.75 hm2,种植面积占比增加了5.10%。

图4

图4   2016—2020年海南省耕地复种指数空间分布图

审图号:琼S(2021)115号

Fig.4   Spatial distribution of cultivated land multiple cropping index in Hainan Province from 2016 to 2020


表2   2016—2020年海南省种植制度面积及占耕地比重情况

Table 2  The area of cropping system and the proportion of cultivated land in Hainan Province from 2016 to 2020

种植制度2016年2018年2020年2016—2020相对变化
休耕或抛荒耕地面积/hm245 359.8123 552.2120 935.30-24 424.50
占耕地比重/%10.405.404.80-5.60
单季种植面积/hm2146 983.20156 142.40173 588.5026 605.27
占耕地比重/%33.7035.8039.806.10
两季种植面积/hm2210 443.30208 916.80198 885.30-11 558.00
占耕地比重/%48.2547.9045.60-2.65
三季种植面积/hm233 583.7047 540.5755 827.4622 243.75
占耕地比重/%7.7010.9012.805.10
耕地复种指数1.531.641.660.13

新窗口打开| 下载CSV


图5为基于像元尺度的海南耕地复种指数年际变化趋势的空间分布图。从图中可以看出,2016年到2020年,耕地复种指数降低主要分布在海口、文昌、定安和琼海交界地区,昌江、东方、儋州交界处以及万宁北部;复种指数上升主要分布在文昌北部,海口、澄迈和定安交界处,东方、乐东和三亚西部,临高和儋州南部;复种指数无显著变化,主要分布在澄迈西部,昌江、东方、儋州交接处定安和屯昌交界处。2016—2020年海南省耕地复种指数年际变化情况如表3所示,2016—2020年海南省有39.78%的耕地复种指数无变化;有33.28%的耕地复种指数增加,其中单季种植向两季种植转变占了一半,种植面积变化了15.38%;有26.94%的耕地复种指数减少,主要为两季种植向单季种植转变,种植面积变化了19.26%。

图5

图5   2016—2020年海南省耕地复种指数年际变化分布图

审图号:琼S(2021)115号

Fig.5   Interannual variation of multiple cropping index of cultivated land in Hainan Province from 2016 to 2020


表3   2016—2020年海南省耕地复种指数年际变化情况

Table 3  Interannual change of multiple cropping index of cultivated land in Hainan Province from 2016 to 2020

种植模式变化

2016—2020

年际变化

2016—2018

年际变化

2018—2020

年际变化

无变化39.78%42.98%42.41%
休耕→单季3.96%3.63%1.72%
休耕→两季2.83%2.42%0.64%
休耕→三季0.68%0.40%0.13%
单季→休耕0.68%0.92%0.78%
单季→两季15.38%16.53%15.84%
单季→三季4.23%3.29%3.96%
两季→休耕0.45%0.46%0.38%
两季→单季19.26%16.83%18.58%
两季→三季6.20%6.02%6.44%
三季→单季2.49%2.49%3.79%
三季→两季4.04%4.04%5.33%

新窗口打开| 下载CSV


4.3 2016—2020年海南省各市县耕地复种指数时空演变分析
4.3.1 各市县耕地复种指数时空演变分析

2020年海南省各市县耕地复种指数在1.33—1.96之间(图6)。其中,万宁市耕地复种指数最小,为1.33;该市单季种植面积占该市耕地总面积的比重最大,达56.23%,其次为双季种植,占比为34.91%,休耕或撂荒地占比为6.71%;。保亭县耕地复种指数最大,为1.96;该县双季和三季种植面积分别占该县耕地总面积的比重的66.06%和16.12%,休耕或撂荒地面积仅占2.15%。

图6

图6   2016—2020年海南省各市县耕地复种指数及种植制度面积占比空间分布图

审图号:琼S(2021)115号

Fig.6   Spatial distribution map of the multiple cropping index of cultivated land and the proportion of cropping system area in cities and counties in Hainan Province from 2016 to 2020


从2016年到2020年,海南全省耕地复种指数虽整体处于上升趋势,但各市县耕地复种指数变化情况不同,复种指数在1.28—1.96之间变化。其中海口市、三亚市、临高县、东方市、乐东县、儋州市等地区耕地复种指数呈现上升趋势,复种指数升高了约0.23—0.43。其中休耕或撂荒耕地面积占耕地总面积比例在减少,但变化不大,约在1%—13%之间;单季种植面积占比小幅度较少,变化约在0—14%之间;两季种植和三季种植面积占比小幅度增加,变化约在1%—15%之间。这是因为各地区积极推广“稻—菜”轮作等种植制度、同时发展多茬种植,根据“因地制宜、分类复种、应种尽种”原则,种植面积落实到田洋,导致撂荒地复耕空间被挖掘、复种指数提高。而琼海市、万宁市、琼中县、屯昌县等地区耕地复种指数呈下降趋势,复种指数下降大约在0.21—0.43之间。其中休耕或撂荒耕地面积占耕地总面积比例也在减少,变化约在1%—9%之间;单季种植面积占比在持续增加,变化约在27%—36%之间;两季种植和三季种植面积占比在持续减少,变化约在3%—27%之间。这是由于过度种植使土壤养分消耗较大,加上海南降雨分布不均且季节性干旱等问题严重,农业基础设施薄弱、保险保障落后,导致种田成本高而收益很低,青壮年劳动力大量流失,因此耕作制度发生变化,农田单季种植、休耕抛荒地面积增加,耕地复种指数呈现下降趋势。

4.3.2 局部显著变化区域耕地复种指数时空演变分析

2016—2020年海南省的耕地种植制度空间分布变化显著,海口、文昌等琼北地区的休耕或撂荒地耕地、单季种植转变成多季种植模式变化明显(图7(a))。琼北地区气候湿热,主要土壤类型为砖红壤,易受到台风和寒潮的影响,该地区的种植制度以休耕或撂荒地耕地、单季种植分布较多,随着海口、文昌等地恢复撂荒地生产政策的实施,政府大力开展撂荒地地力提升行动,并通过加强撂荒地农田水利基础设施、加快田间路网建设等多种方式,改善和提升了撂荒地的综合生产能力;儋州地区的单季、两季变三季种植模式变化显著(图7(b)),儋州地区土地资源丰富,水网密布,气候宜人,适宜发展热带特色高效农业。随着儋州强农惠农、农业保险补贴等政策的实施,农民生产生活条件得到了改善,也促进了农业产业发展28。同时随着开展高标准农田建设和撂荒地流转工作,热带特色高效农业建设不断推动,农业种植模式得到改善,提高了农业生产力;东方、乐东、三亚、儋州等琼南地区的单季、两季向三季种植制度变化显著(图7(c)),琼南地区土壤多为砖红壤,高山为黄壤,自然肥力较高,且光热条件好,但西部沿海地区降水量较少,季节性干旱现象明显,甚至有冬春连旱情况发生,导致耕地复种指数较低。随着三亚等地区的土地整治项目的实施,灌溉与排水、农田防护保持、生活污水回收与利用等工程一一落实,提高了耕地质量,大大改善了琼南地区的种植制度,增强了农业综合生产能力。

图7

图7   2016—2020年海南省局部显著变化区域耕地复种指数空间分布图 审图号:琼S(2021)115号

Fig.7   Spatial distribution of cropland multiple cropping index in areas with local significant changes in Hainan Province from 2016 to 2020


5 讨 论

对耕地复种指数产生的粮食生产效应,需要综合分析作物播种面积变化和单产变化的影响,才能科学的评估耕地复种指数提升对海南实际粮食产量变化的影响作用29。由统计年鉴数据可知,从2016年至2020年,海南省的耕地面积、粮食播种面积在减少,粮食总产量在减少,粮食单位面积产量在升高,粮食单产量从4 935.53 kg/hm2增加到5 372.78 kg/hm2。综合分析耕地面积和播种面积在减少,而粮食单产量在增加的变化,表明复种指数提升能促进粮食产量的提高,对粮食安全有积极的影响。

关于复种指数的遥感提取,分成NDVI数据平滑去噪和二次差分法提取NDVI曲线的波峰频数两步。其中NDVI数据采用Savitzky-Golay滤波平滑重构。Savitzky-Golay滤波法是典型的局部拟合方法,可以清晰地描述植被指数时序数据的复杂和微小的变化,具有更多灵活性,能够在去除噪声的同时达到很好的保真性,但是容易产生过拟合现象。关于取NDVI曲线的波峰频数方面,刘翼浩3在复种指数中补充一个简单明确的生长期限定,即作物非共生的独立生长期在3个月以上能达到生长全盛期的为一季。因此研究根据海南地区的主要作物(水稻、小麦、大豆、番薯、玉米等)生长规律,设定NDVI时间序列曲线2个峰值之间至少隔3个月,以减少短时间内连续峰值的误差;耕地上存在不同地类,例如撂荒或休耕的时间序列曲线就存在峰值,但是未种植作物的土地其NDVI曲线的峰值较低,显然不能将撂荒或休耕的峰值算入农作物的生长峰。因此,经过大量查阅相关文章并根据实际野外调研询问农户综合考虑,设定提取有效波峰的NDVI数值大于0.4,这个值是一个经验值,是为了减少提取波峰的误差。

关于耕地复种指数研究中,耕地数据是提取复种指数的重要依据,随着城市化和工业化的进展,耕地面积在不断减少,本研究中使用2015年土地利用数据替代2016年土地利用数据,可能会影响最终的耕地复种指数提取结果。为了与Sentinel-2数据空间分辨率保持一致,耕地数据需要重采样为10 m×10 m的栅格数据。重采样过程中,单个像元的耕地面积若超出一半,则认为该像元是耕地,但是这可能导致出现不同土地利用类型的混合像元,同时忽略面积较小的地块,影响耕地复种指数提取结果。未来应考虑使用更高分辨率的遥感影像同时匹配适合的土地利用数据,来提高耕地复种指数的时效性和准确性。

海南省地处热带地区,不仅存在一年多熟的种植制度,还存在着两年三熟甚至是两年五熟的情况。然而本文仅考虑了一个完整年内的种植制度,未来考虑将时间尺度扩大到2—3 a,采用具有长时间序列的高分辨率的要来监测海南热带地区的耕地复种指数情况。

在耕地复种指数研究中,遥感数据的质量是影响研究结果可靠性的关键因素。海南地区多云雨天气,使卫星遥感影像容易被云雾遮挡,从而可能遗漏关键时期的观测影像,影响监测结果。本研究虽然在遥感数据处理过程中进行大气校正、去云处理等操作,同时采用最大值合成法和Savitzky-Golay滤波方法也在一定程度上消除了云雨造成的影响,但是监测结果的准确性还是会存在一定的误差。未来应考虑使用雷达数据和多源数据融合技术在遥感产品精度、背景值等方面加以提高。耕地复种指数变化是农民在市场、环境、经济、气候、社会等多种影响因素驱动下做出的综合决策,农民与农民之间的从众行为、农业经济规模效应也会是研究复种指数变化的重要驱动因素。未来应加强农民的主观能动性、社会、政策等因素对该区域复种指数的影响分析。

6 结 论

本文基于Sentinel-2数据,利用最大值合成法和Savitzky-Golay滤波平滑对NDVI时间序列曲线作平滑重构,并结合二次差分法提取2016—2020年海南耕地复种指数,分析海南省耕地复种指数的时空演变特征。结果表明,通过2020年地面调查数据验证,海南耕地复种指数提取总体精度达91.94%,Kappa系数为0.88。海南省耕地复种指数从2016年1.53提升到2020年1.66,提高了0.13。从2016年到2020年一季种植面积增加了6.10%,二季种植面积减少了2.65%,三季种植面积增加了5.10%,休耕/抛荒耕地面积减少了5.60%。海南省各市县耕地复种指数在1.28—1.96区间内,其中海口市、三亚市、东方市、临高县等地区耕地复种指数上升,而琼海市、万宁市、琼中县等地区耕地复种指数明显下降。2016—2020年是打赢脱贫攻坚战的重要时期,乡村产业振兴、耕地保护制度等政策的落实,使得海南的耕地种植制度发生了变化,因此对耕地复种指数产生了一定的影响。

参考文献

Zhang ChaungjuanHe Hongming.

The evolution of spatiotemporal patterns and the influencing factors of the multiple cropping index of cultivated land in Southwest China

[J]. Agricultural Research in the Arid Areas,2020383):222-230.

[本文引用: 1]

张闯娟何洪鸣.

西南地区耕地复种指数的时空格局演变及影响因素

[J]. 干旱地区农业研究,2020383):222-230.

[本文引用: 1]

Wang BinHuang ShengyiMin Qingwen.

Soil nutrient characteristics and spatial variability of farmland in high multiple cropping index area of Pidu District, Chengdu City

[J]. Ecological Science,2020393):151-159.

[本文引用: 1]

王斌黄盛怡闵庆文.

高复种指数区成都市郫都区农田土壤养分特征及其空间变异研究

[J]. 生态科学,2020393):151-159.

[本文引用: 1]

Liu Xunhao.

Multiple cropping index in cultivated land of China

[J].Crops,19973):1-3.

[本文引用: 2]

刘巽浩.

论我国耕地种植指数(复种)的潜力

[J].作物杂志,19973):1-3.

[本文引用: 2]

Jiang MLi X BXin L Jet al

Paddy rice multiple cropping index changes in Southern China

[J]. Journal of Geographical Sciences,20192911):1773-1787. DOI:10.1007/s11442-019-1689-8 .

[本文引用: 1]

Zhang C JHe H MAli M.

The impact of climate change and human activity on spatiotemporal patterns of multiple cropping index in South West China

[J]. Sustainability, 20191119):1-21. DOI:10.3390/su11195308 .

[本文引用: 1]

Chen B.

Globally increased crop growth and cropping intensity from the long-term satellite-based observations

[J]. ISPRS Annals of Photogrammetry, Remote Sensing Spatial Information Sciences,201843):45-52. DOI:10.5194/isprs-annals-IV-3-45-2018 .

[本文引用: 1]

Panigrahy SSharma S A.

Mapping of crop rotation using multidate Indian remote sensing satellite digital data

[J]. Journal of Photo grammetry and Remote Sensing,1997522):85-91. DOI:10.1016/S0924-2716(97)83003-1 .

[本文引用: 1]

Sakamoto TVan Nguyen NOhno Het al.

Spatio-temporal distribution of rice phenology and cropping systems in the Mekong Delta with special reference to the seasonal water flow of the Mekong and Bassac rivers

[J]. Remote Sensing of Environment,20061001):1-16. DOI:doi.org/10.1016/j.rse.2005.09.007 .

[本文引用: 1]

Yan H MLiu FQin Y Wet al.

Tracking the spatio-temporal change of cropping intensity in China during 2000-2015

[J]. Environmental Research Letters,2019143): 035008. DOI: 10.1088/1748-9326/aaf9c7 .

[本文引用: 1]

Li YuQiu BingwenHe Yuhua.

Cropping intensity based on MODIS data in China during

20012018[J]. Progress in Geography,20203911):1874-1883.

[本文引用: 1]

李宇邱炳文何玉花陈功叶智燕.

基于MODIS数据的2001—2018年中国耕地复种指数反演研究

[J].地理科学进展,20203911):1874-1883.

[本文引用: 1]

Zuo LijunDong TingtingWang Xiaoet al.

Multiple cropping index of Northern China based on MODIS/EVI

[J]. Transactions of the Chinese Society of Agricultural Engineering,2009258):141-146.

[本文引用: 1]

左丽君董婷婷汪潇.

基于MODIS/EVI的中国北方耕地复种指数提取

[J]. 农业工程学报, 2009258): 141-146.

[本文引用: 1]

Jiang MXin L JLi X Bet al.

Decreasing rice cropping intensity in southern China from 1990 to 2015

[J]. Remote Sensing, 2019111): 35. DOI:10.3390/rs11010035 .

[本文引用: 1]

Xu WJin JJin Xet al.

Analysis of changes and potential characteristics of cultivated land productivity based on MODIS EVI:A case study of Jiangsu province,China

[J]. Remote Sensing,201911):2041. DOI:10.3390/rs11172041 .

[本文引用: 1]

Wang XuanWang YuanzhengFang Penget al.

Extractionand temporaland spatial pattern analysis of multiple cropping indexes in Henan Province based on time series MODIS NDVI

[J]. Journal of Henan University (Natural Science Edition), 2020505):524-534.

[本文引用: 1]

王璇王远征方鹏.

基于时间序列MODIS NDVI的河南省复种指数的提取与时空格局分析

[J]. 河南大学学报: 自然科学版,2020505):524-534.

[本文引用: 1]

Yan H MLiu FNiu Z Eet al.

Changes of multiple cropping in Huang-Huai-Hai agricultural region,China

[J]. Journal of Geographical Sciences,20182811):1685-1699. DOI:10.1007/s11442-018-1537-2 .

[本文引用: 1]

Wu W BYu Q YYou L Zet al.

Global cropping intensity gaps: Increasing food production without cropland expansion

[J]. Land Use Policy,201876515-525. DOI:10.1016/j.landusepol.2018.02.032 .

[本文引用: 1]

Zhao YBai L YFeng J Zet al.

Spatial and temporal distribution of multiple cropping indices in the North China Plain using a long remote sensing data time series

[J]. Sensors,2016164):557. DOI:10.3390/s16040557 .

[本文引用: 1]

Li ZhuoLiu ShuliangSun Ranhaoet al.

Identifying the temporal-spatial pattern evolution of the multiple cropping index in the Huang-Huai-Hai region

[J]. Acta Ecologica Sinica, 20183812):4454-4460.

[本文引用: 1]

李卓刘淑亮孙然好.

黄淮海地区耕地复种指数的时空格局演变

[J]. 生态学报,20183812):4454-4460.

[本文引用: 1]

Li LZhao Y LFu Y Cet al.

High resolution mapping of cropping cycles by fusion of Landsat and MODIS data

[J]. Remote Sensing,2017912):1232.DOI:org/10.3390/rs9121232 .

[本文引用: 1]

Liu CZhang QTao S Qet al.

A new framework to map fine resolution cropping intensity across the globe:Algorithm, va-lidation,and implication

[J].Remote Sensing of Environment, 2020251. DOI:10.1016/j.rse.2020.112095 .

[本文引用: 1]

Liu CZhang QTao S Q

Thinking on the conservation of farmland quality and development of agricultural modernization in Hainan province

[J].China Development,2014141):77-80.

[本文引用: 1]

黄俊生侯宪文.

关于保护海南耕地质量和现代农业建设的思考

[J]. 中国发展,2014141):77-80.

[本文引用: 1]

Holben B N.

Characteristics of maximum-value composite images from temporal AVHRR data

[J]. International Journal of Remote Sensing,1986711):1417-1434. DOI:10.1080/01431168608948945 .

[本文引用: 1]

Zhong Liwen.

Characteristics of agriculture resources and path selection of tropical agriculture development in Hainan province

[J]. Research of Agricultural Modernization,2009303):306-309.

[本文引用: 1]

钟利文.

海南的农业资源特点和热带农业发展道路选择

[J]. 农业现代化研究,2009303):306-309.

[本文引用: 1]

Chen JJonsson PTamura Met al.

A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter

[J].Remote sensing of Environment,2004913/4):332-344. DOI:10.1016/j.rse.2004.03. 014 .

[本文引用: 1]

Madden H.

Comments on the Savitzky-Golay convolution method for Least-squares-fit smoothing and differentiation of digital data

[J]. Analytical Chemistry, 1978509):1383-1386. DOI:10.1021/ac50031a048 .

[本文引用: 1]

Ge ZhongxiHuang JingLai Peiyuet al.

Research progress on remote sensing monitoring of cultivated land cropping intensity

[J]. Journal of Geo-information Science,2021237):1169-1184.

[本文引用: 1]

葛中曦黄静赖佩玉.

耕地复种指数遥感监测研究进展

[J]. 地球信息科学学报,2021237):1169-1184.

[本文引用: 1]

Schapire R EFrreund YBartlett Pet al.

Boosting the margin: A new explanation for the effectiveness of voting methods

[J].The Annals Statistics,1998261651-1686. DOI:10. 1214/aos/1024691352 .

[本文引用: 1]

Yang Dongxiao.

On the policy of benefiting the agriculture of Danzhou city executive: Problems and Countermeasures

[D]. HaikouHainan University2015.

[本文引用: 1]

羊东晓.

儋州市对强农惠农政策的执行: 问题与对策

[D].海口海南大学2015.

[本文引用: 1]

Wu WenbinYu QiangyiLu Miaoet al.

Key research priorities for multiple cropping systems

[J]. Scientia Agricultura Sinica,2018519):1681-1694.

[本文引用: 1]

吴文斌余强毅陆苗.

耕地复种指数研究的关键科学问题

[J]. 中国农业科学,2018519):1681-1694.

[本文引用: 1]

/