“撂荒地”影像特征分析及信息提取
——以右玉縣牛心堡鄉(xiāng)為例

王 利， 李欣欣

(遼寧師范大學(xué) 城市與環(huán)境學(xué)院，遼寧 大連 116029)

“撂荒地”影像特征分析及信息提取
——以右玉縣牛心堡鄉(xiāng)為例

王 利， 李欣欣

(遼寧師范大學(xué) 城市與環(huán)境學(xué)院，遼寧 大連 116029)

耕地撂荒嚴(yán)重影響了我國糧食產(chǎn)量，成為近20年來耕地利用中出現(xiàn)的重大問題.多光譜遙感具有數(shù)據(jù)獲取范圍廣、速度快等特點(diǎn)，在國土資源研究中具有相當(dāng)大的潛力和優(yōu)勢.為提取和識別撂荒地，研究采用2010—2014年各年份的4—10月多光譜遙感數(shù)據(jù)Modis/Terra的NDVI數(shù)據(jù)產(chǎn)品和2014年6月份Landsat 8遙感影像數(shù)據(jù)，生成撂荒地、林地、耕地類型采樣點(diǎn)的NDVI時(shí)間序列曲線，利用時(shí)間序列曲線來表征撂荒地、林地及耕地的生命周期特征，結(jié)合3種覆被類型的生命周期特征及其NDVI曲線特征，對3種覆被NDVI曲線變化趨勢進(jìn)行對比分析，從而區(qū)分撂荒地、林地、耕地，以達(dá)到識別撂荒地的目的.結(jié)合Landsat 8遙感影像判讀和野外考察驗(yàn)證樣本，最后對遙感影像進(jìn)行判讀，分析撂荒地的光譜、紋理、形狀及位置特征，確立撂荒地解譯標(biāo)志，運(yùn)用ArcGIS 10.2平臺實(shí)現(xiàn)撂荒地信息提取.結(jié)果表明，運(yùn)用多光譜遙感技術(shù)能夠很好地提取撂荒地，提取撂荒地精度達(dá)到86%.因此，多光譜遙感技術(shù)在撂荒地識別研究中具有相當(dāng)?shù)目尚行?

Modis數(shù)據(jù)；植被指數(shù)；撂荒地；牛心堡鄉(xiāng)

20世紀(jì)以來，人口的迅速增長、自然資源的日益匱乏、生態(tài)環(huán)境的惡化嚴(yán)重限制了我國經(jīng)濟(jì)發(fā)展，人口、資源、環(huán)境與發(fā)展成為人們密切關(guān)注的四大問題[1].中國土地面積廣大，但人口眾多，人均占有耕地水平較低，耕地面積保有量與糧食安全緊密聯(lián)系在一起.在我國，耕地閑置1 a以上，不進(jìn)行耕作，不能創(chuàng)造價(jià)值，就被稱為撂荒地[2].耕地撂荒嚴(yán)重影響糧食產(chǎn)量與糧食安全.中國的耕地撂荒現(xiàn)象最早出現(xiàn)于20世紀(jì)80年代的中后期， 由于撤鄉(xiāng)并鎮(zhèn)，移民并村，城鎮(zhèn)化步伐的加快[3-4]，90年代以后日趨嚴(yán)重.目前,耕地資源利用處于不利的惡性循環(huán)之中，其中，一方面需要迫切開墾荒地來增加可利用的耕地面積，一方面又因種種原因大面積耕地被閑置撂荒.因此，定量分析我國不同類型的耕地撂荒，尋找解決該地區(qū)耕地撂荒問題的對策尤為重要[5-6].

多光譜遙感是利用多光譜掃描系統(tǒng)或多光譜攝影系統(tǒng)，通過從可見光到熱紅外不同的狹窄波段區(qū)感應(yīng)能量，分別獲得地物在不同譜段上影像的遙感技術(shù)[7].多光譜遙感不僅可以根據(jù)影像的形態(tài)和結(jié)構(gòu)的差異判別地物，還可以根據(jù)光譜特性的差異識別地物的具體情況，擴(kuò)大了遙感的信息量.以其具有的數(shù)據(jù)獲取周期短、速度快、范圍廣和手段多等優(yōu)點(diǎn)，在國土資源研究中發(fā)揮重要的作用.由于撂荒的耕地與耕地、林地以及荒草地很難區(qū)分，因此根據(jù)糧食作物生命周期來識別撂荒地的多光譜遙感技術(shù)亟待發(fā)展.

以山西省朔州市右玉縣牛心堡鄉(xiāng)為例，結(jié)合多光譜遙感技術(shù)的優(yōu)勢，利用MODIS衛(wèi)星的 NDVI數(shù)據(jù)產(chǎn)品，研究基于農(nóng)作物生命周期的撂荒地識別方法[8-10].通過分析生成典型采樣點(diǎn)的NDVI時(shí)間序列曲線，與撂荒地、林地、耕地的生命周期特征匹配，從而識別撂荒地并且實(shí)現(xiàn)撂荒地信息的提取.

1 研究區(qū)概況

右玉縣牛心堡鄉(xiāng)位于山西省西北邊陲地區(qū)，隸屬山西省朔州市.總面積1 964 km2，地貌類型屬于黃土丘陵緩坡區(qū).北部歐村河由東向西流貫，南部牛心河由東向西流貫，中部由老龍山、臥羊山、老老山、團(tuán)山、巴掌山山脈連貫東西，海拔1 500～1 900 m之間，巖石裸露，山體由三棱柱石形成，蓋土極薄，坡度較陡.初霜期為9月份的上、中旬，無霜期年平均104 d左右.

2 數(shù)據(jù)源及預(yù)處理

2.1 數(shù)據(jù)源

研究采用的數(shù)據(jù)包括多光譜遙感數(shù)據(jù)Modis/Terra和2014年6月份Landsat 8遙感影像數(shù)據(jù).

多光譜遙感數(shù)據(jù)Modis/Terra：采用2010—2014年4—10月的NDVI數(shù)據(jù)產(chǎn)品，Modis/Terra的分辨為250 m×250 m，具有光譜范圍廣、數(shù)據(jù)接受簡單、更新頻率高的特點(diǎn).Terra是地球同步極軌衛(wèi)星，對于Modis數(shù)據(jù)接受來說，每天可以接受白天2次和晚上2次的數(shù)據(jù)，這樣高頻率的更新對于地球觀測有較大的使用價(jià)值.

Landsat 8遙感影像：影像的近紅外波段和可見光波段的分辨率為30 m×30 m，全色波段的分辨率為15 m×15 m.利用Modis數(shù)據(jù)和Landsat 8影像作為處理對象，結(jié)合兩者的高時(shí)間分辨率和高空間分辨率，能較準(zhǔn)確地實(shí)現(xiàn)撂荒地的影像特征分析和信息提取.

2.2 數(shù)據(jù)預(yù)處理

以2013年和2014年4—10月的Modis數(shù)據(jù)為基礎(chǔ)，對下載的Modis遙感影像數(shù)據(jù)進(jìn)行如下的預(yù)處理：

投影和坐標(biāo)變換:需要把Modis NDVI 數(shù)據(jù)變換到UTM投影、WGS-84地理坐標(biāo)系，在Modis站點(diǎn)提供的投影轉(zhuǎn)換工具——MRT完成，文件輸出格式為GEO TIF格式，實(shí)現(xiàn)了影像的拼接和重投影.

提取研究區(qū)域：利用山西省朔州市右玉縣牛心堡鄉(xiāng)行政區(qū)邊界矢量數(shù)據(jù)提取牛心堡鄉(xiāng)的遙感影像數(shù)據(jù).主要方法是采用同一坐標(biāo)系統(tǒng)下牛心堡鄉(xiāng)的矢量邊界在ArcGIS環(huán)境下裁切出牛心堡鄉(xiāng)的Modis NDVI時(shí)間序列圖像.

3 研究方法

任何事物都有其生長發(fā)育的特征，經(jīng)過時(shí)間積累，就形成了其固有的生命周期特征.這一特征不隨表征其特征參量的變化而變化.多光譜遙感中的NDVI是表征地表植被特征的重要指標(biāo)，它是進(jìn)行大、中尺度土地覆被分類的依據(jù)，歸一化植被指數(shù)(Normalized difference vegetation index,NDVI)被定義為近紅外波段與可見光波段數(shù)值之差和這2個(gè)波段數(shù)值之和的比值，即NDVI=(NIR-R)/(NIR+R)[11].目前，NDVI指數(shù)是應(yīng)用最為廣泛的植被指數(shù)，研究者可以通過分析各種土地覆被的NDVI指數(shù)隨著時(shí)間變化形式的不同來實(shí)現(xiàn)各種土地覆被的分類和作物的物候分析等.利用時(shí)間序列NDVI特征來表現(xiàn)農(nóng)作物的生命周期特征，了解農(nóng)作物發(fā)生發(fā)展的過程，從而實(shí)現(xiàn)撂荒地的識別.

在本文中，選取5 aNDVI數(shù)據(jù)，對各主要土地利用類型采樣點(diǎn)形成NDVI時(shí)間序列曲線，結(jié)合各類型的生長周期特征，對各曲線進(jìn)行特征分析.再經(jīng)過比較，同時(shí)考慮耕地撂荒的條件，從而識別撂荒地.結(jié)合實(shí)地調(diào)查和高分辨率影像，按類型選取采樣點(diǎn)，讀取Modis圖像上采樣點(diǎn)的NDVI值.每個(gè)采樣點(diǎn)，形成時(shí)間序列曲線數(shù)據(jù)，對其做平滑處理，據(jù)此繪制時(shí)間序列曲線，將其與撂荒地的生命周期特征進(jìn)行比較，從而判定是否為撂荒地.本研究具體步驟如圖1所示.

圖1 研究流程Fig.1 The research process

3.1 不同覆被類型的NDVI值提取

不同土地類型覆被NDVI值是不相同的，不同類型的覆被對可見光波段和近紅外波段不同反射作用不同，當(dāng)有植被覆蓋的情況下，NDVI為正值，隨植被覆蓋度的增大NDVI值也會增大.不同像元的NDVI值不同，所以混合像元的NDVI值會有很大變化.因此，在進(jìn)行采樣點(diǎn)選取時(shí)，應(yīng)注意盡量采取純像元作為采樣點(diǎn).結(jié)合野外調(diào)查情況和對Landsat8影像的分析，選取90個(gè)采樣點(diǎn)，其中林地、耕地、撂荒地各30個(gè).根據(jù)地理坐標(biāo)，提取采樣點(diǎn)在不同時(shí)期的NDVI值，據(jù)此繪制各點(diǎn)的NDVI時(shí)間序列曲線.為盡量減少混合像元的影響，在提取采樣點(diǎn)NDVI值時(shí)直接選擇最鄰近像元的值，而非均值.

3.2 NDVI的數(shù)據(jù)平滑

太陽高度角、衛(wèi)星觀測角、衛(wèi)星、云和大氣條件等有關(guān)的輻射條件變化的影響，會對NDVI產(chǎn)生噪聲影響，因此需要對NDVI數(shù)據(jù)進(jìn)行平滑處理[12]，采用高斯平滑對數(shù)據(jù)進(jìn)行平滑，結(jié)果如圖2所示.

圖2 3種采樣點(diǎn)的NDVI曲線Fig.2 NDVI curves of three sampling points

3.3 基于NDVI時(shí)間序列曲線的分析與討論

將林地、耕地、撂荒地3類采樣點(diǎn)的NDVI數(shù)據(jù)繪制成時(shí)間序列曲線，在NDVI時(shí)間序列曲線圖中，橫軸代表時(shí)間的變化，縱軸表示采樣點(diǎn)的NDVI值.

在林地采樣點(diǎn)的NDVI時(shí)間序列曲線(圖2)中，其NDVI值的變化范圍在0.4～0.8之間.4月初林地還沒有進(jìn)入返青期， NDVI值低，約為0.42左右；4月末5月初，林地進(jìn)入返青期植被長勢緩慢，植被指數(shù)增長緩慢，增幅較小；5月底6月初開始，植被指數(shù)快速增長，因?yàn)樵谡麄€(gè)6月植被進(jìn)入快速生長期，植被長勢旺盛，所以植被指數(shù)大幅增長；7月中下旬植被指數(shù)增長到最大值，為0.8左右；8月末9月初，氣溫開始下降，植被開始枯黃，植被指數(shù)也隨之下降；10月初，植被指數(shù)也處于下降狀態(tài)，但降幅較平緩，10月末植被完全枯黃，植被指數(shù)降到最低.根據(jù)采樣點(diǎn)5 a的NDVI值的變化，5 a的變化大體一致，峰值未發(fā)生明顯變化，判定該地區(qū)一直是林地，土地利用類型沒有發(fā)生變化.

同樣在耕地采樣點(diǎn)的NDVI時(shí)間序列曲線(圖2)中，其NDVI值變化范圍在0.30～0.75之間.NDVI曲線較平滑，有明顯的波谷.低谷大致出現(xiàn)在4月初到5月初，在此期間，農(nóng)作物處于播種期，農(nóng)作物還未返青，植被指數(shù)較低，NDVI值為0.32左右；5月初到6月之前，作物處于返青期，也由返青期進(jìn)入生長期，植被指數(shù)緩慢增長；進(jìn)入7月后，農(nóng)作物進(jìn)入旺盛生長期，植被指數(shù)開始升高，增幅較大，峰值出現(xiàn)在7月中旬之后，大約在7月20號左右，NDVI值大約為0.75；在8月到9月份之后，農(nóng)作物趨于成熟，進(jìn)入收割期，植被指數(shù)緩慢下降；整個(gè)10月植被指數(shù)都是下降的，直到在10月末呈直線下降到最低值，此時(shí)耕地進(jìn)入休眠期.分析耕地的NDVI曲線可以得出，曲線5 a的變化呈穩(wěn)定狀態(tài)，推斷該地一直都是耕地，土地類型沒有發(fā)生變化.

在撂荒地NDVI時(shí)間序列曲線(圖2)中，2010—2012年曲線的整體變化趨勢與耕地大體一致，其NDVI值變化范圍在0.30～0.75之間，曲線也較平滑.但是在2013—2014年間，NDVI變化范圍在0.3～0.7之間，曲線的變化范圍減小，峰值降低，這是因?yàn)榛牟莸拈L勢不如農(nóng)作物長勢旺盛，因此撂荒地的NDVI峰值低于農(nóng)作物的NDVI峰值；同時(shí)2013年開始NDVI曲線變得不平滑，造成這一現(xiàn)象的原因是該地生長品種復(fù)雜的雜草，不同種類的雜草，返青時(shí)間、生長情況、休眠時(shí)間都是不同的.自2013年開始，曲線在4月到5月初處于低谷期，說明因?yàn)榛牟萆形捶登啵脖恢笖?shù)較低，其值接近于0.3；5月初到6月，撂荒地中的荒草處于生長期，植被指數(shù)緩慢增長；進(jìn)入7月，荒草長勢旺盛，NDVI值也隨之快速增長，峰值出現(xiàn)在7月中下旬，約為0.7；進(jìn)入9月中旬，氣溫開始降低，撂荒地中雜草開始枯萎，植被NDVI值下降；進(jìn)入10月，荒草大部分枯黃，植被指數(shù)也呈較快的下降態(tài)勢，10月末荒草進(jìn)入休眠期，植被指數(shù)降到最低.判斷該地區(qū)在2013年開始被撂荒，撂荒時(shí)間超過了1 a，成了撂荒地.

綜上所述，根據(jù)采樣點(diǎn)覆被類型及與之相對應(yīng)的NDVI時(shí)間序列曲線，通過分析遙感影像可以得出撂荒地影像具有以下基本特征：①光譜特征：撂荒地色調(diào)不是很均勻，雜草長勢不一致，參差不齊，在不同的季節(jié)因其不同的生長狀況呈現(xiàn)不同的色調(diào).②紋理特征：由于撂荒地中雜草種類不同，在圖像上不會出現(xiàn)類似耕地的光滑的、波形的、線性的或斑紋的紋理，因?yàn)橐矔懈鞯暮圹E，會出現(xiàn)不規(guī)則，不明顯的紋理.③形狀特征：即撂荒地的外形和輪廓，實(shí)際中的撂荒地一般是較規(guī)則的多邊形.④位置特征：耕地撂荒主要分布在不便于大型機(jī)械化耕作的山地地區(qū).

3.4 撂荒地信息提取

采用ArcGIS 10.2對牛心堡鄉(xiāng)的遙感影像進(jìn)行目視解譯，根據(jù)撂荒地采樣點(diǎn)的光譜特征、撂荒地的紋理、形狀特征以及位置特征，結(jié)合野外的實(shí)地考察掌握的牛心堡鄉(xiāng)的地形及地物的分布，實(shí)現(xiàn)撂荒地信息的提取.應(yīng)用ArcGIS 10.2提取撂荒地信息[13-14].具體步驟如下：首先對遙感圖像進(jìn)行判讀，結(jié)合野外實(shí)地調(diào)查，確立解譯標(biāo)志；然后詳細(xì)判讀，對目標(biāo)地物進(jìn)行定性；對遙感影像進(jìn)行矢量化處理，采集撂荒地的圖形與屬性文件；最后檢查通過.

4 結(jié)果分析與討論

綜合分析各類型采樣點(diǎn)特征，可知牛心堡地區(qū)撂荒地大多分布在地理?xiàng)l件差、土地肥力低下、耕地坡度大、不便于機(jī)械化耕作的山地地區(qū).根據(jù)影像特征將撂荒地和耕地進(jìn)行區(qū)分，山區(qū)耕地的形狀較規(guī)則，影像呈現(xiàn)紅色、粉紅色、淡粉色、少許呈現(xiàn)出藍(lán)色，且影像的紋理較粗糙，紋理不規(guī)則；而山區(qū)撂荒地以粉色、淡紅色為主色調(diào)，顏色均一，形狀較不規(guī)則；林地主要以點(diǎn)狀、線狀、面狀分布，影像呈現(xiàn)為紅色、鮮紅色、淡紅色，紋理不規(guī)則，比較分散.

對采樣點(diǎn)進(jìn)行野外實(shí)地考察，考察結(jié)果與通過時(shí)間序列NDVI特征識別的結(jié)果大致相同.野外實(shí)地考察的結(jié)果與通過時(shí)間序列NDVI特征識別的結(jié)果如表1所示.

表1 野外考察結(jié)果

通過表1可知，利用多光譜遙感數(shù)據(jù)Modis/Terra的NDVI數(shù)據(jù)產(chǎn)品可以作為用來提取撂荒地的數(shù)據(jù)源.根據(jù)影像特征將撂荒地和耕地進(jìn)行區(qū)分，山區(qū)耕地的形狀較規(guī)則，影像呈現(xiàn)紅色、粉紅色、淡粉色、少許呈現(xiàn)出藍(lán)色，且影像的紋理較粗糙，紋理不規(guī)則；而山區(qū)撂荒地以粉色、淡紅色為主色調(diào)，顏色均一，形狀較不規(guī)則；林地主要以點(diǎn)狀、線狀、面狀分布，影像呈現(xiàn)為紅色、鮮紅色、淡紅色，紋理不規(guī)則，比較分散.結(jié)合實(shí)地調(diào)查經(jīng)驗(yàn)以及撂荒地提取結(jié)果發(fā)現(xiàn)，研究區(qū)內(nèi)個(gè)村都存在不同程度的撂荒，影響農(nóng)戶撂荒的因素主要有家庭人口、農(nóng)業(yè)勞動力比重、人均耕地面積、地塊平均面積、耕作半徑、耕地收益等.牛心堡地區(qū)撂荒地大多分布在地理?xiàng)l件差、土地肥力低下、耕地坡度大、地塊面積小、形成成片經(jīng)營的難度較大、不便于機(jī)械化耕作的山地地區(qū).

隨著非農(nóng)收入的增加，農(nóng)戶一方面傾向于將更多的勞動力投入到非農(nóng)活動中；另一方面，男性勞動力為非農(nóng)活動的主要參與者，老人、婦女為主要農(nóng)業(yè)生產(chǎn)力，在勞動力供給上難以維持家庭原有生產(chǎn)規(guī)模.另外，為追求更多非農(nóng)收入，隨家庭人口增加，農(nóng)戶傾向于將家庭勞動力更多投入到非農(nóng)活動中，從事農(nóng)業(yè)生產(chǎn)的勞動力相對減少，原有生產(chǎn)規(guī)模所需勞動力難以滿足，耕地撂荒風(fēng)險(xiǎn)增加.對于耕地撂荒問題，學(xué)術(shù)界秉持兩種主要觀點(diǎn).一是耕地撂荒屬于耕地資源的閑置，撂荒面積的持續(xù)增加可能會威脅區(qū)域的糧食安全，因此，需要遏制耕地撂荒.另一個(gè)是勞動力的輸出有利于劣質(zhì)耕地退出耕作范疇，從而促進(jìn)區(qū)域生態(tài)恢復(fù).政府基于國家糧食安全的戰(zhàn)略視角，應(yīng)引導(dǎo)農(nóng)戶土地資源的優(yōu)化配置.

綜上所述，基于Modis數(shù)據(jù)繪制的植被NDVI曲線，可監(jiān)測到土地利用類型的變化，動態(tài)監(jiān)測植被的生長狀況，根據(jù)植被NDVI值的變化，進(jìn)而分析撂荒地的形成過程.運(yùn)用多光譜遙感技術(shù)，可以快速提取出土地使用變化較顯著的區(qū)域.然而，Modis數(shù)據(jù)空間分辨率較低，采樣點(diǎn)本身不是純像元，造成NDVI值誤差較大，時(shí)間序列曲線在更好地體現(xiàn)地物本身的周期性和季節(jié)性方面還存在很大的上升空間.在信息提取過程中，較小的土地利用變動情況利用遙感技術(shù)還不能有效的提取，較小的圖斑還必須結(jié)合野外實(shí)地考察才能完成.

[1] 程維芳，周藝，王世新，等.基于多光譜遙感的撂荒地識別方法研究[J].光譜學(xué)與光譜分析，2011，31(6):1615-1620.

[2] 孫宏嶺,孫紅霞.威脅中國糧食安全最危險(xiǎn)的因素——棄耕拋荒[J].糧食科技與經(jīng)濟(jì)，2009(1):19-20.

[3] 楊濤,王雅鵬.農(nóng)村耕地拋荒與土地流轉(zhuǎn)問題的理論探析[J].調(diào)研世界,2003(2):15-19.

[4] 田玉軍,李秀彬，陳瑜琦，等.城鄉(xiāng)勞動力流動及其對農(nóng)地利用影響研究評述[J].自然資源學(xué)報(bào)，2010,25(4):686-695.

[5] 馬國忠.土地承包的穩(wěn)定性和土地拋荒的現(xiàn)實(shí)性[J].農(nóng)村經(jīng)濟(jì)，2008(7):43-45.

[6] 王利,任啟龍,楊生彪.遼寧省地形分類標(biāo)準(zhǔn)及分區(qū)方案研究[J].遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,38(3):391-398.

[7] 童慶禧，張兵，鄭蘭芬.高光譜遙感的多學(xué)科應(yīng)用[M].北京：電子工業(yè)出版社,2006：23.

[8] 鄭財(cái)貴，邱道持，葉公強(qiáng)，等.基于GIS空間分析的撂荒地空間分布特征研究——以重慶市璧山縣大路鎮(zhèn)為例[J].農(nóng)機(jī)化研究，2010(3)：31-36.

[9] 胡自寧，陳玉蘭.遙感技術(shù)在土地利用變更調(diào)查中的應(yīng)用[J].南方國土資源，2004(11):34-35.

[10] 王正興，劉闖，HUETE Alfredo.植被指數(shù)研究進(jìn)展：從AVHRR-NDVI到MODIS-EVI[J].生態(tài)學(xué)報(bào)，2003,23(5)：979-987.

[11] 李天峻，閻君，李伯衡.遙感綜合時(shí)空信息在土地利用動態(tài)監(jiān)測中的應(yīng)用技術(shù)研究概述[J].國土資源遙感，1997(2):38-42.

[12] 楊濤,朱博文,雷海章,等.對農(nóng)村耕地拋荒現(xiàn)象的透視[J].中國人口·資源與環(huán)境,2002,12(2):133-134.

[13] 樊風(fēng)雷.珠江三角洲核心區(qū)域土地利用時(shí)空變化遙感監(jiān)測及其生態(tài)環(huán)境效應(yīng)研究[D].廣州：中國科學(xué)院研究生院廣州地球化學(xué)研究所,2007.

[14] 徐美，黃詩峰，黃絢.遙感用于土地利用變化動態(tài)監(jiān)測中的若干問題探討[J].遙感技術(shù)與應(yīng)用，2000，15(4):252-255.

“AbandonedFarmlands”imagefeaturesanalysisandinformationextraction
——IncaseofNiuxinbaotownshipinYouyu

WANGLi,LIXinxin

(College of Urban and Environment, Liaoning Normal University, Dalian 116029, China)

The abandonment of arable land has seriously affected the grain output in our country and has become a major problem in the utilization of cultivated land in the past two decades.In this paper, the NDVI data from Modis/ Terra and the Landsat 8 remote sensing image data of June, 2014, from April to October in 2014, and the NDVI time series of abandoned land, forest land and cultivated land are characterized by time series NDVI.The NDVI time series curves of abandoned land, forest land and cultivated land type are generated.Combined with the growth characteristics and NDVI curve characteristics, three NDVI curves were analyzed to identify abandoned land.Combined with Landsat 8 remote sensing image and field survey data to establish the interpretation of signs we made an analysis of the abandoned land spectrum, texture, shape and location characteristics, and also use the ArcGIS to achieve the extraction of abandoned land information.

Modis data;normalized difference vegetaion index;abandoned land;Niuxinbao rural

TP79

A

2017-03-20

國家科技支撐計(jì)劃資助項(xiàng)目(2008BAH31B06)；部省共建人文社會科學(xué)重點(diǎn)研究基地資助項(xiàng)目(14JJD790038)

王利(1965- )，男，遼寧建平人，遼寧師范大學(xué)教授，博士，博士生導(dǎo)師.E-mail:wangli0984@vip.sina.com

1000-1735(2017)04-0519-06

10.11679/lsxblk2017040519