基于隨機(jī)森林方法的遙感影像耕地提取與變化分析

范震 喬梓 李棟梁 孫雯君 劉典

摘 要：耕地是人類(lèi)社會(huì)穩(wěn)定發(fā)展的物質(zhì)基礎(chǔ)，是糧食生產(chǎn)的重要前提與保障。耕地的變化檢測(cè)對(duì)于耕地的保護(hù)和利用都具有十分重要的意義。該文以南京市江寧區(qū)為研究區(qū)，使用2017年、2019年、2021年3期哨兵2號(hào)影像，采用隨機(jī)森林分類(lèi)方法，提取耕地信息并分析其時(shí)空變化。結(jié)果表明：隨機(jī)森林分類(lèi)方法能有效識(shí)別耕地，分類(lèi)精度均在80%以上。2017—2019年間，江寧區(qū)耕地面積變化不大;2021年與2019年相比，耕地面積略有減少，部分耕地轉(zhuǎn)化為其他用地類(lèi)型。在空間上，西部、東南部地區(qū)的耕地與其他用地類(lèi)型間轉(zhuǎn)化面積較大;總體上，耕地重心不斷向東南方向遷移。耕地的時(shí)空變化受多種因素的影響，經(jīng)濟(jì)發(fā)展與城市擴(kuò)張是其中的主要因素，及時(shí)準(zhǔn)確地獲取耕地變化信息可為相關(guān)管理部門(mén)提供科學(xué)依據(jù)。

關(guān)鍵詞：哨兵2號(hào);耕地提取;隨機(jī)森林;變化檢測(cè)

中圖分類(lèi)號(hào) P237 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2022）10-0116-04

Extraction and Change Analysis of Cultivated Land from Remote Sensing Images Based on Random Forest Method

FAN Zhen? ?QIAO Zhi? ?LI Dongliang? ?SUN Wenjun? ?LIU Dian

（School of Environmental Science，Nanjing Xiaozhuang Universty， Nanjing 211171， China）

Abstract： Cultivated land is the material basis of stable development of human society， and is an important premise and guarantee of food production. The change detection of cultivated land is very important for the protection and utilization of cultivated land. In this paper， jiangning District， Nanjing was selected as the research area， and the sentry 2 images of 2017， 2019 and 2021 were used to extract cultivated land information and analyze its spatial and temporal changes by random forest classification method. The results show that the random forest classification method can effectively identify cultivated land， and the classification accuracy is above 80%. From 2017 to 2019， the cultivated land area in Jiangning District did not change much. In 2021， compared with 2019， the area of cultivated land decreased slightly， and part of cultivated land was converted to other land types. In terms of space， the conversion area between cultivated land and other land types is large in the west and southeast regions. On the whole， the center of gravity of cultivated land moves southeast continuously. The spatial-temporal change of cultivated land is affected by many factors， among which economic development and urban expansion are the main factors. Timely and accurate acquisition of cultivated land change information can provide scientific basis for relevant management departments.

Key words： Sentinel-2; Farmland extraction; Random forest; Change detection

耕地是人類(lèi)社會(huì)穩(wěn)定發(fā)展的物質(zhì)基礎(chǔ)[1]，耕地資源的稀缺性日益突出，已成為我國(guó)農(nóng)業(yè)生產(chǎn)和國(guó)民經(jīng)濟(jì)可持續(xù)發(fā)展的瓶頸因素。糧食安全問(wèn)題關(guān)系到國(guó)計(jì)民生，是國(guó)家發(fā)展和社會(huì)穩(wěn)定的前提[2-4]。雖然我國(guó)耕地面積總量可觀，擁有耕地127萬(wàn)km2（數(shù)據(jù)來(lái)源于第三次國(guó)土資源調(diào)查），但人均耕地占有量只有世界人均耕地占有量的45%;隨著工業(yè)化和城鎮(zhèn)化的推進(jìn)，城市建設(shè)占用了大量?jī)?yōu)質(zhì)耕地;由于糧食經(jīng)濟(jì)收益較低，大量勞動(dòng)力進(jìn)城務(wù)工，致使大量土地撂荒[5-7]。耕地資源現(xiàn)狀不容樂(lè)觀，所以耕地資源的監(jiān)測(cè)與保護(hù)工作愈發(fā)重要[8]。

近年來(lái)，對(duì)于耕地資源概況的研究，國(guó)內(nèi)外學(xué)者主要集中在耕地利用的時(shí)空格局特征、驅(qū)動(dòng)機(jī)制、生態(tài)環(huán)境效應(yīng)及模擬預(yù)測(cè)等方面[9-13]。隨機(jī)森林分類(lèi)方法因其多級(jí)決策特性和便于集成多種分類(lèi)特征，被廣泛應(yīng)用于土地利用信息提取中。土地利用變化分析主要采用土地利用轉(zhuǎn)移矩陣、土地利用動(dòng)態(tài)度[14]、主成分分析和多元線性回歸[15-16]等方法，其中使用較多的是分類(lèi)后比較法。筆者利用隨機(jī)森林分類(lèi)方法，以南京市江寧區(qū)為例，提取2017年、2019年、2021年耕地及變化信息，得出其時(shí)空變化特征，進(jìn)而分析江寧區(qū)耕地轉(zhuǎn)化驅(qū)動(dòng)因素，為地方政府制定發(fā)展政策和規(guī)劃、糧食生產(chǎn)安全和可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況 江寧區(qū)位于南京市中南部，從西、南、東三面環(huán)抱南京主城，介于118°31′～119°04′E、30°38′～32°13′N(xiāo)，屬于亞熱帶溫濕氣候，四季分明，雨水充沛，年平均降水量1072.9mm。該區(qū)東西寬33km，南北長(zhǎng)57km，總面積1563km2，其中農(nóng)用地1103km2（耕地占農(nóng)用地面積的53%），耕地主要是灌溉水田，種植作物以水稻、小麥、油菜為主（圖1）。近年來(lái)，江寧區(qū)的經(jīng)濟(jì)高速發(fā)展，城市用地和交通用地需求不斷增大。

1.2 數(shù)據(jù)來(lái)源 本研究使用的數(shù)據(jù)為哨兵2號(hào)影像，共選用3期數(shù)據(jù)，成像時(shí)間為4—5月份（見(jiàn)表1），數(shù)據(jù)均來(lái)自于歐空局哥白尼數(shù)據(jù)中心（https：//scihub.copernicus.eu/dhus/#/home）。哨兵2號(hào)衛(wèi)星搭載的MSI傳感器，與Landsat、SPOT等系列衛(wèi)星數(shù)據(jù)相比，其空間和光譜分辨率均有所提升，增加的3個(gè)紅邊波段能夠更有效地檢測(cè)植被信息。DEM數(shù)據(jù)來(lái)源于NASA的分布式數(shù)據(jù)中心（https：//asf.alaska.edu/），由ALOS衛(wèi)星搭載的全色遙感立體測(cè)繪儀（PRISM）生產(chǎn)，空間分辨率為12.5m。

1.3 研究方法

1.3.1 影像預(yù)處理 下載的哨兵2號(hào)影像為大氣頂層反射率，使用前需對(duì)其進(jìn)行大氣校正。利用歐空局提供的sen2cor插件對(duì)3期數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正，該大氣校正算法運(yùn)用離散縱標(biāo)法計(jì)算地球大氣、太陽(yáng)以及熱輻射傳輸[17]，能有效去除大氣的影響。使用該插件將3期影像均校正為地表真實(shí)反射率。采用歐空局官網(wǎng)提供的SNAP工具將大氣校正過(guò)后的數(shù)據(jù)重采樣為10m分辨率，疊加3期影像，其空間位置匹配準(zhǔn)確，位置精度小于0.2個(gè)像元。將下載的DEM數(shù)據(jù)空間分辨率重采樣為10m，最后利用江寧區(qū)行政邊界對(duì)3期影像和DEM數(shù)據(jù)進(jìn)行裁剪。

1.3.2 耕地分類(lèi) 隨機(jī)森林（Random Forest）是一種統(tǒng)計(jì)學(xué)習(xí)理論，是利用重抽樣方法從原始樣本中抽取多個(gè)樣本，并對(duì)每個(gè)樣本進(jìn)行決策樹(shù)建模，每個(gè)決策樹(shù)分類(lèi)模型都有一票投票權(quán)，最終根據(jù)票數(shù)得出最優(yōu)分類(lèi)結(jié)果[18]。隨機(jī)森林分類(lèi)方法在實(shí)踐方面具有很高的噪聲容忍度與較高的精度。

參照《土地利用現(xiàn)狀分類(lèi)》GB/T 21010-2017文件并結(jié)合研究區(qū)實(shí)際狀況，將研究區(qū)分成8類(lèi)（旱地、水澆地、水田、城鎮(zhèn)用地、裸土、林地和園地、水體、工礦用地），通過(guò)實(shí)地考察和谷歌地球數(shù)據(jù)并結(jié)合目視解譯，共選擇了88139個(gè)像素構(gòu)建特征樣本庫(kù)，利用哨兵2號(hào)影像的原始12個(gè)波段和DEM數(shù)據(jù)，進(jìn)行耕地信息的提取。結(jié)合構(gòu)建的樣本庫(kù)，采用隨機(jī)采樣方法抽取部分樣本，利用混淆矩陣對(duì)分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià)，計(jì)算了用戶(hù)精度、制圖精度、錯(cuò)分誤差、漏分誤差和總體分類(lèi)精度。

1.3.3 變化分析 本研究采用土地利用轉(zhuǎn)移矩陣和土地分類(lèi)轉(zhuǎn)化圖來(lái)進(jìn)行耕地的時(shí)空變化分析。土地利用轉(zhuǎn)移矩陣來(lái)源于系統(tǒng)分析中對(duì)系統(tǒng)狀態(tài)與狀態(tài)轉(zhuǎn)移的定量描述。在土地利用轉(zhuǎn)移矩陣中，行表示變化前地區(qū)土地利用類(lèi)型，列表示變化后土地利用類(lèi)型。在隨機(jī)森林分類(lèi)結(jié)果的基礎(chǔ)上，統(tǒng)計(jì)各期分類(lèi)結(jié)果影像中的地物類(lèi)型面積，同時(shí)將不同期的分類(lèi)結(jié)果在空間上疊加，通過(guò)疊置運(yùn)算，計(jì)算得到各期的耕地和其他用地類(lèi)型的轉(zhuǎn)換面積，最后將分類(lèi)結(jié)果合并為耕地與非耕地2類(lèi)，分別賦值后，疊加得到耕地空間變化結(jié)果圖。

2 結(jié)果與分析

2.1 耕地的時(shí)間變化特征 根據(jù)構(gòu)建的特征樣本庫(kù)采用隨機(jī)森林分類(lèi)方法得到3期影像的分類(lèi)結(jié)果，并利用混淆矩陣對(duì)分類(lèi)結(jié)果圖進(jìn)行精度評(píng)價(jià)，3期分類(lèi)結(jié)果總體精度達(dá)到80%以上，kappa系數(shù)均大于0.7，說(shuō)明采用隨機(jī)森林方法并附加DEM數(shù)據(jù)后，能夠較為有效地對(duì)耕地信息進(jìn)行提取。對(duì)3期分類(lèi)結(jié)果進(jìn)行統(tǒng)計(jì)，得到各期影像的用地類(lèi)型面積（圖2）。由圖2可知，2017年、2019年、2021年間林地和水體面積基本沒(méi)有變化;而2017—2021年間耕地面積呈緩慢減少趨勢(shì)，其中2019—2021年間的耕地面積變化量大于2017—2019年間;2017—2019年的建設(shè)用地面積變化不大，而到了2021年，建設(shè)用地面積有一個(gè)顯著的增加;裸土面積呈緩慢上升的趨勢(shì)。

對(duì)于耕地未變化區(qū)域，結(jié)合耕地分類(lèi)結(jié)果，計(jì)算得到2017—2019、2019—2021、2017—2021年間的耕地類(lèi)型轉(zhuǎn)移矩陣（表2～4）。2017—2021年間，旱地占耕地總量的絕大部分，4年間不同耕地類(lèi)型相互轉(zhuǎn)化，2017—2019年未發(fā)生變化的旱地面積為362.67km2，面積最大;2017—2021年次之，為313.58km2;2019—2021年最小，未發(fā)生變化的旱地面積為310.56km2。總體上，江寧區(qū)的水澆地和水田占比較低，面積均小于10km2，4年間水澆地的面積基本沒(méi)有發(fā)生變化。由表2可知，2017—2019年間，共有20.1km2新增旱地，其中由水田轉(zhuǎn)化的面積為12.54km2，7.56km2由水澆地轉(zhuǎn)化而來(lái)，其原因可能是農(nóng)戶(hù)將水田改造為經(jīng)濟(jì)作物。由表3可知，2019—2021年間，未變化區(qū)域的旱地面積增加了5km2，較2017—2019年有所減少;水田面積增加近1/3;水澆地面積減少5km2，約占總量的1/3;與2019—2021年相比，2017—2019年期間旱地面積增加4倍。由表4可知，2017—2021年間，總體上江寧區(qū)未變化旱地面積總量占比超過(guò)90%，水澆地、水田、旱地之間均有少量轉(zhuǎn)化，總體面積變化不大。

綜上所述，2017—2021年間，江寧區(qū)總體耕地面積有所減少，其大部分轉(zhuǎn)化為建設(shè)用地類(lèi)型，變化原因主要是由于城市規(guī)劃、經(jīng)濟(jì)建設(shè)所導(dǎo)致。但從江寧區(qū)的經(jīng)濟(jì)發(fā)展來(lái)看，其減少的耕地量尚在可控范圍內(nèi)。在未發(fā)生變化的耕地范圍內(nèi)，旱地面積占絕大部分，且在4年間，耕地類(lèi)間轉(zhuǎn)化較少，耕地類(lèi)型未發(fā)生明顯變化，這說(shuō)明江寧區(qū)在重視經(jīng)濟(jì)發(fā)展的同時(shí)，也積極推進(jìn)土地利用有效管理，提高土地利用效率，同時(shí)為了保證耕地生態(tài)質(zhì)量，采用了輪耕休耕的措施，有效保護(hù)了耕地面積和作物種類(lèi)。

2.2 耕地的空間變化特征 從3期耕地分類(lèi)結(jié)果圖上可以看出（圖3），江寧區(qū)的耕地主要分布在東南部和西部沿江地區(qū)。東南部區(qū)域的耕地空間分布在2017—2019年間變化不大，而2019—2021年江寧區(qū)東南部方山及祿口鎮(zhèn)區(qū)域耕地呈較為明顯的減少，其中大部分轉(zhuǎn)化為建設(shè)用地?？傮w上，2017—2021年江寧區(qū)耕地的空間分布格局未發(fā)生大的變化，說(shuō)明城市建設(shè)未對(duì)耕地分布及格局產(chǎn)生大的影響;同時(shí)，江寧區(qū)實(shí)施“十三五”規(guī)劃的“六穩(wěn)”“六?！薄a(chǎn)業(yè)轉(zhuǎn)型、智慧農(nóng)業(yè)等有力舉措也有效保護(hù)了耕地和提升了人居環(huán)境。

將2017與2021年用地類(lèi)型疊加，獲取耕地與非耕地轉(zhuǎn)化空間分布圖（圖4），空間上，2017—2021年間，江寧區(qū)中部區(qū)域及西部江心洲地帶耕地未發(fā)生變化，耕地轉(zhuǎn)化為非耕地的區(qū)域主要出現(xiàn)在祿口鎮(zhèn)和沿江東岸。由圖4可以看出，沿江東岸地區(qū)耕地減少明顯，結(jié)合谷歌地球高清影像可以發(fā)現(xiàn)，除了早期一部分農(nóng)田轉(zhuǎn)化耕地外，還有部分區(qū)域?yàn)橐雅唇ǖ慕ㄔO(shè)用地，閑置的建設(shè)用地生長(zhǎng)植被，少部分被錯(cuò)分為耕地，但總量有限。位于祿口鎮(zhèn)周邊的區(qū)域有較大一部分耕地轉(zhuǎn)化為非耕地，其原因可能是，江寧區(qū)為推進(jìn)城鄉(xiāng)融合，滿(mǎn)足城市化需求，進(jìn)一步加快了城鄉(xiāng)建設(shè)，城鎮(zhèn)化率已達(dá)75%。每年完成城建項(xiàng)目近百個(gè)，年度投入超百億元，園博園、寧句線、寧馬高速改擴(kuò)建等省市重大工程項(xiàng)目也是耕地變化的主導(dǎo)因素。耕地轉(zhuǎn)化為非耕地的同時(shí)，在江寧區(qū)中部以南，零星分布著非耕地轉(zhuǎn)為耕地的區(qū)域，這說(shuō)明隨著生產(chǎn)建設(shè)項(xiàng)目監(jiān)管的有力實(shí)施，一些非法占用耕地被還原，但總體數(shù)量不大。從空間變化趨勢(shì)來(lái)看，變化集中體現(xiàn)在城市周?chē)刂匦牟粩嘞驏|南方向遷移，同時(shí)對(duì)城市周邊的未利用地進(jìn)行耕地生態(tài)補(bǔ)償。

3 結(jié)論與討論

本研究結(jié)果表明，從時(shí)間變化上看，江寧區(qū)耕地面積呈減少趨勢(shì)，但耕地類(lèi)型未發(fā)生大的變化，因此，建設(shè)用地的面積不斷擴(kuò)大。因此，建議加大特色農(nóng)業(yè)生態(tài)旅游項(xiàng)目投入，減少農(nóng)用地轉(zhuǎn)化的同時(shí)，實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，提高經(jīng)濟(jì)收入，完善生態(tài)耕地補(bǔ)償機(jī)制。江寧區(qū)的耕地空間分布格局較為穩(wěn)定，但局部區(qū)域仍然出現(xiàn)了較為明顯的耕地與其他用地類(lèi)型的轉(zhuǎn)化。為緩解經(jīng)濟(jì)建設(shè)與耕地占用之間的矛盾，應(yīng)加快以市場(chǎng)為導(dǎo)向的農(nóng)業(yè)結(jié)構(gòu)戰(zhàn)略性調(diào)整，提高農(nóng)業(yè)效益，并嚴(yán)格實(shí)施生態(tài)紅線保護(hù)。江南地區(qū)地形平坦、水網(wǎng)密布，地形因素對(duì)耕地分布影響較大。加入了地形因子特征波段后，能有效提升耕地信息提取的精度。哨兵2號(hào)影像具有較高的空間分辨率，在后續(xù)應(yīng)用中，可以考慮加入紋理等空間特征，以進(jìn)一步提高土地利用分類(lèi)精度。

參考文獻(xiàn)

[1]張雪花，滑永勝，韓成吉.耕地資源可持續(xù)發(fā)展的系統(tǒng)動(dòng)力學(xué)仿真分析[J].水土保持通報(bào)，2019，39（03）：144-150.

[2]趙其國(guó)，周生路，吳紹華，等.中國(guó)耕地資源變化及其可持續(xù)利用與保護(hù)對(duì)策[J].土壤學(xué)報(bào)，2006（04）：662-672.

[3]封志明，張蓬濤，宋玉.糧食安全：西北地區(qū)退耕對(duì)糧食生產(chǎn)的可能影響[J].自然資源學(xué)報(bào)，2002（03）：299-306.

[4]朱澤.中國(guó)糧食安全問(wèn)題[M].武漢：科學(xué)技術(shù)出版社，1998.

[5]李靜.基于勞動(dòng)力析出的山區(qū)耕地撂荒研究[D].重慶：西南大學(xué)，2013.

[6]于元赫，李子君.山東省耕地利用集約度時(shí)空變化及政策啟示[J].中國(guó)土地科學(xué)，2017，31（04）：52-60.

[7]馬尚杰，裴志遠(yuǎn)，王飛，等.基于GF-1影像的沿淮地區(qū)冬季耕地撂荒遙感調(diào)查應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2019，35（01）：227-233.

[8]滿(mǎn)衛(wèi)東，王宗明，劉明月，等.1990—2013年?yáng)|北地區(qū)耕地時(shí)空變化遙感分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（07）：1-10.

[9]楊旭，劉志武，武昊.長(zhǎng)江上游及清江流域土地覆被變化分析[J].人民長(zhǎng)江，2019，50（2）：90-94，121.

[10]GAO W W，ZENG Y，ZHAO D，et al. Land cover changes and drivers in the water source area of the middle route of the south-to-north water diversion project in China from 2000 to 2015[J].Chinese Geographical Science，2020，30（1）：115-126.

[11]范澤孟，李賽博.新亞歐大陸橋經(jīng)濟(jì)走廊土地覆被變化及驅(qū)動(dòng)力分析[J].生態(tài)學(xué)報(bào)，2019，39（14）：5015-5027.

[12]SONG Y Y，XUE D Q，DAI L H，et al.Land cover change and eco-environmental quality response of different geomorphic units on the Chinese Loess Plateau[J].Journal of Arid Land，2020，12（1）：29-43.

[13]雷亞龍，陳菁，孫伯明.張家港土地利用變化預(yù)測(cè)及生態(tài)響應(yīng)[J].中國(guó)農(nóng)村水利水電，2016（5）：33-36，40.

[14]蔣姣，孫哲，趙思遠(yuǎn)，等.淮安市耕地時(shí)空變化特征及其驅(qū)動(dòng)因素[J].農(nóng)業(yè)工程，2020，10（12）：63-69.

[15]徐磊，張志，師永強(qiáng)，等.武漢市耕地資源的時(shí)空變化及驅(qū)動(dòng)力分析[J].安徽農(nóng)業(yè)科學(xué)，2008（16）：6884-6886.

[16]歲秀珍，阮仁宗，顏梅春，等.南京市耕地時(shí)空變化及驅(qū)動(dòng)力分析[J].地理空間信息，2014，12（03）：89-92，7.

[17]霍娟，呂達(dá)仁.晴空與有云大氣輻射分布的數(shù)值模擬及其對(duì)全天空?qǐng)D像云識(shí)別的應(yīng)用[J].氣象學(xué)報(bào)，2006（01）：31-38.

[18]張雷，王琳琳，張旭東，等.隨機(jī)森林算法基本思想及其在生態(tài)學(xué)中的應(yīng)用——以云南松分布模擬為例[J].生態(tài)學(xué)報(bào)，2014，34（03）：650-659.

（責(zé)編：徐世紅）