遙感動態(tài)監(jiān)測耕地“非糧化”應用研究

劉 專

（1.湖南第二測繪院，湖南 長沙 410029；2.南方丘陵區(qū)自然資源監(jiān)測監(jiān)管重點實驗室，湖南 長沙 410029）

0 引言

近年來，我國部分地區(qū)出現(xiàn)在耕地上挖塘養(yǎng)魚、種植綠化花卉苗木、種植茶葉果樹等耕地“非糧化”行為，造成耕地耕作層破壞、耕作層損傷、土壤結(jié)構(gòu)破壞等不同程度糧食生產(chǎn)能力的影響。2020年，國務院辦公廳印發(fā)了《關(guān)于防止耕地“非糧化”穩(wěn)定糧食生產(chǎn)的意見》，對耕地實行特殊保護和用途管制，嚴格控制耕地轉(zhuǎn)為林地、園地等其他類型農(nóng)用地，采取有力舉措防止耕地“非糧化”，切實穩(wěn)定糧食生產(chǎn)，牢牢守住國家糧食安全的生命線[1-2]。

遙感影像監(jiān)測對于耕地資源變化監(jiān)測來說是一種較好的監(jiān)測手段，可直觀反映耕地變化范圍、面積和信息。我國自2010年開啟高分專項以來，共發(fā)射十四顆衛(wèi)星，包括光學衛(wèi)星、多光譜衛(wèi)星、高光譜衛(wèi)星、SAR衛(wèi)星和立體測繪衛(wèi)星等。同時，國內(nèi)還有珠海一號、吉林一號等民用商業(yè)衛(wèi)星，另外國外有Landsat系列、哨兵系列等免費衛(wèi)星和SPOT系列、WorldView系列等商業(yè)衛(wèi)星。使得國內(nèi)可用的遙感衛(wèi)星數(shù)據(jù)數(shù)量可基本滿足遙感動態(tài)監(jiān)測耕地“非糧化”應用需求。隨著大數(shù)據(jù)、人工智能、空間信息等高新技術(shù)的迅猛發(fā)展，為遙感影像智能解譯提供了必要的技術(shù)支撐和保障條件。研究遙感動態(tài)監(jiān)測耕地“非糧化”應用，對于防止耕地“非糧化”，提升耕地監(jiān)測監(jiān)管現(xiàn)代化水平，全面壓實耕地保護責任，切實保障國家糧食安全和社會安定具有深遠的意義[3-4]。

1 總體設(shè)計

1.1 監(jiān)測內(nèi)容

監(jiān)測范圍宜以年度國土變更調(diào)查成果為基礎(chǔ)，上年度國土變更調(diào)查為耕地的范圍，納入耕地“非糧化”監(jiān)測。本文所述的耕地“非糧化”主要包括耕地變?yōu)榱值亍@地、設(shè)施農(nóng)用地、農(nóng)村道路、溝渠、坑塘水面等其他農(nóng)用地的情形，如表1所示。

表1 耕地監(jiān)測內(nèi)容

1.2 監(jiān)測指標

1）監(jiān)測機制。建立月度監(jiān)測、季度監(jiān)測、年度監(jiān)測的更新機制。月度監(jiān)測是指每月利用當月采集的衛(wèi)星遙感影像數(shù)據(jù)，對比上年末第四季度高分辨率衛(wèi)星遙感影像數(shù)據(jù)，提取耕地變?yōu)榱值?、園地、草地、設(shè)施農(nóng)用地、農(nóng)村道路、溝渠、坑塘水面等耕地“非糧化”圖斑；季度監(jiān)測是指每季度利用當季采集的衛(wèi)星遙感影像，對比上年末第四季度高分辨率衛(wèi)星影像，提取耕地變?yōu)榱值?、園地、草地、設(shè)施農(nóng)用地、農(nóng)村道路、溝渠、坑塘水面等耕地“非糧化”圖斑，實現(xiàn)全域覆蓋；年度監(jiān)測是指年末利用年度衛(wèi)星遙感影像，對比上年末第四季度高分辨率衛(wèi)星遙感影像，提取耕地變?yōu)榱值?、園地、草地、設(shè)施農(nóng)用地、農(nóng)村道路、溝渠、坑塘水面等耕地“非糧化”圖斑[5]。

2）最小監(jiān)測面積。耕地變?yōu)榱值?、園地、草地、農(nóng)村道路、溝渠、坑塘水面圖斑最小上圖面積為400 m2，設(shè)施農(nóng)用地圖斑最小上圖面積為200 m2。

1.3 監(jiān)測流程

耕地“非糧化”遙感動態(tài)監(jiān)測流程大致可分為4個階段：

1）資料準備與處理階段。準備上年度國土變更調(diào)查成果數(shù)據(jù)、用地審批紅線數(shù)據(jù)、永久基本農(nóng)田劃定數(shù)據(jù)和遙感影像數(shù)據(jù)等。對準備的數(shù)據(jù)進行坐標轉(zhuǎn)換、影像數(shù)據(jù)預處理等。

2）遙感解譯階段。分為智能解譯和人機交互解譯，首先建立智能解譯樣本庫，立足大量樣本訓練，利用智能解譯技術(shù)提取耕地“非糧化”圖斑，然后利用人工目視解譯的方法巡查圖面，補充提取耕地“非糧化”漏提圖斑，并對自動提取的圖斑錄入相關(guān)屬性[6]。

3）實地核查階段。對遙感解譯提取的耕地“非糧化”圖斑全部開展實地核查，核實各圖斑耕地“非糧化”的類型、范圍等實地情況，并刪除內(nèi)業(yè)提取的偽變化圖斑。

4）建庫階段。根據(jù)外業(yè)核查結(jié)果，建立耕地“非糧化”動態(tài)監(jiān)測成果數(shù)據(jù)庫。

2 應用實例——以X縣2022年第一季度為例

2.1 X縣監(jiān)測概況

X縣縣域面積接近2 200 km2，常住人口約60萬。采用的前時相遙感影像為2021年第四季度遙感影像，后時相遙感影像為2022年第一季度遙感影像，影像分辨率均為1 m，數(shù)據(jù)來源有BJ2、JL1、GF2等衛(wèi)星。影像對應參數(shù)如表2所示，參考數(shù)據(jù)為2020年度國土變更調(diào)查成果。

表2 X縣耕地“非糧化”動態(tài)監(jiān)測遙感對應參數(shù)

2.2 耕地“非糧化”圖斑提取示例

建立遙感影像解譯樣本庫，構(gòu)建深度學習模型，通過模型訓練優(yōu)化參數(shù)?；跇颖編旌湍Ｐ蛥?shù)，智能解譯提取遙感影像變化圖斑。通過軟件系統(tǒng)自動提取疑似變化圖斑后，人工目視巡查全圖，補充提取遺漏變化圖斑，參照國土變更調(diào)查成果、永久基本農(nóng)田劃定成果和用地審批數(shù)據(jù)等，錄入相關(guān)屬性[7-10]。耕地“非糧化”遙感動態(tài)監(jiān)測提取圖斑示例如表3所示。

表3 耕地“非糧化”遙感動態(tài)監(jiān)測提取圖斑示例

2.3 結(jié)果與精度分析

2.3.1 監(jiān)測結(jié)果

X縣2022年第一季度耕地監(jiān)測情況為：內(nèi)業(yè)提取耕地“非糧化”圖斑277個，其中智能解譯提取圖斑199個，人工目視解譯補充提取圖斑78個；經(jīng)外業(yè)調(diào)查核實后，確定實際耕地“非糧化”圖斑202個，其中耕地變林地圖斑73個，耕地變園地圖斑44個，耕地變草地圖斑3個，耕地變坑塘水面圖斑47個，耕地變農(nóng)村道路圖斑12個，耕地變溝渠圖斑4個，耕地變設(shè)施農(nóng)用地圖斑19個。

續(xù)表

2.3.2 精度分析

耕地“非糧化”圖斑提取準確率（Z）是指外業(yè)后實際耕地“非糧化”圖斑個數(shù)（W）與內(nèi)業(yè)提取耕地“非糧化”圖斑個數(shù)（N）之比，用公式可表示為：

本次準確率為73%，圖斑提取精度滿足耕地“非糧化”監(jiān)測工作需求。

3 小結(jié)

1）本文對耕地“非糧化”監(jiān)測內(nèi)容進行了細化分類，耕地“非糧化”監(jiān)測內(nèi)容主要分為耕地變?yōu)榱值亍@地、草地、設(shè)施農(nóng)用地、農(nóng)村道路、溝渠、坑塘水面七個方面的類型。

2）遙感解譯作為整個耕地“非糧化”動態(tài)監(jiān)測應用流程中的核心，本文采用智能解譯和人工目視解譯相結(jié)合的方法，并以X縣2022年第一季度耕地監(jiān)測為應用實例，對遙感動態(tài)監(jiān)測耕地“非糧化”應用結(jié)果進行了精度分析，準確率為73%，滿足耕地 “非糧化”監(jiān)測工作需求，工作效率也比傳統(tǒng)人工解譯效率快3倍。

3）本文拓展了遙感科學技術(shù)與人工智能在耕地“非糧化”監(jiān)測中的應用，對于防止耕地“非糧化”，全面壓實耕地保護責任，切實保障國家糧食安全和社會安定具有十分重要的意義。