大數(shù)據(jù)時(shí)代耕地紅線管控監(jiān)測(cè)的機(jī)遇與挑戰(zhàn)

董金瑋 崔屹峰 邸媛媛 高璇 陳曦 楊林生 蔡玉梅 寧佳 劉紀(jì)遠(yuǎn)

1 中國(guó)科學(xué)院地理科學(xué)與資源研究所 北京 100101

2 中國(guó)科學(xué)院大學(xué) 北京 100049

3 自然資源部國(guó)土空間規(guī)劃研究中心 北京 100034

作為全球人口最多的國(guó)家之一，我國(guó)始終將耕地保護(hù)和糧食安全作為最重要的國(guó)家戰(zhàn)略。然而，隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，耕地這一重要的戰(zhàn)略資源面臨著日益嚴(yán)峻的保護(hù)挑戰(zhàn)，如我國(guó)耕地?cái)?shù)量不斷減少、區(qū)域耕地質(zhì)量不斷下降、耕地利用效率不高等[1]。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，從2009 年第二次到2019 年第三次全國(guó)土地調(diào)查，我國(guó)耕地總面積減少了1.13 億畝，耕地“非農(nóng)化”“非糧化”等問(wèn)題始終威脅糧食安全。為了有效保護(hù)耕地資源，我國(guó)確立了耕地尤其是永久基本農(nóng)田的優(yōu)先保護(hù)地位，使之成為調(diào)整經(jīng)濟(jì)結(jié)構(gòu)、規(guī)劃產(chǎn)業(yè)發(fā)展、推進(jìn)城鎮(zhèn)化不可逾越的耕地保護(hù)紅線。

耕地保護(hù)紅線的管控監(jiān)測(cè)是實(shí)現(xiàn)耕地保護(hù)和糧食安全的重要舉措。隨著社會(huì)經(jīng)濟(jì)快速發(fā)展，加劇的人類活動(dòng)對(duì)耕地保護(hù)造成了越來(lái)越大的壓力，導(dǎo)致局部耕地出現(xiàn)面積減少、質(zhì)量下降、產(chǎn)量降低、作物結(jié)構(gòu)單一、生態(tài)服務(wù)功能退化、耕地健康狀況受損等問(wèn)題[2-4]。此外，氣候變化也給耕地保護(hù)帶來(lái)了巨大的挑戰(zhàn)，特別是溫度升高、降水變率增大伴隨極端氣候事件頻率和強(qiáng)度的增加，如干旱和洪澇災(zāi)害加劇等，深刻影響著耕地的穩(wěn)定性和可持續(xù)性[5]。在人類活動(dòng)和氣候變化共同作用下，耕地管控狀態(tài)的變化速度更快、強(qiáng)度更大、復(fù)雜性更高，如何對(duì)耕地管控狀態(tài)進(jìn)行高時(shí)效性、準(zhǔn)確性、全面性地評(píng)估和監(jiān)測(cè)已成為一個(gè)迫切需要解決的問(wèn)題。

然而，傳統(tǒng)的耕地監(jiān)測(cè)方法存在著諸多不足，如周期長(zhǎng)、時(shí)效性差、精度低、成本高等問(wèn)題，難以滿足及時(shí)、準(zhǔn)確、動(dòng)態(tài)的監(jiān)測(cè)需求。大數(shù)據(jù)具有海量數(shù)據(jù)處理、快速分析、智能決策等優(yōu)勢(shì)。通過(guò)整合衛(wèi)星影像、氣象數(shù)據(jù)和土壤監(jiān)測(cè)等多源數(shù)據(jù)，實(shí)現(xiàn)對(duì)耕地利用狀態(tài)多維度的高頻、高精度監(jiān)測(cè)，為耕地紅線管控狀態(tài)的監(jiān)測(cè)提供更為精準(zhǔn)的數(shù)據(jù)支持、新的研究思路和技術(shù)手段[6]，從而全面了解耕地的狀態(tài)和變化趨勢(shì)，為農(nóng)業(yè)規(guī)劃、土地管理及糧食生產(chǎn)等決策提供科學(xué)支持和數(shù)據(jù)基礎(chǔ)[7]。如谷歌基于遙感大數(shù)據(jù)和云計(jì)算構(gòu)建了近實(shí)時(shí)土地覆蓋制圖平臺(tái)（Dynamic World）[8]，實(shí)現(xiàn)了土地覆蓋制圖從靜態(tài)到實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)的新理念的轉(zhuǎn)換，這為耕地紅線管控狀態(tài)的監(jiān)測(cè)預(yù)警提供了重要范例。

本文旨在適應(yīng)大數(shù)據(jù)時(shí)代科研范式變革的要求，積極推進(jìn)耕地紅線監(jiān)管的大數(shù)據(jù)支撐。將從3 個(gè)方面展開(kāi)論述：① 分析當(dāng)前耕地保護(hù)紅線管控監(jiān)測(cè)現(xiàn)狀；② 介紹大數(shù)據(jù)技術(shù)在耕地紅線監(jiān)測(cè)中的應(yīng)用現(xiàn)狀和前沿技術(shù)，提出耕地紅線監(jiān)測(cè)的創(chuàng)新技術(shù)方案；③ 提出大數(shù)據(jù)技術(shù)在耕地紅線監(jiān)測(cè)中的挑戰(zhàn)、建議和展望。

1 耕地保護(hù)紅線管控監(jiān)測(cè)的現(xiàn)狀與存在的問(wèn)題

1.1 我國(guó)耕地保護(hù)紅線政策的演變和監(jiān)測(cè)的重要性

自1949年中華人民共和國(guó)成立以來(lái)，我國(guó)始終高度重視耕地的保護(hù)和利用工作（圖1）。這一過(guò)程經(jīng)歷了從初期對(duì)耕地資源的初步探索，到改革開(kāi)放時(shí)期對(duì)耕地質(zhì)量建設(shè)的逐步擴(kuò)展，再到黨的十八大以來(lái)對(duì)耕地系統(tǒng)保護(hù)的不斷延伸。這種發(fā)展變遷的路徑和一系列耕地利用與保護(hù)的政策不斷完善，形成了一個(gè)綜合的耕地保護(hù)利用體系，從耕地?cái)?shù)量保護(hù)逐步到注重平衡數(shù)量、質(zhì)量和生態(tài)三位一體，這為保障糧食安全、推動(dòng)農(nóng)業(yè)綠色高質(zhì)量發(fā)展和加速農(nóng)業(yè)現(xiàn)代化進(jìn)程奠定了堅(jiān)實(shí)基礎(chǔ)。研究表明這一系列耕地保護(hù)紅線政策在我國(guó)耕地保護(hù)和糧食安全中發(fā)揮了重要作用，使我國(guó)得以用不到全球9%的耕地養(yǎng)活了世界近20%的人口[9,10]。

1.2 當(dāng)前耕地保護(hù)紅線管控監(jiān)測(cè)存在的主要問(wèn)題

1.2.1面向農(nóng)業(yè)土地系統(tǒng)多維度信息的監(jiān)測(cè)體系亟需構(gòu)建

耕地監(jiān)測(cè)的目的和內(nèi)容不僅局限于統(tǒng)計(jì)耕地的數(shù)量變化，還要綜合考慮耕地的質(zhì)量、作物種植制度、生態(tài)與健康等多個(gè)角度和層次的特征。耕地質(zhì)量包括土壤肥力、質(zhì)地等物理和化學(xué)特性；種植制度監(jiān)測(cè)不僅要考慮耕地的種植結(jié)構(gòu)、種植方式、種植效率等技術(shù)因素，還要考慮耕地的社會(huì)經(jīng)濟(jì)效益、市場(chǎng)競(jìng)爭(zhēng)力、農(nóng)民收入等經(jīng)濟(jì)因素；耕地生態(tài)狀況監(jiān)測(cè)不僅要考慮耕地的生物多樣性、水土保持、氣候調(diào)節(jié)、碳匯等生態(tài)服務(wù)的貢獻(xiàn)，還要考慮耕地退化等生態(tài)壓力的影響；耕地的健康包括農(nóng)藥使用、污染物含量、食品安全等方面。

遙感技術(shù)在耕地?cái)?shù)量監(jiān)測(cè)方面發(fā)揮了重要作用，但其他維度信息監(jiān)測(cè)方面需要耦合遙感和多模態(tài)數(shù)據(jù)進(jìn)行協(xié)同監(jiān)測(cè)。例如針對(duì)耕地的質(zhì)量和侵蝕狀況等需要更高的光譜和空間分辨率數(shù)據(jù)，以及更先進(jìn)的技術(shù)算法進(jìn)行準(zhǔn)確地監(jiān)測(cè)，并需要結(jié)合地面站點(diǎn)觀測(cè)數(shù)據(jù)進(jìn)行耦合，來(lái)加強(qiáng)多元協(xié)同觀測(cè)技術(shù)在耕地多維度信息監(jiān)測(cè)中的應(yīng)用[11]。

1.2.2耕地衛(wèi)星遙感監(jiān)測(cè)數(shù)據(jù)成果豐富，但一致性較低，標(biāo)準(zhǔn)化有待加強(qiáng)

進(jìn)入21 世紀(jì)以來(lái)，我國(guó)在2007 年和2019 年分別進(jìn)行了第二次和第三次全國(guó)土地調(diào)查[7,12]。第二次和第三次全國(guó)土地調(diào)查公布的耕地面積分別為20.31 億畝和19.18 億畝，相關(guān)數(shù)據(jù)以統(tǒng)計(jì)數(shù)據(jù)的形式按照區(qū)（縣）行政區(qū)劃向全社會(huì)公開(kāi)發(fā)布，其數(shù)據(jù)被認(rèn)為最具準(zhǔn)確性、權(quán)威性和法律效力。然而，出于相關(guān)法律規(guī)定等原因，歷次土地調(diào)查的原始圖斑數(shù)據(jù)均未向社會(huì)公開(kāi)?？蒲袌F(tuán)體和機(jī)構(gòu)研發(fā)的開(kāi)源耕地衛(wèi)星遙感數(shù)據(jù)產(chǎn)品依然是當(dāng)下科學(xué)研究采用的主要數(shù)據(jù)源。

衛(wèi)星遙感是當(dāng)前耕地監(jiān)測(cè)的主要手段。特別是在2008 年美國(guó)Landsat 系列數(shù)據(jù)、2014 年歐洲哨兵（Sentinel）系列數(shù)據(jù)，以及2019 年中國(guó)高分?jǐn)?shù)據(jù)向全球用戶免費(fèi)共享以來(lái)，海量中、高空間分辨率的衛(wèi)星開(kāi)源數(shù)據(jù)逐漸成為遙感耕地制圖的主要數(shù)據(jù)源。此外，2012 年以來(lái)以谷歌公司為代表的遙感云計(jì)算平臺(tái)，以其集成多源遙感數(shù)據(jù)、并行計(jì)算和向科研團(tuán)體免費(fèi)使用的特點(diǎn)，逐漸成為了耕地遙感監(jiān)測(cè)的首選計(jì)算平臺(tái)。遙感大數(shù)據(jù)和云計(jì)算平臺(tái)的出現(xiàn)極大地促進(jìn)了中分辨率全球土地覆蓋數(shù)據(jù)產(chǎn)品的研制，例如以2020年為基準(zhǔn)年、空間范圍涵蓋中國(guó)大陸地區(qū)的耕地遙感監(jiān)測(cè)產(chǎn)品多達(dá)10余套（表1）。

然而，這些數(shù)據(jù)集存在較大的不一致性和不確定性。以我國(guó)2020 年為基準(zhǔn)年的12 套耕地遙感監(jiān)測(cè)數(shù)據(jù)集為例，超過(guò)53.55%的區(qū)域一致性較低（耕地產(chǎn)品一致性數(shù)量小于等于5），面積達(dá)190.25×104km2（圖2）。而完全一致性區(qū)域（12套耕地遙感產(chǎn)品均認(rèn)為是耕地）比例僅占12.89%，面積為45.79×104km2。其中，高一致性區(qū)域主要分布于東北平原、華北平原、長(zhǎng)江中下游平原等地勢(shì)較為平坦、耕地集中連片分布的傳統(tǒng)農(nóng)業(yè)區(qū)。對(duì)于內(nèi)蒙古農(nóng)牧交錯(cuò)帶以北的戈壁地區(qū)、青藏高原、南方丘陵、橫斷山區(qū)等耕地破碎化地區(qū)，多套耕地?cái)?shù)據(jù)的不一致性較大。圖2 中表明當(dāng)前12套耕地產(chǎn)品面積與第三次全國(guó)國(guó)土調(diào)查面積整體上具有較強(qiáng)的一致性，但仍呈現(xiàn)顯著的區(qū)域差異。因此，未來(lái)耕地紅線的衛(wèi)星遙感監(jiān)測(cè)工作亟待加強(qiáng)行業(yè)標(biāo)準(zhǔn)的制訂，提升數(shù)據(jù)的規(guī)范性。

1.2.3 科研與行業(yè)部門的對(duì)接和互動(dòng)有待深化，數(shù)據(jù)共享有待加強(qiáng)

圖2 12套中國(guó)地區(qū)耕地遙感數(shù)據(jù)的空間一致性及分省耕地遙感產(chǎn)品面積與第三次全國(guó)國(guó)土調(diào)查面積對(duì)比（基準(zhǔn)年：2020年，單位：104 hm2）Figure 2 Spatial consistency of 12 sets of remote sensing data on cultivated land in China and comparison of area of remote sensing products by province with area of the third national land survey (base year: 2020, unit: 104 hm2)

表1 我國(guó)國(guó)家尺度12套2020基準(zhǔn)年耕地遙感監(jiān)測(cè)數(shù)據(jù)Table 1 12 sets of remote sensing monitoring data on cultivated land in China for base year 2020

盡管近年來(lái)自動(dòng)化分類技術(shù)在科學(xué)研究領(lǐng)域取得了長(zhǎng)足進(jìn)步，但當(dāng)前自然資源業(yè)務(wù)部門的耕地遙感保護(hù)執(zhí)法在涉及實(shí)際應(yīng)用場(chǎng)景時(shí)，仍然需要大量的人工干預(yù)或完全由人工主導(dǎo)解譯。以耕地違法占用遙感監(jiān)測(cè)為例，由于耕地背景覆蓋本身呈現(xiàn)顯著的季節(jié)性和區(qū)域性差異，而違法附著物在類別和尺寸、顏色形態(tài)方面也具有多樣性，使得傳統(tǒng)基于人工智能的目標(biāo)檢測(cè)算法在應(yīng)用于耕地執(zhí)法場(chǎng)景時(shí)常常出現(xiàn)“漏分”和“錯(cuò)分”等現(xiàn)象。然而，人工解譯也存在時(shí)效性差、效率低、人力成本高、受操作人員經(jīng)驗(yàn)影響精度難以保證等一系列不足。

當(dāng)前，我國(guó)耕地紅線監(jiān)測(cè)工作在科學(xué)研究和行業(yè)部門兩個(gè)方面均取得重要進(jìn)展。① 在科學(xué)研究方面。除了上述耕地遙感監(jiān)測(cè)產(chǎn)品外，在作物分布和耕地管理與利用方面，也已有“東北地區(qū)10 m分辨率主要作物分布數(shù)據(jù)集”[23,24]、“全國(guó)500 m分辨率灌溉耕地分布數(shù)據(jù)集”[25,26]、“全國(guó)1 km 分辨率糧食作物物候數(shù)據(jù)集”[27]、“全國(guó)30 m 分辨率冬小麥種植分布數(shù)據(jù)集”[28]等大量遙感監(jiān)測(cè)數(shù)據(jù)集公開(kāi)發(fā)布。因此，如何將科學(xué)研究領(lǐng)域的進(jìn)展更好的對(duì)接并服務(wù)于農(nóng)業(yè)和自然資源等業(yè)務(wù)部門，仍需要科研人員與政府工作人員加強(qiáng)協(xié)作和共同努力。② 在耕地?cái)?shù)據(jù)調(diào)查方面。自然資源行業(yè)部門投入了大量工作，例如自然資源部約每10年開(kāi)展一次的全國(guó)土地利用現(xiàn)狀調(diào)查，第二次和第三次全國(guó)土地調(diào)查也形成了高精度和權(quán)威性的數(shù)據(jù)產(chǎn)品，農(nóng)業(yè)農(nóng)村部自2008年起也組織開(kāi)展全國(guó)耕地質(zhì)量監(jiān)測(cè)，但這些調(diào)查均只提供統(tǒng)計(jì)報(bào)告而未公開(kāi)原始數(shù)據(jù)。為了更好地統(tǒng)籌和節(jié)約資源，深化科學(xué)研究和部門應(yīng)用潛力，有必要打破“數(shù)據(jù)孤島”，進(jìn)一步統(tǒng)籌協(xié)調(diào)業(yè)務(wù)部門與科研部門的數(shù)據(jù)共享和開(kāi)放。

地球科學(xué)數(shù)據(jù)共享對(duì)于應(yīng)對(duì)當(dāng)今最具挑戰(zhàn)性和前所未有的全球環(huán)境問(wèn)題，以及實(shí)現(xiàn)聯(lián)合國(guó)2030年可持續(xù)發(fā)展目標(biāo)尤為重要[29]。美國(guó)農(nóng)業(yè)部的自然資源清單（NRI）項(xiàng)目包括土地利用、土壤特征、水質(zhì)等信息，每5 年更新1 次，數(shù)據(jù)向公眾開(kāi)放。同時(shí)，通過(guò)其數(shù)據(jù)中心共享了全國(guó)范圍的農(nóng)業(yè)作物種植面積分布數(shù)據(jù)，但沒(méi)有提供精細(xì)化的農(nóng)戶作物調(diào)查數(shù)據(jù)。歐盟統(tǒng)計(jì)局自2006 年啟動(dòng)土地利用/土地覆蓋面積框架統(tǒng)計(jì)調(diào)查項(xiàng)目（LUCAS），通過(guò)每3 年開(kāi)展1 次在歐盟28個(gè)成員國(guó)的調(diào)查，獲取土地覆蓋與土地利用統(tǒng)計(jì)數(shù)據(jù)，并對(duì)外公開(kāi)發(fā)布。歐洲航天局開(kāi)放了部分較粗糙的遙感影像如10 m 空間分辨Sentinel-2 衛(wèi)星等，但0.5—1 m 分辨率的更高分辨率商業(yè)衛(wèi)星影像仍未全面向用戶免費(fèi)開(kāi)放。因此，充分調(diào)研這些國(guó)家耕地監(jiān)測(cè)數(shù)據(jù)共享的范圍、形式、法律約束機(jī)制等對(duì)于我國(guó)耕地監(jiān)測(cè)數(shù)據(jù)協(xié)同、資源節(jié)約和高效利用，具有重要意義。

2 大數(shù)據(jù)驅(qū)動(dòng)下的耕地保護(hù)紅線管控監(jiān)測(cè)新范式

2.1 基于“遙感大數(shù)據(jù)+云計(jì)算+AI”的大數(shù)據(jù)科研范式

近年來(lái)，我國(guó)已成功發(fā)射了高分、資源系列等對(duì)地觀測(cè)衛(wèi)星，加之一些商業(yè)微小衛(wèi)星和無(wú)人機(jī)影像，獲得了大量的耕地系統(tǒng)高時(shí)空分辨率的數(shù)據(jù)。協(xié)同國(guó)外的遙感數(shù)據(jù)，為開(kāi)展耕地紅線管控狀態(tài)的實(shí)時(shí)監(jiān)測(cè)與預(yù)警提供了數(shù)據(jù)支撐[30]。與此同時(shí)，遙感云計(jì)算平臺(tái)的出現(xiàn)為遙感大數(shù)據(jù)挖掘提供了前所未有的機(jī)遇，遙感云計(jì)算可以克服傳統(tǒng)遙感數(shù)據(jù)處理的局限性，如硬件成本高、軟件更新慢、數(shù)據(jù)共享難等，實(shí)現(xiàn)遙感數(shù)據(jù)的快速獲取、實(shí)時(shí)處理和在線服務(wù)。此外，人工智能技術(shù)可以對(duì)衛(wèi)星圖像或航拍照片進(jìn)行處理，自動(dòng)識(shí)別和監(jiān)測(cè)非法占用、耕地?cái)U(kuò)張等農(nóng)地變化，定期檢查農(nóng)地的利用現(xiàn)狀并就違規(guī)行為進(jìn)行預(yù)警。人工智能技術(shù)還可以用于耕地健康監(jiān)測(cè)，監(jiān)測(cè)土壤質(zhì)量、作物生長(zhǎng)情況和水資源利用，幫助農(nóng)戶更好地規(guī)劃和管理農(nóng)田。

因此，遙感大數(shù)據(jù)、云計(jì)算和人工智能的集成可以大范圍、實(shí)時(shí)獲取高精度耕地?cái)?shù)據(jù)[31]，包括耕地的數(shù)量、質(zhì)量、生態(tài)狀況等多維度信息，從而助力實(shí)現(xiàn)耕地紅線管控狀態(tài)的實(shí)時(shí)監(jiān)測(cè)與預(yù)警、耕地狀態(tài)歷史演變過(guò)程的重建、極端天氣災(zāi)害的耕地影響快速評(píng)價(jià)等（圖3）。

2.2 大數(shù)據(jù)科研范式下的耕地保護(hù)紅線管控監(jiān)測(cè)

2.2.1實(shí)現(xiàn)耕地紅線管控狀態(tài)的實(shí)時(shí)監(jiān)測(cè)與預(yù)警

現(xiàn)有耕地紅線管控狀態(tài)的監(jiān)測(cè)周期以年度為主，尚不能滿足耕地動(dòng)態(tài)化監(jiān)管的需求?；诙嗄B(tài)遙感、云計(jì)算和AI等技術(shù)可以實(shí)現(xiàn)高精度國(guó)土要素的自動(dòng)化、實(shí)時(shí)識(shí)別，進(jìn)而服務(wù)于耕地紅線管控狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和預(yù)警。高性能開(kāi)源軟件框架（如TensorFlow）中算法的進(jìn)步及云計(jì)算平臺(tái)的數(shù)據(jù)收集和處理能力，為更高空間分辨率和更高時(shí)間分辨率耕地?cái)?shù)據(jù)集的發(fā)布創(chuàng)造了機(jī)會(huì)[8]。因此，采用數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)實(shí)現(xiàn)耕地空間要素高精度快速識(shí)別和提高耕地應(yīng)對(duì)安全威脅的響應(yīng)速度和預(yù)警的準(zhǔn)確性已成為發(fā)展趨勢(shì)。

圖3 “遙感大數(shù)據(jù)+云計(jì)算+創(chuàng)新算法”技術(shù)體系助力耕地系統(tǒng)多維信息監(jiān)測(cè)Figure 3 Technology system of remote sensing big data +cloud computing + innovative algorithms facilitates multidimensional information monitoring of cultivated land systems

耕地管控狀態(tài)的實(shí)時(shí)監(jiān)測(cè)重點(diǎn)攻關(guān)紅線范圍內(nèi)干擾活動(dòng)的快速識(shí)別技術(shù)。① 針對(duì)自然和人類擾動(dòng)信息難以快速、精準(zhǔn)獲取的難題，以高分辨率、多角度、多模式的光學(xué)、高光譜、雷達(dá)等多源異構(gòu)海量遙感數(shù)據(jù)為主體，發(fā)展建設(shè)占用、開(kāi)墾與種植、災(zāi)害損毀、盜砍盜伐、非糧化等地表形態(tài)擾動(dòng)要素樣本庫(kù)構(gòu)建技術(shù)。② 融合基于遙感云計(jì)算平臺(tái)的并行計(jì)算與智能決策技術(shù)，發(fā)展多源廣域示范區(qū)多樣化場(chǎng)景空間紅線管控要素模型智能適配方法，滿足耕地紅線安全底線管控關(guān)鍵要素快速、精準(zhǔn)提取與識(shí)別。③ 耕地紅線管控評(píng)估預(yù)警技術(shù)，包括構(gòu)建數(shù)量、質(zhì)量、格局等耕地管控評(píng)估指標(biāo)體系，建立耕地紅線評(píng)估預(yù)警模型工具。構(gòu)建融合數(shù)量、質(zhì)量、生態(tài)、格局、潛能、用途的耕地系統(tǒng)多維度評(píng)估指標(biāo)體系和面向國(guó)家糧食安全的耕地紅線管控風(fēng)險(xiǎn)評(píng)估與預(yù)警模型，實(shí)現(xiàn)耕地紅線管控風(fēng)險(xiǎn)的快速評(píng)估和精準(zhǔn)預(yù)警。

此外，媒體報(bào)道和社會(huì)輿論驅(qū)動(dòng)的被動(dòng)執(zhí)行情況多，仍難以實(shí)現(xiàn)主動(dòng)式監(jiān)測(cè)。未來(lái)的研究方向仍需與人工智能相結(jié)合，進(jìn)一步改進(jìn)目標(biāo)檢測(cè)算法，考慮更多的地域特征和背景信息，以培養(yǎng)更為智能的算法來(lái)應(yīng)對(duì)耕地違法監(jiān)測(cè)中的多樣性和復(fù)雜性；進(jìn)一步減少人工干預(yù)，提高執(zhí)法效率與準(zhǔn)確性，最終實(shí)現(xiàn)耕地保護(hù)執(zhí)法的主動(dòng)式精準(zhǔn)監(jiān)測(cè)。

2.2.2“遙感大數(shù)據(jù)+云計(jì)算+AI”實(shí)現(xiàn)耕地狀態(tài)歷史演變過(guò)程的重建

為了重建不同歷史時(shí)期的耕地演變過(guò)程，需要依靠不同數(shù)據(jù)源和方法來(lái)還原歷史時(shí)期耕地狀態(tài)和演變過(guò)程。例如，針對(duì)2000年以來(lái)的耕地演變過(guò)程，國(guó)內(nèi)外利用衛(wèi)星進(jìn)行周期性的耕地資源調(diào)查監(jiān)測(cè)已有較為成熟的技術(shù)。主要依靠中高分辨率的多源遙感數(shù)據(jù)如美國(guó)陸地資源衛(wèi)星（Landsat）（30 m）、歐空局“哨兵”二號(hào)衛(wèi)星（Sentinel-2）（10 m）、美國(guó)星球?qū)嶒?yàn)室鴿群衛(wèi)星（PlanetScope）（3—5 m）、國(guó)產(chǎn)高分衛(wèi)星（0.8—10 m），通過(guò)數(shù)據(jù)融合、去云去噪、數(shù)據(jù)插值、濾波平滑等遙感數(shù)據(jù)預(yù)處理過(guò)程重建長(zhǎng)時(shí)間序列多源遙感數(shù)據(jù)集，再通過(guò)機(jī)器學(xué)習(xí)及深度學(xué)習(xí)等創(chuàng)新算法進(jìn)行遙感影像分類實(shí)現(xiàn)2000年以來(lái)的耕地歷史演變過(guò)程重建[32]。

針對(duì)2000年以前的耕地演變過(guò)程，主要依靠遙感數(shù)據(jù)結(jié)合農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)（如面積、產(chǎn)量等），通過(guò)作物空間分配模型（SPAM）來(lái)推測(cè)不同時(shí)期耕地分布格局，從而重建2000 年以前的歷史時(shí)期耕地分布格局[33]?；谥亟ǖ拈L(zhǎng)時(shí)間序列耕地歷史演變數(shù)據(jù)集，采用Landtrendr 等變化檢測(cè)方法探測(cè)耕地變化的關(guān)鍵拐點(diǎn)與熱點(diǎn)地區(qū)，分析耕地歷史時(shí)期變化的時(shí)空演替特征。

2.2.3“遙感大數(shù)據(jù)+云計(jì)算+AI”實(shí)現(xiàn)極端天氣災(zāi)害的耕地影響快速評(píng)價(jià)

極端天氣災(zāi)害的耕地影響評(píng)價(jià)包括災(zāi)害本身的快速監(jiān)測(cè)預(yù)報(bào)和影響評(píng)價(jià)2 個(gè)方面。① “遙感大數(shù)據(jù)+云計(jì)算+AI”為極端天氣災(zāi)害事件的監(jiān)測(cè)預(yù)報(bào)提供了重要的數(shù)據(jù)和方法支撐。Hao 等[34]結(jié)合多源衛(wèi)星數(shù)據(jù)提出優(yōu)化氣象干旱指數(shù)（OMDI）和優(yōu)化植被干旱指數(shù)（OVDI）實(shí)現(xiàn)了我國(guó)西南地區(qū)生物的干旱長(zhǎng)時(shí)序時(shí)空格局的監(jiān)測(cè)。通過(guò)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)來(lái)捕獲輸入（在給定時(shí)間點(diǎn)再分析天氣數(shù)據(jù)）和輸出（在目標(biāo)時(shí)間點(diǎn)再分析天氣數(shù)據(jù)）之間的關(guān)系，能夠?qū)⑻鞖鉃?zāi)害預(yù)報(bào)速度相比數(shù)值天氣預(yù)報(bào)（NWP）方法提高多個(gè)數(shù)量級(jí)。華為公司云田奇團(tuán)隊(duì)研發(fā)了“盤古氣象”（Pangu-Weather） AI 天氣預(yù)報(bào)系統(tǒng)， 并發(fā)現(xiàn)和ECMWF HRES 比較，該大模型在不同地區(qū)、不同熱帶風(fēng)暴強(qiáng)度、不同預(yù)測(cè)時(shí)間上臺(tái)風(fēng)路徑預(yù)測(cè)準(zhǔn)確度都有明顯優(yōu)勢(shì)[35]。此外，Zhang 等[36]提出了一個(gè)名為NowcastNet的極端降水臨近預(yù)報(bào)大模型，通過(guò)耦合物理規(guī)律和深度學(xué)習(xí)實(shí)現(xiàn)不同類型降雨率的精確預(yù)報(bào)，特別是以往方法難以處理的極端降雨事件。② 遙感技術(shù)能夠全面、及時(shí)地評(píng)價(jià)極端天氣災(zāi)害發(fā)生后的耕地情況。利用云計(jì)算的高性能算力，結(jié)合AI算法對(duì)遙感大數(shù)據(jù)進(jìn)行分析，識(shí)別出耕地受災(zāi)面積、農(nóng)作物損失等災(zāi)害影響特征。Chen等[37]結(jié)合遙感云計(jì)算平臺(tái)與變化檢測(cè)方法，準(zhǔn)確地刻畫了2020年長(zhǎng)江中下游流域的耕地受洪災(zāi)影響情況?；诙嘣催b感數(shù)據(jù)，Javed等[38]探究了農(nóng)業(yè)干旱與冬小麥和夏玉米產(chǎn)量損失之間的潛在聯(lián)系，發(fā)現(xiàn)中國(guó)極端干旱事件頻次的增加是華北地區(qū)夏玉米產(chǎn)量和冬小麥產(chǎn)量顯著下降的重要原因。Dong 等[39]采用中分辨率成像光譜的歸一化紅外指數(shù)（NDII）和擾動(dòng)指數(shù)（DI）2 種方法評(píng)估了東北地區(qū)“巴威”“美莎克”“海神”3 次臺(tái)風(fēng)對(duì)當(dāng)?shù)刈魑锏挠绊懀瑸闉?zāi)后農(nóng)田管理提供了科學(xué)指導(dǎo)。

3 建議與展望

3.1 統(tǒng)籌構(gòu)建“面積-質(zhì)量-生態(tài)-健康”耕地多維度信息監(jiān)測(cè)體系

當(dāng)前已有耕地監(jiān)測(cè)研究主要集中在面積變化上，然而，考慮到現(xiàn)代農(nóng)業(yè)的復(fù)雜性，多維度監(jiān)測(cè)變得至關(guān)重要。應(yīng)該納入更多關(guān)鍵維度的考量，如耕地質(zhì)量、作物種植結(jié)構(gòu)、作物管理方式、耕地生態(tài)狀況、耕地健康狀態(tài)等。這種多維度全方位的監(jiān)測(cè)有助于更深入地了解土地資源的狀況，并為土地的科學(xué)管理提供更為準(zhǔn)確和全面的數(shù)據(jù)支持。了解耕地的質(zhì)量和健康狀況可以幫助農(nóng)戶采取更有效的土地管理措施。同時(shí)，監(jiān)測(cè)作物種植結(jié)構(gòu)和管理方式的變化可以支持政府農(nóng)業(yè)政策的制定，促進(jìn)可持續(xù)的農(nóng)業(yè)實(shí)踐，提高耕地的生態(tài)適應(yīng)性。

3.2 加強(qiáng)國(guó)產(chǎn)衛(wèi)星和云計(jì)算平臺(tái)在耕地監(jiān)測(cè)中的能力建設(shè)

中高分辨率遙感數(shù)據(jù)日益豐富，多源異構(gòu)海量遙感數(shù)據(jù)的融合而形成更高維度空間、光譜和時(shí)間信息的遙感數(shù)據(jù)立方體，提升特征提取和數(shù)據(jù)挖掘能力，是突破耕地系統(tǒng)遙感監(jiān)測(cè)關(guān)鍵技術(shù)瓶頸的途徑[32,40]。未來(lái)，應(yīng)完善國(guó)產(chǎn)陸地遙感衛(wèi)星觀測(cè)體系，增加發(fā)射和在軌衛(wèi)星數(shù)量，不斷完善“資源”、“高分”等系列國(guó)產(chǎn)陸地遙感衛(wèi)星觀測(cè)體系，提高遙感數(shù)據(jù)的準(zhǔn)確性和可靠性。此外，增加反映作物光譜特性的波段，在國(guó)產(chǎn)衛(wèi)星中可增加能夠有效反映作物特有光譜特性的“紅邊”波段，提高對(duì)耕地系統(tǒng)作物長(zhǎng)勢(shì)、病蟲害等遙感監(jiān)測(cè)的準(zhǔn)確性。以長(zhǎng)光衛(wèi)星產(chǎn)品“吉林一號(hào)”為例，截至目前已有108 顆衛(wèi)星在軌組網(wǎng)運(yùn)行，實(shí)現(xiàn)對(duì)全球任意地區(qū)每天35—37次亞米級(jí)重訪觀測(cè)，在時(shí)間敏感度較高的耕地非法占用等紅線監(jiān)管業(yè)務(wù)場(chǎng)景中有重要應(yīng)用前景[41]。未來(lái)，應(yīng)該注重國(guó)產(chǎn)陸地資源衛(wèi)星和商業(yè)衛(wèi)星大數(shù)據(jù)的協(xié)同利用，更好地助力耕地和其他自然資源本底要素和動(dòng)態(tài)的客觀、真實(shí)、準(zhǔn)確、實(shí)時(shí)監(jiān)測(cè)。

3.3 加強(qiáng)地塊基本單元等關(guān)鍵基礎(chǔ)信息數(shù)據(jù)庫(kù)建設(shè)，提升監(jiān)測(cè)精度

通?；谙裨姆诸惙椒](méi)有充分挖掘像元相鄰的空間信息，從而造成一些分類錯(cuò)誤及“椒鹽現(xiàn)象”①指遙感影像中隨機(jī)出現(xiàn)的亮暗點(diǎn)噪聲。的問(wèn)題。在遙感監(jiān)測(cè)耕地的過(guò)程中融合地塊基本單元的信息，構(gòu)建耕地基礎(chǔ)地塊信息數(shù)據(jù)庫(kù)，能夠提高遙感監(jiān)測(cè)耕地的準(zhǔn)確性，顯著降低遙感影像分類結(jié)果的誤差和噪聲。地塊基本信息是連接遙感監(jiān)測(cè)與農(nóng)業(yè)部門實(shí)際應(yīng)用的橋梁，將地塊基本單元信息與農(nóng)業(yè)、自然資源等部門數(shù)據(jù)共享整合。利用高分辨率遙感衛(wèi)星影像和前沿的圖像分類分割技術(shù)，輔以現(xiàn)場(chǎng)調(diào)查驗(yàn)證，通過(guò)邊緣檢測(cè)或者空間信息聚合等前沿的圖像分割的技術(shù)，能夠?qū)崿F(xiàn)地塊信息的精準(zhǔn)識(shí)別。但目前地塊信息提取在高分遙感數(shù)據(jù)的可獲取性、復(fù)雜景觀地區(qū)地塊信息提取、大尺度地塊信息連續(xù)監(jiān)測(cè)等方面還面臨諸多挑戰(zhàn)。

3.4 推動(dòng)科學(xué)研究與部門業(yè)務(wù)間的數(shù)據(jù)高效互通和安全共享

協(xié)同對(duì)接耕地科學(xué)監(jiān)測(cè)數(shù)據(jù)與部門業(yè)務(wù)數(shù)據(jù)，并在數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范制定的基礎(chǔ)上進(jìn)行共享，可以在提高農(nóng)業(yè)管理效率、災(zāi)害風(fēng)險(xiǎn)應(yīng)對(duì)等方面發(fā)揮關(guān)鍵作用。國(guó)內(nèi)外在耕地?cái)?shù)據(jù)共享等方面已取得了重要進(jìn)展，但數(shù)據(jù)的共享開(kāi)放與安全保障的權(quán)衡需要由專門的政府部門或研究機(jī)構(gòu)來(lái)負(fù)責(zé)統(tǒng)籌。需建立數(shù)據(jù)共享標(biāo)準(zhǔn)規(guī)范，農(nóng)業(yè)數(shù)據(jù)的收集、整理和共享發(fā)布等環(huán)節(jié)均需要制定法律、數(shù)據(jù)共享的標(biāo)準(zhǔn)和元數(shù)據(jù)規(guī)范，確保數(shù)據(jù)的安全性、格式、內(nèi)容標(biāo)注、質(zhì)量控制等符合相關(guān)的規(guī)定，保證共享數(shù)據(jù)的質(zhì)量。建立明確的用戶申請(qǐng)流程，研究者按照規(guī)范提出申請(qǐng)，負(fù)責(zé)部門進(jìn)行審核批準(zhǔn)，簽訂數(shù)據(jù)使用協(xié)議，避免數(shù)據(jù)濫用，確保共享數(shù)據(jù)的安全性。

3.5 耕地保護(hù)紅線管控監(jiān)測(cè)納入國(guó)土空間規(guī)劃監(jiān)測(cè)系統(tǒng)（CSPON）

耕地一體化監(jiān)測(cè)平臺(tái)建設(shè)可以推進(jìn)農(nóng)業(yè)數(shù)字化、智能化、精準(zhǔn)化，全面監(jiān)測(cè)耕地質(zhì)量變化和糧食生產(chǎn)動(dòng)態(tài)，科學(xué)預(yù)警和保障國(guó)家糧食安全。我國(guó)正在推進(jìn)建設(shè)國(guó)土空間規(guī)劃實(shí)施監(jiān)測(cè)網(wǎng)絡(luò)（CSPON），試圖突破國(guó)土空間規(guī)劃實(shí)施監(jiān)測(cè)中的統(tǒng)一網(wǎng)絡(luò)架構(gòu)、算法模型、數(shù)據(jù)治理等方面的問(wèn)題，健全數(shù)據(jù)共享等基礎(chǔ)性政策標(biāo)準(zhǔn)，其中，耕地紅線管控狀態(tài)監(jiān)測(cè)是其中重要的內(nèi)容。遙感大數(shù)據(jù)和云計(jì)算等前沿技術(shù)不僅能豐富規(guī)劃實(shí)施監(jiān)測(cè)的方法論，更為構(gòu)建全新的國(guó)土空間規(guī)劃實(shí)施監(jiān)督理論和監(jiān)測(cè)體系提供了寶貴的機(jī)遇。需要重新審視監(jiān)測(cè)的目標(biāo)、指標(biāo)、方法和評(píng)估體系，將科技創(chuàng)新與規(guī)劃實(shí)踐相結(jié)合，打造更加精準(zhǔn)、高效、可持續(xù)的國(guó)土空間規(guī)劃實(shí)施監(jiān)測(cè)新機(jī)制。