中國耕地種植制度遙感探測(cè)及其時(shí)空特征

張素心，申格，余強(qiáng)毅，吳文斌

中國耕地種植制度遙感探測(cè)及其時(shí)空特征

張素心1，申格2，余強(qiáng)毅1，吳文斌1

1中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/北方干旱半干旱耕地高效利用全國重點(diǎn)實(shí)驗(yàn)室/農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)遙感重點(diǎn)實(shí)驗(yàn)室，北京 100081；2浙江財(cái)經(jīng)大學(xué)土地與城鄉(xiāng)發(fā)展研究院，杭州 310018

【目的】耕地種植制度是農(nóng)業(yè)生產(chǎn)方式的具體體現(xiàn)，其形成受自然資源要素與人類土地利用行為綜合影響，反映了“人類-自然”的耦合關(guān)系。本研究旨在科學(xué)掌握全國耕地種植制度格局，為優(yōu)化農(nóng)業(yè)生產(chǎn)布局、提高農(nóng)業(yè)生產(chǎn)能力、推動(dòng)農(nóng)業(yè)可持續(xù)性發(fā)展提供依據(jù)。【方法】結(jié)合遙感監(jiān)測(cè)與空間決策樹模型等手段，構(gòu)建適合我國農(nóng)情的跨年度種植制度探測(cè)方法體系，并開展空間格局分析。首先，通過辨析種植強(qiáng)度、復(fù)種指數(shù)等概念，從長期性、周期性、穩(wěn)定性等方面，定義種植制度的內(nèi)涵；其次，構(gòu)建連續(xù)度、頻度指標(biāo)，并利用基于時(shí)序遙感的2001—2018年中國復(fù)種指數(shù)監(jiān)測(cè)結(jié)果，結(jié)合時(shí)間滑動(dòng)窗口方法，在像元尺度分別計(jì)算兩個(gè)指標(biāo)的具體值；最后，評(píng)估耕地的種植強(qiáng)度與種植制度特征的顯著性，利用決策樹方法確定種植制度類型，從區(qū)域差異、動(dòng)態(tài)規(guī)律等方面分析不同區(qū)域種植制度的時(shí)空異質(zhì)特征。【結(jié)果】（1）面積上看，一年一熟所占面積最大，占53.52%，超過耕地總面積的一半；其次是一年兩熟，占23.28%，季節(jié)性休耕（如兩年三熟）與年度休耕分別占12.80%和6.94%。（2）空間上看，一年一熟、一年兩熟、季節(jié)性休耕與年度休耕的集中分布區(qū)分別為東北地區(qū)、華北地區(qū)、長江以南地區(qū)與“鐮刀彎”地區(qū)。（3）時(shí)間上看，動(dòng)態(tài)穩(wěn)定的種植制度從時(shí)間維度上揭示了靜態(tài)復(fù)種指數(shù)背后的異質(zhì)性，例如，2018年復(fù)種指數(shù)為1的區(qū)域，其中75.18%屬于一年一熟、6.60%屬于一年兩熟、8.92%屬于季節(jié)性休耕、8.02%屬于年度休耕?！窘Y(jié)論】本研究提出了一種結(jié)合時(shí)序遙感監(jiān)測(cè)與空間決策樹模型的跨年度分類體系，揭示了中國耕地種植制度分區(qū)聚集、種植強(qiáng)度南高北低的空間格局，直觀展現(xiàn)了松嫩平原、“鐮刀彎”等空間聚集區(qū)；分析了耕地復(fù)種與種植制度的時(shí)空差異特征，主要表現(xiàn)在種植制度與年度復(fù)種指數(shù)的空間不一致性，以及種植制度特有的周期性。研究結(jié)果可為合理提高耕地復(fù)種強(qiáng)度、推動(dòng)實(shí)施“藏糧于地”戰(zhàn)略提供案例支撐。

耕地；種植制度；復(fù)種；休耕輪作；跨年度；時(shí)空格局

0 引言

【研究意義】過去30年間全球三分之一的農(nóng)作物產(chǎn)量變化均與氣候變化相關(guān)[1]。氣候變化影響著農(nóng)業(yè)生產(chǎn)中的各環(huán)節(jié)要素，如播種日期[2]、種植頻率[3]、作物單產(chǎn)[4]、耕地面積[5]等，更有極端氣候事件直接造成農(nóng)業(yè)生產(chǎn)的巨大損失[6-7]。諸如《巴黎協(xié)定》《聯(lián)合國氣候變化框架公約》等國際合作政策力求在全球尺度減緩氣候變化，而區(qū)域性的政策則指導(dǎo)農(nóng)戶更好地應(yīng)對(duì)氣候變化，發(fā)展更具風(fēng)險(xiǎn)抵抗性的種植制度[8]。當(dāng)前氣候變化背景下，深入實(shí)施“藏糧于地”戰(zhàn)略，提高糧食產(chǎn)出能力與環(huán)境可持續(xù)性極為重要。我國位于季風(fēng)氣候區(qū)，水熱條件優(yōu)越，多熟種植現(xiàn)象普遍[9-10]。多熟種植既是當(dāng)前提升糧食產(chǎn)量的重要途徑之一，也是“藏糧于地”戰(zhàn)略的后備支撐。但不同尺度下多熟種植的增產(chǎn)效應(yīng)與環(huán)境效應(yīng)尚未明確，而格局與過程探測(cè)是功能與效應(yīng)分析的重要基礎(chǔ)[11]，因此亟需科學(xué)掌握種植制度的時(shí)空分布、狀態(tài)及演變過程。我國幅員遼闊、種植制度復(fù)雜，其中不僅包括簡(jiǎn)單的年內(nèi)種植制度，還包括“兩年三熟”的跨年度種植制度，利用種植制度在時(shí)間維上表現(xiàn)出的周期性能夠同時(shí)提升這兩類制度的識(shí)別準(zhǔn)確性。并且，功能與效應(yīng)分析同樣重視種植制度的周期性[3]。以完整的“周期”替代固定的年份作為最小時(shí)間單元，更符合實(shí)際的農(nóng)業(yè)利用規(guī)律，對(duì)探究分析多熟種植效應(yīng)，優(yōu)化調(diào)控種植制度格局，推進(jìn)農(nóng)業(yè)可持續(xù)生產(chǎn)，確保糧食與生態(tài)安全具有重要意義。【前人研究進(jìn)展】由于涉及到一年多熟、間套輪連等種植方式，種植制度成為國內(nèi)外研究的熱點(diǎn)領(lǐng)域[12-13]。當(dāng)前種植制度研究關(guān)注的核心是一塊地在一年（或一段時(shí)間）內(nèi)種收了多少季作物，即種植強(qiáng)度[13]。研究表明，高強(qiáng)度的種植制度雖然有助于顯著提高糧食產(chǎn)能[14-15]，但同時(shí)將導(dǎo)致土壤有機(jī)碳含量降低[16]、微生物群落豐度降低[17]、溫室氣體排放增加[18]、土壤水分流失速率加快[19]、加劇氣候變化[20]等負(fù)面效應(yīng)。因此，種植強(qiáng)度的潛力估算[21]與遙感監(jiān)測(cè)[22]成為當(dāng)前的研究熱點(diǎn)之一，研究對(duì)象以年度種植強(qiáng)度為主，并衍生出“復(fù)種指數(shù)”“復(fù)種頻率”等概念描述一年內(nèi)多次種植的頻次。Yan等[23]基于改進(jìn)后的峰值法生成了中國年度作物種植強(qiáng)度圖并進(jìn)行時(shí)空變化跟蹤分析；Xiang等[24]采用融合數(shù)據(jù)的方法與復(fù)種頻率的新概念，更精細(xì)地觀察農(nóng)田的種植強(qiáng)度。另外，近年來也出現(xiàn)了許多研究直接針對(duì)種植制度的遙感識(shí)別模式進(jìn)行探索。Qiu等[25]在提取種植強(qiáng)度的基礎(chǔ)上引入作物識(shí)別，完成了玉米、小麥、水稻3類主糧作物的種植模式制圖；Waha等[12]以逐月的作物種植面積、作物收獲面積的統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，在全球耕地范圍內(nèi)識(shí)別生長季節(jié)不重疊的2種或3種作物的多熟種植制度?！颈狙芯壳腥朦c(diǎn)】然而，以上研究多集中于年度種植強(qiáng)度監(jiān)測(cè)與年內(nèi)的種植制度識(shí)別，對(duì)于種植制度的時(shí)間維特征了解不夠充分，現(xiàn)有的方法體系難以有效識(shí)別跨年度種植制度。傳統(tǒng)的固定年份的遙感監(jiān)測(cè)簡(jiǎn)化了農(nóng)業(yè)生產(chǎn)情況，無法準(zhǔn)確地捕捉、描述農(nóng)作物跨年度生長的現(xiàn)象，也無法識(shí)別種植強(qiáng)度年際間的變化是否存在規(guī)律，固定年份的監(jiān)測(cè)結(jié)果無法體現(xiàn)種植制度的主要特征。本研究基于長時(shí)序遙感數(shù)據(jù)獲取連續(xù)、精準(zhǔn)、大范圍的種植強(qiáng)度信息，構(gòu)建跨年度分類體系自動(dòng)提取種植制度的周期性特征，并完成種植制度的快速識(shí)別，同時(shí)注重長時(shí)期內(nèi)耕作行為的系統(tǒng)性，有效地判別跨年度種植引起的年度種植強(qiáng)度變化以及有意識(shí)的全年休耕行為，挖掘種植制度的穩(wěn)定性與長期性，由靜態(tài)的種植強(qiáng)度向動(dòng)態(tài)穩(wěn)定的種植制度轉(zhuǎn)變，結(jié)果更還原地面長期利用情況，提升大尺度農(nóng)作物種植制度研究的時(shí)間跨度與空間粒度?！緮M解決的關(guān)鍵問題】重點(diǎn)解決兩大關(guān)鍵問題：一是如何科學(xué)設(shè)置指標(biāo)體系適應(yīng)種植制度的周期性，并量化種植制度的穩(wěn)定性與長期性；二是如何有效融合長時(shí)序、跨年度信息構(gòu)建種植制度自動(dòng)識(shí)別方法。在傳統(tǒng)遙感方法提取固定年份的耕地種植強(qiáng)度信息的基礎(chǔ)上，通過本研究構(gòu)建種植制度遙感探測(cè)全新認(rèn)知體系，有效識(shí)別我國復(fù)雜農(nóng)情條件下，一年多熟、兩年三熟、休耕輪作等種植制度的時(shí)空特征。

1 材料與方法

1.1 研究區(qū)

中國處于歐亞大陸東南部，屬季風(fēng)氣候區(qū)，雨熱同季，熱量豐富，耕地具備多熟種植的氣候潛力，且氣候變暖將進(jìn)一步擴(kuò)大多熟種植的范圍[21]。根據(jù)現(xiàn)有研究成果，中國耕地的種植強(qiáng)度大體上由南至北、由東至西遞減[22]。但地面種植情況復(fù)雜，種植行為多變，遙感監(jiān)測(cè)難度較大。本研究將基于2001—2018年間全國耕地的種植強(qiáng)度數(shù)據(jù)集探測(cè)識(shí)別我國耕地上長期穩(wěn)定存在的種植制度。

1.2 數(shù)據(jù)來源

本研究采用2001—2018年全國復(fù)種指數(shù)產(chǎn)品[22,26]。該套數(shù)據(jù)集基于2001—2018年的MODIS09A1影像數(shù)據(jù)生成，并利用GlobeLand30-2010數(shù)據(jù)制作耕地掩膜，通過小波譜頂點(diǎn)法提取一年內(nèi)農(nóng)作物植被指數(shù)的峰值個(gè)數(shù)以確定農(nóng)作物年度種收頻次。數(shù)據(jù)集的空間分辨率為500 m，總體精度可達(dá)91.14%，復(fù)種指數(shù)結(jié)果有1、2、3、0共4個(gè)類別（圖1），分別表示一年內(nèi)種植一季作物、兩季作物、三季作物和未種植作物。年度復(fù)種指數(shù)能夠很好地反映本年度的種植強(qiáng)度，也是判斷種植制度熟制的基礎(chǔ)。

審圖號(hào)：GS京（2024）0621號(hào)

2001—2018年間全國耕地復(fù)種指數(shù)的變化情況如圖2所示。在2001—2002年、2005—2006年間有過較大幅度的提升，僅2006年和2018年兩個(gè)年份超過1.30。不同復(fù)種指數(shù)在本年度的占比變化情況如圖3所示?？梢姡荒暌皇焓冀K占有最高的比例，并呈現(xiàn)小幅度上升的趨勢(shì)；一年兩熟的面積在研究期前期波動(dòng)較大，近幾年趨于平穩(wěn)；一年三熟的波動(dòng)情況較小，但其占比也較少；耕地撂荒現(xiàn)象正在不斷減少。此外，2001—2018年間，共有47.32%像元的復(fù)種指數(shù)維持在穩(wěn)定狀態(tài)，29.05%像元的復(fù)種指數(shù)呈現(xiàn)上升態(tài)勢(shì)，23.63%像元的復(fù)種指數(shù)表現(xiàn)為下降趨勢(shì)。

圖2 2001—2018年復(fù)種指數(shù)年度均值變化圖

圖3 2001—2018年復(fù)種指數(shù)占比變化圖

1.3 研究框架構(gòu)建

耕地為人類提供了生產(chǎn)、生活、生態(tài)的復(fù)合空間[27-28]，是人類生存和發(fā)展的重要物質(zhì)基礎(chǔ)。人類根據(jù)耕地資源的分布與自然條件特征，對(duì)其有意識(shí)進(jìn)行開發(fā)、管理和利用，形成了“自然環(huán)境-社會(huì)經(jīng)濟(jì)”要素耦合的特殊地域綜合體[11,13]。一方面，氣候、土壤、地形等因素決定了一塊土地是否適宜耕種，體現(xiàn)了耕地的自然屬性[1,29]；另一方面，國家政策、經(jīng)濟(jì)收益、社會(huì)習(xí)慣等因素很大程度上影響人類在耕地上種什么、怎么種等種植行為，體現(xiàn)了耕地的利用屬性[30-33]。種植制度（cropping system）指一個(gè)地區(qū)或生產(chǎn)單位的作物組成、配置、熟制的總稱[34-35]，作為一種在自然因素影響下，人類長期性、穩(wěn)定性、周期性利用耕地的方式，種植制度綜合體現(xiàn)了耕地的自然屬性與利用屬性。穩(wěn)定的長期種植制度與當(dāng)?shù)氐臍夂蛳噙m應(yīng)，更有利于提高農(nóng)業(yè)生產(chǎn)的穩(wěn)定性和可持續(xù)性，降低氣候變化或其他因素對(duì)作物產(chǎn)量產(chǎn)生的影響，更好地滿足糧食供應(yīng)需求。國家可以通過制定支持可持續(xù)農(nóng)業(yè)實(shí)踐的政策來促進(jìn)種植制度的長期延續(xù)，如我國的休耕補(bǔ)貼，了解長期的種植制度格局有助于評(píng)估氣候變化與國家政策等因素對(duì)于農(nóng)業(yè)生產(chǎn)的影響。

本研究為兼顧自然條件的異質(zhì)性與種植行為的多樣性，共選擇了4類各具代表性的種植制度作為遙感探測(cè)的目標(biāo)，種植強(qiáng)度從高至低依次為一年兩熟、季節(jié)性休耕、一年一熟與年度休耕。一年一熟與一年兩熟制度為我國糧食作物種植的主要種植制度類型，具體是指在一個(gè)年度內(nèi)種植一季或兩季作物。季節(jié)性休耕是指年平均種植強(qiáng)度＞1，但出于養(yǎng)地、協(xié)調(diào)作物生育期或其他目的，實(shí)際種植強(qiáng)度并未達(dá)到多熟種植潛力上限的一類種植制度。本研究參考Shen等[36]在鄱陽湖地區(qū)的研究，設(shè)置了兩年三熟與三年五熟兩種類型的季節(jié)性休耕制度。而在一年一熟的北方地區(qū)為了涵養(yǎng)地力則會(huì)選擇全年休耕[37-38]。在中國，由于經(jīng)濟(jì)、政策因素導(dǎo)致的撂荒、輪作、休耕等現(xiàn)象十分普遍，但仍缺乏針對(duì)性的遙感監(jiān)測(cè)研究[39]，本研究構(gòu)建的分類體系在引入跨年度信息后能夠有效地對(duì)撂荒和休耕進(jìn)行識(shí)別，因此特設(shè)置了年度休耕制度，根據(jù)休耕發(fā)生的間隔不同，分為一年一休、兩年一休以及三年一休3種類型。

1.3.1 指標(biāo)的定義與計(jì)算 種植強(qiáng)度指耕地在一年（或一段時(shí)間）內(nèi)利用的次數(shù)，一般為種收農(nóng)作物的次數(shù)，是種植制度的核心[13]，常作為耕地集約化利用評(píng)價(jià)的頻度特征[40]。已有研究表明，種植行為相較覆蓋作物類型更強(qiáng)烈地影響到土壤微生物[41]；種植強(qiáng)度變化后，土壤性狀、作物水利用效率、局部氣候均產(chǎn)生響應(yīng)變化[19-20,42]。因此在定義種植制度類型之前對(duì)種植強(qiáng)度進(jìn)行初步分析，計(jì)算累計(jì)種植強(qiáng)度與年均種植強(qiáng)度。具體方法：采用疊加計(jì)算的手段嘗試降低復(fù)種指數(shù)因年際間波動(dòng)產(chǎn)生的不利影響，并將年均種植強(qiáng)度與年內(nèi)復(fù)種情況進(jìn)行對(duì)比分析，以此為參考細(xì)化研究的種植制度類型。

種植制度具有持續(xù)性、周期性與穩(wěn)定性三大特征[35]，本研究基于種植制度客觀存在的特征設(shè)置了連續(xù)度、頻度兩項(xiàng)指標(biāo)，用以探測(cè)識(shí)別長期、穩(wěn)定的種植制度。連續(xù)度（continuity），定義為研究期內(nèi)符合目標(biāo)種植制度特征的最長不間斷年限。若某一種植制度出現(xiàn)高連續(xù)度，則說明農(nóng)戶具有保持與延續(xù)該制度的傾向，從而使得該制度按照固定的周期多次、不被打斷地重現(xiàn)，種植制度的周期被不斷地鞏固，表現(xiàn)為周期性；種植制度持續(xù)的時(shí)長不斷延長，表現(xiàn)為持續(xù)性。頻度（frequency），定義為研究期內(nèi)符合目標(biāo)種植制度特征的年限。若某一種植制度出現(xiàn)高頻度，則說明農(nóng)戶具有主動(dòng)選擇與復(fù)現(xiàn)該制度的傾向，即使該制度的周期中斷后也能較快地復(fù)現(xiàn)，這種主觀的意愿極有利于種植制度的存續(xù)，表現(xiàn)為穩(wěn)定性；種植制度持續(xù)的時(shí)長不斷累加，表現(xiàn)為持續(xù)性。同時(shí)，通過連續(xù)度與頻度了解種植制度的持續(xù)時(shí)長，能夠有效排除看似有規(guī)律卻又不可復(fù)現(xiàn)的假性周期。可以說，連續(xù)度與頻度是種植制度特征是否持續(xù)與明顯的量化指標(biāo)，針對(duì)每一類制度都將計(jì)算這兩項(xiàng)指標(biāo)，計(jì)算結(jié)果將直接影響后續(xù)種植制度的識(shí)別。

針對(duì)具體制度的連續(xù)度、頻度的計(jì)算過程如下：（1）確定目標(biāo)制度，調(diào)整時(shí)間滑動(dòng)窗口的長度，與目標(biāo)制度的周期保持一致；（2）從研究期的起始年份開始，逐次比對(duì)時(shí)間滑動(dòng)窗口內(nèi)的種植強(qiáng)度特征是否與目標(biāo)制度的特征一致，記錄結(jié)果：“1（一致）”“0（不一致）”；（3）完成一次比對(duì)后，時(shí)間滑動(dòng)窗口將以一年的步長向后移動(dòng)，直至?xí)r間滑動(dòng)窗口的末端抵達(dá)研究期的最后一年；（4）計(jì)算連續(xù)不間斷的“1”的序列的長度以及“1”出現(xiàn)的頻次，分別為連續(xù)度與頻度；（5）最后加上年份調(diào)整系數(shù)，將種植制度出現(xiàn)的次數(shù)轉(zhuǎn)變?yōu)榉N植制度持續(xù)的總年限，單年度制度的調(diào)整系數(shù)為0，跨年度的調(diào)整系數(shù)為完成單次周期的年份數(shù)-1。以上計(jì)算過程均在Matlab R 2016a完成。

式中，為種植制度的熟制；為種植制度的周期；為總年份數(shù)；為年份調(diào)整系數(shù)，具體為完成單次周期的年份數(shù)-1，單年度種植制度的為0；MCI為第年的復(fù)種指數(shù)值。

1.3.2 基于多年復(fù)種指數(shù)的跨年度分類體系 種植制度的類型不僅涵蓋了年內(nèi)復(fù)種制度，還包括作物序列更為復(fù)雜的跨年度制度[12,36,43]。本研究構(gòu)建的跨年度分類體系不僅是識(shí)別跨年度周期的必要基礎(chǔ)，更是識(shí)別種植制度周期是否穩(wěn)定與持續(xù)的有效方法。跨年度分類體系是以多年的復(fù)種指數(shù)為基礎(chǔ)，將種植制度的特征轉(zhuǎn)變?yōu)閺?fù)種指數(shù)的組合表達(dá)，并通過時(shí)間滑動(dòng)窗口計(jì)算研究期內(nèi)種植制度特征出現(xiàn)的連續(xù)次數(shù)與頻數(shù)，形成量化的指標(biāo)進(jìn)行比較從而確定最能代表當(dāng)?shù)馗乩梅绞降姆N植制度。

具體流程如圖4所示：首先，根據(jù)被設(shè)為探測(cè)目標(biāo)的種植制度在一個(gè)周期內(nèi)呈現(xiàn)的特征構(gòu)建表達(dá)式，隨后利用時(shí)間滑動(dòng)窗口在像元尺度逐年遍歷研究期內(nèi)的復(fù)種指數(shù)，針對(duì)每類制度的特征計(jì)算連續(xù)度與持續(xù)度，共得到4套不同結(jié)果。通常持續(xù)時(shí)間越長、出現(xiàn)頻率越高的制度，會(huì)被認(rèn)作當(dāng)?shù)氐膬?yōu)勢(shì)制度，通過比較種植制度間的連續(xù)度與頻度，尋找唯一最大值，即可確定最能代表當(dāng)前像元實(shí)際利用情況的種植制度。如果連續(xù)度呈現(xiàn)低值則說明周期性行為復(fù)現(xiàn)難度大，屬于種植制度的概率較??；而高連續(xù)度則說明按種植制度的周期穩(wěn)定地復(fù)現(xiàn)，指示著強(qiáng)周期性，因此先對(duì)連續(xù)度進(jìn)行比較。若該像元的連續(xù)度存在唯一的最大值，則最大值對(duì)應(yīng)的種植制度即為本像元所屬的種植制度；若該像元的連續(xù)度不符合唯一最大值原則，則繼續(xù)比較頻度。若該像元的頻度存在唯一的最大值，則最大值對(duì)應(yīng)的種植制度即為本像元所屬的種植制度。若連續(xù)度與頻度都不存在唯一的最大值，那么就說明當(dāng)前像元主要的種植制度至少有兩種。關(guān)于此類像元，暫時(shí)無法認(rèn)定最能代表真實(shí)利用情況的種植制度是哪一種，應(yīng)結(jié)合更多條件進(jìn)行判斷，本研究不針對(duì)此類像元做進(jìn)一步判斷（約占總像元數(shù)的3.27%）。

最終形成中國耕地種植制度數(shù)據(jù)，空間分辨率為500 m，共有8 747 360個(gè)有效值，約占全國耕地面積的96.73%。

2 結(jié)果

2.1 種植強(qiáng)度時(shí)空特征

2001—2018年，全國累計(jì)種植強(qiáng)度的平均值為（22.41±8.63），種植強(qiáng)度呈現(xiàn)出“南高北低、東高西低”的空間格局（圖5）。結(jié)合種植制度空間結(jié)果發(fā)現(xiàn)，一年兩熟的平均值為（32.95±4.89），但與預(yù)期的36次存在一定差距，可見一年兩熟區(qū)并未達(dá)到利用上限；其次是季節(jié)性休耕，平均值為（27.15±4.21）；然后是一年一熟，平均值為（19.18±3.23），略高于預(yù)期的種植強(qiáng)度，說明一年一熟區(qū)可能存在強(qiáng)度更高的種植方式；最后是年度休耕，平均值為（8.11±5.63），處于相對(duì)低值的水平，可以看出休耕行為持續(xù)了一定的年限，并非偶發(fā)性行為。年均種植強(qiáng)度等于1/2的耕地分別占24.72%/8.52%；年均種植強(qiáng)度＞2的耕地僅占1.09%；年均種植強(qiáng)度＜1的耕地累計(jì)達(dá)到16.93%，說明過去20年間休耕、撂荒現(xiàn)象普遍存在，因此存在許多具有開發(fā)潛力的耕地資源；全國約有一半的耕地年均種植強(qiáng)度介于1—2（48.74%），由此不難看出種收次數(shù)在年際間是波動(dòng)變化的，并非一直維持一個(gè)不變的水平，僅憑斷點(diǎn)式的分析并不能完全掌握期間的動(dòng)態(tài)變化（表1）。

2.2 指標(biāo)空間與數(shù)值分布特征

2.2.1 連續(xù)度 針對(duì)4套種植制度獨(dú)立計(jì)算的連續(xù)度結(jié)果如圖6所示。一年一熟和一年兩熟的連續(xù)度較高，平均值分別為（13.00±5.25）和（12.10±5.42），季節(jié)性休耕和年度休耕的連續(xù)度較低，平均值分別為（6.08±1.51）和（5.87±2.67）。一年兩熟（圖6-a）在秦嶺-淮河以北地區(qū)鮮少有分布，連續(xù)度高值主要出現(xiàn)在河北、河南、安徽、山東4?。S淮海平原），在華南地區(qū)則處于相對(duì)低值的水平。季節(jié)性休耕（圖6-b）的分布范圍與一年兩熟（圖6-a）基本一致，連續(xù)度多集中在3—7區(qū)間，無高值地區(qū)。一年一熟（圖6-c）在全國各地區(qū)均有分布，連續(xù)度高值出現(xiàn)在東北平原、華北平原、遼東半島。年度休耕（圖6-d）主要分布于“鐮刀彎”地區(qū)，東北區(qū)的連續(xù)度相較于黃土高原區(qū)數(shù)值更高。其中，一年一熟與一年兩熟出現(xiàn)了集中的高值區(qū)，高連續(xù)度則說明種植制度的特征突出，圖中的高值區(qū)將會(huì)是該種植制度的主要分布區(qū)。此外，在新疆地區(qū)還觀察到季節(jié)性休耕現(xiàn)象的存在，并且在連續(xù)度上表現(xiàn)為一年一熟＞季節(jié)性休耕＞一年兩熟，說明新疆地區(qū)的種植制度雖然仍以一年一熟為主，但同時(shí)也出現(xiàn)了更高強(qiáng)度的利用方式，即“兩年三熟”[44]。這是部分農(nóng)戶主動(dòng)選擇的一種新種植制度，具體是指每年種植一季的冬小麥為主茬次，閑田期再復(fù)播短生育期的蔬菜或油料作物，提升種植強(qiáng)度的同時(shí)增加了經(jīng)濟(jì)收入。

審圖號(hào)：GS京（2024）0621號(hào)

a：累計(jì)種植強(qiáng)度空間分布圖The spatial distribution of accumulate cropping intensity；b：累計(jì)種植強(qiáng)度數(shù)量直方圖The statistical diagram of accumulate cropping intensity

圖5 種植強(qiáng)度空間與數(shù)量特征

Fig. 5 The spatial and quantitative characteristics of cropping intensity

表1 年均種植強(qiáng)度各區(qū)間占比

2.2.2 頻度 針對(duì)4套種植制度獨(dú)立計(jì)算的頻度結(jié)果如圖7所示。頻度的高低值排序與連續(xù)度一致，一年一熟的頻度最高，平均值為（15.67±2.87），一年兩熟的頻度略低于一年一熟，平均值為（14.80±3.50），然后是季節(jié)性休耕和年度休耕，平均值分別為（9.86±2.05）和（6.85±2.96）。頻度與連續(xù)度的空間分布范圍一致，但數(shù)值存在差異。一年兩熟（圖7-a）頻度在黃淮海平原出現(xiàn)高值之外，華南地區(qū)也出現(xiàn)＞10的相對(duì)高值，意味著在后續(xù)的自動(dòng)分類體系中也將被識(shí)別為一年兩熟。雖然季節(jié)性休耕（圖7-b）連續(xù)度未出現(xiàn)高值，但在長江以南地區(qū)頻度出現(xiàn)了相對(duì)高值。一年一熟（圖7-c）頻度除北方的高值區(qū)外，在南方的四川盆地與長江中下游區(qū)均出現(xiàn)了相對(duì)高值。年度休耕（圖7-d）頻度的空間與數(shù)值分布與連續(xù)度一致，并且可以發(fā)現(xiàn)高值主要分布于“鐮刀彎”地區(qū)，低值主要分布于黃土高原地區(qū)，雖然同為年度休耕，但前者為農(nóng)戶響應(yīng)國家政策主動(dòng)休耕，而后者則是受限于環(huán)境條件被迫休耕。

2.3 種植制度時(shí)空特征

2.3.1 種植制度空間分布與數(shù)量特征 全國耕地種植制度空間格局如圖8所示。數(shù)量最多的為一年一熟，占比為53.52%，其次為一年兩熟，占比為23.28%，隨后是季節(jié)性休耕與年度休耕，占比分別為12.80%與6.94%。一年一熟區(qū)占有最大的耕地面積（超過耕地總面積的一半），分布于東北平原、華北平原、南疆地區(qū)、遼東半島、長江中下游地區(qū)、四川盆地及其他地區(qū)。一年兩熟分布于黃淮海平原、陜甘南地區(qū)、長江中下游地區(qū)、華南地區(qū)及其他地區(qū)，在400 mm等降水量以北鮮少分布。季節(jié)性休耕分布于四川盆地西北部、云貴地區(qū)、華南地區(qū)及其他地區(qū)，與一年一熟、一年兩熟交錯(cuò)分布，可見南方地區(qū)種植情況的復(fù)雜性。年度休耕主要分布于甘肅西部、寧夏南部、陜西北部以及山西、內(nèi)蒙古交界地區(qū)，這些地區(qū)氣候干燥，多風(fēng)沙，作物種植難度大；年度休耕在東北三省與內(nèi)蒙古的交界地區(qū)也有部分分布，此地區(qū)主要種植單季稻，休耕的方式有利于恢復(fù)地力與平衡生態(tài)效益。一年三熟制度為分布在我國華南地區(qū)的一種高強(qiáng)度的種植制度，但由于其分布地區(qū)的局限性與有效監(jiān)測(cè)的難度，表現(xiàn)出數(shù)量上的稀少，試驗(yàn)結(jié)果表明一年三熟種植制度的數(shù)量?jī)H占全國總耕地的0.19%，遠(yuǎn)少于其他種植制度。因此本研究未選擇一年三熟種植制度作為主要種植制度。

2.3.2 結(jié)合跨年度時(shí)間信息的動(dòng)態(tài)異質(zhì)性 跨年度信息能夠?qū)㈧o止的、不連續(xù)的認(rèn)知轉(zhuǎn)變?yōu)閯?dòng)態(tài)的、連續(xù)的認(rèn)知，不僅豐富了種植制度的類型，并且有助于識(shí)別長期的穩(wěn)態(tài)與異質(zhì)性。例如，圖9-b中，展示的兩個(gè)點(diǎn)位的復(fù)種指數(shù)均為1，若只觀察本年的復(fù)種指數(shù)則兩個(gè)點(diǎn)位表現(xiàn)為同質(zhì)性。但結(jié)合跨年度時(shí)間信息判別所屬制度后，可以發(fā)現(xiàn)兩個(gè)點(diǎn)位在圖9-a中各屬于不同的制度。再結(jié)合逐年復(fù)種指數(shù)折線圖進(jìn)行判斷，可以發(fā)現(xiàn)兩個(gè)點(diǎn)位的復(fù)種指數(shù)雖在2018年度均為1，但在整個(gè)研究期內(nèi)顯然是截然不同的兩種變化，季節(jié)性休耕點(diǎn)位的復(fù)種指數(shù)在1、2間波動(dòng)，年度休耕點(diǎn)位的復(fù)種指數(shù)在1、0間波動(dòng)。由此可見，結(jié)合跨年度信息生成的種植制度（圖9-a）與地面真實(shí)情況更為接近，有助于深入理解相同氣候條件背景下，不同區(qū)域種植制度的周期性特征，及其造成這種區(qū)域差異的原因。并且借以更豐富的時(shí)間維信息揭示了單一年度復(fù)種指數(shù)的同質(zhì)區(qū)域背后的異質(zhì)性。以2018年度為例，年度一熟區(qū)（即遙感監(jiān)測(cè)顯示復(fù)種指數(shù)為1的區(qū)域）內(nèi)，75.18%的像元屬于一年一熟制度、6.60%的像元屬于一年兩熟制度、8.92%的像元屬于季節(jié)性休耕制度、8.02%的像元屬于年度休耕制度（圖10）。如果僅參考單一年度的復(fù)種指數(shù)，僅有75.18%的像元對(duì)于種植強(qiáng)度的估算較為準(zhǔn)確。而年度二熟區(qū)內(nèi)僅有55.02%的像元對(duì)于種植強(qiáng)度的估算較為準(zhǔn)確。

審圖號(hào)：GS京（2024）0621號(hào)

審圖號(hào)：GS京（2024）0621號(hào)

a：種植制度空間分布圖The spatial distribution of cropping systems；b：種植制度數(shù)量直方圖The statistical diagram of cropping systems

圖8 種植制度空間與數(shù)量特征

Fig. 8 The spatial and quantitative characteristics of cropping systems

2.3.3 種植制度結(jié)果的不確定性 本方法以多年的種植強(qiáng)度信息作為關(guān)鍵輸入，研究期時(shí)間長度變化極有可能引起主導(dǎo)的種植制度發(fā)生變化。以本研究的主要結(jié)果（即2001—2018年種植制度結(jié)果）為參照，與延長研究期的2001—2021年種植制度結(jié)果進(jìn)行疊加分析。其中，2001—2018年的復(fù)種指數(shù)數(shù)據(jù)來自李宇等[22,26]，2019—2021年的復(fù)種指數(shù)數(shù)據(jù)來自Qiu等[25]。首先，針對(duì)兩套數(shù)據(jù)產(chǎn)品進(jìn)行一致性評(píng)估，經(jīng)對(duì)比發(fā)現(xiàn)遙感提取復(fù)種指數(shù)的方法與數(shù)據(jù)源一致，但兩套數(shù)據(jù)產(chǎn)品因選用的掩膜不同而導(dǎo)致耕地范圍略有差異。又因?yàn)閮商讛?shù)據(jù)產(chǎn)品的研究期有所重合，故計(jì)算重合年份的數(shù)據(jù)一致性，新引入的復(fù)種指數(shù)數(shù)據(jù)與原數(shù)據(jù)集的一致性為82.03%，故認(rèn)為兩套數(shù)據(jù)經(jīng)過融合后可用于計(jì)算2001—2021年種植制度。然后，以兩套數(shù)據(jù)一致的區(qū)域?yàn)檠芯繀^(qū)計(jì)算2001—2021年種植制度，并與2.3.1中結(jié)果進(jìn)行疊加分析。表2表明，一年一熟與一年兩熟表現(xiàn)出高度的一致性，組內(nèi)一致性均超過95%，季節(jié)性休耕次之，組內(nèi)一致性為85.17%，年度休耕的一致性最差，但組內(nèi)一致性仍超過了70%?？傮w來說，兩組數(shù)據(jù)表現(xiàn)出高度的一致性，一致性為92.50%。雖然季節(jié)性休耕與年度休耕的一致性較差，但因?yàn)槿终急炔桓咚詫?duì)總體造成的影響也較小。從空間分布上看，不一致性區(qū)零散分布，未形成集中連片區(qū)域（圖11）。不一致的情況則與種植制度的轉(zhuǎn)變有關(guān)，超過臨界值后最能代表當(dāng)?shù)氐姆N植制度則會(huì)發(fā)生變化。而高度的一致性也說明了本研究所采用的跨年度自動(dòng)分類體系具有一定的穩(wěn)健性，并且能夠精準(zhǔn)地探測(cè)長期穩(wěn)定存在的種植制度。

審圖號(hào)：GS京（2024）0621號(hào)

a：結(jié)合跨年度信息的種植制度空間分布圖The spatial distribution of cropping systems associated with inter-annual information；b：2018年度復(fù)種指數(shù)圖The multiple cropping index of China in 2018

審圖號(hào)：GS京（2024）0621號(hào)

表2 2001—2018年種植制度與2001—2021年種植制度一致性統(tǒng)計(jì)表

3 討論

3.1 研究期對(duì)于種植制度的影響

本研究所探測(cè)的目標(biāo)為最能代表研究期內(nèi)農(nóng)業(yè)利用情況的種植制度，研究期的持續(xù)時(shí)長以及所處時(shí)段都將影響種植制度結(jié)果。首先，研究期的時(shí)間長度變化極有可能導(dǎo)致種植制度結(jié)果發(fā)生變化。我國農(nóng)情復(fù)雜，農(nóng)業(yè)行為多變，種植制度轉(zhuǎn)變也時(shí)常發(fā)生。種植制度發(fā)生轉(zhuǎn)變后，年度種植強(qiáng)度信息隨之變化，此時(shí)若延長研究期至新種植制度的量化特征值超過臨界值，新種植制度則會(huì)取代原種植制度。例如表2，延長研究期后，約有1.01%的一年兩熟制度轉(zhuǎn)為一年一熟制度，1.27%和1.25%的一年兩熟制度轉(zhuǎn)為季節(jié)性休耕制度和年度休耕制度。其次，不同時(shí)期的自然環(huán)境、農(nóng)業(yè)政策均存在差異，因此該時(shí)期所選擇的種植制度也存在差異，進(jìn)而導(dǎo)致不同的時(shí)間窗口對(duì)應(yīng)不同的種植制度。例如，近年來各地對(duì)于休耕政策積極響應(yīng)，但在21世紀(jì)初期我國耕地多為一年兩熟或一年一熟制度。本研究所提出的種植制度跨年度分類體系對(duì)于時(shí)間長度并無限制，理論上，不論研究年限長短均能應(yīng)用此體系。

審圖號(hào)：GS京（2024）0621號(hào)

a：2001—2021年種植制度空間分布圖The spatial distribution of cropping systems during 2001-2021；b：2001—2018年種植制度與2001—2021年種植制度一致性圖The consistency of cropping systems between 2001-2018 and 2001-2021。C：一致性Consistency；I：不一致性Inconsistency

圖11 不同研究期的種植制度一致性

Fig. 11 The consistency of cropping systems during different research periods

3.2 關(guān)于種植制度的周期性

合理利用種植制度的周期性有利于適應(yīng)不同的氣候和市場(chǎng)需求。首先，作物類型與種植制度周期的分配具有強(qiáng)關(guān)聯(lián)。如果計(jì)劃進(jìn)一步開發(fā)利用種植潛力，則不能忽略作物類型。種植潛力上限與實(shí)際種植強(qiáng)度之間的差值即為可開發(fā)利用的種植潛力[45]。利用種植潛力首先需要確認(rèn)可利用的窗口期，即“何時(shí)種”的問題；同時(shí)還應(yīng)當(dāng)將具體的作物類型納入考慮，即“種什么”的問題，以作物的成熟天數(shù)占用農(nóng)業(yè)土地生育期的長度為定量指標(biāo)[46]，可以評(píng)價(jià)種植該作物的適宜性。除利用種植潛力之外，對(duì)現(xiàn)有種植制度內(nèi)部作物組合的優(yōu)化也是對(duì)農(nóng)業(yè)土地資源利用的優(yōu)化?？蓢L試將種植強(qiáng)度監(jiān)測(cè)與作物分類信息結(jié)合，這樣更接近種植制度的完全定義，分析種植制度所產(chǎn)生的各項(xiàng)效應(yīng)也更加準(zhǔn)確，對(duì)于指導(dǎo)農(nóng)業(yè)可持續(xù)生產(chǎn)具有重要意義。

其次，農(nóng)戶的主觀選擇直接影響種植制度的周期性。農(nóng)戶的不同選擇將直接導(dǎo)致相似氣候條件下種植制度周期的差異，例如2.2.1中提到的新疆地區(qū)的兩年三熟制度，與當(dāng)?shù)爻Ｒ姷囊荒暌皇熘贫鹊牟町惣丛醋圆糠洲r(nóng)戶的主動(dòng)行為。而氣候條件雖然對(duì)農(nóng)業(yè)產(chǎn)生客觀的限制性，但農(nóng)戶的主觀能動(dòng)性將會(huì)在合理范圍內(nèi)提升或降低種植強(qiáng)度從而改變整個(gè)周期，例如2.2.2中的年度休耕制度的兩種成因。農(nóng)戶通過搭配作物合理利用土地生育期并發(fā)揮主觀能動(dòng)性形成的這種周期性有助于提高農(nóng)業(yè)的可持續(xù)性和穩(wěn)定性，降低農(nóng)業(yè)系統(tǒng)面臨的風(fēng)險(xiǎn)。

3.3 跨年度分類體系的評(píng)價(jià)

本研究所采用的跨年度自動(dòng)分類體系對(duì)于源數(shù)據(jù)具有較好的兼容性，不同分辨率的、不限方法獲得的種植強(qiáng)度數(shù)據(jù)集均能夠應(yīng)用。通過整合時(shí)間維上的種植強(qiáng)度信息形成了“種植制度”的概念，挖掘穩(wěn)定的長期性土地利用方式，以連續(xù)的、長周期的視角觀察處于變化中的種植強(qiáng)度，提煉出不變的種植制度特征，即穩(wěn)定的、有規(guī)律的循環(huán)往復(fù)。這不僅可以兼容種植強(qiáng)度在年際間產(chǎn)生的波動(dòng)，還可以降低單年影像質(zhì)量不佳帶來的影響，個(gè)別年份結(jié)果的缺失或誤判并不會(huì)造成結(jié)果的誤分現(xiàn)象。

同時(shí)，本研究存在一定的局限性。首先，同分類后檢測(cè)方法一樣，源數(shù)據(jù)存在的誤差也可能會(huì)在此體系中不斷傳遞、疊加，并且最終結(jié)果的精度依賴輸入數(shù)據(jù)的精度，這里則是復(fù)種指數(shù)的精度。其次，本研究所采用的跨年度分類體系具有一定的容錯(cuò)性，借助于全周期的信息，可以不出錯(cuò)誤地處理部分年份數(shù)據(jù)誤判或缺失的情況。但是這樣的容錯(cuò)性是有限并難以測(cè)量的，種植制度的類型與構(gòu)成均會(huì)對(duì)此造成影響。最后，分類體系的有限性也會(huì)帶來誤差。本研究中的4類種植制度并不能代表所有的種植制度，必然存在不符合預(yù)先設(shè)置的任一種植制度特征的像元，但即使是此類像元，也只會(huì)被判定為預(yù)先設(shè)置的種植制度中的一種，因先驗(yàn)知識(shí)的局限將帶來結(jié)果的誤差。

4 結(jié)論

結(jié)合遙感監(jiān)測(cè)與空間決策樹模型等手段，構(gòu)建了適合我國農(nóng)情的跨年度種植制度探測(cè)方法體系，分析了動(dòng)態(tài)穩(wěn)定的種植制度的空間格局與不同區(qū)域間的時(shí)空異質(zhì)特征，豐富了大尺度農(nóng)作物種植制度研究。中國耕地種植制度呈現(xiàn)出分區(qū)聚集、種植強(qiáng)度南高北低的空間格局，單一行為的種植制度，即一年一熟、一年兩熟，具有更高的數(shù)量占比，存在聚集的分布區(qū)、高值的連續(xù)度與頻度，表現(xiàn)為時(shí)空雙重的穩(wěn)定性；復(fù)合行為的種植制度，即季節(jié)性休耕、年度休耕，在時(shí)間維上具有周期變化的特征，為用養(yǎng)結(jié)合的可持續(xù)性農(nóng)業(yè)提供了案例支撐。

種植制度更注重耕作行為的系統(tǒng)性，從周期性、持續(xù)性、長期性三方面有效整合了長周期的年度種植強(qiáng)度信息，從無規(guī)律的動(dòng)態(tài)變化中提煉出相對(duì)靜態(tài)的種植周期，有助于更準(zhǔn)確地了解耕地利用現(xiàn)狀，挖掘耕地生產(chǎn)潛力，推動(dòng)“藏糧于地”戰(zhàn)略實(shí)施。采用“種植制度”這樣的系統(tǒng)性概念更有利于后續(xù)探究農(nóng)業(yè)活動(dòng)所產(chǎn)生的產(chǎn)能消耗、生產(chǎn)效益與生態(tài)服務(wù)損益等，指導(dǎo)耕地復(fù)種的優(yōu)化與調(diào)控，進(jìn)一步達(dá)到耕地可持續(xù)性集約化水平。

[1] RAY D K, GERBER J S, MACDONALD G K, WEST P C. Climate variation explains a third of global crop yield variability. Nature Communications, 2015, 6: 5989.

[2] WAHA K, MULLER C, BONDEAU A, DIETRICH J P,KURUKULASURIYA P, HEINKE J, LOTZE-CAMPEN H. Adaptation to climate change through the choice of cropping system and sowing date in sub-Saharan Africa. Global Environmental Change, 2013,

23(1): 130-143.

[3] ZHU P, BURNEY J, CHANG J F, JIN Z N, MUELLER N D, XIN Q C, XU J L, YU L, MAKOWSKI D, CIAIS P. Warming reduces global agricultural production by decreasing cropping frequency and yields. Nature Climate Change, 2022, 12: 1016-1023.

[4] RAY D K, WEST P C, CLARK M, GERBER J S, PRISHCHEPOV A V, CHATTERJEE S. Climate change has likely already affected global food production. PLoS ONE, 2019, 14(5): e0217148.

[5] COHN A S, VANWEY L K, SPERA S A, MUSTARD J F. Cropping frequency and area response to climate variability can exceed yield response. Nature Climate Change, 2016, 6: 601-604.

[6] HEINO M, KINNUNEN P, ANDERSON W, RAY D K, PUMA M J, VARIS O, SIEBERT S, KUMMU M. Increased probability of hot and dry weather extremes during the growing season threatens global crop yields. Scientific Reports, 2023, 13(1): 3583.

[7] FU J, JIAN Y W, WANG X H, LI L, CIAIS P, ZSCHEISCHLER J, WANG Y, TANG Y H, MULLER C, WEBBER H,. Extreme rainfall reduces one-twelfth of China’s rice yield over the last two decades. Nature Food, 2023, 4(5): 416-426.

[8] U.S. Department of Agriculture. Action plan for climate adaptation and resilience. 2021, https://www.sustainability.gov/pdfs/usda-2021- cap.pdf.

[9] 劉巽浩, 陳阜, 吳堯. 多熟種植——中國農(nóng)業(yè)的中流砥柱. 作物雜志, 2015(6): 1-9.

LIU X H, CHEN F, WU Y. Multiple cropping: The principal part of China’s agriculture. Crops, 2015(6): 1-9. (in Chinese)

[10] 楊婷, 趙文利, 王哲怡, 陸星彤, 盧珊. 基于遙感影像NDVI數(shù)據(jù)的中國種植制度分布變化. 中國農(nóng)業(yè)科學(xué), 2015, 48(10): 1915-1925. doi: 10.3864/j.issn.0578-1752.2015.10.005.

YANG T, ZHAO W L, WANG Z Y, LU X T, LU S. Changes of cropping system in China based on remotely sensed NDVI data. Scientia Agricultura Sinica, 2015, 48(10): 1915-1925. doi: 10.3864/j. issn.0578-1752.2015.10.005. (in Chinese)

[11] 吳文斌, 余強(qiáng)毅, 陸苗, 項(xiàng)銘濤, 謝安坤, 楊鵬, 唐華俊. 耕地復(fù)種指數(shù)研究的關(guān)鍵科學(xué)問題. 中國農(nóng)業(yè)科學(xué), 2018, 51(9): 1681-1694. doi: 10.3864/j.issn.0578-1752.2018.09.006.

WU W B, YU Q Y, LU M, XIANG M T, XIE A K, YANG P, TANG H J. Key research priorities for multiple cropping systems. Scientia Agricultura Sinica, 2018, 51(9): 1681-1694. doi: 10.3864/j.issn.0578- 1752.2018.09.006. (in Chinese)

[12] WAHA K, DIETRICH J P, PORTMANN F T, SIEBERT S, THORNTON P K, BONDEAU A, HERRERO M. Multiple cropping systems of the world and the potential for increasing cropping intensity. Global Environmental Change: Human and Policy Dimensions, 2020, 64: 102131.

[13] 唐華俊, 吳文斌, 余強(qiáng)毅, 夏天, 楊鵬, 李正國. 農(nóng)業(yè)土地系統(tǒng)研究及其關(guān)鍵科學(xué)問題. 中國農(nóng)業(yè)科學(xué), 2015, 48(5): 900-910. doi: 10.3864/j.issn.0578-1752.2015.05.08.

TANG H J, WU W B, YU Q Y, XIA T, YANG P, LI Z G. Key research priorities for agricultural land system studies. Scientia Agricultura Sinica, 2015, 48(5): 900-910. doi: 10.3864/j.issn.0578-1752.2015.05. 08. (in Chinese)

[14] POORE J, NEMECEK T. Reducing food’s environmental impacts through producers and consumers. Science, 2018, 360(6392): 987-992.

[15] WANG X, LI X B. Impacts of land fragmentation and cropping system on the productivity and efficiency of grain producers in the North China Plain: Taking Cangxian County of Hebei Province as an example. Journal of Resources and Ecology, 2020, 11(6): 580-588.

[16] UDDIN M J, HOODA P S, MOHIUDDIN A S M, SMITH M, WALLER M. Land inundation and cropping intensity influences on organic carbon in the agricultural soils of Bangladesh. Catena, 2019, 178: 11-19.

[17] HUANG M, TIAN A L, CHEN J N, CAO F B, CHEN Y M, LIU L S. Soil bacterial communities in three rice-based cropping systems differing in productivity. Scientific Reports, 2020, 10(1): 9867.

[18] XIONG Z Q, LIU Y L, WU Z, ZHANG X L, LIU P L, HUANG T Q. Differences in net global warming potential and greenhouse gas intensity between major rice-based cropping systems in China. Scientific Reports, 2015, 5: 17774.

[19] GAO J Q, YANG X G, ZHENG B Y, LIU Z J, ZHAO J, SUN S, LI K N, DONG C Y. Effects of climate change on the extension of the potential double cropping region and crop water requirements in Northern China. Agricultural and Forest Meteorology, 2019, 268: 146-155.

[20] JEONG S J, HO C H, PIAO S L, KIM J W, CIAIS P, LEE Y B, JHUN J G, PARK S K. Effects of double cropping on summer climate of the North China Plain and neighbouring regions. Nature Climate Change, 2014, 4(7): 615-619.

[21] YANG X G, CHEN F, LIN X M, LIU Z J, ZHANG H L, ZHAO J, LI K N, YE Q, LI Y, LV S, YANG P, WU W B, LI Z G, LAL R, TANG H J. Potential benefits of climate change for crop productivity in China. Agricultural and Forest Meteorology, 2015, 208: 76-84.

[22] 李宇, 邱炳文, 何玉花, 陳功, 葉智燕. 基于MODIS數(shù)據(jù)的2001—2018年中國耕地復(fù)種指數(shù)反演研究. 地理科學(xué)進(jìn)展, 2020, 39(11): 1874-1883.

LI Y, QIU B W, He Y H, CHEN G, YE Z Y. Cropping intensity based on MODIS data in China during 2001-2018. Progress in Geography, 2020, 39(11): 1874-1883. (in Chinese)

[23] YAN H M, LIU F, QIN Y W, NIU Z E, DOUGHTY R, XIAO X M. Tracking the spatio-temporal change of cropping intensity in China during 2000-2015. Environmental Research Letters, 2019, 14: 035008.

[24] XIANG M T, YU Q Y, WU W B. From multiple cropping index to multiple cropping frequency: Observing cropland use intensity at a finer scale. Ecological Indicators, 2019, 101: 892-903.

[25] QIU B W, HU X, CHEN C C, TANG Z H, YANG P, ZHU X L, YAN C, JIAN Z Y. Maps of cropping patterns in China during 2015-2021. Scientific Data, 2022, 9(1): 479.

[26] QIU B W, WANG Z Z, TANG Z H, CHEN C C, FAN Z L, LI W J. Automated cropping intensity extraction from isolines of wavelet spectra. Computers and Electronics in Agriculture, 2016, 125: 1-11.

[27] RAMANKUTTY N, MEHRABI Z, WAHA K, JARVIS L, KREMEN C, HERRERO M, RIESEBERG L H. Trends in global agricultural land use: Implications for environmental health and food security. Annual Review of Plant Biology, 2018, 69: 789-815.

[28] HENRY R C, ENGSTR?M K, OLIN S, OLIN S, ALEXANDER P, ARNETH A, ROUNSEVELL M D A. Food supply and bioenergy production within the global cropland planetary boundary. PLoS One, 2018, 13(3): e0194695.

[29] IIZUMI T, RAMANKUTTY N. How do weather and climate influence cropping area and intensity? Global Food Security, 2015, 4: 46-50.

[30] 劉珍環(huán), 楊鵬, 吳文斌, 李正國, 游良志. 近30年中國農(nóng)作物種植結(jié)構(gòu)時(shí)空變化分析. 地理學(xué)報(bào), 2016, 71(5): 840-851.

LIU Z H, YANG P, WU W B, LI Z G, YOU L Z. Spatio-temporal changes in Chinese crop patterns over the past three decades. Acta Geographica Sinica, 2016, 71(5): 840-851. (in Chinese)

[31] 蔣敏, 李秀彬, 辛良杰, 談明洪. 南方水稻復(fù)種指數(shù)變化對(duì)國家糧食產(chǎn)能的影響及其政策啟示. 地理學(xué)報(bào), 2019, 74(1): 32-43.

JIANG M, LI X B, XIN L J, TAN M H. The impact of paddy rice multiple cropping index changes in Southern China on national grain production capacity and its policy implications. Acta Geographica Sinica, 2019, 74(1): 32-43. (in Chinese)

[32] 冀正欣, 王秀麗, 李玲, 關(guān)小克, 蔚霖, 許月卿. 南陽盆地區(qū)耕地利用效率演變及其影響因素. 自然資源學(xué)報(bào), 2021, 36(3): 688-701.

JI Z X, WANG X L, LI L, GUAN X K, YU L, XU Y Q. The evolution of cultivated land utilization efficiency and its influencing factors in Nanyang Basin. Journal of Natural Resources, 2021, 36(3): 688-701. (in Chinese)

[33] YAO Z Y, ZHANG L J, TANG S H, LI X X, HAO T T. The basic characteristics and spatial patterns of global cultivated land change since the 1980s. Journal of Geographical Sciences, 2017, 27: 771-785.

[34] 武蘭芳, 陳阜, 歐陽竹. 種植制度演變與研究進(jìn)展. 耕作與栽培, 2002(3): 1-5, 14.

WU L F, CHEN F, OUYANG Z. The evolution and research progress of cropping system. Tillage and Cultivation, 2002(3): 1-5, 14. (in Chinese)

[35] BLANCO-CANQUI H, LAI R. Cropping systems//Principles of Soil Conservation and Management. Dordrecht: Springer, 2010: 165-193.

[36] SHEN G, YU Q Y, ZHOU Q B, WANG C, WU W B. From multiple cropping frequency to multiple cropping system: A new perspective for the characterization of cropland use intensity. Agricultural Systems, 2023, 204: 103535.

[37] 蘇康傳, 楊慶媛, 張忠訓(xùn), 畢國華. 中國耕地差異化休耕模式及技術(shù)措施探討. 農(nóng)業(yè)工程學(xué)報(bào), 2020, 36(9): 283-291.

SU K C, YANG Q Y, ZHANG Z X, BI G H. Investigation of differential fallow patterns and technical measures for cultivated land in China. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(9): 283-291. (in Chinese)

[38] 黃國勤, 趙其國. 中國典型地區(qū)輪作休耕模式與發(fā)展策略. 土壤學(xué)報(bào), 2018, 55(2): 283-292.

HUANG G Q, ZHAO Q G. Mode of rotation/fallow management in typical areas of china and its development strategy. Acta Pedologica Sinica, 2018, 55(2): 283-292. (in Chinese)

[39] 董金瑋, 吳文斌, 黃健熙, 尤南山, 何盈利, 閆慧敏. 農(nóng)業(yè)土地利用遙感信息提取的研究進(jìn)展與展望. 地球信息科學(xué)學(xué)報(bào), 2020, 22(4): 772-783.

DONG J W, WU W B, HUANG J X, YOU N S, HE Y L, YAN H M. State of the art and perspective of agricultural land use remote sensing information extraction. Journal of Geo-information Science, 2020, 22(4): 772-783. (in Chinese)

[40] 石淑芹, 曹玉青, 吳文斌, 楊鵬, 蔡為民. 耕地集約化評(píng)價(jià)指標(biāo)體系與評(píng)價(jià)方法研究進(jìn)展. 中國農(nóng)業(yè)科學(xué), 2017, 50(7): 1210-1222. doi: 10.3864/j.issn.0578-1752.2017.07.004.

SHI S Q, CAO Y Q, WU W B, YANG P, CAI W M. Progresses in research of evaluation index system and its method on arable land intensification: a review. Scientia Agricultura Sinica, 2017, 50(7): 1210-1222. doi: 10.3864/j.issn.0578-1752.2017.07.004. (in Chinese)

[41] HIGO M, TATEWAKI Y, IIDA K, YOKOTA K, ISOBE K. Amplicon sequencing analysis of arbuscular mycorrhizal fungal communities colonizing maize roots in different cover cropping and tillage systems. Scientific Reports, 2020, 10(1): 6039.

[42] YAN Z Z, ZHANG X Y, RASHID M A, LI H J, JING H C, HOCHMAN Z. Assessment of the sustainability of different cropping systems under three irrigation strategies in the North China Plain under climate change. Agricultural Systems, 2020, 178: 102745.

[43] LIU Y, YU Q Y, ZHOU Q B, WANG C, BELLINGRATH-KIMURA S D, WU W B. Mapping the complex crop rotation systems in Southern China considering cropping intensity, crop diversity and their seasonal dynamics. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15: 9584-9598.

[44] 李忠華, 張龑, 李翠梅, 李風(fēng)晶. 新疆兩年三熟種植模式研究. 農(nóng)村科技, 2018(12): 6-8.

LI Z H, ZHANG Y, LI C M, LI F J. The cropping pattern of triple cropping per cycle in Xinjiang, China. Rural Science & Technology, 2018(12): 6-8. (in Chinese)

[45] WU W B, YU Q Y, YOU L Z, CHEN K, TANG H J, LIU J G. Global cropping intensity gaps: Increasing food production without cropland expansion. Land Use Policy, 2018, 76: 515-525.

[46] 余強(qiáng)毅, 項(xiàng)銘濤, 謝安坤, 申格, 楊鵬, 吳文斌. 耕地復(fù)種差研究進(jìn)展. 中國農(nóng)業(yè)信息, 2018, 30(5): 1-12.

YU Q Y, XIANG M T, XIE A K, SHEN G, YANG P, WU W B. Cropping intensity gap: a review. China Agricultural Informatics, 2018, 30(5): 1-12. (in Chinese)

remote sensing Detection of cropping system and Its spatial-temporal pattern in China

ZHANG SuXin1, SHEN Ge2, YU QiangYi1, WU WenBin1

1Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/State Key Laboratory of Efficient Utilization of Arid and Semi-arid Arable Land of Northern China/Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs, Beijing 100081;2Institute of Land and Urban-Rural Development, Zhejiang University of Finance and Economics, Hangzhou 310018

【Objective】Cropping systems of cropland are the concrete embodiment of the mode of agricultural production, which reflect the coupled human-environment interactions. The formation is affected by natural resource elements and human land use behavior. This study aims to scientifically understand the spatial-temporal pattern of cropping systems, which helps to optimize agricultural distribution, improve agricultural production capacity, and realize the sustainable agriculture.【Method】This study combined remote sensing monitoring with spatial decision tree models and other means to construct an inter-annual detection method system for cropping systems, which is designed for Chinese agricultural conditions, and then spatial pattern of cropping systems was analyzed. Firstly, the connotation of cropping systems was defined by identifying concepts such as cropping intensity, multiple cropping index, and considering of characteristics of “l(fā)ong-lasting” “periodicity” “stability”. Secondly, the indicators (i.e. continuity and frequency) were constructed, and were calculated at the pixel scale by the moving time window. Finally, the significance of the cropping intensity and characteristics of cropping system was evaluated. The decision tree method was also applied to determine the type of cropping systems, and the spatial-temporal heterogeneity of cropping systems in different regions was analyzed from the aspects of regional differences and dynamic laws.【Result】(1) Quantitatively, the largest area, 53.52%, is occupied by the single-cropping system, followed by the double-cropping system at 23.28%, the seasonal fallow system (i.e. 3 crops in 2 years) and the annual fallow system at 12.80% and 6.94%, respectively. (2) Spatially, the single-cropping system, double-cropping system, seasonal fallow system and annual fallow system are concentrated in Northeast China, North China, South of Yangtze River and “Sickle Bend” areas, respectively. (3) Temporally, it revealed the heterogeneity of cropping system and static multiple cropping index in the time dimension. For example, the regions with multiple cropping index of 1 in 2018 consist of 75.18% single-cropping system, 6.60% double-cropping system, 8.92% seasonal fallow system and 8.02% annual fallow system.【Conclusion】This study proposed a method for mapping inter-annual cropping systems, combining remote sensing temporal monitoring and spatial decision tree models. It revealed the spatial pattern of cropping systems which is gathered by zone and cropping intensity is higher in the south and lower in the north. The Songnen Plain, “Sickle Bend” and other spatial gathering areas were intuitively displayed. Also, the differences between multi-cropping and cropping system were compared, which were mainly manifested in the spatial inconsistency between the cropping system and the annual multiple cropping index, as well as the periodicity of the cropping system. The results will provide case support for rationally increasing the cropland multi-cropping intensity and promoting the implementation of the “grain storage in the ground” strategy.

cropland; cropping system; multiple cropping; land fallow and crop rotation; inter-annual; spatial-temporal pattern

10.3864/j.issn.0578-1752.2024.08.005

2023-07-07；

2023-10-09

國家自然科學(xué)基金（42171271）、中國農(nóng)業(yè)科學(xué)院“青年創(chuàng)新”專項(xiàng)（Y2022QC16）、浙江省自然科學(xué)基金（LQ23D010001）

張素心，E-mail：82101212294@caas.cn。通信作者余強(qiáng)毅，E-mail：yuqiangyi@caas.cn

（責(zé)任編輯 岳梅）