基于多源衛(wèi)星數(shù)據(jù)的黑河中游綠洲區(qū)土地利用分類與作物類型提取及其時(shí)空變化分析*

陳 睿, 趙 超, 劉興冉, 郭 英, 沈彥俊

?

基于多源衛(wèi)星數(shù)據(jù)的黑河中游綠洲區(qū)土地利用分類與作物類型提取及其時(shí)空變化分析*

陳 睿1,3, 趙 超2**, 劉興冉3,4, 郭 英3, 沈彥俊3

(1. 河北師范大學(xué)資源環(huán)境學(xué)院 石家莊 050000; 2. 河北省氣象科學(xué)研究所 石家莊 050022; 3. 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心 石家莊 050022; 4. 河北地質(zhì)大學(xué)土地資源與城鄉(xiāng)規(guī)劃學(xué)院 石家莊 050022)

研究土地利用與作物種植結(jié)構(gòu)變化是分析農(nóng)業(yè)生產(chǎn)活動(dòng)和生態(tài)環(huán)境變化的重要手段。黑河中游綠洲是我國西北地區(qū)最重要的綠洲之一, 也是甘肅省主要的商品糧基地。為準(zhǔn)確研究黑河中游綠洲的時(shí)空變化情況, 本文利用2001—2015年MODIS衛(wèi)星數(shù)據(jù), 提取分析了近15年黑河中游綠洲范圍的時(shí)空變化特征; 基于2001—2016年的Landsat/TM, 利用支持向量機(jī)分類法獲得該綠洲區(qū)土地利用分類; 基于2011—2016年的HJ1A/CCD數(shù)據(jù), 利用HANTS濾波后的NDVI時(shí)間序列曲線, 獲得作物種植面積的精細(xì)分類。經(jīng)驗(yàn)證, 該土地利用分類精度高于88.46%, kappa系數(shù)為0.81; 小麥和玉米與實(shí)地驗(yàn)證點(diǎn)對(duì)比的分類精度高于90.8%。結(jié)果表明: 1)黑河中游綠洲面積總體為增加趨勢(shì), 僅2014年、2015年略有減少, 綠洲面積從2001年的2 701 km2增加到2015年的2 936 km2。2)2001—2016年間, 裸地面積減少436.7 km2, 耕地面積增加91.3 km2, 草地、林地面積增加289.6 km2。3)2011—2016年, 小麥、玉米種植面積均有減少, 小麥共計(jì)減少195.77 km2, 玉米減少144.37 km2。研究結(jié)果可為當(dāng)?shù)剞r(nóng)業(yè)種植結(jié)構(gòu)的調(diào)整和作物估產(chǎn)及綠洲生態(tài)保護(hù)提供一定依據(jù)和參考。

遙感; 綠洲面積; 土地利用; NDVI時(shí)間序列; 作物分類

綠洲是干旱區(qū)獨(dú)特的生態(tài)系統(tǒng), 是該區(qū)農(nóng)業(yè)生產(chǎn)的主要場(chǎng)所, 也是人類活動(dòng)的主要區(qū)域。人類活動(dòng)對(duì)綠洲土地利用和生態(tài)系統(tǒng)變化起著關(guān)鍵作用, 因此對(duì)綠洲土地利用的研究便于直觀地揭示綠洲及其土地利用的時(shí)空變化規(guī)律[1]以及人與自然環(huán)境之間相互作用的內(nèi)在因素。耕地是綠洲區(qū)土地利用的主要形式之一, 隨著人類活動(dòng)加劇, 綠洲區(qū)人地矛盾和水資源緊缺等問題日益突出, 進(jìn)而影響到區(qū)域糧食、生態(tài)系統(tǒng)與水資源的安全[2-3]。對(duì)區(qū)域農(nóng)作物種植結(jié)構(gòu)的提取研究是掌握作物種類、分布等信息的重要手段[4], 也是農(nóng)業(yè)結(jié)構(gòu)調(diào)整的基礎(chǔ)[5]和開展農(nóng)業(yè)減災(zāi)的重要依據(jù)[6-7]。

遙感技術(shù)可準(zhǔn)確獲取綠洲范圍的時(shí)空變化, 并且可對(duì)綠洲及農(nóng)作物生長(zhǎng)情況進(jìn)行監(jiān)測(cè)[8]。陳亞寧等[9]研究了塔里木河流域綠洲演變與適宜的發(fā)展規(guī)模; 郝麗娜等[10]采用水熱平衡原理確定了黑河干流中游地區(qū)適宜綠洲及耕地規(guī)模; 潘學(xué)鵬等[11]通過NDVI時(shí)間序列和CART算法提取了華北平原冬小麥面積的時(shí)空變化; 王紅營等[12]開展了華北平原主要農(nóng)作物遙感分類并進(jìn)行了驅(qū)動(dòng)力分析; 錢大文等[13]研究了近35年黑河中游臨澤縣荒漠化時(shí)空分異及景觀格局變化和荒漠土地的時(shí)空動(dòng)態(tài)變化, 發(fā)現(xiàn)荒漠土地面積總體上呈現(xiàn)減小的趨勢(shì)?？v觀已有的研究, 提取綠洲范圍所使用的遙感數(shù)據(jù)空間分辨率并不統(tǒng)一, 且高分辨率土地利用分類時(shí)間尺度一般只有10年甚至更短。同時(shí)缺少對(duì)作物類型的精細(xì)分類以及黑河中游綠洲區(qū)種植格局變化的分析。由于前人研究中的衛(wèi)星分辨率普遍不高, 使得黑河中游綠洲區(qū)作物種植情況的時(shí)空變化分析差異較大。

為了對(duì)黑河中游綠洲及其內(nèi)部土地利用時(shí)空變化情況進(jìn)行更加精確的分析, 本文以黑河中游綠洲區(qū)為研究區(qū), 基于Terra/MODIS數(shù)據(jù), 計(jì)算并分析了2001—2015年黑河中游綠洲規(guī)模; 基于Landsat/ TM數(shù)據(jù)對(duì) 2001年、2006年、2011年、2016年黑河中游綠洲區(qū)進(jìn)行監(jiān)督分類, 得到黑河中游綠洲區(qū)的土地利用變化情況; 基于HJ1A/CCD數(shù)據(jù), 通過CART算法對(duì)黑河中游綠洲區(qū)2011年、2016年小麥、玉米進(jìn)行提取, 分析了該區(qū)域玉米、小麥種植的時(shí)空變化和影響因素, 以期對(duì)黑河中游綠洲區(qū)可持續(xù)發(fā)展及農(nóng)業(yè)生產(chǎn)提供理論依據(jù), 同時(shí)為后續(xù)長(zhǎng)時(shí)間序列的分類奠定基礎(chǔ)。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

研究區(qū)位于黑河中游(圖1), 在張掖、臨澤、高臺(tái)3區(qū)縣內(nèi), 位于38.65°~39.98°N, 98.95°~100.87°E, 總面積約8 700 km2。研究區(qū)屬于溫帶大陸性氣候, 年均降水量不足200 mm且降水時(shí)間集中, 年蒸發(fā)量大, 年蒸發(fā)能力約為2 500 mm[14]。研究區(qū)光照強(qiáng)烈, 晝夜溫差大。主要以耕地和未利用地為主, 兼有草地、林地、城鎮(zhèn)建筑用地和水體。該區(qū)域是甘肅省重要的商品糧基地, 主要作物為玉米、小麥、蔬菜和林果等, 其中玉米占主導(dǎo)地位, 由于作物種植面積的不斷擴(kuò)張, 導(dǎo)致水資源需求量逐年上升, 部分地區(qū)土地鹽堿化現(xiàn)象嚴(yán)重。

圖1 黑河中游區(qū)位圖

1.2 數(shù)據(jù)及處理

本研究采用2001—2015年MODIS(Moderate Resolution Imaging Spectroradiometer)Mod13Q1植被指數(shù)16 d合成產(chǎn)品, 分辨率為250 m(下載地址: https://search.earthdata.nasa.gov), 用于綠洲范圍的提取與面積計(jì)算; 2001年、2006年、2011年、2016年Landsat5衛(wèi)星遙感數(shù)據(jù)2級(jí)產(chǎn)品(下載地址: http://glovis.usgs.gov/), 空間分辨率為30 m, 用于黑河中游土地利用分類; 以及2011年、2016年HJ1A衛(wèi)星2級(jí)產(chǎn)品(下載地址: http://218.247.138.119:7777/ DSSPlatform/index.html), 空間分辨率為30 m, 用于主要糧食作物分類提取。Landsat/TM數(shù)據(jù)需進(jìn)行大氣校正, 而HJ1A數(shù)據(jù)需進(jìn)行輻射定標(biāo)、幾何校正和大氣校正。

所有數(shù)據(jù)均選用云層覆蓋度小于15%的相同或相鄰時(shí)間段內(nèi)遙感數(shù)據(jù), 驗(yàn)證數(shù)據(jù)采用谷歌地圖當(dāng)年同期影像、寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心(http://westdc. westgis.ac.cn/)提供的土地利用數(shù)據(jù)、通量觀測(cè)矩陣數(shù)據(jù)集以及野外實(shí)地采樣數(shù)據(jù)。

1.3 研究方法

1.3.1 黑河中游綠洲范圍的確定與面積計(jì)算

綠洲是在大尺度荒漠背景中, 具有一定規(guī)模的生物群落, 能構(gòu)成相對(duì)穩(wěn)定的, 具有明顯小氣候效應(yīng)的異質(zhì)生態(tài)景觀, 包括林地、草地、耕地以及水體。本文綠洲范圍通過NDVI影像數(shù)據(jù)與當(dāng)年同期谷歌地球影像的疊加分析獲取, 并利用野外采樣數(shù)據(jù)和研究區(qū)內(nèi)典型地物進(jìn)行對(duì)比, 最終利用植被NDVI值的最小值來確定綠洲的范圍。

NDVI(Normalized Difference Vegetation Index), 也稱歸一化差分植被指數(shù)、植被覆蓋指數(shù), 主要反映植被的生長(zhǎng)狀態(tài)、植被覆蓋度等, 其計(jì)算公式為:

NDVI=(NIR-)/(NIR) (1)

式中: NIR為近紅外波段反射率值,為紅外波段反射率值。一般情況下, NDVI值在-1到1之間, 負(fù)數(shù)為水體或云、雪等, 正數(shù)為植被覆蓋區(qū)域, 0為裸土。

在計(jì)算2001—2015年黑河中游綠洲規(guī)模時(shí), 發(fā)現(xiàn)傳統(tǒng)的綠洲面積計(jì)算方法[公式(2)]雖然速度較快, 但由于沒有考慮到混合像元的問題, 導(dǎo)致綠洲面積明顯大于實(shí)際面積, 因而這種方法準(zhǔn)確性較差, 無法分析綠洲的時(shí)空變化情況, 故本文提出了基于植被覆蓋度的改進(jìn)型綠洲面積計(jì)算公式(3)。

(2)

(3)

式中:為綠洲面積,為綠洲像元總數(shù),為像元長(zhǎng)度,為像元寬度,為像元,X為單位像元的NDVI值, NDVImin為綠洲內(nèi)NDVI最小值, NDVImax為綠洲內(nèi)NDVI最大值。本文先將植物生長(zhǎng)季內(nèi)NDVI最大值和最小值分別提取成圖, 然后通過分析研究區(qū)內(nèi)的NDVI分布頻率確定NDVImin和NDVImax, 選取NDVI最小值中累積頻率0.5%所對(duì)應(yīng)的最小值為NDVImin, 選取NDVI最大值累積頻率99.5%所對(duì)應(yīng)的最大值作為NDVImax[15], 對(duì)于NDVI異常值的像元直接剔除。

1.3.2 黑河中游綠洲區(qū)土地利用分類

本文基于野外實(shí)地調(diào)查和Landsat5/TM數(shù)據(jù)的目視解譯, 結(jié)合黑河中游綠洲區(qū)實(shí)際情況[16-17], 構(gòu)建了黑河中游綠洲區(qū)植被分類體系(表1)。

黑河中游綠洲區(qū)2001—2016年土地利用分類采用支持向量機(jī)分類法(support vector machine), 支持向量機(jī)分類法是一種二值分類模型, 其模型可將類與類之間的間隔最大化, 具有較好的準(zhǔn)確性[18]。通過兩周的野外調(diào)研及對(duì)Landsat5遙感影像的目視判讀和計(jì)算機(jī)解譯, 每種地類均人工選取35~55個(gè)樣本, 最后通過分類統(tǒng)計(jì)及小斑塊處理將分類明顯錯(cuò)誤的像元轉(zhuǎn)化成為正確地類。

1.3.3 主要作物分類

1)時(shí)間序列諧波分析法

HANTS是一種基于時(shí)間序列諧波分析的物候分析方法[19-21], 可以去除異常的NDVI值并獲得作物在生育期內(nèi)的NDVI時(shí)序曲線[12,22]?？紤]到黑河中游綠洲區(qū)作物熟制主要為一年1熟, 該方法可提高不同作物生長(zhǎng)曲線的提取精度, 進(jìn)而通過回歸樹算法對(duì)不同作物進(jìn)行分類。

表1 黑河中游綠洲區(qū)土地覆被分類體系

本文對(duì)黑河中游綠洲區(qū)作物的熟制及物候資料進(jìn)行分析, 2008—2013年作物物候資料表明, 研究區(qū)內(nèi)玉米播種均在4月中旬, 出苗為4月底到5月初, 成熟日期為9月下旬; 小麥播種時(shí)間在3月下旬, 出苗為4月上旬, 成熟日期為7月中旬。通過HANTS濾波后的NDVI時(shí)間序列數(shù)據(jù)得到玉米和小麥的NDVI時(shí)序曲線, 并利用物候特征對(duì)曲線進(jìn)行校準(zhǔn)。

2)回歸樹算法

回歸樹算法(CART)是監(jiān)督分類方法中的一種[23-24], CART只有兩個(gè)分支, 分別為“是”與“否”, 其通過目標(biāo)的純度確定分支條件, 能夠自動(dòng)選擇分類特征并確定分類節(jié)點(diǎn)的臨界值。本文基于研究區(qū)主要農(nóng)作物的NDVI時(shí)序曲線, 選取訓(xùn)練樣本生成樹規(guī)則, 再修改其部分規(guī)則, 最后通過此規(guī)則得到2011年以及2016年小麥、玉米的分類。

1.4 驗(yàn)證

1)本文中黑河中游綠洲范圍與同期谷歌地球影像對(duì)比驗(yàn)證, 當(dāng)NDVImin取值為0.24時(shí), 確定的綠洲邊界較為準(zhǔn)確。

2)MODIS數(shù)據(jù), 通過改進(jìn)后的綠洲面積計(jì)算公式計(jì)算的綠洲面積的準(zhǔn)確性有較大幅度提高, 本文將研究區(qū)1986年、1995年、2000年和2011年估算的綠洲面積與寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心下載的土地利用數(shù)據(jù)(此數(shù)據(jù)是寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心公開發(fā)布的數(shù)據(jù), 具有較好的準(zhǔn)確性)進(jìn)行相關(guān)性分析(表2), 相關(guān)系數(shù)為0.87(置信水平達(dá)95%)。

表2 1986年、1995年、2000年和2011年黑河中游綠洲區(qū)遙感監(jiān)測(cè)綠洲面積與土地利用數(shù)據(jù)的相對(duì)誤差

3)土地分類結(jié)果驗(yàn)證, 2001年總體分類精度達(dá)90.46%, kappa系數(shù)為0.83; 2006年總體分類精度為88.46%, kappa系數(shù)為0.85; 2011年總體分類精度達(dá)90.65%, kappa系數(shù)為0.87; 2016年總體分類精度達(dá)89.81%, kappa系數(shù)為0.84, 總體分類結(jié)果較好。同時(shí)對(duì)2011年、2016年黑河中游綠洲區(qū)作物分類與90個(gè)實(shí)地驗(yàn)證點(diǎn)進(jìn)行對(duì)比, 結(jié)果顯示基于CART算法分類的面積與實(shí)地觀測(cè)數(shù)據(jù)一致性較好, 2011年總體分類精度為90%, 2016年總體分類精度為86.7%。

2 結(jié)果與分析

2.1 黑河中游綠洲時(shí)空變化

2001—2015年間, 黑河中游綠洲規(guī)模不斷擴(kuò)張(圖2), 綠洲總面積增加約235 km2。由圖3可知, 綠洲新增面積主要位于張掖市東部和東南部、臨澤縣北部和高臺(tái)縣南部山前沖擊平原地區(qū), 面積出現(xiàn)波動(dòng)的區(qū)域?yàn)楦手輩^(qū)南部和臨澤縣的中部地區(qū)。其中, 綠洲面積增加最多的年份為2001—2002年, 總面積增長(zhǎng)133 km2, 漲幅達(dá)4.90%。面積減少幅度最大的年份為2013—2014年, 總面積減少169 km2, 降幅為5.30%。

圖2 2001—2015年黑河中游綠洲面積變化

圖3 2001—2015年黑河中游綠洲范圍的時(shí)空變化圖

2.2 黑河中游綠洲區(qū)土地利用時(shí)空變化

本文分析了2001年、2006年、2011年、2016年黑河中游綠洲土地利用變化特征(圖4)。農(nóng)田主要集中在黑河中游沿線的綠洲區(qū)內(nèi)和高臺(tái)縣南部、甘州區(qū)的中部、南部和東部, 草地和林地主要分布在甘州區(qū)南部和北部、高臺(tái)縣西部和臨澤縣中部地區(qū), 多集中于山區(qū)和山前沖積扇以及農(nóng)田周圍。水體主要包括黑河中游河段、水庫坑塘以及張掖黑河國家濕地。

2001—2016年, 耕地面積增加291.4 km2, 林地、草地增加189.5 km2, 城鎮(zhèn)建筑用地面積增加67.4 km2, 未利用地(裸地)減少536.7 km2(表3)。

2.3 黑河中游綠洲區(qū)主要糧食作物NDVI時(shí)序曲線

濾波的結(jié)果表明, 黑河中游綠洲區(qū)主要糧食作物的時(shí)序曲線都是單峰型, 不同作物的NDVI峰值出現(xiàn)月份有明顯差別(圖5), 因此可根據(jù)HANTS濾波后的NDVI時(shí)序曲線對(duì)玉米、小麥等主要作物進(jìn)行分類。

2.4 黑河中游綠洲區(qū)主要作物的空間分布及其影響因素

黑河中游綠洲是典型的灌溉農(nóng)業(yè)綠洲, 主要作物為小麥和玉米, 約占綠洲內(nèi)耕地面積的60%~70%。本文根據(jù)黑河中游綠洲區(qū)的行政區(qū)劃, 分別計(jì)算了各主要作物在各區(qū)的種植比例(作物面積/區(qū)域面積)(表4)。

圖4 不同年份黑河中游綠洲區(qū)土地利用分類

表3 黑河中游綠洲區(qū)土地利用分類面積

圖5 黑河中游綠洲區(qū)主要糧食作物NDVI時(shí)序曲線

玉米的種植面積遠(yuǎn)大于其他作物, 是黑河中游綠洲區(qū)3市縣主要作物。除高臺(tái)縣外, 甘州區(qū)和臨澤縣玉米種植比例都超過50%。這主要是因?yàn)楦手輩^(qū)緊鄰黑河上游, 玉米的灌溉水源可以基本通過黑河保障, 高臺(tái)縣位于下游, 可利用水資源較少, 所以玉米種植比例相較于甘州、臨澤低。小麥?zhǔn)钱?dāng)?shù)氐诙蠹Z食作物, 主要分布于高臺(tái)縣, 種植比例15%左右, 臨澤縣和甘州區(qū)較少, 不到10%(表4, 圖6)。

研究區(qū)內(nèi)玉米小麥種植比例超過70%, 反映出黑河中游綠洲區(qū)農(nóng)業(yè)生產(chǎn)以糧食作物種植為主。2011年以來, 糧食作物比重呈緩慢下降趨勢(shì), 主要受到以下因素影響: 第一, 玉米小麥等糧食作物種植成本上升(除臨澤縣外, 甘州區(qū)和高臺(tái)縣郊區(qū)土地價(jià)格均有上漲, 2016年甘州區(qū)郊區(qū)土地價(jià)格同比上漲8.7%), 效益下降; 第二, 區(qū)域城鎮(zhèn)化率不斷提升, 農(nóng)村人口流出明顯(2000—2016年間, 張掖市流動(dòng)人口增至10萬人), 農(nóng)業(yè)勞動(dòng)力減少且用工成本增加; 第三, 城市人口增加、飲食習(xí)慣改變和消費(fèi)升級(jí)(2016年城鎮(zhèn)人口水果蔬菜日消耗量約為0.5 kg, 比2000年增加0.13 kg), 研究區(qū)內(nèi)以蔬菜和林果為主的經(jīng)濟(jì)作物種植量相應(yīng)增加, 糧食作物種植比例下降。

表4 2011年和2016年黑河中游綠洲區(qū)各縣玉米、小麥占比情況

圖6 黑河中游綠洲小麥、玉米分布

2011年黑河中游綠洲區(qū)小麥、玉米種植面積分別為370.94 km2和1 214.44 km2, 2016年分別為175.17 km2和1 070.07 km2。玉米總體穩(wěn)定, 面積減少144.37 km2(下降11.9%); 小麥面積降幅較大, 減少195.77 km2(下降52.8%), 其中高臺(tái)縣下降幅度最大。

3 結(jié)論與討論

3.1 結(jié)論

本文基于植被覆蓋度, 改進(jìn)了綠洲面積計(jì)算公式, 為綠洲及農(nóng)作物面積的遙感監(jiān)測(cè)提供了新方法, 與傳統(tǒng)方法相比, 提高了綠洲面積的計(jì)算精度; 基于支持向量機(jī)的分類方法較為準(zhǔn)確地反映了研究區(qū)土地利用的分類情況; 基于CART算法的黑河中游綠洲區(qū)主要作物分類, 較好地反映了主要農(nóng)作物種植結(jié)構(gòu)的變化特征。

1)2001—2015年間, 黑河中游綠洲面積增加235 km2, 總體呈上升趨勢(shì), 新增加區(qū)域主要位于甘州區(qū)南部和西部, 臨澤縣的北部和高臺(tái)縣的南部山前平原地區(qū)。2)2001—2016年間, 耕地面積增加291.4 km2, 林地、草地增加189.5 km2, 城鎮(zhèn)建筑用地面積增加67.4 km2, 未利用地(裸地)減少536.7 km2, 水體面積大體保持不變。3)2011—2016年間, 小麥、玉米種植面積均有所下降: 小麥由2011年的370.94 km2減少為2016年的175.17 km2, 減少195.77 km2; 玉米由2011年的1 214.44 km2減少為2016年的1 070.07 km2, 減少144.37 km2。

3.2 討論

綠洲邊緣未利用地(裸地)開發(fā)是黑河中游綠洲面積擴(kuò)大的主要原因, 2001—2016年間, 耕地面積增加291.4 km2, 表明黑河中游綠洲處于持續(xù)開發(fā)的過程中, 糧食生產(chǎn)規(guī)模擴(kuò)大; 林地、草地約增加189.5 km2; 水體由于降水量和階段性調(diào)水影響, 總體穩(wěn)定但變化幅度較大; 受人口規(guī)模增加和城鄉(xiāng)建設(shè)的持續(xù)推進(jìn), 城鎮(zhèn)建筑用地面積一直處于上升趨勢(shì), 2016年與2001年相比總面積增加67.4 km2; 未利用地面積逐年降低, 共計(jì)減少536.7 km2, 其中2006年到2011年間降幅最大。林地、草地面積增加的主要原因包括: 1)流域內(nèi)綜合調(diào)水, 緩解了當(dāng)?shù)厮Y源緊缺及人口需水和農(nóng)業(yè)需水之間的矛盾。2000年以后, 受調(diào)水影響, 黑河中游的來水量顯著提高, 由2000年的9億m3增加到10.5億m3以上。當(dāng)?shù)孛考径冗M(jìn)行的流域內(nèi)綜合調(diào)水保障了糧食生產(chǎn)規(guī)模穩(wěn)定。2)當(dāng)?shù)卣畬?duì)環(huán)境的重視程度不斷加強(qiáng), 意識(shí)到固沙造林、保護(hù)耕地的重要性。2000—2016年間, 通過持續(xù)營建綠洲邊緣固沙林和田間林地, 森林覆蓋率由9.37%上升到11.00%, 保障了綠洲的穩(wěn)定。3)節(jié)水農(nóng)業(yè)使得農(nóng)業(yè)用水效率不斷提高。覆膜、滴灌等節(jié)水技術(shù)降低了農(nóng)業(yè)耗水強(qiáng)度, 保障了綠洲的生態(tài)需水, 林地草地面積擴(kuò)大?？傮w上看, 黑河中游綠洲得到鞏固, 生態(tài)環(huán)境得到改善, 農(nóng)業(yè)生產(chǎn)安全得到保障, 同時(shí)也表明人與自然之間、農(nóng)業(yè)需水與人口需水之間矛盾的減小。

研究區(qū)內(nèi)玉米小麥種植比例超過70%, 反映出黑河中游綠洲區(qū)農(nóng)業(yè)生產(chǎn)以種植糧食作物為主。2011年以來, 糧食作物比重呈緩慢下降趨勢(shì), 其主要原因是玉米、小麥等糧食作物種植成本上升、效益下降, 區(qū)域城鎮(zhèn)化率不斷提升、農(nóng)村人口流出明顯、農(nóng)業(yè)勞動(dòng)力減少且用工成本增加, 城市人口增加、飲食習(xí)慣改變和消費(fèi)升級(jí), 研究區(qū)內(nèi)以蔬菜和林果為主的經(jīng)濟(jì)作物種植量相應(yīng)增加, 糧食作物種植比例下降。

[1] 左玉珊. 基于MODIS數(shù)據(jù)的京津冀地區(qū)土地覆被分類方法研究[D]. 石家莊: 河北師范大學(xué), 2015: 1–3 ZUO Y S. Research on land cover classification method of Beijing-Tianjin-Hebei Region Using MODIS data[D]. Shijiazhuang: Hebei Normal University, 2015: 1–3

[2] JUSTICE C, BECKER-RESHEF I. Report from the Workshop on Developing a Strategy for Global Agricultural Monitoring in the Framework of Group on Earth Observations (GEO)[R]. Rome: FAO, 2007: 1–67

[3] 鄒健, 龍花樓. 改革開放以來中國耕地利用與糧食生產(chǎn)安全格局變動(dòng)研究[J]. 自然資源學(xué)報(bào), 2009, 24(8): 1366–1377 ZOU J, LONG H L. The variation of farmland use and the security pattern of grain production in China since 1978[J]. Journal of Natural Resources, 2009, 24(8): 1366–1377

[4] 朱杰, 聶振邦, 馬曉河. 21世紀(jì)中國糧食問題[M]. 北京: 中國計(jì)劃出版社, 1999 ZHU J, NIE Z B, MA X H. China’s Grain Toward 21st Century[M]. Beijing: China Planning Press, 1999

[5] 張莉, 吳文斌, 楊鵬, 等. 黑龍江省賓縣農(nóng)作物格局時(shí)空變化特征分析[J]. 中國農(nóng)業(yè)科學(xué), 2013, 46(15): 3227–3237ZHANG L, WU W B, YANG P, et al. Temporal and spatial changes in crop patterns of Binxian County in Heilongjiang Province[J]. Scientia Agricultura Sinica, 2013, 46(15): 3227–3237

[6] Allen R, Hanuschak G, Craig M. History of remote sensing for crop acreage in USDA’s National Agricultural Statistics Service[J]. Health Systems Review, 2002, 29(2): 559–567

[7] 陳水森, 柳欽火, 陳良富, 等. 糧食作物播種面積遙感監(jiān)測(cè)研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(6): 166–171 CHEN S S, LIU Q H, CHEN L F, et al. Review of research advances in remote sensing monitoring of grain crop area[J]. Transactions of the CSAE, 2005, 21(6): 166–171

[8] 張健康, 程彥培, 張發(fā)旺, 等. 基于多時(shí)相遙感影像的作物種植信息提取[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(2): 134–141ZHANG J K, CHENG Y P, ZHANG F W, et al. Crops planting information extraction based on multi-temporal remote sensing images[J]. Transactions of the CSAE, 2012, 28(2): 134–141

[9] 陳亞寧, 陳忠升. 干旱區(qū)綠洲演變與適宜發(fā)展規(guī)模研究——以塔里木河流域?yàn)槔齕J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2013, 21(1): 134–140 CHEN Y N, CHEN Z S. Analysis of oasis evolution and suitable development scale for arid regions: A case study of the Tarim River Basin[J]. Chinese Journal of Eco-Agriculture, 2013, 21(1): 134–140

[10] 郝麗娜, 粟曉玲. 黑河干流中游地區(qū)適宜綠洲及耕地規(guī)模確定[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(10): 262–268 HAO L N, SU X L. Determination for suitable scale of oasis and cultivated land in middle reaches of Heihe River Basin[J]. Transactions of the CSAE, 2015, 31(10): 262–268

[11] 潘學(xué)鵬, 李改欣, 劉峰貴, 等. 華北平原冬小麥面積遙感提取及時(shí)空變化研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2015, 23(4): 497–505 PAN X P, LI G X, LIU F G, et al. Using remote sensing to determine spatio-temporal variations in winter wheat growing area in the North China Plain[J]. Chinese Journal of Eco-Agriculture, 2015, 23(4): 497–505

[12] 王紅營, 潘學(xué)鵬, 羅建美, 等. 基于遙感的華北平原農(nóng)作物時(shí)空分布變化特征分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2015, 23(9): 1199–1209 WANG H Y, PAN X P, LUO J M, et al. Using remote sensing to analyze spatiotemporal variations in crop planting in the North China Plain[J]. Chinese Journal of Eco-Agriculture, 2015, 23(9): 1199–1209

[13] 錢大文, 鞏杰, 高彥凈. 近35年黑河中游臨澤縣荒漠化時(shí)空分異及景觀格局變化[J]. 干旱區(qū)資源與環(huán)境, 2015, 29(4): 85–90 QIAN D W, GONG J, GAO Y J. Spatial-temporal difference and landscape pattern evolution of desertification in the middle reaches of the Heihe River: A case study of Linze County in Gansu[J]. Journal of Arid Land Resources and Environment, 2015, 29(4): 85–90

[14] 袁春霞. 黑河流域綠洲時(shí)空變化過程的驅(qū)動(dòng)機(jī)制研究[D]. 蘭州: 蘭州大學(xué), 2015 YUAN C X. Study on the driving mechanism of the oasis dynamic changes in Heihe River Basin[D]. Lanzhou: Lanzhou University, 2015

[15] 吳喜芳, 李改欣, 潘學(xué)鵬, 等. 黃河源區(qū)植被覆蓋度對(duì)氣溫和降水的響應(yīng)研究[J]. 資源科學(xué), 2015, 37(3): 512–521WU X F, LI G X, PAN X P, et al. Response of vegetation cover to temperature and precipitation in the source region of the Yellow River[J]. Resources Science, 2015, 37(3): 512–521

[16] HANSEN M C, REED B. A comparison of the IGBP Discover and University of Maryland 1 km global land cover products[J]. International Journal of Remote Sensing, 2000, 21(6/7): 1365–1373

[17] 劉勇洪, 牛錚, 徐永明, 等. 基于MODIS數(shù)據(jù)設(shè)計(jì)的中國土地覆蓋分類系統(tǒng)與應(yīng)用研究[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2006, 22(5): 99–104 LIU Y H, NIU Z, XU Y M, et al. Design of land cover classification system for China and its application research based on MODIS data[J]. Transactions of the CSAE, 2006, 22(5): 99–104

[18] 劉志剛, 史文中, 李德仁, 等. 一種基于支撐向量機(jī)的遙感影像不完全監(jiān)督分類新方法[J]. 遙感學(xué)報(bào), 2005, 9(4): 363–373LIU Z G, SHI W Z, LI D R, et al. Partially supervised classification of remotely sensed imagery using support vector machines[J]. Journal of Remote Sensing, 2005, 9(4): 363–373

[19] JAKUBAUSKAS M E, LEGATES D R, KASTENS J H. Crop identification using harmonic analysis of time-series AVHRR NDVI data[J]. Computers and Electronics in Agriculture, 2002, 37(1/3): 127–139

[20] 于信芳, 莊大方. 基于MODIS NDVI數(shù)據(jù)的東北森林物候期監(jiān)測(cè)[J]. 資源科學(xué), 2006, 28(4): 111–117 YU X F, ZHUANG D F. Monitoring forest phenophases of northeast China based on MODIS NDVI data[J]. Resources Science, 2006, 28(4): 111–117

[21] 左麗君, 董婷婷, 汪瀟, 等. 基于MODIS/EVI的中國北方耕地復(fù)種指數(shù)提取[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(8): 141–146 ZUO L J, DONG T T, WANG X, et al. Multiple cropping index of Northern China based on MODIS/EVI[J]. Transactions of the CSAE, 2009, 25(8): 141–146

[22] 潘學(xué)鵬. 華北平原主要作物遙感提取及時(shí)空變化研究[D]. 西寧: 青海師范大學(xué), 2015PAN X P. Spatio-temporal variation of main crops planting area in the North China Plain using remote sensing data[D]. Xining: Qinghai Normal University, 2015

[23] BREIMAN L, FRIEDMAN J H, OLSHEN R A, et al. Classification and Regression Trees[M]. Belmont: Wadsworth International Group, 1984: 1–358

[24] YOHANNES Y, HODDINOTT J. Classification and Regression Trees: An Introduction[M]. Washington: International Food Policy Research Institute, 1999: 1–29

Land classification and spatio-temporal changes of wheat and corn in the middle reaches oasis of Heihe using multi-satellite data*

CHEN Rui1,3, ZHAO Chao2**, LIU Xingran3,4, GUO Ying3, SHEN Yanjun3

(1. College of Resources and Environmental Sciences, Hebei Normal University, Shijiazhuang 050000, China; 2. Meteorological Institute of Hebei Province, Shijiazhuang 050022, China; 3. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang 050022, China; 4. College of Land Resources and Rural-urban Planning, Hebei GEO University, Shijiazhuang 050022, China)

Study onland use/cover and crop planting structure in agricultural regions is critical for analyzing changes in agricultural production activities and the ecological environment. The middle reaches oasis of Heihe is one of the most important oases in Northwest China and it is also the main commodity grain production base in Gansu Province. The use of surface water in Heihe is huge and has resulted in excessive utilization of surface water in the middle reaches of Heihe. The shortage of water resources has led to the deterioration of ecological environment in the oasis area in the middle reaches of Heihe, which has in turn caused significant damage to the development of Heihe oasis and agriculture. In order to accurately study the temporal and spatial changes of the oases in the middle reaches of Heihe, this study used MODIS satellite data to analyze the time-space variation characteristics of oases in the middle reaches of Heihe for the period from 2001 to 2015. Based on the Landsat/TM of 2001-2016, land use classification for the oasis area was obtained using the support vector machine classification. Then based on the HJ1A/CCD data for 2011–2016, a fine classification of crop planting structure was obtained from the HANTS filtered NDVI time series curve. The reason for the difference in satellite data selection was due to the failure in data quality and the late launch of the satellites. The land use classification method had high accuracy, with classification result accuracy higher than 88.46% and kappa coefficient of 0.81. The classification accuracy of wheat and maize compared with field verification points was higher than 90.8%. The results showed that 1) the area of the oasis in the middle reaches of Heihe generally increased. With the exception of 2014 and 2015 when the area of oasis slightly reduced, it increased from 2 701 km2in 2001 to 2 936 km2in 2015. 2) For 2001–2016, the area of bare land reduced by 436.7 km2, that of cultivated land increased by 91.3 km2, then of grassland and woodland increased by 289.6 km2and water body remained unchanged. 3) For 2011–2016, the planted area of wheat and corn decreased. Wheat total area decreased by 195.77 km2and that of corn decreased by 144.37 km2. The results provided the basis and reference for adjustment of the local agricultural structure and crop yield estimation, and water resources and oasis ecology protection. The innovation point of the paper was that the area of oasis calculated based on area calculation formula for vegetation coverage. This correctly reflected the trend of change in the middle reaches of Heihe in the over 15-year period. It provided a new method for the calculation of oasis area, which greatly improved the accuracy of calculation when using low resolution (over 250 m) satellite data.

Remote sensing; Oasis area; Land use; NDVI time series; Crop classification

, E-mail: zhaochao-1980@163.com

Jan. 17, 2018;

May 30, 2018

10.13930/j.cnki.cjea.180088

TP79

A

1671-3990(2018)09-1415-08

趙超, 主要研究方向?yàn)檗r(nóng)業(yè)遙感與數(shù)字國土。E-mail: zhaochao-1980@163.com 陳睿, 主要研究方向?yàn)檫b感。E-mail: zxa1031@163.com

2018-01-17

2018-05-30

* This study was supported by the National Natural Science Foundation of China (91425302).

* 國家自然科學(xué)基金項(xiàng)目(91425302)資助

陳睿, 趙超, 劉興冉, 郭英, 沈彥俊. 基于多源衛(wèi)星數(shù)據(jù)的黑河中游綠洲區(qū)土地利用分類與作物類型提取及其時(shí)空變化分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2018, 26(9): 1415-1422

CHEN R, ZHAO C, LIU X R, GUO Y, SHEN Y J. Land classification and spatio-temporal changes of wheat and corn in the middle reaches oasis of Heihe using multi-satellite data[J]. Chinese Journal of Eco-Agriculture, 2018, 26(9): 1415-1422