农牧交错地带撂荒地遥感识别研究——以青海省海东市乐都区为例

doi:10.14088/j.cnki.issn0439-8114.2024.01.036

湖北农业科学 ›› 2024, Vol. 63 ›› Issue (1): 199-205.doi: 10.14088/j.cnki.issn0439-8114.2024.01.036

农牧交错地带撂荒地遥感识别研究——以青海省海东市乐都区为例

叶鹏帅¹, 杨海镇¹, 马涛², 胡碧霞², 包喜文³, 赵之重²

1.青海民族大学政治与公共管理学院,西宁 810007;
2.青海大学农牧学院,西宁 810016;
3.东北农业大学公共管理学院与法学院,哈尔滨 150030

收稿日期:2023-03-17 出版日期:2024-01-25 发布日期:2024-02-05
通讯作者: 赵之重（1965-）,男,教授,博士,主要从事耕地资源监测与评价研究,（电子信箱）1989990003@qhu.edu.cn。
作者简介:叶鹏帅（1998-）,男,河南驻马店人,在读硕士研究生,研究方向为耕地资源监测与评价,（电话）15539686518（电子信箱）1796220951@qq.com。
基金资助:
青海省重点研发与转化计划项目（2022-QY-225）

Research on remote sensing identification of abandoned farmland in agricultural and animal husbandry interzone：Taking Ledu District, Haidong City, Qinghai Province as an example

YE Peng-shuai¹, YANG Hai-zhen¹, MA Tao², HU Bi-xia², BAO Xi-wen³, ZHAO Zhi-zhong²

1. College of Politics and Public Administration, Qinghai Minzu University, Xining 810007, China;
2. College of Agriculture and Animal Husbandry, Qinghai University, Xining 810016, China;
3. School of Public Administration and Law, Northeast Agricultural University, Harbin 150030, China

Received:2023-03-17 Online:2024-01-25 Published:2024-02-05

摘要/Abstract

摘要： 为了实现对耕地及时、准确的识别,借助遥感技术对农牧交错地带撂荒地进行识别提取,摸清撂荒地的空间分布特征。基于谷歌地球引擎（Google earth engine,GEE）平台,调用研究区Sentienel-1和Sentienel-2遥感影像并进行预处理,采用随机森林算法开展研究区土地利用分类研究,并通过GEE平台获取研究区2017—2022年NDVI月最大值合成数据,结合撂荒地样本和非撂荒地样本NDVI_夏、NDVI_春差值和NDVI_夏、NDVI_秋差值,设定分割阈值来提取研究区撂荒地。研究区2017—2022年总体分类精度OA均≥0.85,Kappa系数均≥0.80,整体分类效果良好,可以进行后续的耕地提取;从水平尺度看,研究区撂荒地集中分布在南北山地,其次分布在沿湟水河两岸;从垂直尺度看,随着海拔上升,撂荒率呈正态分布,撂荒地集中分布在2 000~2 500 m,撂荒率随着坡度的增加而增加,这与坡度的增加会导致耕地质量下降和农业机械的难以利用有很大关系。相较于传统土地利用遥感分类研究,借助GEE平台开展的撂荒地识别研究能够快速获悉区域尺度下的撂荒地分布情况,为提取该地区撂荒地和土地利用保护提供参考。

关键词: 耕地, 撂荒地, 空间分布特征, GEE, NDVI, 撂荒率, 青海省海东市乐都区

Abstract: In order to achieve timely and accurate identification of farmland, remote sensing technology was used to identify and extract abandoned farmland in the agricultural pastoral transitional zone, and to understand the spatial distribution characteristics of abandoned farmland.Based on the Google Earth Engine （GEE） platform, the study area’s Sentienel-1 and Sentienel-2 remote sensing images were called and preprocessed. The random forest algorithm was used to conduct land use classification research in the study area,and obtain the monthly maximum NDVI composite data of the study area from 2017 to 2022 through the GEE platform. Combined with the NDVI summer and spring differences and NDVI summer and autumn differences of abandoned and non abandoned farmland samples, segmentation thresholds to extract abandoned farmland in the study area were set. The results showed that the overall classification accuracy OA of the study area from 2017 to 2022 was ≥0.85, and the Kappa coefficient was ≥0.80. The overall classification effect was good, and it could be used for subsequent farmland extraction;from a horizontal scale, the abandoned farmland in the study area was mainly distributed in the north-south mountainous areas, followed by along the banks of the Huangshui River;from a vertical scale perspective, as the altitude increased, the abandonment rate followed a normal distribution, with abandoned farmland concentrated between 2 000 and 2 500 meters. The abandonment rate increased with the increase of slope, which was closely related to the decline in farmland quality and the difficulty in utilizing agricultural machinery caused by the increase of slope.Compared to traditional land use remote sensing classification research, abandoned farmland identification research conducted using the GEE platform could quickly obtain the distribution of abandoned farmland at the regional scale, providing reference for extracting abandoned farmland and land use protection in the region.

Key words: farmland, abandoned farmland, spatial distribution characteristics, GEE, NDVI, abandonment rate, Ledu District,Haidong City,Qinghai Province

中图分类号:

S127

叶鹏帅, 杨海镇, 马涛, 胡碧霞, 包喜文, 赵之重. 农牧交错地带撂荒地遥感识别研究——以青海省海东市乐都区为例[J]. 湖北农业科学, 2024, 63(1): 199-205.

YE Peng-shuai, YANG Hai-zhen, MA Tao, HU Bi-xia, BAO Xi-wen, ZHAO Zhi-zhong. Research on remote sensing identification of abandoned farmland in agricultural and animal husbandry interzone：Taking Ledu District, Haidong City, Qinghai Province as an example[J]. HUBEI AGRICULTURAL SCIENCES, 2024, 63(1): 199-205.

参考文献

[1] 李升发, 李秀彬. 中国山区耕地利用边际化表现及其机理[J]. 地理学报, 2018, 73(5): 803-817.
[2] CIBELE C,QUEIROZ R,RUTH C,et al.Farmland abandonment: Threat or opportunity for biodiversity conservation?A global review[J]. Frontiers in ecology and the environment,2014,12(5):288-296.
[3] 田玉军, 李秀彬, 马国霞, 等. 劳动力析出对生态脆弱区耕地撂荒的影响[J]. 中国土地科学, 2010, 24(7) : 4-9.
[4] 孙宏岭, 孙红霞. 威胁中国粮食安全最危险的因素——弃耕抛荒[J]. 粮食科技与经济, 2009, 33(1): 19-20.
[5] 尹虹潘, 刘渝琳. 城市化进程中农村劳动力的留守、进城与回流[J]. 中国人口科学, 2016(4): 26-36,126.
[6] 马永欢. 完善管理机制避免耕地撂荒[J]. 中国土地,2013(7): 36-37.
[7] 刘成武,李秀彬. 1980年以来中国农地利用变化的区域差异[J]. 地理学报, 2006(2): 139-145.
[8] 花晓波, 阎建忠, 袁小燕. 劳动力务农机会成本上升对丘陵山区农地弃耕的影响——以重庆市酉阳县为例[J]. 西南大学学报(自然科学版), 2014, 36(1): 111-119.
[9] 张佰林, 杨庆媛, 严燕, 等. 快速城镇化进程中不同类型农户弃耕特点及原因——基于重庆市十区县540户农户调查[J]. 资源科学, 2011, 33(11): 2047-2054.
[10] 陈航, 谭永忠, 邓欣雨, 等. 撂荒耕地信息获取方法研究进展与展望[J]. 农业工程学报, 2020, 36(23): 258-268.
[11] 王玲玉,陈全,吴跃,等. 基于地块级时序NDVI的喀斯特山区撂荒地特征精准识别[J]. 国土资源遥感,2020,32(3):23-31.
[12] 宋宪强, 梁钊雄, 周红艺,等. 基于决策树与时序NDVI变化检测的耕地撂荒遥感监测——以四川省凉山州普格县为例[J]. 山地学报, 2021,39(6): 912-921.
[13] 余李敏, 李阳兵, 罗光杰, 等. 贵州中部岩溶山区坡耕地时空演变特征及驱动因素分析[J].农业工程学报, 2022, 38(11): 289-298.
[14] 王兴辉. 浅议青海省海东市乐都区农业信息化发展现状、问题及对策[J]. 农业开发与装备, 2014(11): 47.
[15] 马扶林, 周秉荣, 许正福. 基于GIS的青海省主要农作物种植区划[J]. 现代农业科技, 2016(12): 207-208,212.
[16] 陈有禄. 湟水河干流沿线耕地撂荒原因解释[D]. 西宁: 青海师范大学, 2018.1-5.
[17] 王小娜, 田金炎, 李小娟, 等. 谷歌地球引擎云平台对遥感发展的改变[J]. 遥感学报, 2022, 26(2):299-309.
[18] HAN N, DU H Q, ZHOU G M, et al.Object-based classification using SPOT-5 imagery for Moso bamboo forest mapping[J]. International journal of remote sensing, 2014, 35(3): 1126-1142.
[19] 王德军, 姜琦刚, 李远华, 等. 基于Sentinel-2A/B时序数据与随机森林算法的农耕区土地利用分类[J]. 国土资源遥感, 2020, 32(4): 236-243.
[20] 吕雅慧, 张超, 郧文聚, 等. 高分辨率遥感影像农田林网自动识别[J]. 农业机械学报, 2018, 49(1): 157-163.
[21] 胡霞,周旭海. 日本防治耕地撂荒的现实困境与政策布局[J]. 亚太经济, 2022(1): 59-69.
[22] NAVARRO L M,HENRIQUE M,PEREIRA H M.Rewilding abandoned landscapes in Europe[J]. Ecosystems,2012,15(6):900-912.
[23] DENISKO D, HOFFMAN M M.Classification and interaction in random forests.[J]. Proceedings of the national academy of sciences of the United States of America, 2018, 115(8): 1690-1692.

农牧交错地带撂荒地遥感识别研究——以青海省海东市乐都区为例

Research on remote sensing identification of abandoned farmland in agricultural and animal husbandry interzone：Taking Ledu District, Haidong City, Qinghai Province as an example

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	石珊, 胡兵, 杨丛瑞. 基于深度学习的建筑物识别及占用耕地建房自动化监测——以湖南省长沙市X村为例[J]. 湖北农业科学, 2024, 63(1): 195-198.
[2]	江翀, 张其成. 康县耕地资源时空演化及优化研究[J]. 湖北农业科学, 2023, 62(9): 31-37.
[3]	周福开, 王海. 喀斯特地区耕地生态系统产品价值核算——以贵州省安顺市为例[J]. 湖北农业科学, 2023, 62(8): 69-74.
[4]	袁鹏, 王珂, 肖坚. 基于RMAU-Net网络模型的高分影像耕地提取[J]. 湖北农业科学, 2023, 62(8): 182-188.
[5]	李昊勋, 郑宏刚, 刘淑霞, 赵昊, 陈冉. 基于随机森林下的云南省耕地利用效率测算及基尼系数分析[J]. 湖北农业科学, 2023, 62(7): 32-37.
[6]	陈冉, 刘淑霞, 郑宏刚, 李昊勋, 赵昊. 县域农业劳动人口密度与耕地质量的关联性[J]. 湖北农业科学, 2023, 62(6): 77-81.
[7]	陈俊韬, 林锦耀. 基于地理探测器的耕地破碎化影响因素分析——以广州市为例[J]. 湖北农业科学, 2023, 62(5): 14-21.
[8]	侯磊, 段建南, 李萍. 多尺度下长浏平丘陵区耕地质量关键要素识别研究[J]. 湖北农业科学, 2023, 62(3): 8-15.
[9]	许晓婷, 王思恩, 焦俏, 邢东兴. 陕西关中平原撂荒耕地空间分布格局[J]. 湖北农业科学, 2023, 62(3): 75-79.
[10]	王潓琳, 刘新平. 耕地多功能评价研究[J]. 湖北农业科学, 2023, 62(3): 125-129.
[11]	海燕, 何孟琦, 孙咏琦, 郑舒元, 王建雄. 辽宁省NDVI时空变化及其与地形因子的关系[J]. 湖北农业科学, 2023, 62(3): 182-186.
[12]	刘美娥, 程震, 涂梨平, 刘涛鑫. 集约化农区耕地资源资产价值核算及其时空变化——以江西省九江市湖口县为例[J]. 湖北农业科学, 2023, 62(12): 69-77.
[13]	彭洪兵, 宋健, 尹雯, 钱招东, 滕欣, 孟雪. 基于PLUS模型的鄂西山区耕地景观格局多情景模拟[J]. 湖北农业科学, 2023, 62(11): 51-59.
[14]	琚玉枫, 田建林, 丁彬彬, 曾婷. 基于GIS的武陵源风景区峰林顶部植物群落稳定性评价[J]. 湖北农业科学, 2023, 62(10): 51-57.
[15]	周海文. 农村生态环境对耕地撂荒的影响——以CHIP2018数据为例[J]. 湖北农业科学, 2023, 62(10): 223-229.