摘要
粮食安全是基本国策，西南山区由于农村劳动力大量进入城市，造成已有耕地大量抛荒或进行低密度种植，粮食产量低于正常耕地，危害地区粮食安全。及时监测撂荒耕地，获取撂荒耕地时空分布及变化特征，对后续实施耕地保护政策、保障粮食安全具有重大意义。我国西南亚热带湿润气候山区耕地破碎，耕种作物种类复杂，云雾量大，利用中低分辨率光学时序影像在本地化进行撂荒耕地提取耗时耗力，且精度难以保证，因此需要更高时空分辨率光学影像及多云雾时段雷达影像进行辅助提取，随着云计算平台的出现，其提供各类型遥感数据、影像计算、机器学习分类方法，使得长时间、大尺度撂荒耕地快速提取成为可能。 本文以四川省宜宾市南部兴文县、高县、珙县、筠连县、长宁县共5个山区县为例。基于GEE平台，分别进行光谱、特征指数计算;利用时序影像月度合成、百分位数合成、区间均值合成进行特征优选得到适宜与亚热带山区地类分类特征;利用改进的随机森林(RF)分类器潜在耕地分类;在此基础上根据阈值分割模型优选结合年际变化监测，获得亚热带山区撂荒耕地分布图;并探讨撂荒耕地空间分布及景观格局及2030年耕地变化预测。本研究结果如下: (1)在GEE云平台海量数据与强大并行计算能力的支持下，充分考虑西南亚热带山地地区常年云雾对光学影像的遮蔽，覆被复杂多变现状，本文利用Sentinel～1、Sentinel～2系列数据，利用云平台算力进行月度以及度量合成，在分类过程中考虑了耕地、草地、灌木丛等潜在撂荒耕地的光谱及指数特征，去云处理后创建了适宜提取的最佳光谱特征和地形特征的数据集，并运用优化后随机森林算法，获得2017、2018、2019、2020、2021、2022、2023年的潜在撂荒耕地变化信息，提取精度在90.12％～96.25％之间，Kappa系数在0.82～0.96之间，表明在多云雾耕地破碎山区取得较高地物分类精度。 (2)潜在撂荒耕地提取基础上，确定潜在耕地内不同地类NDVI变化情况，确定最佳阈值分割模型，并进行年内变化监测、年际变化监测、年内年际联合变化监测。首先，利用NDVI年内，年际变化建立阈值分割模型，确定其中草地、灌木、耕地的NDVI变化阈值，模型导入ArcGIS10.4建立模型构建器进行撂荒耕地提取。最终提取出2017～2023年宜宾南部山区撂荒耕地分布图，分析得出宜宾南部山区撂荒率在7.40％～10.61％之间波动，与22份2022年7月撂荒耕地实地采样样本实证对比发现，与实际撂荒现象基本吻合。 (3)研究区整体撂荒率较高情况下，其分布与海拔关系密切，相较于低海拔地区，撂荒率为3.24％左右，而海拔800～1500m、1500～1795m区间撂荒率达到18.46％与15.95％，撂荒现象较为严重。进行撂荒耕地景观格局分析后发现:宜宾南部山区5个县份的撂荒耕地较为破碎，其形态上呈现出不规则，形状不均匀，在空间格局上呈现出全域零散分布，表明后续政府对撂荒耕地复耕工作上，工作重点不仅应聚焦于海拔800m以上区域，且应对境内零碎撂荒耕地分布较多区域进行土地合并与集中整治工作。
NETL