en
×

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。
参考文献 1
王洪波, 程锋, 张中帆, 等. 中国耕地等别分异特性及其对耕地保护的影响. 农业工程学报 , 2011, 27(11): 1~8.
参考文献 2
姚远, 李效顺, 曲福田, 等. 中国经济增长与耕地资源变化计量分析. 农业工程学报 , 2012, 28(14): 209~215.
参考文献 3
唐华俊, 吴文斌, 杨鹏, 等. 农作物空间格局遥感监测研究进展. 中国农业科学 , 2010, 43(14): 2879~2888.
参考文献 4
朱孝林, 李强, 沈妙根, 等. 基于多时相NDVI数据的复种指数提取方法研究. 自然资源学报 , 2008(3): 534~544.
参考文献 5
刘巽浩. 中国的多熟种植. 北京农业大学出版社 , 1987.
参考文献 6
范锦龙, 吴炳方. 复种指数遥感监测方法. 遥感学报 , 2004(6): 628~636.
参考文献 7
CaoZ, DawsonR. Modeling circulation function in agroecosystems. Ecological Modelling , 2005, 181(4): 557~565.
参考文献 8
TeluguntlaP, ThenkabailPS, XiongJ, et al. Spectral matching techniques (SMTs) and automated cropland classification algorithms (ACCAs) for mapping croplands of Australia using MODIS 250-m time-series (2000—2015) data. International Journal of Digital Earth , 2017, 10(9): 944~977.
参考文献 9
JainM, MondalP, DefriesR S, et al. Mapping cropping intensity of smallholder farms: A comparison of methods using multiple sensors. Remote Sensing of Environment , 2013, 134(4): 210~223.
参考文献 10
WilkenF, WagnerP D, NarasimhanB, et al. Spatio-temporal patterns of land use and cropping frequency in a tropical catchment of South India. Applied Geography , 2017, 89: 124~132 .
参考文献 11
CampbellC A, ZentnerR P, SellesF, et al. Cropping frequency effects on yield of grain, straw, plant N, N balance and annual production of spring wheat in the semiarid prairie. Canadian Journal of Plant Science , 2004, 84(2): 487~501.
参考文献 12
CohnA S, VanweyL K, SperaS A, et al. Cropping frequency and area response to climate variability can exceed yield response. Nature Climate Change , 2016, 6(6).
参考文献 13
左丽君, 张増祥, 董婷婷, 等. 耕地复种指数研究的国内外进展. 自然资源学报 , 2009, 24(3): 553~560.
参考文献 14
陈百明. 未来中国的农业资源综合生产能力与食物保障. 地理研究 , 2002, 21(3): 294~304.
参考文献 15
吴文斌, 杨鹏, 李正国, 等. 农作物空间格局变化研究进展评述. 中国农业资源与区划 , 2014, 35(1): 12~20.
参考文献 16
安祥生, 徐勇, 汤青. 中国适垦耕地空间分异特征研究. 地理与地理信息科学 , 2011, 27(3): 54~57.
参考文献 17
GonsamoA, ChenJ M, PriceD T, et al. Land surface phenology from optical satellite measurement and CO2 eddy covariance technique. Journal of Geophysical Research Biogeosciences , 2015, 117(G3): 1472~1472.
参考文献 18
王连喜, 陈怀亮, 李琪, 等. 植物物候与气候研究进展. 生态学报 , 2010, 20(2): 447~454.
参考文献 19
WhiteM A, ThorntonP E, RunningS W. A continental phenology model for monitoring vegetation responses to interannual climatic variability. Global Biogeochemical Cycles , 1997, 11(2): 217~234.
参考文献 20
JönssonP, EklundhL. TIMESAT—a program for analyzing time-series of satellite sensor data . Computers & Geosciences , 2004, 30(8): 833~845.
参考文献 21
飞思科技产品研发中心. 神经网络理论与MATLAB 7实现. 北京:电子工业出版社, 2005.
参考文献 22
杜华强, 范文义. Matlab自组织神经网络在遥感图像分类中的应用. 东北林业大学学报 , 2003, 31(4): 51~53.
目录 contents

    摘要

    目的

    耕地是人类在长期农业生产活动下形成的一种重要资源,是人们赖以生存的基础和保障。目前,我国耕地资源总量不断减少,利用程度不高,集约化利用面临着严峻挑战。掌握耕地的种植强度及其分布特征,对于提高区域耕地资源的利用效率和优化农作物种植结构十分重要,同时也有利于缓解日益严峻的粮食安全问题。

    方法

    文章以江汉平原为研究区,利用2000—2017年MODIS植被指数产品数据MOD13Q1,通过定义双季种植强度、平均种植强度和总体种植强度等3个指标,分析了近20年间江汉平原耕地种植强度的分布特征,并运用SOM自组织神经网络分析法对3个指标进行非监督聚类分析,得到了江汉平原耕地种植强度的分区情况。

    结果

    江汉平原绝大部分地区具备良好的农业生产条件,农业活动强度高。传统的双季农作物种植分布区的耕地种植强度较高,传统的单季农作物种植分布区的耕地种植强度较低,种植频率与种植强度之间存在显著的相关关系。

    结论

    该文得到的耕地种植强度数据集,可以实现对耕地集约利用状况进行及时、精确的监测和评价,对于指导制定农业生产政策、保障国家粮食安全具有重要意义。

    Abstract

    Purpose

    Cultivated land is an important resource formed under the long-term agricultural production activities of mankind,and it is the basis and guarantee for our survival. At present,the total amount of arable land resources in China is continuously decreasing and the degree of utilization is not high. The intensive use of arable land resources faces severe challenges.Therefore,grasping the planting intensity and distribution characteristics of cultivated land resources is very important for improving the utilization efficiency of cultivated land resources in the region and optimizing the planting structure of crops,and it is also conducive to solve increasingly serious food security problems. Therefore,grasping the planting intensity and distribution characteristics of cultivated land resources is very important for improving the utilization efficiency of cultivated land resources in the region and optimizing the planting structure of crops,and it is also conducive to solve increasingly serious food security problems.

    Method

    This paper takes Jianghan Plain as the research area,uses NDVI data of vegetation index in MOD13Q1 product from 2000 to 2017,adopts S-G filtering method to fit and reconstruct the time series NDVI data,and then,through the definition of the double-season cropping intensity,average cropping intensity and total cropping intensity,the distribution characteristics of cropping intensity of cultivated land in the Jianghan Plain were analyzed over the past 20 years,and the SOM self-organizing neural network analysis was used to analyze the three indicators.

    Result

    Most areas in the Jianghan Plain have good agricultural production conditions and high intensity of agricultural activities. The traditional double-season crop planting distribution area has higher cropping intensity,and the traditional single-season crop planting distribution area has lower cropping intensity,and there is a significant correlation between cropping frequency and cropping intensity.

    Conclusion

    The data set of cultivated land planting intensity obtained by this method can realize timely and accurate monitoring and evaluation of the intensive use of cultivated land,which is of great significance for guiding the formulation of agricultural production policies and ensuring national food security.

  • 0 引言

    0

    耕地是进行农业生产的基本资源和条件,是人类物质文明和精神文明的来源。近年来,由于我国城市化水平和工业化水平不断提高,人口总数持续增长,导致耕地被不断蚕食,耕地资源总量和质量都面临着严峻的挑1。同时,整体上耕地资源缺乏科学管理和合理配置,导致耕地资源利用效率长期处于较低水平。因此,提高耕地的集约利用水平对于农业的可持续发展和国家粮食安全保障工作十分重2

    在耕地集约利用研究中,国内学者通常使用复种指数来表示耕地资源的利用程度。复种指数是指耕地在年内种植农作物的次数,复种指数越大,表明人类农业活动对耕地资源的利用程度越3,4,5,6,在单产不明显变化时,对应耕地的粮食产量也越7。同时,国外学者通常使用种植频率(Cropping Frequency)和种植强度(Cropping Intensity)作为耕地资源集约利用的评价指标,其中种植频率表示一年内耕地种植农作物的次数,种植强度表示年内耕地种植的农作物收获的次8,9,10,11,12。这两个指标和国内使用较多的复种指数的含义很相近,都可以作为耕地资源利用程度的评价指标,揭示耕地资源的利用状况并为区域粮食安全提供重要保13。遥感具有大面积同步观测的能力,更新速度快,时效性强,在区域尺度耕地资源监测中得到广泛应用。江汉平原所处的长江中下游地区是我国经济和人口快速发展的区域,也是耕地资源被各种建设项目大量侵占的区域,更是我国耕地资源长期保护的重点区14。该文基于时间序列MODIS数据中提取的种植频率数据,构建了3种指标(双季种植强度、平均种植强度、总体种植强度)对耕地种植强度进行表达。江汉平原耕地资源的集约利用研究,对于及时准确地掌握农作物分布格局以及该区域的农业发展和粮食安全具有重要的现实意15

  • 1 研究区概况及数据预处理

    1
  • 1.1 研究区概况

    1.1

    江汉平原位于湖北省中南部(图1),属于长江中下游平原的一部分,是由长江及其最大干流汉江冲积形成。江汉平原海拔高度小于500 m、地形起伏平缓,水热条件较好,耕地资源集16,是我国重要的粮食基地之一。主要的种植作物包括水稻、小麦、油菜、棉花等,农作物种植频率主要分为一年一季种植和一年两季种植。

    图1
                            研究区行政区划

    图1 研究区行政区划

    Fig.1 Administrative map of research area

  • 1.2 数据源

    1.2

    本文采用的数据包括EOS/TERRA卫星的MOD13Q1植被指数产品数据和Landsat8数据。MOD13Q1植被指数产品数据来源于美国国家航空航天局(NASA)地球资源观测系统数据中心网站(https://ladsweb.modaps.eosdis.nasa.gov/)。MOD13Q1数据为陆地专题植被指数产品数据,其空间分辨率为250 m,时间分辨率为16 d,包括12种数据集图层,主要有归一化植被指数、增强型植被指数、质量图层等。本文选取的MOD13Q1产品归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据的时间为2000—2017年,18年间共计411期,Landsat8数据时间为2015年3月6日,条带号和行编号分别为124、39,用于制作验证区土地覆盖分类图。

  • 1.3 数据预处理

    1.3

    本文利用Modis Reprojection Tool批处理工具对MOD13Q1数据进行批量拼接、重采样、重投影等处理,重采样方法为Nearest Neighbor,重投影方式为UTM(Universal Transverse Mercator Projection)投影。由于Landsat土地覆盖数据的空间分辨率为30 m,远高于MODIS数据的250 m分辨率,因此需要进行MODIS数据重采样,使之与Landsat数据的空间分辨率相同,以便进行两种数据的空间对比和精度评价。

    在遥感数据获取过程中,传感器易受到云、水汽、气溶胶、太阳高度角等因素的影响,造成了植被指数时间序列曲线不稳定,例如时间序列呈现锯齿状波动状态、存在异常值等状况,这一问题给物候信息的提取和趋势分析造成了一定的困难。因此需要对时间序列数据进行平滑处理,以消除噪声的影响。本文采用Savizky-Golay滤波法对时序数据进行拟合重建。

  • 2 研究方法

    2

    时间序列NDVI曲线图可以用来描述植被生长期内的生长与衰落的周期性变化过程。对农作物而言,单季农作物的NDVI曲线在年内显示为一个波峰,双季农作物的NDVI曲线在年内形成两个波峰。因此,通过S-G滤波法对时间序列NDVI曲线进行拟合处理,得到重建的农作物生长曲线,以此作为区分单/双季农作物的依据。

    江汉平原种植强度时空格局分析的过程分为4个步骤:首先,从时间序列NDVI中提取了生长季起始期、生长季结束期、生长季长度3个物候参数;然后运用非监督分类法对提取的物候参数进行聚类处理,得到种植频率数据;接下来基于种植频率数据定义了3种指标:双季种植强度、平均种植强度、总体种植强度,来表达耕地的种植强度;最后,利用自组织神经网络(Self-Organizing Map,SOM)进行种植强度分析,并得到种植强度分区图。

  • 2.1 物候参数提取

    2.1

    植被物候是指植被在完整生长周期中的生长特点,主要包括植被的发芽生根、出苗、开花、结果、落叶等过17,18,反映的是植被对各种自然环境、社会人文等因子动态变化的响应过19。随着遥感技术的发展,利用遥感数据反演得到的植被指数数据可以模拟植被随时间变化的生长全过程,因此通过提取植被生长模拟过程中的关键信息,如生长季起始期、生长季结束期、生长季长度等,即可进行植被物候信息提取。

    TIMESAT(Time-series Satellite Data Analysis Tool,TIMESAT20是一款强大的时间序列遥感影像数据处理分析软件。TIMESAT集成了Savitzky-Golay滤波法、双线性逻辑函数拟合法、非对称高斯拟合法等3种不同的数据拟合算法,能够对不同时间分辨率的时间序列数据进行拟合处理,并提取丰富的物候信息。

    利用TIMESAT软件对时间序列NDVI曲线进行拟合重建,并添加了质量控制数据集来提高拟合效果。同时,通过重建的时间序列NDVI曲线提取得到植被物候信息,主要包括生长季起始期、生长季结束期、生长季长度、基准值、最大值、振幅等物候参数。本文选取比较有代表性的生长季起始期、生长季结束期和生长季长度等3种物候参数(如图2所示)。图3为2017年的3种物候参数分布数据。可以看到,双季农作物的第一个生长季的起始期大约在一年中的第33d至第49d之间,结束期大约在第113d至第129d之间,第一个生长季长度大约为80—96d;单季作物的生长季起始期大约在第145d至第161d之间,结束期大约在第257d至273d之间,生长季长度大约为96d至112d。

    图2
                            基于时间序列NDVI数据的物候参数提取

    图2 基于时间序列NDVI数据的物候参数提取

    Fig.2 Phenological parameter extraction based on time series NDVI data

    图3
                            2017年江汉平原植被物候信息分布

    图3 2017年江汉平原植被物候信息分布

    Fig.3 Distribution of vegetation phenological information in Jianghan Plain in 2017

  • 2.2 种植频率提取

    2.2

    在没有样本先验知识的情况下,利用3种物候参数采用ISODATA算法进行聚类,目标分类数为5类:单季农作物、双季农作物、城镇建设用地、水体、天然植被。将天然植被、水体、城镇建设用地等合并为其他一类。最终得到3个类别:单季作物、双季作物、其他。2000—2017年江汉平原部分年份种植频率分布见图4

    图4
                            2000—2017年江汉平原部分年份单双季农作物种植分布

    图4 2000—2017年江汉平原部分年份单双季农作物种植分布

    Fig.4 Distribution of single-season and double-season crops in some years of Jianghan Plain

  • 2.3 种植强度提取

    2.3

    基于上述种植频率数据,本文定义了3种指标:双季种植强度、平均种植强度、总体种植强度,来表征耕地的种植强度。

  • 2.3.1 双季种植强度

    2.3.1

    将双季种植强度定义为研究期内某像元为双季农作物种植的累积年数。综合历年江汉平原种植频率分布图进行重分类,得到双季农作物种植强度分布图。其中,像元值为“0”表示该地物类型为非农用地,像元值域为“1~7”表示双季种植强度为“低”,值域“8~14”表示双季种植强度为“中”,值域“15~18”表示双季种植强度为“高”。

  • 2.3.2 平均种植强度

    2.3.2

    将历年江汉平原农作物种植频率分布图中的单季农作物区域像元值赋值为“1”,双季农作物区域像元值赋值为“2”,其他区域像元值赋为“0”,然后进行多年平均种植强度计算。

  • 2.3.3 总体种植强度

    2.3.3

    将农作物总体种植强度定义为2000—2017年江汉平原耕地中进行过农作物种植活动的像元年数。利用SOM自组织神经网络对双季种植强度、平均种植强度、总体种植强度3个指标进行聚类分析,得到江汉平原耕地种植强度分区图。该方法将总体种植强度数

    据进行重分类,其中像元值为“0”的区域代表非农用地,值域“1~7”的区域表示该地区总体种植强度为“低”,值域“8~14”的区域表示该地区总体种植强度为“中”,值域“15~18”的区域表示该地区总体种植强度为“高”。

  • 2.4 种植强度分区

    2.4

    SOM自组织神经网络又称为Kohonen网络,是芬兰学者Kohonen在1981年提出的一种自组织竞争人工神经网21。自组织神经网络模仿人脑的特点,能够在没有先验知识的情况下自动寻找神经网络中存在的内在规律和本质特征,其本质上是一种非监督分22。本文利用SOM自组织神经网络方法对双季农作物种植强度、平均种植强度和总体种植强度进行聚类分析,得到江汉平原耕地种植强度分区。

  • 3 种植强度空间格局

    3
  • 3.1 双季种植强度空间格局

    3.1

    2000—2017年江汉平原双季种植强度分布见图5,6。分析可知,江汉平原双季种植强度的高值区域主要位于江陵、潜江、公安北部、松滋东北部、当阳中南部、枝江西部、天门西南部、仙桃西部、云梦西部等地,表明以上区域为双季农作物稳定种植的主要分布区;中值区域集中分布于松滋中部以及枝江、荆州、天门等部分区域;低值区域主要分布于应城、监利中部、仙桃中东部、天门北部、云梦中东部、汉川北部等地。同时,低、中、高种植强度区域面积占农用地总面积的比例分别为42.84%、33.09%、24.07%。其中研究期间均种植双季农作物的区域仅占5.08%,主要分布于江陵、当阳中南部、天门西南部等地。

    图5
                            2000—2017年江汉平原双季种植强度

    图5 2000—2017年江汉平原双季种植强度

    Fig.5 Double-season cropping intensity in Jianghan Plain from 2000 to 2017

    图6
                            2000—2017年江汉平原双季种植强度重分类

    图6 2000—2017年江汉平原双季种植强度重分类

    Fig.6 Reclassification of double-season cropping intensity in Jianghan Plain from 2000 to 2017

  • 3.2 平均种植强度空间格局

    3.2

    2000—2017年江汉平原平均种植强度分布图如图7所示。分析发现,高值区域和江汉平原双季种植高强度区域范围比较一致,低值区域和江汉平原水体、天然植被、人工建筑等类别分布范围比较一致,中间值区域和江汉平原单季农作物分布范围比较一致。其中平均种植强度高值区集中在江陵、公安、松滋、石首等地的沿长江区域,以及当阳东部、潜江、天门西南部、仙桃西部等区域;中间值区域集中在枝江西部、松滋西部、监利、应城、云梦、仙桃中东部、洪湖中部、荆州区、沙市区、公安南部等区域。

    图7
                            2000—2017年江汉平原农作物平均种植强度空间分布

    图7 2000—2017年江汉平原农作物平均种植强度空间分布

    Fig.7 Distribution of average cropping intensity of crops in Jianghan Plain from 2000 to 2017

  • 3.3 总体种植强度空间格局

    3.3

    2000—2017年江汉平原总体种植强度分布见图8,9。分析发现,江汉平原耕地中绝大部分区域均位于“高”值区,其面积占全部耕地面积的比例为83.12%;“中”值区域零星,其面积占全部耕地面积的比例为10.13%;“低”值区域主要分布于水域、城镇、天然植被等非耕地周边,其面积占全部耕地面积的比例为6.75%。总体上,2000—2017年江汉平原农用地中有57.11%的区域每年均有农作物种植。

  • 3.4 种植强度分区

    3.4

    10为2000—2017年江汉平原耕地种植强度分区图。其中类别C1表示该区域耕地种植强度高,类别C2表示该区域耕地种植强度中等,类别C3表示该区域耕地种植强度较低。分析可知,江陵、潜江、公安北部、松滋东北部、当阳东南部、枝江东部、天门西南部、仙桃西部等地耕地种植强度较高;松滋中部、枝江中东部、荆州中部等地耕地种植强度中等;监利中部、公安南部、天门北部、应城、云梦中东部、汉川北部、仙桃东部等地耕地种植强度较低。其中,耕地种植强度较高的类别C1面积占农用地总面积的比例为35.64%,耕地种植强度的中等类别C2面积占农用地总面积的比例为33.85%,耕地种植强度较低的类别C3面积占农用地总面积的比例为30.51%。

    图8
                            2000—2017年江汉平原农作物总体种植强度

    图8 2000—2017年江汉平原农作物总体种植强度

    Fig.8 Distribution of total cropping intensity of crops in Jianghan Plain from 2000 to 2017

    图9
                            2000—2017年江汉平原农作物总体种植强度重分类

    图9 2000—2017年江汉平原农作物总体种植强度重分类

    Fig.9 Reclassification of total cropping intensity in Jianghan Plain from 2000 to 2017

    图10
                            2000—2017年江汉平原耕地种植强度空间分区

    图10 2000—2017年江汉平原耕地种植强度空间分区

    Fig.10 Spatial division of cropping intensity in Jianghan Plain from 2000 to 2017

  • 4 结论

    4

    本文利用近20年MODIS数据对江汉平原耕地种植强度的空间格局进行了分析。首先对MODIS时序数据进行拟合,提取植被物候参数,并运用非监督分类方法得到2000—2017年江汉平原农作物种植频率分布图;在此基础上,通过定义双季种植强度、平均种植强度、总体种植强度3个指标,运用SOM自组织神经网络分析法得到江汉平原耕地种植强度分区图。结果表明,江汉平原绝大部分地区均为高种植强度区域,具备良好的农业生产条件,农业活动强度高。同时传统的双季农作物种植分布区的耕地种植强度较高,传统的单季农作物种植分布区的耕地种植强度较低,表明农作物种植频率与耕地种植强度之间存在明显的正相关性。本文构建的耕地种植强度的指标,对于及时准确了解耕地种植强度的时空格局,提高耕地资源的集约利用水平具有重要意义。

  • 参考文献

    • 1

      王洪波, 程锋, 张中帆, 等. 中国耕地等别分异特性及其对耕地保护的影响. 农业工程学报 , 2011, 27(11): 1~8.

    • 2

      姚远, 李效顺, 曲福田, 等. 中国经济增长与耕地资源变化计量分析. 农业工程学报 , 2012, 28(14): 209~215.

    • 3

      唐华俊, 吴文斌, 杨鹏, 等. 农作物空间格局遥感监测研究进展. 中国农业科学 , 2010, 43(14): 2879~2888.

    • 4

      朱孝林, 李强, 沈妙根, 等. 基于多时相NDVI数据的复种指数提取方法研究. 自然资源学报 , 2008(3): 534~544.

    • 5

      刘巽浩. 中国的多熟种植. 北京农业大学出版社 , 1987.

    • 6

      范锦龙, 吴炳方. 复种指数遥感监测方法. 遥感学报 , 2004(6): 628~636.

    • 7

      Cao Z, Dawson R. Modeling circulation function in agroecosystems. Ecological Modelling , 2005, 181(4): 557~565.

    • 8

      Teluguntla P, Thenkabail PS, Xiong J, et al. Spectral matching techniques (SMTs) and automated cropland classification algorithms (ACCAs) for mapping croplands of Australia using MODIS 250-m time-series (2000—2015) data. International Journal of Digital Earth , 2017, 10(9): 944~977.

    • 9

      Jain M, Mondal P, Defries R S, et al. Mapping cropping intensity of smallholder farms: A comparison of methods using multiple sensors. Remote Sensing of Environment , 2013, 134(4): 210~223.

    • 10

      Wilken F, Wagner P D, Narasimhan B, et al. Spatio-temporal patterns of land use and cropping frequency in a tropical catchment of South India. Applied Geography , 2017, 89: 124~132 .

    • 11

      Campbell C A, Zentner R P, Selles F, et al. Cropping frequency effects on yield of grain, straw, plant N, N balance and annual production of spring wheat in the semiarid prairie. Canadian Journal of Plant Science , 2004, 84(2): 487~501.

    • 12

      Cohn A S, Vanwey L K, Spera S A, et al. Cropping frequency and area response to climate variability can exceed yield response. Nature Climate Change , 2016, 6(6).

    • 13

      左丽君, 张増祥, 董婷婷, 等. 耕地复种指数研究的国内外进展. 自然资源学报 , 2009, 24(3): 553~560.

    • 14

      陈百明. 未来中国的农业资源综合生产能力与食物保障. 地理研究 , 2002, 21(3): 294~304.

    • 15

      吴文斌, 杨鹏, 李正国, 等. 农作物空间格局变化研究进展评述. 中国农业资源与区划 , 2014, 35(1): 12~20.

    • 16

      安祥生, 徐勇, 汤青. 中国适垦耕地空间分异特征研究. 地理与地理信息科学 , 2011, 27(3): 54~57.

    • 17

      Gonsamo A, Chen J M, Price D T, et al. Land surface phenology from optical satellite measurement and CO2 eddy covariance technique. Journal of Geophysical Research Biogeosciences , 2015, 117(G3): 1472~1472.

    • 18

      王连喜, 陈怀亮, 李琪, 等. 植物物候与气候研究进展. 生态学报 , 2010, 20(2): 447~454.

    • 19

      White M A, Thornton P E, Running S W. A continental phenology model for monitoring vegetation responses to interannual climatic variability. Global Biogeochemical Cycles , 1997, 11(2): 217~234.

    • 20

      Jönsson P, Eklundh L. TIMESAT—a program for analyzing time-series of satellite sensor data . Computers & Geosciences , 2004, 30(8): 833~845.

    • 21

      飞思科技产品研发中心. 神经网络理论与MATLAB 7实现. 北京:电子工业出版社, 2005.

    • 22

      杜华强, 范文义. Matlab自组织神经网络在遥感图像分类中的应用. 东北林业大学学报 , 2003, 31(4): 51~53.

陈瑞卿

机 构:

1. 地理过程分析与模拟湖北省重点实验室/华中师范大学城市与环境科学学院,武汉430079

2. 中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081

Affiliation:

1. Key Laboratory for Geographical Process Analysis & Simulation of Hubei Province/College of Urban and Environmental Sciences,Central China Normal University,Wuhan 430079,China

2. Institute of Agricultural Resources and Regional Planning,Chinese Academy of Agricultural Sciences/Key Laboratory of Agricultural Remote Sensing,Ministry of Agriculture,Beijing 100081,China

角 色:第一作者

Role:First author

邮 箱:chenrq@mails.ccnu.edu.cn

第一作者简介:陈瑞卿(1993—),男,汉族,湖北黄冈人,博士研究生。研究方向:农情遥感。Email:chenrq@mails.ccnu.edu.cn

陶建斌

机 构:地理过程分析与模拟湖北省重点实验室/华中师范大学城市与环境科学学院,武汉430079

Affiliation:Key Laboratory for Geographical Process Analysis & Simulation of Hubei Province/College of Urban and Environmental Sciences,Central China Normal University,Wuhan 430079,China

角 色:通讯作者

Role:Corresponding author

邮 箱:taojb@mail.ccnu.edu.cn

作者简介:陶建斌(1975—),男,汉族,湖北孝感人,博士,副教授。研究方向:农业土地系统。Email:taojb@mail.ccnu.edu.cn

徐猛

机 构:地理过程分析与模拟湖北省重点实验室/华中师范大学城市与环境科学学院,武汉430079

Affiliation:Key Laboratory for Geographical Process Analysis & Simulation of Hubei Province/College of Urban and Environmental Sciences,Central China Normal University,Wuhan 430079,China

html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image001.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image002.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image003.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image004.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image005.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image006.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image007.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image008.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image009.png
html/zgnyxx/20180306/media/7a49d084-6b9b-4895-b4c4-48257daa0ed1-image010.png

图1 研究区行政区划

Fig.1 Administrative map of research area

图2 基于时间序列NDVI数据的物候参数提取

Fig.2 Phenological parameter extraction based on time series NDVI data

图3 2017年江汉平原植被物候信息分布

Fig.3 Distribution of vegetation phenological information in Jianghan Plain in 2017

图4 2000—2017年江汉平原部分年份单双季农作物种植分布

Fig.4 Distribution of single-season and double-season crops in some years of Jianghan Plain

图5 2000—2017年江汉平原双季种植强度

Fig.5 Double-season cropping intensity in Jianghan Plain from 2000 to 2017

图6 2000—2017年江汉平原双季种植强度重分类

Fig.6 Reclassification of double-season cropping intensity in Jianghan Plain from 2000 to 2017

图7 2000—2017年江汉平原农作物平均种植强度空间分布

Fig.7 Distribution of average cropping intensity of crops in Jianghan Plain from 2000 to 2017

图8 2000—2017年江汉平原农作物总体种植强度

Fig.8 Distribution of total cropping intensity of crops in Jianghan Plain from 2000 to 2017

图9 2000—2017年江汉平原农作物总体种植强度重分类

Fig.9 Reclassification of total cropping intensity in Jianghan Plain from 2000 to 2017

图10 2000—2017年江汉平原耕地种植强度空间分区

Fig.10 Spatial division of cropping intensity in Jianghan Plain from 2000 to 2017

image /

无注解

无注解

无注解

无注解

无注解

无注解

无注解

无注解

无注解

无注解

  • 参考文献

    • 1

      王洪波, 程锋, 张中帆, 等. 中国耕地等别分异特性及其对耕地保护的影响. 农业工程学报 , 2011, 27(11): 1~8.

    • 2

      姚远, 李效顺, 曲福田, 等. 中国经济增长与耕地资源变化计量分析. 农业工程学报 , 2012, 28(14): 209~215.

    • 3

      唐华俊, 吴文斌, 杨鹏, 等. 农作物空间格局遥感监测研究进展. 中国农业科学 , 2010, 43(14): 2879~2888.

    • 4

      朱孝林, 李强, 沈妙根, 等. 基于多时相NDVI数据的复种指数提取方法研究. 自然资源学报 , 2008(3): 534~544.

    • 5

      刘巽浩. 中国的多熟种植. 北京农业大学出版社 , 1987.

    • 6

      范锦龙, 吴炳方. 复种指数遥感监测方法. 遥感学报 , 2004(6): 628~636.

    • 7

      Cao Z, Dawson R. Modeling circulation function in agroecosystems. Ecological Modelling , 2005, 181(4): 557~565.

    • 8

      Teluguntla P, Thenkabail PS, Xiong J, et al. Spectral matching techniques (SMTs) and automated cropland classification algorithms (ACCAs) for mapping croplands of Australia using MODIS 250-m time-series (2000—2015) data. International Journal of Digital Earth , 2017, 10(9): 944~977.

    • 9

      Jain M, Mondal P, Defries R S, et al. Mapping cropping intensity of smallholder farms: A comparison of methods using multiple sensors. Remote Sensing of Environment , 2013, 134(4): 210~223.

    • 10

      Wilken F, Wagner P D, Narasimhan B, et al. Spatio-temporal patterns of land use and cropping frequency in a tropical catchment of South India. Applied Geography , 2017, 89: 124~132 .

    • 11

      Campbell C A, Zentner R P, Selles F, et al. Cropping frequency effects on yield of grain, straw, plant N, N balance and annual production of spring wheat in the semiarid prairie. Canadian Journal of Plant Science , 2004, 84(2): 487~501.

    • 12

      Cohn A S, Vanwey L K, Spera S A, et al. Cropping frequency and area response to climate variability can exceed yield response. Nature Climate Change , 2016, 6(6).

    • 13

      左丽君, 张増祥, 董婷婷, 等. 耕地复种指数研究的国内外进展. 自然资源学报 , 2009, 24(3): 553~560.

    • 14

      陈百明. 未来中国的农业资源综合生产能力与食物保障. 地理研究 , 2002, 21(3): 294~304.

    • 15

      吴文斌, 杨鹏, 李正国, 等. 农作物空间格局变化研究进展评述. 中国农业资源与区划 , 2014, 35(1): 12~20.

    • 16

      安祥生, 徐勇, 汤青. 中国适垦耕地空间分异特征研究. 地理与地理信息科学 , 2011, 27(3): 54~57.

    • 17

      Gonsamo A, Chen J M, Price D T, et al. Land surface phenology from optical satellite measurement and CO2 eddy covariance technique. Journal of Geophysical Research Biogeosciences , 2015, 117(G3): 1472~1472.

    • 18

      王连喜, 陈怀亮, 李琪, 等. 植物物候与气候研究进展. 生态学报 , 2010, 20(2): 447~454.

    • 19

      White M A, Thornton P E, Running S W. A continental phenology model for monitoring vegetation responses to interannual climatic variability. Global Biogeochemical Cycles , 1997, 11(2): 217~234.

    • 20

      Jönsson P, Eklundh L. TIMESAT—a program for analyzing time-series of satellite sensor data . Computers & Geosciences , 2004, 30(8): 833~845.

    • 21

      飞思科技产品研发中心. 神经网络理论与MATLAB 7实现. 北京:电子工业出版社, 2005.

    • 22

      杜华强, 范文义. Matlab自组织神经网络在遥感图像分类中的应用. 东北林业大学学报 , 2003, 31(4): 51~53.