田 羅, 周文佐, 何萬華, 趙 曉, 劉東紅, 章金城

?

2000—2016年四川省耕地種植指數(shù)時空變化及其自然潛力分析*

田 羅, 周文佐**, 何萬華, 趙 曉, 劉東紅, 章金城

(西南大學地理科學學院 重慶 400715)

種植指數(shù)是反映耕地利用強度的基礎性指標, 明確其空間格局、時間演變是合理制定農(nóng)業(yè)決策的基礎。本文以四川省2000—2016年MODIS-NDVI長時間序列數(shù)據(jù)為數(shù)據(jù)源, 通過提取耕地NDVI時序曲線峰值頻數(shù), 進而提取四川省2000—2016年耕地種植指數(shù), 分析其時空格局及演變, 并結合積溫-降水模型對區(qū)域耕地潛力種植指數(shù)分布進行了分析, 為明確四川省耕地種植指數(shù)時空特征及演變和引導耕地合理集約利用提供科學依據(jù)。結果顯示: 研究時段內(nèi), 一年1熟一直是四川省主要的熟制制度, 其面積占耕地面積比達78.05%, 主要分布在川西北高原區(qū)、川東北和川南的低山丘陵區(qū)以及攀西河谷區(qū); 一年2熟/3熟制主要分布在成都市及其周邊地區(qū), 空間分布上呈現(xiàn)由成都市及其周邊地區(qū)向四周下降的態(tài)勢。可提升潛力種植指數(shù)(PMCIp)方面, 省內(nèi)89.7%的耕地仍具有較高的可提升潛力; 成都市及其周邊地區(qū)可提升潛力較低(PMCIp<50%), 且實際種植指數(shù)年際變化劇烈(標準差>60%); 川東北和川南地區(qū)可提升潛力種植指數(shù)在50%以上, 面積占耕地面積比達65.6%, 是未來耕地種植潛力挖掘的理想?yún)^(qū)域; 川西北高原區(qū)、攀西河谷區(qū)和川東北大巴山中山區(qū)為過度耕作的主要分布區(qū)(PMCIp<0), 面積占耕地面積10.3%, 是未來農(nóng)業(yè)生態(tài)退耕的重點區(qū)域。本文結合農(nóng)作物節(jié)律性, 利用長時間序列的遙感數(shù)據(jù)反演, 實現(xiàn)對區(qū)域耕地種植指數(shù)的動態(tài)監(jiān)測, 并分析區(qū)域耕地種植指數(shù)的潛力及可提升潛力的空間格局, 為區(qū)域農(nóng)業(yè)政策制定提供有益參考。

四川省; 耕地復種; 種植指數(shù); 潛力種植指數(shù); MODIS-NDVI; 積溫-降水模型

多熟種植的本質是在特定的立地條件下對水熱資源的集約利用[1], 中國有近50%的耕地實行多熟種植[2]。耕地復種是指一年內(nèi)在同一田地上連續(xù)種植兩季或兩季以上的作物, 或指一個生產(chǎn)年度內(nèi)收獲兩季或多季作物的種植方式[3]。種植指數(shù)(原稱“復種指數(shù)”[4])是用以表征耕地利用集約程度的基礎性指標, 分為自然潛力種植指數(shù)(PMCI)和實際種植指數(shù)(MCI)[5], 前者著重從自然適宜性角度定義耕地種植指數(shù), 指在充分利用當?shù)氐乃?、光、溫資源時耕地所能實現(xiàn)的最大種植指數(shù)(以下簡稱“潛力種植指數(shù)”); 后者是在考慮經(jīng)濟、技術、政策以及自然條件等多因素影響下的實際種植指數(shù)。研究表明, 耕地復種是作物增產(chǎn)最為行之有效的方式[6-7]。在加速城市化和工業(yè)化、產(chǎn)業(yè)結構調(diào)整、農(nóng)業(yè)種植制度調(diào)整、生態(tài)退耕等原因導致耕地面積持續(xù)加速減少、農(nóng)業(yè)勞動力加速流失、作物播種面積動態(tài)變化加劇的背景下[4,8-11], 明確耕地種植指數(shù)的時空變化趨勢并結合當?shù)貪摿ΨN植指數(shù)加以合理的引導和控制顯得尤為重要。

傳統(tǒng)的耕地種植指數(shù)研究多基于以行政區(qū)劃為統(tǒng)計單元的多指標統(tǒng)計數(shù)據(jù)[8-11], 但統(tǒng)計數(shù)據(jù)獲取的滯后性、甚至較低的可信度以及忽略各統(tǒng)計單元內(nèi)部的空間異質性等缺陷限制了其表達精度[8,12-13]。隨著遙感技術的發(fā)展, 結合高時間分辨率的遙感數(shù)據(jù)和作物物候節(jié)律的遙感反演方法成為耕地復種研究的重要方式之一[14], 取得了一系列具有現(xiàn)實意義的研究成果。通過構建各種植被指數(shù)(VI, vegetation index), 如歸一化植被指數(shù)(NDVI)或增強植被指數(shù)(EVI)等的長時間序列平滑數(shù)據(jù)集[2,12,15-19], 并利用其蘊含的農(nóng)作物物候節(jié)律信息來反演耕地的種植指數(shù)是遙感反演方法的基本思路。然而, 已有研究多側重于基于統(tǒng)計數(shù)據(jù)的大尺度耕地種植指數(shù)時空變化或基于遙感手段的單一時段種植指數(shù)的反演研究, 而基于遙感手段的耕地種植指數(shù)長時間序列演變并結合耕地潛力種植指數(shù)的研究較少。實際上, 只有對某地的實際種植指數(shù)和潛力種植指數(shù)同時進行考量才能得出對于某地農(nóng)業(yè)政策具有科學指導意義的結論。

本文以四川省為靶區(qū), 以2000—2016年MODIS- NDVI長時間序列數(shù)據(jù)為數(shù)據(jù)源反演近17 a來四川省耕地種植指數(shù)的時空變化特征, 同時結合“積溫-降水”模型分析耕地潛力種植指數(shù), 以期為明確四川省耕地種植指數(shù)時空特征及演變和引導耕地合理集約利用提供有益參考。

1 研究區(qū)概況及數(shù)據(jù)準備

1.1 研究區(qū)概況

四川省地處97°21′~108°31′E, 26°03′~34°19′N, 屬于亞熱帶季風性濕潤氣候, 年均溫度在 16~18 ℃, 年降雨量1 000~1 300 mm, 年無霜期長達280~350 d[20-21]。省內(nèi)自然環(huán)境復雜, 農(nóng)業(yè)種植制度多樣, 形成了以春玉米、夏玉米、冬小麥、秋油菜及一季稻為主的農(nóng)作物種植結構?？臻g上形成了成都及周邊區(qū)域、川南地區(qū)、川東北地區(qū)、攀西地區(qū)、川西北地區(qū)等五大農(nóng)業(yè)功能區(qū)[22-23](圖1)。四川省農(nóng)業(yè)歷史悠久, 是我國13個糧食大省之一[24]。近年來, 省內(nèi)耕地資源不斷減少, 2000—2014年, 四川省耕地面積減少了3.536×105hm2, 而人口則從8 407.5萬人增加到9 159.1萬人, 人均耕地由改革開放初期的0.069 hm2下降到2012年的0.044 hm2, 這一水平僅略高于FAO規(guī)定的人均耕地警戒線0.04 hm2[25-26]。而且, 人均耕地的減少趨勢在未來的一段時間內(nèi)仍將持續(xù)[24]。在此背景下, 在明確省內(nèi)耕地種植指數(shù)時空變化特征和各地耕地可提升潛力種植指數(shù)的基礎上, 提高耕地種植指數(shù)成為解決人地矛盾的主要方式。

圖1 四川省農(nóng)業(yè)功能分區(qū)

1.2 數(shù)據(jù)來源及預處理

研究涉及四川省行政區(qū)劃矢量數(shù)據(jù)、2000—2015年期間5 a間隔土地利用數(shù)據(jù)(100 m×100 m), 來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http://www.resdc.cn), 鑒于鄰近年份內(nèi)土地利用變化相對較小, 本文以最鄰近年份的已有土地利用數(shù)據(jù)作為某年的土地利用參考。如對于2002年, 其與2000年在時間上更為接近, 因而采用2000年的土地利用數(shù)據(jù), 而2003年與2005年更為接近, 因此采用2005年的土地利用數(shù)據(jù); 四川省2000—2016年MODIS-NDVI長時間序列數(shù)據(jù)集(MOD13Q1), 為空間分辨率為250 m的16 d最大值合成(MVC)數(shù)據(jù), 來源于美國國家航空航天局(https://modis.gsfc.nasa.gov)。四川省農(nóng)作物生長發(fā)育站點旬值數(shù)據(jù)集、降水量數(shù)據(jù)和≥0 ℃積溫數(shù)據(jù), 來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)。

MODIS-NDVI時序數(shù)據(jù)從2000年開始發(fā)布, 2000年前3個時序數(shù)據(jù)缺失, 鑒于該時段內(nèi)植被活動較弱, 因此以2001年同時序數(shù)據(jù)補全序列。MODIS-NDVI以層次數(shù)據(jù)格式(HDF)發(fā)布, 采用正弦投影, 為便于后續(xù)處理, 利用MRT(MODIS Reprojection Tool)進行數(shù)據(jù)集提取、拼接、投影轉換和重采樣。采用氣象數(shù)據(jù)空間插值的常用方法(薄盤樣條函數(shù))將氣象站點數(shù)據(jù)(降水和≥0 ℃積溫指標)空間化。

2 基于遙感技術的耕地種植指數(shù)反演方法

2.1 耕地NDVI時序曲線與作物發(fā)育的互動規(guī)律

歸一化植被指數(shù)(NDVI)是利用綠色植被在近紅外和紅波段的光譜特征構建的一種能夠提高植被冠層靈敏度的光譜指數(shù)[27], 由高時間分辨率的NDVI數(shù)據(jù)按時序排列形成的NDVI變化曲線(以下稱為NDVI時序曲線)與農(nóng)作物發(fā)育過程具有良好的一致性[28], 蘊含了耕地的種植制度信息。圖2a為一年1熟的耕地NDVI時序曲線, 為單峰型; 圖2b為一年兩熟種植制度下的雙峰型NDVI時序曲線; 圖2c為一年3熟制的NDVI時序曲線, 呈3峰型。圖2d則反映了撂荒地的NDVI年內(nèi)變化信息, 表現(xiàn)為無規(guī)律、低振幅的多峰型曲線。

圖2 不同耕地熟制的NDVI時序曲線(a:1熟制; b: 2熟制; c: 3熟制; d:撂荒地)

2.2 NDVI時序曲線平滑處理

理論上, 由于植被冠層隨時間變化的幅度較小, 其NDVI時序曲線應該是一條連續(xù)平滑的曲線[29], 但遙感數(shù)據(jù)獲取方式具有特殊性, 傳感器工作狀態(tài)、大氣狀況、云層等內(nèi)外部因素均可能造成數(shù)據(jù)質量退化。上述因素使得NDVI時序曲線主要由不同程度的突變點構成, 這種鋸齒狀時序曲線對農(nóng)作物物候節(jié)律的反映是不合理的, 應予以重構。國內(nèi)外關于時序植被指數(shù)數(shù)據(jù)集的平滑重建方法進行了廣泛研究, 提出的方法總體上可以分為3類: 閾值去除法、基于濾波的平滑方法和非線性函數(shù)擬合法[30]。但目前并沒有能夠得到公認的算法[31-32]。Hird等[33]和曹云鋒等[34]對比已有的方法指出非對稱高斯函數(shù)(AGFF)擬合方法具有更高的數(shù)據(jù)保真性; 吳文斌等[35]的研究指出AGFF擬合方法在云和大氣等噪聲影響較大的中國南方地區(qū)可以更好地把握數(shù)據(jù)變化的總體趨勢。

大氣狀況、冰雪覆蓋及地物陰影等因素的空間異質性使遙感影像上不同像元在真實反映地表植被信息方面具有不同的可信度, 因此, 為準確重建MODIS-NDVI時序數(shù)據(jù), 針對不同質量的像元采取不同的權重是必要的[29]。MODIS-NDVI產(chǎn)品包含NDVI質量控制數(shù)據(jù)(VI Quality), 它組織為16位二進制, 從多角度評估了各像元的可信度。已有研究表明, VI質量控制數(shù)據(jù)誤差小于±0.03[36], 是提高NDVI時序數(shù)據(jù)重構的有益補充。其中2~5位為VI可用性信息。本文通過NASA官方提供的LDOPE工具包提取VI質量控制數(shù)據(jù)的2~5 bit作為NDVI時序曲線重建的權重賦值依據(jù)。具體賦權過程是將提取的2~5 bit質量控制數(shù)據(jù)(十進制為0~15)分為3等: 0~2、3~12、13~15, 對應權重為1、0.6、0[37], 0權值相元以其前后臨近時序同相元的均值代替。

本文選擇非對稱高斯函數(shù)擬合方法(AGFF)作為NDVI時間序列數(shù)據(jù)處理算法。經(jīng)平滑重構后的NDVI時序曲線具有連續(xù)漸變的特點, 能夠更為合理地反映作物發(fā)育過程。

2.3 耕地實際種植指數(shù)提取

盡管經(jīng)過平滑處理后的NDVI時序曲線能夠更好地反映作物生長過程, 但數(shù)據(jù)不可避免地存在誤差, 一個重要表現(xiàn)是平滑后的NDVI時序曲線中出現(xiàn)的連續(xù)峰值和低振幅峰值。為此, 結合已有研究和四川省作物物候歷(圖3), 確立了以下幾個真實峰值頻數(shù)提取原則: (1)兩峰型、三峰型NDVI時序曲線峰值頻數(shù)提取時, 凡兩鄰近峰在時序上小于4(60 d)[1,31,38], 或者兩峰值相對高差小于最大峰值的40%[38-40], 則認為二者為同一季作物形成的NDVI峰值; (2)所有峰值均應不小于0.35, 這一閾值基于多次試驗和已有研究確定[39]; (3)為剔除作物生長季之外的峰以及越冬作物的“冬前峰”, 將峰值出現(xiàn)的時間規(guī)定為1—9月。

圖3 四川省主要作物物候節(jié)律

圖中1、2、3分別表示各月的上、中、下旬; *表示該作物種的NDVI峰值物候期。In the figure, 1, 2 and 3 respectively indicate the first, middle and last ten-day of each month; * indicate the phonological stages when the NDVI value reaches the theoretically maximum value。

目前, 常用的NDVI時序曲線峰值提取方法包括直接比較法和二次差分法[30], 前者需要一定的先驗知識用于估計比較窗口的大小, 參數(shù)的細微變化可能導致結果較大的波動。二次差分法通過對NDVI平滑數(shù)據(jù)集進行兩次迭代差分提取NDVI時序曲線峰值頻數(shù), 不需要先驗知識。本文使用C#語言程序化二次差分法, 用以提取NDVI峰值頻數(shù)。通過對每個像元擬合后的23個NDVI離散點序列進行兩次差分來提取NDVI時序曲線峰值頻數(shù), 首先由式(1)計算擬合后的相鄰NDVI值之差, 得到序列1; 再由式(2)順次判斷序列1中的每個元素, 若為正, 則賦值為1, 為負則賦值為-1, 得到序列2; 再根據(jù)式(3)計算序列2相鄰元素之差, 得到序列3, 最后通過式(4)結合上述NDVI時序曲線真實峰提取原則提取序列3中“-2”的頻數(shù), 即為該像元熟制(CS)。

式中: FNDVI(=1, 2, 3, ···, 23)為擬合后的第個時序的NDVI值。

根據(jù)耕地實際種植指數(shù)的定義可知: 地塊的種植指數(shù)=農(nóng)作物播種面積/耕地面積×100%。從一年內(nèi)地塊的種植次數(shù)角度來看, 種植指數(shù)等于該地塊一年時間尺度上NDVI時序曲線的峰值頻數(shù)[41]。以像元為單位, 以行政區(qū)劃為統(tǒng)計單元, 一單元內(nèi)的耕地種植指數(shù)為:

式中: MCI為統(tǒng)計單元的實際種植指數(shù),P為統(tǒng)計單元內(nèi)種熟制(=1, 2, 3)的像元頻數(shù),P為統(tǒng)計單元內(nèi)的耕地像元總數(shù)。

2.4 耕地潛力種植指數(shù)

耕地潛力種植指數(shù)參考范錦龍等[8]提出的“積溫-降水”模型, 該模型以積溫和降水為耕地復種關鍵限制因子, 分別計算二者限制下的潛力種植指數(shù), 取最小者作為最終潛力種植指數(shù)。在計算≥0 ℃積溫因子影響下的潛力種植指數(shù)時, 以3 400 ℃、4 200 ℃、5 200 ℃、6 200 ℃為耕地潛力種植指數(shù)分異斷點。以500 mm、1 200 mm為降水因子影響下的耕地潛力種植指數(shù)分異斷點。具體模型如下:

式中: PMCI為某地積溫和降水因素限制下的最終潛力種植指數(shù), PMCIT為積溫種植指數(shù), PMCIR為降水種植指數(shù)。潛力種植指數(shù)與實際種植指數(shù)的差值即為可提升潛力種植指數(shù)(PMCIP), 即:

PMCIP=PMCI-MCI (9)

差值越大表明可提升潛力(PMCIP)越大, 負值則標識了存在過度耕作的不合理區(qū)域。

3 結果與分析

3.1 四川省耕地種植指數(shù)空間格局及其演變

圖4為二次差分法提取的四川省2000年、2004年、2008年、2012年和2016年耕地熟制信息。從總體趨勢來看, 四川省種植制度的空間分布主要與地形、氣候等因素的限制有關, 在研究時段內(nèi), 一年多熟制主要分布在地勢相對低平、氣候溫暖濕潤的成都及其周邊區(qū)域, 一年多熟制在耕地總量中的占比總體上呈下降趨勢, 且在空間分布上破碎化趨勢明顯。這可能是由于近年來四川省大力發(fā)展中小城鎮(zhèn), 一方面導致新興城鎮(zhèn)周邊區(qū)域的耕地、人口等要素的非農(nóng)化機率增大, 部分區(qū)域農(nóng)業(yè)投入下降, 進而導致耕地種植指數(shù)下降; 另一方面新興城鎮(zhèn)對于農(nóng)副產(chǎn)品的需求增加, 在各個城鎮(zhèn)周邊又形成各自的農(nóng)副產(chǎn)品腹地, 部分區(qū)域大力發(fā)展農(nóng)業(yè)而形成多熟制集中分布區(qū)。一年1熟一直是四川省的主要種植制度, 各年一年1熟面積占當年耕地總面積的比例均在50%以上, 主要分布在川東北、川南和川西北地區(qū), 并有不斷擴張的趨勢。

為避免單一年份自然和社會等各方面因素引起的耕地種植指數(shù)突變, 本文求取了四川省多年(2000—2016年)耕地平均種植指數(shù)(圖5a), 以探求四川省耕地種植指數(shù)的一般空間格局。與圖4反映的一致, 一年1熟是四川省主要的種植制度, 占到耕地總量的78.07%, 一年2熟制占到耕地總面積的21.35%, 3熟耕地僅占0.58%(以2000年土地利用為基準)。從空間分布上來看, 四川省耕地種植指數(shù)總體上呈現(xiàn)出由川東北中山區(qū)、攀西河谷區(qū)、川南丘陵區(qū)和川西北高原山地區(qū)向成都及其周邊地區(qū)遞增的態(tài)勢。川東北地區(qū)、川南地區(qū)和川西北高原地區(qū)是1熟制的主要分布區(qū)。2熟或3熟制主要分布在地勢平坦、農(nóng)業(yè)基礎設施完善、社會經(jīng)濟發(fā)達的成都及其周邊地區(qū); 此外, 多雨、富熱的攀西山地河谷區(qū)有少許分布。

圖5b為像元尺度的耕地種植指數(shù)2000—2016年的標準差, 標準偏差越大表明其年際波動越大。總體而言, 成都及其周邊地區(qū)的年際變化(標準偏差>60%)明顯大于川東北、川南和川西北高原區(qū), 尤其是綿陽市東南部、德陽市中部及東南部和成都市區(qū)外圍區(qū)域成為變化最為顯著的區(qū)域。這主要是由于成都及其周邊地區(qū)城市密集, 經(jīng)濟和交通條件較為發(fā)達, 非農(nóng)就業(yè)機會多, 就業(yè)選擇多樣, 耕地種植指數(shù)受城市影響年際變化較大。而平原區(qū)之外的高原、嶺谷、河谷和丘陵地區(qū), 非農(nóng)就業(yè)機會較少, 農(nóng)業(yè)種植成為主要的經(jīng)濟來源, 耕地種植指數(shù)年際變化不大。

圖4 2000—2016年四川省耕地熟制空間格局演變

3.2 四川省耕地潛力種植指數(shù)空間格局

根據(jù)式(6)~(8)提取像元尺度的四川省耕地潛力種植指數(shù)(圖6a)?？梢钥吹? 四川省耕地潛力種植指數(shù)以150%~200%為主, 占耕地面積的87.8%, 主要囊括成都及其周邊地區(qū), 川東北、川南低山丘陵區(qū); <100%區(qū)域占耕地面積的7.2%, 集中分布在川西北高原區(qū)、攀西河谷地區(qū)和川東北大巴山山麓地區(qū); >200%區(qū)域主要分布在攀西河谷地區(qū), 僅占總耕地的0.6%。根據(jù)式(9)提取耕地潛力種植指數(shù)與多年平均種植指數(shù)差值信息(圖6b)。表1為四川省各市(州)單元2000—2016年的實際種植指數(shù)均值和潛力種植指數(shù)。

圖6b顯示, 川西北高原區(qū)、攀西河谷地區(qū)(尤其是涼山彝族自治州大部分區(qū)域)以及川東北大巴山山麓部分區(qū)域可提升種植指數(shù)為負值, 為過度耕作的不合理區(qū)域, 占到耕地的10.3%。成都及其周邊地區(qū)的德陽、綿陽的中部和東南部, 成都市區(qū)外圍區(qū)域以及資陽、遂寧的西部和西北部耕地的可提升潛力種植指數(shù)為0~50%, 以此為中心向東、向南、向北分布著大面積的高潛力區(qū)域, 可提升潛力為50%~100%, 占到耕地總量的65.6%, 是未來省內(nèi)農(nóng)業(yè)政策制定需要著重考慮的區(qū)域。攀西多雨、富熱河谷區(qū)域是可提升潛力>100%的主要分布區(qū), 面積很小, 僅占到耕地總量的0.05%。

圖5 四川省2000—2016年耕地平均種植指數(shù)(a)及其標準偏差(b)的空間分布

圖6 四川省耕地潛力種植指數(shù)(a)和可提升潛力種植指數(shù)(b)空間分布

3.3 精度驗證

由于四川省內(nèi)農(nóng)業(yè)相關的統(tǒng)計數(shù)據(jù)各年統(tǒng)計指標不一致, 一些年份中統(tǒng)計數(shù)據(jù)難以獲取, 因此本文僅以能獲取的2000年四川省各市(州)的相關農(nóng)業(yè)統(tǒng)計指標計算的市均耕地種植指數(shù)和本文提取的市均耕地種植指數(shù)進行相關分析(圖7), 以驗證本文提取的耕地種植指數(shù)的準確性。通過相關分析發(fā)現(xiàn), 在自由度為19時, 本文的耕地復種指數(shù)提取結果與統(tǒng)計數(shù)據(jù)結果通過0.01水平的顯著性檢驗, 呈極顯著相關, 這為本文提取結果準確性提供了有力驗證。

謝花林等[9]、范錦龍等[41]、丁明軍等[42]研究指出四川省耕地種植指數(shù)分別為150%左右(2000—2002年均值)、167.5%、120%~140%。本文基于遙感反演方法提取的四川省耕地種植指數(shù)均值為132.4%, 結果較為接近。數(shù)據(jù)空間尺度差異是結果存在差異的重要原因, 理論上, 在任何像元尺度, 混合像元都是降低遙感反演地表參數(shù)精度的不可規(guī)避的因素[7,39-40]。與已有研究所采用的AVHRR(1.1 km×1.1 km)、SPOT/ VEGTATION(1 km×1 km)相比, 本文所采用的250 m空間分辨率的MODIS-NDVI數(shù)據(jù)受混合像元的影響相對較小, 理論上具有更高的精度。

表1 四川省各市(州)實際種植指數(shù)與潛力種植指數(shù)

圖7 四川省耕地種植指數(shù)遙感提取結果與統(tǒng)計數(shù)據(jù)的相關分析(2000年)

Fig. 7 Correlation analysis of cropping index (MCI) from RS and that from statistical data of Sichuan Province (2000)

4 結論

1)2000—2016年, 1熟制一直是四川省的主要種植制度。像元尺度的耕地多年種植指數(shù)均值結果顯示, 一年1熟占到總耕地面積的78.05%, 主要分布在川西北高原區(qū)、川東北和川南的低山丘陵區(qū)以及攀西河谷區(qū)。成都及其周邊區(qū)域是2熟/3熟的主要分布區(qū), 其中一年2熟制占耕地總量的21.35%, 3熟制占比不到1%。

2)盡管可能存在自然災害和社會經(jīng)濟因素對單一年份耕地種植指數(shù)的影響, 但是從2000年、2004年、2008年、2012年及2016年4個年份種植指數(shù)變化趨勢來看, 四川省耕地種植指數(shù)總體呈下降態(tài)勢, 尤其是在成都及其周邊地區(qū)。同時, 2000—2016年成都及其周邊地區(qū)也是耕地種植指數(shù)年際變化最為劇烈的區(qū)域。

3)川西北高原區(qū)、攀西河谷區(qū)以及川東北大巴山地山麓部分區(qū)域為農(nóng)業(yè)過度開發(fā)區(qū), 占到四川省總耕地面積的10.30%, 是未來農(nóng)業(yè)生態(tài)退耕還林還草的重點區(qū)域; 成都及其周邊地區(qū)自然條件優(yōu)越, 但可提升潛力相對于川東北和川南地區(qū)較小, 且非農(nóng)就業(yè)機會、耕地非農(nóng)化機率較大導致成都及其周邊地區(qū)種植指數(shù)年際變化劇烈, 因而, 川東北和川南地區(qū)是未來提升耕地種植指數(shù)的理想?yún)^(qū)域, 其在耕地中的占比達65.6%。

[1] 卞新民, 馮金俠. 多元多熟種植制度復種指數(shù)計算方法探討[J]. 南京農(nóng)業(yè)大學學報, 1999, 22(1): 11–15 BIAN X M, FENG J X. Method of calculating cropping system index of diversified multiple cropping systems[J]. Journal of Nanjing Agricultural University, 1999, 22(1): 11–15

[2] 閆慧敏, 曹明奎, 劉紀遠, 等. 基于多時相遙感信息的中國農(nóng)業(yè)種植制度空間格局研究[J]. 農(nóng)業(yè)工程學報, 2005, 21(4): 85–90 YAN H M, CAO M K, LIU J Y, et al. Characterizing spatial patterns of multiple cropping system in China from multi-temporal remote sensing images[J]. Transactions of the CSAE, 2005, 21(4): 85–90

[3] Pryor F L. The invention of the plow[J]. Comparative Studies in Society & History, 1985, 27(4): 727–743

[4] 劉巽浩, 陳阜, 吳堯. 多熟種植——中國農(nóng)業(yè)的中流砥柱[J]. 作物雜志, 2015, (6): 1–9 LIU X H, CHEN F, WU Y. Multiple cropping: The principal part of China’s agriculture[J]. Crops, 2015, (6): 1–9

[5] 何文斯, 吳文斌, 余強毅, 等. 1980—2010年中國耕地復種可提升潛力空間格局變化[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2016, 37(11): 7–14 HE W S, WU W B, YU Q Y, et al. Changes in spatio-temporal distribution of potential increment multiple cropping in China during 1980-2010[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(11): 7–14

[6] 左麗君, 張增祥, 董婷婷, 等. 耕地復種指數(shù)研究的國內(nèi)外進展[J]. 自然資源學報, 2009, 24(3): 553–560 ZOU L J, ZHANG Z X, DONG T T, et al. Progress in the research on the multiple cropping index[J]. Journal of Natural Resources, 2009, 24(3): 553–560

[7] 楊忍, 劉彥隨, 陳玉福, 等. 環(huán)渤海地區(qū)耕地復種指數(shù)時空變化遙感反演及影響因素探測[J]. 地理科學, 2013, 33(5): 588–593 YANG R, LIU Y S, CHEN Y F, et al. The remote sensing inversion for spatial and temporal changes of multiple cropping index and detection for influencing factors around Bohai rim in China[J]. Scientia Geographica Sinica, 2013, 33(5): 588–593

[8] 范錦龍, 吳炳方. 基于GIS的復種指數(shù)潛力研究[J]. 遙感學報, 2004, 8(6): 637–644 FAN J L, WU B F. A study on cropping index potential based on GIS[J]. Journal of Remote Sensing, 2004, 8(6): 637–644

[9] 謝花林, 劉桂英. 1998—2012年中國耕地復種指數(shù)時空差異及動因[J]. 地理學報, 2015, 70(4): 604–614 XIE H L, LIU G Y. Spatiotemporal difference and determinants of multiple cropping index in China during 1998–2012[J]. Acta Geographica Sinica, 2015, 70(4): 604–614

[10] 謝花林, 鄒金浪, 彭小琳. 基于能值的鄱陽湖生態(tài)經(jīng)濟區(qū)耕地利用集約度時空差異分析[J]. 地理學報, 2012, 67(7): 889–902 XIE H L, ZOU J L, PENG X L. Spatial-temporal difference analysis of cultivated land use intensity based on emergy in Poyang Lake Eco-Economic Zone[J]. Acta Geographica Sinica, 2012, 67(7): 889–902

[11] 劉成武, 李秀彬. 基于生產(chǎn)成本的中國農(nóng)地利用集約度的變化特征[J]. 自然資源學報, 2006, 21(1): 9–15 LIU C W, LI X B. The changing characteristics of agricultural land use intensity in China based on the production cost[J]. Journal of Natural Resources, 2006, 21(1): 9–15

[12] 閆慧敏, 劉紀遠, 曹明奎. 近20年中國耕地復種指數(shù)的時空變化[J]. 地理學報, 2005, 60(4): 559–566 YAN H M, LIU J Y, CAO M K. Remotely sensed multiple cropping index variations in China during 1981—2000[J]. Acta Geographica Sinica, 2005, 60(4): 559–566

[13] 汪涌, 王濱, 馬倉, 等. 基于耕地面積訂正的中國復種指數(shù)研究[J]. 中國土地科學, 2008, 22(12): 46–52 WANG Y, WANG B, MA C, et al. Study on the multiple cropping index based on revised cultivated land area in China[J]. China Land Science, 2008, 22(12): 46–52

[14] 石淑芹, 曹玉青, 吳文斌, 等. 耕地集約化評價指標體系與評價方法研究進展[J]. 中國農(nóng)業(yè)科學, 2017, 50(7): 1210–1222 SHI S Q, CAO Y Q, WU W B, et al. Progresses in research of evaluation index system and its method on arable land intensification: A review[J]. Scientia Agricultura Sinica, 2017, 50(7): 1210–1222

[15] 徐昔保, 楊桂山. 太湖流域1995—2010年耕地復種指數(shù)時空變化遙感分析[J]. 農(nóng)業(yè)工程學報, 2013, 29(3): 148–155 XU X B, YANG G S. Spatial and temporal changes of multiple cropping index in 1995-2010 in Taihu Lake Basin, China[J]. Transactions of the CASE, 2013, 29(3): 148–155

[16] 張霞, 焦全軍, 張兵, 等. 利用MODIS—EVI圖像時間序列提取作物種植模式初探[J]. 農(nóng)業(yè)工程學報, 2008, 24(5): 161–165 ZHANG X, JIAO Q J, ZHANG B, et al. Preliminary study on cropping pattern mapping using MODIS-EVI image time series[J]. Transactions of the CSAE, 2008, 24(5): 161–165

[17] 朱孝林, 李強, 沈妙根, 等. 基于多時相NDVI數(shù)據(jù)的復種指數(shù)提取方法研究[J]. 自然資源學報, 2008, 23(3): 534–544ZHU X L, LI Q, SHEN M G, et al. A methodology for multiple cropping index extraction based on NDVI time-series[J]. Journal of Natural Resources, 2008, 23(3): 534–544

[18] 彭代亮, 黃敬峰, 金輝民. 基于MODIS-NDVI的浙江省耕地復種指數(shù)監(jiān)測[J]. 中國農(nóng)業(yè)科學, 2006, 39(7): 1352–1357 PENG D L, HUANG J F, JIN H M. The monitoring for sequential cropping index of arable land in Zhejiang Province using MODIS-NDVI[J]. Scientia Agricultura Sinica, 2006, 39(7): 1352–1357

[19] 張峰, 吳炳方, 劉成林, 等. 利用時序植被指數(shù)監(jiān)測作物物候的方法研究[J]. 農(nóng)業(yè)工程學報, 2004, 20(1): 155–159 ZHANG F, WU B F, LIU C L, et al. Methods of monitoring crop phonological stages using time series of vegetation indicator[J]. Transactions of the CSAE, 2004, 20(1): 155–159

[20] 王文國, 何明雄, 潘科, 等. 四川省水資源生態(tài)足跡與生態(tài)承載力的時空分析[J]. 自然資源學報, 2011, 26(9): 1555–1565WANG W G, HE M X, PAN K, et al. Analysis of spatio-temporal characteristics of water resources ecological footprint and ecological carrying capacity in Sichuan Province[J]. Journal of Natural Resources, 2011, 26(9): 1555–1565

[21] 梁濤, 陳軒敬, 趙亞南, 等. 四川盆地水稻產(chǎn)量對基礎地力與施肥的響應[J]. 中國農(nóng)業(yè)科學, 2015, 48(23): 4759–4768 LIANG T, CHEN X J, ZHAO Y N, et al. Response of rice yield to inherent soil productivity of paddies and fertilization in Sichuan Basin[J]. Scientia Agricultura Sinica, 2015, 48(23): 4759–4768

[22] 馮小瓊, 陳軍輝, 姜濤, 等. 四川省2005—2014年農(nóng)業(yè)源氨排放清單及分布特征[J]. 環(huán)境科學, 2017, 38(7): 2728–2737 FENG X Q, CHEN J H, JIANG T, et al. Agricultural ammonia emission inventory and its spatial distribution in Sichuan Province from 2005 to 2014[J]. Environmental Science, 2017, 38(7): 2728–2737

[23] 劉衛(wèi)東, 石承蒼, 任國業(yè). 四川省農(nóng)業(yè)功能區(qū)劃研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2008, 29(3): 27–32 LIU W D, SHI C C, REN G Y. Studies on regional planning of agriculture function of Sichuan Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2008, 29(3): 27–32

[24] 林正雨, 何鵬, 李曉, 等. 基于耕地壓力指數(shù)的四川省糧食安全狀況研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2015, 36(7): 19–24 LIN Z Y, HE P, LI X, et al. Food security of Sichuan Province based on cropland pressure index[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(7): 19–24

[25] 林正雨, 何鵬, 李曉, 等. 四川省糧食安全狀況研究[J]. 中國農(nóng)學通報, 2015, 31(6): 284–290 LIN Z Y, HE P, LI X, et al. Study on food security in Sichuan Province[J]. Chinese Agricultural Science Bulletin, 2015, 31(6): 284–290

[26] 曾雨晴, 潘洪義, 周介銘. 基于灰色馬爾科夫模型的四川省耕地面積及耕地壓力指數(shù)的分析與預測[J]. 江蘇農(nóng)業(yè)科學, 2016, 44(9): 447–451 ZENG Y Q, PAN H Y, ZHOU J M. Analysis and prediction of cropland area and pressure index in Sichuan Province based on grey Markov model[J]. Jiangsu Agricultural Sciences, 2016, 44(9): 447–451

[27] 江東, 王乃斌, 楊小喚, 等. NDVI曲線與農(nóng)作物長勢的時序互動規(guī)律[J]. 生態(tài)學報, 2002, 22(2): 247–252 JIANG D, WANG N B, YANG X H, et al. Principles of the interaction between NDVI profile and the growing situation of crops[J]. Acta Ecologica Sinica, 2002, 22(2): 247–252

[28] 張宏斌, 楊桂霞, 李剛, 等. 基于MODIS-NDVI和NOAA- NDVI數(shù)據(jù)的空間尺度轉換方法研究——以內(nèi)蒙古草原區(qū)為例[J]. 草業(yè)科學, 2009, 26(10): 39–45 ZHANG H B, YANG G X, LI G, et al. Study on the MODIS NDVI and NOAA NDVI based spatial scaling method — A case study in Inner Mongolia[J]. Pratacultural Science, 2009, 26(10): 39–45

[29] 邊金虎, 李愛農(nóng), 宋夢強, 等. MODIS植被指數(shù)時間序列Savitzky-Golay濾波算法重構[J]. 遙感學報, 2010, 14(4): 725–741BIAN J H, LI A N, SONG M Q, et al. Reconstruction of NDVI time-series datasets of MODIS based on Savitzky-Golay filter[J]. Journal of Remote Sensing, 2010, 14(4): 725–741

[30] 唐鵬欽, 姚艷敏, 吳文斌, 等. 基于遙感技術的耕地復種指數(shù)研究進展[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2010, 31(2): 21–27 TANG P Q, YAO Y M, WU W B, et al. Progress in multiple crop index based on remote-sensing technologies[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2010, 31(2): 21–27

[31] 張晗, 任志遠. 多種時序NDVI重建方法比較與應用分析[J]. 中國農(nóng)業(yè)科學, 2014, 47(15): 2998–3008 ZHANG H, REN Z Y. Comparison and application analysis of several NDVI time-series reconstruction methods[J]. Scientia Agricultura Sinica, 2014, 47(15): 2998–3008

[32] 殷悅, 陳倩, 時光訓. NDVI時間序列數(shù)據(jù)的去噪重建方法對比[J]. 江蘇科技信息, 2017, (7): 39–47 YIN Y, CHEN Q, SHI G X. Comparison of techniques for reconstructing NDVI time series data sets[J]. Jiangsu Science & Technology Information, 2017, (7): 39–47

[33] HIRD J N, MCDERMID G J. Noise reduction of NDVI time series: An empirical comparison of selected techniques[J]. Remote Sensing of Environment, 2009, 113(1): 248–258

[34] 曹云鋒, 王正興, 鄧芳萍. 3種濾波算法對NDVI高質量數(shù)據(jù)保真性研究[J]. 遙感技術與應用, 2010, 25(1): 118–125 CAO Y F, WANG Z X, DENG F P. Fidelity performance of three filters for high quality NDVI time-series analysis[J]. Remote Sensing Technology and Application, 2010, 25(1): 118–125

[35] 吳文斌, 楊鵬, 唐華俊, 等. 兩種NDVI時間序列數(shù)據(jù)擬合方法比較[J]. 農(nóng)業(yè)工程學報, 2009, 25(11): 183–188 WU W B, YANG P, TANG H J, et al. Comparison of two fitting methods of NDVI time series datasets[J]. Transactions of the CSAE, 2009, 25(11): 183–188

[36] RAMACHANDRAN B, JUSTICE C O, ABRAMS M J. Land Remote Sensing and Global Environmental Change[M]. New York: Springer, 2011

[37] 周增光, 唐娉. 基于質量權重的Savitzky-Golay時間序列濾波方法[J]. 遙感技術與應用, 2013, 28(2): 232–239 ZHOU Z G, TANG P. VI-quality-based Savitzky-Golay method for filtering time series data[J]. Remote Sensing Technology and Application, 2013, 28(2): 232–239

[38] 申健, 常慶瑞, 李粉玲, 等. 2000—2013年關中地區(qū)耕地復種指數(shù)遙感動態(tài)監(jiān)測[J]. 農(nóng)業(yè)機械學報, 2016, 47(8): 280–287 SHEN J, CHANG Q R, LI F L, et al. Dynamic monitoring of cropping index in Guanzhong area using remote sensing in 2000—2013[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(8): 280–287

[39] 梁守真, 馬萬棟, 施平, 等. 基于MODIS NDVI數(shù)據(jù)的復種指數(shù)監(jiān)測——以環(huán)渤海地區(qū)為例[J]. 中國生態(tài)農(nóng)業(yè)學報, 2012, 20(12): 1657–1663 LIANG S Z, MA W D, SHI P, et al. Monitoring multiple cropping index using MODIS NDVI data — A case study of Bohai Rim[J]. Chinese Journal of Eco-Agriculture, 2012, 20(12): 1657–1663

[40] 高應波, 柳欽火, 李靜, 等. 基于時序植被指數(shù)特征時相識別的多熟制耕地提取新方法[J]. 遙感技術與應用, 2015, 30(3): 431–438 GAO Y B, LIU Q H, LI J, et al. A new methodology for extracting multiple cropping land based on distinguishing characteristic phases of time series vegetation index[J]. Remote Sensing Technology and Application, 2015, 30(3): 431–438

[41] 范錦龍, 吳炳方. 復種指數(shù)遙感監(jiān)測方法[J]. 遙感學報, 2004, 8(6): 628–636 FAN J L, WU B F. A methodology for retrieving cropping index from NDVI profile[J]. Journal of Remote Sensing, 2004, 8(6): 628–636

[42] 丁明軍, 陳倩, 辛良杰, 等. 1999—2013年中國耕地復種指數(shù)的時空演變格局[J]. 地理學報, 2015, 70(7): 1080–1090 DING M J, CHEN Q, XIN L J, et al. Spatial and temporal variations of multiple cropping index in China based on SPOT-NDVI during 1999–2013[J]. Acta Geographica Sinica, 2015, 70(7): 1080–1090

Spatio-temporal evolution and potential analysis of cropping index in Sichuan Province during 2000-2016*

TIAN Luo, ZHOU Wenzuo**, HE Wanhua, ZHAO Xiao, LIU Donghong, ZHANG Jincheng

(School of Geographic Science, Southwest University, Chongqing 400715, China)

Cropping index is one of the basic indexes used to measure use intensity, space-time distribution and changes of farmlands at regional scale, which is essential for basis agricultural decision-making. To investigate cropping indexes, the related changes and potential cropping indexes of farmlands in Sichuan Province, a long-term (2000–2016) series of MODIS-NDVI remote sensing data products were used to reconstruct NDVI time-series curve using Asymmetric Gauss Fitting Function (AGFF). The peak frequencies of the NDVI time-series curves were used for determining the spatial distributions and temporal changes of annual cropping indexes by using the second order difference method. Then the spatial pattern of potential and promotable potential cropping indexes of farmland in Sichuan Province were simulated using the temperature-rainfall model, meteorological data and land-use maps to refine farmland dynamics in the region. The aim of the study was to provide scientifically-drive recommendations to local governments on the regulation of intensive development of farmlands in the study area. The results showed that single cropping pattern, which made up 78.05% of cultivated land, was the main cropping system in Sichuan Province for the period 2000–2016. This mainly distributed in the Northwest Sichuan Plateau region, Northeast Sichuan, Southwest Sichuan Hilly area and Panxi Valley region. The double cropping system mainly distributed in Chengdu region and the surroundings. Overall, the spatial distribution of cropping index (MCI) in Sichuan Province decreased in trend from Chengdu and the surroundings to other regions. According to the promotable and potential cropping indexes, Sichuan Province had 89.7% of cultivated land with higher promotable potential in multiple cropping. Chengdu and the surroundings had lower promotable potential cropping index (PMCIp< 50%) and higher inter-annual fluctuation (standard deviation of cropping index > 60%) than other regions in Sichuan Province. Cultivated land in the northeastern and southern areas of Sichuan (which accounted for 65.6% of the total area of Sichuan), was higher in promotable potential cropping index (PMCIp≥50%) and less inter-annual fluctuation compared with Chengdu and the surroundings. There was the likelihood for this to become the best suitable land with the highest cropping index in Sichuan Province. Accounting for 10.3% of cultivated land area of Sichuan in the northwest and northeast mountainous areas (with negative promotable cropping index) formed the main region of agricultural over-development in the study area. There was therefore the need to classify these farmlands into ecological restoration areas.The cropping indexes extracted by integrating the phenology of crops and long-term series of remote sensing data were significantly correlated with the statistics values in Sichuan, indicating the method was applicable in evaluation of cropping index in provincial scale. The result was beneficial reference to policy decision of regional planting structure.

Sichuan Province; Multiple cropping of farmland;Cropping index; Potential cropping index; MODIS-NDVI; Temperature-rainfall model

, E-mail: zhouwz@swu.edu.cn

Nov. 24, 2017;

Jan. 18, 2018

S127

A

1671-3990(2018)08-1206-11

10.13930/j.cnki.cjea.171086

* 科技基礎資源調(diào)查專項課題(2017FY100901-4)資助

周文佐, 主要從事遙感與GIS在資源與環(huán)境中的應用研究。E-mail: zhouwz@swu.edu.cn 田羅, 主要從事GIS與RS在農(nóng)業(yè)領域的應用研究。E-mail: awei32@outlook.com

2017-11-24

2018-01-18

* This study was supported by the Project of National Science & Technology Basic Resources Investigation of China (2017FY100901-4).

田羅, 周文佐, 何萬華, 趙曉, 劉東紅, 章金城. 2000—2016年四川省耕地種植指數(shù)時空變化及其自然潛力分析[J]. 中國生態(tài)農(nóng)業(yè)學報, 2018, 26(8): 1206-1216

TIAN L, ZHOU W Z, HE W H, ZHAO X, LIU D H, ZHANG J C. Spatio-temporal evolution and potential analysis of cropping index in Sichuan Province during 2000-2016[J]. Chinese Journal of Eco-Agriculture, 2018, 26(8): 1206-1216