馮穎,郭英,陳曉璐,劉孟竹,沈彥俊,3**

(1.河北師范大學(xué)地理科學(xué)學(xué)院 石家莊 050024;2.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/中國科學(xué)院農(nóng)業(yè)水資源重點實驗室 石家莊 050022;3.中國科學(xué)院大學(xué)現(xiàn)代農(nóng)業(yè)科學(xué)學(xué)院 北京 100049)

準(zhǔn)確地掌握農(nóng)作物種植結(jié)構(gòu)的時空變化信息可為區(qū)域農(nóng)作物耗水變化及水資源供需變化的研究提供基礎(chǔ),對國家農(nóng)業(yè)生產(chǎn)管理、國家糧食安全與保障和農(nóng)業(yè)生產(chǎn)指導(dǎo)具有重要意義[1]。農(nóng)作物種植結(jié)構(gòu)的調(diào)查從最早的田間統(tǒng)計尺度已經(jīng)發(fā)展到如今的遙感對地觀測。相比于傳統(tǒng)高成本、低效率田間調(diào)查方法,遙感觀測為掌握大區(qū)域尺度農(nóng)作物空間格局提供了更加便捷、有效的方法。遙感作物分類的核心是充分利用農(nóng)作物光譜、物候、地表覆被類型等特征差異以及專家知識對農(nóng)作物進(jìn)行分類,主要方法包括基于物候的算法、基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的算法等。傳統(tǒng)目視解譯遙感圖像處理中分類精度較低且效率較低,而決策樹分類則是通過獲取各個像元特征值進(jìn)行的,包括光譜特征與紋理特征,當(dāng)遙感影像空間布局和分布較難分辨時,根據(jù)特定的知識和規(guī)則對地物種類和影像進(jìn)行分層并依次進(jìn)行匹配,從而達(dá)到地物種類分離的目的。決策樹方法具有物理機(jī)制明確、易實現(xiàn)、準(zhǔn)確度高、效率高的優(yōu)點,已被廣泛應(yīng)用[2]。

周靜平等[3]根據(jù)多時序環(huán)境衛(wèi)星影像,采用決策樹和面向?qū)ο笙嘟Y(jié)合的分類方法成功在黑龍江省雙河農(nóng)場地區(qū)提取了作物分布信息。陳睿等[4]基于2011-2016 年的HJ1A/CCD 數(shù)據(jù),利用HANTS 濾波后的歸一化植被指數(shù)(NDVI)時間序列曲線,獲得黑河中游綠洲區(qū)作物種植面積的精細(xì)分類,精度高于90.8%。陳曉璐等[5]對MODIS 和Landsat 數(shù)據(jù)進(jìn)行融合利用HANTS 濾波建立ESTARFN NDVI 時間序列數(shù)據(jù)對察罕淖爾地區(qū)灌溉耕地進(jìn)行提取,總分類精度為93.18%,Kappa 系數(shù)為0.91。李鑫川等[6]以多時序環(huán)境衛(wèi)星影像對黑龍江墾區(qū)友誼農(nóng)場進(jìn)行作物分類表明: 決策樹分類效果最好。黃健熙等[7]以多時序高分衛(wèi)星影像,構(gòu)建基于NDVI 植被指數(shù)的決策樹對黑龍江省五九七農(nóng)場作物種植信息進(jìn)行提取,精度高于最大似然法的分類精度。郝衛(wèi)平等[8]基于多時相遙感數(shù)據(jù)估算了2007 年東北三省的耕地和水稻(Oryza sativa)、玉米(Zea mays)、大豆(Glycine max)的面積,精度分別為0.68、0.74 和0.68。李奇峰等[9]采用聚類分析法研究東北農(nóng)作區(qū)種植結(jié)構(gòu)空間演變情況,結(jié)果表明主要作物生產(chǎn)呈現(xiàn)集中趨勢,形成各自主要的生產(chǎn)區(qū)域。綜上,基于時序植被指數(shù)的決策樹分類方法根據(jù)作物季相節(jié)律特征構(gòu)建,能充分體現(xiàn)同一作物在不同生育期及不同作物在同一生育期的差異,因此具有較高的作物分類精度。

2020 年我國糧食供求總量始終處于緊平衡狀態(tài),糧食生產(chǎn)面臨著“供”與“需”雙重壓力,我國始終堅持“谷物基本自給、口糧絕對安全”的戰(zhàn)略,東北黑土糧倉是我國糧食生產(chǎn)的最重要產(chǎn)區(qū)[10-11]。松花江流域穿越東北糧食的主產(chǎn)區(qū),是我國重要的商品糧基地[12]。2000 年以來,出于政策刺激,松花江流域種植規(guī)?？焖贁U(kuò)張,種植面積擴(kuò)大了將近一倍,種植結(jié)構(gòu)發(fā)生了重大改變。因此,提取松花江流域內(nèi)作物種植結(jié)構(gòu)變化,對于提升其未來供給能力、保障國家糧食安全以及糧食生產(chǎn)的合理布局具有重要意義。

本研究以松花江流域為研究區(qū),基于統(tǒng)計年鑒數(shù)據(jù)以及MODIS 多時相數(shù)據(jù),計算NDVI、植被增強(qiáng)型指數(shù)(EVI)及地表水分指數(shù)(LSWI) 3 個植被指數(shù),結(jié)合不同作物生長發(fā)育的物候期構(gòu)建決策樹模型,對松花江流域內(nèi)水稻、玉米和大豆進(jìn)行提取,分析流域內(nèi)種植結(jié)構(gòu)的空間變化特征,以期為流域內(nèi)種植結(jié)構(gòu)調(diào)整提供科學(xué)指導(dǎo)。

1 研究區(qū)概況

松花江作為中國七大河之一,是黑龍江在中國境內(nèi)的最大支流。松花江流域(119°52′～132°31′E,41°42′～51°38′N)東西長920 km,南北寬1070 km,跨越內(nèi)蒙古、吉林、黑龍江3 省(自治區(qū)),流域面積55.68 萬km2,占黑龍江流域總面積的30.2% (圖1)。流域地處北溫帶季風(fēng)氣候區(qū),四季分明,夏季溫?zé)岫嘤?冬季寒冷干燥,年內(nèi)溫差較大,多年平均氣溫為3～5 ℃,年內(nèi)7 月溫度最高,日平均溫度為20～25 ℃,最高曾達(dá)40 ℃以上;1 月溫度最低,月平均氣溫-20 ℃以下;多年平均降水量在500 mm 左右,東南部山區(qū)降水可達(dá)700～900 mm,而干旱的流域西部地區(qū)只有400 mm。松花江水系發(fā)達(dá),支流眾多,流域內(nèi)水能資源豐富,年徑流量762 億m3。松花江自古以來便有“黃金水道”的稱譽(yù),為兩岸的農(nóng)業(yè)發(fā)展帶來了充足的資源。流域內(nèi)光照充足,雨熱同期且土壤肥力較高,土壤主要以黑土、棕壤、白漿土以及沼澤土為主,適于農(nóng)作物的生長,利于農(nóng)業(yè)的發(fā)展,是我國重要的農(nóng)業(yè)基地。其主要糧食作物為水稻和玉米,主要經(jīng)濟(jì)作物為大豆,均為一年一熟制,生育期集中在4-9 月。

圖1 研究區(qū)概況及驗證點分布圖Fig.1 Overview of the study area and distribution of verification points

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

水稻、玉米、大豆的種植面積來源于黑龍江省、吉林省、內(nèi)蒙古自治區(qū)的統(tǒng)計年鑒(https://data.cnki.net),土地利用數(shù)據(jù)來源于“中國科學(xué)院地理科學(xué)與資源研究所資源環(huán)境科學(xué)與數(shù)據(jù)中心”(https://www.resdc.cn)。MODIS 數(shù)據(jù)為MOD13A2 產(chǎn)品和MOD09A1(https://www.earthdata.nasa.gov),其 中,MOD13A2 產(chǎn)品NDVI 及EVI 指標(biāo)的時空分辨率分別為16 d 和1 km;MOD09A1為反射率數(shù)據(jù),用于LSWI 指標(biāo)的計算,時空分辨率分別為8 d 和500 m。

2.2 研究方法

本研究基于黑龍江省、吉林省和內(nèi)蒙古自治區(qū)統(tǒng)計年鑒數(shù)據(jù)的作物種植面積以及MODIS 多時相數(shù)據(jù),計算NDVI、EVI 及LSWI,構(gòu)建決策樹模型對松花江流域內(nèi)水稻、玉米和大豆進(jìn)行提取。

2.2.1 主要作物物候特征

松花江流域水稻在4 月下旬泡田,5 月中下旬插秧,6-8 月返青、分蘗、拔節(jié)、抽穗、灌漿,9 月中上旬成熟,9 月下旬至10 月上旬收獲;玉米生育期較長,約150 d 左右,不同品種略有差別,4 月下旬至5月上旬播種,5-9 月出苗、三葉期、七葉期、拔節(jié)、抽穗、開花、灌漿,9 月下旬至10 月上旬成熟,10 月中下旬收獲;大豆播種時間為5 月中上旬,5-6 月出苗、開花,7 月中下旬結(jié)莢,8-9 月從鼓粒到成熟,10 月初收獲[13](表1)。

表1 松花江流域不同作物生育期Table 1 Different crop growth periods in Songhua River Basin

2.2.2 植被指數(shù)時間序列數(shù)據(jù)集

NDVI 是目前應(yīng)用最廣泛的植被指數(shù)。完整的NDVI 時間序列數(shù)據(jù)集能夠較好地反映農(nóng)作物播種-生長-成熟-收割的全過程。由于農(nóng)作物的種類、生長特性和播種收割時間不同,表現(xiàn)出的光譜差異也不同[14-15]。計算公式為:

EVI 是利用遙感影像中的紅光波段、近紅外波段及藍(lán)光波段運算得出的植被指數(shù),對植被冠層結(jié)構(gòu)十分敏感,不僅能降低大氣和土壤對植被的干擾,而且能更加有效地消除指數(shù)的飽和現(xiàn)象,廣泛應(yīng)用于研究植被動態(tài)變化[16]。計算公式如下:

LSWI 針對植被水分對紅外波段的吸收特性,采用紅外通道監(jiān)測植被水分狀況。水體對短波紅外波段(SWIR)有較強(qiáng)的吸收,SWIR 波段對植被含水量的變化較敏感,近紅外波段(NIR)比可見光具有更強(qiáng)的葉冠透射能力,可用于區(qū)分水稻[17-19]。計算公式如下:

式中:ρnir為近紅外通道反射率;ρswir為短波熱紅外通道反射率;ρred為紅色通道反射率;ρblue為藍(lán)色通道反射率;L為土壤調(diào)節(jié)參數(shù),值為1。

2.2.3 植被指數(shù)時間序列數(shù)據(jù)集重構(gòu)

由于云、氣溶膠以及地物的雙向性反射等因素會對地表覆蓋及陸地生態(tài)系統(tǒng)的監(jiān)測產(chǎn)生極大的影響,因此需要對植被指數(shù)時間序列集進(jìn)行平滑處理,即重構(gòu)時序植被指數(shù)。目前常用的植被指數(shù)時間序列濾波去除噪聲分析方法主要有Savizky-Golay 濾波(S-G)、非對稱高斯濾波(A-G)、雙邏輯調(diào)和函數(shù)濾波(D-L)和傅里葉諧波(Hants)等。Savitzky-Golay過濾器的效果根據(jù)所選窗口的寬度不同,可以滿足多種場合的需求[20-22]。本研究使用的是S-G 濾波,可有效平滑去除噪聲且最大程度地保留植被指數(shù)的特征曲線。

式中:為植被指數(shù)擬合值;Y為植被指數(shù)原始值;N為卷積數(shù)據(jù);m為半個平滑窗口的寬度;j為初始值植被指數(shù)序列;Ci為第i個植被指數(shù)濾波系數(shù)。

2.2.4 決策樹模型

由于不同作物生育期的差異,不同地區(qū)氣候環(huán)境的差異及不同作物物候期的差異,以NDVI、EVI及LSWI 指標(biāo)為提取目標(biāo),根據(jù)不同作物的關(guān)鍵物候期(出苗期、拔節(jié)期、抽雄期、成熟期等)設(shè)定閾值,使用ENVI 軟件中的決策樹模型提取不同作物的種植面積[23-24]。松花江流域主要種植作物為水稻、玉米、大豆。LSWI 指標(biāo)可采用紅外通道檢測植被水分狀況,水稻在4 月下旬至5 月上旬處于泡田時期,期間水稻秧苗與水體處于共存狀態(tài),可用于區(qū)分水稻和其他作物;玉米種植時間早于水稻和大豆,可利用出苗期區(qū)分玉米和其他作物,玉米的拔節(jié)期生長速率最快,抽雄期為營養(yǎng)生長向生殖生長轉(zhuǎn)變的時期,此時玉米的平均葉面積最大,其NDVI 時序曲線達(dá)到峰值,10 月上旬玉米收割后為裸地;大豆播種時間稍晚于玉米,其收獲時間早于玉米,其EVI 曲線到達(dá)峰值時間較玉米早。決策樹中,對于NDVI 及EVI 峰值的確定,選擇了包含峰值及其前后的兩個時相,可避免一定程度上因受到各地種植習(xí)慣不同、氣候干擾等帶來的影響(表2)。

表2 松花江流域作物決策樹模型Table 2 Crop decision tree model in the Songhua River Basin

3 結(jié)果與分析

3.1 作物提取精度驗證

3.1.1 基于統(tǒng)計年鑒數(shù)據(jù)的精度驗證

本研究基于決策樹模型結(jié)合作物生長發(fā)育關(guān)鍵物候期,對2000 年和2020 年松花江流域內(nèi)主要農(nóng)作物種植面積進(jìn)行提取,并與農(nóng)業(yè)統(tǒng)計年鑒各市的種植面積進(jìn)行相關(guān)分析,決定系數(shù)為0.8797,水稻、玉米和大豆的決定系數(shù)分別為0.9090、0.9026、0.8200,單類種植結(jié)構(gòu)提取的精度均在82%以上(圖2),結(jié)果具有較好的一致性,分類結(jié)果能較準(zhǔn)確地反映流域內(nèi)作物的空間分布情況。

圖2 2000 年和2020 年松花江流域主要作物提取種植面積與各市農(nóng)業(yè)統(tǒng)計年鑒數(shù)據(jù)對比Fig.2 Comparison of extracted planting crop areas and actural planting areas of agricultural statistical yearbook data of crops in the Songhua River Basin in 2000 and 2020

3.1.2 混淆矩陣驗證

通過在松花江流域內(nèi)實地考察,采集作物分布驗證點109 個,其中水稻采樣點40 個,玉米采樣點53 個,大豆采樣點26 個,獲取的驗證點近兩年內(nèi)作物種植類型未發(fā)生變化,可用于2020 年作物提取的空間驗證,結(jié)合Google Earth 和其他學(xué)者已發(fā)布的相關(guān)數(shù)據(jù)集進(jìn)行混淆矩陣驗證[25-26],Kappa 系數(shù)為0.79,總體分類精度為0.84。分類結(jié)果具有較高的準(zhǔn)確性,可用于松花江流域內(nèi)作物的空間分布特征分析。

3.2 松花江流域作物分布的空間變化分析

松花江流域南部地區(qū)主要種植玉米,北部地區(qū)大多種植大豆,水稻主要分布在松花江、第二松花江及嫩江河流附近耕地,形成“北大豆,南玉米,河流附近皆水稻”的空間分布格局(圖3)。2000-2020 年，松花江流域內(nèi)作物空間分布發(fā)生顯著改變。在嫩江流域北部和中部地區(qū)主要為其他作物轉(zhuǎn)變?yōu)榇蠖?嫩江流域南部地區(qū)主要為其他作物轉(zhuǎn)變?yōu)橛衩缀退?在松花江(三岔河口以下)流域主要為大豆和其他作物轉(zhuǎn)變?yōu)橛衩?第二松花江流域為其他作物轉(zhuǎn)變?yōu)橛衩?。水稻集中分布在三江平原佳木斯市以及哈爾濱市、齊齊哈爾市等地區(qū),除白山市和延邊朝鮮族自治州水稻種植面積呈減少趨勢外,其余各市水稻的種植面積均有不同程度增加;玉米集中分布在長春市、哈爾濱市、齊齊哈爾市等地區(qū),在流域內(nèi)大部分城市種植面積均有不同程度增加,玉米的種植面積增加與流域內(nèi)實行了8 年的玉米臨儲政策有關(guān),政策頒布后既穩(wěn)定了玉米的價格同時也保障了農(nóng)民的收益;大豆集中分布在黑河市、齊齊哈爾市、綏化市等地區(qū),其種植面積在長春市、哈爾濱市、吉林市等有不同程度的下降。

圖3 2000 年和2020 年松花江流域主要作物空間分布Fig.3 Spatial distribution of main crops in the Songhua River Basin in 2000 and 2020

2000-2020 年松花江流域內(nèi)作物總種植面積整體呈波動增加趨勢,由95 556.28 km2增加到173 070.00 km2,增幅81.12%。由于近年來積溫帶北移東擴(kuò)現(xiàn)象,水稻種植優(yōu)勢區(qū)擴(kuò)大,2000-2020 年水稻的種植面積呈逐年增加的趨勢;大豆的種植面積呈先增加后減少再增加的趨勢,2009-2015 年大豆呈波動減少趨勢,其余年份波動增加;玉米的種植面積呈先穩(wěn)步增加后減少的趨勢。與2000 年相比,2020 年水稻、玉米和大豆種植面積分別增加24 911.36 km2、54 432.07km2、20 719.77 km2,保障了我們國家的糧食安全(圖4)。

圖4 2000-2020 年松花江流域作物總種植面積及主要作物種植面積Fig.4 Total planting area and each crop planting area of main crops in the Songhua River Basin from 2000 to 2020

3.3 松花江流域作物種植結(jié)構(gòu)的時空變化分析

2000-2020 年松花江流域內(nèi)作物種植結(jié)構(gòu)發(fā)生顯著變化[27],水稻種植面積占流域總種植面積比例由13.03%增加到21.59%,玉米種植面積占流域總種植面積比例由32.58%增加到49.44%,大豆種植面積占流域總種植面積比例由25.86%增加到26.25%(圖5)。水稻種植面積在松花江流域大部分區(qū)域均有增加,尤其是在三江平原等水稻優(yōu)勢產(chǎn)區(qū)及河流附近一些水資源充沛的城市,水稻種植面積呈現(xiàn)明顯擴(kuò)張趨勢;鶴崗市北部及齊齊哈爾市北部等地區(qū)水稻種植面積變化不大;長春市北部、七臺河市西北部及吉林市、白山市、延邊朝鮮族自治州中部部分地區(qū),水稻種植面積減少(圖6)?？傮w而言,除白山市和延邊朝鮮族自治州水稻種植面積呈減少趨勢外,松花江流域其余各市水稻的種植面積均有不同程度增加,其中佳木斯市、齊齊哈爾市、哈爾濱市種植面積增加較多,佳木斯市水稻種植面積增加8996.8 km2,增幅為634.75%;齊齊哈爾市增加3505.8 km2,增幅為370.99%。玉米種植面積在整個流域變化較大,大部分地區(qū)種植面積均呈增加趨勢,僅在白城市西北部、松原市中部等地區(qū)玉米種植面積有所減少;長春市中部、松原市東北部、哈爾濱市西南部及綏化市少數(shù)地區(qū)玉米種植面積變化較小(圖6)。2000-2020 年內(nèi),玉米種植面積在整個松花江流域18 市內(nèi)均有不同程度增加,其中長春市增加面積最多,增加7709.1 km2,增幅為136.71%;齊齊哈爾市增加面積為7343.8 km2;增加幅度最大的為黑河市,增幅為861.66%,由2000 年的303.6 km2增加到2020 年的2919.5 km2。大豆種植面積在流域北部偏東地區(qū)增加明顯,其中牡丹江市東北部、鶴崗市中部部分地區(qū)、大慶市北部、齊齊哈爾市中部及佳木斯市北部偏東等地區(qū)種植面積增加;而在流域東北部地區(qū)種植面積減少,主要包括長春市中部、哈爾濱市東北部、松原市中部偏東等地區(qū);大豆種植面積沒有變化的區(qū)域集中分布在齊齊哈爾北部及黑河市南部地區(qū)(圖6)。總體上,2000-2020 年內(nèi)大豆種植面積在各市有增有減,其中黑河市增加最多,增加面積為11 770.1 km2,增幅為434.29%;長春市大豆種植面積減少最多,減少面積為1407.2 km2。2000-2020 年作物種植優(yōu)勢區(qū)無明顯變化。水稻、玉米和大豆一直為流域內(nèi)主要種植作物。2000-2020 年水稻、玉米和大豆種植面積之和占總種植面積比例由71.49%波動增加到97.28%,水稻、玉米和大豆種植面積占總種植面積比例增幅分別為8.56%、16.86%、0.39% (圖5)。

圖5 2000-2020 年松花江流域不同作物占總種植面積比例Fig.5 Proportions of different crops in the total planting area of the Songhua River Basin from 2000 to 2020

圖6 2000-2020 年松花江流域作物種植面積的變化Fig.6 Crops planting areas changes of the Songhua River Basin from 2000 to 2020

將松花江流域內(nèi)18 個地級市按不同作物占總種植面積比例進(jìn)行聚類分析,將占比大于50%的市作為單一作物主導(dǎo)型,可分為水稻主導(dǎo)型、玉米主導(dǎo)型和大豆主導(dǎo)型;將所占比例均未超過50%且兩種作物所占比例相近的作為兩種作物共同主導(dǎo)型,可分為玉米-水稻主導(dǎo)型、玉米-大豆主導(dǎo)型和大豆-水稻主導(dǎo)型。2000 年作物主導(dǎo)類型多元化,共有5 種主導(dǎo)類型,其中玉米主導(dǎo)型市6 個,大豆主導(dǎo)型市4 個,玉米-水稻主導(dǎo)型市2 個,玉米-大豆主導(dǎo)型市4 個,大豆-水稻主導(dǎo)型市2 個。2020 年作物主導(dǎo)類型趨于穩(wěn)定且逐漸轉(zhuǎn)為單一型作物主導(dǎo),共有4 種主導(dǎo)類型,其中水稻主導(dǎo)型市1 個,玉米主導(dǎo)型市13 個,大豆主導(dǎo)型市3 個,玉米-大豆主導(dǎo)型市1 個,其余雙作物主導(dǎo)市類型均轉(zhuǎn)變?yōu)閱我蛔魑镏鲗?dǎo)型(圖7)。2000-2020 年新增水稻主導(dǎo)型市(佳木斯市)、玉米-水稻主導(dǎo)型市(吉林市、通化市)和大豆-水稻主導(dǎo)型市(延邊朝鮮族自治州、佳木斯市)消失,玉米-水稻主導(dǎo)型市和玉米-大豆主導(dǎo)型市均轉(zhuǎn)變?yōu)橛衩字鲗?dǎo)型市,作物種植類型逐漸趨于集中(圖8)。

圖7 2000 年和2020 年松花江流域作物主導(dǎo)型轉(zhuǎn)移Fig.7 Crop dominant transfer in the Songhua River Basin from 2000 to 2020

圖8 2000 年和2020 年松花江流域作物主導(dǎo)類型Fig.8 Crop dominant types in the Songhua River Basin in 2000 and 2020

4 討論與結(jié)論

4.1 討論

遙感影像在農(nóng)作物的信息提取中得到了廣泛應(yīng)用,通過構(gòu)建NDVI、EVI 時序曲線結(jié)合不同作物在各個時間段的特征能夠準(zhǔn)確地提取水稻、玉米、大豆、小麥(Triticum aestivum)等作物類型的分布信息。相關(guān)學(xué)者基于Sentinel 數(shù)據(jù)、Landsat 等數(shù)據(jù)等對東北地區(qū)進(jìn)行了作物提取[28-29],而MODIS 數(shù)據(jù)具有較高的時間和空間分辨率,在大尺度區(qū)域作物識別和提取等方面具有明顯優(yōu)勢,因此本研究基于時空分辨率為16 d、1 km 的MODIS 數(shù)據(jù),利用多指標(biāo)決策樹分類法對松花江流域2000 年和2020 年作物分布進(jìn)行提取。選取的農(nóng)作物生育期內(nèi)NDVI、EVI 及LSWI 3 個指標(biāo)的曲線變化特征能夠反映研究區(qū)不同作物生長發(fā)育狀況,實現(xiàn)了大尺度作物分布信息的提取,獲得了較高的作物分類精度。但在黑河市區(qū)域大豆的提取精度略低,主要是由于該區(qū)域農(nóng)作物地塊面積較小、種植分散、套種、間種等種植方式對作物的提取精度產(chǎn)生了影響。此外,部分地區(qū)缺少縣域統(tǒng)計年鑒作物種植面積的數(shù)據(jù),難以在縣域尺度上收集到完整的作物種植數(shù)據(jù),在市域尺度上收集到的數(shù)據(jù),缺乏海拉爾市和烏蘭浩特市的作物統(tǒng)計數(shù)據(jù),因此,在作物提取結(jié)果驗證時未將其與統(tǒng)計數(shù)據(jù)進(jìn)行比較。針對不同類型作物面積提取的精度評估,大豆精度較低,這可能是因為在進(jìn)行實際調(diào)研時大豆的地面調(diào)查點相對較少,對松花江流域大豆NDVI 變化曲線特征的提取精度有一定的影響。因此,在未來大尺度水稻、玉米和大豆作物類型的提取中,除了利用NDVI、EVI 及LSWI 多指標(biāo)變化曲線特征,還可以引入氣象要素等其他輔助信息提高決策樹分類精度,實現(xiàn)基于較少量地面調(diào)查點的作物遙感影像半自動化識別[30]。水稻和玉米相比大豆而言為高耗水作物,流域南部地區(qū)主要種植玉米,北部地區(qū)主要種植大豆,流域南部地區(qū)耗水高于北部地區(qū);嫩江流域南部地區(qū)主要為其他作物轉(zhuǎn)變?yōu)橛衩缀退?松花江(三岔河口以下)流域主要為大豆和其他作物轉(zhuǎn)變?yōu)橛衩?第二松花江流域主要為其他作物轉(zhuǎn)變?yōu)橛衩?以上地區(qū)作物種植區(qū)域的改變及種植面積的擴(kuò)大保障了我國的糧食安全,但也增加了松花江流域農(nóng)業(yè)用水的壓力。

4.2 結(jié)論

本研究選取2000 年和2020 年松花江流域內(nèi)作物生長發(fā)育期的時間序列MODIS 數(shù)據(jù),借助實地考察及Google Earth 影像獲取分類樣本數(shù)據(jù),提取作物關(guān)鍵生長發(fā)育期的NDVI、EVI 及LSWI 特征值,并根據(jù)樣本的特征值建立決策樹模型,提取了松花江流域2000 年和2020 年的主要種植作物空間分布,并分析了2000-2020 年流域內(nèi)作物種植結(jié)構(gòu)的空間分布特征。得到以下結(jié)論:

1)本研究分類結(jié)果中,單類作物種植結(jié)構(gòu)提取的準(zhǔn)確率均在82%以上,具有較高的精度,經(jīng)實地考察驗證、Google Earth 及相關(guān)數(shù)據(jù)計算混淆矩陣,Kappa 系數(shù)為0.79,總體分類精度為0.84,水稻、玉米和大豆的提取精度分別為0.9090、0.9026 和0.8200。

2)松花江流域是我國重要的玉米、水稻和大豆生產(chǎn)基地,2000-2020 年松花江流域種植規(guī)模處于持續(xù)擴(kuò)張狀態(tài),總播種面積呈增加趨勢;玉米和水稻呈逐年波動增加趨勢,2009-2015 年大豆呈波動減少趨勢,其余年份波動增加。對比2000年,2020 年水稻、玉米和大豆種植面積分別增加24 911.36 km2、54 432.07 km2和20 719.77 km2?？傮w來看,水稻種植面積占總種植面積比例增加8.56%,玉米種植面積占比增加16.86%,大豆種植面積占比增加0.39%。

3)松花江流域作物種植以玉米為主,水稻和大豆為輔,形成“北大豆,南玉米,河流附近皆水稻”的生產(chǎn)格局。水稻在松花江流域整個范圍內(nèi)大部分為種植面積增加區(qū),尤其是河流附近水資源豐富的地區(qū);玉米在整個流域內(nèi)種植面積變化較大,大部分地區(qū)均為種植面積增加區(qū);大豆在流域北部偏東地區(qū)為種植面積增加區(qū)。

4) 2020 年新增水稻主導(dǎo)型市,玉米-水稻主導(dǎo)型市和大豆-水稻主導(dǎo)型市消失,玉米-水稻主導(dǎo)型市和玉米-大豆主導(dǎo)型市均轉(zhuǎn)變?yōu)橛衩字鲗?dǎo)型市,作物種植類型逐漸趨于集中。

綜上,對松花江流域內(nèi)2000 年和2020 年的作物種植結(jié)構(gòu)的提取結(jié)果具有可靠性。從農(nóng)作制分區(qū)角度,流域內(nèi)作物種植結(jié)構(gòu)呈現(xiàn)集中連片和趨于穩(wěn)定的規(guī)律,各地市逐步形成了具有各自特色的優(yōu)勢作物種植區(qū)及生產(chǎn)基地。