鲁西北平原冬小麦种植格局时空变化： 2000―2014

赵庆庆， 姜鲁光， 李文叶， 封志明

(1.中国科学院地理科学与资源研究所,北京 100101； 2.中国科学院大学,北京 100049)

鲁西北平原冬小麦种植格局时空变化： 2000―2014

赵庆庆1，2， 姜鲁光1,2， 李文叶1，2， 封志明1,2

(1.中国科学院地理科学与资源研究所,北京 100101； 2.中国科学院大学,北京 100049)

鲁西北地区是我国主要粮食生产基地之一，冬小麦是该区最主要的夏粮作物。鲁西北地区冬小麦种植信息和时空变化特征，是该地区粮食安全研究的现实基础。根据鲁西北平原冬小麦的物候历，选取合适时间窗口下的Landsat TM/ETM+/OLI中、高空间分辨率卫星影像，获取其归一化植被指数； 设置合理阈值，识别了2000年和2014年鲁西北地区冬小麦的空间格局； 采取野外考察和Google Earth选取样本点相结合的方法进行了精度验证。研究结果表明： 鲁西北地区德州市辖区、夏津县、东营市利津县、沾化县、无棣县和聊城市辖区等6个区县的冬小麦分布较少，其余地区分布都比较广； 2000―2014年间鲁西北地区冬小麦种植面积由171.19万hm2减少到149.39万hm2，减少21.8万hm2，减幅为12.73%，集中分布在该区东北部、西部地区和区县中心的城市周边地区； 2014年鲁西北平原冬小麦提取总体精度为96.8%。

冬小麦； 遥感； NDVI； 时间窗口； 鲁西北； 物候

0 引言

“民以食为天”，粮食问题始终是人们关注的热点之一。一方面，中国人口的增加使粮食生产的需求更加迫切； 另一方面，经济发展、建设用地的扩张导致耕地面积减少，再加上我国耕地质量的总体下降[1]，使得粮食产量受到影响。这2个方面的原因导致粮食生产和需求之间的矛盾加剧。冬小麦是我国3大主要粮食作物之一，据国家统计局统计，2013年我国冬小麦播种面积2 412万hm2，占全国粮食播种面积的21.54%，产量占全国粮食总产量的20.26%[2]。华北平原是我国重要的农业生产区之一，其中鲁西北地区是主要的粮食生产基地，也是冬小麦的主产区。因此，快速、准确地掌握鲁西北地区冬小麦的种植面积及其空间分布情况具有重要现实意义。同时，监测冬小麦的面积也可为水资源的优化管理、国家粮食安全政策的制定等提供科学依据。

遥感技术以其数据客观准确、获取及时、宏观动态、费用低廉等特点，成为农业资源调查、农作物长势监测及农作物种植面积估测的有力工具[3-6]。已有研究表明，对大范围内农作物的识别多采用多时相分类法，所用数据以MODIS为主。杨小唤等[7]利用多时相分类法分析了MODIS归一化植被指数(normalized differene vegetation index,NDVI)时间序列数据，提取了北京市冬小麦、春玉米、夏玉米和大豆等作物的种植面积，认为通过NDVI峰值的大小和出现时间并结合物候历的分析，可以识别不同农作物。张霞等[8]结合地面测量数据与物候信息，通过分析MODIS增强型植被指数(enhanced vegetation index,EVI)时间序列数据，建立了华北平原冬小麦的面积提取模型。王学等[9]利用MODIS EVI时间序列，建立了华北平原冬小麦时序波谱曲线库，分析了2001—2011年县域和省级尺度上冬小麦面积的时空变化特征。潘学鹏等[10]引入复种指数，利用分类与回归树(classification and regression tree,CART)算法分析了MODIS NDVI时间序列数据，提取了华北平原冬小麦的种植面积。上述研究中，多时相分类法对数据要求较高，而利用合适时间窗口的阈值法相对简单易行。与MODIS相比，TM/ETM+/OLI数据的空间分辨率更高。因此，本文基于合适时间窗口内30 m空间分辨率的Landsat TM/ETM+/OLI遥感影像，利用NDVI的差异提取冬小麦的种植面积和空间分布信息。

1 研究区概况

鲁西北地区(图1)是山东省内位于黄河以北的冲积平原，位于E 115°16′～119°00′，N 35°47′～38°16′之间，总面积3.1万km2，包括德州市、聊城市、滨州市(不包括邹平县和博兴县)以及济南市的商河县、济阳县和东营市辖区及利津县。

图1 鲁西北地区地理位置示意图

鲁西北地区南临黄河，西靠冀中南地区，北濒渤海，是华北平原的重要组成部分。该区域属于暖温半湿润大陆性季风气候，年平均气温12.9℃，年平均降水量578.4 mm，主要农作物有冬小麦、玉米、棉花和花生等。

2 数据源

2.1 遥感影像

本文所用Landsat TM/ETM+/OLI遥感影像来源于美国地质调查局(USGS)网站(http： //glovis.usgs.gov/)，该影像重访周期为16 d，扫幅宽度185 km。本文使用2000年和2014年获取的轨道号/行号分别为P121/R34,P122/R34,P122/R35,P123/R34和P123/R35的影像共10景。所选遥感影像在卫星过境时天气晴朗、云雾覆盖度均小于10%，质量良好，可满足本文研究要求。所用影像数据均为经过辐射定标、大气校正(消除辐射误差)和几何配准后计算的冬小麦的NDVI值(表1)。

表1 冬小麦提取的NDVI阈值范围

2.2 农业气象数据

本文所用的农业气象数据主要为山东省农作物农时数据，来源于中华人民共和国农业部种植业管理司(http: // www.zzys. moa.gov.cn/)。该数据逐旬记录了冬小麦从播种到成熟的时间，能够很好地反映大面积的冬小麦物候特征(图2，图中省略了7—9月)。

图2 鲁西北地区主要农作物物候历图

2.3 验证点数据

验证点的选取遵从下列3条原则： ①选取的验证点为单一地类； ②验证点尽量均匀分布； ③验证点间隔5 km以上。在2014年4月25—27日的野外考察中共采集了1 208个GPS样点。鉴于样点分布并不均匀，故又在Google Earth图像中相对均匀地随机选取了296个样点，其中100个为冬小麦样本点，196个为验证点，基本覆盖了整个研究区(图3)。

图3 2014年鲁西北冬小麦提取精度验证点分布图

3 研究方法

植被指数是2个或多个波长范围内地物反射率的组合运算结果，能够反映植被生长状况。NDVI被有效地应用于土地利用覆盖监测、植被覆盖密度评价、作物识别和作物产量预报等方面[11-13]。本文选用NDVI提取鲁西北地区的冬小麦种植信息，其计算公式为

(1)

式中RNIR和RRED分别为近红外波段和红光波段的反射率。Landsat TM/ETM+卫星影像中，近红外波段和红光波段分别为Band4和Band3。NDVI的范围是[-1,1]，正值表示植被，且其值随着植被覆盖度的增大而增大。

本文利用遥感影像反演NDVI，设置合理的阈值范围，分别提取2000年和2014年鲁西北地区冬小麦的空间分布，并分析15 a间鲁西北地区冬小麦种植面积和空间格局变化情况及原因。

3.1 时间窗口选取

鲁西北地区冬小麦10月上、中旬播种，10月下旬―11月上旬出苗，11月中、下旬分蘖，NDVI值增大； 12月上旬―次年2月上旬越冬停长，NDVI值减小； 2月中旬―3月中旬返青，NDVI值开始上升； 3月下旬―4月中旬拔节孕穗，生长旺盛，NDVI值继续上升； 4月下旬―5月上旬抽穗，NDVI达到峰值； 5月中下旬乳熟，6月上、中旬成熟，NDVI值下降(图2和图4)。

图4 鲁西北地区冬小麦NDVI时间序列曲线(据Landsat TM/ ETM+/ OLI P122/R34影像测定)

但由于10月中、下旬部分温室蔬菜处于移栽期，12月出苗后迅速生长，其NDVI值变化类似冬小麦，会影响冬小麦面积的提取精度[14]； 而3月下旬到4月上旬，玉米、棉花、花生等作物还未播种，杨树等树木尚未发芽，对冬小麦的提取不会造成影响。直观来看，冬小麦和其他地物成像差异非常显著，根据田块颜色即可清晰辨识冬小麦(图5)。

(a) 2000年4月7号 (b) 2014年3月21号 (Band4(R)Band3(G) (Band5(R)Band4(G) Band2(B)假彩色合成)Band3(B)假彩色合成)

因此，通过鲁西北地区不同作物物候历的比较，3月下旬到4月上旬是提取鲁西北地区冬小麦种植信息的最佳时间窗口。

3.2 冬小麦提取阈值范围确定

在ENVI4.8软件平台下，将Landsat TM/ ETM+/ OLI影像的Band4,Band3,Band2分别赋予红、绿、蓝3色，合成假彩色影像(图5(a))，并计算NDVI值。影像图中水体呈暗蓝黑色，建筑用地呈灰色，植被呈红色[15]。

根据2013年10月—2014年6月每16 d间隔的Landsat TM/ETM+/OLI数据和Google Earth 100个冬小麦的样本点，按数据条带号(表1)分别构建冬小麦生育期(播种→出苗→分蘖→停长→返青→拔节孕穗→抽穗→乳熟→成熟收获)内的NDVI时间序列曲线图。为消除云、大气、土壤背景等对该时间序列曲线的干扰，利用基于傅立叶变换的时间序列谐波分析(harmonic analysis of time series,HANTS)法对NDVI进行去噪处理，重构冬小麦生育期光滑的NDVI时间序列曲线(图4示出以P122/R34影像为例的冬小麦NDVI时间序列曲线)。据此，按条带号分别设置提取鲁西北地区冬小麦的阈值范围(表1)。从表1可以看出，利用同一年份、相邻条带号的影像得到的提取冬小麦的NDVI阈值相似，但因受作物长势、覆盖度等因素影响，NDVI阈值不完全相同； 利用不同年份、同一影像得到的提取冬小麦的NDVI阈值相似，但基本上都不相同。

3.3 冬小麦提取及精度验证

在ArcGIS 9.3软件平台下，利用栅格计算器分别提取2000年和2014年鲁西北地区冬小麦的空间分布信息，利用1 404个校验点验证2014年鲁西北地区冬小麦种植面积提取的精度。在此基础上，将2000年和2014年的解译结果进行空间叠置，分析15 a间鲁西北地区冬小麦空间格局的变化情况。技术路线如图6所示。

图6 技术路线图

4 结果与分析

4.1 2014年冬小麦提取精度验证

精度验证是将验证点的实际土地利用类型与本文遥感解译中相应位置的土地利用类型进行对比，相一致的即为样点匹配，否则为样点不匹配。野外验证点中，冬小麦验证点448个(其中423个样点匹配，25个样点不匹配)； 其他地类验证点760个(其中752个样点匹配，8个样点不匹配)。Google Earth验证点中，冬小麦验证点196个(其中184个样点匹配，12个样点不匹配)。总体精度为96.8%，Kappa系数为93.5%(表2)。

表2 2014年鲁西北平原冬小麦提取精度

考虑到冬小麦的长势、病虫害情况等很多原因都会影响冬小麦提取结果，且冬小麦的植被指数具有日变化规律[16-17]，因此，本文的研究结果是可以接受的，能满足冬小麦宏观监测的要求。

4.2 2000和2014年冬小麦种植信息

用以上方法得到2000年和2014年鲁西北地区冬小麦种植信息(图7)。

(a) 2000年 (b) 2014年

2000年鲁西北地区冬小麦种植面积171.19万hm2，占行政区面积的55.96%，空间分布较广。该区东北部的东营市辖区、利津县、沾化县、无棣县、滨州市滨城区和西部的德州市夏津县等6个区县的冬小麦空间分布相对较少，冬小麦种植面积分别为1.07,3.33,4.12,4.58,4.43和3.57万hm2，分别占各区县土地面积的15.27%,8.55%,10.83%,12.6%,45.76%和40.08%； 冬小麦种植面积合计21.09万hm2，占行政区面积的26.72%。其余各区县的冬小麦种植面积合计150.1万hm2，占行政区面积的66.13%，且空间分布上比较均匀(图7(a))。

2014年鲁西北地区冬小麦种植面积149.39万hm2，占行政区面积的48.83%，空间分布格局与2000年相似。鲁西北地区东北部的东营市辖区、利津县、沾化县、无棣县、滨州市滨城区和西部的德州市夏津县等6个区县的冬小麦空间分布很少，冬小麦种植面积分别为0.1,0.89,0.76,1.31,3.05和3.53万hm2，分别占各区县土地面积的0.63%,7.52%,5.11%,7.64%,31.55%和39.54%； 冬小麦种植面积合计9.65万hm2，占行政区面积的12.23%。其余各区县冬小麦种植面积合计139.74万hm2，占行政区面积的61.56%，且空间分布上比较均匀(图7(b))。

4.3 2000—2014年冬小麦种植变化情况

从数量上看，2000—2014年间鲁西北地区冬小麦种植面积总体上呈下降趋势(图8)，由2000年的171.19万hm2减少到2014年的149.39 万hm2，共减少21.8万hm2，减幅12.73%，年平均变化率为-0.97%。

图8 2000—2014年鲁西北地区各县冬小麦种植面积变化图

从空间分布上看，2014年相比2000年鲁西北地区冬小麦种植面积减少的区域集中在东北部和西部地区(图9)。

东北部的东营市辖区、利津县、沾化县、无棣县、滨州市滨城区和西部的德州市夏津县等6个区县的冬小麦种植面积由2000年的21.09万hm2变化为2014年的9.65万hm2，共减少11.44万hm2，减幅54.24%； 由2000年占行政区面积的26.72%降低为2014年的12.23%，降低了14.49%。2014年比2000年鲁西北地区冬小麦种植面积减少的区域集中在区县中心的城市周边地区，如德州市辖区冬小麦种植面积由2000年的1.32万hm2变化为2014年的0.62万hm2，共减少0.7万hm2，减幅53.44%； 由2000年占该市辖区土地面积的47.89%降低为2014年的22.30%，降低了25.59%。其余各区县冬小麦种植面积的变化相对较小，冬小麦种植面积由2000年的148.78万hm2变化为2014年的139.13万hm2，共减少9.65万hm2，减幅6.5%； 由2000年占行政区面积的66.35%降低为2014年的62.05%，降低了4.3%。

图9 2000—2014年鲁西北地区冬小麦分布变化图

5 问题与讨论

1)鲁西北地区冬小麦空间分布。冬小麦是鲁西北地区主要的粮食作物之一，空间分布比较广，但研究结果却表明有些地方冬小麦分布比较少，主要原因有3点： ①其他农作物的影响。有些区县如德州市夏津县、东营市利津县、沾化县、无棣县等以种植棉花为主，其中夏津县是全国著名的产棉大县。鲁西北地区棉花4月中下旬播种，而冬小麦6月中上旬成熟之后才收割，因此，从物候(图2)角度出发，鲁西北地区棉花与冬小麦无法轮作，农民需预留该地区的农田来种植棉花； ②水资源制约。研究区东北部的东营市和滨州市位于黄河三角洲内，该区域水资源总量呈减少趋势[18]，且大部分地下水是咸水[19]，水资源供需矛盾突出，制约了农业发展； ③经济因素。诸如德州市辖区等市区中心，相对于周边地方而言地价比较高，建筑用地的收益比农用地要高很多，因此这些区县的土地利用类型主要为建筑用地，冬小麦种植面积相对较少。

2)冬小麦耕地转化为其他地类。2000—2014年间，鲁西北地区由冬小麦耕地转化为其他地类的有45.9万hm2，变化率为26.81%。主要有3方面原因： ①耕地非农化。21世纪以来，我国社会经济持续发展，城镇人口比重增加，城镇化水平提高，城区向四周扩展，耕地被占用。以研究区内德州为例，城市人口所占比例由2000年的20.45%上升到2013年的47.74%，GDP由2000年的360亿元增长到2013年的2 460.59亿元。在此过程中，国家宏观国土开发战略导致城乡建设用地大规模增长[20]，具体表现为区县中心的建设用地向外扩张，兴建水库、机场、道路等基础设施； ②经济和劳动力因素。由于种粮成本上升、相对收益低，农民种粮积极性不高，劳动力不足导致耕地撂荒等现象出现； ③耕地盐碱化、质量下降。引黄灌溉在山东省灌溉区中占了近50%，引起灌溉区内盐分积聚现象严重[21-22]，黄河三角洲地区的滨州、东营等地土壤盐碱化加剧，引起作物生理干旱，影响对养分的吸收[23]，不宜种植冬小麦。

3)其他地类转化为冬小麦耕地。2000—2014年间，鲁西北地区由其他地类转化为冬小麦耕地的有24.1万hm2，变化率为17.89%。主要有2方面原因： ①土地整理复垦。为落实城乡建设用地增减挂钩政策，各地实行土地整理复垦，主要包括农村村庄整治(空心村整治、农民上楼)、采煤塌陷地复垦、引黄沉沙池复垦等； ②中低产田改造。通过鲁西北地区耕地灌溉条件的改善、盐碱地的治理等，提高了土地生产力，使原本不适宜种植农作物的未利用地改造为耕地。冬小麦种植面积增加的区县有聊城市的临清县、荏平县和德州市的宁津县。

4)基于单个特征时间窗口的冬小麦种植信息提取。本文利用单个特征时间窗口的遥感影像提取了鲁西北平原冬小麦的种植信息，在不需要进行目视解译的情况下，精度达到了96.8%，对鲁西北地区来说是一种快速、有效的冬小麦种植信息空间格局提取方法。与多时间窗口的提取方法相比，本文方法不仅提取冬小麦的精度与其相似，而且对数据量要求较低，工作量相对较少，工作效率相对提高。研究结果表明，利用TM/ETM+/OLI数据监测冬小麦的种植面积，有助于对MODIS数据分析结果进行验证。但对其他种植结构复杂、地块破碎的地区(如江苏、安徽等省位于长江以北的地区)，本文方法还有待进一步改进。

6 结论

本文利用Landsat TM/ETM+/OLI中、高分别率遥感影像提取了2000年和2014年鲁西北地区冬小麦的种植面积和空间分布信息，得出以下结论：

1)本文对2014年鲁西北平原冬小麦提取总体精度为96.8%，Kappa系数为93.5%。

2)冬小麦是鲁西北地区最主要的夏粮作物，空间分布比较广； 但德州市夏津县、东营市利津县、沾化县、无棣县和德州市辖区、聊城市辖区等区县冬小麦分布比较少。

3)2000—2014年间鲁西北地区冬小麦种植面积总体上呈下降趋势，由2000年的171.19万hm2(占区域土地总面积的55.96%)减少到2014年的149.39万hm2(占鲁西北地区土地总面积的48.83%)，减少了21.8万hm2，减幅12.73%。冬小麦种植面积减少的区域集中在鲁西北地区的东北部、西部和区县中心的城市周边地区。

4)2000—2014年间鲁西北地区冬小麦种植面积减少有多方面原因，主要包括耕地非农化、经济和劳动力因素和耕地盐碱化、质量下降等。

尽管本文方法在鲁西北地区冬小麦种植面积和空间分布信息提取中取得了较好的效果，但对其他种植结构复杂、地块破碎的地区，本文方法还有待进一步改进。

[1] 李爱青.浅析我国耕地质量现状,下降原因及强化建设对策[J].安徽农学通报,2012,18(2):1-2,36. Li A Q.Study on the current situation of cultivated land quality,reasons for the decline and construction countermeasures[J].Anhui Agricultural Science Bulletin,2012,18(2):1-2,36.

[2] 中华人民共和国国家统计局.中国统计年鉴[M].北京:中国统计出版社,2014:375. National Bureau of Statistics People’s Republic of China. China Statistical Yearbook[M].Beijing:China Statistics Press,2014:375.

[3] 梅安新,彭望录,秦其明,等.遥感导论[M].北京:高等教育出版社,2001:5-6. Mei A X,Peng W L,Qin Q M,et al.An Introduction to Remote Sensing[M].Beijing:Higher Education Press,2001:5-6.

[4] 刘海启.美国农业遥感技术应用现状简介[J].国土资源遥感,1997,9(3):56-60.doi:10.6046/gtzyyg.1997.03.10. Liu H Q.Introduction of present situation of remote sensing technology in USA[J].Remote Sensing for Land and Resources,1997,9(3):56-60.doi:10.6046/gtzyyg.1997.03.10.

[5] 胡琼,吴文斌,宋茜,等.农作物种植结构遥感提取研究进展[J].中国农业科学,2015,48(10):1900-1914. Hu Q,Wu W B,Song Q,et al.Recent progresses in research of crop patterns mapping by using remote sensing[J].Agricultural Sciences in China,2015,48(10):1900-1914.

[6] 胡莹瑾,崔海明.基于RS和GIS的农作物估产方法研究进展[J].国土资源遥感,2014,26(4):1-7.doi:10.6046/gtzyyg.2014.04.01. Hu Y J,Cui H M.Progress in the study of crop yield estimation methods based on remote sensing and geographic information system[J].Remote Sensing for Land and Resources,2014,26(4):1-7.doi:10.6046/gtzyyg.2014.04.01.

[7] 杨小唤,张香平,江东.基于MODIS时序NDVI特征值提取多作物播种面积的方法[J].资源科学,2004,26(6):17-22. Yang X H,Zhang X P,Jiang D.Extraction of multi-crop planting areas from MODIS data[J].Resources Science,2004,26(6):17-22.

[8] 张霞,帅通,杨杭,等.基于MODIS EVI图像时间序列的冬小麦面积提取[J].农业工程学报,2010,26(s1):220-224. Zhang X,Shuai T,Yang H,et al.Winter wheat planting area extraction based on MODIS EVI image time series[J].Transactions of the CSAE,2010,26(s1):220-224.

[9] 王学,李秀彬,谈明洪,等.华北平原2001―2011年冬小麦播种面积变化遥感监测[J].农业工程学报,2015,31(8):190-199. Wang X,Li X B,Tan M H,et al.Remote sensing monitoring of changes in winter wheat area in North China Plain from 2001 to 2011[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(8):190-199.

[10]潘学鹏,李改欣,刘峰贵,等.华北平原冬小麦面积遥感提取及时空变化研究[J].中国生态农业学报,2015,23(4):497-505. Pan X P,Li G X,Liu F G,et al.Using remote sensing to determine spatio-temporal variations in winter wheat growing area in the North China Plain[J].Chinese Journal of Eco-Agriculture,2015,23(4):497-505.

[11]彭虓,张树文.基于NDVI与LAI的水稻生长状况研究[J].遥感技术与应用,2002,17(1):12-16. Peng X,Zhang S W.Research on rice growth status based on NDVI and LAI[J].Remote Sensing Technology and Application,2002,17(1):12-16.

[12]刘洋,李诚志,刘志辉,等.1982-2013年基于GIMMS-NDVI的新疆植被覆盖时空变化[J].生态学报,2016,36(19):6198-6208. Liu Y,Li C Z,Liu Z H,et al.Assessment of spatio-temporal variations in vegetation cover in Xinjiang from 1982 to 2013 based on GIMMS-NDVI[J].Acta Ecologica Sinica,2016,36(19):6198-6208.

[13]赵健赟,彭军还.基于MODIS NDVI的青海高原植被覆盖时空变化特征分析[J].干旱区资源与环境,2016,30(4):67-73. Zhao J Y,Peng J H.Spatiotemporal variation of the vegetation coverage in Qinghai Plateau based on MODIS NDVI data[J].Journal of Arid Land Resources and Environment,2016,30(4):67-73.

[14]林文鹏.基于MODIS波谱分析的作物信息提取研究[D].北京:中国科学院遥感应用研究所,2006. Lin W P.Study on Crop Information Extraction Based on MODIS Spectral Analysis[D].Beijing:Institute of Remote Sensing Applications,Chinese Academy of Sciences,2006.

[15]赵丽花,李卫国,杜培军.基于多时相HJ卫星的冬小麦面积提取[J].遥感信息,2011(2):41-45,50. Zhao L H,Li W G,Du P J.The area extraction of winter wheat based on multi-temporal HJ remote sensing satellite images[J].Remote Sensing Information,2011(2):41-45,50.

[16]毛学森,张永强,沈彦俊.水分胁迫对冬小麦植被指数NDVI影响及其动态变化特征[J].干旱地区农业研究,2002,20(1):69-71. Mao X S,Zhang Y Q,Shen Y J.Effects of water stress in different stages on winter wheat vegetation index and NDVI’s dynamic[J].Agricultural Research in the Arid Areas,2002,20(1):69-71.

[17]宋晓宇,王仁红,杨贵军,等.高分辨率遥感影像中冬小麦长势空间异质性特征分析[J].农业工程学报,2014,30(17):192-199. Song X Y,Wang R H,Yang G J,et al.Winter wheat growth spatial variability character analysis based on remote sensing image with high resolution[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(17):192-199.

[18]曹建荣,于洪军,徐兴永,等.黄河三角洲水资源变化特征及其优化配置[J].人民黄河,2010,32(6):71-72. Cao J R,Yu H J,Xu X Y,et al.Variation characteristics of water resources and its optimized allocation of the Yellow River Delta[J].Yellow River,2010,32(6):71-72.

[19]刘海娇,仕玉治,范明元,等.基于GIS的黄河三角洲水资源脆弱性评价[J].水资源保护,2012,28(1):34-37. Liu H J,Shi Y Z,Fan M Y,et al.Water resources vulnerability assessment in Yellow River Delta based on GIS[J].Water Resources Protection,2012,28(1):34-37.

[20]刘纪远,张增祥,徐新良,等.21世纪初中国土地利用变化的空间格局与驱动力分析[J].地理学报,2009,64(12):1411-1420. Liu J Y,Zhang Z X,Xu X L,et al.Spatial patterns and driving forces of land use change in China in the early 21st century[J].Acta Geographica Sinica,2009,64(12):1411-1420.

[21]齐春三,赵倩,董温荣,等.引黄灌溉对土壤盐碱化的影响与对策[J].水利规划与设计,2007(2):10-12. Qi C S,Zhao Q,Dong W R,et al.The influence of irrigation water drawn from the Yellow River on soil salinization and its preventive measures[J].Water Resources Planning and Design,2007(2):10-12.

[22]雷天雷.引黄灌溉对地下水化学特征的影响——以山东聊城为例[D].重庆:重庆交通大学,2014. Lei T L.The Influence of Irrigation with Water from Yellow River on the Hydro Chemical Characteristics:Taking the Example of City Liaocheng of Shandong Province for Analysis[D].Chongqing:Chongqing Jiaotong University,2014.

[23]褚冰倩,乔文峰.土壤盐碱化成因及改良措施[J].现代农业科技,2011(14):309,311. Zhu B Q,Qiao W F.Soil salinization causes and improvement measures[J].Modern Agricultural Science and Technology,2011(14):309,311.

(责任编辑： 刘心季)

Spatial-temporal pattern change of winter wheat area in northwest Shandong Province during 2000―2014

ZHAO Qingqing1,2， JIANG Luguang1,2， LI Wenye1,2， FENG Zhiming1,2

(1.InstituteofGeographicSciencesandNaturalResourcesResearch，CAS，Beijing100101，China；2.UniversityofChineseAcademyofSciences，Beijing100049，China)

Winter wheat is one of the main food crops in northwest Shandong Province, a main grain production base in China, and therefore the application of remote sensing technique to monitoring the spatio-temporal pattern change of the winter wheat area has the important practical significance. In this study, the appropriate time window was selected according to calendar of main crops in northwest Shandong Province, and then the NDVIs of Landsat TM/ETM+/OLI images were calculated. After that, the threshold value range of NDVI was set to extract winter wheat in 2000 and 2014. Finally, 1404 sampling points were chosen through field survey and Google Earth to calculate the accuracy. The results show that winter wheat is spatially widely distributed in northwest Shandong Province, whereas things in Dezhou Municipal District, Xiajin County, Lijin County, Zhanhua County, Wudi County and Liaocheng Municipal District are just the opposite. The winter wheat area in 2000 in northwest Shandong Province was 1.71×106hm2and was 1.49 ×106hm2in 2014, with the decreasing range being 2.18×105hm2and the rate of change being -12.73%. The accuracy of extraction in 2014 was 96.8%.

winter wheat； remote sensing； NDVI； time window； northwest Shandong Province； phenology

10.6046/gtzyyg.2017.02.25

赵庆庆,姜鲁光,李文叶,等.鲁西北平原冬小麦种植格局时空变化： 2000―2014[J].国土资源遥感,2017,29(2)：173-180.(Zhao Q Q,Jiang L G,Li W Y,et al.Spatial-temporal pattern change of winter wheat area in northwest Shandong Province during 2000—2014[J].Remote Sensing for Land and Resources,2017,29(2)：173-180.)

2015-11-04；

2016-02-23

国家自然科学基金重点项目“中国水土资源利用与粮食生产的平衡关系定量分析与数字模拟”(编号： 41430861)资助。

赵庆庆(1990-),女,硕士研究生,主要研究方向为水土资源综合评价。Email： zhaoqq.13s@igsnrr.ac.cn。

姜鲁光(1978-),男,副研究员,主要从事水土资源综合评价方面的研究。Email： jianglg@igsnrr.ac.cn。

TP 79

A

1001-070X(2017)02-0173-08