遥感技术在农村土地流转监测中的应用

摘 要：在介绍农村土地流转研究现状、遥感技术的发展及其在农业领域的应用情况的基础上，着重从土地流转信息提取、土地流转动态变化监测和不同区域土地流转程度对比分析3方面综述了遥感技术在土地流转监测中的应用，并从地理学理论的指导、遥感影像目视解译、遥感影像的分类和遥感监测的技术环节4个方面提出了遥感技术在土地流转监测中的应用建议。

关键词：遥感；土地流转；信息提取；动态监测；流转程度；综述

中图分类号：S127 文献标识码：A 文章编号：1006-060X（2015）11-0132-04

Abstract：Based on the introduction of the research status of rural land circulation， the development of remote sensing technology as well as its application in the agricultural filed， the paper summarized the application of remote sensing technology in monitoring land circulation mainly from three aspects， including information extraction of land circulation， dynamic monitoring of land circulation and comparison analysis of land circulation among different regions. Meantime， several suggestions on the application of remote sensing technology in monitoring land circulation were proposed from four aspects as follows： the guidance of geographic theory， visual interpreting of remote sensing images， the classification of remote sensing images， and technical links of remote sensing monitoring. It may provide a reference for the research of monitoring rural land circulation.

Key words：remote sensing； land circulation； information extraction； dynamic monitoring； circulation extent； review

我国是土地资源大国，国土面积位居世界前列。随着人口数量的持续增加，土地利用方式日益向多样化方向发展，导致人均土地资源有限，不同领域的用地需求逐渐加大。从自然属性角度分析，植被、土壤、气象、水文等多种自然因素共同影响着土地资源的形成及其空间差异特征；再加上经济社会因素的共同作用，土地构成、土地利用类型、分布和数量逐渐发生变化。快速准确地监测这些变化信息，并分析其时空特点，评价其动态变化，预测其未来趋势，可为长期支持国家资源环境以及其他方面的科学研究提供参考依据。

1 农村土地流转研究现状

1.1 土地流转概念与意义

农村土地流转是指农村土地承包经营权通过合法的形式在农村集体内部进行流动或转移的行为，其实质是土地使用权的流转，即拥有土地承包经营权的农户保留个人承包权，将土地经营权转让给其他农户或经济组织，从而优化农村资源配置，提高农业产业水平，促进农民就业多元化和收入多元化的发展[1-2]。

目前，土地利用效率低下是制约农村经济持续发展的关键问题，而土地流转的核心目标则是提高农村土地的利用效率，是发展现代农业、农村改革的必经之路[3]。因此，土地流转监测不仅关系到农村耕地保护与利用，同时与国家和地区的粮食安全息息相关。

1.2 土地流转研究现状

由于全国各地在农村土地流转中面临的问题存在差异，因此土地流转形成了转包、互换、转让、入股、股田制、重组、兼并等多种不同模式，不同的流转形式对耕地保护和利用将产生不同的效应[4-5]。据此，我国学者对土地流转的研究目前主要侧重于剖析土地流转动因机制和土地承包经营权流转模式，进而提出土地流转存在问题及相应对策。目前，国内学者对农村土地流转问题的研究方法主要集中于实地调查，采用国家农业部门的土地流转统计数据，结合实地调研、走访等多种形式，系统分析农村土地流转成因、形式和规模[6]，这种方法的弊端是费时费力且时效性较差。而利用现代化技术对农村土地流转进行宏观、大面积动态监测和评估尚缺乏研究。

2 遥感技术的发展及其在农业领域的应用

遥感（Remote Sensing， RS）是一种远离目标地物，主要利用传感器获取的目标物反射或辐射的电磁波信息，通过非直接接触的方式获取、识别、测量并分析地物性质的技术。它是20世纪60年代初基于航空摄影发展起来的一门集实用性、先进性、科学性和综合性于一体的空间探测手段，目前已成为环境、农业、林业、信息通讯、地质、工程等领域重要的数据获取手段[7]。例如：在环境监测领域，遥感技术被用于探测和研究环境污染事故的性质特征、空间分布、动态发展变化、影响和危害程度等；在林业领域，利用遥感手段通过探测植被冠层颜色、冠层结构等特征可实现森林植被物种的分类和识别。

农业领域中，遥感技术多用于光合有效辐射估算，植被生物化学、生物物理参数分析、作物单产估算、作物病虫害监测等。与传统方法相比，遥感探测技术凭借其宏观性、周期性、实效性、经济性等特点，在农业领域中还可被用来提取土地流转面积特征和空间分布信息，监测土地流转动态变化，对比分析不同区域土地流转程度等，为全国范围或区域尺度土地利用变化和粮食产量预测提供一定的参考依据。

3 遥感技术在农村土地流转监测中的应用

3.1 土地流转信息提取

地物的电磁辐射差异在遥感影像上形成了特有的目标地物特征，主要概括为“色、形、位”3大类[8]。土地流转信息提取中，可根据这3个主要特征在遥感影像上提取土地流转面积、空间位置、相关布局等信息。

3.1.1 色 是指目标地物在遥感影像上呈现的颜色和色调。农村土地流转前，农作物种植种类多样，斑块破碎度较大，且作物播种时间各不相同。不同生长期内，多种作物在遥感影像上显现的色调存在一定差异。比如5月中旬，冬小麦处于灌浆期而春玉米刚刚播种，因此影像上冬小麦多呈现深绿色而春玉米为浅绿色。土地流转后，零散的土地被合并，大面积农田耕种的作物品种和播种时间基本保持一致，斑块破碎度降低，因此影像上作物的颜色特征基本相同。

3.1.2 形 是指目标地物在遥感影像上呈现的形状、大小和纹理。通过分析多期遥感影像上大面积农作物的外部轮廓、纹理特征和形状特征，提取土地流转面积大小。土地流转前，影像上形状各异的小斑块土地数量居多；土地流转后，小斑块逐渐转为大面积的斑块区域。

3.1.3 位 是指目标地物在遥感影像上呈现的空间位置和相关布局。结合地物颜色、纹理及形状特征，并根据农作物在遥感影像上的空间分布特征，提取大面积耕地的空间位置信息，以及与其临近土地利用类型之间的相关关系，为准确检测土地利用变化信息提供依据。

3.2 土地流转动态变化监测

通过获取土地流转前后不同时相的高分辨率遥感影像，对比作物覆盖面积变化、光谱特征和纹理特征差异，实现同一地区土地流转的动态变化监测。

3.2.1 遥感影像分类 遥感影像分类是利用多光谱或高光谱数据对每个像元的光谱特征进行模式识别，届时所有像元将自动地进行土地覆盖类型分类。将不同地物类型（作物、土壤、水体等）的电磁波辐射特征作为原始特征变量，当不同地物类型光谱特征差异较大时，采用不需要先验知识且简单易行的非监督分类方法对同一地区不同时期遥感影像进行分类，然后相互叠加并对比分析土地流转前后耕地面积的变化特征，达到土地流转动态监测的目的。若不同地物类型对应的光谱特征差异较小时，则采用具有先验类别知识的监督分类方法对影像进行分类识别[7]。（1）非监督分类。非监督分类是指人们仅仅凭借遥感影像上地物独特的光谱特征规律进行分类，而事先对分类过程不采取任何的先验知识。分类结果可简单地实现对不同类别之间的分布加以区分，但并不能具体确定各类别详细的属性特征。常用的非监督分类方法包括：K-均值算法、ISODATA算法、模糊分类算法、神经网络SOM分类法、人工免疫UAIC分类算法。（2）监督分类。监督分类又称为训练分类或样本分类，其核心是利用已被确认类别的样本像元去识别其他未知类别像元的过程。分析者需在遥感影像上针对每种类别选取一定数量的训练样本并且统计训练样本的信息，然后按照目标像元和样本像元之间的相似程度进行类别划分。常用的监督分类方法包括：平行管道分类、最小距离分类、最大似然分类、神经网络分类、决策树分类等。除了光谱信息，遥感分类还常常利用其他辅助信息，如空间信息、时间信息、人文信息等，应根据不同的研究目的选择合适的分类方法。

3.2.2 光谱特征变量 地物的反射光谱特征是地物反射率随波长变化的规律，根据不同地物的光谱特征差异，可实现遥感影像上地物的识别和变化检测。光谱特征变量则是由特定光谱波段的反射率经过线性或非线性组合构成的一种光谱参数，其构建原则是对某个影响因子敏感而对其他因子不敏感，构建目的是选择合适的特征波段突出影像中目标地物的信息而弱化其他地物的光谱影响[8]。比如光谱指数、光谱位置变量等参数不仅可用来定量预测作物产量，评估作物生长发育状况，同时参数的取值变化能够间接体现不同时期内土地流转的动态变化情况。光谱指数SI（Spectral Indices）是最典型的一种光谱特征变量，它是将多光谱或高光谱数据波段经过不同组合方式形成的一种可定量描述地球表面植被状况的光谱特征度量指标，其实质是利用遥感光谱数据监测地表植被的分布特征、长势情况等。根据研究目的不同，目前已提出了几十种光谱指数，例如归一化植被指数NDVI（Normalized Difference Vegetation Index）、增强植被指数EVI（Enhanced Vegetation Index）、比值植被指数RVI（Ratio Vegetation Index）、垂直植被指数PVI（Perpendicular Vegetation Index）等。在农村土地流转监测中，通过遥感影像计算农作物的光谱指数，可发现不同植被类型的指数值存在一定差异，且在不同生长期内差异较为明显。因此，可通过建立光谱指数模型来判断同一斑块土地在不同时期光谱指数的变化情况，从而间接反映植被类型的变化，即土地流转情况发生的变化。

3.3 不同区域土地流转程度对比分析

由于受自然因素和社会因素的影响，土地流转的基本情况及方式决定了土地流转的规模和速度[4]，其差异在遥感影像上表现为土地斑块的色调、纹理等特征上，因此可利用遥感技术并结合景观生态学方法对不同地区农村土地流转程度差异进行对比分析。

根据遥感影像目标地物的判别特征，结合目视判读和计算机解译，对多时相高分辨率影像进行判读并进行后处理及数理统计，这一过程被称之为解译。解译时，将解译者的专业背景知识、遥感知识、区域知识以及相关经验加入到影像分析中，根据遥感影像上目标地物及周围环境的特征（如色调、形状、大小、纹理、图形等）以及影像上目标地物的空间组合规律，并通过不同地物之间相关关系的识别，进行综合推理和比较分析，做出判断。最后，结合景观生态学原理与方法，计算景观多样性指标，如斑块数目、形状、面积大小、破碎度、分形维数等，从而对比分析不同地区农村土地流转的动态程度。例如，土地流转前，具有破碎度较大、斑块数目多、面积小、形状不规则等特征；而土地流转后，破碎度减小、斑块数量减少、面积增大且多为规则形状。同时，可提取土地流转前后斑块形态参数特征，研究不同地区土地流转的差异特征。

4 遥感技术在农村土地流转监测中应用建议

目前，利用遥感技术监测土地利用情况通常采用专业分析方法、自动分类方法或者是两种方法的结合。国内已经完成并持续更新的土地侵蚀、土地覆盖和城市扩张等数据库都是采用这几种方法实现的。农村土地流转监测的研究机理与土地利用、土地退化、土地覆盖等方面较为相似，因此在农村土地流转监测过程中可借鉴上述研究的经验。同时，利用遥感技术监测土地流转情况还需考虑以下几个方面。

4.1 地理学理论的指导

农村土地流转遥感监测的研究对象是土地资源本身及其附属的经济社会属性。遥感技术的出现，不仅提高了数据获取和数据处理等方面的能力，同时在研究方法上也不断创新，但无论采用何种方法监测土地利用变化情况，都应该以地理学基础理论为指导，服从研究对象的基本地理属性，例如：气象、水文等自然因素对土地形成与利用变化产生的影响，显著的地域差异导致的土地类型的区域分异等。

4.2 遥感影像目视解译

遥感影像的目视解译是遥感应用分析中最基本的方法，由于充分利用了解译者的知识经验，因此比计算机的判断更为精细和准确，但同时存在解译速度慢、定量精度受到限制、解译结果带有主观随意性等缺陷。为了提高遥感影像上土地流转变化的解译精度，解译者需充分掌握地物目标的空间特征、光谱特征和时间特征等，了解遥感影像的基本成像机理，同时结合对地学规律的认知以及对地面实况的了解，从遥感影像的大数量中提取所需要的专题信息。

4.3 遥感影像的分类

对遥感影像进行土地利用类型分类时，影响分类精度的因素主要包括训练样本的数量、类别的可分性、使用的分类方法、数据的维数等。对于多光谱和高光谱遥感影像数据，光谱波段数量较多，包含了丰富的地物细节信息，但并不是所有波段都需要参与到分类工作中，往往只利用有限的几个波段[8]。由于部分波段之间存在较高的相关性，因此分类时需去掉相关度高的波段，避免数据冗余问题，以提高分类精度和分类效率。

在分类完成后，还必须依据实际调查收集的地面真实参考数据，对分类后的影像进行准确性评估。目前，由于遥感探测卫星技术的发展和土地利用复杂化的趋势，影像分类的可靠性评价受到越来越多的关注。影像评估时，传统方法是以航空相片为参考资料，利用定性的置信度评价和统计测度评价，建立和分析误差矩阵，对分类的总体精度、使用者精度和生产者精度进行描述性评价，同时采用Kappa分析和模糊集理论进行多元离散分析评价和模糊性评价。

4.4 遥感监测的技术环节

遥感监测农村土地流转的技术细节主要包括遥感数据的选取、数据预处理、分类处理及分类信息提取、动态信息提取、图形编辑及数据统计、监测结果分析等[9-10]。

在选取遥感数据时，一方面需考虑时相的需求，另一方面要考虑影像数据的质量，比如空间分辨率等指标。根据监测目的，在1∶100 000比例尺情况下，陆地监测卫星Landsat TM的影像数据质量较高，区域覆盖面积较广，可满足应用需要。此外，国产卫星环境一号（HJ-1）、北京一号卫星、中巴资源卫星（CBERS）等也可用于土地流转监测。由于植被的光谱信息在土地利用监测中占有重要地位，因此卫星数据应尽量选择在植被生长旺季提取，从而突出植被的空间分布特征和光谱特征信息。

数据预处理是遥感应用研究的重要基础，良好的预处理工作对后续的研究分析有着举足轻重的作用。比如遥感影像的几何纠正是精确确定遥感数据空间位置的基本过程，在获取不同土地利用类型面积时要选择恰当的投影方式和纠正方法。

分类信息和动态变化信息是在完成纠正的遥感影像上提取的，提取过程中，针对不同土地类型应设定不同的准确率要求，比如定位误差、属性准确率等。这部分工作可采用实地调查与验证的方式对分类信息和变化信息进行真实性检验。

经过一系列的处理和分析，最后得出的影像分类结果、图形数据和统计数据作为土地流转监测的直接成果，也是进行土地遥感监测结果评价、精度分析、趋势评估、提出对策的基础信息。

5 结 论

土地流转是农村经济发展到一定阶段的产物，是事关农民收入、农村发展乃至整个国民经济发展的大事，因此引入现代化技术并将其应用于农村土地流转的宏观、大面积动态监测中十分必要。

笔者主要介绍了遥感技术在农村土地流转监测中的应用，并从土地流转信息提取、土地流转动态变化监测及不同区域土地流转程度对比分析3个方面展开。通过分析可发现，土地流转规模经营后，耕地斑块破碎度降低，通过提取和分析遥感影像中目标地物的光谱、结构、纹理等特征，采用遥感影像分类、光谱特征变量分析、目视判读和计算机解译等方法，可实现土地流转的动态变化监测，为快速、准确地监测土地变化信息提供依据。因此，遥感技术在未来农村土地流转监测研究中具有很好的发展前景。

针对土地流转信息提取、动态变化监测及流转程度分析3个关键问题，笔者还提出了利用图像解译、光谱参量等遥感技术进行农村土地流转监测应用的建议。后续的研究中可选取某地区不同时相高空间分辨率的多光谱或高光谱遥感影像进行实例分析，验证遥感技术在土地流转监测应用中的可靠性和先进性。

参考文献：

[1] 杨德才. 论我国农村土地流转模式及其选择[J]. 当代经济研究， 2005，（12）：49-52.

[2] 黄祖辉，王 朋. 农村土地流转：现状，问题及对策——兼论土地流转对现代农业发展的影响[J]. 浙江大学学报（人文社会科学版），2008，38（2）：38-47.

[3] Huang Y，Zhang H，Li W，et al. Investigation and reflection on rural land transfer[J]. Issues in Agricultural Economy，2011，（5）：4-9.

[4] 谷树忠，王兴杰，鲁金萍，等. 农村土地流转模式及其效应与创新[J]. 中国农业资源与区划，2009，30（1）：1-8.

[5] 王凤娟，李巧云，关 欣. 桃江县土地承包经营权流转模式及案例分析[J]. 浙江农业科学，2014，（7）：1127-1131.

[6] Min L. Study on the countermeasures to promot rural land circulation[J]. Inner Mongolia Agricultural Science and Technology，2009，（1）：5.

[7] 宫 鹏，黎 夏，徐 冰. 高分辨率影像解译理论与应用方法中的一些研究问题[J]. 遥感学报，2006，10（1）：1-5.

[8] 童庆禧，张 兵，郑兰芬. 高光谱遥感：原理，技术与应用[M]. 北京：高等教育出版社，2006. 363-381.

[9 张增祥，赵晓丽，汪 潇. 中国土地利用遥感监测[M]. 北京：星球地图出版社，2012. 8-19.

[10] 邓祥征. 土地用途转换分析[M]. 北京：中国大地出版社，2008. 165-182.

（责任编辑：成 平）