引 言

耕地撂荒作为土地边际化的表现形式，对粮食安全和农产品有效供给具有重要影响。随着世界范围内城镇化进程的快速发展，一些地区出现大面积的耕地撂荒现象，尤其是在地形条件较差的山地丘陵地区。由于撂荒地分布的细碎化、零散化，以及耕地的撂荒和休耕时间存在差异，使用遥感技术提取撂荒地仍存在一定难度。因此，本篇发表在 Land 期刊的文章，提出了一种基于识别年度土地利用轨迹的变化检测方法提取撂荒地。

研究内容

目前，遥感技术是获取大尺度范围内撂荒耕地时空信息更高效的方法。耕地撂荒是一个土地利用过程，撂荒地可以看作是一种特殊的土地利用类型或者土地覆被变化的过程。因此有两种方式提取撂荒地，一种是将撂荒地当作特殊的土地覆被类型，直接绘制有草地林地生长的休耕地区。由于较难区分短期内撂荒地与其他土地利用类型的光谱特征，直接绘制撂荒地难度较大。第二种是土地利用变化检测。其基本原理是使用不同时期的遥感数据，通过分析最初用于农业目的的耕地向草地、林地或灌木丛的转变来绘制撂荒地，这通常需要获取长时间序列的影像数据，其基于时间序列数据的变化检测方法具有更高的效率和准确性。

当前使用遥感技术提取撂荒地已经有了较为深入的进展。从数据源来看，绘制大面积地区的撂荒地图通常使用 MODIS 数据，但是在丘陵山区，地形破碎，遥感影像像元混合严重，粗分辨率的数据可能会影响绘制撂荒地的准确性。而 Landsat 影像的分辨率较高，但重返周期为16天，加之云的覆盖限制了长时间序列数据的获取。本文基于 GEE 平台处理获得数据，解决了这个问题。从提取方法来看，本文的研究任务为提出一种土地利用轨迹变化检测方法来绘制撂荒地。综上，本项研究给使用中分辨率数据来绘制小块或高度碎片样地来绘制撂荒提供了一种可能，实际上在大面积区域也是适用的，提高了长时间研究期提取撂荒地的效率。

论文基于 Landsat 卫星数据，采用随机森林分类方法绘制了位于黄土高原丘陵沟壑区的皋兰县的2011~2020年逐年土地利用图，然后基于地块的土地利用变化轨迹，提取了皋兰县的撂荒地，并分析了撂荒地的空间分布格局。结果表明：(1) 2011~2020年，皋兰县土地利用解译的总体精度在86.44%~95.45%，Kappa 系数高达0.93，分类结果较为理想。(2) 提取的撂荒地的召回率为81%，撂荒耕地的提取精度较高。(3) 2013~2020年，皋兰县耕地的撂荒率为8.41%~19.65%，平均撂荒率为14.55%；撂荒率先增加后减少，2015年撂荒率最高，之后撂荒率逐年下降。耕地平均撂荒时长为4.2年。

本项研究为有效绘制撂荒地图和政策的制定提供了科学依据，但仍可能存在一些问题需要继续讨论。土地利用分类的结果会影响撂荒地的绘制。首先我们创建了时间序列的土地利用图，然后根据耕地撂荒后植被的演替过程，使用土地利用变化检测的方法绘制撂荒。因此土地利用分类的误差会转移到撂荒地的提取上，从方法来看这是不可避免的，尽管土地利用分类的精度较高。在以后的研究中会提高分类的精度以更加准确地绘制撂荒地。

原文出自 Land 期刊

Wang, Y.; Song, W. Mapping Abandoned Cropland Changes in the Hilly and Gully Region of the Loess Plateau in China. Land 2021, 10, 1341.

撰稿人：宋伟

专栏简介

“土地科学面面观”专栏由 IJERPH 期刊编委宋伟副研究员 (中国科学院地理科学与资源研究所) 主持，专注于土地利用变化科学领域的前沿进展。

专栏编辑

宋伟 副研究员

中国科学院地理科学与资源研究所

长期从事土地利用变化科学的相关研究工作，具体研究方向包括土地利用变化检测、土地利用变化建模与模拟、土地利用政策、土地利用变化的生态效应以及土地整治、土地利用规划等。截至2022年9月，已在国内外学术期刊发表论文110余篇，其中第一/通讯作者 SCI/SSCI 收录论文80余篇，在 Web of Science 核心集中被引近2400次，单篇最高被引305次。第一/通讯作者论文中有3篇入选 ESI 高被引论文，1篇入选 Ecological Modelling 的2014~2018年 Most Cited 论文。

担任国际期刊 IJERPH (IF 4.614) 和 Scientific Reports (IF 4.996) 编委。获省部级奖励6次 (其中第一完成人二等奖1次)、获第十四届全国青年地理科技奖。参与了《全国重要生态系统保护和修复重大工程总体规划 (2021~2035年)》《大运河生态环境保护修复专项规划》等规划的编制工作，参与撰写的3份咨询报告得到中办采用。