摘要

可靠、連續的主要作物收獲面積信息對于研究地表動態和制定影響農業生產、土地利用和可持續發展的政策至關重要。然而，中國目前還沒有高分辨率的空間明確和時間連續的作物收獲面積信息。全國范圍內主要農作物收獲面積的時空格局也鮮有研究。在本研究中，我們提出了一種新的基于作物物候的作物制圖方法，以 GLASS 葉面積指數（LAI）產品為基礎，生成 2000 年至 2015 年中國三種主要作物（即水稻、小麥和玉米）的 1 km 收獲面積數據集。首先，我們結合基于拐點和閾值的方法，檢索了三種主要作物的關鍵物候期。然后，如果能同時確定某種作物的三個關鍵物候期，我們就能確定該作物的種植網格。最后，我們綜合考慮了作物物候特征和旱地、水田的參照系，繪制了作物分類圖和年收獲面積數據集（ChinaCropArea1 km）。與縣級農業統計數據相比，作物分類精度較高，R2 值始終大于 0.8。進一步分析了這一時期主要農作物收獲區域的時空格局。結果表明，水稻收獲面積在中國東北地區急劇擴大，而在中國南方地區則有所減少。全國主要玉米種植區的玉米收獲面積大幅擴大。小麥收獲面積雖然在主產區顯著增加，但總體上有所減少。這些時空模式可歸因于各種人為、生物物理和社會經濟驅動因素，包括城市化、華南地區耕作強度降低、氣候變化導致的災害頻發以及華北和西南地區的大面積撂荒農田。由此產生的數據集可用于多種用途，包括地表建模、農業生態系統建模、農業生產和土地利用決策。前言 – 人工智能教程

初始數據

?本研究采用了基于 MODIS 的 2000 至 2015 年改進型 LAI 產品（GLASS LAI），其空間分辨率為 1 千米，復合天數為 8 天。GLASS LAI 產品由北京師范大學全球變化數據處理與分析中心（http://glass-product.bnu.edu.cn/?pid=3&c=1）提供，基于時間序列反射率數據，采用一般回歸神經網絡（GRNNs）方法生成（Liang 等，2013 年）。與其他LAI產品相比，GLASS LAI在時間上更連續，空間上更完整（Xiao等，2014），已被應用于全球土地覆被監測和作物模型同化（Chen等，2018；Liu等，2019）。

數據處理

我們使用近鄰重采樣方法將所有柵格數據投影或重新投影到 "亞北阿爾伯斯等面積圓錐 "投影上，因為該投影對面積計算的偏差最小，因此適合與實際收獲面積進行比較。然后，使用國家土地利用圖譜中的耕地作為耕地掩模。最后，我們合并了 46 幅年度 GLASS LAI 圖像，得到了每個耕地像素的 LAI 時間序列，并進一步應用了常用的薩維茨基-戈萊（S-G）濾波方法來降低 GLASS LAI 時間序列的噪聲。?

作物分類

在完成不同作物關鍵物候期的檢索后，我們根據可同時識別的三個關鍵物候期（見第 2.3.2.1 節）確定每種作物的作物種植網格。例如，如果某一網格可同時檢測到冬小麥的返青期、揚花期和成熟期，則將該網格視為冬小麥種植網格。然后，在一些種植模式復雜的省份，中國北方的春玉米很容易與其他春季植被混淆。在這種情況下，我們根據作物物候特征，采用最大 LAI 的閾值來剔除各作物最大 LAI 低于閾值的偽耕地網格（圖 2 右下角）。最終，我們在根據作物栽培網格剔除非作物網格的質量控制后，得到了每種作物的分類圖。

空間分析

為了研究中國三大作物的時空格局，我們首先將網格從 1 km 提升到 5 km。然后，我們用 Theil-Sen 估計法計算了每個網格中作物面積百分比的線性趨勢。我們使用 Mann-Kendall 檢驗法檢驗了每個網格中趨勢的顯著性。最后，我們總結了像素和省尺度上具有顯著趨勢（p < 0.1）的面積變化，以研究 2000 年至 2015 年的相應特征。我們還根據具有顯著趨勢的 5 公里網格計算了面積的增減。

?

?

結論

為了獲取中國三大主糧作物長期以來的動態變化，本研究提出了一種新的基于物候學的作物測繪方法，基于GLASS LAI產品生成了2000-2015年三大主糧作物1 km作物收獲面積數據集，即ChinaCropArea1 km。與縣級農業統計數據相比，ChinaCropArea1 km 被證實具有高度一致性，基于物候學的方法是穩健可靠的。我們還基于作物分類圖對全國范圍內的誤差（即 RRMSE）進行了量化，結果表明大部分地區的誤差較小。

進一步的時空分析揭示了以下幾個顯著的模式：(1) 水稻面積在東北部顯著擴大，但在東南部有所減少；(2) 小麥收獲面積普遍減少，但在小麥主產區顯著增加；(3) 玉米收獲面積在全國大部分地區顯著增加。造成這種時空格局的驅動因素包括城市化、工業化、山區耕作強度降低、氣候變化導致災害頻發、北部和西南部出現大面積撂荒農田以及國家農業政策的激勵作用。

與以往的研究相比，本次研究具有更多優勢。首先，它考慮了幾種主要的作物種植模式。其次，基于物候學的方法可在大面積范圍內反復應用。最后，它基于 GLASS LAI 產品，該產品具有時空連續性高和完整性強的優點。此外，我們首次提供了分辨率為 1 千米的中國三種主要作物的年度和空間明確的作物栽培圖。這些數據集可用于地表建模、農業生態系統建模、農業生產預測和農業政策制定等多種用途。

數據集描述

本數據集提供 2000 年至 2015 年中國三種主要農作物（即水稻、小麥和玉米）的 1km 網格農作物收獲面積數據集。

*** 數據文件為".tif "格式。

*** 空間范圍：中國大陸

*** 時間分辨率：年度

*** 像素大小：1000 米

*** 投影信息亞洲北部阿爾伯斯等面積圓錐形

*** 文件名約定：CHN_CropType_Year.tif

*** 作物類型：包括玉米、小麥、水稻。

*** 年份：2000 年至 2015 年的數值

數據鏈接

Data for: Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources - Mendeley Data

數據鏈接：

Luo, Yuchuan; Zhang, Zhao; Li, Ziyue; Chen, Yi; Zhang, Liangliang; Cao, juan; Tao, F (2020), “Data for: Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources”, Mendeley Data, V2, doi: 10.17632/jbs44b2hrk.2