全 文 ：中国生态农业学报 2015年 9月 第 23卷 第 9期
Chinese Journal of Eco-Agriculture, Sep. 2015, 23(9): 11991209


* 国家自然科学基金项目(41471027)资助
** 通讯作者: 沈彦俊, 主要从事生态水文过程的研究。E-mail: yjshen@sjziam.ac.cn
王红营, 主要从事资源与环境遥感研究。E-mail: why1988hi@163.com
收稿日期: 20150430 接受日期: 20150717
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.150506
基于遥感的华北平原农作物时空分布变化特征分析*
王红营1,2 潘学鹏2,3 罗建美2,4 罗仲朋2,3 常春平1 沈彦俊2**
(1. 河北师范大学资源与环境科学学院 石家庄 050024; 2. 中国科学院遗传与发育生物学研究所农业资源研究中心/中国科
学院农业水资源重点实验室 石家庄 050022; 3. 青海师范大学生命与地理科学学院 西宁 810008; 4. 石家庄经济学院
土地资源与城乡规划学院 石家庄 050031)
摘 要 作物种植面积的多年时空变化是进行农业结构调整和优化的基础, 也是开展农业减灾、地下水保护
的重要依据。为了解华北平原主要作物近年来种植面积的时空变化过程, 本文基于 2000—2013 年的 MODIS
NDVI 数据和 TM/ETM 遥感数据提取当地主要作物的种植面积, 并分析了华北平原主要作物近年来的时空变
化特征。结果表明: ①基于 MODIS NDVI数据和 TM/ETM遥感数据提取当地主要作物的种植面积, 提取精度
较高, 结果可靠; ②冬小麦夏玉米主要分布于太行山前平原、山东省和河南省的引黄河灌区, 单季玉米在河北
平原北部分布最广, 水稻集中分布于天津、河北唐山地区和黄河沿岸, 蔬菜主要分布在城市郊区, 林果分散分
布于几个产果区和京津周边地区, 棉花主要集中于华北平原中部地区。③华北平原粮食作物(小麦、玉米和水
稻)种植面积明显下降, 经济作物(林果和蔬菜)则显著增加, 其中林果、蔬菜和水稻的面积变化率较大, 分别为
56.45%、35.76%和 23.16%, 蔬菜和水稻的位置转移明显。④景观格局 AWMPFD和 SHEI指数值表明, 河北平
原以南的冬小麦夏玉米种植规模化程度提高, 豫北地区冬小麦夏玉米种植面积增加, 豫北以北地区由于各
类经济作物种植面积增加, 区域作物种植多样化指数增加。该结果可为农业种植结构调整、资源合理利用提
供参考。
关键词 华北平原 遥感提取 农作物 种植面积 时空变化
中图分类号: TP79 文献标识码: A 文章编号: 1671-3990(2015)09-1199-11
Using remote sensing to analyze spatiotemporal variations in crop
planting in the North China Plain
WANG Hongying1,2, PAN Xuepeng2,3, LUO Jianmei2,4, LUO Zhongpeng2,3,
CHANG Chunping1, SHEN Yanjun2
(1. College of Resources and Environmental Sciences, Hebei Normal University, Shijiazhuang 050024, China; 2. Center for Agricultural
Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences / Key Laboratory of Agricultural
Water Resources, Chinese Academy of Sciences, Shijiazhuang 050022, China; 3. College of Biological and Geographical Sciences,
Qinghai Normal University, Xining 810008, China; 4. College of Land Resources and Rural-Urban Planning, Shijiazhuang
University of Economics, Shijiazhuang 050031, China)
Abstract With 141 000 km2 area and accounting for approximately 20% of China’s grain production, the North China Plain
is one of the most important agricultural regions in China. Agricultural land uses affect land surface energy and water balance.
With changes in natural condition and economics, the spatial distribution patterns of crops change accordingly, affecting the
quantity and quality of regional food production. It is important to precisely determine the distributions of land areas under
different crops. This lays the basis for not only adjustment and optimization of agricultural structure, but also the reduction of
agricultural disaster and protection of groundwater resources. As an advanced technique, remote sensing is widely used in crop
research in terms of changes in spatial patterns at different spatial and temporal scales. Remote sensing can also be used to
1200 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
accurately monitor crop planting in real time at low cost. To understand the spatiotemporal variations in crop planting in the
North China Plain, this paper established a method for classifying agricultural land use using MODIS NDVI and TM/ETM
data. Raw 16-day composite NDVI data were firstly processed using HANTS filtering and then combined with multiple
cropping index (MCI) to extract planting areas of winter wheat/summer maize, single-cropping maize, forest and fruit trees,
and cotton. The planting areas of vegetables and rice were next extracted by supervised classification using the TM/ETM
image data. Finally, the spatiotemporal variations in the main crops planting areas in the North China Plain from 2000 to 2013
were analyzed. The results were as follows: 1) The planting areas of the main corps of the study area extracted from MODIS
NDVI and TM/ETM data were stable and highly precise. 2) Winter wheat/summer maize mainly distributed in the piedmont
plain of Taihang Mountain and in the Yellow River irrigation regions of Shandong and Henan Provinces. While
single-cropping maize widely distributed in the north of Hebei Plain, rice was concentrated in Tianjin, Tangshan and along the
coast of the Yellow River. Also vegetables mainly distributed in the suburbs whereas forest and fruit trees scattered over major
fruit producing areas and around Beijing and Tianjin. Cotton concentrated in the central region of the North China Plain. 3)
The planting areas of food crops (wheat, maize and rice) in the North China Plain decreased obviously. However, economic
crops (forest and fruit trees, and vegetables) increased significantly. The percentage changes in area of forest and fruit trees,
vegetables and rice were respectively 56.45%, 35.76% and 23.16%. Furthermore, vegetables and rice had an obvious shift in
planting area. 4) Landscape pattern indexes of area weighted mean patch fractal dimension and Shannon’s evenness index
showed that large-scale degree of winter wheat/summer maize planting enhanced in the south of Hebei Plain, while the
planting area of winter wheat/summer maize increased in North Henan. Because different planting areas of several kinds of
economic crops in the north of North Henan increased, regional crop diversity index increased. The results provided a critical
reference for adjusting agricultural planting structure and reasonable utilization of resources.
Keywords North China Plain; Remote sensing extraction; Crop; Planting area; Spatiotemporal variation
(Received Apr. 30, 2015; accepted Jul. 17, 2015)
在全球自然、经济变化条件下, 农作物空间分
布格局也会出现相应调整 [1], 进而影响到区域整体
食物生产的数量与质量[2]。农作物种植格局是了解
农作物种类、结构、分布特征的重要信息, 宏观把
握农作物布局、开展农业减灾等的重要依据, 也是
进行农业结构调整和优化的基础 [37]。遥感可以迅
速、准确、低成本地监测作物种植面积, 是农业资
源监测技术的主要组成部分之一 [8], 在不同时空尺
度的农作物空间格局动态变化研究中得到了广泛
应用。
遥感技术在农作物空间格局监测中的应用始于
20 世纪中叶 , 以农作物种植面积监测为主。美国
Purdue 大学 20 世纪 60 年代成功实现对单一玉米作
物的监测, 1974—1978年美国 LACIE计划将作物监
测对象扩展到小麦、玉米、大豆等大宗农作物, 此
后世界各国也相继开展了对农作物空间格局的遥感
监测。Jakubauskas[9]等和李景刚等[10]分别探索了利
用低空间分辨率 NOAA/AVHRR 数据进行大区域耕
地或作物空间格局动态变化的研究。为提高分类精
度, 张国平等[11]利用 Landsat TM数据分类结果分析
了耕地资源的时空变化特征及其影响因素。随着研
究的深入, 监测内容由种植面积扩展到复种指数、
种植模式等 [1214]。李正国等 [1]探索了基于 SPOT/
VGT-NDVI 时序植被指数华北地区农作物典型物候
期的数量分布与空间格局特征研究。唐华俊等[15]系
统地总结了近十几年来国内外农作物空间格局遥感
监测在理论、方法、实践应用等方面取得的新进展,
指出待解决问题并进行展望。
综观前人研究, 遥感监测缺少对大区域连续年
份作物面积提取的研究, 而已有连续年份农作物时
空格局变化的研究主要是基于统计数据的数理分析,
空间分析主要以乡镇、县域等行政区域为单位[3,1617],
该方法用于大范围变化监测时耗费人力、物力和财
力[18]。本文以华北平原为对象, 基于时序 NDVI数据
对该地主要作物进行遥感分类, 并基于 TM/ETM 数
据提取蔬菜、水稻等小面积作物, 最后揭示 2000—
2013年华北平原主要作物种植区域时空变化及其影
响因素。本研究可为该区域的农业种植结构调整和
地下水保护提供基础数据, 并可为相关政策制定提
供依据。
1 研究区概况与数据来源
1.1 研究区概况
华北平原东临渤海, 西抵太行山脉, 北起燕山,
南至黄河, 包括北京、天津、河北平原和黄河以北的
豫北、鲁西北平原区, 面积约为 14.1万 km2(图 1)。
该区地势平坦、土层深厚, 海拔多在 50 m以下。属
温带大陆性季风气候, 年均气温 10.0~14.2 , ℃ 热量
第 9期 王红营等: 基于遥感的华北平原农作物时空分布变化特征分析 1201


http://www.ecoagri.ac.cn
条件满足一年两熟, 主要粮食作物有冬小麦、夏玉
米和水稻等, 主要经济作物有棉花、果树、蔬菜等。
该区年平均降水量 400~500 mm, 时空分布不均, 主
要集中于夏季, 约占全年的 70%。华北平原是典型
农业灌溉区且水资源严重不足, 用于农业的地下水
消耗占到全部地下水消耗的 80% 以上。

图 1 华北平原地理位置图
Fig. 1 Location of the North China Plain

1.2 数据来源
本文所采用的遥感数据是 Terra/MODIS NDVI
数据和 Landsat TM/ETM数据, 前者数据为 16 d合
成, 空间分辨率为 250 m 的 MOD13Q1 时间序列
NDVI产品, 时间跨度为 2000—2013年, 来源于NASA
数据网站 (http://reverb.echo.nasa.gov); 后者数据是
由 7 个波段合成的空间分辨率为 30 m 的遥感影像,
本研究选取 2002 年前后和 2012 年前后临近年份
的 4 月上旬影像, 影像来源于地理空间数据云网站
(http://www.gscloud.cn)。地面验证数据来自中国气
象科学数据共享服务网中的农业气象数据 (http://
cdc.cma.gov.cn)和 2000—2012 年京津冀地区各省、
市农村统计年鉴中冬小麦种植面积的数据。
2 研究方法
本文基于多源、多时相遥感数据并结合作物物
候期特征来提取华北平原主要作物的种植面积。1)
基于 MODIS数据, 提取冬小麦夏玉米、单季玉米、
林果、棉花的种植面积; 2)基于 TM/ETM数据, 提取
蔬菜和水稻的种植面积。将遥感提取的不同作物种
植面积与农业统计数据进行精度检验; 最后从多种
角度分析 2000—2013年华北平原主要作物种植面积
时空格局变化特征。
2.1 作物的遥感提取方法
时间序列谐波分析法(HANTS)是由荷兰提供的
HANTS 界面, 是一种新的物候分析方法[9,19], 并在
美国中央大平原作物分类中得到了应用[20]。本文根
据华北平原作物的物候特征, 并结合观测资料, 通
过 HANTS 滤波后的 NDVI 时间序列数据获得各类
型作物不同时间段时序曲线(图 2)。复种指数是指某
块地一年内种植作物的次数[21], 能较好地用于作物
种植面积的提取。李正国等[1]发现该指数的运用可
提高华北平原冬小麦的提取精度。因此, 本研究将
复种指数与各类型作物的时序曲线相结合, 通过回
归树算法对华北平原冬小麦夏玉米、单季玉米、林
果和棉花进行监督分类[22]。
基于 TM/ETM 数据, 运用最大似然法通过选取
训练样本对影像进行监督分类, 提取华北平原蔬菜
和水稻的种植面积。由于可获取的 Landsat TM/ETM
数据时间上不连续, 本研究选取 2002年前后和 2012
年前后临近年份影像提取了 2 期华北平原蔬菜和水
稻面积, 且这两种作物的种植总面积很小, 二者相
加仍不足华北平原总面积的 7%, 连续年份间种植面
积变化则更小, 对华北平原其他作物连续年份种植
面积变化影响不大, 所以将提取的 2 期结果分别作
为 2000—2006 年和 2007—2013 年的蔬菜和水稻种
植面积进行制图。

图 2 华北平原不同作物类型的 NDVI时序曲线
Fig. 2 NDVI time series curves of different crop types in the
North China Plain
1202 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
2.2 分析方法
运用 Microsoft excel软件分析华北平原近 14年
来主要作物种植面积的变化情况。
转移矩阵反映了某一区域某一时段期初和期末
各地类面积之间相互转化的动态过程信息, 转移矩
阵通用形式参考文献[23]。基于转移矩阵计算华北平
原各种作物类别的总变化量、净变化量、净变化率
(某地类净变量/该地类原面积)等指数[24], 这些指数
能反映该地区主要作物近年来的时空变化特征。
景观格局指数在区域格局分布的定量化研究中
应用广泛, 本研究选用能反映斑块形状指数的面积
权重分维数(AWMPFD)和反映区域景观种类多样性
的香农均度指数(SHEI)两个指标来量化华北平原的
作物景观格局, 描述华北平原近年来作物种植格局
的时空变化特征。其中 1≤AWMPFD≤2, 反映人类
活动对景观格局的影响, 数值越大表示人为影响越
大; 0≤SHEI≤1, 反映景观中各斑块均衡分布状况,
数值越大, 分布越均匀[25]。两个指标的计算公式如下:
1 1
2 ln(0.25 )
AWMPFD
ln
m n
ij ij
iji j
P a
a A 
         (1)
 
1
ln
SHEI
ln
m
i i
i
P P
m




(2)
式中: i为斑块类型, i=1, 2, ⋯, m; j为斑块数目, j=1,
2, ⋯, n; Pij为斑块 ij的周长; aij为斑块 ij的面积; A
为景观总面积; Pi为斑块类型 i所占景观面积的比例。
3 结果与分析
3.1 结果验证
本文将河北省平原区 2000—2012年的遥感监测
作物面积(监测面积)与农业统计数据中各种作物的
种植面积(统计面积)进行相关分析(以县为单位), 对
本研究分类结果的精度进行评价。如图 3 所示冬小
麦、玉米和棉花遥感监测面积与农业统计面积的相
关系数分别为 0.77、0.76 和 0.83(置信水平为 95%),
具有较高的相关性, 且趋势线与 1︰1 线几乎平行,
表明该方法在华北平原对作物提取的分类精度较高,
分类结果能够反映作物种植的时空变化。
3.2 2000—2013年连续年份华北平原主要作物种植
面积的时空变化
3.2.1 华北平原主要作物的空间分布
本文根据华北平原的区域水文特征, 将其划分
为河北平原北部(包括北京市和天津市)、河北平原南
部、鲁西北和豫北 4 个区域。计算作物在各区域的
种植比(种植比=作物年平均面积/区域面积), 种植

图 3 2000—2012年河北地区遥感监测冬小麦和棉花面
积与各县农业统计数据的比较
Fig. 3 Comparison of winter wheat and cotton planting areas
between remote sensing monitoring data and agricultural
statistics data at county level in Hebei region from 2000 to 2012
比越大说明某作物在该区域的种植密度越大, 分布
越广。由图 4 可知, 冬小麦和玉米的种植比远大于
林果和棉花, 是华北平原的主要粮食种植方式。冬
小麦在 4 个区域的种植比为豫北>鲁西北>河北平原
南部>河北平原北部 , 这主要是因为豫北和鲁西北
紧邻黄河, 冬小麦所需的大量灌溉可以由黄河引灌
来保证 [22]; 玉米的种植比也基本符合该规律, 但河
北平原的玉米种植比例提升较多, 经农户调查发现
这是因为河北地区(尤其是河北北部)的冬小麦种植
第 9期 王红营等: 基于遥感的华北平原农作物时空分布变化特征分析 1203


http://www.ecoagri.ac.cn
主要靠提取地下水灌溉, 该区域地下水紧缺, 灌溉
成本较高, 很多地方选择只种植一季玉米, 放弃种
植冬小麦; 棉花主要分布在河北平原南部和鲁西北
的主要产棉区; 林果的种植比为河北平原北部>鲁
西北>河北平原南部>豫北, 因为河北平原北部有北
京和天津两大消费城市, 农民种植果树经济效益更
高, 所以该区域林果的种植比最大, 河北平原南部
和鲁西北则有赵县、沧县、沾化等果树种植基地。

图 4 华北平原不同区域各类型作物种植比
Fig. 4 Planting ratios of different types of crops in different
regions of the North China Plain
A: 冬小麦夏玉米; B: 单季玉米; C: 棉花; D: 林果。种植
比=作物年平均面积/区域面积。A: winter wheat/summer maize; B:
single-cropping maize; C: cotton; D: forest and fruit trees. Planting
ratio = average planting area of crop / area of the region.
3.2.2 华北平原各作物种植面积的时空变化
2000—2013年华北平原主要作物空间分布变化
(图 5)显示, 冬小麦种植面积在河北平原有明显下降
趋势, 其中河北平原北部由 2000 年的 95.42 万 hm2
缩减至 2013年的 62.27万 hm2, 降幅较大, 但鲁西北
和豫北地区则有增加趋势。豫北地区玉米种植面积
较稳定, 河北平原和鲁西北都有所下降, 其中河北
北部缩减最为显著, 2013 年比 2000 年缩减了 47.95
万 hm2。华北平原水稻主要分布在黄河沿岸和天津、
唐山地区, 由于种植方式复杂, 耗费人力且收益较
低, 近年来种植面积下降 23.2%。近 14 年华北平原
棉花种植面积年际间波动性较大, 但整体种植面积
趋于稳定, 其中鲁西北地区有下降趋势, 河北平原南
部变化不大, 豫北地区主要以粮食作物种植为主, 棉
花种植面积较小, 不足 1万 hm2。华北平原的林果种
植核心区格局较为分散, 2000—2013年各果树集中区
均有所扩展, 豫北平原极少种植林果。蔬菜主要分布
在河北平原北部的大中城市郊区, 近年来华北平原
各城市边缘蔬菜种植面积均有所增加, 由 2002 年的
50.23万 hm2增加至 2012年的 68.18万 hm2。
华北平原总体呈现粮食作物种植面积下降而经
济作物种植面积增加的趋势, 这主要是由 3 个方面
的原因造成的: 首先, 近年来快速城市化占用大量
耕地, 使耕地面积减少[2627]; 其次, 种植粮食效益

图 5 2000—2013年华北平原主要农作物空间分布
Fig. 5 Spatial distribution patterns of major crops in the North China Plain from 2000 to 2013

1204 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
低下且费时费力 , 农民打工的经济效益大于耕种 ,
而且河北北部的灌溉成本较高, 导致农民种地的积
极性下降 , 进而引起土地弃种的现象; 最后 , 根据
野外走访调查, 有些地区(如乐亭、沧县、莘县等)
因为栽种果树、蔬菜的经济效益较高, 而将耕地开
发为果蔬地, 所以经济作物的栽种面积呈现出明显
上升的趋势。
3.3 基于作物种植概率的时空变换分析
作物种植的选择受到多种因素影响, 换茬种植
也是农业中常见的现象, 因此作物种植面积年际间
波动较大。本文基于多年的分类结果计算土地作物
种植的概率, 用于表达农业土地利用中作物类型的
出现几率, 多年时段的作物概率分布图可以客观地
反映某个地区农作物种植概率的变化。
3.3.1 主要农作物的种植概率时空变化分析
本文将研究时段分为 2000—2006 年和 2007—
2013 年两个时段, 分别计算前后两个时段各 7 年华
北平原 4类作物种植概率(图 6a、6b), 再分别提取分
布概率为 60%以上的区域求其差值(2007—2013 年
60%以上的分布概率减去 2000—2006年 60%以上的
分布概率), 获得华北平原主要作物种植的空间变化
图(图 6c)。从 4个分区来看:
河北平原北部的天津—廊坊一带出现冬小麦种
植区“撂荒”的现象, 而该区玉米种植面积变化不大,
经调查发现, 主要是由于该区乡镇企业发达, 从事
传统农业生产的人员大多转化为乡镇务工人员, 种
植冬小麦的经济收入比务工收入要低且农作物灌溉
费用较高 ; 而玉米生长季短 , 且与降雨同期 , 灌溉
次数少, 所以对劳动投入要求极低。保定地区的冬
小麦和玉米面积都有显著缩减, 该区除了大面积放
弃种植冬小麦以外, 还有部分地区其他种植作物(夏
季作物)也发生改变, 野外调查发现保定部分县市近
年来由于政策鼓励, 发展苗圃和药材种植现象比较
多。环北京周边的区县近年来林果种植面积增加显
著, 主要表现在粮食作物种植面积减少, 经济作物
种植面积增加。
河北平原南部产棉区周边和东部中低产区的冬
小麦种植面积变化较大, 其中产棉区周边棉花种植
受经济作物价格波动影响较大, 该区棉花种植面积
近年来有增加趋势, 而大名县则改种花生为主; 东
部南皮—盐山一带近年来出现大面积稳定种植冬小
麦的现象; 吴桥—东光一带的作物选择改变主要表
现在棉花种植出现增加的趋势; 林果种植面积变化
较大的地区集中分布于产果区及其周边县市(晋州、
深州、饶阳、泊头和沧县), 主要原因是这些地区有
种果树的历史, 规模化果树种植容易推广, 而且果
树种植的经济效益远大于粮食作物。
鲁西北地区作物种植选择相对较稳定, 冬小麦
主要种植区面积变化不大, 增加的区域主要出现在
乐陵—临邑—陵县一带, 而莘县周边主要是近年来
大棚蔬菜发展导致粮食作物种植面积减小。
豫北地区主要以种植粮食作物为主, 冬小麦和
夏玉米主要种植区面积均出现明显增加趋势, 主要
沿黄河以北分布, 野外调查发现, 这与近年来河南
省黄泛区荒地改造关系密切。
3.3.2 主要农业土地利用类型时空变化分析
作物主产区是农作物产品生产的核心区域, 对
国家确定主要农产品有效供给具有决定性作用, 可
以客观反映农作物种植格局的时空变换。本研究分
为 2000—2006年和 2007—2013年两个时段, 分别提
取相应阶段内作物种植概率大于 60%的区域作为该
作物的主产区, 并结合基于 TM/ETM 提取的蔬菜和
水稻的两期结果进行空间叠加分析, 获取近 14年前
后两个阶段主要作物类型的转移矩阵(表 1)。
根据表 1 计算出 2000—2006 年至 2007—2013
年期间研究区各作物种植主产区的变化情况(表 2),
可以看出, 粮食作物(小麦、玉米和水稻)的种植面积
均有所下降, 共下降 45.75万 hm2, 下降率为 10.55%;
而经济作物(棉花、林果和蔬菜)的种植面积则均有所
增加, 共增加 40.26 万 hm2, 增加率为 36%, 由此可
见经济的迅速发展使农民在作物种植选择上出现变
化, 经济效益高的作物取代经济效益低的作物; 耕
地总面积减少 5.50 万 hm2, 转入其他地类。在 6 种
作物类型中种植面积总变化量大的是冬小麦、蔬菜
和水稻, 分别达 165.29万 hm2、99.91万 hm2和 55.33
万hm2, 其他作物的变化量相对较小; 但种植面积变
化率较大的则是林果、蔬菜和水稻, 分别为 56.45%、
35.76%和 23.16%。这主要是因为冬小麦是大宗粮食
作物 , 所以变化量较大; 由于种植方式的复杂, 许
多地区弃种水稻, 便捷的市场交通, 巨大的经济效
益, 使林果、蔬菜等经济作物的种植面积大幅增加,
且林果、蔬菜和水稻在华北平原种植面积相对较小,
所以这 3 种作物的种植面积变化率较大。在变化的
形式中 , 林果的净变化量占总变化量的比例最大 ,
为 39.19%, 说明林果以数量的变化为主 , 这主要
是因为政府鼓励农户种植林、果树 , 且果树种植
在地块上一般持续的年份较长 , 较少出现砍伐。而
其他作物的净变化量占总变化量的比例相对较小 ,
尤其是水稻和蔬菜 , 分别为 15.86%和 17.97%, 说
明其他作物不仅有数量上的变化 , 还有空间位置
第 9期 王红营等: 基于遥感的华北平原农作物时空分布变化特征分析 1205


http://www.ecoagri.ac.cn

图 6 2000—2013年华北平原主要作物种植概率时空格局的变化
Fig. 6 Changes of spatial distribution patterns of major crops planting probabilities in the North China Plain from 2000 to 2013
a: 2000—2006年平均种植概率; b: 2007—2013年平均种植概率; c: 主要种植区的空间变化; W: 冬小麦夏玉米; M: 单季玉米; C:
棉花; O: 林果。a: average planting probability from 2000 to 2006; b: average planting probability from 2007 to 2013; c: spatial change of the
main planting areas. W: winter wheat/summer maize; M: single-cropping maize; C: cotton; O: forest and fruit trees.
1206 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
表 1 近 14年(2000—2006年和 2007—2013年)华北平原作物主产区转移矩阵
Table 1 Transformation matrix of the main producing areas of crops in the North China Plain between 20002006 and 20072013 104 hm2
2007—2013
小麦
Wheat
玉米
Maize
水稻
Rice
棉花
Cotton
林果
Forest and
fruit trees
蔬菜
Vegetables
其他
Others
总计
Total
减少
Reduce
小麦 Wheat 281.58 0.43 1.72 0.53 0.71 6.35 88.67 380.00 98.42
玉米 Maize 0.91 283.59 1.06 0.11 0.31 1.25 10.18 297.40 13.81
水稻 Rice 3.13 1.34 5.85 0.10 0.40 2.69 24.39 37.91 32.05
棉花 Cotton 0.15 0.01 0.09 21.15 0.10 0.53 7.79 29.83 8.68
林果 Forest and fruit trees 0.14 0.10 0.36 0.01 17.85 2.64 10.67 31.77 13.91
蔬菜 Vegetables 1.90 0.40 1.14 0.44 3.64 9.25 33.45 50.23 40.98
其他 Others 60.65 6.08 18.90 11.86 26.69 45.48 449.75 619.40 169.66
总计 Total 348.46 291.97 29.13 34.19 49.70 68.18 624.90
2000—2006
增加 Increase 66.88 8.38 23.27 13.05 31.85 58.94 175.15
表 2 近 14年(2000—2006年和 2007—2013年)华北平原作物种植主产区变化信息
Table 2 Changes in main producing areas of crops in the North China Plain between 2000—2006 and 2007—2013

新增量
Increase
(104 hm²)
减少量
Reduction
(104 hm²)
总变化量
Total change
(104 hm²)
净增量
Net increase
(104 hm²)
净变化量
Net change
(104 hm²)
净变化率
Net change ratio
(%)
净变量/总变量
Net change/total change
(%)
小麦 Wheat 66.88 98.42 165.29 31.54 31.54 8.30 19.08
玉米 Maize 8.38 13.81 22.19 5.44 5.44 1.83 24.50
水稻 Rice 23.27 32.05 55.33 8.78 8.78 23.16 15.86
棉花 Cotton 13.05 8.68 21.73 4.36 4.36 14.63 20.08
林果 Forest and fruit trees 31.85 13.91 45.76 17.93 17.93 56.45 39.19
蔬菜 Vegetables 58.94 40.98 99.91 17.96 17.96 35.76 17.97
其他 Others 175.15 169.66 344.81 5.50 5.50 0.89 1.59

的转移, 这是因为其他作物换茬种植相对容易, 农
民根据农业市场的需求和价格的波动随时进行作物
种植的调整。
3.3.3 基于景观格局的主要农作物种植格局分析
经济发展引起的作物种植的变化会影响该地区
农作物主产区景观格局的变化, AWMPFD 和 SHEI
可以从形状差异和多样性角度对区域的景观格局进
行定量化的描述(图 7)。
4个区域中冀北地区的 AWMPFD值最高, 主要
是因为京津两大经济体带动该区域经济作物种植 ,
打破粮食作物斑块的整体联通性 , 景观相对复杂 ;
豫北地区的 AWMPFD值最低, 小于 1.28, 因为该区
主要种植冬小麦夏玉米粮食作物 , 这种作物斑块
呈聚合连通分布, 而其他作物分布较少, 景观复杂
性相对较弱。冀北地区 2007—2013年 AWMPFD值
高于 2000—2006 年, 说明随经济发展, 该区域经济
作物种植更加活跃 , 对原本较为均质的景观格局 ,
出现不同程度的干扰, 使得景观斑块的分维数增大;
其他区域 2007—2013年 AWMPFD值较 2000—2006
年要低, 说明这 3 个主要产粮区由于各种非农业经
济活动的较高收入, 使当地人更多选择简单便捷且
便于规模机械化的冬小麦夏玉米作物种植 , 一些
经济作物的种植也逐渐呈大斑块种植, 景观格局内
该斑块出现了聚合联通的趋势。
SHEI 指数在豫北地区最低, 小于 0.4, 主要因
为冬小麦夏玉米种植面积极大 , 占区域面积的
66.09%, 为该区的优势作物, 而其他作物种植比例
较低, 所以该地区的各斑块类型均衡性最低。冀北、
冀南和鲁西北地区 2007—2013 年较 2000—2006 年
的 SHEI 指数均有所增加, 主要是因为这些区域的
各种经济作物种植面积均有不同程度的增加, 而粮
食作物的种植面积则相对减少, 所以各斑块类型分
布趋于均等; 而豫北地区的 SHEI 指数则有所降低,
这可能是因为该区域棉花种植面积极低, 便于种植
的冬小麦夏玉米大面积取代水稻的种植 , 而且河
南省黄泛区荒地改造也增大了冬小麦夏玉米的种
植面积 [22], 使该区域冬小麦夏玉米的优势度更加
突出。
4 结论
农业是国民经济的基础产业, 关乎国计民生。
了解农作物种植格局对地下水保护、优化农业结构
第 9期 王红营等: 基于遥感的华北平原农作物时空分布变化特征分析 1207


http://www.ecoagri.ac.cn

图 7 华北平原各区域不同年代景观指数图
Fig. 7 Landscape indexes of the North China Plain in different study years
JB: 河北平原北部; JN: 河北平原南部; LXB: 鲁西北; YB: 豫北。JB: North Hebei Plain; JN: South Hebei Plain; LXB: Northwest
Shandong; YB: North Henan.

意义重大。本文基于 MODIS NDVI时序数据, 根据
作物物候期特征提取冬小麦夏玉米、单季玉米、棉
花和林果种植面积; 基于 Landsat TM/ETM数据, 根
据作物波段组合的不同色彩特征提取蔬菜和水稻
种植面积 , 并验证其提取精度 , 最后探讨了近 14
年华北平原主要作物种植区域的时空变换特征。结
果表明:
1)本研究对作物的分类提取在县域水平上精度
较高, 冬小麦、玉米和棉花的遥感监测面积与农业
统计面积的相关系数都大于 0.76(置信水平为 95%),
具有较高的相关性; 而 TM/ETM数据本身精度较高,
分类精度也相对较高, 所以本研究分类结果能够用
于作物种植的时空变化研究。
2)从空间分布特征上看 , 华北平原的冬小麦
夏玉米主要分布于豫北、鲁西北和河北南部 , 其中
豫北地区平均种植比例最高 , 达 66.09%; 单季玉
米和林果在河北平原北部分布比例最高 , 分别达
13.76%和 12.93%; 而河北平原南部的棉花种植比
例最高。
3)从华北平原 2000—2013年连续年份作物种植
面积来看, 总体上粮食作物呈下降趋势, 而经济作
物则有明显上升趋势。这主要是由近 14年来快速城
市化占用大量耕地, 而且种植粮食的效益比打工和
种植林果、蔬菜的效益低等原因造成的。但由于近
年来河南省黄泛区荒地改造, 豫北地区小麦种植面
积有所增加。
4)基于作物种植概率, 结合蔬菜、水稻分类结果,
本文运用转移矩阵和景观格局分析华北平原主要作
物主产区在近 14 年前后两阶段(2000—2006 年和
2007—2013 年)的时空变化特征, 结果显示: 蔬菜和
水稻不仅在数量上变化显著 , 位置转移也最明显 ;
河北平原以南冬小麦夏玉米种植规模化程度提高,
豫北以北地区作物种植多样化增强。
本文对华北平原主要作物的遥感分类结果精度
较高, 能反映近年来华北平原主要作物的种植格局
时空变化特征, 对作物种植结构调整、农业资源优
化有很好的指导意义。本研究获取了华北平原连续
14 年的作物分类结果; 提取的作物类别较多, 包括
小麦、玉米、水稻、棉花、林果和蔬菜; 并从土地
利用转移矩阵和景观格局指数分析作物种植时空变
化特征; 另外, 基于多年的分类结果计算土地种植
作物的概率, 能减少作物种植随机性对作物种植格
局变化的干扰, 可以客观反映某一作物种植面积分
布的核心区域。上述 4 方面是对本研究区已有研究
的重要补充, 同时为农业土地利用变化研究中分析
作物种植面积变化提供了新的思路。由于混合像元
的存在, 一个像元中可能包含了多种作物, 有必要
在今后的研究工作中寻求切实可行的混合像元分解
方法, 提高分类精度; 蔬菜和水稻提取的期数较少,
在以后的工作中应增加这两种作物提取结果的年份
连续性; 在精度检验方面, 今后的研究中可增加野
外实测样本地块提高检验精度。
参考文献
[1] 李正国, 杨鹏, 周清波, 等. 基于时序植被指数的华北地区
作物物候期/种植制度的时空格局特征[J]. 生态学报, 2009,
29(11): 6216–6226
Li Z G, Yang P, Zhou Q B, et al. Research on spatiotemporal
pattern of crop phenological characteristics and cropping
system in North China based on NDVI time series data[J].
Acta Ecologica Sinica, 2009, 29(11): 6216–6226
[2] 邹健 , 龙花楼 . 改革开放以来中国耕地利用与粮食生产安
全格局变动研究[J]. 自然资源学报, 2009, 24(8): 1366–1377
Zou J, Long H L. The variation of farmland use and the
security pattern of grain production in China since 1978[J].
Journal of Natural Resources, 2009, 24(8): 1366–1377
1208 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
[3] 张莉, 吴文斌, 杨鹏, 等. 黑龙江省宾县农作物格局时空变
化特征分析[J]. 中国农业科学, 2013, 46(15): 3227–3237
Zhang L, Wu W B, Yang P, et al. Temporal and spatial
changes in crop patterns of Binxian County in Heilongjiang
Province[J]. Scientia Agricultura Sinica, 2013, 46(15):
3227–3237
[4] 朱杰 , 聂振邦 , 马晓河 . 21 世纪中国粮食问题[M]. 北京:
中国计划出版社, 1999: 3–60
Zhu J, Nie Z B, Ma X H. Chinese Grain Problem in the 21st
Century[M]. Beijing: Chinese Plan Press, 1999: 3–60
[5] Allen R, Hanuschak G, Craig M. History of remote sensing
for crop acreage in USDA’s National Agricultural Statistics
Service[EB/OL]. [2003-07-13]. http://agris.fao.org/aos/records/
US201300083606?output=xml.
[6] 陈水森, 柳钦火, 陈良富, 等. 粮食作物播种面积遥感监测
研究进展[J]. 农业工程学报, 2005, 21(6): 166–171
Chen S S, Liu Q H, Chen L F, et al. Review of research
advances in remote sensing monitoring of grain crop area[J].
Transactions of the Chinese Society of Agricultural
Engineering, 2005, 21(6): 166–171
[7] 张健康, 程彦培, 张发旺, 等. 基于多时相遥感影像的作物
种植信息提取[J]. 农业工程学报, 2012, 28(2): 134–141
Zhang J K, Cheng Y P, Zhang F W, et al. Crops planting
information extraction based on multi-temporal remote
sensing images[J]. Transactions of the Chinese Society of
Agricultural Engineering, 2012, 28(2): 134–141
[8] Justice C O, Becker-Reshef I. Report from the workshop on
developing a strategy for global agricultural monitoring in the
framework of Group on Earth Observations (GEO)[R]. Rome:
UN/FAO, 2007: 1–67
[9] Jakubauskas M E, Legates D R, Kastens J H. Crop
identification using harmonic analysis of time-series AVHRR
NDVI data[J]. Computers and Electronics in Agriculture,
2002, 37(1/3): 127–139
[10] 李景刚, 何春阳, 史培军, 等. 近 20 年中国北方 13 省的耕
地变化与驱动力[J]. 地理学报, 2004, 59(2): 274–282
Li J G, He C Y, Shi P J, et al. Change process of cultivated
land and its driving forces in northern China during 1983
2001[J]. Acta Geographica Sinica, 2004, 59(2): 274–282
[11] 张国平, 刘纪远, 张增祥. 近 10 年来中国耕地资源的时空
变化分析[J]. 地理学报, 2003, 58(3): 323–333
Zhang G P, Liu J Y, Zhang Z X. Spatial-temporal changes of
cropland in China for the past 10 years based on remote
sensing[J]. Acta Geographica Sinica, 2003, 58(3): 323–333
[12] 左丽君, 董婷婷, 汪潇, 等. 基于 MODIS/EVI 的中国北方
耕地复种指数提取[J]. 农业工程学报, 2009, 25(8): 141–146
Zuo L J, Dong T T, Wang X, et al. Multiple cropping index of
Northern China based on MODIS/EVI[J]. Transactions of the
Chinese Society of Agricultural Engineering, 2009, 25(8):
141–146
[13] 张霞, 焦全军, 张兵, 等. 利用 MODIS-EVI 图像时间序列
提取作物种植模式初探 [J]. 农业工程学报 , 2008, 24(5):
161–165
Zhang X, Jiao Q J, Zhang B, et al. Preliminary study on
cropping pattern mapping using MODIS-EVI image time
series[J]. Transactions of the Chinese Society of Agricultural
Engineering, 2008, 24(5): 161–165
[14] 吴文斌, 杨鹏, 唐华俊, 等. 基于 NDVI 数据的华北地区耕
地物候空间格局[J]. 中国农业科学, 2009, 42(2): 552–560
Wu W B, Yang P, Tang H J, et al. Monitoring spatial patterns
of cropland phenology in North China based on NOAA NDVI
data[J]. Scientia Agricultura Sinica, 2009, 42(2): 552–560
[15] 唐华俊, 吴文斌, 杨鹏, 等. 农作物空间格局遥感监测研究
进展[J]. 中国农业科学, 2010, 43(14): 2879–2888
Tang H J, Wu W B, Yang P, et al. Recent progresses in
monitoring crop spatial patterns by using remote sensing
technologies[J]. Scientia Agricultura Sinica, 2010, 43(14):
2879–2888
[16] 李奇峰 , 张海林 , 陈阜 . 东北农作区粮食作物种植格局变
化的特征分析[J]. 中国农业大学学报, 2008, 13(3): 74–79
Li Q F, Zhang H L, Chen F. Changes in spatial distribution
and planting structure of major crops in northeast China[J].
Journal of China Agricultural University, 2008, 13(3):
74–79
[17] 金涛 , 陶凯俐 . 江苏省粮食生产时空变化的耕地利用因素
分解[J]. 资源科学, 2013, 35(4): 758–763
Jin T, Tao K L. Factor decomposition and temporal-spatial
variation of grain production in Jiangsu[J]. Resources Science,
2013, 35(4): 758–763
[18] 刘成武, 李秀彬. 1980 年以来中国农地利用变化的区域差
异[J]. 地理学报, 2006, 61(2): 139–145
Liu C W, Li X B. Regional differences in the changes of the
agricultural land use in China during 1980–2002[J]. Acta
Geographica Sinica, 2006, 61(2): 139–145
[19] 于信芳, 庄大方. 基于 MODIS NDVI数据的东北森林物候
期监测[J]. 资源科学, 2006, 28(4): 111–117
Yu X F, Zhuang D F. Monitoring forest phenophases of
Northeast China based on MODIS NDVI data[J]. Resources
Science, 2006, 28(4): 111–117
[20] Wardlow B D, Egbert S L. Large-area crop mapping using
time-series MODIS 250 m NDVI data: An assessment for the
U.S. Central Great Plains[J]. Remote Sensing of Environment,
2008, 112(3): 1096–1116
[21] 范锦龙. 复种指数遥感监测方法研究[D]. 北京: 中国科学
院遥感应用研究所, 2003: 32–36
Fan J L. Study on remote sensing methods for monitoring
multiple cropping index[D]. Beijing: Institute of Remote
Sensing Applications, Chinese Academy of Sciences, 2003:
32–36
[22] 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
第 9期 王红营等: 基于遥感的华北平原农作物时空分布变化特征分析 1209


http://www.ecoagri.ac.cn
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
[23] 朱会义 , 李秀彬 . 关于区域土地利用变化指数模型方法的
讨论[J]. 地理学报, 2003, 58(5): 643–650
Zhu H Y, Li X B. Discussion on the index method of regional
land use change[J]. Acta Geographica Sinica, 2003, 58(5):
643–650
[24] 乔伟峰, 盛业华, 方斌, 等. 基于转移矩阵的高度城市化区
域土地利用演变信息挖掘——以江苏省苏州市为例[J]. 地
理研究, 2013, 32(8): 1497–1507
Qiao W F, Sheng Y H, Fang B, et al. Land use change
information mining in highly urbanized area based on transfer
matrix: A case study of Suzhou, Jiangsu Province[J]. Geogra-
phical Research, 2013, 32(8): 14971507
[25] 王滨滨, 刘静玲, 张婷, 等. 白洋淀湿地景观斑块时空变化
研究[J]. 农业环境科学学报, 2010, 29(10): 18571867
Wang B B, Liu J L, Zhang T, et al. Spatial and temporal
changes of landscape patches in Baiyangdian wetlands,
China[J]. Journal of Agro-Environment Science, 2010, 29(10):
18571867
[26] 韩会然 , 杨成凤 , 宋金平 . 北京市土地利用变化特征及驱
动机制[J]. 经济地理, 2015, 35(5): 148154
Han H R, Yang C F, Song J P. The spatial-temporal
characteristic of land use change in Beijing and its driving
mechanism[J]. Economic Geography, 2015, 35(5): 148154
[27] 孙艳征 , 丁超 . 保定市土地利用变化及驱动力分析[J]. 安
徽农业科学, 2015, 43(9): 321324
Sun Y Z, Ding C. Analysis of land use change and its driving
forces in Baoding City[J]. Journal of Anhui Agricultural
Sciences, 2015, 43(9): 321324


欢迎订阅 2016年《作物学报》
《作物学报》是中国科学技术协会主管、中国作物学会和中国农业科学院作物科学研究所共同主办、科学出版社出版的
有关作物科学的学术期刊。前身可追溯到 1919年创办的《中华农学会丛刊》。主要刊载农作物遗传育种、耕作栽培、生理生
化、种质资源以及与作物生产有关的生物技术、生物数学等学科具基础理论或实践应用性的原始研究论文、专题评述和研究
简报等。办刊宗旨是报道本领域最新研究动态和成果, 为繁荣我国作物科学研究、促进国内外学术交流、加速中国农业现代
化建设服务。读者对象是从事农作物科学研究的科技工作者、大专院校师生和具有同等水平的专业人士。
《作物学报》2006—2015年连续 10年获“中国科协精品科技期刊工程项目(B类、学术质量建设和 TOP50)”资助。从 2002
年起连续 13年被中国科技信息研究所授予“百种中国杰出学术期刊”称号。2013年被新闻出版广电总局评为“百强科技期刊”,
2011年获“第二届中国出版政府奖期刊奖提名奖”, 2005年获“第三届国家期刊奖提名奖”。2008、2011和 2014年被中国科学
技术信息研究所授予“中国精品科技期刊”称号。2012、2013和 2014年被 CNKI评为“中国最具国际影响力学术期刊”。2009
年被中国期刊协会和中国出版科学研究所授予“新中国 60 年有影响力的期刊”称号。据北京大学图书馆编著的《中文核心期
刊要目总览》(2004、2008和 2011年版)登载, 《作物学报》被列在“农学、农作物类核心期刊表”的首位。据 2014年 9月中
国科学技术信息研究所发布的 2014年版《中国科技期刊引证报告-核心版》登载，《作物学报》的“综合评价总分”达 99.2分，
位列 1989种中国科技核心期刊的首位。
《作物学报》为月刊, 每期 160页, 定价 60元/册, 全年 720元。可通过全国各地邮局订阅, 刊号: ISSN 0496-3490, CN
11-1809/S, 邮发代号: 82-336。也可向编辑部直接订购。
地址: 北京市海淀区中关村南大街 12号, 中国农业科学院作物科学研究所《作物学报》编辑部(邮编 100081)
电话: 010-82108548; 传真: 010-82105793; 网址: http://zwxb.chinacrops.org/; E-mail: zwxb301@caas.cn。