1引言
农用地占全球土地面积的40%，农业土地利用变化深刻影响到粮食、水、生态安全和气候变化。随着气候变化以及人类活动的加剧，农业土地利用呈现出前所未有的变化。一方面，当前气候变化带来的耕地适宜度的变化，如受气候变暖的影响，高纬度地区作物种植界线北移，影响了粮食产量和格局。遥感已经成为农业土地利用信息最重要的获取手段，当前遥感技术的迅速发展为农业土地利用信息的快速获取提供了新的机遇。在这些新的数据和前沿技术的支持下，国内外的农业土地利用信息提取研究取得了长足的进步，涌现出了一系列新的研究成果，如全球30m耕地分布产品、国家尺度作物分类产品、区域尺度熟制和撂荒的产品以及全球尺度灌溉产品等。本文试图从农业土地利用信息的4个方面系统阐述已有研究和产品的演化过程，重点阐述新兴的遥感数据和技术在农业土地利用研究中的前沿进展，剖析当前研究中存在的问题和改进的方向。在此基础上，从遥感数据、分类算法和云计算平台等方面的前沿技术角度对未来研究进行展望[1]。
2研究进展
2.1耕地分布信息的提取
对耕地分布的准确刻画是其他农业土地利用指标（作物类型分布、农业种植制度、农业土地管理等）信息提取的前提。耕地面积的遥感监测已经取得了长足的进展，由于土地利用管理的需要，我们对于耕地分布有更高的分辨率和精度要求。在国家尺度上，中国科学院地理科学与资源研究所牵头的土地利用监测研究团队开展了长时间序列土地利用/覆盖变化遥感监测，以Landsat和中巴资源卫星数据为数据，通过人工解译的方法建成了每隔5年的连续变化监测数据库，完成了1980年代末至2015年全国共计6期的土地利用1:10万比例尺矢量和1km面积比例栅格数据集。除了这些科研单位生产的数据之外，自然资源部全国土地调查、全国地理国情监测等工作从行业部门角度出发，采用超高分辨率卫星影像和大量地面调查，完成了更高分辨率的数据产品[2]。
2.2作物类型识别
除了耕地分布之外，更具体的作物类型分布和种植面积的数据有助于认识口粮、饲料用粮和工业用粮等不同作物的生产情况，是农情监测的重要内容。随着多源遥感数据的免费发布，利用遥感数据获取低成本高效率的作物类型数据，逐渐补充和替代了传统高成本低效率的田间调查与普查[3]。遥感作物分类的核心是充分挖掘农作物和其他地表覆被类型在光谱、物候和纹理上的差异，借助专家知识、机器学习和深度学习算法实现作物分类。气候条件、管理措施和作物品种的差异使得许多农作物的光谱特征类间差异小，类内差异大，故作物分类相对于传统土地利用分类具有更高难度[4]。
2.3农业种植制度信息提取
农业种植制度是指一年或几年内所采用的作物种植体系，包括多熟制、种植顺序（轮作、连作等）、撂荒、作物的结构与布局等。一方面，在可开垦耕地接近极限水平的情况下，提高农业土地利用熟制或集约度是实现全球粮食安全的必由之路;另一方面，随着劳动力成本提高，我国南方地区呈现严重的耕地撂荒现象，此外国家一系列土地保护为目的的休耕轮作措施也在许多地区推行。然而，这些种植制度及其时空变化的信息相对缺乏。本文从熟制和撂荒2个角度来阐述农业种植制度信息提取的研究进展[5]。
3存在问题与展望
3.1存在的问题
耕地现状的遥感产品较为丰富，但通过遥感挖掘实现耕地变化连续过程刻画的能力有待加强。在Landsat数据、高分数据和其他中高分辨率的卫星数据支持下，耕地的空间分布和面积监测已经取得了较大进展。融合多源遥感数据实现中分辨率的耕地变化连续监测，将有助于认识耕地变化的完整过程。作物分类在大量地面调查支持下具备国家业务化运行潜力，但作物早期监测能力有待加强。在我国，国家尺度高时空分辨率作物分布制图工作仍有待加强。针对重要农业区和主要作物类型，需要解决地面样本缺乏、作物种植结构复杂、农业地块破碎、云雨天气频发等诸多难题。此外，作物种植面积早期监测对于指导国际粮食贸易和农业保险等具有重要意义，但目前相关研究较少。中国在农业熟制信息提取方面研究较成熟，但撂荒等种植制度变化的遥感监测能力有待加强。
3.2研究展望
随着中高分辨率遥感数据的不断涌现，机器学习和深度学习的快速发展以及遥感云计算技术的兴起，为破解耕地、作物面积监测、种植制度和农业土地管理信息提取存在的问题提供了契机。融合多源数据形成更高维度空间、光谱和时间信息的遥感大数据，提升特征提取和数据挖掘能力。MODIS数据具有较短的重访周期和较高的时间分辨率，但MODIS数据空间分辨率低、难以刻画田块空间细节，尤其是在小规模农业经营普遍的中国，地块普遍较小且破碎，MODIS数据的应用具有一定的局限。Landsat数据空间分辨率相较MODIS有较大提升，但16d的重访周期难以准确记录作物生长发育过程。Sentinel系列卫星的发射为农业遥感监测提供了新的机遇，它具有5d的重访周期和10m的空间分辨率，相比Landsat增加了4个红边波段。时间、空间和光谱分辨率的提升增强了Sentinel-2对作物的识别能力。谷歌和亚马逊公司的数据云平台也快速发展并提供免费云计算服务，特别是GEE平台，已经集成了MODIS、Landsat、Sentinel等常用遥感数据集，极大地提高了农业和土地利用信息获取的能力。未来采用云平台进行海量遥感数据处理和分析将成为农业土地利用信息提取领域的重要发展方向。
4结论
遥感已经成为农业土地利用信息提取的主要手段，本文从耕地分布、作物类型识别、农业种植制度和农业土地管理措施（灌溉为例）4个方面分析了农业土地利用遥感信息提取的研究进展，重点阐述了国内外最新的研究成果和产品现状，试图梳理了这些研究方法背后的发展脉络。结合当前快速发展的遥感大数据、机器学习和深度学习算法以及云计算平台技术探讨了新时期农业土地利用信息提取潜在的研究方向，包括融合多源遥感数据、优化现有算法、运用云计算平台提升农业土地利用信息提取的精度和效率。本文试图在综述国际最新前沿成果的同时，立足我国农业土地利用管理的新需求，为提升我国农业土地利用信息提取研究提供一定参考。
参考文献：
[1] 曹鑫,陈学泓,张委伟,等.全球30m空间分辨率耕地遥感制图研究[J].中国科学:地球科学,2016,46(11):1426-1435.
[2] 闫慧敏,刘纪远,曹明奎.近20年中国耕地复种指数的时空变化[J].地理学报,2005,60(4):559-566.
[3] 丁明军,陈倩,辛良杰,等.1999-2013年中国耕地复种指数的时空演变格局[J].地理学报,2015,70(7):1080-1090.
[4] 张英,李秀彬,宋伟,等.重庆市武隆县农地流转下农业劳动力对耕地撂荒的不同尺度影响[J].地理科学进展,2014,33(4):552-560.
[5] 张学珍,赵彩杉,董金玮,等.1992-2017年基于荟萃分析的中国耕地撂荒时空特征[J].地理学报,2019,74(3):411-420.