中國網/中國發展門戶網訊 作為全球人口最多的國家之一，我國始終將耕地保護和糧食安全作為最重要的國家戰略。然而，隨著經濟社會的快速發展，耕地這一重要的戰略資源面臨著日益嚴峻的保護挑戰，如我國耕地數量不斷減少、區域耕地質量不斷下降、耕地利用效率不高等。根據國家統計局的數據，從2009年第二次到2019年第三次全國土地調查，我國耕地總面積減少了1.13億畝，耕地“非農化”“非糧化”等問題始終威脅糧食安全。為了有效保護耕地資源，我國確立了耕地尤其是永久基本農田的優先保護地位，使之成為調整經濟結構、規劃產業發展、推進城鎮化不可逾越的耕地保護紅線。

耕地保護紅線的管控監測是實現耕地保護和糧食安全的重要舉措。隨著社會經濟快速發展，加劇的人類活動對耕地保護造成了越來越大的壓力，導致局部耕地出現面積減少、質量下降、產量降低、作物結構單一、生態服務功能退化、耕地健康狀況受損等問題。此外，氣候變化也給耕地保護帶來了巨大的挑戰，特別是溫度升高、降水變率增大伴隨極端氣候事件頻率和強度的增加，如干旱和洪澇災害加劇等，深刻影響著耕地的穩定性和可持續性。在人類活動和氣候變化共同作用下，耕地管控狀態的變化速度更快、強度更大、復雜性更高，如何對耕地管控狀態進行高時效性、準確性、全面性地評估和監測已成為一個迫切需要解決的問題。

然而，傳統的耕地監測方法存在著諸多不足，如周期長、時效性差、精度低、成本高等問題，難以滿足及時、準確、動態的監測需求。大數據具有海量數據處理、快速分析、智能決策等優勢。通過整合衛星影像、氣象數據和土壤監測等多源數據，實現對耕地利用狀態多維度的高頻、高精度監測，為耕地紅線管控狀態的監測提供更為精準的數據支持、新的研究思路和技術手段，從而全面了解耕地的狀態和變化趨勢，為農業規劃、土地管理及糧食生產等決策提供科學支持和數據基礎。如谷歌基于遙感大數據和云計算構建了近實時土地覆蓋制圖平臺（Dynamic World），實現了土地覆蓋制圖從靜態到實時動態監測的新理念的轉換，這為耕地紅線管控狀態的監測預警提供了重要范例。

本文旨在適應大數據時代科研范式變革的要求，積極推進耕地紅線監管的大數據支撐。將從3個方面展開論述：分析當前耕地保護紅線管控監測現狀；介紹大數據技術在耕地紅線監測中的應用現狀和前沿技術，提出耕地紅線監測的創新技術方案；提出大數據技術在耕地紅線監測中的挑戰、建議和展望。

耕地保護紅線管控監測的現狀與存在的問題

我國耕地保護紅線政策的演變和監測的重要性

自1949年中華人民共和國成立以來，我國始終高度重視耕地的保護和利用工作（圖1）。這一過程經歷了從初期對耕地資源的初步探索，到改革開放時期對耕地質量建設的逐步擴展，再到黨的十八大以來對耕地系統保護的不斷延伸。這種發展變遷的路徑和一系列耕地利用與保護的政策不斷完善，形成了一個綜合的耕地保護利用體系，從耕地數量保護逐步到注重平衡數量、質量和生態三位一體，這為保障糧食安全、推動農業綠色高質量發展和加速農業現代化進程奠定了堅實基礎。研究表明這一系列耕地保護紅線政策在我國耕地保護和糧食安全中發揮了重要作用，使我國得以用不到全球9%的耕地養活了世界近20%的人口。

當前耕地保護紅線管控監測存在的主要問題

面向農業土地系統多維度信息的監測體系亟需構建

耕地監測的目的和內容不僅局限于統計耕地的數量變化，還要綜合考慮耕地的質量、作物種植制度、生態與健康等多個角度和層次的特征。耕地質量包括土壤肥力、質地等物理和化學特性；種植制度監測不僅要考慮耕地的種植結構、種植方式、種植效率等技術因素，還要考慮耕地的社會經濟效益、市場競爭力、農民收入等經濟因素；耕地生態狀況監測不僅要考慮耕地的生物多樣性、水土保持、氣候調節、碳匯等生態服務的貢獻，還要考慮耕地退化等生態壓力的影響；耕地的健康包括農藥使用、污染物含量、食品安全等方面。

遙感技術在耕地數量監測方面發揮了重要作用，但其他維度信息監測方面需要耦合遙感和多模態數據進行協同監測。例如針對耕地的質量和侵蝕狀況等需要更高的光譜和空間分辨率數據，以及更先進的技術算法進行準確地監測，并需要結合地面站點觀測數據進行耦合，來加強多元協同觀測技術在耕地多維度信息監測中的應用。

耕地衛星遙感監測數據成果豐富，但一致性較低，標準化有待加強

進入21世紀以來，我國在2007年和2019年分別進行了第二次和第三次全國土地調查。第二次和第三次全國土地調查公布的耕地面積分別為20.31億畝和19.18億畝，相關數據以統計數據的形式按照區（縣）行政區劃向全社會公開發布，其數據被認為最具準確性、權威性和法律效力。然而，出于相關法律規定等原因，歷次土地調查的原始圖斑數據均未向社會公開。科研團體和機構研發的開源耕地衛星遙感數據產品依然是當下科學研究采用的主要數據源。

衛星遙感是當前耕地監測的主要手段。特別是在2008年美國Landsat系列數據、2014年歐洲哨兵（Sentinel）系列數據，以及2019年中國高分數據向全球用戶免費共享以來，海量中、高空間分辨率的衛星開源數據逐漸成為遙感耕地制圖的主要數據源。此外，2012年以來以谷歌公司為代表的遙感云計算平臺，以其集成多源遙感數據、并行計算和向科研團體免費使用的特點，逐漸成為了耕地遙感監測的首選計算平臺。遙感大數據和云計算平臺的出現極大地促進了中分辨率全球土地覆蓋數據產品的研制，例如以2020年為基準年、空間范圍涵蓋中國大陸地區的耕地遙感監測產品多達10余套（表1）。

然而，這些數據集存在較大的不一致性和不確定性。以我國2020年為基準年的12套耕地遙感監測數據集為例，超過53.55%的區域一致性較低（耕地產品一致性數量小于等于5），面積達190.25×104 km2（圖2）。而完全一致性區域（12套耕地遙感產品均認為是耕地）比例僅占12.89%，面積為45.79×104 km2。其中，高一致性區域主要分布于東北平原、華北平原、長江中下游平原等地勢較為平坦、耕地集中連片分布的傳統農業區。對于內蒙古農牧交錯帶以北的戈壁地區、青藏高原、南方丘陵、橫斷山區等耕地破碎化地區，多套耕地數據的不一致性較大。圖2中表明當前12套耕地產品面積與第三次全國國土調查面積整體上具有較強的一致性，但仍呈現顯著的區域差異。因此，未來耕地紅線的衛星遙感監測工作亟待加強行業標準的制訂，提升數據的規范性。

科研與行業部門的對接和互動有待深化，數據共享有待加強

盡管近年來自動化分類技術在科學研究領域取得了長足進步，但當前自然資源業務部門的耕地遙感保護執法在涉及實際應用場景時，仍然需要大量的人工干預或完全由人工主導解譯。以耕地違法占用遙感監測為例，由于耕地背景覆蓋本身呈現顯著的季節性和區域性差異，而違法附著物在類別和尺寸、顏色形態方面也具有多樣性，使得傳統基于人工智能的目標檢測算法在應用于耕地執法場景時常常出現“漏分”和“錯分”等現象。然而，人工解譯也存在時效性差、效率低、人力成本高、受操作人員經驗影響精度難以保證等一系列不足。

當前，我國耕地紅線監測工作在科學研究和行業部門兩個方面均取得重要進展。在科學研究方面。除了上述耕地遙感監測產品外，在作物分布和耕地管理與利用方面，也已有“東北地區10 m分辨率主要作物分布數據集”“全國500 m分辨率灌溉耕地分布數據集”“全國1 km分辨率糧食作物物候數據集”“全國30 m分辨率冬小麥種植分布數據集”等大量遙感監測數據集公開發布。因此，如何將科學研究領域的進展更好的對接并服務于農業和自然資源等業務部門，仍需要科研人員與政府工作人員加強協作和共同努力。在耕地數據調查方面。自然資源行業部門投入了大量工作，例如自然資源部約每10年開展一次的全國土地利用現狀調查，第二次和第三次全國土地調查也形成了高精度和權威性的數據產品，農業農村部自2008年起也組織開展全國耕地質量監測，但這些調查均只提供統計報告而未公開原始數據。為了更好地統籌和節約資源，深化科學研究和部門應用潛力，有必要打破“數據孤島”，進一步統籌協調業務部門與科研部門的數據共享和開放。

地球科學數據共享對于應對當今最具挑戰性和前所未有的全球環境問題，以及實現聯合國2030年可持續發展目標尤為重要。美國農業部的自然資源清單（NRI）項目包括土地利用、土壤特征、水質等信息，每5年更新1次，數據向公眾開放。同時，通過其數據中心共享了全國范圍的農業作物種植面積分布數據，但沒有提供精細化的農戶作物調查數據。歐盟統計局自2006年啟動土地利用/土地覆蓋面積框架統計調查項目（LUCAS），通過每3年開展1次在歐盟28個成員國的調查，獲取土地覆蓋與土地利用統計數據，并對外公開發布。歐洲航天局開放了部分較粗糙的遙感影像如10 m空間分辨Sentinel-2衛星等，但0.5—1 m分辨率的更高分辨率商業衛星影像仍未全面向用戶免費開放。因此，充分調研這些國家耕地監測數據共享的范圍、形式、法律約束機制等對于我國耕地監測數據協同、資源節約和高效利用，具有重要意義。

大數據驅動下的耕地保護紅線管控監測新范式

基于“遙感大數據+云計算+AI”的大數據科研范式

近年來，我國已成功發射了高分、資源系列等對地觀測衛星，加之一些商業微小衛星和無人機影像，獲得了大量的耕地系統高時空分辨率的數據。協同國外的遙感數據，為開展耕地紅線管控狀態的實時監測與預警提供了數據支撐。與此同時，遙感云計算平臺的出現為遙感大數據挖掘提供了前所未有的機遇，遙感云計算可以克服傳統遙感數據處理的局限性，如硬件成本高、軟件更新慢、數據共享難等，實現遙感數據的快速獲取、實時處理和在線服務。此外，人工智能技術可以對衛星圖像或航拍照片進行處理，自動識別和監測非法占用、耕地擴張等農地變化，定期檢查農地的利用現狀并就違規行為進行預警。人工智能技術還可以用于耕地健康監測，監測土壤質量、作物生長情況和水資源利用，幫助農戶更好地規劃和管理農田。

因此，遙感大數據、云計算和人工智能的集成可以大范圍、實時獲取高精度耕地數據，包括耕地的數量、質量、生態狀況等多維度信息，從而助力實現耕地紅線管控狀態的實時監測與預警、耕地狀態歷史演變過程的重建、極端天氣災害的耕地影響快速評價等（圖3）。

大數據科研范式下的耕地保護紅線管控監測

實現耕地紅線管控狀態的實時監測與預警

現有耕地紅線管控狀態的監測周期以年度為主，尚不能滿足耕地動態化監管的需求。基于多模態遙感、云計算和AI等技術可以實現高精度國土要素的自動化、實時識別，進而服務于耕地紅線管控狀態的實時監測和預警。高性能開源軟件框架（如TensorFlow）中算法的進步及云計算平臺的數據收集和處理能力，為更高空間分辨率和更高時間分辨率耕地數據集的發布創造了機會。因此，采用數據驅動的人工智能技術實現耕地空間要素高精度快速識別和提高耕地應對安全威脅的響應速度和預警的準確性已成為發展趨勢。

耕地管控狀態的實時監測重點攻關紅線范圍內干擾活動的快速識別技術。針對自然和人類擾動信息難以快速、精準獲取的難題，以高分辨率、多角度、多模式的光學、高光譜、雷達等多源異構海量遙感數據為主體，發展建設占用、開墾與種植、災害損毀、盜砍盜伐、非糧化等地表形態擾動要素樣本庫構建技術。融合基于遙感云計算平臺的并行計算與智能決策技術，發展多源廣域示范區多樣化場景空間紅線管控要素模型智能適配方法，滿足耕地紅線安全底線管控關鍵要素快速、精準提取與識別。耕地紅線管控評估預警技術，包括構建數量、質量、格局等耕地管控評估指標體系，建立耕地紅線評估預警模型工具。構建融合數量、質量、生態、格局、潛能、用途的耕地系統多維度評估指標體系和面向國家糧食安全的耕地紅線管控風險評估與預警模型，實現耕地紅線管控風險的快速評估和精準預警。

此外，媒體報道和社會輿論驅動的被動執行情況多，仍難以實現主動式監測。未來的研究方向仍需與人工智能相結合，進一步改進目標檢測算法，考慮更多的地域特征和背景信息，以培養更為智能的算法來應對耕地違法監測中的多樣性和復雜性；進一步減少人工干預，提高執法效率與準確性，最終實現耕地保護執法的主動式精準監測。

“遙感大數據+云計算+AI”實現耕地狀態歷史演變過程的重建

為了重建不同歷史時期的耕地演變過程，需要依靠不同數據源和方法來還原歷史時期耕地狀態和演變過程。例如，針對2000年以來的耕地演變過程，國內外利用衛星進行周期性的耕地資源調查監測已有較為成熟的技術。主要依靠中高分辨率的多源遙感數據如美國陸地資源衛星（Landsat）（30 m）、歐空局“哨兵”二號衛星（Sentinel-2）（10 m）、美國星球實驗室鴿群衛星（PlanetScope）（3—5 m）、國產高分衛星（0.8—10 m），通過數據融合、去云去噪、數據插值、濾波平滑等遙感數據預處理過程重建長時間序列多源遙感數據集，再通過機器學習及深度學習等創新算法進行遙感影像分類實現2000年以來的耕地歷史演變過程重建。

針對2000年以前的耕地演變過程，主要依靠遙感數據結合農業統計數據（如面積、產量等），通過作物空間分配模型（SPAM）來推測不同時期耕地分布格局，從而重建2000年以前的歷史時期耕地分布格局。基于重建的長時間序列耕地歷史演變數據集，采用Landtrendr等變化檢測方法探測耕地變化的關鍵拐點與熱點地區，分析耕地歷史時期變化的時空演替特征。

“遙感大數據+云計算+AI”實現極端天氣災害的耕地影響快速評價

極端天氣災害的耕地影響評價包括災害本身的快速監測預報和影響評價2個方面。“遙感大數據+云計算+AI”為極端天氣災害事件的監測預報提供了重要的數據和方法支撐。Hao等結合多源衛星數據提出優化氣象干旱指數（OMDI）和優化植被干旱指數（OVDI）實現了我國西南地區生物的干旱長時序時空格局的監測。通過訓練深度神經網絡來捕獲輸入（在給定時間點再分析天氣數據）和輸出（在目標時間點再分析天氣數據）之間的關系，能夠將天氣災害預報速度相比數值天氣預報（NWP）方法提高多個數量級。華為公司云田奇團隊研發了“盤古氣象”（Pangu-Weather）AI天氣預報系統，并發現和ECMWF HRES比較，該大模型在不同地區、不同熱帶風暴強度、不同預測時間上臺風路徑預測準確度都有明顯優勢。此外，Zhang等提出了一個名為NowcastNet的極端降水臨近預報大模型，通過耦合物理規律和深度學習實現不同類型降雨率的精確預報，特別是以往方法難以處理的極端降雨事件。遙感技術能夠全面、及時地評價極端天氣災害發生后的耕地情況。利用云計算的高性能算力，結合AI算法對遙感大數據進行分析，識別出耕地受災面積、農作物損失等災害影響特征。Chen等結合遙感云計算平臺與變化檢測方法，準確地刻畫了2020年長江中下游流域的耕地受洪災影響情況。基于多源遙感數據，Javed等探究了農業干旱與冬小麥和夏玉米產量損失之間的潛在聯系，發現中國極端干旱事件頻次的增加是華北地區夏玉米產量和冬小麥產量顯著下降的重要原因。Dong等采用中分辨率成像光譜的歸一化紅外指數（NDII）和擾動指數（DI）2種方法評估了東北地區“巴威”“美莎克”“海神”3次臺風對當地作物的影響，為災后農田管理提供了科學指導。

建議與展望

統籌構建“面積-質量-生態-健康”耕地多維度信息監測體系

當前已有耕地監測研究主要集中在面積變化上，然而，考慮到現代農業的復雜性，多維度監測變得至關重要。應該納入更多關鍵維度的考量，如耕地質量、作物種植結構、作物管理方式、耕地生態狀況、耕地健康狀態等。這種多維度全方位的監測有助于更深入地了解土地資源的狀況，并為土地的科學管理提供更為準確和全面的數據支持。了解耕地的質量和健康狀況可以幫助農戶采取更有效的土地管理措施。同時，監測作物種植結構和管理方式的變化可以支持政府農業政策的制定，促進可持續的農業實踐，提高耕地的生態適應性。

加強國產衛星和云計算平臺在耕地監測中的能力建設

中高分辨率遙感數據日益豐富，多源異構海量遙感數據的融合而形成更高維度空間、光譜和時間信息的遙感數據立方體，提升特征提取和數據挖掘能力，是突破耕地系統遙感監測關鍵技術瓶頸的途徑。未來，應完善國產陸地遙感衛星觀測體系，增加發射和在軌衛星數量，不斷完善“資源”“高分”等系列國產陸地遙感衛星觀測體系，提高遙感數據的準確性和可靠性。此外，增加反映作物光譜特性的波段，在國產衛星中可增加能夠有效反映作物特有光譜特性的“紅邊”波段，提高對耕地系統作物長勢、病蟲害等遙感監測的準確性。以長光衛星產品“吉林一號”為例，截至目前已有108顆衛星在軌組網運行，實現對全球任意地區每天35—37次亞米級重訪觀測，在時間敏感度較高的耕地非法占用等紅線監管業務場景中有重要應用前景。未來，應該注重國產陸地資源衛星和商業衛星大數據的協同利用，更好地助力耕地和其他自然資源本底要素和動態的客觀、真實、準確、實時監測。

加強地塊基本單元等關鍵基礎信息數據庫建設，提升監測精度

通常基于像元的分類方法沒有充分挖掘像元相鄰的空間信息，從而造成一些分類錯誤及“椒鹽現象”的問題。在遙感監測耕地的過程中融合地塊基本單元的信息，構建耕地基礎地塊信息數據庫，能夠提高遙感監測耕地的準確性，顯著降低遙感影像分類結果的誤差和噪聲。地塊基本信息是連接遙感監測與農業部門實際應用的橋梁，將地塊基本單元信息與農業、自然資源等部門數據共享整合。利用高分辨率遙感衛星影像和前沿的圖像分類分割技術，輔以現場調查驗證，通過邊緣檢測或者空間信息聚合等前沿的圖像分割的技術，能夠實現地塊信息的精準識別。但目前地塊信息提取在高分遙感數據的可獲取性、復雜景觀地區地塊信息提取、大尺度地塊信息連續監測等方面還面臨諸多挑戰。

推動科學研究與部門業務間的數據高效互通和安全共享

協同對接耕地科學監測數據與部門業務數據，并在數據標準規范制定的基礎上進行共享，可以在提高農業管理效率、災害風險應對等方面發揮關鍵作用。國內外在耕地數據共享等方面已取得了重要進展，但數據的共享開放與安全保障的權衡需要由專門的政府部門或研究機構來負責統籌。需建立數據共享標準規范，農業數據的收集、整理和共享發布等環節均需要制定法律、數據共享的標準和元數據規范，確保數據的安全性、格式、內容標注、質量控制等符合相關的規定，保證共享數據的質量。建立明確的用戶申請流程，研究者按照規范提出申請，負責部門進行審核批準，簽訂數據使用協議，避免數據濫用，確保共享數據的安全性。

耕地保護紅線管控監測納入國土空間規劃監測系統（CSPON）

耕地一體化監測平臺建設可以推進農業數字化、智能化、精準化，全面監測耕地質量變化和糧食生產動態，科學預警和保障國家糧食安全。我國正在推進建設國土空間規劃實施監測網絡（CSPON），試圖突破國土空間規劃實施監測中的統一網絡架構、算法模型、數據治理等方面的問題，健全數據共享等基礎性政策標準，其中，耕地紅線管控狀態監測是其中重要的內容。遙感大數據和云計算等前沿技術不僅能豐富規劃實施監測的方法論，更為構建全新的國土空間規劃實施監督理論和監測體系提供了寶貴的機遇。需要重新審視監測的目標、指標、方法和評估體系，將科技創新與規劃實踐相結合，打造更加精準、高效、可持續的國土空間規劃實施監測新機制。

（作者：董金瑋、崔屹峰、陳曦、楊林生，中國科學院地理科學與資源研究所 中國科學院大學；邸媛媛、高璇、寧佳、劉紀遠，中國科學院地理科學與資源研究所；蔡玉梅，自然資源部國土空間規劃研究中心；編審：楊柳春。《中國科學院院刊》供稿）