卫星遥感在耕地保护动态监测监管、高标准基本农田评价、辅助土地督察执法等方面发挥了重要技术支撑作用。特别是在基本农田保护方面，不仅提高了耕地“非农化”、“非粮化”监管的效率和准确性，还为政府决策提供了强有力的技术支持。本文重点讲述通过卫星遥感监测耕地“种植类型和结构”的变化，实现耕地“非粮化”基本农田保护的监测。

一、为什么强调基本农田保护

耕地是粮食生产的基础，而永久基本农田是耕地中的精华部分。保护这部分农田对于确保国家粮食安全至关重要。同时，保护永久基本农田是实施乡村振兴战略的必然要求，有利于推动生态文明建设和农村全面发展。此外，通过保护永久基本农田，可以加快推进农业农村现代化，提高农业生产效率和质量。

二、卫星遥感如何精准施策基本农田保护

（一）卫星遥感在基本农田保护中优势

1.  全方位大尺度监测：卫星遥感能够提供对耕地利用情况的全方位监督检查，实现对耕地的全面覆盖监控。这种全方位的监测能力使得耕地保护工作更加系统和全面。

2.  高时效性，高效率：高频地获取地表卫星影像，每月都能覆盖一次，确保了监测数据的时效性。必要时，还可以针对特定区域进行随时抽查，这对于及时发现和处理耕地保护中的问题至关重要；卫星遥感影像可以迅速获取大范围耕地的数据信息，极大提高了耕地保护工作的效率。这种方法比传统的人工巡查更加高效，能够节省大量时间和资源。

3.  客观性强，支持执法：卫星遥感数据客观反映了地表实际情况，不受人为因素影响，因此可以作为耕地保护和管理的可靠依据；卫星遥感技术为土地督察和执法提供了强有力的技术支持，有助于及时发现并制止违法违规用地行为，加强了耕地保护的法律执行力度。

4.  辅助监管决策：卫星遥感数据可以帮助政府部门制定更加科学合理的土地使用政策和耕地保护措施，为决策者提供重要的参考信息。

（二）  卫星遥感基本农田的方法和步骤

基本农田保护中，耕地“非粮化”的监测重点是要关注耕地“种植类型和结构”的变化。

卫星遥感是监测耕地种植用途动态变化的常见有效手段。利用时序高分辨率遥感卫星获取农田影像数据，基于深度学习算法，分析不同农作物光谱特征，进而实现农作物识别，农作物种植面积识别，实现对农田作物种植结构的监测和评估，对耕地种植用途改变做到早发现、早制止。

1、遥感影像获取和选择

（1）卫星星源：可以选择GF-1、GF-2、GF-6、LANDSAT系列、哨兵-2等遥感卫星。

（2）数据选择：优于10m的高空间分辨率全色数据，至少包含绿光波段(520 nm~570 nm)红光波段(620 nm~760 nm)近红外波段(760nm~1100nm)范围的多光谱数据；云或浓雾覆盖总面积的百分比不超过20%，可以通过相近多时相影像合成晴空影像数据，以获取云覆盖或浓雾量符合要求的影像数据。

（3）除收集监测区域农作物种植面积最佳监测时间范围的影像数据外，也要收集最佳监测时间前期后期同一季农作物不同生育时期的影像数据，参与农作物遥感分类，以提高监测精度。

（4）卫星影像数据应图面清晰，定位准确，无明显条纹、点状和块状噪声，无数据丢失，无严重畸变。

2、卫星遥感影像的预处理

根据不同的传感器选择相应的辐射定标参数进行遥感影像辐射定标。经大气校正后，获得地表反射率影像数据。如果农作物遥感分类识别以植被指数(VI)为依据,还应进一步计算并合成植被指数,获得植被指数影像数据;影像需要进行几何校正，配准后平地、丘陵地的大地坐标误差＜1个像元,山地、高山地的大地坐标误差＜2个像元。

3、建立样本库

（1）在监测区域范用内选择若干抽样区域作为样本数据。样本的类别包含监测区域的主要地物类别(如监测的农作物类型、其他农作物类型，以及水体、裸地等）；

（2）样本应均匀分布,每种地物类型的样本数量不少于 30个；

（3）样本数据的采集时间与农作物种植面积监测时间应处于同一季农作物生长期内。

4、农作物遥感分类

（1）选择遥感分类参数

遥感分类参数包括光谱反射率特征,也可以包括由光谱反射率衍生计算的植被指数特征，如归一化差值植被指数(NDVI）等。如果采用面向对象分类方法，应对卫星影像数据进行适度的尺度分割，并计算分割单元内的纹理特征。

（2）选择遥感分类方法

基于训练样本数据,可以选择监督分类、非监督分类、目视判读、面向对象等分类方法或组合进行分类,推荐的分类方法如下：

①监督分类方法推荐使用最大似然分类(MLC)、支持向量机(SVM) 和随机森林(RF),或者其他特征性增强的决策树分类方法；

②非监督分类方法推荐使用选代自组织数据分析(ISODATA)、K 均值聚类(K-means) 等方法，在使用非监督分类方案时，训练样本作为非监督分类结果的重分类样本；

③目视判读分类方法是在遥感分类体系建立后,不使用任何机器识别方法,直接采用人工目视判读的方式对监测作物进行识别和勾绘；

④面向对象分类方法是在卫星影像数据尺度分割的基础上,采用上述了种分类方案之一进行识别。

（3）农作物遥感分类和处理

①将遥感分类参数、训练样本输入选择的分类方法进行分类,分析得到监测区域内的农作物遥感分类结果；将分类结果中不包括监测农作物的地物类型归并为一类,监测农作物类型保持原类别。

②将农作物遥感分类结果与遥感影像底图叠加,结合经验知识进行全图人工目视检查，对错分、漏分结果直按进行目视判读修改；对无法明确判断的类别采用其他方式进行标识和修改。将由多幅卫星影像获取的分类结果进行拼接，消除拼接线两侧分类结果的差异和错误。

5、精度验证与评价：

通过后处理方法和精度评估技术，对分类结果进行优化，排除噪声和错误，确保分类的准确性，计算分类精度达95%以上。通过统计每个类别的像元数量，并结合影像的空间分辨率，进行面积估算，精准地反映各类农作物的种植面积。

6、监测产品与制作成果展示

专题图制作：农作物面积遥感监测专题图要素包括图名、图例、比例尺、制图单位、制图时间等,内容包括监测农作物类型、行政区划等信息。

监测报告编写：农作物种植面积遥感监测报告内容包括采用的卫星及传感器、影像获取时间、监测时间、样本信息、分类方法、分类精度、农作物面积等信息。统计表格包括根据遥感监测结果获取的分行政区各类农作物面积汇总数据。

「拓展阅读」

卫星查看基本农田

监测基本农田的现状可通过高清晰度的遥感卫星技术进行。比方说，借助高分一号卫星的高性能成像能力，我们能够清晰看到河南省整齐且颜色金黄的麦田，以及江西省九江市那片翠绿覆盖的稻田。通过这些卫星图像，基本农田的植被状况和作物生长情况得以直观展现。

同时，高分二号卫星所拍摄的山东省寿光市蔬菜温室的图片揭示了当地蔬菜种植业的规模，而同一卫星对福建省宁德市进行的海上农业拍摄则反映了海域耕作的进展。这样的卫星监测手段使我们得以洞察各个地区如何利用它们的基本农田以及农作物的种植模式。