摘要：耕地非农化监测是落实最严格耕地保护制度的关键技术支撑。遥感技术以其覆盖范围广、监测频次高、客观性强等优势，已成为耕地非农化监测的核心技术手段。本文系统介绍了遥感技术在耕地非农化监测中的应用体系，涵盖耕地变化信息提取、违法用地智能识别、永久基本农田动态监管、耕地占补平衡核查以及卫片执法等核心业务场景。深入分析了基于高分辨率光学遥感、SAR遥感和无人机遥感的协同监测技术路线，以及深度学习变化检测、面向对象分类和时序分析等关键算法。结合时维遥感在省级耕地监管平台建设中的实践经验，探讨了遥感监测技术从"发现违法"到"预警风险"的智能化升级路径。
耕地非农化监测的背景与遥感技术需求
耕地非农化是指耕地被转为建设用地、工业用地等非农业用途的过程，是中国粮食安全面临的重大威胁之一。据自然资源部统计，中国耕地面积从2009年的20.31亿亩减少至2022年的19.14亿亩，年均减少约900万亩，其中相当比例为非农化占用。面对严峻的耕地保护形势，国家先后出台了"六个严禁"和"八不准"等严格管控措施，要求实现对耕地非农化行为的早发现、早制止、严查处。
遥感技术因其大范围、周期性、客观性的观测特点，成为耕地非农化监测不可或缺的技术手段。与传统的地面巡查相比，遥感监测能够实现全域覆盖和高频次动态巡查，有效弥补了基层执法力量不足的短板。当前，中国已建立起以自然资源卫星为代表的遥感监测业务体系，每年开展不少于4次的全国耕地变化遥感监测，对重点区域和重点目标的监测频次更高。
耕地非农化遥感监测面临的主要技术挑战包括：违法用地类型的多样化（如农村乱占耕地建房、挖湖造景、绿化造林等）、违法面积的小型化（部分违建面积不足100平方米）、变化时段的隐蔽化以及地形地貌的复杂化等。这些挑战对遥感数据的空间分辨率、时间分辨率和解译智能化水平提出了更高要求。
高分辨率光学遥感在耕地变化检测中的应用
高分辨率光学遥感是耕地非农化监测的主要数据源。当前，中国高分二号卫星可提供0.8米全色/3.2米多光谱分辨率影像，吉林一号、北京系列等商业卫星可提供0.5米甚至更高分辨率的影像数据，足以支撑小型违法用地的识别需求。
耕地变化检测是监测的核心环节，主要方法包括代数运算法、变换法和分类后比较法三大类。代数运算法通过计算不同时相影像的差值、比值或植被指数差异来识别变化区域，方法简单但易受大气条件、传感器差异和季节物候变化的干扰。变换法如主成分分析变换和缨帽变换，通过将多时相影像联合变换到新的特征空间，使变化信息在特定分量上得到增强，提高了变化检测的可靠性。
分类后比较法先对前后时相影像分别进行土地利用分类，再通过比较分类结果提取变化信息。该方法不受辐射差异的影响，且能直接提供变化类型信息（如"耕地→建设用地"），是当前业务化系统中应用最广泛的变化检测策略。然而，分类误差的累积效应可能导致变化检测的虚警率偏高，因此需要结合人工核查进行精度控制。
时维遥感在某省耕地非农化监测项目中，采用"自动变化检测初筛+人工复核确认"的人机协同作业模式，利用高分二号时序影像自动提取疑似变化图斑，经专业人员核查确认后推送至执法部门，实现了从数据获取到违法线索推送的7个工作日内完成，监测精度超过92% 。
SAR遥感在多云地区耕地监测中的补充作用
中国南方地区云雨天气频繁，光学遥感数据的有效获取率较低，严重制约了耕地非农化监测的时效性。SAR遥感凭借全天候、全天时的观测能力，在南方多云地区耕地监测中发挥着重要的补充作用。
耕地非农化过程通常伴随地表覆盖类型的剧烈变化——从植被覆盖的耕地转变为裸土、硬化路面或建筑物。这种变化在SAR影像上表现为后向散射特性的显著改变。利用多时相SAR影像的后向散射系数差异和相干性变化，可以有效识别耕地变化区域。其中，干涉相干性对地表微变化极为敏感，当耕地被翻建、硬化或堆土时，相干性将急剧下降，据此可以实现变化区域的精确圈定。
在实际应用中，通常采用SAR与光学协同的监测策略：常规巡查以SAR数据为主，确保监测的连续性；在光学数据可获取的窗口期，结合高分辨率光学影像进行精细化变化检测和类型确认。这种协同策略在浙江、福建、广东等多云省份的耕地监测中已取得良好效果，将变化信息的检出率提升了约15-20% 。
无人机遥感在精细化核查中的关键作用
当卫星遥感发现疑似非农化图斑后，需要通过现场核查确认变化事实和详细信息。无人机遥感以其灵活性高、分辨率高、响应速度快的特点，成为替代传统地面核查的高效技术手段。
无人机搭载的高分辨率相机可获取厘米级分辨率的正射影像，能够清晰展示违法用地的类型、范围、建设状态等细节信息。在违法建房监测中，无人机影像可以精确量算房屋占地面积、建筑层数和施工进度，为执法量刑提供定量依据。在挖湖造景监测中，无人机航测可以快速计算挖填土方量和水面面积，评估耕地破坏程度。
倾斜摄影测量技术是无人机遥感在耕地核查中的另一重要应用。通过多角度摄影获取地表三维信息，生成实景三维模型，可以全方位、立体化地还原违法用地现场状况，显著提升了核查信息的完整性和直观性。部分先进地区已将无人机倾斜摄影成果与卫星遥感变化图斑联动，构建"卫星发现-无人机核实-现场处置"的三级监测体系。
深度学习驱动的耕地非农化智能识别
深度学习技术在耕地非农化遥感监测中的应用日益深入，正推动监测模式从人工解译向智能识别转变。
语义分割模型用于耕地和非耕地的像元级分类，实现对耕地范围的精确勾绘。基于DeepLab v3+和U-Net等架构的耕地提取模型，在高分辨率遥感影像上的IoU可达0.88以上，能够有效区分耕地与园地、林地等易混淆地类。
变化检测模型是深度学习在耕地监测中最具价值的应用方向。基于孪生网络（Siamese Network）的变化检测方法，通过共享权重的双分支网络分别提取前后时相影像的深度特征，再通过差异计算模块识别变化区域，在耕地变化检测任务中的F1分数可达0.85以上。近年来，基于Transformer的变化检测模型（如ChangeFormer、BIT）通过全局自注意力机制捕获远距离上下文依赖，进一步提升了变化检测的精度和完整性。
目标检测模型用于识别特定的非农化目标，如农村新增房屋、临时工棚、堆砂场、采砂坑等。YOLO系列和Faster R-CNN等模型在高分影像上的目标检测精度（mAP@0.5）可达0.80以上，有效支撑了违法用地的快速发现和类型判定。
时维遥感在耕地非农化智能监测系统的研发中，创新性地提出"语义分割+变化检测+目标检测"三级级联的智能解译架构，将疑似非农化图斑的自动提取准确率提升至88% ，人工复核工作量减少了约65% ，显著提高了耕地监管的效率。
永久基本农田动态监管技术
永久基本农田是耕地中的精华，实行最严格的保护制度。遥感技术在永久基本农田动态监管中承担着"划定—监测—预警—评估"全链条的技术支撑任务。
在划定阶段，遥感技术为永久基本农田的现状调查和质量评价提供基础数据。利用高分辨率遥感影像提取农田空间分布，结合作物种植结构和耕地质量等别信息，辅助划定永久基本农田保护红线。
在监测阶段，通过将遥感变化检测结果与永久基本农田保护红线进行空间叠加分析，可以自动判断变化图斑是否涉及基本农田，实现对基本农田非农化行为的精准锁定。同时，结合时序遥感数据分析基本农田内部的非粮化趋势（如耕地改种果树、挖塘养鱼等），为非粮化整治提供线索。
在预警评估阶段，通过构建永久基本农田风险预警指标体系（如周边建设用地扩张压力指数、地形变化趋势指数等），利用多期遥感数据评估基本农田面临的潜在风险，实现从"事后发现"到"事前预警"的转变。
耕地占补平衡遥感核查
耕地占补平衡是中国耕地保护的核心制度之一，要求建设占用耕地必须"占一补一、占优补优"。遥感技术在占补平衡核查中发挥着不可替代的作用，主要体现在补充耕地项目验收核查和补充耕地后期管护监测两个环节。
在项目验收核查中，遥感技术通过对比项目实施前后的影像，验证补充耕地的开垦面积、土壤条件和种植状态是否符合验收标准。重点核查内容包括：开垦地块的实际面积是否与申报面积一致，是否存在将园地、林地虚报为开垦耕地的行为，新开垦耕地是否已实际种植农作物等。
在后期管护监测中，通过持续获取补充耕地地块的时序遥感影像，监测其是否保持耕种状态，是否存在撂荒、返荒或再次非农化等问题。部分省份已建立起补充耕地的"遥感体检"制度，每半年对全省补充耕地地块进行一次遥感巡检，确保补充耕地长期有效。
卫片执法与遥感技术融合应用
卫片执法是自然资源部门利用卫星遥感影像开展执法检查的重要工作手段。每年，自然资源部统一制作全国土地矿产卫片执法图斑并下发地方核查整改，遥感技术在其中的应用已形成规范化的业务流程。
卫片执法的技术流程包括影像获取与预处理、变化信息自动提取、图斑人工判定、合法性审查和整改跟踪五个环节。其中，变化信息自动提取环节依赖遥感变化检测算法，图斑人工判定环节依赖专业解译人员对变化类型的确认，合法性审查环节需将遥感图斑与用地审批信息进行关联比对。
近年来， "增违挂钩" 机制的引入对卫片执法的精度和时效性提出了更高要求——监测发现的新增违法用地数量将挂钩扣减该地区的新增建设用地指标。这一政策倒逼遥感监测技术必须实现"发现更早、定位更准、类型更清晰"，推动卫片执法从年度检查向季度监测甚至月度监测转变。
结语
遥感技术在耕地非农化监测中的应用，从单一的光学变化检测发展为光学-SAR-无人机多源协同监测，从人工目视解译发展为深度学习智能识别，从违法用地事后发现发展为非农化风险事前预警，技术体系的广度和深度不断拓展。时维遥感将持续深耕耕地保护遥感监测领域，以智能化、精准化、高效化为目标，为中国18亿亩耕地红线保驾护航，助力实现耕地监管从"人防"到"技防"的战略转型。
