丘陵地區是山地和平原的過渡地帶。坡地是最普遍的土地類型，而一(yī)些坡地地區則表現出土地破碎、土地覆蓋類型交錯分(fēn)布、作物(wù)類型多樣、種植結構複雜(zá)等特點。一(yī)些丘陵地區長期被雲層覆蓋，這些複雜(zá)的環境造成了地形邊緣化和嚴重的土地撂荒。丘陵區撂荒地對有限的人均耕地資(zī)源和比重較大(dà)的坡耕地國家和地區具有顯著的負面影響。

    針對以上問題，本研究以四川盆地中(zhōng)部，涪江中(zhōng)遊爲研究區，作者提出了一(yī)種新的方法，集成線性拉伸（LS），最大(dà)值合成（MVC），靈活的時空數據融合（FSDAF）的時間序列變化分(fēn)析和提取的空間分(fēn)布的廢棄地。選擇MOD09GA、MOD13Q1和Sentinel-2作爲遙感圖像的基礎，融合每月10 m的時空數據集，三個植被指數（VIs：ndvi、savi、ndwi）被用作識别廢棄土地的措施，建立了多時空尺度的樣本數據庫，利用支持向量機（SVM）從耕地和林地中(zhōng)提取廢棄地。作者将廢棄地定義爲耕地沒有耕種或林地破壞，由于砍伐，火(huǒ)災，和其他因素超過一(yī)年。

提出了集成線性拉伸（LS）、最大(dà)值合成（MVC）、靈活的時空數據融合（FSDAF）的時間序列變化分(fēn)析的新方法。

耕地種植表現出明顯的周期性，可通過Sentinel-2真彩色圖像中(zhōng)作物(wù)種植周期來識别。此外(wài)，耕地顔色較淺，亮度較高，紋理連續性好，整體(tǐ)形狀呈四邊形，邊界明顯。當Sentinel-2影像不清晰時，可通過Google正射影像和無人機影像進一(yī)步識别耕地。6 - 8月Sentinel-2真彩色影像中(zhōng)林地顔色爲綠色，一(yī)般位于相對較高的海拔，同時，林地在Google正射影像和無人機影像上呈現一(yī)定的集群形狀，可以進一(yī)步識别。棄耕地呈綠色至深褐色，紋理特征斑駁，無明顯邊界線，在認識上容易與耕地、林地混淆。爲了進一(yī)步識别，使用時間序列Sentinel-2真彩色圖像進行初步篩選，還使用了Google正射影像和無人機圖像。

不同時刻的遙感圖像所對應的太陽幾何位置不同，地表覆蓋物(wù)輻射量随時間的變化，導緻不同遙感圖像的輻射量存在差異，如果不消除差異而是直接執行MVC，則可能形成成塊誤差。

通過Ls+MVC獲得了Sentinel-2圖像的每月ndvi，包括多雲圖像（Sentinel 2-cloud-ndvi）和無雲圖像（Sentinel 2-cloudfree-ndvi）。基于Sentinel 2cloudfree-ndvi和MOD 09 GA對應的ndvi組成的參考圖像對，将MOD 13 Q1合成的月ndvi作爲預測圖像，使用FSDAF得到融合圖像（FSDAF_ndvi）

在SVM分(fēn)類和ArcGIS平台編輯的基礎上，選擇Ls+MVC+FSDAF的影像集，生(shēng)成研究區廢棄地分(fēn)布圖。經網格計算，研究區廢棄地面積爲6192公頃，占耕地和林地面積的9.65%，研究區廢棄地分(fēn)布較爲分(fēn)散，每個鄉鎮都有一(yī)定程度的廢棄。

在這項研究中(zhōng)，Sentinel-2，MOD 09 GA和MOD 13 Q1被用作遙感數據源。利用LS+MVC+FSDAF方法獲得了研究區10 m月空間分(fēn)辨率的NDVI、SAVI和NDWI。爲受雲污染嚴重、植被多樣、地塊小(xiǎo)的丘陵地區廢棄地的快速提取提供了參考。根據研究的技術流程提取了棄耕地，爲當地糧食生(shēng)産和土地資(zī)源管理提供了可靠的數據支持。此外(wài)，根據撂荒地的空間分(fēn)布和實地調查，提出了合理化建議，以改善當地種植條件，爲繁榮當地經濟提供技術支撐。爲了進一(yī)步提取更大(dà)規模、更長時間序列的廢棄地時空分(fēn)布，GEE等大(dà)數據雲處理平台将成爲重要工(gōng)具。去(qù)雲算法、多源遙感數據融合算法、深度學習分(fēn)類模型将進一(yī)步提高廢棄地提取的準确性。