当前位置：首页 > news >正文

东北四十年塑料地膜农田动态图谱（1985-2025）

news 2026/7/26 8:13:52

东北四十年塑料地膜农田动态图谱（1985-2025）——深度解读

从“白色革命”到“白色污染”：四十年卫星影像记录下的东北地膜扩张史。

前言：东北黑土地上的“白色覆盖”

如果你在每年四五月份飞越东北平原，可能会被地面上连绵的银白色反光所震撼——那不是积雪，而是覆盖在农田上的塑料地膜。这种“白色覆盖”正在改变中国最重要粮食产区的土地面貌，也引发了一场关于“增产与污染”的深刻争论。

中国是全球最大的塑料地膜消费国，用量约占全球的75%。而东北黑土区——世界四大黑土区之一，被誉为“耕地中的大熊猫”——近年来地膜使用量从2010年的约10万吨激增至2020年的约20万吨，年均增长率达7.2%。地膜覆盖带来的增温保墒、抑制杂草、增产增收效果显著，尤其对玉米、大豆等春季作物的早期生长至关重要。

然而，聚乙烯（PE）地膜在自然条件下极难降解。长期、大规模的覆盖与回收不力，导致地膜残留在土壤中逐年累积，破坏土壤结构、阻碍水气交换，甚至诱发次生盐渍化，对黑土地生态安全和农业可持续发展构成严重威胁。

要治理污染，必须先摸清“家底”——过去四十年，东北的地膜农田在哪里？如何扩张？分布格局发生了怎样的变化？

2026年发表于《Scientific Data》的这篇论文，首次给出了系统答案。研究团队利用Google Earth Engine云平台，处理了Landsat系列（5/7/8）和Sentinel-2的多源遥感影像，构建了东北地区1985-2025年、每5年一期、分辨率30米（1985-2015）和10米（2020-2025）的塑料地膜农田（PMF）动态监测数据集（PMF-NEChina-40D）。这是迄今为止时间跨度最长、空间分辨率最高的区域性地膜农田遥感产品。

今天，我将带你深入解读这套数据背后的技术突破、验证逻辑、时空演变规律及其多重应用价值。

第一部分：为什么需要一张“会动”的地膜地图？

1.1 地膜：农业的“双刃剑”

塑料地膜覆盖是典型的“高投入-高产出”农业技术。在东北地区，春季低温、干旱是限制作物出苗和早期生长的两大瓶颈。地膜覆盖后，土壤温度可提高2-4℃，保水能力增强，杂草得到抑制，玉米、大豆等作物的单产可提高15%-30%。

但硬币的另一面是环境污染。研究表明，残留在土壤中的地膜碎片会：

破坏土壤团聚体结构，降低孔隙度；
阻碍水分下渗和气体交换，影响根系发育；
微塑料颗粒可能被作物吸收，进入食物链；
长期累积甚至引发土壤次生盐渍化。

在国家“黑土地保护”战略背景下，准确掌握地膜农田的空间分布和动态变化，是制定回收政策、评估污染风险、优化补贴机制的前提。但传统的地面调查和样方统计效率低、覆盖有限、时效性差，无法满足大区域、长时序的监测需求。

1.2 遥感制图的“三大技术难关”

尽管遥感技术已广泛应用于土地利用分类，但地膜农田的精准识别面临独特挑战：

光谱混淆严重：白色地膜在可见光-近红外波段具有高反射率，与塑料大棚、裸地、建筑屋顶、沙地等“高亮地物”光谱特征相似，容易误判。
短暂的可识别窗口：地膜通常在播种后覆盖，出苗前（约4-5月）是识别的最佳窗口；一旦作物出苗、叶片展开，地膜被遮蔽，光谱特征迅速消失。整个“覆膜可视期”仅有1-2个月，对卫星过境时机要求极高。
历史数据质量参差：Landsat-5/7/8和Sentinel-2传感器的光谱配置、空间分辨率、辐射定标存在差异，且早期影像存在条带噪声（如Landsat-7的SLC-off故障），需要复杂的预处理和标准化流程。

现有研究大多局限于小区域、短时段或单一作物类型，尚未有覆盖东北全境、跨度40年的公开产品。东北黑土区长期地膜农田时空演变的“全景图”，一直处于空白状态。

第二部分：方法论——如何用四十年卫星影像“捕捉”地膜？

2.1 研究区与数据源

研究区涵盖黑龙江、吉林、辽宁三省以及内蒙古东部的四个盟市（呼伦贝尔、兴安盟、通辽、赤峰），包括松嫩平原、三江平原和辽河平原，总面积约124万平方公里。这里以单季春播作物为主（玉米、大豆），地膜覆盖集中出现在4月下旬至6月上旬。

卫星数据的选择体现“因时制宜”的策略：

1985、1990、1995年：Landsat-5 TM（30米）
2000、2005、2010年：Landsat-7 ETM+（30米），采用相邻时相填补SLC-off条带
2015年：Landsat-8 OLI（30米）
2020、2025年：Sentinel-2 MSI（10米）

所有影像均在GEE平台处理，选择云覆盖<20%的影像，构建“覆膜期”（4月下旬-6月上旬）和“无膜期”（8月左右）的双时相数据集。

2.2 核心创新：双时相识别策略

这是本研究最关键的算法设计。传统的单时相分类极易将地膜与裸地、大棚等混淆，而研究团队发现：

覆膜期：地膜裸露，呈高反射、低植被信号（NDVI低），纹理平滑规则；
无膜期：作物已进入旺盛生长期，地膜被叶片完全遮蔽，该区域呈现与普通农田无差异的植被信号（NDVI高）。

关键逻辑：一个地块如果在覆膜期表现为“高亮-低植被”，而在无膜期表现为“正常农田植被”，则大概率是地膜农田；如果覆膜期高亮但无膜期仍为裸地或建筑，则可能是裸土、屋顶或大棚。

这一“双时相差分”策略，本质上是利用地膜“阶段性出现”的物候特征，将其与全年高亮的地物（如大棚、建筑）和全年低亮的地物（如裸地）区分开来，大幅降低了误判率。

2.3 特征工程与分类器

论文构建了多维特征空间（表1），包括：

光谱波段：Landsat各传感器的可见光-短波红外波段，Sentinel-2增加红边波段；
光谱指数：NDVI、NDBI（建筑指数）、MNDWI（水体指数）、SAVI（土壤调节植被指数）、以及专门针对塑料的APGI、PGHI、PGI、RPGI、PMLI等；
纹理特征：通过灰度共生矩阵（GLCM）提取的角二阶矩、对比度、相关性、方差、逆差矩、均值、熵、不相似度等。

特征重要性分析（图5）显示，光谱指数和纹理特征的贡献互补：植被指数用于排除茂密植被，塑料专用指数增强地膜响应，纹理特征帮助区分地膜的规则条纹与自然地物的随机纹理。

分类器选用随机森林（RF），设置150棵决策树、每节点4个候选特征。训练和验证样本通过目视解译生成，结合Google Earth Pro历史影像、PlanetScope影像和野外调查，总数超过10万个（图6），其中非地膜样本量为地膜的2-3倍，以应对类别不平衡。

2.4 分区建模与后处理

考虑到东北地区面积广阔、景观异质性强，研究采用分区建模策略：将研究区划分为1°×1°网格，在每个网格内再以0.5°×0.5°为单元独立训练分类器。这种策略的优势在于：

每个子区域可根据当地影像可用性独立选择最优时相；
适应不同气候带和种植制度的差异；
提高GEE平台的并行计算效率。

后处理采用SieveFilter（筛滤）方法，消除孤立像素和椒盐噪声。针对不同分辨率采用自适应阈值：30米Landsat采用0或3像素的保守阈值，保护细小地膜斑块；10米Sentinel-2采用3-7像素阈值，平衡噪声去除与细节保留。

第三部分：精度验证——这张图到底有多可信？

3.1 定量精度：平均F1分数超过92%

研究采用均衡抽样策略（每年15000个地膜样本+15000个非地膜样本）进行独立验证（表2）。结果显示：

总体精度（OA）：各年均超过86%，最高达94.5%；
用户精度（UA）：平均93.40%±2.01%，最高95.8%；
生产者精度（PA）：平均90.89%±2.36%，最高93.6%；
F1分数：平均92.11%±2.20%，最高94.7%。

值得注意的是，精度呈现明显的时间趋势：早期（1985-1995）相对较低，后期（2015-2025）显著提升。这主要得益于卫星传感器性能的提升（信噪比、辐射分辨率、空间分辨率）和影像质量的改善，而非地膜本身识别难度降低。

3.2 与官方统计的间接验证

由于缺乏公开的长时序地膜分布产品，研究采用市级农业统计进行间接验证。以2020年为基准年，选取14个地级市，将遥感提取的地膜面积与官方统计的地膜使用量（均用耕地面积归一化）进行相关分析。

结果显示（图8b）：两者的相关系数r=0.60，呈显著正相关。虽然遥感面积普遍低于统计数值（因为遥感只识别白色地膜、忽略黑色地膜，且以“峰值期”空间覆盖代替全年累计用量），但空间格局的一致性证明了产品的可靠性。

3.3 与已有区域研究的目视对比

研究引用了Zhong等（2025）在东北部分地区的地膜制图结果进行目视对比（图8a）。在相同的Sentinel-2影像背景下，两个产品都捕捉到了地膜的核心分布区域，但本研究的成果在边界刻画上更为保守（优先保证用户精度），避免了过度外推导致的虚报。

第四部分：时空演变——四十年，地膜如何“占领”东北？

4.1 宏观趋势：从“零星点缀”到“遍地开花”

图9展示了1985-2025年各地膜密度（0.01°网格）的时空演变，清晰呈现了三阶段特征：

1985-2010年（缓慢起步期）：地膜分布极为稀疏、破碎，主要集中在辽宁北部、吉林西部和黑龙江南部的个别县域，地膜密度普遍低于0.01%。这一阶段，地膜覆盖仅用于经济价值较高的蔬菜或特定作物，大田玉米、大豆的覆盖很少。
2015年（加速扩张期）：地膜分布开始出现“多点开花”的格局，松嫩平原腹地的地膜斑块明显增多，密度超过0.1%的区域成片出现。
2020-2025年（全面爆发期）：地膜农田呈“网络化”扩张，覆盖范围从南部向整个东北平原蔓延，甚至在呼伦贝尔等高纬度地区也出现地膜斑块。到2025年，地膜农田已遍布东北几乎所有农业气候区。

图10的定量统计更为直观：1985-2015年间，地膜占耕地总面积的比例一直低于0.3%；但到2020年跃升至约1.5%，2025年进一步攀升至约2.5%。考虑到东北耕地总面积约2000万公顷，2.5%意味着约50万公顷（750万亩）的耕地被地膜覆盖，这一体量已不容忽视。

4.2 县级分布：从“千里挑一”到“百里挑一”

图11展示了地膜在县级尺度的分布演化：

1985年：超过90%的县域地膜覆盖率<0.01%，即几乎可以忽略不计；
2000-2010年：部分县域突破0.1%，个别县达到1%；
2025年：越来越多的县域超过1%，地膜已成为一些县市农田景观的“标配”。

这种从“点状”到“面状”的转变，反映了地膜覆盖从“特色种植技术”向“常规耕作方式”的质变。

4.3 驱动力简析：市场、技术与政策的三重奏

虽然论文未做深入的驱动因子分析，但从公开数据可以窥见端倪：

玉米/大豆比较收益提升：2010年后玉米价格走高，东北农户为追求高产，纷纷采用地膜覆盖技术；
耐旱品种配套：覆膜技术与耐密植品种结合，使玉米单产屡创新高，形成了“覆膜-增产-再覆膜”的正反馈循环；
政策支持：国家层面的农业补贴和黑土地保护项目，在某种程度上也间接推动了地膜的使用（尽管政策初衷是增产）。

第五部分：不确定性——这张图“准”到什么程度？“不准”在哪里？

5.1 系统性低估：为什么遥感面积总比统计少？

论文坦诚指出，PMF-NEChina-40D的地膜面积普遍低于官方统计，主要原因有四：

精度优先策略：分类器设置优先保证“用户精度”（即判为地膜的像素确实是真的），这必然导致一些边缘、破碎、混合的像素被漏判，属于“宁可漏，不可错”的保守取向。
只认“白色”：遥感只识别白色或透明地膜，而统计口径包括所有颜色（含黑色地膜），黑色地膜在光学影像中与裸土难以区分，几乎无法识别。
时间截面对比：遥感获取的是覆膜高峰期（4-5月）的“空间瞬间”，而统计是全年累计用量，两者定义不同。
果园/林地覆盖无法识别：地膜若用于果园、林地或设施农业内部，在光学影像上被树冠或棚顶遮挡，无法直接观测。