编辑推荐：
美国中西部玉米大豆耕作实践动态监测框架构建与验证，结合卫星数据、环境变量和机器学习建立动态特征阈值模型，有效缓解土壤湿度、植被覆盖等干扰因素，较传统固定阈值方法在玉米（R2 0.62-0.84）和大豆（R2 0.52-0.84）中耕分类精度提升0.03-0.12，揭示2000-2022年区域中耕采用率变化规律及政策驱动因素。
吴晓翠|周渠|关凯宇|王胜|詹姆斯·希普尔|彭斌|陈张亮|秦荣珠
美国伊利诺伊大学厄巴纳-香槟分校可持续性、能源与环境研究所农业生态系统可持续性中心，厄巴纳，伊利诺伊州
摘要
保护性耕作实践在可持续农业中发挥着关键作用，在美国也越来越受欢迎。关于耕作实践的准确空间和时间地图对于监测保护性耕作的采用情况以及评估其对土壤水分和养分流失及温室气体排放的影响至关重要。我们利用卫星数据、环境变量和机器学习构建了一个动态特征阈值框架，用于绘制2000年至2022年间美国中西部玉米和大豆田的耕作情况。该框架能够有效考虑当地土壤、植被和环境因素对作物残茬的复杂影响。我们比较了使用动态特征阈值和固定特征阈值（分别以宽带角指数（BAI）或归一化差异耕作指数（NDTI）作为关键特征）进行耕作绘制的准确性。结果显示，结合BAI特征的动态特征阈值框架能够准确估计三种耕作方式（免耕、减少耕作和传统耕作）的百分比，玉米田的R2值分别为0.84、0.62和0.76，大豆田分别为0.84、0.52和0.70。与基于NDTI的特征相比，基于BAI的特征的动态特征阈值框架表现更好，R2值提高了0.03–0.12（对于不同的玉米耕作方式）和0.05–0.10（对于大豆）。固定特征阈值框架的性能明显低于动态特征阈值框架（玉米和大豆不同耕作方式的R2值分别降低了0.23–0.61），主要是因为后者没有考虑这些复杂因素。基于BAI的动态特征阈值框架的结果表明，美国中西部地区在耕作采用上存在显著差异。我们还发现，从2000年到2022年，美国中西部地区保护性耕作（免耕或减少耕作）的采用率缓慢增加。达科他州北部、明尼苏达州南部、内布拉斯加州东部和爱荷华州的免耕比例有所上升，这些变化主要是从减少耕作转变而来的。所提出的基于遥感的框架在空间和时间上显著改善了耕作信息的获取，为区域耕作实践的绘制提供了一种高度适用且成本效益高的方法。
引言
采用可持续和环保的农业实践对于应对环境挑战和确保粮食安全至关重要（Corsi和Muminjanov，2019）。作为保护性农业的主要实践之一，保护性耕作（如免耕和减少耕作）通过减少耕作强度和保持作物残茬来减少土壤侵蚀、保持水分和增加土壤养分（Quemada等人，2018；Zheng等人，2014）。此外，不同的耕作方式对温室气体排放和土壤碳含量有显著影响，这凸显了获取此类信息的重要性（Abdalla等人，2013；Huang等人，2018；Wang等人，2021；Beegum等人，2023）。通常，这些结果的量化依赖于基于过程的生物化学建模，这需要详细的数据作为输入（Zhou等人，2021）。因此，以准确且成本效益高的方式检测耕作实践是更好地理解农业实践影响并进一步推动可持续农业发展的前提。
有多种方法可以追踪耕作信息，包括地面调查和遥感技术。在美国，收集耕作信息的主要方法包括人口普查、与农民的调查（USDA，2019）以及路边调查（CTIC，2024）。例如，美国农业部国家农业统计服务局（NASS）每5年根据农业人口普查提供覆盖整个美国的三类耕作类型信息（传统耕作、减少耕作和免耕面积）。尽管这些普查数据包含了来自美国农场和牧场操作者的最完整耕作信息，但其空间和时间分辨率相对较低。此外，美国农业部自然资源保护局（USDA-NRCS）通过在一些州（如印第安纳州）进行路边调查来收集作物残茬信息，这可以提供更详细的田间耕作信息（ISDA，2024）。然而，由于时间和人力资源的限制，所有这些基于调查的方法都不适合大规模及时获取耕作信息。
遥感技术允许每天进行大规模数据收集，从而能够及时且成本效益高地监测大面积地区的耕作实践。许多先前的研究已经探讨了利用高光谱或多光谱遥感数据衍生的作物残茬指数（CRIs）来绘制耕作实践的应用（Daughtry等人，2006；Gao等人，2022；Quemada等人，2018；Yue等人，2020；Zheng等人，2013）。这些CRIs通常使用两个或三个光谱带来增强残茬信息，其中短波红外（SWIR）带对于区分作物残茬和土壤背景尤为重要，因为干作物残茬中的纤维素和木质素在SWIR带具有更强的吸收特征（Daughtry，2001；Zheng等人，2014）。归一化差异耕作指数（NDTI）是一种常见的基于Landsat SWIR带的CRI。它与作物残茬覆盖度的关联已在局部尺度上得到广泛研究。然而，土壤或作物残茬的含水量会显著降低SWIR带的反射率，从而削弱纤维素和木质素的吸收特征，增加估计作物残茬覆盖度的不确定性（Hively等人，2019；Quemada等人，2018）。为了减轻土壤和作物残茬含水量的影响，Yue等人（2020）提出了基于三个常规宽带的宽带角指数（BAI）。通过实验室和实地测量的验证，他们发现BAI可以减少水分效应，并具有估计作物残茬覆盖度的潜力。然而，大多数研究主要集中在建立基本原理或评估在少数地点或有限区域估计作物残茬覆盖度的能力上。在区域尺度上，这些基于CRIs的耕作信号可能对局部土壤条件（土壤类型、含水量）、绿色植被的存在、作物类型和残茬年龄敏感（Daughtry等人，2005；Zheng等人，2013）。基于某些地点的固定（静态）阈值方法难以应用于更广泛的区域。因此，将这些因素纳入长期监测大范围地区的耕作实践至关重要。
为了克服现有研究中的上述挑战，我们专注于构建一个特征阈值检测框架，以准确估计中西部的耕作实践。我们旨在解决以下科学问题：（1）如何利用卫星数据有效考虑残茬信号与局部环境变量（如土壤性质和土壤湿度）之间的相互作用，从而在区域尺度上检测耕作实践？（2）根据我们衍生的耕作数据，过去二十年中西部地区的耕作实践在空间模式和时间趋势上如何变化？为了解决这些问题，我们结合基于卫星的CRIs、土壤变量、视觉指数（VI）和天气变量以及综合的地面参考数据，开发了一个空间和时间动态特征阈值框架。在动态特征阈值框架中，耕作实践是根据CRIs衍生的耕作特征和随县和年份变化的动态特征阈值来检测的。具体来说，我们研究了两种不同CRI特征（NDTI和BAI）的适用性：NDTI是最广泛使用的残茬指数之一，而BAI被认为对土壤湿度的敏感性较低。进一步将动态特征阈值框架与固定特征阈值框架进行了比较，以展示考虑局部环境条件对残茬信号影响的必要性。在固定特征阈值框架中，耕作实践是根据与动态特征阈值框架相似的耕作特征来检测的，但特征阈值在两种不同情况下是固定的：（1）在空间和时间上都是固定的；（2）仅在年份上固定，但包括空间变化。然后我们将动态特征阈值框架应用于2000年至2022年美国中西部的耕作百分比估计，并探讨了过去二十年耕作采用背后的政策驱动因素。在本研究中，我们强调结合耕作和环境因素以及机器学习模型和动态阈值，以一种可解释且成本效益高的方式增强耕作实践的检测。所提出的框架提供了一种系统方法，能够适应大范围地区和长时间内的不同环境条件，使用中等分辨率数据，我们认为这代表了耕作实践绘制方面的重大进步，而传统上这种方法受到固定阈值的限制。
方法概述
方法论概述
在美国中西部，玉米和大豆是主要的经济作物，近年来其种植面积约为1.5亿英亩，占总作物面积的60-70%（USDA，2019）。玉米通常在4月至6月初种植，9月至11月收获，具体时间因地点和地区农业实践而异。大豆通常在4月底至6月种植，9月至11月初收获（USDA FAS，2024）。耕作实践通常
用于耕作实践检测的模型阈值
我们使用XGBoost模型来预测阈值，输入包括土壤性质、视觉指数（VI）和天气变量，地面参考数据的反阈值被用作训练集和验证集。模型验证显示，基于动态BAI的阈值模型在预测玉米的两个阈值方面表现优异（图4a），R2值分别为0.80和0.88。同样，该模型在大豆方面的表现也很高，R2值为0.78
动态特征阈值检测框架在耕作检测中的优势
在这项研究中，我们开发了一个可行且稳健的特征阈值框架，用于长期大规模检测耕作实践。我们的结果显示，动态特征阈值框架在绘制三类耕作实践方面表现优异。该框架能够在最小空间尺度（如像素级别或田块级别）预测耕作类型，然后将耕作信息汇总到区域尺度以训练和拟合模型参数。
结论
在这项研究中，我们提出了一个动态特征阈值框架，该框架考虑了土壤背景和环境影响对作物残茬信号的影响，并预测了耕作实践的时空变化。与以往的方法不同，该框架使用XGBoost模型实现了随县和年份变化的阈值预测。我们对2000年至2016年中西部地区耕作百分比的预测分析表明，该框架能够实现更好的预测能力
CRediT作者贡献声明
吴晓翠：写作——审稿与编辑、撰写初稿、可视化、验证、方法论、调查、正式分析、数据管理、概念化。周渠：写作——审稿与编辑、可视化、验证、方法论。关凯宇：写作——审稿与编辑、监督、项目管理、方法论、资金获取、概念化。王胜：写作——审稿与编辑。詹姆斯·希普尔：写作——
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作主要得到了美国农业部国家食品和农业研究所（NIFA）基础计划的资助（2022-68013-37052、2023-68016-41371和2023-67013-39046），以及美国农业部风险管理机构（RMA）在RSA编号RMA20CPT0011222下的支持，还有美国农业部首席经济学家可持续生物燃料原料分析办公室项目（奖项编号58-0111-24-004的支持。本工作还得到了1887年《哈奇法案》的支持，项目编号7001159，来自美国农业部
