高标准农田建设等土地整治工程常将细碎、分散的小田合并为面积更大、形状更规整的地块。但这一过程通常发生在同一耕地类别内部：影像中的像元仍然是耕地，支撑农业生产与经营管理的耕地地块形态却已发生改变。传统语义变化检测能够识别“耕地变成了什么”，却难以回答“耕地内部地块如何改变”。若采用逐期完整地块制图再叠加比较，不仅需要大量样本标注、模型训练和精度验证，单期制图误差还会传递到最终变化结果。

针对这一矛盾，研究提出一种面向监测目标的轻量化思路：不先绘制每一条精确地块边界，而把固定窗口内的边缘像素数量作为地块形态代理指标，通过比较双时相影像中的边缘像素数量变化，快速判断地块是否发生变化。该方法将遥感变化检测从土地覆盖类型之间的“语义变化”拓展到同一耕地类别内部的“形态变化”，将传统的“地图对地图”比较转变为“形态信号对形态信号”比较，使完整地块图不再是识别变化热点的必要前提，为大尺度土地整治变化热点筛查提供了轻量化技术路径。

近期，中国农业科学院农业资源与农业区划研究所联合西北农林科技大学、德国莱布尼茨转型经济农业发展研究所（IAMO）完成的题为“Understanding cropland parcel change without producing cropland parcel maps: A novel structural change detection approach”的研究在Journal of Integrative Agriculture（《农业科学学报（英文）》，JIA）2026年8期正式发表。

该研究使用空间分辨率为0.53 m的Google Earth Pro三波段RGB影像，选取湖北荆州、河北唐山、安徽六安、西藏日喀则和日本北海道5个典型土地整治区域；共构建935组双时相影像对，其中280组用于训练、655组用于测试，以检验该方法在不同地块形态、物候和地表状态下的适用性。

耕地地块是农业生产与经营管理的基本空间单元，其面积、形状和空间分布关系到机械化作业、规模经营、农田生物多样性和农业可持续发展。土地整治常通过合并小而碎的地块重塑农业景观，但在这一过程中，耕地总面积和土地覆盖类别可能基本不变。传统语义变化检测能够识别“耕地变为非耕地”，却不容易发现“耕地内部由碎变整”的形态变化。

现有地块变化监测通常采用“逐期制图—精度验证—地块叠加—变化分析”的路线。该路线需要为每个时相重复开展样本标注、模型训练、地块分割和地图验证，费时费力，而且单期制图误差会进一步传递到变化结果。为此，研究将任务从“分别绘制两期完整地块图”转变为“直接判断固定窗口内的地块形态是否改变”。

这一思路的核心依据是：小而碎的地块具有更高的边界密度，固定窗口内通常包含更多边缘像素；相邻地块合并后，内部边界消失，边缘像素数量随之减少。因此，双时相边缘像素数量的显著波动可以作为地块合并、拆分或重组的形态变化代理指标，而不必首先绘制每一条精确地块边界。

具体而言，研究首先将双时相影像灰度化并利用Sobel算子提取总边缘像素；随后采用八邻域连通区域标记，剔除面积小于阈值像素的离散连通域，以减少田间建筑、输电塔、阴影和耕作纹理形成的伪边缘。道路、田埂和沟渠往往产生多条平行响应，因此研究进一步通过形态学膨胀融合重复边缘，再使用Zhang–Suen细化算法提取单像素宽骨架，在保持拓扑连通的同时压缩冗余像素，以提取可以表征耕地形态的最简边缘像素。最后，计算两期简化后边缘像素数量的变化值，并将其输入支持向量机，判定窗口内地块形态“变化”或“未变化”。

结果显示，直接统计初始边缘会受到纹理、双重边缘和局部噪声干扰。未经筛选时，五个研究区双时相边缘像素数量差异均不显著（P>0.05），不能作为可靠的变化判据；经过连通域过滤、形态学膨胀和骨架提取后，五个研究区的双时相差异均达到显著水平（P<0.01，其中日喀则P<0.001）。这说明，方法有效的关键不只是“找到更多边缘”，而是保留真正能够代表地块拓扑形态的边缘。

在655组测试影像对上，方法的总体准确率、精确率、召回率和F1分数分别达到0.8941、0.8923、0.9017和0.8970，五个研究区的四项指标均超过0.85。日喀则边界清晰，准确率达到0.9651；六安部分地块边界较模糊，准确率相对较低但仍达到0.8567；在已经规整的地块进一步合并的北海道，方法仍取得0.9086的准确率和0.9295的F1分数。结果表明，相比地块本身是规则还是破碎，地块边界在影像中的清晰程度对检测精度影响更为明显。

研究还将简化后的边缘像素与地块尺度联系起来。以唐山为例，土地整治后平均地块面积由2611 m²增加到13492 m²，平均周长由207 m增加到487 m，但固定窗口内的简化后的边缘像素数量由7252个降至3117个。由此可见，地块越大、内部边界越少，单位面积内的边缘像素数量通常越低。该关系为后续在缺少完整地块图的地区估计地块尺度及其时空变化提供了新的可能。

综上，该研究将耕地变化监测从土地覆盖类型之间的“语义变化”拓展到同一耕地类别内部的“形态变化”，证明无需生成任何单期完整地块图，仅通过提取、筛选和比较双时相影像中的边缘像素数量，也能稳定识别耕地地块形态变化。该方法的定位不是替代精细地块制图，而是先以较低成本回答耕地形态“哪里发生了显著变化”，从而把有限的精细制图和人工核查资源集中到土地整治变化热点，该方法可为高标准农田建设成效评价和土地整治动态监管提供了新的技术路径，也为在更大尺度上认识人类活动驱动的耕地整合、破碎化及农业景观重塑提供了新的遥感观测视角。

西北农林科技大学机械与电子工程学院李诗瑶为论文第一作者；中国农业科学院农业资源与农业区划研究所余强毅研究员和西北农林科技大学机械与电子工程学院苏宝峰教授为共同通讯作者。本研究得到国家重点研发计划项目（2022YFB3903505）和中国农业科学院基本科研业务费专项（Y2025YC87）共同资助。

Cite the article: Shiyao Li, Qiangyi Yu, Yulin Duan, Huibin Li, Wenjuan Li, Zhanli Sun, Daniel Müller, Baofeng Su, Wenbin Wu. 2026. Understanding cropland parcel change without producing cropland parcel maps: A novel structural change detection approach. Journal of Integrative Agriculture, 25(8): 3469-3482.

https://doi.org/10.1016/j.jia.2025.10.014    

Journal of Integrative Agriculture（《农业科学学报（英文）》, JIA）由中华人民共和国农业农村部主管，中国农业科学院与中国农学会主办，中国农业科学院农业信息研究所承办。综合性英文学术期刊，月刊。创刊于2002年，现任主编为中国科学院院士陈化兰。JIA主要栏目有作物科学、园艺、植物保护、动物科学、动物医学、农业生态环境、食品科学、农业经济与管理等。刊稿类型有综述、研究论文、简报以及评述等。全部论文在Elsevier-ScienceDirect (SD) 平台OA出版。最新SCI影响因子5.7，位于SCI-JCR农业综合学科Q1区。中国科学院分区农林科学1区。2016年以来先后获得中国科协等部委 “提升计划”“登峰计划”“卓越计划”项目支持。

支持单位：