耕地撂荒是困扰世界各国的严重问题之一,据不完全统计,全球约有22亿亩的耕地被撂荒,同时还有10.7%的人口受饥饿影响。2020年4月,受新冠疫情冲击,俄罗斯、越南、柬埔寨、泰国等13个国家宣布限制粮食出口以确保本国的粮食供应。G20(二十国集团)因此召开紧急农业部长会议,呼吁各国维持粮食出口,保障世界粮食供需平衡。新冠疫情的爆发和蔓延,阻碍了国际粮食贸易,迟滞了国内交通运输,削减了农业劳动人口,对各国粮食安全构成巨大威胁。在此背景下,开展撂荒地精准监测研究,并据此调查我国可供挖掘的耕地面积和粮食产能,尤为重要和紧迫。本文以山西省祁县作为研究案例区,利用2017-2019三年不同季节的哨兵2号(Sentinel-2)遥感影像数据监测耕地变化,并分离出发生撂荒的耕地。利用e Cognition软件对祁县的耕地进行提取,包括对遥感影像的分割与分类两方面。首先,对遥感影像进行多尺度分割,选取适合该区域的分割参数,优化分割结果。然后,对多尺度分割后的对象构建特征空间辅助样本来完成分类,最终得到祁县耕地的分布范围。以混淆矩阵方法验证耕地的监测精度,验证结果显示此方法提取耕地的总体精度为90.14%,Kappa系数为0.8026,耕地提取精度较为理想。在面向对象分类方法监测耕地的基础上,再以联合变化检测方法监测发生在耕地中的撂荒地。通过研究区NDVI的变化特征与阈值分割试验选取合适的阈值分割算法用于检测。撂荒地的提取则集成年内检测与年际检测两种方法,即根据NDVI在春-夏、夏-秋两阶段的变化,识别有种植行为的耕地与无种植行为的撂荒地,结合不同年份地表覆盖和光谱特征的变化进行综合判定,两种方法的并集即为撂荒地范围。经验证,撂荒地提取精度为86.3%。提取结果表明,2017-2019年间祁县撂荒地块的规模不断缩小、更加破碎,在空间上变得更为分散。形态上由大规模、形状繁杂的地块转变为小范围、形状规则、分布零散的撂荒地。在距道路与乡镇中心的距离上,分析结果显示,距离道路、乡镇越近,耕地的撂荒率越高,二者之间的距离越远时,耕地的撂荒率有所降低。此类变化趋势表明,距离道路、城镇越近时,农户外出的成本更低、就业机会更多,因此导致了大量的耕地被撂荒。