荒了几年的地，是怎么一块块被找出来的

一、台账上是耕地，地里是荒草

前两年参与过一次核查，碰到一块地。

台账上写着耕地，面积几亩，权属清楚。到现场一看，地里长着一人多高的杂草和灌木，人走进去都费劲。问村里，说这块地撂了有三年了，户主在外打工，老人干不动。

这块地在台账上的身份没变，在地里的状态早就变了。

这类地有多少，直接关系到耕地保护的实际成效。所以近几年各地都在做撂荒地清查，要求摸清底数、逐块核实、分类处置。

但这件事真做起来，难点比想象中大。因为它问的不是"这是不是耕地"，而是"这块耕地还在不在种"。

二、撂荒是一种状态，不是一种地类

这是整个核查工作的核心认知。

在土地利用分类里，耕地是一个地类，靠的是地表覆盖特征——种着庄稼、有耕作痕迹。而撂荒描述的是一块耕地"停止耕种"的状态。同一块地在台账上是耕地，在地里的状态可能是正在种、休耕、撂荒一年、撂荒多年，甚至已经长成灌木丛。

麻烦就从这里开始。

第一，时间界限怎么定。撂荒通常指连续一定时间未耕种，具体是两年还是三年，各地标准不同。这意味着核查必须看历史，不能只看当下的影像。

第二，状态之间难区分。休耕是主动的、有计划的，还翻地、还管理；撂荒是被动的、不管理的。影像上，一块休耕地和一块刚撂荒一年的地，可能差别不大。

第三，地表变化有延迟。第一年荒的地，地表还是耕地的样子；第三年才长出灌木。所以单看一期影像，判断不了撂荒了多久——一块地荒了七百多天，和荒了三百多天，在某一期影像上可能长得一样。

第四，也是最实际的：一块地是不是"没人种了"，村里人最清楚，影像只能给推测。

三、多期影像怎么用

撂荒核查的技术思路，核心是一条：看时序，不看单期。

具体分几个层面。

第一个层面是物候特征。正常耕种的地块，一年里至少有一个生长季是绿的，而且绿得有规律——播种后变绿、成熟后转黄、收获后裸露。这个季节波动是耕地的"指纹"。

一块连续两三年都没有这种波动的耕地，就值得怀疑。如果两年都是杂草丛生的状态，那基本可以判定为持续撂荒。

第二个层面是纹理特征。耕过的地有行垄、有规整的田面；抛荒的地纹理杂乱，草丛斑块不均。这两种纹路在影像上区别比较明显，AI 识别主要看这个。

第三个层面是耕作痕迹。翻耕过的地，地表颜色偏深、可能有秸秆覆盖；有机械化作业的地块，地头还留有进出痕迹。这些特征能提示地块是否还在被管理。

三个层面合起来，形成"疑似撂荒地块清单"。清单不是结论，是下一步现场核实的靶子。

四、几个参数和做法

影像序列的长度，一般至少要两年、最好三年以上的多期数据。只取一期，判断不了连续性。

时相选择上，要覆盖主要生长季。北方一年一熟的地方，看夏季；南方一年多熟的地方，重点看秋播和春播两个节点。一个地块如果连续两季的关键时相都没有耕作特征，嫌疑就比较大。

分辨率方面，识别田块级的撂荒状态，米级影像基本够用。要区分"撂荒"和"休耕翻地"这类细微差异，最好用亚米级影像或者无人机补充。

底图要用确权地块数据。这块地的权属、面积、地类是什么，是核查的基准。影像提供状态，台账提供身份，两者结合才能出结论。

还有一个绕不过去的现实：地块越碎，核查越难。我们做过的一个丘陵乡镇，核查范围两三万亩，地块平均面积不到一亩，坡度二十度以上的占了相当比例。这种地方，影像判读的准确率和现场核实的效率都会明显下降。

现场核实要分类。常见分类是：正在耕种、季节性休耕、撂荒一年、撂荒两年以上、已退化为灌木或林地、已非农占用。每一类的处置方式不一样，混在一起没意义。

五、一次核查的经过

说一次实际的过程，地名不写。

核查范围是一个丘陵乡镇，前期影像排查筛出来几百块疑似撂荒地。

第一天做的是影像复核，把疑似点按确信度排序。这里发现一批"误伤"：有些地块在影像上看着杂乱，实际上种的是果园——果树行间长着草，而且树还小，看不出来。这种情况在丘陵地区特别常见，果园和撂荒地很容易混。

修正办法是把果园的种植特征加进识别规则：果树通常是等行距栽植，行向规整，即使行间有草，整体的几何结构还是能看出来。

第二天到第四天现场核实。分了三组，每组分配一片区域。这里碰到第二类误判：有几块地被判为"撂荒两年以上"，实地看是农户种了绿肥——紫云英、苕子这类，用来养地的。种绿肥的地不产出粮食，但它在被管理，不能算撂荒。

这一类误判带来的后果不小：如果按撂荒报上去，村里要挨批评，农户还可能被要求整改。

第三类情况比较难办：有几块地确实荒了，但户主已经过世、继承人都在外地，地权关系还没理清。这种地影像上判得再准，处置也动不了，只能列入台账、单独说明。

最后一轮比对下来，最初的疑似清单经过修正，确定了不同状态的分类，并把每一类的成因写清楚——无非是三类：缺劳动力、地块条件差（坡陡、无水源）、以及农户觉得种了不划算。

六、这笔账怎么算

第一笔是遗漏成本。耕地保护是有考核的，撂荒底数不清，数据就站不住。这一点不用多说。

第二笔是核实成本。影像排查的价值在于把工作量收敛。一个乡镇几百上千块地，如果全靠人走，人力投入很大；先影像筛一遍，现场只跑存疑的，能省下相当一部分。

第三笔是处置效率。分类清楚了，处置才好办：缺劳动力的推动流转托管，条件差的纳入改造，确实没法复耕的按规定调整。分类不清，处置就只能一刀切。

第四笔是数据可用性。一次核查形成的地块状态数据，后面耕地保护、补贴发放、承包管理都能用。特别是"连续几年在种"这种信息，本身就是有价值的判断依据。

七、做不到的地方，也说清楚

第一，影像判断不了主观意愿。这块地荒着，是因为没人种，还是农户故意不种等着占地，影像上看不出来。

第二，边界情况靠规则兜不住。果园、绿肥、苗圃、休耕、临时占用，这些和撂荒在地表上都有相似之处，识别规则再细，也需要人做最后判断。

第三，丘陵山区的精度明显下降。地块小、坡度大、树木遮挡多，影像识别的漏判和误判都更多。

第四，撂荒的认定涉及政策口径。连续多久算撂荒、什么情况下不计入，最终要按当地的规定来。一块地去年种了、今年没种，算不算撂荒？这种问题，技术答不了。

八、我们在做什么

时维遥感技术服务（武汉）有限公司，做遥感加 AI 的农业与保险技术服务。撂荒核查这块，我们提供多期影像的时序分析、耕作特征识别、疑似撂荒地块提取与地块叠加、以及配合现场核实的分类清单成果。服务对象包括农业农村部门、乡镇政府，也包括参与耕地保护项目实施的机构。

我们不替政策做判断，只把"这块地这几年在不在种"尽量说清楚，剩下的交给制度和人来处置。

结语

撂荒清查难，难在它问的是状态，而状态会变、也会藏。多期影像能看出变化，但最后那一下确认，还是要有人走到地里去。

时维遥感——遥感+AI，让农业更智慧