古村落空心化怎么查?遥感影像如何提取?

你看到的“空村”，卫星早就在偷偷记录了

去年我在浙江参与一个传统村落保护项目时，遇到一个令人揪心的场景：某个明清古村，青石板路还在，马头墙也完整，但白天走在村里，几乎听不到人声——90%的房子门窗紧闭，只有三两位老人坐在祠堂门口晒太阳。当地干部说：“人都去城里打工了，房子空着，塌了都没人修。”

这，就是典型的“空心化”。而更棘手的是——很多地方政府根本不知道哪些村子“空”了、空到什么程度、从什么时候开始空的。 靠人工普查？成本高、周期长、数据滞后。这时候，遥感影像就成了我们的“天眼”。

别被“遥感”两个字吓到。本质上，它就是给地球拍高清照片+视频，只不过相机挂在天上，拍的是光谱，不是美颜。

空心化在遥感图上长什么样？教你一眼识别“鬼村”

很多人以为，空心化=房子没人住=屋顶塌了。错！真正的空心化，在初期往往“外表光鲜”。屋顶完好、院墙整齐，甚至门口还停着返乡过年的车。但如果你会看“细节纹理”和“时间序列”，就能发现端倪：

• 植被入侵庭院：原本硬化的院子或菜地，几年后长出杂草或小灌木——说明无人打理。类比一下：就像你家阳台花盆，一个月不浇水，仙人掌都蔫了。
• 屋顶颜色异常老化：有人居住的房子，屋顶瓦片/铁皮会定期更换或修补，反射率稳定；空置房则因风吹日晒加速褪色、破损，在近红外波段差异明显。
• 夜间灯光消失：用夜光遥感（如NPP-VIIRS）对比春节前后数据，如果节前灯火通明、节后一片漆黑——基本实锤“候鸟式空心”。

我在江西做试点时，就靠这个方法揪出了7个“表面繁荣”的空心村。当地政府一开始还不信：“我们去年才刷了白墙！”——直到我们把2018和2023年的NDVI变化动画放给他们看，院内植被覆盖率从5%飙到60%，他们才哑口无言。

实战教学：用QGIS+Python提取空心化区域（附代码）

理论懂了，怎么落地？下面我拆解一个最小可行流程，工具选免费的QGIS+少量Python脚本，学生党也能跑通。

Step 1：数据准备——找对“时空切片”

• 推荐数据源：
  • 高分系列（GF-2/6）：2米分辨率，适合看单体建筑，部分区域可免费申请。
  • Landsat 8/9 或 Sentinel-2：30米/10米，免费，适合大范围筛查，重点看多时相变化。
  • 夜光数据：NASA的 Black Marble（年度合成）或 VIIRS月度产品。
• 时间选择：至少选间隔3年以上的两期影像，避开雨季（云太多）和收割季（农田干扰大）。

Step 2：关键指标计算——让机器替你“数草”

核心思路：量化“人类活动痕迹衰退”。我常用的三个指数：

在QGIS里用“栅格计算器”就能算，比如NDVI：

NDVI = ("B5@1" - "B4@1") / ("B5@1" + "B4@1")

Step 3：变化检测——锁定“退化热点区”

最简单粗暴的方法：做两期NDVI的差值图（ΔNDVI = NDVI_2023 - NDVI_2020）。正值区域（变绿了）大概率是废弃院落。再叠加NDBI下降区域（建筑反射率降低），交叉验证。

嫌手动麻烦？上Python自动化（需安装rasterio和numpy）：

import rasterio
import numpy as np

# 读取两期NDVI
with rasterio.open('ndvi_2020.tif') as src1:
    ndvi1 = src1.read(1)
with rasterio.open('ndvi_2023.tif') as src2:
    ndvi2 = src2.read(1)

# 计算变化量
delta_ndvi = ndvi2 - ndvi1

# 标记显著增长区域（阈值可调）
abandoned_mask = delta_ndvi > 0.2  # 经验阈值，需实地校准

# 输出结果
with rasterio.open('delta_ndvi.tif', 'w', **src1.profile) as dst:
    dst.write(delta_ndvi, 1)

跑完后，用QGIS加载结果，红色高亮区就是疑似空心化地块。再叠加上村庄边界矢量，直接导出统计报表。

避坑指南：Dr.Gis踩过的3个大雷

1. 别迷信单一指数：某次我只用NDVI，结果把新建的生态停车场误判成“废弃院落”——人家种草皮美化环境呢！一定要结合NDBI和目视解译。
2. 分辨率不是越高越好：GF-2虽然清晰，但重访周期长，云覆盖严重。不如用Sentinel-2的10米数据+多时相合成，稳定性更好。
3. 地面验证不可省：算法标出的“空心区”，一定要抽样实地拍照。我吃过亏：算法把一片晒谷场当成“荒废空地”，其实村民只是换地方晾稻子了。

结语：技术是尺子，丈量的是乡愁

遥感提取空心化，本质不是冷冰冰的技术活，而是用空间数据为文化保护争取时间窗口。那些被算法标记的红色斑块，背后是一个个离散的家庭和正在消逝的生活记忆。

现在轮到你了：你们家乡有“空心村”吗？你试过用遥感影像分析过类似问题吗？欢迎在评论区贴出你的成果图或踩坑经历——说不定下次教程，我就用你的案例当素材！