Geoskill: 撂荒地检测
利用NDVI时序数据检测多年撂荒耕地
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Geoskill: 撂荒地检测。 它的用途是：利用NDVI时序数据检测多年撂荒耕地 完整的 Skill 内容见：https://321skill.com/skills/geoskill-撂荒地检测/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘分析这个区域过去五年的NDVI数据，找出疑似连续三年以上撂荒的耕地。’，它会处理NDVI时间序列，识别出符合撂荒特征的地块，并生成一份包含地理位置和撂荒年份的清单，以及可视化的空间分布图。
介绍
该技能专注于利用归一化植被指数（NDVI）时间序列数据，检测连续多年未出现耕作信号的疑似撂荒耕地。它解决了在农业监测、土地资源管理中，人工难以大范围、长时间追踪耕地利用状态的问题。
使用时，用户需要提供目标区域的遥感影像数据或NDVI时序数据。技能将分析多年数据，识别出连续数年NDVI变化模式不符合正常耕作规律的耕地斑块，并输出疑似撂荒地块的位置和范围信息。
该技能特别适合农业管理部门、土地资源调查单位、农业科研人员以及从事农业保险或投资评估的分析师使用，帮助他们高效筛查撂荒地，生成野外核查清单，或评估区域耕作的连续性。
建议在使用前确保NDVI数据的时间跨度和质量，通常需要至少3-5年的连续数据以提高检测准确性。同时，检测结果作为疑似撂荒线索，建议结合实地核查或更高分辨率影像进行验证，以排除因作物轮作、休耕或数据噪声造成的误判。
核心特点
区别于一般的植被变化监测，本技能专门针对耕地撂荒场景，通过分析连续多年的NDVI时序特征来识别“无耕作信号”的持续性，而非单次或短期的植被覆盖变化。它聚焦于农业活动的连续性中断，输出结果直接指向疑似撂荒耕地清单，更贴合农业管理和土地监管的实际需求。
注意事项
不适用于非耕地（如林地、草地）的植被变化监测，且对输入NDVI数据的时序完整性和云污染处理要求较高。
常见问题
需要多少年的数据才能有效检测撂荒地？
建议至少提供3-5年的连续NDVI时间序列数据，时间跨度越长，检测结果越可靠。
检测出的撂荒地结果准确吗？
结果为“疑似”撂荒地，基于遥感信号分析，建议结合实地核查或高分辨率影像进行最终确认。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/geoskill-撂荒地检测/raw/index.md 读取 Geoskill: 撂荒地检测 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/geoskill-撂荒地检测/raw/index.md（查看排版版本）