糧食作物種植視角下東北糧食主產區耕地利用的時空分化特征

宋 戈，張文琦

·專題：耕地保護與糧食安全·

糧食作物種植視角下東北糧食主產區耕地利用的時空分化特征

宋 戈，張文琦

（東北大學文法學院土地資源管理系，沈陽 110169）

作物種植是耕地最直接的利用方式。基于糧食作物種植視角研究耕地利用問題，是耕地利用領域研究的進一步細化，也是糧食安全的基礎。該研究以東北糧食主產區典型地域為研究區，基于主要糧食作物大豆、玉米和水稻的不同耕地利用方式，以鄉鎮為單元，綜合運用標準差橢圓、重心模型及探索性空間數據分析法，闡明2016—2019年研究區糧食作物的耕地利用空間分化特征。結果表明：1）研究區主要糧食作物的耕地利用結構變化明顯，大豆與玉米的耕地種植面積出現明顯“剪刀差”變化特征，水稻的耕地種植面積基本保持穩定。2）研究區主要糧食作物的耕地利用空間分布呈現“西北-東南”動態格局，種植大豆和玉米的耕地利用重心位于研究區的中東部地區，分別向東偏南和西偏南方向遷移。3）研究區種植主要糧食作物的耕地利用結構具有較強的正負空間關聯性，正相關類型聚集性較強，表現出明顯的區域一致性；負相關類型無明顯聚集區域，面積較小，且零星分布。研究結果較好地反映了種植結構調整政策實施階段研究區種植主要糧食作物的耕地區域空間布局分化和耕地種植結構的空間關系，為區域種植結構調整及保障糧食結構性安全提供科學依據。

土地利用；遙感；耕地；糧食安全；作物種植；時空分化；東北糧食主產區

0 引 言

作物種植是耕地最直接的利用方式，作物與耕地具有唯一的對應性。區域作物耕地利用方式決定著該地域的種植結構。目前，盡管中國耕地綜合生產力和糧食總量呈現逐年提高趨勢，但糧食安全存在著結構性矛盾[1-2]，為此，國家相繼出臺政策文件，促進種植結構調整。2016—2020年的《全國種植業結構調整規劃》和《全國農業現代化規劃》中對農業種植結構做出規劃，從此中國開始實施“減玉米、增大豆”的種植結構調整政策；2018年國家擴大包括黑龍江省在內的試點地區輪作休耕試點規模；2019年中央一號文件再次指出要調整種植結構，發揮糧食主產區優勢。2016—2019年，黑龍江省作為全國耕地輪作休耕制度的重要試點區之一，受作物種植結構調整政策和市場等因素影響，糧食作物種植結構進行了大幅度調整，由玉米主導型轉變為大豆玉米輪作型，區域內糧食作物的耕地利用數量、分布、結構發生顯著變化，不同糧食作物的耕地利用方式呈現出明顯的區域空間分化[3]。適時準確掌握此期間主要糧食作物的耕地利用時空分化特征，可以為區域糧食作物的耕地利用結構進一步優化提供科學依據，也為解決中國糧食結構性矛盾提供重要參考。

國內外關于耕地利用時空特征方面的研究成果豐富，集中在耕地利用的“數量、質量、功能、效率”等方面[4-7]，主要是基于國家、省域、市域等不同尺度[8-10]，運用動態度指數、區位指數、轉移矩陣、景觀格局指數等模型和方法[11-13]，研究某個時間節點或長時間序列耕地與其他土地利用類型之間的數量轉移變化特征、耕地變化速率和耕地資源區域分布關系、水田和旱地轉換特征等[14-15]，研究成果對本文研究具有重要的借鑒作用。值得注意的是，目前糧食生產存在結構性矛盾，從大豆、玉米、水稻等主要糧食作物種植的角度對耕地利用進行細化和深化研究至關重要，而現有關于作物時空分布的研究大多利用農業統計數據分析農作物數量和結構的變化特征[16-17]，運用高分辨率衛星影像數據實現作物精準識別，并分析糧食作物的耕地利用時空分化特征具有一定現實意義[18-21]。同時，實地調研和研究均表明，稻谷和玉米作物均有向黑龍江省等地集中化生產趨勢[22]，東北地區糧食播種面積和產量明顯集中于玉米、水稻2種作物，而相對低產的大豆所占比例明顯下降[23]，氣候變暖、糧食生產重心北移和“北糧南運”的產銷格局仍將持續[24]。本文以東北糧食主產區典型地域為研究區，基于不同糧食作物的耕地利用方式，選取2016—2019年種植結構調整政策實施期，采用空間數據統計方法，分析2016—2019年研究區種植主要糧食作物的耕地利用數量、空間和結構的分化特征，研究成果為種植結構調整和保障糧食安全提供科學依據。

1 研究方法與數據來源

1.1 研究區概況

研究區為拜泉縣、克山縣和依安縣，3個縣相互鄰接，是東北糧食主產區的產糧大縣，該區域位于黑龍江省松嫩平原腹地的黑土帶，土地總面積10 460 km2，耕地占79.42%，人均耕地面積0.55 hm2/人。2018年末研究區總人口約為148萬人，轄46個鄉鎮，2個農場。研究區主栽作物為玉米、大豆和水稻，受國際轉基因大豆市場沖擊，中國大豆貿易自由政策出臺后，研究區大豆種植面積2009年至2015年縮減近50%，玉米種植面積2003年到2013年增加6倍。2016—2019年，受國家種植結構調整政策影響，研究區實施了耕地輪作，主要糧食作物的耕地利用方式發生了很大的變化。基于2016—2019年間種植結構調整的政策背景，選擇東北糧食主產區典型地域拜泉縣、克山縣和依安縣作為研究區，闡明主要糧食作物的耕地利用時空分化特征具有一定的現實意義。

1.2 數據來源

本文選取研究區2016—2019年Sentinel-2高分辨率多光譜成像衛星影像數據，分辨率為10 m，選擇每年5—9月份覆蓋研究區的Sentinel-2影像作為原始數據，來源于歐洲航天局的數據共享網站（https://scihub.copernicus.eu/）。數據獲取時間及其詳細信息見表1。土地利用數據來源于依安縣、克山縣和拜泉縣2017年土地利用變更調查矢量數據庫，為保證研究時段內耕地范圍的一致性，在該矢量數據庫中提取鄉鎮行政區范圍、耕地范圍以及田塊信息，作為本文主要糧食作物的耕地利用空間分化特征研究的基礎數據。

表1 Sentinel-2影像獲取信息

1.3 研究方法

1.3.1 主要糧食作物的耕地利用信息提取

研究區耕地分布集中連片，以糧食作物為主要作物類型，依據研究區一年一季農作物的物候特征，水稻一般4月育苗，5月到6月處于插秧和分蘗期，此時水田在遙感影像中光譜差異明顯，故選擇研究期內每年5月或6月的影像用于識別水稻，研究區7月中下旬到8月中旬大豆處于結莢鼓粒期至成熟期，植株開始泛黃，而玉米處于乳熟期，植株綠度仍然較高，因此選擇7月或8月的影像以分辨玉米和大豆。

隨機森林分類法（Random Forest）是一種利用多棵樹對樣本進行訓練和預測的分類技術，比傳統的最大似然法和決策樹分類法更為精確，在遙感領域得到廣泛應用，并成功應用于許多分類研究[25]。本文使用隨機森林分類器對每個節點中的決策樹和變量的值進行分類，將樹的數量（number of trees）設置為300，將其他參數設置為默認值。基于隨機森林分類法解譯得到研究區2016—2019年主要糧食作物的空間分布信息。在ArcGIS 10.2軟件支持下，將每年作物分類結果分區統計到耕地矢量圖斑中，得到2016—2019年以地塊為統計單元的主要糧食作物耕地利用空間分布圖（圖1）。

圖1 2016－2019年主要糧食作物的耕地利用情況

采用同期土地調查資料和典型區域野外抽樣調查進行精度驗證，影像解譯總體精度分別為81.25%、 83.62%、91.52%和89.37%，Kappa系數分別為0.79、0.81、0.89和0.85，分類結果滿足精度要求，因此，通過該方法獲取的研究區主要糧食作物類型結果滿足研究所需精度。

1.3.2 地理空間分布和重心遷移模型

主要糧食作物的耕地利用重心與空間分布為優化耕地利用布局、調整種植結構等提供依據，對于實現糧食生產區域平衡有著重要意義。為科學反映研究區主要糧食作物的耕地利用空間分布和重心遷移特征，利用ArcGIS 10.2軟件的空間統計工具進行標準差橢圓和重心遷移軌跡分析，計算得到研究區2016－2019年主要糧食作物的分布重心、空間方向和展布范圍等一系列參數的變化特征。

標準差橢圓（Standard Deviational Ellipse，SDE）是空間統計方法中能夠精確揭示要素空間分布特征的經典方法之一，可以反映節點空間組織的總體輪廓和主導分布方向[26]。本文中標準差橢圓的大小表征主要糧食作物耕地利用的空間分布集中程度，旋轉角以軸為準，正北方為0°，順時針旋轉確定橢圓方向，扁率則代表目標要素在空間上的分布形態。主要糧食作物耕地利用的空間分布范圍、方向和形態隨時間變化具有不同的動態特征。標準差橢圓扁率為橢圓兩軸差值與橢圓長軸之比，可以用來衡量研究區主要糧食作物的空間分布和綜合極化特征，標準差橢圓扁率越大，表示數據的方向性越強；反之兩軸差值越接近，表示數據方向性越不明顯，若兩軸完全相等則為圓，表示數據沒有任何方向特征。

“重心”指物體各部分所受重力產生合力的作用點，在地理學中表示區域地理對象在空間上的平衡點[27-28]。本文分析研究區主要糧食作物耕地利用的重心變化，能夠清晰客觀地反映不同要素在時間、空間上的變化軌跡，呈現種植結構局部或整體轉移、集聚和分散特征。重心遷移模型是研究地理對象空間變化的重要方法之一，地理要素分布重心的遷移情況反映總體格局位移特征，重心遷移模型所得的主要糧食作物耕地利用重心遷移距離反應區域間耕地利用的相互作用，公式為：

計算不同年份之間重心的遷移距離，可采用下列公式

式中表示某種屬性重心移動的距離，km；、表示2個不同年份；（XY）和（XY）分別為第年和第年屬性重心所在空間位置的坐標值；為常數。

1.3.3 探索性空間數據分析

探索性空間數據分析（Exploratory Spatial Data Analysis，ESDA）是以空間關聯性測度為核心，描述與揭示研究對象的空間分布，分析其空間聯系、集聚以及異質性的空間分析方法，實現方式包括全局空間自相關和局部空間自相關[29]。本文通過全局空間自相關Global Moran’s指數探測主要糧食作物種植結構在區域整體的空間自相關性大小，計算公式為：

（3）

全局Moran’s可以揭示種植結構在整體上的關聯程度，但不能指出聚集或異常發生的具體空間位置，局部空間自相關則可通過空間關聯局域指標（Local Indicators of Spatial Association，LISA）揭示主要糧食作物種植結構在區域局部的空間相關性大小[30]。空間關聯局域指標（LISA）可以用Local Moran’s統計量進行度量，公式為：

2 結果與分析

2.1 主要糧食作物的耕地利用數量變化特征

研究期內種植結構調整政策實施效果明顯，大豆與玉米種植面積出現明顯“剪刀差”變化特征，水稻種植面積基本保持平穩，維持在耕地總面積的5%左右，大豆和玉米為研究區主要糧食作物（圖2）。數據顯示結果表明，研究區2016年大豆種植面積5.79萬hm2，占耕地總面積的7.18%，玉米種植面積達到71.20萬hm2，占據研究區耕地面積的88.19%，農戶傾向于種植收益相對較高的玉米；2017年大豆種植面積小幅度上升，為8.01萬hm2，占比仍然較低，為耕地總面積的9.92%；2018年研究區大豆種植面積大幅度提升至36.51萬hm2，占比44.94%，是2017年大豆種植面積的4倍，政策實施效果明顯，與此同時，研究區玉米種植面積調減至40.40萬hm2，占比不足50%；2019年大豆種植面積稍有回落，為32.41萬hm2，玉米種植面積44.40萬hm2，2種作物仍為研究區主栽農作物。總體而言，研究期內該地區耕地作物種植結構調整特征顯著，恰好與東北糧食主產區種植結構變化方向相一致。

圖2 2016－2019年研究區主要糧食作物種植面積變化

2.2 主要糧食作物的耕地利用空間分布和重心遷移特征

2016—2019年研究區主要糧食作物的耕地利用標準差橢圓均呈西北—東南方向，表明研究區大豆和玉米兩種主要糧食作物在西北—東南方向較東北—西南方向更為密集。通過圖3a可以看出，2016—2019年大豆作物的耕地利用標準差橢圓位于研究區東部地區，前期空間分布較為分散，后期趨于集中再擴大。2016—2019年，大豆作物的耕地利用重心均位于拜泉縣境內，重心遷移軌跡總長27.17 km，表現為向東偏南方向順時針移動（圖3a），說明該階段東部地區的種植結構轉型較快，東部地區克山縣與拜泉縣土質條件優越適宜大豆作物生長，受種植結構調整政策影響，區域內實施大豆種植補貼，吸引大量農戶進行糧豆輪作，使大豆作物種植比例不斷提升，牽動大豆作物的耕地利用重心移動。

圖3 2016—2019年研究區大豆與玉米標準差橢圓及重心遷移軌跡

標準差橢圓的扁率為橢圓長短軸差值與橢圓長軸之比，可以反映耕地主要作物空間布局的方向性，通過對比標準差橢圓的扁率可以掌握耕地主要作物空間布局范圍的變化，扁率越大，表明標準差橢圓的方向性越明顯。對大豆作物的標準差橢圓參數統計可知（表2），研究區大豆標準差橢圓扁率先升后降，反映該地區大豆空間分布極化呈現階段性特征。其中，2018年大豆的標準差橢圓扁率最大達到0.45，大豆分布呈現較強向心力，2019年大豆標準差橢圓扁率降為0.24，表明該時期研究區大豆作物種植較為分散，雖然南北方向為大豆分布的主軸方向，但東西方向的發展也愈加明顯。

表2 2016－2019年研究區主要糧食作物標準差橢圓參數

從圖3b和表2可以看出，研究區2016—2019年玉米作物的耕地利用標準差橢圓形狀近乎正圓，標準差橢圓的扁率均在0.17～0.23之間，表明研究區玉米種植較為廣泛，種植區域分散，但標準差橢圓的長軸、短軸仍然在變化中。研究期內，玉米作物布局的標準差橢圓的長軸沿順時針方向旋轉，旋轉角由2016年的152.62°上升至2019年的162.14°，盡管研究區3個縣都作為黑龍江省作物輪作試點縣，但東部克山縣與拜泉縣玉米種植面積的調減成效明顯，對標準差橢圓旋轉起逆時針推動作用，促使長軸向逆時針轉動。該時間段，玉米作物的耕地利用重心主要位于拜泉縣西北部的新建鄉內，重心遷移總距離為25.52 km，其中2016年和2017年重心位置未發生明顯變化，2018年較2017年重心位置向西南方向移動12.64 km，2019年在2018年重心基礎上向東北方向移動12.42 km，說明種植結構調整政策實施以來，研究區種植結構發生變化明顯，2018年拜泉縣和克山縣大豆種植面積增加，驅使玉米作物的耕地利用重心向西南方向移動，2019年依安縣推廣大豆輪作后，重心則向東北方向遷移。

本研究在標準差橢圓分析中，將橢圓大小選擇為1級標準差，即橢圓內包含68%的數據分布，標準差橢圓面積越大說明該作物空間分布范圍越廣。對2016—2019年的主要作物大豆和玉米標準差橢圓面積進行計算，結果表明，研究期內輪作政策實施前后大豆作物空間布局實質是收縮的，2016年大豆標準差橢圓面積為6 586 km2，政策實施前期玉米調減區域主要集中在克山縣與拜泉縣境內，即研究區東部，整體上大豆布局呈收縮態勢，2018年大豆標準差橢圓面積變為4 658 km2。研究期內，玉米作物的空間布局離散程度相對穩定，4 a間玉米標準差橢圓面積變化幅度較小。

2.3 主要糧食作物耕地利用結構的空間關聯性分析

2.3.1 全局空間自相關

研究區水稻種植面積相對穩定，本文在分析主要糧食作物耕地利用結構變化時只考慮大豆和玉米兩種作物。由于研究區鄉鎮之間耕地總量差異明顯，直接采用大豆與玉米的種植面積進行統計會導致結果偏差，為消除鄉鎮之間耕地總量不同的影響，本文選用大豆與玉米的種植面積比值表示區域內耕地利用結構，大豆與玉米的種植面積比值大于1說明該地區以大豆種植為主，反之則說明該地區以玉米種植為主，通過對不同鄉鎮大豆與玉米的比值進行空間自相關分析，來反映研究區不同鄉鎮主要糧食作物耕地利用結構的空間集聚特征。

對研究區2016—2019年種植結構指數進行全局空間自相關顯著性檢驗（表3），結果顯示，研究期內Global Moran's均為正值，說明這期間研究區耕地種植結構調整并非隨機發生，表現出相似值間的空間集聚，且都為正的空間自相關。2016年和2017年的值均小于0.01，反映出耕地種植結構在研究區域內具有99%顯著水平的空間集聚特征，2018年值小于0.005，達到極顯著水平，均表現為極強的空間聚集格局，隨后的2019年值小于0.05，具有95%水平的空間集聚特征。對比標準化值與顯著水平臨界值，均明顯大于檢驗最高臨界值2.58，說明4個年份研究區各鄉鎮耕地利用結構呈現出顯著的空間自相關性，表現出顯著的聚集分布態勢。

表3 全局空間自相關顯著性檢驗

2.3.2 局部空間自相關

從大豆與玉米的耕地利用結構的全局空間自相關分析來看，研究區主要糧食作物的耕地利用結構在空間分布上呈現出顯著的空間關聯性，而且隨著農業政策實施效果有波動變化的趨勢。為解釋區域內不同鄉鎮之間的主要糧食作物耕地利用的空間關聯性，基于在空間關聯局部指數（Local Indicators of Spatial Association，簡稱LISA），繪制局部空間自相關LISA圖觀察局部空間的集聚特征，檢驗局部地區與周邊地區是否存在相似或相異集聚（圖4）。LISA集聚圖中：“高-高”（HH）表示鄉鎮本身和其周圍鄉鎮的大豆與玉米的耕地利用比例值都高；“高-低”（HL）表示鄉鎮本身大豆與玉米的耕地利用比例值高而其周圍鄉鎮的比例值低；“低-高”（LH）表示鄉鎮本身大豆與玉米的耕地利用比例值低但其周圍鄉鎮的比例值高；“低-低”（LL）表示大豆與玉米的耕地利用比例值都低；“不顯著”表示觀測鄉鎮與周圍鄉鎮不存在顯著的局部空間集聚現象。

結果顯示，2016年大豆與玉米的耕地利用比例高值區主要分布在克山縣北部地區，涵蓋北興鎮、西建鄉、北聯鎮和向華鄉4個鄉鎮，該地區大豆種植比例較高且空間集聚性強，低值區則分布在克山縣南部和依安縣中南部的5個鄉鎮，說明低值集聚地區2016年主要以玉米種植為主。2017年大豆與玉米的耕地利用比例高值區仍然集中在克山縣的北聯鎮、西建鄉、西城鎮、發展鄉以及克山農場，低值區則零星分散在依安縣的依龍鎮和上游鄉，說明克山縣大部分地區為傳統大豆種植集聚區，依安縣2017年仍以玉米為主要種植作物。2018年研究區全面落實耕地種植結構調整政策，其中高值區集聚在拜泉縣7個鄉鎮，低值區集聚在依安縣大部分鄉鎮，符合研究預期，說明克山縣和拜泉縣率先開展耕地種植結構調整，且實施效果明顯。2019年輪作試點面積繼續增加，研究區大部分地區實現糧豆輪作，種植結構空間分布較為均勻，高值區集聚在拜泉縣東南部，低值區分布在拜泉縣北部地區。由此可以看出，耕地種植結構的實施情況與不同地區管理制度與政策息息相關，克山縣與拜泉縣為大豆傳統種植區域，集聚效應明顯，在政策干預下，玉米連作模式發生轉變，種植結構趨于平衡態勢。

圖4 2016－2019年研究區主要糧食作物的耕地利用結構空間關聯性分布圖

3 討 論

本文選取2016－2019年國家種植結構調整政策實施期間，基于糧食作物種植視角，從耕地利用的數量、空間、結構等方面研究耕地利用的時空分化特征。2016－2019年受到種植結構調整與耕地輪作休耕等多種政策因素的綜合影響，玉米、大豆、水稻等主要糧食作物的耕地利用方式與結構呈現出明顯的時空分化。東北糧食主產區是作物種植結構調整的重點地區，傳統分析作物種植結構調整的方法通常是使用統計數據，這樣很難刻畫作物種植結構調整的時空特征。本文利用多時相Sentinel-2遙感數據結合隨機森林算法提取研究區主要糧食作物的耕地利用信息，改變以往Landsat和MODIS系列衛星重返周期長和分辨率較低的局限性，為客觀、準確的獲取主要糧食作物的耕地利用信息提供了新的科學方法和手段。同時，運用標準差橢圓和重心遷移模型研究主要糧食作物的耕地利用時空分化特征，能夠清晰地從整體上反映出研究區主要糧食作物空間分布的整體輪廓和方向性特征。并以鄉鎮為基本單元，將研究區48個鄉鎮單元的種植結構關聯性特征在空間上得到充分反映，更加科學準確的描述和分析種植結構的空間集聚性。

東北糧食主產區種植結構調整的目的主要是調減種植規模過大的玉米、恢復種植規模縮減的大豆，從而實現合理的糧豆輪作及其他糧食作物輪作機制。通過研究發現，在糧食作物種植結構調整的重點地區，玉米種植規模銳減，大豆種植規模迅速上升，但仍然大量存在種植結構調整的“冷點”現象，例如研究區的個別區域在執行和實施國家休耕輪作和種植結構調整的政策上還存在一定的偏差，2016－2019年在一定范圍內仍然存在以玉米種植為主的問題，并沒有達到全區域通過種植結構調整實現糧食作物布局優化，實現整個區域乃至全國的糧食種植結構達到平衡和優化，更能切實保障中國糧食的結構性安全。

本研究結果能夠反映種植結構調整政策實施階段研究區主要糧食作物耕地利用方式數量、結構和空間分布的整體狀況，為調種植結構調整和保障糧食結構性安全提供重要的參考。實際上一定區域的耕地利用時空分化是自然條件、人類的社會經濟活動、宏觀政策以及市場行為綜合作用的累積結果，綜合分析眾多自然要素和人文要素對區域耕地利用分化的作用機理，找出導致部分地區種植結構調整效果不佳的原因，將是下一步研究的重點和方向。

4 結 論

本文利用Sentinel-2遙感數據結合隨機森林分類法提取2016－2019年東北糧食主產區典型區域3種主要糧食作物（玉米、大豆和水稻）的耕地利用空間分布信息，分析主要糧食作物的耕地利用數量、結構、空間分布和空間集聚性等時空分化特征。主要結論如下：

1）研究期內，種植結構調整政策實施效果明顯，大豆與玉米種植面積出現明顯“剪刀差”變化特征，大豆作物的耕地利用占比從2016年的7.18%，提升至2018年的44.94%。此外，研究區水稻種植面積基本保持平穩，維持在耕地總面積的5%左右，大豆和玉米為研究區主要糧食作物。

2）2016－2019年研究區主要糧食作物的耕地利用標準差橢圓均呈西北—東南方向，研究期內，2018年大豆的標準差橢圓扁率最大達到0.45，大豆分布呈現較強向心力，玉米作物的空間布局離散程度相對穩定，四年間玉米標準差橢圓變化幅度較小，表明玉米的分布范圍變化較小。受種植結構調整政策影響，大豆作物的耕地利用重心向東偏南方向順時針遷移27.17 km，玉米作物的耕地利用重心向西偏南逆時針遷移25.52 km。

3）研究區大豆與玉米作物耕地利用比例的Global Moran's指數均為正，呈現出顯著的空間集聚特征。通過繪制各鄉鎮主要糧食作物耕地利用結構空間關聯性分布圖，可知在研究區范圍2016和2017年高值集聚區分布在克山縣北部鄉鎮，該時段自然因素起主導作用；2018和2019年在種植結構調整政策因素干預下，大豆與玉米種植比例的高值集聚區發生在拜泉縣大部分鄉鎮，且高值集聚區呈現縮小趨勢，耕地利用結構空間分布趨于均勻合理。

[1] 蔣和平，堯玨，蔣黎. 新時期我國糧食安全保障的發展思路與政策建議[J]. 經濟學家，2020(1)：110-118.

Jiang Heping, Yao Jue, Jiang Li. Development thoughts and policy suggestions for China's food security in the new era[J]. Economist, 2020(1): 110-118. (in Chinese with English abstract)

[2] 劉洛，徐新良，劉紀遠，等. 1990—2010年中國耕地變化對糧食生產潛力的影響[J]. 地理學報，2014，69(12)：1767-1778.

Liu Luo, Xu Xinliang, Liu Jiyuan, et al. Impact of farmland changes on production potential in China during recent two decades[J]. Acta Geographica Sinica, 2014, 69(12): 1767-1778. (in Chinese with English abstract)

[3] 董非非，劉愛民，封志明，等. 大豆傳統產區種植結構變化及影響因素的定量化評價：以黑龍江省嫩江縣為例[J]. 自然資源學報，2017，32(1)：40-49.

Dong Feifei, Liu Aimin, Feng Zhiming, et al. Changes of planting structure and quantitative evaluation of influencing factors in traditional[J]. Journal of Natural Resources, 2017, 32(1): 40-49. (in Chinese with English abstract)

[4] 祝錦霞，徐保根. 基于變化向量的耕地利用方式變化下耕地質量評價[J]. 農業工程學報，2020，36(2)：292-300.

Zhu Jinxia, Xu Baogen. Evaluation of cultivated land quality under changed cultivated land use pattern based on change vector analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(2): 292-300. (in Chinese with English abstract)

[5] 宋小青，李心怡. 區域耕地利用功能轉型的理論解釋與實證[J]. 地理學報，2019，74(5)：992-1010.

Song Xiaoqing, Li Xinyi. Theoretical explanation and case study of regional cultivated land use function transition[J]. Acta Geographica Sinica, 2019, 74(5): 992-1010. (in Chinese with English abstract)

[6] Jiang G, Zhang R, Ma W, et al. Cultivated land productivity potential improvement in land consolidation schemes in Shenyang, China: Assessment and policy implications[J]. Land Use Policy, 2017, 68: 80-88.

[7] Luo X, Ao X, Zhang Z, et al. Spatiotemporal variations of cultivated land use efficiency in the Yangtze River Economic Belt based on carbon emission constraints[J]. Journal of Geographical Sciences, 2020, 30(4): 535-525.

[8] 金濤. 中國糧食作物種植結構調整及其水土資源利用效應[J]. 自然資源學報，2019，34(1)：14-25.

Jin Tao. The adjustment of China’s grain cropping structure and its effect on the consumption of water and land resources[J]. Journal of Natural Resources, 2019, 34(1): 14-25.(in Chinese with English abstract)

[9] 譚言飛，濮勵杰，解雪峰，等. 基于敏感度分析的江蘇省糧食生產與耕地數量變化動態響應研究[J]. 長江流域資源與環境，2019，28(5)：1102-1110.

Tan Yanfei, Pu Lijie, Xie Xuefeng, et al. Dynamic response of grain production and cultivated land quantity change in Jiangsu province based on sensitivity analysus[J].Resources and Environment in the Yangtze Basin, 2019, 28(5): 1102-1110. (in Chinese with English abstract)

[10] Zhang Y, Wang Y, Fu B, et al. Changes in cultivated land patterns and driving forces in the Three Gorges Reservoir area, China, from 1992 to 2015[J]. Journal of Mountain Science, 2020, 17(1): 203-215.

[11] 張冰琦，郭靜，于溪，等. 中國2000－2010年耕地低效轉化的空間特征[J]. 自然資源學報，2018，33(7)：1230-1243.

Zhang Binqi, Guo Jing, Yu Xi, et al. Spatial pattern of low-benefit conversion of cultivated land in China from 2000 to 2010[J]. Journal of Natural Resources, 2018, 33(7): 1230-1243. (in Chinese with English abstract)

[12] 孔祥斌，張蚌蚌，溫良友，等. 基于要素—過程—功能的耕地質量理論認識及其研究趨勢[J]. 中國土地科學，2018，32(9)：14-20.

Kong Xiangbin, Zhang Bangbang, Wen Liangyou, et al. Theoretical framework and research trends of cultivated land quality based on Elements-Process-Function[J]. China Land Science, 2018, 32(9): 14-20. (in Chinese with English abstract)

[13] 曹雋雋，周勇，葉青清，等. 江漢平原耕地資源空間格局變化分析[J]. 經濟地理，2013，33(11)：130-135.

Cao Juanjuan, Zhou Yong, Ye Qingqing, et al. Analysis of spatial pattern changes of cultivated land resource in Jianghan Plain[J]. Economic Geography, 2013, 33(11): 130-135. (in Chinese with English abstract)

[14] 張文琦，宋戈. 三江平原典型區水田時空變化及驅動因素分析[J]. 農業工程學報，2019，35(6)：244-252.

Zhang Wenqi, Song Ge. Spatial-temporal variations and driving factor analysis of paddy fields in typical regions of Sanjiang Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 244-252. (in Chinese with English abstract)

[15] 馬瑞明，馬仁會，韓冬梅，等. 基于多層級指標的省域耕地質量評價體系構建[J]. 農業工程學報，2018，34(16)：249-257.

Ma Ruiming, Ma Renhui, Han Dongmei, et al. Construction of cultivated land quality evaluation system in provincial level based on hierarchical control[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(16): 249-257. (in Chinese with English abstract)

[16] 劉珍環，楊鵬，吳文斌，等. 近30年中國農作物種植結構時空變化分析[J]. 地理學報，2016，71(5)：840-851.

Liu Zhenhuan, Yang Peng, Wu Wenbin, et al. Spatio-temporal changes in Chinese crop patterns over the past three decades[J]. Acta Geographica Sinica, 2016, 71(5): 840-851. (in Chinese with English abstract)

[17] 蔣凌霄，安悅，譚雪蘭，等. 近30年來長株潭地區農作物種植結構演變及優化對策[J]. 經濟地理，2020，40(1)：173-180.

Jiang Lingxiao, An Yue, Tan Xuelan, et al. Temporal and spatial evolution and optimized countermeasure of crop planting structure in the Changsha-Zhuzhou-Xiangtan area in recent 30 years[J]. Economic Geography, 2020, 40(1): 173-180. (in Chinese with English abstract)

[18] Luo C, Liu H, Fu Q, et al. Mapping the fallowed area of paddy fields on Sanjiang Plain of Northeast China to assist water security assessments[J]. Journal of Integrative Agriculture, 2020, 19(7): 1885-1896.

[19] 張磊，宮兆寧，王啟為，等. Sentinel-2影像多特征優選的黃河三角洲濕地信息提取[J]. 遙感學報，2018，23(2)：313-326.

Zhang Lei, Gong Zhaoning, Wang Qiwei, et al. Wetland mapping of Yellow River Delta wetlands based on multi-feature optimization of Sentinel-2 images[J]. Journal of Remote Sensing, 2018, 23(2): 313-326. (in Chinese with English abstract)

[20] You N, Dong J. Examining earliest identifiable timing of crops using all available Sentinel 1/2 imagery and Google Earth Engine[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 161: 109-123.

[21] 董金瑋，吳文斌，黃健熙，等. 農業土地利用遙感信息提取的研究進展與展望[J]. 地球信息科學學報，2020，22(4)：772-783.

Dong Jinwei, Wu Wenbin, Huang Jianxi, et al. State of the art and perspective of agricultural land use remote sensing information extraction[J]. Journal of Geo-information Science, 2020, 22(4): 772-783. (in Chinese with English abstract)

[22] 劉航，吳文斌，申格，等. 1996－2016年松嫩平原傳統大豆種植結構的時空演變[J]. 應用生態學報，2018，29(10)：3275-3282.

Liu Hang, Wu Wenbin, Shen Ge, et al. Spatio-temporal evolution of traditional soybean planting structure in Songnen Plain, China in 1996-2016[J]. Chinese Journal of Applied Ecology, 2018, 29(10): 3275-3282. (in Chinese with English abstract)

[23] 劉大千，劉世薇，溫鑫. 東北地區糧食生產結構時空演變[J]. 經濟地理，2019，39(5)：163-170.

Liu Daqian, Liu Shiwei, Wenxin. Spatial-temporal evolution of grain production structure in Northeast China[J]. Economic Geography, 2019, 39(5): 163-170. (in Chinese with English abstract)

[24] 陳玉潔，張平宇，劉世薇，等. 東北西部糧食生產時空格局變化及優化布局研究[J]. 地理科學，2016，36(9)：1397-1407.

Chen Yujie, Zhang Pingyu, Liu Shiwei, et al. The spatio-temporal pattern change and optimum layout of grain production in the west of Northeast China[J]. Scientia Geographica Sinica, 2016, 36(9): 1397-1407. (in Chinese with English abstract)

[25] Kussul N. Parcel-based crop classification in ukraine using landsat-8 data and sentinel-1A data[J]. IEEE Journal of Selected Topics in Applied Earth Observations Remote Sensing, 2016, 36(9): 2500-2508.

[26] 任君臨，方斌，許實. 長江中下游地區耕地后備資源空間分布及影響因素研究[J]. 中國土地科學，2016，30(5)：71-79.

Ren Junlin, Fang Bin, Xu Shi. Study on spatial distribution and impact factors of reserved cultivated land resources in the middle and lower reaches of Yangtze River[J]. China Land Science, 2016, 30(5): 71-79. (in Chinese with English abstract)

[27] 聶雷，郭忠興，汪險生，等. 我國主要糧食作物生產重心演變分析[J]. 農業現代化研究，2015，36(3)：380-386.

Nie Lei, Guo Zhongxing, Wang Xiansheng, et al. The evolution analysis of the grain production concentration in China[J]. Research of Agricultural Modernization, 2015, 36(3): 380-386. (in Chinese with English abstract)

[28] 王海軍，張彬，劉耀林，等. 基于重心—GTWR模型的京津冀城市群城鎮擴展格局與驅動力多維解析[J]. 地理學報，2018，73(6)：1076-1092.

Wang Haijun, Zhang Bin, Liu Yaolin, et al. Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: A case study of the Beijing-Tianjin-Hebei urban agglomerationp[J]. Acta Geographica Sinica, 2018, 73(6): 1076-1092. (in Chinese with English abstract)

[29] 陳藜藜，宋戈，鄒朝暉，等. 基于改進局部空間自相關分析的蘿北縣耕地保護分區[J]. 資源科學，2016，38(10)：1871-1882.

Chen Lili, Song Ge, Zou Chaohui, et al. Zoning of protected cultivated land based on improved local indicators of spatial association[J]. Resources Science, 2016, 38(10): 1871-1882. (in Chinese with English abstract)

[30] 董玉紅，劉世梁，安南南，等. 基于景觀指數和空間自相關的吉林大安市景觀格局動態研究[J]. 自然資源學報，2015，30(11)：1860-1871.

Dong Yuhong, Liu Shiliang, An Nannan, et al. Landscape pattern in Da’an City of Jilin Province based on landscape indices and local spatial autocorrelation analysis[J]. Journal of Natural Resources, 2015, 30(11): 1860-1871. (in Chinese with English abstract)

Spatiotemporal differentiation characteristics of cultivated land use from persprctive of growing food crops in major grain production areas in northeast China

Song Ge, Zhang Wenqi

(,110169,)

Cultivated land is mostly used to raise crops, and thereby the evaluation of cultivated land use can be expected from the perspective of crop planting, in order to ensure the subsequent refined research of cultivated land use and food security. Taking Baiquan, Keshan and Yi'an county as the research areas, this study aims to extract the spatial distribution information of cultivated land use on major food crops, including maize, soybean, and rice, during the implementation period of national planting structure adjustment policy from 2016 to 2019. Sentinel-2 remote sensing data and random forest classification were used in this study. ArcGIS 10.2 software was selected to achieve the annual crop classification, ranging from dividing various cultivated land into regions, then to counting into the vector map spots of cultivated land. The spatial distribution map of cultivated land use on main grain crops from 2016 to 2019 was obtained with the plot as the statistical unit. Standard deviation ellipse and main center models were used to analyze the quantity and spatial differentiation characteristics of cultivated land use. In addition, the spatial exploratory analysis method was used to explore the spatial correlation of cultivated land use structure in 48 towns. The results show that: 1) During the research period, there was obvious change characteristics of “scissors difference” occurred in the planting area of soybean and maize, whereas, the planting area of rice basically remained stable, indicating the dominated implementation effect of maize reduction policy, while soybean and maize became the main food crops. The proportion of soybean planting in the total cultivated areas increased from 7.18% to 44.94%, whereas the maize planting decreased from 88.19% to less than 50%, and the rice planting remained at about 5% of the total cultivated areas. 2) The spatial distribution of cultivated land use demonstrated a typical dynamic pattern of “from northwest to southeast”. During the study period, the driving force of soybean distribution was strong, whereas the spatial distribution of maize was relatively constant. The main center of cultivated land use on soybean and maize was in the middle east of the study area. The center of land use on soybean crop shifted 27.17 km clockwise from east to south, while the center of land use on maize crop moved 25.52 km anticlockwise from west to south, possibly due to the policy implementation of planting structure adjustment from 2016 to 2019. 3) There was strong positive or negative spatial correlation among the structure variation of cultivated land use on main grain crops in the study areas. The area type of positive correlation mostly occurred in the form of cluster, indicating strong clustering and remarkable regional consistency. In the type of negative correlation, there was no obvious aggregation area, showing small number and sporadic distribution. The findings reveal the quantity and distribution features of major grain crops, particularly on soybean, maize, and rice, indicating the comprehensive situation of cultivated land utilization in the implementation period of planting structure adjustment policy in the study area. This study can provide a promising insightful reference for the regional planting structure adjustment and urban food security in the cultivated land use.

land use; remote sensing; cultivated land; food security; grain crops; temporal-spatial differentiation; major grain producing of northeast China

宋戈，張文琦. 糧食作物種植視角下東北糧食主產區耕地利用的時空分化特征[J]. 農業工程學報，2020，36(15)：1-8.doi：10.11975/j.issn.1002-6819.2020.15.001 http://www.tcsae.org

Song Ge, Zhang Wenqi. Spatiotemporal differentiation characteristics of cultivated land use from persprctive of growing food crops in major grain production areas in northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(15): 1-8. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.15.001 http://www.tcsae.org

2020-04-27

2020-05-29

國家自然科學基金（41971247，41571165）；國家社科基金重大項目（19ZDA096）；遼寧省自然資源科技創新項目（19LNZRZY28）

宋戈，博士，教授，博士生導師。主要研究方向為土地資源利用與管理。Email: songgelaoshi@163.com

10.11975/j.issn.1002-6819.2020.15.001

F301.21

A

1002-6819(2020)-15-0001-08