基于遙感的海東市樂(lè)都區(qū)撂荒耕地空間分布特征研究

葉鵬帥，孫正輝，趙之重

（1.青海民族大學(xué)政治與公共管理學(xué)院，青海西寧 810007；2.青海大學(xué)農(nóng)牧學(xué)院，青海西寧 810016）

中國(guó)是農(nóng)業(yè)生產(chǎn)大國(guó)[1]。作為人類生存的物質(zhì)基礎(chǔ)，農(nóng)田在糧食生產(chǎn)和生物多樣性保護(hù)方面發(fā)揮著至關(guān)重要的作用。改革開(kāi)放以來(lái)，中央實(shí)施了一系列措施補(bǔ)充建成用地占用的耕地，以保持總面積的動(dòng)態(tài)平衡，如耕地戰(zhàn)略儲(chǔ)備制度、耕地征用補(bǔ)償平衡等[2]。但在過(guò)去十年中，耕地仍然發(fā)生了重大變化，有條件優(yōu)良的耕地被轉(zhuǎn)化為了建設(shè)用地，有退耕還林還草，有坡度高于2°的森林被清理用于耕種，也有各類其他用地轉(zhuǎn)化為耕地。在耕地再分配過(guò)程中，新增耕地逐漸向海拔較高、坡度較陡的地區(qū)轉(zhuǎn)移，坡耕地越來(lái)越普遍[3]。因此無(wú)論是開(kāi)發(fā)還是開(kāi)墾，高海拔、坡度較高的耕地補(bǔ)充，已成為耕地資源的重要組成部分，對(duì)保障糧食安全具有至關(guān)重要的作用。然而，現(xiàn)有的研究主要集中在平原地帶優(yōu)質(zhì)耕地的研究，對(duì)山區(qū)農(nóng)田是否得到長(zhǎng)期有效利用關(guān)注不夠[4]。

青海省海東市樂(lè)都區(qū)位于西北地區(qū)農(nóng)牧交錯(cuò)地帶，是青海省東部重要的農(nóng)業(yè)產(chǎn)業(yè)基地，但該區(qū)域大部分是坡耕地，與原始耕地相比，在機(jī)械化、大規(guī)模運(yùn)營(yíng)和農(nóng)業(yè)支持措施方面處于不利地位，限制了糧食產(chǎn)量，且隨著農(nóng)業(yè)生產(chǎn)材料和勞動(dòng)力成本的增加，坡耕地的糧食生產(chǎn)越來(lái)越具有高投入和低產(chǎn)出的特征[5]。當(dāng)產(chǎn)量不符合農(nóng)民的期望時(shí)，條件較差的耕地往往會(huì)被撂荒。耕地撂荒破壞了耕地利用的連續(xù)性，是對(duì)土地資源的嚴(yán)重浪費(fèi)，對(duì)糧食生產(chǎn)和生態(tài)平衡產(chǎn)生了巨大影響。因此本文通過(guò)識(shí)別研究區(qū)耕地的撂荒情況，分析青海省東部農(nóng)牧交錯(cuò)地帶撂荒耕地的空間分布格局及其變化，量化耕地的連續(xù)性，以期為該區(qū)域合理管理耕地利用、保障未來(lái)糧食安全提供依據(jù)。

1 研究區(qū)概況

樂(lè)都區(qū)是海東市的縣轄區(qū)，位于青海省東部湟水河中下游，全區(qū)轄7鎮(zhèn)12鄉(xiāng)，總面積3 050 km2（圖1，102°09′～102°47′E，36°16′～36°46′N）。農(nóng)作物分布在這一地區(qū)，主要類型為小麥、馬鈴薯、油菜等[6]。該區(qū)地貌以山地為主，地勢(shì)錯(cuò)綜復(fù)雜，氣候不穩(wěn)定，云層干擾頻繁，耕地主要分布于湟水河兩岸和南北山地，海拔相差最大可達(dá)2 644 m。此外該區(qū)域經(jīng)濟(jì)不發(fā)達(dá)，人均GDP 遠(yuǎn)低于全國(guó)平均水平，高比例的農(nóng)民工不再?gòu)氖罗r(nóng)業(yè)工作，這可能導(dǎo)致疏于管理的耕地被撂荒。

圖1 樂(lè)都區(qū)地理位置及地勢(shì)示意圖

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

本研究所用遙感數(shù)據(jù)為Sentinel-2 遙感影像（分辨率為10 m），來(lái)源于GEE 平臺(tái)（https://earthengine.google.com/），Google Earth Engine（GEE）集成了大規(guī)模遙感影像數(shù)據(jù)和現(xiàn)有的分類產(chǎn)品，以及大量的函數(shù)和現(xiàn)有算法，可應(yīng)用于大規(guī)模土地監(jiān)測(cè)[7]。本文所用NDVI 數(shù)據(jù)基于Sentinel-2 影像，通過(guò)波段計(jì)算獲取得到月最大值NDVI合成數(shù)據(jù)，時(shí)間序列NDVI數(shù)據(jù)將用于撂荒地識(shí)別。研究區(qū)邊界矢量數(shù)據(jù)來(lái)源于國(guó)家基礎(chǔ)地理信息中心(www.webmap.cn)，樂(lè)都區(qū)第三次全國(guó)國(guó)土調(diào)查數(shù)據(jù)來(lái)源于青海省自然資源廳（https://zrzyt.qinghai.gov.cn/index）。

2.2 研究方法

2.2.1 NDVI變化監(jiān)測(cè)

NDVI（歸一化植被指數(shù)）是一種廣泛用于遙感影像分析的指標(biāo)，可用于估算植被覆蓋度和生長(zhǎng)狀況[8]。該指標(biāo)基于植被對(duì)不同波長(zhǎng)的反射率的變化來(lái)計(jì)算，可以通過(guò)計(jì)算近紅外波段和紅色波段之間的比率來(lái)獲得。NDVI 的值范圍從-1～1，值越高表示植被覆蓋度越高。NDVI 的變化監(jiān)測(cè)通常用于研究植被的生長(zhǎng)和變化趨勢(shì)，例如在不同季節(jié)或多年的時(shí)間段內(nèi)監(jiān)測(cè)植被覆蓋度的變化。

本文基于農(nóng)作物的生長(zhǎng)周期以季度變化構(gòu)建NDVI 時(shí)間序列數(shù)據(jù)，通過(guò)比較不同時(shí)間段內(nèi)的NDVI圖像來(lái)實(shí)現(xiàn)，以確定植被的生長(zhǎng)或退化情況。具體內(nèi)容為基于樂(lè)都區(qū)2019年三調(diào)耕地圖斑，隨機(jī)選取三調(diào)屬性表中耕種樣本和未耕種樣本各50個(gè)，通過(guò)對(duì)比研究區(qū)耕種樣本和非耕種樣本春夏NDVI 值變化的差異（表1），確定兩種地類的最佳分割點(diǎn)。然后連續(xù)調(diào)整分割點(diǎn)直到所有的樣本歸類到對(duì)應(yīng)的樣本集中，最終確定分割閾值為0.33。

表1 不同時(shí)相地物NDVI差值運(yùn)算結(jié)果

本文中，我們將耕地一年以內(nèi)未種植的情況叫作輪休，持續(xù)時(shí)間超過(guò)一年未種植的情況我們作做撂荒。通過(guò)運(yùn)用ArcGIS 軟件，對(duì)研究區(qū)的NDVI 數(shù)據(jù)進(jìn)行耕地區(qū)域的掩膜處理，得到耕地地塊的NDVI 數(shù)值，對(duì)該NDVI 數(shù)值進(jìn)行春夏和夏秋的差值運(yùn)算，并進(jìn)行重分類。把NDVI 差值大于0.33 的判定為本年度耕種地塊，小于0.33 的判定為本年度未耕種地塊，將相鄰年份未耕種地塊進(jìn)行疊加，重疊的地塊判定為撂荒地，沒(méi)有重疊的地塊判定為當(dāng)年未耕種，具體撂荒地提取流程圖如圖2。

圖2 撂荒地提取流程

2.2.2 核密度分析

核密度分析是一種空間數(shù)據(jù)分析方法，用于確定數(shù)據(jù)分布在空間上的密度模式[9]。在核密度分析中，數(shù)據(jù)集被視為一組離散的事件，這些事件被認(rèn)為在空間上隨機(jī)分布。該分析可以確定在給定區(qū)域內(nèi)存在哪些地方有更高的密度，并可用于探究某一現(xiàn)象的分布模式和熱點(diǎn)區(qū)域的空間分布。本研究通過(guò)ArcGIS 軟件Spatial Analyst Tools 中“Density”下 的“Kernel Density”分析工具對(duì)研究區(qū)撂荒耕地點(diǎn)狀數(shù)據(jù)按搜索半徑為3 km 進(jìn)行核密度分析。然后再在ArcGIS 里利用自然裂點(diǎn)法將核密度分析結(jié)果重分類成5 個(gè)級(jí)別，按照核密度從小到大依次為低密度區(qū)、中低密度區(qū)、中密度區(qū)、中高密度區(qū)和高密度區(qū)。

2.2.3 空間自相關(guān)分析

空間自相關(guān)分析是一種用于研究地理空間數(shù)據(jù)中空間相關(guān)性的統(tǒng)計(jì)方法[10]，其基本思想是檢測(cè)地理空間數(shù)據(jù)集中的觀測(cè)值之間的相似性或相關(guān)性，通常使用空間權(quán)重矩陣來(lái)量化觀測(cè)值之間的空間鄰近性，然后計(jì)算各個(gè)觀測(cè)值與其鄰近觀測(cè)值之間的相關(guān)性指標(biāo)。本研究采用全局自相關(guān)分析和冷熱點(diǎn)分析來(lái)研究區(qū)域撂荒耕地空間集聚性，二者分別用Moran'sI和Getis-OrdGi*指數(shù)進(jìn)行分析。

1）全局自相關(guān)分析。本研究用全局自相關(guān)分析了解研究區(qū)撂荒地集中的空間模式和集聚程度，判斷研究區(qū)撂荒地是否集聚。全局Moran'sI的取值范圍為-1～1，其中正值表示正相關(guān)性且分布集聚，負(fù)值表示負(fù)相關(guān)性且呈分散型分布，而接近于0 的值表示不存在空間自相關(guān)。定義如下：

全局Moran'sI指數(shù)：

式中，zi、zj分別為撂荒耕地圖斑i、j的面積與其平均值的偏差；wij為撂荒耕地圖斑i和j的空間權(quán)重；S0為所有空間權(quán)重集合；n為撂荒耕地圖斑總數(shù)；Z為標(biāo)準(zhǔn)化值；E[I]和V[I]分別為期望值和方差。

2）冷熱點(diǎn)分析。冷熱點(diǎn)分析能夠識(shí)別和定量評(píng)估撂荒耕地空間集聚的范圍和集聚程度。進(jìn)行GIS 冷熱點(diǎn)分析的常用方法之一是基于空間統(tǒng)計(jì)指標(biāo)的Getis-OrdGi*統(tǒng)計(jì)量。Gi*為正時(shí)，表示出現(xiàn)熱點(diǎn)集聚，Gi*越大說(shuō)明高值集聚程度越高；當(dāng)Gi*為負(fù)時(shí)，表示出現(xiàn)冷點(diǎn)集聚，Gi*越小說(shuō)明低值聚類緊密。其計(jì)算公式為：

式中，xi、xj分別為撂荒耕地圖斑i和j的面積。

3 結(jié)果與分析

3.1 撂荒耕地分布及變化

研究區(qū)2019—2022 年撂荒地空間分布如圖3 所示，從整體分布來(lái)看，撂荒地主要集中在東部地區(qū)和湟水河向南北輻射的山間道路，這是因?yàn)椴糠制赂仄露容^大且遠(yuǎn)離居民點(diǎn)，難以利用機(jī)械進(jìn)行耕種，導(dǎo)致撂荒耕地分布較為集中；部分年份處于湟水河兩岸的城鎮(zhèn)地區(qū)撂荒地也較為集中，這是因?yàn)椴糠帜攴莩鞘袛U(kuò)張城鎮(zhèn)建設(shè)用地占用耕地導(dǎo)致耕地處于常年撂荒的現(xiàn)象。研究區(qū)2019—2022年份的撂荒地面積和撂荒率如表2 所示，整體來(lái)看近些年份研究區(qū)耕地撂荒率較為穩(wěn)定且有持續(xù)變好的現(xiàn)象，這也與政府部門(mén)對(duì)耕地的持續(xù)重視和相關(guān)土地政策實(shí)施有關(guān)。

表2 樂(lè)都2019—2022年撂荒地統(tǒng)計(jì)

圖3 撂荒地分布圖

3.2 撂荒耕地核密度分析

對(duì)研究區(qū)2020年撂荒地塊進(jìn)行核密度分析，結(jié)果如圖4 所示。由圖可知，研究區(qū)撂荒耕地分布具有集聚性，撂荒耕地核密度最大值3.04 點(diǎn)/km2，最小值為0，平均值為0.27點(diǎn)/km2。研究區(qū)中密度區(qū)域集中在共和鄉(xiāng)、碾伯鎮(zhèn)、蒲臺(tái)鄉(xiāng)和洪水鎮(zhèn)，高密度區(qū)域集中在洪水鎮(zhèn)。通過(guò)實(shí)地和Google Earth Pro 軟件中影像對(duì)這些區(qū)域的了解，碾伯鎮(zhèn)處于湟水河兩岸的城鎮(zhèn)地區(qū)，城鎮(zhèn)化的建設(shè)是導(dǎo)致該地區(qū)撂荒的最大因素。共和鄉(xiāng)、蒲臺(tái)鄉(xiāng)和洪水鎮(zhèn)的耕地大部分處于湟水河向南北山地輻射的山區(qū)道路兩側(cè)，這些地區(qū)的耕地的坡度更大，離居民點(diǎn)相對(duì)較遠(yuǎn)且地塊較為碎片化，農(nóng)耕機(jī)具很難得到利用，這也是該地區(qū)撂荒地較為集中的原因。

圖4 研究區(qū)撂荒耕地核密度分布

3.3 撂荒耕地空間自相關(guān)分析

1）全局自相關(guān)分析。本文基于核密度值做研究區(qū)撂荒地空間自相關(guān)分析，運(yùn)用Geoda 軟件對(duì)研究區(qū)撂荒耕地進(jìn)行全局自相關(guān)分析。結(jié)果顯示，Moran'sI為0.519 0，Z-value值為5.403 1。表明研究區(qū)撂荒地核密度在空間上呈集聚分布的態(tài)勢(shì)。

2）冷熱點(diǎn)分析。本文基于核密度值，利用ArcGIS 的“Hot Spot Anal-ysis（Getis-OrdGi*）”工具對(duì)研究區(qū)撂荒耕地進(jìn)行冷熱點(diǎn)分析，結(jié)果顯示，研究區(qū)撂荒耕地Gi*指數(shù)為-1.546 18～2.773 27，根據(jù)Gi*指數(shù)值的大小，利用自然裂點(diǎn)法將冷熱點(diǎn)分析結(jié)果重分類成5 級(jí)（圖5）。研究區(qū)低集聚區(qū)和較低集聚區(qū)屬于冷點(diǎn)區(qū)，高集聚區(qū)和較高集聚區(qū)屬于熱點(diǎn)區(qū)，其中低集聚區(qū)分布在下?tīng)I(yíng)藏族鄉(xiāng)、城臺(tái)鄉(xiāng)和峰堆鄉(xiāng)，較低集聚區(qū)分布在瞿曇鎮(zhèn)、李家鄉(xiāng)、馬營(yíng)鄉(xiāng)和中嶺鄉(xiāng)，較高集聚區(qū)分布在達(dá)拉土族鄉(xiāng)、壽樂(lè)鎮(zhèn)、雨潤(rùn)鎮(zhèn)、碾伯鎮(zhèn)和中壩藏族鄉(xiāng)，高集聚區(qū)分布在高廟鎮(zhèn)、洪水鎮(zhèn)和蒲臺(tái)鄉(xiāng)。從空間分布來(lái)看，熱點(diǎn)區(qū)域主要分布在湟水河兩岸的城鎮(zhèn)地區(qū)和研究區(qū)東南部，前者是由于城鎮(zhèn)化建設(shè)導(dǎo)致農(nóng)用地被占用，后者是由于該地區(qū)地形破碎復(fù)雜，溝壑縱橫，耕作條件較差且遠(yuǎn)離居民點(diǎn)，從而導(dǎo)致耕地被撂荒；冷點(diǎn)區(qū)域主要集中在南北的鄉(xiāng)鎮(zhèn)，這是由于研究區(qū)南北山地海拔較高，但坡耕地的坡度更為平緩，也使得該地區(qū)耕地被撂荒的情況較輕。

圖5 研究區(qū)撂荒耕地空間集聚性分布

4 結(jié)論

以全國(guó)第三次土地調(diào)查中的耕地土地利用圖對(duì)遙感圖像進(jìn)行掩膜，去除耕地范圍外的變化地物干擾，僅在耕地范圍內(nèi)提取撂荒地，并使用Sentinel 系列（分辨率為10 m）數(shù)據(jù)提取的NDVI數(shù)據(jù)進(jìn)行撂荒地識(shí)別提取，相較于二調(diào)數(shù)據(jù)和遙感解譯提取耕地信息結(jié)果準(zhǔn)確性更高。結(jié)果顯示：研究區(qū)耕地整體撂荒率近些年相對(duì)穩(wěn)定，雖有起伏但沒(méi)有大的變化，從空間分布圖和撂荒地核密度分析及空間自相關(guān)分析結(jié)果來(lái)看，研究區(qū)耕地主要分布在南北山地和沿湟水河兩岸，而撂荒地主要集中在湟水河向南北輻射的山間道路兩側(cè)，這與研究區(qū)的地形地勢(shì)有很大的關(guān)系。湟水河兩岸土地相對(duì)平整，部分年份因?yàn)槌鞘薪ㄔO(shè)占用耕地導(dǎo)致撂荒地較為集中；在通向南北山地的山間地帶，由于坡耕地坡度較大導(dǎo)致很多耕地常年被撂荒，這其中有耕作條件的限制，也有當(dāng)?shù)鼐用癯Ｄ暌蕾嚨霓r(nóng)作物收入較低轉(zhuǎn)至其他方式就業(yè)而導(dǎo)致撂荒的因素。

耕地撂荒的原因主要受有人類活動(dòng)和自然環(huán)境的影響。高海拔且耕地地面的不平整導(dǎo)致了山區(qū)耕地的碎片化，從而抑制了規(guī)模化種植，導(dǎo)致很多耕地常年疏于管理被撂荒。而山區(qū)經(jīng)濟(jì)的發(fā)展滯緩，使得城鄉(xiāng)遷移，農(nóng)業(yè)活動(dòng)勞動(dòng)力短缺，進(jìn)一步導(dǎo)致了耕地撂荒現(xiàn)象的加劇。鑒于撂荒耕地在研究區(qū)的分布，政府應(yīng)采取有針對(duì)性的措施，改善耕地利用。政府應(yīng)進(jìn)一步增加對(duì)農(nóng)村農(nóng)業(yè)的補(bǔ)貼，縮小收入差距；應(yīng)建立相應(yīng)的耕地出讓制度以減少人為因素造成的耕地碎片化，加強(qiáng)集聚分散耕地，提高農(nóng)業(yè)投入產(chǎn)出比，從而保障國(guó)家糧食安全。