時間:2021年03月16日 分類:文學論文 次數:
摘要:耕地動態變化趨勢及其驅動因子的明確,是確保國家糧食安全、水土資源合理開發利用和土地利用結構調整的重要依據。以南疆阿拉爾墾區為例,基于1990—2019年間7個重要時期的Landsat衛星遙感影像、人口、GDP等數據,將波譜角(spectralanglemapper,SAM)、神經網絡(artificialneuralnet,ANN)、最小距離(minimumdistanceclassification,MDC)、最大似然(maximumlikelihoodclassification,MLC)和支持向量機(supportvectormachine,SVM)5種分類方法經全連接條件隨機場(fullyconnectedconditionalrandomfield,FC—CRF)處理后進行對比,從中篩選出最佳算法來解譯遙感影像,利用解譯結果分析耕地面積變化、類型轉化和空間動態變化特征,并探討耕地面積變化的主要驅動因子、作用路徑和強度。
結果表明,在5種分類算法中,SVM—CRF算法的分類精度最高,總體精度為0.95,Kappa系數為0.94,其他4類算法的總體精度為0.65~0.89,Kappa系數為0.58~0.86。研究區近30a耕地面積呈持續增長趨勢,耕地面積凈增長量為729.97km2(312.21%),耕地轉入和轉出分別呈現出向外擴張和向內收縮趨勢。總人口、GDP、全社會固定資產投資、農業生產總值和棉花價格是耕地面積變化的5個主要驅動因子,其中GDP對耕地面積變化的直接影響最大,棉花價格的直接影響最小,除GDP對耕地面積表現為負向作用外,其他4個因子對耕地面積變化均表現為正向作用,5個因子的總體表現為正向作用。
關鍵詞:耕地變化;驅動因子;遙感;Landsat;土地利用/覆被
0引言
自1990年來中國人口數量不斷增長,出現了土地資源匱乏、糧食供應不足、水資源減少、環境惡化等問題。中國作為發展中的農業大國,耕地問題不僅限制著土地的合理利用,更與農業發展和糧食安全息息相關,早有―民以食為天,食以農為源,農以土為本‖[1]的說法,可知耕地在糧食安全、社會經濟發展、農業可持續發展等方面占據著重要地位,是人類生存發展的物質基礎[2]。
耕地論文范例:耕地流轉對農戶水稻生產成本效率的影響研究
隨著自然因素和人為因素驅動,中國耕地開發重心向西部轉移[3]。新疆土地遼闊,后備耕地資源豐富,近年來人口數量增加、機械化作業水平提高,大量后備耕地資源被開墾,在一定程度上解決了人口增長所帶來的糧食安全問題,但也引發了諸如人地矛盾、生態需水與農業用水等矛盾。探明人口增長背景下耕地變化趨勢及其驅動因子,對保障糧食安全、促進經濟發展、緩解人地矛盾、實現環境保護及耕地可持續利用等方面均具有重要意義[4]。南疆阿拉爾墾區土壤鹽漬化嚴重,需要大量水資源淋洗土壤鹽分以滿足作物生長條件,而墾區水源主要來自天山山脈和昆侖山山脈的冰雪資源,淡水資源有限,耕地面積的不斷增加進一步加劇了研究區生態用水不足、農業用水過度及環境惡化等問題。
對研究區耕地變化信息進行監測,并分析影響耕地面積變化的驅動因子,有利于耕地合理利用與可持續發展。傳統耕地調查基于實地勘探,不僅耗費大量人力、物力和財力,且不適合大面積研究,而遙感技術因其覆蓋范圍廣、信息更新快、獲取便捷、成本低、利用價值高等優勢成為耕地變化信息監測的重要手段。
目前遙感技術已在多個方面得到廣泛應用,如李景剛等[5]利用遙感技術對中國近20a間13省耕地變化信息進行監測,得出耕地面積變化主要由人類活動影響的結論;楊桂山[6]利用遙感技術監測了長江三角洲耕地近50a的變化情況,研究表明耕地變化受到人為因素和自然因素驅動;Baoquan等[7]基于遙感技術分析了土地利用/覆被變化情況以及耕地面積增長對自然環境造成的影響;Wang等[8]基于遙感技術分析了土地利用/覆被變化、生態環境和人類活動之間的關系;禹絲思等[9]對比不同分類算法后證明分類后處理能夠有效提高分類精度,并利用遙感技術對超大城市空間進行動態監測。以上研究為人們提供了良好的方法借鑒,但迄今針對南疆干旱區以灌溉農業為主、水土矛盾突出、種植結構以棉花和特色果林為主的綠洲農業區域的相關研究甚少。
本文針對西北地區土壤鹽漬化、耕地結構復雜、種植作物多樣的特點,以南疆阿拉爾墾區為典型研究區,基于最佳分類算法進行遙感解譯并分析研究區土地利用/覆被變化情況,結合統計數據和氣象數據從人為因素和自然因素兩方面探討耕地面積與驅動因子以及各驅動因子之間的相互影響關系,探明驅動因子對耕地面積的直接和間接影響程度,以期為阿拉爾墾區耕地信息監測、合理利用和土地可持續發展提供科學依據,同時為西北類似干旱地區相關研究提供參考價值。
1研究區概況及數據源
1.1研究區概況
阿拉爾墾區(80°30′~81°58′E,40°22′~40°57′N,如圖1)位于中國新疆維吾爾自治區南疆地區,隸屬新疆生產建設兵團第一師。北起天山南部,南抵塔克拉瑪干沙漠北部,西至柯坪縣,東到沙雅縣,東西長281km,南北寬180km,總面積4197.58km2,擁有勝利、上游和多浪三大水庫,水資源庫存5.18×108m3[10]。緊鄰阿克蘇河和塔里木河,地勢沿河道兩側有所抬升,西北高東南低呈綠洲帶狀分布。
研究區屬于暖溫帶極端大陸性干旱荒漠氣候,是典型綠洲農業地區,日照率5869%、年均日照時數2556.3~2991.8h、年均蒸發量1876.6~2558.9mm、年均降水量40.1~82.5mm,光、溫、水和動植物資源豐富。農業用水以滴灌為主,有著得天獨厚的種植優勢,是新疆主要的優質棉產區之一[11]。
2研究方法
2.1分類體系
為了區分不同地物類型,以期為阿拉爾墾區后備耕地資源定量分析提供可靠的數據支撐。本文結合阿拉爾墾區土地利用/覆被現狀、《新疆生產建設兵團統計年鑒》中各師(局)土地利用情況以及新疆已有案例中的分類體系[16-17],綜合分析、對比,建立適合于阿拉爾墾區土地利用/覆被分類體系,包含耕地、林草地、園地等八類用地。以2019年為例,根據該分類體系建立相應的分類樣本,各樣本點的分布遵循均勻、全方位覆蓋原則,各樣本所占的像素點個數分別為:耕地73940個、林草地31591個、園地35138個、水體31759個、建設用地7488個、沙地48816個、鹽堿地47711個、其他26503個,共302946個分類像元,由此樣本進行用地分類。
3結果與分析
3.1分類結果與精度評價
使用SAM—CRF、ANN—CRF、MDC—CRF、MLC—CRF和SVM—CRF5種分類算法進行分類處理,以總體精度(OverallAccuracy,OA)和卡帕(Kappa)系數作為評價指標[21],選取驗證樣本對分類結果進行精度驗證,篩選出精度最高的算法,各分類算法的精度情況和分類結果。SAM—CRF算法的OA為0.65,Kappa系數為0.58,均為5種算法中最低;ANN—CRF、MDC—CRF和MLC–CRF這3種方法相較于SAM—CRF算法的精度有所提升,分類結果較好,這3種方法的總體精度為0.82~0.83,Kappa系數為0.77~0.86,SVM~CRF算法的精度最高,OA達到0.95,Kappa系數達到0.94。
4.結論
1)通過對SAM—CRF、ANN—CRF、MDC—CRF、MLC—CRF和SVM—CRF5種分類算法的精度比較,結果表明SVM—CRF算法的分類結果最佳(總體精度OA為0.95,Kappa系數為0.94),SVM—CRF算法可以在原本分類精度較高的SVM算法基礎上,盡可能的避免了錯分和漏分現象,從而提高了分類精度,本文提出的SVM—CRF分類方法可為后續相關研究提供技術支持。
2)阿拉爾墾區耕地面積在近30a間呈持續增加趨勢,耕地面積從233.81km2增加到963.76km2,凈變化量為729.97km2(312.21%)。耕地與非耕地之間轉換頻繁,其中耕地的增加區域主要分布在墾區西北及東南部,主要以開墾未利用地為主;耕地減少的區域主要分布在塔里木河沿岸地區,耕地主要被轉化成為園地和林草地。
3)阿拉爾墾區近30a耕地面積變化的主要驅動因子為總人口、GDP、全社會固定資產投資、農業生產總值和棉花價格,除GDP對耕地面積變化有負向作用外,其他均為正向作用,5個主要驅動因子對研究區耕地面積整體表現為正向作用,這也是墾區近30a耕地面積不斷增加的主要原因。本文是以7個典型時間斷面進行30a間的耕地變化分析,在各時間斷面之間的耕地變化情況沒能體現出來。因此,今后的相關研究將采用30a間連續時間序列遙感數據進行耕地變化分析,從而能更全面反映研究區耕地的實際變化情況。
參考文獻(References):
[1]趙曉麗,張增祥,汪瀟,等.中國近30a耕地變化時空特征及其主要原因分析[J].農業工程學報,2014,30(3):1-11.ZhaoXL,ZhangZX,WangX,etal.Analysisofchinesecultivatedland’sspatial-temporalchangesandcausesinrecent30years[J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2014,30(3):1-11.
[2]WangYH,DaiEF,YinL,etal.Landuse/landcoverchangeandtheeffectsonecosystemservicesintheHengduanmountainregion,China[J].EcosystemServices,2018,34(A):55-67.
作者:宋奇,馮春暉,高琪,王明玥,吳家林,彭杰