阿拉尔垦区近三十年耕地变化及其驱动因子分析

　　摘要：耕地动态变化趋势及其驱动因子的明确，是确保国家粮食安全、水土资源合理开发利用和土地利用结构调整的重要依据。以南疆阿拉尔垦区为例，基于1990—2019年间7个重要时期的Landsat卫星遥感影像、人口、GDP等数据，将波谱角(spectralanglemapper,SAM)、神经网络(artificialneuralnet,ANN)、最小距离(minimumdistanceclassification,MDC)、最大似然(maximumlikelihoodclassification,MLC)和支持向量机(supportvectormachine,SVM)5种分类方法经全连接条件随机场(fullyconnectedconditionalrandomfield,FC—CRF)处理后进行对比，从中筛选出最佳算法来解译遥感影像，利用解译结果分析耕地面积变化、类型转化和空间动态变化特征，并探讨耕地面积变化的主要驱动因子、作用路径和强度。

　　结果表明，在5种分类算法中，SVM—CRF算法的分类精度最高，总体精度为0.95，Kappa系数为0.94，其他4类算法的总体精度为0.65~0.89，Kappa系数为0.58~0.86。研究区近30a耕地面积呈持续增长趋势，耕地面积净增长量为729.97km2(312.21%)，耕地转入和转出分别呈现出向外扩张和向内收缩趋势。总人口、GDP、全社会固定资产投资、农业生产总值和棉花价格是耕地面积变化的5个主要驱动因子，其中GDP对耕地面积变化的直接影响最大，棉花价格的直接影响最小，除GDP对耕地面积表现为负向作用外，其他4个因子对耕地面积变化均表现为正向作用，5个因子的总体表现为正向作用。

　　关键词：耕地变化;驱动因子;遥感;Landsat;土地利用/覆被

　　0引言

　　自1990年来中国人口数量不断增长，出现了土地资源匮乏、粮食供应不足、水资源减少、环境恶化等问题。中国作为发展中的农业大国，耕地问题不仅限制着土地的合理利用，更与农业发展和粮食安全息息相关，早有―民以食为天，食以农为源，农以土为本‖[1]的说法，可知耕地在粮食安全、社会经济发展、农业可持续发展等方面占据着重要地位，是人类生存发展的物质基础[2]。

　　耕地论文范例：耕地流转对农户水稻生产成本效率的影响研究

　　随着自然因素和人为因素驱动，中国耕地开发重心向西部转移[3]。新疆土地辽阔，后备耕地资源丰富，近年来人口数量增加、机械化作业水平提高，大量后备耕地资源被开垦，在一定程度上解决了人口增长所带来的粮食安全问题，但也引发了诸如人地矛盾、生态需水与农业用水等矛盾。探明人口增长背景下耕地变化趋势及其驱动因子，对保障粮食安全、促进经济发展、缓解人地矛盾、实现环境保护及耕地可持续利用等方面均具有重要意义[4]。南疆阿拉尔垦区土壤盐渍化严重，需要大量水资源淋洗土壤盐分以满足作物生长条件，而垦区水源主要来自天山山脉和昆仑山山脉的冰雪资源，淡水资源有限，耕地面积的不断增加进一步加剧了研究区生态用水不足、农业用水过度及环境恶化等问题。

　　对研究区耕地变化信息进行监测，并分析影响耕地面积变化的驱动因子，有利于耕地合理利用与可持续发展。传统耕地调查基于实地勘探，不仅耗费大量人力、物力和财力，且不适合大面积研究，而遥感技术因其覆盖范围广、信息更新快、获取便捷、成本低、利用价值高等优势成为耕地变化信息监测的重要手段。

　　目前遥感技术已在多个方面得到广泛应用，如李景刚等[5]利用遥感技术对中国近20a间13省耕地变化信息进行监测，得出耕地面积变化主要由人类活动影响的结论;杨桂山[6]利用遥感技术监测了长江三角洲耕地近50a的变化情况，研究表明耕地变化受到人为因素和自然因素驱动;Baoquan等[7]基于遥感技术分析了土地利用/覆被变化情况以及耕地面积增长对自然环境造成的影响;Wang等[8]基于遥感技术分析了土地利用/覆被变化、生态环境和人类活动之间的关系;禹丝思等[9]对比不同分类算法后证明分类后处理能够有效提高分类精度，并利用遥感技术对超大城市空间进行动态监测。以上研究为人们提供了良好的方法借鉴，但迄今针对南疆干旱区以灌溉农业为主、水土矛盾突出、种植结构以棉花和特色果林为主的绿洲农业区域的相关研究甚少。

　　本文针对西北地区土壤盐渍化、耕地结构复杂、种植作物多样的特点，以南疆阿拉尔垦区为典型研究区，基于最佳分类算法进行遥感解译并分析研究区土地利用/覆被变化情况，结合统计数据和气象数据从人为因素和自然因素两方面探讨耕地面积与驱动因子以及各驱动因子之间的相互影响关系，探明驱动因子对耕地面积的直接和间接影响程度，以期为阿拉尔垦区耕地信息监测、合理利用和土地可持续发展提供科学依据，同时为西北类似干旱地区相关研究提供参考价值。

　　1研究区概况及数据源

　　1.1研究区概况

　　阿拉尔垦区(80°30′~81°58′E，40°22′~40°57′N，如图1)位于中国新疆维吾尔自治区南疆地区，隶属新疆生产建设兵团第一师。北起天山南部，南抵塔克拉玛干沙漠北部，西至柯坪县，东到沙雅县，东西长281km，南北宽180km，总面积4197.58km2，拥有胜利、上游和多浪三大水库，水资源库存5.18×108m3[10]。紧邻阿克苏河和塔里木河，地势沿河道两侧有所抬升，西北高东南低呈绿洲带状分布。

　　研究区属于暖温带极端大陆性干旱荒漠气候，是典型绿洲农业地区，日照率5869%、年均日照时数2556.3~2991.8h、年均蒸发量1876.6~2558.9mm、年均降水量40.1~82.5mm，光、温、水和动植物资源丰富。农业用水以滴灌为主，有着得天独厚的种植优势，是新疆主要的优质棉产区之一[11]。

　　2研究方法

　　2.1分类体系

　　为了区分不同地物类型，以期为阿拉尔垦区后备耕地资源定量分析提供可靠的数据支撑。本文结合阿拉尔垦区土地利用/覆被现状、《新疆生产建设兵团统计年鉴》中各师(局)土地利用情况以及新疆已有案例中的分类体系[16-17]，综合分析、对比，建立适合于阿拉尔垦区土地利用/覆被分类体系，包含耕地、林草地、园地等八类用地。以2019年为例，根据该分类体系建立相应的分类样本，各样本点的分布遵循均匀、全方位覆盖原则，各样本所占的像素点个数分别为：耕地73940个、林草地31591个、园地35138个、水体31759个、建设用地7488个、沙地48816个、盐碱地47711个、其他26503个，共302946个分类像元，由此样本进行用地分类。

　　3结果与分析

　　3.1分类结果与精度评价

　　使用SAM—CRF、ANN—CRF、MDC—CRF、MLC—CRF和SVM—CRF5种分类算法进行分类处理，以总体精度(OverallAccuracy,OA)和卡帕(Kappa)系数作为评价指标[21]，选取验证样本对分类结果进行精度验证，筛选出精度最高的算法，各分类算法的精度情况和分类结果。SAM—CRF算法的OA为0.65，Kappa系数为0.58，均为5种算法中最低;ANN—CRF、MDC—CRF和MLC–CRF这3种方法相较于SAM—CRF算法的精度有所提升，分类结果较好，这3种方法的总体精度为0.82~0.83，Kappa系数为0.77~0.86，SVM~CRF算法的精度最高，OA达到0.95，Kappa系数达到0.94。

　　4.结论

　　1)通过对SAM—CRF、ANN—CRF、MDC—CRF、MLC—CRF和SVM—CRF5种分类算法的精度比较，结果表明SVM—CRF算法的分类结果最佳(总体精度OA为0.95，Kappa系数为0.94)，SVM—CRF算法可以在原本分类精度较高的SVM算法基础上，尽可能的避免了错分和漏分现象，从而提高了分类精度，本文提出的SVM—CRF分类方法可为后续相关研究提供技术支持。

　　2)阿拉尔垦区耕地面积在近30a间呈持续增加趋势，耕地面积从233.81km2增加到963.76km2，净变化量为729.97km2(312.21%)。耕地与非耕地之间转换频繁，其中耕地的增加区域主要分布在垦区西北及东南部，主要以开垦未利用地为主;耕地减少的区域主要分布在塔里木河沿岸地区，耕地主要被转化成为园地和林草地。

　　3)阿拉尔垦区近30a耕地面积变化的主要驱动因子为总人口、GDP、全社会固定资产投资、农业生产总值和棉花价格，除GDP对耕地面积变化有负向作用外，其他均为正向作用，5个主要驱动因子对研究区耕地面积整体表现为正向作用，这也是垦区近30a耕地面积不断增加的主要原因。本文是以7个典型时间断面进行30a间的耕地变化分析，在各时间断面之间的耕地变化情况没能体现出来。因此，今后的相关研究将采用30a间连续时间序列遥感数据进行耕地变化分析，从而能更全面反映研究区耕地的实际变化情况。

　　参考文献(References)：

　　[1]赵晓丽,张增祥,汪潇,等.中国近30a耕地变化时空特征及其主要原因分析[J].农业工程学报,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，冯春晖，高琪，王明玥，吴家林，彭杰