摘要：耕地動(dòng)態(tài)變化趨勢(shì)及其驅(qū)動(dòng)因子的明確，是確保國(guó)家糧食安全、水土資源合理開發(fā)利用和土地利用結(jié)構(gòu)調(diào)整的重要依據(jù)。以南疆阿拉爾墾區(qū)為例，基于1990—2019年間7個(gè)重要時(shí)期的Landsat衛(wèi)星遙感影像、人口、GDP等數(shù)據(jù)，將波譜角(spectralanglemapper,SAM)、神經(jīng)網(wǎng)絡(luò)(artificialneuralnet,ANN)、最小距離(minimumdistanceclassification,MDC)、最大似然(maximumlikelihoodclassification,MLC)和支持向量機(jī)(supportvectormachine,SVM)5種分類方法經(jīng)全連接條件隨機(jī)場(chǎng)(fullyconnectedconditionalrandomfield,FC—CRF)處理后進(jìn)行對(duì)比，從中篩選出最佳算法來解譯遙感影像，利用解譯結(jié)果分析耕地面積變化、類型轉(zhuǎn)化和空間動(dòng)態(tài)變化特征，并探討耕地面積變化的主要驅(qū)動(dòng)因子、作用路徑和強(qiáng)度。

　　結(jié)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(shù)為0.94，其他4類算法的總體精度為0.65~0.89，Kappa系數(shù)為0.58~0.86。研究區(qū)近30a耕地面積呈持續(xù)增長(zhǎng)趨勢(shì)，耕地面積凈增長(zhǎng)量為729.97km2(312.21%)，耕地轉(zhuǎn)入和轉(zhuǎn)出分別呈現(xiàn)出向外擴(kuò)張和向內(nèi)收縮趨勢(shì)。總?cè)丝凇�GDP、全社會(huì)固定資產(chǎn)投資、農(nóng)業(yè)生產(chǎn)總值和棉花價(jià)格是耕地面積變化的5個(gè)主要驅(qū)動(dòng)因子，其中GDP對(duì)耕地面積變化的直接影響最大，棉花價(jià)格的直接影響最小，除GDP對(duì)耕地面積表現(xiàn)為負(fù)向作用外，其他4個(gè)因子對(duì)耕地面積變化均表現(xiàn)為正向作用，5個(gè)因子的總體表現(xiàn)為正向作用。

　　關(guān)鍵詞：耕地變化;驅(qū)動(dòng)因子;遙感;Landsat;土地利用/覆被

　　0引言

　　自1990年來中國(guó)人口數(shù)量不斷增長(zhǎng)，出現(xiàn)了土地資源匱乏、糧食供應(yīng)不足、水資源減少、環(huán)境惡化等問題。中國(guó)作為發(fā)展中的農(nóng)業(yè)大國(guó)，耕地問題不僅限制著土地的合理利用，更與農(nóng)業(yè)發(fā)展和糧食安全息息相關(guān)，早有―民以食為天，食以農(nóng)為源，農(nóng)以土為本‖[1]的說法，可知耕地在糧食安全、社會(huì)經(jīng)濟(jì)發(fā)展、農(nóng)業(yè)可持續(xù)發(fā)展等方面占據(jù)著重要地位，是人類生存發(fā)展的物質(zhì)基礎(chǔ)[2]。

　　耕地論文范例：耕地流轉(zhuǎn)對(duì)農(nóng)戶水稻生產(chǎn)成本效率的影響研究

　　隨著自然因素和人為因素驅(qū)動(dòng)，中國(guó)耕地開發(fā)重心向西部轉(zhuǎn)移[3]。新疆土地遼闊，后備耕地資源豐富，近年來人口數(shù)量增加、機(jī)械化作業(yè)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(zhǎng)所帶來的糧食安全問題，但也引發(fā)了諸如人地矛盾、生態(tài)需水與農(nóng)業(yè)用水等矛盾。探明人口增長(zhǎng)背景下耕地變化趨勢(shì)及其驅(qū)動(dòng)因子，對(duì)保障糧食安全、促進(jìn)經(jīng)濟(jì)發(fā)展、緩解人地矛盾、實(shí)現(xiàn)環(huán)境保護(hù)及耕地可持續(xù)利用等方面均具有重要意義[4]。南疆阿拉爾墾區(qū)土壤鹽漬化嚴(yán)重，需要大量水資源淋洗土壤鹽分以滿足作物生長(zhǎng)條件，而墾區(qū)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(jìn)一步加劇了研究區(qū)生態(tài)用水不足、農(nóng)業(yè)用水過度及環(huán)境惡化等問題。

　　對(duì)研究區(qū)耕地變化信息進(jìn)行監(jiān)測(cè)，并分析影響耕地面積變化的驅(qū)動(dòng)因子，有利于耕地合理利用與可持續(xù)發(fā)展。傳統(tǒng)耕地調(diào)查基于實(shí)地勘探，不僅耗費(fèi)大量人力、物力和財(cái)力，且不適合大面積研究，而遙感技術(shù)因其覆蓋范圍廣、信息更新快、獲取便捷、成本低、利用價(jià)值高等優(yōu)勢(shì)成為耕地變化信息監(jiān)測(cè)的重要手段。

　　目前遙感技術(shù)已在多個(gè)方面得到廣泛應(yīng)用，如李景剛等[5]利用遙感技術(shù)對(duì)中國(guó)近20a間13省耕地變化信息進(jìn)行監(jiān)測(cè)，得出耕地面積變化主要由人類活動(dòng)影響的結(jié)論;楊桂山[6]利用遙感技術(shù)監(jiān)測(cè)了長(zhǎng)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(qū)動(dòng);Baoquan等[7]基于遙感技術(shù)分析了土地利用/覆被變化情況以及耕地面積增長(zhǎng)對(duì)自然環(huán)境造成的影響;Wang等[8]基于遙感技術(shù)分析了土地利用/覆被變化、生態(tài)環(huán)境和人類活動(dòng)之間的關(guān)系;禹絲思等[9]對(duì)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(shù)對(duì)超大城市空間進(jìn)行動(dòng)態(tài)監(jiān)測(cè)。以上研究為人們提供了良好的方法借鑒，但迄今針對(duì)南疆干旱區(qū)以灌溉農(nóng)業(yè)為主、水土矛盾突出、種植結(jié)構(gòu)以棉花和特色果林為主的綠洲農(nóng)業(yè)區(qū)域的相關(guān)研究甚少。

　　本文針對(duì)西北地區(qū)土壤鹽漬化、耕地結(jié)構(gòu)復(fù)雜、種植作物多樣的特點(diǎn)，以南疆阿拉爾墾區(qū)為典型研究區(qū)，基于最佳分類算法進(jìn)行遙感解譯并分析研究區(qū)土地利用/覆被變化情況，結(jié)合統(tǒng)計(jì)數(shù)據(jù)和氣象數(shù)據(jù)從人為因素和自然因素兩方面探討耕地面積與驅(qū)動(dòng)因子以及各驅(qū)動(dòng)因子之間的相互影響關(guān)系，探明驅(qū)動(dòng)因子對(duì)耕地面積的直接和間接影響程度，以期為阿拉爾墾區(qū)耕地信息監(jiān)測(cè)、合理利用和土地可持續(xù)發(fā)展提供科學(xué)依據(jù)，同時(shí)為西北類似干旱地區(qū)相關(guān)研究提供參考價(jià)值。

　　1研究區(qū)概況及數(shù)據(jù)源

　　1.1研究區(qū)概況

　　阿拉爾墾區(qū)(80°30′~81°58′E，40°22′~40°57′N，如圖1)位于中國(guó)新疆維吾爾自治區(qū)南疆地區(qū)，隸屬新疆生產(chǎn)建設(shè)兵團(tuán)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(zhǎng)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(shì)沿河道兩側(cè)有所抬升，西北高東南低呈綠洲帶狀分布。

　　研究區(qū)屬于暖溫帶極端大陸性干旱荒漠氣候，是典型綠洲農(nóng)業(yè)地區(qū)，日照率5869%、年均日照時(shí)數(shù)2556.3~2991.8h、年均蒸發(fā)量1876.6~2558.9mm、年均降水量40.1~82.5mm，光、溫、水和動(dòng)植物資源豐富。農(nóng)業(yè)用水以滴灌為主，有著得天獨(dú)厚的種植優(yōu)勢(shì)，是新疆主要的優(yōu)質(zhì)棉產(chǎn)區(qū)之一[11]。

　　2研究方法

　　2.1分類體系

　　為了區(qū)分不同地物類型，以期為阿拉爾墾區(qū)后備耕地資源定量分析提供可靠的數(shù)據(jù)支撐。本文結(jié)合阿拉爾墾區(qū)土地利用/覆被現(xiàn)狀、《新疆生產(chǎn)建設(shè)兵團(tuán)統(tǒng)計(jì)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(duì)比，建立適合于阿拉爾墾區(qū)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(jù)該分類體系建立相應(yīng)的分類樣本，各樣本點(diǎn)的分布遵循均勻、全方位覆蓋原則，各樣本所占的像素點(diǎn)個(gè)數(shù)分別為：耕地73940個(gè)、林草地31591個(gè)、園地35138個(gè)、水體31759個(gè)、建設(shè)用地7488個(gè)、沙地48816個(gè)、鹽堿地47711個(gè)、其他26503個(gè)，共302946個(gè)分類像元，由此樣本進(jìn)行用地分類。

　　3結(jié)果與分析

　　3.1分類結(jié)果與精度評(píng)價(jià)

　　使用SAM—CRF、ANN—CRF、MDC—CRF、MLC—CRF和SVM—CRF5種分類算法進(jìn)行分類處理，以總體精度(OverallAccuracy,OA)和卡帕(Kappa)系數(shù)作為評(píng)價(jià)指標(biāo)[21]，選取驗(yàn)證樣本對(duì)分類結(jié)果進(jìn)行精度驗(yàn)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(jié)果。SAM—CRF算法的OA為0.65，Kappa系數(shù)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(jié)果較好，這3種方法的總體精度為0.82~0.83，Kappa系數(shù)為0.77~0.86，SVM~CRF算法的精度最高，OA達(dá)到0.95，Kappa系數(shù)達(dá)到0.94。

　　4.結(jié)論

　　1)通過對(duì)SAM—CRF、ANN—CRF、MDC—CRF、MLC—CRF和SVM—CRF5種分類算法的精度比較，結(jié)果表明SVM—CRF算法的分類結(jié)果最佳(總體精度OA為0.95，Kappa系數(shù)為0.94)，SVM—CRF算法可以在原本分類精度較高的SVM算法基礎(chǔ)上，盡可能的避免了錯(cuò)分和漏分現(xiàn)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(xù)相關(guān)研究提供技術(shù)支持。

　　2)阿拉爾墾區(qū)耕地面積在近30a間呈持續(xù)增加趨勢(shì)，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(zhuǎn)換頻繁，其中耕地的增加區(qū)域主要分布在墾區(qū)西北及東南部，主要以開墾未利用地為主;耕地減少的區(qū)域主要分布在塔里木河沿岸地區(qū)，耕地主要被轉(zhuǎn)化成為園地和林草地。

　　3)阿拉爾墾區(qū)近30a耕地面積變化的主要驅(qū)動(dòng)因子為總?cè)丝凇�GDP、全社會(huì)固定資產(chǎn)投資、農(nóng)業(yè)生產(chǎn)總值和棉花價(jià)格，除GDP對(duì)耕地面積變化有負(fù)向作用外，其他均為正向作用，5個(gè)主要驅(qū)動(dòng)因子對(duì)研究區(qū)耕地面積整體表現(xiàn)為正向作用，這也是墾區(qū)近30a耕地面積不斷增加的主要原因。本文是以7個(gè)典型時(shí)間斷面進(jìn)行30a間的耕地變化分析，在各時(shí)間斷面之間的耕地變化情況沒能體現(xiàn)出來。因此，今后的相關(guān)研究將采用30a間連續(xù)時(shí)間序列遙感數(shù)據(jù)進(jìn)行耕地變化分析，從而能更全面反映研究區(qū)耕地的實(shí)際變化情況。

　　參考文獻(xiàn)(References)：

　　[1]趙曉麗,張?jiān)鱿?汪瀟,等.中國(guó)近30a耕地變化時(shí)空特征及其主要原因分析[J].農(nóng)業(yè)工程學(xué)報(bào),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