基于分形理论的撂荒耕地和未撂荒耕地空间分布研究

【目的】探讨撂荒地的影响因素和空间格局,为解决撂荒问题提供参考。【方法】借助 分形理论对研究区道路、水系、居民点和不同高程、坡度、坡向范围的撂荒耕地和未撂荒耕 地的信息维数计算,并与撂荒耕地和未撂荒耕地在不同地形要素下的面积、地块百分比对 比。【结果/ 结论】撂荒耕地空间分布比未撂荒耕地的空间分布更均匀;区内撂荒耕地和未 撂荒耕地的空间格局与水系基本一致;不同高程对范围内撂荒耕地和未撂荒耕地的空间格局 不一致;坡度大于25° 的耕地最容易撂荒,且空间范围分布最集中;6°~15° 的地块最不易撂 荒,但空间格局相对较分散;阴坡的耕地撂荒现象最严重,且分布集中;未撂荒耕地不具备 明显的坡向特征。     

基于MaxEnt模型提取撂荒耕地——以四川省武胜县为例

在乡镇尺度厘清商品粮生产基地的撂荒耕地问题,对耕地保护和粮食安全具有重要意义。基于国产GF-1号遥感影像,耦合撂荒耕地的影响因子及影像波谱信息,以撂荒耕地问题较为突出的四川省武胜县为案例区域,探索应用MaxEnt模型提取常年性、季节性撂荒耕地信息的潜力,揭示撂荒耕地时空分异规律及其影响因素。结果表明,MaxEnt模型识别撂荒耕地的受试者工作特征曲线下面积（AUC）值均大于0.9,混淆矩阵总精度大于80%,季节性撂荒耕地面积与统计年鉴的相对误差不超过10%。受高程影响,常年性撂荒耕地主要集中分布于海拔超过300 m的丘陵山区,少数零星分散于嘉陵江两岸地势低缓的地区;季节性撂荒耕地各镇均普遍分布,局部呈片状分布特征。在2015—2018年研究时段内,常年性、季节性撂荒耕地面积和撂荒耕地总面积均保持平稳态势。研究认为,MaxEnt模型在提取撂荒耕地信息方面具有较大的应用潜力和优势;常年性与季节性撂荒耕地具有不同的空间分异特征,前者归因于海拔、交通及灌溉条件,后者归因于海拔、耕作半径和灌溉条件。研究丰富了基于遥感影像提取撂荒耕地信息的方法,增强了撂荒耕地时空分异特征与归因的认知,为乡村耕地合理利用与管理的实践提供理论支撑。     

基于GEE的陕西关中西部耕地季节性撂荒时空变化特征

【目的】研究陕西关中西部耕地季节性撂荒的时空变化特征,揭示其驱动机制,旨在为有效遏制耕地季节性撂荒,保障国家粮食安全提供参考。【方法】基于谷歌地球引擎（Google Earth Engine,GEE）平台的Landsat和Sentinel-2遥感影像,采用随机森林分类算法,对位于陕西关中西部的宝鸡扶风县、岐山县、凤翔区及陈仓区的部分区域2000-2020年耕地季节性（7-10月）撂荒的时空变化特征进行了分析。【结果】2000-2020年陕西关中西部耕地撂荒可以明显地划分为3个阶段：2000-2002年为快速增加阶段,耕地季节性撂荒呈现快速扩大趋势,撂荒率和撂荒面积分别由9.58%,16 578.83 hm²上升到了的55.85%,96 699.52 hm²;2002-2013年为波动升高阶段,耕地经历了短暂复耕又撂荒的过程,2013年耕地撂荒率和撂荒面积均攀升到了最高点,分别为63.10%,109 256.78 hm²;2013年之后为缓慢复耕阶段,耕地季节性撂荒面积逐年减少,到2020年撂荒率和撂荒面积分别为18.22%,31 554.94 hm²,撂荒面积较2013年减少约70 000 hm²,但撂荒地面积仍高于2000年。从空间分布来看,2000-2020年陕西关中西部耕地季节性撂荒面积的增加呈现由研究区周边向中心靠拢的趋势,撂荒地复耕面积的变化则相反,这与研究区北部是山地、南部是渭河、西部是千河的地貌分布有关,越靠近边缘,交通、灌溉条件越差,越易于更早撂荒。【结论】探明了陕西关中西部耕地季节性撂荒的时空变化特征,其与经济发展、政策制度和自然因素等密切相关。     

不同类型村庄撂荒耕地景观格局特征对比分析

耕地撂荒已经成为农业发展的一大问题,利用景观格局研究不同类型村庄撂荒耕地特征。选取和顺县义兴镇西北方向四个村为研究区,采用农村土地承包经营权确权数据成果,利用ArcGIS10.1及景观格局指数,进行不同类型村庄撂荒耕地景观斑块特征及空间特征对比分析。结果表明,撂荒耕地面积占景观总面积比重大、撂荒情况严重、斑块破碎,但形状简单规则且聚集度高,易于开发再利用;与耕作景观相比,撂荒景观破碎、形状复杂、分布离散,但有个别村例外;不同类型村庄撂荒耕地特征存在差异,与村庄的自然环境和社会发展特征对撂荒耕地景观有很大影响。运用承包地确权数据进行撂荒地块的景观格局分析,可以精确掌握撂荒地块特征,提高耕地利用率,支持农地流转和整理工作实现规模化农业生产,发展农村经济。     

不同特点村庄撂荒耕地景观格局特征对比分析——以太行山区为例

研究小尺度撂荒耕地景观格局有利于准确掌握撂荒耕地特征并进行空间格局调控,提高耕地利用率,为发展农村经济提供重要依据。利用ArcGIS 10.1及景观指数,采用农村土地承包经营权确权数据,对不同特点村庄的撂荒耕地从不同景观层次进行斑块特征及空间特征分析。结果表明,在斑块层次上,城边村和偏远村与工矿产业村、农产业村相比,大部分撂荒地块面积小,分布离散,但是各村形状都呈简单规则分布;与斑块层次相比,类型层次撂荒地块斑块面积较大、破碎程度较小,地块形状较复杂,聚集程度更大;在类型层次中,相同行政尺度下不同类型村庄撂荒耕地景观格局特征存在明显差异性,并针对不同特点的村庄提出有针对性的措施。     

岩溶槽谷区撂荒耕地空间分异特征及其驱动因子

以地处岩溶槽谷区的贵州省铜仁市碧江区和万山区为研究区,以2017年土地利用变更调查数据库和2019年高分遥感影像为基础,经目视解译和野外实地调查获取撂荒耕地数据,运用热点分析揭示撂荒耕地的空间分异特征,并采用二分类Logistic回归模型分析撂荒耕地的驱动因子。结果表明:研究区耕地总体撂荒率为17.32%,旱地撂荒率比水田高,分别为23.54%和9.52%。撂荒水田的极热点区分布于西南部和东北部的城乡结合部乡镇,冷点区空间分布规律不明显;撂荒旱地的极热点区分布于西部和东北部的城乡结合部乡镇,极冷点区和冷点区主要分布于东部乡镇。水田和旱地撂荒的驱动因子大致相同,但主次有所差异。水田撂荒的驱动因子从高到低依次为地块面积>距聚落距离>坡度>灌溉距离>交通距离>高程>地块形状指数,旱地撂荒的驱动因子从高到低依次为距聚落距离>地块面积>坡度>灌溉距离>高程>交通距离>地块形状指数。总体而言,岩溶槽谷区耕地撂荒的主要驱动因子是距聚落距离,说明劳动力析出、农村空心化是影响耕地撂荒的主要原因。同时,地块面积、坡度、灌溉距离等也与耕地撂荒密切相关。     

不同类型农户耕地撂荒行为及其影响因素研究——以甘肃省通渭县义岗川镇为例

运用多元线性回归的研究方法,探究不同类型农户耕地撂荒行为及其影响因素。结果表明,不同类型农户的耕地撂荒行为及其影响因素存在差异。蜕变型农户的撂荒比重最高、户均撂荒面积最大,生产型农户的撂荒比重最低、户均撂荒面积最小;耕地总面积和耕地质量对每类农户的影响效果较为相似,农户的耕地总面积越多、耕地质量越差,撂荒面积就越大;道路情况和自然灾害对每类农户耕地撂荒的影响普遍较小。     

基于GIS-Logistic耦合模型的广河县土地利用变化及其驱动因素分析

【目的】探究甘肃省广河县土地利用演变规律和驱动机制.【方法】基于GIS平台,运用土地利用转移矩阵模型、二元Logistic回归模型和ROC诊断曲线,研究了2009-2014年广河县土地利用类型分布及其变化的特征,分析了影响耕地、林地、草地、建设用地、水域和未利用地分布的关键影响因素.【结果】2009-2014年间,广河县耕地、草地、林地面积有所减少,建设用地面积增加,其中耕地向建设用地转移的面积占总转移量的51.14%,草地向耕地转移的面积占总转移量的33.17%.通过ROC检验得到各种土地类型的拟合度分别为:耕地0.645,林地0.717,草地0.797,建设用地0.954,水域0.942,未利用地0.978,拟和结果较满意.【结论】广河县以耕地与草地为主,呈西南耕东北草分布.2009-2014年间,呈现各土地利用类型向建设用地转移的趋势,其中耕地是建设用地主要转入源,草地是耕地主要补给源.影响耕地分布的关键因素是坡度、高程和人口密度;影响林地分布的关键因素是地形位、坡度和人均纯收入;影响草地分布的关键因素是地形位;影响建设用地分布的关键因素是距村庄距离;影响水域分布的关键因素是高程;影响未利用地分布的关键因素是地形位、高程、人均纯收入、距建制镇的距离和距采矿用地的距离.     

基于GIS的撂荒地空间分布格局:以四川省渠县青龙乡为例

为撂荒地的有效治理提供依据,以航拍图片、外业实地调查数据和1∶10 000地形图为基础,利用青龙乡撂荒地分布现状GIS矢量图,采用核密度和空间自相关分析法,研究四川省渠县青龙乡撂荒地的空间分布格局。结果表明:1)青龙乡撂荒地主要分布在地形起伏大的西部、西南部、南部和北部,地形因素对耕地撂荒影响显著。2)青龙乡撂荒地核密度的最大值为1 333点/km2,最小值为24点/km2。高密度区全部分布在青龙乡的西部,中高密度区主要分布在西部、南部和东部部分区域;中密度区分布范围最广,在全乡均有分布,主要集中在西北部、东部和南部;中低密度区分布范围仅次于中密度区,在全乡也均有分布;低密度区则分布在中部部分区域及边缘区域。3)青龙乡撂荒地空间上存在集聚性,且有22个热点区,37个冷点区,16个不显著区。其中,热点区主要集中在青龙乡高海拔且地势起伏大的南部、西南部和西部,而冷点区则主要集中在地势相对较平缓的中部、北部的近中部和东南部。     

青藏高原东北部耕地撂荒影响因素分析——以湟水上游为例

随着社会经济的发展和城乡发展快速推进,全球范围内耕地撂荒已成为土地利用和覆被变化的重要趋势之一,深刻改变了农村土地景观,对农村经济可持续发展也产生重要影响。本文利用湟水流域上游36个样本村农户的调查问卷数据,在农户类型划分的基础上,运用logistic多元线性回归模型,从自然、社会等方面分析不同类型农户撂荒耕地的原因,探讨其主要影响因素。结果表明,湟水上游耕地撂荒比较普遍,撂荒农户占比为10.74%,所有农户撂荒面积占总耕地面积比为3.08%,但撂荒农户撂荒面积占撂荒农户耕地面积比高达24.01%,撂荒地主要集中在峡口附近和农牧交错带,平坦地区和距离西宁市较近的地区撂荒较少。耕地撂荒的主要因素为耕地坡陡无法开展机械作业、土地贫瘠和耕地距离远3种;在众多影响因素中自然因素占据主导,其次是农户自身特征因素,最后是社会经济因素。农户会根据耕地特征和自身条件将耕地效益发挥到最大化,同时也会结合现实条件对耕地进行选择性撂荒,故耕地撂荒情况在不同类型农户之间差异明显。不稳定型农户户均撂荒面积最少,稳定型次之,基本型最多。而拥有耕地的数量以及转出面积和退耕面积是不同类型农户撂荒的主要影响因素。同时,研究区内退耕耕地并未完全落实,导致大面积耕地处于荒芜状态。因此,提出需加强耕地保护和补偿、完善土地流转等相关法律制度,大力建设具有农村特色的可持续发展经济模式等建议。     

基于地形梯度的农户耕地经营规模分布特征研究

在江西省奉新县农村土地承包经营权确权调查资料基础上,利用相关分析法、回归分析法、地理信息系统(geographic information system,简称GIS)空间分析法,引入地形位指数和分布指数,对奉新县农户的耕地经营规模在不同地形梯度上的分布特征进行了研究。研究结果:(1)奉新县全县49 891户农户的平均耕地规模为6.31块/户,6 644.55 m2/户,81.63%的农户耕地承包地块数在10块以内,82.65%的农户耕地承包面积在1 hm2以内;(2)农户耕地经营规模受地形位影响较为明显,与地形位指数存在负相关关系。耕地承包地块数在10块以上或者耕地承包面积在1 hm2以上的农户,其耕地的分布指数都在地形位指数等级1的区域达到最大值,即主要分布在高程低、坡度小的区域并占据主体地位,随着地形位指数的增加,主体地位迅速被农户耕地经营规模较小的取代;(3)不同等级的农户耕地承包地块数和承包面积在不同地形上有着各自的分布特征和主体分布等级。利用农村土地承包经营权调查的全面数据,从自然因素的角度研究农户耕地经营规模的分布特征,区别于以往利用问卷调查的抽样数据,从社会经济的角度对农户耕地经营规模进行研究。     

基于GIS的澜沧江流域土地利用变化及其对景观格局的影响

【目的】揭示澜沧江流域土地利用变化及其对景观格局的影响过程,探讨景观格局变化的主要驱动因子.【方法】GIS地理空间分析技术和景观生态学方法.【结果】2000-2013年土地利用与覆被变化表现为耕地、林地、水域和建设用地面积增加,草地和未利用地面积呈减少趋势,各地州市的林地、草地和未利用地的变化较为频繁,耕地、水域和建设用地相对比较平稳;林地和草地占总面积的84%以上,构成区域景观的基质,耕地的破碎度最大,而建设用地最为集中,水域的斑块数量变化幅度最大,由2000年的100增加到了2013年的537,耕地、林地和草地这三类景观要素复杂程度最高,最不规则;香农多样性指数和香农均匀度指数2000年分别为1.063 4、0.593 5,2005年均升高,2013年则分别降至1.118、0.624,整体上呈现上升趋势,说明研究区域内景观趋于均匀,占主体地位的景观要素与其他景观要素之间的差异减小;【结论】土地利用变化使景观破碎度增强,景观类型不规则,景观要素呈现均衡化分布的趋势.     

基于农户尺度的山区耕地撂荒影响因素分析

近年来,受到多种因素的影响,我国各地均出现了不同程度的耕地撂荒现象,使得本已尖锐的人地矛盾更加突出.本文基于农户尺度,以重庆市东部山区的3个区县为例,采用参与式农户评估法(PRA)对12个典型村进行农户调查,得到有效问卷975份,利用二分类Logistic回归模型分析研究区农户耕地撂荒的影响因素.研究结果表明:1)研究区内耕地撂荒现象大量存在,撂荒耕地总面积占到研究区耕地总面积的21%;2)经济因素是影响耕地撂荒的重要原因;3)丘陵山区的耕地地块破碎、区位条件是影响耕地撂荒的重要原因.     

奉新县耕地经营规模在地形梯度上的分布特征

在奉新县农村土地承包经营权确权调查资料基础上,利用数理统计法和GIS空间分析法,引入地形位指数和分布指数,对奉新县农户的耕地经营规模在不同地形梯度上的分布特征进行了研究。结果显示:1)奉新县全县49 891户农户的平均耕地规模为6.31块/户和0.66 hm~2/户,80%以上的农户为小规模经营。2)农户耕地经营规模受地形因素影响显著,两者呈负相关性关系。3)耕地承包地块数在10块以上或者耕地承包面积在1 hm~2以上的农户,其耕地的分布指数都在地形位指数等级1的区域达到最大值,随着地形位指数的增加,主体地位迅速被农户耕地经营规模较小的所取代。4)不同等级的农户耕地承包地块数和承包面积在不同的地形上有着不同的优势分布区间。这些都为新形势下的农村土地工作提供重要参考与借鉴。     

耕地自然质量与景观指数耦合研究

【目的】耕地是人类赖以生存的重要资源,也是土地资源中的精华。【方法】本文以Arc GIS10.1及其插件Patch Analyst为技术平台,对蒲阳镇在不同海拔高度下耕地景观格局特征进行了分析,并以2010年土地利用变更数据和耕地自然质量等别补充完善数据为基础,结合SPSS和Geo Da软件,进一步探讨了耕地自然质量与景观指数之间的耦合关系。【结果】(1)蒲阳镇耕地随海拔升高而斑块数量减少,平均规模变大,破碎化程度越低;这是因为海拔较低的区域地形相对平坦,人类耕作便利,生产活动频繁。(2)耕地自然质量与景观格局之间存在不同程度的相关性,耕地自然质量与斑块数呈现为显著的正相关,与景观百分比存在极弱的负相关性,仅-0.178;耕地自然质量与斑块平均大小、平均斑块形状指数均表现为显著的负相关。(3)耕地自然质量与景观格局具有一定的空间耦合性,斑块数量与耕地自然质量在空间上呈现局部空间的相似集聚性,景观百分比、斑块平均大小和平均斑块形状指数与耕地自然质量则呈现局部空间异质性,其中通过显著性检验的单元主要集中分布于蒲阳镇南部、北部以及西北方向。【结论】景观指数随着海拔变化出现规律性变化,耕地自然质量与各景观指数相关程度存在差异,二者呈现出空间同质性与异质性并存的现象。     

县域耕地土壤速效磷空间格局研究——以武功县为例

【目的】研究陕西关中地区县域耕地土壤速效磷的空间变异特征和分布格局,探讨其主要影响因子。【方法】以陕西省武功县为研究区,在0~20 cm土层,以"S"形法采集耕地土样2 219个,运用地统计学结合GIS技术,拟合最优半方差模型,进行普通Kriging插值分析。【结果】研究区土壤速效磷含量为3.10~65.80 mg/kg,平均值为21.75 mg/kg,最佳半方差模型为球状模型,且具各向异性特征,块金系数为0.360 3,具有中等强度的空间相关性。【结论】研究区土壤速效磷含量高低区域分布比较明显,总体分布状况与地貌特征基本一致。地形地貌、土壤质地、灌溉条件和施肥是影响武功县耕地土壤速效磷含量空间格局的主要因素。     

县域耕地土壤速效磷空间格局研究

【目的】研究陕西关中地区县域耕地土壤速效磷的空间变异特征和分布格局,探讨其主要影响因子。【方法】以陕西省武功县为研究区,在0～20 cm土层,以“S”形法采集耕地土样2 219个,运用地统计学结合GIS技术,拟合最优半方差模型,进行普通Kriging插值分析。【结果】研究区土壤速效磷含量为3.10～65.80 mg/kg,平均值为21.75 mg/kg,最佳半方差模型为球状模型,且具各向异性特征,块金系数为0.360 3,具有中等强度的空间相关性。【结论】研究区土壤速效磷含量高低区域分布比较明显,总体分布状况与地貌特征基本一致。地形地貌、土壤质地、灌溉条件和施肥是影响武功县耕地土壤速效磷含量空间格局的主要因素。     

冀鲁豫省际边界区域撂荒地提取与分析

以受"边际化规律"影响下撂荒现象突出的冀鲁豫三省交界处为研究区,基于30 m分辨率的Landsat数据,将可见光、近红外、中红外波段及多项归一化指数进行多波段组合。运用CART决策树分类方法提取研究区各区(县)每年撂荒面积及撂荒率变化,分析撂荒耕地空间格局并对撂荒驱动因素进行探寻。结果表明,基于决策树分类方法的分类平均精度达到89.15%;2000—2018年研究区撂荒面积有些许波动但总体呈下降趋势;2002年撂荒面积最大,2015年后撂荒面积维持在较低水平;冀鲁豫省际边界区撂荒时间大部分仅存在1～2年,常年撂荒较少;研究区复垦较好,年均复垦率32%;当地撂荒主要受制于务农人口占比、农业生产效率和政府政策等因素。     

中国耕地种植制度遥感探测及其时空特征

【目的】耕地种植制度是农业生产方式的具体体现,其形成受自然资源要素与人类土地利用行为综合影响,反映了“人类-自然”的耦合关系。本研究旨在科学掌握全国耕地种植制度格局,为优化农业生产布局、提高农业生产能力、推动农业可持续性发展提供依据。【方法】结合遥感监测与空间决策树模型等手段,构建适合我国农情的跨年度种植制度探测方法体系,并开展空间格局分析。首先,通过辨析种植强度、复种指数等概念,从长期性、周期性、稳定性等方面,定义种植制度的内涵;其次,构建连续度、频度指标,并利用基于时序遥感的2001—2018年中国复种指数监测结果,结合时间滑动窗口方法,在像元尺度分别计算两个指标的具体值;最后,评估耕地的种植强度与种植制度特征的显著性,利用决策树方法确定种植制度类型,从区域差异、动态规律等方面分析不同区域种植制度的时空异质特征。【结果】（1）面积上看,一年一熟所占面积最大,占53.52%,超过耕地总面积的一半;其次是一年两熟,占23.28%,季节性休耕（如两年三熟）与年度休耕分别占12.80%和6.94%。（2）空间上看,一年一熟、一年两熟、季节性休耕与年度休耕的集中分布区分别为东北地区、华北地区...     

农作物分布格局动态变化的遥感监测——以东北三省为例

【目的】当前对涉及到耕地内部不同作物空间分布及其变化的研究较少。本文旨在探讨大尺度作物种植面积和分布格局遥感提取方法及景观生态学中景观格局指数在作物格局动态变化分析中的应用。【方法】基于2005年和2010年作物生育期内遥感影像全覆盖的MODIS-NDVI数据,利用RS、GIS技术,通过分析东北地区主要作物（水稻、玉米、大豆）的种植结构、物候历及NDVI曲线特征,建立不同作物面积遥感提取模型,提取大尺度农作物空间分布格局信息。同时,利用景观格局指数方法分析农作物格局动态变化特征和变化规律。【结果】与多年平均统计数据比较,基于MODIS遥感数据提取的作物面积信息,2005年和2010年平均精度达到了90%以上;5年间,东北地区主要作物种植结构发生了较大变化。其中大豆平均斑块面积减少,面积年动态度为-4.47%,水稻和玉米平均斑块面积均增加,且5年的变化幅度均超过20%。【结论】成本和收益是作物面积增加或减少的主要原因;用中等分辨率的遥感数据进行大尺度作物面积提取的方法是可行的;景观生态学中格局指数可以用来分析耕地内部作物格局的动态变化规律。