基于GF1/WFV的澜沧江流域(云南段)耕地生产适宜度研究

李卫海，李 雁，2，张 泉

(1.云南省国防科技工业局 综合研究所，云南 昆明 650118；2.昆明理工大学 国土资源工程学院，云南 昆明 650093)

0 引言

耕地是粮食生产的根本和载体，也是全球各国面临的粮食安全生命线，是世界和平与发展的重要保障[1]。澜沧江—湄公河干流自北向南流经中国、老挝、缅甸、泰国、柬埔寨、越南6国，所经流域纬度和垂直高度跨度大，地质地貌条件复杂[2]，澜沧江流域生态环境脆弱，各国的发展保护水平不同，频繁发生国际争端事件。流域所经国家皆为发展中国家，80%以上的人口是农民以耕地为生[3，4]，保护耕地安全、耕地科学发展是区域协调发展和乡村振兴的首要任务[5]。

耕地调查一直是遥感学界研究的热点，历年来，诸多使用国外卫星数据如Landsat-TM、ETM+、SPOT、MODIS等开展农作物种植面积的研究[6，7]。21世纪以来，中国卫星遥感发展突飞猛进，资源一号02C、资源三号，尤其是近10年，高分专项卫星以及其它国产高分辨率卫星的发展[8，9]，从数据源和数据质量方面都得到了显著的提高，也催生了大批采用国产卫星数据开展大面积耕地的研究[10]。

目前基于国产卫星数据对山地复杂环境中过度依赖自然环境因素的农耕环境研究尚不够细致，对耕地之间受自然因素影响而导致的差异化研究更是缺乏，从而制约了对山区农业农村问题以及典型跨境地理单元的农耕问题分析。本研究基于高分卫星影像，以澜沧江流域(云南段)内20个县为典型，研究不同环境下的耕地生产压力和耕作适宜度空间差异，为后续合理规划澜沧江流域的农业生产方式和区域可持续协调发展具有重要意义[11]。

1 研究区与数据

1.1 研究区概况

澜沧江—湄公河是一条重要的国际河流，发源于中国青海省玉树藏族自治州杂多县扎青乡，自北向南流经中国、缅甸、老挝、泰国、柬埔寨和越南6国[12]，干流总长4 880 km。其中云南段干流长1 289 km[13]。澜沧江流域(云南段)是整个流域纬度和垂直高度跨度最大的地区，自然资源丰富，水文、地理及气候特征独特，水资源时空分布不均。北部迪庆山区常年积雪属寒温带气候，地形多为高山峡谷，海拔高差悬殊大，光、温、降水分布皆不均匀，形成立体气候，区内平均气温低，降水量少；南部西双版纳地处热带湿润季风气候区，平均海拔低，降水充沛，年均温为21℃。流域内经济以农业为主，但由于地形、社会因素和文化因素的影响，流域内各县域从南到北农业经济发展水平和农耕方式差异很大，传统耕作方式对自然环境的破坏程度不一。本研究选择了澜沧江流域(云南段)流经的20个重点县开展耕地生产适宜度的空间差异化研究。

1.2 研究数据

研究数据包括GF1/WFV卫星影像(来源于高分辨率对地观测系统云南数据与应用中心)、ASTER GDEMDEM V2 30 m数据(来源于地理空间数据云平台)、云南省基础地理数据和路网数据(来源于国家基础地理信息中心的全国地理信息资源目录服务系统)和2019年统计年鉴公开的社会经济数据(来源于云南省统计年鉴)。

(1)高分一号卫星影像。高分一号卫星携带2台2 m全色/8 m多光谱相机(PMS)和4台16 m多光谱宽幅相机(WFV)。本研究采用的是WFV相机获取的多光谱影像，数据时间在2018年10月至2019年2月，数据无云质量好。

(2)DEM数据。利用ASTER 30 m DEM数据生成坡度数据。

(3)统计数据。2019年度云南省统计年鉴数据中的粮食播种面积(hm2)、粮食产量(×104t)、年平均气温(℃)、年降水量(mm)等数据。

2 研究方法

2.1 影像分类方法

首先针对GF1/WFV影像进行了辐射校正、大气校正、正射校正、图像配准、镶嵌裁切等预处理操作，其次基于预处理成果采用随机森林法进行耕地斑块的提取。随机森林(Random Forest，RF)基本单元是决策树，每一棵决策树都是一个分类器，对于一个输入样本，N棵树会有N个分类结果，随机森林利用随机方式建立一个由N棵决策树组成的森林[14-16]，该方法集成了所有的决策树投票结果，将投票数最多的类别指定为最终的输出。本研究针对研究区GF1/WFV影像特征，选择了132个耕地样本，利用ENVI的随机森林插件Random Forest Classification数据分析。采用混淆矩阵方式检验分类精度，kappa精度为87.86%，结果可用。

2.2 景观指数法

景观指数是指能够高度概括地表景观格局信息，反映结构组成和空间配置等方面特征的简单定量指标[17]。根据前人研究[18-20]，利用景观指数法构建耕地破碎度指标，可定量描述耕地的细碎化程度。本研究综合考虑山区耕地的特色，采用fragstats软件对耕地类别尺度的斑块密度(PD)、平均斑块面积(MPS)、面积加权形状指数(AWMSI)、平均邻近指数(MPI)、斑块聚集度指数(AI)等进行计算(表1)，进一步分析耕地的斑块细碎化程度进行分析。

表1 耕地细碎化程度评价指数表

2.3 空间统计分析

采用空间分析中的邻近分析方法，获取耕地斑块到最近邻乡村道路的平均距离，即耕作距离[21]；采用主成分分析方法，研究耕地细碎化得分；采用相关性分析方法，基于统计数据对耕地适应性评价指标进行验证。

图1 研究技术路线图

3 研究结果

3.1 耕地空间细碎化研究

利用Fragstats软件计算得到5个景观指数，利用SPSS 26.0将5个表征耕地景观破碎度指标进行降维分析转化成2个主成分，这两个主成分因子的方差贡献率达到了95.398%，可以用这两个主成分来综合解释耕地景观方面的破碎程度。第1主成分中斑块密度(PD)、平均斑块面积(MPA)、面积加权形状指数(AWMSI)、斑块聚集度指数(AI)4个指数的载荷的绝对值超过了90%，主要表示斑块的面积和形状特征，因此第1主成分以面积和形状特征表征了斑块破碎度的综合得分；第2主成分中，平均邻近指数(MPI)的指标达到了99.7%，表征耕地斑块邻近度的综合得分。从斑块破碎度来分析，位于平均值以上的有勐海县(0.09)、思茅区(0.22)、双江县(0.22)、景东县(0.38)、景洪市(0.38)、玉龙县(0.64)、兰坪县(0.95)、维西县(0.98)、勐腊县(1.66)、德钦县(2.21)，这10个县市的耕地破碎度高于平均水平；而昌宁县(-1.47)、凤庆县(-1.44)、云县(-1.18)、永平县(-1.02)、南涧县(-1.00)、隆阳区(-0.86)、临翔区(-0.47) 、澜沧县(-0.16)、镇沅县(-0.08)、景谷县(-0.04)10个县耕地破碎度低于平均水平。从耕地之间的斑块聚集度来看，南涧县(-1.44)、临翔区(-1.34)、兰坪县(-1.33)、双江县(-1.10)、维西县(-1.02)、思茅区(-1.02)、玉龙县(-0.64)、永平县(-0.35)、勐海县(-0.30)、云县(-0.18)低于平均水平，说明聚集程度不高；凤庆县(0.08)、勐腊县(0.35)、隆阳区(0.58)、景东县(0.75)、景洪市(0.75)、澜沧县(1.13)、景谷县(1.14)、德钦县(1.16)、镇沅县(1.28)、昌宁县(1.51)10个县高于平均水平，聚集程度较高。因为破碎度得分越高，耕地越破碎；而聚集度得分越高，说明斑块间聚集度越高；因此研究用聚集度与破碎度的差值来综合衡量耕地斑块的细碎化总得分，得分越高，说明破碎程度越低。计算公式如下：

P=Pj-Pp

(1)

式中：P为细碎化总得分；Pj为聚集度；Pp为破碎度。

上述研究表明各县耕地细碎化情况总得分情况排序为：南涧县<临翔区<凤庆县<云县<永平县<双江县<思茅区<隆阳区<兰坪县<勐海县<昌宁县<维西县<玉龙县<澜沧县<景谷县<景东县<景洪市<镇沅县<勐腊县<德钦县。

3.2 耕地生产适宜度指标构建

影响耕地生产适宜度的要素包括坡度、气温、降水、耕作距离、耕地细碎化5种，可分为自然因素和人为因素两大类指标(表2)；采用2019年度耕地面积和耕地粮食产量作为耕地适宜度的实践指标，对上述评价指标进行验证。

表2 评价指标体系表

3.3 耕地生产适宜度评价指标分级

将自然、人为和验证3大类评价指标分级量化为5级(1-强适宜、2-较适宜、3-适宜、4-较不适宜、5-强不适宜)[23]，可得到各县域尺度在各指标上的适宜度表现(表3、表4)。

表3 适宜度指标分级标准表

表4 各县区相关指标分级情况表

从评价指标分级结果可以看出：(1)耕地平均坡度得分、年均温、年降水、平均耕作距离，都与纬度成正相关关系，相关性显著；而耕地细碎化则受地理位置因素影响不大，说明主要受当地人为活动影像；(2)在耕地斑块的平均坡度得分方面，表现强不适宜的有维西县，较不适宜的有镇沅县、云县、凤庆县、临翔区、兰坪县，表现为较适宜的有勐腊县、景洪市、勐海县、昌宁县、玉龙县、景谷县、思茅区、隆阳区、德钦县；年温度方面，表现强不适宜的有兰坪县、维西县、德钦县，较适宜的有勐腊县、景洪市、景谷县、思茅区、澜沧县、镇沅县、景东县、双江县、南涧县、云县；年平均降水方面，表现强不适宜的有双江县、南涧县、云县、德钦县，其中德钦县降水量最低，较适宜的有勐腊县、勐海县、景谷县、思茅区；平均耕作距离方面，表现强不适宜的有德钦县、维西县，较不适宜的有澜沧县、玉龙县、永平县，表现较适宜耕作的有勐腊县、景东县、勐海县、隆阳区、景洪市、镇沅县、双江县、南涧县、凤庆县、临翔区、云县；耕地细碎化方面，表现强不适宜的有南涧县、凤庆县、临翔区、云县、永平县，表现较适宜耕作的有勐腊县、德钦县、景洪市、景谷县、景东县、澜沧县、镇沅县。相关研究结果见图2(封二图版Ⅰ和封三图版Ⅱ)。

3.4 结果验证

研究基于高分卫星遥感数据提取耕地情况，结合统计数据，对澜沧江(云南段)流经的20个县进行耕地生产适宜度评价，对包括坡度、降水、气温、耕作距离、耕地细碎化等评价指标进行分析，得到各县域评价指标综合分级和验证指标综合分级，并结合统计的耕地产量和面积进行验证。在SPSS软件中对评价指标和验证指标进行相关性分析，置信度0.99的情况下，皮尔逊相关指数达到95.3%，说明评价指标和验证指标之间强相关，评价结果具有现实检验意义。

综上，对各县相关指标评级均值化结果进行综合评级，综合评级结果如封三图版Ⅱ图2(h)所示，澜沧江流域20个县域耕地适宜度综合分级表现为：(1)勐腊县表现为强适宜；勐海县、景洪县表现为较适宜；澜沧县、思茅区、景谷县、镇沅县、景东县、隆阳区、昌宁县表现为适宜；双江县、临翔区、云县、南涧县、凤庆县、永平县、玉龙县、兰坪县、德钦县表现为较不适宜，维西县表现为强不适宜耕作。(2)随纬度增加，耕地适宜度综合得分呈现随纬度增加而降的大趋势，表明在澜沧江流域(云南段)内，低纬度地区比高纬度地区更适宜耕作。

4 结论与讨论

基于国产高分卫星数据开展澜沧江流域县域耕地生产适宜度的空间差异化研究，结果表明，从县域层面看，澜沧江流域(云南段)的耕地生产适宜度受地形、气温、降水、耕作距离(农耕交通便捷性)、耕地空间细碎化程度等影响，从而影响到区域内耕作面积和粮食产量；耕地生产适宜度的空间特征表现为从低纬度到高纬度逐渐不适宜耕作的现象。

研究不同环境下的耕地生产适宜度，可为云南西部山区因地制宜采取科学的现代化农耕方式，助力乡村振兴提供数据支持和决策支持。为后续合理规划流域农业生产方式和区域可持续协调发展具有重要意义。研究还存在一些不足，后续的工作中还将进一步完善。(1)国产遥感数据在复杂山地环境下的应用有明显潜力，目前研究深度还有欠缺，需要更进一步在高空间、高时间、高光谱层面挖掘应用价值，服务于省域到县乡社会经济发展；(2)云南山区农业农村发展和乡村振兴决策受地形地貌影响显著，后续需要面向更高精度和精细尺度的乡镇级别开展耕地安全研究。