基于遥感的海东市乐都区撂荒耕地空间分布特征研究

叶鹏帅，孙正辉，赵之重

（1.青海民族大学政治与公共管理学院，青海西宁 810007；2.青海大学农牧学院，青海西宁 810016）

中国是农业生产大国[1]。作为人类生存的物质基础，农田在粮食生产和生物多样性保护方面发挥着至关重要的作用。改革开放以来，中央实施了一系列措施补充建成用地占用的耕地，以保持总面积的动态平衡，如耕地战略储备制度、耕地征用补偿平衡等[2]。但在过去十年中，耕地仍然发生了重大变化，有条件优良的耕地被转化为了建设用地，有退耕还林还草，有坡度高于2°的森林被清理用于耕种，也有各类其他用地转化为耕地。在耕地再分配过程中，新增耕地逐渐向海拔较高、坡度较陡的地区转移，坡耕地越来越普遍[3]。因此无论是开发还是开垦，高海拔、坡度较高的耕地补充，已成为耕地资源的重要组成部分，对保障粮食安全具有至关重要的作用。然而，现有的研究主要集中在平原地带优质耕地的研究，对山区农田是否得到长期有效利用关注不够[4]。

青海省海东市乐都区位于西北地区农牧交错地带，是青海省东部重要的农业产业基地，但该区域大部分是坡耕地，与原始耕地相比，在机械化、大规模运营和农业支持措施方面处于不利地位，限制了粮食产量，且随着农业生产材料和劳动力成本的增加，坡耕地的粮食生产越来越具有高投入和低产出的特征[5]。当产量不符合农民的期望时，条件较差的耕地往往会被撂荒。耕地撂荒破坏了耕地利用的连续性，是对土地资源的严重浪费，对粮食生产和生态平衡产生了巨大影响。因此本文通过识别研究区耕地的撂荒情况，分析青海省东部农牧交错地带撂荒耕地的空间分布格局及其变化，量化耕地的连续性，以期为该区域合理管理耕地利用、保障未来粮食安全提供依据。

1 研究区概况

乐都区是海东市的县辖区，位于青海省东部湟水河中下游，全区辖7镇12乡，总面积3 050 km²（图1，102°09′～102°47′E，36°16′～36°46′N）。农作物分布在这一地区，主要类型为小麦、马铃薯、油菜等[6]。该区地貌以山地为主，地势错综复杂，气候不稳定，云层干扰频繁，耕地主要分布于湟水河两岸和南北山地，海拔相差最大可达2 644 m。此外该区域经济不发达，人均GDP 远低于全国平均水平，高比例的农民工不再从事农业工作，这可能导致疏于管理的耕地被撂荒。

图1 乐都区地理位置及地势示意图

2 数据来源与研究方法

2.1 数据来源

本研究所用遥感数据为Sentinel-2 遥感影像（分辨率为10 m），来源于GEE 平台（https://earthengine.google.com/），Google Earth Engine（GEE）集成了大规模遥感影像数据和现有的分类产品，以及大量的函数和现有算法，可应用于大规模土地监测[7]。本文所用NDVI 数据基于Sentinel-2 影像，通过波段计算获取得到月最大值NDVI合成数据，时间序列NDVI数据将用于撂荒地识别。研究区边界矢量数据来源于国家基础地理信息中心(www.webmap.cn)，乐都区第三次全国国土调查数据来源于青海省自然资源厅（https://zrzyt.qinghai.gov.cn/index）。

2.2 研究方法

2.2.1 NDVI变化监测

NDVI（归一化植被指数）是一种广泛用于遥感影像分析的指标，可用于估算植被覆盖度和生长状况[8]。该指标基于植被对不同波长的反射率的变化来计算，可以通过计算近红外波段和红色波段之间的比率来获得。NDVI 的值范围从-1～1，值越高表示植被覆盖度越高。NDVI 的变化监测通常用于研究植被的生长和变化趋势，例如在不同季节或多年的时间段内监测植被覆盖度的变化。

本文基于农作物的生长周期以季度变化构建NDVI 时间序列数据，通过比较不同时间段内的NDVI图像来实现，以确定植被的生长或退化情况。具体内容为基于乐都区2019年三调耕地图斑，随机选取三调属性表中耕种样本和未耕种样本各50个，通过对比研究区耕种样本和非耕种样本春夏NDVI 值变化的差异（表1），确定两种地类的最佳分割点。然后连续调整分割点直到所有的样本归类到对应的样本集中，最终确定分割阈值为0.33。

表1 不同时相地物NDVI差值运算结果

本文中，我们将耕地一年以内未种植的情况叫作轮休，持续时间超过一年未种植的情况我们作做撂荒。通过运用ArcGIS 软件，对研究区的NDVI 数据进行耕地区域的掩膜处理，得到耕地地块的NDVI 数值，对该NDVI 数值进行春夏和夏秋的差值运算，并进行重分类。把NDVI 差值大于0.33 的判定为本年度耕种地块，小于0.33 的判定为本年度未耕种地块，将相邻年份未耕种地块进行叠加，重叠的地块判定为撂荒地，没有重叠的地块判定为当年未耕种，具体撂荒地提取流程图如图2。

图2 撂荒地提取流程

2.2.2 核密度分析

核密度分析是一种空间数据分析方法，用于确定数据分布在空间上的密度模式[9]。在核密度分析中，数据集被视为一组离散的事件，这些事件被认为在空间上随机分布。该分析可以确定在给定区域内存在哪些地方有更高的密度，并可用于探究某一现象的分布模式和热点区域的空间分布。本研究通过ArcGIS 软件Spatial Analyst Tools 中“Density”下 的“Kernel Density”分析工具对研究区撂荒耕地点状数据按搜索半径为3 km 进行核密度分析。然后再在ArcGIS 里利用自然裂点法将核密度分析结果重分类成5 个级别，按照核密度从小到大依次为低密度区、中低密度区、中密度区、中高密度区和高密度区。

2.2.3 空间自相关分析

空间自相关分析是一种用于研究地理空间数据中空间相关性的统计方法[10]，其基本思想是检测地理空间数据集中的观测值之间的相似性或相关性，通常使用空间权重矩阵来量化观测值之间的空间邻近性，然后计算各个观测值与其邻近观测值之间的相关性指标。本研究采用全局自相关分析和冷热点分析来研究区域撂荒耕地空间集聚性，二者分别用Moran'sI和Getis-OrdGi*指数进行分析。

1）全局自相关分析。本研究用全局自相关分析了解研究区撂荒地集中的空间模式和集聚程度，判断研究区撂荒地是否集聚。全局Moran'sI的取值范围为-1～1，其中正值表示正相关性且分布集聚，负值表示负相关性且呈分散型分布，而接近于0 的值表示不存在空间自相关。定义如下：

全局Moran'sI指数：

式中，zi、zj分别为撂荒耕地图斑i、j的面积与其平均值的偏差；wij为撂荒耕地图斑i和j的空间权重；S0为所有空间权重集合；n为撂荒耕地图斑总数；Z为标准化值；E[I]和V[I]分别为期望值和方差。

2）冷热点分析。冷热点分析能够识别和定量评估撂荒耕地空间集聚的范围和集聚程度。进行GIS 冷热点分析的常用方法之一是基于空间统计指标的Getis-OrdGi*统计量。Gi*为正时，表示出现热点集聚，Gi*越大说明高值集聚程度越高；当Gi*为负时，表示出现冷点集聚，Gi*越小说明低值聚类紧密。其计算公式为：

式中，xi、xj分别为撂荒耕地图斑i和j的面积。

3 结果与分析

3.1 撂荒耕地分布及变化

研究区2019—2022 年撂荒地空间分布如图3 所示，从整体分布来看，撂荒地主要集中在东部地区和湟水河向南北辐射的山间道路，这是因为部分坡耕地坡度较大且远离居民点，难以利用机械进行耕种，导致撂荒耕地分布较为集中；部分年份处于湟水河两岸的城镇地区撂荒地也较为集中，这是因为部分年份城市扩张城镇建设用地占用耕地导致耕地处于常年撂荒的现象。研究区2019—2022年份的撂荒地面积和撂荒率如表2 所示，整体来看近些年份研究区耕地撂荒率较为稳定且有持续变好的现象，这也与政府部门对耕地的持续重视和相关土地政策实施有关。

表2 乐都2019—2022年撂荒地统计

图3 撂荒地分布图

3.2 撂荒耕地核密度分析

对研究区2020年撂荒地块进行核密度分析，结果如图4 所示。由图可知，研究区撂荒耕地分布具有集聚性，撂荒耕地核密度最大值3.04 点/km²，最小值为0，平均值为0.27点/km²。研究区中密度区域集中在共和乡、碾伯镇、蒲台乡和洪水镇，高密度区域集中在洪水镇。通过实地和Google Earth Pro 软件中影像对这些区域的了解，碾伯镇处于湟水河两岸的城镇地区，城镇化的建设是导致该地区撂荒的最大因素。共和乡、蒲台乡和洪水镇的耕地大部分处于湟水河向南北山地辐射的山区道路两侧，这些地区的耕地的坡度更大，离居民点相对较远且地块较为碎片化，农耕机具很难得到利用，这也是该地区撂荒地较为集中的原因。

图4 研究区撂荒耕地核密度分布

3.3 撂荒耕地空间自相关分析

1）全局自相关分析。本文基于核密度值做研究区撂荒地空间自相关分析，运用Geoda 软件对研究区撂荒耕地进行全局自相关分析。结果显示，Moran'sI为0.519 0，Z-value值为5.403 1。表明研究区撂荒地核密度在空间上呈集聚分布的态势。

2）冷热点分析。本文基于核密度值，利用ArcGIS 的“Hot Spot Anal-ysis（Getis-OrdGi*）”工具对研究区撂荒耕地进行冷热点分析，结果显示，研究区撂荒耕地Gi*指数为-1.546 18～2.773 27，根据Gi*指数值的大小，利用自然裂点法将冷热点分析结果重分类成5 级（图5）。研究区低集聚区和较低集聚区属于冷点区，高集聚区和较高集聚区属于热点区，其中低集聚区分布在下营藏族乡、城台乡和峰堆乡，较低集聚区分布在瞿昙镇、李家乡、马营乡和中岭乡，较高集聚区分布在达拉土族乡、寿乐镇、雨润镇、碾伯镇和中坝藏族乡，高集聚区分布在高庙镇、洪水镇和蒲台乡。从空间分布来看，热点区域主要分布在湟水河两岸的城镇地区和研究区东南部，前者是由于城镇化建设导致农用地被占用，后者是由于该地区地形破碎复杂，沟壑纵横，耕作条件较差且远离居民点，从而导致耕地被撂荒；冷点区域主要集中在南北的乡镇，这是由于研究区南北山地海拔较高，但坡耕地的坡度更为平缓，也使得该地区耕地被撂荒的情况较轻。

图5 研究区撂荒耕地空间集聚性分布

4 结论

以全国第三次土地调查中的耕地土地利用图对遥感图像进行掩膜，去除耕地范围外的变化地物干扰，仅在耕地范围内提取撂荒地，并使用Sentinel 系列（分辨率为10 m）数据提取的NDVI数据进行撂荒地识别提取，相较于二调数据和遥感解译提取耕地信息结果准确性更高。结果显示：研究区耕地整体撂荒率近些年相对稳定，虽有起伏但没有大的变化，从空间分布图和撂荒地核密度分析及空间自相关分析结果来看，研究区耕地主要分布在南北山地和沿湟水河两岸，而撂荒地主要集中在湟水河向南北辐射的山间道路两侧，这与研究区的地形地势有很大的关系。湟水河两岸土地相对平整，部分年份因为城市建设占用耕地导致撂荒地较为集中；在通向南北山地的山间地带，由于坡耕地坡度较大导致很多耕地常年被撂荒，这其中有耕作条件的限制，也有当地居民常年依赖的农作物收入较低转至其他方式就业而导致撂荒的因素。

耕地撂荒的原因主要受有人类活动和自然环境的影响。高海拔且耕地地面的不平整导致了山区耕地的碎片化，从而抑制了规模化种植，导致很多耕地常年疏于管理被撂荒。而山区经济的发展滞缓，使得城乡迁移，农业活动劳动力短缺，进一步导致了耕地撂荒现象的加剧。鉴于撂荒耕地在研究区的分布，政府应采取有针对性的措施，改善耕地利用。政府应进一步增加对农村农业的补贴，缩小收入差距；应建立相应的耕地出让制度以减少人为因素造成的耕地碎片化，加强集聚分散耕地，提高农业投入产出比，从而保障国家粮食安全。