黄冠睿，底 鑫

(昆明理工大学国土资源工程学院,云南昆明 650093)



滇东南岩溶山区农村耕地时空演变分析

黄冠睿，底 鑫

(昆明理工大学国土资源工程学院,云南昆明 650093)

摘 要：基于探索性空间数据分析模型,运用空间自相关统计分析方法,以云南省砚山县为例,对2007—2013年村域人均耕地面积的地理空间分布进行时空演变特征分析。结果表明,研究区人均耕地面积差异存在小幅波动;研究区各个行政村人均耕地面积存在着显著的空间集聚特征,且其全局Moran’s I均为正;研究区人均耕地面积的HH和LL区域类型在时空上存在明显的分异情况,且宏观空间分异特征表现为西高东低的空间格局;区域差异、资源承载、交通状况、气候变化、农业基础设施和城市化进程等原因是造成耕地面积空间差异的主要原因。

关键词：人均耕地面积;空间格局;砚山县

文献著录格式:黄冠睿,底鑫.滇东南岩溶山区农村耕地时空演变分析[J].浙江农业科学,2016,57 (4):590-594.

耕地既是重要的生产资料,也是基本的社会保障。近年来,随着我国工业化与城镇化的飞速发展,耕地资源非常紧缺,耕地资源生态环境遭到严重破坏,耕地后备资源的匮乏及农业结构调整的压力,使得耕地资源问题日益凸显。我国是人口众多、土地资源相对稀缺的国家,耕地问题一直以来都是国民关注的焦点[1]。由于岩溶山区地形地貌错综复杂,生态环境非常脆弱,水土流失严重,经济发展较为缓慢,农业基础设施较差,因此,重视岩溶山区耕地资源的动态变化研究,即了解并掌握耕地的数量、质量及空间变化动态,分析其变化机制,对合理开发、利用与保护耕地面积,协调经济发展和耕地保护的关系,保持耕地的总量动态平衡,调整优化农业用地结构,促进岩溶山区中的农业优势区持续发展以及岩溶山区经济的可持续发展等具有重要的研究意义[2-4]。

传统的耕地面积统计分析方法[5-8]仅仅注重数据之间的统计关系,忽略了对其区域空间自相关性和空间异质性的考虑,对具有空间位置关系的研究具有一定的局限性,难以真正反映出区域空间差异的机制与变化。探索性空间数据分析(exploratory spatial data analysis,ESDA)利用地理空间图像,与统计学原理相结合,对空间数据的性质进行分析,用以引导确定性模型的结构和解法,其本质上是一种数据驱动的分析方法[9]。目前,许多学者运用空间统计分析方法对区域经济的空间分布进行研究[10-12];也有许多学者将空间自相关分析方法引入到土地利用变化、耕地面积动态变化、城镇建设用地等空间分异领域进行研究[13-16]。大多数研究都主要集中在省域、市域及县域的大尺度对区域空间差异分析进行研究,鲜有运用地理空间分析方法对耕地面积的空间差异进行小尺度研究。

本文以云南省东南部具有典型岩溶山区的砚山县作为研究区域,砚山县作为一个以农业为主的大县,耕地面积存在着一定的地理空间差异。研究采用ESDA模型,运用空间自相关分析方法,以2007—2013年作为时间序列,对研究区人均耕地面积的时空演变趋势、空间集聚及空间分异等特征进行分析,探讨空间差异的机制,以期为该地区的合理开发利用与耕地资源保护,以及农业的可持续发展提供科学依据。

1　研究方法与数据来源

1.1研究方法

ESDA在GIS平台上,可以将地理空间信息数据与其属性数据的关联测度相融合,使其分析结果得到可视化的表现,从而更好地揭示研究数据的空间规律,分析其空间结构。ESDA是一系列空间数据分析方法与技术的合集,它以空间关联测度为核心,通过对事物空间分布格局的描述与可视化,发现空间集聚和空间异常,从而揭示出研究对象之间的空间相互作用机制[17]。

1.1.1全局空间自相关

全局空间自相关主要是对整个研究区域上的地理要素属性值之间的关联程度和空间特征进行描述,表明其属性值之间是否存在显著性的空间分布模式。莫兰指数是用来度量空间自相关的全局指标,其计算公式:

式中:I是莫兰指数; n是研究区的数目; xi,xj是区域i,j的人均耕地面积,x-是xi的平均值; wij是研究区域i,j的对称空间权重矩阵元素,可采用邻接标准和距离标准来判定,本文使用邻接标准,即当研究区域i与研究区域j具有公共边界(相邻)时,空间权重矩阵wij元素取值为1,否则取值为0。

莫兰指数反映的是研究区域之间属性值的相似程度,其取值一般介于正负1之间。当Moran’s I＞0时,表示存在正的空间自相关,其数值越大表示空间分布相关性越大,即空间聚集分布现象越明显;当Moran’s I＜0时,表示存在负的空间自相关,其数值越小表示空间分布相关性越小,即空间集聚现象逐渐消失;当Moran’s I = 0时,表示不存在空间自相关,代表研究区域之间的属性值的空间分布呈随机分布。

对于莫兰指数,还需进行显著性检验,检验统计量为标准化Z值:

式中,E (I)为全局莫兰指数的期望,var (I)为方差。当Z值为正并且显著时,表示观测值之间存在显著性正自相关;当Z值为负并且显著时,表示观测值之间存在显著性负自相关;当Z值为0时,表示观测值之间呈独立随机分布情况。

1.1.2 局部空间自相关

全局空间自相关探测研究区域内部某些属性的空间分布,判断此属性是否存在显著的空间集聚特征,无法明确地指出集聚或异常发生的具体空间位置。为了全面地反映出研究区域的人均耕地空间差异的变化情况,还需采用ESDA局部空间自相关方法进行分析。本文采用空间联系的局部指标(local indicatiors of spatial association,LISA)并结合Moran散点图,对研究区域的人均耕地面积进行局部空间分布特征研究。其中,局部莫兰指数计算公式:

式中,Ii是第i个区域局部莫兰指数,S2=,其他变量的含义与莫兰指数公式中含义相同。当局部莫兰指数为正时,表示该区域与周边地区的空间差异小;当局部莫兰指数为负时,表示该区域与周边地区的空间差异大。

Moran散点图是用散点图的形式对变量z与空间滞后(即该观测值周围地区的加权平均)向量Wz间的相互关系进行描述,其中,将变量z作为该图的横坐标,空间滞后向量Wz作为纵坐标。它划分为4个象限,分别对应4种类型的局部人均耕地面积空间差异类型:第1象限(HH)代表区域自身及其周边区域的观测值水平较高,二者的空间差异性小;第2象限(HL)代表区域自身观测值水平较低,周边区域较高,二者的空间差异性较大; 第3象限(LL)代表区域自身及其周边区域的观测值水平较低,二者的空间差异性小;第4象限(LH)代表区域自身观测值水平较高,周边区域较低,二者的空间差异性较大。

1.2数据来源

研究区域位于云南省东南部、文山壮族苗族自治州中西部,地理坐标103°35′—104°45′E,23°18′—23°59′N。县域总面积约为3 888 km2,总人口约47.3万人,山地面积占56%,丘陵面积占29%,盆地面积占15%。研究区域属于滇东南典型岩溶山区。

为分析研究区域人均耕地面积的空间分异情况,本文将研究区划分为11个乡镇下属的101个行政村,时间序列为2007—2013年,以人均耕地面积作为分析变量。本文数据来源于地方政府网站。

2　研究区人均耕地面积时空格局演变

2.1人均耕地面积总体时间演变特征分析

图1表示研究区人均耕地面积的年度变化情况。从图中可以看出,2008—2009年与2012—2013年为逐年递增,而2009—2012年为逐年递减的趋势。其中,人均耕地面积的最大值为2009年的834 m2,最小值为2012年的747 m2。图2表示研究区人均耕地面积的年度增长率变化情况。在2009—2011年,人均耕地面积减少较快,这是由于云南省实施了大规模的生态退耕,大量耕地转变为园地、林地。从2011年起,砚山县政府出台各种耕地保护制度,推进土地开发项目,以补充耕地,大力加强对宝贵耕地的保护,从图1和图2中可以看出,取得了明显的效果。

2.2人均耕地面积的总体空间特征分析

利用ArcGIS软件对研究区2007—2013年各个行政村人均耕地面积进行全局Moran’s I的计算,并对其进行显著性检验。计算结果如表1所示。整个研究期间,研究区人均耕地面积的全局Moran’s I全为正,且检验结果均通过了1%的显著性检验。这表明研究区人均耕地面积并不是完全随机分布状态,而是在空间上存在显著的空间集聚特征,人均耕地面积相似的村落在地理空间上集聚,即人均耕地面积高的地区趋于相邻,人均耕地面积较低的地区聚集。2007—2013年的全局Moran’s I存在小幅度的波动,说明研究区的耕地面积从2007—2013年在时空上经历了由分散到聚集,然后又到分散的过程。

图1　研究区人均耕地面积的年度变化

图2　研究区人均耕地面积的年度增长率变化

表1　研究区2007—2013年人均耕地面积的全局Moran’s I及标准化Z值

2.3人均耕地面积的局部空间特征分析

全局Moran’s I仅能判断研究区域内人均耕地面积的总体空间集聚情况,为了准确地探测出不同位置局部区域的空间集聚程度,还需应用局部空间自相关分析。根据全局Moran’s I选取具有代表性的2007,2009和2012年数据作局部空间尺度上的分析。

2.3.1Moran散点图分析

利用Moran散点图对研究区域人均耕地面积进行局部空间自相关分析,其中,横坐标代表研究区各个行政村人均耕地面积,纵坐标代表各个行政村人均耕地面积的加权平均值(图3)。各个年份的Moran散点图值均通过Z值检验。对2007,2009 和2012年的人均耕地面积Moran散点图进行比较,发现2009,2012年位于第1象限的行政村比2007年增多,位于第3象限的减少,研究区域位于第1象限的行政村个数增多,说明耕地面积的空间集聚特性增强。

图3　研究区人均耕地面积Moran散点图

2.3.2空间联系的局部指标LISA图分析

LISA是描述某一区域的人均耕地面积与其周边区域的空间集聚(或空间分异)程度的指标。将Moran散点图与LISA显著水平相结合,并在P＜0.05的显著性水平上绘制LISA集聚图。根据LISA集聚图对研究区域内各个行政村的人均耕地面积进行空间分析,从图4中可以明显看出,各个行政村的人均耕地面积存在着显著的空间分异特征。

显著HH区域。人均耕地面积地区差异较小,且与周边临近地区都较高的区域。从LISA集聚图中可以看出,随着时间的推移,HH聚集的村落呈现逐步增多的趋势。从2007年的平远镇拖嘎村和江那镇子马村扩展到2009年的维摩彝族乡倮可者村、维摩彝族乡幕菲勒村和维摩彝族乡长岭街村,又转移到2012年的阿舍彝族乡地者恩村和平远镇回龙村。2007—2013年,人均耕地面积较高主要分布地区从平远镇和江那镇扩增到维摩彝族乡和阿舍彝族乡。

显著LL区域。人均耕地面积地区差异较小,且与周边临近地区都较低的区域。2007—2013年间,LL分布的区域变化步伐基本上保持一致。主要分布在平远镇丰湖社区、江那镇秀源社区以及以八嘎乡半夜寨村为中心,包括八嘎乡梅子箐村、八嘎乡蚌岔村、八嘎乡八嘎村、八嘎乡胡广箐村和八嘎乡六主村等在内的地区。

显著LH区域。人均耕地面积自身水平较高,而周边临近地区水平较低,空间差异较大的区域。2007—2009年间,由原本的江那镇羊街村和江那镇嘉禾社区扩增到维摩彝族乡海子边村和维摩彝族乡维摩村; 2009—2012年,又转移至平远镇洪福村和阿舍彝族乡坝心村。

显著HL区域。人均耕地面积自身水平较低,而周边临近地区水平较高,空间差异较大的区域。本研究中并未发现类似区域。

图4　研究区人均耕地面积LISA集聚图

从以上分析可知:

显著的HH类型区域属于耕地面积较多的核心区,主要集中在研究区的西南地区,该区域地势较为平坦开阔,水资源较为丰富,土壤肥沃,农业基础条件设施优良,交通便利,且经济发展较好,有利于当地居民种植农作物。

显著的LL类型区域属于耕地面积较少的核心区,主要集中在研究区的东南地区,该区域地处山区,地貌类型复杂多样,土地贫瘠,水土流失严重,农业基础设施条件较差,交通长期落后,人民群众较为贫困,作为研究区边缘地区,长期无法摆脱其落后局面。

显著HL类型区域属于其自身的耕地面积多于周边的地区,由研究区的东中部地区转移到西部地区。

耕地面积较多的区域与耕地面积较少的区域存在着明显的空间分异状况,从宏观角度分析,为西高东低的总体空间分布特征。

3　小结

选择探索性空间数据分析(ESDA)作为模型,对2007—2013年砚山县101个行政村的耕地面积进行了空间分异特征的描述和分析。结果表明,2007—2013年,研究区域总体人均耕地面积略有波动,呈现出减少—增加—减少—增加的趋势。其中,江那镇锦山社区在2007—2011年、2013年的人均耕地面积最多; 2012年人均耕地面积最多的行政村为阿舍彝族乡鲁都克村; 2007年人均耕地面积最少的行政村是江那镇嘉禾社区;平远镇田心村和维摩彝族乡炭房社区分别在2008—2009年、2010—2013年期间人均耕地面积最少。

从总体空间格局上分析,研究区的全局Moran’s I都为正,各个行政村的人均耕地面积空间差异呈现出显著的空间集聚特征。

从局部空间相关上分析,研究区各个行政村的人均耕地面积在时间尺度上主要体现出3种类型的空间分异特征:HH类型区域,即人均耕地面积较多的核心区,主要集中在研究区西南地区的阿舍彝族乡; LL类型区域,即人均耕地面积较少的地区,主要集中在研究区东南地区的八嘎乡一带; LH类型区域,即区域人均耕地面积自身高周边低的地区,主要集中在研究区西南地区的平远镇。由此可知,HH类型区域与LL类型区域存在明显的空间分异特征,在宏观上呈现为西高东低的总体空间分布特征。

研究区各个行政村人均耕地面积呈现HH和LL集聚的现象,可能是由于区域差异、资源承载、交通状况、气候变化、农业基础设施和城市化进程所形成的,这种空间分布格局对以后进行土地利用结构优化具有参考价值。

参考文献:

[1]谈明洪,吕昌河.城市用地扩展与耕地保护[J].自然资源学报,2005,20 (1):52-58.

[2]姜广辉,张凤荣,张晋科,等.北京市平谷区耕地面积变化及其驱动力的数理分析[J].土壤,2007,39 (3):408-414.

[3]田义超,李晶,任志远.近300年来黄土高原耕地变化及时空格局分析[J].干旱区资源与环境,2012,26 (2):94-101.

[4]吴大放.近35年珠海市耕地时空演变及机理研究[D].广州:中山大学,2010:1-2.

[5]李秀彬.中国近20年来耕地面积的变化及其政策启示[J].自然资源学报,1999,14 (4):329-333.

[6]叶浩,濮励杰.江苏省耕地面积变化与经济增长的协整性与因果关系分析[J].自然资源学报,2007,22 (5):766-774.

[7]王书转,赵先贵.陕西省耕地面积变化趋势及其驱动因子研究[J].干旱区研究,2006,23 (1):139-143.

[8]邓楚雄,李晓青,向云波,等.长株潭城市群地区耕地数量时空变化及其驱动力分析[J].经济地理,2013,33 (6):142-147.

[9]杨慧.空间分析与建模[M].北京:清华大学出版社,2013:143-152.

[10]王静,张小雷,杜宏茹.新疆县域经济空间格局演化特征[J].地理科学进展,2011,30 (4):470-478.

[11]蒲英霞,葛莹,马荣华,等.基于ESDA的区域经济空间差异分析——以江苏省为例[J].地理研究,2005,24 (6):965-974.

[12]张海军,蒋国富.河南省县域农民人均纯收入时空演变分析[J].地理与地理信息科学,2009,25 (4):109-112.

[13]催敬涛,吴国平,范庆亚,等.基于ESDA的费县土地利用时空演变研究[J].水土保持研究,2014,21 (1):240-250.

[14]曾雨晴,潘洪义,周介铭,等.基于空间自相关的人均耕地面积时空格局变化研究——以四川省为例[J].江苏农业科学,2015,43 (9):388-391.

[15]朱晓,李裕瑞,卞新民.江苏省耕地面积变化的时空特征[J].江苏农业学报,2009,25 (1):127-130.

[16]韦素琼,张金前,陈健飞.基于空间自相关的闽台城镇建设用地分布研究[J].地理科学进展,2007,26 (3):11-17.

[17]ANSELIN L.Interactive techniques and exploratory spatial data analysis[M]∥LONGLEY P A,GOODCHILD M F,MAGURIE D J,et al.Geographical information systems,principles,technical issues,management issues and applications.New York:John Wiley & Sons Inc,1999:253-266.

(责任编辑：高 峻)

中图分类号：F301.24

文献标志码：A

文章编号：0528-9017(2016)04-0590-05

DOI10.16178/j.issn.0528-9017.20160439

收稿日期:2015-12-23

作者简介:黄冠睿(1990—),男,云南昆明人,在读硕士研究生,主要研究方向为地理信息系统应用,E-mail:insecthole@qq.com。