APP下载

喀斯特山地典型区域耕地撂荒分布特征研究*——以花溪区久安乡为例

2021-08-28贵州师范大学地理与环境科学学院瞿绍懂

区域治理 2021年20期
关键词:花溪区坡度决策树

贵州师范大学地理与环境科学学院 瞿绍懂

从地形地貌差异角度来看,山区是耕地撂荒最主要的发生地,而平原只有少数耕地撂荒。耕地不断撂荒将导致耕地收缩,威胁到我国“三农”发展与粮食安全等。在耕地撂荒研究方法上,大多数国内外学者关于撂荒的研究主要从耕地撂荒的提取、时空特征、驱动因素以及对策等方面进行研究。根据国内研究的现状发现,我国地形复杂和农业生产条件相对落后的丘陵、山区的耕地撂荒程度相对较高,尤其像四川、重庆、贵州等岩溶地貌广布的地区更为严重。在近几年对耕地撂荒的研究中,学者针对如何用更准确、更直观的方法分析耕地撂荒的特征及驱动力分析方法上作了大量实践创新,比如,杨通等人的研究中引入了联合变化检测方法,并用多线性模型提出耕地撂荒的主要驱动力,以及通过构建撂荒程度指数等方法,更好地描绘出撂荒的空间特征和空间分布。本文立足于乡级尺度,对贵阳市花溪区久安乡各村耕地撂荒基础数据统计、空间布局以及驱动因子等进行研究分析。以2017年遥感影像为数据基础,识别提取久安乡撂荒地,结合GIS空间分析,得到久安乡撂荒地的空间分布特征。

一、研究区概况及数据源

(一)研究区概况

久安乡(东经106°35′26″,北纬26°31′1″)位于黔中腹地,花溪区的西北面。整个区域东西宽19公里,南北长14公里,行政区域面积为48.66平方公里。全乡人口总数为13444人,辖7个行政村、60个村民组,居住人口主要为布依族、苗族和汉族。久安乡海拔1090—1402米之间,相对高差100—310米之间,地势中部高、东部低,区内山地丘陵占总面积的95%以上。气候系亚热带季风温润区,具有较明显的高原性气候特点(见图1)。

图1 研究区地理位置图

(二)数据来源

本研究以贵阳市花溪区久安乡2017年9月Landsat-8遥感影像(坐标系统WGS_1984_UTM_Zone_48 N,空间分辨率30 m×30 m)为主要数据源,开展研究区耕地撂荒的空间分布特征分析。遥感影像和30m空间分辨率的DEM数据均来源于地理空间数据云网站(http://www.gscloud.cn/),遥感影像含云量不到5%,数据质量较好。其他统计数据来源于花溪区人民政府官网(http://www.huaxi.gov.cn/)与久安乡年度政府工作报告。

二、研究方法

(一)撂荒地识别提取研究

撂荒地的识别与提取是本研究的关键步骤,其结果的精确性对后续撂荒地空间分布特征研究具有决定性作用。本文利用不同地物光谱特征的差异和纹理特征分析,使用基于See5.0的决策树分类方法,利用ENVI5.3软件建立决策树,进行研究区土地利用的遥感实验,再结合地表实际情况进行撂荒地的识别提取。本研究根据区域影像的纹理特征,进行图像纹理解译分析,其特征量通过Variance(方差)来表示,公式如下:

式中,Xij表示像元(i,j)的灰度值DN,M表示平均值,其公式如下所示:

(二)空间分布特征研究

1.撂荒耕地区位特征

通过计算久安乡撂荒率,可以初步了解研究区耕地撂荒现状。撂荒率(Ari)是指各村的撂荒地面积占该村耕地面积的百分比。下式(3)中,Ari是指第i个村或社的撂荒率,mi是第i个村或组的撂荒地面积,M i是指第i个村或组的耕地面积,i是村或组的个数,分别为7个村和60个组。

2.撂荒耕地地理要素分析

坡度和地形起伏度是衡量二维地理空间分布特征的重要因子。地形起伏度指区域最高点与区域最低点之差,从宏观上反映了地形的起伏特征,是定量描述地表形态、划分地貌类型的重要指标。计算公式如(4)。研究结合实验获取的DEM数据,进行坡度分析和地形起伏度分析,从而分析久安乡耕地和撂荒地的地表分布特征。

式中,R表示区域内的地形起伏度值,Hmax、Hmin分别为分析区域内的最高点和最低点高程。

三、结果与分析

(一)撂荒地提取精度验证

通过ENVI计算,得到决策树的总体分类结果,精度达到90%以上,Kappa系数为0.932,精度满足本研究需要。研究结合ArcGIS10.2从分类结果中提取久安乡7个村、60个村民组的撂荒地分布数据,随机生成100个随机点,均匀分布在整个研究区域,包括喀斯特地区、非喀斯特地区等级的耕地。地面调查中采用空间分辨率较高的影像核验,走访当地村民进行辅助验证,总体调查精度达到87%。

(二)撂荒地提取结果

统计分析研究区耕地撂荒面积特征,可以看出,久安乡耕地面积为1053.82hm2,撂荒面积为229.55hm2,撂荒率为21.78%,撂荒地块总数为1343块。从整体上看,无论是撂荒块数还是撂荒率,久安乡都存在严重的耕地撂荒问题。从撂荒地的空间分布上来看,久安乡撂荒地主要集中在中部和西部地区,按照不同的村域来看,打通村撂荒率最高,达到了41.79%,撂荒面积为39.79hm2。主要是因为打通村自然资源条件和社会经济条件相对较差,随着城市化的扩张,大量劳动力从山上转移到城镇,导致耕地大量撂荒。其次是拐耳村,撂荒面积为31.56hm2,撂荒率为37.46%。

(三)撂荒地分布地形特征分析

久安乡地形地貌复杂,地势起伏度最大达到了57m。由图2可知,撂荒率呈“V”字型变化,撂荒率最高的是坡度小于6度的区域,这是由于研究区域坡度小于6°的耕地基数较小,而大部分的撂荒地集中在坡度为6-15度之间的坡耕地中,撂荒面积为136.66hm2,撂荒率为22.31%。撂荒率在坡度15°-25°之间出现了转折,此时的撂荒率达到最低点,随着坡度继续增加,撂荒率也相应增大。

图2 不同坡度下撂荒地分布特征

四、结论

研究发现,撂荒地大多分布在坡度较大、距离经济区较远的区域。导致撂荒地产生的原因有人为弃耕和自然撂荒,给农业生产经济和生态环境带来不利影响,逐渐吸引政府和许多专家学者的注意和重视。研究中撂荒地识别的误差主要有:未能进行识别和人工目视解译有误。经过现场调查发现,导致判断有误的主要因素为一部分多年持续撂荒的耕地中杂草覆盖度密集,容易误判为草地或是灌木林地,另一部分撂荒地面积很小,只有十几平方方米,有些甚至还达不到这个数值,导致决策树识别时不能有效判断。这两种情况产生的误差通过决策树分类识别通常不能略过,还需要结合现场调研来进一步确认。喀斯特山地脆弱的生态特征往往容易产生耕地撂荒,在实地的调研中发现岩石裸露现象较多,耕地土层较薄。针对喀斯特山地撂荒地研究,分析耕地撂荒分布特征,为指导耕地保护提供借鉴依据。

猜你喜欢

花溪区坡度决策树
Aqueducts
基于远程监控的道路坡度提取方法
放缓坡度 因势利导 激发潜能——第二学段自主习作教学的有效尝试
作品赏析(3)
决策树和随机森林方法在管理决策中的应用
决策树学习的剪枝方法
决策树多元分类模型预测森林植被覆盖
花溪区委离退局走访慰问改制企业离休干部
花溪区老年大学参加舞蹈比赛喜获佳绩
花溪区委离退局积极为云南鲁甸灾区捐款献爱心