张 昊，李阳兵

(1.重庆师范大学 地理与旅游学院，重庆 401331； 2.重庆师范大学 三峡库区地表过程与环境遥感重庆市重点实验室，重庆 401331)

0 引言

经济林是以生产果品、食用油料、饮料、调料、工业原料和药材等为主要目的的林木，在改善民生、促进农村经济发展及加强生态保护中具有重大作用[1-2].随着林业六大工程建设的实施，我国经济林面积大幅度增加.在丘陵山区，经济林相比传统农作物更具经济价值，如三峡库区在坡耕地上发展脐橙产业[3]1630-1646、杭州市耕地向果园和茶园转型等[4].由于近年来经济林的快速发展，相关研究也成为学术热点，如种植模式和林地工程建设[5-6]、经济林的经济效益和生态影响[7-8]、林木防护和区域规划[9-10]等.但从地理学视角，通过定量方法分析经济林时空变化和驱动机制的研究较少.

渝东南山区是重要的生态涵养区，山地范围广、生态环境脆弱，传统农业生产条件差，经济发展落后.为摆脱落后的农林业种植格局，在乡村振兴战略的指引下，提出以脐橙、柚子和桃为主的规模化经济林基地建设规划.10多年来，一些乡镇已经建设成为经济林特色产业乡镇.因此，选取渝东南山区为研究区，以高分辨率遥感影像为数据源，运用景观格局指数、地理探测器等方法，探究经济林时空变化特征及其驱动因素，以期为渝东南及周边山区农林建设和乡村振兴发展提供参考，为区域政策优化提供理论依据.

1 材料与方法

1.1 研究区概况

研究区位于四川盆地东南部武陵山与大娄山山系交汇的盆缘山地(107°30′E～109°30′E,28°10′N～30°30′N)，地形起伏多变，海拔范围在120～1 927 m，覆盖重庆市黔江区、武隆区、石柱县、彭水县、丰都县、酉阳县和秀山县(图1).区域总面积29 916.8 km2，可利用优良土地较少，加之复杂地形造成的水土流失等潜在风险，农林业发展面临巨大挑战.近年来，研究区主要种植脐橙、柑橘、柚子和桃树等经果林木，并逐渐发展成为规模化、具有区域影响力的特色林果产业基地.

图1 研究区概况

1.2 数据来源

使用2008年和2018年0.26 m天地图高分辨率遥感影像，通过目视遥感解译法进行解译.由于经济林形态规整、低矮、人工种植痕迹明显，成列并集中连片，与周围景观差异明显，具有良好的辨识度(图2).为进一步确保目视解译的准确性，在研究期内对经济林斑块进行抽样调查，结合前人研究成果[11]，使解译的经济林斑块准确性满足研究所需.由于使用的遥感影像有部分缺失，2018年彭水县的影像改用0.51 m天地图遥感影像进行目视解译，部分难以识别的经济林影像，通过反复对比2003年、2005年、2010年、2015年多分辨率遥感影像判断完成解译.鉴于经济林具有成片成规模的特点，为排除不成规模经济林木干扰研究，参考R.W.Herdt和A.M.Mandac[12]提出的家庭农场最适规模为0.47 hm2，以农户个体水平下经营林地作为经济林斑块解译时最小面积，在解译时剔除面积小于0.47 hm2的经济林斑块.经多次检验，两期经济林矢量数据精度达到88%以上.

图2 经济林目视解译

使用的30 m分辨率DEM数据来源于地理空间数据云(https://www.gscloud.cn/)，通过DEM提取研究区的高程和坡度，镇级和县级行政区划、道路、河流、行政中心等矢量数据来源于国家地球系统科学数据中心共享服务平台(http://www.geodata.cn/)，经济和人口数据来源于《秀山年鉴2018》《酉阳年鉴2018》《黔江年鉴2018》《武隆年鉴2018》《丰都年鉴2018》《彭水年鉴2018》《石柱年鉴2018》《重庆经济年鉴2018》和《中国县域统计年鉴2018》，林木类示范社数据来源于重庆市农业农村委员会网站(http://nyncw.cq.gov.cn/).

1.3 研究方法

1.3.1 景观格局指数

景观格局是大小和形状不同的景观要素在空间上的排列[13]，Fragstats软件提供了景观格局的各分型指数，用于定量化描述景观斑块的分布特征和规律性.选取CA(斑块面积)、FRAC_AM(加权平均斑块分维度)、ENN_AM(加权平均斑块距离)等指数，描述经济林斑块的景观格局变化和一般规律.

1.3.2 地理探测器

地理探测器是探测空间分异性、揭示其背后驱动力的一组统计学方法[14].使用模型中的因子探测器定量分析研究区10 a经济林变化影响因素，在因子探测器中，用q值度量驱动因子T多大程度解释了经济林变化情况R，q的值域为[0,1]，q值越大，解释力越强.其模型表达式如下：

(1)

(2)

1.3.3 驱动因素选择

参考相关研究[3]1630-1646并结合研究区实际，以乡镇街道为研究基础单元(共计229个)，从自然背景、社会经济、政策优势三方面选取九个驱动因素进行分析.

自然背景方面：1)高程<1 000 m土地面积占比.高程是影响林木生长的重要自然要素指标，研究区<1 000 m的土地面积占比 69.3%，但分布极为不均.2)坡度<15°土地面积占比.陡坡水土流失较为严重，<15°的土地能够保障经济林种植.3)距水域距离.经济林木与水域的距离直接影响灌溉.

社会经济方面：1)距主要道路距离.经济林木种植的空间选择势必会考量运输成本、通达性等问题，而毗邻高速公路、省道及区县快速通道等更具区位优势.2)距区县中心距离.区县中心是区域经济和社会发展的核心区域，具有一定程度的辐射效应，探究其与经济林变化关系具有一定意义.3)农村常住人口数量.农村劳动人口的流失会直接导致农用地撂荒等问题，在集约化农业发展仍较迟滞的山区，农村常住人口在农业生产方面格外重要.4)城镇化率.农村的城镇化在一定程度上会造成可利用农业用地流失.5)农民人均可支配收入.大多数山区都以第一产业为支柱，农民可支配收入与农业生产有直接联系.

政策优势方面：经济林木类示范合作社数量.示范合作社吸纳个体农户参与，带动周边地区经济林产业发展，具有较高的社会认可度.因得到地区政府部门重点扶持，较易参与大型经济林工程建设，因此示范合作社数量对经济林空间选择有一定影响.

2 结果分析

2.1 经济林格局变化

CA指数描述经济林面积，其变化反映经济林消长总体趋势，研究区及各区县经济林面积变化如图3所示.2008年研究区经济林面积为3 956.76 hm2，2018年为7 689.33 hm2，10 a间新增经济林3 732.57 hm2.各区县经济林均有所增长，但增长幅度不同.秀山县和丰都县增长幅度较大，分别新增经济林1 019.61 hm2和749.43 hm2；酉阳县、黔江区和石柱县保持中等幅度增长，分别新增经济林465.48 hm2、592.38 hm2、426.06 hm2；彭水县和武隆区增长幅度较小，分别新增经济林225.18 hm2和254.43 hm2.

图3 经济林斑块分布

ENN_AM指数描述经济林斑块间的临近度，其变化如图4所示.研究区ENN_AM指数值从2008年的631.23下降至2018年的386.61，下降幅度较大.各区县均出现了不同幅度的下降，经济林斑块间距离愈发缩短，表明研究区经济林正逐渐从分散形态向聚集形态变化.

图4 经济林斑块临近度(ENN_AM)变化

FRAC_AM指数描述经济林斑块的复杂程度，指数值越低则更接近简单的矩形或圆形，研究区及各区县斑块复杂程度变化如图5所示.研究区FRAC_AM指数值有小幅度提升，从2008年的1.121提升至2018年的1.124，表明研究区经济林轮廓趋向于复杂，并且多受自然环境制约.各区县中除黔江区和丰都县均有一定程度的增长.

图5 经济林斑块复杂程度(FRAC_AM)变化

2.2 经济林时空分布变化格局

2.2.1 经济林海拔分布变化格局

经济林在海拔上的分布变化如图6所示.研究区经济林主要集中在200～800 m高程，整体变化趋势不明显.各区县存在一定差异，酉阳县、丰都县、彭水县、武隆区和秀山县10 a间波动不大；石柱县经济林在200～400 m区间有明显增长，这与近年来西北部发展规模化林果产业园有关；黔江区经济林由分散分布向400～800 m区间集中，作为渝东南区域中心城市，其经济林规模化建设更具区位优势，因此发展势头强劲.

图6 经济林在高程上的分布变化

2.2.2 经济林坡度时空分布变化格局

经济林在坡度上的分布变化如图7所示.研究区经济林10 a间主要集中在缓坡区间，坡度<12°的经济林斑块面积占比有下降趋势，而坡度12°～20°面积占比明显增长.结合10 a间研究区发展情况，为保护粮食生产安全，低坡度区域严格落实永久基本农田使用，经济林建设更侧重坡地，而政策上“坡改梯”工程的有效实施，以及对坡地农林交错区生态保护的倾斜，都迫使经济林向更高坡度地区发展.各区县显示出一定差异：酉阳县、丰都县和秀山县因为地势相对平坦，坡度<2°的区域经济林仍有小幅增长，其余区县与研究区整体基本一致.在面积占比增长较明显的12°～20°区域，酉阳县和丰都县经济林都出现小幅下降，与研究区整体存在一定差异.

图7 经济林在坡度上的分布变化

2.3 经济林时空变化驱动因素

运用地理探测器方法建立的Y(离散量)与X(数值量)之间关系比经典回归分析更具说服力，在具有较小样本时仍能满足分析所需精度.采用自然断点法将探测因子数据转化为类型值，共计7类(经济林木类示范社数量分为3类)，研究区及各区县驱动因素解释力结果见表1.

表1 研究区及各区县驱动因素解释力

从整个研究区来看，驱动因素解释力从大到小依次为：坡度<15°土地面积占比、农村常住人口数量、经济林木类示范合作社数量、高程<1 000 m土地面积占比、距水域距离、乡镇街道城镇化率、距主要道路距离、距区县中心距离、农民人均可支配收入.由此可见，坡度<15°土地面积占比是最重要的驱动因素，虽然在土地整治、“坡改梯”工程实施以来，坡耕地环境得到改善，但总体而言经济林的增长仍侧重于缓坡平坝地区.同时农村常住人口数量也有一定影响，重庆市山区人口析出严重，山区农业集约化和机械化水平较低，因此农村劳动力数量严重制衡经济林建设.另外，经济林木类示范合作社数量也有较高解释力，表明区域政策优势能够加快经济林产业布局建设.研究区受制因素复杂多变，整体解释力区分度相对不高，因此对各区县进行驱动因素分析，更具说服力.1)秀山县.解释力前两位分别是高程<1 000 m土地面积占比和乡镇街道城镇化率.秀山县海拔相对较低，低海拔区域种植条件更佳.城镇化侧面反映人口聚集程度和经济发展水平，经济林建设较快、较易实施，经营主体更偏向企业或政府，规模更大、集约度更好.2)酉阳县和黔江区.解释力最强的均是距水域距离.由此可见，酉阳县和黔江区经济林种植与水域关系密切，两区县都具有丰富的水资源，邻近水域的种植模式也能更好发挥其生态功能.3)彭水县.解释力前两位分别是农民人均可支配收入和坡度<15°土地面积占比.由此可见，其经济林空间选择受农民可支配收入影响，经济作物相对粮食作物成本更高，过低收入会使农户转型决策动摇，寻求更稳健方式，当有大量剩余可支配资金时会寻求高附加值生产方式.4)武隆区、石柱县和丰都县.解释力最强的均是农村常住人口数量.说明三区县经济林增长受农村常住人口数量制约，这与大量的劳动力析出和集约度水平较低有关.值得注意的是，武隆区农村常住人口数量解释力远高于其他驱动因素，说明农村常住人口数量对武隆区经济林变化影响最明显.综上所述，各区县经济林变化驱动因素有所侧重，总体上可以归纳为：彭水县、武隆区、石柱县和丰都县经济林变化主要受制于社会经济方面，而秀山县、酉阳县和黔江区经济林更受制于自然背景方面.

3 结论与建议

3.1 结论

1)研究区10 a间经济林面积明显增长，各区县增长幅度不同，秀山县和丰都县增长幅度较大，酉阳县、黔江区和石柱县增幅中等，彭水县和武隆区增幅较小；经济林斑块临近度增加，斑块形状则趋于复杂.

2)10 a间研究区经济林仍主要集中在200 ～800 m高程，整体分布变化不明显；在坡度上，仍主要集中在12°以下，但12°～20°的陡坡区域经济林面积有明显增长，这与政策上加强永久基本农田保护和坡耕地生态建设有关.

3)研究区经济林变化主要受坡度<15°土地面积占比、农村常住人口数量和经济林木类示范合作社数量影响；各区县而言，彭水县、武隆区、石柱县和丰都县经济林增长主要受社会经济影响，秀山县、酉阳县和黔江区增长主要受自然背景影响.

3.2 建议

基于以上研究，为渝东南山区未来经济林建设和发展提出如下建议：

1)树立农户正确的生态经济价值观.增强农民“绿水青山就是金山银山”的理念，保护天然林，严禁在生态保护区和大于25°的陡坡进行耕种.在经济林的种植过程中，杜绝清除杂草，防止水土流失.

2)加强配套设施建设.由于水体和道路影响经济林种植选择，可以通过改善水利设施，利用好长江流域充足的水利资源，学习先进的滴灌、渗灌等微灌溉技术;同时完善道路交通网络，加快渝湘复线高速公路的建设和相关次级公路的延伸.

3)推进新兴技术参与.将大数据智能化体系应用于经济林的全过程、全方位建设，探索出一条因地制宜的经济林建设模式.构建农产品、人才培养、电商服务和电商平台体系，搭建城乡配送、区域分拨、全国直达的三级物流网络，发展线下生活馆和线上村头电商服务平台，整合中、下游产业链并建设信息覆盖网络，同时运用地理信息技术，开展高分遥感卫星及无人机遥感对经济林的监控监测，把握经济林的长时序变化过程，预测未来发展趋势.