苑惠丽 杨亚楠 陈文君

摘要 基于多時相中分辨率遥感数据，结合野外实地采样数据和面向对象的遥感影像分析方法，开展黄河故道地区果园信息提取，结合地形因子、海岸线分布等基础地理数据，探讨果园空间分布格局，并分析不同空间尺度下果园的聚集度特征。结果表明：黄河故道果园面积约1 268.30 km，其中砀山县、丰县和萧县为果园种植的主要地区；果园主要分布于高程＞20～60 m、坡度≤4°的范围内的地势平坦地带，分别占果园总面积的86.84%和88.43%；果园主要分布于距离海岸线＞280 km的区域内，占果园总面积的91.20%；县（区）域、10 km×10 km、5 km×5 km和1 km×1 km格网尺度下的果园种植密度呈显著空间正相关，属于空间聚集分布模式，随空间尺度降低，聚集度越高。可见黄河故道地区果园逐渐呈现出种植规模化、连片化的特征。

关键词 果园；空间分布特征；黄河故道地区

中图分类号 S181.3 文献标识码 A

文章编号 0517-6611（2024）02-0063-06

doi：10.3969/j.issn.0517-6611.2024.02.013

开放科学（资源服务）标识码（OSID）：

Spatial Distribution Characteristics of Orchards in the Ancient Canal of Yellow River

YUAN Hui-li，YANG Ya-nan，CHEN Wen-jun

（1.Architectural Engineering Institute，Jinling Institute of Technology，Nanjing，Jiangsu 211169; 2.State Key Laboratory of Lake Science and Environment，Nanjing Institute of Geography and Limnology，Chinese Academy of Science，Nanjing，Jiangsu 210008;3.Software Engineering Institute，Jinling Institute of Technology，Nanjing，Jiangsu 211169）

Abstract Based on multi temporal and medium resolution remote sensing data，combined with field sampling data and object-oriented remote sensing image analysis methods，information extraction of orchards in the ancient canal of Yellow River was carried out.Combining basic geographic data such as terrain factors and coastline distribution，the spatial distribution pattern of orchards was explored，and the clustering characteristics of orchards at different spatial scales were analyzed.The results showed that the area of orchards along the ancient canal of Yellow River was about 1 268.30 km.Dangshan County，Feng County and Xiao County were the major planting areas.Orchards were mainly distributed in flat terrain areas with an elevation of >20-60 m and a slope of ≤4°，accounting for 86.84% and 88.43% of the total orchard area，respectively;orchards were mainly distributed in areas more than 280 km away from the coastline，accounting for 91.20% of the total area of orchards.The planting density of orchards at the county （district） scale，10 km×10 km，5 km×5 km and 1 km×1 km grid scale showed a significant spatial positive correlation，belonging to a spatial aggregation distribution pattern.As the spatial scale decreased，the aggregation degree increased.It could be seen that orchards in the ancient canal Yellow River were gradually showing the characteristics of large-scale cultivation and contiguity.

Key words Orchard;Spatial distribution characteristic;Ancient canal of Yellow River

基金项目 国家自然科学基金项目（42101476，42201295）；江苏省高等学校自然科学研究面上项目（21KJB170025）。

作者简介 苑惠丽（1981—），女，山东滨州人，讲师，博士，从事流域地表要素遥感反演研究。

收稿日期 2022-11-21；修回日期 2022-12-13

黄河故道又称为故黄河、淤黄河，是历史上黄河流域的重要组成部分，位于京津冀、黄河流域和长三角3个区域的连接地带，地理位置重要，发展潜力大。2019年，习近平总书记在黄河流域生态保护和高质量发展座谈会上的讲话指出，黄河流域是打赢脱贫攻坚战的重要区域；黄河流域生态环境持续明显向好，下游河口湿地面积逐年回升，生物多样性明显增加，但流域生态环境脆弱。然而，由黄河水淤积形成的土壤有机质含量低，农业生产能力弱，沿线贫困化程度较高，但其独特的气候特征和砂质土壤，适宜果树生长。20世纪50年代开始建起了近百个国营园艺场，有力推动了黄河故道地区果园产业的快速发展。然而，经过近20年的快速发展，在2010年左右果园的面积及产量增长速度变缓甚至有的区域开始减少种植面积，势必会影响故道周边的生态环境和经济发展。因此，有必要对黄河故道地区果园的种植现状进行调查，获取准确的果园种植情况，从而为改善生态环境和保证周边经济的可持续发展提供数据支持。

黄河故道果园的研究多集中于果树的栽培、病虫害防治、土壤性状及不同耕作和覆盖条件下对果园产量的影响等方面。常规的统计方法很難及时准确地得到精确的农作物种植面积，更无法实时获取农作物的空间分布状况。随着遥感技术的出现，快速准确地获取果园的空间分布情况成为可能，尤其是大范围果园信息提取。

因此，该研究拟基于多时相中分辨率遥感数据，结合野外实地采样数据和面向对象的遥感影像分析方法，开展黄河故道地区果园信息提取，结合地形因子、海岸线分布等基础地理数据，探讨果园空间分布格局，并分析不同空间尺度下果园的聚集度特征，为黄河故道地区果园产业化规模健康发展提供参考。

1 资料与方法

1.1 研究区概况

黄河故道自河南省兰考县向东南，途径3个省的21个县（区），自西向东依次经过民权县、商丘市区、安徽省砀山县、江苏省丰县、徐州市区、睢宁县、宿迁市区、泗阳县、淮安市区，过涟水县后，由滨海县的大淤尖村套子口入黄海，全长约728.3 km（图1）。除安徽萧县境内、徐州市市辖区和徐州铜山区境内有小面积山地海拔较高，区域内总体地势西高东低，平均海拔31.52 m，该区域属气候界于暖温带和北亚热带之间，属于季风半湿润气候区，冬秋无霜期长，光热充足，东西跨度较大，由内陆到沿海，气候特征稍有差异，年均气温14.0～14.7 ℃，年无霜期213～220 d，年降雨量678～949 mm。其独特的气候特征和砂质土壤，适宜果树生长。

1.2 基础地理数据

该研究使用的数据包括：①黄河故道地区30 m空间分辨率ASTER GDEM地形数据，下载于美国航天局（NASA）数据统一发布平台Reverb （http：//reverb.echo.nasa.gov/reverb）；②Landsat 8 OLI（operational land image）L1级标准产品，该级别数据产品使用地面控制点和数字高程模型数据进行了几何校正，坐标精度能满足该研究要求。

经过统计发现，覆盖整个研究区需要5景Landsat 8 OLI影像，条带号分别为120/36、120/37、121/36、122/36、123/36。据旱地作物的生长特征可知，10月中下旬农作物已全部收获，此时是提取果园的最佳时相。其中，位于条带号为122/36的安徽省砀山县梨园具有大面积连片分布的特征，且紧邻农村居民点，上覆有落叶林的农村居民点与果园有相似的光谱特征和时相特征，利用IOPT指数可以将其有效区分，选取4月初、10月初及12月份影像进行该区域果园提取。因此，该研究中共选取出2017—2020年7景无云影像作为数据源（表1）。利用2020年4月获取的野外调查样点进行精度的验证与评价。

1.3 基于NDVI的果园信息提取

黄河故道地区东西跨度较大，果园在内陆和沿海地区有明显不同的分布特点和影像特征。内陆地区果园一般集中分布、面积大，与耕地邻接，两者在遥感影像上植被特征极其相似。但因其在生长期内与耕地有明显的差异，10月中下旬是耕地内庄稼的收获期，NDVI最低，而果园仍然茂盛，因此选取此期间获取的影像可以有效区分耕地和果园。沿海地区多是小型采摘园，面积较小，中分辨率遥感影像上识别困难，仅利用光谱特征难以从遥感影像上将其提取出来，需结合Google Earth平台的高分辨率卫星遥感影像进行验证并纠错。

1.4 地形与区位特征

在同一空间参考系统下，将同一地区具有不同地理特征和属性的数据进行叠加，能够得到该地区的多重属性特征，或建立地理对象之间的空间对应关系。该研究利用空间叠加分析方法，对黄河故道地区果园的分布特征进行研究，包括：①将提取的果园数据与黄河故道地区县、区分布图进行叠加，统计得到各县、区果园的种植面积；②将果园数据分别与高程和坡度2个地形因子进行叠加，统计分析果园在不同高程和坡度下的空间分布情况；③利用海岸线数据构建多环缓冲区与果园数据进行叠加，统计分析果园在不同缓冲区范围内的分布特征。

1.5 基于Moran’s I指数的果园空间聚集度

相关位置上的地理数据由于空间相互作用和扩散的影响，彼此之间相互依赖，具有空间自相关性。定量化探究空间自相关性的方法按功能一般分为全局空间自相关和局部空间自相关。前者是从整个研究区域内探测变量在空间分布上的聚集性，后者是从特定局部区域内探测变量在空间分布上的聚集性。

该研究使用全局空间自相关指标Moran’s I指数描述黄河故道地区果园种植密度的空间相关性及其分布模式。Moran’s I指数的取值为[-1，1]，Moran’s I<0表示负相关，值越小，空间差异越大；Moran’s I=0表示不相关，空间呈随机性；Moran’s I>0表示正相关，值越大，空间相关性越大。针对Moran’s I指数，使用标准化统计量Z来检验多个区域是否存在空间自相关关系。Moran’s I指数计算公式如下：

式中：I为Moran’s I指数；n为研究区的空间单元总数；x、x分别为i、j空间单元的属性值；x为所有空间单元属性值的均值；w为空间权重；S为空间权重矩阵之和。

利用Z检验进行验证：

式中：E（I）为 Moran’s I指数的期望值；VAR（I）为 Moran’s I指数的方差。为研究不同空间尺度下黄河故道地区果园的空间聚集特征，构建10 km×10 km、5 km×5 km、1 km×1 km 3种尺度的网格，计算包括县（区）域的4种空间尺度下果园种植密度的全局自相关指数Moran’s I。该方法将网格图与果园分布数据相叠加，统计每个网格的果园面积，计算得到每个网格果园面积百分比，将计算结果赋给对应网格的中心点。

2 结果与分析

2.1 黄河故道地区果园种植规模

基于遥感影像提取果园结果（表2和图2）表明：黄河故道地区果园种植总面积为1 268.30 km，其中，种植面积超过40 km的县（区）有砀山县、丰县、萧县、虞城县、宁陵县和民权县，占总种植面积的83.20%，其中砀山县、丰县和萧县种植面积较大，分别占总种植面积的44.26%、15.46%和8.31%。主要的果园类型包括苹果园、梨园、桃园和葡萄园，其中梨园面积最大，为1 068.68 km，占果园总面积的84.26%；苹果园面积为87.06 km，占果园总面积的6.86%；桃园面积为68.06 km，占果园总面积的5.37%；葡萄园面积为44.50 km，占果园总面积的3.51%。

2.2 果园分布的地形特征

地形為土地利用格局的形成提供基础并影响着土地利用的演变过程。高程和坡度2个地形因子直接影响着农林牧业的用地分布、水土流失等情况，是土地资源2个重要的环境因子。果园数据与地形因子叠加结果（表3）表明，黄河故道地区果园主要种植的高程为>20～60 m，占总种植面积的86.84%。其中，在>20～30 m高程带内，果园种植面积为193.53 km，占总种植面积的15.26%；>30～40 m高程带内，果园种植面积为428.98 km，占总种植面积的33.82%；>40～50 m高程带内，种植面积为329.22 km，占总种植面积的25.96%；>50～60 m高程带内，果园种植面积为149.68 km，占总种植面积的11.80%。如图3所示，≤20 m高程范围主要位于研究区东部，耕地类型主要为水田，几乎没有连片种植果园，果园种植多是采摘园形式，零星分布，面积较小，所占比重不大。>70 m高程范围主要包含了民权县部分园地、安徽萧县和徐州市市辖区范围内的部分山地果园。

黄河故道地区总体地势平坦，统计表明（图4），≤4°坡度范围内果园面积有1 121.56 km，占果园总面积的88.43%。

2.3 果园分布的区位特征

以70 km为间隔，对黄河故道地区海岸线构建多环缓冲区，与果园数据叠加后统计结果如表4所示。分析表明，随离海岸线距离的增加，果园种植面积逐渐增大，距离海岸线>280 km范围内果园种植面积为1 156.67 km，占果园总面积的91.20%。

2.4 果园分布的空间聚集特征

构建10 km×10 km、5 km×5 km、1 km×1 km 3种不同的空间尺度格网，通过与黄河故道地区果园数据得到的不同空间尺度下的种植密度，分别计算包括县（区）域的4种空间尺度下果园种植密度的全局自相关指数Moran’s I，得到研究区果园种植密度在不同空间尺度下的空间聚集特征（图5）。统计表明，黄河故道地区县（区）域、10 km×10 km、5 km×5 km、1 km×1 km 4种尺度下的Moran’s I指数分别为0.14、0.66、0.79、0.83，均大于0，Z检验值分别为2.39、24.61、56.84和300.41，均显著。可见，在这4种空间尺度下，研究区内的果园种植密度在整体空间分布上呈现出明显的正相关关系，表现出显著的空间聚集模式。通过比较发现，Moran’s I 指数随着空间尺度的变小而逐渐增大，空间分布也更为聚集，相邻空间单元的果园种植密度差异降低，相似性增大，表明果园种植密度在空间分布的聚集程度与空间尺度的大小有强烈的相关性。

3 结论

该研究利用中分辨率遥感影像，基于面向对象的遥感影像分析方法，进行黄河故道地区果园信息提取；并利用GIS空间分析方法，结合研究区地形因子与海岸线分布情况，对果园的空间分布格局进行了分析，结论如下：

（1）黄河故道地区果园种植的总面积约为1 268.30 km ，砀山县、丰县和萧县为该地区果园种植的主要区域。

（2）高程>20～60 m、坡度≤4°的区域是黄河故道地区果园主要分布地带，具有典型的平原区果园种植特征。

（3）黄河故道地区果园主要分布于距离海岸线>280 m的内陆区域，体现出内陆自然条件依赖性。

（4）不同空间尺度下，黄河故道地区果园种植密度在整体空间分布上呈现出明显的正相关关系，属于空间聚集分布模式。随着空间尺度的变小，种植密度的全局自相关性 Moran’s I 指数也逐渐增大，空间聚集程度逐渐增高，果园种植密度在空间内分布的聚集程度与空间尺度的大小有强烈的相关性。

参考文献

[1]赵瑜.让黄河成为造福人民的幸福河：全国政协提案委员会“将黄河故道纳入黄河流域生态保护和高质量发展国家战略”重点提案办理协商会侧记[J].中国政协，2020（22）：34-35.

[2]朱永增，丁继辉，李倩倩，等.黄河故道土地生态整治与高标准农田建设模式研究[J].江苏水利，2020（8）：38-41.

[3]马凌珂.黄河故道地区梨产业发展浅析[J].果农之友，2020（11）：42-43.

[4]王宝秋.应当开展果园面积变动统计[J].浙江统计，1999（1）：34.

[5]盛炳成.黄河故道地区果树综论[M].北京：中国农业出版社，2008.

[6]李晓敏.河南省苹果品种发展及栽培利用研究[D].杨凌：西北农林科技大学，2018.

[7]邵砾群.中国苹果矮化密植集约栽培模式技术经济评价研究[D].杨凌：西北农林科技大学，2015.

[8]赵增锋.苹果病虫害种类、地域分布及主要病虫害发生趋势研究[D].保定：河北农业大学，2012.

[9]符丹丹.中国苹果炭疽病病原菌的遗传多样性[D].杨凌：西北农林科技大学，2014.

[10]简兴，陈鸿，肖昕迪.黄河故道土壤有机碳及易氧化有机碳含量分析[J].安徽农学通报，2017，25（14）：62-64.

[11]高凝.不同地面覆盖对黄河故道地区苹果树体生长及果实品质的影响[D].泰安：山东农业大学，2020.

[12]李芳，李姝蓉，章敏.顾及地形特征的山区农作物种植面积测量与空间分布特征分析：以云南省文山州丘北县为例[C]∥2016年全国统计建模大赛论文集.北京：国家统计局，2016：362-401.

[13]YUAN H L，MA R H，LUO J H.Mapping orchards on plain terrains using multi-temporal medium-resolution satellite imagery[J].Applied engineering in agriculture，2015，31（3）：351-362.

[14]徐晗澤宇，刘冲，齐述华，等.基于随机森林算法的赣南柑橘果园遥感信息提取[J].江西师范大学学报（自然科学版），2018，42（4）：434-440.

[15]陈优良，胡锦景，王兆茹，等.赣南柑橘果园面积动态变化分析：以信丰县为例[J].江西农业大学学报，2017，39（5）：884-894.

[16]陈优良，胡锦景，王兆茹，等.赣南柑橘果园面积动态变化分析：以寻乌县为例[J].江西理工大学学报，2017，38（5）：19-25.

[17]董芳.基于多源数据的丘陵区苹果园地信息遥感提取技术研究[D].泰安：山东农业大学，2012.

[18]RANCHIN T，NAERT B，ALBUISSON M，et al.An automatic method for vine detection in airborne imagery using wavelet transform and multiresolution analysis[J].Photogrammetric engineering and remote sensing，2001，67（1）：91-98.

[19]TRIAS-SANZ R.Texture orientation and period estimator for discriminating between forests，orchards，vineyards，and tilled fields[J].IEEE transactions on geoscience and remote sensing，2006，44（10）：2755-2760.

[20]乔斌，祝存兄，曹晓云，等.格网尺度下青海玛多县土地利用及生态系统服务价值空间自相关分析[J].应用生态学报，2020，31（5）：1660-1672.

[21]刘洋，余建新，向冬蕾，等.基于局部空间自相关的思茅区耕地利用保护综合分区[J].水土保持研究，2020，27（1）：183-188，196.

[22]张起明，徐晗泽宇，江丰，等.赣南地区柑橘果园空间分布特征分析[J].江西科学，2018，36（4）：591-598.

[23]徐建华.计量地理学[M].2版.北京：高等教育出版社，2014：84-91.

[24]陈运强，王荣远.土地利用空间格局与坡度坡向的关系[J].测绘与空间地理信息，2015，38（10）：171-174，177.