吳 峰 李沛鴻 熊 凡 袁逸敏

(江西理工大學(xué) 土木與測(cè)繪工程學(xué)院, 江西 贛州 341099)

0 引言

在工業(yè)化和城鎮(zhèn)化快速推進(jìn)的背景下,我國(guó)農(nóng)村勞動(dòng)力數(shù)量大幅降低,很多地方出現(xiàn)大范圍的耕地撂荒現(xiàn)象[1]。我國(guó)耕地狀況主要表現(xiàn)為人均耕地面積小,總體質(zhì)量不高[2],耕地資源稀缺。耕地撂荒對(duì)國(guó)家糧食安全存在很大影響[3-4],也易造成土壤有機(jī)碳的減少和土壤結(jié)構(gòu)的惡化[5]、加劇人地矛盾[6]等,為此,提取撂荒地的空間分布、規(guī)模和數(shù)量,對(duì)耕地保護(hù)、提高耕地耕作效率、促進(jìn)耕地集約化應(yīng)用和鞏固脫貧攻堅(jiān)成果極其重要。

我國(guó)南方丘陵山區(qū)受地理?xiàng)l件的制約,耕地撂荒范圍廣,持續(xù)時(shí)間長(zhǎng),有效耕地面積正逐步縮減。中央一號(hào)文件《中共中央 國(guó)務(wù)院關(guān)于做好2022年全面推進(jìn)鄉(xiāng)村振興重點(diǎn)工作的意見》強(qiáng)調(diào),要“牢牢守住保障國(guó)家糧食安全和不發(fā)生規(guī)模性返貧兩條底線”“實(shí)行耕地保護(hù)黨政同責(zé),嚴(yán)守18億畝耕地紅線”。面對(duì)我國(guó)優(yōu)質(zhì)耕地少、后備耕地資源不足的現(xiàn)狀[7],在深入實(shí)施“藏糧于地”的戰(zhàn)略下,對(duì)南方丘陵山區(qū)的撂荒地研究尤為重要。為此,選取江西省的典型山區(qū)縣(安福縣)為研究區(qū),通過支持向量機(jī)(support vector machine ,SVM)算法對(duì)Landsat-8遙感衛(wèi)星數(shù)據(jù)進(jìn)行土地利用分類,制定撂荒和復(fù)墾判別規(guī)則,提取耕地撂荒和復(fù)墾信息。

1 研究區(qū)概況

安福縣地處江西中部偏西、吉安市西北部,隸屬吉安市(114°E～114°47′E、27°4′N～27°36′N),面積2 793.15 km2。該縣地勢(shì)西北比東南高,南部和東北部為低山丘陵崗埠地形;縣域地貌以侵(或剝、溶)蝕構(gòu)造地形為主,河谷洪沖積平原也占一定比例。該縣屬中亞熱帶季風(fēng)濕潤(rùn)氣候,氣候溫和,降雨充沛,日照時(shí)間長(zhǎng),干濕季明顯,是我國(guó)13個(gè)糧食主產(chǎn)區(qū)的100個(gè)糧食生產(chǎn)大縣之一,耕地面積約446.67 km2,有“贛西糧倉(cāng)”之稱,全國(guó)第一批商品糧基地縣,屬省直管縣。2020年該縣下轄7個(gè)鎮(zhèn)12個(gè)鄉(xiāng),全縣常住人口約32.90萬人。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)源

本文所用到的遙感影像數(shù)據(jù)和數(shù)字高程模型(digital elevation model, DEM)數(shù)據(jù)來源于地理空間數(shù)據(jù)云網(wǎng)站,分辨率30 m,時(shí)相主要集中在6—10月份;用于分類和驗(yàn)證的高分辨率影像為GGGIS(一款下載地圖軟件)衛(wèi)星影像數(shù)據(jù)和ArcGIS衛(wèi)星影像數(shù)據(jù),分別來源于GGGIS地圖下載器和全能電子地圖下載器,地圖級(jí)別越高分辨率越高,本文所用為17級(jí),分辨率1.2 m;人口勞動(dòng)力數(shù)據(jù)來源于安?？h人民政府網(wǎng)站和安?？h統(tǒng)計(jì)年鑒。

2.2 研究方法

根據(jù)第三次全國(guó)土地調(diào)查土地分類方法和《土地利用現(xiàn)狀分類(GB/T21010—2017)》,考慮研究區(qū)實(shí)際情況,將土地利用類型分為耕地、林地、草地、水域、建設(shè)用地和裸地六大類。研究區(qū)的耕地類型存在梯田及細(xì)碎地塊,為了更好地選取樣本,用雙線性內(nèi)插法將像元大小重采樣為15 m;選擇樣本時(shí),參考高分辨率影像和已合并的7個(gè)波段值(紅、綠、藍(lán)、近紅外四個(gè)波段、歸一化植被指數(shù)(normalized difference vegetation index, NDVI)、高程數(shù)據(jù)和坡度數(shù)據(jù),保證樣本的準(zhǔn)確性和代表性;計(jì)算樣本間的可分離性驗(yàn)證分類精度;用SVM方法解譯遙感影像[8],用Majority分析法消除孤立像元,對(duì)錯(cuò)分斑塊人工修正[9],得到土地利用分類圖。

不同學(xué)者對(duì)耕地撂荒的時(shí)間定義有不同的看法,比如荒蕪一年以上[10-11]、荒蕪兩年及以上[12]、荒蕪一季或一季以上[13-14]可視為撂荒。根據(jù)研究區(qū)實(shí)際情況,本文將耕地荒蕪兩年及以上視為撂荒,低于兩年則視為耕地休耕。基于對(duì)撂荒地時(shí)間的定義及耕地可能演變的形態(tài),本文建立的耕地撂荒判別規(guī)則如下：t年有耕地斑塊A,t+1年、t+2年斑塊A未發(fā)生變化,則仍視為耕地;t+1年A未發(fā)生變化,t+2年A變?yōu)椴莸?、裸地或稀疏林?視為耕地休耕;t+1年A轉(zhuǎn)為裸地、草地或稀疏林地,t+2年經(jīng)過復(fù)墾又變回耕地,視為耕地休耕;t+1年A轉(zhuǎn)為裸地、草地或稀疏林地,t+2年A仍保持t+1年的狀態(tài),視為耕地撂荒。

用每年的撂荒面積與基準(zhǔn)年耕地面積作比值計(jì)算,能定量表達(dá)耕地撂荒程度,比值結(jié)果稱為撂荒率。計(jì)算公式如下：

(1)

式中,Pi表示撂荒率;Si表示第i年的撂荒面積;A0表示基準(zhǔn)年耕地面積。

撂荒地的復(fù)墾識(shí)別規(guī)則為：t年有撂荒地斑塊St,t+1年有耕地斑塊At+1,統(tǒng)計(jì)St與At+1的重疊部分,所得結(jié)果即為撂荒地復(fù)墾范圍。

用后一年復(fù)墾的耕地面積與前一年的撂荒面積作比值計(jì)算,能定量表達(dá)撂荒耕地的復(fù)墾程度,比值結(jié)果稱為復(fù)墾率。計(jì)算公式如下：

(2)

式中,Pr表示復(fù)墾率;Ai+1表示第i+1年復(fù)墾的耕地面積;Si表示第i年的撂荒面積。

3 結(jié)果分析

3.1 SVM方法分類結(jié)果精度

通過SVM方法得到安福縣2013—2020年連續(xù)8年的土地利用分類圖,遙感影像分類結(jié)果用混淆矩陣驗(yàn)證分類精度,確保分類的準(zhǔn)確性和可靠性,2013—2020年SVM分類結(jié)果的總體精度依次為88.84%、86.21%、89.93%、86.67%、85.64%、89.75%、87.50%、84.73%,Kappa系數(shù)依次為0.85、0.82、0.87、0.83、0.82、0.85、0.84、0.81,符合本研究的精度要求。其中,2017、2020年的遙感影像分類精度較低,主要是受到云量影響。

3.2 撂荒地提取結(jié)果分析

利用撂荒地提取規(guī)則,得到2015—2020年的撂荒地空間分布圖(圖1)。從圖中可看出,撂荒現(xiàn)象在整個(gè)研究區(qū)呈零散狀態(tài)分布,但主要分布在研究區(qū)的東部、東北部和東南部地區(qū),其他區(qū)域的撂荒面積相對(duì)較少,2015年以來每年的撂荒面積和撂荒率如表1所示。

表1 安?？h2015—2020年撂荒地統(tǒng)計(jì)結(jié)果

(a)2015年

(b)2016年

(c)2017年

(d)2018年

(e)2019年

(f)2020年圖1 安?？h耕地撂荒圖

可以看出,撂荒面積較大的年份出現(xiàn)在2018和2019年,撂荒面積分別為4 839.53 hm2和5 970.39 hm2,撂荒率分別達(dá)到10.76%和11.60%,撂荒率最低的是2015年,為4.26%。2015—2020年的撂荒面積和撂荒率呈先增后減趨勢(shì)。經(jīng)查閱相關(guān)文獻(xiàn)資料得知,安?？h在2012—2019年內(nèi)城市人口增加了5.63萬人,城市化率上漲了11%,農(nóng)村人口減少3.51萬人,減少人數(shù)占2012年的13.89%,農(nóng)業(yè)勞動(dòng)力大量析出使得撂荒形勢(shì)更加嚴(yán)峻,為遏制撂荒發(fā)展態(tài)勢(shì),從2019年12月至2021年12月,安?？h爭(zhēng)取用兩年時(shí)間有效解決耕地拋荒問題,貫徹執(zhí)行吉安市治理耕地拋荒的相關(guān)政策,如“屬于基本農(nóng)田的,承包戶要主動(dòng)復(fù)耕復(fù)種”“自身無法復(fù)耕的,要統(tǒng)一接受流轉(zhuǎn)”以及各類高新技術(shù)人才的引進(jìn)、各種獎(jiǎng)補(bǔ)政策的制定實(shí)施,有政府的大力支持和幫扶,不少在外務(wù)工人員回到家鄉(xiāng)承包撂荒的土地,進(jìn)行大規(guī)模的農(nóng)業(yè)生產(chǎn),到2020年,安?？h農(nóng)村人口有23.22萬人,增長(zhǎng)人數(shù)占2019年的6.70%。研究中2019—2020年撂荒情況得以好轉(zhuǎn),也正說明了拋荒整治工作正在推進(jìn),并取得了一定的成效。

為分析耕地持續(xù)撂荒動(dòng)態(tài),以2013年耕地為基準(zhǔn),提取不同時(shí)間段撂荒地的分布,統(tǒng)計(jì)持續(xù)撂荒面積以及撂荒率(表2)。由表2可知,持續(xù)撂荒時(shí)間在4年以內(nèi)的面積較大,均在1 000 hm2以上,撂荒率均在2%以上,持續(xù)撂荒5年以上的面積相對(duì)較小,到2020年,即持續(xù)7年未耕作的有677.89 hm2,與持續(xù)2年未耕作的相比,減少了1 434.16 hm2,說明耕地荒廢閑置一定時(shí)間后,會(huì)得到再次的復(fù)墾利用,不會(huì)任其一直持續(xù)撂荒下去。

表2 安?？h持續(xù)撂荒地面積統(tǒng)計(jì)

安福縣屬于典型的山區(qū)縣,受地理位置、勞動(dòng)力、水文條件的影響,各個(gè)鄉(xiāng)鎮(zhèn)的耕作水平也存在差異,因此統(tǒng)計(jì)安福縣19個(gè)鄉(xiāng)鎮(zhèn)每一年的撂荒面積,對(duì)進(jìn)一步分析研究區(qū)的撂荒情況很有必要性。經(jīng)統(tǒng)計(jì)山莊鄉(xiāng)、金田鄉(xiāng)、楓田鎮(zhèn)、洲湖鎮(zhèn)撂荒現(xiàn)象比較嚴(yán)重,年平均撂荒面積在300 hm2以上。彭坊鄉(xiāng)、滸坑鎮(zhèn)、章莊鄉(xiāng)撂荒現(xiàn)象較輕,年平均撂荒面積在100 hm2以下,滸坑鎮(zhèn)在所有鄉(xiāng)鎮(zhèn)中撂荒面積最少,平均年撂荒面積為26.70 hm2。

3.3 復(fù)墾地提取結(jié)果分析

利用2015—2020年的撂荒地和耕地范圍,提取2016—2020年撂荒地復(fù)墾區(qū)域(圖2)?？梢钥闯?復(fù)墾區(qū)域主要分布在山莊鄉(xiāng)、竹江鄉(xiāng)、瓜畬鄉(xiāng)、楓田鎮(zhèn)等鄉(xiāng)鎮(zhèn),這也是耕地撂荒現(xiàn)象較明顯的區(qū)域。復(fù)墾率如表3所示,2020年復(fù)墾面積最大,達(dá)到1 587.39 hm2,2016年的復(fù)墾面積最小,為431.83 hm2;2018—2020年的復(fù)墾面積逐漸增加,復(fù)墾率從16.12%上升至26.59%,說明撂荒現(xiàn)象越來越受到重視,相關(guān)部門采取措施鼓勵(lì)引導(dǎo)當(dāng)?shù)剞r(nóng)民復(fù)耕復(fù)墾,極力遏制撂荒現(xiàn)象蔓延。近年來安?？h也在大力推進(jìn)高標(biāo)準(zhǔn)農(nóng)田項(xiàng)目建設(shè),尤其是2017年,舉全縣之力,高質(zhì)量完成了35.17 km2高標(biāo)準(zhǔn)農(nóng)田建設(shè)任務(wù),2017年的復(fù)墾率較高,可能與此有關(guān)。

表3 安?？h2016—2020年撂荒地復(fù)墾統(tǒng)計(jì)結(jié)果

(a)2016年

(b)2017年

(c)2018年

(d)2019年

(e)2020年圖2 安?？h撂荒地復(fù)墾圖

在自然和社會(huì)因素作用下,耕地撂荒現(xiàn)象無可避免,但可以采取相關(guān)措施改善這一問題。如對(duì)自然基礎(chǔ)薄弱的農(nóng)田加強(qiáng)基礎(chǔ)設(shè)施建設(shè),提升抵御自然災(zāi)害風(fēng)險(xiǎn)能力,安?？h山區(qū)地形范圍大,自然條件差,很多農(nóng)田水利設(shè)施不到位,農(nóng)業(yè)生產(chǎn)條件得到提高,耕地才能不被撂荒;繼續(xù)保持土地流轉(zhuǎn)政策,合理利用土地,提高撂荒土地利用率;加強(qiáng)土地開發(fā)整理與集約化應(yīng)用,如楓田鎮(zhèn)、瓜畬鄉(xiāng)、山莊鄉(xiāng)的景觀格局多樣化、耕地破碎化,撂荒現(xiàn)象嚴(yán)重,可將小塊耕地翻墾整理成大片耕地再統(tǒng)一劃分給農(nóng)戶,便于大型機(jī)器投入使用,促使土地扭轉(zhuǎn),提高耕地可利用率;對(duì)撂荒現(xiàn)象較輕的區(qū)域可加快推進(jìn)高標(biāo)準(zhǔn)農(nóng)田建設(shè),保證耕地質(zhì)量,增加糧食產(chǎn)量;加大宣傳力度,增加種糧補(bǔ)貼,調(diào)動(dòng)農(nóng)民種糧積極性,增加農(nóng)業(yè)勞動(dòng)力,以改善耕地撂荒現(xiàn)象。

4 結(jié)束語(yǔ)

本文基于2013—2020年江西省安?？h的Landsat-8遙感數(shù)據(jù),參考GGGIS衛(wèi)星影像和ArcGIS衛(wèi)星影像圖,利用SVM算法分類,根據(jù)建立的耕地撂荒、復(fù)墾判別規(guī)則提取了撂荒面積、復(fù)墾面積和持續(xù)撂荒面積,制作撂荒及復(fù)墾空間分布圖,得到以下結(jié)論：①用SVM算法的總體分類精度在84.73%～89.93%之間,Kappa系數(shù)在0.81～0.87之間,可以將分類結(jié)果用于耕地撂荒的判別。②年平均撂荒面積為3866.61 hm2,年平均撂荒率為7.91%,可以看出安?？h撂荒現(xiàn)象比較嚴(yán)重。③持續(xù)撂荒面積和撂荒率呈下降趨勢(shì),持續(xù)7年的撂荒率僅為1.37%。④山莊鄉(xiāng)、金田鄉(xiāng)、楓田鎮(zhèn)、洲湖鎮(zhèn)撂荒現(xiàn)象較重,年均撂荒面積均在300 hm2以上;彭坊鄉(xiāng)、滸坑鎮(zhèn)、章莊鄉(xiāng)撂荒現(xiàn)象較輕,年均撂荒面積在100 hm2以下。⑤2018—2020年的復(fù)墾率從16.12%上升至26.59%,說明撂荒現(xiàn)象越來越受到重視,撂荒地逐漸恢復(fù)耕種,撂荒蔓延現(xiàn)象得到控制。⑥研究區(qū)耕地撂荒受到自然和社會(huì)兩方面的影響,農(nóng)村勞動(dòng)力析出為主導(dǎo)因素。

通過遙感技術(shù)和地理信息系統(tǒng)技術(shù)對(duì)安福縣的撂荒和復(fù)墾狀況進(jìn)行研究,具有一定的科學(xué)性[15],對(duì)以后的土地利用和糧食生產(chǎn)也有一定的價(jià)值意義,但也存在一些不足,比如：安福縣地形復(fù)雜,植被類型多樣,草地、林地和耕地之間容易錯(cuò)分,后續(xù)可以通過人機(jī)交互解譯方式,并且選擇足夠多的樣本數(shù)量,使得土地利用分類與實(shí)際情況更加貼近;通過查閱資料發(fā)現(xiàn),由于耕地撂荒的復(fù)雜性,并且很難獲得歷年的高分辨率影像,因而缺少歷史年份真實(shí)的撂荒地規(guī)模和數(shù)量,研究缺乏驗(yàn)證分析,因此實(shí)驗(yàn)中只能通過影像的分類精度間接說明提取的撂荒地精度,后續(xù)可以采取多種識(shí)別方法進(jìn)行對(duì)比分析,增加結(jié)果的說服力與可信度。