王靜祎 王加勝

摘要 為保護耕地和提高耕地利用率，促進農(nóng)業(yè)可持續(xù)發(fā)展，本研究利用ANN-CA模型對F縣的季節(jié)性閑置耕地情況進行模擬預測。模擬結果表明，在α=2，T=0.8的參數(shù)組合下，各類用地變化的模擬精度較高，模擬出的用地變化情況與2020年的實際用地情況較為貼近；根據(jù)季節(jié)性閑置耕地識別規(guī)則模擬出F縣未來耕地季節(jié)性閑置現(xiàn)象呈現(xiàn)明顯好轉(zhuǎn)趨勢，預測2025年F縣季節(jié)性閑置耕地主要集中在東北部和南部，面積為25.831 8 km2。生產(chǎn)中，注意對耕地進行科學合理的養(yǎng)護和利用，以保障農(nóng)作物的產(chǎn)量和質(zhì)量，確保農(nóng)業(yè)可持續(xù)發(fā)展。

關鍵詞 季節(jié)性閑置耕地；ANN-CA模型；模擬預測；耕地利用率；土地養(yǎng)護

中圖分類號 S151? ?文獻標識碼 A

文章編號 1007-7731（2024）10-0133-06

Simulation and prediction of seasonally idle cropland in F County based on ANN-CA model

WANG Jingyi? ? WANG Jiasheng

（Faculty of Geography， Yunnan Normal University， Kunming 650500， China）

Abstract In order to protect arable land and improve its utilization rate， promote sustainable agricultural development， used the ANN-CA model to simulate and predict the seasonal idle arable land situation in F County. The simulation results showed that under the parameter combination of α=2， T=0.8， the simulation accuracy of various land use changes was high， and the simulated land use changes were closer to the actual land use situation in 2020. According to the recognition rules of seasonal idle farmland， it was simulated that the seasonal idle farmland phenomenon in F County would show an improvement trend in the future. It was predicted that in 2025， the seasonal idle farmland in F County would mainly be concentrated in the northeast and south， with an area of 25.831 8 km2. In production， attention should be paid to the scientific and reasonable maintenance and utilization of arable land to ensure the yield and quality of crops and ensure the sustainable development of agriculture.

Keywords seasonally idle cropland; ANN-CA model; simulation prediction; cultivated land utilization rate; land conservation

季節(jié)性閑置耕地是指為提升耕地質(zhì)量，不連續(xù)耕種導致其季節(jié)性荒蕪的一種特殊土地利用變化現(xiàn)象[1]。隨著城鎮(zhèn)化進程加快，部分農(nóng)村人口流動、耕地碎片化、灌溉條件受限、耕作交通不便、機械化程度和農(nóng)業(yè)生產(chǎn)收益不高等因素影響耕地利用，以及有機生態(tài)農(nóng)業(yè)需要，部分耕地出現(xiàn)了季節(jié)性閑置現(xiàn)象[2]，這在一定程度上影響了耕地資源的有效利用，對區(qū)域糧食安全可能產(chǎn)生了一定的不利影響。對季節(jié)性閑置耕地進行模擬分析對于發(fā)展區(qū)域農(nóng)業(yè)，夯實糧食安全根基，提升土地價值，促進鄉(xiāng)村振興具有重要意義[3]。

季節(jié)性閑置耕地是土地利用變化的一種類型，建立模擬和預測模型，評估未來一段時間的土地利用變化情況，模擬季節(jié)性閑置耕地的變化趨勢對于相關耕地保護政策的制定具有重要意義[4-6]。評估季節(jié)性閑置耕地變化趨勢所使用的模擬模型和預測模型可分為兩類：空間統(tǒng)計模型和系統(tǒng)動力學模型，空間統(tǒng)計模型一般是利用回歸分析模型對季節(jié)性閑置耕地模擬與預測[7]，這種方法依賴于指標因素的選擇，并且與指標因素具有高度的相關性[8-9]；系統(tǒng)動力學模型是季節(jié)性閑置耕地研究的第二類模擬與預測模型，如Dyna-CLUE、forer-sce等，借助這些模型可以模擬出不同情境下[2-3]閑置耕地的空間分布。數(shù)量模型有灰色預測（GM）模型、馬爾可夫鏈（Markov）模型等，空間分析模型有元胞自動機（CA）模型、CLUE和CLUE-S模型等，各模型的特點有所不同[10-11]。目前，有關季節(jié)性閑置耕地的模擬預測分為兩個方面：一是直接對季節(jié)性閑置耕地進行模擬，宋世雄等[12]在多智能體（MAS）模型理論基礎上建立基于Category-Belief-Desire-Intention（CBDI）決策結構進行耕地季節(jié)性閑置模擬；二是從土地利用類型變化的角度來模擬，郭歡歡等[8]利用不同情景下的人口遷移模型對農(nóng)村土地利用進行影響因素的分析。相關學者在模型模擬土地利用變化上不斷完善，使得模型更加豐富，綜合考慮各種模型的優(yōu)缺點，探索出具有較大優(yōu)勢的土地利用類型耦合模型，其中，ANN-CA作為一種耦合模型，在進行土地模擬時具備較大優(yōu)勢。

F縣地處西南喀斯特區(qū)域，受地形影響，該區(qū)域部分耕地較散碎，生態(tài)環(huán)境較脆弱，部分耕地季節(jié)性閑置現(xiàn)象較常見。本研究基于季節(jié)性閑置耕地時空分布數(shù)據(jù)，利用ANN-CA模型對F縣季節(jié)性閑置耕地進行模擬預測，為該地區(qū)未來的耕地保護提供參考。

1 材料與方法

1.1 研究區(qū)基本情況

F縣地處云南高原東部，地勢西北高東南低，地形為山地、峽谷，烏蒙山支脈自北向南縱貫全境，屬亞熱帶季風氣候，降水豐富，四季溫和，年均氣溫14 ℃左右。農(nóng)業(yè)生產(chǎn)方面，魔芋種植面積較大，糧食作物一般為玉米和稻谷。

1.2 數(shù)據(jù)來源與預處理

1.2.1 數(shù)據(jù)來源? （1）季節(jié)性閑置耕地數(shù)據(jù)集與土地利用數(shù)據(jù)集。2010—2020年的季節(jié)性閑置耕地時空數(shù)據(jù)集，參照Zhao等[13]的部分研究成果，該數(shù)據(jù)空間分辨率為30 m，季節(jié)性閑置耕地精度為0.94。土地利用數(shù)據(jù)集參照王麗蒙[14]使用隨機森林分類得到，將土地利用類型分為5類，分別為耕地、草地、林地、水體和建筑物。

（2）自然影響因子數(shù)據(jù)。長時間平均氣溫、降水、日照時長和土壤侵蝕指數(shù)數(shù)據(jù)均來源于地球資源數(shù)據(jù)云。所用年均氣溫、降水量的空間分辨率為1 km，數(shù)據(jù)類型為浮點型，是對2 472個氣象觀測點數(shù)據(jù)進行插值獲取，具有精度高、分辨率高和時序長等特點。

（3）社會經(jīng)濟影響因子數(shù)據(jù)。人口密度數(shù)據(jù)來源于East View Cartographic（https：//landscan.ornl.gov）的LandScan全球人口數(shù)據(jù)集，空間分辨率為1 km，提供了高分辨率的人口分布信息；夜間燈光數(shù)據(jù)來自海洋和大氣管理網(wǎng)站（https：//ngdc.noaa.gov），空間分辨率750 m；GDP空間格網(wǎng)數(shù)據(jù)來自地理遙感生態(tài)網(wǎng)（http：//www.gisrs.cn/），空間分辨率500 m，該柵格數(shù)據(jù)集是在GDP統(tǒng)計數(shù)據(jù)的基礎上，綜合分析了與人類活動密切相關的土地利用類型、夜間燈光數(shù)據(jù)亮度和居民點密度的GDP分布權重，該數(shù)據(jù)集反映了GDP的詳細分布狀況。道路矢量數(shù)據(jù)集是來自OpenStreetMap平臺（https：//openmaptiles.org/）的公路圖層；河流數(shù)據(jù)來自地球資源數(shù)據(jù)云。

1.2.2 數(shù)據(jù)預處理? 本研究結合實際情況選取了多種限制性因素作為土地利用類型變化的約束性因素[6]。從實際出發(fā)，考慮土地利用變化受到的影響和制約，使用歐氏距離（Euclidean Distance）生成距離河流、主要公路的空間可達性變量。將人口密度、GDP數(shù)據(jù)和夜間燈光數(shù)據(jù)列為社會經(jīng)濟因素，高程、坡度、年均氣溫、年均降水、日照時長和土壤侵蝕指數(shù)作為自然影響因素（表1），并且對這些數(shù)據(jù)進行預處理，空間分辨率與投影坐標系必須與土地利用類型數(shù)據(jù)保持一致，空間分辨率30 m，投影坐標為WGS_1984_UTM_Zone_48N，以上各類影響因素均利用ArcGIS 10.8軟件中的模糊隸屬度工具將各類影響因素數(shù)值歸一化為0～1。

1.3 試驗方法

1.3.1 ANN-CA模擬方法? ANN-CA具有強大的空間運算能力，常用于自組織系統(tǒng)演變過程的研究[15]。ANN-CA是利用神經(jīng)網(wǎng)絡來代替轉(zhuǎn)換規(guī)則，并通過對神經(jīng)網(wǎng)絡的訓練來獲取模型參數(shù)[16]。ANN-CA訓練階段：通過抽樣數(shù)據(jù)訓練人工神經(jīng)網(wǎng)絡，獲得網(wǎng)絡權重值；其輸入數(shù)據(jù)為影響因子、鄰域窗口內(nèi)各土地利用類型統(tǒng)計值以及當前的土地利用類型；輸出值為各種土地利用類型的概率值。通過人工神經(jīng)網(wǎng)絡得到應該轉(zhuǎn)換的類型，判別當前柵格是否可以轉(zhuǎn)換[17]。達到終止條件時結束模擬過程，模擬時通過ANN得到所有用地的概率值，最大值對應需轉(zhuǎn)換的土地利用類型，再進行閾值比較等判別，決定是否可以進行轉(zhuǎn)換[18]。具體計算公式如下。

元胞k時刻t第l種土地利用類型轉(zhuǎn)換概率P=隨機因素×人工神經(jīng)網(wǎng)絡計算概率×鄰域發(fā)展密度×轉(zhuǎn)換適宜性。式（1）中，[（-lnγ）α]為隨機因素；[Pann（k， t， l）]為已訓練的人工神經(jīng)網(wǎng)絡計算的某種土地利用類型的轉(zhuǎn)換概率；[Ωtk]為所定義的鄰域窗口中城市用地的密度；[con（Stk）]為兩個區(qū)域的土地之間轉(zhuǎn)換適宜性。每次循環(huán)計算過程中，利用神經(jīng)網(wǎng)絡內(nèi)部的輸出層計算N種土地不同類型的轉(zhuǎn)換概率數(shù)據(jù)，利用最大值判定土地的利用類型。

1.3.2 季節(jié)性閑置耕地識別方法? 根據(jù)季節(jié)性閑置耕地識別方法[13]來計算閑置耕地的面積，主要表現(xiàn)在耕地直接向草地的轉(zhuǎn)化，其構建的識別規(guī)則：以模擬前一年為基準年，判斷模擬當年每個像元的土地利用類型在模擬前一年耕地范圍內(nèi)的變化情況。如果[Pi]為林地、水體或者建筑，則認為該像元發(fā)生了土地利用類型轉(zhuǎn)化，不屬于季節(jié)性閑置耕地；如果[Pi]為草地，則認為該像元發(fā)生了季節(jié)性閑置情況，計算公式如下。

式（2）中，Pi-1為模擬前一年某像元的土地利用類型；[Pi]為模擬當年相同位置上像元的土地利用類型；[Ai]表示模擬當年某像元的土地利用類型轉(zhuǎn)化情況。具體轉(zhuǎn)化情況如表2所示。

根據(jù)表2所示的土地利用類型轉(zhuǎn)化情況，本研究將耕地類別設置為“1”，草地設置為“2”，林地設置為“3”，水體設置為“4”，建筑設置為“5”。季節(jié)性閑置耕地的發(fā)生則是由前一年的耕地變成當年的草地，由表2可知，“102”像元就是由耕地變成草地，即當年耕地發(fā)生季節(jié)性閑置。

2 結果與分析

2.1 土地利用變化模擬

以2014、2016、2018和2020年土地利用數(shù)據(jù)為基礎對2020年土地季節(jié)性閑置狀況展開模擬分析，同時添加11個空間約束因子，在模擬過程中，抽樣比例設定為5%，鄰域窗口大小設定為7，進行數(shù)據(jù)抽樣。完成人工神經(jīng)網(wǎng)絡訓練，再利用2016、2018年的土地利用類型數(shù)據(jù)獲取研究區(qū)2020年的土地利用情況模擬圖。

輸入模擬開始年份以及結束年份對應的土地利用數(shù)據(jù)時，利用2016、2018年的耕地季節(jié)性閑置轉(zhuǎn)換過程，以上述轉(zhuǎn)換過程對應的柵格轉(zhuǎn)換數(shù)據(jù)作為模擬過程的終止條件。用0、1值表示土地利用類型是否可以進行相互轉(zhuǎn)換，1對應為可轉(zhuǎn)換，0對應為不可轉(zhuǎn)換。利用擴散參數(shù)針對干擾強弱進行控制，其對應的取值一般維持在1～10。閾值對應的取值維持在0～1。刷新頻率設定為每10次刷新1次。參數(shù)設定的差異也會對模型的模擬結果產(chǎn)生影響，為了研究在ANN-CA模型應用的過程中較合理的參數(shù)組合，設定了4組不同的參數(shù)組合，并且將得到的模擬土地利用情況圖和實際數(shù)據(jù)進行對比分析，以獲取對比模擬精度，確定優(yōu)化的參數(shù)組合，具體參數(shù)組合及模擬精度見表3。表3 不同參數(shù)組合下的ANN-CA模擬精度

將模擬圖斑與2020年實際的土地利用現(xiàn)狀圖進行對比，無論是圖斑分布（圖1），還是各土地類型的元胞個數(shù)對比，均以α=2，T=0.8時更加貼近真實情況。因此本次模擬選取α=2，T=0.8作為控制參數(shù)，其模擬效果最佳，后續(xù)模擬2025年土地利用情況時沿用此參數(shù)。

2.2 土地利用變化預測

按照2020年模擬最優(yōu)參數(shù)組合，分別輸入2010、2015年和2012、2016年兩組的土地利用圖當作模型的應用規(guī)則，同時添加11個影響因子，輸入模擬開始年份2015、2016年以及結束年份2020年對應的土地利用值，利用2010—2020年用地變化過程中，以2010—2020年用地變化過程對應的柵格轉(zhuǎn)換數(shù)據(jù)當作該模擬過程的終止條件，設置適宜性矩陣，利用0、1值表示土地利用類型是否可以進行相互轉(zhuǎn)換，1對應為可轉(zhuǎn)換，0為不可轉(zhuǎn)換，最終預測出2024和2025年的土地利用類型數(shù)據(jù)如圖2所示。

2024、2025年預測的土地利用類型使用的是已驗證過精度的2020年實驗組的參數(shù)，因此其模擬結果的精準度使用Kappa系數(shù)驗證即可。對模擬結果進行分析可知，總精度83.56%，Kappa系數(shù)0.685。以此標準，本次模擬精準程度較好，但模擬結果表現(xiàn)一般。

2.3 季節(jié)性閑置耕地提取及分析

按照上述建立的規(guī)則，對2024、2025年預測的土地利用數(shù)據(jù)進行逐像元柵格運算，預測得到2025年季節(jié)性閑置耕地空間分布，結果如圖3所示。從圖3可知，預測2025年研究區(qū)季節(jié)性閑置耕地集中在東北部、中部和南部區(qū)域。研究區(qū)距市中心較遠，一定程度上影響了其經(jīng)濟發(fā)展。經(jīng)過實地考察發(fā)現(xiàn)，該地區(qū)部分存在人口流出、耕地質(zhì)量以及農(nóng)業(yè)機械化水平有待進一步提高等現(xiàn)象，耕種成本較高，部分農(nóng)戶可能選擇將耕地季節(jié)性閑置。

預測計算可知，根據(jù)2010—2020年季節(jié)性閑置耕地面積對比，研究區(qū)2010—2015年季節(jié)性閑置耕地面積所占比例非常小，整體呈波動性上升趨勢，其中2010年季節(jié)性閑置耕地面積134.370 0 km2，2015—2020年整體呈下降趨勢。預測結果表明，研究區(qū)2025年季節(jié)性閑置耕地面積25.831 8 km2，遠低于2010年水平，即研究區(qū)未來的季節(jié)性閑置耕地面積將呈現(xiàn)下降趨勢。

3 結論與討論

3.1 結論

（1）在對F縣季節(jié)性閑置耕地模擬預測中引入了ANN-CA模型，為了選出更適宜的參數(shù)，共設計了4種參數(shù)，對2024、2025年F縣進行土地利用情況模擬分析。結果表明，在α=2，T=0.8參數(shù)組合下，各類用地變化的模擬精度較高，模擬出的用地變化情況與2020年的實際用地情況貼近，模擬數(shù)據(jù)精度檢驗和Kappa系數(shù)驗證結果分別為83.56%和0.685。

（2）根據(jù)模擬F縣2020年的土地利用數(shù)據(jù)的轉(zhuǎn)換規(guī)則來模擬2024、2025年的土地利用數(shù)據(jù)，并計算2025年季節(jié)性閑置耕地面積。模擬預測結果表明，研究區(qū)2025年的季節(jié)性閑置耕地主要在東北部、中部和南部區(qū)域，出現(xiàn)季節(jié)性閑置耕地的影響因素有耕地質(zhì)量、地形、經(jīng)濟發(fā)展狀況以及人口變化等。

（3）預測計算可得，F(xiàn)縣2025年季節(jié)性閑置耕地面積25.831 8 km2，通過對比2010—2020年研究區(qū)季節(jié)性閑置耕地的面積可知，研究區(qū)耕地季節(jié)性閑置情況在2010—2015年整體呈上升趨勢，2015—2020年呈現(xiàn)下降趨勢，根據(jù)預測結果，研究區(qū)未來一段時間的耕地利用狀況將呈現(xiàn)明顯的好轉(zhuǎn)趨勢。

3.2 討論

（1）本研究在使用ANN-CA模型對研究區(qū)季節(jié)性閑置耕地進行模擬時，模型采用的是靜態(tài)轉(zhuǎn)換規(guī)則。實踐中，土地利用類型之間的轉(zhuǎn)換是一個動態(tài)過程。另外，在設置模型時，閾值設置有限，可操作性有待進一步提高，土地利用模擬預測結果的Kappa系數(shù)有待進一步提高。因此，在進行模型模擬時，模擬精度需要進一步提高。

（2）預測結果表明，未來一段時間季節(jié)性閑置耕地面積將進一步減少。在實踐生產(chǎn)中，為減少耕地季節(jié)性閑置情況的出現(xiàn)，需要對耕地進行科學合理的養(yǎng)護和利用，保障農(nóng)作物的產(chǎn)量和質(zhì)量，同時確保土壤肥力和農(nóng)業(yè)可持續(xù)發(fā)展。具體措施：將生物養(yǎng)地和化學養(yǎng)地相結合，使用農(nóng)家肥、綠肥和堆肥等有機肥料提高土壤有機質(zhì)含量，改善土壤結構；避免在耕地上進行非農(nóng)業(yè)活動，如建筑、工業(yè)等，以免破壞土壤結構和污染土壤；定期對土壤肥力、水分和病蟲害等進行監(jiān)測，及時調(diào)整養(yǎng)護手段；積極推進高標準農(nóng)田建設，補齊基礎設施短板，促進耕地質(zhì)量持續(xù)提升。

參考文獻

[1] 李孔俊. 土地拋荒的經(jīng)濟學視角[J]. 廣西教育學院學報，2002（5）：82-84.

[2] 李雨凌，馬雯秋，姜廣輝，等. 中國糧食主產(chǎn)區(qū)耕地撂荒程度及其對糧食產(chǎn)量的影響[J]. 自然資源學報，2021，36（6）：1439-1454.

[3] 王新友，王玉嬌. 耕地撂荒的文獻計量分析：脈絡和展望[J]. 干旱區(qū)地理，2023，46（5）：804-813.

[4] 鄭淋議，陳紫微. 耕地細碎化對農(nóng)戶耕地撂荒的影響及其治理優(yōu)化[J]. 地理研究，2024，43（1）：200-213.

[5] 陳藜藜，鄒朝暉，劉曄. 基于條件過程分析的農(nóng)村勞動力外流對耕地撂荒影響機制研究[J]. 中國土地科學，2023，37（11）：73-83.

[6] 董世杰，辛良杰，李升發(fā)，等. 中國梯田撂荒程度及空間格局分異研究[J]. 地理學報，2023，78（1）：3-15.

[7] GELLRICH M，BAUR P，KOCH B，et al. Agricultural land abandonment and natural forest re-growth in the Swiss Mountains：a spatially explicit economic analysis[J]. Agriculture，ecosystems & environment，2007，118（1/2/3/4）：93-108.

[8] 郭歡歡，鄭財貴，牛德利，等. 不同情景下的人口遷移及其對農(nóng)村土地利用影響研究：以重慶市為例[J]. 長江流域資源與環(huán)境，2014，23（7）：947-952.

[9] 黃慶旭，史培軍，何春陽，等. 中國北方未來干旱化情景下的土地利用變化模擬[J]. 地理學報，2006，61（12）：1299-1310.

[10] WEI S，YING Z. Farmland abandonment research progress：influencing factors and simulation model[J]. Journal of resources and ecology，2019，10（4）：345-352.

[11] 項驍野，王佑漢，李謙，等. 基于CiteSpace軟件國內(nèi)外撂荒地研究進展與述評[J]. 地理科學，2022，42（4）：670-681.

[12] 宋世雄，梁小英，梅亞軍，等. 基于CBDI的農(nóng)戶耕地撂荒行為模型構建及模擬研究：以陜西省米脂縣馮陽坬村為例[J]. 自然資源學報，2016，31（11）：1926-1937.

[13] ZHAO Z，WANG J S，WANG L M，et al. Monitoring and analysis of abandoned cropland in the Karst Plateau of eastern Yunnan，China based on Landsat time series images[J]. Ecological indicators，2023，146：109828.

[14] 王麗蒙. 基于Landsat時間序列影像的滇東撂荒地識別方法研究[D]. 昆明：云南師范大學，2022.

[15] 付海英，郝晉珉，朱德舉，等. 耕地適宜性評價及其在新增其他用地配置中的應用[J]. 農(nóng)業(yè)工程學報，2007，23（1）：60-65.

[16] 劉黎明. 土地資源學[M]. 5版. 北京：中國農(nóng)業(yè)大學出版社，2010.

[17] 黎夏，李丹，劉小平，等. 地理模擬優(yōu)化系統(tǒng)GeoSOS及前沿研究[J]. 地球科學進展，2009，24（8）：899-907.

[18] 陳逸敏，黎夏，劉小平，等. 基于耦合地理模擬優(yōu)化系統(tǒng)GeoSOS的農(nóng)田保護區(qū)預警[J]. 地理學報，2010，65（9）：1137-1145.

（責編：李 媛）