基于景觀指數的巢湖流域各縣區耕地細碎化研究

臺曉麗, 肖 武, 張建勇, 呂雪嬌, 丁 晴

(中國礦業大學(北京) 土地復墾與生態重建研究所, 北京 100083)

?

基于景觀指數的巢湖流域各縣區耕地細碎化研究

臺曉麗, 肖 武, 張建勇, 呂雪嬌, 丁 晴

(中國礦業大學(北京) 土地復墾與生態重建研究所, 北京 100083)

選取巢湖流域14個縣區為研究對象，基于2015年高分一號遙感影像數據提取了巢湖流域耕地的空間分布數據，以景觀格局為視角，構建基于6個景觀指數的耕地細碎度度量指標體系，并進行了主成分分析，形成兩個主成分(F1，F2)的耕地細碎化綜合測算模型，以期為巢湖流域的土地整治工作提供理論基礎和可行建議。結果表明：所選取的6個景觀格局指數綜合了面積、形狀和分布等因素，是度量巢湖流域耕地細碎化程度的重要指標體系；主成分分析法的前兩個主成分方差累計貢獻率達96.969%，能夠表達6個原始景觀指數的大部分信息，其中，第一主成分是描述斑塊平均面積和分布的綜合指標，第二主成分是代表斑塊形狀信息的綜合性指標。巢湖流域各縣區耕地細碎化空間差異大，東部細碎程度最低，可大力促進農業規模化的發展；西部和南部四個縣區細碎程度中等，主要與原始地形起伏較大有關，建議通過平整土地、合并零星地塊的方式降低細碎度；北部三個縣可以通過土地整治規整田塊形狀來降低耕地細碎化；合肥市所轄四區耕地細碎程度最大，與城市的擴展對農田的占用具有一定的聯系，在城市發展中應當合理考慮城市拓展與耕地保護的關系。

高分一號; 景觀指數; 耕地細碎度; 主成分分析; 土地整治

巢湖流域位于安徽省中部，長江流域下游，是我國著名的五大淡水湖之一，也是周圍重要的飲用水源地，流域人口集中，農業歷史悠久。隨著城市化、工業化的發展，巢湖流域的土地利用結構發生著巨大的變化，出現一系列問題，例如建設用地面積迅速擴張，耕地面積銳減，以及水質污染和富營養化等現象。近幾年，相關研究頗多，多從時間尺度入手，以巢湖流域近二三十年來土地利用/覆蓋變化為基礎，分析其對生態服務價值造成的影響[1-3]，對生態環境質量和生態承載力造成的影響[4-6]，對巢湖流域水質和徑流量造成的影響等[7-8]。缺乏對流域內各縣區耕地細碎化的定量度量、研究及橫向對比分析。

耕地細碎化，是指由于自然或者人為因素，耕地被分割為零碎的、分散的、大小不一的斑塊，呈現出分散無序狀態。它是與土地規模化經營相悖的土地利用格局，會導致耕地的有效面積減少和分散化，使土地的產出效率降低。土地整治作為保護耕地和節約用地、促進新農村建設和城鄉統籌發展的重要手段，能合理規劃田、水、路、林、村布局，避免耕地細碎化現象。巢湖流域人口和產業密集，人地矛盾突出，耕地細碎化嚴重，摸清各縣區耕地細碎化現狀及其原因，對因地制宜地開展土地整治工作、提高農業生產效率具有積極的指導意義。本研究以高分影像為數據源，基于主成分分析法，利用景觀格局指數量化巢湖流域各縣區耕地細碎度，并進行橫向對比分析，以期為巢湖流域土地利用規劃以及土地整治提供理論基礎和可行建議。

1　資料與方法

1.1研究區概況

巢湖流域位于安徽省中部，所轄行政區域包括廬陽區、瑤海區、蜀山區、包河區、金安區、居巢區、長豐縣、肥西縣、肥東縣、舒城縣、廬江縣、無為縣、和縣和含山縣14個縣區。氣候屬亞熱帶和暖溫帶過渡性的副熱帶季風氣候區，氣候溫和濕潤，年平均氣溫15～16℃，多年平均降水量為1 100 mm，流域內夏季降水豐富，冬季較少。流域主導風向夏季為東南風，冬季為東北風。巢湖流域地處江淮丘陵地帶，有銀屏山、冶父山、大別山、防虎山等低山丘陵分布四周，地形為西高東低、中間低洼平坦。巢湖市、合肥市、肥東縣、肥西縣和廬江縣環湖體分布，各縣區隨著社會經濟的快速發展，城市建設用地迅速擴張，耕地面積銳減、形狀變化、分布零散，細碎化現象加劇。

1.2數據來源和預處理

本研究以研究區的高分一號16 m分辨率遙感影像作為數據源，數據來自中國資源衛星應用中心。選擇2015年8月3日的影像，影像質量良好，云量很少，便于數據處理和土地利用信息的提取。利用ENVI 5.1軟件，對影像進行輻射定標、大氣校正、幾何校正和鑲嵌后，裁剪提取研究區的影像，利用最大似然法進行監督分類[9-10]。之后選取驗證樣本進行精度評價，總精度在93%以上，總Kappa系數為0.936 6，分類效果較好。將分類結果保存為柵格數據后，在ArcGIS中提取出14個區縣的耕地數據(圖1)。將提取的數據分別導入Fragstats 4.2軟件，計算景觀指數和景觀細碎度。

圖1巢湖流域各縣區2015年耕地分布

1.3研究方法

景觀格局指數能高度濃縮景觀格局信息，反映其結構組成和空間配置等方面的信息和特征。一般分為單個斑塊、斑塊類型和景觀三個水平[11]，目前，被廣泛應用于土地利用[12-14]、城市景觀[15-16]等研究。本文通過計算巢湖流域各縣區耕地斑塊類型指數，試圖定量衡量各縣區耕地細碎度，在借鑒已有研究成果的基礎上[17-19]，綜合考慮耕地平均面積、形狀、分布等方面的因素。首先，斑塊面積和細碎化程度有密切關系，一般情況下，斑塊平均面積越小，細碎化程度越高，平均面積越大，細碎化程度越低；其次，細碎化與斑塊形狀有關，斑塊面積相同條件下，形狀越簡單，細碎化程度越低，形狀越復雜，細碎化程度越高；再者，地塊分布因素也會影響細碎化，斑塊分布的越分散，說明被分割程度越高，其細碎化程度越高，斑塊分布聚集，則細碎化程度低。所以本文在耕地類型尺度上，選擇斑塊平均面積(MPS)、斑塊密度(PD)、邊界密度(ED)、面積加權形狀指數(AWMSI)、面積加權分維數(AWMPFD)和斑塊聚集度指數(AI)6個指標來衡量細碎化程度。

2　結果與分析

2.1耕地景觀指數分析

表1為利用Fragstats 4.2軟件得到的各縣區的景觀指數。斑塊平均面積最小的是蜀山區，只有2.368 1，最大的是含山縣，為30.196 1，相差27.828，區域差異顯著。合肥市所轄四個區，蜀山區、包河區、瑤海區、廬陽區的斑塊平均面積為2.368 1～3.303 1，是平均斑塊面積最小的四個縣區，斑塊密度和邊界密度最大，與其他縣區差距大，這與區域總面積小有關，更主要的是因為城市的發展導致建設用地無序擴張，占用大量耕地，耕地斑塊被分割，面積減小；東北的含山縣、居巢區和肥東縣平均面積最大，大于22.659 3，對應的斑塊密度是最小的，邊界密度也很小，這除了由于東部地區地形平坦，便于耕地連片使用外，還得力于對土地整治項目的重視，特別是近幾年通過工礦廢棄地復墾項目，使耕地面積增加，形狀更加規整。面積加權形狀指數和面積加權分維數最大的區縣為肥東縣、長豐縣、無為縣、肥西縣和金安區，說明這些縣區耕地形狀復雜、不規則；而合肥市所轄四個區的形狀指數是最小的，耕地形狀更加接近正方形，說明合肥市在城市發展過程中，雖然耕地被分割，斑塊面積減小，但是保持了比較規則的形狀。斑塊聚集度指數，除包河區、廬陽區、蜀山區、瑤海區的較小，其余的均大于90，說明這4個區由較多的小斑塊組成，跟前面的分析相吻合。

表1　巢湖流域各縣區耕地細碎化指標指數

2.2耕地景觀指數的主成分分析

在SPSS軟件中對6組數據進行兩兩間的相關分析，相關系數見表2(只寫出下三角部分)。由表2可見，MPS和AWMSI的相關系數最低，為0.639，但在0.05水平下達顯著性相關，其余指數間在0.01水平下均達到顯著性相關；6個指標兩兩間均存在顯著相關性，尤其是ED和AI的相關系數為-1，幾乎完全負相關；同樣描述斑塊形狀信息的AWMSI和AWMPFD的相關性系數為0.95，相關性高，且呈正相關，但AWMSI，AWMPFD分別和MPS，AI呈正相關，和PD，ED呈負相關，說明巢湖流域耕地面積小、分布離散的地區，斑塊形狀反而簡單、規則，而平均面積大，分布聚集的地區，斑塊形狀反而復雜、不規則。

各指數相關性的存在，必然導致信息的重復和冗雜，為消除相關性，避免主觀賦權重帶來的偏差，并達到降維的目的，本文采用主成分分析法對數據進行處理。主成分分析是通過構造原變量的一系列線性組合，使各線性組合在彼此不相關的前提下，盡可能多地反映原變量的信息。它以分析變量的相關矩陣作為提取主成分的依據，對主成分的篩選，要考慮特征值和累計方差貢獻率，在實際應用時，通常選取累計貢獻率較高的(80%到90%)前幾個主成分[20-22]。由表3可知，第一、第二主成分的特征值分別為5.305，0.513，方差貢獻率分別為88.418%和8.551%，累計方差貢獻率為96.969%，大于90%，能夠闡釋原始數據的大部分信息，所以選取前兩個主成分F1和F2代替6個景觀指數。

由主成分得分矩陣不難看出，第一主成分在MPS，PD，ED和AI四個指標上具有較大的載荷，第二主成分在AWMSI和AWMPFD上具有較大載荷。MPS和AI在第一主成分中的系數為正值，PD和ED的系數為負值，說明當一個縣區的第一主成分得分較大時，它的耕地斑塊平均面積和聚集度指數會較大，斑塊密度和邊緣密度會較小；第一主成分是反映耕地平均面積和分布的綜合指標。在第二主成分中，AWMSI和AWMPFD的系數均為正值，說明如果一個縣區的第二主成分較大，則它的面積加權形狀指數和面積加權分維數較大，即斑塊形狀較復雜、不規則；因此第二主成分是反映耕地形狀方面信息的綜合性指數。

通過得分矩陣得到兩個主成分的得分公式：

F1=0.567X1-0.179X2-0.369X3-0.477X4-0.248X5+0.377X6

F2=-0.41X1-0.075X2+0.152X3+0.818X4+0.57X5-0.162X6

考慮兩個主成分與耕地細碎度的關系，根據方差貢獻率對兩個主成分求權重，綜合得分公式如下：

F=-91.18%F1+8.82%F2

式中：F1表示第1主成分得分；F2表示第2主成分得分；F表示綜合得分；X1表示斑塊平均面積；X2表示斑塊密度；X3表示邊界密度；X4表示面積加權形狀指數；X5表示面積加權分維數；X6表示斑塊聚集度指數。F值越大的縣區，表明耕地細碎化程度越高；反之，細碎化程度越低。

表2　6個景觀指數的Spearman秩相關系數矩陣

注:*表示在0.05水平上顯著性相關，**表示在0.01水平上顯著性相關。

將各縣區指數值代入公式，得到主成分得分及排序，見表3。第1主成分得分高的縣區，有含山縣、和縣、居巢區、舒城縣、金安區、肥東縣等，主要分布在巢湖流域的東北部和西部，其斑塊平均面積大，耕地分布聚集。這是因為這些縣區地形較為平坦、起伏度小，便于耕地集中連片耕作，所以耕地有較大的平均面積和聚集度；另外，近10 a來，這些地區不斷加大土地整治力度，也使耕地斑塊面積增大，更具有現代農業的特點。反之，得分低的長豐縣、包河區、廬陽區、瑤海區、蜀山區等，被合肥市所轄或與其鄰接，縣區內耕地斑塊平均面積小，分布分散。因為在城市化和工業化進程中，人們對建設用地的需求增加，導致城市外延式擴張，建設用地大量占用耕地，耕地面積減小，分布格局分散。綜上所述，巢湖流域東北部和西部耕地的斑塊平均面積較大且分布較聚集，而合肥市所轄四個區，存在嚴重的耕地面積小、分布分散等問題。

表3　巢湖流域各縣區耕地景觀指數主成分分析得分

第2主成分分值高的縣區，有長豐縣、肥東縣、無為縣、肥西縣等，分布在巢湖流域的北部和東南部，這些地區耕地斑塊形狀復雜、不規律，不利于大面積機械耕作，除了與地勢不平坦有關外，還與缺少土地利用規劃和整治規劃的指導有關。反之，如含山縣、蜀山區、廬陽區、和縣、瑤海區、包河區，斑塊形狀簡單、規律，便于機械耕作，除了得力于平坦的地勢外，還得力于土地整治規劃的實施，尤其合肥市所轄四個縣區，在城市化擴張中仍能保持耕地斑塊形狀的規則，土地規劃的作用不可小覷。

耕地細碎化綜合得分中，9個縣區為正值，表明細碎化程度在平均水平以上，5個縣區的綜合得分為負值，表明細碎化程度在平均水平以下，最高值1.179 59和最低值-1.625 61，相差2.805 2，說明各縣區間耕地細碎化程度存在很大差異性。得分為負且絕對值較大的縣區，如含山縣、和縣、居巢區等，耕地平均面積最大，分布較聚集，斑塊形狀較簡單規則，耕作便利，效率高，利于農業現代化的發展。得分為正值且越高的縣區，如蜀山區、瑤海區、廬陽區、長豐縣等，耕地細碎化嚴重，不利于耕地規模化經營和農業現代化的發展。由圖2可見，巢湖流域東部地區耕地細碎度低，細碎化嚴重的地區主要分布在北部和南部，在土地整治過程中，應針對各縣區存在的具體問題，選取合適的整治措施，以改善耕地細碎化嚴重的現象。

圖2　巢湖流域各縣區耕地細碎度分布

3　結論與討論

(1) 斑塊平均面積(MPS)、斑塊密度(PD)、邊界密度(ED)、面積加權形狀指數(AWMSI)、面積加權分維數(AWMPFD)和斑塊聚集度指數(AI)，是衡量巢湖流域耕地細碎度的重要指標。

(2) 衡量耕地細碎度的景觀指數存在一定相關性，主成分分析的前兩個主成分累計貢獻率為96.969%，足以表達原始變量承載的大部分信息。第一主成分是反映耕地面積、分布的綜合指標；第二主成分是反映耕地斑塊形狀信息的綜合性指標。

(3) 巢湖流域耕地細碎化現象是由自然因素和人為因素共同造成的。自然因素主要是地形，地形起伏度大，不便于耕地的集中連片使用，容易導致耕地斑塊面積小、形狀不規則、分布格局分散，引起耕地細碎化現象的發生。人為因素主要包括城市化進程和土地整治活動兩方面，城市化進程中，建設用地對耕地的占用，導致耕地面積減小，從而引起細碎化問題；而土地整治項目，通過合并細小斑塊、不規則斑塊和合理規劃耕地布局，可以消除細碎化問題。

(4) 總體而言，巢湖流域各縣區的耕地細碎度空間差異性大。東部三個縣區耕地細碎化程度最低，可以充分利用其有利的現狀，大力促進農業規模化經營，充分發揮農業機械的作用，以降低平均成本，獲得更高效益。西部和南部的金安區、舒城縣、廬江縣和無為縣，耕地細碎程度中等，但是因原始地形起伏較大，丘陵、山地較多，給耕地連片使用帶來一定的困難，可以通過土地整治將零星分布、條塊分割、高低不平的耕地進行歸并平整，集合成相對集中成片、田塊大小面積相對均衡的耕地，對于地勢起伏太大難以平整的地區，可大力促進林業發展。北部長豐縣、肥西縣和肥東縣三縣，耕地細碎化較為嚴重，主要是由于斑塊形狀不規則造成的，要通過土地整治將形狀復雜的耕地變為形狀簡單、規則的斑塊。合肥市所轄四個區的細碎化程度最嚴重，主要是由于耕地平均面積小、分布離散引起的，這與城市的拓展對農田的占用有一定的聯系，在城市發展中應當合理考慮城市拓展與耕地保護的關系，保證耕地不因城市化而產生細碎化問題。

[1]吳開亞.巢湖流域農業循環經濟發展的綜合評價[J].中國人口·資源與環境,2008,18(1):94-98.

[2]李云生,周廣金,梁濤.巢湖流域的土地利用變化及其生態系統功能損益[J].地理研究,2009,28(6):1656-1663.

[3]周廣金,吳連喜.近30 a巢湖流域土地利用變化及其驅動力研究[J].華東理工大學學報:自然科學版,2009,32(3):265-270.

[4]李如忠.巢湖流域生態環境質量評價初步研究[J].合肥工業大學學報:自然科學版,2001,24(5):987-990.

[5]徐強,陳來.巢湖流域生態承載力定量評價研究[J].中國水土保持,2010(6):52-55.

[6]王傳輝,郭振亞,高超.基于遙感的巢湖流域景觀格局變化研究[J].長江流域資源與環境,2013,22(12):1586-1592.

[7]高超,翟建青,陶輝.巢湖流域土地利用/覆被變化的水文效應研究[J].自然資源學報,2009,24(10):1794-1801.

[8]張殷俊,陳爽,相景昌.河流近域土地利用格局與水質相關性分析:以巢湖流域為例[J].長江流域資源與環境,2011,20(9):1054-1060.

[9]孟巖,趙庚星,程晉南.基于MODIS遙感數據和GIS的山東省生態環境狀況評價[J].中國生態農業學報,2008,16(4):1020-1024.

[10]張明陽,王克林,劉會玉.基于遙感影像的桂西北喀斯特區植被碳儲量及密度時空分異[J].中國生態農業學報,2013,21(12):1545-1553.

[11]鄔建國.景觀生態學:格局、過程、尺度和等級[M].北京:高等教育出版社,2007.

[12]孔祥麗,王克林,陳洪松.基于GIS的喀斯特地區土地利用景觀空間格局研究:以廣西壯族自治區河池市為例[J].中國生態農業學報,2007,15(4):134-138.

[13]梁右嘉,鐘方雷,徐忠民.基于RS和GIS的張掖市土地利用景觀格局變化及驅動力[J].蘭州大學學報,2010,46(5):25-30.

[14]張軍,陳英,程文仕.榆中縣土地利用的景觀格局分析[J].甘肅農業科技,2008(6):3-7.

[15]孫艷玲,郭鵬.基于GIS和RS的天津市城市景觀演變分析[J].安徽農業科學,2011,39(13):7949-7951.

[16]賈琦,運迎霞,黃煥春.快速城市化背景下天津市城市景觀格局時空動態分析[J].干旱區資源與環境,2012,26(12):14-21.

[17]王道駿,陳英,賈守杰.基于景觀格局指數的耕地細碎化研究:以甘肅省臨夏北塬地區為例[J].中國農學通報,2014,30(32):184-188.

[18]黃思琴,陳英.基于景觀指數的耕地細碎化與農業經濟水平的空間相關性分析[J].干旱地區農業研究,2015,33(3):238-244.

[19]李鑫,歐名豪,馬賢磊.基于景觀指數的細碎化對耕地利用效率影響研究:以揚州市里下河區域為例[J].自然資源學報,2011,26(10):1758-1767.

[20]董家華.生態農業土地綜合指標評價體系研究:以山東省為例[J].中國生態農業學報,2005,13(3):25-28.

[21]王明全,王金達,劉景雙.基于集對分析和主成分分析的吉林西部生態承載力演變研究[J].中國生態農業學報,2009,17(4):795-799.

[22]范金城,梅長林.數據分析[M].北京:科學出版社,2010:124-136.

Research of Cultivated Land Fragmentation at the Township Level of Chaohu Basin Based on Landscape Metrics

TAI Xiaoli, XIAO Wu, ZHANG Jianyong, LYU Xuejiao, DING Qing

(InstituteofLandReclamationandEcologicalRestoration,ChinaUniversityofMiningandTechnology,Bingjing100083,China)

Selecting 14 counties of Chaohu Basin as the research object, based on high spatial resolution image of 2015, we extracted the Chaohu Lake Basin spatial distribution data of cultivated land, in the perspective of landscape pattern, we built farmland fragmentation measurement index system based on 6 landscape indexes, and had carried out the principal component analysis, formed two principal component (F1,F2) of farmland fragmentation integrated measurement model, in order to provide the theoretical basis and feasible suggestions for the land regulation in Chaohu Basin. The results showed that selected 6 indexes included area, shape, distribution and other factors of cultivated land fragmentation, it was the measurement system of an important indicator of the Chaohu Lake Basin land fragmentation; the cumulative contribution rate of the first two principal components is 96.969%, so they can express most of the information of the 6 original landscape indexes, the first principal component is the comprehensive index about area and distribution, the second is the comprehensive index about shape; the cultivated land fragmentation spatial difference of Chaohu Basin is great, eastern fragmentation is minimum, we can promote the development of agricultural scale, the four counties of west and south are medium, and mainly related to the original topographic relief. We can reduce fragmentation according to leveling land and mergering scattered patch, the three counties of north can reduce land fragmentation through land shape regulation, the fragmentation of the four districts of Hefei is serious, and related to cities′ occupation to farmland. We should consider the relationship between city extension and farmland protection during the development of city.

Gaofen-1; landscape index; cultivated land fragmentation; principal component analysis; land regulation

2015-12-04

2016-01-05

國土資源部公益性行業科研專項“土地綜合整治生態景觀設計技術研究”(201411006-05)

臺曉麗(1990—),女,山東省諸城人,碩士研究生,研究方向為土地復墾與生態修復。E-mail:taixiaolisd@163.com

肖武(1983—),男,湖南漣源人,副教授,研究方向為土地復墾與生態修復,3S,土地規劃。E-mail:594800072@qq.com

F301.24

A

1005-3409(2016)04-0094-05