陸良縣縣域耕地質量空間分布特征及影響因素分析

陳穎 廖麗君 鄭宏剛 刀劍 李夢嫡

摘要：科學了解耕地質量空間分布特征，是提高耕地質量建設和保護的基礎。本研究以2016年陸良縣耕地質量等別更新數據為觀測數據，采用GeoDa軟件從陸良縣級和鄉鎮尺度上分析耕地質量的空間差異特征，并基于R語言中的K-means算法，以海拔、坡度兩因子對耕地質量進行聚類分析，揭示陸良縣耕地質量與海拔和坡度的聯系。結果表明：陸良縣耕地質量呈現出中部高且向四周逐漸降低的分布規律，耕地質量等別Morans I值顯示為：國家經濟等>國家利用等>國家自然質量等。耕地質量局部空間自相關的空間分布表現為：高值聚集區（H-H）集中分布在陸良縣中部的壩子，低值聚集區（L-L）主要分布在西部和東部，負相關（H-L）區零星分布。陸良縣耕地質量空間分布受海拔和坡度的影響成同心圓式的分布規律;但耕地質量分布受海拔影響程度大于坡度。

關鍵詞：耕地質量;空間分布;空間自相關;陸良縣;海拔;坡度

中圖分類號：F323.211文獻標識號：A文章編號：1001-4942（2018）12-0073-07

耕地作為最寶貴的農業資源和重要的生產要素[1]，是確保國家糧食安全、社會穩定發展及農業可持續發展的重要基礎。近年來，隨著我國耕地質量年度監測與更新等工作的不斷發展，全國已經形成了較為完整的耕地質量成果。如何依據現有成果，研究分析區域耕地質量分布情況及影響因素，并為量化耕地質量、開展耕地保護等工作提供依據，有著重要意義。

目前基于耕地等別成果對耕地質量空間分布的研究取得了一些進展。從全國范圍來看，管栩等[2]基于全國土地整治項目信息，利用空間自相關對全國新增耕地數量及來源結構的空間差異進行分析;從區域研究來看，孔祥斌等[3]以西部12省的農用地分等成果為基礎，利用ArcGIS進行空間疊加分析，分析了西部區耕地等別在空間上的分布特征;石玉瓊等[4]利用地學統計方法對武功縣耕地自然質量等指數、利用等指數和經濟等指數的空間變異進行定量分析，認為武功縣耕地質量的空間變異由結構性因素引起;黨國鋒等[5]以隴南市武都區為例研究了山區耕地質量的空間分布特征。隨著研究方法的不斷進步，對耕地質量空間分布研究也逐漸由大尺度向中小尺度轉變[6，7]。

本研究在對比分析前人研究的基礎上，利用云南省曲靖市陸良縣2016年度農用地分等更新數據，運用全局空間自相關和局部空間自相關方法，從耕地的自然質量等、利用等和經濟等來分析陸良縣的耕地質量空間集聚性和差異性特征，并運用K-means均值聚類分析耕地質量分布與海拔、坡度的聯系，以期為云南省的耕地質量監測與保護和耕地質量提升等提供借鑒參考。

1?研究區概況

陸良縣地處云南省東北部，北緯24°44′～25°18′、東經103°23′～104°02′之間，是云南省糧食主產縣之一，土地總面積2 096 km2，轄10個鄉鎮，屬于典型的高原山間盆地，平均海拔2 045.95 m，平均坡度7.84°，屬亞熱帶高原季風型氣候區。由于地勢高低懸殊，地貌類型各異，氣溫的空間分布有明顯差異，壩區較溫暖，山區較冷涼[8]。根據2014年度土地利用變更調查數據統計，全縣耕地面積759.56 km2，占土地總面積的36.24%，主要分布在中部壩區和淺丘區，山區和半山區有少量耕地散布;平地（≤2°）面積為383.67 km2，占全縣耕地總面積的50.51%，主要集中在壩區鄉鎮;坡地（≥2°）面積為345.69 km2，占全縣耕地總面積的45.51%。根據陸良縣2016年度農用地分等更新數據，陸良縣耕地質量平均利用等為9等，無優等地分布。

2?數據來源與研究方法

2.1?數據來源

數據主要包括：對遙感影像進行矢量化獲取研究區耕地空間數據，DEM 數據采用地理空間數據云下載的30 m分辨率的STRM數據，陸良縣2016年度農用地分等更新數據中的耕地圖斑面積及其國家自然質量等別、國家利用等別和國家經濟等別。

2.2?研究方法

主要采用空間自相關方法，首先根據陸良縣農用地分等更新數據進行空間自相關分析，分析耕地質量的空間分布特征，然后通過K-means均值聚類方法分析耕地質量等別分布與海拔、坡度之間的聯系。

2.2.1?全局空間自相關?全局自相關（spatial autocorrelation anlysis）是一個區域單元的某種地理現象或某屬性值與鄰近區域單元的相關程度，可以全面測度區域空間要素屬性值聚合和離散的程度。Morans I值是空間自相關指標集聚程度的基本測度，本研究應用ArcGIS和GeoDa軟件平臺，應用Morans I指數分析陸良縣耕地質量空間分布特征。Morans I 取值范圍為[-1，1]，當I>0時，表示正相關，即某對象與其臨近對象的相似性大于差異性，說明相似的觀測值趨于空間集聚;反之，則表示研究對象與周邊對象存在顯著差異;僅當Morans I為零時，表示觀測值相互獨立，隨機分布。空間自相關的顯著性通過服從正態分布的統計量Z來檢驗。具體公式為 ：

[JZ]I=[SX（]n∑[DD（]n[]i=1[DD）]∑[DD（]n[]j≠1[DD）]wij（xi-[AKx-]）（xj-[AKx-]）[]∑[DD（]n[]i=1[DD）]∑[DD（]n[]j≠1[DD）]wij（xi-[AKx-]）（xj-[AKx-]）2[SX）]?。

式中，n是研究對象的個數; wij表示空間要素i與要素j間的權重; （xi-[AKx-]）和（xj-[AKx-]）分別是第 i、j個空間單元上的觀測值與平均值的偏差。

2.2.2?局部空間自相關?局部空間自相關（local autocorrelation analysis）描述一個空間單元與其領域的相似程度，能夠表示每個局部單元服從全局總趨勢的程度（包括方向和量級），并能提示空間異質，說明空間依賴是如何隨位置變化的。通常采用Moran 散點圖、Local Morans I統計量來分析某個區域與周邊的空間差異程度。其空間關聯模式可細分四種類型：高高關聯（即屬性值高于均值的空間單元被屬性值高于均值的領域所包圍）、低低關聯，屬于正的空間關聯;高低關聯、低高關聯，屬于負的空間關聯。通過局部Morans I可以知道空間聚集或離散發生的具體位置，在實際應用中比全局Morans I更有政策指導意義[9]。計算公式如下：

2.2.3?K-means均值聚類?K-means均值聚類即通過不斷迭代來對數據樣本進行聚類，又稱作K中心聚類。其基本思想是初始隨機給定K簇中心，按照最鄰近原則把待分類樣本點分到各個簇，然后按平均法重新計算各個簇的中心，從而確定新的簇心[10]。迭代至簇心的移動距離小于某個給定的值且不再發生變化，或達到最大迭代次數[11]。由于K-means均值聚類應用廣泛且易于描述，可有效處理大規模數據，已被廣泛應用于土壤分類[12]、污染源劃分等。

3?結果與分析

3.1?陸良縣耕地質量等別空間分布特征

耕地質量是以耕地的自然質量等、耕地利用等、耕地經濟等來具體體現，其反映的分別是耕地的自然狀況、利用水平、經濟水平。2016年陸良縣鄉鎮級耕地質量等別空間。

受地形影響，陸良縣各鄉鎮國家自然質量等別范圍為9～11等，整體處于較低水平，其中9等地集中在中部較為平緩的壩區，10等地圍繞壩區分布，主要分布在壩區的邊緣地區和壩區向山區的過度地區，11等地主要分布在山區;在空間分布上呈現同心圓式耕地質量自然等別由低到高逐漸擴散的空間分布特征。

全縣國家利用等在6～11等之間，6等地利用等最優，集中分布于中部壩區的鄉鎮：三岔河鎮、馬街鎮、中樞鎮，10等地在全縣范圍內分布最廣，11等地分布較少，利用等和自然等在空間分布上趨于一致。

國家經濟等整體上處于較高水平，在空間分布上和自然等、利用等呈現同心圓的規律，但略有差異，主要表現在耕地質量低值區主要集中在東部，且低值區分布范圍更廣。由此可知陸良縣耕地質量的經濟質量最高，利用質量次之，自然質量最低，且耕地質量等別分布區間最小。

3.2?不同尺度下耕地質量全局自相關分析

本研究以2 km×2 km為基本尺度把陸良縣劃分為594個基本觀測單元，以陸良縣的國家自然等、利用等、經濟等作為觀測值，將Morans I指數與空間距離結合分析，分別以2 000、15 000 m為起點距離、終點距離，并設置1 000 m為增量距離，構建不同的空間權重，利用GeoDa軟件得到不同尺度下耕地質量的空間自相關結果。

不同權重下陸良縣耕地質量Morans I結果均為正值，說明整個陸良縣耕地質量的三類國家等別空間分布不是隨機的，而是具有空間集聚特征，即分布呈空間自相關。三類耕地等別的Morans I值分別為：國家經濟等>國家利用等>國家自然質量等，表明陸良縣耕地質量的經濟水平在空間上集聚性最強，耕地自然質量水平的空間集聚性較差，其空間變異性相對較強，耕地質量受自然因素擾動較大。且在閾值距離為2 000 m時，Morans I值最大，分別是0.698、0.873和0.907，此時空間正相關性最高，耕地質量存在顯著的空間集聚規律，之后隨著閾值距離的增加耕地質量的Morans I值開始呈現逐漸下降趨勢，由閾值距離計算得到的顯著性統計量P均為0，這表明以2 000 m為閾值距離構建空間權重并對耕地質量進行空間自相關分析具有較高的準確性，因此文本以固定距離2 000 m對耕地質量進行空間分析。

3.3?耕地質量局部空間自相關分析

由于全局空間自相關指數有時會掩蓋局部地域的差異性，為了確定陸良縣各鄉鎮耕地質量高值聚集區和低值聚集區，還需要分析研究區局部空間自相關特性。本研究以耕地質量的三類等別和閾值距離2 000 m構建空間權重，運用局部空間自相關對研究區10個鄉鎮耕地質量等別進行局部空間自相關分析，得到了耕地質量局部空間自相關結果并繪制Moran散點圖和LISA分布圖，由于國家級等別值越小，代表耕地自然質量越高，故將得到的陸良縣三類國家等別LISA 圖進行高低轉換后得到耕地質量 LISA 圖。

根據Moran散點圖和LISA圖分析，在95%置信水平下，陸良縣域耕地質量呈正相關的空間集聚特征，且大部分耕地等別的正相關性非常顯著，耕地質量三類等別的全局空間自相關與局部空間自相關顯著程度分析一致，表現為國家自然等、國家利用等和國家經濟等自相關性逐漸由弱變強的趨勢。

通過統計不同類別單元表明：陸良縣10個鄉鎮的國家自然質量等別空間關聯類型以耕地質量正相關為主，具有典型的空間集聚模式的單元類型占25.93%，表示該單元和周圍其他單元的耕地質量均高或低;其中“HH”型占13.47%，集中在海拔、坡度都較低的壩子上，如板橋鎮的南部、中樞鎮、三岔河鎮和馬街鎮的北部，“LL”型占12.46%，主要分布在東部海拔較高和地表起伏度較大的龍海鄉。耕地質量負相關類型占0.51%，“HL”型分布比例較小，無明顯集中分布。

陸良縣國家利用等別空間關聯類型較自然等別分布更廣，說明耕地質量除受自然影響較大外，后期人為的土地整治等活動也會提升土地質量。耕地利用等別正相關單元類型占30.81%，其中“HH”型占14.31%，呈組團狀集中分布于中樞鎮、山岔河鎮、馬街鎮和板橋鎮，這些地區地勢起伏較小、交通便利、機械化程度較高，便于耕作和管理;“LL”型占16.50%，集中分布在東部的龍海鄉和活水鄉，西部和南部有零星分布，這些地區海拔、坡度均較高，耕地自然條件較差，不便于耕作。

陸良縣經濟等別空間分布較自然等和利用等的分布范圍有所擴展，也更為集中，但耕地質量負相關類型沒有分布;耕地質量正相關類型占35.52%，“HH”型占13.47%，集中分布在地勢平坦、灌溉條件較好中部平壩地區;“LL”型占22.05%，呈組團狀集中分布在活水鄉和龍海鄉的大部分，芳華鎮和小百戶鄉有零星分布，這些鄉鎮的海拔較高，屬于山地丘陵區，農田水利基礎設施不完善、經濟相對落后。

綜上，陸良縣10個鄉鎮的耕地質量局部空間自相關性和陸良縣耕地質量局部自相關分布規律一致。耕地質量水平在空間位置的分布大致呈現以陸良壩子中心為圓心的同心圓分布，并呈從圓心向外延伸自然質量水平逐漸降低的態勢。

3.4?耕地質量分布與地形的關系

耕地質量受眾多因素影響，但在地形差異顯著的地區，地形和海拔對耕地質量的影響尤為重要;地形和海拔主要通過影響區域溫度、水分和光照的分布進而影響耕地的自然質量等情況。然而云南省第一輪《農用地分等規程》中未將海拔作為分等因素，而后鄒玥[13]、余菊[14]等針對這一問題將海拔引入作為耕地質量的修正因子。

本研究基于R語言中的K-means均值聚類函數，以海拔、坡度兩因子對耕地質量進行自然等、經濟等、利用等的聚類分析。

K-means均值聚類結果將耕地自然等、經濟等、利用等分別與坡度和海拔聚類，并將每個聚類結果都分為顏色不同的6個聚類結果，分類解釋率均達到94.6%。所以本研究根據聚類分析結果圖，將圖中聚類順序從左至右分別表示為：Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ類。分類結果表明陸良縣耕地質量隨著海拔和坡度的升高均有變化，且隨海拔變化更為明顯。

海拔高度是影響區域氣候、作物選擇、耕種方式等的主要因素。總體上，耕地的自然質量等、利用等、經濟等均隨著海拔的升高而下降，呈現分層分布。耕地的自然質量等隨海拔的升高變化較為顯著，當海拔1 700～1 900 m，Ⅰ類耕地自然質量等別主要集中在9.0～10.5等之間，利用等主要介于6～11等，經濟等在5～11等均有分布，當海拔在2 200～2 500 m時，Ⅴ、Ⅵ類耕地的自然質量等、利用等、經濟等均不同程度下降，利用等和經濟等普遍偏低，主要分布在9～11等，這說明在陸良縣內海拔是制約耕地質量的主要因子，海拔高的地區多為山丘區，光、溫、水等自然因素不利于農作物的生長，且耕地破碎化嚴重，嚴重影響耕地的機械化水平以及灌溉、排水設施的修建和使用。

坡度通常被定義為坡面的垂直高度和水平距離的比值，是衡量耕地質量和制約耕地發展的重要指標[15]。總體上，坡度對耕地質量的影響較為顯著，隨著坡度的增加耕地利用受到限制。但分層現象不明顯，僅在當坡度為0～5°時，Ⅰ類耕地的自然質量等、利用等、經濟等較高，出現了5～8等的較高等別，原因是這一類坡度較低的耕地較為集中、自然條件和耕作條件便利、距鄉鎮較近，所以耕地質量較高;但當坡度在5～25°時，Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ類耕地等別隨坡度變化的分類結果并不明顯，分布比較均勻，趨向偏平化，利用等、經濟等等別較低，在8～11等均有分布。這表明：陸良縣耕地質量雖然受坡度影響，但當坡度較高時，坡度變化對耕地質量的好壞影響并不顯著，這可能是因為在坡度較高的地區，雖然有地形因素的限制，但經過坡改梯等土地整治工程后，完善了灌排設施，增加了農業科技與生產的投入，使得坡度較高地區的耕地質量等別差別不劇烈。

綜上所述，陸良縣耕地質量分布受海拔和坡度的影響，但受海拔的影響更為顯著。隨著海拔和坡度的升高，土地利用困難加大，種植農作物的生產成本加大且生產效率通常不高，所以耕地質量自然等、利用等、經濟等逐漸下降。

4?結論

本研究運用空間自相關分析方法對陸良縣耕地質量分布情況進行研究，揭示了陸良縣耕地質量的空間分異特征，也對鄉鎮耕地質量的空間集聚與孤立進行了分析;并基于K-means均值聚類函數從海拔、坡度因素進一步分析了陸良縣耕地質量自然等、利用等、經濟等分布特征的形成原因。

（1）全局空間自相關分析表明，陸良縣耕地質量分布呈空間正相關，其自相關強度隨著閾值距離的增加而減弱，并且國家經濟等>國家利用等>國家自然質量等。局部自相關分析表明，陸良縣耕地質量分布并不均衡，有局部高質量聚集、局部低質量聚集和局部耕地質量異常三種情況，而且耕地質量的自然等、利用等、經濟等在空間上的位置及范圍呈較大的相似特征。

（2）陸良縣耕地質量空間分異特征明顯，高質量地區集中分布于陸良縣中部的壩區，低質量地區主要分布于陸良縣東、西部的山地丘陵區。10個鄉鎮的局部空間自相關分析結果與陸良縣整體局部自相關規律一致。

（3）K-means聚類函數分析表明海拔、坡度對陸良縣耕地質量分布有著重要影響，海拔與耕地質量聚類結果分層明顯，隨著海拔和坡度的升高，總體上耕地質量等別逐漸遞減，但隨著坡度的升高，坡度變化對耕地質量的影響程度逐漸減弱;海拔對耕地質量的影響較坡度更大。

此外，本研究先以2 km×2 km單元在不同尺度下進行全局空間自相關分析，后在閾值等于2 km時進行局部空間自相關分析，該結果是否會隨研究單元的大小和閾值的變化而產生差異，何種單元大小更加科學，尚需進一步探究。由于資料收集不足，本文僅選取海拔和坡度對陸良縣耕地質量分布進行K-means聚類分析，雖然聚類結果顯示海拔對耕地質量有顯著影響，但未能深入探明海拔與耕地自然質量等變化之間的影響機理，今后可以進一步結合經濟、社會等其它因素對陸良縣耕地質量情況進行全面分析。

參?考?文?獻：

[1]?朱紅波. 中國耕地資源安全研究[D]. 武漢：華中農業大學， 2006.

[2]?管栩， 金曉斌， 潘倩，等. 基于縣域尺度的中國土地整治新增耕地空間差異分析[J]. 農業工程學報， 2013， 29（20）：226-233.

[3]??孔祥斌， 張青璞. 中國西部區耕地等別空間分布特征[J]. 農業工程學報， 2012， 28（22）：1-7.

[4]??石玉瓊， 李團勝. 武功縣耕地質量空間變異分析[J]. 土壤通報， 2017， 48（2）：257-262.

[5]??黨國鋒， 朱晨. 基于空間自相關分析的山區耕地質量分區研究──以隴南市武都區為例[J]. 中國農學通報， 2015， 31（36）：131-138.

[6]?趙晗，趙小敏，匡麗花， 等. 基于空間自相關的耕地質量空間分布特征研究——以江西省南昌縣為例[J].浙江農業學報，2017，（8）：1365-1374.

[7]??郭曉飛， 李建華， 李成學，等. 基于多尺度的祥云縣縣域耕地自然質量空間分布特征分析[J]. 云南農業大學學報， 2016， 31（5）：923-929.

[8]?廖麗君， 魏巍， 劉淑霞，等. 陸良縣農用地分等數據庫與二調數據庫整合方法研究[J]. 中國土地科學， 2014， 28（6）：84-90.

[9]??張孝宇， 張安錄. 武漢市耕地非農化的空間自相關分析[J]. 長江流域資源與環境， 2015， 24（5）：781-788.

[10]呂志學， 孫雪文， 劉鳳飛. K-means聚類方法在黑龍江省低山丘陵區坡耕地類型區劃分中的應用[J]. 水土保持通報， 2015， 35（1）：124-127.

[11]王昊雷. K均值聚類算法研究與應用[D].哈爾濱：哈爾濱工程大學， 2015.

[12]吳夙慧， 成穎， 鄭彥寧，等. K-means算法研究綜述[J]. 數據分析與知識發現， 2011， 27（5）：28-35.

[13] 鄒玥， 樊毅， 鄭宏剛，等. 海拔因子對農用地自然質量等指數影響研究[J]. 云南農業大學學報（自然科學）， 2009， 24（2）：274-277.

[14]余菊， 鄭宏剛， 文杰，等. 云南省不同海拔梯度耕地自然質量等特征分析[J]. 水土保持研究， 2014， 21（4）：224-228.

[15]趙博. DEM在耕地坡度分析統計方面的應用[J]. 測繪與空間地理信息， 2012， 35（9）：51-52.