黃河故道地區果園空間分布特征分析

苑惠麗 楊亞楠 陳文君

摘要 基于多時相中分辨率遙感數據，結合野外實地采樣數據和面向對象的遙感影像分析方法，開展黃河故道地區果園信息提取，結合地形因子、海岸線分布等基礎地理數據，探討果園空間分布格局，并分析不同空間尺度下果園的聚集度特征。結果表明：黃河故道果園面積約1 268.30 km，其中碭山縣、豐縣和蕭縣為果園種植的主要地區；果園主要分布于高程＞20～60 m、坡度≤4°的范圍內的地勢平坦地帶，分別占果園總面積的86.84%和88.43%；果園主要分布于距離海岸線＞280 km的區域內，占果園總面積的91.20%；縣（區）域、10 km×10 km、5 km×5 km和1 km×1 km格網尺度下的果園種植密度呈顯著空間正相關，屬于空間聚集分布模式，隨空間尺度降低，聚集度越高。可見黃河故道地區果園逐漸呈現出種植規模化、連片化的特征。

關鍵詞 果園；空間分布特征；黃河故道地區

中圖分類號 S181.3 文獻標識碼 A

文章編號 0517-6611（2024）02-0063-06

doi：10.3969/j.issn.0517-6611.2024.02.013

開放科學（資源服務）標識碼（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

基金項目 國家自然科學基金項目（42101476，42201295）；江蘇省高等學校自然科學研究面上項目（21KJB170025）。

作者簡介 苑惠麗（1981—），女，山東濱州人，講師，博士，從事流域地表要素遙感反演研究。

收稿日期 2022-11-21；修回日期 2022-12-13

黃河故道又稱為故黃河、淤黃河，是歷史上黃河流域的重要組成部分，位于京津冀、黃河流域和長三角3個區域的連接地帶，地理位置重要，發展潛力大。2019年，習近平總書記在黃河流域生態保護和高質量發展座談會上的講話指出，黃河流域是打贏脫貧攻堅戰的重要區域；黃河流域生態環境持續明顯向好，下游河口濕地面積逐年回升，生物多樣性明顯增加，但流域生態環境脆弱。然而，由黃河水淤積形成的土壤有機質含量低，農業生產能力弱，沿線貧困化程度較高，但其獨特的氣候特征和砂質土壤，適宜果樹生長。20世紀50年代開始建起了近百個國營園藝場，有力推動了黃河故道地區果園產業的快速發展。然而，經過近20年的快速發展，在2010年左右果園的面積及產量增長速度變緩甚至有的區域開始減少種植面積，勢必會影響故道周邊的生態環境和經濟發展。因此，有必要對黃河故道地區果園的種植現狀進行調查，獲取準確的果園種植情況，從而為改善生態環境和保證周邊經濟的可持續發展提供數據支持。

黃河故道果園的研究多集中于果樹的栽培、病蟲害防治、土壤性狀及不同耕作和覆蓋條件下對果園產量的影響等方面。常規的統計方法很難及時準確地得到精確的農作物種植面積，更無法實時獲取農作物的空間分布狀況。隨著遙感技術的出現，快速準確地獲取果園的空間分布情況成為可能，尤其是大范圍果園信息提取。

因此，該研究擬基于多時相中分辨率遙感數據，結合野外實地采樣數據和面向對象的遙感影像分析方法，開展黃河故道地區果園信息提取，結合地形因子、海岸線分布等基礎地理數據，探討果園空間分布格局，并分析不同空間尺度下果園的聚集度特征，為黃河故道地區果園產業化規模健康發展提供參考。

1 資料與方法

1.1 研究區概況

黃河故道自河南省蘭考縣向東南，途徑3個省的21個縣（區），自西向東依次經過民權縣、商丘市區、安徽省碭山縣、江蘇省豐縣、徐州市區、睢寧縣、宿遷市區、泗陽縣、淮安市區，過漣水縣后，由濱海縣的大淤尖村套子口入黃海，全長約728.3 km（圖1）。除安徽蕭縣境內、徐州市市轄區和徐州銅山區境內有小面積山地海拔較高，區域內總體地勢西高東低，平均海拔31.52 m，該區域屬氣候界于暖溫帶和北亞熱帶之間，屬于季風半濕潤氣候區，冬秋無霜期長，光熱充足，東西跨度較大，由內陸到沿海，氣候特征稍有差異，年均氣溫14.0～14.7 ℃，年無霜期213～220 d，年降雨量678～949 mm。其獨特的氣候特征和砂質土壤，適宜果樹生長。

1.2 基礎地理數據

該研究使用的數據包括：①黃河故道地區30 m空間分辨率ASTER GDEM地形數據，下載于美國航天局（NASA）數據統一發布平臺Reverb （http：//reverb.echo.nasa.gov/reverb）；②Landsat 8 OLI（operational land image）L1級標準產品，該級別數據產品使用地面控制點和數字高程模型數據進行了幾何校正，坐標精度能滿足該研究要求。

經過統計發現，覆蓋整個研究區需要5景Landsat 8 OLI影像，條帶號分別為120/36、120/37、121/36、122/36、123/36。據旱地作物的生長特征可知，10月中下旬農作物已全部收獲，此時是提取果園的最佳時相。其中，位于條帶號為122/36的安徽省碭山縣梨園具有大面積連片分布的特征，且緊鄰農村居民點，上覆有落葉林的農村居民點與果園有相似的光譜特征和時相特征，利用IOPT指數可以將其有效區分，選取4月初、10月初及12月份影像進行該區域果園提取。因此，該研究中共選取出2017—2020年7景無云影像作為數據源（表1）。利用2020年4月獲取的野外調查樣點進行精度的驗證與評價。

1.3 基于NDVI的果園信息提取

黃河故道地區東西跨度較大，果園在內陸和沿海地區有明顯不同的分布特點和影像特征。內陸地區果園一般集中分布、面積大，與耕地鄰接，兩者在遙感影像上植被特征極其相似。但因其在生長期內與耕地有明顯的差異，10月中下旬是耕地內莊稼的收獲期，NDVI最低，而果園仍然茂盛，因此選取此期間獲取的影像可以有效區分耕地和果園。沿海地區多是小型采摘園，面積較小，中分辨率遙感影像上識別困難，僅利用光譜特征難以從遙感影像上將其提取出來，需結合Google Earth平臺的高分辨率衛星遙感影像進行驗證并糾錯。

1.4 地形與區位特征

在同一空間參考系統下，將同一地區具有不同地理特征和屬性的數據進行疊加，能夠得到該地區的多重屬性特征，或建立地理對象之間的空間對應關系。該研究利用空間疊加分析方法，對黃河故道地區果園的分布特征進行研究，包括：①將提取的果園數據與黃河故道地區縣、區分布圖進行疊加，統計得到各縣、區果園的種植面積；②將果園數據分別與高程和坡度2個地形因子進行疊加，統計分析果園在不同高程和坡度下的空間分布情況；③利用海岸線數據構建多環緩沖區與果園數據進行疊加，統計分析果園在不同緩沖區范圍內的分布特征。

1.5 基于Moran’s I指數的果園空間聚集度

相關位置上的地理數據由于空間相互作用和擴散的影響，彼此之間相互依賴，具有空間自相關性。定量化探究空間自相關性的方法按功能一般分為全局空間自相關和局部空間自相關。前者是從整個研究區域內探測變量在空間分布上的聚集性，后者是從特定局部區域內探測變量在空間分布上的聚集性。

該研究使用全局空間自相關指標Moran’s I指數描述黃河故道地區果園種植密度的空間相關性及其分布模式。Moran’s I指數的取值為[-1，1]，Moran’s I<0表示負相關，值越小，空間差異越大；Moran’s I=0表示不相關，空間呈隨機性；Moran’s I>0表示正相關，值越大，空間相關性越大。針對Moran’s I指數，使用標準化統計量Z來檢驗多個區域是否存在空間自相關關系。Moran’s I指數計算公式如下：

式中：I為Moran’s I指數；n為研究區的空間單元總數；x、x分別為i、j空間單元的屬性值；x為所有空間單元屬性值的均值；w為空間權重；S為空間權重矩陣之和。

利用Z檢驗進行驗證：

式中：E（I）為 Moran’s I指數的期望值；VAR（I）為 Moran’s I指數的方差。為研究不同空間尺度下黃河故道地區果園的空間聚集特征，構建10 km×10 km、5 km×5 km、1 km×1 km 3種尺度的網格，計算包括縣（區）域的4種空間尺度下果園種植密度的全局自相關指數Moran’s I。該方法將網格圖與果園分布數據相疊加，統計每個網格的果園面積，計算得到每個網格果園面積百分比，將計算結果賦給對應網格的中心點。

2 結果與分析

2.1 黃河故道地區果園種植規模

基于遙感影像提取果園結果（表2和圖2）表明：黃河故道地區果園種植總面積為1 268.30 km，其中，種植面積超過40 km的縣（區）有碭山縣、豐縣、蕭縣、虞城縣、寧陵縣和民權縣，占總種植面積的83.20%，其中碭山縣、豐縣和蕭縣種植面積較大，分別占總種植面積的44.26%、15.46%和8.31%。主要的果園類型包括蘋果園、梨園、桃園和葡萄園，其中梨園面積最大，為1 068.68 km，占果園總面積的84.26%；蘋果園面積為87.06 km，占果園總面積的6.86%；桃園面積為68.06 km，占果園總面積的5.37%；葡萄園面積為44.50 km，占果園總面積的3.51%。

2.2 果園分布的地形特征

地形為土地利用格局的形成提供基礎并影響著土地利用的演變過程。高程和坡度2個地形因子直接影響著農林牧業的用地分布、水土流失等情況，是土地資源2個重要的環境因子。果園數據與地形因子疊加結果（表3）表明，黃河故道地區果園主要種植的高程為>20～60 m，占總種植面積的86.84%。其中，在>20～30 m高程帶內，果園種植面積為193.53 km，占總種植面積的15.26%；>30～40 m高程帶內，果園種植面積為428.98 km，占總種植面積的33.82%；>40～50 m高程帶內，種植面積為329.22 km，占總種植面積的25.96%；>50～60 m高程帶內，果園種植面積為149.68 km，占總種植面積的11.80%。如圖3所示，≤20 m高程范圍主要位于研究區東部，耕地類型主要為水田，幾乎沒有連片種植果園，果園種植多是采摘園形式，零星分布，面積較小，所占比重不大。>70 m高程范圍主要包含了民權縣部分園地、安徽蕭縣和徐州市市轄區范圍內的部分山地果園。

黃河故道地區總體地勢平坦，統計表明（圖4），≤4°坡度范圍內果園面積有1 121.56 km，占果園總面積的88.43%。

2.3 果園分布的區位特征

以70 km為間隔，對黃河故道地區海岸線構建多環緩沖區，與果園數據疊加后統計結果如表4所示。分析表明，隨離海岸線距離的增加，果園種植面積逐漸增大，距離海岸線>280 km范圍內果園種植面積為1 156.67 km，占果園總面積的91.20%。

2.4 果園分布的空間聚集特征

構建10 km×10 km、5 km×5 km、1 km×1 km 3種不同的空間尺度格網，通過與黃河故道地區果園數據得到的不同空間尺度下的種植密度，分別計算包括縣（區）域的4種空間尺度下果園種植密度的全局自相關指數Moran’s I，得到研究區果園種植密度在不同空間尺度下的空間聚集特征（圖5）。統計表明，黃河故道地區縣（區）域、10 km×10 km、5 km×5 km、1 km×1 km 4種尺度下的Moran’s I指數分別為0.14、0.66、0.79、0.83，均大于0，Z檢驗值分別為2.39、24.61、56.84和300.41，均顯著。可見，在這4種空間尺度下，研究區內的果園種植密度在整體空間分布上呈現出明顯的正相關關系，表現出顯著的空間聚集模式。通過比較發現，Moran’s I 指數隨著空間尺度的變小而逐漸增大，空間分布也更為聚集，相鄰空間單元的果園種植密度差異降低，相似性增大，表明果園種植密度在空間分布的聚集程度與空間尺度的大小有強烈的相關性。

3 結論

該研究利用中分辨率遙感影像，基于面向對象的遙感影像分析方法，進行黃河故道地區果園信息提取；并利用GIS空間分析方法，結合研究區地形因子與海岸線分布情況，對果園的空間分布格局進行了分析，結論如下：

（1）黃河故道地區果園種植的總面積約為1 268.30 km ，碭山縣、豐縣和蕭縣為該地區果園種植的主要區域。

（2）高程>20～60 m、坡度≤4°的區域是黃河故道地區果園主要分布地帶，具有典型的平原區果園種植特征。

（3）黃河故道地區果園主要分布于距離海岸線>280 m的內陸區域，體現出內陸自然條件依賴性。

（4）不同空間尺度下，黃河故道地區果園種植密度在整體空間分布上呈現出明顯的正相關關系，屬于空間聚集分布模式。隨著空間尺度的變小，種植密度的全局自相關性 Moran’s I 指數也逐漸增大，空間聚集程度逐漸增高，果園種植密度在空間內分布的聚集程度與空間尺度的大小有強烈的相關性。

參考文獻

[1]趙瑜.讓黃河成為造福人民的幸福河：全國政協提案委員會“將黃河故道納入黃河流域生態保護和高質量發展國家戰略”重點提案辦理協商會側記[J].中國政協，2020（22）：34-35.

[2]朱永增，丁繼輝，李倩倩，等.黃河故道土地生態整治與高標準農田建設模式研究[J].江蘇水利，2020（8）：38-41.

[3]馬凌珂.黃河故道地區梨產業發展淺析[J].果農之友，2020（11）：42-43.

[4]王寶秋.應當開展果園面積變動統計[J].浙江統計，1999（1）：34.

[5]盛炳成.黃河故道地區果樹綜論[M].北京：中國農業出版社，2008.

[6]李曉敏.河南省蘋果品種發展及栽培利用研究[D].楊凌：西北農林科技大學，2018.

[7]邵礫群.中國蘋果矮化密植集約栽培模式技術經濟評價研究[D].楊凌：西北農林科技大學，2015.

[8]趙增鋒.蘋果病蟲害種類、地域分布及主要病蟲害發生趨勢研究[D].保定：河北農業大學，2012.

[9]符丹丹.中國蘋果炭疽病病原菌的遺傳多樣性[D].楊凌：西北農林科技大學，2014.

[10]簡興，陳鴻，肖昕迪.黃河故道土壤有機碳及易氧化有機碳含量分析[J].安徽農學通報，2017，25（14）：62-64.

[11]高凝.不同地面覆蓋對黃河故道地區蘋果樹體生長及果實品質的影響[D].泰安：山東農業大學，2020.

[12]李芳，李姝蓉，章敏.顧及地形特征的山區農作物種植面積測量與空間分布特征分析：以云南省文山州丘北縣為例[C]∥2016年全國統計建模大賽論文集.北京：國家統計局，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，劉沖，齊述華，等.基于隨機森林算法的贛南柑橘果園遙感信息提取[J].江西師范大學學報（自然科學版），2018，42（4）：434-440.

[15]陳優良，胡錦景，王兆茹，等.贛南柑橘果園面積動態變化分析：以信豐縣為例[J].江西農業大學學報，2017，39（5）：884-894.

[16]陳優良，胡錦景，王兆茹，等.贛南柑橘果園面積動態變化分析：以尋烏縣為例[J].江西理工大學學報，2017，38（5）：19-25.

[17]董芳.基于多源數據的丘陵區蘋果園地信息遙感提取技術研究[D].泰安：山東農業大學，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]喬斌，祝存兄，曹曉云，等.格網尺度下青海瑪多縣土地利用及生態系統服務價值空間自相關分析[J].應用生態學報，2020，31（5）：1660-1672.

[21]劉洋，余建新，向冬蕾，等.基于局部空間自相關的思茅區耕地利用保護綜合分區[J].水土保持研究，2020，27（1）：183-188，196.

[22]張起明，徐晗澤宇，江豐，等.贛南地區柑橘果園空間分布特征分析[J].江西科學，2018，36（4）：591-598.

[23]徐建華.計量地理學[M].2版.北京：高等教育出版社，2014：84-91.

[24]陳運強，王榮遠.土地利用空間格局與坡度坡向的關系[J].測繪與空間地理信息，2015，38（10）：171-174，177.