张显源，蔡忠亮，李桂娥，等.耕地景观破碎化成因及对农村收入影响分析
耕地景观破碎化成因及对农村收入影响分析
张显源1，蔡忠亮1，李桂娥1，孙俊英2，李刚3，陈忠超2
1.武汉大学
2.贵州省第二测绘院
3.贵州省国土资源技术信息中心
摘要
为了定量分析耕地破碎化的驱动因素，评价其对农村收入水平的影响，该文基于景观指数分析法选取景观指标计算景观指数，使用熵权法计算贵州省遵义市播州区21个乡镇的耕地破碎化综合指数；利用地理加权回归模型，计算耕地破碎化综合指数与各环境因子间的相关性，同时分析耕地破碎化综合指数对农村年人均可支配收入的影响。实验结果显示，该区域耕地破碎化是各类环境因素综合作用的结果，农村收入水平与耕地破碎度呈负相关。由此可见，景观指数分析与地理加权回归分析相结合既能够较好地反映耕地破碎化程度，同时也能清晰地揭示耕地破碎化的驱动因素及其对农村收入水平的影响，有助于我们进一步理解耕地破碎化的内涵，为提升农村收入水平提供理论参考。
本
文
目
录
0 引言
1 研究方法
2 结果与分析
3 结束语
0
引言
景观破碎化是景观生态学典型的景观过程之一，在景观格局中表现为景观斑块在空间分布上缺乏连通性，斑块的形状复杂性较低[1]。耕地是一种常见的且与经济相关的地表景观，耕地破碎化是中国传统农业生产的一个显著特征。目前普遍接受的结论是耕地破碎化在中国既存在合理性，也会对农业发展和社会经济产生负面影响，但缺乏足够的实证研究[2]。中国作为一个农业大国，耕地面积广大，农业从业人口多，耕地景观格局的影响因素种类繁多，耕地破碎化对农村收入的影响不尽相同，定量分析耕地景观破碎化的影响因素及对农村收入水平的影响，能有助于进一步理解耕地破碎化的内涵，针对性地改善耕地状况，同时对提升农村收入水平提供理论参考。
国内外研究者对耕地破碎化的驱动因素进行了一定的探讨，文献[3]以耕地平均面积大小和大尺寸耕地比例两个指标计算耕地破碎化程度，用最小充分模型计算了土地所有权和土壤质量对耕地破碎化的驱动作用，文献[4]则以农业景观占比反映耕地破碎化程度，研究了路网密度对耕地破碎化程度的影响，文献[5]选取5个景观指标计算卢龙县的耕地破碎程度，通过地理加权回归计算了坡度、居民点、路网等因素对耕地破碎化的影响。对于耕地破碎化的后果，国外的研究重点主要在生态环境影响方面，而国内的研究主要关注对耕地破碎度的评价或与贫困的耦合分析[6-7]，此外，部分研究者对西北干旱地区耕地破碎化对农业经济的影响做了较为深入的分析[8-9]。
为了研究农村耕地破碎化的成因及对农村收入水平的影响，本文以贵州省遵义市播州区为例，以播州区的21个乡镇为研究单元，根据播州区农业耕地数据，基于景观生态学原理选取合适的景观指标，计算各乡镇耕地破碎化综合指数。在此基础上，选取自然环境和社会环境两方面的环境因子，研究耕地破碎化的驱动因素，以各乡镇农村年人均可支配收入体现农村收入水平，进一步分析耕地破碎化对农村收入水平的影响。
1 研究方法
1.1 研究区域
播州区隶属于贵州省遵义市，位于贵州省北部，大娄山山脉南侧，介于106°17′~107°25′E，27°13′~28°03′N，下辖21个乡镇，域内面积2 490.94 km2。截至2016年，总人口为85.4万人，其中乡村人口80.9万人，农业从业人员14.1万人，耕地757.8 km2。播州区主要分布有3种地貌区，其西北中部为山峡谷区，海拔900~1 300 m，崇山峻岭并列，河谷狭小弯曲；东南部为丘陵平坝区，海拔800~1 000 m；其余为河谷边缘深切区，河谷切割深度100~400 m。其地形分布及行政区划如图1所示。
图1 播州区地形分布及行政区划
1.2 数据来源与处理
本文计算播州区耕地破碎化程度的耕地图斑数据来自2018年播州区耕地农业采集数据；从Open Street Map(https：∥www.openstreetmap.org)平台下载播州区范围内的矢量数据，提取出路网和水系要素，然后依据当地测绘部门提供的卫星影像编辑修正，得到播州区的路网和水系线数据；从地理空间数据云平台(http：∥www.gscloud.cn/)下载涵盖了播州区范围的GDEMV2的30 m分辨率数字高程影像数据ASTGTM2_N27E106和ASTGTM2_N27E107，拼接和裁剪后获得播州区范围的DEM数据，使用ArcGIS的“坡度”工具处理该DEM数据获得播州区范围的坡度栅格数据；从《2016播州统计年鉴》中获得播州区各乡镇农村年人均可支配收入、总人数和农业从业人员数量，计算得出各乡镇农业从业人员数量占比。
1.3 景观指标的选取
从已有的文献来看，研究耕地景观破碎化程度最常见的分析方法是景观指数分析法[10-11]，通过计算能够反映相应景观特征的定量指标(即景观指数)来分析耕地的景观格局特征[12]。基于研究区域的实际情况和研究目标，结合文献研究[9-10]，可初步选取能够反映出耕地破碎化程度的斑块总面积(total landscape area，TA)、斑块总数(number of patches，NP)、斑块密度(patch density，PD)、最大斑块指数(largest patch index，LPI)、边缘密度(edge density，ED)、景观形状指数(landscape shape index，LSI)、平均斑块面积(mean patch size，AREA-MN)、平均斑块形状指数(mean patch shape index，SHAPE-MN)、平均周长面积比(perimeter-area ratio mean，PARA-MN)、平均最近邻距离(euclidean nearest-neighbor distance mean，ENN-MN)、斑块聚集指数(patch cohesion index，COHESION)、景观分离指数(landscape division index，DIVISION)、分裂指数(splitting index，SPLIT)和聚合指数(aggregation index，AI)这14个指标计算景观指数。
景观指数分析过程中，根据经验选取的景观指标之间的相关性可能会对分析结果造成干扰[13-14]。为了使分析结果更加准确，需要对初步选取的指标进行相关性检验，剔除与其他指标相关性较强的指标，且筛选后的景观指标足以反映景观格局的基本特征[15]。在计算指标之间的皮尔逊(Pearson)相关系数后，最终从原有的14个指标中选取了斑块总面积、斑块密度、最大斑块指数、边缘密度、平均周长面积比、平均最近邻距离和聚合指数7个指标，如表1所示。
表1 耕地破碎化各项指标及其含义
1.4 指标确权与综合指数计算
对各类景观指标确权后可计算耕地破碎化综合指数，常见的指标确权方法是熵权法和变异系数法，二者的相同点在于它们都是基于度量差异信息的离散程度来客观赋权，而熵权法对指标权数分配具有敏感性，赋权结果区分度较好[16]，本文使用熵权法计算各景观指标的权重。
计算权重需要对各项指标进行标准化处理，根据对耕地破碎化的影响将各项指标分为正向指标和负向指标两类后，标准化处理方法见式(1)。
式中：Pij为乡镇j的指标i的标准化结果；Xij为乡镇j的指标i的值；Ximax为各乡镇中指标i的最大值；Ximin为各乡镇中指标i的最小值。
然后计算各项指标的熵值ei为：
式中：n为乡镇个数。
最后根据熵值计算各项指标的权重Wi为：
式中：m为指标个数。
基于各项指标的权重可由式(4)计算各乡镇的耕地破碎化综合指数为：
式中：Qj为乡镇j的耕地破碎化综合指数。
1.5 地理加权回归分析
回归分析是定量分析变量之间依赖关系的一种重要统计方法。相比于传统的最小二乘法等线性回归模型，地理加权回归模型(geographical weighted regression，GWR)认为回归系数随着空间位置的变化而变化，具有空间非平稳性[17]。地理加权回归模型嵌入了数据的空间位置，利用局部加权最小二乘方法逐点参数估计，其中权是回归点所在的地理空间位置到其他各观测点的地理空间位置之间的距离函数，因此能够更好地模拟在地理数据空间上的非平稳性，在针对耕地等地理要素的空间分析中得到越来越广泛的运用[18]。已有多位研究者证实地理加权回归模型在耕地景观格局分析中的优越性[14，19]，其计算方法为：
式中：(ui，vi)为第i个采样点的坐标；β0(ui，vi)为模型在第i个采样点的回归常数；βk(ui，vi)为第i个采样点上第k个回归参数；εi为第i个区域的随机误差，它满足零均值、同方差、相互独立等基本假定。
2 结果与分析
2.1 耕地破碎化综合指数
自FRAGSTATS等免费分布式软件诞生以来，景观指数计算的效率得到极大提升[20]，使用ArcGIS将播州区农业耕地图斑转换为分辨率5 m的栅格图像后，借助FRAGSTATS4.2软件计算各乡镇前文中选取的7个景观指标值，使用熵权法计算各项指标的权重，如表2所示。根据权重计算得到播州区各乡镇耕地破碎化综合指数。总体来看乡镇间的耕地破碎化程度具有空间分布差异，播州区耕地破碎化分布自西向东呈现为“高→低→高→低→高”的特征，而在播州区中部区域呈现为“南高北低”的特征，各乡镇中，东部的铁厂镇、中南部的新民镇和西部的马蹄镇耕地破碎化程度最高，中北部的龙坑街道的耕地破碎化程度最低，如图2所示。
表2 各项耕地破碎化指标权重
图2 耕地破碎化综合指数分布
由表2可知，由各项指标的含义及其属性将所选取的指标分为正向指标和负向指标后，代入研究区域的实际数据计算各项指标两两之间的Pearson相关性系数，同类指标间的Pearson相关性系数为正数，不同类指标之间的Pearson相关性系数为负数，这反映了景观指数分析法在耕地破碎化的实际研究中景观指数与耕地破碎化程度之间的一致性。由图2可知，研究地理单元之间的耕地破碎化程度具有空间分布差异，使用地理加权回归模型来分析耕地破碎化的成因及影响是必要的。
2.2 耕地破碎化成因分析
耕地破碎化景观格局往往是由多方面的因素造成的，本文从自然环境和社会环境两个方面来选取环境因子。其中自然环境因子有乡镇区域内距河网平均距离、平均坡度和平均海拔3类因子，社会环境因子有乡镇区域内距路网平均距离、农业从业人口所占比例两类因子。使用ArcGIS的“欧氏距离”工具分别基于路网与河流生成距离栅格，每个栅格的属性值分别为距离最近的道路和河流的距离，然后计算各乡镇内路网和河流的距离栅格像元属性值的平均值得到各乡镇内距路网和河流的平均值。类似地，统计各乡镇内DEM和坡度栅格的像元值得到各乡镇的平均海拔和平均坡度，各项因子属性分布如图3、图4所示。
图3 自然因子分布
图4 社会因子分布
分别以各项因子为自变量，以耕地破碎化综合指数为因变量利用ArcGIS软件进行地理加权回归分析，核类型选用ADAPTIVE方法，使用交叉验证方法确定核的范围。回归结果如图5、图6所示。从自然环境来看，播州区各乡镇耕地破碎化综合指数与各乡镇的平均海拔和平均坡度均呈现出正相关，而与距河流平均距离呈现负相关；从社会环境来看，耕地破碎化综合指数与各乡镇距路网平均距离呈现出负相关，而与农业从业人口比例呈现正相关。
自然因素的地理加权回归的结果表明，在研究区域内，坡度越陡峭、海拔越高的区域耕地的破碎化程度越高，这也与本文的一般认知相符合，坡度越陡峭的区域越难以选择适合耕种的区域，耕地往往零散地分布于坡度较缓的区域并以梯田的形式出现，因此破碎化程度较高。从播州区整体地势来看，其西北部较东南部海拔更高，海拔越高的区域崇山峻岭排列越紧密，地形起伏更大，更不利于规模化耕种。从播州区主要水系的分布来看，播州区的主要水系多为峡谷间的自然河流或人工水库，流域内峡谷纵横，河流流域与播州区坡度值较高的区域较为吻合，因此在播州区邻近河流的区域也不适宜规模化地耕种。
社会因素的回归结果表明，在各乡镇中乡镇区域内，距离路网越近，则该乡镇内的耕地破碎化程度越低，而乡镇内的农业从业人口比例越高，则耕地破碎化的程度越高。这说明，在这一研究区
图5 自然因素的地理加权回归结果
图6 社会因素的地理加权回归结果
域内，乡镇内的道路网越密集，越有利于乡镇内耕地的规模化。乡镇内道路网密集的区域，往往是乡镇内居民点较为集中，地形较为平坦的区域，能够得到更好的开发，耕地更容易成片出现。另一方面，乡镇内的农业从业人口的比例越高，则越有可能出现人多地少的局面，这将促进耕地的破碎化。
总体来看，地理加权回归模型较好地反映了研究区域内耕地破碎化与所选取的社会环境因子与自然环境因子之间的依赖性，合理地揭示了研究区域耕地破碎化在特定社会环境和自然环境下的产生规律，根据这一规律可以更好地因地制宜制订相关政策或规划来控制耕地破碎化的程度，使其朝着有利于当地居民的生产生活的方向发展。
2.3 播州区耕地破碎化对农村收入水平的影响分析
本文以各乡镇农村年人均可支配收入反映农村收入水平探究耕地破碎化对农村收入水平的影响，各乡镇农村年人均可支配收入分布如图7所示。
图7 农村年人均可支配收入分布
以各乡镇耕地破碎化综合指数为自变量，各乡镇的农村年人均可支配收入为因变量，进行地理加权回归分析，探究耕地破碎化对农民收入的影响，回归结果如图8所示，各乡镇农村年人均可支配收入与耕地破碎化综合指数呈负相关。
图8 农村收入水平的地理加权回归结果
图8地理加权回归的结果表明，播州区各乡镇内，耕地破碎程度越高的区域，农民的可支配收入就越低。从影响程度的空间分布来看，耕地破碎化对农村收入水平的负面影响从东部到西部逐渐提高。这与播州区西部山脉密集地形破碎的特点相吻合，这种不规整的土地分布格局限制了农业规模化生产，从而影响了农村收入水平。
整体来看，地理加权回归模型揭示了研究区域内农村年人均可支配收入对耕地景观格局的依赖性，耕地破碎化是拉低当地农民年人均可支配收入的因素之一，耕地的破碎化不利于当地农民收入的提升，结合耕地破碎化成因分析，促进当地农村耕地的规模化，提高耕地的聚合程度，将有助于提升当地农民的收入。
3 结束语
为了研究耕地景观破碎化的成因及对农村收入水平的影响，针对播州区这一研究区域的实际情况，本文基于景观指数分析法选取了能够体现耕地破碎化程度的景观指标，然后分别从自然环境和社会环境两个方面选取了可能影响耕地破碎化景观格局的环境因子，计算景观指数后通过熵权法计算耕地破碎化综合指数。通过地理加权回归，分析了耕地破碎化综合指数与环境因子之间的依赖性，同时探究了耕地破碎化对研究区域内农村收入水平的影响。实验结果显示，在研究区域内，耕地破碎化的影响因素是来自多种维度的，并且耕地破碎化对农村年人均可支配收入具有负面影响。
实验结果表明，景观指数分析与地理加权回归分析相结合既能够较好地反映耕地景观破碎化的分布情况，同时也能够揭示出耕地破碎化的产生规律及对农村收入水平等农村社会现状的影响，使我们进一步理解耕地破碎化的内涵。依据这一系列的分析结果可以更好地根据实际情况调节耕地破碎化的程度，进一步提升农村收入水平。同时，景观过程是在时空上动态、延续的过程，在未来的研究中，还可以进一步利用时空的景观指数和相关指标数据等构建耕地破碎化的动态变化模型，利用变化特征来深入理解耕地破碎化的成因从而提出更优的解决方案。
参考文献(略)
END