馮茂秋，潘洪義*，朱 芳，房力川

(1.四川師范大學(xué)西南土地資源評價與監(jiān)測教育部重點實驗室，四川 成都 610066；2.四川師范大學(xué)地理與資源科學(xué)學(xué)院，四川 成都 610066)

【研究意義】近年隨著社會經(jīng)濟轉(zhuǎn)型和城鄉(xiāng)發(fā)展快速推進，全球性范圍內(nèi)耕地撂荒現(xiàn)象逐漸凸顯，深刻改變了農(nóng)村地區(qū)土地景觀[1]，其中山區(qū)丘陵地尤為顯著。丘陵區(qū)和高原區(qū)占我國國土面積的2/3，坡耕地面積較大，存在著大量的耕地撂荒現(xiàn)象[2]，探討撂荒耕地空間分布特征及影響因素，對促進丘陵山區(qū)土地資源可持續(xù)利用，保證糧食供應(yīng)穩(wěn)定具有重要作用?！厩叭搜芯窟M展】現(xiàn)今，實地調(diào)查和遙感影像解譯是獲取撂荒耕地的主要途徑[1]。諸多研究從不同尺度、不同類型農(nóng)戶、不同背景角度對丘陵山區(qū)撂荒地影響因素進行定性研究[3-12]，從農(nóng)戶角度建立模型對撂荒行為模擬[13-14]，最終表明實地調(diào)查能夠在撂荒機理上進行充分解釋，但調(diào)查范圍和數(shù)據(jù)獲取存在一定局限。遙感影像獲取撂荒耕地信息能突破研究范圍的局限，是深入研究撂荒信息的又一重大途徑[15]。近年來，歐洲學(xué)者對中歐地區(qū)撂荒地提取結(jié)果顯示，大范圍山地丘陵區(qū)解譯精度較低[16]；國內(nèi)學(xué)者近年來不斷探索精確撂荒地提取的方法，包括耕地圖層疊加[14,16-17]以及遙感調(diào)查等[18-19]，都集中于小尺度范圍的提取，同時對季節(jié)性撂荒和常年性撂荒進行分別研究的較為少見，分別對其驅(qū)動力影響程度揭示的更為少見?！颈狙芯壳腥朦c】本文選取時序性的高清遙感影像進行目視解譯，結(jié)合景觀格局指數(shù)分析其空間格局特征，借助GIS空間分析和二元logistic模型定量分析撂荒地驅(qū)動因素。【擬解決的關(guān)鍵問題】中江縣作為傳統(tǒng)農(nóng)業(yè)大縣，擁有山區(qū)、丘陵地形廣泛分布的自然條件，對解釋耕地撂荒多尺度影響因素存有較高的研究價值，同時可為全省范圍內(nèi)研究丘陵山地區(qū)耕地撂荒提供參考案例。

1 研究區(qū)概況

中江縣位于四川盆地西北部(104.4°～105.3°E，30.5°～31.3°N),是川中丘陵地區(qū)的農(nóng)業(yè)大縣，全縣面積2063 km2，下轄45個鄉(xiāng)鎮(zhèn)。地勢西北高東南低，絕大部分為丘陵，其余為低山、平壩區(qū)。2015年，全縣總?cè)丝?43.1萬人，其中農(nóng)業(yè)人口12.40萬人，占總?cè)丝诩s86.7 %。耕地面積1229 km2，占全縣總面積59.57 %。由于近年來農(nóng)村勞動力大量轉(zhuǎn)移，研究區(qū)部分耕地存在傳統(tǒng)種植制度改變，每年種植一季，部分耕地出現(xiàn)常年閑置現(xiàn)象，各時間撂荒情況差異顯著。鑒于此，本研究針對典型地形組合區(qū)的不同撂荒時間的耕地展開研究(圖1)。

2 數(shù)據(jù)來源方法

2.1 數(shù)據(jù)來源與處理

研究區(qū)域以空間分辨率1.02 m高清影像為數(shù)據(jù)源，結(jié)合實地走訪，選取不同耕作時節(jié)的高清遙感影像，通過兩期遙感影像對比提取撂荒數(shù)據(jù)。DEM以及由此衍生的坡度、高程數(shù)據(jù)源于地理空間數(shù)據(jù)云。居民點、耕地斑塊、坑塘源于2010年土地利用現(xiàn)狀數(shù)據(jù)。

依據(jù)目前文獻，按撂荒時間的長短將撂荒耕地劃分為常年性撂荒與季節(jié)性撂荒[14]。常年性撂荒一般指耕地被撂荒時間至少為1年，季節(jié)性撂荒通常只出現(xiàn)在一年中的某個季節(jié)。本文將提取的撂荒地的信息與耕地圖斑疊加，并結(jié)合實地調(diào)查，最終得到研究區(qū)域季節(jié)性撂荒和常年性撂荒耕地的空間分布(圖2)。影像拍攝時間為2016年5月11日、2015年1月25日、2013年3月24日、2014年12月25日。 由于研究對象針對山地丘陵區(qū)及影像獲取時間的限制，因此研究主要區(qū)域為西北部和中部的30個鄉(xiāng)鎮(zhèn)。

2.2 研究方法

2.2.1 撂荒耕地空間分布格局分析 根據(jù)撂荒耕地斑塊的特征，結(jié)合研究區(qū)域?qū)嶋H選取斑塊數(shù)(NP)、斑塊面積(CA)、斑塊平均面積(MPS)、斑塊密度(PD)、平均斑塊形狀指數(shù)(MSI)等指標進行評價。

圖1 研究區(qū)位置圖Fig.1 Location map of the study area

2.2.2 撂荒耕地影響因素分析 ①地形位指數(shù)。該指數(shù)能夠綜合的反映高程和坡度的特征[20]。

(1)

(2)

式中,pb=P{yi=1∣x1i,x2i,...;xki}表示在給定的自變量x1b,x2b...,xkb；a0為截距，Xkb為解釋變量，βkb為變量的回歸系數(shù)。其中發(fā)生事件的概率表達式如下：

(3)

本研究回歸測算通過SPSS統(tǒng)計軟件完成。該Logistic回歸模型預(yù)測能力通過最大似然估計的表格來評價，包括回歸系數(shù)、以及其估計的標準差、估計的 Waldχ2統(tǒng)計量。Wald χ2統(tǒng)計量表示模型中對應(yīng)的解釋變量對事件發(fā)生比率預(yù)測的貢獻程度，值越大，貢獻力越強。模型是否有效地描述反應(yīng)變量及模型配準觀測數(shù)據(jù)的程度，需要進行模型的評價。鑒于自變量存在連續(xù)型變量和分類變量，本文選用廣為接受的擬合優(yōu)度指標HL來進行撂荒耕地影響因素的Logistic回歸模型擬合優(yōu)度檢驗[21]。當(dāng)HL指標統(tǒng)計不顯著表示模型擬合較好。HL指標是一種類似于皮爾遜 χ2統(tǒng)計量的指標，其公式如下：

(4)

式中,G代表事件預(yù)測組數(shù)，且G≤10;ng為第g組中的案例數(shù)；yg第g組事件的觀測數(shù)量,pgi為第g組的發(fā)生事件預(yù)測概率值；ngpgi為該事件的預(yù)測總數(shù)。

根據(jù)以往研究，耕地撂荒與否、撂荒程度以及撂荒地的空間分布受到地形條件、勞動力因素、農(nóng)業(yè)生產(chǎn)條件等多方自然因素影響[1]，結(jié)合研究區(qū)域的特征，本文選取撂荒面積、居民點密度、地形指數(shù)、灌溉條件、撂荒耕地類型共5方面對中江縣30個鄉(xiāng)鎮(zhèn)的季節(jié)性耕地撂荒的影響因素進行Logistic回歸分析(圖2)。

3 結(jié)果與分析

3.1 撂荒耕地數(shù)量結(jié)構(gòu)分析

對比發(fā)現(xiàn)，研究區(qū)域撂荒地總面積為557.54 hm2，其中季節(jié)性撂荒面積占61.09 %，遠超過常年性撂荒面積比例。說明該研究區(qū)撂荒普遍表現(xiàn)為季節(jié)性撂荒，常年性撂荒地面積較少。

從類型看，旱地的撂荒占96.14 %，水田的撂荒只占較小比例。由于研究區(qū)域地勢起伏變化較明顯，水熱條件好的地區(qū)集中分布的水田和水澆地，水田距離坑塘等較近，灌溉條件優(yōu)，減小耕作難度，撂荒少。其中旱地的撂荒多于水田，原因是旱地分布位置的灌溉和耕作條件復(fù)雜，普遍分布在山地丘陵區(qū)的坡度較大的地方，空間分散，耕作難度較大，不利于集中耕種(表1)。

圖2 研究區(qū)季節(jié)性撂荒、常年性撂荒耕地空間分布Fig.2 Study area of farming season, the spatial distribution of abandoned farmland

季節(jié)性撂荒常年性撂荒占撂荒總面積比例(%)旱地占比(%)水田占比(%)占撂荒總面積比例(%)旱地占比(%)水田占比(%)61.0996.143.8638.9197.112.89

表2 不同類型撂荒地斑塊面積統(tǒng)計表

從面積看，季節(jié)性撂荒和常年性撂荒地集中分布在0～0.5 hm2之間，其中季節(jié)性占總比重的62.81 %，常年性占總比重的30.88 %；而面積超過0.5 hm2的撂荒地面積和斑塊數(shù)明顯大幅減少，表明耕地斑塊的面積越小，越易被常年撂荒(表2)。

3.2 撂荒耕地景觀格局分析

綜合分析NP、MPS、MedPS指數(shù)可見，季節(jié)性撂荒分布范圍廣，多為分散的較小面積的地塊；常年性撂荒地分布上較為集中，且多為面積較大的地塊。

從MSI和AWMSI指數(shù)比較看，季節(jié)性撂荒地形狀簡單、規(guī)則，空間上分散分布，常年性撂荒地形狀較復(fù)雜，集中度較高，增加耕作難度，因此能自覺被選擇常年性撂荒。綜合分析兩者ED、MPFD、AWMPED指數(shù)，明顯可見季節(jié)性撂荒地易受周圍用地類型的影響，所以季節(jié)性變化明顯，撂荒時間表現(xiàn)為季節(jié)性；而對于常年性撂荒地由于面積大形狀較復(fù)雜難以進行改變或改變形式單一，撂荒的可能性更高，時間更長(表3)。

表3 撂荒耕地景觀格局指數(shù)

表4 撂荒耕地地形指數(shù)

表5 距灌溉設(shè)施不同距離撂荒耕地分布

3.3 耕地撂荒的影響因素分析

3.3.1 基于DEM的地形位指數(shù)計算 由表4顯示，依據(jù)研究區(qū)概況和指數(shù)值特征，將地形指數(shù)分為0.5～1、1～1.5、1.5以上共3類[22]。明顯看到撂荒地在地形指數(shù)值為 1以上的區(qū)間內(nèi)優(yōu)勢分布，海拔高、坡度大的地塊撂荒性更大。無論撂荒時間長短，存在大量中間形組合狀態(tài)的撂荒地，即這類地所在位置高程高坡度小、或者高程低坡度大，兩者結(jié)合之后呈現(xiàn)的地形指數(shù)在平均值之間波動，但也會由于其中的高程或坡度的條件限制影響到耕作的便利度，進而導(dǎo)致耕地撂荒斑塊的面積較大。因此，研究區(qū)季節(jié)性和常年性撂荒地都集中分布在地形指數(shù)較高的區(qū)域。

3.3.2 撂荒耕地的灌溉條件分析 區(qū)域灌溉條件的優(yōu)劣直接影響到耕地質(zhì)量的高低，進而影響農(nóng)作物產(chǎn)量。由表5顯示，對研究區(qū)范圍內(nèi)坑塘設(shè)定50、100、150 m的緩沖區(qū)[20]，將撂荒地塊圖層和緩沖區(qū)疊加運算，得到不同灌溉距離下的撂荒斑塊個數(shù)和撂荒面積。結(jié)果表明：研究區(qū)撂荒地的總體灌溉條件較差，季節(jié)性撂荒地60 %分布在距離坑塘50～150 m范圍內(nèi)；而常年性撂荒地近60 %分布在大于150 m更遠、灌溉條件更惡劣的區(qū)域。

3.3.3 撂荒耕地的耕作勞動力條件分析 本文以居民點密度為依據(jù)，利用核密度分析法對居民點密度進行空間演示。總體而言，居民點密度越低，撂荒地分布越多；居民點密度高的地區(qū)，撂荒地分布較少。常年性撂荒地集中分布在居民點密度的低值區(qū)，密度越大，常年性撂荒分布越少。隨著密度減小，季節(jié)性撂荒地分布增多。而密度值處于最低值區(qū)，季節(jié)性和常年性撂荒地分布都較少(圖3)。

3.4 撂荒影響因素的定量分析

3.4.1 共線性檢驗 本文利用Pearson相關(guān)系數(shù)檢驗自變量之間是否具有多重共線性。通過方差膨脹因子(VIF)來判定共線性的強度，方差膨脹因子值越大，共線性越強。通過診斷，所有變量之間的相關(guān)系數(shù)絕對值均低于臨界值0.8[21]。故不存在共線性的問題。3.4.2 二元logistic回歸結(jié)果分析。 在回歸模型中，季節(jié)性和常年性撂荒地回歸模型擬合程度較好，模型回歸正確率為62.7 %。結(jié)果顯示，HL指標為11.272，P值為0.187。統(tǒng)計檢驗結(jié)果不顯著，即模型很好擬合了數(shù)據(jù)。根據(jù)Wald χ2統(tǒng)計量顯示，影響季節(jié)性和常年性撂荒地的因素依次為斑塊面積、地形指數(shù)和灌溉距離。其中斑塊面積的影響最明顯，顯著性水平達到1 %，Wald χ2統(tǒng)計量最高為32.121，表明斑塊面積越小，季節(jié)性撂荒地機率越高；相反斑塊面積越大，常年性撂荒機率越高；一方面由于地處丘陵山地區(qū)，機械化水平低，難以進行成片耕種被閑置；另由于居民點密度等的影響加劇撂荒；因此，斑塊面積越大，撂荒時間持續(xù)更久，進而形成常年性撂荒(表6)。

圖3 居民點密度與撂荒耕地關(guān)系Fig.3 Relation between the density of residential area and abandoned farmland

變量/指標參數(shù)估計(B)標準誤差(SE)Wald χ2Exp(B) Sig.斑塊面積-1.611***0.28432.1210.2000.000地形指數(shù)-0.416***0.08324.8330.6600.000居民點密度0.1500.1610.8671.1610.352耕地類型0.1250.1071.3561.1330.244灌溉距離(50～100 m)-0.676*0.4801.9830.5090.073灌溉距離(100～150 m)-0.2110.1981.1360.8100.286灌溉距離(150～200 m)0.1610.1251.6621.1750.197灌溉距離(200 m以上)-0.0770.101.5930.9250.197常量1.1730.110112.8483.2320.000

注：***、* 分別表示在1 %、10 %的顯著性水平上檢驗顯著；B為參數(shù)估計值。

Note: ***，* represent the significant difference at 0.01 level or 0.1 level; B: Parameter estimate.

其次影響顯著的因素為地形指數(shù)，1 %水平上顯著，Wald χ2統(tǒng)計量為24.833表明地形指數(shù)越小，季節(jié)性撂荒較多；相反，地形指數(shù)越大，常年性撂荒分布越多，即海拔高、坡度大，耕種難度增加，常年性撂荒機率越高。地形指數(shù)越低，季節(jié)性撂荒機率越高；這些地區(qū)由于作物生長的季節(jié)選取投入成本較小、收益較高或者經(jīng)驗性的作物進行耕種，或通過休耕利于土壤養(yǎng)分的積累和防止有機質(zhì)流失，且斑塊分散，最終形成季節(jié)性撂荒。同時，地形指數(shù)較高地區(qū)旱地分布集中，水田分布較少。因此，地形指數(shù)是影響撂荒地形成的重要因素。

灌溉距離在0～50 m之間對撂荒地分布的影響比較明顯，10 %水平上顯著，此類地區(qū)季節(jié)性撂荒分布遠多于常年性撂荒地的分布。說明灌溉條件的遠近較明顯能夠影響到不同時間的撂荒地分布;相反，距離越遠，常年性撂荒分布就越多。

經(jīng)測算，居民點密度近似替代的耕地勞動力條件未通過顯著性檢驗，但在實地調(diào)查中發(fā)現(xiàn)由于近年來城市化過程中，吸引大量農(nóng)村勞動力轉(zhuǎn)移至城市，耕作勞動力對撂荒耕地的形成仍存有重要作用。

4 結(jié) 論

(1)研究區(qū)季節(jié)性撂荒面積占總撂荒面積61.9 %，常年性撂荒占少數(shù)。從類型看，旱地撂荒率大于水田撂荒率。

(2)撂荒耕地空間分布特征一定程度上能解釋撂荒原因。綜合MSI、MPS、AWMPFD等可知，形狀復(fù)雜、面積小、空間上分散的地塊易形成季節(jié)性撂荒；常年性撂荒地分布上較為集中，且多為面積較大地塊。斑塊面積越大，越易形成常年性撂荒；反之越易形成季節(jié)性撂荒。

(3)農(nóng)業(yè)生產(chǎn)條件是影響撂荒耕地的重要因素，各因素的影響程度各異。本文通過建立二元logistic回歸模型，較好的揭示了影響撂荒耕地的因素。研究區(qū)季節(jié)性撂荒地和常年性撂荒地驅(qū)動因素呈現(xiàn)不同的特征。影響撂荒的自然因素依次為斑塊面積、地形指數(shù)和灌溉距離。以上3項因素均對季節(jié)性撂荒存在負向影響，而與常年性撂荒存在顯著正相關(guān)。

5 討 論

耕地撂荒現(xiàn)象背后包含著各種原因，與所處區(qū)域的自然條件、經(jīng)濟發(fā)展等密不可分。本文從農(nóng)業(yè)生產(chǎn)條件多方面解釋丘陵山地區(qū)的撂荒耕地特征，反映撂荒時間不同所呈現(xiàn)影響因素差異。但由于遙感影像獲取受到時間限制，季節(jié)性撂荒數(shù)據(jù)總量還需加以豐富，以便更好解釋撂荒原因。同時本文采用居民點密度來近似表征農(nóng)業(yè)勞動力條件，未發(fā)現(xiàn)有顯著聯(lián)系，與實際調(diào)查情況大部分地區(qū)的撂荒主要是由于外出務(wù)工的影響稍有偏頗，應(yīng)進一步采用精確指標進行探討。