唐文學 鞠蕾 王輝 邢春燕

摘?要： 耕地種植速生林直接導致耕地數(shù)量的減少，威脅糧食安全。但目前尚缺乏耕地種植速生林的有效監(jiān)測方法。本研究以山東省泗水縣為研究區(qū)，基于所有可獲得的Landsat影像數(shù)據(jù)，綜合運用最優(yōu)像元合成法和隨機森林法獲取了2001年、2006年、2011年和2017年四期研究區(qū)土地覆被類型圖，并分析了不同階段之間的土地覆被轉(zhuǎn)移情況以及耕地向速生林轉(zhuǎn)化的時空格局。結果表明：2001—2017年，耕地面積大幅減少，速生林面積擴大了344km2，其中大部分是由耕地轉(zhuǎn)移而來。通過實地調(diào)研和文獻綜述發(fā)現(xiàn)耕地種植速生林的主要原因有：速生林經(jīng)濟效益更高;鄰地是否為速生林對農(nóng)戶的種植決策影響明顯;年輕人外出務工，勞動力缺乏;政府的一些制度條件。本研究為耕地保護提供重要數(shù)據(jù)支撐，為土地利用政策制定提供重要依據(jù)。

關鍵詞： 影像數(shù)據(jù);耕地種植;速生林識別

【中圖分類號】TD171?【文獻標識碼】A?【文章編號】1674-3733（2020）03-0026-02

20世紀末，我國各地出現(xiàn)了耕地種植速生林的現(xiàn)象，良田種植速生林直接導致耕地數(shù)量的減少，威脅糧食安全。速生林種植對耕地土壤有機質(zhì)與養(yǎng)分、土壤水分均產(chǎn)生了明顯的負面影響，不利于以后土地重新轉(zhuǎn)移為耕地。雖然耕地種植速生林現(xiàn)象很早就引起關注，但是國內(nèi)多數(shù)研究以分析其驅(qū)動因素為主，缺乏識別方法的研究。

1?概述

近年來，基于30m分辨率的Landsat衛(wèi)星遙感技術的發(fā)展為森林干擾、作物分類、城市擴張等的監(jiān)測和表征提供了數(shù)據(jù)支撐 。相對于AVHRR和MODIS等低分辨數(shù)據(jù)產(chǎn)品，Landsat數(shù)據(jù)能夠很好的反映土地覆被的空間異質(zhì)性和時間變化特征，因而適用于耕地種植速生林變化過程的研究。但由于Landsat數(shù)據(jù)時間分辨率較低，且易受到云的干擾，同一時段的多幅影像難以直接鑲嵌合成來開展大尺度土地覆被變化研究?；诖耍瑢W者提出了基于Landsat數(shù)據(jù)的影像合成方法，并成功地用于土地覆被變化研究。其中，He等針對所有可獲得Landsat影像利用最優(yōu)像元合成法對中低地區(qū)森林覆蓋度進行制圖。該合成法能夠充分利用部分受到云污染的影像，反映不同土地覆被類型的季節(jié)變化特征，有利于提高分類精度。耕地和林地有不同的物候特征，因而采用時間合成法獲取的影像能夠很好的物候差異，提高兩者的區(qū)分精度。

山東省濟寧市位于魯南泰沂低山丘陵與魯西南黃淮海平原交接地帶，地貌類型以平原為主（占49.1%），發(fā)展農(nóng)業(yè)的條件較好，是我國重要糧棉油基地。近年來，由于周邊地市尤其是臨沂地區(qū)板材市場繁榮對木材需求量增加的影響，農(nóng)民為了獲得更大的經(jīng)濟效益，將大量農(nóng)田改種為速生用材林?；诖耍菊撐囊陨綎|省濟寧市泗水縣為例，基于所有可以獲得的Landsat遙感影像數(shù)據(jù)，利用最優(yōu)像元合成法和隨機森林法獲取的2001年、2006年、2011年和2017年四期研究區(qū)土地覆被類型圖，并分析山東省泗水縣2001-2017年不同階段土地覆被轉(zhuǎn)移情況并確定了耕地流失和向速生林轉(zhuǎn)化的時空格局。本研究揭示耕地種植速生林的時空格局，為該縣的耕地保護提供重要依據(jù)

2?數(shù)據(jù)與方法

2.1?研究區(qū)概況。Image山東省泗水縣（圖1）隸屬于濟寧市轄縣，位于山東省中南部，是泗河文化的發(fā)祥地。泗水縣地勢南北高，中部低，由東向西傾斜，南北低山丘陵有738.5km2，占總面積的67%，中部是河谷平地有353.2km2，一條重要的河流泗河自東向西貫穿境內(nèi)，最高處鳳仙山海拔608米;屬于暖溫帶季風氣候，年平均氣溫13.4℃，常年降水量平均755毫米。泗水縣是一個以傳統(tǒng)農(nóng)業(yè)為主的山區(qū)縣，主要農(nóng)作物為玉米、小麥、花生等。

2.2?數(shù)據(jù)。

本研究利用Landsat Collection 1 Level-2地表反射率數(shù)據(jù)來對研究區(qū)不同時期的土地覆被進行制圖。 Landsat數(shù)據(jù)的空間分辨率約為30m，重訪周期約為16天并隨緯度發(fā)生變化。Landsat 4-5，7影像和Landsat 8影像分別利用Landsat Ecosystem Disturbance Adaptive Processing System （LEDAPS）和Landsat Surface Reflectance Code （LaSRC）進行大氣輻射校正，得到地表反射率數(shù)據(jù)。同時該數(shù)據(jù)利用CFmask算法[3]對每幅影像中云、云陰影、積雪等要素進行識別，提供相應的質(zhì)量控制層。

2.3?土地覆被分類制圖。

四期土地覆被制圖基于2000-2001年、2005-2006年、2010-2011年、2016-2017年所有可以獲取的Landsat collection 1 level-2影像數(shù)據(jù)。具體數(shù)據(jù)處理步驟如下（圖2）：

首先，對原始數(shù)據(jù)進行預處理，獲得地表反射率圖層和質(zhì)量控制層?；谫|(zhì)量控制圖層對每個像素進行評價，對質(zhì)量較低或者受到云、云陰影和雪等影響的像素進行掩膜。其次，本研究基于Yin等提出的最優(yōu)像元合成法對每兩年的所有遙感影像進行合成，并計算多個分類變量，包括平均值、中位數(shù)、25百分位、75百分位和標準差;同時也計算對于土地覆被分類有重要作用的特征數(shù)據(jù)，如植被指數(shù)、紋理、物候指數(shù)等。該合成法有以下優(yōu)勢：①分析不必局限在云覆蓋度很低的少數(shù)幾景影像;②分析不必限制在人為劃分的每景影像的覆蓋范圍內(nèi);③所有影像的有效觀測值可以得到充分的利用;④影像重合區(qū)域更高頻率的觀測可以得到利用;⑤計算的分類特征變量可以反映物候信息。再次，利用隨機森林方法分別對4期影像進行分類。該方法在土地覆被制圖中得到廣泛的應用，并取得了很好的精度。其原理為：利用 bootstrap 可重復抽樣方法從原始樣本中抽出多個樣本，對每個樣本進行決策樹建模，組合多個決策樹的預測得出最終結果。分類結果根據(jù)所有樹分類器的投票結果確定，并計算每種類型的得票概率 （分類概率）。如：1000個樹分類器，800個投票給林地，200個投票給耕地，林地的分類概率為 80%，耕地的分類概率為 20%，最后類別確定為林地。然后，基于高分辨率影像、Google Earth等獲取的參考樣本對遙感獲取的土地覆被圖進行精度評價。結果表明獲取的四期土地覆被圖的總精度均高于90%。最后，通過土地變化轉(zhuǎn)移矩陣和ArcGIS柵格計算工具對四個時期土地覆被變化的路徑進行分析，識別出研究區(qū)土地覆被變化動態(tài)及其耕地種植速生林的時空分布。

2.4?土地覆被變化動態(tài)分析。

參考已有的土地覆被變化動態(tài)分析研究，首先根據(jù)土地覆被類型圖建立一個函數(shù)模型y=10*a+b，a表示上一個時期的土地覆被類型代碼，b表示下一個時期的土地覆被類型代碼，y表示從上一個時期到下一個時期土地覆被類型發(fā)生的變化。主要利用ArcGIS中的柵格計算器進行計算。例如，對于某一像元，2001年像元值為1（代表林地類型），2006年像元值為2（代表林地），可以計算得到y(tǒng)值為12，代表1（林地）向2（耕地）轉(zhuǎn)化。

3?結果與討論

3.1?2001、2006、2011和2017年四個時期土地覆被情況。泗水縣南北部丘陵山地地區(qū)主要是被裸巖覆蓋，并有零散的林地覆蓋。耕地、建筑用地主要分布在中部地勢相對平坦的地區(qū)，在林地多分布在城鄉(xiāng)居民點的周圍。整個研究區(qū)耕地和林地所占比重較大。雖然近20年土地覆被發(fā)生一些變化，但耕地和林地還占主導地位，且土地覆被由耕地轉(zhuǎn)化為林地的現(xiàn)象較為明顯。

3.2?土地覆被變化時空格局分析。2001-2006年間，林地面積增加，其主要來源為耕地和建筑用地（表1）。林地所占比重由2001年的19.5%上升到2006年的20.9%。耕地面積減少，其主要去向為林地和建筑用地。耕地所占比重由2001年的29.3%減少到2006年的26.0%。雖然土地覆被類型有所轉(zhuǎn)移，但總面積變化不明顯。2006-2011年，林地面積增加了220km2，由2006年的20.9%增加到2011年的40.4%，其主要是由耕地轉(zhuǎn)移而來（表2）。耕地明顯減少，由26.0%轉(zhuǎn)移到24.3%，主要轉(zhuǎn)變成林地。2011-2017年，林地面積迅速增加，耕地面積繼續(xù)減少，轉(zhuǎn)化速度不斷加快。林地所占比重由40.4%增加到49.9%，約占整個泗水縣面積的一半（表3）。其中由耕地轉(zhuǎn)移的林地占78.5%，耕地面積縮減到13.1%?？傮w上2001-2017年林地增加了344km2，耕地減少了183km2。林地的增加主要是由耕地轉(zhuǎn)移而來。

3.3?耕地轉(zhuǎn)移為速生林的驅(qū)動機制。

耕地向林地轉(zhuǎn)換空間格局變化是農(nóng)戶作物類型選擇的結果。農(nóng)戶作物類型選擇決策是農(nóng)戶在社會經(jīng)濟形勢和政策等宏觀因素與土地特性、農(nóng)戶特征等微觀因素約束下，合理配置土地、資本和勞力等資源，實現(xiàn)家庭效用最大化目標的過程。

（1）速生林比耕地收益更多。研究區(qū)東鄰臨沂市，該市被稱為“板材之都”，對木材的需求非常大。除此之外，木材用途廣泛，可以用來當作建筑材料、造紙、建造家具等。農(nóng)戶最基礎的收益來源于農(nóng)作物，但近年來，糧食價格持續(xù)走低，而林木市場卻需求旺盛，2007年上半年楊木價格曾一度達到1350元/m3， 糧食等農(nóng)產(chǎn)品和楊木價格在市場上的不同走向，有利于楊樹林面積迅速擴張，而糧食作物播種面積下降。此外，速生林管理簡單，生長速度快，能夠在短時間內(nèi)獲得更高的效益。

（2）年輕勞動力外出務工使得農(nóng)業(yè)勞動力缺乏。農(nóng)業(yè)給家庭帶來的收入有限，更多人傾向于非農(nóng)業(yè)勞動。特別是一些年輕勞動力，外出務工現(xiàn)象普遍存在。年輕人外出務工，在大城市從事了相對“輕工業(yè)”的勞作方式，不愿再回到農(nóng)村務農(nóng)。在我國快速城鎮(zhèn)化進程中，農(nóng)業(yè)勞動力非農(nóng)就業(yè)現(xiàn)象突出，從上世紀末的民工潮到本世紀初的民工荒。相對于農(nóng)作物的精耕細作來說，種植速生林所需要的勞動力更少，適應了勞動力不足的現(xiàn)象。

（3）林地對耕地的脅迫效應嚴重。農(nóng)戶種植速生林的決策對周邊農(nóng)戶的影響較大。楊樹的根系較為深遠，能夠奪取周邊耕地的養(yǎng)分，并且樹干高大，遮擋陽光，影響周邊農(nóng)作物的生長。所以，在耕地種植區(qū)一旦有種植速生林的現(xiàn)象，周邊耕地也被迫轉(zhuǎn)為速生林的可能性明顯增加。另外，種植楊樹之后土壤的有機質(zhì)會發(fā)生一定的變化，肥力會下降，含水量也會發(fā)生變化，對農(nóng)作物的耕種產(chǎn)生了消極的影響。

（4）制度原因。農(nóng)村土地承包關系長期化給樹木生長提供了充足的時間，農(nóng)村土地承包期30年不變，可以滿足一棵樹木成材的需要。另外，政府大力推行退耕還林、綠色通道、速生豐產(chǎn)用材林基地等工程，給予樹苗補助、資金補助等政策激勵;鼓勵農(nóng)戶進行農(nóng)業(yè)結構調(diào)整，提高農(nóng)民收入。

4?結論

本研究結果表明：2001-2017年，速生林面積擴大了344km2，其中大部分是由耕地轉(zhuǎn)移而來。相應地耕地面積大幅度減少。裸地大面積轉(zhuǎn)移為速生林，這主要是由于人們環(huán)保意識增強和水土保持措施實施的結果。耕地種植速生林的主要原因有：速生林經(jīng)濟效益更高;鄰地是否為速生林對農(nóng)戶的種植決策影響明顯;年輕人外出務工，勞動力缺乏;一些土地利用政策。要想扭轉(zhuǎn)這一局面，一是要加強宏觀調(diào)控，制定相應的土地利用計劃，堅守耕地18億畝紅線，確保糧食安全;二是制定相應的補貼政策，滿足農(nóng)戶的利益需求，留住年輕勞動力;三是修筑水利工程，讓農(nóng)民不再“看天吃飯”，讓務農(nóng)不再那么辛苦，通過推廣機械生產(chǎn)等措施，使糧食生產(chǎn)得到保障。

參考文獻

[1]?辛良杰，王佳月.耕地種植速生林的影響因素及其政策啟示[J].自然資源學報.2014.29（12）：1997-2000.

[2]?姜瑩，聶建亮.農(nóng)地種樹拋荒現(xiàn)象的成因及對策研究——以河北省 T 鎮(zhèn)為例[J].華中農(nóng)業(yè)大學學報.2010，（4）：90-94.