韓宗偉, 盧德彬, 楊 建, 熊 波, 黃廳廳

(銅仁學院, 貴州 銅仁 554300)

貴州省耕地質量時空格局及變化趨勢分析

韓宗偉, 盧德彬, 楊 建, 熊 波, 黃廳廳

(銅仁學院, 貴州 銅仁 554300)

為深化對貴州省耕地質量空間格局及變化趨勢的認識，合理制定省級耕地質量保護制度及決策提供依據(jù)，基于1989年、1995年、2000年3期貴州省土地利用規(guī)劃條件下的耕地數(shù)據(jù)，定量分析了耕地質量時空變化規(guī)律及發(fā)展趨勢，組合耕地模糊優(yōu)選模型與理想點法構建評價模型評價了各年的耕地質量，并運用CA-Markov模型和GIS空間分析技術模擬了貴州省2020年耕地空間分布狀況。結果表明：(1) 貴州省6類土地利用類型間均有相互轉移，耕地轉移為其他的土地利用類型中63.6%仍然為農(nóng)業(yè)用地，如林地、草地，土地利用性質變化不大；(2) 其他土地利用類型均有向耕地轉移的趨勢，轉移的面積以耕地為主，且轉移面積大于耕地轉移出去的面積，耕地面積保有量在逐漸上升；(3) 貴州省耕地所處環(huán)境在不斷的優(yōu)化中，優(yōu)質耕地資源得到了有效保護和利用，優(yōu)等地的面積有逐漸擴大的趨勢；(4) 預測得到的2020年貴州省耕地優(yōu)等地、高等地、中等地、低等地的面積占總耕地面積的比例分別為46.9%，42.2%，10.8%，0.1%，其中優(yōu)等地主要集中于水系較為發(fā)達和農(nóng)業(yè)資源豐富的地區(qū)。

耕地質量;CA-Markov模型; 模糊優(yōu)選模型; 理想點法; 貴州省

耕地荒置或盲目開發(fā)的現(xiàn)象時有發(fā)生，造成有限而寶貴的耕地資源未得到合理的利用，使得耕地質量的保護和提升沒了保障。耕地質量的好壞不僅影響耕地的投入產(chǎn)出比，還影響生產(chǎn)者的積極性。耕地作為人類獲取食物的重要物質基礎，對于人類社會的生存與發(fā)展有著十分重要的作用，確保耕地質量，能夠在保障糧食安全、社會穩(wěn)定、國家安全等方面發(fā)揮重要作用[1]。在保證中國1.2億hm2耕地紅線的基礎上，要保障耕地的整體質量，既要合理地控制耕地的轉移，維護耕地的質量，又要增加農(nóng)業(yè)科技投入、提高管理水平，增強耕地的生產(chǎn)能力[2-3]。在社會經(jīng)濟進步和發(fā)展的過程中，農(nóng)民賴以生存的部分耕地被征用后，轉移成了建設用地等其他非農(nóng)用地，使得耕地質量的保護和提升面臨巨大的壓力。在較為嚴格的耕地占補平衡制度下，部分被占用的優(yōu)質耕地被等量而非等質的耕地替代，雖然耕地數(shù)量有保障，但耕地的整體質量并沒有得到較好的保護。學者們針對這類問題，在嚴格遵循國家耕地保護政策的前提下，已經(jīng)將研究內容從單一的耕地數(shù)量保護逐漸轉向耕地數(shù)量保護、耕地質量保護和生態(tài)環(huán)境保護三者并重的狀態(tài)，對耕地質量保護和提升的關注度和重視程度越來越高[4]。

目前關于耕地質量的研究主要集中在耕地數(shù)量與質量間平衡的突破及其重要性評價[1,3]，耕地質量評價[2,5-6]，耕地質量監(jiān)測與管理[7-8]，耕地質量提升措施[9-10]等。但耕地質量相關研究中所涉及的區(qū)域尺度較小，以省域為尺度定量分析并預測耕地質量時空變化過程的相關研究還比較少見。該類研究有利于準確獲取區(qū)域耕地資源的質量現(xiàn)狀、空間特征、動態(tài)變化、未來趨勢等，對于指導耕地質量保護和提升工作有十分重要的現(xiàn)實意義和實踐價值，可為相關部門在考察轄區(qū)內耕地質量的變化趨勢方面提供定量化的數(shù)據(jù)支撐，同時在耕地的管理政策與決策優(yōu)化、耕地質量保護與提升、農(nóng)業(yè)產(chǎn)業(yè)結構調整方面提供技術參考。鑒于此，本文綜合運用ArcGIS 9.3的空間分析工具與Ldrisi 32中的CA-Markov模型對貴州省的耕地質量變化進行情景模擬。在對貴州省耕地質量進行定量評價的基礎上，分析1989年、1995年、2000年全省縣域尺度的耕地質量現(xiàn)狀、空間分布，明確省域耕地質量的變化規(guī)律及趨勢，并模擬2020年全省的耕地質量空間分布與變化情況，以期為省域內耕地質量保護與管理政策的制定和實施提供科學依據(jù)和技術參考，維護耕地在社會經(jīng)濟發(fā)展中持續(xù)提供資源保障的能力。

1 研究區(qū)概況

貴州省位于中國西南地區(qū)的東南部，介于東經(jīng)103°36′—109°35′、北緯24°37′—29°13′，地貌類型主要為山地和丘陵，分別占貴州省土地面積的61.7%和31.1%，平原較少，山間平壩區(qū)域僅占貴州省土地面積的7.5%，喀斯特地貌面積占全省國土總面積的73%[11]。貴州屬于亞熱帶濕潤季風氣候區(qū)，氣候溫暖而濕潤，一年四季氣溫變化較小，雨季與熱季所在月份相同，且雨量與熱量豐富，具有顯著的立體氣候特點。貴州河流處在長江和珠江兩大水系上游交織地帶，苗嶺是兩大流域的分水嶺，其北邊屬于長江流域，南邊屬于珠江流域。貴州有69個縣位于長江防護林保護區(qū)內，是長江、珠江上游區(qū)域十分重要的生態(tài)屏障。貴州土壤的地帶性屬中亞熱帶常綠闊葉林紅壤—黃壤地帶。中部及東部大部分區(qū)域為濕潤性常綠闊葉林帶，以黃壤為主；西南部為偏干性常綠闊葉林帶，以紅壤為主；西北部為具北亞熱成分的常綠闊葉林帶，多為黃棕壤[12]，另外，還有受母巖制約的石灰土和紫色土、粗骨土等土類。貴州省可用于農(nóng)業(yè)開發(fā)的土地資源有限，土層厚、肥力高、水利條件好的耕地所占比重低，對于農(nóng)業(yè)生產(chǎn)，貴州土壤資源數(shù)量明顯不足，可用于農(nóng)、林、牧業(yè)的土壤僅占全省總面積的83.7%[13]。

2 數(shù)據(jù)來源與評價指標體系

2.1 數(shù)據(jù)來源

采用1989年、1995年、2000年的土地利用現(xiàn)狀數(shù)據(jù)，數(shù)據(jù)集來源于“寒區(qū)旱區(qū)科學數(shù)據(jù)中心”(http:∥westdc.westgis.ac.cn/)。1989年、1995年、2000年土地利用現(xiàn)狀數(shù)據(jù)是由中國科學院“八五”重大應用項目《全國資源環(huán)境遙感宏觀調查與動態(tài)研究》中組織的中國科學院所屬19個研究所的遙感科技隊伍，以衛(wèi)星遙感為手段，基于Landsat MSS，TM，ETM遙感數(shù)據(jù)構建的。數(shù)據(jù)采用分層的土地覆蓋分類系統(tǒng)，將全省分為6個一級類，即耕地、林地、草地、水域、建設用地和未利用土地。通過ArcGIS 9.3提取了各年份的耕地矢量數(shù)據(jù)。30 m空間分辨率數(shù)字高程模型(圖1A)來源于“地理空間數(shù)據(jù)云”(http:∥www.gscloud.cn/)，利用數(shù)字高程模型生成了坡度數(shù)據(jù)；貴州省各區(qū)縣行政區(qū)劃、道路數(shù)據(jù)來自ArcGIS Online；土壤類型空間分布數(shù)據(jù)(圖1B)來自貴州省銅仁市國土局。以上各數(shù)據(jù)均經(jīng)過格式轉換和投影變換等處理，以獲得投影方式相同的數(shù)據(jù)。

2.2 評價指標體系

評價耕地質量的基礎是構建指標體系，土地的自然屬性和社會經(jīng)濟屬性是其中的影響因素。由于本項目選取的耕地數(shù)據(jù)年份跨度較長，在以資料的綜合性、科學性、代表性、可獲得性為原則的基礎上，結合相關文獻資料和貴州省的實際狀況，選取高程、坡度、連片性、土壤質地、灌溉保證率、距離城鎮(zhèn)(農(nóng)村居民點)距離、距交通干線距離、貴州省交通道路共7項指標用于評價耕地質量。所選指標中，高程和坡度反映耕地的耕作條件，由于耕地是1個面，每1塊耕地的坡度和高程數(shù)據(jù)并不唯一，坡度會隨著坡面的起伏發(fā)送變化，為了使每1塊耕地的坡度值唯一，本文采用該塊耕地的坡度平均值來定義耕地坡度，即將耕地矢量數(shù)據(jù)柵格化后，與ArcGIS 9.3中運用貴州省30 m精度DEM數(shù)據(jù)直接提取的坡度數(shù)據(jù)進行疊加分析，采用分區(qū)統(tǒng)計(Zonal Statistics as Table)獲得每1塊耕地的坡度平均值；土壤質地是土壤十分穩(wěn)定的自然屬性，能夠反映土壤的肥力水平[14]；連片性反映土地經(jīng)營規(guī)模程度，該值越大則土地經(jīng)營規(guī)?；潭雀?，反之則規(guī)模化程度低；灌溉保證率反映利用農(nóng)用地和水資源的集約化程度[15]，該值越大則說明農(nóng)業(yè)生產(chǎn)過程中灌溉用水量能夠更大程度上得到保障；耕地與交通干線的距離、距離城鎮(zhèn)(農(nóng)村居民點)的距離反映耕地區(qū)位條件，兩者是利用ArcGIS 9.3在土地利用現(xiàn)狀數(shù)據(jù)中提取的農(nóng)村居民點、交通干線數(shù)據(jù)的基礎上，運用Near工具計算得到，值越小則農(nóng)業(yè)生產(chǎn)活動區(qū)位條件優(yōu)越。評價過程中各指標的權重參照韓敏等構建貴州省農(nóng)用地(耕地)自然質量評價指標體系中的權重[5]，見表1。

圖1 貴州省DEM和土壤分布

表1 貴州省耕地質量評價指標體系及權重

2.2 數(shù)據(jù)標準化

現(xiàn)實環(huán)境中各類研究對象范圍或大小的度量標準和規(guī)范不同，其度量值的背景和量綱會有差異，不便于將數(shù)值直接進行比較和分析，因此進行耕地質量評價時，需先將所選取的各類指標的屬性值歸一化，將數(shù)值限制在[0，1]內，以消去量綱，采用離差標準化方法對各指標進行標準化，如公式1所示。

(1)

3 研究方法

3.1 耕地質量組合評價模型

任何評價方法都存在一定的局限性，僅用1種方法進行評價，結果存在一定的局限性[16]。選用不同的方法評價即從不同角度進行綜合分析，將幾種評價結果進行組合，形成多角度評價后的綜合平衡，耕地質量組合評價模型即為耕地模糊優(yōu)選模型與理想點法的組合[17]。耕地模糊優(yōu)選模型是在耕地質量評價過程具有一定決策模糊性的基礎上建立的，應用模糊數(shù)學中的隸屬度定量地描述復雜的耕地質量評價過程，其關鍵在于確定各耕地地塊對于模糊概念“優(yōu)”的隸屬度[18]，耕地質量“劣”與“優(yōu)”分別處于參考連續(xù)的兩個極點[19]，各地塊耕地質量與兩個極點的差異分別用加權廣義距離表示，該值越大耕地質量越高。理想點法是在計算每個地塊單元距最優(yōu)地塊距離以及距最差地塊距離的基礎上，計算各地塊的相對貼近度，其為評價單元距最差單元的距離與評價單元距最優(yōu)單元和最差單元兩個距離之和的比值，最優(yōu)單元指各指標評價值達到最大時的評價單元，最差單元指各指標評價值最小時的評價單元[15,20-21]，相對貼近度越大耕地質量越高。根據(jù)組合決策方法的基本原理，分別對耕地模糊優(yōu)選模型和理想點法的結果進行由小到大排序，排序第一的記作“1”，依次類推。記耕地模糊優(yōu)選模型的排序結果存于數(shù)組X1 j(j=1，2，…,n)，理想點法的排序結果為X2 j(j=1，2，…，n)，利用平均值法集結這兩種排序結果[20]，最終結果為：

(2)

因此，Xj越大的耕地質量越高，將最終的綜合得分劃為4個等級，小于等于0.25劃分為低等地，大于0.25且小與等于0.5劃分為中等地，大于0.5且小于等于0.75劃分為高等地，大于0.75劃分為優(yōu)等地。

3.2 耕地質量預測

對于貴州省未來耕地的空間布局，采用Ldrisi 32中的CA-Markov模塊進行模擬，該模塊集成了Markov和元胞自動機等理論，能夠較好的解決有關時間序列和空間預測的問題[22-23]。依據(jù)1989年、1995年2期土地利用數(shù)據(jù)，采用CA-Markov模型計算土地利用類型轉移概率矩陣及條件概率轉換圖集，基于這些數(shù)據(jù)在1995年土地利用數(shù)據(jù)的基礎上模擬2000年土地利用空間分布狀況，并利用Kappa系數(shù)和隨機樣點檢驗法對預測精度進行檢驗。若精度通過檢驗，則再利用CA-Markov模型計算1995-2000年5 a間的土地利用類型轉移概率矩陣及條件概率轉換圖集，并利用這些數(shù)據(jù)在2000年土地利用圖的基礎上預測2020年土地利用圖，并從中提取貴州省土地利用規(guī)劃條件下的耕地空間變化情況。進行預測時，濾波器的大小為5×5，CA循環(huán)模型次數(shù)為20次。耕地空間預測中所使用的不同土地利用類型間轉換的條件概率圖是通過Logistic逐步回歸模型分析不同地類變化驅動力而獲取的[18,24]。預測出2020年耕地空間格局后，運用模糊優(yōu)選模型和理想點法構建耕地質量組合評價模型，分析貴州2020年耕地質量情況。Markov模型見公式(3)，CA 模型式見公式(4)：

S(t+1)=Pij·S(t)

(3)

式中：S(t),S(t+(1)為t，t+1時刻的系統(tǒng)狀態(tài)；Pij為狀態(tài)轉移概率矩陣。

S(t,t+1)=f[S(t),N]

(4)

式中：S表示元胞有限、離散的狀態(tài)集合；N表示元胞的鄰域；t，t+1表示相鄰兩次循環(huán)的時刻；f表示局部空間元胞狀態(tài)的規(guī)則。

4 結果與分析

4.1 貴州省土地利用變化規(guī)律

由1995年、2000年2期土地利用現(xiàn)狀圖獲取的土地利用類型綜合轉移概率矩陣表2所示。表中行為原始土地利用類型，列為轉移后的土地利用類型。該表反映了這5 a間各類土地利用類型的總體變化規(guī)律。由表1可知，1989年和2000年之間，各類土地利用類型之間均有相互轉變，變化幅度較大的林地和未利用地，轉移為其他土地利用類型的概率均大于0.5，轉移的林地中54.7%被改造成草地，用于發(fā)展畜牧養(yǎng)殖，被開發(fā)的未利用地52.8%被用于植樹造林；其次為水域和草地，轉移為其他土地利用類型的概率分別為0.341，0.318，減少的水域大部分被填埋改造成陸地；耕地和建設用地的變化幅度較小，轉移為其他土地利用類型的概率均小于0.2，體現(xiàn)了貴州省嚴格控制耕地紅線和科學規(guī)劃城鎮(zhèn)化發(fā)展的效果。耕地轉移為其他土地利用類型中，所占的比例由大到小依次為草地、林地、水域、建設用地，轉移的耕地中63.3%仍然為農(nóng)業(yè)用地，土地利用性質變化不大；而其他土地利用類型中，轉移為耕地的概率與轉移為其余土地利用類型的概率總和相當，甚至超過轉移為其余土地利用類型的概率總和，如建設用地。綜上可知，貴州省各類土地利用類型均有向耕地轉移的趨勢。

表2 貴州省1995-2000年土地利用類型轉移概率矩陣

4.2 貴州省耕地質量時空變化趨勢

通過耕地質量評價獲得1989年、1995年、2000年耕地質量空間分布圖，見圖2。統(tǒng)計分析1989年、1995年貴州省耕地質量，各耕地等級在面積上的變化趨勢見圖3。優(yōu)等地面積在逐漸上升，相鄰兩個時期之間面積變化率的平均值為6.58%；高等地的面積增長速度呈現(xiàn)出慢后快的趨勢，相鄰兩個時期之間面積變化率的平均值為6.60%；中等地的面積在一定的范圍內波動，呈現(xiàn)出先減少后快速增加的趨勢，相鄰兩個時期之間面積變化率的平均值為20.96%；低等地的面積基本維持平衡，面積在一定范圍內波動，相鄰兩個時期之間面積變化率的平均值為55.45%?？梢姼鞯燃壐氐拿娣e均有增加，使得耕地的總面積在增加，平均增長速度為8.52%。

1989年、1995年、2000年3個年份各質量等級耕地的平均高程、平均坡度、平均連片性、距離河流的平均距離見表3。由歷年地塊平均高程逐漸減少的趨勢可知各等級耕地逐漸由高海拔區(qū)域向低海拔區(qū)域轉移；由歷年地塊平均坡度逐漸降低可知各等級耕地逐漸向地勢比較平坦的區(qū)域發(fā)展，說明適于耕種的優(yōu)質土地被廣泛開墾；由歷年耕地地塊距離河流的平均距離逐年增加可知各等級耕地以貴州省河流等水系逐漸向其外圍擴散；而歷年地塊平均連片性指標增大反映了耕地經(jīng)營規(guī)模的程度在逐漸加大。不難看出貴州省耕地所處環(huán)境在不斷的優(yōu)化中，優(yōu)質耕地資源得到了有效保護和利用，耕地環(huán)境的整體改善與貴州省近年來在轄區(qū)內施行退耕還林、石漠化治理、生態(tài)補償、集約化經(jīng)營、耕地占補平衡等耕地保護政策、惠農(nóng)政策有著密切的聯(lián)系。

圖2貴州省1989年、1995年、2000年耕地質量等級空間分布

圖3 貴州省1989年、1995年、2000年各耕地質量等級面積變化趨勢

結合3個年份耕地質量等級空間分布圖，分別提取1989—1995年，1995—2000年貴州省各類耕地質量等級的面積變化情況，各類等級耕地面積變化見表4。貴州省優(yōu)等地的面積有逐漸擴大的趨勢，且增長速度逐年增加，增速在5.3%以上。由于貴州省加強了生態(tài)建設和提高農(nóng)業(yè)生產(chǎn)效益，對質量較差的坡耕地進行了退耕或者農(nóng)業(yè)產(chǎn)業(yè)結構調整，質量等級為高等地、中等地、低等地的耕地面積逐漸減少，使耕地布局整體上有優(yōu)化，提高了耕地總體質量，這是貴州省耕地質量提高的主要原因。由于其他土地利用類型與耕地之間的相互轉移，不同時期各等級耕地增加面積總和與減少面積總和并不相等，特別是1995年與2000年間各耕地質量等級面積的變化。

表4 1989-2020年貴州省各類耕地質量等級面積變化情況

4.3 貴州省耕地分布預測及質量評估

利用1989年、1995年2期土地利用數(shù)據(jù)獲取的土地利用類型轉移概率矩陣及條件概率轉換圖集，在1995年數(shù)據(jù)的基礎上模擬得到的2000年的土地利用數(shù)據(jù)與真實數(shù)據(jù)對比可知，像元模擬正確的百分比為80.36%，2000年模擬的Kappa系數(shù)為0.763 5，隨機采樣點中模擬正確的樣點數(shù)占隨機樣點數(shù)的比例為83.74%，驗證結果表明模擬結果達到了較高的精度，證明了模擬方法及過程具有較高可信度。在2000年土地利用分布圖和獲取的1995—2000年5 a間土地利用類型轉移概率矩陣的基礎上，綜合各類地理環(huán)境因素和經(jīng)濟因素的影響，利用CA-Markov方法在現(xiàn)有已知的變化規(guī)律下對未來耕地變化進行情景模擬，獲取2020年的土地利用類型圖，并提取耕地的空間分布圖。通過耕地質量評價獲得2020年貴州省耕地質量等級分布圖，附圖12。

由預測得到的2020年耕地質量等級分布圖可知，優(yōu)等地面積為26 147.69 km2，高等地面積為23 557.98 km2，中等地面積為6 113.16 km2，低等地面積為74.69 km2，4種等級耕地的面積占總耕地面積的比例分別為46.9%，42.2%，10.8%，0.1%。分區(qū)縣對貴州省的耕地質量等級空間分布進行分析可知，優(yōu)等地主要分布在遵義縣、貴陽、盤縣、六枝等區(qū)縣，高等地主要分布在桐梓、威寧、鳳岡、遵義縣等區(qū)縣，中等地主要分布在威寧、赫章、桐梓、劍河等區(qū)縣，低等地主要分布在赫章、威寧、臺江、劍河等區(qū)縣。

5 結論與討論

本文提出了在已知三期土地利用現(xiàn)狀圖和易收集的環(huán)境數(shù)據(jù)的基礎上，利用CA-Markov模型對貴州省2020年耕地的空間分布進行了預測，同時結合耕地模糊優(yōu)選模型和理想點法對不同時期的耕地質量進行了評價。由于環(huán)境數(shù)據(jù)不會隨著時間的推移而發(fā)生較大的改變，而耕地空間范圍的改變對應的是相應地塊單元周圍環(huán)境的變化，因此，在同一套指標體系下，對不同時期的耕地質量進行了分級。

結果表明，雖然耕地有向其他土地利用類型轉移的情況，但土地利用性質變化不大，轉移的耕地中63.3%仍然為農(nóng)業(yè)用地；隨著耕地保護政策的深入實施，部分高等地、中等地、低等地被改造，農(nóng)業(yè)產(chǎn)業(yè)結構逐漸被優(yōu)化，優(yōu)等地的空間分布呈現(xiàn)擴散的趨勢，平均增速在8.28%；耕地質量總體呈現(xiàn)上升的趨勢，且耕地所處環(huán)境在不斷的優(yōu)化中。貴州省耕地質量的變化體現(xiàn)了相關政策與管理的導向作用，在今后的耕地質量管理工作中，應充分掌握轄區(qū)內耕地質量的總體情況，針對各區(qū)域的差異實施不同的耕地保護與管理政策。耕地占補平衡中補充的耕地，或者耕地開發(fā)過程中新增的耕地，都應保證耕地的質量，同時對占用耕地的耕作層要充分利用，需要深入研究并落實表土剝離工作，如開展移土培肥工程，確保占優(yōu)補優(yōu)。對現(xiàn)有不同質量等級的耕地，在保持整體耕地質量提升和耕地布局優(yōu)化的前提下，加快優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結構，充分挖掘各質量等級耕地的生產(chǎn)潛能和生態(tài)價值，增加農(nóng)民增收的途徑，從而減少對耕地的過度使用。

本文對耕地質量的時空變化分析及預測中，選取的指標有一定的局限性，并不能完全反映耕地所處的自然環(huán)境，因而需要深入挖掘，構建更加合理的指標體系。同時，本研究從全局層面分析出貴州省耕地質量整體呈現(xiàn)上升的趨勢，且逐年增加，但局部地區(qū)耕地質量的改善力度還嚴重不足；此外，還需進一步通過實例驗證該組合評價模型在其他尺度耕地質量時空變化分析及預測中的適用性和效率。

[1] 蔡文香,盧萬合,馮婧,等.中國糧食安全脆弱性評價與政策建議[J].中國人口·資源與環(huán)境,2015,(S1):319-322.

[2] 姜群鷗,鄧祥征,林英志,等.中國耕地用途轉移對耕地生產(chǎn)力影響的預測與分析[J].應用生態(tài)學報,2010,21(12):3113-3119.

[3] 李文卓,謝永生.基于農(nóng)戶尺度的陜北退耕區(qū)糧食安全[J].應用生態(tài)學報,2011,22(2):402-408.

[4] 姜廣輝,趙婷婷,段增強,等.北京山區(qū)耕地質量變化及未來趨勢模擬[J].農(nóng)業(yè)工程學報,2010,26(10):304-311.

[5] 韓敏,張慧,陳旭暉,等.貴州省農(nóng)用地(耕地)自然質量評價指標體系的構建[J].貴州農(nóng)業(yè)科學,2010,38(5):66-69.

[6] 付國珍,擺萬奇.耕地質量評價研究進展及發(fā)展趨勢[J].資源科學,2015,37(2):226-236.

[7] 伍育鵬,鄖文聚,李武艷.用標準樣地進行耕地質量動態(tài)監(jiān)測與預警探討[J].中國土地科學,2006,20(4):40-45.

[8] 胡曉濤,吳克寧,馬建輝,等.北京市大興區(qū)耕地質量等級監(jiān)測控制點布設[J].資源科學,2012,34(10):1891-1897.

[9] 張瑞福,顏春榮,張楠,等.微生物肥料研究及其在耕地質量提升中的應用前景[J].中國農(nóng)業(yè)科技導報,2013,15(5):8-16.

[10] 楊偉,謝德體,廖和平,等.基于完全理性行為特征的農(nóng)戶耕地保護行為決策研究:以重慶市開縣為例[J].西南大學學報:自然科學版,2012,34(11):81-87.

[11] 伍應德.基于生態(tài)環(huán)境的貴州喀斯特山區(qū)現(xiàn)代農(nóng)業(yè)發(fā)展模式探討[J].貴州農(nóng)業(yè)科學,2013,41(8):249-249.

[12] 周宜君,石莎,馮金朝.我國西南地區(qū)自然環(huán)境與藥用植物多樣性[J].中央民族大學學報:自然科學版,2005,14(1):44-48.

[13] 韓振燕,梁譽,陳紹軍.基于生態(tài)足跡模型的西部貧困成因及可持續(xù)治貧研究:以貴州省為例[J].廣西社會科學,2012,(2):54-58.

[14] 盧德彬,涂建軍.耕地入選基本農(nóng)田整備區(qū)評價與決策[J].農(nóng)機化研究,2012(3):1-4.

[15] 盧德彬,涂建軍,華娟,等. GIS技術在永久性基本農(nóng)田劃定中的應用研究[J].農(nóng)機化研究,2012(4):65-68.

[16] 涂建軍,盧德彬.基于GIS與耕地質量組合評價模型劃定基本農(nóng)田整備區(qū)[J].農(nóng)業(yè)工程學報,2012,28(2):234-238.

[17] 楊樂,涂建軍,王小飛,等. GIS技術在基本農(nóng)田整備區(qū)劃定中的應用:以重慶秀山縣中和鎮(zhèn)為例[J].農(nóng)機化研究,2011,33(5):178-181.

[18] 張鵬,徐中兵,趙振亮,等.基于模糊優(yōu)選模型的區(qū)域可持續(xù)發(fā)展研究[J].水土保持研究,2009,16(4):186-191.

[19] 李遠富,薛波,鄧域才.鐵路選線設計方案多目標決策模糊優(yōu)選模型及應用研究[J].西南交通大學學報,2000,35(5):465-470.

[20] 何丹,金鳳君,周璟.基于Logistic-CA-Markov的土地利用景觀格局變化:以京津冀都市圈為例[J].地理科學,2011,31(8):903-910.

[21] 程鋒,石英,朱德舉.耕地入選基本農(nóng)田決策模型研究[J].地理與地理信息科學,2003,19(3):50-53.

[22] 胡雪麗,徐凌,張樹深.基于CA-Markov模型和多目標優(yōu)化的大連市土地利用格局[J].應用生態(tài)學報,2013,24(6):1652-1660.

[23] Kityuttachai K, Tripathi N K, Tipdecho T, et al. CA-Markov analysis of constrained coastal urban growth modeling:Hua Hin seaside city, Thailand[J]. Sustainability, 2013,5(4):1480-1500.

[24] 姜廣輝,張鳳榮,陳軍偉,等.基于Logistic回歸模型的北京山區(qū)農(nóng)村居民點變化的驅動力分析[J].農(nóng)業(yè)工程學報,2007,23(5):81-87.

AnalysisontheDistributionandVariationTrendofCultivatedLandQualityinGuizhouProvince

HAN Zongwei, LU Debin, YANG Jian, XIONG Bo, HUANG Tingting

(TongrenUniversity,Tongren,Guizhou554300,China)

In order to deepen the understanding of spatial pattern and variation trend of cultivated land quality in Guizhou Province and provide reference for the development of rational farmland quality protection system and decision-making, the cultivated land quality and its variation trend were analyzed based on the distribution of cultivated land in 1989, 1995, 2000. Fuzzy optimum model and ideal point method were combined to evaluate the quality of cultivated land in each year. CA-Markov model and spatial analysis tools were employed to predict the distribution of cultivated land in 2020. The findings suggest the followings. First, there is a mutual transfer between 6 types of land uses in Guizhou Province, 63.6% of the changed areas from cultivated land are still agricultural land, such as forest land, grassland, and the change of land use nature is not obvious. Second, other kinds of land uses have the tendency of transferring to cultivated land, most of the changed areas were transferred to cultivated land, and the amount of area was larger than the area transferred out of cultivated land, so, the quantity of cultivated land is increasing gradually. Third, the environment of cultivated land in Guizhou Province is continuously optimized and the high-quality cultivated land resources have been effectively protected and utilized, the area of the superior land level has the gradually expanding tendency. Fourth, the predicted cultivated land in 2020 indicts that the percentage of superior land level, higher land level, moderate land level and lower land level in the total cultivated land will be 46.9%，42.2%，10.8%，0.1%, respectively, most of the superior land levels will concentrate in areas where river systems are more developed and agriculture resources are rich.

cultivated land quality; CA-Markov; fuzzy optimum; ideal point method; Guizhou Province

F321.1； F301.24

A

1005-3409(2017)06-0154-06

2016-09-30

2016-11-25

貴州省社會科學院省領導指示圈示課題(QS2015024-2);貴州省教育廳人文社會科學研究項(2016qn10);貴州省教育科學規(guī)劃課題(2015C042)；貴州省科技計劃項目黔科合LH字[2016]7305號

韓宗偉(1987—),男,湖北宜昌人,碩士,講師,主要研究方向為農(nóng)業(yè)遺產(chǎn)管理與保護、資源環(huán)境信息工程。E-mail:hansarm@foxmail.com

盧德彬(1987—),男,貴州荔波人,博士研究生,副教授,主要從事城市生態(tài)系統(tǒng)模擬與規(guī)劃研究。E-mail:sooluo@163.com