劉志林, 丁銀平, 角媛梅 , 劉澄靜

紅河哈尼梯田潛在棄耕風險耕地識別及其主要影響因子*

劉志林, 丁銀平, 角媛梅**, 劉澄靜

(云南師范大學旅游與地理科學學院 昆明 650500)

潛在棄耕風險耕地識別是耕地總體利用和規(guī)劃的科學依據(jù), 也是實現(xiàn)農業(yè)可持續(xù)發(fā)展的關鍵手段。然而, 受棄耕過程的漸進性、復雜性及其相關學科方法與技術的限制, 使棄耕很難被準確地識別和預測。本研究根據(jù)道路、坡度、海拔、水源、降水、氣溫、人口、糧食產量等因子與棄耕風險的關系, 構建了以棄耕影響因子為主導的棄耕風險指數(shù)(FARI)和以系統(tǒng)聚類為基礎的棄耕風險識別方法, 對哈尼梯田進行了實證研究。結果表明: 1)哈尼梯田穩(wěn)定、弱風險和高風險耕地的面積占比分別為57%、35%和8%, 整體較為穩(wěn)定。2)哈尼梯田棄耕風險指數(shù)呈北部高于南部, 東部大于西部的空間特征。3)在區(qū)位上哈尼梯田棄耕高風險耕地(34.95 km2)主要分布在縣域邊界處, 該區(qū)耕作條件差, 是退耕還林還草、修復生態(tài)的關鍵區(qū); 穩(wěn)定耕地(234.87 km2)主要分布在元陽縣的東中部, 耕作條件適宜, 是本區(qū)糧食安全與遺產保護的核心區(qū)。4)在影響因子上, 穩(wěn)定耕地區(qū)主要受人口、糧食產量、道路距離等因子的影響, 其次為坡度、河流距離和海拔; 弱風險耕地區(qū)受降水因子影響最大, 其他環(huán)境因子的影響均較小; 高風險耕地區(qū)主要受氣溫、坡度、海拔和河流距離等因子的影響?？傊? 哈尼梯田總體較為穩(wěn)定, 棄耕風險小, 且不同棄耕風險程度耕地的影響因子不同。

哈尼梯田; 農業(yè)文化遺產; 耕地; 棄耕風險指數(shù)(FARI); 棄耕因子

城市化的快速發(fā)展, 帶來鄉(xiāng)村人口流失, 加劇了棄耕, 使棄耕成為日益嚴重的全球性問題[1]。近年來全球范圍內棄耕面積迅速擴大[2], 增加了自然災害風險[3], 改變了水資源利用現(xiàn)狀[4], 帶來了一系列社會-自然環(huán)境問題。因此, 人們對棄耕的關注度迅速增加[5-6], 由于棄耕現(xiàn)象具有漸變性、復雜性、不穩(wěn)定性以及空間分布零散等特征, 使棄耕很難被準確識別和預測[7], 因而對潛在棄耕風險耕地的空間識別是學界面臨的主要問題之一。目前主要的潛在棄耕風險識別方法有基于IRENA(indicator reporting on the integration of environmental concerns into agricultural policy, 農業(yè)政策中的環(huán)境指標)指標法[8]與基于遙感影像法[9-12]。IRENA指標是由歐盟(EU)于2001年組織實施的農業(yè)指標體系, 旨在有效地監(jiān)測歐盟區(qū)內農業(yè)與農村中的環(huán)境問題, 在最初定義的35個農業(yè)環(huán)境指標(agri-environmental indicators, AEI)中, 第17個指標(trends: marginalization, 趨勢: 邊緣化)和后來新增的第14個指標(risk of farmland abandonment, 棄耕風險)主要評價棄耕風險[8], 并在2008年[7]和2010年[13]對歐洲27國進行了棄耕風險評價。IRENA指標對歐洲的棄耕風險進行了很好地刻畫, 但其評價需要大量可靠數(shù)據(jù)支撐[13]。基于遙感影像識別法主要由LANDSAT與MODIS數(shù)據(jù)實現(xiàn), 其優(yōu)點是可以獲取大范圍內, 尤其是國家與全球尺度上的棄耕影像, 然而LANDSAT無云影像通常是有限的, 這使得影像的準確性受到了影響[11]; 且全球NDVI數(shù)據(jù)分辨率為250 m, 對于縣級以下的小尺度識別精度不足。

對棄耕問題的研究, 學界持續(xù)關注了近30年[14], 學者對影響棄耕因子進行了大量研究。Vidal-Macua等[15]在西班牙東北部研究了坡度、道路距離、人口等因子與雨養(yǎng)和灌溉作物的棄耕關系; Wang等[16]通過對農業(yè)用地與自然用地轉換的空間回歸分析, 探討了氣溫、降水、道路等因子在二者轉換中的作用; Prishchepov等[17]對俄羅斯棄耕的決定因子進行了研究, 闡述了海拔、坡度、糧食產量、人口、道路距離等因子在棄耕中的決定性作用; Mottet等[18]在比利牛斯山脈研究了山地景觀中農業(yè)用地變化及其驅動因素, 探討了坡度、海拔、道路距離等因子對農業(yè)用地變化的驅動作用; Yu等[19]在湖南省探索了糧食產量、人口等因子對季節(jié)性耕地棄耕的驅動; Shi等[20]從鄉(xiāng)鎮(zhèn)層面探討了海拔、坡度等因子對中國山區(qū)耕地棄耕的影響; Pazúr等[21]研究了斯洛伐克在社會主義轉型后和加入歐盟期間大規(guī)模耕地棄耕的空間決定因素, 探討了海拔、坡度、土壤質量、氣溫、降水、水源、道路、人口等因子對棄耕的影響; Kolecka等[22]探索了波蘭喀爾巴阡山脈棄耕問題, 闡述了海拔、坡度、人口等因子對棄耕的影響; 張栢林等[23]通過540份問卷探討了重慶十縣區(qū)農戶棄耕的特點及原因, 涉及人口、耕地產出等因子; Zhang等[24]從成本收益的角度解釋了中國農村改制中的耕地棄耕現(xiàn)象, 提出了耕地質量、人口等因子對棄耕的影響; Xie等[25]通過可持續(xù)經濟模型探索了江西省耕地的棄耕動力機制, 涉及糧食產量、坡度、海拔、人口、道路等因子; Zhang等[26]多層次分析了中國山區(qū)棄耕的決定因子, 涉及坡度、土壤質量、人口、海拔等因子。目前, 大部分研究停留在棄耕因子與棄耕關系的表達上, 而通過因子來識別潛在棄耕風險的研究還較少。

紅河哈尼梯田是以傳統(tǒng)稻作農業(yè)為基礎的世界文化景觀遺產、世界農業(yè)文化遺產和國家濕地公園。耕地是遺產的核心構成要素, 近年來元陽哈尼梯田發(fā)生了不同規(guī)模的棄耕, 遺產穩(wěn)定與可持續(xù)發(fā)展受到威脅。而目前學界對哈尼梯田的棄耕問題的關注還較少, 因此對哈尼梯田進行潛在棄耕風險識別, 針對識別結果進行規(guī)劃保護, 是實現(xiàn)遺產可持續(xù)發(fā)展的關鍵舉措?；诖? 本文根據(jù)相關研究, 構建了以棄耕影響因子為主導的棄耕風險指數(shù)和以系統(tǒng)聚類為基礎的棄耕風險識別方法, 對哈尼梯田進行了實證研究。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

哈尼梯田主體位于中國西南部的云南省紅河州元陽縣, 具體位置如圖1所示。地理坐標為22°49′~23°19′N、102°27′~103°13′E, 地處北回歸線以南, 屬亞熱帶季風氣候。2009年被列入世界農業(yè)文化遺產和國家濕地公園名錄, 2013年聯(lián)合國教科文組織批準為世界文化遺產, 遺產核心區(qū)和緩沖區(qū)面積達 461 km2。遺產區(qū)以梯田“分布之廣, 規(guī)模之大, 建造之奇, 在中國僅有, 世界罕見”而聞名中外。2016年元陽縣境內分布梯田478 km2, 占國土面積23%, 最高海拔為2 954 m, 最低為126 m。元陽哈尼梯田是延續(xù)了1 300多年的山區(qū)傳統(tǒng)稻作集約農業(yè)典范, 也是世界文化景觀遺產核心區(qū)、全球重要農業(yè)文化遺產、中國國家濕地公園所在地。

圖1 研究區(qū)區(qū)位與紅河哈尼梯田耕地空間分布圖

1.2 數(shù)據(jù)來源

元陽縣2017年土地利用、水系、居民點、道路與海拔等數(shù)據(jù)來自云南省地理國情普查數(shù)據(jù)庫。云南省第一次地理國情普查內容涉及《地理國情普查內容與指標》(GDPJ 01—2013)中的10個一級類, 58個二級類, 135個三級類。

氣象數(shù)據(jù)來自中國區(qū)域地面氣象要素數(shù)據(jù)集, 是中國科學院青藏高原研究所開發(fā)的一套近地面氣象與環(huán)境要素再分析數(shù)據(jù)集。其時間分辨率為3 h, 水平空間分辨率0.1°, 包含近地面氣溫、近地面氣壓、近地面空氣比濕、近地面全風速、地面向下短波輻射、地面向下長波輻射和地面降水共7個要素(變量)。本文主要使用了數(shù)據(jù)集中的氣溫與降水數(shù)據(jù)。人口與糧食產量數(shù)據(jù)來自于元陽縣統(tǒng)計局。具體數(shù)據(jù)見表1。

表1 棄耕風險識別的主要數(shù)據(jù)來源及屬性

1.3 研究方法與數(shù)據(jù)處理

道路距離、水系距離、海拔、坡度、降水、氣溫、人口、糧食產量等因子是識別潛在棄耕風險耕地的主要數(shù)據(jù)[15-26]。一般研究認為: 距離道路和水源越近[15]、海拔越低[16]、坡度越小[17]、人口越多[16]、糧食產量越高[17]、氣溫越高[16]、降水越大[21], 耕地越穩(wěn)定, 相反則潛在棄耕風險大。根據(jù)各因子與潛在棄耕風險的關系, 本文構建了棄耕風險指數(shù), 通過對棄耕風險指數(shù)進行系統(tǒng)聚類, 識別出潛在棄耕高風險耕地、弱風險耕地與穩(wěn)定耕地, 具體流程見圖2。

圖2 棄耕風險因子(FARI)計算和棄耕風險識別的主要過程

通過文獻[15-26]發(fā)現(xiàn)道路、水系、海拔、坡度、降水、氣溫、人口、糧食產量等因子, 均對耕地棄耕風險有不同程度的影響。通過對紅河哈尼梯田實地調查并結合區(qū)域特征分析, 最終確定為棄耕風險識別因子。各因子選取依據(jù)與數(shù)據(jù)處理見表2。

1)棄耕風險指數(shù)(FARI)計算

綜上, 海拔、坡度、河流距離、道路距離4個因子與潛在棄耕風險為正比關系, 值越大棄耕風險越大。人口、糧食產量、氣溫、降水4個因子與潛在風險為反比關系, 值越大棄耕風險越小。根據(jù)各因子與棄耕風險之間的關系, 棄耕風險可以表達為:

表2 棄耕風險識別因子的確定依據(jù)與數(shù)據(jù)處理

式中: FARI為棄耕風險指數(shù),1-4為正比關系因子,14為反比關系因子。

為了消除不同量綱的影響, 需要對各因子進行歸一化處理, 用norm表示。

式中:norm表示某一因子的歸一化值,表示因子值,min表示因子的最小值,max表示因子的最大值。

2)潛在棄耕風險耕地識別

棄耕風險耕地識別通過對棄耕風險值聚類來實現(xiàn), 棄耕風險值最大一類為棄耕高風險耕地, 指數(shù)最小的一類為穩(wěn)定耕地。系統(tǒng)聚類法首先將個樣品看成類, 然后將性質最接近的兩類合并為一類, 得到-1類, 然后再從這些類中找出性質最接近的兩類合并為-2類, 重復上述步驟直到所有樣品聚為一類。歐氏距離是樣品聚類的常用距離, 對于任何兩個樣品、可定義歐氏距離:

式中:x和x分別為個樣品的第個變量和第個樣品的第個變量值。

為了消除各指標量綱不同的影響, 需對各樣品進行指標標準化, 具體為:

2 結果與分析

2.1 棄耕風險指數(shù)(FARI)可靠性驗證

根據(jù)FARI計算方法, 對元陽哈尼梯田的棄耕風險進行量化, 并進行歸一化處理, 映射在0~1之間。當value=0棄耕風險最小, value=1棄耕風險最大, 元陽縣各因子的原始值及其FARI的結果如圖3所示。

對FARI計算后進行系統(tǒng)聚類, 結果如圖4。FARI在0~0.39之間, 為了方便計算將所有值歸一化為整數(shù), 得到0~19、20~31和32~39, 3個聚類結果, 原始值32~39歸一化后的FARI為0.61~1, 值最大, 定義為棄耕高風險耕地; 原始值20~31歸一化后的FARI為0.43~0.60, 值次之, 定義為棄耕弱風險耕地; 原始值0~19歸一化后的FARI為0~0.42, 值最小, 定義為穩(wěn)定耕地。

圖3 紅河哈尼梯田棄耕風險識別因子和棄耕風險指數(shù)(FARI)的空間分布

圖4 棄耕風險指數(shù)(FARI)的聚類結果

為了驗證上述選取的棄耕風險識別指標與方法的可靠性, 采用哈尼梯田耕作歷史與兩期的耕地數(shù)據(jù)進行驗證。從哈尼梯田耕作歷史來看: 哈尼梯田是存在1 300多年的稻作文明, 耕地經過1 300年的人為與自然選擇, 現(xiàn)存的耕地總體上已是最適宜的耕地, 而本文識別結果表明, 該區(qū)穩(wěn)定與弱風險耕地占比達91%, 證明了現(xiàn)存的絕大數(shù)耕地較為穩(wěn)定, 符合現(xiàn)實情況; 從棄耕數(shù)據(jù)來看, 使用2015—2017年兩期元陽縣耕地數(shù)據(jù)進行結果驗證, 2015—2017年元陽縣耕地共減少5.77 km2, 除去耕地利用類型轉變后, 棄耕耕地全部位于本文識別的高風險區(qū)與弱風險區(qū)內。通過驗證, 本文所選取的因子、使用的識別方法可以滿足哈尼梯田棄耕風險區(qū)識別的實際需求。

2.2 潛在風險耕地識別與棄耕風險指數(shù)(FARI)空間格局

根據(jù)FARI繪制了元陽縣梯田棄耕風險圖, 結果如圖5所示: 穩(wěn)定耕地面積為234.87 km2, 主要散布于元陽縣中部, 集中分布于新街鎮(zhèn)、牛角寨鎮(zhèn)、小新街鄉(xiāng)、攀枝花鄉(xiāng)4地, 呈團塊狀分布, 區(qū)內海拔適中、坡度和緩、耕地產量高、人口數(shù)量大, 適宜耕作。但本區(qū)位于遺產核心區(qū), 人口密度大, 耕作壓力較其他區(qū)域高, 導致區(qū)內耕地資源基本開發(fā)耗盡, 是未來人地矛盾凸顯區(qū)域。棄耕弱風險耕地面積為146.33 km2, 區(qū)內耕地斑塊破碎, 交錯分布于穩(wěn)定耕地與高風險耕地之間, 集中在小新街和逢春嶺鄉(xiāng)北部, 由于地處河谷地帶, 坡度大, 耕地產量低、人口數(shù)量少, 導致其耕作難度增大。但本區(qū)具有大量的后備耕地資源, 是未來耕地開發(fā)的主要區(qū)域。棄耕高風險耕地面積為34.95 km2, 主要成片分布于元陽縣邊界區(qū)域, 總體可劃分為嘎娘-逢春嶺-上新城-小新街片區(qū), 馬街-牛角寨東部片區(qū), 前者位于哀牢山區(qū), 海拔高、坡度大、氣溫低、人口稀少不易耕作, 后者位于河谷地區(qū), 坡度大、人口少、自然環(huán)境差。故本區(qū)的耕地面積較小。綜上可知, 穩(wěn)定耕地面積最大, 弱棄耕風險耕地面積次之, 高風險耕地面積最小, 說明哈尼梯田大部分耕地較為穩(wěn)定。

從鄉(xiāng)鎮(zhèn)尺度來看(表3): 棄耕高風險耕地主要集中在上新城鄉(xiāng)、小新街鄉(xiāng)、大坪鄉(xiāng)、俄扎和黃茅嶺鄉(xiāng), 占棄耕高風險耕地總面積的72.9%。上新城與小新街鄉(xiāng)的高風險耕地主要分布在兩地中部, 位于哀牢山北坡, 海拔高、坡度大、氣溫低、距離水系較遠, 屬于自然條件驅動棄耕。大坪鄉(xiāng)的高風險耕地分布在境內的北部, 境內人口少、糧食產量低, 屬于人文條件驅動棄耕。俄扎與黃茅嶺鄉(xiāng)的高風險耕地均勻分布于區(qū)內, 海拔高、坡度大、糧食產量低、人口少, 屬于自然與人文復合驅動棄耕。棄耕弱風險耕地主要集中在逢春嶺鄉(xiāng)、小新街鄉(xiāng)、黃草嶺鄉(xiāng)、大坪鄉(xiāng)、俄扎鄉(xiāng)、上新城和嘎娘鄉(xiāng)等地, 均超過其境內耕地面積的40%; 穩(wěn)定耕地主要集中在新街鎮(zhèn)、牛角寨鎮(zhèn)、沙拉托鄉(xiāng)、逢春嶺鄉(xiāng)、黃草嶺鄉(xiāng)等地, 面積達138.18 km2, 占總面積的59.2%, 從空間來看新街與牛角寨鎮(zhèn)是紅河哈尼梯田遺產核心區(qū)與緩沖區(qū)的主體, 黃草嶺鄉(xiāng)是哈尼梯田南部最大穩(wěn)定耕地分布區(qū), 逢春嶺鄉(xiāng)為哈尼梯田東部最大穩(wěn)定耕地分布區(qū)。

表3 鄉(xiāng)鎮(zhèn)尺度下紅河哈尼梯田耕地棄耕風險面積

FARI的空間格局是劃分糧食供給安全區(qū)與確定退耕還林還草邊界的重要參考。元陽哈尼梯田的FARI格局如圖6a和6b所示。為了更直觀呈現(xiàn)元陽縣FARI在經緯向的變化特征, 以10′為間隔, 分別沿元陽縣主要的經緯線進行剖面分析, 在緯向上選取23°00′N和23°10′N兩條樣帶, 在經向上選取102°40′E、102°50′E和103°00′E 3條樣條, 結果見圖6c和6d。在緯向上23°00′N帶的FARI均值為0.54, 23°10′N帶為0.42, 隨緯度增加FARI呈下降趨勢, 即北部的棄耕風險小于南部, 在空間上自西向東依次分布沙拉托鄉(xiāng)、牛角寨鎮(zhèn)、新街鎮(zhèn)、嘎娘鄉(xiāng)、上新城和逢春嶺鄉(xiāng), 對應的FARI均值分別為0.38、0.39、0.30、0.54、0.60、0.39, 說明FARI在東西向上呈中東最低, 中西最高的分布格局。在經向上103°00′E帶的FARI均值最大, 達0.57, 其次為102°50′E帶, 為0.44, 102°40′E帶最小, 為0.38, 說明哈尼梯田的棄耕風險自西向東依次增加, 西部的棄耕風險最小, 中部次之, 東部最大, 自南向北依次為黃草嶺鄉(xiāng)、俄扎鄉(xiāng)、攀枝花鄉(xiāng)、牛角寨和新街、南沙鎮(zhèn), 其FARI分別為0.27、0.35、0.36、0.39、0.30和0.44, 總體呈由南向北遞增的趨勢。

2.3 棄耕風險指數(shù)(FARI)主要影響因子識別

為了呈現(xiàn)棄耕風險識別因子在不同棄耕風險程度耕地中的變化趨勢, 計算了穩(wěn)定耕地、弱風險耕地、高風險耕地內各棄耕風險識別因子的值(表4)。穩(wěn)定耕地-弱風險耕地-高風險耕地, 隨FARI增加, 其坡度、道路距離、降水、水系距離呈增加趨勢, 坡度增大, 物資運輸成本增加, 耕作難度上升。道路距離與水系距離兩個因子增加, 將會使耕作通勤與灌溉水源距離增大, 耕作通勤距離增加, 意味農民到達耕地的距離變大, 花費在耕作途中的時間與精力將增加。灌溉水源距離的增加, 意味耕地到達水源的距離變長, 灌溉穩(wěn)定性降低, 使耕作條件惡化。隨棄耕風險指數(shù)的增加, 其氣溫、人口、糧食產量3個因子呈現(xiàn)下降趨勢, 從穩(wěn)定耕地到高風險耕地, 海拔上升了122 m, 氣溫下降了0.54 ℃, 溫度過低不適宜水稻生長, 使耕作適宜性降低。人口密度從穩(wěn)定耕地489人減少到高風險耕地的335人, 人口下降意味著區(qū)內勞動力減少, 對于傳統(tǒng)人工稻作農業(yè)直接的影響就是棄耕。糧食產量從穩(wěn)定耕地到高風險耕地減少了39 t?km-2, 說明高風險耕地肥力弱, 產量低。

圖5 紅河哈尼梯田不同程度潛在棄耕風險耕地識別

圖6 紅河哈尼梯田棄耕風險指數(shù)(FARI)的空間格局與差異

In the figure b, the English name of township is shown in the table 3.

表4 紅河哈尼梯田不同棄耕風險程度下的影響因子值

各因子在不同棄耕風險程度耕地中的值不同。為了明確在棄耕高風險、弱風險和穩(wěn)定耕地中的關鍵影響因子, 將上述3類耕地的棄耕風險指數(shù)(MEAN)、經度()、緯度()、標準差(SD)、總和(SUM)及其對應的棄耕因子海拔(Elevation)、坡度(Slope)、道路距離(Road)、降水(Rainfall)、糧食產量(Food)、氣溫(Temperature)、人口(Population)與水系距離(River)進行冗余分析(RDA), 結果如表5和圖7所示。由表5可知棄耕高風險、弱風險和穩(wěn)定的識別因子主要為氣溫(88.9%)、糧食產量(8%)、海拔(2.2%)、降水(0.7%)且<0.05, 具有顯著性, 其余各因子的貢獻率小于1, 不具有顯著性。

由圖7可知: 1)將ST(穩(wěn)定耕地)、WR(弱風險耕地)、HR(高風險耕地)投影在緯度()、經度(), 可以發(fā)現(xiàn)HR(高風險耕地)內的點更靠近軸, 說明高風險耕地分布更靠近北部, ST(穩(wěn)定耕地)內的樣點更靠近軸, 說明穩(wěn)定耕地分布的更靠東部; 2) MEAN (棄耕風險指數(shù))從左至右值依次增加, 分布對應ST(穩(wěn)定耕地)、 WR(弱風險耕地)、HR(高風險耕地), 反映出穩(wěn)定耕地棄耕風險指數(shù)最小、弱風險耕地次之、高風險耕地最大, 其棄耕風險指數(shù)均值由0.28增加至0.69; 3)通過HR(高風險耕地)樣點至各環(huán)境因子的投影距離, 發(fā)現(xiàn)氣溫、坡度、海拔和河流距離是影響棄耕風險的主要影響因子, 其中坡度、海拔和河流距離與HR(高風險耕地)呈正向關系, 與氣溫呈反向關系, 即氣溫越低、坡度越大、海拔越高、距離河流距離越遠棄耕風險越大; 4)通過WR(弱風險耕地)內, 樣點至各環(huán)境因子的投影距離, 得出WR(弱風險耕地)分布較為分散, 說明弱風險耕地分布的范圍大, 且不集中, 與各環(huán)境的關系來看, 受降水因子影響最大, 其他環(huán)境因子的影響均較小; 5)通過ST(穩(wěn)定耕地)區(qū)內, 樣點至各環(huán)境因子的投影距離, 發(fā)現(xiàn)ST(穩(wěn)定耕地)主要受人口、糧食產量、道路距離等因子的影響, 其次為坡度、河流距離和海拔因子, 其中與人口、糧食產量呈正向關系, 與道路距離、坡度、河流距離和海拔等因子為反向關系, 即人口數(shù)量越多、糧食產量越高、距離道路越近、坡度越小、距離河流越近和海拔越低, 耕地越穩(wěn)定; 6)從HR(高風險耕地)、WR(弱風險耕地)、ST(穩(wěn)定耕地)樣點的分布集群上看, ST(穩(wěn)定耕地)ST內的樣點分布最緊湊, 說明穩(wěn)定耕地在空間上呈集中分布; 其次為HR(高風險耕地), 高風險耕地分布也較為集中; WR(弱風險耕地)分布最為分散, 且交錯于HR(高風險耕地)與ST(穩(wěn)定耕地)之間, 說明弱風險耕地分布的范圍廣, 呈散布的狀態(tài)。

表5 紅河哈尼梯田各識別因子對棄耕風險指數(shù)(FARI)的貢獻率

圖7 紅河哈尼梯田棄耕風險指數(shù)與環(huán)境因子的RDA分析

3 結論與建議

以道路、坡度、海拔、水源、降水、氣溫、人口、糧食產量等因子與棄耕風險的關系為基礎, 構建了以棄耕影響因子為主導的棄耕風險指數(shù)(FARI)和以系統(tǒng)聚類為基礎的棄耕風險耕地識別方法, 對哈尼梯田進行了實證研究, 得出以下主要結論:

1)哈尼梯田穩(wěn)定耕地的棄耕風險指數(shù)閾值為0.61~1.00, 面積占比為57%, 弱風險耕地的棄耕風險指數(shù)閾值為0.43~0.60, 面積占比為35%, 高風險耕地的棄耕風險閾值為0~0.42, 面積占比為8%。棄耕風險指數(shù)的空間格局為: 北部大于南部, 東部大于西部。哈尼梯田穩(wěn)定與弱風險耕地面積占比超過了90%, 總體較為穩(wěn)定, 棄耕風險小。

2)從影響因子來看: 穩(wěn)定耕地區(qū)主要受人口、糧食產量、道路距離等因子的影響, 其次為坡度、河流距離和海拔, 其中與人口、糧食產量為正向關系, 與道路距離、坡度、河流距離和海拔等因子為反向關系; 弱風險耕地區(qū)主要受降水因子影響, 其他環(huán)境因子的影響較小; 高風險耕地區(qū)主要受氣溫、坡度、海拔和河流距離等因子的影響, 其中坡度、海拔和河流距離為正向關系, 氣溫為反向關系。

為了使哈尼梯田更可持續(xù)地發(fā)展, 我們針對穩(wěn)定耕地、弱風險耕地和高風險耕地提出了優(yōu)化與管理建議:

1)穩(wěn)定耕地主要分布于元陽縣中部, 集中在新街、牛角寨、小新街、攀枝花4地, 穩(wěn)定耕地是本區(qū)農業(yè)生產條件最好的耕地。相關研究表明水稻優(yōu)生區(qū)農戶對耕地保護意愿更強[27], 因此建議此區(qū)劃入基本農田保護界線內, 嚴禁開發(fā)商業(yè)用地, 進行立法保護, 保障哈尼梯田糧食安全生產。同時本區(qū)主體與目前的世界文化遺產核心區(qū)、緩沖區(qū)邊界重疊, 從遺產保護的角度來看, 應將南部的黃草嶺-黃茅嶺片區(qū)、東部的逢春嶺片區(qū)納入遺產邊界, 進行保護。

2)弱風險耕地, 斑塊較為破碎, 交錯分布于穩(wěn)定耕地與高風險耕地之間, 其耕作條件較穩(wěn)定耕地差。相關研究提出機械化水平可以提高耕地的復種指數(shù)[28], 建議在人口稀疏、坡度和緩的河谷地區(qū)提升農業(yè)機械化水平, 引入熱帶經濟作物種植提升農業(yè)產值, 同時對于坡度過大的區(qū)域實施退耕還林還草, 保護生態(tài)環(huán)境, 為穩(wěn)定耕地建立堅固的生態(tài)屏障。

3)高風險耕地分布于馬街、牛角寨的東部, 嘎娘、逢春嶺、上新城、小新街的南端, 俄扎東部、黃草嶺中部, 主要分布于哀牢山等山區(qū), 坡度大、海拔高、溫度低, 難以滿足作物生長的熱量需求, 相關研究指出發(fā)展農業(yè)文化遺產旅游和生態(tài)旅游, 是促進梯田景觀復興及傳統(tǒng)文化現(xiàn)代回歸的有效手段[29]。因此建議此區(qū)進行大面積的退耕還林還草, 提高其生態(tài)價值, 發(fā)展生態(tài)旅游。

4)根據(jù)世界遺產保護條例, 遺產區(qū)內梯田需要維持現(xiàn)狀, 建議弱風險與高風險耕地位于遺產區(qū)內的, 進行耕作條件優(yōu)化, 維持其穩(wěn)定, 位于遺產區(qū)外的, 可根據(jù)實際情況適度退耕。

4 討論

從方法來看本文構建了以棄耕影響因子為主導的棄耕風險指數(shù)和以系統(tǒng)聚類為基礎的棄耕風險耕地識別方法, 并進行了實證研究, 初步論證了研究方法的可行性。關于棄耕風險的識別方法主要有基于IRENA指標法和基于遙感影像的識別方法。基于IRENA指標法[8]是目前應用較為廣泛的一種評價指標, 但在實際操作中主要以自然村、聚落一級的數(shù)據(jù)為評價依據(jù), 但在我國統(tǒng)計數(shù)據(jù)的最小尺度為鄉(xiāng)一級, 因此IRENA指標法在我國應用中存在數(shù)據(jù)不匹配的現(xiàn)實情況, 在識別結果上, IRENA指標法主要以數(shù)值結果為主, 空間表達欠缺?；谶b感影像法[9-12]對棄耕風險的識別需要長時間序列的影像進行判別, 識別的周期與數(shù)據(jù)量均較大。本文從方法來看是借助GIS手段, 應用遙感解譯產品對棄耕風險識別的一種方法, 與上述兩種方法相比本文計算的結果主要以空間數(shù)據(jù)為主, 使用的數(shù)據(jù)量相對于遙感影像識別法小。

從數(shù)據(jù)的精度來看, 哈尼梯田坡度大, 地形崎嶇, 梯田斑塊面積小, 從實際調查來看, 1~100 m2的梯田斑塊較為常見, 因此要求數(shù)據(jù)精度為1~10 m。但目前最常用的棄耕研究數(shù)據(jù)源為LANDSATE[10-11]與NDVI[12]數(shù)據(jù)產品, 其最優(yōu)分辨率為30 m和250 m, 若使用上述數(shù)據(jù)對哈尼梯田棄耕風險進行識別, 將無法識別1~100 m2的梯田斑塊的棄耕風險。為了提高識別精度, 本文主要使用了地理國情部門優(yōu)于1 m的矢量和優(yōu)于10 m的柵格數(shù)據(jù)產品, 但部分統(tǒng)計數(shù)據(jù)的精度還待進一步提升。

從影響棄耕風險指數(shù)的因子來看, 本文得出穩(wěn)定耕地區(qū)主要受人口海拔、道路距離、糧食產量等因子影響。Vidal-Macua等[15]和張佰林等[23]的研究結果表示人口是影響農戶棄耕的主要因子, 與本文研究結果相似。但哈尼梯田與上述兩個案列具有不同之處, 從區(qū)域特征來看Vidal-Macua等[15]的研究位于西班牙的西北部, 其研究的主要結論為, 在服務業(yè)人口比例較高的城市, 棄耕的現(xiàn)象增加。哈尼梯田是一個傳統(tǒng)的農業(yè)生產區(qū), 其主業(yè)是農業(yè)生產, 服務業(yè)在大部分區(qū)域還較少見; 張佰林等[23]的研究位于重慶山區(qū), 認為勞動力少、年齡偏大是其棄耕的重要原因, 哈尼梯田位于少數(shù)民族區(qū)域, 具有多胎生育的政策, 一定程度保證了勞動力的數(shù)量。此外本文還識別了高風險與弱風險耕地棄耕的主要驅動因子, 發(fā)現(xiàn)不同棄耕風險程度的區(qū)域, 驅動因子不同, 因此對棄耕風險因子的討論, 應該在遵循地理空間分異的前提下, 分區(qū)討論。近年來隨著哈尼梯田的申遺成功, 旅游業(yè)興起, 旅游經營者與農戶等諸多利益體間出現(xiàn)了比較利益現(xiàn)象。最為顯著的是部分農戶放棄耕種轉為旅游經營, 加劇了哈尼梯田的棄耕現(xiàn)象。但自2012年后, 梯田管理機構開始通過立法保護梯田, 并于同年頒布了《云南省紅河哈尼族彝族自治州哈尼梯田保護管理條例》, 其中二十五條明確規(guī)定禁止棄耕拋荒或者損毀梯田。農戶私自棄耕或損壞梯田將會受到不同程度的懲處, 極大地緩解了由比較利益引起的棄耕現(xiàn)象, 然而對政策性措施的量化、空間表達及其對棄耕風險的影響機制, 將是影響我們進一步深化研究的關鍵問題。

[1] LIU Y S, LI Y H. Revitalize the world’s countryside[J]. Nature, 2017, 548(7667): 275–277

[2] KAUPPI P E, AUSUBEL J H, FANG J Y, et al. Returning forests analyzed with the forest identity[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103(46): 17574–17579

[3] ROMERO-CALCERRADA R, PERRY G L W. The role of land abandonment in landscape dynamics in the SPA ‘Encinares del r??o Alberche y Cofio, Central Spain, 1984–1999[J]. Landscape and Urban Planning, 2004, 66(4): 217–232

[4] POYATOS R, LATRON J, LLORENS P. Land use and land cover change after agricultural abandonment[J]. Mountain Research and Development, 2003, 23(4): 362–368

[5] FOLEY J A, RAMANKUTTY N, BRAUMAN K A, et al. Solutions for a cultivated planet[J]. Nature, 2011, 478(7369): 337–342

[6] LAMBIN E F, MEYFROIDT P. Global land use change, economic globalization, and the looming land scarcity[J]. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108(9): 3465–3472

[7] Pointereau P, Coulon F, Girard P, et al. Analysis of Farmland Abandonment and the Extent and Location of Agricultural Areas that are Actually Abandoned or are in Risk to be Abandoned[R]. Ispra: Institute for Environment and Sustainability, 2008

[8] CORBELLE-RICO E, CRECENTE-MASEDA R. Evaluating IRENA indicator “Risk of farmland abandonment” on a low spatial scale level: the case of Galicia (Spain)[J]. Land Use Policy, 2014, 38: 9–15

[9] BAUMANN M, KUEMMERLE T, ELBAKIDZE M, et al. Patterns and drivers of post-socialist farmland abandonment in Western Ukraine[J]. Land Use Policy, 2011, 28(3): 552–562

[10] YIN H, PRISHCHEPOV A V, KUEMMERLE T, et al. Mapping agricultural land abandonment from spatial and temporal segmentation of Landsat time series[J]. Remote Sensing of Environment, 2018, 210: 12–24

[11] ALCANTARA C, KUEMMERLE T, PRISHCHEPOV A V, et al. Mapping abandoned agriculture with multi-temporal MODIS satellite data[J]. Remote Sensing of Environment, 2012, 124: 334–347

[12] L?W F, PRISHCHEPOV A, WALDNER F, et al. Mapping cropland abandonment in the Aral sea basin with MODIS time series[J]. Remote Sensing, 2018, 10(2): 159

[13] Keenleyside C, Tucker G. Farmland Abandonment in the EU: An Assessment of Trends and Prospects[R]. Report Prepared for WWF. London: Institute for European Environmental Policy, 2010

[14] 金芳芳, 辛良杰. 中國閑置耕地的區(qū)域分布及影響因素研究[J]. 資源科學, 2018, 40(4): 719–728 JIN F F, XLN L J. Spatial distribution and impact factors of farmland abandonment[J]. Resources Science, 2018, 40(4): 719–728

[15] VIDAL-MACUA J J, NINYEROLA M, ZABALA A, et al. Environmental and socioeconomic factors of abandonment of rainfed and irrigated crops in Northeast Spain[J]. Applied Geography, 2018, 90: 155–174

[16] WANG H L, QIU F, RUAN X F. Loss or gain: A spatial regression analysis of switching land conversions between agriculture and natural land[J]. Agriculture, Ecosystems & Environment, 2016, 221: 222–234

[17] PRISHCHEPOV A V, MüLLER D, DUBININ M, et al. Determinants of agricultural land abandonment in Post- Soviet European Russia[J]. Land Use Policy, 2013, 30(1): 873–884

[18] MOTTET A, LADET S, COQUé N, et al. Agricultural land-use change and its drivers in mountain landscapes: A case study in the Pyrenees[J]. Agriculture, Ecosystems & Environment, 2006, 114(2/3/4): 296–310

[19] Yu Z L, Liu L, Zhang H, et al. Exploring the factors driving seasonal farmland abandonment: A case study at the regional level in Hunan Province, Central China[J]. Sustainability, 2017, 9(2): 187

[20] SHI T C, LI X B, XIN L J, et al. The spatial distribution of farmland abandonment and its influential factors at the township level: A case study in the mountainous area of China[J]. Land Use Policy, 2018, 70: 510–520

[21] PAZúR R, LIESKOVSKY J, FERANEC J, et al. Spatial determinants of abandonment of large-scale arable lands and managed grasslands in Slovakia during the periods of post-socialist transition and European Union accession[J]. Applied Geography, 2014, 54: 118–128

[22] KOLECKA N, KOZAK J, KAIM D, et al. Understanding farmland abandonment in the Polish Carpathians[J]. Applied Geography, 2017, 88: 62–72

[23] 張佰林, 楊慶媛, 嚴燕, 等. 快速城鎮(zhèn)化進程中不同類型農戶棄耕特點及原因——基于重慶市十區(qū)縣540戶農戶調查[J]. 資源科學, 2011, 33(11): 2047–2054 ZHANG B L, YANG Q Y, YAN Y, et al. Characteristics and reasons of different households’ farming abandonment behavior in the process of rapid urbanization based on a survey from 540 households in 10 counties of Chongqing municipality[J]. Resources Science, 2011, 33(11): 2047–2054

[24] ZHANG Y, LI X B, SONG W, et al. Land abandonment under rural restructuring in China explained from a cost-benefit perspective[J]. Journal of Rural Studies, 2016, 47: 524–532

[25] XIE H L, WANG P, YAO G R. Exploring the dynamic mechanisms of farmland abandonment based on a spatially explicit economic model for environmental sustainability: A case study in Jiangxi Province, China[J]. Sustainability (Switzerland), 2014, 6(3): 1260–1282

[26] ZHANG Y, LI X B, SONG W. Determinants of cropland abandonment at the parcel, household and village levels in mountain areas of China: A multi-level analysis[J]. Land Use Policy, 2014, 41: 186–192

[27] 崔悅, 趙凱, 賀婧, 等. 水稻優(yōu)生區(qū)農戶資本稟賦對其耕地保護決策行為的影響——基于雙欄模型的實證研究[J]. 中國生態(tài)農業(yè)學報(中英文), 2019, 27(6): 959–970 CUI Y, ZHAO K, HE J, et al. Effect of capital endowment on Farmers’ decision-making in protecting cultivated land in a rice-growing area: An empirical study based on a double-hurdle model[J]. Chinese Journal of Eco-Agriculture, 2019, 27(6): 959–970

[28] 彭繼權, 吳海濤, 宋嘉豪, 等. 農業(yè)機械化水平對湖北農戶耕地復種指數(shù)的影響[J]. 中國生態(tài)農業(yè)學報(中英文), 2019, 27(3): 380–390 PENG J Q, WU H T, SONG J H, et al. Impact of agricultural mechanization level on farmers’ cropping index in Hubei Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(3): 380–390

[29] 胡偉芳, 張永勛, 王維奇, 等. 聯(lián)合梯田農業(yè)文化遺產地景觀特征與景觀資源利用[J]. 中國生態(tài)農業(yè)學報, 2017, 25(12): 1752–1760 HU W F, ZHANG Y X, WANG W Q, et al. Landscape characteristics and utilization in agro-cultural heritage systems in Lianhe Terrace[J]. Chinese Journal of Eco-Agriculture, 2017, 25(12): 1752–1760

Identification of potential abandoned farmland and driving factors in Honghe Hani Rice Terrace*

LIU Zhilin, DING Yinping, JIAO Yuanmei**, LIU Chengjing

(College of Tourism and Geography, Yunnan Normal University, Kunming 650500, China)

The identification of farmland at risk of abandonment is not only the scientific basis for utilization planning and management of overall farmland in a region but also a key measurement of agricultural sustainability. However, the accuracy of identification results can be affected by the gradualness and complexity of abandonment process and limited by the development of current relevant technologies. In response to these challenges, a set of scientific identification methods have been established for use in the World Heritage Site of Hani Rice Terraces. In the first of two steps, a farmland abandonment risk index (FARI) is constructed using factors such as road access, slope, elevation, water, precipitation, temperature, population, rice production, among others. Second, the farmlands at high risk of abandonment are identified through hierarchical cluster analysis. The results suggest first that farmland can be divided into three categories of abandonment threat: stable, low-risk abandonment, and high-risk abandonment. These categories accounted for 57%, 35%, and 8% of the total farmland area of the heritage site, respectively. Overall, the results indicate that farmlands at the heritage site were stable. Second, the variation trend for the FARI in longitude and latitude was: north was higher than south and east was higher than west. Third, in terms of spatial patterns, farmlands at high risk of abandonment (34.95 km2) were distributed at the boundary of Yuanyang County and composed of two parts (from Ganiang and Fengchunling to Xiaoxinjie, from Majie to eastern Niujiaozhai). The region was a key area for ecological restoration in the region because of poor cultivating conditions. Fourth, by analyzing the factors influencing the three types of farmland, the following results were obtained. Stable farmland was primarily affected by population, rice production, and road access, followed by slope, water, and elevation. Stability was positively associated with population and rice production and negatively associated with road access, slope, water, and elevation. Farmland at low risk of abandonment was most affected by precipitation, and other factors had less impact. Farmland at high risk of abandonment was primarily affected by temperature, slope, elevation, and river connectivity. Among them, the risk was positively associated with slope, elevation, and river connectivity and negatively associated with temperature. In conclusion, the Hani Rice Terraces were generally stable, with little risk of abandonment,and the factors affecting the risk of abandoned farming differed significantly in space.

Honghe Hani Rice Terrace; Agricultural heritage; Farmland; Farmland abandonment risk index (FARI); Abandonment factor

P933

* 國家自然科學基金項目(41761115, 41271203)和云南師范大學研究生科研創(chuàng)新重點項目(ysdyjs2019166)資助

角媛梅, 主要從事景觀生態(tài)學研究。E-mail: ymjiao@sina.com

劉志林, 主要從事景觀生態(tài)學和自然地理學研究。E-mail: zhilin2015@foxmail.com

2019-07-12

2019-10-08

* This study was supported by the National Natural Science Foundation of China (41761115, 41271203) and the Key Research Projects of Graduate Students in Yunnan Normal University (ysdyjs2019166).

, E-mail: ymjiao@sina.com

Jul. 12, 2019;

Oct. 8, 2019

10.13930/j.cnki.cjea.190521

劉志林, 丁銀平, 角媛梅, 劉澄靜. 紅河哈尼梯田潛在棄耕風險耕地識別及其主要影響因子[J]. 中國生態(tài)農業(yè)學報(中英文), 2020, 28(1): 124-135

LIU Z L, DING Y P, JIAO Y M, LIU C J. Identification of potential abandoned farmland and driving factors in Honghe Hani Rice Terrace[J]. Chinese Journal of Eco-Agriculture, 2020, 28(1): 124-135