韓春雷,沈彥俊,武蘭珍,郭 英,陳曉璐,4

(1.河北師范大學資源與環(huán)境科學學院 石家莊 050024;2.中國科學院遺傳與發(fā)育生物學研究所農(nóng)業(yè)資源研究中心 石家莊 050022;3.甘肅農(nóng)業(yè)大學水利水電工程學院 蘭州 730070;4.青海師范大學地理科學學院 西寧 810008)

耕地是社會生產(chǎn)發(fā)展的最基礎(chǔ)資源,其不僅僅是糧食的來源、人民生活的基礎(chǔ)物質(zhì)保障[1],還具有空間承載、生態(tài)服務等多種價值。耕地的分布及其變化對區(qū)域水資源的利用和生態(tài)環(huán)境的變化具有重要影響,不合理的耕地利用會導致水土流失、耕地質(zhì)量下降、水資源供需緊張、地下水位下降等一系列問題[2-3]。準確監(jiān)測耕地分布的變化是區(qū)域水土資源優(yōu)化管理的重要前提,對于構(gòu)建和保持區(qū)域或流域合理的山水林田湖草國土利用空間格局,實現(xiàn)區(qū)域或流域生態(tài)與經(jīng)濟協(xié)調(diào)發(fā)展具有重要的意義。

黃河流域是我國重要的生態(tài)屏障區(qū),水資源嚴重匱乏,缺水和水資源時空分布不均給全流域的高質(zhì)量發(fā)展帶來挑戰(zhàn)。黃河上游產(chǎn)出全流域56.77%的水資源[4],而農(nóng)業(yè)用水占全流域40%以上[5],農(nóng)業(yè)產(chǎn)出不高,水資源利用效率低下等問題突出。黃河上游處于干旱半干旱地區(qū),降水量少,不能滿足耕作需求,大量灌溉用水也加劇了水土流失問題。同時,農(nóng)業(yè)開發(fā)與生態(tài)環(huán)境保護和水資源高效利用矛盾突出,因灌溉導致的次生鹽堿化已成為影響耕地生產(chǎn)力可持續(xù)維持的突出問題。因此,研究過去幾十年黃河上游農(nóng)業(yè)用地的時空變化對于合理管理水土資源,制定科學合理的水資源利用規(guī)劃具有重要意義。

遙感和地理信息技術(shù)在耕地變化的監(jiān)測上已得到廣泛的應用,對于提升區(qū)域水土資源管理起到重要的支撐作用。國外學者Fritz 等[6]通過收集國家與全球尺度的耕地數(shù)據(jù),制作了以2005年為基準的1 km 全球IIASA-IFPRI 耕地百分比地圖,且用不同方式驗證有較好的精度;Clark 等[7]提出了一種土地利用和土地覆蓋制圖方法,通過結(jié)合MOD13Q1 數(shù)據(jù),用該方法在阿根廷、玻利維亞和巴拉圭的干查科生態(tài)區(qū)進行試驗,結(jié)果的精確度較好并指出大豆(Glycine max)和種植牧場擴張是造成林地毀壞的因素;Arowolo 等[8]利用遙感數(shù)據(jù)、氣象數(shù)據(jù)、統(tǒng)計數(shù)據(jù)等探討了尼日利亞耕地變化的驅(qū)動因素;Belgiu 等[9]基于高分辨率Sentinel-2 數(shù)據(jù),使用TWDTW(timeweighted dynamic time warping)方法在羅馬尼亞、意大利和美國分別進行基于像素和基于對象的各種作物類型分類,并與隨機森林算法結(jié)果進行比對,最終得到基于對象的效果要更好。國內(nèi)也有蘇銳清等[10]利用Landsat 影像分析了潮白河區(qū)域2001?2017年耕地利用時空變化;王鳳嬌等[11]利用遙感與統(tǒng)計數(shù)據(jù)探討了黃土高原耕地變化與糧食安全之間的關(guān)系;趙明明[12]利用無人機影像和高分一號影像對黑龍江海倫市的農(nóng)田耕地進行提取,對比分析發(fā)現(xiàn)無人機影像更適于進行農(nóng)田精準管理區(qū)劃分。在黃河流域,也有耕地變化軌跡[13]、土地利用[14-16]、生態(tài)功能區(qū)耕地治理[17]等相關(guān)研究,而這些研究中大多使用5年一期的土地利用數(shù)據(jù)或幾個時間節(jié)點的數(shù)據(jù),雖然空間分辨率精度相對較好,但還是缺少長期的動態(tài)監(jiān)測,在時間的連續(xù)性上有所欠缺。因此進行連續(xù)耕地變化監(jiān)測能夠更好地反映耕地長時間的時空差異,提供更為細致全面的耕地利用決策支持。

本文采用決策樹分類方法,以黃河上游龍羊峽以下地區(qū)為研究區(qū)域,借助遙感技術(shù)提取了黃河上游2002?2018年整體的耕地分布,分析了耕地的時空變化特征,為黃河上游生態(tài)環(huán)境保護、高質(zhì)量發(fā)展、土地合理規(guī)劃、水資源合理規(guī)劃等方面提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

黃河干流全長5464 km,流域總面積79.5 萬km2。黃河上游是指從源頭到內(nèi)蒙古頭道拐之間的流域范圍,其中唐乃亥水文站以上部分稱為源流區(qū),主要為青藏高原的草甸草原,是主要的牧業(yè)區(qū)。本文研究區(qū)集中在龍羊峽以下的黃河上游地區(qū)主要農(nóng)業(yè)耕地分布區(qū),該區(qū)位于100.68°～111.52°E,34.12°～41.84°N(圖1)。研究區(qū)地跨青藏高原、黃土高原兩大地形區(qū),地勢整體西南高、東北低,起伏較大,甘青地區(qū)山脈河谷較多,寧蒙地區(qū)多以平原為主,北部地區(qū)被巴丹吉林沙漠和烏蘭布和沙漠環(huán)繞。氣候隨地形分為高原氣候與大陸性氣候,降水多集中在每年的6?9月,占年降水的75%以上,多年平均降水量從青海的446 mm,遞減到河套平原的170 mm。

由于研究區(qū)地形起伏明顯、南北跨度較大,使得研究區(qū)內(nèi)溫度、光照、降水等條件有一定差異,東西、南北各地區(qū)耕地上會出現(xiàn)同一作物有不同的生育期或不同作物有相近的生育期情況,因此將研究區(qū)再分割出小區(qū)域以減少作物生育期差異對分類的影響。小區(qū)域分別為:內(nèi)蒙段、寧夏段、甘肅段和青海段。

1.2 數(shù)據(jù)來源

研究所用數(shù)據(jù)包括遙感數(shù)據(jù)、作物生育期數(shù)據(jù)、社會經(jīng)濟數(shù)據(jù)、實地考察數(shù)據(jù)。其中遙感數(shù)據(jù)為MOD13Q1 數(shù)據(jù)集中NDVI 數(shù)據(jù),空間分辨率為250 m,時間分辨率為16 d,研究使用2002?2018年的各年數(shù)據(jù),一年共有23 景,第一景為“B1”、第二景為“B2”,依次類推。作物生育期數(shù)據(jù)包括作物類型、播種日期、收獲日期等。社會經(jīng)濟數(shù)據(jù)包括研

究區(qū)內(nèi)各省、縣級的作物面積等。實地考察數(shù)據(jù)主要為實地獲取的作物類型點。表1 展示了各個數(shù)據(jù)的來源。

表1 研究數(shù)據(jù)來源Table 1 Research data sources

1.3 研究方法

1.3.1 時間序列諧波分析法(Harmonic Analysis of Time Series,HANTS)

MOD13Q1 數(shù)據(jù)集使用最大值合成法得到16 d一期的數(shù)據(jù),經(jīng)過該方法處理已經(jīng)消除了一部分噪聲,但是仍然存在一定不足。為進一步提升數(shù)據(jù)質(zhì)量,減少數(shù)據(jù)噪聲影響,使用時間序列諧波分析法對MOD13Q1 數(shù)據(jù)進行平滑去噪。該方法的核心算法是傅里葉變換和最小二乘法擬合,即把時間波譜數(shù)據(jù)分解成許多不同頻率的正弦曲線和余弦曲線,從中選取若干個能夠反映時間序列特征的曲線進行疊加,以達到時間序列數(shù)據(jù)的重建目的[18]。通過調(diào)整參數(shù),可以觀察曲線變化,且能夠在時間序列中任何時刻再現(xiàn)無云圖像[19]。

式中:諧波的余項A0等于序列的平均值;Aj為各諧波的振幅;ω=2jπ/N為各諧波的頻率;N為序列的長度;θj為各諧波的初相位;m為諧波個數(shù),m=N?1。這些正弦函數(shù)疊加構(gòu)成傅里葉序列[20]。

HANTS 的工作過程是:首先由所有離散數(shù)據(jù)生成最小平方擬合曲線,然后檢查每一個數(shù)據(jù)值,將它與曲線進行比較;圖像上受云影響的點NDVI 值會很低,明顯低于擬合曲線的點是受云干擾的點,要剔除并賦0 值;偏離量超過閾值最大的點優(yōu)先剔除,然后根據(jù)剩余的采樣點重新生成擬合曲線,再檢查每個數(shù)據(jù)值,再剔除偏離曲線超過閾值的點,反復循環(huán),最后生成光滑曲線[21]。

MOD13Q1 數(shù)據(jù)集的時間分辨率為16 d,一年則共有23 個波段,將每一個波段所對應的NDVI 值連接即可生成NDVI 時間序列曲線。但是原始的NDVI 時序數(shù)據(jù)不夠平滑,時間序列曲線較為曲折,較難判斷作物生育期,利用HANTS 對其進行濾波平滑,得到較為平滑的NDVI 時序曲線,以耕地上的作物為例平滑前后的NDVI 曲線對比如圖2所示。結(jié)合作物生育期以及平滑后的NDVI 時間序列曲線可以進行特征識別,為耕地提取提供依據(jù)。

1.3.2 決策樹分類

使用決策樹分類方法進行耕地提取。決策樹算法的基本思想是通過一些判斷條件對原始數(shù)據(jù)集逐步二分和細化,其中,每一個分叉點代表一個決策判斷條件;每個分叉點下有兩個葉節(jié)點,分別代表滿足條件和不滿足條件[22]。通過設(shè)置判別條件,計算輸入的數(shù)據(jù)是否滿足該節(jié)點所設(shè)置的條件,滿足和不滿足分別再進行計算,層層遞進,直到?jīng)]有規(guī)則進行判別為止,此時計算結(jié)束。該方法快捷、高效、易于操作,已經(jīng)被眾多學者應用。地面典型地物由于自身的光譜特性,在NDVI 時間序列曲線上的反映不同,例如,大部分地物的NDVI 值均大于0,但因水體自身對光線的吸收作用,一般NDVI 值小于0;城市、裸地等地物因植被覆蓋相對較低,NDVI 值也相對較低,一般小于0.3[23]。依據(jù)地物不同NDVI 曲線進行決策樹編寫,部分決策樹如圖3所示。

1.3.3 Mann-Kendall 檢驗

Mann-Kendall 檢驗是一種非參數(shù)統(tǒng)計檢驗方法,主要分析要素隨時間序列的變化趨勢。該方法的優(yōu)勢是樣本不需要遵循一定的分布狀態(tài),不受少數(shù)異常值的影響,計算簡便、應用范圍廣泛[24-25]。本文利用Mann-Kendall 檢驗對構(gòu)造的MODIS NDVI 時間序列數(shù)據(jù)進行趨勢檢驗,分析研究區(qū)內(nèi)植被隨時間的變化情況。利用Mann-Kendall 趨勢分析方法對研究區(qū)內(nèi)植被變化情況進行分析,設(shè)置α=0.05,臨界值為±1.96,其中臨界值大于0 但小于1.96 為不顯著增減,大于1.96 為顯著增加;臨界值小于0 但大于?1.96為不顯著減少,小于?1.96 為顯著減少。

2 結(jié)果與分析

2.1 耕地提取結(jié)果及精度驗證

利用決策樹分類方法進行耕地提取,結(jié)果如圖4所示。本文利用外出考察所取得的實地驗證點對提取結(jié)果進行混淆矩陣驗證;為了進一步驗證提取結(jié)果,將提取結(jié)果與研究區(qū)內(nèi)的縣級統(tǒng)計數(shù)據(jù)進行相關(guān)分析。利用手機照片所含的GPS 信息在外出考察中取點4190 個,對取得的點進行篩選整理,除去其他用途、重復、無效的點后,可用耕地點有808 個。對提取結(jié)果進行混淆矩陣驗證,其結(jié)果如表2所示,各地區(qū)耕地提取結(jié)果精度在75%以上。對提取結(jié)果和縣級統(tǒng)計數(shù)據(jù)進行相關(guān)分析,其結(jié)果如圖5所示,耕地提取結(jié)果與統(tǒng)計數(shù)據(jù)的R2達0.85,說明結(jié)果能夠反映研究區(qū)耕地時空分布。

表2 耕地提取混淆矩陣驗證結(jié)果Table 2 Result of cultivated land confusion matrix verification

2.2 研究區(qū)耕地時空分布

研究區(qū)各年份耕地數(shù)量及變化情況如圖6所示。2002年到2018年耕地面積呈增加狀態(tài),從276.16 萬hm2增加到364.37 萬hm2,共增加88.21 萬hm2,研究區(qū)整體增加速率為5.18 萬hm2·a?1;寧夏和內(nèi)蒙地區(qū)耕地增長最為迅速,2018年寧夏段耕地總面積達76.61 萬hm2,共增加64%,增加速率為1.87萬hm2·a?1;內(nèi)蒙段耕地面積也大幅增加,2018年達145.47 萬hm2,占總面積的44%,增加速率為2.46 萬hm2·a?1;甘肅段耕地面積同樣呈增加趨勢,到2018年共增加18.89 萬hm2,增加速率為1.05 萬hm2·a?1;青海段耕地則為減少趨勢,共減少5.36 萬hm2,減少速率為0.20 萬hm2·a?1。

在空間分布上,青海段地處青藏高原邊緣,地形起伏大,耕地主要分布在河谷地區(qū),沿黃河、湟水、大通河等谷地與兩側(cè)緩坡分布;甘肅段地處青藏高原和黃土高原的過渡地帶,地勢復雜多樣,耕地主要分布在較為平坦的河谷、山前沖積地區(qū),除沿黃河、洮河、祖厲河、莊浪河等河流分布外,還有景泰縣等引黃灌溉地區(qū);寧蒙地區(qū)地形較為和緩,耕地主要分布在河套平原地區(qū)。寧夏南部和中部因灌溉工程建設(shè),也有耕地分布。

研究區(qū)內(nèi)的耕地變化情況如圖7所示,青海段整體上耕地減少,減少主要集中于城市中心地區(qū)和坡地,如西寧市區(qū)、海東城市沿線、貴德縣城等。這些耕地主要是由社會經(jīng)濟發(fā)展、城市擴張引起。大通回族土族自治縣、互助土族自治縣等地區(qū)山中坡耕地減少而西寧市區(qū)、海東市、同仁縣等緩坡地區(qū)耕地增加。甘肅段整體上耕地增加,定西市、會寧縣地區(qū)最為明顯,臨洮縣、榆中縣、東鄉(xiāng)族自治縣也有增加,而天?？h南部山區(qū)、永登縣山前和城市地區(qū)、甘南地區(qū)耕地主要呈減少趨勢。寧蒙地區(qū)耕地都呈增加狀態(tài),在城市周邊耕地減少。此外寧夏段在南部原州區(qū)、中部紅寺堡地區(qū)也有明顯增加。

2.3 耕地變化驅(qū)動因素分析

植被變化與降水情況息息相關(guān),本文利用研究區(qū)內(nèi)及周邊46 個氣象站點的降水數(shù)據(jù)進行克里金插值,得到2002?2018年研究區(qū)降水量分布圖(圖8),研究區(qū)內(nèi)降水分布呈南多北少格局,北部地區(qū)因受氣候與沙漠影響降水最少。南部甘南地區(qū)處于青藏高原東北部,山脈縱橫,受地形阻擋影響水汽充足。研究區(qū)降水呈增加狀態(tài),2002?2018年平均降水量為333 mm,2002年平均降水量為310 mm,2018年平均降水量為441 mm,2018年增加量尤為顯著。從圖9可知,在研究時段內(nèi),大部分地區(qū)的NDVI 呈增加趨勢,其中西寧?蘭州?定西一帶以及臨夏州、白銀市等地區(qū)植被呈顯著增加趨勢;研究區(qū)內(nèi)主要山區(qū)、丘陵和寧蒙灌區(qū)的部分地區(qū)植被呈不顯著增加趨勢;而河湖等地植被呈減少趨勢。對降水和NDVI 進一步分析(圖10),研究區(qū)內(nèi)降水和NDVI 都呈增加趨勢,降水是影響植被生長的重要自然條件,研究區(qū)年平均降水量呈增加趨勢,NDVI 也隨之升高。研究區(qū)降水主要集中在6?9月,且秋收作物種植廣泛,降水量增多能夠為農(nóng)作物生長提供有力支持,進而成為耕地擴張的動力。韓海青等[26]、張露洋[27]的研究中也指出降水是耕地變化的動力。

農(nóng)田水利技術(shù)水平對耕地變化有很大影響,寧蒙灌區(qū)地勢和緩,灌區(qū)內(nèi)大面積采用渠道輸水和地面灌溉,其灌排工程基礎(chǔ)條件、灌溉用水習慣等在黃河流域引黃灌溉有較高代表性[28]。自1998年以來,寧蒙灌區(qū)在國家政策支持下進行了較為完備的節(jié)水改造與水利工程建設(shè),渠道調(diào)控和灌區(qū)供水保障能力顯著提升。河套灌區(qū)在1998?2015年間進行大規(guī)模節(jié)水改造與建設(shè),河套灌區(qū)擁有渠、溝10萬余條,各級灌排渠道6 萬余公里,各類設(shè)施物10 萬余座[29],灌溉水利用系數(shù)從2005年的0.300 提高到2019年的0.557。在寧夏灌區(qū)部分,有干渠、支干渠15 條,總長1540 km;排水干溝32 條,總長790 km;小型電力排灌站570 座,排灌機井506 多眼;各大干渠總引水能力750 m3·s?1,年引水量67 億m3[30],寧夏灌溉水利用系數(shù)由2003年的0.350 提高到2016年的0.514。節(jié)水與水利工程建設(shè)成效明顯,寧蒙灌區(qū)農(nóng)田水利完善使得農(nóng)業(yè)有更多灌溉水可用,這一因素促進了耕地面積的擴展。

從2002年開始,我國全面實行退耕還林政策,山區(qū)耕地逐漸減少。青海省從2000年開始試點退耕還林,2002年全面實行,到2016年退耕還林還草19.33萬hm2;而甘肅的甘南州自2000年開始退耕還林到2017年末,退耕2.61 萬hm2。圖7 也反映出青海段(大通回族土族自治縣、互助土族自治縣、湟中縣、湟源縣)、甘肅段(甘南地區(qū)、天祝藏族自治縣)等山區(qū)耕地呈減少趨勢,這與政策要求相一致,說明政策的影響很顯著。另外研究區(qū)內(nèi)沿河流分布的耕地可以利用地表水進行農(nóng)業(yè)灌溉,而像景泰、原州區(qū)、紅寺堡區(qū)等地表水缺乏的地區(qū)難以進行灌溉,但灌溉工程建設(shè)(如景電提灌工程、固海揚黃灌溉工程等)對這些地區(qū)的農(nóng)業(yè)耕作起到了決定性作用。如寧夏紅寺堡灌區(qū)在揚水工程建設(shè)以前并沒有耕地分布,在1998年工程建設(shè)后至2016年已經(jīng)成為解決4萬多hm2、30 萬人口用水的關(guān)鍵。還有如甘肅景泰縣內(nèi)地表水資源量很少,能用于灌溉的更少,而景電提灌工程的建設(shè)為景泰縣、古浪縣、民勤縣和阿拉善左旗提供了有效的灌溉用水,總灌溉面積達7.2 萬hm2。

在經(jīng)濟因素上,收集2002?2018年間研究區(qū)內(nèi)縣級統(tǒng)計數(shù)據(jù),將同一年份的數(shù)據(jù)合并得到一個總值,而后使用逐步回歸分析方法進行影響因素分析,從而得到影響耕地變化的驅(qū)動因素。在參考統(tǒng)計資料與前人研究[31]的基礎(chǔ)上選取以下指標:X1總?cè)丝?萬人)、X2城市人口(萬人)、X3鄉(xiāng)村人口(萬人)、X4城市化率(%)、X5地區(qū)生產(chǎn)總值(億元)、X6第一產(chǎn)業(yè)生產(chǎn)總值(億元)、X7第一產(chǎn)業(yè)結(jié)構(gòu)比重(%)、X8地區(qū)人均生產(chǎn)總值(元)、X9農(nóng)民可支配收入(元)、X10糧食產(chǎn)量(萬t)。每年一個總量指標,共計10 個。利用逐步回歸分析方法對各個指標與耕地變化進行分析,結(jié)果中只有農(nóng)民可支配收入被保留,其余指標經(jīng)過分析后皆被排除,因此農(nóng)民可支配收入是影響耕地面積變化的主要因素。經(jīng)青海地區(qū)實地調(diào)研,青海省有相當一部分耕地棄耕、撂荒,原因就是當?shù)鼐用褚驗榻?jīng)營耕地所得到的收入少于外出打工,致使勞動力外流,進而導致耕地變化。

3 結(jié)論與討論

3.1 討論

本文使用遙感MOD13Q1 數(shù)據(jù)結(jié)合作物物候等信息提取黃河上游至河口鎮(zhèn)的耕地分布信息。利用MODIS 數(shù)據(jù)進行耕地面積提取已經(jīng)被學者廣泛應用,且在區(qū)域尺度上耕地提取效果較好[32-33]。本文研究區(qū)范圍較大,同樣適宜使用MODIS 數(shù)據(jù)。MOD13Q1數(shù)據(jù)時間分辨率是16 d,全年連續(xù),而Landsat 衛(wèi)星數(shù)據(jù)受到一定限制,一些年份內(nèi)時間連續(xù)性較差。另一面,MOD13Q1 數(shù)據(jù)的圖幅較大且為處理后的產(chǎn)品數(shù)據(jù),另外還有專門用于處理MODIS 數(shù)據(jù)的工具,相對于其他遙感影像數(shù)據(jù)在處理應用上更為便捷。但是MOD13Q1 數(shù)據(jù)的空間分辨率為250 m,相較于SPOT、高分系列衛(wèi)星數(shù)據(jù)等高分辨率數(shù)據(jù)有一定的混合像元問題,尤其是在像青海和甘肅部分地塊較為破碎的地區(qū),耕地提取的效果可能相對較差。本文使用決策樹分類進行耕地提取,受主觀判斷影響較大,但研究區(qū)范圍較大對其內(nèi)部分別進行決策樹規(guī)則建立要優(yōu)于統(tǒng)一使用單一規(guī)則。其他學者如史飛飛等[34]使用15 m 分辨率的高分遙感影像提取耕地面積的分布特征,結(jié)果精度為85.7%,但是高分影像適用于局部地區(qū),而本研究范圍和時間尺度跨度較大,使用高分影像難度較大。湯敏[35]使用隨機森林算法與面向?qū)ο蠓诸惙椒ńY(jié)合SPOT6 影像進行耕地提取,結(jié)果顯示面向?qū)ο蠓诸惙椒ň容^高,但是面向?qū)ο蠓诸愡M行分割時所需參數(shù)較多且不容易確定,需要進行多次嘗試,在便捷性上稍弱于決策樹方法。

耕地提取結(jié)果顯示2018年在寧夏和甘肅南部地區(qū)耕地面積有明顯增加。圖8 顯示兩區(qū)域2018年降水量較往年明顯增加,對甘肅、寧夏南部區(qū)域進行裁剪,分別統(tǒng)計各年份的平均降水量和NDVI 均值,結(jié)果如圖11所示,可以明顯看出2018年降水和NDVI 值要高于歷年統(tǒng)計值。當年降水量較往年偏高,植被生長條件變好,使得當年MOD13Q1 數(shù)據(jù)的NDVI 值也較往年高,從而使得利用NDVI 提取耕地的面積增多,誤差增加。另一方面,甘肅省在2007年開始進行引洮一期工程,2015年8月正式運行,為會寧、安定等7 個縣(區(qū))城鄉(xiāng)用水提供了水資源保障,發(fā)展灌溉1.27 萬hm2,受益人口達225.35 萬人[36];引洮二期工程是一期工程的延伸,于2015年10月正式開工,主要解決定西、白銀等8 縣267 萬人的用水,計劃發(fā)展灌溉面積1.95 萬hm2[37]。引洮工程實施使得甘肅南部地區(qū)耕地擴張。

耕地的變化還與城市發(fā)展擴張有關(guān)。耕地變化結(jié)果顯示在城市的集中分布區(qū)由于城市發(fā)展占用耕地而使耕地呈減少狀態(tài)。在對社會經(jīng)濟因素的分析上,選用指標和方法存在一定的局限性,一個是指標選取依賴于統(tǒng)計資料,可能會出現(xiàn)一些偏差情況。另一個由于收集資料有限,在指標選取上有一定的取舍。

3.2 結(jié)論

耕地是社會發(fā)展的基礎(chǔ)資源,耕地變化會影響糧食安全,明確耕地變化對保持糧食穩(wěn)定、細化用水等方面有重要影響。本文基于MOD13Q1 數(shù)據(jù)集,利用決策樹分類方法并結(jié)合作物物候數(shù)據(jù)提取了黃河上游至河口鎮(zhèn)流域的耕地面積,獲得了研究區(qū)耕地時空變化情況,并對耕地變化因素進行了分析。研究結(jié)果如下:

1)研究區(qū)耕地主要沿河流、河谷分布,青甘地區(qū)地塊較為破碎,多呈斑塊分布;寧蒙地區(qū)地勢較為平坦,多呈集中分布。城市周邊和部分山區(qū)耕地減少,甘肅南部、寧夏南部、內(nèi)蒙沿黃地區(qū)耕地增加較多。

2)2002?2018年研究區(qū)耕地增加88.21 萬hm2,增加速率為5.18 萬hm2·a?1;青海段減少5.36 萬hm2,減少速率為0.20 萬hm2·a?1;甘肅段增加18.89 萬hm2,增加速率為1.05 萬hm2·a?1;寧夏段增加29.93 萬hm2,增加速率為1.87 萬hm2·a?1;內(nèi)蒙段增加44.74 萬hm2,增加速率為2.46 萬hm2·a?1。

3)影響耕地變化的因素有降水增加、節(jié)水改造、灌溉工程建設(shè)、政策因素、經(jīng)濟收入等,水資源政策和地方社會環(huán)境變化是研究區(qū)耕地面積變化的主要驅(qū)動因素,另外自然條件變化也趨向于促進植被生長,對耕地擴張有一定促進作用。