李鵬，蔣寧桑，封志明，肖池偉

1.中國(guó)科學(xué)院地理科學(xué)與資源研究所,北京 100101;

2.中國(guó)科學(xué)院大學(xué) 資源與環(huán)境學(xué)院,北京 100049

1 引 言

刀耕火種農(nóng)業(yè)是熱帶廣泛存在且備受爭(zhēng)議的傳統(tǒng)土地利用類(lèi)型，常見(jiàn)于拉丁美洲、非洲中部、南亞?wèn)|南亞的中低山與丘陵地區(qū)（Heinimann 等，2017；Mertz，2009），涉及全球約6%的人口（Gao等，2020；廖諶婳 等，2015；Mertz 等，2009），且主要為山區(qū)貧困少數(shù)民族。刀耕火種農(nóng)業(yè)與商品化種植是熱帶毀林與林地退化的主要?jiǎng)右颍–urtis等，2018；Schmidt?Vogt等，2009），其休耕期縮短與利用強(qiáng)度增強(qiáng)（Rossi 等，2010）影響著區(qū)域水土流失（Béliveau等，2009；Roder等，1997）與全球氣候變化（Tinker 等，1996）。聯(lián)合國(guó)“減少毀林和林地退化所致碳排放”計(jì)劃（REDD/2008）實(shí)施以來(lái)，其環(huán)境效應(yīng)、生計(jì)作用、文化屬性及其可持續(xù)性再次引起學(xué)界重新審視（Fox等，2014；Brady，1996）。特別地，刀耕火種休耕過(guò)程中獨(dú)有的“農(nóng)休林復(fù)”模式，較永久性農(nóng)業(yè)如橡膠等單一種植作物對(duì)固碳與維持生物多樣性更具優(yōu)勢(shì)（van Vliet 等，2012）。然而，鑒于其小農(nóng)屬性及其在現(xiàn)代農(nóng)業(yè)中的邊緣屬性，學(xué)界與決策部門(mén)對(duì)其確切分布、從業(yè)人口、休耕周期、利用強(qiáng)度、動(dòng)態(tài)演變及其對(duì)生態(tài)環(huán)境影響認(rèn)識(shí)有限，時(shí)序數(shù)據(jù)零星殘缺（Heinimann 等，2017；Padoch等，2007），且鮮見(jiàn)于統(tǒng)計(jì)年鑒（Wada等，2007）。這既不利于揭示其自身演變過(guò)程，又制約了全球氣候變化（Ryan等，2016）、熱帶森林—刀耕火種—種植園演變機(jī)理（Li 等，2022）及可持續(xù)發(fā)展目標(biāo)（SDGs）減貧與生計(jì)改善（Dressler 等，2015；Cramb等，2009）等研究。

刀耕火種常散布于偏遠(yuǎn)山地且地塊破碎，加之其農(nóng)林動(dòng)態(tài)轉(zhuǎn)變頻繁，是遙感監(jiān)測(cè)不足與資料匱乏的主因。迄今，熱帶刀耕火種數(shù)據(jù)多為估測(cè)，精度和可信度不高。如Butler（1980）首次報(bào)道了（亞）熱帶刀耕火種勾繪圖，且仍用于IPCC氣候變化預(yù)測(cè)（Hurtt 等，2011）；Silva 等（2011）利用2000 年土地覆被產(chǎn)品粗估了熱帶刀耕火種的可能分布，但公里格網(wǎng)對(duì)小農(nóng)生產(chǎn)監(jiān)測(cè)存在挑戰(zhàn)（Li等，2014）。此外，Heinimann 等（2017） 基于Hansen 等（2013）2000 年以來(lái)的全球毀林?jǐn)?shù)據(jù)，目視判讀并在1度尺度上預(yù)測(cè)熱帶刀耕火種將在本世紀(jì)消亡；Curtis 等（2018）雖指出刀耕火種是全球毀林主因，但有關(guān)該農(nóng)業(yè)在溫帶廣泛分布的結(jié)果使其可信度偏低。

得益于MODIS 與Landsat 等共享政策，遙感使得像元、景觀(guān)、到區(qū)域?qū)用娴牡陡鸱N演變動(dòng)態(tài)監(jiān)測(cè)成為可能（Li 等，2018a；Li 和Feng，2016；Hurni 等，2013；Leisz 和Rasmussen，2012）。橫向看，Landsat 因其長(zhǎng)時(shí)序、多光譜與較高空間分辨率等優(yōu)勢(shì)而被廣泛應(yīng)用（Pasha 等，2020；Jakovac等，2017）。此外，中南半島旱季（尤其是2—4月）既是刀耕火種砍伐—焚燒（slash?and?burn）集中期，亦是Landsat 少云或無(wú)云影像獲取關(guān)鍵期（Li等，2018b）。目前，刀耕火種遙感監(jiān)測(cè)多是基于監(jiān)督分類(lèi)、植被—水分指數(shù)（Pasha 等，2020）等傳統(tǒng)方法，更適合解決簡(jiǎn)單的二分類(lèi)問(wèn)題?，F(xiàn)階段，機(jī)器學(xué)習(xí)算法具有更強(qiáng)的高維復(fù)雜數(shù)據(jù)處理能力，然而其在熱帶刀耕火種及其演變動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用仍較為鮮見(jiàn)。刀耕火種農(nóng)業(yè)通常發(fā)生于山區(qū)森林且需明火焚燒，使得焚燒后地塊與林火火燒跡地具有相近的光譜、紋理與空間特征（Bourgoin 等，2021）。2000 年起，決策樹(shù)（祖笑鋒 等，2015）、邏輯回歸（Pu 和Gong，2004）、人工 神 經(jīng) 網(wǎng) 絡(luò)（Mallinis 和Koutsias，2012；Pu 和Gong，2004）、支持向量機(jī)（Tang 等，2020；Xie和Shi，2014）等機(jī)器學(xué)習(xí)算法已在火燒跡地提取研究中表現(xiàn)出潛力。因此，基于現(xiàn)有可獲取中高分辨率遙感產(chǎn)品（如Landsat 與Sentinel?2），發(fā)展面向刀耕火種農(nóng)業(yè)演變遙感監(jiān)測(cè)的機(jī)器學(xué)習(xí)算法愈發(fā)迫切。

支持向量機(jī)（SVM）以統(tǒng)計(jì)學(xué)習(xí)理論為算法基礎(chǔ)，能較好地應(yīng)對(duì)過(guò)度擬合問(wèn)題，有較強(qiáng)的高維數(shù)據(jù)集處理能力，在火燒跡地監(jiān)測(cè)（Xiong 和Yan，2019；Colson 等，2018） 與土地利用研究（Kesikoglu 等，2019）中均得到廣泛應(yīng)用，且其無(wú)需樣本正態(tài)分布的假設(shè)，具有良好的泛化能力，更易推廣。然而，熱帶新開(kāi)辟刀耕火種農(nóng)業(yè)土地清理階段前后跨度2—3 個(gè)月，使得當(dāng)年刀耕火種地塊具有焚燒前、中、后多階段性，較森林火燒跡地更為復(fù)雜。這也是基于SVM 算法開(kāi)展刀耕火種農(nóng)業(yè)監(jiān)測(cè)亟待解決的挑戰(zhàn)。本文以老撾豐沙里省為研究區(qū)，利用2016 年旱季Landsat OLI 影像，輔以ALOS DEM（12.5 m）、居民點(diǎn)與道路、Google Earth（GE）高清影像等，通過(guò)消除建設(shè)用地噪聲以修正基于支持向量機(jī)的新開(kāi)辟刀耕火種監(jiān)測(cè)結(jié)果，據(jù)此揭示其縣域差異、可達(dá)性與地形特征。本研究可為熱帶刀耕火種演變監(jiān)測(cè)提供方法借鑒，也可為評(píng)價(jià)該生計(jì)農(nóng)業(yè)空間適宜特征提供啟發(fā)。

2 研究區(qū)及數(shù)據(jù)

2.1 研究區(qū)概況

豐沙里?。≒hongsaly Province）地處老撾人民民主共和國(guó)最北端，東鄰越南奠邊省，西北與中國(guó)云南接壤，南部毗鄰老撾瑯勃拉邦與烏多姆賽兩省，土地面積為1.62×104km2，約占到老撾的6.84%（Lao Statistics Bureau，2014）。該省地勢(shì)北高南低，北部為云貴高原向南延伸部分，中南部為湄公河支流（南康河—南烏河）谷地及低山丘陵。全省以低、中山為主（圖1（a）），平均海拔900 m，平均坡度為21°，山脈多呈西北—東南走向。其中，低山（500—1000 m）、中山（>1000 m）近占全省的2/3 與1/3，500 m 以下丘陵與谷地僅占3.5%。多山且耕地匱乏為刀耕火種農(nóng)業(yè)生產(chǎn)奠定了自然基礎(chǔ)（Li 等，2014）。全省地處北回歸線(xiàn)以南，受東北季風(fēng)和西南季風(fēng)交替影響，屬熱帶季風(fēng)氣候（廖諶婳 等，2015）。根據(jù)CHELSA（Climatologies at High Resolution for the Earth’s Land Surface Areas，http：//chelsa?climate.org/［2020?12?08］）溫度與降水?dāng)?shù)據(jù)集，全省年均溫度為20.6 ℃（圖1（b）），年均降水量一般在1700—1800 mm，旱季（11月—翌年4月）雨季分明，其中旱季降水量不到全年1/5。2—4 月為刀耕火種農(nóng)業(yè)土地清理階段，降水少、空氣濕度低等特征為森林砍伐、曝曬和焚燒提供了適宜氣候條件，同時(shí)也有利于獲取少云/無(wú)云遙感影像（Li 等，2018a）。豐沙里省主要有刀耕火種農(nóng)業(yè)、永久性農(nóng)業(yè)用地、建設(shè)用地、林地、水域、草地以及裸露基巖7 種主要土地利用類(lèi)型。根據(jù)美國(guó)SERVIR?Mekong 覆被產(chǎn)品（Ingalls 等，2018），該省森林覆蓋率高，林地占到95%。該省東北部有普登丁山國(guó)家自然保護(hù)區(qū)（Phou Daen Din National Protected Area，2220 km2），與越南孟聶自然保護(hù)區(qū)（Muong Nhe Nature Reserve）毗鄰，主要植被為熱帶雨林和熱帶季雨林（如干燥常綠林與半常綠林），生物多樣性豐富。

圖1 老撾豐沙里省地形與氣候主要特征Fig.1 Major characteristics of topography and climate of Phongsaly Province，Laos

2016年豐沙里省總?cè)丝跒?.86×105人，僅占全國(guó)3%，人口密度約為11.5 人/km2，居該國(guó)末位（Lao Statistics Bureau，2018）。該省經(jīng)濟(jì)發(fā)展水平落后，農(nóng)業(yè)占絕對(duì)優(yōu)勢(shì)。受自然地理?xiàng)l件約束，刀耕火種農(nóng)業(yè)是其傳統(tǒng)的土地利用方式，自給程度極高。主要農(nóng)作物有稻谷（以旱稻為主）和玉米，2016 年二者種植面積分別為164.75 km2和91.3 km2（Lao Statistics Bueau，2018）。本區(qū)刀耕火種農(nóng)業(yè)于每年2 月及以前完成植被砍伐，3 月風(fēng)干暴曬，在雨季來(lái)臨前（4 月）完成焚燒并進(jìn)行農(nóng)作物播種。植被焚燒能去除野草和害蟲(chóng)，其燃燒灰燼可支持作物生長(zhǎng)1—2 年（多則3 年），之后進(jìn)入休耕（5—20 年）以恢復(fù)植被（廖諶婳等，2014；Inoue等，2010）。近年來(lái)，休耕期縮短是刀耕火種演變重要特征（Jakovac 等，2017）。

2.2 Landsat 8 OLI 影像及預(yù)處理

Landsat 8 OLI Level?2 地表反射率產(chǎn)品（30 m）由美國(guó)地質(zhì)調(diào)查局（https：//espa.cr.usgs.gov/［2020?12?08］）提供，該產(chǎn)品已經(jīng)過(guò)輻射校正、幾何精校正與大氣校正；其16 d 重訪(fǎng)周期有助于捕捉2—4月刀耕火種農(nóng)業(yè)燒伐引起的地表覆被變化。選擇豐沙里省進(jìn)行SVM 算法測(cè)試的另一考慮是該省基本上由單景影像（軌道號(hào)/行號(hào)：129/045）所覆蓋（99.6%），且便于縣域比較。軌道外區(qū)域位于約烏縣西北角，毗鄰西雙版納勐臘縣，且主要為森林覆蓋，其對(duì)刀耕火種農(nóng)業(yè)監(jiān)測(cè)的影響可忽略不計(jì)。鑒于刀耕火種集中焚燒時(shí)間前后跨度較長(zhǎng)，為最大化識(shí)別新開(kāi)辟刀耕火種信息，需選取土地清理階段后期影像（4月中下旬）。檢索豐沙里省2010年—2020年2—4月共60期影像，最終選取2016年旱季4月12日與28 日兩景OLI 影像用于SVM 算法提取與結(jié)果相互校驗(yàn)。兩景影像云量少（約為5%與2%，全省云量不足1%），適合作為實(shí)驗(yàn)數(shù)據(jù)開(kāi)展研究。

新開(kāi)辟刀耕火種地塊遙感識(shí)別易受建設(shè)用地干擾，本文通過(guò)引入建設(shè)用地指數(shù)并消除建設(shè)用地噪聲以提高SVM 算法對(duì)新開(kāi)辟刀耕火種信息的提取精度。新開(kāi)辟刀耕火種與建設(shè)用地在非土地清理階段（5 月—翌年1 月）光譜特征差異顯著，但該時(shí)期處于當(dāng)?shù)赜昙?，無(wú)云/少云影像少。綜合考慮云覆蓋與成像時(shí)間，篩選了2014年12月19日OLI 影像（云量為5%）用于建設(shè)用地提取。需要說(shuō)明的是，豐沙里省經(jīng)濟(jì)發(fā)展水平居老撾末位且城市化進(jìn)程緩慢，在刀耕火種遍布的山區(qū)尤甚?；谇皟赡暧跋瘾@取建設(shè)用地信息并用于降低噪聲所產(chǎn)生的誤差很小，能滿(mǎn)足研究需要。

2.3 ALOS PALSAR DEM 及預(yù)處理

先進(jìn)陸地觀(guān)測(cè)衛(wèi)星相控陣型L波段合成孔徑雷達(dá)（ALOS PALSAR）DEM 高分辨率（12.5 m）地形校正產(chǎn)品（RT1，GeoTIFF）來(lái)源于美國(guó)國(guó)家航空航天局EarthData 平臺(tái)（https：//search.asf.alaska.edu/［2020?12?08］）。PALSAR 采用單極化觀(guān)測(cè)，極化方式為HH。ALOS PALSAR 具有多極化與全天時(shí)全天候陸地觀(guān)測(cè)等優(yōu)勢(shì)，且因波長(zhǎng)較長(zhǎng)而使相同時(shí)間間隔內(nèi)地面相干性更高，有利于高植被覆蓋區(qū)的地形監(jiān)測(cè)（吳宏安和張永紅，2011）。

豐沙里省全覆蓋需10個(gè)DEM產(chǎn)品，基于ArcGIS完成全省DEM鑲嵌與裁剪，并計(jì)算其坡度與坡向。根據(jù)地貌單元?jiǎng)澐謽?biāo)準(zhǔn)和丘陵山地新開(kāi)辟刀耕火種地形特征研究需要，將全省海拔分為3 大類(lèi)，即丘陵（293—500 m，占比3.52%）、低山（500—1000 m，65.01%）和中山（1000 m以上，31.47%），其中海拔超1500 m 的地區(qū)不及全省面積的1%。全省坡度介于0—79°，平均坡度為21°。類(lèi)似地，根據(jù)中國(guó)水利部土壤侵蝕分類(lèi)分級(jí)標(biāo)準(zhǔn)（《土壤侵蝕分級(jí)分類(lèi)標(biāo)準(zhǔn)》（SL190?2007）），將坡度劃分為6 級(jí)：微坡0—5° （占比2.57%）、緩坡5°—8°（3.85%）、緩斜坡8°—15°（17.70%）、斜坡15°—25°（42.48%）、陡坡25°—35°（27.41%）和峭坡>35°（5.99%）。同樣，將坡向劃分為北坡（占比12.90%）、東北坡（11.14%）、東坡（11.80%）、東南坡（13.98%）、南坡（13.28%）、西南坡（12.14%）、西坡（11.62%）、西北坡（13.08%）和平地（0.06%）。

2.4 居民點(diǎn)和道路數(shù)據(jù)

豐沙里省居民點(diǎn)和道路信息來(lái)源于OSM（OpenStreetMap，https：//www.openstreetmap.org/［2020?12?08］）。OSM構(gòu)建了可編輯的免費(fèi)世界地圖，更新快、時(shí)效性強(qiáng)。本文所用居民點(diǎn)、道路數(shù)據(jù)更新于2021 年1 月2 日，數(shù)據(jù)格式為shapefile。居民點(diǎn)數(shù)據(jù)記錄了地名、等級(jí)、人口等信息，全省共有405 條原始居民點(diǎn)記錄，對(duì)照GE 影像保留并調(diào)整了380個(gè)，刪除25個(gè)，新增143個(gè)，最終獲得研究區(qū)共523個(gè)居民點(diǎn)。

道路數(shù)據(jù)提供了包含主要道路（major roads）、次要道路（minor roads）、道路連接處（highway links）、小路（very small roads）、非機(jī)動(dòng)車(chē)道（paths unsuitable for cars）以及未知（unknown）共5類(lèi)26種道路信息。主要道路包括國(guó)際、省際、縣際公路；次要道路包括各類(lèi)地方公路；山路提取自小路數(shù)據(jù)子集，以礫石路為主，多為農(nóng)業(yè)用途。本研究提取全省184條主要公路、918條次要公路、1601條山路。全省公路結(jié)構(gòu)單一，為一條貫穿南北的公路線(xiàn)組，連通西部各縣；次級(jí)公路大致沿主路向各個(gè)方向延伸；山路數(shù)量眾多但距離短，多分布在公路兩側(cè)。居民點(diǎn)與道路數(shù)據(jù)主要用于開(kāi)展新開(kāi)辟刀耕火種的緩沖區(qū)分析，步長(zhǎng)為1 km，最大緩沖距離為10 km。

3 研究方法

基于研究區(qū)地物特征建立訓(xùn)練樣本，利用支持向量機(jī)算法對(duì)2016 年4 月12 日與28 日兩景影像進(jìn)行分類(lèi)提取，對(duì)兩期新開(kāi)辟刀耕火種提取范圍進(jìn)行疊加取并集，用以初步表征2016 年新開(kāi)辟刀耕火種信息。為消除建設(shè)用地所產(chǎn)生的噪聲，在近兩年建設(shè)用地基本不變的假設(shè)下，引入建設(shè)用地指數(shù)與平地信息（2014 年），并對(duì)新開(kāi)辟刀耕火種初步提取結(jié)果進(jìn)行掩膜處理，從而得到2016 年新開(kāi)辟刀耕火種專(zhuān)題圖。具體流程如圖2所示。

圖2 豐沙里省新開(kāi)辟刀耕火種信息提取及其空間分析技術(shù)路線(xiàn)Fig.2 Technical route for detecting newly?opened swidden and its spatial analysis in Phongsaly Province，Laos

3.1 構(gòu)建訓(xùn)練樣本

訓(xùn)練樣本建立是SVM 算法的關(guān)鍵，其質(zhì)量直接關(guān)系到結(jié)果的準(zhǔn)確性（許晴等，2022）。根據(jù)豐沙里省土地利用類(lèi)型，為提高各類(lèi)地物樣本可分性，將光譜特征相似的非刀耕火種地類(lèi)進(jìn)行合并，最終確定5類(lèi)地物（新開(kāi)辟刀耕火種、建設(shè)用地與永久性農(nóng)業(yè)用地、林地、水域、草地和裸露基巖）。受刀耕火種動(dòng)態(tài)變化影響，2016 年4 月28日影像中新開(kāi)辟刀耕火種光譜特性?xún)?nèi)部差異較大，故進(jìn)一步將其劃分為砍伐階段土地和火燒階段土地。綜合地物光譜、地形、形狀、大小、邊緣等空間特征，基于準(zhǔn)確性、代表性與統(tǒng)計(jì)性樣本選取原則，對(duì)照GE 影像反復(fù)對(duì)比，并目視選取各類(lèi)地物斑塊內(nèi)部均質(zhì)像元作為樣本。以桑潘縣西南部為例，圖3 展示了新開(kāi)辟刀耕火種在Landsat 與GE 高分辨率影像中成像及其樣點(diǎn)分布?？紤]到地物自身復(fù)雜性與空間異質(zhì)性，樣本均散布于研究區(qū)各個(gè)區(qū)域，且含有足量像元（>1000 個(gè)，表1），使其能夠反映地物光譜特性在空間上的波動(dòng)情況。基于Jeffries?Matusita 距離和轉(zhuǎn)換分離度計(jì)算的樣本可分性（表2），新開(kāi)辟刀耕火種與建設(shè)用地及永久性耕地易混淆。

表1 基于2016年兩期OLI影像選取的地物訓(xùn)練樣本像元數(shù)量Table 1 Pixels number of training samples of major land use/cover types based on the two images in 2016/個(gè)

表2 各類(lèi)地物樣本相對(duì)于新刀耕火種農(nóng)業(yè)的可分性對(duì)比Table 2 Comparison of the separability of other feature samples relative to newly-opened swidden

圖3 老撾桑潘縣西南部新開(kāi)辟刀耕火種在Landsat與GE成像及其樣本點(diǎn)（部分）分布Fig.3 Imaging of newly?opened swidden in Landsat and GE and the distribution of sample points（partial）in the southwest of Samphanh District，Laos

3.2 支持向量機(jī)（SVM）算法

SVM 算法在新開(kāi)辟刀耕火種信息提取的優(yōu)勢(shì)表現(xiàn)在：一是能有效解決Landsat 因分辨率較高而造成的地物線(xiàn)性不可分問(wèn)題，二是其對(duì)訓(xùn)練樣本的高包容性能降低刀耕火種訓(xùn)練樣本選取難度（杜培軍等，2016）。性能優(yōu)劣取決于核函數(shù)（多項(xiàng)式核函數(shù)和高斯核函數(shù)）選取，核函數(shù)可以把數(shù)據(jù)從源空間映射到目標(biāo)空間，以解決數(shù)據(jù)線(xiàn)性不可分問(wèn)題（李楠等，2018）。因高斯核函數(shù)較為靈活且更適用于樣本數(shù)量可觀(guān)、特征少的情形，故選擇高斯函數(shù)。懲罰系數(shù)C在建立分類(lèi)器過(guò)程中用于平衡模型復(fù)雜度和誤分率之間的關(guān)系，進(jìn)而影響學(xué)習(xí)機(jī)器的推廣能力（惠文華，2006）。當(dāng)C較小時(shí)，支持向量以及超平面的模型較為簡(jiǎn)單，離群點(diǎn)數(shù)量增加，誤分率較高；反之，則易發(fā)生過(guò)度擬合。由于新開(kāi)辟刀耕火種農(nóng)業(yè)包含砍伐、曝曬和焚燒等階段，光譜特征較為復(fù)雜，本文以10 為步長(zhǎng)，在［0，200］范圍內(nèi)對(duì)懲罰參數(shù)進(jìn)行調(diào)整，反復(fù)試驗(yàn)確定其值為100，此時(shí)提取出的新開(kāi)辟刀耕火種地塊邊界清晰，且漏分誤差較低。參數(shù)γ 在SVM 算法中用來(lái)度量?jī)牲c(diǎn)之間的差異，通常將其設(shè)置為樣本特征數(shù)（OLI 的7 個(gè)波段）的倒數(shù)，故將參數(shù)γ設(shè)置為0.143（鄧書(shū)斌等，2014）。

3.3 建設(shè)用地提取

新開(kāi)辟刀耕火種遙感提取易受到建設(shè)用地干擾而造成錯(cuò)分。根據(jù)歸一化建設(shè)指數(shù)NDBI（Normalized Difference Built?up Index）（查勇 等，2003）和比值居民指數(shù)RRI（Ratio Resident?area Index）（吳宏安等，2006），輔以建設(shè)用地光譜信息和地形（平地）特征，確定豐沙里省建設(shè)用地分布信息，并據(jù)此改善面向新開(kāi)辟刀耕火種的SVM算法提取結(jié)果。公式如下：

式中，Band 2、Band 5、Band 6 分別為L(zhǎng)andsat?8 OLI 藍(lán)波段、近紅外和短波紅外的地表反射率。NDBI取值介于?1與1。根據(jù)建設(shè)用地的光譜特征，建設(shè)用地像元NDBI>0或RRI>1。

建設(shè)用地與刀耕火種農(nóng)業(yè)用地同為人類(lèi)活動(dòng)的產(chǎn)物，具有較為相似的光譜特征，但二者發(fā)生的地形條件存在差異。前者普遍分布在平地，后者集中在丘陵、山地，這是刀耕火種地塊區(qū)別于建設(shè)用地的重要特征之一。地形起伏度常用于表征區(qū)域內(nèi)地表起伏程度，其精度取決于分析窗口大小（封志明等，2020）?；贏LOS DEM，通過(guò)對(duì)照全省實(shí)際建設(shè)用地范圍與不同窗口下（10×10、11×11、…、19×19、20×20）的平地分布，最終將平地定義為15×15矩形鄰域分析窗口內(nèi)、高差小于40 m 的區(qū)域。在該窗口下，研究區(qū)平地范圍趨于穩(wěn)定，能夠反映該省的一般地形特征，且與建設(shè)用地分布較為吻合。利用平地信息對(duì)全省建設(shè)用地進(jìn)行掩膜，獲得改進(jìn)后的建設(shè)用地信息，總體精度為89.71%。

4 結(jié)果與分析

4.1 考慮建設(shè)用地噪聲的新開(kāi)辟刀耕火種SVM算法

對(duì)消除建設(shè)用地干擾前后的4月兩期新開(kāi)辟刀耕火種農(nóng)業(yè)提取結(jié)果進(jìn)行精度評(píng)價(jià)（表3）與目視對(duì)比發(fā)現(xiàn)，一方面利用建設(shè)用地進(jìn)行掩膜明顯改善了SVM 算法將建設(shè)用地錯(cuò)分為新開(kāi)辟刀耕火種的現(xiàn)象，兩期提取結(jié)果的用戶(hù)精度分別提高了9.29%和13.79%；另一方面，結(jié)果優(yōu)化前后的制圖精度均較高（>85%）且較穩(wěn)定，說(shuō)明SVM 算法對(duì)于新開(kāi)辟刀耕火種的漏分率較低，同時(shí)建設(shè)用地信息剔除并沒(méi)有影響SVM 高精度提取性能的發(fā)揮。

表3 建設(shè)用地掩膜前后新開(kāi)辟刀耕火種與建設(shè)用地混淆矩陣及精度評(píng)價(jià)Table 3 Confusion matrix and accuracy evaluation of newly-opened swidden and built-up land based on SVM（before and after through masking out built-up land）

以建設(shè)用地典型區(qū)（本訥縣圖4（a））和新刀耕火種典型區(qū)（桑潘縣和夸縣交界，圖4（b））為例，考慮建設(shè)用地的SVM 分類(lèi)結(jié)果可以很好地剔除建設(shè)用地的干擾（圖4（a）右圖），而在不受建設(shè)用地影響的區(qū)域能較為完整地保留新刀耕火種信息（圖4（b）右圖）。換言之，利用建設(shè)用地信息進(jìn)行掩膜的方法僅會(huì)對(duì)建設(shè)用地干擾進(jìn)行修正，而不會(huì)對(duì)新開(kāi)辟刀耕火種地塊造成影響。表4 為2016 年豐沙里省基于4 月12 日與28 日新開(kāi)辟刀耕火種再拼接與考慮建設(shè)用地支持向量機(jī)提取結(jié)果的精度對(duì)比。修正前后的制圖精度均保持在88%左右，這顯示出SVM 在新開(kāi)辟刀耕火種信息提取的潛力。SVM 算法提取結(jié)果經(jīng)建設(shè)用地修正后，其分類(lèi)精度較基于單一SVM 分類(lèi)算法有所提高，其中用戶(hù)精度、總體精度、Kappa系數(shù)分別提高了20.48%、 5.44%、 0.16， 同 時(shí) 錯(cuò) 分 誤 差 減 少20.48%。對(duì)分類(lèi)結(jié)果與原始影像目視對(duì)比發(fā)現(xiàn)，分類(lèi)誤差主要是由于部分建設(shè)用地被誤分為新開(kāi)辟刀耕火種，錯(cuò)分的區(qū)域主要分布在該省西部河谷地區(qū)。

表4 2016年豐沙里省新開(kāi)辟刀耕火種提取結(jié)果在優(yōu)化前后的精度對(duì)比Table 4 Accuracy comparison of the extraction results of newly-opened swidden based on SVM in Phongsaly in 2016

圖4 豐沙里省典型區(qū)建設(shè)用地掩膜前后SVM新開(kāi)辟刀耕火種提取結(jié)果對(duì)比Fig.4 Maps showing the results of newly?opened swidden in typical areas using the SVM before and after masking out the layer of built?up land

4.2 新開(kāi)辟刀耕火種農(nóng)業(yè)空間分布格局

2016 年，豐沙里省新開(kāi)辟刀耕火種面積為987.93 km2，約占全省6.10%。其中，4月12日與28日兩期影像監(jiān)測(cè)結(jié)果分別為764.01 km2與587.58 km2，空間重合部分面積為363.66 km2。新開(kāi)辟刀耕火種空間上南多北少，西多東少。該省東北部有普登丁山國(guó)家自然保護(hù)區(qū)，居民點(diǎn)分布稀疏，且交通不便，當(dāng)年新開(kāi)辟刀耕火種地塊很少。

在景觀(guān)層面，全省共有66860個(gè)新開(kāi)辟刀耕火種斑塊，破碎化分布特征明顯。斑塊間最大和最小歐式鄰近距離分別為3.26 km和0.06 km，平均約為0.12 km。各斑塊面積差別較大，最大斑塊為9.75 km2，分布于本代縣與桑潘縣交界區(qū)域；最小斑塊僅0.9×10?3km2（單個(gè)像元）。斑塊整體面積偏小，中位數(shù)為2.7×10?3km2，平均面積為1.48×10?3km2。新開(kāi)辟刀耕火種地塊形狀不規(guī)則，多分布在坡地。受地形影響，與局部等高線(xiàn)平行，平均形狀指數(shù)為1.26。在縣域?qū)用?，該? 縣當(dāng)年新開(kāi)辟刀耕火種面積差異較小，均介于100—210 km2，（表5）。具體地，東南部桑潘縣、北部約烏縣和南部邁縣這3 個(gè)縣的新開(kāi)辟刀耕火種面積較大，分別為206.25 km2、184.67 km2、136.74 km2，3 縣 占 比 在全省過(guò)半，與其縣域面積占比相當(dāng)（55.55%）；其次為本代縣、豐沙里縣和夸縣，本訥縣最小。受縣域面積影響，各縣新開(kāi)辟刀耕火種分布密度與其整體占比并不匹配。本代縣新開(kāi)辟刀耕火種分布密度最高，約占全縣的1/10，其次為本訥縣、桑潘縣和夸縣，豐沙里縣為該省省會(huì)所在地，分布密度最小。

表5 豐沙里省各縣刀耕火種農(nóng)業(yè)面積及其占比Table 5 District-level area of newly-opened swidden and the related proportions in Phongsaly Province

4.3 新開(kāi)辟刀耕火種的居民點(diǎn)與道路可達(dá)性

豐沙里省居民點(diǎn)與新開(kāi)辟刀耕火種在空間上具有一致性，即西南多、東北少。全省新開(kāi)辟刀耕火種與鄰近居民點(diǎn)的距離存在明顯差異。居民點(diǎn)1 km 以?xún)?nèi)新開(kāi)辟刀耕火種較少，面積為177.96 km2（約17.91%），近八成分布在距居民點(diǎn)1 km 以外。然而，之后新開(kāi)辟刀耕火種表現(xiàn)出顯著的距離衰減特征（圖5（a））。其中，1—10 km范圍內(nèi)新開(kāi)辟刀耕火種占到80.27%，而1—5 km 區(qū)間近占7 成，以1—4 km范圍內(nèi)尤其明顯（占比近2/3），而10 km以外僅占1.82%；此外，縣域?qū)用娈?dāng)年新開(kāi)辟刀耕火種隨著距居民點(diǎn)距離的增加，亦呈現(xiàn)較為一致的先增加后減少分布特征，且集中分布在4 km 以?xún)?nèi)，其中本訥縣和夸縣占比近九成，本代縣更甚，約占98%，其余各縣占比在80%左右。各縣新開(kāi)辟刀耕火種均在居民點(diǎn)1—2 km 范圍內(nèi)達(dá)到峰值，以桑潘、本代、約烏、夸以及邁5縣最為突出，面積介于35—75 km2（圖5（b））；相比之下，豐沙里縣和本訥縣新開(kāi)辟刀耕火種隨與居民點(diǎn)距離變化較小。特別地，除約烏縣外，各縣在4 km 以外各緩沖區(qū)內(nèi)新開(kāi)辟刀耕火種面積均小于10 km2，且變化趨于平緩。

圖5 豐沙里省與各縣2016年新開(kāi)辟刀耕火種與居民點(diǎn)的距離特征Fig.5 Characteristics of the distance between newly?opened swidden and resident points in Phongsaly Province and the districts in 2016

道路能夠擴(kuò)展人類(lèi)活動(dòng)范圍，并在一定程度上決定山區(qū)新開(kāi)辟刀耕火種分布特征。類(lèi)似地，豐沙里省2016 年新開(kāi)辟刀耕火種距道路亦表現(xiàn)出距離衰減規(guī)律，但不同道路等級(jí)呈現(xiàn)出不同的變化特征（圖6（a））。全省新開(kāi)辟刀耕火種在次要公路兩側(cè)10 km 以?xún)?nèi)分布最多，占比95.86%，其中5 km 范圍內(nèi)尤為集中，占比達(dá)到86%，而2 km以?xún)?nèi)占比過(guò)半，且距離每增加1 km，面積平均減少34 km2，衰減速率隨距離的增大而減少；其次是山路，全省近九成新開(kāi)辟刀耕火種分布在山路兩側(cè)10 km 范圍內(nèi)，其面積隨距離衰減速率小于次要公路，約21 km2/km。主要公路兩側(cè)10 km 范圍內(nèi)新開(kāi)辟刀耕火種分布范圍最少（67.12%），各緩沖區(qū)內(nèi)的面積在40—110 km2之間，但仍呈現(xiàn)出隨距離緩慢遞減的變化特征。特別地，新開(kāi)辟刀耕火種在道路3 km 緩沖區(qū)內(nèi)，主要分布在次要公路兩側(cè)，3—6 km 內(nèi)主要沿山路分布，6 km 以外區(qū)域則以主要公路為主。

各縣新開(kāi)辟刀耕火種隨距道路遠(yuǎn)近的分布特征更為復(fù)雜。在主要公路兩側(cè)，各縣新開(kāi)辟刀耕火種在10 km 各個(gè)緩沖區(qū)內(nèi)分布較均勻，其分布特征較為一致。本訥縣、本代縣和夸縣這3個(gè)縣的約九成新開(kāi)辟刀耕火種在10 km 內(nèi)，而邁縣和豐沙里縣占比不足50%（圖6（b））。由圖6（c）可知，各縣新開(kāi)辟刀耕火種總體上隨距次要公路距離增大而遞減，即越鄰近次要公路，各縣刀耕火種現(xiàn)象越常見(jiàn)，集中分布在道路兩側(cè)4 km以?xún)?nèi)。除夸縣和本代縣新開(kāi)辟刀耕火種在次要公路1—2 km 緩沖區(qū)內(nèi)達(dá)到峰值外，其余各縣均在次要公路兩側(cè)1 km以?xún)?nèi)面積最大。新開(kāi)辟刀耕火種隨山路的分布特征存在縣域差異（圖6（d））。約烏縣、本訥縣和本代縣新開(kāi)辟刀耕火種在山路1 km 范圍內(nèi)面積最大，且距離山路越遠(yuǎn)，面積越?。簧Ｅ丝h、豐沙里縣和夸縣的新開(kāi)辟刀耕火種面積則隨距離呈現(xiàn)出波動(dòng)下降的趨勢(shì)，集中分布在山路兩側(cè)1—3 km以?xún)?nèi)；邁縣山路10 km 范圍內(nèi)的新開(kāi)辟刀耕火種農(nóng)業(yè)分布相對(duì)均勻，3—4 km出現(xiàn)小峰值（11.35 km2），該縣超35%的新開(kāi)辟刀耕火種農(nóng)業(yè)主要分布在山路兩側(cè)10 km以外。

圖6 豐沙里省及其各縣2016年新開(kāi)辟刀耕火種與道路的距離特征Fig.6 Characteristics of the distance between newly?opened swidden and roads（including trails）in Phongsaly Province and the districts in 2016

刀耕火種與居民點(diǎn)、道路的可達(dá)性分析表明，當(dāng)?shù)厣矫裨谶x擇新刀耕火種地塊時(shí)，時(shí)間—距離是重要因素之一，即會(huì)優(yōu)先考慮其與居民點(diǎn)的距離。結(jié)合本文第一作者2013 年—2020 年在中南半島五國(guó)山區(qū)的近10 次實(shí)地考察，山民通常會(huì)在上午8：00—9：00時(shí)離家并自帶干糧（午餐），步行至待進(jìn)行刀耕火種的地方（山坡），下午3：00—4：00時(shí)前返回。因此，選擇鄰近居民點(diǎn)的地塊進(jìn)行刀耕火種農(nóng)業(yè)生產(chǎn)對(duì)山民極為重要。根據(jù)蘇格蘭爬山專(zhuān)家拿史密夫的“拿史密夫定律”（Naismith’s rule）（Naismith，1892），即成人平路步行時(shí)速為4 km/h，登高時(shí)會(huì)相應(yīng)增加時(shí)間（每小時(shí)登高500 m）?；赟VM 的提取信息未能反映新開(kāi)辟刀耕火種斑塊與鄰近居民點(diǎn)的一一對(duì)應(yīng)關(guān)系，本文尚不能計(jì)算豐沙里省山民每日從事刀耕火種所需的具體時(shí)間信息。盡管如此，近九成新開(kāi)辟刀耕火種分布在距居民點(diǎn)5 km 范圍內(nèi)，說(shuō)明大部分山民會(huì)選擇距居民點(diǎn)步行1—2 h以外的區(qū)域從事刀耕火種。

4.4 新開(kāi)辟刀耕火種的地形特征

根據(jù)豐沙里省海拔特征，以100 m 為梯度分別統(tǒng)計(jì)不同海拔區(qū)間新開(kāi)辟刀耕火種面積與分布信息。由圖7（a）可知，全省新開(kāi)辟刀耕火種在不同海拔區(qū)間分布存在顯著差異。近95%分布在海拔500—1500 m，而近2/3 集中分布在500—1000 m（低山），其中以800—900 m區(qū)間面積最大（17%），約烏、桑潘和本代3縣也在這一區(qū)間達(dá)到峰值；其次，約15%分布在900—1000 m，本訥和豐沙里2縣也在此海拔范圍分布最廣；相比之下，500 m 以上和1500 m 以上區(qū)域新開(kāi)辟刀耕火種僅占到5%。這清楚表明當(dāng)年新開(kāi)辟刀耕火種主要集中在中低山區(qū)域。一方面這與該省以中低山地形為主有關(guān)（500 m 以上超96%），另一方面也與全省九成以上居民點(diǎn)分布在500—1500 m 有密切關(guān)系。當(dāng)然，對(duì)于森林覆蓋率極高的豐沙里省而言，新開(kāi)辟刀耕火種可選區(qū)域較為豐富。在對(duì)時(shí)間—距離要求較高的情況下，山民更傾向選擇海拔較低的區(qū)域。在過(guò)去的實(shí)地調(diào)查中，當(dāng)海拔超過(guò)1000—1200 m，每日上午通常會(huì)伴有較長(zhǎng)時(shí)間的濃霧（或可持續(xù)到中午11—12時(shí)），這種天氣不利于山民從事刀耕火種。

圖7 豐沙里省2016年新開(kāi)辟刀耕火種的地形特征Fig.7 Topographic features of newly?opened swidden in Phongsaly Province in 2016

不同坡向?qū)μ?yáng)輻射吸收存在較大差異，進(jìn)而引起地表物質(zhì)和能量的再分配。刀耕火種的開(kāi)辟也受到坡向影響（圖7（b））。超1/2分布在東坡和南坡，面積約544.07 km2，其中東南坡分布范圍最廣（21.75%），其余各類(lèi)坡向占比在6%—12%不等，極少分布在平地。各縣新開(kāi)辟刀耕火種面積峰值均出現(xiàn)在東南坡，其次為東坡和南坡。這是因?yàn)槟掀履芙邮艿捷^多太陽(yáng)輻射，便于旱季植被砍伐與風(fēng)干曝曬。

坡度會(huì)影響土壤養(yǎng)分含量以及作物對(duì)水分的吸收，還在一定程度上影響耕作難易程度。2016年全省新開(kāi)辟刀耕火種隨坡度呈現(xiàn)出先增加后減少的分布特征（圖7（c）），其中以15°—25°斜坡分布最為集中（42%），峰值出現(xiàn)在18°—19°。其次是陡坡和緩斜坡，分別占23.72%和20.02%。僅有1/10的新開(kāi)辟刀耕火種分布在緩坡（坡度<8°）以及峭坡（坡度>35°）。各縣新開(kāi)辟刀耕火種面積隨坡度的變化趨勢(shì)比較一致?？梢?jiàn)，刀耕火種農(nóng)業(yè)在一定程度上會(huì)受到坡度條件的制約。坡度較大的地區(qū)農(nóng)業(yè)開(kāi)墾難度較大，且易發(fā)生水土流失，土壤養(yǎng)分產(chǎn)物易被侵蝕，不利于刀耕火種可持續(xù)發(fā)展。而坡度較平緩的地區(qū)，因人類(lèi)活動(dòng)頻繁，而多被開(kāi)發(fā)為建設(shè)用地以及永久性耕地。

5 結(jié) 論

通過(guò)考慮建設(shè)用地信息優(yōu)化支持向量機(jī)算法提取結(jié)果，并據(jù)此遙感提取老撾豐沙里省2016 年旱季新開(kāi)辟刀耕火種信息，并從像元、景觀(guān)與區(qū)域?qū)用娼沂玖似淇臻g特征，輔以居民點(diǎn)、道路與地形進(jìn)一步定量分析了新開(kāi)辟刀耕火種的可達(dá)性與地形特征。主要結(jié)論如下：

（1）消除建設(shè)用地噪聲的支持向量機(jī)算法能有效監(jiān)測(cè)熱帶山區(qū)新開(kāi)辟刀耕火種。豐沙里省2016 年新開(kāi)辟刀耕火種農(nóng)業(yè)遙感提取總體精度達(dá)95%。

（2） 豐沙里省2016 年新開(kāi)辟刀耕火種為987.93 km2，南多北少、西多東少且呈破碎化分布。各縣新開(kāi)辟刀耕火種面積差異較小，其中桑潘縣最多，本訥縣最少。

（3）豐沙里省新開(kāi)辟刀耕火種農(nóng)業(yè)隨居民點(diǎn)表現(xiàn)出距離衰減規(guī)律。近九成分布在距居民點(diǎn)5 km以?xún)?nèi)，且全省與縣域?qū)用嫫渑c居民點(diǎn)的距離特征較為一致。

（4）全省新開(kāi)辟刀耕火種規(guī)模隨不同道路等級(jí)呈現(xiàn)出距離衰減規(guī)律（次要公路>山路>主要公路），次要公路兩側(cè)5 km以?xún)?nèi)的新開(kāi)辟刀耕火種最為集中。各縣新開(kāi)辟刀耕火種的道路可達(dá)性特征更為復(fù)雜。其中，次要公路兩側(cè)遞減規(guī)律與全省一致，但主要公路和山路相應(yīng)特征各異。時(shí)間—距離是山民進(jìn)行刀耕火種生產(chǎn)的重要因素。

（5）全省新開(kāi)辟刀耕火種常見(jiàn)于低山（占新開(kāi)辟刀耕火種總面積的2/3）斜坡（2/5）地帶并以東南坡（1/2）為主，縣域變化差異小。

豐沙里省多山且森林覆被率高的自然特征、人口少且分布稀疏以及農(nóng)業(yè)占主導(dǎo)的社會(huì)經(jīng)濟(jì)條件，加之全省為一景Landsat 影像所覆蓋等優(yōu)勢(shì)，為開(kāi)展面向刀耕火種農(nóng)業(yè)的遙感監(jiān)測(cè)特別是算法構(gòu)建與改進(jìn)提供了一個(gè)理想的試驗(yàn)區(qū)?；贠LI 影像，通過(guò)對(duì)SVM 分類(lèi)結(jié)果進(jìn)行優(yōu)化，有效降低了建設(shè)用地對(duì)新開(kāi)辟刀耕火種遙感提取的干擾。然而，受地物復(fù)雜性影響，建設(shè)用地并非唯一干擾源，未來(lái)在改進(jìn)SVM等機(jī)器學(xué)習(xí)算法時(shí)需綜合考慮其他地類(lèi)，以進(jìn)一步提升熱帶刀耕火種提取精度。

此外，影像云量在一定程度上也會(huì)影響SVM算法的可推廣性。豐沙里省2016 年旱季兩期OLI影像云量覆蓋較少，無(wú)論是建設(shè)用地還是新開(kāi)辟刀耕火種提取，云影都會(huì)在一定程度上影響分類(lèi)精度。同時(shí)盡管研究區(qū)建設(shè)用地時(shí)空變化幅度較小，利用2014 年影像提取建設(shè)用地也可能會(huì)造成一定誤差。

刀耕火種作為豐沙里省普遍的農(nóng)業(yè)系統(tǒng)，其現(xiàn)狀分布、歷史演變和發(fā)展趨勢(shì)受自然和人類(lèi)活動(dòng)綜合影響。本文已在利用機(jī)器學(xué)習(xí)算法方面進(jìn)行了探索性嘗試，據(jù)此開(kāi)展了區(qū)域?qū)用娴男麻_(kāi)辟刀耕火種可達(dá)性與地形等特征分析。未來(lái)可橫向比較不同機(jī)器學(xué)習(xí)算法（如隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等）在刀耕火種遙感監(jiān)測(cè)的應(yīng)用潛力，在此基礎(chǔ)上擇優(yōu)選取最穩(wěn)健機(jī)器學(xué)習(xí)算法開(kāi)展熱帶層面的刀耕火種農(nóng)業(yè)動(dòng)態(tài)監(jiān)測(cè)，為定量揭示熱帶森林—刀耕火種—種植園“三位一體”動(dòng)態(tài)演變提供方法保障與數(shù)據(jù)基礎(chǔ)（Li等，2022）。