典型县耕地种植结构空间分异特征与影响因素

分类：论文范文 发表时间：2021-07-02 10:28

　　摘要:为阐明微观地理尺度下耕地种植结构空间分异及其影响因素，以黑龙江省典型产粮大县为研究区，以1km2地理网格为研究单元，运用分区统计法、空间自相关分析法及地理探测器法分析水稻、玉米和大豆3种主要作物种植结构的空间分异特征，揭示区域耕地种植结构空间分异的影响机理。结果表明:研究区耕地种植结构以单一大豆型、单一玉米型和玉米大豆型为主要类型，以单一水稻型和大豆玉米水稻型为次要类型;不同作物种植结构的空间集聚性特征存在一定差异，水稻以HH型为主，玉米和大豆以HH型和LL型为主;地形条件是水稻种植结构空间分异的主导因素，玉米和大豆种植结构空间分异主要受气候条件和土壤条件影响，自然条件是耕地种植结构空间分异的关键性影响要素;研究区耕地种植结构空间分异是多因子交互作用的结果，双因子交互作用的影响均比单一因子影响程度大，市场区位和交通区位与其他因子的交互作用对玉米种植结构空间分异的影响最大，灌溉潜力与其他因子交互作用对水稻种植结构空间分异的影响最大，但因子交互作用对大豆种植结构空间分异影响程度的提升不明显。本研究有利于理解不同粮食作物种植结构空间分异的形成机理，可为耕地种植结构优化调整提供科学依据。

　　关键词:耕地利用;种植结构;粮食作物;空间分异;地理探测器;黑龙江省典型县

　　0引言

　　耕地种植结构是在一定区域或生产单位内所种植的农作物种类、面积比例及其组合关系［1］，反映不同耕作制度和社会经济条件下人类对耕地资源的差别化利用方式。在自然因素和人文因素的共同作用下，耕地种植结构表现出明显的空间分异特征，探究耕地种植结构空间分异的影响因素是研究作物时空变化机制及模拟的基础［2］，也是种植结构优化调整及其政策制定的重要依据。21世纪以来，随着农业发展内部因素和国际环境的变化，耕地及粮食种植格局发生明显变化［3］，区域粮食种植结构失衡严重，对耕地生态安全和粮食安全造成了一定威胁［4］。准确掌握耕地种植结构空间分异的成因，对探明耕地种植结构形成机理、推进种植结构优化调整，进而保障耕地生态及粮食安全具有重要意义。

　　1研究区概况与数据来源

　　1.1研究区概况

　　以黑龙江省齐齐哈尔市的克山县、依安县、拜泉县3个相互邻接的粮食大县为研究区，其位于松嫩平原北部的黑土带，地处东经124°50'～126°41'，北纬47°16'～48°34'，是黑龙江省重要商品粮基地和大豆生产基地。研究区属温带大陆性季风气候，处于黑龙江省第三积温带，年均降水量500mm左右，地貌类型以平原和丘陵漫岗为主，土壤类型主要为黑土和黑钙土，耕作制度为一年一熟制。2018年，研究区耕地总面积8307.43km2，占行政辖区土地总面积的79.42%，主要作物为水稻、大豆和玉米，种植比例约为1∶8.71∶8.64，3种作物播种总面积8000.70km2，占耕地面积的96.31%。21世纪以来，研究区耕地作物种植结构发生较大变化，玉米种植比例大幅度增加，大豆种植比例减少。2015年，《农业部关于“镰刀弯”地区玉米结构调整的指导意见》发布，2016年农业部印发了《全国种植业结构调整规划(2016—2020年)》，研究区处于种植结构调整的重点区域，研究该地区耕地种植结构影响因素对于优化种植结构和保障粮食安全具有重要的实践参考价值。

　　1.2数据来源

　　气象数据来源于气象数据网的地面累年值月值数据集(1981—2010年)和科学院资源环境科学数据中心的气象背景数据集，获取气象站点气温、降水量及积温数据，运用ArcGIS进行空间插值分析，获得研究区气象100m×100m栅格数据。地形数据来源于美国奋进号航天飞机的雷达地形测绘数据(SＲTM)，运用ArcGIS提取30m坡度矢量数据。土壤数据来源于黑龙江省1∶1000000土壤类型图和黑龙江省耕地质量主要性状数据集，按照土壤类型对相应的土壤理化性质赋值，获得研究区土壤属性空间矢量数据。耕地管理条件数据来源于二调年度变更数据库，运用ArcGIS空间计算及分析功能获取耕地灌溉潜力、排涝能力、耕作便利度、防护林密度及田块形状系数等空间数据。Landsat8(OLI)卫星遥感影像数据来源于美国地质勘探局(USGS)官网，结合研究区作物物候特征及遥感影像质量、云量等情况，选取2018年8月18日、6月24日和5月30日3期Landsat8(OLI)卫星遥感影像区分水稻、大豆和玉米3种主要耕地作物。在对3期遥感影像辐射定标、大气校正和几何校正等的基础上，分别进行6、5、2波段融合，运用2018年5月30日影像区分耕地中的水田与其他作物类型，运用其他两期影像区分耕地中的玉米、大豆与其他作物类型，通过人工目视解译获取研究区耕地主要作物现状分布信息。

　　2研究方法

　　2.1分区统计法分区统计法

　　(Zonalstatistics)是运用分区统计函数，以某个数据集的分类区作为统计单元，对另一个数据集中相应位置的单元值进行统计，最终输出为分类区数据集的每个分区对应的统计值图表。本文基于ArcGIS构建研究区矢量地理网格［16］，将地理网格与作物分布、气候、地形、土壤等要素空间栅格数据分别进行空间叠加，运用平均值函数计算各地理网格内对应各要素的空间统计值，计算式为Aij=∑mk=1akj/m(1)式中Aij———第i个地理网格单元第j个空间要素的平均统计值akj———第k个栅格第j个空间要素的观测值m———某地理网格覆盖范围内的栅格个数

　　2.2局部空间自相关分析法

　　局部空间自相关反映某一空间单元与邻近单元属性值的相关程度，本文采用局部空间自相关分析方法测度耕地作物种植结构空间分布的空间依赖性和集聚性［17］。依据Moran'sI指数，局部空间自相关类型分为高高(HH)、低低(LL)两种正相关类型和高低(HL)、低高(LH)两种负相关类型。zi检验可对局部自相关关系进行显著性检验，在0.05的置信度水平下|zi|=1.96，zi＞1.96表示显著正相关;zi＜－1.96表示显著负相关;|zi|＜1.96表示自相关性不显著。局部Moran'sI指数计算公式为I=xi－xs2∑nj=1wij(xj－x)(i≠j)(2)式中I———空间自相关指数s2———方差n———空间单元总数xi、xj———经过标准化的空间单元观测值x———均值wij———空间权重(Queen邻接空间权重)。

　　3结果与分析

　　3.1耕地种植结构的空间分异特征

　　本文对各地理网格内的水稻、玉米和大豆3种主要作物播种面积占耕地面积比例，即种植比例进142第5期张红梅等:黑龙江省典型县耕地种植结构空间分异特征与影响因素行分区统计，借鉴相关研究的分类标准［19］，依据不同作物种植比例划分研究区耕地种植结构类型。为进一步定量描述作物种植结构在空间上的依赖关系和空间集聚性，对主要耕地作物种植结构的空间自相关性进行分析。

　　3.2耕地种植结构空间分异的影响因素分析

　　耕地种植结构的空间分异是自然、社会经济、市场、技术及政策等多因素共同作用的结果，由于研究区地域跨度不大，区域内农业种植技术水平相差不大，农业政策也基本一致，因此假设技术和政策因素对研究区内种植结构的影响无差异，不进行该影响因素分析。综合考虑耕地作物生长的必要条件、耕地利用条件和空间数据的可获取性，本文从气候条件、地形条件、土壤条件、管理条件和区位条件5方面选取17个影响因子。为满足地理探测器对自变量类型的要求，对因子值进行离散化处理，结合作物的生长需求及各影响因素特点，运用手动分类和自然断点法进行差别化的变量分类(表2)。其中，X13～X17空间计算方法为首先生成要素栅格图，再运用ArcGIS工具箱生成每个像元到最近源的欧氏距离栅格图，最后以网格为单元统计各网格内要素的平均值。河流和沟渠为二调年度变更数据库中的线状及面状河流、沟渠数据，公路包括国道、省道、县道和乡道。

　　4讨论

　　针对当前研究较少关注微观地理尺度下多因素交互作用对耕地种植结构空间分异的影响，本文以1km2地理网格作为研究的空间尺度，揭示多种耕地利用空间要素交互作用下耕地种植结构的空间分异特征及影响机理，以丰富种植结构空间分异的相关研究，为耕地种植结构优化调整提供一定依据。

　　通过研究发现，地形条件是导致水稻种植结构空间分异的关键性因素，水稻特殊的生长特点导致其对地形的要求较高，研究区坡度及地貌类型条件在一定程度上限制了水稻种植。地形不仅通过地势起伏的物理特征影响水稻种植，也可以对水分和热量再分配，以及影响地表物质的迁移和生态演替改变土壤理化性质［20］，进而影响水稻种植。水资源对水稻种植的作用不可忽视，结果显示，灌溉潜力与其他因子的交互作用对水田分布的影响程度提升最为明显。气候因素对玉米和大豆种植结构的空间分异起主导作用，对比作物种植适宜性标准发现，研究区的气温、降水及积温等条件对玉米和大豆的种植均不具有限制作用，但不同水热条件下作物的光温生产潜力不同，将导致粮食产量存在差异［21］，进而影响粮食产值及收益的区域差异，这是导致玉米和大豆种植结构空间分异的重要原因。从因子交互作用结果可以看出，管理和区位条件中各因子与其他因子的交互作用对玉米种植结构空间分异的影响程度明显增强，但对大豆种植结构空间分异的影响程度提升不大。因此，在考虑单一气候和土壤因子的同时，可通过市场区位和交通区位等社会经济因素的空间选择，调整玉米布局及种植结构。大豆种植结构空间分布则更依赖于单一因子的影响，主要通过气候、地形和土壤等自然因素中单一因子的空间选择调整大豆布局及种植结构。

　　参考文献

　　［1］唐惠燕，包平．基于GIS江苏水稻种植面积与产量的空间重心变迁研究［J］．南京农业大学学报(社会科学版)，2014，14(1):118－124．TANGHuiyan，BAOPing．SpacegravitychangesofJiangsuriceacreageandyieldbasedonGIS［J］．JournalofNanjingAgriculturalUniversity(SocialSciencesEdition)，2014，14(1):118－124．(inChinese)

　　［2］胡琼，吴文斌，宋茜，等．农作物种植结构遥感提取研究进展［J］．农业科学，2015，48(10):1900－1914．HUQiong，WUWenbin，SONGQian，etal．Ｒecentprogressesinresearchofcroppatternsmappingbyusingremotesensing［J］．ScientiaAgriculturaSinica，2015，48(10):1900－1914．(inChinese)

　　［3］王佳月，辛良杰．基于GlobeLand30数据的耕地与粮食生产的时空变化分析［J］．农业工程学报，2017，33(22):1－8．WANGJiayue，XINLiangjie．Spatial-temporalvariationsofcultivatedlandandgrainproductioninChinabasedonGlobeLand30［J］．TransactionsoftheCSAE，2017，33(22):1－8．(inChinese)

　　张红梅宋戈

上一篇：南方典型水稻种植区氮、磷排放及迁移规律研究 下一篇：我国制度创新的战略决策：以“点”带“面”