2000年以来苏北地区耕地非农化的过程、动力及对策

开展耕地非农化时空特征及其驱动因素研究,可为加强耕地保护、保障粮食安全以及防止耕地非农化提供科学依据.以苏北地区为案例,基于2000、2005、2010、2015、2020年5个年份的土地利用数据,运用核密度分析、地理探测器等方法,揭示苏北地区耕地非农化特征及其演变趋势,并探讨其耕地非农化的驱动因素.结果表明,苏北地区耕地面积总体上呈下降趋势,年平均减少约96.5 km^(2),其中2005—2010年耕地面积减少最多;2000—2020年苏北地区耕地非农化面积和非农化率均呈现增—减—增的变化特点,耕地非农化集中分布在各行政单元的城区部分以及一些中心镇区.城镇化水平提升、非农产业扩张与耕地非农化具有很高的相关性,人口数量与其他因子交互作用对前期耕地非农化影响突出,城镇化率与其他因子交互作用对中期非农化影响明显,固定资产投资与其他因子交互作用对后期非农化影响较大.为缓解耕地非农化现象,应提高对耕地非农化危害的认识水平、加强土地集约高效利用和加大非农化监测监管力度.

基于GIS的山地农田系统投入产出空间特征分析——以河南省吴沟村为例

对河南省吴沟村482块农田属性及其能量投入产出特征的调查分析表明,吴沟村农田系统中能量投入、产出较大的地块主要位于居民区周围和吴沟公路两侧;相比而言,旱平地为高投入、高产出、高利用效率的系统;农田系统能量产投效率与农田能量投入水平、产出水平存在密切关系。就不同种植作物而言,单位面积产投效率为黄豆<小麦<玉米。

基于GIS的长江上游农田生态系统敏感性评价与空间治理研究

采用RS和GIS技术提取长江上游土地利用类型数据,构建多因素综合模型进行农田生态系统敏感性评价,并深入分析其主要威胁因素,探讨其空间分布及特征。结果表明:1)农田生态系统敏感性水平整体处于中、高敏感状态,中度、高度和极敏感区占整个农田生态系统面积的84.76%;2)农田生态系统敏感区主要位于成渝经济区,还涉及四川、重庆、云南和贵州等省市;3)农田生态系统敏感性主要威胁因子为人口密度、道路密度、土壤有机质质量分数、化肥施用量等;4)长江流域农产品主产区与农田生态系统高度敏感区具有较高区位重合性。

基于空间分异的高标准农田建设空间特征判别系统设计与实现

为提升高标准农田监管效能,该文基于空间分异规律,依据相关标准和规划,构建了差别化的高标准农田建设空间特征判别指标体系,在此基础上,使用C#.NET、ArcObject技术,设计和实现了高标准农田建设空间特征判别系统。系统的实证案例表明:用于监测评价场景的黄土高原案例区符合高标准农田空间特征的田块38.33 hm^2,与验收后实际确认的高标准农田相比,总体判别精度为94.38%。2)用于设计评审场景的南方山地丘陵案例区符合高标准农田空间特征的30.07 hm^2,较批复立项的高标准农田多10.34 hm^2,造成该差异的主要因素是部分田块尚未划定为永久基本农田,如扣除永久基本农田划定因素,总体判别精度为100%。从实例结果看,使用该系统可从空间特征方面辅助判别高标准农田,分析高标准农田建设在田块平整、道路和灌排设施配套、农田防护方面的不足,为丰富高标准农田监测手段、提升管理效能提供参考。

中国省域建设占用耕地时空特征及空间弹性分析

通过对中国省域建设占用耕地时序变化特征分析了解到,1999年以来,中国建设占用耕地规模呈现波动变化态势,变化规律不明显。通过对建设占用耕地的空间特征分析表明,1999—2007年中国建设占用耕地均值的空间分布集聚明显,中高值区集聚分布于中国的东南部,低值区集聚分布于中国的西北部。融合弹性分析原理和空间计量经济模型,增加基于邻近概念的空间加权矩阵,通过构建双变量空间弹性模型,探讨单位建设用地的固定资产投资和人均GDP双变量对中国省域建设占用耕地的空间弹性分析表明,1999—2007年建设占用耕地对单位建设用地的固定资产投资变化的反应敏感程度提高,而对人均GDP变化的反应敏感程度降低。近年来单位建设用地的固定资产投资变化对建设占用耕地变化的贡献率大。

不同撂荒耕地类型空间格局及影响因素研究——以德阳市中江县为例

【目的】本文揭示了不同类型撂荒耕地空间分异规律及影响因素。【方法】本文基于目视解译与实地调查提取撂荒耕地信息,结合GIS空间分析、景观格局多项指数和二元logistic回归模型,对中江县30个乡镇季节性、常年性撂荒地的空间格局特征及影响因素展开研究。【结果】研究区域季节性撂荒占撂荒地总面积61.9%,常年性撂荒占撂荒总面积38.1%,且撂荒地类型集中为旱地,水田占比较少;综合空间格局多项指数,形状复杂、面积小、空间上分散的地块易形成季节性撂荒,而常年性撂荒地多为空间分布集中、面积大的地块;地形、灌溉距离、耕作劳动力均是影响撂荒地形成和分布的重要影响因素;通过二元logistic回归模型测算表明,影响撂荒的主要因素依次为斑块面积、地形指数和灌溉距离,其中季节性撂荒与三者存在显著正向影响,而常年性撂荒与三者存在显著负向影响。【结论】撂荒耕地的分布与自身特征存在密切联系,各因素的影响程度存在显著差异。

基于地理探测器的重庆坡耕地时空格局演变特征及驱动机制

坡耕地是耕地的重要组成部分,分析坡耕地时空格局演变规律及驱动因素,有益于为合理利用坡耕地资源及生态功能修复与保持提供参考。基于2000—2018年坡耕地空间分布信息,利用土地利用转移矩阵、局部空间自相关(Local Spatial Autocorrelation,LISA)、地理探测器(Geodetector)等方法,从坡耕地时空变化特征、坡耕地冷热点格局和坡耕地变化驱动因子等方面开展,揭示重庆坡耕地时空分布特征及驱动因素。结果表明:1)与2000年相比,2018年重庆坡耕地面积减少2.40%,坡耕地2.23万km2,占耕地59.35%。6个区县(渝中、江北、江津、南岸、大渡口、石柱)年均坡耕地变化动态度大于1%,不同区县坡耕地面积变化趋势差异明显。2)近18年坡耕地与林地、草地、水田、建设用地等地类发生显著转移,转出、转入总体较均衡,其中坡耕地退为林地主要集中位于秦巴和武陵山区的石柱、武隆、丰都、云阳等区县,在土地利用转移过程中坡耕地面积呈小幅度减少趋势。3)坡耕地局部空间自相关异质性较显著,大多数区域坡耕地面积呈高-高和低-低聚集状态,热点区集中在渝东北区,冷点区分布在渝西区和主城区。4)林业产值、农村居民人均纯收入、粮食产量、乡村从业人员、农林水支出等经济、社会及政策因素是主要驱动因子,各因子间的交互作用大部分为非线性增强和双因子增强,其中解释力较大的交互驱动因子为粮食产量/坡度(2005年,0.927)、农村居民人均纯收入/常住人口(2018年,0.910),海拔、降雨等自然因素对坡耕地变化有一定影响,但经济发展、政策调控、农民收入、城市扩张等社会经济因素是坡耕地变化的主要驱动因子。研究结果可为重庆以及西南山地丘陵区坡耕地资源保护与格局优化提供科学依据。

北京市农田时空分布与风蚀基本特征

本文采用遥感影像分析、野外实地调查与定点观测的手段对北京市农田的时空分布与风蚀基本特征进行了分析。结果表明：玉米留茬地和翻耕地是京郊主要的风蚀农田类型，其中留茬地在全市各地均有大面积分布，翻耕地主要分布在延庆盆地。近年来，北京市农田大幅减少，但作为主要风蚀农田类型的留茬地和翻耕地面积非但没有减少，甚至还有所增加。留茬地在3～5月中旬地表风蚀较强，耙平后的秋翻耕地风蚀期长达6个月，而不耙平的秋季翻耕仅在4月份风蚀较强。