工業(yè)化區(qū)域撂荒耕地空間格局演變及影響因素分析

張?zhí)熘瑥堷P榮，黃敬文，李 超，張佰林

工業(yè)化區(qū)域撂荒耕地空間格局演變及影響因素分析

張?zhí)熘?,2，張鳳榮1,2※，黃敬文1,2，李 超1,2，張佰林3

（1. 中國農(nóng)業(yè)大學(xué)土地科學(xué)與技術(shù)學(xué)院，北京 100193；2. 自然資源部農(nóng)用地質(zhì)量與監(jiān)控重點(diǎn)實(shí)驗(yàn)室，北京 100193；3. 天津工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津 300387）

該文以箱包產(chǎn)業(yè)發(fā)展迅速的河北省高碑店市為研究區(qū)，基于1999－2001年、2007－2009年、2015－2017年間18期Landsat TM/OLI數(shù)據(jù)，采用CART決策樹分類方法提取出研究區(qū)的撂荒耕地范圍并分析其空間格局變化及影響因素。研究表明：1）對CART決策樹分類結(jié)果進(jìn)行精度驗(yàn)證，18期影像的分類精度介于87.5%～96.4%之間，可以滿足本研究的精度要求。2）高碑店市耕地撂荒類型以季節(jié)性（春季）撂荒為主，并且季節(jié)性撂荒和常年撂荒的耕地面積均呈現(xiàn)出逐漸減少的趨勢。3）耕地撂荒的主要形式由大規(guī)模集中式撂荒向小規(guī)模分散式撂荒轉(zhuǎn)變。4）農(nóng)村工業(yè)發(fā)展是導(dǎo)致耕地撂荒的主要驅(qū)動因素，距離產(chǎn)業(yè)中心越近的地區(qū)其耕地撂荒率越高；交通條件及耕作半徑也在一定程度上影響耕地撂荒，但其影響程度逐年減弱；作物收益水平差距導(dǎo)致耕地撂荒呈現(xiàn)出季節(jié)性差異，而耕地流轉(zhuǎn)能有效抑制當(dāng)?shù)馗亓袒默F(xiàn)象。該研究結(jié)果能為全國其他類似地區(qū)的撂荒耕地研究提供參考，并對制定保障國家糧食安全以及促進(jìn)區(qū)域可持續(xù)發(fā)展的相關(guān)政策提供依據(jù)。

農(nóng)村；遙感；分類；CART決策樹；耕地撂荒

0 引 言

城鎮(zhèn)化的快速發(fā)展以及農(nóng)村人口的不斷減少往往會造成農(nóng)村勞動力數(shù)量不斷下降，進(jìn)而導(dǎo)致耕地撂荒現(xiàn)象的發(fā)生。與其他國家相比，中國耕地總體質(zhì)量較差，人均耕地?cái)?shù)量少，農(nóng)村耕地撂荒問題必然會對中國的糧食安全造成重大威脅。

由于耕地撂荒涉及到耕地保護(hù)、糧食安全等國家戰(zhàn)略性問題，所以備受學(xué)者關(guān)注，目前國內(nèi)外相關(guān)研究主要集中在耕地撂荒的概念、驅(qū)動力、撂荒耕地信息獲取方法等方面。關(guān)于撂荒耕地的概念，目前學(xué)術(shù)界尚無統(tǒng)一定論，部分學(xué)者認(rèn)為耕地閑置一年以上可以定義為撂荒，還有部分學(xué)者認(rèn)為耕地荒蕪一季或一季以上的就可視為撂荒[1-2]。不同學(xué)者對耕地撂荒的定義略有不同，但是通過分析總結(jié)已有研究成果，我們可以將耕地撂荒的概念概括為：受到自然地理、社會經(jīng)濟(jì)、政策制度等多方面的因素影響，耕地在一定時(shí)期內(nèi)處于閑置或未充分利用狀態(tài)。耕地撂荒是多重因素共同作用的結(jié)果，其中最主要的原因?yàn)榻?jīng)濟(jì)效益的變化。城鎮(zhèn)化和工業(yè)化發(fā)展被視為耕地撂荒的最根本驅(qū)動力。因此，發(fā)達(dá)國家是耕地撂荒最嚴(yán)重的地區(qū)，其中美國、日本、歐洲等二三產(chǎn)業(yè)發(fā)達(dá)的地區(qū)更容易發(fā)生劣質(zhì)耕地撂荒的現(xiàn)象[3-6]。而在中國耕地撂荒的驅(qū)動因素則更為復(fù)雜，一般認(rèn)為，工業(yè)化的快速發(fā)展以及特有的土地承包管理制度被認(rèn)為是促進(jìn)中國耕地撂荒最重要原因[7]。關(guān)于撂荒耕地信息的獲取，當(dāng)前國內(nèi)的研究大部分采用農(nóng)戶調(diào)查方法獲取耕地撂荒信息[8-10]，利用遙感影像獲取撂荒信息的相對較少。

明確撂荒耕地空間分布并分析其驅(qū)動因素對于提高農(nóng)村地區(qū)耕地資源利用效率、保障國家糧食安全具有至關(guān)重要的作用。而目前中國的農(nóng)業(yè)、國土等主管部門，均未開展關(guān)于撂荒耕地的統(tǒng)計(jì)調(diào)查。近年來，隨著遙感技術(shù)的迅速發(fā)展，農(nóng)作物種植及生長的提取和監(jiān)測逐漸成為農(nóng)業(yè)遙感重要的研究內(nèi)容之一[11-12]。遙感技術(shù)是目前獲取撂荒耕地最直接有效的手段，其基本思路主要是采用連續(xù)時(shí)相的遙感數(shù)據(jù)提取地物信息。目前已有的研究主要采用了改進(jìn)多元紋理信息模型[13]、神經(jīng)網(wǎng)絡(luò)[14]、最大似然分類[15]、支持向量機(jī)[16]等多種技術(shù)手段。

國內(nèi)外學(xué)者對耕地撂荒的研究主要集中于地形條件復(fù)雜、耕作條件較差的山區(qū)、丘陵地帶，如西班牙東北部[17]、法國中南部[18]、中國重慶[19-20]、江西[21]等地區(qū)。然而，工業(yè)化、城市化的快速發(fā)展也會迫使平原地區(qū)的耕地出現(xiàn)短期的撂荒現(xiàn)象，平原地區(qū)作為中國主要的糧食生產(chǎn)區(qū)域，其耕地撂荒問題同樣值得關(guān)注，但目前有關(guān)平原地區(qū)耕地撂荒的研究較少，其中肖國峰等應(yīng)用CART決策樹分類算法對山東省慶云縣和無棣縣的撂荒耕地進(jìn)行提取[22]，其研究對撂荒耕地的提取提供了科學(xué)的方法。此外，當(dāng)前有關(guān)耕地季節(jié)性撂荒的相關(guān)研究同樣較少，而短期的季節(jié)性撂荒也會直接影響到糧食安全問題。由于農(nóng)村產(chǎn)業(yè)發(fā)展，耕地短期的季節(jié)性撂荒在中國較發(fā)達(dá)、且耕地資源稟賦較好的東部平原地區(qū)頻繁出現(xiàn)。

因此，本文在借鑒前人研究方法的基礎(chǔ)上，以近年來箱包產(chǎn)業(yè)發(fā)展較快，目前以形成特色產(chǎn)業(yè)集群，同時(shí)耕地季節(jié)性撂荒嚴(yán)重的高碑店市作為研究區(qū)，采用1999－2001年、2007－2009年、2015－2017年間18期Landsat TM/OLI衛(wèi)星數(shù)據(jù)，應(yīng)用CART決策樹分類算法進(jìn)行遙感影像解譯，提取撂荒耕地范圍，并結(jié)合緩沖區(qū)分析、農(nóng)村調(diào)研等方法對耕地撂荒現(xiàn)狀及演變的驅(qū)動力進(jìn)行分析。以期為農(nóng)村產(chǎn)業(yè)發(fā)展較好的平原地區(qū)的耕地資源利用提供科學(xué)的理論指導(dǎo)，并對制定保障國家糧食安全以及促進(jìn)區(qū)域可持續(xù)發(fā)展的相關(guān)政策提供依據(jù)。

1 研究區(qū)域概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

高碑店市隸屬于河北省保定市，地處京津保三角腹地，環(huán)首都經(jīng)濟(jì)圈，南距保定68 km，北距北京82 km，東南距天津134 km，位于115°47′24″－116°12′40″E，39°5′53″－39°23′17″N。屬于華北平原，地勢平坦，土地肥沃，氣候類型為典型的半濕潤溫帶大陸性季風(fēng)氣候，雨熱同期，四季分明，年均氣溫約17℃，年均降水量約600 mm，滿足冬小麥-夏玉米一年兩熟大田作物種植條件。播種作物品種以小麥、玉米為主，此外還種植有少量大豆、花生等。目前，全市耕地面積約4.47萬hm2，其中，水澆地占比達(dá)96%，且絕大多數(shù)為旱澇保收的高產(chǎn)穩(wěn)產(chǎn)田。

自改革開放以來，高碑店市白溝鎮(zhèn)的箱包加工業(yè)發(fā)展迅速，并成為帶動周邊農(nóng)村經(jīng)濟(jì)發(fā)展的主要產(chǎn)業(yè)，發(fā)展至今，白溝箱包市場的年交易額超1 100億元。箱包生產(chǎn)、銷售市場主體3.4萬余家，年產(chǎn)箱包8億只，輻射周邊從業(yè)人員共150萬人，形成特色產(chǎn)業(yè)集群。由于以箱包產(chǎn)業(yè)為代表的二三產(chǎn)業(yè)發(fā)展迅速，再加上農(nóng)業(yè)收入較低，當(dāng)?shù)卦絹碓蕉嗟霓r(nóng)民開始從事箱包產(chǎn)業(yè)，并因此導(dǎo)致耕地撂荒，特別是春冬兩季的季節(jié)性撂荒現(xiàn)象嚴(yán)重。圖1為研究區(qū)位置圖。

1.2 數(shù)據(jù)來源

1.2.1 農(nóng)戶調(diào)研數(shù)據(jù)

筆者于2017年7－9月在研究區(qū)耕地撂荒較嚴(yán)重的東部、東南部地區(qū)選取豐元莊、何張村、南五里屯、北辛莊、大王村、耿莊6個(gè)調(diào)研村就耕地的流轉(zhuǎn)及利用現(xiàn)狀進(jìn)行調(diào)研。

圖1 研究區(qū)地理位置

通過采訪村會計(jì)以及調(diào)研農(nóng)戶了解調(diào)研村在2001年、2009年、2017年3個(gè)時(shí)間點(diǎn)的在冊流轉(zhuǎn)耕地面積以及耕地總面積。其中，由于多數(shù)調(diào)研村的村級耕地流轉(zhuǎn)組織于近幾年才成立，因此一般只能通過村會計(jì)獲取2017年的精確的耕地流轉(zhuǎn)數(shù)據(jù)。另外，由于研究區(qū)當(dāng)?shù)氐母亓鬓D(zhuǎn)一般發(fā)生在普通農(nóng)戶和種糧大戶之間，因此，2001年和2009年的數(shù)據(jù)通過采訪村內(nèi)主要的種糧大戶以及部分轉(zhuǎn)出耕地的農(nóng)戶獲取。

表1 調(diào)研村基本情況

1.2.2 統(tǒng)計(jì)數(shù)據(jù)

本研究所用的統(tǒng)計(jì)數(shù)據(jù)來源于《全國農(nóng)產(chǎn)品成本收益資料匯編》（2002－2017年），用于分析2001－2016年河北省小麥、玉米的單位面積純收益變化情況。

1.2.3 遙感影像數(shù)據(jù)

本研究所利用的遙感影像數(shù)據(jù)來源于美國地質(zhì)調(diào)查局（USGS）（http://glovis.usgs.gov/）1999－2001年、2007－2009年、2015－2017年3個(gè)時(shí)期的 Landsat TM/OLI數(shù)據(jù)，其空間分辨率均為30 m，作為提取撂荒耕地的基礎(chǔ)數(shù)據(jù)；

在各研究時(shí)期內(nèi)每年選取兩期影像，總共 18幅影像。考慮到研究區(qū)的主要種植作物及耕作制度，并綜合對比不同時(shí)期影像的作物生長情況，每年的2期影像的成像時(shí)間分別選取4－5月份和7－8月份。因?yàn)?－4月份為當(dāng)?shù)囟←湹姆登嗥冢?－5月份的影像可以有效分辨出小麥等夏收作物的種植及生長情況，而7－8月份的影像可以提取出玉米、花生等秋收作物的種植及生長情況。因此每年所選取的兩期影像可以反映出研究區(qū)春季及秋季的耕地撂荒情況。所選取的18期影像的具體信息如表2所示。

表2 影像獲取時(shí)間及分類精度

此外，本文還使用了Google歷史影像數(shù)據(jù)及部分年份的土地利用現(xiàn)狀數(shù)據(jù)，用于輔助遙感解譯訓(xùn)練樣本的選擇。由于Google earth的衛(wèi)星影像，并非單一數(shù)據(jù)來源，而是由衛(wèi)星影像與航拍數(shù)據(jù)的整合而成，本文所用的數(shù)據(jù)成像時(shí)間為2008年1月2日－2017年10月24日，空間分辨率介于0.6～4 m之間，數(shù)據(jù)來源于SXearth Google地圖下載器。對于1999－2001年的影像解譯，由于無法獲取Google歷史影像，主要依靠2001年高碑店市土地利用現(xiàn)狀圖輔助進(jìn)行精度驗(yàn)證及訓(xùn)練樣本選擇，其數(shù)據(jù)來源于高碑店市國土資源局。

1.2.4 矢量數(shù)據(jù)

本研究所采用的矢量數(shù)據(jù)主要包括研究區(qū)2017年的路網(wǎng)矢量數(shù)據(jù)，來源于openstreetmap網(wǎng)站（www.openstreetmap.org），用來分析道路交通條件對耕地撂荒的影響。

2 研究方法

2.1 撂荒耕地的界定及識別方法

2.1.1 撂荒耕地界定

根據(jù)研究區(qū)實(shí)際情況，本文將撂荒耕地分為常年性撂荒耕地和季節(jié)性撂荒耕地，其中常年性撂荒耕地是指連續(xù)閑置或荒蕪兩年及兩年以上的耕地，季節(jié)性撂荒耕地是指在某季節(jié)閑置或荒蕪的耕地，本文中的季節(jié)性撂荒耕地包括兩種類型，一種是春季撂荒耕地，即春、冬兩季被撂荒的耕地，主要從4月前后的遙感影像中提?。涣硪环N是秋季撂荒耕地，即夏、秋兩季撂荒的耕地，主要從8月前后的遙感影像中提取。

根據(jù)上述定義，本文將研究區(qū)某一年的耕地綜合撂荒率定義為常年撂荒率、春季撂荒率、秋季撂荒率的平均值，這樣可以綜合反映一年內(nèi)耕地撂荒程度。其計(jì)算公式如下

式中為某一年的耕地綜合撂荒率，分別為當(dāng)年春季撂荒的耕地面積，秋季撂荒的耕地面積，常年性撂荒耕地面積，當(dāng)年的耕地總面積，hm2。

2.1.2 撂荒耕地的識別方法

本文應(yīng)用CART決策樹分類并輔以人工目視解譯的分類方法，將遙感影像分為林地、耕地、裸地、草地、水域和建設(shè)用地6類。由于高碑店市地處平原地區(qū)，耕地撂荒之后一般會被認(rèn)定為裸地，而少部分長期撂荒的耕地則可能會轉(zhuǎn)化為草地，因此將每年兩期影像的解譯結(jié)果中的耕地、裸地、草地3個(gè)類別疊加，并參照Google Earth高分辨率歷史影像確定當(dāng)年的耕地實(shí)際范圍，作為當(dāng)年的耕地本底數(shù)據(jù)，再將該年的春夏兩期影像解譯結(jié)果與當(dāng)年的耕地本底數(shù)據(jù)疊加，判斷耕地本底數(shù)據(jù)范圍內(nèi)的變化情況。耕地轉(zhuǎn)換為裸地或草地則可認(rèn)定為耕地撂荒，依照此規(guī)則可以獲得每年春季撂荒和秋季撂荒的耕地范圍；將1999－2001年、2007－2009年、2015－2017年每個(gè)時(shí)間段內(nèi)每年的春季撂荒、秋季撂荒范圍疊加，即可得到2001年、2009年、2017年常年撂荒耕地范圍。

2.2 遙感影像處理及CART決策樹分類

對18期Landsat TM/OLI 數(shù)據(jù)逐期進(jìn)行輻射定標(biāo)、大氣校正和圖像裁剪等預(yù)處理，并計(jì)算NDVI值；在ENVI 5.3軟件中進(jìn)行 ISODATA 非監(jiān)督分類，設(shè)置最大分類數(shù)量為10類，迭代次數(shù)為 10 次，得到非監(jiān)督分類結(jié)果；將TM影像和OLI影像均包含的藍(lán)色波段、綠色波段、紅色波段、近紅外波段、中紅外波段、遠(yuǎn)紅外波段6個(gè)波段和NDVI、ISODATA非監(jiān)督分類結(jié)果合并為含有8個(gè)波段的待分類影像。

目前的遙感影像分類研究中，傳統(tǒng)的監(jiān)督、非監(jiān)督分類以及后來興起的人工智能神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)分類等方法都是以遙感影像的光譜特征為基礎(chǔ)進(jìn)行分類。然而，由于影像本身存在“同物異譜，異物同譜”的問題, 因此上述這些分類方法往往會出現(xiàn)較多的錯(cuò)分、漏分情況。而決策樹分類方法能夠綜合利用影像的光譜信息以及其他輔助信息，并有效地解決上述問題[23]。目前決策樹分類主要包括ID3、C4.5、C5.0、CART等幾種常用的分類算法[24]。其中，CART決策樹分類可以根據(jù)人工選取的訓(xùn)練樣本自動確定分類閾值并建立決策樹，分類精度較高[22,25]。

本文采用CART決策樹分類算法，對上述重組波段后的待分類影像進(jìn)行決策樹分類。具體操作步驟包括，在ENVI5.3軟件中逐年逐期對待分類影像選擇訓(xùn)練樣本，根據(jù)所選擇的訓(xùn)練樣本自動運(yùn)算建立分類決策樹，并執(zhí)行分類決策樹，得到1999-2017年間18期遙感影像的分類結(jié)果。其中2001年4月17日影像分類過程中建立的決策樹如圖2所示。

2.3 景觀格局分析

采用斑塊面積（TA）、斑塊數(shù)目（NP）、平均斑塊面積（MPS）、平均形狀指數(shù)（MSI）、斑塊面積中位數(shù)（PSMD）、斑塊面積標(biāo)準(zhǔn)差（PSSD）等景觀格局指標(biāo)對高碑店市撂荒耕地的景觀格局特征進(jìn)行分析，各個(gè)指標(biāo)均由Fragstats 4.1軟件計(jì)算獲取，由于篇幅所限，各個(gè)指標(biāo)的具體含義及計(jì)算方法參見參考文獻(xiàn)[26]，本文不再贅述。

注：B1-B8分別對應(yīng)合成影像的8個(gè)波段。

2.4 研究的技術(shù)路線

圖3為本文技術(shù)路線圖。

圖3 技術(shù)路線圖

3 撂荒耕地提取及空間格局分析

3.1 撂荒耕地提取結(jié)果

采用CART決策樹算法，對2.2章節(jié)中重組波段后的待分類影像進(jìn)行決策樹分類。并采用混淆矩陣法對分類結(jié)果進(jìn)行精度驗(yàn)證。結(jié)果表明18期遙感影像的解譯總體分類精度介于87.5%～96.4%之間，具有較高的分類精度，可以滿足本研究的要求。

將每期解譯結(jié)果中的耕地、裸地、草地3個(gè)涉及到撂荒耕地提取的地類分別進(jìn)行精度驗(yàn)證以及更精細(xì)的人工目視解譯校正。其初始分類精度評價(jià)結(jié)果如表3所示，數(shù)據(jù)顯示，在CART決策樹自動分類結(jié)果中，耕地和裸地的分類精度較高，一般均能達(dá)到90%左右，而草地的解譯精度相對較低，為70%～80%，且變化范圍較大，這主要是由于研究區(qū)天然草地面積很少，再加上草地與某些農(nóng)作物的影像特征較為接近，可能會出現(xiàn)難以避免的錯(cuò)分現(xiàn)象。因此解譯結(jié)果中的草地解譯精度較低。針對上述3個(gè)地類，結(jié)合谷歌高清歷史影像以及高碑店市部分年份的土地利用現(xiàn)狀數(shù)據(jù)進(jìn)行人工目視解譯校正，以此獲得3個(gè)不同時(shí)間段內(nèi)的18期耕地、裸地、草地的精確解譯結(jié)果。

表3 耕地、裸地、草地的初始分類精度

以上述耕地、裸地、草地的影像分類結(jié)果為基礎(chǔ)，通過影像疊加分析提取出高碑店市1999－2001年、2007－2009年、2015－2017年3個(gè)研究時(shí)段內(nèi)，季節(jié)性撂荒和常年撂荒耕地的空間分布（圖4）。結(jié)果顯示，高碑店市耕地的季節(jié)性撂荒現(xiàn)象嚴(yán)重，并且以春季撂荒為主，撂荒面積呈現(xiàn)出逐漸減少的趨勢。

圖4 1999－2017年高碑店市季節(jié)性撂荒耕地空間分布

通過對季節(jié)性撂荒耕地分布圖疊加分析，得到高碑店市常年撂荒耕地的空間分布（圖5），結(jié)果如下圖所示，和季節(jié)性撂荒相比，高碑店市耕地常年撂荒現(xiàn)象極少。2001年、2009年、2017年的常年撂荒面積分別為190.65、128.22、48.50 hm2。

3.2 撂荒耕地的空間格局分析

采用景觀格局指數(shù)的方法對研究區(qū)2001年、2009年、2017年的撂荒耕地的空間格局進(jìn)行分析，分析結(jié)果如表4所示。

分析結(jié)果表明，2001－2017年間，高碑店市季節(jié)性撂荒耕地和常年撂荒耕地呈現(xiàn)出逐漸減少的趨勢。

從春季撂荒情況來看，撂荒面積由2001年的21 888.42 hm2降低至2017年的10 141.82 hm2。斑塊數(shù)目（NP）、平均斑塊面積（MPS）、斑塊面積中位數(shù)（PSMD）、斑塊面積標(biāo)準(zhǔn)差（PSSD）4個(gè)指標(biāo)表明，春季撂荒斑塊數(shù)目增多，平均斑塊面積減小，同時(shí)斑塊面積的離散程度減小。表明大規(guī)模集中式撂荒情況減少，小規(guī)模分散式撂荒情況增多。

從秋季撂荒情況來看，研究區(qū)秋季撂荒耕地的面積明顯少于同年春季撂荒耕地面積。并且秋季撂荒的面積也呈現(xiàn)出逐年減少的趨勢。其中2009年秋季撂荒現(xiàn)象最為嚴(yán)重，撂荒面積達(dá)到了1 124.96 hm2。和春季撂荒情況類似，通過比較斑塊數(shù)目（NP）、平均斑塊面積（MPS）、斑塊面積中位數(shù)（PSMD）、斑塊面積標(biāo)準(zhǔn)差（PSSD）4個(gè)指標(biāo)的變化情況，可以發(fā)現(xiàn)研究區(qū)秋季撂荒的耕地同樣呈現(xiàn)出大規(guī)模撂荒情況減少，小規(guī)模分散式撂荒情況增多的趨勢，但這種趨勢沒有春季撂荒明顯。

圖5 高碑店市常年撂荒耕地的空間分布

表4 2001－2017年高碑店市撂荒耕地景觀指數(shù)

春季撂荒和秋季撂荒的斑塊平均形狀指數(shù)（MSI）均呈現(xiàn)出逐年降低的趨勢，表明撂荒耕地的形狀趨于規(guī)則，這也進(jìn)一步反映了高碑店市大規(guī)模無序撂荒的情況減少，撂荒類型逐漸以小規(guī)模的農(nóng)戶層面撂荒為主。

與季節(jié)性撂荒相比，研究區(qū)耕地常年撂荒的情況較少。景觀分析結(jié)果表明撂荒耕地斑塊面積明顯減少，由2001年的190.65 hm2減少至2017年的48.50 hm2。

4 耕地撂荒空間格局及其演變的影響因素分析

4.1 撂荒耕地的工業(yè)區(qū)位條件分析

產(chǎn)業(yè)中心的發(fā)展會帶動周邊農(nóng)村二三產(chǎn)業(yè)的迅速發(fā)展，并促進(jìn)農(nóng)村勞動力由第一產(chǎn)業(yè)向二三產(chǎn)業(yè)集聚，因此導(dǎo)致耕地撂荒情況的加劇。高碑店市白溝鎮(zhèn)自改革開放以來，大力發(fā)展箱包產(chǎn)業(yè)，目前已發(fā)展為一個(gè)輻射周邊11個(gè)縣（市）、55個(gè)鄉(xiāng)鎮(zhèn)、500多個(gè)自然村，從業(yè)人員超過150萬人的區(qū)域特色產(chǎn)業(yè)集群。本文以白溝鎮(zhèn)作為帶動高碑店市農(nóng)村經(jīng)濟(jì)發(fā)展的主要產(chǎn)業(yè)中心，在白溝鎮(zhèn)周圍生成5、10、20 km的多級緩沖區(qū)，并在GIS軟件中將緩沖區(qū)圖層與各撂荒耕地圖層進(jìn)行疊加分析，得到距白溝不同范圍內(nèi)的撂荒耕地分布情況，并分別計(jì)算不同年份各級緩沖區(qū)范圍內(nèi)的耕地綜合撂荒率。其結(jié)果如表5所示。

表5 距白溝鎮(zhèn)不同范圍內(nèi)耕地撂荒情況

從空間尺度變化來看，2001年、2009年、2017年3個(gè)年份內(nèi)，隨著離產(chǎn)業(yè)中心白溝距離的增加，各個(gè)緩沖區(qū)域內(nèi)的耕地綜合撂荒率均呈現(xiàn)出遞減的趨勢。這表明由于產(chǎn)業(yè)中心對農(nóng)村發(fā)展的輻射帶動作用隨著距離的增加而逐漸衰減，因此距產(chǎn)業(yè)中心距離越近的農(nóng)村其耕地綜合撂荒率越高。

4.2 撂荒耕地的交通條件及耕作半徑分析

道路交通條件以及耕作半徑是影響著農(nóng)業(yè)生產(chǎn)的重要因素之一。本文從撂荒耕地距離公路的距離以及距離農(nóng)村居民點(diǎn)的距離兩個(gè)方面來分析交通條件以及耕作半徑對耕地撂荒的影響。

對高碑店市道路矢量圖和農(nóng)村居民點(diǎn)周圍分別生成距離50、100、200 m和100、200、500 m的多級緩沖區(qū)。并在GIS軟件中將緩沖區(qū)圖層與各撂荒耕地圖層進(jìn)行疊加分析，得到距公路及農(nóng)村居民點(diǎn)不同范圍內(nèi)的撂荒耕地空間分布情況。并計(jì)算不同區(qū)域范圍內(nèi)的耕地綜合撂荒率，其結(jié)果如表6所示。

表6 距道路或農(nóng)村居民點(diǎn)不同范圍內(nèi)耕地撂荒情況

分析結(jié)果表明，2001－2017年，隨著離道路或居民點(diǎn)距離的增加，研究區(qū)耕地的綜合撂荒率逐漸下降，只有距離道路50和100 m范圍內(nèi)沒有表現(xiàn)出這種趨勢。這表明道路和耕作半徑也在一定程度上影響著耕地撂荒，距離農(nóng)村居民點(diǎn)或道路越近的耕地其綜合撂荒率越低，反之則越高。

以極差和標(biāo)準(zhǔn)差兩個(gè)指標(biāo)對距離道路和居民點(diǎn)不同范圍內(nèi)的耕地綜合撂荒率進(jìn)行分析，以此來反映不同時(shí)期、不同范圍內(nèi)耕地綜合撂荒率的離散程度變化情況，分析結(jié)果如表7和表8所示。2001－2017年，距離道路或農(nóng)村居民點(diǎn)不同范圍內(nèi)的耕地綜合撂荒率的極差和標(biāo)準(zhǔn)差均表現(xiàn)為逐漸下降，這反映出距道路或農(nóng)村居民點(diǎn)不同范圍內(nèi)的耕地綜合撂荒率的變化幅度降低，表明道路交通條件以及耕作半徑對于耕地撂荒的影響程度減弱。

表7 距道路不同范圍內(nèi)耕地綜合撂荒率的極差及標(biāo)準(zhǔn)差變化情況

表8 距農(nóng)村居民點(diǎn)不同范圍內(nèi)耕地綜合撂荒率的極差及標(biāo)準(zhǔn)差變化情況

4.3 撂荒地區(qū)耕地經(jīng)營收益分析

從撂荒耕地的空間格局（圖4）可以明顯看出，高碑店市耕地的撂荒主要集中在春季，其中2001－2017年，春季平均撂荒面積為16 708.37 hm2，而秋季平均撂荒面積僅1 017.10 hm2，僅為春季的6.09%。究其原因，主要是由于當(dāng)?shù)氐挠衩淄度氘a(chǎn)出水平較高，再加上玉米生長季集中在夏季，雨熱同期，需要的人力物力條件相對較少。而小麥的生長期則集中在冬季，需要定期灌溉，需消耗較多的人力、財(cái)力。因此，造成當(dāng)?shù)赜衩椎膯挝幻娣e純收益遠(yuǎn)高于小麥。圖6表明了河北省小麥玉米的單位面積純收益變化情況，除去最近幾年玉米行情下跌以外，2001－2013年期間內(nèi)，河北省的玉米單位面積純收益遠(yuǎn)高于小麥。因此造成了當(dāng)?shù)剞r(nóng)民長期以來更傾向于種植玉米，并導(dǎo)致春冬兩季耕地的大面積撂荒。

圖6 2001－2016年河北省小麥、玉米單位面積純收益

4.4 撂荒地區(qū)耕地流轉(zhuǎn)變化分析

前文分析表明，2001－2017年高碑店市撂荒耕地面積逐漸下降。對調(diào)研村耕地流轉(zhuǎn)情況的調(diào)研結(jié)果如表9所示，2001－2017年，6個(gè)調(diào)研村中只有耿莊村2009年的耕地流轉(zhuǎn)率較2001年略有下降，其余5個(gè)村莊的耕地流轉(zhuǎn)率均表現(xiàn)出逐漸上升的趨勢。

在6個(gè)調(diào)研村周邊生成3 km緩沖區(qū)，并將緩沖區(qū)與2001年、2009年、2017年的耕地撂荒數(shù)據(jù)進(jìn)行疊加，提取出調(diào)研村周邊3 km范圍內(nèi)的撂荒耕地分布（表10），并分析其撂荒程度變化情況。結(jié)果表明6個(gè)調(diào)研村中，只有何張村的耕地綜合撂荒率表現(xiàn)為先增后減，其余5個(gè)村莊耕地綜合撂荒率基本上均表現(xiàn)為逐漸下降的趨勢。

如表9和表10所示，將6個(gè)調(diào)研村耕地流轉(zhuǎn)率和綜合撂荒率的變化情況進(jìn)行對比分析，可以看出，調(diào)研村的耕地綜合撂荒率和流轉(zhuǎn)率呈現(xiàn)出明顯的負(fù)相關(guān)趨勢。通過采訪每個(gè)村的村會計(jì)了解到，6個(gè)調(diào)研村目前均成立了村級耕地流轉(zhuǎn)組織，村民間進(jìn)行耕地流轉(zhuǎn)需要向村委會報(bào)備，流轉(zhuǎn)費(fèi)用也由村集體統(tǒng)一發(fā)放。這一舉措在一定程度上促進(jìn)了耕地的流轉(zhuǎn)，同時(shí)有效抑制了當(dāng)?shù)馗氐拇竺娣e撂荒的現(xiàn)象。

表9 調(diào)研村耕地流轉(zhuǎn)變化情況

表10 調(diào)研村耕地撂荒變化情況

5 討 論

本文應(yīng)用CART決策樹分類算法對30 m分辨率的Landsat基礎(chǔ)數(shù)據(jù)進(jìn)行遙感影像解譯，將其分為林地、耕地、裸地、草地、水域和建設(shè)用地6大類。但受多種因素限制，其解譯精度可能會存在一定的誤差，一方面，由于研究區(qū)地處平原，草地面積極少，一般僅分布于季節(jié)性河道、坑塘周邊或者城郊公園內(nèi)，受遙感影像分辨率限制，解譯為草地的地塊有可能是與草地比較相似的其他作物，因此可能造成錯(cuò)分現(xiàn)象；另一方面，ISODATA非監(jiān)督分類結(jié)果作為一種特征參與分類，能夠在一定程度上提高地物識別效率和精度，但是對于非監(jiān)督分類過程中可能會存在一定的錯(cuò)分或漏分的部分，將其作為一種特征（波段）參與分類，可能會最終的分類結(jié)果造成一定的誤差。因此，針對上述誤差，需要借助Google高分影像進(jìn)行人工目視解譯校正，但這種方式會花費(fèi)大量的人力與時(shí)間，在今后的研究中，可以考慮采用其他空間分辨率更高、光譜信息更為豐富的遙感數(shù)據(jù)源進(jìn)行解譯，以便更大程度減少上述類似的誤差。

另外，本文在進(jìn)行耕地撂荒解譯時(shí)，影像選取時(shí)間主要是依據(jù)春小麥-夏玉米這兩種主要農(nóng)作物的生長期，對于播種較晚的夏茬胡蘿卜（7－8月份播種）等生長期不同的作物未予考慮，盡管此類作物播種面積較小，但仍可能會對耕地撂荒的解譯結(jié)果會造成一定的誤差。

本文通過實(shí)地調(diào)研了解到耕地流轉(zhuǎn)是促進(jìn)高碑店市耕地撂荒率降低的一個(gè)重要影響因素，當(dāng)前高碑店市各地的農(nóng)村土地流轉(zhuǎn)工作已經(jīng)陸續(xù)開展，但部分農(nóng)村仍然存在土地流轉(zhuǎn)交易制度缺失、農(nóng)民流轉(zhuǎn)意愿較低等一系列問題。部分農(nóng)民由于思想閉塞，顧慮流轉(zhuǎn)后耕地面積減小、自身的合法權(quán)益受到侵占等問題，因此不愿將耕地流轉(zhuǎn)，阻礙了當(dāng)?shù)馗匾?guī)模經(jīng)營工作的進(jìn)一步推進(jìn)，未來政府應(yīng)加大宣傳力度，在堅(jiān)持農(nóng)村聯(lián)產(chǎn)承包經(jīng)營制度和穩(wěn)定土地承包關(guān)系的基礎(chǔ)上引導(dǎo)農(nóng)民積極參與土地流轉(zhuǎn)。

6 結(jié) 論

本文以河北省高碑店市為研究區(qū)，對1999－2001年、2007－2009年、2015－2017年三個(gè)研究時(shí)段內(nèi)18期Landsat TM/OLI遙感影像數(shù)據(jù)進(jìn)行預(yù)處理，結(jié)合 Google Earth的高分辨率影像圖選取訓(xùn)練樣本，利用 CART決策樹分類方法進(jìn)行遙感解譯，得到研究時(shí)段內(nèi)18期土地利用現(xiàn)狀分布圖，根據(jù)撂荒地識別方法提取出季節(jié)性撂荒耕地以及常年撂荒耕地的分布范圍；并對撂荒耕地空間分布格局的影響因素進(jìn)行分析。研究主要得出以下結(jié)論：

1）采用CART決策樹分類方法對高碑店市進(jìn)行遙感影像解譯，并進(jìn)行精度驗(yàn)證，結(jié)果表明，18期影像的分類精度介于87.5%～96.4%之間，在此分類結(jié)果的基礎(chǔ)上，提取出耕地、裸地、草地并進(jìn)行進(jìn)一步的人工目視解譯，最終得到的分類結(jié)果可以滿足高碑店市撂荒耕地的提取的精度要求。

2）高碑店市耕地撂荒以季節(jié)性撂荒為主，常年撂荒耕地面積較少，并且季節(jié)性撂荒以春季撂荒（冬閑田）為主，其中2001年春季撂荒耕地的面積達(dá)21 888.42 hm2，季節(jié)性撂荒和常年撂荒面積均呈現(xiàn)出逐漸減少的趨勢。

3）對撂荒耕地的斑塊數(shù)目（NP）、平均斑塊面積（MPS）、斑塊面積中位數(shù)（PSMD）、斑塊面積標(biāo)準(zhǔn)差（PSSD）、平均形狀指數(shù)（MSI）等景觀指標(biāo)的分析結(jié)果表明，高碑店市耕地撂荒形態(tài)由大規(guī)模集中式撂荒逐漸轉(zhuǎn)變?yōu)樾∫?guī)模分散式撂荒。

4）農(nóng)村工業(yè)發(fā)展是導(dǎo)致耕地撂荒的主要驅(qū)動因素，緩沖區(qū)分析結(jié)果表明距離產(chǎn)業(yè)中心越近的地區(qū)其耕地綜合撂荒率越高；交通條件及耕作半徑也在一定程度上影響耕地撂荒，但在地勢平坦的平原地區(qū)，其影響程度逐漸減弱。

5）作物收益水平差距導(dǎo)致高碑店市的耕地撂荒呈現(xiàn)出季節(jié)性差異，長期以來小麥單位面積純收益較低是導(dǎo)致高碑店市大面積春季耕地撂荒的主要因素，而耕地流轉(zhuǎn)能有效抑制當(dāng)?shù)馗亓袒默F(xiàn)象，農(nóng)村實(shí)地調(diào)研結(jié)果顯示，6個(gè)調(diào)研村莊的耕地流轉(zhuǎn)率與耕地綜合撂荒率的變化呈明顯的負(fù)相關(guān)趨勢。

[1] 李升發(fā)，李秀彬. 耕地撂荒研究進(jìn)展與展望[J]. 地理學(xué)報(bào)，2016，71(3)：370－389.

Li Shengfa, Li Xiubin. Progress and prospect on farmland abandonment[J]. Acta Geographica Sinica, 2016, 71(3): 370－389. (in Chinese with English abstract)

[2] Smaliychuk A, Müller D, Prishchepov A V, et al. Recultivation of abandoned agricultural lands in Ukraine: Patterns and drivers[J]. Global Environmental Change, 2016, 38: 70－81.

[3] Meyfroidt P, Lambin E F. Global forest transition prospects for an end to deforestation[J]. The Annual Review of Environment and Resources, 2011, 36: 343－371.

[4] Queiroz C, Beilin R, Folke C, et al. Farmland abandonment: Threat or opportunity for biodiversity conservation? A global review[J]. Frontiers in Ecology and the Environment, 2014, 12(5): 288－296.

[5] MacDonald D, Crabtree J R, Wiesinger G, et al. Agricultural abandonment in mountain areas of Europe: Environmental consequences and policy response[J]. Journal of Environmental Management, 2000, 59(1): 47－69.

[6] Romero-Calcerrada R, Perry G L W. The role of land abandonment in landscape dynamics in the SPA 'Encinares del r?o Alberchey Cofio, Central Spain, 1984－1999[J]. Landscape and Urban Planning, 2004, 66(4): 217－232.

[7] 曹志宏，郝晉珉，梁流濤. 農(nóng)戶耕地撂荒行為經(jīng)濟(jì)分析與策略研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2008(3)：43－46.

Cao Zhihong, Hao Jinmin, Liang Liutao. Economic analysis and strategy research on farmers' farmland abandonment behavior[J]. Journal of Agrotechnical Economics, 2008(3): 43－46. (in Chinese with English abstract)

[8] Xie H, Wang P, Yao G. Exploring the dynamic mechanisms of farmland abandonment based on a spatially explicit economic model for environmental sustainability[J]. Sustainability, 2014, 6(3): 1260－1282.

[9] Dong J, Liu J, Yan H. Spatio-temporal pattern and rationality of land reclamation and cropland abandonment in mid-eastern Inner Mongolia of China in 1990－2005[J]. Environmental Monitoring and Assessment, 2011, 179(1/4): 137－153.

[10] 李贊紅，閻建忠，花曉波，等. 不同類型農(nóng)戶撂荒及其影響因素研究：以重慶市12個(gè)典型村為例[J]. 地理研究，2014，33(4)：721－734.

Li Zanhong, Yan Jianzhong, Hua Xiaobo, et al. Factors influencing the cultivated land abandonment of households of different types: A case study of 12 typical villages in Chongqing Municipality[J]. Geographical Research, 2014, 33(4): 721－734. (in Chinese with English abstract)

[11] 劉忠，萬煒，黃晉宇，等. 基于無人機(jī)遙感的農(nóng)作物長勢關(guān)鍵參數(shù)反演研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2018，34(24)：60－71.

Liu Zhong, Wan Wei, Huang Jinyu, et al. Progress on key parameters inversion of crop growth based on unmanned aerial vehicle remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(24): 60－71. (in Chinese with English abstract)

[12] 郭文茜，任建強(qiáng)，劉杏認(rèn)，等. 統(tǒng)計(jì)數(shù)據(jù)總量約束下全局優(yōu)化閾值的冬小麥分布制圖[J]. 遙感學(xué)報(bào)，2018，22(6)：1023－1041.

Guo Wenqian, Ren Jianqiang, Liu Xingren, et al. Winter wheat mapping with globally optimized threshold under total quantity constraint of statistical data[J]. Journal of Remote Sensing, 2018, 22(6): 1023－1041. (in Chinese with English abstract)

[13] 馬尚杰，裴志遠(yuǎn)，王飛，等. 基于GF-1影像的沿淮地區(qū)冬季耕地撂荒遙感調(diào)查應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(1)：227－233.

Ma Shangjie, Pei Zhiyuan, Wang Fei, et al. Application on remote sensing survey of abandoned farmlands in winter along the Huaihe River based on GF-1 image[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 227－233. (in Chinese with English abstract)

[14] 呂雅慧，鄖文聚，張超，等. 基于TOPSIS和BP神經(jīng)網(wǎng)絡(luò)的高標(biāo)準(zhǔn)農(nóng)田綜合識別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49(3)：196－204.

Lü Yahui, Yun Wenju, Zhang Chao, et al. Multi-characteristic comprehensive recognition of well-facilitied farmland based on TOPSIS and BP Neural Network[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(3): 196－204. (in Chinese with English abstract)

[15] 朱秀芳，李石波，肖國峰. 基于無人機(jī)遙感影像的覆膜農(nóng)田面積及分布提取方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(4)：106－113.

Zhu Xiufang, Li Shibo, Xiao Guofeng. Method on extraction of area and distribution of plastic-mulched farmland based on UAV images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(4): 106－113. (in Chinese with English abstract)

[16] 牛繼強(qiáng)，林昊，牛櫻楠，等. 經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)撂荒耕地空間格局與驅(qū)動因素分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48(2)：141－149.

Niu Jiqiang, Lin Hao, Niu Yingnan, et al. Analysis of spatial pattern and driving factors for abandoned arable lands in underdevelopment region[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(2): 141－149. (in Chinese with English abstract)

[17] Melendez P, Hernández E I, Navapro P J, et al. Socioeconomic factors influencing land cover changes in rural areas: The case of the Sierra de Albarracín (Spain)[J]. Applied Geography, 2014, 52: 34－45.

[18] Andre M F. Depopulation, land use change and landscape transformation in the French Massif Central[J]. Royal Swedish Academy of Sciences, 1998, 27(4): 351－353.

[19] 史鐵丑，徐曉紅. 重慶市典型縣撂荒耕地圖斑的提取與驗(yàn)證[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(24)：261－267.

Shi Tiechou, Xu Xiaohong. Extraction and validation of abandoned farmland parcel in typical counties of Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 261－267. (in Chinese with English abstract)

[20] 張佰林，楊慶媛，嚴(yán)燕，等. 快速城鎮(zhèn)化進(jìn)程中不同類型農(nóng)戶棄耕特點(diǎn)及原因：基于重慶市十區(qū)縣540戶農(nóng)戶調(diào)查[J]. 資源科學(xué)，2011，33(11)：2047－2054.

Zhang Bailin, Yang Qingyuan, Yan Yan, 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. (in Chinese with English abstract)

[21] Xie Hualin, Wang Peng, Yao Guanrong. 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]. Molecular Diversity Preservation International, 2014, 6(3): 1260－1282.

[22] 肖國峰，朱秀芳，侯陳瑤，等. 撂荒耕地的提取與分析：以山東省慶云縣和無棣縣為例[J]. 地理學(xué)報(bào)，2018，73(9)：1658－1673.

Xiao Guofeng, Zhu Xiufang, Hou Chenyao, et al. Extraction and analysis of abandoned farmland: A case study of Qingyun and Wudi counties in Shandong Province[J]. Acta Geographica Sinica, 2018, 73(9): 1658－1673. (in Chinese with English abstract)

[23] 陳云，戴錦芳，李俊杰. 基于影像多種特征的CART決策樹分類方法及其應(yīng)用[J]. 地理與地理信息科學(xué)，2008，24(2)：33－36.

Chen Yun, Dai Jinfang, Li Junjie. CART-based decision tree classifier using multi-feature of image and its application[J]. Geography and Geo-Information Science, 2008, 24(2): 33－36. (in Chinese with English abstract)

[24] 趙萍，傅云飛，鄭劉根，等. 基于分類回歸樹分析的遙感影像土地利用/覆被分類研究[J]. 遙感學(xué)報(bào)，2005，9(6)：708－716.

Zhao Ping, Fu Yunfei, Zheng Liugen, et al. Cart－based land use/cover classification of remote sensing images[J]. Journal of Remote Sensing, 2005, 9(6): 708－716. (in Chinese with English abstract)

[25] 呂利利，頡耀文，黃曉君，等. 基于CART決策樹分類的沙漠化信息提取方法研究[J]. 遙感技術(shù)與應(yīng)用，2017，32(3)：499－506.

Lü Lili, Xie Yaowen, Huang Xiaojun, et al. Desertification information extraction method research based on the CART decision tree classification[J]. Remote Sensing Technology and Application, 2017, 32(3): 499－506. (in Chinese with English abstract)

[26] 鄭新奇，付梅臣. 景觀格局空間分析技術(shù)及其應(yīng)用[M]. 北京：科學(xué)技術(shù)出版社，2010：92－144.

Spatial pattern evolution of abandoned arable land and its influencing factor in industrialized region

Zhang Tianzhu1,2, Zhang Fengrong1,2※, Huang Jingwen1,2, Li Chao1,2, Zhang Bailin3

(1100193;2100193,;3300387,)

This paper takes Gaobeidian City of Hebei Province as the research area. Based on the Landsat TM/OLI data from 1999 to 2001, 2007-2009 and 2015-2017, the CART decision tree classification method is used to extract the distribution of abandoned arable land in the study area. Finally, we analyze its spatial pattern change characteristics and influencing factors. The study draws the following conclusions: 1) Using CART decision tree classification method to interpret remote sensing images in Gaobeidian City and verify the accuracy. The result shows that: 1）the classification accuracy of 18-stage images are between 87.5% and 96.4%, which can meet the accuracy requirements of this study; 2) The type of abandoned arable land in Gaobeidian City is mainly seasonal abandonment. The area of abandoned arable land reached 21 888.42 hm2in the spring of 2001, and the area of seasonal abandoned arable land and perennial abandoned arable land are gradually decreasing; 3) The analysis of landscape indicators including plaque number (NP), average plaque area (MPS), median plaque area (PSMD), plaque area standard deviation (PSSD), and average shape index (MSI) of the abandoned arable land shows that the main form of the abandonment of arable land has changed from large-scale centralized abandonment to small-scale decentralized abandonment; 4) The development of rural industry is the main driving factor leading to the abandonment of arable land. The result of the buffer analysis shows that the closer the industrial center is, the higher the comprehensive abandonment rate; The traffic conditions and farming radius also affect the abandonment of arable land to a certain extent, but in the flat plains region, its impact gradually weakened; 5) The gap in crop yields leads to seasonal differences in the cultivated land reclamation in Gaobeidian City. The long-term low net income per unit area of wheat is the main factor leading to the large-scale spring abandonment of arable land in Gaobeidian City, and the arable land transfer can effectively inhibit the abandonment of arable land. The results of rural survey show that the arable land transfer rate in the six surveyed villages shows a significant negative correlation with the change of the arable land abandonment rate. Due to the low resolution of remote sensing images used in this study, the interpretation accuracy may be affected. In addition, the selection time of remote sensing images is mainly based on the growth of spring wheat and summer maize, which do not take into account the late planting of summer stubble carrot and other crops in different growth periods. Although the sowing area of such crops is small, it may still cause errors in the interpretation of abandoned arable land. In order to solve the above problems, it is necessary to use Google high-resolution image for manual visual interpretation and correction, but this method will cost a lot of manpower and time. In future research, other remote sensing data sources with higher spatial resolution and richer spectral information can be considered for interpretation in order to solve these problems. The research results can provide reference for the study of abandoned arable land in other similar areas in China, and provide basis for the formulation of national food security and regional sustainable development policies.

rural areas; remote sensing; classification; CART decision tree; abandonment of arable land

10.11975/j.issn.1002-6819.2019.15.031

F301.2

A

1002-6819(2019)-15-0246-10

2019-04-10

2019-07-23

中國國土勘測規(guī)劃院外協(xié)項(xiàng)目（2018073-4）；天津市科技發(fā)展戰(zhàn)略研究計(jì)劃項(xiàng)目（17ZLZXZF00170）

張?zhí)熘?，博士生，研究方向?yàn)橥恋乜沙掷m(xù)利用。Email：ztz@cau.edu.cn

張鳳榮，教授，博士生導(dǎo)師，研究方向?yàn)橥恋乜沙掷m(xù)利用。Email：frzhang@cau.edu.cn

張?zhí)熘?，張鳳榮，黃敬文，李 超，張佰林. 工業(yè)化區(qū)域撂荒耕地空間格局演變及影響因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(15)：246－255. doi：10.11975/j.issn.1002-6819.2019.15.031 http://www.tcsae.org

Zhang Tianzhu, Zhang Fengrong, Huang Jingwen, Li Chao, Zhang Bailin. Spatial pattern evolution of abandoned arable land and its influencing factor in industrialized region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(15): 346－255. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.15.031 http://www.tcsae.org