基于支持向量機的老撾豐沙里省新開辟刀耕火種遙感監(jiān)測及其空間特征

李鵬，蔣寧桑，封志明，肖池偉

1.中國科學院地理科學與資源研究所,北京 100101;

2.中國科學院大學 資源與環(huán)境學院,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議的傳統(tǒng)土地利用類型，常見于拉丁美洲、非洲中部、南亞東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動因（Curtis等，2018；Schmidt?Vogt等，2009），其休耕期縮短與利用強度增強（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“減少毀林和林地退化所致碳排放”計劃（REDD/2008）實施以來，其環(huán)境效應、生計作用、文化屬性及其可持續(xù)性再次引起學界重新審視（Fox等，2014；Brady，1996）。特別地，刀耕火種休耕過程中獨有的“農(nóng)休林復”模式，較永久性農(nóng)業(yè)如橡膠等單一種植作物對固碳與維持生物多樣性更具優(yōu)勢（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，學界與決策部門對其確切分布、從業(yè)人口、休耕周期、利用強度、動態(tài)演變及其對生態(tài)環(huán)境影響認識有限，時序數(shù)據(jù)零星殘缺（Heinimann 等，2017；Padoch等，2007），且鮮見于統(tǒng)計年鑒（Wada等，2007）。這既不利于揭示其自身演變過程，又制約了全球氣候變化（Ryan等，2016）、熱帶森林—刀耕火種—種植園演變機理（Li 等，2022）及可持續(xù)發(fā)展目標（SDGs）減貧與生計改善（Dressler 等，2015；Cramb等，2009）等研究。

刀耕火種常散布于偏遠山地且地塊破碎，加之其農(nóng)林動態(tài)轉(zhuǎn)變頻繁，是遙感監(jiān)測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，精度和可信度不高。如Butler（1980）首次報道了（亞）熱帶刀耕火種勾繪圖，且仍用于IPCC氣候變化預測（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)對小農(nóng)生產(chǎn)監(jiān)測存在挑戰(zhàn)（Li等，2014）。此外，Heinimann 等（2017） 基于Hansen 等（2013）2000 年以來的全球毀林數(shù)據(jù)，目視判讀并在1度尺度上預測熱帶刀耕火種將在本世紀消亡；Curtis 等（2018）雖指出刀耕火種是全球毀林主因，但有關該農(nóng)業(yè)在溫帶廣泛分布的結果使其可信度偏低。

得益于MODIS 與Landsat 等共享政策，遙感使得像元、景觀、到區(qū)域?qū)用娴牡陡鸱N演變動態(tài)監(jiān)測成為可能（Li 等，2018a；Li 和Feng，2016；Hurni 等，2013；Leisz 和Rasmussen，2012）。橫向看，Landsat 因其長時序、多光譜與較高空間分辨率等優(yōu)勢而被廣泛應用（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 少云或無云影像獲取關鍵期（Li等，2018b）。目前，刀耕火種遙感監(jiān)測多是基于監(jiān)督分類、植被—水分指數(shù)（Pasha 等，2020）等傳統(tǒng)方法，更適合解決簡單的二分類問題?，F(xiàn)階段，機器學習算法具有更強的高維復雜數(shù)據(jù)處理能力，然而其在熱帶刀耕火種及其演變動態(tài)監(jiān)測中的應用仍較為鮮見。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（祖笑鋒 等，2015）、邏輯回歸（Pu 和Gong，2004）、人工 神 經(jīng) 網(wǎng) 絡（Mallinis 和Koutsias，2012；Pu 和Gong，2004）、支持向量機（Tang 等，2020；Xie和Shi，2014）等機器學習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)測的機器學習算法愈發(fā)迫切。

支持向量機（SVM）以統(tǒng)計學習理論為算法基礎，能較好地應對過度擬合問題，有較強的高維數(shù)據(jù)集處理能力，在火燒跡地監(jiān)測（Xiong 和Yan，2019；Colson 等，2018） 與土地利用研究（Kesikoglu 等，2019）中均得到廣泛應用，且其無需樣本正態(tài)分布的假設，具有良好的泛化能力，更易推廣。然而，熱帶新開辟刀耕火種農(nóng)業(yè)土地清理階段前后跨度2—3 個月，使得當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雜。這也是基于SVM 算法開展刀耕火種農(nóng)業(yè)監(jiān)測亟待解決的挑戰(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）、居民點與道路、Google Earth（GE）高清影像等，通過消除建設用地噪聲以修正基于支持向量機的新開辟刀耕火種監(jiān)測結果，據(jù)此揭示其縣域差異、可達性與地形特征。本研究可為熱帶刀耕火種演變監(jiān)測提供方法借鑒，也可為評價該生計農(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最北端，東鄰越南奠邊省，西北與中國云南接壤，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（Li 等，2014）。全省地處北回歸線以南，受東北季風和西南季風交替影響，屬熱帶季風氣候（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］）溫度與降水數(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，同時也有利于獲取少云/無云遙感影像（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、建設用地、林地、水域、草地以及裸露基巖7 種主要土地利用類型。根據(jù)美國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家自然保護區(qū)（Phou Daen Din National Protected Area，2220 km2），與越南孟聶自然保護區(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3%，人口密度約為11.5 人/km2，居該國末位（Lao Statistics Bureau，2018）。該省經(jīng)濟發(fā)展水平落后，農(nóng)業(yè)占絕對優(yōu)勢。受自然地理條件約束，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 月風干暴曬，在雨季來臨前（4 月）完成焚燒并進行農(nóng)作物播種。植被焚燒能去除野草和害蟲，其燃燒灰燼可支持作物生長1—2 年（多則3 年），之后進入休耕（5—20 年）以恢復植被（廖諶婳等，2014；Inoue等，2010）。近年來，休耕期縮短是刀耕火種演變重要特征（Jakovac 等，2017）。

2.2 Landsat 8 OLI 影像及預處理

Landsat 8 OLI Level?2 地表反射率產(chǎn)品（30 m）由美國地質(zhì)調(diào)查局（https：//espa.cr.usgs.gov/［2020?12?08］）提供，該產(chǎn)品已經(jīng)過輻射校正、幾何精校正與大氣校正；其16 d 重訪周期有助于捕捉2—4月刀耕火種農(nóng)業(yè)燒伐引起的地表覆被變化。選擇豐沙里省進行SVM 算法測試的另一考慮是該省基本上由單景影像（軌道號/行號：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，其對刀耕火種農(nóng)業(yè)監(jiān)測的影響可忽略不計。鑒于刀耕火種集中焚燒時間前后跨度較長，為最大化識別新開辟刀耕火種信息，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 算法提取與結果相互校驗。兩景影像云量少（約為5%與2%，全省云量不足1%），適合作為實驗數(shù)據(jù)開展研究。

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

2.3 ALOS PALSAR DEM 及預處理

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

豐沙里省全覆蓋需10個DEM產(chǎn)品，基于ArcGIS完成全省DEM鑲嵌與裁剪，并計算其坡度與坡向。根據(jù)地貌單元劃分標準和丘陵山地新開辟刀耕火種地形特征研究需要，將全省海拔分為3 大類，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°。類似地，根據(jù)中國水利部土壤侵蝕分類分級標準（《土壤侵蝕分級分類標準》（SL190?2007）），將坡度劃分為6 級：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 居民點和道路數(shù)據(jù)

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

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）、非機動車道（paths unsuitable for cars）以及未知（unknown）共5類26種道路信息。主要道路包括國際、省際、縣際公路；次要道路包括各類地方公路；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。全省公路結構單一，為一條貫穿南北的公路線組，連通西部各縣；次級公路大致沿主路向各個方向延伸；山路數(shù)量眾多但距離短，多分布在公路兩側(cè)。居民點與道路數(shù)據(jù)主要用于開展新開辟刀耕火種的緩沖區(qū)分析，步長為1 km，最大緩沖距離為10 km。

3 研究方法

基于研究區(qū)地物特征建立訓練樣本，利用支持向量機算法對2016 年4 月12 日與28 日兩景影像進行分類提取，對兩期新開辟刀耕火種提取范圍進行疊加取并集，用以初步表征2016 年新開辟刀耕火種信息。為消除建設用地所產(chǎn)生的噪聲，在近兩年建設用地基本不變的假設下，引入建設用地指數(shù)與平地信息（2014 年），并對新開辟刀耕火種初步提取結果進行掩膜處理，從而得到2016 年新開辟刀耕火種專題圖。具體流程如圖2所示。

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

3.1 構建訓練樣本

訓練樣本建立是SVM 算法的關鍵，其質(zhì)量直接關系到結果的準確性（許晴等，2022）。根據(jù)豐沙里省土地利用類型，為提高各類地物樣本可分性，將光譜特征相似的非刀耕火種地類進行合并，最終確定5類地物（新開辟刀耕火種、建設用地與永久性農(nóng)業(yè)用地、林地、水域、草地和裸露基巖）。受刀耕火種動態(tài)變化影響，2016 年4 月28日影像中新開辟刀耕火種光譜特性內(nèi)部差異較大，故進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，基于準確性、代表性與統(tǒng)計性樣本選取原則，對照GE 影像反復對比，并目視選取各類地物斑塊內(nèi)部均質(zhì)像元作為樣本。以桑潘縣西南部為例，圖3 展示了新開辟刀耕火種在Landsat 與GE 高分辨率影像中成像及其樣點分布。考慮到地物自身復雜性與空間異質(zhì)性，樣本均散布于研究區(qū)各個區(qū)域，且含有足量像元（>1000 個，表1），使其能夠反映地物光譜特性在空間上的波動情況。基于Jeffries?Matusita 距離和轉(zhuǎn)換分離度計算的樣本可分性（表2），新開辟刀耕火種與建設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

表2 各類地物樣本相對于新刀耕火種農(nóng)業(yè)的可分性對比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辟刀耕火種在Landsat與GE成像及其樣本點（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（SVM）算法

SVM 算法在新開辟刀耕火種信息提取的優(yōu)勢表現(xiàn)在：一是能有效解決Landsat 因分辨率較高而造成的地物線性不可分問題，二是其對訓練樣本的高包容性能降低刀耕火種訓練樣本選取難度（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空間，以解決數(shù)據(jù)線性不可分問題（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、特征少的情形，故選擇高斯函數(shù)。懲罰系數(shù)C在建立分類器過程中用于平衡模型復雜度和誤分率之間的關系，進而影響學習機器的推廣能力（惠文華，2006）。當C較小時，支持向量以及超平面的模型較為簡單，離群點數(shù)量增加，誤分率較高；反之，則易發(fā)生過度擬合。由于新開辟刀耕火種農(nóng)業(yè)包含砍伐、曝曬和焚燒等階段，光譜特征較為復雜，本文以10 為步長，在［0，200］范圍內(nèi)對懲罰參數(shù)進行調(diào)整，反復試驗確定其值為100，此時提取出的新開辟刀耕火種地塊邊界清晰，且漏分誤差較低。參數(shù)γ 在SVM 算法中用來度量兩點之間的差異，通常將其設置為樣本特征數(shù)（OLI 的7 個波段）的倒數(shù)，故將參數(shù)γ設置為0.143（鄧書斌等，2014）。

3.3 建設用地提取

新開辟刀耕火種遙感提取易受到建設用地干擾而造成錯分。根據(jù)歸一化建設指數(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），輔以建設用地光譜信息和地形（平地）特征，確定豐沙里省建設用地分布信息，并據(jù)此改善面向新開辟刀耕火種的SVM算法提取結果。公式如下：

式中，Band 2、Band 5、Band 6 分別為Landsat?8 OLI 藍波段、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)建設用地的光譜特征，建設用地像元NDBI>0或RRI>1。

建設用地與刀耕火種農(nóng)業(yè)用地同為人類活動的產(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?。ǚ庵久鞯龋?020）?；贏LOS DEM，通過對照全省實際建設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，且與建設用地分布較為吻合。利用平地信息對全省建設用地進行掩膜，獲得改進后的建設用地信息，總體精度為89.71%。

4 結果與分析

4.1 考慮建設用地噪聲的新開辟刀耕火種SVM算法

對消除建設用地干擾前后的4月兩期新開辟刀耕火種農(nóng)業(yè)提取結果進行精度評價（表3）與目視對比發(fā)現(xiàn)，一方面利用建設用地進行掩膜明顯改善了SVM 算法將建設用地錯分為新開辟刀耕火種的現(xiàn)象，兩期提取結果的用戶精度分別提高了9.29%和13.79%；另一方面，結果優(yōu)化前后的制圖精度均較高（>85%）且較穩(wěn)定，說明SVM 算法對于新開辟刀耕火種的漏分率較低，同時建設用地信息剔除并沒有影響SVM 高精度提取性能的發(fā)揮。

表3 建設用地掩膜前后新開辟刀耕火種與建設用地混淆矩陣及精度評價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，考慮建設用地的SVM 分類結果可以很好地剔除建設用地的干擾（圖4（a）右圖），而在不受建設用地影響的區(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，利用建設用地信息進行掩膜的方法僅會對建設用地干擾進行修正，而不會對新開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 日新開辟刀耕火種再拼接與考慮建設用地支持向量機提取結果的精度對比。修正前后的制圖精度均保持在88%左右，這顯示出SVM 在新開辟刀耕火種信息提取的潛力。SVM 算法提取結果經(jīng)建設用地修正后，其分類精度較基于單一SVM 分類算法有所提高，其中用戶精度、總體精度、Kappa系數(shù)分別提高了20.48%、 5.44%、 0.16， 同 時 錯 分 誤 差 減 少20.48%。對分類結果與原始影像目視對比發(fā)現(xiàn)，分類誤差主要是由于部分建設用地被誤分為新開辟刀耕火種，錯分的區(qū)域主要分布在該省西部河谷地區(qū)。

表4 2016年豐沙里省新開辟刀耕火種提取結果在優(yōu)化前后的精度對比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)建設用地掩膜前后SVM新開辟刀耕火種提取結果對比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 新開辟刀耕火種農(nóng)業(yè)空間分布格局

2016 年，豐沙里省新開辟刀耕火種面積為987.93 km2，約占全省6.10%。其中，4月12日與28日兩期影像監(jiān)測結果分別為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家自然保護區(qū)，居民點分布稀疏，且交通不便，當年新開辟刀耕火種地塊很少。

在景觀層面，全省共有66860個新開辟刀耕火種斑塊，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，與局部等高線平行，平均形狀指數(shù)為1.26。在縣域?qū)用妫撌? 縣當年新開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 個縣的新開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 在全省過半，與其縣域面積占比相當（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，各縣新開辟刀耕火種分布密度與其整體占比并不匹配。本代縣新開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 新開辟刀耕火種的居民點與道路可達性

豐沙里省居民點與新開辟刀耕火種在空間上具有一致性，即西南多、東北少。全省新開辟刀耕火種與鄰近居民點的距離存在明顯差異。居民點1 km 以內(nèi)新開辟刀耕火種較少，面積為177.96 km2（約17.91%），近八成分布在距居民點1 km 以外。然而，之后新開辟刀耕火種表現(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)用娈斈晷麻_辟刀耕火種隨著距居民點距離的增加，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 以內(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。各縣新開辟刀耕火種均在居民點1—2 km 范圍內(nèi)達到峰值，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辟刀耕火種隨與居民點距離變化較小。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年新開辟刀耕火種與居民點的距離特征Fig.5 Characteristics of the distance between newly?opened swidden and resident points in Phongsaly Province and the districts in 2016

道路能夠擴展人類活動范圍，并在一定程度上決定山區(qū)新開辟刀耕火種分布特征。類似地，豐沙里省2016 年新開辟刀耕火種距道路亦表現(xiàn)出距離衰減規(guī)律，但不同道路等級呈現(xiàn)出不同的變化特征（圖6（a））。全省新開辟刀耕火種在次要公路兩側(cè)10 km 以內(nèi)分布最多，占比95.86%，其中5 km 范圍內(nèi)尤為集中，占比達到86%，而2 km以內(nèi)占比過半，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。

各縣新開辟刀耕火種隨距道路遠近的分布特征更為復雜。在主要公路兩側(cè)，各縣新開辟刀耕火種在10 km 各個緩沖區(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個縣的約九成新開辟刀耕火種在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，集中分布在道路兩側(cè)4 km以內(nèi)。除夸縣和本代縣新開辟刀耕火種在次要公路1—2 km 緩沖區(qū)內(nèi)達到峰值外，其余各縣均在次要公路兩側(cè)1 km以內(nèi)面積最大。新開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，面積越??；桑潘縣、豐沙里縣和夸縣的新開辟刀耕火種面積則隨距離呈現(xiàn)出波動下降的趨勢，集中分布在山路兩側(cè)1—3 km以內(nèi)；邁縣山路10 km 范圍內(nèi)的新開辟刀耕火種農(nóng)業(yè)分布相對均勻，3—4 km出現(xiàn)小峰值（11.35 km2），該縣超35%的新開辟刀耕火種農(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、道路的可達性分析表明，當?shù)厣矫裨谶x擇新刀耕火種地塊時，時間—距離是重要因素之一，即會優(yōu)先考慮其與居民點的距離。結合本文第一作者2013 年—2020 年在中南半島五國山區(qū)的近10 次實地考察，山民通常會在上午8：00—9：00時離家并自帶干糧（午餐），步行至待進行刀耕火種的地方（山坡），下午3：00—4：00時前返回。因此，選擇鄰近居民點的地塊進行刀耕火種農(nóng)業(yè)生產(chǎn)對山民極為重要。根據(jù)蘇格蘭爬山專家拿史密夫的“拿史密夫定律”（Naismith’s rule）（Naismith，1892），即成人平路步行時速為4 km/h，登高時會相應增加時間（每小時登高500 m）?；赟VM 的提取信息未能反映新開辟刀耕火種斑塊與鄰近居民點的一一對應關系，本文尚不能計算豐沙里省山民每日從事刀耕火種所需的具體時間信息。盡管如此，近九成新開辟刀耕火種分布在距居民點5 km 范圍內(nèi)，說明大部分山民會選擇距居民點步行1—2 h以外的區(qū)域從事刀耕火種。

4.4 新開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)計不同海拔區(qū)間新開辟刀耕火種面積與分布信息。由圖7（a）可知，全省新開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)域新開辟刀耕火種僅占到5%。這清楚表明當年新開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（500 m 以上超96%），另一方面也與全省九成以上居民點分布在500—1500 m 有密切關系。當然，對于森林覆蓋率極高的豐沙里省而言，新開辟刀耕火種可選區(qū)域較為豐富。在對時間—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。在過去的實地調(diào)查中，當海拔超過1000—1200 m，每日上午通常會伴有較長時間的濃霧（或可持續(xù)到中午11—12時），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栞椛湮沾嬖谳^大差異，進而引起地表物質(zhì)和能量的再分配。刀耕火種的開辟也受到坡向影響（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%），其余各類坡向占比在6%—12%不等，極少分布在平地。各縣新開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。這是因為南坡能接受到較多太陽輻射，便于旱季植被砍伐與風干曝曬。

坡度會影響土壤養(yǎng)分含量以及作物對水分的吸收，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的新開辟刀耕火種分布在緩坡（坡度<8°）以及峭坡（坡度>35°）。各縣新開辟刀耕火種面積隨坡度的變化趨勢比較一致?？梢姡陡鸱N農(nóng)業(yè)在一定程度上會受到坡度條件的制約。坡度較大的地區(qū)農(nóng)業(yè)開墾難度較大，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)，因人類活動頻繁，而多被開發(fā)為建設用地以及永久性耕地。

5 結 論

通過考慮建設用地信息優(yōu)化支持向量機算法提取結果，并據(jù)此遙感提取老撾豐沙里省2016 年旱季新開辟刀耕火種信息，并從像元、景觀與區(qū)域?qū)用娼沂玖似淇臻g特征，輔以居民點、道路與地形進一步定量分析了新開辟刀耕火種的可達性與地形特征。主要結論如下：

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

（2） 豐沙里省2016 年新開辟刀耕火種為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）豐沙里省新開辟刀耕火種農(nóng)業(yè)隨居民點表現(xiàn)出距離衰減規(guī)律。近九成分布在距居民點5 km以內(nèi)，且全省與縣域?qū)用嫫渑c居民點的距離特征較為一致。

（4）全省新開辟刀耕火種規(guī)模隨不同道路等級呈現(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以內(nèi)的新開辟刀耕火種最為集中。各縣新開辟刀耕火種的道路可達性特征更為復雜。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特征各異。時間—距離是山民進行刀耕火種生產(chǎn)的重要因素。

（5）全省新開辟刀耕火種常見于低山（占新開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)占主導的社會經(jīng)濟條件，加之全省為一景Landsat 影像所覆蓋等優(yōu)勢，為開展面向刀耕火種農(nóng)業(yè)的遙感監(jiān)測特別是算法構建與改進提供了一個理想的試驗區(qū)?；贠LI 影像，通過對SVM 分類結果進行優(yōu)化，有效降低了建設用地對新開辟刀耕火種遙感提取的干擾。然而，受地物復雜性影響，建設用地并非唯一干擾源，未來在改進SVM等機器學習算法時需綜合考慮其他地類，以進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，無論是建設用地還是新開辟刀耕火種提取，云影都會在一定程度上影響分類精度。同時盡管研究區(qū)建設用地時空變化幅度較小，利用2014 年影像提取建設用地也可能會造成一定誤差。

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)展趨勢受自然和人類活動綜合影響。本文已在利用機器學習算法方面進行了探索性嘗試，據(jù)此開展了區(qū)域?qū)用娴男麻_辟刀耕火種可達性與地形等特征分析。未來可橫向比較不同機器學習算法（如隨機森林、神經(jīng)網(wǎng)絡等）在刀耕火種遙感監(jiān)測的應用潛力，在此基礎上擇優(yōu)選取最穩(wěn)健機器學習算法開展熱帶層面的刀耕火種農(nóng)業(yè)動態(tài)監(jiān)測，為定量揭示熱帶森林—刀耕火種—種植園“三位一體”動態(tài)演變提供方法保障與數(shù)據(jù)基礎（Li等，2022）。