基于土地評價和空間聚類的基本農(nóng)田劃定方法研究——以湖北省鶴峰縣為例

聶 艷，吳西子，于 婧，馮 莎，周 勇

（1.華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；2.湖北大學(xué)資源環(huán)境學(xué)院，湖北 武漢 430 062）

1 引言

當(dāng)前中國耕地和基本農(nóng)田保護(hù)主要借助土地利用總體規(guī)劃，采用定量指標(biāo)層層分解的方式落實(shí)基本農(nóng)田保護(hù)任務(wù)[1-2]。為解決經(jīng)濟(jì)發(fā)展與基本農(nóng)田保護(hù)的矛盾，在具體實(shí)踐中出現(xiàn)了耕地入選基本農(nóng)田過程主觀，重?cái)?shù)量輕質(zhì)量，劃劣不劃優(yōu)，劃遠(yuǎn)不劃近等現(xiàn)象。圍繞如何將限額的基本農(nóng)田分配到最合適的區(qū)域、滿足基本農(nóng)田保護(hù)政策“優(yōu)質(zhì)集中”的具體要求，國內(nèi)學(xué)者開展了大量研究。在基本農(nóng)田入選指標(biāo)方面，有學(xué)者指出既要考慮耕地自然地理?xiàng)l件，同時也要考慮耕地潛力、立地條件、連片程度、建設(shè)壓力等因素[3-6]；在方法方面，基于農(nóng)用地分等成果，有學(xué)者借助GIS探討了利用農(nóng)用地等別成果劃定基本農(nóng)田的方法和流程[7-10]，受“質(zhì)優(yōu)”的限制，這種按照耕地質(zhì)量排序的方法也同步將部分零星的耕地地塊納入基本 農(nóng)田而不能很好的實(shí)現(xiàn) “集中”。為此，本文擬構(gòu)建基于耕地質(zhì)量和空間破碎度的基本農(nóng)田劃定新方法，以實(shí)現(xiàn)基本農(nóng)田劃定過程中的“質(zhì)優(yōu)”和“集中”并存。首先借助土地評價的思路構(gòu)建了耕地入選基本農(nóng)田的評價指標(biāo)體系評定研究區(qū)耕地質(zhì)量的空間差異，然后引入景觀破碎度指數(shù)和修正的K均值空間聚類法，進(jìn)行聚類以獲取基本農(nóng)田的空間布局，以期為耕地入選基本農(nóng)田提供更可靠、更科學(xué)的依據(jù)，為編制基本農(nóng)田保護(hù)專項(xiàng)規(guī)劃提供參考和借鑒。

2 研究區(qū)概況

鶴峰縣位于鄂西南山區(qū)的恩施自治州東隅，地跨東經(jīng)109°45′—110°38′，北緯29°38′—30°14′。鶴峰縣地處亞熱帶，大陸性季風(fēng)濕潤氣候，雨熱同季，時空分布不均勻，霧多，蒸發(fā)小，濕度大，地表高差懸殊，立體氣候顯著；鶴峰縣山多耕地少，人均耕地不足0.1 hm2，有效灌溉面積占耕地總面積的57.2%，耕地質(zhì)量不高，用地結(jié)構(gòu)具有明顯的丘陵崗地特點(diǎn)。現(xiàn)轄2鎮(zhèn)、7鄉(xiāng)和1個省級開發(fā)區(qū)。

3 數(shù)據(jù)來源與研究方法

3.1 數(shù)據(jù)來源

專題圖件：農(nóng)村土地調(diào)查數(shù)據(jù)庫（2011年，鶴峰縣國土資源局）、測土配方施肥樣點(diǎn)分布圖（2011年，鶴峰縣農(nóng)業(yè)局）、土地利用總體規(guī)劃圖（1997—2010年，2010—2020年，鶴峰縣國土資源局）。屬性數(shù)據(jù)：土壤志和耕地地力調(diào)查樣點(diǎn)資料（鶴峰縣農(nóng)業(yè)局）；土地利用總體規(guī)劃文本（2010—2020年）、耕地保護(hù)、土地整治等資料（鶴峰縣國土資源局）。

3.2 研究方法

根據(jù)基本農(nóng)田為部分質(zhì)優(yōu)、空間分布相對集中、形狀不太規(guī)則的耕地等特點(diǎn)，選用K均值聚類法[11]。K均值聚類法的基本流程為：從n個耕地地塊中任意選擇K個地塊作為初始聚類中心，計(jì)算各地塊與聚類中心的距離，從而將全部對象劃分為K個區(qū)域；根據(jù)最小距離重新對地塊劃分K類，重新計(jì)算新劃分的K類的聚類中心，不斷重復(fù)這個過程，直到標(biāo)準(zhǔn)測度函數(shù)的誤差準(zhǔn)則函數(shù)（常用均方差）收斂為止；最后獲得K個聚類具有各聚類內(nèi)部緊湊、聚類間相異的特點(diǎn)。

為有效耦合空間位置和屬性相似性，計(jì)算各耕地地塊與聚類中心距離時，重新定義K均值聚類法中的空間距離，采用式1計(jì)算兩個地塊之間的距離，既考慮了屬性變量內(nèi)部的差異，又體現(xiàn)了空間相似性的重要。

式1中，Dij為第i個地塊到第j個地塊的距離；xi和yi為第i個地塊重心的x、y坐標(biāo)值，aik為第i個地塊第k個屬性值，wa為空間特征x、y權(quán)重值，wb為屬性特征權(quán)重值，wk為第i個地塊第k個屬性特征的權(quán)重值，其中wa+wb=1，wk之和為1。K均值聚類過程借助MATLAB 7.0編程和ArcGIS 9.3實(shí)現(xiàn)。

4 基于土地評價和空間聚類的基本農(nóng)田劃定

4.1 耕地入選基本農(nóng)田的質(zhì)量空間異質(zhì)性評定

4.1.1 評價指標(biāo)體系的構(gòu)建 耕地利用系統(tǒng)是由自然條件和人為活動共同組成的有機(jī)整體，是人和自然環(huán)境相互作用和相互協(xié)調(diào)而構(gòu)成的自然社會經(jīng)濟(jì)生態(tài)復(fù)合系統(tǒng)；受氣候、母質(zhì)、地形、人為等因素影響，客觀上形成了耕地質(zhì)量的空間異質(zhì)性。而入選基本農(nóng)田的耕地，不僅要肥力較高、區(qū)位較好、水利設(shè)施良好等，同時也要考慮耕地轉(zhuǎn)為建設(shè)用地的可能性，否則會對已劃定的基本農(nóng)田進(jìn)行頻繁調(diào)整。參考《可持續(xù)土地評價綱要》[12]、《基本農(nóng)田保護(hù)條例》[13]，結(jié)合鶴峰縣自然條件、耕作制度的實(shí)際情況及現(xiàn)有相關(guān)研究成果[3-10]，確定指標(biāo)選取原則為：（1）對耕地生產(chǎn)能力有較大影響；（2）研究區(qū)內(nèi)指標(biāo)屬性差異較大、與其他指標(biāo)的相關(guān)性較小；（3）指標(biāo)屬性相對穩(wěn)定，但對農(nóng)業(yè)生產(chǎn)影響大、變化規(guī)律明顯的不穩(wěn)定性指標(biāo)也應(yīng)考慮；（4）指標(biāo)以定量為主并可測度。確定評價方法為特爾婓法，最終得到評價指標(biāo)體系為4個因素11個因子（表1）。

根據(jù)層次分析法的原理確定各評價指標(biāo)的層次矩陣，利用Excel的函數(shù)功能，計(jì)算各特征向量即權(quán)系數(shù)，然后對目標(biāo)層和準(zhǔn)則層進(jìn)行一致性檢驗(yàn)，一致性比率CR均小于0.1，通過檢驗(yàn)，得到各指標(biāo)的權(quán)重見表1。

4.1.2 評價單元和屬性數(shù)據(jù)的獲取 為確定入選基本農(nóng)田的耕地地塊，評價單元定義為土地利用現(xiàn)狀圖中的耕地圖斑。對于各評價指標(biāo)的屬性數(shù)據(jù)，采取空間插值、緩沖區(qū)和疊置分析等方法獲?。海?）從1∶1萬農(nóng)村土地調(diào)查數(shù)據(jù)庫中提取水田、水澆地、旱地作為耕地圖層，同步提取公路、農(nóng)村道路、溝渠等線狀地物和居民點(diǎn)、建制鎮(zhèn)等面狀地物；（2）坡度：采用農(nóng)村土地調(diào)查數(shù)據(jù)庫中耕地的坡度分級數(shù)據(jù)；（3）有機(jī)質(zhì)、pH值：借助ArcGIS和測土配方施肥的4361個樣點(diǎn)數(shù)據(jù)，有機(jī)質(zhì)以0.2 g/kg、pH值以0.1為等間距進(jìn)行反距離權(quán)重空間插值生成等值線獲??；（4）土壤質(zhì)地、剖面構(gòu)型：以測土配方施肥的4361個樣點(diǎn)圖為基礎(chǔ)，疊加耕地圖層，將樣點(diǎn)實(shí)測土壤質(zhì)地、剖面構(gòu)型等指標(biāo)屬性賦值到耕地圖斑，不同值域相交處人工輔助判斷，沒有值的圖斑取臨近圖斑值；（5）灌溉保證率：結(jié)合灌溉泵站分布圖和河流、水庫和坑塘現(xiàn)狀圖，借助ArcGIS進(jìn)行緩沖區(qū)分析后，疊加取大值的原則得到單因子圖層；（6）排水條件：以提取的溝渠線狀地物做緩沖區(qū)分析獲取排水條件單因子圖層；（7）4個區(qū)位條件：以提取的公路、農(nóng)村道路、居民點(diǎn)、建制鎮(zhèn)分別作做緩沖區(qū)分析獲取對應(yīng)的單因子圖層。

表1 鶴峰縣耕地入選基本農(nóng)田的指標(biāo)體系Tab.1 The evaluation indexes of prime farmland zoning in Hefeng County

4.1.3 評價指標(biāo)屬性值標(biāo)準(zhǔn)化 由于指標(biāo)性質(zhì)不同、量綱不一且值域相差很大，需要對各指標(biāo)屬性值進(jìn)行歸一化處理到[0，1]后才能比較并衡量其對耕地質(zhì)量的影響程度。（1）離散型：屬于該類型的有坡度、土壤質(zhì)地和剖面構(gòu)型。參考《第二次全國土地調(diào)查技術(shù)規(guī)程》、《農(nóng)用地質(zhì)量分等規(guī)程》，分別建立其對應(yīng)的隸屬度分級標(biāo)準(zhǔn)見表2[6-10,14]。（2）域值型：屬于該類型的有有機(jī)質(zhì)、pH值。有機(jī)質(zhì)量化函數(shù)如式2，a1為5，a2為20；pH值量化函數(shù)如式3，a1—a4分別為5.0，6.5，7.5，8.5[15]。（3）空間擴(kuò)散型：排水條件等其他6個因子通過緩沖區(qū)分析后獲取的影響度值已經(jīng)歸一化到[0，1]。

表2 部分因子評價指標(biāo)和隸屬度值Tab.2 Evaluation indexes and dependence degree of factors

4.1.4 評價單元總分值的計(jì)算 采用上述標(biāo)準(zhǔn)化模型對評價單元各指標(biāo)屬性值進(jìn)行歸一化處理，借助加權(quán)求和模型計(jì)算獲取各耕地圖斑的入選基本農(nóng)田質(zhì)量綜合指數(shù)，其值越大表明耕地質(zhì)量等級越高。

4.2 K均值空間聚類法的改進(jìn)與耕地聚類

4.2.1 基于景觀破碎度指數(shù)的K均值分類數(shù)確定 為體現(xiàn)耕地集中連片和破碎化的空間異質(zhì)性，空間聚類時以鄉(xiāng)鎮(zhèn)為單位。K均值空間聚類首先要確定分類數(shù)，而該參數(shù)直接影響空間聚類結(jié)果的精度。為科學(xué)確定分類數(shù)，根據(jù)基本農(nóng)田集中連片的理念，借助景觀破碎度指數(shù)的變化趨勢來確定該參數(shù)。以燕子鄉(xiāng)為例，首先假定不同的分類數(shù)，經(jīng)K均值空間聚類后再計(jì)算平均破碎度指數(shù)，分析分類數(shù)與破碎度的相關(guān)性確定最優(yōu)分類數(shù)（表3）。

表3 燕子鄉(xiāng)K均值空間聚類分類數(shù)與景觀破碎度關(guān)系表Tab.3 The relationship for numbers of category and landscape fragmentation index

由表3看出，當(dāng)分為1類時，破碎度最低，隨著分類數(shù)增大，破碎度逐漸增大；當(dāng)分類數(shù)為10類后，隨著分類數(shù)增大破碎度的增長速度逐漸減慢，漸漸趨于平緩，10類可視為轉(zhuǎn)折點(diǎn)；破碎度越小表明耕地圖斑越聚集，但如果分類數(shù)過小，耕地圖斑之間的差異性不能完全體現(xiàn)，故考慮到盡可能將圖斑分開但破碎度又較低，擬將分類數(shù)與破碎度變化的轉(zhuǎn)折點(diǎn)作為分類數(shù)，故確定燕子鄉(xiāng)的分類數(shù)為10。同理確定容美鎮(zhèn)、中營鄉(xiāng)、太平鄉(xiāng)、鐵爐鄉(xiāng)、鄔陽鄉(xiāng)、五里鄉(xiāng)、下坪鄉(xiāng)、走馬鎮(zhèn)、燕子鄉(xiāng)的分類數(shù)分別為9、10、5、7、4、8、8、4、10。

4.2.2 空間聚類結(jié)果與最小剔除圖斑確定 借助ArcGIS 9.3的Calculate Geometry獲取耕地圖斑的中心點(diǎn)x，y坐標(biāo)，然后與圖斑ID、質(zhì)量綜合指數(shù)值一同導(dǎo)出，根據(jù)式1和MATLAB 7.0編程分別進(jìn)行空間聚類，其中空間坐標(biāo)的權(quán)重（wa）定義為0.3、質(zhì)量綜合指數(shù)的權(quán)重（wb）定義為0.7，迭代次數(shù)Step = 1000。得到各鄉(xiāng)鎮(zhèn)耕地圖斑的聚類結(jié)果后，根據(jù)圖斑ID關(guān)鍵字段將類別導(dǎo)回到空間數(shù)據(jù)圖層中，獲取聚類的空間分布圖（圖1，封三），同步獲取各類所包含圖斑最小面積、圖斑個數(shù)以及類中心點(diǎn)的質(zhì)量綜合指數(shù)等信息。

由于每個類別均存在面積較小的圖斑，而基本農(nóng)田要求集中連片，因此需要對較小圖斑進(jìn)行剔除。理論上，隨著剔除最小圖斑面積的增大，各類聚類結(jié)果的景觀破碎度逐漸變小，基本農(nóng)田越集中但總面積會不斷減少，因此需要通過計(jì)算破碎度指數(shù)變化率找到二者關(guān)系的轉(zhuǎn)折點(diǎn)確定最適剔除面積。擬分析最小剔除面積與景觀破碎度的變化關(guān)系來尋找最佳的最小剔除圖斑。

以燕子鄉(xiāng)為例，獲取耕地破碎度指數(shù)變化率與圖斑最小面積的關(guān)系（圖2）。從圖2看出，當(dāng)圖斑面積在100—900 m2范圍內(nèi)破碎度變化率較大且呈現(xiàn)平穩(wěn)趨勢，在900—2500 m2處出現(xiàn)波動，而后呈現(xiàn)明顯下降趨勢，表明當(dāng)最小圖斑面積大于上述域值后圖斑剔除對于破碎度的影響趨緩，此時耕地的規(guī)模效益已基本顯現(xiàn)，通過圖斑剔除不能快速降低其破碎度，而均一化風(fēng)險逐漸加大。為尋找具體的值域，在900—2500 m2間按100 m2進(jìn)行加密計(jì)算破碎度變化率，發(fā)現(xiàn)從1400 m2以后出現(xiàn)反復(fù)波動微降趨勢，因此確定最小剔除圖斑面積為1400 m2。按照同樣的方法確定其他鄉(xiāng)鎮(zhèn)的最小剔除圖斑面積。

圖2 燕子鄉(xiāng)耕地破碎度指數(shù)變化率與圖斑最小面積關(guān)系圖Fig.2 The optimal number of category based on landscape fragmentation analysis in towns

4.3 耕地入選基本農(nóng)田的方案確定

在對耕地進(jìn)行空間聚類分析的基礎(chǔ)上剔除最小圖斑面積，結(jié)合類中心質(zhì)量綜合指數(shù)平均值，從平均值最大的類開始選取，逐步達(dá)到滿足上級下達(dá)鶴峰縣基本農(nóng)田保 護(hù)面積不小于16159.60 hm2為止。借助ArcGIS的統(tǒng)計(jì)工具，采取累加匯總的方式最終確定入選基本農(nóng)田的耕地面積為16162.01 hm2，對應(yīng)的質(zhì)量綜合指數(shù)均大于73分，同步得到鶴峰縣基本農(nóng)田的空間布局。

4.4 結(jié)果檢驗(yàn)與分析

（1）基于耕地質(zhì)量確定入選基本農(nóng)田的檢驗(yàn)。僅以耕地質(zhì)量為基礎(chǔ)，利用總分頻率直方圖法對鶴峰縣耕地進(jìn)行質(zhì)量分類，然后根據(jù)下達(dá)的基本農(nóng)田保護(hù)面積確定入選基本農(nóng)田的耕地。根據(jù)質(zhì)量綜合指數(shù)分值由高到低進(jìn)行面積累積確定基本農(nóng)田，最終確定入選基本農(nóng)田的耕地面積為16162.84 hm2，其中最低的質(zhì)量綜合指數(shù)為74.05，與前述劃定的基本農(nóng)田質(zhì)量相當(dāng)。

（2）基于景觀破碎度的多方案比較分析。借助K均值空間聚類的方法，計(jì)算空間聚類法、頻率直方圖法確定的基本農(nóng)田和上輪規(guī)劃確定的基本農(nóng)田的破碎度指數(shù)，結(jié)果分別為1.27（圖斑數(shù)為20484）、1.47（圖斑數(shù)為23807）和1.58（圖斑數(shù)為24328）。上輪鶴峰縣基本農(nóng)田劃定過程中，一方面由于受某些因素的影響，存在忽略了集中管理的原則，片面的追求基本農(nóng)田的優(yōu)質(zhì)性，單純的將達(dá)到質(zhì)量等級要求的地塊累加，達(dá)到上級政府下達(dá)的基本農(nóng)田保護(hù)數(shù)量目標(biāo)要求，完成基本農(nóng)田保護(hù)的劃定工作；另一方面由于鶴峰縣地處山區(qū)，土地利用方式較為復(fù)雜，劃定的基本農(nóng)田有部分地類混雜，甚至存在非耕地劃入的情況，因此上輪基本農(nóng)田的破碎度指數(shù)要高于空間聚類法和頻率直方圖法。頻率直方圖法也同樣存在將達(dá)到質(zhì)量等級要求的地塊累加而忽略基本農(nóng)田空間位置關(guān)系的問題，故其選取出的基本農(nóng)田破碎度較大；而基于景觀破碎度指數(shù)修正的K均值空間聚類法既考慮的耕地質(zhì)量又結(jié)合圖斑之間的距離和最小剔除面積，因而破碎度指數(shù)最小、基本農(nóng)田更為聚集，能夠滿足“優(yōu)質(zhì)集中”原則，不失為一種比較合理的基本農(nóng)田劃定方法。

5 結(jié)論

（1）從基本農(nóng)田劃定的“集中”和“質(zhì)優(yōu)”入手，提出基于土地評價和K均值空間聚類的劃定基本農(nóng)田的新方法，同時結(jié)合空間距離鄰近度度量和景觀破碎度指數(shù)對K均值空間聚類進(jìn)行了修正，空間聚類結(jié)果更為優(yōu)化，基本農(nóng)田劃定的科學(xué)性得到提高。從鶴峰縣的實(shí)證分析來看，取得了較好的效果，入選的基本農(nóng)田在質(zhì)量相當(dāng)?shù)那闆r下破碎度指數(shù)只有1.27，連片程度較高，以此為基礎(chǔ)編制的基本農(nóng)田保護(hù)專項(xiàng)規(guī)劃將更具有現(xiàn)實(shí)意義。

（2）本文根據(jù)基本農(nóng)田劃定的特點(diǎn)選擇K均值空間聚類法并對部分參數(shù)進(jìn)行了修正，但影響K均值空間聚類結(jié)果精度的參數(shù)較多，如何選擇最優(yōu)的參數(shù)確定方法，仍有待進(jìn)一步研究。另外，隨著基本農(nóng)田整備區(qū)概念的提出，如何結(jié)合基本農(nóng)田劃定方法實(shí)現(xiàn)基本農(nóng)田整備區(qū)的劃定，是空間聚類方法下一步應(yīng)用的可能。

（References）：

［1］ 鄖文聚，張蕾娜，程鋒.基本農(nóng)田保護(hù)20年［J］.中國土地，2009，（11）：51-53.

［2］ 李燦，張鳳榮，朱泰峰，等.基本農(nóng)田保護(hù)區(qū)規(guī)劃調(diào)控下的土地利用空間重構(gòu)分析［J］.農(nóng)業(yè)工程學(xué)報，2012，28（16）：217-223.

［3］ 沈明，陳飛香，蘇少青，等.省級高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)重點(diǎn)區(qū)域劃定方法研究——基于廣東省的實(shí)證分析［J］.中國土地科學(xué)，2012，26（7）：28-33，90.

［4］ 董秀茹，尤明英，王秋兵.基于土地評價的基本農(nóng)田劃定方法［J］.農(nóng)業(yè)工程學(xué)報，2011，27（4）：336-339.

［5］ 周尚意，朱阿興，邱維理，等.基于 GIS的農(nóng)用地連片性分析及其在基本農(nóng)田保護(hù)規(guī)劃中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報，2008，24（7）：72-77

［6］ 錢鳳魁.基于耕地質(zhì)量及其立地條件評價體系的基本農(nóng)田劃定研究［D］.沈陽：沈陽農(nóng)業(yè)大學(xué)，2011：40-47.

［7］ 張英，潘瑜春，曾志炫，等.基于農(nóng)用地分等定級的耕地入選基本農(nóng)田評價比較分析［J］.中國土地科學(xué)，2012，26（3）：29-33.

［8］ 孔祥斌，靳京，劉怡，等.基于農(nóng)用地利用等別的基本農(nóng)田保護(hù)區(qū)劃定［J］.農(nóng)業(yè)工程學(xué)報，2008，24（10）：46-51.

［9］ 唐寬金，鄭新奇，姚金明，等.基于糧食生產(chǎn)能力的基本農(nóng)田保護(hù)區(qū)規(guī)劃方法研究［J］.地域研究與開發(fā)，2008，27（6）：105-109.

［10］ 湯敏.基于數(shù)量—布局—質(zhì)量的基本農(nóng)田劃定與保護(hù)研究［D］.北京：中國地質(zhì)大學(xué)（北京），2011：30-70.

［11］ 王家耀，張雪萍，周海燕.一個用于空間聚類分析的遺傳K-均值算法［J］.計(jì)算機(jī)工程，20 06，32（3）：188-190.

［12］ FAO.FESLM: An international framework for evaluating sustainable land management［R］.World Soil Resources Report，1993：6-28.

［13］ 中華人民共和國國務(wù)院.基本農(nóng)田保護(hù)條例［J］.中國土地，1999，（2）：43-45.

［14］ 國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局、國家標(biāo)準(zhǔn)化管理委員會.農(nóng)用地質(zhì)量分等規(guī)程［S］.北京：中國質(zhì)檢出版社，中國標(biāo)準(zhǔn)出版社出版，2012：6-20.

［15］ 聶艷.耕地質(zhì)量評價的模型方法與信息系統(tǒng)集成及應(yīng)用研究［D］.武漢：華中農(nóng)業(yè)大學(xué)，2005：88-158.