基于格網(wǎng)化表達(dá)的縣域基本農(nóng)田集中連片特征提取

荊耀棟，畢如田，周淑琴，史 廣

（山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷　030801）

基于格網(wǎng)化表達(dá)的縣域基本農(nóng)田集中連片特征提取

荊耀棟，畢如田，周淑琴，史 廣

（山西農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，山西 太谷030801）

研究目的：為快速準(zhǔn)確獲取基本農(nóng)田空間分布特征及其集中連片信息，提出在空間數(shù)據(jù)格網(wǎng)化表達(dá)基礎(chǔ)上的模糊紋理指數(shù)提取方法。研究方法：借助SuperMap Objects二次開發(fā)平臺，設(shè)計(jì)基本農(nóng)田單要素屬性信息無損格網(wǎng)化程序，針對100 m×100 m、200 m×200 m、400 m×400 m、800 m×800 m 4種格網(wǎng)尺度下的表達(dá)結(jié)果，綜合分析不同尺度格網(wǎng)化表達(dá)的空間自相關(guān)性。在借鑒空間濾波算法的基礎(chǔ)上，分析基本農(nóng)田要素空間密度分布特征，結(jié)合農(nóng)用地分等定級成果設(shè)計(jì)模糊紋理指數(shù)算法，并且選取山西省澤州縣進(jìn)行實(shí)例驗(yàn)證。研究結(jié)果：基本農(nóng)田格網(wǎng)化表達(dá)結(jié)果可形成連續(xù)的空間密度表面，豐富了基本農(nóng)田空間數(shù)據(jù)的表達(dá)方式，利于空間分析；經(jīng)模糊紋理指數(shù)方法所提取的集中連片指數(shù)可用于定量化表達(dá)與分析，結(jié)合空間密度特征能快速提取基本農(nóng)田集中連片區(qū)。研究結(jié)論：該方法可用于提取基本農(nóng)田的空間分布特征，為基本農(nóng)田保護(hù)、布局優(yōu)化提供方法借鑒。

土地信息；基本農(nóng)田；格網(wǎng)化；模糊紋理指數(shù)；集中連片

1　引言

基本農(nóng)田是按照一定時(shí)期人口及社會經(jīng)濟(jì)發(fā)展對農(nóng)產(chǎn)品的需求，依據(jù)土地利用總體規(guī)劃確定的不得占用的耕地［1］。它是保障國家糧食安全的基礎(chǔ)，經(jīng)過多年實(shí)踐形成了一套完整的基本農(nóng)田保護(hù)制度，如保護(hù)面積、空間布局、劃定與調(diào)整等。在基本農(nóng)田管理實(shí)踐中，由于缺乏基本農(nóng)田空間分布特征定量化描述，常存在重?cái)?shù)量、偏主觀、缺乏空間定位、規(guī)劃與布局隨意、保優(yōu)不保劣、保近不保遠(yuǎn)、忽略“優(yōu)質(zhì)集中”保護(hù)方針中的“集中”管理模式的問題［2］。為解決以上問題，中國學(xué)者引入基本農(nóng)田“連片性”概念，用于表達(dá)相同質(zhì)量或等級區(qū)間地塊的連接程度。集中連片同等級耕地有利于提高基礎(chǔ)設(shè)施的規(guī)模效益、大型機(jī)械使用、農(nóng)業(yè)科技推廣、控制面源污染、農(nóng)業(yè)產(chǎn)業(yè)化，以及提高農(nóng)用地價(jià)值等［2］。已有文獻(xiàn)從基本農(nóng)田規(guī)劃與布局［3-4］、高標(biāo)準(zhǔn)基本農(nóng)田劃定［5］、農(nóng)用地分等定級［6-9］、基本農(nóng)田集中連片性［10］等方面進(jìn)行研究，完善了中國基本農(nóng)田保護(hù)研究的理論體系。基本農(nóng)田連片性計(jì)算方法主要有：空間相通性、模糊紋理定量法、基本農(nóng)田保護(hù)指數(shù)法三種［2］。

國內(nèi)外有關(guān)連片性研究大多集中在景觀生態(tài)學(xué)領(lǐng)域的景觀連接度上，特別是生物資源管理和生物多樣性保護(hù)，包括土地利用［11］、種群結(jié)構(gòu)［12］、林地保護(hù)［13-14］、物種保護(hù)［15-17］、棲息地保護(hù)［18］等方面。景觀連接度包括結(jié)構(gòu)連接度和功能連接度，與廊道無直接關(guān)系，但與生態(tài)過程、研究目的及廊道組成、寬度和質(zhì)量有關(guān)，只要物質(zhì)、能量、物種可達(dá)限定的距離或斑塊與相鄰景觀元素在功能上相似則具有景觀連接度［19］?；巨r(nóng)田集中連片則側(cè)重考慮其社會經(jīng)濟(jì)因素如數(shù)量、質(zhì)量等，綜合研究結(jié)構(gòu)上的空間相連程度、相鄰程度及一定鄰域內(nèi)的集聚程度［2］。目前，基本農(nóng)田集中連片劃定工作主要應(yīng)用空間連通性方法，而模糊紋理指數(shù)法的實(shí)現(xiàn)、應(yīng)用以及基本農(nóng)田空間分布密度特征研究的文獻(xiàn)鮮有報(bào)道。

現(xiàn)今空間數(shù)據(jù)呈現(xiàn)數(shù)量龐大、多源異構(gòu)、結(jié)構(gòu)復(fù)雜等特征。為實(shí)現(xiàn)空間數(shù)據(jù)的整合與分享、空間數(shù)據(jù)融合與分析，國內(nèi)外學(xué)者提出了格網(wǎng)化表達(dá)方法。格網(wǎng)或網(wǎng)格（GRID）研究主要涉及網(wǎng)格地圖和網(wǎng)格計(jì)算，其中網(wǎng)格地圖以網(wǎng)格為單元，描述或表達(dá)其中的屬性分類、統(tǒng)計(jì)分級以及變化參數(shù)和模擬現(xiàn)實(shí)。國內(nèi)外學(xué)者主要從人口［20-21］、經(jīng)濟(jì)、資源環(huán)境［22-24］三方面對格網(wǎng)化進(jìn)行研究。資源環(huán)境研究中引入格網(wǎng)方法，增加了空間數(shù)據(jù)表現(xiàn)形式，增強(qiáng)了空間數(shù)據(jù)處理與分析［22］。目前格網(wǎng)化方法主要有：面積最大值法（Rule of Maximum Area，RMA）和屬性信息無損失柵格化法（Rasterization Method without Attribute Information Loss，RMAIL）［25］?；巨r(nóng)田要素空間數(shù)據(jù)的格網(wǎng)化表達(dá)與描述，對于基本農(nóng)田多尺度布局與管理具有一定的實(shí)踐意義。近年來高分辨率影像在基本農(nóng)田監(jiān)測研究中主要關(guān)注解譯與信息提取，所獲取的空間數(shù)據(jù)仍需進(jìn)一步分析其空間特征和分布模式。本研究在基本農(nóng)田數(shù)據(jù)單要素屬性無損格網(wǎng)化表達(dá)基礎(chǔ)上，研究提取其空間分布特征規(guī)律及集中連片區(qū)特征的方法，以期為基本農(nóng)田保護(hù)與規(guī)劃提供有效手段。

2　研究區(qū)與數(shù)據(jù)

2.1研究區(qū)

晉城市澤州縣位于山西省東南端邊界處，與河南省接壤，位于太行山最南麓，東、西、南三面環(huán)山，北中部為丘陵地貌，東南部為高山地貌。全縣總面積2023 km2，其中山地60.8%、丘陵30.9%、平川8.3%。屬暖溫帶半濕潤大陸性季風(fēng)氣候，年均氣溫10—11℃左右，無霜期188 d，年降雨量533.3 mm?，F(xiàn)轄3鄉(xiāng)、13鎮(zhèn)，2012年末全縣總?cè)丝?2.27萬人，生產(chǎn)總值217.7億元。澤州縣是農(nóng)業(yè)縣，耕地64648.01 hm2，占總面積的29.82%，其中基本農(nóng)田55830.91 hm2?？h域內(nèi)礦產(chǎn)資源豐富，煤炭開采、工業(yè)建設(shè)壓占和損毀優(yōu)質(zhì)耕地和基本農(nóng)田，影響農(nóng)業(yè)生產(chǎn)、危害生態(tài)環(huán)境，區(qū)域糧食安全面臨嚴(yán)峻挑戰(zhàn)。

2.2數(shù)據(jù)來源

本文基礎(chǔ)數(shù)據(jù)為澤州縣土地利用規(guī)劃空間數(shù)據(jù)庫（2006—2020年）、1∶1萬土地利用調(diào)查數(shù)據(jù)庫（2009年）、農(nóng)用地分等定級成果（2005年）?；巨r(nóng)田數(shù)據(jù)由縣級土地利用規(guī)劃數(shù)據(jù)庫（1∶10000）中提取，耕地矢量數(shù)據(jù)從澤州縣農(nóng)用地分等定級成果中提取。數(shù)字高程采用STR DEM，精度30 m。經(jīng)空間數(shù)據(jù)格式轉(zhuǎn)換、校正并統(tǒng)一投影轉(zhuǎn)化為西安80坐標(biāo)系，高斯—克呂格3度分帶，中央經(jīng)度114度。

3　研究方法

3.1基本農(nóng)田屬性無損格網(wǎng)化表達(dá)

本文格網(wǎng)化表達(dá)對象為基本農(nóng)田，作為單一要素選取面積屬性信息無損柵格化法為格網(wǎng)化表達(dá)方法。格網(wǎng)化基本思路：先借助SuperMap Objects二次開發(fā)平臺，以縣級行政界線外接矩形為范圍生成不同尺度的格網(wǎng)數(shù)據(jù)集，同時(shí)對格網(wǎng)單元標(biāo)識碼編號，然后與基本農(nóng)田矢量數(shù)據(jù)進(jìn)行空間疊加，按格網(wǎng)單元標(biāo)識碼分類匯總格網(wǎng)單元內(nèi)基本農(nóng)田面積，將其作為格網(wǎng)單元屬性值，保證各級格網(wǎng)單元中耕地面積的總和為縣轄區(qū)內(nèi)基本農(nóng)田總面積。通過分析格網(wǎng)單元純度空間分布規(guī)律，揭示基本農(nóng)田無損格網(wǎng)化表達(dá)尺度效應(yīng)。

3.2空間自相關(guān)分析

對基本農(nóng)田進(jìn)行無損格網(wǎng)化表達(dá)后，改變了基本農(nóng)田要素在空間上的分布與配置。為分析基本農(nóng)田格網(wǎng)單元的空間分布模式，利用空間自相關(guān)進(jìn)行空間統(tǒng)計(jì)分析。空間自相關(guān)可顯示某種地表現(xiàn)象間是否存在某種特殊空間形態(tài)，可識別地理數(shù)據(jù)間的空間依賴、空間關(guān)聯(lián)或空間自相關(guān)，通過空間位置建立數(shù)據(jù)間聚類關(guān)系［27-28］。本文利用Moran' I檢測基本農(nóng)田格網(wǎng)單元空間自相關(guān)性：

式1中，I表示空間屬性值的分布特征（集聚模式、離散模式、隨機(jī)分布模式），取值范圍為［-1，1］，-1代表完全負(fù)相關(guān)，1為完全正相關(guān)，0為不相關(guān)；i≠j；N為區(qū)域單元總數(shù)；Xi和Xj為空間位置i和j上的觀測值；Wij為空間權(quán)重矩陣。

3.3基本農(nóng)田鄰域空間密度特征提取

由于耕地質(zhì)量及其利用具有空間關(guān)聯(lián)性，空間距離越小的田塊其質(zhì)量與利用的關(guān)聯(lián)程度也越高。因此，在土地利用中的耕地保護(hù)、規(guī)劃、整理需考慮現(xiàn)有地塊的特征及與周邊地塊的相互關(guān)系［28］。為打破行政界線約束，設(shè)計(jì)N×N滑動模板，將基本農(nóng)田鄰域空間密度特征用滑動模板鄰域內(nèi)基本農(nóng)田面積與鄰域面積的比值進(jìn)行表示，對格網(wǎng)化表達(dá)結(jié)果逐格網(wǎng)單元進(jìn)行交疊式統(tǒng)計(jì)，取值范圍為［0，1］。該方法在空間上即為鄰域中心格網(wǎng)單元的計(jì)算結(jié)果，代表其鄰域范圍內(nèi)的耕地聚集度分布特征，可用于構(gòu)建基本農(nóng)田空間地理要素趨勢面。

鄰域空間密度特征在一定程度上避免了傳統(tǒng)的以孤立格網(wǎng)單元或行政轄區(qū)來統(tǒng)計(jì)基本農(nóng)田空間密度特征，但不能很好地解決田塊之間的連片度，為此引入局部模糊紋理定量方法來解決集中連片定量描述。

3.4局部模糊紋理定量方法

將無損格網(wǎng)化后的基本農(nóng)田數(shù)據(jù)與農(nóng)用地分等定級數(shù)據(jù)進(jìn)行疊加，通過面積最大似然法確定基本農(nóng)田的耕地質(zhì)量等級，然后利用周尚意等提出的模糊紋理指數(shù)（WL）方法［2］進(jìn)行連片度提取。WL = Aj/ A，其中：WL為紋理指數(shù)，Aj代表鄰域內(nèi)j等級耕地的面積，A代表鄰域內(nèi)耕地的總面積。該方法以格網(wǎng)單元為中心、一定半徑范圍內(nèi)的小鄰域紋理狀況對耕地連片度進(jìn)行定量化描述。

局部模糊紋理指數(shù)在現(xiàn)有GIS軟件平臺中尚無法直接提取，借鑒SOBEL邊緣檢測、中值濾波、高通濾波等算法［29-31］基礎(chǔ)上，設(shè)計(jì)比例系數(shù)均為1的N×N滑動模板。N的大小根據(jù)模糊紋理半徑與格網(wǎng)單元格大小確定，即N = 2×R / G + 1。其中N為滑動模板大小，R為模糊紋理半徑，G為格網(wǎng)單元格邊長，1代表滑動模板的中心格網(wǎng)單元。本研究借助GIS二次開發(fā)平臺編寫C++程序，逐格網(wǎng)單元做卷積運(yùn)算。具體過程：首先計(jì)算鄰域中心格網(wǎng)單元對應(yīng)等級耕地面積，再計(jì)算鄰域內(nèi)耕地總面積，二者之比即為局部模糊紋理指數(shù)，取值范圍為［0，1］。模糊紋理狀況由鄰域半徑刻畫，不同大小的模糊紋理半徑計(jì)算所得的模糊紋理指數(shù)也不盡相同，實(shí)際應(yīng)用可根據(jù)研究區(qū)具體情況確定。該指數(shù)含義明確，指數(shù)值趨于0表示對應(yīng)鄰域中心等級耕地面積為0，趨于1則表示鄰域內(nèi)耕地等級全部與鄰域中心相同。局部模糊紋理指數(shù)充分考慮了耕地質(zhì)量等級與周邊耕地等級的空間結(jié)構(gòu)，所表現(xiàn)的連片形式為各級耕地的局部連片性。

4　結(jié)果與分析

4.1無損格網(wǎng)化分析

為分析基本農(nóng)田空間數(shù)據(jù)格網(wǎng)表達(dá)的尺度特征，對澤州縣基本農(nóng)田數(shù)據(jù)進(jìn)行4個(gè)空間尺度的格網(wǎng)化表達(dá)：100 m×100 m、200 m×200 m、400 m×400 m、800 m×800 m。將格網(wǎng)單元按基本農(nóng)田純度劃分為5個(gè)范圍段（0—0.2、0.2—0.4、0.4—0.6、0.6—0.8、0.8—1.0），并制作不同尺度下的格網(wǎng)化基本農(nóng)田專題圖。

隨格網(wǎng)尺度從100—800 m逐級增大，高純度單元數(shù)減少，低純度單元數(shù)增加，各尺度格網(wǎng)單元分布見表1。將各尺度格網(wǎng)純度單元數(shù)作歸一化處理，轉(zhuǎn)化為百分比，可得出格網(wǎng)化尺度逐級增大，網(wǎng)格單元純度分布也隨之發(fā)生變化。整體上表現(xiàn)為尺度提高，高純度單元減少，低純度格網(wǎng)單元相應(yīng)增加。純度為0—0.1、0.1—0.2、0.2—0.3、0.3—0.4的格網(wǎng)單元，隨格網(wǎng)尺度增大而增大；純度為0.4—0.5、0.5—0.6、0.6—0.7、0.7—0.8的格網(wǎng)單元變化不顯著，較為穩(wěn)定；純度為0.8—0.9、0.9—1.0的格網(wǎng)單元的變化極顯著，按照格網(wǎng)化尺度每增大一級，相應(yīng)格網(wǎng)單元減少約為1/4的規(guī)律變化。

表1　不同尺度格網(wǎng)單元純度分布表Tab.1 The purity distribution of different scale grid cell

純度為0—0.8的格網(wǎng)單元隨格網(wǎng)尺度的提高相應(yīng)面積呈增長趨勢，純度為0.8—1.0則反之。因此，單要素格網(wǎng)化也表現(xiàn)出“此消”和“彼長”現(xiàn)象，但這種現(xiàn)象集中體現(xiàn)在格網(wǎng)單元的純度指標(biāo)特征上，已有文獻(xiàn)中關(guān)于多要素格網(wǎng)化時(shí)表現(xiàn)在不同地類之間［25］；基本農(nóng)田破碎度大的地方，隨尺度的逐級提高，格網(wǎng)單元純度指標(biāo)急速下降；基本農(nóng)田分布相對集中區(qū)域，格網(wǎng)單元純度級別間轉(zhuǎn)換較為緩慢。

4.2格網(wǎng)化基本農(nóng)田空間自相關(guān)性分析

針對原始基本農(nóng)田數(shù)據(jù)進(jìn)行全局自相關(guān)性分析，Moran'I指數(shù)為0.07，數(shù)值趨近于0，原始基本農(nóng)田空間上表現(xiàn)為隨機(jī)分布。對各尺度格網(wǎng)數(shù)據(jù)全局自相關(guān)性分析，100 m、200 m、400 m、800 m格網(wǎng)的Moran'I指數(shù)分別為0.43、0.47、0.55、0.41，置信度均為0.99。不同尺度格網(wǎng)Moran'I指數(shù)雖有一定隨機(jī)性，但格網(wǎng)化后的數(shù)據(jù)對基本農(nóng)田表達(dá)整體呈現(xiàn)為全局自相關(guān)。因此，對基本農(nóng)田進(jìn)行格網(wǎng)化后使其空間分布形成連續(xù)的密度表面，利于準(zhǔn)確描述基本農(nóng)田的空間分布特征，豐富了針對基本農(nóng)田數(shù)據(jù)空間數(shù)據(jù)的表達(dá)與分析方式。

4.3基本農(nóng)田鄰域空間密度特征分析

基本農(nóng)田單要素格網(wǎng)化表達(dá)后，格網(wǎng)單元隨尺度增大而純度急速下降，可得出研究區(qū)的基本農(nóng)田格網(wǎng)化表達(dá)對其空間結(jié)構(gòu)改變較大，因此選取澤州縣格網(wǎng)尺度較小的100 m×100 m基本農(nóng)田格網(wǎng)數(shù)據(jù)進(jìn)行計(jì)算，并參考文獻(xiàn)2以模糊紋理半徑為1 km進(jìn)行基本農(nóng)田空間密度特征提取，將計(jì)算所得基本農(nóng)田空間密度指數(shù)按照0—0.1、0.1—0.2、0.2—0.3、0.3—0.4、0.4—0.5、0.5—0.6、0.6—0.7、0.7—0.8、0.8—0.9、0.9—1.0共10個(gè)級別劃分并進(jìn)行專題地圖制作（圖1，封二）。圖1顯示澤州縣基本農(nóng)田空間密度的梯度特征顯著，西北高、東南低，由高到低逐級變化，對于澤州縣內(nèi)基本農(nóng)田空間結(jié)構(gòu)表達(dá)較好，可定量化描述基本農(nóng)田空間分布密集度?；巨r(nóng)田空間密度10個(gè)級別所占比例分別為1.80%、5.52%、9.06%、13.60%、15.84%、16.84%、15.66%、13.30%、7.38%、1.01%，在0.3—0.4、0.4—0.5、0.5—0.6、06—0.7、0.7—0.85個(gè)級別上分布最為集中，占全縣基本農(nóng)田的75.24%。

表2　研究區(qū)基本農(nóng)田空間密度特征分布表 單位：hm2Tab.2 The table of prime farmland spatial density distribution about study area unit： hm2

從圖1可得出澤州縣內(nèi)各鄉(xiāng)鎮(zhèn)基本農(nóng)田空間密度特征差異明顯，空間上形成了李寨鄉(xiāng)、周村鎮(zhèn)、大東溝鎮(zhèn)、下村鎮(zhèn)、大陽鎮(zhèn)和北義城鎮(zhèn)、高都鎮(zhèn)、金村鎮(zhèn)兩個(gè)密集分布區(qū)域。全縣及各鄉(xiāng)鎮(zhèn)不同空間密度特征分布面積顯示（表2），不同空間密度的基本農(nóng)田呈正態(tài)分布，縣域尺度上在密度特征指數(shù)為0.6左右達(dá)到峰值，鄉(xiāng)鎮(zhèn)尺度上在0.65左右達(dá)到峰值。高都鎮(zhèn)密度特征指數(shù)為0.6—0.7、0.7—0.8的基本農(nóng)田占全縣面積的2.41%和2.83%，為分布顯著集中鄉(xiāng)鎮(zhèn)；柳樹口鎮(zhèn)、大箕鎮(zhèn)、晉廟鋪鎮(zhèn)、山河鎮(zhèn)、犁川鎮(zhèn)、南嶺鄉(xiāng)、南村鎮(zhèn)的基本農(nóng)田空間密度較低。

4.4基本農(nóng)田集中連片度分析

4.4.1集中連片度計(jì)算 利用局部模糊紋理指數(shù)法對研究區(qū)100 m×100 m的基本農(nóng)田格網(wǎng)化數(shù)據(jù)進(jìn)行計(jì)算，模糊半徑為1 km。計(jì)算所得模糊紋理指數(shù)按照0—0.1、0.1—0.2、0.2—0.3、0.3—0.4、0.4—0.5、0.5—0.6、0.6—0.7、0.7—0.8、0.8—0.9、0.9—1.0這10個(gè)級別分段，制作澤州縣基本農(nóng)田集中連片度（局部）專題圖（圖2，封二）。第10級局部模糊紋理指數(shù)集中連片性較強(qiáng)，具有清晰的集聚區(qū)邊界，在基本農(nóng)田空間分布較多的區(qū)域更為顯著，如下村鎮(zhèn)、大東溝鎮(zhèn)、巴公鎮(zhèn)、北義城鎮(zhèn)、高都鎮(zhèn)等。

4.4.2鄉(xiāng)級基本農(nóng)田集中連片度 澤州縣基本農(nóng)田局部集中連片度按高、中、低劃分，比例分別為52.02%、30.85%、17.13%。周村鎮(zhèn)、大陽鎮(zhèn)、南村鎮(zhèn)、李寨鄉(xiāng)、南嶺鄉(xiāng)集中連片較強(qiáng)，高、中集聚基本農(nóng)田達(dá)80%；巴公鎮(zhèn)、大箕鎮(zhèn)、柳樹口鎮(zhèn)、犁川鎮(zhèn)、大東溝鎮(zhèn)、下村鎮(zhèn)、金村鎮(zhèn)、城區(qū)集中連片稍弱，高、中集聚基本農(nóng)田比例約為75%；山河鎮(zhèn)、高都鎮(zhèn)、北義城鎮(zhèn)、晉廟鋪鎮(zhèn)、川底鄉(xiāng)的集中連片最差，高、中集聚基本農(nóng)田比例約為64%。

4.4.3不同耕地等級基本農(nóng)田的集中連片度 研究區(qū)各等級基本農(nóng)田集中連片面積按紋理指數(shù)大小呈正態(tài)分布。一等耕地基本農(nóng)田模糊紋理指數(shù)主要集中在0.3—0.4、0.4—0.5、0.5—0.6、0.6—0.7四個(gè)分段，其中0.5—0.6分段最多，占14.96%；二等耕地基本農(nóng)田主要集中在0.4—0.5、0.5—0.6、0.6—0.7、0.8—0.9四個(gè)分段，其中0.5—0.6分段最多，占13.46%；三等耕地基本農(nóng)田主要集中在0.5—0.6、0.7—0.8、0.8—0.9、0.9—1.0四個(gè)分段，其中0.9—1.0分段最多，占16.09%；四等耕地基本農(nóng)田主要集中在0.6—0.7、0.7—0.8、0.8—0.9、0.9—1.0四個(gè)分段，0.9—1.0分段最多，占20.30%；五等耕地基本農(nóng)田全部集中在0.9—1.0分段；六等耕地基本農(nóng)田主要集中在0.6—0.7、0.7—0.8、0.8—0.9、0.9—1.0四個(gè)分段，0.8—0.9分段最多，占18.28%；七等耕地基本農(nóng)田主要集中在0.7—0.8、0.8—0.9、0.9—1.0三個(gè)分段，0.9—1.0分段最多，占31.13%。

整體上來看，隨耕地等級的升高，模糊紋理指數(shù)遞增，其中基本農(nóng)田為一、二等耕地的集中連片度最低，三、四等次之，五、六、七等最高。

4.4.4基本農(nóng)田集中連片度地形分布特征 利用DEM對獲取的基本農(nóng)田集中連片度數(shù)據(jù)采用雙線性插值進(jìn)行空間賦值，并按基本農(nóng)田集中連片度高、中、低進(jìn)行分類匯總。澤州縣內(nèi)高集中連片基本農(nóng)田分布區(qū)域平均海拔850 m，主要在727—1027 m之間，屬于研究區(qū)的低山、丘陵區(qū)；中度集中連片基本農(nóng)田平均海拔832 m，主要在700—980 m之間，屬于研究區(qū)的丘陵區(qū)；低集中連片基本農(nóng)田分布區(qū)域平均海拔793 m，集中分布在683—1007 m之間，屬于研究區(qū)的丘陵、低丘區(qū)。

4.5基本農(nóng)田集中連片區(qū)劃定

綜合分析基本農(nóng)田空間分布密集度與局部連片性特征，以80%的基本農(nóng)田劃入集中連片區(qū)為約束，經(jīng)反復(fù)試驗(yàn)最終確定澤州縣基本農(nóng)田集中連片區(qū)提取條件為：局部模糊紋理指數(shù)不低于0.6、空間密度分布不低于20%。對計(jì)算結(jié)果進(jìn)行空間疊加后再次提取，經(jīng)面狀數(shù)據(jù)融合、小斑剔除、圖斑編號，結(jié)果見圖3。

圖3　澤州縣基本農(nóng)田集中連片區(qū)分布圖Fig.3 The map about concentrated area of prime farmland

澤州縣各鄉(xiāng)鎮(zhèn)基本農(nóng)田集中連片區(qū)面積見表3。全縣集中連片區(qū)148塊，總面積675.34 km2，平均面積4.65 km2。金村鎮(zhèn)、巴公鎮(zhèn)、高都鎮(zhèn)、大東溝鎮(zhèn)、下村鎮(zhèn)、周村鎮(zhèn)、城區(qū)面積較大，約占全縣基本農(nóng)田集中連片區(qū)的53.36%；柳樹口鎮(zhèn)、山河鎮(zhèn)、大陽鎮(zhèn)、北義城鎮(zhèn)、南村鎮(zhèn)、大箕鎮(zhèn)分布相對較少，約占30.87%；南嶺鄉(xiāng)、晉廟鋪鎮(zhèn)、犁川鎮(zhèn)、川底鄉(xiāng)、李寨鄉(xiāng)分布最少，約占15.77%。

表3　澤州縣基本農(nóng)田集中連片區(qū)分布表Tab.3 The table of concentrated area about prime farmland

5　結(jié)論與討論

本文在農(nóng)用地分等定級和空間數(shù)據(jù)格網(wǎng)化表達(dá)基礎(chǔ)上，分析設(shè)計(jì)了基本農(nóng)田局部模糊紋理指數(shù)算法，并以山西省澤州縣為例進(jìn)行應(yīng)用研究，對基本農(nóng)田無損格網(wǎng)化表達(dá)的空間自相關(guān)性、鄰域空間密度特征與局部集中連片性進(jìn)行分析，得出以下結(jié)論：（1）無損格網(wǎng)化用以表達(dá)基本農(nóng)田單一要素時(shí)，形成的空間要素連續(xù)密度表面利于分析其空間分布特征。其中單一要素格網(wǎng)化“此消”、“彼長”的尺度效應(yīng)表現(xiàn)在格網(wǎng)單元純度指標(biāo)上。經(jīng)無損網(wǎng)格化表達(dá)的基本農(nóng)田在空間上形成了連續(xù)的密度表面，可反映基本農(nóng)田在一定地理空間內(nèi)的分布狀態(tài)，利于空間特征提取與描述。（2）鄰域空間密度特征可較好地描述基本農(nóng)田在空間上的集聚程度，但不能很好地表達(dá)田塊間的連片性。所提取模糊紋理指數(shù)代表一定半徑范圍內(nèi)的基本農(nóng)田連片度，充分考慮了與周邊基本農(nóng)田的空間分布結(jié)構(gòu)，糊紋理指數(shù)與鄰域空間密度特征相結(jié)合能定量化表達(dá)基本農(nóng)田空間集中連片特征，可快速提取縣域基本農(nóng)田集中連片區(qū)。（3）作為實(shí)例驗(yàn)證研究的澤州縣，空間上集中連片的基本農(nóng)田面積占全縣52.02%，主要分布在周村鎮(zhèn)、大陽鎮(zhèn)、南村鎮(zhèn)、李寨鄉(xiāng)、南嶺鄉(xiāng)。同時(shí)縣域內(nèi)自然等級較高、集中連片性較差的基本農(nóng)田1347.34 hm2，自然等級較低、集中連片較高的基本農(nóng)田5573.48 hm2是基本農(nóng)田整治潛力區(qū)域。當(dāng)前農(nóng)村用地結(jié)構(gòu)正向“劣質(zhì)、細(xì)碎、分散”和“優(yōu)質(zhì)、集中、連片”兩個(gè)方面發(fā)展演化，通過耕地整治規(guī)劃有望轉(zhuǎn)化為優(yōu)質(zhì)集中連片耕地。

本文成果對基本農(nóng)田空間特征信息的提取及集中連片管理提供了借鑒和思路。同時(shí)，不同模糊紋理半徑大小與格網(wǎng)化尺度對基本農(nóng)田空間密度特征和連片度提取結(jié)果的影響需進(jìn)一步研究。

（

）：

［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］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(bào)，2008， 24（7）：72 - 77.

［3］奉婷，張鳳榮，李燦，等.基于耕地質(zhì)量綜合評價(jià)的縣域基本農(nóng)田空間布局［J］ . 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（1）：200 - 210.

［4］唐秀美，潘瑜春，劉玉，等.基于四象限法的縣域高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)布局與模式［J］ . 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（13）：238 - 246.

［5］薛劍，韓娟，張鳳榮，等.高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)評價(jià)模型的構(gòu)建及建設(shè)時(shí)序的確定［J］ . 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（5）：193 - 203.

［6］王洪波，程鋒，張中帆，等.中國耕地等別分異特性及其對耕地保護(hù)的影響［J］ . 農(nóng)業(yè)工程學(xué)報(bào)，2011，7（11）：1 - 8.

［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(jià)比較分析［J］ . 中國土地科學(xué)，2013，26（3）：29 - 33.

［8］張景路，李釗，張永福，等.基于農(nóng)用地分等成果的基本農(nóng)田劃定方法研究［J］ . 國土與自然資源研究，2014，（1）：25 - 26.

［9］張雷娜，劉曉燕.農(nóng)用地分等定級成果在基本農(nóng)田保護(hù)中的應(yīng)用研究［J］ . 地域研究與開發(fā)，2007，26（4）：87 - 88.

［10］郭姿含，楊永俠.基于GIS的耕地連片性分析方法與系統(tǒng)實(shí)現(xiàn)［J］ . 地理與地理信息科學(xué)，2010，26（3）：59 - 62.

［11］劉世梁，楊玨婕，安晨，等.基于景觀連接度的土地整理生態(tài)效應(yīng)評價(jià)［J］ .生態(tài)學(xué)雜志，2012，（3）：689 - 695.

［12］Hamilton G.S，Mather P.B，Wilson J.C. Habitat heterogeneity influences connectivity in a spatially structured pest population［J］ . Journal of Applied Ecology，2006，43（2）：219 - 226.

［13］Garc ía-Feced C，Saura S，Elena-Rossell ó S R. Improving landscape connectivity in forest districts： a two-stage process for prioritizing agricultural patches for reforestation ［J］ . Forest Ecology and Management， 2011， 261（1）：154 - 161.

［14］陳杰，梁國付，丁圣彥.基于景觀連接度的森林景觀恢復(fù)研究——以鞏義市為例［J］ .生態(tài)學(xué)報(bào)，2012，32（12）：3773 - 3781.

［15］Awade M，Metzger J P. Using gap-crossing capacity to evaluate functional connectivity of two Atlantic rainforest birds and their response to fragmentation ［J］ . Austral Ecology，2008，33（7）：863 - 871.

［16］楊天翔，張韋倩，樊正球，等.基于鳥類邊緣種行為的景觀連接度研究——空間句法的反規(guī)劃應(yīng)用［J］ . 生態(tài)學(xué)報(bào)，2013，33（16）：5035 - 5046.

［17］歐維新，袁薇錦.基于景觀連接度的鹽城濱海濕地丹頂鶴生境斑塊重要性評價(jià)［J］ . 資源科學(xué)，2015，37（4）：823 - 830.

［18］Saura S，Pascual-Hortal L I A. A new habitat availability index to integrate connectivity in landscape conservation planning：Comparison with existing indices and application to a case study［J］ .Landscape and Urban Planning， 2007， 83（2）：91 - 103.

［19］陳利頂，傅伯杰.景觀連接度的生態(tài)學(xué)意義及其應(yīng)用［J］ . 生態(tài)學(xué)雜志，1996，（4）：37 - 42.

［20］符海月，李滿春，趙軍，等.人口數(shù)據(jù)格網(wǎng)化模型研究進(jìn)展綜述［J］ . 人文地理，2006，（3）：115 - 119.

［21］葉靖，楊小喚，江東.鄉(xiāng)鎮(zhèn)級人口統(tǒng)計(jì)數(shù)據(jù)空間化的格網(wǎng)尺度效應(yīng)分析——以義烏市為例［J］ .地球信息科學(xué)，2010，12（1）：40 - 47.

［22］賈艷紅.基于格網(wǎng)GIS的生態(tài)安全評價(jià)研究［D］ . 蘭州：西北師范大學(xué)，2005.

［23］祖鵬蕾，翟亮，張繼賢，等.威海市格網(wǎng)化自然生態(tài)環(huán)境評價(jià)［J］ . 測繪科學(xué)，2013，38（4）：49 - 51.

［24］謝正輝，劉謙，袁飛，等.基于全國50km×50km網(wǎng)格的大尺度陸面水文模型框架［J］ . 水利學(xué)報(bào)，2004，（5）：78 - 81.

［25］白燕，廖順寶.矢量數(shù)據(jù)屬性信息無損柵格化的實(shí)現(xiàn)方法——以全國1：25萬土地覆被數(shù)據(jù)為例［J］ . 地球信息科學(xué)學(xué)報(bào)，2010，12（3）：385 - 391.

［26］梁艷平，鐘耳順，朱建軍.城市人口分布的空間相關(guān)性分析［J］ .工程勘察，2003，（4）：48 - 50.

［27］王培震，石培基，魏偉，等.基于空間自相關(guān)特征的人口密度格網(wǎng)尺度效應(yīng)與空間化研究——以石羊河流域?yàn)槔跩］ . 地球科學(xué)進(jìn)展，2012，27（12）：1363 - 1372.

［28］喬榮鋒，高進(jìn)云，畢芳英.空間相關(guān)性對耕地保護(hù)決策的影響研究——以天津市寧河縣大北澗沽鎮(zhèn)為例［J］ . 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)版），2013，（1）：59 - 64.

［29］吳國偉，謝金法，郭志強(qiáng).基于Sobel算子的車輛輪廓邊緣檢測算法［J］ . 河南科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，30（6）：38 - 41.

［30］張旭明，徐濱士，董世運(yùn).用于圖像處理的自適應(yīng)中值濾波［J］ . 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005，17（2）：295 - 299.

［31］周姍姍，柴金廣.圖像預(yù)處理的濾波算法研究［J］ . 科學(xué)技術(shù)與工程，2009，9（13）：3830 - 3832.

（本文責(zé)編：陳美景）

Extraction of Concentrated Prime Farmland based on Grid within the Scale of County

JING Yao-dong， BI Ru-tian， ZHOU Shu-qin， SHI Guang
（College of Resource and Environment， ShanXi Agricultural University， Taigu 030801， China）

The aim of this paper is to propose a spatial grid-based fuzzy texture index extraction method applied to obtain the spatial distribution characteristics， retrieval concentrated contiguous information of prime farmland quickly and accurately. The lossless grid computing program for attribute information of prime farmland was developed on the SuperMap Objects platform. Four different spatial grid of 100×100 m， 200×200 m， 400×400 m， 800×800 m were designed and their spatial autocorrelation were analyzed. Based on spatial filtering algorithm， spatial density distribution characteristics of the prime farmland of Zezhou county in Shanxi province were analyzed， and a fuzzy texture index algorithm was also developed based on the classification， gradation and valuation of agricultural land of Zezhou county. Results show that： 1）Grid-based prime farmland can form continuous spatial density surface. This method enriches the spatial data presentation of the prime farmland and is beneficial to analyze the spatial data； 2）the concentrated contiguous index based on fuzzy texture index extraction method can be employed as a quantitative expression of spatial data. Concentrated regions of prime farmlandcan be extracted quickly using fuzzy texture index extraction method combined with the spatial density distribution characteristics. This paper has established a novel method for spatial distribution information extraction of prime farmland，which supports a theoretical reference for further protection， layout optimization of the prime farmland.

land information； prime farmland； grid transformation； fuzzy texture index； centralize and connectivity

F301.2，S282

A

1001-8158（2015）10-0057-08

10.11994/zgtdkx.2015.10.008

2015-04-17

2015-07-12

國土資源部公益性行業(yè)項(xiàng)目“北方村莊壓煤山丘區(qū)土地綜合整治技術(shù)研究”（201411007）。

荊耀棟（1980-），男，山西陽泉人，博士研究生。主要研究方向?yàn)橥恋匦畔⒓夹g(shù)。E-mail： jydyyzsq@163.com

畢如田（1963-），男，山西陽泉人，博士生導(dǎo)師。主要研究方向?yàn)?S技術(shù)及應(yīng)用、資源環(huán)境信息技術(shù)。E-mail： brt@sxau.edu.cn