鄱阳湖地区水稻熟制时空变化及其驱动因素

【摘要】：中国是世界上最大的水稻生产国,水稻生产在我国农业生产和粮食安全保障体系中占有重要地位。近年来,受市场机制调控与城市化进程加快的影响,各地水稻种植面积与多熟种植发生显著变化,进而影响国家粮食安全。本研究以多源、多时相遥感影像、野外观测以及社会经济统计资料为基础,选择我国南方水稻种植主产区和商品粮基地——鄱阳湖地区为研究区,借助当前主流时空融合模型——增强型时空自适应反射率模型(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM)构建新世纪以来鄱阳湖地区高时空分辨率遥感数据集,根据作物不同生育期的生物学特征和光谱特征,探索该区水稻熟制提取的遥感方法与规则,反演高精度的水稻熟制信息,揭示水稻熟制的时空变化格局,并阐明其变化的驱动因素。主要结论如下:(1)ESTARFM算法对于地块破碎、景观异质性强的区域具有较好的适用性,对我国南方地区资源环境监测尤其是耕地利用状况,具有重要的现实意义。ESTARFM算法中参数的敏感性在波段、光谱指数融合中均表现出相似的特征,随着滑动窗口()、地表覆盖类型数量(m)和相似像元数量(N)的增加,融合误差整体呈现出先减小后趋于稳定或增大的趋势,即该算法具有最佳参数范围值,在不同地域采用此模型需要进行参数敏感性分析;基于Landsat和MODIS多时相影像,借助ESTARFM算法生成高时空分辨率影像替换Landsat影像中云和云阴影区域,可以有效地去除南方多云、多雨地区影像“云污染”现象,一定程度上提高遥感数据的可用性。(2)基于ESTARFM算法融合Landsat和MODIS影像获取高时空分辨率数据集,利用水稻不同生育期的光谱和物候特征来识别单季稻(一年一熟)、双季稻(一年二熟),构建水稻熟制提取算法(FLMP),提取结果的用户精度均高于86%,制图精度均高于83%,总体精度和Kappa系数分别为91.24%和0.88。与全国土地覆盖数据集(WESTDC)相比,研究提取的水稻面积结果空间信息丰富,能够捕捉到更详细的碎片化稻田面积信息。以上结果表明,本研究构建的水稻提取算法(FLMP)能有效地获取高精度的水稻熟制信息,在我国南方地区复杂景观中具有较好的适用性。(3)2004-2019年鄱阳湖地区不同熟制水稻时空变化特征:(1)水稻种植总面积呈现持续下降趋势,种植模式从2004年单季稻为主转为2019年单、双季稻持平(双季稻面积略大于单季稻面积)。(2)空间分布上,单季稻种植面积减少区域主要位于研究区内赣江流域北部、抚河流域及信江流域,增加区域主要位于修水流域、鄱阳湖湖区北部,总体面积以减少为主;双季稻种植面积减少区域集聚在修水流域、鄱阳湖湖区北部,增加区域集聚在赣江流域、鄱阳湖湖区南部,总体面积以增加为主。(3)研究时段内,单、双季稻转变频繁,南北差异显著,整体以单季稻改种双季稻(“单改双”)为主,呈现由北向南“单改双”的变化趋势,转变最为剧烈的区域位于鄱阳湖湖区南部、抚河流域等传统单、双季稻作混合区,双季稻改种单季稻(“双改单”)主要分布在修水流域、鄱阳湖湖区北部等地区。(4)基于随机森林模型和地理探测器探讨了鄱阳湖地区水稻熟制变化驱动因素的相对影响及交互影响,结果表明:(1)研究区稻谷单产、土壤类型、农业机械总动力、有效灌溉面积、化肥施用量、人均农业收入水平等驱动因素对水稻熟制变化的影响程度较大,相比之下乡村劳动力资源、乡村人口、相关农业政策等驱动因素对水稻熟制变化的影响程度较小。(2)两两驱动因素之间的交互作用类型大部分以双因子增强、非线性增强为主,即任意两种驱动因素产生的影响均大于单因素对研究区水稻熟制变化产生的影响;影响程度越大的驱动因素,其交互作用也越强,进一步表明了研究区水稻熟制变化受多种驱动因素综合作用,其中稻谷单产、土壤类型、农业机械总动力、有效灌溉面积和人均农业收入是水稻熟制时空变化的主要驱动因素。(3)根据因地制宜原则,综合考虑影响研究区水稻熟制变化的主要驱动因素(地貌地形、田块质量、水源问题等)分别提出针对性的政策启示。