高 會(huì), 譚莉梅, 劉 鵬, 劉金銅**, 李曉榮

?

基于二分類(lèi)Logistic回歸模型的太行山丘陵區(qū)縣域耕地資源潛力估算*

高 會(huì)1,2, 譚莉梅1, 劉 鵬3, 劉金銅1**, 李曉榮1,2

(1. 中國(guó)科學(xué)院農(nóng)業(yè)水資源重點(diǎn)實(shí)驗(yàn)室/中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心 石家莊 050022; 2. 中國(guó)科學(xué)院大學(xué) 北京 100049; 3. 北京沃爾德防災(zāi)綠化技術(shù)有限公司 北京 100048)

耕地紅線劃定與人-地資源矛盾日益突出背景下, 耕地資源潛力的研究與開(kāi)發(fā)日顯重要。我國(guó)耕地面積近2/3分布在山區(qū), 因此山區(qū)耕地資源的合理開(kāi)發(fā)利用及其資源潛力的研究尤為重要。本文以華北地區(qū)的太行山為研究區(qū)域, 選擇耕地占比和資源潛力最大的丘陵區(qū)典型縣——河北省井陘縣為研究案例, 選取13個(gè)影響耕地資源潛力的基本生態(tài)要素, 包括5個(gè)地形要素和8個(gè)直接氣象要素或由氣象要素計(jì)算得到的間接氣象要素, 引入二分類(lèi)Logistic回歸分析方法, 運(yùn)用偏最大似然估計(jì)向前引入法的擬合方法, 篩選提取影響耕地資源潛力的關(guān)鍵生態(tài)要素; 由模型參數(shù)Wald2統(tǒng)計(jì)量分析影響耕地資源潛力的關(guān)鍵生態(tài)要素的貢獻(xiàn)率排序; 由模型參數(shù)回歸系數(shù)分析耕地資源潛力與生態(tài)要素的相關(guān)關(guān)系; 由模型參數(shù)發(fā)生比率OR分析量化關(guān)鍵生態(tài)要素對(duì)耕地資源潛力的影響, 最終建立Logistic回歸模型?；诖四Ｐ? 在GIS軟件中得到井陘縣耕地資源潛力分布圖, 進(jìn)而估算出縣域耕地資源潛力。研究結(jié)果表明: 13個(gè)影響井陘縣耕地資源潛力的基本生態(tài)要素中8個(gè)為關(guān)鍵生態(tài)要素; 關(guān)鍵生態(tài)要素中地形要素配置比氣象要素配置更為重要; 年平均氣溫和寒冷指數(shù)與耕地資源潛力呈負(fù)相關(guān)關(guān)系, 其余生態(tài)要素則呈正相關(guān)關(guān)系; 由回歸模型估算出井陘縣具備墾殖為耕地資源的土地面積為60 400 hm2, 而根據(jù)遙感影像解譯結(jié)果得出的現(xiàn)有耕地資源為45 600 hm2, 由此井陘縣尚具有14 800 hm2的后備耕地資源, 相當(dāng)于現(xiàn)有耕地面積的32.5%, 這說(shuō)明在不考慮墾殖所帶來(lái)的可能負(fù)效應(yīng)的前提下, 井陘縣具有較大的后備耕地資源開(kāi)發(fā)潛力, 該結(jié)論為井陘縣后備耕地資源的開(kāi)發(fā)與可持續(xù)利用提供了理論依據(jù)。

太行山丘陵區(qū); 二分類(lèi)Logistic回歸模型; 生態(tài)要素; 耕地資源潛力; 后備耕地資源

山地約占全球陸地總面積的20%[1], 世界約12%的人口居住在山區(qū)[2]。我國(guó)是一個(gè)多山國(guó)家, 山地面積約占陸地總面積的70%, 40%多的人口生活在山區(qū)[3-4]。耕地是人類(lèi)賴(lài)以生存的根本, 我國(guó)耕地中有近2/3分布在山區(qū)、丘陵和高原, 且耕地面積在持續(xù)減少[5]。進(jìn)入21世紀(jì)以來(lái), 由于山區(qū)退耕還林還草政策實(shí)施, 山區(qū)耕地面積逐漸減少[6], 而社會(huì)經(jīng)濟(jì)持續(xù)快速增長(zhǎng)也不可避免的要占用耕地。因此, 為確?！?8億畝耕地的紅線”, 研究利用后備耕地資源對(duì)保障耕地動(dòng)態(tài)平衡意義重大。我國(guó)已經(jīng)進(jìn)行了幾次大規(guī)模的后備耕地資源調(diào)查, 數(shù)據(jù)顯示, 后備耕地資源中面積最大的是荒草地, 占總后備耕地資源的88.44%[7]。

當(dāng)前對(duì)山區(qū)耕地資源方面的相關(guān)研究主要集中于3個(gè)方面: 一是對(duì)山區(qū)耕地資源時(shí)空分布特征的研究, 在時(shí)間上利用遙感影像解譯、結(jié)合地理信息系統(tǒng)(GIS)空間分析功能研究不同區(qū)域尺度的土地利用(包括耕地)時(shí)空變化, 如Ullah等[8]研究了興都庫(kù)什山脈耕地的時(shí)空變化特征; 在空間上耕地資源的分布格局特征主要從地形因素(高程、坡度)方面進(jìn)行分析; 譚莉梅等[9]對(duì)河北省太行山區(qū)域耕地資源的空間分布從海拔、坡度及地形類(lèi)型3個(gè)方面進(jìn)行了分析研究。二是對(duì)山區(qū)耕地資源的適宜性評(píng)價(jià)研究, 胡學(xué)東等[10]以自然因素為主的8個(gè)評(píng)價(jià)指標(biāo)評(píng)價(jià)鄂西北山地區(qū)耕地整治的適宜性; Liu等[11]從氣候、水文、地形、土壤和植被5個(gè)方面對(duì)土地適宜性進(jìn)行評(píng)價(jià), 得出部分秦嶺山區(qū)耕地需要退耕。三是對(duì)山區(qū)后備耕地資源的適宜性研究, 張甘霖等[12]和張迪等[7]分別評(píng)價(jià)了后備耕地資源的自然質(zhì)量適宜性和經(jīng)濟(jì)供給適宜性, 研究中所用的后備耕地資源只是根據(jù)土地利用分類(lèi)數(shù)據(jù)依據(jù)耕地后備資源定義[13]提取得到的, 而且其研究對(duì)象也不僅是山區(qū)。前人的研究中, 或是針對(duì)現(xiàn)有耕地資源存量的研究; 或是土地利用分類(lèi)數(shù)據(jù)、偏重于自然質(zhì)量和經(jīng)濟(jì)供給適宜性, 過(guò)于側(cè)重從土地管理部門(mén)的需求角度出發(fā)。因此, 本研究重點(diǎn)關(guān)注耕地資源潛力和后備耕地資源的相關(guān)性, 在考慮現(xiàn)有耕地存量條件下, 綜合考慮山區(qū)影響耕地資源潛力的地形與氣象等生態(tài)要素, 通過(guò)建立模型, 精準(zhǔn)估算土地可墾殖為耕地資源的綜合潛力及其分布, 并與現(xiàn)有耕地存量及分布比較, 從自然生態(tài)條件和戰(zhàn)略儲(chǔ)備上分析探討山區(qū)尚具備的后備耕地資源開(kāi)發(fā)潛力, 這個(gè)方面的研究目前尚少見(jiàn)報(bào)道。

張迪等[7]指出后備耕地資源中, 面積最大的是荒草地, 這部分荒草地大多分布在山地丘陵區(qū)[7]。張貴軍等[14]按不同地貌類(lèi)型將河北省劃分為8個(gè)類(lèi)型區(qū), 其中太行山丘陵區(qū)耕地后備資源潛力較大。因此, 本文以太行山為研究區(qū)域, 選擇耕地占比和資源潛力最大的丘陵區(qū)為研究對(duì)象, 以河北省井陘縣為典型縣域研究案例, 建立丘陵區(qū)耕地資源潛力與關(guān)鍵生態(tài)要素的二分類(lèi)Logistic回歸模型?；诖四Ｐ? 在GIS軟件中得到太行山丘陵區(qū)井陘縣耕地資源潛力分布圖, 進(jìn)而估算出縣域耕地資源潛力, 并與根據(jù)遙感解譯所得的井陘縣耕地資源信息對(duì)比分析, 為井陘縣后備耕地資源的開(kāi)發(fā)、政府決策和耕地資源可持續(xù)利用提供理論依據(jù)。

1 研究區(qū)域概況與研究方法

1.1 研究區(qū)概況

井陘縣位于河北省西部, 太行山東麓, 37°42′~ 38°13′N(xiāo), 113°48′~114°18′E, 是100%山區(qū)縣。井陘縣總面積138 320 hm2, 其中耕地22 867 hm2, 占總面積16.5%。全縣總?cè)丝?2萬(wàn)。井陘縣屬于溫帶亞濕潤(rùn)大陸性氣候, 海拔從145~1 188 m, 降水量456~ 521 mm, 年平均溫度6~12 ℃, ≥10 ℃積溫3 273~ 4 314 ℃。山區(qū)坡度0°~58°。井陘縣在整個(gè)太行山區(qū)的位置如圖1所示。

1.2 數(shù)據(jù)來(lái)源及其處理

為便于運(yùn)算, 所有的數(shù)據(jù)都采用 GIS的柵格數(shù)據(jù)類(lèi)型(表1), 并且在90 m×90 m的分辨率上進(jìn)行重采樣, 都配準(zhǔn)到WGS84坐標(biāo)系統(tǒng)。

表1 遙感影像解譯耕地資源誤差矩陣表

1.2.1 井陘縣耕地資源

為得到更加詳細(xì)、準(zhǔn)確的耕地資源數(shù)據(jù), 本研究利用2006年10月的分辨率為2.5 m的SPOT5遙感數(shù)據(jù)解譯研究現(xiàn)有耕地。解譯中將土地利用分為耕地和非耕地兩種類(lèi)型(圖2)。解譯結(jié)果精度評(píng)價(jià)采用典型區(qū)域野外抽樣調(diào)查, 在解譯為耕地的區(qū)域隨機(jī)選取了20個(gè)樣區(qū), 總面積為12 725 m2, 包含2 036個(gè)柵格單元, 耕地解譯精度為93%; 在解譯為非耕地的區(qū)域隨機(jī)選取40個(gè)樣區(qū), 總面積為25 000 m2, 包含4 000個(gè)柵格單元, 非耕地解譯精度為88%, 總的解譯精度為90%(表1)。

1.2.2 影響耕地資源潛力的生態(tài)要素

影響耕地資源分布的生態(tài)因素很多, 根據(jù)胡學(xué)東等[10]在鄂西北山地區(qū)耕地整治適宜性評(píng)價(jià)中選取的影響耕地整治的因素以及張甘霖等[12]研究的中國(guó)后備耕地資源自然適宜性評(píng)價(jià)中的評(píng)價(jià)因子, 同時(shí)考慮數(shù)據(jù)的可獲取性, 本研究選取了5個(gè)地形要素, 包括高程、坡度、轉(zhuǎn)換坡向、地形起伏度和坡位指數(shù), 8個(gè)氣象要素及由氣象要素計(jì)算所得的相關(guān)要素, 包括即年平均氣溫、年平均降水、年活動(dòng)積溫、年生物積溫、溫暖指數(shù)、寒冷指數(shù)、濕潤(rùn)指數(shù)和潛在蒸發(fā)率(表2)。

表2 耕地資源及影響耕地資源潛力的生態(tài)要素屬性表

高程(DEM)數(shù)據(jù)來(lái)自分辨率為90 m的美國(guó)SRTM數(shù)據(jù)(http://www.gscloud.cn )(圖3A); 以DEM為原始數(shù)據(jù), 坡度、坡向分別利用ARCGIS10.2中的slope、aspect命令直接得到各個(gè)柵格的坡度值(圖3B)和坡向值。照射坡向(Trasp)能夠直觀反映接受太陽(yáng)能多少, 需要對(duì)坡向(aspect)進(jìn)行一定的轉(zhuǎn)換, 公式如下:, Trasp的值域?yàn)閇0, 1], 0表示接受的太陽(yáng)能最少, 1表示接受的太陽(yáng)能最多(圖3C)。地形起伏度指地面某一確定距離的范圍內(nèi)最高點(diǎn)與最低點(diǎn)的高程差, 本文選擇3′3(單位: 柵格)的矩形區(qū)域基于GIS得到各個(gè)柵格的地形起伏度(圖3D)。坡位指數(shù)是用來(lái)計(jì)算某一單元在整體景觀中的位置, 通過(guò)計(jì)算柵格單元與周?chē)鷸鸥駟卧钠骄０尾畹玫降? 本文選擇尺度為20′20(單位: 柵格)的矩形區(qū)域利用GIS軟件得到各個(gè)柵格的坡位指數(shù)(圖3E)。

氣象數(shù)據(jù)是通過(guò)1961—2005年氣象站的觀測(cè)得到的, 需要對(duì)多年數(shù)據(jù)平均值進(jìn)行空間差值, 從而得到每個(gè)柵格單元的氣象要素?cái)?shù)據(jù)。本文利用全國(guó)720個(gè)氣象臺(tái)站的氣溫和降水?dāng)?shù)據(jù)結(jié)合高程、經(jīng)度和緯度, 建立氣溫和降水的多元回歸方程, 然后利用內(nèi)插的方法得到每個(gè)柵格的日氣溫和降水?dāng)?shù)據(jù)。年平均氣溫和年平均降水利用每個(gè)柵格的日氣溫、日降水?dāng)?shù)據(jù)計(jì)算得到(圖3F-G)。年≥10 ℃活動(dòng)積溫通過(guò)ARCGIS10.2中的raster calculator命令計(jì)算得到(圖3H)。年生物積溫是指>0 ℃、<30 ℃的月平均氣溫(當(dāng)月平均氣溫>30 ℃時(shí), 取值為30 ℃)之和的平均值(圖3I)。溫暖指數(shù)是指一年中月平均氣溫下5 ℃以上的月份的月平均氣溫與5 ℃只差的累計(jì)值(圖3J)。寒冷指數(shù)是指月平均氣溫小于5 ℃的月份的月平均氣溫與5 ℃只差的累計(jì)值(圖3K)。濕潤(rùn)指數(shù)是降水量與溫暖指數(shù)的比值(圖3L)。干燥度是年潛在蒸發(fā)量與降雨量的比值, 本文的年潛在蒸發(fā)量根據(jù)Holdridge經(jīng)驗(yàn)公式計(jì)算得到, 即年潛在蒸發(fā)量等于58.93乘以年生物積溫(圖3M)。以上氣象相關(guān)要素?cái)?shù)據(jù)都是根據(jù)日氣溫和日降水?dāng)?shù)據(jù)利用GIS的柵格運(yùn)算得到的。

1.3 二分類(lèi)Logistic回歸模型

1.3.1 模型原理

二分類(lèi)Logistic回歸分析是針對(duì)因變量為二分類(lèi)的非線性回歸統(tǒng)計(jì)方法。本研究中耕地()是二分類(lèi)因變量。當(dāng)土地利用為耕地時(shí)=1, 否則,=0。假設(shè)影響土地利用是否能成為耕地的是13生態(tài)要素, 即自變量(X)(1, 2, …,), 土地利用為耕地(=1)的概率為。二分類(lèi)Logistic回歸模型如式(1)[15-16]:

式中:β(0, 1, 2,…,)為回歸系數(shù)。/(1-)為事件的發(fā)生比率(odds ratio)。

1.3.2 模型驗(yàn)證

本研究用HL指標(biāo)檢驗(yàn)二分類(lèi)Logistic回歸模型擬合優(yōu)度。當(dāng)HL指標(biāo)統(tǒng)計(jì)顯著表示模型擬合不好。相反, 當(dāng)HL指標(biāo)統(tǒng)計(jì)不顯著表示模型擬合好。HL指標(biāo)是一種類(lèi)似于皮爾遜2統(tǒng)計(jì)量的指標(biāo), 其公式如下[15-16]:

式中:為分組數(shù),≤10;N為第組中的案例數(shù);Y為第組事件的觀測(cè)數(shù)量;P為第組預(yù)測(cè)事件概率;NP為預(yù)測(cè)數(shù)。

1.4 二分類(lèi)Logistic回歸模型建立

1.4.1 樣本選取

樣本選取通過(guò)Arcgis中的隨機(jī)取樣命令來(lái)實(shí)現(xiàn), 首先將井陘縣土地利用分為耕地和非耕地兩個(gè)柵格圖, 利用ArcgisWorkstation中的rand命令對(duì)所有的井陘縣進(jìn)行隨機(jī)編碼。然后耕地取編碼數(shù)值小于0.4的柵格, 非耕地選擇編碼數(shù)值小于等于0.2的柵格作為掩膜(也就是選取了井陘縣耕地面積的40%和井陘縣非耕地面積的20%作為樣本), 共選取的樣點(diǎn)數(shù)為46 083個(gè), 其中耕地的樣點(diǎn)數(shù)為22 254個(gè), 非耕地的樣點(diǎn)數(shù)為23 829個(gè), 不相等的抽樣比例不會(huì)影響解釋變量在Logistic回歸模型中的系數(shù)估計(jì), 但是會(huì)影響模型的常數(shù)項(xiàng)[16-17], 為保證耕地與非耕地樣點(diǎn)數(shù)的基本一致, 對(duì)耕地和非耕地分開(kāi)取樣,選擇不同的編碼數(shù)值界線(因?yàn)樯絽^(qū)耕地面積較小)。最后, 應(yīng)用GIS軟件, 基于井陘縣關(guān)鍵生態(tài)要素柵格圖提取井陘縣內(nèi)耕地和非耕地樣點(diǎn)所對(duì)應(yīng)的13個(gè)關(guān)鍵生態(tài)要素的值。

1.4.2 模型建立

將因變量耕地資源(耕地/非耕地)和相對(duì)應(yīng)的自變量(13個(gè)關(guān)鍵生態(tài)要素值)輸入到SPSS軟件中, 利用軟件中二分類(lèi)Logistic回歸模型, 選擇偏最大似然估計(jì)向前引入法的擬合方法將值小于0.05的變量引入回歸過(guò)程, 這種方法中, 被選自變量依次進(jìn)入回歸模型, 首先引入與因變量最大偏相關(guān)且符合引入標(biāo)準(zhǔn)的自變量, 在引入第1個(gè)變量后, 再引入第2個(gè)與因變量最大偏相關(guān)并且符合引入標(biāo)準(zhǔn)的自變量, 依次類(lèi)推。當(dāng)無(wú)自變量符合引入標(biāo)準(zhǔn)時(shí), 中止回歸過(guò)程。采用此方法, 從13個(gè)生態(tài)要素因子中選擇出影響山區(qū)耕地資源的關(guān)鍵生態(tài)要素8個(gè), 引入的順序依次為地形起伏度、高程、坡位指數(shù)、轉(zhuǎn)換坡向、寒冷指數(shù)、年平均氣溫、干燥度、坡度。

1.4.3 模型驗(yàn)證

由表3可知, 模型的HL指標(biāo)為2.532, 其概率為0.98, 統(tǒng)計(jì)不顯著, 說(shuō)明耕地資源可能性分布的二分類(lèi)Logistic回歸模型很好地?cái)M合了數(shù)據(jù)。

2 結(jié)果與分析

2.1 山區(qū)耕地資源潛力的關(guān)鍵生態(tài)要素

偏最大似然估計(jì)向前引入法的擬合方法, 從13個(gè)生態(tài)要素因子中選擇了影響山區(qū)耕地資源的關(guān)鍵生態(tài)要素8個(gè), 引入的順序依次為地形起伏度、高程、坡位指數(shù)、轉(zhuǎn)換坡向、寒冷指數(shù)、年平均氣溫、干燥度、坡度。由模型參數(shù)Wald2統(tǒng)計(jì)量(表3)可知, 影響山區(qū)耕地資源潛力的8個(gè)關(guān)鍵生態(tài)要素的貢獻(xiàn)率排序?yàn)? 地形起伏度>高程>坡位指數(shù)>轉(zhuǎn)換坡向>寒冷指數(shù)>年平均氣溫>干燥度>坡度, 所選的生態(tài)要素中地形要素的貢獻(xiàn)率大于氣象及氣象相關(guān)要素的。因此, 評(píng)估耕地太行山丘陵區(qū)耕地資源潛力時(shí), 地形要素配置的分析較氣象及氣象相關(guān)要素的配置更為重要。

表3 耕地資源(因變量)及其關(guān)鍵生態(tài)要素(自變量)的二分類(lèi)Logistic回歸模型參數(shù)及顯著水平

HL (homsmer-lemeshow) = 2.532.=0.98.

A: 高程(m); B: 坡度(°); C: 照射坡向(無(wú)量綱); D: 地形起伏度(m); E: 坡位指數(shù)(m); F: 年平均氣溫(℃); G: 年平均降水(mm); H: 年活動(dòng)積溫(℃); I: 年生物積溫(℃); J: 溫暖指數(shù)(℃); K: 寒冷指數(shù)(℃); L: 濕潤(rùn)指數(shù)(mm?℃-1); M: 干燥度(無(wú)量綱)。A: elevation (m); B: slope (°); C: trasp (non-dimensional); D: relief (m); E: topographic position index (m); F: annual average temperature (℃); G: annual average precipitation (mm); H: active accumulate temperature (℃); I: biological cumulative temperature (℃); J: warmth index (℃); K: coldness index (℃); L: humidity index (mm?℃-1); M: drought index (non-dimensional).

由模型參數(shù)中的回歸系數(shù)(表3)分析得出各個(gè)生態(tài)要素與山區(qū)耕地資源潛力的正負(fù)相關(guān)關(guān)系。8個(gè)影響山區(qū)耕地資源的關(guān)鍵生態(tài)要素中, 除了年平均氣溫和寒冷指數(shù), 其余自變量因子都是負(fù)的回歸系數(shù), 說(shuō)明隨著年平均氣溫和寒冷指數(shù)的增加, 山區(qū)耕地資源潛力呈現(xiàn)增加的趨勢(shì), 而其余自變量因子的增加會(huì)引起山區(qū)耕地資源潛力呈現(xiàn)減小的趨勢(shì)。

自變量因子的改變引起山區(qū)耕地資源潛力變化可量化, 由表3發(fā)生比率(OR)可知, 除了干燥度改變1個(gè)單位量, 山區(qū)耕地資源潛力變化0.3倍, 其余自變量因子改變1個(gè)單位量, 山區(qū)耕地資源潛力變化1倍左右。

2.2 耕地資源潛力估算

將表3中的回歸系數(shù)帶入到方程(1), 得到Logistic回歸模型, 根據(jù)模型利用GIS運(yùn)算生態(tài)要素柵格圖, 得到井陘縣耕地資源潛力分布圖(圖4)。由圖4可以看出, 井陘縣耕地資源潛力在0.5以下地區(qū)所占面積極少。對(duì)于該模型, 人們一般選擇的劃分閾值為0.5, 但是從生態(tài)安全的角度, 山區(qū)土地資源成為耕地資源的條件比較嚴(yán)格[17], 因此選擇0.9作為閾值來(lái)劃分研究區(qū)域能夠成為耕地的地區(qū)。耕地資源潛力大于0.9的分布區(qū)如圖5所示。分析可得, 基于二分類(lèi)Logistic回歸模型, 井陘山區(qū)土地資源能夠成為耕地的面積為60 400 hm2, 應(yīng)用SPOT5影像分析得到井陘縣的耕地面積45 600 hm2, 故井陘縣還具有14 800 hm2的耕地后備資源, 相當(dāng)于現(xiàn)有耕地面積的32.5%。由此可知, 井陘縣具有較多的耕地后備資源。

3 結(jié)論與討論

本文從生態(tài)角度出發(fā), 選擇13個(gè)山區(qū)耕地資源潛力的生態(tài)要素, 利用二分類(lèi)Logistic回歸模型分析, 得到8個(gè)關(guān)鍵生態(tài)要素, 分別是地形起伏度、高程、坡位指數(shù)、轉(zhuǎn)換坡向、寒冷指數(shù)、年平均氣溫、干燥度、坡度?；诮⒌腖ogistic回歸模型, 利用Arcgis軟件得到井陘縣耕地資源潛力分布圖, 經(jīng)分析得出井陘縣還具有14 800 hm2的后備耕地資源, 相當(dāng)于現(xiàn)有耕地面積的32.5%, 為以后井陘縣耕地后備資源的開(kāi)發(fā)利用提供了一定的理論依據(jù)。

在山區(qū), 高程和坡度是影響耕地資源分布的最要影響因素[10-11,18]。在丘陵區(qū)地形起伏度和高程是影響丘陵區(qū)耕地資源潛力的兩大最主要的生態(tài)要素, 其貢獻(xiàn)率大于70%。因此, 高程是影響丘陵區(qū)耕地資源分布的主要因素之一, 這與前人研究結(jié)果一致。但是, 丘陵區(qū)坡度并不是影響丘陵區(qū)耕地資源分布的最主要的因素, 而地形起伏度則是影響耕地資源分布的主要因素之一。其原因是太行山丘陵區(qū)坡度較緩, 80%的地區(qū)坡度<25°(圖3B)。

張迪等[7]指出耕地后備資源中, 面積最大的是荒草地, 這部分荒草地大多分布在山地丘陵區(qū)。張貴軍等[14]按不同地貌類(lèi)型將河北省劃分為8個(gè)類(lèi)型區(qū), 認(rèn)為太行山丘陵區(qū)耕地后備資源潛力較大。本研究結(jié)果進(jìn)一步證明了前人的研究結(jié)論。但是, 本研究所選擇的決定耕地資源分布的生態(tài)要素中沒(méi)有包括土壤因子, 而土壤是決定一個(gè)地區(qū)是否能夠成為耕地的決定性條件[12,19-20]。由于山區(qū)土壤數(shù)據(jù)較難獲得, 且缺少研究區(qū)土壤理化性質(zhì)以及土層厚度的空間化數(shù)據(jù)。另外, 根據(jù)我國(guó)1︰400萬(wàn)的土壤類(lèi)型圖, 井陘縣土壤類(lèi)型較一致, 全部為淋溶褐土。因此, 本文建立井陘縣耕地模型中, 沒(méi)有考慮土壤因素。對(duì)于更大區(qū)域的研究中, 為了模型的準(zhǔn)確性, 應(yīng)該加入土壤因素。

[1] United Nations Environment Programme. Mountain watch [EB/OL]. (2002) http://www.Ourplanet.com/wcmc/pdfs/mountains. pdf

[2] Huddleston B, Ataman E, de Salvo P, et al. Towards a GIS- based analysis of mountain environments and populations[R]. Rome, Italy: Food and Agriculture Organization of the United Nations, 2003

[3] 鄧偉, 唐偉. 試論中國(guó)山區(qū)城鎮(zhèn)化方向選擇及對(duì)策[J]. 山地學(xué)報(bào), 2013, 31(2): 168–173 Deng W, Tang W. General directions and countermeasures for urbanization development in mountain areas of China[J]. Journal of Mountain Science, 2013, 31(2): 168–173

[4] 鄧偉, 熊永蘭, 趙紀(jì)東, 等. 國(guó)際山地研究計(jì)劃的啟示[J]. 山地學(xué)報(bào), 2013, 31(3): 377–384 Deng W, Xiong Y L, Zhao J D, et al. Enlightenment from international mountain research projects[J]. Journal of Mountain Science, 2013, 31(3): 377–384

[5] 張士功. 耕地資源與糧食安全[D]. 北京: 中國(guó)農(nóng)業(yè)科學(xué)院, 2005 Zhang S G. Cultivated land resources and grain security[D]. Beijing: Chinese Academy of Agricultural Sciences, 2005

[6] 朱紅波. 中國(guó)耕地資源安全研究[D]. 武漢: 華中農(nóng)業(yè)大學(xué), 2006 Zhu H B. Study on cultivated land resources security in China[D]. Wuhan: Huazhong Agricultural University, 2006

[7] 張迪, 張鳳榮, 安萍莉, 等. 中國(guó)現(xiàn)階段后備耕地資源經(jīng)濟(jì)供給能力分析[J]. 資源科學(xué), 2004, 26(5): 46–52 Zhang D, Zhang F R, An P L, et al. Potential economic supply of uncultivated arable land in China[J]. Resources Science, 2004, 26(5): 46–52

[8] Ullah S, Farooq M, Shafique M, et al. Spatial assessment of forest cover and land-use changes in the Hindu-Kush mountain ranges of northern Pakistan[J]. Journal of Mountain Science, 2016, 13(7): 1229–1237

[9] 譚莉梅, 李紅軍, 劉慧濤, 等. 河北省太行山區(qū)域耕地資源空間分布特征研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2010, 18(4): 872-875 Tan L M, Li H J, Liu H T, et al. Spatial distribution characteristics of arable lands in Taihang Mountain area of Hebei Province[J]. Chinese Journal of Eco-Agriculture, 2010, 18(4): 872-875

[10] 胡學(xué)東, 王占岐, 鄒利林. 基于貝葉斯概率模型的鄂西北山地區(qū)耕地整治適宜性評(píng)價(jià)[J]. 資源科學(xué), 2016, 38(1): 83–92 Hu X D, Wang Z Q, Zou L L. Suitability evaluation of arable land consolidation in mountain areas of northwestern Hubei based on Bayesian probability modeling[J]. Resources Science, 2016, 38(1): 83–92

[11] Liu Y S, Wang J Y, Guo L Y. GIS-based assessment of land suitability for optimal allocation in the Qinling Mountains, China[J]. Pedosphere, 2006, 16(5): 579–586

[12] 張甘霖, 吳運(yùn)金, 趙玉國(guó). 基于SOTER的中國(guó)耕地后備資源自然質(zhì)量適宜性評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(4): 1–8 Zhang G L, Wu Y J, Zhao Y G. Physical suitability evaluation of reserve resources of cultivated land in China based on SOTER[J]. Transactions of the CSAE, 2010, 26(4): 1–8

[13] 中國(guó)人民共和國(guó)國(guó)土資源部.中華人民共和國(guó)國(guó)土資源行業(yè)標(biāo)準(zhǔn)(TD/T 1007—2003)耕地后備資源調(diào)查與評(píng)價(jià)技術(shù)規(guī)程[S]．北京: 中國(guó)人民共和國(guó)國(guó)土資源部, 2003 Ministry of land and resources of the People’s Republic of China. Industry standard of land and resource of the People’s Republic of China (TD/T 1007—2003), cultivated land reserved resources investigation and evaluation procedures[S]. Beijing: Ministry of Land and Resources of the People’s Republic of China, 2003

[14] 張貴軍, 趙勝利, 尹君, 等. 河北省耕地后備資源開(kāi)發(fā)利用分析[J]. 國(guó)土與自然資源研究, 2005, (2): 40–42 Zhang G J, Zhao S L, Yin J, et al. Analysis on exploitation and utilization of reserved cultivated land resource in Hebei Province[J]. Territory and Natural Resources Study, 2005, (2): 40–42

[15] 王濟(jì)川, 郭志剛. Logistic回歸模型: 方法和應(yīng)用[M]. 北京: 高等教育出版社, 2001 Wang J C, Guo Z G. Logistic Regression Models: Method and Application[M]. Beijing: Higher Education Press, 2001

[16] Hosmer D W, Lemeshow S. Applied Logistic Regression[M]. 2nd ed. New York: John Wiley and Sons, 2000

[17] 楊子生. 基于可持續(xù)發(fā)展的山區(qū)省份耕地總量動(dòng)態(tài)平衡研究——以云南省為例[J]. 資源科學(xué), 2001, 23(5): 33–40 Yang Z S. A study on the dynamic balance of total cultivated land amount in the province of mountain region on the basis of sustainable development — Taking Yunnan Province as an example[J]. Resources Science, 2001, 23(5): 33–40

[18] Zhang Y, Xu B. Spatiotemporal analysis of land use/cover changes in Nanchang area, China[J]. International Journal of Digital Earth, 2015, 8(4): 312–333

[19] 關(guān)小克, 張鳳榮, 李樂(lè), 等. 北京市耕地后備資源開(kāi)發(fā)適宜性評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(12): 304–310 Guan X K, Zhang F R, Li L, et al. Suitability evaluation of reserve resources of cultivated land development in Beijing[J]. Transactions of the CSAE, 2010, 26(12): 304–310

[20] 張鳳榮, 郭力娜, 關(guān)小克, 等. 生態(tài)安全觀下耕地后備資源評(píng)價(jià)指標(biāo)體系探討[J]. 中國(guó)土地科學(xué), 2009, 23(9): 4–8 Zhang F R, Guo L N, Guan X K, et al. Study on the evaluation indicators of the arable land from the view of ecological security[J]. China Land Science, 2009, 23(9): 4–8

Estimation of arable land resources potential in hilly area of Taihang Mountain based on binary Logistic regression model*

GAO Hui1,2, TAN Limei1, LIU Peng3, LIU Jintong1**, LI Xiaorong1,2

(1. Key Laboratory of Agricultural Water Resources, Chinese Academy of Sciences / Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang 050022, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. Beijing World Hazard Prevention Technology Co. Ltd., Beijing 100048, China)

Research on the potential of cultivated land resources in mountainous area is particularly important for the sustainable development and utilization of arable lands. Using Jingxing County of Hebei Province, a typical hilly county in Taihang Mountain, as a case study, the potential for reserved cultivated land in mountain regions was estimated. A total of 13 ecological factors influencing the potential of cultivated land resources in hilly areas were used in the analysis — 5 terrain factors and 8 climate or climate-related factors. A binary Logistic regression model was built on key ecological factors to analyze the potential of arable land resources in mountain regions in the case-study area. The distribution map of potential arable land resources in Jingxing County was draw in GIS environment based on the result binary Logistic regress and the potential arable land resources in the region analyzed from the map. The key ecological factors among 13 factors that influenced arable land resources were extracted using the same binary Logistic regression model. The order of the contribution of key ecological factors was determined using the model parameter (Wald2). The regression coefficient () was used to analyze the correlation between the key ecological factors and potential arable land resources in the region. Odds ratio (OR) was use to show correlation between the changes in configuration of key ecological factors and the changes in potential arable land resources. The results showed that there were 8 key ecological factors influencing cultivated land resources in the case-study area, with the importance order of relief > elevation > slope position index > trasp > coldness index > annual average temperature > drought index > slope. Terrain factors were more important indicators than the climate-related factors in estimation of cultivated land resource potential. Among 8 key ecological factors, annual average temperature and coldness index were both negatively and positively correlated with potential arable land resources, while other 6 factors were all negatively correlated with potential arable land resources. OR calculation showed that except drought index, the one unit change of the key ecological factors caused 1 time change in cultivated land resource potential.About 60 400 hm2of land resources were available for cultivation in the Jingxing County. The analysis of SPOT5 image showed 45 600 hm2of existing cultivated land. Therefore, there were 14 800 hm2of cultivatable land reserves in the county, accounted for 32.5% of the existing cultivatable lands in the region. This suggested that there still were a lot of cultivatable land reserves in Jingxing County. The results of this study provided theory basis for the development and utilization of cultivated land reserves in Jingxing County.

Hilly area of Taihang Mountain; Binary Logistic regression model; Ecological factor; Cultivated land resource potential; Cultivatable land reserve

10.13930/j.cnki.cjea.160778

X171.1

A

1671-3990(2017)04-0490-08

2016-11-02

2017-01-20

Nov. 2, 2016; accepted Jan. 20, 2017

* 國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃( 973計(jì)劃)項(xiàng)目(2015CB452705)資助

* Supported by the National Program on Key Basic Research Project of China (973 Program) (2015CB452705)

** Corresponding author, E-mail: jtliu@sjziam.ac.cn

**通訊作者:劉金銅, 主要從事脆弱生態(tài)系統(tǒng)修復(fù)與生態(tài)工程研究。E-mail: jtliu@sjziam.ac.cn

高會(huì), 主要從事生態(tài)系統(tǒng)服務(wù)研究。E-mail: gaohui0110@163.com

高會(huì), 譚莉梅, 劉鵬, 劉金銅, 李曉榮. 基于二分類(lèi)Logistic回歸模型的太行山丘陵區(qū)縣域耕地資源潛力估算[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2017, 25(4): 490-497

Gao H, Tan L M, Liu P, Liu J T, Li X R. Estimation of arable land resources potential in hilly area of Taihang Mountain based on binary Logistic regression model[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 490-497