摘要:
耕地动态变化趋势及其驱动因子的明确,是确保国家粮食安全、水土资源合理开发利用和土地利用结构调整的重要依据.以南疆阿拉尔垦区为例,基于1990—2019年间7个重要时期的Landsat卫星遥感影像、人口、国内生产总值(gross domestic product,GDP)等数据,将波谱角(spectral angle mapper,SAM)、神经网络(artificial neural net,ANN)、最小距离(minimum distance classification,MDC)、最大似然(maximum likelihood classification,MLC)和支持向量机(support vector machine,SVM)5种分类方法经全连接条件随机场(fully connected conditional random field,FC—CRF)处理后进行对比,从中筛选出最佳算法来解译遥感影像,利用解译结果分析耕地面积变化、类型转化和空间动态变化特征,并探讨耕地面积变化的主要驱动因子、作用路径和强度.结果表明,在5种分类算法中,SVM—CRF算法的分类精度最高,总体精度为0.95,Kappa系数为0.94,其他4类算法的总体精度为0.65~0.89,Kappa系数为0.58~0.86.研究区1990—2019年间耕地面积呈持续增长趋势,耕地面积净增长量为729.97 km2(312.21%),耕地转入和转出分别呈现出向外扩张和向内收缩趋势.总人口、GDP、全社会固定资产投资、农业生产总值和棉花价格是耕地面积变化的5个主要驱动因子,其中GDP对耕地面积变化的直接影响最大,棉花价格的直接影响最小,除GDP对耕地面积表现为负向作用外,其他4个因子对耕地面积变化均表现为正向作用.
下载: