重庆市地表起伏度及其对农业生产的影响分析*

杨　吉，苏维词

(1.重庆师范大学地理与旅游学院，重庆　401331； 2.贵州科学院山地资源研究所，贵阳　550001；3.重庆市三峡库区地表过程与环境遥感实验室，重庆　401331)



·研究报告·

重庆市地表起伏度及其对农业生产的影响分析*

杨吉1， 3，苏维词1， 2， 3※

(1.重庆师范大学地理与旅游学院，重庆401331； 2.贵州科学院山地资源研究所，贵阳550001；3.重庆市三峡库区地表过程与环境遥感实验室，重庆401331)

重庆地貌复杂多样，地表起伏度大，通过对重庆各区县地表起伏度研究和计算，可定量了解重庆山水起伏骨架指数。以空间分辨率为30m、投影为WGS84_UTM的ASTER GDEM V2全球数字高程数据为基础，在ArcGIS10.1中利用投影面积比法计算重庆各区县地表起伏度指数，在此基础上分析了地表起伏度与2008～2013年各区县农业生产指标之间的相关性并建立系列模型。结果表明： ①重庆西部较为平整，地表起伏度比中、东部地区低，地表起伏度最大的是东北部的城口、巫溪、巫山，最平整的是西部的荣昌、潼南、大足。②基于重庆市31个县域的统计分析，地表起伏度标准化指数每增加0.1，粮食单产减少约0.37t/hm2，农林水支出占财政支出比例增加约1.1%。③地表起伏度对耕播面积比例影响力最大，其可决系数R2达到0.8859。④农业产出不变时，农业投入随地表起伏度的增加而增加，地表起伏度与综合指标(农业产出投入比)所建指数模型的可决系数R2为0.8296。

地表起伏度粮食产量农作物播种面积农林水支出重庆市

0　引言

地表起伏度，即地表起伏程度和变化频率[1]，它对交通、水利、农业、林业、社会服务、地质灾害及生态治理等领域均有较大影响。国内外目前对地表起伏度的研究主要集中在：DEM分辨率与地表起伏度计算最佳分析区域[2-7]； 不同耕作措施对地表起伏度的影响[8]； 地表起伏度对人口分布、地质灾害、土地利用与覆盖的影响等[9-12]； 在农业方面只涉及地表起伏度对耕地生产潜力和农业机械化的影响且以省域作为研究单元[13-14]。

中国是一个多山地丘陵的国家，农村人口多[15]，农业比重大[16]，地表起伏度对农业生产环境有较大影响[17]。但目前缺乏基于县域尺度内的地表起伏度对农业支出、粮食产量、农业产值、农作物播种面积等方面的影响研究。

重庆地处三峡库区，属于典型的山区内陆特大城市，具有大城市带大农村格局，除主城六区外，其它区县如三峡库区、渝东南地区的区县农业生产仍占有很大比重，受自然环境条件，尤其是地形、地貌和地表起伏度影响很大：如农业生产布局、生产结构、产量和产值等均深受地表起伏度的影响。故选择重庆作为研究对象，以区县作为研究单元，计算重庆40个区县的地表起伏度，并与2008～2013年《重庆统计年鉴》中各区县的农业生产相关指标进行对比分析。通过此项研究可定量了解重庆市地表起伏情况和地表起伏度对农业生产的影响，为发挥山地农业的优势、科学合理布局山地农业，以及相关部门科学分配涉农财政资金提供某些依据，也可为云贵川等周边类似山区农业生产空间布局和立体农业结构优化提供借鉴意义。

1　研究区概况与数据

1.1研究区概况

重庆地处中国西南部(东经105°17′～110°11′、北纬28°10′～32°13′)，是内陆山水城市，俗称“山城”，境内山水纵横交错，地貌类型复杂多样、地表起伏度大。研究范围是重庆市内所有区县，包括渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区、巴南区、涪陵区、长寿区、江津区、合川区、永川区、南川区、綦江区、大足区、潼南县、铜梁县、荣昌县、璧山县、万州区、梁平县、城口县、丰都县、垫江县、忠县、开县、云阳县、奉节县、巫山县、巫溪县、黔江区、武隆县、石柱县、秀山县、酉阳县、彭水县、双桥区、万盛区，共计40个区县城市。重庆市的农业产值、粮食单产、人均粮食产量、农民人均纯收入在中国处于中等偏下位置(表1)。

表1　农业生产指标

农业生产指标农业产值(亿元)粮食单产(t/hm2)人均粮食产量(kg)农民人均纯收入(元)中国51497.405.384438895.90重庆909.205.093888331.97

1.2数据来源

地表起伏度计算采用的是空间分辨率为30m，投影为WGS84_UTM的ASTER GDEM V2全球数字高程数据，该数据是由日本METI和美国NASA联合研制。ASTER GDEM数据产品基于“先进屋载热发射和反辐射计(ASTER)数据计算生成”，是目前唯一覆盖全球陆地表面的高分辨率高程影像数据。自2009年6月29日V1版ASTER GDEM数据发布以来，在全球对地观测研究中取得广泛应用， 2015年1月6日正式发布了ASTER GDEM V2全球数字高程数据，该数据是在V1版的基础上改进后得到，比V1版更加精确。

研究中的农业相关数据源于《重庆统计年鉴》，选取数据为2008～2013年逐年各区县级地方财政支出、农林水支出、农林牧渔业总产值指数、农业产值、农作物播种面积、粮食播种面积、粮食产量这7项指标。

1.3DEM数据预处理

研究范围包括重庆40个区县，故需下载30幅空间分辨率为30m的ASTER GDEM V2全球数字高程数据作为计算地表起伏度的基础数据。

1.3.1拼接DEM栅格数据

利用ENVI Classic中的基础工具(Basic Tools)模块，用拼接(Mosaicking)中的Georeferenced工具。将30幅DEM拼接成一幅DEM数据，拼接后空间分辨率为30m，投影为WGS84_UTM，并保存为TIF格式。

1.3.2提取各区县DEM

采用ArcMap中的空间分析(Spatial Analyst Tool)模块，用裁剪(Extraction)中的Extract by Mask工具。将人工矢量的重庆市40个区县的矢量数据作为掩膜，从TIF格式的DEM中分别裁剪出40个区县的DEM。

1.4农业指标数据预处理

研究选取2008～2013年重庆各区县级地方财政支出、农林水支出、农林牧渔业总产值指数、农业产值、农作物播种面积、粮食播种面积、粮食产量这7项指标作为基础数据，由于沙坪坝、江北、渝中、南岸、大渡口、九龙坡为重庆老主城六区，渝北和双桥为工业新区，万盛区作为老工矿区，这9个区的农业比重很小，故选取除这9区(沙坪坝、江北、渝中、南岸、大渡口、九龙坡、渝北、双桥、万盛)外剩下的31个区县作为地表起伏与农业生产相关分析的研究区域(表2)。对各项指标数据进行如下运算：

单位面积农业产值=农业产值可比价/农作物播种面积

(1)

农业产值可比价=上一年农业产值×农林渔业总产值指数/100

(2)

粮食单产=粮食产量/粮食播种面积

(3)

农林水支出比=农林水支出/财政支出

(4)

耕播面积比=农作物播种面积/总面积

(5)

其中农林水渔业总产值指数是农林水渔业GDP指数(上年= 100)计算农业产值可比价是为了消除价格变动因素的影响，便于对不同时期进行对比，此次计算得到的农业产值均以2008年的价格作为标准。按照以上公式分别得到2008～2013年的单位面积农业产值、粮食单产、农林水支出比、耕播面积比数据，再分别对这4项指标6年数据进行多相关样本检验[18]，其渐近显著性均为0.00，远小于0.05，表明这6年指标数据变化趋势相同，可相互替代。因此将取各项指标6年平均值(表2)与地表起伏度值进行对比分析，这样可消除偶然性，且更真实，更具代表性。

表2　重庆市40个区县地表起伏度值与对应的农业生产指标

区县名称地表起伏度标准化指数(LDj)地表起伏度指数(3D/2D)投影面积(hm2)2D地表面积(hm2)3D粮食单产(t/hm2)单位面积农业产值(万元/hm2)耕播面积比农林水支出比农业产出投入比指数(TCj)农业产出投入比标准化指数(LTj)城口县1.001.22753282104028883.120.470.120.200.030.02巫溪县0.971.22074010854895963.290.700.170.180.070.05巫山县0.781.17742942533464553.720.860.260.160.140.09奉节县0.651.14784089174693664.811.200.270.140.250.17云阳县0.591.13423629344116474.301.110.320.150.240.16武隆县0.581.13162886603266343.491.020.250.190.140.09开 县0.551.12573958184455774.701.200.380.140.350.23酉阳县0.551.12425158995799804.210.790.220.170.110.07黔江区0.531.12162384342674224.390.760.330.150.170.11彭水县0.531.12113891014362063.661.000.260.180.150.10石柱县0.531.11973008343368554.731.130.260.160.190.13万盛区0.521.11735589262445秀山县0.461.10432447072702405.801.030.360.170.230.15南川区0.451.10302588342854896.011.580.320.130.420.28万州区0.421.09503450023777934.591.400.450.090.760.51綦江区0.411.09232184492386055.261.420.480.090.770.51丰都县0.401.09102897703161434.521.000.340.160.230.15涪陵区0.311.06952943403147954.511.360.540.080.980.66江津区0.291.06613224343437506.482.070.440.091.030.69忠 县0.291.06492178512319915.101.470.450.130.520.35巴南区0.281.06471823351941315.742.400.490.111.140.76渝北区0.271.0623145640154719梁平县0.261.05921886081997675.151.690.480.140.610.41北碚区0.251.056574962791984.822.420.410.081.340.89江北区0.241.05442180722994长寿区0.221.05031419471490905.391.530.580.091.070.71渝中区0.221.050322772392南岸区0.221.05002616527473大渡口区0.171.03921014510543垫江县0.171.03891513401572276.001.540.530.130.650.43合川区0.161.03662345012430805.931.650.670.081.350.90沙坪坝区0.161.03643946740905双桥区0.151.033042124352铜梁县0.141.03271341401385255.931.470.600.120.750.50璧山县0.141.031691468943616.011.530.540.081.040.69永川区0.131.03061581341629807.202.190.620.091.501.00九龙坡区0.131.03034287544176大足区0.131.02931392441433186.861.830.690.101.360.90潼南县0.121.02711584681627666.171.780.800.151.020.68荣昌县0.081.01831077561097246.241.630.740.111.110.74

2　研究方法

2.1地表起伏度计算

地表起伏度的计算方法有局地高差法[19]、RUGN[20]、RDLS[21]、局地标准差[22]、矢量法[22]、投影面积比法等。由于不同地区，算法适用性不同，针对重庆投影面积比法适用性高于其他几种算法[22]。计算公式为：

RDLS=SL/SD

(6)

(7)

其中RDLS是地表起伏度，SL是地表面积，SD是投影面积，D是积分区间，fx是对函数f求x的偏导数，fy是对函数f求y的偏导数。利用ArcMap中的3D分析(3D Analyst Tool)模块，用地表分析(Functional Surface)中的Surface Volume工具。以30m×30m为计算单元，分别计算40个区县地表面积(3D)和投影面积(2D)，并将结果输入Excel表格中，按公式(6)计算出各区县的地表起伏度指数(表2)，再将其进行标准化，公式如下：

(8)

公式中，DBj为第j个县(区)的地表面积与投影面积比； 1为理想化状态下地表面积与投影面积比； DBmax为各县(区)的地表面积与投影面积比的最大值，LDj是地表起伏度标准化指数。

2.2建立农业生产综合指标

在前面已阐述的反映农业生产的4项单项指标的基础上，为综合反映农业生产与地表起伏的关系，需集成一个能反映农业生产发展的综合指标。其中4项单项指标中的单位面积农业产值反映了单位面积土地农业生产能力(已经包含粮食单产这一指标)，因此决定保留单位面积农业产值这项指标，去除粮食单产这项指标。耕播面积比表示地区农作物播种面积占该区总面积比例，农林水支出比表示农林水支出占财政总支出的比例。由于只考虑单位面积农业产值或耕播面积比，不能反映该县域总的农业生产能力，故将公式(9)进行改进，得到公式(10)。

农业总产值=单位面积农业产值×农业耕播面积

(9)

农业产出指数=单位面积农业产值标准化指数×耕播面积比标准化指数

(10)

农业投入指数=农林水支出比标准化指数

(11)

按公式(12)将单位面积农业产值标准化，按公式(13)将耕播面积比标准化，按公式(14)将农林水支出比标准化。

(12)

(13)

(14)

公式中，NCj、NZj和NSj分别为第j个县(区)的单位面积农业产值、耕播面积比和农林水支出比； 0为理想化状态下单位面积农业产值、耕播面积比和农林水支出比； NCmax、NZmax和NSmax分别为各县(区)单位面积农业产值最大值、耕播面积比最大值和农林水支出比的最大值，LCj、LZj和LSj分别是单位面积农业产值标准化指数、耕播面积比标准化指数和农林水支出比标准化指数。

最后通过公式(15)集成一个综合指标，即农业产出投入比指数。

(15)

(16)

其中公式(15)中分子为农业产出指数，分母为农业投入指数； TCj是第j个县(区)的农业产出投入比指数， 0是为理想化状态下农业产出投入比指数，TCmax为各县(区)的农业产出投入比指数的最大值，LTj是农业产出投入比标准化指数(表2)。

3　结果与分析

3.1不同区县的地表起伏度值

重庆市40个区县中地表起伏度最大的3个区县是城口、巫溪、巫山，其地表起伏度值分别为1.2275、1.2207、1.1774。最平整的是荣昌、潼南、大足，其地表起伏度值分别为1.0183、1.0271、1.0293(表2)。由此可见，重庆市地表起伏度最大的区域在东北部，最平整的区域在西部区县城市(图1)，地表起伏度小于1.05的区县有12个，分别是荣昌、潼南、大足、九龙坡、永川、璧山、铜梁、双桥、沙坪坝、合川、垫江、大渡口； 地表起伏度大于等于1.05小于1.10的区县有14个，分别是南岸、渝中、长寿、江北、北碚、梁平、渝北、巴南、忠县、江津、涪陵、丰都、綦江、万州； 地表起伏度大于等于1.10小于1.15的区县有11个，分别是南川、秀山、万盛、石柱、彭水、黔江、酉阳、开县、武隆、云阳、奉节； 地表起伏度大于等1.15小于1.20的区县有1个，是巫山； 地表起伏度大于1.20小于1.25的区县有2个，是巫溪、城口。

图1　重庆市各区县地表起伏度等级　　　　　　　　　图2　重庆市各区县投入产出比等级

3.2地表起伏度对农业生产的影响

对表2中31个区县的粮食单产、单位面积农业产值、耕播面积比、农林水支出比、农业产出投入比指数按照表3分级，得到图2和图3，从中可以大致了解各农业指标受地表起伏度的影响在空间位置上的分布情况。为了定量了解地表起伏度对农业生产的影响，将地表起伏度标准化指数分别与各项农业指标进行分析，并对所得模型进行显著性检验， 5个模型的显著性水平均为0.00，小于0.05，即模型通过显著性检验。

表3　农业指标分级

指标一级二级三级四级五级粮食单产(t/hm2)(0,4)(4,4.5)(4.5,5)(5,5.5)(5.5,∞)单位面积农业产值(万元/hm2)(0,0.5)(0.5,1)(1,1.5)(1.5,2)(2,∞)耕播面积比(0,0.3)(0.3,0.4)(0.4,0.5)(0.5,0.6)(0.6,1)农林水支出比(0,0.1)(0.1,0.12)(0.12,0.14)(0.14,0.16)(0.16,∞)农业产出投入比指数(0,0.25)(0.25,0.5)(0.5,0.75)(0.75,1)(1,∞)

图3　重庆市各区县农业指标等级注：从左往右依次为粮食单产分级(左一)、单位面积农业产值分级(左二)、耕播面积比分级(右二)、农林水支出比分级(右一)

3.2.1地表起伏度对农业产量的影响

根据表2，将粮食单产与地表起伏度标准化指数进行线性回归分析，得到模型1。

y1=-3.6726x+6.5662

(17)

其中y1是粮食单产；x是地表起伏度标准化指数，其取值范围是[0， 1]； 该模型R2为0.6997。从图4(左上)可知，随着地表起伏度标准化指数不断增加，粮食单产在逐渐减少，表现为地表起伏度标准化指数每增加0.1，粮食单产减少约0.37t/hm2。从图3(左一)可知，粮食单产最高的区县是巴南、秀山、铜梁、合川、垫江、璧山、南川、潼南、荣昌、江津、大足、永川； 而最低区县是城口、巫溪、巫山、武隆、彭水。说明受地表起伏度影响，重庆多数区域山高坡陡，土地贫瘠，住户分散，交通不便，高起伏地区农民对农业生产缺乏积极性[24]，且有部分农民只种和收，缺乏大田管理环节，让作物在田间自生自灭，从而使得农业生产仍处于原始状态，这种现状必然影响粮食产量。

农作物除了粮食，还包括蔬菜、水果等，因此需进一步分析地表起伏度对单位农作物播种面积的农业产值的影响。根据表2，将单位面积农业产值与地表起伏度标准化指数进行分析，得到模型2。

y2=2.2035e-1.306x

(18)

其中y2是单位面积农业产值；x是地表起伏度标准化指数，其取值范围是[0， 1]； 该模型R2为0.7035。从图4(右上)可得出，单位面积农业产值随地表起伏度的增加呈指数减少。从图3(左二)可知，单位面积农业产值最高的区县是北碚、巴南、永川、江津； 而最低的区县是城口。

3.2.2地表起伏度对农作物播种面积的影响

根据表2，将农作物播种面积占总面积比例与地表起伏度标准化指数进行指数分析，得到模型3。

y3=0.7869e-1.715x

(19)

其中y3是耕播面积比； x是地表起伏度标准化指数，其取值范围是[0， 1]； 该模型R2为0.8859。从图4(左下)可知，耕播面积比受地表起伏度的影响大，农作物播种面积占总面积比例随着地表起伏度的增加呈指数降低。从图3(右二)可知，耕播面积比最高的区县是潼南、荣昌、大足、合川、永川； 而最低的区县是城口、巫溪、巫山、奉节、石柱、武隆、彭水、酉阳。说明地表起伏度大，造成山大沟深，偏僻封闭，自然条件恶劣，因而有很多坡地无法耕作，人均耕地较少地表变得更为破碎，必然会影响农作物播种面积。

3.2.3地表起伏度对农林水支出的影响

将表2中农林水支出占财政支出比例与地表起伏度标准化指数进行线性回归分析，得到模型4。

y4=0.1104x+0.0864

(20)

其中y4是农林水支出比；x是地表起伏度标准化指数，其取值范围是[0， 1]； 该模型R2为0.5186，该指标的决定系数较前3个农业生产指标低，其原因是该指标反映了农林水支出指标(不单是农业生产指标)。从图4(右下)可看出，农林水支出占财政支出比例随着地表起伏度的增加呈线性增加，表现为地表起伏度标准化指数每增加0.1，农林水支出占财政支出比例增加约1.1%。从图3(右一)可知，农林水支出最高的区县是城口、巫溪、巫山、秀山、酉阳、武隆、彭水； 而最低的区县是涪陵、北碚、璧山、合川、万州、长寿、江津、綦江、永川、大足。说明地表起伏度越大，地质地貌越复杂，地表坡度较大，山体的大小、数量也呈现复杂的态势，因而坡耕地比重大，水资源利用困难，人工成本等各项成本均呈不同程度的增加，导致农林水支出增大。这使得地表起伏度越大的区县在农林水方面支出越大，而在其他方面可利用资金越少，不利于该区县其他行业的建设与发展。

图4　地表起伏度与各农业指标的关系注：地表起伏度与粮食单产的关系(左上)、地表起伏度与单位面积农业产值的关系(右上)、地表起伏度与耕播面积比的关系(左下)、地表起伏度与农林水支出比的关系(右下)

3.2.4地表起伏度对农业生产的综合影响

将表2中农业产出投入标准化指数与地表起伏度标准化指数进行分析，得到模型5。

图5　地表起伏度与农业产出投入比的关系

y=1.3362e-3.85x

(21)

其中y是反映农业生产综合指标，即农业产出投入比标准化指数，x是地表起伏度标准化指数，y与x取值范围均是[0， 1]。该模型R2为0.8296，说明拟合优度高，能够较好的反映农业产出投入比与地表起伏度之间的关系。从图5可知，地表起伏度越大，农业产出投入比越小，具体表现为，当农业产出不变时，农业投入随着地表起伏度的增加而增加； 当农业投入不变时，农业产出随着地表起伏度的增加而减少。从图2可知，农业产出投入比最低的区县是城口、巫溪、巫山、云阳、奉节、石柱、丰都、武隆、彭水、黔江、酉阳、秀山，说明这些地区农业生产受地表起伏影响最大。

4　结论与讨论

通过空间分辨率为30m的ASTER GDEM V2全球数字高程数据计算出重庆各区县的地表起伏度指数，并研究地表起伏度与农业产值、粮食单产、农林水支出比、耕播面积比和农业产出投入比指数5项指标的关系，得出以下结论：

(1)重庆地表起伏度从西部向东部逐渐变大，导致东部区县城市比中、西部地区粮食单产低、单位面积农业产值低、耕播面积比例低、农林水支出比例高。其中地表起伏最大的城口县与地表起伏最小的荣昌县相比，地表起伏度指数增大0.2092，粮食单产降低3.12t/hm2，单位面积农业产值减少1.02万元/hm2，农作物播种面积占总面积比例降低62%，农林水支出占财政支出比例增高9%。

(2)随着地表起伏度的增加，粮食单产减少，单位面积农业产值减少，耕播面积比例减少，农林水支出比例增高，其中地表起伏度对耕播面积比的影响最大(决定系数R2为0.8859)； 对单位面积农业产值的影响较大(决定系数R2为0.7035)； 对粮食单产影响较小(决定系数R2为0.6997)，对农林水支出比最小(决定系数R2为0.5184)。

(3)重庆东部区县城市农林水支出占财政支出比例大于中西部，导致其他行业领域可利用资金比例相对减少，使得东部区县在教育、水利、交通等城市建设上比中、西部差。因此建议重庆市相关部门在分配财政转移支付份额时考虑地表起伏度对各区县财政支出的影响。

(4)农业产出投入比指数综合的反映了农业生产各项指标。图2中等级为一级的区县农业产出投入比最低，且地表起伏度指数大于1.15，不适合开展传统农业生产，该区域的渝东北地区既是三峡库区，又是秦巴山连片特困地区，环境保护任务最重，发展压力最大，属于生态涵养发展区； 而渝东南地区人均资源相对不足，地区差异较大，生态环境脆弱，生态环境恶化的趋势仍未得到有效遏制，属于生态保护区。图2中等级为五级和四级的区县农业产出投入比最高，适合机械化农业生产，提高农业产值，该区域地表起伏度较小，也是城市发展新区，在现有基础上可同步推进新型工业化、信息化、城镇化和农业现代化。

(5)农业生产布局和农业种植结构的调整要严格遵守地表起伏规律。如在地表起伏度指数大于1.15的地区(图1)不宜进行粮食播种，可种栽种经果林，以提高农业产值，其中的相对高差大于740m，坡度大于6度的面积占94%以上的区县(如城口、巫溪、巫山)，不适合开展传统农业生产，可种植高山蔬菜或者中药材、茶叶等。

该研究计算地表起伏度时只考虑了地表面积比投影面积，若要更加全面细致刻画地表起伏状况可考虑坡度、高程、高程差等因素。其次，空间数据分辨率的高低也是影响地表起伏度精度的重要因素，以重庆市武隆为例，在计算地表面积比投影面积时，采用30m空间分辨率的DEM得到的地表起伏度值为1.1316，而采用90m空间分辨率的DEM得到的地表起伏度值却为1.0929。第三，地表起伏还对农业生产的抗旱能力、农业生态环境的脆弱性均有显著影响，这些问题有待下一步深入开展工作。

[1]苏维词， 张贵平.地表起伏对区域发展成本影响浅析——以贵州为例.经济研究导刊, 2012，(6)： 144～156

[2]杨长根， 郭江，游为.DEM分辨率对计算地形起伏引起的高程异常的影响.科学之友, 2009，(5)： 146～151

[3]涂汉明， 刘振东.中国地势起伏度最佳统计单元的求证.湖北大学学报， 1990, 12(3): 266～271

[4]张锦明， 游雄.地形起伏度最佳分析区域研究.测绘科学技术学报， 2011, 28(5): 369～373

[5]张学儒， 官冬杰，牟凤云，等.基于ASTERGDEM数据的青藏高原东部山区地形起伏度分析.地理与地理信息科学， 2012, 28(3): 11～14

[6]郎玲玲， 程维明，朱启疆，等.多尺度DEM提取地势起伏度的对比分析——以福建低山丘陵区为例.地球信息科学， 2007, 9(6): 1～6

[7]王利， 王慧鹏，任启龙，等.关于基准地形起伏度的设定和计算——以大连旅顺口区为例.山地学报， 2014, 32(3): 277～283

[8]梁心蓝， 赵龙山，吴佳，等.模拟条件下不同耕作措施和雨强对地表糙度的影响.中国农业科学， 2014, 47(24): 4840～4849

[9]封志明， 张丹，杨艳昭.中国分县地形起伏度及其与人口分布和经济发展的相关性.吉林大学社会科学学报， 2011, 51(1): 146～160

[10]郭芳芳， 杨农，孟晖，等.地形起伏度和坡度分析在区域滑坡灾害评价中的应用.中国地质， 2008, 35(1): 131～143

[11]毕晓玲， 李小娟，胡卓玮，等.地形起伏度提取及其在区域滑坡灾害评价中的应用——以四川省为例.安徽农业科学， 2011, 39(4): 2413～2416

[12]张凡， 赵卫权，张凤太，等.基于地形起伏度的贵州省土地利用——土地覆盖空间结构分析.资源开发与市场， 2010, 26(8): 737～739

[13]彭熙， 车家骧，苏维词，等.地表起伏度对农业生产条件的影响.贵州农业科学， 2013, 41(5): 186～188

[14]张迅， 司泽宽，彭熙.地表起伏度对耕地生产潜力的影响.贵州农业科学， 2013, 41(10): 197～199

[15]石忆邵. 中国农业生产地域分工问题研究.农业现代化研究， 1994, 15(5): 284～287

[16]朱晓雨， 石淑芹，石英，吴文斌，杨鹏，李正国，许恒周.农户种地积极性影响因素研究——以宾县为例.中国农业资源与区划， 2014， 35(3)： 128～133

[17]姚静， 李小建.地理环境对农户外出务工行为的影响探析.经济地理， 2009, 29(4): 635～639

[18]车家骧， 彭熙，龙秀琴，等.地表起伏度对农业生态环境的影响.中国水土保持, 2013，(4)： 49～51

[19]杨维忠， 张甜.SPSS统计分析与行业应用案例详解.北京：清华大学出版社， 2013.66～68

[20]张锦明， 游雄.地形起伏度最佳分析区域预测模型.遥感学报， 2013, 17(4): 728～741

[21]Melton M A.The geomorphic and paleoclimatic significance of alluvial deposits in Southern Arizona.The Journal of Geology, 1965，(73)： 1～38

[22]王永丽， 戚鹏程，李丹，等.陕西省地形起伏度和人居环境适应性评价.西北师范大学学报， 2013, 49(2): 96～101

[23]蒋好忱， 杨勤科.基于DEM的地形起伏度算法的比较研究.水土保持通报， 2014, 34(6): 162～16

[24]刘佳， 余国新.地方财政支农支出对农业技术效率影响分析——基于随机前沿分析方法.中国农业资源与区划， 2014，35(5)： 129～134

RELIEF DEGREE OF LAND SURFACE OF CHONGQING AND ITS INFLUENCE ON AGRICULTURAL PRODUCTION*

Yang Ji1， 3，Su Weici1， 2， 3※

(1.College of Geography and Tourism，Chongqing Normal University，Chongqing Shapingba 400047，China;2.Institute of Mountain Resource，Guizhou Academy of Sciences，Guizhou Guiyang 550001，China；3.Laboratory of Surficial Process and Environmental Remote Sensing of Three Gorges Reservoir Area of Chongqing，Chongqing Shapingba 401331，China)

The landform of Chongqing was complex and diverse, and relief degree of land surface was great in Chongqing. By researching and calculating of relief degree of land surface of each country of Chongqing,it can in-depth understand the topographic relief. Digital elevation model with 30 m spatial resolution and projected coordinateof WGS84_UTM was applied in this study. Relief degree of land surface of each country of Chongqing was calculated by ArcGIS10.1.The indexes of agricultural production of each country of Chongqing from 2008 to 2013 were the basic data which originated from the statistical yearbook of Chongqing. The models between the indexes of agricultural production and relief degree of land surface of Chongqing were built up. The results showed that:1) Western Chongqing was more smooth than Central and Eastern Chongqing. The largest relief area of surface was in Chengkou, Wuxi and Wushan, and the flat area was in Rongchang, Tongnan and Dazu.2) Based on the statistical analysisof 31 counties of Chongqing, the grain yield reduced 0.37 t/hm2, and the proportion of expenditure for agriculture, forestry and water conservancy in total expenditure increased by 1.1%, when the relief degree of land surface increase 0.1.3) The relief degree of land surface had the greatest influence on the proportion of sown area of the crops, and the determination coefficient(R2) was 0.8859. 4)Agricultural input increased with the increase of relief degree of land surface when agricultural output was constant. The exponential model (input-output ratio agriculture)between relief degree of land surface and aggregative indicator can be established with the determination coefficient (R2) of 0.8296.

relief degree of land surface; grain yield; sown area of the crops; expenditure for agriculture, forestry and water conservancy; Chongqing

10.7621/cjarrp.1005-9121.20160721

2016-01-20

杨吉(1991—)，女，重庆铜梁人，硕士研究生。研究方向：城乡区域规划。※通讯作者：苏维词(1965—)，男，湖南绥宁人，教授、研究员。研究方向：山区生态与区域发展。Email：suweici@sina.com

S159.2

A

1005-9121[2016]07-0140-10

*资助项目：国家自然科学基金项目“喀斯特城市边缘带土地利用/覆盖变化及其环境效应”(41261038)； 重庆市研究生科研创新项目“典型喀斯特城市地域坡地利用变化对地表温度的影响分析”(CYS14138)； 贵州省财政厅重点资助项目