不同管理方式荔枝遥感监测与空间变化研究

刘 序，雷百战，陈鹏飞，周灿芳

（1.广东省农业科学院农业经济与信息研究所/农业农村部华南都市农业重点实验室，广东 广州 510640；2.中国科学院地理科学与资源研究所，北京 100101）

【研究意义】我国是全球最大规模的荔枝生产国，产量占世界65%～70%，荔枝也是我国重要的出口水果之一［1］。广东是我国荔枝生产、流通和消费大省［2］，省委、省政府高度重视荔枝产业发展，提出要将荔枝打造成为高品质、有口碑的农业“金字招牌”［3］。荔枝高接换种、低效果园改造、高标准示范果园建设等是《广东荔枝产业高质量发展三年行动计划（2021—2023 年）》重要任务［4］。在有利的政策环境下，广东荔枝产业实现了稳定发展，但仍存在产业规模不明晰、生产管理较粗放、组织化程度较低等问题，造成集中上市和“果贱伤农”现象，不利于荔枝产业稳定增长和果农收益增加。遥感技术具有快速无损、大面积同步观测等优势，在农作物物候期预测、产量估测方面已有较多应用［5］，但对有人管理与无人管理荔枝种植区域的研究还较少。广州市增城区是全国著名的荔枝之乡，是“中国荔枝邮票”原发地［6］，荔枝是增城农业经济的支柱产业之一，近年来取得显著的经济效益。本研究综合运用遥感技术和地理信息系统（GIS）技术研究荔枝种植区域的精准识别与空间变化特征，为增城区乃至广东荔枝高质量发展提供决策参考。【前人研究进展】遥感技术经过几十年的发展，已经成为获取自然资源和生态环境空间信息的重要手段。Pan等［7］依据冬小麦在生长季节特有的物候期，利用中分辨率成像光谱仪（MODIS）的混合像元数据，构建了一种作物比例物候指数（CPPI）来表达MODIS 植被指数（VI）时间序列与冬小麦种植面积之间的定量关系，提高了遥感解译精度。薛云等［8］运用光谱相似尺度方法提取荔枝果园样本，利用支持向量机获得较高精度的荔枝种植区域解译成果。李丹等［9］利用支持向量机提取广州市北部地区荔枝种植的空间分布区域，借助高分辨率QuickBrid 影像进行精度验证，提取精度达到85.7%。农作物空间格局及其时空动态变化研究具有重要的理论和现实意义，研究方法主要基于统计数据、遥感信息和空间模型，围绕自然-社会经济驱动因子，剖析农作物空间格局演变的内外部原因［10］。例如，尤飞等［11］利用空间分析方法研究福建省热带作物的地理集聚格局演变，结果表明作物空间布局呈现出“均匀化”特征，荔枝、香蕉、龙眼种植面积在减少，集聚中心稍有转移。张聪颖等［12］采用GIS 技术与重心理论，分析2005—2015 年中国苹果种植面积、产量、产值、土地产出率、生产集中度与产地集中度的区域分布特征及重心移动轨迹，为供给侧改革和苹果生产布局优化提供依据。徐烨等［13］借助ArcGIS 对雄安新区Landsat 遥感影像进行地类提取和划分，采用Fragstats 进行景观格局分析，结果表明区域整体景观破碎度、聚合度较高，连通性和均匀度不显著。综上所述，利用遥感技术和多源数据对农作物、果树等解译精度较高，利用重心迁移、破碎度指数等方法研究各类农作物的时空分布特征及变化趋势，但对不同管理方式荔枝种植区域的识别和时空变化研究不多。【本研究切入点】荔枝为常绿乔木，管理方式是否精细对其产量和品质影响较大，有些种植区域由于长期无人管理而逐渐从水果产区变为生态景观区，导致产量减少、经济效益降低。本研究借助2015、2019 年的遥感影像，判断有人管理和无人管理荔枝种植区域的空间分布特征，利用重心迁移模型、破碎度指数分析荔枝种植区域的空间变化特征，为荔枝产业发展提供精准的空间分布数据。【拟解决的关键问题】针对荔枝管理粗放、空间分布不明晰等问题［5］，利用遥感技术解译广州市增城区两期高分辨率影像，分析有人管理、无人管理荔枝种植区域的分布特征及变迁方向，为低效果园改造、标准果园建设提供数据支撑。

1 研究区域与数据来源

1.1 研究区域

广州市增城区位于广东省中南部、广州东部，南与东莞隔江相望，东临惠州，北接从化、龙门，介于23°05′～23°37′N、113°29′～114°00′E 之间，北回归线横穿北部，属海洋性季风气候，气候温和，热量丰富。

1.2 荔枝物候特征

从物候学特征分析，荔枝开花期（3 月）、采摘期（7 月）前后影像差异是基于光谱学特征解译的关键期。但增城区上半年云雨较多，导致不易获取遥感影像；而下半年云雨较少，较易获取遥感影像。针对这一现状，本研究基于荔枝冠层分布空间特征，利用高分辨率遥感影像，综合利用地面调查与目视解译方法，进行荔枝种植区域识别［14-15］。

1.3 遥感数据来源

本研究遥感数据源为Google Earth 影像，两期影像时间范围为2014 年8 月至2015 年7 月（2015 年）和2018 年8 月至2019 年7 月（2019 年）。Google Earth 影像库包含中高分辨率Landsat 和高分辨率Worldview、Quickbird、GeoEye 等多源遥感影像，其中高分辨率影像主要集中在城市等热点区域。因此，本研究获取了增城区亚米级分辨率两期影像，可清晰辨识每株树，便于基于荔枝冠层形状与大小进行直接识别，而非过度依赖影像光谱信息。

2 研究方法

2.1 遥感解译及判定方法

第一步，在广州市增城区选择有人管理与无人管理荔枝种植典型区域，开展地面调查，明确荔枝在不同管理条件下的空间分布及冠层结构特征；第二步，根据调查区域位置，对应定位遥感影像的相应区域，基于不同管理方式下荔枝的空间分布及冠层结构信息，建立有人管理与无人管理荔枝种植区域的解译标志（图1），对两期影像进行目视解译；第三步，基于解译图斑，布设采样点，开展地面核查与精度验证。

图1 有人管理（A）和无人管理荔枝种植区域（B）的解译标志Fig.1 Deciphered signs of managed (A) and unmanaged (B)litchi planting areas

其中，有人管理与无人管理荔枝种植区域的区分，主要通过荔枝株距和园区规整程度判定：如果荔枝株距较大、长势均匀、种植区与周边地物有明显分界线，则认为存在人为管理，认定为有人管理荔枝种植区域；否则则认定为无人管理荔枝种植区域。

2.2 重心迁移模型

重心迁移模型主要反映区域土地空间格局的变化［16-17］。通过计算区域农作物图斑的重心坐标，研究不同时间该农作物重心迁移距离，探索农业产业时空迁移方向和距离［12,18］，计算公式如下：

式中，Xt、Yt分别为第t年某种作物图斑重心坐标；Cti为第i个小区域该种图斑面积；Xi、Yi分别为第i个小区域图斑的几何中心坐标；n为研究区内小区域的总个数。

2.3 破碎度指数

破碎度指数主要计算区域景观图斑的空间破碎程度，反映人类对景观的影响程度［13,19-21］，计算公式如下：

式中，∑ni为图斑总个数，A为总面积。

3 结果与分析

3.1 遥感影像解译进度检验

基于多源遥感影像数据，依据遥感解译标志，以目视解译形成增城区2015 年和2019 年荔枝种植区域空间分布图。为验证解译结果精度，于2020 年7 月21—22 日开展实地核查工作。依据核查样点均匀分布原则，从2019 年解译的荔枝种植区域图斑中随机选取30 个图斑作为核查采样点。为增加样本量，随机布设22 个非核查采样点，包括荔枝种植区域和非荔枝种植区域。全部核查采样点分布情况如图2 所示。

图2 广州增城区遥感解译地面核查采样点与非核查采样点分布Fig.2 Distribution of check points and non-check points for remote sensing interpretation in Zengcheng District of Guangzhou

通过验证，在30 个核查采样点中，27 个被解译正确，其中22 个实际地物是荔枝，5 个是荔枝、黄皮、龙眼混合种植区域；3 个被解译错误，对应区域是非荔枝。在22 个非核查采样点中，8 个荔枝样点被正确解译7 个，1 个被解译为非荔枝；14 个非荔枝样点被正确解译12 个，2 个被解译成荔枝。

从表1 可以看出，利用实地采样点与核查点计算误差矩阵，荔枝种植区域解译的用户精度为85.00%，制图精度为97.14%，总体精度为86.54%，Kappa 系数为0.67，表明荔枝种植区域的分类结果与实际情况具有高度一致性［22-24］。此外，由于有人管理荔枝种植区域的株距和树形较为规则，故解译正确率较高；而无人管理荔枝种植区域的株距和树形不规整，较难通过遥感影像直接目视解译，一些与黄皮、龙眼等混种导致解译精度略低。

表1 精度验证误差矩阵Table 1 Error matrix for accuracy verification

3.2 荔枝种植面积变化分析

从表2 可以看出，增城区正果、石滩、仙村、中新等镇街是荔枝主要种植区域，而永宁、新塘等镇街分布较少。总体上，增城区荔枝种植面积略有减少，从2015 年的8 942.53 hm2下降至2019年的8 874.84 hm2，减少67.69 hm2，占比0.76%。从镇街看，大部分镇街都有所减少，其中仙村镇和中新镇面积减少较多，分别减少41.78、16.55 hm2，仅有荔城街增加12.78 hm2。

表2 2015—2019 年广州增城区荔枝种植面积（hm2）变化Table 2 Changes in litchi planting areas in Zengcheng District of Guangzhou from 2015 to 2019

从管理方式上看，增城区有人管理荔枝种植面积减少较为明显，从2015 年的2 933.15 hm2减少至2019 年的2 805.88 hm2，减少127.28 hm2，占比4.34%；而增城区无人管理荔枝种植面积2015—2019 年间有少量增加，从6 009.38 hm2增加至6 068.96 hm2，增加59.59 hm2，占比0.99%。从镇街看，有人管理的荔枝种植区域中，面积减少最多的镇街是增江街和中新镇，减少面积超过35 hm2；无人管理的荔枝种植区域，仅有仙村、派潭、永宁3 个镇街荔枝种植面积减少，其中仙村镇减少最多、为25.87 hm2，而荔城、增江等8个镇街荔枝面积在增加，其中增江街荔枝种植面积增加最多、超过44 hm2。

由图3 可知，增城区荔枝种植区域空间变化不大，仅中新、仙村等镇街减少较多且集中分布在镇街中部，主要是因为城镇发展和建设用地占用导致荔枝种植区域减少。而在远离镇街中心的边缘区域逐渐开始零星出现新荔枝种植区域，反映出市场需求引导果农增加荔枝种植。

图3 2015—2019 年广州增城区荔枝种植区域空间变化Fig.3 Spatial changes of litchi planting areas in Zengcheng District of Guangzhou from 2015 to 2019

从图4 可以看出，有人管理荔枝种植面积有所减少。通过图斑面积计算，2015—2019 年一直保持有人管理的荔枝种植面积为2 796.71 hm2，有人管理变为无人管理的面积为42.12 hm2，新开发且有人管理的荔枝种植面积为9.17 hm2，有人管理变为非荔枝区域而减少的面积为94.35 hm2。有人管理荔枝种植面积减少较多的镇街为增江、中新、仙村等，主要是因为城镇建设占用导致荔枝用地转为其他用地，也有部分荔枝种植区缺乏有效管理而成为无人管理区域。图4 还显示，有零星地块被开发为荔枝种植区域且加强了人为管理，表明市场因素驱动果农扩大荔枝种植规模、开展枝条修剪等措施以增加经济收益。

图4 2015—2019 年广州增城区有人管理荔枝种植区域空间变化Fig.4 Spatial changes of litchi managed litchi planting areas in Zengcheng District of Guangzhou from 2015 to 2019

从图5 可以看出，2015-2019 年无人管理荔枝种植面积总体变化不大，仅有0.02 hm2转化成有人管理，被其他方式占用而减少的面积多达167.94 hm2。而新开发且无人管理的荔枝种植面积较大、为186.93 hm2。对于该新增区域，一方面可能由于新栽种或嫁接繁殖等方式导致荔枝树发育较慢，没有进行人为管理；另一方面可能同样属于缺乏有效管理，空间形态上处于无人管理状态。无人管理荔枝种植区域增加较多为增江、荔城、中新等，减少较多的为仙村、永宁等镇街，同样是城镇建设导致荔枝种植区域减少，而市场需求促进荔枝种植规模扩大。

图5 2015—2019 年广州增城区无人管理荔枝种植区域空间变化Fig.4 Spatial changes of unmanaged litchi planting areas in Zengcheng District of Guangzhou from 2015 to 2019

3.3 荔枝种植区域空间变迁分析

通过计算图斑重心坐标变化（表3），从2015 年到2019 年，增城区荔枝种植区域在空间上整体逐渐向东北变迁，其中，向东迁移45.14 m、向北迁移107.01 m。从镇街看，永宁、荔城向东北迁移，正果、仙村总体上向西南迁移，新塘向东南迁移，派潭、增江向西北迁移，以中新、仙村、派潭等镇街空间迁移距离较大。有人管理荔枝种植区域整体向西北迁移，其中派潭、石滩向西北迁移，新塘向东北迁移，仙村、朱村向东南迁移，荔城、中新向西南迁移，以中新、增江、仙村、永宁等镇街空间迁移距离较大。无人管理荔枝种植区域整体向西南迁移，其中荔城、石滩向东北迁移，派潭、中新向西北迁移，增江、正果向东南迁移，仙村、小楼向西南迁移，以中新、增江、派潭、荔城等镇街空间迁移距离较大。

表3 2015—2019 年广州增城区荔枝种植区域空间迁移分析Table 3 Analysis of spatial migration of litchi planting areas in Zengcheng Distrct of Guangzhou from 2015 to 2019

增城区荔枝种植区域总体向东北迁移，表明荔枝产业方向逐渐北迁，结合图3 可知，荔枝迁移逐渐向镇街边缘变化。有人管理荔枝种植区域与无人管理荔枝种植区域变迁方向相反，结合图4、图5 发现部分有人管理荔枝种植区域被城镇发展占用或转为其他用地，种植区域减少导致空间重心整体向西北迁移，而离城镇较近的有人管理荔枝种植区域则存在被占用的风险而转为无人管理，导致无人管理荔枝种植区域的重心整体向西南迁移。

荔枝种植区域空间重心迁移的距离大小，反映出荔枝产业的空间迁移速度变化程度。由于荔枝是多年生常绿果树，一般实生树要6～10 年才结果，采用驳枝或嫁接法繁殖的荔枝树5～6 年后才有收获，种植区域的空间迁移过快不利于荔枝产业稳定发展。

3.4 荔枝种植区域破碎度变化分析

从表4 可以看出，增城区荔枝种植区域破碎度指数从2015 年的0.0407 增加至2019 年的0.0413，表明荔枝种植区域在空间分布上进一步碎化、连片程度降低，但增江、新塘、仙村等镇街的荔枝种植区域相对较为集中连片。有人管理荔枝种植区域破碎度指数从0.0244 降低到2019年的0.0238，仙村、中新等7 个镇街破碎度指数降低，仅增江、荔城两个街道有所增加。无人管理荔枝种植区域破碎度指数整体略有增加，荔城、增江街道有所降低，其他8 个镇街破碎度指数均有不同程度增加。

表4 2015—2019 年广州增城区荔枝种植区域破碎度指数分析Table 4 Analysis of fragmentation indexes of litchi planting areas in Zengcheng District of Guangzhou from 2015 to 2019

从农业产业发展角度分析，破碎度指数越小，表明产业空间连片、规整，有利于农业规模化、集约化发展；破碎度指数越大，越不利于农业产业化发展。有人管理荔枝种植区域在空间分布上逐渐聚集，表明人为管理有利于荔枝种植标准化和规模化发展，可降低生产成本、提升经济效益。无人管理荔枝种植区域则需要加强政策引导和技术扶持、提升荔枝管理水平，以增加产量和经济收益。

4 讨论

4.1 以多源多期亚米级遥感影像解译不同管理方式下荔枝空间分布规模

在荔枝种植区域的空间信息获取上，相关学者以MODIS、QuickBrid 等多分辨率多波段遥感影像开展研究，结合荔枝物候特征和运用支持向量机等监督分类方法，提高遥感影像的解译精度［7-9,25］。而在广东尤其是广州增城区，荔枝开花、坐果、成熟等时期均在雨季，此时不易获取云层较少的光学影像，利用荔枝物候期进行光谱信息提取存在一定困难。本研究针对增城区荔枝遥感影像获取与解译存在的难点，利用多源多期高分辨率遥感影像，组合形成覆盖研究区的亚米级影像数据，分析荔枝冠层形状、大小等空间特征，通过目视解译获取两个年度荔枝空间分布数据，以此提升荔枝解译精度，可较为准确识别荔枝种植区域范围与规模。为提升荔枝种植管理水平和经济效益，本研究通过高精度遥感影像，构建有人管理与无人管理荔枝种植区域的判断规则，突出对有人管理与无人管理荔枝种植区域的识别，解译出不同管理方式下荔枝种植区域与分布面积，为荔枝产业高质量发展提供准确的空间基础数据。

4.2 从时空特征分析荔枝规模变化与连片程度

重心迁移、破碎度指数等模型可定量分析各类地物不同时间的空间格局特征，对农业产业发展具有重要的理论意义和应用价值。相关学者从耕地、自然景观、苹果产业等方面开展研究，为农业产业布局优化提供技术支撑［12-13］，尤其在荔枝种植空间格局研究方面［11］，通过分析产业的空间聚集效应，为产业规模化发展提供科学指引。本研究通过分析广州增城区2015—2019 年荔枝种植区域的空间区域变化、空间位置迁移及破碎度变化程度，得出荔枝种植区域逐渐向城镇边缘转移、空间连片程度逐渐降低。在此基础上，本研究从有人管理与无人管理上分析不同管理方式下荔枝种植区域的时空变化特征，进一步发现有人管理荔枝种植区域在规模上减少、但在空间连片程度上增强，反映人为管理对荔枝产业规模化发展的积极作用；而无人管理荔枝种植区域在规模上总体保持稳定，但存在城镇中心减少、城镇边缘增加现象，失管情况仍然存在。因此，本研究利用遥感技术识别不同管理方式荔枝种植区域分布范围，识别出有人管理和无人管理荔枝种植区域的时空变化特征，有助于低效果园改造和标准化果园建设开展，促进荔枝产业高质量发展和乡村产业兴旺。

5 结论

针对荔枝不同管理方式，本研究以广州市增城区为例，利用2015 年和2019 年两期高分辨率卫星影像进行目视解译，分类结果与实际情况具有高度一致性；而有人管理荔枝种植区域解译正确率高于无人管理荔枝种植区域，规则的株距和冠层外形更有利于提高荔枝识别率。通过比较两期遥感解译结果发现，增城区荔枝种植规模略有减少，而有人管理荔枝种植面积减少127.28 hm2、占比4.34%，但市场需求促使果农在城镇边缘开发新的荔枝种植区域。在空间变化上，增城区荔枝种植区域整体向东迁移45.14 m、向北迁移107.01 m，部分镇街迁移距离较大，而有人管理与无人管理荔枝种植区域的空间变迁方向相反，空间迁移过快不利于荔枝产业稳定发展。荔枝种植区域破碎度指数从2015 年0.0407 增加到2019 年0.0413，在空间上呈现逐渐分散格局；但有人管理荔枝种植区域的破碎度指数降低至0.0238，呈现空间聚集状态，统一管理有助于荔枝产业规模化和标准化发展。