论文部分内容阅读
近年来经济作物种植快速盲目扩张已成为全球普遍现象,导致大量原始林地、耕地等被替代,在为当地带来经济效益时也引发了诸如水土流失加剧、土壤肥力下降、固碳能力减弱以及生物多样性降低等生态环境问题,急需进行有效调控,以实现土地资源的可持续利用和生态环境的高效保护。在此背景下,如何快速提取经济作物空间分布及其动态变化信息,准确分析经济作物快速扩张的动因与过程机理,并有效预测不同场景下未来扩张的空间格局,已成为当前面临的核心问题,而基于遥感技术的高精度地物信息自动提取方法是解决这些问题的关键所在。山地果园具有空间尺度差异大、形状不规则、分布零散以及与周围林木光谱特征接近等特点,易受地形和环境影响,导致影像上异物同谱、同物异谱、混合像元等现象较为普遍,在利用传统深度学习模型提取果园空间信息时存在模型精度欠佳、空间尺度适应能力不足等问题。因此,需要探讨山地果园高精度自动提取方法,解决复杂地形条件下果园空间信息采集精度和效率双低的技术难题,才能为后续进一步研究果园扩张驱动力机制和模拟其未来发展态势提供可靠的数据支撑,为优化区域土地利用规划、制定果产业可持续发展政策、促进种植业提质增效等提供科学指导。重庆市奉节县地处三峡库区腹地,果园种植历史久远,现已发展成为当地支柱产业之一。本文以奉节县为研究区,基于GF系列卫星影像、Landsat系列卫星影像以及DEM、经济、人口等多种数据源,开展了相关研究工作:首先,根据奉节果园空间形态和影像成像特征,设计多尺度空洞卷积模块并植入到传统U-Net结构当中,提出构建多尺度空洞卷积U-Net模型,进一步扩大感受野、提升多尺度特征识别和融合能力,结合RF分类模型特征选择算法完成2000-2020年果园空间信息提取,并将多尺度空洞卷积U-Net与RF、U-Net、Seg Net、Res Net等模型进行精度对比分析;然后,设计果园时空演变驱动力概念模型,构建覆盖自然、社会经济、政策3个维度和像元、乡镇2个空间尺度的驱动因子体系框架,利用RF回归模型对驱动因子相对重要性和边际依赖性进行定量分析,探讨过去20年来果园时空演变驱动力机制;最后,设置三种情景,利用Markov-FLUS耦合模型对2030年奉节果园的发展态势进行情景模拟,并提出相应的政策建议。主要研究结果如下:(1)多尺度空洞卷积U-Net提高了果园空间信息提取精度。本研究从2020年果园提取结果中随机抽取500个图斑进行实地校核与采样,构建了实地验证样本数据集,结合果园标签数据集对多尺度空洞卷积U-Net模型和RF分类模型的果园提取精度进行对比分析,结果表明:2013-2020当中有6年多尺度空洞卷积U-Net模型的ACC、Recall指标要分别优于RF模型的OA、PA指标;2020年实地验证精度中,多尺度空洞卷积U-Net模型的Kappa系数和查准率P为0.9214、91.69%,要分别高于RF分类模型的0.9143、90.98%。同时,将多尺度空洞卷积U-Net与传统U-Net、Seg Net、Res Net等深度学习模型进行精度对比,分别测算了模型精度和实地验证精度,发现多尺度空洞卷积U-Net占据显著优势。由此可见,多尺度空洞卷积U-Net在果园提取过程中实现了更高的精度。(2)2000-2020年期间奉节果园高速扩张。将基于多尺度空洞卷积U-Net提取的2013-2020年果园空间数据与基于RF提取的2000-2012年果园空间数据进行整合,构建2000-2020年长时间序列果园空间分布数据,在此基础上对前20年奉节果园时空演变规律进行分析,其总体增幅为87.47%,平均年增长率为4.37%。从空间维度来看,奉节果园主要沿长江与梅溪河、大溪河、草堂河、朱衣河等主要水系流域方向扩张,主要分布于河谷两岸一、二级阶地区域,长江沿岸安坪镇、朱衣镇、永乐镇、白帝镇、康坪乡等乡镇占据了主导地位,是奉节果园的核心产区。从时间维度上来看,2000-2006阶段增速较缓,为9.93%;2006-2012阶段增速有所增加,达到10.99%;2012-2020增速最快,达到53.66%,在总增长规模当中占比达到74.84%,属于奉节果园的高速扩张阶段。(3)果园扩张是自然、社会经济和政策因子共同作用的结果,政策因子发挥了重要的引导作用。与以往一些研究不同,本研究在自然、社会经济两个维度的基础上增加了政策维度,并引入了脐橙产业扶贫专项资金、现代农业柑橘专项资金、脐橙产业科技项目资金3项政策类量化因子。根据RF回归模型分析结果,像元尺度的距水源地距离、距城区距离、土壤p H、坡向和乡镇尺度的平均坡度、平均高程、脐橙产业扶贫专项资金、现代农业柑橘专项资金、脐橙产业科技项目资金、果业年产值等10项驱动因子的相对重要性排序靠前,在果园扩张过程中起主要作用;而年末总人口、坡度标准差、距国道距离等因子相对重要性偏低,对于果园扩张的影响力不明显。3项政策类量化因子的相对重要性分别位居第5、第6和第8,证明政策因子在果园扩张过程中起到了不可忽视的作用,需要制定适宜的政策来引导果产业健康发展。(4)RF回归模型具有强大的边际依赖性定量分析能力,能更精准地解释驱动因子对果园扩张的驱动机理。根据相对重要性位于前10的驱动因子的边际依赖性分析结果,果园扩张受到多类因子的综合影响,这些影响在不同层级上呈现出明显的空间异质性,同时具有复杂性和非线性的特点。总体而言,果园扩张倾向于发生在平均坡度15°-25°、平均高程200-450 m、距离水源地<3km内、土壤p H值5.5-7.6,有资金支持、区位条件好的区域。本研究采用20%的果园样点数据对RF回归模型和多元线性回归、逻辑回归等传统模型进行精度对比,其AUC-ROC精度指标分别为0.82、0.79、0.80,说明RF回归模型具有更高的精度和更强的解释能力。(5)产业—生态平衡模式相对而言更适合奉节发展的实际需求。设置产业优先、生态优先、产业—生态平衡三种情景,基于Markov-FLUS耦合模型对2030年奉节果园扩张态势进行预测模拟,对生态环境风险进行分析,结果表明:产业—生态平衡情景下果园产量预计增长6-8万吨,果园极易扩张区、较易扩张区分别占比4.01%、4.54%,不易扩张区和逆扩张区占比91.45%,果园主要在长江及其支流沿岸小幅扩张,与土壤侵蚀高风险区和地质灾害易发区空间重叠面积小幅增加,果产业经济效益逐步上升,同时生态环境风险处于可控范围之内,不会对奉节和三峡库区可持续发展造成威胁,在三种情景当中相对而言最符合奉节发展的实际需求。综上所述,本研究围绕果园空间信息提取方法和扩张驱动力机制等方面开展研究,创新点主要体现在两个方面:(1)在改进传统U-Net模型的基础上提出了多尺度空洞卷积U-Net深度学习模型,提高了果园提取精度。针对传统U-Net模型空间尺度适应性较弱、精度欠佳等问题,设计了多尺度空洞卷积模块植入到编码器和解码器之间,在不增加参数规模的前提下有效扩大了卷积感受野,通过组合利用多种空洞率的卷积核来提升模型对不同尺度果园空间特征的适应能力,并将提取的果园多尺度空间特征进行融合,最终达到提高精度的效果。通过与RF模型和传统U-Net、Seg Net、Res Net等深度学习模型进行精度对比,表明多尺度空洞卷积UNet模型在果园提取精度上具有显著的优势。(2)引入了3项量化的政策类驱动因子参与果园扩张驱动力分析,发现政策类因子相对重要性位居前列,是一类重要的驱动因子。在驱动力概念模型中增加了政策维度,增加了脐橙产业扶贫专项资金、现代农业柑橘专项资金、脐橙产业科技项目资金3项政策类量化因子,基于RF回归模型对27项驱动因子的相对重要性进行了测算和排序,结果表明这3项政策因子排序位于前八,在果园扩张过程中发挥了重要的引导和促进作用。本研究提出的多尺度空洞卷积U-Net模型和驱动力概念模型可以为山地区域类似经济作物遥感提取与时空演变驱动力研究提供参考借鉴,对区域国土空间规划编制、自然资源监测管理、可持续发展政策研究等具有重要的科学意义和应用价值。