《Land》:Spatiotemporal Dynamics and Predictors of Cropland Change in Hunan Province, China: An XGBoost-SHAP Approach
编辑推荐:
本研究考察了湖南省耕地变化的时空格局,并识别了2000年至2020年间与净耕地减少相关的因素。研究采用土地利用转移分析、空间自相关、洛伦兹曲线、基尼系数以及可解释的XGBoost-SHAP模型,分析了耕地流出、耕地流入、净耕地变化及其相关解释模式。结果表明:(
本研究考察了湖南省耕地变化的时空格局,并识别了2000年至2020年间与净耕地减少相关的因素。研究采用土地利用转移分析、空间自相关、洛伦兹曲线、基尼系数以及可解释的XGBoost-SHAP模型,分析了耕地流出、耕地流入、净耕地变化及其相关解释模式。结果表明:(1)耕地流出主要集中在湖南中西部,而耕地流入在中部相对更为明显,但也出现在西部和东部部分地区。耕地总面积从2000年到2020年增加了2961.73 km2,但在2009年达到峰值后减少了1467.91 km2,呈现倒U型轨迹;(2)耕地流出的基尼系数从0.4024降至0.2891,耕地流入的基尼系数从0.3780降至0.2538,表明耕地流出具有更强的空间集中度,但其空间不平衡性随时间减弱;(3)XGBoost-SHAP结果显示,机械效率(mechanical efficiency)、国内生产总值(gross domestic product, GDP)和财政状况对净耕地减少的贡献最大,平均绝对SHAP值分别为0.21、0.17和0.16。总体而言,耕地变化表现出明显的空间异质性,社会经济因素和人为活动因素是与净耕地相关的主导因素。这些发现为粮食主产区的差异化耕地保护和可持续土地利用管理提供了支持。
**研究背景与问题**
湖南省作为中国重要的粮食主产区之一,地处双季稻种植区,年降水量超过1000 mm,其早稻种植面积和稻谷总产量均居全国首位。然而,该省面临着洞庭湖淤积围垦导致湖泊面积大幅缩减、耕地集中与破碎化并存、农村"再农业化"与城镇化趋势交织等复杂局面。在稳定农业生产能力的宏观目标下,探究湖南省耕地的时空动态具有重要的实践意义。从更广泛的土地系统视角来看,耕地变化反映了粮食安全需求、社会经济发展、制度安排与生物物理条件在多尺度上的耦合交互作用。尽管现有研究已从不同视角对耕地变化进行了探讨,但仍存在以下不足:一是多数研究聚焦于耕地流失或流出,对耕地流入的空间格局与驱动机制关注较少;二是现有分析常依赖单一来源或单一维度数据,难以全面理解耕地变化;三是机器学习方法在耕地变化研究中的应用虽日益增多,但其整合多源变量、揭示非线性、阈值及交互效应的能力尚显不足,且现有研究多强调预测或因子排序,对净耕地减少相关的非线性响应、阈值效应及交互作用缺乏充分考察。
基于此,研究人员以湖南省为研究对象,采用多维、多期、多因子的研究框架,综合运用空间自相关分析、质心迁移建模、洛伦兹曲线、基尼系数以及XGBoost-SHAP模型等方法,系统开展了2000年至2020年间耕地流出、耕地流入及净耕地变化的空间格局识别与影响因素分析,旨在为湖南省耕地保护与可持续土地利用管理提供科学支撑。该研究成果发表于国际学术期刊《Land》。
**关键技术方法**
研究主要采用了以下关键技术方法:土地利用转移矩阵与年度叠加分析用于提取耕地流出与流入;全局莫兰指数(Global Moran's I)与局部莫兰指数(Local Moran's I)结合Getis-Ord Gi*分析用于空间自相关与热点冷点探测;标准差椭圆(Standard Deviational Ellipse, SDE)用于刻画耕地变化的空间集中趋势与方向演变;洛伦兹曲线与基尼系数用于评估耕地变化的空间集中性与不平衡程度;XGBoost集成学习算法结合SHAP(SHapley Additive exPlanations)可解释性框架用于识别净耕地减少的关键影响因素、非线性关系及交互效应。数据来源包括:基于Google Earth Engine平台的Landsat衍生的中国土地覆盖数据集(China Land Cover Dataset, CLCD),以及来自中国统计年鉴、湖南省统计年鉴、地理空间数据云、中国科学院资源环境科学数据中心等渠道的自然环境与社会经济数据。
**研究结果**
**耕地现状空间格局**
基于CLCD数据集提取的耕地斑块显示,湖南省耕地资源主要集中在北部和中部,而西部和南部耕地相对稀疏,地形约束较为明显。耕地丰度(cropland abundance,即各县域内耕地面积占比)的空间聚类分析表明,高-高聚类(High-High clusters)主要分布在北部和中部湖南,低-低聚类(Low-Low clusters)主要位于西部和南部湖南。全局莫兰指数值为0.535(z = 8.247,p < 0.001),表明湖南省耕地分布具有显著的正空间自相关性,呈非随机的集聚模式。
**耕地变化的时空格局**
**耕地流出与流入的分解分析**
耕地流出在研究期间呈现波动上升趋势,最大年流出量出现在2012年,达209,156.9公顷。从土地利用转移类型看,耕地主要转为林地、人工表面和水体。标准差椭圆结果显示,耕地流出的重心由西北向东南逐步迁移。耕地流入同样呈波动变化,但总体呈下降趋势,最大年流入量亦出现于2012年,为186,185.4公顷,主要来源为林地、水体和灌木地。耕地流入的重心迁移方向与流出相反,由东南向西北移动。
全局莫兰指数分析表明,耕地流出与流入在四个子时段(2000-2005、2005-2010、2010-2015、2015-2020)均呈现显著的正空间自相关。2000-2005年间,耕地流入的空间集聚强于耕地流出;而2005年后,耕地流出的空间集聚性持续高于耕地流入。局部空间关联与热点冷点分析显示,耕地流出热点主要分布在北部和中部湖南,冷点多见于西部和南部湖南;耕地流入热点则较为分散,主要出现在中部、西部和东部的部分地区。长沙及其周边都市群反复出现耕地流出热点与流入冷点,反映了快速城镇化对耕地 would've的挤压效应。
洛伦兹曲线与基尼系数分析表明,四个时段内耕地流出的基尼系数始终高于耕地流入,说明耕地流出的空间集中度更高。耕地流出的基尼系数从2000-2005年的0.4024降至2015-2020年的0.2891,空间不平衡性逐渐减弱;耕地流入的基尼系数从0.3780降至0.2280后,在2015-2020年略有回升至0.2538。
**综合集成分析**
全省尺度上,2000-2020年间湖南省耕地总面积呈现先增后减的倒U型轨迹,2009年达到峰值后下降1467.91 km
2,但期末相较期初仍净增2961.73 km
2。地市级尺度上,湘西土家族苗族自治州、张家界市和常德市出现耕地净减少,其余地级市均为净增长。县级尺度上,46个县(市、区)耕地减少,76个增加,净减少区域主要分布在西部湖南和中部部分地区,净增加区域主要集中在北部和中部湖南。空间自相关分析显示净耕地变化呈显著正空间自相关(Global Moran's I = 0.23,z = 3.59,p = 0.000327),热点区主要位于北部和中部湖南,冷点区主要在西部湖南。
**基于XGBoost-SHAP的净耕地减少影响因素**
**模型构建与性能评估**
研究将湖南省划分为2311个10 km×10 km的非重叠网格单元,以2000-2020年间净耕地减少的网格编码为1,净增加或无变化编码为0,构建二分类XGBoost模型。经网格搜索结合五折交叉验证优化后,模型的测试ROC-AUC达到0.899,预测性能良好。多重共线性诊断显示所有解释变量的方差膨胀因子(Variance Inflation Factor, VIF)均低于5,最大VIF为3.526,不存在严重多重共线性。
**全局重要性与方向效应**
平均绝对SHAP值排序显示,12个解释变量的相对重要性依次为:机械效率 > GDP > 财政状况 > 城镇化率 > 高程 > 农村居民收入 > 农村劳动力 > 土壤类型 > 坡度 > 总人口 > 道路密度 > 夜间灯光强度。社会经济与人为活动因素的贡献总体高于自然因素。SHAP汇总图的方向分析表明,较高的机械效率通常对应负向SHAP值(降低净耕地减少概率),而较低的机械效率则多对应正向SHAP值;GDP增高总体伴随正向SHAP值,反映经济发达区面临更强的非农化压力。
**非线性关联与阈值模式**
机械效率(以农业机械动力强度表征)在约1.0×10
5 kW/100 km
2网格单元以下时,SHAP值多为正,超过该阈值后迅速转为负值,呈现明显的阈值效应。GDP与净耕地减少呈总体正向关联。财政状况呈现阶段性非线性效应:财政能力较弱区域多伴随正向SHAP值,较强财政能力则倾向于降低风险,但可能伴随更大建设需求。城镇化率在约0.34-0.36的阈值前,SHAP值多为负或接近零,超过后转为正值,显示城市扩张的临界效应。高程作为最重要的自然因素,低海拔区易受城镇侵占,中海拔区相对稳定,高海拔区则因耕作条件差、地块破碎化和农业边缘化而可能出现耕地减少。农村居民收入与净耕地减少概率总体呈负向关联,低收入区多对应正向SHAP值,收入提升有助于支持农业投入与耕地管理稳定。
**交互模式与局部变异**
SHAP交互矩阵揭示了解释变量间的两两交互模式。机械效率与GDP、城镇化率、农村居民收入的交互效应最为突出,表明农业机械化对耕地减少的影响在不同经济发展、城镇化压力和农村收入水平下存在差异。GDP与城镇化率共同反映了发展压力对耕地的联合作用。高程与社会经济变量的交互表明地形条件可能调节经济发展和城镇扩张对耕地减少的影响。
为考察样本级异质性,研究选取西部山区(网格ID: 2249)、北部平原区(网格ID: 1610)和中部丘陵盆地(网格ID: 1838)三个典型网格进行案例特异性SHAP分析。西部山区以城镇化率、GDP和财政状况贡献较高;北部平原区以机械效率贡献最强;中部丘陵盆地以土壤类型和高程等自然因素贡献相对较高。
**讨论与结论**
研究讨论了湖南省耕地保护的政策意涵。湖南省以占全国2.8%的耕地面积贡献4.5%的粮食产量和12.2%的水稻产量,在国家粮食安全中具有重要地位。基于实证结果,研究提出三方面政策建议:一是同步稳定和提升耕地数量、质量与生产力,北部平原和中部丘陵盆地应优先开展耕地整理和高标准农田建设;二是加强县域城乡规划统筹,协调城镇扩张、农村基础设施改善与农业生产空间保护;三是因地制宜采取差异化耕地保护策略,西部山区应平衡城镇化需求与适宜耕地资源保护,北部平原聚焦规模化、机械化和高标准农田建设,中部丘陵盆地则需关注土壤质量、地形适宜性与农田改良。
研究亦坦陈了若干局限性:10 km×10 km网格可能掩盖细尺度土地利用异质性;显著的空间依赖性未在XGBoost-SHAP框架中显式建模,结果应理解为模型关联而非因果效应;部分相关因素如土地价格、城市可达性等因缺乏长期格网数据而未能纳入。
研究结论部分指出:(1)2000-2020年间湖南省耕地总面积呈倒U型轨迹,2009年达峰后下降,净耕地减少区主要分布在西部湖南和部分中部地区,增加区集中在北部和中部湖南;(2)耕地流出空间集中度强于耕地流入,其空间不平衡性逐步减弱,耕地流入则先减后略升;(3)XGBoost-SHAP结果显示社会经济与人为活动因素对净耕地减少的贡献大于自然因素,机械效率、GDP、财政状况、城镇化率、高程、农村居民收入等呈现非线性效应;(4)机械效率×GDP、农村居民收入×机械效率、农村居民收入×GDP等交互作用在解释耕地变化空间差异中发挥重要作用;(5)典型案例分析表明不同地理语境下净耕地减少的主导因素存在差异,耕地保护政策应因区域而异。该研究从方法论、实证和政策三方面为相关文献做出了贡献,展示了XGBoost-SHAP在提升机器学习土地利用变化分析可解释性方面的价值,提供了粮食主产区耕地变化网格尺度证据,并为差异化耕地保护和可持续土地利用管理提供了循证依据。