Опубликовано через 27 минут

Лоскутное поле: как наступление застроенных территорий дробит пахотные земли

Для обеспечения устойчивого использования ресурсов пахотных земель крайне важно количественно оценивать и картографировать характеристики застроенных и пахотных земель, а также анализировать механизмы воздействия расширения застроенных земель на пахотные угодья. Однако исследований, посвященных этой проблеме, до сих пор проводилось немного. В данном исследовании для изучения характеристик расширения застроенных земель и фрагментации пахотных угодий были интегрированы методы анализа морфологического пространственного рисунка (MSPA), анализа эффекта перелива, анализа структуры ландшафта и метод мониторинга перехода землепользования.

В качестве демонстрационной территории исследования был выбран город Фуцин (Китай). Результаты показали, что расширение застроенных земель привело к формированию фрагментированной структуры в ландшафте пахотных угодий: (1) В период 2000–2020 гг. крупные ядра пашни были разделены на более мелкие, в то время как застроенные земли проявили тенденцию к агломерации и эффекту перелива; (2) Скорость расширения застроенных земель на территории исследования ускорилась, тогда как площадь пахотных угодий сократилась; (3) Фрагментация пашни усилилась по мере ослабления ландшафтной связанности, что привело к росту степени агломерации застроенных земель. Ключевыми аспектами данного исследования являются: (1) рассмотрение характеристик расширения застроенных земель и фрагментации пашни с морфологической и геопространственной точек зрения; (2) категоризация ядер пахотных земель по их размеру для облегчения анализа факторов, способствующих фрагментации. Полученные результаты могут быть использованы для разработки моделей прогнозирования будущих паттернов распределения пахотных и застроенных земель с целью выработки рекомендаций для ландшафтного планирования.

К концу 2023 года уровень урбанизации Китая достиг 66,2%; индустриализация и урбанизация способствовали быстрому экономическому и социальному развитию страны. Однако расширение застроенных земель привело к сокращению как площади, так и качества пахотных земель [1,2], тем самым препятствуя модернизации сельского хозяйства, ослабляя экосистемные услуги [3] и ухудшая природное и экономическое качество пашни [4]. В 1984 году Китай определил 14 портовых городов на побережье [5]. Благодаря ряду благоприятных политик, прибрежные районы Китая за последние 20 лет пережили значительную индустриализацию и урбанизацию [6,7], что привело к явлению «несельскохозяйственного использования» и серьезной «незерновой ориентации» пахотных земель [8,9]. Существует насущная необходимость согласовать городское экономическое развитие с охраной пашни.

Урбанизация может привести к значительным изменениям ландшафта [10,11]; фрагментация пахотных земель является одним из основных проявлений этого [12]. По мере роста осознания важности сохранения пашни, все больше ученых проводят исследования по охране пахотных земель и продовольственной безопасности с точки зрения изменений в ландшафтах пашни. Согласно гипотезе ландшафтной экологии, фрагментация пашни может привести к увеличению как количества, так и плотности пятен пахотных угодий [13], а также к снижению их связанности и агрегированности [14]. Фрагментация ландшафтов пашни изучалась учеными с помощью анализа индексов ландшафтной структуры [15,16], что обеспечивает объективное и количественное представление о региональной ландшафтной фрагментации. Однако уровень фрагментации на локальных участках относительно слаб, и пространственный рисунок фрагментации ландшафта пашни не может быть точно идентифицирован.

Для точной идентификации пространственного рисунка локального ландшафта ученые применяли морфологический анализ пространственного рисунка (MSPA) для выделения экологических источников и оценки ландшафтной связанности [17,18]. Например, Риттерс и др. проанализировали эволюцию ландшафтных рисунков и выделили экологические источники на исследуемой территории на основе MSPA [19]. Карлье и Моран использовали морфологический анализ пространственного рисунка (MSPA) для изучения европейских зеленых коридоров и обнаружили, что они могут обеспечивать зеленую инфраструктуру и экологическую связанность, а также улучшать ландшафтную связность [20]. Феррари и др. использовали метод MSPA для идентификации ключевых компонентов зеленой инфраструктуры Рима [21]. Ши и др. применили подход MSPA и обнаружили, что площадь пахотных земель в городе Куньмин непрерывно сокращалась, а их пространственные морфологические изменения проходили стадии стабильности, колебаний, а затем фрагментации [22]. Цзян изучил фрагментацию ландшафтов пашни от городских к сельским территориям, используя метод MSPA, и обнаружил, что рост городов является ключевой причиной фрагментации пахотных земель, а политика землепользования оказывает существенное влияние на структурные изменения в ландшафтах пашни [23]. Хавьер Веласкес и др. использовали метод MSPA и метод вероятности связности для анализа связности и фрагментации лесов и обнаружили, что крупные ядра могут значительно способствовать обмену видами на исследуемой территории и в близлежащих районах, а также что соединительные области могут усиливать связность между пятнами, что имеет ключевое значение для сохранения видов [17]. Однако, насколько нам известно, мало исследований сосредоточено на влиянии расширения застроенных земель на фрагментацию пашни на основе подхода, сочетающего MSPA и индексные методы. Требуются более углубленные исследования для определения области применения подхода, интегрирующего преимущества MSPA как в пространственном анализе, так и в анализе индексов ландшафтного рисунка.

Таким образом, в данном исследовании был выбран типичный прибрежный город в качестве демонстрационной территории и предложена схема для геопространственной идентификации влияния расширения застроенных земель на фрагментацию пашни в период 2000–2020 гг. Изменяющиеся характеристики пространственного рисунка пашни исследовались с помощью MSPA для проведения тщательного анализа изменений ландшафта пахотных земель. Анализ эффекта перелива использовался для измерения пространственной корреляции между застроенными и пахотными землями. Индексы ландшафтного рисунка пашни и застроенных земель были рассчитаны для более точного анализа влияния расширения застроенных земель на ландшафтную фрагментацию пашни, позволяя таким образом разграничить влияние природных и экономических факторов на исследуемой территории. С использованием вышеупомянутых методов были исследованы пространственно-временные характеристики и механизм влияния фрагментации пашни и расширения застроенных земель, чтобы предложить теоретико-методологическую поддержку и примеры для обеспечения продовольственной безопасности и содействия гармоничному социально-экономико-экологическому развитию.

2.1. Район исследования

Демонстрационная территория исследования расположена на юго-восточном побережье Китая с общей площадью 2430 км² (25°18′–25°52′ с.ш., 119°03′–119°42′ в.д.). Это центральный регион «Морского шелкового пути XXI века» и известное поселение зарубежных китайцев. С ВВП в 168,3 млрд юаней, растущим на 4,9% в год, исследуемая территория заняла 14-е место среди 100 лучших уездов Китая в 2023 году. Рельеф плавно понижается с северо-запада на юго-восток. Ландшафт состоит преимущественно из низких холмов со средней высотой 500 м. Для лучшего изучения расширения застроенных земель и фрагментации пашни исследуемая территория разделена на три части: центральная городская зона, северная горная зона и южная прибрежная зона (Рисунок 1).

Рисунок 1. Расположение исследуемой территории. (a): Расположение исследуемой территории в Китае; (b): ЦМР исследуемой территории; (c): Центральная городская зона, северная горная зона и южная прибрежная зона в исследуемой территории, GS: город Гаошань, LT: город Лунтянь, YD: город Иду, DZ: город Дунчжан, NL: город Наньлин, JY: город Цзянъинь, S-H: скоростная автомагистраль Шэньян-Хайкоу, Y-P: скоростная автомагистраль Юйси-Пинтань, F-X: скоростная автомагистраль Фучжоу-Сямынь.

2.2. Исследовательская схема

В данном исследовании была предложена схема для геопространственной идентификации влияния расширения застроенных земель на фрагментацию пашни. Схема включала три основных части: методы мониторинга динамических изменений и MSPA использовались для исследования динамического мониторинга пашни и анализа пространственного рисунка ее морфологии; расчеты эффекта перелива и индекса Морана I применялись для изучения количественных и пространственных изменений и эффекта перелива застроенных земель; матрица перехода землепользования и индексы ландшафтного рисунка использовались для изучения влияния расширения застройки на фрагментацию пашни (Рисунок 2).

Рисунок 2. Исследовательская схема для изучения влияния расширения застроенных земель на фрагментацию пашни.

2.3. Обработка данных

Данные о землепользовании были получены из GlobeLand30 (www.globeland30.org, доступ осуществлен 10 мая 2022 г.) с пространственным разрешением 30 м за 2000, 2010 и 2020 годы. Для обеспечения точности последующего анализа эти данные были вручную скорректированы и изменены с учетом данных полевых обследований и спутниковых снимков Google высокого разрешения. Улучшенные классифицированные данные показали точность пользователя и производителя в диапазоне 0,91–0,94 и 0,90–0,94 для пашни и застроенных земель соответственно. Границы поселков (векторные данные) и данные ЦМР (30 м) были получены с Геопространственного Облака Данных (www.gscloud.cn, доступ осуществлен 10 мая 2022 г.). Данные о дорожной сети взяты из OpenStreetMap (www.openstreetmap.org, доступ осуществлен 10 мая 2022 г.). Информация о природных ресурсах, географическом зонировании, социально-экономических показателях и транспорте была получена от местного муниципального правительства.

Данные были обработаны с использованием следующих процедур (Рисунок 2):

(1) Пространственный набор данных был обрезан, спроецирован и преобразован с использованием программного обеспечения QGIS 3.30.0 для обеспечения единообразия пространственных опорных координат всех данных, которые были стандартизированы как Xian_1980_3_Degree_GK_CM_120E. На основе топографических условий исследуемая территория была разделена согласно административному делению поселков.

(2) Морфологический анализ пространственного рисунка был проведен для пашни путем переклассификации данных землепользования, присвоения значения 2 пашне и 1 другим категориям. Полученный набор данных был затем введен в программное обеспечение Guidos Toolbox 3.0 для генерации изображений MSPA специально для пашни.

(3) Количественные характеристики застроенных земель и пашни были проанализированы путем обработки данных землепользования за три периода с использованием программного обеспечения QGIS для расчета площади. Были получены матрицы перехода землепользования с 2000 по 2010 и с 2010 по 2020 годы, а также темпы динамических изменений площади для застроенных и пахотных земель.

(4) Эффект перелива расширения застроенных земель был проанализирован путем извлечения векторных данных как застроенных, так и пахотных земель, с использованием глобального и локального индексов Морана I, выбора обратно-взвешенного по расстоянию типа пространственных отношений для анализа и получения типов пространственной корреляции между застроенными землями и пашней.

(5) Анализ индексов ландшафтного рисунка. С помощью геопространственного анализа данные землепользования были переклассифицированы на пашню, лесные земли, луга, водные объекты (включая водно-болотные угодья, водоемы и морские акватории), застроенные земли и открытые грунты. Затем результаты переклассификации землепользования за три периода в каждом подрайоне были введены в программное обеспечение Fragstats 4.2 и рассчитаны индексы ландшафтного рисунка.

2.4. Методология

(1) Морфологический анализ пространственного рисунка (MSPA)

Метод MSPA — это математико-морфологический подход для измерения, идентификации и сегментации бинарных изображений [24]. Путем обработки бинаризированного изображения землепользования он помогает извлечь ядровые пятна и установить четкие пространственные топологические отношения между ядровым элементом и другими элементами [25], в результате чего получаются семь различных элементов: ядро, остров, перфорация, граница, петля, мост и ветвь [26,27]. Это количественное описание реализации ландшафтной фрагментации (Таблица 1 и Рисунок 3).

Рисунок 3. Карта ландшафтных метрик MSPA.

Таблица 1. Типы ландшафта и экологические значения MSPA.

(2) Анализ ландшафтного рисунка

Индекс ландшафтного рисунка используется для количественного описания характеристик и изменений в ландшафте. Это в первую очередь достигается с помощью Fragstats 4.2, который охватывает три различных уровня исследования: индекс пятна, индекс типа и индекс ландшафта. В данном исследовании анализ проводился на уровне каждого типа землепользования. На основе характеристик исследуемой территории и в сочетании с предыдущими исследованиями [28,29] были выбраны следующие индексы: NP (количество пятен), PD (плотность пятен), AREA_MN (средняя площадь пятна), AI (индекс агрегированности) и LSI (индекс формы ландшафта) (Таблица 2).

Таблица 2. Описание ландшафтных индексов.

(3) Темп динамических изменений землепользования

Темп динамики изменений землепользования может быть использован как инструмент для анализа изменений в рамках конкретной категории земель за заданный период времени. Более высокое значение указывает на более интенсивную трансформацию типа земель. Формула:

где La и Lb — площади определенного типа земель в периоды a и b; T — временной интервал между периодами a и b в годах.

(4) Анализ эффекта перелива

Индекс Морана I используется для анализа эффекта перелива расширения застроенных земель. Глобальный индекс Морана I может указывать на пространственную корреляцию между застроенными землями и пашней в исследуемой территории, в то время как Локальный индекс Морана I может идентифицировать такие корреляции на локальном уровне [30,31]. Уравнение (2) представляет Глобальный индекс Морана I, а уравнение (3) обозначает Локальный индекс Морана I.

где n — общее количество пятен; y𝑖 и y𝑗 обозначают тип земель i-го и j-го пятен соответственно; w𝑖𝑗 — значение пространственного веса. I > 0 представляет положительную корреляцию, I < 0 представляет отрицательную корреляцию. Чем больше абсолютное значение I, тем сильнее корреляция. I𝑖 > 0 указывает на наличие пространственно коррелированных скоплений, то есть значения атрибутов i-го пятна и его окружения являются высокими (высокое-высокое) или значения атрибутов для i-го пятна и его окружения являются низкими (низкое-низкое). I𝑖 < 0 означает отсутствие пространственной однородности, то есть значение атрибута i-го пятна высокое, но окружающего пятна низкое (высокое-низкое), или значение атрибута i-го пятна низкое, но окружающего пятна высокое (низкое-высокое).

(5) Матрица перехода землепользования

Матрица перехода землепользования отражает пространственно-временные колебания различных типов землепользования, облегчая не только количественное описание характеристик землепользования в фиксированном регионе за определенный период, но и динамическую визуализацию направления, величины и тенденции переходов между различными типами землепользования.

3.1. Пространственно-временные характеристики фрагментации пашни

3.1.1. Анализ динамических изменений пашни

В течение периода исследования наблюдалось заметное сокращение пашни, со значительным ускорением во второе десятилетие (Таблица 3). Наибольшее сокращение пашни произошло в южной прибрежной зоне в первое десятилетие. В отличие от этого, во второе десятилетие центральная городская зона испытала наибольшие потери пашни, в то время как относительно низкая интенсивность потерь пашни наблюдалась в северной горной зоне на протяжении всего периода исследования.

Таблица 3. Изменение площади пашни с 2000 по 2020 год.

3.1.2. Анализ пространственного рисунка морфологии пашни

Таблица 4 и Рисунок 4 представляют рассчитанную площадь и темп динамических изменений каждой метрики MSPA. Среди элементов переднего плана ядерные зоны имели наибольшую площадь, но показали снижающуюся тенденцию. Более того, скорость снижения во второе десятилетие превысила таковую в первое. Напротив, острова, границы, мосты и ветви испытали восходящую тенденцию с замедленным темпом динамических изменений во второй период. В отличие от этого, перфорации и петли постепенно уменьшались с ускорением в это время.

Рисунок 4. Темп динамических изменений площади ландшафтных элементов.

Таблица 4. Площадь и доля ландшафтных элементов в исследуемой территории.

В течение периода исследования крупные ядерные зоны постепенно фрагментировались на более мелкие, что привело к увеличению их количества. Связанность между этими ядерными зонами уменьшилась, в то время как связь более крупных ядерных зон с окружающими более мелкими усилилась. Форма пашни стала более сложной, а ее ландшафт все более фрагментированным.

Рисунок 5 иллюстрирует семь типов растровых изображений, изображающих конфликтующие ландшафтные элементы, сгенерированные MSPA с пашней на переднем плане. Зеленый цвет представляет ядро, а различные оттенки от светлого к темному указывают на сверхкрупное ядро, крупное ядро, среднее ядро и малое ядро соответственно. Можно обнаружить, что сверхкрупная ядерная зона была распределена в южной прибрежной зоне, крупные ядерные зоны в основном распределены на севере центральной городской зоны и в долине северной горной зоны, средние ядерные зоны в основном распределены на полуострове южной прибрежной зоны, а малые ядерные зоны почти равномерно распределены во всех низкогорных районах. Следовательно, фрагментация пашни была более выражена в горных районах.

Рисунок 5. Морфологический анализ пространственного рисунка пашни в исследуемой территории: (a): 2000; (b): 2010; (c): 2020.

Учитывая заметные вариации как в количестве, так и в размере ядер в разных регионах, была проведена переклассификация ядер на основе их площадей: сверхкрупное ядро (≥100 км²), крупное ядро (20~100 км²), среднее ядро (1~20 км²) и малое ядро (<1 км²). Таблица 5 показывает, что сверхкрупная ядерная зона испытала снижение, за которым последовало увеличение в течение периода исследования, тогда как крупные ядерные зоны показали первоначальный рост и последующее снижение, с удивительно большей скоростью снижения, чем роста. Общая площадь и количество средних и малых ядерных зон показали восходящую тенденцию, причем более высокая скорость роста наблюдалась во втором десятилетии по сравнению с первым. Более крупные ядерные зоны подвергались постепенной фрагментации на более мелкие, что приводило к усилению фрагментации землепользования в исследуемой территории.

Таблица 5. Количество, площадь и доля каждой ядерной зоны.

Таблица 5 показывает, что площадь сверхкрупной ядерной зоны значительно уменьшилась в 2010 году. В сочетании с Рисунком 5 можно обнаружить, что сверхкрупная ядерная зона в основном разделена на три части (южная, северо-восточная и северо-западная). Основной фактор, способствующий фрагментации сверхкрупной ядерной области в северо-восточном регионе, связан с двумя изменениями, как показано на Рисунке 6. Для более наглядного объяснения процесса эволюции сверхкрупных ядер в данном исследовании были выбраны два репрезентативных участка (Участок A и Участок B), расположенные на северо-востоке и северо-западе. В 2000 году Участок A был классифицирован как крупный массив пашни в ядерной зоне согласно результатам анализа MSPA. Однако в 2010 и 2020 годах его размер заметно уменьшился, больше напоминая узкий мост, который разделил левую и правую ядерные зоны Участка A на разные области. В 2000 году Участок B характеризовался использованием под пашню, с застроенными землями по обеим сторонам. Следовательно, пашня на Участке B образовала узкую полосу, соединяющую верхнюю и нижнюю ядерные зоны, выглядевшую как остров в результатах анализа MSPA. Однако к 2010 году расширение застроенных земель вокруг Участка B привело к уменьшению площади пашни, так что теперь она образует мост согласно анализу MSPA. В 2020 году часть застроенных земель на участке B была преобразована в пашню, увеличив площадь пашни. Анализ MSPA показал, что эта область служила ядерной зоной, соединяя как верхнюю, так и нижнюю ядерные зоны и объединяя их в одно целое. Согласно данным о дорожной сети, основным фактором, способствующим фрагментации сверхкрупной ядерной зоны на северо-западе, стало строительство национальной автомагистрали G324. Кроме того, наблюдалась заметная тенденция к расширению застроенных земель вблизи автомагистрали G324, что еще больше уменьшило и разорвало ее сверхкрупное ядро.

Рисунок 6. Процесс эволюции сверхкрупных ядерных областей: (a): Разделение сверхкрупного ядра в 2010 году; (b) Эволюция сверхкрупной ядерной области на северо-востоке; (c): Эволюция сверхкрупной ядерной области на северо-западе.

3.2. Характеристики расширения застроенных земель

3.2.1. Анализ расширения застроенных земель

Застроенные земли в исследуемой территории продолжали расширяться в течение периода исследования с тенденцией к ускорению расширения. Особенно в северной горной зоне наблюдалось медленное и слабое расширение в течение первого десятилетия. Однако с 2010 по 2020 год произошло значительное увеличение темпа динамических изменений расширения застроенных земель, указывающее на быструю тенденцию к расширению (Таблица 6). Темп динамических изменений расширения застроенных земель в южной прибрежной зоне постоянно превышал общий уровень.

Таблица 6. Изменение площади застроенных земель с 2000 по 2020 год.

Рисунок 7 показывает пространственное распределение застроенных земель в исследуемой территории. Городские застроенные земли распространялись радиально от центра города, с медленным расширением в первое десятилетие и быстрым ростом во второе. Открытие железнодорожной станции Фуцин в 2010 году стимулировало быстрое экономическое развитие и последующее расширение застроенных земель в восточных пригородах. Между тем, к юго-западу от центральной городской зоны застроенные земли расширялись вдоль полосы, прилегающей к национальной автомагистрали G104. Расширение застроенных земель в северной горной зоне было относительно ограниченным в течение первого десятилетия. Однако было сосредоточенное распределение застроенных земель вблизи национальной автомагистрали G324 через город Цзинъян, который служит промышленной зоной концентрации для этого города. После открытия скоростной автомагистрали Шэньхай в 2017 году промышленные предприятия в городе Цзинъян испытали быстрое развитие и последующее расширение застроенных земель. Аналогично, город Иду (YD на Рисунке 7) и город Дунчжан (DZ) также стали свидетелями значительного роста своих застроенных земель. В южном прибрежном регионе произошло значительное расширение застроенных земель за последние два десятилетия, принимающее три основные формы: линейное медленное расширение вдоль маршрутов, таких как S201 и S305; периферийные типы медленного расширения в районах, таких как город Лунтянь (LT), город Гаошань (GS), и разбросанные сельские поселения; и чешуйчатое концентрационное расширение в зонах, таких как Инвестиционная зона Юаньхун (YH) и Экономическая зона Цзянъинь (JY). В заключение, основными факторами, способствующими расширению застроенных земель, были строительство дорог и градостроительное планирование. Дополнительно, рельеф служил значительным ограничением для такого расширения.

Рисунок 7. Застроенные земли исследуемой территории между 2000 и 2020 годами: (a): 2000; (b): 2010; (c): 2020, YHIZ: Инвестиционная зона Юаньхун; JYEZ: Экономическая зона Цзянъинь; GS: город Гаошань, LT: город Лунтянь, YD: город Иду, DZ: город Дунчжан, NL: город Наньлин, JY: город Цзянъинь, S-H: скоростная автомагистраль Шэньян-Хайкоу.

3.2.2. Эффекты перелива расширения застроенных земель

На основе анализа глобального индекса Морана I для застроенных земель и пашни в течение периода исследования среднее значение индекса Морана I составляет 0,22 с уровнем доверия 99%. Результаты указывают на наличие эффекта перелива от застроенных земель к пашне в исследуемой территории (см. Рисунок 8). Следующий анализ предоставляет дальнейшие детали:

Рисунок 8. Типы пространственного взаимодействия застроенных земель и пашни в исследуемой территории: (a): 2000; (b): 2010; (c): 2020, YHIZ: Инвестиционная зона Юаньхун.

Результаты анализа локального индекса Морана I показали, что в 2000 году была значительная концентрация застроенных земель в центре города, что впоследствии привело к расширению застроенных земель в близлежащих регионах. Этот эффект перелива проявлялся в виде схемы «Высокое-Высокое Кластер». Однако из-за их удаленности и холмистой местности пригороды испытывали ослабленные эффекты перелива и в основном демонстрировали схемы «Низкое-Высокое Отклонение». В 2010 году эффект перелива застроенных земель был особенно выражен в восточной долине центральной городской зоны, характеризующейся «Высоким-Высоким Кластером», в то время как никакой значительной пространственной корреляции между застроенными землями и пашней в других регионах не наблюдалось. Однако к 2020 году эта корреляция усилилась за пределами центра города. В долине с более высокой концентрацией застроенных земель эффект перелива проявлялся как «Высокое-Высокое Кластер», в то время как в окружающих районах он ослабевал до «Низкого-Высокого Отклонения» из-за расстояния и рельефа. Северо-западный регион центральной городской зоны примыкает к горам и водоемам, что приводит к более слабым эффектам перелива из-за топографических факторов.

Эффект перелива застроенных земель в долине вблизи G324 в северной горной местности изначально проявлялся как «Высокое-Высокое Кластер», но постепенно снижался в течение периода исследования. К 2020 году не было значительной пространственной корреляции между застроенными землями и пашней. Из-за топографических ограничений расширение застроенных земель в западном регионе ограничено, что приводит к слабому эффекту перелива на пашню, формируя «Низкое-Низкое Кластер».

За последние два десятилетия эффект перелива застроенных земель в южной прибрежной зоне проявлялся в виде сильной схемы «Высокое-Высокое Кластер», с ограниченным эффектом перелива за пределы близлежащих областей, приводящим к тенденции «Низкое-Высокое Отклонение». Однако по состоянию на 2010 год пространственная корреляция не была значительной для регионов за пределами тех, где застроенные земли были относительно сконцентрированы. В 2020 году эффект перелива застроенных земель вблизи Инвестиционной зоны Юаньхун проявлялся как слабая тенденция, в основном проявляющаяся как «Высокое-Низкое Отклонение». Из-за ограничений, накладываемых северными горами, окружающая область демонстрировала «Низкое-Низкое Кластер». Аналогично, учитывая, что рельеф самого южного полуострова был преимущественно холмистым, в течение этого периода исследования наблюдался ограниченный эффект перелива.

3.3. Влияние расширения застроенных земель на фрагментацию пашни

3.3.1. Переход землепользования

Матрица перехода землепользования в исследуемой территории показала заметное увеличение застроенных земель, в первую очередь за счет пашни (Таблицы 7 и 8). С 2000 по 2010 год в общей сложности 42,79 км² не застроенных земель было преобразовано в застроенные, причем пашня была основным источником (35,96 км², что составляет 84,04%), за ней следовали лесные земли (5,11 км²). С 2010 по 2020 год в общей сложности 98,51 км² не застроенных земель было преобразовано в застроенные, в основном состоящие из пашни (68,01 км², что составляет 69,04%), за которыми следовали водоемы (14,28 км²), морская акватория (8,59 км²) и другие. В течение периода исследования доля пашни, занятой застроенными землями для расширения, уменьшилась, в то время как занятая площадь заметно увеличилась. В течение второго десятилетия значительное количество водоемов и морских акваторий было преобразовано в застроенные земли.

Таблица 7. Матрица перехода землепользования между 2000 и 2010 годами (км²).

Таблица 8. Матрица перехода землепользования между 2010 и 2020 годами (км²).

Пахотные земли значительно сократились, и захват застроенными землями пашни, по-видимому, является основной причиной потери пахотных земель. С 2000 по 2010 год в общей сложности 66,44 км² пашни было преобразовано в другие типы землепользования, среди которых основным типом земель, в который произошло преобразование, были застроенные земли (35,96 км², что составляет 54,12%), за которыми следовали лесные земли (17,29 км²). С 2010 по 2020 год в общей сложности 128,33 км² пашни было преобразовано в другие типы землепользования, среди которых застроенные земли были основным получателем (68,01 км², что составляет 53,00%), за которыми следовали лесные земли (26,57 км²) и водоемы (22,63 км²). Следовательно, очевидно, что площадь, занятая застроенными землями, составляет более половины площади, преобразованной из пашни. Из-за реализации политик экологической защиты, таких как проект «Зерно за Зеленое», лесные земли стали основным типом землепользования, в который преобразуется пашня. Дополнительно, лесные земли были основным источником пополнения пашни из-за политик, направленных на защиту и баланс изъятия и компенсации пахотных земель. В течение 20 лет в общей сложности 44,40 км² лесных земель было преобразовано в пашню, за которыми следовали застроенные земли (37,41 км²). Однако площадь пашни, преобразованной в застроенные земли и лесные земли, превысила преобразование либо лесных, либо застроенных земель в пашню, что привело к очевидному уменьшению общей площади пашни.

Рисунок 9 показал, что пашня, преобразованная в застроенные земли в первые десять лет, была разбросана, с концентрированным преобразованием, принимающим две формы: линейное расширение вокруг G324 и агрегационное расширение, такое как город Лунтянь. Во втором десятилетии преобразование пашни в застроенные земли было преимущественно характеризуемо агрегацией, особенно очевидной в центральной городской зоне и Инвестиционной зоне Юаньхун (YH на Рисунке 9b). Кроме того, наблюдались два различных линейных изменения вблизи S201, S305 и G324.

Рисунок 9. Пространственное распределение преобразования пашни в застроенные земли с 2000 по 2020 год: (a): 2000–2010; (b): 2010–2020.

3.3.2. Ландшафтный рисунок

Индексы ландшафтного рисунка (Таблица 9) были рассчитаны с использованием количества пятен (NP), плотности пятен (PD), средней площади пятна (AREA_MN), индекса агрегированности (AI) и индекса формы ландшафта (LSI) как для пашни, так и для застроенных земель. В целом, тенденции изменения индексов ландшафтного рисунка для этих двух типов земель противоположны друг другу, как показано в следующем анализе.

Таблица 9. Результаты расчета индексов ландшафтного рисунка для пашни и застроенных земель.

NP и PD пашни в исследуемой территории показали восходящую тенденцию, в то время как AREA_MN продемонстрировал нисходящую тенденцию. Наблюдаемый рисунок изменений в центральной городской и южной прибрежной зонах соответствовал таковому в целом по исследуемой территории, указывая на постепенную фрагментацию крупных пятен пашни и увеличение количества мелких пятен. PD и NP показали тенденцию к снижению, за которой следовала тенденция к увеличению, с большей величиной увеличения, чем уменьшения. Напротив, AREA_MN показал противоположный рисунок, указывая, что фрагментация пашни улучшилась в этой области в 2010 году. Однако она ухудшилась между 2010 и 2020 годами. LSI как всей исследуемой территории, так и ее подрайонов показал восходящую тенденцию за последние два десятилетия, в то время как AI показал нисходящую тенденцию. Более того, интенсивность изменений во втором десятилетии была почти больше, чем в предыдущем десятилетии (с немного более высокой интенсивностью изменения LSI, отмеченной в южной прибрежной зоне в течение первого десятилетия). Выводы указывают, что ландшафт пашни в исследуемой территории демонстрирует растущую сложность, с увеличивающейся степенью фрагментации и уменьшающейся степенью агрегированности.

PD и NP застроенных земель во всей исследуемой территории и трех подрайонах показали нисходящую тенденцию, в то время как AREA_MN и AI продемонстрировали восходящую траекторию (Таблица 9). Это указывало, что с расширением застроенных земель разбросанные участки постепенно соединялись, что приводило к сокращению их количества и увеличению их агрегированности. С 2000 по 2010 год северная горная зона сталкивалась с ограничениями в плане рельефа и экономики, которые препятствовали расширению застроенных земель. Следовательно, наблюдалось лишь небольшое изменение индексов ландшафтного рисунка (PD составлял 0,2308% в 2000 и 0,2286% в 2010). Однако за последнее десятилетие (2010–2020) наблюдался гораздо больший диапазон изменений для PD, NP и Area_MN в этой области. Мотивацией для этого было то, что экономическое развитие региона ускорилось в последние десять лет, что уменьшило ограничения рельефа для освоения земель, быстро расширило застроенные земли и усилило фрагментацию ландшафта пашни.

LSI застроенных земель во всей исследуемой территории показал первоначальное увеличение, за которым последовало последующее уменьшение в течение периода исследования. Во втором десятилетии произошло значительное снижение, указывая, что застроенные земли расширялись быстро и принимали более правильную форму. LSI центральной городской зоны показал нисходящую тенденцию за последние два десятилетия, со снижением степени разделения пятен застроенных земель в основном из-за концентрированного расширения. LSI других двух областей показал первоначальное увеличение, за которым последовало последующее уменьшение, указывая, что степень разделения пятен для застроенных земель была высокой в течение первого десятилетия, но со временем становилась более дисперсной и расширялась. Дополнительно, наблюдалась тенденция к регулярности формы застроенных земель в течение второго десятилетия, что привело к сокращению разделения пятен.

Дополнительно, Таблица 9 также показала, что фрагментация пашни в северной горной зоне постоянно более серьезна, чем в других областях. Более того, существуют значительные региональные различия в степени фрагментации пашни, с порядком: северная горная зона > центральная городская зона > южная прибрежная зона. В заключение, расширение застроенных земель привело к фрагментации пашни. Рельеф оказывает большее влияние на фрагментацию ландшафта пашни, чем экономические факторы. Однако по мере развития экономики топографические ограничения на расширение застроенных земель будут ослабевать, усиливая фрагментацию ландшафта пашни в горных районах.

В данном исследовании были изучены пространственно-временные характеристики расширения застроенных земель и фрагментации пашни, а также проанализированы механизмы, с помощью которых расширение застроенных земель влияет на пашню. Результаты показали, что ускорение расширения застроенных земель привело к увеличению потерь пашни, ядра крупномасштабной пашни в основном рассеиваются в регионах, характеризующихся низким и плоским рельефом. Расширение пятен застроенных земель значительно улучшило связность и усилило тенденцию к фрагментации пашни. Степень фрагментации была самой высокой в северной горной зоне, за которой следовали центральная городская зона, а затем южная прибрежная зона.

Предыдущие исследования показали, что на индекс ландшафтного рисунка значительно влияют как рельеф, так и экономические факторы, причем фрагментация пашни более распространена в холмистых регионах из-за топографических ограничений [32,33]. Данная исследуемая территория охватывает два типа рельефа: равнинный и горный. Без дифференциации точность рассчитанных индексов ландшафтного рисунка может быть скомпрометирована влиянием различного рельефа. Поэтому исследуемая территория была разделена на три части, а именно, северная горная зона, центральная городская зона и южная прибрежная зона, на основе топографических факторов и факторов экономического развития. Это разделение гарантировало, что индексы ландшафтного рисунка могут точно отражать региональные ландшафтные характеристики, что было полезно для анализа основных причин фрагментации пашни в исследуемой территории.

Исследования по фрагментации пашни в основном были сосредоточены на общем количественном анализе с использованием индекса ландшафтного рисунка. Однако для точного мониторинга пространственных различий в ландшафтной фрагментации пашни необходимо анализировать пространственные детали ландшафта. MSPA может обеспечить комплексное понимание пространственных морфологических характеристик ландшафта пашни. Поэтому данное исследование сочеталo MSPA с зональными расчетами индексов ландшафтного рисунка. Исследования идентифицировали ядерные области с помощью MSPA при извлечении экологических источников и построении экологических сетей [34,35], но они редко различали ядерные области в контексте ландшафтной фрагментации. В данном исследовании наблюдались значительные вариации как в количестве, так и в размере ядерных областей пашни в разных регионах. Поэтому данное исследование категоризировало ядерные области пашни на основе их размера для облегчения анализа факторов, способствующих фрагментации. Дополнительно, в методе MSPA вариации в настройке параметров значительно влияют на морфологию и площадь признаков [36,37]. В данном исследовании была установлена единая ширина края, равная одному, чтобы максимизировать ядерную область.

Политические выводы данного исследования охватывают следующие пять ключевых областей: Во-первых, необходимо контролировать чрезмерное расширение застроенных земель с помощью научно обоснованного и рационального землеустройства. Путем определения границ городского развития, постоянных основных сельскохозяйственных угодий и красных линий экологической защиты можно строго ограничить неконтролируемое расширение застроенных земель, тем самым защищая ресурсы пашни. Во-вторых, правительство должно дополнительно улучшить свою политику защиты пахотных земель и обеспечить как качество, так и количество новых пахотных земель через политику «баланса изъятия и компенсации». Дополнительно, защита пашни должна быть интегрирована в критерии оценки эффективности местных органов власти, запрещая фрагментацию, вызванную произвольным захватом пашни. В-третьих, оптимизация планировки городских и сельских застроенных земель и смещение акцента городского развития с «расширения» на «интенсивное использование» может эффективно контролировать темпы расширения застроенных земель. Приоритет также должен отдаваться рекультивации земель под застройку, окруженных пашней или находящихся в неудобных местах, для достижения крупномасштабного управления. В-четвертых, улучшение эффективности землепользования, оптимизация планировки застроенных земель и минимизация занятия пашни являются необходимыми. Наконец, укрепление координации политик и предоставление технической поддержки лучше позволит оценивать и управлять влиянием расширения застроенных земель на пашню.

Несмотря на то, что данное исследование интегрировало несколько методов для анализа механизмов влияния расширения застроенных земель на пашню, важно признать его ограничения. Это исследование было сосредоточено на морфологических изменениях в изучении фрагментации пашни. Фрагментация пашни затрагивает множественные аспекты, такие как распределение ресурсов, пространственное распределение, эффективность использования и собственность [38,39]. В будущем анализ может быть проведен с нескольких точек зрения, таких как функция и качество пашни. В дополнение, национальные политики и пространственное планирование земель оказывают значительное влияние на будущие условия землепользования [40,41]. Будущие исследования могут установить прогнозные модели для расширения застроенных земель и фрагментации пашни, предоставляя более научные рекомендации для разработки политик и планирования.

В данном исследовании была построена схема для изучения влияния расширения застроенных земель на фрагментацию пашни с множественных точек зрения морфологии, статистики, пространственно-временных характеристик и ландшафтных рисунков. Результаты показали, что ядерная область пашни составляла преобладающий ландшафтный элемент; однако наблюдалась усиливающаяся тенденция к фрагментации, с разделением более крупных ядер на более мелкие. Застроенные земли имели значительный эффект перелива и были пространственно связаны с пашней. Расширение застроенных земель захватывало окружающие пахотные площади, приводя к уменьшению площади и нерегулярным формам последних, тем самым усиливая ландшафтную фрагментацию. Будущие исследования могут быть проведены на основе информации, полученной в этом исследовании, для разработки моделей прогнозирования будущих рисунков пашни и застроенных земель, чтобы предоставить предложения для разработки политик и планирования земельных ресурсов.

1. Deng, X.; Xu, X.; Cai, H.; Li, J. Assessment the impact of urban expansion on cropland net primary productivity in Northeast China. Ecol. Indic. 2024, 159, 111698. [Google Scholar] [CrossRef]

2. Zhang, X.; Song, W.; Lang, Y.; Feng, X.; Yuan, Q.; Wang, J. Land use changes in the coastal zone of China’s Hebei Province and the corresponding impacts on habitat quality. Land Use Policy 2020, 99, 104957. [Google Scholar] [CrossRef]

3. Wang, W.; Deng, X.; Wang, Y.; Peng, L.; Yu, Z. Impacts of infrastructure construction on ecosystem services in new-type urbanization area of North China Plain. Resour. Conserv. Recycl. 2022, 185, 106376. [Google Scholar] [CrossRef]

4. Wu, Y.; Shan, L.; Guo, Z.; Peng, Y. Cultivated land protection policies in China facing 2030: Dynamic balance system versus basic farmland zoning. Habitat Int. 2017, 69, 126–138. [Google Scholar] [CrossRef]

5. Guo, J.; Qin, Y.; Du, X.; Han, Z. Dynamic measurements and mechanisms of coastal port–city relationships based on the DCI model: Empirical evidence from China. Cities 2020, 96, 102440. [Google Scholar] [CrossRef]

6. Guo, J.; Qin, Y. Coupling characteristics of coastal ports and urban network systems based on flow space theory: Empirical evidence from China. Habitat Int. 2022, 126, 102624. [Google Scholar] [CrossRef]

7. Zhang, H.; Chen, M.; Liang, C. Urbanization of county in China: Spatial patterns and influencing factors. J. Geogr. Sci. 2022, 32, 1241–1260. [Google Scholar] [CrossRef]

8. Chen, Y.; Li, M.; Zhang, Z. Does the Rural Land Transfer Promote the Non-Grain Production of Cultivated Land in China? Land 2023, 12, 688. [Google Scholar] [CrossRef]

9. Zhou, Y.; Li, X.; Liu, Y. Cultivated land protection and rational use in China. Land Use Policy 2021, 106, 105454. [Google Scholar] [CrossRef]

10. Zhai, H.; Lv, C.; Liu, W.; Yang, C.; Fan, D.; Wang, Z.; Guan, Q. Understanding spatio-temporal patterns of land use/land cover change under urbanization in Wuhan, China, 2000–2019. Remote Sens. 2021, 13, 3331. [Google Scholar] [CrossRef]

11. Zhao, X.; Huang, G. Exploring the impact of landscape changes on runoff under climate change and urban development: Implications for landscape ecological engineering in the Yangmei River Basin. Ecol. Eng. 2022, 184, 106794. [Google Scholar] [CrossRef]

12. Zhang, M.; Chen, Q.; Zhang, K. Influence of the variation in rural population on farmland preservation in the rapid urbanization area of China. J. Geogr. Sci. 2021, 31, 1365–1380. [Google Scholar] [CrossRef]

13. Qian, F.; Chi, Y.; Lal, R.; Lorenz, K. Spatio-temporal characteristics of cultivated land fragmentation in different landform areas with a case study in Northeast China. Ecosyst. Health Sustain. 2020, 6, 1800415. [Google Scholar] [CrossRef]

14. Fu, F.; Deng, S.; Wu, D.; Liu, W.; Bai, Z. Research on the spatiotemporal evolution of land use landscape pattern in a county area based on CA-Markov model. Sustain. Cities Soc. 2022, 80, 103760. [Google Scholar] [CrossRef]

15. Su, S.; Jiang, Z.; Zhang, Q.; Zhang, Y. Transformation of agricultural landscapes under rapid urbanization: A threat to sustainability in Hang-Jia-Hu region, China. Appl. Geogr. 2011, 31, 439–449. [Google Scholar] [CrossRef]

16. Luo, Y.; Wang, Z.; Zhou, X.; Hu, C.; Li, J. Spatial-Temporal Driving Factors of Urban Landscape Changes in the Karst Mountainous Regions of Southwest China: A Case Study in Central Urban Area of Guiyang City. Sustainability 2022, 14, 8274. [Google Scholar] [CrossRef]

17. Velázquez, J.; Gutiérrez, J.; Hernando, A.; García-Abril, A. Evaluating landscape connectivity in fragmented habitats: Cantabrian capercaillie (Tetrao urogallus cantabricus) in northern Spain. For. Ecol. Manag. 2017, 389, 59–67. [Google Scholar] [CrossRef]

18. Lin, J.; Huang, C.; Wen, Y.; Liu, X. An assessment framework for improving protected areas based on morphological spatial pattern analysis and graph-based indicators. Ecol. Indic. 2021, 130, 108138. [Google Scholar] [CrossRef]

19. Riitters, K.H.; Vogt, P.; Soille, P.; Kozak, J.; Estreguil, C. Neutral model analysis of landscape patterns from mathematical morphology. Landsc. Ecol. 2007, 22, 1033–1043. [Google Scholar] [CrossRef]

20. Carlier, J.; Moran, J. Landscape typology and ecological connectivity assessment to inform Greenway design. Sci. Total Environ. 2019, 651, 3241–3252. [Google Scholar] [CrossRef]

21. Ferrari, B.; Quatrini, V.; Barbati, A.; Corona, P.; Masini, E.; Russo, D. Conservation and enhancement of the green infrastructure as a nature-based solution for Rome’s sustainable development. Urban Ecosyst. 2019, 22, 865–878. [Google Scholar] [CrossRef]

22. Shi, F.; Liu, S.; An, Y.; Sun, Y.; Dong, S.; Wu, X. Dynamic change of landscape fragmentation and connectivity in the context of urbanization: A case study of Kunming City. Acta Ecol. Sin. 2020, 40, 3303–3314. [Google Scholar]

23. Jiang, P.; Chen, D.; Li, M. Farmland landscape fragmentation evolution and its driving mechanism from rural to urban: A case study of Changzhou City. J. Rural. Stud. 2021, 82, 1–18. [Google Scholar]

24. Bi, S.; Dai, F.; Chen, M.; Xu, S. A new framework for analysis of the morphological spatial patterns of urban green space to reduce PM2. 5 pollution: A case study in Wuhan, China. Sustain. Cities Soc. 2022, 82, 103900. [Google Scholar] [CrossRef]

25. Saura, S.; Vogt, P.; Velázquez, J.; Hernando, A.; Tejera, R. Key structural forest connectors can be identified by combining landscape spatial pattern and network analyses. For. Ecol. Manag. 2011, 262, 150–160. [Google Scholar] [CrossRef]

26. Soille, P.; Vogt, P. Morphological segmentation of binary patterns. Pattern Recognit. Lett. 2008, 30, 456–459. [Google Scholar] [CrossRef]

27. Wang, Q.; Liu, S.; Liu, Y.; Wang, F.; Liu, H.; Yu, L. Effects of urban agglomeration and expansion on landscape connectivity in the river valley region, Qinghai-Tibet Plateau. Glob. Ecol. Conserv. 2022, 34, e02004. [Google Scholar] [CrossRef]

28. Jia, Y.; Tang, L.; Xu, M.; Yang, X. Landscape pattern indices for evaluating urban spatial morphology—A case study of Chinese cities. Ecol. Indic. 2019, 99, 27–37. [Google Scholar] [CrossRef]

29. Ma, L.; Bo, J.; Li, X.; Fang, F.; Cheng, W. Identifying key landscape pattern indices influencing the ecological security of inland river basin: The middle and lower reaches of Shule River Basin as an example. Sci. Total Environ. 2019, 674, 424–438. [Google Scholar] [CrossRef]

30. Mantyka-pringle, C.S.; Martin, T.G.; Rhodes, J.R. Interactions between climate and habitat loss effects on biodiversity: A systematic review and meta-analysis. Glob. Change Biol. 2012, 18, 1239–1252. [Google Scholar] [CrossRef]

31. Lyu, Y.; Wang, M.; Zou, Y.; Wu, C. Mapping trade-offs among urban fringe land use functions to accurately support spatial planning. Sci. Total Environ. 2022, 802, 149915. [Google Scholar] [CrossRef] [PubMed]

32. Bai, L.; Xiu, C.; Feng, X.; Liu, D. Influence of urbanization on regional habitat quality: A case study of Changchun City. Habitat Int. 2019, 93, 102042. [Google Scholar] [CrossRef]

33. Shi, Z.; Ma, L.; Zhang, W.; Gong, M. Differentiation and correlation of spatial pattern and multifunction in rural settlements considering topographic gradients: Evidence from Loess Hilly Region, China. J. Environ. Manag. 2022, 315, 115127. [Google Scholar] [CrossRef] [PubMed]

34. Li, Y.-Y.; Zhang, Y.-Z.; Jiang, Z.-Y.; Guo, C.-X.; Zhao, M.-Y.; Yang, Z.-G.; Guo, M.-Y.; Wu, B.-Y.; Chen, Q.-L. Integrating morphological spatial pattern analysis and the minimal cumulative resistance model to optimize urban ecological networks: A case study in Shenzhen City, China. Ecol. Process. 2021, 10, 63. [Google Scholar] [CrossRef]

35. Huang, K.; Peng, L.; Wang, X.; Deng, W. Integrating circuit theory and landscape pattern index to identify and optimize ecological networks: A case study of the Sichuan Basin, China. Environ. Sci. Pollut. Res. 2022, 29, 66874–66887. [Google Scholar] [CrossRef]

36. Ostapowicz, K.; Vogt, P.; Riitters, K.H.; Kozak, J.; Estreguil, C. Impact of scale on morphological spatial pattern of forest. Landsc. Ecol. 2008, 23, 1107–1117. [Google Scholar] [CrossRef]

37. Xu, L.; Yu, H.; Zhong, L. Evolution of the landscape pattern in the Xin’an River Basin and its response to tourism activities. Sci. Total Environ. 2023, 880, 163472. [Google Scholar] [CrossRef]

38. Xu, W.; Jin, X.; Liu, J.; Zhou, Y. Analysis of influencing factors of cultivated land fragmentation based on hierarchical linear model: A case study of Jiangsu Province, China. Land Use Policy 2021, 101, 105119. [Google Scholar] [CrossRef]

39. Fei, R.; Lin, Z.; Chunga, J. How land transfer affects agricultural land use efficiency: Evidence from China’s agricultural sector. Land Use Policy 2021, 103, 105300. [Google Scholar] [CrossRef]

40. Hurlimann, A.; Moosavi, S.; Browne, G.R. Urban planning policy must do more to integrate climate change adaptation and mitigation actions. Land Use Policy 2021, 101, 105188. [Google Scholar] [CrossRef]

41. Brown, G.; Sanders, S.; Reed, P. Using public participatory mapping to inform general land use planning and zoning. Landsc. Urban Plan. 2018, 177, 64–74. [Google Scholar] [CrossRef]

Yang X, Zheng X, Yu X. Quantifying and Mapping the Impact of Construction Land Expansion on Cultivated Land Fragmentation—A Case Study of Fuqing City, China. Agriculture. 2025; 15(2):184. https://doi.org/10.3390/agriculture15020184

Перевод статьи «Quantifying and Mapping the Impact of Construction Land Expansion on Cultivated Land Fragmentation—A Case Study of Fuqing City, China» авторов Yang X, Zheng X, Yu X., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык