EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 4: 661 - 672

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.390

生态与环境

1964—2020年毛乌素沙地新垦耕地和弃耕地空间格局变化及其对荒漠化的影响

  • 费兵强 , 1, 2 ,
  • 吴波 , 1, 2 ,
  • 殷婕 1, 2 ,
  • 董春媛 1, 2 ,
  • 马慧榕 1, 2 ,
  • 修晓敏 1, 2 ,
  • 贾晓红 1, 2 ,
  • 庞营军 1, 2 ,
  • 张平 3
展开
  • 1.中国林业科学研究院生态保护与修复研究所，北京 100091
  • 2.荒漠生态系统与全球变化国家林业和草原局重点实验室，北京 100091
  • 3.乌审旗林业和草原局，内蒙古 鄂尔多斯 017300
吴波（1968-），男，博士，研究员，主要从事景观生态学与荒漠化防治研究. E-mail:

费兵强（1991-），男，博士研究生，主要从事荒漠化监测与景观格局研究. E-mail:

收稿日期: 2024-06-25

  修回日期: 2024-08-19

  网络出版日期: 2026-03-11

基金资助

国家重点研发计划项目(2023YFF1305300)

国家自然科学基金项目(42371074)

中国林业科学研究院基本科研业务费专项(CAFYBB2023MB017)

收起

Changes in the spatial pattern of newly cultivated and abandoned farmland in the Mu Us Sandy Land from 1964 to 2020 and their impact on desertification

  • Bingqiang FEI , 1, 2 ,
  • Bo WU , 1, 2 ,
  • Jie YIN 1, 2 ,
  • Chunyuan DONG 1, 2 ,
  • Huirong MA 1, 2 ,
  • Xiaomin XIU 1, 2 ,
  • Xiaohong JIA 1, 2 ,
  • Yingjun PANG 1, 2 ,
  • Ping ZHANG 3
Expand
  • 1. Institute of Ecological Conservation and Restoration, Chinese Academy of Forestry, Beijing 100091, China
  • 2. Key Laboratory of Desert Ecosystem and Global Change, National Forestry and Grassland Administration, Beijing 100091, China
  • 3. Wushen Banner Forestry and Grassland Bureau, Erdos 017300, Inner Mongolia, China

Received date: 2024-06-25

  Revised date: 2024-08-19

  Online published: 2026-03-11

Fold

摘要

毛乌素沙地位于我国北方农牧交错带，生态环境非常脆弱。基于长时序多源遥感数据，分析了1964—2020年毛乌素沙地新垦耕地与弃耕地的空间格局变化及其对荒漠化的影响。结果显示：（1） 1964—2020年毛乌素沙地新垦耕地和弃耕地面积变化可分为3个阶段。1964—1986年新垦耕地和弃耕地面积均较大，年均弃耕地面积是1986—2020年的2.89倍；1986—2007年新垦耕地和弃耕地面积均较小并且相对稳定；2007—2020年新垦耕地面积增长迅速，年均新垦耕地面积是1964—2007年的3.24倍。（2） 新垦耕地和弃耕地表现出明显的空间分布差异。1964—1986年新垦耕地集中分布于沙地中部和西部，以及南部部分区域；1971—2010年新垦耕地只在沙地南部和东部区域局部出现；2010—2020年沙地南部和东部区域新垦耕地大幅度增加，2015年以来开垦强度有所降低。1964—1971年弃耕地集中分布于沙地东北部以及中部和南部部分区域，1971—1986年弃耕地在沙地南部分布比较集中，同时也散布于沙地东北部以及中部和西部部分区域；1986—2020年弃耕地面积大幅度减少，仅在沙地南缘和东部部分区域出现。（3） 1964—1986年毛乌素沙地的耕地弃耕使弃耕地及其周边区域发生了强烈的荒漠化；2010—2020年新垦耕地周边区域荒漠化土地并未出现扩张现象，但荒漠化程度存在加重趋势。耕地开垦和弃耕主要受政策因素驱动。近年来毛乌素沙地的大规模耕地开垦对其荒漠化的长期影响需要持续关注。

关键词： 新垦耕地; 弃耕地; 时空格局; 荒漠化; 毛乌素沙地

本文引用格式

费兵强 , 吴波 , 殷婕 , 董春媛 , 马慧榕 , 修晓敏 , 贾晓红 , 庞营军 , 张平 . 1964—2020年毛乌素沙地新垦耕地和弃耕地空间格局变化及其对荒漠化的影响[J]. 干旱区地理, 2025 , 48(4) : 661 -672 . DOI: 10.12118/j.issn.1000-6060.2024.390

Abstract

The Mu Us Sandy Land, located in the agro-pastoral ecotone of northern China, has a fragile ecological environment highly susceptible to agricultural development. This study employs long-term multivariate remote sensing data to analyze the spatio-temporal patterns of newly cultivated and abandoned farmland in the region from 1964 to 2020 and their subsequent impacts on desertification. The results indicate that (1) From 1964 to 2020, changes in the area of newly cultivated and abandoned farmland in the Mu Us Sandy Land can be categorized into three stages. Between 1964 and 1986, the extent of both newly cultivated and abandoned farmland was relatively high, with abandoned farmland significantly exceeding other periods. The average annual abandoned farmland area was 2.89 times that of 1986—2020, and newly cultivated farmland in pastoral areas was notably greater than that in agricultural areas. Between 1986 and 2007, both newly cultivated and abandoned farmland remained relatively low and stable, with newly cultivated farmland slightly exceeding abandoned farmland. From 2007 to 2020, the area of newly cultivated farmland expanded rapidly, with an average annual increase 3.24 times that of 1964—2007, while the abandoned farmland area remained relatively low. (2) Significant spatial and temporal differences exist between newly cultivated and abandoned farmland. From 1964 to 1986, newly cultivated farmland hotspots were widely distributed in the pastoral areas of central and western Mu Us Sandy Land. Between 1971 and 1986, a few concentrated cultivation hotspots emerged in the agricultural areas of eastern Mu Us Sandy Land. From 2007 to 2020, newly cultivated farmland hotspots were mainly concentrated in the east, central agricultural areas, and the southern region. (3) Between 1964 and 1986, large-scale farmland cultivation and abandonment, driven by policy factors, led to severe land desertification in the Mu Us Sandy Land. The area of fixed sandy land surrounding abandoned farmland decreased by 99.9%, while the area of shifting sandy land increased by 358.2%. From 2007 to 2020, no significant trend of desertification was observed around newly cultivated farmland; however, the degree of desertification surrounding newly cultivated farmland showed an increasing trend. Future agricultural and animal husbandry management policies, as well as desertification prevention and control plans, should carefully balance agricultural development with the preservation of fragile sandy ecosystems. Additionally, attention should be given to the potential desertification risks associated with land reclamation and abandonment.

Key words： newly cultivated farmland; abandoned farmland; spatio-temporal pattern; desertification; Mu Us Sandy Land

土地利用变化是全球环境变化的重要表现之一，受气候变化、人类活动和社会经济发展共同驱动，极大地影响着生态系统服务和重要生态过程[1-2]。近20 a来，为改善生态环境、促进农业结构调整，我国政府实施退耕还林还草政策使北方许多生态脆弱区的耕地被恢复为林地或草地[3-4]。随着人口日益增加，为满足不断上升的粮食需要，北方农牧交错带、荒漠-绿洲过渡带等区域的耕地呈扩张趋势，与之伴随的则是由于耕作条件丧失和政策因素导致的弃耕行为较为突出[5⇓-7]。农牧交错带作为全球生态最脆弱的区域之一，开垦和弃耕活动会改变地表土壤风蚀条件、增加地下水消耗，使荒漠化程度加剧[8-9]。已有研究表明，在北方农牧交错带，当草地、灌丛地被开垦为耕地后会造成土壤养分流失、冬春季土壤风蚀量急剧增加[10⇓-12]，弃耕后植被的自然恢复和土壤性质的改善也较为缓慢[13-14]。因此，开垦和弃耕行为均会对农牧交错带的生态环境造成不同程度的影响。
遥感技术能够提供多尺度、长时序的空间数据及其分析方法，遥感技术的蓬勃发展为区域尺度上长期、连续的土地利用/覆盖动态监测提供了可能。毛乌素沙地位于北方农牧交错带西部，地表景观以梁-滩平行相间分布为特色[15-16]，梁地植被主要由呈斑块状分布的沙生灌丛植被组成，表现为固定、半固定和流动沙地镶嵌分布，滩地因地下水位埋深较浅多分布草甸或杂类草草地。近年来，大面积的分布于滩地的草地或分布于梁地的固定、半固定沙地被开垦为耕地，同时弃耕现象也较为普遍[8,17]，导致土壤风蚀加剧[8]，发生荒漠化的风险大大增加。近年来，许多学者采用长时间序列多源遥感数据开展区域尺度的耕地时空格局变化研究，探讨土地利用变化对生态环境的影响[18⇓⇓⇓-22]，但目前毛乌素沙地已有的土地利用/覆盖数据不能反映新垦耕地与弃耕地的分布及其格局变化[10-11]。
本文以毛乌素沙地为研究区，使用长时间序列的多源遥感数据，定量分析自20世纪60年代以来新垦耕地与弃耕地的时空格局变化，并在此基础上阐明其对毛乌素沙地荒漠化的影响，以期为揭示我国北方农牧交错带开垦与弃耕对荒漠化的驱动机制及制定科学的沙地保护策略提供科学依据。

1 研究区概况

毛乌素沙地位于鄂尔多斯高原东南部，整体处于黄河“几字弯”内部，其北部和西部为剥蚀高地，东部和南部向黄土高原过渡，地理位置介于37°27′30″~39°22′30″N，107°20′00″~111°30′00″E之间，总面积约为38000 km2；地势整体西北高、东南低，海拔900~1600 m[23]。气候属于典型的温带大陆性半干旱气候，多年平均气温为6.8~9.2 ℃，年降水量约250~440 mm，年蒸发量为1800~2500 mm。土壤类型以地带性的栗钙土和非地带性的风沙土为主。在行政区划上，毛乌素沙地大部分位于内蒙古自治区鄂尔多斯市和陕西省榆林市，仅西南部小部分位于宁夏回族自治区盐池县。根据土地利用方式和土地管理政策等方面的差异，毛乌素沙地可以划分为牧业区和农业区2个区域。属于鄂尔多斯市的区域土地利用方式以牧业为主，划分为牧业区；属于榆林市和盐池县的区域土地利用方式以种植业为主，划分为农业区（图1）。
图1 研究区概况图

Fig. 1 Overview of the Mu Us Sandy Land

2 数据与方法

2.1 数据来源

本研究使用了已解密的美国军事卫星影像及Landsat卫星影像，均获取自美国地质调查局（USGS）网站（https://earthexplorer.usgs.gov/）。其中包括1963/1964/1971年共3期黑白全色ARGON/CORONA卫星影像和1986—2020年共8期Landsat卫星多光谱影像数据产品，具体信息如表1所示。
表1 影像数据详细信息

Tab. 1 Information of the images

时间（年-月） 类型 数量/景 分辨率/m 传感器
1963-06
1964-08		 全色 1 140 ARGON
全色 16 4 CORONA
1971-10 全色 23 4 CORONA
1986-08 多光谱 4 30 TM
1992-08 多光谱 4 30 TM
1999-08 多光谱 4 30 TM
2003-08 多光谱 4 30 TM
2007-09 多光谱 4 30 TM
2010-08 多光谱 4 30 TM
2015-09 多光谱 4 30 OLI
2020-08 多光谱 4 30 OLI

2.2 耕地信息提取与精度验证

2.2.1 耕地信息提取

1964年和1971年的CORONA影像采用目视解译方法进行耕地信息提取。毛乌素沙地农业区耕地多集中于平坦滩地的村庄周边和河道附近，具有较规则的边界特征；牧业区的耕地分布则较为分散，以牧户房屋周边小斑块散布为主。在黑白全色影像上，耕地形态特征呈现为有规则边界，内部颜色和纹理均一，较少见波纹（流沙）和不规则斑块特征。依据上述特征，对1964年和1971年2期黑白全色影像进行人机交互目视解译。初步解译完成后，为减少遗漏和错分，将研究区分割为10 km×10 km网格，进行逐网格人工重新判读、识别并修改遗漏和错分耕地斑块。最后，经过多次交叉解译验证，得到1964年和1971年毛乌素沙地耕地斑块分布图。
使用随机森林算法对1986—2020年8期Landsat卫星影像进行耕地信息提取。在研究区不同位置尽可能多地圈定容易确认的不同形状、大小的耕地斑块并勾绘斑块边界，然后将已勾绘的耕地斑块作为训练样本输入随机森林模型，并对相应年份的影像进行解译，得到1986—2020年不同时期耕地斑块分布图。

2.2.2 精度验证

对于CORONA影像，获取验证点的方式是让独立专家在不参考分类结果的前提下，分别在2个时期的影像上依据耕地影像特征，选择其认为是耕地的点并记录，且尽可能在不同区域均选择一定数量验证点。最终，由3位独立专家共确定1964年耕地验证点237个、1971年耕地验证点205个。基于Landsat影像的耕地提取均使用随机森林算法，故只针对2020年的耕地解译结果进行了验证。2020年9月和2022年8月进行野外调查，现场确定了共141个真实耕地验证点，同时借助谷歌地球高分辨率影像在远离公路区域确定了200个耕地验证点，共计341个耕地验证点（图2）。
图2 耕地解译结果精度验证点分布

Fig. 2 Distribution of accuracy verification points of farmland interpretation results

使用总体精度（Overall accuracy，OA）和Kappa系数评价耕地解译精度。OA用于评价解译结果与耕地验证点的拟合程度，数值区间为[0,1]，OA越大表明拟合程度越好；Kappa系数是衡量分类精度的指标，数值区间为[-1, 1]，通常大于0，Kappa系数越大表示分类精度越高。
O A = ∑ i = 1 k x i i x
K a p p a = x ∑ i = 1 k x i i - ∑ i = 1 k x i + x + i x 2 - ∑ i = 1 k x i + x + i
式中： x为总样本数； x i i为第 i类样本被正确分类为第 i类的数量； k为参与分类评价的总样本数； x i +为分类结果中 i的样本总数； x + i为参考数据中第 i类的样本总数。
验证结果显示，耕地提取结果的OA均在0.9以上，Kappa系数也均达到较高水平（表2），表明分类结果具有较高的可靠性，能够满足研究需要。
表2 耕地提取精度验证结果

Tab. 2 Accuracy verification results of farmland extraction

影像类型 解译方法 年份 OA Kappa
CORONA 目视解译 1964 0.97 0.95
CORONA 目视解译 1971 0.92 0.87
Landsat 随机森林 2020 0.93 0.78

注：OA为总体精度。

2.2.3 新垦耕地与弃耕地的提取方法

本研究中，新垦耕地定义为在上一期影像中没有出现、但在下一期影像中新出现的耕地，包括了新出现的独立耕地斑块，以及在已有耕地斑块基础上扩张的区域。与之相反，弃耕地定义为在上一期影像中存在、但在下一期影像中消失的耕地斑块，包括了独立耕地斑块不再具有耕地形态特征，以及已有耕地斑块的缩小区域。通过对前后2期的耕地分布图进行GIS空间叠加分析，得到1964—2020年毛乌素沙地新垦耕地和弃耕地的时空分布。

2.3 核密度分析

核密度分析是一种用于估计数据分布的非参数统计方法，它通过核函数计算点或线要素在指定邻域搜索半径内的密度值，从而实现空间聚集程度及位置的可视化表达[24]。核密度可以显示新垦耕地和弃耕地在空间上的聚集程度，揭示其空间分布规律。核密度的计算公式如下：
D = 3 × ( 1 - s c   a l e 2 ) 2 Π r 2
式中：D为核密度；r为搜索半径；scale为栅格中心点到对象的距离与搜索半径的比值。

2.4 荒漠化差值指数计算及荒漠化土地分类

本研究构建荒漠化差值指数（Desertification difference index，DDI），对毛乌素沙地不同时期的荒漠化土地进行分类。“植被指数-土壤亮度指数”特征空间可以有效反映区域荒漠化程度，特征空间垂直方向拟合的二元表达式可区分不同荒漠化程度[25]，在此基础上构建DDI（图3）。
图3 土壤亮度和植被指数构成的三角特征空间

Fig. 3 Triangular feature space composed of soil brightness and vegetation index

DDI可以综合体现荒漠化土地的植被覆盖、地表裸露与水热状况。DDI的计算公式如下：
D D I = a × V I - S B I
式中：DDI为荒漠化差值指数；VI为植被指数；SBI为土壤亮度指数；参数a可以由VI-SBI特征空间拟合的表达式斜率来确定，a与斜率互为倒数关系，即：
a = - 1 k
本研究计算了归一化植被指数（NDVI）、增强型植被指数（EVI）、土壤调节植被指数（SAVI）和修正的土壤调节植被指数（MSAVI）4种植被指数，同时基于Landsat影像经缨帽变换后的亮度分量计算了土壤亮度指数（SBI）。参考已有的研究[25-26]，并对VI与SBI进行特征空间匹配，最终确定在所有组合中SAVI-SBI的组合方式在对荒漠化土地进行分类时体现出最好的一致性和区分度。
DDI是像元级的荒漠化量化结果，需要进一步对荒漠化进行程度划分。为使不同传感器获取的影像荒漠化程度划分标准保持一致，本研究使用高分辨率CORONA影像（1964-08，4 m）、WorldView影像（2010-08，0.5 m）以及无人机航测高分辨率正射影像（2020-08，5 cm）分别提取ARGON影像（1963）、Landsat TM影像（2010）和Landsat OLI影像（2020）对应年份的地表真实植被覆盖度，不同荒漠化程度的划分标准为：固定沙地（FVC≥30%）、半固定沙地（10%≤FVC<30%）以及流动沙地（FVC<10%）。最终共获得了不同传感器类型影像的地表真实荒漠化程度验证点500个。随后将真实荒漠化程度的验证点与对应年份的DDI结果进行空间叠加并统计不同荒漠化程度的DDI频率区间，便可获得不同荒漠化程度在DDI阈值，可通过阈值分割的方式获得对应年份的荒漠化程度分类结果。需要注意的是，1963年的ARGON影像由于仅有一个全色波段，因此使用其亮度代替DDI，1986—2010年DDI均基于TM影像计算而来，所以这期间荒漠化程度划分统一使用2010年验证得到的DDI阈值，同理，2015年使用与2020年相同的阈值。

3 结果与分析

3.1 新垦耕地和弃耕地的面积变化

通过影像解译和空间分析，得到了1964—2020年共9个时期毛乌素沙地牧业区和农业区新垦耕地和弃耕地的面积变化情况（表3）。图4通过不同时期新垦耕地和弃耕地年均面积变化，清晰展示了二者的变化趋势。1964—2020年牧业区和农业区的新垦耕地面积分别增加了3493.9 hm2·a-1和3381.1 hm2·a-1，弃耕地面积分别增加了1997.8 hm2·a-1和1883.2 hm2·a-1。总体来看，毛乌素沙地1964—2020年新垦耕地和弃耕地面积变化可以划分为3个阶段，即1964—1986年、1986—2007年和2007—2020年。
表3 不同时期农业区和牧业区新垦耕地和弃耕地面积及其占耕地总面积百分比

Tab. 3 Area of newly cultivated and abandoned farmland in agricultural and pastoral areas during different periods, as well as their percentages in the total cultivated farmland area

年份 新垦耕地 弃耕地
牧业区/hm2 占比/% 农业区/hm2 占比/% 牧业区/hm2 占比/% 农业区/hm2 占比/%
1964—1971 40191 39.3 19997 12.9 26262 28.3 28372 17.3
1971—1986 23087 30.6 19090 15.3 41361 40.5 45600 29.3
1986—1992 8126 10.1 19085 13.8 4908 6.5 3018 2.4
1992—1999 6600 8.3 9291 6.4 5832 7.3 3579 2.6
1999—2003 12649 14.7 12530 8.2 5724 7.2 5617 3.9
2003—2007 11154 12.4 12619 8.1 7630 8.9 10031 6.5
2007—2010 12288 12.3 22677 12.8 2676 3.0 2491 1.6
2010—2015 49780 34.2 43457 20.7 5548 5.6 7071 4.0
2015—2020 31785 18.4 30597 13.1 5514 3.8 6096 2.9

注：表中某一时期新垦耕地占耕地总面积的百分比是当期新垦耕地面积占当期末耕地总面积的百分比；某一时期弃耕地占耕地总面积的百分比是当期弃耕地面积占当期初耕地总面积的百分比。表中比例显示的是新垦耕地和弃耕地占各时期耕地总面积百分比，因此百分比总和不是100%。

图4 1964—2020年毛乌素沙地新垦耕地和弃耕地年均面积变化

Fig. 4 Annual average area of newly cultivated and abandoned farmland in Mu Us Sandy Land from 1964 to 2020

可以发现，1964—1986年新垦耕地和弃耕地面积均表现出相对活跃的状态，尤其牧业区更为明显（图4）。牧业区新垦耕地面积从1964—1971年的5741.6 hm2·a-1下降至1971—1986年的1539.1 hm2·a-1，分别为1964—2020年牧业区年均新垦耕地面积的164.3%和44.1%；农业区新垦耕地面积则从2856.7 hm2·a-1下降至1272.7 hm2·a-1，分别为1964—2020年农业区年均新垦耕地面积的84.5%和37.6%。1964—1971年牧业区和农业区弃耕地面积高达4053.1 hm2·a-1和3751.7 hm2·a-1，分别为1964—2020年牧业区和农业区年均弃耕地面积的202.9%和199.2%，1971—1986年虽有所降低，但依然高于平均水平，分别为1964—2020年牧业区和农业区年均弃耕地面积的152.2%和146.4%。1964—1986年毛乌素沙地累计弃耕地面积达3.54×104 hm2，占沙地总面积的3.7%，年均弃耕地面积显著大于其他时期，是1986—2020年均弃耕地面积的2.89倍。在1964—1971年和1971—1986年2个时期，牧业区新垦耕地占其耕地总面积的比例分别为39.3%和30.6%，农业区分别为12.9%和15.3%；牧业区弃耕地占其耕地总面积的比例分别为28.3%和40.5%，农业区分别为17.3%和29.3%。
1986—2007年新垦耕地和弃耕地面积总体保持较低水平小幅波动变化，且新垦耕地面积总体上大于弃耕地面积。牧业区和农业区新垦耕地面积分别为1834.7 hm2·a-1和2548.8 hm2·a-1，弃耕地面积分别为1047.4 hm2·a-1和1059.3 hm2·a-1，均小于1964—2020年牧业区和农业区新垦耕地和弃耕地面积的年均值。1986—2007年牧业区和农业区新垦耕地占其耕地总面积的比例分别为11.4%和9.1%，弃耕地占其耕地总面积的比例分别为7.5%和3.9%。
2007—2020年毛乌素沙地牧业区和农业区的新垦耕地呈现快速增长的特征。这期间，牧业区和农业区新垦耕地面积分别为6802.9 hm2·a-1和7456.6 hm2·a-1，分别为1964—2020年牧业区和农业区年均新垦耕地面积的194.7%和220.5%，明显高于平均水平。牧业区和农业区的弃耕地面积则维持在较低水平，分别为1034.8 hm2·a-1和1154.5 hm2·a-1，分别为1964—2020年牧业区和农业区年均弃耕地面积的51.8%和61.3%，显著低于平均水平。2007—2020年，毛乌素沙地累计新垦耕地19.06×104 hm2，占沙地总面积的5.0%，是1964—2007年累计新垦耕地面积的3.24倍。2007—2010年、2010—2015年以及2015—2020年3个时期，牧业区新垦耕地占其耕地总面积的比例分别为12.3%、34.2%和18.4%，农业区则分别为12.8%、20.7%和13.1%；这3个时期，牧业区弃耕地占其耕地总面积的比例分别为3.0%、5.6%和3.8%，农业区分别为1.6%、4.0%和2.9%。

3.2 新垦耕地和弃耕地的空间格局变化

3.2.1 新垦耕地的空间格局变化

1964—2020年毛乌素沙地新垦耕地的核密度空间分布格局变化明显（图5）。1964—1971年新垦耕地集中于沙地中部和西部的乌审旗、鄂托克旗和鄂托克前旗以及沙地南部的定边县，且沙地中部和西部以斑点状分布为主，而沙地南部以成片分布为主。1971—2010年鄂尔多斯市境内耕地开垦大大减少，主要出现在沙地东部和南部的榆林市境内，部分时期乌审旗南部也有耕地开垦现象。2010—2015年沙地南部和东部区域出现耕地开垦高潮，热点区域包括定边县、靖边县、鄂托克前旗和乌审旗南部以及榆阳区西部，2015—2020年基本上延续前一时期变化趋势，但强度有所降低。
图5 1964—2020年毛乌素沙地新垦耕地核密度时空分布

Fig. 5 Kernel density spatio-temporal distributions of newly cultivated farmland in Mu Us Sandy Land from 1964 to 2020

3.2.2 弃耕地的空间格局变化

由图6可见，1964—1986年是毛乌素沙地弃耕地面积变化最剧烈的时期。1964—1971年弃耕地集中分布在东北部的神木市和伊金霍洛旗，点状分布在沙地中部和南部区域，1971—1986年南部的盐池县、定边县和靖边县弃耕地分布比较集中，同时鄂托克前旗、鄂托克旗、乌审旗、神木市以及伊金霍洛旗以点状形式出现了许多弃耕地分布。1986年以来的近40 a间，整个沙地的弃耕地面积大幅度减少，仅在某些时期在沙地南缘和东部部分地区出现弃耕现象。
图6 1964—2020年毛乌素沙地弃耕地核密度时空分布

Fig. 6 Kernel density spatio-temporal distributions of abandoned farmland in Mu Us Sandy Land from 1964 to 2020

3.3 耕地开垦和弃耕对荒漠化的影响

3.3.1 耕地弃耕对荒漠化的影响

采用空间分析方法得到1964—1971年和1971—1986年2个时期弃耕地的空间分布图，并对弃耕地斑块建立了向外200 m的缓冲区，分别统计了这2个时期弃耕地斑块及其200 m缓冲区内1956年和1986年荒漠化土地的面积（图7a）。1956年毛乌素沙地荒漠化土地面积数据采用吴波等[16]利用1956年航片解译结果。
图7 不同时期新垦耕地和弃耕地及其200 m缓冲区内荒漠化土地类型的面积变化

Fig. 7 Area changes of desertified land types in newly cultivated and abandoned farmland and their 200 m buffer zones in different periods

1956年弃耕地斑块及其200 m缓冲区内固定沙地、半固定沙地和流动沙地的面积分别为1504.9 km2、1300.4 km2和414.7 km2，固定沙地和半固定沙地占主导地位；1986年弃耕地斑块及其200 m缓冲区内的固定沙地、半固定沙地和流动沙地的面积分别为0.6 km2、548.0 km2和1900.5 km2，固定沙地面积减少了99.9%，半固定沙地面积减少了57.9%，而流动沙地面积则增加了358.2%。因此，弃耕后，弃耕地及其周边区域发生了强烈的荒漠化。

3.3.2 耕地开垦对荒漠化的影响

2010—2020年是毛乌素沙地新一轮耕地开垦的高峰时段（图4），所以我们重点关注这一时期耕地开垦对荒漠化的影响。基于2010—2020年新垦耕地斑块分布图，对新垦耕地斑块建立了向外200 m缓冲区，并分别统计缓冲区内2010年和2020年（耕地开垦前后）不同荒漠化土地类型的面积（图7b）。通过调查发现，2010—2020年毛乌素沙地的新垦耕地被划分为3种类型，即牧民在定居点附近开垦的斑点状扩张类型、大规模集约化开发的片状开垦类型和已有大片耕地扩张的片状蔓延类型。为更细致反映新垦耕地周边荒漠化的变化，以3种类型新垦耕地斑块边界为起点向外建立200 m缓冲区，并统计缓冲区内DDI变化情况（图8）。
图8 2010—2020年新垦耕地200 m缓冲区内的DDI趋势

Fig. 8 DDI trend of the 200 m buffer zones of newly cultivated farmland from 2010 to 2020

2010年缓冲区内固定、半固定和流动沙地的面积分别为1095.3 km2、1633.4 km2和305.8 km2，2020年其面积分别为1159.2 km2、1514.9 km2和100.9 km2。可以发现，固定沙地面积增加了5.8%，半固定沙地面积减少了7.3%，流动沙地面积减少了67.0%（图7b）。从荒漠化土地面积变化看，2010—2020年新垦耕地周边区域荒漠化土地并未出现扩张现象。但从荒漠化差值指数看，2010—2020年新垦耕地斑块缓冲区内DDI呈上升趋势（图8），即新垦耕地周边区域荒漠化存在加重趋势。

4 讨论

耕地作为完全以人为主导的土地利用类型，其变化受土地管理措施或政策影响极为明显[27-28]。通过查阅《伊克昭盟志》《乌审旗林业志》和《乌审旗农牧业志》等文献资料发现，在社会经济和土地利用政策（农业合作社、大跃进和人民公社化等）的推动下，鄂尔多斯地区在20世纪50—70年代曾经发生了3次大规模的草场开垦活动，大面积的滩地和梁地草场被开垦成耕地，但由于水肥不足、生产方式落后和缺少防护林带等原因，这些新开垦耕地在短暂耕作几年后就由于土壤肥力耗尽、风沙侵害严重等问题而被迫弃耕[29]，过度开垦造成沙地生态环境的剧烈变化[30⇓⇓⇓-34]。1964—1986年毛乌素沙地新垦耕地和弃耕地面积剧烈变化主要是由这一时期政策驱动所致。
毛乌素沙地南部和东部是传统农业区，随着近年来基础设施建设和城市化的推进，其他区域被侵占的耕地通过耕地“占补平衡”政策在本地区得到补充[33]。《陕西省土地利用总体规划（2006—2020）》显示，陕北地区沿古长城分布的风沙滩地区域（毛乌素沙地南部）虽然仅占陕西省国土总面积的7.9%，但在规划中却承担了该省新增耕地面积的27.5%。分析结果显示，2007—2020年毛乌素沙地农业区的新垦耕地面积增加了9.67×104 hm2，占1964年以来农业区新垦耕地面积的51.1%，政策因素是导致该地区耕地面积快速扩张的主要因素。与此同时，毛乌素沙地牧业区的新垦耕地面积也增加了9.39×104 hm2，新垦耕地主要以牧民在定居点附近开垦的饲料地为主，面积扩张主要受到牛羊肉价格持续上涨等因素的驱动[34-35]，这种由市场驱动的耕地扩张在全球其他地区也有发生[36]。政府的乡村基础设施建设，如“村村通公路”，牧区“户户通电”等工程促进了牧业区基础设施的改善，为农业机械的普及提供了便利，大型喷灌机得以广泛使用，使牧民的劳动生产率大大提高，客观上促进了耕地开垦。
干旱区的农业扩张加剧了水资源消耗[37]，毛乌素沙地在2007—2020年新开垦了19.06×104 hm2的耕地，且这些新垦耕地多以集中连片的“喷灌圈”组团形式出现，其灌溉水源主要靠直接抽取的地下水供给，使得区域水资源供需矛盾更加突出，受到全球的广泛关注[37-38]。尽管毛乌素沙地新一轮的耕地开垦尚未造成荒漠化的显著扩展，但新垦耕地周边区域DDI的持续上升显示存在荒漠化风险。毛乌素沙地作为我国荒漠化治理与生态恢复最成功的典范，未来应该特别关注自然与社会经济的协调发展和可持续开发，进一步巩固已有的荒漠化治理成果，要坚持以水定绿、以水定地、以水定产，生态修复和农业开发应该综合考虑区域水资源承载力。

5 结论

（1） 1964—2020年毛乌素沙地的新垦耕地和弃耕地面积变化可以划分为3个阶段。1964—1986年新垦耕地和弃耕地面积均较大，尤其弃耕地面积明显大于其他时期，年均弃耕面积是1986—2020年的2.89倍，并且牧业区的新垦耕地面积显著大于农业区；1986—2007年新垦耕地和弃耕地面积均较小并且相对稳定；2007—2020年新垦耕地面积增长迅速，年均新垦耕地面积是1964—2007年的3.24倍。
（2） 不同时期，毛乌素沙地的新垦耕地和弃耕地表现出明显的空间分布差异。1964—1971年新垦耕地集中分布于沙地中部和西部牧业区，以及南部部分农业区；1971—2010年新垦耕地只在沙地南部和东部农业区局部出现；2010—2020年沙地南部和东部区域新垦耕地大幅度增加，2015年以来，开垦强度有所降低。1964—1971年弃耕地集中分布于沙地东北部以及中部和南部部分区域，1971—1986年弃耕地在沙地南部分布比较集中，同时也散布于沙地东北部以及中部和西部部分区域。1986—2020年弃耕地面积大幅度减少，仅在沙地南缘和东部部分地区出现。
（3） 1964—1986年毛乌素沙地的耕地弃耕使弃耕地及其周边区域发生了强烈的荒漠化；2010—2020年新垦耕地周边区域荒漠化土地并未出现扩张现象，荒漠化程度存在加重趋势。耕地开垦和弃耕主要受政策因素驱动。近些年来毛乌素沙地的大规模耕地开垦对荒漠化的长期影响需要持续关注。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Cai G, Xiong J, Wen L, et al. Predicting the ecosystem service values and constructing ecological security patterns in future changing land use patterns[J]. Ecological Indicators, 2023, 154: 110787, doi: 10.1016/j.ecolind.2023.110787.

[2]
Liu W, Yan Y, Wang D, et al. Integrate carbon dynamics models for assessing the impact of land use intervention on carbon sequestration ecosystem service[J]. Ecological Indicators, 2018, 91: 268-277.

[3]
Li C, Fu B, Wang S, et al. Drivers and impacts of changes in China’s drylands[J]. Nature Reviews Earth & Environment, 2021, 2(12): 858-873.

[4]
Yang X, Li H, Conacher A. Large-scale controls on the development of sand seas in northern China[J]. Quaternary International, 2012, 250: 74-83.

[5]
Ye J, Hu Y, Feng Z, et al. Monitoring of cropland abandonment and land reclamation in the farming-pastoral zone of northern China[J]. Remote Sensing, 2024, 16(6): 1089, doi: 10.3390/rs16061089.

[6]
Xu E, Zhang H, Xu Y. Exploring land reclamation history: Soil organic carbon sequestration due to dramatic oasis agriculture expansion in arid region of northwest China[J]. Ecological Indicators, 2020, 108: 105746, doi: 10.1016/j.ecolind.2019.105746.

[7]
Jian Y, Liu Z, Gong J. Response of landscape dynamics to socio-economic development and biophysical setting across the farming-pastoral ecotone of northern China and its implications for regional sustainable land management[J]. Land Use Policy, 2022, 122: 106354, doi: 10.1016/j.landusepol.2022.106354.

[8]
Liu X, Du H, Li S, et al. Dynamics of soil wind erosion in the Mu Us Sandy Land (in northern China) affected by cropland reclamation from 2000 to 2020[J]. Ecological Indicators, 2023, 154: 110717, doi: 10.1016/j.ecolind.2023.110717.

[9]
周炎广, 武子丰, 胡日娜, 等. 毛乌素沙地新垦地土壤风蚀特征[J]. 农业工程学报, 2020, 36(1): 138-147.

[Zhou Yanguang, Wu Zifeng, Hu Rina, et al. Characteristics of soil wind erosion in new reclaimation land of Mu Us Sandy Land, China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(1): 138-147.]

[10]
原晋涛, 陈万旭, 曾杰. 中国耕地利用变化时空分异特征及对耕地NPP的影响[J]. 自然资源学报, 2023, 38(12): 3135-3149.

DOI

[Yuan Jintao, Chen Wanxu, Zeng Jie. Spatio-temporal differentiation of cropland use change and its impact on cropland NPP in China[J]. Journal of Natural Resources, 2023, 38(12): 3135-3149.]

DOI

[11]
刘纪远, 宁佳, 匡文慧, 等. 2010—2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789-802.

DOI

[Liu Jiyuan, Ning Jia, Kuang Wenhui, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010—2015[J]. Acta Geographica Sinica, 2018, 73(5): 789-802.]

DOI

[12]
刘目兴, 刘连友. 农田休闲期作物留茬对近地表风场的影响[J]. 农业工程学报, 2009, 25(9): 295-300.

[Liu Muxing, Liu Lianyou. Effect of crop stubble on wind field above field surface during fallow period of cropland[J]. Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(9): 295-300.]

[13]
乌云嘎, 郑佳华, 李邵宇, 等. 阴山北麓农牧交错区不同弃耕演替时期土壤质量评价[J]. 草业科学, 2024, 41(3): 548-560.

[Wuyunga, Zheng Jiahua, Li Shaoyu, et al. Evaluation of soil quality in different succession periods of abandoned tillage in the agro-pastoral interlaced area at the northern foot of the Yinshan Mountains[J]. Pratacultural Science, 2024, 41(3): 548-560.]

[14]
Yüksek T, Yüksek F. The effects of restoration on soil properties in degraded land in the semi-arid region of Turkey[J]. Catena, 2011, 84(1-2): 47-53.

[15]
李森, 王涛, 颜长珍. 1965—2015年毛乌素沙地人类活动强度时空变化研究[J]. 兰州大学学报(自然科学版), 2021, 57(3): 330-337.

[Li Sen, Wang Tao, Yan Changzhen. Spatial-temporal evolution of human activity intensity in the Mu Us Sandy Land from 1965 to 2015[J]. Journal of Lanzhou University (Natural Sciences Edition), 2021, 57(3): 330-337.]

[16]
吴波. 沙质荒漠化土地景观分类与制图——以毛乌素沙地为例[J]. 植物生态学报, 2000, 24(1): 52-57.

[Wu Bo. Landscape classification and cartography of sandy desertified land: A case study in the Mu Us Sandy Land[J]. Chinese Journal of Plant Ecology, 2000, 24(1): 52-57.]

[17]
Peng Y, Xiao Y, Fu Z, et al. Precision irrigation perspectives on the sustainable water-saving of field crop production in China: Water demand prediction and irrigation scheme optimization[J]. Journal of Cleaner Production, 2019, 230: 365-377.

[18]
米胜渊, 谭雪兰, 谭杰扬, 等. 近30年来洞庭湖地区水稻种植面积演变的影响因素分析[J]. 自然资源学报, 2020, 35(10): 2499-2510.

DOI

[Mi Shengyuan, Tan Xuelan, Tan Jieyang, et al. Analysis on influencing factors of rice acreage evolution in Dongting Lake area in recent 30 years[J]. Journal of Natural Resources, 2020, 35(10): 2499-2510.]

DOI

[19]
陈航, 谭永忠, 邓欣雨, 等. 撂荒耕地信息获取方法研究进展与展望[J]. 农业工程学报, 2020, 36(23): 258-268.

[Chen Hang, Tan Yongzhong, Deng Xinyu, et al. Progress and prospects on information acquisition methods of abandoned farmland[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(23): 258-268.]

[20]
陶泽涪, 王世清, 孙丕苓, 等. 中国北方农牧交错带耕地时空分异及驱动因素[J]. 干旱区地理, 2022, 45(1): 153-163.

DOI

[Tao Zefu, Wang Shiqing, Sun Piling, et al. Spatio-temporal differentiation and driving factors of cropland in the agro-pastoral ecotone of northern China[J]. Arid Land Geography, 2022, 45(1): 153-163.]

DOI

[21]
李志鹏, 曹晓明, 丁杰, 等. MODIS卫星影像显示的2001—2017年中国荒漠化年度状况[J]. 中国沙漠, 2019, 39(6): 135-140.

DOI

[Li Zhipeng, Cao Xiaoming, Ding Jie, et al. Annual desertification during 2001—2017 in China based on MODIS satellite images[J]. Journal of Desert Research, 2019, 39(6): 135-140.]

DOI

[22]
修晓敏, 吴波, 费兵强, 等. 基于Meta分析的毛乌素沙地荒漠化动态研究[J]. 干旱区地理, 2024, 47(12): 2051-2063.

DOI

[Xiu Xiaomin, Wu Bo, Fei Bingqiang, et al. A Meta-analysis of desertification dynamics in the Mu Us Sandy Land[J]. Arid Land Geography, 2024, 47(12): 2051-2063.]

DOI

[23]
伊克昭盟地方志编纂委员会. 伊克昭盟志[M]. 北京: 现代出版社, 1994.

[Yikzhao League Local Chronicle Compilation Committee. Yikzhao League Chronicles[M]. Beijing: Modern Press, 1994.]

[24]
Liu Y, Zhang J, Qin Y. How global warming alters future maize yield and water use efficiency in China[J]. Technological Forecasting and Social Change, 2020, 160: 120229, doi: 10.1016/j.techfore.2020.120229.

[25]
Verstraete M M, Pinty B. Designing optimal spectral indexes for remote sensing applications[J]. IEEE Transactions on Geoscience & Remote Sensing, 1996, 34, 1254-1265.

[26]
敏玉芳, 冯克庭, 康建芳, 等. 2000—2017年中巴经济走廊逐年荒漠化分布数据集[J]. 中国科学数据, 2019, 4(3): 75-85.

[Min Yufang, Feng Keting, Kang Jianfang, et al. A dataset of desertification distributions along the China-Pakistan economic corridor 2000—2017[J]. China Scientific Data, 2019, 4(3): 75-85.]

[27]
Dai Z. Intensive agropastoralism: Dryland degradation, the Grain-to-Green Program and islands of sustainability in the Mu Us Sandy Land of China[J]. Agriculture, Ecosystems & Environment, 2010, 138(3-4): 249-256.

[28]
Zha Y, Gao J. Characteristics of desertification and its rehabilitation in China[J]. Journal of Arid Environments, 1997, 37(3): 419-432.

[29]
吴波. 毛乌素沙地的景观动态与荒漠化成因研究[D]. 北京: 中国科学院研究生院(国家计划委员会自然资源综合考察委员会), 2006.

[Wu Bo. Research on the landscape dynamics and desertification origination of Mu Us Sandland[D]. Beijing: Graduate School of the Chinese Academy of Sciences (Commission for Integrated Survey of Natural Resources), 2006.]

[30]
Kirkby M. Desertification and development: Some broader contexts[J]. Journal of Arid Environments, 2021, 193: 104575, doi: 10.1016/j.jaridenv.2021.104575.

[31]
Li S, Wang T, Yan C. Assessing the role of policies on land-use/cover change from 1965 to 2015 in the Mu Us Sandy Land, northern China[J]. Sustainability, 2017, 9(7): 1164, doi: 10.3390/su9071164.

[32]
Wu B, Ci L. Landscape change and desertification development in the Mu Us Sandland, northern China[J]. Journal of Arid Environments, 2002, 50(3): 429-444.

[33]
石辉, 刘秀花, 陈占飞, 等. 陕北榆林毛乌素沙地大规模土地整治开发的生态环境问题及其对策[J]. 生态学杂志, 2019, 38(7): 2228-2235.

[Shi Hui, Liu Xiuhua, Chen Zhanfei, et al. Eco-environmental problems and their solution strategy for large-scale land consolidation and development in Mu Us Sandy Land of Yulin in north Shaanxi[J]. Chinese Journal of Ecology, 2019, 38(7): 2228-2235.]

[34]
朱聪, 曲春红, 司智陟. 2020年牛羊肉市场形势分析及2021年展望[J]. 农业展望, 2021, 17(3): 11-16.

[Zhu Cong, Qu Chunhong, Si Zhizhi. Analysis of beef and mutton market situation in 2020 and its outlook for 2021[J]. Agricultural Outlook, 2021, 17(3): 11-16.]

[35]
曲春红, 司智陟. 2014年牛羊肉市场形势分析及2015年展望[J]. 农业展望, 2015, 11(2): 13-17.

[Qu Chunhong, Si Zhizhi. Beef and mutton markets in 2014 and their prospects for 2015[J]. Agricultural Outlook, 2015, 11(2): 13-17.]

[36]
Zalles V, Hansen M C, Potapov P V, et al. Near doubling of Brazil’s intensive row crop area since 2000[J]. Proceeding of the National Academy of Science, 2019, 116(2): 428-435.

[37]
Zhao M, Zhang J, Velicogna I, et al. Ecological restoration impact on total terrestrial water storage[J]. Nature Sustainability, 2021, 4(1): 56-62.

[38]
Mehta P, Siebert S, Kummu M, et al. Half of twenty-first century global irrigation expansion has been in water-stressed regions[J]. Nature Water, 2024, 2(3): 254-261.

Options
文章导航

/

〈 〉