【研究意义】耕地是指种植农作物的土地，包括熟地，新开发、复垦、整理地，休闲地(含轮歇地、休耕地)；以种植农作物(含蔬菜)为主，间有零星果树、桑树或者其他树木的土地^[1]。耕地是粮食生产的基础，是人类赖以生存和发展的基本资源与物质条件^[2]。耕地资源的稀缺性、不可再生性以及在整个自然资源中的不可替代性，决定了严格保护耕地资源、实现耕地可持续利用的必要性与重要性。随着我国城市化进程加快和社会经济发展，耕地资源保护与城镇空间扩张、生态用地需求之间的矛盾日益突出，导致近年来耕地总量减少、质量下降和空间破碎化等问题频发，保护耕地资源刻不容缓^[3-8]。科学保护和管理耕地资源，获取实时、准确的耕地空间分布与时空变化信息尤为重要^[9-10]。因此，开展耕地时空变化监测研究，对于粤港澳大湾区粮食安全保障、耕地保护政策制定与国土空间布局优化具有重要指导意义^[11-15]。

【前人研究进展】传统的耕地资源监测一般以行政区域为基本单元，利用人工目视解译与实地调查验证相结合的方法开展，该方法提取与监测耕地主要依赖于技术人员的经验判别，主观性较高、耗时费力且更新速度较慢，难以满足相关部门决策与管理需求^[16]。遥感技术以其覆盖范围大、现实性强和观测周期短等优势，成为大范围、及时和准确监测耕地信息的有效技术手段^[17-18]。耕地遥感监测可以获取耕地空间分布及其时空变化的定性与定量信息，主要包括耕地空间分布变化、数量变化、耕地类型转移、景观及形态变化等方面的内容。目前，国内外学者在耕地遥感监测方面开展了大量研究，在数据源、提取方法方面都进行了积极尝试，有效地推动了耕地遥感监测领域的研究进展^[10]。项铭涛等^[19]利用全球地表覆盖遥感数据集GlobeLand30，结合GIS空间分析，探究了2000—2010年欧洲地区耕地空间及时空变化规律；Liu等^[20]基于Landsat TM影像获得了1990—2020年中国耕地时空格局变化；韩春雷等^[21]基于时序MODIS数据集，提取了黄河上游2002—2018年连续的耕地分布信息，获得了研究区耕地时空变化情况；满卫东等^[22]以Landsat系列影像为数据源，获取了1990—2013年东北地区耕地信息，分析了耕地数量、重心变化趋势及耕地时空分异特征的主要驱动因素；苏锐清等^[23]基于Landsat影像，利用监督分类方法分析京津冀潮白河区域的耕地利用转移特征与空间聚集程度的演变特征；刘巍等^[24]基于亚米级高分辨遥感影像，采用深度学习方法提取了贵州省息烽县的耕地信息。由这些研究可以发现，数据源作为耕地提取与监测的基础，不同时空分辨率的遥感数据具有不同的适用范围与应用条件^[10]。其中，由于数据易获取、分辨率适中和覆盖范围广等特点，MODIS、Landsat、Sentinel等中等分辨率遥感影像是目前耕地监测常用的遥感数据，可以适应全球、流域、城市群及城市范围的耕地监测与应用研究。

【本研究切入点】粤港澳大湾区(Guangdong-Hong Kong-Macao Greater Bay Area, GBA)是我国经济开放程度最高、经济活力最强、创新能力最强、吸纳人口最多的区域之一，在国家发展大局中具有重要战略地位。粤港澳大湾区城市化程度高，地表覆盖更新速度快，对其耕地时空变化趋势的把握成为重要的研究内容。【拟解决的关键问题】本研究利用多时相Landsat遥感数据提取粤港澳大湾区2010—2020年耕地分布信息，分析耕地时空变化特征与年际变化趋势，对分析耕地保护相关政策的落实程度等方面具有重要的现实意义，对粤港澳大湾区粮食安全和可持续发展具有重要的指导意义。

1　数据来源与方法 1.1　研究区概况

粤港澳大湾区(21°25′~24°30′N, 111°12′~115°35′E)是由珠三角9市(广州、深圳、东莞、佛山、珠海、中山、惠州、江门、肇庆)及香港、澳门两个特别行政区组成的城市群，总面积约56 000 km²(图 1)。粤港澳大湾区地处珠江流域下游，“三面环山，三江汇聚”，具有漫长的海岸线，地理条件十分优越。该区域属于亚热带季风气候，年均降水量约1 800 mm，年均日照时数约2 000 h，年均气温约23.5℃，全年霜期在3 d以下。

粤港澳大湾区在国家发展大局中具有重要的战略地位，湾区以香港、澳门、广州和深圳四大中心城市作为区域发展的核心引擎，旨在建设成为充满活力的世界级城市群、国际科技创新中心、“一带一路”建设的重要支撑、内地与港澳深度合作示范区。粤港澳大湾区与美国纽约湾区、旧金山湾区、日本东京湾区并称为世界四大湾区。2022年粤港澳大湾区常住人口已经达到8 631万。

1.2　数据来源

为研究粤港澳大湾区2010—2020年耕地时空变化，主要选取2010、2015、2020年的Landsat影像进行分析。粤港澳大湾区覆盖范围广阔，共需要8景Landsat影像才能完全覆盖整个研究范围，所有的Landsat影像来源于美国地质调查局(https://www.usgs.gov/)，空间分辨率为30 m。本研究所用的Landsat影像数据信息如表 1所示，所选影像云量覆盖少，影像质量良好。

1.3　研究方法

首先对粤港澳大湾区耕地2010、2015、2020年Landsat影像进行辐射定标、大气校正、几何配准及研究范围裁剪与拼接等预处理；然后，采用支持向量机(Support Vector Machine, SVM)方法对3个时相的Landsat影像进行分类，获得耕地、林地、草地、不透水面、未利用地和水体等6种土地覆盖分类结果，从中提取3个时相的耕地空间分布信息，并对结果进行精度验证；最后，对研究区域耕地时空变化进行分析。具体研究技术路线如图 2所示。

1.3.1 土地覆盖分类及精度评价　(1) 土地覆盖分类。本研究采用SVM方法进行土地覆盖遥感分类。SVM方法是一种非参数判别分类方法，其分类思想是：建立一个最优的决策超平面(即感知机)，使得这个平面两侧距离该平面最近的两类样本间距离最大化；对于多个训练样本数据，计算机随机产生一个移动的超平面，对训练样本进行分类，直至不同类别的训练样本点能正好位于该超平面的不同侧面；可能满足该条件的超平面有多个，SVM方法正是在保证分类精度基础上，寻找到一个最优的超平面，从而实现对线性可分样本的最优分类。目前，SVM方法已经在地表覆盖分类与监测方面得到广泛应用，也被证明能获得较高精度的土地覆盖分类结果^[25-27]。

选取样本是最为关键的一步。本研究所有样本均是从粤港澳大湾区3个时相的Landsat影像上手动选取，基于空间分辨为1 m的谷歌影像和野外调查，通过目视对比与对照分析从Landsat影像上均匀选取“纯净”的样本(像元)，包括耕地、林地、草地、不透水面、未利用地和水体等6种样本类型。3个时相的影像均选取样本6 560个(耕地1 500个、林地2 000个、草地360个、不透水面1 500个、未利用地200个、水体1 000个)，其中，用于分类训练的样本共4 592个，用于精度评价的样本共1 968个。基于分类训练样本，利用SVM方法对3个时相的Landsat影像进行自动分类，获得对应的土地覆盖分类结果(耕地、林地、草地、不透水面、未利用地和水体)。

(2) 精度评价。本研究基于混淆矩阵对粤港澳大湾区3个时相的土地覆盖结果进行精度评价。基于验证样本，获得对应分类结果的混淆矩阵，分别计算获得用户精度(User’s accuracy, UA)、生产者精度(Producer’s accuracy, PA)、总体精度(Overall accuracy, OA)3个精度评价参数。以耕地为例，UA表示被正确分类的耕地像元占所有分类结果为耕地的比例，UA越高表示耕地分类结果出现错分的现象越少；PA表示被正确分类的耕地像元占所有真实耕地像元的比例，PA越高表示耕地分类结果出现漏分的现象越少；OA表示所有被正确分类的像元占全部被验证像元的比例，反映土地覆盖分类结果的总体精度，OA越大表示土地覆盖总体分类精度越高。

1.3.2 土地覆盖变化转移矩阵　土地覆盖变化转移矩阵可定量描述某一区域在特定时段内的土地覆盖类型之间的空间转移情况，获得区域内土地覆盖类型动态变化的方向和数量。土地覆盖变化转移矩阵的数学模式可以表示为：

式中，S为土地面积，n为转移前后的土地覆盖类型数，i、j分别为转移前后的土地覆盖类型，S_ij为转移前的土地覆盖类型变成转移后的土地覆盖类型的面积。

1.3.3 耕地景观格局分析　景观格局包含景观组成单元的空间配置和多样性，景观格局指数可定量化表达景观的数量、破碎程度、聚集程度等特征信息^[28]。本研究从斑块尺度上，以耕地作为斑块类型，探究粤港澳大湾区耕地的空间破碎化和聚集程度的时空变化特征，选取斑块密度(Patch density, PD)、聚集度指数(Aggregation index, AI)2个景观格局指数。PD的具体数学模型和原理如下：

式中，N_i为景观斑块总数量；A为景观总面积；PD为斑块密度，用于反映景观的空间异质性，PD值越大，景观的空隙越大，景观的空间破碎程度就越高。聚集度指数AI的具体数学模型和原理如下：

式中，g_ii为基于单倍法的斑块类型像元之间的结点数量，maxg_ii为对应最大的结点数量；p_i为景观类型中斑块类型的面积比例。AI可以定量描述斑块的团聚程度，当某个斑块破碎度达到最大时，AI值为0, AI值随着斑块聚集度的提高而增大；当某个斑块聚集成一个紧密的整体时，AI值为100。

2　结果与分析 2.1　粤港澳大湾区土地覆盖分类结果

基于3个时相的Landsat影像，利用SVM方法进行土地覆盖遥感分类，分别得到2010、2015和2020年粤港澳大湾区耕地、林地、草地、不透水面、未利用地和水体等6种土地覆盖分类结果(图 3、表 2)；基于高分辨率遥感影像和野外调查的精度验证样本，对3个时相的土地覆盖结果进行精度评价，混淆矩阵与精度评价参数结果如表 3所示，2010、2015、2020年土地覆盖分类结果总体精度分别为85.11%、84.65%和84.86%，总体分类精度可满足研究的需要。就耕地提取效果而言，其生产者精度均大于80%，用户精度在78%~80%之间，说明提取耕地产生的漏分现象较少，而提取耕地产生的误分现象较多，主要表现为耕地与草地、林地和不透水面信息的混淆。

从土地覆盖总体结果来看，粤港澳大湾区土地覆盖主要以林地为主，2010—2020年林地面积占粤港澳大湾区总面积的50%以上；从土地覆盖变化结果来看，不透水面面积增加最为明显，从2010年的6 244.80 km²增加至2020年的7 582.44km²，增长21.42%。

2.2　粤港澳大湾区耕地时空变化特征

2.2.1 耕地时空分布与数量变化特征　基于上述土地覆盖分类结果，分别获得2010、2015、2020年粤港澳大湾区的耕地时空信息(图 4、表 4)。从耕地空间分布来看，粤港澳大湾区耕地空间分布较集中，区域差异较明显，其中江门、惠州、肇庆和广州的耕地面积相对较大，深圳、香港和澳门的耕地面积相对较小。从耕地数量变化来看，2010—2020年粤港澳大湾区耕地资源变化总体稳定，表现为先减少后增加的变化趋势，从2010年的16 155.56 km²减少至2015年的15 740.54km²，再增加至2020年的16 473.93 km²。总体而言，2010—2020年粤港澳大湾区耕地呈现平缓增长的趋势，过去10年耕地净增加量为318.37 km²。

从市域尺度耕地数量变化来看，2010—2020年耕地变化具有明显的时空异质性。2010—2015年各市耕地数量以减少为主，江门、广州、肇庆、东莞、深圳、中山、惠州等7个市的耕地数量均呈减少趋势，其中，江门耕地净减少量最多、为129.73 km²，其次为广州、耕地净减少量为102.57km²; 2015—2020年各市耕地数量以增加为主，江门、惠州、肇庆、佛山、珠海、广州、香港、澳门等8个市(特别行政区)的耕地数量呈增加趋势，其中，江门耕地净增加量最多、为306.72km²，其次为惠州、耕地净增加量为155.75 km²。总体上，过去10年以江门耕地净增加量最多、为176.99 km²，东莞耕地净减少量最多、为74.68km²。

2.2.2 耕地空间转移特征　从2010—2020年粤港澳大湾区耕地空间转移结果(表 5、表 6)可以看出，粤港澳大湾区耕地与其他土地覆盖类型之间的转化呈显著差异。从其他土地覆盖类型转入为耕地的情况来看，2010—2020年粤港澳大湾区的新增耕地主要来源于林地和水体，新增耕地60.25%来源于林地，35.85%来源于水体。2010—2015年，耕地转入总面积为1 473.44 km²，其中，新增耕地来源于林地的面积为910.97 km²(61.83%)，来源于水体的面积为523.99 km²(35.56%)，来源于草地、不透水面和未利用地的总面积为38.48km²(2.61%); 2015—2020年，耕地转入总面积为1 906.99 km²，其中，新增耕地来源于林地的面积为1 347.25 km²(70.65%)，来源于水体的面积为542.47 km²(28.45%)，来源于草地、不透水面和未利用地的总面积为17.27 km²(0.90%)。

从耕地转出为其他土地覆盖类型的情况来看，2010—2020年，粤港澳大湾区耕地减少的主要去向是转出为林地和不透水面，减少的耕地有49.53%转化为林地，43.51%转化为不透水面。2010—2015年，耕地转出总面积为1 888.46km²，其中，耕地转为林地的面积为1 165.48 km²(61.72%)，转为不透水面的面积为536.79 km²(28.42%)，转为草地、未利用地和水体的总面积为186.19km²(9.86%); 2015—2020年，耕地转出总面积为1 173.60 km²，其中，耕地转为林地的面积为563.04 km²(47.98%)，转为不透水面的面积为549.89 km²(46.86%)，转为草地、未利用地和水体的总面积为60.67 km²(5.17%)。

2.2.3 耕地景观格局变化特征　2010—2020年，粤港澳大湾区耕地时空分布发生了深刻变化，耕地景观格局也随之发生显著变化。从斑块密度变化结果(表 7)来看，粤港澳大湾区2010—2020年耕地斑块密度从2010年的14.74增加至2015年的15.17，再下降至2020年的1.38，说明耕地空间分布的空隙减小，耕地的空间破碎度降低；从聚集度指数变化结果来看，粤港澳大湾区2010—2020年耕地聚集度指数从2010年的85.47下降至2015年的84.97，再增加至2020年的95.65，说明耕地空间聚集程度提高，表现为集中连片发展趋势。总体而言，随着耕地空间分布的持续变化，过去10年粤港澳大湾区耕地空间破碎度降低，耕地空间聚集程度提高。

从图 5可以看出，粤港澳大湾区各城市2010—2020年耕地景观格局存在相似的变化趋势，各城市的耕地斑块密度均表现为“增加—减少”的变化趋势，各城市的聚集度指数均表现为“下降—提高”的变化趋势，这同样说明过去10年粤港澳大湾区各城市的耕地空间破碎度降低，耕地聚集程度提高。

3　讨论

本研究以多时相遥感数据为基础，利用遥感分类方法获得粤港澳大湾区土地覆盖时空分布结果，开展耕地时空变化特征研究，研究结论对保障粤港澳大湾区粮食安全、严守耕地保护红线、制定耕地保护政策具有重要的指导意义。由于遥感影像分类方法获取耕地信息可能会存在错分和漏分的现象，且各个时相所用的Landsat影像时间不尽相同，因此本研究所获得的耕地时空分布与实际耕地信息也可能会存在偏差。本研究所获得的土地覆盖分类结果总体精度在84%以上，满足研究的精度需要，对粤港澳大湾区耕地总体分布和时空变化趋势的把握是较为准确的。

粤港澳大湾区作为国家建设世界级城市群和参与全球竞争的重要空间载体，其发展也面临着耕地资源保护与城市化建设兼顾的现实问题。前人研究多以不透水面、建设用地等城市空间变化为切入点，探讨粤港澳大湾区的城市化范围扩张及其景观格局时空演变^[29-31]，较少关注粤港澳大湾区耕地及其景观格局时空变化。本研究基于多时相Landsat遥感数据分析粤港澳大湾区2010—2020年耕地时空变化特征，可以为粤港澳大湾区发展过程中的耕地保护问题提供参考。从耕地总体空间分布来看，粤港澳大湾区的耕地资源绝大部分位于珠三角9市，香港和澳门的耕地资源较为匮乏。从2010—2020年粤港澳大湾区耕地时空变化结果来看，耕地资源变化总体稳定，表现为先少量减少后缓慢增加的变化趋势；从耕地空间转移结果来看，新增耕地主要来源于林地和水体，耕地减少的主要去向是转出为林地和不透水面。从粤港澳大湾区2010—2020年耕地景观格局变化来看，耕地空间破碎度降低，耕地聚集程度提高，耕地总体上表现为集中连片发展的趋势，表明耕地保护政策在其中发挥着重要的保障作用^[32-33]。在国家严格的耕地保护政策实施作用下，粤港澳大湾区在过去10年的建设与发展中十分注重耕地资源保护，严格落实耕地保护制度、耕地占补平衡，有效地维持了耕地总量动态平衡。另外，随着珠三角多个城市大力推行垦造水田、拆旧复垦、耕地集中连片整治等保护措施持续推进，也有效地推动了粤港澳大湾区耕地资源数量与质量双提升。

土地是城市发展的“生命线”，耕地是城市稳定的“压舱石”，维持耕地总量不减少、质量不下降对城市稳定发展至关重要。粤港澳大湾区在未来发展与建设中，应加强落实耕地保护政策，建立健全耕地保护长效机制。在数量上，保持耕地总量动态平衡，落实耕地占补平衡措施，确保实有耕地数量基本稳定；在质量上，加强耕地质量调查评价与监测工作，确保补充耕地的质量不低于占用耕地的质量；同时，科学有效开展土地开发、复垦与整治，合理高效推进耕地资源保护。

4　结论

本研究基于多时相遥感数据分析粤港澳大湾区耕地时空变化，分别从数量变化、空间转移和景观格局3个方面分析2010—2020年粤港澳大湾区耕地时空变化特征，主要研究结论如下：

(1) 从耕地空间分布来看，粤港澳大湾区耕地空间分布较为集中，区域差异较为明显，耕地资源绝大部分位于珠三角9市，江门、惠州、肇庆和广州的耕地面积相对较大，香港和澳门的耕地资源较为匮乏。

(2) 从耕地数量变化来看，2010—2020年粤港澳大湾区耕地资源变化总体稳定，表现为先减少后增加的变化趋势；市域尺度上，耕地资源变化具有明显的时空异质性，以江门耕地净增加量最多，东莞耕地净减少量最多。

(3) 从耕地空间转移特征来看，2010—2020年粤港澳大湾区耕地与其他土地覆盖类型之间的转化呈现显著差异。从耕地转入情况看，新增耕地主要来源于林地和水体；从耕地转出情况看，耕地减少的主要去向是转出为林地和不透水面。

(4) 从耕地景观格局变化来看，粤港澳大湾区2010—2020年耕地空间破碎度降低，耕地聚集程度提高。