長江經濟帶耕地集約利用多尺度時空特征與影響因素分析

張榮天，陸建飛

·土地整理工程·

長江經濟帶耕地集約利用多尺度時空特征與影響因素分析

張榮天，陸建飛

（揚州大學新農村發展研究院，揚州 225009）

科學分析區域耕地集約利用時空分異及影響因素，對于促進耕地資源集約潛力挖掘和高效利用具有重要現實意義。以長江經濟帶作為研究案例地，從投入強度、利用強度、產出效率及持續狀況等維度上構建耕地集約利用評價指標體系，運用投影尋蹤模型定量測度1978—2016年長江經濟帶耕地集約利用水平；基于流域、省域、市域多尺度視角，通過變異系數、ESDA、GIS模型，探究長江經濟帶耕地集約利用多尺度時空分異格局；運用地理探測器模型揭示長江經濟帶耕地集約利用分異的影響機制。結果表明：1）1978年以來流域尺度上長江經濟帶耕地集約利用水平表現提升態勢，但演化過程中呈現“東高西低”差異特征；省域、市域尺度上長江經濟帶耕地集約利用呈現空間集聚特征，并且尺度越小空間集聚越顯著。2）研究期間省域、市域尺度空間關聯類型均以正向相關為主，且市域尺度上長江經濟帶耕地集約利用存在空間集聚“俱樂部趨同”現象，表現為H-H（high-high）型主要集聚在上海及蘇南地區，并逐漸向紹杭、皖江地區演化；而L-L（low-low）型主要集聚在川西高原區。3）自然因素、人口增長、經濟社會發展及制度政策可有效解釋長江經濟帶耕地集約利用時空分異，其中人口因素、經濟社會因素對耕地集約利用分異影響顯著，而政策因素呈現較強驅動效應。4）最后從開展土地綜合整治、加大要素投入力度、優化調整耕地結構、推進農業科技創新等方面提出促進長江經濟帶耕地集約利用提升政策建議。

土地利用；模型；耕地；影響因素；ESDA；地理探測器；多尺度；長江經濟帶

0 引 言

當前中國正處于社會經濟轉型發展的重要時期，伴隨著工業化、城鎮化進程不斷加快，導致非農人口規模持續增長，非農建設和生態退耕占用大量耕地資源，導致耕地面積不斷減少，人-地矛盾日漸尖銳，加大了耕地資源承載負荷；同時隨著社會經濟快速發展，對農產品的需求不斷增大，這就要求耕地資源具有更大的承載力，從而使得耕地資源短缺與糧食安全需要的矛盾日益加劇。因此，在耕地后備資源有限的情況之下，必須改變耕地資源傳統粗放型利用方式，走集約化內涵式發展之路是解決人-地矛盾的最有效途徑。西方古典政治經濟學家David最先提出了耕地集約利用理念[1]，隨后國內外學者對于耕地集約利用研究已取得較豐碩成果，本研究主要從研究內容、尺度、方法等三個方面進行系統綜述：1）研究內容上，主要集中在內涵界定[2-3]、指標構建[4-5]、區域差異[6-7]、影響因素[8-9]及對策建議[10]等方面，研究內容正在朝著縱深方向不斷發展；2）研究尺度上，主要集中在國家[11]、省域[12-13]以及市域[14-15]等宏觀、中觀維度層面上，并且不斷向縣域[16]、鄉鎮級[17]微觀尺度耕地集約利用評價逐步展開研究；3）研究方法上，主要采用熵值法[18]、PCA[19]、SOFM[20]、PSR模型[21]、C-D生產函數[22]等定量數學模型方法開展耕地集約利用實證評價；另外，有學者開始借助GIS技術從空間角度動態解析耕地集約利用時空演化規律[23-25]。通過綜述可發現，研究還存在一定不足：1）內容上大量文獻更多側重在耕地集約利用測度及區域差異探討，而對耕地集約利用分異驅動機理挖掘較少；2）尺度上缺乏對不同空間尺度上耕地集約利用分異特征對比研究與規律總結；3）方法上主要為傳統數理計量模型，未來還需要加強3S技術和ESDA（exploratory spatial data analysis）等地學模型結合探究耕地集約利用分異特征及作用機制。

鑒于此，本研究以中國長江經濟帶為研究案例地，采用投影尋蹤模型、ESDA模型、地理探測器模型等方法試圖探索1978—2016年長江經濟帶耕地集約利用多尺度時空分異特征及其驅動機制；在此基礎上，提出未來長江經濟帶耕地集約利用水平提升的政策建議。

1 研究方法及數據來源

1.1 研究方法

1.1.1 投影尋蹤模型

投影尋蹤法（projection pursuit model）由美國科學家Kruscal于20世紀70年代提出，它是通過降低高維數據并將其影射到一個平面，計算反映數據聚類程度，從而來找到反映數據構造特性的最佳投影，該方法主要在高維度、非線性、非正態數據分析上具有優越性。運用投影尋蹤法評價區域耕地利用集約水平，可有效避免評價指標權重設置比較主觀及不易處理高維數據問題[26-27]。設第樣本第指標為x，=1，2，…..，=1，2……，為樣本數，為指標數，計算步驟如下：

2）投影指標函數。設為維單位投影向量=（1,2,..….,），則x的一維投影特征值表示為

3）構建目標函數。投影值Z盡可能多提取x的變異信息，即Z在一維空間散布的類間距S盡可能大，構建投影目標函數如下

4）優化投影方向。求解投影指標函數最大化來估算最佳投影方向

5）確定投影值。根據最佳投影方向值a計算各指標投影值Z，測度區域耕地集約利用水平值。

1.1.2 ESDA模型

ESDA（exploratory spatial data analysis）模型是通過對現象空間分布格局描述與可視化，發現空間集聚，解釋研究對象之間空間作用機制。模型指標具體包括全局、局部莫蘭指數[28]，理論公式如下：

1）Global Moran's指數

式中X為區域的觀測值，X為區域的觀測值，為空間權重矩陣，空間相鄰為1，不相鄰為0。() >0時為空間正相關，表示耕地集約利用高（低）空間上顯著集聚。

2）Local Moran's I 指數

1.1.3 地理探測器模型

地理探測器是Wang等通過提出“因子力”度量指標[29]，結合GIS空間疊加技術和集合論，識別多因子之間交互作用模型，最初應用地方性疾病風險和相關地理影響因素研究。其基本原理是認為不同空間位置地理事物，制約其發展變化的環境因素具有區域差異性，若兩者在空間上的變化表現顯著一致性，即判定該因素對地理事物空間分布具有重要意義。本文將運用其探測自然、經濟及政策等多要素對區域耕地集約利用分異影響機制，模型如下[30]

1.2 指標構建與數據來源

理論上，耕地利用集約利用它是指通過增加單位面積耕地上的資本、技術及人力等要素投入強度，提高耕地資源利用效率和產出水平，在實現耕地利用經濟效益最大化的同時取得良好的社會、生態等綜合效益[4-5,11,31-32]。鑒于對耕地集約利用內涵解讀，本研究從投入程度、利用程度、產出效率、持續水平等四大維度上構建長江經濟帶耕地集約利用評價指標體系（表1所示）。投入程度上，它反映了耕地利用過程中財力、人力等要素投入基本情況，指標上具體選取化肥投入指數、機械投入指數、勞動力投入指數；利用程度上，它反映了對耕資源地開發利用狀況和耕地潛力狀況，指標上選取復種指數、灌溉指數、穩產指數；產出效率上，它反映了耕地投入所產生的效益，不僅體現了耕地質量高低，還體現出耕地潛力挖掘程度，指標上選取糧食單產、地均產值、勞均產值。持續水平上，它反應了耕地利用經濟效益、生態效益及社會效益綜合狀況，指標上選取耕地平衡指數、人均耕地面積、糧食安全系數。

文中分析數據均來自于《四川省統計年鑒（1979—2017）》《重慶市統計年鑒（1979—2017）》《湖北省統計年鑒（1979—2017）》《湖南省統計年鑒（1979—2017）》《江西省統計年鑒（1979—2017）》《安徽省統計年鑒（1979—2017）》《江蘇省統計年鑒（1979—2017）》《浙江統計年鑒（1979—2017）》《上海市統計年鑒（1979—2017）》及長江經濟帶各省（市）統計年鑒和國民經濟和社會發展統計公報（1979—2017），市域邊界圖主要取自《四川省地圖集（2016）》《重慶市地圖集（2016）》《湖北省地圖集（2016）》《湖南省地圖集（2016）》《江西省地圖集（2016）》《安徽省地圖集（2016）》《江蘇省地圖集（2016）》《浙江省地圖集（2016）》《上海市地圖集（2016）》的行政區劃圖，經掃描進行高精度配準后跟蹤矢量化，對長江經濟帶行政區劃調整的區域進行相應合并處理，確保數據相對一致性。

表1 長江經濟帶耕地集約利用評價指標體系

2 多尺度時空格局分異

2.1 流域尺度上

基于耕地集約利用評價指標體系，運用投影尋蹤模型理論模型，1978—2016年各研究年份的耕地集約利用原始指標進行標準化處理，輸入DPS數據處理軟件系統，經過優化處理得到最佳投影方向，進而得到1978—2016年長江經濟帶耕地集約利用水平綜合投影值（圖1所示）。通過圖1可知：1）總體上看，1978年以來長江經濟帶耕地集約利用水平值表現出持續上升演化趨勢，數值在[0.449 2，0.580 7]范圍變化，整個研究期間提升了29.26%，年均增幅達到0.77%；但同時在提升過程中也具有“階段性”演化規律，可劃分為三個基本階段：緩慢上升期（1978—1990）、快速上升期（1990—1996）、平穩提升期（1996—2016）；另外，測算出1978—2016年長江經濟帶耕地集約利用水平變差系數，近38 a間變差系數從0.512 3上升至0.679，提升了32.44%，這就表明1978年以來長江經濟帶耕地集約利用區域差異愈發顯著。2）將長江經濟帶流域劃分為上游、中游、下游三大區域，其中1978—2016年上游地區耕地集約利用水平值在[0.378 9，0.473 2]范圍波動，中游地區耕地集約利用水平值在[0.436 4，0.565 3]范圍變化，而下游地區耕地集約利用水平值在[0.523 4，0.703 5]范圍波動，長江經濟帶耕地集約利用水平下游地區>中游地區>上游地區，同時1978—2016年長江經濟帶三大地區耕地集約利用變差系數均值表現為下游地區>中游地區>上游地區，這也說明長江經濟帶下游地區耕地集約利用差異最顯著，而上游地區耕地集約利用差異則相對較小。

圖1 流域尺度耕地集約利用水平值演變（1978—2016年）

2.2 省域尺度上

運用ESDA模型的Global Moran's指數分析省域尺度上長江經濟帶耕地集約利用總體空間格局變化特征。基于GeaDA095分析軟件，計算出1978—2016年不同時段長江經濟帶省域單元耕地集約利用水平的Global Moran's估算值（表2所示），通過計算得到在0.1%的檢驗水平上，長江經濟帶省域單元耕地集約利用Global Moran's估算值都為正，說明了1978年以來省域尺度上長江經濟帶耕地集約利用水平呈現出正自相關性，即相鄰省域單元耕地集約利用水平高（低）省域單元表現出相對集聚的空間分布態勢；與此同時，可以看出從1978年開始，省域尺度上長江經濟帶耕地集約利用水平的Global Moran's I估算值呈現不斷上升的演化趨勢，具體數值上從1978年的0.367 5，到1996年的0.412 6，再到2016年的0.493 7，整個研究期間Global Moran's值提升了34.34%，表明了1978年以來省域尺度上長江經濟帶耕地集約利用水平正相關性越來越顯著。

表2 省域尺度耕地集約利用水平Global Moran's I指數

注：()為期望值；()為檢驗值；()為顯著水平值

Note:() is the expected value;() is the test value;() is the significant level.

借助ArcGIS10.2空間分析平臺，選取1978、1990、2002、2016年4個時間截面省域單元耕地集約利用水平數據，運用自然斷裂點將績效值劃分為3大類區：Ⅰ高值區、Ⅱ中值區、Ⅲ低值區，得到1978—2016年4個時間斷面的省際耕地集約利用水平空間分布圖（圖2所示）。通過圖2可知，整體上省域尺度耕地集約利用空間分布上具有“東高西低”發展演化態勢，即長江經濟帶上游貴州、云南、四川等省份耕地集約利用水平相對較低，而長江經濟帶下游江蘇、浙江及上海等省（市）耕地集約利用水平相對較高，并且1978年以來長江經濟帶耕地集約利用空間分布處于穩定態勢，格局未發生較大變動。

圖2 省域尺度耕地集約利用空間格局分異演化（1978—2016年）

2.3 市域尺度上

基于Geoda095軟件平臺，依據LISA理論公式，測算出1978—2016年市域尺度耕地集約利用水平LISA指數值，通過ArcGIS10.2軟件繪制出1978—2016年長江經濟帶耕地集約利用LISA空間集聚圖（圖3所示），共分為4種基本類型：H-H（high-high）型：指城市自身和相鄰城市的耕地集約利用水平均較高；H-L（high-low）型：指城市自身耕地集約利用水平高，而相鄰城市較低；L-H（low-high）型：指城市自身耕地集約利用水平低，而相鄰城市較高；L-L（low-low）型：指城市自身和相鄰城市的耕地集約利用水平均較低。通過圖3可知：1）H-H型主要集聚在上海及其蘇南地區，1978年改革開放以來H-H集聚現象均為顯著，形成了長江經濟帶耕地集約利用“高值區”，2006年后H-H型向浙江紹杭及安徽皖江蕪湖、馬鞍山等地演化，空間格局上表現出從“一字形”不斷向“Z字形”演化態勢；2）H-L型空間分布格局比較穩定，主要分布在中游地區的武漢城市圈、長株潭地區以及下游地區浙西南，2006年后上游地區的遂寧、宜春及重慶等城市演化為H-L型；3）L-H型數量較多，空間上主要分布在蘇北、皖北、贛南、鄂北及川東等地區，L-H型在整個研究期間內保持著相對穩定態勢，僅僅滁州、資陽等少數城市演化為H-L型；4）L-L型主要集中在上游川西高原區的甘孜、阿壩、西昌及攀枝花等城市，總體上這一地區地形地貌復雜，耕地資源相對匱乏，農業科技落后，導致區域耕地集約利用水平也處在較低水平上，空間格局上呈現出類三角型低值塌陷區。總體上看，1978—2016年市域尺度上長江經濟帶耕地集約利用存在空間集聚“俱樂部趨同”現象。

圖3 市域尺度耕地集約利用LISA演化（1978—2016年）

3 影響機制分析

3.1 影響因素定量分析

耕地集約利用分異受到自然、經濟、社會及政策等多因素耦合作用，本文選取年平均氣溫（1）、年降水量（2）、非農人口（3）、農業技術人員（4）、人均GDP（5）、城鎮化率（6）、農業貸款率（7）等7個指標因子，來探索這些指標因子對長江經濟帶耕地集約利用時空分異影響機制。基于耕地集約利用時空分異影響因子體系，通過地理探測器模型對1978—2016年不同時期影響長江經濟帶耕地集約利用的7個指標因子進行定量探測，以發現每個指標因子在不同時期對長江經濟帶耕地集約利用時空異的作用強度。采用ArcGIS10.2軟件對1978—2016年長江經濟帶耕地集約利用時空分異各影響因素進行自然類別劃分，再依據地理探測器理論模型，測算出每個指標因子作用強度值（表3所示），值越大則表示該指標因子對長江經濟帶耕地集約利用時空分異作用強度越大，說明該指標因子是影響整個研究期間長江經濟帶耕地集約時空分異的主要因素。

表3 1978—2016各影響因子作用強度q的變化趨勢

通過表3可知，1978—2016年不同時期影響長江經濟帶耕地集約利用時空分異的指標因素作用強度變化相對較顯著，且造成區域耕地集約利用時空分異主要因素未發生較大變化。總體上看，平均氣溫（1）作用強度值從1978年的0.25下降到2016年的0.15，年降水量（2）作用強度值從1978年的0.31降低到2016年的0.21，可見1978年以來平均氣溫和年降水量兩大指標因子作用強度逐漸減弱。人均GDP（5）、城鎮化率（6）兩個指標因子作用強度值分別從1978年的0.45、0.53提高到2016年的0.58、0.65，可以看出整個研究期間人均GDP和城鎮化率這兩大指標因子的作用強度逐步加強，成為影響長江經濟帶耕地集約利用時空分異的最主要因素。研究期間非農人口（3）作用強度值總體穩定在0.50左右，農業技術人員（4）作用強度值從1978年的0.51提升到2016年的0.55，可見非農人口和農業技術人員這兩個指標因子作用強度呈現出整體持續性較強態勢，對長江經濟帶耕地集約利用時空分異影響強度也較大。另外，研究期間農業貸款率（7）指標因子作用強度略有降低但整體上變化不大。基于上述7大影響因素的定量分析，可以發現研究期間自然因素、人口增長、經濟社會發展及制度政策這幾大因素對長江經濟帶耕地集約利用分異產生重要影響；鑒于此，本文從自然因素、人口增長、經濟社會發展及制度政策四個方面初步闡述1978—2016年長江經濟帶耕地集約利用分異的綜合作用機制。

3.2 作用機制綜合分析

1）自然因素影響機制。自然因素是影響長經濟帶耕地集約利用時空分異的基礎性因素，自然因素中的地理位置影響著區域耕地資源的光熱、水分生產條件，地質地貌會影響區域耕地資源開發和利用程度，氣候條件影響著區域耕地復種潛力和利用方式，水文條件也會影響區域耕地資源產出效率。目前，長江經濟帶下游地區上海、蘇南及皖江地區等地縣（市）的自然地理位置優越，區域后備耕地資源豐富，光熱資源匹配較好，其耕地生產能力也較高；而長江經濟帶上、中游地區川西高原、重慶及江西等地縣（市）地形地貌相對較復雜，區域內的耕地資源較缺乏，加之對耕地資源利用方式相對較粗放，導致其耕地集約化利用水平相對較低。因此，區域自然因素差異是1978—2016年長江經濟帶耕地集約利用時空分異格局產生及演化的本底因子。

2）人口增長影響機制。長江經濟帶耕地集約利用水平與非農人口和農業技術人員關聯度較高，表明了人口數量構成和素質對區域耕地集約利用具有較大影響。隨著城鎮非農人口膨脹，非農建設占用大量農地資源，耕地數量的減少迫使其利用方式由粗放經營轉型集約化經營；同時，隨著農業勞動力綜合素質不斷提升，越有利于掌握先進的科學技術和生產方式，對促進區域耕地資源集約利用具有正向效應。當前，長江經濟帶下游上海、南京及杭州都市圈等地城鎮化高速發展促使城市地區非農人口激增，加之上游地區城市農業科技水平較高，促使區域耕地集約利用水平呈現出持續提升的態勢；相比而言，長江經濟帶上、中游地區重慶、四川及湖南等地屬于人口外流地區，大量剩余農業人口向長三角和珠三角經濟發達地區轉移，大量耕地資源處于撂荒狀態，同時上游地區農業科技水平也相對落后，導致區域耕地資源集約利用水平相對較低；因此，區域人口增長數量及質量是造成1978—2016年長江經濟帶耕地集約利用時空分異及演化的主要因素。

3）經濟社會發展影響機制。隨著區域經濟發展水平提升，導致區域產業結構不斷優化調整，加之市場經濟條件下人們日益增長的需求，均促使了耕地資源利用方式不斷向集約化方向轉變；同時，城鎮化快速發展促使城市文化生活方式、價值觀不斷涌向農村地區，城市主城區周邊土地逐漸成為城市次中心、新城區等，有限耕地資源占用也必然對區域耕地利用方式產生重大影響。當前，長江經濟帶上下游上海、蘇南及杭甬等地區經濟發展程度高，是中國城鎮化和工業化發展的“高地”，快速地城市空間擴張對區域耕地集約利用提升產生顯著的積極促進效應；相比而言，長江經濟帶上游地區四川、重慶等地縣（市）城鎮化發展質量相對較低，區域經濟發展質量也相對較低，某種程度上對區域耕地集約利用提升促進作用也就相對較弱；這種經濟社會發展差異也是造成1978—2016年長江經濟帶耕地集約利用時空演化的最重要的驅動因子。

4）制度政策影響機制。政府政策反映了對區域土地利用基本導向，是區域耕地集約利用的重要推手。制定健全的耕地管理、利用等制度政策，均有助于宏觀調控耕地資源非農地轉化態勢，促使區域耕地走集約化利用之路；同時，政府關于農業稅改革、糧食直補及農機購置補貼等系列惠農政策實施，這也會一定程度上減輕農業生產投入壓力，對于區域耕地集約利用水平提升會產生積極的正面促進效應。目前，長江經濟帶下游的上海、蘇州及無錫等地政府關于耕地資源集約利用的政策制度更為完善和健全，通過合理的制度政策引導發揮了其對區域耕地資源集約利用產生正面促進效應；而長江經濟帶上、中游地區各省（市）政府宏觀指向作用發揮不夠，未能及時出臺促進區域耕地集約利用的相關政策，制度政策導向作用還相對較弱。因此，政府政策差異也會對1978—2016年間長江經濟帶耕地集約利用時空分異及演化產生宏觀性影響效應。

4 政策建議

基于1978—2016年長江經濟帶耕地集約利用水平時空格局分異及驅動機制探討，初步地從宏觀層面上提出長江經濟耕地資源集約利用水平提升的政策建議：1）開展土地綜合整治。充分挖掘長經濟帶下游地區城市后備耕地資源潛力，對損毀耕地開展適當復墾；對上、中游地區城市適耕性較強的中低產田嘗試通過培肥、科技推廣等系列改造措施升級為穩產高產的農田，不斷增加耕地綜合生產能力，提升長江經濟帶全流域耕地集約利用水平。2）加大要素投入力度。健全長江經濟帶上游四川、重慶等省（市）農業綜合補貼制度，不斷擴大補貼實施范圍，激勵農戶持續增加耕地人力、財力等要素投入；加大對長江經濟帶中下游蘇南、紹杭及江漢等地區城市耕地機械化資金投入，提升耕地機械化、規模化水平；因地制宜制定合適的農業生產投入方案，增加對上游地區各城市農業科技投入，極大程度將農業科技成果轉化為耕地經濟產出值。3）優化調整耕地結構。根據當前市場需求，不斷調整長江經濟帶下游上海、蘇南及紹杭地區發達城市的耕地作物結構，提高耕地資源邊際效益；要積極調整耕地配置結構，充分發揮兩湖地區、江西等省（市）資源優勢，通過耕地資產價值化方式，助推耕地科學合理有序流轉，提升長江經濟帶各城市耕地資源集約利用水平。4）推進農業科技創新。加快長江經濟帶尤其上、中游地區城市農業實用科技人才培訓，開展新型農民科技培訓工程，實現農業科技能夠做到“進村入戶”；努力構建農業科技創新體系，大力向農民、農業生產合作社推廣農業增產的高新技術，促進長江經濟帶耕地集約利用水平提升。

5 結論與討論

1）基于耕地集約利用內涵解讀，從“投入強度—利用程度—產出效益—可持續狀態”四大維度上構建長江經濟帶耕地集約利用評價指標體系，并通過投影尋蹤模型對1978—2016年長江經濟帶耕地集約利用水平開展定量評價。研究表明，1978年以來長江經濟帶耕地集約利用水平演變具有階段性上升態演化勢，具體表現三大階段：緩慢上升期（1978—1990）、快速上升期（1990—1996）、平穩提升期（1996—2016）；同時，在整個演化過程中也呈現出顯著的“東高西低”區域差異特征。

2）通過GIS-ESDA分析框架，實證研究1978—2016年長江經濟帶多尺度耕地集約利用時空分異特征。研究表明，流域尺度上耕地集約利用水平下游地區>中游地區>上游地區，省域、市域尺度上長江經濟帶耕地集約利用呈現空間集聚特征，并且尺度越小空間集聚越顯著；省域、地域尺度空間關聯類型均以正向相關為主，且市域尺度上長江經濟帶耕地集約利用存在空間集聚“俱樂部趨同”現象，表現為H-H型主要集聚在上海及蘇南地區，并逐漸向紹杭、皖江地區演化，而L-L型主要集聚在川西高原區。

3）運用地理探測器模型定量揭示影響長江經濟帶耕地集約利用時空格局分異主要因素，并在此基礎上綜合闡述1978—2016年長江經濟帶耕地集約利用時空格局分異驅動機制。研究表明，自然因素是影響長江經濟帶耕地集約利用時空分異基底，人口增長是影響長江經濟帶耕地集約利用時空分異主要因子，經濟社會發展是影響長江經濟帶耕地集約利用時空格局分異的重要因子，而制度政策對長江經濟帶耕地集約利用空間分異具有一定的影響效應，這四大因素綜合作用驅動1978年以來長江經濟帶耕地集約利用格局分異及演化。

另外，需要指出本研究還存在一定不足：時間尺度上僅分析了1978 年以來六個時間斷面上耕地集約利用時空格局分異特征，還需進一步深入揭示多時間尺度下長江經濟帶耕地集約利用時空分異規律；影響機制上，關于農戶因素在本研究分析中未開展探討，而農戶因素對區域耕地利用效率具有重要影響效應，如何從農戶視角上揭示長江經濟帶耕地集約利用時空分異微觀作用機制將是本研究下一步深化的領域和方向。

[1]Dumanski J, Pieri C. Land quality indicators: Research plan[J]. Agriculture Ecosystems &Environment, 2000, 81(2): 93－102.

[2]呂曉，牛善棟，李振波，等. 中國耕地集約利用研究現狀及趨勢分析[J]. 農業工程學報，2015，31(18)：212－224. Lü Xiao, Niu Shandong, Li Zhenbo, et al. Present situation and trends in research on cultivated land intensive use in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(18): 212－224. (in Chinese with English abstract)

[3]Wang Guogang, Liu Yansui, Li Yurui. Dynamic trends and driving forces of land use intensification of cultivated land in China[J].Journal of Geographical Sciences, 2015, 25(1): 45－57.

[4]李貝貝. 村域尺度農戶耕地集約利模型構建與應用[D].西安: 西安科技大學，2017. Li Beibei. Construction and Application of Intensive Cultivated Land Use Model in Village Scale[D]. Xi’an:Xi’an University of Science and Technology, 2017. (in Chinese with English abstract)

[5]馬聰，劉黎明，袁承程，等. 快速城鎮化地區不同生計類型農戶耕地利用集約度評價——以上海市青浦區為例[J]. 中國土地科學，2017，31(10)：69－78. Ma Cong, Liu Liming, Yuan Chengcheng, et al. Evaluation of cultivated land use intensity of different types of rural household livelihood strategies in rapid urbanization area: A case of Qingpu district in Shanghai city[J]. China Land Sciences, 2017, 31(10): 69－78. (in Chinese with English abstract)

[6]程蘭花，楊德剛，張新煥，等. 基于PSR模型的新疆縣域耕地集約利用時空演化特征[J]. 干旱區研究，2018，35(2)：493－502. Chen Lanhua, Yang Degang, Zhang Xinhuan, et al. Spatiotemporal evolution of intensive cultivated land use in the county-level regions in Xinjiang based on the PSR model[J]. Arid Zone Research, 2018, 35(2): 493－502. (in Chinese with English abstract)

[7]鄧楚雄，謝炳庚，李曉青，等. 長沙市耕地集約利用時空變化分析[J]. 農業工程學報，2012，28(1)：230－237. Deng Chuxiong, Xie Binggeng, Li Xiaoqing, et al. Analysis on spatial-temporal change of cultivated land intensive use in Changsha city[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(1): 230－237. (in Chinese with English abstract)

[8]何堅堅，龐博，張鵬巖，等. 耕地集約利用的變化、態勢與驅動力分析[J]. 河南大學學報(自然科學版)，2017，48(4)：404－414. He Jianjian, Pang Bo, Zhang Pengyan, et al. Analysis on change, situation and driving forces of intensive use of cultivated land: A case study of Henan province[J]. Journal of Henan University(Natural Science), 2017, 48(4): 404－414. (in Chinese with English abstract)

[9]Nareeluck W. Role of land tenure security and farm household characteristics on land use change in the Prasae Watershed Thailand[J]. Land Use Policy, 2008, 2: 214－224.

[10]于元赫，李子君. 山東省耕地利用集約度時空變化及政策啟示[J]. 中國土地科學，2017，31(4)：52－60. Yu Yuanhe, Li Zijun. Temporal and spatial variation of cultivated land use intensity and policy implications in Shandong province[J]. China Land Sciences, 2017, 31(4): 52－60. (in Chinese with English abstract)

[11]陳瑜琦. 李秀彬. 1980年以來中國耕地利用集約度的結構特征[J]. 地理學報，2009，64(4)：469－478. Chen Yuqi, Li Xiubin. Structural change of agricultural land use intensity and its regional disparity in China[J]. Acta Geographica Sinica, 2009, 64(4): 469－478. (in Chinese with English abstract)

[12]倪超，楊勝天，羅婭，等. 基于循環經濟的黑龍江省耕地利用集約度時空差異[J]. 地理研究，2015，34(2)：341－350. Ni Chao, Yang Shengtian, Luo Ya, et al. The spatial-temporal difference analysis of cultivated land use intensity in Heilongjiang province based on circular economy[J]. Geographical Research, 2015, 34(2): 341－350. (in Chinese with English abstract)

[13]宋永永，米文寶，仲俊濤，等. 寧夏耕地集約利用的時空格局演化[J]. 經濟地理，2015，35(9)：172－181. Song Yongyong, Mi Wenbao, Zhong Juntao, et al. Evolution of spatial and temporal pattern of intensive use of cultivated land in Ningxia[J]. Economic Geography, 2015, 35(9): 172－181. (in Chinese with English abstract)

[14]劉永康，劉學錄，張一達，等. 耕地集約利用的空間特征及影響因素研究：以甘肅省東部四市為例[J]. 農業現代化研究，2019，40(4)：574－582. Liu Yongkang, Liu Xuelu, Zhang Yida, et al. The spatial characteristics and the influencing factors of intensive use of farmland: A case study of four cities in Eastern Gansu province[J]. Research of Agricultural Modernization, 2019, 40(4): 574－582. (in Chinese with English abstract)

[15]Ping J L, Green C J, Zartman R E, et al. Exploring spatial dependence of cotton yield using global and local autocorrelation statistics[J]. Field Crops Research, 2004, 89(3): 219－236.

[16]趙瑞東，牛志君，孫英彪，等. 南和縣域耕地集約利用評價及障礙因素分析研究[J]. 河北農業大學學報，2017，40(4)：101－107. Zhao Ruidong, Niu Zhijun, Sun Yingbiao, et al. Study on evaluation and obstacle factors of cultivated land intensive use in nanhe county[J]. Journal of Agricultural University of Hebei, 2017, 40(4): 101－107. (in Chinese with English abstract)

[17]邵曉梅，王靜. 小城鎮耕地集約利用評價方法比較研究：以浙江省慈溪市為例[J]. 長江流域資源與環境，2008，17(1)：93－97. Shao Xiaomei, Wang Jing. Comparison of intensive cultivated land use appraisal methods of small towns: A case study of cixi in Zhejiang province[J]. Resources and Environment in the Yangtze Basin, 2008, 17(1): 93－97. (in Chinese with English abstract)

[18]趙麗，朱永明，付梅臣，等. 主成分分析法和熵值法在農村居民點集約利用評價中的比較[J]. 農業工程學報，2012，28(7)：235－242. Zhao Li, Zhu Yongming, Fu Meichen, et al. Comparative study on intensive use of rural residential land based on principal component analysis and entropy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 235－242. (in Chinese with English abstract)

[19]武美麗，敖登高娃，趙明. 基于主成分分析法的農用地集約利用評價：以內蒙古鄂爾多斯市為例[J]. 干旱區資源與環境，2016，30(9)：97－103. Wu Meili, Aodeng gaowa, Zhao Ming. Evaluation on the intensive use of agricultural land in Ordos and the influencing factors[J]. Journal of Arid Land Resources and Environment, 2016, 30(9): 97－103. (in Chinese with English abstract)

[20]劉玉，郝星耀，潘瑜春，等. 河南省耕地集約利用時空分異及分區研究[J]. 地理科學，2014，34(10)：1218－1225. Liu Yu, Hao Xingyao, Pan Yuchun, et al. Evaluating and zoning of cultivated land intensive use in Henan province at county Level[J]. Scientia Geographica Sinica, 2014, 34(10): 1218－1225. (in Chinese with English abstract)

[21]邢璐平，方斌，向夢杰. 基于GWR模型的江蘇省耕地集約利用水平時空變化特征及影響因素[J]. 長江流域資源與環境，2019，28(2)：376－386. Xing Luping, Fang Bin, Xiang Mengjie. Temporal and spatial variation of cultivated land intensive use level and its influencing factors in Jiangsu province based on GWR model[J]. Resources and Environment in the Yangtze Basin, 2019, 28(2): 376－386. (in Chinese with English abstract)

[22]田京京，趙麗，朱永明. 基于C-D生產函數模型的保定市耕地集約利用時空變異研究[J]. 湖北農業科學，2016，55(9)：2438－2443. Tian Jingjing, Zhao Li, Zhu Yongming. Research on spatiotemporal variation of intensive utilization of cultivated land based on C-D production function model in Baoding city[J]. Hubei Agricultural Sciences, 2016, 55(9): 2438－2443. (in Chinese with English abstract)

[23]柯新利，黃翔，楊柏寒. 基于ESDA的武漢城市圈耕地利用集約度空間差異分析[J]. 水土保持研究，2016，23(2)：287－292. Ke Xinli, Huang Xiang, Yang Bohan. Analysis on spatial heterogeneity of cultivated land use intensity in wuhan city circle based on ESDA[J]. Research of Soil and Water Conservation, 2016, 23(2): 287－292. (in Chinese with English abstract)

[24]孫英彪，蘇雄志，許皞. 河北省耕地集約利用水平與碳排放效率的相關性[J]. 農業工程學報，2016，32(19)：258－267. Sun Yingbiao, Su Xiongzhi, Xu Hao. Correlation between levels of cultivated land intensive use and carbon emission efficiency in Hebei province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(19): 258－267. (in Chinese with English abstract)

[25]羅慶，楊慧敏，李小建，等. 河南耕地利用集約度的時空差異分析[J]. 河南大學學報：自然科學版，2015，45(6)：673－680. Luo Qing, Yang Huimin, Li Xiaojian, et al. The spatial-temporal difference analysis of cultivated land use intensity in henan province[J]. Journal of Henan University(Natural Science), 2015, 45(6): 673－680. (in Chinese with English abstract)

[26]鄧楚雄，謝炳庚，李曉青，等. 基于投影尋蹤法的長株潭城市群地區耕地集約利用評價[J]. 地理學報，2013，32(11)：2000－2008. Dend Chuxiong, Xie Binggeng, Li Xiaoqing, et al. Evaluation of intensive cultivated land use based on a projection pursuit model in Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Acta Geographica Sinica, 2013, 32(11): 2000－2008. (in Chinese with English abstract)

[27]李明薇，陳偉強，鄖雨旱，等. 基于投影尋蹤模型的河南省耕地生態安全評價[J]. 水土保持研究，2018，25(4)：257－263. Li Mingwei, Chen Weiqiang, Yun Yuhan, et al. Evaluation on farmland ecological security in Henan province based on projection pursuit model[J]. Research of Soil and Water Conservation, 2018, 25(4): 257－263. (in Chinese with English abstract)

[28]張榮天，焦華富. 轉型期省際城鎮土地利用績效格局演變與機理[J]. 地理研究，2014，33(12)：2251－2262. Zhang Rongtian, Jiao Huafu. Performance of urban land use pattern evolution and mechanism in China during the transformation period[J]. Geographical Research, 2014, 33(12): 2251－2262. (in Chinese with English abstract)

[29]王勁峰，徐成東. 地理探測器：原理與展望[J]. 地理學報，2017，72(1)：116－134. Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116－134. (in Chinese with English abstract)

[30]趙小風，李婭婭，趙雲泰，等. 基于地理探測器的土地開發度時空差異及其驅動因素[J]. 長江流域資源與環境，2018，27(11)：2425－2433. Zhao Xiaofeng, Li Yaya, Zhao Yuntai, et al. Spatiotemporal differences and driving factors of land development degree in China based on geographical detector[J]. Resources and Environment in the Yangtze Basin, 2018, 27(11): 2425－2433. (in Chinese with English abstract)

[31]Foley J A, Ramankutty N. Solutions for a cultivated planet[J]. Nature, 2011, 478(7369): 337－342.

[32]龍禹橋，吳文斌，余強毅，等. 耕地集約化利用研究進展評述[J]. 自然資源學報，2018，33(2)：337－350. Long Yuqiao, Wu Wenbin, Yu Qiangyi, et al. Recent study progresses in intensive use of cropland[J]. Journal of Natural Resources, 2018, 33(2): 337－350. (in Chinese with English abstract)

Multiscale spatiotemporal characteristics and influencing factors of intensive cultivated land use in Yangtze River Economic Belt

Zhang Rongtian, Lu Jianfei

(,,225009,)

Under the limited reserve resources of cultivated land, it is necessary to change the traditional extensive utilization methods of cultivated land resources, and the road of intensive development is the most effective way to solve the human-land contradiction. The scientific analysis of spatial and temporal differences and influencing factors of cultivated land intensive use in the region is of great practical significance for promoting intensive potential exploitation and efficient utilization of cultivated land resources. Taking the Yangtze River Economic Belt as a case study, evaluation index system of cultivated land intensive use was constructed from the dimensions of input intensity, utilization intensity, output efficiency and sustainability. Projective pursuit model was used to quantitatively measure the level of cultivated land intensive use in the Yangtze River Economic Belt from 1978 to 2016. Based on the multiscale perspective of watershed, province and city, through the coefficient of variation, spatial autocorrelation index, the paper explored multiscale spatial-temporal differences of cultivated land intensive use in the Yangtze River Economic Belt. The influence mechanism of intensive utilization of cultivated land was revealed by using geographic detector model. The results showed that: since 1978, the level of cultivated land intensive use in the Yangtze River Economic Belt has improved at the watershed scale, but in the evolution process, the difference characteristics of “east high west low” have appeared; the intensive use of cultivated land in the Yangtze River Economic Belt at provincial and city scales presents spatial agglomeration characteristics, and the smaller the scale, the more significant the spatial agglomeration. During the period of the study, the types of spatial correlation between provinces and regions were mainly positive correlation, and there was a phenomenon of “club convergence” in cultivated land intensive use in the Yangtze River Economic Belt at city scale. The hot spots are mainly concentrated in Shanghai and Southern Jiangsu, and gradually evolved into Shaoxing-Hangzhou and Lancang; the cold point area was mainly concentrated in the Western Sichuan Plateau area. Natural factors, population growth, economic and social development, and institutional policies can effectively explain the spatial-temporal differences in the intensive use of cultivated land in the Yangtze River Economic Belt; demographic factors and economic and social factors have a significant impact on cultivated land intensive use, while policy factors have a strong driving effect. Finally, suggestions were put forward on how to promote cultivated land intensive use from the aspects of comprehensive land remediation, increasing the input of elements, optimizing and adjusting the structure of cultivated land, and promoting innovation in agricultural science and technology. In addition, it should be pointed out that there are still some deficiencies in this study: only the spatial and temporal patterns of cultivated land intensive use in six time sections since 1978 are analyzed on the time scale, it is also necessary to further reveal the temporal and spatial differentiation of intensive cultivated land use in the Yangtze River Economic Belt at a multitime scale. In terms of the impact mechanism, the factors of farmer households have not been discussed in this study, and the factors of farmer households have an important impact on regional cultivated land use efficiency. How to reveal the micro-mechanism of spatial and temporal differentiation of cultivated land intensive use in the Yangtze River Economic Belt from the perspective of farmers will be the next deepening area and direction of this study.

land use; models; cultivated land; impact factors; ESDA; geographic detectors; multi scale; Yangtze River Economic Belt

張榮天，陸建飛. 長江經濟帶耕地集約利用多尺度時空特征與影響因素分析[J]. 農業工程學報，2019，35(24)：271－278.doi：10.11975/j.issn.1002-6819.2019.24.032 http://www.tcsae.org

Zhang Rongtian, Lu Jianfei. Multiscale spatiotemporal characteristics and influencing factors of intensive cultivated land use in Yangtze River Economic Belt[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(24): 271－278. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.24.032 http://www.tcsae.org

2019-07-26

2019-10-21

中國博士后科學基金（2017M621834）；江蘇高校哲學社會科學基金（2018SJA1153）；江蘇省社科應用研究精品工程課題（19SYC-111）；安徽省城鎮化發展研究中心2016年度開放課題

張榮天，博士后，助理研究員，從事城鄉發展研究。Email：nnuzrr@163.com

10.11975/j.issn.1002-6819.2019.24.032

F301.21

A

1002-6819(2019)-24-0271-08