贛東山地丘陵區耕地細碎化時空變異與驅動因子探析
——以江西省萬年縣為例

常玉旸, 張天柱, 張鳳榮, 石敬詩, 謝 臻

(1.中國農業大學 土地科學與技術學院, 北京 100193; 2.自然資源部農用地質量與監控重點實驗室,北京 100193; 3.山東科技大學 計算機科學與工程學院， 山東 青島 266590)

耕地資源是國家糧食安全的保障，但隨著城鎮化進程的加劇，我國耕地細碎化問題不斷凸顯。耕地細碎化會破壞田塊形狀規則度，極大降低農田設施和農機的生產效率，嚴重阻礙農業適度規模經營，挫傷農民的糧食生產積極性[1]，威脅糧食安全并逐漸成為制約農業生產發展、農村社會穩定的主要因素[2]。耕地細碎化是與土地規模經營相對立的土地利用格局，是世界上多數國家農業生產過程中普遍存在的問題[3]，其是指受人為或自然條件的影響，耕地難以成片、集中、規模經營，導致土地利用呈現出的插花、分散、無序的狀態[4]。近年來，學者對耕地細碎化時空演變[5-6]、形成機理[7-8]、影響效應[9-13]和評價指標構建與優化[14-18]進行了一系列探索。其中，耕地細碎化測度研究主要基于農戶微觀視角與區域中觀視角。微觀視角強調地塊的利用效率，通過農戶調研，從耕地經營利用狀況等方面來評價區域耕地細碎化程度[19-20]；而區域中觀視角從平面空間來觀測耕地細碎化，將其視作一種地理單元內的景觀格局[8]，主要選取一個或者多個景觀格局指數進行評價[21-22]。

在耕地細碎化驅動因素分析方面，現有研究多將耕地細碎化視作一種農業經濟現象，從農戶微觀層面考量，著重分析權屬劃分、農業經營成本、農戶家庭特征以及農機普及率等因素對于耕地細碎化的影響。中觀尺度下耕地細碎化是微觀尺度權屬細碎化的基礎[17]，其景觀格局不僅受勞動主體行為的制約，自然地理條件與社會經濟因素都會對其產生驅動作用，所以有必要從地學角度出發，運用地理空間分析手段，分析不同類型因素對耕地景觀細碎化的影響。

有研究發現微觀尺度與中觀尺度的研究結果表現出一定差異性[22]，并從地形因素分析了導致評價單元出現耕地細碎化分異機理。土地作為自然經濟綜合體，單一的地形要素并不能夠全面解釋空間分異原因，不同區域的功能區劃會直接影響區域土地利用模式、勞動力轉移以及政府資金投入，這些因素都會驅使當地耕地景觀形態發生變異，因此有必要強調區域發展政策對于當地耕地細碎程度的作用。本文基于前人研究成果，利用耕地景觀格局指數測算江西省萬年縣耕地景觀細碎化指數，并結合不同鄉鎮資源稟賦與發展定位，分析萬年縣耕地細碎化空間分異驅動因素，以期為耕地細碎化形成機理研究提供新思路，科學制定耕地利用與保護政策，從而保障區域糧食安全，推動社會經濟可持續發展。

1 研究區域與數據處理

1.1 研究區概況

素有“貢米之鄉”之稱的萬年縣地處江西省東北部(116°46′—117°15′E，28°30′—28°54′N)，東西寬47 km，南北長43 km，總面積11.41萬hm2。地處懷玉山系余脈與鄱陽湖平原過渡地帶，地勢東南高西北低，呈階梯狀，地貌類型主要有侵蝕堆積河谷平原、剝蝕堆積崗地、溶蝕峰叢洼地和構造剝蝕丘陵，如按海拔高度和相對高程劃分，可劃分為低山、丘陵、平原三大類型，是典型的山地丘陵區。萬年縣耕地面積約占土地總面積的29%，水域面積約占土地總面積的6%。全境土壤類型多樣，屬江南丘陵紅壤區，適應多種農作物和亞熱帶植被生長。屬亞熱帶季風濕潤氣候，年平均氣溫17.5℃，年平均降水量1 908.4 mm，降雨集中在每年4月至7月。萬年縣農業種植和畜牧養殖一直占據第一產業主導地位，基本形成了貢米、生豬、珍珠、果蔬、油茶、雷竹、苗木花卉七大農業支柱產業。當地工業發展主要依賴于“一區三園”總體布局，以鄉村特色為支撐的旅游業也在逐漸興起。

1.2 數據來源與處理

本研究采用2009年、2018年萬年縣土地利用現狀圖，以行政村為單元，利用ArcGIS 10.2提取萬年縣耕地、河流、公路以及居民點等信息，并將矢量圖層轉為2 m×2 m的柵格圖，再將耕地分布柵格圖導入Fragstats 4.2進行耕地景觀指數測算。距公路、農村居民點以及河流等要素的距離通過ArcGIS 10.2空間分析工具中的歐氏距離功能計算得出。DEM數據為Gdemdem 30 m分辨率數字高程數據，來源于地理空間數據云網站(http:∥www.gscloud.cn/)，用于提取坡度、坡向及海拔等信息。鄉鎮人口密度數據源自《萬年縣統計年鑒》。

2 研究方法

2.1 耕地景觀形態特征與指標體系構建

景觀格局指數已被廣泛應用于中觀尺度耕地細碎化的測算(表1)，一定程度上，耕地景觀的變化是耕地細碎程度變化的直觀反映。本文借鑒已有成果[5-6,9]，并結合研究區自身特點，形成了以村為單元的耕地細碎化評價體系，從耕地的面積、形狀、行政村內的分布3個指標層級的6項指標測度耕地景觀細碎化程度。所選取的6項景觀格局指數分別為平均地塊面積(MPS)、地塊密度(PD)、邊界密度指數(ED)、面積加權形狀指數(AWMSI)、平均最鄰近距離(MNN)及破碎化指數(FS)。

表1 基于景觀格局指數的耕地景觀細碎化測算體系

2.2 原始數據標準化及指標賦權

由于各指標的數量級以及對耕地細碎化影響效應不同，為消除各指標的量綱，本文采用極差標準化方法對指標原始值進行處理，極差標準化公式如下：

式中:Pij表示指標的標準化值;Xij表示指標的原始值;Ximax表示指標原始最大值;Ximin表示指標原始最小值。

指標的權重對于評價結果的準確性起著至關重要的作用，因此本文結合前人研究經驗，為避免主觀因素對評價結果的干擾，選用熵值法對6項指標進行賦權。

參評指標的熵值權重計算公式如下：

式中:Pij為第i個樣本第j個評價指標的標準化值;ej為第j個指標的熵值;wj為第j個指標的權重。

在Python環境下運行上述公式得到萬年縣2009年、2018年耕地細碎化評價指標權重(表2)。

表2 萬年縣耕地細碎化各指標權重

2.3 地理探測器探測方法

地理探測器機理分析法，是運用于空間數據探索的方法之一，地理事物的空間分布具有明顯差異，其分布受自然地理環境要素和人文社會經濟因素共同影響。該方法核心思想基于假設：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應該具有相似性[23-24]。傳統的土地利用變化驅動力分析主要采用統計分析方法、系統分析法和模型化方法[25-26]，這些傳統分析模型對假設條件和數據要求較高，然而實際上地理要素難以完全滿足傳統模型中的條件假設，導致分析效果不理想；地理探測器模型假設制約條件比較少，其最大特征在于幾乎無假設條件，可以有效克服傳統數學統計模型處理此類問題的局限性，目前該模型已被運用到土地利用、公共健康、區域經濟、生態、環境、遙感以及計算機網絡等領域[27]，在空間統計分析方面表現出一定優勢。本研究將其用于探測自然地理環境條件與人文社會經濟因素對耕地景觀細碎化空間分異的影響，其模型如下：

本文結合前人研究以及萬年縣實際情況，考慮到數據的可獲取性，選取高程、坡度、坡向、距河流距離、鄉鎮人口密度、距農村居民點距離、距公路距離、距鐵路距離以及距鄉鎮行政中心距離9個探測因子。該探測方法要求自變量為類型量，因此基于因子特性、自然斷點法對9個探測因子進行聚類分區。由于因變量與自變量的空間粒度不同，通過構建1 147個1 km×1 km格網將耕地細碎化指數與各探測因子類型量進行匹配。

3 結果與分析

3.1 耕地細碎化基本特征

根據選取的測算指標分別對萬年縣2009年與2018年各行政村的耕地進行面積指數、形狀指數、分布指數以及綜合指數的測算，按照Jenks自然斷點法將細碎化級別分為五級，級數高表明細碎化越嚴重。根據測算及分級結果輸出萬年縣耕地細碎化各級行政村數量、耕地面積及占比情況表(表3)及萬年縣2009—2018年萬年縣耕地細碎化指數分布圖(圖1)。從耕地細碎化綜合指數來看，9 a間萬年縣耕地細碎化程度明顯加劇。2009年，細碎化級別為3級的耕地占比最高，涉及62個村莊，占全域所有耕地面積的46.54%，空間上表現出連片分布；2018年，細碎化4，5級耕地增長明顯，分別比2009年增加了2 471.44 hm2，3 307.81 hm2。

表3 2009年、2018年萬年縣各級耕地細碎化行政村數量、耕地面積及占比情況

圖1 2009、2018年萬年縣耕地細碎化指數分布

3.1.1 耕地面積指數空間分異 通過選取平均地塊面積(MPS)、斑塊密度(PD)兩個景觀格局指數來表征耕地在規模上的破碎程度，計算得出萬年縣2009—2018年各行政村耕地面積指數空間分布情況，該指數越大表明該村耕地在規模上越細碎。在面積指數層面，2009年萬年縣耕地占比最高的為2級細碎化耕地，占全域耕地總面積的41.69%，96個村的耕地為1～2級細碎化，表明2009年萬年縣耕地平均地塊面積較大，在規模上具有一定的連片性，人為占用程度較低。在空間分布上，萬年縣東南部以及石鎮鎮與珠田鄉相接地帶耕地平均規模相對較小，主要是因為這兩處區域地勢相對較高，且坡度較大，耕地受地形割裂呈現出耕地平均斑塊面積小、斑塊密度高的特征。2018年細碎化1～2級耕地顯著減少，3～5級耕地占比均有所提高，其中細碎化4級耕地增長最為顯著，由2008年4.65%增長至29.13%成為占比最高區間。面積細碎指數在空間分布上也呈現出一定的集聚特征，細碎化較為嚴重的耕地主要分布在西北部湖云鄉、梓埠鎮一帶。

3.1.2 耕地形狀指數空間分異 邊界密度指數(ED)、面積加權形狀指數(AWMSI)共同表征各行政村耕地形狀的細碎程度。2009年萬年縣耕地形狀細碎化指數整體呈低水平，細碎化2級耕地占比最高，1～2級耕地共占比59.18%，僅有4個村莊細碎化級別達到了5級。這是由于2009年萬年縣還是以農業生產為主，田坎及灌溉設施使耕地邊界較為平直，形狀較為規則。2018年由于萬年縣大力發展黑豬養殖、珍珠培育、大棚蔬菜以及勞動密集型工業，使得勞動力大規模轉移，其他產業占用耕地生產，一定程度上破壞了耕地斑塊形狀，使得耕地細碎化形狀指數明顯上升，1～3級耕地面積均減少，4級耕地成為占比最高區間，4，5級耕地占比分別增加13.9%，15.2%，細碎化5級耕地主要分布在梓埠鎮、陳營鎮以及裴梅鎮。

3.1.3 耕地分布指數空間分異 平均最鄰近距離(MNN)及破碎化指數(FS)綜合測算得出萬年縣耕地細碎化分布指數，通過兩個年份對比，分布指數演變趨勢明顯不同于綜合指數以及形狀、面積指數。2009年分布指數主要集中在3～4級，占比63.51%，而2018年2級耕地占比增長顯著，增長26.58%，4～5級占比明顯減少。從熵值法確定的指標內部權重來看，平均最鄰近距離權重較大，2009年耕地分布指數較高表明當年耕地分布比較離散，而2018年耕地分布趨于集中，這表明城鎮化進程的推進影響了耕地的分布情況，其他產業對耕地的占用使得耕地面積縮減，機械化水平的提升也在一定程度上推動了耕地的集聚。

3.2 耕地細碎化驅動因子貢獻力分析

利用地理探測器測算方法，選取高程(X1)、坡度(X2)、坡向(X3)、距河流距離(X4)、鄉鎮人口密度(X5)、距農村居民點距離(X6)、距公路距離(X7)、距鐵路距離(X8)以及距鄉鎮行政中心距離(X9)9個探測因子，計算2018年各探測因子對萬年縣耕地細碎化的影響能力，q值越大意味著該探測因子對耕地細碎化的貢獻力越大。從綜合指標探測結果來看，耕地細碎化主要驅動因素依次是高程、鄉鎮人口密度、距農村居民點距離以及坡度(表4)。

表4 地理探測器因子探測結果

地理探測器交互探測可識別不同風險因子Xi之間的交互作用，即評估因子X1和X2共同作用時是否會增加或減弱對因變量的解釋力，或這些因子對因變量的影響是否為相互獨立的，兩個因子之間的關系可分為非線性減弱、單因子非線性減弱、雙因子增強、獨立以及非線性增強5類[27]。萬年縣耕地細碎化驅動因子交互探測結果見表5。結果表明各探測因子對耕地細碎化的影響不是獨立的，任何兩種因子交互作用對耕地細碎化的影響都大于單一因子貢獻力，因素之間呈相互增強或非線性增強效應。

3.3 耕地細碎化鄉鎮尺度空間分異驅動因子分析

因各縣鎮資源稟賦和區位條件具有明顯差異，根據萬年縣城市總體規劃，依據不同鄉鎮的主導產業以及鄉鎮發展定位，將萬年縣12個鄉鎮分為綜合發展型、工業貿易型、生態旅游型以及農業生產型4類。因鄉鎮人口密度在評價單元(鄉鎮)中無變異，且次級樣本區(行政村)人口密度數據難以獲取，因此將鄉鎮人口密度因子剔除，利用高程(T1)、坡度(T2)、坡向(T3)、距河流距離(T4)、距農村居民點距離(T5)、距公路距離(T6)、距鐵路距離(T7)以及距鄉鎮行政中心距離(T8)8個探測因子對各鄉鎮耕地細碎化主要驅動因素進行探測。各鄉鎮耕地細碎化指數見圖2，驅動力探測結果見圖3，為更加直觀體現各探測因子的驅動力，按照地理探測器求出的q值將各因子貢獻力程度進行排序賦予等級，其中8級表示該因子影響力最大，1級因子影響力最小。

表5 地理探測器交互探測結果

作為萬年縣中心城區的陳營鎮與上坊鄉，其耕地都處于高度細碎化狀態。陳營鎮的細碎化綜合指數居全縣之首，其中分布指數最高。陳營鎮耕地細碎化主要影響因子為距河流距離、高程、距鄉鎮中心距離以及距公路距離，自然地理條件以及社會經濟條件對該鎮都表現出了較強的影響力。陳營鎮三面環山，且珠溪河從鎮內穿過，自然地理條件在一定程度上使得耕地表現出細碎化；社會經濟因素層面，陳營鎮是萬年縣中心城區，為綜合發展型城鎮，是縣域政治、經濟、文化中心，路網密集，城鎮化水平高，高密度、多類型的城市要素侵入使得耕地面積減少，原本大面積連片的耕地被當地密布的交通路網割破。上坊鄉作為另一中心城區，也表現出較高的綜合細碎化指數，距鄉鎮中心距離、距公路距離的貢獻力明顯，城鎮中心人口高度集聚、城郊工業園區不斷擴張都直接導致耕地細碎化程度加劇。

石鎮鎮為萬年縣鳳巢工業園區分布區，是典型的工業貿易型鄉鎮。探測因子主要貢獻程度依次表現為距鄉鎮行政中心距離、距鐵路距離、距公路距離、距農村居民點距離等，細碎化綜合指數僅次于陳營鎮。這與當地主要發展新能源、精細化工、汽配等工業有關，工業園區布局受交通干線影響，耕地被用于工業用地和交通線路侵占、分割，對耕地形狀指數影響明顯。

生態旅游型鄉鎮大源鎮與裴梅鎮分別以“稻源特色”和“貢米特色”建設特色旅游型小鎮，依托境內神農源風景名勝區和珠溪河國家濕地公園大力發展旅游業。二者都位于萬年縣東南部，地勢高、坡度大，整治細碎耕地成本高；同時，縣鎮中心以及城郊的觀光、住宿基礎設施的建設使得距鄉鎮行政中心的距離成為影響耕地細碎化的主要因素。由于兩縣均位于生態保護區，生態保護紅線的限制使得人為擾動程度低于中心城鎮，耕地景觀細碎化程度低。

農業生產型鄉鎮雖都以農業作為當地主導產業，但由于農產品類型不同，耕地細碎化程度出現分異。蘇橋鄉主要以種植葡萄、油茶等農作物為主，汪家鄉以培育無籽西瓜、花卉苗木、蔬菜種植和生豬養殖為主，兩個鄉鎮雖為農業生產型鄉鎮，細碎化指數卻都在0.6以上，這是由于畜禽養殖、工廠化作物栽培以及水產養殖造成設施農用地大面積侵占耕地，造成耕地細碎化加劇，且勞動密集型農業吸引了大量勞動力，耕地不斷被邊際化，導致細碎化程度加劇。探測因子中，自然因子對蘇橋鄉、汪家鄉耕地細碎化影響顯著，萬年河流經蘇橋鄉，且境內分布著許多水庫，河網密布制約著耕地景觀連片性；汪家鄉整體地勢為東南高西北低，高程差距較大，直接影響著耕地分布。

圖2 萬年縣各鄉鎮耕地細碎化指數

圖3 各鄉鎮耕地細碎化驅動因子影響力等級

其他各鄉鎮則以傳統糧食作物生產為主，耕地細碎化程度相對較低。齊埠鄉、湖云鄉和梓埠鎮位于萬年縣西北部，地處鄱陽湖平原，地勢優勢以及傳統農業生產為主的產業構成使得三各鄉鎮整體耕地細碎化指數處于較低水平。3個鄉鎮位于玉津河與樂安河相接處，河網密布，因而距河流距離對3個鄉鎮影響顯著。青云鎮雖也為傳統農業生產型鄉鎮，但作為萬年縣老縣城，擁有一定的交通優勢，且境內有萬年河途經，因此，距公路距離與距河流距離對當地耕地細碎化影響程度較高。

地域性的自然環境、經濟社會發展程度導致各鄉鎮的驅動因素差異明顯。綜合來看，經濟發達的綜合型中心城鎮耕地細碎化程度高，受距縣鎮行政中心距離、交通要素影響顯著。工業貿易型鄉鎮對物流成本要求較高，因而距公路距離對此類鄉鎮的耕地細碎化表現出明顯的決定力。生態旅游型鄉鎮由于自然地理條件與發展服務業的產業導向，耕地形態與高程、坡度等自然條件，以及鄉鎮中心旅游業基礎設施的建造聯系密切。農業生產型鄉鎮耕地細碎化程度與其生產的農產品種類有一定聯系，對于畜禽養殖、工廠化作物栽培以及水產養殖等對人工生產條件需求較高的地區，耕地細碎化指數較高；主要生產糧食作物的鄉鎮社會發展程度較為落后，綜合細碎化指數水平低，社會經濟因素影響力小，主要影響因子則表現為距河流距離、高程等自然地理因素。

4 結 論

(1) 萬年縣2009—2018年耕地細碎化程度加劇明顯，2～3級細碎化耕地面積減少，4～5級耕地均占比提高。耕地細碎化面積指數、形狀指數所指征的細碎化程度均明顯提高，分布指數呈現下降趨勢，說明在人為干預下，耕地由原本分散分布逐漸集中整合，規模化經營促進了是耕地分布指數下降。

(2) 地理探測器因子探測結果表明萬年縣耕地細碎化主要驅動因素為高程、鄉鎮人口密度、距農村居民點距離以及坡度；各探測因子對耕地細碎化的影響不是獨立的，任何兩種因子交互作用對耕地細碎化的影響都大于單一因子貢獻力，因子之間呈相互增強或非線性增強效應。

(3) 自然地理條件與區域發展定位是影響耕地細碎化空間分異的重要因素。各鄉鎮的耕地細碎化驅動因素差異明顯。綜合型中心城鎮耕地細碎化程度高，受距縣鎮行政中心距離、交通要素影響顯著。工業貿易型鄉鎮路網密集，距公路距離對耕地細碎化表現出明顯的貢獻力。生態旅游型鄉鎮由于自然地理條件與發展服務業的產業導向，耕地形態與高程、坡度等自然條件，以及鄉鎮中心旅游業基礎設施的建造聯系密切。農業生產型鄉鎮耕地細碎化程度與其生產的農產品種類有一定聯系，對人工生產條件需求較高的地區，耕地細碎化指數較高；主要生產糧食作物的鄉鎮社會發展程度較為落后，細碎化指數水平低，自然因素對耕地景觀影響明顯。