黃土丘陵區耕地細碎化特征及影響因素研究
——以山西省和順縣為例

劉立文，段永紅，徐立帥，袁曉梅

（山西農業大學資源環境學院/山西農業科學院農業環境與資源研究所，太原030031）

0 引言

由于改革開放初期農村人口數量高，機械化水平不高，為解決農村人口的溫飽問題，1978年家庭聯產承包責任制隨著時代產生[1]。然而，隨著中國城市化不斷的深入，以及社會經濟的發展，截止到2018年，農村人口占比由1978年的82.10%降到40.42%，由于大量農村人口涌入城市，農民對土地的依賴程度不斷降低[2-3]。土地初步具備大規模經營的可能性，耕地細碎化減少了農業用地的有效面積，導致土地管理分散化和精細化，限制了農業的大規模經營，降低了土地的產出效率，弊端日益突出[4-5]。耕地細碎化成因的多樣性導致其所產生的影響具有復雜性，如何更好地通過優化耕地的空間分布格局，在增加有效耕地面的同時提高耕地利用效率，從而實現耕地規模化經營，已成為農業生產和發展需要迫切解決的問題之一[6-9]。

由于耕地細碎化現象分布廣泛，引起了國內外研究者的關注。國外研究的重點是細碎化耕地對農業生產成本的影響以及利潤與技術效率之間的關系，主要采用定量研究方法[10-12]。國內的研究主要集中在耕地細碎化對農民收入、糧食產量和耕地利用效率的影響，如與糧食生產的關系、農地生產規模效應的程度。2009年候方安[13]研究了耕地細碎化對農業機械化發展的影響；2010年李慶東等[14]結合研究區的農戶耕地經營現狀分析了導致耕地細碎化的原因，認為家庭聯產承包責任制下土地市場化流轉程度不高是耕地細碎化的主要原因；2018年趙小睿[15]對耕地細碎化背景下農戶地塊整合意愿進行實證研究，結果表明，農戶整合地塊意愿強烈；2019年王亞輝等[16]分析耕地地塊細碎程度及其對山區農業生產成本的影響，發現優質耕地能緩解地塊細碎帶來的成本上升，同時擴大地塊面積有助于降低生產成本。

然而，耕地細碎化的形成過程和影響是一個復雜的過程，是社會、自然和區位因子導致的農業生產水平不同而形成的綜合過程，以前的研究主要集中在空間分布上，對影響因素研究較少，且黃土丘陵區由于其特殊的地理環境因素，耕地分布較為復雜。基于此，筆者以景觀格局的方法進行研究區耕地細碎化，利用空間自相關分析和多元線性回歸的方法來研究和順縣耕地細碎化與影響農業生產的自然社會經濟因素的耦合關系。以期為提高黃土丘陵區耕地利用率進而實現鄉村振興提供科學參考。

1 材料與方法

1.1 研究區概況和數據源

1.1.1 研究區概況 和順縣位于黃土丘陵區東部邊界，太行山西側，隸屬于山西省，其地理坐標為東經113.05°—113.56°，北緯37.03°—37.36°，總面積2250 km2。東與河北省邢臺市接壤，西與榆社縣、榆次市，南與左權縣，北與昔陽縣和壽陽縣接壤。和順縣多為山地丘陵，呈現出西高東低的趨勢，主要河流有清樟河、里恩河、松溪河、西清漳河，僅在清樟河沿岸有小塊平川。和順縣轄區內有5個鎮、5個鄉，依高程排序分別是馬坊鄉、陽光占鄉、橫嶺鎮、義興鎮、牛川鄉、喂馬鄉、平松鄉、李陽鎮、青城鎮、松煙鎮，其中縣城位于義興鎮。研究區屬溫帶大陸性氣候。冬冷夏熱，四季明顯，雨熱同期。年平均氣溫6.3℃，年降雨量為年降水593 mm。2018年和順縣農業總播種面積為12.93 hm2，農作物主要品種有玉米、豆類、薯類、油料。全縣共294個行政村。總人口13.99萬，農業人口10.90萬人。2018年實現地區生產總值58.89億元，人均生產總值達39864元，農民可支配收入為7197元。

1.1.2 數據源 耕地數據來源于土地承包經營權的調查數據，數據包括245村，占和順村莊比例的83.33%，區位因子中的道路、耕作半徑和灌溉以及行政區域界限均來源于和順縣自然資源局的第二次國土調查數據，地形因子中的海拔高度、地形坡度和坡向數據來源于地理空間數據云的ASTER-GDEM數據，勞動力務工數據來源于和順縣農村經濟經營管理中心。

1.2 研究方法和數據處理

1.2.1 耕地細碎化指數 根據和順縣土地承包經營權數據，和順縣10個鄉鎮耕地研究單元由Fragstats3.3推導得出和順縣耕地面積和周長，計算耕地細碎化指數所需的數據。以鄉鎮為分析單位，計算斑塊面積指數(PAI)、斑塊形狀指數(PSI)和斑塊密度指數(PDI)[17]，分為4個等級。

（1）斑塊面積指數(patch area index，PAI)。斑塊面積指數是衡量耕地斑塊細碎化程度的重要指標，與細碎化程度呈負相關關系，采用式(1)計算斑塊面積指數。

式(1)中，PAI表示斑塊面積指數(PAI)，CA表示斑塊總面積，NP表示斑塊總數量，PAI值越大，耕地細碎度越低。

（2）斑塊形狀指數(patch shape index，PSI)。斑塊形狀指數是某一不規則的斑塊形狀與相同面積的規則的圖形例如圓或正方形之間的偏離程度。計算如式(2)所示。

式(2)中，PSI表示斑塊形狀指數，CA表示斑塊面積，L表示斑塊周長。

PSI值越接近1，實際耕地形狀越接近易于耕作的正四邊形。否則，則表示斑塊形狀越不規則，就越難以使用。

（3）斑塊密度指數(patch density index，PDI)。斑塊密度指數顯示了斑塊在該區域的分布密集狀況，計算如式(3)所示。

式(3)中，PDI表示斑塊密度指數，NP表示斑塊數量，CA表示斑塊總面積。反映單位面積上的斑塊數，PDI值越大，耕地細碎化程度越低。

1.2.2 空間自相關性分析 空間自相關分析是反映了某個區域單元上或某個地理現象的屬性與相鄰區域單元或地理現象上相同屬性之間的相關程度，并且是空間域中聚集程度的度量，也是探索性空間數據分析的重要方法之一。常用的空間自相關指數是莫蘭指數(Moran’s I)，相應的據空間范圍的大小空間自相關測度可分為全局莫蘭指數(global Moran’s Index)和局部莫蘭指數(local Moran’s Index)[18]。

（1）全局自相關分析。如式(4)所示。

式(4)中，n為撂荒耕地塊的樣本總數，Wij為鄰接空間權重矩陣，Xi、Xj為地塊 i、j的地塊面積，X 為地塊面積的均值，S是所有空間權重的集合公式，如式(5)所示。

（2）局部自相關性分析。局部空間自相關描述的是部分特征統計指標，反映局部空間內差異性，計算如式(6)所示。

式(6)中，Wij為鄰接空間權重矩陣，Zi、Zj為撂荒耕地塊i、j的面積觀測值的標準化值。

對于4個指標，H-H型表明耕地集中，連片，形態規則，密度大，耕地相對較大，便于大規模經營和集中管理。相反，L-L型表明，面積分散，形狀不規則，密度較小的耕地集中，分散程度高，分布分散，不利于耕地的集中管理。而H-L型表明大面積耕地集周圍有小面積耕地分布，L-H表示小面積周圍有大面積耕地分布。

1.2.3 線性回歸分析 線性回歸分析是研究隨機變量和非隨機變量之間定量關系的統計分析方法[19-21]。本文將斑塊面積指數、斑塊形狀指數和斑塊密度指數作為因變量，以和順縣土地經營權調查數據與耕地細碎化密切相關的因素作為自變量，自變量包括到水域距離、到公路距離、到縣城距離、到鄉鎮距離、到耕地距離、到煤礦距離、坡度、高程、勞動力比例、村莊總戶數、村莊總人口、村莊總面積、村莊總耕地面積、村莊總宅基面積、村莊戶均人口數、村莊人均耕地面積、村莊宅化率、村莊耕聚比、村莊人均宅基地、村莊戶均宅基地、平均地力等級人均純收入等22個因素。

2 結果與分析

2.1 耕地細碎水平

用3個細碎化指數的標準值來衡量和順縣耕地的細碎化水平。基于GIS工具，運用自然間斷法將各鄉鎮指數值分為4個等級來分析各指數的空間分異情況（圖1）。

根據圖1(a)斑塊面積指數(PAI)可以看出，東部的整體特征高于西部和中部，耕地面積較大的鄉鎮主要位于和順縣東部，包括青城鎮等6個鄉鎮。和順縣西部的鄉鎮，包括馬坊鎮等3個鄉鎮斑塊面積相對較小。而和順縣東部耕地面積大、細碎化程度較低，便于集中管理；西部由于位于山區，耕地面積相對較小，細碎化水平較高，不利于集中管理；而中部位于市區，耕地較多轉化為其他建設用地，面積也相對較小，細碎化水平較高，不利于規模化經營和集中管理。

根據圖1(b)斑塊形狀指數(PSI)可知，斑塊形狀指數分布東部高于西部和中部，和順縣東部的鄉鎮PSI值相對較大，包括青城鎮等3個鄉鎮。斑塊形狀指數較小的區域位于西部和中部，包括馬坊鄉等7個鄉鎮，其中西部分布高于中部。由計算原理可知，斑塊形狀指數值越大，表示斑塊形狀越規則。表明和順縣東部耕地分布較為規則，細碎化程度較低，西部山區地塊耕地分布規則度次之，細碎化水平較高，位于市區的中部耕地分布規則度最低，細碎化程度最高。

圖1 和順縣耕地斑塊面積指數(a)、形狀指數(b)和分散指數(c)等級空間分布

從圖1(c)斑塊密度指數(PDI)的空間分布來看，斑塊密度指數東部和西部分布高于中部，東部區域和西部區域PDI相對較大，中部區域斑塊密度指數相對較小，由計算原理知，斑塊密度指數值越大，表示耕地呈現集中分布，細碎化程度越低，相反，斑塊密度指數值越小，代表耕地的分散水平越高、細碎化水平越高。由此看來，和順縣東部區域和西部區域耕地分布較集中，細碎化程度較低，而中部由于位于市區，建設用地占用耕地現象嚴重，耕地被破碎為許多分散的小塊夾雜在建設用地中，細碎化水平較高，為集中化管理帶來諸多不便。

2.2 空間自相關性分析

2.2.1 全局自相關性分析 測算斑塊面積指數(PAI)、斑塊形狀指數(PSI)、斑塊密度指數(PDI)的莫蘭指數值分別為0.1735、0.3185、0.1740，其期望值E(I)為-0.0029。根據計算原理，3個指數的莫蘭值均大于期望值E(I)，表明和順縣耕地細碎化空間分布呈空間正相關，而非隨機分布。

和順縣各地的耕地細碎度Moran’s I值依次為斑塊形狀指數(PSI)＞斑塊密度指數(PDI)＞斑塊面積指數(PAI)，表明斑塊形狀空間分布較為規律，分布相對均勻。斑塊密度和面積在空間分布和高度空間聚集方面具有很強的正相關性。

2.2.2 局部自相關性分析 根據圖2可知：（1）耕地細碎化斑塊面積指數(PAI)局部正相關的類型（H-H型）的地塊主要集中在東部，包括青城鎮等鄉鎮；弱勢L-L型的地塊主要集中在中部，H-L型主要分布在平松鄉、李陽鎮和喂馬鄉，L-H型主要分布在義興鎮。

圖2 和順縣耕地細碎化指數的空間關聯局部指標集聚狀況

（2）耕地細碎化斑塊形狀指數(PSI)局部正相關（H-H型）分布較均勻，分布面積較小，主要分布在馬坊鄉等鄉鎮；L-L型主要分布中部；H-L型主要分布在義興鎮、牛川鄉；L-H型主要分布在義興鎮、松煙鎮。

（3）耕地細碎化斑塊密度指數(PDI)局部正相關（H-H型）主要分布在西部和東北部，包括青城鎮等鄉鎮；弱勢L-L型主要分布在中部地區，包括義興鎮等；H-L型分布在喂馬鄉和李陽鎮；L-H型分布在青城鎮等鄉鎮。

總體來看，對于斑塊面積指數(PAI)，H-H型主要分布在東部，弱勢L-L型主要位于市區的中部，對于斑塊形狀指數(PSI)，H-H型分布面積較少，均勻分布，LL型同樣主要分布在中部，對于斑塊密度指數(PDI)，H-H型主要分布在西部和東北部，L-L型主要分布在中部，整體的分布呈現一定的規律性，即接近市區的地塊耕地分布分散，形狀不規則，耕地密度較低，耕地分布分散，細碎化程度高，不利于耕地的規模化經營和集中管理。遠離市區的地塊耕地面積大，形狀規則，耕地密度高，耕地分布集中，細碎化程度較低，便于耕種和大規模管理。但是由于西部地區存在山區，所以耕地面積較少，耕地密集度卻略高于東部。東部地區耕地以大面積地塊為主，形狀規則，分布集中，最適合集中管理和大規模經營。

表1 全局空間自相關性

2.3 耕地細碎化影響因素分析

利用SPSS 22.0，對實地調查所獲得的245個有效樣本進行多元線性回歸分析，采用輸入法將入戶調查所獲取的22個影響耕地細碎度的變量納入模型，分別研究22個變量對斑塊面積指數(PAI)、斑塊形狀指數(PSI)、斑塊密度指數(PDI)的影響，輸出3個自變量的模型摘要表、方差分析表和回歸系數表。

2.3.1 斑塊面積指數(PAI)的影響因素分析 根據表2中的回歸系數，建立斑塊面積指數(PAI)和7個影響因子之間的線性回歸模型，其回歸方程如式(6)所示。

式(6)中，y代表斑塊面積指數(PAI)，x1、x2、x3、x4、x5、x6、x7依次代表到縣城距離、坡度、村莊總戶數、村莊總人口、村莊總面積、村莊人均耕地面積、村莊宅化率。

剔除顯著性大于0.05的變量后獲得表2。從表2可以看出坡度、村莊總戶數和村莊宅化率回歸系數均為負數，表明其對斑塊面積指數(PAI)具有負向作用，其他4個變量回歸系數均為正數，表明其對斑塊面積指數(PAI)具有正向作用。表示到縣城距離越近，建設用地占用耕地現象越嚴重，耕地面積小，細碎化程度高。村莊總人口與耕地面積呈正向相關關系，人口越多，基數越大，從事農業勞動力的數量越多，對耕地的需求越大，也會影響到耕地面積。村莊總面積越大，人均耕地面積越大，面積指數也越高。坡度的高低也會影響耕地面積，坡度高的地域耕作難度較高，耕地面積分布較少，村莊居住用地面積越大，耕地面積越少。

表2 斑塊面積指數(PAI)回歸模型系數表

2.3.2 斑塊形狀指數(PSI)的影響因素分析 剔除顯著性大于0.05的變量后獲得表3。根據表3中的回歸系數，建立斑塊面積指數(PAI)和2個影響因子之間的線性回歸模型，其回歸方程如式(7)所示。

表3 斑塊形狀指數(PSI)回歸模型系數表

式(7)中，y代表斑塊形狀指數(PSI)，x1、x2代表勞動力比例、村莊人均耕地面積。

從表3可以看出勞動力比例和村莊人均耕地面積回歸系數均為負數，表明其與斑塊形狀指數(PSI)呈負相關關系。勞動力充足、人均耕地面積越多，耕地被破碎為許多小塊可能性越大，斑塊形狀指數(PSI)越小，耕地形狀越不規則，細碎化程度越高。

2.3.3 斑塊密度指數(PDI)影響因素分析 剔除顯著性大于0.05的變量后獲得表4。根據表4中的回歸系數，建立斑塊面積指數(PAI)和4個影響因子之間的線性回歸模型，其回歸方程如式(8)所示。

表4 斑塊密度指數(PDI)回歸模型系數表

式(8)中，y表示斑塊密度指數(PDI)，x1、x2、x3、x4表示坡度、村莊總面積、村莊總耕地面積、村莊宅化率。

從表4可以看出村莊總面積、村莊總耕地面積回歸系數為正數，表明其對斑塊分散指數具有正相關作用，坡度、村莊宅化率回歸系數為負數，表明其對斑塊密度指數(PDI)具有負相關作用。村莊總面積越大，總耕地面積越大，耕地較易集中分布，即耕地密度大。坡度越高的地塊，耕地耕作的難度大，分布容易分散，居住人口多的地方，耕地大多轉化為居住用地，耕地分布較少且不集中，即耕地密度小。

3 討論與結論

耕地細碎化程度對耕地管理和社會經濟發展具有重要影響，耕地分布分散，集中關聯度低，分散程度高。耕地大規模管理難度較大，許多現代農具沒有得到充分利用，農業生產效率低，糧食產量低，難以實現耕地綜合效益最大化。相反，細碎水平較低的耕地面積較大，形態規則，分散度低，布局相對集中，在提高糧食產量和生產效率以及優化耕地利用方面，比具有高度分散程度的地區具有更大的發展潛力[22-24]。因此通過研究耕地細碎化的空間分布及其影響因素，可以為提高農業產出和技術效率進而降低農業成本，實現鄉村振興提供科學依據。本研究根據耕地面積指數、耕地形狀指數和耕地密度指數來研究和順縣耕地的整體細碎化水平，并采用空間自相關性分析方法研究和順縣整體的空間相關性，用線性回歸分析法來探究耕地細碎化水平的影響因素。

結果表明，黃土丘陵區耕地細碎化的形成和內部結構主要地形地貌和社會經濟因素的雙重影響，這與文高輝等和孫欣等的研究一致[25-26]。其中和順縣海拔較低的東部由于農業基礎設施較完善，農業集約程度高，耕地面積較大，細碎程度低，形狀以規則地塊為主，而大面積耕地集中程度高呈現出H-H型，同時形狀指數呈現出L-L型。西部山區，由于海拔坡度較高，村莊和耕地分布較少，耕地面積相對較小，細碎化水平較高，形狀最不規則，形狀指數聚集呈現出H-H型。而中部位于山區和平川交錯區，該區是縣城的中心，受到社會和經濟因素的雙重影響，村莊數量最多，人口集聚程度高，而村莊的總耕地相對面積小，細碎化程度高，形狀較不規則，從而導致離縣城越近細碎化程度越高。

通過以上結果與討論，本文得到以下結論：（1）和順縣耕地面積指數總體空間分布是東部高于西部和中部，接近市區和山區的中西部鄉鎮斑塊面積(PAI)較小，形狀指數值(PSI)較低，斑塊密度指數(PDI)較高，耕地破碎程度高以小斑塊為主，且形狀不規則。而遠離市區和位于平川地區的東部鄉鎮耕地以大斑塊面積為主，斑塊形狀指數(PSI)值越大，且斑塊密度指數(PDI)較低，說明該地區地塊分布相對集中且呈現出規整形狀，便于集中化經營。

（2）和順縣各地的耕地細碎度Moran’s I值依次為斑塊形狀指數(PSI)＞斑塊密度指數(PDI)＞斑塊面積指數(PAI)，且值均大于0并具有顯著性。表明斑塊密度和面積在空間分布和高度空間聚集方面具有很強的正相關性。

（3）耕地斑塊面積指數(PAI)的局部正相關型（H-H型）地塊分布在東部，包括青城鎮等鄉鎮。弱勢的L-L型地塊的分布面積明顯小于H-H型地塊，主要集中在中部。耕地斑塊形狀指數(PSI)的局部正相關（H-H型）比較均勻，主要分布在馬坊鄉等鄉鎮。L-L型主要分布在牛川鄉等鄉鎮；耕地斑塊密度指數(PDI)的局部正相關（H-H型）主要分布在西部和東北部，包括青城鎮和其他鄉鎮。弱勢的L-L形式主要分布在中部地區，包括義興鎮等。

（4）在斑塊面積指數(PAI)的影響因素中，坡度回歸系數、村莊總數和村莊入住率均為負值，表明它們對斑塊面積指數(PAI)有負面影響，而其他4個變量的回歸系數為正值。表明它們對斑塊面積指數(PAI)有正向影響。在影響斑塊形狀指數(PSI)的因素中，農村人均耕地面積的勞動力比例和回歸系數均為負值，表明它們與斑塊形狀指數(PSI)呈負相關。在斑塊密度指數(PDI)的影響因素中，村莊總面積和村莊總耕地面積的回歸系數為正，表明它們對斑塊密度指數(PDI)有正相關關系，而坡度和村莊居住率的回歸系數為負，表明它們對斑塊密度指數(PDI)具有負相關效應。