陜西省耕地壓力時空演變及驅動因素研究*

程曉瑜，蓋微微，楊振民

(1. 新疆農業大學公共管理學院，烏魯木齊市，830052； 2. 東北林業大學經濟管理學院，哈爾濱市，150006； 3. 塔里木大學經濟與管理學院，新疆阿拉爾，843300)

0 引言

人口多，耕地資源有限的現實情況使耕地資源稀缺問題在過去、現在以及將來都是我國不可避免且必須要解決的問題[1]。當前，在復雜的國際形勢和新冠病毒為社會帶來嚴峻考驗的背景下，我國的糧食安全問題顯得更為重要。糧食的產量以耕地的數量和質量為基礎，隨著近年來我國經濟的飛速發展，經濟增長與耕地保護之間的矛盾日益凸顯，耕地資源面臨著城市化占用和糧食增產等多重壓力[2-3]，糧食生產格局的分異規律也日趨顯現。陜西省是西北地區農業生產的重要基地，探索分析其耕地壓力時空演變特征與驅動因素，對區域耕地資源有效利用與糧食安全保障有重要意義。

目前國內外的眾多學者從耕地資源利用效率[4-5]、未來趨勢預測[6-7]、耕地空間格局變化[8-11]、耕地質量評價[12-15]、耕地資源動態變化監測[16-18]、耕地變化對糧食生產的影響[19-22]、耕地壓力[2, 23-24]等角度開展了較深入的研究。對耕地壓力相關研究主要聚焦于其時空演變及預警、影響因素及對糧食安全的影響三個方面。其中，2002年蔡運龍等[25]提出了耕地壓力指數的概念，并以此為基礎提出了構建耕地資源利用和管理調控機制的思路，得到學者的認可并在后續的研究中得到了廣泛應用。從研究區域看，已有成果的研究對象多為全國范圍或者糧食生產大省，側重于對耕地與經濟、人口、糧食安全之間關系的分析，對于省域范圍耕地壓力時空演變及驅動因素問題的探究相對薄弱。

本研究基于陜西省1995—2019年耕地數量和分布情況，對最小人均耕地面積Smin與耕地壓力指數P進行測算，對傳統差異指數(變異系數CV、泰爾指數T、總熵指數GE、阿爾金森指數A)進行整合，建立總體分異測度指數GDI，引用重心移動模型和總體分異測度指數GDI描述區域內耕地壓力的時空變化特征，并借用灰色關聯分析法對耕地壓力變動的驅動因素進行分析與探討，以期為陜西省耕地資源的有效利用及其與社會經濟的協同發展提供參考建議，為保障國家糧食安全助力。

1 研究區概況與數據來源

1.1 研究區概況

陜西省位于我國中部偏北，東經105°29′～111°15′，北緯31°42′～39°35′之間，有11個地級市，總面積20 580 khm2，南北長、東西窄，地勢呈南北高，中部低，由西向東傾斜的特征。陜西省地處東部濕潤區向西部干旱區過度的地帶，地貌類型復雜，其中高原占全省土地總面積的45%，山地占36%，平原占19%，具有東西過度，南北兼具的氣候資源特點和不同類型的農業格局。2019年，陜西省耕地面積為3 010 khm2，占全省土地總面積的14.63%。《陜西農村報》數據顯示，陜西省81%的耕地分布在陜北高原和關中平原，榆林市、渭南市、咸陽市、寶雞市等4個市耕地面積較大，占全省耕地的62.58%。2019年，陜西省GDP為25 793.2億元，占全國GDP的2.6%；糧食總產量為12 311 kt，占全國糧食總產量的1.9%；人口3 876萬人，占全國總人口的2.8%。

1.2 數據來源

Fisher分類法是對按照一定順序排列的樣本數據，在不打亂樣本秩序的情況下，通過尋找最優分割點把樣本個體逐個合并成一些子集的聚類方法。本研究采用Fisher分類法對陜西省1978—2019年耕地面積、糧食單產量及總播種面積三項表征耕地情況的代表性指標進行分析，在樣本順序不變的前提下對各指標進行分類。根據計算結果選擇并考慮數據的可獲取性，選擇1995年、2000年、2003年、2010年、2019年數據進行分析。

本研究用到的耕地面積、農業、人口、國民經濟核算、自然狀況與資源等相關數據來源于各對應年份《中國統計年鑒》《中國農村統計年鑒》《陜西統計年鑒》，陜西省地方志及國民經濟與社會發展統計公報相關數據整理計算獲得。地類變化數據來源于中國科學院資源環境數據中心。數據運用各期Landsat TM/ETM、OLI影像，根據人機監督分類和實地驗證后，精準度達到95%以上。

2 研究方法

2.1 最小人均耕地面積

最小人均耕地面積指在區域范圍內的糧食生產力水平和供給能力下，能夠滿足人們正常糧食所需的耕地面積。

Smin=(β×Gr)/(p×q×k)

(1)

式中：Smin——最小人均耕地面積，hm2/人；

β——糧食自給率，%，陜西省由于自然稟賦，不能實現糧食的自給自足，綜合相關數據，本研究中β取85%；

Gr——人均年糧食需求量，kg/人，參照相關數據[26]，故本研究Gr取450 kg/人；

p——糧食單位面積產量，kg/hm2；

q——糧食播種面積與總播種面積的比值，%；

k——復種指數，%。

2.2 耕地壓力指數模型

耕地壓力指數是用來評估區域耕地資源緊張程度的指標[25]。

P=Smin/So

(2)

式中：P——耕地壓力指數(無量綱)；

So——人均實際占有耕地面積，hm2/人。

耕地壓力指數P屬于動態變量，其值越大，耕地壓力越明顯，給予耕地保護的需要越迫切。基于對耕地壓力內涵的剖析和理解，耕地壓力值域可分為5級[1]：P≤0.9時，耕地無明顯壓力；0.93時，耕地生產嚴重程度不能維持糧食需求。

2.3 重心模型

重心模型用以分析耕地壓力空間分布及位移情況，計算方法[27]如下。

(3)

(4)

式中： (X，Y)——陜西省各地級市耕地壓力指數幾何中心坐標；

D——從b時期到a時期重心位移距離，km；

C——地理坐標單位換算平面距離系數，常取111.111[28]。

2.4 總體測度分異指數

本研究對傳統差異指數(變異系數、泰爾指數、總熵指數、阿爾金森指數)進行整合，建立總體分異測度指數GDI[29]，全面反映陜西省各地級市耕地壓力總體分異的變化程度，計算步驟如下。

1) 分別計算4個傳統差異指數。

(5)

(6)

(7)

(8)

式中：CV——變異指數；

T——泰爾指數；

GE——總熵指數；

A——阿特金森指數；

“正常人”是個性之人，坦蕩之人，真誠之人，重情之人，理性之人，有癖之人，可交之人，是身心健康、心智健全之人！

ki——陜西省各地級市耕地壓力指數；

n——陜西省地級市個數；

λ——差異靈敏系數，參閱相關文獻，本研究取0.5[1]。

2) 構建耕地壓力總體分異測度指數GDI。根據上述4種傳統差異測度指數結果，耕地壓力總體分異測度指數GDI計算模型如式(9)所示[29]。

GDI=f(CV,T,GE,A)

(9)

采用熵權法確定上述4個指數值的權重，該方法可消除權重確定的主觀因素。根據CV、T、GE、A各指數值的大小，計算變異程度，確定權重，計算步驟如下[30]。

1) 由于各指數值的量綱和數量級可能存在差異，故采用標準化處理方法。上述指標均為正向指標，計算公式如式(10)所示。

Xij=(yij-yjmin)/(yjmax-yjmin)

(10)

2) 計算第j個指數值在第i年的比重。

(11)

3) 計算第j個指標的信息熵。

(12)

4) 計算第j個指標的權重。

(13)

由上述計算可得第i個年份的GDI指數

(14)

GDI=W1CV+W2T+W3GE+W4A

(15)

式中：yjmin——第j個指標所在矩陣的最小值；

yjmax——第j個指標所在矩陣的最大值；

m——年份數；

n——指標的數量。

2.5 灰色關聯分析法

通過灰色關聯分析法[31]度量耕地壓力指數與糧食生產、社會經濟因素指標的關聯程度，計算出的數值越大，說明該指標的重要和影響程度越大。

1) 原始數據標準化變換。分別求出各序列的平均值和標準差，然后將各原始數據減去平均值后再除以標準差，即得到標準化序列。

2) 計算關聯系數。經數據變換的母數列記為{X0(t)}，子數列記為{Xi(t)}，則在時刻t=k時母序列{X0(k)}與子序列{Xi(k)}的關聯系數L0i(k)計算方式如式(16)所示。

(16)

式中： Δ0i(k)——k時刻兩比較序列的絕對差；

Δmax——所有比較序列各時刻絕對差中的最大值；

Δmin——所有比較序列各時刻絕對差中的最小值；

ρ——分辨系數。

3) 求關聯度。以兩個比較序列各時刻關聯系數的平均值計算兩序列的關聯度，計算方式如式(17)所示。

(17)

式中：r0i——子序列與母序列0的關聯度；

N——數據個數。

3 結果與分析

3.1 陜西省耕地面積時空動態變化

1995—2019年陜西省耕地面積呈先減后增的變化趨勢，如圖1所示。可以看出，總體耕地面積減少383 khm2。1995年，陜西省耕地面積為3 393 khm2，到了2003年，耕地面積減少了598 khm2，下降到近25年的最低值2 796 khm2，然后以平均每年13 khm2的態勢增加至2019年3 010 khm2。在此期間，實際人均耕地面積動態變化特征與總耕地面積趨同，從1995年0.12 hm2/人下降至2003年最低點0.1 hm2/人，然后上升到2019年0.11 hm2/人。這是因為陜西省人口自然增長率與耕地面積增減情況的速率大致相同，1995年陜西省人口自然增長率為9.36%，到2003年下降到4.29%，然后在該狀態小幅度上下波動，人口數趨于平穩，實際人均耕地面積則隨著耕地總面積的增加而增加。根據式(1)計算陜西省最小人均耕地面積。研究期間，陜西省最小人均耕地面積整體呈下降趨勢，從1995年0.14 hm2/人下降到2000年0.11 hm2/人。2000—2003年趨于平穩，到了2010年下降到0.09 hm2/人，然后繼續趨于平穩狀態。

圖1 1995—2019年陜西省耕地面積變化情況Fig. 1 Change of cultivated land area in Shaanxi Province from 1995 to 2019

1995—2019年，陜西省耕地未改變區域集中在關中平原地區，耕地改變較多區域集中在黃土高原區、漢中安康低山丘陵盆地區及大巴山地區，有385.39 hm2耕地未改變，367.5 hm2耕地轉出為其他地類，283 hm2其他地類轉入為耕地(圖2)。這是因為關中平原地區集中了陜西全省一半以上的耕地，所處的地理位置在地勢、土壤、水資源等方面有較好的耕作條件；黃土高原區土地貧瘠，溝壑面積大，漢中安康低山丘陵盆地區及大巴山地區多為山區、丘陵盆地等地貌，耕作條件受限。

圖2 1995—2019年陜西省耕地轉變情況Fig. 2 Change of cultivated land in Shaanxi Province during 1995—2019

3.2 陜西省耕地壓力時空演化特征

3.2.1 耕地壓力時間動態變化

根據式(2)對陜西省耕地壓力指數進行測算。1995—2019年，耕地壓力指數整體呈下降趨勢，但變化幅度較小，仍長期處在“警戒壓力”水平，如圖3所示。1995—2000年，陜西省耕地壓力指數從1.2下降到1，從耕地生產低程度不能維持糧食需求下降到糧食安全的警戒壓力狀態。2000—2003年，陜西省耕地壓力從1上升到1.12，2003年之后，耕地壓力持續下降，2019年耕地壓力下降到0.86，耕地到達無明顯壓力狀態。

圖3 1995—2019年陜西省耕地壓力變化情況Fig. 3 change of cultivated land pressure in Shaanxi Province during 1995—2019

3.2.2 各地級市耕地壓力變化

選取1995、2000、2003、2010、2019年作為時間斷面，對陜西省10個地級市(由于楊凌行政區劃問題，陜西統計年鑒關于楊凌相關數據在2016年后才單獨核算，故本研究楊凌數據歸于咸陽市，不單列計算)壓力指數P進行測算并分級處理，繪制各地級市耕地壓力指數空間分布圖，如圖4所示。根據耕地壓力值域，P≤0.9 為無壓力區，0.9 3為高壓力區。

咸陽市耕地壓力總體處于不斷增加的趨勢，1995年耕地壓力1.01，處于警戒壓力區，2000—2010年耕地壓力不斷上升，一直處于中壓力區，到了2019年，耕地壓力增加到3.4，成為陜西省唯一處在高壓力區的地級市。渭南市、商洛市耕地壓力總體也呈增加的變化趨勢，1995—2010年一直都在警戒壓力區波動，到了2019年，均處在中壓力區。漢中市、安康市在1995—2019年均處于在警戒壓力和低壓力波動的狀態，2019年均到達低壓力區。西安市在1995—2010年都處在無壓力區，到2019年上升到低壓力區。榆林市、延安市、銅川市、寶雞市耕地壓力情況比較樂觀，耕地壓力總體呈減小的變化趨勢，到2019年，均處于無壓力區。耕地壓力受制于自然、經濟、社會及資源稟賦等多因素的制約，呈現出顯著異質性，從整體空間來看，陜西省目前處于陜北無壓力，陜南壓力持續增加的局面。

(a) 1995年

(b) 2000年

(c) 2003年

(d) 2010年

(e) 2019年

圖4 1995—2019年陜西省耕地壓力時空演變格局Fig. 4 Spatial-temporal evolution pattern of cultivated land pressure in Shaanxi Province from 1995 to 2019

3.2.3 耕地壓力重心移動特征

陜西省耕地壓力重心在關中地區，先向北偏西移動，之后逐年向南推移，其中經向移動0.051 0°，緯向移動0.306 8°，1995—2019年壓力重心位移直線距離為34.44 km，沿著“西北—西南—東南”的軌跡共移動了66.505 km，如圖5所示。

圖5 1995—2019年陜西省耕地壓力重心與遷移軌跡Fig. 5 Center of gravity and migration trajectory of cultivated land pressure in Shaanxi Province during 1995—2019

陜西省耕地壓力重心在1995—2000年，經向移動0.068°，緯向移動0.115 5°，位置向西北方向位移14.265 km。

2000—2003年，經向移動0.048°，緯向移動0.218 1°，位置向西南方向位移24.635 km；2003—2010年，經向移動0.047 1°，緯向移動0.110 1°，位置向西南方向位移12.975 km；2010—2019年，經向移動0.111 5°，緯向移動0.094 2°，位置向東南方向位移14.629 km。

3.2.4 耕地壓力總體分異測度指數分析

根據式(5)～式(15)計算陜西省1995—2019年傳統差異指數與總體分異測度指數GDI，如表1所示，GDI總體呈上升趨勢。

2003年之前耕地壓力空間分異情況不明顯，且狀態相對平穩，但隨著各區域資源投入與糧食產出結果差異顯著，資源條件、發展戰略、經濟水平、人口情況不盡相同，各區域面臨的耕地資源壓力分化格局日趨明顯。

表1 1995—2019年陜西省耕地壓力分異情況Tab. 1 Cultivated land pressure differentiation in Shaanxi Province during 1995—2019

3.3 陜西省耕地壓力的驅動因素分析

借鑒已有研究成果，本研究從自然因素、糧食生產能力和社會經濟發展水平三個方面，選取17個指標，綜合構建陜西省耕地壓力驅動因素指標體系，如表2所示。

表2 陜西省耕地壓力驅動因素體系Tab. 2 Driving factors system of cultivated land pressure in Shaanxi Province

利用灰色關聯度分析，將陜西省耕地壓力指數和各影響因素指標數值進行標準化變換，將數據變換后的耕地壓力指數設置為母序列，驅動因素指標設置為比較序列，以比較序列各時刻關聯系數的平均值計算兩序列的關聯度，計算方法見式(16)、式(17)，計算結果見表3。

表3 陜西省耕地壓力影響因素指標關聯度排序Tab. 3 Correlation degree ranking of influencing factors of cultivated land pressure in Shaanxi Province

從各指標與耕地壓力關聯度的數值可以看出，其影響程度依次為無霜期情況>糧食單產量>化肥使用>農村居民收入>降水情況>城鎮居民收入>經濟發展水平>工業化水平>農業現代化程度>灌溉水平>城鎮化水平>復種指數>耕地基礎條件>光照情況>人均耕地面積>產業結構>氣溫情況。結果表明，1995—2019年，陜西省耕地壓力變動與無霜期情況的影響作用最為顯著，關聯度為0.894。無霜期作為重要農業氣候熱量條件特征量，在農業生產當中起到至關重要的作用，與農作物的生長周期有著密切的聯系。糧食單產量和化肥使用情況與陜西省耕地壓力的關聯度分別為0.886和0.849，影響作用也很顯著。合理施用化肥是提高農作物產量的有效途徑和重要方式，但濫用化肥會使剩余的氮磷養分隨農田地表徑流進入水體，造成農業污染，從而影響作物生產，給耕地造成壓力；糧食單產量是綜合反映土地生產能力和農業生產工作質量的指標，因此，提高土地生產能力和農業生產質量對緩解耕地壓力有重要意義。農村與城鎮居民收入、經濟發展水平及工業化水平與陜西省耕地壓力關聯度分別為0.841、0.843、0.833、0.827，存在較顯著的影響作用。隨著經濟社會的發展與產業的進步，居民生活水平提高，人口密度增加逐漸讓人地矛盾凸顯，這些都會對耕地壓力的變化造成直接影響。降水情況與陜西省耕地壓力的關聯度為0.842，在影響耕地壓力的自然因素中影響作用強度僅次于無霜期情況。降水情況不但影響農作物種類、農業生產的類型、耕地類型，對農作物的生長也非常重要，且存在滯后效應。降水量大會水澇、降水量少則會干旱，都會導致作物的減產，這都使區域耕地壓力發生變化。農業現代化程度、灌溉水平、城鎮化水平、復種指數、耕地基礎條件與陜西省耕地壓力關聯度分別為0.816、0.776、0.769、0.768、0.735，與耕地壓力變化中度關聯，存在較大的影響作用。其中，城鎮化水平屬于社會經濟因素，是體現區域城鎮與農村人口分布的指標。城鎮化發展可以刺激農產品消費市場，促進糧食生產，對耕地壓力存在一定的作用力；其他指標為糧食生產因素，是對糧食生產條件不同方面的表征，是生產能力的體現，其水平的高低直接對糧食作物生產結果造成影響，故對耕地壓力的變化產生影響較明顯。光照情況、人均耕地面積、產業結構、氣溫情況與陜西省耕地壓力關聯度分別為0.689、0.668、0.658、0.603，與耕地壓力變化關聯度較低，對耕地壓力存在一定程度的影響。其中，人均耕地面積是直接作用于耕地壓力指數公式的指標，其大小對耕地壓力指數存在直接影響，但相比于復種指數和糧食單產量，人均耕地面積的作用力相對較弱。

4 結論與討論

4.1 結論

1) 1995—2019年陜西省耕地面積總體呈先下降后上升的趨勢，與1995年相比，2019年耕地總量有所下降；研究期間，陜西省耕地未改變區域集中在關中平原地區，耕地改變較多區域集中在黃土高原區、漢中安康低山丘陵盆地區及大巴山地區。

2) 1995—2010年陜西省耕地壓力指數整體呈下降趨勢，但長期處在“警戒壓力”水平，變化幅度較小，2010年之后，耕地壓力指數向無明顯壓力狀態過度，2019年達到無明顯壓力狀態。

3) 2019年，咸陽處于耕地高壓力區，渭南商洛處于耕地中壓力區，西安市、漢中市、安康市處于耕地低壓力區；其他地級市處于耕地無壓力區。陜西省目前處于陜北無壓力，陜南壓力持續增加的局面。1995—2019年，耕地壓力重心在關中地區，先向北偏西移動，之后逐年向南推移。

4) 陜西省2003年之前耕地壓力空間分異情況不明顯，且狀態相對平穩，2003年之后，隨著各區域資源稟賦與發展情況差異，耕地資源壓力分化格局日趨明顯。

5) 1995—2019年間，各指標與耕地壓力關聯度大小依次為無霜期情況、糧食單產量、化肥使用、農村居民收入、降水情況、城鎮居民收入、經濟發展水平、工業化水平、農業現代化程度、灌溉水平、城鎮化水平、復種指數、耕地基礎條件、光照情況、人均耕地面積、產業結構、氣溫情況。自然因素中的無霜期情況和降水情況，糧食生產因素中的糧食單產量、化肥使用，社會經濟因素中的農村居民收入、城鎮居民收入、經濟發展水平、工業水平對陜西省耕地壓力存在不同程度的顯著影響作用，為陜西省耕地壓力的主要驅動力。

4.2 討論

研究發現，人均耕地面積、復種指數雖然為直接作用于耕地壓力指數公式的指標，在進行耕地壓力驅動因素測度時，其對耕地壓力的影響力表現并沒一些自然、社會經濟因素顯著，這說明耕地壓力指數的大小不僅取決于糧食生產因素的影響，而是自然、社會經濟多方面因素綜合作用的結果。同時，隨著社會與經濟的發展，各區域間耕地壓力分異也不斷顯現。因此，在考慮耕地資源的有效利用及其與社會經濟的協同發展相關問題時，不可忽視因地制宜的策略。本研究描述了陜西省耕地壓力的時空變化特征，對耕地壓力變動的驅動因素進行了較全面的分析與探討，但仍存在以下不足：(1)囿于目前樣本數據的可取性，本研究以地級市為單位對陜西省耕地壓力問題進行探討，但陜西地形復雜多樣，若以縣級作為基本研究單元展開研究可更細化、準確地反映出該區域耕地壓力的演變特征，這將是下一步研究嘗試的方向。(2)耕地的功能屬性不僅限于糧食的生產供給，還具有調節、文化等服務功能。本研究未對生態環境對耕地壓力的影響進行探討，可考慮將本部分內容納入模型中進行綜合考慮與探究。