中國耕地景觀細碎度時空變化特征及其影響因素

王 學，徐曉凡,2

中國耕地景觀細碎度時空變化特征及其影響因素

王 學1，徐曉凡1,2

（1. 中國科學院地理科學與資源研究所，中國科學院陸地表層格局與模擬重點實驗室，北京 100101；2. 中國科學院大學，北京 100049）

耕地細碎化是中國耕地利用效率提高和農業現代化轉型的關鍵制約因素。2014年以來中央政府試圖通過鼓勵土地經營權流轉以實現耕地細碎度降低和適度規模經營耕地的目標。然而，少有研究開展中國全域尺度的耕地細碎化趨勢分析，土地經營權流轉政策的相關實施效果也尚不明晰。該研究基于長時序土地利用數據，輔以景觀格局指數、趨勢分析和動態面板模型等方法，對1990—2020年中國耕地景觀細碎度的時空變化特征進行了識別，并剖析了土地流轉政策實施對耕地景觀細碎化的影響。結果表明，1）中國耕地景觀細碎度大致呈“平原、盆地低、山地、高原高”的分布格局，東北平原、黃淮海平原、長江中下游平原以及四川盆地、準噶爾和塔里木盆地等地區耕地景觀細碎度低，而二三級地勢階梯過渡地帶以及黃土高原、云貴高原和東南丘陵等地區耕地景觀相對細碎；2）1990—2020年中國耕地景觀細碎度大致呈“持續細碎化-細碎化改善-波動細碎化”變化特征，其中2004—2013年耕地景觀整體呈細碎化趨勢，超過70%的縣域耕地斑塊密度（Patch Density，PD）/形狀指數（Landscape Shape Index，LSI）顯著增加、聚集度指數（Aggregation Index，AI）顯著減小，集中分布在黃淮海平原、長江中下游平原、四川盆地以及兩廣地區，但2014—2020年70%的省份耕地景觀細碎度有所改善，以兩廣地區表現最為典型；3）土地流轉政策顯著降低了耕地景觀細碎度，此外，區域土地利用變化、非糧化耕地利用、坡度以及灌溉條件等因素也是影響中國耕地景觀細碎度變化的重要因素。該研究從全域尺度剖析了中國耕地景觀細碎度的時空變化特征并揭示土地流轉政策等因素對其的影響，研究結果可為區域耕地景觀細碎度變化以及不同土地利用/生態系統類型變化分析提供新思路。

土地利用；空間格局；動態模型；耕地細碎化；景觀格局指數；趨勢分析；土地流轉

0 引 言

耕地資源是保障國家糧食安全的基石，同時也在農業現代化建設和鄉村振興過程中擔負著重要使命[1-3]。然而，中國耕地細碎化問題突出，一方面影響了耕地規模利用效應的發揮，成為制約農業生產效率提高和農業現代化轉型的關鍵因素[4-5]；另一方面，在農業生產要素價格不斷上漲和農業勞動力非農轉移趨勢下，細碎化耕地的經營效益低下，嚴重降低了農民的生產積極性并引發了較為普遍的耕地粗放利用、甚至撂荒現象，給國家糧食安全造成了一定威脅[6-7]。

為了降低耕地細碎度、提高農業生產率和優化土地資源配置，國家在2014年印發了《關于引導農村土地經營權有序流轉發展農業適度規模經營的意見》，鼓勵土地經營權有序流轉，推進耕地適度規模經營。此后，國家及地方政府頒發了多項政策法規文件，以保障農村土地經營權流轉的順利實施。截至2020年，全國流轉耕地面積占承包經營耕地總面積的比例已達34%[8]。然而，需要指出的是，土地經營權流轉與耕地經營規模之間并不一定是線性相關關系，低水平、零散化的土地流轉甚至可能會在一定程度上加劇當地的耕地細碎化程度[9-11]。因此，土地經營權流轉相關政策實施后，中國耕地細碎度的變化情況并不十分明晰。

近年來，耕地細碎化研究多圍繞其內涵的兩個方面，也即權屬細碎化和景觀細碎化展開[3]。其中，耕地權屬細碎化主要從生產經營主體這一微觀視角出發，強調細碎化是產權主體無限細分的過程，相關研究多借助農戶調查數據，進行不同規模經營主體的耕地利用效率對比以及細碎化對耕地利用方式的影響評估[12-15]；耕地景觀細碎化則側重宏觀視角，認為細碎化是耕地地塊在形態上不斷分割、變小，且空間上不相連的過程，相關研究多借助土地利用數據和景觀格局指數，進行景觀細碎化特征分析及影響因素識別[16-19]。總體而言，受研究對象和數據可獲取性的制約，已有研究多局限在區域或局地尺度，且多為某一時點的結果，中國全域長時序耕地細碎度變化研究并不多見[20]。

鑒于此，本文聚焦中國全域耕地景觀細碎度的變化特征，利用長時間序列土地利用數據，輔以景觀格局指數、趨勢分析和計量模型，對1990—2020年中國耕地景觀細碎度的時空變化特征進行分析；同時結合區域土地利用情況、農業生產管理情況、耕地資源稟賦特征、區域發展水平等，剖析土地流轉政策對耕地景觀細碎化的影響并識別耕地景觀細碎化的其他影響因素。該項研究不僅能夠揭示土地經營權流轉政策實施前后中國全域耕地景觀細碎度的變化情況，為耕地適度規模經營以及優化利用等相關政策制定提供科學參考，還可為區域耕地景觀細碎度變化以及不同土地利用/生態系統類型變化分析提供新思路和新方法。

1 數據與方法

1.1 數據來源

耕地分布數據是進行耕地景觀細碎度分析的關鍵基礎數據。本文所用的耕地分布數據來源于中國1990—2020年長時間序列土地利用數據集（China Land Cover Dataset，CLCD），空間分辨率為30 m。該數據集是基于Google Earth Engine平臺和30余萬張Landsat影像、利用從中國土地利用/覆被數據集[21]以及Google Earth影像中提取的訓練樣本和隨機森林分類法，獲取的1990—2020年全國逐年土地利用數據（共31期），劃分了耕地、林地、灌木林地、草地、水域、冰雪、裸地、不透水面和濕地共9種土地利用類型（每種土地利用類型不再細分）[22]。對比發現，CLCD數據集的整體準確性優于MCD12Q1、ESACCI_LC、FROM_GLC和GlobeLand30等數據集，總體精度達到79.31%，其中各年份耕地的總體精度大都超過80%。

除CLCD數據集，進行耕地景觀細碎化影響因素分析時還需要使用氣象數據、DEM數據和統計數據。其中，氣象數據包括2000—2020年全國逐年1 km×1 km分辨率年均溫和年降水量數據，DEM數據空間分辨率為30 m × 30 m，兩者均來源于中科院資源環境科學與數據中心；統計數據主要包括2008—2020年各省份（港澳臺數據暫缺；經計算，西藏基本無耕地，文中忽略未統計）耕地灌溉面積、糧食作物和農作物播種面積、生態退耕面積、農村人口數量、城鎮人口和總人口、第一產業增加值和地區生產總值，來源于歷年的《中國統計年鑒》《中國農村統計年鑒》《中國人口與就業統計年鑒》等。

1.2 研究方法

1.2.1 景觀格局指數計算

耕地地塊在形態上不斷分割變小、在空間上互不相連和形狀各異可被視為耕地景觀細碎化的主要表征。已有研究通常采用斑塊數量（Number of Patches，NP）、斑塊面積（Total Class Area，CA）、斑塊密度（Patch Density，PD）、最大斑塊指數（Largest Patch Index，LPI）、形狀指數（Landscape Shape Index，LSI）、聚集度指數（Aggregation Index，AI）、分離度指數（Landscape Division Index，DIVISION）、凝聚度指數（Patch Cohesion Index，COHESION）等多個景觀格局指數進行耕地景觀細碎度評估[19-20]；也有研究為降低指數間的冗余性，利用多個指數構建綜合性指標，對區域或局地耕地景觀細碎度變化特征進行分析[23-24]。本文從耕地斑塊的易耕性和易規模利用視角出發，結合耕地景觀細碎化內涵以及已有研究成果，選用了表征耕地斑塊大小、形狀規則程度和空間連通性的3個關鍵指數，PD、LSI和AI，以更直觀地揭示全國耕地景觀細碎度變化情況。具體來說，PD為單位面積的耕地斑塊數量，側重從區域內耕地斑塊的相對大小和密集程度這一角度測量耕地景觀細碎度。PD越大，耕地斑塊面積越小，易耕性越差，耕地細碎度也越高。LSI為某一耕地斑塊形狀與相同面積的規則圖形（此處為正方形）之間的偏離程度，側重從耕地斑塊形狀規則程度這一視角衡量耕地細碎度。相同PD條件下，LSI越接近1，耕地斑塊形狀越接近易于耕作的正方形，否則耕地斑塊形狀越不規則，越難耕作，耕地景觀細碎度也越高。AI為耕地斑塊的空間連通程度，側重從耕地斑塊空間位置是否離散這一視角衡量耕地景觀細碎度。相同PD和LSI條件下，AI越大，耕地斑塊分布越集中連片，越容易實現規模利用；反之，耕地斑塊更趨分散分布，耕地景觀也更為細碎化。總體而言，三個指標各有側重，又互為補充，能夠對耕地景觀細碎度進行較為全面地評估。

具體計算式如下：

式中PD、LSI和AI分別為縣域內耕地的斑塊密度指數（個/km2）、斑塊形狀指數和聚集度指數；N、CA和E分別為縣域內耕地的斑塊數量（個）、面積（km2）和斑塊邊界總長度（km）；P為縣域內耕地斑塊的周長（km）。一般而言，縣域的PD和LSI的值越高、AI的值越低，其耕地斑塊越細碎、形狀越不規則、空間連通性也越差，相應地耕地景觀細碎化程度越高；反之，則相反。

考慮到本文耕地景觀細碎度指標的計算以縣域為基本單元，且涵蓋1990—2020年共計31個年份的數據，常用的Fragstats軟件難以滿足如此巨大的計算任務，因此采用Python編程實現。

1.2.2 趨勢分析

自然地理學界通常采用趨勢分析獲取長時序的氣溫、降水、歸一化植被指數和凈初級生產力等自然地理要素的變化趨勢[25-27]。主要思路是通過一元線性回歸、非參數化趨勢度等方法進行上述地理要素的變化趨勢識別，同時借助T檢驗、Mann-Kendall統計檢驗等方法進行顯著性檢驗。本文將趨勢分析應用于縣域長時序耕地景觀細碎度指數的變化分析。具體來說，利用一元線性回歸模型對縣域耕地景觀細碎度指數進行擬合，通過斜率（Slope）綜合反映其變化趨勢；構造統計量并計算其值，進而查閱分布表獲取可表征顯著性水平的值。相關計算式如下：

式中Slope為縣域某個耕地景觀細碎度指數的變化趨勢；LF為縣域第年的某個耕地景觀細碎度指數值（PD、LSI或AI）；為研究年份；e為樣本殘差；當Slope>0時，表示研究時段內縣域該項耕地景觀細碎度指數呈增加趨勢；當Slope<0時，表示該時段內縣域該項耕地景觀細碎度指數呈下降趨勢；根據值和分布表可獲取值，≤0.05表示顯著性變化；>0.05表示不顯著變化。

1.2.3 動態面板模型

在進行耕地景觀細碎度變化影響因素分析時，考慮到被解釋變量為長時序的耕地景觀細碎度指數數據，且當年的耕地景觀細碎度指數與其上一年度情況具有較強的相關關系，也即被解釋變量受其滯后項的影響。因此，構建計量經濟模型時需將耕地景觀細碎度指數的滯后項作為關鍵影響因素進行考慮。此時，處理靜態面板數據時可以采用的混合OLS回歸和固定/隨機效應回歸方法往往難以解決被解釋變量滯后項的內生性問題，需構建動態面板模型，采用系統廣義矩估計（System GMM）方法對模型中的系數進行估計[28-29]。動態面板模型的基本設定如下：

根據已有研究，自然和人為雙重因素共同導致了耕地景觀細碎化[3]。其中，自然因素包括耕地的地形、豐富度、區位等，人為因素包括區域土地利用情況、經營主體的農業生產和管理行為、地區經濟發展水平以及政策因素等[3,17-20,24,30-31]。基于此，解釋變量選擇時考慮數據的可獲取性和代表性，本文以省域作為基本評估單元，除被解釋變量的滯后項外，重點考慮土地流轉政策對耕地景觀細碎化的影響；此外，還主要從區域土地利用情況、農業生產管理情況、耕地資源稟賦特征、區域發展水平等方面選取可能影響耕地景觀細碎化的解釋變量。相關變量的定義和描述性統計分析結果見表1。

表1 解釋變量的定義與描述性統計分析

注：為避免內生性，灌溉面積占比、第一產業增加值占比、降水、氣溫、高程、坡度、人均耕地面積均采用其一階滯后項；生態退耕主要為退耕還林（草）；GDP取其自然對數納入模型中。

Note: In order to avoid endogeneity, the proportion of irrigated area, the proportion of added value of primary industry, precipitation, temperature, elevation, slope and cultivated land per capita were all adopted first-order lag terms. Ecological conservation mainly includes conversion of cultivated land to forest (grass), and the natural logarithm of GDP is incorporated into the model.

采用System GMM方法進行參數估計前，首先進行異方差、序列相關、截面相關等系列檢驗。檢驗結果顯示面板數據存在顯著的異方差、序列相關與截面相關，因此需采用兩階段無偏穩健性System GMM估計方法。此外，因被解釋變量滯后項存在內生性問題，需采用工具變量進行參數估計。因此，進一步對模型模擬結果進行了工具變量設定合理性檢驗（Sargan檢驗和Hansen檢驗）和干擾項序列相關檢驗，前者用于驗證工具變量的選擇是否合理，后者則用于確定是否存在被解釋變量的二階序列相關。Sargan檢驗和Hansen檢驗的結果顯示各模型的工具變量設定均較為合理；干擾項序列相關檢驗的結果說明各模型僅存在一階序列相關，因此僅將被解釋變量的滯后項納入模型即可。上述過程均借助Stata15相關命令實現。

2 中國耕地景觀細碎度時空變化特征

2.1 中國耕地景觀細碎度空間分布特征

為揭示中國現狀耕地景觀細碎度的空間分布特征，圖1給出了縣域和省域尺度耕地景觀細碎度指數2018—2020年3年均值的空間分布圖。在縣域尺度（圖1a），PD低值區集中在東北平原、黃淮海平原、長江中下游平原、四川盆地、準噶爾盆地和塔里木盆地等地勢低平區域，PD高值區集中在第二級地勢階梯向第三級地勢階梯過渡地帶以及黃土高原、云貴高原和東南丘陵等地區；LSI與PD的空間分布近似，但低值區有所收縮，更集中在東北平原、黃淮海平原、長江中下游平原和四川盆地，而高值區在二三級地勢階梯過渡地帶有所擴張；AI與PD大致呈反相位變化特征，即AI高值區與PD低值區在空間上基本吻合，主要分布在地勢低平的平原和盆地區，而AI低值區與PD高值區在空間上也基本一致，主要分布在二三級地勢階梯過渡地帶和云貴高原、黃土高原以及東南丘陵區。因此，在縣域尺度，二三級地勢階梯過渡地帶以及黃土高原、云貴高原和東南丘陵等地區的耕地斑塊較細碎、形狀較不規則、空間連通性也較差，景觀細碎化程度較高；與之相比，地勢低平的平原盆地區耕地景觀細碎化程度則較高。

注：該圖基于自然資源部標準地圖服務網站標準地圖制作，底圖邊界無修改。港澳臺數據暫缺。PD，斑塊密度；LSI，形狀指數；AI，聚集度指數。下同。

Note: This map is made based on the standard map download from the standard map service website of the Ministry of Natural Resources. The boundary of the base map is not modified. Data for Hong Kong, Macao and Taiwan are temporarily unavailable. PD, Patch Density; LSI, Landscape Shape Index; AI, Aggregation Index. Same as below.

圖1 中國耕地景觀細碎度指數空間分布

Fig.1 Spatial distribution of landscape fragmentation indices of cultivated land in China

省域尺度上（圖1b），PD和AI仍呈明顯的反相位變化特征，河南、山東、安徽、河北、江蘇、四川、黑龍江、吉林、新疆、湖北、湖南等省區PD值較低而AI值較高，說明這些省份耕地斑塊規模較大且空間連通性高；貴州、甘肅、廣東、海南、云南、青海、北京、上海、福建等省份PD值較高而AI值較低，因此省域內耕地斑塊較為細碎且連通性差。與PD和AI的省際差異略有不同，LSI值較高的省份除上述PD值較高和AI值較低的省份外，還包括湖南、重慶、內蒙古、廣西等，說明這4個省區雖耕地斑塊規模較大且連通性較好，但形狀較不規則，青海、北京和上海等PD高值省市的LSI值則較低，說明盡管這3個省市耕地斑塊規模小且空間連通性差，但形狀較為規則。

2.2 中國耕地景觀細碎度時序變化特征

2.2.1 全國尺度

1990—2020年中國耕地PD、LSI和AI均值整體均呈顯著下降趨勢，降幅分別為7.47個/(km2·10a)（=0.001）、1.13/10a（=0.026）和0.23/10a（=0.004）。具體來說，近30年中國耕地景觀細碎度變化可大致劃分為3個階段（圖2）：1）持續細碎化階段（1990—2003年），PD和LSI均值顯著下降，降幅分別為3.52個/(km2·10a)和6.58/10a，AI均值顯著增加，增幅為0.67/10a；2）細碎化改善階段（2004—2013年），PD和LSI均值顯著上升，增幅分別為1.62個/(km2·10a)和2.59/10a，AI均值則顯著下降，降幅為1.03/10a；3）波動細碎化階段（2014 —2020年），PD和LSI的均值呈現波動下降趨勢，降幅分別為1.41個/(km2·10a)和7.60/10a，AI均值則波動增加，增幅為0.92/10a。

圖2 1990—2020年中國耕地景觀細碎度指數平均值時序變化

需要指出的是，兩個時間節點（2004年和2014年）分別為國家取消農業稅和推行土地經營權流轉政策的始點，可見政策因素可能對中國耕地景觀細碎度變化產生重要影響。考慮到本文重點考察土地流轉政策實施前后中國全域耕地景觀細碎度的變化情況，因此保持取消農業稅這一政策背景不變，后文將主要從縣域和省域兩個尺度對2004—2020年耕地景觀細碎度指數的變化趨勢進行分析。

2.2.2 省域尺度

省域尺度上，2004—2013年絕大部分省份的耕地PD、LSI和AI顯著變化縣域占比超過50%，而2014—2020年各指數顯著變化縣域占比超過 50%的省份數量有所降低（圖3）。具體來說，2004—2013年，73.33%和80%省份的耕地PD和LSI整體呈增加趨勢，超90%省份的耕地AI整體呈下降趨勢；2014—2020年，耕地PD和LSI整體呈上升趨勢的省份占比降至不到1/3和1/5，AI整體呈下降趨勢的省份占比降至不足30%。因此，相較于2004 —2013年，2014—2020年90%省份的耕地景觀細碎度指數發生了部分或全部改變。其中，黑龍江、江西、遼寧、廣西、甘肅、廣東、海南和福建的耕地PD和LSI由整體增加轉為整體減少，而AI則由整體減少轉為整體增加，表征上述省份耕地景觀細碎度整體變化趨勢發生逆轉，耕地斑塊細碎度、形狀規則性和空間連通性各方面均明顯改善。此外，僅安徽、寧夏、天津3個省級行政區在兩個時段的耕地景觀各指數變化趨勢保持一致。

2.2.3 縣域尺度

2004—2013年全國縣域耕地景觀細碎度指數變化圖顯示（圖4），全國大部分（>70%）縣域的耕地PD、LSI和AI呈現顯著變化趨勢（表2）。具體來說，PD和AI變化趨勢也呈明顯的反相位變化特征：PD顯著增加和AI顯著下降的縣域占比分別為50.13%和61.54%，主要分布在黃淮海平原、長江中下游平原和四川盆地以及兩廣地區，說明該時段全國超 50%的縣域耕地斑塊更趨細碎且空間連通性變差；PD顯著減少和AI顯著增加的縣域占比分別為23.34%和15.86%，主要分布在東北平原、準噶爾盆地、塔里木盆地、二三級地勢過渡階梯地帶、黃土高原、云貴高原以及湖南、江西和福建地區，說明這些區域耕地斑塊規模有所增加、連通性也有所改善（圖 4a、4b）。LSI變化趨勢的分布則有所不同：LSI顯著增加的縣域占比為57.39%，集中分布在黃淮海平原、長江中下游平原、四川盆地、塔里木盆地以及云貴高原和東南丘陵地區，此外還散布在東北平原和準噶爾盆地區，說明該時段全國超過50%縣級行政區的耕地形狀趨于不規則；LSI顯著減少的縣域占比為17.73%，集中分布在二三級地勢階梯過渡地帶、黃土高原和新疆西北部，說明上述地區耕地斑塊形狀更趨規整（圖4c）。

圖3 各省份耕地景觀細碎度指數顯著變化縣域占比及整體趨勢

表2 中國耕地景觀細碎度指數變化的縣域個數及比例

總體來說，2004—2013年中國耕地景觀整體呈現細碎化趨勢，以黃淮海平原、長江中下游平原、四川盆地以及兩廣地區表現尤為典型，二三級地勢階梯過渡地帶、黃土高原和新疆西北部的細碎化程度則趨于改善。

2014—2020年全國縣域耕地景觀細碎度指數變化情況顯示，PD、LSI和AI顯著變化的縣域占比分別為58.11%，56.24%和39.25%（表2）。具體來說，PD和AI仍大致呈反相位變化特征，PD顯著增加和AI顯著下降的縣域占比僅為20.91%和15.66%，均比2004—2013年的比例要低，空間上集中分布在黃淮海平原和四川盆地，這些地區LSI也大致呈增加趨勢，因此耕地景觀整體仍向細碎化方向發展。PD顯著減少和AI顯著增加的縣域占比分別為37.2%和23.59%，均比2004—2013年的比例要高，空間集中分布區除2004—2013時段的同方向變化區域外，還包括了兩廣地區，這些地區LSI也呈顯著減少趨勢，因此耕地景觀細碎化程度有所改善。除上述區域外，全國一半左右縣域PD、LSI和AI變化趨勢不顯著，集中分布在長江中下游平原和西北地區。

a. PD變化趨勢a. PD change trendb. LSI變化趨勢b. LSI change trendc. AI變化趨勢c. AI change trend

d. PD顯著性d. PD significancee. LSI顯著性e. LSI significancef. AI顯著性f. AI significance

a. PD變化趨勢a. PD change trendb. LSI變化趨勢b. LSI change trendc. AI變化趨勢c. AI change trend

d. PD顯著性d. PD significancee. LSI顯著性e. LSI significancef. AI顯著性f. AI significance

3 耕地景觀細碎度變化的影響因素

考慮到土地流轉政策對耕地景觀細碎度變化的影響是本文研究的重點之一，在進行影響因素分析時，為盡可能降低國家取消農業稅政策對耕地景觀細碎度影響的干擾，選擇2008—2020年作為研究時段，此時段國家取消農業稅政策已實施5年，其對耕地景觀細碎化的年際影響趨于穩定，耕地細碎度變化更有可能是土地流轉政策和其他因素共同作用的結果。將耕地景觀細碎度各指數分別作為被解釋變量構建動態面板模型，利用System GMM方法對解釋變量的系數進行估計。最終得到的穩健型估計結果見表3。需要指出的是，考慮一階滯后項的動態面板模型中，其他變量主要用于解釋耕地景觀細碎度指數的年際變化情況。

1）土地流轉政策是耕地景觀細碎度變化的重要影響因素。根據表3，土地流轉政策對PD和LSI的影響均顯著為負，對AI的影響則顯著為正。具體來說，土地流轉政策實施后，PD和LSI整體減少了0.137個/km2和0.526，而AI整體增加了0.136，可見土地流轉政策實施后，土地確權與制度改革、新型農業經營主體培育、農業社會化服務體系建設等推進土地經營權流轉的各項舉措效果顯著，在降低耕地景觀細碎度，特別是在規整地塊、改善空間連通度等方面產生了積極效果，有效改善了中國的耕地細碎化狀況。

表3 動態面板模型的穩健型回歸結果

注：*、**和***分別表示估計參數在10%、5%和1%的水平上顯著。

Note: *, ** and *** indicate that the estimated parameters are significant at the 10%, 5% and 1% levels, respectively.

2）區域土地利用變化直接且顯著影響耕地細碎度。具體來說，耕地擴張和建設用地占用耕地均對PD、LSI和AI產生了顯著影響，耕地每擴張1×104hm2，PD和LSI分別增加0.010個/km2和0.026，而AI減少0.006，而建設用地每占用1×104hm2耕地，PD和LSI分別增加0.067個/km2和0.687，AI則減少0.173。這與已有研究的結論是一致的，即耕地擴張和建設用地擴張均使得耕地斑塊更細碎、邊界更不規則、空間連通度更差，耕地景觀細碎度上升[20,31]。生態退耕主要對LSI和AI產生顯著影響，且生態退耕面積每增加1×104hm2，LSI減少0.111，AI增加0.016。這可能是因為生態退耕主要面向山區坡度大于25°的耕地，這些耕地本身細碎化程度較高，其退出耕作后反而使得區域耕地細碎度降低、空間連通度提升[20]。

3）非糧化耕地利用行為也顯著促進了耕地細碎化。第一產業增加值占比對PD的影響是顯著負向的，說明農業產值占比較高的地區更有可能降低耕地細碎度，實現耕地適度規模經營。然而，非糧化率對PD和LSI產生了顯著正面影響，對AI產生了顯著負面影響，說明非糧化耕地利用行為使得耕地景觀更為細碎。非糧化率每提高1個百分點，PD和LSI分別增加0.002個/km2和0.007，AI則減少0.001。這應該與非糧化耕地利用行為能在單位面積土地上獲得高額利潤有關，相應農戶進行規模經營的意愿因而較低；且非糧作物，特別是瓜果蔬菜等多采用大棚種植，對耕地景觀細碎度，包括斑塊大小、形狀和空間連通性產生負面影響。

4）坡度對耕地景觀細碎度變化產生了一定影響。具體來說，坡度主要對PD產生顯著負向影響，說明耕地平均坡度越大的地區，PD越有可能呈現減少趨勢。這可能與山區坡耕地撂荒和生態退耕政策的實施有關。已有研究表明，坡度越大且越細碎的地塊越容易被撂荒[32-34]，加之這些地塊同時也是生態退耕政策需要退耕的目標，因此，隨著撂荒和退耕政策的實施，相關區域耕地的PD有所減小，耕地細碎度也有所降低。

5）區域發展水平等因素對耕地景觀細碎度變化的影響并不顯著。GDP、城市化率、人均耕地面積、林業工程建設、灌溉面積占比、除坡度外的其他耕地資源稟賦特征等因素的系數均不顯著，說明其對耕地景觀細碎度的影響較為有限。需要指出的是，灌溉面積占比的各項系數接近顯著性臨界值（0.1），說明其對耕地細碎度仍產生了一定的影響。具體來說，灌溉面積占比每增加1個百分點，PD和LSI分別減少0.004個/km2和0.008，AI增加0.001，也即灌溉條件的改善可能會降低耕地景觀細碎度，對耕地適度規模經營具有一定的促進作用。

4 討 論

2014年國家提出推行土地經營權流轉和耕地適度規模經營，以改變中國細碎化耕地的低效利用模式，推進農業現代化進程，實現農民增產增收。然而，很少學者針對長時序耕地細碎度變化開展研究，中國耕地細碎度時空變化特征以及土地經營權流轉政策在改善耕地細碎度方面的效果均尚未可知。本文主要從宏觀尺度出發，借助長時序中高分辨率土地利用數據集（CLCD），進行了中國全域耕地景觀細碎度變化的趨勢分析，并對土地流轉政策等因素對耕地景觀細碎度變化的可能影響進行了剖析。一方面使得人們對中國耕地景觀細碎度時空變化特征有了一定認識，另一方面初步揭示了土地流轉政策等因素對耕地景觀細碎度的可能影響，同時也為區域耕地景觀細碎度變化以及不同土地利用/生態系統類型變化分析提供了新思路。

考慮到中國耕地景觀細碎度變化存在顯著的空間差異，特別是土地經營權流轉政策實施之后（2014—2020年），盡管70%省份的耕地景觀細碎度整體改善，但在黃淮海平原和四川盆地仍呈現PD增加和AI減小趨勢，這些地區應作為重點區域，加強新型農業經營主體培育和農業社會化服務體系建設，完善土地流轉市場，以提升該區域的政策實施效果[6,35-36]。在該區域以及全國層面上，還應避免耕地無序開發并加強耕地整治，嚴格管控耕地非農占用，同時推進農業良種改革和優化農業補貼政策以降低非糧化程度，并保護山區退耕還林（草）政策實施效果，以進一步降低耕地細碎度[20]。此外，以灌溉條件改善為代表的耕地質量提升措施也能在一定程度上改善耕地細碎度，因此，建議加大全國高標準農田建設的力度和廣度，進一步激發區域土地流轉潛力，推進耕地適度規模經營。

本文的不足之處，一是采用了CLCD數據集作為耕地景觀細碎度分析的關鍵基礎數據，該數據集是遙感解譯數據，主要表達的是地物光譜信息和覆蓋信息，可能存在同一地塊因種植作物不同或田埂存在而被劃分成不同斑塊的情況，也可能存在同一片梯田按丘劃塊等情況，能否準確表達耕地細碎度及其變化情況值得商榷。然而，考慮到該數據集是目前時空分辨率和總體精度均較高的土地利用數據集，利用其進行耕地景觀細碎度變化研究可被視為一次有益的嘗試，由此獲取的中國全域耕地景觀細碎度變化特征也可為相關研究提供一定的參考。今后，可開展與其他數據源研究結果的交互驗證工作，以更全面、精準地認識中國耕地細碎化特征。二是受數據可獲取性限制，本文以省域作為基本單元進行了影響因素評估，識別了土地流轉政策對該層面耕地景觀細碎度變化的影響以及其他影響因素，今后可將景觀細碎化與微觀農業經營主體相關研究結合，并構建理論模型，從多層面、多視角對耕地細碎度變化進行解釋。

5 結 論

利用中國1990—2020年長時間序列土地利用數據集，輔以景觀格局指數、趨勢分析和動態面板模型等方法，剖析了中國耕地景觀細碎度指數的時空變化特征及其影響因素。本文得出的主要結論如下：

1）中國耕地景觀細碎度大致呈“平原盆地低、山地高原高”的分布格局，斑塊密度（PD）/形狀指數（LSI）低值區和聚集度指數（AI）高值區主要分布在東北平原、黃淮海平原、長江中下游平原和四川盆地以及新疆的準噶爾和塔里木盆地等，PD/LSI高值區和AI低值區則集中在二三級地勢階梯過渡地帶以及黃土高原、云貴高原和東南丘陵等地區。

2）1990—2020年中國耕地景觀細碎度呈現“持續細碎化-細碎化改善-波動細碎化”三階段變化特征。土地經營權流轉政策實施后（2014—2020年），PD和LSI均值呈波動下降趨勢，降幅分別為1.41個/(km2·10 a)和7.60/10 a，AI均值則波動上升，增幅為0.92/10 a。

3）2004—2013年中國耕地景觀整體趨于細碎化，PD、LSI顯著增加的縣域占比（50.13%、57.39%）高于顯著減少的縣域占比（23.34%和17.73%），AI顯著增加的縣域占比（15.86%）低于顯著減少的縣域占比（61.54%）。但2014—2020年90%省份的耕地景觀細碎度有所改善。

4）中國耕地景觀細碎度變化受多種因素的共同影響。其中，土地流轉政策是影響耕地景觀細碎度變化的重要因素，政策實施后全國耕地景觀細碎度整體呈下降趨勢。此外，耕地景觀細碎度變化還受區域土地利用變化、非糧化耕地利用行為、坡度以及灌溉條件等因素的共同影響。

[1] Zhou Y, Li X, Liu Y. Cultivated land protection and rational use in China[J]. Land Use Policy, 2021, 106: 105454.

[2] Lai Z, Chen M, Liu T. Changes in and prospects for cultivated land use since the reform and opening up in China[J]. Land Use Policy, 2020, 97: 104781.

[3] 杜國明，蓋兆雪，王洪彥. 中國耕地細碎化的理論解析與研究框架[J]. 地球科學與環境學報，2021，43(6)：997-1008.

Du Guoming, Gai Zhaoxue, Wang Hongyan. Theoretical explanation and research framework of cultivated-land fragmentation in China[J]. Journal of Earth Sciences and Environment, 2021, 43(6): 997-1008. (in Chinese with English abstract)

[4] 盧華，胡浩. 土地細碎化增加農業生產成本了嗎?來自江蘇省的微觀調查[J]. 經濟評論，2015，195(5)：129-140.

[5] 秦立建，張妮妮，蔣中一. 土地細碎化、勞動力轉移與中國農戶糧食生產：基于安徽省的調查[J]. 農業技術經濟，2011，(11)：16-23.

[6] 王學，李秀彬，辛良杰，等. 華北平原農戶主動退耕冬小麥的影響因素模型分析及政策啟示[J]. 農業工程學報，2018，34(9)：248-257.

Wang Xue, Li Xiubin, Xin Liangjie, et al. Driving factors on winter wheat abandonment by farmers in North China Plain and its policy implication[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(9): 248-257. (in Chinese with English abstract)

[7] Yan J, Yang Z, Li Z, et al. Drivers of cropland abandonment in mountainous areas: A household decision model on farming scale in Southwest China[J]. Land Use Policy, 2016, 57: 459-469.

[8] 農業農村部政策與改革司. 2020中國衣村政策與改革統計年報[M]. 北京：中國農業出版社，2020.

[9] Wang Y, Li X, Xin L, et al. Spatiotemporal changes in Chinese land circulation between 2003 and 2013[J]. Journal of Geographical Sciences, 2018, 28(6): 707-724.

[10] Xie H, Lu H. Impact of land fragmentation and non-agricultural labor supply on circulation of agricultural land management rights[J]. Land Use Policy, 2017, 68: 355-364.

[11] 王春超，李兆能. 農村土地流轉中的困境：來自湖北的農戶調查[J]. 華中師范大學學報（人文社會科學版），2008，47(4)：51-56.

[12] Cao Y, Zou J, Fang X, et al. Effect of land tenure fragmentation on the decision-making and scale of agricultural land transfer in China[J]. Land Use Policy, 2020, 99: 104996.

[13] 王亞輝，李秀彬，辛良杰. 耕地地塊細碎程度及其對山區農業生產成本的影響[J]. 自然資源學報，2019，34(12)：2658-2672.

Wang Yahui, Li Xiubin, Xin Liangjie. Characteristics of cropland fragmentation and its impact on agricultural production costs in mountainous areas[J]. Journal of Natural Resources, 2019, 34(12): 2658-2672. (in Chinese with English abstract)

[14] Lu H, Xie H, He Y, et al. Assessing the impacts of land fragmentation and plot size on yields and costs: A translog production model and cost function approach[J]. Agricultural Systems, 2018, 161: 81-88.

[15] 王嫚嫚，劉穎，蒯昊，等. 土地細碎化、耕地地力對糧食生產效率的影響：基于江漢平原354個水稻種植戶的研究[J].資源科學，2017，39(8)：1488-1496.

Wang Manman, Liu Ying, Kuai Hao, et al. The effects of land fragmentation and land quality on the technical efficiency of grain production based on 354 rice planters on the Jianghan Plain[J]. Resources Science, 2017, 39(8): 1488-1496. (in Chinese with English abstract)

[16] Cheng L, Xia N, Jiang P, et al. Analysis of farmland fragmentation in China modernization demonstration zone since “Reform and Openness”: A case study of South Jiangsu Province[J]. Scientific Reports, 2015, 5: 11797.

[17] Liu J, Jin X, Xu W, et al. Evolution of cultivated land fragmentation and its driving mechanism in rural development: A case study of Jiangsu Province[J]. Journal of Rural Studies, 2022, 91: 58-72.

[18] Xu W, Jin X, Liu J, et al. Analysis of influencing factors of cultivated land fragmentation based on hierarchical linear model: A case study of Jiangsu Province, China[J]. Land Use Policy, 2021, 101: 105119.

[19] 劉立文，段永紅，徐立帥，等. 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[J]. 中國農學通報，2021，37(22)：90-96.

Liu Liwen, Duan Yonghong, Xu Lishuai, et al. Characteristics and influencing factors of cultivated land fragmentation in Loess Hilly Region: A case study of Heshun County in Shanxi Province[J]. Chinese Agricultural Science Bulletin, 2021, 37(22): 90-96. (in Chinese with English abstract)

[20] Yu Q, Hu Q, van Vliet J, et al. GlobeLand30 shows little cropland area loss but greater fragmentation in China[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 66: 37-45.

[21] 劉紀遠，寧佳，匡文慧，等. 2010—2015年中國土地利用變化的時空格局與新特征[J]. 地理學報，2018，73(5)：789-802.

Liu Jiyuan, Ning Jia, Kuang Wenhui, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010-2015[J]. Acta Geographica Sinica, 2018, 73(5): 789-802. (in Chinese with English abstract)

[22] Yang J, Huang X. 30 m annual land cover and its dynamics in China from 1990 to 2019 [J]. Earth System Science Data, 2021: 13(8): 3907-3925.

[23] Wei L, Luo Y, Wang M, et al. Essential fragmentation metrics for agricultural policies: Linking landscape pattern, ecosystem service and land use management in urbanizing China[J]. Agricultural Systems, 2020, 182: 102833.

[24] Liang J, Pan S, Chen W, et al. Cultivated land fragmentation and its influencing factors detection: A case study in Huaihe River Basin, China[J]. International Journal of Environmental Research and Public Health, 2021, 19(1): 138.

[25] 劉憲鋒，潘耀忠，朱秀芳，等. 2000-2014年秦巴山區植被覆蓋時空變化特征及其歸因[J]. 地理學報，2015，70(5)：705-716.

Liu Xianfeng, Pan Yaozhong, Zhu Xiufang, et al. Spatiotemporal variation of vegetation coverage in Qinling-Daba Mountains in relation to environmental factors[J]. Acta Geographica Sinica, 2015, 70(5): 705-716. (in Chinese with English abstract)

[26] 金凱，王飛，韓劍橋，等. 1982—2015年中國氣候變化和人類活動對植被NDVI變化的影響[J]. 地理學報，2020，75(5)：961-974.

Jin Kai, Wang Fei, Han Jianqiao, et al. Contribution of climatic change and human activities to vegetation NDVI change over China during 1982-2015[J]. Acta Geographica Sinica, 2020, 75(5): 961-974. (in Chinese with English abstract)

[27] 程小強，周兆葉，李旺平，等. 基于MODIS數據的中亞地區旱情監測及影響因素分析[J]. 農業工程學報，2022，38(10)：128-137.

Cheng Xiaoqiang, Zhou Zhaoye, Li Wangping, et al. Monitoring drought situation and analyzing influencing factors in Central Asia using MODIS data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(10): 128-137. (in Chinese with English abstract)

[28] 董洪超，蔣伏心. 交通基礎設施對中國區域市場一體化的影響研究：基于動態面板模型的實證分析[J]. 經濟問題探索，2020(5)：26-39.

[29] 陳沖，吳煒聰. 人口老齡化對農業技術進步的影響機制分析：基于DEA-Malmquist的技術評價與動態面板模型[J]. 中國農業資源與區劃，2021，42(1)：231-238.

Chen Chong, Wu Weicong. Analysis on the influence mechanism of population aging on agricultural technological progress[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(1): 231-238. (in Chinese with English abstract)

[30] Liu Y, Feng Y, Zhao Z, et al. Socioeconomic drivers of forest loss and fragmentation: A comparison between different land use planning schemes and policy implications[J]. Land Use Policy, 2016, 54: 58-68.

[31] Tan S, Heerink N, Qu F. Land fragmentation and its driving forces in China[J]. Land Use Policy, 2006, 23: 272-285.

[32] Shi T, Li X, Xin L, et al. The spatial distribution of farmland abandonment and its influential factors at the township level: A case study in the mountainous area of China[J]. Land Use Policy, 2018, 70: 510-520.

[33] Li Y, Zhou T, Jiang G, et al. Spatial pattern and mechanisms of farmland abandonment in Agricultural and Pastoral Areas of Qingzang Plateau[J]. Geography and Sustainability, 2021, 2(3): 139-150.

[34] Li S, Li X. Global understanding of farmland abandonment: A review and prospects[J]. Journal of Geographical Sciences, 2017, 27(9): 1123-1150.

[35] 王學，李秀彬，辛良杰，等. 華北地下水超采區冬小麥退耕的生態補償問題探討[J]. 地理學報，2016，71(5)：829-839.

Wang Xue, Li Xiubin, Xin Liangjie, et al. Ecological compensation for winter wheat abandonment in groundwater over-exploited areas in the North China Plain[J]. Acta Geographica Sinica, 2016, 71(5): 829-839. (in Chinese with English abstract)

[36] 牛海鵬，孫壹鳴. 農戶土地承包經營權退出意愿影響因素及退出模式研究[J]. 農業工程學報，2019，35(11)：265-275.

Niu Haipeng, Sun Yiming. Factors affecting farmers’ willingness and mode of farmland usufruct abandonment for rural households land contractual operation right [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(11): 265-275. (in Chinese with English abstract)

Spatiotemporal characteristics and influencing factors of landscape fragmentation of cultivated land in China

Wang Xue1, Xu Xiaofan1,2

(1.,,,100101,;2.,100049,)

Cultivated land fragmentation has been widely known as one of the key limiting factors for cultivated land use efficiency, as well as agricultural modernization and transformation in China. Since 2014, much effort has been made to encourage the transfer of land management rights for the less cultivated land fragmentation, even for the cultivated land at a moderate scale. Most studies have also been conducted at the local or regional scales. However, only a few studies are focused on the fine-grained changes in cultivated land fragmentation from a national perspective. It is still lacking in the implementation effect of land management right transfer policy on the cultivated land fragmentation. In this study, a systematic analysis was made of the temporal and spatial variation characteristics of China's cultivated land fragmentation from 1990 to 2020. The influencing factors were also identified near the implementation of the land transfer policy (2008-2020). The long-term land use data was selected to supplement the landscape pattern index, trend analysis, and dynamic panel model. The cultivated land fragmentation was roughly divided into ownership fragmentation and landscape fragmentation, in terms of connotation. The landscape fragmentation of cultivated land (CLF) was then used in this case. The results showed that: 1) China’s CLF presented a distribution pattern of low in the plain and basin areas, and high in the mountainous and plateau areas. Specifically, the CLF was relatively low in the Northeast Plain, the Huang-Huai-Hai Plain, the Middle and Lower Reaches of the Yangtze River Plain, as well as the Sichuan Basin, Junggar and Tarim Basin; while the cultivated land in the transition zone of the second and third-level topographic steps, as well as the Loess Plateau, Yunnan-Guizhou Plateau, and the Southeastern Hills, was relatively fragmented. 2) China’s CLF generally showed a changing trend of continuous-improved-fluctuating fragmentation from 1990 to 2020. Specifically, the overall cultivated land showed a trend of landscape fragmentation from 2004 to 2013. More than 70% of the counties showed a significant increase in the PD/LSI or a significant decrease in the AI, which were concentrated in the Huang-Huai-Hai Plain, the Middle and Lower Reaches of the Yangtze River Plain, the Sichuan Basin, and the Guangdong-Guangzhou region. However, 70% of the provinces improved the landscape fragmentation of cultivated land from 2014 to 2020. Spatially, the counties with the improved CLF (that is, the counties with the significantly reduced PD and LSI, but increased AI) were mainly located in the transition zone of the second and third-level topographic steps, the Loess Plateau, northwest Xinjiang, and the Guangdong-Guangzhou region. 3) The land transfer policy significantly reduced the CLF. In addition, some important factors were the regional land use change, non-grained utilization of cultivated land, slope, and irrigation conditions. The spatial-temporal variation characteristics of CLF in China on a nationwide scale revealed the impact of land transfer policies and other factors on the CLF. The finding can provide a new research paradigm for the changes in the regional CLF and different land use/ecosystem types.

land use; spatial distribution; dynamic models; cultivate land fragmentation; landscape pattern index; trend analysis; land transfer

10.11975/j.issn.1002-6819.2022.16.002

S17

A

1002-6819(2022)-16-0011-10

王學，徐曉凡. 中國耕地景觀細碎度時空變化特征及其影響因素[J]. 農業工程學報，2022，38(16)：11-20.doi：10.11975/j.issn.1002-6819.2022.16.002 http://www.tcsae.org

Wang Xue, Xu Xiaofan. Spatiotemporal characteristics and influencing factors of landscape fragmentation of cultivated land in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 11-20. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.002 http://www.tcsae.org

2022-06-07

2022-08-09

國家自然科學基金項目（42171264）

王學，博士，副研究員，研究方向為土地利用變化。Email：wangxue@igsnrr.ac.cn