基于PLUS模型的鄂西山區耕地景觀格局多情景模擬

彭洪兵 宋健 尹雯 錢招東 滕欣 孟雪

摘要：以鄂西山區19個縣（市、區）為研究對象，利用PLUS模型模擬耕地景觀在自然條件約束情景和自然與社會經濟條件雙重約束情景下的時空演化規律，明確耕地景觀格局的重要影響因素。結果表明，未來鄂西地區耕地數量仍表現為下降趨勢。影響耕地變化的因素主要為高程、植被覆蓋、水文條件。斑塊形態的空間分布格局受地形影響顯著，表現為北優南劣的格局；耕地斑塊形態隨時間變化呈明顯優化發展的趨勢。在斑塊格局上，鄂西地區耕地斑塊整體空間聚集性差、連通性低、破碎化程度高，耕地斑塊格局存在持續惡化的風險。多情景模擬的差異表明，耕地斑塊的規則化發展會受到社會經濟活動因素的限制，而僅在自然條件驅動下，耕地景觀更易向復雜化、破碎化方向發展。

關鍵詞：耕地；景觀格局；PLUS模型；多情景模擬；鄂西山區

中圖分類號：F301.21 ? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2023）11-0051-09

DOI：10.14088/j.cnki.issn0439-8114.2023.11.010 開放科學（資源服務）標識碼（OSID）：

Multi scenario simulation of cultivated land landscape pattern in Western Hubei mountainous area based on PLUS model

PENG Hong-bing1， SONG Jian2， YIN Wen3， QIAN Zhao-dong4， TENG Xin1，5， MENG Xue1

（1.National Ocean Technology Center， Ministry of Natural Resources， Tianjin ?300112， China； 2.The Second Geological Brigade， Hubei Geological Bureau， Enshi ?445000， Hubei， China； 3.Hubei Trading Western Hubei Ecological New Town Investment Co.， Ltd.， Enshi ?445000， Hubei， China；

4.Real Estate Registration Center， Ministry of Natural Resources， Beijing ?100034， China； 5.Key Laboratory of Marine Space Resources Management Technology， Ministry of Natural Resources， Hangzhou ?310012， China）

Abstract： Taking 19 counties （cities， districts） in Western Hubei as the research object， the PLUS model was used to simulate the temporal and spatial evolution law of cultivated land landscape under the constraints of natural conditions and the dual constraints of natural and socio-economic conditions， and clarify the important influencing factors of cultivated land landscape pattern. The results showed that the number of cultivated land in Western Hubei would still show a downward trend in the future. The main factors affecting cultivated land change were elevation， vegetation cover and hydrological conditions. The spatial distribution pattern of patch shape was significantly affected by topography， which was characterized by superior in the north and inferior in the south； in terms of time change， the cultivated land patch shape showed an obvious trend of optimization and development. In terms of patch pattern， the overall spatial aggregation， connectivity and fragmentation of the cultivated land patch in Western Hubei were poor， and there was a risk of continuous deterioration of cultivated land patch pattern. The difference of multi scenario simulation showed that the regular development of the cultivated land patch would be limited by social and economic activities， and only driven by natural conditions， the cultivated land landscape was easier to develop in the direction of complexity and fragmentation.

Key words： cultivated land； landscape pattern； PLUS model； multi scenario simulation； Western Hubei mountainous area

耕地景觀是在耕地自然格局的基礎上，通過人類生態活動建設而形成的重要景觀類型［1］，其科學合理的布局是保障耕地持續有效利用和實現糧食安全的重要基礎前提。耕地自身的有限性、供給的稀缺性同新時期人們日益增長的物質文化需求之間的矛盾對耕地的高效利用也提出了新要求。然而，農業專業化發展帶來的耕地景觀均質化以及人類建設活動引起的耕地景觀破碎化都對耕地景觀格局產生嚴重影響［2］，成為阻礙耕地高效利用的重要瓶頸。在地形復雜、氣候環境變化多樣、科技水平和經濟欠發達的山區，這類現象更為顯著［3，4］。如何科學評估現有耕地景觀格局，模擬預測其未來變化，并據此提出優化策略，是保障耕地持續有效利用、提升耕地功能迫切需要解決的現實問題，對保障糧食安全和推動鄉村振興具有重要意義。

學者們對耕地景觀格局已開展了卓有成效的研究。在研究內容上，主要涉及時間演化趨勢和空間分異格局［5，6］；在研究尺度上，學者以行政區界線［7］、流域［8，9］、地理格網［10］作為依據，對不同尺度的耕地景觀格局展開研究；在研究方法上，多借助景觀指數法，構建耕地景觀生態安全［11，12］、景觀脆弱度［13］等評價模型開展對耕地景觀生態功能的分析，同時有學者運用地理加權回歸模型、地理探測器等方法探究自然、社會經濟等因素對耕地景觀的影響作用［14，15］，以及運用空間自相關模型探究耕地景觀與資源稟賦的關聯性［16］。在耕地景觀格局模擬預測方面，主要借助元胞自動機（Cellular automata，CA）模型從空間尺度和時間維度對景觀格局變化預測研究，但該模型在探索土地利用變化驅動因子上的作用有限［17］，且難以模擬自然用地類型的斑塊尺度變化［18］。本研究以鄂西典型山區為對象，采用斑塊生成土地利用變化模擬模型［19］（Patch-generating land use simulation，PLUS）模擬未來不同情景下斑塊尺度的耕地變化情況，借助景觀格局指數分析耕地景觀格局變化特征和趨勢，揭示耕地時空演化規律，據此提出耕地資源優化配置策略，為保障耕地持續有效利用和糧食安全，推動鄉村振興發展提供科學參考。

1 研究區域概況、數據來源與研究方法

1.1 研究區域概況

鄂西地區位于陜西、重慶、湖南、河南等多省交界處，共包含十堰市、神農架林區、恩施州全域以及宜昌市秭歸縣、長陽縣，總計19個縣（市、區）（圖1）。該地區是顯著的山區地形，山地面積占總面積的80%以上，是湖北省生態文化旅游區、全國重要的生態功能區，也是湖北省重要的農產品生產基地。農業在該區域經濟發展中占據十分重要的位置，但耕地資源相對稀缺。2019年地區農業生產總值在生產總值中的比重為17.79%，高于全省平均水平10.7個百分點；耕地面積占土地總面積的14.05%，低于全省平均水平14.1個百分點［20］。區域內耕地分布較為分散，景觀連通性低，破碎化程度嚴重，隨著生態安全和脫貧攻堅戰略的實施，部分耕地隨著退耕還林、還水工程和城鎮化建設用地轉化為林地、水體和建設用地等，對區域耕地景觀格局及耕地持續有效利用產生了較大影響。

1.2 數據來源

本研究所用的2000年、2010年、2020年3期土地利用柵格數據來源于國家基礎地理信息中心全球地表覆蓋數據產品服務網站（DOI：10.11769）；自然條件約束因子中的高程和坡度由DEM數據提取，NDVI（Normalized difference vegetation index）和水體指數由Landsat影像計算所得，數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺（http：//www.gscloud.cn/）；農田生產潛力、年均降水量來源于中國科學院資源環境科學數據中心（https：//www.resdc.cn/）；社會經濟條件約束因子所使用的公路數據來源于全國基礎地理數據庫2017版；2020年夜間燈光影像來源于科羅拉多礦業大學官方網站（https：//payneinstitute.mines.edu/）；行政中心、高鐵站和機場位置信息通過百度地圖提取而得。

1.3 研究方法

1.3.1 耕地演化多情景設定和驅動因子 自然條件對耕地數量和景觀格局變化具有直接影響作用，山區由于其特殊的環境條件和資源稟賦，此類情況尤為顯著。同時，區域社會經濟發展水平影響著人們耕作耕地的意愿、經營模式和技術水平［21］，是影響耕地變化和景觀格局的重要因素。鑒于以上考慮，本研究設置兩種耕地利用變化的驅動發展情景，分別為基于自然條件驅動的發展情景（情景Ⅰ）、基于自然和社會經濟條件雙重驅動的發展情景（情景Ⅱ）。綜合考慮數據的可獲得性和代表性等因素，自然條件驅動因子選取高程、坡度、NDVI、水體指數、年均降水量和農業生產潛力共6個因子，社會條件驅動因子選取夜間燈光指數、距行政中心距離、公路密度、距高鐵站和機場距離共4個因子。

1.3.2 PLUS模型 該模型主要分為2個步驟：一是基于用地擴張分析策略（Land expansion analysis strategy，LEAS）模型，利用2000年、2010年、2020年3期土地利用數據，模擬預測情景Ⅰ和情景Ⅱ模式下2030年耕地擴張需求以及驅動因素的效用；二是基于多類型隨機斑塊種子機制的CA（Cellular automata based on multi-type random patch seeds，CARS）模型，模擬2030年斑塊尺度下的耕地景觀格局。

1）LEAS模型。采用該模型分析各用地類型的增長斑塊以得到轉化規律，簡化了轉換概率的分析程序，并且具有時段變化特征，彌補了以往模型缺乏時間變化對土地變化挖掘的不足［22-25］。同時基于LEAS的隨機森林分類算法［23］，探討土地利用類型的變化與驅動因素之間的關系，最終輸出像元i處第k種用地類型的轉化概率［[Pdi，kx]］，具體計算式如式（1）所示［26］。

[Pdi，kx=n=1MI?nx=dM] （1）

式中，d為0或1，1表示其他土地利用類型向k型轉化，0表示其他轉化；x表示由多個驅動因素組成的向量；I（～）表示決策樹集的指示函數；hn（x）是向量x的第n個決策樹的預測類型；M為決策樹的總數。

在模擬過程中，利用Markov模型對未來土地利用總體需求進行預測。該模型通過分析系統里每個狀態的轉移概率可以預測對象的未來狀態［27］。由于該模型的無后效性，被廣泛用于模擬土地利用動態變化，預測過程如式（2）所示。

[St=pik+S（t0）] （2）

式中，[St]為t時刻的土地利用數量結構；[S（t0）]為t0時刻的土地利用數量結構；[pik]為研究初期到末期用地類型i轉移向k的轉移概率矩陣。

2）CARS模型。CARS模型能夠模擬各用地類型斑塊尺度的轉化，采用了基于閾值遞減的多類型隨機斑塊播種機制，在計算用地類型k的總體概率的過程中實現，模型具有時空動態性，能夠模擬多土地類型斑塊在轉化概率約束下自發生長及自由發展。其計算過程如式（3）所示。

[OPd=1， ?ti， ?k=Pd=1， ?ti， ?k×r×μk×Dtk，Ωti，k=0且r

（3）

式中，[OPd=1， ?ti， ?k]為用地類型k的總體概率；r為0～1的隨機值；[μk]為用地類型k生成新斑塊的閾值；[Ωti，k]為像元i處的鄰域效應；[Dtk]是影響用地類型k未來需求的自適應驅動系數。

為了限制各用地類型的有機生長和自然生長，提出了競爭過程的閾值遞減規則。如果一種新的用地類型在一輪競爭中獲勝，則使用一個遞減的閾值τ來評估輪盤所選擇的候選用地類型c，如式（4）和式（5）所示。

[若k=1NGt-1c-k=1NGtc

[變化 Pd=1， ?ti， ?c>τ，且TMk，c=1不變Pd=1， ?ti， ?c≤τ，或TMk，c=0， ? τ=δl×r] （5）

式中，[Gtc]和[Gt-1c]分別表示第t次和第t-1次迭代時土地利用類型c的當前數量和未來需求數量之間的差異；Step為模型估算的土地利用需求的步長； ? ?l為衰減的步數；δ為衰減閾值τ的衰減因子，取值范圍為0～1；r表示均值為1的正態分布隨機值，取值范圍為0～2；[TMk，c]為定義土地利用類型k是否允許轉換為類型c的過渡矩陣。

1.3.3 景觀指數選取 景觀指數涵蓋了豐富的景觀格局信息，能夠定量反映其組成和空間配置等方面的特征［28］，是景觀生態學研究中使用廣泛并且成熟、快捷的定量研究方法。耕地景觀作為人類生態活動建設改良而成的重要景觀類型，受人為因素干擾程度較大，同時研究區域內地形情況復雜，使鄂西地區耕地景觀格局產生了破碎化、不規則化、分布分散、不可持續等問題，呈現出顯著的景觀格局。因此，本研究從斑塊尺度選取景觀指數分析耕地斑塊形態和斑塊格局的變化規律，詳見表1。

2 結果與分析

2.1 模型精度檢驗

為檢驗模型模擬的精度，基于2000年、2010年鄂西地區土地利用柵格數據，采用PLUS模型軟件模擬2020年鄂西地區土地利用情況，將模擬結果與2020年土地利用真實數據進行精度檢驗，結果顯示模擬預測的Kappa系數為0.73，模擬的總精度為0.88，表明模擬預測結果與實際情況具有高度一致性，模擬精度可信。

2.2 耕地利用變化多情景模擬

2.2.1 2000—2020年耕地變化情況 2000—2020年鄂西地區耕地變化明顯（表2），受生態工程和城鎮擴張影響極大。2000—2010年，耕地數量下降幅度較小，轉入與轉出情況較為均衡，為維持耕地數量，部分林地和草地轉入耕地，同時大量耕地進行退耕還水。2010—2020年，建設用地占用耕地的現象明顯，退耕還水現象依然持續，除草地外，耕地與其他用地類型的轉化關系均表現為凈減少，耕地數量下降現象明顯加劇。

2.2.2 情景Ⅰ下的耕地變化模擬及驅動因子效用 模擬發現，在情景Ⅰ的自然條件約束下，2030年鄂西地區耕地數量呈下降趨勢（表3），耕地凈減少面積為221.53 km2，轉化類型主要以林地為主，耕地向林地轉化的凈減少面積為123.35 km2，而此情景下的耕地向建設用地的轉化程度較輕，凈減少面積為55.40 km2。從空間變化來看（圖2），城鎮建成區周邊，耕地減少范圍的空間分布集中，轉出區域呈條帶狀環繞城鎮分布；在丘陵山地，耕地向林地轉化的空間特征比較分散，以零星斑塊的形式小范圍轉化。

表3 2030年鄂西耕地轉化情況預測（情景Ⅰ） （單位：km2）

[轉化類型 林地 草地 濕地 水體 建設用地 總計 耕地轉入量 68.15 5.43 0.00 0.18 0.71 74.47 耕地轉出量 191.50 1.15 0.00 47.24 56.11 296.00 凈變化量 -123.35 4.28 0.00 -47.06 -55.40 -221.53 ]

在耕地變化影響因素方面，由于各因子的貢獻度僅代表對某一用地類型擴張的影響力，同時耕地向林地、建設用地的轉化量占總量的80%以上，因此重點分析耕地、林地和建設用地擴張的因子貢獻度，可以明確影響耕地擴張和減少的因子，以此解釋耕地面積變化的原因。由圖3可知，耕地擴張的主要驅動因子為高程、水體指數和NDVI，耕地增加區域主要分布在距水域較近、植被覆蓋率較高的地區；建設用地擴張的主要驅動因子為NDVI和高程；影響林地擴張的主要驅動因子為高程、NDVI和水體指數。綜合來看，此情景下驅動耕地變化的主要原因可以歸結為受高程、植被覆蓋、水文條件的影響，耕地的演化形勢呈現出了生態優先響應的特征，丘陵山區的耕地向林地轉化，海拔較低、地勢相對平坦的耕地向建設用地轉化。

2.2.3 情景Ⅱ下的耕地變化模擬及驅動因子效用 此情景下，2030年鄂西地區耕地數量同樣呈下降趨勢（表4），由于兩種情景設定的數量需求一致，因此耕地的凈減少面積依然為221.53 km2，但此情景下，耕地向建設用地的轉化明顯增加，耕地的轉化類型主要以林地和建設用地為主，耕地向林地轉化的凈減少面積為108.42 km2，耕地向建設用地轉化的凈減少面積為75.14 km2。其空間變化如圖4所示。

結合耕地、林地、建設用地的擴張驅動因子貢獻度，對此情景下的耕地變化影響因素進行分析。結果（圖5）顯示，影響耕地擴張的因素仍以高程、水體指數、NDVI為主；NDVI指數對林地擴張影響最大；驅動建設用地面積增加的因子中，夜間燈光指數貢獻度水平明顯高于其他因子。可見，此情景下耕地的變化形勢可以歸結為人口聚集、社會經濟活動聚集的區域耕地向建設用地轉化，海拔相對較高、植被覆蓋條件相對較好的區域耕地向林草地轉化。

2.3 耕地景觀格局變化分析及預測

2.3.1 耕地斑塊形態演化過程及模擬預測 借助ArcGIS軟件，計算耕地斑塊的形狀指數以及分維數，對鄂西地區斑塊水平景觀格局的時空演變特征進行分析。形狀指數能夠表達耕地斑塊的規則程度，反映農業專業化發展的適宜性，結果顯示，鄂西地區耕地斑塊形狀指數范圍大致為1～22，為突出變化特征將其分為4個等級，分別為形狀規則（形狀指數在［1，2］）、形狀較規則（形狀指數在（2，4］）、形狀較不規則（形狀指數在（4，6］）、形狀不規則（形狀指數>6）。分維數則能夠表達耕地斑塊對外界干擾的敏感程度，反映斑塊的穩定性，結果顯示，鄂西地區耕地分維數范圍為1.0～1.4，將其分為4個等級，分別為形態穩定（分維數為［1.0，1.1］）、形態較穩定（分維數為（1.1，1.2］）、形態較不穩定（分維數為（1.2，1.3］）、形態不穩定（分維數為>1.3）。

由圖6可知，鄂西地區耕地斑塊形狀指數各時期變化明顯，不規則圖斑的空間分布特征顯著。耕地斑塊形狀指數高值區在區域內廣泛分布，但區域南部耕地斑塊不規則化程度比北部更為嚴重，尤其以恩施州各市縣為主。這些區域大多呈條帶狀分布于河谷槽型地帶。南部區域巫山山脈、武陵山脈、齊岳山脈三山鼎立，地形復雜；而北部區域地處秦巴山區漢水谷地，地勢相對平坦，耕地規則化發展適宜，使得鄂西地區耕地斑塊不規則化程度呈南高北低、條帶分布的空間格局。對比2000—2020年3期耕地斑塊形狀指數的變化（表5）可以發現，耕地斑塊呈規則化發展趨勢，不規則區域明顯收縮，尤其以丹江口市、鄖陽區最為明顯，大范圍不規則斑塊聚集區逐漸收縮為多個離散的小范圍區域。從2030年斑塊形狀指數的模擬預測情況看，形狀指數在空間分布上仍表現為南高北低、形狀為條帶狀，同時規則化發展趨勢仍然延續。模擬預測情景差異上，情景Ⅰ的2030年耕地不規則耕地斑塊面積比例低于情景Ⅱ，同時規則斑塊面積比例高于情景Ⅱ，表明情景Ⅰ耕地斑塊規則化發展程度略優于情景Ⅱ。由此可見，社會經濟活動引起的耕地變化會對斑塊規則化發展有一定的限制作用。

由圖7可知，鄂西地區耕地斑塊分維數整體較低，穩定性相對良好，不易受到外界因素干擾，在時空上變化特征顯著。形態不穩定區域在空間上分布較少，并且較為分散，形態較不穩定區域在空間上分布相對廣泛，分維數在空間分布特征中同樣呈南高北低的格局。比較2000—2020年3期耕地斑塊分維數的差異（表6）可以發現，耕地斑塊抗干擾性優化發展趨勢明顯。形態不穩定區域隨時間推移逐漸減少，丹江口市、咸豐縣、來鳳縣、宣恩縣內的形態不穩定區域基本消失，竹山縣、利川市、恩施市內的不穩定區域也在穩定收縮，其他地區內的形態較不穩定區域也有明顯收縮，其中以鄖陽區、丹江口市最為顯著。在2030年耕地斑塊形態模擬預測方面，耕地斑塊穩定性持續提高，形態不穩定斑塊瀕臨消失。模擬預測情景差異上，情景Ⅰ形態穩定的耕地斑塊面積占比低于情景Ⅱ，形態不穩定斑塊面積比例高于情景Ⅱ，情景Ⅱ耕地斑塊的穩定性程度優于情景Ⅰ（表6）。由此可見，鄂西地區耕地斑塊的穩定性同樣受自然條件影響較大，尤其在山地地形的驅動下，耕地斑塊更易向復雜化方向發展。

2.3.2 耕地斑塊格局演化過程及模擬預測 借助Fragstats軟件，結合2000—2020年3期土地利用柵格數據以及2種情景下模擬的2030年土地利用柵格數據，計算鄂西地區2000—2030年耕地斑塊格局指數，分析耕地整體景觀格局變化，并預測了未來發展趨勢。

由圖8可知，斑塊密度近21年有所上升，由2000年的0.67個/km2上升至2020年的0.69個/km2；斑塊凝聚度近21年下降明顯，由2000年的97.68%下降至2020年的97.13%；邊界密度表現為先上升后下降的趨勢，由2000年的25.80 km/km2升至2010年的25.96 km/km2再降至2020年的25.89 km/km2；景觀分離度變化較小，近21年變化值僅為0.01個百分點。可見，鄂西地區耕地整體景觀格局變化呈現出一定的分散化、破碎化現象。在耕地面積減少的趨勢下，耕地密度的增加以及斑塊凝聚度的下降，表明耕地空間聚集性不斷減弱，破碎化程度加劇；邊界密度的上升，表明耕地景觀格局受發展模式轉變、人類活動擴張等邊緣效應的影響增大，導致耕地斑塊間的協同性降低；而耕地景觀分離度雖然變化不明顯，但整體水平較高，說明斑塊間比較分散，景觀連通性較差，抗干擾能力較低。

從2030年2種情景的模擬情況來看，耕地景觀格局也呈明顯的惡化趨勢，情景Ⅱ的斑塊密度、邊界密度等景觀格局惡化程度相較于情景Ⅰ普遍較低，可能原因是，鄂西地區作為全國重要的生態功能區，土地利用演變規律帶有退耕還林、退耕還水的趨勢，而僅在自然條件的約束下，耕地向林地、水體轉變的慣性相對較大，靠近水域、地勢平坦的耕地轉出情況明顯，對耕地整體景觀格局的惡化程度有一定改善作用。總體來看，鄂西地區耕地空間分布分散，耕地景觀的連通性較差，破碎化現象嚴重，且未來發展仍存在一定惡化風險。自然和社會經濟雙重影響比單一的自然條件影響更能推動耕地景觀格局規模化和優化發展。

3 小結與討論

3.1 小結

本研究采用2000年、2010年、2020年3期土地利用數據，并選取10個影響因子對鄂西地區耕地利用情況進行2種情景的模擬預測，并結合景觀指數法，利用PLUS模型對耕地景觀格局的時空變化特征以及未來變化趨勢進行研究，得出以下結果。

1）未來鄂西地區耕地數量仍表現為下降趨勢，轉化類型以林地、建設用地為主。不同情景下，耕地的轉化方向有所側重，在自然條件約束下，耕地傾向于向林地等自然用地類型轉化，而在自然和社會經濟條件雙重約束下，耕地向建設用地轉化的傾向明顯增強。

2）影響耕地變化的因素主要為高程、植被覆蓋、水文條件。在空間變化形式上，城鎮建成區周邊，耕地以條帶狀環繞建成區集中向建設用地轉化；在丘陵山地，耕地以零星、細碎化斑塊的形態向其他自然用地類型轉化。

3）鄂西地區耕地景觀格局演化具有顯著的時空分異特征。在斑塊形態方面，空間分布格局受地形影響顯著，在南部山脈鼎立的區域，斑塊形狀不規則程度高，抗干擾性較低，在北部河流谷底區域則表現相反；時間變化上，耕地斑塊呈明顯的優化發展趨勢，斑塊整體朝規則化、抗干擾性增強的方向發展。在斑塊格局上，鄂西地區耕地斑塊整體空間聚集性差、連通性低、破碎化程度高，耕地整體的景觀協同性和抗干擾能力較低，并且伴隨城鎮化發展和生態工程的進一步推進，耕地斑塊格局存在持續惡化的風險。

4）在耕地景觀的情景模擬方面，情景Ⅰ的斑塊形狀指數優于情景Ⅱ，其他指標則均相反，可見斑塊的規則化發展受到城鎮擴張等社會經濟活動因素的限制；而僅在研究區自然條件的驅動下以及自身耕地演變的慣性，耕地景觀更易向復雜化、破碎化方向發展。

3.2 討論

本研究結果表明，在促進耕地景觀格局演化方面，自然因素和社會經濟因素雙重驅動比單一的自然因素驅動更能促使耕地斑塊景觀格局向集聚化等良性方向發展，更能提高耕地的抗干擾能力和提升穩定性。因此，應充分將社會經濟發展與自然資源條件充分融合，實現資源優勢互補，經濟增長和自然資源利用的和諧發展，共同促進耕地可持續利用，保障糧食安全。

從耕地景觀格局各影響因素的效用看，高程、植被覆蓋、水文條件等因素仍是主要影響因素。一方面，在山區高程難以改變的情況下，應通過土地平整工程、改善農田基礎設施等措施建設系列高標準農田；同時，調整耕地權屬關系，引導農戶流轉棄耕、零散耕地，驅使地塊產權集中化。以此，從自然和產權兩方面降低耕地的破碎化、分散化問題，提升山區耕地的宜耕性和集聚利用性，提升耕地生產效益。另一方面，結合當前生態文明戰略，實施國土生態修復和生態保護等工程，在高山林區、水源地實施退耕工程，提升森林覆蓋度，改善水文條件；在低山丘陵地區建設集水土涵養、生態保護于一體的緩坡梯田，發展有機、環保的高附加值農業，以此促進生態環境改善和耕地有效利用協調發展。

由于本研究所用的Globe Land 30數據僅將土地類型劃分為10個一級類型，對耕地類別并沒有進一步細分，難以為耕地有效利用提供更精準的參考。后期研究還應考慮選用數據內容更為豐富的土地利用數據，從水田、旱地等層面進一步深入開展耕地景觀格局分析。

參考文獻：

［1］ 彭 建，劉志聰，劉焱序，等.京津冀地區縣域耕地景觀多功能性評價［J］.生態學報，2016，36（8）：2274-2285.

［2］ 宋小青，歐陽竹.耕地多功能內涵及其對耕地保護的啟示［J］.地理科學進展，2012，31（7）：859-868.

［3］ 向敬偉，李江風，曾 杰.鄂西貧困縣耕地利用轉型空間分異及其影響因素［J］.農業工程學報，2016，32（1）：272-279.

［4］ 向敬偉，李江風.貧困山區耕地利用轉型對農業經濟增長質量的影響［J］.中國人口·資源與環境，2018，28（1）：71-81.

［5］ 李秀芝.北戴河新區耕地景觀生態安全時空變化研究［J］.中國農業資源與區劃，2017，38（3）：59-64.

［6］ 李均力，姜亮亮，包安明，等.1962—2010年瑪納斯流域耕地景觀的時空變化分析［J］.農業工程學報，2015，31（4）：277-285.

［7］ 常玉旸，張天柱，張鳳榮，等.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［J］.水土保持研究，2021，28（3）：264-271，280.

［8］ 郭莎莎，胡守庚，瞿詩進.長江中游地區多尺度耕地景觀格局演變特征［J］.長江流域資源與環境，2018，27（7）：1637-1646.

［9］ 趙銳鋒，王福紅，張麗華，等.黑河中游地區耕地景觀演變及社會經濟驅動力分析［J］.地理科學，2017，37（6）：920-928.

［10］ 王 芳，陳芝聰，謝小平.太湖流域建設用地與耕地景觀時空演變及驅動力［J］.生態學報，2018，38（9）：3300-3310.

［11］ 裴 歡，魏 勇，王曉妍，等.耕地景觀生態安全評價方法及其應用［J］.農業工程學報，2014，30（9）：212-219.

［12］ 于 瀟，吳克寧，鄖文聚，等.三江平原現代農業區景觀生態安全時空分異分析［J］. 農業工程學報，2016，32（8）：253-259.

［13］ 陳 丹，蔣貴國，張 妍，等.基于生態服務價值的沱江流域土地景觀生態風險時空分異研究［J］.水土保持通報，2019，39（3）：223-230.

［14］ 韓 逸，郭 熙，江葉楓，等.南方丘陵區耕地景觀生態安全影響因素及其空間差異［J］.生態學報，2019，39（17）：6522-6533.

［15］ 張麗芳，冉丹陽，楊存建，等.橫斷山區涼山州耕地景觀安全格局演變及驅動力分析［J］.生態科學，2020，39（2）：25-31.

［16］ 錢鳳魁，于 洋，孫福軍，等.不同地貌區縣域耕地質量與耕地景觀格局關聯性特征分析［J］.土壤通報，2020，51（6）：1282-1289.

［17］ SOHL T L， CLAGGETT P R. Clarity versus complexity： Land-use modeling as a practical tool for decision makers［J］. Journal of environmental management， 2013， 129： 235-243.

［18］ YANG J， GONG J， TANG W， et al. Patch-based cel-lular automata model of urban growth simulation： Integrating feedback between quantitative composition and spatial configuration［J］. Computers， environment and urban systems， 2020， 79： 101402.

［19］ LIANG X， GUAN Q F， CLARKE K C， et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model： A case study in Wuhan， China［J］. Computers， environment and urban systems， 2021， 85： 101569.

［20］ 《湖北農村統計年鑒》編輯委員會.2020湖北農村統計年鑒［M］.北京：中國統計出版社，2020.

［21］ OMRANI H， PARMENTIER B， HELBICH M， et al. The land transformation model-cluster framework： Applying k-means and the spark computing environment for large scale land change analytics［J］. Environmental modelling and software，2019，111：182-191.

［22］ LIU X P， LIANG X， LI X， et al. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects［J］. Landscape and urban planning， 2017， 168： 94-116.

［23］ VERBURG P H， SOEPBOER W， VELDKAMP A. Modeling the spatial dyna-mics of regional land use： The CLUE-S model［J］. Environmental management， 2002， 30（3）： 391-405.

［24］ 羅 芳，潘 安，陳忠升，等.四川省宜賓市1980—2018年耕地時空格局變化及驅動因素［J］.水土保持通報，2021，41（6）：336-344.

［25］ YAO Y，LIU X P，LI X， et al. Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata［J］. International journal of geographical information science，2017，31（12）：2452-2479.

［26］ GAO T， HUANG J J， ZHOU H， et al. Prediction of land-use change along the urban rail transit based on Markov model［J］. Applied mechanics & materials， 2014， 556-562： 894-898.

［27］ VERBURG P H， OVERMARS K P. Combining top-down and bottom-up dynamics in land use modeling： Exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model［J］. Landscape ecology， 2009， 24（9）： 1167-1181.

［28］ 劉希朝，李效順，蔣冬梅.基于土地利用變化的黃河流域景觀格局及生態風險評估［J］.農業工程學報，2021，37（4）：265-274.