删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

黄淮海平原农地流转空间分布与格局特征

本站小编 Free考研考试/2021-12-29

金贵¹^,²^,, 邓祥征¹^,, 陈冬冬², 王佩³, 孙中孝⁴

1. 中国科学院地理科学与资源研究所,北京 100101

2. 湖北大学资源环境学院,武汉 430062

3. 中南财经政法大学工商管理学院,武汉 430073

4. 北京师范大学环境学院,北京 100875

Trends and spatial patterns of land conversions in the North China Plain

JINGui¹^,²^,, DENGXiangzheng¹^,, CHENDongdong², WANGPei³, SUNZhongxiao⁴

1. Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China

2. Faculty of Resources and Environmental Science,Hubei University,Wuhan 430062,China

3. School of Business Administration,Zhongnan University of Economics and Law,Wuhan 430073,China

4. School of Environment,Beijing Normal University,Beijing 100875,China

通讯作者:通讯作者:邓祥征,E-mail:dengxz.ccap@igsnrr.ac.cn
收稿日期:2016-03-30
修回日期:2016-05-31
网络出版日期:2016-08-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:

国家自然科学基金项目（41171434;41501593;71225005）

作者简介:
-->作者简介:金贵,男,江苏徐州人,博士,主要研究方向为国土资源评价与国土空间优化管理。E-mail:jing_simlab@163.com

展开

摘要
农地流转已经成为影响中国农业发展的重要因素之一,分析农地流转空间格局特征对中国农业的转型发展尤为重要。本文以黄淮海平原农户调查数据为基础,引入ELL模型对黄淮海平原农地流转抽样数据进行了空间推演,获得该地区县域尺度农地流转方向和规模的空间格局参数,进而通过局部空间自相关分析描述农地流转表征指标在县域尺度上的集聚特征。研究表明:①黄淮海平原县域农地转入规模在440.79~1379.86hm²,呈现出由西向东递增的趋势;农地转出规模在908.61~2745.29hm²,表现出由西北向东南递增的特征;②农地转入和转出的Moran’s I_i值分别为0.78和0.89,反映出黄淮海平原农地转入和转出规模在空间上正相关（HH集聚和LL集聚）,且相关系数较高;③在95%的置信度下,农地转入HH集聚区、LL集聚区县域单元数量占比分别为16.67%和20.61%;农地转出HH集聚区、LL集聚区县域单元数量占比分别为19.08%和26.32%;HH集聚的县域是黄淮海平原农地流转的核心区,有着较强的正向效应,LL集聚的县域在空间分布上较集中、稳定,对周边县域有负向影响。该研究揭示的黄淮海平原农地流转空间分布信息或规律,可以为农地流转空间格局优化和相关的管理政策制定提供参考。

关键词：农地流转;空间分布;格局;局部空间自相关;黄淮海平原
Abstract
Farmland conversions has become one of the most important factors affecting agriculturally sustainable development in China,and spatial patterns of farmland transfer are particularly important to food security. Based on sample data of household surveys,we introduce the Elbers,Lanjouw and Lanjouw’s Method to map farmland conversions in the North China Plain in order to obtain the direction and scale of farmland conversions. Further,we analyzed the aggregating characteristics that refer to index of farmland conversions using LISA. We found that the scale of farmland inflow ranges from 440.79hm² to 1379.87hm²,and the scale of farmland outflow ranges from 908hm² to 2745.29hm². The scale of farmland inflow shows an increasing space situation from west to east. While the scale of farmland outflow shows an increasing space situation from northwest to southeast. The values of Moran’s Ii related to farmland inflow and farmland outflow respectively are 0.78 and 0.89,indicating that the scale of farmland inflow and farmland outflow in the North China Plain have positive associations in space （the HH agglomeration and the LL agglomeration）and both have strong relevance. At the confidence level of 95%,county unit rates of farmland inflow are 16.67% for HH agglomeration and 20.61% for LL agglomeration;county unit rates of farmland outflow are 19.06% for HH agglomeration and 26.32% for LL agglomeration;the counties of HH agglomeration have become the core area in the North China Plain and have a stronger positive impact,meanwhile LL agglomeration has a relatively stable spatial distribution and negative impact. These results will lay the foundation for optimizing farmland conversions.

Keywords：farmland conversions;spatial distribution;spatial pattern;LISA;North China Plain

-->0
PDF (1105KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
金贵, 邓祥征, 陈冬冬, 王佩, 孙中孝. 黄淮海平原农地流转空间分布与格局特征[J]. , 2016, 38(8): 1515-1524 https://doi.org/10.18402/resci.2016.08.10
JIN Gui, DENG Xiangzheng, CHEN Dongdong, WANG Pei, SUN Zhongxiao. Trends and spatial patterns of land conversions in the North China Plain[J]. 资源科学, 2016, 38(8): 1515-1524 https://doi.org/10.18402/resci.2016.08.10

1 引言

农地管理是资源与可持续发展学科研究的核心内容之一,其与经济、政治、安全及可持续发展等一系列问题联系紧密^[1,2]。作为制定国家或地区农业可持续发展战略的基础,农地流转已经成为影响中国农业可持续发展的重要因素之一,并越来越受到学术界的关注。《中华人民共和国农村土地承包法》第32条将农地流转界定为农户通过家庭承包取得土地承包经营权并依法采取转包、出租、互换、转让或者其他方式对使用/经营土地的流转,其核心是农地经营规模、用途、方式的改变^[3]。随着中国市场经济体制的完善、城市化和农业现代化的推进,农地作为一种重要的生产资料,其使用/经营权的流转已成必然趋势。如何实现对粮食主产区农地经营规模与农地流转速率、方向的监督,保持粮食主产区的农地资源稳定,已引起学术界及社会各界的高度关注^[4,5]。现阶段,人们对农地流转问题的研究逐步由农地流转市场、相关制度及建议等方面向农地流转空间格局研究转变^[6]。****以农地空间布局变化模拟和优化利用研究为基础^[7],探究农地流转模式的空间分布规律^[8],并基于此分析不同流转模式的主体特征、经济绩效和规划策略^[9]。随着农地流转空间研究案例的增多,不同区域和不同尺度农地流转空间布局特征差异大、影响要素空间异质性强成为共识^[10]。虽然相关研究在一定程度上掌握模型定量分析农地流转空间布局的能力,但农地流转规模、速率和方向等表征指标空间特征分析领域研究的匮乏导致了对农地流转空间分布规律科学认知的缺失,因而无法完全机理性的解释农地空间布局改变原因。由于区域人文与自然环境因素存在差异,农地流转空间分布对粮食安全的贡献与影响也有所不同^[11-13],而在执行农地管理调控政策时,厘清农地流转的空间分异对保障农业发展和粮食安全的影响分析十分必要,这决定了单纯从制度与市场方面开展农地流转研究无法全面揭示农地流转规律,也不能提出完善的农地流转管理建议^[14]。因此,出台农地流转调控管理措施前,需要考察农地流转规模、速率和方向等在空间上的分异态势,明确农地流转的空间格局特征。黄淮海平原农地流转在中国具备较强典型性,由于该区域农业比较利益的降低,在农村经济体制改革后,随着农户兼业的逐步发展,承包地不再是农民赖以生存的基础,黄淮海平原局部地区开始出现农地粗放经营、撂荒现象增多、耕地利用效率下降等一系列新问题。单一的小农经营模式已经不能适应社会发展的要求,耕地的集中规模化经营已经成为黄淮海平原农业发展的一个潮流,而耕地合理流转能同时满足耕地闲置抛荒家庭和希望扩大经营规模家庭的双方需求,促进耕地资源适度集中和规模经营^[15]。本文以黄淮海平原农户调查数据为基础,基于ELL模型和局部空间自相关法对黄淮海平原农地流转趋势和空间集聚特征展开分析,以期能够揭示出黄淮海平原农地流转在县域尺度上的分布规律及格局特征。

2 研究区概况、数据来源与研究方法

2.1 研究区概况

黄淮海平原是黄河、淮河、海河流域平原的通称,位于32°08′N-40°16′N,112°10′E-122°40′E,主要包括河北、河南、山东、江苏、安徽、北京、天津7省市的部分县市,总面积为42.8万km²（图1）。该地区光热条件好,降雨量充足,耕地资源丰富,自2004年以来,黄淮海平原的主要粮食作物播种面积及产量占全国的比例均在15%以上。其中,小麦播种面积占全国总播种面积的36%~40%,产量约占全国的50%;棉花播种面积占全国的32%~42%,产量约占全国的40%;玉米播种面积占全国的27%~29%,产量约占全国粮食总产量的30%。可见,黄淮海平原已经成为中国重要的农业经济区和粮食主产区,承担着保障国家粮食安全的重任。

显示原图|下载原图ZIP|生成PPT
图1黄淮海平原区位
-->Figure 1Location of the North China Plain
-->

2.2 数据来源与处理

黄淮海平原2010年的农户入户调查资料包括大样本数据和小样本数据。大样本数据涉及黄淮海平原的456个县（市）,每个县（市）随机抽取10个村庄,每个村庄随机抽取10个农户,共计4560个村庄的45 600个农户的信息。在入户调查中,农地流转数据的统计工作并没有覆盖在整个区域,本文称之为小样本数据,包括该区域77个县（市）的770个村庄的农户流转数据（图2）,此外还包括家庭最高受教育程度时间、外出就业人口占家庭人口比例、农业收入占家庭总收入比例等补充调查数据。

显示原图|下载原图ZIP|生成PPT
图22010年黄淮海平原农调数据抽样村的空间分布
-->Figure 2Sampled villages of the North China Plain in 2010
-->

基础地理信息数据涉及研究区气候、地形、土壤、生产条件、土地利用等方面。其中,气象数据基于中国气象局气象台站观测记录,来源于中国气象科学数据网（http://data.cma.cn）;DEM数据来源于国家地球系统科学数据共享平台（http://www.geodata.cn/）;土壤数据、生产条件数据中区位条件（公路交通干线、道路等矢量数据）和土地利用数据均来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）;农业灾害数据来源于农业环境数据中心（http://data.ieda.org.cn）;农田生产力数据来源于相关研究的评估结果^[16]。
数据处理过程如下:根据黄淮海平原2010年农调数据制备出包含农地流转数据、家庭受教育程度、就业人口比例和家庭收入等信息的农户数据集;进一步地,利用GIS技术对基础地理信息数据中的气候、地形、土壤、生产条件、土地利用等基础数据进行空间分析,得出黄淮海平原年均降水量、坡度、人均耕地面积、土壤有机质含量、耕作层厚度、道路距离、复种指数、受灾分布等要素空间分布图;农田生产力由农田生产力评估模型（Estimation System for Agricul-tural Production,ESAP）计算得出;最后,计算基础地理信息数据在县域单元上的平均值,计算农调数据集中的家庭受教育程度、就业人口比例和家庭收入在相应县域上的户平均值,进而将上述两类数据进行融合得到县域尺度的截面数据。

2.3 构建指标体系

在数据处理的基础上,遴选出影响农地流转空间趋势的因子。农地流转涉及的影响因素较多,特别是在耕地所有权不属于农户的情况下,农地流转除了受农户自身影响外,外部环境影响较大,包括人文因素和自然因素两个方面^[17,18]。结合已有农地流转影响机制的研究成果^[19-21]及黄淮海平原的区域特征,本文选取社会经济要素中的家庭最高受教育程度时间、外出就业人口占家庭人口比例、农业收入占家庭总收入比例、人均耕地面积、距道路距离及自然因素中的农田生产力、复种指数、坡度、年均降水量、土壤有机质含量、耕作层厚度、受灾面积比等12个因子作为影响农地流转空间趋势推演的指标。

2.4 ELL模型

空间趋势推演算法ELL模型由Chris Elbers,Jean O.Lanjouw和Peter Lanjouw三人于2003年共同提出,ELL是三人姓氏首字母的缩写^[22,23]。该模型的核心思想是在较低的聚合水平条件下根据已掌握的小样本调查数据,模拟估计大范围的福利水平程度,进而由点到面,推演到整个的研究区域。世界银行组织开发Poverty map软件来运行ELL模型,绘制区域贫困分布地图,现已被应用于多个国家的实证研究^[24]。本研究引入ELL模型的核心算法和思想,用农地流转规模代替居民收入,将与收入相关的数据变量替换为影响农地流转规模和方向的地理要素特征变量,具体原理如下:
（1）确定研究对象

\begin{matrix} S = S_{1} ? S_{2} \end{matrix}

。抽样组

\begin{matrix} S_{1} \end{matrix}

是指小样本数据,通过入户调查得到农调数据的样本对象;非抽样组

\begin{matrix} S_{2} \end{matrix}

是指大样本数据,需要利用空间推演方法来推知农地流转数据的研究对象。
（2）对于从农户调查中提取的农户特征变量,认为服从正态分布。故根据抽样调查数据,由样本估计总体分布为

\begin{matrix} N （ \overset{ˉ}{B_{i}} ， δ_{B_{i}} ） \end{matrix}

,从中抽取样本作为非抽样地区农户的特征变量,归纳自变量集

\begin{matrix} D = （ B_{1} ， B_{2} ， \dots ， B_{n} ， C_{1} ， C_{2} ， \dots ， C_{n} ） \end{matrix}

,其中B是抽样调查数据,C是样本点地理信息数据。
（3）对抽取的样本

\begin{matrix} S_{1} \end{matrix}

进行回归分析:

\begin{matrix} \ln T_{ch} = β D_{ch} + C + u_{ch} \end{matrix}

（1）
式中

\begin{matrix} T_{ch} \end{matrix}

为农地流转规模;

\begin{matrix} c \end{matrix}

为所在县;

\begin{matrix} h \end{matrix}

为县

\begin{matrix} c \end{matrix}

内的农户;D_ch为农户层面自变量集;β为回归参数;

\begin{matrix} u_{ch} \end{matrix}

为回归的残差,

\begin{matrix} u_{ch} = η_{c} + ε_{ch} \end{matrix}

;

\begin{matrix} η_{c} \end{matrix}

为县域间异质性导致的残差项;

\begin{matrix} ε_{ch} \end{matrix}

为农户间异质性导致的残差项。
利用多元线性回归方法,得到回归参数

\begin{matrix} β \end{matrix}

及残差

\begin{matrix} {\hat{u}}_{ch} \end{matrix}

,则分解的残差项

\begin{matrix} {\hat{η}}_{c} = \overset{ˉ}{{\hat{u}}_{c}} \end{matrix}

\begin{matrix} {\hat{ε}}_{ch} = {\hat{u}}_{ch} - {\hat{η}}_{c} \end{matrix}

,考虑

\begin{matrix} η_{c} ， ε_{ch} \end{matrix}

为相互独立的残差因素,并各自服从正态分布,由回归计算得到的

\begin{matrix} {\hat{η}}_{c} \end{matrix}

与

\begin{matrix} {\hat{ε}}_{ch} \end{matrix}

,估计其分布为:

\begin{matrix} η_{c} ~ N (0 ， σ_{{\hat{η}}_{c}}^{2}) ， ε_{ch} ~ N （ 0 ， σ_{{\hat{ε}}_{\begin{matrix} c & h \end{matrix}}}^{2} ） \end{matrix}

。
（4）通过Monte Carlo算法进行r次试验,根据抽样数据回归所得残差分布及相关参数,计算第r次试验非抽样组

\begin{matrix} S_{2} \end{matrix}

的农地流转规模

\begin{matrix} T_{\begin{matrix} c & h \end{matrix}}^{r} \end{matrix}

\begin{matrix} T_{\begin{matrix} c & h \end{matrix}}^{r} = e^{β D_{\begin{matrix} c & h \end{matrix}} + \hat{C} + η_{c}^{r} + ε_{\begin{matrix} c & h \end{matrix}}^{r}} \end{matrix}

（2）

\begin{matrix} η_{c}^{r} ~ N (0 ， σ_{{\hat{η}}_{c}}^{2}) ， ε_{\begin{matrix} c & h \end{matrix}}^{r} ~ N （ 0 ， σ_{{\hat{ε}}_{\begin{matrix} c & h \end{matrix}}}^{2} ） \end{matrix}

（3）
计算得到的

\begin{matrix} T_{\begin{matrix} c & h \end{matrix}}^{r} \end{matrix}

对样本对象

\begin{matrix} S = S_{1} ? S_{2} \end{matrix}

的农户特征变量进行多元回归分析（对于

\begin{matrix} S_{1} \end{matrix}

\begin{matrix} T_{\begin{matrix} c & h \end{matrix}}^{r} = T_{\begin{matrix} c & h \end{matrix}} \end{matrix}

）:

\begin{matrix} \ln T_{\begin{matrix} c & h \end{matrix}}^{r} = β^{r} D_{ch} + C^{r} + u_{ch} \end{matrix}

（4）
进一步计算出第r次试验的回归参数

\begin{matrix} {\hat{β}}^{r} ， {\hat{C}}^{r} \end{matrix}

及残差

\begin{matrix} {\hat{η}}_{c}^{r} ， {\hat{ε}}_{\begin{matrix} c & h \end{matrix}}^{r} \end{matrix}

。R次试验后,求出参数均值,两项残差项均值以及表征指标的均值（调和平均）

\begin{matrix} μ \end{matrix}

\begin{matrix} μ = \overset{ˉ}{T_{\begin{matrix} c & h \end{matrix}}^{r}} = {(\prod T_{\begin{matrix} c & h \end{matrix}}^{r})}^{\frac{1}{R}} = e^{{\overset{?}{β}}^{T} D_{\begin{matrix} c & h \end{matrix}} + \overset{?}{C} + {\overset{?}{η}}_{c} + {\overset{?}{ε}}_{\begin{matrix} c & h \end{matrix}}} \end{matrix}

（5）

2.5 局部空间自相关分析方法

空间自相关分析是理论地理学的基本方法之一,主要用来分析空间数据的统计分布规律,它可以检测变量的空间变化是否存在相关性^[25]。空间自相关分为全局空间自相关和局部空间自相关。全局空间自相关是研究区域中某种现象的整体情况,它检验整个区域中邻近地区间是相似、相异（空间正相关、负相关）,还是相互独立的^[26]。最常用的全局空间自相关指数是Moran's I,计算公式为:

\begin{matrix} I = \frac{n}{S_{0}} \times \frac{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (x_{i} - \overset{ˉ}{x}) (x_{j} - \overset{ˉ}{x})}{\overset{n}{\sum_{i = 1}} (x_{i} {- \overset{ˉ}{x})}^{2}} \end{matrix}

（6）
式中

\begin{matrix} j \neq i \end{matrix}

\begin{matrix} n \end{matrix}

是黄淮海平原县域空间单元总数;

\begin{matrix} w_{ij} \end{matrix}

是县域

\begin{matrix} i \end{matrix}

和县域

\begin{matrix} j \end{matrix}

的权重（邻接取值为1,否则为0）;

\begin{matrix} x_{i} \end{matrix}

和

\begin{matrix} x_{j} \end{matrix}

分别是县域

\begin{matrix} i \end{matrix}

和县域

\begin{matrix} j \end{matrix}

的农地流转程度;

\begin{matrix} \overset{?}{x} \end{matrix}

是黄淮海平原农地流转程度的平均值;

\begin{matrix} （ x_{i} - \overset{?}{x} ） \end{matrix}

是县域

\begin{matrix} i \end{matrix}

的农地流转程度和黄淮海平原农地流转的程度平均值的偏差;

\begin{matrix} S_{0} \end{matrix}

是空间权重矩阵,

\begin{matrix} S_{0} = \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} \end{matrix}

。全局Moran's I可以看作是观察值与它的空间滞后之间的相关系数,变量

\begin{matrix} x \end{matrix}

的空间滞后是

\begin{matrix} x \end{matrix}

在县域

\begin{matrix} j \end{matrix}

的平均值。
全局Moran’s I 不能确切指出聚集或异常发生的具体空间位置,此时需要用局部自相关方法作进一步分析,局部空间自相关侧重于研究空间对象属性值在某些局域位置的空间相关性,反映某一空间单元的属性值同其邻接空间单元上同一属性值的相关程度^[25,27] ,空间关联局域指标如LISA（Local Indicators of Spatial Association;局部空间自相关）、Moran 散点图^[23],能有效地揭示空间要素或其属性值在区域局部的空间相关性大小。为与常用的全局Moran's I区分,本研究用Moran's I_i表示局部空间自相关指数,其计算公式为:

\begin{matrix} I_{i} = x_{i} \overset{n}{\sum_{j = 1}} w_{ij} x_{j} \end{matrix}

（7）

3 结果及分析

3.1 农地流转影响因素分析

以农地流转空间数据集为基础,借助ELL模型,构建出农地转入和转出规模与12个影响因子之间的多元线性回归方程,对农户抽样数据进行趋势推演,并通过精度检验,得出黄淮海平原农地流转规模和方向两个表征指标的空间趋势（图3）。分析黄淮海平原农地流转空间格局可以看出,由农户抽样数据推演得到的农地转入和转出规模在空间上是不均衡的。一方面,农地转出对象除了其他农户外,还有一部分流向农村企业或农场,所以农地转出规模是明显多于农地转入规模的;另一方面,农户调查抽样是随机的,因此由农户抽样数据推演到县域尺度上,农地的转入和转出规模也不是一致的。基于ELL模型结果的显著性特征可知,人均耕地面积对农地转入为较强正向影响,说明农民具有土地情结,拥有较多耕地的农民更愿意进行农业生产活动,也就更愿意获得农地;耕作层厚度、年降水量、土壤有机质含量、受灾面积比和道路距离都是表征农地质量的指标,表明农地转入规模受到农地质量与农业生产条件的影响,这也体现了农民对土地质量的要求要高于其收入效应带来的影响。就业人口比例对农地转入的影响较弱,而且是正相关关系,说明农民更愿意将非农劳动获取的资金转换为农地,可以继续跟踪这种趋势的变化特征,对今后农地流转政策制定提供参考。表征农地质量的因子对农地转出规模有强影响,具体表现为当农地质量降低时农民有减少耕地的倾向。农业收入占家庭总收入比例对于经营期耕地减少面积影响程度较小,且是负相关关系,可见农业收入占家庭收入比重越大,农民越不愿意使耕地减少,越是依赖农业生存的农民越不愿意转出农地。进一步,通过ELL模型得出影响因子的标准化偏回归系数,并分析其对农地流转的影响程度发现:人均耕地面积、耕作层厚度、年均降水量、受灾面积比、距道路距离、土壤有机质含量、农业收入占家庭总收入比例、复种指数及就业人口比例对农地转入的影响依次减弱;耕作层厚度、受灾面积比、年均降水量、复种指数、家庭最高受教育程度时间、农业收入占家庭总收入比例、人均耕地面积及距道路距离对农地转出的影响逐渐变弱。

显示原图|下载原图ZIP|生成PPT
图32010年黄淮海平原农地流转空间格局
-->Figure 3Spatial pattern of farmland conversions of the North China Plain in 2010
-->

3.2 农地流转空间基本情况分析

黄淮海平原县域农地转入规模为440.79~1379.86hm²,农地转出规模为908.61~2745.29hm²。分析7个省（市）的县域农地流转规模情况（表1）可知:从县域农地流转规模的平均水平来看,江苏省、安徽省和山东省的县域流转行为较为活跃,是黄淮海地区农地流转的热点区域,这与三省的农村经济发展水平和农业改革制度相关,较高的农村发展水平、农民收入和开放的农村改革制度显著影响农地流转活动。从黄淮海平原农地流转空间格局来看,县域农地流转存在空间差异性,但整个研究区农地转入、农地转出在空间分布上具备一致性。农地转入规模呈现出由西向东递增的空间趋势,规模较大的县域主要分布在江苏省,安徽省,山东省中北部地区,河南、山东与河北三省接壤地区。农地转出规模呈现出由西北向东南的递增趋势,规模较大的县域主要分布在江苏省、安徽省和山东省北部。在农户层面,黄淮海平原农地流转多发生在同县、同村的农户之间,是一种以亲属、邻里为主要对象的流转形式,因此有着明显的地域性限制和差异。
Table 1
表1
表12010年黄淮海平原农地流转
Table 1Farmland conversions of the North China Plain in 2010（hm²）

	农地转入				农地转出
省域	面积	均值	高规模典型县域	低规模典型县域	面积	均值	高规模典型县域	低规模典型县域
河北	440.79~1 119.56	823.31	文安、任丘	平山、井陉	908.61~1 720.35	1 307.54	河间、临漳	内丘、赞皇
北京	856.38~902.12	884.88	大兴	顺义	1 109.12~1 160.40	1 136.96	大兴	顺义
天津	804.13~1 036.35	865.65	静海、武清	宁河、宝坻	1 180.67~1 444.53	1 252.64	静海、蓟县	武清、宝坻
河南	521.14~1 184.33	819.65	濮阳、民权	修武、博爱	1 218.76~2 532.89	1 791.58	永城、夏邑	修武、博爱
江苏	966.88~1 320.10	1 181.49	赣榆、东海	丰县、盱眙	1 963.21~2 691.66	2 304.87	睢宁、盱眙	响水、灌南
山东	646.87~1 379.86	964.47	临沂、莒南	平桥、惠民	1 188.00~2 439.65	1 760.79	郯城、东明	无棣、临清
安徽	716.63~1 095.21	972.71	灵璧、五河	界首、阜南	2 171.43~2 745.29	2 529.68	宿州、灵璧	临泉、阜南

新窗口打开

3.3 农地流转局部空间自相关分析

3.3.1 Moran散点图与局部Moran’s I_i值分析
基于推演出的农地流转规模,利用GeoDa软件进行局部空间自相关分析,刻画农地流转县域单元与其邻居之间的局部空间关系,得出黄淮海平原县域尺度农地流转表征指标的Moran散点图（图4）。斜率Moran’s I_i值范围在[-1,1]之间;越接近-1,负相关越强烈;越接近1,正相关越强烈;接近0,则表明不存在空间聚集性。4个象限中的第Ⅰ、Ⅲ象限代表正相关类型,分别用HH（高高集聚）与LL（低低集聚）表示,第Ⅱ、Ⅳ象限代表负相关类型,分别用HL（高低异常）与LH（低高异常）表示。

显示原图|下载原图ZIP|生成PPT
图42010年黄淮海平原农地流转Moran散点分布
-->Figure 4Moran scatter-plot of farmland conversions of the North China Plain in 2010
-->

黄淮海平原农地转入和转出的Moran’s I_i值分别为0.78和0.89,都是强空间正相关,反映出该区域农地转入和转出特征在空间上的关联性相对较大。图4a和图4b中绝大多数的点落在第Ⅰ象限和第Ⅲ象限,说明黄淮海平原县域农地流转在空间上呈现明显的HH和LL集聚特征,农地流转规模高值（或低值）县域与周边高值（或低值）县域发生空间集聚现象;极少数点落入第Ⅱ象限和第Ⅳ象限,表明农地流转规模出现异常的情况很少,即较少出现周边县域农地流转规模比自身流转规模异常的情况。
3.3.2 LISA结果分析
为了确定农地流转局部空间集聚或异常的空间位置,绘制黄淮海平原农地流转在95%置信区间下的局部空间自相关（LISA）图（图5）。

显示原图|下载原图ZIP|生成PPT
图52010年黄淮海平原农地流转LISA
-->Figure 5LISA on farmland conversions in the North China Plain in 2010
-->

分析农地转入集聚空间特征（图5a）,在95%的置信区间下HH集聚区（农地转入规模高的县域单元）转入规模在995.82~1379.87hm²的县域单元数量为76个,占县域单元总数的16.67%,分布在黄淮海平原的东部和中部,包括山东省中部,河南省东北部,江苏省北部,河南省东南部以及河北省中部。这些区域的交通便利、农地自然质量好、农业收入较高,农户能获得高的农业经济效益,理性农户倾向于扩大农地规模,转入农地。LL集聚区（农地转入规模低的县域单元）转入规模在681.10~818.89hm²的县域单元数量为94个,占县域单元总数的20.61%,分布在黄淮海平原的西南和西北部,包括河北省西部,河南省西北部以及河北省与山东省交界处,这些地区农田基础设施仍不完善,农田抵抗自然灾害的能力较差,进而导致农田生产力降低,因此农户转入农地的意愿较低。HL异常和LH异常的空间负相关情况在黄淮海平原县域单元中没有出现,说明黄淮海平原东部和中部的农地转入高规模区域没有出现转入规模低的县域,黄淮海平原西南和西北的农地转入低规模区域也没有出现转入规模高的县域。除此以外,其它286个县域单元的农地转入集聚或异常特征不具备显著性,农地转入规模在这些县域单元中的空间分布具有随机性。由此可见,在黄淮海平原东部地区农地转入程度高,西部农地转入程度低的基础上,向中部影响带动能力强于向东部和西部的影响带动能力。
分析农地转出集聚特征如图5b所示,在95%的置信区间下HH集聚区转出规模在1878.79~2745.28hm²的县域单元数量为87个,占县域单元总数的19.08%,分布在黄淮海平原的东南部,包括江苏省、安徽省、河南省东部以及潍坊和青岛市的部分县域,这些区域城镇化发展较快,外出就业人口占家庭人口比例高,农户收入主要来源于进城务工、农业运输等非农劳作,这些县域的农户更愿意转出农地。LL集聚区转出规模在1232.10~1538.22 hm²的县域单元数量为120个,占县域单元总数的26.32%,分布在黄淮海平原的西北部,即主要集中在河北省大部分地区以及河南省焦作市的部分县域,这些区域肩负着粮食生产的重任,经济发展受到制约,随着国家土地整治和农业综合开发等工程的实施使农业生产条件得到较大改善,提高了农田生产力,同时农户又缺乏非农就业机会,因此农户即便有非农就业途径也不愿意转出农地。与农地转入集聚特征相似,农地转出HL异常和LH异常的空间负相关情况在黄淮海平原县域单元中没有出现。随机分布的非显著性县域单元有249个,占县域单元总数的54.61%。总的来说,在黄淮海平原东南部地区农地转出程度高,西北部农地转出程度低的情况下,向中部影响带动能力强于向东南部和西北部的影响带动能力。

4 结论与讨论

引入ELL模型由入户调查数据推演出黄淮海平原农地流转规模、方向等表征指标在地理空间上的分布情况,通过局部空间自相关分析对县域尺度农地流转的空间趋势和集聚特征展开研究,成果揭示出黄淮海平原农地流转在县域尺度上的空间分布特征。
黄淮海平原县域农地转入规模在440.79~1379.86hm²,农地转出规模在908.61~2745.29hm²。农地转入规模呈现出由西向东递增的空间趋势,规模较大的县域主要分布在江苏省,安徽省,山东省中北部地区,河南、山东与河北三省接壤地区。农地转出规模现出由西北向东南的递增的特征,规模较大的县域主要分布在江苏省、安徽省和山东省北部。
黄淮海平原农地转入和转出的Moran’s I_i值分别为0.78和0.89,反映出黄淮海平原农地转入和转出特征在空间上都是强的空间正相关,且关联性较大。在95%的置信度下, HH集聚型的县域农地流转规模较大,正向影响其周边县域;LL集聚型的县域,其农地流转规模较少,对周边县域有负向影响。
表征农地流转的指标除了规模和方向外,还应包括流转速率,由于缺乏多期数据,因此本研究没有涉及农地流转速率的空间特征,后续研究中会继续完善。此外,农地流转影响因素除了自然因素和人文因素外,还应包括政策因素,如鼓励农地流转政策的落实会使得农地流转规模、方向和速率的空间自相关性不断加强、提升正向效应。未来的研究中将对上述议题开展深入分析。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	孙鸿烈,成升魁,封志明. 60年来的资源科学:从自然资源综合考察到资源科学综合研究 [J]. 自然资源学报,2010,25(9):1414-1423. [本文引用: 1] [Sun H L,Cheng S K,Feng Z M.From integrated surveys of natural resources to comprehensive research of re-sources science over 60 years [J]. Journal of Natural Resources,2010,25(9):1414-1423.] [本文引用: 1]
[2]	殷培红,方修琦. 中国粮食安全脆弱区的识别及空间分异特征 [J]. 地理学报,2008,63(10):1064-1072. [本文引用: 1] [Yin P L,Fang X Q.Assessment on vulnerable regions of food security in China [J]. Acta Geographica Sinica,2008,63(10):1064-1072.] [本文引用: 1]
[3]	全国人民代表大会. 中华人民共和国农村土地承包法 [EB/OL].(2002-08-29)[2016-03-30]. .URL [本文引用: 1] [National People's Congress. People's Republic of China Rural Land Contract Law [EB/OL].(2002-08-29)[2016-03-30]. .]URL [本文引用: 1]
[4]	贾生华,张娟锋. 土地资源配置体制中的灰色土地市场分析 [J]. 中国软科学,2006,(3):17-24. [本文引用: 1] [Jia S H,Zhang J F.The analysis of the gray land market in the land allocation system [J]. China Soft Science,2006,(3):17-24.] [本文引用: 1]
[5]	胡存智. 完善土地收购储备制度的建议和思考 [J]. 中国土地科学,2010,24(3):4-7. [本文引用: 1] [Hu C Z.Meditation and policy recom-mendation on the amelioration of the land banking system [J]. China Land Science,2010,24(3):4-7.] [本文引用: 1]
[6]	陈锡文. 当前农业和农村经济形势与“三农”面临的挑战 [J]. 中国农村经济,2010,(1):4-9. [本文引用: 1] [Chen X W.Current situation of agriculture and the rural economy and the challenges of the three rural issue [J]. Chinese Rural Economy,2010,(1):4-9.] [本文引用: 1]
[7]	Santé R I,Crecente M R,Miranda B D.GIS-based planning support system for rural land-use allocation [J]. Computers and Electronics in Agriculture,2008,63(2):257-273. [本文引用: 1]
[8]	包忠顺,徐志明,高珊,等. 农村土地流转的区域差异与影响因素-以江苏省为例 [J]. 中国农村经济,2009,29(4):23-30. [本文引用: 1] [Bao Z S,Xu Z M,Gao S,et al.Regional differences and influencing factors of rural land circulation based on Jiangsu Province [J]. Chinese Rural Economy,2009,29(4):23-30.] [本文引用: 1]
[9]	郝丽丽,吴箐,王昭,等. 基于产权视角的快速城镇化地区农村土地流转模式及其效益研究-以湖北省熊口镇为例 [J]. 地理科学进展,2015,34(1):55-63. [本文引用: 1] [Hao L L,Wu J,Wang Z,et al.In the rural land circulation mode and beneifit research of accelerating urbanization from the perspective of property rights based on Hubei Province Xiongkou Town [J]. Progress in Geo-graphy,2015,34(1):55-63.] [本文引用: 1]
[10]	王亚运,蔡银莺,李海燕. 空间异质性下农地流转状况及影响因素-以武汉、荆门、黄冈为实证 [J]. 中国土地科学,2015,29(6):18-25. [本文引用: 1] [Wang Y Y,Cai Y Y,Li H Y.The status and impact factors of rural land circulation under the spatial heterogeneity based on an empirical research of Wuhan,Jingmen and Huang-gang [J]. China Land Science,2015,29(6):18-25.] [本文引用: 1]
[11]	李秀彬. 对加速城镇化时期土地利用变化核心学术问题的认识 [J]. 中国人口·资源与环境,2009,19(5):1-5. [本文引用: 1] [Li X B.Research priorities for land use change in the accelerated phase of urbanization [J]. China Population,Resources and Environment,2009,19(5):1-5.] [本文引用: 1]
[12]	蔡运龙,汪涌,李玉平. 中国耕地供需变化规律研究 [J]. 中国土地科学,2009,23(3):11-18. [Cai Y L,Wang Y,Li Y P.Study on changing relationship of demand and supply ofcultivated land in China [J]. China Land Science,2009,23(3):11-18.]
[13]	陈百明,宋伟,唐秀美. 中国近年来土地质量变化的概略判断 [J]. 中国土地科学,2010,24(5):4-8. [本文引用: 1] [Chen B M,Song W,Tang X M.Rough estimation on land quality changes of China in recent years [J]. China Land Science,2010,24(5):4-8.] [本文引用: 1]
[14]	刘彦随,王介勇,郭丽英. 中国粮食生产与耕地变化的时空动态 [J]. 中国农业科学,2009,42(12):4269-4274. [本文引用: 1] [Liu Y S,Wang J Y,Guo L Y.The spatial-temporal changes of grain production and arable land in China [J]. Scientia Agricultura Sinica,2009,42(12):4269-4274.] [本文引用: 1]
[15]	陈原,张秋惠,张海峰. 我国耕地资源形势分析及保护对策建议 [J]. 资源与产业,2008,10(5):114-118. [本文引用: 1] [Chen Y,Zhang Q H,Zhang H F.Suggestion of utilization and protection of plow land resource in China [J]. Resources and Industries,2008,10(5):114-118.] [本文引用: 1]
[16]	Jin G,Li Z,Wang Z,et al. Impact of land-use induced changes on agricultural productivity in the Huang-Huai-Hai River Basin [J]. Physics and Chemistry of the Earth,2015,79-82:86-92. [本文引用: 1]
[17]	海贝贝,李小建,许家伟. 巩义市农村居民点空间格局演变及其影响因素 [J]. 地理研究,2013,32(12):2257-2269. [本文引用: 1] [Hai B B,Li X J,Xu J W.Spatio-temporal evolution of rural settlements in Gongyi [J]. Geographical Research,2013,32(12):2257-2269.] [本文引用: 1]
[18]	聂建亮,钟涨宝. 农户分化程度对农地流转行为及规模的影响 [J]. 资源科学,2014,36(4):749-757. [本文引用: 1] [Nie J L,Zhong Z B.Impact of rural-household differentiation on the action and scale of farmland transfer [J]. Resources Science,2014,36(4):749-757.] [本文引用: 1]
[19]	王介勇,刘彦随,陈玉福. 黄淮海平原农区典型村庄用地扩展及其动力机制 [J]. 地理研究,2010,29(10):1833-1840. [本文引用: 1] [Wang J Y,Liu Y S,Chen Y F.Spatial expansion pattern and its dynamic mechanism of typical rural settlements in Huang-Huai-Hai Plain [J]. Geographical Research,2010,29(10):1833-1840.] [本文引用: 1]
[20]	杨忍,刘彦随,龙花楼,等. 基于格网的农村居民点用地时空特征及空间指向性的地理要素识别-以环渤海地区为例 [J]. 地理研究,2015,34(6):1077-1087. [Yang R,Liu Y S,Long H L,et al.Spatial-temporal characteristics of rural residential land use change and spatial directivity identification based on grid in the Bohai Rim in China [J]. Geographical Research,2015,34(6):1077-1087.]
[21]	金贵,王占岐,胡学东,等. 基于模糊证据权模型的青藏高原区土地适宜性评价 [J]. 农业工程学报,2013,29(18):241-250. [本文引用: 1] [Jin G,Wang Z Q,Hu X D,et al.Land suitability evaluation in Qinghai-Tibet Plateau based on fuzzy weight of evidence model [J]. Transactions of the Chinese Society of Agricultural En-gineering,2013,29(18):241-250.] [本文引用: 1]
[22]	Elbers C,Lanjouw J,Lanjouw P.Micro level estimation of poverty and inequality [J]. Econometrica,2003,71(1):355-364. [本文引用: 1]
[23]	Emwanu T,Hoogeveen J G,Okwi P O.Updating poverty maps with panel data [J]. World Development,2006,34(12):2076-2088. [本文引用: 2]
[24]	Olivia S,Gibson J,Rozelle S,et al.Mapping poverty in rural China:How much does the environment matter? [J]. Environment and Development Economics,2011,16(2):129-153. [本文引用: 1]
[25]	谷建立,张海涛,陈家赢,等. 基于DEM的县域土地利用空间自相关格局分析 [J]. 农业工程学报,2012,28(23):216-224. [本文引用: 2] [Gu J L,Zhang H T,Chen J Y,et al.Analysis of land use spatial autocorrelation patterns based on DEM data [J]. Transactions of the Chinese Society of Agricultural Engineering,2012,28(23):216-224.] [本文引用: 2]
[26]	成金华,李悦,陈军. 中国生态文明发展水平的空间差异与趋同性 [J]. 中国人口·资源与环境,2015,25(5):1-9. [本文引用: 1] [Cheng J H,Li Y,Chen J.Regional difference and convergence of ecological civilization level in China [J]. China Population,Resources and Environment,2015,25(5):1-9.] [本文引用: 1]
[27]	韦仕川,熊昌盛,栾乔林,等. 基于耕地质量指数局部空间自相关的耕地保护分区 [J]. 农业工程学报,2014,30(18):249-256. [本文引用: 1] [Wei S C,Xiong C S,Luan Q L,et al.Protection zoning of arable land quality index based on local spatial autocorrelation [J]. Transactions of the Chinese Society of Agricultural Engineering,2014,30(18):249-256.] [本文引用: 1]

黄淮海平原农地流转空间分布与格局特征

本站小编 Free考研考试/2021-12-29

Trends and spatial patterns of land conversions in the North China Plain

1 引言