王雨枫
中国海洋大学 环境科学与工程学院, 山东 青岛 266100
收稿日期：2021-04-30
基金项目：国家自然科学基金资助项目(71603142);山东省社会科学规划研究项目(19CXSXJ05)。
作者简介：王雨枫(1989-)，男，四川绵阳人，中国海洋大学博士研究生。

摘要：采用耕地核密度、动态度及影响机制等模型对1990—2020年辽宁省耕地空间分布演化与影响机制进行了探讨.结果表明: 辽宁省耕地集聚特征显著, 整体呈现“西北密东南疏”的空间分布格局, 变化范围为0~10.17 hm²/km².耕地变化的相对指数由1990年的西部、东部地区高逐渐到2020年的中部地区高, 20世纪90年代耕地年均增加1.88×10⁴ hm², 而21世纪后年均减少2.72×10⁴ hm².沈阳、大连及鞍山等耕地面积减少, 而盘锦、铁岭等耕地面积增加.自然因素是耕地利用的先决条件, 但是社会经济及地区政策发挥着重要的作用.其中干旱化加剧及农业人口减少导致耕地面积减少了3.576×10⁵ hm², 而随着社会发展, 地均产值增长了302 %, 社会固定投资增长了9.4倍.建议政府鼓励耕地多元化种植, 建立耕地流转机制, 加强新农村建设, 鼓励青年劳动力回乡发展科技农业.
关键词：耕地利用核密度估算时空演变影响机制辽宁省
Analysis and Countermeasures of Spatial-Temporal Evolution of Cultivated Land Use in Liaoning Province
WANG Yu-feng
College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100, China
Corresponding author: WANG Yu-feng, E-mail: lyfq2018@foxmail.com.

Abstract: The models of cultivated land kernel density, dynamic degree and influence mechanism were used to discuss the evolution and influence mechanism of cultivated land's spatial distribution from 1990 to 2020 in Liaoning Province. The results showed that the characteristics of cultivated land agglomeration in Liaoning Province are significant, showing a spatial distribution pattern of "dense in the northwest and sparse in the southeast", with a variation range of 0~10.17 hm²/km². The relative index of cultivated land change gradually transformed from the high in the western and eastern regions in 1990 to the high in the central region in 2020. In the 1990s, the average annual increase of cultivated land was 1.88×10⁴ hm², but decreased by 2.72×10⁴ hm² after the 21st century. The area of cultivated land decreased in Shenyang, Dalian and Anshan but increased in Panjin and Tieling. Natural factors are a prerequisite for cultivated land use, but socio-economic and regional policies play an important role. The intensification of drought and the reduction of agricultural population led to a reduction of 3.576×10⁵ hm² of cultivated land. With the social development, the average output value increased by 302 %, and the social fixed investment increased by 9.4 times. It is suggested that the government should encourage diversified cultivation of cultivated land, establish a mechanism for the circulation of cultivated land, strengthen the construction of new countryside, and encourage the young labor force to return home to develop science and technology agriculture.
Key words: cultivated land usekernel density estimationspatial-temporal evolutioninfluence mechanismLiaoning Province
耕地作为人类生存发展的基本资源, 在促进国民经济发展、保障国家粮食战略安全、支撑社会城镇化建设及生态环境可持续发展等方面具有重要的作用^[1].耕地地理空间分布及利用的时空演变能够反映出区域农业发展的水平, 同时也与政府的农业政策、投入到耕地上的资源和资源多层次配置息息相关.改革开放以来中国城镇化建设加快, 社会经济水平不断提高, 人口城镇化导致了农村劳动力流失、耕地面积锐减、生态环境退化等一系列问题, 严重影响了农业可持续发展^[2].因此, 在中国经济转型、耕地问题日益凸显的背景下, 研究耕地利用的时空演变及影响机制, 对于政府层面的耕地保护策略及农业资源配置优化具有重要价值.
当前国内外****从不同视角不同层面对耕地利用展开了研究.在研究内容层面, 主要集中于耕地利用效率评价、区域差异、耕地多功能收敛等研究^[3], 如Yang等^[4]研究了中国农业耕地利用效率, 提出各区域耕地利用效率提升策略.在研究方法层面, 主要采用DEA(data envelopment analysis)模型评价法、动态度、核密度及转移矩阵等方法^[5], 也有****把DEA模型与SBM(simplified body model)模型及数理统计模型相结合, 测算耕地利用的时空演变及利用效率等, 如Yuan等^[6]利用DEA、潜在指数等模型确定各种约束因素在陕西省省级尺度上的空间分布.在研究视角层面, 主要集中于省级、地区及区县等层面^[7], 也有部分****探究了全国的耕地利用效率及地区差异化比较, 如Ye等^[8]使用计量经济学模型评估了人口增长对中国非法耕地利用的影响.在耕地利用的影响机制层面, ****常采用灰色关联法、主成分分析法及Tobit模型等统计模型方法^[9], 也有****结合地理数据, 采用地理加权回归模型及地理探测器等方法, 如Jia等^[10]使用地理探测器, 对新疆石河子区绿洲景观变化及驱动力进行了研究.
综上所述, 目前的研究主要基于社会统计数据, 采用数理模型研究耕地利用状况, 研究结果缺乏空间时效性.本文以辽宁省为对象, 结合地理空间及社会经济等数据, 构建相关模型测度其耕地利用时空动态及影响机制.研究结果为深入剖析辽宁省发展进程及现存症结提供了可视化参考, 对于提高中国区域一体化的深度融合有着重要的现实意义.
1 研究区概况与数据1.1 研究区概况辽宁省位于中国东部沿海北方, 地跨118°53′E—125°46′E, 38°43′N—43°26′N, 南临渤海, 北接吉林, 西靠河北、内蒙古, 东近朝鲜, 是中国环渤海重要的组成部分, 也是东北亚经贸的重要口岸.辽宁省是中国重要的重工业基地, 矿产、木材及粮食等自然资源来源地.辖区位于温带季风区, 气候湿润, 地形以平原、山地为主, 土壤肥沃, 水资源充沛, 具有成熟的工业基础与生态潜力(图 1).
图 1(Fig. 1)

图 1 研究区域Fig.1 Study area

1.2 数据来源本研究中自然、经济及政策等社会统计数据来源于《辽宁统计年鉴(1990—2020)》及《中国城市统计年鉴(1990—2020)》, 而地理空间数据来源于地理空间数据云.辽宁省1990—2020年间土地利用数据, 采集于1990, 2000, 2010及2020年4个年份的夏季LandsatTM/ETM遥感影像, 并在GEE地理云平台上对影像的波段、地面控制点及大地基准等空间信息进行了一系列的调整和校正^[11].对于校正后的影像根据其光谱反射率、背景及地形等信息, 采用人机交互解译与专家知识确定土地利用类型.对于整理后的耕地数据与《中国城市统计年鉴》数据对比, 其总体精度达到了90.34 % ~96.52 %, 符合本研究的要求.
2 研究方法2.1 耕地核密度估计耕地地理分布具有空间离散、点多面广的特点, 常规方法难以识别其时空整体性和地理连续性.核密度估计(kernel density estimation, KDE)是一种用于估算概率密度函数的非参数方法, 能以光滑的曲面渐进式传输中心强度, 并随着距离衰减, 有效地识别耕地分布的空间差异性和连续性.其计算公式如下:

(1)

式中: f(x, y)为位置(x, y)的耕地核密度估计, 表征单位面积上所承载的耕地面积, hm²/km²; h为距离衰减阈值; k为空间权重函数; d_i为位置(x, y)距第i个观测位置的距离, km; n为观测数量.
2.2 耕地相对变化指数变化指数能够表征某一子区域相对于整个研究区的耕地面积变化率.其计算公式如下:

(2)

式中: R为耕地相对变化指数; A_a, A_b分别为子区域期初和期末的耕地面积; S_a, S_b分别为研究区期初和期末的耕地面积.如R>1, 表示某一子区域耕地变化幅度大于整个研究区, R < 1, 表示某一子区域耕地变化幅度小于整个研究区.
2.3 耕地利用影响力模型耕地利用受到自然条件、区域发展水平及地方政策等多种因素的影响.本研究选取1990—2020年的降水量(x₁)、平均温度(x₂)、干燥度(x₃)、地均产值(x₄)、第一产值比重(x₅)、农业人口(x₆)、城镇常住人口(x₇)、农业机械总动力(x₈)、社会固投(x₉)及复种指数(x₁₀)为自变量, 耕地面积(Y)为因变量.主成分分析中通过Bartlett球体检验和样本KMO系数检验后, 按照累计方差贡献率大于85.0 % 的原则提取主成分.其计算公式如下:

(3)

式中: a_n是影响因子的系数，n=1, 2, …, 10;b为模型残差.
3 耕地时空演变测度3.1 耕地核密度指数测度采用式(1)对辽宁省耕地分布密度进行计算, 运用自然断点法将耕地KDE划分为五级: 低密度区、较低密度区、中密度区、较高密度区和高密度区(见图 2).辽宁省KDE分布空间差异较为明显, 各年份变化范围为0~10.17 hm²/km², 变化幅度较大.
图 2(Fig. 2)

图 2 耕地核密度空间分布特征Fig.2 Spatial distribution characteristics of cultivated land kernel density (a)—1990年；(b)—2000年；(c)—2010年；(d)—2020年.

具体而言, 1990年耕地KDE高值和较高值地区主要位于辽宁省西北与中部地区的沈阳、阜新、盘锦、锦州及铁岭(昌图、调兵山及铁岭县等).2000年耕地KDE高值和较高值地区数量呈缓慢增长趋势, 朝阳、锦州最明显.其中朝阳西部的建平、朝阳县等, 锦州北部的北镇、义县等地区的林地、水域转变成耕地.2010年耕地KDE高值和较高值地区缓慢收缩, 同时部分地区耕地缓慢恢复.沈阳、朝阳、阜新及大连最明显，其中沈阳东部的沈北新区、浑南区、于洪区等大面积的耕地转变成城市及工业用地, 朝阳北部的建平、朝阳县等, 阜新北部的彰武、蒙古族自治县等地区, 大连西部的瓦房店、普兰店等地区的耕地也转变成城市用地.与大部分城市耕地收缩相反的是丹东南部的东港等区县的耕地正缓慢恢复.2020年耕地KDE高值和较高值地区进一步收缩, 沈阳、辽阳、大连最明显.其中沈阳是浑南、于洪及苏家屯等地区的大规模建设, 使大量耕地快速转变成城市用地, 辽阳的灯塔及大连的庄河则是因为新区的进一步开发引起了耕地的减少.
参考2020年《辽宁统计年鉴》的农耕面积数据, 其中辽宁中部地区(沈阳、铁岭、阜新、盘锦及辽阳)的农耕面积为1.955×10⁶ hm², 占其总面积的46.39 %.西部地区(锦州、朝阳及葫芦岛)为1.194×10⁶ hm², 占其总面积的28.10 %. 东部地区(抚顺、本溪、丹东、鞍山、营口及大连)为1.077× 10⁶ hm², 占其总面积的25.51 %.通过统计数据与Landsat监测数据对比, 可知4个监测时点辽宁省耕地KDE分异明显, 集聚分布特征显著, 从空间分布来看, 整体核密度呈现“西北密东南疏”的空间格局.主要原因有自然因素及人工因素两方面, 自然因素层面, 辽宁的地势表现出明显的河谷特征, 西部的松岭山及东北部的长白山等山脉形成了中部的平原带, 其海拔高程陡然提高, 导致西部及东北部很多地区的坡度超出耕地的适宜度, 这些地区也是地广人稀; 中部基本上是丘陵, 地形及气候非常适合耕种, 同时大量人口也聚集于此, 形成了辽宁省最大的农副产品生产区.人工因素主要来源于沈阳、大连的快速发展, 导致大量的耕地转变成城市及工业用地; 盘锦、阜新等资源型城市短期集中开发也使耕地减少; 丹东等地退耕还林, 改善了生态环境.
3.2 耕地相对变化指数测度耕地相对变化指数可以反映出一个地区的耕地变化剧烈程度, 使用式(2)分析1990—2020年间辽宁省耕地变化情况(见图 3).1990—2000年间, 辽宁省耕地相对变化指数两极分化明显, 其西部、东部地区变化指数高于中部地区, 其中朝阳、丹东的大部分区县相对变化指数值大于3.60, 此阶段辽宁省耕地面积整体呈现增加趋势, 故朝阳、丹东的耕地增长比较剧烈.2000—2010年间辽宁省耕地R值整体增大, 均值绝对值由1.97上升至3.21, 其R值大于1的区县由西部、东部向中部增加, 新增了沈阳、鞍山及抚顺等城市.这一时期全省耕地面积呈减少趋势, 其中沈阳最明显, 共减少2.7×10⁴ hm², 表明辽宁省经济发展过程中, 沈阳的建设力度较大, 大面积的耕地转变为城镇用地及工业用地.2010—2020年间辽宁省耕地相对指数变化减缓, R值大于1的区县主要位于辽宁中部及大连等地区.表明近年来在辽宁省经济发展缓慢、人口外流、产业僵化等大环境下, 在全省建设停滞、资金收缩的情况下, 省会沈阳及海滨城市大连的建设保持了稳定的水平, 其城市建设持续扩张, 耕地面积持续转变为城镇用地.
图 3(Fig. 3)

图 3 耕地相对变化指数Fig.3 Relative change index of cultivated land (a)—1990—2000年; (b)—2000—2010年; (c)—2010—2020年.

时间演化层面(表 1), 1990—2000年辽宁省耕地总面积从6.315 ×10⁶ hm²上升到6.503×10⁶ hm², 增长率为2.98 %, 年均增加1.88×10⁴ hm².主要源于20世纪90年代, 中国改革开放不久, 城镇化建设尚未大规模展开, 政府鼓励开垦荒地, 农业是辽宁主要的产业, 农民收入水平较高, 从事农业生产的积极性较强.2000—2010年, 耕地总面积下降至6.199×10⁶ hm², 增长率为-4.68 %, 年均减少3.04×10⁴ hm².主要源于21世纪初, 辽宁省在国家工业大发展进程中获得了大量的支持, 其资源开采及重工业产业链及产值持续上升, 吸引了大量的农业人员就业, 形成了很多新的定居点, 进一步促进了耕地转变为城镇及工业用地.2010—2020年耕地总面积下降至5.958×10⁶ hm², 增长率为-3.88 %, 年均减少2.41×10⁴ hm².主要源于2008年以后国家实施了更为严格的耕地保护措施, 辽宁省政府出台了相关政策, 加强了城镇建设的审批力度, 控制了耕地面积减少, 且通过加大惠农补助提高了农民的耕地积极性, 促使耕地面积流失减缓.地理区位层面, 耕地面积减少的城市主要有沈阳、大连、鞍山及抚顺等11个城市, 耕地面积增加的城市主要有盘锦和铁岭(图 4).
表 1(Table 1)

表 1 辽宁省耕地面积统计Table 1 Statistics of cultivated land area in Liaoning Province 年份 1990— 2000 2000— 2010 2010— 2020 首耕地面积×10-6/hm2 6.315 6.503 6.199 末耕地面积×10-6/hm2 6.503 6.199 5.958 变化率/% 2.98 -4.68 -3.88

表 1 辽宁省耕地面积统计 Table 1 Statistics of cultivated land area in Liaoning Province

图 4(Fig. 4)

图 4 辽宁省耕地面积变化Fig.4 Change of cultivated land area in Liaoning Province

3.3 耕地利用影响因素分析耕地利用变化主要受到自然、经济及政策等共同作用.其中自然因素是制约耕地利用类型, 控制并主导耕地利用状况变化的先决条件; 而社会经济与地区政策因素在一定程度上决定着耕地种植类型及利用强度.基于此, 本研究对前述10个影响因子进行主成分分析, 并提取前3位主成分(其方差贡献率分别为61.35 %, 18.32 % 和13.27 %), 作为研究区的耕地利用变化影响因素, 见表 2.根据不同主成分在各变量上的载荷, 主成分1与人口、产业值具有很强的关系, 主成分2、主成分3与降水、干燥度及温度有很强的关系.通过对各指标的内涵分析, 将各因子归类为自然环境因素、社会经济因素及地区政策因素.
表 2(Table 2)

表 2 主成分载荷矩阵Table 2 Matrices of primary factor loadings 影响因子 主成分1 主成分2 主成分3 影响因子 主成分1 主成分2 主成分3 降水量 0.06 -0.94 0.14 农业人口 0.82 0.11 0.43 平均温度 0.32 0.34 0.65 城镇常住人口 0.92 0.01 0.21 干燥度 0.13 0.93 -0.27 农业机械总动力 0.76 -0.12 -0.37 地均产值 0.93 -0.07 -0.23 社会固投 0.65 0.16 -0.28 一产比重 0.91 -0.14 -0.38 复种指数 0.58 -0.32 -0.34

表 2 主成分载荷矩阵 Table 2 Matrices of primary factor loadings

1) 自然环境因素.辽宁省的耕地多为旱地, 气候因素是影响研究区耕地利用动态变化的重要因素, 其中气温与降水对研究区的影响最明显.30年间, 干旱化的气候以及农业人口的减少, 导致耕地面积减少了3.576×10⁵ hm², 草地面积减少了4.799×10⁵ hm².同时辽宁省地理表现出明显的河谷特征, 西部的松岭山山脉及东北部的长白山山脉形成了中部的平原带, 其海拔高程陡然提高, 导致西部及东北部很多地区的坡度超出了耕地的适宜度.其西部及东北部的经济发展滞后, 耕地利用动态变化相对较弱, 而中部平原丘陵地带适合城市开发, 其耕地利用变化较为剧烈.
2) 社会经济因素.城市经济发展过程实际上是耕地利用结构不断调整, 耕地集约利用程度不断提高的过程, 在宏观市场经济的主导下, 低效利用的耕地类型会不断地向高效利用的建设及工业用地类型转移, 以实现城市经济的高效增长.30年间, 辽宁地均产值增长了302 %, 第一产业总产值虽然不断增长, 但是其比重却逐年下降, 农业人口减少了102万人, 城镇化率提高了17.13 %, 农业机械总动力也不断提高.在经济效益的驱动下, 低效的林地、草地会不断向耕地转移, 再由耕地向更高效益的城镇建设、工业等用地转移.城镇化对耕地面积及利用方式产生了较大的影响, 虽然耕地单产及利用强度不断提高, 但是其生态环境遭到了严重破坏.基于现状, 政府应该鼓励耕地多元化种植, 加强农产品的补贴, 并制定科学合理的耕地流转政策, 实现现代化耕种管理.
3) 地区政策因素.人类通过改变土地利用类型的结构来满足社会持续发展的物资需求, 随着社会经济的快速发展, 人类活动的频率及范围也大大增强, 对土地的经济效益产出需求日益增长, 导致不合理的土地利用频繁发生.在地区政策因素中, 30年间社会固定投资增长了9.4倍, 复种指数提高了56.4 %.自20世纪90年代以来, 随着城镇化建设不断完善, 辽宁省的总人口增长了169万人, 其中城镇常住人口增长了667.2万人, 农业人口减少了498.2万人.城镇建设用地一直以占用耕地、草地、水域等用地的方式快速扩张, 导致耕地利用结构发生了较大的变化.针对当前辽宁城镇粗放建设, 农村人口流失导致耕地荒废, 耕地利用率降低的现状, 政府应该加强新农村建设, 包括扩建道路、增加农村公共活动设施, 提高农村医疗水平, 提高农业耕种的财政补贴力度, 吸引青年劳动力回乡发展科技农业, 吸引城镇退休人员回乡养老, 增加农村的活力.
4 结论1) 辽宁省耕地集聚特征显著, 整体呈现“西北密东南疏”的空间分布格局, 变化范围为0~10.17 hm²/km².其耕地KDE高值与较高值地区位于西北与中部地区, 占全省耕地总面积的74.49 %.辽宁省东西地势高、中部地势低的河谷地形, 以及沈阳、大连及资源型城市开发等因素导致了其耕地不均衡分布.
2) 耕地变化的相对指数由1990年的西部、东部地区高逐渐到2020年的中部地区高.其中20世纪90年代耕地年均增加1.88×10⁴ hm²；而21世纪后, 辽宁省耕地总面积由6.504×10⁶ hm²连续下降至5.958×10⁶ hm², 年均减少2.72×10⁴ hm².其耕地面积减少的城市包括沈阳、大连及鞍山等, 而面积增长的城市包括盘锦和铁岭等.
3) 自然因素是辽宁省耕地利用演变的先决条件, 其中干旱化加剧及农业人口减少导致耕地面积减少了3.576×10⁵ hm².社会经济发挥了驱动作用, 其中地均产值增长了302 %, 城镇化率提高了17.13 %, 而地区政策引导着耕地利用的宏观方向, 其中社会固定投资增长了9.4倍, 复种指数提高了56.4 %.
4) 建议沈阳、大连等减缓城镇扩张的面积, 注重耕地保护和环境品质的提升, 次级城市加快城市产业结构调整, 合理安排各土地利用类型的比例, 加强对耕地和生态环境的保障, 而其他中小城市则应该加强城镇化建设, 承接首位、次级城市转移的产业链, 积极融入区域一体化发展进程.政府应该鼓励耕地多元化种植, 加强农产品的补贴, 并制定科学合理的耕地流转政策, 实现现代化耕种管理, 加强新农村建设, 提高农业耕种的财政补贴力度, 吸引青年劳动力回乡发展科技农业.
参考文献

[1]	于冠一, 修春亮, 赵昌松. 辽宁省环境规制约束下的雾霾脱钩效应分析[J]. 东北大学学报(自然科学版), 2019, 40(3): 435-440. (Yu Guan-yi, Xiu Chun-liang, Zhao Chang-song. Haze decoupling effect under the constraints of environmental regulation in Liaoning Province[J]. Journal of Northeastern University(Natural Science), 2019, 40(3): 435-440.)
[2]	Liu X, Shi L, Qian H, et al. New problems of food security in northwest China: a sustainability perspective[J]. Land Degradation & Development, 2020, 31(8): 975-989.
[3]	Pang Y, Wang X. Land-use efficiency in Shandong(China): empirical analysis based on a super-SBM model[J]. Sustainability, 2020, 12(24): 10-30.
[4]	Yang C H, Wu L, Lin H L. Analysis of total-factor cultivated land efficiency in China's agriculture[J]. Agricultural Economics, 2010, 56(5): 231-242.
[5]	Dzanku F M. Rational but poor? an explanation for rural economic livelihood strategy[J]. Journal of Agricultural Economics, 2018, 69(2): 365-381. DOI:10.1111/1477-9552.12245
[6]	Yuan X F, Shao Y, Wei X, et al. Study on the potential of cultivated land quality improvement based on a geological detector[J]. Geological Journal, 2018, 53: 387-397. DOI:10.1002/gj.3160
[7]	Li S. Expansion of rural settlements on high-quality arable land in tongzhou district in Beijing, China[J]. Sustainability, 2019, 11(19): 5153-5172. DOI:10.3390/su11195153
[8]	Ye S J, Song C Q, Shen S, et al. Spatial pattern of arable land-use intensity in China[J]. Land Use Policy, 2020, 99(1): 10-23.
[9]	Zhou Y, Li X, Liu Y. Cultivated land protection and rational use in China[J]. Land Use Policy, 2021, 106(1): 21-29.
[10]	Jia B Q, Zhang Z, Ci L, et al. Oasis land-use dynamics and its influence on the oasis environment in Xinjiang, China[J]. Journal of Arid Environments, 2004, 56(1): 11-26. DOI:10.1016/S0140-1963(03)00002-8
[11]	Wu R, Yang D, Dong J, et al. Regional inequality in China based on NPP-VⅡRS night-time light imagery[J]. Remote Sensing, 2018, 10(2): 240-258. DOI:10.3390/rs10020240