省域農地城市流轉規模及其影響因素作用的空間異質性研究

宋敏+王登娜

摘要 作為城鎮化過程中土地資源配置的必然過程，大規模的農地城市流轉會給耕地保護和土地資源的可持續利用帶來巨大壓力。研究農地城市流轉規模及其影響因素作用程度的空間異質性對于揭示農地城市流轉的復雜性，進而采取差別化的、有針對性的管制措施控制農地城市流轉規模具有重要意義。鑒于此，本文在闡釋中國大陸31個省（自治區、直轄市）農地城市流轉規模在經度、緯度方向上的變化規律的基礎上，運用全域及局域自相關模型分析了省域尺度上中國農地城市流轉規模的空間異質性，繼而進一步采用地理加權回歸模型揭示了省域農地城市流轉規模各影響因素作用程度的空間異質性，結果表明：①31個省（自治區、直轄市）的農地城市流轉規模在水平方向上自西向東呈穩定上升趨勢，緯度方向上在中國中部省份達到最高值并分別向南北兩個方向省份逐漸下降，呈現倒“U”型。②全國范圍內省域農地城市流轉規模呈現出一定程度的空間關聯特征，省域農地城市流轉規模的局部自相關隨區域而變化，體現出空間異質性。③全社會固定資產投資額、居民人均可支配收入、年初耕地面積、第三產業比重四個因素影響省域農地城市流轉規模，且影響程度隨空間位置不同而變化，除全社會固定資產投資對省域農地城市流轉規模的影響程度在全國范圍內空間分布較均勻外，其他三個因素的影響程度呈現較大的空間異質性。因此，應在充分考慮空間異質性的基礎上，通過提高規劃方案或管制措施的差異性和針對性實現對農地城市流轉規模的有效管制。

關鍵詞 農地城市流轉；規模；影響因素；空間異質性

中圖分類號 F301.2文獻標識碼 A文章編號 1002-2104（2018）01-0054-09DOI：10.12062/cpre.20170701

土地資源是支撐社會經濟發展不可或缺的自然資源基礎，其稀缺性決定了不同用途、不同部門對土地的需求存在激烈競爭，從而導致不同的資源配置狀態[1-2]。農地城市流轉是城鎮化的表現形式之一，其實質是農地與建設用地之間競爭的結果[3]。1978至2016年間，我國城鎮化率由17.92%上升至57.35%，隨之而來的是我國城市規模的快速擴張，城市建設用地面積由1981年的6.72×103 km2增至2012年的45.75×103 km2，擴大6.81倍，年均擴張速率高達6.38%[4]，大規模的農地城市流轉無疑給我國的耕地保護帶來了巨大壓力。學者們對農地城市流轉規律的現有研究集中在對城市擴張的情景（動態）模擬、時空特征分析[5-6]，耕地非農化的空間過程描述、空間非均衡分析[7-9]等方面；對其影響因素的研究多以對其驅動機制的定性或定量分析為主，主要從要素稟賦[10]、社會經濟條件[11-13]、政策制度因素[14]等角度運用傳統計量經濟模型展開討論，較少將空間地理因素納入對社會、經濟現象的考慮。而實際上，作為自然和社會經濟的綜合體，土地資源具有高度分化的特征，區域土地數量、質量、結構等特征具有顯著的空間異質性[15]。那么，農地城市流轉規模在空間上是否存在一定規律，農地城市流轉規模諸多影響因素的作用程度是否會因空間位置不同而存在差異？對這些問題的關注不足是導致當前我國土地管理制度和政策針對性較弱、有效性不足的主要原因之一。因此，從空間異質的視角研究農地城市流轉規模的變化規律及其影響因素作用程度的變化規律，有助于進一步揭示農地城市流轉的復雜性和多樣性，對于差別化的、有針對性地控制農地城市流轉規模，進而有效保護有限的耕地資源具有重要意義。基于此，本文以2014年為時間斷面，力圖揭示省域尺度下我國農地城市流轉規模的空間分異規律，并進一步探討省域農地城市流轉規模影響因素作用程度的空間異質性。期望為國家制定相關的土地利用規劃及土地用途管制政策，控制農地城市流轉規模提供一定的理論參考和實踐依據。

1 模型構建

1.1 農地城市流轉規模的空間異質性分析模型

1.1.1 全域空間自相關

全域關聯程度多通過莫蘭指數（Morans I）來評價在地理位置上臨近區域觀測點屬性的相似程度，并以此探究該現象在空間地理上是否具有空間集聚和空間分異的特征，見式（1）。

Morans I取值一般在-1到1之間，大于0表示正相關，其值接近1時表明高值聚類或低值聚類，小于0時表示負相關，接近-1時表明高低值聚類。如果Morans I值為0，則表示隨機分布，即不存在空間相關性。標準化的Z統計量常用來判斷其顯著性，見式（2）。

1.1.2 局域空間自相關

全域空間自相關分析只能在整體上體現出具有空間地理位置的某要素是否呈現出空間集聚或分異的特征，卻無法體現局部觀測要素的空間集聚特征，該問題可通過局域空間自相關模型LISA（Local Indicators of Spatial Association）方法描述觀測要素在某空間位置上與相鄰空間位置屬性的相似程度來解決。局域Morans I的高值說明單元屬性相似的空間觀測點存在集聚特征，見式（3）。

1.2 農地城市流轉影響因素選取及其空間異質性分析模型

1.2.1 影響因素選取

回顧已有研究[13，16-17]并結合我國農地城市流轉現狀發現，影響農地城市流轉規模的因素一般包括供給、需求、經濟發展和制度政策等方面。供給影響因素包括耕地資源稟賦、農地城市流轉收益分配比、不同用途下土地收益差等；需求影響因素涉及導致流轉需求增加的因素，包括人口和投資等；而制度和經濟因素包括土地流轉政策、耕地保護制度和土地交易市場的建設等。基于對數據可獲得性的考慮，本文以農地城市流轉規模（y）為因變量，選取以下七個影響因素展開研究：城鎮人口比重（x1）、人均地區生產總值（x2）、全社會固定資產投資額（x3）、年初耕地面積（x4）、第三產業比重（x5）、居民人均可支配收入（x6）、城市人口密度（x7）。具體而言：年初耕地面積屬于供給影響因素，耕地資源稟賦越豐富，則人地關系的緊張程度相對較低，農地非農化比例相對較小。城鎮人口比重、人均國內生產總值、居民可支配收入、城市人口密度和全社會固定資產投資額則代表需求影響因素中的人口和投資因素，其中：城鎮人口比重是城市化水平的表征，城市人口密度對農地城市流轉產生需求壓力，二者是農地城市流轉的直接推動力；人均國內生產總值、居民可支配收入體現衡量經濟發展水平重要指標，全社會固定資產投資額的高低表征了城市和工業基礎設施的建設以及場地購買的數量水平，由于我國仍處于經濟增長主要依靠要素投入的增加來支撐的社會經濟發展階段，因此上述因素對農地城市流轉規模有重要影響。第三產業比重則代表農地城市流轉在經濟方面的影響因素。此外，耕地保護制度、農地轉用政策和土地市場運行等構成了影響農地城市流轉的制度因素：從宏觀政策層面看，我國實行的土地利用總體規劃制度、土地用途管制制度、永久性基本農田劃定制度等對各省農地城市流轉規模具有全局影響；而從中觀政策層面看，各省、市的農地城市流轉政策存在一定地區差異，如重慶、成都等地實施的“地票”制度實際上對農地城市流轉有正向推動作用。但考慮到政策因素難以通過數據進行量化，且本文旨在對省域農地城市流轉規模的截面數據進行研究，而”地票”交易等制度在部分城市展開，因此本文假定短期內國家宏觀政策制度環境不變，從而側重研究影響全國農地城市流轉規模的上述因素作用程度的空間分異。endprint

1.2.2 模型構建

農地城市流轉規模數據作為空間數據，包含其所在空間位置的特征，而特定空間位置之間的相異特征會引起農地城市流轉規模隨空間變化，即導致農地城市流轉規模在空間位置上產生分異。地理加權回歸（GWR）模型能夠描述變量在空間地理位置上的變化情況，使得回歸參數估算更注重局部而非全局，且能夠通過引入“權重”來刻畫觀測對象在局部區域內所受的影響；此外，該模型能通過各觀測點的回歸系數描述自變量與因變量間隨地理位置變化的規律，從而實現對農地城市流轉各影響因素在不同空間地理位置上的空間非平穩性的描述，以及對不同因素影響作用疊加下各區域農地城市流轉規模的量化。因此，GWR模型的應用特性與農地城市流轉的特性較為吻合，該模型在研究農地城市流轉規模影響因素作用程度的空間異質性方面具有較強的適宜性。

空間權重函數是GWR模型的核心，對參數估計結果有重要影響[18]。高斯（Gauss）函數和bisquare函數是GWR模型常用的權重函數[19]。考慮到我國各省份土地面積懸殊，采用bisquare函數有可能將因帶寬設置不當而導致GWR模型估計產生誤差，因此選取能夠將所有觀測樣本的空間權重都納入模型的高斯函數作為該模型的權重函數。選擇帶寬時，采用調整型空間核（Adaptive）以保持對當前考察省份農地城市流轉產生影響的周邊省份數量不變，即帶寬可隨省份分布的疏密程度而自行調節，帶寬為不定值，即各省份的觀測值對當前考察省份觀測值的空間權重根據自行調整的帶寬長度確定。本文依據Akaike準則獲取最優帶寬，在指定調整型空間核的基礎上自動查找最佳距離/近鄰參數。

GWR表達農地城市流轉影響因素的影響程度隨空間位置改變而產生的變化，回歸系數隨回歸點而變化。本文GWR模型見式（5），省域i的農地城市流轉規模yi表達為第j個自變量（第0個自變量為常數，其余自變量的含義見表1）與相應系數βij乘積的總和，ε為殘差。

在GWR模型中，運用權重的高斯函數量化描述各樣本點對第i個省份農地城市流轉規模的影響：

2 結果與分析

2.1 數據來源及其描述性統計

本文選取我國除港澳臺以外的大陸行政區劃的31個省（自治區和直轄市）為研究區域，在西安80坐標系下劃定上述省份的行政界限，在省域尺度上為農地城市流轉規模以及城鎮人口比重、人均地區生產總值、全社會固定資產投資額、年初耕地面積、第三產業比重、居民人均可支配收入、城市人口密度七個影響因素建立相應的shapefile，分層錄入其空間位置和屬性信息。其中，當年征收土地面積和年初耕地面積來源于《中國國土資源統計年鑒》（2015），城鎮人口比重、人均地區生產總值、全社會固定資產投資額、第三產業比重、居民人均可支配收入、城市人口密度數據來源于《中國統計年鑒》（2015）。

由表2可知，省域農地城市流轉規模中位數為36.74 km2，平均值為47.70 km2，一半以上省份的農地城市流轉規模在平均值以下；標準差為37.23 km2，表明樣本農地城市流轉數據離散程度較大；偏度系數為正（0.90），表明樣本農地城市流轉數據分布具有正偏離，數據分布右側有較長的尾部，即右偏態；峰度為3.02，說明數據分布比標準正態分布更陡峭，分布更集中。《中國國土資源統計年鑒》（2015）的數據顯示，2014年各省份農地城市流轉規模的空間差異明顯，整體呈現由東部沿海發達省份向中部省份再向西南省份及東北、西北地區省份逐漸降低的趨勢。

2.2 農地城市流轉規模的空間異質性分析結果

探索性空間數據分析（ESDA）可以初步分析觀測對象的空間信息并描述其在空間上的集聚和分異現象。本文使用該方法對2014年省域農地城市流轉規模數據進行全局趨勢描述以及空間異質性分析。

2.2.1 全局趨勢分析

農地城市流轉規模的全局趨勢分析是將數據投影到水平與緯度的正交平面上，觀察其在水平方向和緯度方向上的變化規律，本文利用ArcGIS中Geostatistical Analyst模塊的ESDA工具生成31個省域農地城市流轉規模趨勢圖。如圖1所示，在X方向上（經度趨勢），省域農地城市流轉規模呈不斷上升趨勢且尚未達到拐點，表明我國農地城市流轉規模從西向東呈現單調上升的趨勢；且上升曲線平緩，說明省域農地城市流轉規模由西向東上升幅度穩定，變化較小。在Y方向上（緯度趨勢），流轉規模變化呈倒“U”型，說明省域農地城市流轉規模在我國中部地區省份達到最大值，并分別沿著南北方向的省份遞減。

2.2.2 空間異質性分析

2.2.2.1 全局自相關分析

對省域農地城市流轉規模進行全局空間自相關分析，結果顯示Morans I指數為0.14，表明全國省域農地城市流轉規模存在正的空間自相關，即高值或低值集聚。顯著性檢驗結果顯示，標準化Z值為2.91，大于正態分布99%置信區間雙側檢驗閾值2.58，這表明”全國農地城市流轉規模在空間上隨機分布”這一假設成立的可能性小于1%，即我國省域農地城市流轉規模在0.01的顯著性水平上呈現出明顯的空間自相關。由此可見，全國省域農地城市流轉規模在空間上并非隨機分布，相鄰省份農地城市流轉規模在整體上呈現空間集聚特征。

2.2.2.2 局部自相關分析

進一步地，運用OpenGeoDa空間分析工具進行局域自相關分析，即測算省域農地城市流轉規模的Local Morans I指數。Moran散點圖的四個象限Ⅰ、Ⅱ、Ⅲ、Ⅳ分別表示“高-高自相關（HH）”、“低-高自相關（LH）”、“低-低自相關（LL）”、“高-低自相關（HL）”。圖2表明，我國大部分省域的Local Morans I指數位于第Ⅰ、Ⅲ象限內，大部分省域的農地城市流轉規模與其臨近省份存在正向相關性，即“高-高關聯”或“低-低關聯”。endprint

為進一步明確集聚發生的區域，本文采用GeoDA中的局部空間自相關分析功能揭示各省份農地城市流轉規模的空間聯系的局部指標（LISA）。表3顯示了全國農地城市流轉規模的局部自相關隨空間位置變化的情況，我國農地城市流轉規模并非隨機分布，具有明顯的空間集聚現象，具體而言：

（1）高-高聚類：包括我國東中部的山東、安徽、江蘇、浙江、福建、湖北、江西七省，其共同特點是經濟發展水平高，城市建設速度快，用地需求強烈，迫切要求大量農地轉為城市用地以滿足日益增長的建設用地需求。這部分省域農地城市流轉規模呈現“高-高關聯”，是農地城市流轉的“熱點”區域。

（2）低-高聚類：包括北京、天津、上海、重慶四個直轄市和河北、遼寧、湖南、廣西、廣東五個省份。其中：河北、遼寧、江西、重慶、湖南、廣西、廣東農地城市流轉規模較中部沿海省份低，較內陸地區又相對高，這部分農地城市流轉規模呈現“低-高關聯”。而北京、天津和上海的城市發展進程長，城市規模和發展模式較穩定、合理，土地需求較發展中的沿海地區低。

（3）低-低聚類：主要包括新疆、西藏為代表的我國西北部地區。新疆、西藏經濟發展緩慢，因城市擴張而產生的農地轉用需求較小。其周邊省域也被相似的狀況影響而呈現相似規律，農地城市流轉規模較小，這些省域呈現出“低-低關聯”現象，這部分省份為全國農地城市流轉的“冷點”。

2.3 農地城市流轉影響因素作用程度的空間異質性分析結果

2.3.1 模型預處理

多重共線性檢驗結果（見表1）表明模型的解釋變量間存在一定的相關關系，會大大降低模型估計的準確性。因此，將方差膨脹因子VIF值>7.5的城鎮人口比重、人均地區生產總值、城市人口密度三個因素作為冗余變量排除。

去除冗余變量后，通過計算殘差平方和和Sigma值來判斷地理加權回歸模型對于農地城市流轉問題的擬合度。如表4所示，R2和Adjusted R2值分別達到了0.872和0.799。表明GWR模型對研究農地城市流轉規模空間非平穩性有較高的擬合度。

對模型回歸殘差進行空間自相關分析可檢驗回歸殘差是否為隨機分布，如果存在高值或低值的顯著聚類則表明錯誤地指定了地理加權回歸模型。表5表明，殘差在空間上隨機分布，這也驗證了模型選取的正確性。

條件數（cond）可用于評估局部是否存在多重共線性，若局部存在較強的多重共線性，則會大大降低模型結果的穩定性；Local值則用于評估模型局部的解釋功能，Local值過低則表明該模型的局部擬合功能不佳。結果表明，31個樣本點（省份）的條件數均低于30，表明并不存在局部共線性，系數估計結果可靠，同時31個樣本點的Local值均處于0.75—0.91之間，表明局部模擬性能良好。

2.3.2 影響因素作用程度的空間異質性分析

解釋變量系數隨樣本點空間位置的變化而變化，通過GWR模型輸出解釋變量系數空間分布圖可揭示各影響因子在不同空間位置上作用程度的差異。

（1）全社會固定資產投資額。表6揭示了全社會固定資產投資額對農地城市流轉規模的影響程度在空間上的差異。31個省份“固定資產投資額”因子的系數全部為正，數值在0.240 0到0.292 6之間。這表明全國范圍內各省域的全社會固定資產投資額越高，農地城市流轉規模越大，且存在空間異質性：從水平方向上來看，西部省份全社會固定資產投資額對農地城市流轉規模的正向影響高于中部地區、中部地區又高于東部地區。這一特點與東、西部省份在經濟投資上的差異密切相關，從全社會固定資產投資總額上看，東部地區經濟發展水平較高，經濟投入高且穩定，東部地區省份的全社會固定資產投資額要高于西部地區；從投資結構上看，2014年在東部地區省份的全社會固定資產投資額中，批發零售業、交通運輸業、倉儲和郵政業、住宿和餐飲業、信息傳輸、軟件和信息技術服務業、金融業、租賃和商務服務業、科學研究和技術服務業的投資比重高達37.85%，僅24.29%的部分用于建筑業和房地產業投資。相較而言，西部地區的固定資產投資額中則有超過32.43%的部分用于建筑業和房地產業投資。結合投資的邊際效用遞減規律、投資的結構以及我國國情和經濟發展的特點，西部省份城市建設起步較晚發展、水平較低，對于全社會固定資產投資的敏感度更高，因此，相對于東部省份而言，西部省份因全社會固定資產投資總額增加而引起的農地城市流轉規模增幅更為明顯，所以該因子在西部省份對農地城市流轉的正向拉動作用明顯高于其在東部地區的作用。

（2）年初耕地面積。表7揭示了年初耕地面積對農地城市流轉規模的影響程度在空間上的差異。31個省份“年初耕地面積”因子的系數均為負，數值在-0.438 6到-0.082 8之間，這表明全國范圍內各省域年初耕地面積與農地城市流轉規模呈負向相關性。年初耕地面積對農地城市流轉規模的負向影響作用在中部省份表現的最為顯著，并向東、西兩個方向省份遞減。這一現象可以從近年來政府對農地城市流轉愈加嚴格的管制中得到一定的解釋。我國于2011 年正式啟動永久基本農田劃定工作，并于同年6 月發布了《全國主體功能區規劃》，通過劃分優化開發、重點開發、限制開發和禁止開發四類區域嚴控農地城市流轉，避免城市規模的無序擴張。我國中部地區省份多為農業大省或國家糧食主產區，具有耕地資源豐富、耕地質量較高、農業生產總值占比大的特點，當地政府必須采取更為嚴格的措施控制耕地流轉規模以確保當地農業的可持續發展，如河南省政府就曾于2015年12月專門出臺《河南省人民政府關于進一步落實最嚴格耕地保護制度的若干意見》（豫政〔2015〕71號）以更好地落實最嚴格的耕地保護制度。已有研究[17、20]多認為年初耕地面積作為農地城市流轉的自然供給因素，通常對其產生正向拉動作用，而本文通過GWR模型分析耕地面積因素在全國范圍內對農地城市流轉的影響程度發現，隨著近年來永久性基本農田劃定工作的持續推進以及中央、地方政府對耕地資源保護力度的不斷增強使得耕地資源豐度與農地城市流轉規模之間并非正向關系，且其影響程度存在明顯的空間異質。endprint

（3）第三產業比重。表8表明，31個省份“第三產業比重”因子的系數均為負，數值在-18.734 8到-1.782 8之間，這意味著各省份第三產業在產業結構中比重越高，農地城市流轉規模越小。該因子對于農地城市流轉規模的影響也呈現很明顯的空間異質性，影響程度由我國東南部省份向西北部省份遞減，即相比西北部省域，第三產業比重相同幅度的上升在東南部省份將會引起農地城市流轉規模較大幅度的減小。我國東南部省份第三產業占比較高是我國近年來產業結構不斷升級的重要體現，國民經濟的重心向第二產業，進而向第三產業轉移，產業結構不斷優化升級。土地資源作為產業發展的基本要素，其利用結構必然會隨產業結構的調整相應變化。我國現階段的經濟增長還處于依賴要素投入階段，在工業用地利用模式相對粗放的背景下，產業結構升級勢必能夠減少對產業（建設）用地的需求，緩解農地城市流轉壓力。東南部省份作為我國產業調整升級的先驅，其加快產業結構升級、提高第三產業比重的趨勢正在逐步改變依靠過度消耗資源換取增長的經濟發展方式，對土地的需求逐漸降低，農地城市流轉規模得到抑制。相比之下，西北地區由于其自然資源稟賦和社會經濟發展特點，一、二產業占比仍居高不下，第三產業發展滯后，產業結構升級步伐緩慢，產業結構升級因子對農地城市流轉規模的影響程度相對較弱。

（4）居民人均可支配收入。表9表明，31個省份居民人均可支配收入與農地城市流轉規模間呈正向相關關系，即該省份人均可支配收入越高，農地城市流轉規模越大，因子系數在0.410 3到1.661 2之間，差異較大。現有研究通常將居民人均可支配收入作為衡量經濟發展水平的一項重要指標。根據中國統計年鑒的數據測算，我國居民人均年可支配收入在2000年至2015年間增長了5.92倍。土地需求是一種引致需求，居民收入的大幅增加、經濟發展水平的提高刺激了人們對各類建設用地的需求，必然導致更大規模的農用地向城市建設用地流轉。由表9可知，居民人均可支配收入對于農地城市流轉規模的影響呈現明顯的空間異質性，影響程度由東南部向北北部省份遞減。東南部沿海省份居民人均可支配收入對農地城市流轉規模的影響程度均高于內陸省份。原因可能在于，東部沿海省份人均可支配收入相對較高，較高的消費水平使得居民更偏向于投資房地產，改善居住條件，或是購買交通代步工具，增加對交通用地的需求，因此東部沿海省份人均可支配收入對住宅用地和交通運輸用地的增加有較大幅度的推動作用。

3 結論與討論

3.1 主要結論

本文在揭示我國大陸31個省（自治區、直轄市）農地城市流轉規模在水平及緯度方向上的變化趨勢的基礎上，運用全域及局域自相關模型分析了我國農地城市流轉規模的空間異質性，并進一步采用地理加權回歸模型揭示了省域農地城市流轉規模各影響因素作用程度的空間異質性，得到以下主要結論：

（1）31個省（自治區、直轄市）的農地城市流轉規模在水平及緯度方向上呈現不同變化趨勢：在水平方向上，我國省域農地城市流轉規模自西向東呈緩慢穩定上升趨勢；在緯度方向上，農地城市流轉規模則呈倒“U”型，即在我國中部省份達到最高值并分別向南北兩個方向省份逐漸下降。

（2）全國范圍內的省域農地城市流轉規模呈現出一定程度的空間關聯特征，且省域農地城市流轉的局部自相關隨區域而變化，呈現空間異質性，其中：我國東中部的山東、安徽、江蘇、浙江、福建、湖北、江西省七個省份為農地城市流轉的“熱點”；以新疆、西藏為代表的西北部為農地城市流轉的“冷點”；我國東部向內陸過渡的河北、廣東、廣西、湖南、重慶所在區域呈“低-高關聯”；其余區域省份未呈現出顯著的空間關聯。

（3）省域農地城市流轉規模受到諸多因素影響，且這些因素對農地城市流轉的影響程度因空間位置不同而變化，具有空間異質性。全社會固定資產投資額、居民人均可支配收入及年初耕地面積、第三產業比重是影響省域農地城市流轉規模的重要因素。其中：從影響方向看，其中前兩者為正向作用，后兩者為負向作用；從影響程度看，全社會固定資產投資對省域農地城市流轉規模的影響程度在全國范圍內空間分布較均勻，空間異質性較小（系數在0.240 0到0.292 6之間），而年初耕地資源（系數在-0.438 6到-0.082 8之間）、第三產業比重（系數在-18.734 8到-1.782 8之間）和居民人均可支配收入（系數在0.410 3到1.661 2之間）對各省份農地城市流轉規模的影響程度存在較大的空間異質。

以上研究結果意味著，對農地城市流轉規模的規劃和管制應充分考慮空間異質性的特征，提高規劃方案或管制措施的有效性和針對性。首先，土地利用總體規劃是國家實行土地用途管制的基礎，按照我國行政區劃分為全國、省（自治區、直轄市）、市（地）、縣（市）和鄉（鎮）五級，其中《全國土地利用總體規劃綱要》的任務之一是明確全國各區域土地利用的主要方向，對省級土地開發利用進行調控和管理。鑒于我國相鄰省份農地城市流轉規模在全局上呈現空間集聚特征，在局部區域表現出差異性的空間關聯，因此，在制定和實施全國土地利用總體規劃的過程中，應著眼于區域整體治理的視角，明確區域性的規劃目標和

規劃指標，進而通過差別化的指標約束和用途管制實現對不同區域內相關省份土地利用的合理規劃與管理。其次，需采用差異性的綜合性的經濟和政策調控措施控制農地城市流轉規模，具體而言：應優化全社會固定資產投資規模以實現對不同區域內各省份農地城市流轉規模的有效控制；繼續堅持實施最為嚴格的耕地保護政策，嚴格控制各省份尤其是中部地區農業大省的農地城市流轉規模；加快我國東南部省份的產業結構升級，通過合理優化產業結構降低農地城市流轉壓力；在確保經濟快速發展的前提下，逐步轉變原有的依靠過度消耗土地資源換取經濟增長的發展方式。

3.2 討論

由于數據獲取的限制，本文僅在省域尺度上對一個特定年度內的農地城市流轉規模及其影響因素作用程度的空間異質性進行了研究。在今后的研究中，應結合多個年份的面板數據在市域、縣域、地塊等多種尺度上展開研究，通過將時間和空間信息同時納入模型實現對農地城市流轉規模及其影響因素空間異質性的動態研究，以豐富該領域的研究成果。在地理加權回歸模型的基礎上加入時間效應的時空地理加權回歸模型（GTWR）能夠在時間和空間兩個維度上對不同空間單元的參數變異進行捕捉，因此可作為一種可行的嘗試。endprint

參考文獻（References）

[1]HABERL H. Competition for land： a sociometabolic perspective[J]. Ecological economics， 2015，119： 424-431.

[2]LIU Y， TANG W， HE J， et al. A landuse spatial optimization model based on genetic optimization and game theory[J]. Computers， environment and urban systems， 2015， 49： 1-14.

[3]張雄，張安錄，閔敏. 湖北省農地城市流轉效率及其影響因素[J]. 中國人口·資源與環境，2013（3）：146-151.[ZHANG Xiong， ZHANG Anlu， MIN Min. Evaluation on ruralurban land conversion efficiency of Hubei Province[J]. China population， resources and environment， 2013（3）：146-151.]

[4]鐘海玥. 農地城市流轉與經濟增長的交互作用及其尺度效應[D]. 武漢：華中農業大學，2014：1-2.[ZHONG Haiyue. Interaction between ruralurban land conversion and its spatial scale effects[D]. Wuhan： Huazhong Agricultural University， 2014： 1-2.]

[5]張修芳，牛叔文，馮驍， 等. 天水城市擴張的時空特征及動因分析[J]. 地理研究， 2013（12）： 2312-2323.[ZHANG Xiufang， NIU Shuwen， FENG Xiao， et al. Spatialtemporal characteristics and driving factors of urban land expansion of a valley city： a case study of Tianshui City in Western China[J]. Geographical research， 2013 （12）： 2312-2323.]

[6]肖琳，田光進，喬治. 基于Agent的城市擴張占用耕地動態模型及模擬[J]. 自然資源學報， 2014（3）：516-527.[XIAO Lin， TIAN Guangjin， QIAO Zhi. An agentbased approach for urban encroachment on cropland dynamic model and simulation[J]. Journal of natural resources， 2014（3）：516-527.]

[7]任平，吳濤，周介銘. 耕地非農化的空間過程與擴散路徑研究——以成都市龍泉驛區為例[J]. 中國土地科學， 2015（12）：68-73，94.[REN Ping， WU Tao， ZHOU Jieming. Study on the spatial pattern and diffusion path of cultivated land conversion： a case study in Chengdu Longquanyi District[J]. China land sciences， 2015 （12）：68-73，94.]

[8]張孝宇， 謝新朋， 張安錄. 武漢市耕地非農化的空間非均衡發展與空間擴散路徑分析[J]. 自然資源學報， 2014（10）：1649-1659.[ZHANG Xiaoyu， XIE Xinpeng， ZHANG Anlu. Spatial unbalanced development and diffusion route of farmland conversion in Wuhan City[J]. Journal of natural resources， 2014（10）：1649-1659.]

[9]李濤， 廖和平， 褚遠恒， 等. 重慶市農地非農化空間非均衡及形成機理[J]. 自然資源學報， 2016， 31（11）：1844-1857.[LI Tao， LIAO Heping， CHU Yuanheng， et al. Spatial disequilibrium and its formation mechanism of farmland conversion in Chongqing[J]. Journal of natural resources， 2016， 31（11）：1844-1857.]

[10]張孝宇， 賴宗裕， 張安錄. 基于地塊尺度的耕地非農化驅動力空間異質性研究——以武漢市為例[J]. 長江流域資源與環境， 2015， 24（6）： 994-1002.[ZHANG Xiaoyu， LAI Zongyu， ZHANG Anlu. Spatial heterogeneity in driving forces of farmland conversion based on patch scale： a case study of Wuhan City[J]. Resources and environment in the Yangze Basin， 2015， 24（6）： 994-1002.]

[11]蔡運龍，霍雅勤. 耕地非農化的供給驅動[J]. 中國土地，2002（7）：20-22.[CAI Yunlong， HUO Yaqin. The supply driving forces of farmland conversion[J]. China land， 2002（7）：20-22.]endprint

[12]田玉忠， 石志恒. 耕地非農化的供求驅動分析——以陜西省為例[J]. 開發研究， 2007（3）：25-27.[TIAN Yuzhong， SHI Zhiheng. The supply and demanding driving forces of farmland conversion： a case study of Shanxi[J]. Research on development， 2007（3）：25-27.]

[13]苑韶峰， 楊麗霞， 楊桂山， 等. 耕地非農化的社會經濟驅動因素異質性研究——基于 STIRPAT 和 GWR 模型的實證分析[J]. 經濟地理， 2013， 33（5）： 137-143.[YUAN Shaofeng， YANG Lixia， YANG Guishan， et al. The spatial heterogeneity of socioeconomic driving factors of cultivated land conversion： a case based on STIRPAT and GWR models[J]. Economic geography， 2013， 33（5）： 137-143.]

[14]張良悅， 師博， 劉東. 城市化進程中農地非農化的政府驅動——基于中國地級以上城市面板數據的分析[J]. 當代經濟科學， 2008， 30（3）： 33-41， 125.[ZHANG Liangyue， Shi Bo， LIU Dong. Toward government driving of nonagriculture usage of rural land in urbanization： an analysis based on cities panel data in China[J]. Modern economic science， 2008， 30（3）： 33-41， 125.]

[15]張俊峰， 張安錄， 何雄. 土地資源空間異質性及差別化政策研究[J]. 西北農林科技大學學報 （社會科學版）， 2016 （6）： 21-28.[ZHANG Junfeng， ZHANG Anlu， HE Xiong. Formation and transmission mechanism of land resources spatial heterogeneity and differentiated land policy[J]. Journal of Northwest A & F University （social sciences edition）， 2016 （6）： 21-28.]

[16]鐘海玥， 張安錄. 基于分層線性模型的武漢城市圈農地城市流轉經濟驅動機制研究[J]. 經濟地理， 2014， 34（5）： 76-82.[ZHONG Haiyue， ZHANG Anlu. Land conversion driving forces based on hierarchical linear models： a case study in Wuhan Metropolitan Area[J]. Economic geography， 2014， 34（5）： 76-82.]

[17]魏倩倩， 任志遠. 半干旱地區典型城市耕地面積變化空間差異及驅動力分析——以西安市為例[J]. 水土保持研究， 2016， 23（1）： 284-288.[WEI Qianqian， REN Zhiyuan. Spatial differences of cultivated land change and driving force analysis in typical semiarid area： a case study of Xian City[J]. Research of soil and water conservation， 2016， 23（1）： 284-288.]

[18]BRUNSDON C， FOTHERINGHAM A S， CHARLTON M E. Geographically weighted regression： a method for exploring spatial nonstationarity[J]. Geographical analysis， 1996， 28（4）： 281-298.

[19]FOTHERINGHAM A S， BRUNSDON C， CHARLTON M. Geographically weighted regression： the analysis of spatially varying relationships[J]. Geographical analysis， 2003，35（3）：272-275.

[20]曲福田， 陳江龍， 陳雯. 農地非農化經濟驅動機制的理論分析與實證研究[J]. 自然資源學報， 2005， 20 （2）： 231-241.[QU Futian， CHEN Jianglong， CHEN Wen. Theoretical and empirical study on the land conversion economic driving forces[J]. Journal of natural resources， 2005， 20 （2）：231-241.]endprint