基于景觀格局的盧龍縣耕地細碎化評價及影響因素研究

臧 亮, 梁紅穎, 梁文濤, 張春利

(1.廊坊市博泰不動產咨詢評估有限公司, 河北 廊坊 065000； 2.北京博林不動產評估有限公司, 北京 100000)

耕地細碎化是指由于自然或人為因素干擾，耕地由單一、均質和集中連片的整體變為復雜、異質和零散的斑塊的動態演變過程[1]。耕地細碎化對農業生產的影響具有兩面性，一方面耕地細碎化可以豐富農戶的生產經營結構，分散農業生產風險，促進種植農業的結構調整；但是另一方面，耕地細碎化不利于農業的規模化經營，阻礙著農業現代化發展，造成農業資源的極大浪費[2]。我國作為人多地少的發展中國家，耕地細碎化現象長期存在，自20世紀70年代，我國開始施行家庭聯產承包責任制，在促進農業生產發展的同時，也客觀加劇了我國的耕地細碎化[3]。隨著我國社會經濟的發展，城市化、工業化進程加快，農業人口大量涌入城市，農民對土地的依賴性越來越弱，耕地的規模化經營條件更加成熟，耕地細碎化的弊端日益凸顯。如何優化耕地的空間格局，增加耕地有效面積，提高耕地利用效率，實現耕地的規模化經營，已成為亟待解決的問題之一[4]。

目前，眾多學者已經基于不同角度，運用多種方法對我國耕地細碎化進行了研究。黃思琴等[4]基于景觀生態學角度選取指標，運用主成分分析降維得到能夠代表耕地細碎化的2個主成分指標，然后通過空間自相關分析了耕地細碎化與農業經濟水平的空間相關性規律；譚淑豪等[5]運用計量經濟模型探討了造成土地細碎化的主要因素，認為目前中國的土地細碎化主要是由供給面因素引起的，需求面因素也有一定影響；張尹君杰等[6]利用河北全省農戶固定觀察點資料通過回歸分析，表明土地細碎化不但降低了河北省玉米和小麥生產的規模經濟效應，而且還影響了它們的產量；李鑫等[7]用SFA方法測度耕地生產技術效率，用多元線性回歸研究細碎化對耕地生產技術效率影響。總體而言，目前對耕地細碎化的研究主要集中在耕地細碎化的評價及其對耕地生產效率的影響，通過空間統計方法對耕地細碎化影響因素的研究還較少。

本文以盧龍縣為例，基于景觀生態學原理選取平均地塊面積指數(MPS)、斑塊數量破碎化指數(FN)、平均最臨近距離(MNN)、邊界密度指數(ED)、面積加權形狀指數(AWMSI)5個景觀指標對盧龍縣耕地細碎化程度進行評價，然后通過地理加權回歸模型對耕地細碎化的影響因素進行分析，為耕地規模化整理和經營提供一定的參考。

1 研究區概況

盧龍縣地處河北省東北部，燕山南麓，明長城腳下，地理位置為39°43′00″—40°08′42″N，118°45′54″—119°08′06″E。東西橫距28 km，南北縱距47 km。畛域面積961 km2。周圍與五縣為鄰，東連撫寧，南接昌黎，西南隔灤河與灤縣相望，西瀕青龍河與遷安市為鄰，北與青龍滿族自治縣以長城為界，東距秦皇島市區82 km，西距首都北京225 km。盧龍縣屬低山丘陵區，境內山巒叢雜綿亙，起伏絡繹不絕。地勢北高南低，呈梯狀西北東南向傾斜，海拔22.7～627 m，絕對高差599.3 m。全域主要分低山、丘陵、平原和盆地4種地貌類型，低山、丘陵主要分布在縣境中、北部，占全縣總面積的81.1%；平原主要分布于縣境南部。盧龍縣屬暖溫帶大陸性季風氣候。年均氣溫10.6°C，年均降水量724.5 mm，晝夜溫差較大。境內主要為灤河、西洋河、飲馬河水系。水資源主要由大氣降水形成的地表水和淺層地下水構成。

2 數據來源和處理

本文數據來源于盧龍縣2015年土地利用現狀圖，以行政村為評價單元，通過ArcGIS 10.2軟件提取耕地、河流、交通、居民點等信息，轉換為柵格數據，利用景觀指數軟件Fragstats 4.2軟件計算平均地塊面積(MPS)、斑塊數量破碎化指數(FN)、平均最臨近距離(MNN)、邊界密度(ED)、面積加權形狀指數(AWMSI)。然后利用ArcGIS 10.2的空間分析功能計算各村耕地到河流、交通、居民點的平均距離。盧龍縣DEM數據來源于地理空間數據云(http:∥www.gscloud.cn/)，通過DEM數據提取盧龍縣坡度分布數據，提取各評價單元耕地平均坡度。盧龍縣耕地、河流、交通、居民點、坡度數據如圖1所示。

3 研究方法

3.1 構建評價模型

3.1.1 評價指標選取 耕地細碎化主要表現在耕地空間分布格局的分散和無序性。而景觀指數可以很好地定量描述土地空間分布格局的特點，以及各斑塊間的相互關系。許多學者也基于景觀生態學視角選取指標，例如平均斑塊面積指數、斑塊密度指數、邊界密度指數、破碎化指數等來評價區域耕地細碎化水平。但是各景觀指數間可能存在著重疊信息，甚至共線問題[8]，會造成評價結果存在較大誤差，因此本文在選取指標前利用SPSS 18.0對擬選取的評價指標進行相關分析，選取5個相關性較低的景觀指數作為評價指標，分別是平均地塊面積指數(MPS)、斑塊數量破碎化指數(FN)、平均最臨近距離(MNN)、邊界密度指數(ED)、面積加權形狀指數(AWMSI)。

平均地塊面積指數(MPS)為研究區耕地總面積與耕地斑塊數量的比值，可以直觀表現出研究區內耕地斑塊的細碎程度，平均地塊面積越小也就表示研究區耕地越細碎。

MPS=A/N

(1)

式中：A表示評價單元內耕地總面積；N表示評價單元內耕地斑塊總數量。

圖1盧龍縣坡度、耕地、居民點、河流及交通分布

斑塊數量破碎化指數(FN)可以表明耕地斑塊的破碎程度，其取值范圍為0～1，0表示不存在破碎化，1表示完全破碎化。

(2)

式中：N表示評價單元內耕地斑塊的總數量；A表示評價單元內耕地總面積；amin表示研究區內最小耕地斑塊的面積。

平均最臨近距離(MNN)為斑塊到與最臨近斑塊的距離和，除以臨近斑塊總數。它體現了耕地斑塊間在空間上的相互關系。MNN越大表示斑塊間的空間距離越大，也就是分布越離散，反之，則表示斑塊間空間距離小，分布越集中。

(3)

式中：hi表示某斑塊i到其他斑塊的最近距離；N表示斑塊總數量。

邊界密度指數(ED)為單位面積耕地的周長值，ED越大表示耕地被切割的程度越大，也就越細碎。

ED=E/A

式中：E表示耕地斑塊的邊界長度；A表示耕地面積。

面積加權形狀指數(AWMSI)，一般而言，耕地越細碎耕地斑塊也會越不規則，AWMSI可以反映耕地斑塊的形狀規則程度，AWMSI越大則斑塊形狀越不規則越復雜，細碎化越高。AWMSI越小，則細碎化程度越低。

(4)

式中：Pi為評價單元內各耕地斑塊的周長；ai評價單元內各耕地斑塊的面積；A為評價單元內耕地的總面積。

3.1.2 指標標準化及權重確定 為消除各指標的量綱，本文采用極差標準化方法對指標原始值進行處理。極差標準化公式如下：

(5)

式中：Pij表示指標的標準化值；Xij表示指標的原始值；Ximax表示指標原始最大值；Ximin表示指標原始最小值。5個指標中FN，MNN，ED，AWMSI是正效應指標；MPS是負效應指標。

指標的權重對于評價結果的準確性起著至關重要的作用，因此本文結合其他學者的相關研究經驗，以及盧龍縣實際情況采用變異系數法確定各指標的權重，相較于其他權重確定方法，變異系數法可以消除主觀因素對權重的影響，得到的權重更加客觀真實[9]。變異系數法公式如下：

(6)

式中：Wi為指標i的權重；Vi為指標i的變異系數；n表示指標數量。

3.1.3 綜合因子評價法 本文采用綜合因子評價法評價各評價單元的耕地細碎化程度。綜合因子評價法公式如下：

(7)

式中：Yj為第j各評價單元的耕地細碎化指數；kji表示第j個評價單元第i個評價指標的指標值；wi表示第i個指標的權重大小；n表示指標個數。

3.2 耕地細碎化影響因素的分析

耕地細碎化的發展是自然因素和人為因素雙重影響下產生的，而且不同區域各影響因素的作用強度也是有差異的，為了探究耕地細碎化的主要影響因素，本文采用地理加權回歸(GWR)模型分析了村莊、河流、交通、坡度對耕地細碎化的影響。

傳統回歸分析是在變量間的相互關系具有同質性的假設下進行的，然而很多情況下隨著地理位置的變化，變量間的相互關系和結構會變化，此時如果按照傳統線性回歸方法很可能會掩蓋變量間的局部特性，會造成較大的誤差。GWR模型是對普通線性回歸模型的擴展，將數據空間位置嵌入到回歸模型之中。GWR能夠反映參數在不同空間的空間非平穩性，使變量間的關系可以隨空間位置的變化而變化，可以提高擬合精度[10]。地理加權回歸模型如下：

(8)

式中：yi表示耕地細碎化指數；(ui，vi)表示樣本i的空間位置；xik為樣本i的自變量；ai0(ui，vi)和aik(ui，vi)分別為樣本i的常數估計值和參數估計值；p為自變量的個數；εi為誤差修正項。

本文應用ArcGIS 10.2的地理加權回歸工具，以各村耕地細碎化指數為因變量，以耕地距河流、道路、村莊的平均距離，耕地的平均坡度為自變量。核類型選擇自適應法(Adaptive)，也就是按照要素樣本分布的疏密，來創建高斯核表面，如果要素分布緊密，則核表面覆蓋的范圍小，反之則大。核帶寬選擇AIC，通過最小信息準則來決定最佳帶寬[11]。

4 結果與分析

4.1 耕地細碎化分布特征

各景觀指數權重為：平均地塊面積指數(MPS)0.159，斑塊數量破碎化指數(FN)0.076，平均最臨近距離(MNN)0.267，邊界密度指數(ED)0.043，面積加權形狀指數(AWMSI)0.455。計算得到耕地細碎化指數，按照自然斷點法將盧龍縣處于研究區內的582個村分為重度細碎化(0.406 2～0.654 7) 、中度細碎化(0.311 0～0.404 4) 、輕度細碎化(0.181 1～0.310 6)(圖2)，其中重度細碎化村莊61個，主要分布在盧龍縣西南、東南和縣域北部；中度細碎化村莊232個，主要分布在縣域東南、西南和中北部；輕度細碎化村莊289個，主要分布在縣域中部和南部。

整體來看盧龍縣耕地細碎化處于一個較低的水平，大部分村莊屬于中度細碎化和輕度細碎化，耕地細碎化指數平均值為0.323 2，屬于中度細碎化，這主要由于盧龍縣以農業生產為主，整體經濟發展水平一般，因此沒有出現大規模的城市擴張等活動，使得盧龍縣耕地得到較好的保護，但是由于盧龍縣屬于低山丘陵，地形復雜，因此一部分地區的耕地受地形割裂影響嚴重，細碎化程度會較為嚴重。

4.2 耕地細碎化影響因素分析

當數據的分布狀態呈現隨機獨立均勻的特點時，我們只需要通過傳統的回歸模型就可以得到較為合理的結果，但是耕地細碎化作為空間數據，具有較強空間依賴性，通常存在空間相關性[12]。這種空間自相關性可以通過全局莫蘭指數(Moran′sI)來衡量，利用ArcGIS 10.2空間自相關分析工具計算耕地細碎化的全局莫蘭指數，分析報表如下，p值為0.00小于0.01表明其具有空間自相關性的置信度達到99%，可以肯定耕地細碎化指數存在空間相關性；莫蘭指數為0.21說明樣點間具有空間正相關性，即各村耕地細碎化程度間的相關程度與空間聚集度成正比；Z得分為11.20大于2.58表明耕地細碎化呈現出明顯空間聚類特征[13-14]。

圖2盧龍縣耕地細碎化空間分布

坡度影響程度的空間分布如圖3A所示，從圖中可知坡度影響程度以正影響為主，即坡度越大耕地細碎化越嚴重，只有少量地區呈現負影響，主要分布在盧龍縣中部地區，而且相對于正影響而言，負影響絕對值很小，影響并不明顯。這一現象主要是由于盧龍縣多低山丘陵，隨著坡度增加，地形變化更加復雜，少有大面積平整的適宜耕作的土地，耕地呈現破碎零散的分布狀態。而縣域中部地區，地勢平坦坡度較小，雖然呈現一定的負影響，但并非主要影響因素。

居民點影響程度的空間分布如圖3B所示，居民點對耕地細碎化的正負影響區域各占50%左右，負影響區域主要分布在縣域中部，北部和南部區域主要為正影響，從影響程度看，正影響程度較小，以負影響為主。這主要是由于居民點周圍，人類活動強度大，土地利用方式更加多樣，如居民點擴張，工業建設等活動會造成耕地圖斑日益破碎。

距河流距離影響度空間分布如圖3C所示，GWR影響度統計結果大部分為正影響，即距離河流越遠耕地細碎化越嚴重。河流水系作為自然廊道會切割斑塊，使斑塊趨于破碎，也就是河流水系較為密集的地區有可能造成耕地圖斑更加細碎，但是由于河流兩岸土壤較為肥沃，地勢平坦開闊，可以提供充足水源，因此耕地會大量集中河流附近，而且北方地區河流水系網絡并不發達，遠沒有達到過度切割耕地圖斑的情況，所以就造成距離河流近的區域耕地更加集中連片，越遠的地區細碎化越明顯。

交通道路影響度空間分布如圖3D所示，GWR結果顯示交通因素對耕地細碎化的正負影響區域大體相當，影響強度也較為相似。在路網密集的地區，道路交通會將耕地圖斑切割破碎，同時這些區域經濟相對發達，人口密集，人類活動強度較大，因此在一定范圍內，隨著距道路距離的縮短耕地細碎化程度會逐漸增強。但是為了耕作便利，道路交通又是必不可少的條件，因此在路網并不發達的地區，隨著距道路距離的縮短耕地細碎化程度會逐漸減弱。

圖3坡度、居民點、河流、交通影響度空間分布

5 結 論

(1) 盧龍縣耕地細碎化整體上處于較低的水平。其中重度細碎化村莊61個，主要分布在盧龍縣西南、東南和縣域北部；中度細碎化村莊232個，主要分布在縣域東南、西南和中北部；輕度細碎化村莊289個，主要分布在縣域中部和南部。

(2) 盧龍縣耕地細碎化莫蘭指數為0.21，具有空間正相關性，各村耕地細碎化程度間的相關程度與空間聚集度成正比；Z得分大于2.58耕地細碎化呈現出明顯空間聚類特征。

(3) 通過地理加權回歸分析可以發現坡度、居民點、河流、交通等因素對耕地細碎化的影響程度具有空間非平穩性。其中坡度影響程度以正影響為主，只有少量地區呈現負影響，主要分布在盧龍縣中部地區，負影響并不明顯。居民點對耕地細碎化的正負影響區域各占50%左右，負影響區域主要分布在縣域中部，北部和南部區域主要為正影響，從影響程度看，正影響程度較小，以負影響為主。河流以正影響為主，負影響區域主要分布在縣域東南部分地區。交通因素對耕地細碎化程度的正負影響區域大體相當，影響強度也較為相似。