喀斯特山區耕地時空演變與影響因子分析

張 揚，周忠發※，黃登紅，朱 孟，吳 躍，孫建偉

（1.貴州師范大學地理與環境科學學院/喀斯特研究院，貴陽 550001；2.貴州省喀斯特山地生態環境國家重點實驗室培育基地，貴陽 550001；3.國家喀斯特石漠化防治工程技術研究中心，貴陽 550001）

0 引 言

耕地是人類賴以生存和發展的物質基礎[1]，具有農業生產、空間承載以及環境保護等多種功能[2]，關系國家安全和社會穩定，是保障糧食安全和國民經濟高質量發展的寶貴資源[3]。伴隨中國新型工業化、城鎮化建設的深入推進，在經濟建設活動驅動下大量優質耕地轉為非農用地[4]。由城鄉要素轉移引發的耕地利用非糧化、粗放化、邊際化等問題日益突出[5-7]，導致近年來耕地質量下降、空間破碎、生態問題等問題頻發[8]，加之后備資源不斷減少、激勵約束機制尚不健全，耕地合理利用和占補平衡面臨多重壓力。為此，《中共中央國務院關于加強耕地保護和改進占補平衡的意見》和新修訂的《中華人民共和國土地管理法》均明確提出推進耕地質量提升和保護、大力實施土地整治、嚴格控制耕地轉為非耕地，并將切實保護耕地定為中國的基本國策；2020年中央一號文件亦明確提出糧食生產要穩面積，堅守耕地和永久基本農田保護紅線。耕地數量及質量與自然環境及經濟社會發展階段密切相關，特別是在喀斯特山區，耕地數量少、質量差且分布破碎，往往是保障發展與保護安全的矛盾所在。因此，研究耕地的時空演變規律以及探測其影響因子，已成為喀斯特山區提升農業發展質量、促進耕地可持續利用和推進鄉村產業振興的重要途徑[9]，對研究區域可持續發展和區域糧食安全具有重要指導意義[10]。

國內外關于耕地的研究成果豐富[11]，研究內容集中在時空演變與驅動機制[12-14]、耕地保護與管理方法[15-16]、功能評價與時空演變[17]、坡耕地時空動態變化[18-19]、耕地變化與糧食安全[20]等方面。其中，由于耕地與其他地類相互轉換的頻繁性和復雜性，耕地的時空演變一直是學術界關注的熱點[21]，諸多學者對耕地的時空演變格局[22-23]、時空動態變化特征[24-26]、時空演變驅動力[27-28]及其主導成因[29-30]進行了積極的探索，對耕地時空演變規律和趨勢的把握已成為重要研究內容。例如，張英男等[31]以縣域為基本單元分析了黃淮海平原耕地功能演變的時空特征及其驅動機制，劉旭華等[27]基于國家尺度定量探索耕地利用變化的驅動力，Yao等[23]分析20世紀80年代以來全球耕地變化的基本特征及其空間格局，趙馨等[32]利用深度學習探索不同石漠化環境下耕地的發展，史小祺等[33]研究貴州省近40年來耕地功能轉型特征及其演變差異。綜上所述，現有成果大多從特征、機制、成因等方面對耕地時空演變及其影響因素進行了分析，較少考慮與社會經濟發展的耦合和顧及影響因素效應水平的空間異質性，驅動機制的定量研究較為鮮見，且空間尺度大多集中于中東部平原地區，西部喀斯特山區耕地長時間尺度的演變分析及其影響因子探測則較少。

貴州省作為中國南方典型的喀斯特山區，喀斯特地貌分布廣泛，人均耕地少、耕地破碎化、耕地質量低，成為社會經濟高質量發展的重要限制因素。在經濟轉型發展的關鍵期，耕地保護與利用的矛盾必將愈加突顯，探索喀斯特山區耕地時空演變規律，定量分析耕地分布特征和時空演變驅動因素對區域糧食安全、生態建設、鄉村振興、產業結構調整等都具有重要意義。鑒于此，本文基于2000—2018年貴州省耕地利用時空動態數據，結合GIS空間分析功能和探索性空間數據分析、地理探測器等數理模型，研究耕地分布與時空演變規律及其驅動因素，以期為喀斯特山區耕地保護、耕地資源可持續利用與區域發展戰略制定提供科學依據和理論基礎。

1 研究區域、方法與數據

1.1 研究區概況

貴州省地處云貴高原東部，地跨 103°36′～109°35′E、24°37′～29°13′N，南北長約 509 km，東西寬約 595 km，總面積為17.62萬km2。北靠四川和重慶，南鄰廣西，西毗云南，東連湖南，地勢西北高東南低，海拔為148～2 900 m，境內山脈眾多、重巒疊峰、綿延縱橫、山高谷深（圖1）。全省喀斯特地貌出露面積為 10.91萬 km2，占總面積的61.92%，部分地區石漠化嚴重，是中國南方喀斯特地貌發育最典型的地區之一。氣候類型為亞熱帶濕潤季風氣候，多年平均氣溫為 15.5 ℃，年降水量在 800～1 600 mm。截至2018年底，全省森林覆蓋率58.50%，是長江、珠江上游重要生態屏障；省域內92.5%的面積為山地和丘陵，耕地破碎化嚴重，耕地地塊坡度大，耕地總量少質量低；全省轄9個地級行政區（6個地級市、3個自治州），88個縣級行政區，總人口3 600萬人，GDP為1.48萬億元。

圖1 研究區地形分布示意圖Fig.1 Terrain distribution of the study area

1.2 研究方法與數據來源

1.2.1 研究方法

1）核密度估計。核密度估計是一種用于估計概率密度函數的非參數方法，通過對各要素點建立平滑的圓形表面，基于要素點到參考位置的距離建立其峰值或核來創建平滑的連續表面[34]。耕地分布具有空間離散、點多面廣特征，難以直觀識別其時空的整體性和連續性，核密度分析以光滑的曲面漸進式傳輸中心強度，體現空間位置的差異性以及中心強度隨距離衰減的特性[35]，能夠有效測度山區耕地分布的空間差異性和連續性。與普通的行政區耕地面積密度不同，本文采用核密度識別耕地變化密度特征。其計算公式如下：

式中f(x,y)為位置(x,y)的耕地密度估計，空間上表現為單位面積上所承載的耕地面積， hm2/km2；n為觀測數量；h為距離衰減閾值（即帶寬）；k為空間權重函數；di為位置(x,y)距第i個觀測位置的距離，km。

2）空間分布均衡性分析。Lorenz曲線既可用于研究單個地理單元的空間分布，也可對多個地理單元的空間分布進行對比分析[36]。采用Lorenz曲線分析耕地空間分布的均衡性，以貴州省縣級行政區數量為橫坐標，以貴州省耕地面積累計百分比為縱坐標，繪制貴州省耕地洛倫茲曲線。Lorenz曲線的彎曲程度代表耕地空間分布的均衡性大小，曲線與絕對平均線的靠近程度和耕地在區域內分布的均勻程度正相關。

3）探索性空間數據分析。探索性空間數據分析通過對事物或現象空間分布格局的描述與可視化[37]，空間自相關分析是數據分析在空間中的表現，反映某個屬性或地理現象在某區域和鄰近區的依賴程度。本文運用莫蘭指數（Moran’sI）分析耕地面積的空間集聚特征，以此判斷變量在空間中是否具有相關性及相關程度的大小。全局空間自相關描述研究區域各地理要素屬性值之間的關聯程度和空間特征，可衡量區域之間整體上的空間關聯與空間差異程度[38]，全局莫蘭指數是廣泛應用的全局自相關統計量，計算式如下：

式中I是莫蘭指數；n是研究區的數目；xi，xj是區域i，j的耕地面積，hm2，ˉx是xi的平均值，hm2；wij是研究區域i，j的對稱空間權重矩陣元素。Moran’sI反映的是研究區域之間屬性值的相似程度，即研究區域之間的空間聚集分布現象明顯與否。若Moran’sI=0，則不存在空間自相關。

局部莫蘭指數可以有效揭示影像分割在鄰域對象間某一屬性的相似性，局部莫蘭指數的數值大小與鄰域對象屬性相似度呈正相關，與對象之間的可分性呈負相關，具體計算式如下：

式中Ii是第i個區域局部莫蘭指數，其他變量的含義與莫蘭指數公式中含義相同。當局部莫蘭指數為正時，表示該區域與周邊地區的空間差異小；當局部莫蘭指數為負時，表示該區域與周邊地區的空間差異大[39]。

4）耕地變化動態度。耕地變化動態度表示耕地資源分布的穩定情況，是反映區域耕地變化劇烈程度的重要指標[40]。利用耕地變化動態度來表達一定時間段內研究區耕地資源數量與分布的變化速度，定量評價耕地的變化速度。耕地動態度（K）表達式為[19]

式中K為研究時段內耕地動態度，%/a；Ua、Ub為期初和期末耕地的數量；T為研究時段長（5 a）。由于本文T的時段設定為年，故K值就是喀斯特山區耕地的年變化率。

5）土地利用轉移矩陣。土地利用狀態轉移矩陣描述一段時間內系統中狀態與狀態的轉移，可以全面又具體地分析出變化的結構特征，反映了各土地利用方式轉化的流向與數量，能夠揭示不同土地利用方式之間面積流動的時空演變特征[41]。其數學模型為

式中Sij為研究期初和期末土地利用狀態，n為土地利用類型數。

6）地理探測器。影響耕地面積變化的因子錯綜復雜，歸納起來有社會經濟和自然因素兩方面，但從耕地資源的豐缺與相對于人類對耕地的需求而言，人類的社會經濟活動對耕地面積變化起決定性作用[42]。地理探測器是探討空間分異并揭示其背后驅動力的一組統計學方法，研究復雜地理因素的驅動作用機理，其原理是基于因變量與對其產生決定性影響的自變量在空間分布上具有顯著一致性的假設[43]，被廣泛用于探測土地利用變化[44]等相關領域。本文利用地理探測器的因子探測法定量評估影響研究區耕地分布及耕地時空演變的因素和影響強度。地理探測器中的因子解釋力用q值度量，表達式為

式中L為變量Y或影響因子X的分層，即分類或分區；Nh為層h的單元數；N為研究區整體的單元數；σh2層h的Y值的方差；σ2是和研究區整體的Y值的方差。SSW和SST分別為層內方差之和與全區總方差。q為影響因素對耕地分布及耕地時空演變的影響程度，值域為[0，1]，值越大，說明影響因素對耕地分布及耕地時空演變的解釋力越強。

1.2.2 數據來源

貴州省2000、2005、2010、2015、2018年5期土地利用數據以及道路數據、氣象數據、降雨數據、行政區劃數據均來源于中國科學院資源環境數據云平臺（http://www.resdc.cn），其中土地利用數據空間分辨率為30 m。社會經濟統計數據來源于《貴州省統計年鑒》（2000—2019）。不透水面數據（GAIA）來源于清華大學地球系統科學系科研資源數據庫（http://data.ess.tsinghua.edu.cn/），空間分辨率為30 m。研究區DEM數據來源于地理空間數據云（http://www.gscloud.cn/），空間分辨率為30 m。

2 耕地時空分布與時空演變格局特征

2.1 時空分布格局特征

2.1.1 耕地面積密度分布特征

利用式（1）求得貴州省2000、2005、2010、2015、2018年耕地密度分別為 27.20、27.28、27.07、26.89、26.52 hm2/km2。總體上看，貴州省耕地面積在空間上呈現出“西北多、東南少”的典型特征（圖2）。從圖2可以發現，貴州省耕地面積密度變化較小，從2000年到2018年的核密度分布格局大體一致。耕地面積密度呈團狀分布，具體特征表現為：耕地總量較高的區域主要位于貴州省西北部畢節市，北部遵義市以及中部安順市，東部黔東南州黃平縣等地帶，而省會貴陽市域及周邊縣（區）、遵義市大婁山區域及赤水市、黔東南州大部、銅仁市梵凈山區域和南部喀斯特地貌發育的冊亨縣、望謨縣、羅甸縣耕地總量較少。

使用自然斷點法對各年度耕地總量進行 9級分類，2000—2018年貴州省耕地總量的時空分布呈現如下特征：①耕地面積總量大體呈現下降趨勢，2000、2005、2010、2015和2018年耕地總量分別為497、498、494、490、484萬hm2，2005年為拐點，2005年后耕地數量遞減；②各年度耕地總量總體穩定，分級變化均發生在零星幾個格網，且級別的變化不大，其余絕大部分格網未發生分級變化（圖3）。這與近20年來貴州省實施的退耕還林還草、防護林生態工程、石漠化綜合治理、水源地涵養林等生態建設以及工業化、城鎮化和產業結構調整導致的耕地減少趨勢相吻合。

2.1.2 空間分布均衡性分析

本文采用Lorenz曲線分析耕地空間分布的均衡性，根據區位熵計算結果，升序排列貴州省各縣（區）的區位熵、各縣（區）耕地面積占總耕地面積的百分比，并計算累計百分比。以貴州省縣級行政區數量為橫坐標，以貴州省耕地面積累計百分比為縱坐標，繪制耕地資源空間分布洛倫茲曲線（圖4）。

通過Lorenz曲線進行判斷，Lorenz曲線距離絕對平均線較遠，說明耕地空間分布的均衡性不強。為了直觀地分析耕地空間分布的空間差異性，采用基尼系數進行定量描述，在洛倫茲曲線的基礎上，按照幾何圖形分塊近似逼近的方法，求得基尼系數為0.326 3，分布較為不平均。結合Lorenz曲線及基尼系數進行判斷，貴州省2000—2018年間的耕地空間分布的均衡性不顯著，耕地的空間分布處于一種各區域分配較有差距的狀態。貴州省境內喀斯特地貌分布廣，部分地區石漠化嚴重，加之山脈眾多、山高谷深，各區域由于自然條件的影響，導致耕地資源的空間分配不均衡。

圖2 2000—2018年貴州省耕地核密度分布Fig.2 Kernel density distribution of cultivated land in Guizhou Province from 2000 to 2018

圖3 2000—2018年貴州省耕地面積空間分布Fig.3 Spatial distribution of cultivated land in Guizhou Province from 2000 to 2018

圖4 貴州省耕地資源空間分布洛倫茲曲線Fig.4 Lorenz curve of matching cultivated and land resources in Guizhou Province

2.1.3 空間分布關聯性分析

使用Geoda空間分布關聯性分析功能，全局自相關分析結果顯示，2018年貴州省耕地面積的Moran’sI為0.528，經顯著性檢驗Z值為42.754 2，P=0.001，呈現空間正相關。說明2018年貴州省耕地面積的空間分布并不是完全隨機的，而是呈現部分空間位置上相鄰的區域單元具有相同的屬性值。局部空間自相關分析結果顯示（圖5），除不顯著區域外，耕地面積的高-高聚類數量最多，其次為低-低聚類，而低-高聚類、高-低聚類極少。高-高聚類主要分布在畢節市、遵義市、安順市、黔西南州、黔東南州、銅仁市的部分區域，如黔西縣、金沙縣、平壩區、織金縣、務川縣、道真縣，這些縣（區）與鄰域自然條件比較相似，耕地面積均較高；低-低聚類分布最主要的區域是位于黔西南布依族苗族自治州，其余的零星分布于遵義市、黔東南市、銅仁市等部分區域。這部分區域大部分屬于典型的喀斯特地貌或其它生態敏感脆弱區，耕地數量少、密度低；低-高聚類、高-低聚類的格網數量極少，基本都零星分布在貴州北面靠近與重慶市、四川省接壤的區域。

2.2 時空演變格局特征

2.2.1 土地利用轉移矩陣

土地利用狀態轉移矩陣描述一段時間內系統中狀態與狀態的轉移，為探明整個研究期的土地利用類型的轉移形式，本文以研究期初（2000年）和期末（2018年）貴州省土地利用空間信息為基礎進行空間疊置，得到近20年來貴州省土地利用轉移矩陣，分析耕地空間變化的規律（表1）。

從表1可以看出，貴州省土地利用結構以林地和耕地為主，分別約占總面積的 53%和 28%，草地、建設用地、水域和未利用地的面積較小，約占總面積的20%。2000—2018年貴州省土地利用結構改變較為明顯。從各類土地利用類型轉換來看，2000—2018年的土地利用面積建設用地變化最為劇烈，其次為耕地，耕地變化以地類轉出為主，面積凈減少12.19萬hm2，主要流向為林地、草地和建設用地。總體而言，2000—2018年貴州省耕地面積變化的主要趨勢是大規模減少，而耕地的流向主要是林地、草地及建設用地，這和近年來大舉實施的“退耕還林還草”以及社會經濟的快速發展密不可分。

圖5 耕地資源LISA聚集圖Fig.5 LISA aggregation map of cultivated land resources

表1 2000—2018年土地利用轉移矩陣Table 1 Transfer matrix of land use evolution during 2000—2018 hm2

2.2.2 耕地變化動態度分析

耕地變化動態度反映區域之間耕地變化的差異情況，以縣域作為分析單元，進行動態度變化的分析。由圖6可知，2000年至2005年為初期，2005年至2010年為中期，由圖6可知，2010年至2015年為后期，2015年至2018年作為末期（下文同）。從空間分布上來說，耕地變化動態度的空間差異性不強，但從不同時期來看，各時期差異性較為明顯。耕地變化動態度從初期的局部變化，過渡到中期變化較為強烈，后期的動態變化最為強烈，表明進入頻繁的變化期，末期的變化動態度稍有回落。

2.2.3 耕地面積變化類型及其幅度分析

將 2000—2018年土地利用數據進行空間疊置，獲取研究區內耕地面積總量及分布，以格網作為統計單元，將增加、減少兩類型進行變化幅度的劃分，由此得到研究區連續4個時間段內的耕地面積變化類型及其幅度（圖7）。

①從空間分布上來看，貴州省耕地增減都較為均衡，沒有明顯的聚類現象；②從時間變化來看，初期耕地增減較多，中期、后期耕地以減少為主，零散分布增加類型格網，末期增加類型格網數量回升，但增加程度不大。結合具體的數據來看，耕地面積的減少量穩定，且在末期達到了較高的值，耕地面積的增加則由高值驟降至低值，并在低值處趨于穩定。從中期開始，耕地面積的減少值大大超過了增加值（圖8）。2005年后，一方面由于退耕還林、城鎮化、長江/珠江流域防護林、石漠化綜合治理、水源地涵養林、城市周邊防護林工程建設等，另一方面由于社會經濟的發展，農村勞動力轉移就業快速增加，耕地的數量逐期遞減，由初期的耕地增加多進入到中、后期的耕地減少多。但在末期，隨著“脫貧攻堅戰”、“鄉村振興戰略”的提出，農村勞動力部分回流，同時期耕地面積正增長的格網數量增加。

圖6 2000—2018年貴州省耕地變化動態度空間格局Fig.6 Spatial pattern of cultivated land dynamic evolution in Guizhou Province from 2000 to 2018

圖7 2000—2018年耕地面積變化類型及其幅度空間分布圖Fig.7 Spatial distribution diagram of variation types and amplitude of cultivated land area from 2000 to 2018

圖8 2000—2018年耕地面積變化Fig.8 Variation of cultivated land area from 2000 to 2018

2.3 耕地分布及其時空演變影響因子探測

地理探測器是通過研究要素之間的空間分層異質性解釋其背后驅動因子的方法[45]，綜合考慮自然因素和社會經濟因素對貴州省耕地空間異質性的影響，以格網為基本單元選取人口（a1）、GDP（a2）、路網密度（a3）、開發強度（a4）、降水（a5）、氣溫（a6）、平均坡度（a7）、地面起伏度（a8）、共計8個驅動因子。經地理探測器計算后，各因子對耕地空間分布及耕地時空演變的貢獻率如表2所示。從表中可以看出，3期數據中貢獻率排序差別不大，2000年、2018年各因子對耕地空間分布貢獻率從大到小依次為a1、a2、a3、a7、a4、a6、a5、a8；2010年順序為a1、a2、a3、a7、a4、a6、a8、a5。

表2 耕地空間分布與時空演變地理探測器變量和指標Table 2 Variables and indicators of spatial distribution and spatio-temporal evolution of cultivated land in Geo Detector

地理探測器分析結果顯示研究區的耕地空間分布和時空演變受多種驅動因子的影響，對不同時期的影響因子進行探測，得出：研究區耕地空間上的差異受自然因素和社會經濟因素共同作用的影響，但社會經濟因素影響力大于自然因素。其中人口（a1）、GDP（a2）對對耕地空間分布起主導作用，人口、社會經濟差異是貴州省耕地空間分異最主要原因；路網密度（a3）、平均坡度（a7）的q統計量超過了0.15，是影響其空間分異的重要因素；開發強度（a4）、氣溫（a6）在0.10～0.15之間，也是影響其空間分異較為重要的因素；降水（a5）、地面起伏度（a8）q值小于0.1，說明這些驅動因子一定程度上影響著貴州省耕地的空間分異，但是影響程度較小。

3 結 論

本文以貴州省2000—2018年耕地為研究對象，借助GIS分析功能、Geoda空間分布關聯性分析功能以及地理探測器等技術方法，探明了喀斯特山區耕地空間分布特征及其時空演變規律，并探測其分布和時空演變的主要驅動因子。主要研究結論如下：

1）貴州省耕地面積在空間上呈現出“西北多、東南少”的典型特征，但整體上耕地資源的空間分配均衡性不顯著；耕地面積密度呈團狀分布，省會貴陽市域、生態脆弱敏感區及喀斯特地貌發育區域耕地總量較少；聚類特點與耕地面積密度特征高度吻合，高-高聚類區域自然條件比較相似，耕地面積均較高；低-低聚類分布區域大部分屬于典型的喀斯特地貌或其他生態敏感脆弱區，耕地數量少、密度低。

2）貴州省耕地面積總量與耕地密度均在 2005出現拐點，2005年后耕地數量、耕地密度均遞減；從各類土地利用類型轉換來看，土地利用結構改變較為明顯，耕地變化以地類轉出為主，主要流向為林地、草地和建設用地；耕地動態變化頻繁，從時間序列上來看，初期為局部變化，變化程度隨時間推移越加強烈，末期的變化稍有回落。從格網尺度進行分析，貴州省耕地增減都較為均衡，增減格網數量初期較多，中期至末期以減量格網數量為主；各期耕地面積的減少量穩定，且在末期達到了較高的值，各期耕地面積的增加量則由高值驟降至低值，并在低值處趨于穩定。

3）2000、2010 、2018年各期數據中對耕地空間分布貢獻率排序極為相似，影響研究區耕地空間分布的主要因子為人口、GDP，次要因子為路網密度、平均坡度，社會經濟因素影響力大于自然因素。

考慮到耕地與農村外出務工人員數據、貧困人口數據等的相互作用及影響，在后續研究中將多維貧困數據、外出務工人員數據及遷徙數據等與本文中的耕地空間分布和時空演變特征相結合，挖掘更多關于喀斯特山區耕地地理空間數據與多維貧困數據的潛在影響機理，可為區域糧食安全、生態建設、鄉村振興、產業結構調整提供有效理論支撐。