下遼河平原典型區耕地格局變化及其空間要素驅動

王全喜，宋 戈

·土地保障與生態安全·

下遼河平原典型區耕地格局變化及其空間要素驅動

王全喜，宋 戈※

（1. 東北大學文法學院土地資源管理系，沈陽 110169; 2. 遼寧省自然資源廳土地保護與利用重點實驗室，沈陽 110169）

為明確糧食主產區耕地格局動態變化特征及其空間驅動因素。該研究以下遼河平原典型區沈陽市為研究區，運用變化軌跡分析法、重心遷移模型和景觀格局指數，揭示1980—2000年和2000—2018年耕地格局變化特征，并從空間要素角度出發，運用隨機森林算法識別不同區域尺度耕地格局變化空間驅動因素。結果表明：1）1980—2000年耕地格局相對穩定，耕地重心向西南方向遷移；2000—2018年耕地流失嚴重，耕地重心向西北方向遷移，遷移速度加快。2）2 個研究時段內耕地變化均具有轉入轉出雙向特征，1980—2000年耕地轉入與耕地轉出速度緩慢，2000—2018年耕地轉出面積遠高于耕地轉入面積，耕地轉出區域以城區周邊為主。3）不同區域尺度空間驅動因素重要性大小存在差異，空間距離要素、地理空間要素和政策因素對耕地格局變化起主要驅動作用，高程和坡度對耕地格局變化的影響較小。研究證實了隨機森林算法能夠有效量化耕地格局變化空間驅動因素，研究結果可為構建耕地保護長效機制提供借鑒與參考。

土地利用；耕地；空間格局；驅動因素；隨機森林算法；下遼河平原

0 引 言

耕地是國家糧食安全和社會穩定的“壓艙石”“穩定器”，是重要且不可替代的自然資源[1]。耕地保護關系國計民生，中國實行的最嚴格的土地用途管制制度在耕地保護中發揮了重要作用[2]，中國耕地保護已從單獨側重數量到數量和質量并重進入到數量、質量和生態“三位一體”保護與治理相結合的新階段[3]。盡管中國通過一系列的法規、政策手段守住了耕地數量紅線，通過土地復墾、占補平衡和國土整治等方式補充耕地，但城市擴張、退耕還林還草等導致耕地持續減少。當前，耕地空間格局發生了顯著重構[1]，一定程度上影響耕地系統安全[4]，威脅國家糧食安全生產[5]。耕地格局是由耕地或耕地轉換類型數量、形狀、大小和空間分布組成的功能和結構有機體[6-7]，是城鄉發展空間與生態保護空間聯系的關鍵紐帶，是發展與保護矛盾協調的直觀體現。隨著經濟快速發展與人口急劇增加，耕地生產空間與城鄉發展空間矛盾日益加劇，耕地格局變化的驅動歸因一直是耕地可持續利用關注的熱點問題。在“藏糧于地、藏糧于技”戰略背景下，深入認識耕地格局演化過程并揭示其空間要素驅動機制，對協調區域經濟發展與耕地保護的關系具有重要的學術價值和現實意義。

目前，國內外學者針對耕地格局變化及其影響因素開展了大量探索，研究從耕地變化區域特征[8]、空間格局[9]、耕地景觀格局[10-11]、耕地格局變化動態過程[12]等方面揭示了耕地空間格局變化的客觀規律，探討其對糧食生產[13]、耕地適宜性[14]等方面的影響，研究得出耕地格局變化導致耕地生產力和適宜性下降。耕地格局變化受自然因素和人文因素的干擾[15-17]，尤其是氣候、綠洲人工灌排技術發展等因素的影響[18-20]，滴灌系統管網的空間分布決定耕地分布格局，為進一步掌握耕地格局變化的驅動因素提供了重要基礎。耕地是糧食主產區主要的土地利用類型，已有研究揭示了三江平原典型區水田分布格局特征[21]?？傮w上，針對耕地格局變化驅動因素定量化的研究相對較少，尤其是與基于遙感數據的耕地格局變化分析相比，驅動因素分析數據和量化空間表達仍待進一步豐富和完善。例如，研究耕地分布格局變化驅動力至關重要的雨養、灌溉等數據的較難確切、詳細掌握，社會經濟、政策、技術等數據大部分是基于行政單元的統計數據，空間量化表達上有一定局限性[20]，與耕地格局變化分析數據在范圍、空間分辨率等方面較難匹配，一定程度上限制著對耕地格局變化驅動機制的深入理解。近年來，興趣點（Point of Interest，POI）作為聯系土地利用狀況的重要空間關聯數據，描述了地理實體的空間位置和屬性信息，能在一定程度上映出城市的各類活動，體現公共服務業發展水平、工業規模和商業發展，在城市蔓延測度[22]、城市空間要素分布模式識別[23]等方面發揮了重要作用，已成功應用于耕地數量變化影響因素分析中[24]，為開展耕地格局變化的驅動因素量化空間表達研究奠定了基礎。POI數據樣本量大、涵蓋信息豐富，與機器學習算法相結合將更能發揮在空間要素驅動研究中的重要作用[25]。隨機森林算法作為常用的集成學習機器算法，無需考慮傳統回歸分析時的多重共線性問題，可評估耕地數量變化的影響因素重要性[26]，鮮見結合隨機森林算法和POI數據開展糧食主產區耕地格局變化驅動因素的研究。

鑒于此，本研究以東北三省開發強度最大的下遼河平原典型區域沈陽市為研究區，采用變化軌跡分析法、重心遷移模型和景觀格局指數等方法，分析1980—2018年耕地格局變化特征，從空間要素角度出發，引入隨機森林算法識別耕地格局變化驅動因素重要性，旨在對遼河平原耕地保護和管理提供科學依據。

1 研究區概況與數據來源

1.1 研究區概況

沈陽市位于遼寧省中部（圖1），介于122°25′～123°48′E，41°11′～43°02′N，是遼寧省乃至全國重要的商品糧基地之一，同時也是遼中南城市群核心城市。該區域地勢較為平坦，以平原為主，山地丘陵集中在東北、東南部，遼河、渾河、秀水河等途經境內。2019年沈陽市水資源總量為30.49億m3，多年平均水資源總量23.56 億m3。作為老工業城市，是東北地區規模最大的區域一體化經濟區，現轄10個市轄區，1個縣級市，2個縣。2019年沈陽市常住人口832.2萬，其中城鎮人口674.1萬，農村人口158.1 萬，城鎮化率為81%，是下遼河平原國土開發強度最大的區域。該區域耕地資源分布相對集中，但總體分布不均衡，且隨著城鎮化進程的加快，城市土地利用空間結構發生了巨大變化，耕地面積持續減少，在地理位置、耕地總面積、耕地質量和糧食產量等方面都體現出下遼河平原的典型性。本研究將沈陽市全域范圍作為研究區，同時考慮不同空間要素的驅動作用的空間異質性，從市域、城區（10個市轄區）、縣區（1個縣級市，2個縣）三個空間尺度揭示耕地空間格局演化驅動因素。

1.2 數據來源及處理

本研究采用的1980、1990、2000、2010和2018年土地利用柵格數據來自于中國科學院資源環境科學數據中心（http://www.resdc.cn），分辨率均為30 m×30 m。該數據以Landsat TM/ETM遙感影像為主要數據源，通過人工目視解譯生成，包括6個一級類型和25個二級類型，且土地利用一級和二級分類精度均大于90%[27]，可以滿足研究精度要求。高程和坡度數據提取自地理空間數據云（http://www.gscloud.cn/）下載的數字高程模型（DEM），分辨率為30 m×30 m。POI數據來源于高德地圖，按照自身屬性和研究所需歸類為公共管理服務類、交通設施空間類、生活服務空間類等?？臻g距離要素來源于沈陽市第三次國土調查數據，受該數據保密限制，經嚴格處理后最終形成到農村宅基地距離、到農村道路距離等驅動因素的可視化表達，不展示計算結果。永久基本農田保護區數據來自于沈陽市永久基本農田劃定成果。

2 研究方法

2.1 耕地格局變化分析方法

2.1.1 耕地變化軌跡分析法

變化軌跡分析法是分析不同時段內土地利用動態變化的方法，可有效提供連續現象與非連續現象動態變化軌跡代碼[28]，如12（耕地→林地），表達對應地點各個時間點上土地利用類型變化，公式為

式中CT為研究時段內土地利用變化軌跡代碼；為研究時段內時間節點數；P為第個時間節點的土地利用柵格數據。

2.1.2 耕地重心遷移模型

借助重心遷移模型分別獲取不同時期耕地重心遷移方向、距離與速度[21]，其重心空間遷移反映耕地分布格局位移特征，公式為

重心偏移距離的計算公式為

式中D1,t2為1和2年份間重心偏移距離，km；（x1，y1）和（x1，y1）分別為1和2年份的重心坐標；為常數，取111.111。

2.1.3 耕地景觀格局指數

對于非連續的耕地格局變化，景觀格局指數高度濃縮空間格局信息，基于土地利用數據的景觀格局指數分析更是景觀空間格局研究的重要手段[10]。在Fragstats 4.3軟件支持下，從景觀類型水平指數中選取斑塊密度、最大斑塊指數和聚集度指數分析耕地格局變化特征（表1）。

表1 景觀格局指數及計算公式

2.2 耕地格局變化的空間要素驅動模型

2.2.1 空間要素的選取

土地利用格局變化是特定區域內自然環境條件、社會經濟、法律政策、工程技術等要素相互作用、共同約束的結果[29]。耕地格局受自然和社會經濟多種因素交互影響，社會經濟對其起到主要驅動作用[24,30]，尤其二三產業發展的驅動作用顯著[31]。本研究從自然條件、空間距離要素、地理空間要素和政策因素4個方面揭示空間要素對耕地格局變化的作用大小、強度等。

自然因素（坡度、土壤等）作為自然環境本底條件，是影響耕地分布格局的固有因素，考慮研究尺度大小，選取高程和坡度?？臻g距離要素反映出農村發展和基礎設施建設對耕地變化的影響，同時也體現耕地灌溉便利性對耕地變化的影響，選取到農村宅基地距離、到農村道路距離、到公路用地距離、到鐵路用地距離、到河流水面距離和到坑塘水面距離。地理空間要素由POI數據經核密度空間化后獲取，可精細化地表征區域社會經濟活動及功能復合利用狀況的空間分布，反映不同行業用地需求中建設占用耕地分布點位狀況，將該數據按研究需要和自身屬性進行歸并，具體為：公共管理服務類（政府機構及社會團體等）反映行政辦公用地對耕地的影響；交通設施空間類（交通設施服務等）體現交通空間建設對耕地的影響；生活服務空間類（餐飲、購物、住宿服務等）體現日常生活服務需求用地對耕地的影響；商業服務空間類（公司企業、商務住宅等）主要從商業盈利用地驅動角度考慮對耕地影響；娛樂休閑空間類（休閑場所、娛樂場所等）作為城市空間重要類型，一定程度上也影響了耕地動態變化；綠地生態空間類（公園廣場、風景名勝等）從人居環境傾向生態良好角度考慮對耕地影響。政策因素從國家保護耕地的行政手段出發，其對耕地保護產生直接影響，選取永久基本農田區和非永久基本農田區作為影響耕地變化的表征指標。依據數據的可獲取性與科學性，結合沈陽市耕地變化區域差異性，確定的16個空間驅動要素及獲取方法詳見表2。

表2 空間要素驅動因子選取及空間化方法

2.2.2 隨機森林算法

耕地轉換的空間格局具有多分類特征，多元Logistic回歸模型因考慮了耕地轉化過程的空間變異性常被用來揭示耕地變化的影響因素[24]，但該模型僅能處理線性回歸問題。耕地格局動態變化過程極其復雜，與驅動因素之間多為非線性關系[30]。隨機森林算法具有處理非線性問題的能力，且考慮了各特征變量間的相互作用，能夠很好地避免特征變量之間多重共線性的影響，同時可通過計算袋外數據錯誤率來得到驅動因素重要性評分[32]。各類空間距離要素和地理空間要素等空間驅動因素具有連續特征，隨機森林分類模型能夠滿足這種現實需求的表達。因此，本研究運用語言建立基于隨機森林算法的耕地格局變化空間驅動因素模型，以驅動因素的重要性得分判斷某一因素對耕地格局變化過程影響程度，得分越高說明該因素對耕地格局變化的作用越大。

微觀像元是研究耕地格局變化空間驅動機制的基本單元，能夠較為客觀地反映耕地格局與驅動因素的空間對應關系。耕地格局及其空間驅動要素均具有空間依賴性的特點，對模型結果產生干擾[30]。選取具有代表性的樣本點集，能夠提高模型的運行效率，消減空間自相關性對模型估計結果的干擾。采樣點與空間指標遴選基于1980—2018年研究區耕地格局變化圖，隨機布局樣本點，結合耕地變化類型的景觀格局指數（斑塊大小、斑塊密度等），抽樣點兩兩之間距離大于500m較為適宜，可最大程度保數據樣本的統計獨立性。將軌跡代碼11（耕地→耕地）的樣本點標記為0，軌跡代碼為12（耕地→林地）、13（耕地→草地）、14（耕地→水域）、15（耕地→建設用地）和16（耕地→未利用地）分別標記為1、2、3、4和5，作為因變量，將16個空間驅動要素屬性值賦值給樣本點，共692 3個樣本點數，隨機選擇80%空間驅動要素數據為訓練樣本數據集，20%為測試數據。具體處理過程見圖2。

3 結果與分析

3.1 耕地格局變化特征分析

3.1.1 耕地數量變化特征

1980—2018年沈陽市耕地面積總體呈減少趨勢，由1980年的0.936 5萬km2減少到2018年的0.813 1萬km2，年均減少0.003 2萬km2，年均減幅為0.346 8%（圖3a）。其中，1980—2000年沈陽市耕地面積相對穩定，2000—2018年耕地流失較為嚴重。

耕地重心變化具有顯著的階段性特征，不同年份間存在差異（圖3b）。1980—2018年耕地重心先向西南方向遷移，后向西北方向遷移，2000—2018年期間遷移加速。1980年耕地重心（123.14°E，42.10°N）和2018年耕地重心（123.12°E，42.11°N）均位于新民市境內，1980 —2000年耕地重心以0.070 9 km/a移動速度向西南方向遷移1.418 km，該時期基礎設施建設需求小、耕作技術限制，農業經濟發展速度低，城市用地擴展緩慢，以開發耕地資源為主，新增耕地面積整體分布在遼中區和新民市，耕地重心移動較小，移動速度較緩。2000—2018年耕地重心向西北方向遷移2.325 km，年均遷移0.116 2 km，該時期主要受社會經濟快速發展和城市空間擴展占用耕地的影響，特別是沈陽市主城區中部和東南部區域城市建設占用耕地極為明顯，與此同時，沈陽市西北部的新民市、法庫縣和康平縣不斷增加土地整治和高標準農田建設工程等耕地保護項目的實施，一定程度上有效補充了沈陽市耕地面積，改善了農業生產條件，在雙重作用下，耕地重心遷移距離、速度相比1980—2000年較為明顯。

耕地重心變化是耕地資源空間分布格局演變的重要體現，遷移速度過快說明沈陽市耕地資源分布向特定方向高強度的集聚。新民市和遼中區受遼河和渾河的影響，水域分布廣闊，耕地資源豐富，土壤肥沃，水土條件更有利于開展農業活動，2000年以前這些區域多為耕地的開發利用，農業生產不斷占用河灘地、濕地、低山丘陵和林地，耕地資源與宏觀自然地理空間的更適應，耕地利用與農業生產自然條件更匹配。2000年以后耕地格局呈現以主城區為核心的由內向外的圈層式變化，大量耕地被占用。該區域大部分地勢起伏較少，以平原為主，海拔處于41～45 m之間，尤其是耕地質量較高，而且沈陽市西北部土地沙漠化形勢愈加嚴峻，加上東北部低山丘陵水土流失的影響，嚴重制約著農業生產可利用自然資源要素，但該階段耕地重心卻向西北遷移，說明耕地資源與自然地理格局的適應程度有所降低，促進耕地資源與農業生產自然要素空間匹配度，對提升耕地整體適宜性，遏制耕地在空間上的大幅度變動具有重要意義。

3.1.2 耕地空間變化特征

2個研究時間段內耕地轉化均具有轉入轉出雙向特征，耕地轉出與轉入過程的劇烈程度差異較大。1980—2000年耕地轉入與轉出過程都較為劇烈（圖4a），耕地轉入主要發生在遼中區、新民市西部和法庫縣、康平縣西北部等區域，以草地和未利用地轉入類型為主，沿原有耕地邊界小范圍向外擴張。耕地轉出主要發生在研究區西北部的法庫縣、康平縣以及城區和縣城中心等區域。2000—2018年耕地以單向轉化為主，轉出的面積遠高于轉入的面積（圖4b），耕地轉出主要受沈陽市城區“邊緣型”擴張的影響，耕地轉入主要分布于林地和河流等的周邊，該時期社會經濟高速發展，城市和城鎮的不斷擴張，侵占了大量的耕地，加之退耕還林、防護林工程等建設的影響，致使耕地轉出的面積遠高于轉入的面積。

進一步運用景觀格局指數分析2個研究時段耕地變化類型的特征（表3），以便為全面揭示耕地格局變化的空間驅動因素提供指導。結果顯示，與1980—2000年相比，2000—2018年各耕地變化類型的斑塊密度均在增加，表明該時期隨著土地利用的劇烈變化，景觀斑塊的異質性在增加，各耕地變化的景觀地類呈現破碎化的趨勢。較為突出的耕地轉建設用地的斑塊密度由1980—2000年的0.16個/km2增加到2000—2018年的0.71個/km2，說明該時期建設占用大量的耕地，且在空間上并未連片，導致破碎化程度增加。2000—2018年耕地轉建設用地的最大斑塊指數顯著增加，由1980—2000年的0.02%增加到2000—2018年的0.72%，說明耕地轉建設用地增加的斑塊面積相比1980—2000年的較大，且與原有的斑塊出現聚合的趨勢。

表3 1980—2018年耕地變化類型的景觀格局指數

3.2 耕地格局變化的空間要素驅動分析

考慮到前文分析得出的沈陽市耕地格局變化區域差異特征，從市域、市區和其他三個空間尺度出發，揭示1980—2018年耕地空間格局變化的空間要素作用大?。▓D5）。結果表明，各空間要素均在沈陽市耕地格局變化過程中扮演著重要的驅動作用，不同區域尺度空間驅動因素重要性大小存在明顯差異。市域尺度上，到農村宅基地距離（DisResid）、到農村道路距離（DisRoad）、生活服務空間類（PoiLPS）和公共管理服務類（PoiPMS）等驅動因素的重要性較大，分別為58.25%、55.64%、47.15%和37.88%。到河流水面距離（DisRiver）、高程（Elevation）和到坑塘水面距離（DisPond）等驅動因素的重要性較小，分別為24.22%、22.32%和19.53%。城區尺度上，到農村宅基地距離（DisResid）、到農村道路距離（DisRoad）、公共管理服務類（PoiPMS）、娛樂休閑空間類（PoiELS）等驅動因素的重要性較大，分別為53.54%、53.49%、38.41%和36.35%。高程（Elevation）、永久基本農田保護區（NonPBFR）、到河流水面距離（DisRiver）和到坑塘水面距離（DisPond）等驅動因素的重要性較小，分別為18.02%、14.83%、13.46%和11.02%?？h區尺度上，到農村宅基地距離（DisResid）、到農村道路距離（DisRoad）、非永久基本農田保護區（PBFR）、交通設施空間類（PoiTFS）等驅動因素的重要性較大，分別為48.25%、34.87%、29.09%和28.34%。到河流水面距離（DisRiver）、高程（Elevation）和到坑塘水面距離（DisPond）等驅動因素的重要性較小，分別為18.73%、16.09%和13.17%。

自然地理要素對區域耕地利用的光、水、熱等條件可再分配，一定程度上限制人類對土地的開發利用，約束耕地空間配置，高程和坡度較小的區域，耕地格局發生變化的概率越大，隨著高程和坡度的增加，人類活動對土地的干擾程度減弱。沈陽市位于下遼河平原區域，以平原為主，區域內高程和坡度差異較小，西北部和東南部低山丘陵區耕地分布格局受此影響更多，對其他區域耕地格局變化驅動作用較弱，這與研究結果相符合。空間距離在塑造耕地格局中起主導控制作用，其對耕地格局變化的驅動作用十分顯著，距農村宅基地、農村道路較近的區域，農業生產活動相對頻繁，這些區域周邊人類活動的增加直接導致耕地發生變化的概率增大。沈陽市城區空間距離驅動耕地格局變化的作用逐漸增強，這反映出研究期間建設用地的發展逐漸向主城區聚集，如今沈陽市已發展到10個區，而縣區尺度上空間距離雖然也是主要驅動力，但驅動因素重要性相對較小，這體現出空間上越靠近城區的耕地像元，它們發生變化的概率越大。地理空間要素是社會經濟發展的間接體現，研究期內沈陽市城區集聚發展能力加強，城市邊緣區耕地更容易被城市功能用地開發建設侵占，正好解釋了POI地理空間要素的驅動作用較強的原因。政策因素直接限制耕地格局的變化，隨著沈陽市耕地數量持續減少，政府對耕地保護的力度加大，永久基本農田保護制度發揮著重要作用，非永久基本農田區的耕地發生變化的概率遠大于永久基本農田區。

4 結論與討論

本研究以下遼河平原典型區沈陽市為研究區，基于GIS技術和語言編程，采用變化軌跡分析法、重心遷移模型和景觀格局指數，揭示1980—2018年耕地格局變化特征，運用隨機森林分類算法，從空間要素角度探討了不同區域尺度的耕地格局變化空間驅動因素，主要得出以下結論：

1）1980—2018年沈陽市耕地面積總體呈減少趨勢，2000年以前耕地格局相對穩定，2000年以后耕地流失較為嚴重；不同階段遷移速度存在明顯的差異，1980—2000年沈陽市耕地重心向西南方向遷移1.418 km，2000—2018年耕地重心向西北方向遷移2.325 km。

2）1980—2000年和2000—2018年間，沈陽市耕地轉化均具有轉入轉出雙向特征，耕地轉出與轉入規模差異較大。在空間變化上，1980—2000年耕地轉入與轉出過程都較為劇烈，耕地轉入主要發生在遼中區、新民市西部和法庫縣、康平縣西北部等區域，耕地轉出主要發生在沈陽市西北部的法庫縣、康平縣以及城區等區域。2000—2018年耕地轉出面積遠高于耕地轉入面積，耕地轉出主要受沈陽市城市“邊緣型”擴張的影響。在景觀格局方面，與1980—2000年相比，2000—2018年各耕地變化類型的斑塊密度均在增加，研究期內沈陽市各耕地變化景觀地類呈現破碎化。

3）各空間驅動要素對不同區域尺度耕地格局變化作用大小存在差異。市域尺度上，耕地格局變化主要空間驅動因子為：到農村宅基地距離（58.25%）>到農村道路距離（55.64%）>生活服務空間類（47.15%）>公共管理服務類（37.88%）；城區尺度上，耕地格局變化主要空間驅動因子為：到農村宅基地距離（53.54%）>到農村道路距離（53.49%）>公共管理服務類（38.41%）>娛樂休閑空間類（36.35%）；縣區尺度上，耕地格局變化主要空間驅動因子為：到農村宅基地距離（48.25%）>到農村道路距離（34.87%）>非永久基本農田保護區（29.09%）>交通設施空間類（28.34%）。

本研究對沈陽市耕地格局動態變化特征及其空間驅動因素進行了研究。沈陽市處于東北三省國土開發強度最大的下遼河平原，不僅是國家糧食主產區，同時也是國家生態文明建設示范區，為遼寧中部平原生態環境維護重要節點城市，社會經濟發展和城鎮化進程持續推進對該區域耕地空間格局演化影響顯著。面對保障糧食安全、保護生態安全和保持經濟發展穩定等核心目標，在生態、生產和生活三者矛盾下，重點生態保護、農業生產空間和城鎮生活用地之間如何協調是沈陽市需要重點解決的。國土空間規劃背景下，劃定“三線三區”，以規劃形式確定下來，以國土空間用途管制為重要抓手，遏制耕地在空間上大幅變動，提高耕地整體適宜性，讓耕地生產空間布局更合理。同時，差異化實施耕地保護政策，遼河、渾河周圍分布的耕地資源因水資源、土壤等資源本底條件好，應優先保護，實行數量和空間上的剛性保護政策，同時也要強化耕地生態保護。對城市發展必須占用耕地的區域，特別是優質農田，要協調好永久基本農田與城市開發邊界的關系。對沈陽市西北部土地沙化和東南部低山丘陵水土流失嚴重的耕地區域，可實施耕地“休養生息”戰略，通過實施休耕提升現有耕地生態系統建設水平，逐漸有序退出部分有嚴重生態問題的耕地，發揮新形勢下的自然資源生態修復體系作用，促進關鍵生態資源與地理空間的匹配，全面筑牢城市生態安全屏障、構建宜居城鄉環境。

耕地格局變化是自然因素和社會經濟因素綜合交互耦合的體現，引入POI點位數據豐富了耕地格局變化驅動因素識別體系，結合隨機森林算法有效識別出了各空間驅動要素對耕地格局變化的重要性大小，充實了耕地格局變化影響因素研究方法，但由于耕地系統變化的復雜性，相關研究仍有待細化、深入，未來應進一步對耕地格局變化的驅動因素進行系統性和綜合性探索。同時，空間距離要素對耕地格局既有單獨直接影響，又有交互作用影響，且理論上空間要素存在邊際效應臨界值[23]，掌握其存在的規律性和邊界性，對區域耕地保護與建設用地擴張空間協同優化可提供科學依據，尤其對永久基本農田布局優化具有實踐參考價值，這是后續研究需加強和深入的重要方向。

[1] 張秋夢，楊方社，李飛. 改革開放以來中國糧食生產空間重構[J]. 自然資源學報，2021，36(6)：1426-1438.

Zhong Qiumeng, Yang Fangshe, Lifei. The grain production space reconstruction in China since the reform and opening up[J]. Journal of Natural Resources, 2021, 36(6): 1426-1438. (in Chinese with English abstract)

[2] Lai Z Z, Chen M Q, Liu T J. Changes in and prospects for cultivated land use since the reform and opening up in China[J]. Land Use Policy, 2020, 97: 104781.

[3] 吳宇哲，許智釔. 休養生息制度背景下的耕地保護轉型研究[J]. 資源科學，2019，41(1)：9-22.

Wu Yuzhe, Xu Zhiyi. Study on the transformation of cropland protection under the background of rehabilitation system[J]. Resources Science, 2019, 41(1): 9-22. (in Chinese with English abstract)

[4] 宋戈，陳藜藜，鄒朝暉. 黑龍江省耕地系統安全預警及其驅動因素空間分異[J]. 農業工程學報，2018，34(3)：1-9.

Song Ge, Chen Lili, Zou Chaohui. Spatial heterogeneity of early-warning status of cultivated land system security and its driving factors in Heilongjiang Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 1-9. (in Chinese with English abstract)

[5] 王佳月，辛良杰. 基于GlobeLand30數據的中國耕地與糧食生產的時空變化分析[J]. 農業工程學報，2017，33(22)：1-8.

Wang Jiayue, Xin Liangjie. Spatial-temporal variations of cultivated land and grain production in China based on GlobeLand30[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(22): 1-8. (in Chinese with English abstract)

[6] Chen D, Yu Q Y, Hu Q, et al. Cultivated land change in the Belt and Road Initiative region[J]. Journal of Geographical Sciences, 2018, 28(11): 1580-1594.

[7] Chen L L, Zhao H S, Song G, et al. Optimization of cultivated land pattern for achieving cultivated land system security: A case study in Heilongjiang Province, China[J]. Land Use Policy, 2021, 108: 105589.

[8] 袁承程，張定祥，劉黎明，等. 近10年中國耕地變化的區域特征及演變態勢研究[J]. 農業工程學報，2021，37(1)：267-278.

Yuan Chengcheng, Zhang Dingxiang, Liu Liming, et al. Regional characteristics and spatial-temporal distribution of cultivated land change in China during 2009-2018[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(1): 267-278. (in Chinese with English abstract)

[9] 曲勝秋，劉艷芳，銀超慧，等. 1990-2015年福建省耕地變化的空間格局分析[J]. 中國生態農業學報（中英文），2020，28(4)：587-598.

Qu Shengqiu, Liu Yanfang, Yin Chaohui, et al. Spatial pattern of cultivated land change in Fujian Province from 1990 to 2015[J]. Chinese Journal of Eco-Agriculture, 2020, 28(4): 587-598. (in Chinese with English abstract)

[10] 李均力，姜亮亮，包安明，等. 1962—2010年瑪納斯流域耕地景觀的時空變化分析[J]. 農業工程學報，2015，31(4)：277-285.

Li Junli, Jiang Liangliang, Bao Anming, et al. Spatio-temporal change analysis of cultivated land in Manas drainage basin during 1962-2010[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(4): 277-285. (in Chinese with English abstract)

[11] Liang X Y, Li Y B, Ran C H, et al. Study on the transformed farmland landscape in rural areas of southwest China: A case study of Chongqing[J]. Journal of Rural Studies, 2020, 76: 272-28.

[12] 陳學淵，唐華俊，吳永常，等. 耕地格局時空動態變化過程和差異分析：以浙江安吉為例[J]. 中國農業科學，2015，48(21)：4302-4313.

Chen Xueyuan, Tang Huajun, Wu Yongchang, et al. Analysis on process and difference of cropland dynamics in Anji County of Zhejiang Province[J]. Scientia Agricultura Sinica, 2015, 48(21): 4302-4313. (in Chinese with English abstract)

[13] 徐珊，宋戈，李丹，等. 東北糧食主產區耕地資源時空變化及其對糧食生產能力的影響[J]. 農業工程學報，2012，28(21)：1-9.

Xu Shan, Song Ge, Li Dan, et al. Spatial-temporal variation of cultivated land and its effects on grain production capacity of northeast grain main production area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(21): 1-9. (in Chinese with English abstract)

[14] 黃海潮，溫良友，孔祥斌，等. 中國耕地空間格局演化對耕地適宜性的影響及政策啟示[J]. 中國土地科學，2021，35(2)：61-70.

Huang Haichao, Wen Liangyou, Kong Xiangbin, et al. The Impact of Spatial Pattern Evolution of Cultivated Land on Cultivated Land Suitability in China and Its Policy Implication[J]. China Land Sciences, 2021, 35(2): 61-70. (in Chinese with English abstract)

[15] Zhang Y X, Wang Y K, Fu B, et al. Changes in cultivated land patterns and driving forces in the Three Gorges Reservoir area, China, from 1992 to 2015[J]. Journal of Mountain Science, 2020, 17(1): 203-215.

[16] Uisso A M, Tanrvermi H. Driving factors and assessment of changes in the use of arable land in Tanzania[J]. Land Use Policy, 2021, 104(2): 105359.

[17] Newman M E, McLaren K P, Wilson B S. Long-term socio-economic and spatial pattern drivers of land cover change in a Caribbean tropical moist forest, the Cockpit Country, Jamaica[J]. Agriculture, Ecosystems & Environment, 2014, 186: 185-200.

[18] Rutten M, Van Dijk M, Van Rooij W, et al. Land use dynamics, climate change, and food security in Vietnam: A globalto-local modeling approach[J]. World Development, 2014, 59: 29-46.

[19] 石曉麗，史文嬌. 氣候變化和人類活動對耕地格局變化的貢獻歸因綜述[J]. 地理學報，2015，70(9)：1463-1476.

Shi Xiaoli, Shi Wenjiao. Identifying contributions of climate change and human activities to spatial-temporal cropland changes: A review[J]. Acta Geographica Sinica, 2015, 70(9): 1463-1476. (in Chinese with English abstract)

[20] 李建軍，羅格平，丁建麗，等. 近50 a人工灌排技術進步對瑪納斯河流域耕地格局變化的影響[J]. 自然資源學報，2016，31(4)：570-582.

Li Jianjun, Luo Geping, Ding Jianli, et al. Effect of progress in artificial irrigation and drainage technology on the change of cultivated land pattern in the past 50 years in Manasi River Watershed[J]. Journal of Natural Resources, 2016, 31(4): 570-582. (in Chinese with English abstract)

[21] 宋戈，楊雪昕，高佳. 三江平原典型地區水田分布格局變化特征[J]. 中國土地科學，2017，31(8)：61-68.

Song Ge, Yang Xuexin, Gao Jia. Study on the distribution patterns and characteristics of paddy cropland in the typical area of Sanjiang Plain[J]. China Land Sciences, 2017, 31(8): 61-68. (in Chinese with English abstract)

[22] 張景奇，陳小冬，修春亮. 基于POI數據的城市蔓延測度研究：以沈陽市為例[J]. 中國土地科學，2019，33(4)：93-102.

Zhang Jingqi, Chen Xiaodong, Xiu Chunliang. Study on the measurement of urban sprawl based on the POI data: A case of Shenyang City, China[J]. China Land Sciences, 2019, 33(4): 93-102. (in Chinese with English abstract)

[23] 焦利民，李澤慧，許剛，等. 武漢市城市空間集聚要素的分布特征與模式[J]. 地理學報，2017，72(8)：1432-1443.

Jiao Limin, Li Zehui, Xu Gang, et al. The characteristics and patterns of spatially aggregated elements in urban areas of Wuhan[J]. Acta Geographica Sinica, 2017, 72(8): 1432-1443. (in Chinese with English abstract)

[24] 劉彥文，周霞，何宗宜，等. 基于Logistic回歸的耕地數量演變及其空間要素邊際效應分析[J]. 農業工程學報，2020，36(11)：267-276.

Liu Yanwen, Zhou Xia, He Zongyi, et al. Quantitative evolution and marginal effect analysis of spatial factors of cultivated land based on Logistic regression[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(11): 267-276. (in Chinese with English abstract)

[25] 張景奇，史文寶，修春亮. POI數據在中國城市研究中的應用[J]. 地理科學，2021，41(1)：140-148.

Zhang Jingqi, Shi Wenbao, Xiu Chunliang. Urban research using points of interest data in China[J]. Scientia Geographica Sinica, 2021, 41(1): 140-148. (in Chinese with English abstract)

[26] 王全喜，孫鵬舉，劉學錄，等. 基于隨機森林算法的耕地面積預測及影響因素重要性分析：以甘肅省慶陽市為例[J]. 水土保持通報，2018，38(5)：341-346.

Wang Quanxi, Sun Pengju, Liu Xuelu, et al. Prediction of cultivated land area and importance of influencing factors based on random forest algorithm[J]. Bulletin of Soiland Water Conservation, 2018, 38(5): 341-346. (in Chinese with English abstract)

[27] 劉紀遠，匡文慧，張增祥，等. 20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J]. 地理學報，2014，69(1)：3-13.

Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiaotemporal characteristics, patterns and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014, 24(2): 195-210. (in Chinese with English abstract)

[28] 劉金雅，汪東川，孫然好，等. 基于變化軌跡分析方法的生態用地流失空間關聯研究[J]. 地理研究，2020，39(1)：103-114.

Liu Jinya, Wang Dongchuan, Sun Ranhao, et al. Study on spatial relevance of ecological-land loss based on change trajectory analysis method[J]. Geographical Research, 2020, 39(1): 103-114. (in Chinese with English abstract)

[29] 王盼盼，宋戈. 1979—2015年松嫩高平原土地利用格局變化及影響因子分析[J]. 農業工程學報，2018，34(2)：256-264.

Wang Panpan, Song Ge. Land use pattern change and influential factors analysis of Songnen Plain in 1979—2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(2): 256-264. (in Chinese with English abstract)

[30] 吳莉，侯西勇，徐新良. 環渤海沿海區域耕地格局及影響因子分析[J]. 農業工程學報，2014，30(9)：1-10.

Wu Li, Hou Xiyong, Xu Xinliang. Analysis of spatial pattern of farmland and its impacting factors in coastal zone of Circum Bohai[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(9): 1-10. (in Chinese with English abstract)

[31] 嚴思齊，吳群. 二三產業發展對耕地資源數量的影響及其地域差異：基于中國省級面板數據的考察[J]. 資源科學，2011，33(10)：1948-1954.

Yan Siqi, Wu Qun. Impacts of development of secondary and tertiary industries on the quantity of cultivated land and its spatial variation: A study based on China’s provincial level panel data[J]. Journal of Natural Resources, 2011, 33(10): 1948-1954. (in Chinese with English abstract)

[32] 宋世雄，張金茜，劉志鋒，等. 旱區城市擴展過程區位因素研究：以中國呼包鄂榆城市群為例[J]. 自然資源學報，2021，36(4)：1021-1035.

Song Shixiong, Zhang Jinxi, Liu Zhifeng, et al. Study on the location factors of urban expansion in the drylands: A case study in the Hohhot-Baotou-Ordos-Yulin Urban Agglomeration, China[J]. Journal of Natural Resources, 2021, 36(4): 1021-1035. (in Chinese with English abstract)

Changes of cultivated land pattern and its spatial driving factors in the typical regions of Lower Liaohe Plain

Wang Quanxi, Song Ge※

(1.,,,110169,;2.,,110169,)

Cultivated land has always been one of the most important fundamentals to maintain food security. This study aims to clarify the dynamic change of the cultivated land pattern and the spatial driving factors in the main grain producing areas in China. The study area was also taken as the Shenyang city, a typical area in the Lower Liaohe Plain. The GIS technology and R programming were utilized to collect the data sources from 1980 to 2000 and 2000 to 2018, such as land use, point of interest (POI), and the delimitation of permanent basic farmland. The cultivated land pattern was then obtained using the change trajectory analysis, the center of gravity migration, and the landscape pattern index. The representative driving factors of cultivated land pattern were extracted from the natural conditions, spatial distance, geographic space, and policy elements. A random forest was used to identify the degree of significance of the spatial driving factors during the variation in the cultivated land pattern at the spatial scale of city, urban and county areas. The results showed that: 1) The pattern of cultivated land was relatively stable from 1980 to 2000, where the center of gravity of cultivated land moved to the southwest by 1.418 0 km. There was a serious loss of cultivated land from 2000 to 2018, where the center of gravity of cultivated land moved 2.32 0 km to the northwest, indicating an accelerated migration speed. 2) The changes of cultivated land from 1980 to 2000 and from 2000 to 2018 both presented the characteristics of transfer-in and transfer-out, indicating a quite different sharpness. Specifically, there was a slow transfer of cultivated land into and out of cultivated land from 1980 to 2000. The transfer-out area of cultivated land was much higher than that of transfer-in from 2000 to 2018, where the transfer-out area of cultivated land was mainly distributed around the urban area. 3) There were some differences in the significance of spatial driving factors at different regional scales. On the whole, the spatial distance, geospatial and policy factors greatly contributed to the change of cultivated land pattern, especially the distance from rural homesteads, the distance from rural roads, and the space of transportation facilities. The natural conditions (elevation, slope) determined the distribution pattern of cultivated land,but indicatied a relatively little influence on the change of cultivated land pattern. Consequently, the random forest can be expected to effectively quantify the spatial driving factors of cultivated land pattern. The finding can provide a strong reference to construct a long-term plan for the protection and sustainable development of cultivated land resources.

land use; cultivated land; spatial pattern; driving factors; random forest algorithm; Lower Liaohe Plain

2021-08-12

2021-09-21

國家自然科學基金項目（41971247，41571165，41071346）；國家社科基金重大項目（19ZDA096）；遼寧省自然資源科技創新項目（19LNZRZY28）

王全喜，博士生，主要研究方向為土地利用與管理。Email：2480115068@qq.com

宋戈，教授，博士生導師，主要研究方向為土地利用與管理。Email：songgelaoshi@163.com

10.11975/j.issn.1002-6819.2021.24.031

F301.21

A

1002-6819(2021)-24-0275-09

王全喜，宋戈. 下遼河平原典型區耕地格局變化及其空間要素驅動[J]. 農業工程學報，2021，37(24)：275-283. doi：10.11975/j.issn.1002-6819.2021.24.031 http://www.tcsae.org

Wang Quanxi, Song Ge. Changes of cultivated land pattern and its spatial driving factors in the typical regions of Lower Liaohe Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(24): 275-283. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.24.031 http://www.tcsae.org