基于地理探測器的銅仁市耕地分布特征及驅動因子探究

代仁麗， 鐘九生， 江 麗， 段紀維

(貴州師范大學地理與環境科學學院， 貴陽 550001)

耕地是人類賴以生存的基本資源和條件，是農業生態中的重要組成成分，也是人類活動改造自然景觀的重要體現[1]。耕地也是影響糧食生產的重要因素，隨著經濟的發展和城市的擴展，出現建設用地占用耕地及退耕還林還草等情況，是對中國確保糧食生產的巨大挑戰，同時也是對耕地保護的挑戰。

目前，中國耕地數量正不斷下降[2]，其變化引起眾多學者的關注。王靜怡等[3]用ARIMA模型探究了中國1996—2016年內耕地數量的變化趨勢，通過相關性分析得到第一產值增加值占比、年末總人口數及城鎮人口數是影響耕地數量變化的重要驅動因子；趙育恒等[4]利用地理信息系統(geographic information system, GIS)空間分析、數學指數模型等方法進行研究，得到全局性和區域性政策演進與人類活動定向干預的雙重作用影響著中國省域耕地利用變化；趙銳鋒等[5]通過變化軌跡分析法、景觀指數和偏最小二乘回歸模型來探究黑河中游地區耕地景觀的演變過程及演變的驅動力。不同學者通過不同的空間尺度及方法探究了耕地的變化，同時對影響耕地變化的驅動因子進行了研究[6-12]。曹祺文等[13]以珠三角地區為例研究了基于空間自相關的區域農地變化驅動力；曾祥坤等[14]以深圳市為例研究了基于Logistic曲線的快速城市化地區耕地變化人文驅動力建模；劉殿鋒等[15]分析了空間交互視角下中國城市群耕地變化影響因素；王文旭等[16]應用文獻分析法、分類統計法和比較分析法綜述了耕地數量變化的驅動因子與驅動機理，較全面的探討了在耕地方面的研究。總體來說，在耕地的研究上，不管是研究尺度[14,17-18]，還是影響耕地變化的驅動因子[13,19]都較為廣泛，但市域及小尺度的研究和單類型因子的研究還是相對較少，而對于貴州省區域內耕地的研究更少；在研究方法上，地理探測器是空間分異性分析的有力工具，既可以探測數值型數據，也可以探測定性數據，現已被土地利用、生態、區域經濟及遙感等領域運用[20]。利用地理探測器對耕地變化的驅動力進行探究具有一定的研究潛力。韓海清等[21]運用地理探測器對中亞五國耕地驅動力進行深入研究，結果表明，在自然因素中，影響耕地變化的因素大小為年平均降水量對>年平均氣溫>海拔高度。周潤芳等[22]運用地理探測器探究地形對耕地分布的影響，結果表明各地貌區影響耕地分布的主導因子不同，溝壑密度對耕地的影響作用不可忽略。

銅仁市是中國土壤污染綜合防治先行示范區之一，為探究土壤環境復雜的銅仁市耕地分布特征及驅動力，通過土地利用轉移矩陣，采用景觀指數及地理探測器，選取坡度、地貌、土壤及年均降水量四個自然因子進行探測，探討除去經濟因子、政策因子及其他自然因子的影響外，其對銅仁市耕地的驅動情況，了解在土壤污染相對嚴重的銅仁市，耕地的分布及變化及主要的驅動因子，為銅仁市耕地保護等工作提供一定的參考。

1 研究區概況

銅仁市位于貴州省東北部。地理坐標居于107°45′E～109°39′E，27°07′N～29°05′N。東鄰湖南省懷化市，北與重慶市接壤，西北高，東南低，全境以山地為主，喀斯特發育，山多地少，生態脆弱，大多數地域屬中亞熱帶季風濕潤氣候區，總面積18 003 km2[23]，在總面積中有耕地4 658.89 km2,占土地總面積25.87%，耕地分布通常以村寨為中心向外擴展，如圖1所示。

圖1 研究區示意圖Fig.1 Schematic diagram of the study area

2 研究數據與方法

2.1 數據來源及預處理

采用的氣象數據來源于中國氣象科學數據服務網(http://data.cma.cn/)2010—2018年貴州省31個氣象站逐日降水量實測數據，各站點數據經過一致性檢驗和質量控制，能滿足研究需要。2000年、2010年土地覆蓋數據來源于中國地理信息資源目錄服務系統，2018年土地覆蓋數據來源土地覆蓋數據來源于清華大學地球系統科學系(http://data.ess.tsinghua.edu.cn)，分辨率均為30 m，根據需要將土地覆蓋類型進行統一整理將數據劃分為：耕地、林地、草地、水域、建設用地、未利用地6類。土壤數據來源于中國科學院土壤研究所1∶1 000 000比例的中國土壤圖，地貌數據來源于貴州省地理國情監測云平臺。

2.2 研究方法

2.2.1 景觀指數模型

景觀指數能高度濃縮反映土地利用/覆被變化(land use/cover change，LUCC) 景觀格局信息，反映其結構組成和空間配置某些方面的定量指標[24]。選取斑塊所占景觀面積比例P，確定斑塊邊界密度指數ED、斑塊密度PD及平均斑塊面積MPS這4個景觀指數，從景觀格局動態變化來研究土地利用變化[24-25]，從而探究銅仁市耕地的空間格局演變特征及規律。各指數計算方式如下。

第i種斑塊所占景觀面積比例Pi的計算公式為

(1)

式(1)中：aij為斑塊i、j的面積，hm2；A為所有景觀類型的總面積，hm2。

第i種斑塊邊界密度指數EDi的計算公式為

(2)

式(2)中：Ei為評價范圍內第i種斑塊類型的邊界總長度，km；Ai為景觀i的總面積，km2。

第i種斑塊密度PDi計算公式為

(3)

式(3)中：Ni為景觀i的斑塊數。

第i種斑塊平均斑塊面積MPSi計算公式為

(4)

斑塊所占景觀面積比例P，可以確定區域內優勢景觀元素，斑塊邊界密度指數ED、斑塊密度PD和平均斑塊面積MPS可以反映景觀破碎化程度。

2.2.2 地理探測器

地理探測器是探測空間分異性及揭示其背后驅動力的一組統計學方法[26]。其理論核心是通過空間異質性來探測因變量與自變量之間空間分布格局的一致性，據此度量自變量對因變量的解釋度，其建立的因變量與自變量之間的關系將比經典回歸更加可靠[20]。

(1)空間分異及因子探測：用q值度量某探測因子X對Y的空間分異的解釋[20]，其計算公式為

(5)

(6)

SST=Nσ2

(7)

因子交互作用探測：識別不同因子之間的交互作用，評估兩因子共同作用和獨立作用時對因變量Y的解釋力[20]。首先，分別計算兩種因子X1和X2的q值，其次，計算兩因子交互的q值，對q(X1)、q(X2)與q(X1∩X2)進行比較。

3 結果與分析

3.1 耕地空間分布特征

2000—2018年，銅仁市耕地分布存在較明顯的空間差異性。如圖2所示，銅仁市耕地主要分布在西北部的沿河土家族自治縣和德江縣，西部的思南縣，東北部的松桃苗族自治縣，其次是西南部的石阡縣，中部的印江土家族苗族自治縣；耕地分布較少的主要為東部的碧江區，中部的江口縣，東南部的萬山區和玉屏侗族自治縣。整體上，銅仁耕地空間分布不均勻，呈西多東少，西北多東南少，四周多中間少的空間分布特征。

圖2 銅仁市耕地分布Fig.2 Distribution of cultivated land in Tongren

由表1、圖3可知，2000—2018年，沿河、江口、碧江、萬山和玉屏的耕地先增加后減少，其他區縣耕地均呈減少趨勢；2000—2010年，西北部的沿河土家族自治縣、中部的江口縣、東部的碧江區和東南部的萬山區及玉屏侗族自治縣耕地增加，增加的總面積為2.20×103hm2，大于耕地減少的面積；2010—2018年，所有區縣耕地面積均減少，減少8.80×103hm2，是前10年耕地面積減少的4倍左右。由于城鎮的擴張，企業的增多和旅游業的發展，建設用地占用耕地面積增多，銅仁市耕地總量減少，2000—2018年，銅仁市除萬山區外，其他區縣耕地面積均減少，減少的區縣中，僅江口縣的耕地減少面積小于萬山區耕地增加面積。

表1 銅仁市各區縣耕地面積統計Table 1 Statistic of cultivated land area of Tongren Districts and Counties

圖3 銅仁市耕地面積空間分布Fig.3 Spatial distribution of cultivated land area in Tongren

3.2 耕地轉移特征

耕地變化是農業生產關注的重要問題，為探究銅仁市耕地的轉移特征，基于2000年、2010年、2018年的銅仁市土地利用圖，利用GIS的空間分析，得到2000—2018年銅仁市土地利用轉移矩陣(表2)。

據統計，2000—2010年，銅仁市耕地轉出46.616×103hm2，主要轉為林地，且轉出面積占轉出總面積的73.17%，其次是草地，轉為草地的面積占轉出總面積的22.50%。從轉入來看，林地和草地是耕地轉入的主要來源，轉入面積占轉入總面積的98.92%。2000年—2010年，耕地轉入面積大于轉出面積，總體增加。2010—2018年，耕地轉為林地和草地均減少，轉為建設用地的面積增加，從1.018×103hm2增加至8.705×103hm2，耕地轉出面積僅次于林地。從轉入來看，林地仍是耕地轉入的主要來源，其轉入耕地的面積占轉入總面積的75.00%；2010—2018年，銅仁市耕地轉出大于轉入，總體減少。

表2顯示，2000—2018年銅仁市耕地轉入的主要來源為林地和草地，共轉入47.063×103hm2，但耕地總量減少8.791×103hm2，主要轉為林地、草地和建設用地，轉出面積分別占轉出總面積的61.27%、19.21%和16.49%。2018年來銅仁市建設用地增加，且增加面積最多，為14.825×103hm2，主要轉入來源是耕地。結果表明，2000—2018年銅仁市耕地動態轉移過程明顯，轉入與轉出土地利用類型穩定，轉為建設用地的面積增加，總體變化均衡。

表2 2000—2018年銅仁市土地利用轉移矩陣Table 2 Land use transfer matrix of Tongren City from 2000 to 2018

2000—2018年，銅仁市耕地呈先增加后減少的動態變化。總體來看，耕地增加的只有萬山區，增加面積小于1×103hm2，耕地減少的地區主要是德江縣、碧江區、松桃苗族自治縣及思南縣，且耕地減少面積均大于1×103hm2；各區縣耕地轉出的最主要土地利用類型為林地，其次是草地和建設用地，用S表示面積，其中6個區縣S(耕地轉為草地)>S(耕地轉為建設用地)，4個區縣S(耕地轉為建設用地)>S(耕地轉為草地)，分別是德江縣、碧江區、玉屏侗族自治縣和萬山區，如圖4所示。由圖5可知，銅仁市耕地減少明顯，且呈減少區域主要集中在各區縣城鎮部分，城市擴張，交通建設增加，旅游產品得到全面開發，同時水庫加固，變電站和污水處理廠等建設在一定程度上占用了耕地；在地勢較高的區域耕地也有減少，一方面是地勢較高，村民較難到達進行耕種，另一方面是退耕還林和多產業(如種植茶葉、果樹等)的發展。

數據正負表示耕地轉入轉出情況圖4 2000—2018年銅仁市各縣耕地轉入轉出面積Fig.4 Farmland transferring and transferring area of Tongren Counties from 2000 to 2018

圖5 2000—2018年銅仁市耕地空間變化格局Fig.5 Spatial change pattern of cultivated land in Tongren City from 2000 to 2018

3.3 耕地景觀格局變化

銅仁市不同土地利用類型的動態變化，可以反映耕地的分布情況。運用Fragstats軟件，計算得到各景觀指數，如表3所示。從斑塊所占景觀面積比例P看，林地和耕地占比較大，景觀優勢度相對較大；從斑塊密度PD、斑塊邊界密度ED、平均斑塊面積MPS指數來看，耕地景觀破碎化程度大，景觀格局破碎化特征明顯。

表3 2000—2018年銅仁市土地利用類型景觀指數變化Table 3 Landscape index changes of land use types in Tongren City from 2000 to 2018

從2000—2018年銅仁市景觀指數的變化來看，銅仁市林地和草地景觀優勢度降低，破碎化程度呈小幅增加趨勢；建設用地及水域景觀優勢度持續增長，面積擴張，斑塊破碎化程度減小；耕地變化較為波動，斑塊所占景觀面積比例P先增大后減小，其景觀優勢度呈“增加→減少”變化，表明耕地在減少，斑塊密度PD、斑塊邊界密度ED及平均斑塊面積MPS的動態變化，均表明耕地破碎化程度變高。景觀指數的變化結果顯示，耕地景觀優勢度在減小，其景觀破碎化程度越來越高，耕地面積減少，集中連片分布少，零散分布多，空間分布不均勻，景觀格局破碎化特征明顯。

3.4 耕地驅動因子分析

3.4.1 因子探測分析

自然因素與其他因素均能影響耕地的變化，通過地理探測器的因子探測探究選取的自然因子對耕地的影響大小，結果如表4所示。由表4可知，驅動因子對耕地的影響程度依次是坡度>土壤類型>地貌類型>年均降水量。坡度的q值最大，達0.129 4，是4個因子中影響耕地變化的主要因子，解釋力超過10%，年均降水量q值最小，其解釋力不足1%。從時間尺度上分析驅動因子的變化，2000—2018年，坡度、地貌類型、土壤類型q值呈小幅增加趨勢，年均降水量的q值呈減少趨勢(圖6)。因子探測結果顯示：坡度對耕地變化的解釋力增強，年均降水量的解釋力逐漸減弱，對耕地變化的影響在減小。

圖6 驅動因子q值變化Fig.6 Variation of q value of driver factor

表4 驅動因子的q值Table 4 q values of driving factor

3.4.2 因子交互作用探測分析

交互作用主要用于研究不同影響因素之間的交互影響作用[27]，判斷因子交互作用的方向及方式，是地理探測器相對于其他統計方法的最大優勢[22]。借助地理探測器的因子交互探測，得到表5。結果表明，驅動因子對耕地的影響存在交互作用，且兩因子交互的q值均大于每個單獨因子的q值。

因子交互作用呈互相增強關系，說明因子之間具有協調性，表5顯示坡度∩土壤類型(0.287 8)>坡度∩地貌類型(0.206 6)>地貌類型∩土壤類型(0.177 4)>坡度∩年均降水量0.142 5)>土壤類型∩年均降水量(0.093 9)>地貌類型∩年均降水量(0.063 7)，因子交互作用對耕地的影響具有相互增強效應，各因子與坡度相互作用時，q值較大，解釋力度也增強。總的來說，坡度與土壤類型相互作用時，對耕地變化的解釋力最大。

表5 因子交互作用探測Table 5 Factor interaction detection

據統計，當坡度大于25°時，耕地面積較少，分布少；耕地主要分布在喀斯特石漠化中山谷地，峰林溶原(盆地)、深切低山及峰叢谷地區域；當土壤類型為人為土和淋溶土時，耕地分布較多。年均降水量大于1 372 mm時，耕地面積少；年均降水量在820～986 mm及在1 141～1 372 mm時，耕地面積較大，分布較多。結合因子的交互作用可知，坡度小于25°，相對平坦的地區，土壤類型為高活性強酸土，年均降水量在820～986 mm時，耕地分布多，面積大；當坡度太大或太小，地勢較陡或較平緩，土壤肥力低、有效養分含量低，降水量太多時，耕地分布少，面積小，一方面是不適宜農作物耕種，或者促進了植被增長，導致耕地轉化為草地或林地；另一方面是存在耕地被占用的現象。

4 結論

研究了銅仁市2000—2018年耕地的變化情況，選取4個自然因子進行探測，分析耕地的驅動力。得到如下結論。

(1)2000—2018年銅仁市耕地景觀優勢度減小，景觀破碎化程度越來越大，耕地面積減少，且主要轉為林地、建設用地和草地。建設用地增加最多，且主要來源于耕地的轉入，說明銅仁市退耕還林還草成果有效，其城市也在擴張，城鎮化發展較快，且較大程度上占用了耕地，銅仁市需加強對耕地的保護，同時做好基本農田的劃定和管護。

(2)驅動因子對耕地的影響程度排序為：坡度>土壤類型>地貌類型>年均降水量。在考慮坡度和年均降水量的條件下，增加了地貌類型和土壤類型，進一步探討了不同自然因子對銅仁市耕地變化的驅動情況，且年均降水量對銅仁市耕地變化的作用較小。

(3)驅動因子之間存在交互作用，且作用相互增強。兩因子的交互作用結果說明，每個單獨的驅動因子對耕地分布的作用小于其和其他驅動因子的共同作用。總體來說，耕地分布主要集中在海拔較低、坡度較小，地勢較緩，土壤肥力較好，降水適中的區域。高活性強酸土本不適合農作物的耕種，但銅仁市汞礦和錳礦資源豐富，成為銅仁土壤污染防治的重點，銅仁市土地資源稀缺，農業需發展，以耕地土壤修復為契機，開展土壤污染防治，或許是高活性強酸土區域耕地分布多的原因之一。

銅仁市耕地分布不均勻，驅動因子對其分布的作用存在差異性，驅動因子的作用結果在一定程度上對銅仁市耕地的保護提供了參考，銅仁市在進行生態文明建設及土壤污染防治的過程中，需重點關注其耕地情況，合理利用耕地，使生態環保工作、土壤污染防治工作與耕地保護耕工作相得益彰。