喀斯特山區(qū)耕地時空演變特征及驅(qū)動力分析：以畢節(jié)市為例

田 康， 蒙友波， 陳 洋*， 張 慧， 廖艷梅， 鐘九生

(1．貴州省自然資源勘測規(guī)劃研究院， 貴州 貴陽 550001； 2.貴州師范大學 喀斯特研究院， 貴州 貴陽 550001； 3.國家喀斯特石漠化防治工程技術(shù)研究中心， 貴州 貴陽 550001)

0 引言

【研究意義】耕地作為人類生存發(fā)展的重要基礎條件，是寶貴的自然資源，承載著糧食安全重任，關(guān)系著國家安全和社會穩(wěn)定[1-2]。近年來，隨著城市化進程的不斷加快，大量農(nóng)村人口涌入城市，農(nóng)村耕種人口減少，大量耕地撂荒，同時大量耕地轉(zhuǎn)變?yōu)榉寝r(nóng)用地，耕地非糧化問題日益突出[3]。除此之外，耕地質(zhì)量下降，耕地面積減小，破碎化程度加劇[4]。尤其是喀斯特地區(qū)，由于其地表破碎，石漠化問題突出，不合理的人類活動，使得人地關(guān)系矛盾突出，耕地數(shù)量和質(zhì)量難以得到保障，發(fā)展受到制約。探究喀斯特地區(qū)耕地的時空演變特征及驅(qū)動因素，對區(qū)域耕地資源的保護、農(nóng)業(yè)發(fā)展質(zhì)量的提升以及糧食安全均具有重要意義。【前人研究進展】目前，國內(nèi)外關(guān)于耕地研究內(nèi)容集中在耕地質(zhì)量與評價體系構(gòu)建[5-7]、耕地時空演變與驅(qū)動因素探究[8-12]、耕地保護和管理方法[13-16]、功能評價與演變[17-18]、坡耕地時空動態(tài)變化[19-20]、糧食安全[21]等方面。其中，耕地的變化及驅(qū)動力分析一直是諸多學者的研究重點，主要方向為基于特定方法、模型或政策對驅(qū)動因子的模擬分析[22]，或在時間尺度進行耕地的變化及驅(qū)動因素對比分析或基于國家、經(jīng)濟圈、流域、省域、市域和縣域等不同空間尺度的探究[23-28]。如羅曉虹等[29]利用景觀分析軟件，從時間尺度上探究1990—2015年間三峽庫區(qū)重慶段水田的時空分布及演變特征，認為在未來的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和高標準農(nóng)田建設中，應穩(wěn)定水田的數(shù)量和質(zhì)量；蒲紅梅等[30]從省域尺度上探明貴州省冬季耕地利用的空間分布特征，分析冬季耕地利用率、利用方式及其影響因素，認為應根據(jù)實際情況合理推進土地利用方式，提高農(nóng)民收入；舒瑞等[31]則采用空間自相關(guān)、二元Logistic和核密度分析等方法探討了寧夏沿黃生態(tài)經(jīng)濟帶耕地的時空演變及驅(qū)動力，認為該區(qū)域的耕地保護基本實現(xiàn)動態(tài)平衡，耕地變化受經(jīng)濟、人口等社會經(jīng)濟因子綜合作用。【研究切入點】綜上研究對耕地從不同的時空尺度和地域尺度進行了探究，但研究多集中于我國地勢較為平坦的中部、東部以及北部地區(qū)，對于地形復雜，具有獨特的地表地下二元結(jié)構(gòu)的喀斯特地區(qū)研究較少，且對喀斯特地區(qū)耕地自然和社會經(jīng)濟雙重驅(qū)動因素的探索分析較為缺乏。貴州省作為典型的喀斯特山區(qū)，土地資源缺乏，耕地破碎且耕地質(zhì)量低，嚴重制約了當?shù)厣鐣?jīng)濟發(fā)展。為此，2022年1月國務院印發(fā)“關(guān)于支持貴州在新時代西部大開發(fā)上闖新路的意見”〔國發(fā)(20222)號〕中也明確指出，要嚴格落實全省耕地保護任務與責任，強化耕地數(shù)量保護和質(zhì)量提升，調(diào)整優(yōu)化耕地布局。因此，開展貴州典型喀斯特山區(qū)的耕地時空分布及驅(qū)動因素分析十分必要。【擬解決的關(guān)鍵問題】基于2009年和2018年貴州省畢節(jié)市耕地數(shù)據(jù)，運用GIS空間分析功能，探明耕地時空分布和演變規(guī)律以及其驅(qū)動因素，以期為喀斯特山區(qū)耕地保護、耕地資源可持續(xù)利用、優(yōu)化布局與區(qū)域發(fā)展戰(zhàn)略制定提供科學依據(jù)，助推鄉(xiāng)村振興更好更快發(fā)展。

1 數(shù)據(jù)來源與方法

1.1 研究區(qū)概況

畢節(jié)市位于貴州省西北部，烏蒙山腹地，地處川、滇、黔三省結(jié)合部，東靠貴陽市、遵義市，南連安順市、六盤水市，西鄰云南省昭通市、曲靖市，北接四川省瀘州市，總面積2.69萬km2。畢節(jié)市是烏江、北盤江、赤水河發(fā)源地，長江和珠江的生態(tài)屏障，擁有10 km以上長度河流共計193條，水資源豐富。季風氣候比較明顯，降雨量較為充沛，立體氣候突出。境內(nèi)地形地貌復雜多樣，地勢西高東低，交通不便，經(jīng)濟發(fā)展較為落后，是全國唯一以“開發(fā)扶貧、生態(tài)建設”為主題的試驗區(qū)。

1.2 數(shù)據(jù)來源與處理

研究區(qū)土地利用數(shù)據(jù)以2009年和2018年的Landsat TM影像為數(shù)據(jù)源，運用ENVI5.3進行預處理，采用監(jiān)督分類與人機交互解譯的方法進行解譯，借助Google Earth對解譯后的圖斑進行檢查修正，最終得到2009年和2018年的土地利用數(shù)據(jù)。DEM數(shù)據(jù)是由地理空間數(shù)據(jù)云平臺下載(https://www.gscloud.cn/search)，空間分辨率30 m，高程、坡度數(shù)據(jù)均由DEM數(shù)據(jù)計算所得，土壤侵蝕和地貌數(shù)據(jù)來自中國科學院資源環(huán)境數(shù)據(jù)云平臺(http://www.resdc.cn)。人口和GDP數(shù)據(jù)來自各縣的統(tǒng)計年鑒。降水和氣溫數(shù)據(jù)來自國家氣象信息中心(http://data.cma.cn/)。

1.3 研究方法

1.3.1 格網(wǎng)分析法 為充分探討該地區(qū)耕地分布特征，同時減小因行政邊界和縣域面積不同影響分析帶結(jié)果，利用ArcGIS中的漁網(wǎng)功能，將研究區(qū)分為5 km×5 km的網(wǎng)格，共計1 219個，其中完整網(wǎng)格有927個，不規(guī)則網(wǎng)格292個。將耕地與格網(wǎng)數(shù)據(jù)進行疊加分析，統(tǒng)計每個格網(wǎng)中的耕地面積，并以此作為空間自相關(guān)分析的數(shù)據(jù)源，使結(jié)果更加具有對比性。

1.3.2 核密度分析 核密度分析是通過樣本數(shù)據(jù)計算和估計數(shù)據(jù)聚集情況，并通過既定的距離衰減函數(shù)度量研究要素密度的變化情況，以此探索空間區(qū)域中的熱點分布和變化特征[32-33]，實現(xiàn)耕地分布整體性和連續(xù)性的空間表達。核密度計算公式：

(1)

式中，f(x)為耕地地塊分布核密度估計值(即單位面積上的耕地面積)，k(x)稱為核函數(shù)，h為帶寬，x-xi表示估計點到樣本點x處的距離。

1.3.3空間自相關(guān)分析 空間自相關(guān)性是反映一個區(qū)域單元上某種地理現(xiàn)象，或某一屬性值與鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾迪嚓P(guān)性大小的重要指標，是空間域中值聚集程度的一種度量。常用的空間自相關(guān)性檢驗方法是用莫蘭指數(shù)(Moran’s I)量化這種聚集屬性，有全局空間自相關(guān)和局部空間自相關(guān)之分。全局Moran’s I的計算公式[34-35]：

(2)

式中，n為研究區(qū)空間觀測對象的數(shù)量；xi和xj別為空間位置上第i和第j個觀測對象的值(x所有對象的平均觀測值)；wij為空間權(quán)重矩陣，表示空間位置上第i個和第j個觀測對象的鄰接關(guān)系。當對象i和j相鄰時，wij=1；當對象i和j不相鄰時，wij=0。

Moran’s I指數(shù)的取值范圍[-1，1]。若I>0則表示空間正相關(guān)，說明研究對象在空間上有聚集性；當I<0時表示空間負相關(guān)，說明研究對象在空間上離散；若I=1，則表示計算結(jié)果未通過顯著性檢驗，研究對象隨機分布。

局部空間自相關(guān)(LISA, local indicators of spatial association)關(guān)注的是特定單元與相鄰單元之間的空間關(guān)聯(lián)性。局部Moran's I的計算公式：

(3)

式中，各變量的意義與式(2)相同。

1.3.4 耕地變化動態(tài)度 耕地變化動態(tài)度大小可以反映耕地變化的劇烈程度，計算公式[20]：

(4)

式中，K為耕地動態(tài)度，Ua為期初耕地面積，Ub為期末耕地面積，T為研究時段長度。

1.3.5 地理探測 綜合考慮自然因子和社會因子對耕地的響應特征，運用地理探測器分別選取地貌(a1)、土壤侵蝕(a2)、高程(a3)、坡度(a4)、GDP(a5)、人口(a6)、降水(a7)和氣溫(a8)8個指標探測耕地時空分布特征的驅(qū)動因子。

2 結(jié)果與分析

2.1 耕地分布格局特征

2.1.1 時空動態(tài)度 畢節(jié)市各縣域耕地面積及變化動態(tài)度見表1。從耕地類型看，在畢節(jié)市8個縣區(qū)中，旱地在耕地中占據(jù)主導地位，這與喀斯特地區(qū)特殊的地形地貌密切相關(guān)，該地區(qū)地形復雜破碎，加之喀斯特地區(qū)特殊的地表地下二元結(jié)構(gòu)，造成地表保水能力差，不利于水田的開墾建設。從其變化面積看，全市耕地面積處于減少狀態(tài)，其中水田的變化最為明顯，約減少1/2。從水田和旱地的分布縣域看，旱地在威寧縣的分布面積最廣，七星關(guān)區(qū)和大方縣次之，赫章縣、織金縣和納雍縣分布適中，金沙縣的分布最少；而水田的分布則與旱地的分布情況相反，其主要分布于金沙縣、織金縣和黔西縣，大方縣和納雍縣次之，赫章縣相對較少，威寧縣分布最少，僅3.67 km2，為金沙縣水田面積的1.89%。水田和旱地在一定程度上與各縣域國土面積的大小、地形和海拔有關(guān)。從耕地的變化情況看，9年間耕地的綜合變化動態(tài)度為-2.40%，整體上呈現(xiàn)減少的態(tài)勢。其中，水田的變化最為明顯，其變化動態(tài)度為-6.21%，是旱地變化的3倍左右。從各縣域看，水田在威寧縣和納雍縣的變化最大，其變化動態(tài)度分別為-10.60%和-10.20%，在黔西縣的變化動態(tài)度最小，為-2.52%，最大約是最小變化動態(tài)度的5倍；旱地變化在金沙縣和七星關(guān)區(qū)最明顯，在威寧縣變化最小，其變化動態(tài)度分別為-3.74%、-3.45%和-1.31%，其變化相差約3倍。

表1 畢節(jié)市各縣域耕地面積及變化動態(tài)度

如圖1所示，從單個網(wǎng)格的耕地面積占比看，在2009年時，各格網(wǎng)單元內(nèi)耕地面積占46.20%，相當于100 hm2面積內(nèi)有46.20 hm2耕地。其中，最大面積占86.95%，位于大方縣；最小面積占1.25%，位于威寧縣；除此之外，存在6個空網(wǎng)格，表明其中不存在耕地，存在與市的邊界處。在空間分布上呈現(xiàn)“高低高低高”分布，分布較低的多位于各縣交界處和地形復雜區(qū)，如威寧縣的西南部、赫章縣的東南部以及大方縣和金沙縣的交界處。在2018年時其分布特征與2009年時存在明顯差異。其整體面積占比均呈下降態(tài)勢，呈“高低高低”趨勢分布。各網(wǎng)格單元耕地面積占36.09%。最大值為73.81%，位于納雍縣；最小值僅0.83%，位于七星關(guān)區(qū)；此外有8個網(wǎng)格為空值，存在與市的邊界處。

圖1 畢節(jié)市耕地占格網(wǎng)面積的比例

如圖2所示，從耕地面積占比變化量看，全域的耕地面積占比大體表現(xiàn)為下降態(tài)勢，最低下降62.81%，位于七星關(guān)區(qū)。部分網(wǎng)格單元呈上升態(tài)勢，畢節(jié)市西部的赫章縣和威寧縣分布較集中，納雍縣、大方縣、織金縣和黔西縣零星分布。從耕地綜合動態(tài)度看，其與耕地的面積占比變化量空間分布大體相似，多表現(xiàn)為下降態(tài)勢，畢節(jié)市的東部下降較明顯，在畢節(jié)市西部存在部分上升，即存在部分單元格的耕地面積增加。

圖2 畢節(jié)市耕地面積占比變化及綜合變化動態(tài)度

綜上來看，畢節(jié)市的耕地以旱地為主，主要分布于畢節(jié)市西部，由西到東大體呈下降態(tài)勢，而水田則主要分布于畢節(jié)的東部，其分布區(qū)態(tài)勢與旱地相反，由西到東呈增加態(tài)勢，這可能受到海拔和地形的影響。縣域單元內(nèi)耕地的變化動態(tài)度均為下降態(tài)勢，其中水田的變化最為明顯，是旱地變化動態(tài)度的近3倍。在網(wǎng)格單元內(nèi)，其綜合變化動態(tài)勢也呈下降趨勢，其下降區(qū)多集中于畢節(jié)市的東部，而上升區(qū)多位與畢節(jié)市的西部，即威寧縣和赫章縣一帶。

2.1.2 核密度 2009年和2018年畢節(jié)市耕地核密度如圖3所示。畢節(jié)市耕地聚集性具有顯著的差異性，在2009年時，畢節(jié)市耕地核密度為0.76～62.26個/km2，擁有3個極高密度區(qū)和8個高密度區(qū)；中高密度區(qū)、高密度區(qū)和極高密度區(qū)主要位于畢節(jié)市東部及東南部的金沙縣、黔西縣和織金縣，其中黔西縣分布最為密集，表明該地區(qū)耕地斑塊較為破碎且集中；而低密度區(qū)、中低密度區(qū)和中密度區(qū)主要分布在畢節(jié)市的西部和中部，尤其是赫章縣和納雍縣，表明這些地區(qū)耕地較為分散或斑塊較為完整。在2018年時，其耕地核密度為2.42～62.70個/km2，數(shù)值上相對于2009年時變化較小，但從空間分布上看，變化較為明顯。對比可知，在2018年時，畢節(jié)市耕地聚集性明顯增加，雖極高密度區(qū)由原來的3個降至2個，但其局部的范圍有所擴散，主要分布在黔西縣；而高密度區(qū)由原來的8個增至19個，主要分布在除納雍縣和大方縣以外的6個縣區(qū)。低密度區(qū)和中低密度區(qū)向中密度區(qū)和中高密度區(qū)進行了大面積擴散，這主要是由于退耕還林還草、生態(tài)移民和易地扶貧搬遷等相關(guān)政策的實施，部分因坡度過大和符合退耕條件以及城市擴展等因素的耕地轉(zhuǎn)換為其他用地，導致耕地不連片，破碎程度增加，密度增大。

圖3 2009年和2018年畢節(jié)市耕地的核密度

2.1.3 空間自相關(guān)性 在2009年時，畢節(jié)市耕地面積的全局Moran’s I為0.452，Z值為21.35。在2018年時，耕地面積的全局Moran’s I為0.51，Z值為24.16。表明，畢節(jié)市耕地面積不是隨機分布，而且具有明顯的空間聚集性，且從全局Moran’s I的變化看，空間自相關(guān)性呈增大趨勢，說明耕地聚集分布越來越強烈。由于其全局表現(xiàn)出明顯的空間聚集性，因此研究進一步對其進行局部自相關(guān)分析，將其結(jié)果分為7類，分別為極冷點、冷點、較冷點、不顯著、較熱點、熱點和極熱點，其中極冷點、冷點和較冷點表示小面積耕地斑塊的聚集區(qū)，其聚集程度逐漸減小；較熱點、熱點和極熱點表示大面積耕地斑塊的聚集區(qū)，其聚集程度逐漸增大；不顯著表示中等面積耕地斑塊且分布較為適中的區(qū)域(圖4)。從局部自相關(guān)看，畢節(jié)市耕地在大范圍內(nèi)表現(xiàn)為不顯著的相關(guān)特征，但同時也存在相關(guān)性明顯的區(qū)域。在2009年時，畢節(jié)市大面積耕地斑塊的聚集區(qū)主要分布在威寧縣的中部，赫章縣的西北部，七星關(guān)區(qū)、大方縣和黔西縣的西南部，小面積耕地斑塊的聚集區(qū)則在各縣區(qū)均有零星分布。在2018年時，畢節(jié)市耕地的局部自相關(guān)發(fā)生了明顯變化，從大面積耕地斑塊的聚集區(qū)分布看，威寧縣的分布范圍擴大近1倍，且部分向赫章縣的東北部延伸，與赫章縣內(nèi)的熱點分布區(qū)連接，而七星關(guān)區(qū)大面積耕地斑塊的聚集區(qū)向不顯著區(qū)轉(zhuǎn)變。小面積耕地斑塊的聚集區(qū)變化主要發(fā)生在赫章縣的東南部，表現(xiàn)為小面積耕地斑塊的聚集區(qū)向中等面積耕地斑塊且分布較為適中的區(qū)域轉(zhuǎn)變，其他區(qū)域變化較小。

圖4 2009年和2018年畢節(jié)市耕地面積熱點

2.2 耕地不同環(huán)境因素下的分布特征

2.2.1 不同地形 為去除縣域面積不同對耕地分布造成的影響，同時探討不同坡度梯度下的耕地分布特征，將坡度分為5個等級，并統(tǒng)計各個等級下耕地分布情況，以及不同等級下的耕地變化動態(tài)度。由圖5可知，在兩期耕地分布情況中，旱地的分布面積隨著坡度的增大而增大，而水田則與之相反。一定程度上說明，旱地具有高坡度聚集性，水田則更傾向于低坡度區(qū)。究其原因：一方面在于水田對于水源的需求比旱地大，在坡度較低地區(qū)，水源更容易獲取；另一方面地勢平緩地區(qū)的保水能力更好。從耕地的變化動態(tài)度看，隨著坡度的增加，其變化動態(tài)度也逐漸增大，旱地和水田的均在>25°內(nèi)變化最強烈。這與退耕還林還草等政策有關(guān)。

圖5 不同坡度梯度下的畢節(jié)市耕地分布情況

從耕地在不同高程海拔梯度下的分布情況(圖6)看，旱地主要分布在低于2 400 m以下地區(qū)，大于2 400 m以上則分布較少，水田則全分布在2 400 m以下地區(qū)。可見，高程在一定程度上限制了水田的分布。從耕地的變化動態(tài)度看，旱地的動態(tài)變化度在低海拔地區(qū)較高，這主要是由于低海拔區(qū)易受到人類活動的影響，如城鎮(zhèn)擴展、還林還草政策等多方面的因素。水田整體變化動態(tài)度大于旱地，在不同高程梯度上，隨著海拔的增加，其變化動態(tài)也逐漸增大。綜合看，海拔對水田的影響更強，受水田自身種植水稻的影響，而水稻對于氣候的要求較高，適宜在氣候條件相對穩(wěn)定，溫度適中的區(qū)域；當海拔過高時，氣溫相對于低海拔區(qū)要低，不利于水稻生長。

圖6 不同高程梯度下的耕地分布情況

2.2.2 不同地貌 從不同地貌條件來看(圖7)，2009年旱地主要分布區(qū)為侵蝕-剝蝕中山、溶蝕-侵蝕丘陵、溶蝕-侵蝕中山、溶蝕為主丘陵和溶蝕為主中山等地貌區(qū)，而水田主要分布在溶蝕-侵蝕中山、侵蝕-剝蝕中山和溶蝕為主丘陵，在溶蝕為主低山區(qū)則沒有分布。2018年水田和旱地的主要分布地貌區(qū)，未發(fā)生明顯變化，但在分布面積上均有所減小。從變化動態(tài)度看，旱地在侵蝕-剝蝕盆地、溶蝕-侵蝕中山、溶蝕為主低山和溶蝕為主盆地地貌區(qū)變化均較為劇烈。其中，侵蝕-剝蝕盆地主要為威寧草海位置所在地，為保護草海的生態(tài)系統(tǒng)，退耕周邊部分耕地。溶蝕-侵蝕中山在畢節(jié)市的分布面積最廣，基數(shù)相對較大，進而其變化動態(tài)度較強。溶蝕為主盆地所在位置多為各縣區(qū)城區(qū)所在地，由于城鎮(zhèn)化進程不斷加快，部分耕地被占用或轉(zhuǎn)變?yōu)槠渌玫兀苋祟惢顒痈深A最強，所以其變化動態(tài)度最強。水田在各地貌區(qū)的變化均較強烈，最低為溶蝕為主丘陵區(qū)，變化動態(tài)度為-4.49；最高為溶蝕-侵蝕盆地區(qū)，變化動態(tài)度為-8.89。

圖7 不同地貌下的畢節(jié)市耕地分布

2.2.3 不同土壤侵蝕強度 從土壤侵蝕強度等級看(圖8)，隨著土壤侵蝕強度的加強，水田和旱地，均表現(xiàn)出遞減趨勢，土壤侵蝕強度越強，其分布面積越小。在2009年時，旱地在微度土壤侵蝕強度下的分布面積是極強度下的15倍，而水田在微度土壤侵蝕強度下的分布面積與極強度下的面積比也高達11倍。在2018年時，旱地在微度土壤侵蝕強度下的分布面積和極強度下的面積比有所增加，接近17倍，而水田在微度土壤侵蝕強度下的分布面積與極強度下的面積是2009年比例的3倍，高達30倍。從變化動態(tài)度看，水田和旱地的高變化動態(tài)度區(qū)均為極強度侵蝕區(qū)。可見，土壤侵蝕度也是影響耕地分布的重要因素。

圖8 不同土壤侵蝕強度下的畢節(jié)市耕地分布

2.3 耕地時空演變及分布特征驅(qū)動因子

從表2看出，2009年各因子的貢獻率(q值)為a5> a6> a3> a7> a8> a1> a2> a4，表明人口(a6)和GDP(a5)2個社會因子相比自然因子對耕地的驅(qū)動力較大，在自然因子中高程(a3)和降水(a7)的驅(qū)動力較為突出。2018年各因子的貢獻率為a6> a1> a5> a3> a4> a7> a8> a2，自然因子整體依然小于社會因子的貢獻率，但整體而言各指標的q值均較小，表明此時單個驅(qū)動因子對于該地區(qū)的耕地分布影響不大。從兩期貢獻率的變化情況看，自然因子中地貌(a1)貢獻率未發(fā)生明顯變化，表明基于此時的地貌分區(qū)對耕地的驅(qū)動影響相對穩(wěn)定；其余指標均發(fā)生較明顯變化，但社會因子依舊占據(jù)主導地位，可見人類活動對耕地時空演變及分布影響較大。綜上，耕地的時空演變和分布特征受自然和社會多驅(qū)動因子的共同影響，其中社會因子對其影響相對較大，在該研究中GDP(a5)和人口(a6)對耕地的時空分布為主導因子；高程(a3)、坡度(a4)、降水(a7)和氣溫(a8)次之；土壤侵蝕(a2)影響最小；地貌(a1)相對穩(wěn)定。

表2 耕地時空分布特征各因子的貢獻值(q值)

從表3可知，兩個因子間的交互作用相對于單個因子，其對耕地時空演變和分布特征的影響大。2009年a1∩a5、a1∩a6、a2∩a5、a3∩a5、a3∩a6、a3∩a7、a4∩a5、a5∩a6、a5∩a7、a5∩a8、a6∩a7和a6∩a8的貢獻率q值均大于0.5，而a1∩a2的q值最小，僅0.142 9；a1∩a5的q值最大，為0.686 3。可見，在該時間點上，地貌、降水、氣溫等自然因子和GDP(a5)、人口(a6)社會因子的相互作用對耕地的影響較大。在2018年時，各因子間的交互作用貢獻率q值均小于0.5，其中最大的為a5∩a6，其q值為0.423 8，最小的為a2∩a7，q值為0.066 6。此時社會因子交互作用的貢獻率q值均大于自然因子交互作用的貢獻率。綜上，9年間耕地的分布主要是受到人類活動的影響，通過人為干預，使得耕地在一定程度上發(fā)生改變，這也與社會的發(fā)展趨勢相符合。2009年社會經(jīng)濟不發(fā)達，地區(qū)主要以農(nóng)耕等第一產(chǎn)業(yè)為主，其主要受到地形地貌以及氣候等自然因素的制約，2018年已開始由第一產(chǎn)業(yè)向其他二、三產(chǎn)業(yè)轉(zhuǎn)移，人類活動對土地的干預加強，如退耕還林還草、生態(tài)移民、城鎮(zhèn)化建設和生態(tài)建設等，使得耕地發(fā)生轉(zhuǎn)移，進而產(chǎn)生變化。

表3 耕地時空演變及分布特征驅(qū)動因子間的交互作用

3 討論

前人對喀斯特山區(qū)的耕地研究基本位于貴州省經(jīng)濟較為發(fā)達地區(qū)，農(nóng)業(yè)占經(jīng)濟發(fā)展的比重較小，無法為喀斯特貧困山區(qū)的農(nóng)業(yè)發(fā)展提供較有效的技術(shù)支持，除此之外，其探究的影像因素相對單一[36]。本研究以位于烏蒙山區(qū)的畢節(jié)市為例，縣域和格網(wǎng)2個單元對耕地的分布特征進行詳細分析，在區(qū)域選擇上具有較好的代表性，同時選取自然因子和社會因子，并運用地理探測手段進行影像因子分析，較全面地探究了耕地分布的影響因素。代仁麗等[37]通過對貴州省銅仁市的耕地分布特征及驅(qū)動因子進行探究發(fā)現(xiàn)，在耕地驅(qū)動因子中，坡度占主導作用。研究發(fā)現(xiàn)，畢節(jié)市耕地的分布主要受到社會因子的干擾較大，在耕地屬性類別(旱地與水田)的分布時才主要受到坡度影響。從王雨楓等[38]對京津冀地區(qū)耕地利用時空分異及影響機制分析研究看，隨著人民需求不斷改變，社會經(jīng)濟及政策因素對耕地利用的影響力呈上升趨勢，這與本研究結(jié)果相似，社會因子在一定程度上影響著耕地的分布，且影響程度大于自然因子。可見，耕地的面積和空間分布差異隨著社會經(jīng)濟的發(fā)展產(chǎn)生改變，耕地的屬性類別則主要受到自然因子的影響。本研究也存在不足，一方面在因素分析中僅選取自然和社會因子中的部分因子分析，因子的選取尚不夠全面，無法全面揭示耕地時空演變的規(guī)律；另一方面，對于研究區(qū)域自然基地的影響分析尚不徹底，如土壤類型和巖性，在一定程度上可能也影響耕地的分布和變化，相對于平原地區(qū)，喀斯特山區(qū)居民點分布較為分散，但也會影響耕地的分布，除此之外路網(wǎng)密度等社會因素是否對耕地的分布和變化產(chǎn)生影響，下一步將加強該部分的研討。

4 結(jié)論

根據(jù)2009年和2018年2期的耕地數(shù)據(jù)，結(jié)合相關(guān)的地形、地貌和土壤侵蝕數(shù)據(jù)分析表明，畢節(jié)市的耕地以旱地為主，其主要分布于畢節(jié)市西部，由西到東大體上呈下降態(tài)勢，水田則主要分布于畢節(jié)的東部，其分布區(qū)態(tài)勢與旱地相反，由西到東呈增加態(tài)勢。研究區(qū)內(nèi)耕地的變化動態(tài)度均為下降態(tài)勢，其中水田的變化最明顯，是旱地變化動態(tài)度的近3倍。畢節(jié)市耕地斑塊的聚集性具有明顯差異，2009年主要高核密度區(qū)集中在黔西縣和金沙縣，2018年各縣區(qū)的中、高核密度聚集區(qū)均有所擴展。畢節(jié)市耕地的空間分布表現(xiàn)出空間自相關(guān)特征，其熱點和極熱點區(qū)主要分布在威寧縣及大方縣、黔西縣和織金縣的交界處。畢節(jié)市耕地的分布受到自然因子和社會因子的共同影響，其中社會因子對耕地的影響較為強烈。