成都平原耕地非糧化時空演變特征及驅動因素

陳 磊，邱茹夢，李 川

（1.西華師范大學 管理學院，四川 南充 637002；2.西昌學院 資源與環境學院，四川 西昌 615013）

糧食安全事關一個國家和地區社會經濟穩定發展。2022全球糧食危機報告顯示，2021年全球近2億人經歷了糧食危機或糧食不安全程度進一步惡化，聯合國糧農組織（FAO）發出全球嚴重糧食不安全形勢的警告（財聯社，2022）。然而，全球糧食產量增長空間不大（Grassini et al., 2013）。耕地是糧食生產的基石，耕地供給及可持續利用已成為制約糧食生產的主因（Zhang et al., 2018）。在中國，雖然農業生產結構不斷優化、區域空間布局日趨合理，但城鎮化、工業化進程驅使地區耕地功能性衰退傾向明顯，耕地利用出現邊際化。據統計，中國目前耕地非糧化率約為27%，呈現增長趨勢，且具有明顯的地區差異，其中西南地區非糧化率高達46%（孔祥斌，2020）。面對嚴峻的耕地非糧化形勢，近年來中國先后發布了防止耕地非糧化、規范農地經營權流轉、嚴控耕地用途管制等政策制度，突出了加強耕地非糧化管控的重要性。因此，開展耕地非糧化研究具有現實價值。

國際上沒有明確的耕地非糧化概念（曹宇 等，2022），相關研究側重于經濟作物擴張對人類社會、生態環境的影響（Meyfroidt et al., 2014），更加關注作物多樣化（Barnes et al., 2015）、農業可持續集約化（Cassman et al., 2020）等領域，這些研究與耕地非糧化表征頗為相似，其目的在于改變單一的糧食種植結構及其生產模式，改進農業生產與經營形態，以應對氣候變化和環境脅迫的韌性。耕地非糧化是耕地用于農業生產的性質不變，其種植結構發生改變（Su et al., 2020）。國內學者已著眼保障糧食安全，綜合運用遙感、GIS等地理與空間分析方法（位佳佳 等，2022；楊緒紅 等，2022）以及統計與計量分析方法（蔡瑞林 等，2015；常媛媛 等，2023），從全國（Zhao et al., 2017）、省域（王鵬程等，2023）、糧食生產功能區（楊朝磊 等，2020）等不同尺度出發，聚焦耕地非糧化空間差異（孟菲等，2022；張穎詩 等，2022）及其帶來的社會經濟問題（陳菁 等，2016），以及耕地非糧化對耕地質量（Su et al., 2019）、耕地保護主體（郭珍，2020）等方面的影響研究，但對耕地非糧化時序變化特征的研究有待加強。同時，聚焦經濟社會因素對耕地非糧化的影響（魏玉凱 等，2021）以及政策驅動對農戶生產行為變化的影響（高曉燕 等，2022），以揭示耕地非糧化形成機制。對于如何有效抑制耕地非糧化，學者們提出從經濟激勵-補償機制（周藝霖 等，2016）、農業基礎設施建設（卓樂，2021）、農地用途管制（李冰強 等，2015）、土地契約與流轉管控（武舜臣 等，2019）、法律法規完善（史衛民 等，2019）等方面加強管控。既有研究進行了大量的理論探究和實證分析，為有效遏制耕地非糧化擴張、確保國家和地區糧食安全、保障耕地可持續利用提供了重要的理論支撐和實踐經驗。但多尺度耦合研究、縣域及其內部地區空間尺度研究仍有待加強。加之中國幅員遼闊，耕地分布廣泛，存在地區及其內部資源稟賦、經濟水平、產業結構等差異，不同地區發生耕地非糧化的行為和原因不同，尤其是重要糧食生產基地亟需關注。因此，從地區差異出發，明確耕地非糧化時序變化特征及其多尺度空間格局，對精準保障糧食安全和保護耕地資源十分重要。鑒于此，本文選取成都平原為研究區，且以區縣尺度為基本空間單元，采用數理量化模型和空間自相關法，分析耕地非糧化時空演變特征，構建經濟計量模型識別耕地非糧化的驅動因素，并提出改善耕地非糧化行為的對策建議。以期為地區農業可持續發展、耕地保護與糧食安全決策提供參考。

1 理論分析

土地經濟理論認為，土地利用的實質是人與地、人與人之間的相互作用。同理，耕地非糧化也是人與地、人與人之間相互作用的結果，與自然、經濟、社會、政策制度等要素之間存在千絲萬縷的聯系（黃天弘，2020），且不同要素之間交互作用共同驅動不同地區耕地非糧化，主要歸因于耕地利用的內在關系和管理，還涉及與外部環境的互動（圖1）。

圖1 耕地非糧化理論分析框架Fig.1 Theoretical analysis framework of non-grain production of cultivated land

一開始，耕地非糧食種植行為被認為是可以接受的，符合比較效益的經濟調整行為，能改變單一的糧食種植結構，改進農業經營方式，增加土地經營者收入。但受工業化、城市化和信息化等外部進程的影響，致使宏觀上社會經濟發展對資源配置產生脅迫。現代市場經濟體制下，種子、農藥、化肥、機械等農業生產資料和勞動力成本攀升，使得土地經營者種糧成本增加，但糧食市場價格受國家政策管控而不被允許過大波動，加之國際國內糧價相互牽制以及小農分散經營行為，造成種糧比較效益始終較低。雖然國家糧食補貼政策能在一定程度上彌補土地經營者種糧成本，但不足以增加收益。與此同時，經濟社會發展效應外溢，加大城鄉居民可支配收入差距，削弱了土地經營者種糧積極性，加劇了耕地非糧食種植風險。具體而言，一方面，源自比較效益的利益追逐，以及糧食生產保護個體意識較弱，土地經營者更加愿意種植花卉、蔬菜等高收益的經濟作物，用于替代傳統谷類糧食作物種植，以獲取更高的經濟收入；另一方面，城市化和工業化發展的虹吸效應，吸引更多農村勞動力轉入非農行業，農村勞動力減少導致農村空心化、耕地撂荒等諸多問題，造成鄉村衰退。雖然鄉村振興等政策實施吸引了工商資本下鄉，但受成本倒逼和市場機制誘導，進入農業生產領域后，大多會選擇經濟作物種植（李云新 等，2018）。加之部分基層政策執行者對政策的片面認知，盲目推動以地方特色經濟作物為主的現代農業產業發展，雖催生了農業合作社等農業內部組織發育，但加速了土地流轉，引導著農業種植結構的非糧化調整，進而加劇耕地非糧化，造成糧食安全的潛在風險。

2 研究區概況與方法

2.1 研究區概況

選取成都平原為研究區（圖2）。成都平原地處中國西南唯一的糧食主產區四川省，位于四川盆地之中，是中國西南三省（其他2個省為云南省和貴州省）最大的平原，也是四川（乃至全國）重要的糧食生產基地，其廣義范圍包括龍門山和龍泉山之間的北部涪江沖積平原、中部岷江與沱江沖積平原、南部青衣江和大渡河沖積平原，共有涉及5個市、34 個 區 縣，介 于29°11′25″—32°19′15″ N、103°01′20″—105°17′02″ E，南北長約380 km，東西寬約180 km，總面積約2.596×104km2。該平原地勢平坦，呈西北向東南傾斜態勢，發育岷江、沱江兩大水系，水源充足，且土層深厚，土壤肥沃。屬亞熱帶季風氣候，溫暖濕潤，年均溫18℃，年均降水量約900～1 300 mm，全年無霜期為278 d。優越的自然地理條件為農業發展奠定了重要基礎，其中糧食作物主要有稻谷、小麥、玉米、大豆、甘薯等，經濟作物主要有油菜、甘蔗、蔬菜、煙葉等。近年來，四川社會經濟快速發展，尤其是以省會成都為中心的成都平原地區，各項經濟建設對耕地的占用與破壞問題突出，且耕地非糧化種植行為凸顯，如何確保“天府糧倉”的安全問題尤為重要。

圖2 研究區示意Fig.2 Location of the study site

2.2 方法與數據

2.2.1 方法 1）耕地非糧化測算方法。耕地非糧化的測算方法尚未達成共識（羅必良 等，2018；Leng et al., 2021），呈現多元化的特點。2020 年11月，國務院辦公廳出臺《關于防止耕地非糧化穩定糧食生產的意見》指出，要明確耕地利用優先序，永久基本農田等優質耕地要重點用于發展糧食生產，尤其是保障稻谷、小麥、玉米三大谷物的種植面積（中國政府網，2020）。鑒于此并根據已有做法（陳浮 等，2021），本文中糧食作物僅包含傳統的稻谷、小麥、玉米三類，除此之外的所有耕地種植行為均界定為“非糧化”。耕地非糧化可定義為土地經營者在耕地上除了種植稻谷、小麥、玉米三大谷物之外的其他農作物種植行為。這能有效地避免非糧食種植用地交叉問題，且引入復種指數更契合實際。公式為（陳浮 等，2021）：

式中：NGA為耕地非糧化面積；CLA為耕地面積；GPA為糧食播種面積（即稻谷、小麥和玉米的種植面積）；CPA為農作物播種面積；MCI為復種指數；NGR為耕地非糧化率。

2）空間自相關模型。空間自相關模型用于測度耕地非糧化空間集聚程度以及集聚中心的空間位置（張穎詩 等，2022），包括全局空間自相關和局部空間自相關。全局空間自相關是從地區整體上反映某一屬性的空間集聚與分散程度，采用Global Moran'sI分析耕地非糧化是否存在統計上的集聚與分散現象，用IG表示，且IG∈［-1, 1］。其中，IG＞0表示集聚分布且在空間上具有正相關，IG＜0表示離散分布且在空間上具有負相關，IG=0表示隨機分布且無空間相關性。局部空間自相關是識別集聚中心的空間位置，采用Local Moran'sI分析耕地非糧化高值和低值的空間集聚情況，用IL表示。其中，IL＞0表示第i個單元觀測值與周圍單元差異小，IL＜0表示第i個單元觀測值與周圍單元差異大。公式為（張穎詩 等，2022）：

式中：n為研究單元數；yi、yj分別為第i單元與j單元的觀測值；yˉ為所有單元的平均值；wij為空間權重矩陣，i、j單元相鄰則權重為1、不相鄰則權重為0。

3）驅動因素經濟計量模型及變量含義。基于理論分析框架（見圖1），并考慮到耕地非糧化的市場驅逐根源在于受經濟比較效益的影響（朱道林，2021），著重觀察經濟社會驅動因子對成都平原耕地非糧化的影響。20 世紀80 年代以來，中國耕地保護制度及其政策發生了一系列變化，作為調控土地資源的重要行政工具，對耕地非糧化具有重要影響，有必要引入政策因素虛擬變量。因此，提出待驗證假說，即耕地非糧化是農業人口狀況、經濟發展水平、農業結構調整、農業生產動能、固定資產投資等主要經濟社會因子與耕地保護政策在不同深度層次上的影響結果。

由于農業人口轉移伴隨人口城鎮化，而固定資產投資等因子包含經濟作物種植用地規模擴張的部分信息，與經濟作物種植用地規模擴張之間存在一定的共線性。為避免此問題，構建2個經濟計量模型把握社會經濟驅動因子與耕地保護政策對耕地非糧化的影響。

構建模型Ⅰ估計農業結構調整、經濟作物種植用地規模擴張、耕地保護政策對耕地非糧化的影響：

式中：Yij為耕地非糧化面積或非糧化率；ASAij為農業結構調整（用“農業產值占農林牧漁總產值的比重”表征）；ECPSij為經濟作物種植規模（用“經濟作物種植面積”表征）；CLPPij為耕地保護政策，依據社會發展階段和已有研究（陳磊 等，2020），把耕地保護政策變遷（2000—2019年）劃分為5個階段，即2000 年 賦 值1、2001—2005 年 賦 值2、2006—2010 年 賦 值3、 2011—2015 年 賦 值4、2016—2019年賦值5；α0為常數項、α1～α3為解釋變量系數；εij為隨機誤差項；i為年份、j為區縣行政單元。

構建模型Ⅱ估計農業人口狀況、經濟發展水平、固定資產投資、農業生產動能、農業結構調整等主要社會經濟驅動因子和耕地保護政策對耕地非糧化的影響。

式中：Yij為耕地非糧化面積或非糧化率；APSij為農業人口狀況（用“單位耕地面積的農業人口數量”表征）；URIRij為城鄉居民可支配收入比、URij為城鎮化率，用以表征經濟發展水平；FAISij為固定資產投資（用“全社會固定資產投資占GDP的比重”表征）；APKEij為農業生產動能（用“農機總動力”表征）；ASAij為農業結構調整；CLPPij為耕地保護政策；α0為常數項、α1～α7為解釋變量系數；εij為隨機誤差項；i為年份、j為區縣行政單元。

2.2.2 數據來源 數據來源于2001—2020 年《中國統計年鑒》（國家統計局，2001—2020）、《四川統計年鑒》（四川省統計局，2001—2020）、《四川農村統計年鑒》（四川省統計局，2001—2020）、《成都統計年鑒》（成都市統計局，2001—2020）、《德陽統計年鑒》（德陽市統計局，2001—2020）、《綿陽統計年鑒》（綿陽市統計局，2001—2020）、《眉山統計年鑒》（眉山市統計局，2001—2020）、《樂山統計年鑒》（樂山市統計局，2001—2020）以及相關行政主管部門統計數據，部分缺失數據采用線性插值法補齊。

3 結果與分析

3.1 成都平原耕地非糧化時序演變特征

2000—2019 年成都平原耕地面積呈現“U”型波動增減態勢，大致表現為2014年以前減少而之后增加的趨勢，成都平原耕地面積總體變化較為穩定（圖3-a），源于地方政府持續的耕地保護與監管。然而，耕地面積的變化并不意味著耕地內部用途的轉變（Su et al., 2020），雖然成都平原耕地面積在研究時段內總體變化較為穩定，但受農業結構調整、工商資本下鄉誘導耕地利用行為轉變等影響，造成耕地內部種植結構變化，導致耕地非糧化。

圖3 2000—2019年成都平原耕地面積（a）、耕地非糧化面積與非糧化率（b）時序演變特征Fig.3 The changes of cultivated land area(a), Non-Grain Area(NGA) and Non-Grain Rate(NGR) of cultivated land(b) in Chengdu Plain from 2000 to 2019

由圖3-b 可知，2000—2019 年成都平原耕地非糧化面積與非糧化率的變化趨勢具有同步性，耕地非糧化面積由2000 年的59.25×104hm2增加至2019年 的61.98×104hm2，增 加 了27 300 hm2，增 幅 為4.40%，且分別占相應年份耕地總面積的69.51%和70.59%，占比增加了1.08%。同時，耕地非糧化率由2000年的38.75%增加至2019年的52.28%，增長了13.53%。可見，成都平原耕地非糧化總體狀況顯著，耕地保護和糧食安全保障面臨較大壓力。

3.2 成都平原耕地非糧化空間分異特征

3.2.1 空間差異狀況 基于已有研究（Guo et al.,2021），在研究時段內選擇2000和2019年的起止年耕地非糧化面積和非糧化率，從區縣級單元出發，通過自然斷裂點法（Jenks）將結果劃分為3 個等級，以分析成都平原耕地非糧化空間差異狀況。

根據圖4可知，成都平原34個區縣耕地非糧化具有明顯的空間差異特征。1）耕地非糧化面積呈現多中心分散分布態勢。2000年有9個高值區的區縣，平均面積為3.22×104hm2，位于成都東南部、德陽東南部、綿陽北部和眉山南部；中值區除樂山所有區縣外，其余區縣集中于成都平原西北部；低值區的區縣集中于成都中心地區（圖4-a）。2019年有7 個高值區的區縣，平均面積為29.30×104hm2，位于成都東北部和西南部，德陽北部和南部、綿陽北部；中值區集中于成都平原東北—西南沿線偏東的區縣；低值區集中于成都中心地區且向西延伸（圖4-b）。研究時段內，34 個區縣非糧化面積增量自西北向東南呈“增大—減小—增大”分布特征（圖4-c）。2）耕地非糧化率大致呈中部高、東北和西南低的空間格局。2000 年有7 個高值區的區縣，平均水平為56.18%，其中樂山所有區縣均為高值區，其次是德陽東南部，總體上自西北向東南呈現由低值區向高值區擴散增大的趨勢（圖4-d）。2019年有8個高值區的區縣，平均水平為72.62%，集中位于成都東北部，且總體上呈現以成都東北部為高值區中心，大致向東北和西南方向擴散且呈現低值區向高值區演變的趨勢（圖4-e）。研究時段內，34個區縣非糧化率增幅自西北向東南呈“增大—減小—增大—減小”分布特征（圖4-f）。總之，成都平原耕地非糧化面積和非糧化率變化的區縣尺度具有不同步性，雖然非糧化面積中值區和高值區的區縣數量有所減少，但非糧化率中值區和高值區的區縣數量有所增加。

圖4 2000—2019年成都平原34個區縣耕地非糧化面積與非糧化率特征Fig.4 Characteristics of the NGA and NGR in 34 districts and counties of Chengdu Plain from 2000 to 2019

3.2.2 空間分布集聚狀態 將成都平原34 個區縣耕地非糧化面積和非糧化率作為觀測變量，采用Global Moran'sI判定成都平原耕地非糧化的總體空間集聚特征（圖5）。結果發現，2000 和2019 年耕地非糧化面積（圖5-a、b）和非糧化率（圖5-c、d）的Global Moran'sI均＞0，但從顯著性看，非糧化面積2000 年P=0.006＜0.01、2019 年P=0.033＜0.05，而非糧化率2000 年P=0.000 02＜0.001、2019 年P=0.747＞0.05，說明2000和2019年成都平原耕地非糧化面積的Global Moran'sI分別通過了1%和5%水平的顯著性檢驗，其空間分布具有較強的正相關。而耕地非糧化率僅2000 年的Global Moran'sI通過了0.1%水平的顯著性檢驗，2019 年未通過顯著性檢驗，說明成都平原耕地非糧化率的空間分布僅2000年具有較強的正相關，2019年可能不存在顯著的空間集聚性。因此，為有效把握2000—2019年成都平原耕地非糧化空間分布集聚狀態，且基于顯著性檢驗結果，僅分析以耕地非糧化面積為觀察變量的空間分布集聚狀態。根據圖5-a、b可知，耕地非糧化面積全局Moran'sI指數變化較小，由2000 年的0.286降至2019年的0.216，僅下降了0.07，說明成都平原耕地非糧化面積的空間集聚保持在較為穩定的狀態，且存在集聚分布特征。

圖5 2000和2019年成都平原34個區縣耕地非糧化面積和非糧化率Moran's I散點圖Fig.5 Moran scatter plot of the NGA and NGR in 34 districts and counties of Chengdu Plain in 2000 and 2019

然而，特定區域耕地非糧化面積集聚狀況仍不清楚，引入Local Moran'sI作進一步分析。研究時段內，成都平原耕地非糧化面積具有空間集聚特征（圖6-a、b），且形成的各類集聚區均通過顯著性檢驗（圖6-c、d）。根據圖6-a、b 可知，2000 和2019年耕地非糧化面積均形成“高-低集聚區、低-高集聚區、低-低集聚區”3 類。具體地，2000 和2019年高-低集聚區不變，僅涉及成都雙流區1個單元；低-高集聚區由2000年的成都蒲江縣、眉山彭山區2個單元轉變為2019年的成都青白江區、德陽什邡市2個單元；低-低集聚區集中在成都主城5區（金牛區、青羊區、武侯區、錦江區、成華區）和近郊郫都區6個單元，但2019年近郊郫都區退出低-低集聚區，主城5區不變。可見，成都平原耕地非糧化面積空間分布集聚區域集中在成都及其周邊臨近城市。

圖6 2000和2019年成都平原34個區縣耕地非糧化面積空間集聚格局及其LISA顯著性檢驗Fig.6 Spatial agglomeration patterns of the NGA in 34 districts and counties of Chengdu Plain in 2000 and 2019

3.3 耕地非糧化驅動因素

綜上所述，成都平原耕地非糧化存在明顯的時空演變特征，有必要進一步分析其驅動因素。利用成都平原2000—2019 年數據分別對模型Ⅰ和Ⅱ進行估計。在估計分析中，除了以百分比表示的變量外，其他變量均取自然對數，這能有效降低異方差并使數據變得平穩。經檢驗采用固定效應模型的廣義最小二乘法（FGLS）對面板數據進行多元線性回歸估計，并通過Cross-section weights 加權方式消除模型的多重共線性和異方差影響。由表1可知，所有模型F統計量均在1%統計水平上顯著，擬合度R2均在80%以上，D-W值能滿足回歸殘差不存在序列自相關的要求，t統計值顯示所選驅動因子大多通過統計檢驗且基本與預期吻合。該模型估計結果能較好地反映所研究問題。

表1 模型回歸估計結果Table 1 Model regression estimation results

模型Ⅰ中，ASA 對NGA 在1%水平上顯著、對NGR 在5%水平上顯著，ECPS 和CLPP 對NGA 和NGR 均在1%水 平上顯著，表明三者是影響成都平原耕地非糧化的主要原因；模型Ⅱ中，ASA、URIR、UR 對NGA 均在1%水平上顯著，ASA、UR 和APKE 對NGR 分別在5%、5%、1%水平上顯著，說明這些因素對成都平原耕地非糧化有明顯的線性影響。

具體而言，從NGA 看，模型Ⅰ中，ECPS 對NGA具有正相關、ASA和CLPP具有負相關，說明ECPS會造成NGA增加，ASA和CLPP能促使NGA減少；模型Ⅱ中，ASA對NGA具有正相關、URIR和UR 對NGA 具有負相關，說明ASA 能造成NGA增加，URIR和UR能促使NGA減少。ECPS伴隨著NGA增加，但ASA對NGA的影響取決于土地經營者對耕地用途管制及其保護的價值取向與行為執行。從NGR 看，模型Ⅰ中，ECPS、ASA 和CLPP對NGR 均具有正相關，會造成NGR 增加；模型Ⅱ中，ASA和UR對NGR具有正相關、APKE對NGR具有負相關。說明ASA和UR能造成NGR提高，而APKE提高會促使NGR下降，這是由于隨著經濟發展水平的不斷提升，為了獲取更高的農業生產收益，土地經營者更加傾向于高收益的農業生產行為，迫使更多的耕地用于非糧食生產。但高效的農機化耕作投入能提升農業生產效率，帶動土地經營種糧熱情，對降低NGR 有積極作用。可見，經濟作物種植規模（ECPS）、農業結構調整（ASA）、城鎮化率（UR）和耕地保護政策（CLPP）是最主要的驅動因素。

此外，APS 和FAIS 對成都平原耕地非糧化不具備線性影響。雖然APS 和FAIS 未通過統計學意義上的顯著性水平檢驗，但APS 對NGA 影響的系數為負、對NGR 影響的系數為正，FAIS 系數均為正，符合預期估計方向。這說明農業人口轉移會使得NGA 減少，且與一般認知相反。但正是農業人口轉移使得農業大戶等農業新型經營主體順利入駐，通過土地流轉實施農地規模化經營，在一定程度上抑制NGA 減少。然而，這并不意味著NGR 會降低，因為高收益依然是農業新型經營主體追求的目標。與此同時，FAIS提升會加劇耕地非糧化。雖然FAIS 對土地利用的貢獻在于提升土地集約化程度，但FAIS提升對農業勞動力具有替代效應以及由之帶來的勞動力非農轉移的擠出效應。為保障農業生產和糧食安全，國家與地方政策引導的工商資本下鄉往往伴隨著非糧食生產行為，地區耕地資源所承受的壓力較大。

4 討論

在地方政府持續的耕地保護與用途管制政策實施下，2000—2019 年成都平原耕地面積變動不大，但耕地面積變化小并不意味著耕地實際用途改變少（Su et al., 2020）。本研究發現，成都平原耕地非糧化面積與非糧化率在時序變化上同步增加，2019年耕地非糧化率為52.28%，高于西南地區耕地非糧化率（46%）（孔祥斌，2020）。此外，成都平原34個區縣的耕地非糧化面積和非糧化率在空間變化上均不同步。可見，耕地非糧化面積和非糧化率無絕對關聯，受土地經營者耕種行為、農業政策調控、市場經濟狀況等因素影響。深入分析成都平原耕地非糧化面積空間集聚狀態發現，經濟發展水平高的城市往往會帶動其周邊臨近城市耕地非糧化，這是由于城市周邊種糧成本往往更高，農民不愿種植糧食（朱冬亮 等，2013），且受限于個體認知和市場敏感度，易受其他農民種植行為影響，與已有研究（Li et al., 2021）具有一致性。

雖然耕地非糧化與自然、經濟、社會、政策制度等要素之間存在諸多聯系（李云新 等，2018），但在現代市場經濟體制下，其根源在于糧食種植經濟效益低（朱道林，2021）。通過著重觀察主要經濟社會驅動因子的影響發現，經濟作物種植規模、農業結構調整、城鎮化率和耕地保護政策是關鍵因素，具有不同影響程度。雖然理論上農業結構調整、城鎮化水平提升和耕地保護政策實施有利于改善土地利用結構，提高土地配置效率，助農增收，以調動農民耕地投入及其利用的積極性，進而促進耕地保護，但現實中存在過度遵循市場需求而盲目地占用耕地從事經濟作物種植的行為，使得經濟作物種植規模擴張，且農業結構調整缺乏整體規劃、政策執行者認知局限以及耕地利用帶有一定的個人主觀色彩，致使農業結構調整逐漸失去合理性且政策執行偏離初衷，導致更多的耕地用于非糧食種植，造成耕地非糧化。

本研究較好地反映成都平原耕地非糧化狀況，但只關注了谷類作物中稻谷、小麥、玉米的情況，是否應更加注重糧食作物廣義概念仍值得進一步探討。且受限于數據獲取及其完整性，僅分析了2000—2019年，后續研究開展需要進一步收集最新時段數據，提高研究的現實指導意義，并加強縣域內部的研究，以揭示微觀層面耕地非糧化時空特征及其內在機制。同時，基于理論分析，耕地非糧化驅動因素僅考慮了部分經濟社會因子，其實耕地非糧化在很大程度上取決于農戶的特點，本文未考慮這一因素，未來對驅動因素的研究需從多角度、多要素入手，結合問卷調查和實地調研展開更深入的探討。

5 結論與建議

5.1 結論

1）時序上，2000—2019 年成都平原耕地面積呈現“U”型波動增減態勢，總體變化較為穩定，但這并不意味著耕地內部用途的轉變。2000—2019年成都平原耕地非糧化面積與非糧化率均呈整體波動增加的趨勢，耕地非糧化面積和非糧化率的增幅分別為4.40%和13.53%，地區耕地保護和糧食安全保障面臨較大壓力。

2）空間上，成都平原耕地非糧化面積和非糧化率變化在區縣尺度具有不同步性，34個區縣耕地非糧化面積呈多中心分散分布態勢，非糧化率呈中部高、東北和西南低的空間格局，且中、高非糧化面積的區縣數量有所減少，非糧化率的區縣數量有所增加。成都平原耕地非糧化面積空間分布集聚區域集中在成都及其周邊臨近城市。

3）成都平原耕地非糧化時序演變特征和空間格局差異主要受經濟作物種植規模、農業結構調整、城鎮化率和耕地保護政策因素的影響。

5.2 建議

在現代市場經濟不斷推進的背景下，在保障糧食安全的基礎上，嚴格執行耕地用途管制，著力建設成都平原新的耕地資源可持續利用格局。1）嚴格落實耕地用途管制制度，劃定耕地保護紅線。地方政府應依托縣級國土空間規劃編制契機，以鄉鎮為基本空間單元，優化耕地種植結構，深入建設高質穩產的糧食生產功能區，明確耕地糧食種植與非糧食種植用途剛性紅線且留有彈性空間，加強耕地良田糧用監測監管，全面落實“進出平衡”制度。2）加強部門協同管理，形成耕地保護合力。建議自然資源管理部門成立耕地非糧化專門整治小組，督促耕地耕作層破壞整治與恢復工作，保護耕地糧食種植的首要功能；農業農村管理部門建立農技人員駐村工作指導制度，推廣優質良種和糧食種植技術，指導農民種植行為，提高糧食產量；林草管理部門應避免違規占用耕地綠化，確保耕地糧食生產空間。3）完善農業補貼制度，保障農民基本權益。從種植品種及其投入成本出發，依據“誰種糧、誰收益”的原則對實際種糧行為主體按照實際面積發放補貼，取消非糧種植農戶補貼，并充分發揮地方政府的主導作用，多渠道暢通農民糧食銷路，以穩定農民種糧收入，提高糧食種植積極性。4）加大耕地保護政策宣講，提高糧食安全意識。通過座談會、報告會等形式開展最新耕地保護政策宣講和解讀，尤其向地方基層干部普及耕地保護知識。并厘清鄉村振興、耕地保護、糧食安全三者之間的辯證統一關系，增強農民主體意識與社會責任意識，助推農民種糧意愿提升和農村經濟振興齊頭并進。