耦合空間權衡決策與連通性的耕地休耕優先區識別研究

摘要：研究目的：建立科學的耕地休耕優先區識別方法，破解現有“任務+指標”式休耕空間選擇中入選休耕地塊標準模糊、選擇技術單一、空間形態破碎等問題。研究方法：以武漢市漢南區為研究區，集成休耕主控因素評價模型和三維魔方模型構建耕地休耕空間權衡決策模型以診斷識別休耕對象，基于種子擴充片區搜索算法和NRCA模型構建耕地休耕優先區識別模型，進而耦合兩個模型構建“對象選擇、規模約束、連片分區”的耕地休耕診斷識別技術框架，以識別耕地休耕優先區。研究結果：（1）漢南區耕地休耕空間權衡決策的休耕迫切度以“迫切”和“較迫切”為主，空間分布上呈現集中連片分布和零星點狀分布并存；（2）識別出漢南區耕地休耕優先區11個，占全區耕地總面積的15.89%，分區結果與同等休耕規模下休耕迫切度原始空間分布相比，休耕地塊數量減少30.23%、單位面積增大36.74%、景觀形狀指數減少22.75%、邊界密度降低20.9%；（3）識別出耕地利用強度主控休耕優先區、耕地健康狀況主控休耕優先區以及耕地產能潛力主控休耕優先區3類休耕優先區，占比分別達14.68%、11.95%和73.37%，并提出針對性的休耕模式與管控建議。研究結論：基于問題導向的休耕優先區識別，實現了休耕分區兼顧空間決策科學選擇休耕地和“集中連片”的現實政策需求，為精準實施休耕以實現耕地可持續利用和保障國家糧食安全提供了政策參考。

關鍵詞：耕地休耕診斷識別技術框架；耕地系統健康；耕地利用強度；耕地產能潛力；種子擴充片區搜索算法

中圖分類號：F301.24 文獻標志碼：A 文章編號：1001-8158（2024）10-0082-11

基金項目：國家自然科學基金面上項目（41871180）；安徽省社會科學創新發展研究課題（2023CX091）；安徽師范大學博士科研啟動金項目（762302）。

當前，實現耕地可持續利用面臨多方面挑戰[1]。長期以來，為擴大產出，農藥、化肥被過量使用，加之居民消費模式變化引致食物需求大增[2-3]，耕地連年處于高負荷利用狀態[4]，耕地地力透支、污染嚴重、功能失衡、生態環境惡化等問題凸顯[5-6]。有數據表明，全國耕地污染物點位超標率為19.4%，超過10%的耕地受到農藥嚴重污染[7]，耕地土壤優質含量平均值不到2%[8]，加劇了耕地利用的不可持續性。為此，我國探索性開展耕地休耕試點，通過休耕來保護地力、修復耕地生態環境以及優化種植結構[9-10]，以提升耕地可持續利用能力[11]。耕地休耕作為貫徹落實“藏糧于地、藏糧于技”國家戰略的具體行動[12]，在我國實施省份已達24個，實施面積超過2.2億畝次[13]。但在休耕試點推進中，地方政府“任務+指標”式休耕區域選擇缺乏科學依據，易導致休耕選擇空間錯配、空間布局分散等問題，影響休耕政策實施效果。因此，如何通過空間決策科學選擇休耕地、集中連片實施休耕，成為亟待解決的技術難題和現實問題。

耕地休耕問題在學術界已引起廣泛關注，并在休耕地空間布局[14-15]、休耕模式[10，16]、休耕績效評價[17]等方面取得了豐富成果。耕地休耕空間選擇與分區研究作為休耕地空間布局的核心內容，相關研究集中在：（1）休耕地診斷與識別研究。已有研究以生態系統脆弱性、土壤污染狀況等耕地利用問題或影響因素為導向[9，18]，通過構建評價指標體系或綜合指數[19]和運用耕地利用主導問題空間權衡組合[15，20]兩種方法來識別休耕地。（2）耕地休耕規模研究。由政府出臺政策法規或糧食供應等調控目標確定耕地休耕的規模[21]，或以不同休耕目標（糧食安全、生態安全等）為導向，運用模型測算可休耕的最大規模或閾值范圍[22-23]。（3）耕地休耕空間分區研究。主要借鑒土地利用分區的思路與方法，運用多指標綜合評價法和空間統計分析法劃定休耕分區[24-25]。陳浮等學者選擇土壤污染狀況、耕地質量等休耕主控因素構建空間組合模型，并在多情景休耕規模約束下，根據空間權衡規則劃定重點輪休區等不同等級休耕優先區[15， 18， 20， 26]；楊慶媛等學者遵循休耕地選擇（Selection）、休耕規模（Scale）以及休耕空間分區（Spatial）的“3S”休耕分區技術思路，運用傳統的空間疊置或聚類分區方法劃定優先休耕區等不同優先級休耕分區[9-10]。

通過梳理文獻發現，已有研究提供了休耕分區技術方法參考，但還有一定的深入研究空間：一是休耕區域識別方面，已有研究多從休耕迫切性不同等級的原始空間分布來識別休耕區域，僅有少數研究兼顧空間集聚性[11]，未系統考慮休耕地的空間連通性和形態格局，易致休耕地圖斑零散、難以適應“集中連片”的現實休耕要求；二是休耕分區劃定方面，已有研究多基于休耕迫切性等級或優先級進行分區，缺乏針對問題主導進行的休耕分區，如哪些休耕區域存在哪些休耕主導問題，不同主導問題類型的分區應該按照什么樣的休耕模式以針對性解決這些休耕問題，這也是休耕制度有效落地的前提和保障。本文以武漢市漢南區為研究區，綜合運用耕地休耕空間權衡決策模型、耕地休耕優先區識別模型等方法，對耕地利用強度、耕地健康狀況以及耕地產能潛力進行多維度空間權衡決策，并結合空間連通性分析，在休耕規模約束下最大程度地提取“集中連片”的休耕地，探討不同休耕問題類型主導的分區識別路徑，為耕地休耕實施與耕地可持續利用提供科學依據。

1 研究區選擇與數據來源

1.1 研究區選擇

漢南區地處武漢市西南部，緊鄰長江，東、南與武漢市江夏區、洪山區以及咸寧市嘉魚縣隔江相鄰，西連洪湖市、仙桃市，北接武漢市漢陽區、蔡甸區。漢南區與武漢經濟技術開發區合并后，實行“政區合一”管理體制，下轄7個街道辦事處（含4個國營農場），國土面積為287.05 km2。其中，耕地占112.18 km2，占國土總面積的39.08%，耕地主要由水澆地構成，占比超過90%。漢南區是武漢市的農業大區，區域農產品供給壓力、區位條件、級差地租以及比較利益等因素倒逼高強度、集約化耕作，使得耕地面臨著累積性超強度利用、長期高負荷運轉狀態等典型耕地利用問題與挑戰，具有耕地休耕的緊迫性。

漢南區是遵循“中央統籌、省級負責、縣級實施”休耕試點工作機制[24]的重要試點區，面臨著休耕區域選擇結果與休耕制度目標偏離，而致休耕區域錯配和休耕效益受損等現實難題。因此，綜合研究區的典型性和現實性，選擇漢南區為研究區，以保持土地管理界線的連續性和維持行政邊界的完整性，便于宏觀上管理和微觀上執行。

1.2 數據來源

數據來源主要包括以下三類：一是社會經濟數據，主要包括漢南區常住人口、糧食產量等統計數據；規劃、方案等文本資料，來源于《武漢統計年鑒》以及政府部門信息公開平臺。二是空間信息數據，主要包括行政邊界數據、土地利用數據、耕地分等定級數據等，通過文獻收集、走訪調研等方式獲取。其中，土地利用數據來源于武漢市國土調查數據成果（2019年）；耕地分等定級數據主要包括耕地健康狀況評價以及耕地產能潛力評價中部分指標數據；耕地種植強度數據來源于China-CUI 10 m數據（2018—2023年）[27]。三是資源環境數據，主要包括DEM、土壤屬性數據等，分別來源于地理空間數據云、HWSD和SoilGrids等開源數據庫或平臺以及武漢市相關部門，主要用于耕地健康狀況評價中指標計算。將上述數據基于ArcGIS 10.5進行整理匯總，進行空間投影坐標系統一、數據的屬性編碼、柵格矢量化等標準化處理、數據檢查，最后生成耕地休耕數據庫以進行實證分析。

2 研究方法

2.1 耕地休耕診斷識別技術框架

本文構建了以“對象選擇、規模約束、連片分區”為研究主線的耕地休耕診斷識別技術框架（圖1）。首先，集成耕地休耕主控因素評價模型、三維魔方模型來構建耕地休耕空間權衡決策模型以診斷識別休耕對象，解決“休哪里”的問題；其次，通過耕地休耕規模測算模型以測算休耕規模，解決“休多少”的問題；最后，在前兩步的基礎上，考慮休耕“集中連片”實施要求，從空間連通性視角，基于種子擴充片區搜索算法和標準顯示性比較優勢（NRCA）模型來構建耕地休耕優先區識別模型，識別出耕地休耕優先區的問題類型，針對不同類型休耕區，解決“怎么休”的問題。

2.2 耕地休耕空間權衡決策模型

耕地休耕空間權衡決策是根據休耕的主導影響因素判斷哪些區域應該休耕的活動[10，15]，只有將應休耕地診斷出來，才能將耕地休耕落到實地。在綜合國家休耕試點的要求和已有耕地休耕主控因素選擇研究[15，18]的基礎上，從耕地利用強度、耕地健康狀況以及耕地產能潛力3個維度進行排列組合構建三維魔方模型，基于此來構建耕地休耕空間權衡決策模型，將評價對象與劃分后的單元空間一一對應，劃分休耕迫切性等級，診斷出耕地休耕區域[18]。

2.2.1 耕地休耕主控因素評價研究

（1）耕地休耕主控因素的選擇。研究表明，有80%以上的耕地處于長時間、超負荷“連軸轉”的運轉狀態[28]，導致耕地肥力減退和地力下降嚴重，這些利用強度過高導致不可持續利用的區域應當優先開展休耕[29]。同時，過量使用化肥、農藥會引發耕地污染、耕地生態環境惡化，威脅耕地系統健康。耕地的健康狀況是休耕與否的重要判別條件，不健康狀態的耕地應當休耕[30]。“鞏固提升產能”是中央或地方層面休耕試點方案中的首要原則，對于耕地適宜耕種、產能不高，耕地產能未能“地盡其用”的情況，亟待通過休耕針對性地改善耕地質量和提升耕地產能。另一方面，在已有研究和休耕試點中[9，15，26]，多選擇耕地污染區、生態退化區等耕地利用問題嚴重區域作為休耕優先區域。因此，在分析耕地利用特征以及已有休耕主控因素選擇研究[15，18]的基礎上，本文選取耕地利用強度、耕地健康狀況以及耕地產能潛力作為休耕主控因素。

②耕地健康狀況評價。遵循區域差異性、敏感性和可行性原則對指標進行篩選，參考已有研究所構建的耕地健康評價指標體系[32-33]，基于耕地環境狀況和耕地彈性狀況兩個維度構建耕地健康狀況指標體系（表1）。耕地環境狀況主要是刻畫不當耕地利用方式引致耕地污染或生態環境問題，選取土壤內梅洛污染指數、地下水超采系數以及生態敏感性等指標表征耕地環境狀況。耕地彈性維度反映的是耕地抵抗力、恢復性以及穩定性，選取耕地質地、陽離子交換量、土壤容重以及全氮等指標表征耕地彈性狀況。具體指標、賦分標準參考已有文獻[32-33]。

③耕地產能潛力評價。提升產能是實施耕地休耕的具體目標之一，根據理論產能和可實現產能的數值差，可識別出“未盡其用”的耕地，即產能未得以充分發揮的耕地。基于此，根據耕地分等定級成果和產能理論為基礎，結合耕地等別與標準糧產量之間的對應關系和回歸分析進行耕地產能評價[34]，進而評估耕地理論產能潛力，并應用自然斷裂點法劃分為低產能潛力、中產能潛力和高產能潛力。耕地理論產能潛力，亦即耕地可實現利用潛力，主要反映耕地生產能力可提升的空間，數值上應用可實現單產與實際單產的差值來刻畫。

2.2.2 耕地休耕空間權衡決策模型

三維魔方模型是將二維矩陣中的不同組合進行排列并擴展成三維矩陣空間，適宜于對研究單元不同指標開展多項組合的優劣勢進行空間權衡對比評價，進而確定每個區域單元的主導因素和關鍵問題，更具空間權衡決策的合理性[35]。基于三維魔方模型構建的耕地休耕空間權衡決策模型具體構建步驟如下（圖2）：（1）將耕地利用強度、耕地健康狀況以及耕地產能潛力分為3個等級（等級由低到高），并以此形成 3×3×3的三維魔方模型；（2）將3個休耕主控因素評價等級相互正交，得到27種分類結果；（3）根據3個休耕主控因素等級組合排序，將休耕單元組合類型與三維魔方的類型一一對應，并參考已有空間權衡判別休耕迫切度等級的研究[18， 26]，劃分為迫切、較迫切以及不迫切3個等別，進而判別休耕區域。

2.3 耕地休耕優先區識別模型

休耕區域實質上是一定數量休耕地塊的組合，若僅以休耕迫切性等級地塊組合作為休耕區域，則休耕區域空間分布分散，難以達到“集中連片實施”的要求。因此，在將迫切需要休耕的耕地從研究區診斷出來的基礎上，還需要考慮休耕區域休耕規模約束和空間集聚特征，構建具有空間引導與連片閉合的休耕分區，即耕地休耕優先區。本文以休耕迫切性等級診斷為基礎，以可休耕最大規模為約束，集成GeoDa分析方法和種子擴充片區搜索算法優選休耕地、構建休耕分區，并通過標準顯示性比較優勢（NRCA）模型識別休耕分區類型，以此來構建耕地休耕優先區識別模型。模型集成與休耕優先區識別主要有以下4個步驟：

（1）耕地休耕優先區初步識別。以三維魔方模型的耕地休耕迫切性評價結果中迫切度最高休耕區域為基礎，基于GeoDa運用局部空間自相關方法分析休耕地的空間集聚格局[36]，對休耕迫切性等級相同的集中地塊和嵌入相同休耕迫切性等級的近鄰地塊進行區片式合并，對于零散地塊予以去除，并對集中地塊的“天窗”地塊進行填補，對耕地休耕優先區進行初步識別。

（2）耕地休耕規模測算。基于耕地最小需求量模型和GM（1，1）模型構建耕地休耕規模測算模型，預測休耕目標年耕地可休耕規模。

（3）耕地休耕優先區優選識別。在初步識別出的耕地休耕優先區的基礎上，以第二步測算的休耕規模為約束，再進一步構建種子擴充片區搜索算法[37]，對“可跨越”的休耕迫切性相同、近鄰休耕地塊進行搜索后逐步補充合并，直至無限接近可休耕最大規模，識別出耕地休耕優先區。

（4）耕地休耕優先區主控方向識別。運用標準顯示性比較優勢（NRCA）模型[38]判別比較優勢主導的耕地休耕優先區主控方向類型，即耕地利用強度主控休耕優先區、耕地健康狀況主控休耕優先區以及耕地產能潛力主控休耕優先區三個休耕區域。

2.3.1 耕地休耕規模測算模型

耕地休耕規模是一定時期內，區域在糧食安全約束下可實施休耕的最大耕地規模，即基期年現狀耕地規模與目標年耕地保有量的差值[23]。參考已有研究[9，22]，基于應用最多且較成熟的耕地保有量預測模型，以2019年為基期年，以2025年為目標年，預測研究區2019—2025年間的耕地休耕規模，計算公式如下[9，24]：

2.3.2 種子擴充片區搜索算法

耕地在空間中并非完全相連的，地塊之間的道路等線狀地物，為耕地耕作也提供了便利，形成“可跨越性”的廊道。而局部空間自相關分析所構建的休耕初選區實現了近鄰連片，但難以將相對相連的相同屬性耕地全部入選。因此，本文基于種子擴充片區搜索算法[37]，對搜索“可跨越”的相對相連耕地進行補充，并將其納入初步識別的耕地休耕優先區，最大程度地將相同休耕迫切等級地塊納入耕地休耕優先區。具體步驟如下（圖3）：

（1）將休耕地塊按面積降序。

（2）對于每個耕地圖斑，首先判斷其是否已劃入耕地休耕初選區，若已劃入，跳轉下個圖斑；若未劃入，則以該圖斑為種子，通過近鄰分析搜索指定距離內（低等級公路、水利設施等最常見線狀地物寬度通常為10 m，且該寬度內通常只有一條，故設定搜索距離為10 m）的初選區。

（3）若搜索到新的片區，則判斷該圖斑并入哪個片區。若該圖斑僅搜索到一個片區，則融合并入該片區；若搜索多個片區，則融合并入距離最近的片區。將需休耕的耕地全部遞歸遍歷一遍，直至已遍歷休耕地累計面積大于最大可休耕規模，則完成所有耕地休耕優先區的識別。

2.3.3 耕地休耕優先區類型識別模型

理論上按照組合規律，耕地休耕主控因素組合結果產生的問題分區類型過多，既易導致休耕問題解決方向錯綜復雜化，也不利于休耕模式銜接與休耕問題整治。因此，為保證評價結果能夠突出問題導向、分區組織實施，利用標準顯示性比較優勢（NRCA）模型能夠表征研究對象在不同單元間動態、連續的比較優勢，且不受時空限制的特點，將其引入到休耕主導問題判別中，確定休耕區域的主控方向和主導問題。

在結合三維魔方模型中綜合判定各評價單元的主控因素組合類型的基礎上，運用NRCA模型識別出耕地利用強度、耕地健康狀況以及耕地產能潛力等級值中的比較優勢主導類別。比較優勢類別可體現耕地休耕分區的主導方向，再根據比較優勢的主控因素類別確定耕地利用強度主控優先區、耕地健康狀況主控優先區以及耕地產能潛力主控優先區三類耕地休耕優先區。

3 結果分析

3.1 耕地休耕主控因素評價結果

根據耕地休耕主控因素評價結果（圖4），從耕地利用強度休耕主控因素看，漢南區耕地利用強度總體以高、中強度為主，其分布圖斑數量占研究區耕地圖斑總數量的比重分別達30.34%、54.42%。耕地利用高強度分布面積占研究區耕地總面積比重為53.58%，主要分布在城鎮與水域等非農用地周邊。

從耕地健康狀況休耕主控因素看，處于健康等級的耕地主要分布在漢南區西部、北部，該分布區域耕地環境狀況以優、良等較好等級為主。處于亞健康、不健康等級的耕地主要位于漢南區中部、東部，耕地環境狀況以敏感、較敏感等級為主，分布趨勢與耕地生態環境敏感性評價結果具有相似性，部分耕地分布處于土壤重金屬污染中度以及重度污染的區域。

從耕地產能潛力休耕主控因素看，漢南區耕地產能潛力空間分布上呈現“中間高、四周低”的格局，耕地產能潛力以中、高等級為主，分布面積占研究區耕地總面積的比重分別達43.61%、36.58%。耕地產能高潛力多分布在江漢平原區以及南部沿江河、沿湖等水系發達區域，該地區地處地勢較低的平原，種植條件均較適宜，但由于該區域耕地質量的自然等與利用等還有一定差距，存在著耕地適宜耕種、產能不高的現狀，地力“未盡其用”，加之農業產業結構與種植制度有待于進一步優化，致使區域內的可實現單產低于理論單產，耕地產能潛力未得以充分發揮，因而該區域具有相應的較大增產潛力，亟待通過技術型休耕進行提升。

3.2 耕地休耕空間權衡決策結果分析

根據耕地休耕空間權衡決策模型的休耕迫切度結果，并參考已有休耕迫切性判別研究[15，24]，得出漢南區休耕迫切度主要有“迫切”、“較迫切”和“不迫切”3個等別（圖5），其分布面積分別占研究區耕地總面積的55.72%、29.12%和15.16%，分布圖斑的數量分別占研究區耕地圖斑總數量的34.33%、46.15%和19.52%。

從漢南區休耕迫切度的空間分布看，呈現集中連片分布和零星點狀分布并存的特點。耕地休耕“迫切”區域主要分布在東南部沿江平原區與中部交通干線過渡地帶以及西部、西北部的干渠匯集區和南部沿江河、湖泊等水系發達區域，這些地區耕地產能提升潛力較大，仍以高產能潛力為主，耕地自然等別以高等別為主，而耕地利用等別以中等別為主，耕地產能潛力未得以充分發揮，耕地利用強度以中、高強度為主，耕地健康狀況多為不健康、亞健康等級，耕地環境狀況較敏感，耕地彈性狀況較差，亟需進行休耕；東北部也有零星分布、存在耕地土壤重金屬污染的區域也有小塊狀分布。耕地休耕“較迫切”區域主要分布在漢南區中部和東部等非農用地周邊，該區域耕地健康等級以亞健康為主，耕地利用強度多為中強度區域。耕地休耕“不迫切”區域主要位于西南部、中部交通干線、水系等非農用地周邊，耕地利用強度多為中、低強度等級區域，耕地健康等級以健康為主，且耕地產能潛力提升有限。

3.3 耕地休耕優先區識別結果分析

以耕地休耕空間權衡決策模型的休耕迫切度結果為基礎，通過耕地休耕優先區識別模型以識別耕地休耕優先區。首先，運用模型中的GeoDa分析方法初步識別出休耕地塊后，通過耕地休耕規模測算模型測算出漢南區理論休耕規模。參考國家相關政策和已有研究[9，24]設置需求量與自給率的高、中、低3級組合共9種不同情景，測算的可休耕規模均值為1 782.32 hm2，占全區耕地總面積的比重（休耕比例上限）達15.89%，并以此作為“休多少”的休耕空間規模約束，可休耕耕地在漢南區的中部、東部呈現兩大主要集聚區。

然后，將測算的休耕規模作為約束參數，運用到種子擴充片區搜索算法中，對初步識別出的休耕地塊進行優選，對“可跨越”的休耕迫切性相同、近鄰耕地地塊單元進行搜索后逐步補充合并，將需休耕地全部遞歸遍歷一遍，直至已遍歷休耕地累計面積最接近可休耕規模1 782.32 hm2，則完成所有耕地休耕優先區的識別。經模型運行，識別出耕地休耕優先區面積達1 782.30 hm2，占全區耕地總面積的15.89%。

在識別出休耕優先區的基礎上，將休耕優先區中休耕地塊的耕地利用強度、耕地健康狀況以及耕地產能潛力的等級值代入NRCA指數模型，計算休耕優先區主控因素的比較優勢指數，判別比較優勢主導的耕地休耕優先區主控方向類型，進而判別出耕地利用強度主控休耕優先區、耕地健康狀況主控休耕優先區和耕地產能潛力主控休耕優先區三類休耕優先區共11個，如圖6所示。

耕地利用強度主控休耕優先區分布在通順河、東荊河周邊，分布面積達261.66 hm2，占休耕優先區總面積的14.68%。該區域區位條件較好，耕地規整度高，田塊規模較大，集中連片度高，光溫水土資源協調、降雨充足、耕作便利，常年耕作且復種指數較高，處于“連軸轉”狀態。耕地健康狀況主控休耕優先區空間集聚較為明顯，分布面積達213.03 hm2，占休耕優先區總面積的11.95%，主要分布在漢南區中部區域，耕地健康狀況以亞健康為主，耕地彈性狀況較差、處于較低彈性和低彈性為主的彈性等級，東南部也有較為集中的分布，多位于耕地土壤重金屬污染出現中度污染的區域。耕地產能潛力主控休耕優先區多分布在漢南區中部的沿江平原區以及南部沿河、沿湖等水系發達區域，分布面積達1 307.61 hm2，占休耕優先區總面積的73.37%，該地區本身地處地勢較低的平原，種植條件均較適宜，但地下水位高引發土壤潛育化，導致冷浸潛育型耕地等現象。同時，由于該區域農業產業結構、復種類型高低不一，制約了區域內耕地生產力的發揮，耕地產能潛力仍需挖潛，實施休耕后，提升耕地增產潛力空間。

4 討論

4.1 耕地休耕優先區分區討論

應用本文的“對象選擇、規模約束、連片分區”耕地休耕診斷識別技術框架識別出的耕地休耕優先區分區結果（圖7）與已有研究[9，18]運用休耕迫切性原始空間分布構建休耕分區進行對比，如圖7所示。

（1）休耕對象選擇對比。理論上所有的耕地都應“應休盡休”，若從休耕迫切性“迫切”等級的原始空間分布來選擇休耕地塊，漢南區“迫切”等級休耕地塊面積比為55.72%，休耕比例較大且空間分布較為零散。但耕地休耕實質是一個“對象”和“規模”雙重約束下的休耕地塊優選問題，即將可休耕的耕地在保障糧食安全規模約束下按照優先序篩選進行休耕，并且盡可能使休耕地塊集中連片。

與已有研究[9， 18]按照休耕規模約束下的休耕迫切性原始空間分布構建休耕分區（圖7（a））相比，應用本文的技術框架得出耕地休耕優先區分區結果（圖7（b）），其分區面積達1 782.30 hm2，接近可休耕最大規模1 782.32 hm2，休耕規模比例為15.89%，且從斑塊景觀指數看，休耕圖斑數量減少30.23%、平均圖斑面積增大36.74%，休耕分區對象的空間形態得到優化。

（2）休耕分區格局對比。參考已有研究的矢量景觀指數和局部分區格局分析方法[39-40]，將休耕迫切性原始空間分布（圖7（a））與耕地休耕優先區（圖7（b））進行對比。從分區景觀格局指數看，景觀形狀指數減少22.75%、邊界密度降低20.9%，休耕分區形態和邊界更加清晰，休耕地塊更加集中連片。從分區局部格局對比看，以圖7（c）區域為例，分區前后相比，耕地休耕優先區識別模型可對休耕迫切性等級相同的集中地塊以及NRCA指數一致的近鄰地塊進行區片式合并，去除零散地塊、逐步補充合并“可跨越”的近鄰耕地地塊單元，從而將空間區位相鄰、現狀特征與問題一致的休耕地塊最大程度地歸為同一休耕空間分區，顧及了休耕“集中連片”的現實政策需求。

4.2 休耕優先區主控方向探析及其休耕建議

（1）休耕主控方向探析。休耕實施必須注重問題導向[20]。與已有研究，如陳浮等[18，20]、楊慶媛等[9]劃分的I級重點休耕區、重點休耕區等休耕迫切性等級分區或時序優先級分區相比，本文提出了基于問題導向的耕地休耕空間分區識別的新思路。通過測算休耕優先區中休耕地塊的耕地利用強度、耕地健康狀況以及耕地產能潛力等休耕主控因素的NRCA指數，判別出比較優勢主導的耕地休耕優先區主控方向類型，即耕地利用強度、耕地健康狀況以及耕地產能潛力主控休耕優先區3類休耕優先區，使得休耕優先區具有明確具體的休耕主導問題，可為空間決策科學選擇休耕地、集中連片實施休耕提供技術思路及空間參考，便于不同主導問題分區分類施策和開展針對性的休耕實踐，對精準實施休耕以實現耕地可持續利用、保障國家糧食安全具有重要意義。

（2）休耕政策建議。為推進耕地休耕“集中連片”落地實施，應根據休耕主控方向對耕地休耕優先區分類施策。針對耕地利用強度主控優先休耕區，可采用種養結合休養式休耕模式，通過優化調整種植結構，將種地和養地相結合，結合農戶休耕意愿，引種龍須草等生長快、根系多、固土能力強的保土作物，優化耕作，實行耕地休養與肥力提升相結合。針對耕地健康狀況主控優先休耕區，采用清潔去污治理式休耕模式，推廣稻漁生態種植模式，提升農業生產與生態環境的匹配度，建立循環型、可持續發展型的農業生產方式。針對耕地產能潛力主控優先休耕區，采用產能提升管理式休耕模式，縮小耕地可實現產能與理論產能之間的差距，加強耕地的針對性澆灌、施肥和管理，推廣保護性耕作方式，挖掘提升潛能，提高耕地有效產出。

4.3 本文的普適性與局限性

本文與已有研究在技術方法上具有普適性延續，均基于休耕迫切度視角，應用空間約束方法對休耕地塊進行優選分區。同時，本文遵循“對象選擇、規模約束、連片分區”邏輯的耕地休耕優先區識別方法，可應用于休耕主控因素相似區域的耕地休耕分區研究，又可根據不同區域的休耕目標和耕地利用狀況靈活地調整休耕主控因素，進而耦合空間權衡決策與連通性進行休耕分區，在技術方法應用上具有普適性。

耕地休耕是一種基于未來考慮的土地利用安排。本文參考已有研究的普適性方法，確定休耕規模上限，但預測未來往往具有局限性。“休哪里”“休多少”“怎么休”不僅受耕地稟賦與利用狀況約束，更需綜合考慮國際糧食市場、農戶意愿等因素。因此多因素多情景、多目標約束下的耕地休耕分區是亟待深入的研究方向。

5 結論

本文從耕地休耕空間分區的內在邏輯出發，以漢南區為研究區，綜合運用耕地休耕空間權衡決策模型、耕地休耕優先區識別模型等方法，探討該區域休耕地的診斷與識別、休耕優先區布局等問題。主要結論如下：

（1）漢南區耕地休耕空間權衡決策的休耕迫切度以“迫切”和“較迫切”為主，其分布面積分別占研究區耕地總面積的55.72%和29.12%，在空間分布上呈現出集中連片分布和零星點狀分布并存。

（2）識別出漢南區耕地休耕優先區11個，面積達1 782.30 hm2，占全區耕地總面積的15.89%。通過構建的耕地休耕優先區識別模型，使休耕分區由休耕地塊原始空間分布組合轉變為連片閉合的區域分區，休耕優先區分區結果與休耕迫切性原始空間分布相比，休耕地塊數量減少30.23%、單位面積增大36.74%、景觀形狀指數減少22.75%、邊界密度降低20.9%，休耕分區空間形態和邊界更加清晰，休耕地塊更加集中連片。

（3）漢南區耕地休耕優先區可以劃分為耕地利用強度主控休耕優先區、耕地健康狀況主控休耕優先區以及耕地產能潛力主控休耕優先區3類，分別占耕地休耕優先區面積的14.68%、11.95%和73.37%。針對每類耕地休耕優先區休耕主導問題，分別提出種養結合休養式休耕模式、清潔去污治理式休耕模式、產能提升管理式休耕模式等休耕模式與管控建議。

參考文獻（References）：

[1] XIE W， ZHU A F， ALI T， et al. Crop switching can enhance environmental sustainability and farmer incomes in China[J] .Nature， 2023， 616： 300 - 305.

[2] LI T T， LONG H L， ZHANG Y N， et al. Analysis of the spatial mismatch of grain production and farmland resources in China based on the potential crop rotation system[J] . Land Use Policy， 2017， 60： 26 - 36.

[3] CHEN Y L， YU P H， CHEN Y Y， et al. Spatiotemporal dynamics of rice-crayfish field in Mid-China and its socioeconomic benefits on rural revitalisation[J] . Applied Geography， 2022， 139. doi： 10.1016/j.apgeog.2022.102636.

[4] XIE H L， JIN S T. Evolutionary game analysis of fallow farmland behaviors of different types of farmers and local governments[J] . Land Use Policy， 2019， 88. doi： 10.1016/ j.landusepol.2019.104122.

[5] 匡兵，盧新海，陳丹玲. 基于內容分析法的中國耕地輪作休耕政策工具選擇研究[J] . 中國土地科學，2018，32（11）：30 - 36.

[6] CHENG C， LIU Y L， LIU Y F， et al. Cropland use sustainability in Cheng-Yu Urban Agglomeration， China： evaluation framework， driving factors and development paths[J] . Journal of Cleaner Production， 2020， 256. doi： 10.1016/ j.jclepro.2020.120692.

[7] 楊慶媛，陳展圖，信桂新，等. 中國耕作制度的歷史演變及當前輪作休耕制度的思考[J] . 西部論壇，2018，28（2）：1 - 8.

[8] 孔祥斌. 生態文明背景下的中國耕地保護戰略與路徑[J] . 土地科學動態，2020（1）：1 - 4.

[9] 楊慶媛，畢國華，陳展圖，等. 喀斯特生態脆弱區休耕地的空間配置研究——以貴州省晴隆縣為例[J] . 地理學報，2018，73（11）：2250 - 2266.

[10] 陳展圖，楊慶媛. 中國耕地休耕制度基本框架構建[J] .中國人口·資源與環境，2017，27（12）：126 - 136.

[11] 宋戈，張紅梅. 東北典型黑土區耕地輪作休耕的空間重構[J] . 自然資源學報，2022，37（9）：2231 - 2246.

[12] 谷國政，高佳，邱政超. 可持續發展背景下休耕制度的價值意蘊及對我國的啟示[J] . 中國農業資源與區劃，2023，44（2）：1 - 12.

[13] 王田，房寧. 種植業高質量發展成效顯著[N] . 農民日報，2022 - 12 - 24（1）.

[14] 江雅婷，趙偉，駱佳玲，等. 基于“極化—涓滴”理論的成渝地區雙城經濟圈休耕地分區研究[J] . 中國土地科學，2024，38（2）：73 - 82.

[15] ZENG S Y， CHEN F， LIU G J， et al. Fallow priority areas for spatial trade-offs between cost and efficiency in China[J] . Communications Earth Environment， 2023， 4. doi： 10.1038/s43247-023-00850-1.

[16] 黃國勤，趙其國. 中國典型地區輪作休耕模式與發展策略[J] . 土壤學報，2018，55（2）：283 - 292.

[17] 曹穎，雷鳴，孔祥斌，等. 黃淮海平原地下水超采區休耕政策過程績效評價及改進策略研究[J] . 中國農業大學學報，2023，28（5）：163 - 174.

[18] 陳浮，曾思燕，葛小平，等. 資源環境硬約束下中國耕地休耕優先區識別[J] . 農業工程學報，2021，37（22）：226- 235.

[19] SHI K F， YANG Q Y， LI Y Q， et al. Mapping and evaluating cultivated land fallow in Southwest China using multisource data[J] . Science of the Total Environment， 2019， 654： 987 - 999.

[20] 陳浮，曾思燕，馬靜，等. 多情景模擬休耕對中國糧食安全的影響[J] . 中國土地科學，2023，37（1）：90 - 101.

[21] JOHNSON K A， DALZELL B J， DONAHUE M， et al. Conservation Reserve Program（CRP）lands provide ecosystem service benefits that exceed land rental payment costs[J] . Ecosystem Services， 2016， 18： 175 - 185.

[22] 譚術魁，韓思雨，張路. 糧食安全視角下糧食主產區耕地休耕規模及動態仿真研究[J] . 中國土地科學，2020，34（2）：9 - 17.

[23] 石飛，楊慶媛，王成，等. 基于耕地能值—生態足跡的耕地休耕規模研究——以貴州省松桃縣為例[J] . 生態學報，2021，41（14）：5747 - 5763.

[24] 陳展圖. 生態安全和糧食保障雙約束的休耕空間分區研究[D] . 重慶：西南大學，2020：64，83 - 85.

[25] 曾慶敏，王雨蓉，王晶，等. 基于“質量 - 風險”的干旱區休耕空間布局及補償策略[J] . 農業工程學報，2021，37（20）：266 - 276.

[26] 曾思燕，于昊辰，馬靜，等. 中國耕地表層土壤重金屬污染狀況評判及休耕空間權衡[J] . 土壤學報，2022，59（4）：1036 - 1047.

[27] QIU B W， LIU B L， TANG Z H， et al. National-scale 10m maps of cropland use intensity in China during 2018-2023[J] . Scientific Data， 2024， 11. doi： 10.1038/s41597-024-03456-0 .

[28] 牛紀華，李松梧. 農田休耕的必要性及實施構想[J] . 農業環境與發展，2009，26（2）：27 - 28.

[29] 趙雲泰，黃賢金，鐘太洋，等. 區域虛擬休耕規模與空間布局研究[J] . 水土保持通報，2011，31（5）：103 - 107.

[30] 石飛，楊慶媛，王成，等. 耕地健康視角的耕地休耕空間配置研究——以貴州省松桃縣為例[J] . 長江流域資源與環境，2023，32（5）：1090 - 1101.

[31] 劉軼青，陶建斌，陳曦，等. 一種基于時序遙感影像混合像元分解的耕地種植強度估算方法——以湖北省為例[J] .華中師范大學學報（自然科學版），2020，54（1）：96 - 103.

[32] 陳文廣，孔祥斌，溫良友，等. 基于需求-功能-維度的耕地健康評價指標體系構建與應用[J] . 中國農業大學學報，2021，26（5）：106 - 117.

[33] 蘇浩，李雪銀，吳次芳. 東北黑土區耕地系統健康影響因子作用機理——以克山縣為例[J] . 經濟地理，2024，44（5）：151 - 160.

[34] 陳麗. 黃淮海平原耕地多功能效應及保護補償研究[D] .北京：中國農業大學，2016：37 - 39.

[35] WANG J Y， WEI X M， GUO Q. A three-dimensional evaluation model for regional carrying capacity of ecological environment to social economic development： model development and a case study in China[J] . Ecological Indicators， 2018， 89： 348 - 355.

[36] ANSELIN L. Local Indicators of Spatial Association—LISA[J] . Geographical Analysis， 1995， 27（2）：93 - 115.

[37] 馬世發，吳楷釗，勞春華，等. 永久基本農田保護片區智能識別系統iZone的建立與應用[J] . 農業工程學報，2017，33（2）：276 - 282.

[38] ZHANG J， LI S N， LIN N F， et al. Spatial identification and trade-off analysis of land use functions improve spatial zoning management in rapid urbanized areas， China[J] . Land Use Policy， 2022， 116. doi： 10.1016/j.landusepol.2022.106058.

[39] YAO Y， CHENG T， SUN Z H， et al. VecLI： a framework for calculating vector landscape indices considering landscape fragmentation[J] . Environmental Modelling Software， 2022， 149. doi： 10.1016/j.envsoft.2022.105325.

[40] 錢鳳魁，逄然然，于洋，等. 遼寧省不同地貌區耕景觀格局與耕地質量空間關聯特征及作用機制[J] . 中國生態農業學報（中英文），2023，31（1）：113 - 124.

Research on Priority Zones Identification of Cultivated Land Fallow by Coupling Spatial Trade-off Decision and Connectivity： A Case Study of Hannan District， Wuhan City

CHENG Chao1， CHEN Youlin2， WU Jiuxing1， FEI Luocheng1， XU Yuting1

（1. School of Geography and Tourism， Anhui Normal University， Wuhu 241002， China； 2. School of Economics and Management， Wuhan University， Wuhan 430072， China）

Abstract： The purposes of this study are to establish a scientific method for identifying priority zones of cultivated land fallow， and to solve the problems in the existing selection style of cultivated land fallow characterized by administrative task-based indicators， such as fuzzy selection criteria for selected fallow patches， singular selection technique， and fragmented spatial forms. The research methods are as follows. Taking Hannan District of Wuhan City as the study area， this study firstly integrates the evaluation model for the main control factors of cultivated land fallow and the threedimensional magic cube model to develop a spatial trade-off decision model to diagnose objects of cultivated land fallow.Then， based on the seed search algorithm and NRCA model， the identification model of cultivated land fallow priority zones is constructed. Finally， the two models are coupled into the technical framework of “object selection， scale constraint and continual subdivision” to diagnose and pinpoint the cultivated land fallow zones. The research results show that： 1） the urgency of cultivated land fallow in spatial trade-off decision model is mainly “urgent” and “relatively urgent”， and the spatial distribution shows the coexistence of centralized contiguous distribution and sporadic spot distribution. 2） There are eleven priority zones for cultivated land fallow， accounting for 15.89% of the total cultivated land area in Hannan District. Compared with the original spatial distribution of fallow urgency under the same fallow scale， the number and the unit area of cultivated land fallow patches decreases by 30.23% and increases by 36.74%，respectively. The Landscape Shape Index and Edge Density decrease by 22.75% and 20.9%， respectively. 3） Three fallow priority zones controlled by cultivated land use intensity， cultivated land health status and cultivated land productivity potential are identified， accounting for 14.68%， 11.95% and 73.37%， respectively. The fallow model and management suggestions are put forward for the above three fallow priority areas， accordingly. In conclusion， based on the problem-oriented identification of cultivated land fallow priority zones， this study realizes the practical policy needs of scientific selection of cultivated land fallow and “concentrated connectivity” in cultivated land fallow zones， and provides the policy references for the precise implementation of cultivated land fallow to achieve sustainable cultivated land use and national food security.

Key words： technology framework of cultivated land fallow diagnosis； cultivated land system healthy； cultivated land use intensity； cultivated land productivity potential； algorithm of seed expansion area search

（本文責編：郎海鷗）