基于GWR的耕地经营细碎化影响因素研究——以山西省太谷县东贾村为例

王昕，毕如田，赵杰

(山西农业大学 资源环境学院，山西 太谷 030801)



基于GWR的耕地经营细碎化影响因素研究——以山西省太谷县东贾村为例

王昕，毕如田*，赵杰

(山西农业大学 资源环境学院，山西 太谷 030801)

摘要：本文在研究区2015年土地承包经营权确权登记数据的基础上，构建并测算农户经营细碎化指标，建立地理加权回归(geographically weighted regression，GWR)模型，来研究农户经营细碎化的影响因素。通过与普通OLS模型对比，各项参数显示GWR模型优势明显。结果表明，各解释变量空间非平稳性显著，斑块面积、自然等别、利用等别和经济等别与经营细碎化成正相关，耕地坡度与经营细碎化为负相关。在平原地区，斑块面积、交通通达度、耕作便利度、耕地坡度、自然等别和利用等别对经营细碎化程度影响显著，在丘陵地区，耕地坡度、交通通达度、耕作便利度和经济等别对经营细碎化程度影响显著。研究结论对农村土地规模化经营和土地利用效率的提升具有参考意义。

关键词：耕地；经营细碎化；影响因素；GWR

耕地资源是一种不可替代的自然资源，是区域可持续发展的基础条件之一[1]。耕地细碎化是指受人为或自然条件的影响，耕地难以成片、集中、规模经营，土地利用呈插花、分散、无序的状态[2]。已有的研究多把耕地细碎化分为斑块自然细碎化和农户经营细碎化。斑块自然细碎化指由于自然或人为分割导致的土地斑块细碎化，农户经营细碎化指农户所经营的土地零碎的、分散的、大小不一的几块[3]。很多学者从多种视角、采用多种方法对耕地细碎化进行了研究，郭海霞等定性分析了自然、社会和制度因素对农地经营细碎化的影响，指出了我国农地政策制度是导致经营细碎化的主要原因[4]。李鑫等基于DEA分析了耕地细碎化对耕地利用效率的影响，结果表明细碎化对耕地利用规模效率和纯技术效率的负影响显著[5]。张海鑫等建立了超越对数随机前沿生产函数，分析了耕地细碎化对粮食生产技术效率的影响[6]。王道骏利用景观指数分析了甘肃省临夏北塬地区9个乡镇的耕地细碎化水平，结果表明地块面积过小、数量过多、形状复杂不规则是导致细碎化的根本原因[7]。这些研究多数是基于景观指数对耕地斑块自然细碎化的探讨[8~13]，对于农户经营细碎化的研究尚不多见。

本文从全新视角构建农户经营细碎化指标，以自然斑块为单元定量测算，并且基于GWR回归方法，构建模型分析斑块面积、交通通达度、耕作便利度、耕地坡度以及耕地自然等别、利用等别和经济等别对耕地斑块农户经营细碎化的影响，以期研究结论为农村土地规模化经营和土地利用效率的提升提供参考。

1数据来源与研究方法

1.1　研究区概况

研究区东贾村位于山西省太谷县任村乡东部、太焦铁路线东侧，距离任村乡6 km，交通便利。东贾村土地总面积308.44 hm2，其中耕地面积188.35 hm2，主要为旱地和水浇地。本研究选择东贾村作为研究区域的原因是该区域既包含平原地貌，又有黄土丘陵地貌，而且居民点偏离村庄正中心，耕地图斑分布不均匀，便于本文对导致经营细碎化的原因的研究。

1.2　数据来源

本研究基础数据采用第二次土地调查数据库资料，2015年山西省太谷县任村乡东贾村1∶2 000正射遥感影像，通过对该村农村土地承包经营权确权登记的调查，对遥感影像进行矢量化获取研究区耕地空间数据，DEM数据采用地理空间数据云下载的30 m分辨率的STRM数据，以及2010年太谷县农用地质量分等定级数据。

太谷县东贾村耕地斑块分布图如图1，该村共有农户220户，耕地自然斑块368个，耕地经营斑块1 257个，户均耕地斑块6个，户均耕地面积0.86 hm2。

图1　东贾村耕地图斑分布图Fig.1　Land patches distribution of Dongjia village

1.3　耕地细碎化的含义

耕地细碎化一般包括耕地自然细碎化和耕地经营细碎化。耕地自然细碎化是由自然或人为分割导致的斑块细碎化，其斑块边界通常由道路、地形地貌和土地利用类型等因素形成。耕地经营细碎化是农户具有经营权的耕地，通常将自然形成的田块通过田坎、沟渠、地埂以及土地利用等方式分割为更加零碎、分散、大小不一的田块。

本研究利用平均斑块形状指数来定量刻画耕地自然斑块细碎化程度，计算每个农户经营斑块的平均斑块形状指数MSI，公式如下[14]：

(1)

然后对各个耕地自然斑块进行面积加权平均，得到各个自然斑块的农户经营细碎化指标NAWMSI，其公式如下：

(2)

式中，n为每个耕地自然斑块的经营农户数，i为自然斑块中第i个农户经营的斑块，Pi为第i个农户经营斑块的周长，ai为第i个农户经营斑块的面积，A为自然斑块的面积。

1.4　影响因素的选取

根据影响耕地经营细碎化的四个宏观方面的条件：耕地区位条件、社会条件、自然条件和耕作条件，选取对经营细碎化的微观影响因素，因素的选取对经营细碎化的研究分析具有直接影响。因此因素选取时应考虑以下几方面的原则：1)相互独立原则，影响经营细碎化的因素很多，选取不好则可能导致共线性问题严重，因此选取时要遵循相互独立的原则；2)主导性原则，在选取因素时要抓重点，选取对经营细碎化影响较大的因素，舍弃影响小的因素；3)简便性原则，影响因素复杂多样，且数据搜集处理工作十分繁杂，因此应遵循简便的原则。

影响因素如下： 1)面积，为耕地自然斑块的面积，对于形状相对规则的斑块，农户经营状况相对复杂，故斑块面积可以作为农户经营细碎化的影响因素；2)交通通达度，通过测算每块耕地到道路(农村道路、公路用地，不包括高速公路与铁路)的直线距离来衡量它的交通通达情况，利用直线衰减法赋值，距道路距离越小值越大；3)耕作便利度，通过描述农村居民点到各个耕地地块的距离，来反映居民点对各地块的经营细碎化影响程度，利用指数衰减法赋值，距居民点越近数值越大；4)耕地坡度，由DEM数据提取，根据《第二次全国土地调查技术规程》规定的耕地坡度的五个等级：<2°、2°～6°、6°～15°、15°～25°、≥25°，本文对耕地坡度重分类为1、2、3、4和5五个等级；5)自然等别；6)利用等别；7)经济等别，由于本研究区域较小，为充分显示耕地质量空间分异规律，故耕地质量等级均采用省级等别数据。

1.5　GWR模型

传统OLS只是对参数进行全局线性估计，不能反映参数在局部的空间非稳定性。一般的全局回归模型[15]：

(3)

地理加权回归方法是对传统回归模型进行了扩展，使得参数能够进行局部线性估计，其模型为：

(4)

其中yi为观测值，(ui,vi)是第i个样本点的空间坐标；β0(ui,vi) 为i点的回归常数，βk(ui,vi)为i点的第k个回归参数，即模型函数在空间坐标(ui,vi)处的权重，xik为独立变量xk在i点的值，εi是残差，如果空间任意一点的权重均相同，则公式(4)变为全局模型公式。

本研究GWR 模型类型选择Gaussian，核函数类型采用Adaptive bi-square(NN)，最优带宽选择方式为Golden section search，带宽选择标准为AICc，即当AIC达到最小值时的带宽为最优带宽。选取农户经营细碎化指数NAWMSI为模型因变量，耕地斑块面积、交通通达度、耕作便利度、耕地坡度、自然等别、利用等别和经济等别作为模型解释变量来研究农户经营细碎化的影响机制。

2结果与分析

2.1　OLS与GWR模型对比分析

2.1.1OLS结果分析

在进行GWR估计之前，先不考虑地理空间结构影响，作普通最小二乘估计OLS回归，以期与GWR模型估计的参数进行对比，OLS模型得到的回归系数估计值与标准差结果如表1，OLS调整R2为0.7459，各自变量回归系数均通过了1%或5%显著性水平的检验。说明在OLS模型中，各自变量均可以作为模型的解释变量。

表1　OLS估计结果

2.1.2GWR结果分析

由于农户经营细碎化空间异质性是客观存在的，不同的空间子区域上解释变量和因变量之间的关系有可能不同，因此有必要考虑经营细碎化空间异质性的问题。

GWR模型利用AICc方法得到的最佳带宽为82，为对比GWR模型与OLS模型性能的优劣，此处选取指标校正R2以及AICc(Akaike 信息准则)[16]，R2代表自变量对因变量的解释程度，R2越高则解释程度越高。AICc可以用来评价模型预测精确程度，取值越低表明模型预测越精确，通常当两个模型AICc的差值大于3时，则认为具有较低AICc的模型更佳[17]。从表2中可以看出GWR模型中解释变量对因变量的解释程度高，而且模型的预测精度也更优，故本研究的GWR模型比OLS模型表现出了更大的优势。

GWR参数的分位数估计结果如表3，从左往右分别为最小值、1/4分位数、中位数、3/4分位数、最大值和OLS全局(global)的平均数。结果显示，GWR估计的各解释变量对空间不同子区域的农户经营细碎化都有一特定的参数值，换言之，不同分位点的回归拟合估计值的差异比较显著，直观地说明了各自变量(系数，即影响度)存在一定程度的异质性，即空间非平稳性，本文中的回归系数统称为影响度。

表2　OLS与GWR模型对比

表3　农户经营细碎化的GWR参数估计结果(分位估计)

2.2　结果分析

2.2.1斑块面积影响度空间分布特征

面积影响度空间分布图如图2，东贾村平原地区耕地斑块形状较为规则，耕地面积与经营细碎化的Pearson相关性为0.496 2，对于形状较为规则的斑块，农户经营细碎化程度随面积增大而增大。从图中也可以看出，斑块面积影响度表现出了明显的空间非平稳性，村庄北部和西部区域经营细碎化程度受斑块面积影响比较明显，影响度为负数的区域多数位于村庄东部和南部的丘陵地貌区，斑块较为零碎且形状不规则，农户经营细碎化程度较低，故斑块面积对平原地区经营细碎化的影响大于丘陵地区。

图2　耕地面积影响度分布图Fig.2　Influence degree of patch area

图3　交通通达度影响度分布图Fig.3　Influence degree of traffic accessibility

图4　耕作便利度影响度分布图Fig.4　Influence degree of farming convenience degree

2.2.2交通通达度影响度空间分布特征

交通通达度表示耕地斑块与乡村主干道或公路的距离远近程度，其影响度空间变异特征如图3，空间非平稳性显著。 由图可以看出，交通通达度对于丘陵地区和离居民点较远的耕地经营细碎化程度影响较大，主要是由于人们对道路等交通因素的考虑居多。

2.2.3耕作便利度影响度空间分布特征

耕作便利度影响度分布特征如图4，OLS影响度在所有指标中值最小，表明耕作便利度对经营细碎化的影响程度较小，GWR结果显示其影响度具有一定的空间非平稳性，影响度正负各占50%，图中横跨东西的绿色区域影响度为负数，南部部分区域和北部区域影响度为正数。主要原因是当距居民点距离在一定范围内时，其对经营细碎化影响程度有限；当距居民点距离大于某一范围时，其对经营细碎化的的影响程度变为正数且逐渐增大。

2.2.4耕地坡度影响度空间分布特征

耕地坡度影响度分布特征如图5，其与经营细碎化程度的Pearson相关系数为-0.656 9的负相关，其OLS影响度为负值，GWR影响度统计大多数为负数，与实际情况相吻合。主要原因是耕地坡度较大的丘陵地貌区域耕地自然斑块相对零碎，虽然自然破碎度严重，但是其斑块平均农户经营数较小，农户经营细碎化程度较低。耕地坡度对丘陵区和平原区大部分斑块经营细碎化程度影响显著。

图5　耕地坡度影响度分布图Fig.5　Influence degree of slope of land

2.2.5自然等别影响度空间分布特征

自然等别影响度分布特征如图6，自然等别即耕地自然质量条件划分出的等级，其GWR影响度空间非平稳性显著，北部部分区域影响度为负数，往其余区域延伸，影响度逐渐增大变为正数，且丘陵地区影响度均为正数，说明这些区域经营细碎化程度受自然质量条件影响较大。

图6　自然等别影响度分布图Fig.6　Influence degree of natural grading

2.2.6利用等别影响度空间分布特征

利用等别影响度分布特征如图7，与自然等别类似，利用等别GWR影响度空间非平稳性显著，平原地区大部分区域和丘陵地区回归系数均为正数，表明研究区经营细碎化受耕地利用等别影响较大。

图7　利用等别影响度分布图Fig.7　Influence degree of use grading

2.2.7经济等别影响度空间分布特征

经济等别影响度空间分布特征如图8，其空间非平稳性显著，绝大部分为正数，表明其与经营细碎化整体呈正相关。在居民点周围影响度绝对值达到最大，对经营细碎化程度的影响大于远离居民点的区域。

3结论与讨论

本研究从全新角度以耕地自然斑块为单元定量地测算了经营细碎化程度，并利用GWR模型，对耕地经营细碎化的影响因素进行了探讨。通过模型对比， GWR模型各参数都表现出了较大的优势。

图8　经济等别影响度分布图Fig.8　Influence degree of economic grading

(1)OLS 回归结果表明，各影响因素均通过了1%或5%显著性水平的检验。说明在OLS模型中，所选影响因素均可以作为模型的解释变量。各影响因素影响度绝对值大小依次为斑块面积、经济等别、自然等别、利用等别、交通通达度、耕地坡度、耕作便利度，其排序表示各解释变量对农户经营细碎化的全局影响程度。

(2)GWR回归结果表明，各影响因素影响度都表现出了显著的空间非平稳性。在平原地区，对经营细碎化程度影响显著的因素有斑块面积、交通通达度、耕作便利度、耕地坡度、自然等别和利用等别。平原区斑块相对规则，面积越大经营细碎化程度越大，耕地自然质量条件和利用状况影响程度相当。在丘陵地区，对经营细碎化程度影响显著的因素有耕地坡度，交通通达度、耕作便利度和经济等。经济等别对丘陵区的影响大于平原区，耕地坡度、交通通达度、耕作便利度对整个地区影响程度相当。

本文利用GWR模型分析了导致农户经营细碎化的影响因素，所选影响因素对耕地经营细碎化影响显著，研究结论对农村土地规模化经营和土地利用效率的提升具有一定的参考意义。

参考文献

[1]吴志峰,匡耀求,黄宁生，等. 基于GIS的广州市耕地资源多样性与破碎度分析[J]. 农业系统科学与综合研究, 2004, 20(4) :258-260.

[2]孙雁,李敬峰. 基于细碎化视角的土地资源可持续利用评价研究——以江西省分宜县为例[J]. 农业经济, 2009(2):45-47.

[3]李功奎,钟甫宁. 农地细碎化、劳动力利用与农民收入——基于江苏省经济欠发达地区的实证研究[J]. 中国农村经济, 2006(4):42-48.

[4]郭海霞,任大鹏. 我国农地经营细碎化问题研究[J]. 求实,2008 (3):86-88.

[5]李鑫,欧名豪,马贤磊. 基于景观指数的细碎化对耕地利用效率影响研究——以扬州市里下河区域为例[J]. 自然资源学报, 2011, 26(10) :1758-1767.

[6]张海鑫,杨钢桥. 耕地细碎化及其对粮食生产技术效率的影响——基于超越对数随机前沿生产函数与农户微观数据[J]. 资源科学, 2012, 34(5):903-910.

[7]王道骏,陈英,贾首杰，等. 基于景观格局指数的耕地细碎化研究——以甘肃省临夏北塬地区为例[J]. 中国农学通报, 2014, 30(32):184-188.

[8]陈红宇,朱道林,郧文聚，等. 嘉兴市耕地细碎化和空间集聚格局分析[J]. 农业工程学报,2012,28(4) : 235-242.

[9]李庆东,王秋兵,钱凤魁，等. 农户耕地经营细碎化分析——以辽宁省昌图县为例[J]. 广东农业科学, 2010 (6) :230-232.

[10]吕振宇,牛灵安,郝晋珉，等. 基于层次分析法的耕地细碎化程度多指标综合评价研究[J]. 中国农学通报, 2014, 30(26) :200-206.

[11]苏旭霞,王秀清. 农用地细碎化与农户粮食生产——以山东省莱西市为例的分析[J]. 中国农村观察, 2002(3) :22-28.

[12]吕晓,黄贤金,钟太洋，等. 中国农地细碎化问题研究进展[J]. 自然资源学报,2011,26(3) :530-540.

[13]侯方安. 耕地细碎化对农业机械化的影响研究[J]. 中国农机化,2009(2) :68-72.

[14]邬建国.景观生态学——格局、过程、尺度与等级(第二版)[M].北京:高等教育出版社,2007 :107-115.

[15]罗罡辉. 基于GWR模型的城市住宅地价空间结构研究[D]. 浙江大学,2007.

[16]Tu J,Xia Z G. Examining spatially varying relationships between land use and water quality using geographically weighted regression I: Model design and evaluation[J]. Science of the Total Environment, 2008, 407(1) :358-378.

[17]BROWN S,VERSACE V L,LAURENSON L,et al. Assessment of spatiotemporal varying relationships between rainfall, land cover and surface water area using geographically weighted regression [J]．Environmental Modeling & Assessment, 2012,17(3) :241-254.

(编辑：赵红)

Research on influential factors of land managerial fragmentation based on GWR model

——A Case of dongjia village in taigu county of Shanxi province

Wang Xin, Bi Rutian*, Zhao Jie

(CollegeofResourcesandEnvironment,ShanxiAgriculturalUniversity,Taigu030801，China)

Abstract:Based on the rural land contractual management right data in 2015 of research area, this study has constructed the land managerial fragmentation test index and the GWR (geographically weighted regression) model, aimed at analyzing the influential factors of land managerial fragmentation. Compared with the ordinary OLS model, the advantages of GWR various parameters were very obvious. The results showed that the spatial heterogeneity of all explanatory variables was significant. Patch area, natural grading, use grading and economic grading showed a positive correlation with the land managerial fragmentation, while slope of land showed a negative correlation with the land managerial fragmentation. In the plain area, patch area, traffic accessibility, farming convenience degree, slope of land, natural grading and use grading have significant effects on the land managerial fragmentation. In the hilly region, slope of land, traffic accessibility, farming convenience degree and economic grading have significant effects on the land managerial fragmentation. The conclusion would offer a reference for land large-scale management and promote efficiency of land use.

Key words:Land; managerial fragmentation; influential factors; GWR

中图分类号：F301.21

文献标识码：A

文章编号：1671-8151(2016)02-0133-06

基金项目：山西省农业厅“山西省耕地地力评价”项目(2014)

通讯作者：*毕如田，教授，博士生导师，Tel:0354-6288912;E-mail: brt@sxau.edu.cn

作者简介：王昕(1989-)，男(汉)，山西长治人，硕士研究生，研究方向：3S技术与应用

收稿日期：2015-11-30修回日期：2015-12-28