淮南市耕地非农化驱动因素的灰色关联分析

高　杨，张红梅，苏海民

(1.宿州学院 环境与测绘工程学院，安徽 宿州 234000；2. 安徽理工大学 地球与环境学院，安徽 淮南 232001)



淮南市耕地非农化驱动因素的灰色关联分析

高杨1，张红梅2，苏海民1

(1.宿州学院 环境与测绘工程学院，安徽 宿州 234000；2. 安徽理工大学 地球与环境学院，安徽 淮南 232001)

[摘要]基于2004-2013年淮南市耕地资源数据及社会经济统计资料，进行淮南市耕地非农化驱动因素的灰色关联分析。结果表明：淮南市耕地资源总量及人均耕地面积都呈现明显的递减趋势，耕地总面积除2010年较上年略有增加外，其余各年份都有不同程度的减少，人均耕地面积在2003-2011年呈现出与耕地总面积相似的逐年递减变化，2012-2013年人均耕地面积略有增加；人口数量、城市化发展、农业生产水平和居民生活水平是影响淮南市近年耕地非农化的主要驱动因素。

[关键词]耕地非农化；驱动因素；灰色关联分析；淮南市

耕地资源是人类生存和发展的基础性资源。随着经济发展和城市化进程的不断加快，耕地转变为非农、建设用地的非农化过程不可避免，耕地非农化所导致的耕地数量减少、耕作层破坏都是难易恢复的，对国家粮食安全和生态安全将产生很大影响[1]，因此引起专家和学者的广泛关注。目前，在很多地区进行了耕地非农化的多层次研究，研究主要集中在两个方面，一方面是耕地非农化时空演变的过程分析[2-3]，另一方面是耕地非农化的驱动因素研究[4-6]，特别是对于较小空间尺度的区域范围，耕地非农化驱动因素的研究更受重视。淮南市作为安徽省重要的工矿城市，耕地非农业化会直接影响着区域粮食供给和生态保护，进而影响区域经济的可持续发展，分析淮南市非农业化驱动因素，准确认识矿业城市耕地非农化的机制，为矿业型城市制定合理的土地利用规划、实现土地资源的可持续利用提供科学的理论依据。

1研究区概况

淮南市地处安徽省中北部，市辖六区一县，包括田家庵区、八公山区、谢家集区、潘集区、大通区、毛集实验区和凤台县，总面积约2585km2。淮南市地处暖温带与亚热带的过渡区，季风气候典型，年平均气温15.6℃，年均降水量899.4mm，降水年际变化大，季节分配很不均匀。市境位于淮河流域，淮河北岸为较平坦的平原地区，淮河以南多为东西隆起的低山丘陵，淮河是市境最大的地表水，区内还有窑河、东淝河、西淝河、泥黑河等支流。淮南市是安徽省重要的工业城市，被誉为中国能源之都，2013年末，全市总人口243.29万人，城镇化率达45.88%，全年生产总值(GDP)819.39亿元，三产业比重分别为8.07%、62.06%、29.87%。

2研究方法与数据来源

2.1灰色关联分析法

灰色关联分析方法一般用来研究系统中不同因素之间的相关关系和关联程度[7]。进行耕地非农化驱动因素的灰色关联度分析可设定耕地面积的时间序列为参考序列，驱动因素的时间序列作为比较序列，分别为：

x0(k)={x0(1),x0(2),……x0(n)}，

xi(k)={xi(1),xi(2),……xi(n)}

(i=1,2,…m)

各系列原始数据的量纲不同，为了减小误差，保证原始数据的统一性，需要对原始数据进行变换，作无量纲化处理，计算无量纲的参考序列与比较序列的关联系数，计算公式为：

i=(1,2,…m；k=1,2,…n)

(1)

式中Δx0i(k)=|x0(k)-xi(k)|为绝对差序列，Zmax=maximaxkΔx0i(k)为两极最大差，Zmin=miniminkΔx0i(k)为两极最小差，δ∈(0,1)为分辨系数，作用是削弱由于过于偏大的最大绝对差值引起的失真造成的影响，一般取值为0.5。

为了进行参考序列与比较序列整体性比较，可将各个时刻的关联系数求平均值作为参考序列与比较序列之间的灰色关联程度，关联度计算公式如下：

(2)

计算所得比较序列与参考序列之间关联度越大,表示该驱动因素对耕地非农化的影响越大，关联度越小则表明影响越小。

2.2数据来源

淮南市耕地资源数据来源于2005-2014年《安徽省统计年鉴》，人口、各产业产值、居民收入、农业生产等社会经济数据主要来源于2005-2014年《淮南年鉴》和2004-2013年《淮南市国民经济和社会发展统计公报》。

3淮南市耕地资源变化特征分析

通过统计淮南市近10年的耕地面积数据发现，淮南市耕地面积变化整体呈现出明显的递减趋势，2004-2013年淮南市耕地总面积及人均耕地面积变化如图1所示，2004年耕地面积为116157hm2，2013年耕地面积降至最低，缩减为113152 hm2，净减少3005 hm2，减少耕地面积占原有耕地面积的2.59%，年均递减率为0.287%。从变化过程看，除2010年耕地面积较上年略有增加外，其余各年耕地面积都有不同程度的减少，2011年减少幅度最大，减少了987 hm2。人均耕地面积变化总体也呈现出减少的趋势，2004年人均耕地面积0.0497 hm2，2013年减少至0.0465 hm2，人均耕地面积的变化过程可分为两个阶段，2004-2011年人均耕地面积呈现出与耕地总面积相似的逐年递减变化，但2012-2013年人均耕地面积变化与总耕地面积变化不同，表现出略有增加的趋势，主要是由于这期间淮南市人口数量有所减少。使得人均耕地面积在耕地总面积减少的情况下略有增幅。

图1　2004-2013年淮南市耕地总面积

4淮南市耕地非农化驱动因素分析

4.1指标选取

耕地非农业化受多种社会经济因素及资源环境条件的影响和驱动，根据淮南市耕地资源变化特点选取13个影响淮南市耕地非农化的驱动因素，分别是：X1—总人口数(万人)，X2—非农业人口数(万人)，X3—第一产业产值(亿元)，X4—第二产业产值(亿元)，X5—第三产业产值(亿元)，X6—固定资产投资(亿元)，X7—农机总动力(万kw)，X8—化肥使用量(吨)，X9—主要粮食作物单产(kg/hm2)，X10—城镇居民人均可支配收入(元)，X11—农民人均收入(元)，X12—城镇人均住房面积(m2)，X13—农民人均住房面积(m2)。2004-2013年淮南市耕地非农业化驱动因素相关指标数据，见表1。

表1　2004-2013年淮南市耕地非农化驱动因素相关指标数据

4.2关联分析

进行灰色关联分析时，将淮南市耕地资源的变化时间序列作为参考序列，表1中数据序列作为比较序列，为保证指标数据的统一性，利用初值化法对数据进行无量纲处理。运用关联度公式计算得到淮南市耕地非农业化与13个驱动因素的关联度和排序，如表2所示。

表2　淮南市耕地非农化驱动

根据计算结果可知，总人口数和非农业人口数与耕地非农化的关联度最大，排序居于前两位，表明人口数量及城市化发展是影响耕地非农化的首要因素；主要粮食作物单产、农机总动力、化肥使用量等体现农业生产水平因素的关联度紧随人口数量因素，排序分别在3、4、5位，表明农业生产水平是影响耕地非农化的重要因素；人均住房面积、居民收入等因素体现了居民生活水平，其关联度排序在中等水平，说明居民生活水平对耕地非农化有一定影响；各产业产值因素的关联度相对偏小，排序靠后，对耕地非农化影响偏小。淮南市耕地非农化的主要驱动因素可以归纳为人口数量、城市化发展、农业生产水平和居民生活水平等四个方面。

4.2.1人口数量

人口数量的变化是影响耕地变化的重要因素，人口的增长导致对商业用地、工业用地、市政设施用地、绿化用地等方面的需求进一步增大，从而不可避免地使部分耕地向其他类型用地转换[8]。淮南市总人口从2004年的233.6万增加为2013年的243.3万，净增近十万人，推动了耕地非农化的进程。图1所示2011-2013年间，淮南市耕地总面积减少幅度较小，人均耕地面积略有增幅，对应同期的淮南市总人口是略有减少的，进一步说明了人口数量对耕地非农化的重要影响。

4.2.2城市化发展

城市化的快速发展，使得建城区面积扩大，耕地非农化过程必然随着城市化发展而加快。非农业人口的增加是区域城市化发展的表现之一，淮南市非农业人口从2004年的105.7万增加为2013年的111.6万，净增5.9万人，此数据是以人口的户籍所在地进行的统计，但随着农村人口向城镇的迁移，有部分人口在城镇务工居住户籍仍在农村，实际城镇人口远远大于统计中的非农业人口，这从各行业在业人口情况有所表现，2013年淮南市农林牧渔业人口占在业人口的比重为28.03%，其他行业在业人口比重为71.97%。并且在农村人口向城镇迁移过程中，迁移的农村人口并没有完全脱离农村，出现了这部分人口在农村和城镇同时占有土地的现象[9]，这不仅是对人口分布格局的改变，同时也影响了用地格局，促使了耕地非农化的发展。

4.2.3农业生产水平

随着科学技术的进步，新技术、新产品不断投入到农业生产建设中去，使得农业生产水平不断提高，这也是耕地非农化过程中保证国家粮食安全的基本要求。农业生产水平提高最直观的表现是农业的单位收益不断增加，淮南市粮食作物以谷物为例，其单产水平从2004年的6360 kg/ hm2提高到2013年的6856 kg/ hm2，每公顷增加了496kg，增幅达7.8%。淮南市农业现代化水平发展是提高粮食单产的重要保证，农机总动力2013年为181.3万千瓦，比2004年增加了40.3万千瓦，农业排灌机械2013年为14096台，比2004年增加了1919台，化肥使用量从2004年的114197吨提高到2013年的140922吨。农业单位收益的增加使得农业产值在耕地资源不断减少的情况下实现了大幅提高，淮南市第一产业产值从2004年的26.5亿元增加到2013年的66.2亿元，年均增幅16.6%。淮南市农业水平的提高协调了耕地面积减少与农业发展之间的关系，从而驱动了耕地非农化的进程。

4.2.4居民生活水平

经济快速发展伴随着居民生活水平的提高，使得人们不再满足于基本的物质需求，对生活及居住环境提出更高的要求，休闲、娱乐等方面建设用地的增加成为必然，也驱动了耕地非农业的发展。淮南市居民人均收入近年持续增长，城镇居民人均可支配收入从2004年的7418元增加到2013年的22920元，增加了两倍以上，农民人均收入从2004年的2572元上涨为2013年的8869元，增幅达224.8%。淮南市人均住房面积也呈现出较大幅度上升，城镇人均住房面积从2004年的20.4 m2上升到2013年的27.2 m2，增幅为33.3%，农民人均住房面积从2004年的23.6 m2上升到2013年的40.3 m2，增幅更是达到70.8%，直观地体现了建设用地的增加。

5结论与讨论

2004-2013年间，淮南市耕地资源总量及人均耕地面积整体都呈现明显的递减趋势，耕地总面积除2010年较上年略有增加外，其余各年份都有不同程度的减少，人均耕地面积在2003-2011年呈现出与耕地总面积相似的逐年递减变化，2012-2013年表现出略有增加的趋势。淮南市耕地非农化驱动因素的灰色关联分析表明，人口数量及城市化发展是影响耕地非农化的首要因素，农业生产水平是影响耕地非农化的重要因素，居民生活水平对耕地非农化有一定影响。

耕地非农化主要受多种社会经济因素的影响，其发展表现出阶段性特点，灰色关联法较其他统计方法具有对样本数量要求低的优势，且能较为准确的度量各因子间相关程度和判断促使系统变化因子的主次顺序，适用于耕地非农化的阶段性研究，但有些耕地非农化的影响因素难以量化，进行淮南市非农化驱动因素的灰色关联分析时不能完全考虑这些因素，如政策因素，淮南市政府在2013年与县区签订《淮南市县级政府耕地保护目标责任书》，将耕地保护具体考核指标下达给县区，明确任务、措施和责任人的权利及义务，并将其纳入县区工作业绩考核。另外还有地形因素、交通条件等都会影响到耕地非农化过程，后续研究应加强这些因素的调研和影响评估。

[参考文献]

[1]何英彬，陈佑启，姚艳敏.东北三省耕地非农化时空特征及其与粮食生产能力的关系[J].资源科学，2009，31(2)：295-302.

[2]张孝宇，谢新朋，张安录.武汉市耕地非农化的空间非均衡发展与空间扩散路径分析[J]. 自然资源学报，2014，29(10)：1649-1659.

[3]范辉，刘卫东，吴泽斌.河南省县域耕地非农化的时空演变——基于水系流域的视角[J]. 水土保持通报，2014，34(1)：207-213.

[4]温利华，刘红耀，张广录等. 资源型城市耕地非农化及关联因子研究——以河北省邯郸市为例[J]. 西北农林科技大学学报(自然科学版)，2013，43(8)：125-132.

[5]苑韶峰，杨丽霞，杨桂山等.耕地非农化的社会经济驱动因素异质性研究——基于STIRPAT和GWR模型的实证分析[J]. 经济地理，2013，33(5)：137-143.

[6]王雨濛，吴娟，张安录.湖北省耕地变化与社会经济因素的实证分析[J].中国人口·资源与环境，2010，20(7)：107-111.

[7]邓聚龙.灰色系统理论教程[M]. 武汉：华中理工大学出版社，1990.

[8]汪微，景高了，石鹏等.耕地利用变化与人文驱动因素的灰色关联分析——以襄樊市为例[J].华中师范大学学报(自然科学版)，2008，42(4)：636-640.

[9]郇红艳，孙 君. 中部地区耕地非农化及其驱动因子的灰色关联分析——以安徽省阜阳市为例[J].水土保持通报，2012，32(1)：82-88.

[责任编辑：江雪]

[收稿日期]2016-01-08

[基金项目]安徽省自然科学基金项目(1508085MD65); 安徽高校省级人文社会科学研究重点项目(SK2016A0995) ;宿州学院科研平台开放课题项目(2013YKF07)；宿州学院优秀青年人才支持计划项目(2016XQNRL006)。

[作者简介]高杨(1979—)，男，安徽宿州人，讲师，主要从事资源与环境研究。

[中图分类号]F321

[文献标识码]A

[文章编号]1671-5330(2016)02-0061-04