基于景观指数的黔中经济区耕地细碎化时空特征——以贵安新区为例

甘华军，赵 智

（1.贵安新区自然资源局，贵阳 520000；2.中共重庆市委党校经济管理教研部，重庆 400041）

2022 年 1 月 4 日，中共中央、国务院发布的《关于做好2022 年全面推进乡村振兴重点工作的意见》（中发〔2022〕1 号）明确提出“坚持中国人的饭碗任何时候都要牢牢端在自己手中，饭碗主要装中国粮，全面落实粮食安全党政同责，严格粮食安全责任制考核，确保粮食播种面积稳定、产量保持在1.3 万亿斤以上”。伴随社会经济快速发展，耕地细碎化已成为中国农业转型发展中的一个突出问题，是中国农业现代化和规模化发展的关键［1-3］。耕地细碎化制约着耕地规模利用和集约经营，降低了耕地产出效益［1］。因此，诸多学者希望通过分析耕地细碎化的形成机理、影响因素等，提出解决耕地细碎化的治理策略，以期实现耕地规模利用和集约经营、提高耕地利用效率、保障粮食安全。

耕地细碎化的研究主要集中于耕地细碎化的测度方法［4-10］、测度指标体系［11-15］以及对农业生产（利用）效率的影响等［16-25］方面，研究尺度主要集中于省级、市级和村级层面，且多集中在东部沿海发达地区［26-42］。相较于落后的西南地区，特别是地无三分平的贵州，其耕地细碎化的研究较少。黔中经济区作为新一轮西部大开发战略确定的重点经济区，其核心区域地理环境优越，生态承载力强，全省坡度低于6°的平坝地一半左右集中在这个区域［43］。2012年，《国务院关于进一步促进贵州经济社会又好又快发展的若干意见》（国发〔2012〕2 号）明确指出要把黔中经济区建设成为全国重要的能源基地、资源深加工基地、特色轻工业基地、以航空航天为重点的装备制造基地和西南重要陆路交通枢纽［44，45］。鉴于此，解决好该区域经济发展与耕地保护之间的矛盾成为研究热点。因此，本研究将黔中经济区核心地带——贵安新区作为研究区域，选取景观指数中能高度概括耕地细碎化程度的6 个指标，探究该区域耕地细碎化的时空演变规律，定量测度研究区耕地细碎化程度，以期为黔中经济区耕地规模利用和集约经营进行有效指导，为该区域社会经济发展与耕地保护提供参考依据。

1 研究区概况

贵安新区是国务院批准设立的第八个国家级新区，国务院赋予西部地区重要经济增长极、内陆开放型经济新高地、生态文明示范区三大战略定位。位于贵阳市和安顺市结合部，规划面积1 902 km2，包括贵阳市下辖清镇市的红枫湖镇，花溪区的石板镇、党武镇、湖潮乡、麦坪镇，安顺市平坝区的鼓楼街道办事处、安平街道办事处、夏云镇、天龙镇、白云镇、羊昌乡、高峰镇、马场镇、乐平镇、十字乡，西秀区的蔡官镇、七眼桥镇、大西桥镇、旧州镇、刘官乡、黄腊乡。

2 数据与方法

2.1 数据来源与处理

鉴于贵安新区由21 个乡（镇）组成，本研究从乡（镇）尺度揭示贵安新区耕地细碎化的时空分异特征。耕地细碎化的相关数据来源于贵安新区自然资源局提供的 2009 年、2013 年、2018 年等 3 个年度的土地利用现状数据库。通过ArcGIS10.3 软件分析功能提取数据库中耕地图层并栅格化，使用Fragstats4.2 计算耕地细碎化有关的景观指数。

2.2 研究方法

2.2.1 景观指数选取 景观指数能高度概括景观格局信息，反映结构组成和空间配置等方面特征的简单定量指标。这些定量指标信息含量高、说明能力强，被广泛应用于土地利用、城市景观等研究。本研究借助景观指数分析方法，在充分借鉴该方法在耕地细碎化方面已有研究成果的基础上，综合考虑耕地平均面积、形状、分布等方面的因素，选择斑块密度（PD）、平均斑块面积（MPS）、面积加权平均形状指数（AWMSI）、面积加权平均分维数（AWMPFD）、分离度（DIVISION）、聚集度（AI）来测评耕地细碎化程度（表1）。

表1 景观指数计算公式及含义

2.2.2 主成分分析法 主成分分析是将存在一定相关性的多个变量转化成个数重要变量的多元统计分析方法。通常是提取少数几个综合变量即主成分，并用以解释资料的综合性指标。在充分借鉴已有研究成果的基础上，本研究用主成分法消除相关性、避免主观赋权带来的偏差，达到降维目的，便于利用更少的变量、更多地反映耕地细碎化信息。

2.2.3 空间自相关分析 空间自相关是指空间对象在不同空间位置的某一属性值之间的统计相关性，由空间自相关系数度量，以检验空间事物某属性是否相邻分布或间错分布［19，20］。依据分析空间范围的大小，空间自相关可以分为全局空间自相关与局域空间自相关。常用的空间自相关指标是莫兰指数（Moran’s I），相应空间自相关的测度可以分为全局莫兰指数（Global Moran’s I）与局部莫兰指数（Local Moran’s I）。

3 结果与分析

3.1 耕地景观指数分析

利用Fragstats4.2 软件得到各乡镇2009 年、2013年、2018 年度景观格局指数，结果见图1。由测算结果可知。

图1 景观格局指数

1）空间分 布上，2009 年石板镇PD最大，为24.24，夏云镇最小，为 4.84，相差 19.4；青龙街道2013 年、2018 年PD均为最大，分别为 43.4 和 86.68，最小值均为黄腊乡，分别是4.26 和5.24，区域差异明显。平均斑块面积（MPS）特征为石板镇2009 年MPS最小，为 4.13，黄腊乡最大，为 19.58；2013 年、2018 年均为青龙街道最小，分别为2.30、1.15，最大值均为黄腊乡，分别为23.47、19.10。面积加权平均形状指数（AWMSI）特征为 2009 年马场镇AWMSI最大，为38.91，青龙街道最小，为8.88，2013 年、2018 年均为青龙街道最小，分别为5.49、4.74，最大值均为乐平乡，分别为35.49、34.99。面积加权平均分维数（AWMPFD）的特征表现为 2009 年、2013 年、2018 年各乡镇AWMPFD在1.23～1.41，差异不明显。分离度（DIVISION）特征表现为2009 年城关镇DIVISION最大，为 0.90，麦坪乡最小，为 0.10；2013 年青龙街道最大，为 0.97，麦坪乡最小，为 0.14；2018 年湖潮乡最大，为 0.94，白云镇最小，为 0.47。聚集度（AI）特征表 现 为 2009 年 、2013 年 、2018 年 各 乡 镇AI在93.03～97.86，差异不明显。

2）时序变化上，斑块密度（PD）特征为除黄腊乡和刘官镇无明显变化外，其余19 个乡镇均表现为上升趋势，其中，石板镇、党武镇、湖潮乡、青龙街道、红枫湖镇、城关镇、夏云镇、马场镇等8 个乡镇变化较大。平均斑块面积（MPS）特征为石板镇、党武镇、湖潮乡、青龙街道、红枫湖镇、城关镇、刘官镇、夏云镇、马场镇等9 个乡镇MPS指数呈下降趋势，其余乡镇呈上升趋势。面积加权平均形状指数（AWMSI）特征为党武镇、城关镇、乐平乡的AWMSI 指数呈上升趋势外，其余乡镇的AWMSI均呈下降趋势，石板镇、湖潮乡、马场镇下降幅度最大。分离度（DIVISION）特征表现为党武镇、城关镇、乐平乡呈下降趋势外，其余各乡镇均呈上升趋势，且变化幅度最大的是石板镇、湖潮乡、麦坪乡、马场镇。聚集度（AI）特征为旧州、黄腊、刘官、高峰等呈先升后降趋势外，其余乡镇均呈下降趋势。

综上可知，耕地细碎化程度严重的地方主要包括马场、湖乡、党武、城关、青龙街道、石板、夏云等乡（镇）。其中，马场、湖潮、党武是贵安新区重点发展区域，城关、青龙街道分别属于平坝区、清镇市的城市建设区，石板、夏云则是花溪区（贵阳）的物流中心和平坝区的工业园区。因此，城市的发展导致建设用地无序扩张，占用大量耕地，耕地斑块被分割、面积减小是耕地细碎化程度愈发严重的重要因素。

3.2 景观指数主成分分析

由于本研究选取的6 个景观指数之间存在很大的相关性，采用主成分分析法对多个指标进行降维处理，以消除相关性、达到降维目的，实现用较少的几个彼此独立的综合指标来反映原来较多的指标，并找出影响耕地细碎化程度贡献率最大的指标，最终对反映耕地细碎化的6 个指标进行综合测评。依据主成分分析原理，计算景观指数特征值及对细碎化的贡献率，结果见表2。从表2 可知，2009 年第一主成分和第二主成分特征值分别是2.781 和2.656，累计方差贡献率为90.618%；2013 年第一主成分和第二主成分特征值分别是3.533 和1.994，累计方差贡献率为92.107%；2018 年第一主成分和第二主成分特征值分别是3.855 和1.515，累计方差贡献率为89.514%。3 个年度前2 个主成分的累计方差贡献率均大于85%，说明前2 个主成分的变化基本可代表6个景观指数的变化，因此可用第一主成分和第二主成分综合衡量耕地细碎化程度。

表2 景观指数主成分计算结果

载荷矩阵表示主成分与原始变量的相关程度，从而为解释主成分所代表的意义提供依据。表3载荷矩阵分析如下。

表3 景观指数载荷矩阵

1）静态特征。2009 年，AI、MPS、PD、DIVISION在第一主成分中显示较高载荷，PD、DIVISION的相关系数为负，与第一主成分呈负相关，即斑块密度和分离度越大，第一主成分值越小，而AI、MPS的相关系数为正，表示聚集度、平均斑块面积越大，形状越复杂，第一主成分值越大；2013 年，AI、PD、MPS、DIVISION、AWMSI、AWMPFD均呈现较高载荷，AI、PD相关系数为负，与第一主成分呈负相关，表明聚集度和斑块密度越大，第一主成分值越小，MPS、DIVISION、AWMSI、AWMPFD的相关系数均为正，与第一主成分呈正相关；2018 年，AI、PD、MPS、DIVISION、AWMSI、AWMPFD均显示较高载荷，且指标的相关系数与2013 年基本一致。3 个年度均可以用第一主成分来反映景观指标的信息变化。

2）动态特征。2009—2018 年，第一主成分中，集聚度（AI）指数的相关系数由正值变为负值，与第一主成分的相关性由正相关变为负相关；平均斑块面积（MPS）指数的相关系数均为正值，与第一主成分的相关性呈正相关，即2009—2018 年间平均斑块面积越大，形状越复杂，第一主成分值越大；斑块密度（PD）指数的相关系数均为负值，与第一主成分的相关呈负相关，即2009—2018 年间斑块密度越大，第一主成分值越小；面积加权平均分维数（AWMPFD）的相关系数显示为由低载荷变化为较高载荷，即相关系数由2009 年的0.334 变为2018 年的0.747；面积加权平均形状指数（AWMSI）、分离度（DIVISION）的相关系数均由负值变为正值，与第一主成分的相关性由负相关变为正相关。2009—2018年，第二主成分中，集聚度（AI）、平均斑块面积（MPS）均呈现低载荷，斑块密度（PD）由较高载荷变为低载荷；面积加权平均分维数（AWMPFD）的相关系数均较高，且与第二主成分的相关性由负相关变为正相关；面积加权平均形状指数（AWMSI）相关系数均显示为较高载荷，且与第二主成分的相关性呈正相关；分离度（DIVISION）的相关系数由正值变为负值，与第一主成分的相关性由正相关变为负相关。

基于第一、第二主成分能较多地反映原指标的基本信息，假设测度中0 为耕地细碎化的最小值，表示耕地完全不细碎，距离0 的距离越大，则耕地细碎化越严重［46］。因此，用主成分载荷矩阵中的数据除以主成分所对应的特征值的开平方根，得到每个主成分中原始指标所对应系数，再以每个因子的方差贡献率与被解释的总方差之比作为权重进行加权综合，推导出计算公式如下。

根据公式计算研究区21 个乡镇2009 年、2013年、2018 年度的耕地细碎化值，结果见表4。

表4 研究区耕地细碎化值

1）2009 年耕地细碎化最严重的是蔡官镇，其次是七眼桥镇、湖潮乡、黄腊乡和夏云镇，耕地最集中的是党武镇；2013 年耕地细碎化最严重的是石板镇，其次是青龙街道、大西桥镇、夏云镇、高峰镇、黄腊乡，耕地最集中的是天龙镇；2018 年耕地细碎化最严重的青龙街道，其次是夏云镇、大西桥镇、夏云镇、黄腊乡。

2）2009—2018 年，石板镇、党武镇、青龙街道、大西桥镇、旧州乡、黄腊乡、城关镇、高峰镇、夏云镇、马场镇、乐平乡、羊昌乡等乡镇的耕地细碎化值呈上升趋势，其余乡镇则表现为降低趋势。增幅较大的为石板镇、党武镇、青龙街道、大西桥镇、高峰镇。

3.3 耕地细碎化空间自相关分析

鉴于耕地细碎化作为空间数据，具有较强的空间依赖性，通常存在空间相关性［4，5］。利用 openGeo-Da 空间统计分析软件，运用全局自相关和局域自相关统计量方法对研究区耕地细碎化的全局自相关和局域自相关特征进行分析。由表5 可知，2009 年、2013 年、2018 年均在0.05 显著性水平下通过显著性检验，说明研究区各乡镇耕地细碎化空间分布存在显著集聚效应，且具有空间正相关性，即某乡镇的耕地细碎化值变化与其相邻乡镇呈现相同变化趋势。

表5 莫兰指数

由图2 可知，研究区耕地细碎化程度表现出较为显著的空间分异格局。通过检验的H-H 型，属于局部高值集聚类型，即耕地细碎化度高于全部耕地细碎化均值的区域被耕地细碎化度高于全部耕地细碎化均值的相邻区域包围。H-H 型从2009 年的羊昌乡逐渐演变为2013 年的白云镇、羊昌乡和高峰镇，到2018 年的白云镇、羊昌乡。H-H 型主要集中经济建设相对落后的乡镇。L-L 型属于局部低值集聚类型，即耕地细碎化度低于全部耕地细碎化均值的区域被耕地细碎化度低于全部耕地细碎化均值的相邻区域包围。L-L 型由位于研究区西部的蔡官镇、乐平乡，转变为位于东部区域的麦坪乡和石板镇。H-L 型属于局部值离散类型，即耕地细碎化度高于全部耕地细碎化均值的区域被耕地细碎化度低于全部耕地细碎化均值的相邻区域包围。该类型由2009 年大西桥镇转变为2013 年的党武乡，至2018年该类型消失。由此可知，H-H 型和L-L 型表明观测值具有较强的空间正相关，且区域内有集聚和相似性存在。

Moran 散点图由4 个象限组成，分别是第1 象限（表示某一空间单元与相邻单元的属性值都较高）、第2 象限（表示某一空间单元的属性值较低，而相邻单元较高）、第3 象限（表示某一空间单元与相邻单元的属性值都较低）、第4 象限（表示某一空间单元的属性值较高，而相邻单元较低），其中第1 象限和第3 象限表示目标值具有较强的正相关关系，具有均质性，第2 象限和第4 象限表示目标值具有较强的负相关关系，具有异质性［29］。由图3 可知，研究区21个乡镇 2009 年、2013 年、2018 年的离散点主要集中于第2 象限和第3 象限，表明耕地细碎化具有明显的分异性，即21 个乡镇的耕地细碎化的局部集聚显著和局部离散显著分化严重。

图3 研究区耕地细碎化Moran 散点

4 小结与讨论

本研究运用景观格局指数、主成分分析以及空间自相关等方法量化分析研究区21 个乡镇在2009—2018 年的耕地细碎化时空演变特征。相关结论如下。

1）通过综合分析选取的斑块密度（PD）、平均斑块面积（MPS）、面积加权平均形状指数（AWMSI）、面积加权平均分维数（AWMPFD）、分离度（DIVISION）、聚集度（AI）等6 个景观指数值，从空间分布和时间序列上看，均反映出经济建设越活跃的区域，其耕地细碎化程度越高，反之则越低。说明城市发展导致耕地被大量转为建设用地，耕地斑块被分割、面积减小是耕地细碎化程度越严重的重要因素。

2）综合主成分分析结果，表明斑块密度（PD）、平均斑块面积（MPS）、面积加权平均形状指数（AWMSI）、面积加权平均分维数（AWMPFD）、分离度（DIVISION）、聚集度（AI）等6 个景观格局指数可以作为衡量研究区耕地细碎化的重要指标。同时，从空间分布特征分析，2009 年耕地细碎化最严重的是蔡官镇，2013 年是石板镇，2018 年则为青龙街道。从时间序列特征上分析则表现为2009—2018 年间石板镇、党武镇、青龙街道、大西桥镇、旧州乡、黄腊乡、城关镇、高峰镇、夏云镇、马场镇、乐平乡、羊昌乡等区域的耕地细碎化值呈上升趋势，说明这些区域的耕地细碎化程度越来越严重。

3）从LISA 聚类图和 Moran 散点图可以看出，研究区耕地细碎化在空间分布和时间序列上表现出较为显著的空间格局分异性。通过检验的H-H 型，2009 年为羊昌乡，2013 年为白云镇、羊昌乡和高峰镇，2018 年则是白云镇、羊昌乡，属于局部高值集聚类型；H-L 型属于局部值离散类型，由2009 年的大西桥镇转变为2013 年的党武乡，至2018 年该类型消失；L-L 型属于局部低值集聚类型，由2009 年的蔡官镇、乐平乡转变为2018 年的麦坪乡和石板镇。

耕地细碎化由自然因素和人为因素共同造成。自然因素包括地形、河流湖泊、风力、水力等，且自然因素切割耕地一般无法避免；人为因素包括权属管理、城乡建设、土地整治等，可以通过权属调整、国土空间规划等措施予以优化。因此，耕地细碎化时空特征的演变分析，不能完全反映一个区域的耕地资源利用状况。同时，受资料收集的局限性，本研究仅开展了研究区空间和时间序列上耕地细碎化现状的分析，没有同时做到耕地细碎化影响因素以及耕地利用效率的分析，在后续的研究中需要进行补充与完善。