基于DPSIR模型的京津冀耕地利用转型及驱动因素研究

李 强，油 畅*，何小松，崔 骏

(1．首都经济贸易大学城市经济与公共管理学院，北京 100070；2．中国环境科学研究院，北京 100012)

土地资源是“自然-社会-经济”协同发展的基础，对土地可持续利用具有重大意义[1].土地利用转型是社会经济等因素影响下的土地利用形态变化，作为分析土地利用/覆被变化(LUCC)的新途径，其核心是探讨如何管理好土地资源，进而实现土地可持续利用与发展[2].耕地资源是乡村区域最主要和可变性最强的土地利用类型，耕地利用转型的研究有助于推动人地关系协调发展[3].国内学者在农村土地利用、综合整治等方面开展了较多应用研究[4]，对耕地利用转型格局及驱动因素开展了不同程度的探讨[5].

DPSIR模型是由经济合作与发展组织(1994)和欧洲环境署(1995)开发的一种较为系统的评估模型，综合考虑了自然生态系统与人类活动之间的潜在关系，与其他研究环境与人类活动相互作用的同类模型相比，能够更加突出人类活动给自然环境带来的影响[6].本研究运用DPSIR模型，构建京津冀的耕地利用转型驱动因素指标体系，确定影响区域耕地利用覆被变化的关键因素[7-9]，探究京津冀协同发展背景下2005—2018年耕地利用转型的时空格局及驱动要素，解析耕地利用转型的关键驱动因子，以期为京津冀耕地利用转型的科学调控提供理论依据与参考．

1 研究区概况与数据来源

1.1 研究区域概况

京津冀一体化发展体现了3省市“一盘棋”的思想，该区域既是中国经济增长的第3极，又是华北地区重要的棉粮生产基地[10-13].当前，京津冀土地供给压力较大，人地关系矛盾突出，耕地与基本农田保护形式严峻，耕地质量较差，改良任务艰巨，补充耕地后备资源能力不足[14].经济基础较好的市区会对周边形成正向的外部效应，可推动耕地利用转型；京津冀尚没有健全的农村土地制度，却推动了耕地利用转型；村域农产品市场供需不平衡，进一步推动耕地利用转型．

1.2 数据来源

京津冀土地利用数据来源于中国科学院土地利用/土地覆盖遥感监测数据库(CNLUCC，http://www.resdc.cn/DOI， 2005,2010,2018年)；社会经济与自然资源环境的相关数据来源于《中国统计年鉴》(2005—2018年)、《中国人口统计年鉴》(2001—2011年)、《中国农村统计年鉴》(2005—2018年)、《中国环境统计年鉴》(2005—2018年)、《中国水利统计年鉴》(2005—2018年)．

2 研究方法

2.1 耕地利用转型分析

依据2005,2010,2018年的土地利用/土地覆盖遥感监测数据库，将京津冀土地利用类型划分为耕地、林地、草地、水域、建设用地、未利用地6类，土地利用类型的转换增减变动及转换贡献率计算公式为[15]162

(1)

其中，Pi为i土地利用类型的增减率；ΔXi为i土地利用类型的总转入与总转出之差；Yi为i土地利用类型的总面积．

(2)

其中，Qj为j类型土地对i类型土地的转换贡献率；mj为i类型土地转换为j类型土地的面积；Xj为j类型土地的总转出面积．

2.2 耕地利用转型驱动因素

2.2.1 DPSIR理论框架 耕地转型驱动因素DPSIR模型中，“驱动力”指影响耕地利用转型的潜在驱动因素；“压力”指人类活动与经济发展给耕地带来的直接压力；“状态”指耕地利用系统的一般表现；“影响”指耕地转型对农业生产与社会经济的外部效应；“响应”指耕地利用系统的改善与修复(图1)[16-18].

图1 京津冀耕地转型驱动因素DPSIR理论模型

2.2.2 驱动因素DPSIR指标体系 耕地利用系统是一个较为综合的系统，文中构建DPSIR模型[19-20]，共选取19个驱动因素，分析耕地利用系统以及各个子系统之间的相互作用(表1)．

表1 耕地转型驱动因素DPSIR指标体系

2.3 空间计量模型

构建计量模型前，首先需要运空间数据分析方法，对数据的空间分布特征进行检验与度量．其中，Moran指数I是最经典的空间自相关检验统计量，计算公式为[21]157

(3)

将驱动因素做自变量，耕地转型做因变量，运用3种空间计量模型进行回归分析，探究驱动因素对耕地转型的影响．

1)普通最小二乘模型(OLS)[21]157：

y=Xβ+ε,

(4)

其中，y为n×1的因变量；X为n×k的自变量；β为k×1的待估计自变量系数；ε为n×1的误差项．

2)空间滞后模型(SLM)[21]157：

y=ρWy+Xβ+ε,

(5)

其中，ρ为待估计空间子回归系数；W为n×n的空间权重矩阵．

3)空间误差模型(SEM)[21]157：

y=Xβ+ε,ε=λWε+v,

(6)

其中，λ为待估计误差项空间滞后项系数，也为空间自相关系数；v为空间自相关模型误差项的误差项，用于解释误差项．

3 结果与分析

3.1 土地利用转型特点

由表2可知，京津冀土地利用特点为：

表2 2005—2018年京津冀土地利用转型

1)2005—2018年，草地、耕地、未利用地减少的同时，建设用地、林地、水域有所增加，其中耕地转换为建设用地、草地、林地的比重较大，表明建设用地占用耕地的情况较为严重.此外，退耕还林还草的现象也相对较多，导致耕地面积减少．

2)2005—2010年，草地、耕地、未利用地减少的同时，建设用地、林地面积有所增加，表明这一时段内建设用地占用耕地的情况非常严重；未利用地期内减少80.8%，耕地贡献率为54.8%，表明耕地面积被占用的同时，又有新增，耕地总量稳定．

3)2010—2018年，除草地、耕地外，其余类型用地均增加；耕地对建设用地增加的贡献率为45.6%，对林地增加的贡献率为46.3%，对未利用地增加的贡献率为13.6%．

随着京津冀发展定位明确，功能明晰，各类型用地总面积可保持相对稳定．

3.2 耕地利用转型空间分布

从空间分布来看(图2-3)，2005—2018年，京津冀市辖区主要存在耕地向建设用地的转型．天津市及近郊区存在耕地向水域的转型，2010—2018年转型的趋势较为明显，天津市已形成湿地功能区与具有生态功能的农业生产区[22].2005—2018年，冀东北平原对农业整体投入较高，主要存在耕地与林草地之间的转型；冀中平原区存在耕地与建设用地的转型．冀西太行山区主要存在草地与耕地之间的转型；太行山以南耕地转出比重较大．坝上地区主要存在耕地向林草地、未利用地的转出．

图2 京津冀耕地转出空间分布

3.3 耕地利用转型驱动因素

3.3.1 耕地利用转型驱动因子的空间效应 自然环境与区位是耕地利用转型的潜在驱动因素，在京津冀的不同地域类型中呈现出不同的变化特征[23].

图3 京津冀耕地转入空间分布

冀东北、京津近郊、冀西太行山及邻近地区的坡度均较高(>10°)；冀东北、冀南的多年平均降雨量较大为550～700 mm；坝上地区以北、冀东北地区发生转型的耕地距主要公路的距离较远(>117 km)且海拔较高(>500 m)；京津冀市辖区、近郊区、冀东以北、冀中平原区发生转型的耕地距离主要铁路的距离(<50 km)及距县级行政中心的距离较近(<22 km)，如图4所示．

图4 耕地利用转型微观尺度空间性驱动因子

3.3.2 耕地利用转型空间分析检验 Moran指数I值表明(表3)，京津冀2005—2018年的耕地转型均存在显著的空间效应，建立空间计量模型对影响因素分析具有必要性[24].

表3 耕地转型全域空间自相关分析

将耕地利用转型的驱动因素分为区域性因素与空间性因素，构建空间计量模型来分析其对耕地转型的影响[25-28].在空间性指标的数据准备方面，首先以省市为范围，生成10 km×10 km的网格，空间统计网格中各类用地的面积．将属性表与空间性指标关联,运用Geoda软件对耕地转型与区域性因素、空间性因素分别做进行空间计量分析，将对数似然值、赤池准则、施瓦茨准则与空间依赖性检验相结合，综合考虑模型优劣(表4-5)[29].

表4 区域性因素与耕地转型空间依赖性检验

3.3.3 耕地利用转型空间计量 将耕地与草地、林地、建设用地、水域、未利用地之间的转型分别与DPSIR模型中的耕地转型驱动因子做空间计量分析，包括普通最小二乘模型(OLS)、空间滞后模型(SLM)、空间误差模型(SEM)，来研究不同驱动因素对耕地转型的影响强度(表6-7).其中，W-Y值表示空间滞后模型的因变量，即耕地转型的空间滞后项系数，除耕地转林地的W-Y值不显著外，其余W-Y值均在10%的水平下拒绝了“W-Y值=0”的原假设，且W-Y值为负表明，核心地区耕地转型数量与周边地区耕地转型数量呈现负相关关系.lgl为对数似然值，值越大模型的拟合效果越好.AIC值为赤池信息准则统计量，SC值为施瓦茨准则统计量，这两个值越小，模型拟合程度越好.

表5 空间性因素与耕地转型空间依赖性检验

表6 宏观尺度区域性指标的空间计量

续表6

表7 微观尺度空间性指标的空间计量结果

将区域性指标、空间性指标与耕地转换面积分别做空间计量分析，所得结果如下.

1)耕地向草地的转换中，第二产业占GDP比重(P4)、农业机械化水平(I2)、土地整治面积(R3)、农药使用量(P5)、单位耕地粮食产量(I4)均与该转型显著相关；坡度(S1)、高程(S2)、耕地面积(I1)均与该转型显著相关．

2)耕地向林地的转换中，除农业机械化水平(I2)外，其余因素均与该转换显著相关，城市化率提高，农药、农业机械的滥用均使耕地质量下降，驱使耕地转型；建设占用耕地(P3)、坡度(S1)、耕地面积(I1)均与该转型显著相关．

3)耕地向水域的转换中，城市化率(D2)、耕地保护(R1)、土地整治(R3)等因素对该转换存在正向驱动，人口(D3)、农业科技产出(I2)等因素对该转型存在负向驱动；坡度(S1)、耕地面积(I1)、年平均降水量(S3)均与该类耕地转换显著相关．

4)耕地向建设用地的转换中，人口自然增长率(D3)、第二产业占GDP比重(P4)、农业机械化水平(I2)均对该转型存在正向驱动；农药使用量(P5)、机耕面积(S4)、耕地保护财政支出(R1)、土地整治面积(R3)、农业从业人员数量(R2)均对该转型有负向驱动．

5)耕地向未利用地的转换中，大多数区域性因素与该转换显著相关，表明城市化发展人类活动都会导致耕地退化，而农业产值与粮食产量的与耕地资源可持续利用正相关；坡度(S1)、耕地面积(I1)与该转型显著相关．

4 结论与建议

4.1 结论

1)2005—2010年城市化加速的背景下建设用地在耕地转出中贡献率最高．2010—2018年，京津冀城市发展定位明确，其余用地在耕地转出的贡献率也有所增加，各类用地面积相对稳定．

2)2005—2018年，京津冀市辖区与冀中平原区主要存在耕地与建设用地的转型；冀东北与冀西太行山区主要存在耕地与林草地之间的转型；坝上地区主要存在耕地与林草地及未利用地之间的转型．

3)在耕地转型中，来自驱动力、压力维度的区域性指标与耕地转出显著相关，影响程度与方向存在差异；空间性指标中，耕地转出的共性驱动因子主要包括系统状态与影响维度的坡度、耕地面积，表明地形地势在耕地转型中起较大作用．

4.2 建议与展望

京津冀的耕地转型是多重因素的驱动结果，与其他区域相比，耕地转型规模更大，转换类型更多元．空间计量模型分析结果可看出政府对耕地保护采取相应政策措施的执行与落实情况，应当加强耕地保护转移性支出的监管，确保资金落实到位，加强对农业从业人员相关知识技能的培训，提高耕地利用效率，确保耕地数量；在农业机械化程度提高的同时加强对农田土壤质量的监督检查，及时发现制约耕地质量提升的隐形因素，包括土壤酸化、盐碱化、土壤板结、重金属含量超标等问题，有针对性地改良与修复，确保耕地质量；土地利用覆被变化是人类活动与经济社会发展、地形地势等因素作用下的必然结果，应加强各类用地的数量监测，并对京津冀各类用地做好规划，使土地利用覆被变化贴近预期，不断优化土地资源配置，提高土地利用效率．