东北三省黑土区耕地数量时空格局变化及其驱动机制研究

刘洪彬，高嘉鞠，吴梦瑶，刘新华，曾妍，董秀茹

（沈阳农业大学土地与环境学院，沈阳 110161）

土地作为人类进行生产和生活活动的物质载体，是十分宝贵的资源[1]，耕地作为土地资源利用方式中最重要的一种，对于保障国家粮食安全，进行工业化和城市化建设具有不可替代的作用[2]。21世纪以来，城市化、工业化进程不断加快以及经济社会快速发展，使得建设用地不可避免地占用大量的耕地，导致耕地数量呈现出不断减少的趋势。而有着“压舱石、稳压器”之称的东北黑土地资源也存在着同样的问题[3]。在振兴东北的大局规划中，经济发展和产业结构优化是重点，而农业和粮食生产的地位也同样重要[4]。在此背景下，地区经济发展与耕地保护矛盾突出，而如何平衡二者关系是亟需解决的问题[5]。2021年农业农村部同国家发改委等共同编制了《东北黑土地保护规划纲要（2017-2030年）》，为保护东北黑土区耕地数量，提升黑土区耕地资源的可持续性利用，促进构建集中连片、产能稳定的商品粮基地[6]。因此，剖析研究区域耕地数量时空格局变化，探究耕地变化的驱动机制，对于保护及合理利用黑土区耕地资源有着重要作用。

当前学者们对耕地的研究更多地集中在耕地质量上，但研究耕地数量变化对于耕地合理利用和社会发展也同样具有重要作用。在耕地数量变化及驱动机制研究中，主要从时空演变[7-8]、研究尺度[9-10]和研究方法[11-12]等方面对耕地变化进行了深入探讨。通过对已有研究进行分析，发现仍存在不足：从研究对象方面，大部分研究多基于省域及以上尺度来进行分析，而以县域作为研究单元的研究较为缺乏，且不同县域之间社会经济发展状况差异明显，因此从县域尺度来研究耕地数量具有重要意义；从研究内容方面，现有研究多从数量变化方面进行分析，而对耕地时空格局变化的研究相对较少，相关研究内容有待进一步拓展和完善；从研究方法方面，目前关于耕地利用变化驱动力的研究大多采用主成分分析以及与其相结合的研究方法，鲜有用空间计量模型从空间地理的角度对其进行分析。

随着东北经济的不断发展，城市化建设已经成为了必然的发展渠道之一，对东北三省黑土区耕地数量保护和粮食安全产生了一定的压力。因此鉴于已有成果提供的研究基础和经验借鉴，本研究将选择东三省黑土区作为研究区域，以相关行政区划图、县（市、区）的耕地面积数据、社会经济数据为基础，构建驱动力理论分析框架；运用地理信息技术分析2014～2018年东北三省黑土区耕地时间和空间的变化规律，揭示东北三省黑土区耕地在时间和空间的动态特征变化；运用空间计量模型探讨研究区域耕地数量变化的驱动机制，以期为保障国家粮食安全及黑土区耕地保护与利用提供依据和决策支持。

1 理论框架与机制分析

耕地数量的变化必然会影响到区域的粮食生产，因此为保证区域粮食安全，探讨耕地数量变化的驱动机制显得格外重要[13]。影响耕地利用变化的驱动因素主要可以分为自然和社会经济两类因素。在东北全面振兴的背景下，加快社会经济发展速度，随之人地矛盾也更加突出。人们发展工业、商业，追求更好的生活，不可避免地占用耕地，但城镇化发展与耕地保护相互制约，使得人地关系紧张。而耕地对于保证人民的粮食安全、保障国民经济的同时，也能够满足子孙后代发展的需要，使得耕地资源可持续利用。因此，基于人地关系理论和可持续发展理论对驱动因子的选取应该包括影响耕地的自然因素，以及影响耕地利用方式的人口因素、经济因素、产业结构因素和农业发展因素。构建的理论框架如图1。

耕地利用方式是土壤、气候、地形地貌等各种自然因素的综合利用，而耕地利用中的自然驱动因素对其地域分布特征的影响较大[14]。由于自然因素往往在长时间序列中发挥作用，且对耕地质量变化影响较大，所以本研究不考虑[15]。耕地的空间分布格局与发展方向由自然环境决定，是耕地发展的基础，而耕地在短期内发生变化是由社会经济等人文因素的变化所导致。振兴东北需要发展经济，农业和产业结构优化。近年来，东北地区人口减少，将会有利于耕地的规模经营，促进耕地大规模流转,从而提高耕地的利用效率，有利于耕地数量的保护。随着我国经济的迅速发展,建设用地的需求日益增加，尤其是占用城郊地区大量的优质耕地，这就必然导致耕地和建设用地间的矛盾，致使耕地面积不断缩小；而振兴东北就是大力发展农业，农业技术进步促使粮食产量提高保证粮食安全，而农业科技的进步是农业产业结构调整的重要动因。农业机械等物质的大量投入以及施用化肥、农药和灌溉技术的不断完善，改进了耕地生产力和粮食产量，对保护耕地起到了积极作用。据此，本研究选用总人口、GDP、固定资产投资、第一产业占比、第二产业占比、第三产业占比、农业机械动力、粮食产量及农业结构比值作为衡量耕地利用变化的解释变量。

图1 耕地利用变化驱动力理论分析框架Figure 1 Theoretical analysis framework of driving forces of cultivated land use change

2 数据来源与研究方法

2.1 研究区域

东北三省黑土区坐落于东北平原中部，是我国重要的农业生产区之一。黑土地具有优越的土壤肥力，非常适合农作物生长，粮食单产量高，多年粮食产量占国家粮食总产量的20%以上，粮食商品率达30%，在国家粮食安全生产方面发挥了重要作用，担负着保证国民经济稳定和粮食生产安全的重要使命。近年来，在实施振兴东北战略中，地区经济发展与耕地保护矛盾突出，不可避免地占用一定数量的耕地，而耕地数量变化不仅影响到区域可持续发展,更关系到国家的粮食安全。因此，本研究基于《东北黑土地保护规划纲要（2017-2030年）》中规定的东北三省黑土区耕地面积，结合农业农村部门提供的县（市、区）行政范围，并根据自然资源部门的土地调查数据，以此确定了东北三省黑土区包括112个县（市、区），耕地总面积约为2.32×107hm2。其中，辽宁省有17个县（市、区）耕地面积约为1.85×106hm2，吉林省有26个县（市、区）耕地面积约为4.99×106hm2，黑龙江省有69个县（市、区）耕地面积约为1.64×107hm2。

2.2 数据来源

本研究区域为东北三省黑土区112个县（市、区），研究时段为2014～2018年，其中人口因素、经济因素、产业结构因素和农业发展因素等对耕地数量变化产生影响的数据主要来源于《辽宁统计年鉴》《吉林统计年鉴》《黑龙江统计年鉴》，以及相关市县级统计年鉴和公报；而用于反映耕地数量变化的耕地面积数据来源于各县（市、区）的自然资源部门，保证了数据的准确性；同时，用于研究县域尺度耕地利用变化的具有空间差异地耕地空间数据则来源于国家基础地理信息中心。最后，将统计数据导入到Arcgis软件中，连接到与之对应的行政区划的属性表中，为后续研究做准备。

表1 数据来源Table 1 Data sources

2.3 研究方法

本研究首先利用耕地净变化率、耕地变化动态度方法对研究区2014～2018年耕地数量变化情况进行分析；然后基于社会经济数据，利用stata软件进行空间计量分析，探讨影响耕地变化的驱动机制。

2.3.1 耕地净变化率耕地净变化率通常用来反映一定时期内耕地净流入或流出的程度，一般用研究期间内耕地净变化量占研究初期耕地总量的比例表示。计算公式为[16]：

其中：N为耕地净变化率；S为研究区初期耕地总面积；Ub为研究时段内增加的耕地面积；Ua为研究期间内减少的耕地面积。

2.3.2 耕地变化动态度耕地变化动态度是指一段时间内耕地数量的变化情况，用来反映耕地资源稳定性，若耕地变化动态度越高，则耕地资源的稳定性越差。计算公式为[17]：

其中:V为研究时段t时间内耕地变化动态度；ΔUi为研究时段t时间内耕地数量的变化量；S为研究初期耕地面积；t为研究期时长。

2.3.3 空间自相关分析空间自相关系数是用来度量物理或生态学变量在空间上的分布特征及其对领域的影响程度。

首先，采用Global Moran's I指数进行全局空间自相关分析，以此定量地衡量在空间上总体关联与差异程度。计算公式为：

其次，进行局部空间自相关分析，采用Local Moran's I指数来度量研究区域中某一县（市、区）的耕地数量变化与周边其他县（市、区）之间的空间差异程度。计算公式为[18]：

式中：x为全部单元的平均值；xi和xj分别为第i与j单元的观测值；n为研究单元数；Wij为每一个单元的空间权重矩阵；当i单元与j单元相邻时，则权重为1，否则权重为0。

2.3.4 空间计量模型任何事物间都必然存在着某种相关性，只是相近事物间的这种相关性更强[19]。如果仅考虑到某一县（市、区）的耕地数量变动，忽略了区域间的空间相关性，则可能会出现有偏差的结论。因此在研究社会经济因素对耕地数量变化的影响效应时，还应考虑地区间的空间关联性，分析其空间溢出效应。空间计量模型能够有效分析要素间存在的空间效应，尤其是研究要素之间存在着空间自相关关系时，用空间计量模型进行估计能使研究结果更为准确[20]。常见的空间计量模型如下。

空间滞后模型（SAR）：

式中：ρ为空间自回归系数；W为空间权重矩阵；y为因变量；X为解释变量矩阵；β为待估计的自变量系数；ε为随机误差项，表示该区域内的耕地变动，既受区域内相关因素影响，又与邻近区域的耕地变动有关。

空间误差模型（SEM）：

式中：ν为随机误差向量，表明该区域内的耕地变动不仅受可观测的相关变量影响，还受部分具有一定空间结构的难以观测到的随机干扰项影响。

空间杜宾模型（SDM）：

式中：θ为k×1的待估计自变量空间滞后项系数，表明该区域耕地变动，除受邻近地区耕地变动的空间溢出作用影响，还与邻近地区其他因素变化有关[21-23]。

3 结果与分析

3.1 东北三省黑土区耕地利用的时间变化趋势

3.1.1 耕地总量变化耕地资源总是以一定的数量存在于地表间，对耕地数量变化进行分析，能够揭示区域耕地利用变化的总体态势。对东北三省黑土区耕地总量的数据进行分析，发现耕地利用格局发生了显著的变化。由表2可知，2014～2018年间研究区域耕地总面积持续减少，虽有部分县区耕地面积有所增加，但总体依然呈下降趋势。黑土区耕地面积由2014年的2.3247×107hm2减少到2018年的2.3208×107hm2，共减少面积为3.8107×104hm2，减少幅度为0.16%。其中，2016～2017年间耕地减少情况较为明显，耕地面积减少2.0244×104hm2。

表2 耕地总面积Table 2 Total area of cultivated land

3.1.2 耕地净变化率特征由图2可知，2014～2015年东北三省黑土区耕地净流入幅度较大的地区主要集中在东北三省的西北部,其中海林市耕地净变化率最大，为0.09%。而东北三省西南部和东北部部分地区耕地流失情况较为严重,研究区域耕地面积表现出中间向两边递减的特征；2015年后，耕地净变化率大于0.1%的县区增加，同时耕地净变化率大于-0.1%的区域减少。2015～2018年间除东北三省黑土区西北部及西南部部分区域外，研究区域耕地处于净流失状态,其中，长春市区、吉林市区和四平市区等地区耕地净流失率超过-0.1%。总体来看，2014～2018年间东北三省黑土区耕地净流失面积不断减少,耕地净流入则主要集中在研究区域的西北部，而南部和东北部部分地区耕地流失问题始终较为突出。

图2 2014～2018年耕地净变化率Figure 2 Net change rate of cultivated land in 2014-2018

3.1.3 耕地变化动态度特征根据东北三省黑土区耕地面积变化情况，本研究以每1年为子时间段利用式（2）分别求出每个子时段的动态度，对动态度进行分级并分区域表示，结果如图3。东北三省黑土区耕地利用的动态度在2014～2018年由1.37%变为0.97%，耕地变化的速度放缓，耕地资源的稳定性提高。从2014年开始，除研究区域北部及西南部部分区域外，大部分地区耕地变化动态度不超过0.06%，研究区域耕地面积变化较为稳定。其中2016～2017年间耕地面积变化动态度较高，长春市区、吉林市区等部分地区动态度超过0.1%。2014～2018年东北三省黑土区耕地面积变化动态度大体呈现南高北低的特点，南部部分地区动态度大于0.06%，耕地面积变化较为活跃。总体来看，2014～2018年东北三省黑土区耕地面积变化动态度不断降低，研究区域耕地资源稳定性增强，位于东北三省北部的耕地资源稳定性较好，这与耕地净变化率特征基本保持一致。

图3 2014～2018年耕地动态度变化Figure 3 Dynamic change of cultivated land in 2014-2018

3.2 东北三省黑土区耕地利用变化的空间格局差异及其动态特征

本研究将东北三省黑土区112个县（市、区）的耕地面积作为研究对象，在软件GeoDa操作平台上，利用式（3）和式（4）计算Global Moran's I指数值，来判定县域尺度耕地面积的总体空间特征。由表3可知，研究区耕地面积2014～2018年的Global Moran's I均大于0，且总体呈现出逐年上升的趋势。研究期间内Z得分均大于2.58，p值通过了1%的显著性检验。这表明研究区县域耕地面积在空间上不是随机分布，而是耕地面积相接近的县（市、区）在空间分布上比较临近，呈集中分布即耕地面积比较大的地区其周边地区耕地面积也比较大；而空间自相关系数变化不大，这表明耕地面积的总体空间差异基本没有发生太大变化，即大多数县（市、区）耕地面积同周边县（市、区）的差异几乎变化不大。

表3 Moran'I指数Table 3 Moran'I index

为了进一步探究东北三省黑土区耕地面积变化聚集特征，利用冷热点分析法对2014年和2018年的耕地面积变化冷热点区进行探索，其中耕地面积变化较多的区域为热点区域，而耕地面积变化较少的区域为冷点区域，结果如图4。总体而言，2014～2018年研究区耕地面积变化热点区缩小，而冷点区与热点区变化趋势恰好相反。其中，热点区域主要集中在辽宁及吉林东南部经济工业相对发达地区。冷点区域则主要集中在黑龙江省的西北部和东南部等重要农业生产区域。就数量而言，耕地面积变化的热点区占研究区域比例逐步下降，由原来的48个县（市、区）缩减为46个，其中，热点显著区由28个区域减少到24个。而冷点区则由37个扩张到42个，冷点显著区也由原来的14个区域增加到22个，可见耕地面积的变化整体发展较为活跃。就地区而言，2014年耕地面积变化热点区域主要集中在吉林省，主要有吉林市区、双阳区和永吉县等。新民市、法库县、扶余市及蛟河市等地作为次热点显著区紧邻着热点显著区，其余部分次热点显著区集中分布在辽宁省的北部；2018年耕地面积变化的热点区域减少了农安县、榆树市等，同时围绕在热点显著区的次热点显著区范围略微缩小。冷点显著区和次冷点显著区范围扩张，其中，海伦市、兰西县等次冷点显著区转变为冷点显著区，而通河县、方正县等区域由不显著区转变为次冷点显著区。总体来说，2014～2018年耕地面积变化冷点区增加主要集中在黑龙江省的北部及东南部，其原因可能是随着东北三省黑土区农业综合开发以及农业结构调整的不断加强，农业综合生产能力提高。而耕地面积变化热点区减少，主要是区域经济发展以及产业结构优化，同时当地政府持续加大政策支持力度，从而抑制了耕地大量减少。

图4 2014～2018年研究区域耕地面积变化热点分析Figure 4 Hotspot analysis of farmland area change in the studied area from 2014 to 2018

3.3 东北黑土区耕地利用变化驱动机制

3.3.1 模型选择根据前文空间相关性的检验结果可知，东北三省黑土区耕地面积具有显著的正向空间相关性，而普通面板数据无法准确估计社会经济因素对耕地面积变化的空间溢出效应，因此，需要构建空间计量经济模型，使得估计更为准确。本研究使用stata15.0软件，首先进行拉格朗日乘子检验，根据LM及Robust-LM检验结果判断选择用空间误差模型还是空间滞后模型。之后通过LR检验判断空间杜宾模型是否可以退化为空间滞后模型或退化为空间误差模型，最后进行沃德（Wald）检验，若两个统计量通过显著性检验，说明高度拒绝原假设，则选择空间杜宾模型。若通过Hausman检验，则拒绝原假设为随机效应的模型，选择固定效应模型。

根据上述的空间计量模型，参考ELHORST[24]的研究结果，使用本研究的空间数据，按照下述方法选择最优模型。由表4可知，本研究选择的空间权重矩阵为邻接矩阵，根据LM和Robust-LM检验结果，空间误差模型的结果均通过5%的显著性检验，而空间滞后模型的LM和Robust-LM没通过p＜0.05的显著性检验，由此表明应该选用空间误差模型进行参数估计。之后根据LR和Wald检验可知，空间误差模型和空间滞后模型在检验中均通过5%的显著性检验，表明空间杜宾模型既不会退化为空间误差模型也不会退化为空间滞后模型而Hausman检验的p值为0.000，小于0.05，故拒绝原假设随机效应选择固定效应，之后经过联合显著性检验确定为双固定效应，基于上诉检验结果，本研究最终选择双固定效应空间杜宾模型进行参数估计。

表4 空间计量模型检验结果Table 4 Test results of spatial econometric model

3.3.2 实证检验结果分析 由表5可知，当使用Queen邻接空间权重矩阵时，在1%显著性水平下，空间杜宾模型的空间自回归系数为正，系数为0.2978，表明东北三省黑土区耕地数量在各个县（市、区）之间具有内生的空间交互效应，具有显著的空间关联特征，东北三省黑土区耕地数量在较多的区域呈现集聚状态，其对自身有正向的空间溢出效应，即如果某县（市、区）的耕地数量有所增加，则周边县（市、区）的耕地数量也会增加。

另外，总人口的回归系数为0.0061，显著为正，这表明研究区人口的变化对耕地数量增加有显著的正相关关系。地区生产总值和固定资产投资的回归系数在1%的显著性水平下显著为负，分别为-0.0124和-0.0996，说明研究区域的地区生产总值及固定资产投资对研究区域的耕地数量变化起着显著的抑制作用，负向影响耕地数量变化。同时，从模型中可以看出，东北三省黑土区的第一产业占比和第三产业占比的回归系数均在1%的显著性水平下显著为正，说明研究区域的第一产业占比与第三产业占比对研究区域的耕地数量变化起着显著影响。而第二产业占比的回归系数估计值显著为负，即通过1%的显著性检验，并且系数为负，表明第二产业占比的增加会导致耕地数量减少的情况发生。在农业发展方面，农业机械动力和农业结构比值的回归系数估计值分别为0.0327和0.0609，在5%的显著性水平下显著为正，说明研究区域的农业机械动力和农业结构比值对研究区域的耕地数量变化起着显著的促进作用。粮食产量的回归系数估计值为0.0026，在10%的显著性水平下显著为正，说明研究区域的粮食产量正向影响耕地数量的变化。综合来看，2014～2018年间驱使东北三省黑土区耕地数量变化的原因可归为受人口、经济、产业结构及农业发展等因素的影响，其中地区生产总值、第二产业占比、农业机械动力等对研究区域耕地数量变化起主要作用。

表5 双固定效应下的空间杜宾模型结果Table 5 The results of spatial durbin model with double fixed effects

4 讨论与结论

探究东北三省黑土区耕地数量变化，准确找到影响耕地数量变化的社会经济驱动因子并分析它们的驱动机制，不仅对合理利用该区域耕地资源、有效保护耕地具有一定的参考作用，同时也助推黑土地保护及社会稳定发展提供借鉴意义。（1）耕地数量时空变化方面，2014～2018年耕地数量变化明显，其原因在于东北三省中，辽宁和吉林工业经济相对较为发达，为了追求更大的经济利益，一定程度上会牺牲农业的发展，从而抑制耕地的保护。而黑龙江省地势平坦，有良好的农业资源，农业生产规模大,机械化水平高，因此有利于耕地资源的保护。近些年来，受“东北黑土地保护利用工程”“东北黑土地保护性耕作行动计划”等相关政策的影响，各地政府加大政策支持力度，严格执行耕地保护制度，从而抑制了耕地大量减少。（2）耕地变化驱动因素方面，近年来东北三省人口不断减少，常住人口由2014年的10976万人减少到2018年的10836万人，使得东北地区劳动力出现不足的问题。但人口减少有利于耕地的规模经营，促进耕地大规模流转,从而提高耕地的利用效率，有利于耕地数量的保护。而经济的快速发展，城市化水平的提高，使得城市边界持续扩张，造成建设用地需求增加；工业作为东北三省的经济支柱，在加快经济发展的过程中也会消耗大量宝贵的耕地资源。农业在东北三省国民经济发展中占有重要的地位，并且在第一产业中占比较高，而这一定程度上可以说明更多的土地投入到农业生产中，有利于耕地数量增加。而研究区域地势平坦有利于农机作业，随着农业生产技术和设备水平的提高，政府出台各自的农机产业发展计划，以及农机补贴政策的不断完善，因此在一定程度上有利于耕地的保护。与此同时，结合本地区的实际情况及自身的传统优势开始逐步对种植业结构进行调整，发展特色农产品，并引进具有一定经济实力和管理水平的公司，积极引导当地农民参加，形成具有区域特色的农业。同时融合形成新技术和新商业模式，促使农产品销售运输快速发展，极大促进了耕地资源的保护。

本研究以东北三省黑土区2014～2018年耕地面积数据为基础，对这5年的耕地数量时空格局变化情况进行分析，最后对社会经济驱动力进行空间计量分析，探讨影响耕地数量变化的驱动机制。研究结果表明：（1）在耕地利用时间变化方面，2014～2018年间东北三省黑土区耕地总面积持续减少，虽有部分县区耕地面积有所增加，但总体依然呈下降趋势。其中，研究期间东北三省黑土区耕地净流失面积不断减少。而这5年中研究区域耕地面积变化动态度始终维持在中等水平，研究区域耕地资源稳定性增强。（2）在耕地利用空间格局差异方面，研究期间东北三省黑土区耕地数量变化热点区缩小，热点区域主要集中在辽宁及吉林东南部经济工业相对发达地区。而冷点区与热点区变化趋势恰好相反，主要集中在黑龙江省的西北部和东南部等重要农业生产区域。（3）在耕地数量变化驱动机制方面，经过检验后选择双固定效应的空间杜宾模型。模型回归后发现，地区生产总值、第二产业占比、农业机械动力、农业结构比值等对研究区域耕地数量变化起主要作用，其中地区生产总值对耕地数量的减少影响最大，第二产业占比次之，最后是固定资产投资；而农业结构比值、农业机械动力、第一产业占比、总人口、第三产业占比及粮食产量则依次起促进作用。

因此，根据上述分析结果，本研究提出了几点启示：第一，转变地区的经济发展模式；第二，加快产业结构的优化；第三，建立耕地保护的经济激励机制。一方面，在解决农业生产报酬同时，对保护耕地制定相应的经济激励政策，适当提高农业生产者的经济利益，使他们获得的收益能满足生活需要，同时也有利于保护耕地资源。另一方面，完善农机补贴政策，提高农机化水平，促进耕地资源的高效利用，提高耕地生产力和粮食产量。