丘陵区耕地细碎化与种植多样性的空间相关性分析

吴勇 徐亚琼 曾俞森 邱晓燕

摘 要：利用2019年分辨率为20 m的航拍影像矢量数据，获得武胜县鸣钟乡19个村的耕地细碎化景观指数，运用主成分降维分析方法，获取能够代表耕地细碎化的3个主成分（F1、F2、F3）指标，对鸣钟乡耕地细碎化与农户种植多样性的空间自相关规律进行了分析。结果表明：（1）主成分F1、F2、F3累计方差贡献率大于90%，能够表达10个原始景观指数的大部分信息，代表耕地细碎化程度;（2）耕地细碎化Moran's散点图显示，19个离散点中有12个离散点落入第一象限和第三象限，表明这些范围内的耕地细碎化程度与农作物种植多样性具有较强的空间正相关，局部集聚显著;（3）F1、F2、F3与农户种植多样性空间聚集度指数显示，高值聚集区由中华村、响水滩村和龙庙村组成，低值聚集区由大锣山村、大石村和高升村组成。由此可见，耕地细碎化与农户种植多样性呈现空间正相关性，空间耦合度较好。

关键词：耕地细碎度；景观指数；空间相关性；种植多样性

中图分类号：F327 文献标志码：A 文章编号：1673-5072（2023）03-0305-06

耕地细碎化是指受人为或自然因素的影响，土地利用处于插花、分散、无序的状态，难以形成集中连片规模经营，在空间上表现为细碎化［1-3］。耕地细碎化起因于各种政治、历史以及社会等因素，与农业生产、地理景观密切相关，在世界范围内分布，在我国尤为突出。耕地细碎化是一个颇具争议的话题，通常认为土地细碎化会提高生产成本，降低农业生产效率，不利于现代农业生产技术的应用，是农业现代化的主要障碍和弃耕、土地撂荒的主要原因。然而，也有相关研究证实，土地细碎化有助于实现农作物种植的多样性，降低生产和价格风险，增加劳动力需求，分散农户的经营风险和就业压力［4-6］。为此，一些学者呼吁在土地整治过程中，不应该只追求集中连片和增加可耕种面积，忽略农业收益中作物品种多样性的作用，应该尊重农业生物多样性与地块异质性之间的密切联系，注重创造新的经济机会和非农就业选择。

在已有的研究报道中，耕地细碎化主要集中于对粮食生产技术效率、农户收入、耕地生产效率、土地利用景观格局变化等方面的研究［7-9］。学者从农户的财富水平、交易成本、农户特征、农业劳动力非农就业的机会成本等角度分析了影响农户及耕作田块内的农作物种植多样性的因素［10-14］，但关注耕地细碎化对农作物种植多样性影响的研究还不多见，鉴于此，本研究以全国商品粮大县武胜县鸣钟乡19个村为例，采用地理空间分析和景观生态学相结合的方法，从斑块形状、结构、面积等多角度来探讨鸣钟乡耕地细碎化对农户种植多样性的影响，以期为农村耕地的区域土地整治、农业生产效率的提高和生态环境的改善方面提供借鉴。

1 研究区概况

鸣钟乡是四川省广安市武胜县辖乡，位于县境东北部，属亚热带湿润季风气候；年平均气温17.6 ℃，年平均降水量1 046 mm，年平均相对湿度82%；年平均日照时数1 280.8 h，年平均日照率39%；海拔210～420 m，坡度15°～35°；土壤为紫色冲积土，厚度20～120 cm，PH值为6.5～7.0。该乡面积34.48 km2，人口1.49万，辖19个村，以农业生产为主，主产水稻、小麦、玉米、油菜等，果树和畜禽养殖业正在逐步发展中。

2 方 法

2.1 数据来源与处理

本文原始数据源为武胜县鸣钟乡2019年分辨率为20 m的航拍影像。首先，经过辐射纠正、几何校正，参考1∶10 000地形图，根据地表景观特征建立土地利用解译标志，并对分类的数据进行矢量化。其次，使用ArcGIS 10.2空间分析将提取出来的耕地shape数据栅格化，并应用Fragstats 3.4计算景观指数，并运用Matlab 7.0对所选取的景观指标进行分析。

鉴于研究目的是为了分析耕地细碎化对农作物种植多样性的影响，因而对鸣钟乡农户种植多样性的状况以二分变量来赋值定性，即如果农户在2018年秋收作物只种植1种，其多样性数值为 “0”；如农户秋收农作物种植2种及以上农作物，其多样性数值为“1”。

2.2 景觀指数的选取

本研究在借鉴已有的研究成果，综合考虑耕地的形状、聚散性等因素的基础上，在景观类型尺度上，选取了斑块密度（PD）、聚集度指数（AI）、斑块平均面积（MPS）、面积加权形状指数（AWMSI）、面积加权分维数（AMMPFD）、斑块数量（NP）、蔓延度指数（CONTAG）、斑块相似毗邻百分比（PLADJ）、斑块结合度指数（COHESION）、边缘密度（ED）共10个指标进行综合分析［15-18］，从而全面衡量鸣钟乡各村耕地细碎化程度。

2.3 主成分分析

在景观指数中，大部分景观指数之间景观格局信息重复，而主成分分析法能够减少指数数量［19］，避免信息重复。主成分分析法是一种降维方法，针对给定的一组变量通过线性变换转换成另一组不相关的变量，新变量按照方差递减的顺序排列。在实际应用中，通常选取累计贡献率较高的（大于85%）前几个主成分［20-21］，用少数几个相互独立的主成分代替综合指标信息，避免指标信息的重复。

2.4 空间自相关分析

空间自相关分析是探索性空间数据分析研究中的一种重要方法，用以反映一个区域单元上某种地理现象与邻近区域单元上同一现象或属性相关程度，包括全局空间自相关和局部空间自相关两大类型。全局自相关用于描述某种地理现象的整体分布，局部自相关用于描述某种地理现象与相邻局部小区域单元上同一现象或属性值的相关程度。

3 结果与分析

3.1 耕地细碎化景观指数主成分分析

钟鸣乡各村耕地细碎化指标如表1所示。主成分分析结果显示：主成分F1、F2、F3的特征值分别为4.862、2.405、1.815，所解释的方差分别为48.618%、24.046%、18.154%，其解释的总方差贡献率为90.818%。通过得分矩阵得到主成分的得分公式：

F1= -0.152X1+0.302X2-0.140X3+0.066X4-0.112X5-0.073X6-0.095X7+0.304X8+0.237X9+0.004X10，

F2= 0.126X1+0.089X2-0.338X3+0.115X4-0.040X5+0.222X6-0.286X7+0.095X8+0.064X9+0.264X10，

F3= -0.027X1-0.070X2-0.039X3+0.482X4+0.432X5+0.080X6-0.034X7-0.065X8+0.232X9+0.013X10，

F= 53.54%F1+26.48%F2+19.98%F3，

式中，F：综合得分，F1：第一主成分得分，F2：第二主成分得分，F3：第三主成分得分。其中，X1：斑块密度，X2：聚集度指数，X3：斑块平均面积，X4：面积加权形状指数，X5：面积加权分维数，X6：斑块数量，X7：蔓延度指数，X8：斑块相似毗邻百分比，X9：斑块结合度指数，X10：边缘密度。

将鸣钟乡19个村的数据带入公式，可得到各村耕地细碎化综合得分（表2），最高得分为1.218，最低得分为-1.088，相差2.306，说明鸣钟乡不同村的耕地细碎化程度存在很大的差异。9个村的耕地细碎化程度在平均水平以上，得分值为正值，10个村的耕地细碎化得分为负值，细碎化程度在平均水平以下。得分较高的村（玉桥村、玉黄楼村、响水滩村等）耕地数量较多，集中程度、连通性和蔓延度、各斑块之间毗邻程度低，形状较不规则，不利于规模、集中、机械化运作；相反，得分为负值且绝对值较大的村（打铁铺村、大石村、申家洞村等）耕地细碎化程度低，有利于规模、集中经营，具备相对较好的现代农业发展条件。

3.2 耕地细碎化与农户种植多样性空间相关性分析

空间自相关分析结果显示：全局Moran's I指数值为0.219（P＜0.05），表明鸣钟乡19个村耕地细碎化在空间上不是随机分布，而是存在空间相关性。

基于局部空间自相关的空间聚集结果，利用GeoDA软件测算鸣钟乡19个村耕地细碎化与种植多样性耦合协调度的聚集图（图1）。测算结果显示：鸣钟乡耕地细碎化与种植多样性表现出多种类型，形成以华严村为代表的7个H-H（高-高集聚）村，其耕地细碎化与农作物多样性种植呈正相关；以龙庙村为代表的4个L-H（低-高集聚）村，其耕地细碎化与种植多样性在空间上呈负相关；以大锣山村为代表的5个L-L（低-低集聚）村，其耕地细碎化与种植多样性呈正相关，其代表耕地细碎化越低，农作物种植多样性越少；以龙鳌村为代表的3个H-L（高-低集聚）村，其耕地细碎化与种植多样性在空间上呈负相关。

3.2.1 F1与农户种植多样性指数值空间自相关性分析

根据主成分景观指数载荷矩阵，F1代表的耕地景观水平结构与农作物种植多样性指数值在空间上具有耦合性。由图2（a）可知，F1与农户种植多样性正相关的村有1个（龙庙村），负相关的村有1个（高升村）。

3.2.2 F2与农户种植多样性指数值空间自相关性分析

根据主成分景观指数载荷矩阵，F2所代表的耕地细碎化的斑块数量、斑块密度与农作物种植多样性指数在空间上具有耦合性。由图2（b）可知，F2与农户种植多样性正相关的村有3个，负相关的村有2个。高升村、大锣山村、大石村表现为L-L型，龙鳌村表现为H-L型，中华村表现为L-H型。

3.2.3 F3与农户种植多样性指数值空间相关性分析

根据主成分景观指数载荷矩阵，F3所代表的耕地形状与农作物多样性指数值在空间上具有较好的耦合性。由图2（c）显示，F3与农作物种植多样性指数值空间正相关的4个。以响水滩村、中华村、大锣山村、大石村为中心的区域F3与农户种植多样性指数值正相关。其中响水滩村与中华村表现为强势H-H型，大锣山村和大石村表现为弱势L-L型。

4 结论和讨论

4.1 结 论

通過景观指数测算鸣钟乡19个村的耕地细化水平，主成分降维分析获取代表耕地细碎化的3个主成分指标，运用空间自相关分析研究耕地细碎化与农作物种植多样性的相关性，得出如下结论：

（1）鸣钟乡19个村耕地细碎化程度存在很大的差异，综合得分中，最高分为1.218，最低分为-1.088，相差2.306，且有10个村都在细碎化均值以下。得分高表现较为明显的区域有玉桥村、玉黄楼村、响水滩村，这些片区的耕地数量较多，且各个板块之间的集中程度、连通性和蔓延度、毗邻程度也较低，形状呈现也较不规则。

（2）片区耕地细碎化与农作物种植多样性在空间上存在较强的耦合性。以耕地细碎化程度较高的响水滩村为代表，片区耕地形状复杂性相对较低，农作物种植多样性反而越多；以大石村为代表的耕地破碎化程度相对较低的片区也会和农作物种植多样性存在相关性，但表现为正相关，即代表耕地数量越多、斑块密度越大，农作物种植多样性越高。

4.2 讨 论

普遍认为耕地细碎化是制约乡村振兴产业兴旺的瓶颈，但在西南丘陵山区，耕地细碎化却和当地土地、劳动、资本乃至技术要素互相适应，耕地细碎化与片区农作物种植多样性在空间上存在较强的耦合性。当区域经济发展相对落后，农民对市场经济下的信息获取和认知鉴别能力相对有限，多样化的农作物种植有利于帮助农民抵抗市场风险，规避风险带来的损失。

在保护生物多样性基础之上，如何发动区域农民主体作用和公众参与，规整地块形状，开展片区产业化种植和乡村的融合，实现乡村品牌的发展仍需村内能人带领，但这样的村内能人在当地仍是欠缺的。此外，区域农作物产业多样化种植实践实施仍面临相关产业技术投入，后期仍需省级政府层面发文进行相关政策支持和资金支持；亦或是通过企业及相关部门工作的介入，形成区域新的发力点，实现乡村品牌的发展，积极实施乡村振兴战略。

参考文献：

［1］ 周德，戚佳玲，袁承程.近40年来中国农地细碎化研究进展与展望［J］.中国土地科学，2021，35（1）：107-116.

［2］ 谭朝阳，李容.土地细碎化影响农户购买农机作业社会化服务吗？基于11省1223户农户的调查分析［J］.农林经济管理学报，2017，16（5）：622-632.

［3］ 郭如良，刘子玉，陈江华.农户兼业化、土地细碎化与农机社会化服务：以江西省为例［J］.农业现代化研究，2020，41（1）：135-143.

［4］ 卢华，胡浩.土地细碎化、种植多样化对农业生产利润和效率的影响分析：基于江苏农户的微观调查［J］.农业技术经济，2015（7）：4-15.

［5］ 许庆，田士超，徐志刚，等.农地制度、土地细碎化与农民收入不平等［J］.经济研究，2008（2）：83-92.

［6］ 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.

［7］ 唐文彬，王佑汉，李谦.基于景观指数的耕地细碎化研究：以四川盆地5个典型村为例［J］.西华师范大学学报（自然科学版），2019，40（4）：413-419.

［8］ 张寒，潘安，罗芳.基于遥感生态指数的南充市生态环境质量评价［J］.西华师范大学学报（自然科学版），2020，41（4）：395-403.

［9］ 吴明风，李容.土地细碎化影响农户家庭投资农机作业社会化服务的调查分析：以11省280户农机户为例［J］.重庆工商大学学报（社会科学版），2017，34（2）：48-60.

［10］杨慧莲，李艳，韩旭东，等.土地细碎化增加“规模农户”农业生产成本了吗？基于全国776个家庭农场和1166个专业大户的微观调查［J］.中国土地科学，2019，33（4）：76-83.

［11］郭贯成，丁晨曦.土地细碎化对粮食生产规模报酬影响的量化研究：基于江苏省盐城市、徐州市的实证数据［J］.自然资源学报，2016，31（2）：202-214.

［12］高明月，邱爽，周光美，等.西南地区A级旅游景区空间演化研究［J］.西华师范大学学报（自然科学版），2018，39（4）：443-450.

［13］刘宏曼，王梦醒.土地细碎化和土地质量是否影响小麦技术效率：基于山东省小麦种植户的实证分析［J］.中国农业资源与区划，2019，40（9）：57-63.

［14］陈小知，米运生，杨天健，等.農户收入与信贷数量：倒“U”关系及其理论解释［J］.农业技术经济，2021（6）：4-17.

［15］肖笃宁，李秀珍，高峻，等.景观生态学［M］.北京：科学出版社，2003.

［16］田雨，周宝同，付伟，等.2000～2015年山地城市土地利用景观格局动态演变研究：以重庆市渝北区为例［J］.长江流域资源与环境，2019，28（6）：1344-1353.

［17］邬建国.景观生态学：格局、过程、尺度与等级［M］.北京：高等教育出版社，2000.

［18］陈文波，肖笃宁，李秀珍.景观指数分类、应用及构建研究［J］.生态学报，2002，13（1）：121-125.

［19］布仁仓，胡远满，常禹.景观指数之间的相关分析［J］.生态学报，2005，25（10）：2764-2775.

［20］台晓丽，肖武，张建勇，等.基于景观指数的巢湖流域各县区耕地细碎化研究［J］.水土保持研究，2016，23（4）：1-5.

［21］臧亮，梁红颖，梁文涛，等.基于景观格局的卢龙县耕地细碎化评价及影响因素研究［J］.水土保持研究，2018，25（6）：265-269+276.

［22］雷轩，王筱春，周于绢，等.四川51个民族县域经济空间差异的ESDA-GIS分析［J］.西华师范大学学报（自然科学版），2019，40（4）：401-406.

Abstract：The land fragmentation landscape indexes of 19 villages in Mingzhong township is obtained by employing the aerial image vector data with a resolution of 20 m in 2019.The 3 principal components（F1，F2，F3） representing land fragmentation are determined by the analysis method of principal components dimension reduction，which is then used to analyze the spatial autocorrelation regularity between land fragmentation and plant diversity.The results show as follows：（1）the cumulative variance contribution rate of principal components（F1，F2，F3） is more than 90%，expressing most of the 10 original landscape indexes and representing the degree of land fragmentation；（2）Moran's scatter plot reveals that 12 of the 19 scattered points fall into the first and third quadrants，indicating that the degree of land fragmentation in these areas has a strong spatial positive correlation with crop planting diversity and the local concentration is significant；（3）the spatial aggregation index values of F1，F2，F3 and diversified planting space of farmers indicate that the high-value aggregation areas are Zhonghua village，Xiangshuitan village and Longmiao village while the low-value aggregation areas are Daluoshan village，Dashi village and Gaosheng village.It can be seen that there is a spatial positive correlation between land fragmentation and plant diversity of farmers ，and the degree of spatial coupling is comparatively better.

Keywords：land fragmentation；landscape Index；spatial correlation；plant diversity

基金项目：四川省自然资源厅科技项目（KJ2018-15）

作者简介：吴勇（1970—），男，博士，教授，主要从事土地资源管理研究。

通信作者：吴勇，Email：540851765@qq.com

引文格式：吴勇，徐亚琼，曾俞森，等. 丘陵区耕地细碎化与种植多样性的空间相关性分析：以武胜县鸣钟乡为例［J］.西华师范大学学报（自然科学版），2023，44（3）：305-310.