城镇化进程中耕地时空格局演化及其驱动机制研究——以扬州市为例

禹文东， 吴涛， 罗云建， 李晓明

扬州大学 园艺园林学院，江苏 扬州 225009

耕地是人类生存的基础资源, 事关全球的粮食安全, 世界范围的工业化和城镇化发展使得耕地面积发生很大改变[1-4]． 据统计, 1961-2015年, 全球人均耕地减少了37.5%[5]． 同时, 耕地也随之发生不同程度的质量下降, 其面临的荒漠化、 破碎化、 盐渍化及边际化等威胁在不断加剧, 特别是2000年后, 耕地面积总量、 人均耕地面积减少的国家数逐年增多, 尤其是人口总量较大的诸如印度、 中国、 孟加拉国等发展中国家．

中国的经济高增长率所带来的城镇化进程导致耕地总量不断减少, 特别是东部地区还受到农业结构调整与生态退耕等因素影响, 多数地方的耕地数量减少的趋势更加明显, 而耕地质量也随之有明显的下降． 根据第三次全国国土调查结果显示, 以2019年底为标准时点, 中国耕地总面积约1.3亿hm2, 近10年来耕地迅速减少, 这在一定程度上影响我国的粮食安全[6]． 为此, 坚守18亿亩的耕地红线成为国家的既定政策, 耕地保护政策也在逐步转型, 更加注重耕地在数量、 质量和生态等方面的综合保护[7]．

近年来耕地保护方面的研究较多地聚焦于其数量与质量的时空演化规律与机制, 如不少学者在流域、 区域或省域等宏观尺度上, 对耕地时空演化特征及其驱动因素进行分析与探讨, 这类研究部分是从统计数据的角度来解析耕地变化规律, 或者采用定量分析的方法, 对区域内部耕地变化的空间动态性与分异性做进一步梳理和研究, 进而识别耕地变化的驱动因素[8-11]． 如张永生等[12]获取华北6省(市)的土地数据, 在省域尺度上对2000-2010年耕地的景观格局进行分析与探讨, 梁小丽等[13]揭示广西区域范围内一定时段耕地利用形态分异规律并识别其主要的驱动因素, 王雨枫[14]对1990-2020年辽宁省耕地空间分布演化与影响机制做了分析与研究． 此外, 部分学者还以不同地域特有形态的耕地为研究对象, 对其时空演化做了分析与研究． 如选取了云南坡耕地[15]、 原阳县黄河背河洼地耕地[16]、 江苏里下河平原耕地[17]、 陕西渭北旱塬区耕地[18]等． 上述研究多数关注于宏观尺度或者特定类型的耕地资源, 而对我国新时代经济发展背景下的中小城市的耕地时空演化规律较少涉及．

笔者认为要实现新时代我国经济的高质量、 可持续发展目标, 中小城市的高质量协同发展是核心, 聚焦长三角地区, 中小城市的高质量、 特色与个性化发展, 是一体化协同发展的关键环节和战略支撑． 江苏省扬州市作为长三角地区的中等城市(次中心城市)正处于苏北与苏南经济发展的过渡地带, 在承接大城市产业转移、 疏解大城市生活压力、 高效利用耕地、 协调乡村振兴等方面发挥的作用具有典型性和代表性, 为此, 笔者选取扬州市耕地为研究对象, 运用ArcGIS空间分析与经济计量分析方法, 通过分析2000-2020年的时空演化规律, 揭示其演化特征, 找出其演化的驱动因素与机制, 以期为同类型的城市耕地高质量使用与管理、 自然资源优化配置、 生态保护和协调发展等提供参考与借鉴．

1 研究区概况

扬州市(32°15′-33°25′N, 119°01′-119°54′E)地处江苏省中部, 位于长江北岸、 江淮平原南端, 下辖邗江、 广陵、 江都、 宝应、 高邮和仪征等6个区(县)． 全市总面积6 591.21 km2, 据第七次人口普查数据显示, 截至2020年11月1日零时, 扬州市常住人口为455.979 7万人． 2020年扬州市地区生产总值达到6 048.33亿元．

2 数据与方法

2.1 数据来源

本研究以2020年行政区划为依据, 以扬州市域范围的6个区(县)的83个镇、 乡和街道为基本单元开展相关研究． 本研究用到的土地数据来自中国科学院资源环境科学与数据中心(http: //www.resdc.cn)开发的中国土地利用/土地覆盖遥感监测数据集(1970年至今), 其空间分辨率为30 m． DEM数据来自地理空间数据云(http: //www.gscloud.cn), 空间分辨率为30 m×30 m． 利用ArcGIS 10.4, 从DEM数据中提取研究区的海拔数据, 并计算得出研究区的坡度数据．

地区生产总值、 农村居民人均纯收入、 第一产业增加值、 第一产业构成、 固定资产投资城镇人口、 城镇化率等数据来源于《扬州市统计年鉴》(2000,2005,2010,2015,2020年), 在ArcGIS 10.4中运用表链接功能与扬州市乡镇边界矢量文件结合．

2.2 研究方法

2.2.1 耕地的时空变化

1) 耕地净变化率． 这一指标是用来衡量在某时期内耕地的变化程度, 一般是用一定时期内耕地的净变化量与初期总量之间的比值来反映． 公式表述如下:

(1)

式中:R为耕地净变化率;Ua为末期耕地总量, km2,Ub为初期耕地总量, km2．

2) 耕地变化动态度． 本指标主要用来反映耕地在某个时期内的变化情况, 能够衡量耕地的稳定性, 其值越高则耕地越趋向于不稳定． 公式[19]如下:

(2)

式中:m为耕地变化动态度;T为研究时长, a．

3) 核密度分析． 这个非参数的方法是用来估计概率密度函数, 能够表征耕地的空间集聚状态． 一般是将起始耕地信息处理为像元大小300 m的栅格数据, 并将其转化为点数据, 再进行核密度的分析, 计算公式[20-21]如下:

(3)

式中:fn为耕地地块分布核密度测算值;k为核密度函数;h为带宽;n为耕地点数据的数量;x-xi为耕地点x到样本点xi的间距．

2.2.2 景观格局指数计算

景观格局指数是采用定量指标来表征景观格局的基本信息, 并能反映其结构组成以及空间基本格局特征[22]． 通过对耕地图斑信息的统计可以获得耕地数量变化的基本情况, 但其空间变化的特征不能仅通过数量变化来反映, 耕地变化过程会导致景观形状复杂、 破碎等一系列威胁耕地质量的问题, 进而影响耕地的功能, 而景观格局指数则可以测度这些基本特征． 景观格局指数是景观格局信息的高度概括, 并通过景观指标量化表达, 进而呈现出景观格局及其空间分布状态, 在耕地时空演化研究中被广泛使用[23]．

借鉴近年来其他学者的研究成果[24], 综合考虑扬州的自然条件与社会经济发展现状, 本研究选取了8个主要的景观指数, 即斑块数量(NP)、 斑块密度指数(PD)、 景观形状指数(LSI)、 聚类指数(CLUMPY)、 斑块凝聚度指数(COHESION)、 景观分割指数(DIVISION)、 聚集指数(AI)以及分离度指数(SPLIT), 通过Fragstats软件对上述指标数值进行计算分析, 进而研究区域内耕地格局变化与破碎化的情况．

2.2.3 驱动力分析

1) 驱动力影响因子的选取． 耕地的变化是各种驱动力综合影响、 相互作用的结果, 变化的主要影响因素是自然条件和社会经济发展情况[25-27]． 本研究选取了13个影响耕地变化的因子, 包括地理空间中的6个因子, 即海拔、 坡度、 距水体距离、 距建成区距离、 距市中心距离以及距区县核心区距离; 经济因素中的2个因子, 即人口与人口密度; 社会因素中的5个因子, 即人均GDP、 财政收入、 第一产业占比、 第二产业占比以及第三产业占比, 选用增强回归树(Boosted Regression Trees, BRT)算法来定量揭示上述13个因子的潜在驱动力对耕地变化的影响．

2) 样本点的提取． 将各时间段(2000,2005,2010,2015,2020年)的土地利用图层进行叠加, 把经耕地转出为其他用地的像元赋值为1, 仍是耕地的地类赋值为0． 采用ArcGIS中创建随机点的工具模块, 随机在耕地转出及不变的像元中, 分别抽取500个样本点． 利用ArcGIS的空间统计工具箱中的近邻分析工具, 计算每个样本点到水体、 建成区、 市中心、 区县核心区的欧几里得距离, 利用空间分析工具箱中的值提取至点工具, 提取每个样本点的海拔和坡度, 运用标识工具将乡镇的经济社会数据赋予样本点．

3) 驱动力分析． 本研究选用BRT算法来定量揭示上述影响因子的潜在驱动力对耕地变化的影响． 为获得可信的分析结果, 需要合理设置5个参数, 即交叉验证折数、 损失函数形式、 学习速率、 交互深度(又称树复杂性)以及重抽样比例． 在判断耕地能否转出的应用实践中, 采用较为实用的Bernoulli分布方法, 并结合本研究特点将重抽样品的比例设定为0.5、 交叉验证的折数设定为10． 其中, 学习速率和交互深度需要根据数据的实际情况进行多次比较来确定, 并需满足至少1 000个分类树的要求． 为此, 本研究分别设置学习速率的梯度为0.1,0.05,0.01,0.005, 树复杂性的梯度为1,2,3,4,5,6,7, 而后通过选取不同的学习速率和交互深度来对模型进行调优． 经过多次调试, 最终确定BRT算法的最优参数组合是学习速率为0.005和交互深度为5．

3 结果与分析

3.1 不同时期耕地整体数量变化与空间特征

3.1.1 耕地总体数量变化特征分析

扬州的耕地面积在2000-2020年期间有持续下降的趋势, 总面积减少了约4.45万hm2(表1), 全市人口在这一时期变化幅度较小, 相对2000年, 2020年的户籍人口有小幅度下降, 耕地的减少速度大于户籍人口减少速度, 这也使得全市人均耕地面积21年间下降了约8%.这种变化对农业生产稳定性造成一定威胁． 由于林地、 草地、 水体、 未利用地等变化幅度较小, 可以推断耕地减少的主要原因是城镇发展、 农村居民点及区域性设施等建设用地的增加与扩张． 此外, 2010年以来, 因江苏省城乡“增减挂钩”、 集约用地等政策的实施, 对全市耕地面积的快速缩减有较好的抑制作用．

表1 2000-2020年5个时期扬州市各地类面积及占比情况

从5个时期土地利用变化的空间分布(图1)来看, 扬州的6个区县(市)的耕地面积均出现不同程度减少, 其中高邮市和江都区的耕地面积减少值得关注, 高邮市2000-2020年耕地减少面积高达9 030 hm2, 占扬州市耕地减少面积的20.23%, 这同高邮的快速城镇化有关, 而江都区的耕地也减少了8 972 hm2, 经过调查这些减少的耕地多是城区周边及近郊较为优质的耕地, 而村庄布局优化、 庄台合并、 农用地内部调整等往往是耕地增加的主要原因, 这也真实反映了扬州减少的耕地多为高质量农田, 而增加的往往是庄台复垦地或者养殖场整治地等, 其质量优劣不一．

审图号为: GS(2016)2893号, 底图无修改．

3.1.2 耕地净变化率特征

由图2可以看出, 扬州在2000-2005年及2015-2020年2个时段耕地变化具有中部减少而东西部增加的特点; 在2005-2010年时段耕地则呈现净流失现象, 很多区域耕地的净流失率超过1%, 仅有宝应县的2个乡镇及广陵区的1个乡有较大幅度的增加, 其他的基本都处于流失状态, 2010-2015年时段扬州的耕地净流失区域有较大幅度缩小, 甚至有些区域耕地面积还略有增加, 但整体来看, 耕地仍然呈现净流失之势． 总之, 近21年来扬州耕地整体呈现净流失状态, 流失面积持续扩大, 以扬州市区及3个区县周边乡镇的耕地流失较为严重, 可以看出快速城镇化带来的城市扩张是扬州市耕地流失的主要原因．

审图号为: GS(2016)2893号, 底图无修改．

3.1.3 耕地变化动态度分析

从图3可以看出, 2000-2020年时段耕地变化动态度超过6%的区域主要集中在扬州主城区, 其他多数区域的耕地变化动态度多停留在2%以内, 扬州市的耕地变化在2005-2010年时段最为突出, 主要体现在仪征市区南部区域到邗江区、 广陵区及江都区的南部区域, 其耕地变化动态度都超过6%, 局部甚至大于8%, 另外在高邮市区和宝应县城周边的耕地也有较大幅度的变化． 2010-2015年整个扬州市的耕地变化动态度绝大多数都保持在2%以内, 2015-2020年耕地变化动态度变化较大的区域一处集中在高邮市区周边, 另一处则是江都区和广陵区融合发展的区域, 这一时段恰好是江广融合发展的时期, 耕地变化十分明显． 总体来说, 扬州耕地变化动态度在2000-2020年时段基本处于中等变化幅度, 全市耕地资源的稳定性有一定幅度下降, 位于南部的扬州主城区及仪征市的耕地动态变化度相对较大, 而相应时期的耕地净变化率波动特征与之基本对应．

审图号为: GS(2016)2893号, 底图无修改．

3.2 耕地空间集聚分析

应用核密度分析对扬州耕地的空间集聚状况进行分析研究, 对其核密度值(带宽h=5 325 m)进行计算分析． 该值可以反映耕地的空间聚集或离散的状况, 值越小则耕地越离散, 反之则越聚集． 结果表明, 扬州市耕地核密度值范围为0～1 111 点/km2(图4), 依据自然断点法可将核密度值划分为7个等级: 极低密度区(0～135 点/km2)、 低密度区(136～362 点/km2) 、 中低密度区(363～566 点/km2)、 中密度区(567～736 点/km2)、 中高密度区(737～867 点/km2)、 高密度区(868～980 点/km2)、 极高密度区(981～1 111 点/km2)． 从图4可以看出, 扬州市耕地的空间分布在不同区域的差异较为显著, 中西部湖泊较多, 邵伯湖、 高邮湖、 宝应湖分布在扬州的中西部边界位置, 东北角(即宝应县东北区域)河流湖泊分布也较多, 因此, 耕地核密度极低的区域主要分布在这些位置． 另外通过5个时期的耕地核密度图分析, 可以发现扬州主城区的耕地核密度极低的区域在持续扩大, 西部(仪征和邗江区域)的高密度区和极高密度区在逐步变小, 出现了破碎化的趋势． 中东部地区(高邮和江都的北部区域)耕地在初期以极高密度区域为主, 连片整体度较好, 但在2010,2015,2020年时间节点, 耕地极高密度区的范围在持续变小, 在空间上也出现扩散的态势, 而中高、 中密度区范围也在持续扩张． 这进一步显示扬州耕地的空间核密度首先是受自然条件的影响和限制, 其次城市扩张、 工业发展及农业产业结构优化等因素对其影响也较为显著．

审图号为: GS(2016)2893号, 底图无修改, 单位: 点/km2．

3.3 耕地景观格局变化分析

如表2所示, 扬州耕地在2000-2020年时段破碎化程度在持续加剧, 斑块数量(NP)在2000-2020年共增加了42个, 斑块密度指数(PD)在2005-2010年从0.02水平上升至0.03水平后趋于稳定． 景观形状指数(LSI)则表现出持续增大的态势, 揭示出耕地斑块的形状复杂化与不规则化． 占用耕地并使得原有图斑割裂化, 进而连通性降低, 使得耕地斑块的平均面积进一步减少, 这些成为扬州耕地破碎化加剧的主要原因之一． 景观形状指数(LSI)在2010年后的变化逐步趋缓, 可能原因是此后的各项保护耕地的举措发挥效力, 2010年后的时段内扬州耕地保护意识持续加强, 无序占用耕地的情况变少, 注重耕地的整体连片性, 一定程度上优化了耕地的景观格局． 景观分割指数(DIVISION)从0.81增加至0.84, 聚类指数(CLUMPY)、 聚集指数(AI)与斑块凝聚度指数(COHESION)的值均在持续减少, 而分离度指数(SPLIT)值则从5.32%增至6.31%, 这些变化都表明耕地斑块出现了离散的态势, 耕地的破碎化程度在加大． 总体来说, 扬州耕地的空间分布呈现集聚的状态, 斑块的凝聚度也较好, 但随着城市的加速发展, 耕地数量持续减少, 其空间集聚程度也在城镇化进程中不断受到削弱．

表2 扬州市2000-2020年耕地景观格变化指数表

3.4 驱动力分析

自然、 经济和社会等因素对耕地变化有一定的影响, 而各因素之间既相互关联又相互限制, 其综合的作用和影响改变了土地使用状况, 进而对耕地数量与质量也产生了影响[28]． 选取扬州耕地的4个时段(2000-2020年的每5年), 采用BRT方法分别对其时空演化的驱动力进行分析与研究． 结果表明, 选择的13个因子可以较好地阐明扬州耕地时空演化的主要原因, 其阐述力分别达到73%,78%,79%和76%, 训练数据和检验数据的AUC值常用作模型的评价标准, 取值范围为0.5～1, 值越大则检测方法真实性越高, 本研究均在0.85以上, 对扬州耕地的转出能作出较好的阐述．

地理空间的6个因子对耕地时空变化的影响最大, 其在4个时段的相对影响分别为84%,77%,75% 和72%, 呈现出减小的趋势(图5)．

图5 2000-2020年扬州市耕地转出驱动力的相对影响

在这些地理空间因子中, 影响最小的是海拔(2%～4%)． 2005-2010年, 海拔增加时有部分土地转化为耕地, 但海拔10 m以上的土地没有显著的改变, 其他的时段海拔对耕地转化的影响不显著(图6); 距水体距离这一因子对耕地转化的影响范围为8%～39%, 其对2000-2005年时段的耕地转化影响较为明显, 距离水体越近的土地转化成耕地的可能性越大, 而在其他时段这种影响较小; 距市中心距离和距建成区距离这两个因子的相对影响表现出先增后减的趋势, 前者从2000-2005年时段的13%增大到2005-2010年时段的21%, 然后又减至2010-2015年时段的10%, 后者从2000-2005年时段的11%增大到2005-2010年时段的14%, 然后又减至2010-2015年时段的11%． 这些变化表明两个因子对耕地转化有明显的影响, 即越靠近市中心和建设用地的耕地转变成建设用地的可能性越大(图6); 距区县核心区距离的相对影响随着4个时段的推移逐步变大, 分别为16%,26%,32%,31%, 其中2010-2015年时段影响最大, 这一因子对耕地变化的影响结果与距市中心距离和距建成区距离两个因子的影响作用类似．

关于经济的影响, 2015-2020年时段比2000-2005年时段显著增加了9%, 相较于地理空间而言, 其影响的幅度相对较小． 第一产业占比和第二产业占比这两个因子在整个经济因子中的影响幅度最大(2%～6%), 其他因子的影响幅度相对较低(2%～5%)． 在2000-2005年时段, 财政收入增加使得其他地类向耕地转化, 但在2005-2010年的时段耕地却在减少, 其他两个时段的影响则相对较小; 人均GDP对耕地变化也有一定的影响, 2000-2005年时段人均GDP增加促进耕地增多, 2000-2005年时段反之． 2005-2010年时段第一产业占比增加对耕地增加有较为明显的促进作用, 但其他时段这一影响却很小; 2005-2010年时段的第二产业占比增加对耕地减少的影响作用较大; 第三产业占比小于20%时, 对耕地变化影响不明显． 占比在20%～40%之间时, 即在2000-2015年间对耕地增加有显著的促进作用, 而在2015-2020年却加速了耕地的流失． 当第三产业占比超过40%时, 对耕地增加总体呈现出显著的抑制作用．

相对于地理空间和经济因素而言, 社会因子的影响最小, 对耕地影响表现出先增后减的趋势, 由4%(2000-2005年时段)增加到8%(2010-2015年时段), 随后又降低到7%(2015-2020年时段)． 在整个时段内人口数量及人口密度两个因子对耕地变化的影响起到先促进后抑制的效果．

4 讨论与结论

4.1 讨论

本研究对不同时期的扬州耕地变化情况进行分析与研究, 在宏观层面揭示了耕地时空演化的基本特征, 并采用BRT算法对耕地变化的驱动机制做了定量研究． 结果显示, 2000-2020年时段, 扬州耕地数量呈现逐步减少的态势, 21年间共减少44 523.81 hm2, 而减少的耕地多数是转成建设用地, 其次是林地和水体[29]． 一般而言, 耕地空间格局多数情况下取决于地理空间因子, 而控制着耕地转化的数量、 时空演变的方向与速度的因子往往是社会和经济因子．

扬州耕地面积自2000年以来大幅减少, 其主要受地理空间因子的影响． 这些因子包括距水体距离、 距建成区距离、 距市中心距离以及距区县核心区距离等． 而社会经济因子, 诸如人均GDP、 人口及财政收入等对耕地面积也有不同程度的作用和影响． 耕地与人类的经济社会发展密切相关, 其受不同地理空间的作用和影响较大, 故而各类区域耕地变化的驱动力表现出较为明显的差异． 如潘佩佩等[30]认为1985-2015年期间太湖流域的经济发展区建设用地扩张与耕地的减少具有空间对应的关系, 经济发展导致的建设占用则是耕地减少的主要原因, 而周翔等[31]认为江苏苏锡常区域耕地减少的主要原因是地理空间因子, 如距中心城区距离、 邻域效应以及交通可达性等．

目前对耕地景观格局特征识别是耕地质量评价的主要依据． 空间动态性及时空转移等是耕地资源多样演化的基本特征． 随着人类社会与经济的高质量发展, 耕地与其他地类的转化越发变得频繁而复杂[32], 仅仅依赖简单的数量统计或者单一的质量监测, 难以与实际耕地变化情况相吻合[33]． 当前的经济社会发展带来耕地破碎化的问题, 不仅影响规模化农业发展, 也难以有效发挥耕地的生态及生产功能． 蔡汉等[34]以江苏扬州的耕地景观为例, 通过对景观安全指数的构建与研究, 分析出快速城镇化地区耕地景观生态安全格局时空演变特征及其驱动机制和空间差异． 本研究选取了8个景观指数来分析与研究扬州耕地的破碎化程度及特征, 为更好开展扬州的耕地保护提供借鉴．

随着经济及城镇化的进一步发展, 扬州对建设用地的需求在增加, 同时还要面临生态环境保护的压力, 这对相关的主管部门提出了更高的要求, 即要能够应用经济、 社会或者法律、 技术等手段与方法, 提升耕地质量, 优化耕地空间布局, 有效落实耕地保护政策, 对“三条红线”, 即永久基本农田线、 生态保护线、 城镇开发边界线做好科学划定, 进而建立长效的耕地保护机制, 强化资源集约利用, 促进社会经济与资源环境的协同发展[13]． 此外, 采用产权流转、 农业产业结构调整等方式与方法对土地利用加以调控, 对当前乡村振兴实践具有现实意义． 本研究从耕地时空演化的视角分析研究了扬州耕地变化过程及其影响因素, 对其具体的驱动力进行分析与探讨, 未来将进一步对耕地质量、 连片集中度、 规模效益、 生态投入与收益等方面做分析与研究[35-37], 为此类中小城市经济高质量发展下形势如何进行耕地资源的有效利用与路径调控提供理论依据．

4.2 结论

2000-2020年间, 扬州地区的耕地净流失面积逐渐增加, 主要发生在扬州市区和3个区县的周边乡镇． 建设活动是导致耕地减少的主要原因, 尤其是在扬州市主城区和其县(市)城区周边． 这种占用行为导致耕地连片性和整体性不断受损, 使耕地的破碎化程度不断加剧． 分析数据表明, 扬州市的土地整治、 耕地保护初见成效, 主要表现在耕地斑块的破碎化趋势进一步趋向缓慢, 聚类指数、 聚集指数与斑块凝聚度指数等3个指数的数值变化幅度也在不断变小． 经BRT算法分析表明, 地理空间和社会经济因素共同作用呈现出扬州耕地时空演化特征结果． 在自然因子, 如海拔、 水体等条件的限定与影响下, 道路交通、 距建成区距离、 人口以及人均GDP等地理空间和经济社会因子也驱动着耕地的时空演化． 在新时代高质量经济发展形势下, 扬州要转变城镇发展理念, 工业及城市扩展需要由外延扩张式转变为内涵挖潜式, 减少或避免对高质量耕地的占用, 并进一步探索基于区域差异化的耕地质量提升与保护的相关策略, 建立起切实可行的耕地生态补偿机制[38], 为促进同类型城市的自然资源优化配置、 生态保护以及耕地高质量使用与管理等方面提供参考与借鉴．