武汉城市圈耕地利用变化驱动机制研究

申 杨，龚 健，李晓丹，王卫雯，陶 荣

（1.甘肃农业大学管理学院，甘肃 兰州 730030； 2.中国地质大学（武汉）公共管理学院，湖北 武汉 430074；3.自然资源部法律评价重点实验室，湖北 武汉 430074；4.河南大学地理与环境学院，河南 开封 475004；5.湖北省国土资源研究院，湖北 武汉 430074）

耕地作为土地资源的精华，是国家粮食安全的稳定器和压舱石，绝不动摇耕地保护红线是将粮食安全牢牢把握在手中的必然选择[1-2]。但是由于耕地保护与经济发展矛盾,致使快速城市化地区的土地利用变化相对强烈，探究该类型地区的耕地变化驱动力可以为目前仍处于中、低阶段城市化进程地区未来的土地利用方向提供参考[3-5]。武汉城市圈作为湖北省产业和生产要素最为密集、最具活力的地区，创造了全省近2/3 的地区生产总值，该地区不仅是湖北经济发展的核心区域，也是中部崛起的重要战略支点。武汉市城市圈作为典型的快速城市化地区，耕地利用空间格局发生显著变化，尤其是城镇建设扩张占用耕地较为严重，导致部分城镇周边的耕地呈现零星、破碎化特征，城镇周边耕地流失加剧[6]。在坚决遏制耕地“非农化”政策的要求下，深入分析耕地利用变化过程并揭示其空间要素驱动机制，对于制定科学合理的耕地保护政策具有重要意义。

目前，国内外学者已经开展了大量关于耕地利用变化及其影响因素的研究。这些研究从耕地利用转型特征[7-9]、耕地资源时空分布特征[10-11]、耕地景观格局时空变化特征[12]等方面揭示了耕地利用变化的客观规律，并探讨了耕地利用变化对粮食生产潜力[13]、耕地适宜性[14]、生态服务价值[15]等方面的影响。研究方法从定性分析逐渐发展到定量分析，数理模型得到越来越广泛的应用。这些方法主要包括主成分分析[16]、逻辑斯蒂回归模型[17]、地理探测器模型[18]等。然而，耕地利用变化与其驱动因子之间的关系非常复杂，这些方法仅仅探讨了自变量和因变量之间的统计关系，未能充分考虑空间距离要素的规律性和边界性[19]，不利于驱动机制的深入分析。此外，在对驱动因素数据进行空间量化表达方面，自然环境因素获取途径相对便利，而社会经济和政策规划数据仍需进一步完善。这主要是因为这两类数据多基于统计数据，空间量化表达存在一定局限性[20]。贝叶斯网络模型融合了图论和概率论的特点，相对于传统的统计方法和“黑匣子”类模型，该模型可以通过图形描述的方式展示耕地利用变化与驱动因素之间的复杂关系及其变化过程[21]。贝叶斯网络模型兼具数学逻辑表达能力和因果概率推理能力，可以有效纳入影响耕地利用变化的社会经济和政策规划因素，并依靠模型的诊断性分析能力对空间距离要素的规律性进行推断。

基于此，本文以武汉城市圈为研究区，采用变化轨迹分析法和景观格局指数，分析了1980—2020 年耕地利用变化的时空特征，并将政策规划等因素纳入贝叶斯网络模型，结合专家经验知识与实际观测数据，识别耕地利用变化的驱动因素重要性，为武汉城市圈的耕地保护与科学管理提供参考依据。

1 研究方法与数据来源

1.1 研究区域概况

武汉城市圈又称“1+8”城市圈，以武汉为中心，囊括了周边100 km 半径范围内的鄂州、黄石、孝感、黄冈、咸宁、仙桃、天门、潜江8 个市。截至2021 年，武汉城市圈常住人口3 208.17 万人，地区生产总值30 101.41亿元，分别占湖北省的56.26%和60.19%①数据来源于《湖北省统计年鉴（2022年）》。，是长江中游城市群最重要的增长极之一。2006 年经国务院批准，武汉城市圈成为首批资源节约型与环境友好型社会建设综合配套改革试验区。2016 年武汉城市圈中心城市武汉市正式获批国家中心城市。研究区拥有丰富的耕地资源，也是重要的粮食生产基地。根据《中国耕地质量等级调查与评定（全国卷）》，武汉城市圈耕地以1～8 等为主，优、高等耕地占耕地总面积的82.4%，耕地质量优良，区域差异较小，耕地质量相对稳定[22]。但是快速城镇化的进程导致剧烈的国土空间格局演变，对耕地的稳定性产生了极大影响，耕地保护面临巨大压力。

1.2 研究数据来源

本文所用的数据主要包括：（1）1980年、1990年、2000 年、2010 年、2020 年土地利用数据，分辨率为30 m×30 m，来源于中国科学院资源环境科学数据中心（www.resdc.cn）；（2）路网数据来源于 OSM（https://www.openstreetmap.org/）；（3）高程和坡度数据来源于地理空间数据云（http://www.gscloud.cn/）下载的数字高程模型（DEM），分辨率为 30 m×30 m；（4）POI 数据来源于高德地图，按照自身属性和研究所需划分为公共管理服务和农林牧渔企业两类；（5）GDP和人口空间分布数据来源于中国科学院资源环境科学数据中心（www.resdc.cn）；（6）水土流失数据来源于湖北省生态环境厅（https://sthjt.hubei.gov.cn/）；（7）城镇开发边界和永久基本农田保护区来源于湖北省国土空间规划数据库（2020年）。

1.3 研究方法

1.3.1 变化轨迹分析法

变化轨迹分析法是一种用于研究和分析地理空间现象变化的方法[23]，该方法利用连续现象与非连续现象动态变化轨迹代码，揭示出地理现象在时间上的演变过程和变化趋势，计算公式如下：

式（1）中：Tij表示轨迹中第i行第j列的代码；n表示研究时间节点数；（G1）ij，（G2）ij，...，（Gn）ij表示每个时间节点对应的土地利用类型的轨迹代码值。

1.3.2 景观格局指数

景观格局指数高度浓缩了空间格局信息，可以有效分析非连续性的耕地格局变化空间特征[24]。本文从景观类型水平指数中选取斑块密度（PD）和聚集度指数（AI）衡量耕地空间格局变化的特征。其中，斑块密度用于评估耕地变化的景观破碎化程度，可以反映出单位面积上耕地变化的斑块数量，计算公式如下：

式（2）中：Ni表示耕地变化景观类型i的斑块数量；A表示景观总面积。

聚集度指数用于评估耕地利用变化空间分布的集聚程度，可以反映出耕地变化中不同类型斑块的集中度和聚集程度，计算公式如下：

式（3）中：Pij表示耕地变化斑块类型i与j相邻的概率。

语文阅读不受重视，是大多数小学语文教学研究中存在的主要问题。大多数小学生的阅读量明显不足，无论在课上时间还是在课下时间，不仅小学生都缺少有效阅读，教师对阅读也缺乏一定的重视。小学语文课堂一般在40分钟左右，教师留给学生阅读的时间平均只有5—10分钟。对于小学生而言，由于本身正处在词汇积累的时期，想要在短时间内快速阅读并理解全文十分困难。学生的课下时间大多数被用来完成教师布置的作业，进行阅读的时间少之又少。如果小学生的自制力不足，家长不严加督促，小学生的阅读任务不能按时完成，其阅读能力自然无法提升。

1.3.3 贝叶斯网络模型

贝叶斯网络（Bayesian Network, BN）是一种用于表示和推断随机现象之间依赖关系的概率图模型[25]。该模型由网络结构和网络参数两部分构成，前者是一种有向无环图，通过有向箭头连接不同的节点，用于描述变量之间的相互关系，后者用条件概率表的形式反映节点之间因果关系的强弱。

本文采用Netica 软件构建贝叶斯网络模型。首先，选取相关变量作为节点，对贝叶斯网络进行结构学习。其次，根据耕地利用变化的过程机理[26-28]，结合武汉城市圈耕地利用的实际特征，将耕地利用变化的驱动因子划分为四类：区位因子、自然因子、政策规划因子和社会经济因子。其中，区位因子是由于区位的空间异质性决定了地理要素空间格局的演变。选取了距铁路、高速公路、主干道路、城市中心、乡镇中心、农村居民的距离。一般认为，交通区位因素和距离社会经济活动中心的远近是影响城镇建设用地扩张惯性力对耕地占用的重要因素，易导致建设占用，即耕地向建设用地转变。自然因子是耕地利用转型的基础。选取了高程、坡度、水土流失、降水、距河流水面距离。一般认为，高程过高、坡度较陡、水土流失严重、距河流水面较远的区域易导致退耕地还林还草，受生态保护作用的影响导致生态占用，即耕地向生态用地转变。政策规划因子是相关的土地行政主管部门制定相应的政策制度和空间规划来引导土地利用主体行为。选取了永久基本农田保护区和城镇开发边界表征政策规划对耕地利用的保护力。一般认为，位于永久基本农田保护区和非城镇开发边界的耕地，不易转变为非耕地，政策规划保护力相对较强；相应的位于非永久基本农田保护区或城镇开发边界内的耕地，容易导致耕地转变为其他类型用地，政策规划保护力相对较弱。社会经济因子是耕地利用转型的重要驱动力，选取了GDP、人口、公管服务分布空间密度、农林牧渔企业分布空间密度作为社会经济因子。一般认为，经济活动越密集和人口越集中的区域，越容易导致耕地非农化，表征了社会经济活动程度对耕地利用转型的影响。除选取以上18 个输出层节点变量外，选取建设占用、生态占用、政策规划保护力和社会经济影响度这4 个中间节点映射区位因子、自然因子、政策规划因子、社会经济因子与目标变量之间的关系，从而反映出模型结构之间的因果关系。具体选取情况见表1。

表1 耕地变化驱动因素指标体系Tab.1 Driving forces indicator system of cultivated land use change

再次，利用ArcGIS对连续变量进行离散化处理，主要由于贝叶斯网络模型处理离散变量效果较好，且目前的概率推理算法大多采用离散表处理。在耕地转化概率中，将轨迹代码11（耕地→耕地）划分为“否”，轨迹代码12（耕地→林地）、13（耕地→草地）、14（耕地→水域）、15（耕地→建设用地）和16（耕地→未利用地）划分为“是”。分级标准如表2所示。为保持数据样本的独立性，将抽样点之间的距离设置为500 m，随机提取8 036个样本点的数据带入网络进行学习，从而获取贝叶斯网络所有节点的条件概率表，完成模型构建，如图1所示。

图1 贝叶斯网络模型构建Fig.1 The construction of Bayesian Network

表2 变量离散分级表Tab.2 The classification of discrete variables

最后，运用敏感性分析和诊断性分析对贝叶斯网络模型中各因子之间的关系进行评估[29]。其中，敏感性分析是基于贝叶斯网络的正向推理能力，评估输入变量对目标变量的影响程度，通过改变输入变量并观察目标变量响应概率的变化幅度来衡量，该变化幅度可以用方差缩减来表示，具体如式（4）所示。诊断性分析是通过将目标变量设置为特定状态，观察影响因子的概率变化幅度来评估后者的影响。一般来说，这种影响的结果会用概率值的变化程度来表示，概率值变化越大意味着该影响因子对目标变量的作用效果越大。

式（4）中：VR表示方差缩减，该值越大则输入变量对目标变量的影响力越大；V（ES）表示变量ES的方差；V（ES|F）表示已知变量F情况下变量ES的方差；P表示条件概率；s表示输出变量的状态；E（ES）表示变量ES的均值；E（ES|F）表示已知变量F情况下变量ES的均值。

2 研究结果

2.1 耕地时空变化特征

2.1.1 耕地数量结构变化特征

表3 1980—2020年武汉城市圈耕地数量结构变化表Tab.3 The quantity structure changes of cultivated land in Wuhan Metropolitan Area from 1980 to 2020

在不同时间段内，耕地减少去向基本相同，耕地减少去向均以建设用地和水域为主。然而，不同时间段耕地增加的来源则不相同。其中，1980—1990 年新增耕地主要来源为水域和未利用地，水域转耕地面积为38.21 km2，未利用地转耕地面积为22.94 km2。1990—2000 年和2000—2010 年新增耕地主要来源为水域和林地，水域转耕地面积分别为86.33 km2和268.32 km2，林地转耕地面积分别为59.67 km2和184.96 km2。2010—2020 年新增耕地主要来源为建设用地、水域、林地，建设用地转耕地面积为638.01 km2，水域转耕地面积为588.51 km2，林地转耕地面积为434.26 km2。

2.1.2 耕地空间分布变化特征

由图2可知，1980—1990年和1990—2000年的耕地转出呈现明显的空间集聚特征，而耕地转入的空间分布相对分散。耕地转出主要集中在城市中心周边地区，例如武汉市中南部、仙桃市北部和黄冈市西北部；以及河流湖泊周边地区，例如仙桃市中西部和孝感市南部。2000—2010年和2010—2020年，耕地转出和转入均呈现出较为明显的空间聚集特征。耕地转出主要分布在武汉市中心城区周边地带。而耕地转入则主要分布在丘陵山区，2000—2010 年的耕地转入主要分布在黄冈市的东南部，2010—2020年的耕地转入主要分布在孝感市东北部和黄冈市西北部。

图2 1980—2020年武汉城市圈耕地空间变化Fig.2 The spatial changes of cultivated land in Wuhan Metropolitan Area from 1980 to 2020

进一步运用景观格局指数分析了不同研究时段耕地利用变化类型的景观格局特征。由表4 可知，1980—1990 年和1990—2000 年的各类型耕地变化的斑块密度未产生大幅度变化，表明这两个时间段耕地利用变化相对缓和，没有明显的耕地破碎化现象。但是，在2000—2010年和2010—2020年，各类型耕地变化的斑块密度都有大幅增加，表明这两个时间段耕地利用产生了剧烈变化，呈现出明显的耕地破碎化现象。其中，较为凸显的是耕地转变成建设用地的斑块密度，由1980—1990年的0.03迅速增长至2010—2020 年的1.41，说明建设用地占用了大量的耕地，加剧了耕地破碎化。而耕地转变成建设用地的聚集度指数则由1980—1990年的90.33降至2010—2020年的77.86，这表明城镇的无序扩张蔓延趋势明显。

表4 1980—2020年武汉城市圈耕地变化类型景观格局指数表Tab.4 The changes of cultivated land landscape pattern index in Wuhan Metropolitan Area from 1980 to 2020

2.2 耕地变化的驱动力分析

2.2.1 敏感性分析结果

选取目标变量“耕地转化概率”作为分析变量，利用Netica软件对其他变量进行敏感度分析，以衡量不同自变量对目标变量的影响力大小（表5）。

表5 目标变量敏感度Tab.5 The sensitivity to target variables (%)

由表5可知，20种驱动因子对目标变量的影响效果存在显著差异。在中间节点层中，建设占用居于首位，对耕地变化的影响最为显著，其方差缩减百分比为12.49%。这表明武汉城市圈的建设占用对耕地的稳定性造成了极大的影响，可能会导致耕地的流失。其次，生态占用的影响也较为显著，其方差缩减百分比为4.91%，这表明退耕还林还湖还草工程的开展，一定程度上加剧了耕地的流失。相比之下，政策规划保护力对耕地占用的影响效果相对较小，其方差缩减百分比仅为3.11%。尽管政策规划对耕地流转起到了一定抑制作用，但是政策规划的保护效果仍需进一步加强。社会经济影响度对耕地利用变化的作用最小，其方差缩减百分比仅为1.19%。

在区位因子中，距农村居民点距离和距高速公路距离对耕地占用的影响效果相对较高，方差缩减百分比分别为0.49%和0.41%。而距市中心的距离对耕地流失的影响效果相对较低，方差缩减百分比仅0.13%。在自然条件因子中，高程和距河流水面距离对耕地流失影响效果相对较高，方差缩减百分比分别为0.51%和0.48%。在政策规划因子中，永久基本农田保护区对耕地占用的限制作用高于城镇开发边界，相对城镇开发边界之外的耕地，位于永久基本农田保护区内的耕地相对更稳定，更不易被占用。在社会经济因子中，人口密度相对高于其他因子，相较于经济活动密集的区域，人口活动相对密集的区域更容易导致耕地被占用。

2.2.2 诊断性分析结果

为定量衡量各因子与目标变量之间的因果关系，本文运用贝叶斯网络模型反向推理，假设耕地维持稳定不变，从而将耕地转化概率值设定为“否”，观察各影响因子概率表的变化情况，结果如图3所示。

图3 诊断性分析结果Fig.3 The results of diagnostic analysis

建设占用为“是”的状态概率下降9.54%，距各类交通用地距离越近，因子状态下降幅度越大，而距各类交通用地距离越远，因子状态有所上升。其中，距铁路距离因子“＜7 000 m”状态、距高速公路距离因子“＜7 000 m”状态、距主干道路距离因子“＜2 000 m”状态分别下降了2.47%、2.23%、1.17%；当距高速公路距离因子超过15 000 m、距铁路距离因子和距主干道路距离因子超过7 000 m 时各类因子概率呈现上升趋势。但是，距农村居民点距离越近，因子状态上升幅度越大。其中，距农村居民点距离因子“＜1 000 m”状态上升了3.44%，这说明距农村居民点距离越近，对农户开展耕作活动越有利，越不容易导致耕地流失。

生态占用为“是”的状态概率下降5.79%，水土流失程度因子中“轻度侵蚀”的概率上升了2.20%，高程因子“＜50 m”的状态上升了2.80%，这表明水土保持越好的区域和地势平坦的区域，耕地相对不容易转换为生态用地。相应的，水土流失程度因子的侵蚀程度加深和高层因子超过50 m时，各类因子的概率呈现下降趋势。此外，距河流水面距离因子“＜1 600 m”的状态上升了2.67%，而距河流水面距离“≥4 000 m”时，各类因子的概率呈现下降趋势。

政策规划保护力为“强”的概率上升了4.26%，永久基本农田保护区为“是”的概率提升了2.67%，城镇开发边界为“否”的概率上升了1.74%，可以看出，永久基本农田保护区对于提升耕地稳定性起到了一定效果。与位于城镇开发边界外的耕地相比，位于永久基本农田保护区内的耕地更不容易转换为其他类型的用地。

社会经济影响度为“强”的状态概率下降了3.78%。人口因子“＜1 000 人/km2”的状态提升了1.38%。这说明人口相对疏松的区域人类活动较少，对耕地的干扰相对较小，耕地的稳定性相对较高。农林牧渔企业空间分布因子为“高”的状态上升了1.97%。这说明农林牧渔企业在空间上分布越密集的区域与第一产业密切相关，更加依赖耕地生产提供的粮食产品，耕地相对不容易被占用。

2.3 武汉城市圈耕地保护建议

近40 年来，武汉城市圈的城镇建设用地不断扩张，导致耕地持续减少。为了应对这一问题，结合耕地利用变化驱动机制，有必要通过多种空间规划途径来优化耕地的空间布局，减少耕地在空间上的大幅变动。

研究结果表明，建设占用的耕地主要位于交通通达度较高的区域。因此，首先，在交通设施布局阶段，应遵循“统筹规划、合理布局、集约高效”的原则，科学地选取和规划交通线路，统筹利用运输通道资源，尽量避免占用耕地，并且将占用耕地的情况应成为方案比选论证的关键指标，采取相关技术措施来减少耕地占用。其次，农村居民点用地是维持耕地稳定性的重要影响因素，需要调整和优化农村居民点的用地布局。尤其是在城市圈边缘区域，应构建合理的农村居民点优化布局方案，使边缘区域的农村居民点用地集约化、条理化。这不仅为城市圈的城镇化和乡村振兴提供用地保障，还有助于形成耕地保护的规模效应。再次，针对受灌溉条件差、地势陡峭、水土流失严重等影响的耕地，需要做到有序进行退出，将其纳入生态保护红线范围内。通过生态修复、保育和治理，提升生态系统的服务能力，协调好耕地利用和生态保护之间的关系。

永久基本农田的划定是保护耕地、实现土地集约利用和粮食安全保障的有效手段[30]。然而，在实际划定过程中，为了给城市经济建设发展留出更大的空间，通常采用了“划远不划近”的原则，降低了永久基本农田保护区保护耕地的效用。应尽量避开交通沿线的劣质耕地，选取城镇周边集中连片的优质耕地，同时避免划入细碎的耕地，以提升基本农田的连片性，使得永久基本农田保护区切实发挥耕地保护效用。研究结果还显示，城镇开发边界对耕地占用的影响有限，可以采取“开天窗”的方式保留仍处于城镇开发边界内的优质永久基本农田，充分发挥其在生产、生态和景观方面的功能，以避免三线交叉重叠。

总体而言，应统筹规划交通设施布局、优化农村居民点布局、积极退出不适宜耕地、合理调整永久基本农田以及适当保留中心城区的优质耕地，在城镇化进程中促使耕地空间布局更加集中化、规模化和有序化。

3 结论与讨论

本文对武汉城市圈耕地利用变化时空特征及驱动机制进行了分析，并提出了相应的对策建议，主要结论如下。

（1）在数量结构上，1980—2020年武汉城市圈的耕地利用变化具有转入与转出的双向特征，且转入与转出规模差距逐渐缩小。其中，1980—1990 年耕地转入与转出面积规模差距最大，2010—2020 年耕地转入与转出面积规模差距最小。耕地转出以耕地转向建设用地与水域为主，耕地转入在前期以水域、林地、未利用地转入为主，到后期以建设用地和水域转入为主。在空间变化上，前期仅耕地转出呈现明显的空间集聚特征，而耕地转入的空间分布相对分散，后期耕地转出和转入均呈现出较为明显的空间聚集特征。耕地转向建设用地由最初的集中占用转变为破碎化占用，导致耕地破碎化现象加剧。

（2）城镇建设扩张是导致武汉城市圈耕地变化的首要驱动因素，其次则是生态占用、政策规划保护力与社会经济影响度。城镇建设扩张中距各类交通用地越近越容易导致耕地流失，而距农村居民点越近越有利于保持耕地稳定。生态占用中水土流失、高程、距河流水面距离作用效果较强。政策规划保护中永久基本农田保护区的效果要强于城镇开发边界的效果。社会经济影响度中人口空间密度要显著强于其他因子作用。

（3）需要多空间规划途径优化耕地空间格局，通过统筹规划交通设施布局、优化农村居民点布局、积极退出不适宜耕地、合理调整永久基本农田以及适当保留中心城区的优质耕地等手段，促使耕地空间布局集中化、规模化、有序化，多措并举加强耕地资源保护与利用。

贝叶斯网络模型相较于以往的耕地利用变化驱动机制量化方法，更有效地体现了变量之间的因果关系。结合该模型的诊断性分析，能够有效掌握空间距离要素的规律性和边界性。但是仍然存在一些问题值得进一步研究：（1）由于耕地系统的复杂性，除了本文所考虑的这些因素，工程技术类的科技因素和农户决策类的人文因素也对耕地变化产生了重要影响。但是，受制于数据的可获取性和空间量化可行性，今后需要将这两类因素进行空间量化，并纳入模型之中，加深对耕地利用变化驱动机制的认知。（2）为了将政策规划因素纳入本文研究之中，实现空间量化表达，本文所考虑的永久基本农田保护区和城镇开发边界均为已确定的空间规划数据。而由于政策规划具有一定的时效性，因此，在今后的研究之中需要对政策规划的时效性进行评估，以更精确衡量政策规划效应对耕地变化的影响。