耦合空间权衡决策与连通性的耕地休耕优先区识别研究

摘要：研究目的：建立科学的耕地休耕优先区识别方法，破解现有“任务+指标”式休耕空间选择中入选休耕地块标准模糊、选择技术单一、空间形态破碎等问题。研究方法：以武汉市汉南区为研究区，集成休耕主控因素评价模型和三维魔方模型构建耕地休耕空间权衡决策模型以诊断识别休耕对象，基于种子扩充片区搜索算法和NRCA模型构建耕地休耕优先区识别模型，进而耦合两个模型构建“对象选择、规模约束、连片分区”的耕地休耕诊断识别技术框架，以识别耕地休耕优先区。研究结果：（1）汉南区耕地休耕空间权衡决策的休耕迫切度以“迫切”和“较迫切”为主，空间分布上呈现集中连片分布和零星点状分布并存；（2）识别出汉南区耕地休耕优先区11个，占全区耕地总面积的15.89%，分区结果与同等休耕规模下休耕迫切度原始空间分布相比，休耕地块数量减少30.23%、单位面积增大36.74%、景观形状指数减少22.75%、边界密度降低20.9%；（3）识别出耕地利用强度主控休耕优先区、耕地健康状况主控休耕优先区以及耕地产能潜力主控休耕优先区3类休耕优先区，占比分别达14.68%、11.95%和73.37%，并提出针对性的休耕模式与管控建议。研究结论：基于问题导向的休耕优先区识别，实现了休耕分区兼顾空间决策科学选择休耕地和“集中连片”的现实政策需求，为精准实施休耕以实现耕地可持续利用和保障国家粮食安全提供了政策参考。

关键词：耕地休耕诊断识别技术框架；耕地系统健康；耕地利用强度；耕地产能潜力；种子扩充片区搜索算法

中图分类号：F301.24 文献标志码：A 文章编号：1001-8158（2024）10-0082-11

基金项目：国家自然科学基金面上项目（41871180）；安徽省社会科学创新发展研究课题（2023CX091）；安徽师范大学博士科研启动金项目（762302）。

当前，实现耕地可持续利用面临多方面挑战[1]。长期以来，为扩大产出，农药、化肥被过量使用，加之居民消费模式变化引致食物需求大增[2-3]，耕地连年处于高负荷利用状态[4]，耕地地力透支、污染严重、功能失衡、生态环境恶化等问题凸显[5-6]。有数据表明，全国耕地污染物点位超标率为19.4%，超过10%的耕地受到农药严重污染[7]，耕地土壤优质含量平均值不到2%[8]，加剧了耕地利用的不可持续性。为此，我国探索性开展耕地休耕试点，通过休耕来保护地力、修复耕地生态环境以及优化种植结构[9-10]，以提升耕地可持续利用能力[11]。耕地休耕作为贯彻落实“藏粮于地、藏粮于技”国家战略的具体行动[12]，在我国实施省份已达24个，实施面积超过2.2亿亩次[13]。但在休耕试点推进中，地方政府“任务+指标”式休耕区域选择缺乏科学依据，易导致休耕选择空间错配、空间布局分散等问题，影响休耕政策实施效果。因此，如何通过空间决策科学选择休耕地、集中连片实施休耕，成为亟待解决的技术难题和现实问题。

耕地休耕问题在学术界已引起广泛关注，并在休耕地空间布局[14-15]、休耕模式[10，16]、休耕绩效评价[17]等方面取得了丰富成果。耕地休耕空间选择与分区研究作为休耕地空间布局的核心内容，相关研究集中在：（1）休耕地诊断与识别研究。已有研究以生态系统脆弱性、土壤污染状况等耕地利用问题或影响因素为导向[9，18]，通过构建评价指标体系或综合指数[19]和运用耕地利用主导问题空间权衡组合[15，20]两种方法来识别休耕地。（2）耕地休耕规模研究。由政府出台政策法规或粮食供应等调控目标确定耕地休耕的规模[21]，或以不同休耕目标（粮食安全、生态安全等）为导向，运用模型测算可休耕的最大规模或阈值范围[22-23]。（3）耕地休耕空间分区研究。主要借鉴土地利用分区的思路与方法，运用多指标综合评价法和空间统计分析法划定休耕分区[24-25]。陈浮等学者选择土壤污染状况、耕地质量等休耕主控因素构建空间组合模型，并在多情景休耕规模约束下，根据空间权衡规则划定重点轮休区等不同等级休耕优先区[15， 18， 20， 26]；杨庆媛等学者遵循休耕地选择（Selection）、休耕规模（Scale）以及休耕空间分区（Spatial）的“3S”休耕分区技术思路，运用传统的空间叠置或聚类分区方法划定优先休耕区等不同优先级休耕分区[9-10]。

通过梳理文献发现，已有研究提供了休耕分区技术方法参考，但还有一定的深入研究空间：一是休耕区域识别方面，已有研究多从休耕迫切性不同等级的原始空间分布来识别休耕区域，仅有少数研究兼顾空间集聚性[11]，未系统考虑休耕地的空间连通性和形态格局，易致休耕地图斑零散、难以适应“集中连片”的现实休耕要求；二是休耕分区划定方面，已有研究多基于休耕迫切性等级或优先级进行分区，缺乏针对问题主导进行的休耕分区，如哪些休耕区域存在哪些休耕主导问题，不同主导问题类型的分区应该按照什么样的休耕模式以针对性解决这些休耕问题，这也是休耕制度有效落地的前提和保障。本文以武汉市汉南区为研究区，综合运用耕地休耕空间权衡决策模型、耕地休耕优先区识别模型等方法，对耕地利用强度、耕地健康状况以及耕地产能潜力进行多维度空间权衡决策，并结合空间连通性分析，在休耕规模约束下最大程度地提取“集中连片”的休耕地，探讨不同休耕问题类型主导的分区识别路径，为耕地休耕实施与耕地可持续利用提供科学依据。

1 研究区选择与数据来源

1.1 研究区选择

汉南区地处武汉市西南部，紧邻长江，东、南与武汉市江夏区、洪山区以及咸宁市嘉鱼县隔江相邻，西连洪湖市、仙桃市，北接武汉市汉阳区、蔡甸区。汉南区与武汉经济技术开发区合并后，实行“政区合一”管理体制，下辖7个街道办事处（含4个国营农场），国土面积为287.05 km2。其中，耕地占112.18 km2，占国土总面积的39.08%，耕地主要由水浇地构成，占比超过90%。汉南区是武汉市的农业大区，区域农产品供给压力、区位条件、级差地租以及比较利益等因素倒逼高强度、集约化耕作，使得耕地面临着累积性超强度利用、长期高负荷运转状态等典型耕地利用问题与挑战，具有耕地休耕的紧迫性。

汉南区是遵循“中央统筹、省级负责、县级实施”休耕试点工作机制[24]的重要试点区，面临着休耕区域选择结果与休耕制度目标偏离，而致休耕区域错配和休耕效益受损等现实难题。因此，综合研究区的典型性和现实性，选择汉南区为研究区，以保持土地管理界线的连续性和维持行政边界的完整性，便于宏观上管理和微观上执行。

1.2 数据来源

数据来源主要包括以下三类：一是社会经济数据，主要包括汉南区常住人口、粮食产量等统计数据；规划、方案等文本资料，来源于《武汉统计年鉴》以及政府部门信息公开平台。二是空间信息数据，主要包括行政边界数据、土地利用数据、耕地分等定级数据等，通过文献收集、走访调研等方式获取。其中，土地利用数据来源于武汉市国土调查数据成果（2019年）；耕地分等定级数据主要包括耕地健康状况评价以及耕地产能潜力评价中部分指标数据；耕地种植强度数据来源于China-CUI 10 m数据（2018—2023年）[27]。三是资源环境数据，主要包括DEM、土壤属性数据等，分别来源于地理空间数据云、HWSD和SoilGrids等开源数据库或平台以及武汉市相关部门，主要用于耕地健康状况评价中指标计算。将上述数据基于ArcGIS 10.5进行整理汇总，进行空间投影坐标系统一、数据的属性编码、栅格矢量化等标准化处理、数据检查，最后生成耕地休耕数据库以进行实证分析。

2 研究方法

2.1 耕地休耕诊断识别技术框架

本文构建了以“对象选择、规模约束、连片分区”为研究主线的耕地休耕诊断识别技术框架（图1）。首先，集成耕地休耕主控因素评价模型、三维魔方模型来构建耕地休耕空间权衡决策模型以诊断识别休耕对象，解决“休哪里”的问题；其次，通过耕地休耕规模测算模型以测算休耕规模，解决“休多少”的问题；最后，在前两步的基础上，考虑休耕“集中连片”实施要求，从空间连通性视角，基于种子扩充片区搜索算法和标准显示性比较优势（NRCA）模型来构建耕地休耕优先区识别模型，识别出耕地休耕优先区的问题类型，针对不同类型休耕区，解决“怎么休”的问题。

2.2 耕地休耕空间权衡决策模型

耕地休耕空间权衡决策是根据休耕的主导影响因素判断哪些区域应该休耕的活动[10，15]，只有将应休耕地诊断出来，才能将耕地休耕落到实地。在综合国家休耕试点的要求和已有耕地休耕主控因素选择研究[15，18]的基础上，从耕地利用强度、耕地健康状况以及耕地产能潜力3个维度进行排列组合构建三维魔方模型，基于此来构建耕地休耕空间权衡决策模型，将评价对象与划分后的单元空间一一对应，划分休耕迫切性等级，诊断出耕地休耕区域[18]。

2.2.1 耕地休耕主控因素评价研究

（1）耕地休耕主控因素的选择。研究表明，有80%以上的耕地处于长时间、超负荷“连轴转”的运转状态[28]，导致耕地肥力减退和地力下降严重，这些利用强度过高导致不可持续利用的区域应当优先开展休耕[29]。同时，过量使用化肥、农药会引发耕地污染、耕地生态环境恶化，威胁耕地系统健康。耕地的健康状况是休耕与否的重要判别条件，不健康状态的耕地应当休耕[30]。“巩固提升产能”是中央或地方层面休耕试点方案中的首要原则，对于耕地适宜耕种、产能不高，耕地产能未能“地尽其用”的情况，亟待通过休耕针对性地改善耕地质量和提升耕地产能。另一方面，在已有研究和休耕试点中[9，15，26]，多选择耕地污染区、生态退化区等耕地利用问题严重区域作为休耕优先区域。因此，在分析耕地利用特征以及已有休耕主控因素选择研究[15，18]的基础上，本文选取耕地利用强度、耕地健康状况以及耕地产能潜力作为休耕主控因素。

②耕地健康状况评价。遵循区域差异性、敏感性和可行性原则对指标进行筛选，参考已有研究所构建的耕地健康评价指标体系[32-33]，基于耕地环境状况和耕地弹性状况两个维度构建耕地健康状况指标体系（表1）。耕地环境状况主要是刻画不当耕地利用方式引致耕地污染或生态环境问题，选取土壤内梅洛污染指数、地下水超采系数以及生态敏感性等指标表征耕地环境状况。耕地弹性维度反映的是耕地抵抗力、恢复性以及稳定性，选取耕地质地、阳离子交换量、土壤容重以及全氮等指标表征耕地弹性状况。具体指标、赋分标准参考已有文献[32-33]。

③耕地产能潜力评价。提升产能是实施耕地休耕的具体目标之一，根据理论产能和可实现产能的数值差，可识别出“未尽其用”的耕地，即产能未得以充分发挥的耕地。基于此，根据耕地分等定级成果和产能理论为基础，结合耕地等别与标准粮产量之间的对应关系和回归分析进行耕地产能评价[34]，进而评估耕地理论产能潜力，并应用自然断裂点法划分为低产能潜力、中产能潜力和高产能潜力。耕地理论产能潜力，亦即耕地可实现利用潜力，主要反映耕地生产能力可提升的空间，数值上应用可实现单产与实际单产的差值来刻画。

2.2.2 耕地休耕空间权衡决策模型

三维魔方模型是将二维矩阵中的不同组合进行排列并扩展成三维矩阵空间，适宜于对研究单元不同指标开展多项组合的优劣势进行空间权衡对比评价，进而确定每个区域单元的主导因素和关键问题，更具空间权衡决策的合理性[35]。基于三维魔方模型构建的耕地休耕空间权衡决策模型具体构建步骤如下（图2）：（1）将耕地利用强度、耕地健康状况以及耕地产能潜力分为3个等级（等级由低到高），并以此形成 3×3×3的三维魔方模型；（2）将3个休耕主控因素评价等级相互正交，得到27种分类结果；（3）根据3个休耕主控因素等级组合排序，将休耕单元组合类型与三维魔方的类型一一对应，并参考已有空间权衡判别休耕迫切度等级的研究[18， 26]，划分为迫切、较迫切以及不迫切3个等别，进而判别休耕区域。

2.3 耕地休耕优先区识别模型

休耕区域实质上是一定数量休耕地块的组合，若仅以休耕迫切性等级地块组合作为休耕区域，则休耕区域空间分布分散，难以达到“集中连片实施”的要求。因此，在将迫切需要休耕的耕地从研究区诊断出来的基础上，还需要考虑休耕区域休耕规模约束和空间集聚特征，构建具有空间引导与连片闭合的休耕分区，即耕地休耕优先区。本文以休耕迫切性等级诊断为基础，以可休耕最大规模为约束，集成GeoDa分析方法和种子扩充片区搜索算法优选休耕地、构建休耕分区，并通过标准显示性比较优势（NRCA）模型识别休耕分区类型，以此来构建耕地休耕优先区识别模型。模型集成与休耕优先区识别主要有以下4个步骤：

（1）耕地休耕优先区初步识别。以三维魔方模型的耕地休耕迫切性评价结果中迫切度最高休耕区域为基础，基于GeoDa运用局部空间自相关方法分析休耕地的空间集聚格局[36]，对休耕迫切性等级相同的集中地块和嵌入相同休耕迫切性等级的近邻地块进行区片式合并，对于零散地块予以去除，并对集中地块的“天窗”地块进行填补，对耕地休耕优先区进行初步识别。

（2）耕地休耕规模测算。基于耕地最小需求量模型和GM（1，1）模型构建耕地休耕规模测算模型，预测休耕目标年耕地可休耕规模。

（3）耕地休耕优先区优选识别。在初步识别出的耕地休耕优先区的基础上，以第二步测算的休耕规模为约束，再进一步构建种子扩充片区搜索算法[37]，对“可跨越”的休耕迫切性相同、近邻休耕地块进行搜索后逐步补充合并，直至无限接近可休耕最大规模，识别出耕地休耕优先区。

（4）耕地休耕优先区主控方向识别。运用标准显示性比较优势（NRCA）模型[38]判别比较优势主导的耕地休耕优先区主控方向类型，即耕地利用强度主控休耕优先区、耕地健康状况主控休耕优先区以及耕地产能潜力主控休耕优先区三个休耕区域。

2.3.1 耕地休耕规模测算模型

耕地休耕规模是一定时期内，区域在粮食安全约束下可实施休耕的最大耕地规模，即基期年现状耕地规模与目标年耕地保有量的差值[23]。参考已有研究[9，22]，基于应用最多且较成熟的耕地保有量预测模型，以2019年为基期年，以2025年为目标年，预测研究区2019—2025年间的耕地休耕规模，计算公式如下[9，24]：

2.3.2 种子扩充片区搜索算法

耕地在空间中并非完全相连的，地块之间的道路等线状地物，为耕地耕作也提供了便利，形成“可跨越性”的廊道。而局部空间自相关分析所构建的休耕初选区实现了近邻连片，但难以将相对相连的相同属性耕地全部入选。因此，本文基于种子扩充片区搜索算法[37]，对搜索“可跨越”的相对相连耕地进行补充，并将其纳入初步识别的耕地休耕优先区，最大程度地将相同休耕迫切等级地块纳入耕地休耕优先区。具体步骤如下（图3）：

（1）将休耕地块按面积降序。

（2）对于每个耕地图斑，首先判断其是否已划入耕地休耕初选区，若已划入，跳转下个图斑；若未划入，则以该图斑为种子，通过近邻分析搜索指定距离内（低等级公路、水利设施等最常见线状地物宽度通常为10 m，且该宽度内通常只有一条，故设定搜索距离为10 m）的初选区。

（3）若搜索到新的片区，则判断该图斑并入哪个片区。若该图斑仅搜索到一个片区，则融合并入该片区；若搜索多个片区，则融合并入距离最近的片区。将需休耕的耕地全部递归遍历一遍，直至已遍历休耕地累计面积大于最大可休耕规模，则完成所有耕地休耕优先区的识别。

2.3.3 耕地休耕优先区类型识别模型

理论上按照组合规律，耕地休耕主控因素组合结果产生的问题分区类型过多，既易导致休耕问题解决方向错综复杂化，也不利于休耕模式衔接与休耕问题整治。因此，为保证评价结果能够突出问题导向、分区组织实施，利用标准显示性比较优势（NRCA）模型能够表征研究对象在不同单元间动态、连续的比较优势，且不受时空限制的特点，将其引入到休耕主导问题判别中，确定休耕区域的主控方向和主导问题。

在结合三维魔方模型中综合判定各评价单元的主控因素组合类型的基础上，运用NRCA模型识别出耕地利用强度、耕地健康状况以及耕地产能潜力等级值中的比较优势主导类别。比较优势类别可体现耕地休耕分区的主导方向，再根据比较优势的主控因素类别确定耕地利用强度主控优先区、耕地健康状况主控优先区以及耕地产能潜力主控优先区三类耕地休耕优先区。

3 结果分析

3.1 耕地休耕主控因素评价结果

根据耕地休耕主控因素评价结果（图4），从耕地利用强度休耕主控因素看，汉南区耕地利用强度总体以高、中强度为主，其分布图斑数量占研究区耕地图斑总数量的比重分别达30.34%、54.42%。耕地利用高强度分布面积占研究区耕地总面积比重为53.58%，主要分布在城镇与水域等非农用地周边。

从耕地健康状况休耕主控因素看，处于健康等级的耕地主要分布在汉南区西部、北部，该分布区域耕地环境状况以优、良等较好等级为主。处于亚健康、不健康等级的耕地主要位于汉南区中部、东部，耕地环境状况以敏感、较敏感等级为主，分布趋势与耕地生态环境敏感性评价结果具有相似性，部分耕地分布处于土壤重金属污染中度以及重度污染的区域。

从耕地产能潜力休耕主控因素看，汉南区耕地产能潜力空间分布上呈现“中间高、四周低”的格局，耕地产能潜力以中、高等级为主，分布面积占研究区耕地总面积的比重分别达43.61%、36.58%。耕地产能高潜力多分布在江汉平原区以及南部沿江河、沿湖等水系发达区域，该地区地处地势较低的平原，种植条件均较适宜，但由于该区域耕地质量的自然等与利用等还有一定差距，存在着耕地适宜耕种、产能不高的现状，地力“未尽其用”，加之农业产业结构与种植制度有待于进一步优化，致使区域内的可实现单产低于理论单产，耕地产能潜力未得以充分发挥，因而该区域具有相应的较大增产潜力，亟待通过技术型休耕进行提升。

3.2 耕地休耕空间权衡决策结果分析

根据耕地休耕空间权衡决策模型的休耕迫切度结果，并参考已有休耕迫切性判别研究[15，24]，得出汉南区休耕迫切度主要有“迫切”、“较迫切”和“不迫切”3个等别（图5），其分布面积分别占研究区耕地总面积的55.72%、29.12%和15.16%，分布图斑的数量分别占研究区耕地图斑总数量的34.33%、46.15%和19.52%。

从汉南区休耕迫切度的空间分布看，呈现集中连片分布和零星点状分布并存的特点。耕地休耕“迫切”区域主要分布在东南部沿江平原区与中部交通干线过渡地带以及西部、西北部的干渠汇集区和南部沿江河、湖泊等水系发达区域，这些地区耕地产能提升潜力较大，仍以高产能潜力为主，耕地自然等别以高等别为主，而耕地利用等别以中等别为主，耕地产能潜力未得以充分发挥，耕地利用强度以中、高强度为主，耕地健康状况多为不健康、亚健康等级，耕地环境状况较敏感，耕地弹性状况较差，亟需进行休耕；东北部也有零星分布、存在耕地土壤重金属污染的区域也有小块状分布。耕地休耕“较迫切”区域主要分布在汉南区中部和东部等非农用地周边，该区域耕地健康等级以亚健康为主，耕地利用强度多为中强度区域。耕地休耕“不迫切”区域主要位于西南部、中部交通干线、水系等非农用地周边，耕地利用强度多为中、低强度等级区域，耕地健康等级以健康为主，且耕地产能潜力提升有限。

3.3 耕地休耕优先区识别结果分析

以耕地休耕空间权衡决策模型的休耕迫切度结果为基础，通过耕地休耕优先区识别模型以识别耕地休耕优先区。首先，运用模型中的GeoDa分析方法初步识别出休耕地块后，通过耕地休耕规模测算模型测算出汉南区理论休耕规模。参考国家相关政策和已有研究[9，24]设置需求量与自给率的高、中、低3级组合共9种不同情景，测算的可休耕规模均值为1 782.32 hm2，占全区耕地总面积的比重（休耕比例上限）达15.89%，并以此作为“休多少”的休耕空间规模约束，可休耕耕地在汉南区的中部、东部呈现两大主要集聚区。

然后，将测算的休耕规模作为约束参数，运用到种子扩充片区搜索算法中，对初步识别出的休耕地块进行优选，对“可跨越”的休耕迫切性相同、近邻耕地地块单元进行搜索后逐步补充合并，将需休耕地全部递归遍历一遍，直至已遍历休耕地累计面积最接近可休耕规模1 782.32 hm2，则完成所有耕地休耕优先区的识别。经模型运行，识别出耕地休耕优先区面积达1 782.30 hm2，占全区耕地总面积的15.89%。

在识别出休耕优先区的基础上，将休耕优先区中休耕地块的耕地利用强度、耕地健康状况以及耕地产能潜力的等级值代入NRCA指数模型，计算休耕优先区主控因素的比较优势指数，判别比较优势主导的耕地休耕优先区主控方向类型，进而判别出耕地利用强度主控休耕优先区、耕地健康状况主控休耕优先区和耕地产能潜力主控休耕优先区三类休耕优先区共11个，如图6所示。

耕地利用强度主控休耕优先区分布在通顺河、东荆河周边，分布面积达261.66 hm2，占休耕优先区总面积的14.68%。该区域区位条件较好，耕地规整度高，田块规模较大，集中连片度高，光温水土资源协调、降雨充足、耕作便利，常年耕作且复种指数较高，处于“连轴转”状态。耕地健康状况主控休耕优先区空间集聚较为明显，分布面积达213.03 hm2，占休耕优先区总面积的11.95%，主要分布在汉南区中部区域，耕地健康状况以亚健康为主，耕地弹性状况较差、处于较低弹性和低弹性为主的弹性等级，东南部也有较为集中的分布，多位于耕地土壤重金属污染出现中度污染的区域。耕地产能潜力主控休耕优先区多分布在汉南区中部的沿江平原区以及南部沿河、沿湖等水系发达区域，分布面积达1 307.61 hm2，占休耕优先区总面积的73.37%，该地区本身地处地势较低的平原，种植条件均较适宜，但地下水位高引发土壤潜育化，导致冷浸潜育型耕地等现象。同时，由于该区域农业产业结构、复种类型高低不一，制约了区域内耕地生产力的发挥，耕地产能潜力仍需挖潜，实施休耕后，提升耕地增产潜力空间。

4 讨论

4.1 耕地休耕优先区分区讨论

应用本文的“对象选择、规模约束、连片分区”耕地休耕诊断识别技术框架识别出的耕地休耕优先区分区结果（图7）与已有研究[9，18]运用休耕迫切性原始空间分布构建休耕分区进行对比，如图7所示。

（1）休耕对象选择对比。理论上所有的耕地都应“应休尽休”，若从休耕迫切性“迫切”等级的原始空间分布来选择休耕地块，汉南区“迫切”等级休耕地块面积比为55.72%，休耕比例较大且空间分布较为零散。但耕地休耕实质是一个“对象”和“规模”双重约束下的休耕地块优选问题，即将可休耕的耕地在保障粮食安全规模约束下按照优先序筛选进行休耕，并且尽可能使休耕地块集中连片。

与已有研究[9， 18]按照休耕规模约束下的休耕迫切性原始空间分布构建休耕分区（图7（a））相比，应用本文的技术框架得出耕地休耕优先区分区结果（图7（b）），其分区面积达1 782.30 hm2，接近可休耕最大规模1 782.32 hm2，休耕规模比例为15.89%，且从斑块景观指数看，休耕图斑数量减少30.23%、平均图斑面积增大36.74%，休耕分区对象的空间形态得到优化。

（2）休耕分区格局对比。参考已有研究的矢量景观指数和局部分区格局分析方法[39-40]，将休耕迫切性原始空间分布（图7（a））与耕地休耕优先区（图7（b））进行对比。从分区景观格局指数看，景观形状指数减少22.75%、边界密度降低20.9%，休耕分区形态和边界更加清晰，休耕地块更加集中连片。从分区局部格局对比看，以图7（c）区域为例，分区前后相比，耕地休耕优先区识别模型可对休耕迫切性等级相同的集中地块以及NRCA指数一致的近邻地块进行区片式合并，去除零散地块、逐步补充合并“可跨越”的近邻耕地地块单元，从而将空间区位相邻、现状特征与问题一致的休耕地块最大程度地归为同一休耕空间分区，顾及了休耕“集中连片”的现实政策需求。

4.2 休耕优先区主控方向探析及其休耕建议

（1）休耕主控方向探析。休耕实施必须注重问题导向[20]。与已有研究，如陈浮等[18，20]、杨庆媛等[9]划分的I级重点休耕区、重点休耕区等休耕迫切性等级分区或时序优先级分区相比，本文提出了基于问题导向的耕地休耕空间分区识别的新思路。通过测算休耕优先区中休耕地块的耕地利用强度、耕地健康状况以及耕地产能潜力等休耕主控因素的NRCA指数，判别出比较优势主导的耕地休耕优先区主控方向类型，即耕地利用强度、耕地健康状况以及耕地产能潜力主控休耕优先区3类休耕优先区，使得休耕优先区具有明确具体的休耕主导问题，可为空间决策科学选择休耕地、集中连片实施休耕提供技术思路及空间参考，便于不同主导问题分区分类施策和开展针对性的休耕实践，对精准实施休耕以实现耕地可持续利用、保障国家粮食安全具有重要意义。

（2）休耕政策建议。为推进耕地休耕“集中连片”落地实施，应根据休耕主控方向对耕地休耕优先区分类施策。针对耕地利用强度主控优先休耕区，可采用种养结合休养式休耕模式，通过优化调整种植结构，将种地和养地相结合，结合农户休耕意愿，引种龙须草等生长快、根系多、固土能力强的保土作物，优化耕作，实行耕地休养与肥力提升相结合。针对耕地健康状况主控优先休耕区，采用清洁去污治理式休耕模式，推广稻渔生态种植模式，提升农业生产与生态环境的匹配度，建立循环型、可持续发展型的农业生产方式。针对耕地产能潜力主控优先休耕区，采用产能提升管理式休耕模式，缩小耕地可实现产能与理论产能之间的差距，加强耕地的针对性浇灌、施肥和管理，推广保护性耕作方式，挖掘提升潜能，提高耕地有效产出。

4.3 本文的普适性与局限性

本文与已有研究在技术方法上具有普适性延续，均基于休耕迫切度视角，应用空间约束方法对休耕地块进行优选分区。同时，本文遵循“对象选择、规模约束、连片分区”逻辑的耕地休耕优先区识别方法，可应用于休耕主控因素相似区域的耕地休耕分区研究，又可根据不同区域的休耕目标和耕地利用状况灵活地调整休耕主控因素，进而耦合空间权衡决策与连通性进行休耕分区，在技术方法应用上具有普适性。

耕地休耕是一种基于未来考虑的土地利用安排。本文参考已有研究的普适性方法，确定休耕规模上限，但预测未来往往具有局限性。“休哪里”“休多少”“怎么休”不仅受耕地禀赋与利用状况约束，更需综合考虑国际粮食市场、农户意愿等因素。因此多因素多情景、多目标约束下的耕地休耕分区是亟待深入的研究方向。

5 结论

本文从耕地休耕空间分区的内在逻辑出发，以汉南区为研究区，综合运用耕地休耕空间权衡决策模型、耕地休耕优先区识别模型等方法，探讨该区域休耕地的诊断与识别、休耕优先区布局等问题。主要结论如下：

（1）汉南区耕地休耕空间权衡决策的休耕迫切度以“迫切”和“较迫切”为主，其分布面积分别占研究区耕地总面积的55.72%和29.12%，在空间分布上呈现出集中连片分布和零星点状分布并存。

（2）识别出汉南区耕地休耕优先区11个，面积达1 782.30 hm2，占全区耕地总面积的15.89%。通过构建的耕地休耕优先区识别模型，使休耕分区由休耕地块原始空间分布组合转变为连片闭合的区域分区，休耕优先区分区结果与休耕迫切性原始空间分布相比，休耕地块数量减少30.23%、单位面积增大36.74%、景观形状指数减少22.75%、边界密度降低20.9%，休耕分区空间形态和边界更加清晰，休耕地块更加集中连片。

（3）汉南区耕地休耕优先区可以划分为耕地利用强度主控休耕优先区、耕地健康状况主控休耕优先区以及耕地产能潜力主控休耕优先区3类，分别占耕地休耕优先区面积的14.68%、11.95%和73.37%。针对每类耕地休耕优先区休耕主导问题，分别提出种养结合休养式休耕模式、清洁去污治理式休耕模式、产能提升管理式休耕模式等休耕模式与管控建议。

参考文献（References）：

[1] XIE W， ZHU A F， ALI T， et al. Crop switching can enhance environmental sustainability and farmer incomes in China[J] .Nature， 2023， 616： 300 - 305.

[2] LI T T， LONG H L， ZHANG Y N， et al. Analysis of the spatial mismatch of grain production and farmland resources in China based on the potential crop rotation system[J] . Land Use Policy， 2017， 60： 26 - 36.

[3] CHEN Y L， YU P H， CHEN Y Y， et al. Spatiotemporal dynamics of rice-crayfish field in Mid-China and its socioeconomic benefits on rural revitalisation[J] . Applied Geography， 2022， 139. doi： 10.1016/j.apgeog.2022.102636.

[4] XIE H L， JIN S T. Evolutionary game analysis of fallow farmland behaviors of different types of farmers and local governments[J] . Land Use Policy， 2019， 88. doi： 10.1016/ j.landusepol.2019.104122.

[5] 匡兵，卢新海，陈丹玲. 基于内容分析法的中国耕地轮作休耕政策工具选择研究[J] . 中国土地科学，2018，32（11）：30 - 36.

[6] CHENG C， LIU Y L， LIU Y F， et al. Cropland use sustainability in Cheng-Yu Urban Agglomeration， China： evaluation framework， driving factors and development paths[J] . Journal of Cleaner Production， 2020， 256. doi： 10.1016/ j.jclepro.2020.120692.

[7] 杨庆媛，陈展图，信桂新，等. 中国耕作制度的历史演变及当前轮作休耕制度的思考[J] . 西部论坛，2018，28（2）：1 - 8.

[8] 孔祥斌. 生态文明背景下的中国耕地保护战略与路径[J] . 土地科学动态，2020（1）：1 - 4.

[9] 杨庆媛，毕国华，陈展图，等. 喀斯特生态脆弱区休耕地的空间配置研究——以贵州省晴隆县为例[J] . 地理学报，2018，73（11）：2250 - 2266.

[10] 陈展图，杨庆媛. 中国耕地休耕制度基本框架构建[J] .中国人口·资源与环境，2017，27（12）：126 - 136.

[11] 宋戈，张红梅. 东北典型黑土区耕地轮作休耕的空间重构[J] . 自然资源学报，2022，37（9）：2231 - 2246.

[12] 谷国政，高佳，邱政超. 可持续发展背景下休耕制度的价值意蕴及对我国的启示[J] . 中国农业资源与区划，2023，44（2）：1 - 12.

[13] 王田，房宁. 种植业高质量发展成效显著[N] . 农民日报，2022 - 12 - 24（1）.

[14] 江雅婷，赵伟，骆佳玲，等. 基于“极化—涓滴”理论的成渝地区双城经济圈休耕地分区研究[J] . 中国土地科学，2024，38（2）：73 - 82.

[15] ZENG S Y， CHEN F， LIU G J， et al. Fallow priority areas for spatial trade-offs between cost and efficiency in China[J] . Communications Earth Environment， 2023， 4. doi： 10.1038/s43247-023-00850-1.

[16] 黄国勤，赵其国. 中国典型地区轮作休耕模式与发展策略[J] . 土壤学报，2018，55（2）：283 - 292.

[17] 曹颖，雷鸣，孔祥斌，等. 黄淮海平原地下水超采区休耕政策过程绩效评价及改进策略研究[J] . 中国农业大学学报，2023，28（5）：163 - 174.

[18] 陈浮，曾思燕，葛小平，等. 资源环境硬约束下中国耕地休耕优先区识别[J] . 农业工程学报，2021，37（22）：226- 235.

[19] SHI K F， YANG Q Y， LI Y Q， et al. Mapping and evaluating cultivated land fallow in Southwest China using multisource data[J] . Science of the Total Environment， 2019， 654： 987 - 999.

[20] 陈浮，曾思燕，马静，等. 多情景模拟休耕对中国粮食安全的影响[J] . 中国土地科学，2023，37（1）：90 - 101.

[21] JOHNSON K A， DALZELL B J， DONAHUE M， et al. Conservation Reserve Program（CRP）lands provide ecosystem service benefits that exceed land rental payment costs[J] . Ecosystem Services， 2016， 18： 175 - 185.

[22] 谭术魁，韩思雨，张路. 粮食安全视角下粮食主产区耕地休耕规模及动态仿真研究[J] . 中国土地科学，2020，34（2）：9 - 17.

[23] 石飞，杨庆媛，王成，等. 基于耕地能值—生态足迹的耕地休耕规模研究——以贵州省松桃县为例[J] . 生态学报，2021，41（14）：5747 - 5763.

[24] 陈展图. 生态安全和粮食保障双约束的休耕空间分区研究[D] . 重庆：西南大学，2020：64，83 - 85.

[25] 曾庆敏，王雨蓉，王晶，等. 基于“质量 - 风险”的干旱区休耕空间布局及补偿策略[J] . 农业工程学报，2021，37（20）：266 - 276.

[26] 曾思燕，于昊辰，马静，等. 中国耕地表层土壤重金属污染状况评判及休耕空间权衡[J] . 土壤学报，2022，59（4）：1036 - 1047.

[27] QIU B W， LIU B L， TANG Z H， et al. National-scale 10m maps of cropland use intensity in China during 2018-2023[J] . Scientific Data， 2024， 11. doi： 10.1038/s41597-024-03456-0 .

[28] 牛纪华，李松梧. 农田休耕的必要性及实施构想[J] . 农业环境与发展，2009，26（2）：27 - 28.

[29] 赵雲泰，黄贤金，钟太洋，等. 区域虚拟休耕规模与空间布局研究[J] . 水土保持通报，2011，31（5）：103 - 107.

[30] 石飞，杨庆媛，王成，等. 耕地健康视角的耕地休耕空间配置研究——以贵州省松桃县为例[J] . 长江流域资源与环境，2023，32（5）：1090 - 1101.

[31] 刘轶青，陶建斌，陈曦，等. 一种基于时序遥感影像混合像元分解的耕地种植强度估算方法——以湖北省为例[J] .华中师范大学学报（自然科学版），2020，54（1）：96 - 103.

[32] 陈文广，孔祥斌，温良友，等. 基于需求-功能-维度的耕地健康评价指标体系构建与应用[J] . 中国农业大学学报，2021，26（5）：106 - 117.

[33] 苏浩，李雪银，吴次芳. 东北黑土区耕地系统健康影响因子作用机理——以克山县为例[J] . 经济地理，2024，44（5）：151 - 160.

[34] 陈丽. 黄淮海平原耕地多功能效应及保护补偿研究[D] .北京：中国农业大学，2016：37 - 39.

[35] WANG J Y， WEI X M， GUO Q. A three-dimensional evaluation model for regional carrying capacity of ecological environment to social economic development： model development and a case study in China[J] . Ecological Indicators， 2018， 89： 348 - 355.

[36] ANSELIN L. Local Indicators of Spatial Association—LISA[J] . Geographical Analysis， 1995， 27（2）：93 - 115.

[37] 马世发，吴楷钊，劳春华，等. 永久基本农田保护片区智能识别系统iZone的建立与应用[J] . 农业工程学报，2017，33（2）：276 - 282.

[38] ZHANG J， LI S N， LIN N F， et al. Spatial identification and trade-off analysis of land use functions improve spatial zoning management in rapid urbanized areas， China[J] . Land Use Policy， 2022， 116. doi： 10.1016/j.landusepol.2022.106058.

[39] YAO Y， CHENG T， SUN Z H， et al. VecLI： a framework for calculating vector landscape indices considering landscape fragmentation[J] . Environmental Modelling Software， 2022， 149. doi： 10.1016/j.envsoft.2022.105325.

[40] 钱凤魁，逄然然，于洋，等. 辽宁省不同地貌区耕景观格局与耕地质量空间关联特征及作用机制[J] . 中国生态农业学报（中英文），2023，31（1）：113 - 124.

Research on Priority Zones Identification of Cultivated Land Fallow by Coupling Spatial Trade-off Decision and Connectivity： A Case Study of Hannan District， Wuhan City

CHENG Chao1， CHEN Youlin2， WU Jiuxing1， FEI Luocheng1， XU Yuting1

（1. School of Geography and Tourism， Anhui Normal University， Wuhu 241002， China； 2. School of Economics and Management， Wuhan University， Wuhan 430072， China）

Abstract： The purposes of this study are to establish a scientific method for identifying priority zones of cultivated land fallow， and to solve the problems in the existing selection style of cultivated land fallow characterized by administrative task-based indicators， such as fuzzy selection criteria for selected fallow patches， singular selection technique， and fragmented spatial forms. The research methods are as follows. Taking Hannan District of Wuhan City as the study area， this study firstly integrates the evaluation model for the main control factors of cultivated land fallow and the threedimensional magic cube model to develop a spatial trade-off decision model to diagnose objects of cultivated land fallow.Then， based on the seed search algorithm and NRCA model， the identification model of cultivated land fallow priority zones is constructed. Finally， the two models are coupled into the technical framework of “object selection， scale constraint and continual subdivision” to diagnose and pinpoint the cultivated land fallow zones. The research results show that： 1） the urgency of cultivated land fallow in spatial trade-off decision model is mainly “urgent” and “relatively urgent”， and the spatial distribution shows the coexistence of centralized contiguous distribution and sporadic spot distribution. 2） There are eleven priority zones for cultivated land fallow， accounting for 15.89% of the total cultivated land area in Hannan District. Compared with the original spatial distribution of fallow urgency under the same fallow scale， the number and the unit area of cultivated land fallow patches decreases by 30.23% and increases by 36.74%，respectively. The Landscape Shape Index and Edge Density decrease by 22.75% and 20.9%， respectively. 3） Three fallow priority zones controlled by cultivated land use intensity， cultivated land health status and cultivated land productivity potential are identified， accounting for 14.68%， 11.95% and 73.37%， respectively. The fallow model and management suggestions are put forward for the above three fallow priority areas， accordingly. In conclusion， based on the problem-oriented identification of cultivated land fallow priority zones， this study realizes the practical policy needs of scientific selection of cultivated land fallow and “concentrated connectivity” in cultivated land fallow zones， and provides the policy references for the precise implementation of cultivated land fallow to achieve sustainable cultivated land use and national food security.

Key words： technology framework of cultivated land fallow diagnosis； cultivated land system healthy； cultivated land use intensity； cultivated land productivity potential； algorithm of seed expansion area search

（本文责编：郎海鸥）