村级尺度耕地产能空间分异及其影响因子分析*

周璟茹，赵华甫，2※，宋 文，厚欣悦

(1.中国地质大学(北京)土地科学技术学院，北京 100083；2.国土资源部土地整治重点实验室，北京 100035； 3.山东农业大学资源与环境学院，泰安 271018)

0 引言

随着我国经济社会快速发展以及城市化、工业化进程不断加速，耕地非农化现象日益加剧，粮食安全问题已逐渐成为我国经济社会发展的重要阻碍[1-2]。耕地生产能力与粮食安全问题密切相关。耕地产能作为衡量耕地生产能力的重要指标，对区域及国家粮食安全问题具有很强的指导意义。东北地区作为我国重要的粮食产区，在保障国家粮食安全方面起到了不可替代的关键性作用，因而从该地区的产能空间分布着手，研究其影响因子及空间分异规律，进而探索提升产能的有效手段，对缓解目前的粮食安全问题具有重要意义。

近年来，国内外学者针对耕地产能影响因子展开了一系列的研究，国外学者侧重于研究影响耕地产能的自然作用机理[3-5]，通过对气候、土壤、降水等单因子进行情景模拟与对比分析，从作用机理与影响方式等角度对耕地产能的影响因子进行分析。国内学者大多是在农用地分等成果的基础上进行耕地产能核算，并结合相关因子对其影响作用进行分析[6-11]，也有部分学者针对特定的自然或社会经济因素，如气候[12]、土壤[13]、化肥投入[14]等单因子开展研究。虽然侧重点各有不同，但都对区域耕地产能提升提供了参考。在空间尺度方面，大多数研究集中于省域尺度[6]、县域尺度[8][9][15]和乡镇尺度[11]，暂未涉及村级尺度耕地产能研究；在影响因子分析方面，多数研究通过传统线性回归的方法建立模型，解释各因子对耕地产能的作用方向及强度，较少针对耕地产能及其影响因子的地理空间的异质性展开研究。

有鉴于此，文章以我国东北粮食主产区的黑龙江海伦市为案例区，重点针对村级尺度开展研究，旨在弥补现有产能研究偏重宏观尺度，难以与微观的耕地资源禀赋基础相匹配的问题，提出产能提升的可行举措。该文基于大量的问卷数据和高精度的土壤、土地利用现状等矢量信息，对村级尺度的耕地产能进行了核算，在此基础上分析了耕地产能的空间分异规律。此外，为了识别耕地产能村级尺度的关键影响因子，该文尝试采用空间自相关模型和地理加权回归模型相对比的方法，对海伦市耕地产能影响因子进行分析建模，探索村级尺度下耕地产能的影响因子与作用模式，并基于地理加权回归模型所识别的因子差异及其组合特点，进行耕地产能提升类型区划分，以此更好对接村级尺度的耕地产能提升和高标准农田建设针对性，提升建设效益，为当地耕地产能提升提供科学依据。

1 研究区概况及数据来源

1.1 研究区概况

海伦市地处黑龙江中部，绥化市北部，靠小兴安岭西麓，是绥化市所管辖的以农业为主的县级市，耕地总面积33.676万hm2，其中旱地31.109万hm2，占耕地总面积的92.38%，部分地区分布有水田和水浇地。海伦市属东北区松嫩平原北部温凉半湿润区，标准耕作制度为一年一熟的旱地耕作制度，标准作物为水稻，指定作物为玉米和大豆。

东北黑土区是世界上仅有的四大黑土区之一，粮食年产量约占全国的1/5，是国家的重要商品粮生产基地。近年来，重种轻养的耕作方式、高强度的耕作制度和农药化肥的大量施放使该地区土地退化严重，对区域耕地产能的实现构成巨大挑战。因此，该文选择位于黑龙江中部松嫩平原黑土地带的海伦市进行耕地产能空间分异及影响因子分析，探究其耕地产能实现的障碍因素，对东北黑土区耕地产能提升具有一定的借鉴意义。

1.2 数据来源

研究采用的村级产量数据来源于村级产量实地调研数据，在各村支部书记和相关人员填写的基础上，经过对村民抽样调查访问核实，随后汇总至各土地所进一步核实确认。产能核算中应用的农用地分等数据来源于海伦市农用地分等成果。

该文在综合国内外相关研究基础上，针对海伦市土地利用现状，兼顾数据的可获取性以及空间化需求，从耕地自然质量和耕作条件两个基础维度进行指标遴选，最终选取了13个指标作为影响海伦市耕地产能的衡量因子，各因子的标准化方式参考相应规程规定的标准化方式进行。

表1 耕地产能影响指标选取依据及来源

2 研究方法

2.1 耕地产能核算

2.1.1 理论产能核算

遵照《农用地产能核算技术规范》，根据调查分等单元指定作物审定品种的区域试验单产，按照标准粮换算系数折算为调查分等单元标准粮理论单产，建立二级区调查分等单元耕地标准粮理论单产和对应单元的耕地自然质量等指数的关系模型。随后将各二级指标区内所有农用地分等单元的农用地自然质量等指数代入函数方程，可以获取各分等单元的年均标准粮理论单产。

hi=A·Xi+B

(1)

式(1)中hi为第i个单元标准粮理论单产样本值；Xi为第i个分等单元的自然质量等指数；A、B为回归系数。

依据A和B，将所有农用地分等单元自然质量等指数代入式(1)可获得各分等单元的年均标准粮理论单产(HF)。随后计算分等单元的理论产能。

WFi=HFi·Si

(2)

式(2)中，WFi为第i个分等单元理论产能；HFi为第i个分等单元理论单产；Si为第i个分等单元耕地面积。

各村的理论产能即为各乡镇村内所有分等单元理论产能之和。该文对耕地产能的核算都为单位耕地面积产能，即计算耕地理论单产。

(3)

式(3)中，WF为各村理论单产能；Q为各村耕地面积。

2.1.2 实际产能与耕地利用潜力核算

该文采用的耕地产能特指耕地实际产能。实际产能核算是基于实际生产情况计算出来的，以国家确定的指定作物统计单产为基准，根据标准粮换算系数，把指定作物统计单产换算为标准粮实际单产，根据标准耕作制度核算乡镇(村)实际单产。

E=∑Gj·Kj

(4)

式(4)中，E为标准耕作制度核算乡镇(村)实际单产；Gj为第j种基准作物统计单产；Kj为第j种标准粮换算系数。

耕地利用潜力为为理论单产与实际单产的差值，描述耕地产能可提升潜力。

P=E-WF

(5)

式(5)中，P为耕地利用潜力。

2.2 空间自相关分析

空间自相关分析是检验样本要素间是否存在显著的空间依赖关系、描述地理现象在研究区内空间分布规律的空间统计方法[16-17]。空间自相关可以量测空间事物的分布是否具有自相关性，高的自相关性代表了空间现象有集聚性的存在[18]。在给定的显著性水平下，全局空间自相关值反映在研究区内某一变量的平均集聚程度，可用多种方式表征，其中最常用的是Moran′s I指数。其计算公式为：

(6)

在假设的显著性水平下，当I显著地大于0时，表明在整个分析层面上，该变量具有显著的集聚性，值越大，集聚程度就越高；当I显著地小于0时，代表该变量在相邻地区存在明显的差异，值越小，差异越大；当该值趋于0时，表示变量的分布呈无规律的随机分布状态[18]。

一般用标准化统计量阈值Z进行显著性检验，当|Z|>1.96时，说明通过P<0.05显著性检验，表明该属性在空间上存在显著的空间自相关性。

(7)

式(7)中Z为标准化统计量阈值；E(I)为观测变量的自相关性的期望；VAR(I)为观测变量的自相关性的理论方差。

2.3 地理加权回归模型

地理加权回归模型(GWR)是一种对普通线性回归模型的扩展，它将数据的地理位置嵌入到回归参数中[19-20]。地理加权回归模型考虑了自变量的空间分异特征，是一种探测空间非平稳性的有效方法。回归参数不再是以全部自变量值进行估计，而是通过邻近样本信息进行区域局部回归分析得到的，参数值随位置的变化而变化。其表达形式为：

(8)

式(8)中，yi为因变量；xij为第i区域第j个自变量的值；β0为常数项；(ui，vi)为第i个样本点坐标；βj(ui，vi)为第i个样本点上的第k个回归参数，是地理位置的函数；εi为符合正态分布的随机向误差。

3 结果与分析

3.1 海伦市耕地产能空间分布特征

结合图1、图2可以看出，海伦市耕地产能主要呈现中西部相对较高，北部偏低的态势。究其原因，主要是海伦市中西部地区地势平坦，黑土资源丰富，且多数耕地位于通肯河流域、联丰水库周边、东方红水库周边等水热条件较好的地区，自然条件优越，耕地产能与其他地区相比呈现一定的优势，部分地区如海伦市北部和西部地区由于社会经济条件及农业发展水平的限制，虽然其耕地自然条件较为优越，但仍在实际产能方面表现出一定程度的劣势，存在较大的提升空间，值得进一步开展土地整治工程挖掘区域耕地产能提升潜力。

图1 海伦市耕地产能空间分布 图2 海伦市耕地利用潜力空间分布

图3 海伦市耕地产能空间自相关散点图

采GeoDa软件进行全局空间自相关分析，Moran′s I指数为0.456，呈空间正相关，且在p<0.05的显著性水平下Z值为11.738(p>1.96)，呈高度显著态势，表明村级耕地产能具有较强的空间依赖关系，从散点图3也能看出，大部分点落在第一、三象限，在空间上表现为聚集形态，这也为地理加权回归模型分析的有效性和准确性提供了保障。

3.2 海伦市耕地产能影响因子回归模型构建

3.2.1 线性回归模型构建

以耕地产能为因变量，各影响因子为自变量进行逐步回归分析。首先对各变量进行ADF检验，所有变量的一阶差分值都在5%的检验水平上具有显著性；Cronbach′s Alpha>0.7，表示模型数据具有可靠性；通过Jarque-Bera诊断，表示模型无偏，符合线性回归要求。选取调整判定系数最大的模型作为耕地产能和影响因子线性回归分析结果。

表2 耕地产能影响因子逐步回归结果

从表1中可以看出，海伦市村级耕地产能与黑土层厚度、出现障碍层深度、耕作距离、田块状况和质地等5个变量显著相关，且均呈正相关。其中，黑土层厚度对耕地产能的影响最大，其余依次为田块状况、耕作距离、出现障碍层深度和质地。

3.2.2 地理加权回归模型构建

通过空间自相关分析可知海伦市村级耕地产能在空间上存在显著的自相关性，为了更好地对其耕地产能影响因子进行分析，采用GWR软件以海伦市村级耕地产能为自变量，以逐步回归分析后得到的影响因子为因变量进行地理加权回归模型分析，得到表3结果。

表3 村级耕地产能影响因子GWR模型回归参数统计

表4 线性回归模型与GWR模型拟合结果比较

综合线性回归模型与地理加权回归模型的结果(表3)可以看出，采用GWR模型的调整判定系数较线性回归模型略有提高，说明GWR模型拟合优度较高，可以对区域内更多样本情况进行解释。AIC减少了约18个单位，说明GWR模型所选择的带宽为较优带宽，即用较少的参数获得了足够的拟合度。除此之外，GWR模型得到的残差平方和略低于线性模型，说明GWR模型回归的结果精度略高。相对而言，应用GWR模型进行村级耕地产能影响因子回归分析的拟合效果更佳。

3.3 海伦市耕地产能影响因子分析

GWR模型与线性回归模型不同，不能通过单一的系数反映自变量与因变量之间的相关作用情况，该模型反映的自变量对因变量的影响是随地理空间位置的变化而变化，其分布规律与变异情况是通过模型估计系数进行反映，通过影响因子回归参数的空间化表达，得出各影响因子对耕地产能影响强度的空间模式(图4)。

图4 耕地产能影响因子回归系数空间分布

从图4可以看出，质地、黑土层厚度、出现障碍层深度、耕作距离和田块状况对耕地产能的影响整体呈正向作用，但是在空间上表现出不同程度的异质性。其中，质地对耕地产能的影响从东北向西南递减，这主要是因为海伦市东北部地区是重壤土的主要分布地区，土壤相较其他地区较为黏重，对作物生长造成一定程度的阻碍。与此同时，海伦市特殊的地形分布同样也造成了一定的影响，西北部的特殊地势条件导致其土壤障碍层较浅，不利于作物的生根和生长，而东南部地区地势较为平坦，障碍层距地表90cm以上，对作物的生长基本无限制作用，这一优势也在一定程度上造成了耕地产能的提升。除以上两种自然属性外，就黑土层厚度而言，海伦市西南部主要分布有破皮黄黑土，该土种主要分布在岗地的陡坡上，由于坡度较陡，水土流失比较严重，黑土层厚度小于10cm，对耕地自然质量的限制作用明显，从而表现出对产能的限制作用。

对于耕作条件而言，耕作距离和田块状况对耕地产能的影响在空间上具有一定的相似性，呈现由西向东递减的趋势，这主要是因为海伦市西部地区位于通肯河流域，耕地自然质量条件较为优越，近年来在此基础上海伦市西部地区开展了多项土地整治工程，主要针对中西部地区乡镇部分村开展了田间道路建设、土地平整、林网修建和灌排设施建设等诸多整治工程，为耕地产能的实现提供了优越的耕作条件，因而耕作距离和田块状况等因子的提升对耕地产能的提升起到了重要影响。

3.4 海伦市耕地产能提升类型区划分

通过前文对影响因子的分析，确定了海伦市耕地产能各影响因子的作用范围与强度，为了探索海伦市耕地产能提升类型，更好地为区域土地整治服务，现对GWR模型估计的耕地产能影响因子回归系数空间分布进行分析，提取出各村耕地产能主要影响因子(图5)将其与耕地利用潜力空间分布(图2)叠加，将提升潜力较小的区域划分为产能保持区，其余部分根据主要影响因子类别划分产能提升类型区。其中，将耕地利用潜力小于1 500kg/hm2的地区划为产能保持区，将主要影响因子为黑土层厚度的地区划为保护性耕作区，将主要影响因子为出现障碍层深度的地区划为障碍层改良区，将主要影响因子为质地的地区划为质地改良区，将主要影响因子为耕作距离和田块状况的地区划为耕作条件改良区(图6)。

图5 海伦市耕地产能主要影响因子分布 图6 海伦市耕地产能提升类型区

由图6可见，海伦市耕地产能提升类型区可分为产能保持区、耕作条件改良区、质地改良区、障碍层改良区和保护性耕作区5类。其中质地改良区是海伦市耕地产能提升的主要类型区，主要分布在海伦市中北部地区，在西部地区也有少量分布。针对该区土壤黏度较高的特性，在开展整治工程时宜采取客土改良表土质地法，通过利用客土对耕地表土进行过粘掺砂的改良方法，使土壤质地处于壤质，从而提升土壤肥力水平和稳定性。障碍层改良区主要分布在海伦市东北和西南部分地区，在以上地区的土地整治工程中宜采用深耕、深松、混层耕等方式消除埋藏较浅的障碍层，对于障碍层埋藏较深的情况，采用障碍层消除法进行改良，设计将耕作层剥离，对障碍层进行移除，并采用客土或有机物料填至障碍层处，最后回填耕作层。耕作条件改良区主要分布在海伦市西部地区，该类型区耕地产能的主要影响因子以耕作距离和田块状况为主，在开展土地整治工程时应当重点对该区域实施土地平整和田间道路建设，改善该区耕地的耕作条件，合理开展农村居民点整治工程，加强乡村基础设施建设。保护性耕作区主要分布在海伦市中部地区，该类型区耕地产能的主要影响因子为黑土层厚度，因而该区的产能提升工作应主要以黑土层保护工作为主，通过开展少耕、免耕、交替耕作等多种耕作模式的试验推广，加强对黑土层的保护工作，积极推动秸秆还田，防止裸露地表造成的黑土层侵蚀。此外，海伦市东南部地区分布有产能保持区，该部分地区耕地利用潜力与其他地区相比较小，证明该区域当前产能实现情况较优，在下一步土地整治活动开展时，应以质地改良区为主，针对产能保持区应采取合理有效手段，维护该区域的自然质量状况和耕作设施条件，制定有效工程设施方案，有针对性地实现全域耕地产能的提升。

4 结论与讨论

该文以黑龙江海伦市为研究对象，采用村级尺度对耕地产能进行核算并对耕地产能空间变异规律进行分析，随后分别运用线性回归模型和地理加权回归模型对海伦市村级耕地产能影响因子进行识别，并针对各影响因子的作用方向以及作用强度进行分析，划分海伦市耕地产能提升类型区，得到了如下结论。

(1)就耕地产能核算而言，海伦市耕地产能呈现中西部高北部偏低的态势，北部和西部地区耕地利用潜力较大。此外，产能分布表现出明显的空间正相关且具有较强的空间依赖关系。

(2)海伦市耕地产能与黑土层厚度、出现障碍层深度、耕作距离、田块状况和质地等5个变量显著相关，且均呈正相关，但在空间上表现出不同程度的异质性。其中，质地和出现障碍层深度对耕地产能的影响从东北向西南递减，黑土层厚度对耕地产能的影响呈现东南高西北地的特点，耕作距离和田块状况对耕地产能的影响在空间上具有一定的相似性，呈现由西向东递减的趋势。

(3)海伦市耕地产能提升类型区包含海伦市耕地产能提升类型区可分为产能保持区、耕作条件改良区、质地改良区、障碍层改良区和保护性耕作区5类，在下一步土地整治活动开展时，应以质地改良区为主，在维护各区的自然质量状况和耕作设施条件的基础上，有针对性地实现全域耕地产能的提升。

该文的创新点在于首次采用村级尺度对耕地产能进行研究；同时针对村级耕地产能的空间分布自相关性较强的特点，运用地理加权回归模型对其影响因子分析和耕地产能提升类型区划分。耕地产能是多因素共同作用的产物，受到自然、经济、社会、政策等多方面的影响，该文主要选取了涉及自然质量和耕作条件的13个因子进行分析，虽然能对影响耕地产能的因子进行分析并提出相应的整治措施，但仍未能全面涉及其他类别因子对耕地产能的影响，值得进一步研究。除此之外，区域耕地产能的研究不仅是空间尺度的研究，还应该与时间尺度相结合，该文选取同一时间节点村级的耕地产能进行核算和影响因子分析存在一定的局限性，如何通过长时间序列对耕地产能影响因子进行空间化分析与研究仍值得进一步探讨。