空间交互视角下中国城市群耕地变化影响因素分析

刘殿锋，周泊远，何建华，孔雪松，刘耀林

空间交互视角下中国城市群耕地变化影响因素分析

刘殿锋，周泊远，何建华※，孔雪松，刘耀林

（武汉大学资源与环境科学学院，武汉 430079）

城镇化发展对耕地变化的影响因素是中国长期关注的热点问题。传统研究较多关注城市个体增长与耕地非农转换间的关系，鲜有关于城市空间联系及协同发展视角下耕地变化影响因素的研究，而随着城市空间交互作用的加强，人口集聚、产业结构调整、基础设施建设等催生出的多元用地需求激化了其与耕地保护间的复杂用地矛盾。城市群是中国当下新型城镇化的主体，从城市群视角探讨耕地变化的影响机制更具前瞻性和现势性。该文采用引力模型与城市流强度模型对城市群空间联系进行度量，从城市与城市群双重尺度出发，构建了耕地非农转换影响因素的多层线性回归分析模型，探索2005—2015年间全国主要城市群耕地变化的影响因素及区域分异特征。结果表明，城市群耕地数量变化的尺度效应和地区分异特征显著。在城市尺度上，耕地变化与农业人口、工业经济及农业科技均呈正相关关系，与城镇化背景下建设用地扩张、经济全球化带来的外资增长存在负相关关系；城市群尺度空间联系指标均与耕地面积变化呈负相关关系。区域差异体现在农业人口、城镇人口规模等级、建设用地面积对内陆城市群耕地面积变化影响较大，而工业化、农业机械化水平在沿海有着更大推动作用；城市群空间经济联系的影响在沿海地区较明显，外向功能作用力则在内陆有所体现。与零模型、半条件模型的对比分析表明，多层线性回归用于城市群耕地变化影响因素研究具有有效性，同时也揭示了不同尺度因素对耕地变化的影响机制，从而为国土空间开发战略下城市群发展与耕地保护提供有力的决策支持。

土地利用；模型；城市群；耕地；多层线性回归；空间联系

0 引 言

耕地资源是基础性农业生产资料，在保障粮食和生态安全、稳定经济社会秩序等方面发挥着不可替代的作用[1]。中国耕地资源紧缺，同时在粗放经济发展阶段中普遍存在的建设占用、退化和污染严重、占优补劣等问题的影响下[2]，有效耕地资源承受着巨大的需求压力，导致经济发展与耕地保护之间冲突日益增强，严重影响着中国城乡可持续发展。在此背景下中国耕地保护政策体系加快了建设和完善的步伐。改革开放初期，国务院出台了《关于制止农村建房侵占耕地的紧急通知》，耕地保护问题开始得到重视。《中华人民共和国土地管理法》的出台标志着耕地保护进入法制轨道阶段。《基本农田保护条例》拉开了全国范围内实施以耕地保护为目标的基本农田保护制度的序幕，随着《土地管理法》的几次修订，土地用途管制、耕地占补平衡、耕地保护目标责任制等相关政策逐渐推行开来[3]。21世纪以来若干中央1号文件都进一步强调了耕地保护的重要性，耕地保护政策体系趋于完善，尤其在国土空间规划战略实施背景下，为了构建山水林田湖草生命共同体，开展质量、数量、生态“三位一体”的耕地保护措施与政策保障体系研究势在必行[4]。

城镇化发展是耕地数量与质量变化的主要影响因素之一，不同城镇化发展阶段形成了各异的耕地变化特征[5]。早期工业化粗放扩张、中期集约化转变、后期协同化发展均将导致不同的耕地变化表现形式。城镇化初期随着人口、劳动力、资金、技术、信息等的流动和集聚，集聚效应和规模效应逐步催化社会对非农化耕地资源的用地需求，而粗放扩张的发展模式带来耕地非农化需求的畸形增长、建设用地空置与利用低效，使得城镇化与耕地保护间的用地矛盾日渐激化，大量耕地资源被直接或间接挤占，严重威胁了粮食安全和社会稳定。中期随着土地集约利用效率的提高和耕地保护法律法规的完善，耕地非农化的需求逐渐得到抑制和管控，但耕地保护形势依然严峻[6-9]。城市协同发展的建设目标在于解决单个城市的发展弊病，平衡发展速度和发展质量，提高综合效益，实现耕地保护、城市发展和生态治理的三线协同[10]。城镇化各阶段的发展模式均将导致不同的耕地变化表现，探索新时期背景下耕地变化影响机制，科学协调耕地保护与城镇化发展间的关系，将有助于政府科学合理的分配土地资源，有效推行耕地保护政策，解决耕地问题[11]。

长期以来，国内外学者大量探讨了快速城镇化过程中耕地变化影响机制[12-20]。研究表明，耕地资源变化与海拔、坡度、地貌、人均GDP、道路、社会经济综合发展水平（经济发展水平、人口发展、城市化和工业化水平）、农业科技创新与农业结构、空间可达性、交通发展水平、耕地保护政策和生态保护政策等诸多因素之间存在内在联系[12-13]。其中，城镇化进程带来的自然、人口迁移、社会发展、经济提升、技术进步以及政策变化对耕地非农转换起到至关重要的影响作用[14]。研究同时揭示了耕地变化及其影响作用在沿海地区[15]、农牧交错区[16]、城市群、省市域行政区以及全国范围存在空间分异与多尺度性特征[17-18]。现有城镇化与耕地变化研究成果虽较丰富，但多集中在城镇化粗放扩张与集约化转变阶段，主要关注独立城市或者区域内城市个体的耕地变化机理[19-22]，而鲜有针对城市协同发展（城市群或城市圈）如何影响耕地非农转换过程进行讨论。随着区域经济快速发展以及城市之间联系日益增强，城市群已经成为未来区域发展最具活力的增长极点和国家新型城镇化的主体形态，具有举足轻重的战略地位[23]。城市群的复杂性、层次性与协同性将从多重角度影响耕地变化[10,24]，因此在考虑城市发展个体效应基础上，从城市群视角探讨耕地变化的规律和机制以期有效协调城镇化发展与耕地保护之间关系颇具现势性和实用价值。在耕地转换影响因素分析方法方面，现有研究呈现出从简单到复杂，从关联分析到机理解释的发展趋势[25-28]。传统相关性分析、主成分分析、因子分析方法逐渐被回归分析、聚类分析取代，人工神经网络等自适应智能方法亦逐步被用于耕地变化的影响机制研究中，但针对耕地变化的多尺度分析方法的研究仍有较大空间。

针对当前研究存在的不足，本文从城市与城市群双重尺度出发，以全国主要城市群中各城市2005—2015间耕地变化为研究对象，通过构建多层回归模型，探索城市自身发展和区域协同作用对耕地非农化转换的影响机制，以期为协调新时期城镇化与耕地保护、科学编制国土空间规划提供支撑。

1 研究区与数据

根据2016年中国城市群发展报告研究成果[29]，在综合考虑数据完备性基础上，本文选定长江三角洲城市群、珠江三角洲城市群、京津冀城市群、长江中游城市群、成渝城市群、辽中南城市群、山东半岛城市群、海峡西岸城市群、哈长城市群、中原城市群、关中城市群和晋中城市群共12个城市群为研究区域，又根据各城市群地理位置将其分为沿海城市群和内陆城市群，其中沿海城市群包括辽中南城市群、京津冀城市群、山东半岛城市群、长江三角洲城市群、海峡西岸城市群以及珠江三角洲城市群，内陆城市群则包含研究区剩余城市群（图1）。

图1 中国主要城市群空间位置分布

研究区总面积178万km2，约占全国总国土面积的18.5%。土地上集中了全国56.5%的人口，截止2015年底GDP现价总量高达52.4万亿，占全国经济总量73%，2005－2015年，研究区经济总量快速增长2.6倍，城市化率从2005年的37.6%大幅提升到了2015年的55.0%。由此见得，城市群是中国经济建设的主要阵地，是最具发展活力和潜力的地区，主导着国家经济发展的命脉。然而在耕地资源形势越发严峻的背景下，研究区在2005－2015年10a间耕地面积锐减17 572.8 km2，耕地保护迫在眉睫，探求研究区耕地变化影响机制是尤为必要的。

研究数据主要包括2005年和2015年全国主要城市群耕地面积数据以及各城市的多指标社会经济数据，包含人口、经济、科教、农业发展等多个方面。其中，耕地面积数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/data.aspx?DATAID=184），提取自其中基于Landsat8遥感影像人工目视解译生成的土地利用数据（图2）；社会经济数据主要来自于2006年和2016年的《中国城市统计年鉴》、《中国县域统计年鉴》以及相应区域的地方统计年鉴，利用EXCEL对缺失数据采取线性插值等方法进行了补充，并通过归一化处理消除了其中量级及量纲的影响。

图2 2005年全国土地利用分布

2 研究方法

耕地资源非农化转化受到城市个体发展、区域协同发展双重尺度的影响。城市个体与协同发展的不可分割性决定了耕地影响因素在双重尺度上存在一定的嵌套关系。双重影响作用以及尺度嵌套效应进一步增加了耕地变化影响因素分析的难度。多层线性模型（HLM，hierarchical linear models）是用于解决具有嵌套特点数据的统计分析方法，它先在第一层解释变量基础上建立回归方程，再将该方程中的斜率和截距作为第二层解释变量的因变量，建立第二层回归模型。多层线性模型通过定义不同尺度的回归模型，考虑到了组织效应对个体的影响，相较传统回归能更有效地估计回归系数，是解决多尺度研究问题的合理统计方法[30]。

本研究构建了耕地变化影响因素的多层线性回归模型，从城市、城市群两个空间尺度出发，探索城市发展的社会经济因子和城市协同发展的空间交互因子对城市群耕地非农化的影响（图3）。

图3 研究框架

2.1 模型构建

多层线性回归模型是针对自变量存在多层次嵌套关系的问题进行回归建模分析的方法，它考虑到数据分层的特点，在有效估计回归系数的同时揭示了组织效应对个体的影响。本研究从城市、城市群两个层次选取影响耕地变化的影响因素，构建能够分析各层次自变量对因变量影响的完整条件模型[31]。

式中x、0j为第一层和第二层的特征变量；r、00、0j均为随机误差项。

耕地利用作为人类改造自然的活动，受到社会、经济、技术条件以及社会经济规律的制约，现有关于耕地变化的影响因子主要包括人口类指标、经济类指标、生活类指标、技术类指标、产业结构类等类别[32-34]，充分挖掘这些因子与耕地变化的内在联系能够为中国制定耕地保护政策、平衡开发与保护的关系提供支持作用。本研究在城市尺度从人口、经济、科教、农业发展以及城镇发展5个方面构建影响因素体系[35-37]。人口增长必然导致农产品需求增加，进而催生耕地非农化需求，此外人口结构的改变也是耕地变化的重要因素，本研究选取城镇人口规模等级和农业人口规模来表征人口因素；经济发展水平是耕地变化的主要外部动力之一，不同层次的发展水平主导着不同程度的耕地需求，本研究将三次产业GDP作为经济发展水平的表征，同时借用外商投资水平来代表各城市受经济全球化的影响；科技水平关系到土地利用效率，而教育水平则影响着耕地政策的制定和实施，本研究利用财政支出中科学事业和教育事业费用支出的比重来代表城市科教水平；农业发展水平是耕地变化的另一大诱因，农业生产力和农产品供应直接影响着耕地变化的进程；其他用地类型对耕地资源直接或间接的侵占是中国耕地资源紧缺的关键，而这其中又以城镇建设用地的占用为主，因此本研究将城镇建设用地和城镇化水平分别纳入指标体系来反映城镇发展水平。

城市群空间交互、协同发展往往带来社会经济活动的加剧，其集聚效应势必导致城镇扩张，产业结构的调整也会造成耕地向其他用地类型的转化。基于此，我们在城市群尺度上选择了经济联系总引力、外向功能作用力作为表征城市间空间相互作用和空间联系的指标[10,38]，其中经济联系总引力是城市群空间经济联系的度量，借用引力模型来代表；而外向功能作用力是指城市中具有外向服务功能的部门所产生的辐射影响，是人流、物流、资金流、技术流、信息流等空间流在集聚与扩散作用下的表现，其中有形的人流和物流对城市发展的影响最为直接，所以本研究借用城市流模型来表征外向功能作用力（表1）。

表1 城市群耕地变化影响因素指标体系

其中城市尺度社会经济指标根据相关年鉴数据进行量化和处理，城市群空间联系指标采用以下方式进行量化计算。

1）经济联系总引力。经济联系是城市群空间联系的重要组成部分，表现为经济实体在区域间的相互作用，本研究利用引力模型对城市群空间经济联系进行测度，首先计算两两城市间的作用力得到经济联系强度值，再计算各个城市对外经济联系的总强度，公式[38]如下：

式中E为城市对外经济联系的总强度值；E表示两城经济联系强度；P、P分别为城和城的非农人口数；G、G分别表示两城的二三产业GDP之和；D为两城间的距离。

2）外向功能作用力。包括人流、物流、资金流、技术流、信息流等在城市群区域内双向或多向的空间流动是城市群内集聚与辐射功能作用的产物，城市流强度则是区域内各城市外向功能所产生的影响量，能够反映城市对外联系与辐射的能力，缺少要素优势、以服务输入为主的城市具有负向的城市流强度，即城市流流出的大小；而区域内要素集聚和吸引作用较强、处于支配地位的城市则具有正向的城市流强度，即城市流流入的大小[38]。本研究借助城市流强度来量化城市的外向功能作用强度，通过区位熵衡量城市外向服务部门，然后计算区域内各城市外向功能量，最后计算城市流强度，公式如下

其中=1，2，…，；=1，2，…，。

式中F指代的是城市的城市流强度；N指代城市的功能效率，用从业人员人均GDP来表示；E表示城市部门的外向功能量，E则表示城市个部门总的外向功能量。Lq表示城市部门从业人员区位熵，G、G、G、分别表示城市部门的从业人员数量、城市从业人员总数、全国部门从业人员数量以及全国从业人员总数。若Lq＞1则说明城市中部门在全国属于专业化部门，存在对外服务功能，则可将该部门视为外向服务部门。

2.2 模型验证

本文通过构建零模型和半条件模型验证上述完整条件模型的有效性[39]。

2.2.1 零模型

零模型是多层回归的基础，是在不同层次均不设置自变量的回归模型。验证多层线性回归模型的有效性，首先需要计算零模型中组内相关系数，当组内相关系数达到一定水准才能体现不同层次和因变量间的关联强度。构建零模型目的在于将城市群耕地变化的总体方差在所选的两个层次上进行分解，来探讨进行分层建模的必要性，公式如下：

零模型结果中，组内相关系数≥0.059时可认为因变量的尺度差异是不可忽视的，而当组内相关系数≥0.138时即可视为因变量与组间的关联强度呈高度关联，所以必须将层次效应考虑到回归模型之中[40]。

2.2.2 半条件模型

半条件模型是指仅在某一层次设置自变量的回归模型。不同模型计算出的结果往往存在解释能力的差异，通过半条件模型和完整条件模型计算结果中自变量显著性以及方差解释比例的差异对比可以进一步体现出建立多层回归模型的合理性。为了验证城市群尺度因素的影响，本文仅在城市尺度构建半条件模型来验证完整模型有效性。具体公式如下：

结合零模型的组内相关系数结果和半条件模型与完整模型解释能力对比的结果可以判定多层回归模型中该完整模型的有效性。

3 结果与分析

3.1 城市群耕地变化时空特征

截至2015年底，全国主要城市群耕地面积约为76.9万km2，占土地总面积43.2%。从耕地面积总量上看，哈长城市群、成渝城市群和长江中游城市群耕地面积都在10万km2以上，其中哈长城市群2015年耕地面积高达14.8万km2，而东南沿海地区的海峡西岸城市群、珠江三角洲城市群耕地面积均不到2万km2（表2）。从耕地面积变化量来看，2005—2015十年间，除哈长城市群耕地面积增长3 485.5 km2外，其他各城市群均出现不同水平的减少，其中长江三角洲城市群耕地面积减少了9.4%，约4 979.77 km2，关中城市群和晋中城市群减少了近6%耕地资源。

土地利用结构方面，中国粮食主产区范围内城市群耕地面积占总面积比例较高，而东南沿海地区各城市群占比较低，其中2015年中原城市群和山东半岛城市群耕地面积占比高达六成，而珠江三角洲城市群和海峡西岸城市群耕地面积占比最少，分别为22.2%和21.0%（表2）。

表2 2005年、2015年主要城市群耕地面积

3.2 多尺度城市群耕地变化影响因素

本研究构建了全国主要城市群耕地变化的多层回归模型来探讨城市和城市群两个尺度上各指标对城市群耕地面积变化的影响机制，输出结果见下表（表3）。结果由固定效应估计值、随机效应方差估计值、模型拟合程度三部分组成。

零模型结果显示组内相关系数为0.172，大于0.138，即耕地变化与样本的城市群尺度之间呈高度关联。半条件模型结果显示仅添加城市尺度社会经济因子作为自变量时，耕地变化51.3%可被解释变量所解释，且模型固定效应显示仅有农业人口规模、建设用地面积、城镇人口规模等级、粮食产量四个指标通过了显著性检验。完整模型结果显示，在添加城市群尺度的两个空间交互指标后，模型解释变量占比提高到了54.5%，随机效应方差也得到消减，包含农业人口规模、建设用地面积、城镇人口规模等级、第二产业GDP、科学事业费支出占比和外向功能作用力在内的6个解释变量通过了显著性检验。

表3 全国城市群耕地变化多层回归模型结果

注：***表示显著性水平为<0.01；**表示<0.05；*表示<0.1，下同。

Note: Statistical significance at the 10%, 5% and 1% level is denoted by*,**and***, respectively, the same below.

从完整模型结果来看，影响城市群耕地变化的因素是多方面的，主要集中在人口、经济、科教、城乡差异以及城市群空间联系上。其中，城市尺度的农业人口规模、第二产业GDP、科学事业费支出占比、粮食产量与耕地变化呈显著正相关，城镇人口规模等级、建设用地面积则与耕地变化呈负相关关系；城市群尺度的外向功能作用力和耕地变化呈显著负相关关系。

3.3 城市群耕地变化影响因素地域差异

将城市群从地域上区分为沿海城市群和内陆城市群并分别进行多层回归分析，结果如下（表4、表5）。结果显示两个模型中零模型组内相关系数分别为0.158和0.228，即两个模型中样本的耕地变化与城市群尺度呈高度关联。半条件模型中解释变量占比分别为52.8%和72.5%，且通过显著性检验的解释变量数量有限。完整模型的结果中，两个模型解释变量占比均得到了提高，随机效应方差也都得到消减，说明城市群尺度空间交互因子的加入提高了模型的解释能力，其中通过显著性检验的沿海城市群耕地变化影响因子包含农业人口规模、第二产业GDP、农业机械总动力、建设用地面积以及经济联系强度，内陆城市群的影响因子则包括农业人口规模、城镇人口规模等级、建设用地面积、粮食产量以及外向功能作用力。

表4 沿海城市群耕地变化多层回归模型结果

表5 内陆城市群耕地变化多层回归模型结果

从完整模型结果来看，不论是沿海城市群还是内陆城市群，城市尺度的农业人口规模、建设用地面积对其耕地变化都是显著影响因子，其中农业人口规模与耕地变化均呈显著正相关，而建设用地面积与耕地变化则呈显著负相关。此外第二产业GDP、农业机械总动力与沿海城市群耕地变化呈显著正相关关系，粮食产量与内陆城市群耕地变化呈正相关关系，城镇人口规模等级与内陆城市群耕地变化呈负相关关系。另一方面，城市群尺度空间联系指标中，空间经济联系总引力与沿海城市群耕地变化呈负相关关系，外向功能作用力与内陆城市群耕地变化也呈显著负相关关系。

3.4 讨 论

城市化发展与耕地变化之间关系一直以来都是热点问题，城市协同发展则增加了二者关系的复杂性。上述零模型结果揭示了耕地变化在城市群尺度上的高强度关联关系，表明了耕地变化影响因素的多层次性特征。同时，与半条件模型结果对比，完整模型中解释变量占比显著提高，固定效应中通过显著性检验的解释变量个数增加，且随机效应方差明显下降，进一步验证了本研究所采用的多层回归模型在讨论城市群耕地变化影响机制方面的合理有效性。

从城市尺度上看，农业人口增多、城镇人口规模等级提升以及第二产业发展会导致耕地面积的增加，说明当前人口增长对耕地资源需求较大，同时工业化进程显著转变了工业用地模式和农业发展模式[35]。建设用地快速扩张依然是耕地面积锐减、土地利用矛盾增强的主因，经济全球化和外商投资增加是建设用地扩张的催化剂，进一步催生耕地非农化需求，激化了城镇化与耕地保护二者之间的矛盾[34]。相反，增加科教投入，提升科技服务能力能够增强劳动力耕地保护意识，发展集约化土地利用技术，大幅降低耕地资源供需矛盾[36]。城市尺度影响因素呈现出显著的地域差异，沿海地区城市群耕地变化与人口、经济和农业机械化水平等因子相关，内陆城市群则同时还受到上一年粮食产量的影响。

城市群尺度上，外向功能作用力对耕地变化存在负向影响，并且不同水平、不同区域外向功能对耕地变化的影响存在显著差异。外向功能作用的增强对具有负向城市流强度的城市的耕地面积变化有着积极影响，相关系数为0.318（图4a），而与具有正向城市流强度的城市耕地面积变化呈现显著的负相关关系，相关系数为-0.602（图4b）。这说明区域内处于交互作用中城市流流入地位的发达城市由于城市化、工业化进程较快，耕地的非农化需求巨大，以城镇用地为物质基础的城市化发展直接挤占了作为粮食保障的耕地资源；而城市化进程较慢的城市一方面耕地非农化需求有限，另一方面也可能承担起了城市群耕地保护的任务，交互作用下的土地流转使得耕地存量和质量得以提高[10,37-38]。

从地域分异角度看，不论是沿海城市群还是内陆城市群，城市群中处于不同外向作用水平的城市，其城市流强度与耕地面积变化间均呈现出与全国范围一致的规律，即城市流流出水平的城市耕地保护受到空间交互作用的增强的积极影响，而城市流流入水平的城市则会随着城市空间交互作用的加强加速耕地资源消耗。不同之处在于对沿海城市群城市流流出水平的城市而言，其外向作用水平与耕地面积变化间的相关系数为0.411（图4c）高于内陆城市群的0.337（图4e）；对沿海城市群城市流流入水平的城市而言，其外向作用功能与耕地面积变化间的相关系数为-0.516（图4d）小于内陆城市群的-0.896（图4f）。沿海城市群在土地流转、占补平衡等政策法规的制定和执行上优于内陆城市群，有效地抑制了耕地非农化需求的增长。同时，沿海地区经济实力和技术水平相对发达，有助于提高土地利用集约效率，从而有效减少耕地非农化需求[15,34]。

中国前中期快速城镇化进程在城市扩张的同时消耗和占用了大量耕地资源，随着各地区城镇化向协同发展阶段的迈进或深入，切实保护耕地资源成为新时期国土空间开发的重点。推行国土空间开发战略旨在统一管控空间资源，不仅关系到资源开发与利用、经济发展，还关系到国土安全与竞争力。本研究结果表明城市交互作用的增强没有能够有效抑制耕地面积减少，且城市群中处于不同外向服务水平的城市耕地面积变化呈现明显差异，这一结论在平衡城镇化空间格局、耕地空间与粮食安全等问题上具有重要意义，有助于重新认识耕地保护在城市协同发展进程中的位置和重心。

图4 城市群外向功能作用力对耕地面积变化影响分析

4 结 论

本研究通过构建3个城市群耕地面积变化多层回归模型，探讨了主要城市群耕地变化影响机制的尺度效应和地区分异。结果表明，全国主要城市群2005－2015十年间耕地面积锐减17 572.8km2，耕地保护形势严峻。城市尺度上，农业人口的增长等会促进耕地增加，而建设用地扩张等和耕地面积增长则有一定冲突。城市群尺度上空间交互因子均与耕地面积变化呈负相关关系，说明粗放扩张下交互作用的增强无益于耕地保护。影响因子同时存在区域差异，人口因子、建设用地面积对内陆城市群影响较大，而工业化、农业机械化水平在沿海有着更大推动作用，此外城市群经济联系总引力的影响体现在沿海地区，外向功能作用力则在内陆有明显影响。沿海城市群空间交互对耕地保护的积极作用大于发展相对落后的内陆城市群，且消极影响也小于内陆城市群。

城市空间交互作用增强的同时也给耕地保护带来了一定的阻力和威胁。合理控制工业化、城镇化进程，聚焦影响机制的尺度与地区差异，完善政策法规，修正粗放扩张模式，提高土地利用效率等，是促进城市群健康发展，推行耕地保护、缓解用地矛盾的关键思路。本文从城市协同发展视角出发，考虑了耕地变化的尺度效应，从研究视角和研究方法两方面拓展了空间交互作用下城市群耕地变化内在机理的研究，基于交通网络的空间运输联系、生态政策因素等对于城市群耕地变化的影响有待进一步深入。

[1] 刘彦随，乔陆印. 中国新型城镇化背景下耕地保护制度与政策创新[J]. 经济地理，2014，34(4)：1－6. Liu Yansui, Qiao Luyin. Innovating system and policy of arable land conservation under the new-type urbanization in China[J]. Economic Geography, 2014, 34(4): 1－6. (in Chinese with English abstract)

[2] 徐明岗，卢昌艾，张文菊，等. 我国耕地质量状况与提升对策[J]. 中国农业资源与区划， 2016，37(7)：8－14. Xu Minggang, Lu Changai, Zhang Wenju, et al. Situation of the quality of arable land in China and improvement strategy[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(7): 8－14. (in Chinese with English abstract)

[3] 中华人民共和国国土资源部. 关于提升耕地保护水平全面加强耕地质量建设与管理的通知[Z]. 2012-6-29.

[4] 中华人民共和国国土资源部. 2016年中国国土资源公报[R]. 北京：中华人民共和国国土资源部. 2016.

[5] Deng Xiangzheng, Huang Jikun, Rozelle Scott, et al. Impact of urbanization on cultivated land changes in China[J]. Land Use Policy, 2015, 45: 1－7.

[6] Liu Yansui, Fang Fang, Li Yuheng, et al. Key issues of land use in China and implications for policy making[J]. Land Use Policy, 2014, 40: 6－12.

[7] Ashraf M Dewan, Yasushi Yamaguchi. Land use and land cover change in Greater Dhaka, Bangladesh: Using remote sensing to promote sustainable urbanization[J]. Applied Geography, 2009, 29: 390－401.

[8] Didit Okta Pribadi, Stephan Pauleit. Peri-urban agriculture in Jabodetabek Metropolitan area and its relationship with the urban socioeconomic system[J]. Land Use Policy, 2016, 55: 265－274.

[9] Didit Okta Pribadi, Stephan Pauleit. The dynamics of peri-urban agriculture during rapid urbanization of Jabodetabek Metropolitan area[J]. Land Use Policy, 2015, 48: 13－24.

[10] Song Lei, Cao Yingui, Zhou Wei, et al. Study on the variation of arable land use and management countermeasures under rapid urbanization: The application of a gravity model in a regional perspective[J]. Environmental Monitoring and Assessment, 2019, 191(2)：191－120.

[11] Wang Jing, Lin Yifan, Glendinning Anthony, et al. Land－use changes and land policies evolution in China's urbanization processes[J]. Land Use Policy, 2018, 75: 375－387.

[12] 程维明，高晓雨，马廷，等. 基于地貌分区的1990－2015年中国耕地时空特征变化分析[J]. 地理学报，2018，73(9)：1613－1629. Cheng Weiming, Gao Xiaoyu, Ma Ting, et al. Spatial-temporal distribution of cropland in China based on geomorphologic regionalization during 1990-2015[J]. Acta Geographica Sinica, 2018, 73(9): 1613－1629. (in Chinese with English abstract)

[13] 欧阳玲，王宗明，贾明明，等. 基于遥感的吉林省中西部耕地数量和质量空间格局变化分析[J]. 农业工程学报，2016，32(13)：234－242. Ouyang Ling, Wang Zongming, Jia Mingming, et al. Spatial pattern analysis on quantity and quality of cultivated land in mid-west Jilin province based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE)), 2016, 32(13): 234－242. (in Chinese with English abstract)

[14] Liu Hongbin, Zhou Yuepeng. Urbanization, land use behavior and land quality in rural China: An analysis based on pressure－response－impact framework and SEM approach[J]. International Journal of Environmental Research and Public Health, 2018, 15(12): 2621.

[15] 王千，金晓斌，周寅康. 江苏沿海地区耕地景观生态安全格局变化与驱动机制[J]. 生态学报，2011，31(20)：5903－5909. Wang Qian, Jin Xiaobin, Zhou Yinkang. Dynamic analysis of coastal region cultivated land landscape ecological security and its driving factors in Jiangsu[J]. Acta Ecologica Sinica, 2011, 31(20): 5903－5909. (in Chinese with English abstract)

[16] 周建，张凤荣，徐艳，等. 基于降水量与土壤类型的北方农牧交错区土地利用/覆被格局及变化分析——以科尔沁左翼后旗为例[J]. 地理研究，2017，36(7)：1010－1222. Zhou Jian, Zhang Fengrong, Xu Yan, et al. Analysis of land use/cover pattern and its changes in the agro-pastoral ecotone based on the precipitation and soil types: A case study of Horqin Left Rear Banner[J]. Geographical Research, 2017, 36(7): 1010－1222. (in Chinese with English abstract)

[17] 邓楚雄，李晓青，向云波，等. 长株潭城市群地区耕地数量时空变化及其驱动力分析[J]. 经济地理，2013，33(6)：142－147. Deng Chuxiong, Li Xiaoqing, Xiang Yunbo, et al. The spatio-temporal change and driving forces of cultivated land quantity in Chang-Zhu-Tan urban agglomeration[J]. Economic Geography, 2013, 33(6): 142－147. (in Chinese with English abstract)

[18] 卫新东，王筛妮，员学锋，等. 陕西省耕地质量时空变化特征及其分异规律[J]. 农业工程学报，2018，34(3)：240－248. Wei Xindong, Wang Shaini, Yuan Xuefeng, et al. Spatial and temporal changes and its variation of cultivated land quality in Shaanxi Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE)), 2018, 34(3): 240－248. (in Chinese with English abstract)

[19] 刘彦彤，张延军，赵玲. 长春市耕地动态变化及其驱动力分析[J]. 地理科学，2011，31(7)：868－873. Liu Yantong, Zhang Yanjun, Zhao Ling. Dynamic changes of cultivated land in Changchun city and their driving forces[J]. Scientia Geographica Sinica, 2011, 31(7): 868－873. (in Chinese with English abstract)

[20] 易浪，任志远，刘焱序. 西安市耕地面积变化驱动力分析及动态预测[J]. 干旱区研究，2013，30(6)：1144－1149. Yi Lang, Ren Zhiyuan, Liu Yanxu. Driving forces and dynamic prediction of cultivated land area change in Xi’an[J]. Arid Zone Research, 2013, 30(6): 1144－1149. (in Chinese with English abstract)

[21] 姜楠，贾宝全，宋宜昊. 基于Logistic回归模型的北京市耕地变化驱动力分析[J]. 干旱区研究，2017，34(6)：1402－1409. Jiang Nan, Jia Baoquan, Song Yihao. Driving forces of arable land change in Beijing based on Logistic regression model[J]. Arid Zone Research, 2017, 34(6): 1402－1409. (in Chinese with English abstract)

[22] 申海建，郭荣中. 湖南省耕地资源动态变化及其驱动力[J]. 水土保持通报，2016，36(4)：309－314. Shen Haijian, Guo Rongzhong. Change of cultivated land and its driving force in Hu’nan Province[J]. Bulletin of Soil and Water Conservation, 2016, 36(4): 309－314. (in Chinese with English abstract)

[23] 中华人民共和国发展和改革委员会. 国家新型城镇化规划（2014－2020年）[R]. 北京：中华人民共和国发展和改革委员会. 2014.

[24] 焦利民，唐欣，刘小平. 城市群视角下空间联系与城市扩张的关联分析[J]. 地理科学进展，2016，35(10)：1177－1185. Jiao Limin, Tang Xin, Liu Xiaoping. Spatial linkage and urban expansion: An urban agglomeration perspective[J]. Progress in Geography, 2016, 35(10): 1177－1185. (in Chinese with English abstract)

[25] 刘旭华，王劲峰，刘纪远，等. 国家尺度耕地变化驱动力的定量分析方法[J]. 农业工程学报，2005，21(4)：56－60. Liu Xuhua, Wang Jinfeng, Liu Jiyuan, et al. Quantitative analysis approaches to the driving forces of cultivated land changes on a national scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(4): 56－60. (in Chinese with English abstract)

[26] Chao Zhenhua, Zhang Peidong, Wang Xufeng. Impacts of urbanization on the net primary productivity and cultivated land change in Shandong province, China[J]. Journal of the Indian Society of Remote Sensing, 2018, 46(5): 809－819.

[27] Pandey Bhartendu, Seto Karen C. Urbanization and agricultural land loss in India: Comparing satellite estimates with census data[J]. Journal of Environmental Management, 2015, 148: 53－66

[28] Abass Kabila, Adanu Selase Kofi, Agyemang Seth. Peri－urbanisation and loss of arable land in Kumasi Metropolis in three decades: Evidence from remote sensing image analysis[J]. Land Use Policy, 2018, 72: 470－479.

[29] 方创琳. 2016中国城市群发展报告[M]. 北京：科学出版社，2016：52－71.

[30] Stephan W. Raudenbush, Anthony S. Bryk. 郭志刚（译）. 多层线性模型：应用与数据分析方法[M]. 北京：社会科学文献出版社，2007：40－49.

[31] 钟海玥，张安录. 基于分层线性模型的武汉城市圈农地城市流转经济驱动机制研究[J]. 经济地理，2014，34(5)：76－82. Zhong Haiyue, Zhang Anlu. Land conversion driving forces based on hierarchical linear models: A case study in Wuhan metropolitan area[J]. Economic Geography, 2014, 34(5): 76－82. (in Chinese with English abstract)

[32] 郇红艳，谭清美，朱平. 城乡一体化进程中耕地利用变化的驱动因素及区域比较[J]. 农业工程学报，2013，29(21)：201－213. Huan Hongyan, Tan Qingmei, Zhu Ping. Driving factors of cultivated land use change in city and countryside integration process and region comparisons[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(21): 201－213. (in Chinese with English abstract)

[33] 吴业，杨桂山，万荣荣. 耕地变化与社会经济发展关系研究进展[J]. 地理科学进展，2008，27(1)：90－98. Wu Ye, Yang Guishan, Wan Rongrong. Advances in researches on relations between cultivated land change and socio- economic development[J]. Progress in Geography, 2008, 27(1): 90－98. (in Chinese with English abstract)

[34] 陈本清，徐涵秋. 城市扩展及其驱动力遥感分析——以厦门市为例[J]. 经济地理，2005，25(1)：79－93. Chen Benqing, Xu Hanqiu. Urban expansion and its driving force analysis using remote sensed data: A case of Xiamen city[J]. Economic Geography, 2005, 25(1): 79－93. (in Chinese with English abstract)

[35] 范辉，刘卫东，张恒义. 浙江省工业化、城市化与建设占用耕地规模的关系——基于工业化和城市化阶段划分的视角[J]. 水土保持通报，2015，5(6)：267－271. Fan Hui, Liu Weidong, Zhang Hengyi. Relationship between cultivated land occupation by construction and industrialization & urbanization in Zhejiang Province: Based on perspective of stage division of industrialization and urbanization[J]. Bulletin of Soil and Water Conservation, 2015, 5(6): 267－271. (in Chinese with English abstract)

[36] 王洋，王少剑，秦静. 中国城市土地城市化水平与进程的空间评价[J]. 地理研究，2014，33(12)：2228－2238. Wang Yang, Wang Shaojian, Qin Jing. Spatial evaluation of land urbanization level and process in Chinese cities[J]. Geographical Research, 2014, 33(12): 2228－2238. (in Chinese with English abstract)

[37] 肖汝琴，陈东景. 山东半岛蓝色经济区城市群空间联系定量研究[J]. 经济地理，2014，34(8)：75－80. Xiao Ruqin, Chen Dongjing. The spatial contacts among cties of the Shandong peninsula blue conomic zone[J]. Economic Geography, 2014, 34(8): 75－80. (in Chinese with English abstract)

[38] 余沛. 中原城市群空间联系研究[D]. 成都：西南交通大学，2011.

Yu Pei. Spatial Linkages Research of the Zhongyuan Urban Agglomeration[D]. Chengdu: Southwest Jiaotong University, 2011. (in Chinese with English abstract)

[39] 宋佳楠，金晓斌，周寅康. 基于多层线性模型的耕地集约利用对粮食生产力贡献度分析——以内蒙古自治区为例[J]. 资源科学，2010，32(6)：1161－1168. Song Jianan, Jin Xiaobin, Zhou Yinkang. A study on the contribution rate of agricultural land use intensity to grain productivity based on hierarchical linear models: A case study on the Inner Mongolia[J]. Resources Science, 2010, 32(6): 1161－1168. (in Chinese with English abstract)

[40] 温福星. 阶层线性模型的原理与应用[M]. 北京：中国轻工业出版社，2009：41－48.

Analysis of influencing factors of cultivated land change in Chinese urban agglomerations considering spatially inter-city interactions

Liu Dianfeng, Zhou Boyuan, He Jianhua※, Kong Xuesong, Liu Yaolin

(430079,)

As the basic means of agricultural production, cultivated land plays an irreplaceable role in ensuring food security and promoting social and economic development. With the enhancement of urban interactions in space, the land use conflicts between urban development and agricultural protection have been intensified due to the diversified land demands caused by population agglomeration, industrial restructuring and infrastructure construction. Exploring the impacts of urbanization on cultivated land change has become a hot issue in China at present. Most of current studies have paid increasing attentions to the relationship between the growth of individual cities and cultivated land occupation, and few of them attempted to reveal the driving factors of cultivated land change from the perspective of spatial interaction of cities. Urban agglomeration is the main form of new urbanization in China. It is crucial to identify the distribution of cultivated land change and its driving factors from the perspective of urban agglomeration. In this paper, we measured the spatial connection of urban agglomerations based on the gravity equation and the urban flow intensity model, and then explored influencing factors of cultivated land conversion at the scales of individual cities and urban agglomerations during the period of 2005-2015 using a multilevel linear regression model. The research results show that the area of cultivated land in the major urban agglomerations has dropped sharply by 17 572.8 square kilometers in the decade from 2005 to 2015. The situation of cultivated land protection is grim. Then it shows significant scale effects and regional heterogeneity of cultivated land change in urban agglomerations. At the urban scale, the change of cultivated land is positively correlated with agricultural population, industrial economy and agricultural science & technology development, whereas negatively correlated with the growth of foreign investment and the expansion of construction land. At the scale of urban agglomeration, both indicators of spatial connection have a negative correlation with cultivated land change. Moreover, remarkable regional differences of influencing factors of cultivated land change exist between coastal and inland China. Comparing the regional differentiation of the degree of influence of outward functional forces, it can be found that the spatial interaction of coastal urban agglomerations has a more positive effect on the protection of cultivated land than the inland urban agglomerations with relatively backward development, and the negative impact is also smaller than that of inland urban agglomerations. The comparison with other models verified the effectiveness of the multilevel linear regression approach to reveal the influencing mechanism of cultivated land change on different scales. And the result of null model has proved the necessity and rationality in the research perspective of spatial interactions between cities. As a word, the strengthening of spatial interaction in urban agglomerations under rough development will obstruct the protection of cultivated land. In this case, controlling industrialization and urbanization reasonably, concerning the scale effects and regional heterogeneity, improving laws and regulations, correcting the rough development path, and improving land use efficiency might be the critical roads to relieve conflicts between development of urban agglomerations and protection of cultivated land.

land use; models; agglomeration; cultivated land; hierarchical linear models; spatial interactions

2019-05-18

2019-06-30

国家自然科学基金项目（41771429 & 41871301）

刘殿锋，副教授，博士，主要研究方向为土地资源可持续利用、土地利用生态效应与优化决策。Email：liudianfeng@whu.edu.cn

何建华，教授，博士，主要研究方向为城市群发展与土地利用、区域景观生态格局与效应分析。Email：hjianh@whu.edu.cn

10.11975/j.issn.1002-6819.2019.16.031

F301.2

A

1002-6819(2019)-16-0274-10

刘殿锋，周泊远，何建华，孔雪松，刘耀林.空间交互视角下中国城市群耕地变化影响因素分析[J]. 农业工程学报，2019，35(16)：274－283. doi：10.11975/j.issn.1002-6819.2019.16.031 http://www.tcsae.org

Liu Dianfeng, Zhou Boyuan, He Jianhua, Kong Xuesong, Liu Yaolin. Analysis of influencing factors of cultivated land change in Chinese urban agglomerations considering spatially inter-city interactions[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(16): 274－283. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.16.031 http://www.tcsae.org