基于Logistic 回归的耕地数量演变及其空间要素边际效应分析

刘彦文，周 霞，何宗宜，郝汉舟，何国松

（1. 武汉大学资源与环境科学学院，武汉 430079；2. 湖北科技学院资源环境科学与工程学院，咸宁 437100）

0 引 言

耕地是人类依存度最高的复合生态系统，在土地利用发展过程中，其功能范围从基础的食物生产到就业保障、从生态服务到社会安定维护[1]，外延在不断扩大。但受经济建设活动的驱动，大量优质耕地被非农事生产用途所占用[2-4]，致使其功能与形态在时空上均呈现不同程度的波动变化[5]。欧美等发达国家耕地功能已普通转型[6]，中国耕地也会经历相同的发展阶段，当前人文经济发展驱动的耕地高消费模式[7-8]，在空间因素中找到驱动平衡点对协调区域经济发展与耕地保护的关系具有重要现实意义。

借鉴土地利用研究一般方法，国内外耕地相关研究基本遵循时空演化、驱动机制、变化机理、生态经济效应与政策措施分析的研究模式。时空演化的定性定量描述以结合耕地景观与土地景观的描述较多[9-10]，研究范围以省市相当的尺度较为多见，基于快速城镇化占用大量建设用地的现实，对建设用地与耕地关系的研究较为集中。在驱动因素选择方面，结合区域自身特点，基于任何事物几乎都存在或强或弱空间相关性的先验认识[11]，除自然因素、人文经济因素外，空间因素也往往被作为耕地演化的主要原因加以考虑，例如：到最近道路、河流的距离等。基于耕地变化的有限性与数值记录的离散特点，研究方法多为Logistic 回归。Logistic模型由线性概率模型进行对数变换而得到，是研究因变量与自变量之间非线性关系的分类统计方法[12]，国内外大量成功研究的实例已证实Logistic 回归模型是土地利用变化和解释的有效方法[13]。其一方面通过指标的两两比较来寻找影响耕地变化的主要因素，另一方面用来对耕地的演化进行预测研究。大部分研究在相关因素分析中，以单因素效用分析为主，多因素交互分析的研究还不多见。Anselin[14]认为几乎所有的空间数据都具有空间相关或空间依赖的特性，空间信息的分项研究不能完全体现耕地演化的科学性、客观性、系统性和整体性，徐昭等[15]对不同盐渍化农田的玉米产量与灌水、施氮不同交互水平的研究验证了考虑空间因素的交互影响更符合实际。

本文借鉴边际分析在资源配置中具有重要作用的思想与因素交互分析方法[16]，在岗地丘陵区耕地演化分析基础上，通过增加公司企业等15 类POI（Point of Interest）点位数据，完善传统空间要素指标体系，探究空间单因素及其交互效应对耕地演变的影响，旨在对诸如空间距离因素、POI 核密度分布、自然高程坡度等空间要素与耕地演变的相互关系找到规律，在经济发展的同时有效保护耕地。以期对改善粗放式的经济发展模式与优化耕地保护格局提供有益参考。

1 材料与方法

1.1 研究区概况

鄂南地区地处长江中游南岸、湘鄂赣三省交界处，地跨113°32′～114°58′E，29°02′～29°19′N，素有“湖北南大门”“武汉后花园”之称，一般指咸宁市所辖的1区1 市4 县（咸安区、赤壁市、嘉鱼县、通山县、崇阳县和通城县）覆盖范围，区内以咸宁市政府所在地咸安区为龙头，带领其他1 市4 县共同发展。该地区河网密布、热量充足、雨水充沛，高山、丘陵、盆地自东南部幕阜山脉向西北部长江沿岸平原地带交替过渡。鄂南是武汉城市圈“两型社会”试验区的重要组成部分，第一批国家农业可持续发展试验示范区、国家生态保护与建设示范区等城市名片和全国蔬菜之乡等系列努力，奠定了其现代农业发展的坚实基础。全市2018 年地区生产总值增长8%（1 205 亿元）、固定资产投资增长14.5%（1 648 亿元），2017 年公路通车总里程1.6 万km、建成高速公路217.2 km，高速公路密度位居全省前列。但伴随着鄂南强市建设活动的推进，建设用地挤占优质耕地问题凸显，耕地向建设用地演变转化的比例在不断提升。

图1 研究区示意图 Fig.1 Sketch map of the study area

1.2 数据来源与处理

土地利用现状数据包括基于Landsat 影像解译的2000、2005、2010 年和2015 年4 期30 m 分辨率栅格成果[17]，以及国土部门提供的2010 年、2015 年土地利用现状变更调查、农用地分等定级等数据库资料；2012 年—2015 年部分研究区域土地利用现状、市县乡村四级土地利用等外业调查资料； 从地理空间数据云（http：//www.gscloud.cn/）下载的研究区DEM 数据，公司企业等15 类POI 数据来源于百度地图、高德地图等，并依据属性相似性及研究需要将其合并为公共服务、商业服务、娱乐休闲、行政注记四类，结合研究区GF1 遥感影像、Google Earth 影像等对部分数据进行了交叉验证。将所有空间数据统一转换为Krasovsky_1940_Albers 投影，按照空间驱动因素归类，在ArcGIS 中将每个因素处理为一层30 m×30 m 栅格数据，并将其值提取到抽样点上用于后续分析。

2 研究方法

2.1 主成分分析法

主成分分析法（Principal Component Analysis，PCA）本质上是将方差最大的方向作为主要特征，通过少数几个主成分再现全系统的大部分变异性，其一般目的是数据压缩与解释[18]，PCA 分析原理如下：

假设有n 个样本，每个样本有m 个属性字段，则原始数据可组成m 行乘以n 列的矩阵X，每列代表一个样本，每行代表一个属性。

将X 的每一行减去这一行的均值，进行零均值化，并求其协方差矩阵C。

求协方差矩阵的特征值λi及对应的特征向量ai，并将特征向量按对应特征值大小从上到下按行排列成矩阵，λi越大，方差贡献率越大，相应主成分反应的信息量就越大。Kaiser-Guttman 准则表明特征值大于1 是考虑主成分信度的有效成分选取标准，据此选取λi大于1 的前m个主成分建立标准化主成分回归方程。在SPSS 中求得偏回归系数后按实际需要可以将其再还原为原始变量的主成分回归模型[19]。

2.2 多元Logistic 回归模型

2.2.1 模型原理

耕地向其他地类的演替转化具有多元特征，各类POI 点核密度、到主要公路的距离等空间驱动因素具有连续特征，多元Logistic 回归模型契合现实表达，模型表述如下

式中因变量y 为耕地向其他地类的演替转化结果，自变量x 为空间要素的集合，xi、βi分别为单个空间要素及其对应的偏回归系数，b 为基准组，n 为空间要素总数，α 为常数项。

模型运算之后采用显著性水平为0.05 的似然比卡方检验，若P<0.05、伪R2的值大于0.2 表示模型通过检验[12]。各空间要素及其交互项回归系数显著性P<0.05表示其影响显著，检验合格的模型可进一步进行后续边际效应分析。

2.2.2 因子选择

耕地演变宏观上主要受自然条件、区域经济发展、土地利用政策等影响，耕地良好的自然条件、相对低廉的成本是其成为所有建设活动首要选择的根本原因[20]。国内外学者针对驱动因素分析建立相应指标体系对耕地演变已进行了大量相关研究，其中对空间因素的考虑以各类距离最多，例如：到最近道路距离、乡镇中心距离、面状水域距离等[21-23]，本文基于前人的相关研究、结合区域实际情况，首先选择到高速公路与铁路、到主要公路、到水系水域3 类空间距离因素。其次，由于随着经济发展与人们生活水平的提升，人们在居住地选择时对周边生态环境提出了更高要求，因此为了考查以旅游休闲景点为代表的良好自然生态环境区域周边耕地是否也受到影响，选入耕地到旅游景点的距离空间因素。自然坡度与水土流失、高程和地面物质与能量的再分配有密切关系，二者作为传统的空间要素引入模型。不同子区域内的土壤自身因素（例如：土壤类型、有机碳含量等）受研究尺度等影响，与耕地演变表现出较弱的相关性而未被引入模型。

电子地图兴趣点（POI）作为空间大数据的重要类型，已在土地利用回归模型应用[24]、土地利用变化时空效应分析[25]、城市空间要素分布模式识别[26]等方面发挥了重要作用，POI 作为联系土地利用状况的重要空间关联数据越来越被关注。本文将获取的各类POI 点按属性最终合并为4 类：公共服务类（例如：餐饮、医疗、生活服务）旨在体现日常生活服务需求用地对耕地的影响，商业服务类（例如：公司企业、商务大厦）主要从商业盈利用地驱动角度考虑对耕地影响，娱乐休闲类（例如：公园广场、寺庙祠堂、景点保护区）主要从生态保护角度考虑对耕地的影响，行政注记类（例如：自然村、乡镇区县注记）从人居环境倾向生态良好角度考虑对耕地利用影响。

2.3 边际效用分析法

2.3.1 边际效用分析原理

边际分析在资源配置中具有重要作用[16]，如同耕地功能与形态的变化致使其转型利用存在短期促进效用与长期边际递减性[5]，空间要素（例如：到主要道路距离）对耕地利用也应存在边际效用。适度的空间要素对生产条件的改善将正向激发耕地粮农生产的潜力，而过度的空间要素对邻近地块的空间溢出效应将负向诱发耕地非生产性的转出利用，耕地演变是各类空间要素综合交互作用下完成的，由于大部分空间交互作用都受到距离衰减效应的影响[27]，本文首先在不同距离尺度上对各类空间要素的边际效应进行分析；其次，类比距离衰减分析法，探查其他空间要素不同尺度变化下，对剩余空间要素的边际效应。边际效应是非线性模型中变量作用直观展示的常用方法，它与传统分析方法一样可以定性定量描述自变量的变化对因变量的影响程度，但传统分析更强调变量效应的符号和统计意义，而边际效应更强调结果的实质性与实际意义[28]。线性统计模型对边际效应的标准解释一般是指当自变量增加一个单位、其他变量保持不变时因变量的变化[29]，非线性Logistic 模型回归系数解释为弹性，弹性与边际效应的关系简述如下[30-31]

式中ε 指弹性，ME 指边际效应（Marginal Effects），计算方法见文献[32]，x, y 分别指自变量与因变量，∆为增量符号。Stata 中边际效应实现方法描述如下：

ANS 为多元 Logistic 回归结果，mlogit()为多元Logistic 回归函数，y 为多分类因变量，x 为空间要素集合，xm#xn为有效放入模型的空间交互项，m、n≤空间要素总数，MU(xi|xj)是在xj不同尺度系列下取值时xi的边际效应值，dydx(xi)为边际效应，min、step、max 分别为xj的最小值、步长间隔和最大值，具体运用Stata 软件margins命令附加at 选项完成。

2.3.2 采样点与空间指标遴选

采样点来自土地利用发生变化的每块耕地区域，不同时期耕地转化数量、破碎程度等不同，以变化区域面积为权重生成的每期总样点数不同，其中2000—2005、2005—2010、2010—2015 年样点数分别为880、866 和1 538 个。各类POI 指标经核密度插值生成栅格数据后，连同距离等其他空间要素一同赋值给采样点。指标遴选首先检验因变量与自变量的相关性、偏相关性和对数相关性，删除相关性较小、不显著性的因素（如土壤类型）。空间交互项的选择主要依据其作用效果的显著与否进行取舍，若计算结果中P<0.1 则视效果显著，并保留对应空间交互作用项，遴选出的空间要素如表1 所示。

表1 空间要素指标体系 Table 1 The index system of spatial element

3 结果与分析

3.1 耕地演化的空间特征

由耕地空间演变结果可知，2000—2005 年（图2a）耕地向水域用地演变较为明显，主要分布在嘉鱼县和赤壁市，前者紧邻长江水域资源丰足，尤其县域东北部平坦的地域优势，为市场机制调节下稻米种植与坑塘渔业的转换提供了便利，后者黄盖湖周边、陆水沿线也是连片水田分布区，邻近水域与地势平坦是其共同之处。耕地向建设用地演变在各县市都有分布，一般在原有建设区内加密增长和原有建设区周边外延扩展，例如咸安区浮山街道和温泉街道浮山茶场、泉塘村等连片大型住宅建设用地加密区。此外，主要公路周边因其便利的交通条件，也是耕地向建设用地转化的集中区，例如通山县西部南林桥镇大坪村、石垅村等京广线、咸通高速周边新增住宅、混凝土公司用地等。2005—2010 年（图2b）耕地综合演变最为激烈，耕地向建设用地、林地和水域用地演变尤为突出。耕地向建设用地演变在各县市都有明显增加，以鄂南区域经济中心咸安区最多，辖区内各次级中心内部及其周边是演变重点分布带，自东向西约平行贯穿全区的京港澳高速、杭瑞高速，以及214 省道等各级公路是耕地向建设用地转化的次级集中分布区。耕地向林地演变转化以崇阳县、通山县最多，长条陇形与点状零星相结合是其主要形态，周边原有林地发达、相对远离居民地集中区是其主要特征，此期间区内经济快速发展、农业人员工作转型所致耕地边际化是其主要原因。耕地向水域演变转化以嘉鱼县最多，综观所有转化区域，大部分都发生在原有集中连片、接近自然水体的平坦耕地区内，例如嘉鱼县新街镇余码头村北部约300 hm2紧邻长江的连片耕地转换区。2010—2015年（图 2c）耕地演化转变较前期明显收紧，除耕地向建设用地转化较为明显外，耕地向其他地类的转化量明显减少。嘉鱼县鱼岳镇新城区、潘家湾镇畈湖工业园区、咸安工业园区、赤壁市赤马港街道新建、扩建、续建项目区、崇阳县天城镇老城区周边及南部新城工业区等是耕地向建设用地转化的主要分布区。受益于国家耕地保护政策完善调整，粗放式土地利用向集约利用转变效果显著，但区域经济发展对耕地侵占短期内依然存在。

3.2 耕地演化的时序特征

2000—2015 年间，耕地向各地类转化的总数量为295 355 个像元（表2），3 期演变转化比例分别为14.97%、65.41%和19.62%。耕地在不同时期演变转化类型与数量存在明显不同，总体呈现出倒U 形演变转化形态，各类转化在2005—2010 年达到顶峰后总体回落，但不同地类降幅存在显著差异。以耕地向各地类转化总量为参照，与2000—2005 年相比，2010—2015 年耕地向林地、草地、水域和未利用地转化的比例变化分别下降 8.77%、17.08%、37.94%和11.09%，但耕地向建设用地演变转化上升了28.71%，3 期演变转化比例分别为8.03%、55.23%和36.74%。

表2 2000—2015 年耕地演变转化 Table 2 Evolution of cultivated land from 2000 to 2015

图3 展示了2000—2015 年间耕地演变转化类型及其对应数量关系，由图3a 可知，耕地向水域、建设用地和林地演变转化明显，其转化量分别占基期耕地转化量的54%、28%和16%，占末期各地类转入总量的比例分别为78%、65%和95%。由图3b 可知，2005 —2010 年间耕地向其他地类转化依旧呈现多元趋势，其中向建设用地、林地与水域用地演变转化量分别占基期耕地转化量的44%、37%和17%，占末期各地类转入总量的比例分别为57%、68%和70%。由图3c 可知，2010—2015 年间耕地向建设用地演变转化占绝对优势，而向其他地类转化量锐减，其转化量占基期耕地总转化量的比例达到96%，占末期建设用地总转入量的60%，耕地与林地成为这一时期建设用地的主要来源。

图2 2000—2015 年耕地时空演变 Fig.2 Spatio-temporal evolution of cultivated land from 2000 to 2015

3.3 Logistic 回归因变量主成分筛选

在评价指标相关性分析与对数相关性分析显著性指标筛选基础上（P=0.01，双侧），为了进一步消除指标之间可能存在的信息冗余及共线性，以提升边际效用分析的针对性，并精简Logistic 回归方程，采用SPSS 软件分别对2000—2005、2005—2010 和2010—2015 年三期数据进行主成分分析。采用因子最小特征值大于1 提取主成分数目，主成分旋转采用最大方差法，3 期KMO 统计量分别为0.78、0.79 和0.76，巴特利特球形检验结果均小于0.01，适合主成分分析。

图3 2000—2015 年耕地利用时序演变 Fig.3 Temporal-utilized evolution of cultivated land

2000—2015 年3 期主成分分析结果中，第2 主成分因子最小特征值分别为1.697、1.366 和1.741，此后主成分因子最小特征值都小于1（表3，表中只列出前3 个主成分），所以每期都提取出前2 个主成分用于后续分析。由旋转后的主成分载荷矩阵（表4）可知，2000—2005年间，在第1 个主成分因子上变量P1、P2和P3的载荷超过0.9，变量P4载荷为0.731，表明公共服务、商业服务、娱乐休闲3 类POI 所代表的公共服务业发展水平、工业规模和商业发展，以及自然村镇等人文要素交织综合作用显著。在第2 个主成分上变量S2和S1较大的载荷表明高程坡度等自然因素状况、D1和D2较大的载荷说明到主要公路、水域等距离因素综合作用显著，二者综合归纳为自然区位因素。

2005—2010年和2010—2015年各主成分不同变量载荷比例与前述基本相同，变量P4在第1 主成分的载荷比例都有下降，第2 主成分中S2与S1自然因素类载荷比例逐渐下降，D1、D2和D3所代表的到主要公路距离等因素载荷比例逐渐上升。自2000—2015 年间第2 主成分中，D1、D2、D3的载荷之和与S1、S2的载荷之和的比例分别为0.46、0.52 和0.58。上述第1 主成分是所有POI 的集中反映，统一概括为POI 二三产业经济因素x1，第二主成分统一概括为自然区位因素x2。

表3 2000—2015 年主成分提取分析 Table 3 Principal component extraction and analysis from 2000 to 2015

表4 主成分载荷矩阵 Table4 Principal component loading matrix from 2000 to 2015

3.4 空间要素边际效应分析

利用SPSS 计算所得各观测对象在第1、第2 主成分上的得分，联合不同时期耕地演变类型并考虑要素空间交互效应建立Logistic 回归模型（式7）。

对2000—2005、2005—2010 和2010—2015 年耕地转换与2 个主成分计算结果分别进行附加交互项的多元Logistic 回归，回归模型结果中伪R2分别为0.33、0.25 和0.21，T 检验系数之间存在显著差异，分别拟合无约束模型和约束模型后，似然比检验值分别为652.80、441.99 和403.37，模型回归结果与似然比检验都在P=0.01 水平显著。

空间要素边际效应分析采用双向分析方法，既分析x1在不同取值时对x2的边际效应，也分析x2在不同取值时对x1的边际效应。图4a、图4d 表明2000—2005 年间x1与x2交互作用下耕地向各不同用地类型转化的边际效应变化情况，图4a 说明x1的不同取值对耕地转化类型在主成分x2上的边际效应不同，伴随着x1的取值由小到大变化，x2在耕地向林地、草地和未利用地转化时的边际效应变化不太明显，但x2在耕地向建设用地和水域转化时的边际效应变动十分明显。耕地向建设用地转换的边际效应曲线主体呈下降趋势，而耕地向水域转换的边际效应曲线主体呈上升趋势。二者不同的曲线取值与变动符号表明，随着x1经济因素好转（例如：公共服务类、商业服务类POI 密度越大）和x2距离类要素增加（例如：耕地到主要道路距离增大），使x2在耕地向建设用地和水域转换的边际效应都呈下降趋势，曲线交点两侧二者边际效应下降幅度基本相同、但变换性质相反（曲线上下、左右基本镜面对称），例如：当x1=0.69 变动为x1=0.99时，在x2增加1 个单位后，耕地向水域转换的边际效应从x2=-0.066 变换为x2=0.008，变动量为+0.074，而耕地向建设用地转换的边际效应从 x2=-0.128 变换为x2=-0.197，变动量为-0.069。耕地向建设用地转换和耕地向水域转换二者存在边际效应等值转换交点，约在x1=0.54 附近，此时x2对耕地向水域转换的边际效应为-0.109(p=0.008)、耕地向建设用地转换的边际效应为-0.089(p=0.030)，边际效应数值的正、负号对应表明边际效应上升和下降。

图4d 说明x2的不同取值对耕地不同转化类型在x1上的边际效应不同，当x2<2 时具有较小的置信区间，其后各类转化边际效应变化不大但不确定性上升较快。当x2<1 时，x2的不同取值对x1边际效应影响变动最大的仍然是耕地向建设用地和水域用地类型的转化。Logistic 回归结果中系数解释为耕地向各个不同地类转化的弹性[30]，βi表示第i 个驱动力变化1%引起耕地向对应地类转化的概率变化βi%。以图4d 中x2=0.09 与x2=0.59 为例，x1对耕地向建设用地和耕地向水域转化的边际效应分别由0.16(p=0.000)下降为0.08(p=0.001)和从-0.14(p=0.000)上升为-0.01(p=0.722)。这说明当x2代表的耕地自然区位因素（例如：到主要公路的距离）增加时，在同等产业经济条件下，耕地转换为建设用地的边际概率在下降，而耕地转换为水域的边际概率在上升，即当耕地自然区位因素数值越小（例如：耕地越接近主要道路）时，其转化为建设用地的可能性比转化为水域的可能性大。

图4 2000—2015 年空间要素平均边际效应 Fig.4 Average marginal effects of spatial factors from 2000 to 2015

图4b、图4e 表明2005—2010 年间x1与x2交互作用下耕地向各不同用地类型转化的边际效应变化情况，由图4b 可见，随着x1的取值不断增大，x2对耕地向建设用地转换的边际效应下降幅度在不断增大，在x1=0.5 以后下降趋势趋于平稳；x2对耕地向水域转换的边际效应下降趋势在逐渐减小，在x1=0.2 以后先转为上升变化，后趋于基本平稳状态；x2对耕地向林地转换的边际效应上升幅度在不断减小，x2对耕地向草地和未利用地转换的边际效应不明显。由图4e 可见，随着x2的取值不断增大，x1对耕地向建设用地转换的边际效应曲线总体呈下降趋势，在x2=2 附近边际效应到达零值后趋于平稳；x1对耕地向水域转化的边际效应下降趋势逐渐减小，且在x2=1.2 以后趋于平稳；x2对耕地向林地转化的边际效应呈敞口的U形变化，下降趋势在x2=0.7 附近达到最大后转为减小趋势，在x2=2.6 后趋于平稳。

图4c、图4f 表明2010—2015 年间x1与x2交互作用下耕地向各不同用地类型转化的边际效应变化情况，由两图可见，x2对耕地向建设用地等各类型转换时的边际效应变化规律基本与前述相同，但在变化幅度等方面存在差异，如图4f，x1对耕地向建设用地转换、耕地向水域转换的边际效应变化幅度较前述两期明显变小。

由图4a、图4b、图4c 对比可见，伴随着x1取值的不断增大，三幅图中x2对耕地向建设用地转换和耕地向水域转换的边际效应变化最明显。x2对耕地向建设用地转换的边际效应下降趋势逐渐增大（负向偏离零值）后趋于平稳、x2对耕地向水域转换的边际效应下降趋势逐渐减小（负向靠近零值）后趋于平稳。但不同时期x2对耕地向建设用地转换和耕地向水域转换二者在x1不同取值时的边际效应差值各自都在逐渐减小、二者曲线交点逐渐左移；三幅图中x2对耕地向林地转换边际效应为正值，但越来越小呈上升减小趋势、x2对耕地向草地和未利用地转换边际效应不明显。由图4d、图4e、图4f 对比可见，伴随着x2取值不断增大，x1对耕地向建设用地转换、耕地向水域转换、耕地向林地转换边际效应变化较为明显，其变化趋势基本一致，但三幅图中耕地向同种用地类型转换时的曲线变动幅度、耕地向不同种用地类型转换时的曲线间边际效应交点出现位置不同，2010—2015 年间耕地各类转换曲线变动幅度相比2000—2005 年、2005—2010 年明显减小。这期间国土资源部针对高标准基本农田建设与基本农田划定密集召开了多次会议，在国家层面加强了对耕地与基本农田的保护，边际效应曲线也反映了土地利用政策的变动对耕地转换的影响。

4 结论与讨论

1）耕地空间演变表现出相似类型的集聚性，不同耕地转换类型受周边同类用地空间溢出效应影响明显。耕地时间演变表现出不同类型的差异性，耕地转换类型受土地利用政策宏观调控影响明显，主要表现为耕地向其他类型转换的比例下降而向建设用地转换的比例上升。耕地向建设用地转换主要集中在城镇周边、主要道路沿线等区域，耕地向水域转化集中在原有供水良好的平原耕地区，耕地向林地转化集中在原有林地发达的边际化耕地分布区。城镇作为小区域经济、人文集聚中心，其综合因素的空间溢出效应对邻近耕地向建设用地转换的影响较为明显。2000—2015 年间耕地转化演变呈倒U 形态分布，耕地向水域、林地等转换量逐渐减小，但耕地向建设用地转换比例增长较快，2000—2005、2005—2010和2010—2015 年3 期耕地各自转换总量中，耕地向建设用地的转换比例自28%过渡至44%后，骤然上升至96%。耕地转换类型受耕地保护政策影响，向建设用地单一化转化倾向明显。

2）空间要素对耕地转化存在边际效应，不同时期耕地不同转化类型的边际效应曲线在变化幅度、同类曲线交点在横轴上的交点位置等都存在差别。自然区位因素对耕地向建设用地转换和耕地向水域转换在POI 空间要素不同取值时边际效应的变化明显，但伴随着POI 空间要素的不断增大，耕地向建设用地类型转换和耕地向水域类型转换二者边际效应曲线变动幅度不断变小、二者边际效应曲线等值转换交点向左移动。POI 空间要素对耕地不同转换类型随着自然区位因素不同取值的边际效应变化具有类似规律。

3）边际效应值为零是空间要素对耕地不同转化类型边际效应上升与下降的转折点，且与现实情况联系紧密，依赖于空间要素的不同取值。依据耕地转换类型空间要素边际效应变化曲线特征，可见空间因素影响的边际效应存在临界性，在临界值范围内，边际效应随着空间要素取值不同变化明显，但在临界范围之外，边际效应随着空间要素取值不同而趋于稳定。传统的耕地利用演化研究中一般揭示了演化结果与驱动机制的关联性，但对驱动因素边际性影响的揭示略有不足，诸如POI 点所代表的空间要素密度、到主要道路的距离等代表的人文因素，在具体空间内数量上达到饱和时，理论上应该出现边际影响的转折点，边际效应系列曲线对此进行了直观展示。

土地利用空间格局是自然因素和人文因素综合交互耦合的内源张力表现，空间要素边际效应临界值的存在揭示其影响存在规律性与边界性，区域耕地保护与建设用地扩张在要素边际效应指导下可以探索空间布局的最优化。区域路网密度、区域经济发展的不同等级层次等因素对土地利用空间格局既有单独直接影响，又有交互耦合影响，空间要素的边际效应对耕地布局优化与区域协调发展策略制定具有良好的参考作用。