下辽河平原典型区耕地格局变化及其空间要素驱动

王全喜，宋 戈

·土地保障与生态安全·

下辽河平原典型区耕地格局变化及其空间要素驱动

王全喜，宋 戈※

（1. 东北大学文法学院土地资源管理系，沈阳 110169; 2. 辽宁省自然资源厅土地保护与利用重点实验室，沈阳 110169）

为明确粮食主产区耕地格局动态变化特征及其空间驱动因素。该研究以下辽河平原典型区沈阳市为研究区，运用变化轨迹分析法、重心迁移模型和景观格局指数，揭示1980—2000年和2000—2018年耕地格局变化特征，并从空间要素角度出发，运用随机森林算法识别不同区域尺度耕地格局变化空间驱动因素。结果表明：1）1980—2000年耕地格局相对稳定，耕地重心向西南方向迁移；2000—2018年耕地流失严重，耕地重心向西北方向迁移，迁移速度加快。2）2 个研究时段内耕地变化均具有转入转出双向特征，1980—2000年耕地转入与耕地转出速度缓慢，2000—2018年耕地转出面积远高于耕地转入面积，耕地转出区域以城区周边为主。3）不同区域尺度空间驱动因素重要性大小存在差异，空间距离要素、地理空间要素和政策因素对耕地格局变化起主要驱动作用，高程和坡度对耕地格局变化的影响较小。研究证实了随机森林算法能够有效量化耕地格局变化空间驱动因素，研究结果可为构建耕地保护长效机制提供借鉴与参考。

土地利用；耕地；空间格局；驱动因素；随机森林算法；下辽河平原

0 引 言

耕地是国家粮食安全和社会稳定的“压舱石”“稳定器”，是重要且不可替代的自然资源[1]。耕地保护关系国计民生，中国实行的最严格的土地用途管制制度在耕地保护中发挥了重要作用[2]，中国耕地保护已从单独侧重数量到数量和质量并重进入到数量、质量和生态“三位一体”保护与治理相结合的新阶段[3]。尽管中国通过一系列的法规、政策手段守住了耕地数量红线，通过土地复垦、占补平衡和国土整治等方式补充耕地，但城市扩张、退耕还林还草等导致耕地持续减少。当前，耕地空间格局发生了显著重构[1]，一定程度上影响耕地系统安全[4]，威胁国家粮食安全生产[5]。耕地格局是由耕地或耕地转换类型数量、形状、大小和空间分布组成的功能和结构有机体[6-7]，是城乡发展空间与生态保护空间联系的关键纽带，是发展与保护矛盾协调的直观体现。随着经济快速发展与人口急剧增加，耕地生产空间与城乡发展空间矛盾日益加剧，耕地格局变化的驱动归因一直是耕地可持续利用关注的热点问题。在“藏粮于地、藏粮于技”战略背景下，深入认识耕地格局演化过程并揭示其空间要素驱动机制，对协调区域经济发展与耕地保护的关系具有重要的学术价值和现实意义。

目前，国内外学者针对耕地格局变化及其影响因素开展了大量探索，研究从耕地变化区域特征[8]、空间格局[9]、耕地景观格局[10-11]、耕地格局变化动态过程[12]等方面揭示了耕地空间格局变化的客观规律，探讨其对粮食生产[13]、耕地适宜性[14]等方面的影响，研究得出耕地格局变化导致耕地生产力和适宜性下降。耕地格局变化受自然因素和人文因素的干扰[15-17]，尤其是气候、绿洲人工灌排技术发展等因素的影响[18-20]，滴灌系统管网的空间分布决定耕地分布格局，为进一步掌握耕地格局变化的驱动因素提供了重要基础。耕地是粮食主产区主要的土地利用类型，已有研究揭示了三江平原典型区水田分布格局特征[21]。总体上，针对耕地格局变化驱动因素定量化的研究相对较少，尤其是与基于遥感数据的耕地格局变化分析相比，驱动因素分析数据和量化空间表达仍待进一步丰富和完善。例如，研究耕地分布格局变化驱动力至关重要的雨养、灌溉等数据的较难确切、详细掌握，社会经济、政策、技术等数据大部分是基于行政单元的统计数据，空间量化表达上有一定局限性[20]，与耕地格局变化分析数据在范围、空间分辨率等方面较难匹配，一定程度上限制着对耕地格局变化驱动机制的深入理解。近年来，兴趣点（Point of Interest，POI）作为联系土地利用状况的重要空间关联数据，描述了地理实体的空间位置和属性信息，能在一定程度上映出城市的各类活动，体现公共服务业发展水平、工业规模和商业发展，在城市蔓延测度[22]、城市空间要素分布模式识别[23]等方面发挥了重要作用，已成功应用于耕地数量变化影响因素分析中[24]，为开展耕地格局变化的驱动因素量化空间表达研究奠定了基础。POI数据样本量大、涵盖信息丰富，与机器学习算法相结合将更能发挥在空间要素驱动研究中的重要作用[25]。随机森林算法作为常用的集成学习机器算法，无需考虑传统回归分析时的多重共线性问题，可评估耕地数量变化的影响因素重要性[26]，鲜见结合随机森林算法和POI数据开展粮食主产区耕地格局变化驱动因素的研究。

鉴于此，本研究以东北三省开发强度最大的下辽河平原典型区域沈阳市为研究区，采用变化轨迹分析法、重心迁移模型和景观格局指数等方法，分析1980—2018年耕地格局变化特征，从空间要素角度出发，引入随机森林算法识别耕地格局变化驱动因素重要性，旨在对辽河平原耕地保护和管理提供科学依据。

1 研究区概况与数据来源

1.1 研究区概况

沈阳市位于辽宁省中部（图1），介于122°25′～123°48′E，41°11′～43°02′N，是辽宁省乃至全国重要的商品粮基地之一，同时也是辽中南城市群核心城市。该区域地势较为平坦，以平原为主，山地丘陵集中在东北、东南部，辽河、浑河、秀水河等途经境内。2019年沈阳市水资源总量为30.49亿m3，多年平均水资源总量23.56 亿m3。作为老工业城市，是东北地区规模最大的区域一体化经济区，现辖10个市辖区，1个县级市，2个县。2019年沈阳市常住人口832.2万，其中城镇人口674.1万，农村人口158.1 万，城镇化率为81%，是下辽河平原国土开发强度最大的区域。该区域耕地资源分布相对集中，但总体分布不均衡，且随着城镇化进程的加快，城市土地利用空间结构发生了巨大变化，耕地面积持续减少，在地理位置、耕地总面积、耕地质量和粮食产量等方面都体现出下辽河平原的典型性。本研究将沈阳市全域范围作为研究区，同时考虑不同空间要素的驱动作用的空间异质性，从市域、城区（10个市辖区）、县区（1个县级市，2个县）三个空间尺度揭示耕地空间格局演化驱动因素。

1.2 数据来源及处理

本研究采用的1980、1990、2000、2010和2018年土地利用栅格数据来自于中国科学院资源环境科学数据中心（http://www.resdc.cn），分辨率均为30 m×30 m。该数据以Landsat TM/ETM遥感影像为主要数据源，通过人工目视解译生成，包括6个一级类型和25个二级类型，且土地利用一级和二级分类精度均大于90%[27]，可以满足研究精度要求。高程和坡度数据提取自地理空间数据云（http://www.gscloud.cn/）下载的数字高程模型（DEM），分辨率为30 m×30 m。POI数据来源于高德地图，按照自身属性和研究所需归类为公共管理服务类、交通设施空间类、生活服务空间类等。空间距离要素来源于沈阳市第三次国土调查数据，受该数据保密限制，经严格处理后最终形成到农村宅基地距离、到农村道路距离等驱动因素的可视化表达，不展示计算结果。永久基本农田保护区数据来自于沈阳市永久基本农田划定成果。

2 研究方法

2.1 耕地格局变化分析方法

2.1.1 耕地变化轨迹分析法

变化轨迹分析法是分析不同时段内土地利用动态变化的方法，可有效提供连续现象与非连续现象动态变化轨迹代码[28]，如12（耕地→林地），表达对应地点各个时间点上土地利用类型变化，公式为

式中CT为研究时段内土地利用变化轨迹代码；为研究时段内时间节点数；P为第个时间节点的土地利用栅格数据。

2.1.2 耕地重心迁移模型

借助重心迁移模型分别获取不同时期耕地重心迁移方向、距离与速度[21]，其重心空间迁移反映耕地分布格局位移特征，公式为

重心偏移距离的计算公式为

式中D1,t2为1和2年份间重心偏移距离，km；（x1，y1）和（x1，y1）分别为1和2年份的重心坐标；为常数，取111.111。

2.1.3 耕地景观格局指数

对于非连续的耕地格局变化，景观格局指数高度浓缩空间格局信息，基于土地利用数据的景观格局指数分析更是景观空间格局研究的重要手段[10]。在Fragstats 4.3软件支持下，从景观类型水平指数中选取斑块密度、最大斑块指数和聚集度指数分析耕地格局变化特征（表1）。

表1 景观格局指数及计算公式

2.2 耕地格局变化的空间要素驱动模型

2.2.1 空间要素的选取

土地利用格局变化是特定区域内自然环境条件、社会经济、法律政策、工程技术等要素相互作用、共同约束的结果[29]。耕地格局受自然和社会经济多种因素交互影响，社会经济对其起到主要驱动作用[24,30]，尤其二三产业发展的驱动作用显著[31]。本研究从自然条件、空间距离要素、地理空间要素和政策因素4个方面揭示空间要素对耕地格局变化的作用大小、强度等。

自然因素（坡度、土壤等）作为自然环境本底条件，是影响耕地分布格局的固有因素，考虑研究尺度大小，选取高程和坡度。空间距离要素反映出农村发展和基础设施建设对耕地变化的影响，同时也体现耕地灌溉便利性对耕地变化的影响，选取到农村宅基地距离、到农村道路距离、到公路用地距离、到铁路用地距离、到河流水面距离和到坑塘水面距离。地理空间要素由POI数据经核密度空间化后获取，可精细化地表征区域社会经济活动及功能复合利用状况的空间分布，反映不同行业用地需求中建设占用耕地分布点位状况，将该数据按研究需要和自身属性进行归并，具体为：公共管理服务类（政府机构及社会团体等）反映行政办公用地对耕地的影响；交通设施空间类（交通设施服务等）体现交通空间建设对耕地的影响；生活服务空间类（餐饮、购物、住宿服务等）体现日常生活服务需求用地对耕地的影响；商业服务空间类（公司企业、商务住宅等）主要从商业盈利用地驱动角度考虑对耕地影响；娱乐休闲空间类（休闲场所、娱乐场所等）作为城市空间重要类型，一定程度上也影响了耕地动态变化；绿地生态空间类（公园广场、风景名胜等）从人居环境倾向生态良好角度考虑对耕地影响。政策因素从国家保护耕地的行政手段出发，其对耕地保护产生直接影响，选取永久基本农田区和非永久基本农田区作为影响耕地变化的表征指标。依据数据的可获取性与科学性，结合沈阳市耕地变化区域差异性，确定的16个空间驱动要素及获取方法详见表2。

表2 空间要素驱动因子选取及空间化方法

2.2.2 随机森林算法

耕地转换的空间格局具有多分类特征，多元Logistic回归模型因考虑了耕地转化过程的空间变异性常被用来揭示耕地变化的影响因素[24]，但该模型仅能处理线性回归问题。耕地格局动态变化过程极其复杂，与驱动因素之间多为非线性关系[30]。随机森林算法具有处理非线性问题的能力，且考虑了各特征变量间的相互作用，能够很好地避免特征变量之间多重共线性的影响，同时可通过计算袋外数据错误率来得到驱动因素重要性评分[32]。各类空间距离要素和地理空间要素等空间驱动因素具有连续特征，随机森林分类模型能够满足这种现实需求的表达。因此，本研究运用语言建立基于随机森林算法的耕地格局变化空间驱动因素模型，以驱动因素的重要性得分判断某一因素对耕地格局变化过程影响程度，得分越高说明该因素对耕地格局变化的作用越大。

微观像元是研究耕地格局变化空间驱动机制的基本单元，能够较为客观地反映耕地格局与驱动因素的空间对应关系。耕地格局及其空间驱动要素均具有空间依赖性的特点，对模型结果产生干扰[30]。选取具有代表性的样本点集，能够提高模型的运行效率，消减空间自相关性对模型估计结果的干扰。采样点与空间指标遴选基于1980—2018年研究区耕地格局变化图，随机布局样本点，结合耕地变化类型的景观格局指数（斑块大小、斑块密度等），抽样点两两之间距离大于500m较为适宜，可最大程度保数据样本的统计独立性。将轨迹代码11（耕地→耕地）的样本点标记为0，轨迹代码为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）分别标记为1、2、3、4和5，作为因变量，将16个空间驱动要素属性值赋值给样本点，共692 3个样本点数，随机选择80%空间驱动要素数据为训练样本数据集，20%为测试数据。具体处理过程见图2。

3 结果与分析

3.1 耕地格局变化特征分析

3.1.1 耕地数量变化特征

1980—2018年沈阳市耕地面积总体呈减少趋势，由1980年的0.936 5万km2减少到2018年的0.813 1万km2，年均减少0.003 2万km2，年均减幅为0.346 8%（图3a）。其中，1980—2000年沈阳市耕地面积相对稳定，2000—2018年耕地流失较为严重。

耕地重心变化具有显著的阶段性特征，不同年份间存在差异（图3b）。1980—2018年耕地重心先向西南方向迁移，后向西北方向迁移，2000—2018年期间迁移加速。1980年耕地重心（123.14°E，42.10°N）和2018年耕地重心（123.12°E，42.11°N）均位于新民市境内，1980 —2000年耕地重心以0.070 9 km/a移动速度向西南方向迁移1.418 km，该时期基础设施建设需求小、耕作技术限制，农业经济发展速度低，城市用地扩展缓慢，以开发耕地资源为主，新增耕地面积整体分布在辽中区和新民市，耕地重心移动较小，移动速度较缓。2000—2018年耕地重心向西北方向迁移2.325 km，年均迁移0.116 2 km，该时期主要受社会经济快速发展和城市空间扩展占用耕地的影响，特别是沈阳市主城区中部和东南部区域城市建设占用耕地极为明显，与此同时，沈阳市西北部的新民市、法库县和康平县不断增加土地整治和高标准农田建设工程等耕地保护项目的实施，一定程度上有效补充了沈阳市耕地面积，改善了农业生产条件，在双重作用下，耕地重心迁移距离、速度相比1980—2000年较为明显。

耕地重心变化是耕地资源空间分布格局演变的重要体现，迁移速度过快说明沈阳市耕地资源分布向特定方向高强度的集聚。新民市和辽中区受辽河和浑河的影响，水域分布广阔，耕地资源丰富，土壤肥沃，水土条件更有利于开展农业活动，2000年以前这些区域多为耕地的开发利用，农业生产不断占用河滩地、湿地、低山丘陵和林地，耕地资源与宏观自然地理空间的更适应，耕地利用与农业生产自然条件更匹配。2000年以后耕地格局呈现以主城区为核心的由内向外的圈层式变化，大量耕地被占用。该区域大部分地势起伏较少，以平原为主，海拔处于41～45 m之间，尤其是耕地质量较高，而且沈阳市西北部土地沙漠化形势愈加严峻，加上东北部低山丘陵水土流失的影响，严重制约着农业生产可利用自然资源要素，但该阶段耕地重心却向西北迁移，说明耕地资源与自然地理格局的适应程度有所降低，促进耕地资源与农业生产自然要素空间匹配度，对提升耕地整体适宜性，遏制耕地在空间上的大幅度变动具有重要意义。

3.1.2 耕地空间变化特征

2个研究时间段内耕地转化均具有转入转出双向特征，耕地转出与转入过程的剧烈程度差异较大。1980—2000年耕地转入与转出过程都较为剧烈（图4a），耕地转入主要发生在辽中区、新民市西部和法库县、康平县西北部等区域，以草地和未利用地转入类型为主，沿原有耕地边界小范围向外扩张。耕地转出主要发生在研究区西北部的法库县、康平县以及城区和县城中心等区域。2000—2018年耕地以单向转化为主，转出的面积远高于转入的面积（图4b），耕地转出主要受沈阳市城区“边缘型”扩张的影响，耕地转入主要分布于林地和河流等的周边，该时期社会经济高速发展，城市和城镇的不断扩张，侵占了大量的耕地，加之退耕还林、防护林工程等建设的影响，致使耕地转出的面积远高于转入的面积。

进一步运用景观格局指数分析2个研究时段耕地变化类型的特征（表3），以便为全面揭示耕地格局变化的空间驱动因素提供指导。结果显示，与1980—2000年相比，2000—2018年各耕地变化类型的斑块密度均在增加，表明该时期随着土地利用的剧烈变化，景观斑块的异质性在增加，各耕地变化的景观地类呈现破碎化的趋势。较为突出的耕地转建设用地的斑块密度由1980—2000年的0.16个/km2增加到2000—2018年的0.71个/km2，说明该时期建设占用大量的耕地，且在空间上并未连片，导致破碎化程度增加。2000—2018年耕地转建设用地的最大斑块指数显著增加，由1980—2000年的0.02%增加到2000—2018年的0.72%，说明耕地转建设用地增加的斑块面积相比1980—2000年的较大，且与原有的斑块出现聚合的趋势。

表3 1980—2018年耕地变化类型的景观格局指数

3.2 耕地格局变化的空间要素驱动分析

考虑到前文分析得出的沈阳市耕地格局变化区域差异特征，从市域、市区和其他三个空间尺度出发，揭示1980—2018年耕地空间格局变化的空间要素作用大小（图5）。结果表明，各空间要素均在沈阳市耕地格局变化过程中扮演着重要的驱动作用，不同区域尺度空间驱动因素重要性大小存在明显差异。市域尺度上，到农村宅基地距离（DisResid）、到农村道路距离（DisRoad）、生活服务空间类（PoiLPS）和公共管理服务类（PoiPMS）等驱动因素的重要性较大，分别为58.25%、55.64%、47.15%和37.88%。到河流水面距离（DisRiver）、高程（Elevation）和到坑塘水面距离（DisPond）等驱动因素的重要性较小，分别为24.22%、22.32%和19.53%。城区尺度上，到农村宅基地距离（DisResid）、到农村道路距离（DisRoad）、公共管理服务类（PoiPMS）、娱乐休闲空间类（PoiELS）等驱动因素的重要性较大，分别为53.54%、53.49%、38.41%和36.35%。高程（Elevation）、永久基本农田保护区（NonPBFR）、到河流水面距离（DisRiver）和到坑塘水面距离（DisPond）等驱动因素的重要性较小，分别为18.02%、14.83%、13.46%和11.02%。县区尺度上，到农村宅基地距离（DisResid）、到农村道路距离（DisRoad）、非永久基本农田保护区（PBFR）、交通设施空间类（PoiTFS）等驱动因素的重要性较大，分别为48.25%、34.87%、29.09%和28.34%。到河流水面距离（DisRiver）、高程（Elevation）和到坑塘水面距离（DisPond）等驱动因素的重要性较小，分别为18.73%、16.09%和13.17%。

自然地理要素对区域耕地利用的光、水、热等条件可再分配，一定程度上限制人类对土地的开发利用，约束耕地空间配置，高程和坡度较小的区域，耕地格局发生变化的概率越大，随着高程和坡度的增加，人类活动对土地的干扰程度减弱。沈阳市位于下辽河平原区域，以平原为主，区域内高程和坡度差异较小，西北部和东南部低山丘陵区耕地分布格局受此影响更多，对其他区域耕地格局变化驱动作用较弱，这与研究结果相符合。空间距离在塑造耕地格局中起主导控制作用，其对耕地格局变化的驱动作用十分显著，距农村宅基地、农村道路较近的区域，农业生产活动相对频繁，这些区域周边人类活动的增加直接导致耕地发生变化的概率增大。沈阳市城区空间距离驱动耕地格局变化的作用逐渐增强，这反映出研究期间建设用地的发展逐渐向主城区聚集，如今沈阳市已发展到10个区，而县区尺度上空间距离虽然也是主要驱动力，但驱动因素重要性相对较小，这体现出空间上越靠近城区的耕地像元，它们发生变化的概率越大。地理空间要素是社会经济发展的间接体现，研究期内沈阳市城区集聚发展能力加强，城市边缘区耕地更容易被城市功能用地开发建设侵占，正好解释了POI地理空间要素的驱动作用较强的原因。政策因素直接限制耕地格局的变化，随着沈阳市耕地数量持续减少，政府对耕地保护的力度加大，永久基本农田保护制度发挥着重要作用，非永久基本农田区的耕地发生变化的概率远大于永久基本农田区。

4 结论与讨论

本研究以下辽河平原典型区沈阳市为研究区，基于GIS技术和语言编程，采用变化轨迹分析法、重心迁移模型和景观格局指数，揭示1980—2018年耕地格局变化特征，运用随机森林分类算法，从空间要素角度探讨了不同区域尺度的耕地格局变化空间驱动因素，主要得出以下结论：

1）1980—2018年沈阳市耕地面积总体呈减少趋势，2000年以前耕地格局相对稳定，2000年以后耕地流失较为严重；不同阶段迁移速度存在明显的差异，1980—2000年沈阳市耕地重心向西南方向迁移1.418 km，2000—2018年耕地重心向西北方向迁移2.325 km。

2）1980—2000年和2000—2018年间，沈阳市耕地转化均具有转入转出双向特征，耕地转出与转入规模差异较大。在空间变化上，1980—2000年耕地转入与转出过程都较为剧烈，耕地转入主要发生在辽中区、新民市西部和法库县、康平县西北部等区域，耕地转出主要发生在沈阳市西北部的法库县、康平县以及城区等区域。2000—2018年耕地转出面积远高于耕地转入面积，耕地转出主要受沈阳市城市“边缘型”扩张的影响。在景观格局方面，与1980—2000年相比，2000—2018年各耕地变化类型的斑块密度均在增加，研究期内沈阳市各耕地变化景观地类呈现破碎化。

3）各空间驱动要素对不同区域尺度耕地格局变化作用大小存在差异。市域尺度上，耕地格局变化主要空间驱动因子为：到农村宅基地距离（58.25%）>到农村道路距离（55.64%）>生活服务空间类（47.15%）>公共管理服务类（37.88%）；城区尺度上，耕地格局变化主要空间驱动因子为：到农村宅基地距离（53.54%）>到农村道路距离（53.49%）>公共管理服务类（38.41%）>娱乐休闲空间类（36.35%）；县区尺度上，耕地格局变化主要空间驱动因子为：到农村宅基地距离（48.25%）>到农村道路距离（34.87%）>非永久基本农田保护区（29.09%）>交通设施空间类（28.34%）。

本研究对沈阳市耕地格局动态变化特征及其空间驱动因素进行了研究。沈阳市处于东北三省国土开发强度最大的下辽河平原，不仅是国家粮食主产区，同时也是国家生态文明建设示范区，为辽宁中部平原生态环境维护重要节点城市，社会经济发展和城镇化进程持续推进对该区域耕地空间格局演化影响显著。面对保障粮食安全、保护生态安全和保持经济发展稳定等核心目标，在生态、生产和生活三者矛盾下，重点生态保护、农业生产空间和城镇生活用地之间如何协调是沈阳市需要重点解决的。国土空间规划背景下，划定“三线三区”，以规划形式确定下来，以国土空间用途管制为重要抓手，遏制耕地在空间上大幅变动，提高耕地整体适宜性，让耕地生产空间布局更合理。同时，差异化实施耕地保护政策，辽河、浑河周围分布的耕地资源因水资源、土壤等资源本底条件好，应优先保护，实行数量和空间上的刚性保护政策，同时也要强化耕地生态保护。对城市发展必须占用耕地的区域，特别是优质农田，要协调好永久基本农田与城市开发边界的关系。对沈阳市西北部土地沙化和东南部低山丘陵水土流失严重的耕地区域，可实施耕地“休养生息”战略，通过实施休耕提升现有耕地生态系统建设水平，逐渐有序退出部分有严重生态问题的耕地，发挥新形势下的自然资源生态修复体系作用，促进关键生态资源与地理空间的匹配，全面筑牢城市生态安全屏障、构建宜居城乡环境。

耕地格局变化是自然因素和社会经济因素综合交互耦合的体现，引入POI点位数据丰富了耕地格局变化驱动因素识别体系，结合随机森林算法有效识别出了各空间驱动要素对耕地格局变化的重要性大小，充实了耕地格局变化影响因素研究方法，但由于耕地系统变化的复杂性，相关研究仍有待细化、深入，未来应进一步对耕地格局变化的驱动因素进行系统性和综合性探索。同时，空间距离要素对耕地格局既有单独直接影响，又有交互作用影响，且理论上空间要素存在边际效应临界值[23]，掌握其存在的规律性和边界性，对区域耕地保护与建设用地扩张空间协同优化可提供科学依据，尤其对永久基本农田布局优化具有实践参考价值，这是后续研究需加强和深入的重要方向。

[1] 张秋梦，杨方社，李飞. 改革开放以来中国粮食生产空间重构[J]. 自然资源学报，2021，36(6)：1426-1438.

Zhong Qiumeng, Yang Fangshe, Lifei. The grain production space reconstruction in China since the reform and opening up[J]. Journal of Natural Resources, 2021, 36(6): 1426-1438. (in Chinese with English abstract)

[2] Lai Z Z, Chen M Q, Liu T J. Changes in and prospects for cultivated land use since the reform and opening up in China[J]. Land Use Policy, 2020, 97: 104781.

[3] 吴宇哲，许智钇. 休养生息制度背景下的耕地保护转型研究[J]. 资源科学，2019，41(1)：9-22.

Wu Yuzhe, Xu Zhiyi. Study on the transformation of cropland protection under the background of rehabilitation system[J]. Resources Science, 2019, 41(1): 9-22. (in Chinese with English abstract)

[4] 宋戈，陈藜藜，邹朝晖. 黑龙江省耕地系统安全预警及其驱动因素空间分异[J]. 农业工程学报，2018，34(3)：1-9.

Song Ge, Chen Lili, Zou Chaohui. Spatial heterogeneity of early-warning status of cultivated land system security and its driving factors in Heilongjiang Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 1-9. (in Chinese with English abstract)

[5] 王佳月，辛良杰. 基于GlobeLand30数据的中国耕地与粮食生产的时空变化分析[J]. 农业工程学报，2017，33(22)：1-8.

Wang Jiayue, Xin Liangjie. Spatial-temporal variations of cultivated land and grain production in China based on GlobeLand30[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(22): 1-8. (in Chinese with English abstract)

[6] Chen D, Yu Q Y, Hu Q, et al. Cultivated land change in the Belt and Road Initiative region[J]. Journal of Geographical Sciences, 2018, 28(11): 1580-1594.

[7] Chen L L, Zhao H S, Song G, et al. Optimization of cultivated land pattern for achieving cultivated land system security: A case study in Heilongjiang Province, China[J]. Land Use Policy, 2021, 108: 105589.

[8] 袁承程，张定祥，刘黎明，等. 近10年中国耕地变化的区域特征及演变态势研究[J]. 农业工程学报，2021，37(1)：267-278.

Yuan Chengcheng, Zhang Dingxiang, Liu Liming, et al. Regional characteristics and spatial-temporal distribution of cultivated land change in China during 2009-2018[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(1): 267-278. (in Chinese with English abstract)

[9] 曲胜秋，刘艳芳，银超慧，等. 1990-2015年福建省耕地变化的空间格局分析[J]. 中国生态农业学报（中英文），2020，28(4)：587-598.

Qu Shengqiu, Liu Yanfang, Yin Chaohui, et al. Spatial pattern of cultivated land change in Fujian Province from 1990 to 2015[J]. Chinese Journal of Eco-Agriculture, 2020, 28(4): 587-598. (in Chinese with English abstract)

[10] 李均力，姜亮亮，包安明，等. 1962—2010年玛纳斯流域耕地景观的时空变化分析[J]. 农业工程学报，2015，31(4)：277-285.

Li Junli, Jiang Liangliang, Bao Anming, et al. Spatio-temporal change analysis of cultivated land in Manas drainage basin during 1962-2010[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(4): 277-285. (in Chinese with English abstract)

[11] Liang X Y, Li Y B, Ran C H, et al. Study on the transformed farmland landscape in rural areas of southwest China: A case study of Chongqing[J]. Journal of Rural Studies, 2020, 76: 272-28.

[12] 陈学渊，唐华俊，吴永常，等. 耕地格局时空动态变化过程和差异分析：以浙江安吉为例[J]. 中国农业科学，2015，48(21)：4302-4313.

Chen Xueyuan, Tang Huajun, Wu Yongchang, et al. Analysis on process and difference of cropland dynamics in Anji County of Zhejiang Province[J]. Scientia Agricultura Sinica, 2015, 48(21): 4302-4313. (in Chinese with English abstract)

[13] 徐珊，宋戈，李丹，等. 东北粮食主产区耕地资源时空变化及其对粮食生产能力的影响[J]. 农业工程学报，2012，28(21)：1-9.

Xu Shan, Song Ge, Li Dan, et al. Spatial-temporal variation of cultivated land and its effects on grain production capacity of northeast grain main production area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(21): 1-9. (in Chinese with English abstract)

[14] 黄海潮，温良友，孔祥斌，等. 中国耕地空间格局演化对耕地适宜性的影响及政策启示[J]. 中国土地科学，2021，35(2)：61-70.

Huang Haichao, Wen Liangyou, Kong Xiangbin, et al. The Impact of Spatial Pattern Evolution of Cultivated Land on Cultivated Land Suitability in China and Its Policy Implication[J]. China Land Sciences, 2021, 35(2): 61-70. (in Chinese with English abstract)

[15] Zhang Y X, Wang Y K, Fu B, et al. Changes in cultivated land patterns and driving forces in the Three Gorges Reservoir area, China, from 1992 to 2015[J]. Journal of Mountain Science, 2020, 17(1): 203-215.

[16] Uisso A M, Tanrvermi H. Driving factors and assessment of changes in the use of arable land in Tanzania[J]. Land Use Policy, 2021, 104(2): 105359.

[17] Newman M E, McLaren K P, Wilson B S. Long-term socio-economic and spatial pattern drivers of land cover change in a Caribbean tropical moist forest, the Cockpit Country, Jamaica[J]. Agriculture, Ecosystems & Environment, 2014, 186: 185-200.

[18] Rutten M, Van Dijk M, Van Rooij W, et al. Land use dynamics, climate change, and food security in Vietnam: A globalto-local modeling approach[J]. World Development, 2014, 59: 29-46.

[19] 石晓丽，史文娇. 气候变化和人类活动对耕地格局变化的贡献归因综述[J]. 地理学报，2015，70(9)：1463-1476.

Shi Xiaoli, Shi Wenjiao. Identifying contributions of climate change and human activities to spatial-temporal cropland changes: A review[J]. Acta Geographica Sinica, 2015, 70(9): 1463-1476. (in Chinese with English abstract)

[20] 李建军，罗格平，丁建丽，等. 近50 a人工灌排技术进步对玛纳斯河流域耕地格局变化的影响[J]. 自然资源学报，2016，31(4)：570-582.

Li Jianjun, Luo Geping, Ding Jianli, et al. Effect of progress in artificial irrigation and drainage technology on the change of cultivated land pattern in the past 50 years in Manasi River Watershed[J]. Journal of Natural Resources, 2016, 31(4): 570-582. (in Chinese with English abstract)

[21] 宋戈，杨雪昕，高佳. 三江平原典型地区水田分布格局变化特征[J]. 中国土地科学，2017，31(8)：61-68.

Song Ge, Yang Xuexin, Gao Jia. Study on the distribution patterns and characteristics of paddy cropland in the typical area of Sanjiang Plain[J]. China Land Sciences, 2017, 31(8): 61-68. (in Chinese with English abstract)

[22] 张景奇，陈小冬，修春亮. 基于POI数据的城市蔓延测度研究：以沈阳市为例[J]. 中国土地科学，2019，33(4)：93-102.

Zhang Jingqi, Chen Xiaodong, Xiu Chunliang. Study on the measurement of urban sprawl based on the POI data: A case of Shenyang City, China[J]. China Land Sciences, 2019, 33(4): 93-102. (in Chinese with English abstract)

[23] 焦利民，李泽慧，许刚，等. 武汉市城市空间集聚要素的分布特征与模式[J]. 地理学报，2017，72(8)：1432-1443.

Jiao Limin, Li Zehui, Xu Gang, et al. The characteristics and patterns of spatially aggregated elements in urban areas of Wuhan[J]. Acta Geographica Sinica, 2017, 72(8): 1432-1443. (in Chinese with English abstract)

[24] 刘彦文，周霞，何宗宜，等. 基于Logistic回归的耕地数量演变及其空间要素边际效应分析[J]. 农业工程学报，2020，36(11)：267-276.

Liu Yanwen, Zhou Xia, He Zongyi, et al. Quantitative evolution and marginal effect analysis of spatial factors of cultivated land based on Logistic regression[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(11): 267-276. (in Chinese with English abstract)

[25] 张景奇，史文宝，修春亮. POI数据在中国城市研究中的应用[J]. 地理科学，2021，41(1)：140-148.

Zhang Jingqi, Shi Wenbao, Xiu Chunliang. Urban research using points of interest data in China[J]. Scientia Geographica Sinica, 2021, 41(1): 140-148. (in Chinese with English abstract)

[26] 王全喜，孙鹏举，刘学录，等. 基于随机森林算法的耕地面积预测及影响因素重要性分析：以甘肃省庆阳市为例[J]. 水土保持通报，2018，38(5)：341-346.

Wang Quanxi, Sun Pengju, Liu Xuelu, et al. Prediction of cultivated land area and importance of influencing factors based on random forest algorithm[J]. Bulletin of Soiland Water Conservation, 2018, 38(5): 341-346. (in Chinese with English abstract)

[27] 刘纪远，匡文慧，张增祥，等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报，2014，69(1)：3-13.

Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiaotemporal characteristics, patterns and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014, 24(2): 195-210. (in Chinese with English abstract)

[28] 刘金雅，汪东川，孙然好，等. 基于变化轨迹分析方法的生态用地流失空间关联研究[J]. 地理研究，2020，39(1)：103-114.

Liu Jinya, Wang Dongchuan, Sun Ranhao, et al. Study on spatial relevance of ecological-land loss based on change trajectory analysis method[J]. Geographical Research, 2020, 39(1): 103-114. (in Chinese with English abstract)

[29] 王盼盼，宋戈. 1979—2015年松嫩高平原土地利用格局变化及影响因子分析[J]. 农业工程学报，2018，34(2)：256-264.

Wang Panpan, Song Ge. Land use pattern change and influential factors analysis of Songnen Plain in 1979—2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(2): 256-264. (in Chinese with English abstract)

[30] 吴莉，侯西勇，徐新良. 环渤海沿海区域耕地格局及影响因子分析[J]. 农业工程学报，2014，30(9)：1-10.

Wu Li, Hou Xiyong, Xu Xinliang. Analysis of spatial pattern of farmland and its impacting factors in coastal zone of Circum Bohai[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(9): 1-10. (in Chinese with English abstract)

[31] 严思齐，吴群. 二三产业发展对耕地资源数量的影响及其地域差异：基于中国省级面板数据的考察[J]. 资源科学，2011，33(10)：1948-1954.

Yan Siqi, Wu Qun. Impacts of development of secondary and tertiary industries on the quantity of cultivated land and its spatial variation: A study based on China’s provincial level panel data[J]. Journal of Natural Resources, 2011, 33(10): 1948-1954. (in Chinese with English abstract)

[32] 宋世雄，张金茜，刘志锋，等. 旱区城市扩展过程区位因素研究：以中国呼包鄂榆城市群为例[J]. 自然资源学报，2021，36(4)：1021-1035.

Song Shixiong, Zhang Jinxi, Liu Zhifeng, et al. Study on the location factors of urban expansion in the drylands: A case study in the Hohhot-Baotou-Ordos-Yulin Urban Agglomeration, China[J]. Journal of Natural Resources, 2021, 36(4): 1021-1035. (in Chinese with English abstract)

Changes of cultivated land pattern and its spatial driving factors in the typical regions of Lower Liaohe Plain

Wang Quanxi, Song Ge※

(1.,,,110169,;2.,,110169,)

Cultivated land has always been one of the most important fundamentals to maintain food security. This study aims to clarify the dynamic change of the cultivated land pattern and the spatial driving factors in the main grain producing areas in China. The study area was also taken as the Shenyang city, a typical area in the Lower Liaohe Plain. The GIS technology and R programming were utilized to collect the data sources from 1980 to 2000 and 2000 to 2018, such as land use, point of interest (POI), and the delimitation of permanent basic farmland. The cultivated land pattern was then obtained using the change trajectory analysis, the center of gravity migration, and the landscape pattern index. The representative driving factors of cultivated land pattern were extracted from the natural conditions, spatial distance, geographic space, and policy elements. A random forest was used to identify the degree of significance of the spatial driving factors during the variation in the cultivated land pattern at the spatial scale of city, urban and county areas. The results showed that: 1) The pattern of cultivated land was relatively stable from 1980 to 2000, where the center of gravity of cultivated land moved to the southwest by 1.418 0 km. There was a serious loss of cultivated land from 2000 to 2018, where the center of gravity of cultivated land moved 2.32 0 km to the northwest, indicating an accelerated migration speed. 2) The changes of cultivated land from 1980 to 2000 and from 2000 to 2018 both presented the characteristics of transfer-in and transfer-out, indicating a quite different sharpness. Specifically, there was a slow transfer of cultivated land into and out of cultivated land from 1980 to 2000. The transfer-out area of cultivated land was much higher than that of transfer-in from 2000 to 2018, where the transfer-out area of cultivated land was mainly distributed around the urban area. 3) There were some differences in the significance of spatial driving factors at different regional scales. On the whole, the spatial distance, geospatial and policy factors greatly contributed to the change of cultivated land pattern, especially the distance from rural homesteads, the distance from rural roads, and the space of transportation facilities. The natural conditions (elevation, slope) determined the distribution pattern of cultivated land,but indicatied a relatively little influence on the change of cultivated land pattern. Consequently, the random forest can be expected to effectively quantify the spatial driving factors of cultivated land pattern. The finding can provide a strong reference to construct a long-term plan for the protection and sustainable development of cultivated land resources.

land use; cultivated land; spatial pattern; driving factors; random forest algorithm; Lower Liaohe Plain

2021-08-12

2021-09-21

国家自然科学基金项目（41971247，41571165，41071346）；国家社科基金重大项目（19ZDA096）；辽宁省自然资源科技创新项目（19LNZRZY28）

王全喜，博士生，主要研究方向为土地利用与管理。Email：2480115068@qq.com

宋戈，教授，博士生导师，主要研究方向为土地利用与管理。Email：songgelaoshi@163.com

10.11975/j.issn.1002-6819.2021.24.031

F301.21

A

1002-6819(2021)-24-0275-09

王全喜，宋戈. 下辽河平原典型区耕地格局变化及其空间要素驱动[J]. 农业工程学报，2021，37(24)：275-283. doi：10.11975/j.issn.1002-6819.2021.24.031 http://www.tcsae.org

Wang Quanxi, Song Ge. Changes of cultivated land pattern and its spatial driving factors in the typical regions of Lower Liaohe Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(24): 275-283. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.24.031 http://www.tcsae.org