基于地理探测器的铜仁市耕地分布特征及驱动因子探究

代仁丽， 钟九生， 江 丽， 段纪维

(贵州师范大学地理与环境科学学院， 贵阳 550001)

耕地是人类赖以生存的基本资源和条件，是农业生态中的重要组成成分，也是人类活动改造自然景观的重要体现[1]。耕地也是影响粮食生产的重要因素，随着经济的发展和城市的扩展，出现建设用地占用耕地及退耕还林还草等情况，是对中国确保粮食生产的巨大挑战，同时也是对耕地保护的挑战。

目前，中国耕地数量正不断下降[2]，其变化引起众多学者的关注。王静怡等[3]用ARIMA模型探究了中国1996—2016年内耕地数量的变化趋势，通过相关性分析得到第一产值增加值占比、年末总人口数及城镇人口数是影响耕地数量变化的重要驱动因子；赵育恒等[4]利用地理信息系统(geographic information system, GIS)空间分析、数学指数模型等方法进行研究，得到全局性和区域性政策演进与人类活动定向干预的双重作用影响着中国省域耕地利用变化；赵锐锋等[5]通过变化轨迹分析法、景观指数和偏最小二乘回归模型来探究黑河中游地区耕地景观的演变过程及演变的驱动力。不同学者通过不同的空间尺度及方法探究了耕地的变化，同时对影响耕地变化的驱动因子进行了研究[6-12]。曹祺文等[13]以珠三角地区为例研究了基于空间自相关的区域农地变化驱动力；曾祥坤等[14]以深圳市为例研究了基于Logistic曲线的快速城市化地区耕地变化人文驱动力建模；刘殿锋等[15]分析了空间交互视角下中国城市群耕地变化影响因素；王文旭等[16]应用文献分析法、分类统计法和比较分析法综述了耕地数量变化的驱动因子与驱动机理，较全面的探讨了在耕地方面的研究。总体来说，在耕地的研究上，不管是研究尺度[14,17-18]，还是影响耕地变化的驱动因子[13,19]都较为广泛，但市域及小尺度的研究和单类型因子的研究还是相对较少，而对于贵州省区域内耕地的研究更少；在研究方法上，地理探测器是空间分异性分析的有力工具，既可以探测数值型数据，也可以探测定性数据，现已被土地利用、生态、区域经济及遥感等领域运用[20]。利用地理探测器对耕地变化的驱动力进行探究具有一定的研究潜力。韩海清等[21]运用地理探测器对中亚五国耕地驱动力进行深入研究，结果表明，在自然因素中，影响耕地变化的因素大小为年平均降水量对>年平均气温>海拔高度。周润芳等[22]运用地理探测器探究地形对耕地分布的影响，结果表明各地貌区影响耕地分布的主导因子不同，沟壑密度对耕地的影响作用不可忽略。

铜仁市是中国土壤污染综合防治先行示范区之一，为探究土壤环境复杂的铜仁市耕地分布特征及驱动力，通过土地利用转移矩阵，采用景观指数及地理探测器，选取坡度、地貌、土壤及年均降水量四个自然因子进行探测，探讨除去经济因子、政策因子及其他自然因子的影响外，其对铜仁市耕地的驱动情况，了解在土壤污染相对严重的铜仁市，耕地的分布及变化及主要的驱动因子，为铜仁市耕地保护等工作提供一定的参考。

1 研究区概况

铜仁市位于贵州省东北部。地理坐标居于107°45′E～109°39′E，27°07′N～29°05′N。东邻湖南省怀化市，北与重庆市接壤，西北高，东南低，全境以山地为主，喀斯特发育，山多地少，生态脆弱，大多数地域属中亚热带季风湿润气候区，总面积18 003 km2[23]，在总面积中有耕地4 658.89 km2,占土地总面积25.87%，耕地分布通常以村寨为中心向外扩展，如图1所示。

图1 研究区示意图Fig.1 Schematic diagram of the study area

2 研究数据与方法

2.1 数据来源及预处理

采用的气象数据来源于中国气象科学数据服务网(http://data.cma.cn/)2010—2018年贵州省31个气象站逐日降水量实测数据，各站点数据经过一致性检验和质量控制，能满足研究需要。2000年、2010年土地覆盖数据来源于中国地理信息资源目录服务系统，2018年土地覆盖数据来源土地覆盖数据来源于清华大学地球系统科学系(http://data.ess.tsinghua.edu.cn)，分辨率均为30 m，根据需要将土地覆盖类型进行统一整理将数据划分为：耕地、林地、草地、水域、建设用地、未利用地6类。土壤数据来源于中国科学院土壤研究所1∶1 000 000比例的中国土壤图，地貌数据来源于贵州省地理国情监测云平台。

2.2 研究方法

2.2.1 景观指数模型

景观指数能高度浓缩反映土地利用/覆被变化(land use/cover change，LUCC) 景观格局信息，反映其结构组成和空间配置某些方面的定量指标[24]。选取斑块所占景观面积比例P，确定斑块边界密度指数ED、斑块密度PD及平均斑块面积MPS这4个景观指数，从景观格局动态变化来研究土地利用变化[24-25]，从而探究铜仁市耕地的空间格局演变特征及规律。各指数计算方式如下。

第i种斑块所占景观面积比例Pi的计算公式为

(1)

式(1)中：aij为斑块i、j的面积，hm2；A为所有景观类型的总面积，hm2。

第i种斑块边界密度指数EDi的计算公式为

(2)

式(2)中：Ei为评价范围内第i种斑块类型的边界总长度，km；Ai为景观i的总面积，km2。

第i种斑块密度PDi计算公式为

(3)

式(3)中：Ni为景观i的斑块数。

第i种斑块平均斑块面积MPSi计算公式为

(4)

斑块所占景观面积比例P，可以确定区域内优势景观元素，斑块边界密度指数ED、斑块密度PD和平均斑块面积MPS可以反映景观破碎化程度。

2.2.2 地理探测器

地理探测器是探测空间分异性及揭示其背后驱动力的一组统计学方法[26]。其理论核心是通过空间异质性来探测因变量与自变量之间空间分布格局的一致性，据此度量自变量对因变量的解释度，其建立的因变量与自变量之间的关系将比经典回归更加可靠[20]。

(1)空间分异及因子探测：用q值度量某探测因子X对Y的空间分异的解释[20]，其计算公式为

(5)

(6)

SST=Nσ2

(7)

因子交互作用探测：识别不同因子之间的交互作用，评估两因子共同作用和独立作用时对因变量Y的解释力[20]。首先，分别计算两种因子X1和X2的q值，其次，计算两因子交互的q值，对q(X1)、q(X2)与q(X1∩X2)进行比较。

3 结果与分析

3.1 耕地空间分布特征

2000—2018年，铜仁市耕地分布存在较明显的空间差异性。如图2所示，铜仁市耕地主要分布在西北部的沿河土家族自治县和德江县，西部的思南县，东北部的松桃苗族自治县，其次是西南部的石阡县，中部的印江土家族苗族自治县；耕地分布较少的主要为东部的碧江区，中部的江口县，东南部的万山区和玉屏侗族自治县。整体上，铜仁耕地空间分布不均匀，呈西多东少，西北多东南少，四周多中间少的空间分布特征。

图2 铜仁市耕地分布Fig.2 Distribution of cultivated land in Tongren

由表1、图3可知，2000—2018年，沿河、江口、碧江、万山和玉屏的耕地先增加后减少，其他区县耕地均呈减少趋势；2000—2010年，西北部的沿河土家族自治县、中部的江口县、东部的碧江区和东南部的万山区及玉屏侗族自治县耕地增加，增加的总面积为2.20×103hm2，大于耕地减少的面积；2010—2018年，所有区县耕地面积均减少，减少8.80×103hm2，是前10年耕地面积减少的4倍左右。由于城镇的扩张，企业的增多和旅游业的发展，建设用地占用耕地面积增多，铜仁市耕地总量减少，2000—2018年，铜仁市除万山区外，其他区县耕地面积均减少，减少的区县中，仅江口县的耕地减少面积小于万山区耕地增加面积。

表1 铜仁市各区县耕地面积统计Table 1 Statistic of cultivated land area of Tongren Districts and Counties

图3 铜仁市耕地面积空间分布Fig.3 Spatial distribution of cultivated land area in Tongren

3.2 耕地转移特征

耕地变化是农业生产关注的重要问题，为探究铜仁市耕地的转移特征，基于2000年、2010年、2018年的铜仁市土地利用图，利用GIS的空间分析，得到2000—2018年铜仁市土地利用转移矩阵(表2)。

据统计，2000—2010年，铜仁市耕地转出46.616×103hm2，主要转为林地，且转出面积占转出总面积的73.17%，其次是草地，转为草地的面积占转出总面积的22.50%。从转入来看，林地和草地是耕地转入的主要来源，转入面积占转入总面积的98.92%。2000年—2010年，耕地转入面积大于转出面积，总体增加。2010—2018年，耕地转为林地和草地均减少，转为建设用地的面积增加，从1.018×103hm2增加至8.705×103hm2，耕地转出面积仅次于林地。从转入来看，林地仍是耕地转入的主要来源，其转入耕地的面积占转入总面积的75.00%；2010—2018年，铜仁市耕地转出大于转入，总体减少。

表2显示，2000—2018年铜仁市耕地转入的主要来源为林地和草地，共转入47.063×103hm2，但耕地总量减少8.791×103hm2，主要转为林地、草地和建设用地，转出面积分别占转出总面积的61.27%、19.21%和16.49%。2018年来铜仁市建设用地增加，且增加面积最多，为14.825×103hm2，主要转入来源是耕地。结果表明，2000—2018年铜仁市耕地动态转移过程明显，转入与转出土地利用类型稳定，转为建设用地的面积增加，总体变化均衡。

表2 2000—2018年铜仁市土地利用转移矩阵Table 2 Land use transfer matrix of Tongren City from 2000 to 2018

2000—2018年，铜仁市耕地呈先增加后减少的动态变化。总体来看，耕地增加的只有万山区，增加面积小于1×103hm2，耕地减少的地区主要是德江县、碧江区、松桃苗族自治县及思南县，且耕地减少面积均大于1×103hm2；各区县耕地转出的最主要土地利用类型为林地，其次是草地和建设用地，用S表示面积，其中6个区县S(耕地转为草地)>S(耕地转为建设用地)，4个区县S(耕地转为建设用地)>S(耕地转为草地)，分别是德江县、碧江区、玉屏侗族自治县和万山区，如图4所示。由图5可知，铜仁市耕地减少明显，且呈减少区域主要集中在各区县城镇部分，城市扩张，交通建设增加，旅游产品得到全面开发，同时水库加固，变电站和污水处理厂等建设在一定程度上占用了耕地；在地势较高的区域耕地也有减少，一方面是地势较高，村民较难到达进行耕种，另一方面是退耕还林和多产业(如种植茶叶、果树等)的发展。

数据正负表示耕地转入转出情况图4 2000—2018年铜仁市各县耕地转入转出面积Fig.4 Farmland transferring and transferring area of Tongren Counties from 2000 to 2018

图5 2000—2018年铜仁市耕地空间变化格局Fig.5 Spatial change pattern of cultivated land in Tongren City from 2000 to 2018

3.3 耕地景观格局变化

铜仁市不同土地利用类型的动态变化，可以反映耕地的分布情况。运用Fragstats软件，计算得到各景观指数，如表3所示。从斑块所占景观面积比例P看，林地和耕地占比较大，景观优势度相对较大；从斑块密度PD、斑块边界密度ED、平均斑块面积MPS指数来看，耕地景观破碎化程度大，景观格局破碎化特征明显。

表3 2000—2018年铜仁市土地利用类型景观指数变化Table 3 Landscape index changes of land use types in Tongren City from 2000 to 2018

从2000—2018年铜仁市景观指数的变化来看，铜仁市林地和草地景观优势度降低，破碎化程度呈小幅增加趋势；建设用地及水域景观优势度持续增长，面积扩张，斑块破碎化程度减小；耕地变化较为波动，斑块所占景观面积比例P先增大后减小，其景观优势度呈“增加→减少”变化，表明耕地在减少，斑块密度PD、斑块边界密度ED及平均斑块面积MPS的动态变化，均表明耕地破碎化程度变高。景观指数的变化结果显示，耕地景观优势度在减小，其景观破碎化程度越来越高，耕地面积减少，集中连片分布少，零散分布多，空间分布不均匀，景观格局破碎化特征明显。

3.4 耕地驱动因子分析

3.4.1 因子探测分析

自然因素与其他因素均能影响耕地的变化，通过地理探测器的因子探测探究选取的自然因子对耕地的影响大小，结果如表4所示。由表4可知，驱动因子对耕地的影响程度依次是坡度>土壤类型>地貌类型>年均降水量。坡度的q值最大，达0.129 4，是4个因子中影响耕地变化的主要因子，解释力超过10%，年均降水量q值最小，其解释力不足1%。从时间尺度上分析驱动因子的变化，2000—2018年，坡度、地貌类型、土壤类型q值呈小幅增加趋势，年均降水量的q值呈减少趋势(图6)。因子探测结果显示：坡度对耕地变化的解释力增强，年均降水量的解释力逐渐减弱，对耕地变化的影响在减小。

图6 驱动因子q值变化Fig.6 Variation of q value of driver factor

表4 驱动因子的q值Table 4 q values of driving factor

3.4.2 因子交互作用探测分析

交互作用主要用于研究不同影响因素之间的交互影响作用[27]，判断因子交互作用的方向及方式，是地理探测器相对于其他统计方法的最大优势[22]。借助地理探测器的因子交互探测，得到表5。结果表明，驱动因子对耕地的影响存在交互作用，且两因子交互的q值均大于每个单独因子的q值。

因子交互作用呈互相增强关系，说明因子之间具有协调性，表5显示坡度∩土壤类型(0.287 8)>坡度∩地貌类型(0.206 6)>地貌类型∩土壤类型(0.177 4)>坡度∩年均降水量0.142 5)>土壤类型∩年均降水量(0.093 9)>地貌类型∩年均降水量(0.063 7)，因子交互作用对耕地的影响具有相互增强效应，各因子与坡度相互作用时，q值较大，解释力度也增强。总的来说，坡度与土壤类型相互作用时，对耕地变化的解释力最大。

表5 因子交互作用探测Table 5 Factor interaction detection

据统计，当坡度大于25°时，耕地面积较少，分布少；耕地主要分布在喀斯特石漠化中山谷地，峰林溶原(盆地)、深切低山及峰丛谷地区域；当土壤类型为人为土和淋溶土时，耕地分布较多。年均降水量大于1 372 mm时，耕地面积少；年均降水量在820～986 mm及在1 141～1 372 mm时，耕地面积较大，分布较多。结合因子的交互作用可知，坡度小于25°，相对平坦的地区，土壤类型为高活性强酸土，年均降水量在820～986 mm时，耕地分布多，面积大；当坡度太大或太小，地势较陡或较平缓，土壤肥力低、有效养分含量低，降水量太多时，耕地分布少，面积小，一方面是不适宜农作物耕种，或者促进了植被增长，导致耕地转化为草地或林地；另一方面是存在耕地被占用的现象。

4 结论

研究了铜仁市2000—2018年耕地的变化情况，选取4个自然因子进行探测，分析耕地的驱动力。得到如下结论。

(1)2000—2018年铜仁市耕地景观优势度减小，景观破碎化程度越来越大，耕地面积减少，且主要转为林地、建设用地和草地。建设用地增加最多，且主要来源于耕地的转入，说明铜仁市退耕还林还草成果有效，其城市也在扩张，城镇化发展较快，且较大程度上占用了耕地，铜仁市需加强对耕地的保护，同时做好基本农田的划定和管护。

(2)驱动因子对耕地的影响程度排序为：坡度>土壤类型>地貌类型>年均降水量。在考虑坡度和年均降水量的条件下，增加了地貌类型和土壤类型，进一步探讨了不同自然因子对铜仁市耕地变化的驱动情况，且年均降水量对铜仁市耕地变化的作用较小。

(3)驱动因子之间存在交互作用，且作用相互增强。两因子的交互作用结果说明，每个单独的驱动因子对耕地分布的作用小于其和其他驱动因子的共同作用。总体来说，耕地分布主要集中在海拔较低、坡度较小，地势较缓，土壤肥力较好，降水适中的区域。高活性强酸土本不适合农作物的耕种，但铜仁市汞矿和锰矿资源丰富，成为铜仁土壤污染防治的重点，铜仁市土地资源稀缺，农业需发展，以耕地土壤修复为契机，开展土壤污染防治，或许是高活性强酸土区域耕地分布多的原因之一。

铜仁市耕地分布不均匀，驱动因子对其分布的作用存在差异性，驱动因子的作用结果在一定程度上对铜仁市耕地的保护提供了参考，铜仁市在进行生态文明建设及土壤污染防治的过程中，需重点关注其耕地情况，合理利用耕地，使生态环保工作、土壤污染防治工作与耕地保护耕工作相得益彰。