陕西省耕地压力时空演变及驱动因素研究*
2022-08-17程晓瑜盖微微杨振民
程晓瑜，盖微微，杨振民
(1. 新疆农业大学公共管理学院，乌鲁木齐市，830052； 2. 东北林业大学经济管理学院，哈尔滨市，150006； 3. 塔里木大学经济与管理学院，新疆阿拉尔，843300)
0 引言
人口多，耕地资源有限的现实情况使耕地资源稀缺问题在过去、现在以及将来都是我国不可避免且必须要解决的问题[1]。当前，在复杂的国际形势和新冠病毒为社会带来严峻考验的背景下，我国的粮食安全问题显得更为重要。粮食的产量以耕地的数量和质量为基础，随着近年来我国经济的飞速发展，经济增长与耕地保护之间的矛盾日益凸显，耕地资源面临着城市化占用和粮食增产等多重压力[2-3]，粮食生产格局的分异规律也日趋显现。陕西省是西北地区农业生产的重要基地，探索分析其耕地压力时空演变特征与驱动因素，对区域耕地资源有效利用与粮食安全保障有重要意义。
目前国内外的众多学者从耕地资源利用效率[4-5]、未来趋势预测[6-7]、耕地空间格局变化[8-11]、耕地质量评价[12-15]、耕地资源动态变化监测[16-18]、耕地变化对粮食生产的影响[19-22]、耕地压力[2, 23-24]等角度开展了较深入的研究。对耕地压力相关研究主要聚焦于其时空演变及预警、影响因素及对粮食安全的影响三个方面。其中，2002年蔡运龙等[25]提出了耕地压力指数的概念，并以此为基础提出了构建耕地资源利用和管理调控机制的思路，得到学者的认可并在后续的研究中得到了广泛应用。从研究区域看，已有成果的研究对象多为全国范围或者粮食生产大省，侧重于对耕地与经济、人口、粮食安全之间关系的分析，对于省域范围耕地压力时空演变及驱动因素问题的探究相对薄弱。
本研究基于陕西省1995—2019年耕地数量和分布情况，对最小人均耕地面积Smin与耕地压力指数P进行测算，对传统差异指数(变异系数CV、泰尔指数T、总熵指数GE、阿尔金森指数A)进行整合，建立总体分异测度指数GDI，引用重心移动模型和总体分异测度指数GDI描述区域内耕地压力的时空变化特征，并借用灰色关联分析法对耕地压力变动的驱动因素进行分析与探讨，以期为陕西省耕地资源的有效利用及其与社会经济的协同发展提供参考建议，为保障国家粮食安全助力。
1 研究区概况与数据来源
1.1 研究区概况
陕西省位于我国中部偏北，东经105°29′～111°15′，北纬31°42′～39°35′之间，有11个地级市，总面积20 580 khm2，南北长、东西窄，地势呈南北高，中部低，由西向东倾斜的特征。陕西省地处东部湿润区向西部干旱区过度的地带，地貌类型复杂，其中高原占全省土地总面积的45%，山地占36%，平原占19%，具有东西过度，南北兼具的气候资源特点和不同类型的农业格局。2019年，陕西省耕地面积为3 010 khm2，占全省土地总面积的14.63%。《陕西农村报》数据显示，陕西省81%的耕地分布在陕北高原和关中平原，榆林市、渭南市、咸阳市、宝鸡市等4个市耕地面积较大，占全省耕地的62.58%。2019年，陕西省GDP为25 793.2亿元，占全国GDP的2.6%；粮食总产量为12 311 kt，占全国粮食总产量的1.9%；人口3 876万人，占全国总人口的2.8%。
1.2 数据来源
Fisher分类法是对按照一定顺序排列的样本数据，在不打乱样本秩序的情况下，通过寻找最优分割点把样本个体逐个合并成一些子集的聚类方法。本研究采用Fisher分类法对陕西省1978—2019年耕地面积、粮食单产量及总播种面积三项表征耕地情况的代表性指标进行分析，在样本顺序不变的前提下对各指标进行分类。根据计算结果选择并考虑数据的可获取性，选择1995年、2000年、2003年、2010年、2019年数据进行分析。
本研究用到的耕地面积、农业、人口、国民经济核算、自然状况与资源等相关数据来源于各对应年份《中国统计年鉴》《中国农村统计年鉴》《陕西统计年鉴》，陕西省地方志及国民经济与社会发展统计公报相关数据整理计算获得。地类变化数据来源于中国科学院资源环境数据中心。数据运用各期Landsat TM/ETM、OLI影像，根据人机监督分类和实地验证后，精准度达到95%以上。
2 研究方法
2.1 最小人均耕地面积
最小人均耕地面积指在区域范围内的粮食生产力水平和供给能力下，能够满足人们正常粮食所需的耕地面积。
Smin=(β×Gr)/(p×q×k)
(1)
式中：Smin——最小人均耕地面积，hm2/人；
β——粮食自给率，%，陕西省由于自然禀赋，不能实现粮食的自给自足，综合相关数据，本研究中β取85%；
Gr——人均年粮食需求量，kg/人，参照相关数据[26]，故本研究Gr取450 kg/人；
p——粮食单位面积产量，kg/hm2；
q——粮食播种面积与总播种面积的比值，%；
k——复种指数，%。
2.2 耕地压力指数模型
耕地压力指数是用来评估区域耕地资源紧张程度的指标[25]。
P=Smin/So
(2)
式中：P——耕地压力指数(无量纲)；
So——人均实际占有耕地面积，hm2/人。
耕地压力指数P属于动态变量，其值越大，耕地压力越明显，给予耕地保护的需要越迫切。基于对耕地压力内涵的剖析和理解，耕地压力值域可分为5级[1]：P≤0.9时，耕地无明显压力；0.9
2.3 重心模型
重心模型用以分析耕地压力空间分布及位移情况，计算方法[27]如下。
(3)
(4)
式中： (X，Y)——陕西省各地级市耕地压力指数几何中心坐标；
D——从b时期到a时期重心位移距离，km；
C——地理坐标单位换算平面距离系数，常取111.111[28]。
2.4 总体测度分异指数
本研究对传统差异指数(变异系数、泰尔指数、总熵指数、阿尔金森指数)进行整合，建立总体分异测度指数GDI[29]，全面反映陕西省各地级市耕地压力总体分异的变化程度，计算步骤如下。
1) 分别计算4个传统差异指数。
(5)
(6)
(7)
(8)
式中：CV——变异指数；
T——泰尔指数；
GE——总熵指数；
A——阿特金森指数；
“正常人”是个性之人，坦荡之人，真诚之人，重情之人，理性之人，有癖之人，可交之人，是身心健康、心智健全之人！
ki——陕西省各地级市耕地压力指数；
n——陕西省地级市个数；
λ——差异灵敏系数，参阅相关文献，本研究取0.5[1]。
2) 构建耕地压力总体分异测度指数GDI。根据上述4种传统差异测度指数结果，耕地压力总体分异测度指数GDI计算模型如式(9)所示[29]。
GDI=f(CV,T,GE,A)
(9)
采用熵权法确定上述4个指数值的权重，该方法可消除权重确定的主观因素。根据CV、T、GE、A各指数值的大小，计算变异程度，确定权重，计算步骤如下[30]。
1) 由于各指数值的量纲和数量级可能存在差异，故采用标准化处理方法。上述指标均为正向指标，计算公式如式(10)所示。
Xij=(yij-yjmin)/(yjmax-yjmin)
(10)
2) 计算第j个指数值在第i年的比重。
(11)
3) 计算第j个指标的信息熵。
(12)
4) 计算第j个指标的权重。
(13)
由上述计算可得第i个年份的GDI指数
(14)
GDI=W1CV+W2T+W3GE+W4A
(15)
式中：yjmin——第j个指标所在矩阵的最小值；
yjmax——第j个指标所在矩阵的最大值；
m——年份数；
n——指标的数量。
2.5 灰色关联分析法
通过灰色关联分析法[31]度量耕地压力指数与粮食生产、社会经济因素指标的关联程度，计算出的数值越大，说明该指标的重要和影响程度越大。
1) 原始数据标准化变换。分别求出各序列的平均值和标准差，然后将各原始数据减去平均值后再除以标准差，即得到标准化序列。
2) 计算关联系数。经数据变换的母数列记为{X0(t)}，子数列记为{Xi(t)}，则在时刻t=k时母序列{X0(k)}与子序列{Xi(k)}的关联系数L0i(k)计算方式如式(16)所示。
(16)
式中： Δ0i(k)——k时刻两比较序列的绝对差；
Δmax——所有比较序列各时刻绝对差中的最大值；
Δmin——所有比较序列各时刻绝对差中的最小值；
ρ——分辨系数。
3) 求关联度。以两个比较序列各时刻关联系数的平均值计算两序列的关联度，计算方式如式(17)所示。
(17)
式中：r0i——子序列与母序列0的关联度；
N——数据个数。
3 结果与分析
3.1 陕西省耕地面积时空动态变化
1995—2019年陕西省耕地面积呈先减后增的变化趋势，如图1所示。可以看出，总体耕地面积减少383 khm2。1995年，陕西省耕地面积为3 393 khm2，到了2003年，耕地面积减少了598 khm2，下降到近25年的最低值2 796 khm2，然后以平均每年13 khm2的态势增加至2019年3 010 khm2。在此期间，实际人均耕地面积动态变化特征与总耕地面积趋同，从1995年0.12 hm2/人下降至2003年最低点0.1 hm2/人，然后上升到2019年0.11 hm2/人。这是因为陕西省人口自然增长率与耕地面积增减情况的速率大致相同，1995年陕西省人口自然增长率为9.36%，到2003年下降到4.29%，然后在该状态小幅度上下波动，人口数趋于平稳，实际人均耕地面积则随着耕地总面积的增加而增加。根据式(1)计算陕西省最小人均耕地面积。研究期间，陕西省最小人均耕地面积整体呈下降趋势，从1995年0.14 hm2/人下降到2000年0.11 hm2/人。2000—2003年趋于平稳，到了2010年下降到0.09 hm2/人，然后继续趋于平稳状态。
图1 1995—2019年陕西省耕地面积变化情况Fig. 1 Change of cultivated land area in Shaanxi Province from 1995 to 2019
1995—2019年，陕西省耕地未改变区域集中在关中平原地区，耕地改变较多区域集中在黄土高原区、汉中安康低山丘陵盆地区及大巴山地区，有385.39 hm2耕地未改变，367.5 hm2耕地转出为其他地类，283 hm2其他地类转入为耕地(图2)。这是因为关中平原地区集中了陕西全省一半以上的耕地，所处的地理位置在地势、土壤、水资源等方面有较好的耕作条件；黄土高原区土地贫瘠，沟壑面积大，汉中安康低山丘陵盆地区及大巴山地区多为山区、丘陵盆地等地貌，耕作条件受限。
图2 1995—2019年陕西省耕地转变情况Fig. 2 Change of cultivated land in Shaanxi Province during 1995—2019
3.2 陕西省耕地压力时空演化特征
3.2.1 耕地压力时间动态变化
根据式(2)对陕西省耕地压力指数进行测算。1995—2019年，耕地压力指数整体呈下降趋势，但变化幅度较小，仍长期处在“警戒压力”水平，如图3所示。1995—2000年，陕西省耕地压力指数从1.2下降到1，从耕地生产低程度不能维持粮食需求下降到粮食安全的警戒压力状态。2000—2003年，陕西省耕地压力从1上升到1.12，2003年之后，耕地压力持续下降，2019年耕地压力下降到0.86，耕地到达无明显压力状态。
图3 1995—2019年陕西省耕地压力变化情况Fig. 3 change of cultivated land pressure in Shaanxi Province during 1995—2019
3.2.2 各地级市耕地压力变化
选取1995、2000、2003、2010、2019年作为时间断面，对陕西省10个地级市(由于杨凌行政区划问题，陕西统计年鉴关于杨凌相关数据在2016年后才单独核算，故本研究杨凌数据归于咸阳市，不单列计算)压力指数P进行测算并分级处理，绘制各地级市耕地压力指数空间分布图，如图4所示。根据耕地压力值域，P≤0.9 为无压力区，0.9
咸阳市耕地压力总体处于不断增加的趋势，1995年耕地压力1.01，处于警戒压力区，2000—2010年耕地压力不断上升，一直处于中压力区，到了2019年，耕地压力增加到3.4，成为陕西省唯一处在高压力区的地级市。渭南市、商洛市耕地压力总体也呈增加的变化趋势，1995—2010年一直都在警戒压力区波动，到了2019年，均处在中压力区。汉中市、安康市在1995—2019年均处于在警戒压力和低压力波动的状态，2019年均到达低压力区。西安市在1995—2010年都处在无压力区，到2019年上升到低压力区。榆林市、延安市、铜川市、宝鸡市耕地压力情况比较乐观，耕地压力总体呈减小的变化趋势，到2019年，均处于无压力区。耕地压力受制于自然、经济、社会及资源禀赋等多因素的制约，呈现出显著异质性，从整体空间来看，陕西省目前处于陕北无压力，陕南压力持续增加的局面。
(a) 1995年
(b) 2000年
(c) 2003年
(d) 2010年
(e) 2019年
图4 1995—2019年陕西省耕地压力时空演变格局Fig. 4 Spatial-temporal evolution pattern of cultivated land pressure in Shaanxi Province from 1995 to 2019
3.2.3 耕地压力重心移动特征
陕西省耕地压力重心在关中地区，先向北偏西移动，之后逐年向南推移，其中经向移动0.051 0°，纬向移动0.306 8°，1995—2019年压力重心位移直线距离为34.44 km，沿着“西北—西南—东南”的轨迹共移动了66.505 km，如图5所示。
图5 1995—2019年陕西省耕地压力重心与迁移轨迹Fig. 5 Center of gravity and migration trajectory of cultivated land pressure in Shaanxi Province during 1995—2019
陕西省耕地压力重心在1995—2000年，经向移动0.068°，纬向移动0.115 5°，位置向西北方向位移14.265 km。
2000—2003年，经向移动0.048°，纬向移动0.218 1°，位置向西南方向位移24.635 km；2003—2010年，经向移动0.047 1°，纬向移动0.110 1°，位置向西南方向位移12.975 km；2010—2019年，经向移动0.111 5°，纬向移动0.094 2°，位置向东南方向位移14.629 km。
3.2.4 耕地压力总体分异测度指数分析
根据式(5)～式(15)计算陕西省1995—2019年传统差异指数与总体分异测度指数GDI，如表1所示，GDI总体呈上升趋势。
2003年之前耕地压力空间分异情况不明显，且状态相对平稳，但随着各区域资源投入与粮食产出结果差异显著，资源条件、发展战略、经济水平、人口情况不尽相同，各区域面临的耕地资源压力分化格局日趋明显。
表1 1995—2019年陕西省耕地压力分异情况Tab. 1 Cultivated land pressure differentiation in Shaanxi Province during 1995—2019
3.3 陕西省耕地压力的驱动因素分析
借鉴已有研究成果，本研究从自然因素、粮食生产能力和社会经济发展水平三个方面，选取17个指标，综合构建陕西省耕地压力驱动因素指标体系，如表2所示。
表2 陕西省耕地压力驱动因素体系Tab. 2 Driving factors system of cultivated land pressure in Shaanxi Province
利用灰色关联度分析，将陕西省耕地压力指数和各影响因素指标数值进行标准化变换，将数据变换后的耕地压力指数设置为母序列，驱动因素指标设置为比较序列，以比较序列各时刻关联系数的平均值计算两序列的关联度，计算方法见式(16)、式(17)，计算结果见表3。
表3 陕西省耕地压力影响因素指标关联度排序Tab. 3 Correlation degree ranking of influencing factors of cultivated land pressure in Shaanxi Province
从各指标与耕地压力关联度的数值可以看出，其影响程度依次为无霜期情况>粮食单产量>化肥使用>农村居民收入>降水情况>城镇居民收入>经济发展水平>工业化水平>农业现代化程度>灌溉水平>城镇化水平>复种指数>耕地基础条件>光照情况>人均耕地面积>产业结构>气温情况。结果表明，1995—2019年，陕西省耕地压力变动与无霜期情况的影响作用最为显著，关联度为0.894。无霜期作为重要农业气候热量条件特征量，在农业生产当中起到至关重要的作用，与农作物的生长周期有着密切的联系。粮食单产量和化肥使用情况与陕西省耕地压力的关联度分别为0.886和0.849，影响作用也很显著。合理施用化肥是提高农作物产量的有效途径和重要方式，但滥用化肥会使剩余的氮磷养分随农田地表径流进入水体，造成农业污染，从而影响作物生产，给耕地造成压力；粮食单产量是综合反映土地生产能力和农业生产工作质量的指标，因此，提高土地生产能力和农业生产质量对缓解耕地压力有重要意义。农村与城镇居民收入、经济发展水平及工业化水平与陕西省耕地压力关联度分别为0.841、0.843、0.833、0.827，存在较显著的影响作用。随着经济社会的发展与产业的进步，居民生活水平提高，人口密度增加逐渐让人地矛盾凸显，这些都会对耕地压力的变化造成直接影响。降水情况与陕西省耕地压力的关联度为0.842，在影响耕地压力的自然因素中影响作用强度仅次于无霜期情况。降水情况不但影响农作物种类、农业生产的类型、耕地类型，对农作物的生长也非常重要，且存在滞后效应。降水量大会水涝、降水量少则会干旱，都会导致作物的减产，这都使区域耕地压力发生变化。农业现代化程度、灌溉水平、城镇化水平、复种指数、耕地基础条件与陕西省耕地压力关联度分别为0.816、0.776、0.769、0.768、0.735，与耕地压力变化中度关联，存在较大的影响作用。其中，城镇化水平属于社会经济因素，是体现区域城镇与农村人口分布的指标。城镇化发展可以刺激农产品消费市场，促进粮食生产，对耕地压力存在一定的作用力；其他指标为粮食生产因素，是对粮食生产条件不同方面的表征，是生产能力的体现，其水平的高低直接对粮食作物生产结果造成影响，故对耕地压力的变化产生影响较明显。光照情况、人均耕地面积、产业结构、气温情况与陕西省耕地压力关联度分别为0.689、0.668、0.658、0.603，与耕地压力变化关联度较低，对耕地压力存在一定程度的影响。其中，人均耕地面积是直接作用于耕地压力指数公式的指标，其大小对耕地压力指数存在直接影响，但相比于复种指数和粮食单产量，人均耕地面积的作用力相对较弱。
4 结论与讨论
4.1 结论
1) 1995—2019年陕西省耕地面积总体呈先下降后上升的趋势，与1995年相比，2019年耕地总量有所下降；研究期间，陕西省耕地未改变区域集中在关中平原地区，耕地改变较多区域集中在黄土高原区、汉中安康低山丘陵盆地区及大巴山地区。
2) 1995—2010年陕西省耕地压力指数整体呈下降趋势，但长期处在“警戒压力”水平，变化幅度较小，2010年之后，耕地压力指数向无明显压力状态过度，2019年达到无明显压力状态。
3) 2019年，咸阳处于耕地高压力区，渭南商洛处于耕地中压力区，西安市、汉中市、安康市处于耕地低压力区；其他地级市处于耕地无压力区。陕西省目前处于陕北无压力，陕南压力持续增加的局面。1995—2019年，耕地压力重心在关中地区，先向北偏西移动，之后逐年向南推移。
4) 陕西省2003年之前耕地压力空间分异情况不明显，且状态相对平稳，2003年之后，随着各区域资源禀赋与发展情况差异，耕地资源压力分化格局日趋明显。
5) 1995—2019年间，各指标与耕地压力关联度大小依次为无霜期情况、粮食单产量、化肥使用、农村居民收入、降水情况、城镇居民收入、经济发展水平、工业化水平、农业现代化程度、灌溉水平、城镇化水平、复种指数、耕地基础条件、光照情况、人均耕地面积、产业结构、气温情况。自然因素中的无霜期情况和降水情况，粮食生产因素中的粮食单产量、化肥使用，社会经济因素中的农村居民收入、城镇居民收入、经济发展水平、工业水平对陕西省耕地压力存在不同程度的显著影响作用，为陕西省耕地压力的主要驱动力。
4.2 讨论
研究发现，人均耕地面积、复种指数虽然为直接作用于耕地压力指数公式的指标，在进行耕地压力驱动因素测度时，其对耕地压力的影响力表现并没一些自然、社会经济因素显著，这说明耕地压力指数的大小不仅取决于粮食生产因素的影响，而是自然、社会经济多方面因素综合作用的结果。同时，随着社会与经济的发展，各区域间耕地压力分异也不断显现。因此，在考虑耕地资源的有效利用及其与社会经济的协同发展相关问题时，不可忽视因地制宜的策略。本研究描述了陕西省耕地压力的时空变化特征，对耕地压力变动的驱动因素进行了较全面的分析与探讨，但仍存在以下不足：(1)囿于目前样本数据的可取性，本研究以地级市为单位对陕西省耕地压力问题进行探讨，但陕西地形复杂多样，若以县级作为基本研究单元展开研究可更细化、准确地反映出该区域耕地压力的演变特征，这将是下一步研究尝试的方向。(2)耕地的功能属性不仅限于粮食的生产供给，还具有调节、文化等服务功能。本研究未对生态环境对耕地压力的影响进行探讨，可考虑将本部分内容纳入模型中进行综合考虑与探究。
