资源型城市耕地利用时空变化及其驱动力因子研究<br/>——以甘肃省白银市为例

资源型城市耕地利用时空变化及其驱动力因子研究
——以甘肃省白银市为例

2023-01-10路建兵廖伟斌

国土资源科技管理 2022年5期

路建兵，廖伟斌

（1.甘肃省地质矿产勘查开发局测绘勘查院，甘肃兰州 730060；2.四川大学华西公共卫生学院，四川成都 610041）

资源型城市指以矿产、森林等资源的开采与加工而兴起，并以资源型产业为经济发展支柱的特殊城市类型[1-2]。中华人民共和国成立初期，国家以优先发展重工业为目标。在此战略下，资源型城市得到了长足的发展，为我国的经济发展做出了巨大的贡献。20世纪80年代以来，伴随着资源接近枯竭，资源型城市开始由繁荣转变为衰退，而长期以来不合理的资源开采，造成资源依赖性强、产业结构单一、城乡二元结构、土地资源浪费等问题[3-4]。其中，土地资源浪费伴随着土地无秩序利用、地下水污染、生态环境恶化等现象，严重制约着资源型城市可持续发展与转型。

土地利用和土地覆盖变化（Land-Use and Land-Cover Change，LUCC）是研究全球气候与环境变化的重要内容[5-6]。其中土地利用和覆盖变化的驱动力因素及其驱动机制已成为该领域的热点问题[7]。耕地是农业最基础的生产资料，是人类赖以生存和发展的基础。耕地利用与变化关系到经济可持续发展、社会稳定。《2019年全国耕地质量等级情况公报》指出我国共有134.86×104km2耕地，约占世界耕地面积的9%，我国以全世界9%的耕地面积养活全球近20%的人口。

目前，国内外耕地利用时空变化驱动力研究主要集中在空间分异特征、驱动机制、对策研究等方面[8-13]。从研究方法上来看：数理统计模型[14]、遥感技术[15]、地理信息技术[16]、景观生态学方法[17]等应用较多。从研究尺度上来看：全国尺度[18]、省级尺度[8，14，19]、市及县域尺度[20-21]均有所研究。从研究数据上看，由于遥感影像数据具有实时、客观、覆盖面广、公开可及等特点，成为现有研究获取土地利用信息的主要手段之一。

甘肃省白银市是《全国资源型城市可持续发展规划（2013—2020年）》公布的262个资源型城市之一，是我国西部地区规模最大的有色金属工业基地，也是重要能源化工基地。由于长期以来的开采，白银市经济发展经历了由繁荣到衰退的过程，处于转型与复兴的重要阶段[22-24]。本研究在村级尺度上，以2009—2019年白银区土地调查数据为基础，利用地理信息技术和地理探测器方法，研究2009—2019年白银区耕地利用时空变化及其驱动力因子，为经济转型与复兴中的白银市耕地利用及相关政策提供科学依据。

一研究区概况

白银市地处甘肃省中部，位于黄土高原西北边缘、祁连山山脉东段地区。白银市属于基岩山地和山间盆地地貌类型。研究区内山区较多，南北地势较高，中部较低，最高海拔3 321 m。区域属中温带干旱气候，年平均气温6～9℃，年降水量180 mm～450 mm。白银市管辖区域内，包括3县2区。本研究选取白银市城市化率较高的白银区为研究区，白银区下辖5街道（主城区）3镇2乡。

图1 白银区概况

二研究数据来源与方法

（一）数据来源

白银区土地利用数据来源于第二次、第三次全国国土调查（以下简称“二调”“三调”）。其中，“二调”于2009年开展，“三调”于2018年开展。本研究使用2009年和2019年白银区耕地利用数据，具体信息包括耕地面积、种植类型（2009年该数据缺失）、利用分类和坡度分级。在前人研究成果的基础上，本研究选取社会经济和自然环境因素。社会经济因素包括：常住人口、国内生产总值（Gross Domestic Product，GDP）和政策因素。行政区划的划分关系到区域政治、经济、文化发展和社会稳定，从一定程度上反映了地区社会和经济的稳定程度[20，25]，因此本研究中的政策因素根据白银区行政区划划分为6个区域：主城区、水川镇、四龙镇、王岘镇、强湾乡、武川乡。自然环境因素包括：坡度、降雨、气温和高程。社会经济数据来源于《白银市统计年鉴》，自然环境数据来源于地理空间数据云，村级尺度的坡度由DEM计算得到。

（二）研究方法

1. 土地利用变化幅度分析

土地利用变化幅度分析某类型土地面积在研究期内的变化幅度[26-27]，计算公式如下：

式中：Ut表示研究期内土地利用类型的面积变化幅度；Ub和Ua分别代表该土地利用类型在研究初期和末期时的面积。

2. 土地利用变化速度分析

土地利用变化速度分析用于定量表达某类型土地利用面积的时空变化趋势[17，26]，计算公式如下：

式中：V表示研究期内某种土地利用类型的面积变化速度；T2-T1表示研究期时段；T2为研究末期；T1为研究初期。

3. 驱动力因子分析

地理探测器用于探测空间分异性，揭示其背后驱动力因子的统计学方法，包括因子、交互作用、风险区和生态探测[28-29]。本研究利用因子探测器和交互作用探测器，定量研究白银区耕地时空变化的驱动力因子及其交互作用。因子探测模型表示如下：

式中：h为驱动力因子X分层；L为驱动力因子X的分层数；Nh和N分别为层h单元数、全区单元数为层h的方差；σ2为研究区内耕地面积的方差；q为驱动力因子X对耕地空间分异性的影响程度，取值范围为[0，1]。q值越大，说明耕地的空间分异性特征越明显，如果分层由驱动力因子X生成，q值越大表示X对耕地空间分异性的解释力越强。

交互作用探测：分析驱动力因子X1和X2共同作用时是否会增加或减弱对耕地空间分异性的解释力，或是对耕地的影响是相互独立的。评估时首先计算驱动力因子X1和X2对耕地的q(X1)、q(X2)和q(X1∩X2)，然后依次比较q(X1)、q(X2)与q(X1∩X2)的大小。根据其比较结果，将驱动力因子X1和X2交互作用的关系分为以下几类（表1）。

表1 交互作用类型

三结果与分析

（一）耕地利用情况

2009—2019 年白银区耕地面积由 126.47 km2增加到 132.99 km2，耕地面积增加 6.52 km2。2019年白银区耕地种植类型以种植粮食作物和未耕种为主，武川乡、水川镇和强湾乡粮食作物种植用地较多，面积分别为 27.62 km2、12.77 km2和 12.03 km2；未耕种用地主要分布在武川乡、强湾乡和王岘镇，面积分别为 27.09 km2、13.62 km2和 6.62 km2。2009—2019 年白银区耕地利用类型以水浇地和旱地为主，水浇地主要分布在水川镇、四龙镇和武川乡；旱地主要分布在武川乡、强湾乡和王岘镇。研究期间，水浇地面积呈增加趋势，面积由60.47 km2上升到67.68 km2；旱地面积略有下降，面积由65.94 km2下降到65.31 km2。2009—2019年白银区耕地主要集中在[0°，2°)、[2°，6°)和 [6°，15°)坡度区，[0°，2°)坡度区耕地面积主要分布在水川镇、四龙镇和王岘镇；[2°，15°)坡度区耕地面积主要分布在水川镇、强湾乡和武川乡。研究期内，[0°，2°)和 [2°，6°)坡度区的耕地面积均有不同程度的上升，面积分别由 24.97 km2、36.65 km2上升到 33.19 km2、47.32 km2；[6°，15°)、[15°，25°)和大于等于 25°坡度区的耕地面积变化均呈下降趋势，面积分别由 56.66 km2、7.59 km2、0.60 km2下降到 48.93 km2、3.33 km2、0.24 km2。相应的面积比见图 2。

图2 2009—2019年白银区耕地利用情况

（二）耕地空间分布

由图3可得，2009—2019年白银区耕地空间分布并未出现明显的变化。北部武川乡、中部强湾乡与王岘镇耕地空间分布较为集中，南部水川镇耕地分布较为分散。北部武川乡、中部王岘镇与主城区街道呈现明显的差异，武川乡耕地面积较多，主城区及与主城区街道距离较近的五星村、东台村耕地面积较少。其中，北部武川乡耕地分布主要集中在武川、独山、红岘等村；中部王岘镇与强湾乡耕地主要分布在川口村、麦地沟村、月亮湾村、聂家窑村及雒家滩村；南部水川镇与四龙镇耕地主要分布在桦皮川村和四龙村。

图3 2009年、2019年白银区耕地面积变化

（三）耕地利用动态度

由表2可得，研究期间，白银区耕地面积总体呈上升趋势，变化速度为0.52 km2/年。其中，武川乡、强湾乡和王岘镇耕地面积增加较多，分别增加 3.6 km2、1.26 km2和 0.94 km2，变化速度分别为0.7 km2/年、0.51 km2/年和0.71 km2/年；水川镇与四龙镇耕地面积增加较少，分别增加0.56 km2和 0.44 km2，变化速度分别 0.25 km2/年和 0.32 km2/年；主城区耕地呈下降趋势，耕地面积减少 0.27 km2，变化速度为-1.87 km2/年。

表2 2009年、2019年白银区耕地利用动态度

（四）耕地利用时空变化驱动力因子

1. 驱动因子探测

本研究利用ArcGIS10.5，使用自然间断法将常住人口、GDP、坡度、高程、气温和降水进行分类，政策因素根据白银区乡镇及主城区区划分为6类，分别赋值为1～6，随后通过因子探测器获得2009—2019年各驱动力因子的q值及其p值。如表3所示，2009—2019年各驱动因子对耕地空间分异的解释力及显著性存在差异性。其中，政策因素的解释力最强，研究期内均有显著性；GDP、降水、高程和常住人口解释力较强，坡度的解释力较弱；常住人口、政策、坡度、高程、气温和降水解释力逐渐增强，GDP解释力变弱且无显著性；坡度、高程、气温和降水在研究期内均无显著性，常住人口显著性变强。

表3 2009年、2019年白银区耕地利用驱动因子q值变化情况

2. 交互作用探测

本研究使用交互作用探测分析社会经济驱动因子之间及自然环境之间的交互作用。结果如表4所示，研究时期内，各类驱动因子主要表现为双因子增强与非线性增强。其中，常住人口—政策因素、GDP—政策因素、坡度—高程、坡度—气温等交互因子解释力较强；常住人口—政策因素、GDP—政策因素交互作用类型为双因子增强，坡度—高程、坡度—气温交互作用类型为非线性增强。

表4 2009年、2019年白银区耕地利用驱动因子交互作用类型

四讨论与结论

（一）讨论

1. 白银区耕地利用变化情况及其特点

本研究结果表明，2009—2019年白银区耕地面积呈上升趋势，研究区范围内除主城区，其余乡镇耕地面积均有所上升，上升幅度不一。结合耕地利用动态度与空间分布变化结果可得，主城区所属大坝滩村与黄茂井村耕地面积分别减少24.68 km2、5 km2。截至2019年，白银区城镇化率达90.17%，高于同期甘肃省城镇化水平（50.7%）与全国城镇化水平（60.6%）。此外，“二调”与“三调”数据显示，研究期内大坝滩村与黄茂井村交通运输用地面积分别增加69.94 km2、93.24 km2。因此，白银区耕地面积变化与建设用地扩张和土地利用规划密切相关。

从耕地种植类型来看，粮食用地占52%，非粮、粮与非粮轮作和未耕种用地分别占6.86%、0.03%、41.11%。其中，非粮包括未耕种用地约占耕地的一半，出现种植结构的“非粮化”。根据《白银市统计年鉴》，近年来白银区粮食产量已出现下降趋势，“非粮化”现象一定程度上影响了粮食安全。从耕地利用分类来看，水浇地和旱地占耕地总面积的99.99%，其中水浇地约占50.89%，旱地约占49.10%。

从耕地坡度分级来看，白银区耕地面积变化同时存在低坡度区增加与高坡度区减少的趋势。一方面[0°，6°)坡度区耕地面积增加明显，这与加快土地流转、低丘缓坡荒滩等未利用地开发利用政策有关[30]。另一方面由于运输成本、开垦与管理较为困难和农民耕种意愿不高等原因，造成[6°，25°)坡度区耕地存在一定数量的贫瘠耕地、零星分布的耕地和未耕种用地[13，31]。通过改革现行土地审批方式，实行开发优惠政策，可以起到节约集约利用耕地的作用。

2. 社会经济与自然环境驱动力因子差异明显

研究证实，2009—2019年社会经济因素是白银区耕地变化的主要驱动力，与部分研究[15，18，26，32]结果一致。在不同的时期，常住人口与GDP的解释力与显著性也不同，GDP解释力下降且不显著。据统计，2009—2019年白银区GDP中第二产业的平均占比约52%，第一产业的平均占比仅2.5%，第三产业占比由35.11%上升到48.31%。这说明白银区经济发展逐渐摆脱资源依赖严重、产业结构单一等问题，乡村振兴发展战略起到成效；也说明在产业结构优化的同时，白银区生态环境的改善，促使土地利用朝着集约方向发展[33]。常住人口解释力和显著性上升说明，城镇化的进程中，农村人口转移造成人口城乡空间分布模式发生变化，进而影响耕地利用情况。相关研究表明农村剩余劳动力转移的过程中，农村地区住房需求变小，因建设住房占用耕地的比例下降，而耕地利用方式的多样化促成了耕地面积由下降转为上升[12]。

本研究结果证实，政策因素是白银区耕地利用变化的核心驱动因子，这也与李丹等[19]、陶泽涪等[15]和孙嘉阳等[9]研究结果一致。此外，相关研究表明，政策因素在短期内对耕地变化的影响较大，在任意尺度、区域、时间段内都有一定的影响[10]。相关耕地政策，如《白银市防止耕地“非粮化”稳定粮食生产实施方案》强调保护耕地面积，严格控制建设用地侵占耕地等行为，从而调动农民耕种的积极性，加深全社会对耕地保护的意识。

另外，本研究发现自然环境因子，气温、降水、高程和坡度有一定的解释力，但显著性较差。相关研究显示，地形、气候等因子在耕地利用变化中的作用差异明显。例如，陶泽涪等[15]研究结果发现降水对耕地面积的影响无统计学意义，高程对耕地面积的影响在2000年与2020年分别呈正相关和负相关；戈大专等[12]研究中国耕地利用转型格局及驱动因素，结果表明高程在不同时期的影响作用相反，坡度对耕地利用的作用及显著性下降；李丹等[19]分析黑龙江省耕地时空变化及驱动因素，结果表明高程与坡度对耕地利用的变化先上升后下降。综上所述，自然环境因子对耕地利用时空变化的作用持续性时间较长，而不同时期、地区和尺度间的研究结论不一，这与社会经济、政策因素在不同时期的影响路径有关[16]。