广西石漠化地区耕地“非粮化”特征刻画及归因识别

韦燕飞，魏 锋，童新华

（1.南宁师范大学 自然资源与测绘学院，广西 南宁 530100；2.南宁师范大学 地理科学与规划学院，广西 南宁 530100）

0 引言

民为国基，谷为民命。粮食事关国运民生，粮食安全是国家安全的重要基础。由于粮食生产空间与城乡发展空间矛盾日益加深，保障国家粮食安全的耕地空间面临被压缩的现实困境。数据表明，中国耕地流失占世界耕地流失总量的1?4，粮食生产空间生产潜力总量自改革开放以来约下降了1 ×107t［1］。然而，除了耕地面积的显性流失之外，工商资本下乡逐利、农业生产专业化格局的形成［2］等因素推动耕地非粮化带来的粮食生产力隐形损失则更为突出。“非粮化”体现为由粮食作物生产调整为经济作物种植，是基于农业内部比较收益而主动进行的生产结构调整。在理想情况下，耕地“非粮化”是追求经济发展与耕地保护相统一的理性选择，而过度“非粮化”则是资本逐利性内生推动的结果。为此，科学认知“非粮化”的正负外部性，深入剖析“非粮化”的形成机理对于新时期保证国家粮食安全具有重要的现实意义。

目前，国内学者对耕地“非粮化”的研究主要集中在以下几方面：“非粮化”形成机制研究，从农地流转［3，4］、种粮效率低下［5］、成本收益［6－8］、工商资本下乡［9］、农户分化［10，11］、政府管理与制度［12］、农业经营主体的资源禀赋和竞争能力［13］等不同维度探析推动“非粮化”的形成及过度“非粮化”的演进；耕地“非粮化”负外部效益的研究，主要体现为压缩种粮面积［14］、粮食产量减少［15］、用途变化导致的土壤层破坏［16，17］、耕地 利 用 呈 现 出“边 际 化”等 不 良 趋 势［18］；研究尺度的选择上，涵盖全国［19］、省级单元［20］、乡镇级单元［21］、粮食生产典型区［22－24］、家庭农场［25］。

尽管现有研究已涉及“非粮化”的多个维度，但在研究尺度的选择上，多集中于全国、省域尺度，而对省域内部县级之间的空间差异研究则相对较少，对微观层面的分析更有待深化。因此，本文以广西岩溶地区石漠化综合治理区域45 个县作为研究单元，基于统计数据对该区域“非粮化”水平及其类型的时空演化特征进行分析，在此基础上，采用空间计量模型探究影响耕地“非粮化”的影响因子，从微观层面为国家粮食安全和耕地保护政策调整提供科学参考。

1 研究区概况、研究方法和数据来源

1.1 研究区概况

根据《南方丘陵山地带生态保护和修复重大工程建设规划（2021—2035 年）》划定的岩溶地区石漠化综合治理区域，目前区域内现有水土流失面积约2.74× 106hm2，石漠化土地面积1.8 × 106hm2，重度和极重度石漠化土地占45%，涉及湖南、广西、贵州省共计69 个县，其中广西段包括南宁、柳州市等9个地级市45 个县。广西段属于中亚热带季风湿润气候区，雨量充沛、气候温和，但由于石漠化严重，导致生态系统极其脆弱，水土流失敏感度高。截至2020年，广西段石漠化综合治理区域的主要粮食作物为稻谷和玉米，主要经济作物为油料、甘蔗、木薯和蔬菜，农作物总播种面积2.463 × 106hm2，粮食种植面积为1.173×106hm2。

图1 广西石漠化地区地理位置Figure 1 Geographical location of rocky desertification area in Guangxi

1.2 研究方法

耕地“非粮化”的概念界定及其测算。科学界定耕地“非粮化”概念是认知并管控耕地“非粮化”现象的重要前提。目前国内外学界普遍较为认同的耕地“非粮化”概念具有以下两种内涵：从狭义上说，耕地的“非粮化”是指在耕地上种植粮食作物以外经济作物的行为，如蔬菜、水果、花卉等；从广义上说，耕地的“非粮化”则是指在耕地从事一切与粮食作物无关的、但仍属于农业生产范畴的行为［11］。在非粮化面积和非粮化率的测算方面，有学者认为可通过“粮作比”［26］、“非粮食种植流转耕地面积占流转农地面积比例”［27］等指标来描述地区“非粮化”水平。本文依据《关于防止耕地非粮化稳定粮食生产的意见》，同时为了保证数据的可得性和广西传统粮食种植习惯，避免蔬菜生产有耕地和设施农用地、水果生产有耕地和园地等多个交叉来源此类问题，仅将稻谷、小麦、玉米列入粮食作物计算范围，将除这三类的耕地种植行为统一视为非粮化的具体表现。计算公式为：

式中：Ang为非粮化面积；Ac为耕地面积；Ag为粮食播种面积；I 为复种指数；Rng为非粮化率。

空间探索性研究方法（ESDA）。ESDA 是探索研究区域各项指标的空间分布格局和相互作用机理的一种空间分析方法，主要用于检验具有空间位置的某要素的观测值是否显著地与其相邻空间点上的观测值相关联［29］。包括全局空间自相关和局部空间自相关，通常采用Moran′s I 指数表示空间要素的自相关程度。Moran′s I 指数的值域为［－1，1］，小于0说明负相关，等于0 说明不相关，大于0 说明正相关。通常用Z 值检验自相关显著性，当Z ＞1.96或Z ＜－1.96 时，变量的空间自相关显著，否则不显著。

全局Moran′s I 指数的表达式为：

空间滞后模型（Spatial lag model，SLM）。该模型主要探究的是各变量在某一地区发挥作用时是否存在空间溢出效应，也被称为空间自回归模型。空间滞后模型考虑周边区域的被解释变量对研究区的被解释变量的影响，以空间滞后项的形式加入计量方程，形成的空间计量模型。SLM 模型表达式如下［30］：

式中：ε～N（0，σ2In）；y 为被解释变量矩阵；X为解释变量矩阵；W 为邻接权重矩阵；ρ为空间效应系数；参数β反映自变量对因变量的影响程度；Wy为空间滞后因变量，属于内生变量，反映空间距离对区域行为的作用。

空间误差模型（Spatial error model，SEM）。该模型主要解决的是随机误差之间的空间自相关问题，尽可能减小测量周边区域时产生的不确定性因素对本地相关活动产生的影响，也被称为空间自相关模型。空间误差模型考虑周边区域的解释变量对研究区的解释变量的影响，以空间误差项的形式加入计量方程，形成的空间计量模型。SEM 模型表达式如下［30］：

式中：ε为随机干扰向量；λ为空间误差相关系数，度量了样本中观测值相互的空间依赖作用；Wε为空间滞后误差项；μ为服从正态分布的随机误差项向量；其他同公式（6）。

1.3 数据来源

以广西岩溶地区石漠化综合治理区域45 个县为研究单元，土地利用数据选用中国科学院资源环境科学数据中心Landsat 8?TM 数据（空间分辨率为15m×15m），2020 年农作物总播种面积、粮食作物播种面积、地区生产总值等社会经济数据来自《广西统计年鉴》《中国县域统计年鉴》和各地级市政府门户网站资料。通过查阅年鉴直接获取或间接计算得到指标的所需数值，部分缺失数据通过SPSS 26 软件中多重插补办法予以补充。

2 结果及分析

2.1 广西耕地“非粮化”的总体特征

本文基于Arcgis 10.2 软件中的自然断点分级法，将广西石漠化地区2020 年的非粮化面积和非粮化率的空间分布情况进行可视化分析。

从耕地非粮化面积视角来看，广西石漠化地区2020 年“非粮化”面积为1.324×106hm2，总体上形成以南宁、来宾和柳州市隶属县份为核心的高值地区并以百色市隶属县份为代表的低值地带（图2）。整体上该区域的非粮化面积均值为5.76hm2，兴宾区和武鸣县的非粮化面积分别达到1.335× 105hm2和1.053 × 105hm2，为该区域的最高值，而合山市和凌云县的非粮化面积仅为0.65hm2和0.69hm2，为该区域的最低值。其中，兴宾区和武鸣县的粮食产量下降趋势显著，非粮化形势最为严峻。兴宾区为典型的岩溶溶蚀地貌，土壤薄而贫瘠，地表水流失严重，属干旱地区，粮作条件局限性大。武鸣县丘陵占土地总面积63.5%，地块规模小而分散，不利于大规模机械化耕作，同时武鸣区隶属广西省会南宁市，受土地流转成本相对较高、地方政府财政压力大等外部因素的驱动，倾向于种植经济效益更大的非粮作物。合山市种植业以水稻等粮食作物为主，同时由于该区域行政面积较小，因此合山市非粮化现象并不突出。凌云县地处云贵高原的延伸部分，山地面积占全县总面积的93. 32%，耕地仅占全区的5.47%，这导致凌云县耕作面积有限，间接降低了该区域的耕地非粮化面积。

图2 广西石漠化地区非粮化面积空间分布Figure 2 Spatial distribution of non－ grainized areas in rocky desertification areas in Guangxi

从耕地非粮化率视角出发，广西石漠化地区2020年平均非粮化率为37.25%，总体上形成以中段东西走向为核心的高值地区，并以左段和中间南北走向为核心的低值地带（图3）。其中，蒙山县和巴马瑶族自治县的非粮化率分别达到62.33%和58.09%，为广西石漠化区域的最高值，而上林县和融水苗族自治县分别为9.16%和10.91%，为该区域的最低值。蒙山县在经历早期地壳运动的背景下，地质构造相对复杂，开展大规模的粮食作物生产难度大，因此农业以水果等经济作物为主要代表，农民人均种植水果收入持续增长，进一步鼓励农民“弃粮种果”的经济行为。巴马瑶族自治县素有“八山一水一分田”之称，石山地占30%，山多地少的地质状况使得土地尤为珍贵，因此农作物选择更倾向收益水平更高的经济作物。上林县于2010 年列入滇桂黔石漠化片区县，后经石漠化综合治理工程开展，2020年经济作物播种面积1.83 × 104hm2，同比下降7.07%，非粮化趋势遏制成效显著。融水苗族自治县土地以山地为主，故有“九山半水半分田”之说，山地占土地面积的85.48%。全县耕地范围较小，农业以粮食种植为主，故非粮化率也相对较低。

图3 广西石漠化地区非粮化率空间分布Figure 3 Spatial distribution of non－ grainization rates in rocky desertification areas in Guangxi

2.2 广西耕地非粮化的空间格局

将广西石漠化地区45 个县区非粮化面积和非粮化率作为观测变量，采用Global Moran′s I 指数判定不同尺度非粮化的空间特征。从图4 可见：县域层面的耕地非粮化面积和非粮化率的Moran′s I ＞0，Moran′s I 分别为0.1 978 61 和0.1 159 59，且全部通过了P ＜0.001 的显著性检验，表明在空间上存在一定的相关性，但相关性不强。

图4 广西石漠化地区耕地非粮化面积与非粮化率Global Moran′s I 散点图Figure 4 Global Moran′s I scatter plot of cultivated land non－ grain area and non－ grain rate in rocky desertification area of Guangxi

在Global Moran′s I 的基础上，进一步引入Local Moran′s I 分析各县区的集聚模式和相互间的空间状态（图5）。

图5 广西石漠化地区县级单元耕地非粮化率与非粮化面积空间集聚Figure 5 Spatial agglomeration of non－ grain conversion rate and non－ grain area of cultivated land in 111 county－ level units in Guangxi

由图5a可知，非粮化面积在空间上形成了以百色—河池市为核心的低—低集聚区，涉及7 个县级单元，这个分区内的县级单元具有明显的空间相关性，即相邻区域的非粮化面积均相对较小，这类区域多为粮食产区，非粮化面积相对较少；以南宁—来宾—柳州市为核心的高—高集聚区，涉及5 个县级单元，相邻区县间非粮化面积相互关系强，主要归结于地区石漠化程度、经济条件等因素的推动；以上林—合山市为代表低—高集聚区，即自身非粮化面积相对较小而相邻县域非粮化面积相对较大，主要是由于自身耕地少、区位特殊，导致粮作面积碎片化程度高；其余县域耕地非粮化面积的空间相关性均不显著。

由图5b可知，非粮化率的局部自相关特征与耕地非粮化差别较大，主要是以高—高集聚区为主，横跨来宾、桂林和梧州市，共计5 个县级单元，这些单元的非粮化率较高且与临近单元影响密切，主要是因为石漠化程度较高，导致耕地碎片化程度高，无法开展规模化生产，粮作收益难以覆盖机械化经营成本而促使非粮化水平的提升；以乐业、凌云和凤山县为代表的低—低集聚区，这与非粮化面积的低—低集聚区空间分布大体一致，主要是因为产粮区域的非粮化管控更为严格，更加侧重耕作的社会属性而非经济属性；以巴马瑶族自治县和大新县为代表的高—低集聚区，体现为非粮化率显著高于周边县域单元；以象州县为代表的低—高聚集区，体现为自身非粮化率低且与邻近单元的特征差异显著；其余县域耕地非粮化率的空间相关性均不显著。

2.3 驱动因子识别及地域分异

驱动因子的初步选取：基于前人的相关研究和数据的可获取性，从自然资源禀赋、经济发展水平、要素投入水平和居民生活水平4 个方面选取17 个具有代表性的指标作为解释变量，将耕地非粮化面积和耕地非粮化率作为被解释变量，构建符合广西石漠化地区现实情况的耕地非粮化影响因素指标体系（表1）。

表1 广西耕地非粮化影响因素指标体系Table 1 Index system of influencing factors of cultivated land non－ grain in Guangxi

驱动因子的共线性检验：对预选因子进行共线性检验，基于SPSS软件通过Z－score标准化方法对影响因子进行标准化处理，接着采用Pearson 相关性分析进行多重共线性诊断，保留VIF 值小于10，容差大于0.1 的影响因子，结果表明农作物总播种面积、粮食作物播种面积、耕地面积和设施农业占地面积的VIF 值大于10，容差小于0.1，存在共线性，同时GDP、农村居民恩格尔系数、单位面积第一产业产值和城乡居民收入比未通过显著性检验（P ＞0.05），因此将这8 个影响因子进行剔除。广西石漠化地区耕地非粮化与影响因素的共线性诊断结果，如表2 所示。

表2 影响因素共线性诊断分析结果Table 2 Influencing factors collinearity diagnostic analysis results

模型选择及估计结果：为了选择有统计学意义显著性的空间计量模型，采用经典回归OLS 模型对计算得到的数据进行检验，用OLS 回归后的残差进行LMLAG LMERR检验。根据拉格朗日乘子检验原理，如果LM－Error 和LM－Lag 这两个统计量 均不显著，则选择OLS模型作为最终模型；若只有1 个统计量显著，那么LM－Error 统计量显著则指向空间误差模型（SEM），而LM－Lag 统计量显著则指向空间滞后模型（SLM）。结果表明，LM－ Error 的显著性优于LM－ Lag，故选择空间误差模型作为最佳模型，并运用GeoDA1.10 对截面数据进行空间回归检验。

从统计学显著性检验结果看，9 个指标均通过P ＜0.01 置信水平的显著性检验，这表明农村居民最低生活保障人数、第一产业增加值、城镇化水平、耕地年退化率、水土流失率、单位耕地农业机械总动力、人均耕地面积、第一产业对经济贡献值和复种指数对耕地非粮化面积和耕地非粮化率均有显著的驱动作用，同时二者的R2接近1，说明模型的拟合程度较高，这验证了广西石漠化地区耕地非粮化影响因素框架的正确性（表3）。

表3 空间滞后模型SEM选择检验及估计结果Table 3 SEM selection test and estimation results

2.4 耕地非粮化面积驱动力分析

从非粮化面积的回归系数来看，第一产业增加值（35.5332）、城镇化水平（24.0685）、农村居民最低生活保障人数（18.0384）和人均耕地面积（15.9446）显著高于其他指标，表明自然资源禀赋、经济发展水平和居民生活水平对耕地“非粮化”面积的正向影响最大，而单位耕地机械总动力（－3.8331）、水土流失率（－3.4592）和耕地年退化率（－ 2.3078）指标数值为负，表明对耕地非粮化面积的负面影响主要集中在自然资源禀赋和要素投入水平。

从自然资源禀赋看，人均耕地面积和复种指数对耕地“非粮化”具有驱动作用，其中人均耕地面积的驱动属性最为显著，表明人均耕地面积每增加1个单位，广西石漠化地区的耕地非粮化面积就会上升15.9446 个单位，而耕地年退化率和水土流失率均为负值，表明该地区耕地质量的下降会对耕地“非粮化”的趋势产生抑制作用，但耕地年退化率和水土流失率同为负向指标，因此不能简单地把能约束“非粮化”现象的指标定义为科学收敛“非粮化”趋势的有效途径。

从经济发展水平看，第一产业增加值和城镇化水平显著性最强，二者每增加1 个单位，“非粮化”面积就会增加35.5332、24.0685 个单位。从空间视角出发，广西石漠化地区中南部区域非粮化面积大，涉及区县隶属于南宁、柳州市，城市定位侧重经济、政治层面而非主要粮食生产承载地，而城镇化水平作为城市经济水平的表征，城市经济发展程度越高，则农业比较效益越低，农民种粮意愿越低，“非粮化”面积扩大趋势更加显著。第一产业对经济的贡献值同样对耕地非粮化面积的扩大具有正向作用，这表明经济利益的驱动同样会导致区域耕地非粮化面积的扩大。

从要素投入水平看，单位耕地机械总动力的数值为负，对耕地“非粮化”现象同样具备一定程度的抑制作用。由于耕作机械化作为现代农业科技要素投入的主要表现形式，有利于粮食作物的规模化生产，然而在石漠化地区当农业生产过程中不具备大规模使用农业机械的条件时，粮食作物播种面积就会呈现碎片化，耕地粮作功能被削弱。从务农人员的角度出发，选择农业机械需求较低的经济作物是更为理性的行为，并且经济收益的驱动会放大这种农作行为。

从居民生活水平看，农村居民最低生活保障人数的增多对耕地非粮化面积的扩大具有显著的驱动效应，表现为农村居民最低生活保障人数每增加1个单位，耕地非粮化面积就会增长18.0384 个单位。从本质上讲，这是经济性的耕作行为，石漠化地区是贫困高发区，地区的居民生活水平越低，在一定程度上会更倾向于选择经济作物来提升收益以改善生活水平。

2.5 耕地非粮化率驱动力分析

从非粮化率的回归系数来看，第一产业增加值（18.1466）、农村居民最低生活保障人数（10.1484）、复种指数（6. 0254）和单位面积第一产业产值（8.0254）对非粮化率增长的驱动效应最显著，表明经济发展水平、自然资源禀赋和居民生活水平对耕地非粮化率的正向影响最大，同时耕地年退化率（6.0047）和水土流失率（5.1170）对非粮化率的提高也具备驱动效应，而单位耕地机械总动力（－4.0344）则有利于非粮化率的减低，表明要素投入水平的提高在一定程度上会导致耕地非粮化率的下降。其余指标虽显著性不强，但仍具备一定的参考性，也能一定程度反映与耕地“非粮化”水平的相关性。

从自然资源禀赋看，水土流失率、耕地年退化率、人均耕地面积和复种指数对耕地非粮化率的提高均具有促进作用，主要是由于水土流失和耕地退化均会导致人均可利用耕地大幅减少，在耕地要素不足的情况下，少量的粮食作物产量带来的收入难以维系务农家庭的开支，因此驱使务农人员选择收益水平更高的经济作物，同时复种程度越高，则非粮化率会也会同步增大。

从经济发展水平看，第一产业增加值和单位面积第一产业产值对耕地非粮化率的提高具有显著的驱动作用。由于耕地非粮化作用的直接结果是经济收益的提升，因此从系统的角度来看，这两者与耕地非粮化率在一定程度上会产生相互作用并且同向发展，即非粮化率越高，第一产业产值提升的越快，反之亦然。从保障国家粮食安全的角度出发，单纯追求经济利益的耕作行为与我国的粮食安全政策相驳，与国家总体安全的要求不符。

从要素投入水平看，单位耕地农业机械总动力的增长对降低非粮化率具有一定的成效。由于大部分粮食作物对农业机械的依赖性较高，在农业机械投入不足的背景下，务农人员更青睐对机械要素依赖程度较低的经济作物，因此适度加大农业机械投入量不仅会提升务农人员耕种经济作物的积极性，降低务农的人工成本，同时也有利于提高务农效率，科学管理农作物生长环境。

从居民生活水平看，农村居民最低生活保障人数基数的扩大也会一定程度上导致非粮化率的提高，这与此指标导致非粮化面积增大的逻辑大体一致，即为改善生活条件而选择在耕地上种植收益较高的经济作物。从这个角度出发，国家应该更多的考虑改善基层务农人民的收入水平和结构，在收入得到保障的背景下，也能在一定程度缓解“非粮化”现象的发展趋势。

3 结论、讨论与建议

3.1 结论

本文从广西石漠化地区非粮化面积和非粮化率的特征进行描述分析，并通过空间误差模型识别耕地“非粮化”的关键驱动因子。主要结论如下：①广西石漠化地区非粮化总体特征的刻画分为两方面：非粮化面积方面，广西石漠化地区2020 年平均非粮化面积为29418.27hm2，总体上形成以南宁、来宾和柳州市隶属县份为核心的高值地区，并以百色市隶属县份为代表的低值地带；非粮化率方面，广西石漠化地区2020 年平均非粮化率为37.25%，总体上形成以中段（东西走向）为核心的高值地区并以左段和中间（南北走向）为核心的低值地带。②以广西石漠化地区非粮化面积和非粮化率作为观测变量，通过全局莫兰指数表明县域层面的耕地非粮化面积和非粮化率在空间上存在一定的相关性，在此基础上，运用局部莫兰指数深入分析县域的集聚模式，发现非粮化面积与非粮化率的空间自相关特征差别较大，同时非粮化面积的集聚效应比非粮化率更显著，非粮化率的空间状态相对离散。③广西石漠化区域耕地“非粮化”驱动力方面，从非粮化面积的回归系数来看，第 一 产 业 增 加 值（35. 5332）、城 镇 化 水 平（24.0685）、农村居民最低生活保障人数（18.0384）和人均耕地面积（15.9446）对非粮化面积增长的驱动效应最显著；从非粮化率的回归系数来看，第一产业增加值（18.1466）、农村居民最低生活保障人数（10.1484）、复种指数（6.0254）和单位面积第一产业产值（8.0254）对非粮化率增长具有显著的驱动效应。总体而言，第一产业增加值、农村居民最低生活保障人数均对非粮化面积和非粮化率的提高具有显著影响，国家应持续关注石漠化地区自然资源限制所诱发的贫困问题，平衡经济发展—粮食安全的关系，正视经济收入欠保障的务农人员对于耕地非粮化趋势的推动作用。

3.2 讨论

本文是以广西石漠化地区作为研究对象，从县域尺度展开耕地非粮化研究，评价单元较小，虽然评价结果精确度更高、差异性更显著，但由于部分数据并未统计到县级单元，存在指标数据缺失的约束性，因此会影响评价指标体系的科学性和完整性。同时，本文在进行驱动力分析时，把广西石漠化地区作为整体，尚未触及县级单元耕地非粮化归因的地域差异性，接下来的研究中将进一步深入分析各县级单元耕地非粮化的具体成因，以为地域性政策的提出提供理论参考。

从实践来看，种植粮食作物比较利益低下、土地流转成本攀升及部分地区不合理的乡村振兴措施对耕地非粮化局面的形成具有助推作用。从形式来看，主要包括耕地撂荒、农村发展经济的要求和经济利益驱使。因此，“非粮化”整治并非简单地清理与“执法”，应注重以下三方面工作的开展：第一，协同好耕地“非粮化”与“藏粮于地”的关系；第二，既要提高地方政府激励粮食生产的内生动力，也要提高经营者的粮食生产积极性；第三，客观认识不同耕地“非粮化”现象对粮食安全的影响。

3.3 建议

基于上述结论，提出以下建议：①提高粮食种植效益。一是通过打造地方粮食品牌，提升产前研发和产后精深加工环节延伸投入力度以优化粮食产业链和供应链；二是加入对农业基础设施的公共投入力度；三是加强农业科技投入力度。②规范农村土地流转市场。一是引导耕地流转费处于合理水平，制定全国性耕地流转价格指导标准，避免由于过高或过低的耕地流转费对市场产生负面影响；二是强化耕地流转后用途管制，首先是制度层面的约束并辅以相应的监管配套措施，其次可建立农村土地流转管理信息系统，明确记录土地流转前后的信息变更。