成都平原耕地非粮化时空演变特征及驱动因素

陈 磊，邱茹梦，李 川

（1.西华师范大学 管理学院，四川 南充 637002；2.西昌学院 资源与环境学院，四川 西昌 615013）

粮食安全事关一个国家和地区社会经济稳定发展。2022全球粮食危机报告显示，2021年全球近2亿人经历了粮食危机或粮食不安全程度进一步恶化，联合国粮农组织（FAO）发出全球严重粮食不安全形势的警告（财联社，2022）。然而，全球粮食产量增长空间不大（Grassini et al., 2013）。耕地是粮食生产的基石，耕地供给及可持续利用已成为制约粮食生产的主因（Zhang et al., 2018）。在中国，虽然农业生产结构不断优化、区域空间布局日趋合理，但城镇化、工业化进程驱使地区耕地功能性衰退倾向明显，耕地利用出现边际化。据统计，中国目前耕地非粮化率约为27%，呈现增长趋势，且具有明显的地区差异，其中西南地区非粮化率高达46%（孔祥斌，2020）。面对严峻的耕地非粮化形势，近年来中国先后发布了防止耕地非粮化、规范农地经营权流转、严控耕地用途管制等政策制度，突出了加强耕地非粮化管控的重要性。因此，开展耕地非粮化研究具有现实价值。

国际上没有明确的耕地非粮化概念（曹宇 等，2022），相关研究侧重于经济作物扩张对人类社会、生态环境的影响（Meyfroidt et al., 2014），更加关注作物多样化（Barnes et al., 2015）、农业可持续集约化（Cassman et al., 2020）等领域，这些研究与耕地非粮化表征颇为相似，其目的在于改变单一的粮食种植结构及其生产模式，改进农业生产与经营形态，以应对气候变化和环境胁迫的韧性。耕地非粮化是耕地用于农业生产的性质不变，其种植结构发生改变（Su et al., 2020）。国内学者已着眼保障粮食安全，综合运用遥感、GIS等地理与空间分析方法（位佳佳 等，2022；杨绪红 等，2022）以及统计与计量分析方法（蔡瑞林 等，2015；常媛媛 等，2023），从全国（Zhao et al., 2017）、省域（王鹏程等，2023）、粮食生产功能区（杨朝磊 等，2020）等不同尺度出发，聚焦耕地非粮化空间差异（孟菲等，2022；张颖诗 等，2022）及其带来的社会经济问题（陈菁 等，2016），以及耕地非粮化对耕地质量（Su et al., 2019）、耕地保护主体（郭珍，2020）等方面的影响研究，但对耕地非粮化时序变化特征的研究有待加强。同时，聚焦经济社会因素对耕地非粮化的影响（魏玉凯 等，2021）以及政策驱动对农户生产行为变化的影响（高晓燕 等，2022），以揭示耕地非粮化形成机制。对于如何有效抑制耕地非粮化，学者们提出从经济激励-补偿机制（周艺霖 等，2016）、农业基础设施建设（卓乐，2021）、农地用途管制（李冰强 等，2015）、土地契约与流转管控（武舜臣 等，2019）、法律法规完善（史卫民 等，2019）等方面加强管控。既有研究进行了大量的理论探究和实证分析，为有效遏制耕地非粮化扩张、确保国家和地区粮食安全、保障耕地可持续利用提供了重要的理论支撑和实践经验。但多尺度耦合研究、县域及其内部地区空间尺度研究仍有待加强。加之中国幅员辽阔，耕地分布广泛，存在地区及其内部资源禀赋、经济水平、产业结构等差异，不同地区发生耕地非粮化的行为和原因不同，尤其是重要粮食生产基地亟需关注。因此，从地区差异出发，明确耕地非粮化时序变化特征及其多尺度空间格局，对精准保障粮食安全和保护耕地资源十分重要。鉴于此，本文选取成都平原为研究区，且以区县尺度为基本空间单元，采用数理量化模型和空间自相关法，分析耕地非粮化时空演变特征，构建经济计量模型识别耕地非粮化的驱动因素，并提出改善耕地非粮化行为的对策建议。以期为地区农业可持续发展、耕地保护与粮食安全决策提供参考。

1 理论分析

土地经济理论认为，土地利用的实质是人与地、人与人之间的相互作用。同理，耕地非粮化也是人与地、人与人之间相互作用的结果，与自然、经济、社会、政策制度等要素之间存在千丝万缕的联系（黄天弘，2020），且不同要素之间交互作用共同驱动不同地区耕地非粮化，主要归因于耕地利用的内在关系和管理，还涉及与外部环境的互动（图1）。

图1 耕地非粮化理论分析框架Fig.1 Theoretical analysis framework of non-grain production of cultivated land

一开始，耕地非粮食种植行为被认为是可以接受的，符合比较效益的经济调整行为，能改变单一的粮食种植结构，改进农业经营方式，增加土地经营者收入。但受工业化、城市化和信息化等外部进程的影响，致使宏观上社会经济发展对资源配置产生胁迫。现代市场经济体制下，种子、农药、化肥、机械等农业生产资料和劳动力成本攀升，使得土地经营者种粮成本增加，但粮食市场价格受国家政策管控而不被允许过大波动，加之国际国内粮价相互牵制以及小农分散经营行为，造成种粮比较效益始终较低。虽然国家粮食补贴政策能在一定程度上弥补土地经营者种粮成本，但不足以增加收益。与此同时，经济社会发展效应外溢，加大城乡居民可支配收入差距，削弱了土地经营者种粮积极性，加剧了耕地非粮食种植风险。具体而言，一方面，源自比较效益的利益追逐，以及粮食生产保护个体意识较弱，土地经营者更加愿意种植花卉、蔬菜等高收益的经济作物，用于替代传统谷类粮食作物种植，以获取更高的经济收入；另一方面，城市化和工业化发展的虹吸效应，吸引更多农村劳动力转入非农行业，农村劳动力减少导致农村空心化、耕地撂荒等诸多问题，造成乡村衰退。虽然乡村振兴等政策实施吸引了工商资本下乡，但受成本倒逼和市场机制诱导，进入农业生产领域后，大多会选择经济作物种植（李云新 等，2018）。加之部分基层政策执行者对政策的片面认知，盲目推动以地方特色经济作物为主的现代农业产业发展，虽催生了农业合作社等农业内部组织发育，但加速了土地流转，引导着农业种植结构的非粮化调整，进而加剧耕地非粮化，造成粮食安全的潜在风险。

2 研究区概况与方法

2.1 研究区概况

选取成都平原为研究区（图2）。成都平原地处中国西南唯一的粮食主产区四川省，位于四川盆地之中，是中国西南三省（其他2个省为云南省和贵州省）最大的平原，也是四川（乃至全国）重要的粮食生产基地，其广义范围包括龙门山和龙泉山之间的北部涪江冲积平原、中部岷江与沱江冲积平原、南部青衣江和大渡河冲积平原，共有涉及5个市、34 个 区 县，介 于29°11′25″—32°19′15″ N、103°01′20″—105°17′02″ E，南北长约380 km，东西宽约180 km，总面积约2.596×104km2。该平原地势平坦，呈西北向东南倾斜态势，发育岷江、沱江两大水系，水源充足，且土层深厚，土壤肥沃。属亚热带季风气候，温暖湿润，年均温18℃，年均降水量约900～1 300 mm，全年无霜期为278 d。优越的自然地理条件为农业发展奠定了重要基础，其中粮食作物主要有稻谷、小麦、玉米、大豆、甘薯等，经济作物主要有油菜、甘蔗、蔬菜、烟叶等。近年来，四川社会经济快速发展，尤其是以省会成都为中心的成都平原地区，各项经济建设对耕地的占用与破坏问题突出，且耕地非粮化种植行为凸显，如何确保“天府粮仓”的安全问题尤为重要。

图2 研究区示意Fig.2 Location of the study site

2.2 方法与数据

2.2.1 方法 1）耕地非粮化测算方法。耕地非粮化的测算方法尚未达成共识（罗必良 等，2018；Leng et al., 2021），呈现多元化的特点。2020 年11月，国务院办公厅出台《关于防止耕地非粮化稳定粮食生产的意见》指出，要明确耕地利用优先序，永久基本农田等优质耕地要重点用于发展粮食生产，尤其是保障稻谷、小麦、玉米三大谷物的种植面积（中国政府网，2020）。鉴于此并根据已有做法（陈浮 等，2021），本文中粮食作物仅包含传统的稻谷、小麦、玉米三类，除此之外的所有耕地种植行为均界定为“非粮化”。耕地非粮化可定义为土地经营者在耕地上除了种植稻谷、小麦、玉米三大谷物之外的其他农作物种植行为。这能有效地避免非粮食种植用地交叉问题，且引入复种指数更契合实际。公式为（陈浮 等，2021）：

式中：NGA为耕地非粮化面积；CLA为耕地面积；GPA为粮食播种面积（即稻谷、小麦和玉米的种植面积）；CPA为农作物播种面积；MCI为复种指数；NGR为耕地非粮化率。

2）空间自相关模型。空间自相关模型用于测度耕地非粮化空间集聚程度以及集聚中心的空间位置（张颖诗 等，2022），包括全局空间自相关和局部空间自相关。全局空间自相关是从地区整体上反映某一属性的空间集聚与分散程度，采用Global Moran'sI分析耕地非粮化是否存在统计上的集聚与分散现象，用IG表示，且IG∈［-1, 1］。其中，IG＞0表示集聚分布且在空间上具有正相关，IG＜0表示离散分布且在空间上具有负相关，IG=0表示随机分布且无空间相关性。局部空间自相关是识别集聚中心的空间位置，采用Local Moran'sI分析耕地非粮化高值和低值的空间集聚情况，用IL表示。其中，IL＞0表示第i个单元观测值与周围单元差异小，IL＜0表示第i个单元观测值与周围单元差异大。公式为（张颖诗 等，2022）：

式中：n为研究单元数；yi、yj分别为第i单元与j单元的观测值；yˉ为所有单元的平均值；wij为空间权重矩阵，i、j单元相邻则权重为1、不相邻则权重为0。

3）驱动因素经济计量模型及变量含义。基于理论分析框架（见图1），并考虑到耕地非粮化的市场驱逐根源在于受经济比较效益的影响（朱道林，2021），着重观察经济社会驱动因子对成都平原耕地非粮化的影响。20 世纪80 年代以来，中国耕地保护制度及其政策发生了一系列变化，作为调控土地资源的重要行政工具，对耕地非粮化具有重要影响，有必要引入政策因素虚拟变量。因此，提出待验证假说，即耕地非粮化是农业人口状况、经济发展水平、农业结构调整、农业生产动能、固定资产投资等主要经济社会因子与耕地保护政策在不同深度层次上的影响结果。

由于农业人口转移伴随人口城镇化，而固定资产投资等因子包含经济作物种植用地规模扩张的部分信息，与经济作物种植用地规模扩张之间存在一定的共线性。为避免此问题，构建2个经济计量模型把握社会经济驱动因子与耕地保护政策对耕地非粮化的影响。

构建模型Ⅰ估计农业结构调整、经济作物种植用地规模扩张、耕地保护政策对耕地非粮化的影响：

式中：Yij为耕地非粮化面积或非粮化率；ASAij为农业结构调整（用“农业产值占农林牧渔总产值的比重”表征）；ECPSij为经济作物种植规模（用“经济作物种植面积”表征）；CLPPij为耕地保护政策，依据社会发展阶段和已有研究（陈磊 等，2020），把耕地保护政策变迁（2000—2019年）划分为5个阶段，即2000 年 赋 值1、2001—2005 年 赋 值2、2006—2010 年 赋 值3、 2011—2015 年 赋 值4、2016—2019年赋值5；α0为常数项、α1～α3为解释变量系数；εij为随机误差项；i为年份、j为区县行政单元。

构建模型Ⅱ估计农业人口状况、经济发展水平、固定资产投资、农业生产动能、农业结构调整等主要社会经济驱动因子和耕地保护政策对耕地非粮化的影响。

式中：Yij为耕地非粮化面积或非粮化率；APSij为农业人口状况（用“单位耕地面积的农业人口数量”表征）；URIRij为城乡居民可支配收入比、URij为城镇化率，用以表征经济发展水平；FAISij为固定资产投资（用“全社会固定资产投资占GDP的比重”表征）；APKEij为农业生产动能（用“农机总动力”表征）；ASAij为农业结构调整；CLPPij为耕地保护政策；α0为常数项、α1～α7为解释变量系数；εij为随机误差项；i为年份、j为区县行政单元。

2.2.2 数据来源 数据来源于2001—2020 年《中国统计年鉴》（国家统计局，2001—2020）、《四川统计年鉴》（四川省统计局，2001—2020）、《四川农村统计年鉴》（四川省统计局，2001—2020）、《成都统计年鉴》（成都市统计局，2001—2020）、《德阳统计年鉴》（德阳市统计局，2001—2020）、《绵阳统计年鉴》（绵阳市统计局，2001—2020）、《眉山统计年鉴》（眉山市统计局，2001—2020）、《乐山统计年鉴》（乐山市统计局，2001—2020）以及相关行政主管部门统计数据，部分缺失数据采用线性插值法补齐。

3 结果与分析

3.1 成都平原耕地非粮化时序演变特征

2000—2019 年成都平原耕地面积呈现“U”型波动增减态势，大致表现为2014年以前减少而之后增加的趋势，成都平原耕地面积总体变化较为稳定（图3-a），源于地方政府持续的耕地保护与监管。然而，耕地面积的变化并不意味着耕地内部用途的转变（Su et al., 2020），虽然成都平原耕地面积在研究时段内总体变化较为稳定，但受农业结构调整、工商资本下乡诱导耕地利用行为转变等影响，造成耕地内部种植结构变化，导致耕地非粮化。

图3 2000—2019年成都平原耕地面积（a）、耕地非粮化面积与非粮化率（b）时序演变特征Fig.3 The changes of cultivated land area(a), Non-Grain Area(NGA) and Non-Grain Rate(NGR) of cultivated land(b) in Chengdu Plain from 2000 to 2019

由图3-b 可知，2000—2019 年成都平原耕地非粮化面积与非粮化率的变化趋势具有同步性，耕地非粮化面积由2000 年的59.25×104hm2增加至2019年 的61.98×104hm2，增 加 了27 300 hm2，增 幅 为4.40%，且分别占相应年份耕地总面积的69.51%和70.59%，占比增加了1.08%。同时，耕地非粮化率由2000年的38.75%增加至2019年的52.28%，增长了13.53%。可见，成都平原耕地非粮化总体状况显著，耕地保护和粮食安全保障面临较大压力。

3.2 成都平原耕地非粮化空间分异特征

3.2.1 空间差异状况 基于已有研究（Guo et al.,2021），在研究时段内选择2000和2019年的起止年耕地非粮化面积和非粮化率，从区县级单元出发，通过自然断裂点法（Jenks）将结果划分为3 个等级，以分析成都平原耕地非粮化空间差异状况。

根据图4可知，成都平原34个区县耕地非粮化具有明显的空间差异特征。1）耕地非粮化面积呈现多中心分散分布态势。2000年有9个高值区的区县，平均面积为3.22×104hm2，位于成都东南部、德阳东南部、绵阳北部和眉山南部；中值区除乐山所有区县外，其余区县集中于成都平原西北部；低值区的区县集中于成都中心地区（图4-a）。2019年有7 个高值区的区县，平均面积为29.30×104hm2，位于成都东北部和西南部，德阳北部和南部、绵阳北部；中值区集中于成都平原东北—西南沿线偏东的区县；低值区集中于成都中心地区且向西延伸（图4-b）。研究时段内，34 个区县非粮化面积增量自西北向东南呈“增大—减小—增大”分布特征（图4-c）。2）耕地非粮化率大致呈中部高、东北和西南低的空间格局。2000 年有7 个高值区的区县，平均水平为56.18%，其中乐山所有区县均为高值区，其次是德阳东南部，总体上自西北向东南呈现由低值区向高值区扩散增大的趋势（图4-d）。2019年有8个高值区的区县，平均水平为72.62%，集中位于成都东北部，且总体上呈现以成都东北部为高值区中心，大致向东北和西南方向扩散且呈现低值区向高值区演变的趋势（图4-e）。研究时段内，34个区县非粮化率增幅自西北向东南呈“增大—减小—增大—减小”分布特征（图4-f）。总之，成都平原耕地非粮化面积和非粮化率变化的区县尺度具有不同步性，虽然非粮化面积中值区和高值区的区县数量有所减少，但非粮化率中值区和高值区的区县数量有所增加。

图4 2000—2019年成都平原34个区县耕地非粮化面积与非粮化率特征Fig.4 Characteristics of the NGA and NGR in 34 districts and counties of Chengdu Plain from 2000 to 2019

3.2.2 空间分布集聚状态 将成都平原34 个区县耕地非粮化面积和非粮化率作为观测变量，采用Global Moran'sI判定成都平原耕地非粮化的总体空间集聚特征（图5）。结果发现，2000 和2019 年耕地非粮化面积（图5-a、b）和非粮化率（图5-c、d）的Global Moran'sI均＞0，但从显著性看，非粮化面积2000 年P=0.006＜0.01、2019 年P=0.033＜0.05，而非粮化率2000 年P=0.000 02＜0.001、2019 年P=0.747＞0.05，说明2000和2019年成都平原耕地非粮化面积的Global Moran'sI分别通过了1%和5%水平的显著性检验，其空间分布具有较强的正相关。而耕地非粮化率仅2000 年的Global Moran'sI通过了0.1%水平的显著性检验，2019 年未通过显著性检验，说明成都平原耕地非粮化率的空间分布仅2000年具有较强的正相关，2019年可能不存在显著的空间集聚性。因此，为有效把握2000—2019年成都平原耕地非粮化空间分布集聚状态，且基于显著性检验结果，仅分析以耕地非粮化面积为观察变量的空间分布集聚状态。根据图5-a、b可知，耕地非粮化面积全局Moran'sI指数变化较小，由2000 年的0.286降至2019年的0.216，仅下降了0.07，说明成都平原耕地非粮化面积的空间集聚保持在较为稳定的状态，且存在集聚分布特征。

图5 2000和2019年成都平原34个区县耕地非粮化面积和非粮化率Moran's I散点图Fig.5 Moran scatter plot of the NGA and NGR in 34 districts and counties of Chengdu Plain in 2000 and 2019

然而，特定区域耕地非粮化面积集聚状况仍不清楚，引入Local Moran'sI作进一步分析。研究时段内，成都平原耕地非粮化面积具有空间集聚特征（图6-a、b），且形成的各类集聚区均通过显著性检验（图6-c、d）。根据图6-a、b 可知，2000 和2019年耕地非粮化面积均形成“高-低集聚区、低-高集聚区、低-低集聚区”3 类。具体地，2000 和2019年高-低集聚区不变，仅涉及成都双流区1个单元；低-高集聚区由2000年的成都蒲江县、眉山彭山区2个单元转变为2019年的成都青白江区、德阳什邡市2个单元；低-低集聚区集中在成都主城5区（金牛区、青羊区、武侯区、锦江区、成华区）和近郊郫都区6个单元，但2019年近郊郫都区退出低-低集聚区，主城5区不变。可见，成都平原耕地非粮化面积空间分布集聚区域集中在成都及其周边临近城市。

图6 2000和2019年成都平原34个区县耕地非粮化面积空间集聚格局及其LISA显著性检验Fig.6 Spatial agglomeration patterns of the NGA in 34 districts and counties of Chengdu Plain in 2000 and 2019

3.3 耕地非粮化驱动因素

综上所述，成都平原耕地非粮化存在明显的时空演变特征，有必要进一步分析其驱动因素。利用成都平原2000—2019 年数据分别对模型Ⅰ和Ⅱ进行估计。在估计分析中，除了以百分比表示的变量外，其他变量均取自然对数，这能有效降低异方差并使数据变得平稳。经检验采用固定效应模型的广义最小二乘法（FGLS）对面板数据进行多元线性回归估计，并通过Cross-section weights 加权方式消除模型的多重共线性和异方差影响。由表1可知，所有模型F统计量均在1%统计水平上显著，拟合度R2均在80%以上，D-W值能满足回归残差不存在序列自相关的要求，t统计值显示所选驱动因子大多通过统计检验且基本与预期吻合。该模型估计结果能较好地反映所研究问题。

表1 模型回归估计结果Table 1 Model regression estimation results

模型Ⅰ中，ASA 对NGA 在1%水平上显著、对NGR 在5%水平上显著，ECPS 和CLPP 对NGA 和NGR 均在1%水 平上显著，表明三者是影响成都平原耕地非粮化的主要原因；模型Ⅱ中，ASA、URIR、UR 对NGA 均在1%水平上显著，ASA、UR 和APKE 对NGR 分别在5%、5%、1%水平上显著，说明这些因素对成都平原耕地非粮化有明显的线性影响。

具体而言，从NGA 看，模型Ⅰ中，ECPS 对NGA具有正相关、ASA和CLPP具有负相关，说明ECPS会造成NGA增加，ASA和CLPP能促使NGA减少；模型Ⅱ中，ASA对NGA具有正相关、URIR和UR 对NGA 具有负相关，说明ASA 能造成NGA增加，URIR和UR能促使NGA减少。ECPS伴随着NGA增加，但ASA对NGA的影响取决于土地经营者对耕地用途管制及其保护的价值取向与行为执行。从NGR 看，模型Ⅰ中，ECPS、ASA 和CLPP对NGR 均具有正相关，会造成NGR 增加；模型Ⅱ中，ASA和UR对NGR具有正相关、APKE对NGR具有负相关。说明ASA和UR能造成NGR提高，而APKE提高会促使NGR下降，这是由于随着经济发展水平的不断提升，为了获取更高的农业生产收益，土地经营者更加倾向于高收益的农业生产行为，迫使更多的耕地用于非粮食生产。但高效的农机化耕作投入能提升农业生产效率，带动土地经营种粮热情，对降低NGR 有积极作用。可见，经济作物种植规模（ECPS）、农业结构调整（ASA）、城镇化率（UR）和耕地保护政策（CLPP）是最主要的驱动因素。

此外，APS 和FAIS 对成都平原耕地非粮化不具备线性影响。虽然APS 和FAIS 未通过统计学意义上的显著性水平检验，但APS 对NGA 影响的系数为负、对NGR 影响的系数为正，FAIS 系数均为正，符合预期估计方向。这说明农业人口转移会使得NGA 减少，且与一般认知相反。但正是农业人口转移使得农业大户等农业新型经营主体顺利入驻，通过土地流转实施农地规模化经营，在一定程度上抑制NGA 减少。然而，这并不意味着NGR 会降低，因为高收益依然是农业新型经营主体追求的目标。与此同时，FAIS提升会加剧耕地非粮化。虽然FAIS 对土地利用的贡献在于提升土地集约化程度，但FAIS提升对农业劳动力具有替代效应以及由之带来的劳动力非农转移的挤出效应。为保障农业生产和粮食安全，国家与地方政策引导的工商资本下乡往往伴随着非粮食生产行为，地区耕地资源所承受的压力较大。

4 讨论

在地方政府持续的耕地保护与用途管制政策实施下，2000—2019 年成都平原耕地面积变动不大，但耕地面积变化小并不意味着耕地实际用途改变少（Su et al., 2020）。本研究发现，成都平原耕地非粮化面积与非粮化率在时序变化上同步增加，2019年耕地非粮化率为52.28%，高于西南地区耕地非粮化率（46%）（孔祥斌，2020）。此外，成都平原34个区县的耕地非粮化面积和非粮化率在空间变化上均不同步。可见，耕地非粮化面积和非粮化率无绝对关联，受土地经营者耕种行为、农业政策调控、市场经济状况等因素影响。深入分析成都平原耕地非粮化面积空间集聚状态发现，经济发展水平高的城市往往会带动其周边临近城市耕地非粮化，这是由于城市周边种粮成本往往更高，农民不愿种植粮食（朱冬亮 等，2013），且受限于个体认知和市场敏感度，易受其他农民种植行为影响，与已有研究（Li et al., 2021）具有一致性。

虽然耕地非粮化与自然、经济、社会、政策制度等要素之间存在诸多联系（李云新 等，2018），但在现代市场经济体制下，其根源在于粮食种植经济效益低（朱道林，2021）。通过着重观察主要经济社会驱动因子的影响发现，经济作物种植规模、农业结构调整、城镇化率和耕地保护政策是关键因素，具有不同影响程度。虽然理论上农业结构调整、城镇化水平提升和耕地保护政策实施有利于改善土地利用结构，提高土地配置效率，助农增收，以调动农民耕地投入及其利用的积极性，进而促进耕地保护，但现实中存在过度遵循市场需求而盲目地占用耕地从事经济作物种植的行为，使得经济作物种植规模扩张，且农业结构调整缺乏整体规划、政策执行者认知局限以及耕地利用带有一定的个人主观色彩，致使农业结构调整逐渐失去合理性且政策执行偏离初衷，导致更多的耕地用于非粮食种植，造成耕地非粮化。

本研究较好地反映成都平原耕地非粮化状况，但只关注了谷类作物中稻谷、小麦、玉米的情况，是否应更加注重粮食作物广义概念仍值得进一步探讨。且受限于数据获取及其完整性，仅分析了2000—2019年，后续研究开展需要进一步收集最新时段数据，提高研究的现实指导意义，并加强县域内部的研究，以揭示微观层面耕地非粮化时空特征及其内在机制。同时，基于理论分析，耕地非粮化驱动因素仅考虑了部分经济社会因子，其实耕地非粮化在很大程度上取决于农户的特点，本文未考虑这一因素，未来对驱动因素的研究需从多角度、多要素入手，结合问卷调查和实地调研展开更深入的探讨。

5 结论与建议

5.1 结论

1）时序上，2000—2019 年成都平原耕地面积呈现“U”型波动增减态势，总体变化较为稳定，但这并不意味着耕地内部用途的转变。2000—2019年成都平原耕地非粮化面积与非粮化率均呈整体波动增加的趋势，耕地非粮化面积和非粮化率的增幅分别为4.40%和13.53%，地区耕地保护和粮食安全保障面临较大压力。

2）空间上，成都平原耕地非粮化面积和非粮化率变化在区县尺度具有不同步性，34个区县耕地非粮化面积呈多中心分散分布态势，非粮化率呈中部高、东北和西南低的空间格局，且中、高非粮化面积的区县数量有所减少，非粮化率的区县数量有所增加。成都平原耕地非粮化面积空间分布集聚区域集中在成都及其周边临近城市。

3）成都平原耕地非粮化时序演变特征和空间格局差异主要受经济作物种植规模、农业结构调整、城镇化率和耕地保护政策因素的影响。

5.2 建议

在现代市场经济不断推进的背景下，在保障粮食安全的基础上，严格执行耕地用途管制，着力建设成都平原新的耕地资源可持续利用格局。1）严格落实耕地用途管制制度，划定耕地保护红线。地方政府应依托县级国土空间规划编制契机，以乡镇为基本空间单元，优化耕地种植结构，深入建设高质稳产的粮食生产功能区，明确耕地粮食种植与非粮食种植用途刚性红线且留有弹性空间，加强耕地良田粮用监测监管，全面落实“进出平衡”制度。2）加强部门协同管理，形成耕地保护合力。建议自然资源管理部门成立耕地非粮化专门整治小组，督促耕地耕作层破坏整治与恢复工作，保护耕地粮食种植的首要功能；农业农村管理部门建立农技人员驻村工作指导制度，推广优质良种和粮食种植技术，指导农民种植行为，提高粮食产量；林草管理部门应避免违规占用耕地绿化，确保耕地粮食生产空间。3）完善农业补贴制度，保障农民基本权益。从种植品种及其投入成本出发，依据“谁种粮、谁收益”的原则对实际种粮行为主体按照实际面积发放补贴，取消非粮种植农户补贴，并充分发挥地方政府的主导作用，多渠道畅通农民粮食销路，以稳定农民种粮收入，提高粮食种植积极性。4）加大耕地保护政策宣讲，提高粮食安全意识。通过座谈会、报告会等形式开展最新耕地保护政策宣讲和解读，尤其向地方基层干部普及耕地保护知识。并厘清乡村振兴、耕地保护、粮食安全三者之间的辩证统一关系，增强农民主体意识与社会责任意识，助推农民种粮意愿提升和农村经济振兴齐头并进。