基于PLUS模型的鄂西山区耕地景观格局多情景模拟

彭洪兵 宋健 尹雯 钱招东 滕欣 孟雪

摘要：以鄂西山區19个县（市、区）为研究对象，利用PLUS模型模拟耕地景观在自然条件约束情景和自然与社会经济条件双重约束情景下的时空演化规律，明确耕地景观格局的重要影响因素。结果表明，未来鄂西地区耕地数量仍表现为下降趋势。影响耕地变化的因素主要为高程、植被覆盖、水文条件。斑块形态的空间分布格局受地形影响显著，表现为北优南劣的格局；耕地斑块形态随时间变化呈明显优化发展的趋势。在斑块格局上，鄂西地区耕地斑块整体空间聚集性差、连通性低、破碎化程度高，耕地斑块格局存在持续恶化的风险。多情景模拟的差异表明，耕地斑块的规则化发展会受到社会经济活动因素的限制，而仅在自然条件驱动下，耕地景观更易向复杂化、破碎化方向发展。

关键词：耕地；景观格局；PLUS模型；多情景模拟；鄂西山区

中图分类号：F301.21         文献标识码：A

文章编号：0439-8114（2023）11-0051-09

DOI：10.14088/j.cnki.issn0439-8114.2023.11.010 开放科学（资源服务）标识码（OSID）：

Multi scenario simulation of cultivated land landscape pattern in Western Hubei mountainous area based on PLUS model

PENG Hong-bing1， SONG Jian2， YIN Wen3， QIAN Zhao-dong4， TENG Xin1，5， MENG Xue1

（1.National Ocean Technology Center， Ministry of Natural Resources， Tianjin  300112， China； 2.The Second Geological Brigade， Hubei Geological Bureau， Enshi  445000， Hubei， China； 3.Hubei Trading Western Hubei Ecological New Town Investment Co.， Ltd.， Enshi  445000， Hubei， China；

4.Real Estate Registration Center， Ministry of Natural Resources， Beijing  100034， China； 5.Key Laboratory of Marine Space Resources Management Technology， Ministry of Natural Resources， Hangzhou  310012， China）

Abstract： Taking 19 counties （cities， districts） in Western Hubei as the research object， the PLUS model was used to simulate the temporal and spatial evolution law of cultivated land landscape under the constraints of natural conditions and the dual constraints of natural and socio-economic conditions， and clarify the important influencing factors of cultivated land landscape pattern. The results showed that the number of cultivated land in Western Hubei would still show a downward trend in the future. The main factors affecting cultivated land change were elevation， vegetation cover and hydrological conditions. The spatial distribution pattern of patch shape was significantly affected by topography， which was characterized by superior in the north and inferior in the south； in terms of time change， the cultivated land patch shape showed an obvious trend of optimization and development. In terms of patch pattern， the overall spatial aggregation， connectivity and fragmentation of the cultivated land patch in Western Hubei were poor， and there was a risk of continuous deterioration of cultivated land patch pattern. The difference of multi scenario simulation showed that the regular development of the cultivated land patch would be limited by social and economic activities， and only driven by natural conditions， the cultivated land landscape was easier to develop in the direction of complexity and fragmentation.

Key words： cultivated land； landscape pattern； PLUS model； multi scenario simulation； Western Hubei mountainous area

耕地景观是在耕地自然格局的基础上，通过人类生态活动建设而形成的重要景观类型［1］，其科学合理的布局是保障耕地持续有效利用和实现粮食安全的重要基础前提。耕地自身的有限性、供给的稀缺性同新时期人们日益增长的物质文化需求之间的矛盾对耕地的高效利用也提出了新要求。然而，农业专业化发展带来的耕地景观均质化以及人类建设活动引起的耕地景观破碎化都对耕地景观格局产生严重影响［2］，成为阻碍耕地高效利用的重要瓶颈。在地形复杂、气候环境变化多样、科技水平和经济欠发达的山区，这类现象更为显著［3，4］。如何科学评估现有耕地景观格局，模拟预测其未来变化，并据此提出优化策略，是保障耕地持续有效利用、提升耕地功能迫切需要解决的现实问题，对保障粮食安全和推动乡村振兴具有重要意义。

学者们对耕地景观格局已开展了卓有成效的研究。在研究内容上，主要涉及时间演化趋势和空间分异格局［5，6］；在研究尺度上，学者以行政区界线［7］、流域［8，9］、地理格网［10］作为依据，对不同尺度的耕地景观格局展开研究；在研究方法上，多借助景观指数法，构建耕地景观生态安全［11，12］、景观脆弱度［13］等评价模型开展对耕地景观生态功能的分析，同时有学者运用地理加权回归模型、地理探测器等方法探究自然、社会经济等因素对耕地景观的影响作用［14，15］，以及运用空间自相关模型探究耕地景观与资源禀赋的关联性［16］。在耕地景观格局模拟预测方面，主要借助元胞自动机（Cellular automata，CA）模型从空间尺度和时间维度对景观格局变化预测研究，但该模型在探索土地利用变化驱动因子上的作用有限［17］，且难以模拟自然用地类型的斑块尺度变化［18］。本研究以鄂西典型山区为对象，采用斑块生成土地利用变化模拟模型［19］（Patch-generating land use simulation，PLUS）模拟未来不同情景下斑块尺度的耕地变化情况，借助景观格局指数分析耕地景观格局变化特征和趋势，揭示耕地时空演化规律，据此提出耕地资源优化配置策略，为保障耕地持续有效利用和粮食安全，推动乡村振兴发展提供科学参考。

1 研究区域概况、数据来源与研究方法

1.1 研究区域概况

鄂西地区位于陕西、重庆、湖南、河南等多省交界处，共包含十堰市、神农架林区、恩施州全域以及宜昌市秭归县、长阳县，总计19个县（市、区）（图1）。该地区是显著的山区地形，山地面积占总面积的80%以上，是湖北省生态文化旅游区、全国重要的生态功能区，也是湖北省重要的农产品生产基地。农业在该区域经济发展中占据十分重要的位置，但耕地资源相对稀缺。2019年地区农业生产总值在生产总值中的比重为17.79%，高于全省平均水平10.7个百分点；耕地面积占土地总面积的14.05%，低于全省平均水平14.1个百分点［20］。区域内耕地分布较为分散，景观连通性低，破碎化程度严重，随着生态安全和脱贫攻坚战略的实施，部分耕地随着退耕还林、还水工程和城镇化建设用地转化为林地、水体和建设用地等，对区域耕地景观格局及耕地持续有效利用产生了较大影响。

1.2 数据来源

本研究所用的2000年、2010年、2020年3期土地利用栅格数据来源于国家基础地理信息中心全球地表覆盖数据产品服务网站（DOI：10.11769）；自然条件约束因子中的高程和坡度由DEM数据提取，NDVI（Normalized difference vegetation index）和水体指数由Landsat影像计算所得，数据来源于中国科学院计算机网络信息中心地理空间数据云平台（http：//www.gscloud.cn/）；农田生产潜力、年均降水量来源于中国科学院资源环境科学数据中心（https：//www.resdc.cn/）；社会经济条件约束因子所使用的公路数据来源于全国基础地理数据库2017版；2020年夜间灯光影像来源于科罗拉多矿业大学官方网站（https：//payneinstitute.mines.edu/）；行政中心、高铁站和机场位置信息通过百度地图提取而得。

1.3 研究方法

1.3.1 耕地演化多情景设定和驱动因子 自然条件对耕地数量和景观格局变化具有直接影响作用，山区由于其特殊的环境条件和资源禀赋，此类情况尤为显著。同时，区域社会经济发展水平影响着人们耕作耕地的意愿、经营模式和技术水平［21］，是影响耕地变化和景观格局的重要因素。鉴于以上考虑，本研究设置两种耕地利用变化的驱动发展情景，分别为基于自然条件驱动的发展情景（情景Ⅰ）、基于自然和社会经济条件双重驱动的发展情景（情景Ⅱ）。综合考虑数据的可获得性和代表性等因素，自然条件驱动因子选取高程、坡度、NDVI、水体指数、年均降水量和农业生产潜力共6个因子，社会条件驱动因子选取夜间灯光指数、距行政中心距离、公路密度、距高铁站和机场距离共4个因子。

1.3.2 PLUS模型 该模型主要分为2个步骤：一是基于用地扩张分析策略（Land expansion analysis strategy，LEAS）模型，利用2000年、2010年、2020年3期土地利用数据，模拟预测情景Ⅰ和情景Ⅱ模式下2030年耕地扩张需求以及驱动因素的效用；二是基于多类型随机斑块种子机制的CA（Cellular automata based on multi-type random patch seeds，CARS）模型，模擬2030年斑块尺度下的耕地景观格局。

1）LEAS模型。采用该模型分析各用地类型的增长斑块以得到转化规律，简化了转换概率的分析程序，并且具有时段变化特征，弥补了以往模型缺乏时间变化对土地变化挖掘的不足［22-25］。同时基于LEAS的随机森林分类算法［23］，探讨土地利用类型的变化与驱动因素之间的关系，最终输出像元i处第k种用地类型的转化概率［[Pdi，kx]］，具体计算式如式（1）所示［26］。

[Pdi，kx=n=1MI?nx=dM] （1）

式中，d为0或1，1表示其他土地利用类型向k型转化，0表示其他转化；x表示由多个驱动因素组成的向量；I（～）表示决策树集的指示函数；hn（x）是向量x的第n个决策树的预测类型；M为决策树的总数。

在模拟过程中，利用Markov模型对未来土地利用总体需求进行预测。该模型通过分析系统里每个状态的转移概率可以预测对象的未来状态［27］。由于该模型的无后效性，被广泛用于模拟土地利用动态变化，预测过程如式（2）所示。

[St=pik+S（t0）] （2）

式中，[St]为t时刻的土地利用数量结构；[S（t0）]为t0时刻的土地利用数量结构；[pik]为研究初期到末期用地类型i转移向k的转移概率矩阵。

2）CARS模型。CARS模型能够模拟各用地类型斑块尺度的转化，采用了基于阈值递减的多类型随机斑块播种机制，在计算用地类型k的总体概率的过程中实现，模型具有时空动态性，能够模拟多土地类型斑块在转化概率约束下自发生长及自由发展。其计算过程如式（3）所示。

[OPd=1，  ti，  k=Pd=1，  ti，  k×r×μk×Dtk，Ωti，k=0且r

（3）

式中，[OPd=1，  ti，  k]为用地类型k的总体概率；r为0～1的随机值；[μk]为用地类型k生成新斑块的阈值；[Ωti，k]为像元i处的邻域效应；[Dtk]是影响用地类型k未来需求的自适应驱动系数。

为了限制各用地类型的有机生长和自然生长，提出了竞争过程的阈值递减规则。如果一种新的用地类型在一轮竞争中获胜，则使用一个递减的阈值τ来评估轮盘所选择的候选用地类型c，如式（4）和式（5）所示。

[若k=1NGt-1c-k=1NGtc

[变化 Pd=1，  ti，  c>τ，且TMk，c=1不变Pd=1，  ti，  c≤τ，或TMk，c=0，   τ=δl×r] （5）

式中，[Gtc]和[Gt-1c]分别表示第t次和第t-1次迭代时土地利用类型c的当前数量和未来需求数量之间的差异；Step为模型估算的土地利用需求的步长；    l为衰减的步数；δ为衰减阈值τ的衰减因子，取值范围为0～1；r表示均值为1的正态分布随机值，取值范围为0～2；[TMk，c]为定义土地利用类型k是否允许转换为类型c的过渡矩阵。

1.3.3 景观指数选取 景观指数涵盖了丰富的景观格局信息，能够定量反映其组成和空间配置等方面的特征［28］，是景观生态学研究中使用广泛并且成熟、快捷的定量研究方法。耕地景观作为人类生态活动建设改良而成的重要景观类型，受人为因素干扰程度较大，同时研究区域内地形情况复杂，使鄂西地区耕地景观格局产生了破碎化、不规则化、分布分散、不可持续等问题，呈现出显著的景观格局。因此，本研究从斑块尺度选取景观指数分析耕地斑块形态和斑块格局的变化规律，详见表1。

2 结果与分析

2.1 模型精度檢验

为检验模型模拟的精度，基于2000年、2010年鄂西地区土地利用栅格数据，采用PLUS模型软件模拟2020年鄂西地区土地利用情况，将模拟结果与2020年土地利用真实数据进行精度检验，结果显示模拟预测的Kappa系数为0.73，模拟的总精度为0.88，表明模拟预测结果与实际情况具有高度一致性，模拟精度可信。

2.2 耕地利用变化多情景模拟

2.2.1 2000—2020年耕地变化情况 2000—2020年鄂西地区耕地变化明显（表2），受生态工程和城镇扩张影响极大。2000—2010年，耕地数量下降幅度较小，转入与转出情况较为均衡，为维持耕地数量，部分林地和草地转入耕地，同时大量耕地进行退耕还水。2010—2020年，建设用地占用耕地的现象明显，退耕还水现象依然持续，除草地外，耕地与其他用地类型的转化关系均表现为净减少，耕地数量下降现象明显加剧。

2.2.2 情景Ⅰ下的耕地变化模拟及驱动因子效用 模拟发现，在情景Ⅰ的自然条件约束下，2030年鄂西地区耕地数量呈下降趋势（表3），耕地净减少面积为221.53 km2，转化类型主要以林地为主，耕地向林地转化的净减少面积为123.35 km2，而此情景下的耕地向建设用地的转化程度较轻，净减少面积为55.40 km2。从空间变化来看（图2），城镇建成区周边，耕地减少范围的空间分布集中，转出区域呈条带状环绕城镇分布；在丘陵山地，耕地向林地转化的空间特征比较分散，以零星斑块的形式小范围转化。

表3 2030年鄂西耕地转化情况预测（情景Ⅰ） （单位：km2）

[转化类型 林地 草地 湿地 水体 建设用地 总计 耕地转入量 68.15 5.43 0.00 0.18 0.71 74.47 耕地转出量 191.50 1.15 0.00 47.24 56.11 296.00 净变化量 -123.35 4.28 0.00 -47.06 -55.40 -221.53 ]

在耕地变化影响因素方面，由于各因子的贡献度仅代表对某一用地类型扩张的影响力，同时耕地向林地、建设用地的转化量占总量的80%以上，因此重点分析耕地、林地和建设用地扩张的因子贡献度，可以明确影响耕地扩张和减少的因子，以此解释耕地面积变化的原因。由图3可知，耕地扩张的主要驱动因子为高程、水体指数和NDVI，耕地增加区域主要分布在距水域较近、植被覆盖率较高的地区；建设用地扩张的主要驱动因子为NDVI和高程；影响林地扩张的主要驱动因子为高程、NDVI和水体指数。综合来看，此情景下驱动耕地变化的主要原因可以归结为受高程、植被覆盖、水文条件的影响，耕地的演化形势呈现出了生态优先响应的特征，丘陵山区的耕地向林地转化，海拔较低、地势相对平坦的耕地向建设用地转化。

2.2.3 情景Ⅱ下的耕地变化模拟及驱动因子效用 此情景下，2030年鄂西地区耕地数量同样呈下降趋势（表4），由于两种情景设定的数量需求一致，因此耕地的净减少面积依然为221.53 km2，但此情景下，耕地向建设用地的转化明显增加，耕地的转化类型主要以林地和建设用地为主，耕地向林地转化的净减少面积为108.42 km2，耕地向建设用地转化的净减少面积为75.14 km2。其空间变化如图4所示。

结合耕地、林地、建设用地的扩张驱动因子贡献度，对此情景下的耕地变化影响因素进行分析。结果（图5）显示，影响耕地扩张的因素仍以高程、水体指数、NDVI为主；NDVI指数对林地扩张影响最大；驱动建设用地面积增加的因子中，夜间灯光指数贡献度水平明显高于其他因子。可见，此情景下耕地的变化形势可以归结为人口聚集、社会经济活动聚集的区域耕地向建设用地转化，海拔相对较高、植被覆盖条件相对较好的区域耕地向林草地转化。

2.3 耕地景观格局变化分析及预测

2.3.1 耕地斑块形态演化过程及模拟预测 借助ArcGIS软件，计算耕地斑块的形状指数以及分维数，对鄂西地区斑块水平景观格局的时空演变特征进行分析。形状指数能够表达耕地斑块的规则程度，反映农业专业化发展的适宜性，结果显示，鄂西地区耕地斑块形状指数范围大致为1～22，为突出变化特征将其分为4个等级，分别为形状规则（形状指数在［1，2］）、形状较规则（形状指数在（2，4］）、形状较不规则（形状指数在（4，6］）、形状不规则（形状指数>6）。分维数则能够表达耕地斑块对外界干扰的敏感程度，反映斑块的稳定性，结果显示，鄂西地区耕地分维数范围为1.0～1.4，将其分为4个等级，分别为形态稳定（分维数为［1.0，1.1］）、形态较稳定（分维数为（1.1，1.2］）、形态较不稳定（分维数为（1.2，1.3］）、形态不稳定（分维数为>1.3）。

由图6可知，鄂西地区耕地斑块形状指数各时期变化明显，不规则图斑的空间分布特征显著。耕地斑块形状指数高值区在区域内广泛分布，但区域南部耕地斑块不规则化程度比北部更为严重，尤其以恩施州各市县为主。这些区域大多呈条带状分布于河谷槽型地带。南部区域巫山山脉、武陵山脉、齐岳山脉三山鼎立，地形复杂；而北部区域地处秦巴山区汉水谷地，地势相对平坦，耕地规则化发展适宜，使得鄂西地区耕地斑块不规则化程度呈南高北低、条带分布的空间格局。对比2000—2020年3期耕地斑块形状指数的变化（表5）可以发现，耕地斑块呈规则化发展趋势，不规则区域明显收缩，尤其以丹江口市、郧阳区最为明显，大范围不规则斑块聚集区逐渐收缩为多个离散的小范围区域。从2030年斑块形状指数的模拟预测情况看，形状指数在空间分布上仍表现为南高北低、形状为条带状，同时规则化发展趋势仍然延续。模拟预测情景差异上，情景Ⅰ的2030年耕地不规则耕地斑块面积比例低于情景Ⅱ，同时规则斑块面积比例高于情景Ⅱ，表明情景Ⅰ耕地斑块规则化发展程度略优于情景Ⅱ。由此可见，社会经济活动引起的耕地变化会对斑块规则化发展有一定的限制作用。

由图7可知，鄂西地区耕地斑块分维数整体较低，稳定性相对良好，不易受到外界因素干扰，在时空上变化特征显著。形态不稳定区域在空间上分布较少，并且较为分散，形态较不稳定区域在空间上分布相对广泛，分维数在空间分布特征中同样呈南高北低的格局。比較2000—2020年3期耕地斑块分维数的差异（表6）可以发现，耕地斑块抗干扰性优化发展趋势明显。形态不稳定区域随时间推移逐渐减少，丹江口市、咸丰县、来凤县、宣恩县内的形态不稳定区域基本消失，竹山县、利川市、恩施市内的不稳定区域也在稳定收缩，其他地区内的形态较不稳定区域也有明显收缩，其中以郧阳区、丹江口市最为显著。在2030年耕地斑块形态模拟预测方面，耕地斑块稳定性持续提高，形态不稳定斑块濒临消失。模拟预测情景差异上，情景Ⅰ形态稳定的耕地斑块面积占比低于情景Ⅱ，形态不稳定斑块面积比例高于情景Ⅱ，情景Ⅱ耕地斑块的稳定性程度优于情景Ⅰ（表6）。由此可见，鄂西地区耕地斑块的稳定性同样受自然条件影响较大，尤其在山地地形的驱动下，耕地斑块更易向复杂化方向发展。

2.3.2 耕地斑块格局演化过程及模拟预测 借助Fragstats软件，结合2000—2020年3期土地利用栅格数据以及2种情景下模拟的2030年土地利用栅格数据，计算鄂西地区2000—2030年耕地斑块格局指数，分析耕地整体景观格局变化，并预测了未来发展趋势。

由图8可知，斑块密度近21年有所上升，由2000年的0.67个/km2上升至2020年的0.69个/km2；斑块凝聚度近21年下降明显，由2000年的97.68%下降至2020年的97.13%；边界密度表现为先上升后下降的趋势，由2000年的25.80 km/km2升至2010年的25.96 km/km2再降至2020年的25.89 km/km2；景观分离度变化较小，近21年变化值仅为0.01个百分点。可见，鄂西地区耕地整体景观格局变化呈现出一定的分散化、破碎化现象。在耕地面积减少的趋势下，耕地密度的增加以及斑块凝聚度的下降，表明耕地空间聚集性不断减弱，破碎化程度加剧；边界密度的上升，表明耕地景观格局受发展模式转变、人类活动扩张等边缘效应的影响增大，导致耕地斑块间的协同性降低；而耕地景观分离度虽然变化不明显，但整体水平较高，说明斑块间比较分散，景观连通性较差，抗干扰能力较低。

从2030年2种情景的模拟情况来看，耕地景观格局也呈明显的恶化趋势，情景Ⅱ的斑块密度、边界密度等景观格局恶化程度相较于情景Ⅰ普遍较低，可能原因是，鄂西地区作为全国重要的生态功能区，土地利用演变规律带有退耕还林、退耕还水的趋势，而仅在自然条件的约束下，耕地向林地、水体转变的惯性相对较大，靠近水域、地势平坦的耕地转出情况明显，对耕地整体景观格局的恶化程度有一定改善作用。总体来看，鄂西地区耕地空间分布分散，耕地景观的连通性较差，破碎化现象严重，且未来发展仍存在一定恶化风险。自然和社会经济双重影响比单一的自然条件影响更能推动耕地景观格局规模化和优化发展。

3 小结与讨论

3.1 小结

本研究采用2000年、2010年、2020年3期土地利用数据，并选取10个影响因子对鄂西地区耕地利用情况进行2种情景的模拟预测，并结合景观指数法，利用PLUS模型对耕地景观格局的时空变化特征以及未来变化趋势进行研究，得出以下结果。

1）未来鄂西地区耕地数量仍表现为下降趋势，转化类型以林地、建设用地为主。不同情景下，耕地的转化方向有所侧重，在自然条件约束下，耕地倾向于向林地等自然用地类型转化，而在自然和社会经济条件双重约束下，耕地向建设用地转化的倾向明显增强。

2）影响耕地变化的因素主要为高程、植被覆盖、水文条件。在空间变化形式上，城镇建成区周边，耕地以条带状环绕建成区集中向建设用地转化；在丘陵山地，耕地以零星、细碎化斑块的形态向其他自然用地类型转化。

3）鄂西地区耕地景观格局演化具有显著的时空分异特征。在斑块形态方面，空间分布格局受地形影响显著，在南部山脉鼎立的区域，斑块形状不规则程度高，抗干扰性较低，在北部河流谷底区域则表现相反；时间变化上，耕地斑块呈明顯的优化发展趋势，斑块整体朝规则化、抗干扰性增强的方向发展。在斑块格局上，鄂西地区耕地斑块整体空间聚集性差、连通性低、破碎化程度高，耕地整体的景观协同性和抗干扰能力较低，并且伴随城镇化发展和生态工程的进一步推进，耕地斑块格局存在持续恶化的风险。

4）在耕地景观的情景模拟方面，情景Ⅰ的斑块形状指数优于情景Ⅱ，其他指标则均相反，可见斑块的规则化发展受到城镇扩张等社会经济活动因素的限制；而仅在研究区自然条件的驱动下以及自身耕地演变的惯性，耕地景观更易向复杂化、破碎化方向发展。

3.2 讨论

本研究结果表明，在促进耕地景观格局演化方面，自然因素和社会经济因素双重驱动比单一的自然因素驱动更能促使耕地斑块景观格局向集聚化等良性方向发展，更能提高耕地的抗干扰能力和提升稳定性。因此，应充分将社会经济发展与自然资源条件充分融合，实现资源优势互补，经济增长和自然资源利用的和谐发展，共同促进耕地可持续利用，保障粮食安全。

从耕地景观格局各影响因素的效用看，高程、植被覆盖、水文条件等因素仍是主要影响因素。一方面，在山区高程难以改变的情况下，应通过土地平整工程、改善农田基础设施等措施建设系列高标准农田；同时，调整耕地权属关系，引导农户流转弃耕、零散耕地，驱使地块产权集中化。以此，从自然和产权两方面降低耕地的破碎化、分散化问题，提升山区耕地的宜耕性和集聚利用性，提升耕地生产效益。另一方面，结合当前生态文明战略，实施国土生态修复和生态保护等工程，在高山林区、水源地实施退耕工程，提升森林覆盖度，改善水文条件；在低山丘陵地区建设集水土涵养、生态保护于一体的缓坡梯田，发展有机、环保的高附加值农业，以此促进生态环境改善和耕地有效利用协调发展。

由于本研究所用的Globe Land 30数据仅将土地类型划分为10个一级类型，对耕地类别并没有进一步细分，难以为耕地有效利用提供更精准的参考。后期研究还应考虑选用数据内容更为丰富的土地利用数据，从水田、旱地等层面进一步深入开展耕地景观格局分析。

参考文献：

［1］ 彭 建，刘志聪，刘焱序，等.京津冀地区县域耕地景观多功能性评价［J］.生态学报，2016，36（8）：2274-2285.

［2］ 宋小青，欧阳竹.耕地多功能内涵及其对耕地保护的启示［J］.地理科学进展，2012，31（7）：859-868.

［3］ 向敬伟，李江风，曾 杰.鄂西贫困县耕地利用转型空间分异及其影响因素［J］.农业工程学报，2016，32（1）：272-279.

［4］ 向敬伟，李江风.贫困山区耕地利用转型对农业经济增长质量的影响［J］.中国人口·资源与环境，2018，28（1）：71-81.

［5］ 李秀芝.北戴河新区耕地景观生态安全时空变化研究［J］.中国农业资源与区划，2017，38（3）：59-64.

［6］ 李均力，姜亮亮，包安明，等.1962—2010年玛纳斯流域耕地景观的时空变化分析［J］.农业工程学报，2015，31（4）：277-285.

［7］ 常玉旸，张天柱，张凤荣，等.赣东山地丘陵区耕地细碎化时空变异与驱动因子探析——以江西省万年县为例［J］.水土保持研究，2021，28（3）：264-271，280.

［8］ 郭莎莎，胡守庚，瞿诗进.长江中游地区多尺度耕地景观格局演变特征［J］.长江流域资源与环境，2018，27（7）：1637-1646.

［9］ 赵锐锋，王福红，张丽华，等.黑河中游地区耕地景观演变及社会经济驱动力分析［J］.地理科学，2017，37（6）：920-928.

［10］ 王 芳，陈芝聪，谢小平.太湖流域建设用地与耕地景观时空演变及驱动力［J］.生态学报，2018，38（9）：3300-3310.

［11］ 裴 欢，魏 勇，王晓妍，等.耕地景观生态安全评价方法及其应用［J］.农业工程学报，2014，30（9）：212-219.

［12］ 于 潇，吴克宁，郧文聚，等.三江平原现代农业区景观生态安全时空分异分析［J］. 农业工程学报，2016，32（8）：253-259.

［13］ 陈 丹，蒋贵国，张 妍，等.基于生态服务价值的沱江流域土地景观生态风险时空分异研究［J］.水土保持通报，2019，39（3）：223-230.

［14］ 韩 逸，郭 熙，江叶枫，等.南方丘陵区耕地景观生态安全影响因素及其空间差异［J］.生态学报，2019，39（17）：6522-6533.

［15］ 张丽芳，冉丹阳，杨存建，等.横断山区凉山州耕地景观安全格局演变及驱动力分析［J］.生态科学，2020，39（2）：25-31.

［16］ 钱凤魁，于 洋，孙福军，等.不同地貌区县域耕地质量与耕地景观格局关联性特征分析［J］.土壤通报，2020，51（6）：1282-1289.

［17］ SOHL T L， CLAGGETT P R. Clarity versus complexity： Land-use modeling as a practical tool for decision makers［J］. Journal of environmental management， 2013， 129： 235-243.

［18］ YANG J， GONG J， TANG W， et al. Patch-based cel-lular automata model of urban growth simulation： Integrating feedback between quantitative composition and spatial configuration［J］. Computers， environment and urban systems， 2020， 79： 101402.

［19］ LIANG X， GUAN Q F， CLARKE K C， et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model： A case study in Wuhan， China［J］. Computers， environment and urban systems， 2021， 85： 101569.

［20］ 《湖北农村统计年鉴》编辑委员会.2020湖北农村统计年鉴［M］.北京：中国统计出版社，2020.

［21］ OMRANI H， PARMENTIER B， HELBICH M， et al. The land transformation model-cluster framework： Applying k-means and the spark computing environment for large scale land change analytics［J］. Environmental modelling and software，2019，111：182-191.

［22］ LIU X P， LIANG X， LI X， et al. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects［J］. Landscape and urban planning， 2017， 168： 94-116.

［23］ VERBURG P H， SOEPBOER W， VELDKAMP A. Modeling the spatial dyna-mics of regional land use： The CLUE-S model［J］. Environmental management， 2002， 30（3）： 391-405.

［24］ 羅 芳，潘 安，陈忠升，等.四川省宜宾市1980—2018年耕地时空格局变化及驱动因素［J］.水土保持通报，2021，41（6）：336-344.

［25］ YAO Y，LIU X P，LI X， et al. Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata［J］. International journal of geographical information science，2017，31（12）：2452-2479.

［26］ GAO T， HUANG J J， ZHOU H， et al. Prediction of land-use change along the urban rail transit based on Markov model［J］. Applied mechanics & materials， 2014， 556-562： 894-898.

［27］ VERBURG P H， OVERMARS K P. Combining top-down and bottom-up dynamics in land use modeling： Exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model［J］. Landscape ecology， 2009， 24（9）： 1167-1181.

［28］ 刘希朝，李效顺，蒋冬梅.基于土地利用变化的黄河流域景观格局及生态风险评估［J］.农业工程学报，2021，37（4）：265-274.