2000年以来苏北地区耕地非农化的过程、动力及对策

祝 亮, 张忠启, 刘承权

(江苏师范大学 地理测绘与城乡规划学院,江苏 徐州 221116)

粮食安全是国家稳定和社会发展的基石.由于全球范围内的重大地缘政治变革、全球性疫情和国际冲突等复杂局势的影响,农业供给的不确定性日益加剧,粮食安全问题引起了各国政府的广泛关注[1-2].耕地作为粮食生产的基本载体,其质量和数量的变化对粮食生产具有关键性影响[3].但近年来,随着我国经济发展和新型城镇化步伐逐步加快,大量耕地资源被侵占后用于非农生产,耕地非农化现象日益突出[4].为确保国家粮食安全,2022年9月国务院办公厅印发的《关于坚决制止耕地“非农化”行为的通知》(国办发明电〔2020〕24号)明确要求严禁耕地非农化的6种行为[5],凸显了保护耕地的紧迫性.查明区域耕地非农化时空特征是准确研判耕地资源动态变化和科学制定农用地保护政策的重要基础.

近年来,学者们就耕地非农化问题开展了一系列研究,主要集中在3个方面.一是耕地非农化的时空特征.不同地区间的耕地非农化时空格局呈现多元化演变趋势,例如:我国粮食主产区黑龙江省的耕地非农化速度呈现西南部速度快、东部速度慢的整体格局[6];山东省的鲁东地区耕地非农化最为突出,耕地非农化贡献率由鲁东地区向鲁西逐渐递减[7];安徽省的耕地非农化强度则趋向于皖中最大、皖北次之、皖南最小的格局[8].二是耕地非农化的驱动因素,这是非农化研究的核心问题.学者们的观点各不相同,有的认为,城镇化的加速和人口数量的增加是耕地非农化的主要驱动因素;有的认为,区域经济发展导致耕地非农化用地数量持续增长,尤其是非农产业规模的扩张;也有的认为,地区生产总值、固定资产投资和耕地资源禀赋等因子对耕地非农化的影响不容忽视[9].三是耕地非农化的调控机制,这是研究耕地非农化时空特征和驱动因素的目的.加大耕地非农化危害粮食安全的宣传力度,同时加强土地集约高效利用,加大耕地非农化监管力度,构建耕地保护新机制,是耕地非农化的有效解决措施[10-13].

从研究区域看,当前研究主要集中在全国粮食主产区,如东北地区、山东省等,而对江苏等面积较小的省份关注不够.江苏省土地面积尽管较小,但粮食生产能力在全国排名靠前,对保障全国粮食安全具有重要作用.从全省范围来看,苏北地区一直是江苏粮食的主产区[14].2000年以来,苏北地区城镇化和工业化逐步进入加速发展期,城镇规模和工业用地面积增长较快,使该地区耕地面临巨大的非农化压力.因此,急需深入研究苏北地区的耕地非农化问题.鉴于此,本文以5个年份的土地利用数据及相关社会经济统计数据为基础,分析苏北地区耕地非农化的时空过程以及驱动因素,并提出相关治理对策,旨在为加强苏北地区耕地保护和粮食安全提供参考依据.

1 数据与方法

1.1 研究区概况

苏北地区位于江苏省北部,地处北纬32°43′—35°07′,东经116°21′—120°54′.该区域东濒黄海,西连安徽,北接山东,南与扬州、泰州、南通接壤,涵盖徐州、盐城、淮安、连云港、宿迁5个地级市市区及其所辖的20个县域.地形以平原为主,属于黄淮平原与江淮平原的过渡地带,耕地连片分布,土壤肥沃.该地区属亚热带向温带过渡的季风性气候,四季分明,全年日照时数2 000～2 600 h,无霜期220 d左右,光照充足;年均温度13～16 ℃,呈纬向分布,南高北低;年降雨量800～1 200 mm,自北向南逐渐增多,雨热同期,十分利于农业发展.苏北地区占江苏省陆地面积的一半左右,而耕地面积占全省耕地的60%[15],肩负着促进乡村振兴与确保全省粮食安全的重要使命.

1.2 数据来源

本文选取2000、2005、2010、2015、2020年5个年份,其土地利用数据来源于中国科学院资源环境数据云(http:∥www.resdc.cn),栅格分辨率为30 m×30 m.基于中国科学院的土地利用分类体系,根据研究需要,运用ArcGIS软件将原二级地类重新分类为一级地类,将土地利用类型划分为耕地、林地、草地、水域、建设用地和未利用地6种类型.本文将耕地转变为其他地类的情况均视为耕地非农化现象.5个年份的社会经济面板数据包括人口数量、城镇化率、第二产业增加值、地区生产总值、农林牧渔增加值、固定资产投资、出口额和财政支出,均来源于相应年份的《江苏省统计年鉴》、各地的统计年鉴以及相关统计公报.本文依据最新的行政区划,将苏北地区划分为25个行政单元,每一市区、县(市)作为独立的研究单元.

1.3 研究方法

依据非农化定义,将末年林地、草地、水域、建设用地和未利用地与初年的耕地叠加,获取该时间段的耕地非农化30 m栅格数据,计算某时间段i的非农化率Ci,

(1)

式中:Fi表示某时间段i的非农化面积;Si表示某时间段i初期的耕地面积.

采用核密度估计法反映耕地非农化的空间聚集特征,确定具体的分布位置,并进行可视化表达[16].

采用分异及因子探测器分析不同因子对耕地非农化影响程度的大小,用q(0≤q≤1)值度量,q值越大表示自变量对因变量的解释力越强,反之则越弱.采用交互作用探测器分析不同因子之间的交互作用,即评估两个因子共同作用时是否会增加或减弱对因变量的解释力,或这些因子对因变量的影响是相互独立的[17].

图1 苏北地区各年份耕地分布图Fig.1 Distribution map of farmland in northern Jiangsu at different periods(地图底图来源于审图号为GS(2019)1822号的标准地图.下同)

表1 苏北地区各行政单元主要年份耕地面积Tab.1 Area of farmland in units of northern Jiangsu at different periods

2 结果与分析

2.1 不同时期苏北地区各单元耕地面积及变化

2000—2020年5个年份的苏北地区耕地空间上整体呈连片分布,尤其以中东部地区最为明显(图1).从耕地面积看,苏北地区各行政单元耕地分布极不均衡(表1).在5个市区行政单元中,盐城市区的耕地面积最大,宿迁市区最小;在县域单元中,东台市的耕地面积最大,灌南县的最小,不及前者的1/3.从耕地变化数量看,2000—2020年苏北地区的耕地面积总体上呈下降趋势,约减少1 929.1 km2,年均减少约96.5 km2.5个市区的耕地面积减少较多,减少量依次为淮安(218.1 km2)>徐州(204.8 km2)>宿迁(190.5 km2)>连云港(163.4 km2)>盐城(138.6 km2);各县域中,除射阳县耕地面积略有增长外,其余各县域均出现不同程度的减少.从4个时段看,各行政单元的耕地变化量存在较大差异.2000—2005年苏北地区耕地面积略微下降,共减少62.5 km2,其中盐城市区耕地面积减少最多,为22.1 km2,而东台市耕地面积增加了32.1 km2.2005—2010年苏北地区耕地面积下降速度明显增加,减少量高达1 545.1 km2.除丰县、沛县2县耕地面积微小增长外,其余行政单元均呈下降趋势,特别地,盐城、宿迁、淮安、连云港和徐州5个市区耕地减少明显,分别减少178.5、149.6、149.0、135.7、134.8 km2.2010—2015年苏北地区耕地面积降幅放缓,减少量为181.6 km2.除盱眙县耕地面积略有增加外,其他行政单元均不同程度地减少,其中盐城市区减少最多,达27.9 km2.2015—2020年苏北地区耕地面积减少139.9 km2.灌云县、盐城市区、射阳县和东台市4个行政单元耕地出现增长,其他行政单元均不同程度减少,其中徐州市区耕地面积减少最多,为51.3 km2.

表2 不同时期苏北地区各行政单元的耕地非农化面积Tab.2 Conversion area of farmland in units of northern Jiangsu at different periods

图2 不同时期苏北地区各行政单元耕地非农化的核密度Fig.2 Kernel density of farmland conversion in units of northern Jiangsu at different periods

2.2 苏北地区耕地非农化时空变化特征

2.2.1 耕地非农化的整体变化各时段耕地非农化面积与非农化率的变化总体趋势一致,均表现为增—减—增的变化特点.其中,2005—2010年的非农化面积(表2)与非农化率远高于其他时段,非农化面积为1 961.6 km2,非农化率为5.4%;2000—2005年耕地非农化面积和非农化率最小,分别仅为151.2 km2和0.4%.整个研究期,苏北地区非农化面积累计为2 713.2 km2,非农化率为7.5%.

2.2.2 耕地非农化的面积变化苏北地区各行政单元耕地非农化面积的时间变化如表2所示.总体来看,2000—2020年5个市区行政单元的耕地非农化最为严重.对比4个时段耕地非农化面积,可以发现,2000—2005年苏北地区耕地非农化面积最少,其中,非农化面积最大的行政单元是盐城市区,最小的是新沂市;2005—2010年苏北地区耕地非农化面积最大,其中,5个市区行政单元的耕地非农化面积较大,灌云和睢宁2县的耕地非农化面积较小;2010—2015年苏北地区耕地非农化面积回落,5个市区行政单元的耕地非农化面积依然较高,灌云和响水2县的非农化面积较小;2015—2020年苏北地区的耕地非农化面积回升,5个市区行政单元的耕地非农化面积较大,响水和金湖2县的耕地非农化面积较小.

2.2.3 耕地非农化的核密度分析总体上看(图2),2000—2020年苏北地区耕地非农化主要集中在各行政单元的城区部分,核密度值均在200以上;次集中区域主要分布在中心镇区,核密度值为60～200.各时段中,2005—2010年各行政单元的核密度值远高于其他时段,其中,5个市区和部分中心镇的核密度值均超过200,部分甚至超过600;2000—2005年和2010—2015年2个时段的核密度值整体较低,仅少量地区超过100,大部分地区核密度值不足30.核密度分析表明,不同时期的耕地非农化程度及空间格局存在较大差异,2005—2010年苏北各地区耕地非农化程度最为严重,其次是2015—2020年,这与该时段的城镇化和工业化快速推进密切相关;各行政单元城区部分及中心镇区的耕地非农化程度明显高于其他区域,说明苏北地区耕地非农化主要发生在城区及中心镇周边地区.

2.3 苏北地区耕地非农化的驱动因素

2.3.1 分异及因子探测器结果分析本文在前人研究成果[18-20]的基础上,选取人口数量(X1)、城镇化率(X2)、第二产业增加值(X3)、地区生产总值(X4)、农林牧渔业增加值(X5)、固定资产投资(X6)、出口额(X7)、财政支出(X8)共8个驱动因子,计算各驱动因子的变化量,以自然断点法将数据离散化为5层,运用分异及因子探测器分析其对苏北地区耕地非农化的影响,计算出相应的q值和P值.

各驱动因子对4个时期耕地非农化的解释程度如表3所示.可以看出,各因子对4个时段耕地非农化解释率的差异较大.2000—2005年苏北地区第二产业增加值和固定资产投资均具有较高的q值,表明工业化进程是该时期耕地非农化的主要驱动因素.2005—2010年和2010—2015年较为相似,城镇化率、地区生产总值、第二产业增加值、财政支出和固定资产投资均对耕地非农化具有较高的解释度,表明这两个时段苏北地区社会经济快速发展,尤其是城镇化的加速推进以及相关基础设施的完善等原因,使耕地面临较大的非农化压力.财政支出和地区生产总值在2015—2020年各因子中具有较高的解释度,说明苏北地区城乡基础设施、公共服务设施等民生领域的财政投入和经济增长对该时期耕地非农化有较大影响.总的来看,2000年以来苏北地区耕地非农化驱动因子的影响程度在时序演化上呈波动变化,其中城镇化率、第二产业增加值、地区生产总值和财政支出影响较大,这表明耕地非农化与城镇化推进和非农产业扩张具有较高的关联性.

表3 苏北地区耕地非农化的分异及因子探测器结果Tab.3 Results for differentiation and factor geodetector of farmland conversion in northern Jiangsu

2.3.2 交互作用探测器结果分析交互探测体现因子之间的共同作用相对于单因子作用时对耕地非农化影响的差异,其探测结果见图3.可以看出,各因子在4个时段内两两交互均比单个因子对苏北地区耕地非农化的影响作用显著,驱动因子交互作用表现为双因子增强或非线性增强,这说明耕地非农化的变化是复杂的因子交互作用过程.2000—2005年人口数量与第二产业增加值、出口额的交互作用对耕地非农化的解释力最大,q值均>0.90;2005—2010年城镇化率、地区生产总值与其他因子交互作用对耕地非农化的解释力较大,q值均>0.90;2010—2015年各因子交互作用均弱于2005—2010年时段,但也呈现出城镇化率、地区生产总值与其他因子交互作用的解释力较大;2015—2020年固定资产投资与人口数量、出口额等因子交互作用的解释力较大.总的来看,2000年以来苏北地区耕地非农化受到人口数量、城镇化率、第二产业增加值、地区生产总值、出口额等因子共同“合力”影响,其中,人口数量与其他因子交互作用对前期耕地非农化的影响明显,城镇化率与其他因子交互作用对中期非农化影响突出,而固定资产投资与其他因子交互作用对后期耕地非农化影响相对较大.

图3 苏北地区各时段耕地非农化影响因素交互探测结果Fig.3 Interactive detection results of factors affecting farmland conversion in northern Jiangsu at different periods

3 结论与建议

3.1 主要结论

本文探讨了苏北地区耕地及其非农化在不同时期的时空演变特征,并揭示相关影响因素.

2000—2020年,苏北地区耕地空间格局变化不大,耕地整体呈连片分布,尤其以中东部地区最为明显.苏北地区耕地面积总体呈下降趋势,年平均减少约96.5 km2,其中2005—2010年耕地面积减少量最多,高达1 545.1 km2.

苏北地区耕地非农化面积在4个时段呈现增—减—增的变化,累计非农化面积为2 713.2 km2,非农化率为7.5%,其中2005—2010年的非农化面积与非农化率远高于其他时段.2000年以来,苏北地区的耕地非农化表现出较强的空间异质性,非农化率高值区集中分布在各行政单元的城区部分以及一些中心镇区.

苏北地区耕地非农化驱动因子及其影响程度在时序演化上呈波动变化,总体来看,非农产业扩张和城镇化推进是耕地非农化的关键驱动因素;人口数量与其他因子交互作用对前期耕地非农化的影响明显,城镇化率与其他因子交互作用对中期非农化影响突出,而固定资产投资与其他因子交互作用对后期耕地非农化影响相对较大.

3.2 建议

2000年以来,我国经济规模迅速扩大和城镇化快速提升导致耕地非农化现象十分突出,在加强耕地保护和保障粮食安全背景下开展区域耕地非农化时空演变及驱动力研究具有重要的现实意义和战略意义.苏北地区对江苏乃至华东地区粮食生产具有关键性影响.各行政单元由于自然条件和社会经济发展状况存在明显差异,耕地非农化情况不尽相同.为缓解苏北地区耕地非农化问题,可采取下面4项措施.

1)不断提升对耕地非农化危害粮食安全的认识水平.苏北地区城镇化和工业化的快速发展导致部分农田转为非农用途,使耕地面积较大幅度减少,加剧了粮食生产的压力,给粮食安全带来了潜在风险.为解决这一问题,各级政府应当高度重视,一方面强化地方政府对防止耕地非农化的重视程度和正确认知,压实地方党政同责扛起防治耕地非农化重任;另一方面要把耕地保护工作纳入全民教育体系,加强耕地保护宣传教育,提高公众对耕地非农化危害的认识,形成全社会共同关注和参与保护耕地的浓厚氛围,增强耕地保护的意识[21].

2)着力构建新型城镇化背景下耕地保护新机制.耕地保护存在较大的机会成本,当外部利益补偿达到或超过该成本时,地方政府和农民会选择保护耕地,实现由“被动地”转变为“主动地”保护耕地,进而实现由侧重“约束性”向“激励性”机制转变.在城乡一体化推进过程中,须在城乡要素平等交换、城乡地域系统优化、城乡统一市场建设的复杂系统中思考耕地保护策略,进而构筑村镇建设新格局,创新耕地资源补充机制、耕地保护补偿机制[22].

3)切实加强土地集约高效利用.牢固树立新发展理念,强化红线和底线意识,将耕地保护成效纳入地方考核指标体系.相对于省内发达地区,苏北经济相对落后,但近年来经济社会快速发展,在此背景下各级政府应严格实施“增存挂钩”,推动存量建设用地盘活利用;提高土地征收和开发门槛,控制新增非农用地规模;严格把关各类建设项目定额标准审核,该核减的一律核减;加大产业转型力度,优化资源配置,提高土地产出效益;着力提升产业园节约集约用地水平,积极推广节约集约用地模式和经验[23].

4)持续加大耕地非农化监管力度.各地要加快建立健全耕地非农化行为综合监管制度,加强对地方耕地利用情况的动态监测监管,及时掌握耕地占补平衡、“进出平衡”落实情况和耕地质量变化情况,尽早发现和解决耕地非农化行为和潜在风险;采取“长牙齿”的硬措施,建立跨部门联合执法机制,加强信息共享和协同作战,形成合力,做到早发现、早制止、严查处,以“零容忍”的态度全面推进耕地非农化的监管工作,坚决守住耕地保护红线.对完成保护目标、成效显著的给予奖励,对没有完成保护目标的实行补偿性惩罚,层层压实耕地保护目标责任;实行刚性指标考核,党政同责,强化耕地保护执法的规范性、权威性与严肃性[24].