基于压力指数的苏北地区耕地非农化评价及预测

高宇成, 张忠启, 祝 亮

(江苏师范大学 地理测绘与城乡规划学院,江苏 徐州 221116)

耕地是粮食生产的物质基础,耕地安全是粮食安全的重要基石[1].我国人口规模庞大,耕地资源相对匮乏,要将中国人的饭碗牢牢端在自己手中,必须确保耕地这一根基不受侵蚀.近年来,尽管国家出台了一系列强化耕地保护的政策措施,但一些地方仍然存在违规占用耕地开展非农建设的行为,对国家粮食安全构成了潜在威胁.为此,国务院于2020年专门印发了坚决制止耕地非农化行为的通知,明确要求各级政府采取有力措施落实最严格的耕地保护制度,坚决制止各类耕地非农化行为[2].因此,查明耕地非农化压力的时空特征及演变趋势,是地方政府制定耕地保护措施和保障粮食安全的必然要求.

耕地非农化改变了耕地农业用途,耕地转化为非农建设用地,直接影响粮食生产[3].近些年,学者们对耕地非农化问题高度关注并开展了相关研究,主要集中在3个方面.一是耕地非农化的驱动因素.学者们从多个尺度对耕地非农化的驱动因素进行了探讨,如:城市化是耕地非农化的主要驱动因子[4];产业结构,特别是非农产业规模的扩张对耕地非农化影响较大[5];人均地区生产总值、人口密度、耕地资源禀赋等因子是耕地非农化的主要原因[6].二是耕地非农化的时空特征.由于区域社会经济发展和资源禀赋等方面的差异,耕地非农化也表现出明显的空间异质性.从空间分异看,不同区域间的非农化压力通常呈现出多元化趋势,甚至有些区域间呈现明显的地理梯度分布[7];从时间变化看,不同区域耕地非农化过程的重心随时间出现不同的迁移规律[8].三是耕地非农化的治理措施,这是非农化研究的落脚点.加大法律政策宣传力度,激发农民保护耕地、种粮的积极性、自觉性和荣誉感,同时严格执行多元化耕地保护补偿制度,提高建设用地集约利用水平,建立经济惩戒机制,是解决耕地非农化的有效措施[9-11].

虽然近些年对耕地非农化问题研究较多,但大多集中在主要粮食产区及产粮大省,对江苏省耕地非农化的研究关注度不够.江苏省虽然面积相对较小,但粮食产量一直位居全国前列,在本省粮食自给的基础上,还向上海、浙江等周边省份供给优质粮食,为国家粮食安全作出了重要贡献.苏北地区地势平坦,耕地集中连片,气候适宜,一直是江苏省粮食生产的主阵地[12],对全省粮食安全生产具有关键性作用.近年来,随着苏北地区城镇化和工业化的快速推进,耕地非农化问题日益凸显,对全省粮食生产造成较大影响.因此,探讨苏北地区耕地非农化压力问题,对促进区域耕地资源保护、维护地区粮食安全具有重要意义.鉴于此,本文聚焦耕地非农化问题,选取5个年份,对苏北地区耕地非农化压力的时空特征及影响因素进行定量分析,并在此基础上预测2025年和2030年苏北各市的耕地非农化压力,以期为苏北地区耕地资源保护和粮食安全提供决策参考.

1 数据与方法

1.1 研究区概况

苏北地区地处江苏省北部,位于北纬32°43′—35°07′,东经116°21′—120°54′,包括徐州、连云港、宿迁、淮安、盐城5市,土地面积为5.49万km2.该地区位于黄淮平原与江淮平原的过渡区域,以平原为主,亦有少量丘陵岗地分布.耕地、城镇工矿及居民用地是苏北地区主要土地利用类型[13].土壤母质多为黄泛冲积物和河海相沉积物,土壤以潮土和盐土两种类型为主[14].气候属于亚热带湿润向暖温带半湿润气候过渡的类型,热量充足,降水丰富,四季分明,十分适宜粮食作物生长[15-16].苏北地区一直是江苏省最重要的粮食生产区,2021年农作物总播种面积为477万hm2,粮食总产量为2 487万t,分别占全省的63.5%和65.4%[17].由此可见,苏北5市粮食生产对保障全省粮食安全至关重要.

1.2 指标体系构建

本文以苏北5市为研究对象,以2000、2005、2010、2015、2020年5个年份的耕地、粮食生产、社会经济发展等有关数据为基础,开展耕地非农化压力研究.耕地非农化受当地经济发展水平、产业分布格局和资源禀赋等多方面因素的影响[3,5],本文参考Chen等的研究成果[6,18],结合数据的可获取性,选择经济因素、产业结构、社会因素、资源禀赋4个方面14个指标构建耕地非农化压力评价指标体系(表1),以测算苏北5市的耕地非农化压力.各指标数据主要来自各市相应年份的统计年鉴,部分来自各市的国民经济和社会发展统计公报.

1.3 耕地非农化压力指数计算

本文通过耕地非农化压力指数定量表征苏北5市不同时期的耕地非农化压力状况.经过数据的标准化、各项指标的熵值及熵冗余度计算、各指标权重的计算等步骤[19-20],得到第a年i市的耕地非农化压力指数

(1)

1.4 区域差异测度

采用泰尔指数测度苏北5市耕地非农化压力在空间上的整体差异性,指数值越大表明区域间差异越大[23-25].计算公式为

(2)

式中:T表示泰尔指数;Ki为第i市的耕地压力指数;μ为5市耕地压力指数平均值;n为研究区中城市数量,n=5.

1.5 耕地非农化压力指数预测

灰色预测模型是依据少量、不完全信息建立数学模型作出预测的一种方法.本文采用灰色GM(1,1)模型[26-27]对苏北各市2025年和2030年的耕地非农化压力进行预测.

2 结果与分析

2.1 各市耕地与粮食生产状况

2021年苏北5市的耕地和粮食生产情况如表2所示.各市之间的人均耕地面积存在较大差异,最少者(徐州市)仅为最多者(淮安市)的2/3左右,其余3市较为接近.从人均粮食产量来看,各市之间的差异高于人均耕地面积差异,徐州市人均粮食产量最低,淮安、盐城2市人均粮食产量均较高,约为徐州市的2倍.整体上看,苏北5市的人均粮食产量均高于全国平均水平(474 kg/人),淮安和盐城2市的人均粮食产量超过全国平均数的2倍.苏北地区粮食产量不仅满足本区域的需求,而且可为周边地区提供商品粮,因而成为全省粮食安全的关键支撑,同时也是华东地区优质商品粮的重要产地.

2.2 各市耕地非农化压力指数

2000—2020年苏北5市耕地非农化压力指数及空间分布如图1所示.可以看出,各市的工业化和城市化水平等存在差异,且其推进速度也不一致,造成耕地非农化压力存在较大分异,且均呈现波动性变化.徐州市耕地非农化压力指数在各时期皆为最高,均超过了0.75.盐城市的耕地非农化压力指数在2000年相对较高,之后逐渐降低,但2010年后又开始呈缓慢上升趋势.连云港和淮安2市的耕地非农化压力指数在2000年较为接近,分别于2005年和2015年达到最高值后回落,连云港市的非农化压力波动性整体强于淮安市.宿迁市耕地非农化压力指数整体上低于其他市,其中2005年非农化压力指数仅为0.185.

表2 苏北各市耕地和粮食生产情况Tab.2 Farmland and grain production in various cities of northern Jiangsu

2.3 不同时期各市耕地非农化压力空间差异性

苏北地区耕地非农化压力的空间差异性在2000—2010年整体上呈现逐步上升趋势,这是由于该时期徐州市耕地非农化压力指数上升幅度较大,而其他各市非农化压力指数整体呈下降趋势.2015年徐州市耕地压力指数下降,其他4市压力指数均呈现上升趋势,尤其是连云港与宿迁市上升显著,导致区域内非农化压力的差异性大幅降低,进而造成苏北地区非农化压力泰尔指数在2015年大幅下降.2020年苏北地区泰尔指数回升,非农化压力的差异性呈增加趋势,这主要是因为徐州市非农化压力指数有所上升,而淮安与连云港市下降幅度较大,宿迁与盐城市的压力指数小幅波动(图2).

图1 苏北各市耕地非农化压力时空变化情况Fig.1 Temporal and spatial changes of farmland conversion pressure in various cities of northern Jiangsu

2.4 影响各市耕地非农化压力的主要因素

图2 苏北各市不同年份耕地非农化压力泰尔指数Fig.2 Theil index of farmland conversion pressure in various cities of northern Jiangsu in different years

基于经济因素、产业结构、社会因素和资源禀赋4个方面14个指标的相关数据,通过多元逐步回归对苏北5市耕地非农化压力的影响因子进行分析,结果见表3.可以看出,耕地非农化压力在不同年份的影响因子存在差异.2000年影响苏北各市耕地非农化压力的因子主要为固定资产投资额,其影响达到极显著水平,说明固定资产投资拉动的经济增长对耕地非农化产生重要影响.地均地区生产总值和固定资产投资额对2005年苏北各市耕地的非农化压力达到了极显著水平,表明资源禀赋对该时期耕地非农化的作用开始显现.非农产业占比对2010年和2015年两时期耕地非农化的影响达到极显著水平,说明非农产业的规模扩张对该时期耕地非农化的作用不容忽视;同时,地均地区生产总值对2015年苏北各市耕地的非农化压力也达到了极显著水平,再次表明资源禀赋对耕地非农化具有重要影响.2020年固定资产投资额的影响为显著水平,说明包括房地产在内的固定资产投资给该时期苏北地区耕地非农化带来较大压力.综上所述,经济发展状况、资源禀赋和产业结构对区域耕地非农化压力的产生具有基础性影响.

表3 苏北各市耕地非农化压力影响因素回归分析结果Tab.3 Regression results of factors influencing farmland conversion pressure in various cities of northern Jiangsu

2.5 各市耕地非农化压力的未来预测

基于2000—2020年苏北各市耕地非农化压力指数,通过灰色GM(1,1)预测模型对各市2025年和2030年耕地非农化压力指数进行预测,结果见图3.残差检验结果显示,模型对已知各时段的预测残差均<0.1,说明预测结果较为可靠.预测结果表明,苏北5市2025年和2030年耕地非农化压力指数平均值分别为0.445和0.447,整体上呈现缓慢上升趋势.从各市来看,耕地非农化压力指数变化趋势不同.宿迁与淮安2市的非农化压力指数不断增大,其中宿迁增加幅度相对较大,这主要是因为2市近些年大力推进工业化和城市化,耕地受到挤压;而盐城、连云港、徐州3市的耕地非农化压力指数出现不同程度的降低,其中徐州的降幅较大,这与3市近年来加大产业结构转型力度,并实行较严格的耕地保护政策,使耕地非农化压力有所缓解有关.总的来看,徐州市耕地非农化压力指数将出现较大下降,但仍为苏北地区耕地非农化压力最大的市;宿迁和淮安2市的压力指数将会出现明显提升,仅次于徐州市;而连云港和盐城2市的耕地非农化压力逐渐下降,成为苏北5市中耕地压力较小的地区.同时,从整体上看,未来苏北5市间非农化压力的差异性也将有所降低.

图3 苏北各市耕地非农化压力指数预测Fig.3 Prediction for pressure index of farmland conversion in various cities of northern Jiangsu

3 结论与建议

3.1 主要结论

本文探讨了不同时期苏北地区耕地非农化压力的时空变化及影响因素,并对未来压力指数进行了预测.不同时期苏北5市耕地非农化压力差异较大且呈波动性变化,其中徐州市的波动幅度最大,盐城和连云港2市波动下降,淮安和宿迁2市波动上升.苏北地区耕地非农化压力具有明显的空间差异性.

不同时期苏北地区耕地非农化压力的主要影响因子不同:2000年为固定资产投资额,2005年为固定资产投资额和地均地区生产总值,2010年为非农产业占比,2015年为非农产业占比和地均地区生产总值,2020年为固定资产投资额.概括而言,苏北地区耕地非农化压力受经济发展状况、资源禀赋和产业结构等因素的影响较大.

2025年和2030年苏北地区耕地非农化压力指数整体将呈缓慢上升趋势.各市非农化压力变化趋势有所不同,宿迁与淮安2市的非农化压力指数将不断增加,而盐城、连云港、徐州3市耕地非农化压力指数将出现下降.未来苏北5市耕地非农化压力水平的高低顺序为徐州>宿迁>淮安>盐城>连云港.

3.2 建议

耕地资源是保障粮食安全的重要基石.苏北各市由于自然和社会经济条件存在差异,耕地非农化压力和未来演变趋势也有所不同.为缓解苏北各市耕地非农化压力,可采取以下3项措施.

一要立足耕地资源禀赋条件,制定好相应的耕地保护与补偿政策.区域耕地资源禀赋深刻影响地区居民的生产和生活方式,在很大程度上决定了区域耕地非农化的程度和规模.苏北地区人口稠密,人均耕地面积低于全国平均水平,人地关系较为紧张,耕地非农化对地区粮食生产的影响较大.因此,苏北各市需要根据自身的耕地资源禀赋,合理配置耕地资源利用条件,统筹协调耕地保护和社会经济发展的动态关系,对占用的耕地务必进行补偿,切实保护好耕地资源.

二要促进社会经济转型发展,提升土地节约集约利用水平.各市必须认真贯彻落实中央关于耕地资源保护的一系列方针政策,牢固树立珍惜耕地资源、节约集约用地意识,提升土地节约集约利用水平,增强土地承载能力,全面提升土地资源开发利用效率.统筹抓好区域经济发展与耕地资源保护,坚持粮食安全第一的底线思维,持续加大耕地保护的力度,采取一系列创新措施,通过约束用地需求倒逼产业结构升级和经济增长方式转变,从有限的土地资源中创造最大的利用效益.

三要加大耕地保护督查力度,切实守牢耕地保护红线.各市应当立足自身实际,强化政府部门的督导职能,建立耕地保护预警监测系统.政府主管部门需要充分利用高新技术,例如卫星遥感和地面监测系统,及时掌握当地耕地利用现状和非法占用情况,并快速严肃查处非法占用耕地的行为,坚决遏制耕地非农化的发展势头;加强对重点耕地保护区域的监测,严禁耕地拋荒现象发生.此外,积极营造全社会耕地资源保护的舆论氛围,强化民众耕地保护意识,为严守耕地保护红线和筑牢粮食安全根基奠定坚实基础.