近15年中國耕地驅(qū)動因素的空間差異分析

肖思思， 吳春篤， 儲金宇

（江蘇大學(xué)環(huán)境學(xué)院， 江蘇 鎮(zhèn)江 212013）

近15年中國耕地驅(qū)動因素的空間差異分析

肖思思， 吳春篤， 儲金宇

（江蘇大學(xué)環(huán)境學(xué)院， 江蘇 鎮(zhèn)江 212013）

研究目的：定量分析區(qū)域社會經(jīng)濟(jì)因素對耕地面積變化的影響，揭示中國區(qū)域耕地資源壓力及其驅(qū)動因素的空間差異性特征。研究方法：利用STIRPAT模型和PLS方法擬合得到中國各省份耕地面積模型，依據(jù)變量投影重要性指數(shù)就各驅(qū)動因素對耕地面積影響的重要性程度進(jìn)行分析，采用ArcGIS 9.2繪制耕地面積驅(qū)動因素影響的空間差異圖。研究結(jié)果：各省份人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)、現(xiàn)代化對耕地面積的線性影響，有正效應(yīng)或者負(fù)效應(yīng)，且影響重要性程度差異明顯。在以上述三因素為重要驅(qū)動因素的?。▍^(qū)、市）中，人口數(shù)量對耕地面積均起負(fù)效應(yīng)，產(chǎn)業(yè)結(jié)構(gòu)對北京、云南的耕地面積起正效應(yīng)，現(xiàn)代化水平對上海、陜西起正效應(yīng)，而對其他?。▍^(qū)、市）起負(fù)效應(yīng)；富裕度對耕地面積的影響，有正效應(yīng)或者負(fù)效應(yīng)，有線性作用或者彈性作用，在以富裕度或其二次項(xiàng)為耕地面積重要驅(qū)動的9個(gè)?。▍^(qū)、市）中，富裕度或其二次項(xiàng)與耕地面積間存在2類類似環(huán)境EKC曲線關(guān)系，包括負(fù)效應(yīng)趨于下降型（吉林）、正效應(yīng)趨于增強(qiáng)型（山東、廣西、山西、內(nèi)蒙、河南、湖南、貴州、寧夏）。研究結(jié)論：通過分析，全面掌握中國28個(gè)省（區(qū)、市）耕地驅(qū)動因素及其空間分異狀況，為后續(xù)耕地變化研究提供參考。

土地管理；驅(qū)動因素；STIRPAT模型；PLS方法；空間差異

1 引言

耕地，作為一種重要的土地資源利用方式，在為人類提供食物保障的同時(shí)，也是國家生態(tài)安全的重要保障[1]。然而，隨著人口持續(xù)增長、工業(yè)化、城鎮(zhèn)化的快速發(fā)展以及生態(tài)退耕的需要，大量的耕地被征用或退耕[2]，耕地資源持續(xù)大量的減少使區(qū)域內(nèi)人口、糧食和耕地之間的矛盾日益突出。中國耕地總面積已由改革開放初期的1.32×108hm2減少至2011年的1.21×108hm2，2011年末人均耕地面積僅為0.091 hm2，不足世界平均水平的40%，成為制約生存和發(fā)展的重要因素。因此，區(qū)域耕地面積變化及其驅(qū)動因素研究已成為土地利用/土地覆蓋變化（LUCC）研究及全球環(huán)境變化研究的前沿和熱點(diǎn)領(lǐng)域[3-4]。耕地的影響因素錯綜復(fù)雜，歸納起來主要有自然、社會經(jīng)濟(jì)發(fā)展和政策三方面，但從耕地資源的豐缺與相對于人類對耕地的需求而言，人類的社會經(jīng)濟(jì)活動對耕地面積變化起決定性作用，同時(shí)由于相關(guān)的社會經(jīng)濟(jì)行為與產(chǎn)業(yè)政策無法直接量化，因此從定量化的角度研究影響耕地面積變化的社會經(jīng)濟(jì)成因成為趨勢[2]。目前相關(guān)的研究往往選擇單一指標(biāo)表征社會經(jīng)濟(jì)發(fā)展[5-6]或選擇多元線性回歸及相關(guān)分析等方法[2,7]建立模型，不能全面反映社會經(jīng)濟(jì)各驅(qū)動因素對耕地面積變化的影響，對各驅(qū)動因素的重要性程度認(rèn)識也不夠。此外，就全國尺度來看，各地區(qū)社會經(jīng)濟(jì)發(fā)展的差異性使得影響耕地面積變化的因素及其影響的重要性程度存在的差異在現(xiàn)有研究中沒有得到充分的解釋。鑒于此，本文試將STIRPAT模型引入耕地面積變化與社會經(jīng)濟(jì)發(fā)展關(guān)系的研究中，結(jié)合對可消除因素間多重共線性的PLS方法，進(jìn)行中國耕地面積的驅(qū)動因素分析，一方面尋求社會經(jīng)濟(jì)因素對耕地變化影響程度的強(qiáng)弱以及空間差異性特征，另一方面借鑒成熟的耕地管理方法與經(jīng)濟(jì)調(diào)控模式實(shí)現(xiàn)相關(guān)地區(qū)的耕地保護(hù)與可持續(xù)利用。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

文中耕地面積數(shù)據(jù)均來自地質(zhì)出版社出版的《國土資源統(tǒng)計(jì)年鑒（1996—2011年）》；人口數(shù)量及社會經(jīng)濟(jì)數(shù)據(jù)均來自中國統(tǒng)計(jì)出版社出版的《中國統(tǒng)計(jì)年鑒（1996—2011年）》。除特別說明外，文中GDP數(shù)據(jù)均以1996年北京可比價(jià)格為基礎(chǔ)進(jìn)行換算。同時(shí)，西藏地區(qū)由于數(shù)據(jù)缺乏，不在本研究范圍之內(nèi)。

2.2 研究方法

本文選擇Dietz等提出的STIRPAT模型為研究工具，并將其轉(zhuǎn)化如式1：

式1中，I、P、A、S、M分別表示環(huán)境壓力、人口數(shù)量、富裕度、產(chǎn)業(yè)結(jié)構(gòu)、現(xiàn)代化指標(biāo)，其中，后兩者可統(tǒng)稱為技術(shù)指標(biāo)；b、c、d1、d2分別為P、A、S、M各指標(biāo)的指數(shù)項(xiàng)；p為模型的常數(shù)項(xiàng)。根據(jù)彈性系數(shù)概念，P、A、S、M每發(fā)生1%變化，將分別引起I發(fā)生b%、c%、d1%和d2%的變化；如果對式1進(jìn)行求lnA的一階偏導(dǎo)數(shù)，可得到富裕度對環(huán)境影響的彈性系數(shù)為EEIA=c1+2c2（lnA），lnA取2011年富裕度。由于環(huán)境壓力模型可以根據(jù)具體研究目的選擇合適的指標(biāo)表征環(huán)境壓力[8-10]，故本文選擇耕地面積（103hm2）度量環(huán)境壓力，并且以人均GDP（103元）度量富裕度，以第三產(chǎn)業(yè)占GDP的比重（%）度量結(jié)構(gòu)化指標(biāo)S，以城市化率（%）度量現(xiàn)代化指標(biāo)M。

本文采用PLS方法進(jìn)行STIRPAT偏最小二乘回歸模型的構(gòu)建[11]，采用交叉有效性原則對回歸模型的精度進(jìn)行檢驗(yàn)[12]，變量PRESSt取最小時(shí)表明模型的擬合效果最好，這時(shí)提取的成分個(gè)數(shù)t即為最佳成分?jǐn)?shù)。同時(shí)采用自變量投影重要性指數(shù)VIP（variable importance for projection）進(jìn)行驅(qū)動因子的重要性判斷。一般認(rèn)為，VIP大于l.00、介于0.80—l.00之間、及小于0.80分別表示該自變量是因變量變化的重要、不確定或不重要、不重要的驅(qū)動因素[13]。研究基于SPSS 17.0及PLS插件執(zhí)行相關(guān)計(jì)算。

3 實(shí)證分析

3.1 模型解釋與評價(jià)

1996—2011年，全國除新疆耕地面積由398.57×104hm2增加至412.46×104hm2外，其余各?。▍^(qū)、市）均呈現(xiàn)不同程度的減少趨勢。為明確耕地面積變化的社會經(jīng)濟(jì)驅(qū)動因素，本文采用STIRPAT模型和PLS方法，以人口（P）、富裕度（A）、產(chǎn)業(yè)結(jié)構(gòu)（S）和城市化水平（M）為自變量、以耕地面積為因變量，擬合耕地面積變化的驅(qū)動因素模型，結(jié)果如表1所示。 分析結(jié)果顯示，除黑龍江、新疆2省t=0、未能得出有效PRESSt值、不納入下述研究外，其他28個(gè)?。▍^(qū)、市）均可通過對t=1—5個(gè)PLS成分的提取得到最小PRESSt值、獲得滿意的PLS回歸方程。在PLS回歸方程中，調(diào)整R2反映模型對Y的解釋能力，交叉有效性系數(shù)Qt2（cum）反映模型的回歸擬合效果。以擬合度最劣的貴州省為例，當(dāng)t=1時(shí)，即提取1個(gè)PLS成分時(shí)，模型的Cum（X）=1.000、Cum（Y）=0.928，此時(shí)PRESSt有最小值0.813、最大調(diào)整R2值0.819和Qt2值0.803，可見，提取1個(gè)PLS成分能達(dá)到對自變量集合（X）100.0%的累積解釋能力、對因變量（Y）92.8%的累積解釋能力，模型對耕地面積的解釋能力為0.819、對耕地面積的交叉有效性為0.803，回歸模型精度較高，可靠性較強(qiáng)，故提取1個(gè)PLS成分構(gòu)建貴州省STIRPAT回歸模型較具合理性。總體而言，通過對28個(gè)?。▍^(qū)、市）回歸方程的PLS擬合，發(fā)現(xiàn)均能通過對各方程PLS成分?jǐn)?shù)的提取達(dá)到對自變量（X）100.0%的累積解釋能力、對因變量（Y）88.1%—99.2%的累積解釋能力，同時(shí)方程決定系數(shù)調(diào)整R2介于0.819—0.988之間，即擬合方程所選擇的自變量對耕地面積的解釋介于81.9%—98.8%之間，其中有18個(gè)方程的自變量甚至可以解釋90%以上的耕地面積，整體模型精度較高。

對各自變量與因變量的數(shù)量關(guān)系進(jìn)行分析，結(jié)果表明：（1）b取值介于0和1之間的地區(qū)有江蘇、浙江、吉林、四川4個(gè)省，說明這些地方人口數(shù)量每發(fā)生1%變化將引起耕地面積發(fā)生同向但小于1%的變化；b＜-1的地區(qū)為陜西和青海，說明2個(gè)省人口數(shù)量每發(fā)生1%的變化將引起耕地面積發(fā)生反向且大于1%的變化；其余22個(gè)省（區(qū)、市）b值介于0和-1之間，說明人口數(shù)量每發(fā)生1%變化將引起耕地面積發(fā)生反向且小于1%的變化。（2）EEIA小于0的有北京、天津、上海、江蘇、浙江、廣東、吉林、重慶、四川、甘肅，說明這10個(gè)?。▍^(qū)、市）富裕度每發(fā)生1%的變化將引起耕地面積發(fā)生反向變化；其他18個(gè)?。▍^(qū)、市）富裕度每發(fā)生1%的變化將引起耕地面積發(fā)生同向且小于1%的變化。（3）d1取值介于0和1之間的有北京、河北、江蘇、山東、海南、山西、江西、云南、甘肅、青海，說明這10個(gè)?。▍^(qū)、市）第三產(chǎn)業(yè)占GDP比重提升1%將引起耕地面積發(fā)生同向且小于1%的變化；其他18個(gè)?。▍^(qū)、市）-1＜d1＜0，表明該比重提升1%將引起耕地面積發(fā)生反向變化。（4）d2取值介于0和1之間的地區(qū)僅有上海和陜西，說明這2個(gè)省（區(qū)、市）城市化率增加1%將引起耕地面積發(fā)生同向且小于1%的變化；其他26個(gè)?。▍^(qū)、市）由于d2介于0和-1之間，表明城市化率增加1%會引起耕地面積發(fā)生反向且小于1%的變化。

3.2 驅(qū)動因素重要性判斷

根據(jù)VIP重要性指數(shù)判斷人口（P）、富裕度（A）、產(chǎn)業(yè)結(jié)構(gòu)（S）和現(xiàn)代化水平（M）對耕地面積變化影響的重要性，計(jì)算結(jié)果如表2所示。

表2分析結(jié)果顯示，以北京為例，lnS和lnM的VIP值＞1.000，而lnP、lnA的VIP值＜1.000，說明產(chǎn)業(yè)結(jié)構(gòu)和現(xiàn)代化水平是北京市耕地面積變化的重要驅(qū)動因素，而人口和富裕度對北京市耕地面積變化的驅(qū)動能力不確定或不是重要驅(qū)動因素。對各地區(qū)耕地面積變化驅(qū)動因素重要性分析結(jié)果顯示：（1）人口數(shù)量是耕地面積變化重要驅(qū)動因素的地區(qū)共14個(gè)，分別是天津、河北、遼寧、上海、福建、山東、廣東、海南、江西、重慶、云南、陜西、青海、寧夏，其中，人口數(shù)量對福建耕地面積變化影響最大，對江西、河北影響最小。其他14個(gè)地區(qū)lnP的VIP值＜1.000，說明人口數(shù)量并不是這些地區(qū)耕地面積變化的重要驅(qū)動因素。（2）富裕度及富裕度二次項(xiàng)是耕地面積變化重要驅(qū)動因素的地區(qū)包括山東、廣西、山西、內(nèi)蒙、吉林、河南、湖南、貴州和寧夏，富裕度及其二次項(xiàng)并不是其他地區(qū)耕地面積變化的重要驅(qū)動因素。（3）產(chǎn)業(yè)結(jié)構(gòu)是耕地面積變化重要驅(qū)動因素的地區(qū)包括北京、上海、廣東、內(nèi)蒙、安徽、湖北、四川、貴州、云南，其他地區(qū)lnS的VIP值均小于1，表明產(chǎn)業(yè)結(jié)構(gòu)并不是這些地區(qū)耕

地面積變化的重要驅(qū)動因素。（4）現(xiàn)代化水平不是耕地面積變化重要驅(qū)動因素的地區(qū)僅包括吉林、陜西2省，其他地區(qū)lnM的VIP值＞1.000，因此現(xiàn)代化水平是這些地區(qū)耕地面積變化的重要驅(qū)動因素。

表1 STIRPAT模型PLS回歸擬合結(jié)果Tab.1 PLS regression results of STIRPAT model

表2 VIP重要性指數(shù)Tab.2 VIP values

3.3 空間差異特征分析及討論

以表1和表2所列數(shù)據(jù)為依據(jù)，利用ArcMap 9.2分別繪制各驅(qū)動因素對耕地面積的彈性系數(shù)空間差異圖（圖1），直觀表達(dá)不同?。▍^(qū)、市）間社會經(jīng)濟(jì)驅(qū)動因素對耕地面積影響的空間差異性，白色區(qū)域?yàn)槿狈?shù)據(jù)地區(qū)（西藏、香港、澳門、臺灣）和無模型擬合結(jié)果地區(qū)（黑龍江、新疆）。

人口數(shù)量對耕地面積的影響多為線性負(fù)效應(yīng)，且區(qū)域差異大。針對上述人口數(shù)量為耕地面積重要驅(qū)動因素的14個(gè)?。▍^(qū)、市），人口數(shù)量對耕地面積的彈性系數(shù)均為負(fù)，說明這些地區(qū)人口數(shù)量對耕地面積影響負(fù)效應(yīng)明顯。這主要是由于一方面人口增加導(dǎo)致住宅用地、公共設(shè)施、交通、城鎮(zhèn)等各項(xiàng)用地需求對耕地占用的增加；另一方面，人口的增加也會加大對耕地的過渡索求，導(dǎo)致其脆弱的生態(tài)環(huán)境遭受破壞，威脅到耕地資源的數(shù)量與質(zhì)量。因此，隨14個(gè)?。▍^(qū)、市）未來人口數(shù)量的持續(xù)增加，該類地區(qū)耕地面積仍將進(jìn)一步下降、耕地資源壓力將持續(xù)增加。

富裕度對耕地面積變化的影響有正效應(yīng)，也有負(fù)效應(yīng)，有線性影響，也有彈性影響，且區(qū)域差異大。吉林省受富裕度及富裕度二次項(xiàng)的重要驅(qū)動，且富裕度對吉林省耕地面積的彈性系數(shù)為負(fù)，說明富裕度的增長對耕地面積產(chǎn)生負(fù)效應(yīng)；山東、廣西、山西、內(nèi)蒙、河南、湖南、貴州、寧夏8省（區(qū)、市）受富裕度及富裕度二次項(xiàng)的重要驅(qū)動，且富裕度對相應(yīng)?。▍^(qū)、市）耕地面積的彈性系數(shù)為正，隨富裕度增加耕地面積也將增加，富裕度對耕地面積產(chǎn)生正效應(yīng)。同時(shí)，本文發(fā)現(xiàn)，上述9個(gè)?。▍^(qū)、市）耕地面積與富裕度之間均存在著類似環(huán)境Kuznets曲線關(guān)系，且按照富裕度對耕地面積影響性質(zhì)的不同，本文將上述9個(gè)?。▍^(qū)、市）劃分為兩種類型：I類—負(fù)效應(yīng)且趨于下降型、II類—正效應(yīng)且趨于增強(qiáng)型。I類僅包括吉林省，耕地面積與富裕度間存在“U”型曲線關(guān)系，但尚未達(dá)到耕地面積與富裕度“U”型EKC曲線的拐點(diǎn)，富裕度對耕地面積的彈性系數(shù)趨于增加，富裕度的增長將引起耕地資源壓力更快速度的下降，負(fù)效應(yīng)趨于降低。因此，吉林省富裕度對耕地面積的影響將逐漸由負(fù)效應(yīng)向正效應(yīng)過渡?？赡苁窃摰貐^(qū)建設(shè)用地需求的增加速率趨于減緩，而對耕地保護(hù)與治理投資力度趨于增強(qiáng)所致。II類包括其他8?。▍^(qū)、市），耕地面積與富裕度間存在“U”型曲線關(guān)系，且已越過耕地面積與富裕度“U”型EKC曲線的拐點(diǎn)。隨著該類地區(qū)人均收入水平的進(jìn)一步上升，富裕度對耕地面積的彈性系數(shù)仍將繼續(xù)增加，耕地資源壓力將得到進(jìn)一步緩解。這主要是由于隨著區(qū)域富裕度的增加，用地效率提升、浪費(fèi)耕地資源數(shù)量下降，對耕地資源的占用回歸理性，補(bǔ)充耕地?cái)?shù)量在一定程度上彌補(bǔ)了經(jīng)濟(jì)發(fā)展對耕地資源的占用數(shù)量。然而，無論是I類地區(qū)還是II類地區(qū)，區(qū)域?qū)嶋H耕地壓力仍并未出現(xiàn)改善，主要原因在于耕地資源壓力的變化趨勢由各種驅(qū)動因素綜合作用的凈效應(yīng)決定，其他驅(qū)動因素對耕地面積所起負(fù)效應(yīng)的增加速率要強(qiáng)于富裕度所引起的負(fù)效應(yīng)下降速率或正效應(yīng)增加速率。

產(chǎn)業(yè)結(jié)構(gòu)對耕地面積的影響程度有線性正效應(yīng)，也有線性負(fù)效應(yīng)，且區(qū)域差異明顯。僅北京、上海、廣東、內(nèi)蒙、安徽、湖北、四川、貴州、云南9?。▍^(qū)、市）耕地面積受到產(chǎn)業(yè)結(jié)構(gòu)的重要驅(qū)動。同時(shí)，北京、云南2省（區(qū)、市）產(chǎn)業(yè)結(jié)構(gòu)對耕地面積彈性系數(shù)為正，即隨第三產(chǎn)業(yè)占GDP比重的增長，產(chǎn)業(yè)結(jié)構(gòu)對耕地面積的彈性系數(shù)將進(jìn)一步增加，這與設(shè)想的服務(wù)業(yè)的發(fā)展將減少耕地非農(nóng)化現(xiàn)象的假設(shè)相一致。上海、廣東、內(nèi)蒙、安徽、湖北、四川、貴州各省（區(qū)、市）產(chǎn)業(yè)結(jié)構(gòu)對耕地面積的彈性系數(shù)為負(fù)，說明隨第三產(chǎn)業(yè)占GDP比重的增長，耕地面積下降，進(jìn)一步加大耕地非農(nóng)化、耕地資源的壓力，這主要是由于第三產(chǎn)業(yè)的發(fā)展仍沒有達(dá)到集約化階段，產(chǎn)業(yè)結(jié)構(gòu)不合理所致。

現(xiàn)代化水平對耕地面積的影響同樣既存在線性正效應(yīng)，又存在線性負(fù)效應(yīng)，且區(qū)域差異明顯。除吉林、陜西外，其他26個(gè)?。▍^(qū)、市）耕地面積均受到現(xiàn)代化水平的重要驅(qū)動，其中上海、陜西2省（區(qū)、市）現(xiàn)代化水平對耕地面積彈性系數(shù)為正，即隨城市化率的增加，耕地壓力將有所緩解，對抑制耕地面積減少起到了一定的作用，這反映了城市化水平對土地集約化利用的促進(jìn)作用。其他24個(gè)省（區(qū)、市）現(xiàn)代化水平對耕地面積的彈性系數(shù)為負(fù)，城市化率的增加將使得區(qū)域耕地面積下降，城市化率對耕地面積的負(fù)效應(yīng)明顯；這類地區(qū)的城市化發(fā)展滯后于其工業(yè)化水平，城市產(chǎn)業(yè)的規(guī)模擴(kuò)張促使城市化進(jìn)程不斷通過占用大量耕地資源得以實(shí)現(xiàn)，引起耕地壓力的持續(xù)增加。

圖1 人口、富裕度（二次項(xiàng)）、產(chǎn)業(yè)結(jié)構(gòu)、現(xiàn)代化對耕地面積的彈性系數(shù)空間差異Fig.1 Spatial variation map of the elasticity coef fi cients of population, degree of development (quadratic term), industrial structure and level of modernization on cultivated land change

4 結(jié)論

（1）本文通過對全國28個(gè)?。▍^(qū)、市）的實(shí)證研究發(fā)現(xiàn)，STIRPAT模型與PLS方法的結(jié)合能較好的擬合耕地面積與社會經(jīng)濟(jì)發(fā)展各指標(biāo)間的關(guān)系，揭示人口、富裕度、產(chǎn)業(yè)結(jié)構(gòu)和現(xiàn)代化水平對耕地面積變化的影響。

（2）中國1996—2011年耕地面積變化格局和原因區(qū)域差異顯著。全國耕地減少較為普遍，但減少的幅度趨于減緩。耕地面積受現(xiàn)代化水平重要驅(qū)動的26個(gè)?。▍^(qū)、市）中92%的地區(qū)受現(xiàn)代化水平的負(fù)向驅(qū)動，耕地面積受人口數(shù)量重要驅(qū)動的14個(gè)?。▍^(qū)、市）均受人口數(shù)量的負(fù)向驅(qū)動，耕地面積受富裕度重要驅(qū)動的9個(gè)省（區(qū)、市）中11%的地區(qū)受富裕度的負(fù)向驅(qū)動，耕地面積受產(chǎn)業(yè)結(jié)構(gòu)重要驅(qū)動的9個(gè)?。▍^(qū)、市）中78%的地區(qū)受產(chǎn)業(yè)結(jié)構(gòu)的負(fù)向驅(qū)動。

（3）耕地保護(hù)與社會經(jīng)濟(jì)發(fā)展關(guān)系的深入研究，對耕地資源的安全和可持續(xù)利用具有重要意義。根據(jù)本文的分析并結(jié)合各省（區(qū)、市）實(shí)際情況，建議在以后的耕地利用和管理過程中，在確保經(jīng)濟(jì)發(fā)展的熱度與速度的同時(shí)，應(yīng)從各?。▍^(qū)、市）主要驅(qū)動因素的控制與管理著手，從而減緩耕地減少的速度。

需要明確的是，耕地面積的變化除受社會經(jīng)濟(jì)因素的影響之外，同樣也受到自然狀況及相關(guān)政策因素的影響。今后的研究將繼續(xù)完成將自然狀況指標(biāo)、相關(guān)政策因素與社會經(jīng)濟(jì)因素共同納入STIRPAT模型—PLS方法的方法性探索與實(shí)證研究，以期全面考察耕地面積變化的重要驅(qū)動因素及其空間差異性特征。

（References）：

［1］ 鄒玉川.全國耕地保護(hù)工作全書［M］ .北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2002.

［2］ 曹銀貴，袁春，周偉.中國耕地變化的驅(qū)動因子及其省域差異分析［J］ .中國土地科學(xué)，2008，22（22）：17-22.

［3］ Turner II B L, Meyer W B, Skole D L. Global land-use/ land-cover change: towards an integrated study［J］ . Ambio, 1994, 23（1）: 91 - 95.

［4］ 劉旭華，王勁峰，劉明亮，等.中國耕地變化驅(qū)動力分區(qū)研究［J］ .中國科學(xué)D輯地球科學(xué)，2005，35（11）：1087-1095.

［5］ 李秀彬.中國近20年來耕地面積的變化及其政策啟示［J］ .自然資源學(xué)報(bào)，1999，14（4）：329-333.

［6］ 嚴(yán)思齊，吳群.二三產(chǎn)業(yè)發(fā)展對耕地資源數(shù)量的影響及其地域差異——基于中國省級面板數(shù)據(jù)的考察［J］ .資源科學(xué)，2011，33（10）：1948-1954.

［7］ 王梅，曲福田.基于變異率的中國50多年耕地變化動因分析［J］ .資源科學(xué)，2005，27（2）：39-43.

［8］ Ying Fan, Lan-Cui Liu, Gang Wu, et al. Analyzing impact factors of CO2emission using the STIRPAT model［J］ . Environmental Impact Assessment Review, 2006, 26：377 - 395.

［9］ 王立猛，何康林.基于STIRPAT模型的環(huán)境壓力空間差異分析——以能源消費(fèi)為例［J］ .環(huán)境科學(xué)學(xué)報(bào)同，2008，2（5）：1032-1037.

［10］ Junsong Jia, Hongbing Deng, Jing Duan，et al. Analysis of the major drivers of the ecological footprint using the STIRPAT model and the PLS method—A case study in Henan Province, China［J］ . Ecological Economics, 2009，68： 2818 - 2824.

［11］ 王惠文.偏最小二乘回歸方法及其應(yīng)用［M］ .北京：國防工業(yè)出版社，1999：150-151.

［12］ 肖思思，余穎斐，黃賢金，等.生態(tài)赤字影響因素的定量分析及其動態(tài)預(yù)測研究——以江蘇省為例［J］ .水土保持通報(bào)，2012，32（6）：1-7.

［13］ 吳開亞，王玲杰.生態(tài)足跡及其影響因子的偏最小二乘回歸模型與應(yīng)用［J］ .資源科學(xué)，2006，28（6）：182-188.

（本文責(zé)編：戴晴）

Spatial Variation of Driving Factors on Cultivated Land Change in China for the Past 15 Years

XIAO Si-si, WU Chun-du, CHU Jin-yu
（School of the Environment, Jiangsu University, Zhenjiang 212013, China）

The purpose of this paper is to quantitatively analyze the impact of regional social-economic driving factors on cultivated land change, and to reveal the press status of the regional cultivated land and the spatial variation of driving factors. STIRPAT model and PLS method were adopted. VIP value was used to analyze the importance extent of those four driving factors on cultivated land change. Based on the research results, figures of spatial map of the driving factors were drawn by ArcGIS 9.2. Results showed that population, industrial structure and level of modernization had positive or negative linear effects on cultivated land change. The effects of those three driving factors are spatial divergent. The variable of population showed negative effect in all provinces. The industrial structure only positively affects land area in Beijing and Yunnan. The level of modernization had positive effect in Shanghai and Shaanxi. The degree of economic development had positive or negative, linear or non-linear effects. In nine provinces, the quadratic term of the degree ofeconomic development was the main driving factor. The relation between the quadratic term and cultivated land follows two kinds of EKC curves in empirical study. One is the kind of negative effect tending to go down (Jilin). The other is the kind of positive effect tending to be enhanced (Shandong, Guangxi, Shanxi, Mongolia, Henan, Hubei, Guizhou and Ningxia). The paper concludes that the status of spatial variation on the driving factors of cultivated land change in China can be measured, which can further serve as references for the follow-up studies on cultivated land change.

land administration; driving factors; STIRPAT model; PLS method; spatial variation

F301.2

A

1001-8158（2013）07-0055-07

2012-06-03

2013-03-08

國家自然科學(xué)基金“區(qū)域農(nóng)產(chǎn)品市場發(fā)展的農(nóng)戶土地利用變化響應(yīng)研究”（41101160）；江蘇省國土資源廳“江蘇省環(huán)太湖地區(qū)國土資源承載力及調(diào)控措施研究”項(xiàng)目；江蘇大學(xué)高級專業(yè)人才科研啟動基金項(xiàng)目（08JDG042）。

肖思思（1979-），女，安徽明光人，博士，講師。主要研究方向?yàn)樽匀毁Y源與環(huán)境可持續(xù)發(fā)展。E-mail: xiao780@163.com