耕地資源空間集聚度評(píng)價(jià)及影響因素①
——以江蘇省睢寧縣為例

李 鑫，李 寧，馬曉冬

（1 江蘇師范大學(xué)測(cè)繪學(xué)院，江蘇徐州 221116；2 江蘇師范大學(xué)城市與環(huán)境學(xué)院，江蘇徐州 221116）

耕地資源空間集聚度評(píng)價(jià)及影響因素①
——以江蘇省睢寧縣為例

李 鑫1，李 寧1，馬曉冬2*

（1 江蘇師范大學(xué)測(cè)繪學(xué)院，江蘇徐州 221116；2 江蘇師范大學(xué)城市與環(huán)境學(xué)院，江蘇徐州 221116）

耕地空間集聚是農(nóng)地整治目標(biāo)之一，也是農(nóng)業(yè)現(xiàn)代化的基本要求，現(xiàn)有研究大多是從景觀格局視角用多指標(biāo)對(duì)耕地空間集聚進(jìn)行評(píng)價(jià)，為了探尋耕地空間集聚的影響因素，本文提出一種單指標(biāo)評(píng)價(jià)法。首先綜合考慮耕地圖斑的位置、形狀、面積，定義了耕地圖斑的空間集聚度公式，并用程序代碼求取每一圖斑的集聚度大?。黄浯我圆煌瑘D斑的集聚度為因變量，選擇相關(guān)影響因素為自變量進(jìn)行計(jì)量分析；最后以江蘇省睢寧縣為例做了實(shí)證分析。結(jié)果表明：當(dāng)設(shè)定半徑指數(shù)為2 000 m時(shí)，2013年睢寧縣耕地空間集聚平均值是0.567 7，總體水平較高，有利于農(nóng)業(yè)現(xiàn)代化生產(chǎn)；坡度、高程、人均GDP、人均耕地、與城市距離、路網(wǎng)密度、基本農(nóng)田建設(shè)對(duì)耕地空間集聚水平都有顯著影響，且坡度與基本農(nóng)田建設(shè)對(duì)耕地集聚的作用彈性較大，而城市距離對(duì)空間集聚的作用彈性最小。論文提出的耕地空間集聚度評(píng)價(jià)方法可為基本農(nóng)田劃定及農(nóng)地整治提供相關(guān)技術(shù)支撐。

空間集聚；耕地；計(jì)量模型；影響因素；睢寧縣

耕地空間集聚是農(nóng)業(yè)現(xiàn)代化的基本要求，也是耕地生產(chǎn)效率提高的重要條件。近年來開展的農(nóng)用地整治、高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)等工程的一個(gè)重要目的就是提高耕地空間集聚水平，為后續(xù)的農(nóng)業(yè)現(xiàn)代化生產(chǎn)創(chuàng)造條件［1-3］?？梢?，耕地空間集聚不僅是農(nóng)業(yè)現(xiàn)代化的量化指標(biāo)，也是對(duì)土地整治效果進(jìn)行評(píng)價(jià)的重要標(biāo)準(zhǔn)，因此對(duì)其進(jìn)行準(zhǔn)確全面的量化具有一定理論與現(xiàn)實(shí)意義。現(xiàn)有研究大多是從景觀格局與空間相關(guān)性視角對(duì)某一用地類型的空間集聚水平進(jìn)行評(píng)價(jià)，且評(píng)價(jià)尺度集中在中觀與宏觀層次，即評(píng)價(jià)了不同村或鎮(zhèn)的某一用地類型空間集聚水平，缺少針對(duì)斑塊尺度的空間集聚評(píng)價(jià)，即未對(duì)不同斑塊所代表的空間位置的集聚度進(jìn)行評(píng)價(jià)。評(píng)價(jià)標(biāo)準(zhǔn)總體上可以分為3類：一是用斑塊密度、斑塊平均面積、斑塊形狀指數(shù)、核密度估算指數(shù)、鄰近指數(shù)、斑塊分散度指數(shù)等景觀生態(tài)指標(biāo)對(duì)空間集聚度進(jìn)行評(píng)價(jià)［4-10］；二是用探索性空間數(shù)據(jù)分析工具（ESDA）尋找某用地分布的熱點(diǎn)區(qū)［11-14］；三是基于分形理論用多維分形指數(shù)來評(píng)價(jià)空間集聚度［15-18］?，F(xiàn)有文獻(xiàn)之所以用多指標(biāo)來表征量化空間集聚度是因?yàn)槠洳粌H與某范圍內(nèi)斑塊數(shù)量有關(guān)，斑塊面積大小、形狀和不同斑塊間的相互位置都會(huì)影響空間集聚度大小。目前看來，對(duì)空間集聚度進(jìn)行評(píng)價(jià)時(shí)還難以消除指標(biāo)間的相關(guān)性，因此對(duì)評(píng)價(jià)結(jié)果的準(zhǔn)確性會(huì)產(chǎn)生影響，此外，耕地空間集聚評(píng)價(jià)之后，一項(xiàng)重要的研究是尋找影響空間集聚的因素，以減輕其空間破碎度，因此如果是以多指標(biāo)量化空間集聚水平，則不利于該項(xiàng)研究的進(jìn)行。鑒于此，論文從空間集聚的基本內(nèi)涵出發(fā)，構(gòu)造出一種新方法用以評(píng)價(jià)耕地空間集聚水平，并且從空間上計(jì)量分析耕地空間集聚的影響因素，以改進(jìn)目前土地利用空間集聚評(píng)價(jià)方法，尋找影響耕地空間集聚的因素，為農(nóng)用地整治及高標(biāo)準(zhǔn)基本農(nóng)田劃定提供參考借鑒。論文整體思路是首先構(gòu)建新方法，用單指標(biāo)來表征不同耕地圖斑所在位置的空間集聚水平；其次，把可能影響耕地空間集聚的因素空間化，用計(jì)量回歸法分析相關(guān)影響因素；再次以江蘇省睢寧縣為例展示方法的運(yùn)用，同時(shí)為睢寧縣基本農(nóng)田劃定與土地綜合整治提供政策建議。

1 研究方法

1.1 空間集聚度評(píng)價(jià)方法

空間集聚除了考慮某一用地的分布密度外，還應(yīng)考慮斑塊面積大小、形狀及相互位置關(guān)系［19-21］，因此，現(xiàn)有研究是用多指標(biāo)進(jìn)行評(píng)價(jià)，而本文構(gòu)建的耕地空間集聚度評(píng)價(jià)法，除了具有以單指標(biāo)量化集聚度的優(yōu)勢(shì)外，還把評(píng)價(jià)單元細(xì)化至每個(gè)圖斑，即評(píng)價(jià)了每個(gè)耕地圖斑所在位置的集聚度，為進(jìn)一步分析空間集聚的影響因素奠定了基礎(chǔ)，具體方法見圖1與式（1）。

圖1 評(píng)價(jià)方法示意圖Fig. 1 Evaluation methodology diagram

式中：comi表示第i個(gè)耕地圖斑位置的空間集聚度；r是以耕地圖斑幾何重心為圓點(diǎn)的半徑參數(shù)；Dij表示第j個(gè)圖斑與第i個(gè)耕地圖斑的幾何距離；aj表示第j個(gè)圖斑面積。式（1）的分子部分表示在第i個(gè)耕地圖斑半徑范圍內(nèi)，屬性是耕地的圖斑面積之和，比如在圖1中，圖斑O到A與B的距離小于r，而到C的半徑大于r，因此需要計(jì)算O、A與B圖斑面積之和作為分子；而分母則表示所有與O距離小于r的圖斑面積之和，無論其屬性為耕地與否。上述指標(biāo)包含了圖斑的幾何重心、相互之間距離、空間耕地密度等幾方面信息，較好刻畫了空間集聚的定義，因此可用來表示空間集聚度，同時(shí)該指標(biāo)還巧妙規(guī)避道路、河流等不規(guī)則矢量圖斑對(duì)集聚度量化的影響。需說明的是空間集聚度comi與半徑參數(shù)r有關(guān)，不同半徑參數(shù)可理解為不同空間尺度，即不同尺度下圖斑的空間集聚度不同，因此在應(yīng)用該方法評(píng)價(jià)耕地空間集聚度時(shí)，應(yīng)首先明確所采用的半徑參數(shù)大小，就如空間分析時(shí)首先要表明地圖的精度一樣。

由上述定義可看出，空間集聚度不能在ArcGIS或者景觀生態(tài)Fragstats軟件中直接計(jì)算，本文是通過導(dǎo)出矢量圖斑屬性表，之后在Matlab中編程計(jì)算不同耕地圖斑的空間集聚度大小。把全部圖斑按順序編號(hào)，圖斑屬性為耕地時(shí)標(biāo)注為1，為其他屬性時(shí)標(biāo)注0，自動(dòng)計(jì)算圖斑重心的坐標(biāo)，于是形成表1，最后一列是需要求取的不同圖斑的空間集聚度。Matlab中程序的思路是：從第一個(gè)圖斑開始循環(huán)，若屬性不是耕地則直接對(duì)其空間集聚度賦值 -999 9，若屬性是耕地，則著手計(jì)算其空間集聚度；首先計(jì)算該耕地圖斑與其他所有圖斑的距離，之后與半徑r進(jìn)行對(duì)比，若小于r則計(jì)算其累加面積作為分母，若不僅距離小于r，且其屬性還為耕地，則計(jì)算其累加面積作為分子，兩者之比便是該耕地圖斑的空間集聚度；直到把所有圖斑循環(huán)完畢為止，導(dǎo)出數(shù)據(jù)至Excel表中。

表1 屬性表結(jié)構(gòu)Table1 The structure of attribute table

1.2 計(jì)量回歸法

常規(guī)方法只能以多指標(biāo)形式得到不同村、不同鎮(zhèn)的耕地空間集聚度大小，因此要進(jìn)一步用計(jì)量方法分析空間集聚的影響因素就較為困難；本文提出的方法可得到每個(gè)耕地圖斑的空間集聚度，因此，下面把集聚度作為因變量，用計(jì)量方法尋找影響耕地空間集聚分布的因素。耕地是人類社會(huì)經(jīng)濟(jì)活動(dòng)對(duì)土地資源利用的結(jié)果之一，其空間集聚水平不僅受自然因素影響，更受社會(huì)經(jīng)濟(jì)甚至政策因素的影響。自然因素中，當(dāng)然氣候、降水等對(duì)耕地集聚的影響顯著，但考慮到影響因素在研究區(qū)內(nèi)的差異性，論文只選擇坡度、高程進(jìn)行研究。社會(huì)經(jīng)濟(jì)因素中，經(jīng)濟(jì)發(fā)展水平、資源稟賦、社會(huì)生產(chǎn)活動(dòng)對(duì)耕地布局的擾動(dòng)都可能會(huì)對(duì)耕地空間集聚有影響，于是論文選擇人均GDP、人均耕地、路網(wǎng)密度、與城鎮(zhèn)距離指標(biāo)來表示上述影響因素?？紤]到土地整治活動(dòng)的影響，把是否開展高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)工程也作為潛在影響因素。具體用多元線性回歸表示為：

式中：yi表示第i個(gè)耕地圖斑聚集度，xi，j是第i個(gè)圖斑的第j個(gè)自變量大小，cj是第j個(gè)自變量的作用系數(shù)，vi是隨機(jī)擾動(dòng)項(xiàng)，用加權(quán)最小二乘法（OLS）進(jìn)行估計(jì)，實(shí)證研究中根據(jù)模型回歸結(jié)果具體分析各自變量對(duì)耕地空間集聚的影響。如何得到每個(gè)耕地圖斑的自變量大小是模型的關(guān)鍵：對(duì)于坡度與高程，可從DEM中得到精度為30 m的柵格數(shù)據(jù)，之后將其轉(zhuǎn)化為矢量數(shù)據(jù)，再把耕地圖斑由面轉(zhuǎn)為點(diǎn)，得到圖斑重心的點(diǎn)文件，再與坡度、高程矢量數(shù)據(jù)進(jìn)行intersect操作，于是可得到圖斑重心位置的坡度、高程大小。對(duì)于人均耕地、人均GDP是按鄉(xiāng)鎮(zhèn)單元來賦值的，即同一鄉(xiāng)鎮(zhèn)內(nèi)，全部耕地圖斑的這兩個(gè)自變量相同。對(duì)于路網(wǎng)密度、與城鎮(zhèn)距離兩個(gè)變量，選擇鄉(xiāng)級(jí)以上道路組成線文件，ArcGIS中用Line Density工具計(jì)算柵格的路網(wǎng)密度值，用Euclidean Distance工具計(jì)算不同柵格到最近鎮(zhèn)的中心距離，之后按照與坡度、高程相同方法得到不同耕地圖斑的路網(wǎng)密度、與城鎮(zhèn)距離大小。最近幾年來，全國(guó)開展了高標(biāo)準(zhǔn)基本農(nóng)田整治工程，對(duì)項(xiàng)目區(qū)范圍內(nèi)的耕地進(jìn)行平整及水利、防護(hù)林建設(shè)，因此，這里把是否開展過高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)作為虛擬變量，對(duì)項(xiàng)目區(qū)內(nèi)的耕地賦值1，其他耕地賦值0。

2 實(shí)證研究

2.1 研究區(qū)概況與數(shù)據(jù)來源

睢寧縣位于江蘇省西北部，屬徐州市，土地面積1 769.34 km2。地理坐標(biāo)是33°40′ ～ 34°10′ N，117°31′ ～118°10′ E。東鄰宿豫區(qū)，北接邳州市，西北與銅山接壤，南部、西部與安徽省毗鄰。睢寧屬暖溫帶海洋性季風(fēng)氣候，年均氣溫14℃左右，年均降水量922.1 mm，年均日照2 393.3 h，無霜期214天。廢黃河、廢運(yùn)河、白馬河分別從睢寧縣北部、中部、南部自西向東穿過。2013年末全縣總?cè)丝?39.25萬，其中農(nóng)村人口89.44萬，經(jīng)濟(jì)生產(chǎn)總值410億元，固定資產(chǎn)投資215億。2013年末農(nóng)用地面積是131 710.1 hm2，占總面積74.44%，其中耕地104 730.8 hm2，占總面積59.19%，建設(shè)用地35 768.6 hm2，未利用地9 455.26 hm2。由于地形、氣候、土壤等宜于農(nóng)業(yè)生產(chǎn)，再加之更高層次的規(guī)劃對(duì)睢寧縣的功能定位是以農(nóng)業(yè)為主，因此農(nóng)業(yè)生產(chǎn)在睢寧社會(huì)經(jīng)濟(jì)發(fā)展中一直占有重要地位，2013年農(nóng)業(yè)占總產(chǎn)值20% 以上，比重較高。2014年睢寧被評(píng)為“中國(guó)糧食生產(chǎn)先進(jìn)縣”，且在徐州境內(nèi)睢寧縣又是農(nóng)業(yè)綜合開發(fā)、基本農(nóng)田建設(shè)的重點(diǎn)區(qū)，近年來通過河灘及其他農(nóng)用地整治，有效增加了耕地面積。于是對(duì)睢寧縣耕地空間集聚進(jìn)行評(píng)價(jià)，分析影響其空間集聚的自然、社會(huì)及政策因素，不僅可對(duì)耕地集聚的現(xiàn)狀水平有總體認(rèn)識(shí)，還可為未來農(nóng)用地整治指明方向與重點(diǎn)，提高土地整治效率，有利于農(nóng)業(yè)現(xiàn)代化目標(biāo)的實(shí)現(xiàn)。

論文數(shù)據(jù)主要有兩部分：一是土地利用空間數(shù)據(jù)，來源于2013年變更1∶5 000的二調(diào)數(shù)據(jù)庫(kù)，DEM來自于地理空間數(shù)據(jù)云的GDEM 30 m數(shù)據(jù)；社會(huì)經(jīng)濟(jì)數(shù)據(jù)來自《江蘇統(tǒng)計(jì)年鑒2014》，其他社會(huì)經(jīng)濟(jì)數(shù)據(jù)來自《徐州市黃河故道流域土地利用總體規(guī)劃》的前期數(shù)據(jù)，基期年是2013年。

2.2 空間集聚度評(píng)價(jià)結(jié)果

睢寧縣有6.5萬個(gè)耕地圖斑，在Matlab中計(jì)算不同斑塊的空間集聚度，考慮到研究區(qū)大小及矢量圖精度，本文設(shè)定半徑為r為2 000 m，運(yùn)行時(shí)間大約為6 ～ 7 min，之后把結(jié)果輸出至表1的最后一列，再在ArcGIS中用屬性表的鏈接工具把集聚值賦給每個(gè)圖斑。統(tǒng)計(jì)發(fā)現(xiàn)圖斑的最大空間集聚度是0.793 4，表明在以該圖斑為圓心，半徑2 000 m范圍內(nèi)，約有79.34% 的面積是耕地，而最小則是0.100 6，平均值是0.567 7，并且大部分圖斑的集聚度在0.5 ～ 0.7，在該區(qū)間內(nèi)形成了密集條帶，見散點(diǎn)圖2，可見睢寧縣耕地空間集聚水平總體較高，這與睢寧一直以來作為糧食生產(chǎn)重點(diǎn)區(qū)，農(nóng)地整治及基本農(nóng)田建設(shè)重點(diǎn)區(qū)是相吻合的。圖3是耕地空間集聚分布圖，白色部分是其他用地，即不參與集聚度計(jì)算的圖斑；藍(lán)色部分說明該位置的耕地空間集聚水平較高，主要分布在廢黃河與廢運(yùn)河之間的嵐山鎮(zhèn)、慶安鎮(zhèn)及東南部邱集鎮(zhèn)，這些地區(qū)耕地分布相對(duì)集中，表明其他用地對(duì)耕地的切割效應(yīng)相對(duì)有限；而紅黃色部分表示耕地集聚水平較低地區(qū)，主要集中在城鎮(zhèn)周圍，如睢寧縣城、桃園鎮(zhèn)、官山鎮(zhèn)、姚集鎮(zhèn)及雙溝鎮(zhèn)周圍，這可能是因?yàn)槌擎?zhèn)土地往外擴(kuò)張，侵占了耕地，同時(shí)伴隨著基礎(chǔ)設(shè)施用地、工業(yè)用地對(duì)耕地布局的切割，使耕地分布較為零散，從另一方面也說明，城鎮(zhèn)用地及農(nóng)村居民點(diǎn)用地的分布較為分散，缺乏統(tǒng)一規(guī)劃。同時(shí)發(fā)現(xiàn)行政區(qū)外圍耕地圖斑的空間集聚水平較低，根據(jù)本文對(duì)空間集聚度定義可發(fā)現(xiàn)這是作用半徑的原因，即如果外圍補(bǔ)充相鄰行政區(qū)的地類圖斑，則外圍耕地的集聚水平會(huì)有一定提高。

圖2 耕地圖斑的空間集聚分布散點(diǎn)圖Fig. 2 Scatter plot of arable land patch spatial compactness

圖3 睢寧縣耕地空間集聚指數(shù)分布Fig. 3 Distribution of arable land spatial compactness in Suining County

2.3 影響因素分析

對(duì)耕地空間集聚影響因素進(jìn)行分析，可提高睢寧縣耕地空間集聚水平，為農(nóng)業(yè)機(jī)械化、現(xiàn)代化創(chuàng)造條件。鑒于此，以不同圖斑的集聚值為因變量，上述7個(gè)影響因素為自變量，構(gòu)建多元線性回歸模型，尋找相關(guān)影響因素。其中對(duì)于DEM數(shù)值，有些是小于零，即低于海平面，對(duì)于此，統(tǒng)一設(shè)置成1。由于半徑參數(shù)r會(huì)影響不同圖斑的集聚度，進(jìn)而影響回歸結(jié)果，因此本文分別求取了r為1 000、2 000和4 000 m三種情況下的集聚指數(shù)，分別將其作為因變量，以更準(zhǔn)確地考察各影響因素對(duì)集聚度影響是否顯著，結(jié)果見表2中的模型1、模型2與模型3。研究過程中同時(shí)也發(fā)現(xiàn)由于行政區(qū)界線的影響，外圍耕地圖斑的集聚度大小已偏離了真實(shí)值，于是這里向內(nèi)做緩沖區(qū)，只選擇緩沖區(qū)內(nèi)的耕地圖斑作為因變量，即扣除外圍不準(zhǔn)確的樣本，樣本數(shù)量由原來的6.5萬變?yōu)?.4萬。

將數(shù)據(jù)從Excel導(dǎo)入Eviews 6，據(jù)式（2）設(shè)置方程形式，選擇加權(quán)最小二乘法，回歸結(jié)果見表2。首先進(jìn)行多重共線性、自相關(guān)與異方差檢驗(yàn)，求取了變量間的相關(guān)系數(shù)矩陣，發(fā)現(xiàn)共線性問題不嚴(yán)重，于是未進(jìn)一步用逐步回歸及嶺回歸等方法消除共線性；由于是截面數(shù)據(jù)，又采用加權(quán)最小二乘法，因此異方差可被有效消除［22］；對(duì)于自相關(guān)用DW檢驗(yàn)，發(fā)現(xiàn)DW值在可接受范圍內(nèi)。其次，對(duì)于模型的總體效果，F(xiàn)值較大，且顯著性水平均在1% 內(nèi)，說明模型總體顯著，然而模型的擬合優(yōu)度卻總體不高，模型2是0.326 0，模型1僅為0.254 7，擬合優(yōu)度代表自變量對(duì)因變量的解釋水平，這說明在模型之外還有其他重要變量未納入模型，但考慮到本文所用的是截面數(shù)據(jù)，同時(shí)參考經(jīng)濟(jì)學(xué)高水平期刊，最終認(rèn)為0.3左右的擬合優(yōu)度值是完全可接受的［23-24］。在此基礎(chǔ)上分析各因素對(duì)耕地空間集聚水平的影響：發(fā)現(xiàn)模型1、模型2與模型3中，所選取的7個(gè)因素對(duì)耕地空間集聚的影響都非常顯著，顯著性水平均在1% 內(nèi)，且作用方向完全相同，說明雖然不同半徑有相對(duì)的空間集聚水平，但所選擇的因素對(duì)耕地空間集聚的影響是一致的，不會(huì)因尺度變化而變化。具體是：海拔與坡度值越大，則耕地集聚水平越小，這是因?yàn)楹０巍⑵露仍礁?，園地、林地及草地分布越多，則耕地分布相對(duì)減少，因此集聚水平會(huì)下降；人均GDP越高，耕地集聚度越小，因?yàn)槿司鵊DP越高，表明經(jīng)濟(jì)發(fā)展水平越高，相應(yīng)的工礦用地、工業(yè)用地對(duì)耕地布局的負(fù)面作用越大；人均耕地越大，耕地集聚度越高，人均耕地高說明耕地資源豐富，耕地破碎化的人為因素減弱，分布會(huì)相對(duì)集中連片；路網(wǎng)密度越大，耕地集聚度越小，路網(wǎng)密度高加大了對(duì)耕地布局的切割，同時(shí)路網(wǎng)密度高的地區(qū)耕地分布較少，于是會(huì)帶來耕地集聚度減小；離城鎮(zhèn)距離與耕地集聚大小呈反比，與城鎮(zhèn)越遠(yuǎn)，農(nóng)業(yè)生產(chǎn)色彩越重，耕地分布越集中，因此集聚度大；對(duì)于虛擬變量JBNT，本研究發(fā)現(xiàn)位于高標(biāo)準(zhǔn)基本農(nóng)田項(xiàng)目區(qū)內(nèi)的耕地，集聚水平高，而項(xiàng)目區(qū)外則耕地集聚水平較低，這可能是因?yàn)榛巨r(nóng)田工程對(duì)土地平整的作用，當(dāng)然也可能因?yàn)樵趧澏?xiàng)目區(qū)時(shí)優(yōu)先把集中連片的耕地劃入其中。模型中自變量系數(shù)代表了自變量對(duì)因變量的邊際彈性，即自變量1單位的變化帶來集聚度的變化，可見，基本農(nóng)田建設(shè)及坡度因子對(duì)耕地集聚的作用系數(shù)最高，而與城鎮(zhèn)距離對(duì)耕地集聚作用的系數(shù)最小，說明前者對(duì)耕地集聚的彈性較大，而后者彈性最小。

表2 耕地圖斑空間集聚影響因素計(jì)量回歸結(jié)果Table2 Econometrics results of influence factors for farmland spatial compactness

3 結(jié)論

鑒于目前用多指標(biāo)對(duì)耕地空間集聚水平進(jìn)行評(píng)價(jià)，難以消除相互間的重疊效應(yīng)，且不利于進(jìn)一步探析耕地集聚分布的影響因素，本文綜合考慮了耕地圖斑的位置、面積及形狀等因素，提出了一種單指標(biāo)評(píng)價(jià)方法，對(duì)每個(gè)耕地圖斑的集聚度進(jìn)行評(píng)價(jià)，之后從空間上尋找影響耕地空間集聚的因素，并進(jìn)行了計(jì)量分析，最后以江蘇省睢寧縣為例進(jìn)行了實(shí)證研究。得到以下結(jié)論：

1） 本文提出的耕地空間集聚評(píng)價(jià)方法具有科學(xué)性，該方法綜合考慮了圖斑位置、形狀及面積，且將評(píng)價(jià)單元具體到耕地圖斑，有利于對(duì)集聚影響因素的進(jìn)一步分析，因此比傳統(tǒng)方法更有優(yōu)勢(shì)。用該法進(jìn)行空間集聚評(píng)價(jià)時(shí)，需指定一個(gè)半徑參數(shù)，該半徑參數(shù)可理解為空間尺度，不同空間尺度下，耕地空間集聚水平相對(duì)不同，這并不影響該方法的廣泛應(yīng)用，反而使其具有對(duì)不同尺度下耕地空間集聚進(jìn)行評(píng)價(jià)的優(yōu)勢(shì)。

2） 尺度半徑r為2 000 m時(shí)，睢寧縣的耕地空間集聚平均值為0.567 7，大部分圖斑的集聚度在0.5 ～0.7，表明其耕地空間集聚水平較高，耕地分布集中連片，有利于農(nóng)業(yè)現(xiàn)代化生產(chǎn)。

3） 對(duì)睢寧縣，坡度、高程、人均GDP、人均耕地、與城市距離、路網(wǎng)密度、基本農(nóng)田建設(shè)對(duì)耕地空間集聚水平都有顯著影響，且坡度與基本農(nóng)田建設(shè)對(duì)耕地集聚的作用彈性較大，而城市距離對(duì)耕地集聚的作用彈性最小。

［1］ 費(fèi)羅成， 程久苗， 王秉建， 等. 耕地集約利用研究進(jìn)展與展望［J］. 土壤， 2009， 41（5）： 696-702

［2］ 周生路， 呂蕾. 江蘇沿海耕地資源量空間分布態(tài)勢(shì)評(píng)價(jià)［J］. 土壤， 2006，38（6）： 794-799

［3］ 于丹丹， 劉淑英， 王平， 等. 甘肅省耕地集約利用空間分析［J］. 土壤通報(bào)， 2015， 46（6）： 1 299-1 306

［4］ 李鑫， 歐名豪， 馬賢磊. 基于景觀指數(shù)的細(xì)碎化對(duì)耕地利用效率影響研究——以揚(yáng)州市里下河區(qū)域?yàn)槔跩］. 自然資源學(xué)報(bào)， 2011， 26（10）： 1 758-1 767

［5］ 孫雁， 劉友兆. 基于細(xì)碎化的土地資源可持續(xù)利用評(píng)價(jià)——以江西分宜縣為例［J］. 自然資源學(xué)報(bào)， 2010， 25（5）：802-810

［6］ 陳紅宇， 朱道林， 鄖文聚， 等. 嘉興市耕地細(xì)碎化和空間集聚格局分析［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2012， 28（4）： 235-242

［7］ 仇江嘯， 王效科， 逯非， 等. 城市景觀破碎化格局與城市化及社會(huì)經(jīng)濟(jì)發(fā)展水平的關(guān)系——以北京城區(qū)為例［J］.生態(tài)學(xué)報(bào)， 2012， 32（9）： 2 659-2 669

［8］ 田興， 周生路， 吳紹華， 等. 縣域土地利用細(xì)碎度綜合度量與空間分異研究——以江蘇省東海縣為例［J］. 長(zhǎng)江流域資源與環(huán)境， 2013， 22（9）： 1 142-1 148

［9］ R?sch V， Tscharntke T， Scherber C， et al. Landscape composition， connectivity and fragment size drive effects of grassland fragmentation on insect communities［J］. Journal of Applied Ecology， 2013， 50（2）： 387-394

［10］ Wardoyo W， Jordan G A. Measuring and assessing management of forested landscapes［J］. Forestry Chronicle，1996， 72（6）： 639-645

［11］ 王千， 金曉斌， 周寅康. 河北省耕地生態(tài)安全及空間聚集格局［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2011， 27（8）： 338-344

［12］ 李鑫， 歐名豪. 江蘇省耕地空間分布與變化研究［J］. 農(nóng)業(yè)現(xiàn)代化研究， 2011， 32（6）： 730-734

［13］ 關(guān)興良， 方創(chuàng)琳， 魯莎莎. 中國(guó)耕地變化的空間格局與重心曲線動(dòng)態(tài)分析［J］. 自然資源學(xué)報(bào)， 2010， 25（12）： 1 997-2 006

［14］ 熊昌盛， 韋仕川， 欒喬林， 等. 基于Moran’s I分析方法的耕地質(zhì)量空間差異研究——以廣東省廣寧縣為例［J］.資源科學(xué)， 2014， 36（10）： 2 066-2 074

［15］ 馬曉冬， 李全林， 沈一. 江蘇省鄉(xiāng)村聚落的形態(tài)分異及地域類型［J］. 地理學(xué)報(bào)， 2012， 67（4）： 516-525

［16］ 單勇兵， 馬曉冬， 仇方道. 蘇中地區(qū)鄉(xiāng)村聚落的格局特征及類型劃分［J］. 地理科學(xué)， 2012， 32（11）： 1 340-1 347

［17］ 楊國(guó)安， 甘國(guó)輝. 基于分形理論的北京市土地利用空間格局變化研究［J］. 系統(tǒng)工程理論與實(shí)踐， 2004， 24（10）：131-137

［18］ 包安明， 陳云浩， 史建康， 等. 干旱區(qū)不同土地利用類型的時(shí)空分形特征研究——以塔里木河干流區(qū)域?yàn)槔跩］.干旱區(qū)地理， 2009， 32（5）：761-768

［19］ Stewart T J， Janssen R. A multiobjective GIS-based land use planning algorithm［J］. Computers， Environment and Urban Systems， 2014， 46（7）： 25-34

［20］ Demetriou D， See L， Stillwell J. A spatial genetic algorithm for automating land partitioning［J］. International Journal of Geographical Information Science， 2013， 27（12）： 2 391-2 409

［21］ Porta J， Parapar J， Doallo R， et al. High performance genetic algorithm for land use planning［J］. Computers，Environment and Urban Systems， 2013， 37（1）： 45-58

［22］ 李子奈， 潘文卿. 計(jì)量經(jīng)濟(jì)學(xué)［M］. 北京： 高等教育出版社， 2013： 107-116

［23］ 邢鸝， 樊勝根， 羅小朋， 等. 中國(guó)西部地區(qū)農(nóng)村內(nèi)部不平等狀況研究——基于貴州住戶調(diào)查數(shù)據(jù)的分析［J］. 經(jīng)濟(jì)學(xué)（季刊）， 2009， 8（1）： 325-346

［24］ 金松青， KlausDeininger. 中國(guó)農(nóng)村土地租賃市場(chǎng)的發(fā)展及其在土地使用公平性和效率性上的含義［J］. 經(jīng)濟(jì)學(xué)（季刊）， 2004， 3（4）： 1 003-1 028

Evaluation of Arable Land Spatial Compactness and Analysis of Its Influence Factors: A Case Study of Suining County in Jiangsu Province

LI Xin1， LI Ning1， MA Xiaodong2*
（1 School of Geodesy and Geomatics， Jiangsu Normal University， Xuzhou， Jiangsu 221116， China；2 School of Urban Environment Sciences， Jiangsu Normal University， Xuzhou， Jiangsu 221116， China）

The spatial compactness of arable land is an important objective of agricultural land consolidation and the basic premise for agriculture modernization. There are already some studies involved in the spatial compactness of arable land， however，most of these studies applied multiple indicators mainly from the perspective of landscape ecology， which could not eliminate multicollinearity among adoptive indicators. In order to gain accurate spatial compactness value and its influence factors， this paper presented a new method with a single index. Firstly， we defined the formulation of spatial compactness from shape， area and location of arable land patches and calculated it with the program code in Matlab； Secondly， we deemed spatial compactness value of farmland patch as dependent variable， and applied econometric method to determine its influence factors； Lastly， Suining County in Jiangsu Province was taken as a case study. Results indicated that the average value of arable land spatial compactness in Suining County was 0.567 7 in 2013， when the radius was set at 2 000 meters， suggesting a high compactness level and good fitness for agricultural modernization. The selected factors of DEM， slope， per capita GDP， per capita farmland， distance to town，density of road network and basic farmland construction affected the arable land spatial compactness obviously， of which slope and basic farmland construction had high marginal function to compactness， while the factor of distance to town had the least marginal function. The proposed method presented in this research could provide technical assistance for basic farmland planning and agricultural land consolidation.

Spatial compactness； Arable land； Econometrics model； Influence factor； Suining County

F301.21；K909

10.13758/j.cnki.tr.2016.05.028

國(guó)家自然科學(xué)基金項(xiàng)目（41401627、41471144）和江蘇省自然科學(xué)基金項(xiàng)目（BK20140236）資助。

*通訊作者（xiaodgma@163.com）

李鑫（1986—），男，山東臨沂人，博士，講師，主要研究方向?yàn)橥恋乩媚Ｐ?。E-mail： topzcg@126.com