寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地的時(shí)空演變及驅(qū)動(dòng)力

舒 瑞, 孫鴻睿, 鄒業(yè)斌, 侯 琴

(1.寧夏自然資源勘測(cè)調(diào)查院 寧夏 銀川 750002； 2.寧夏大學(xué) 土木與水利工程學(xué)院 寧夏 銀川 750021)

耕地是人類依存度最高的復(fù)合生態(tài)系統(tǒng)，具有極大的經(jīng)濟(jì)價(jià)值、社會(huì)價(jià)值及生態(tài)價(jià)值[1]。在耕地的開發(fā)利用過(guò)程中，從基礎(chǔ)的食物生產(chǎn)到就業(yè)保障、從生態(tài)服務(wù)到社會(huì)安定維護(hù)[2]，其功能不斷外延。但受經(jīng)濟(jì)建設(shè)活動(dòng)的驅(qū)動(dòng)，大量?jī)?yōu)質(zhì)耕地非農(nóng)化[2-3]，并且隨著城市化、工業(yè)化進(jìn)程的加速推進(jìn)，人地矛盾將日益突出[4]。因此厘清耕地的演變過(guò)程，找到耕地變化的影響因素，對(duì)端穩(wěn)“中國(guó)飯碗”具有重要意義。

近年來(lái)國(guó)內(nèi)外研究者主要圍繞構(gòu)建適合不同區(qū)域的模型來(lái)解釋和分析典型區(qū)域耕地演變與驅(qū)動(dòng)力機(jī)制間的關(guān)系。在研究尺度方面，形成了微觀(縣區(qū)級(jí))、中觀(省市級(jí)、流域)和宏觀(全球及國(guó)家級(jí))尺度等一系列研究成果[4-7]，但以中觀較為多見。在驅(qū)動(dòng)因子選擇方面，主要集中在社會(huì)經(jīng)濟(jì)、自然條件、國(guó)家政策、農(nóng)業(yè)科技水平等方面，如耿藝偉等[5]采用了自然地理基底、經(jīng)濟(jì)發(fā)展水平、社會(huì)生活狀況3個(gè)方面10項(xiàng)指標(biāo)對(duì)河南省耕地演變進(jìn)行了驅(qū)動(dòng)力分析；周晨晴等[6]從地形影響因素、社會(huì)經(jīng)濟(jì)影響因素、空間距離影響方面對(duì)廣河縣土地利用變化進(jìn)行了分析。在研究方法方面，早期多以定性分析和因子分析法[7]、主成分分析法[8]、多元線性回歸分析法等[9]定量研究為主，此類方法無(wú)法分析其空間異質(zhì)性[10]，而Logistic不僅能處理耕地變化過(guò)程中的空間變量，還能很好的解決多元線性回歸因變量必須為連續(xù)變量、因子分析不能解釋因變量的發(fā)生概率等局限，目前已逐步應(yīng)用到土地變化預(yù)測(cè)模擬、驅(qū)動(dòng)力分析等方面。

自2010年間，中共中央國(guó)務(wù)院《關(guān)于深入實(shí)施西部大開發(fā)戰(zhàn)略的若干意見》《國(guó)家主體功能區(qū)規(guī)劃》《國(guó)家“十二五”規(guī)劃綱要》等相關(guān)文件相繼出臺(tái)，寧夏“沿黃經(jīng)濟(jì)區(qū)”上升為國(guó)家戰(zhàn)略以來(lái)，該區(qū)域土地利用變化頻率較快，經(jīng)濟(jì)社會(huì)快速發(fā)展產(chǎn)生的用地需求與耕地保護(hù)的矛盾更為突出。因此，本文以寧夏回族自治區(qū)(以下簡(jiǎn)稱“寧夏”)沿黃生態(tài)經(jīng)濟(jì)帶為研究對(duì)象，分析2010—2018年耕地演變，并選取影響研究區(qū)耕地變化的自然環(huán)境和社會(huì)經(jīng)濟(jì)等變量，運(yùn)用二元Logistic回歸模型，揭示該區(qū)域耕地的演變規(guī)律和驅(qū)動(dòng)機(jī)制，以期為政府管理部門制定合理的耕地資源保護(hù)政策與措施、優(yōu)化耕地保護(hù)格局提供一定的參考借鑒依據(jù)。

1 研究區(qū)概況

自20世紀(jì)90年代初寧夏首次提出“黃河經(jīng)濟(jì)”發(fā)展戰(zhàn)略，到2017年寧夏第十二次黨代會(huì)提出全力打造生態(tài)優(yōu)先、綠色發(fā)展、產(chǎn)城融合、人水和諧的“沿黃生態(tài)經(jīng)濟(jì)帶”以來(lái)，經(jīng)過(guò)近30 a的探索與發(fā)展，寧夏沿黃生態(tài)經(jīng)濟(jì)帶已成為寧夏經(jīng)濟(jì)發(fā)展的核心和精華地帶，并躍升為國(guó)務(wù)院確定的18個(gè)重點(diǎn)開發(fā)區(qū)之一。寧夏沿黃生態(tài)經(jīng)濟(jì)帶位于寧夏北部，地處東經(jīng)104°17′—106°57′，北緯37°25′—39°23′之間，海拔956～3 542 m，包括銀川市、石嘴山市全域以及吳忠市利通區(qū)、青銅峽市和中衛(wèi)市沙坡頭區(qū)、中寧縣共13個(gè)縣(市、區(qū))，面積226.92 km2，占寧夏總面積的43.68%。截止2018年底，常住人口4.53×106人，占寧夏全區(qū)65.91%(城鎮(zhèn)人口占全區(qū)78.22%)；地區(qū)生產(chǎn)總值3.21×1011元，占寧夏全區(qū)86.67%；耕地面積占寧夏全區(qū)33.81%；糧食產(chǎn)量為2.22×109kg，占寧夏全區(qū)的56.42%；耕地質(zhì)量等別為9.09等，遠(yuǎn)高于寧夏全區(qū)平均11.07等，略高于全國(guó)平均9.96等(2015年度)。

2 研究方法與數(shù)據(jù)處理

2.1 數(shù)據(jù)來(lái)源

主要數(shù)據(jù)來(lái)源： ①本文土地利用現(xiàn)狀數(shù)據(jù)來(lái)源于寧夏各縣(市、區(qū))土地利用現(xiàn)狀變更調(diào)查成果； ②DEM數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn)，分辨率為30 m，同時(shí)利用ArcGIS空間表面分析功能提取坡度； ③農(nóng)村居民點(diǎn)、城市中心點(diǎn)、道路、黃河流域數(shù)據(jù)來(lái)源于寧夏基礎(chǔ)地理數(shù)據(jù)庫(kù)； ④城鎮(zhèn)化率、農(nóng)村人均可支配收入、第三產(chǎn)業(yè)產(chǎn)值數(shù)據(jù)來(lái)源于《寧夏統(tǒng)計(jì)年簽》(2010—2018)； ⑤人口及GDPkm格網(wǎng)數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境數(shù)據(jù)云平臺(tái)(http:∥www.resdc.cn)，時(shí)間為2010，2015年。

耕地的空間分布及變化特征主要受區(qū)域自然環(huán)境和社會(huì)經(jīng)濟(jì)因素的影響[11]。為了對(duì)寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地演變驅(qū)動(dòng)力進(jìn)行全面的分析，同時(shí)考慮到因子的代表性、可量化性、區(qū)域差異性和資料的可獲得性等因素，選取了7個(gè)自然因素因子，5個(gè)社會(huì)經(jīng)濟(jì)因素因子(詳見表1)。其中：①溝渠密度從土地利用現(xiàn)狀數(shù)據(jù)中提取，并以行政村為單位統(tǒng)計(jì)計(jì)算；②各距離因子(到最近道路、農(nóng)村居民點(diǎn)、城市、黃河及其主要支流的距離)由ArcGIS中的近鄰分析功能計(jì)算得到；③相比自然因素，社會(huì)經(jīng)濟(jì)因素相對(duì)活躍，因此采用研究時(shí)段內(nèi)的變化量作為因子進(jìn)行驅(qū)動(dòng)力分析。

表1 寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地變化及影響因子變量

2.2 研究方法

(1) 核密度分析。核密度分析是通過(guò)樣本數(shù)據(jù)來(lái)計(jì)算和估計(jì)數(shù)據(jù)聚集情況，并通過(guò)既定的距離衰減函數(shù)來(lái)度量研究要素密度的變化情況，以此來(lái)探索空間區(qū)域中的熱點(diǎn)分布和變化特征[12-13]。本文通過(guò)核密度分析方法實(shí)現(xiàn)耕地分布整體性和連續(xù)性的空間表達(dá)。核密度計(jì)算公式為：

(1)

式中：f(x)為耕地地塊分布核密度估計(jì)值(即單位面積上的耕地面積)；k(x)稱為核函數(shù)；h為帶寬，帶寬的選擇決定了生成密度圖形的光滑性和準(zhǔn)確性；x-xi表示估計(jì)點(diǎn)到樣本點(diǎn)xi處的距離。

(2) 空間自相關(guān)性分析?？臻g自相關(guān)是指某空間單元與其周圍單元間就某種特征值進(jìn)行空間自相關(guān)性程度計(jì)算，以分析這些空間單元在空間上的分布特征[14]。本文通過(guò)全局莫蘭指數(shù)來(lái)判斷研究區(qū)耕地在空間上是否具有集聚性及聚集程度，計(jì)算公式如下：

(2)

通過(guò)局部莫蘭指數(shù)來(lái)反映研究區(qū)內(nèi)耕地聚集地區(qū)的空間分布，計(jì)算公式如下：

(3)

式中：Ii為i空間單元的局部莫蘭指數(shù)，其他變量含義與公式(2)相同。

(3) 土地利用轉(zhuǎn)移矩陣。土地利用轉(zhuǎn)移矩陣可以全面、定量地反映研究時(shí)段內(nèi)各土地利用方式轉(zhuǎn)換的流向、數(shù)量和速率，其數(shù)學(xué)模型為：

(4)

式中：Sij為研究期初與期末的土地利用狀態(tài)；n為土地利用類型數(shù)量。

(4) 耕地變化動(dòng)態(tài)度。耕地變化動(dòng)態(tài)度大小可以反映耕地變化的劇烈程度，計(jì)算公式如下：

(5)

式中：K為耕地動(dòng)態(tài)度；Ua為期初耕地面積；Ub為期末耕地面積；T為研究時(shí)段長(zhǎng)度。

(5) 二元Logistic回歸模型。

① 模型原理。當(dāng)因變量為二分類變量時(shí)，常使用二元Logistic回歸模型，該模型是基于抽樣數(shù)據(jù)得到各自變量的回歸系數(shù)，并通過(guò)這些系數(shù)來(lái)討論模型中因變量與自變量的關(guān)系。設(shè)p為事件發(fā)生概率，值域?yàn)?～1，其概率可以用Logistic函數(shù)計(jì)算，表達(dá)式如下：

(6)

Logistic函數(shù)是協(xié)變的非線性函數(shù)，為求回歸系數(shù)，首先求得事件發(fā)生與不發(fā)生的概率之比p/(1-p)，記為Odds，然后對(duì)Odds進(jìn)行對(duì)數(shù)轉(zhuǎn)換，得到Logistic回歸模型的線性模式：

(7)

式中：x1,x2,…,xn為耕地變化驅(qū)動(dòng)因子；β0,β1,…,βn為待求的回歸系數(shù)。

本文利用SPSS 22.0計(jì)算出回歸系數(shù)β及統(tǒng)計(jì)量Waldχ2，估計(jì)的顯著性水平P和發(fā)生比率OR。其中，β表示對(duì)應(yīng)驅(qū)動(dòng)因子單位變化導(dǎo)致的耕地變化情況，變化程度可以用OR來(lái)衡量，當(dāng)β>0且統(tǒng)計(jì)顯著(95%置信區(qū)間時(shí)，p<0.05)，表示其他因子不變的情況下，OR隨對(duì)應(yīng)因子的增加而增加，相反，則表示OR隨對(duì)應(yīng)因子的增加而減少；Waldχ2表示各驅(qū)動(dòng)因子對(duì)耕地變化的解釋程度，其值越大，代表解釋程度越高[15]。

② 抽樣過(guò)程。研究區(qū)共有100 m×100 m的格網(wǎng)2 659 458個(gè)，為保證樣本數(shù)量至少應(yīng)是自變量20～30倍[16]，且避免數(shù)據(jù)的空間自相關(guān)，本文對(duì)耕地增加和耕地減少分別采用分層抽樣法，并使用ArcGIS的創(chuàng)建隨機(jī)點(diǎn)功能，隨機(jī)抽取耕地增加、減少、未發(fā)生變化樣本點(diǎn)各5 000個(gè)，保證了耕地變化與未變化大致相同的預(yù)測(cè)精度。根據(jù)得到的樣本點(diǎn)矢量圖層分別提取自變量的值，并利用Z-score法對(duì)樣點(diǎn)數(shù)據(jù)庫(kù)進(jìn)行標(biāo)準(zhǔn)化處理后作為L(zhǎng)ogistic回歸模型的基礎(chǔ)數(shù)據(jù)。

③ 模型檢驗(yàn)。模型檢驗(yàn)包含自變量之間的多重共線性檢驗(yàn)和模型運(yùn)算結(jié)果的有效性檢驗(yàn)。自變量間的共線性診斷常用的統(tǒng)計(jì)量有方差膨脹因子VIF或容限TOL，一般若VIF>10且TOL<0.1，自變量存在共線性[17-18]。通過(guò)檢驗(yàn)的自變量可以進(jìn)入Logistic回歸模型，模型運(yùn)算后常用皮爾遜χ2(Pearsonχ2) 、偏差D(deviance，D)和Homsmer-Lemeshow(HL)等指標(biāo)進(jìn)行擬合優(yōu)度檢驗(yàn)。其中，皮爾遜χ2和偏差D僅在分類變量或協(xié)變量類型的數(shù)據(jù)較少時(shí)適用，當(dāng)自變量數(shù)量增加，尤其是連續(xù)自變量納入模型之后，HL是廣為接受的擬合優(yōu)度指標(biāo)。當(dāng)HL指標(biāo)統(tǒng)計(jì)不顯著表示模型擬合好，即顯著性水平取0.05時(shí)，若p>0.05則反而說(shuō)明顯著性較好。

3 結(jié)果與分析

3.1 耕地分布格局特征

3.1.1 耕地核密度分析 首先使用ArcGIS的Feature to point工具將耕地圖斑轉(zhuǎn)換成矢量點(diǎn)，然后利用Kernel Density工具，以耕地圖斑面積為統(tǒng)計(jì)分析字段，通過(guò)多次試驗(yàn)，確定帶寬為5 km，分別就2010年和2018年耕地進(jìn)行核密度估算〔公式(1)〕，最后按照自然斷點(diǎn)法將耕地核密度分為低、中低、中、中高、高密度區(qū)5類等級(jí)(見封3附圖1)，并統(tǒng)計(jì)各等級(jí)比例(表2)。

表2 2010-2018年寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地核密度等級(jí)比例

整體來(lái)看，研究區(qū)耕地的空間分布呈現(xiàn)出明顯差異性，其中：低密度區(qū)面積最大，約占43%，主要分布在遠(yuǎn)離城市的邊緣地區(qū)和城市郊區(qū)，以沙坡頭區(qū)、中寧縣、大武口區(qū)、靈武市分布最多；高密度區(qū)面積最小，僅占約7%，主要以吳忠市中心城區(qū)為中心團(tuán)狀分布及賀蘭縣、平羅縣北部條狀分布；中低、中及中高密度區(qū)占比均在15%～17%，主要分布在近郊區(qū)和遠(yuǎn)郊區(qū)之間。

從耕地密度的時(shí)空分布來(lái)看，2010，2018年研究區(qū)耕地密度分別為28.94，28.97 hm2/km2，耕地密度變化不大。各等級(jí)耕地密度中，低密度區(qū)和高密度區(qū)均略有下降，向中低、中及中高密度集中，主要是由于城市向外擴(kuò)張占用了周邊密度較高地區(qū)耕地，以及土地整治、占補(bǔ)平衡等項(xiàng)目實(shí)施，使低密度地區(qū)耕地更加集中。

3.1.2 空間分布關(guān)聯(lián)性分析 將研究區(qū)劃分為1 049個(gè)5 km×5 km的格網(wǎng)(其中703個(gè)格網(wǎng)含有耕地)，作為耕地面積空間自相關(guān)分析的空間單元，并統(tǒng)計(jì)格網(wǎng)內(nèi)的耕地面積，然后分別使用ArcGIS的Spatial Autocorrelation工具，Cluster and Outlier Analysis工具進(jìn)行全局和局部空間自相關(guān)分析。

全局自相關(guān)分析結(jié)果顯示，2018年研究區(qū)內(nèi)耕地面積的全局Moran’sI為0.643且檢驗(yàn)結(jié)果高度顯著(p<0.001)，表明研究區(qū)耕地面積不是隨機(jī)分布的，具有明顯的空間集聚特征。局部自相關(guān)分析結(jié)果顯示(見封3附圖2)，除不顯著區(qū)域外，耕地面積的高—高與低—低正相關(guān)類型共有295個(gè)網(wǎng)格，占96.72%，負(fù)相關(guān)類型占3.28%。其中，高—高型主要分布在銀川平原，包括惠農(nóng)區(qū)南部、平羅縣、賀蘭縣、永寧縣中南部、青銅峽東北部、利通區(qū)北部、靈武市西部，少量分布在寧衛(wèi)平原沙坡頭區(qū)東北部，這些地區(qū)灌溉水源充足、地形平坦、土壤肥沃，是寧夏的主要糧食產(chǎn)地；低—低型主要分布在靈武市東部、沙坡頭區(qū)中西部，這些地區(qū)屬于生態(tài)脆弱區(qū)，耕地分布數(shù)量少、質(zhì)量等別低。

3.2 耕地演變格局特征

3.2.1 土地利用轉(zhuǎn)移矩陣 對(duì)研究期初(2010年)和期末(2018年)土地利用現(xiàn)狀數(shù)據(jù)進(jìn)行空間疊置分析，得到2010—2018年寧夏沿黃生態(tài)經(jīng)濟(jì)帶土地利用類型轉(zhuǎn)移矩陣(表3)。

表3 2010-2018年寧夏沿黃生態(tài)經(jīng)濟(jì)帶土地利用類型轉(zhuǎn)移矩陣

從表3中可以看出，耕地的雙向流轉(zhuǎn)是以未利用地—耕地—建設(shè)用地為主的生態(tài)轉(zhuǎn)換系統(tǒng)。耕地主要流出至建設(shè)用地，面積為13 686.38 hm2，占耕地流出總面積的86.78%。城市擴(kuò)張、工礦企業(yè)增加是耕地流向建設(shè)用地的主要原因，其次農(nóng)村道路、溝渠等農(nóng)業(yè)基礎(chǔ)設(shè)施不斷完善，占耕地流出總面積的7.68%，流出至其他地類的比例均小于3%。相應(yīng)的耕地流入來(lái)源主要是其他土地(主要為其他草地、鹽堿地)、牧草地和園地，分別占流入總面積的55.49%，14.19%，9.17%，主要是由于永久基本農(nóng)田政策全面鋪開，生態(tài)移民與城鄉(xiāng)建設(shè)用地增減掛鉤政策相繼出臺(tái)使耕地面積減少、建設(shè)用地?cái)U(kuò)張態(tài)勢(shì)得以有效控制，同時(shí)“十二五”“十三五”期間的土地整治、中北部重大工程、高標(biāo)準(zhǔn)農(nóng)田建設(shè)等項(xiàng)目的實(shí)施進(jìn)一步增加了耕地面積。

3.2.2 耕地變化動(dòng)態(tài)度分析 根據(jù)公式(5)，分別以城鎮(zhèn)群、城市規(guī)模和鄉(xiāng)鎮(zhèn)為分析單元，進(jìn)行耕地動(dòng)態(tài)度變化分析(表4)。由表4可知，研究區(qū)耕地動(dòng)態(tài)度為2.52%，耕地?cái)?shù)量穩(wěn)中有增，耕地保護(hù)基本實(shí)現(xiàn)動(dòng)態(tài)平衡。從城市規(guī)模來(lái)看，城市規(guī)模與耕地動(dòng)態(tài)度成反比。大城市耕地動(dòng)態(tài)變化劇烈，耕地?cái)?shù)量大幅減少，動(dòng)態(tài)度最小，為-7.74%；城市規(guī)模最小的Ⅱ型小城市，耕地?cái)?shù)量增加幅度最大，耕地動(dòng)態(tài)度為4.29%。

表4 2010-2018年寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地變化動(dòng)態(tài)度

從空間分布來(lái)看，耕地動(dòng)態(tài)度的空間差異性較大(見封3附圖3)。其中，耕地動(dòng)態(tài)度最小的鄉(xiāng)鎮(zhèn)低達(dá)-87.38%，最大的高達(dá)57.59%，有27個(gè)(占鄉(xiāng)鎮(zhèn)總數(shù)的20%)鄉(xiāng)鎮(zhèn)耕地動(dòng)態(tài)度小于-11.37%，有14個(gè)鄉(xiāng)鎮(zhèn)動(dòng)態(tài)度高于12.89%。同時(shí)耕地動(dòng)態(tài)度變化有明顯空間聚類現(xiàn)象(圖3，表4)，靠近城市周邊的鄉(xiāng)鎮(zhèn)耕地動(dòng)態(tài)度低，遠(yuǎn)離城市周邊的鄉(xiāng)鎮(zhèn)動(dòng)態(tài)度高；核心城鎮(zhèn)群耕地減少聚集明顯，動(dòng)態(tài)度為-0.35%，北翼城鎮(zhèn)群和南翼城鎮(zhèn)群耕地增加聚集明顯，動(dòng)態(tài)度分別為3.43%，8.27%。

3.3 耕地變化驅(qū)動(dòng)力分析

自變量多重共線性診斷結(jié)果顯示，自變量的方差膨脹因子VIF在1.35～4.5之間，容限TOL在0.22～0.74之間，表明自變量間多重共線性不嚴(yán)重，都可以納入Logistic回歸模型。在耕地變化Logistic回歸模型中，坡度用4個(gè)虛擬變量分別代表坡度Ⅱ(2°～6°)，Ⅲ(6°～15°)，Ⅳ(15°～25°)，Ⅴ(>25°)，坡度Ⅰ(<2°)作為它們的參照對(duì)象。然后將其他自變量代入到Binary logistic模塊中，通過(guò)計(jì)算分別得到耕地減少和耕地增加的logistic回歸模型(表5—6)。

表5 2010-2018年寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地減少的Logistic回歸模型相關(guān)系數(shù)

表6 2010-2018年寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地增加的Logistic回歸模型相關(guān)系數(shù)

3.3.1 耕地減少的驅(qū)動(dòng)力分析 通過(guò)計(jì)算，耕地減少驅(qū)動(dòng)力模型預(yù)測(cè)準(zhǔn)確率達(dá)75.9%，高—低指標(biāo)為7.067，顯著性為0.529，統(tǒng)計(jì)檢驗(yàn)不顯著，即模型擬合程度較好。通過(guò)Waldχ2可以得出，寧夏沿黃生態(tài)經(jīng)濟(jì)帶耕地減少的驅(qū)動(dòng)因子影響效應(yīng)從大到小分別為：距最近城市的距離>溝渠密度>距最近道路距離>GDP變化量>城鎮(zhèn)化率變化量>人口密度變化量>地均第三產(chǎn)業(yè)產(chǎn)值變化量>高程>距最近農(nóng)村居民點(diǎn)的距離>農(nóng)村人均可支配收入變化量。

經(jīng)濟(jì)發(fā)展是耕地減少的重要原因。從回歸結(jié)果可以看出，GDP變化量、城鎮(zhèn)化率變化量、地均第三產(chǎn)業(yè)產(chǎn)值變化量、農(nóng)村人均可支配收入變化量每增加一個(gè)單位，耕地減少的概率分別約增加1.52，1.57，1.34倍和1.11倍。作為寧夏社會(huì)經(jīng)濟(jì)最發(fā)達(dá)、產(chǎn)業(yè)最為集中、城鎮(zhèn)化率最高的區(qū)域，寧夏沿黃生態(tài)經(jīng)濟(jì)帶“虹吸效應(yīng)”明顯，吸引了大量產(chǎn)業(yè)和人口的聚集，加劇了城市承載壓力，勢(shì)必導(dǎo)致城市擴(kuò)張。而存量建設(shè)用地?cái)?shù)量少、挖潛難度大、成本高，難以滿足需求時(shí)，耕地資源不得不受到擠占。經(jīng)統(tǒng)計(jì)2010—2018年，寧夏沿黃生態(tài)經(jīng)濟(jì)帶新增建設(shè)用地4.01×104hm2，占寧夏整體的78%，可以從側(cè)面反映出耕地的減少情況。

優(yōu)越的區(qū)位條件增加了耕地減少概率，其中距離城市和道路的距離每近一個(gè)1個(gè)單位，耕地減少的概率將分別增加3.03倍(發(fā)生比率OR=0.33)，1.69倍(OR=0.59)。城市和道路作為建設(shè)用地?cái)U(kuò)展的中心和極軸，其周邊耕地有著優(yōu)越的區(qū)位條件，同時(shí)相比農(nóng)業(yè)生產(chǎn)，變?yōu)榻ㄔO(shè)用地更能迅速帶來(lái)的巨大經(jīng)濟(jì)收益，這些都吸引著耕地迅速向建設(shè)用地流轉(zhuǎn)。值得注意的是，距離農(nóng)村居民點(diǎn)近的耕地容易被占用，距離居民點(diǎn)每近1個(gè)單位的距離，耕地減少的概率就增加1.15倍(OR=0.87)。

3.3.2 耕地增加的驅(qū)動(dòng)力分析 通過(guò)計(jì)算，耕地增加驅(qū)動(dòng)力模型預(yù)測(cè)準(zhǔn)確率達(dá)70.9%，高—低指標(biāo)為10.169，顯著性為0.253，模型擬合程度較好。通過(guò)Waldχ2統(tǒng)計(jì)量可知，溝渠密度、高程、距最近農(nóng)村居民點(diǎn)距離、距最近城市距離等自然資源因素是耕地增加的主要驅(qū)動(dòng)因素，貢獻(xiàn)力達(dá)86.49%，其中溝渠密度和高程貢獻(xiàn)最大，分別為37.43%，24.47%。在高程低、灌溉條件好的區(qū)域，土壤、水分、養(yǎng)分流失量小，耕地開墾費(fèi)用低，土地更加適宜耕作，因此耕地增加的概率大。距離最近居民點(diǎn)、城市的距離每遠(yuǎn)一個(gè)單位，耕地增加的概率分別增加1.54，1.67倍，主要是由于距離城市和道路近的區(qū)域能夠開墾為耕地的后備資源本就寥寥無(wú)幾，只能向遠(yuǎn)離城市和道路的邊緣地區(qū)挖掘耕地潛力。

人口密度變化、農(nóng)村人均可支配收入變化等社會(huì)經(jīng)濟(jì)因素對(duì)耕地增加貢獻(xiàn)力為13.51%。人口密度變化與耕地增加呈正比：①因?yàn)榇罅可鷳B(tài)移民從寧南山區(qū)遷移到沿黃生態(tài)經(jīng)濟(jì)帶的興慶區(qū)、永寧縣等地方，外來(lái)移民進(jìn)入農(nóng)村從事農(nóng)業(yè)生產(chǎn)，為滿足生產(chǎn)與生活的需求，他們會(huì)進(jìn)行土地開發(fā)，促進(jìn)整個(gè)地區(qū)耕地?cái)?shù)量的增加；②外來(lái)人口涌入城市，會(huì)促進(jìn)城市發(fā)展，由于城市的運(yùn)作會(huì)消耗大量的資源，其中對(duì)于農(nóng)產(chǎn)品的需求增加會(huì)間接引起耕地?cái)?shù)量增加；③隨著第三產(chǎn)業(yè)產(chǎn)值、農(nóng)村人均可支配收入的變化值每增加一個(gè)單位，耕地增加的概率分別降低47%(OR=0.68)，56%(OR=0.64)，主要是而隨著農(nóng)村人均可支配收入的提高，農(nóng)民收入日益多元化，耕地收入占比不斷下降，并且農(nóng)業(yè)收入低、穩(wěn)定性差，因此造成耕地非農(nóng)化和非糧化(據(jù)寧夏第三次國(guó)土調(diào)查初步統(tǒng)計(jì)顯示，研究區(qū)非糧化率高達(dá)約25%)。

4 討論與結(jié)論

本文以寧夏沿黃生態(tài)經(jīng)濟(jì)帶2010—2018年耕地為研究對(duì)象，借助核密度分析、空間相關(guān)性分析等方法，摸清了研究區(qū)耕地分布特征及演變規(guī)律，并采用Logistic回歸模型，揭示了耕地變化的驅(qū)動(dòng)機(jī)制。

(1) 研究區(qū)耕地的空間分布呈正相性，且具有明顯的差異性。高—高聚類區(qū)域，耕地密度以高、中高和中密度區(qū)為主，主要集中在平羅縣、惠農(nóng)區(qū)南部、賀蘭縣、永寧縣、青銅峽東北部、利通區(qū)北部。低—低聚類區(qū)域，耕地密度以低、中低、中密度區(qū)為主，主要分布在靈武市東部、沙坡頭區(qū)中西部等生態(tài)相對(duì)脆弱區(qū)。

(2) 耕地動(dòng)態(tài)度變化有明顯的空間聚類現(xiàn)象。耕地動(dòng)態(tài)度與距離城市的距離成正比，與城市規(guī)模成反比，這與寧夏沿黃經(jīng)濟(jì)區(qū)城市帶“一核、兩軸、兩翼”的發(fā)展規(guī)劃(圖3)密切相關(guān)：①自2010年該規(guī)劃實(shí)施以來(lái)，沿黃生態(tài)經(jīng)濟(jì)區(qū)地區(qū)生產(chǎn)總值(以2010年可比價(jià)為準(zhǔn))由1.37×1011元增加至2.81×1011元，年均增速為13.25%，占全區(qū)的比重也由82.81%上升至86.67%，經(jīng)濟(jì)高速發(fā)展使城市建設(shè)用地沿“兩軸”鏈?zhǔn)綌U(kuò)展，沿“一核、兩翼”多中心輻射擴(kuò)展，占用了大量耕地。同時(shí)，規(guī)模大的城市“虹吸效應(yīng)”愈加明顯，吸引了大量產(chǎn)業(yè)和人口聚集，加劇了城市承載壓力，勢(shì)必導(dǎo)致城市擴(kuò)張占用耕地；②受占補(bǔ)平衡政策約束，建設(shè)占用耕地后只能向遠(yuǎn)離中心城區(qū)的城市邊緣補(bǔ)充耕地，使城市邊緣耕地大量增加，耕地動(dòng)態(tài)度高。

(3) 耕地增加是自然資源稟賦、區(qū)位可達(dá)性及社會(huì)經(jīng)濟(jì)條件等綜合作用下的區(qū)位與效益擇優(yōu)過(guò)程。一般來(lái)說(shuō)，自然稟賦是耕地增加的根本制約因子，在高程低、坡度小、灌溉條件好的區(qū)域，土壤、水分、養(yǎng)分流失量小，耕地開墾費(fèi)用低，土地更加適宜耕作，因此耕地增加的概率大。而距離城市、道路、居民點(diǎn)距離近，這些本該有利于耕地增加的區(qū)域，反而會(huì)因?yàn)閰^(qū)位可達(dá)性高、經(jīng)濟(jì)收益潛力大，非耕地會(huì)優(yōu)先轉(zhuǎn)變?yōu)榻ㄔO(shè)用地以實(shí)現(xiàn)收益的快速變現(xiàn)，同時(shí)這些區(qū)域能夠開墾為耕地的后備資源本就寥寥無(wú)幾，只能向遠(yuǎn)離城市和道路的邊緣地區(qū)挖掘耕地潛力。這種耕地的邊緣化、集聚發(fā)展趨勢(shì)，不僅減少了因人類劇烈活動(dòng)使土地生態(tài)環(huán)境破壞、灌溉水源和土壤被污染帶來(lái)的隱形耕地?cái)?shù)量減少，也能使大量零碎、分散的土地得到適當(dāng)歸并，繼而提升耕地聚集程度，為后期加快農(nóng)用土地向種田大戶、家庭農(nóng)場(chǎng)流轉(zhuǎn)奠定基礎(chǔ)。

(4) 耕地減少主要受社會(huì)經(jīng)濟(jì)因素影響較大，GDP，城鎮(zhèn)化率，地均第三產(chǎn)業(yè)產(chǎn)值，農(nóng)村人均可支配收入的增加都增大了耕地減少的概率。同時(shí)城市和道路作為建設(shè)用地?cái)U(kuò)展的中心和極軸，其周邊耕地有著優(yōu)越的區(qū)位條件，相比農(nóng)業(yè)生產(chǎn)，變?yōu)榻ㄔO(shè)用地更能迅速帶來(lái)的巨大經(jīng)濟(jì)收益，這些都吸引著耕地迅速向建設(shè)用地流轉(zhuǎn)。

(5) 距離農(nóng)村居民點(diǎn)近的耕地更容易被占用。①由于土地產(chǎn)出效益低下，《土地管理法》宣傳貫徹不到位，農(nóng)民珍惜土地、節(jié)約用地意識(shí)淡薄；同時(shí)，亂占耕地違法成本低，在高額利益的驅(qū)使下，一些人會(huì)鋌而走險(xiǎn)占用耕地搞開發(fā)建設(shè)；②隨著農(nóng)村居民生活水平的提高，希望獲取更大居住面積，同時(shí)，新增人口住房剛性需求加之老宅基地缺乏有效退出機(jī)制，以及部分市縣多年未新批宅基地等一系列綜合因素作用下，使農(nóng)村居民點(diǎn)就近無(wú)序擴(kuò)張，占用了耕地。“大棚房”“違建別墅”“農(nóng)村亂耕耕地建房”等專項(xiàng)整治都很好地印證了這一點(diǎn)。因此要通過(guò)“疏、堵、促”結(jié)合的方式減少耕地的非農(nóng)化。“疏”指通過(guò)統(tǒng)一規(guī)劃、統(tǒng)一計(jì)劃住宅用地，保障農(nóng)民的合理住宅需求；“堵”指對(duì)于違法占用耕地的，要以“零容忍”態(tài)度進(jìn)行處置，同時(shí)要借助遙感影像、人工智能、互聯(lián)網(wǎng)+等先進(jìn)技術(shù)，將耕地占用情況能夠發(fā)現(xiàn)在初始，解決在萌芽，嚴(yán)防增量；“促”指繼續(xù)加大耕地保護(hù)宣傳力度和農(nóng)業(yè)種植補(bǔ)貼，提高農(nóng)民保護(hù)耕地意識(shí)、調(diào)動(dòng)農(nóng)民種糧積極性。

本文采用的是土地利用現(xiàn)狀變更調(diào)查數(shù)據(jù)，能夠真實(shí)地反映實(shí)際用地情況，但也存在農(nóng)用地、自然保留地內(nèi)部轉(zhuǎn)化，而未及時(shí)變更的問(wèn)題。同時(shí)，耕地變化是一個(gè)復(fù)雜的過(guò)程，其變化不僅受到自然條件、人口變化、經(jīng)濟(jì)發(fā)展的影響，還受到土地政策制度、價(jià)值觀念等難以量化因素的影響。因此，下一步研究應(yīng)注重應(yīng)用最新遙感影像解釋作為補(bǔ)充資料，提高土地利用現(xiàn)狀數(shù)據(jù)時(shí)效性、準(zhǔn)確性；同時(shí)，要運(yùn)用系統(tǒng)思維，深入探討政策制度等難以量化的因素對(duì)耕地變化的作用機(jī)制。