糧食主產區(qū)耕地非糧化空間格局分異及其成因

常媛媛，劉俊娜，張琦，于昊辰，卞正富，陳浮，2*

（1.中國礦業(yè)大學公共管理學院，江蘇 徐州 221116；2.中國礦業(yè)大學低碳能源研究院，江蘇 徐州 221008）

從20 世紀90 年代起，我國步入快速工業(yè)化和城市化發(fā)展階段，平均每年有2.94×105hm2耕地被非農化[1]，同時吸引大量農村勞動力外流，對農業(yè)形成比較利益低下和糧食需求旺盛的雙重壓力。在經濟利益驅使下一些高收益農作物大面積替代糧食作物[2]，僅2019 年糧食播種面積就下降了9.70×105hm2。“非糧化”導致的糧食生產力隱性損失已遠大于“非農化”的顯性損失，嚴重危害糧食安全、生態(tài)安全與社會穩(wěn)定[3]。如何妥善解決非糧化問題已成為政府與公眾關注的焦點[4-6]，2020年11月國務院辦公廳印發(fā)《關于防止耕地“非糧化”穩(wěn)定糧食生產的意見》，要求嚴格控制耕地轉化為林地、園地等其他類型農用地。此外，近幾年工商資本大量流向鄉(xiāng)村也加速了耕地非糧化[7]。糧食安全是國家穩(wěn)定與發(fā)展的基石，氣候異常、疫情蔓延和糧食貿易封鎖更加凸顯遏制非糧化的重大意義。

國家明令禁止耕地非糧化，2021 年3 月1 日施行的《農村土地經營權流轉管理辦法》也要求嚴格防止耕地非糧化，明確土地經營權流轉要確保農地農用，優(yōu)先用于糧食生產。但禁止非糧化的政策執(zhí)行很難落實到位，主要有三方面原因：一是種糧效益低下，地方政府和農戶均缺乏積極性?？紫楸骩8]、祝洪章[9]、高曉燕等[10]從不同角度證實了上述原因是非糧化的驅動作用，并分析了非糧化對國家糧食安全的負面影響。二是土地流轉和工商資本逐利促進了非糧轉化。SETO 等[11]發(fā)現外來投資拉動、規(guī)劃不科學、管理不當致使珠三角經濟區(qū)耕地和糧食生產能力損失嚴重。廖富洲等[12]分析了土地流轉過程中承包人逐利行為對非糧化的影響，并從限制不當流轉入手提出防止耕地過度非糧化的措施與建議。三是非糧化不像非農化直接導致耕地損失，其危害較小。非糧化行為多數屬于農業(yè)內部結構調整，涉及種植農戶的利益，無法“一刀切”。此外，一些特定的因素，如種植規(guī)模[13]、產業(yè)結構[14]、家庭特征[15]和惠農政策[16]也影響非糧化。盡管先前研究已涉及非糧化諸多方面，但主要圍繞非糧化狀況、原因、對策及影響因素，宏觀政策或定性分析多[17-19]，小尺度或實地核查研究近乎空白。這主要與先前的認知有關，一般認為非糧化多為農業(yè)內部結構調整、耕地未被占用、危害小，沒必要投入大量的人力、財力進行實地核查或高分辨影像監(jiān)測。然而，對非糧化及空間特征的精準評估對當前耕地保護工作和國家糧食安全形勢尤為重要。

城市化極大地改變了區(qū)域土地利用狀況，形成了以非農化為特征的空間格局。同時受比較利益和機會成本等影響，周邊糧食主產區(qū)內耕地遭擠占，使之極易非糧化。然而，先前研究對糧食主產區(qū)內部的非糧化問題關注極少。徐州市屬于黃泛沖積平原，耕地是最主要利用類型，約占土地總面積的60%，一直是國家重要的糧食主產區(qū)，永久基本農田保護率高達90%，但近年城市化、工業(yè)化發(fā)展迅猛，城鄉(xiāng)發(fā)展差距大，且受采礦等活動干擾嚴重，非糧化外部動力強勁，可作為復雜因素影響糧食主產區(qū)非糧化的典型案例。故本研究選擇徐州市作為研究區(qū)域，旨在厘清糧食主產區(qū)耕地非糧化的總體態(tài)勢，揭示非糧化空間分異特征及成因，為今后耕地保護規(guī)劃、惠農政策調控提供科學依據。

1 材料與方法

1.1 研究區(qū)概況

徐州市位于江蘇省西北部（116°22′～118°40′E、33°43′～34°58′N），下轄5個區(qū)63個街道（鎮(zhèn)）（圖1），屬暖溫帶季風性氣候，年均氣溫14 ℃，年均降水量880 mm。研究區(qū)以平原為主（面積占比90%），是傳統(tǒng)的糧食主產區(qū)。近20年社會經濟發(fā)展迅速，2020年城市化率已達66.5%。同時，徐州市又是傳統(tǒng)的老工業(yè)基地，城市擴張、工業(yè)化和采煤等人類活動占用周邊農業(yè)空間。盡管城市周邊已劃定了環(huán)狀永久基本農田保護區(qū)，但非糧化趨向時刻威脅著耕地保護和糧食安全。

圖1 徐州市城區(qū)行政區(qū)劃圖Figure 1 Xuzhou City administrative division map

1.2 數據來源與處理

本研究數據包含土地利用和社會經濟數據。為便于后續(xù)研究，對耕地作如下嚴格界定：①自然資源管理部門土地利用變更數據庫內的耕地（簡稱“法定耕地”，記為LF）；②劃入永久基本農田范圍內的耕地（簡稱“永保耕地”，記為BF）；③劃入糧食生產功能區(qū)與重要農產品生產保護區(qū)的耕地（簡稱“兩區(qū)耕地”，記為FF）。詳見技術路線圖（圖2）。

圖2 研究技術路線Figure 2 Technical flow of the study

（1）數據來源：①土地利用現狀數據、鎮(zhèn)級行政邊界、永久基本農田數據庫、高分二號衛(wèi)星影像來源于徐州市自然資源與規(guī)劃局；②糧食生產功能區(qū)與重要農產品生產保護區(qū)劃定成果來源于徐州市農業(yè)農村局；③Landsat 8遙感影像來源于中國地理空間數據云平臺（http：//www.gscloud.cn/）；④社會經濟發(fā)展數據來源于《徐州統(tǒng)計年鑒2018》、2018 年銅山區(qū)農村社會經濟統(tǒng)計臺帳和2018 年賈汪區(qū)農村社會經濟統(tǒng)計臺帳；⑤土地流轉情況來源于徐州市農村產權交易信息服務平臺（http：//xzs.jsnc.gov.cn/）。

（2）數據處理：從2019 年土地利用現狀數據庫中提取法定耕地范圍，匹配0.8 m 分辨率的高分二號衛(wèi)星影像，采用目視解譯法，共取得31 470 個非糧用途圖斑，占全部耕地圖斑的25.32%。并對鼓樓區(qū)全部1 171 個非糧化圖斑進行無人機實地校核，僅14 個圖斑目視解譯有誤，總體誤差率為1.20%。依據《土地利用現狀分類》（GB/T 21010—2017），并結合實際情況，將非糧化地塊分為菜地、輔助生產用地、園地、林地、草地5個類型，但后3類面積極小，故合并分析。

（3）數據分析：選取2018 年戶籍人口、常住人口、農業(yè)人口、非農業(yè)人口、農業(yè)收入、非農業(yè)收入、農業(yè)利用外資額、農業(yè)機械總動力、土地流轉率、農業(yè)合作社數、交通區(qū)位等11 個社會經濟因素，運用空間自相關分析與冗余分析探尋非糧化的主要驅動因子。其中，交通區(qū)位量化選取鎮(zhèn)為評價單元，以0～10 km、10～20 km、>20 km 為區(qū)間劃分至高速公路出入口、距區(qū)中心距離、距市中心距離作緩沖分析，并分別賦予這3個指標權重為0.5、0.3、0.2，其他10個因素按最大值標準化計算分值。

1.3 研究方法

1.3.1 空間自相關分析

Global Moran′sI可以揭示區(qū)域某一屬性的空間分布與鄰近區(qū)的相關性及相關程度，能直觀地反映某種空間現象的關聯性與差異性[20]，見公式（1）：

式中：n為研究區(qū)內鎮(zhèn)（街道）的總個數；xi和xj分別為第i和j單元的觀測值；xˉ為研究區(qū)所有單元的平均值；wij是每個單元空間權重矩陣；I值范圍為[-1，1]，I>0時為正相關，空間要素的屬性呈集聚性分布；I<0時為空間負相關，空間要素屬性呈離散化分布；I=0時為隨機分布。

全局空間自相關主要研究空間要素整體分布特征，前提條件是研究區(qū)內空間具有同質性，但難以衡量空間局部集聚及其空間異質性，仍需進一步探究局部空間關系。Local Moran′sI可以從局部尺度分析與周邊空間差異水平[21]，以期探究非糧化空間格局特征及成因，詳見公式（2）：

式中：Ii>0 表示第i鎮(zhèn)各社會經濟環(huán)境指標與周圍鎮(zhèn)域差異顯著性較小，均質性和集聚性較強；反之，差異顯著性較大，均質性和集聚性較弱。

1.3.2 冗余分析

冗余分析（RDA 分析）是基于線性模型的限制性排序分析方法，可用降維度、可視化等方式，以特定排序軸長度及兩軸間夾角的二維空間展示[22]，揭示非糧化與社會經濟因素之間的非線性響應關系。為此，選取LF、BF、FF 中非糧化占用面積作為因變量，選取戶籍人口、常住人口、農業(yè)人口、非農人口、農業(yè)收入、非農收入、農業(yè)機械總動力、交通區(qū)位、土地流轉率、農業(yè)利用外資額和農業(yè)合作社數作為自變量。冗余分析需要兩個數據矩陣，本研究以徐州城區(qū)58 個街道為研究單元，對3 個因變量LF、BF、FF 作一個3×58 維數據矩陣；對11 個自變量作一個11×58 維驅動因子矩陣。隨后，利用Canoco 5.0 進行數量統(tǒng)計檢驗和冗余分析[23]。

2 結果與分析

2.1 糧食主產區(qū)耕地非糧化的總體特征

對2018 年目視解譯和無人機實地核查的非糧化用途類型數據進行分類統(tǒng)計，并將數據納入LF、BF和FF數據庫（表1）。從表1可以看出：LF范圍內非糧化面積為15 002.05 hm2，占耕地比例為10.25%。菜地、輔助生產用地、園林草地分別占用9 582.57、1 199.81、4 219.67 hm2，占耕地比例為6.55%、0.82%、2.88%。BF 范圍內非糧化面積為7 727.80 hm2，占耕地比例為7.30%；菜地、輔助生產用地、園林草地分別占用5 817.91、58.37、1 851.51 hm2，占耕地比例為5.49%、0.06%、1.75%。FF 范圍內非糧化面積為2 076.52 hm2，占耕地比例為2.67%，菜地、輔助生產用地、園林草地分別占用1 739.88、16.47、320.17 hm2，占耕地比例為2.24%、0.02%、0.41%?？傮w來看：LF、BF 和FF范圍內非糧化率呈現遞減趨勢，LF 范圍內非糧化面積與非糧化率均高于BF 和FF，表明管制政策越嚴越有利于控制非糧化，堅守最嚴格的耕地保護制度對國家糧食安全十分必要。

表1 2018年徐州市不同范圍內耕地非糧化特征Table 1 Characteristics of cultivated land non-grain conversion in different ranges of Xuzhou City in 2018

為進一步分析區(qū)位的影響，將賈汪、銅山歸并為郊區(qū)，鼓樓、泉山、云龍合并為城區(qū)（圖3）。結果表明：徐州市LF 范圍內非糧化率為10.25%，低于全國平均值[24]，且BF 和FF 范圍內非糧化率更低；郊區(qū)LF、BF、FF 范圍內非糧化率分別為9.46%、6.91%、2.67%，遠低于城區(qū)LF 和BF 范圍內非糧化率（23.02% 和23.14%）。城區(qū)單元盡管非糧化面積少，但非糧化率卻遠高于郊區(qū)；菜地面積和占比均為最高，LF、BF 和FF 范圍內分別為6.55%、5.49%、2.24%。經濟效益相對高且靠近市場的菜地是非糧化的主要類型，今后政策管理上要適度考慮菜地發(fā)展的合理化需求。

圖3 2018年徐州市不同區(qū)位非糧化比例Figure 3 Proportion of cultivated land non-grain conversion in different locations of Xuzhou City in 2018

2.2 糧食主產區(qū)耕地非糧化的空間格局分異

2.2.1 不同范圍內耕地非糧化的空間格局

按LF、BF 和FF 不同范圍劃分，耕地非糧化空間分布如圖4 所示?？梢钥闯觯悍羌Z化空間格局具有異質性。菜地分布最廣，但相對集中于銅山西北部與南部、賈汪西南部和鼓樓東北部。園林草地相對少，集中分布于G104 沿線及坡地。輔助生產用地總量少，分布極為零散。從LF、BF至FF范圍內非糧化率逐漸減小，但菜地占比卻不斷提高。2018 年全國蔬菜種植約為2 000 萬hm2，占非糧化總面積的45.0%。本研究中菜地面積在LF、BF 和FF 內逐漸減少，與非糧化面積變化趨勢一致，但在LF、BF 和FF 范圍內占比從63.90%逐漸升至83.58%。

圖4 2018年徐州市不同范圍內耕地非糧化空間格局Figure 4 Spatial patterns of cultivated land non-grain conversion of different ranges in Xuzhou City in 2018

為進一步細化非糧化空間分布，以鎮(zhèn)為單元提取LF 范圍內非糧化面積及比率（圖5）。從圖5 可知：非糧化面積在南部最為集中，西北部次之，中部最少。非糧化面積超過500 hm2的鄉(xiāng)鎮(zhèn)達6 個，均分布于銅山區(qū)。但非糧化率則呈中部高、外圍低的分布格局。有17 個鎮(zhèn)級單元非糧化率高于30%，城區(qū)泰山街道等6 個街道非糧化率超過50%，但非糧化面積卻極小。

圖5 LF范圍內徐州市鎮(zhèn)級單元非糧化面積及非糧化率Figure 5 The area of cultivated land non-grain conversion and its rate at town level in Xuzhou City

2.2.2 不同范圍內耕地非糧化的特征分異

將非糧化率作為觀測變量，評判不同范圍內非糧化的分異特征，具體參數見表2。在置信度95%水平上，3 個范圍內Global Moran′sI均大于0，說明鎮(zhèn)級單元非糧化率存在顯著空間集聚性。從LF、BF至FF范圍內Global Moran′sI指數逐漸減小，反映3 個范圍內非糧化率格局差異越來越低。

表2 2018年徐州市耕地非糧化率Global Moran′s I及其檢驗Table 2 Global Moran′s I and test of cultivated land non-grain conversion rate in Xuzhou City in 2018

引入Local Moran′sI進一步分析各鎮(zhèn)級單元非糧化率的空間集聚程度（圖6），結果發(fā)現：在LF范圍內，存在2 個高-高集聚區(qū)，包含鼓樓和泉山的7 個街道，非糧化率高且與鄰近單元差異??；存在1 個高-低集聚區(qū)，為龐莊街道。其位于城郊邊緣，本身耕地少，菜地、輔助生產用地和園林景觀占用多，因此非糧化率遠高于鄰近的單元。在BF 范圍內，存在1 個連片高-高集聚區(qū)。從賈汪區(qū)大吳街道向西南一直延伸至云龍區(qū)大龍湖街道，這是城市向外拓展的主要發(fā)展方向，反映了城市建設對周邊永久基本農田非糧化的壓力。此外，龐莊街道仍為高-低集聚區(qū)，其他區(qū)域無顯著集聚特征。在FF 范圍內，存在2 個高-高集聚區(qū)，分別位于銅山區(qū)何橋鎮(zhèn)、黃集鎮(zhèn)以及賈汪區(qū)紫莊鎮(zhèn)。其余區(qū)域無顯著集聚特征。對比3 個范圍內非糧化率分異特征，發(fā)現高-高集聚區(qū)單元呈先增大后減小趨勢，也兼有先集中再分散的趨勢。LF 和BF 范圍內非糧化率有一定的空間異質性。但這種異質性在FF 范圍內明顯減弱，這也表明了FF 范圍內耕地質量和管制程度更高。

圖6 2018年徐州市耕地非糧化率空間集聚圖Figure 6 Spatial agglomeration of cultivated land non-grain conversion rate in Xuzhou City in 2018

2.3 糧食主產區(qū)耕地非糧化的成因

由于非糧化率與剔除共線性后的社會經濟多因子回歸并不顯著，因此采用RDA 分析來探索社會經濟變量的間接梯度，從而解釋影響非糧化面積的關鍵因子。利用Monte Carlo 置換檢測對社會經濟變量進行預選（表3），總體來看：社會經濟變量解釋了91.85%的非糧化面積特征向量的變化，其中第一、第二排序軸特征值分別為73.68%、4.19%，兩個排序軸解釋了73.68%的非糧化面積變化及77.87%非糧化面積與社會經濟因子之間關系，冗余分析排序效果較好。此外，第一、第二排序軸相關系數分別為92.49%和60.38%，表明所選的社會經濟變量與各單元非糧化面積之間關系密切。

表3 耕地非糧化特征向量與社會經濟解釋變量的RDA結果Table 3 RDA result of eigenvalues change of non-grain conversion with all variables

圖7 顯示了非糧化面積特征向量與各驅動因子及不同區(qū)域間RDA 排序，可以看出：不同范圍內非糧化存在象限差異，LF 和BF 非糧化面積落于第1 象限且與第一、二軸均為正相關，FF 則位于第4 象限。LF和BF范圍內非糧化面積特征向量與社會經濟因子中戶籍人口、土地流轉率、農業(yè)利用外資額、農業(yè)人口呈顯著正相關，這表明在遠郊區(qū)非糧化行為更容易發(fā)生在農業(yè)人口多、土地流轉率高的單元，如圖7（b）中的銅山區(qū)或賈汪區(qū)。FF 范圍內非糧化面積特征向量與社會經濟因子中農業(yè)收入、農業(yè)機械總動力和農業(yè)合作社數呈顯著正相關，這表明FF 范圍內非糧化現象更容易發(fā)生在農業(yè)收入高、農業(yè)機械總動力強和農業(yè)產業(yè)化多的單元，如城區(qū)周邊菜地生產基地。LF、BF和FF范圍內非糧化面積特征向量與社會經濟因子中非農業(yè)人口、交通區(qū)位、非農業(yè)收入形成鈍角，說明呈現顯著負相關。糧食與其他經濟作物的收益差距致使種植缺乏吸引力，非農收入增加意味著非糧化面積擴大，且更多地發(fā)生于城區(qū)單元，如圖7（b）中的主城區(qū)。由此可知，與種植業(yè)經濟收益低下（農業(yè)收入、農業(yè)機械總動力）、工商資本介入（農業(yè)利用外資額、農業(yè)合作社數）以及土地流轉等經濟社會因子是糧食主產區(qū)耕地非糧化空間格局分異的主要驅動力。

圖7 耕地非糧化特征值與社會經濟因子之間的關系及不同區(qū)域排序的RDA結果Figure 7 RDA results of the relationship between eigenvalues of non-grain conversion and socio-economic factors，and the ranking of different regions

3 討論

從實際核查結果來看，研究區(qū)域LF、BF 和FF 范圍內耕地非糧化率分別為10.25%、7.30%和2.67%。這個水平是極為理想的值，遠低于全國平均值27.0%[24]，更低于一些特定氣候區(qū)非糧化率[19]。這表明盡管受城市化、工業(yè)化和采礦活動的影響，但作為傳統(tǒng)的糧食主產區(qū)，徐州市耕地保護責任落實十分有效、執(zhí)行有力，非糧化率一直保持低水平。但不同范圍內非糧化面積和非糧化率差異較大，LF 范圍內非糧化率分別是BF 和FF 的1.41 倍和3.82 倍。與此同時，LF、BF 至FF 不同范圍內Global Moran′sI指數也逐漸減小，也進一步證實了非糧化率存在空間異質性。這種異質性歸結于不同的經濟社會因子驅動，但從根源上反映土地用途管制制度的作用，政策越嚴越有利于減少非糧化，堅守最嚴格的耕地保護制度對國家糧食安全十分必要。此外，不同區(qū)位耕地非糧化也差異顯著，城區(qū)LF 和BF 范圍內非糧化率分別為23.02%和23.14%，遠高于遠郊LF 和BF（9.46%和6.91%）。這說明距城市較近且經濟效益相對低的種植業(yè)容易受到擠壓，未來惠農政策應實行種植業(yè)優(yōu)先、經濟作物少補或不補的差別化農業(yè)政策。蔬菜種植是非糧化的主要類型，占比遠超過60%，這與其他研究結果相似[24]。

一般認為種植業(yè)收益低[8]、工商資本介入[7]、資源稟賦差[13-15]以及土地流轉[2，9]驅動了非糧化，但先前研究多為宏觀或政策因素分析，極少從空間角度關注非糧化的形成機制。本研究表明，盡管代表種植業(yè)經濟收益的農業(yè)收入和農業(yè)機械總動力、代表工商資本介入的農業(yè)利用外資額和農業(yè)合作社數，以及土地流轉等經濟社會因子仍是糧食主產區(qū)非糧化空間格局分異的主要驅動力，但不同區(qū)位耕地非糧化的驅動力不同，RDA 排序結果（圖7b）揭示了城區(qū)與遠郊耕地非糧化形成機制的差異。城區(qū)各單元非糧化面積與非農業(yè)收入、交通區(qū)位和非農人口等社會經濟因子的箭頭最為接近，其中非農業(yè)收入箭頭最長，且與農業(yè)人口、農業(yè)收入、農業(yè)機械總動力、農業(yè)利用外資額和農業(yè)合作社數等因子較遠，表明非農收入是城區(qū)耕地非糧化的關鍵驅動因子。遠郊各鎮(zhèn)級單元非糧化面積與農業(yè)機械總動力、土地流轉率、農業(yè)人口和戶籍人口均存在正相關關系，其中與農業(yè)機械總動力和農業(yè)合作社數這2 個因子關系最為密切，且農業(yè)機械總動力是遠郊耕地非糧化的主控因子。與此同時，一些種植習慣也是非糧化的重要因素，如研究區(qū)域西北部長期種植蔬菜區(qū)及南部苗木基地，已形成穩(wěn)定的生產-物流-銷售網絡，它們既是城市周邊長期土地利用合理分工的結果，也是由經濟社會高質量發(fā)展需求所決定的。此外，本研究還發(fā)現非糧化面積特征向量與交通區(qū)位之間呈負相關，說明非糧化態(tài)勢在交通不便利地區(qū)更為嚴峻。祝洪章[9]發(fā)現交通便利導致土地流轉費用高，農業(yè)機械使用及能源價格上漲導致生產成本上漲，二者共同降低了種植業(yè)收益。一些交通相對不便利的鄉(xiāng)鎮(zhèn)土地流轉費用低、農業(yè)用工成本低，反而可能增加種植收益，促成更高的土地流轉率，同時也增大了耕地非糧化的可能性，進一步佐證了本研究結果。

4 結論與建議

4.1 結論

受糧食種植收益低下、城市化擴張以及工商資本介入等多重因素影響，一些地區(qū)出現了嚴重的耕地非糧化傾向，嚴重威脅國家糧食安全和耕地保護的良好態(tài)勢，亟需各界廣泛重視。為此，本研究對徐州市周邊124 265 個耕地圖斑進行全面核查，發(fā)現31 470 個非糧化圖斑，包含菜地、輔助生產用地和園林草地等3 大類，并結合社會經濟因素揭示非糧化空間格局分異及其驅動因子。主要結論如下：

（1）糧食主產區(qū)非糧化率總體不高，以菜地占用為主。不同范圍、不同區(qū)位非糧化率差異明顯，耕地保護越嚴格越有利于控制非糧化。

（2）城區(qū)耕地非糧化率高，且更易于轉為輔助生產用地或園林草地。遠郊非糧化面積大，更易轉為菜地。

（3）非糧化在不同耕地范圍內均呈現一定的空間集聚性，但法定耕地范圍內集聚最為顯著。

（4）常住人口、戶籍人口、土地流轉率、農業(yè)人口、農業(yè)收入、農業(yè)利用外資額和農業(yè)機械總動力等多因素共同驅動了糧食主產區(qū)的非糧化，其中非農業(yè)收入是城區(qū)耕地非糧化的關鍵因子，農業(yè)機械總動力是遠郊耕地非糧化的主控因子。

4.2 政策建議

不同范圍、不同區(qū)位土地利用特點、資源稟賦和經濟發(fā)展水平不盡相同，非糧化驅動力也不同。為此，應從三方面著手，切實加強糧食主產區(qū)非糧化問題管控，力保糧食安全。

（1）嚴控非糧化總量，摸清存量，遏制增量

耕地的多功能性決定了其利用的多元化。受經濟利益驅動，部分耕地很難優(yōu)先用于糧食生產。一些區(qū)域的種植習慣也是長期經營的結果，如徐州西北部蔬菜種植區(qū)和南部苗木花卉基地。但作為糧食主產區(qū)，應保證非糧化率的底線：一要統(tǒng)籌兼顧糧食安全、市場需求、耕地產能、生態(tài)保護、鄉(xiāng)村振興、區(qū)位條件等多重需求，審慎測算，嚴控非糧化總量；二要盡快摸清糧食種植與非糧食種植底數，按年度監(jiān)測耕地使用狀態(tài)，為分步、分類精準治理提供依據；三要杜絕永久基本農田和兩區(qū)劃定范圍內新增非糧轉化。此外，針對城市周邊種植蔬菜、苗木花卉等非糧化行為，應實事求是、分類處置，避免“一刀切”。

（2）精準監(jiān)控非糧化行為，有序引導種糧意愿

精準監(jiān)控是高效監(jiān)管的保證，本研究利用國產高分二號衛(wèi)星影像結合土地利用現狀數據庫，采用目視解譯和無人機實地核驗方法清查非糧化。相比傳統(tǒng)方法節(jié)省了大量的人力、物力和時間，且準確率高達98.8%，但仍耗時2 個月。未來應全方位監(jiān)控不合理土地利用轉換引發(fā)的“非糧化”問題，逐步修訂現行農業(yè)補貼政策，摒棄按農戶耕地面積發(fā)放補貼的形式。農業(yè)補貼應向糧食生產者傾斜，降低或取消非糧補貼，提高農戶種糧積極性，彌補其種糧效益低下的損失。此外，要厘清鄉(xiāng)村振興、耕地保護與糧食安全三者間的辯證關系，工商資本下鄉(xiāng)、激發(fā)農戶種糧積極性和振興鄉(xiāng)村經濟多措并舉，統(tǒng)籌兼顧。

（3）規(guī)范流轉行為，壓實土地用途管制責任

規(guī)范土地流轉行為，尤其是工商資本介入行為，依法明確非糧化的概念、類型、程度等“邊界條件”，防止“搭便車”或“打擦邊球”行為。加大對《農村土地經營權流轉管理辦法》的政策宣傳與解讀，向農民與基層干部普及相關知識，實現耕地優(yōu)先用于糧食生產。同時，農業(yè)和自然資源管理部門應對流轉耕地實施全程監(jiān)管，深入了解流轉前后耕地種植狀況、農田健康狀況以及經濟效益狀況，對不按規(guī)定執(zhí)行、私自改變土地用途或破壞耕地的行為依法嚴懲，徹底遏制由土地流轉導致的非糧化行為。