資源型城市耕地利用時空變化及其驅動力因子研究
——以甘肅省白銀市為例

路建兵，廖偉斌

（1.甘肅省地質礦產勘查開發局測繪勘查院，甘肅 蘭州 730060；2.四川大學 華西公共衛生學院，四川 成都 610041）

資源型城市指以礦產、森林等資源的開采與加工而興起，并以資源型產業為經濟發展支柱的特殊城市類型[1-2]。中華人民共和國成立初期，國家以優先發展重工業為目標。在此戰略下，資源型城市得到了長足的發展，為我國的經濟發展做出了巨大的貢獻。20世紀80年代以來，伴隨著資源接近枯竭，資源型城市開始由繁榮轉變為衰退，而長期以來不合理的資源開采，造成資源依賴性強、產業結構單一、城鄉二元結構、土地資源浪費等問題[3-4]。其中，土地資源浪費伴隨著土地無秩序利用、地下水污染、生態環境惡化等現象，嚴重制約著資源型城市可持續發展與轉型。

土地利用和土地覆蓋變化（Land-Use and Land-Cover Change，LUCC）是研究全球氣候與環境變化的重要內容[5-6]。其中土地利用和覆蓋變化的驅動力因素及其驅動機制已成為該領域的熱點問題[7]。耕地是農業最基礎的生產資料，是人類賴以生存和發展的基礎。耕地利用與變化關系到經濟可持續發展、社會穩定?！?019年全國耕地質量等級情況公報》指出我國共有134.86×104km2耕地，約占世界耕地面積的9%，我國以全世界9%的耕地面積養活全球近20%的人口。

目前，國內外耕地利用時空變化驅動力研究主要集中在空間分異特征、驅動機制、對策研究等方面[8-13]。從研究方法上來看：數理統計模型[14]、遙感技術[15]、地理信息技術[16]、景觀生態學方法[17]等應用較多。從研究尺度上來看：全國尺度[18]、省級尺度[8，14，19]、市及縣域尺度[20-21]均有所研究。從研究數據上看，由于遙感影像數據具有實時、客觀、覆蓋面廣、公開可及等特點，成為現有研究獲取土地利用信息的主要手段之一。

甘肅省白銀市是《全國資源型城市可持續發展規劃（2013—2020年）》公布的262個資源型城市之一，是我國西部地區規模最大的有色金屬工業基地，也是重要能源化工基地。由于長期以來的開采，白銀市經濟發展經歷了由繁榮到衰退的過程，處于轉型與復興的重要階段[22-24]。本研究在村級尺度上，以2009—2019年白銀區土地調查數據為基礎，利用地理信息技術和地理探測器方法，研究2009—2019年白銀區耕地利用時空變化及其驅動力因子，為經濟轉型與復興中的白銀市耕地利用及相關政策提供科學依據。

一 研究區概況

白銀市地處甘肅省中部，位于黃土高原西北邊緣、祁連山山脈東段地區。白銀市屬于基巖山地和山間盆地地貌類型。研究區內山區較多，南北地勢較高，中部較低，最高海拔3 321 m。區域屬中溫帶干旱氣候，年平均氣溫6～9℃，年降水量180 mm～450 mm。白銀市管轄區域內，包括3縣2區。本研究選取白銀市城市化率較高的白銀區為研究區，白銀區下轄5街道（主城區）3鎮2鄉。

圖1 白銀區概況

二 研究數據來源與方法

（一）數據來源

白銀區土地利用數據來源于第二次、第三次全國國土調查（以下簡稱“二調”“三調”）。其中，“二調”于2009年開展，“三調”于2018年開展。本研究使用2009年和2019年白銀區耕地利用數據，具體信息包括耕地面積、種植類型（2009年該數據缺失）、利用分類和坡度分級。在前人研究成果的基礎上，本研究選取社會經濟和自然環境因素。社會經濟因素包括：常住人口、國內生產總值（Gross Domestic Product，GDP）和政策因素。行政區劃的劃分關系到區域政治、經濟、文化發展和社會穩定，從一定程度上反映了地區社會和經濟的穩定程度[20，25]，因此本研究中的政策因素根據白銀區行政區劃劃分為6個區域：主城區、水川鎮、四龍鎮、王峴鎮、強灣鄉、武川鄉。自然環境因素包括：坡度、降雨、氣溫和高程。社會經濟數據來源于《白銀市統計年鑒》，自然環境數據來源于地理空間數據云，村級尺度的坡度由DEM計算得到。

（二）研究方法

1. 土地利用變化幅度分析

土地利用變化幅度分析某類型土地面積在研究期內的變化幅度[26-27]，計算公式如下：

式中：Ut表示研究期內土地利用類型的面積變化幅度；Ub和Ua分別代表該土地利用類型在研究初期和末期時的面積。

2. 土地利用變化速度分析

土地利用變化速度分析用于定量表達某類型土地利用面積的時空變化趨勢[17，26]，計算公式如下：

式中：V表示研究期內某種土地利用類型的面積變化速度；T2-T1表示研究期時段；T2為研究末期；T1為研究初期。

3. 驅動力因子分析

地理探測器用于探測空間分異性，揭示其背后驅動力因子的統計學方法，包括因子、交互作用、風險區和生態探測[28-29]。本研究利用因子探測器和交互作用探測器，定量研究白銀區耕地時空變化的驅動力因子及其交互作用。因子探測模型表示如下：

式中：h為驅動力因子X分層；L為驅動力因子X的分層數；Nh和N分別為層h單元數、全區單元數為層h的方差；σ2為研究區內耕地面積的方差；q為驅動力因子X對耕地空間分異性的影響程度，取值范圍為[0，1]。q值越大，說明耕地的空間分異性特征越明顯，如果分層由驅動力因子X生成，q值越大表示X對耕地空間分異性的解釋力越強。

交互作用探測：分析驅動力因子X1和X2共同作用時是否會增加或減弱對耕地空間分異性的解釋力，或是對耕地的影響是相互獨立的。評估時首先計算驅動力因子X1和X2對耕地的q(X1)、q(X2)和q(X1∩X2)，然后依次比較q(X1)、q(X2)與q(X1∩X2)的大小。根據其比較結果，將驅動力因子X1和X2交互作用的關系分為以下幾類（表1）。

表1 交互作用類型

三 結果與分析

（一） 耕地利用情況

2009—2019 年白銀區耕地面積由 126.47 km2增加到 132.99 km2，耕地面積增加 6.52 km2。2019年白銀區耕地種植類型以種植糧食作物和未耕種為主，武川鄉、水川鎮和強灣鄉糧食作物種植用地較多，面積分別為 27.62 km2、12.77 km2和 12.03 km2；未耕種用地主要分布在武川鄉、強灣鄉和王峴鎮，面積分別為 27.09 km2、13.62 km2和 6.62 km2。2009—2019 年白銀區耕地利用類型以水澆地和旱地為主，水澆地主要分布在水川鎮、四龍鎮和武川鄉；旱地主要分布在武川鄉、強灣鄉和王峴鎮。研究期間，水澆地面積呈增加趨勢，面積由60.47 km2上升到67.68 km2；旱地面積略有下降，面積由65.94 km2下降到65.31 km2。2009—2019年白銀區耕地主要集中在[0°，2°)、[2°，6°)和 [6°，15°)坡度區，[0°，2°)坡度區耕地面積主要分布在水川鎮、四龍鎮和王峴鎮；[2°，15°)坡度區耕地面積主要分布在水川鎮、強灣鄉和武川鄉。研究期內，[0°，2°)和 [2°，6°)坡度區的耕地面積均有不同程度的上升，面積分別由 24.97 km2、36.65 km2上升到 33.19 km2、47.32 km2；[6°，15°)、[15°，25°)和大于等于 25°坡度區的耕地面積變化均呈下降趨勢，面積分別由 56.66 km2、7.59 km2、0.60 km2下降到 48.93 km2、3.33 km2、0.24 km2。相應的面積比見圖 2。

圖2 2009—2019年白銀區耕地利用情況

（二） 耕地空間分布

由圖3可得，2009—2019年白銀區耕地空間分布并未出現明顯的變化。北部武川鄉、中部強灣鄉與王峴鎮耕地空間分布較為集中，南部水川鎮耕地分布較為分散。北部武川鄉、中部王峴鎮與主城區街道呈現明顯的差異，武川鄉耕地面積較多，主城區及與主城區街道距離較近的五星村、東臺村耕地面積較少。其中，北部武川鄉耕地分布主要集中在武川、獨山、紅峴等村；中部王峴鎮與強灣鄉耕地主要分布在川口村、麥地溝村、月亮灣村、聶家窯村及雒家灘村；南部水川鎮與四龍鎮耕地主要分布在樺皮川村和四龍村。

圖3 2009年、2019年白銀區耕地面積變化

（三） 耕地利用動態度

由表2可得，研究期間，白銀區耕地面積總體呈上升趨勢，變化速度為0.52 km2/年。其中，武川鄉、強灣鄉和王峴鎮耕地面積增加較多，分別增加 3.6 km2、1.26 km2和 0.94 km2，變化速度分別為0.7 km2/年、0.51 km2/年和0.71 km2/年；水川鎮與四龍鎮耕地面積增加較少，分別增加0.56 km2和 0.44 km2，變化速度分別 0.25 km2/年和 0.32 km2/年；主城區耕地呈下降趨勢，耕地面積減少 0.27 km2，變化速度為-1.87 km2/年。

表2 2009年、2019年白銀區耕地利用動態度

（四） 耕地利用時空變化驅動力因子

1. 驅動因子探測

本研究利用ArcGIS10.5，使用自然間斷法將常住人口、GDP、坡度、高程、氣溫和降水進行分類，政策因素根據白銀區鄉鎮及主城區區劃分為6類，分別賦值為1～6，隨后通過因子探測器獲得2009—2019年各驅動力因子的q值及其p值。如表3所示，2009—2019年各驅動因子對耕地空間分異的解釋力及顯著性存在差異性。其中，政策因素的解釋力最強，研究期內均有顯著性；GDP、降水、高程和常住人口解釋力較強，坡度的解釋力較弱；常住人口、政策、坡度、高程、氣溫和降水解釋力逐漸增強，GDP解釋力變弱且無顯著性；坡度、高程、氣溫和降水在研究期內均無顯著性，常住人口顯著性變強。

表3 2009年、2019年白銀區耕地利用驅動因子q值變化情況

2. 交互作用探測

本研究使用交互作用探測分析社會經濟驅動因子之間及自然環境之間的交互作用。結果如表4所示，研究時期內，各類驅動因子主要表現為雙因子增強與非線性增強。其中，常住人口—政策因素、GDP—政策因素、坡度—高程、坡度—氣溫等交互因子解釋力較強；常住人口—政策因素、GDP—政策因素交互作用類型為雙因子增強，坡度—高程、坡度—氣溫交互作用類型為非線性增強。

表4 2009年、2019年白銀區耕地利用驅動因子交互作用類型

四 討論與結論

（一） 討論

1. 白銀區耕地利用變化情況及其特點

本研究結果表明，2009—2019年白銀區耕地面積呈上升趨勢，研究區范圍內除主城區，其余鄉鎮耕地面積均有所上升，上升幅度不一。結合耕地利用動態度與空間分布變化結果可得，主城區所屬大壩灘村與黃茂井村耕地面積分別減少24.68 km2、5 km2。截至2019年，白銀區城鎮化率達90.17%，高于同期甘肅省城鎮化水平（50.7%）與全國城鎮化水平（60.6%）。此外，“二調”與“三調”數據顯示，研究期內大壩灘村與黃茂井村交通運輸用地面積分別增加69.94 km2、93.24 km2。因此，白銀區耕地面積變化與建設用地擴張和土地利用規劃密切相關。

從耕地種植類型來看，糧食用地占52%，非糧、糧與非糧輪作和未耕種用地分別占6.86%、0.03%、41.11%。其中，非糧包括未耕種用地約占耕地的一半，出現種植結構的“非糧化”。根據《白銀市統計年鑒》，近年來白銀區糧食產量已出現下降趨勢，“非糧化”現象一定程度上影響了糧食安全。從耕地利用分類來看，水澆地和旱地占耕地總面積的99.99%，其中水澆地約占50.89%，旱地約占49.10%。

從耕地坡度分級來看，白銀區耕地面積變化同時存在低坡度區增加與高坡度區減少的趨勢。一方面[0°，6°)坡度區耕地面積增加明顯，這與加快土地流轉、低丘緩坡荒灘等未利用地開發利用政策有關[30]。另一方面由于運輸成本、開墾與管理較為困難和農民耕種意愿不高等原因，造成[6°，25°)坡度區耕地存在一定數量的貧瘠耕地、零星分布的耕地和未耕種用地[13，31]。通過改革現行土地審批方式，實行開發優惠政策，可以起到節約集約利用耕地的作用。

2. 社會經濟與自然環境驅動力因子差異明顯

研究證實，2009—2019年社會經濟因素是白銀區耕地變化的主要驅動力，與部分研究[15，18，26，32]結果一致。在不同的時期，常住人口與GDP的解釋力與顯著性也不同，GDP解釋力下降且不顯著。據統計，2009—2019年白銀區GDP中第二產業的平均占比約52%，第一產業的平均占比僅2.5%，第三產業占比由35.11%上升到48.31%。這說明白銀區經濟發展逐漸擺脫資源依賴嚴重、產業結構單一等問題，鄉村振興發展戰略起到成效；也說明在產業結構優化的同時，白銀區生態環境的改善，促使土地利用朝著集約方向發展[33]。常住人口解釋力和顯著性上升說明，城鎮化的進程中，農村人口轉移造成人口城鄉空間分布模式發生變化，進而影響耕地利用情況。相關研究表明農村剩余勞動力轉移的過程中，農村地區住房需求變小，因建設住房占用耕地的比例下降，而耕地利用方式的多樣化促成了耕地面積由下降轉為上升[12]。

本研究結果證實，政策因素是白銀區耕地利用變化的核心驅動因子，這也與李丹等[19]、陶澤涪等[15]和孫嘉陽等[9]研究結果一致。此外，相關研究表明，政策因素在短期內對耕地變化的影響較大，在任意尺度、區域、時間段內都有一定的影響[10]。相關耕地政策，如《白銀市防止耕地“非糧化”穩定糧食生產實施方案》強調保護耕地面積，嚴格控制建設用地侵占耕地等行為，從而調動農民耕種的積極性，加深全社會對耕地保護的意識。

另外，本研究發現自然環境因子，氣溫、降水、高程和坡度有一定的解釋力，但顯著性較差。相關研究顯示，地形、氣候等因子在耕地利用變化中的作用差異明顯。例如，陶澤涪等[15]研究結果發現降水對耕地面積的影響無統計學意義，高程對耕地面積的影響在2000年與2020年分別呈正相關和負相關；戈大專等[12]研究中國耕地利用轉型格局及驅動因素，結果表明高程在不同時期的影響作用相反，坡度對耕地利用的作用及顯著性下降；李丹等[19]分析黑龍江省耕地時空變化及驅動因素，結果表明高程與坡度對耕地利用的變化先上升后下降。綜上所述，自然環境因子對耕地利用時空變化的作用持續性時間較長，而不同時期、地區和尺度間的研究結論不一，這與社會經濟、政策因素在不同時期的影響路徑有關[16]。

（二） 結論

本研究綜合利用耕地利用動態度與地理探測器模型，分析2009—2019年甘肅省白銀區耕地時空變化特征及其驅動力因子，主要結論如下。

（1）2009—2019 年，白銀區耕地面積總體由 126.47 km2增加到 132.99 km2，耕地種植類型以種植糧食作物和未耕種為主。水澆地面積變化呈增加趨勢，旱地面積略有下降。[0°，6°)坡度區的耕地面積均有不同程度的上升，大于等于6°的坡度區耕地面積均呈下降趨勢。

（2）2009—2019年白銀區耕地空間分布并未出現明顯的變化。北部武川鄉、中部強灣鄉與王峴鎮耕地空間分布較為集中，南部水川鎮耕地分布較為分散。武川鄉、強灣鄉和王峴鎮耕地面積增加較多，主城區耕地面積呈下降趨勢。

（3）研究期間，各驅動因子對耕地空間分異的解釋力及顯著性存在差異性。自然環境因素有一定的解釋力，但其顯著性較差。

（4）社會經濟因子之間的交互作用表現為雙因子增強；自然環境因子之間的交互作用表現為非線性增強和雙因子增強。