重慶丘陵山區耕地非糧化時空變異及驅動類型劃分

謝雨琦，王子芳，王穎，鄭杰炳，向書江，高明

（1.西南大學資源環境學院，重慶 400715；2.重慶市規劃與自然資源局，重慶 404599；3.重慶地質礦產研究院，重慶 401120）

中國作為世界上人口最多的國家，其糧食生產與安全是關系到經濟運行、社會安定、國家安全的重要戰略問題[1-2]。我國在過去的幾十年里，通過建立比較完整的耕地保護政策體系，有效地減少因城市擴張導致的耕地大規模流失[3]，但僅關注耕地面積的維持和耕地向建設用地轉化還不夠，隨著國家糧食安全戰略的實施，耕地內部的非糧化現象逐漸受到高度重視?！胺羌Z化”被定義為將大量耕地轉化為非糧食生產，如花卉或苗圃種植、家禽養殖和農業旅游等活動的行為[4]。非糧化活動可以為農民帶來收益，縮小城鄉差距，但同時也會改變耕地利用方式、減少耕地數量、削弱耕地質量，對區域生態環境造成威脅，過度非糧化還會造成對糧食生產前景高估的情況[5]，這會進一步威脅糧食安全。2020 年11 月，國務院辦公廳印發了《關于防止耕地“非糧化”穩定糧食生產的意見》，要求采取有力舉措抑制耕地過度非糧化，政、學兩界均重視起耕地非糧化問題。

當前，學者圍繞“非糧化”進行了大量研究，研究成果主要在于揭示非糧化活動現狀、潛在原因。陳浮等[6]的研究揭示了中國非糧化率呈現西北和東南高、東北和中部低的分布格局，且不同省份的非糧化狀況差異明顯。孟菲等[7]指出2016 年后我國非糧作物種植出現顯著提升，2017—2018 年耕地非糧化水平增長了0.39%。這說明我國面臨著保證糧食安全的重大挑戰，并且有必要討論非糧化的影響機制。戚淵等[8]、曾雅婷等[9]圍繞農地資本化、農地流轉與非糧化的關系進行分析，認為耕地地價上漲是非糧化重要的誘因，程憲波等[10]在“人”“地”“業”“制”多元框架下，討論了在城鎮化快速發展地區耕地非糧化易受人口老齡化特征和自然稟賦的影響。也有大量研究圍繞糧食主產區、經濟發達地區，建立RDA 模型[11]、地理加權回歸模型[12]、統計模型[8]，從自然與經濟方面分析非糧化的影響因素，發現農業產業政策[12]、農業人口數量[13]、機械化水平[14]對非糧化有不小的影響。綜上所述，以往研究已對“非糧化”進行了豐富的研究，但仍存在不足之處：①研究多集中于糧食主產區和沿海城市，忽視了西南丘陵山區自然、經濟的差異特征，致使研究結果不全面；②在驅動因素方面，沒有將經濟、自然條件與區位和農業生產等因素綜合考慮，沒有分析出完整的影響機理；③少有研究對某一區域非糧化驅動類型進行劃分，未能提出針對性、差異化的應對措施。鑒于此，本研究以重慶市作為研究區域，分析2011—2020 年重慶市耕地非糧化率的時空特征，并在區位、經濟發展、農業生產能力、農業生產投入和農業生產稟賦綜合框架下討論重慶市耕地非糧化的影響機理，并對非糧化驅動類型進行了劃分，從而提出差異化的管控政策。

重慶市作為長江上游地區經濟中心，在過去10年間城市建設擴張蔓延[15]，產業的發展使得耕地占用以及非糧化現象增多。近幾十年來重慶市糧食產量曲折上行，2021重慶市糧食單產為5.27 t·hm-2，農業產值為159.6 億元，均處于我國中等偏下的位置。第三次全國國土調查數據表明，重慶市要以187萬hm2耕地滿足3 016 萬人口的糧食需求，壓力巨大。從糧食自給率來看，重慶市糧食安全能力靠后，不及鄰近的四川，因此亟需尋求新的糧食安全戰略。作為丘陵山區內陸的特大城市，重慶市發展格局有明顯的大城市帶大農村的特征，渝東南地區的區縣仍保留著大量的農業生產活動，易受自然因素和社會經濟的影響[16]，由此可見確保重慶市糧食生產自給能力對于西南區域穩定發展和糧食安全具有重要意義，因此探究其耕地非糧化時空演變、驅動因素以及分區管理，不僅可以為重慶市耕地非糧化管控提供科學依據，而且為其他同類型丘陵山地城市農業可持續發展和政策制定提供參考。

1 材料與方法

1.1 研究區概況

重慶市是長江上游地區經濟中心，介于東經105°11′～110°11′、北緯28°10′～32°13′之間，如圖1所示，重慶市東鄰湖北、湖南，南接貴州，西鄰四川，北連陜西。重慶地勢整體由南北向長江河谷逐級降低，西北部和中部以山地、丘陵為主，東南部鄰接大巴山和武陵山兩大山脈，坡地較多，素有“山城”之稱。

圖1 研究區位置Figure 1 Geographical location of the study area

1.2 數據來源

重慶市下轄38 個區縣行政單元，因渝中區為全面城建區沒有耕地，因此將其剔除，本研究涵蓋了其余的37 個區縣；耕地糧食播種數據、耕地面積以及相關的社會經濟數據來源于《重慶統計年鑒》、《中國農村統計年鑒》、第三次全國國土調查成果和各區縣的統計年鑒；氣候生產潛力指數查閱自《農用地質量分等規程》；DEM 數據下載自地理空間數據云服務平臺（http：//www.gscloud.cn/）中的ASTER GDEM 產品，空間分辨率為30 m。

1.3 研究方法

1.3.1 非糧化測度

界定“非糧化”的概念是研究耕地非糧化的重要前提，許多學者采用流轉后非糧食作物播種面積占流轉總面積的比例[17]、糧食收入占總收入的比例[18]、種植經濟作物的家庭農場數量占比[19]來反映耕地非糧化的水平。非糧作物種植比例可以表征某一區域種植比例及種植結構上“非糧化”[7，20]，鑒于重慶市所公開數據的權威性、可獲得性和相關研究結果[21]，本研究將耕地非糧化界定為種植結構的非糧化。以各區縣的非糧食作物播種總面積與農作物播種總面積的比值來表征非糧化率，計算公式如下：

式中：P為耕地非糧化率，%；G表示糧食作物的播種面積，hm2；C為農業作物的播種總面積，hm2。

1.3.2 空間自相關模型

（1）全局自相關可以反映某一屬性在一個區域空間內的集聚程度和分散情況，能夠反映空間鄰域單元屬性值的相似程度[22]，可判斷非糧化率在空間上是否存在集聚或分散現象，全局莫蘭指數（Global Moran′sI）公式如下：

式中：xi為區域i的觀測值；Wij是空間權重矩陣。Global Moran′sI的取值范圍為[-1，1]，I大于0 代表集聚分布，I小于0代表離散分布，I等于0代表空間單元之間相互獨立。

（2）局部空間自相關則能夠表示每個局部單元與全局總趨勢相符的程度，并揭示數據的空間異質性[23]，利用局部莫蘭指數（Local Moran′sI）可以識別非糧化率高值和低值的空間關聯模式，公式如下：

Local Moran′sI的取值不限于[-1，1]，因此通過以下公式對其進行統計檢驗：

1.3.3 指標體系構建

耕地“非糧化”受自然因素與社會經濟因素的影響較大，以整體性、適宜性、科學性和數據可得性為原則，從自然、區位、社會經濟、農業生產能力、農業生產投入和農業資源稟賦6 個維度選取指標來構建耕地“非糧化”驅動因子指標體系（表1）。

表1 耕地非糧化水平驅動因子指標體系Table 1 Index system of driving factors for non-grain level of cultivated land

地形地貌因素會制約和影響土地的利用方式及程度，坡度越大，種植蔬菜、水果、茶葉等經濟作物收益更高，趨向于“非糧化”；海拔高低變化引起的溫度變化會影響該區域種植作物的生長，因此選用坡度和海拔作為自然條件的衡量指標。

重慶市具有明顯的分區發展模式，距離中心城區較近的區縣經濟水平高、糧食需求大、交通運輸條件好，這樣的區位條件會影響區域農業生產的方向，因此選擇各區縣距中心城區距離作為衡量區位條件的指標。

一個地區的經濟發展水平會影響農戶收入水平，進而影響和改變其種植作物的選擇，地區生產總值可以表征一個地區的經濟發展水平，城鎮化率能反映區域的城鎮化進程，農村人均可支配收入和城鄉人均可支配收入差距可以反映出農村經濟特征以及城鄉發展的差距，因此選擇以上4 個指標來衡量社會經濟的發展水平。

農業發展的狀況對耕地非糧化也有較大影響，糧食單產和農業生產總值能反映研究單元的糧食生產能力和農業生產規模；從投入-產出的角度來看，農業生產的投入也會影響糧食生產與農戶的種植選擇，因此選用農業機械總動力、農藥化肥施用量、農業勞動力占比來表征其農業生產投入水平；某地所擁有的耕地面積決定其農業生產的上限，會影響農戶的利用方式，而氣候生產潛力指數能夠反映在農業氣候條件達到理想最優時農作物所能達到的最高產量。因此選用以上指標來衡量農業發展的整體狀況。

1.3.4 地理探測器

地理探測器是一種探測分析空間分異性及其背后驅動力的一組統計學方法[27]。其核心理論是：若某自變量對某因變量產生影響較大，那么自變量與因變量的空間分布格局應趨于一致[28]。因子探測器中q統計量值可以用來評判自變量對因變量空間分異的解釋力，q值為0則因變量與自變量無關，q值為1則表明該自變量完全解釋了因變量的空間分布。公式如下：

式中：h為因子X或變量Y的分層（分類或分區），h=1，2，…，L；Nh和N分別為層h和全區單元數和σ2分別是層h和全區Y值的方差。

交互作用探測用于識別不同風險因子間的交互作用，通過分析兩個因子疊加之后的q值與原單個因子q值的關系來判斷不同因子之間的交互作用及其強度，因子交互類型的劃分見表2。

表2 因子交互作用類型Table 2 Types of factor interaction

1.3.5 耕地非糧化驅動類型劃分

主成分分析法基于線性代數、支持向量機等相關理論，通過降維處理將多個因子轉化為一個或幾個綜合指標[29]，獲得原始資料反映的特征信息，本研究采用主成分分析法提取重慶市耕地非糧化驅動因子的綜合指標。K均值聚類法通常將樣本數據依據某種特征劃分為n組，在選擇初始聚類中心的基礎上，依據距離規則反復迭代以確定最終分組[30]?；谥鞒煞值梅?，利用K均值聚類法可以得到耕地非糧化不同的驅動類型。

2 結果與分析

2.1 重慶市耕地非糧化時空演變特征

重慶市耕地非糧化率上升明顯，2011—2020 年耕地非糧化率平均值由37.51%上升至42.87%，增長了5.36 個百分點。非糧化率最高值由2011 年的98.63%降為2020年的76.22%，最低值由21.18%增長為27.21%。

參考前人的研究[6，25]，在使用自然斷點法使非糧化率各組分類差異最大化的基礎之上，適度調整分類界限，以更好地對比兩個年份重慶市耕地非糧化情況的差異，本研究將重慶市耕地非糧化程度劃分為3 個等級：低度非糧化（非糧化率≤35%）、中度非糧化（35%＜非糧化率≤50%）、高度非糧化（非糧化率＞50%）。重慶市耕地非糧化在空間上呈現出較強的差異性（圖2），總體呈現西南高東北低的格局，2011—2020 年空間分布格局變化顯著，2011 年高度非糧化區域集中于中心城區，中度分布于主城新區并逐步向東南城鎮群蔓延，至2020 年，低度非糧化僅存于渝東北山區。統計結果（表3）表明，2011—2020 年重慶市中度非糧化水平的區縣增加了12 個，高度非糧化水平的區縣增加了2 個，說明重慶市耕地非糧化水平呈現由低度向中高度轉化的趨勢。

表3 不同程度非糧化區縣數量與占比Table 3 The number and proportion of districts and counties with different degrees of non-grain cultivated land

圖2 重慶市耕地非糧化空間格局Figure 2 Spatial pattern of non-grain cultivated land in Chongqing

2011 年和2020 年重慶市耕地非糧化的全局Moran′sI通過90%和95%的置信度檢驗，Z值為正且均大于臨界值1.65，說明重慶市耕地非糧化的空間分布格局有較強的正相關性。研究期內，重慶市耕地非糧化全局Moran′sI上升，由2011 年的0.14 上升為2020年的0.18，說明重慶市非糧化的空間聚集程度隨著區域的發展而加大。

圖3 展示了重慶市耕地非糧化集聚的空間分布格局，重慶市耕地非糧化的空間集聚類型以高-高集聚和低-高集聚為主，2020 年重慶市高-高集聚的區縣有5 個，均為重慶市中心城區。高值聚類區位于經濟發展水平較高的城建區，城市化的推進以及農業生產的多樣性促使耕地利用脫離了糧食生產，因此非糧化程度很高。低-高集聚的區縣一直保持在6 個，均圍繞著中心城區分布，這些區縣是重慶的主城發展新區，其經濟發展并不成熟，承接中心城區的功能與產業轉移，對于耕地的使用仍然以保證糧食生產為主，因此形成低高聚類。低-低集聚分布于渝東北，該區域在重慶市“一區兩群”的規劃中被視為生態涵養發展區，城鎮化進程較慢，農業生產本底較好，有良好的糧食生產條件，因此非糧化率較低。

2.2 重慶市耕地非糧化驅動力

2.2.1 因子探測結果

基于地理探測器“因子探測”模塊可確定14 個驅動因子對耕地非糧化空間分異的貢獻率以及重要性。14 個因子均通過顯著性檢驗，探測結果（表4）表明，重慶市耕地非糧化空間分布差異受多種因子共同驅動，各因子按照q值降序排列為：城鄉居民人均可支配收入差距（0.380）＞城鎮化率（0.360）＞各區縣距主城區距離（0.357）＞農業勞動力占比（0.334）＞農業機械總動力（0.327）＞GDP（0.309）＞高程（0.227）＞氣候生產潛力指數（0.221）＞坡度（0.216）＞農藥化肥使用量（0.211）＞農村人均可支配收入（0.201）＞農業總產值（0.170）＞糧食單產量（0.145）＞耕地面積（0.134）。

表4 單因子探測結果（q值，P＜0.01）Table 4 Single factor detection results（q statistic value，P＜0.01）

結果顯示，社會經濟、區位和農業生產投入因子對重慶市耕地非糧化的空間解釋力度較強，城鄉人均可支配收入差距的q值最大，其可以看作是其他一些因子影響下的綜合體現，具體影響機理如圖4 所示。距離中心城區越近的區縣非糧化率越高，這與空間自相關的分析結果相印證，中心城區是經濟發展的核心，該區域高度非糧化區縣集聚，是因為其經濟的發展使得GDP 逐年增加、城鎮化率不斷提升，這導致區縣耕地使用更多地脫離糧食生產的功能，轉而種植經濟效益更高的經濟作物或者尋求生產性調整，城區具有了很強的輻射和吸收能力，不斷吸引鄉村人口向城區流動，由此造成了鄉村勞動力的流失，農業勞動力占比低的區縣受制于勞動力不足會減少糧食作物種植，最終導致城鄉發展割裂、鄉村衰落，城鄉可支配收入差距增大，非糧化率升高。盡管經濟作物的種植能一定程度上增加農民收益，但并不能彌補農村發展上的缺陷和不足，仍然無法縮小城鄉居民的收入差異。

圖4 重慶市耕地非糧化影響機理Figure 4 Influence mechanism of cultivated land in Chongqing

農業機械總動力對耕地非糧化的解釋力也較強，是一個正向指標?！鞍驼铺?、雞窩地”是重慶市土地資源自然稟賦的短板，山地丘陵地形使得耕地破碎化，從而限制了耕地的使用效率。重慶于2004 年頒布實施的《農業機械化促進法》和2005 年以后國家實施的農機購置補貼政策都促使重慶農業機械化水平的提高，在“十二五”期間整體機械化率由26%提升至42%，至2017 年已達47.2%。進行土地整理、提高農機應用率可以降低糧食種植成本，提升種糧效率，從而提高農民的種糧意愿。

2.2.2 因子交互探測結果

重慶市耕地非糧化率的空間變異交互探測結果（圖5）表明，任意兩因子的相互作用均大于單一因子的解釋力，且因子交互類型多為非線性增強。

圖5 因子交互探測熱力圖Figure 5 Heat map of factor interaction detection

各區縣距中心城區距離與城鄉居民可支配收入差距因子交互對非糧化空間格局的影響最強，q值高達0.98；農村人均可支配收入∩城鄉可支配收入差距的q值達0.95，說明經濟因子的交互也能很好地解釋非糧化空間格局的形成；城鎮化率∩各區縣距中心城區距離、農業勞動力占比∩各區縣距中心城區距離，以及農業勞動力占比∩農業機械總動力的q值均在0.9 以上，從交互類型來看，區位因子和經濟因子、農業投入類的因子交互后對重慶市耕地非糧化空間分異的解釋力極強，說明重慶市非糧化情況與區位密切相關，在空間上有明顯的劃分，因此有必要進行分區探討。自然條件與社會經濟、區位條件與社會經濟的交互增強了對非糧化現象的解釋力，如高程、糧食單產量等單因子在與其他因子交互后具有很強的解釋力，說明重慶市耕地非糧化分異是不同影響因素共同作用的結果。其余交互因子q值未達到0.9，但交互后解釋力均有很大的提升，表明雙因子較單一因子對非糧化空間分異影響程度更高。

2.3 重慶市耕地非糧化驅動類型

2.3.1 劃分方法

利用主成分分析方法對所選的14 個指標進行主成分提取，以確定影響耕地非糧化的主要因子。主成分分析所得KOM 值為0.773，通過顯著性檢驗，說明主成分分析可行。前3個主成分的特征值（表5）依次為5.63、3.45、1.39，其累積貢獻率占總方差百分比的74.81%，說明前3 個主成分可以涵蓋14 個指標的信息，因此選用前3 個主成分作為耕地非糧化驅動類型劃分的依據。

表5 主成分特征值與貢獻率Table 5 Eigenvalues and contribution rates of principal components

成分矩陣（表6）表明，第1 主成分在區縣距中心城區距離、城鎮化率、農村人均可支配收入等因子上具有較大載荷，將該主成分歸為經濟與區位因子；第2 主成分在農業生產總值、糧食單產量、農業機械總動力、化肥農藥施用量上有較大載荷且呈正相關，可歸為農業生產投入與產出因子；第3 個主成分在氣候生產潛力指數、城鄉人均收入差距上有較大載荷，氣候條件決定了農業發展的適宜性，而城鄉收入差距可以體現農村、農業的發展狀況，因此將此歸為農業發展條件因子。

表6 成分矩陣Table 6 Component matrix

計算各區縣在3 個因子上的主成分得分，依據該得分進行K均值聚類分析，以判別不同的非糧化驅動類型，聚類分析結果（圖6）表明：第一類在農業生產投入與產出因子上得分較高，第二類在經濟與區位上得分較高，第三類在農業發展條件因子上得分高于另兩類。因此認為重慶市耕地非糧化驅動類型可以劃分為三類：農業生產支持型、經濟區位引導型和農業生產弱化型。

圖6 分類主成分得分Figure 6 Classification principal component scores

2.3.2 重慶市非糧化驅動類型劃分

通過K均值聚類分析最終獲得了重慶市37 個區縣耕地非糧化驅動類型的劃分結果（圖7），該劃分結果與重慶市區域發展規劃——“一區兩群”格局一致（圖8），各類型指標平均值見表7：

表7 非糧化各驅動類型指標均值Table 7 Mean values of non-grain indicators of each driving type

圖7 非糧化驅動類型劃分Figure 7 Classification of non-grain driving types

圖8 重慶市“一區兩群”規劃圖Figure 8 Planning diagram of“One district and two groups”in Chongqing

（1）農業生產支持型：共計12 個區縣，大部分屬于重慶市的主城新區，以中度非糧化為主，平均耕地非糧化率為41.77%。該類型區縣圍繞中心城區分布，經濟發展迅速，交通區位條件較好，其在農業化肥、機械總動力、農業生產總值等指標上均值最高，說明該類型有大量的農業投入并且農業生產能力很強。上述特征表明農業生產支持型的非糧化區縣符合其經濟發展的態勢，良好的區位條件促使其不斷向中心城區的發展靠近，但并未完全喪失農業生產的功能。

（2）經濟區位引導型：共計16 個區縣，是最主要的非糧化驅動類型（43.24%），平均非糧化率僅為38.56%，主要分布在渝東北和渝東南城鎮群，“城鎮群”的主要目的是在不破壞生態的前提下固定過剩勞動力[31]，這極大地影響了其農用地的使用。該類型GDP、城鎮化率、農業生產總值均值是三種類型里最低的，距主城區的距離也最遠，經濟發展與城鎮化較緩，使得農業從業人口中從事農業的比例最高，“兩翼”生態保護的定位，也確保了對耕地的保護和使用。

（3）農業生產弱化型：共計9 個區縣，多位于中心城區，是非糧化程度最嚴重的類型，平均耕地非糧化率為52.02%。該類型氣候生產潛力指數最低，說明農業生產的自然條件弱于其他兩個類型，其城鄉居民可支配收入差距最大。這是由于該類型的區縣著力發展二三產業以實現區域經濟的完善，多數已發展為城建區，導致農業發展萎縮，缺少農業生產條件，因此促進了非糧化率的升高。

3 討論

3.1 重慶市耕地非糧化時空格局與驅動力

本研究表明，重慶市整體處于中度非糧化狀態，耕地非糧化存在空間依賴性，與城市經濟發展和區域功能規劃密切相關，經濟發展水平越高的地方越容易產生非糧化行為，同時非糧化活動因產業發展、風俗習慣以及村民間相互學習和借鑒而易形成集聚[4]。因子探測結果表明，城鄉居民人均收入差異對重慶市非糧化空間格局分異的解釋力最強，由此推測重慶市耕地非糧化的影響機理本質上是城鄉發展的二元制導致了農村發展衰弱、農業勞動力流失、農業投入減少，從而加重了地區的非糧化率。對比張穎詩等[25]對廣東省非糧化的研究發現，兩地同為山地丘陵地形區，其缺少了農業機械化對非糧化影響的探討，山地丘陵的破碎化是導致農作物種植困難和產量低下的重要原因[32]，且耕地破碎化對于促進非糧化有較強的正向作用[33]，因此進行土地綜合整理與規劃、提高機械化水平對于丘陵山地地形區來說是遏制過度非糧化的重要手段，但在機械化應用過程中應合理引導，不能完全為了提高效益只種植經濟作物而忽視了糧食生產，要避免種植結構的失衡。

當前研究多針對中國整體的非糧化情況進行探究，聚焦市、縣等中微觀尺度的研究較少，以往以中國[7]、山東[14]、廣西[24]、廣東[25]為研究區域探究耕地非糧化影響因素的研究采用地理加權回歸、隨機森林、線性回歸等方法探討了單個因子與非糧化之間的相關性，而未考慮多個因素交互后對耕地非糧化的作用及影響。本研究使用地理探測器發現，重慶市耕地非糧化受兩個因子交互的影響均大于單個因子的影響，且區位因子與經濟、農業生產條件類因子交互后解釋力極強，說明重慶市耕地非糧化受區位、經濟的引導作用較大，而雙因子交互后解釋力增強也證明非糧化分異形成原因具有復雜性，是多因素共同作用的結果。

3.2 耕地非糧化分區管控措施

通過主成分分析以及K均值聚類方法，本研究對重慶市非糧化驅動類型進行了劃分，所得劃分結果與重慶市“一區兩群”的發展規劃一致，說明“一區兩群”不僅是經濟發展、區域發展的規劃，同時也可以作為重慶市非糧化分區精準管控的參照。

（1）農業生產弱化型：耕地非糧化率因城區經濟發達且農業生產稟賦較弱，要以城市周邊永久基本農田劃定成果為依據，調整耕地和基本農田保護目標，優化調整農用地結構，鑒于其核心帶動功能和產業升級引領區的發展定位，應利用都市核心區良好的糧食需求市場和銷售渠道確保種糧農民的收入，以維系耕地的糧食種植功能。

（2）農業生產支持型：經濟發展潛力大、速度快，城鎮化進程快，作為主城新區仍保有農業發展的能力，該類型應加快培育農民合作社、家庭農場等新型農業經營主體，創新股權合作機制和農業經營模式，完善利益聯結機制，實現小農戶和現代農業有機銜接，應在土地合同中明確耕地用途和作物種類，避免違約情況的發生，防止無序無理的非糧化行為。對耕地土層損害較小的非糧種植行為可被適度允許，一些生態農業一體化耕作模式，如稻魚一體化、稻羊一體化不會過度脫離糧食生產，同時又可以提高耕地產出效率和農民收入，不僅符合了區域經濟發展、促進了鄉村振興，也一定程度上保障了糧食生產安全。

（3）經濟區位引導型：屬于重慶市的生態涵養和保護區，也是重要的糧食生產區，高海拔以及遠離主城區使其經濟發展緩慢，該類型區縣應從自然地理條件、農民種植意愿以及市場需求等角度考慮糧食作物與經濟作物的種植結構，發展壯大現代山地特色高效農業，使產業發展與糧食生產協調同步，推廣新型立體綜合養殖農業以達到穩糧增效的目標。嚴格落實永久基本農田特殊保護制度，切實落實“兩區”的建設和經營，并且利用遙感監測技術對易發生非糧化的區域進行監控，嚴控對生態和耕地土層破壞的非糧化行為。

本研究針對重慶市耕地“非糧化”進行了探究，除自然條件、經濟區位等影響因素之外，還考慮了農村、農業的發展狀況，以此闡明了城鄉發展的割裂對耕地非糧化造成的影響。但驅動因素未包含土地流轉及農戶自身行為因素，也沒有探明不同非糧化類型的占比、空間集聚程度以及成因，后續研究應利用區縣乃至鄉鎮等微觀尺度遙感數據進一步探討耕地非糧化的時空變化特征及影響因素，更深入地了解耕地非糧化的驅動機制，為抑制過度非糧化、確保我國糧食安全提供更科學的政策依據。

4 結論

本研究選擇重慶市37 個區縣為研究單元，收集相關數據揭示山地丘陵山區的耕地非糧化空間格局及特征，識別驅動因子并進行驅動類型劃分，主要結論如下：

（1）2011—2020 年重慶市平均非糧化率提升，中、高度非糧化區縣的數量增加。重慶市耕地非糧化在空間上存在相關性，聚集程度隨區域的發展而加強。中心城區是重慶市非糧化的熱點區域，整體來看，重慶市耕地非糧化程度加深。

（2）單個因子探測中城鄉人均可支配收入差距對重慶市耕地非糧化空間格局分布解釋力最強，說明城鄉發展割裂、鄉村發展衰落導致耕地非糧化現象的增加。對于山地城市來說，提高機械化水平有助于抑制耕地非糧化趨勢。雙因子交互后解釋力均明顯增強，證明非糧化受多種因素的影響。

（3）重慶市非糧化驅動類型劃分結果與重慶市城鄉發展規劃的“一區兩群”格局一致，包括三種類型：①農業生產支持型，主要包含主城新區，位于渝西南；②農業生產弱化型，集中于中心城區，其農業生產條件本身較弱，加之經濟產業的快速發展，導致平均非糧化率最高；③經濟區位引導型，是最主要的非糧化驅動類型，分布于生態涵養與保護為主的兩個城鎮群，靠近山區，加大監控力度、尋求糧食生產與生態的平衡是關鍵。