基于地理探测器的耕地破碎化影响因素分析——以广州市为例

陈俊韬，林锦耀

（广州大学地理科学与遥感学院，广州 510006）

当前，中共中央一直将保障国家粮食安全作为首要任务［1，2］。完成任务的根本在耕地，耕地是粮食生产中的基础资源［3］。然而，耕地资源普遍存在破碎化的问题，实现保障粮食安全的战略目标需要探明耕地破碎化的影响因素。国内外学者将耕地破碎化定义为一定地域内存在不相邻的［4-6］，土地利用低效且被人为、自然因素干扰，面积不均、分布无序的耕地地块［7-12］。耕地破碎化间接制约了农业发展［13-15］，降低了土地农业收益［16-19］。

国内外学者普遍认为耕地破碎化的影响因素可分为自然条件因素和人类社会活动因素2 个方面［20］。自然条件因素包括地形、坡度以及耕地肥力等［21-23］；人类社会活动因素主要体现在农村人口数量［24］、政策［25-27］、社会经济基础［28，29］、耕地使用制度［30］、耕地地块与城镇之间的距离［31］、交通建设和居民点设立等方面［23］。随着时代进步，人类社会活动因素对耕地破碎化的影响越来越大［32］，逐渐成为主导因素［33，34］。以往研究常采用改进后的TOPSIS法［35］、MAVF 法［36］、景观指数分析法和熵权法［37，38］等来评定耕地破碎化程度；通过核密度函数、景观格局指数法等进行定量分析［38，39］或采用主成分分析法进行综合分析［37］来确定耕地破碎化的影响因素。

耕地破碎化研究主要集中于耕地破碎化的内涵解析［35，40］、耕地破碎化程度评价［41-43］、耕地破碎化造成的影响［35，44，45］以及成因［46］等方面。耕地破碎化的影响因素作为认识和解决耕地破碎化问题的基础，值得被各界所重视。但目前关于影响因素的研究较少，其中部分研究为定性分析，已有的定量研究所选取的指标也较为有限［46］，研究广度仍有待提高。同时，已有研究采取多种方法组合进行综合分析的研究较少。随着王劲峰等［47］开发出地理探测器模型和相关软件，地理探测器逐渐被应用于景观破碎化研究［48，49］。地理探测器模型适合用于探究研究目标主体的空间分异性、探测驱动因素［50-53］或解释影响因素［54-57］、分析不同研究因子间的交互关系等方面。

本研究以广州市为研究区，基于地理探测器模型并结合景观格局指数法、主成分分析法等多种方法，通过Fragstats、SPSS、地理探测器等软件，选取7种景观格局指数作为构建耕地破碎化程度评价体系并与所选10 种自然条件、人类社会活动因子进行综合分析，探测10 种因子对耕地破碎化的影响程度。本研究旨在探索并验证耕地破碎化的相关影响因子，并根据研究结果提出有针对性的建议，以期让政府及有关部门能更有效、快速地寻找到改进措施的切入点，为合理高效的耕地布局调整提供一个新的视角，为相关研究提供一定参考价值。

1 研究方法

1.1 景观格局指数及其选取

景观格局指数可以反映研究区在类型水平上的相关情况，本研究基于景观生态学等理论，应用Fragstats 软件计算出的耕地类型水平的景观指数作为计算广州市耕地破碎化综合指数的基础数据。当前，用景观格局指数探究破碎化现象一般以行政单元作为研究单位［49，58］，因此本研究也以此选取聚集度指数（AI）、边缘密度指数（ED）、斑块平均大小指数（MPS）、平均最近距离指数（MNN）、斑块密度指数（PD）、面积加权的平均斑块分形指数（AWMPFD）和面积加权的平均形状指数（AWMSI）共7 个指数来构建耕地破碎化程度计算模型［59］。所选取的各景观格局指数的计算公式参照文献［60］。

研究对象质量基础参数的衡量与评价可以由评价指标来完成［61］。本研究选取多个景观格局指数，确定各指数权重并计算出可表示耕地破碎化程度的结果，利用分值来确定、划分耕地破碎化程度。

1.2 主成分分析法

主成分分析法是将样本间差距较大的指标抽取出来，通过对变量进行转换的方法来实现数据降维［62，63］，本研究在SPSS 软件中进行分析。主成分分析主要过程的公式参见文献［64］，最终进行归一化主成分分析结果的表达式如下。

式中，Y为最终得分；Fi为第i个主成分值；wi为第i个主成分的方差贡献率。

1.3 地理探测器法

地理探测器可用于地理要素对研究对象空间分布的影响因素的探测，该方法用因子的解释力判断某因子是否为研究对象的影响因素及其影响程度的强弱。地理探测器共有4 个部分，每部分各自的原理：①风险因子探测，探测Y的空间分异性及因子X在多大程度上解释了属性Y的空间分异，用q进行衡量［33］，q越大说明该因子对耕地破碎化程度的影响力越大；②交互作用探测，探究待验证的不同的风险因子Xs（假设为X1、X2）共同作用时是否与单个因子（X1或X2）对因变量Y的解释力有差异，差异的结果如何；③风险区探测，用于判断2 个子区域间的属性均值是否有显著的差别；④生态探测，用于比较2 种待验证风险因子对属性Y的空间分布的影响是否有显著差异。

1.4 技术路线

首先，选取特定的几个景观格局指数，利用Fragstats 软件计算数据的指数值，并通过主成分分析法确定权重进行综合计算，构建广州市耕地破碎化程度评价体系，确定各行政辖区的耕地破碎化程度等级。其次，对各因子数据进行处理，得到各区域因子等级分布数据。最后，利用Arcmap 采样功能进行数据采集，然后打开地理探测器，将采样得到的待验证影响因子的相关数据进行探测，分析结果，提出对策。具体技术路线如图1 所示。

图1 技术路线

其中，选取的待验证影响因子来自自然条件和人类社会活动2 个方面［20-26］。本研究选取年平均气温（以下研究中称气温因子）、年平均降水量（以下称降水量因子）、海拔、坡度、与水体的距离（以下称水体距离因子）、与建设用地的距离（以下称建设用地距离因子）、与道路的距离（以下称道路距离因子）、与市区行政中心的距离（以下称市区行政中心距离因子）、人口密度、GDP 共10 项作为待验证因子。

2 研究区概况与数据处理

2.1 研究区概况

广州市是广东省省会，位于112°57′—114°3′E，22°26′—23°56′N，地势西南低、东北高，属海洋性亚热带季风气候，全年水热同期，2015 年平均气温为22.7 ℃，平均相对湿度为79.5%，降水量为2 245.5 mm，日照时数为1 629.4 h。同时，广州市内水系发达，河网密度较高，由于各种地理优势，境内的果树资源和花卉资源等都较为丰富。截至2015 年末，广州市全市土地中有70%为农用地，广州市耕地总资源为96 998 hm2，全市平均每个农业人口拥有耕地0.03 hm2，与2005 年相比有所下降；平均每个农业从业人员拥有耕地0.15 hm2，上述2 项人均数据与2010—2014年相比基本保持稳定。在耕地政策上，广州市较早开展了农村土地综合整治运动，对农村的“田水路林村”进行综合整治，通过拟定并实施土地利用总体规划、土地利用专项规划来增加耕地资源的数量，同时耕地资源的质量也显现出逐渐提高的态势。

2.2 数据来源

研究所采用的数据包括广州市DEM 高程数据、2015 年广州市GDP 公里格网数据、2015 年广州市年平均气温分布数据、2015 年广州市年平均降水量分布数据、2015 年广州市土地覆盖数据、2015 年广州市人口密度公里格网数据、2015 年广州市交通路网数据、2015 年广州市行政区划（街道/镇）矢量图层、2015 年广州市市区行政中心点状矢量图层，均来自中国科学院资源环境科学与数据中心。

3 结果与分析

利用Arcmap 的渔网工具进行采样时，相关研究一般将采样间距设为1 000 m，即渔网的网格大小设定为1 000 m×1 000 m，本研究设定网格大小为500 m×500 m，在研究精度上有一定的提升。以渔网网格质心作为采样点，筛选后得到有效采样点22 798 个，采集每个采样点对应位置10 个因子的等级和耕地破碎化程度综合指数，置于地理探测器中运行，对所得结果进行分析。

3.1 耕地破碎化空间分布状况

主成分分析得到的主成分有2 个，处理后得到耕地破碎程度综合指数的表达式如下：

式中，Y1、Y2分别为第一和第二主成分值；Y为归一化后的综合主成分值，且将Y作为对应街道/镇的耕地破碎化程度综合指数；Z为对应指数标准化后的结果。

根据式（2）、式（3）、式（4）计算出广州市各街道/镇的耕地破碎化程度综合指数，并按自然断点法分为低、较低、一般、较高、高5 级，所得结果如图2 所示。其中，破碎化程度高的街道/镇主要位于从化区西部、花都区西部和增城区南部，破碎化程度低的街道/镇则主要位于从化区中部和番禺区中部。

图2 2015 年广州市耕地破碎化程度指数及其程度等级分布

3.2 风险区探测

由于风险区探测结果较多（10 个待验证因子对应得到10 个风险区探测结果），此处仅以人口密度因子和GDP 因子的风险区探测结果为例进行分析。3.2.1 人口密度 由表1 和图2 可知，人口密度因子在有耕地分布的街道/镇中仅存在3 个等级，即在人口密度高的区域耕地破碎化较普遍，甚至会出现区域内无耕地的情况。同时，人口密度等级为2 级时，破碎化程度为较低等级，且比其他等级下低。广州市行政区域内人口密度越大的区域，一般城镇化建设水平越高，耕地破碎化现象相对普遍，且有出现无耕地分布的状况，如天河区，其人口密集程度较高，辖区内基本为非农用地。经t检验可知，在人口密度等级为2 级时的耕地破碎化程度综合指数与其他等级间有显著差异（P＜0.05），人口密度等级为1 级时的耕地破碎化程度综合指数与人口密度等级为3级时的无显著差异（P＞0.05），即在有耕地分布的区域，人口密度低的区域和人口密度高的区域耕地破碎化实际情况相差不明显。3.2.2 GDP 由表2 并结合所有风险区探测结果得知，GDP 等级为3 级时的耕地破碎化程度综合指数为-1.191，是所有待验证因子等级类型中耕地破碎化程度综合指数最低的一种因子等级类型。根据GDP 因子各等级下的耕地破碎化程度综合指数可以发现，随着GDP 等级的增加，耕地破碎化程度呈先减弱后加强的趋势。当GDP 超过某一数值后，该区域由于经济相对发达，该类区域的土地基本被规划为居住用地、商业用地等建设用地类型导致无耕地分布。在GDP 等级为1 级、2 级的行政区（街道/镇），其耕地破碎化程度分别表现为较高和一般，而在GDP 等级为3 级与4 级时，其耕地破碎化程度均表现为较低，主要原因是相对1 级、2 级GDP 高的区域，其相关政策如土地整治政策等落实情况、实施效果较为理想。经t检验可知，广州市街道/镇在不同GDP 等级下的耕地破碎化程度综合指数在统计学上均存在显著差异（P＜0.05）。

表1 不同人口密度等级下的耕地破碎化程度

3.3 风险因子探测结果与分析

由表3 可知，10 个待验证因子对应的P均为0.000，表明这10 个因子均是耕地破碎化程度的影响因子，且这一推论的可能性、可信性大于99.99%。各因子q大小表现为X5（市区行政中心距离）＞X4（气温）＞X6（GDP）＞X3（坡度）=X8（海拔）＞X2（降水量）＞X7（建设用地距离）＞X10（道路距离）＞X9（水体距离）＞X1（人口密度）。由此可知，与市区行政中心的距离是该区域耕地破碎化程度最大的影响因子。这是由于广州市市区的城镇基础设施建设较好，且商业化、工业化程度较高，对农产品需求量较大，通常是农产品交易的主要场所；同时，市区行政中心一般设置在市区中基础设施建设较完善的地段，除此以外，市区行政中心对其周边的土地用途的规划、落实和监控较为到位，综合以上多方面原因，与市区行政中心的距离成为了该区域耕地破碎化程度的重要影响因素。

表3 耕地破碎化程度风险因子探测结果

对耕地破碎化程度影响最小的因子是人口密度，结合广州市土地覆盖数据可知，人口密度等级为4~5 级的区域是开发程度较高、楼层密集且容积率高的城市区域，域内无耕地分布，从而在此类区域内并不存在采样点所导致。因此，采样点所采集的人口密度数据为1~3 级，在等级范围内人口密度因子对耕地破碎化影响较小；在人口密度为4~5 级时，无耕地区域的存在在一定程度上证明了人口密度对耕地破碎化实际存在影响，但由于难以将该影响量化而导致在总体上所探测出的人口密度因子对耕地破碎化的影响程度偏低。

3.4 生态探测结果与分析

由表4 可知，气温因子、市区行政中心距离因子、GDP 因子与除其自身外的其他因子相比均存在显著差异（P＜0.05）；人口密度因子、建设用地距离因子、水体距离因子以及道路距离因子的生态探测结果显示其两两之间无显著差异，即反映出这些因子对耕地空间分布的影响力相差不显著（P＞0.05）。

表4 待验证影响因子生态探测结果

3.5 交互探测结果与分析

由表5 可知，两两因子交互作用之后得到的影响耕地破碎化程度的q均大于其中一种因子独自作用时的q，即在对耕地破碎化程度的影响程度上，待验证的10 种因子中任意2 种因子的相互作用均比其中一种因子单独作用对耕地破碎化的影响更大。任意双因子的交互作用有2 种结果，即双因子增强或非线性增强。双因子增强即因子A与B交互作用的q表现为max(q(A),q(B))＜q(A∩B)＜q(A)+q(B)；非线性增强则表现为q(A∩B)＞q(A)+q(B)。

表5 待验证影响因子交互探测的q 值

由表6 可知，降水量因子与除自身外的其他待验证因子的交互作用结果均为非线性增强，说明降水量不仅自身对耕地分布具有一定影响力，在与其他因子交互作用时使双因子的影响力扩大，超过了2 个因子单独作用的作用和。表5 中各自然条件与人类社会活动因子交互探测的结果说明这10 种因子相互作用对耕地破碎化的影响均表现为增强。因子对耕地破碎化的影响不是相互独立而是关联的，当其中一个因子发生变化时，耕地的分布和破碎化程度极有可能发生变化。

表6 双因子交互探测效果

4 小结与建议

4.1 小结

1）广州市耕地主要分布在花都区、增城区、南沙区、从化区、黄埔区、番禺区和白云区等。

2）年平均气温、年平均降水量、海拔、坡度、与水体的距离、与建设用地的距离、与道路的距离、与市区行政中心的距离、人口密度、GDP 都是影响耕地破碎化程度的重要因素。其中，单因子对耕地破碎化程度影响强度由强到弱为市区行政中心距离因子、气温因子、GDP 因子、坡度因子和海拔因子、降水量因子、建设用地距离因子、道路距离因子、水体距离因子、人口密度因子。

3）同种因子中由于因子等级不同而产生平均耕地破碎化程度综合指数差异不同。差异最大的3 个因子是市区行政中心距离因子、GDP 因子、气温因子；差异最小的是建设用地距离因子，其次是人口密度因子。故与市区行政中心的距离、所属区域GDP及其年平均气温不同的区域耕地破碎化程度差异的幅度较大，而人口密度不同、与建设用地的距离不同的区域耕地破碎化程度差异的幅度较小。

4）10 种因子中任意2 种因子的交互作用均为双因子增强或非线性增强，因子间起协同作用，且气温因子与除自身外的其他因子的交互作用结果都为非线性增强，表明气温因子与其他因子作用时的促进效果最强。其次，与除自身外的其他因子交互作用促进效果较强的是道路距离因子、人口密度因子、GDP 因子、建设用地距离因子、水体距离因子。

4.2 对策及建议

为保障国家粮食安全，提高耕地产出效率，需要有针对性、有策略性地降低广州市耕地破碎化水平，结合研究结果，提出以下建议。

1）定期监测耕地破碎化影响因子数据，提前制定应对预案。通过研究分析得知，市区行政中心距离因子、气温因子、GDP 因子、海拔因子、坡度因子、降水量因子6 个因子对耕地破碎化的影响较强。因此，需要根据因子特征合理进行定期监测或监控。例如，GDP 可作为监测耕地破碎化程度变化趋势的风向标，当GDP 因子发生变化时，及时查清变化原因及程度，以问题为导向制定土地发展政策，保持耕地分布稳定以及确保耕地破碎化程度不会升高。由于气温因子、降水量因子对耕地破碎化程度均有影响，同时降水量因子对其他因子促进作用强，再结合这2 个因子的特征和结果，所以建议这2 个因子的数据采集间隔短于其他因子的采集周期。当采集到的数据发生变化尤其是连续变化达到一定次数时，应结合本研究所得其在不同等级下的耕地破碎化程度相关结果预测其变化趋势，有针对性地对目标区域制定防止耕地破碎化程度扩大的预案。

2）不断修正研究结果，定期进行综合分析，判断发展动向。今后可在本研究基础上继续试验，对成果进行不断修正，得到精准的预测模型。在较长的时间年限对研究区的影响因子数据、耕地分布现状进行综合分析，将所得综合分析结果与预测模型进行对比，判断出不加其他干涉下的发展趋势，因地制宜制定具体应对措施，促进或抑制该种耕地破碎化的发展趋势。

3）多管齐下改善广州市耕地破碎化现象。改善耕地现状，完善耕地基础设施；坚守耕地红线，继续推进高标准基本农田建设；促进城乡统筹，贯彻落实增减挂钩项目实施；加大对耕地的管控力度，贯彻落实进出平衡、占补平衡等耕地保护实施办法；通过讲座等方式提高公众参与度等手段必不可少。