www.aed
Spatial pattern differentiation of cultivated land non-grain conversion in major grain-producing areas
CHANG Yuanyuan 1,LIU Junna 1,ZHANG Qi 1,YU Haochen 1,BIAN Zhengfu 1,CHEN Fu 1,2*
（1.School of Public Policy and Management,China University of Mining and Technology,Xuzhou 221116,China;2.Low Carbon Energy Institute,China University of Mining and Technology,Xuzhou 221008,China ）
Abstract ：This study aimed to explore the overall situation of cultivated land non-grain conversion,revealed the spatial pattern characteristics and its caus of cultivated land non-grain conversion,and provided scientific and technological support for cultivated land protection and food curity.Taking Xuzhou City as the study area,we ud spatial autocorrelation,redundancy,and ca analys to study the spatial differentiation characteristics,dominant factors,and action mechanism of non-grain production in major grain-producing areas.The results showed that the non-grain rate of legal farmland （LF,10.25%）,basic permanent farmland （BF,7.30%）,and cultivated land in major grain-producing areas （FF,2.67%）in Xuzhou City decread successively,and the non-grain conversion rate of the urban area was high and the non-grain conversion area of the suburb was large.Six towns e
xhibited areas of cultivated land non-grain conversion over 500
hm 2,distributed in the southern outer suburb and the northwest corner.The rate of non-grain conversion reprented a decreasing diffusion from the center to the outer suburb.In the FF range,two high-high clusters could be obrved,where the non-grain conversion rate showed a different phenomenon from LF and BF.The phenomenon was that the non-grain conversion rate around the city was obviously higher than that in other areas.The RDA analysis showed that the socio-economic variables could explain 91.85%of the change of the eigenvector of
the non-grain area.The main driving factors included resident population,agricultural population,agricultural income,land transfer rate，粮食主产区耕地非粮化空间格局分异及其成因
常媛媛1，刘俊娜1，张琦1，于昊辰1，卞正富1，陈浮1，
2*（1.中国矿业大学公共管理学院，江苏徐州221116；2.中国矿业大学低碳能源研究院，江苏徐州221008）
收稿日期：2021-05-27录用日期：2021-06-18作者简介：常媛媛（1998—），女，博士研究生，主要从事土地资源与乡村发展研究。E-mail ：*通信作者：陈浮E-mail ：基金项目：国家科技支撑计划课
题（2015BAD06B02）；中国国土勘测规划院外协科技项目（2018041）Project supported ：The National Key Technology Rearch and Development Program of the Ministry of Science and Technology of China （2015BAD06B02）;
Cooperation Project for Science and Technology of Chine Land Surveying and Planning Institute （2018041）
摘要：为摸清粮食主产区耕地非粮化的总体状况，揭示非粮化的空间分异特征及其成因，以徐州市为研究区域，运用空间自相法国风土人情
关分析法、冗余分析法与案例分析法，研究粮食主产区非粮化空间分异特征、主导因素及其作用机制。研究表明：徐州市法定耕地内（LF ，10.25%）、永久基本农田范围内（BF ，7.30%）、两区划定范围内（FF ，2.67%）非粮化率呈依次递减态势，城区非粮化率高于远郊；非粮化面积超过500hm 2的乡镇为6个，分布于远郊南部和西北角，但非粮化率则从中心向远郊递减扩散。非粮化率在FF 范围内存在2个高-高集聚区，不同于LF 和BF ，城区周边明显高于其他区域；RDA 分析显示社会经济变量解释了91.85%的非粮化面积特征向量的变化，主要驱动因子包含常住人口、农业人口、农业收入、土地流转率、农业机械总动力，其中非农业收入和农业机械劳动力分别是城区与远郊的关键驱动因子。研究表明，粮食主产区非粮化率总体不高，以菜地占用为主，但不同范围、不同区位非粮化率差
异明显，必须高度重视并谨慎对待社会经济因素驱动作用。关键词：非粮化；耕地保护；空间分异；冗余分析；驱动因素；粮食主产区中图分类号：F321.1
文献标志码：A
文章编号：2095-6819（2022）04-0817-10
doi :10.13254/j.jare.2021.0337
常媛媛，刘俊娜，张琦，等.粮食主产区耕地非粮化空间格局分异及其成因[J].农业资源与环境学报,2022,39（4）:817-826.CHANG Y Y,LIU J N,ZHANG Q,et al.Spatial pattern differentiation of cultivated land non-grain conversion in major grain-producing areas[J].Journal of Agricultural Resources and Environment ,2022,39（4）:817-826.
开放科学OSID
农业资源与环境学报·第39卷·第4期
从20世纪90年代起，我国步入快速工业化和城市化发展阶段，平均每年有2.94×105hm2耕地被非农化[1]，同时吸引大量农村劳动力外流，对农业形成比较利益低下和粮食需求旺盛的双重压力。在经济利益驱使下一些高收益农作物大面积替代粮食作物[2]，仅2019年粮食播种面积就下降了9.70×105hm2。“非粮化”导致的粮食生产力隐性损失已远大于“非农化”的显性损失，严重危害粮食安全、生态安全与社会稳定[3]。如何妥善解决非粮化问题已成为政府与公众关注的焦点[4-6]，2020年11月国务院办公厅印发《关于防止耕地“非粮化”稳定粮食生产的意见》，要求严格控制耕地转化为林地、园地等其他类型农用地。此外，近几年工商资本大量流向乡村也加速了耕地非粮化[7]。粮食安全是国家稳定与发展的基石，气候异常、疫情蔓延和粮食贸易封锁更加凸显遏制非粮化的重大意义。
国家明令禁止耕地非粮化，2021年3月1日施行的《农村土地经营权流转管理办法》也要求严格防止耕
地非粮化，明确土地经营权流转要确保农地农用，优先用于粮食生产。但禁止非粮化的政策执行很难落实到位，主要有三方面原因：一是种粮效益低下，地方政府和农户均缺乏积极性。孔祥斌[8]、祝洪章[9]、高晓燕等[10]从不同角度证实了上述原因是非粮化的驱动作用，并分析了非粮化对国家粮食安全的负面影响。二是土地流转和工商资本逐利促进了非粮转化。SETO等[11]发现外来投资拉动、规划不科学、管理不当致使珠三角经济区耕地和粮食生产能力损失严重。廖富洲等[12]分析了土地流转过程中承包人逐利行为对非粮化的影响，并从限制不当流转入手提出防止耕地过度非粮化的措施与建议。三是非粮化不像非农化直接导致耕地损失，其危害较小。非粮化行为多数属于农业内部结构调整，涉及种植农户的利益，无法“一刀切”。此外，一些特定的因素，如种植规模[13]、产业结构[14]、家庭特征[15]和惠农政策[16]也影响非粮化。尽管先前研究已涉及非粮化诸多方面，但主要围绕非粮化状况、原因、对策及影响因素，宏观政策或定性分析多[17-19]，小尺度或实地核查研究近乎空白。这主要与先前的认知有关，一般认为非粮化多为农业内部结构调整、耕地未被占用、危害小，没必要投入大量的人力、财力进行实地核查或高分辨影像监测。然而，对非粮化及空间特征的精准评估对当前耕地保护工作和国家粮食安全形势尤为重要。
城市化极大地改变了区域土地利用状况，形成了以非农化为特征的空间格局。同时受比较利益和机会成本等影响，周边粮食主产区内耕地遭挤占，使之极易非粮化。然而，先前研究对粮食主产区内部的非粮化问题关注极少。徐州市属于黄泛冲积平原，耕地是最主要利用类型，约占土地总面积的60%，育儿问题
一直是国家重要的粮食主产区，永久基本农田保护率高达90%，但近年城市化、工业化发展迅猛，城乡发展差距大，且受采矿等活动干扰严重，非粮化外部动力强劲，可作为复杂因素影响粮食主产区非粮化的典型案例。故本研究选择徐州市作为研究区域，旨在厘清粮食主产区耕地非粮化的总体态势，揭示非粮化空间分异特征及成因，为今后耕地保护规划、惠农政策调控提供科学依据。1材料与方法
1.1研究区概况
徐州市位于江苏省西北部（116°22′~118°40′E、33°43′~34°58′N），下辖5个区63个街道（镇）（图1），属暖温带季风性气候，年均气温14℃，年均降水量880 mm。研究区以平原为主（面积占比90%），是传统的粮食主产区。近20年社会经济发展迅速，2020年城市化率已达66.5%。同时，徐州市又是传统的老工业基地，城市扩张、工业化和采煤等人类活动占用周边农业空间。尽管城市周边已划定了环状永久基本农田保护区，但非粮化趋向时刻威胁着耕地保护和粮食安全。1.2数据来源与处理
本研究数据包含土地利用和社会经济数据。为便于后续研究，对耕地作如下严格界定：①自然资源管理部门土地利用变更数据库内的耕地（简称“法定耕地”，记为LF）；②划入永久基本农田范围内的耕地
and total power of agricultural machinery,while the non-agricultural income and agricultural machinery labor were the key driving factors of urban and suburban respectively.In conclusion,the n
on-grain conversion rate of the main grain-producing areas was not high,and the vegetable land was in a predominant position.However,the non-grain conversion rates showed significant differences in different areas and locations.Therefore,significant importance and attention must be paid to the driving roles of economic and social factors. Keywords：non-grain conversion；cultivated land protection；spatial pattern differentiation；redundancy analysis；driving factors；major grain-producing areas
—
—818
www.aed
2022年7月
www.aed孤独的近义词
常媛媛，等：粮食主产区耕地非粮化空间格局分异及其成因
（简称“永保耕地”，记为BF ）；③划入粮食生产功能区与重要农产品生产保护区的耕地（简称“两区耕地”，记为FF ）。详见技术路线图（图2）。
（1）数据来源：①土地利用现状数据、镇级行政边界、永久基本农田数据库、高分二号卫星影像来源于徐州市自然资源与规划局；②粮食生产功能区与重要农产品生产保护区划定成果来源于徐州市农业农村
局；③Landsat 8遥感影像来源于中国地理空间数据云平台（http ：//www.gscloud/）；④社会经济发展数据来源于《徐州统计年鉴2018》、2018年铜山区农村社会经济统计台帐和2018年贾汪区农村社会经济统计台帐；⑤土地流转情况来源于徐州市农村产权交易信息服务平台（http ：//v/）。
（2）数据处理：从2019年土地利用现状数据库中
图2研究技术路线
Figure 2Technical flow of the
study
图1徐州市城区行政区划图
股东转让协议
Figure 1Xuzhou City administrative division map
行政区划
Administrative district
N
—
—819
农业资源与环境学报·第39卷·第4期
提取法定耕地范围，匹配0.8m分辨率的高分二号卫
星影像，采用目视解译法，共取得31470个非粮用途
图斑，占全部耕地图斑的25.32%。并对鼓楼区全部
1171个非粮化图斑进行无人机实地校核，仅14个图
斑目视解译有误，总体误差率为1.20%。依据《土地利
用现状分类》（GB/T21010—2017），并结合实际情况，
将非粮化地块分为菜地、辅助生产用地、园地、林地、草
地5个类型，但后3类面积极小，故合并分析。
（3）数据分析：选取2018年户籍人口、常住人口、
农业人口、非农业人口、农业收入、非农业收入、农业
利用外资额、农业机械总动力、土地流转率、农业合作
社数、交通区位等11个社会经济因素，运用空间自相
关分析与冗余分析探寻非粮化的主要驱动因子。其
中，交通区位量化选取镇为评价单元，以0~10km、
10~20km、>20km为区间划分至高速公路出入口、距
区中心距离、距市中心距离作缓冲分析，并分别赋予
账户的基本结构这3个指标权重为0.5、0.3、0.2，其他10个因素按最大
值标准化计算分值。
1.3研究方法
1.3.1空间自相关分析
Global Moran′s I可以揭示区域某一属性的空间
分布与邻近区的相关性及相关程度，能直观地反映某
种空间现象的关联性与差异性[20]，见公式（1）：
I=n×∑i=1n∑j=1n w ij(x i-)xˉ(x j-)xˉ
∑i=1n∑j=1n w ij∑i=1n(x i-)xˉ2（1）
式中：n为研究区内镇（街道）的总个数；x i和x j分别为第i和j单元的观测值；xˉ为研究区所有单元的平均值；w ij是每个单元空间权重矩阵；I值范围为[-1，1]，I>0时为正相关，空间要素的属性呈集聚性分布；I<0时为空间负相关，空间要素属性呈离散化分布；I=0时为随机分布。
全局空间自相关主要研究空间要素整体分布特征，前提条件是研究区内空间具有同质性，但难以衡量空间局部集聚及其空间异质性，仍需进一步探究局部空间关系。Local Moran′s I可以从局部尺度分析与周边空间差异水平[21]，以期探究非粮化空间格局特征及成因，详见公式（2）：
I i=(x i-)xˉ∑j=1n w ij(x j-)xˉ
1
n×
∑i=1n(x i-)xˉ2（2）
式中：I i>0表示第i镇各社会经济环境指标与周围镇域差异显著性较小，均质性和集聚性较强；反之，差异显著性较大，均质性和集聚性较弱。
1.3.2冗余分析
冗余分析（RDA分析）是基于线性模型的限制性排序分析方法，可用降维度、可视化等方式，以特定排序轴长度及两轴间夹角的二维空间展示[22]，揭示非粮化与社会经济因素之间的非线性响应关系。为此，选取LF、BF、FF中非粮化占用面积作为因变量，选取户籍人口、常住人口、农业人口、非农
人口、农业收入、非农收入、农业机械总动力、交通区位、土地流转率、农业利用外资额和农业合作社数作为自变量。冗余分析需要两个数据矩阵，本研究以徐州城区58个街道为研究单元，对3个因变量LF、BF、FF作一个3×58维数据矩阵；对11个自变量作一个11×58维驱动因子矩阵。随后，利用Canoco5.0进行数量统计检验和冗余分析[23]。
2结果与分析
2.1粮食主产区耕地非粮化的总体特征
毒辣的近义词
对2018年目视解译和无人机实地核查的非粮化用途类型数据进行分类统计，并将数据纳入LF、BF和FF数据库（表1）。从表1可以看出：LF范围内非粮化面积为15002.05hm2，占耕地比例为10.25%。菜地、辅助生产用地、园林草地分别占用9582.57、1199.81、4219.67hm2，占耕地比例为6.55%、0.82%、2.88%。BF范围内非粮化面积为7727.80hm2，占耕地比例为7.30%；菜地、辅助生产用地、园林草地分别占用5817.91、58.37、1851.51hm2，占耕地比例为5.49%、0.06%、1.75%。FF范围内非粮化面积为2076.52 hm2，占耕地比例为2.67%，菜地、辅助生产用地、园林草地分别占用1739.88、16.47、320.17hm2，占耕地比例为2.24%、0.02%、0.41%。总体来看：LF、BF和FF 范围内非粮化率呈现递减趋势，LF范围内非粮化面积与非粮化率均高于BF和FF，表明管制政策越严越有利于控制非粮化，坚守最严格的耕地保护制度对国家粮食安全十分必要。
为进一步分析区位的影响，将贾汪、铜山归并为郊区，鼓楼、泉山、云龙合并为城区（图3）。结果表明：徐州市LF范围内非粮化率为10.25%，低于全国平均值[24]，且BF和FF范围内非粮化率更低；郊区LF、BF、FF范围内非粮化率分别为9.46%、6.91%、2.67%，远低于城区LF和BF范围内非粮化率（23.02%和23.14%）。城区单元尽管非粮化面积少，但非粮化率
—
—820
www.aed
2022年7月
www.aed
常媛媛，等：粮食主产区耕地非粮化空间格局分异及其成因
图32018年徐州市不同区位非粮化比例
Figure 3Proportion of cultivated land non-grain conversion in different locations of Xuzhou City in
2018
非粮化率N o n -g r a i n c o n v e r s i o n r a t e /%
耕地类型Cultivated land type
252015105
非粮化率N o n -g r a i n c o n v e r s i o n r a t e /%
耕地类型Cultivated land type夆怎么读
非粮化率N o n -g r a i n c o n v e r s i o n r a t e /%
耕地类型Cultivated land type
VF LAP
GFG
表12018年徐州市不同范围内耕地非粮化特征
Table 1Characteristics of cultivated land non-grain conversion in different ranges of Xuzhou City in 2018
耕地类型Cultivated land type
LF
BF FF 菜地
Vegetable field （VF ）/hm 2
9582.575817.911739.88
辅助生产用地
Land for auxiliary production
（LAP ）/hm 2
1199.8158.3716.47
园林草地
Garden-forest-grassland
（GFG ）/hm 2
4219.671851.51320.17
南方汤圆
非粮化面积
Area of non-grain conversion/hm 2
15002.057727.802076.52
非粮化率Non-grain conversion rate/%
10.257.302.67
却远高于郊区；菜地面积和占比均为最高，LF 、BF 和
FF 范围内分别为6.55%、5.49%、2.24%。经济效益相对高且靠近市场的菜地是非粮化的主要类型，今后政策管理上要适度考虑菜地发展的合理化需求。2.2粮食主产区耕地非粮化的空间格局分异2.2.1不同范围内耕地非粮化的空间格局
按LF 、BF 和FF 不同范围划分，耕地非粮化空间分布如图4所示。可以看出：非粮化空间格局具有异质性。菜地分布最广，但相对集中于铜山西北部与南部、贾汪西南部和鼓楼东北部。园林草地相对少，集中分布于G104沿线及坡地。辅助生产用地总量少，分布极为零散。从LF 、BF 至FF 范围内非粮化率逐渐
减小，但菜地占比却不断提高。2018年全国蔬菜种植约为2000万hm 2，占非粮化总面积的45.0%。本研究中菜地面积在LF 、BF 和FF 内逐渐减少，与非粮化面积变化趋势一致，但在LF 、BF 和FF 范围内占比从63.90%逐渐升至83.58%。
为进一步细化非粮化空间分布，以镇为单元提
取LF 范围内非粮化面积及比率（图5）。从图5可知：非粮化面积在南部最为集中，西北部次之，中部最少。非粮化面积超过500hm 2的乡镇达6个，均分布于铜山区。但非粮化率则呈中部高、外围低的分布格局。有17个镇级单元非粮化率高于30%，城区泰山街道等6个街道非粮化率超过50%，但非粮化面积
—
—821
