山东省非水田时空格局及影响因素

辛媛

摘   要：基于山东省土地利用数据和社会经济数据，综合运用土地利用转移矩阵、土地利用动态度模型和地理探测器模型，分析山东省2005—2020年非水田时空格局演变特征和影响因素。研究表明：一是2005—2010年间非水田面积增加了749.52km2，从2010年后，非水田面积呈递减趋势，共减少了1 814.03km2；二是15年内非水田向其他地类共转出了11 827.09km2，其中有82.76%转入了建设用地；三是山东省非水田时空格局主要受年日照时数、年末常住人口、化肥施用量等因素的影响，这些因素与其他因素交互作用均表现出较强的解释力，说明山东省非水田时空格局是各种因素共同作用的结果。

关键词：非水田；时空格局；影响因素；山东省

中图分类号：Ｓ-３        文献标志码：A      文章编号：1673-291X（2024）05-0016-04

一、研究背景

我国是一个农业大国，人口基数大，解决粮食问题是做好一切工作的前提和基础[1]。进入21世纪以来，随着社会经济持续快速发展，国家进入了快速城市化和工业化阶段[2]，人口增长迅猛，加之2020年新冠肺炎肆虐全球，造成国际粮价短时期内出现较大波动，粮食安全问题成为国际舆论的焦点[3]。但中国水土资源组合空间差异明显，非水田面积广大，其质量提升事关我国粮食安全，是保障农作物高产稳产的关键因素。因此，研究非水田时空格局变化特征，掌握非水田转移增减变化的影响因素，对于保障国家粮食安全及耕地资源可持续利用具有重要意义[4]。通过梳理国内外文献发现，与非水田相关的研究比較广泛，如山仑等就我国半干旱地区旱地农业技术发展趋向进行了论述，认为保护性耕作、有限灌溉、遗传改良、化学调控是今后我国旱农技术研究与发展的几个重要方面[5]。石全红等对中国中低产田类型、时空分布特点以及增产潜力进行了研究，在此基础上提出了中低产田改造的技术对策、发展方向和政策建议[6]。罗傲蓝等基于2010—2018年旱改水空间分布特征研究，构建旱改水适宜性评价模型，提出旱改水的整治措施建议[7]。

据“第三次全国国土调查”结果显示，山东省内耕地总面积646万hm2，其中非水田面积占比达98.53％，成为农业产量低且不稳的重要因素之一。近年来，山东省农业干旱不断加剧，以旱地为主的非水田时空格局发生显著变化，在一定程度上影响了主要农作物（小麦、玉米）的市场竞争力。因此，本文以非水田作为研究对象，依托2005、2010、2015、2020年山东省土地利用遥感影像数据，采用土地利用转移矩阵、土地利用动态度模型，深入研究山东省近15年非水田时空格局演变特征，并运用地理探测器对非水田时空格局影响因素进行探测，以期为统筹区域非水田利用提供借鉴。

二、研究区概况

山东省位于中国东部沿海、黄河下游，全省地势中部高四周低，地形以山地、丘陵、平原为主，山地丘陵占29%，平原占55%，洼地、湖沼占8%，其他占8%。山东省属暖温带季风气候，年平均气温11—14℃，春冬季降水少，夏季降水多，素有“十年八旱七涝”之称。山东省是中国的农业大省，耕作历史悠久，种植业门类齐全，作物种类繁多。截至2020年年底，全省常住人口10 152.75万人，城镇化率达到59%，地区生产总值73 129.0亿元。近年来，随着全省经济的高速发展和城镇化的加速推进，该省人地矛盾加剧，耕地的可持续发展面临着严峻挑战[8]。

三、数据来源与研究方法

（一）数据来源与处理

本文所采用的山东省2005、2010、2015、2020年土地利用数据、山东省DEM数据和山东省社会经济数据，分别来源于中国科学院资源环境科学与数据中心、地理空间数据云和山东省统计年鉴（2006—2021年），数据处理和分析在ArcGIS10.8中完成。

（二）研究方法

1.土地利用动态度模型。单一土地利用动态度能够反映区域内某种土地利用类型的具体变化情况。其数学表达式为：

式中：K为非水田利用动态度；Ua和Ub分别为研究期初及期末非水田面积；T为研究时长。K值的正负说明非水田正向或负向变化；K绝对值的大小反映非水田变化速度的快慢。

2.土地利用转移矩阵。土地利用转移矩阵可以表现各种土地利用类型之间流入和流出的情况。其数学表达式为：

3.地理探测器模型。本文将运用地理探测器中的因子探测、交互探测两个探测器，探索自然、社会经济要素对研究区非水田利用的影响因素[9]。

（1）因子探测：q的表达式为：

式中：i=1，2，...，n，表示自变量X的分层；N和Ni分别为总体和i层的单元数；σ2和σ2t分别为整个研究区域和i层的方差。q∈[0，1]，当q＝0时，表示探测因子对非水田时空格局没有驱动作用；q值越大，表明因子对非水田时空格局的影响越大，能更大程度地解释非水田的空间分异特征。

（2）交互探测：探测不同驱动因子之间的交互作用，并与单因子作用时的值进行比较，进而判断双因子的交互作用对因变量的影响是增强或减弱[10]。

结合研究区的实际情况、数据的可获取性和已有的研究成果，选取年平均降水量（X1）、年平均气温（X2）、年日照时数（X3）、年末常住人口（X4）、人均GDP（X5）、农民人均可支配收入（X6）、第一产业值（X7）、粮食单产量（X8）、有效灌溉面积（X9）和化肥施用量（X10）10个指标进行地理探测器分析。

四、结果与分析

（一）非水田时序变化分析

整体来看，山东省非水田总面积在99985.04km2以上，约占区域土地面积的64.69 %，是该研究区主要的土地利用类型。2005—2010年间非水田增加了749.52km2，2010年非水田的占比高达65.11%，从2010年后，非水田面积呈递减趋势，2010—2015年减少了1190.20km2，2015—2020年减少了623.83km2，其占比也从2010年的65.11%降为2020年的63.74%。从非水田持有量来看，临沂市、潍坊市和菏泽市非水田面积最多，合占区域非水田总面积的31%，非水田持有量最少的地区是枣庄市和淄博市。总体上来看，行政区非水田持有量呈减少趋势，除烟台市、临沂市、东营市、日照市、德州市和青岛市非水田面积稍有增加外，其余几个行政区非水田面积均有不同程度的减少，其中济宁市、潍坊市和济南市非水田变化最为显著。这说明由于经济发展和人口增长的需求，大量非水田在城镇扩张过程中被占用。

（二）非水田动态度分析

根据公式（2）可得出2005—2020年山东省各行政区非水田动态度指数，取其绝对值并利用自然断点法将其分为3个等级，可以看出15年来，山东省各行政区非水田动态度发生了较大的变化。2005—2010年间，临沂市、青岛市和烟台市为三级动态度，变化最大，滨州市、东营市、聊城市、泰安市、菏泽市和枣庄市为一级动态度，变化最小；2010—2015年间，滨州市较别的地市动态度最大，潍坊市、威海市、青岛市、临沂市、枣庄市和菏泽市为一级动态度，变化最小；2015—2020年间，东营市、青岛市和菏泽市非水田动态度为该时段最大，表明在研究期间内这些行政区非水田面积增加，变化相对剧烈，其稳定性较其他行政区最弱。总体来看，2005—2020年间，非水田动态度主要分布特征为：非水田动态度较大的主要分布在济南市、济宁市、临沂市和淄博市，非水田动态度较小的主要分布在德州市、滨州市、东营市、菏泽市、枣庄市和日照市。

（三）非水田转移矩阵分析

基于土地利用数据，借助ArcGIS软件，得出山东省非水田转移情况。可知，近15年山东省非水田变化显著。2005—2010年，山东省非水田共转出了10 322.1km2，大部分转入了建设用地中，非水田的转入量为11  071.26km2，主要来源于草地和建设用地，分别有3 685.57km2草地和4 075.12km2建设用地转变为了非水田；2010—2015年和2015—2020年间，转出数量较2005—2010年间呈下降趋势，分别为1 504.72km2和1 163.80km2，兩段研究时期内转入量小幅度增长，变化不大，且转入量都主要来源于建设用地，分别为200.34km2和468.47km2。2005—2020年，非水田转入量为10 848.50km2，其中有36.8%的建设用地、33.6%的草地转为了非水田。15年内，非水田向其他地类共转出了11 827.09km2，其中有82.76%转入了建设用地，这说明2005年以来，山东省进入了经济发展的高速期，建设用地扩张侵占了大量的优质耕地，社会经济发展与耕地保护之间的矛盾已十分突出。

（四）非水田时空格局影响因素分析

1.因子探测分析。运用地理探测器，分析影响非水田时空格局演变的自然与社会经济因素，经计算得知，所有的因子都通过了显著性检验，在自然因素中，各因子对非水田时空格局变化的影响程度为年日照时数（X3）＞年平均气温（X2）＞年平均降水量（X1），年日照时数（X3）在各因子中解释力度最强，解释率在41%以上。在社会经济因素中，各因子对非水田时空格局变化的影响程度为化肥施用量（X10）＞年末常住人口（X4）＞第一产业值（X7）＞人均GDP（X5）＞农民人均可支配收入（X6）＞有效灌溉面积（X9）＞粮食单产量（X8）， 其中化肥施用量（X10）因子解释度最大，解释度在21%以上，年末常住人口和第一产业值因子解释度均很强，分别为20%和16%，因此，山东省非水田时空格局演变的主要影响因素为年末常住人口（X4）和化肥施用量（X10）。在一般情况下，适量的化肥施用量可以减轻农民种植的负担，且适量的人口可以带来大量劳动力，保障稳定的粮食产量和收入。当农用化肥施用过多造成土壤性状恶化、肥力下降、环境污染等情况时，耕地盐碱化现象严重，农民收入没有保障，人口发生流转移动，耕地撂荒闲置等现象接连出现，继而造成非水田时空格局的变化。

2.因子交互作用探测分析。通过计算得知，本研究中因子之间交互作用均呈现双因子增强和非线性增强，不存在相互独立或起减弱作用的因子[11]，由此说明山东省非水田时空格局变化是多因子共同作用的结果。2005年、2010年、2015年和2020年年末常住人口（X4）与其余各影响因素交互作用解释力均表现为双因子协同增强，作用强度均在67%以上，2005年和2010年化肥施用量（X10）与各影响因素的复合影响力均最高；2015年和2020年主要影响因素由化肥施用量（X10）向年末常住人口（X4）转移。

综上所述，在整个研究期内，年日照时数、年末常住人口和化肥施用量与其他因素交互作用均表现出较强的解释力，说明这些因素为影响研究区非水田时空格局演变的主要因素。

五、结论与建议

（一）结论

本研究基于2005—2020年四期山东省土地利用遥感影像数据，综合运用土地利用动态度模型和土地利用转移矩阵，结合地理探测器模型对山东省非水田时空格局变化特征展开分析，主要结论如下：一是2005—2010年间，山东省非水田增加了749.52km2，从2010年后，非水田面积呈递减趋势。15年内非水田向其他地类共转出了11 827.09km2，其中有82.76%转入了建设用地，非水田动态度主要分布特征为：非水田动态度较大的主要分布在济南市、济宁市、临沂市和淄博市，非水田动态度较小的主要分布在德州市、滨州市、东营市、菏泽市、枣庄市和日照市。二是从非水田时空格局影响因素分析可知，在山东省非水田时空格局变化的过程中，年末常住人口、化肥施用量等社会经济因素始终占据主导地位，其中年末常住人口、化肥施用量和年日照时数与其他因素交互作用均表现出较强的解释力，说明山东省非水田时空格局是各种因素共同作用的结果。

（二）建议

上述研究结论对提高山东省非水田利用具有重要的启示，针对山东省城镇化速度加快，非水田面积日益增多的问题，提出以下建议：一是增强农民对非水田的利用管理意识。农民由于过分的施用化肥或其他不合理的耕作方法致使非水田耕作能力下降，非水田很容易就被闲置。因此增强农民对非水田的利用管理意识就尤为重要。二是加强耕作管理，增强抗旱能力。非水田一般远离居民点，难以做到像平原灌区那样集约化经营，但诸如推广抗旱良种、带肥下种、化学除草等措施皆属简便有效[12]。三是因地制宜，合理利用。对非水田进行适宜性评价，高度适宜和中度适宜地区的非水田可加强灌溉工程建设，使非水田转型利用变为水田或水浇地；勉强适宜地区的非水田可转型为园地、林地；不适宜地区的非水田可休耕轮耕、养土肥田等，提高土地利用效率。

非水田的时空格局变化是一个复杂的过程，本研究基于山东省土地利用数据和社会经济数据，综合运用土地利用转移矩阵、土地利用动态度模型和地理探测器模型，可有效地反映山东省非水田时空格局变化及其影响因素，但研究选取的影响因素指标缺乏土地规划、政策制度方面的指标，因而在研究内容上有待进一步深入。

参考文献：

[1]   洪土林，王艳华.基于耕地质量动态监测的耕地保护路径思考[J].农业灾害研究，2015（4）：36-37，57.

[2]   刘纪远，宁佳，匡文慧，等.2010—2015年中国土地利用变化的时空格局与新特征[J].地理学报，2018，73（5）：789-802.

[3]   魏泳安.习近平新时代粮食安全观研究[J].上海经济研究，2020（6）：14-23.

[4]   罗芳，潘安，陈忠升，等.四川省宜宾市耕地时空格局变化及驱动力分析[J].水土保持通报：2022，29（4）：1-9.

[5]   山仑，邓西平，康绍忠.我国半干旱地区农业用水现状及发展方向[J].水利学报，2002（9）：27-31.

[6]   石全红，王宏，陈阜，等.中国中低产田时空分布特征及增产潜力分析[J].中国农学通报，2010，26（19）：369-373.

[7]   罗傲蓝，何灏，曹银贵，等.重庆市长寿区旱改水潜力评价与优化研究[J].中国农业资源与区划，2022，30（7）：1-15.

[8]   张文慧，蔡利平，吕晓.山东省生态用地时空演变格局及其影响因素[J].资源开发与市场，2019，35（6）：794-799，844.

[9]   王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（1）：116-134．

[10]   张思源，聂莹，张海燕，等.基于地理探测器的内蒙古植被NDVI时空变化与驱动力分析[J].草地学报，2020，28（5）：1460-1472.

[11]   崔晨曦，孟凡浩，罗敏，等.基于地理探测器的内蒙古耕地水资源短缺时空变化特征及驱动力分析[J].中国农业资源与区划：2022，31（7）：1-13.

[12] 顾国安，宋瑞玲，邓西海.新疆旱地的利用和保护[J].干旱区地理，1993（4）：58-62.

The Spatio-Temporal Pattern and Influencing Factors of Non-paddy Fields in Shandong Province

XIN Yuan

（School of Geography and Tourism， Qufu Normal University， Rizhao 276826， China）

Abstract： Based on the land use data and socio-economic data of Shandong Province， this study comprehensively used land use transfer matrix， land use dynamic attitude model and geographic detector model to analyze the evolution characteristics and influencing factors of the spatio-temporal pattern of non-paddy fields in Shandong Province from 2005 to 2020. The results showed that： first， the non-paddy field increased by 749.52km2 from 2005 to 2010， and the area of non-paddy field decreased by 1814.03km2 after 2010；second， in 15 years， a total of 11，827.09 km2 was transferred from non-paddy fields to other land classes， of which 82.76% was transferred to construction land；third， the spatio-temporal pattern of non-paddy fields in Shandong Province was mainly affected by the annual sunshine duration， year-end resident population， fertilizer application rate and other factors， and the interaction between these factors and other factors showed strong explanatory power， indicating that the spatio-temporal pattern of non-paddy fields in Shandong Province was the result of the joint action of various factors.

Key words： Non-paddy field; Spatial and temporal pattern; Influencing factors; Shandong Province

[責任编辑   立   夏]