羅 芳, 潘 安, 陳忠升, 王佑漢
(西華師范大學 地理科學學院, 四川 南充 637002)
民為國基,谷為民命,糧食問題關乎國運民生[1]。耕地是土地資源的精髓,是穩(wěn)固糧食生產(chǎn)的根本所在。耕地的數(shù)量和質(zhì)量變化,會改變耕地的物質(zhì)與能量循環(huán),從而影響一系列全球環(huán)境演變過程[2]。工業(yè)革命以來,伴隨全球經(jīng)濟的高速發(fā)展,世界人口劇增。第7次全國人口普查數(shù)據(jù)表明,近10 a來中國人口增加了7 206萬,人均耕地面積持續(xù)減少,人地矛盾日益突出。近年來受新冠肺炎疫情的影響,全球糧食供應鏈遭受了巨大的沖擊,給世界各國糧食安全帶來隱患[3]。因此,探究耕地資源時空變化特征,闡明耕地增減變化的主要影響因素,對于保障國家糧食安全與尋求耕地可持續(xù)利用路徑具有重要意義。近年來國內(nèi)外學者圍繞全球或局地尺度的耕地演變及其驅(qū)動機制方面開展了大量的研究,獲得了一系列的研究成果[4]。如Min等[5]運用土地利用動態(tài)度模型,從農(nóng)業(yè)生態(tài)和地緣政治兩個不同的角度分析了全球耕地的時空變化特征。Omaid等[6]分析了2000—2010年喀布爾河流域土地利用變化特征,并運用BLR模型對耕地變化的驅(qū)動因素進行統(tǒng)計檢驗。胡瓊等[7]采用復種指數(shù)和面積變化量標準差等指標,分析了2000—2010年全球耕地利用時空格局變化情況。牛善棟等[8]以淮海經(jīng)濟區(qū)為例,結(jié)合標準橢圓差(SDE)和探索性空間數(shù)據(jù)分析(ESDA),揭示了2002—2017年區(qū)域耕地利用轉(zhuǎn)型的時空變化特征。此外,還有學者借助主成分分析法、GWR、地理探測器和PLUS等模型對耕地時空演變的驅(qū)動因素開展了廣泛的研究[9]。其中PLUS模型,即斑塊級土地利用變化模擬模型(patch-generating land use simulation model, PLUS),不同于以往的元胞自動機模型,該模型是以柵格數(shù)據(jù)為基礎,在數(shù)據(jù)獲取方面更為便捷[10]。通過PLUS模型可以探究土地利用變化的潛在因子,呈現(xiàn)出各項因子對土地利用變化的貢獻程度,為探究耕地時空變化的驅(qū)動力因素提供了有效的研究工具。
四川省宜賓市作為川南地區(qū)三江交匯的重要沿江節(jié)點城市,是長江上游低山丘陵區(qū)重要的農(nóng)業(yè)生產(chǎn)基地,其地理環(huán)境在長江上游地區(qū)極具代表性。近年來,依托長江黃江水道,宜賓市經(jīng)濟快速發(fā)展,城鄉(xiāng)人口流動頻繁,土地利用方式發(fā)生了顯著轉(zhuǎn)變,其中耕地變化尤為明顯。以往對宜賓市土地利用方面的研究多集中于某一時段[11-12],關于近年來的耕地變化特征并不清晰,缺乏長時間序列的相關研究成果。當前研究成果多從耕地時空變化方面入手,定量化分析耕地演變的驅(qū)動力的研究成果較少。鑒于此,本研究以1980—2018年土地利用柵格數(shù)據(jù)為基礎,采用土地利用轉(zhuǎn)移矩陣、核密度分析和景觀格局指數(shù),深入分析宜賓市近40 a的耕地時空變化特征。借助PLUS模型查明了耕地面積擴張和面積縮減的緣由,揭示耕地格局演變的復雜驅(qū)動力,以期為宜賓市耕地資源合理規(guī)劃與利用提供依據(jù)和決策支持,為長江上游地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展提供可行思路。
宜賓市位于四川省南部,地處四川盆地與云貴高原的過渡地帶,區(qū)域土地面積達1.33×104km2。長江、岷江和金沙江交匯于此,是長江上游地區(qū)保持水土資源的重要的生態(tài)屏障。地形以中低山地和丘陵為主,地勢整體上呈“南高北低”的分布格局。氣候?qū)賮啛釒Ъ撅L性濕潤氣候,年均溫約為18 ℃,平均年降水量1 017 mm,水熱充足,多發(fā)育紫色土、水稻土和黃壤,植被類型以次生或人工亞熱帶常綠闊葉林為主。研究區(qū)內(nèi)礦產(chǎn)資源富集,煤礦、天然氣、頁巖氣與硫鐵礦儲量豐富。宜賓市轄3區(qū)7縣,現(xiàn)全市總?cè)丝诩s551.5萬人。21世紀以來,區(qū)域經(jīng)濟迅速發(fā)展,形成了以釀酒、綜合能源和造紙等產(chǎn)業(yè)為支柱的現(xiàn)代產(chǎn)業(yè)體系。宜賓市依托長江黃金水道,區(qū)域性交通樞紐逐漸形成,成為了成渝經(jīng)濟區(qū)重要的城市之一。
本研究主要數(shù)據(jù)來源如下: ①土地利用柵格數(shù)據(jù)(1980,2000和2018年)、土壤類型、河流、人口與GDP空間分布數(shù)據(jù)源于資源環(huán)境科學與數(shù)據(jù)中心(http:∥www.resdc.cn)。將土地利用柵格數(shù)據(jù)的土地類型劃分為耕地、草地、林地、水域、未利用地和建設用地,分辨率為30 m,其中建設用地和耕地類型的解譯精度在95%以上,其他地類精度在90%以上,運用ArcGIS軟件按屬性提取工具,得到研究區(qū)耕地柵格數(shù)據(jù)。 ②高速公路、鐵路、一二級道路數(shù)據(jù)和政府駐地位置來源于BIGMAP(http:∥www.bigemap.com),時間為2018年。 ③從地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn)獲取DEM數(shù)據(jù),并借助ArcGIS提取出坡度數(shù)據(jù)。 ④從中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn)獲取1981—2010年宜賓市域內(nèi)及周邊地區(qū)共15個氣象站點的氣象數(shù)據(jù),借助克里金插值法,獲得年均降水量與年均氣溫空間分布柵格數(shù)據(jù)。為了探明宜賓市耕地時空變化的復雜驅(qū)動力,參考相關研究成果[9-10],結(jié)合數(shù)據(jù)的可獲得性與選取指標的代表性,共選取了7個社會經(jīng)濟指標和6個氣候與環(huán)境指標(表1)。通過ArcGIS軟件中的距離分析工具獲得各項距離因子(距政府、鐵路、高速公路、水域、1級道路和2級道路距離)。
表1 宜賓市耕地變化驅(qū)動因子指標
(1) 核密度分析。核密度分析是用以估計概率密度函數(shù)的非參數(shù)方法,能很好地分析觀察耕地空間分布的集聚情況??紤]到數(shù)據(jù)處理設備的性能和工作量的大小,將原始耕地數(shù)據(jù)重采樣至像元大小為300 m的柵格數(shù)據(jù),再將柵格數(shù)據(jù)轉(zhuǎn)變?yōu)辄c數(shù)據(jù),繼而開展核密度估計,計算方程為[13]:
(1)
式中:fn為耕地核密度估計值;K為核函數(shù);h為帶寬;n為帶寬范圍中耕地點數(shù)據(jù)的個數(shù);d(x,xi)為耕地點x到樣本點xi的距離。
(2) 土地利用轉(zhuǎn)移矩陣。土地利用轉(zhuǎn)移矩陣可以分析一定時期內(nèi)某種地類的動態(tài)變化,可以反映出耕地的時空演化過程。該矩陣基于馬爾科夫模型,應用于耕地利用變化,對耕地轉(zhuǎn)移情況進行定量化分析,是分析耕地轉(zhuǎn)入與轉(zhuǎn)出情況的一種較好的方法[11]。
(3) 耕地破碎化定量指標。景觀指數(shù)能高度濃縮景觀格局信息,通過不同層次的景觀指標,呈現(xiàn)景觀構(gòu)成和空間分布狀況,被廣泛應用于耕地和土地利用景觀格局研究之中[14]。參考前人的研究成果[15],結(jié)合宜賓市自然與社會經(jīng)濟情況,共選取了8個景觀指數(shù)(表2),借助Fragstats軟件計算出各項指標的數(shù)值,來衡量與刻畫區(qū)域耕格局變化與耕地破碎情況。
表2 宜賓市耕地景觀指數(shù)及其說明
(3)
式中:d的取值范圍為0或1,若d=1,表示有其他土地利用類型轉(zhuǎn)變?yōu)閗類土地利用類型,當d=0,表示土地利用類型轉(zhuǎn)變成了除k以外的其他土地利用類型;x是由若干驅(qū)動力因子組成的向量,函數(shù)I是決策樹集的指示函數(shù);hn(x)是向量x的第n個決策樹的預測類型;M為決策樹的總數(shù)。
整體來看,宜賓市耕地總面積在8 015.97 km2以上,約占區(qū)域土地面積的60%,是該區(qū)主要的土地利用方式(表3)。1980—2018年的38 a間,耕地利用格局發(fā)生了顯著的變化,面積減少了247.92 km2。對比2000年前后兩個時期的耕地變化情況發(fā)現(xiàn),2000—2018年耕地流失速度加快,面積縮減了200.11 km2。從耕地持有量來看,敘州區(qū)、翠屏區(qū)和高縣耕地面積最多,合占區(qū)域耕地總面積的47%左右,耕地持有最少的地區(qū)是珙縣和筠連縣。區(qū)縣地區(qū)耕地整體上呈減少趨勢,除興文縣在2000年后耕地面積略有增加外,其余區(qū)縣耕地面積均有不同程度的減少,其中翠屏區(qū)、敘州區(qū)、屏山縣耕地變化最為顯著。此外,針對1980與2000年(F=10.83,p=0.009 3<0.05)和2000與2018年(F=13.17,p=0.005 1<0.05)區(qū)縣耕地面積數(shù)據(jù)進行方差檢驗,均通過了0.05的顯著性檢驗水平,表明1980—2018年區(qū)域耕地面積發(fā)生了顯著的變化。
表3 宜賓市各區(qū)縣耕地面積及變化量
從圖1可知,耕地變化最顯著的區(qū)域主要位于翠屏區(qū)、敘州區(qū)和屏山縣。耕地減少地區(qū)主要沿岷江、金沙江和長江沿岸分布,尤其是在2000—2018年這一時期,三江交匯地區(qū)耕地減少明顯。這是由于沿江地帶是城鎮(zhèn)密集分布區(qū),伴隨著區(qū)域經(jīng)濟發(fā)展和人口的增加,城市建設占用的耕地面積不斷增長。2014年中國第3大水電站—向家壩水電站全面投產(chǎn)運行,致使屏山縣金沙江河段大量耕地被淹沒。與此同時,受退耕還林工程以及山區(qū)耕地撂荒的影響,丘陵山地地區(qū)有大量耕地減少。而相比耕地減少的區(qū)域,耕地增加區(qū)域范圍較分散,大多分布在宜賓市東南部山地丘陵地區(qū)。
圖1 宜賓市1980-2018年耕地空間變化
基于土地利用數(shù)據(jù),借助ArcGIS軟件,經(jīng)過柵格轉(zhuǎn)面、融合、相交等數(shù)據(jù)處理過程,結(jié)合土地利用轉(zhuǎn)移矩陣,得出宜賓市耕地轉(zhuǎn)移情況表(表4)。從表4可知,38 a間宜賓市耕地變化顯著。1980—2000年,宜賓市耕地共轉(zhuǎn)出了60.82 km2,絕大部分轉(zhuǎn)入了建設用地和林地中。耕地的轉(zhuǎn)入量為13.07 km2,主要來源于林地和水域,分別有9.59 km2的林地和3.15 km2的水域轉(zhuǎn)變?yōu)榱烁?。未利用地比較穩(wěn)定,基本未發(fā)生轉(zhuǎn)變。相較前20 a,2000—2018年宜賓市耕地增減變化格外明顯,耕地轉(zhuǎn)出量為867.68 km2,轉(zhuǎn)入量為669.30 km2。38 a間,耕地向其他地類共轉(zhuǎn)出了928.50 km2,其中有17.10%轉(zhuǎn)入了建設用地,有69.18%轉(zhuǎn)入了林地。19世紀80年代,家庭聯(lián)產(chǎn)承包責任制的全面落實,使中國耕地權屬細碎化。隨后四川省率先實施的退耕還林工程,驅(qū)使宜賓市丘陵山地地區(qū)大量細碎耕地轉(zhuǎn)出至林地當中。
表4 宜賓市1980-2018年耕地轉(zhuǎn)入與轉(zhuǎn)出情況 km2
為了查明宜賓市耕地空間集聚情況,本研究借助核密度分析工具,計算該區(qū)耕地的核密度值(帶寬h=5 325 m)。該密度值能反映耕地的空間聚散情況,密度值越大,說明耕地在空間上越聚集。結(jié)果表明,宜賓市耕地核密度值范圍為0~11.08 個/km2(圖2),運用自然斷點法將其劃分為6個等級:低密度區(qū)(0~1.84 個/km2),中低密度區(qū)(1.84~3.69 個/km2),中密度區(qū)(3.69~5.54 個/km2),中高密度區(qū)(5.54~7.39 個/km2),高密度區(qū)(7.39~9.23 個/km2),極高密度區(qū)(9.23~11.08 個/km2)。從圖2可知,宜賓市耕地空間分布具有顯著的差異性。耕地核密度極高與高密度區(qū)主要分布于宜賓市的北部地區(qū),以南溪區(qū)、翠屏區(qū)、長寧縣和敘州區(qū)北部為主。這些地區(qū)海拔較低,地勢相對平坦,耕地所占比重大。中、低密度區(qū)主要分布于區(qū)域南部的丘陵山地地區(qū),以筠連縣、珙縣和興文縣為主,這使得宜賓市耕地分布呈“北密南疏”的空間分布格局。對比宜賓市3個時期耕地核密度的空間變化情況可以看出,密度高的區(qū)域范圍在逐漸縮小,在空間上呈擴散趨勢,而中、低密度區(qū)范圍在不斷擴張。城鎮(zhèn)密集、經(jīng)濟發(fā)達的沿江地區(qū)是耕地密度變化最為明顯的地區(qū)。這說明宜賓市耕地的空間核密度不僅受地形、地貌等自然條件的限制,同時還受到城市化、工業(yè)化等社會經(jīng)濟因素的影響。
圖2 宜賓市1980-2018年耕地核密度等級空間分布
將研究區(qū)土地利用柵格數(shù)據(jù)進行重分類,將值字段作為重分類字段,將耕地賦值為1,其余地類皆賦值為0,按屬性提取出重分類后的耕地柵格數(shù)據(jù),然后導入Fragstats軟件中計算出1980—2018年各項景觀指數(shù)(表5)。從表5可知,1980—2018年,斑塊個數(shù)(NP)與斑塊密度指數(shù)(PD)均呈先增后減的趨勢,斑塊數(shù)量共減少了268個,約占斑塊總數(shù)的11%。從形狀指標來看,景觀形狀指數(shù)(LSI)逐漸增大,說明耕地的斑塊形狀日漸復雜且不規(guī)則。景觀分割指數(shù)(Division)從87.97%逐漸增加到了93.14%,這說明耕地斑塊之間越來越分散,耕地破碎化現(xiàn)象加劇。從表征聚散性的景觀指標來看,聚集指數(shù)(AI)、聚類指數(shù)(Clumpy)與斑塊凝聚度指數(shù)Cohesion均呈不斷減小的趨勢,分離度指數(shù)(Split)從8.31%增漲為14.58%。總體來看,宜賓市耕地空間分布較為集聚,斑塊的整體凝聚程度較高。但隨著城市化進程加快,耕地面積逐漸減少,耕地空間集聚性不斷減弱,景觀聚集程度逐漸降低,使得宜賓市耕地破碎程度加劇,破碎化現(xiàn)象日益明顯。
表5 宜賓市1980-2018年耕地破碎化指數(shù)
在ArcGIS軟件中,將起止年份的土地利用數(shù)據(jù)進行重分類,依次對6種地類從數(shù)值1—6分別進行賦值,得到1980和2018年重分類土地利用數(shù)據(jù)。隨后導入PLUS模型中,分析得出宜賓市耕地變化的驅(qū)動力,結(jié)果如圖3—4所示。
圖3 宜賓市耕地、建設用地和林地面積增長的驅(qū)動因素貢獻度
從圖3可知,耕地面積擴張的主要驅(qū)動因子是人口、距水域距離、GDP和距1級道路距離。疊加耕地增加區(qū)域和人口柵格數(shù)據(jù)(圖4)可以看出,耕地的增加區(qū)域主要分布在離水域較遠且人口密度相對較小的地區(qū),人口越密集的地區(qū)耕地面積增加的越少。為了查明耕地變化的原因,還需分析耕地面積減少的影響因素。近40 a來,在耕地總轉(zhuǎn)出量中,約有86.19%的耕地轉(zhuǎn)入了建設用地和林地之中。其中耕地轉(zhuǎn)入建設用地的面積占建設用地增加面積的90.11%,轉(zhuǎn)入林地的量占林地增加面積的91.55%。這表明耕地面積的注入是導致建設用地和林地面積增加的主要原因。因此,分析建設用地和林地面積擴張的驅(qū)動力可以近似地反映出區(qū)域耕地面積減少的原因。從圖3可知,距政府距離因子對建設用地面積擴張影響最大,其次是高程、人口和GDP。建設用地增加區(qū)域主要分布在宜賓市地勢相對平坦、人口稠密,社會經(jīng)濟活動頻繁的地區(qū)政府駐地的周圍。影響林地面積增加的主要驅(qū)動因子是距離水域的距離,其次是GDP、人口和高程。大部分林地增加的區(qū)域主要集中在宜賓市海拔較高、遠離水域的地區(qū)。因此,耕地面積減少可能是受人口、高程、距水域距離、GDP等因子的影響。綜合來看,1980—2018年,驅(qū)使宜賓市耕地發(fā)生變化的原因可以歸結(jié)為受人口、GDP、政府駐地以及道路等社會經(jīng)濟因子的影響,高程、水域等自然環(huán)境因子也是其變化的主要影響因素。
圖4 宜賓市耕地、建設用地、林地增加區(qū)域與其最高貢獻度因子相疊加
1980年以來,宜賓市耕地整體上呈減少趨勢且主要轉(zhuǎn)入建設用地和林地中。在ArcGIS軟件中,提取出耕地轉(zhuǎn)入建設用地與林地的區(qū)域,并與研究區(qū)高程數(shù)據(jù)相疊加(圖5)。觀察發(fā)現(xiàn),驅(qū)動因子不僅影響著耕地的空間變化,也限制著耕地的空間變化形式。在相對平坦的城市周邊地區(qū),耕地大范圍的轉(zhuǎn)入建設用地,空間分布集中。在丘陵山地地區(qū),耕地主要轉(zhuǎn)出至林地中,大面積的斑塊較少,轉(zhuǎn)出區(qū)域大多呈條狀沿著山麓及等高線分散分布。這表明在城市地帶,主要受社會經(jīng)濟活動和城市建設用地需求增加的影響,耕地以塊狀、團狀的形式大范圍的轉(zhuǎn)出。在丘陵山區(qū),人類活動相對較少,受退耕還林工程的影響,耕地以條帶狀的形式在減少。
圖5 1980-2018年宜賓市耕地轉(zhuǎn)入林地和建設用地區(qū)域
耕地是人類賴以生存的基礎,耕地問題關乎糧食生產(chǎn)和安全,維持糧食生產(chǎn)能力的根本就在于保障足夠的耕地數(shù)量和穩(wěn)定的耕地結(jié)構(gòu)。本文通過探究宜賓市不同時期耕地的變化情況,宏觀地刻畫了區(qū)域耕地時空變化特征,結(jié)合PLUS模型揭示了耕地變化的驅(qū)動機制。結(jié)果表明,1980—2018年期間,宜賓市大量耕地持續(xù)減少并主要轉(zhuǎn)出到林地和建設用地中,這與張蕎等[11]的研究相符,也與長江上游低山丘陵地區(qū)大部分城市耕地變化情況相似[16]。一般來說自然環(huán)境因子大多決定耕地的整體空間布局,而社會經(jīng)濟因子往往控制著耕地演變的方向、轉(zhuǎn)換的數(shù)量及演化的速度。1980年以來,宜賓市耕地面積大量減少,主要是受人口、GDP和道路等社會經(jīng)濟因素以及水域、高程等自然因素的影響,這與唐大珍[17]、馮義熊等[18]關于川南地區(qū)土地利用變化驅(qū)動力研究結(jié)果相似。耕地作為人類社會背景下的產(chǎn)物,受地理要素空間異質(zhì)性的影響,不同研究區(qū)耕地變化驅(qū)動力呈現(xiàn)出顯著的差異。如周翔等[19]認為江蘇省快速城市化地區(qū),耕地流失主要是受城市化進程加快、高鐵和大規(guī)模企業(yè)發(fā)展建設所影響;潘佩佩等[20]發(fā)現(xiàn),1985—2015年期間太湖流域耕地集中連片分布區(qū)與經(jīng)濟發(fā)展快速區(qū)的空間復合導致耕地縮減與建設用地擴張呈現(xiàn)空間對應關系,建設占用是驅(qū)動耕地減少的主要因素;朱會義等[21]以新疆維吾爾自治區(qū)為例分析了西北生態(tài)環(huán)境脆弱區(qū)耕地擴張情況,得出政策激勵和農(nóng)業(yè)技術進步是耕地增加的主要原因。這種耕地變化驅(qū)動力區(qū)域性差異,不僅受控于地理要素空間異質(zhì)性,還同區(qū)域發(fā)展定位、土地利用政策、研究時段以及驅(qū)動力模型選取等密切相關。指值得一提的是,政策因素在任意時段、任意研究尺度內(nèi)都是影響耕地變化的重要因素[22],宜賓市耕地面積減少受政策因素影響也比較明顯,如1999年開始實施的退耕還林政策,驅(qū)使宜賓市以及中國西南地區(qū)大量耕地減少并轉(zhuǎn)入林地之中[23]。此外,1980年以來,伴隨城鎮(zhèn)化進程的推進,宜賓市農(nóng)村勞動力迅速流失,而農(nóng)民大多有“戀土情結(jié)”,寧愿土地撂荒也不愿將耕地流轉(zhuǎn)[24],這也在一定程度上導致宜賓市耕地面積有所減少。
近年來,宜賓市政府大力推動大學城和科技創(chuàng)新城的建設。宜賓市首個省級新區(qū)(三江新區(qū))的設立,勢必會占用更多的耕地來滿足其建設需求。未來社會經(jīng)濟因素對耕地的影響會進一步加強,區(qū)域耕地面積可能會進一步減少。因此,在后續(xù)開展耕地保護工作中,要轉(zhuǎn)變農(nóng)業(yè)發(fā)展思維,從數(shù)量、質(zhì)量、生態(tài)功能3方面去落實耕地保護制度。在沿江平壩重點開發(fā)區(qū),提高城市用地的空間利用率,妥善處理社會經(jīng)濟發(fā)展與土地資源承載力之間的關系。在農(nóng)村低山丘陵地區(qū)適當推進土地流轉(zhuǎn),引導農(nóng)民進行土地租賃或復墾撂荒地,加強農(nóng)村土地綜合治理,確保區(qū)域擁有充足、高質(zhì)的耕地資源。
作為長江上游地區(qū)重要的農(nóng)業(yè)生產(chǎn)基地,宜賓市耕地的時空變化關乎區(qū)域糧食安全問題。本文系統(tǒng)地闡釋了宜賓市耕地時空變化特征及其驅(qū)動力,可為區(qū)域耕地資源保護和土地資源優(yōu)化配置提供決策參考。但本文仍存在一定的局限性,如在研究尺度上,僅從市和縣(區(qū))的行政單元尺度進行分析,更詳細的研究還可以從鄉(xiāng)鎮(zhèn)或自然區(qū)劃尺度開展,以便為耕地資源優(yōu)化提供更為準確的依據(jù);在驅(qū)動機制分析方面,宏觀分析了農(nóng)民價值觀與區(qū)域政策因素對耕地產(chǎn)生的可能影響,缺乏其定量化探究,因此研發(fā)包含農(nóng)民價值觀與區(qū)域政策等因素的耕地變化驅(qū)動力模型是未來相關研究需要重點突破的方向。
(1) 1980—2018年,伴隨人口增加和城市化進程的推進,宜賓市耕地變化顯著,整體呈減少趨勢,共減少了247.92 km2。減少的絕大部分耕地轉(zhuǎn)入了建設用地和林地之中,沿江地帶是耕地顯著變化區(qū)域。
(2) 宜賓市耕地空間分布呈“北密南疏”的分布格局。耕地核密度高值區(qū)主要分布在區(qū)域北部,位于宜賓市南部的筠連縣和珙縣等地是主要的低密度分布區(qū)。近40 a來,高密度區(qū)面積逐漸縮小,低密度區(qū)范圍不斷擴大,使得宜賓市耕地空間聚集性逐漸減弱。
(3) 從景觀指數(shù)的變化情況來看,1980—2018年宜賓市耕地斑塊數(shù)量逐漸減少且形狀日益復雜、耕地的聚集程度不斷減小和分散程度有所增加。這使得宜賓市耕地破碎化現(xiàn)象日益顯著,破碎程度不斷增強。
(4) 耕地時空格局變化是自然和社會經(jīng)濟因素的綜合作用的結(jié)果。在海拔、水域和坡度等自然因子的影響限制下,政府駐地、人口、道路交通和經(jīng)濟等因子驅(qū)動著耕地不斷發(fā)生變化。此外農(nóng)民價值觀和退耕還林政策的推行影響農(nóng)民的耕作行為,加速了耕地利用方式的變化,從而導致耕地時空格局發(fā)生轉(zhuǎn)變。