楊媛媛, 姚 堯, 郝 帥

(1.中國(guó)地質(zhì)大學(xué)(武漢)公共管理學(xué)院, 武漢 430074; 2.貴州財(cái)經(jīng)大學(xué) 公共管理學(xué)院, 貴陽(yáng) 550025)

耕地承載著農(nóng)業(yè)生產(chǎn)的所有行為，同時(shí)也提供人類所有活動(dòng)的載體，其對(duì)對(duì)經(jīng)濟(jì)可持續(xù)發(fā)展、國(guó)家糧食安全和社會(huì)長(zhǎng)治久安中承載著關(guān)鍵性作用[1-2]。多年來(lái)，人口數(shù)量增長(zhǎng)、建設(shè)用地?cái)U(kuò)張等對(duì)使得耕地資源越來(lái)越緊張，也在一定程度上制約著區(qū)域的可持續(xù)發(fā)展和帶來(lái)一系列問(wèn)題[3-4]，伴隨快速城市化發(fā)展的大前提下，耕地?cái)?shù)量將會(huì)呈現(xiàn)出持續(xù)減少的趨勢(shì)[5-7]。耕地集約利用在保障我國(guó)糧食安全和解決“三農(nóng)”問(wèn)題，實(shí)現(xiàn)我國(guó)鄉(xiāng)村振興的重要舉措[8]。因此，在耕地資源保質(zhì)保量的前提下，如何轉(zhuǎn)變耕地利用方式，提升耕地集約利用水平和效率，為實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展的同時(shí)保障國(guó)家糧食安全具有重要意義[9-10]。

自David首次在經(jīng)濟(jì)學(xué)領(lǐng)域提出耕地集約利用這一概念以來(lái)[11]，國(guó)內(nèi)外學(xué)者對(duì)耕地集約利用的研究成果不斷完善和豐富。研究?jī)?nèi)容主要集中在耕地集約利用時(shí)空演變與空間分異規(guī)律[12-16]、評(píng)價(jià)方法與體系[17-20]、驅(qū)動(dòng)力因子[21-24]和與“社會(huì)—經(jīng)濟(jì)—生態(tài)”方面的耦合協(xié)調(diào)機(jī)制等[25-28]方面。此外，還從多個(gè)層面、尺度對(duì)耕地集約利用進(jìn)行研究：(1)李兆亮、張榮天和鄧楚雄等從全國(guó)[29-30]、流域[22]、城市群[31]和省域等[23,27]宏觀層面開(kāi)展研究；(2)劉愿理、楊佳惠和居爾艾提·吾布力等從市級(jí)[20,25]和縣級(jí)等[32]的中觀層面進(jìn)行研究；(3)葛玉娟、高陽(yáng)和張新煥等從鄉(xiāng)鎮(zhèn)村[33]和農(nóng)戶等[34-36]微觀的層面進(jìn)行研究。研究方法上，主要集中于采用PSR模型[37]、AHP層次分析法[38]、能值法等[13]數(shù)理模型對(duì)耕地集約度進(jìn)行量化和測(cè)算；采用主成分分析法[39]、GWR模型[40]、多元線性回歸模型等[36,41]方法對(duì)影響耕地集約水平的因素進(jìn)行分析。

相對(duì)于貴州省眾多的人口來(lái)說(shuō)，適宜耕種的平原土地?cái)?shù)量本就較少，大多被占用從事非農(nóng)用途，對(duì)貴州省的糧食安全造成不利影響。所以改變貴州省長(zhǎng)久以來(lái)粗放的土地利用方式轉(zhuǎn)而向耕地集約利用方式轉(zhuǎn)變，就顯得極其重要，不僅有利于緩解城市土地供求矛盾，還有利于維護(hù)和提高貴州省糧食產(chǎn)量，在促進(jìn)土地利用和經(jīng)濟(jì)的可持續(xù)發(fā)展的同時(shí)，起到對(duì)生態(tài)環(huán)境保護(hù)的作用。在影響耕地集約利用水平變化的影響因素研究當(dāng)中大多采用一般線性回歸模型，其缺點(diǎn)在于一般線性回歸模型是忽視局部特征的，其假設(shè)局部的影響程度都是相同的，但實(shí)際上不同地區(qū)的耕地質(zhì)量既受地帶性和非地帶性規(guī)律的共同作用，也與各地區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展程度相關(guān)聯(lián)。所以各項(xiàng)影響因素對(duì)不同地區(qū)耕地的集約利用水平會(huì)有不同程度的影響。GWR模型正是為解決這一問(wèn)題而提出的，考慮了局部變化特征的模型，本文在研究影響貴州省9個(gè)市(州)的耕地集約利用水平變化的分析中引入GWR模型，分析耕地集約利用的動(dòng)態(tài)特征，研究促進(jìn)各地區(qū)耕地集約利用程度提高的主要影響因素，為貴州省提高耕地集約利用水平、保護(hù)生態(tài)環(huán)境和緩解人地矛盾等提供參考。

1 研究區(qū)概況

貴州省是我國(guó)西南地區(qū)之一，是整個(gè)西南地區(qū)重要的陸路交通樞紐，也是國(guó)家生態(tài)文明試驗(yàn)區(qū)和內(nèi)陸開(kāi)放型經(jīng)濟(jì)試驗(yàn)區(qū)，其經(jīng)緯度介于東經(jīng)103°36′—109°35′和北緯24°3′—29°13′之間，礦產(chǎn)資源豐富，降水量充足。貴州省所占國(guó)土面積有17.61萬(wàn)km2，而其中山地和丘陵面積就占了92.50%之多，而山間平壩面積僅占7.50%，省內(nèi)耕地資源匱乏，農(nóng)業(yè)條件較差，人多地少，全省大部分是巖溶山地，土地貧瘠，水土流失嚴(yán)重，加上長(zhǎng)期不合理的開(kāi)墾和利用方式，迫使土地更加貧瘠。截至2018年，貴州省擁有耕地面積4.52萬(wàn)km2，占全省面積的25.65%，但高等級(jí)耕地級(jí)別占比較低，僅占全省耕地評(píng)定總面積的1.82%；通過(guò)實(shí)施土地開(kāi)發(fā)整治、復(fù)墾項(xiàng)目耕地資源可持續(xù)利用狀況逐漸趨于好轉(zhuǎn)，耕地面積同比增長(zhǎng)21.07%，但由于人口增長(zhǎng)較耕地面積增長(zhǎng)的速度快，導(dǎo)致全省人均耕地面積到2018年僅為1 000 m2/人。

2 研究方法

2.1 數(shù)據(jù)來(lái)源

本文所涉及的數(shù)據(jù)包括社會(huì)經(jīng)濟(jì)數(shù)據(jù)和基礎(chǔ)地理信息數(shù)據(jù)。其中評(píng)價(jià)數(shù)據(jù)來(lái)源于《貴州省統(tǒng)計(jì)年鑒》(2004—2019年)、《中國(guó)區(qū)域統(tǒng)計(jì)年鑒》(2004—2019年)、《中國(guó)城市統(tǒng)計(jì)年鑒》(2004—2019年)以及貴州省9個(gè)市州統(tǒng)計(jì)年鑒、社會(huì)經(jīng)濟(jì)公報(bào)等。耕地集約利用水平的各項(xiàng)指標(biāo)數(shù)據(jù)通過(guò)收集的數(shù)據(jù)進(jìn)行評(píng)價(jià)計(jì)算而得到，空間數(shù)據(jù)來(lái)源于基礎(chǔ)地理信息系統(tǒng)數(shù)據(jù)庫(kù)，運(yùn)用ArcGIS 10.2提取了省行政區(qū)邊界、市(州)行政區(qū)邊界等矢量數(shù)據(jù)。

2.2 耕地集約利用水平評(píng)價(jià)體系

2.2.1 構(gòu)建評(píng)價(jià)指標(biāo)體系 因多因素綜合評(píng)價(jià)方法是一種綜合考慮多種影響因素，而后將多個(gè)影響因素量化為一個(gè)可以反映評(píng)價(jià)對(duì)象綜合情況的指標(biāo)來(lái)進(jìn)行評(píng)價(jià)，從而實(shí)現(xiàn)評(píng)價(jià)目的的評(píng)價(jià)方法。本文基于前人研究成果，根據(jù)主導(dǎo)性原則、綜合性原則、因地制宜原則等，運(yùn)用多因素綜合評(píng)價(jià)方法，從投入強(qiáng)度、利用程度、產(chǎn)出效益和持續(xù)狀況這4個(gè)方面進(jìn)行綜合考慮，選取14個(gè)指標(biāo)，具體見(jiàn)表1。

表1 貴州省耕地集約利用評(píng)價(jià)模型

耕地的投入強(qiáng)度反映了該地區(qū)農(nóng)業(yè)生成過(guò)程中將生產(chǎn)要素投入到耕地中的數(shù)量，一般來(lái)說(shuō)，在合理的范圍內(nèi)，隨著投入到單位面積耕地上的生產(chǎn)要素的增多，耕地集約利用的程度也就越高，超出合理范圍之后，耕地的集約利用程度則會(huì)逐漸下降。耕地的利用程度是耕地利用狀況的綜合表現(xiàn)，往往受區(qū)域條件、經(jīng)濟(jì)和技術(shù)水平的影響，其利用程度越高，耕地集約利用水平也越高。耕地的產(chǎn)出效益反映了該地區(qū)的耕地能夠給人類和社會(huì)帶來(lái)經(jīng)濟(jì)效益的多少。耕地的可持續(xù)狀況綜合反映一個(gè)地區(qū)社會(huì)與經(jīng)濟(jì)持續(xù)發(fā)展、耕地?cái)?shù)與量等方面的可持續(xù)發(fā)展?fàn)顩r。

(1)

式中:Ui為集約度；Wj代表第j個(gè)指標(biāo)的權(quán)重值；Iij為指標(biāo)標(biāo)準(zhǔn)化值。

2.2.2 數(shù)據(jù)標(biāo)準(zhǔn)化 因構(gòu)建的耕地集約利用評(píng)價(jià)模型中不同指標(biāo)的量綱不一致，需要對(duì)其標(biāo)準(zhǔn)化處理后才具可比性，本文采用離差標(biāo)準(zhǔn)化法進(jìn)行標(biāo)準(zhǔn)化處理。因所有指標(biāo)均為正向指標(biāo)，其標(biāo)準(zhǔn)化方法一致，公式如下：

(2)

2.2.3 確立指標(biāo)權(quán)重 受地區(qū)自然狀況、經(jīng)濟(jì)狀況、社會(huì)狀況等影響，不同地區(qū)各項(xiàng)指標(biāo)對(duì)評(píng)價(jià)目標(biāo)的影響程度存在差異性，故應(yīng)科學(xué)的確立各指標(biāo)的權(quán)重值，使得評(píng)價(jià)結(jié)果更符合真實(shí)現(xiàn)象。本文選擇了與層次分析法、德?tīng)柗品ǖ认鄬?duì)而言更客觀的均方差法確立權(quán)重。其計(jì)算過(guò)程如下：

(1)求取標(biāo)準(zhǔn)化值的均值：

(3)

式中:Zij為第j個(gè)指標(biāo)的標(biāo)準(zhǔn)化值；Ej為Zij的均值。

(2)計(jì)算均方差：

(4)

式中:σj為Zij的均方差。

(3)計(jì)算權(quán)重：

(5)

式中:Wj為第j個(gè)指標(biāo)對(duì)應(yīng)的權(quán)重。

2.3 構(gòu)建GWR模型并檢驗(yàn)

2.3.1 模型的統(tǒng)計(jì)檢驗(yàn) 在構(gòu)建模型前首先要對(duì)模型的因變量進(jìn)行統(tǒng)計(jì)檢驗(yàn)，即空間自相關(guān)性檢驗(yàn)。因?yàn)樽兞康挠^測(cè)點(diǎn)在空間上的鄰近而促使變量的觀測(cè)值相互之間形成相關(guān)性是進(jìn)行GWR模型分析的前提條件，其測(cè)度方法是通過(guò)全局Moran′sI指數(shù)來(lái)進(jìn)行基本測(cè)度，這個(gè)指數(shù)兼顧了數(shù)值和二維空間之間的聯(lián)系，能夠充分反映空間鄰近的區(qū)域單元屬性值的相似程度。具體計(jì)算過(guò)程如下：

(1)計(jì)算全局Moran′sI指數(shù)：

(6)

式中:Wij為空間權(quán)重矩陣;xi和xj分別為i和j的觀測(cè)值;n為空間單元的數(shù)量。若Moran′sI>0,則表示變量之間呈正的空間自相關(guān),變量趨向空間集聚狀況,反之,呈負(fù)的空間自相關(guān),變量趨向分散分布;若Moran′sI=0,則表示變量在空間上是隨機(jī)分布的。其絕對(duì)值的大小越接近1,就代表其空間分布的差異大。

(2)統(tǒng)計(jì)檢驗(yàn):

(7)

式中:SD(I)為標(biāo)準(zhǔn)方差；E(I)為均值;如果Z>0,表示存在正的空間自相關(guān)關(guān)系,反之,則為負(fù)的空間自相關(guān)關(guān)系。

計(jì)算2003年、2008年、2013年和2018年的Moran′sI值及其統(tǒng)計(jì)檢驗(yàn)見(jiàn)表2，所有時(shí)期的Moran′sI值Z值均通過(guò)了5%的統(tǒng)計(jì)檢驗(yàn)，表明其存在著空間自相關(guān)關(guān)系。并且，4個(gè)年份的Moran′sI值處在[0.215,0.337]這個(gè)區(qū)間，又在2013年達(dá)到最高值，表明貴州省耕地集約度空間相關(guān)性在這4個(gè)時(shí)期均為正向相關(guān)，其相關(guān)性逐漸增強(qiáng)，集聚效應(yīng)明顯。

表2 檢驗(yàn)結(jié)果

2.3.2 GWR模型構(gòu)建 與OLS模型不同的是地理加權(quán)回歸模型即考慮了空間非平穩(wěn)性，模型的解釋變量的系數(shù)值隨地理位置的不同而略有差異。因其具有如此的優(yōu)勢(shì)，本文采用GWR模型對(duì)耕地集約利用水平的影響因素進(jìn)行分析。

(8)

式中:βo(u)為截距項(xiàng)；βk(u)為第k個(gè)協(xié)變量的回歸系數(shù)；xk(u)是位置u的第k個(gè)協(xié)變量的值；p為回歸項(xiàng)的個(gè)數(shù)；ε(u)是位置u的隨機(jī)誤差項(xiàng)。

由表3看出，該模型分別解釋了4個(gè)年份因變量的78%，75%，80%和82%，說(shuō)明模型擬合效果較好。

表3 統(tǒng)計(jì)檢驗(yàn)結(jié)果

4 結(jié)果與分析

4.1 耕地集約利用水平時(shí)間變化特征

4.1.1 貴州省耕地總體集約利用水平變化時(shí)間特征通過(guò)圖1分析可知，貴州省2003—2018年的耕地集約度整體呈波動(dòng)上升的變化趨勢(shì)，最高值出現(xiàn)在2014年為0.580 2，其時(shí)序變化可以粗略的分為2個(gè)時(shí)期，第一個(gè)時(shí)期在2003—2013年，一直處于低集約水平，第2個(gè)時(shí)期的2014年、2016年和2017年進(jìn)入中度集約水平。4個(gè)研究節(jié)點(diǎn)的集約度分別為0.359 3(2003年)，0.496 5(2008年)，0.489 7(2013年)，0.512 7(2018年)。

圖1 貴州省耕地集約利用水平變化

4.1.2 市級(jí)耕地集約利用水平時(shí)空變化特征 通過(guò)將貴州省各市(州)4個(gè)時(shí)間節(jié)點(diǎn)的耕地集約度進(jìn)行比較分析，可按變化情況分為上升趨勢(shì)、波動(dòng)變化和下降趨勢(shì)3種特征，其具體情況由表可知，處于上升趨勢(shì)的多位于西南部，隨時(shí)間變化而波動(dòng)的市(州)較為分散，城市化和工業(yè)化較高的貴陽(yáng)市，其耕地集約利用水平逐年降低(圖2)。

圖2 貴州省各市(州)2003-2018年耕地集約利用水平變化

通過(guò)將貴州省各市(州)4個(gè)時(shí)間節(jié)點(diǎn)的耕地集約利用水平進(jìn)行比較分析，可將變化趨勢(shì)歸納為上升趨勢(shì)、波動(dòng)變化和下降趨勢(shì)3種變化特征，其具體情況由表可知，處于上升趨勢(shì)的多位于西南部，隨時(shí)間變化而波動(dòng)的市(州)較為分散，城市化和工業(yè)化較高的貴陽(yáng)市，其耕地集約利用水平逐年降低，見(jiàn)表4。

表4 貴州省2003-2018年各市(州)耕地集約利用度變化類型

4.2 耕地集約利用水平空間分異特征

為進(jìn)一步研究其空間特征，本文考慮了貴州省耕地實(shí)際的利用狀況，綜合相關(guān)文獻(xiàn)的研究成果，將貴州省2003—2018年的耕地集約度結(jié)果按得分劃分為：不集約(≤0.3)、低度集約(0.3～0.5)、中度集約(0.5～0.8)、高度集約(≥0.8)4種類型，并運(yùn)用ArcGIS 10.2軟件繪制研究的4個(gè)時(shí)間節(jié)點(diǎn)的空間分布圖(圖3)。

圖3 貴州省2003-2018年各市(州)耕地集約利用水平空間分異

從4個(gè)時(shí)間節(jié)點(diǎn)來(lái)看，2003年僅貴陽(yáng)市和安順市處于中度集約水平，六盤(pán)水處于不集約水平，其他各市(州)均為低度集約水平。2008年中度集約的地區(qū)僅有安順市，不集約的只有畢節(jié)市，其他地區(qū)低度集約。2013年中度集約的依然市安順市，與2008年僅有畢節(jié)市為不集約水平不同的是，2013年黔南州也處于不集約水平。2018年貴州各沒(méi)有不集約的地區(qū)，當(dāng)除安順市、遵義市屬于中度集約外，其他地區(qū)均為低度集約。

2003—2008年，六盤(pán)水市和黔南州集約度相對(duì)其他地區(qū)均有較大提升，分別上升0.16，0.12，安順市和遵義市的集約度小幅度增長(zhǎng)，增長(zhǎng)數(shù)值小于0.05，貴陽(yáng)市集約度大幅度下降，從中度集約降低到低度集約，其他地區(qū)也有小幅度下降。2008—2013年，六盤(pán)水市、黔東南州、銅仁市、遵義市均有小幅度上升，其他市州略有下降。2013—2018年，黔南州集約度上升較大，從0.297上升到0.433，貴陽(yáng)市略有下降，其他地區(qū)均略有上升。綜合來(lái)說(shuō)，貴州省各市(州)集約度在2013—2018年這個(gè)時(shí)期有了全方位的提升，整體趨向良好發(fā)展；安順市在整個(gè)觀測(cè)期間始終處于中度集約程度；貴陽(yáng)市耕地集約度逐年下降；遵義市由低集約度發(fā)展到中度集約。

4.3 耕地集約利用水平影響因素分析

本文運(yùn)用了ArcGIS 10.2的地理加權(quán)回歸模型，對(duì)貴州省2003—2018年的評(píng)價(jià)數(shù)據(jù)進(jìn)行深入分析，由于篇幅所限，僅以2018年的處理結(jié)果深入展開(kāi)進(jìn)行論述。

由表5可知，2018年整體來(lái)看貴州省持續(xù)狀況回歸系數(shù)值最高，其值由大到小依次為持續(xù)狀況>投入強(qiáng)度>利用程度>產(chǎn)出效益，說(shuō)明在2018年持續(xù)狀況和投入強(qiáng)度對(duì)貴州省耕地集約利用水平的影響較高。具體來(lái)說(shuō)：

表5 貴州省2018年各市(州)耕地集約利用影響因素回歸系數(shù)

(1)投入強(qiáng)度方面。投入強(qiáng)度的系數(shù)值從0.104至0.266，多處于0.173以上，黔西南州的投入強(qiáng)度系數(shù)高達(dá)0.266。相對(duì)于利用程度和產(chǎn)出效益來(lái)說(shuō)，投入強(qiáng)度的影響更大，這是因?yàn)橥ㄟ^(guò)合理的增加投入強(qiáng)度是提高耕地集約度的必由之路，通過(guò)合理的增加單位面積土地上的投入才能增加單位面積土地上的產(chǎn)出。黔東南州是貴州省社會(huì)經(jīng)濟(jì)發(fā)展較為落后的地區(qū)，又受地理?xiàng)l件的影響，地均機(jī)械總動(dòng)力較低，所以對(duì)集約水平的影響較低；遵義市受投入強(qiáng)度影響最大，自2013年以來(lái)，遵義市地均化肥施用量、地均耕地電力投入和地均農(nóng)業(yè)從業(yè)人數(shù)迅速增長(zhǎng)，對(duì)貴州省耕地集約利用水平有較高影響。

(2)利用程度方面。由于貴州省各市(州)地形地貌差異較小，所以除地形較為平坦、氣候較為溫和濕潤(rùn)導(dǎo)致復(fù)種指數(shù)和墾殖系數(shù)較高的黔南州外，利用程度對(duì)貴州省各市(州)的影響程度的差異相對(duì)較小。

(3)產(chǎn)出效益方面。產(chǎn)出效益的系數(shù)除畢節(jié)市外，各市(州)相差較小，最高值0.191的安順市和最低值0.061的畢節(jié)市相差3倍以上，出現(xiàn)這種情況的原因，一是畢節(jié)市相對(duì)于其他地區(qū)耕地面積更為廣闊，勞動(dòng)力數(shù)量更多，而糧食的產(chǎn)量、產(chǎn)值與其他地區(qū)相差不大，導(dǎo)致其糧食單產(chǎn)、勞均產(chǎn)值、勞均產(chǎn)量和地均產(chǎn)值比其他地區(qū)相對(duì)較小，耕地集約利用水平受到的影響程度也就相對(duì)較小。

(4)持續(xù)狀況方面。持續(xù)狀況系數(shù)值在貴州省各地區(qū)差異較大，最高值0.256的銅仁和最低值0.032的黔西南州，相差近8倍，可見(jiàn)持續(xù)狀況是影響各地區(qū)耕地集約水平的主要因子之一，造成這種情況的原因可能是各地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展水平差異較大，黔西南州、黔南州和遵義市的城鎮(zhèn)化水平較高，其第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對(duì)第一產(chǎn)業(yè)的可持續(xù)造成較大影響。

5 結(jié) 論

(1)總體來(lái)看，貴州省2003—2018年耕地集約度呈現(xiàn)波動(dòng)上升的趨勢(shì)，但尚末達(dá)到高度集約水平，如何持續(xù)提升耕地集約利用水平，將成為貴州省市州發(fā)展及國(guó)家與區(qū)域戰(zhàn)略研究的重要任務(wù)。以2014年為分界點(diǎn)，2014年之前的年份處于低度集約水平，但在中國(guó)城市化和工業(yè)化的發(fā)展帶動(dòng)之下，農(nóng)業(yè)勞動(dòng)力向非農(nóng)轉(zhuǎn)移，以及土地流轉(zhuǎn)的頻率提高，使得從事農(nóng)業(yè)工作的人員所能耕種的土地面積增加，即土地規(guī)模報(bào)酬遞增效應(yīng)；同時(shí)，科學(xué)技術(shù)的提高，工業(yè)化進(jìn)程的推進(jìn)，使得投入到第一產(chǎn)業(yè)的要素增加，即出現(xiàn)二、三產(chǎn)業(yè)反哺農(nóng)業(yè)的現(xiàn)象，使得2014年開(kāi)始，貴州省進(jìn)入中度集約水平，但受農(nóng)村勞動(dòng)力流失、貴州大面積退耕還林等因素的影響，2014年之后的集約水平略有波動(dòng)，尤其是2018年耕地集約度又下降到0.512 7，但仍處于中度集約水平。

(2)分市州來(lái)看，貴州省各市州2003—2018年的集約水平分為3種變化特征，即上升、波動(dòng)、下降3種特征。其中，9個(gè)市(州)僅貴陽(yáng)市由于城市化的迅速發(fā)展，大批量的占用耕地，經(jīng)濟(jì)發(fā)展主要以第二產(chǎn)業(yè)和第三產(chǎn)業(yè)為主，從中度集約下降到低度集約；安順市、六盤(pán)水市、黔東南州、遵義市4個(gè)地區(qū)穩(wěn)步發(fā)展，耕地集約水平逐漸提升，其中遵義市集約水平更是從低度集約發(fā)展到了中度集約，可能的原因是遵義市臨接四川省、重慶市，且交通便利，經(jīng)濟(jì)得以迅速發(fā)展，使得能夠再次投入到耕地中的要素增加，大大提升了遵義市的耕地集約水平，其他地區(qū)則處于波動(dòng)變化當(dāng)中。

(3)從影響因素方面來(lái)看，借助GWR模型分析結(jié)果可知，貴州省耕地集約利用水平程度主要受持續(xù)狀況和投入強(qiáng)度的影響，而產(chǎn)出效益和利用狀況相對(duì)影響較弱。究其原因，持續(xù)狀況和投入強(qiáng)度作為耕地集約度水平提升的前提和基礎(chǔ)條件，省內(nèi)各市(州)基礎(chǔ)水平差異較小，但對(duì)貴州省耕地集約利用水平影響較大；而產(chǎn)出效益和利用狀況衡量了種植業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展的狀況，利用情況受貴州省特殊的地理情況的影響，對(duì)各地區(qū)影響程度相對(duì)均一，產(chǎn)出效益在各市(州)的影響程度有很大差異。在今后提升貴州省耕地集約水平的工作中應(yīng)當(dāng)考慮從明確土地權(quán)屬，加大土地流轉(zhuǎn)；優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)；挖掘鄉(xiāng)村文化，促進(jìn)農(nóng)旅結(jié)合；加強(qiáng)退耕還林，促進(jìn)可持續(xù)發(fā)展；規(guī)范合作社，促進(jìn)合作社發(fā)展，帶動(dòng)貧困地區(qū)農(nóng)民就業(yè)的同時(shí)提高耕地集約利用水平。