趙國秀，張全景，翟騰騰，滕 淦，賀 飛

（1.曲阜師范大學 地理與旅游學院，山東 日照 276826；2.中國礦業(yè)大學 公共管理學院，江蘇 徐州 221116）

0 引言

耕地是人類生存的基礎(chǔ)，是保障糧食安全的前提，耕地數(shù)量的變化對推動地區(qū)經(jīng)濟的可持續(xù)發(fā)展、促進社會進程進步有著重大意義［1－3］。在人口持續(xù)增長、城鎮(zhèn)化水平不斷提高的今天，社會對耕地資源需求的增加致使人地矛盾愈加突出［4］。與此同時，黃河流域作為中國北方具有豐富耕地后備資源的地區(qū)［5］，其戰(zhàn)略地位不斷提高。中央政府出臺了《黃河流域生態(tài)保護和高質(zhì)量發(fā)展規(guī)劃綱要》等一系列文件，確定以水定田促進農(nóng)業(yè)發(fā)展的策略，將黃河流域高質(zhì)量發(fā)展與生態(tài)保護提升到國家層面。因此，分析黃河流域?qū)嶋H人均耕地面積與最小人均耕地面積的比值關(guān)系，探究時間序列下耕地壓力變化情況與空間分布特征，對流域內(nèi)部耕地保護政策優(yōu)化、糧食增產(chǎn)具有重要意義。當前關(guān)于黃河流域耕地資源的研究，學者多以行政區(qū)為研究單元［6，7］，從耕地數(shù)量變化、耕地質(zhì)量提升、生態(tài)保護三方面展開。具體來看，主要集中在耕地利用效率與集約利用［5，8］、生態(tài)保護約束下的耕地利用［9，10］、耕地資源時空格局演變［11］、耕地資源開發(fā)利用［12］等方面。目前關(guān)于耕地壓力的研究已取得較為豐碩的成果，諸多學者以推進耕地保護與糧食安全［13，14］為研究目的，基于全國宏觀尺度［4，15］、省市縣尺度［16－18］等多個研究視角，通過對最小人均耕地面積、耕地壓力指數(shù)模型、人均耕地警戒值等指標［19－21］的計算，從耕地壓力的時空變化與分布規(guī)律［22，23］、未來預測［21，24］、影響因素［25］、與經(jīng)濟和城鎮(zhèn)化發(fā)展的關(guān)系［26，27］、對糧食安全的影響［28］5 個方面展開研究。例如，盧新海等從省級、地市級尺度出發(fā)，分析湖北省耕地壓力的時空變化特征［29］；李福奪等運用耕地壓力指數(shù)模型對山東省耕地資源狀況進行研究，并以此為基礎(chǔ)對糧食生產(chǎn)進行動態(tài)分析及預測［24］。綜上可見，關(guān)于耕地壓力的理論研究和方法研究正在逐步加深與完善，但當前研究大多是以行政區(qū)為評價單元，較少從流域、城市群等區(qū)域?qū)用孢M行討論。已有研究中，全國尺度的研究無法對地區(qū)內(nèi)部耕地壓力的時空差異進行詳盡分析，容易忽略微小區(qū)域的細節(jié)變化；在自然與經(jīng)濟關(guān)聯(lián)密切的區(qū)域中，省市縣行政區(qū)層面的研究則割裂了區(qū)域內(nèi)部耕地生產(chǎn)要素的聯(lián)系。本文以黃河流域為研究對象，包含甘肅、寧夏、內(nèi)蒙古、山西、陜西、河南、山東7 省的35 個地市，運用標準耕地系數(shù)修正的耕地壓力模型，定量分析2005—2021年耕地資源及耕地壓力的時空演變及內(nèi)部差異特征，以期針對流域內(nèi)各地市如何緩解耕地壓力提出可行性建議，為流域推進高質(zhì)量發(fā)展、加大耕地保護力度提供科學參考。

1 研究區(qū)域概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

黃河發(fā)源于青海省巴顏喀拉山脈，流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、山西、陜西、河南、山東9 個省級行政單元，是中國北方重要的農(nóng)業(yè)用水灌溉來源。流域全長5 464km，橫跨中國西、中、東三階地形階梯。其中，黃河流域上、中、下游的分界點分別為內(nèi)蒙古自治區(qū)托克托縣的河口鎮(zhèn)、河南省鄭州市的桃花峪。流域涉及地理范圍廣，地貌、氣候類型多樣。黃河干流流經(jīng)地市農(nóng)業(yè)灌溉取水更為便利、農(nóng)業(yè)發(fā)展水平普遍較高，本文選取黃河干流流經(jīng)地市為研究區(qū)域。綜合考慮到四川省在地理學、政治學等諸多領(lǐng)域隸屬于長江流域，青海省作為黃河源區(qū)農(nóng)業(yè)發(fā)展以畜牧業(yè)為主、耕地數(shù)據(jù)獲取困難等多種因素，本文研究區(qū)僅選取甘肅、寧夏、內(nèi)蒙古、山西、陜西、河南、山東7 省的35 個地市（圖1）。

圖1 黃河流域各地市位置Figure 1 Location of cities in the Yellow River region

優(yōu)越的自然條件、國家政策的扶持與悠久的種植歷史推進了研究區(qū)域的農(nóng)業(yè)發(fā)展。2021 年，研究區(qū)耕地面積1 333.92 萬hm2，占全國耕地總面積的10.46%；糧食產(chǎn)量達7 603.04 萬t，占全國糧食總產(chǎn)量的11.13%；人口數(shù)量13 643.25 萬人，占全國總?cè)丝诘?.66%。全區(qū)人均耕地面積0.097 8hm2，高于全國人均水平；人均糧食產(chǎn)量0.557 2t，是全國人均糧食產(chǎn)量的1.15 倍。研究區(qū)具有豐富的能源及礦產(chǎn)資源，使有色金屬冶煉業(yè)及稀土業(yè)成為其重要的支柱產(chǎn)業(yè)。2021 年，全域地區(qū)生產(chǎn)總值達103 292.18 億元，其中第一產(chǎn)業(yè)9 933.63 億元，第二產(chǎn)業(yè)44 962.90 億元，第三產(chǎn)業(yè)50 232.73 億元。同2020 年相比，研究區(qū)第二產(chǎn)業(yè)發(fā)展勢頭良好，第一、三產(chǎn)業(yè)產(chǎn)值均呈現(xiàn)增長趨勢。

1.2 數(shù)據(jù)來源及處理

根據(jù)學者對耕地保護政策階段的劃分［30］，選取2005 年為起始年份，以2005—2021 年為研究時段。研究期間耕地面積、農(nóng)作物播種面積、糧食播種面積、糧食產(chǎn)量、人口數(shù)量等數(shù)據(jù)主要來源于黃河流域7 個省區(qū)統(tǒng)計年鑒（2006—2022 年）及35 個地市統(tǒng)計年鑒（2006—2022 年），部分年份耕地缺失數(shù)據(jù)由國家統(tǒng)計局官網(wǎng)第二次土地調(diào)查和第三次國土調(diào)查的耕地數(shù)據(jù)補足。參考已有研究的指標組成與計算方法［6］，黃河流域數(shù)據(jù)由各地市數(shù)據(jù)匯總得到。

2 模型構(gòu)建

2.1 耕地壓力指數(shù)模型

“耕地壓力指數(shù)”是理論值與實際值的比值，用來衡量一定區(qū)域在滿足最低糧食需求的情況下耕地資源的緊張程度［31］。耕地壓力指數(shù)綜合反映了耕地面積與人口數(shù)量之間的關(guān)系，但其忽視了在較大研究尺度下存在的耕地質(zhì)量地理分布差異問題?？紤]到耕地質(zhì)量的地區(qū)差異性，在耕地壓力指數(shù)模型的基礎(chǔ)上，引入質(zhì)量系數(shù)進行模型修正。修正后的耕地壓力指數(shù)模型如下：

式中：Ks為耕地壓力指數(shù)；Smin為最小人均耕地面積（hm2）；Sa為實際人均耕地面積（hm2）；β 為糧食自給率（%）；Gr為人均糧食需求量（kg）；p 為糧食單產(chǎn)（kg／hm2）；q 為糧食播種面積與農(nóng)作物播種面積之比；k為復種指數(shù)；K 為標準耕地系數(shù)修正后的耕地壓力指數(shù)；σ為質(zhì)量系數(shù)；pi為各地市糧食單產(chǎn)（kg／hm2）；ki為各地市復種指數(shù)；pn為流域糧食單產(chǎn)（kg／hm2）；kn為流域復種指數(shù)。

耕地壓力指數(shù)劃定了耕地保護的閾值，而K 值屬于動態(tài)變量，K值的大小同耕地保護壓力成正比?；诟貕毫y算結(jié)果及對耕地壓力指數(shù)的內(nèi)涵解讀［14］，將耕地壓力指數(shù)劃分為5 級：K≤0.9，無耕地壓力；0.9 ＜K≤1.2，警戒耕地壓力；1.2 ＜K≤1.8，輕度耕地壓力；1.8 ＜K≤3，中度耕地壓力；K ＞3，重度耕地壓力。

人均糧食需求量與糧食自給率是否科學取值，會對耕地壓力指數(shù)值的計算產(chǎn)生直接影響。人均糧食需求量是測算區(qū)域內(nèi)部糧食總需求的基礎(chǔ)性指標?！秶壹Z食安全中長期規(guī)劃綱要（2008—2020年）》表明，2010 年、2020 年人均糧食需求量為389kg／人、395kg／人；根據(jù)社會發(fā)展及糧食消費趨勢，魯奇劃定溫飽與小康水平的分界值為400kg／人［32］。綜合理論值與黃河流域?qū)嶋H情況，設(shè)定黃河流域人均糧食需求量為450kg／人。糧食自給率表明區(qū)域糧食供給與需求關(guān)系，借鑒熊啟泉的研究成果［33］，綜合考量黃河流域內(nèi)部農(nóng)業(yè)發(fā)展水平的差異性，將糧食自給率設(shè)定為95%。

2.2 重心模型

為直觀地呈現(xiàn)研究區(qū)耕地壓力指數(shù)的空間變動特征，在力學重心坐標原理的基礎(chǔ)上，引用加權(quán)平均的耕地壓力重心方法，用以反映各地市耕地壓力變化對流域耕地壓力重心位置的影響程度［34］?；灸Ｐ腿缦拢?/p>

式中：Ki表示各地市的耕地壓力指數(shù)；（Xi，Yi）表示各地市的地理坐標；（Xa，Ya）表示第a 年黃河流域耕地壓力指數(shù)的重心坐標。

2.3 變異系數(shù)法

變異系數(shù)是標準差與平均值的比值，一般用來反映觀測值的離散程度。本文以黃河流域的耕地壓力平均值作為標準，測算各地市與標準的相對差距［35］。具體公式如下：

式中：CV 表示變異系數(shù)；σ 為黃河流域耕地壓力標準差；μ為黃河流域耕地壓力平均值；xi為第i個地市的耕地壓力指數(shù)值；n為地市單元數(shù)量。

2.4 核密度估計

核密度估計是在概率論中一種可以產(chǎn)生連續(xù)密度表面的非參數(shù)方法，即通過連續(xù)的密度曲線描述特定指標的空間集聚狀況［29］。具體公式如下：

3 結(jié)果及分析

3.1 耕地資源動態(tài)分析

3.1.1 黃河流域耕地資源整體分析

2005—2021 年黃河流域耕地面積呈波動變化，整體增加了37.89 萬hm2，增長幅度為2.9%。耕地面積變化表現(xiàn)為“急劇增長—小幅波動增長—下降后趨于穩(wěn)定”3 個階段，面積變化由大幅波動變向趨于平緩穩(wěn)定。2005—2009 年黃河流域耕地面積增長速度快，增加128.68 萬hm2，增長率達9.93%。其中2007 年是耕地面積變化率由負到正的關(guān)鍵節(jié)點，主要是由于2007 年之前我國生態(tài)退耕執(zhí)行力度較大，導致耕地面積急劇下降，2007 年之后生態(tài)退耕速度放緩；同時廢除農(nóng)業(yè)稅、耕地質(zhì)量數(shù)量保護、農(nóng)業(yè)結(jié)構(gòu)調(diào)整［36］等政策的實行，有效推動了流域內(nèi)耕地面積的增加。2009—2018 年，流域耕地面積波動緩慢增長，共增加8.04 萬hm2，增長率0.56%。經(jīng)濟發(fā)展、耕地保護政策成為這一階段耕地變化的主要驅(qū)動因素，主要表現(xiàn)為耕地非農(nóng)化、非糧化等情況導致耕地面積減少，土地整治、土地復墾等工程的實施補充耕地面積。2018—2021 年，受到第三次國土調(diào)查中農(nóng)業(yè)結(jié)構(gòu)調(diào)整和國土綠化占用耕地等因素的影響，2019 年較2018 年耕地面積減少103.62 萬hm2，之后耕地變化平穩(wěn)，呈小幅增長。在耕地保護政策的激勵下，農(nóng)作物播種面積、糧食播種面積呈現(xiàn)波動上升態(tài)勢，農(nóng)作物播種面積由2005 年1 586 萬hm2增長至2021 年1 733 萬hm2，增加146 萬hm2；糧食播種面積共計增長226 萬hm2。2016 年是農(nóng)作物、糧食播種面積增幅突變節(jié)點，主要是在國家耕地政策影響下，耕地補充來源增多。2005—2021 年，耕種技術(shù)進步、土壤肥力改良等原因使傳統(tǒng)意義的小農(nóng)業(yè)逐步向機械化大農(nóng)業(yè)發(fā)展，耕地單位面積糧食產(chǎn)量整體呈現(xiàn)波動上升趨勢，由2005 年4 720kg／hm2增長至2021 年5 719kg／hm2，平均每公頃糧食增產(chǎn)999kg。其中，自然災害等不可抗力因素導致2011 年、2013 年、2021 年糧食產(chǎn)量小幅下降。

3.1.2 耕地變化類型區(qū)分析

為進一步探究黃河流域耕地資源變化，剖析流域內(nèi)部各地市耕地資源變動情況，以2005 年各地市耕地面積作為變化比較基準，根據(jù)耕地面積變化率（v）設(shè)置間斷點，將35 個地市劃分為5 個類型區(qū)（圖2），分別為耕地減少區(qū)（v ＜－2%）、耕地持衡區(qū)（－2% ≤v ＜2%）、耕地低幅增長區(qū)（2% ≤v ＜11%）、耕地中幅增長區(qū)（11%≤v ＜21%）、耕地大幅增長區(qū)（21%≤v），具體如圖2 所示。

圖2 2021 年黃河流域各地市耕地面積變化幅度類型區(qū)分布Figure 2 Distribution of type zones of the magnitude of change of cultivated land area in various cities in the Yellow River Basin in 2021

由圖2 可知，流域內(nèi)部耕地面積減少的地市數(shù)量較多，耕地變化類型區(qū)與黃河流域上中下游的空間分布呈現(xiàn)高度一致性，各地市自然稟賦條件、經(jīng)濟發(fā)展水平、政策環(huán)境條件等因素的差別是導致地市耕地面積變化率差異化的主要原因。①耕地減少區(qū)，主要分布在黃河中下游地區(qū)，包括濟源、焦作、開封、聊城、洛陽、呂梁、濮陽、三門峽、泰安、渭南、吳忠、延安、榆林、運城、鄭州、淄博16 個地市。2021年全區(qū)耕地面積528.97 萬hm2，占流域耕地總面積的39.66%；人均耕地面積0.074 8hm2，為流域人均水平的3／4。耕地減少區(qū)分布地市經(jīng)濟發(fā)達，城鎮(zhèn)化、工業(yè)化發(fā)展速度較快，建設(shè)用地占用耕地需求大，致使耕地面積快速減少。②耕地持衡區(qū)，包括濱州、包頭、忻州、新鄉(xiāng)、濟南5 個地市。2021 年全區(qū)人口數(shù)量為2 481 萬人，耕地面積224.55 萬hm2，人均耕地面積不足流域平均水平。③耕地低幅增長區(qū)：包括呼和浩特、銀川、臨汾3 個地市，主要分布在黃河中上游地區(qū)。該區(qū)具有耕地資源長期穩(wěn)定，經(jīng)濟平穩(wěn)發(fā)展的特點。2021 年全區(qū)人口數(shù)量1 029 萬人；耕地面積117.67 萬hm2，占流域總面積的9%；人均耕地面積0.114 4hm2，是流域人均水平1.19倍。④耕地中幅增長區(qū)：包括德州、東營、菏澤3 個地市，主要分布于黃河下游地區(qū)山東省境內(nèi)。2021年全區(qū)人口數(shù)1 652.74 萬人，耕地面積162.09 萬hm2，人均耕地面積0.0981hm2。該區(qū)主要特點為經(jīng)濟發(fā)展水平中等，農(nóng)業(yè)較發(fā)達。⑤耕地大幅增長區(qū)，包括巴彥淖爾、白銀、鄂爾多斯、臨夏、石嘴山、烏海、中衛(wèi)、蘭州8 個地市。2005—2021 年，耕地面積共計增長104.36 萬hm2，增長速率快；2021 年人均耕地面積0.213 4hm2，是流域人均水平的2.23 倍。耕地大幅增長區(qū)分布的地市耕地后備資源豐富，在國家大力提倡耕地保護的政策背景下，耕地面積增長率可以維持在穩(wěn)定水平。

3.2 耕地壓力時空動態(tài)分析

3.2.1 黃河流域耕地壓力時序變化特征

在對耕地壓力指數(shù)相關(guān)要素進行分析的基礎(chǔ)上，計算黃河流域2005—2021 年最小人均耕地面積和耕地壓力指數(shù)，用以測度黃河流域耕地壓力變化狀態(tài)（圖3）。由圖3 可見，2005—2021 年黃河流域最小人均耕地面積和耕地壓力指數(shù)總體上呈現(xiàn)波動下降趨勢。2005—2011 年為迅速降低階段，此期間耕地壓力指數(shù)大幅下降，下降幅度達18.14%，最小人均耕地面積也由0.106 4hm2降低至0.090 3hm2；2012—2016 年為波動變化階段，此期間耕地壓力指數(shù)和最小人均耕地面積較前一時期變化幅度小，耕地壓力指數(shù)波動增長，最小人均耕地面積略有減少；2017—2021 年為波動降低階段，此期間耕地壓力指數(shù)、最小人均耕地面積較第二階段有明顯下降，耕地壓力指數(shù)累計減少0.019 3，最小人均耕地面積下降0.008 6hm2。探討耕地壓力指數(shù)變化動因發(fā)現(xiàn)，農(nóng)業(yè)科技水平的提高使得2005—2011 年期間單位面積糧食產(chǎn)量得到大幅提升，這是該時期黃河流域耕地壓力迅速降低的主要原因；其次在一系列耕地保護政策影響下，耕地面積的增加也在一定程度上緩解了耕地壓力。2011 年之后，經(jīng)濟快速發(fā)展帶來的建設(shè)用地占用耕地需求增加與耕地保護政策實施之間的博弈，成為該時期黃河流域耕地壓力呈增長趨勢的主要動因；同時因自然災害導致的糧食單產(chǎn)下降也導致了流域耕地壓力的上升。2017 年以來，總播種面積與糧食播種面積的大幅上升遏制了流域內(nèi)耕地壓力的增長。因此政府決策部門可以從提高糧食單產(chǎn)、復種指數(shù)，增加耕地面積等方面進行綜合考慮，達到約束耕地壓力的目的。

圖3 黃河流域耕地壓力指數(shù)、最小人均耕地面積Figure 3 Cropland pressure index，minimum cultivated land per capita in the Yellow River Basin

3.2.2 各地市耕地壓力空間演變特征

為刻畫流域內(nèi)各地市耕地壓力的空間分異特征，選取2005 年、2009 年、2013 年、2018 年和2021年為時間節(jié)點，運用ArcGIS繪制地市耕地壓力指數(shù)空間分布圖（圖4）。由圖4 可知，2005—2021 年，在良好的耕地保護政策背景下，地市數(shù)量在耕地壓力等級中由中度以上壓力向輕度壓力、警戒壓力、無壓力傾斜，中度壓力以上地市數(shù)量占總地市數(shù)量比重減少14.29%。

圖4 黃河流域35 個地級市耕地壓力狀態(tài)分時段動態(tài)變化Figure 4 Dynamics of cultivated land pressure status by time period in 35 prefecture－level cities of the Yellow River Basin

各地市耕地壓力指數(shù)時間序列變化異質(zhì)性明顯，壓力下降型地市呈倒“N”型分布，2009 年達到耕地壓力峰值；壓力上升型地市呈“波動”型變化。地市耕地壓力整體空間分布格局表現(xiàn)出從黃河流域中上游壓力集聚向中游壓力集聚轉(zhuǎn)變的特征，空間變化基本態(tài)勢為“整體布局穩(wěn)定、局部變動”。主要表現(xiàn)為：①巴彥淖爾、鄂爾多斯、石嘴山、焦作、濮陽、新鄉(xiāng)、開封、菏澤、聊城、德州、濱州、泰安為無壓力區(qū)，主要分布在黃河上游、下游地區(qū)，除泰安、鄂爾多斯、焦作耕地壓力持續(xù)上升外，其余地市壓力指數(shù)均呈現(xiàn)下降趨勢；②呼和浩特、白銀、吳忠、中衛(wèi)、包頭、忻州、臨汾、運城、榆林、渭南、三門峽、濟源、洛陽、東營為壓力下降區(qū)，各地市多由中、重度壓力轉(zhuǎn)變?yōu)檩p度壓力、警戒壓力、無壓力，其中白銀、運城、榆林、三門峽4 個地市的壓力指數(shù)下降幅度均大于1；③臨夏、銀川、鄭州、濟南、淄博為壓力上升區(qū)，呈多聚集式分布于黃河流域上、下游；④蘭州、烏海、呂梁、延安為重度壓力區(qū)，位于黃河上游邊緣地區(qū)與中游地區(qū)，其中，蘭州、烏海耕地壓力指數(shù)呈波動增加，延安、呂梁耕地壓力迅速下降。

從耕地壓力時空變動趨勢看，黃河流域上游地區(qū)耕地后備資源總體較為充足，隨著土地整治工程的推進，部分宜耕且未利用的土地開發(fā)復墾為耕地，極大地緩解了上游部分地市的耕地壓力［37］；但個別地市如蘭州、烏海、鄂爾多斯、銀川，地處西北內(nèi)陸地區(qū)、溫帶大陸性氣候顯著、降水量少，又位于黃土高原西部、土壤質(zhì)量差，同時經(jīng)濟高速發(fā)展伴隨建設(shè)用地占用耕地需求量增大，惡劣的自然條件加上經(jīng)濟高水平發(fā)展導致地市耕地面積不斷縮減，耕地壓力加重；而臨夏以采礦業(yè)為支柱產(chǎn)業(yè)，同時境內(nèi)山谷多、平地小，可利用耕地面積縮減使得耕地壓力增大。黃河流域中游地區(qū)的壓力下降型地市2005 年由于退耕還林等政策的實施導致耕地面積減少，耕地壓力水平升高，但隨著高標準基本農(nóng)田的建設(shè)、農(nóng)業(yè)科技水平的提高及良種的選擇，糧食產(chǎn)量得到了大幅增產(chǎn)，耕地壓力得到了一定程度的緩解；但基于地市未來發(fā)展規(guī)劃，以經(jīng)濟發(fā)展為先的地市，如鄭州、延安、焦作，城鎮(zhèn)化水平穩(wěn)步提升，各種建設(shè)用地對土地的需求增大［38，39］，占用耕地的數(shù)量不斷增加，同時農(nóng)業(yè)結(jié)構(gòu)調(diào)整使耕地復種指數(shù)下降，雙重原因下耕地壓力加重。黃河流域下游地市耕地壓力普遍偏低，主要原因為下游地市的行政區(qū)劃均屬于河南省和山東省，是我國兩個產(chǎn)糧大省，政府對農(nóng)業(yè)發(fā)展較為重視，農(nóng)業(yè)投入多、農(nóng)民耕種意愿強烈、農(nóng)業(yè)機械化水平高，糧食單產(chǎn)提升較快；但個別地市，如濟南、泰安、淄博，以經(jīng)濟發(fā)展為目標，第二、三產(chǎn)業(yè)為地市支柱產(chǎn)業(yè)，農(nóng)業(yè)發(fā)展為經(jīng)濟發(fā)展讓步，耕地壓力增加。

3.2.3 區(qū)域耕地壓力空間演變特征

通過耕地壓力重心轉(zhuǎn)移模型的建立，繪制流域耕地壓力重心轉(zhuǎn)移空間分布圖（圖5），進一步揭示黃河流域耕地壓力空間演變規(guī)律。結(jié)果表明，2005—2021 年黃河流域耕地壓力重心位置與流域幾何重心位置存在明顯偏離，始終位于陜西省榆林市與延安市交界處，這說明流域幾何重心點以南、以西地市耕地壓力增長幅度大于以北、以東地市；研究期間重心位置單個年份遷移距離小、方向變化多，整體向西北方向移動，其中經(jīng)向移動0.883 3°，緯向移動0.083 3°，耕地壓力重心沿著“西—東—西—東北—西南—西北—東”軌跡共遷移了76.77km。

圖5 黃河流域耕地壓力重心轉(zhuǎn)移Figure 5 Shifting center of gravity of cultivated land pressure in the Yellow River Basin

2005—2021 年，黃河下游地市耕地壓力普遍降低，個別地市壓力升高，而黃河中上游地市單個年份內(nèi)耕地壓力變化幅度大小是引起流域內(nèi)耕地壓力重心空間變化的主要原因。整體來看，黃河流域下游多數(shù)地市耕地壓力仍處于安全范圍，但壓力有增長態(tài)勢；中上游地區(qū)耕地壓力整體減緩但仍為中、重度壓力集聚區(qū)。

3.2.4 區(qū)域差異動態(tài)分析

在明晰黃河流域耕地壓力整體變化規(guī)律與重心轉(zhuǎn)移特征的基礎(chǔ)上，運用變異系數(shù)法與核密度估計法，進一步探究區(qū)域耕地壓力空間變動的差異化程度，明確區(qū)域內(nèi)部耕地壓力空間布局變動情況，具體如圖6、7 所示。基于變異系數(shù)計算可得（圖6），2005—2021 年黃河流域耕地壓力指數(shù)變異系數(shù)介于0.85—1.50，變異系數(shù)波動增長，表明各地市的耕地壓力空間分化不均衡、離散程度整體增大，但2010—2014 年變異系數(shù)持續(xù)減小，說明這一時期內(nèi)各地市耕地壓力離散程度減小。

圖6 2005—2021 年黃河流域耕地壓力指數(shù)變異系數(shù)Figure 6 Coefficient of variation of cropland pressure index in the Yellow River Basin，2005－2021

從圖7 可見，核密度曲線位置變動趨勢不明顯，密度曲線由“較平緩波峰”向“高尖波峰”轉(zhuǎn)變，波峰數(shù)量增加，表明黃河流域耕地壓力的內(nèi)部差異增大。同時，核密度曲線整體向右移動，右尾移動距離大于左尾移動距離，說明流域內(nèi)出現(xiàn)更高壓力地市。在耕地壓力核密度曲線的演變過程中，黃河流域在不同時段內(nèi)耕地壓力存在多種變動趨勢。2005—2009年，核密度曲線變化較小，耕地壓力區(qū)域差異無明顯變化；與2009 年相比，2013 年核密度曲線中心位置大幅向左移動，峰值增加，出現(xiàn)2 個波峰，表明這一階段耕地壓力區(qū)域差異呈縮小態(tài)勢、兩極分化現(xiàn)象更為明顯；2013—2018 年，峰值快速增長，波峰形態(tài)由較平穩(wěn)轉(zhuǎn)換為陡峭，曲線重心位置右移，且波峰數(shù)量增多，說明這一階段耕地壓力區(qū)域差異不斷擴張、極化現(xiàn)象明顯；2021 年，核密度曲線較2018 年向左移動，變化區(qū)間減小，波峰數(shù)量增加，且核密度主峰峰值達到研究期間最大值，表明該期間地市數(shù)量向壓力較輕的類型區(qū)偏移，耕地壓力區(qū)域差異減小，多極分化明顯。

圖7 黃河流域耕地壓力核密度Figure 7 Pressure kernel density of cultivated land in the Yellow River Basin

綜合來看，2005—2021 年核密度計算結(jié)果與變異系數(shù)計算結(jié)果趨勢相同，黃河流域耕地壓力整體空間布局不均衡現(xiàn)象加重，各地市的耕地壓力離散程度加大，流域各地市耕地壓力現(xiàn)狀極化現(xiàn)象明顯，且地市耕地壓力數(shù)量向更低壓力區(qū)傾斜。

4 結(jié)論與建議

4.1 結(jié)論

本文運用修正后的耕地壓力指數(shù)模型對2005—2021 年黃河流域耕地壓力的時空差異進行了定量分析，并利用重心模型、變異系數(shù)、核密度估計等方法詳細分析了黃河流域耕地壓力承載能力的整體空間演變特征及區(qū)域內(nèi)部差異變化。主要結(jié)論如下：①從耕地面積變化現(xiàn)狀來看，2005—2021 年黃河流域耕地面積呈波動增長，各地市耕地資源變化異質(zhì)性明顯，地市耕地面積變化幅度類型區(qū)分布特征表現(xiàn)為上游地市增加、中游地市減少、下游地市“增加—減少”類型區(qū)混合分布，說明自然資源稟賦不同、省級行政區(qū)劃不同對各地市耕地資源變動有較大影響。②從耕地壓力時間序列變化來看，黃河流域耕地壓力整體呈階梯式下降，但各地市耕地壓力變化情況多樣，以經(jīng)濟發(fā)展為主的地市，如泰安、鄂爾多斯、焦作、臨夏、銀川、鄭州、濟南、淄博、蘭州、烏海，耕地壓力時間序列呈倒“N”型增長，其余耕地補充較多或農(nóng)業(yè)機械化水平高的25 個地市耕地壓力的時間序列變化呈“波動”降低，說明地市未來發(fā)展方向會很大程度影響耕地壓力變化，以經(jīng)濟發(fā)展為導向的地市耕地壓力普遍升高。③從耕地壓力重心遷移軌跡、耕地壓力空間分布格局來看，黃河流域耕地壓力重心呈現(xiàn)東西方向振蕩變化特征，變化幅度小，整體向西北遷移，表明各時間段內(nèi)上游、中游、下游地市耕地壓力增長幅度不一；流域內(nèi)各地市耕地壓力空間格局表現(xiàn)出“整體布局穩(wěn)定、局部變動”基本態(tài)勢，研究時段內(nèi)流域中、上游地市耕地壓力明顯高于下游地市，但在耕地壓力普遍降低的趨勢下，中游地區(qū)耕地壓力加重的地市數(shù)量增多，推動重度耕地壓力集聚中心由黃河上游地區(qū)轉(zhuǎn)移到中游地區(qū)。④從區(qū)域差異現(xiàn)狀來看，黃河流域內(nèi)部各地市耕地壓力的離散程度不斷增大，重度耕地壓力地市（如蘭州市、烏海市）的耕地壓力持續(xù)增長，無耕地壓力地市（如巴彥淖爾、石嘴山等）的耕地壓力波動下降，促使流域內(nèi)地市間耕地壓力差距拉大；同時，黃河流域內(nèi)部耕地壓力空間分布極化現(xiàn)象更加明顯，重度壓力集聚區(qū)由2005 年的“雙核心”轉(zhuǎn)變?yōu)?021 年的“三核心”。

4.2 建議

結(jié)合上述研究結(jié)論，針對不同地市耕地壓力變化特征，提出增加耕地承載能力，縮減黃河流域內(nèi)部耕地壓力差異的建議：①對于位于黃河上游地區(qū)的蘭州、烏海、臨夏等耕地壓力較大的地市而言，應積極推動土地整治項目的實施，提高耕地質(zhì)量，同時通過加大農(nóng)業(yè)技術(shù)研究投入、高產(chǎn)量良種培育等方法，提高單位耕地糧食產(chǎn)量，達到減緩耕地壓力的目的。②對于位于黃河中下游的鄭州、延安、濟南、淄博等耕地壓力加重的地市而言，各個地市未來發(fā)展目標以第二、三產(chǎn)業(yè)發(fā)展為主，應嚴格執(zhí)行國家頒布的一系列耕地保護政策，如耕地占補平衡制度、耕地進出平衡制度、基本農(nóng)田保護政策等，同時基于地市發(fā)展需求，可以通過耕地指標交易來增加地市耕地面積，實現(xiàn)與農(nóng)業(yè)發(fā)展型地市的共同發(fā)展。③對于鄂爾多斯、銀川、焦作、泰安等耕地壓力持續(xù)增大但壓力水平不高的地市而言，要積極引導農(nóng)村勞動力向第一產(chǎn)業(yè)轉(zhuǎn)移、推動耕地向規(guī)模化經(jīng)營發(fā)展、實現(xiàn)高效現(xiàn)代化農(nóng)業(yè)，以期達到緩解耕地壓力的目的。④對于黃河流域內(nèi)部耕地壓力下降和始終無壓力地市，如濮陽、新鄉(xiāng)、中衛(wèi)、東營等22 個地市，應堅持現(xiàn)有耕地保護力度，確保農(nóng)民耕種意愿不減少，高效利用土地，增加糧食產(chǎn)量；對于滿足特色農(nóng)業(yè)發(fā)展條件的地市，在保證糧食產(chǎn)量不減少的條件下，推動一三產(chǎn)業(yè)聯(lián)動發(fā)展，實現(xiàn)耕地保護與經(jīng)濟發(fā)展并行。⑤基于黃河流域內(nèi)部存在以經(jīng)濟發(fā)展為主的地市耕地壓力過重、無或較輕耕地壓力的地市經(jīng)濟發(fā)展水平低等情況，提出可以建立跨地市、跨省的耕地補充指標交易平臺，以此減輕流域內(nèi)部地市之間耕地壓力差異過大的情況，充分發(fā)揮各地市的產(chǎn)業(yè)優(yōu)勢，推動黃河流域“經(jīng)濟—農(nóng)業(yè)”并行的高質(zhì)量發(fā)展。