璩路路

（重庆大学公共管理学院，重庆 400044）

黄土高原是中国集农牧过渡区、生态脆弱区、经济贫困区为一体的特殊区域，也是生态保护与经济发展的矛盾体现区、精准脱贫与乡村振兴衔接的重点区，生态保护、人地系统协调与可持续发展始终是黄土高原高质量发展的基本命题[1-2]。其中，黄土丘陵沟壑区梁峁起伏、沟壑纵横，独特的地理区域特征塑造了极具特色的乡村人地系统[3]。在经济社会快速发展及城镇化进程中，黄土丘陵沟壑区同时遭受了来自自然生态与人类活动的双重扰动[4]，随着国家退耕还林还草工程和治沟造地工程的深入实施，区域植被明显改善，人-粮-地矛盾逐步缓解，黄土高原丘陵沟壑区乡村人地系统转型发展趋势明显[3-4]。

改革开放以来，黄土高原丘陵沟壑区乡村人地系统运行特征可概括为三个演变阶段：坡地农业阶段、坡面植被建设阶段和沟道农业发展阶段，其过程经历了农业生产的广种薄收到生产实践的可持续节约化，总体呈现向现代农业的转型趋势。目前针对黄土高原丘陵沟壑区乡村人地系统的相关研究主要集中在新型经营主体、生态治理以及产业化等视角，重点研究乡村人地系统核心要素（聚落和土地利用）的空间形态[5-6]、典型模式[7-9]、演化过程[10]、动力因素和机制[11-13]等。新时期黄土丘陵沟壑区乡村优质耕地不足，沟谷低地的建设用地发展空间受限，沟道区域生态恢复与乡村萧条并存，沟道乡村发展缓慢及乡村“五化”更加凸显[6]，黄土丘陵沟壑区乡村人地系统发展亟待重构。随着计量地理学及人地系统科学的不断发展，人地系统演变过程研究不断更新和深入，更加强调系统要素间互馈与关联，而系统动力分析以及GWR、ESDA、Geo-detector等模型方法受到关注[14-16]，逐渐将空间因素嵌入系统模型中，揭示系统要素影响驱动机制。

以沟道农地为核心的沟道人地系统演变兼具时间和空间属性，时间和空间地理位置的变化均会引起变量间关系或结构的变化[17]，而时间的非平稳性（滞后效应）需要纳入模型的范围，同时将空间和时间维度纳入驱动力分析模型中，对于更加全面、科学地探究沟道农地转换驱动力的时空变化特征及规律具有重要意义。黄土高原农耕区沟道乡村人地系统是一个因沟道自然、经济、环境等空间变化而存在差异的系统，其侧重点更多依附于沟道农地单元的农业生产[1，18]，在此背景之下，本研究关注以沟道农地为核心的乡村人地系统的演变过程，其关键点聚焦于系统剖析人地时空变化关系，并整合到一个框架中探究农地变化根源与时空影响机制，探索“医治”途径，开准药方、对症下药，以巩固退耕还林和治沟造地成效，进而助力乡村振兴和区域可持续发展。

鉴于此，本研究选取2000—2005、2005—2010、2010—2018 年3 期24 幅Landsat TM/OLI 数据，应用CART 决策树分类算法进行遥感影像解译，获取相应时间序列的沟道农地变化信息，实现沟道农地的识别，同时耦合空间和时间因子，构建时空地理加权回归模型，实现沟道农地时空演变的驱动力分析，剖析沟道农地转换驱动影响机制，以期为沟道农业可持续发展和流域乡村振兴提供科学依据。

1 研究区概况及数据来源

1.1 研究区概况

延安市黄土高原丘陵沟壑腹地位于黄土高原的中心地带，总面积18 729 km2，是黄河流域中上游与北方农牧交错区的结合地带，涵盖延安市中北部的宝塔区、延长县、甘泉县、安塞区、延川县、子长市、志丹县和吴起县8 个区县（图1）。研究区地形条件复杂，沟、涧、坡、梁、峁交错，地貌类型十分典型。1999 年以来，作为退耕还林工程和治沟造地工程的首批试点地区，该区域率先实现地表颜色由黄变绿、生产空间由坡地向沟道的转变[19-20]。在城乡融合与黄河流域高质量发展背景下，以延安市黄土丘陵沟壑区为研究区，开展沟道型农地转换特征及机制研究具有典型性和代表性[21]。

图1 研究区概况及调研点Figure 1 General situation of the study area and investigation sites

1.2 数据来源

本研究所用数据主要分为遥感数据和社会经济数据两大类，社会经济数据主要通过野外实地调研、田野访谈以及统计年鉴整理获取。遥感数据来源于美国地质调查局（http：//glovis.usgs.gov/），选取2000—2018 年空间分辨率为30 m 的Landsat 影像数据作为提取沟道农地的基础数据，2000—2018 共选取24 幅影像。土地利用类型解译参照中科院资源环境信息数据库关于土地利用覆被的分类方法。理论上4—10 月作物植被生长茂盛，影像分类精度、辨识容易度和准确度高于其他月份，且基准期影像云量小于2%。同时，使用30 m 分辨率的DEM 数字高程数据（http：//www.gscloud.cn/）用于辅助土地利用的分类；以Google Earth 影像和部分典型流域高分辨率土地分类数据作为训练样本和验证样本的基础数据。此外，选用的各等级矢量路网数据来自Open-Street-Map 网站提供的开放地理空间数据，社会经济数据来源于延安市统计年鉴及实际调研，基于ArcGIS 10.4 对社会经济数据进行空间化。

2 研究方法

2.1 沟道农地识别

2.1.1 CART决策树算法

在遥感影像的分类中，人工智能神经网络（ANN）、决策树（DT）、支持向量机（SVM）等分类方法应用较为普遍[22]。其中，DT 分类法通过借助遥感影像的辅助信息，可有效挖掘影像光谱特征，能在较大程度上解决遥感影像的物谱重叠问题。DT分类法常用的算法有C4.5、CART、ID3 等[23]，而CART 算法采用经济学中用于均衡分配收益的基尼系数（公式1）作为最佳测试变量确定的准则，与其他决策树相比，CART 决策树的模型简单，由训练样本确定分类阈值，自动建立决策树，较少受到其他因素影响，识别精度较高[23]。

式中：D为数据集，数据集分成n个总类别；pi为数据集D中隶属于i类的分布概率。

2.1.2 沟道农地识别

沟道农地也可称之为“川道耕地”“坝地”，是一种新的农业生产形态[4]。沟道农地识别规则为：首先，提取基期年（2018年）的农地范围，作为沟道农地本底数据，然后基于基期本底农地范围的变化倒推其他年份像元，基于以上判定获取研究特定年限（2000—2018年）的疑似沟道农地范围。在疑似判定的基础上，再进行最终范围的确定，方法是以基期年（t）前一年份（t-1）沟道农地的范围为基础，二次提取t-2 年疑似沟道农地和t-1 年疑似沟道农地的重合部分，此部分判定隶属于t-2 年的沟道农地范围，按此方法依次迭代，得到规定年限时间连续序列的沟道农地范围。

2.2 影响因子选取及模型构建

2.2.1 影响因子选择

为深入探究影响沟道农地转换的驱动因素，参照文献方法[24-25]，结合研究区实际以及数据的可获取性，分别从社会经济、区位和自然三个方面选取驱动因子（表1）：①社会经济类，包括人口密度、地均GDP等；②区位类，包括距区县行政中心、距乡镇行政中心距离等；③自然地理类，包括坡度、坡向。

表1 影响因子选取Table 1 Selection of driving factor indicators

社会经济指标是指城镇化过程中沟道农业发展随着时间变化的驱动因素，其中，国内生产总值等经济收入指标能反映区域的经济实力，道路等基础设施反映经济投入和社会发展水平。以往相关研究中，人口变化数据通常被归入社会经济因素，考虑到沟道丘陵山区区位条件的特殊性，加之黄土高原退耕还林工程、社区安置工程等的特殊性，使研究区的人口与经济分布在地域空间上的“流”关系处于不断变化之中，故把人口相关数据与经济社会其他因素区分，将其归纳为人文因素。

自然地理指标包括影响农作物生长的坡度、坡向等自然环境条件，也是限制农业生产发展的条件。

区位条件既包括地理空间意义上的区位，即通常意义上的交通区位，也包括政策辐射等促进经济发展的经济区位。由于受自身立地条件和交通的限制，丘陵山区的区位往往使其人口和经济不断处于变化之中，进而决定了其“人口流、经济流、信息流”的空间指向。交通区位是指享受交通运输的便利程度，也是沟通沟道流域农业乡村与城镇的重要桥梁，地理区位选取到各等级类型公路的距离和到主要河流的距离等5 项指标进行表征。政策辐射的难易程度等经济区位是农业乡村发展的重要引擎，选取到县域行政中心和乡镇行政中心的距离来表征。

2.2.2 模型构建

（1）多元逻辑回归模型

Logistic 模型具有处理离散变量的优势，不仅可以对二分类或多分类的类别离散变量建立回归模型，而且可以实现空间变量的定量化处理，揭示解释变量对事件发生的影响强度，弥补了传统线性回归无法对离散型变量进行回归分析的不足[25-26]。本研究探讨沟道农地是否收缩的两种类型变化，故采用二元逻辑回归模型，结合随机变量的期望值定义，引入逻辑函数变换表达式：

（2）时空地理加权回归模型

作为地理加权回归的时空拓展模型[17]，时空地理加权回归模型的核心是将时间因子引入到空间地理加权回归模型中，模型分析中引入时间维度，加入了时间坐标，通过叠加时间和空间坐标计算其时空权重矩阵，赋予变量时空信息，从而更加有效地估计因子参数，其数学表达式为：

3 结果与分析

3.1 沟道农地空间转换格局特征

3.1.1 沟道农地收缩指数特征

以识别出的黄土高原丘陵沟壑区延安市沟道农地为对象研究其时序变化，将延安市各时期的沟道农地数据与延安市区县行政边界叠置分析，获取各区县的沟道农地收缩面积，并计算沟道农地收缩速率，结果如图2所示。

由图2可以看出，2000—2005年延安市各区县沟道农地收缩速率为正值，2005—2010 年部分地区收缩速率继续增加，而2010 年之后，农地收缩速率有所减缓，并在局部区县出现负值。总体上，延安市各区县沟道农地收缩速率先升高后降低，呈现出阶段性扩展、总体波动式收缩的趋势。

图2 2000—2018年研究区各区县3个时期沟道农地收缩速率Figure 2 Contraction rate of gully farmland in three periods of Yan′an City from 2000 to 2018

3.1.2 沟道农地重心的迁移特征

近20 年，沟道农地重心呈现发散分布态势，即向四周迁移的趋势，沟道农地重心整体向北迁移（图3）。其中吴起、宝塔、安塞等区县迁移方向一致性较高，宝塔区沟道农地迁移方向始终向北，而吴起县和安塞区向东南方向迁移；甘泉等区县沟道农地的空间转换强度较为剧烈，2005 年以前迁移方向保持不变，2005 年以后逐渐向反方向拓展，其他区县的沟道农地的阶段变化方向呈发散态势，整体特征较不显著。

图3 研究区各区县农地重心坐标迁移方向Figure 3 Transfer direction of farmland gravity center in districts and counties of Yan′an

3.2 沟道农地转换驱动力分析

参照文献方法[27-28]，在ArcGIS 10.4 软件中对研究区各时段的沟道农地变化区采取随机分层抽样，共选取4 861 个样点，其中各类型区的数量大体相等，保证解释变量的系数在模型中的稳定性。样点空间坐标值和影响因子属性值添加至ArcGIS 10.4中，调用Geo⁃statistical Analyst功能进行交叉验证，全部通过显著性检验（P<0.05）。为验证GTWR 的适用性，对全部样点采用线性回归OLS模型运算，由表2可知，GTWR模型的R2值高于OLS 模型，而AIC 信息准则指数低于OLS模型。AIC 是模型拟合优良的一个重要指标，该值越小精度越高。由于GTWR 模型加入了时间维度的信息，即时空非平稳性比传统模型的拟合优度更高。

表2 模型诊断结果对比Table 2 Comparison of model diagnosis results

3.2.1 沟道农地转换影响因素分析

基于相关学者的研究文献[29]，结合区域层面统计资料的可获取情况，根据相关研究经验与黄土高原丘陵沟壑区发展的实际情况，本研究进一步从自然、社会经济、人文三方面及时间、空间两个维度进行分析，力求从分维度、多尺度全面完整选取对沟道农地转换产生影响的因素。其中，时间因素包括经济、社会指标，空间因素包括自然环境、区位指标，政策为定性因素。空间因素主要选择了立地条件、地理区位、经济区位等8 项指标，构成了极-场-区（驱动极、空间场、发展区）的空间驱动因素集。

为排除多因子的共线性影响，本研究首先对驱动因子集进行了相关性分析，判断结果表明所选因子出现显著相关性，为此进一步对驱动因子集进行主成分分析，求得各成分的载荷矩阵与系数矩阵。进一步通过回归分析得到每个样本的综合得分值，借助ArcGIS软件对研究对象的属性字段赋值，至此完成GTWR模型的数据预处理。驱动变量主导因子如表3所示。

表3 主成分驱动变量主导因子Table 3 Dominant factors of principal component driving variables

准确把握黄土高原沟道农地转换的空间分异特征及其影响因素，可为后期沟道农地转换的优化调控提供指导，为黄土高原农业高质量发展提供参考。黄土丘陵沟壑区自然生态环境禀赋相对较差，耕作易受道路通达度、地形起伏等因素影响，并呈现出不同的演变方向，通过对研究区部分影响因素的分析发现，沟道农地转换与距河流、道路以及乡镇聚居点的距离大小呈负相关，即距离越远，沟道农地转换面积占比越小，在距河流1.2 km 以内，沟道农地转换面积随距离增加而急剧减少；在距离道路1.2 km 以外，其转型变换趋于平缓，但在个别耕作类型上呈现不规则拐点，这与研究区近年来大规模的治沟造地工程驱动沟道农地功能转型现象相关；在距乡镇聚居点3～7 km范围内，沟道农地转换变化趋势基本一致，集聚效应更加显著。

3.2.2 沟道农地转换影响因子时空分异规律

由图4 可知，近20 年研究区F1（社会经济发展主导）正向高值区逐步缩小，并趋于均衡。2000—2005年正向高值带贯穿吴起、宝塔、延川等区县，F1 正负作用差异明显；2005—2010 年正向高值主要分布在甘泉县和安塞区一带，驱动因子值域间差异缩小，趋于均衡；2010—2018 年逐渐形成除宝塔区和延长县的负向高值的环状圈层。F3（区位主导）因子的差异较大，从影响效应来看，总体上正向影响效应更强。2000—2005 年正向影响高值主要集中在延川县以及子长市、延长县的部分区域；2005 年以后，区位的影响强度继续增大，高值影响区面积有所减少，特别是在2018年正向高值区只有子长市和延川县2个县域，而低值区覆盖县域数达4 个。人口和经济是所有因素中变化最显著的两大因子。人口也是沟道农地转换的直接推动力，经济发展则是核心驱动力，区位特征直接影响人口流、资金流，促进农地的转换，此外，退耕还林还草、沟道土地整治等相关政策和工程措施加快了农地转换的速度，进而促进沟道农业的空间转型。

图4 沟道农地扩展主导因子系数时空分异格局Figure 4 Spatio-temporal variation pattern of dominant factor coefficient of gully farmland expansion

续图4 沟道农地扩展主导因子系数时空分异格局Continued figure 4 Spatio-temporal variation pattern of dominant factor coefficient of gully farmland expansion

F4（道路交通主导）因子影响强度总体呈现中部高四周低的演变态势。2000—2005 年纵向拓展至宝塔区，呈“W”型高值区布局；2005—2010 年高值区强度有所减弱，2010—2018 年对吴起县农地拓展正向作用进一步增强。F5（经济主导）影响强度分布呈现两个显著特征：其一，区域层面上逐渐形成西低东高分布格局，正向高值区随时间变化有所扩展；其二，正向高值区在局部乡镇地区零星分布，如延长县东南部地区，延川县南部等地区。对于F6（地形坡度主导）因子而言，自然因子对沟道农地转换影响显著，空间上东西向变化明显，主要是由研究区东西部地形地貌差异所致。而F8（人口密度主导）2000—2005 年主要分布在中部宝塔区和子长县，2005—2018 年高值区范围有所缩小，在区域内呈现点状分散式格局。

从沟道农地转换的驱动力变化范围来看，增长最大的驱动因子为地均GDP，从驱动力区域变化格局来看，各地形因子对沟道农地扩展影响各异，这与沟壑区的地貌分异特征关系密切，经济发展对沟道农地的影响呈现“核心边缘”的漏斗状分布，其变化更加趋向核心“流动”。延安市道路邻域因子影响各具特点，与路网的空间分布紧密相关，作用力变化显著区域集中于延安市中部地区，横跨东西方向，并汇集于宝塔区，与延西高速、青兰高速和黄延高速线路重合，大致形成“T”字型分布样式。

3.2.3 核心影响因素驱动作用机制

分别统计研究区2000—2005、2005—2010、2010—2018年3个阶段的因子系数均值，得到各阶段因子平均系数（图5）。

图5 各时段因子平均系数变化时序分布Figure 5 Time series distribution of factor average coefficient change in each period

（1）全域核心因子判定：2000—2018 年研究区沟道农地转换主要的核心影响因子为社会经济因素中的人口、地均GDP，自然因素中的坡度，以及邻域因素中的距水域距离。其中人口因子和坡度因子的作用强度始终处于主导地位，是沟道农地转换的主要驱动因素。在2010—2018 年，人口的作用强度高于坡度，在2000—2005 年和2005—2010 年，坡度对沟道农地转换的驱动优势更为明显。

（2）全域核心因子时序演变：坡度作为对研究区沟道农地转换影响最大的因子，其作用强度在研究初期至2010 年呈波动升高的变化态势，且到2010 年强度最大；人口与沟道农地收缩变换关系在前5 年呈负相关，人口对沟道农地扩展变换的总体作用强度呈下降趋势；坡向因子与沟道农地收缩成正相关，从整个研究期来看，坡向作用强度呈梯度上升趋势，交通邻域因子影响普遍，呈略微降低态势，且与沟道农地转换呈负相关，因子强度波动降低。距县城中心距离与沟道农地收缩成负相关，作用强度总体上呈增加趋势；距水域和乡镇中心距离与延安市沟道农地收缩变换呈正相关关系，且这些因子作用强度呈逐渐下降趋势。

在县域尺度上准确判别沟道农地转换驱动力是沟道地域土地差异化治理的基础。为便于识别县域间沟道农地转换驱动的差异及判定驱动强度时序变化，将驱动农地转换的因子发生率分别在各县域间进行比对。

20年间沟道农地转换的核心驱动因素均是人口、坡度、坡向和地均GDP，延长县和志丹县的首要驱动因子均是人口，宝塔区的地均GDP在2000年以前是首要驱动因子，2000 年以后人口成为首要驱动因子，甘泉、安塞等区县则呈现出明显的阶段性特征。区域空间分布上，人口和经济驱动力较强的区县多在延安市的东中部集中，而坡度、坡向等驱动力较强的区县则多在西部，形成区县层面东西部区域空间上的显著差异，而从影响沟道农地转换的自然因素的主导因子——坡度的影响时序来看，除甘泉县以外的其余各区县坡度对沟道农地转换的驱动力仍未下降，说明自然本底条件的限制作用依然较强。

4 讨论

本研究所选遥感影像数据时间为4—10 月，作物与草地相差较大，易于区分，并通过影像分类的精度来间接验证沟道农地的识别精度，另外时空地理加权回归模型实现了时空角度的综合测度，较为精细地刻画了驱动因子的时空演变特征及主导驱动机制。但如何基于地物空间位置信息来提高影像分类精度及进一步优化黄土丘陵沟壑区乡村地域人地系统圈-带-区多级空间结构体系仍需深入探究。

本研究分析了不同类型的沟道农地空间变化特征，获取了沟道农地转换的社会经济、区位、地形等因素的定量结果及影响过程，但政策作为一种非量化的影响因素，在沟道农地转换中是必不可少且非常关键的。另外，随着沟道土地整治工程的推进，沟道农地的数量也在发生变化，同时农民的意愿、产权制度改革等也是需进一步考虑的因素。后续可通过选取典型类型区，从微观尺度探究不同地域类型变化的过程与机制[30]，进而揭示以沟道农地为基础的乡村人地系统科学原理及乡村地域“人地圈”机理[31-34]。

黄土丘陵沟壑区沟道农地转换现象揭示了生态建设和沟道土地整治工程驱动下的流域乡村人地系统演变的一般规律，即以生态安全和粮食安全为目标，以生态与经济“双赢”为方向，以现代地理工程为技术手段，最终实现质量效益和发展效能的高质量发展[1]。黄土丘陵沟壑区沟道农地转换一定程度上促使退耕还林、治沟造地等政策相互融合，在保障农民生计改善的前提下，对于促进沟道地域“三生”（生产、生活、生态）结合、“三产”（一、二、三产业）融合，进而促进黄土高原高质量发展具有重要意义。

5 结论

本研究以延安市黄土丘陵沟壑区作为典型案例区，按照人地系统科学理论，遵循“沟道农地识别-转换格局描绘-影响因素剖析”的逻辑轴线，对沟道农地转换特征及其影响机制进行了初步探索，主要结论如下：

（1）2000—2018 年延安市沟道农地呈现发散式分布、阶段性扩展且总体波动式收缩趋势，重心整体向北迁移；沟道农地作为沟道农业的重要土地类型，与沟道地域人类行为关系密切，沟道农地的这一转换趋势，可为沟道聚落的转型调控方向提供指导。

（2）社会经济因素是近20 年延安市沟道农地转换的主要驱动力，且影响效应呈逐年上升态势；坡度的影响效应相对减弱，而坡向的影响则呈梯度上升趋势；道路交通及区位因子影响程度呈略微升高态势。2000 年以来人口等社会经济因子的作用强度逐渐增大，人口因子作用强度在宝塔区、延长县和甘泉县呈逐渐上升趋势，经济因子作用强度在甘泉县、安塞区、子长市和吴起县逐年上升。总体而言，延安市沟道农地转换是自然环境、经济发展、沟道整治等多重因素综合作用的结果，在发展过程中应注重生态-经济的双重导向，最大限度地实现沟道农地的可持续利用，探求沟道农地与人居环境的协调优化，实现居业协同。

（3）延安市沟道农地转换的不同驱动因子系数时空分布各异，人口与坡度因子的作用强度始终处于主导地位，地均GDP 高值分布区在北部和中西部地区形成“核心边缘”的漏斗状格局，其变化趋向于核心“流动”，黄土高原沟道农地发展变换受多种因素驱动，地区本底差异及不同的行为主体会促使沟道农地发展收缩变化趋于不同方向，但根本上均受国家及区域重大发展政策导向影响。