曹国豪,张 丽,武红旗,轩俊伟,董 通,史名杰,朱 磊

(新疆农业大学资源与环境学院/新疆草地修复与环境信息重点实验室,乌鲁木齐 830052)

【研究意义】随着中国城镇化进程的不断推进,土地资源供需矛盾日益突出,耕地后备资源严重不足是我国面临的严峻问题之一[1]。因此,如何有效提升耕地产出效益,保护耕地资源成为国家粮食安全战略的重点工作之一。高标准农田建设是我国土地建设管理和生态建设的重要举措,也是稳定国家粮食安全的基础[2]。【前人研究进展】以农村土地整治及中低产田改造为抓手,开展大规模高标准基本农田建设,已成为我国农业现代化发展的重要突破口之一[3]。并于“十二五”和“十三五”规划对建设高标准基本农田做出一系列部署,使之成为未来一项长期系统的工程[4]。近年来,国内学者对高标准农田建设方面的研究较为多样化。崔勇等[5]从自然、人工构筑、经济发展三个方面的影响因子构建指标体系,运用层次分析法、多因素分析法和GIS叠加分析方法,得到北京市怀柔区的高标准基本农田建设适宜性评价等级;王晨等[6]采用实地采样法和GIS空间分析法从生态工程、土地、道路以及灌溉与排水工程4个方面选择15个指标,构建建设潜力评价指标体系,将研究区农田划分为具备条件、轻微整治和全面整治3类区域;刘元芳等[7]基于能值分析法,从社会、经济和生态环境三方面测算太行山山前平原项目区的生态效益;信桂新等[8]以山地丘陵区为研究区域,以土地整治项目为研究对象,选取土地流转规模、经营主体数量等多项指标,构建了高标准农田建设后的经济-社会效应评价指标体系,评价了高标准农田建设的社会经济效应;刘新卫等[9]提出通过结合创新地方土地整治规划、土地整治资金管理机制以及加强监管力度,确保“十二五”期间完成2.67×105km2高标准基本农田建设任务。以往的研究主要集中在适宜性建设[5]、区域划定[6,10]、建设时序[11-12]、生态服务响应[7]、政策制度[9,13]及建设效益[8,14]等方面。【本研究切入点】以往研究对于高标准农田空间分布格局和影响因素结合的研究较少,面向不同尺度下高标准农田建设影响因子的研究更少。而新疆土地资源丰富,南北差异明显,是我国粮食和棉花生产优势区,大规模开展高标准农田建设已成为新疆农业生产的迫切需求。【拟解决的关键问题】通过研究新疆高标准农田建设现状,基于全疆范围和南疆、北疆两个分区,分别以县域尺度和斑块尺度为研究单元,探索不同分区下影响新疆高标准农田建设的主要影响因素及原因,以期为新疆高标准农田合理建设和差别化调控提供参考。

1 材料与方法

1.1 研究区概况

新疆地处73°40′～96°18′ E,34°25′～48°10′ N,面积1.67×106km2,约占中国陆地面积的1/6,耕地面积5.24×107hm2,属于典型的干旱绿洲灌溉农业生产区。南疆绿洲呈片状点缀较多,北疆绿洲成区连片较多,生态类型多样,水土光热资源丰富,形成了独具特色的优势产业带。新疆耕地按质量等级由高到低依次划分为1～10等,平均等级为5.11等。其中,南疆耕地质量平均等级为5.22等,北疆耕地质量平均等级为5.02等[15]。

1.2 数据来源及预处理

地下水埋深数据来源于中国科学院资源环境科学数据中心(http www.resdc.cn);DEM数据来源于地理空间数据云平台;年均气温、年均降雨数据来源于中国气象数据网(http://data.cma.cn/site);河流、道路、乡镇行政中心数据来源于国家基础地理信息中心(http://www.ngcc.cn)的1∶25万中国基础地理数据库;社会经济数据主要来源于2020年新疆统计年鉴;高标准农田基础成果的矢量数据库来源于新疆维吾尔自治区农业农村厅。使用ArcGIS 10.2对2011—2020年新疆已建成高标准农田矢量数据分别进行叠加汇总,通过去除不同年份、不同建设项目类型之间的重叠部分,得到高标准农田建设区域(图1)。

本图基于国家测绘地理信息局标准地图服务网站下载的审图号为 GS (2017)1267号标准地图制作,底图无修改,下同。This map is based on the standard map number of GS (2017) No. 1267 standard map downloaded from the standard map service website of the National Administration of Surveying, Mapping and Geographic Information, and the base map has not been modified, the same as below.图1 新疆高标准农田建设区域分布Fig.1 Regional distribution of high-standard farmland construction in Xinjiang

1.3 研究方法

1.3.1 核密度估计 核密度估计(Kemel density estimation,KDE)作为一种探测数据空间分布特征的研究方法,适用于分析点状地理要素空间聚集特征,可反映地理现象空间扩散的距离衰减规律[16]。核密度估计表达式为:

(1)

式中,n为数据个数,h为阈值,K()为核密度方程;

(x-xi)是估计点x到事件xi的距离。

栅格数据粒度[17]对KDE计算效率会产生很大影响,以500 m × 500 m、1 km × 1 km和2 km × 2 km粒度进行对比分析,发现粒度为1 km × 1 km的运算效率和计算精度综合最优。

1.3.2 建设潜力值 建设潜力值(Z):反映各县市高标准农田开发建设潜力大小的关键指标,建设潜力值越大,表明该县市后备可建设高标准农田的耕地比例就越高,很大程度上体现了县市高标准农田的建设潜力,可为今后高标准农田建设选址提供一定的参考方向。建设潜力值表达式为:

(2)

式中,S代表县市耕地总面积,S1代表县市高标准农田建设面积。

1.3.3 地理探测器模型 地理探测器主要基于这样的假设:如果某自变量对因变量有重要影响,那么它们的空间分布也呈现一定的相似性[18]。用q值来表示自变量对因变量的解释力大小,本文采用因子探测器与交互探测器,因子探测表达式为:

(3)

交互探测器:探测影响因子X1和X2共同作用时对高标准农田建设规模影响是增强、减弱或相互独立,设两个影响因子相交时的q值为q(X1∩X2),交互探测结果形成5种作用类型(表1)。

表1 两个自变量对因变量交互作用的类型Table 1 Types of interactions between two arguments on the dependent variable

1.3.4 指标选取 综合考虑数据的可获取性、各指标间的独立性与完整性,本研究结合自然、交通区位、社会经济和政策调控4个因素建立完整的评价指标体系[19]。利用新疆耕地资源分布特性[20],共选取14个指标作为探测因子[21](表2)。分别从水平和项目区斑块水平两个尺度探索不同影响因素对新疆高标准农田建设的影响差异。为在空间上匹配多种输入数据,利用ArcGIS 10.2软件提取每个高标准农田建设项目区斑块的质心,进而提取每个数据格点质心点上影响因子的属性值,实现影响因子(X)数据与因变量(Y)数据在空间上的精确匹配[22]。

表2 影响因素指标选取Table 2 Selection of influencing factor indicators

2 结果与分析

2.1 新疆高标准农田核密度分布特征

从图2可知,新疆高标准农田核密度值分布在0～0.526,根据核密度值将密度分布划分为3个等级:低密度区(<0.175)、中密度区(0.175～0.350)和高密度区(>0.526)。按照划分标准,新疆大部分高标准农田处于低密度区,中密度区次之,高密度区比例最小。从核密度空间分布看,主要有4个显著的高密度聚集区,南疆和北疆各有2个。其中,北疆的高密度区域主要以塔城地区和昌吉州为“极核”,南疆的高密度聚集区以阿克苏地区和喀什地区为“极核”的空间格局。这些地区空间分布集中连片较好,是新疆高标准农田建设的核心地区。塔城地区是新疆重要的粮食生产基地,促进了高标准农田建设发展。昌吉州光热资源十分丰富,是新疆重要的棉花生产基地。而喀什地区和阿克苏地区建设规模较大,主要是这两个地州耕地基数较大,集中了南疆主要的绿洲资源。新疆高标准农田高密度聚集区主要呈以塔城地区为首,昌吉自治州为拐点,喀什地区为尾的“7字形”路线空间分布格局,且分布重心倾斜在西部地区。

图2 新疆高标准农田核密度分布Fig.2 Distribution of nuclear density of high-standard farmland in Xinjiang

2.2 新疆高标准农田建设潜力分布特征

以县市为划分单元使用等比例划分方法将新疆所有县市高标准农田建设潜力值划分为4个分区,依次表示为低建设潜力区(Z<25%)、较低建设潜力区(25%75%),进行可视化分析,新疆各县市高标准农田建设潜力空间分布如图3所示。

图3 新疆高标准农田建设潜力分区情况Fig.3 Zoning of Xinjiang’s high-standard farmland construction potential

处于低建设潜力区的研究单元主要分布在阿勒泰地区、吐鲁番市及和田地区。处在较低建设潜力区的研究单元主要分布在阿勒泰地区、哈密市、巴州及和田地区。总体来看,南疆地区较低建设潜力的县市分布最多,也体现了南疆地区县市的高标准农田建设任务完成度较好。处于较高建设潜力区的研究单元在空间上无明显的聚集,零散分布于昌吉州、伊犁州、喀什地区及和田地区的外围地区。处于高建设潜力区的研究单元虽然在空间集聚不明显,但主要还是分布在北疆的塔城地区和阿克苏地区以及南疆的阿克苏地区和喀什地区,这些地州后备耕地力量充足,是未来重点的开发建设地区。

2.3 新疆高标准农田建设规模影响因子探测

综合高标准农田空间分布特征分析结果可以看出,南疆、北疆地区存在相似的“极核”聚集模式。根据地理探测器要求自变量为类型量,本文使用自然间断点法对两种尺度下各连续性探测因子进行聚类,为了使各类别之间的差别尽量大[23],将不同尺度和不同分区内影响因子分别划分为4、5、6、7、8类,输入地理探测器进行探测,遵循q值越大分区效果越好的原则选择最优分类[24],各因子最优类别划分探测结果如图4所示。探测结果表明不同因子对高标准农田建设规模影响差异明显。

图4 斑块与县域尺度下各探测因子影响力Fig.4 Influence of detection factors at the scale of plaque and county

2.3.1 斑块尺度影响因子探测分析 斑块尺度下耕地总面积和人均生产总值对高标准农田建设规模影响最强。除自然因素中耕地总面积外,社会经济因素和政策因素影响力显著强于其他因子,表明社会经济因素和政策因素对高标准农田建设规模的影响有显著决定作用,自然因素也有较强的影响效果,交通因素的影响最弱。而耕地总面积、距乡镇中心距离和农业人员投入水平均与第一产业发展密切相关,表明南疆决策者对耕地基数大、劳动力出行便捷性高和农业措施管理能力强的地区更重视。而南疆地区自然因素中各因子的影响力均高于全疆范围和北疆地区,表明斑块尺度下南疆地区高标准农田的建设规模受自然环境条件影响更强烈。北疆的交通因子和政策因子均大于全疆和南疆的影响力,表明北疆地区高标准农田的建设规模受交通因子和政策因子影响更强烈。除南疆地区距乡镇中心距离外,不同分区下的社会经济因子和政策因子的影响力均明显大于交通因子和区位因子的影响力。从图5-a可知,总体来看,斑块尺度下,不同分区内的高标准农田建设规模均受经济因子、资源因子和人文因子影响强烈。

图5 斑块与县域尺度下各因子类别的平均影响力Fig.5 Average influence of various factor categories at the patch and county scales

2.3.2 县域尺度影响因子探测分析 北疆地区年均气温和农业人员投入水平对高标准农田建设规模影响力明显高于全疆和北疆地区(图6)。表明县域尺度下北疆地区的高标准农田建设更易受年均气温和农业人员投入水平的影响。南疆地区坡度、地下水埋深和距河流距离对高标准农田建设规模的影响明显高于全疆和北疆地区,可能是因为南疆地区土地较破碎,耕地本身条件较差,导致南疆地区高标准农田建设对自然基底条件要求更高。建设者会优先选择坡度小、连片程度高的耕地进行建设。地下水埋深影响强烈,可能是由于南疆地区干旱少雨,而高产稳产的高标准农田必须有充沛的水资源作为基本保障,而且天然降水对农业用水的补给有限,降水与地表河流的供水满足不了农业用水需求,从而导致高标准农田对地下水依赖有所增强。从图5-b可知,县域尺度下,不同分区内的高标准农田建设均受政策因子和资源因子影响强烈。

图6 全疆县域尺度地理探测因子类别化空间分布Fig.6 Spatial distribution of categoricalized geographical detection factors at the county level in Xinjiang

2.4 新疆高标准农田建设规模影响交互探测

2.4.1 斑块尺度交互探测分析 全疆范围内影响力最大的核心交互影响因子为距河流距离∩机械投入水平,交互影响力超过0.11(表3),且影响力最大的两个主导交互因子均与距河流距离有关,虽然距河流距离单因子对高标准农田的建设格局作用不显著,但与其他因子交互作用后影响力提升明显,表明区位因素和经济因素的交互共同影响着全疆斑块尺度高标准农田的建设格局。北疆地区影响力最大的核心交互影响因子为距省道距离∩机械投入水平,交互影响力超过0.18,且交互结果前四的主导交互因子均与距省道距离有关,同样距省道距离在北疆地区单因子作用强度影响力低微,但与其他因子交互后影响地位显著升高。可能是由于北疆地区交通路网较破碎,乡村道路建设不够完善及连通性较差,造成其对高标准农田建设规模的影响较弱,闭塞的区位条件凸显省级道路的重要性。南疆地区影响力最大的核心交互影响因子为距乡镇中心距离∩农业人员投入水平,交互影响力超过0.18,且交互结果前四的主导交互因子均与距乡镇中心距离有关,与全疆和北疆地区不同的是,斑块尺度下距乡镇中心距本身单因子影响力就很高,与其他因子交互后影响力也有一定提升。

表3 斑块尺度下各影响因子核心交互探测结果Table 3 Interaction detection results of core impact factors at the plaque scale

表4 县域尺度下各影响因子核心交互探测结果Table 4 Core interaction detection results of each influencing factor at the county scale

2.4.2 县域尺度交互探测分析 全疆范围内影响力最大的核心交互影响因子是坡度∩项目经费投入水平,交互影响力超过0.87,且影响力排名前10的主导交互因子均与政策因素有关,表明政策因素对高标准农田建设规模影响显著且稳定。北疆地区影响力最大的核心交互影响因子是耕地总面积∩项目经费投入水平,交互影响力超过0.98,且排名前四的主导交互因子均与政策因素有关,表明政策因素同样是北疆地区高标准农田建设规模的主要影响因子。北疆地区政策因素与其他因素的协同增强影响北疆地区高标准农田建设格局。南疆地区影响力最大的核心交互影响因子与北疆地区相同,也是耕地总面积∩项目经费投入水平,交互影响力超过0.96,与北疆地区不同的是,南疆地区排名前五的主导交互因子均与自然因素有关,表明南疆地区自然因素与其他因子有较强的交互关系,交互影响力提升明显。说明自然基底条件是南疆地区高标准农田建设的重要影响因素。

3 讨 论

从空间分布特征来看,新疆高标准农田核心区主要分布在州府所在地周围,倾向于离州府较近的范围,而距离较远的地区受州府资源辐射逐渐减弱,反应出建设高标准农田时资金投入不足。汤俊红等[25]同样发现福州市周边永久基本农田空间布局呈现“四周密中间疏,南边密北边疏”的特征。由于南疆与北疆的耕地资源禀赋、自然资源状况、社会经济发展水平等存在差异,导致两个地区高标准农田建设投入的标准不同,从而造成南、北疆高标准农田建设规模及主要影响因素存在差异。同样,张扬等[26]使用地理探测发现,影响贵州省耕地空间分布的主要因子为人口、GDP,次要因子为路网密度、平均坡度。余富祥[27]发现广东省高标准农田建设的实施协调度受自然条件、社会条件及政策因素的共同影响。

从影响因素探测结果来看,南疆地区耕地本身较破碎,对大规模机械生产需求较大,而目前南疆地区物化投入不足,科技投入低,建设集中连片的高标准农田需要更多的资金投入和农业机械的投入;同时资金投入可为农民提供更多农技培训机会,大面积建设高标准农田提供稳定的技术支撑。北疆地区耕地资源较为集中连片,宜采取多中心建设发展模式,增强各地州核心区的发展建设,进而带动小片区内高标准农田建设;同时还应增强乡村道路建设,发挥路网建设在高标准农田建设的关键作用,增强农民对高标准农田建设的积极性,提升高标准农田建设规模。

借助各地区的资源禀赋优势,合理利用区域基底条件,根据各地种植习惯和水热条件,因地制宜立足地区优势,形成各具特色的地区建设路径。应综合考虑不同尺度、分区下影响因子的作用强度,加强推广高效节水、加强农业机械化水平、加快土地流转和乡村路网建设是今后工作的重点。本研究在进行斑块尺度影响因素分析也存在一定的不足,社会经济数据均为县级统计数据,未来可收集更详细的乡镇级或村级影响因子数据进一步探索。

4 结 论

(1)新疆高标准农田在不同行政区的分布密度不同,南疆、北疆各有2个显著的高密度聚集区,北疆以塔城地区和昌吉州为“极核”,南疆以阿克苏地区和喀什地区为“极核”。

(2)高建设潜力县市主要分布在新疆区划的西部地州,低建设潜力县市主要分布在新疆区划的东部地州。处于较高建设潜力区的研究单元在空间上无明显聚集,研究单元占比最多,是未来重点开发建设的地区。

(3)县域尺度上,政策因素是影响高标准农田建设规模最强的影响因子,不同分区的核心交互影响因子均与政策因素有关;斑块尺度上,社会经济因素对高标准农田建设规模影响力最强,核心交互影响因子均与社会经济因素和交通区位因素相关。不同分区下,各影响因子对高标准农田建设规模均具有明显的交互增强作用。