素有“贡米之乡”之称的万年县地处江西省东北部(116°46'—117°15'E,28°30'—28°54'N),东西宽47 km,南北长43 km,总面积11.41万hm²。地处怀玉山系余脉与鄱阳湖平原过渡地带,地势东南高西北低,呈阶梯状,地貌类型主要有侵蚀堆积河谷平原、剥蚀堆积岗地、溶蚀峰丛洼地和构造剥蚀丘陵,如按海拔高度和相对高程划分,可划分为低山、丘陵、平原三大类型,是典型的山地丘陵区。万年县耕地面积约占土地总面积的29%,水域面积约占土地总面积的6%。全境土壤类型多样,属江南丘陵红壤区,适应多种农作物和亚热带植被生长。属亚热带季风湿润气候,年平均气温17.5℃,年平均降水量1 908.4 mm,降雨集中在每年4月至7月。万年县农业种植和畜牧养殖一直占据第一产业主导地位,基本形成了贡米、生猪、珍珠、果蔬、油茶、雷竹、苗木花卉七大农业支柱产业。当地工业发展主要依赖于“一区三园”总体布局,以乡村特色为支撑的旅游业也在逐渐兴起。

本研究采用2009年、2018年万年县土地利用现状图,以行政村为单元,利用ArcGIS 10.2提取万年县耕地、河流、公路以及居民点等信息,并将矢量图层转为2 m×2 m的栅格图,再将耕地分布栅格图导入Fragstats 4.2进行耕地景观指数测算。距公路、农村居民点以及河流等要素的距离通过ArcGIS 10.2空间分析工具中的欧氏距离功能计算得出。DEM数据为Gdemdem 30 m分辨率数字高程数据,来源于地理空间数据云网站(http:∥www.gscloud.cn/),用于提取坡度、坡向及海拔等信息。乡镇人口密度数据源自《万年县统计年鉴》。

景观格局指数已被广泛应用于中观尺度耕地细碎化的测算(表1),一定程度上,耕地景观的变化是耕地细碎程度变化的直观反映。本文借鉴已有成果^[5-6,9],并结合研究区自身特点,形成了以村为单元的耕地细碎化评价体系,从耕地的面积、形状、行政村内的分布3个指标层级的6项指标测度耕地景观细碎化程度。所选取的6项景观格局指数分别为平均地块面积(MPS)、地块密度(PD)、边界密度指数(ED)、面积加权形状指数(AWMSI)、平均最邻近距离(MNN)及破碎化指数(FS)。

表1 基于景观格局指数的耕地景观细碎化测算体系

2.2原始数据标准化及指标赋权

由于各指标的数量级以及对耕地细碎化影响效应不同,为消除各指标的量纲,本文采用极差标准化方法对指标原始值进行处理,极差标准化公式如下:

式中:P_ij表示指标的标准化值; X_ij表示指标的原始值; X_imax表示指标原始最大值; X_imin表示指标原始最小值。

指标的权重对于评价结果的准确性起着至关重要的作用,因此本文结合前人研究经验,为避免主观因素对评价结果的干扰,选用熵值法对6项指标进行赋权。

参评指标的熵值权重计算公式如下:

式中:P_ij为第i个样本第j个评价指标的标准化值; e_j为第j个指标的熵值; w_j为第j个指标的权重。

在Python环境下运行上述公式得到万年县2009年、2018年耕地细碎化评价指标权重(表2)。

表2 万年县耕地细碎化各指标权重

地理探测器机理分析法,是运用于空间数据探索的方法之一,地理事物的空间分布具有明显差异,其分布受自然地理环境要素和人文社会经济因素共同影响。该方法核心思想基于假设:如果某个自变量对某个因变量有重要影响,那么自变量和因变量的空间分布应该具有相似性^[23-24]。传统的土地利用变化驱动力分析主要采用统计分析方法、系统分析法和模型化方法^[25-26],这些传统分析模型对假设条件和数据要求较高,然而实际上地理要素难以完全满足传统模型中的条件假设,导致分析效果不理想; 地理探测器模型假设制约条件比较少,其最大特征在于几乎无假设条件,可以有效克服传统数学统计模型处理此类问题的局限性,目前该模型已被运用到土地利用、公共健康、区域经济、生态、环境、遥感以及计算机网络等领域^[27],在空间统计分析方面表现出一定优势。本研究将其用于探测自然地理环境条件与人文社会经济因素对耕地景观细碎化空间分异的影响,其模型如下:

式中:q为影响因子对耕地细碎化程度的影响力(%); σ²为整个区域耕地景观细碎化指数的方差; σ²_i为次一级区域i耕地景观细碎化指数的方差; N为整个区域的样本数; N_i为次一级区域i的样本数; L表示分区个数。q∈[0,1],当q=0时,表示探测因子对耕地景观细碎化没有驱动作用; q值越大,表明因子对耕地景观细碎化程度的影响越大,能更大程度地解释耕地景观细碎化的空间分异特征。

本文结合前人研究以及万年县实际情况,考虑到数据的可获取性,选取高程、坡度、坡向、距河流距离、乡镇人口密度、距农村居民点距离、距公路距离、距铁路距离以及距乡镇行政中心距离9个探测因子。该探测方法要求自变量为类型量,因此基于因子特性、自然断点法对9个探测因子进行聚类分区。由于因变量与自变量的空间粒度不同,通过构建1 147个1 km×1 km格网将耕地细碎化指数与各探测因子类型量进行匹配。

根据选取的测算指标分别对万年县2009年与2018年各行政村的耕地进行面积指数、形状指数、分布指数以及综合指数的测算,按照Jenks自然断点法将细碎化级别分为五级,级数高表明细碎化越严重。根据测算及分级结果输出万年县耕地细碎化各级行政村数量、耕地面积及占比情况表(表3)及万年县2009—2018年万年县耕地细碎化指数分布图(图1)。从耕地细碎化综合指数来看,9 a间万年县耕地细碎化程度明显加剧。2009年,细碎化级别为3级的耕地占比最高,涉及62个村庄,占全域所有耕地面积的46.54%,空间上表现出连片分布; 2018年,细碎化4,5级耕地增长明显,分别比2009年增加了2 471.44 hm²,3 307.81 hm²。

表3 2009年、2018年万年县各级耕地细碎化行政村数量、耕地面积及占比情况

图1 2009、2018年万年县耕地细碎化指数分布

3.1.1 耕地面积指数空间分异 通过选取平均地块面积(MPS)、斑块密度(PD)两个景观格局指数来表征耕地在规模上的破碎程度,计算得出万年县2009—2018年各行政村耕地面积指数空间分布情况,该指数越大表明该村耕地在规模上越细碎。在面积指数层面,2009年万年县耕地占比最高的为2级细碎化耕地,占全域耕地总面积的41.69%,96个村的耕地为1～2级细碎化,表明2009年万年县耕地平均地块面积较大,在规模上具有一定的连片性,人为占用程度较低。在空间分布上,万年县东南部以及石镇镇与珠田乡相接地带耕地平均规模相对较小,主要是因为这两处区域地势相对较高,且坡度较大,耕地受地形割裂呈现出耕地平均斑块面积小、斑块密度高的特征。2018年细碎化1～2级耕地显著减少,3～5级耕地占比均有所提高,其中细碎化4级耕地增长最为显著,由2008年4.65%增长至29.13%成为占比最高区间。面积细碎指数在空间分布上也呈现出一定的集聚特征,细碎化较为严重的耕地主要分布在西北部湖云乡、梓埠镇一带。

3.1.2 耕地形状指数空间分异 边界密度指数(ED)、面积加权形状指数(AWMSI)共同表征各行政村耕地形状的细碎程度。2009年万年县耕地形状细碎化指数整体呈低水平,细碎化2级耕地占比最高,1～2级耕地共占比59.18%,仅有4个村庄细碎化级别达到了5级。这是由于2009年万年县还是以农业生产为主,田坎及灌溉设施使耕地边界较为平直,形状较为规则。2018年由于万年县大力发展黑猪养殖、珍珠培育、大棚蔬菜以及劳动密集型工业,使得劳动力大规模转移,其他产业占用耕地生产,一定程度上破坏了耕地斑块形状,使得耕地细碎化形状指数明显上升,1～3级耕地面积均减少,4级耕地成为占比最高区间,4,5级耕地占比分别增加13.9%,15.2%,细碎化5级耕地主要分布在梓埠镇、陈营镇以及裴梅镇。

3.1.3 耕地分布指数空间分异 平均最邻近距离(MNN)及破碎化指数(FS)综合测算得出万年县耕地细碎化分布指数,通过两个年份对比,分布指数演变趋势明显不同于综合指数以及形状、面积指数。2009年分布指数主要集中在3～4级,占比63.51%,而2018年2级耕地占比增长显著,增长26.58%,4～5级占比明显减少。从熵值法确定的指标内部权重来看,平均最邻近距离权重较大,2009年耕地分布指数较高表明当年耕地分布比较离散,而2018年耕地分布趋于集中,这表明城镇化进程的推进影响了耕地的分布情况,其他产业对耕地的占用使得耕地面积缩减,机械化水平的提升也在一定程度上推动了耕地的集聚。

利用地理探测器测算方法,选取高程(X₁)、坡度(X₂)、坡向(X₃)、距河流距离(X₄)、乡镇人口密度(X₅)、距农村居民点距离(X₆)、距公路距离(X₇)、距铁路距离(X₈)以及距乡镇行政中心距离(X₉)9个探测因子,计算2018年各探测因子对万年县耕地细碎化的影响能力,q值越大意味着该探测因子对耕地细碎化的贡献力越大。从综合指标探测结果来看,耕地细碎化主要驱动因素依次是高程、乡镇人口密度、距农村居民点距离以及坡度(表4)。

表4 地理探测器因子探测结果

地理探测器交互探测可识别不同风险因子X_i之间的交互作用,即评估因子X₁和X₂共同作用时是否会增加或减弱对因变量的解释力,或这些因子对因变量的影响是否为相互独立的,两个因子之间的关系可分为非线性减弱、单因子非线性减弱、双因子增强、独立以及非线性增强5类^[27]。万年县耕地细碎化驱动因子交互探测结果见表5。结果表明各探测因子对耕地细碎化的影响不是独立的,任何两种因子交互作用对耕地细碎化的影响都大于单一因子贡献力,因素之间呈相互增强或非线性增强效应。

因各县镇资源禀赋和区位条件具有明显差异,根据万年县城市总体规划,依据不同乡镇的主导产业以及乡镇发展定位,将万年县12个乡镇分为综合发展型、工业贸易型、生态旅游型以及农业生产型4类。因乡镇人口密度在评价单元(乡镇)中无变异,且次级样本区(行政村)人口密度数据难以获取,因此将乡镇人口密度因子剔除,利用高程(T₁)、坡度(T₂)、坡向(T₃)、距河流距离(T₄)、距农村居民点距离(T₅)、距公路距离(T₆)、距铁路距离(T₇)以及距乡镇行政中心距离(T₈)8个探测因子对各乡镇耕地细碎化主要驱动因素进行探测。各乡镇耕地细碎化指数见图2,驱动力探测结果见图3,为更加直观体现各探测因子的驱动力,按照地理探测器求出的q值将各因子贡献力程度进行排序赋予等级,其中8级表示该因子影响力最大,1级因子影响力最小。

表5 地理探测器交互探测结果

作为万年县中心城区的陈营镇与上坊乡,其耕地都处于高度细碎化状态。陈营镇的细碎化综合指数居全县之首,其中分布指数最高。陈营镇耕地细碎化主要影响因子为距河流距离、高程、距乡镇中心距离以及距公路距离,自然地理条件以及社会经济条件对该镇都表现出了较强的影响力。陈营镇三面环山,且珠溪河从镇内穿过,自然地理条件在一定程度上使得耕地表现出细碎化; 社会经济因素层面,陈营镇是万年县中心城区,为综合发展型城镇,是县域政治、经济、文化中心,路网密集,城镇化水平高,高密度、多类型的城市要素侵入使得耕地面积减少,原本大面积连片的耕地被当地密布的交通路网割破。上坊乡作为另一中心城区,也表现出较高的综合细碎化指数,距乡镇中心距离、距公路距离的贡献力明显,城镇中心人口高度集聚、城郊工业园区不断扩张都直接导致耕地细碎化程度加剧。

石镇镇为万年县凤巢工业园区分布区,是典型的工业贸易型乡镇。探测因子主要贡献程度依次表现为距乡镇行政中心距离、距铁路距离、距公路距离、距农村居民点距离等,细碎化综合指数仅次于陈营镇。这与当地主要发展新能源、精细化工、汽配等工业有关,工业园区布局受交通干线影响,耕地被用于工业用地和交通线路侵占、分割,对耕地形状指数影响明显。

生态旅游型乡镇大源镇与裴梅镇分别以“稻源特色”和“贡米特色”建设特色旅游型小镇,依托境内神农源风景名胜区和珠溪河国家湿地公园大力发展旅游业。二者都位于万年县东南部,地势高、坡度大,整治细碎耕地成本高; 同时,县镇中心以及城郊的观光、住宿基础设施的建设使得距乡镇行政中心的距离成为影响耕地细碎化的主要因素。由于两县均位于生态保护区,生态保护红线的限制使得人为扰动程度低于中心城镇,耕地景观细碎化程度低。

农业生产型乡镇虽都以农业作为当地主导产业,但由于农产品类型不同,耕地细碎化程度出现分异。苏桥乡主要以种植葡萄、油茶等农作物为主,汪家乡以培育无籽西瓜、花卉苗木、蔬菜种植和生猪养殖为主,两个乡镇虽为农业生产型乡镇,细碎化指数却都在0.6以上,这是由于畜禽养殖、工厂化作物栽培以及水产养殖造成设施农用地大面积侵占耕地,造成耕地细碎化加剧,且劳动密集型农业吸引了大量劳动力,耕地不断被边际化,导致细碎化程度加剧。探测因子中,自然因子对苏桥乡、汪家乡耕地细碎化影响显著,万年河流经苏桥乡,且境内分布着许多水库,河网密布制约着耕地景观连片性; 汪家乡整体地势为东南高西北低,高程差距较大,直接影响着耕地分布。

图2 万年县各乡镇耕地细碎化指数

图3 各乡镇耕地细碎化驱动因子影响力等级

其他各乡镇则以传统粮食作物生产为主,耕地细碎化程度相对较低。齐埠乡、湖云乡和梓埠镇位于万年县西北部,地处鄱阳湖平原,地势优势以及传统农业生产为主的产业构成使得三各乡镇整体耕地细碎化指数处于较低水平。3个乡镇位于玉津河与乐安河相接处,河网密布,因而距河流距离对3个乡镇影响显著。青云镇虽也为传统农业生产型乡镇,但作为万年县老县城,拥有一定的交通优势,且境内有万年河途经,因此,距公路距离与距河流距离对当地耕地细碎化影响程度较高。

地域性的自然环境、经济社会发展程度导致各乡镇的驱动因素差异明显。综合来看,经济发达的综合型中心城镇耕地细碎化程度高,受距县镇行政中心距离、交通要素影响显著。工业贸易型乡镇对物流成本要求较高,因而距公路距离对此类乡镇的耕地细碎化表现出明显的决定力。生态旅游型乡镇由于自然地理条件与发展服务业的产业导向,耕地形态与高程、坡度等自然条件,以及乡镇中心旅游业基础设施的建造联系密切。农业生产型乡镇耕地细碎化程度与其生产的农产品种类有一定联系,对于畜禽养殖、工厂化作物栽培以及水产养殖等对人工生产条件需求较高的地区,耕地细碎化指数较高; 主要生产粮食作物的乡镇社会发展程度较为落后,综合细碎化指数水平低,社会经济因素影响力小,主要影响因子则表现为距河流距离、高程等自然地理因素。