郝佳，劉學(xué)錄

(甘肅農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，甘肅 蘭州　730070)

?

慶陽和平?jīng)鰞墒锌h域耕地集約利用度的短板效應(yīng)研究

郝佳，劉學(xué)錄

(甘肅農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，甘肅 蘭州730070)

摘要：以慶陽市和平?jīng)鍪?5個縣(區(qū)) 為研究對象，構(gòu)建了耕地集約利用評價指標(biāo)體系，運用因子分析法對耕地集約利用狀況進(jìn)行了評價，根據(jù)因子分析綜合得分結(jié)果，對各縣(區(qū))的耕地集約利用度進(jìn)行了排序.結(jié)果表明：慶陽市和平?jīng)鍪懈骺h(區(qū))耕地集約利用狀況的差異較大，其中：西峰區(qū)耕地集約利用程度最高，得分為0.914 09，而華池縣土地集約利用程度最低，得分-0.615 11.根據(jù)各縣(區(qū))4個公因子的得分結(jié)果，探討了影響各縣( 區(qū))耕地集約利用水平的短板因素和提高各縣(區(qū))耕地利用集約度的有效途徑.

關(guān)鍵詞：耕地；集約利用評價；因子分析；短板效應(yīng)

耕地是農(nóng)業(yè)發(fā)展的基礎(chǔ)，耕地的數(shù)量和質(zhì)量也是保證國家糧食安全的基本條件.隨著我國經(jīng)濟的迅速發(fā)展和城市化進(jìn)程的加快，使得非農(nóng)業(yè)活動占用耕地的數(shù)量不斷上升，耕地質(zhì)量也優(yōu)劣不齊，耕地生態(tài)系統(tǒng)遭到破壞.因此，改變耕地原有的粗放利用的生產(chǎn)方式，加大耕地資金、勞動與技術(shù)投入，提高耕地集約利用水平已成為促進(jìn)國家社會經(jīng)濟、農(nóng)業(yè)持續(xù)發(fā)展，保障國家糧食安全和提升綜合生產(chǎn)能力的客觀需要.耕地集約利用問題越來越受到人們的重視，對耕地實行集約利用，挖掘其利用潛力，已成為緩解目前我國緊張的人地關(guān)系和人糧關(guān)系的重要途徑.

目前，對于耕地集約利用的研究不論是理論還是方法都還不夠成熟,研究主要集中于耕地集約利用現(xiàn)狀分析及方法[1-3]，耕地集約利用的評價及指標(biāo)體系建立[4-6]，耕地集約利用變化的驅(qū)動力研究[7-9]，以及耕地集約利用所產(chǎn)生的效應(yīng)研究等幾個方面[10].目前有關(guān)集約度的研究較多為對同一地區(qū)的時間縱向比較，而對于不同地區(qū)的橫向比較很少；對耕地集約利用的驅(qū)動力研究、總體效益評價較多，而對于耕地集約利用投入因素研究的較少，尤其是對于影響耕地利用集約度的內(nèi)部短板因素的相關(guān)研究非常少.本文基于縣域尺度，擬以慶陽市和平?jīng)鍪懈骺h為研究對象，運用因子分析法，計算其各縣耕地利用集約度，并進(jìn)一步分析探討引起區(qū)域利用集約度失調(diào)的內(nèi)部“短板因素”，以期為2個城市的縣域土地集約化利用提供一定的參考.

1研究區(qū)概況與方法

1.1研究區(qū)域概況

慶陽市位于甘肅省東部，習(xí)稱“隴東”，東接陜西，西與寧夏接壤；北鄰陜西及寧夏回族自治區(qū)的鹽池縣，南與本省涇川縣及陜西相連.南北長207 km，東西跨208 km，總面積27 119 km2.轄?wèi)c城、環(huán)縣、華池、合水、正寧、寧縣、鎮(zhèn)原7縣和西峰區(qū)，116個鄉(xiāng)(鎮(zhèn))，3個街道辦事處，58個社區(qū).地形北高南低，海拔在885～2 082 m之間，中南部為黃土高原溝壑區(qū)，北部為黃土丘陵溝壑區(qū)，東部為黃土丘陵區(qū).慶陽市為大陸型氣候，四季分明，降雨量南多北少，2011年全市年平均降水量366.2～694.8 mm，降雨多集中于7～9月3個月.氣溫南部高于北部，年平均氣溫8.6～9.9 ℃，年日照1 909～2 392 h.慶陽市屬黃河中游黃土高原溝壑區(qū)，四周高而中間低，有“隴東盆地”之稱.全市有12條較大塬面，總面積27萬hm2，是農(nóng)作物主產(chǎn)區(qū).慶陽素有“隴東糧倉”之美譽，盛產(chǎn)小麥、玉米、油料；蕎麥、小米、燕麥、黃豆等特色小雜糧久負(fù)盛名，備受推崇.

平?jīng)鍪形挥诟拭C省東部，地處陜、甘、寧三省(區(qū))交匯處，橫跨隴山(關(guān)山)，東鄰陜西咸陽，西連甘肅定西、白銀，南接陜西寶雞和甘肅天水，北倚寧夏固原、甘肅慶陽，是古“絲綢之路”必經(jīng)重鎮(zhèn)，素有隴上“旱碼頭”之稱.全市轄涇川、靈臺、崇信、華亭、莊浪、靜寧7縣和崆峒區(qū)，102個鄉(xiāng)鎮(zhèn)，3個街道辦事處.總土地面積1.1萬km2，海拔在890～2 857 m之間，年均氣溫9.2 ℃，降水量為524.7 mm.平?jīng)鍪歉拭C省主要農(nóng)林產(chǎn)品生產(chǎn)基地和畜牧業(yè)、經(jīng)濟作物主產(chǎn)區(qū)，盛產(chǎn)小麥、玉米、谷類、蕎麥、油菜、胡麻、林果、烤煙等，曾與慶陽地區(qū)以“隴東糧倉”聞名遐邇.

1.2數(shù)據(jù)來源與研究方法

1.2.1數(shù)據(jù)來源研究數(shù)據(jù)主要來源于《甘肅統(tǒng)計年鑒》(2000年、2011年、2012年)、《甘肅農(nóng)村統(tǒng)計年鑒》(2011年、2012年)、《慶陽年鑒》(2011年、2012年)以及《平?jīng)瞿觇b》(2000年、2011年、2012年)等官方統(tǒng)計數(shù)據(jù)，具體包括慶陽市、平?jīng)鍪?5個縣級單元的耕地面積、農(nóng)業(yè)勞動力人口、總化肥施用量、農(nóng)村用電總量、地膜使用量、農(nóng)業(yè)機械總動力、農(nóng)作物播種面積、以及農(nóng)田有效灌溉面積等，據(jù)此構(gòu)建耕地利用集約度的評價指標(biāo)體系.

1.2.2研究方法

1.2.2.1集約利用評價方法1)評價指標(biāo)體系建立根據(jù)耕地集約利用的內(nèi)涵以及所選取指標(biāo)之間的復(fù)雜關(guān)系.在選取各項評價指標(biāo)的過程中，依據(jù)綜合性、系統(tǒng)性、可操作性、動態(tài)發(fā)展性、定性和定量相結(jié)合等原則，結(jié)合縣域土地集約利用相關(guān)研究文獻(xiàn)中所采用的評價體系[11-12],結(jié)合研究區(qū)耕地利用的實際情況，本研究從勞動集約程度、資金集約程度、科技集約程度和耕地利用程度4個方面，選取數(shù)據(jù)來源可靠、指示性強、穩(wěn)定性強，且具有代表性的11個指標(biāo)，構(gòu)建了耕地集約利用評價指標(biāo)體系(表1).

2)集約利用評價采用因子分析法因子分析法是對原始數(shù)據(jù)進(jìn)行分解，將聯(lián)系比較緊密、相關(guān)性較高的變量分為同一類，即為公因子.每一個公因子代表同一類型的變量進(jìn)行下一步的綜合整體評價.影響耕地集約利用的因子之間有著錯綜復(fù)雜的相互關(guān)系，利用因子分析法即降低這種復(fù)雜性，又可以減少分析結(jié)果的誤差.另外，因子分析法可對幾個公因子的得分進(jìn)行加權(quán)求和，權(quán)數(shù)就取其方差貢獻(xiàn)值或方差貢獻(xiàn)率.這避免了其他方法權(quán)重確定的主觀性，保證評價結(jié)果的客觀性.

表1　 耕地集約利用評價指標(biāo)體系

因子分析法運行步驟如下:

1)對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，本文對原始數(shù)據(jù)采用極值的方法進(jìn)行標(biāo)準(zhǔn)化處理.

2)檢驗數(shù)據(jù)是否適合做因子分析.其方法主要分為有2種:①KMO(Kaiser-Meyer-Olkin)檢驗.KMO檢驗用于研究變量之間的偏相關(guān)性，計算偏相關(guān)時由于控制了其他因素的影響，所以會比簡單相關(guān)系數(shù)來的小.KMO 的取值在0和1之間，KMO值越接近1，則越適合做因子分析；相反，KMO 越小，則越不適合做因子分析.一般KMO統(tǒng)計量大于0.9時效果最佳，0.8以上為可獎勵的，大于0.7為還好，0.6以上為中等，低于0.5以下則不宜作因子分析.②Bartlett球形檢驗.如果檢驗結(jié)果統(tǒng)計量值較大，而且概率值小于顯著性水平，即認(rèn)為相關(guān)系數(shù)矩陣不是單位陣，因此適合做因子分析；反之，則認(rèn)為相關(guān)系數(shù)矩陣是單位陣，因此不適合做因子分析.

3)求取相關(guān)系數(shù)矩陣及其特征根和特征向量.

4)提取公因子，求解相關(guān)系數(shù)矩陣的方差貢獻(xiàn)率和累計方差貢獻(xiàn)率.

5)命名公因子與進(jìn)行因子旋轉(zhuǎn).

6)計算公因子得分.公式如下：

(1)

式中：Zi為第i個公共因子得分；ωi為第i個指標(biāo)數(shù)據(jù)得分系數(shù)；xi為第i個標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù).

7)計算評價的綜合分值.綜合評價值的計算公式為：

(2)

1.2.2.2短板分析法判斷影響耕地集約利用度的內(nèi)部“短板因素”主要根據(jù)因子分析法中各公因子的綜合得分和排名情況.具體為：通過因子分析法對原始數(shù)據(jù)進(jìn)行分解，提取公因子，每一個公因子即代表同一類型的變量.求取因子系數(shù)矩陣，進(jìn)一步得出每一個公因子的評價分值和排名情況.評價得分有正有負(fù)，僅代表互相比較的比對情況，正數(shù)代表高于平均水平，負(fù)數(shù)則表示低于平均水平.通過各公因子得分分值和排名情況比較，可以分析出分值低于其他地區(qū)，或為負(fù)(即低于平均水平)的因子即為該地區(qū)的“短板因素”.同一因子對不同地區(qū)可能是長板也可能是短板，這主要取決于該因子所代表的一類因素在研究區(qū)范圍內(nèi)的投入或利用情況而定，只有提高“短板因素”，針對“短板因素”所代表的因素類型進(jìn)行改善、提高，才有可能綜合提升該地區(qū)的集約利用水平.

2結(jié)果與分析

2.1耕地集約利用評價過程

本研究對慶陽市、平?jīng)鍪?3縣2區(qū)2011年和2012年的原始數(shù)據(jù)進(jìn)行計算處理，分析結(jié)果可反應(yīng)各縣(區(qū))的耕地集約利用水平變化規(guī)律，進(jìn)一步探索影響耕地集約利用所存在的“短板因素”，繼而尋求改進(jìn)方向.首先采用極值標(biāo)準(zhǔn)化的方法對原始數(shù)據(jù)進(jìn)行處理.將標(biāo)準(zhǔn)化數(shù)據(jù)輸入SPSS16.0軟件進(jìn)行KMO檢驗和Bartlett球度檢驗.檢驗結(jié)果KMO值為0.592，Bartlett球度檢驗顯著性值為0.00，小于顯著性水平0.01，由此否定相關(guān)矩陣為單位矩陣的零假設(shè)，即認(rèn)為各變量之間存在著顯著的相關(guān)性.因此，慶陽及平?jīng)?5個縣(區(qū))處理過的11個指標(biāo)(表1) 適合于因子分析.

本研究所選用的提取因子的方法是主成分分析法，按照因子累計貢獻(xiàn)率大于80% 的標(biāo)準(zhǔn)選取公因子.通過SPSS軟件分析得出相關(guān)關(guān)系矩陣的特征值、貢獻(xiàn)率真和累計貢獻(xiàn)率(表2).從表2 可以看出，前4個因子的累計方差貢獻(xiàn)率達(dá)到了83.624%，說明這4個因子所代表的信息已經(jīng)能夠充分反映原有11個變量所攜帶的數(shù)據(jù)信息.因此，本文選取F1、F2、F3 和F4 4個公因子，并得到因子載荷矩陣(表3).

計算主成分載荷與旋轉(zhuǎn)主成分載荷，分析比較兩者可知：進(jìn)行正交方差最大旋轉(zhuǎn)后的結(jié)果，各因子變量含義變得比未旋轉(zhuǎn)前更為清晰，因而也更容易解釋各因子的意義，命名公因子.旋轉(zhuǎn)主成分載荷矩陣如表4所示.已知因子載荷是變量與公因子的相關(guān)系數(shù)，對一個變量來說，載荷絕對值大的因子與它的關(guān)系更為密切，也更能代表這個變量，按照這一觀點，第1公因子更能代表為單位化肥施用量、單位勞動力人數(shù)、人均耕地面積和單位地膜使用量這幾個變量因素；第2公共因子更適合代表墾殖系數(shù)、復(fù)種指數(shù)和有效灌溉率這3個變量；第3公共因子對農(nóng)業(yè)科技進(jìn)步率和單位機械總動力有絕對值較大的負(fù)荷系數(shù)；第4公共因子則較好地代表耕地耗電量和農(nóng)業(yè)總產(chǎn)值增長率這2個變量.根據(jù)各個變量的特點，可以把第1個公因子解釋為土地勞動投入因子，把第2個公因子解釋為土地利用程度因素，把第3個公因子解釋為科技投入因素，把第4個公因子解釋為經(jīng)濟投入因素.

根據(jù)主成分得分系數(shù)矩陣(表4)，主成分得分函數(shù)可以寫為:

Z1=0.246x1-0.029x2+0.425x3-0.269x4+0.146x5+0.202x6+0.215x7+0.005x8-0.04x9-0.214x10-0.223x11

Z2=0.109x1-0.014x2+0.054x3-0.034x4+0.035x5+0.189x6+0.042x7+0.375x8-0.357x9-0.389x10-0.047x11

Z3=0.143x1-0.425x2+0.278x3-0.151x4+0.008x5+0.043x6+0.55x7+0.224x8-0.003x9-0.244x10-0.019x11

Z4=0.026x1-0.138x2+0.015x3-0.25x4+0.556x5+0.485x6+0.113x7+0.101x8-0.056x9-0.25x10-0.06x11

方差貢獻(xiàn)率(表2) 可以確定公因子Z1、Z2、Z3和Z4的系數(shù)，這樣就得到耕地評價得分Z的表達(dá)式:Z=0.273 03×Z1+0.243 69×Z2+0.181 62×Z3+0.137 9×Z4

表2　因子分析相關(guān)矩陣的特征根和方差貢獻(xiàn)率

表3　旋轉(zhuǎn)后因子荷載矩陣

表4　因子得分系數(shù)矩陣

2.2各縣(區(qū))耕地利用集約度分析

由綜合評價值公式可以計算出慶陽市和平?jīng)鍪?5個縣(區(qū))各自的耕地集約利用度(表5)，耕地集約利用綜合評分中正數(shù)表示高于總體集約利用的平均水平，負(fù)數(shù)則表示低于平均水平.集約利用評價綜合得分越高表示該地區(qū)的集約利用程度越高，而綜合分值越低，則表明集約利用程度越差.慶陽市和平?jīng)鍪懈丶s利用水平偏低，提高潛力大.從圖1 可以看出，近一半的縣(區(qū))耕地集約利用水平較低，大于均值的縣(區(qū))只有西峰、慶城、合水、正寧、寧縣、崆峒、涇川、莊浪、和靜寧，占樣本總量的60%，另有40%的縣(區(qū))位于均值之下.可見，慶陽市和平?jīng)鍪械母骺h耕地集約利用的提高潛力大，還有較大的挖掘空間.慶陽市和平?jīng)鍪?5個縣(區(qū))中西峰區(qū)的集約度綜合分值最高，為0.914 09，耕地集約利用程度比其他縣(區(qū))高出許多.下來是涇川縣，綜合分值為0.591 14，相較于西峰區(qū)，耕地的集約利用程度還有較大的提升空間.正寧縣、崆峒區(qū)和合水縣的綜合分值較為相近，分別為0.260 71、0.224 46和0.209 38.寧縣、莊浪縣、慶城縣和靜寧縣的集約利用水平僅處于各縣(區(qū))中游，寧縣和莊浪縣的綜合分值分別為0.177 45、0.157 10，慶城縣和靜寧縣集約利用水平只略高于2區(qū)13縣的耕地集約利用平均水平，綜合得分為0.051 23和0.036 85.其余6縣的集約利用評價綜合得分均為負(fù)數(shù)，可見其耕地集約利用水平低于平均水平，耕地的集約利用程度較差.其中鎮(zhèn)原縣、華亭縣綜合得分-0.332 39和-0.364 58，崇信縣、靈臺縣以及環(huán)縣分別為-0.404 62、-0.447 41和-0.458 30，華池縣的耕地集約利用情況最差，綜合得分僅為-0.615 11.

2.3各縣(區(qū))短板因素分析

通過研究各個縣(區(qū))因子的得分結(jié)果探討影響各縣(區(qū))耕地集約利用水平的因素，找到提高各縣(區(qū))耕地利用集約度的有效途徑，是運用因子分析法進(jìn)行耕地集約利用評價的主要優(yōu)勢之一.由表5可以看出綜合評分位列各縣(區(qū))第一位的西峰區(qū)雖然土地利用程度因子和土地科技投入因子的得分最高，但土地勞動投入因子的得分僅處于中游水平，下一步應(yīng)注重資金和勞力等方面的投資，提高從業(yè)人員數(shù).

合水縣雖然土地勞動投入因子、土地科技投入因子和土地經(jīng)濟投入因子的得分較高，但土地利用程度因子的得分卻位于各縣(區(qū))最末尾，嚴(yán)重影響了合水縣耕地的集約利用，故合水縣應(yīng)注重提高土地利用程度，加大土地利用率.

表5　因子得分及綜合排序表排名

圖1　各縣(區(qū))耕地集約利用狀況

正寧縣需加強土地利用的強度，以及提高單位面積土地上經(jīng)濟要素的投入，涇川縣則需提高對土地的科技投入.

靜寧縣、崆峒區(qū)土地利用程度因子的得分雖然位居各縣(區(qū))前列，但靜寧縣的土地勞動投入因子得分卻處于各縣(區(qū))中游，土地科技投入因子和土地經(jīng)濟投入因子的得分更是處于各縣(區(qū))下游水平；而崆峒土地經(jīng)濟投入因子得分卻處于各縣(區(qū))中游，土地勞動投入因子的得分處于下游水平.兩市需要提高土地勞動投入水平，加大科技、經(jīng)濟等方面的投入.

寧縣、莊浪縣、慶城縣的綜合得分處于所有縣(區(qū))中游位置，它們都存在影響各自土地集約利用的“短板”，寧縣應(yīng)注重土地利用程度和科技投入的提高，莊浪縣的土地科技投入因子得分落后于其他各縣(區(qū))，而慶城縣土地勞動投入因子、土地利用強度因子和土地科技投入因子得分均處于各縣(區(qū))中等，故應(yīng)在這三個方面綜合加強，提高耕地的利用率.

而鎮(zhèn)原縣、華亭縣、崇信縣和靈臺縣各地集約利用度在所有縣(區(qū))中處于下游水平，除去個別因子得分在平均水平之上外，這些縣(區(qū))的各因子得分均較低，因此這些地區(qū)需要注重土地勞動投入、土地利用強度因子、土地科技經(jīng)濟投入的綜合提升，才能提高耕地的集約利用水平.

環(huán)縣、華池縣的耕地集約利用評價得分位于所有縣(區(qū))中14、15位，它們分別在土地經(jīng)濟投入因子和土地科技投入因子上的得分較高，卻在剩下的評價因子得分上處于末尾，這嚴(yán)重影響了兩縣耕地的集約利用程度，成為兩縣各自的“短板”，只有加大“短板因素”投入，加強土地利用，才能提高兩縣的耕地集約利用度.

3討論與結(jié)論

1)本文采用因子分析法，從定量的角度對慶陽市和平?jīng)鍪锌h域耕地集約利用水平進(jìn)行了綜合評價，其結(jié)果客觀、實際，具有說服力.因子分析法可對大量的信息提取主要因子，并進(jìn)行綜合，即降低了信息復(fù)雜性，減少了工作量，又可保持樣本的原有特征；在求取綜合評價權(quán)重的方法上，根據(jù)指標(biāo)數(shù)值的信息，采用特征根貢獻(xiàn)率，保證了權(quán)重取值的客觀性，避免了求取權(quán)重時利用其它方法的主觀性.

2)本文通過從勞動投入因素、資金投入因素、科技投入因素以及利用強度因素4個方面構(gòu)建了耕地集約利用評價指標(biāo)體系，并在此基礎(chǔ)上對慶陽市和平?jīng)鍪?5個縣(區(qū))的耕地集約利用水平進(jìn)行綜合評價，研究結(jié)果表明慶陽市和平?jīng)鍪懈骺h的耕地集約利用差異較大，15個縣(區(qū))中只有西峰、慶城、合水、正寧、等9個縣的耕地集約利用水平大于平均水平，其中集約利用水平最高的為西峰區(qū)，而最低的則是華池縣.

3)以各個縣(區(qū))的耕地利用集約度以及各公因子的評分和排名為基礎(chǔ)，對影響耕地集約利用的內(nèi)部“短板因素”進(jìn)行進(jìn)一步分析，結(jié)果表明各個縣無論集約程度高低，均存在影響各自耕地集約利用的“短板因素”.針對存在不同“短板因素”的集約度水平下的耕地應(yīng)采取不同的措施，以促進(jìn)耕地高效集約利用:對集約度較高區(qū)域，資源投入已達(dá)到一定水平，僅存在個別因素的不足，影響了耕地集約利用水平，根據(jù)不同的因素可考慮增大勞動力人數(shù)，加大科技投入，加強技術(shù)創(chuàng)新等；對于集約度處于各縣(區(qū))平均的區(qū)域，應(yīng)注意加強土地利用程度，協(xié)調(diào)影響集約度的內(nèi)部因素，綜合提升集約利用程度；對于集約度相對較低的區(qū)域，應(yīng)從基礎(chǔ)抓起，注重加強農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，改善農(nóng)業(yè)生產(chǎn)條件，引入新的農(nóng)業(yè)技術(shù)，在利用耕地的過程中，應(yīng)科學(xué)合理地增加化肥、地膜、機械的投入，逐步提高作物產(chǎn)量，提高耕地集約利用程度.

參考文獻(xiàn)

[1]張琳，張鳳榮，安萍莉，等.不同經(jīng)濟發(fā)展水平下的耕地利用集約度及其變化規(guī)律比較研究[J].農(nóng)業(yè)工程學(xué)報,2008,24(1):108-112

[2]張中亞，付梅臣，汝捷，等.基于改進(jìn)熵值法的耕地利用集約度時空變異研究：以河北省武安市為例[J].安徽農(nóng)業(yè)科學(xué),2011,39(4):2375-2376

[3]龐英.山東沿海地區(qū)耕地利用集約度時空特征[J].農(nóng)業(yè)工程學(xué)報,2011,27(9):328-333

[4]董秀茹，王秋兵，石水蓮.農(nóng)用地集約利用評價指標(biāo)體系的建立[J].土壤通報,2008,39(2):209-213

[5]潘紅，張廣文，趙海勇.黑龍江省七臺河耕地集約利用評價研究[J].商業(yè)經(jīng)濟,2010(11):11-13

[6]鄭華偉.基于改進(jìn)熵權(quán)法的耕地利用集約度評價[J].新疆農(nóng)墾經(jīng)濟,2010(4):53-58

[7]李瑞華，白世強.河南省耕地集約利用時空分異及驅(qū)動因素研究[J].農(nóng)業(yè)系統(tǒng)科學(xué)及綜合研究,2009,25(3):263-267

[8]王群，王萬茂.中國省區(qū)土地利用差異驅(qū)動因素實證研究[J].中國土地科學(xué),2005,19(6):21-25

[9]易煒，顏萍.湖南省耕地集約利用及其驅(qū)動力初探[J].科技資訊,2009,(11):198-199

[10]張?zhí)伊郑钪遗?，王興祥.高度集約農(nóng)業(yè)利用導(dǎo)致的土壤退化及其生態(tài)環(huán)境效應(yīng)[J].土壤學(xué)報,2006,43(5):843-850

[11]鄭新奇．城市土地優(yōu)化配置與集約利用評價[M].北京:科學(xué)出版社,2004

[12]韓志樂，劉學(xué)錄.甘肅省城市土地集約利用綜合評價[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報,2009,44(5):134-139

(責(zé)任編輯李辛)

The study on the weakest link effect of cultivated land

intensive use degrees

——A case study of Qingyang City and Pingliang City

HAO Jia，LIU Xue-lu

( College of Resources and Environmental Science,Gansu Agricultural University,Lanzhou 730070,China)

Abstract：Fifteen counties (districts) in Qingyang and Pingliang City were taken as study objects,an assessment index system for cultivated land intensive utilization was established.The factor analysis was used to evaluate and compare the cultivated land intensive use.The degree of cultivated land intensive use of 15 counties (Districts) was sorted according to the comprehensive scores.The results showed that differentiation of cultivated land intensive use was significant among the counties (districts) of Qingyang City and Pingliang City.The comprehensive land intensive use degree of Xifeng District was the highest,which was 0.914 09,while Huachi County was the lowest,which was -0.615 11.And the weakest factors that influence the degree of the cultivated land intensive use and the effective ways that enhance the cultivated land intensive use were analyzed according to the four factor scores of each counties (districts).

Key words：cultivated land;intensive use evaluation;factor analysis;weakest link effect

收稿日期：2014-03-20；修回日期：2014-04-17

基金項目：國土資源部2011年度公益性行業(yè)科研專項經(jīng)費項目“西北干旱區(qū)窯洞與地坑院土地復(fù)墾整理關(guān)鍵技術(shù)集成研究與示范”(201111015-02).

通信作者：劉學(xué)錄，男，教授,博士生導(dǎo)師,主要從事土地資源管理和景觀生態(tài)學(xué)研究.E-mail:liuxl@gsau.edu.cn

中圖分類號：F 301.2

文獻(xiàn)標(biāo)志碼：A

文章編號：1003-4315(2015)01-0140-07

第一作者：郝佳(1988-)，女，碩士研究生,主要從事土地資源管理的學(xué)習(xí)和研究.E-mail:411260904@qq.com