陳美招1,張雅琪,鄭榮寶,唐曉蓮,李 爽

(1.廣東外語外貿(mào)大學 政治與公共管理學院,廣東 廣州 510420;2.廣東工業(yè)大學 管理學院,廣東 廣州 510520)

經(jīng)濟快速發(fā)展地區(qū)耕地非農(nóng)化演變路徑及異質(zhì)性研究
——以廣州市黃埔區(qū)為例

陳美招1,張雅琪2,鄭榮寶2,唐曉蓮2,李 爽2

(1.廣東外語外貿(mào)大學 政治與公共管理學院,廣東 廣州 510420;2.廣東工業(yè)大學 管理學院,廣東 廣州 510520)

耕地非農(nóng)化的驅(qū)動機制研究一直是國內(nèi)外學者關(guān)注的重點。以STIRPAT和GWR模型為基礎(chǔ),分析了廣州市黃埔區(qū)人口總量、富裕水平、產(chǎn)業(yè)結(jié)構(gòu)變化和城市化水平等因素對耕地非農(nóng)化的影響。結(jié)果表明:①2010—2015年黃埔區(qū)耕地非農(nóng)化進程在空間格局上發(fā)生了巨大變化,逐漸由南向北擴散,中部和北部建設(shè)用地快速向北擴張,耕地非農(nóng)化進程加快。②無論是2010年還是2015年，廣州市人口數(shù)量對耕地非農(nóng)化進程的影響均呈現(xiàn)出正效應(yīng),而富裕水平、第二產(chǎn)業(yè)比重和城市化水平對耕地非農(nóng)化進程的影響作用有正有負。在黃埔區(qū)南部,隨著人口數(shù)量和富裕水平的提高,會進一步推進耕地非農(nóng)化進程,而隨著第二產(chǎn)業(yè)比重的減小和城市化水平的提高,將在一定程度上減緩耕地非農(nóng)化進程;在中部和北部地區(qū),人口數(shù)量的正效應(yīng)和富裕水平的雙重效應(yīng)的作用相對南部而言較弱,第二產(chǎn)業(yè)比重和城市化水平的影響明顯強于南部。

耕地非農(nóng)化;驅(qū)動力;社會經(jīng)濟因素;STIRPAT模型;異質(zhì)性

1 引言

耕地是土地的精華,是國民經(jīng)濟賴以發(fā)展的基礎(chǔ),承擔著國家糧食安全、生態(tài)安全和社會穩(wěn)定的重任。自20世紀90年代以來,我國經(jīng)濟增長與社會發(fā)展相繼進入了工業(yè)化中期階段和城市化加速期,平均每年有29.38×104hm2的耕地轉(zhuǎn)變?yōu)榉寝r(nóng)建設(shè)用地[1],且多數(shù)為質(zhì)量較好的耕地,耕地非農(nóng)化已經(jīng)成為我國經(jīng)濟發(fā)達地區(qū)耕地減少的首要原因。Seto等學者[2]在國際頂級期刊《Nature》撰文指出,中國的耕地由于缺乏科學規(guī)劃與管理,大量寶貴和優(yōu)質(zhì)的農(nóng)田正在快速流失。耕地非農(nóng)化是每一個國家工業(yè)化、城鎮(zhèn)化過程中必然出現(xiàn)的現(xiàn)象,我國經(jīng)濟發(fā)展離不開耕地非農(nóng)化的支持,否則將導致經(jīng)濟增長減速,然而耕地非農(nóng)化無序或過度就不能保證糧食安全,經(jīng)濟也難以實現(xiàn)可持續(xù)發(fā)展[3]。因此,正確認識耕地非農(nóng)化的演變趨勢及其驅(qū)動機制,對有效保護耕地資源、實現(xiàn)糧食安全具有重要的現(xiàn)實意義。

長期以來,耕地非農(nóng)化驅(qū)動力研究備受國內(nèi)外學者的重視,眾多學者采用多種類、多層次分析方法,以推斷影響不同地區(qū)耕地非農(nóng)化的主要驅(qū)動力。國外學者Nestor[4]以自然稟賦驅(qū)動為主、人文因子驅(qū)動為輔,對Argentine北部Dry Chaco地區(qū)耕地資源非農(nóng)化轉(zhuǎn)變驅(qū)動力因子進行了分析,認為環(huán)境變量中的農(nóng)業(yè)、降雨、地形等與可訪問性變量即距離主要道路和城鎮(zhèn)的遠近都有可能使耕地轉(zhuǎn)變?yōu)槌擎?zhèn)建設(shè)用地,且可訪問性變量的影響更為直接。Garret[5]則以巴西馬托格羅索州為例,認為耕地非農(nóng)化的驅(qū)動力因子主要受政策驅(qū)動和以土地投入為主,尤其是受土地使用權(quán)制度和市場供應(yīng)鏈的影響。Jordan等[6]以拉丁美洲農(nóng)業(yè)最大的阿根廷、巴西、玻利維亞、巴拉圭和烏拉圭等國家為例,發(fā)現(xiàn)受糧食安全的影響,2013年這些國家的耕地面積擴張了27%,在此期間資源稟賦和經(jīng)濟政策對耕地非農(nóng)化起到反推動作用,在很大程度上保證了拉丁美洲的糧食安全問題。

國內(nèi)學者蔡運龍等[7]認為,地方政府在耕地用途轉(zhuǎn)變中起著關(guān)鍵作用,是耕地非農(nóng)化的主要驅(qū)動者,決定地方政府土地供給主要有兩個因素:一是通過耕地換取資金,即利益驅(qū)動;二是換取政績,即權(quán)力驅(qū)動。劉旭華等[8]研究發(fā)現(xiàn),中國各地區(qū)耕地非農(nóng)化是在地理背景制約下,氣候和社會經(jīng)濟系統(tǒng)共同作用的結(jié)果,引起耕地變化的驅(qū)動機制具有顯著的區(qū)域差異,中西部地區(qū)主要是自然條件制約和驅(qū)動的結(jié)果,而東部發(fā)達地區(qū)社會經(jīng)濟、政策驅(qū)動起主導作用。曲福田等[9]研究了我國東部經(jīng)濟發(fā)達地區(qū)經(jīng)濟機制驅(qū)動力，分析結(jié)果表明:人口增長、固定資產(chǎn)投資是耕地非農(nóng)化的主要推動因素,而地方政府的收益和地方政府的管制行為與耕地非農(nóng)化呈正相關(guān)關(guān)系,土地市場化配置與耕地非農(nóng)化的面積呈負相關(guān)關(guān)系。楊志榮、吳次芳[10]比較了我國制度收益與比較收益對長江三角洲地區(qū)耕地非農(nóng)化進程的影響,指出經(jīng)濟發(fā)達地區(qū)耕地非農(nóng)化表現(xiàn)為制度型驅(qū)動,制度收益是驅(qū)動地方政府推進耕地非農(nóng)化進程的主要因素。王成超、楊玉盛[11]對福建省長汀縣358戶農(nóng)戶進行了調(diào)查，結(jié)果表明,農(nóng)戶生計非農(nóng)化有效促進了耕地非農(nóng)化的流轉(zhuǎn),農(nóng)業(yè)勞動力缺乏和較高的務(wù)農(nóng)機會成本是耕地流出的主要成因。苑韶峰等[12]采用STIRPAT、GWR模型對我國耕地非農(nóng)化的社會經(jīng)濟驅(qū)動因素的異質(zhì)性進行了研究,認為我國耕地非農(nóng)化的驅(qū)動因素主要包括產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、城市化水平、人口數(shù)量增長等因素,但東部、中部、西部的影響因素存在明顯的差異。

由于不同地區(qū)的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、城市化水平存在差異,因此我國耕地非農(nóng)化驅(qū)動機制在空間上具有明顯的差異性。研究文獻看,對大范圍空間尺度的研究范例多,對小尺度的研究不夠深入。本文以我國經(jīng)濟快速發(fā)展地區(qū)廣州市黃埔區(qū)為例,從小尺度范圍對耕地非農(nóng)化過程中的驅(qū)動影響因子進行多視角研究,旨在為政府制定合理的耕地非農(nóng)化流轉(zhuǎn)政策,有效保護耕地資源,實現(xiàn)耕地占補平衡提供決策依據(jù)。

2 模型構(gòu)建與數(shù)據(jù)來源

2.1 模型構(gòu)建

IPAT模型最初是由Ehrlichand Holdren用于表達對環(huán)境(Environmental impact,I)有直接影響的因素,分別為人口(P)、富裕程度(A)和技術(shù)(T)三者之間相互作用,其表達式為:I=P×A×T。式中,P為研究區(qū)域人口總量；A為研究區(qū)域人均GDP；T為研究區(qū)域單位GDP的環(huán)境載荷量[13]。由于IPAT模型存在一定的局限性,研究變量因素的數(shù)量有限。在現(xiàn)實問題的研究過程中,影響環(huán)境的變量多而復雜,并不僅僅是P、A、T3種因素,還可通過產(chǎn)業(yè)結(jié)構(gòu)、城市化水平和人類行為影響環(huán)境。

為了克服IPAT模型存在的變量缺陷,Dietz等將IPAT模型修改為可拓展的隨機性環(huán)境評價模型(STIRPAT),公式為:

I=a×Pb×Ac×Td

(1)

式中,I為環(huán)境壓力;a為模型的系數(shù);P為人口總量；A為研究區(qū)域富裕度；T為技術(shù);b、c、d分別為P、A、T的指數(shù)系數(shù);e為隨機誤差項[14]。

根據(jù)耕地非農(nóng)化流轉(zhuǎn)過程中主要社會經(jīng)濟驅(qū)動影響因素,本文對STIRPAT模型進行修改擴展,選取P為常住人口數(shù)量，A為人均GDP，T1為第二產(chǎn)業(yè)比重，T2為城市化水平等變量，ε為減弱模型變量指標數(shù)據(jù)的差異性。對STIRPAT擴展模型等式兩邊同時取自然對數(shù),模型為:

lnI=α0+α1(lnP)+α2(lnA)+α3(lnT1)+α4(lnT2)+ε

(2)

式中,I為耕地非農(nóng)化流轉(zhuǎn)數(shù)量;lnI作為因變量表示耕地存在的壓力;lnP、lnA、lnT1、lnT2分別表示影響I的自變量;α0和ε分別為常數(shù)項和誤差項;α1、α2、α3、α4為各自變量的彈性系數(shù),表示自變量P、A、T1、T2每變動1%,則分別引起I發(fā)生α1%、α2%、α3%和α4%的變化。

為了探究上述變量是否與耕地非農(nóng)化流轉(zhuǎn)存在克茨涅茨曲線倒“U”型的關(guān)系,本文將STIRPAT模型的A、T1、T23個自變量引入二次項,并建立回歸模型,公式為:

lnI=α0+α1(lnP)+α2(lnA)+α3(lnA)2+α4(lnT1)+α5(lnT1)2+α6(lnT2)+α7(lnT2)2+ε

(3)

通過對lnI求導可得：A對耕地非農(nóng)化流轉(zhuǎn)影響彈性系數(shù)為α2+2α3(lnA);T1對耕地非農(nóng)化流轉(zhuǎn)影響彈性系數(shù)為α4+2α5(lnT1);T2對耕地非農(nóng)化流轉(zhuǎn)影響彈性系數(shù)為α6+2α7(lnT2)。上述模型如果采用OLS進行分析,則無法從空間上真正表達出廣州市黃埔區(qū)耕地非農(nóng)化流轉(zhuǎn)過程中社會經(jīng)濟影響因素的差異性和非均衡性。因此,在此基礎(chǔ)上我們將空間地理加權(quán)歸回模型(GWR)嵌入到擴展后的STIRPAT模型中，這樣就可以有效解決問題。

GWR模型是由Brunsdon、Fotheringham等人于1999年提出的地理空間模型。CWR將數(shù)據(jù)的地理位置與回歸參數(shù)相結(jié)合,利用周邊鄰近觀測點的樣本數(shù)據(jù)進行區(qū)域性回歸估計,參數(shù)隨區(qū)域地理位置變化而變化。模型結(jié)構(gòu)表達式為:

(4)

式中,y為n×1被解釋變量向量；xik為n×k解釋變量矩陣;βk(ui,υi)為k點時i的回歸系數(shù)；(ui,υi)為第i個觀測點的地理空間位置；ε為n×1向量,服從正態(tài)分布。GWR通過觀察點對參數(shù)向量進行最小二乘法評估,權(quán)重矩陣是觀察點i到其他點的距離函數(shù),對參數(shù)的估計影響很大,因此是GWR的核心。通常所使用的方法包括距離閾值法、距離反比法、高斯函數(shù)法、bi-square函數(shù)法等方法進行矯正,以降低偏差,達到更高的數(shù)據(jù)研究精度[15]。

2.2 數(shù)據(jù)來源

本文選取廣州市黃埔區(qū)快速發(fā)展的2010年和2015年兩個時間斷面的數(shù)據(jù),其中各村鎮(zhèn)常住人口總量、第二產(chǎn)業(yè)比重、人均GDP數(shù)據(jù)、城鎮(zhèn)化率分別來源于2011年、2016年的《黃埔年鑒》、《蘿崗年鑒》和走訪村鎮(zhèn)的數(shù)據(jù),耕地非農(nóng)化面積的數(shù)據(jù)源于2010年、2015年土地利用變更數(shù)據(jù)。

3 結(jié)果與分析

3.1 耕地非農(nóng)化的空間自相關(guān)分析

利用空間分析計量軟件Geoda對黃埔區(qū)112個行政村的數(shù)據(jù)進行了空間自相關(guān)分析(圖1),針對黃埔區(qū)各行政村選擇采用空間自相關(guān)(Global Moran′s I),從整體上分析黃埔區(qū)耕地非農(nóng)化進程中指標之間的相關(guān)性。Moran′s I是由澳大利亞統(tǒng)計學家Patrick Alfred Pierce Moran于1950年提出的,數(shù)值介于-1—1之間。當Moran′s I大于0時，表現(xiàn)出空間正相關(guān)性,數(shù)值越大，其空間相關(guān)性越明顯;反之,當Moran′s I小于0時，表現(xiàn)為空間負相關(guān),數(shù)值越小，其空間差異性越大;當Moran′s I為0時,則空間呈現(xiàn)隨機性。

圖1 2010年和2015年黃埔區(qū)耕地非農(nóng)化Moran指數(shù)自相關(guān)關(guān)系

通過ArcGIS空間自相關(guān)分析，2010年和2015年黃埔區(qū)Moran′s I的正態(tài)統(tǒng)計值z值分別為4.3121和2.3465；2010年大于正態(tài)分布在0.01水平的臨界值為2.58,Moran′s I值為0.2479,這表明2010年黃埔區(qū)耕地非農(nóng)化面積的空間分布并非表現(xiàn)為隨機狀態(tài)。2015年黃埔區(qū)耕地非農(nóng)化的z值小于正態(tài)分布0.01水平臨界值,Moran′s I值為0.09201,雖然未達到2.58臨界值,但2010年和2015年在空間上表現(xiàn)出明顯的積聚性,且呈正相關(guān)性。這說明黃埔區(qū)某一區(qū)域范圍內(nèi)耕地非農(nóng)化受鄰近區(qū)域的影響,該地區(qū)人口數(shù)量、富裕程度、城市化進程等都可能成為影響鄰近區(qū)域耕地非農(nóng)化進程加快的原因。整體看,各區(qū)域間的耕地非農(nóng)化存在一定的空間相關(guān)性,具有明顯的空間積聚性效應(yīng)。

3.2 耕地非農(nóng)化的社會經(jīng)濟驅(qū)動機制GWR分析

由于經(jīng)典線性模型在假設(shè)空間問題上為均值,忽略了空間效應(yīng)的隨機性,導致計算結(jié)果或估算推論不夠合理,因此需要用地理空間模型GWR對OLS模型進行空間修正。本文通過OLS和GWR的加權(quán)二乘法WLS對2010年、2015年黃埔區(qū)90多個行政村和居委會的數(shù)據(jù)進行比對,建立更貼近實際的GWR模型。在進行地理空間加權(quán)回歸分析前,首先通過OLS模型進行全局估計,結(jié)果見表1。從表1可見,F檢驗所顯示的模型最高統(tǒng)計顯著,2010年和2015年的AICc分別為2524.27和2443.45,R2為0.28—0.44,校正后R2為0.26—0.43,說明OLS模型中僅有26%—43%可解釋變量,未能將所有因素全部反映出來。

表1 OLS模型回歸系數(shù)的描述性統(tǒng)計分析

從全局模型來看,人口對耕地非農(nóng)化的影響具有最顯著的差異性,檢驗值為4.53—5.38。人口與耕地非農(nóng)化進程成正比,人口越多,亟需其他功能用地越多,從而使耕地非農(nóng)化進程越快。富裕程度和城市化水平對耕地非農(nóng)化的影響具有顯著性差異。城市化水平與耕地非農(nóng)化呈負相關(guān)關(guān)系,表明城市化水平越高,耕地非農(nóng)化進程越低,反之則越高;同樣富裕程度對耕地非農(nóng)化的影響較為明顯,富裕程度越高,耕地非農(nóng)化進程越低,這是因為第一產(chǎn)業(yè)GDP比重降低,第二、三產(chǎn)業(yè)比重會增加,帶動GDP的增長。第二產(chǎn)業(yè)的比重對耕地非農(nóng)化的影響不如其他因子明顯,檢測值為0.87。這并非說明第二產(chǎn)業(yè)比重對耕地非農(nóng)化進程影響較小,僅能說明在所選取的因子中,第二產(chǎn)業(yè)比重對耕地非農(nóng)化影響進程是最弱的一個。

GWR模型中，黃埔區(qū)AICc為1624.56—1779.91,比OLS模型中AICc的2524.27和2443.45小,說明GWR模型與OLS模型相比,結(jié)果有顯著提高。根據(jù)英國大學地理統(tǒng)計學家Stewart認為,GWR模型中AICc值比OLS模型的AICc值相差大于3,說明GWR模型優(yōu)于OLS模型[16]。利用GWR模型對每一個空間單元進行局部回歸分析,結(jié)果見表2。從表2可見,所選4個影響因子多有最大值和最小值,這比OLS模型只有全局性結(jié)果更有意義,且GWR模型參數(shù)估計值可通過ArcGIS顯示在地圖上,這樣便于觀測和分析鄰近局部之間的關(guān)系。

表2 GWR(式2)模型的回歸系數(shù)的描述性統(tǒng)計分析

從GWR模型結(jié)果可見,不論是2010年還是2015年黃埔區(qū)的lnP系數(shù)均為正,說明人口數(shù)量對耕地非農(nóng)化進程為正效應(yīng)。黃埔區(qū)人口每增加1%,耕地非農(nóng)化面積將減少0.38%—1.45%;黃埔區(qū)北部紅衛(wèi)村、楓下村、佛朗村等,中部黃登村、鎮(zhèn)龍村、水西村、蘿崗村、蘿峰村等，南部茅崗社區(qū)、夏園社區(qū)、沙步社區(qū)、姬堂社區(qū)等均隨著人口的快速增長,耕地非農(nóng)化進程呈現(xiàn)加快趨勢。同樣,早在20世紀50年代美國學者Donald提出人口流動的“推—拉”力理論,認為每增加1個人,會使耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地0.105hm2,這說明人口增長對耕地非農(nóng)化進程具有推動作用。lnA回歸系數(shù)有正有負,這表明人們的富裕程度會推進了耕地非農(nóng)化的進程。近年來,黃埔區(qū)政府響應(yīng)國家“一江兩岸三帶”的號召,大力發(fā)展第二產(chǎn)業(yè),耕地以異地“占補平衡”的方式使區(qū)域內(nèi)的耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地用于產(chǎn)業(yè)園區(qū)建設(shè)，同時人民富裕程度水平的提高也推進耕地非農(nóng)化進程。黃埔區(qū)“十三五”期間計劃大力推進了知識產(chǎn)業(yè)和高新技術(shù)產(chǎn)業(yè)的發(fā)展,對低效建設(shè)用地進行了二次開發(fā),延緩了耕地轉(zhuǎn)為建設(shè)用地的可能。InT2的回歸系數(shù)有正有負,正相關(guān)表示第二產(chǎn)業(yè)比重和城市化水平會促進耕地非農(nóng)化進程,負相關(guān)表示第二產(chǎn)業(yè)比重和城市化水平會減緩耕地非農(nóng)化進程。那么,從式(2)中是否存在人民富裕程度、第二產(chǎn)業(yè)比重和城市化水平對耕地非農(nóng)化進程存在庫茲涅茨曲線,這需要進一步驗證。在經(jīng)濟發(fā)展水平處于低級階段時,第二產(chǎn)業(yè)比重和城市化水平同樣處于較低階段。隨著人口的增加對建設(shè)用地需求量不斷加大,耕地后備資源逐漸被開發(fā),當經(jīng)濟發(fā)展到一定階段水平時,第二產(chǎn)業(yè)比重不斷增加，建設(shè)用地需求量急劇增多,耕地面積快速減少,2010—2015年正是黃埔區(qū)經(jīng)濟發(fā)展較快的時期。當經(jīng)濟處于高水平發(fā)展階段,高新技術(shù)產(chǎn)業(yè)和知識創(chuàng)新產(chǎn)業(yè)發(fā)展將會緩和耕地非農(nóng)化進程,但還需進一步驗證人民富裕程度、第二產(chǎn)業(yè)比重和城市化水平對耕地非農(nóng)化進程是否存在庫茲涅茨曲線。通過對模型進行修正,對GWR模擬二次項,結(jié)果見表3。由表3可知,人民富裕程度系數(shù)均為正,對耕地非農(nóng)化進程符合“U”型庫茲涅茨曲線,第二產(chǎn)業(yè)比重和城市化水平均通過顯著性水平檢驗,因此兩者與耕地非農(nóng)化呈現(xiàn)倒“U”型庫茲涅茨曲線。根據(jù)彈性系數(shù)計算方法式(4)得到112個行政村3個變量對耕地非農(nóng)化進程的影響程度,見圖2和圖3。

表3 GWR(式3)模型的回歸系數(shù)的描述性統(tǒng)計分析

圖2 2010年黃埔區(qū)供給變量對耕地非農(nóng)化的彈性系數(shù)空間分布

圖2(a)、圖3(a)表明,人民富裕水平對耕地非農(nóng)化進程的影響在不同行政村之間具有明顯差異,人民富裕程度與耕地非農(nóng)化存在正負效應(yīng)。從表3可知,富裕水平與耕地非農(nóng)化進程之間符合庫茲涅茨“U”型曲線,處于“U”型曲線左側(cè)的紅衛(wèi)村、鳳尾村、蓮塘村、何棠下村、大涵村等黃埔區(qū)北部地區(qū)的富裕度每增加1%,耕地面積將減少5.65%—7.23%。由此可見,黃埔區(qū)北部山地丘陵地區(qū)的經(jīng)濟發(fā)展依賴于土地資源的大量投入。處于庫茲涅茨“U”型曲線右側(cè)的南部地區(qū),富裕水平對耕地非農(nóng)化彈性系數(shù)為負數(shù),表明富裕水平越高,耕地非農(nóng)化進程越慢。

圖2(b)、圖3(b)表明,黃埔區(qū)第二產(chǎn)業(yè)比重對耕地非農(nóng)化進程具有明顯的差異,且第二產(chǎn)業(yè)比重對耕地非農(nóng)化進程的正效應(yīng)遠大于負效應(yīng)。除黃埔區(qū)南部60個社區(qū)居委外,其他行政村尤其是九龍鎮(zhèn)新型工業(yè)園區(qū)、廣州市高新技術(shù)開發(fā)區(qū)等所在行政村的第二產(chǎn)業(yè)比重每增加1%，耕地面積將減少6.35%—10.72%。這表明,受政府經(jīng)濟政策的影響,第二產(chǎn)業(yè)比重發(fā)展帶動了黃埔區(qū)原本以農(nóng)業(yè)生產(chǎn)為主的產(chǎn)業(yè)結(jié)構(gòu)進行調(diào)整升級,進一步推進了黃埔區(qū)耕地非農(nóng)化進程。城市化水平對耕地非農(nóng)化在不同區(qū)域范圍內(nèi)具有明顯的差異,且對耕地非農(nóng)化進程既存在正效應(yīng)也存在負效應(yīng),兩者之間存在倒“U”型庫茲涅茨模型曲線。城市化水平高于50%以上的行政村主要集中在原黃埔區(qū)范圍內(nèi),包括天虹、南崗、文沖、姬堂、梅園、深井等社區(qū),還包括禾豐村和永崗村。這些區(qū)域的城市化水平每提高1%,耕地非農(nóng)化面積將減少2.33%—11.40%。從這個角度來看,城市化水平的提高在一定程度上可以促進建設(shè)用地的節(jié)約與集約利用,從而減緩耕地非農(nóng)化進程。

圖3 2015年黃埔區(qū)供給變量對耕地非農(nóng)化的彈性系數(shù)空間分布

圖2(c)、圖3(c)表明,2015年黃埔區(qū)的富裕水平對耕地非農(nóng)化進程產(chǎn)生的負面效應(yīng)逐步擴大,與2010年富裕水平、第二產(chǎn)業(yè)比重和城市化水平的對比發(fā)現(xiàn),金坑林場、黃麻村、黃登村、金坑村、勁頭村等村富裕程度與耕地非農(nóng)化進程之間符合倒“U”型庫茲涅茨模型曲線。九龍鎮(zhèn)中心地區(qū)多屬山地丘陵地帶,富裕水平每增加1%，耕地非農(nóng)化面積將減少0.05%—1.62%,這主要是因為局部地區(qū)與全局呈現(xiàn)出不同的差異,耕地資源流失后的改善并不會隨著經(jīng)濟發(fā)展而自行產(chǎn)生。由于區(qū)域范圍內(nèi)生態(tài)較脆弱,因此需要引導村民保護耕地。相比2010年,2015年黃埔區(qū)第二產(chǎn)業(yè)比重對耕地非農(nóng)化的正效應(yīng)已開始減弱,政府大力扶持和發(fā)展新興知識產(chǎn)業(yè),產(chǎn)業(yè)結(jié)構(gòu)的再次優(yōu)化升級有效減緩了耕地非農(nóng)化進程。黃埔區(qū)政府依據(jù)“占補平衡”的政策,集中建設(shè)高標準基本農(nóng)田,在鳳尾村、大坦村、麥村、新田村和洋田村等局部出現(xiàn)第二產(chǎn)業(yè)比重每減少1%,耕地面積將增加0.03%—0.17%,從而在一定程度上扭轉(zhuǎn)了耕地非農(nóng)化現(xiàn)象,使黃埔區(qū)耕地面積可在2015年的土地整治過程中達到省級下達標準,保證耕地的可持續(xù)發(fā)展。

4 結(jié)論與討論

主要是:①2010—2015年黃埔區(qū)耕地非農(nóng)化進程在空間格局上發(fā)生了巨大變化,逐漸由南部向北部擴散,中部和北部建設(shè)用地快速向北擴張,耕地非農(nóng)化進程加快。隨著黃埔區(qū)北進戰(zhàn)略的推進,中北部未來耕地非農(nóng)化進程會逐漸加快,尤其是九龍鎮(zhèn)范圍內(nèi),當?shù)卣枰訌姳辈康貐^(qū)耕地非農(nóng)化監(jiān)督力度,增加耕地保護專項經(jīng)費,確保黃埔區(qū)北部基本農(nóng)田得到保護。②人口數(shù)量、富裕水平、第二產(chǎn)業(yè)比重、城市化水平等因素均為耕地非農(nóng)化進程的主要驅(qū)動力,這些影響因子對耕地非農(nóng)化進程的影響存在空間上的差異性。通過OLS模型和GWR模型進行對比后發(fā)現(xiàn),黃埔區(qū)人口數(shù)量無論在2010年還是2015年,對耕地非農(nóng)化進程均呈現(xiàn)出正效應(yīng),而富裕水平、第二產(chǎn)業(yè)比重和城市化水平對耕地非農(nóng)化進程的影響作用有正有負。在黃埔區(qū)南部,隨著人口數(shù)量和富裕水平的提高,會進一步推進耕地非農(nóng)化進程;隨著第二產(chǎn)業(yè)比重的減少和城市化水平的提高,又將在一定程度上減緩耕地非農(nóng)化進程。但在中部和北部地區(qū),人口數(shù)量的正效應(yīng)和富裕水平雙重效應(yīng)的作用相對南部較弱,而第二產(chǎn)業(yè)比重和城市化水平的影響效應(yīng)明顯強于黃埔區(qū)南部。

基于以上研究,黃埔區(qū)南部經(jīng)濟發(fā)展水平非農(nóng)化進程相對較高,而中部和北部區(qū)域耕地非農(nóng)化進程相對遲緩。未來中部和北部耕地非農(nóng)化進程將會隨著經(jīng)濟的快速發(fā)展而加快耕地非農(nóng)化進程，因此對不同經(jīng)濟發(fā)展區(qū)域應(yīng)實行差異化管理模式。黃埔區(qū)政府須按照可持續(xù)發(fā)展原則,依據(jù)空間效率的均衡性對耕地資源和建設(shè)用地實行合理的空間配置;協(xié)調(diào)耕地資源與建設(shè)用地之間的矛盾,而不是簡單采用“占補平衡”的方式將耕地指標用于建設(shè)用地指標而出現(xiàn)耕地指標“懸空”問題。黃埔區(qū)應(yīng)保持優(yōu)勢產(chǎn)業(yè)的同時,合理利用低效建設(shè)用地,對低效建設(shè)用地進行二次開發(fā)用于新興產(chǎn)業(yè)園區(qū)建設(shè),減少第二產(chǎn)業(yè)比重,逐漸向用地少、效益高的第三產(chǎn)業(yè)傾斜,實現(xiàn)經(jīng)濟增長向節(jié)約集約型轉(zhuǎn)變,嚴格控制城市化進程,優(yōu)化城市人口結(jié)構(gòu),嚴把耕地和產(chǎn)業(yè)用地準入門檻,堅決抵制不合理的用地需求。

[1]溫利華,劉紅耀,張廣錄,等.資源型城市耕地非農(nóng)化及關(guān)聯(lián)因子研究——以河北省邯鄲市為例[J].西北農(nóng)林科技大學學報(自然科學版),2013,41(8)∶125-132.

[2]Seto K C,Kaufmann R K,Woodcock C E.Landsat Reveals China′s Farmland Reserves,but They′re Vanishing Fast[J].Nature,2000,406(6792)∶121-121.

[3]許恒周,金晶.耕地非農(nóng)化與區(qū)域經(jīng)濟增長的因果關(guān)系和耦合協(xié)調(diào)性分析——基于中國省際面板數(shù)據(jù)的實證研究[J].公共管理學報,2011,8(3)∶64-72.

[4]Nestor I G,Laura V S.Determinants of the Spatial Distribution of Cultivated Land in the North Argentine Dry Chaco in a Multi-decadal Study[J].Journal of Arid Environments,2015,123(5)∶31-39.

[5]Garret R,Lanmbin E F,Naylor R.The New Economic Geography of Land Use Change:Supply Chain Configurations and Land Use in the Brazilian Amazon[J].Land Use Policy,2013,34(12)∶265-275.

[6]Jordan G,Mitchell A,Ricardo G,etal.Cropland/Pastureland Dynamics and the Slowdown of Deforestation in Latin America[J].Environment Research,2015,10(3)∶1-10.

[7]蔡運龍,霍雅勤.耕地非農(nóng)化的供給驅(qū)動[J].中國土地,2002,(7)∶20-22.

[8]劉旭華,王勁峰,劉明亮,等.中國耕地變化驅(qū)動力分區(qū)研究[J].中國科學D輯(地球科學),2005,35(11)∶1087-1095.

[9]曲福田,陳江龍,陳雯.農(nóng)地非農(nóng)化經(jīng)濟驅(qū)動機制的理論分析與實證研究[J].自然資源學報,2005,20(2)∶231-241.

[10]楊志榮,吳次芳.制度收益與發(fā)展收益對農(nóng)地非農(nóng)化進程的影響差異及其對政策調(diào)整的啟示[J].中國土地科學,2008,22(2)∶3-9.

[11]王成超,楊玉盛.農(nóng)戶生計非農(nóng)化對耕地流轉(zhuǎn)的影響——以福建省長汀縣為例[J].地理科學,2011,31(11)∶1362-1367.

[12]苑韶峰,楊麗霞,楊桂山,等.耕地非農(nóng)化的社會經(jīng)濟驅(qū)動因素異質(zhì)性研究——基于STIRPAT和GWR模型的實證分析[J].經(jīng)濟地理,2013,33(5)∶137-142.

[13]關(guān)興良,方創(chuàng)琳,魯莎莎.中國耕地變化的空間格局與重心曲線動態(tài)分析[J].自然資源學報,2010,25(12)∶1997-2006.

[14]Dietz T,Rosa E A.Effects of Population and Affluence on CO2 Emissions[J].Proceedings of the National Academy of Sciences,1997,94(1)∶175-179.

[15]Brunsdon C,Fotheringham A S,Charlton M.Some Notes on Parametric Significance Tests for Geographical Weighted Regression[J].Journal of Regional Science,1999,39(3)∶497-524.

[16]Stewart F,Peter R.Spatial Analysis and GIS[M].London：Taylor amp; Francis Ltd,1994∶1-296.

ResearchonEvolutionPathandHeterogeneityofCultivatedLandConversionintheRapidEconomicDevelopmentArea——ACaseStudyofHuangpuDistrict,GuangzhouCity

CHEN Mei-zhao1,ZHANG Ya-qi2,ZHENG Rong-bao2,TANG Xiao-lian2,LI Shuang2
(1.School of Politics and Public Administration,Guangdong University of Foreign Studies,Guangzhou 510420,China; 2.College of Management,Guangdong University of Technology,Guangzhou 510520,China)

Research on the driving mechanism of cultivated land non-agriculturalization was always the focus of scholars at home and abroad.Based on STIRPAT and GWR model,this paper analyzed the economic and social factors such as population,rich level,industrial structure change and urbanization level,how to impact on non-agricultural land.The results showed that:①Arable land non-agricultural of process in space pattern had drastically changed from 2010 to 2015 in Huangpu District,from southern to north,and central to north expansion,arable land non-agricultural of process speeded up.②Numbers of population had positive effects on the process of non-agricultural cultivation in both 2010 and 2015,while the level of affluence,the proportion of secondary industry and the level of urbanization had negative effects on the non-agricultural process of cultivated land.In the southern part of the Huangpu District,with the increased in the number and the richness of the population in the southern part of the Huangpu District,the process of non-agriculturalization of the cultivated land would be further promoted. With the decreased of the proportion of the secondary industry and the improvement of the urbanization level,however,in the central and northern regions,the effect of the positive effect of population quantity and the dual effect of wealth level was weaker than that of the south,and the effect of the level of urbanization was obviously stronger than secondary industry.

cultivated land conversion;driving force;socio-economic factors;STIRPAT model;heterogeneity

10.3969/j.issn.1005-8141.2017.08.009

F301.2

A

1005-8141(2017)08-0942-06

2017-06-12；

2017-07-22

國家自然科學基金項目(編號:41001054);教育部人文社會科學基金項目(編號:13YJCZH016、13YJA840009、14YJA630053)資助。

及通訊作者簡介：陳美招(1979-),女,福建省龍巖人,博士,主要從事土地資源開發(fā)利用與保護研究。