杜婉婷，李淑杰，曹競文，齊 魯

(吉林大學地球科學學院，吉林 長春 130061)

耕地是最寶貴的土地資源，是重要的生產、生活、生態(tài)空間，是農業(yè)可持續(xù)發(fā)展的重要物質基礎，由于耕地后備資源不斷減少，耕地的合理利用與保護成為各級土地管理部門工作的重要內容[1].為統(tǒng)籌不同空間的耕地利用與保護，學術界基于空間關聯性在耕地質量方面做出了諸多深入的探索和研究.李武艷等[2]運用Moran’sI指數的空間自相關分析方法，對浙江省的耕地進行了省、市、縣級尺度的空間自相關核算，結果表明不同尺度下的耕地質量3類指數均表現出明顯的空間正相關，耕地質量指數的Moran’sI值從縣、市到省依次增大，研究結果可為不同行政級別的耕地分區(qū)利用管理提供科學依據；韋仕川等[3]運用Moran散點圖等方法將耕地的空間屬性作為第四維，發(fā)現耕地在空間分布上表現出一定的集聚性，其結果為耕地精細化管理和差異性保護提供了新思路；郭敏、李淑杰[4]以ArcGIS和OpenGeoda為平臺，將耕地自然條件、利用條件、經濟條件進行了分類考慮，進一步豐富了耕地細碎化管理的理論依據；任平等[5]運用核密度計算等方法對比分析出龍泉驛區(qū)2005—2013年耕地區(qū)域差異較為顯著，但局部空間異質性有所增強，研究結果對制定耕地保護與優(yōu)化布局政策具有較高的理論和實踐價值.

總體而言，國內基于空間關聯性的耕地質量研究日趨完善，為完善耕地管理等提供了科學的理論基礎.但現有的相關研究尚有不足：(1)微觀尺度下的耕地質量空間集聚規(guī)律研究較少.(2)傳統(tǒng)的統(tǒng)計分析法難以準確反映區(qū)域內耕地質量的空間差異性及演變規(guī)律，脫離空間角度來研究耕地質量問題是不科學、不全面的[6-7].(3)國內已有的耕地質量空間研究較少關注尺度變化對耕地質量的影響.目前，基于不同空間尺度分析耕地質量空間集聚規(guī)律受到了研究者的廣泛關注，為豐富上述成果本文將耕地的自然等指數、利用等指數、經濟等指數作為空間變量，基于ArcGIS和GeoDa平臺，從市、鄉(xiāng)鎮(zhèn)、村不同空間尺度出發(fā)，采用空間自相關分析的方法，研究了吉林省琿春市耕地質量的空間集聚性規(guī)律，旨為不同行政級別的土地管理部門耕地分區(qū)利用與保護提供決策依據.

1 研究區(qū)概況與數據來源

1.1 研究區(qū)概況

圖1 琿春市耕地分布圖

琿春地處吉林省東部，位于延邊朝鮮族自治州東南，地理位置為東經130°03′21″～130°18′33″，北緯42°25′20″～43°30′18″，地處北半球中緯度地帶，屬于中溫帶近海洋性季風氣候區(qū).行政區(qū)位于圖們江下游，與俄羅斯陸路接壤，與朝鮮臨江相鄰，與日本、韓國隔海相望，地理位置獨特.“雁鳴聞三國，虎嘯驚三疆；花開香三鄰，笑語傳三邦”是對琿春的真實寫照.歷史上，琿春有“黃金水道”“海上絲綢之路”之稱，現在依然擁有沿圖們江出海通航權[8].琿春市地貌按其成因大體分為巖石、構造、山岳和河流4種地貌，實際多表現為混合型，氣候溫和潮濕、多陰寡照、雨量充沛，土壤肥力多在中等或中下等.2016年末琿春市戶籍人口228 320人，比上年增加442人，其中城鎮(zhèn)人口占78.4%，鄉(xiāng)村人口占21.6%.2016年，全市生產總值比上年增長8.3%，其三次產業(yè)結構為3.6∶69.8∶26.6.

琿春市耕地主要分布在琿春市的西部、南部和東部的部分地區(qū)(見圖1)，中部地區(qū)和東部地區(qū)多為林地.至2016年底，琿春市耕地總面積35 335.27 hm2，其中水田9 749.06 hm2，水澆地245.15 hm2，旱地25 341.06 hm2.琿春市作為中國唯一處在中、朝、俄三國交界的邊境城市，研究該區(qū)域耕地質量空間差異具有典型性.

1.2 數據來源

本文以吉林省琿春市為研究對象，研究時點為2016年，涉及的基礎數據主要包括：琿春市行政區(qū)劃圖、土地利用現狀圖、第二次土地資源調查成果、琿春市2016年土地利用現狀數據庫、耕地質量等別成果數據庫、琿春市2016年土地利用變更數據庫、統(tǒng)計年鑒及農業(yè)統(tǒng)計資料等.

2 研究方法

2.1 空間權重

構建合宜的空間權重是空間自相關分析的基礎[9].空間權重主要有3種：鄰接權重、距離權重、最近K點權重[10-11].在此基礎上，采用“最近K點”方法對研究區(qū)域耕地圖斑鄰接性進行了空間統(tǒng)計分析，具體K值的確定參照基于鄰接權重的Queen和Rook原則的空間鄰接性頻率直方圖，取研究區(qū)域相鄰空間單元個數的中值“6”進行空間自相關分析.

2.2 空間自相關

地理學第一定律指出，事物之間的空間自相關性是客觀存在的[12-13]，事物之間的空間要素屬性值聚合或離散的程度可由全局空間自相關和局部空間自相關指數來衡量[2].基于ArcGIS和GeoDa平臺，本文采用全局Moran’sI指數和局部Moran’sI指數來分析不同尺度下琿春市耕地質量指數的空間依賴程度.相關計算公式如下[11-13]：

全局空間自相關：

(1)

局部空間自相關：

(2)

式中：N為研究對象的個數，Xi為觀測值，X為Xi的平均值；W(i，j)為空間要素i與j之間的空間連接矩陣.Moran’sI值介于[-1，1]之間，I0表示空間正相關，空間要素趨于空間聚合特征；I<0表示空間負相關，空間要素趨于空間離散特征；I=0則表示空間要素隨機分布，一般用P值進行顯著性檢驗.

2.3 變異系數

變異系數是標準差與平均數的比值，其大小反映了數據之間的集聚或離散程度，且不受研究變量的測量尺度和量綱的影響[14].為了探討尺度變化與耕地質量空間自相關之間的關系，用變異系數度量不同空間尺度下耕地質量空間自相關的內部差異.一般來說，耕地質量空間自相關性波動幅度與變異系數同方向變化，即變異系數越小，耕地質量空間自相關性波動幅度越小，反之，波動幅度則越大.具體計算公式如下：

(3)

3 結果與分析

3.1 耕地質量空間分布特征

耕地的自然條件、利用狀況和經濟水平的優(yōu)劣是衡量耕地質量高低的重要依據[15]，描述耕地質量通常采用國家自然等、國家利用等和國家經濟等.由圖2可知，琿春市國家自然等耕地在空間上呈現“西部高于東部，南部優(yōu)于北部”的分布特征，具體來看11等耕地最多，分布在英安鎮(zhèn)、敬信鎮(zhèn)和近海街，14等耕地最少，分布在馬川子鄉(xiāng).國家利用等耕地主要是12等，集中分布在西部，最低的14等地則全部分布在春化鎮(zhèn)南部.國家經濟等耕地只有12等和13等兩種等別，13等耕地面積大于12等耕地面積且分布范圍更廣泛.

圖2 琿春市耕地質量等別空間分布圖

3.2 市級尺度下耕地質量空間自相關分析

圖3 2016年琿春市級尺度耕地質量全局空間自相關分析Moran’s I值

利用GeoDa軟件對琿春市耕地質量進行全局空間自相關分析.選取耕地地塊為基本單元，以耕地質量國家自然等指數、利用等指數和經濟等指數作為空間屬性值，采用最近K點關系(K=6)，參考空間自相關計算公式進行計算，結果如圖3所示.

橫向比較耕地質量3類指數的Moran’sI值可得：2016年琿春市耕地質量3類指數Moran’sI值從小到大依次為自然等指數、利用等指數、經濟等指數，說明在空間格局上琿春市耕地質量的自然等指數在空間分布上空間離散性較強；耕地質量經濟等指數則表現出較強的空間集聚性；耕地利用質量居中.琿春市耕地質量表現出顯著的空間自相關性，耕地質量經濟等、利用等和自然等3類指數的空間集聚程度呈下降趨勢.

3.3 鄉(xiāng)鎮(zhèn)級尺度下耕地質量空間自相關分析

剔除耕地太少而不能進行耕地質量空間分析的琿春市區(qū)，以其余鄉(xiāng)鎮(zhèn)為研究單元，計算其耕地質量的全局空間自相關Moran’sI值，分析不同尺度下的耕地空間自相關性，結果見表1.

表1 2016年琿春市各鄉(xiāng)鎮(zhèn)Moran’s I值

圖4 琿春市各鄉(xiāng)鎮(zhèn)全局空間自相關分析Moran’s I值

從表1可以看出，鄉(xiāng)鎮(zhèn)級耕地質量的3類指數平均Moran’sI值與市級全局自相關指數Moran’sI值大小關系一致，均為耕地自然等指數<利用等指數<經濟等指數，但各鄉(xiāng)鎮(zhèn)結果與市級整體水平存在較大差異.哈達門鄉(xiāng)、近海街、密江鄉(xiāng)3個鄉(xiāng)鎮(zhèn)的自然等指數Moran’sI值高于市級水平；春化鎮(zhèn)、哈達門鄉(xiāng)、近海街、楊泡滿族鄉(xiāng)及敬信鎮(zhèn)5個鄉(xiāng)鎮(zhèn)的利用等指數和經濟等指數Moran’sI值均高于市級整體水平.

由圖4可見，鄉(xiāng)鎮(zhèn)間耕地質量的3類指數Moran’sI值存在較大差異.其中各鄉(xiāng)鎮(zhèn)的自然等指數Moran’sI值均為最小，春化鎮(zhèn)、哈達門鄉(xiāng)、近海街、楊泡滿族鄉(xiāng)的利用等指數Moran’sI值大于經濟等指數Moran’sI值；而板石鎮(zhèn)、敬信鎮(zhèn)、馬川子鄉(xiāng)、密江鄉(xiāng)、三家子鄉(xiāng)及英安鎮(zhèn)的耕地質量3類指數Moran’sI值變化方向與市級結果相同.自然等指數空間自相關主要受自然條件制約，耕地分布集中連片是哈達門鄉(xiāng)、近海街、密江鄉(xiāng)的自然等指數集聚性高于全市整體水平的主要原因.在自然等指數的基礎上考慮利用水平即可得到利用等指數，隨著農業(yè)技術的提高與推廣，區(qū)域間耕地生產能力差異性得以改善，從而縮小了耕地利用質量的差異.經濟等指數是在基于自然等指數和利用等指數的基礎上考慮種植成本和收益，因此總體上經濟等指數的變異性進一步減弱[16-17].

3.4 村級尺度下耕地質量空間自相關分析

3.4.1 全局空間自相關分析

圖5是琿春市村級耕地質量3類指數全局Moran’sI值空間分布圖，其分布特征較鎮(zhèn)級和市級復雜.具體來看，耕地質量的3類指數全局Moran’sI值出現了負值，且3類指數最小的全局Moran’sI值均出現在高產村，這是因為高產村耕地數量極少且較為分散，其用地類型主要是政府用地；耕地數量少但分布集中導致3類指數最大的全局Moran’sI值均出現在四道溝村.耕地質量3類指數全局Moran’sI值出現負值的鄉(xiāng)鎮(zhèn)有哈達門鄉(xiāng)、英安鎮(zhèn)、敬信鎮(zhèn)、近海街和三家子滿族鄉(xiāng)，其中哈達門鄉(xiāng)的村莊最多，有二道溝村、新興村、楊樹溝村、勝利村、中心村、雪岱山村，造成這種結果的原因主要是哈達門鄉(xiāng)林地、草地較多，且在二道溝村、楊樹溝村、雪岱山村存在采礦用地.

從空間分布上來看，3類指數全局Moran’sI值均以琿春市區(qū)為中心向四周擴散增大，高值區(qū)主要集中在三家子平原和敬信中部，兩地區(qū)地勢平坦、土壤肥沃，是全市糧食作物和經濟作物的主要產地.3類指數Moran’sI值空間分布規(guī)律基本一致.

圖5 耕地質量指數全局Moran’s I值空間分布圖

3.4.2 局部空間自相關分析

耕地質量的空間差異性主要表現為一定的集聚性和離散性分布特征[18].本文用空間LISA分布圖來表示基于局部空間自相關分析的琿春市耕地質量集聚或離散的空間位置：NS為非顯著型，表示質量等指數隨機分布、不存在空間相關性的區(qū)域.HH型和LL型表示空間正相關，區(qū)域具有集聚特性，其中HH型表示自身和周圍地塊質量等指數高的區(qū)域；LL型表示自身和周圍地塊質量等指數低的區(qū)域.HL型和LH型表示空間負相關，區(qū)域具有離散特性，其中HL型表示質量等指數高，但周圍地塊質量等指數低的區(qū)域；LH型表示質量等指數低，但周圍地塊質量等指數高的區(qū)域[19].在95%的置信度下(P<0.05)，琿春市耕地質量局部空間自相關結果如圖6所示.

從圖6可以看出，自然等指數LL型集中分布在琿春西南部的敬信鎮(zhèn)、板石鎮(zhèn)、三家子滿族鄉(xiāng)、哈達門鄉(xiāng)；HL和LH型無明顯集中區(qū)域，零星分布在各個鄉(xiāng)鎮(zhèn).利用等指數NS型以組團狀分布在三家子鄉(xiāng)、板石鎮(zhèn)和馬川子鄉(xiāng)；LL型分布在春化鎮(zhèn)、敬信鎮(zhèn)和楊泡滿族鄉(xiāng)；HH型主要分布在英安鎮(zhèn)；HL型較LH型分布范圍更廣泛.經濟等指數LL型分布在敬信鎮(zhèn)中部、春化鎮(zhèn)東部、楊泡滿族鄉(xiāng)西部及哈達門鄉(xiāng)西南部；HH型分布在馬川子鄉(xiāng)、三家子滿族鄉(xiāng)、板石鎮(zhèn)和英安鎮(zhèn)；HL和LH型零星分布在琿春中西部.

圖6 局部空間自相關結果圖

3.5 不同尺度下耕地質量空間自相關對比分析

不同空間尺度下，自然環(huán)境中研究實體的空間異質性可能會增強或減弱[20].本文以不同級別的行政管理單元為研究尺度，探討耕地質量在不同尺度下的空間差異特征.市級、鄉(xiāng)鎮(zhèn)級、村級水平各指數的Moran’sI值變化情況見表2.

表2 不同空間尺度下的耕地質量全局Moran’s I值變化表

由表2可見，在不同空間尺度下，琿春市3種類型的耕地質量指數在空間分布上較為相似，但在不同尺度下的同一等別指數存在一定差異，具體情況如下：

(1) 耕地質量Moran’sI值的平均值在不同尺度下有所差異，3類指數的平均Moran’sI值則表現出村級<鄉(xiāng)鎮(zhèn)級<市級的態(tài)勢，這說明了耕地質量的空間自相關性隨著空間尺度的增大、耕地地塊的增加而增強.造成這種現象的原因主要是較大的區(qū)域尺度掩蓋了小區(qū)域的耕地變化.在3類指數的變異系數上表現為，村級遠大于鄉(xiāng)鎮(zhèn)級，即村級尺度下的耕地質量空間正相關性的波動幅度較鄉(xiāng)鎮(zhèn)級大.

(2) 在同一尺度下，耕地質量3類指數的Moran’sI值均為自然等指數<利用等指數<經濟等指數，由此可見，耕地質量自然等指數的空間自相關性最弱，利用等較強，經濟等最強；從耕地質量3類指數Moran’sI值的內部差異性看，鄉(xiāng)鎮(zhèn)級變異系數表現為經濟等指數<利用等指數<自然等指數，即空間變異程度最大的是自然等指數，其次是利用等，經濟等最小.村級尺度下的耕地質量3類指數空間自相關變化幅度為自然等<經濟等<利用等.由此可以說明自然等是利用等和經濟等的基礎，人為改善耕作條件、提高農業(yè)技術等可弱化區(qū)域間耕地的利用及產出差異.

4 結論與討論

(1) 琿春市耕地質量呈現一定的空間集聚性，在每個耕地單元相鄰空間單元個數為6時存在顯著的空間自相關集聚特性，以K=6構建空間權重矩陣進行空間自相關分析具有較好的合理性.

(2) 空間分布上，琿春市大部分耕地的國家自然等別為11等、12等，廣泛分布在琿春市各鄉(xiāng)鎮(zhèn)；國家自然等別最低的是14等，主要分布在馬川子鄉(xiāng)電線村，其耕地自然條件較差，耕地類型為旱地，在以后發(fā)展過程中可加大對該村的技術投入來改善其耕地的生產能力；利用等別最低的耕地分布在春化鎮(zhèn)，經濟等別中13等耕地占63.74%，余下全是12等耕地.

(3) 耕地質量空間變異對尺度變化較為敏感.在不同空間尺度下，耕地質量指數的集聚性隨空間尺度的增大而增強，即空間尺度越大、耕地質量的空間自相關性越強，其空間變異性越小，這與李武艷等[2]、熊昌盛等[10]的研究結果較為相似，可能由于較小的區(qū)域空間內部結構復雜多樣，導致其空間自相關性降低.對空間尺度變化最為敏感的是自然等指數的Moran’sI值，利用等次之，經濟等最小.

(4) 應重點保護HH型區(qū)域內的耕地，積極改良土地利用條件使HL和LH型區(qū)域內的耕地向HH型耕地利用條件轉化是各鄉(xiāng)鎮(zhèn)共同面臨的問題；LL型區(qū)域內的耕地自然條件普遍較差，應給予積極保護，若涉及農地轉為建設用地或其他非農用地，LL型區(qū)域內的耕地是較為理想的選擇.

本文是在不同行政級別上進行的多尺度耕地質量空間自相關分析，不同尺度下耕地質量的區(qū)域差異是各行政單元差別化利用與管理的結果.因此，應將耕地質量的空間變異性及其對空間尺度變化的敏感性納入耕地分區(qū)利用與保護體系，區(qū)別對待不同行政級別單元的耕地管理工作，從“大水漫灌”轉向“精確滴灌”，不搞一刀切.同時，鄉(xiāng)鎮(zhèn)及村級微觀尺度下的耕地質量的空間差異應引起高度重視，綜合考慮耕地自然條件、利用水平和產出效益，探索出一條符合琿春實際的耕地利用與保護的道路.在既定的自然條件下，氣候的變化、技術的改進及生產水平的提高會極大改善耕地利用條件，因此耕地質量指數應適時調整以適應新的生產環(huán)境，這也是接下來需要探索和研究的重要內容.