甘華軍，趙 智

（1.貴安新區(qū)自然資源局，貴陽 520000；2.中共重慶市委黨校經(jīng)濟(jì)管理教研部，重慶 400041）

2022 年 1 月 4 日，中共中央、國務(wù)院發(fā)布的《關(guān)于做好2022 年全面推進(jìn)鄉(xiāng)村振興重點(diǎn)工作的意見》（中發(fā)〔2022〕1 號(hào)）明確提出“堅(jiān)持中國人的飯碗任何時(shí)候都要牢牢端在自己手中，飯碗主要裝中國糧，全面落實(shí)糧食安全黨政同責(zé)，嚴(yán)格糧食安全責(zé)任制考核，確保糧食播種面積穩(wěn)定、產(chǎn)量保持在1.3 萬億斤以上”。伴隨社會(huì)經(jīng)濟(jì)快速發(fā)展，耕地細(xì)碎化已成為中國農(nóng)業(yè)轉(zhuǎn)型發(fā)展中的一個(gè)突出問題，是中國農(nóng)業(yè)現(xiàn)代化和規(guī)?；l(fā)展的關(guān)鍵［1-3］。耕地細(xì)碎化制約著耕地規(guī)模利用和集約經(jīng)營，降低了耕地產(chǎn)出效益［1］。因此，諸多學(xué)者希望通過分析耕地細(xì)碎化的形成機(jī)理、影響因素等，提出解決耕地細(xì)碎化的治理策略，以期實(shí)現(xiàn)耕地規(guī)模利用和集約經(jīng)營、提高耕地利用效率、保障糧食安全。

耕地細(xì)碎化的研究主要集中于耕地細(xì)碎化的測度方法［4-10］、測度指標(biāo)體系［11-15］以及對農(nóng)業(yè)生產(chǎn)（利用）效率的影響等［16-25］方面，研究尺度主要集中于省級(jí)、市級(jí)和村級(jí)層面，且多集中在東部沿海發(fā)達(dá)地區(qū)［26-42］。相較于落后的西南地區(qū)，特別是地?zé)o三分平的貴州，其耕地細(xì)碎化的研究較少。黔中經(jīng)濟(jì)區(qū)作為新一輪西部大開發(fā)戰(zhàn)略確定的重點(diǎn)經(jīng)濟(jì)區(qū)，其核心區(qū)域地理環(huán)境優(yōu)越，生態(tài)承載力強(qiáng)，全省坡度低于6°的平壩地一半左右集中在這個(gè)區(qū)域［43］。2012年，《國務(wù)院關(guān)于進(jìn)一步促進(jìn)貴州經(jīng)濟(jì)社會(huì)又好又快發(fā)展的若干意見》（國發(fā)〔2012〕2 號(hào)）明確指出要把黔中經(jīng)濟(jì)區(qū)建設(shè)成為全國重要的能源基地、資源深加工基地、特色輕工業(yè)基地、以航空航天為重點(diǎn)的裝備制造基地和西南重要陸路交通樞紐［44，45］。鑒于此，解決好該區(qū)域經(jīng)濟(jì)發(fā)展與耕地保護(hù)之間的矛盾成為研究熱點(diǎn)。因此，本研究將黔中經(jīng)濟(jì)區(qū)核心地帶——貴安新區(qū)作為研究區(qū)域，選取景觀指數(shù)中能高度概括耕地細(xì)碎化程度的6 個(gè)指標(biāo)，探究該區(qū)域耕地細(xì)碎化的時(shí)空演變規(guī)律，定量測度研究區(qū)耕地細(xì)碎化程度，以期為黔中經(jīng)濟(jì)區(qū)耕地規(guī)模利用和集約經(jīng)營進(jìn)行有效指導(dǎo)，為該區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展與耕地保護(hù)提供參考依據(jù)。

1 研究區(qū)概況

貴安新區(qū)是國務(wù)院批準(zhǔn)設(shè)立的第八個(gè)國家級(jí)新區(qū)，國務(wù)院賦予西部地區(qū)重要經(jīng)濟(jì)增長極、內(nèi)陸開放型經(jīng)濟(jì)新高地、生態(tài)文明示范區(qū)三大戰(zhàn)略定位。位于貴陽市和安順市結(jié)合部，規(guī)劃面積1 902 km2，包括貴陽市下轄清鎮(zhèn)市的紅楓湖鎮(zhèn)，花溪區(qū)的石板鎮(zhèn)、黨武鎮(zhèn)、湖潮鄉(xiāng)、麥坪鎮(zhèn)，安順市平壩區(qū)的鼓樓街道辦事處、安平街道辦事處、夏云鎮(zhèn)、天龍鎮(zhèn)、白云鎮(zhèn)、羊昌鄉(xiāng)、高峰鎮(zhèn)、馬場鎮(zhèn)、樂平鎮(zhèn)、十字鄉(xiāng)，西秀區(qū)的蔡官鎮(zhèn)、七眼橋鎮(zhèn)、大西橋鎮(zhèn)、舊州鎮(zhèn)、劉官鄉(xiāng)、黃臘鄉(xiāng)。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

鑒于貴安新區(qū)由21 個(gè)鄉(xiāng)（鎮(zhèn)）組成，本研究從鄉(xiāng)（鎮(zhèn)）尺度揭示貴安新區(qū)耕地細(xì)碎化的時(shí)空分異特征。耕地細(xì)碎化的相關(guān)數(shù)據(jù)來源于貴安新區(qū)自然資源局提供的 2009 年、2013 年、2018 年等 3 個(gè)年度的土地利用現(xiàn)狀數(shù)據(jù)庫。通過ArcGIS10.3 軟件分析功能提取數(shù)據(jù)庫中耕地圖層并柵格化，使用Fragstats4.2 計(jì)算耕地細(xì)碎化有關(guān)的景觀指數(shù)。

2.2 研究方法

2.2.1 景觀指數(shù)選取 景觀指數(shù)能高度概括景觀格局信息，反映結(jié)構(gòu)組成和空間配置等方面特征的簡單定量指標(biāo)。這些定量指標(biāo)信息含量高、說明能力強(qiáng)，被廣泛應(yīng)用于土地利用、城市景觀等研究。本研究借助景觀指數(shù)分析方法，在充分借鑒該方法在耕地細(xì)碎化方面已有研究成果的基礎(chǔ)上，綜合考慮耕地平均面積、形狀、分布等方面的因素，選擇斑塊密度（PD）、平均斑塊面積（MPS）、面積加權(quán)平均形狀指數(shù)（AWMSI）、面積加權(quán)平均分維數(shù)（AWMPFD）、分離度（DIVISION）、聚集度（AI）來測評耕地細(xì)碎化程度（表1）。

表1 景觀指數(shù)計(jì)算公式及含義

2.2.2 主成分分析法 主成分分析是將存在一定相關(guān)性的多個(gè)變量轉(zhuǎn)化成個(gè)數(shù)重要變量的多元統(tǒng)計(jì)分析方法。通常是提取少數(shù)幾個(gè)綜合變量即主成分，并用以解釋資料的綜合性指標(biāo)。在充分借鑒已有研究成果的基礎(chǔ)上，本研究用主成分法消除相關(guān)性、避免主觀賦權(quán)帶來的偏差，達(dá)到降維目的，便于利用更少的變量、更多地反映耕地細(xì)碎化信息。

2.2.3 空間自相關(guān)分析 空間自相關(guān)是指空間對象在不同空間位置的某一屬性值之間的統(tǒng)計(jì)相關(guān)性，由空間自相關(guān)系數(shù)度量，以檢驗(yàn)空間事物某屬性是否相鄰分布或間錯(cuò)分布［19，20］。依據(jù)分析空間范圍的大小，空間自相關(guān)可以分為全局空間自相關(guān)與局域空間自相關(guān)。常用的空間自相關(guān)指標(biāo)是莫蘭指數(shù)（Moran’s I），相應(yīng)空間自相關(guān)的測度可以分為全局莫蘭指數(shù)（Global Moran’s I）與局部莫蘭指數(shù)（Local Moran’s I）。

3 結(jié)果與分析

3.1 耕地景觀指數(shù)分析

利用Fragstats4.2 軟件得到各鄉(xiāng)鎮(zhèn)2009 年、2013年、2018 年度景觀格局指數(shù)，結(jié)果見圖1。由測算結(jié)果可知。

圖1 景觀格局指數(shù)

1）空間分 布上，2009 年石板鎮(zhèn)PD最大，為24.24，夏云鎮(zhèn)最小，為 4.84，相差 19.4；青龍街道2013 年、2018 年P(guān)D均為最大，分別為 43.4 和 86.68，最小值均為黃臘鄉(xiāng)，分別是4.26 和5.24，區(qū)域差異明顯。平均斑塊面積（MPS）特征為石板鎮(zhèn)2009 年MPS最小，為 4.13，黃臘鄉(xiāng)最大，為 19.58；2013 年、2018 年均為青龍街道最小，分別為2.30、1.15，最大值均為黃臘鄉(xiāng)，分別為23.47、19.10。面積加權(quán)平均形狀指數(shù)（AWMSI）特征為 2009 年馬場鎮(zhèn)AWMSI最大，為38.91，青龍街道最小，為8.88，2013 年、2018 年均為青龍街道最小，分別為5.49、4.74，最大值均為樂平鄉(xiāng)，分別為35.49、34.99。面積加權(quán)平均分維數(shù)（AWMPFD）的特征表現(xiàn)為 2009 年、2013 年、2018 年各鄉(xiāng)鎮(zhèn)AWMPFD在1.23～1.41，差異不明顯。分離度（DIVISION）特征表現(xiàn)為2009 年城關(guān)鎮(zhèn)DIVISION最大，為 0.90，麥坪鄉(xiāng)最小，為 0.10；2013 年青龍街道最大，為 0.97，麥坪鄉(xiāng)最小，為 0.14；2018 年湖潮鄉(xiāng)最大，為 0.94，白云鎮(zhèn)最小，為 0.47。聚集度（AI）特征表 現(xiàn) 為 2009 年 、2013 年 、2018 年 各 鄉(xiāng) 鎮(zhèn)AI在93.03～97.86，差異不明顯。

2）時(shí)序變化上，斑塊密度（PD）特征為除黃臘鄉(xiāng)和劉官鎮(zhèn)無明顯變化外，其余19 個(gè)鄉(xiāng)鎮(zhèn)均表現(xiàn)為上升趨勢，其中，石板鎮(zhèn)、黨武鎮(zhèn)、湖潮鄉(xiāng)、青龍街道、紅楓湖鎮(zhèn)、城關(guān)鎮(zhèn)、夏云鎮(zhèn)、馬場鎮(zhèn)等8 個(gè)鄉(xiāng)鎮(zhèn)變化較大。平均斑塊面積（MPS）特征為石板鎮(zhèn)、黨武鎮(zhèn)、湖潮鄉(xiāng)、青龍街道、紅楓湖鎮(zhèn)、城關(guān)鎮(zhèn)、劉官鎮(zhèn)、夏云鎮(zhèn)、馬場鎮(zhèn)等9 個(gè)鄉(xiāng)鎮(zhèn)MPS指數(shù)呈下降趨勢，其余鄉(xiāng)鎮(zhèn)呈上升趨勢。面積加權(quán)平均形狀指數(shù)（AWMSI）特征為黨武鎮(zhèn)、城關(guān)鎮(zhèn)、樂平鄉(xiāng)的AWMSI 指數(shù)呈上升趨勢外，其余鄉(xiāng)鎮(zhèn)的AWMSI均呈下降趨勢，石板鎮(zhèn)、湖潮鄉(xiāng)、馬場鎮(zhèn)下降幅度最大。分離度（DIVISION）特征表現(xiàn)為黨武鎮(zhèn)、城關(guān)鎮(zhèn)、樂平鄉(xiāng)呈下降趨勢外，其余各鄉(xiāng)鎮(zhèn)均呈上升趨勢，且變化幅度最大的是石板鎮(zhèn)、湖潮鄉(xiāng)、麥坪鄉(xiāng)、馬場鎮(zhèn)。聚集度（AI）特征為舊州、黃臘、劉官、高峰等呈先升后降趨勢外，其余鄉(xiāng)鎮(zhèn)均呈下降趨勢。

綜上可知，耕地細(xì)碎化程度嚴(yán)重的地方主要包括馬場、湖鄉(xiāng)、黨武、城關(guān)、青龍街道、石板、夏云等鄉(xiāng)（鎮(zhèn)）。其中，馬場、湖潮、黨武是貴安新區(qū)重點(diǎn)發(fā)展區(qū)域，城關(guān)、青龍街道分別屬于平壩區(qū)、清鎮(zhèn)市的城市建設(shè)區(qū)，石板、夏云則是花溪區(qū)（貴陽）的物流中心和平壩區(qū)的工業(yè)園區(qū)。因此，城市的發(fā)展導(dǎo)致建設(shè)用地?zé)o序擴(kuò)張，占用大量耕地，耕地斑塊被分割、面積減小是耕地細(xì)碎化程度愈發(fā)嚴(yán)重的重要因素。

3.2 景觀指數(shù)主成分分析

由于本研究選取的6 個(gè)景觀指數(shù)之間存在很大的相關(guān)性，采用主成分分析法對多個(gè)指標(biāo)進(jìn)行降維處理，以消除相關(guān)性、達(dá)到降維目的，實(shí)現(xiàn)用較少的幾個(gè)彼此獨(dú)立的綜合指標(biāo)來反映原來較多的指標(biāo)，并找出影響耕地細(xì)碎化程度貢獻(xiàn)率最大的指標(biāo)，最終對反映耕地細(xì)碎化的6 個(gè)指標(biāo)進(jìn)行綜合測評。依據(jù)主成分分析原理，計(jì)算景觀指數(shù)特征值及對細(xì)碎化的貢獻(xiàn)率，結(jié)果見表2。從表2 可知，2009 年第一主成分和第二主成分特征值分別是2.781 和2.656，累計(jì)方差貢獻(xiàn)率為90.618%；2013 年第一主成分和第二主成分特征值分別是3.533 和1.994，累計(jì)方差貢獻(xiàn)率為92.107%；2018 年第一主成分和第二主成分特征值分別是3.855 和1.515，累計(jì)方差貢獻(xiàn)率為89.514%。3 個(gè)年度前2 個(gè)主成分的累計(jì)方差貢獻(xiàn)率均大于85%，說明前2 個(gè)主成分的變化基本可代表6個(gè)景觀指數(shù)的變化，因此可用第一主成分和第二主成分綜合衡量耕地細(xì)碎化程度。

表2 景觀指數(shù)主成分計(jì)算結(jié)果

載荷矩陣表示主成分與原始變量的相關(guān)程度，從而為解釋主成分所代表的意義提供依據(jù)。表3載荷矩陣分析如下。

表3 景觀指數(shù)載荷矩陣

1）靜態(tài)特征。2009 年，AI、MPS、PD、DIVISION在第一主成分中顯示較高載荷，PD、DIVISION的相關(guān)系數(shù)為負(fù)，與第一主成分呈負(fù)相關(guān)，即斑塊密度和分離度越大，第一主成分值越小，而AI、MPS的相關(guān)系數(shù)為正，表示聚集度、平均斑塊面積越大，形狀越復(fù)雜，第一主成分值越大；2013 年，AI、PD、MPS、DIVISION、AWMSI、AWMPFD均呈現(xiàn)較高載荷，AI、PD相關(guān)系數(shù)為負(fù)，與第一主成分呈負(fù)相關(guān)，表明聚集度和斑塊密度越大，第一主成分值越小，MPS、DIVISION、AWMSI、AWMPFD的相關(guān)系數(shù)均為正，與第一主成分呈正相關(guān)；2018 年，AI、PD、MPS、DIVISION、AWMSI、AWMPFD均顯示較高載荷，且指標(biāo)的相關(guān)系數(shù)與2013 年基本一致。3 個(gè)年度均可以用第一主成分來反映景觀指標(biāo)的信息變化。

2）動(dòng)態(tài)特征。2009—2018 年，第一主成分中，集聚度（AI）指數(shù)的相關(guān)系數(shù)由正值變?yōu)樨?fù)值，與第一主成分的相關(guān)性由正相關(guān)變?yōu)樨?fù)相關(guān)；平均斑塊面積（MPS）指數(shù)的相關(guān)系數(shù)均為正值，與第一主成分的相關(guān)性呈正相關(guān)，即2009—2018 年間平均斑塊面積越大，形狀越復(fù)雜，第一主成分值越大；斑塊密度（PD）指數(shù)的相關(guān)系數(shù)均為負(fù)值，與第一主成分的相關(guān)呈負(fù)相關(guān)，即2009—2018 年間斑塊密度越大，第一主成分值越??；面積加權(quán)平均分維數(shù)（AWMPFD）的相關(guān)系數(shù)顯示為由低載荷變化為較高載荷，即相關(guān)系數(shù)由2009 年的0.334 變?yōu)?018 年的0.747；面積加權(quán)平均形狀指數(shù)（AWMSI）、分離度（DIVISION）的相關(guān)系數(shù)均由負(fù)值變?yōu)檎担c第一主成分的相關(guān)性由負(fù)相關(guān)變?yōu)檎嚓P(guān)。2009—2018年，第二主成分中，集聚度（AI）、平均斑塊面積（MPS）均呈現(xiàn)低載荷，斑塊密度（PD）由較高載荷變?yōu)榈洼d荷；面積加權(quán)平均分維數(shù)（AWMPFD）的相關(guān)系數(shù)均較高，且與第二主成分的相關(guān)性由負(fù)相關(guān)變?yōu)檎嚓P(guān)；面積加權(quán)平均形狀指數(shù)（AWMSI）相關(guān)系數(shù)均顯示為較高載荷，且與第二主成分的相關(guān)性呈正相關(guān)；分離度（DIVISION）的相關(guān)系數(shù)由正值變?yōu)樨?fù)值，與第一主成分的相關(guān)性由正相關(guān)變?yōu)樨?fù)相關(guān)。

基于第一、第二主成分能較多地反映原指標(biāo)的基本信息，假設(shè)測度中0 為耕地細(xì)碎化的最小值，表示耕地完全不細(xì)碎，距離0 的距離越大，則耕地細(xì)碎化越嚴(yán)重［46］。因此，用主成分載荷矩陣中的數(shù)據(jù)除以主成分所對應(yīng)的特征值的開平方根，得到每個(gè)主成分中原始指標(biāo)所對應(yīng)系數(shù)，再以每個(gè)因子的方差貢獻(xiàn)率與被解釋的總方差之比作為權(quán)重進(jìn)行加權(quán)綜合，推導(dǎo)出計(jì)算公式如下。

根據(jù)公式計(jì)算研究區(qū)21 個(gè)鄉(xiāng)鎮(zhèn)2009 年、2013年、2018 年度的耕地細(xì)碎化值，結(jié)果見表4。

表4 研究區(qū)耕地細(xì)碎化值

1）2009 年耕地細(xì)碎化最嚴(yán)重的是蔡官鎮(zhèn)，其次是七眼橋鎮(zhèn)、湖潮鄉(xiāng)、黃臘鄉(xiāng)和夏云鎮(zhèn)，耕地最集中的是黨武鎮(zhèn)；2013 年耕地細(xì)碎化最嚴(yán)重的是石板鎮(zhèn)，其次是青龍街道、大西橋鎮(zhèn)、夏云鎮(zhèn)、高峰鎮(zhèn)、黃臘鄉(xiāng)，耕地最集中的是天龍鎮(zhèn)；2018 年耕地細(xì)碎化最嚴(yán)重的青龍街道，其次是夏云鎮(zhèn)、大西橋鎮(zhèn)、夏云鎮(zhèn)、黃臘鄉(xiāng)。

2）2009—2018 年，石板鎮(zhèn)、黨武鎮(zhèn)、青龍街道、大西橋鎮(zhèn)、舊州鄉(xiāng)、黃臘鄉(xiāng)、城關(guān)鎮(zhèn)、高峰鎮(zhèn)、夏云鎮(zhèn)、馬場鎮(zhèn)、樂平鄉(xiāng)、羊昌鄉(xiāng)等鄉(xiāng)鎮(zhèn)的耕地細(xì)碎化值呈上升趨勢，其余鄉(xiāng)鎮(zhèn)則表現(xiàn)為降低趨勢。增幅較大的為石板鎮(zhèn)、黨武鎮(zhèn)、青龍街道、大西橋鎮(zhèn)、高峰鎮(zhèn)。

3.3 耕地細(xì)碎化空間自相關(guān)分析

鑒于耕地細(xì)碎化作為空間數(shù)據(jù)，具有較強(qiáng)的空間依賴性，通常存在空間相關(guān)性［4，5］。利用 openGeo-Da 空間統(tǒng)計(jì)分析軟件，運(yùn)用全局自相關(guān)和局域自相關(guān)統(tǒng)計(jì)量方法對研究區(qū)耕地細(xì)碎化的全局自相關(guān)和局域自相關(guān)特征進(jìn)行分析。由表5 可知，2009 年、2013 年、2018 年均在0.05 顯著性水平下通過顯著性檢驗(yàn)，說明研究區(qū)各鄉(xiāng)鎮(zhèn)耕地細(xì)碎化空間分布存在顯著集聚效應(yīng)，且具有空間正相關(guān)性，即某鄉(xiāng)鎮(zhèn)的耕地細(xì)碎化值變化與其相鄰鄉(xiāng)鎮(zhèn)呈現(xiàn)相同變化趨勢。

表5 莫蘭指數(shù)

由圖2 可知，研究區(qū)耕地細(xì)碎化程度表現(xiàn)出較為顯著的空間分異格局。通過檢驗(yàn)的H-H 型，屬于局部高值集聚類型，即耕地細(xì)碎化度高于全部耕地細(xì)碎化均值的區(qū)域被耕地細(xì)碎化度高于全部耕地細(xì)碎化均值的相鄰區(qū)域包圍。H-H 型從2009 年的羊昌鄉(xiāng)逐漸演變?yōu)?013 年的白云鎮(zhèn)、羊昌鄉(xiāng)和高峰鎮(zhèn)，到2018 年的白云鎮(zhèn)、羊昌鄉(xiāng)。H-H 型主要集中經(jīng)濟(jì)建設(shè)相對落后的鄉(xiāng)鎮(zhèn)。L-L 型屬于局部低值集聚類型，即耕地細(xì)碎化度低于全部耕地細(xì)碎化均值的區(qū)域被耕地細(xì)碎化度低于全部耕地細(xì)碎化均值的相鄰區(qū)域包圍。L-L 型由位于研究區(qū)西部的蔡官鎮(zhèn)、樂平鄉(xiāng)，轉(zhuǎn)變?yōu)槲挥跂|部區(qū)域的麥坪鄉(xiāng)和石板鎮(zhèn)。H-L 型屬于局部值離散類型，即耕地細(xì)碎化度高于全部耕地細(xì)碎化均值的區(qū)域被耕地細(xì)碎化度低于全部耕地細(xì)碎化均值的相鄰區(qū)域包圍。該類型由2009 年大西橋鎮(zhèn)轉(zhuǎn)變?yōu)?013 年的黨武鄉(xiāng)，至2018年該類型消失。由此可知，H-H 型和L-L 型表明觀測值具有較強(qiáng)的空間正相關(guān)，且區(qū)域內(nèi)有集聚和相似性存在。

Moran 散點(diǎn)圖由4 個(gè)象限組成，分別是第1 象限（表示某一空間單元與相鄰單元的屬性值都較高）、第2 象限（表示某一空間單元的屬性值較低，而相鄰單元較高）、第3 象限（表示某一空間單元與相鄰單元的屬性值都較低）、第4 象限（表示某一空間單元的屬性值較高，而相鄰單元較低），其中第1 象限和第3 象限表示目標(biāo)值具有較強(qiáng)的正相關(guān)關(guān)系，具有均質(zhì)性，第2 象限和第4 象限表示目標(biāo)值具有較強(qiáng)的負(fù)相關(guān)關(guān)系，具有異質(zhì)性［29］。由圖3 可知，研究區(qū)21個(gè)鄉(xiāng)鎮(zhèn) 2009 年、2013 年、2018 年的離散點(diǎn)主要集中于第2 象限和第3 象限，表明耕地細(xì)碎化具有明顯的分異性，即21 個(gè)鄉(xiāng)鎮(zhèn)的耕地細(xì)碎化的局部集聚顯著和局部離散顯著分化嚴(yán)重。

圖3 研究區(qū)耕地細(xì)碎化Moran 散點(diǎn)

4 小結(jié)與討論

本研究運(yùn)用景觀格局指數(shù)、主成分分析以及空間自相關(guān)等方法量化分析研究區(qū)21 個(gè)鄉(xiāng)鎮(zhèn)在2009—2018 年的耕地細(xì)碎化時(shí)空演變特征。相關(guān)結(jié)論如下。

1）通過綜合分析選取的斑塊密度（PD）、平均斑塊面積（MPS）、面積加權(quán)平均形狀指數(shù)（AWMSI）、面積加權(quán)平均分維數(shù)（AWMPFD）、分離度（DIVISION）、聚集度（AI）等6 個(gè)景觀指數(shù)值，從空間分布和時(shí)間序列上看，均反映出經(jīng)濟(jì)建設(shè)越活躍的區(qū)域，其耕地細(xì)碎化程度越高，反之則越低。說明城市發(fā)展導(dǎo)致耕地被大量轉(zhuǎn)為建設(shè)用地，耕地斑塊被分割、面積減小是耕地細(xì)碎化程度越嚴(yán)重的重要因素。

2）綜合主成分分析結(jié)果，表明斑塊密度（PD）、平均斑塊面積（MPS）、面積加權(quán)平均形狀指數(shù)（AWMSI）、面積加權(quán)平均分維數(shù)（AWMPFD）、分離度（DIVISION）、聚集度（AI）等6 個(gè)景觀格局指數(shù)可以作為衡量研究區(qū)耕地細(xì)碎化的重要指標(biāo)。同時(shí)，從空間分布特征分析，2009 年耕地細(xì)碎化最嚴(yán)重的是蔡官鎮(zhèn)，2013 年是石板鎮(zhèn)，2018 年則為青龍街道。從時(shí)間序列特征上分析則表現(xiàn)為2009—2018 年間石板鎮(zhèn)、黨武鎮(zhèn)、青龍街道、大西橋鎮(zhèn)、舊州鄉(xiāng)、黃臘鄉(xiāng)、城關(guān)鎮(zhèn)、高峰鎮(zhèn)、夏云鎮(zhèn)、馬場鎮(zhèn)、樂平鄉(xiāng)、羊昌鄉(xiāng)等區(qū)域的耕地細(xì)碎化值呈上升趨勢，說明這些區(qū)域的耕地細(xì)碎化程度越來越嚴(yán)重。

3）從LISA 聚類圖和 Moran 散點(diǎn)圖可以看出，研究區(qū)耕地細(xì)碎化在空間分布和時(shí)間序列上表現(xiàn)出較為顯著的空間格局分異性。通過檢驗(yàn)的H-H 型，2009 年為羊昌鄉(xiāng)，2013 年為白云鎮(zhèn)、羊昌鄉(xiāng)和高峰鎮(zhèn)，2018 年則是白云鎮(zhèn)、羊昌鄉(xiāng)，屬于局部高值集聚類型；H-L 型屬于局部值離散類型，由2009 年的大西橋鎮(zhèn)轉(zhuǎn)變?yōu)?013 年的黨武鄉(xiāng)，至2018 年該類型消失；L-L 型屬于局部低值集聚類型，由2009 年的蔡官鎮(zhèn)、樂平鄉(xiāng)轉(zhuǎn)變?yōu)?018 年的麥坪鄉(xiāng)和石板鎮(zhèn)。

耕地細(xì)碎化由自然因素和人為因素共同造成。自然因素包括地形、河流湖泊、風(fēng)力、水力等，且自然因素切割耕地一般無法避免；人為因素包括權(quán)屬管理、城鄉(xiāng)建設(shè)、土地整治等，可以通過權(quán)屬調(diào)整、國土空間規(guī)劃等措施予以優(yōu)化。因此，耕地細(xì)碎化時(shí)空特征的演變分析，不能完全反映一個(gè)區(qū)域的耕地資源利用狀況。同時(shí)，受資料收集的局限性，本研究僅開展了研究區(qū)空間和時(shí)間序列上耕地細(xì)碎化現(xiàn)狀的分析，沒有同時(shí)做到耕地細(xì)碎化影響因素以及耕地利用效率的分析，在后續(xù)的研究中需要進(jìn)行補(bǔ)充與完善。