璩路路

（重慶大學(xué)公共管理學(xué)院，重慶 400044）

黃土高原是中國集農(nóng)牧過渡區(qū)、生態(tài)脆弱區(qū)、經(jīng)濟(jì)貧困區(qū)為一體的特殊區(qū)域，也是生態(tài)保護(hù)與經(jīng)濟(jì)發(fā)展的矛盾體現(xiàn)區(qū)、精準(zhǔn)脫貧與鄉(xiāng)村振興銜接的重點區(qū)，生態(tài)保護(hù)、人地系統(tǒng)協(xié)調(diào)與可持續(xù)發(fā)展始終是黃土高原高質(zhì)量發(fā)展的基本命題[1-2]。其中，黃土丘陵溝壑區(qū)梁峁起伏、溝壑縱橫，獨(dú)特的地理區(qū)域特征塑造了極具特色的鄉(xiāng)村人地系統(tǒng)[3]。在經(jīng)濟(jì)社會快速發(fā)展及城鎮(zhèn)化進(jìn)程中，黃土丘陵溝壑區(qū)同時遭受了來自自然生態(tài)與人類活動的雙重擾動[4]，隨著國家退耕還林還草工程和治溝造地工程的深入實施，區(qū)域植被明顯改善，人-糧-地矛盾逐步緩解，黃土高原丘陵溝壑區(qū)鄉(xiāng)村人地系統(tǒng)轉(zhuǎn)型發(fā)展趨勢明顯[3-4]。

改革開放以來，黃土高原丘陵溝壑區(qū)鄉(xiāng)村人地系統(tǒng)運(yùn)行特征可概括為三個演變階段：坡地農(nóng)業(yè)階段、坡面植被建設(shè)階段和溝道農(nóng)業(yè)發(fā)展階段，其過程經(jīng)歷了農(nóng)業(yè)生產(chǎn)的廣種薄收到生產(chǎn)實踐的可持續(xù)節(jié)約化，總體呈現(xiàn)向現(xiàn)代農(nóng)業(yè)的轉(zhuǎn)型趨勢。目前針對黃土高原丘陵溝壑區(qū)鄉(xiāng)村人地系統(tǒng)的相關(guān)研究主要集中在新型經(jīng)營主體、生態(tài)治理以及產(chǎn)業(yè)化等視角，重點研究鄉(xiāng)村人地系統(tǒng)核心要素（聚落和土地利用）的空間形態(tài)[5-6]、典型模式[7-9]、演化過程[10]、動力因素和機(jī)制[11-13]等。新時期黃土丘陵溝壑區(qū)鄉(xiāng)村優(yōu)質(zhì)耕地不足，溝谷低地的建設(shè)用地發(fā)展空間受限，溝道區(qū)域生態(tài)恢復(fù)與鄉(xiāng)村蕭條并存，溝道鄉(xiāng)村發(fā)展緩慢及鄉(xiāng)村“五化”更加凸顯[6]，黃土丘陵溝壑區(qū)鄉(xiāng)村人地系統(tǒng)發(fā)展亟待重構(gòu)。隨著計量地理學(xué)及人地系統(tǒng)科學(xué)的不斷發(fā)展，人地系統(tǒng)演變過程研究不斷更新和深入，更加強(qiáng)調(diào)系統(tǒng)要素間互饋與關(guān)聯(lián)，而系統(tǒng)動力分析以及GWR、ESDA、Geo-detector等模型方法受到關(guān)注[14-16]，逐漸將空間因素嵌入系統(tǒng)模型中，揭示系統(tǒng)要素影響驅(qū)動機(jī)制。

以溝道農(nóng)地為核心的溝道人地系統(tǒng)演變兼具時間和空間屬性，時間和空間地理位置的變化均會引起變量間關(guān)系或結(jié)構(gòu)的變化[17]，而時間的非平穩(wěn)性（滯后效應(yīng)）需要納入模型的范圍，同時將空間和時間維度納入驅(qū)動力分析模型中，對于更加全面、科學(xué)地探究溝道農(nóng)地轉(zhuǎn)換驅(qū)動力的時空變化特征及規(guī)律具有重要意義。黃土高原農(nóng)耕區(qū)溝道鄉(xiāng)村人地系統(tǒng)是一個因溝道自然、經(jīng)濟(jì)、環(huán)境等空間變化而存在差異的系統(tǒng)，其側(cè)重點更多依附于溝道農(nóng)地單元的農(nóng)業(yè)生產(chǎn)[1，18]，在此背景之下，本研究關(guān)注以溝道農(nóng)地為核心的鄉(xiāng)村人地系統(tǒng)的演變過程，其關(guān)鍵點聚焦于系統(tǒng)剖析人地時空變化關(guān)系，并整合到一個框架中探究農(nóng)地變化根源與時空影響機(jī)制，探索“醫(yī)治”途徑，開準(zhǔn)藥方、對癥下藥，以鞏固退耕還林和治溝造地成效，進(jìn)而助力鄉(xiāng)村振興和區(qū)域可持續(xù)發(fā)展。

鑒于此，本研究選取2000—2005、2005—2010、2010—2018 年3 期24 幅Landsat TM/OLI 數(shù)據(jù)，應(yīng)用CART 決策樹分類算法進(jìn)行遙感影像解譯，獲取相應(yīng)時間序列的溝道農(nóng)地變化信息，實現(xiàn)溝道農(nóng)地的識別，同時耦合空間和時間因子，構(gòu)建時空地理加權(quán)回歸模型，實現(xiàn)溝道農(nóng)地時空演變的驅(qū)動力分析，剖析溝道農(nóng)地轉(zhuǎn)換驅(qū)動影響機(jī)制，以期為溝道農(nóng)業(yè)可持續(xù)發(fā)展和流域鄉(xiāng)村振興提供科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

延安市黃土高原丘陵溝壑腹地位于黃土高原的中心地帶，總面積18 729 km2，是黃河流域中上游與北方農(nóng)牧交錯區(qū)的結(jié)合地帶，涵蓋延安市中北部的寶塔區(qū)、延長縣、甘泉縣、安塞區(qū)、延川縣、子長市、志丹縣和吳起縣8 個區(qū)縣（圖1）。研究區(qū)地形條件復(fù)雜，溝、澗、坡、梁、峁交錯，地貌類型十分典型。1999 年以來，作為退耕還林工程和治溝造地工程的首批試點地區(qū)，該區(qū)域率先實現(xiàn)地表顏色由黃變綠、生產(chǎn)空間由坡地向溝道的轉(zhuǎn)變[19-20]。在城鄉(xiāng)融合與黃河流域高質(zhì)量發(fā)展背景下，以延安市黃土丘陵溝壑區(qū)為研究區(qū)，開展溝道型農(nóng)地轉(zhuǎn)換特征及機(jī)制研究具有典型性和代表性[21]。

圖1 研究區(qū)概況及調(diào)研點Figure 1 General situation of the study area and investigation sites

1.2 數(shù)據(jù)來源

本研究所用數(shù)據(jù)主要分為遙感數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)兩大類，社會經(jīng)濟(jì)數(shù)據(jù)主要通過野外實地調(diào)研、田野訪談以及統(tǒng)計年鑒整理獲取。遙感數(shù)據(jù)來源于美國地質(zhì)調(diào)查局（http：//glovis.usgs.gov/），選取2000—2018 年空間分辨率為30 m 的Landsat 影像數(shù)據(jù)作為提取溝道農(nóng)地的基礎(chǔ)數(shù)據(jù)，2000—2018 共選取24 幅影像。土地利用類型解譯參照中科院資源環(huán)境信息數(shù)據(jù)庫關(guān)于土地利用覆被的分類方法。理論上4—10 月作物植被生長茂盛，影像分類精度、辨識容易度和準(zhǔn)確度高于其他月份，且基準(zhǔn)期影像云量小于2%。同時，使用30 m 分辨率的DEM 數(shù)字高程數(shù)據(jù)（http：//www.gscloud.cn/）用于輔助土地利用的分類；以Google Earth 影像和部分典型流域高分辨率土地分類數(shù)據(jù)作為訓(xùn)練樣本和驗證樣本的基礎(chǔ)數(shù)據(jù)。此外，選用的各等級矢量路網(wǎng)數(shù)據(jù)來自O(shè)pen-Street-Map 網(wǎng)站提供的開放地理空間數(shù)據(jù)，社會經(jīng)濟(jì)數(shù)據(jù)來源于延安市統(tǒng)計年鑒及實際調(diào)研，基于ArcGIS 10.4 對社會經(jīng)濟(jì)數(shù)據(jù)進(jìn)行空間化。

2 研究方法

2.1 溝道農(nóng)地識別

2.1.1 CART決策樹算法

在遙感影像的分類中，人工智能神經(jīng)網(wǎng)絡(luò)（ANN）、決策樹（DT）、支持向量機(jī)（SVM）等分類方法應(yīng)用較為普遍[22]。其中，DT 分類法通過借助遙感影像的輔助信息，可有效挖掘影像光譜特征，能在較大程度上解決遙感影像的物譜重疊問題。DT分類法常用的算法有C4.5、CART、ID3 等[23]，而CART 算法采用經(jīng)濟(jì)學(xué)中用于均衡分配收益的基尼系數(shù)（公式1）作為最佳測試變量確定的準(zhǔn)則，與其他決策樹相比，CART 決策樹的模型簡單，由訓(xùn)練樣本確定分類閾值，自動建立決策樹，較少受到其他因素影響，識別精度較高[23]。

式中：D為數(shù)據(jù)集，數(shù)據(jù)集分成n個總類別；pi為數(shù)據(jù)集D中隸屬于i類的分布概率。

2.1.2 溝道農(nóng)地識別

溝道農(nóng)地也可稱之為“川道耕地”“壩地”，是一種新的農(nóng)業(yè)生產(chǎn)形態(tài)[4]。溝道農(nóng)地識別規(guī)則為：首先，提取基期年（2018年）的農(nóng)地范圍，作為溝道農(nóng)地本底數(shù)據(jù)，然后基于基期本底農(nóng)地范圍的變化倒推其他年份像元，基于以上判定獲取研究特定年限（2000—2018年）的疑似溝道農(nóng)地范圍。在疑似判定的基礎(chǔ)上，再進(jìn)行最終范圍的確定，方法是以基期年（t）前一年份（t-1）溝道農(nóng)地的范圍為基礎(chǔ)，二次提取t-2 年疑似溝道農(nóng)地和t-1 年疑似溝道農(nóng)地的重合部分，此部分判定隸屬于t-2 年的溝道農(nóng)地范圍，按此方法依次迭代，得到規(guī)定年限時間連續(xù)序列的溝道農(nóng)地范圍。

2.2 影響因子選取及模型構(gòu)建

2.2.1 影響因子選擇

為深入探究影響溝道農(nóng)地轉(zhuǎn)換的驅(qū)動因素，參照文獻(xiàn)方法[24-25]，結(jié)合研究區(qū)實際以及數(shù)據(jù)的可獲取性，分別從社會經(jīng)濟(jì)、區(qū)位和自然三個方面選取驅(qū)動因子（表1）：①社會經(jīng)濟(jì)類，包括人口密度、地均GDP等；②區(qū)位類，包括距區(qū)縣行政中心、距鄉(xiāng)鎮(zhèn)行政中心距離等；③自然地理類，包括坡度、坡向。

表1 影響因子選取Table 1 Selection of driving factor indicators

社會經(jīng)濟(jì)指標(biāo)是指城鎮(zhèn)化過程中溝道農(nóng)業(yè)發(fā)展隨著時間變化的驅(qū)動因素，其中，國內(nèi)生產(chǎn)總值等經(jīng)濟(jì)收入指標(biāo)能反映區(qū)域的經(jīng)濟(jì)實力，道路等基礎(chǔ)設(shè)施反映經(jīng)濟(jì)投入和社會發(fā)展水平。以往相關(guān)研究中，人口變化數(shù)據(jù)通常被歸入社會經(jīng)濟(jì)因素，考慮到溝道丘陵山區(qū)區(qū)位條件的特殊性，加之黃土高原退耕還林工程、社區(qū)安置工程等的特殊性，使研究區(qū)的人口與經(jīng)濟(jì)分布在地域空間上的“流”關(guān)系處于不斷變化之中，故把人口相關(guān)數(shù)據(jù)與經(jīng)濟(jì)社會其他因素區(qū)分，將其歸納為人文因素。

自然地理指標(biāo)包括影響農(nóng)作物生長的坡度、坡向等自然環(huán)境條件，也是限制農(nóng)業(yè)生產(chǎn)發(fā)展的條件。

區(qū)位條件既包括地理空間意義上的區(qū)位，即通常意義上的交通區(qū)位，也包括政策輻射等促進(jìn)經(jīng)濟(jì)發(fā)展的經(jīng)濟(jì)區(qū)位。由于受自身立地條件和交通的限制，丘陵山區(qū)的區(qū)位往往使其人口和經(jīng)濟(jì)不斷處于變化之中，進(jìn)而決定了其“人口流、經(jīng)濟(jì)流、信息流”的空間指向。交通區(qū)位是指享受交通運(yùn)輸?shù)谋憷潭?，也是溝通溝道流域農(nóng)業(yè)鄉(xiāng)村與城鎮(zhèn)的重要橋梁，地理區(qū)位選取到各等級類型公路的距離和到主要河流的距離等5 項指標(biāo)進(jìn)行表征。政策輻射的難易程度等經(jīng)濟(jì)區(qū)位是農(nóng)業(yè)鄉(xiāng)村發(fā)展的重要引擎，選取到縣域行政中心和鄉(xiāng)鎮(zhèn)行政中心的距離來表征。

2.2.2 模型構(gòu)建

（1）多元邏輯回歸模型

Logistic 模型具有處理離散變量的優(yōu)勢，不僅可以對二分類或多分類的類別離散變量建立回歸模型，而且可以實現(xiàn)空間變量的定量化處理，揭示解釋變量對事件發(fā)生的影響強(qiáng)度，彌補(bǔ)了傳統(tǒng)線性回歸無法對離散型變量進(jìn)行回歸分析的不足[25-26]。本研究探討溝道農(nóng)地是否收縮的兩種類型變化，故采用二元邏輯回歸模型，結(jié)合隨機(jī)變量的期望值定義，引入邏輯函數(shù)變換表達(dá)式：

（2）時空地理加權(quán)回歸模型

作為地理加權(quán)回歸的時空拓展模型[17]，時空地理加權(quán)回歸模型的核心是將時間因子引入到空間地理加權(quán)回歸模型中，模型分析中引入時間維度，加入了時間坐標(biāo)，通過疊加時間和空間坐標(biāo)計算其時空權(quán)重矩陣，賦予變量時空信息，從而更加有效地估計因子參數(shù)，其數(shù)學(xué)表達(dá)式為：

3 結(jié)果與分析

3.1 溝道農(nóng)地空間轉(zhuǎn)換格局特征

3.1.1 溝道農(nóng)地收縮指數(shù)特征

以識別出的黃土高原丘陵溝壑區(qū)延安市溝道農(nóng)地為對象研究其時序變化，將延安市各時期的溝道農(nóng)地數(shù)據(jù)與延安市區(qū)縣行政邊界疊置分析，獲取各區(qū)縣的溝道農(nóng)地收縮面積，并計算溝道農(nóng)地收縮速率，結(jié)果如圖2所示。

由圖2可以看出，2000—2005年延安市各區(qū)縣溝道農(nóng)地收縮速率為正值，2005—2010 年部分地區(qū)收縮速率繼續(xù)增加，而2010 年之后，農(nóng)地收縮速率有所減緩，并在局部區(qū)縣出現(xiàn)負(fù)值?？傮w上，延安市各區(qū)縣溝道農(nóng)地收縮速率先升高后降低，呈現(xiàn)出階段性擴(kuò)展、總體波動式收縮的趨勢。

圖2 2000—2018年研究區(qū)各區(qū)縣3個時期溝道農(nóng)地收縮速率Figure 2 Contraction rate of gully farmland in three periods of Yan′an City from 2000 to 2018

3.1.2 溝道農(nóng)地重心的遷移特征

近20 年，溝道農(nóng)地重心呈現(xiàn)發(fā)散分布態(tài)勢，即向四周遷移的趨勢，溝道農(nóng)地重心整體向北遷移（圖3）。其中吳起、寶塔、安塞等區(qū)縣遷移方向一致性較高，寶塔區(qū)溝道農(nóng)地遷移方向始終向北，而吳起縣和安塞區(qū)向東南方向遷移；甘泉等區(qū)縣溝道農(nóng)地的空間轉(zhuǎn)換強(qiáng)度較為劇烈，2005 年以前遷移方向保持不變，2005 年以后逐漸向反方向拓展，其他區(qū)縣的溝道農(nóng)地的階段變化方向呈發(fā)散態(tài)勢，整體特征較不顯著。

圖3 研究區(qū)各區(qū)縣農(nóng)地重心坐標(biāo)遷移方向Figure 3 Transfer direction of farmland gravity center in districts and counties of Yan′an

3.2 溝道農(nóng)地轉(zhuǎn)換驅(qū)動力分析

參照文獻(xiàn)方法[27-28]，在ArcGIS 10.4 軟件中對研究區(qū)各時段的溝道農(nóng)地變化區(qū)采取隨機(jī)分層抽樣，共選取4 861 個樣點，其中各類型區(qū)的數(shù)量大體相等，保證解釋變量的系數(shù)在模型中的穩(wěn)定性。樣點空間坐標(biāo)值和影響因子屬性值添加至ArcGIS 10.4中，調(diào)用Geo?statistical Analyst功能進(jìn)行交叉驗證，全部通過顯著性檢驗（P<0.05）。為驗證GTWR 的適用性，對全部樣點采用線性回歸OLS模型運(yùn)算，由表2可知，GTWR模型的R2值高于OLS 模型，而AIC 信息準(zhǔn)則指數(shù)低于OLS模型。AIC 是模型擬合優(yōu)良的一個重要指標(biāo)，該值越小精度越高。由于GTWR 模型加入了時間維度的信息，即時空非平穩(wěn)性比傳統(tǒng)模型的擬合優(yōu)度更高。

表2 模型診斷結(jié)果對比Table 2 Comparison of model diagnosis results

3.2.1 溝道農(nóng)地轉(zhuǎn)換影響因素分析

基于相關(guān)學(xué)者的研究文獻(xiàn)[29]，結(jié)合區(qū)域?qū)用娼y(tǒng)計資料的可獲取情況，根據(jù)相關(guān)研究經(jīng)驗與黃土高原丘陵溝壑區(qū)發(fā)展的實際情況，本研究進(jìn)一步從自然、社會經(jīng)濟(jì)、人文三方面及時間、空間兩個維度進(jìn)行分析，力求從分維度、多尺度全面完整選取對溝道農(nóng)地轉(zhuǎn)換產(chǎn)生影響的因素。其中，時間因素包括經(jīng)濟(jì)、社會指標(biāo)，空間因素包括自然環(huán)境、區(qū)位指標(biāo)，政策為定性因素?？臻g因素主要選擇了立地條件、地理區(qū)位、經(jīng)濟(jì)區(qū)位等8 項指標(biāo)，構(gòu)成了極-場-區(qū)（驅(qū)動極、空間場、發(fā)展區(qū)）的空間驅(qū)動因素集。

為排除多因子的共線性影響，本研究首先對驅(qū)動因子集進(jìn)行了相關(guān)性分析，判斷結(jié)果表明所選因子出現(xiàn)顯著相關(guān)性，為此進(jìn)一步對驅(qū)動因子集進(jìn)行主成分分析，求得各成分的載荷矩陣與系數(shù)矩陣。進(jìn)一步通過回歸分析得到每個樣本的綜合得分值，借助ArcGIS軟件對研究對象的屬性字段賦值，至此完成GTWR模型的數(shù)據(jù)預(yù)處理。驅(qū)動變量主導(dǎo)因子如表3所示。

表3 主成分驅(qū)動變量主導(dǎo)因子Table 3 Dominant factors of principal component driving variables

準(zhǔn)確把握黃土高原溝道農(nóng)地轉(zhuǎn)換的空間分異特征及其影響因素，可為后期溝道農(nóng)地轉(zhuǎn)換的優(yōu)化調(diào)控提供指導(dǎo)，為黃土高原農(nóng)業(yè)高質(zhì)量發(fā)展提供參考。黃土丘陵溝壑區(qū)自然生態(tài)環(huán)境稟賦相對較差，耕作易受道路通達(dá)度、地形起伏等因素影響，并呈現(xiàn)出不同的演變方向，通過對研究區(qū)部分影響因素的分析發(fā)現(xiàn)，溝道農(nóng)地轉(zhuǎn)換與距河流、道路以及鄉(xiāng)鎮(zhèn)聚居點的距離大小呈負(fù)相關(guān)，即距離越遠(yuǎn)，溝道農(nóng)地轉(zhuǎn)換面積占比越小，在距河流1.2 km 以內(nèi)，溝道農(nóng)地轉(zhuǎn)換面積隨距離增加而急劇減少；在距離道路1.2 km 以外，其轉(zhuǎn)型變換趨于平緩，但在個別耕作類型上呈現(xiàn)不規(guī)則拐點，這與研究區(qū)近年來大規(guī)模的治溝造地工程驅(qū)動溝道農(nóng)地功能轉(zhuǎn)型現(xiàn)象相關(guān)；在距鄉(xiāng)鎮(zhèn)聚居點3～7 km范圍內(nèi)，溝道農(nóng)地轉(zhuǎn)換變化趨勢基本一致，集聚效應(yīng)更加顯著。

3.2.2 溝道農(nóng)地轉(zhuǎn)換影響因子時空分異規(guī)律

由圖4 可知，近20 年研究區(qū)F1（社會經(jīng)濟(jì)發(fā)展主導(dǎo)）正向高值區(qū)逐步縮小，并趨于均衡。2000—2005年正向高值帶貫穿吳起、寶塔、延川等區(qū)縣，F(xiàn)1 正負(fù)作用差異明顯；2005—2010 年正向高值主要分布在甘泉縣和安塞區(qū)一帶，驅(qū)動因子值域間差異縮小，趨于均衡；2010—2018 年逐漸形成除寶塔區(qū)和延長縣的負(fù)向高值的環(huán)狀圈層。F3（區(qū)位主導(dǎo)）因子的差異較大，從影響效應(yīng)來看，總體上正向影響效應(yīng)更強(qiáng)。2000—2005 年正向影響高值主要集中在延川縣以及子長市、延長縣的部分區(qū)域；2005 年以后，區(qū)位的影響強(qiáng)度繼續(xù)增大，高值影響區(qū)面積有所減少，特別是在2018年正向高值區(qū)只有子長市和延川縣2個縣域，而低值區(qū)覆蓋縣域數(shù)達(dá)4 個。人口和經(jīng)濟(jì)是所有因素中變化最顯著的兩大因子。人口也是溝道農(nóng)地轉(zhuǎn)換的直接推動力，經(jīng)濟(jì)發(fā)展則是核心驅(qū)動力，區(qū)位特征直接影響人口流、資金流，促進(jìn)農(nóng)地的轉(zhuǎn)換，此外，退耕還林還草、溝道土地整治等相關(guān)政策和工程措施加快了農(nóng)地轉(zhuǎn)換的速度，進(jìn)而促進(jìn)溝道農(nóng)業(yè)的空間轉(zhuǎn)型。

圖4 溝道農(nóng)地擴(kuò)展主導(dǎo)因子系數(shù)時空分異格局Figure 4 Spatio-temporal variation pattern of dominant factor coefficient of gully farmland expansion

續(xù)圖4 溝道農(nóng)地擴(kuò)展主導(dǎo)因子系數(shù)時空分異格局Continued figure 4 Spatio-temporal variation pattern of dominant factor coefficient of gully farmland expansion

F4（道路交通主導(dǎo)）因子影響強(qiáng)度總體呈現(xiàn)中部高四周低的演變態(tài)勢。2000—2005 年縱向拓展至寶塔區(qū)，呈“W”型高值區(qū)布局；2005—2010 年高值區(qū)強(qiáng)度有所減弱，2010—2018 年對吳起縣農(nóng)地拓展正向作用進(jìn)一步增強(qiáng)。F5（經(jīng)濟(jì)主導(dǎo)）影響強(qiáng)度分布呈現(xiàn)兩個顯著特征：其一，區(qū)域?qū)用嫔现饾u形成西低東高分布格局，正向高值區(qū)隨時間變化有所擴(kuò)展；其二，正向高值區(qū)在局部鄉(xiāng)鎮(zhèn)地區(qū)零星分布，如延長縣東南部地區(qū)，延川縣南部等地區(qū)。對于F6（地形坡度主導(dǎo)）因子而言，自然因子對溝道農(nóng)地轉(zhuǎn)換影響顯著，空間上東西向變化明顯，主要是由研究區(qū)東西部地形地貌差異所致。而F8（人口密度主導(dǎo)）2000—2005 年主要分布在中部寶塔區(qū)和子長縣，2005—2018 年高值區(qū)范圍有所縮小，在區(qū)域內(nèi)呈現(xiàn)點狀分散式格局。

從溝道農(nóng)地轉(zhuǎn)換的驅(qū)動力變化范圍來看，增長最大的驅(qū)動因子為地均GDP，從驅(qū)動力區(qū)域變化格局來看，各地形因子對溝道農(nóng)地擴(kuò)展影響各異，這與溝壑區(qū)的地貌分異特征關(guān)系密切，經(jīng)濟(jì)發(fā)展對溝道農(nóng)地的影響呈現(xiàn)“核心邊緣”的漏斗狀分布，其變化更加趨向核心“流動”。延安市道路鄰域因子影響各具特點，與路網(wǎng)的空間分布緊密相關(guān)，作用力變化顯著區(qū)域集中于延安市中部地區(qū)，橫跨東西方向，并匯集于寶塔區(qū)，與延西高速、青蘭高速和黃延高速線路重合，大致形成“T”字型分布樣式。

3.2.3 核心影響因素驅(qū)動作用機(jī)制

分別統(tǒng)計研究區(qū)2000—2005、2005—2010、2010—2018年3個階段的因子系數(shù)均值，得到各階段因子平均系數(shù)（圖5）。

圖5 各時段因子平均系數(shù)變化時序分布Figure 5 Time series distribution of factor average coefficient change in each period

（1）全域核心因子判定：2000—2018 年研究區(qū)溝道農(nóng)地轉(zhuǎn)換主要的核心影響因子為社會經(jīng)濟(jì)因素中的人口、地均GDP，自然因素中的坡度，以及鄰域因素中的距水域距離。其中人口因子和坡度因子的作用強(qiáng)度始終處于主導(dǎo)地位，是溝道農(nóng)地轉(zhuǎn)換的主要驅(qū)動因素。在2010—2018 年，人口的作用強(qiáng)度高于坡度，在2000—2005 年和2005—2010 年，坡度對溝道農(nóng)地轉(zhuǎn)換的驅(qū)動優(yōu)勢更為明顯。

（2）全域核心因子時序演變：坡度作為對研究區(qū)溝道農(nóng)地轉(zhuǎn)換影響最大的因子，其作用強(qiáng)度在研究初期至2010 年呈波動升高的變化態(tài)勢，且到2010 年強(qiáng)度最大；人口與溝道農(nóng)地收縮變換關(guān)系在前5 年呈負(fù)相關(guān)，人口對溝道農(nóng)地擴(kuò)展變換的總體作用強(qiáng)度呈下降趨勢；坡向因子與溝道農(nóng)地收縮成正相關(guān)，從整個研究期來看，坡向作用強(qiáng)度呈梯度上升趨勢，交通鄰域因子影響普遍，呈略微降低態(tài)勢，且與溝道農(nóng)地轉(zhuǎn)換呈負(fù)相關(guān)，因子強(qiáng)度波動降低。距縣城中心距離與溝道農(nóng)地收縮成負(fù)相關(guān)，作用強(qiáng)度總體上呈增加趨勢；距水域和鄉(xiāng)鎮(zhèn)中心距離與延安市溝道農(nóng)地收縮變換呈正相關(guān)關(guān)系，且這些因子作用強(qiáng)度呈逐漸下降趨勢。

在縣域尺度上準(zhǔn)確判別溝道農(nóng)地轉(zhuǎn)換驅(qū)動力是溝道地域土地差異化治理的基礎(chǔ)。為便于識別縣域間溝道農(nóng)地轉(zhuǎn)換驅(qū)動的差異及判定驅(qū)動強(qiáng)度時序變化，將驅(qū)動農(nóng)地轉(zhuǎn)換的因子發(fā)生率分別在各縣域間進(jìn)行比對。

20年間溝道農(nóng)地轉(zhuǎn)換的核心驅(qū)動因素均是人口、坡度、坡向和地均GDP，延長縣和志丹縣的首要驅(qū)動因子均是人口，寶塔區(qū)的地均GDP在2000年以前是首要驅(qū)動因子，2000 年以后人口成為首要驅(qū)動因子，甘泉、安塞等區(qū)縣則呈現(xiàn)出明顯的階段性特征。區(qū)域空間分布上，人口和經(jīng)濟(jì)驅(qū)動力較強(qiáng)的區(qū)縣多在延安市的東中部集中，而坡度、坡向等驅(qū)動力較強(qiáng)的區(qū)縣則多在西部，形成區(qū)縣層面東西部區(qū)域空間上的顯著差異，而從影響溝道農(nóng)地轉(zhuǎn)換的自然因素的主導(dǎo)因子——坡度的影響時序來看，除甘泉縣以外的其余各區(qū)縣坡度對溝道農(nóng)地轉(zhuǎn)換的驅(qū)動力仍未下降，說明自然本底條件的限制作用依然較強(qiáng)。

4 討論

本研究所選遙感影像數(shù)據(jù)時間為4—10 月，作物與草地相差較大，易于區(qū)分，并通過影像分類的精度來間接驗證溝道農(nóng)地的識別精度，另外時空地理加權(quán)回歸模型實現(xiàn)了時空角度的綜合測度，較為精細(xì)地刻畫了驅(qū)動因子的時空演變特征及主導(dǎo)驅(qū)動機(jī)制。但如何基于地物空間位置信息來提高影像分類精度及進(jìn)一步優(yōu)化黃土丘陵溝壑區(qū)鄉(xiāng)村地域人地系統(tǒng)圈-帶-區(qū)多級空間結(jié)構(gòu)體系仍需深入探究。

本研究分析了不同類型的溝道農(nóng)地空間變化特征，獲取了溝道農(nóng)地轉(zhuǎn)換的社會經(jīng)濟(jì)、區(qū)位、地形等因素的定量結(jié)果及影響過程，但政策作為一種非量化的影響因素，在溝道農(nóng)地轉(zhuǎn)換中是必不可少且非常關(guān)鍵的。另外，隨著溝道土地整治工程的推進(jìn)，溝道農(nóng)地的數(shù)量也在發(fā)生變化，同時農(nóng)民的意愿、產(chǎn)權(quán)制度改革等也是需進(jìn)一步考慮的因素。后續(xù)可通過選取典型類型區(qū)，從微觀尺度探究不同地域類型變化的過程與機(jī)制[30]，進(jìn)而揭示以溝道農(nóng)地為基礎(chǔ)的鄉(xiāng)村人地系統(tǒng)科學(xué)原理及鄉(xiāng)村地域“人地圈”機(jī)理[31-34]。

黃土丘陵溝壑區(qū)溝道農(nóng)地轉(zhuǎn)換現(xiàn)象揭示了生態(tài)建設(shè)和溝道土地整治工程驅(qū)動下的流域鄉(xiāng)村人地系統(tǒng)演變的一般規(guī)律，即以生態(tài)安全和糧食安全為目標(biāo)，以生態(tài)與經(jīng)濟(jì)“雙贏”為方向，以現(xiàn)代地理工程為技術(shù)手段，最終實現(xiàn)質(zhì)量效益和發(fā)展效能的高質(zhì)量發(fā)展[1]。黃土丘陵溝壑區(qū)溝道農(nóng)地轉(zhuǎn)換一定程度上促使退耕還林、治溝造地等政策相互融合，在保障農(nóng)民生計改善的前提下，對于促進(jìn)溝道地域“三生”（生產(chǎn)、生活、生態(tài)）結(jié)合、“三產(chǎn)”（一、二、三產(chǎn)業(yè)）融合，進(jìn)而促進(jìn)黃土高原高質(zhì)量發(fā)展具有重要意義。

5 結(jié)論

本研究以延安市黃土丘陵溝壑區(qū)作為典型案例區(qū)，按照人地系統(tǒng)科學(xué)理論，遵循“溝道農(nóng)地識別-轉(zhuǎn)換格局描繪-影響因素剖析”的邏輯軸線，對溝道農(nóng)地轉(zhuǎn)換特征及其影響機(jī)制進(jìn)行了初步探索，主要結(jié)論如下：

（1）2000—2018 年延安市溝道農(nóng)地呈現(xiàn)發(fā)散式分布、階段性擴(kuò)展且總體波動式收縮趨勢，重心整體向北遷移；溝道農(nóng)地作為溝道農(nóng)業(yè)的重要土地類型，與溝道地域人類行為關(guān)系密切，溝道農(nóng)地的這一轉(zhuǎn)換趨勢，可為溝道聚落的轉(zhuǎn)型調(diào)控方向提供指導(dǎo)。

（2）社會經(jīng)濟(jì)因素是近20 年延安市溝道農(nóng)地轉(zhuǎn)換的主要驅(qū)動力，且影響效應(yīng)呈逐年上升態(tài)勢；坡度的影響效應(yīng)相對減弱，而坡向的影響則呈梯度上升趨勢；道路交通及區(qū)位因子影響程度呈略微升高態(tài)勢。2000 年以來人口等社會經(jīng)濟(jì)因子的作用強(qiáng)度逐漸增大，人口因子作用強(qiáng)度在寶塔區(qū)、延長縣和甘泉縣呈逐漸上升趨勢，經(jīng)濟(jì)因子作用強(qiáng)度在甘泉縣、安塞區(qū)、子長市和吳起縣逐年上升。總體而言，延安市溝道農(nóng)地轉(zhuǎn)換是自然環(huán)境、經(jīng)濟(jì)發(fā)展、溝道整治等多重因素綜合作用的結(jié)果，在發(fā)展過程中應(yīng)注重生態(tài)-經(jīng)濟(jì)的雙重導(dǎo)向，最大限度地實現(xiàn)溝道農(nóng)地的可持續(xù)利用，探求溝道農(nóng)地與人居環(huán)境的協(xié)調(diào)優(yōu)化，實現(xiàn)居業(yè)協(xié)同。

（3）延安市溝道農(nóng)地轉(zhuǎn)換的不同驅(qū)動因子系數(shù)時空分布各異，人口與坡度因子的作用強(qiáng)度始終處于主導(dǎo)地位，地均GDP 高值分布區(qū)在北部和中西部地區(qū)形成“核心邊緣”的漏斗狀格局，其變化趨向于核心“流動”，黃土高原溝道農(nóng)地發(fā)展變換受多種因素驅(qū)動，地區(qū)本底差異及不同的行為主體會促使溝道農(nóng)地發(fā)展收縮變化趨于不同方向，但根本上均受國家及區(qū)域重大發(fā)展政策導(dǎo)向影響。