随着耕地保护压力和粮食安全保障形势愈发严峻，学者们以不同行政区为研究尺度，揭示了国家级^[1]、省级^[2]、市级等^[3]宏观尺度的非农化和非粮化分布格局，指出中国整体非农化和非粮化水平在2014年前后进入阶段性的增长态势^[4]，有必要对非农化和非粮化的驱动机制展开讨论^[5]。因此，相关学者围绕自然条件^[6]、地理区位^[7]、景观格局^[8]、土地政策^[9]、农村人口结构^[10]、农户家庭情况等^[11]角度，采用GWR模型^[12]、空间计量模型^[13]、地理探测器^[14]、随机森林^[15]等统计模型对耕地非农化和非粮化成因及其效应空间差异深入探讨。其中空间计量模型在计量实证研究中能恰当地描述和运用空间特性对空间交互作用^[16]，具有经典计量经济学模型所缺乏的优势，被相继应用于赣州^[8]、重庆^[5]等典型丘陵区的耕地非农化和非粮化驱动机制研究。

此外，由于实地调查和遥感监测所获取的信息具有滞后性^[17]，不少学者尝试利用CLUE-S^[18]，FLUS^[19]，PLUS^[20]模型对土地利用格局进行多情景模拟，提前掌握未来土地利用变化所导致的风险或灾害及其严重程度，针对可能出现的风险或危害提出防范与应对建议。耕地用途转换作为土地利用变化过程中最常见的现象，借助相关模型以多情景角度模拟未来土地利用格局，对可能存在的耕地非农化和非粮化现象提前预警，有助于缩短土地利用宏观调控的时滞性，实施有效的耕地用途管制措施。

当前学者针对耕地非农化和非粮化的时空特征、变化规律、驱动机制等方面开展广泛讨论，尤其在驱动机制分析中引入不同角度的驱动因子和统计模型，丰富了该领域的研究成果。然而，已有研究在空间尺度上较少面向县域内部乡镇、村等单元^[5]，难以从微观尺度剖析耕地非农化和非粮化的成因；在研究角度上仅对耕地非农化和非粮化的现状特征展开描述，缺乏具有前瞻性的多情景预警分析。

赣东北地区包括上饶市、景德镇市、鹰潭市，属于典型的中低山丘陵区，自然资源禀赋差异较大^[21]。铅山县地处信江河谷城镇群，作为全国商品粮生产基地县和典型矿业城市^[22]，乡镇经济发展、矿产资源开发与耕地保护的矛盾较为显著。鉴于此，本文选择江西省上饶市铅山县为研究区域，以行政村为研究单元，通过叠加2017年和2021年土地利用数据揭示耕地非农化和非粮化的空间分异特征，引入空间计量模型识别其驱动机制，设置自然发展、耕地管制和生态保护3种情景，运用PLUS模型预测2021—2029年铅山县耕地变化情况，对非农化和非粮化格局进行预警，以期为县域耕地用途管制措施的制定与落实提供参考和依据。

1 研究区概况及数据来源

铅山县位于江西省东北部，上饶市西南部，武夷山脉北麓，东连广信区，西接弋阳县、贵溪市，北靠横峰县，南临福建省武夷山市、光泽县，县域辖区内有8镇9乡，178个行政村，地形高低起伏明显，呈南高北低的态势，南部武夷山峰谷延绵，为铅山县南部的天然屏障，是赣闽两省的天然界线(图 1)。耕地资源分布受地形影响，大致呈现出山区、丘陵区和平原区的分布特征：南部中低山区，地形起伏大，森林茂密，生态较好；中部低山丘陵区，梯田为主，农业以油茶为主；北部低山岗地河谷平原区，地势平缓，农业以水稻种植为主。区域内东南风常年占据主导地位，气候温暖，光照充足，雨量充沛，无霜期长，适宜农作物生长。铅山县2014—2020年耕地占全县总面积的比例由14.12%降至13.06%，粮食作物播种面积减少32.67 km²，谷物主粮产量减少8 000 t，耕地资源和粮食安全的保护压力较大。

2 数据与方法 2.1 数据来源

研究所采用的数据包括矢量数据和栅格数据，具体的数据信息及来源见表 1。

铅山县2017—2021年土地利用数据来源于Microsoft和Esri共同生产的土地覆盖时间序列数据Esri Land Cover，数据空间分辨率为10 m。县域土地利用类型可划分为水体、林地、草地、耕地、建设用地、裸地和湿地。为了证实研究期内Esri Land Cover数据的精度适用于铅山县耕地非农化和非粮化研究，本文基于2021年土地利用年度变更数据对Esri Land Cover的土地分类情况进行精度检验。结果表明，2021年Esri Land Cover数据的总体精度为0.87，kappa系数为0.81，土地利用分类精度较高。

2.2 研究方法 2.2.1 耕地非农化和非粮化测度

根据耕地非农化和非粮化的定义，本文以研究期内发生地类转换的耕地面积占初期耕地面积的比例来表征耕地非农化和非粮化程度。耕地转换为建设用地的变化率是耕地非农化率，耕地转换为林地和草地的变化率是耕地非粮化率，耕地总体变化率由耕地非农化率和非粮化率合计所得。计算公式为：

$ P_{n a}=\frac{A_{n a}}{S} $

(1)

$ P_{n g}=\frac{A_{n g}}{S} $

(2)

$ P_{n t}=P_{n a}+P_{n g} $

(3)

式中：P_na为区域耕地非农化率(%); A_na为研究期内区域耕地转换为建设用地的面积; P_ng为区域耕地非粮化率(%); A_ng为研究期内区域耕地转换为林地和草地的面积; S为初期年的区域耕地面积; P_nt为耕地总体变化率。

2.2.2 耕地非农化和非粮化驱动指标体系

现有研究成果表明，耕地非农化和非粮化本质上是耕地经营主体在外部环境和其自身特征的交互影响下转变耕地利用方式的现象^[7]。耕地非农化和非粮化的驱动指标体系将围绕耕地质量、耕作条件、生产区位、资源禀赋4个方面选取11个指标进行构建(表 2)。

2.2.3 空间计量模型

随着传统回归分析方法的不断更新和改进，空间交互作用逐步受到重视，空间计量模型被广泛运用在空间格局演变及其驱动机制的研究。在运用空间计量模型进析之前，需要对变量进行空间自相关分析以检验变量的空间集聚特征，以此判断变量是否具有空间依赖性。如果变量具备空间集聚特征，则通过普通最小二乘法对变量的估计结果进行lagrange multiplier (LM)检验。当变量存在空间溢出效应时，选用空间滞后模型(spatial lag model, SLM)分析相邻区域因变量对本区域因变量的影响^[23]，基本表达式为：

$ Y=\rho W+\beta X+\mu $

(4)

式中：Y为因变量; X为自变量矩阵; β反映自变量X对因变量Y的影响; W为空间滞后因变量矩阵；ρ为空间回归系数，反映样本观测值中的空间依赖作用; μ为随机误差项向量, 服从正态分布。

当变量误差存在空间扰动时，选用空间误差模型(spatial error model, SEM)分析相邻区域不可观测因素的空间相关性对本区域因变量的影响^[23]，基本表达式为：

$ Y=\beta X+\mu, \quad \mu=\lambda W_\mu+\varepsilon $

(5)

式中：λ为空间误差系数, 衡量样本观察值的空间依赖作用; ε为随机误差项向量, 服从正态分布。

2.2.4 基于PLUS模型的土地利用格局模拟

PLUS模型是一个以元胞自动机为基础的新模型^[24]，该模型集合了用地扩张分析策略(LEAS)与基于多类随机斑块种子的CA模型(CARS)，可以灵活处理多种类型的土地利用斑块变化，用于斑块尺度土地利用格局模拟。本文从自然环境、地理区位、社会经济3个方面，选取土壤类型、年平均温度、年平均降水、高程、坡度、到道路距离、到铁路距离、到水系距离、到乡镇政府距离、夜间灯光、人口、GDP共12种因子作为驱动变量，以2017年土地利用栅格数据为初始数据，对2029年铅山县的土地利用格局进行模拟。土地利用的需求变化和空间变化与社会发展过程中所制定的决策有着紧密的联系，多种情景下的土地利用格局模拟有助于决策者以不同角度对未来土地利用空间变化进行科学的判断^[25]。通过设定3种情景探究铅山县未来土地利用变化的演变过程与格局，能够从不同角度对耕地非农化和非粮化现象实施预警分级。

(1) 自然发展情景。自然发展情景即不考虑人类计划与政策的干预，按照研究区以往的土地发展规律进行模拟^[26]。该情景是依据铅山县2017—2021年的土地利用转移趋势，使用Markov模型计算各地类之间的转移概率，进而预测2029年土地利用情况。其他模拟情景将基于该情景进行针对性调整。

(2) 耕地管制情景。在耕地用途管制背景下，铅山县应落实永久基本农田保护制度，加强非农建设用地和其他农用地占用耕地的管控力度。该情景将在自然发展情景的基础上设置永久基本农田为限制转换区，使耕地向建设用地转移概率降低60%，向林地和草地的转移概率降低20%。

(3) 生态保护情景。在国土综合整治与生态系统修复的背景下，生态保护情景将基于自然发展情景，设置永久基本农田和生态保护红线为限制转换区。依据铅山县土地利用情况和文献[27]，使耕地向林地和草地转移的概率增加30%，向建设用地转移的概率降低30%；林地、草地和湿地向建设用地转移的概率降低50%。

3 结果与分析 3.1 耕地非农化和非粮化空间分异特征

基于铅山县2017—2021年土地利用变化数据的分析结果，对铅山县各个行政村耕地非农化和非粮化的测度水平进行空间可视化表达，运用相等间隔法将总体变化率、非农化率、非粮化率分为4个等级，得到全县耕地非农化和非粮化空间分异格局(图 2)。铅山县耕地总体变化率和非粮化率呈现出“南北高、东西低”的空间差异(图 2a和图 2c)，各个等级的行政村数量比较平均，高值区整体坐落在北边的河谷平原区和南部的武夷山北麓山区；低值区主要在县域东西两侧的汪二镇、湖坊镇、石塘镇一带，该处分布着大量的高标准农田和永久基本农田。耕地非农化率表现为“高值零散、低值连片”的空间差异(图 2b)，高值区相对零散且数量较少，例如天柱山乡港口村、河口镇畜牧场、虹桥乡桥亭村；低值区聚集在西部的汪二镇、湖坊镇、太源乡和东部的稼轩乡。

3.2 耕地非农化和非粮化驱动机制

从耕地非农化和非粮化水平的空间自相关分析结果(表 3)可知，铅山县耕地非农化率和非粮化率的全局Moran’s I分别为0.12，0.13，其Z值和p值均通过Z统计值检验和1%水平的显著性检验，各个行政村非农化率和非粮化率存在正相关性，表现出显著的空间聚集特征，即高值区域集聚程度高，低值区域也处于邻近的集聚状态。通过上述的空间自相关分析证明了铅山县的耕地非农化和非粮化格局具有显著的空间集聚性，适合建立空间计量模型进行研究。

在空间计量模型估计之前，首先对耕地非农化率、非粮化率与所有自变量数据进行标准化处理，然后运用GeoDa软件对处理后的数据进行普通最小二乘回归，检查驱动指标之间是否存在共线性问题，最后根据LM检验(拉格朗日乘数检验)结果选择采用空间滞后模型还是空间误差模型。

耕地非农化率、非粮化率与11个驱动指标的普通最小二乘回归结果显示，各个驱动指标的VIF值小于10，指标之间不存在共线性问题，因此可以采取进一步的LM检验。

LM检验结果见表 4。耕地非农化的拉格朗日乘数—误差检验(LM-error)值通过5%水平上的显著性检验，拉格朗日乘数—滞后检验(LM-lag)值未通过5%水平上的显著性检验，说明变量误差存在空间扰动，因此应该采用空间误差模型(SEM)分析其驱动机制。耕地非粮化的拉格朗日乘数—滞后检验(LM-lag)值通过5%水平上的显著性检验，拉格朗日乘数—误差检验(LM-error)值未通过5%水平上的显著性检验，说明变量存在空间溢出效应，所以适宜使用空间滞后模型(SLM)。

在选定空间计量模型之后，将表 1的11个驱动指标与耕地非农化率和非粮化率分别放入空间误差模型(SEM)和空间滞后模型(SLM)进行分析，得到模型的各项参数和自变量对因变量的影响程度及其显著性水平(表 5)。结果显示，两个空间计量模型的决定系数分别为0.491 5，0.527 6，回归拟合效果较好，施瓦兹准则(SC)和赤池信息准则(AIC)参数值较小，证明其模型精度较高，分析结果具有科学性。

耕地质量方面，耕地利用等级(X₂)与非农化率在5%水平上呈负相关关系。耕地非农化率随着耕地利用等级的提高会出现下降，这表明区域内耕地质量提高在一定程度上能够抑制耕地非农化现象^[28]。耕作条件方面，耕地规整度(X₄)和耕地连片度(X₅)对于非农化率和非粮化率具有正向作用，但只有耕地规整度对非粮化率的影响在1%水平上呈现显著性。由于耕地规整度越高，田块形状复杂性较低，土地开发条件越好，耕地更容易用于非农建设和经济作物的规模化种植^[8]。生产区位方面，城乡梯度(X₆)和道路密度(X₈)在5%水平上对非农化率和非粮化率均产生显著的正向影响，反映出行政村的城乡区位和交通条件是影响非农化和非粮化的重要因素。资源禀赋方面，非农化率在5%水平上与人均建设用地面积(X₁₀)、耕地后备资源(X₁₁)呈正相关关系，与人均耕地面积(X₉)呈负相关关系，这表明耕地非农化受到土地利用模式和耕地资源分配格局的显著影响。

3.3 耕地非农化和非粮化预警 3.3.1 多情景土地利用模拟

基于2017年土地利用数据，通过LEAS模块获取各个驱动因子数据对应各类用地的适宜性概率，利用Markov和CARS模块模拟2021年的用地数量和空间格局变化，对照土地利用实际情况检验模拟结果的精度。检验结果表明，本次模拟结果的kappa系数为0.88，总体精度为0.95，模拟精度较高，基于该模型及其指标参数所预测的2029年土地利用数据具有可靠性。用地数量变化方面(表 6)，自然发展情景下耕地面积预计从2021年的267.91 km²减少至2029年的244.96 km²，平均每年减少2.55 km²，耕地比例从2021年的12.3%降至2029年的11.24%。耕地管制情景下，耕地保有量与自然发展情景相比出现明显增长，耕地面积和比例在自然发展情景的基础上提升至266.91 km²和12.25%。在生态保护情景下，耕地向生态用地转换的概率提升，向建设用地转换的概率略微减少，2029年耕地面积和比例略高于自然发展情景，达到249.93 km²和11.47%。

耕地流向方面(图 3)，自然发展情景下，铅山县耕地面积预计减少31.7 km²，主要流向建设用地和林地。耕地增加面积为8.75 km²，其中林地和建设用地分别占47.89%和29.71%。耕地管制情景下，由于设置了永久基本农田限制区，耕地流向林地的比例明显减少。生态保护情景下，全县耕地面积减少27.01 km²，增加9.03 km²。林地、草地和湿地的面积出现一定幅增加，耕地成为新增林地的主要来源。

空间格局方面(图 4)，在自然发展情景下，位于中心城区和重要矿产区的河口镇、鹅湖镇、永平镇和武夷山镇均有大量耕地转化为建设用地。耕地管制情景下，县域西部和北部的新滩乡、汪二镇、湖坊镇等乡镇的永久基本农田得到有效保护，建设用地占用耕地的趋势在一定程度上受到抑制，原有耕地附近的零散建设用地和其他农用地相继被复垦或开发，形成连片性较高的耕地分布格局。生态保护情景下，各个乡镇耕地流向建设用地的规模与自然发展情景相比出现小幅度下降，县域北部的信江北岸地区存在耕地被林地挤压的现象。

3.3.2 耕地非农化和非粮化预警分级

通过叠加2021年土地利用现状数据与2029年土地利用模拟结果，计算2029年各个行政村的非农化率和非粮化率，采用相等间隔法使各组分类差异最大化的基础上，适度调整分类界限，将预警关系分为5级，分别是：无预警(0%)，轻度预警(0%，25%]，适度预警(25%，50%]，严重预警(50%，75%]，剧烈预警(75%，100%]。图 5a—5c是铅山县在自然发展、耕地管制、生态保护这3种情景下的耕地非农化预警格局；图 5d—5f是铅山县在这3种情景下的耕地非粮化预警格局。

总体来看，耕地非农化预警格局在空间上呈现南北差异，南部乡镇的预警级别整体高于北部乡镇。与耕地管制情景和生态保护情景相比，自然发展情景不仅出现了3个剧烈预警级别的行政村，而且处于适度预警以上级别的行政村数量更多。河口镇汭口村、永平镇林场、武夷山镇篁村分场的非农化预警级别在3种情景下均处于适度预警以上，耕地非农化问题较为突出。

从耕地非粮化预警格局可以看出，处于适度预警级别以上的行政村主要集中在县域北部的新滩乡、河口镇、汪二镇。河口镇韩家村、河口镇龙角湖村、永平镇垦殖场、武夷山镇篁村分场在3种情景下的非粮化预警级别较高。自然发展情景下有3个行政村处于严重预警级别，耕地管制情景的非粮化预警级别总体较低，生态保护情景的适度预警区在县域北部的信江沿岸和中心城区周边成连片状分布。

4 讨论

2021年公布的第三次全国国土调查数据显示，全国耕地数量在过去10 a间减少了7.50×10⁴ km²，中国耕地保护正面临耕地资源结构化供需失衡、耕地利用逐利化倾向突出及耕地功能多元化供给失调等难题^[29]。铅山县乡镇经济和工矿业的发展导致大量耕地资源被向外扩张的建设用地所侵占，农业结构调整和生态修复工程造成部分耕地流向林地或草地，县域耕地非农化和非粮化问题面临严峻的挑战。

基于遥感解译技术所获取的土地利用分类结果是识别和预警耕地非农化和非粮化的前提^[30]，当前耕地非农化和非粮化研究面临土地利用分类精度较差的问题。有鉴于此，本文采用空间分辨率和总体精度较高的Esri Land Cover土地利用数据进行耕地叠加分析和土地利用模拟，确保研究结果的可信度。

此外，铅山县与赣南、重庆、闽东等典型南方丘陵区在耕地非农化和非粮化的驱动机制方面具有相似性，城乡区位、自然地理条件和耕地保护政策是影响该类地区非农化和非粮化的关键因素^{[5, 8, 31]}。根据空间计量模型的分析结果，综合考虑当地发展条件，参考其他研究区的治理经验，本文对铅山县耕地非农化和非粮化治理提出以下建议：①推进高标准农田建设，改善耕地质量。相关研究证实，当农业生产者能够通过种植粮食作物满足预期收益的时候，优质土地往往不会被用作非农建设^[28]。②建立耕地保护补偿机制。在城镇化的过程中，远离镇区中心的行政村受到城镇集聚作用影响，大量农村人口向城镇转移，造成乡村人口空心化。偏远乡村的人口空心化导致了农村劳动力缺失和耕地撂荒，进而诱发耕地非农化和非粮化现象。因此，有必要对承担耕地保护任务的农民和农村集体经济组织实施资金补偿，提高农民收入和生活质量，避免农村劳动力的流失。③提高乡镇集约节约用地水平。工商资本下乡加剧了乡村耕地非农化和非粮化问题^[32]，粗放的土地利用模式需要占用更多的耕地以取得经济发展的成果^[33]。通过对城镇低效用地和废弃矿区进行改造和复垦，为城镇的发展腾出更多的可利用土地，能有效减少耕地向其他类型用地的转化。④推进全域土地综合整治，完善耕地流转制度。耕地非农化和非粮化是基于耕地产权细碎化的农户选择^[6]，地方政府应开展全域土地综合整治，鼓励农户将产权分散的耕地整合起来，提高耕地规模化和机械化水平，降低农户从事农业生产的成本。

现有研究侧重于讨论耕地非农化和非粮化的现状特征、时序变化和驱动机制，无法对非农化和非粮化问题作出预警，提出的建议和措施往往等到问题发生的时候才能实施^[17]。本文通过设置限制转换区并控制地类间的转换速率，模拟出2029年铅山县在自然发展、耕地管制、生态保护3种情景下的土地利用空间格局，叠加2021年土地利用数据对铅山县非农化和非粮化问题进行预警。预警结果表明，耕地管制情景和生态保护情景的预警级别总体偏低，反映出永久基本农田和生态保护红线的保护制度能有效控制非农化和非粮化问题。自然发展情景的预警级别总体偏高，高预警区域集中在道路密度和人均建设用地面积相对较大，人均耕地面积相对较小的行政村。路网密度较大的地区往往是货物集散中心，产品、人力和资本的流动必定会带动产业发展，伴随而来的是日益增长的用地需求。在城镇化背景下，经济发展与耕地保护之间的矛盾需加以重视，地方政府要把保障粮食安全放在首位，严格落实耕地“占补平衡”和“进出平衡”的管制措施。此外，地方政府应积极提高土地利用效率，将人均建设用地面积控制在合适的水平，鼓励耕地流转使产权零散的耕地集中起来。

5 结论

(1) 铅山县耕地非农化和非粮化空间分异特征明显，耕地总体变化率和非粮化率高值区聚集在县域北部的河谷平原和南部的武夷山北麓山区，低值区分布在县域东西两侧的永久基本农田保护区；耕地非农化率高值区分布较为零散，低值区呈连片分布状。

(2) 空间计量模型分析结果表明，在耕地质量方面，耕地利用质量对非农化率具有显著的负向影响，提高耕地质量能够有效抑制非农化行为；在耕作条件方面，耕地规整度和耕地连片度深刻影响着非农建设活动和经济作物规模化种植的倾向，土地利用条件越好，非农化率和非粮化率越高；在生产区位方面，城乡梯度和道路密度与非农化率和非粮化率存在显著正向关系，反映出远郊地区用地监管的不足以及交通格局对占用耕地行为的影响；在资源禀赋方面，非农化率受人均建设用地、耕地后备资源的显著正向影响以及人均耕地面积的显著负向影响。

(3) 利用PLUS模型基于3种情景模拟铅山县2029年土地利用状况，进一步对耕地非农化和非粮化现象进行预警。模拟结果表明，自然发展情景下耕地面积减少幅度最大，建设用地和林地占用耕地的问题较为严重，中心城区和部分乡镇的建设用地扩张对耕地造成侵占；耕地管制情景下耕地数量整体保持不变，耕地流向林地比例减少，耕地空间连片程度提高；生态保护情景下耕地保有量略高于自然发展情景，耕地流向主要为林地，县域北部存在耕地资源被林地挤压的现象。

(4) 预警结果显示，南部乡镇的非农化预警级别整体高于北部乡镇，自然发展情景下处于适度预警级别以上的行政村数量更多；县域北部乡镇的非粮化预警级别普遍高于其他乡镇，耕地管制情景下的非粮化预警风险低于自然发展情景和生态保护情景。