王 鵬，程文仕

（甘肅農(nóng)業(yè)大學(xué)管理學(xué)院，蘭州 730070）

0 引言

隨著工業(yè)化、城鎮(zhèn)化進(jìn)程的不斷加快，耕地面積不斷減少，人地矛盾日漸尖銳[1]。轉(zhuǎn)變耕地利用觀念，提高耕地資源集約利用程度的內(nèi)涵式挖掘?qū)⒊蔀槠平馔恋毓┬杳艿谋赜芍穂2]。近年來，國(guó)內(nèi)學(xué)者從全國(guó)[3]、省域[4]、市（縣）[5]、村域[6]、農(nóng)戶[7]等尺度對(duì)耕地集約利用度進(jìn)行評(píng)價(jià)、預(yù)測(cè)、分析時(shí)空變化及差異[8-9]，主要研究集中在全國(guó)和省域等宏觀尺度，對(duì)市縣域尺度的區(qū)域差異性和特殊性研究較少。耕地集約利用度的研究方法有：面板數(shù)據(jù)和主成分分析法[3]、網(wǎng)絡(luò)分析法[10]、ArcGIS 和熵值法[11]、mlogit 模型[12]，等；影響因素分析除個(gè)別學(xué)者應(yīng)用GWR 模型[13]、ESDA 模型[14]等計(jì)量模型外，大部分學(xué)者采用多元線性回歸模型，運(yùn)用此模型時(shí)需要剔除存在相關(guān)性的數(shù)據(jù)，這些方法各有優(yōu)缺點(diǎn)，但大多要求數(shù)據(jù)間存在獨(dú)立性，使用中需要剔除存在相關(guān)性的數(shù)據(jù)，不利于全面分析耕地集約利用度的因素。本文以酒泉市為例，在采用熵值法和綜合指數(shù)法測(cè)算酒泉市2000—2018 年耕地集約利用度的基礎(chǔ)上，運(yùn)用嶺回歸模型分析各縣區(qū)耕地集約利用度的驅(qū)動(dòng)因素，以期探索酒泉市及其各縣（市、區(qū)）耕地集約利用問題，為推動(dòng)耕地資源合理利用和保障糧食安全提供參考。

1 研究區(qū)概況

酒泉市（92°20′～100°20′E，38°09′～42°48′N）位于河西走廊的西部，地勢(shì)垂直分布明顯，由西南向東北傾斜，西南部較高，東北部較低，相對(duì)高差懸殊，海拔在921～5 808 m 之間。下轄肅州區(qū)、敦煌市、玉門市、瓜州縣、金塔縣、阿克塞哈薩克族自治縣、肅北蒙古族自治縣。屬溫帶大陸性氣候，以溫帶干旱和高寒半干旱氣候?yàn)橹?，日照長(zhǎng)，降水少，蒸發(fā)量大，干旱少雨，冬季嚴(yán)寒，夏季酷熱。日照時(shí)數(shù)2 789～3 222 h，年平均氣溫6.5～10.4℃，年降水量42～202.6 mm。雖然降水量較少，但疏勒河、黑河、哈爾騰河三大水系為農(nóng)業(yè)生產(chǎn)提供了便利的灌溉條件。2018 年末，全市112.7 萬人，地區(qū)生產(chǎn)總值596.9 億元，全市耕地面積20.590 6 萬hm2，糧食總產(chǎn)量50.9 萬t。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

本文農(nóng)膜使用量、農(nóng)業(yè)勞動(dòng)人口、農(nóng)業(yè)機(jī)械總動(dòng)力、化肥施用量（折純量）、農(nóng)業(yè)產(chǎn)值、糧食產(chǎn)量、人均糧食占有量和人均糧食占有量等數(shù)據(jù)來源于2001—2019 年《甘肅農(nóng)村年鑒》；農(nóng)民人均純收入、總?cè)丝凇DP、第一產(chǎn)業(yè)投資額等數(shù)據(jù)來源于2001—2019 年《甘肅發(fā)展年鑒》，其中2017 年與2018 年農(nóng)民人均純收入缺失的數(shù)據(jù)采用均值插補(bǔ)法進(jìn)行數(shù)據(jù)重建；農(nóng)作物播種面積、耕地面積、有效灌溉面積、年末年初耕地面積、糧食播種面積等數(shù)據(jù)來源于2001—2019 年《酒泉市年鑒》。各縣（市、區(qū)）的行政邊界矢量化數(shù)據(jù)來源于國(guó)家地理空間信息中心網(wǎng)站。

2.2 研究方法

2.2.1 耕地利用集約度評(píng)價(jià)指標(biāo)體系選擇與計(jì)算。參考前人研究成果[15]，根據(jù)酒泉市實(shí)際情況和數(shù)據(jù)的可獲取性，從投入強(qiáng)度、產(chǎn)出效率、利用強(qiáng)度和可持續(xù)性四個(gè)方面，選擇復(fù)種指數(shù)、灌溉指數(shù)等11 個(gè)影響因素構(gòu)建評(píng)價(jià)指標(biāo)體系（表1），指標(biāo)屬性均為正向。本文在采用極值法對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理的基礎(chǔ)上，運(yùn)用改進(jìn)熵值法和綜合指標(biāo)法測(cè)算耕地集約利用度，評(píng)價(jià)模型如下[16]：

（1）采用極值法對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化處理。

（2）計(jì)算各指標(biāo)所占的比重。

（3）計(jì)算各指標(biāo)的熵和差異性系數(shù)。其計(jì)算公式為：

式中，ej表示各指標(biāo)的熵，dj表示差異性系數(shù)，k=1/lnn，k 為常數(shù)，n 為樣本數(shù)。

（4）計(jì)算各指標(biāo)的權(quán)重（熵值結(jié)果見表1）。其計(jì)算公式為：

表1 酒泉市耕地利用集約度評(píng)價(jià)指標(biāo)體系

式中，Ti表示第i 個(gè)地區(qū)綜合評(píng)價(jià)指數(shù)值。

2.2.2 耕地集約利用驅(qū)動(dòng)因素指標(biāo)體系構(gòu)建與評(píng)價(jià)方法。根據(jù)區(qū)域?qū)嶋H情況，參考已有研究[17]，從自然資源、社會(huì)經(jīng)濟(jì)、政策環(huán)境、農(nóng)業(yè)科技4 個(gè)方面選取耕地質(zhì)量、農(nóng)業(yè)產(chǎn)業(yè)政策等9 個(gè)指標(biāo)作為耕地集約利用度的驅(qū)動(dòng)因素（表2）。

表2 耕地集約利用驅(qū)動(dòng)因素指標(biāo)體系

借助SPSS 25.0，對(duì)所選取的9 項(xiàng)指標(biāo)與耕地集約利用度進(jìn)行相關(guān)性分析，篩選出與耕地集約利用度相關(guān)性顯著的指標(biāo)，再應(yīng)用嶺回歸模型分析各縣（市、區(qū)）耕地集約利用度的驅(qū)動(dòng)因素。

嶺回歸模型是一種專用于共線性數(shù)據(jù)分析的有偏估計(jì)回歸方法，是發(fā)揮定性分析和定量分析有機(jī)結(jié)合的一種分析方法，在解決多重共線性問題中有其獨(dú)特之處，參數(shù)估計(jì)的顯著性和穩(wěn)定性卻明顯高于普通回歸，其接近真實(shí)性的可能性較大，因而在存在共線性問題和病態(tài)數(shù)據(jù)偏多的研究中有較大的實(shí)用價(jià)值，廣泛應(yīng)用于分析各變量之間的相互作用和關(guān)系[18]。

3 結(jié)果與分析

3.1 耕地集約利用度比較

在采用改進(jìn)熵值法和綜合指標(biāo)法測(cè)算各縣（市、區(qū)）2000—2018 年耕地集約利用度的基礎(chǔ)上（圖1），利用SPSS 25.0 軟件中的K-均值聚類方法進(jìn)行分級(jí)，得到分級(jí)結(jié)果（圖2，表3）。

表3 耕地集約利用綜合評(píng)價(jià)水平分級(jí)表

從圖1、圖2 可以看出，（1）2000—2018 年酒泉市耕地集約利用水平整體較低且年際變化較小，均值在0.216～0.284 之間，表現(xiàn)為先下降后上升的趨勢(shì)。（2）縣域之間差異較大，均值在0.167～0.485 之間，最高的是肅州區(qū)，最低的是瓜州縣。酒泉市耕地集約利用度均值為0.226，玉門市、敦煌市、瓜州縣、肅北縣分別為0.188、0.221、0.167、0.225，均低于酒泉市平均水平；肅州區(qū)、金塔縣、阿克塞縣分別為0.485、0.248、0.303，均高于酒泉市平均水平。（3）時(shí)序演變上，2000—2018年，肅州區(qū)、玉門市、瓜州縣與金塔縣的耕地集約利用度以2006 年為界呈先減后增的變化過程，敦煌市、肅北縣與阿克塞縣耕地集約利用度呈波動(dòng)式上升趨勢(shì)。（4）空間分布上，酒泉市耕地集約利用度整體上呈南北高、中部低的空間分布特征且差異顯著。即肅州區(qū)、金塔縣、肅北縣、阿克塞縣較高，玉門市、敦煌市、瓜州縣較低。

圖2 酒泉市各縣（市、區(qū)）不同年份耕地集約利用度

3.2 耕地集約利用的驅(qū)動(dòng)因素分析

3.2.1 耕地集約利用度與驅(qū)動(dòng)因素的相關(guān)性分析。以瓜州縣為例，借助SPSS 25.0 平臺(tái)，對(duì)耕地集約利用度及驅(qū)動(dòng)因素進(jìn)行相關(guān)性分析（表4）。結(jié)果顯示：人均耕地面積（x3）、農(nóng)業(yè)產(chǎn)業(yè)政策（x7）與耕地集約利用度（Y）之間的相關(guān)性不顯著，剔除這2 項(xiàng)變量，其余因素變量與耕地集約利用度之間的相關(guān)性較強(qiáng)，作為主要因素，且存在共線性。

表4 瓜州縣耕地集約利用度與驅(qū)動(dòng)因素的相關(guān)性分析結(jié)果

3.2.2 耕地集約利用度與驅(qū)動(dòng)因素的嶺回歸分析。根據(jù)相關(guān)性分析結(jié)果，將相關(guān)性顯著的X3、X4、X5、X6、X8這5 個(gè)變量作為瓜州縣的主要因素，在SPSS 中繪制瓜州縣耕地集約利用度驅(qū)動(dòng)因素嶺跡圖（圖3）。

圖3 瓜州縣耕地集約利用度驅(qū)動(dòng)因素嶺跡圖

由圖3 可知，當(dāng)K≥0.12 時(shí)，各回歸系數(shù)趨于穩(wěn)定，因此，瓜州縣取K=0.12 進(jìn)行嶺回歸分析，計(jì)算回歸結(jié)果（表5），其嶺回歸模型表達(dá)式為：

3.3 不同地區(qū)耕地集約利用度的驅(qū)動(dòng)因素分析

同瓜州縣一樣，分析酒泉市及其余各縣區(qū)的情況。與耕地集約利用度之間無顯著相關(guān)性需剔除的指標(biāo)情況為：酒泉市的人均耕地面積、耕地質(zhì)量和灌溉指數(shù)，肅州區(qū)的耕地面積比例和灌溉指數(shù)，玉門市的耕地質(zhì)量和灌溉指數(shù)，敦煌市的耕地質(zhì)量和灌溉指數(shù)，金塔縣的耕地質(zhì)量和灌溉指數(shù)，肅北縣的人均耕地面積、耕地質(zhì)量和地均GDP，阿克塞縣的人均耕地面積、耕地面積比例、農(nóng)民人均純收入、農(nóng)業(yè)產(chǎn)業(yè)政策，其余指標(biāo)作為主要因素進(jìn)入回歸模型。由于其余指標(biāo)之間存在共線性，回歸模型均通過了F 統(tǒng)計(jì)量檢驗(yàn)且各縣區(qū)p＜0.05，表明模型有意義，擬合效果良好。因此適合使用嶺回歸模型進(jìn)行分析。

根據(jù)擬合的嶺回歸模型得到各縣區(qū)的嶺回歸結(jié)果（表5），其中肅州區(qū)、玉門市、敦煌市、金塔縣、肅北縣、阿克塞縣和酒泉市的K 值分別取0.07、0.01、0.99、0.01、0.15、0.06、0.01。根據(jù)回歸結(jié)果，考慮各縣區(qū)整體情況，選取回歸系數(shù)大于0.05 的指標(biāo)作為主導(dǎo)驅(qū)動(dòng)因素。

從表5 可以看出，酒泉市及各縣區(qū)的耕地集約利用度影響因素差別較大，且相同因素對(duì)不同區(qū)域的耕地集約利用水平起不同作用：

表5 酒泉市各縣（市、區(qū)）耕地集約利用驅(qū)動(dòng)因素嶺回歸結(jié)果

（1）酒泉市的主要驅(qū)動(dòng)因素為耕地面積比例和地均GDP。2 個(gè)指標(biāo)的回歸系數(shù)均為正，對(duì)耕地集約水平起促進(jìn)作用，符合酒泉市耕地面積變化和地均GDP 變化趨勢(shì)。

（2）瓜州縣的主要驅(qū)動(dòng)因素為耕地質(zhì)量、地均GDP和農(nóng)業(yè)機(jī)械化水平。3 個(gè)指標(biāo)的回歸系數(shù)均為正，對(duì)耕地集約利用水平起促進(jìn)作用，符合瓜州縣耕地質(zhì)量、地均GDP 和農(nóng)業(yè)機(jī)械化水平變化情況。

（3）肅州區(qū)的主要驅(qū)動(dòng)因素為人均耕地面積和耕地質(zhì)量。人均耕地面積的回歸系數(shù)為負(fù)，對(duì)耕地集約利用水平起抑制作用；耕地質(zhì)量的回歸系數(shù)為正，對(duì)耕地集約利用水平起促進(jìn)作用。符合肅州區(qū)人均耕地面積和耕地質(zhì)量變化情況。

（4）玉門市的主要驅(qū)動(dòng)因素為耕地面積比例、農(nóng)民人均純收入和地均GDP。耕地面積比例的回歸系數(shù)為負(fù)，對(duì)耕地集約利用水平起抑制作用；農(nóng)民人均純收入與地均GDP 的回歸系數(shù)為正，對(duì)耕地集約利用水平起促進(jìn)作用。符合玉門市耕地面積比例、農(nóng)民人均純收入和地均GDP 的變化情況。

（5）敦煌市的主要驅(qū)動(dòng)因素為耕地面積比例和地均GDP。耕地面積比例的回歸系數(shù)為負(fù)，對(duì)耕地集約利用水平起抑制作用；地均GDP 的回歸系數(shù)為正，對(duì)耕地集約利用水平起促進(jìn)作用。符合敦煌市耕地面積比例和地均GDP 的變化情況。

（6）金塔縣的主要驅(qū)動(dòng)因素為耕地面積比例、農(nóng)民人均純收入和地均GDP。耕地面積比例的回歸系數(shù)為負(fù)，對(duì)耕地集約利用水平起抑制作用；農(nóng)民人均純收入和地均GDP 的回歸系數(shù)均為正，對(duì)耕地集約利用水平起促進(jìn)作用。符合金塔縣耕地面積比例、農(nóng)民人均純收入和地均GDP 變化情況。

（7）肅北縣的主要驅(qū)動(dòng)因素為農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)產(chǎn)業(yè)政策和灌溉指數(shù)。農(nóng)業(yè)產(chǎn)業(yè)政策的回歸系數(shù)為負(fù)，對(duì)耕地集約利用水平起抑制作用；農(nóng)業(yè)產(chǎn)值與灌溉指數(shù)的回歸系數(shù)均為正，對(duì)耕地集約利用水平起促進(jìn)作用。符合肅北縣農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)產(chǎn)業(yè)政策和灌溉指數(shù)變化情況。

（8）阿克塞縣的主要驅(qū)動(dòng)因素為耕地質(zhì)量、地均GDP 和灌溉指數(shù)。耕地質(zhì)量的回歸系數(shù)為負(fù)，對(duì)耕地集約利用水平起抑制作用；地均GDP 與灌溉指數(shù)的回歸系數(shù)均為正，對(duì)耕地集約利用水平起促進(jìn)作用。符合阿克塞縣耕地質(zhì)量、地均GDP 和灌溉指數(shù)變化情況。

4 討論與結(jié)論

（1）相比一般多元線性回歸模型，嶺回歸模型對(duì)數(shù)據(jù)的共線性具有超強(qiáng)的容忍能力[17]，對(duì)酒泉市及各縣區(qū)耕地集約利用度的驅(qū)動(dòng)因素分析較為合理，結(jié)果較為符合實(shí)際情況，是分析耕地集約利用度驅(qū)動(dòng)因素的較好方法。

（2）酒泉市耕地集約利用度整體上水平較低且差異較大，呈南北高、中部低的空間分布特征。即肅州區(qū)、肅北縣、金塔縣、阿克塞縣較高，玉門市、敦煌市、瓜州縣較低。

（3）2000—2018 年各區(qū)縣的變化情況差別較大，肅州區(qū)、玉門市、瓜州縣與金塔縣耕地集約利用度呈先減后增的變化過程，敦煌市、肅北縣與阿克塞縣耕地集約利用度呈波動(dòng)式上升趨勢(shì)。

（4）酒泉市及各縣區(qū)的耕地集約利用度影響因素差別較大，且相同因素對(duì)不同地方的耕地集約利用水平起不同作用，各地應(yīng)當(dāng)根據(jù)當(dāng)?shù)貙?shí)際情況，根據(jù)對(duì)耕地集約利用水平起抑制或促進(jìn)作用的主要因素，因地制宜地制定相關(guān)政策和措施，以提高耕地集約利用水平，實(shí)現(xiàn)耕地資源的高效合理利用。