劉洪彬，高嘉鞠，吳夢瑤，劉新華，曾妍，董秀茹

（沈陽農(nóng)業(yè)大學(xué)土地與環(huán)境學(xué)院，沈陽 110161）

土地作為人類進行生產(chǎn)和生活活動的物質(zhì)載體，是十分寶貴的資源[1]，耕地作為土地資源利用方式中最重要的一種，對于保障國家糧食安全，進行工業(yè)化和城市化建設(shè)具有不可替代的作用[2]。21世紀以來，城市化、工業(yè)化進程不斷加快以及經(jīng)濟社會快速發(fā)展，使得建設(shè)用地不可避免地占用大量的耕地，導(dǎo)致耕地數(shù)量呈現(xiàn)出不斷減少的趨勢。而有著“壓艙石、穩(wěn)壓器”之稱的東北黑土地資源也存在著同樣的問題[3]。在振興東北的大局規(guī)劃中，經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化是重點，而農(nóng)業(yè)和糧食生產(chǎn)的地位也同樣重要[4]。在此背景下，地區(qū)經(jīng)濟發(fā)展與耕地保護矛盾突出，而如何平衡二者關(guān)系是亟需解決的問題[5]。2021年農(nóng)業(yè)農(nóng)村部同國家發(fā)改委等共同編制了《東北黑土地保護規(guī)劃綱要（2017-2030年）》，為保護東北黑土區(qū)耕地數(shù)量，提升黑土區(qū)耕地資源的可持續(xù)性利用，促進構(gòu)建集中連片、產(chǎn)能穩(wěn)定的商品糧基地[6]。因此，剖析研究區(qū)域耕地數(shù)量時空格局變化，探究耕地變化的驅(qū)動機制，對于保護及合理利用黑土區(qū)耕地資源有著重要作用。

當前學(xué)者們對耕地的研究更多地集中在耕地質(zhì)量上，但研究耕地數(shù)量變化對于耕地合理利用和社會發(fā)展也同樣具有重要作用。在耕地數(shù)量變化及驅(qū)動機制研究中，主要從時空演變[7-8]、研究尺度[9-10]和研究方法[11-12]等方面對耕地變化進行了深入探討。通過對已有研究進行分析，發(fā)現(xiàn)仍存在不足：從研究對象方面，大部分研究多基于省域及以上尺度來進行分析，而以縣域作為研究單元的研究較為缺乏，且不同縣域之間社會經(jīng)濟發(fā)展狀況差異明顯，因此從縣域尺度來研究耕地數(shù)量具有重要意義；從研究內(nèi)容方面，現(xiàn)有研究多從數(shù)量變化方面進行分析，而對耕地時空格局變化的研究相對較少，相關(guān)研究內(nèi)容有待進一步拓展和完善；從研究方法方面，目前關(guān)于耕地利用變化驅(qū)動力的研究大多采用主成分分析以及與其相結(jié)合的研究方法，鮮有用空間計量模型從空間地理的角度對其進行分析。

隨著東北經(jīng)濟的不斷發(fā)展，城市化建設(shè)已經(jīng)成為了必然的發(fā)展渠道之一，對東北三省黑土區(qū)耕地數(shù)量保護和糧食安全產(chǎn)生了一定的壓力。因此鑒于已有成果提供的研究基礎(chǔ)和經(jīng)驗借鑒，本研究將選擇東三省黑土區(qū)作為研究區(qū)域，以相關(guān)行政區(qū)劃圖、縣（市、區(qū)）的耕地面積數(shù)據(jù)、社會經(jīng)濟數(shù)據(jù)為基礎(chǔ)，構(gòu)建驅(qū)動力理論分析框架；運用地理信息技術(shù)分析2014～2018年東北三省黑土區(qū)耕地時間和空間的變化規(guī)律，揭示東北三省黑土區(qū)耕地在時間和空間的動態(tài)特征變化；運用空間計量模型探討研究區(qū)域耕地數(shù)量變化的驅(qū)動機制，以期為保障國家糧食安全及黑土區(qū)耕地保護與利用提供依據(jù)和決策支持。

1 理論框架與機制分析

耕地數(shù)量的變化必然會影響到區(qū)域的糧食生產(chǎn)，因此為保證區(qū)域糧食安全，探討耕地數(shù)量變化的驅(qū)動機制顯得格外重要[13]。影響耕地利用變化的驅(qū)動因素主要可以分為自然和社會經(jīng)濟兩類因素。在東北全面振興的背景下，加快社會經(jīng)濟發(fā)展速度，隨之人地矛盾也更加突出。人們發(fā)展工業(yè)、商業(yè)，追求更好的生活，不可避免地占用耕地，但城鎮(zhèn)化發(fā)展與耕地保護相互制約，使得人地關(guān)系緊張。而耕地對于保證人民的糧食安全、保障國民經(jīng)濟的同時，也能夠滿足子孫后代發(fā)展的需要，使得耕地資源可持續(xù)利用。因此，基于人地關(guān)系理論和可持續(xù)發(fā)展理論對驅(qū)動因子的選取應(yīng)該包括影響耕地的自然因素，以及影響耕地利用方式的人口因素、經(jīng)濟因素、產(chǎn)業(yè)結(jié)構(gòu)因素和農(nóng)業(yè)發(fā)展因素。構(gòu)建的理論框架如圖1。

耕地利用方式是土壤、氣候、地形地貌等各種自然因素的綜合利用，而耕地利用中的自然驅(qū)動因素對其地域分布特征的影響較大[14]。由于自然因素往往在長時間序列中發(fā)揮作用，且對耕地質(zhì)量變化影響較大，所以本研究不考慮[15]。耕地的空間分布格局與發(fā)展方向由自然環(huán)境決定，是耕地發(fā)展的基礎(chǔ)，而耕地在短期內(nèi)發(fā)生變化是由社會經(jīng)濟等人文因素的變化所導(dǎo)致。振興東北需要發(fā)展經(jīng)濟，農(nóng)業(yè)和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化。近年來，東北地區(qū)人口減少，將會有利于耕地的規(guī)模經(jīng)營，促進耕地大規(guī)模流轉(zhuǎn),從而提高耕地的利用效率，有利于耕地數(shù)量的保護。隨著我國經(jīng)濟的迅速發(fā)展,建設(shè)用地的需求日益增加，尤其是占用城郊地區(qū)大量的優(yōu)質(zhì)耕地，這就必然導(dǎo)致耕地和建設(shè)用地間的矛盾，致使耕地面積不斷縮小；而振興東北就是大力發(fā)展農(nóng)業(yè)，農(nóng)業(yè)技術(shù)進步促使糧食產(chǎn)量提高保證糧食安全，而農(nóng)業(yè)科技的進步是農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的重要動因。農(nóng)業(yè)機械等物質(zhì)的大量投入以及施用化肥、農(nóng)藥和灌溉技術(shù)的不斷完善，改進了耕地生產(chǎn)力和糧食產(chǎn)量，對保護耕地起到了積極作用。據(jù)此，本研究選用總?cè)丝?、GDP、固定資產(chǎn)投資、第一產(chǎn)業(yè)占比、第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比、農(nóng)業(yè)機械動力、糧食產(chǎn)量及農(nóng)業(yè)結(jié)構(gòu)比值作為衡量耕地利用變化的解釋變量。

圖1 耕地利用變化驅(qū)動力理論分析框架Figure 1 Theoretical analysis framework of driving forces of cultivated land use change

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)域

東北三省黑土區(qū)坐落于東北平原中部，是我國重要的農(nóng)業(yè)生產(chǎn)區(qū)之一。黑土地具有優(yōu)越的土壤肥力，非常適合農(nóng)作物生長，糧食單產(chǎn)量高，多年糧食產(chǎn)量占國家糧食總產(chǎn)量的20%以上，糧食商品率達30%，在國家糧食安全生產(chǎn)方面發(fā)揮了重要作用，擔負著保證國民經(jīng)濟穩(wěn)定和糧食生產(chǎn)安全的重要使命。近年來，在實施振興東北戰(zhàn)略中，地區(qū)經(jīng)濟發(fā)展與耕地保護矛盾突出，不可避免地占用一定數(shù)量的耕地，而耕地數(shù)量變化不僅影響到區(qū)域可持續(xù)發(fā)展,更關(guān)系到國家的糧食安全。因此，本研究基于《東北黑土地保護規(guī)劃綱要（2017-2030年）》中規(guī)定的東北三省黑土區(qū)耕地面積，結(jié)合農(nóng)業(yè)農(nóng)村部門提供的縣（市、區(qū)）行政范圍，并根據(jù)自然資源部門的土地調(diào)查數(shù)據(jù)，以此確定了東北三省黑土區(qū)包括112個縣（市、區(qū)），耕地總面積約為2.32×107hm2。其中，遼寧省有17個縣（市、區(qū)）耕地面積約為1.85×106hm2，吉林省有26個縣（市、區(qū)）耕地面積約為4.99×106hm2，黑龍江省有69個縣（市、區(qū)）耕地面積約為1.64×107hm2。

2.2 數(shù)據(jù)來源

本研究區(qū)域為東北三省黑土區(qū)112個縣（市、區(qū)），研究時段為2014～2018年，其中人口因素、經(jīng)濟因素、產(chǎn)業(yè)結(jié)構(gòu)因素和農(nóng)業(yè)發(fā)展因素等對耕地數(shù)量變化產(chǎn)生影響的數(shù)據(jù)主要來源于《遼寧統(tǒng)計年鑒》《吉林統(tǒng)計年鑒》《黑龍江統(tǒng)計年鑒》，以及相關(guān)市縣級統(tǒng)計年鑒和公報；而用于反映耕地數(shù)量變化的耕地面積數(shù)據(jù)來源于各縣（市、區(qū)）的自然資源部門，保證了數(shù)據(jù)的準確性；同時，用于研究縣域尺度耕地利用變化的具有空間差異地耕地空間數(shù)據(jù)則來源于國家基礎(chǔ)地理信息中心。最后，將統(tǒng)計數(shù)據(jù)導(dǎo)入到Arcgis軟件中，連接到與之對應(yīng)的行政區(qū)劃的屬性表中，為后續(xù)研究做準備。

表1 數(shù)據(jù)來源Table 1 Data sources

2.3 研究方法

本研究首先利用耕地凈變化率、耕地變化動態(tài)度方法對研究區(qū)2014～2018年耕地數(shù)量變化情況進行分析；然后基于社會經(jīng)濟數(shù)據(jù)，利用stata軟件進行空間計量分析，探討影響耕地變化的驅(qū)動機制。

2.3.1 耕地凈變化率耕地凈變化率通常用來反映一定時期內(nèi)耕地凈流入或流出的程度，一般用研究期間內(nèi)耕地凈變化量占研究初期耕地總量的比例表示。計算公式為[16]：

其中：N為耕地凈變化率；S為研究區(qū)初期耕地總面積；Ub為研究時段內(nèi)增加的耕地面積；Ua為研究期間內(nèi)減少的耕地面積。

2.3.2 耕地變化動態(tài)度耕地變化動態(tài)度是指一段時間內(nèi)耕地數(shù)量的變化情況，用來反映耕地資源穩(wěn)定性，若耕地變化動態(tài)度越高，則耕地資源的穩(wěn)定性越差。計算公式為[17]：

其中:V為研究時段t時間內(nèi)耕地變化動態(tài)度；ΔUi為研究時段t時間內(nèi)耕地數(shù)量的變化量；S為研究初期耕地面積；t為研究期時長。

2.3.3 空間自相關(guān)分析空間自相關(guān)系數(shù)是用來度量物理或生態(tài)學(xué)變量在空間上的分布特征及其對領(lǐng)域的影響程度。

首先，采用Global Moran's I指數(shù)進行全局空間自相關(guān)分析，以此定量地衡量在空間上總體關(guān)聯(lián)與差異程度。計算公式為：

其次，進行局部空間自相關(guān)分析，采用Local Moran's I指數(shù)來度量研究區(qū)域中某一縣（市、區(qū)）的耕地數(shù)量變化與周邊其他縣（市、區(qū)）之間的空間差異程度。計算公式為[18]：

式中：x為全部單元的平均值；xi和xj分別為第i與j單元的觀測值；n為研究單元數(shù)；Wij為每一個單元的空間權(quán)重矩陣；當i單元與j單元相鄰時，則權(quán)重為1，否則權(quán)重為0。

2.3.4 空間計量模型任何事物間都必然存在著某種相關(guān)性，只是相近事物間的這種相關(guān)性更強[19]。如果僅考慮到某一縣（市、區(qū)）的耕地數(shù)量變動，忽略了區(qū)域間的空間相關(guān)性，則可能會出現(xiàn)有偏差的結(jié)論。因此在研究社會經(jīng)濟因素對耕地數(shù)量變化的影響效應(yīng)時，還應(yīng)考慮地區(qū)間的空間關(guān)聯(lián)性，分析其空間溢出效應(yīng)?？臻g計量模型能夠有效分析要素間存在的空間效應(yīng)，尤其是研究要素之間存在著空間自相關(guān)關(guān)系時，用空間計量模型進行估計能使研究結(jié)果更為準確[20]。常見的空間計量模型如下。

空間滯后模型（SAR）：

式中：ρ為空間自回歸系數(shù)；W為空間權(quán)重矩陣；y為因變量；X為解釋變量矩陣；β為待估計的自變量系數(shù)；ε為隨機誤差項，表示該區(qū)域內(nèi)的耕地變動，既受區(qū)域內(nèi)相關(guān)因素影響，又與鄰近區(qū)域的耕地變動有關(guān)。

空間誤差模型（SEM）：

式中：ν為隨機誤差向量，表明該區(qū)域內(nèi)的耕地變動不僅受可觀測的相關(guān)變量影響，還受部分具有一定空間結(jié)構(gòu)的難以觀測到的隨機干擾項影響。

空間杜賓模型（SDM）：

式中：θ為k×1的待估計自變量空間滯后項系數(shù)，表明該區(qū)域耕地變動，除受鄰近地區(qū)耕地變動的空間溢出作用影響，還與鄰近地區(qū)其他因素變化有關(guān)[21-23]。

3 結(jié)果與分析

3.1 東北三省黑土區(qū)耕地利用的時間變化趨勢

3.1.1 耕地總量變化耕地資源總是以一定的數(shù)量存在于地表間，對耕地數(shù)量變化進行分析，能夠揭示區(qū)域耕地利用變化的總體態(tài)勢。對東北三省黑土區(qū)耕地總量的數(shù)據(jù)進行分析，發(fā)現(xiàn)耕地利用格局發(fā)生了顯著的變化。由表2可知，2014～2018年間研究區(qū)域耕地總面積持續(xù)減少，雖有部分縣區(qū)耕地面積有所增加，但總體依然呈下降趨勢。黑土區(qū)耕地面積由2014年的2.3247×107hm2減少到2018年的2.3208×107hm2，共減少面積為3.8107×104hm2，減少幅度為0.16%。其中，2016～2017年間耕地減少情況較為明顯，耕地面積減少2.0244×104hm2。

表2 耕地總面積Table 2 Total area of cultivated land

3.1.2 耕地凈變化率特征由圖2可知，2014～2015年東北三省黑土區(qū)耕地凈流入幅度較大的地區(qū)主要集中在東北三省的西北部,其中海林市耕地凈變化率最大，為0.09%。而東北三省西南部和東北部部分地區(qū)耕地流失情況較為嚴重,研究區(qū)域耕地面積表現(xiàn)出中間向兩邊遞減的特征；2015年后，耕地凈變化率大于0.1%的縣區(qū)增加，同時耕地凈變化率大于-0.1%的區(qū)域減少。2015～2018年間除東北三省黑土區(qū)西北部及西南部部分區(qū)域外，研究區(qū)域耕地處于凈流失狀態(tài),其中，長春市區(qū)、吉林市區(qū)和四平市區(qū)等地區(qū)耕地凈流失率超過-0.1%?？傮w來看，2014～2018年間東北三省黑土區(qū)耕地凈流失面積不斷減少,耕地凈流入則主要集中在研究區(qū)域的西北部，而南部和東北部部分地區(qū)耕地流失問題始終較為突出。

圖2 2014～2018年耕地凈變化率Figure 2 Net change rate of cultivated land in 2014-2018

3.1.3 耕地變化動態(tài)度特征根據(jù)東北三省黑土區(qū)耕地面積變化情況，本研究以每1年為子時間段利用式（2）分別求出每個子時段的動態(tài)度，對動態(tài)度進行分級并分區(qū)域表示，結(jié)果如圖3。東北三省黑土區(qū)耕地利用的動態(tài)度在2014～2018年由1.37%變?yōu)?.97%，耕地變化的速度放緩，耕地資源的穩(wěn)定性提高。從2014年開始，除研究區(qū)域北部及西南部部分區(qū)域外，大部分地區(qū)耕地變化動態(tài)度不超過0.06%，研究區(qū)域耕地面積變化較為穩(wěn)定。其中2016～2017年間耕地面積變化動態(tài)度較高，長春市區(qū)、吉林市區(qū)等部分地區(qū)動態(tài)度超過0.1%。2014～2018年東北三省黑土區(qū)耕地面積變化動態(tài)度大體呈現(xiàn)南高北低的特點，南部部分地區(qū)動態(tài)度大于0.06%，耕地面積變化較為活躍?？傮w來看，2014～2018年東北三省黑土區(qū)耕地面積變化動態(tài)度不斷降低，研究區(qū)域耕地資源穩(wěn)定性增強，位于東北三省北部的耕地資源穩(wěn)定性較好，這與耕地凈變化率特征基本保持一致。

圖3 2014～2018年耕地動態(tài)度變化Figure 3 Dynamic change of cultivated land in 2014-2018

3.2 東北三省黑土區(qū)耕地利用變化的空間格局差異及其動態(tài)特征

本研究將東北三省黑土區(qū)112個縣（市、區(qū)）的耕地面積作為研究對象，在軟件GeoDa操作平臺上，利用式（3）和式（4）計算Global Moran's I指數(shù)值，來判定縣域尺度耕地面積的總體空間特征。由表3可知，研究區(qū)耕地面積2014～2018年的Global Moran's I均大于0，且總體呈現(xiàn)出逐年上升的趨勢。研究期間內(nèi)Z得分均大于2.58，p值通過了1%的顯著性檢驗。這表明研究區(qū)縣域耕地面積在空間上不是隨機分布，而是耕地面積相接近的縣（市、區(qū)）在空間分布上比較臨近，呈集中分布即耕地面積比較大的地區(qū)其周邊地區(qū)耕地面積也比較大；而空間自相關(guān)系數(shù)變化不大，這表明耕地面積的總體空間差異基本沒有發(fā)生太大變化，即大多數(shù)縣（市、區(qū)）耕地面積同周邊縣（市、區(qū)）的差異幾乎變化不大。

表3 Moran'I指數(shù)Table 3 Moran'I index

為了進一步探究東北三省黑土區(qū)耕地面積變化聚集特征，利用冷熱點分析法對2014年和2018年的耕地面積變化冷熱點區(qū)進行探索，其中耕地面積變化較多的區(qū)域為熱點區(qū)域，而耕地面積變化較少的區(qū)域為冷點區(qū)域，結(jié)果如圖4。總體而言，2014～2018年研究區(qū)耕地面積變化熱點區(qū)縮小，而冷點區(qū)與熱點區(qū)變化趨勢恰好相反。其中，熱點區(qū)域主要集中在遼寧及吉林東南部經(jīng)濟工業(yè)相對發(fā)達地區(qū)。冷點區(qū)域則主要集中在黑龍江省的西北部和東南部等重要農(nóng)業(yè)生產(chǎn)區(qū)域。就數(shù)量而言，耕地面積變化的熱點區(qū)占研究區(qū)域比例逐步下降，由原來的48個縣（市、區(qū)）縮減為46個，其中，熱點顯著區(qū)由28個區(qū)域減少到24個。而冷點區(qū)則由37個擴張到42個，冷點顯著區(qū)也由原來的14個區(qū)域增加到22個，可見耕地面積的變化整體發(fā)展較為活躍。就地區(qū)而言，2014年耕地面積變化熱點區(qū)域主要集中在吉林省，主要有吉林市區(qū)、雙陽區(qū)和永吉縣等。新民市、法庫縣、扶余市及蛟河市等地作為次熱點顯著區(qū)緊鄰著熱點顯著區(qū)，其余部分次熱點顯著區(qū)集中分布在遼寧省的北部；2018年耕地面積變化的熱點區(qū)域減少了農(nóng)安縣、榆樹市等，同時圍繞在熱點顯著區(qū)的次熱點顯著區(qū)范圍略微縮小。冷點顯著區(qū)和次冷點顯著區(qū)范圍擴張，其中，海倫市、蘭西縣等次冷點顯著區(qū)轉(zhuǎn)變?yōu)槔潼c顯著區(qū)，而通河縣、方正縣等區(qū)域由不顯著區(qū)轉(zhuǎn)變?yōu)榇卫潼c顯著區(qū)?？傮w來說，2014～2018年耕地面積變化冷點區(qū)增加主要集中在黑龍江省的北部及東南部，其原因可能是隨著東北三省黑土區(qū)農(nóng)業(yè)綜合開發(fā)以及農(nóng)業(yè)結(jié)構(gòu)調(diào)整的不斷加強，農(nóng)業(yè)綜合生產(chǎn)能力提高。而耕地面積變化熱點區(qū)減少，主要是區(qū)域經(jīng)濟發(fā)展以及產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，同時當?shù)卣掷m(xù)加大政策支持力度，從而抑制了耕地大量減少。

圖4 2014～2018年研究區(qū)域耕地面積變化熱點分析Figure 4 Hotspot analysis of farmland area change in the studied area from 2014 to 2018

3.3 東北黑土區(qū)耕地利用變化驅(qū)動機制

3.3.1 模型選擇根據(jù)前文空間相關(guān)性的檢驗結(jié)果可知，東北三省黑土區(qū)耕地面積具有顯著的正向空間相關(guān)性，而普通面板數(shù)據(jù)無法準確估計社會經(jīng)濟因素對耕地面積變化的空間溢出效應(yīng)，因此，需要構(gòu)建空間計量經(jīng)濟模型，使得估計更為準確。本研究使用stata15.0軟件，首先進行拉格朗日乘子檢驗，根據(jù)LM及Robust-LM檢驗結(jié)果判斷選擇用空間誤差模型還是空間滯后模型。之后通過LR檢驗判斷空間杜賓模型是否可以退化為空間滯后模型或退化為空間誤差模型，最后進行沃德（Wald）檢驗，若兩個統(tǒng)計量通過顯著性檢驗，說明高度拒絕原假設(shè)，則選擇空間杜賓模型。若通過Hausman檢驗，則拒絕原假設(shè)為隨機效應(yīng)的模型，選擇固定效應(yīng)模型。

根據(jù)上述的空間計量模型，參考ELHORST[24]的研究結(jié)果，使用本研究的空間數(shù)據(jù)，按照下述方法選擇最優(yōu)模型。由表4可知，本研究選擇的空間權(quán)重矩陣為鄰接矩陣，根據(jù)LM和Robust-LM檢驗結(jié)果，空間誤差模型的結(jié)果均通過5%的顯著性檢驗，而空間滯后模型的LM和Robust-LM沒通過p＜0.05的顯著性檢驗，由此表明應(yīng)該選用空間誤差模型進行參數(shù)估計。之后根據(jù)LR和Wald檢驗可知，空間誤差模型和空間滯后模型在檢驗中均通過5%的顯著性檢驗，表明空間杜賓模型既不會退化為空間誤差模型也不會退化為空間滯后模型而Hausman檢驗的p值為0.000，小于0.05，故拒絕原假設(shè)隨機效應(yīng)選擇固定效應(yīng)，之后經(jīng)過聯(lián)合顯著性檢驗確定為雙固定效應(yīng)，基于上訴檢驗結(jié)果，本研究最終選擇雙固定效應(yīng)空間杜賓模型進行參數(shù)估計。

表4 空間計量模型檢驗結(jié)果Table 4 Test results of spatial econometric model

3.3.2 實證檢驗結(jié)果分析 由表5可知，當使用Queen鄰接空間權(quán)重矩陣時，在1%顯著性水平下，空間杜賓模型的空間自回歸系數(shù)為正，系數(shù)為0.2978，表明東北三省黑土區(qū)耕地數(shù)量在各個縣（市、區(qū)）之間具有內(nèi)生的空間交互效應(yīng)，具有顯著的空間關(guān)聯(lián)特征，東北三省黑土區(qū)耕地數(shù)量在較多的區(qū)域呈現(xiàn)集聚狀態(tài)，其對自身有正向的空間溢出效應(yīng)，即如果某縣（市、區(qū)）的耕地數(shù)量有所增加，則周邊縣（市、區(qū)）的耕地數(shù)量也會增加。

另外，總?cè)丝诘幕貧w系數(shù)為0.0061，顯著為正，這表明研究區(qū)人口的變化對耕地數(shù)量增加有顯著的正相關(guān)關(guān)系。地區(qū)生產(chǎn)總值和固定資產(chǎn)投資的回歸系數(shù)在1%的顯著性水平下顯著為負，分別為-0.0124和-0.0996，說明研究區(qū)域的地區(qū)生產(chǎn)總值及固定資產(chǎn)投資對研究區(qū)域的耕地數(shù)量變化起著顯著的抑制作用，負向影響耕地數(shù)量變化。同時，從模型中可以看出，東北三省黑土區(qū)的第一產(chǎn)業(yè)占比和第三產(chǎn)業(yè)占比的回歸系數(shù)均在1%的顯著性水平下顯著為正，說明研究區(qū)域的第一產(chǎn)業(yè)占比與第三產(chǎn)業(yè)占比對研究區(qū)域的耕地數(shù)量變化起著顯著影響。而第二產(chǎn)業(yè)占比的回歸系數(shù)估計值顯著為負，即通過1%的顯著性檢驗，并且系數(shù)為負，表明第二產(chǎn)業(yè)占比的增加會導(dǎo)致耕地數(shù)量減少的情況發(fā)生。在農(nóng)業(yè)發(fā)展方面，農(nóng)業(yè)機械動力和農(nóng)業(yè)結(jié)構(gòu)比值的回歸系數(shù)估計值分別為0.0327和0.0609，在5%的顯著性水平下顯著為正，說明研究區(qū)域的農(nóng)業(yè)機械動力和農(nóng)業(yè)結(jié)構(gòu)比值對研究區(qū)域的耕地數(shù)量變化起著顯著的促進作用。糧食產(chǎn)量的回歸系數(shù)估計值為0.0026，在10%的顯著性水平下顯著為正，說明研究區(qū)域的糧食產(chǎn)量正向影響耕地數(shù)量的變化。綜合來看，2014～2018年間驅(qū)使東北三省黑土區(qū)耕地數(shù)量變化的原因可歸為受人口、經(jīng)濟、產(chǎn)業(yè)結(jié)構(gòu)及農(nóng)業(yè)發(fā)展等因素的影響，其中地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)占比、農(nóng)業(yè)機械動力等對研究區(qū)域耕地數(shù)量變化起主要作用。

表5 雙固定效應(yīng)下的空間杜賓模型結(jié)果Table 5 The results of spatial durbin model with double fixed effects

4 討論與結(jié)論

探究東北三省黑土區(qū)耕地數(shù)量變化，準確找到影響耕地數(shù)量變化的社會經(jīng)濟驅(qū)動因子并分析它們的驅(qū)動機制，不僅對合理利用該區(qū)域耕地資源、有效保護耕地具有一定的參考作用，同時也助推黑土地保護及社會穩(wěn)定發(fā)展提供借鑒意義。（1）耕地數(shù)量時空變化方面，2014～2018年耕地數(shù)量變化明顯，其原因在于東北三省中，遼寧和吉林工業(yè)經(jīng)濟相對較為發(fā)達，為了追求更大的經(jīng)濟利益，一定程度上會犧牲農(nóng)業(yè)的發(fā)展，從而抑制耕地的保護。而黑龍江省地勢平坦，有良好的農(nóng)業(yè)資源，農(nóng)業(yè)生產(chǎn)規(guī)模大,機械化水平高，因此有利于耕地資源的保護。近些年來，受“東北黑土地保護利用工程”“東北黑土地保護性耕作行動計劃”等相關(guān)政策的影響，各地政府加大政策支持力度，嚴格執(zhí)行耕地保護制度，從而抑制了耕地大量減少。（2）耕地變化驅(qū)動因素方面，近年來東北三省人口不斷減少，常住人口由2014年的10976萬人減少到2018年的10836萬人，使得東北地區(qū)勞動力出現(xiàn)不足的問題。但人口減少有利于耕地的規(guī)模經(jīng)營，促進耕地大規(guī)模流轉(zhuǎn),從而提高耕地的利用效率，有利于耕地數(shù)量的保護。而經(jīng)濟的快速發(fā)展，城市化水平的提高，使得城市邊界持續(xù)擴張，造成建設(shè)用地需求增加；工業(yè)作為東北三省的經(jīng)濟支柱，在加快經(jīng)濟發(fā)展的過程中也會消耗大量寶貴的耕地資源。農(nóng)業(yè)在東北三省國民經(jīng)濟發(fā)展中占有重要的地位，并且在第一產(chǎn)業(yè)中占比較高，而這一定程度上可以說明更多的土地投入到農(nóng)業(yè)生產(chǎn)中，有利于耕地數(shù)量增加。而研究區(qū)域地勢平坦有利于農(nóng)機作業(yè)，隨著農(nóng)業(yè)生產(chǎn)技術(shù)和設(shè)備水平的提高，政府出臺各自的農(nóng)機產(chǎn)業(yè)發(fā)展計劃，以及農(nóng)機補貼政策的不斷完善，因此在一定程度上有利于耕地的保護。與此同時，結(jié)合本地區(qū)的實際情況及自身的傳統(tǒng)優(yōu)勢開始逐步對種植業(yè)結(jié)構(gòu)進行調(diào)整，發(fā)展特色農(nóng)產(chǎn)品，并引進具有一定經(jīng)濟實力和管理水平的公司，積極引導(dǎo)當?shù)剞r(nóng)民參加，形成具有區(qū)域特色的農(nóng)業(yè)。同時融合形成新技術(shù)和新商業(yè)模式，促使農(nóng)產(chǎn)品銷售運輸快速發(fā)展，極大促進了耕地資源的保護。

本研究以東北三省黑土區(qū)2014～2018年耕地面積數(shù)據(jù)為基礎(chǔ)，對這5年的耕地數(shù)量時空格局變化情況進行分析，最后對社會經(jīng)濟驅(qū)動力進行空間計量分析，探討影響耕地數(shù)量變化的驅(qū)動機制。研究結(jié)果表明：（1）在耕地利用時間變化方面，2014～2018年間東北三省黑土區(qū)耕地總面積持續(xù)減少，雖有部分縣區(qū)耕地面積有所增加，但總體依然呈下降趨勢。其中，研究期間東北三省黑土區(qū)耕地凈流失面積不斷減少。而這5年中研究區(qū)域耕地面積變化動態(tài)度始終維持在中等水平，研究區(qū)域耕地資源穩(wěn)定性增強。（2）在耕地利用空間格局差異方面，研究期間東北三省黑土區(qū)耕地數(shù)量變化熱點區(qū)縮小，熱點區(qū)域主要集中在遼寧及吉林東南部經(jīng)濟工業(yè)相對發(fā)達地區(qū)。而冷點區(qū)與熱點區(qū)變化趨勢恰好相反，主要集中在黑龍江省的西北部和東南部等重要農(nóng)業(yè)生產(chǎn)區(qū)域。（3）在耕地數(shù)量變化驅(qū)動機制方面，經(jīng)過檢驗后選擇雙固定效應(yīng)的空間杜賓模型。模型回歸后發(fā)現(xiàn)，地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)占比、農(nóng)業(yè)機械動力、農(nóng)業(yè)結(jié)構(gòu)比值等對研究區(qū)域耕地數(shù)量變化起主要作用，其中地區(qū)生產(chǎn)總值對耕地數(shù)量的減少影響最大，第二產(chǎn)業(yè)占比次之，最后是固定資產(chǎn)投資；而農(nóng)業(yè)結(jié)構(gòu)比值、農(nóng)業(yè)機械動力、第一產(chǎn)業(yè)占比、總?cè)丝?、第三產(chǎn)業(yè)占比及糧食產(chǎn)量則依次起促進作用。

因此，根據(jù)上述分析結(jié)果，本研究提出了幾點啟示：第一，轉(zhuǎn)變地區(qū)的經(jīng)濟發(fā)展模式；第二，加快產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化；第三，建立耕地保護的經(jīng)濟激勵機制。一方面，在解決農(nóng)業(yè)生產(chǎn)報酬同時，對保護耕地制定相應(yīng)的經(jīng)濟激勵政策，適當提高農(nóng)業(yè)生產(chǎn)者的經(jīng)濟利益，使他們獲得的收益能滿足生活需要，同時也有利于保護耕地資源。另一方面，完善農(nóng)機補貼政策，提高農(nóng)機化水平，促進耕地資源的高效利用，提高耕地生產(chǎn)力和糧食產(chǎn)量。