京津冀地区耕地非粮化的驱动因素分析

Analysis of the Driving Factors of Non-Grain Use of Cultivated Land in the Beijing-Tianjin-Hebei Region

摘要: 目的：本文旨在分析京津冀地区耕地非粮化的驱动因素，识别核心影响因素，为耕地保护与粮食安全提供科学依据。方法：基于2010~2022年相关数据构建耕地非粮化驱动因素指标体系。通过时空地理加权回归(GTWR)模型分析各因素的影响及时空异质性，并结合地理探测器进一步识别核心影响因素及交互作用。结果：结果表明，京津冀地区耕地非粮化是由多种因素交互作用导致，且不同因素对耕地非粮化的影响在时间和空间上呈现出显著差异。进一步分析发现，京津冀地区各城市的核心影响因素也存在明显差异。结论：京津冀地区应综合考虑区域自然条件、经济发展水平和农业投入情况，采取差异化政策，加强耕地保护与合理利用，确保区域粮食安全和农业可持续发展。

Abstract: This paper aims to analyze the driving factors of non-grain use of cultivated land in the Beijing-Tianjin-Hebei region, identify the core influencing factors, and provide a scientific basis for cultivated land protection and food security. Based on data from 2010 to 2022, an index system of driving factors for non-grain use of cultivated land was constructed. The geographically and temporally weighted regression (GTWR) model was used to analyze the impacts of various factors and their spatiotemporal heterogeneity. The GeoDetector was further employed to identify the core influencing factors and their interactions. The results indicate that non-grain use of cultivated land in the Beijing-Tianjin-Hebei region is caused by the interaction of multiple factors, with significant spatiotemporal differences in the impacts of different factors. Further analysis reveals that the core influencing factors vary among cities in the region. The Beijing-Tianjin-Hebei region should take into account the natural conditions, level of economic development, and agricultural inputs comprehensively, adopt differentiated policies, strengthen the protection and rational use of cultivated land, and ensure regional food security and sustainable agricultural development.

1. 引入

粮食安全是国家安全的基石，耕地是粮食生产的根基[1]。当前，全国耕地非粮化问题突出，对粮食安全构成严重威胁。京津冀地区作为我国重要经济区域，涵盖北京、天津两个粮食主销区和河北这个粮食主产区。随着京津冀一体化推进，交通建设与产业园区的扩张不断占用耕地资源，同时市场需求的变化促使部分农民改种经济作物或发展设施农业，这进一步加剧了耕地“非粮化”现象的显现[2]。然而，目前针对京津冀地区耕地非粮化的研究较少。因此，剖析该地区耕地非粮化现状及驱动因素，不仅可以填补相关研究的空白，还能为区域耕地保护和粮食安全提供坚实的科学依据。

2. 数据来源

本文涉及(DEM)数据来源于地理空间数据云矢量数据网站[3]，同时选取北京市、天津市和河北省的数字高程模型的11个市共13个研究单元；粮食播种面积、农作物播种面积及可能与耕地非粮化有关的其余社会经济数据来源于《中国统计年鉴》《河北农村统计年鉴》《河北科技统计年鉴》《北京统计年鉴》《天津统计年鉴》与各市国民经济和社会发展统计公报等；针对个别数据缺失采取线性回归方法予以插值填充。

3. 研究方法

3.1. 耕地非粮化测度

本研究用京津冀地区耕地非粮化率来表征京津冀地区的耕地非粮化测度：

$P_{ij}=\frac{C_{ij}-G_{ij}}{C_{ij}}$

式中$P_{ij}$ 表示第i年第j个地区的耕地非粮化，$C_{ij}$ 与$G_{ij}$ 分别表示第i年第j个地区的农作物播种面积与粮食播种面积。

3.2. 时空地理加权回归(GTWR)

GTWR在GWR的基础上引入了时间特性参数，GTWR计算公式如下：

$Y_i={\beta }_0\left(u_i,v_i,t_i\right){\displaystyle \sum }_{k=1}^p{\beta }_k\left(u_i,v_i,t_i\right)X_{ik}+{\epsilon }_i,i=1,\cdots n$

式中，$\left(u_i,v_i,t_i\right)$ 是指第i个样本点的时空坐标位置；${\beta }_k$ 是指第k个自变量在第i个样本点处的回归系数；${\beta }_0\left(u_i,v_i,t_i\right)$ 指第i个样本点的时空截距${\epsilon }_i$ 是残差。

3.3. 地理探测器

地理探测器是一种用于探测空间分层异质性(空间分异性)并揭示该空间分异特征背后驱动因子的统计学方法，广泛应用于探究地理失误空间分别差异性背后机理的研究中。本文通过因子探测和交互作用探测，对京津冀地区耕地“非粮化”的驱动因素进行深入分析，以揭示其空间分异特征及其成因。

4. 影响因素指标选取

本文阅读大量相关文献，根据往年学者的研究和指标数据的可获得性，从农业因素、经济因素、社会因素和自然因素四个方面选取相关合适的指标来研究耕地非粮化的影响因素[3] [4]。因此，本文构建的指标体系见表1。

Table 1. Indicator system for driving factors of non-grain use of cultivated land in Beijing-Tianjin-Hebei region

表1. 京津冀地区耕地非粮化驱动因素指标体系

目标层	准则层	符号	指标层	单位
耕地非粮化	农业因素	X1	农作物播种面积	万公顷
		X2	农业机械总动力	万千瓦
		X3	农业从业人口比率	%
		X4	有效灌溉率	%
		X5	单位面积粮食产量	公斤/公顷
	经济因素	X6	国民生产总值	亿元
		X7	第一产业产值	亿元
		X8	财政支出	亿元
		X9	农村居民人均可支配收入	元
	社会因素	X10	城镇化率	%
		X11	常住人口	万人
		X12	城镇居民可支配收入	元
	自然因素	X13	高程	米
		X14	坡度	度
		X15	年降水量	毫米
		X16	地势起伏度	米

5. 指标数据相关性分析

为研究选取的指标对耕地非粮化的影响，需要先考察各指标之间是否存在多重共线性[5]。因此对各指标数据进行标准化处理之后先计算各变量的方差膨胀因子(VIF)，部分方差膨胀因子大于10的变量如下表2所示。这说明这些变量存在多重共线性问题，因此，在后续的研究中，将剔除这些指标，以确保分析结果的可靠性，进而深入探索京津冀地区耕地非粮化的影响因素。

Table 2. Multicollinearity of variables

表2. 变量的多重共线性

变量	VIF
农业从业人口比率	14.138
财政支出	16.722
农村居民人均可支配收入	17.743
城镇居民可支配收入	12.475
高程	163.432
坡度	16.573
地势起伏度	218.850

6. 基于GTWR的影响因子探索

6.1. 京津冀地区非粮化影响因素时序变化分析

对京津冀地区2010~2022年相关数据进行时间序列回归如下表3所示，结果显示京津冀地区非粮化现象受到多种因素的综合影响[6]。其中，农作物播种面积的减少、农业机械化水平的提高、有效灌溉率的下降以及经济发展的阶段性变化对非粮化的影响较为显著。此外，城镇居民收入水平的提高和常住人口的变化也在一定程度上加剧了非粮化程度。

Table 3. Changes in regression coefficients of impact factors

表3. 影响因素回归系数变化

因素	2010年	2014年	2018年	2022年
农作物播种面积	−0.144	−0.366	−0.892	−0.810
农业机械总动力	−0.041	−0.003	0.008	−5.159
有效灌溉率	0.456	−0.019	0.002	−0.016
单位面积粮食产量	−0.154	0.040	−0.171	−0.050
地区生产总值	0.034	0.090	0.122	−67.203
第一产业产值	0.399	0.142	0.428	0.479
城镇居民人均可支配收入	−0.143	−0.206	−0.605	−0.697
常住人口	−7.325	−0.657	0.065	0.0763

6.2. 各城市核心影响因素识别

本文通过计算2010~2022年影响因素系数均值来识别各市的核心影响因素。结果显示，农作物播种面积、农业机械总动力、地区生产总值和城镇居民人均可支配收入是绝大部分城市的核心影响因素。在表4中用*号标出了各市州的核心影响因素。

Table 4. Mean values of coefficients of influencing factors by municipality

表4. 各市影响因素系数均值

城市	X1	X2	X4	X5	X6	X7	X11	X12	X15
北京	−0.81*	−2.57*	0.01	−0.07	−65.43*	0.46	0.07	−0.69*	−0.00
天津	−0.85*	−2.43*	0.01	−0.08	−92.35*	0.48	0.08	−0.76*	−0.01
石家庄	−0.80*	−4.77*	0.01	−0.05	−2.35*	0.43	0.06	−0.53*	0.03
唐山	−0.80*	−4.77*	0.01	−0.05	−2.35*	0.43	0.06	−0.53*	0.03
秦皇岛	−0.80*	−4.77*	0.01	−0.05	−2.35*	0.43	0.06	−0.53*	0.03
邯郸	−0.80*	−4.77*	0.01	−0.05	−2.35*	0.43	0.06	−0.53*	0.03
邢台	−0.80*	−4.77*	0.01	−0.05	−2.35*	0.43	0.06	−0.53*	0.03
保定	−0.83*	−4.42*	0.00	−0.06	−40.45*	0.45	0.07	−0.63*	0.02
张家口	−0.83*	−4.42*	0.00	−0.06	−40.45*	0.45	0.07	−0.63*	0.01
承德	−0.83*	−4.42*	0.00	−0.06	−40.45*	0.45	0.07	−0.63*	0.02
沧州	−0.83*	−4.42*	0.00	−0.06	−40.45*	0.45	0.07	−0.63*	0.02
廊坊	−0.83*	−4.42*	0.00	−0.06	−40.45*	0.45	0.07	−0.63*	0.02
衡水	−0.83*	−4.38*	0.00	−0.06	−39.43*	0.45	0.07	−0.62*	0.02

6.3. 各影响因素时空异质性分析

为直观呈现不同因素对京津冀地区各市非粮化影响的时空差异，本文基于时空地理加权回归(GTWR)模型的回归结果，并结合空间可视化分析，选取了2010年、2014年、2018年和2022年各因素的回归结果，对其时空异质性进行了详细分析[6]。

6.3.1. 农作物耕种面积

Figure 1. Regression coefficients of sown area of crops 2010~2022

图1. 2010~2022农作物播种面积回归系数

如图1展示了2010、2014、2018、2022年京津冀地区的农作物耕种面积回归系数变化情况。农作物耕种面积回归系数均为负数，即农作物耕种面积对京津冀地区耕地非粮化程度影响均为负相关，说明扩大粮食作物的种植面积能够保障粮食安全，减少对非粮食作物的依赖。

从2010年回归系数来看，各地市数值差异较小，天津市和河北省中东部地区如沧州和廊坊是回归系数绝对值最大的地区，而张家口和邯郸绝对值最小。然而，从空间可视化地图分析来看，空间变化趋势较为明显，表现为从两端向中间逐步增强的形式。2014年空间变化形式未发生显著改变。但回归系数绝对值均较2010年增大。到2018年，回归系数的数值和空间变化趋势均发生了较大变化。河北省东北部地区(秦皇岛和唐山)以及南部地区(石家庄、邢台和邯郸)的回归系数绝对值最大，数值约为0.886213；而天津市的回归系数绝对值最小，数值约为0.252083。空间变化趋势则转变为从两端向中间逐步减弱的形式。2022年，回归系数的绝对值继续增大，空间变化趋势为从两端向中部逐渐增强的形式。

6.3.2. 第一产业产值

Figure 2. Regression coefficient of primary sector output, 2010~2022

图2. 2010~2022第一产业产值回归系数

分析结果见图2所示，第一产业产值对京津冀地区耕地非粮化的影响呈正相关，表明其发展加剧了耕地非粮化。

2010年，影响能力从北向南递减，秦皇岛和承德回归系数最高，邯郸和邢台最低。2014年，回归系数普遍下降影响能力减弱。2018年，回归系数略有上升但差异缩小，天津最高，河北北部和中部最低。2022年，回归系数继续增大，空间差异进一步缩小。2010~2022年间，第一产业产值与耕地非粮化正相关，但其影响能力在时间上有所波动，在空间上逐渐趋于均衡。这可能反映了区域经济发展、政策调整以及京津冀一体化推进对第一产业结构和土地利用方式的影响。未来需加强政策引导和市场调节，以确保农业可持续发展和粮食安全。

7. 基于地理探测器的影响因子分析

7.1. 因子探测分析

将“非粮化”率和驱动因子分别编码为Y值和X值，利用AcGIS软件将耕地“非粮化”率与所选的16个驱动因子进行栅格化处理，随后将所有因子进行重分类处理，将京津冀地区矢量地图进行格网化处理[7]、建立采样点等处理，对建立的采样点进行提取分析并去除异常值。随后将所得结果输入GeoDetector软件，得出探测结果如下表5所示。

Table 5. Factor detection results

表5. 因子探测结果

变量		q值	P-value
X1	农作物播种面积(万公顷)	0.6661	0.0000
X2	农业机械总动力(万千瓦)	0.3786	0.0000
X3	农业从业人口比率(%)	0.5298	0.0000
X4	有效灌溉率(%)	0.1351	0.0131
X5	单位面积粮食产量(公斤/公顷)	0.1943	0.2093
X6	国民生产总值/地区生产总值(亿元)	0.4011	0.1781
X7	第一产业产值(亿元)	0.2958	0.0001
X8	财政支出(亿元)	0.4274	0.0094
X9	农村居民人均可支配收入(元)	0.1687	0.5437
X10	城镇化率(%)	0.4250	0.0000
X11	常住人口(万人)	0.5394	0.0000
X12	城镇居民人均可支配收入(元)	0.3267	0.0349
X13	高程(米)	0.5136	0.0000
X14	坡度(度)	0.6887	0.0000
X15	年降水量(毫米)	0.0699	0.2772
X16	地势起伏度(米)	0.5598	0.0000

在16个驱动因子中，有12个因子通过了显著性检验，其中8个因子与“非粮化”率高度相关。京津冀地区耕地“非粮化”是由多因子共同驱动的结果，将非粮化的影响显著的驱动因子按照影响力大小降序排列，依次为：坡度(X14, q = 0.6887) > 农作物播种面积(X1, q = 0.6661) > 地势起伏度(X16, q = 0.5598) > 常住人口(X11, q = 0.5394) > 农业从业人口比率(X3, q = 0.5298) > 高程(X13, q = 0.5136) > 城镇化率(X10, q = 0.4250) > 财政支出(X8, q = 0.4274) > 农业机械总动力(X2, q = 0.3786) > 城镇居民人均可支配收入(X12, q = 0.3267) > 第一产业产值(X7, q = 0.2958) > 有效灌溉率(X4, q = 0.1351)。其中，坡度、农作物播种面积、地势起伏度、常住人口、农业从业人口比率、高程6个驱动因子对于京津冀地区耕地“非粮化”空间分异的影响程度较大。

7.2. 交互作用探测分析

利用GeoDetector得出交互作用探测的结果如图3。

Figure 3. Interaction detection results

图3. 交互作用探测结果

结果显示，各因子之间的交互作用q值普遍高于单一因子的q值，因子间存在交互效应[8]-[10]，这表明京津冀地区耕地“非粮化”的空间分异是农业、自然、社会和经济等多种因子综合作用的结果，而非单一因子所能决定。

财政支出和坡度(X8 ∩ X14)两个因子的交互作用对于京津冀地区耕地“非粮化”空间分异的影响程度最大，因子交互作用所得出的q值为0.9188。其次，城镇居民人均可支配收入和坡度(X12 ∩ X14)、城镇化率和坡度(X10 ∩ X14)、常住人口和坡度(X11 ∩ X14)等因子交互作用所得出的q值均在0.75以上。坡度(X14)与多个变量的交互q值均较高，特别是在(X8 ∩ X14)、(X12 ∩ X14)组合中，其q值达到了0.9以上，表明坡度可能在整个系统中起到了核心作用。

8. 结论与建议

8.1. 研究总结

2010~2022年京津冀地区耕地“非粮化”受多种因素交互影响。北京、天津的核心影响因素为有效灌溉率和地区生产总值，河北各市则主要受农作物播种面积和农业机械总动力影响。整体来看，播种面积减少、农业机械化水平提高、有效灌溉率下降、经济发展阶段性变化等因素推动了非粮化，城镇居民收入提升和常住人口变化也加剧了这一趋势。从时空差异来看，农作物播种面积的负向影响在2015年后增强，核心城市扩张显著占用耕地；第一产业产值的抑制作用逐渐减弱；城镇化率的正向影响在2015年后加剧，北京城市扩张对周边耕地影响突出；降水量的促进作用逐渐弱化。此外，财政支出与坡度的交互作用影响最大，城镇化率、居民收入、常住人口等与坡度的交互作用显著，表明坡度在非粮化中起核心作用，自然与社会经济因素的复合影响不容忽视。

8.2. 政策建议

根据不同区域特点，需精准施策保护耕地[10]。在自然条件约束区，如坡度 > 15˚、地势起伏度 > 1 m的区域，实施耕地用途分类管理，引导发展林果业、中药材等特色农业，优化灌溉设施布局，提升抗旱能力。在经济社会驱动区，如北京、天津等城镇化快速推进地区，建立耕地占补平衡动态监测系统，控制非农建设占用优质耕地，推广“粮经饲”三元种植结构，调整财政支农方向，提升粮食生产效益。同时，建立京津冀耕地保护联席会议制度，统筹产业转移与耕地保护，推行差异化考核指标，形成分类施策的治理格局。

基金项目

本论文为中央民族大学理学院URTP项目(URTP2024110709)《粮食安全视角下京津冀地区耕地“非粮化”的时空格局演变与影响因素分析》的研究成果。