?？谑?0年來耕地破碎化空間格局及其影響因素分析

海口市40年來耕地破碎化空間格局及其影響因素分析目錄TOC\o"1-3"\h\u89531.引言 595212.研究區(qū)概況與數(shù)據(jù)來源 6125112.1.研究區(qū)概況 646132.2.數(shù)據(jù)來源與處理 7287843.研究方法 8256713.1.技術(shù)路線 8239163.2.耕地破碎化評價模型構(gòu)建 9118273.2.1.景觀格局指數(shù) 963183.2.2.熵值法 10200953.3.土地利用轉(zhuǎn)移矩陣 12271883.4.土地利用動態(tài)度 12186353.5.灰色關(guān)聯(lián)分析 1372494.結(jié)果與討論 1416734.1.?？谑懈仄扑榛u價結(jié)果 14167584.2.?？谑懈仄扑榛瘯r空動態(tài)分析 15276834.3.海口市耕地破碎化影響因素分析 17166905.結(jié)論 1919568參考文獻 2011874致謝 22摘要：本文基于?？谑?980、1990、2000、2005、2010、2015、2020年7期土地利用數(shù)據(jù)，利用ArcGIS、Fragstats軟件分析了土地利用動態(tài)度、景觀格局指數(shù)以及綜合指數(shù)，并選用灰色關(guān)聯(lián)分析法研究了耕地破碎化的影響因素。研究表明：（1）?？谑?980-2020年，耕地的斑塊總面和聚合指數(shù)總體上逐漸減小，斑塊密度和平均周長面積比逐漸增大，平均近鄰距離逐漸減小，耕地破碎升高，耕地聚合程度降低，耕地連通性變差。（2）?？谑械母孛娣e總體上呈現(xiàn)出減少趨勢。（3）在1980-2020年的?？谕恋乩棉D(zhuǎn)移中，耕地主要轉(zhuǎn)向人工建設(shè)用地，少量轉(zhuǎn)向水域；且2000年之后的土地利用轉(zhuǎn)移強度明顯高于2000年之前，耕地動態(tài)度變化也更為明顯。（4）自然條件和人類社會活動都是?？谑懈仄扑榛粩嘣黾拥挠绊懸蛩?，其中人口因素是促使耕地破碎化加劇的主要因素，人類活動與耕地破碎化程度關(guān)系密切，其次是氣溫和降水。關(guān)鍵詞：景觀格局指數(shù)、耕地破碎化、土地利用轉(zhuǎn)移矩陣、灰度關(guān)聯(lián)分析引言耕地是人類進行農(nóng)事生產(chǎn)的物質(zhì)基礎(chǔ)，是確保糧食安全的根本保障REF_Ref6146\r\h[1]。但城市化進程中，日益增長的建設(shè)用地需求與最嚴格的耕地保護制度之間的矛盾日益深化REF_Ref10025\r\h[2]。除此之外，耕地的土壤肥力退化、耕地破碎化增加導致農(nóng)業(yè)生產(chǎn)效率降低進而引起的糧食安全問題已成為人們普遍關(guān)注和研究的熱點REF_Ref11811\r\h[3,4]，因此對在城市化進程下耕地破碎化及其影響因素進行研究，了解其發(fā)展規(guī)律以及趨勢，分析影響因素對耕地進行保護以及可持續(xù)發(fā)展具有重要意義。耕地破碎化的研究主要分為兩種：一種是選取景觀指數(shù)，進行景觀分析。如陳俊韜、萬偉華REF_Ref21695\r\h[5-9]選取不同的景觀格局指數(shù)對耕地破碎化程度進行定量分析，張限REF_Ref22557\r\h[10]等人使用熵值法進行賦權(quán)，在景觀指數(shù)法的基礎(chǔ)上形成綜合的耕地破碎化指數(shù)，以此來評價耕地破碎化程度；另一種是在使用景觀指數(shù)法的基礎(chǔ)上，對耕地進行空間分析，如李文灝、劉強REF_Ref24869\r\h[11-12]使用了GIS空間分析功能更好展示其時空變化特征，秦大海REF_Ref21695\r\h[13]等人還使用了土地利用轉(zhuǎn)移矩陣和土地利用動態(tài)度的方法來展示耕地時空變化特征。明確了耕地破碎化的空間分布特征，但若要更好地為相關(guān)部門的決策提供依據(jù)，需要對耕地破碎化的影響因素驅(qū)動力進行研究。對于耕地破碎化影響因素的研究主要分為定性和定量兩種，如李云路、李文灝REF_Ref21695\r\h[9,11,14]從自然條件和人類活動等方面對耕地破碎化的影響因素進行了定性分析；陳俊韜、萬偉華[5-8,10,12,15]使用主成分分析法、空間自相關(guān)分析法和地理加權(quán)回歸分析法對影響耕地破碎化程度的因子進行量化分析，提高了對耕地破碎化程度的認識。但是，主成分分析和回歸分析等方法僅適合于少數(shù)幾個因素或者是線性的因素分析，在面對多因素的、非線性的問題時，在處理中會比較困難。而灰色關(guān)聯(lián)分析是一種根據(jù)完全已知的白色系統(tǒng)和完全未知的黑色系統(tǒng)之間影響灰色系統(tǒng)的因素，其發(fā)展動態(tài)的相似程度來衡量因素之間關(guān)聯(lián)程度的方法，它不需要樣本數(shù)量，也不需要對樣本進行區(qū)分，是非統(tǒng)計的數(shù)學方法，更適用于多因素、非線性問題的研究。綜上所述，在之前的研究中，研究區(qū)大多集中在山地丘陵[8,14]、平原地區(qū)[11]經(jīng)濟發(fā)達地區(qū)REF_Ref30829\r\h[5]，缺少對沿海或島嶼城市耕地破碎化及其影響因素的研究分析,沿海城市是我國改革和經(jīng)濟發(fā)展的重心，但隨著城市化的發(fā)展各種生態(tài)問題頻發(fā)[16]，耕地破碎化與經(jīng)濟發(fā)展的矛盾日益凸顯；另外，使用的研究數(shù)據(jù)大多跨度不大，基本在1年至20年之間[5-7,10,13]，并不能很好的反應社會經(jīng)濟發(fā)展過程中耕地時空變化的詳細過程，若要準確把握耕地破碎化趨勢并研究其影響因素，需要建立在長時間的研究基礎(chǔ)上。因此本文基于?？谑?980、1990、2000、2005、2010、2015、2020年7期土地利用數(shù)據(jù)，利用ArcGIS、Fragstats軟件分析土地利用動態(tài)度、景觀格局指數(shù)以及綜合指數(shù)，并選用灰色關(guān)聯(lián)分析法定量分析研究了耕地破碎化的影響因素，研究區(qū)選用的數(shù)據(jù)跨度為40年，反映社會經(jīng)濟發(fā)展過程中耕地時空變化的詳細過程，為海島城市的經(jīng)濟和社會的可持續(xù)發(fā)展提供科學參考。圖1研究區(qū)位置圖Fig.1Locationmapofstudy研究區(qū)概況與數(shù)據(jù)來源圖1研究區(qū)位置圖Fig.1Locationmapofstudy研究區(qū)概況海南省海口市（圖1）位于東經(jīng)110°08’~110°43’，北緯19°32’~20°06’，地處海南島東北部，東鄰文昌，西接澄邁，南毗定安，北臨瓊州海峽，總面積約3126.83km2，是典型的海島型城市，其中，陸地面積2296.82km2，海域面積830km2。?？谑械靥幍途暉釒н吘?，屬于熱帶季風氣候。全市地形平坦，北部近海海岸多為海岸臺地地形，海口市西側(cè)以火山坑作為高地，東寨港東側(cè)有紅樹林，南面則是一片具有代表性的田園風光REF_Ref25933\r\h[17]。此次研究區(qū)為?？谑嘘懹?。數(shù)據(jù)來源與處理本研究使用的數(shù)據(jù)為1980年、1990年、2000年、2005年、2010年、2015年、2020年7期?？谑械耐恋乩檬噶繑?shù)據(jù)。數(shù)據(jù)源坐標系為XY坐標系Krasovsky_1940_Albers。除此之外還選用了《海南省統(tǒng)計年鑒》（1990-2020）、《海口市統(tǒng)計年鑒》（1990-2020）等與矢量數(shù)據(jù)對應年份的相關(guān)數(shù)據(jù)。參照?？谑械耐恋厥褂梅诸?，本文對研究區(qū)的土地進行了一級分類（表1），包括耕地、林地、草地、水域、人工建設(shè)用地以及未利用土地六個類別。在ArcGIS軟件中，我們根據(jù)上述標準對研究數(shù)據(jù)進行了重新分類，并據(jù)此繪制了1980-2020年海口市的土地利用類型圖（圖2）。表1?？谑型恋乩梅诸怲ab.1ClassificationoflanduseofHaikoucity一級分類二級分類耕地水田、旱地林地有林地、灌木林地、疏林地、其他林地草地高覆蓋度草地、中覆蓋度草地、低覆蓋度草地水域河渠、湖泊、水庫（坑塘）、海涂、灘地人工建設(shè)用地城鎮(zhèn)、農(nóng)村居民點、工交建設(shè)用地、未利用土地沙地、戈壁、鹽堿地、沼澤地、裸土地、裸巖石爍地、其他未利用土地圖2海口市1980-2020年土地利用類型圖圖2?？谑?980-2020年土地利用類型圖Fig.2Mapoflandusetype,1988-2017研究方法技術(shù)路線本研究以海南省?？谑袨檠芯繀^(qū)域，使用了?？谑?0年土地利用類型數(shù)據(jù)，借助ArcGIS、Fragstats軟件，對?？谑懈仄扑榛捌溆绊懸蛩剡M行研究，具體技術(shù)路線圖（圖3）以及文字描述如下文所示：（1）查閱相關(guān)文獻，有關(guān)耕地破碎化及其影響因素分析的研究現(xiàn)狀，所使用的方法，對其進行對比分析，選取合適的方法進行本次研究。（2）使用ArcGIS軟件對?？谑?980、1990、2000、2005、2010、2015、2020年7期的數(shù)據(jù)進行重分類，轉(zhuǎn)換數(shù)據(jù)格式并導入Fragstats，選取斑塊總面（totallandscapearea,TA）、聚合指數(shù)（aggregationindex，AI）、斑塊密度（patchdensity,PD）、平均周長面積（perimeter-arearadiomean，PARA-MN）、平均近鄰距離（euclideannearest-neighbordistancemean,ENN-MN）5個指標進行耕地破碎化評估，再使用熵權(quán)法給每個指標進行賦權(quán)，形成綜合的耕地破碎化指數(shù)。（3）將?？谑蟹诸惡蟮?期數(shù)據(jù)在ArcGIS中進融合、相交，導出到excel中，通過數(shù)據(jù)透視表得到土地利用轉(zhuǎn)移矩陣，并根據(jù)公式計算出海口市耕地利用動態(tài)度，對?？谑懈剡M行時相動態(tài)分析。（4）在《海南統(tǒng)計年鑒》、《?？诮y(tǒng)計年鑒》（1990-2020）中，從自然因素和社會因素兩方面選擇海口市的平均降水量、平均氣溫、總?cè)丝凇⒛昴└孛娣e、生產(chǎn)總值、第一、二、三產(chǎn)業(yè)生產(chǎn)總值、人均GDP九個指標與計算所得的耕地破碎化指標進行灰色關(guān)聯(lián)分析，明確?？谑懈仄扑榛挠绊懸蛩亍D3技術(shù)路線圖Fig.3Technicalroutmap耕地破碎化評價模型構(gòu)建景觀格局指數(shù)在Fragstats4.2軟件中，選擇斑塊總面（totallandscapearea,TA）、聚合指數(shù)（aggregationindex，AI）、斑塊密度（patchdensity,PD）、平均周長面積（perimeter-arearadiomean，PARA-MN）、平均近鄰距離（euclideannearest-neighbordistancemean,ENN-MN）等典型景觀格局指數(shù)從耕地的面積、密度、聚合度、連通性等多個方面來描述耕地破碎化程度。以下為各項指標及其含義：（1）斑塊總面積（totallandscapearea,TA），該指數(shù)由式（1）所得，其與景觀可持續(xù)性有關(guān)，其值越大，破碎程度越低。（1）式中A為景觀斑塊總面積。（2）聚合指數(shù)（aggregationindex，AI），該指數(shù)由式（2）所得，可以反映城市化過程中的景觀結(jié)構(gòu)變化，對城市化進程中的可持續(xù)性具有指示作用，其值越大，聚合越好REF_Ref15253\r\h[15]，破碎度越低。（2）式中g(shù)ii為第i類景觀斑塊相似鄰接斑塊數(shù)量，max?gii（3）斑塊密度（patchdensity,PD），該指數(shù)由式（3）所得，指單位面積上的斑塊數(shù)，用來表征景觀的破碎度，隨著其數(shù)值的增大，破碎程度也隨之增大。能較好反映耕地的破碎化程度以及人類活動對耕地的干擾程度REF_Ref15808\r\h[12]。（3）式中ni（4）平均周長面積（perimeter-arearadiomean，PARA_MN），該指數(shù)由式（4）所得，可以表示形狀分布，從一定程度上可以反應人類活動對景觀格局的干擾，斑塊越聚合，形狀越簡單，其值越小，破碎度越低。（4）式中Pi（5）平均近鄰距離（euclideannearest-neighbordistancemean,ENN_MN）[18]，該指數(shù)由式（5）所得，表示相同類型斑塊之間的相對距離，并且可以反應連通性，其值越大，破碎度越低。（5）式中hi熵值法我們采用熵值法對選定的指標進行權(quán)重分配，并構(gòu)建了一個耕地破碎化的評價指標體系，以便更準確地描述研究期內(nèi)的耕地破碎化特性。賦權(quán)指標的方法主要分為兩大類：主觀賦權(quán)方法和客觀賦權(quán)方法。其中，在選取指標時主要考慮了指標間相互影響及系統(tǒng)自身穩(wěn)定性等因素。由于主觀賦值法受人為原因影響，與評價對象的實際權(quán)重偏差較大[19]，故本文采用客觀賦權(quán)法中的熵值法經(jīng)行賦權(quán)，通過計算指標的信息熵，根據(jù)指標的相對變化程度對系統(tǒng)整體的影響來決定指標的權(quán)重，相對變化程度大的指標具有較大的權(quán)重[20]，確定指標權(quán)重并計算綜合指數(shù)。X=XX=X（6）（1）標準化法：因為評估指標的界定和計量單元的不一致，導致了兩者間有正有負的差別，難以進行對比。為此，選用極差標準化方法對各指標進行初步處理，確保指標數(shù)值可比性。正向指標（7）負向指標（8）式中：rij為年份j的指標i的標準化結(jié)果；Cij為年份j的指標i的值；max（2）計算各指標的信息熵ej：（9）式中：M為計算所使用的年份數(shù)。（3）計算各指標的熵權(quán)wj：（10）式中：m為指標個數(shù)。（4）基于各指標的權(quán)重計算各年份耕地破碎化綜合評價指數(shù)Qj,即各指標的熵權(quán)值與個指標原始數(shù)據(jù)標準化之后的乘積[20]：（11）式中：Qj為年份j的耕地破碎化綜合指數(shù)。通過熵值法計算耕地破碎化各項指標所占權(quán)重結(jié)果（表2），以此計算出的綜合指數(shù)，數(shù)值越大，其破碎化程度越高。表2熵值法計算權(quán)重結(jié)果匯總?Table2Summaryofweightcalculationresultsusingentropymethod指標名稱指標權(quán)重指標屬性TA斑塊總面19.43%負向指標AI聚合指數(shù)7.11%負向指標PD斑塊密度30.43%正向指標PARA-MN平均周長面積比31.82%正向指標ENN-MN平均近鄰距離11.20%負向指標土地利用轉(zhuǎn)移矩陣Sij=S11S12S13?S1nSS（12）式中：S表示土地面積；n表示土地利用的類型數(shù)；i代表研究期初土地利用類型；j代表研究期末土地利用類型。土地利用動態(tài)度土地利用動態(tài)度反應一段時間內(nèi)研究區(qū)各土地利用類型的數(shù)量變化、空間變化和組合方式變化等[21]，可定量地描述變化速度，對預測變換趨勢有積極作用[22]。本文利用此方法研究區(qū)表達一定時間內(nèi)耕地的變化情況，其計算公式為：（13）式中：K表示研究時段內(nèi)耕地利用動態(tài)度；Ua表示研究期初耕地的面積；Ub表示研究期末耕地的面積；t表示研究時段，當t設(shè)定為年時，K值就是耕地土地類型的年變化率?；疑P(guān)聯(lián)分析灰色關(guān)聯(lián)分析，可以通過對系統(tǒng)中不確定因素之間的密切程度REF_Ref20501\r\h[23]。此次研究利用灰色關(guān)聯(lián)法計算比較指標（自然因素、社會因素）作為與參考指標（景觀格局指數(shù)）間的關(guān)聯(lián)程度，關(guān)聯(lián)系數(shù)越高表示比較指標對參考指標的影響越大，反之越小REF_Ref15808\r\h[12]?；疑P(guān)聯(lián)分析是一種定量比較的分析法，用來確定目標變量與輸入變量之間關(guān)聯(lián)度的大小[24]，蔣啟成[12,23-25]等人使用灰色關(guān)聯(lián)分析來計算目標變量與可能存在關(guān)聯(lián)的影響因素之間的關(guān)聯(lián)度，從而明確目標變量與影響因素之間的關(guān)系，這適用于耕地破碎化影響因素的研究，關(guān)聯(lián)度數(shù)值超過0.7為重要因素、0.5~0.7之間為比較重要因素，其余為不重要因素REF_Ref24147\r\h[26]。其計算公式為：（14）式中，為分辨系數(shù)，通常取0.5；為比較列和參考列的差值取絕對值；為比較列和參考列的最小差；為比較列和參考列的最大差。結(jié)果與討論?？谑懈仄扑榛u價結(jié)果對?？谑?0年土地利用分類數(shù)據(jù)在ArcGIS中重分類并轉(zhuǎn)換格式，導入到Fragstats中計算所選景觀格局指標數(shù)值，將計算結(jié)果導入到excel表格中進行標準化處理，結(jié)合熵值法賦權(quán)結(jié)果計算綜合指數(shù)，定量表達海口市耕地的破碎化程度（表3）。表3?？谑懈鼐坝^格局指數(shù)變化特征Tab.3ChangesintheLandscapePatternIndexofCultivatedLandinHaikou年份TAPDPARA_MNENN_MNAI綜合指數(shù)198075764.610.21258.1431228.809594.4937.81%199075460.140.2096260.4621218.781194.483212.77%200075460.320.2105262.1948216.488994.484214.60%200573768.950.2736323.4426189.750994.816980.78%201073864.350.2069252.2376213.430594.368316.57%201570929.720.227260.497218.176694.283339.81%202070473.150.215252.0507215.46194.191734.06%注：TA為斑塊面積；PD為斑塊密度；PARA_MN為平均周長面積比;ENN_MN為平均最近臨距離；AI為斑塊聚合度指數(shù)。由表3可知?？谑?980-2020年，景觀指數(shù)TA和AI總體上呈現(xiàn)出減小趨勢，表明在城市化進程中，?？谑懈仄扑樯撸鼐酆铣潭冉档?。指數(shù)PD和PARA_MN1980-2005年逐漸增大，2005年之后又逐漸減小，指數(shù)ENN_MN1980-2005年呈現(xiàn)不斷減小，2005年之后呈現(xiàn)又開始增加，這表明耕地破碎化、斑塊密度程度在2005年之前不斷增大，耕地連通性變差，2005年之后又有所緩解。其中斑塊總面、聚合指數(shù)、平均近鄰距離為負向指標，斑塊密度、平均周長面積比為正向指標，經(jīng)過熵權(quán)法賦值之后得到綜合指數(shù)，其中平均周長面積指數(shù)和斑塊密度所占的比重最大，其次是斑塊總面、平均近鄰距離和聚合指數(shù)。最終的綜合指數(shù)以2005年為分界，耕地破碎化程度在2005年達到峰值，其后顯著降低，主要原因是海南省在2006年發(fā)布了《海南省基本農(nóng)田保護規(guī)定》，從政策層面對?？诓粩嘣鰪姷母仄扑榛厔萜鸬搅艘种谱饔?，同時也說明在耕地破碎化的進程中，人類活動對其影響較大。?？谑懈仄扑榛瘯r空動態(tài)分析運用ArcGIS的進融合、相交功能，對?？谑械挠玫剡M行了分析，將結(jié)果導出到excel中，并對其進行了統(tǒng)計分析，通過數(shù)據(jù)透視表得到土地利用轉(zhuǎn)移矩陣（表4-6）。表41980-2000年土地利用轉(zhuǎn)移矩陣Tab.4Landusetransfermatrix,1980-2000 2000年（km2）1980年（km2）草地耕地林地人工建設(shè)用地水域未利用草地18.850.010.010.000.000.00耕地0.01754.280.262.320.770.00林地0.010.261213.010.410.020.00人工建設(shè)用地0.000.050.02136.560.000.00水域0.000.000.020.0099.760.00未利用0.000.000.001.920.004.41在1980-2000年間（表4），總體而言?？谑械耐恋亓鲃忧闆r較為緩慢。耕地的主要轉(zhuǎn)變方向是轉(zhuǎn)為人工建設(shè)用地，轉(zhuǎn)變面積達到2.32km2。其次，部分耕地轉(zhuǎn)變?yōu)樗蚝土值兀娣e分別為0.77km2和0.26km2。此外，還有少量的耕地轉(zhuǎn)變?yōu)椴莸亍Ｍ瑫r，也有部分林地和人工建設(shè)用地轉(zhuǎn)變?yōu)楦?。但總體而言，耕地的總面積在這20年間一直在下降，人工建設(shè)用地的面積有所增加。表52000-2020年土地利用轉(zhuǎn)移矩陣Tab.5Landusetransfermatrix,2000-2020 2020年（km2）2000年（km2）草地耕地林地人工建設(shè)用地水域未利用草地15.520.520.341.331.180.00耕地0.78668.6619.8057.008.350.01林地11.5623.171110.9952.2315.310.05人工建設(shè)用地1.175.622.62130.331.430.00水域0.085.052.452.3790.360.24未利用0.001.690.031.560.011.11在2000-2020年間（表5），在海口市，原本的耕地主要轉(zhuǎn)化成了林地、建設(shè)用地和水域。具體而言，19.8km2的耕地變成了林地，57km2轉(zhuǎn)換成了建設(shè)用地，而8.35km2轉(zhuǎn)化為了水域。同時，也有其他多種土地類型轉(zhuǎn)變成耕地，其中，有23.17km2的林地被轉(zhuǎn)變成了耕地，成為耕地的最主要來源。其次是5.62km2的建設(shè)用地，5.05km2的水域，0.34km2的草地和1.69km2的未利用土地。在此階段相對于前20年而言，耕地的轉(zhuǎn)入和轉(zhuǎn)出量明顯增大，且轉(zhuǎn)化為建設(shè)用地的面積明顯增加，相對于前一階段增加了54.68km2，耕地的總面積在下降，這表明在海口市城市化的進程中，耕地的面積的變化和人工建設(shè)用地面積變化的關(guān)系密切，耕地在逐漸減少。表61980-2020年土地利用轉(zhuǎn)移矩陣Tab.6Landusetransfermatrix,1980-2020 2020年（km2）1980年（km2）草地耕地林地人工建設(shè)用地水域未利用草地15.510.520.341.331.180.00耕地0.78668.6519.8059.269.130.01林地11.5623.181111.0152.5615.370.05人工建設(shè)用地1.175.622.62125.821.370.00水域0.085.052.452.3789.590.24未利用0.001.690.033.480.011.11在1980年至2020年整個研究階段中（表6），?？谑械闹饕剞D(zhuǎn)變方向是人工建設(shè)用地，轉(zhuǎn)變面積達到59.26km2。同時，也有部分耕地轉(zhuǎn)變?yōu)樗?，面積為9.13km2。在耕地與林地的相互轉(zhuǎn)變中，林地轉(zhuǎn)變?yōu)楦氐目偯娣e更大。同時，有5.62km2的建設(shè)用地、5.05km2的水域和1.69km2的未利用土地轉(zhuǎn)變?yōu)楦亍Ｔ谡麄€研究階段中，隨著?？诔鞘谢M程加快，耕地面積大量減少，雖然出臺了相應的耕地保護政策，也有其他用地轉(zhuǎn)化為耕地，但還是不能補足丟失的耕地，耕地從1980年的757.65km2減少到2020年的704.71km2，共減少了52.94km2。根據(jù)得到的土地利用轉(zhuǎn)移矩陣，得到?？谑懈刈兓厔荩▓D3）并根據(jù)公式計算出?？谑懈乩脛討B(tài)度（圖4），對?？谑懈剡M行時相動態(tài)分析。Km2年Km2年圖41980-2020年耕地面積變化圖Fig.4Changesinarablelandarea,1980-2020由圖4近40年海口的耕地面積變化可知，在1980年至2020年間耕地呈現(xiàn)出不斷減小的趨勢，其中2000年至2005年和2010年至2015年耕地面積減少較多，在2005年至2010年間，耕地相較于2000年至2005年而言，耕地總面積變化較小。這也表明相關(guān)部門在2006年頒布的《海南省基本農(nóng)田保護規(guī)定》效果顯著，對耕地保護起到了重要作用。在2015年至2020年間，耕地相較于2010年至2015年而言，?？谑懈孛娣e減少的情況有所緩解。這表明，雖然耕地破碎度在增大，但是耕地面積相對于前一時期的減少量明顯降低，這與海口市耕地保護政策的落實與耕地開墾項目的實施[13]有關(guān)，在秦大海等人的研究中，也表明2018年后海口耕地面積呈現(xiàn)出小幅增長[13]。圖5耕地利用動態(tài)度Fig.5Dynamicdegreeoffarmlandutilization由圖5耕地利用動態(tài)度可知，海口市40年來耕地的變化速度可以分為三個階段，首先是2000年之前耕地面積減少速度較為緩慢；其次是2000-2005年耕地減少速度加快，2005-2010年又有所緩解，期間海南省相關(guān)部門于2006年頒布了《海南省基本農(nóng)田保護規(guī)定》，使得耕地面積減少的情況有所緩解；最后是2010年之后海南積極發(fā)展速度加快，2010年國務(wù)院發(fā)布了《國務(wù)院關(guān)于推進海南國際旅游島建設(shè)發(fā)展若干意見》，海南大力發(fā)展國際旅游島，耕地面積減少加快，隨著2015年之后又有所緩解，在秦大海等人的研究中也顯示2018年后?？谑懈乇Ｗo政策的落實與耕地開墾項目的實施REF_Ref21695\r\h[13]有關(guān)，很好的緩解了耕地減少的趨勢。海口市耕地破碎化影響因素分析為研究?？谑?0年來耕地破碎化的影響因素，充分考慮自然環(huán)境狀況、社會經(jīng)濟等人類活動對耕地破碎化的影響，本文從自然因素和社會因素兩個方面選取了平均降水量（X1）；平均氣溫（（X1）；總?cè)丝冢╔3）；年末耕地面積（X4）；生產(chǎn)總值（X5）；第一產(chǎn)業(yè)生產(chǎn)總值（X6）；第二產(chǎn)業(yè)生產(chǎn)總值（X7）；第三產(chǎn)業(yè)生產(chǎn)總值（X8）；人均GDP（X9）九個指標作為比較序列，在excel中選用灰色關(guān)聯(lián)分析法計算景各個觀格局指數(shù)作為參考序列與影響因素之間的關(guān)聯(lián)度（表7）。表7景觀格局指數(shù)與驅(qū)動因素關(guān)聯(lián)度Tab.7CorrelationbetweenLandscapePatternIndexandDrivingFactors驅(qū)動因素景觀格局指數(shù)X1X2X3X4X5X6X7X8X9綜合指數(shù)0.9560.9570.9690.9480.7200.7970.7690.7050.831TA0.9940.9990.9720.9920.6990.7730.7460.6850.801PD0.9930.9980.9750.9890.7000.7750.7470.6860.802PARA_MN0.9930.9980.9740.9900.7000.7740.7470.6860.802ENN_MN0.9940.9980.9720.9920.6990.7730.7460.6840.800AI0.9940.9990.9730.9910.6990.7730.7460.6850.801由表7可知，所選用的影響因素指標與耕地破碎化指標之間的關(guān)聯(lián)度都在0.5之上，具有比較好的關(guān)聯(lián)性，表明自然環(huán)境狀況和人類活動都會對耕地破碎化程度產(chǎn)生影響。自然因素指標（X1-X2），海口市平均降水量與耕地破碎化指數(shù)的關(guān)聯(lián)度分布在0.956~0.994，平均氣溫與耕地破碎化指數(shù)的關(guān)聯(lián)度分布在0.957~0.999，均明顯大于0.7，且氣溫指標與耕地破碎化指數(shù)之間的關(guān)聯(lián)度整體上大于降水量指標與耕地破碎化指數(shù)之間的關(guān)聯(lián)度，說明氣溫和降水對耕地破碎化對耕地破碎化而言都是重要影響因素，且年平均氣溫對耕地破碎化的影響比年平均降水量的影響大；社會因素指標（X3-X9），總?cè)丝谂c耕地破碎化指數(shù)之間的關(guān)聯(lián)度分布在0.969~0.975，也明顯大于0.7，且總?cè)丝趯Ω仄扑榛C合指數(shù)的關(guān)聯(lián)度大于自然因素對耕地破碎化綜合指數(shù)的關(guān)聯(lián)度，這表明總?cè)丝谝蛩貙Ω仄扑榛瘜Ω仄扑榛砸彩侵匾绊懸蛩?，總?cè)丝趯Ω仄扑榛挠绊懴鄬τ谧匀灰蛩囟愿蟆３谌a(chǎn)業(yè)生產(chǎn)總值，GDP等其他指數(shù)與耕地破碎化指數(shù)之間的關(guān)聯(lián)度總體分布在0.746~0.992之間，相較于前三個影響因素指標而言關(guān)聯(lián)度更小，影響程度也就相對而言更小，但也都大于0.7，同樣是耕地破碎化的重要影響因素。第三產(chǎn)業(yè)生產(chǎn)總值與耕地破碎化指數(shù)之間的關(guān)聯(lián)度大于0.5，屬于比較重要的影響因素?？傮w而言，自然因素時刻影響耕地破碎化程度，是長期影響因素；而在社會因素中總?cè)丝诤腿司鵊DP與海口市耕地破碎化指標的關(guān)聯(lián)度分布在0.8~0.975之間，這表明耕地破碎化程度與人類活動關(guān)系密切。結(jié)論本文基于海口市1980、1990、2000、2005、2010、2015、2020年7期土地利用數(shù)據(jù)，利用ArcGIS、Fragstats軟件分析了土地利用動態(tài)度、景觀格局指數(shù)以及綜合指數(shù)，制作了土地利用轉(zhuǎn)移矩陣，并選用灰色關(guān)聯(lián)分析法研究了耕地破碎化的影響因素。研究表明：（1）?？谑?980-2020年，耕地的斑塊總面和聚合指數(shù)總體上逐漸減小，斑塊密度指數(shù)和平均周長面積比逐漸增加，平均近鄰距離逐漸減小，耕地破碎升高，耕地聚合程度降低，耕地連通性變差。（2）?？谑械母孛娣e從1980年的757.65km2減少到2020年的704.71km2，共減少了52.94km2,總體上呈現(xiàn)出減少趨勢。（3）1980-2020年的?？谑懈剞D(zhuǎn)出主要是耕地轉(zhuǎn)化為人工建設(shè)用地，面積為59.26km2，少量轉(zhuǎn)化為水域，面積為9.13km2；耕地轉(zhuǎn)入主要是林地轉(zhuǎn)化為耕地，面積為23.18km2；且2000年之后的土地利用轉(zhuǎn)移強度明顯高于2000年之前，耕地動態(tài)度也更為明顯。（4）自然條件和人類社會活動都是?？谑懈仄扑榛粩嘣黾拥挠绊懸蛩?，其中人口是促使耕地主要因素，其次是氣溫和降水，其他社會經(jīng)濟因素與耕地破碎化指數(shù)的關(guān)聯(lián)度均較高，故耕地破碎化程度與人類活動關(guān)系密切。參考文獻李黎,王會豪,任平.基于核密度估算的都江堰耕地破碎化趨勢及特征分析[J].信陽師范學院學報(自然科學版),2017,30(01):72-76.萬偉華.基于縣域尺度的浙江省耕地破碎化空間分異研究[J].環(huán)境生態(tài)學,2021,3(11):15-21+48.陳帷勝，馮秀麗，馬仁鋒，等.耕地破碎度評價方法與實證研究———以浙江省寧波市為例［J］．中國土地科學，2016，30(5):80-87．FALCOSD，PENOVI，ALEKSIEVA，etal．Agrobiodiversity，farmprofitsandlandfragmentation:EvidencefromBulgaria［J］．LandUsePolicy，2010，27(3):763-771．陳俊韜,林錦耀.基于地理探測器的耕地破碎化影響因素分析——以廣州市為例[J].湖北農(nóng)業(yè)科學,2023