EN中文

JOURNAL OF NATURAL RESOURCES >

2024 , Vol. 39 >Issue 11: 2657 - 2675

DOI: https://doi.org/10.31497/zrzyxb.20241110

Regular Articles

Research on ecological security prediction and improvement paths of cultivated land in hilly and mountainous areas facing the land consolidation suitable for agricultural mechanization: A case study of typical areas in Chongqing city

  • YANG Heng , 1 ,
  • MA Wen-qiu , 1 ,
  • ZHANG Zhuo-yan 1 ,
  • LIU Tong-xin 1 ,
  • ZHANG Yang 2
Expand
  • 1. College of Engineering, China Agricultural University, Beijing 100083, China
  • 2. College of Urban Economics and Public Administration, Capital University of Economics and Business, Beijing 100070, China

Received date: 2023-12-25

  Revised date: 2024-04-24

  Online published: 2024-11-15

Fold

Abstract

Cultivated land consolidation suitable for agricultural mechanization is a crucial pathway to promote high-quality agricultural development in hilly and mountainous areas. Taking Chongqing city as the study area, this paper firstly establishes the evaluation index system of cultivated land ecological security level, and then calculates and predicts the spatiotemporal variations of cultivated land ecological security levels before and after the implementation of the cultivated land consolidation suitable for agricultural mechanization by using the radial basis function model. Finally, this paper identifies the dominant limiting factors, and subsequently proposes some improvement paths of cultivated land ecological security level in hilly and mountainous areas facing the land consolidation suitable for agricultural mechanization. The results show that: (1) From 2010 to 2020, the ecological security level of cultivated land in the study area exhibits a U-shaped trend with an initial decline followed by an increase. Spatially, it presents a significant distribution pattern of "high in the east and low in the west". (2) The prediction results show that there is a gradual upward trend of cultivated land ecological security level from 2021 to 2025, increasing from 0.53 to 0.54. (3) In the early stage of land consolidation, the dominant limiting factors include the internal production and ecological condition of cultivated land, such as slope and landscape pattern index. During the implementing process of land consolidation, the destructive impact of the land consolidation project on the surface vegetation is a dominant limiting factor affecting cultivated land ecological security. In the end stage of land consolidation, imbalanced allocation of agricultural production factors, such as labor and total agricultural machinery power, becomes the dominant limiting factors for cultivated land ecological security. Guided by the concept of "Two Mountains", we should improve the eco-construction of cultivated land based on the life cycle of land consolidation, and adopt some region-specific strategies. The paper can provide the scientific references for implementing the "Three Integrations" requirements for cultivated land protection as well as realizing ecological civilization of cultivated land utilization in hilly and mountainous areas.

Key words： cultivated land consolidation suitable for agricultural mechanization; ecological security prediction; radial basis function model; improvement paths; hilly and mountainous areas; Chongqing city

Cite this article

YANG Heng , MA Wen-qiu , ZHANG Zhuo-yan , LIU Tong-xin , ZHANG Yang . Research on ecological security prediction and improvement paths of cultivated land in hilly and mountainous areas facing the land consolidation suitable for agricultural mechanization: A case study of typical areas in Chongqing city[J]. JOURNAL OF NATURAL RESOURCES, 2024 , 39(11) : 2657 -2675 . DOI: 10.31497/zrzyxb.20241110

耕地作为基本的农业生产资料，是维系国家粮食安全的基本保障[1]。丘陵山区作为中国农田资源的重要组成部分，其耕地面积占全国耕地总面积的30%以上[2]。然而，受自然地理条件的影响，中国丘陵山区耕地碎片化、地块高差大和水土流失易发生等问题严重，加之农民大多离田务工、劳动力老龄化、农业机械化发展落后等现实困境，“谁来种田”这一难题亟待解决[3]。长期以来，关于如何解决这些问题中国开展了大量的实践探索。早期丘陵山区主要实行“以机适地”的小型农机策略[4,5]，但是由于劳动强度大，劳动生产率低等原因，其无法从根本上解决农业生产效率低的问题。近年来，随着学者对丘陵山区农业规模化经营研究的深入，发现自然（土地）条件的制约是阻碍丘陵山区农业发展的主要原因[6]。此外，借鉴日本、韩国等国家的成功经验，科学合理的耕地宜机化整治是突破丘陵山区耕地破碎化、农业生产低效率、农业机械化发展困境的重要途径，对于提升农民种粮积极性、夯实粮食安全根基和全面推进乡村振兴具有重要意义。
耕地宜机化整治（又称耕地宜机化改造）是指采用工程技术措施，打破土地基础条件瓶颈，对零散、异形、坡度较大的田块进行整治，使其适宜大中型农机作业，同时完善田间道路及配套水系[7]。近年来随着国家对丘陵山区农业生产与土地整治的重视，中央及各级政府出台了一系列政策文件积极支持耕地宜机化整治：2015年，重庆市先行实施了对丘陵山区耕地进行宜机化整治的重要措施；2019年，中华人民共和国农业农村部正式颁布了《丘陵山区农田宜机化改造工作指引（试行）》，该指引旨在有效解决山区农地基础设施不足的问题，加速提升其机械化作业条件；2020年中央一号文件也着重强调，需着力推进丘陵山区农田的宜机化改造工作，以期优化农业生产环境；2021年发布的全国“十四五”规划纲要中，再次明确提出要推进丘陵山区农田宜机化改造。耕地宜机化整治作为土地整治工程和高标准农田建设的重要组成部分，目前学界在明晰其内在逻辑的基础上，结合国内外实证案例，在整治的适宜性[8⇓-10]、整治工程技术标准[11,12]、整治路径[13]以及整治后效益测算[14]等方面展开了相关研究。但总体来看，耕地宜机化整治作为一项近年来新提出的农业发展策略，其相应的学术研究尚处于初步探索阶段。
近年来，随着耕地“质量—数量—生态”三位一体的保护新格局基本形成[15]，国内外学者对于实施宜机化整治后耕地的生态安全性的探讨尤为显著。一方面，部分学者认为在整治实施过程中的填挖方、道路修筑等工程行为会破环耕地景观结构，给耕地生态系统造成负面影响[16]；另一方面，部分学者认为，整治工程从长远来看将会提升耕地生态安全水平[17]。与此同时，国内外学者围绕耕地生态安全理论[18]、耕地生态安全评价体系构建[19,20]与评价方法[21,22]，以及耕地生态安全预测[23]等内容开展了大量研究。其中，耕地生态安全理论集中在系统理论、生态经济理论、能值理论、突变理论、脱钩理论等方面[24⇓-26]。在评价指标体系与评价方法部分，多数学者从自然、社会、环境方面选取评价指标[27⇓⇓-30]，并以“压力—状态—响应（PSR）”模型和DPSIR模型较为成熟[31⇓-33]。但是，现有评价指标体系大都局限在耕地生态系统自身的情况，往往忽略了耕地的空间格局、区位状况以及与周围环境等的关联；考虑到耕地生态安全能够直接反映耕地生态系统的易损性，外界系统干扰和区位状况又影响其生态功能的发挥效率，缺乏这些方面的指标会直接影响评估结果的准确性。在耕地生态安全预测方面，学者们多集中于回归分析法[34]、GM (1, 1) 灰色预测模型[35,36]、ARIMA模型[37,38]等预测模型与方法，但是现有的预测模型普遍存在数据容量小、抗干扰能力低等问题。近期，部分学者尝试运用机器学习的方法对耕地生态安全进行预测[39,40]，以提高预测的准确性、适宜性和科学性等。另外，当前主流研究依然集中于传统的耕地整治方法，而对于耕地宜机化整治的针对性探讨及响应机制尚显不足。
鉴于此，本文拟选取南方丘陵山区耕地宜机化整治项目区——重庆市典型地区为研究案例，立足于耕地宜机化整治前后耕地的外源生态环境胁迫和内源生态恢复，基于Google Earth高清历史影像、土地利用现状调查数据、Landsat多光谱遥感数据、统计数据等多元数据集，从农业生产条件、生态易损状态、工程干扰胁迫和社会经济状况等方面构建面向宜机化整治的耕地生态安全评价指标体系；运用径向基函数模型定量测算并预测耕地生态安全水平；与此同时，采用障碍度模型识别耕地宜机化整治工程实施前后影响耕地生态安全的主要障碍因子，进而针对性地提出面向宜机化整治的耕地生态安全提升路径。研究一方面可为丘陵山区耕地宜机化整治工作提供理论指导，促进丘陵山区农业高质量发展；另一方面为落实“三位一体”的耕地保护要求，实现耕地利用生态文明提供科学参考。

1 研究方法与数据来源

1.1 研究区概况

重庆市位于中国西南地区（28°10′N~32°13′N，105°11′E~110°11′E）。下辖38个县级行政区，其中包含26个区以及12个县，该地区地处长江中游，地形复杂多样，包括山区、丘陵和平原等地貌类型。根据“三调”统计结果显示，重庆市耕地总面积为2805万亩（1亩≈667 m2），其中，15°以上的坡耕地占耕地总量的35%；25°以上的坡耕地，以及石漠化地区、林区、河道周边等不稳定耕地占耕地总量的17%。总体来看，重庆市耕地零散破碎，多为“巴掌田”和“鸡窝地”，耕地利用率低，产业规模化难。为提高耕地利用率，重庆市积极克服耕地坡度大、选址难度高等实际困难，自2015年起，创新实施并分类推进“零改整、坡改梯、建改耕、低改高”等耕地“宜机化”整治项目，努力让荒地变水田、碎地变片地、坡地变平地，成为耕地宜机化整治的“先行者”。截至2022年底，重庆市已对110万余亩耕地进行了宜机化改造。在保证数据可获取性的前提下，为了科学准确地反映宜机化整治对耕地生态安全的影响，本文选取2015—2018年开展并完成宜机化整治的耕地作为典型案例区进行研究（图1）。这些地区已较早地完成宜机化整治工程，已逐渐对耕地生态安全产生一定的影响。根据划定结果，本文选取耕地面积共计10900 hm2，涉及410个乡镇，28个区县，研究区域主要分布于重庆市的西部以及中部地区。为了更直观地反映宜机化整治对耕地生态安全的影响，以乡镇为单位对宜机化整治前后的耕地生态安全水平进行测算。
图1 研究区概况

Fig. 1 Study area (Chongqing, Southwest China)

1.2 数据来源

本文主要利用矢量数据、栅格数据、土地利用数据、DEM数据和统计数据进行宜机化整治前后耕地生态安全水平的变化规律探究。其中，行政区划矢量数据来自于地理空间数据云平台，主要用于对研究区的行政区划进行界定和分析，以便于后续的统计和区域性比较分析。栅格数据来自于Google Earth高清历史影像和中国科学院空天信息创新研究院（databank.casearth.cn）提供的研究区作物生长期LandSat地表反射率数据，这些数据被用于对耕地生态特征进行遥感监测和分析。研究区2010—2020年土地利用数据来源于基于Google Earth Engine上335709景Landsat影像制作的中国逐年土地覆盖数据集（Annual China Land Cover Dataset，CLCD），运用ArcGIS 10.6平台提取2010—2020年研究区的耕地图层，用于分析耕地变化情况。DEM数据来源于美国国家航空航天局（NASA）地球科学数据和信息系统（https://search.asf.alaska.edu/#/）中的ALOS 12.5 m地形数据，用于分析研究区地形特征对耕地生态安全的影响。另外，本文使用的统计数据主要涉及重庆市统计年鉴（2010—2020年）、重庆市各区县统计年鉴（2010—2020年），来源于重庆市及其各区县统计局、中国经济社会大数据研究平台等，这些数据主要用于分析社会经济因素对研究区耕地生态安全水平的影响。

1.3 研究方法

1.3.1 面向宜机化整治的耕地生态安全指标构建

耕地生态系统是一个人类活动与自然调节高度耦合的生态系统，耕地生态、生产、生活功能的实现不仅取决于耕地本身的好坏，还取决于人类的科学投入以及耕地与外部环境之间的相互作用，即耕地生态安全水平是由耕地生态系统自身健康状态及其与外界系统的相互作用关系共同决定的[41,42]。就本文而言，随着耕地宜机化整治工程的实施，其势必会对耕地生态系统造成一定的扰动和影响；与之相对应的耕地生态系统本身也随之进行响应。本文立足于宜机化整治前后耕地生态系统的外源干扰胁迫和内源恢复状态对耕地生态安全进行评价。其中，耕地生态系统的内源恢复状态主要表现为耕地本身的农业生产条件和生态系统易损状态；外源干扰胁迫主要表现为耕地宜机化整治工程和社会经济政策环境对耕地生态系统的压力和扰动。鉴于此，结合近年来已发表的耕地生态安全评价相关文献[43,44]，拟从农业生产条件、生态易损状态、工程干扰胁迫和社会经济状况四个维度，全面构建面向宜机化整治的耕地生态安全评价指标体系（表1）。
表1 面向宜机化整治的耕地生态安全水平评价指标体系

Table 1 Evaluation index system of cultivated land ecological security level facing the land consolidation suitable for agricultural mechanization

准则层 指标层 指标说明/单位 计算方法 属性
内源恢复状态 农业生产条件 坡度S 一定区域内耕地地块的平均坡度/(°) S = ∑ i = 1 n S i n
Si为第i个地块的坡度（°）；n
为评价单元内地块数量（个）		 -
高程H 一定区域内耕地地块的平均海拔/m H = ∑ i = 1 n H i n
Hi为第i个地块的高程（m）		 -
土层厚度T 一定区域内耕地的平均土层厚度/cm T = ∑ i = 1 n T i n
Ti为第i个地块的土壤厚度（cm）		 +
灌溉条件 一定区域内可灌溉耕地的面积占比 可灌溉耕地面积/总耕地面积 +
单位耕地粮食产量 评价单元内单位面积耕地的粮食产量
/(kg/hm2)		 农作物总产量/耕地面积 +
生态易损状态 形状指数SE 评价单元内耕地地块的形状规整程度 S E = P i 4 A i
Pi为第i个地块的周长（m）；Ai为
第i个地块的面积（m2）		 -
斑块密度 评价单元内耕地地块的数量/(个/hm2) 耕地地块数/耕地面积 -
集聚度BA 评价单元内耕地地块的空间集聚程度 B A = 1 + ∑ i = 1 n P i l n ( P i ) 2 l n n
Pi为第i个地块的周长（m）；Ai为
第i个地块的面积（m2）		 +
遥感生态
指数RSEA		 评价单元内的耕地遥感生态指数的
平均值		 RSEI = (VI, WET, LST, SI)
VI为绿度指标；WET湿度指标；LST热度指标；SI干度指标		 +
外源干扰胁迫 工程干扰胁迫 整治工程扩大地块面积 评价单元内由于宜机化整治工程增加的
耕地面积/hm2		 整治后耕地面积-整治前耕地面积 +
田间路网
密度		 评价单元内机耕道路的数量/(m/hm2) 机耕道长度/耕地总面积 -
到公路的
距离DH		 评价单元内耕地到公路的平均距离/m D H = ∑ i = 1 n D i n
Di为第i个地块到最近公路的距
离（m）		 -
单位耕地
农业机械
总动力		 评价单元内用于农业的各种动力机械的
动力总和/(万kW/hm2)		 农业机械总动力/耕地面积 -
社会经济状况 人均GDP 评价单元内经济发展情况/(万元/人) 当年GDP/人口数量 +
人口密度 评价单元内人口数量/(人/hm2) 人口数量/区域面积 -
第一产业固定资产投资 评价单元内农业相关固定资产投资额
/万元		 统计年鉴直接获取 +
第一产业从业人员占比 评价单元内从事农业生产的人员多少/% 第一产业从业人员数量/总从业
人员数量×%		 +

注：“+”和“-”分别表示正向指标和负向指标。

农业生产条件即耕地利用情况，反映耕地自然环境特点和耕地生产条件好坏，包括坡度、高程、土层厚度、灌溉条件、粮食产量等系列指标。其中，耕地坡度和高程越高，耕地破碎化和水土流失现象越严重，造成耕地生态安全水平降低；而良好的灌溉条件以及肥沃的土壤可以提供充足的水分和养分供应，有利于维持耕地生态系统的稳定性和健康状态。生态易损状态压力即外界系统扰动下耕地生态系统的自我调节能力，反映耕地生态系统的稳定性，包括形状指数、斑块密度、集聚度等表征耕地景观格局的指标。其中，良好的景观格局要求田块形状更规则、规模更大，即较小的形状指数和斑块密度以及更高的集聚度；遥感生态指数用于表征耕地的植被健康状况和土壤侵蚀的指标。此外，工程干扰胁迫即宜机化整治工程对耕地生态系统的扰动和影响，反映其促进或者抑制耕地生态系统受损，包括整治工程扩大地块面积、田间路网密度、距离公路的距离、农业机械总动力等指标。其中，良好的区位条件能够使耕地获得更为直接和即时的养分补给和问题治理，有利于保持良好的生态状态，而过高的田间路网密度可能增加土壤暴露面积，加剧水土流失，导致土壤质量下降，影响生态系统的稳定性；大规模农机作业可能造成地表土壤的压实，影响土壤通气性和水分渗透性，从而影响植物根系生长和土壤微生物活动，对农田土壤生态系统造成影响。社会经济状况反映了经济发展与人口增长驱动对耕地生态系统的影响，包括人均GDP、第一产业固定资产投资、第一产业从业人员占比、人口密度等指标。其中，人均GDP反映地区经济水平，经济水平的提高可能会带动农业产业的现代化和技术升级，进而影响到耕地的利用方式和耕作方式；第一产业固定资产投资直接影响到农业生产设施和基础设施的建设和改善，例如农田灌溉设施、温室大棚、农机具等，可以提高耕地的生产力和土壤利用效率，进而促进耕地生态系统的健康；合理的农业从业人员占比有助于维护土地的生态平衡和健康状态。

1.3.2 耕地生态安全测度与预测模型

本文利用径向基函数（Radial Basis Function，RBF）神经网络进行耕地生态安全水平测度与预测。RBF神经网络是一种特殊类型的人工神经网络，它以径向基函数为激活函数，在模式识别、函数逼近和非线性回归等任务中具有广泛的应用[45]。如图2所示，RBF神经网络由三层组成：输入层、隐藏层和输出层。隐藏层是RBF神经网络的核心，它由一组径向基函数组成。每个隐藏层神经元都有一个与之相关联的中心点，以及一个径向基函数作为激活函数。隐藏层的神经元对输入数据计算与中心点之间的距离，并将距离作为输入传递给径向基函数，径向基函数计算得出神经元的输出。输出层通常是一个线性层，将隐藏层的输出加权组合得到最终的输出结果。RBF神经网络的训练包括两个主要步骤：中心点选择和权重确定。中心点选择多使用聚类算法（如K均值聚类）或者通过网格划分输入空间来确定。权重确定则通过最小二乘法、梯度下降等方法进行。训练完成后，RBF神经网络可用于对新的输入数据进行预测和分类。具体测度和预测方法如下：
图2 径向基函数结构原理图

Fig. 2 Schematic diagram of radial basis function structure

（1）耕地生态安全水平测度
在确定用于评估耕地生态安全水平的指标之后，将每个指标的相关数据进行缺失值处理、特征缩放、数据拆分等预处理；将选定的指标作为径向基函数的输入变量；对于每个指标，使用K均值聚类算法确定径向基函数的中心和宽度；对于每个输入变量，使用径向基函数模型计算出其输出值，径向基函数的一般形式如式（1）所示：
ϕ (x) = e - x - c 2 2 σ 2
式中：x是输入变量即耕地生态安全水平的各个评价指标值；c是中心；σ是宽度； ϕ ( x )为输入变量与中心c的距离，距离越远输出值越小，距离越近输出值越大。
使用加权求和将各个指标的径向基函数输出组合成一个综合的耕地生态安全水平值，其中权重根据各评价指标的重要性来确定。本文采用MatLab2016a平台，将研究区耕地生态安全的相关测度指标的具体数值输入模型中，经过RBF神经网络模型运算得到研究区耕地生态安全水平值。
（2）耕地生态安全水平预测
在耕地生态安全水平测度模型的基础上，构建耕地生态水平预测模型，模型基本形式如式（2）所示：
f ( x ) = ∑ i = 1 N ω i × ϕ x - c i
式中： ϕ x - c i是径向基函数； ωi是权重参数；f(x)为耕地生态安全水平的预测值。
使用训练集对模型进行训练，以最小化预测值与实际值之间的误差，运用梯度下降法优化模型，使用测试集评估模型的性能，最终得到耕地生态安全水平预测结果。

1.3.3 障碍度模型

障碍度模型旨在量化综合评估体系中各项指标对整体发展进程的阻碍程度，从而识别出制约事物持续进步的关键性要素，理清对评价结果产生主要影响的因子，明晰关键制约因素的影响程度，为制定科学、合理的政策提供科学依据[46,47]。本文采用障碍度模型，基于已构建的耕地生态安全评价指标体系的评估结果，旨在有效识别并剖析阻碍该评估结果优化提升的核心障碍因素，作为一种深入的诊断性分析工具加以应用。基于该模型可以科学地、有针对性地提出改进策略，进而达到提升耕地生态安全的作用。障碍度分析主要根据因子贡献度和指标偏离度对影响耕地生态安全的障碍因子进行排序，识别主要障碍因子，其计算公式如式（3）所示：
P i = I i × w i ∑ i = 1 m ( I i × w i ) × 100 %
式中：Pi为单项指标对该年份耕地生态安全的障碍度；Ii=1-Mi，为指标偏离度（Mi为各指标的标准化值）；wi为因子贡献度。

2 结果分析

2.1 宜机化整治前后耕地生态安全水平时空对比分析

2010—2020年研究区耕地生态安全水平总体上呈现出先下降后上升的“U”型变化趋势（图3）：由2010年的0.53波动式下降至2016年的最低点0.46，随后缓慢上升至2020年的0.52。从2015年起，重庆市开始大规模实施农田宜机化整治工程，在前期工程实施过程中由于缺乏一定的经营，在进行挖填方、田块整理等活动时会扰动土层、破坏原有耕地景观格局等，造成暂时性的耕地自身农业生产条件以及生态易损状态降低，从而导致2015年、2016年阶段耕地生态安全指数相对较低。整治完成后，耕地生态安全水平显著提升。另外，研究发现，宜机化整治背景下耕地生态安全水平空间差异显著。为了更加直观地反映宜机化整治工程对耕地生态安全水平的影响，同时探究各乡镇间耕地生态安全水平的空间差异，选择2010年、2015年和2020年分别代表整治前、整治中、整治后的时间节点，进行耕地生态安全水平的时空可视化分析。为深入探究研究区域内耕地生态安全水平的动态变化，本文运用自然断点分类法，将耕地生态安全水平分为4个等级，即水平I级 [0.24,0.36]、水平Ⅱ级 (0.36，0.51]、水平Ⅲ级 (0.51，0.68]、水平IV级 (0.68，0.82]。
图3 2010—2025年研究区耕地生态安全水平变化趋势

Fig. 3 Temporal trend of cultivated land ecological security level in Chongqing from 2010 to 2025

通过对研究区2010年、2015年和2020年的耕地生态安全水平进行时空对比分析（图4）可以看出，重庆市耕地生态安全水平整体呈现为“东高西低”的空间分布格局，并且具有显著的空间异质性。分阶段来看，2010—2015年，重庆市耕地生态安全水平呈现出下降趋势，研究区内东西区域耕地生态安全水平差距变大；2015—2020年，研究区的耕地生态安全水平显著提升，区域间耕地生态安全水平差距逐渐缩小。总体来看，重庆市耕地生态安全水平在研究期间受多种因素影响而发生了变化，但整体呈现出更安全和稳定的发展态势。
图4 2010年、2015年、2020年耕地生态安全水平时空分布

Fig. 4 Spatiotemporal pattern of cultivated land ecological security level in Chongqing in 2010, 2015, and 2020

具体来看，2010年，研究区内耕地生态安全水平值范围为 [0.26,0.82]，空间上整体呈现东高西低的格局。如表2所示，生态安全水平为Ⅰ级的乡镇共34个，耕地面积为11335.25 hm2，占研究区耕地总面积的12.25%，多分布在重庆市的西部地区，该区域内坡耕地面积较大，耕地破碎化现象明显，耕地生态安全水平较低；生态安全水平为Ⅱ级的乡镇共135个，耕地面积为3249.29 hm2，占研究区耕地总面积的29.81%，主要分布在东南地区，该区域位于武陵山区和三峡库区，受自然条件影响，这些区域地势陡峭，水土流失较为严重；生态安全水平为Ⅲ级和Ⅳ级的乡镇共241个，耕地面积为6315.46 hm2，占研究区耕地总面积的57.94%，主要分布在东北部地区，该区域经济发展相对缓慢，社会经济活动对耕地扰动不明显，原有的景观格局变动较小，其地表植被覆盖程度也较高，耕地具有较好的生态基础。
表2 2010年、2015年、2020年耕地生态安全水平分级

Table 2 Classification of cultivated land ecological security level in 2010, 2015, and 2020

级别 2010年 2015年 2020年
乡镇
个数/个		 耕地
面积/hm2		 占比/% 乡镇
个数/个		 耕地
面积/hm2		 占比/% 乡镇
个数/个		 耕地
面积/hm2		 占比/%
Ⅰ级 34 1335.25 12.25 78 2077.54 19.06 40 1169.57 10.73
Ⅱ级 135 3249.29 29.81 208 5048.88 46.32 192 4884.29 44.81
Ⅲ级 223 5261.43 48.27 113 2851.44 26.16 165 3835.71 35.19
Ⅳ级 18 1054.03 9.67 11 922.14 8.46 13 1010.43 9.27
2015年，受整治工程施工等因素影响，研究区耕地生态安全水平有所降低，研究区内耕地生态安全水平值范围为 [0.24,0.78]。从其空间分布情况来看，重庆市东部地区生态安全水平格局变化较大，生态安全水平较低的区域在原有区域基础上向外扩散，对应的生态安全水平由Ⅱ级转变为Ⅰ级。具体而言，耕地生态安全水平为Ⅰ级的乡镇共78个，耕地面积为2077.54 hm2，占研究区耕地总面积的19.06%，主要分布在西部和东南部地区。生态安全水平为Ⅱ级的乡镇共208个，耕地面积为5048.88 hm2，占研究区耕地总面积的46.32%，主要分布在东南地区。生态安全水平Ⅰ级和Ⅱ级所属区域较早进行耕地宜机化整治，一些工程措施会导致耕地生态连续性的中断，例如通过田间道路建设、灌溉渠道等人工设施，破坏了当地的耕地景观格局和生态平衡。生态安全水平为Ⅲ级的乡镇为113个，耕地面积为2851.44 hm2，占研究区耕地总面积的26.16%。生态安全水平为Ⅳ级的乡镇共11个，耕地面积分别为922.14 hm2，占研究区耕地总面积的8.46%，其空间分布格局和2010年大致相同。
2020年，研究区耕地生态安全水平有一定提升，生态安全水平值范围为 [0.29,0.82]。生态安全水平为Ⅰ级的乡镇共40个，耕地面积为1169.57 hm2，占研究区耕地总面积的10.73%，仍旧主要分布在西部地区；生态安全水平为Ⅱ级的乡镇共192个，耕地面积为4884.29 hm2，占研究区耕地总面积的44.81%，主要分布于东南地区；生态安全水平为Ⅲ级的乡镇共计165个，耕地面积为3835.71 hm2，占研究区总耕地面积的35.19%；生态安全水平为Ⅳ级的乡镇共13个，耕地面积为1010.43 hm2，占研究区耕地总面积的9.27%。在此阶段，生态安全水平Ⅲ级和Ⅳ级的区域范围有所增加，这是由于宜机化整治完成之后耕地生态系统正在陆续恢复和重构，整治完成之后的耕地地块平整，连片程度高，使得其景观格局指数在一定程度上有所提高，许多撂荒的耕地被重新利用起来，区域地表植被覆盖度有所增加，对应的耕地生态系统得以恢复。

2.2 宜机化整治背景下耕地生态安全水平预测分析

根据上述研究结果可以发现，尽管耕地生态安全水平在耕地宜机化整治政策的推动下呈现整体向好的趋势，但考虑到政策影响的长效性，耕地宜机化整治的效果可能还未充分显现。因此，需要进一步预测未来时段的耕地生态安全水平的变化情况，以探究宜机化整治工程对耕地生态环境的长期影响。基于此，本文以2010—2020年重庆市典型地区耕地生态安全各指标数据为样本数据，运用径向基函数模型对2021—2025年宜机化整治后研究区耕地生态安全水平进行预测分析。
由重庆市耕地生态安全水平变化曲线可以看出（图3），2021—2025年重庆市耕地生态安全水平呈缓慢上升趋势，由0.53增长至0.54，这表明耕地宜机化整治工程的生态正向效应正在逐步显现。根据预测结果显示（图5），尽管2025年研究区耕地生态安全水平整体空间格局仍呈现“东高西低”的特点，但其生态安全水平高值区增加明显，而低值区呈现缩减态势。具体而言，相较于2020年，研究区耕地生态安全水平Ⅲ级对应的区域范围扩张明显；对应的乡镇共236个，涉及耕地面积为5550.28 hm2，占研究区耕地总面积的50.92%。同时，耕地生态安全水平Ⅳ级的区域也有小范围的增加，多集中在武隆区的西部，对应的乡镇共55个，涉及耕地面积为2146.21 hm2，占研究区耕地总面积的19.69%。另外，耕地生态安全水平Ⅰ级和Ⅱ级的区域范围有所缩减，其中生态安全水平为Ⅰ级的乡镇共21个，耕地面积为754.28 hm2，占研究区耕地总面积的6.92%；生态安全水平为Ⅱ级的乡镇共98个，耕地面积为2449.23 hm2，占研究区耕地总面积的22.47%。这一趋势表明，随着耕地宜机化整治工程实施后生态效应的发挥以及耕地保护相关政策的不断推进，一些耕地生态安全水平原本较低的地区正在逐步改善，耕地生态环境提升显著。一方面，耕地宜机化整治通过联通地块、消除死角、并小为大、优化布局、贯通渠道等方式，促使整治后的耕地景观格局稳定有序，生态安全性显著增强。另一方面，耕地宜机化整治通过坡改梯、完善农田水利等基础设施建设，有效防范和降低了水土流失等地质灾害威胁，提升耕地生态系统的安全性和稳定性。
图5 2025年耕地生态安全水平预测结果

Fig. 5 Prediction results of cultivated land ecological security level in Chongqing in 2025

2.3 耕地生态安全障碍因子分析

在明晰宜机化整治前后研究区耕地生态状况以及其变化规律的基础上，本文利用障碍度模型，进一步探究耕地宜机化整治前、整治过程中和整治结束后不同阶段下对应影响耕地生态安全水平的主要障碍因子类型，为后续针对性的研制耕地生态安全水平提升路径提供依据。
由表3可知，2010年，制约耕地生态安全水平的首位障碍因子为坡度，障碍度为14.35%（图6），共有118个乡镇首位障碍因子为耕地坡度，涉及耕地面积为2930.53 hm2，占研究区耕地总面积的26.89%，分散分布于整个研究区；其次为斑块密度和形状指数，障碍度分别为12.92%和8.79%。这表明，在宜机化整治之前，受丘陵山区特殊地形条件的影响，研究区内耕地分散、破碎化现象严重，“巴掌田”“鸡窝地”较为常见。这导致耕地自然条件禀赋较差，景观格局较为混乱，因此耕地农业生产条件和生态易损状态成为这一阶段制约研究区耕地生态安全水平的首要原因。2015年，研究区耕地生态安全水平首位障碍因子为遥感生态指数，障碍度为24.61%，主要分布在西部地区，涉及乡镇89个，耕地面积2354.14 hm2；其次为单位耕地农业机械总动力。其主要原因在于：耕地宜机化整治工程实施之初，在对坡度较大的耕地进行技术改造时，会造成大量的挖方和填方，加之工程对田间道路的重新规划修筑，在某种程度上会破坏耕地地表植被，造成耕地地表植被覆盖度降低，对耕地生态产生负向效应，从而影响耕地生态安全水平。2020年，制约耕地生态安全水平的首要障碍因子主要为社会经济相关指标，其中人口密度障碍度为15.26%，单位面积农机总动力的障碍度为13.84%；其次为第一产业固定资产投资，主要在中部地区和东南部地区障碍作用较为明显。这表明宜机化整治完成后，由于劳动力、农机、资金等农业生产要素配置失衡而导致的耕地不合理利用，是造成后期耕地生态安全降低的主要原因。
表3 2010年、2015年、2020年耕地生态安全水平主要障碍因子障碍度排序

Table 3 The rank of dominant limiting factors for the cultivated land ecological security level in 2010, 2015, and 2020 (%)

年份 主要障碍因子及障碍度
2010 坡度 斑块密度 形状指数 集聚度 人口密度
14.35 12.92 8.29 7.21 7.04
2015 遥感生态指数 单位耕地农业机械总动力 形状指数 到公路距离 整治工程扩大面积
24.61 15.37 13.31 9.23 7.62
2020 人口密度 单位耕地农业机械总动力 第一产业固定资产投资 人均GDP 遥感生态指数
15.26 13.84 13.25 11.63 10.72
图6 2010年、2015年、2020年耕地生态安全水平障碍因子分布

Fig. 6 Spatiotemporal pattern of limiting factors for the cultivated land ecological security level in Chongqing in 2010, 2015, and 2020

2.4 面向宜机化整治的丘陵山区耕地生态安全提升路径

整体来看，研究区内耕地生态承载能力薄弱，耕地产出能力不强，尽管耕地宜机化整治工程的实施对缓解耕地数量、质量和生态压力有一定的促进作用，但其仍存在实施周期长、短期效果不显著等一系列问题。为保证耕地宜机化整治工程的实施效果，同时实现耕地的“三位一体”保护，本文在综合考虑宜机化整治不同阶段影响耕地生态安全水平的主导障碍因子的基础上，针对性地提出以下三个方面的耕地生态安全水平提升路径（图7）。
图7 面向宜机化整治的丘陵山区耕地生态安全水平提升路径

Fig. 7 Improvement paths of cultivated land ecological security level in hilly and mountainous areas facing the land consolidation suitable for agricultural mechanization

（1）以“两山”理念为引领，系统构建耕地宜机化整治与生态化保护修复综合工程体系
考虑到中国丘陵山区耕地生产条件相对较差，农业生产与生态保护间矛盾突出，地方政府在实施宜机化整治工程时仍多以补充耕地面积为主要目标，对整治工程的生态效应有所忽略；加之宜机化整治工程实施中对耕地生态安全水平扰动较大。为解决这一问题，应以“两山”理念为引领，立足当地耕地资源禀赋，聚焦山水林田湖草沙一体化保护修复，构建耕地宜机化整治与生态化保护修复综合工程体系，即在传统的耕地宜机化整治工程中（如土地平整工程、灌溉排水工程、田间道路工程等）加强农田防护林、水源涵养林等生态防护工程建设，筑牢农田防护与生态环境保持体系，提高耕地生态系统的稳定性与抗逆性。通过全域土地综合整治与生态修复，提高机械化耕作水平，将生态安全和粮食安全有机结合，落实“藏粮于地”战略。与此同时，在实施模式上注重将政府主导转向政府引导、农民和新型经营主体参与的多元共治，通过差别化耕地生态保护补偿等方式，合理调整各方利益分配方案，激发农户对整治后耕地生态管护的积极性，实现耕地生态化下多元主体利益协同。
（2）推进基于生命周期的耕地宜机化整治生态建设
耕地宜机化整治生命周期是指耕地宜机化整治从工程前期规划到实施利用的全过程，具体可归纳为前期规划设计、中期工程实施、后期管护利用三个阶段。考虑到宜机化整治前后耕地生态安全水平及其障碍因子的差异性，一系列耕地生态化建设措施必须贯穿耕地宜机化整治工程的全生命周期：首先，在前期规划设计阶段，应将耕地提质增产与生态保护修复置于同等重要地位，通过合理的规划设计，减少耕地因地形坡度造成的水土流失和生态安全性降低。其次，在中期工程实施过程中，尽量采用绿色生态材料进行田间道路、规模化灌溉设施等工程建设，并在工程建设期间避免对耕地地表植被造成破坏，进而影响耕地的生态安全水平。在后期管护利用阶段，一方面要鼓励绿色低碳生产，推进有机肥替代、秸秆还田、测土配方等农业绿色生态技术使用，创新生态耕地技术；另一方面要注重耕地的休养生息与地力、生态恢复，通过优化配置劳动力、农机等农业生产要素实现合理耕作，推动耕地“生产—生态”协同发展。
（3）因地制宜、分区施策，差异化推进丘陵山区耕地宜机化整治工程
研究表明宜机化整治前后重庆市耕地生态安全水平呈现“东高西低”的显著空间差异性。因此，各级政府综合考虑耕地地力和地区的长板与短板，遵循“因地制宜、分区施策、协调发展”的原则，设计并实施差异化的宜机化整治耕地生态安全提升路径。针对地形条件相对较好、耕地占比低、生态承载力相对较强的地区，应在立足生态环境保护、科学开发的基础上，推进耕地宜机化整治和高标准农田建设，促进耕地的集约规模化利用，实现耕地扩容与提质并重。针对耕地生态承载力较差的地区，在实施耕地宜机化整治工程的基础上大力推进农业生产技术升级，强化农田水利工程及水土流失治理工程建设，即在保证耕地质量提升的同时，注重保持和维护耕地生态系统平衡。与此同时，针对严重退化的耕地实行修复治理，合理推进生态退耕，实现以耕地生态保护为主，生产与生态并重的耕地优化路径。总之，积极发挥各地资源禀赋优势，统筹推进耕地“三位一体”保护。

3 结论与讨论

3.1 结论

本文立足于重庆市典型地区耕地宜机化整治前后耕地生态系统的外源干扰胁迫和内源恢复状态，从农业生产条件、生态易损状态、工程干扰胁迫和社会经济状况四个维度出发，构建耕地生态安全评价指标体系。在此基础上，利用径向基函数模型，定量测算并预测宜机化整治工程实施前后耕地生态安全水平时空分布规律，识别并诊断宜机化整治不同阶段影响耕地生态安全水平的主导障碍因子，并针对性地提出面向宜机化整治的耕地生态安全提升路径，主要得出以下结论：
（1）2010—2020年，研究区耕地生态安全水平呈现出先下降后上升的“U”型波动式变化趋势，尽管宜机化整治实施过程中耕地生态安全水平有所下降，但整治完成后，耕地生态安全水平有所回升。整个研究期间，研究区耕地生态安全水平整体呈现出东高西低的空间格局，具有显著的空间异质性，其中耕地生态水平中高值区由原本的东部地区逐渐向西南部地区进行扩张。
（2）耕地生态安全水平的预测结果表明，2021—2025年研究区耕地生态安全水平呈缓慢上升趋势，由0.53增长至0.54；空间分布上，相比于2020年，耕地生态安全水平高值区增加明显，而低值区呈现缩减态势。这表明，耕地宜机化整治工程的生态正向效应正在逐步显现，整治后的耕地生态环境显著提升。
（3）障碍度模型测算结果表明，耕地宜机化整治实施前后，研究区耕地生态安全水平的主导障碍因子存在显著差异性。宜机化整治实施之前，丘陵山区耕地坡度大、地块景观破碎化等耕地内源恢复状态是制约耕地生态安全水平的主导因素；宜机化整治实施过程中，整治工程对耕地地表植被的破坏成为制约耕地生态安全水平的重要原因；整治工程完成后，由于劳动力、农机总动力等农业生产要素配置失衡而导致的耕地的不合理利用是造成区域耕地生态安全降低的主要原因。
（4）为保证耕地宜机化整治工程的实施效果，有效实现耕地利用生态文明，未来应以“两山”理念为引领，系统构建耕地宜机化整治与生态化保护修复综合工程体系。同时，考虑到耕地宜机化整治工程实施的周期性和影响的长效性，应持续推进基于生命周期的耕地宜机化整治生态建设；此外，坚持因地制宜、分区施策，差异化推进丘陵山区耕地宜机化整治工程，进而实现耕地“三位一体”保护。

3.2 讨论

自20世纪90年代，中国已开始针对丘陵山区的耕地整治工作开展了相关理论探索和实践。这一项工作的重点从早期的维护国家粮食安全、增加耕地面积，逐渐演变为注重耕地的提质增量，再到现如今的强化耕地质量、数量和生态的“三位一体”保护。总体而言，耕地的生态属性逐渐被重视。而耕地宜机化整治作为破解丘陵山区耕地破碎化、耕地大规模撂荒、劳动力严重外流、机械化生产效率低下的重要途径，对于保护农民种粮积极性、促进丘陵山区农业高质量发展具有重要意义。随着耕地宜机化整治工程的不断推进，相关学者对其所产生的生态效应以及其对耕地生态安全的影响愈发关注。然而，已有针对耕地生态安全的研究仍以传统耕地整治为研究重点，缺乏对耕地宜机化整治的响应，难以支撑丘陵山区耕地宜机化整治。本文从耕地宜机化整治的生态效应视角出发，构建了面向宜机化整治的耕地生态安全评价分析框架，在一定程度上丰富了耕地生态安全的研究内容，在研究视角和研究内容上具有一定的创新性。在此基础上，通过对宜机化整治前、整治中和整治后的耕地生态安全水平进行对比分析，以期更好地刻画宜机化整治工程对耕地生态安全的扰动性和促进作用，同时有助于对比分析整治后耕地生态水平能否较整治之前有所改善。此外，在预测方法上，本文采用机器学习的方法，运用径向基函数构建耕地生态安全水平预测模型，相比于回归分析法、GM(1, 1) 灰色预测模型等传统预测方法，适用性更强，预测结果更准确，是机器学习预测方法在耕地生态安全评价预测领域的一次新尝试，具有一定的创新性。本文利用障碍度模型精准识别宜机化整治不同阶段影响耕地生态安全水平的障碍因子，并针对性地提出面向耕地宜机化整治的耕地生态安全提升路径。综上所述，本文致力于回答并解决“耕地宜机化整治工程是否会对耕地生态安全造成负向影响”这一现实问题，研究具有较强的理论指导性和现实需求导向性，可为丘陵山区耕地利用与保护政策制定和优化提供理论借鉴和决策参考。
值得注意的是，耕地生态系统是耕地作为基础和核心，与周围的自然环境、生物群落和人类活动等因素相互作用而形成的复杂系统。因此，影响耕地生态安全水平的因素众多。但受限于数据可获性，本文仅从耕地宜机化整治的生态效应视角对耕地生态安全水平进行测度，对其他影响因素考虑不足，研究结果难以为其他影响因素下的耕地生态安全水平研究提供指导。此外，由于本文缺乏研究区农民耕作习惯、耕地投入—产出等方面的相关数据，未能充分探究以农民为主体的耕地生态安全提升路径。后续将通过农田土壤实验、村庄入户调研等一系列手段补充相关数据，以期进一步完善耕地生态安全评价指标体系，并从微观农户视角研制多尺度耕地生态安全提升路径与措施。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王立业, 师春春, 张文信, 等. 2009—2019年山东省耕地生态安全评价及障碍因子诊断. 水土保持研究, 2022, 29(6): 138-145, 153.

[WANG L Y, SHI C C, ZHANG W X, et al. Evaluation of cropland ecological security and diagnosis of its obstacle factors in Shandong province in 2009-2019. Research of Soil and Water Conservation, 2022, 29(6): 138-145, 153.]

[2]
张宗毅. “十四五”期间丘陵山区农田宜机化改造若干重大问题与举措. 中国农村经济, 2020, (11): 13-28.

[ZHANG Z Y. Some important problems and measures of farmland construction suitable for mechanization in hilly and mountainous areas during the 14th Five-year Plan Period. Chinese Rural Economy, 2020, (11): 13-28.]

[3]
李伶俐, 李江文, 钟守琴, 等. 基于地形复杂度的重庆市耕地“宜机化”改造适宜性评价. 中国生态农业学报(中英文), 2022, 30(2): 302-313.

[LI L L, LI J W, ZHONG S Q, et al. Suitability evaluation of suitable-for-mechanization transformation of cultivated land based on topographic complexity in Chongqing, China. Chinese Journal of Eco-Agriculture, 2022, 30(2): 302-313.]

[4]
谢花林, 黄萤乾. 非农就业与土地流转对农户耕地撂荒行为的影响: 以闽赣湘山区为例. 自然资源学报, 2022, 37(2): 408-423.

[XIE H L, HUANG Y Q. Impact of non-agricultural employment and land transfer on farmland abandonment behaviors of farmer: A case study in Fujian-Jiangxi-Hunan Mountainous Areas. Journal of Natural Resources, 2022, 37(2): 408-423.]

[5]
罗锡文. 补短板促全面提升我国农业机械化发展水平. 现代农业装备, 2017, (5): 7-12.

[LUO X W. Mending shortcomings to promote the overall improvement of China's agricultural mechanization development level. Modern Agricultural Equipment, 2017, (5): 7-12.]

[6]
刘立涛, 刘晓洁, 伦飞, 等. 全球气候变化下的中国粮食安全问题研究. 自然资源学报, 2018, 33(6): 927-939.

[LIU L T, LIU X J, LUN F, et al. Research on China's food security under global climate change background. Journal of Natural Resources, 2018, 33(6): 927-939.]

[7]
刘光盛, 赵乐松, 程迎轩, 等. 基于限制因子的粤北丘陵山区耕地宜机化整治分区. 农业工程学报, 2021, 37(12): 262-270.

[LIU G S, ZHAO L S, CHENG Y X, et al. Land consolidation zoning of Northern Guangdong for suitable mechanization transformation in hilly and mountainous areas based on limiting factors. Transactions of the CSAE, 2021, 37(12): 262-270.]

[8]
ZHU X F, XIAO G F, WANG S. Suitability evaluation of potential arable land in the Mediterranean Region. Journal of Environmental Management, 2022, 313: 115011, https://doi.org/10.1016/j.jenvman.2022.115011.

[9]
VÁZQUEZ-QUINTERO G, PRIETO-AMPARÁN J A, PINEDO-ALVAREZ A, et al. GIS-based multicriteria evaluation of land suitability for grasslands conservation in Chihuahua, Mexico. Sustainability, 2020, 12(1): 185, https://doi.org/10.3390/su12010185.

[10]
AKINCI H, ÖZALP A Y, TURGUT B. Agricultural land use suitability analysis using GIS and AHP technique. Computers and Electronics in Agriculture, 2013, 97: 71-82, https://doi.org/10.1016/j.compag.2013.07.006.

[11]
谭少军, 邵景安. 基于生态适宜性评价的西南丘陵区土地整治工程布局研究. 地理研究, 2018, 37(4): 659-677.

[TAN S J, SHAO J A. Land consolidation project layout based on ecological suitability evaluation in hilly areas of Southwest China. Geographical Research, 2018, 37(4): 659-677.]

[12]
何灏, 师学义. 基于景观格局的农用地整理道路规划布局方法. 农业工程学报, 2012, 28(11): 232-236.

[HE H, SHI X Y. Method for road planning in farmland consolidation based on landscape pattern. Transactions of the CSAE, 2012, 28(11): 232-236.]

[13]
YANG H, MA W Q, LIU T X, et al. Assessing farmland suitability for agricultural machinery in land consolidation schemes in hilly terrain in China: A machine learning approach. Frontiers in Plant Science, 2023, 14: 1084886, https://doi.org/10.3389/fpls.2023.1084886.

[14]
牛坡, 夏飞, 尤显平, 等. 重庆市宜机化土地整治效益研究. 农业工程, 2021, 11(8): 86-89.

[NIU P, XIA F, YOU X P, et al. Benefits of land consolidation for suitable large-medium farm mechanization of Chongqing. Agricultural Engineering, 2021, 11(8): 86-89.]

[15]
李懿芸, 毛晓红, 黄祖辉. 国家粮食安全背景下耕地数量、质量、生态“三位一体”保护评价与对策研究. 农村经济, 2023, (6): 21-31.

[LI Y Y, MAO X H, HUANG Z H. Research on the evaluation and countermeasures for the "trinity" protection of the quantity, quality and ecology of arable land in the context of national food security. Rural Economy, 2023, (6): 21-31.]

[16]
董玉红, 刘世梁, 王军, 等. 基于景观格局的土地整理风险与固碳功能评价. 农业工程学报, 2017, 33(7): 246-253.

[DONG Y H, LIU S L, WANG J, et al. Assessment of risk and carbon sequestration function of land consolidation based on landscape pattern. Transactions of the CSAE, 2017, 33(7): 246-253.]

[17]
张星山, 杨恒, 马雯秋, 等. 基于景观格局的丘陵山区耕地生态风险评价: 以重庆市潼南区为例. 智慧农业(中英文), 2024, 6(3): 58-68.

[ZHANG X S, YANG H, MA W Q, et al. Ecological risk assessment of cultivated land based on landscape pattern: A case study of Tongnan district, Chongqing. Smart Agriculture, 2024, 6(3): 58-68.]

[18]
崔宁波, 巴雪真. 黑龙江省耕地生态安全压力与农业经济发展的脱钩分析. 水土保持研究, 2021, 28(5): 308-315.

[CUI N B, BA X Z. Decoupling analysis of pressure of cultivated land ecological security and agricultural economic development in Heilongjiang province. Research of Soil and Water Conservation, 2021, 28(5): 308-315.]

[19]
刘艳芳, 安睿, 曲胜秋, 等. 福建省耕地生态安全评价及障碍因子分析. 中国农业资源与区划, 2022, 43(11): 121-132.

[LIU Y F, AN R, QU S Q, et al. Ecological security evaluation and obstacle factor diagnosis of the cultivated land in Fujian province. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(11): 121-132.]

[20]
SUN M Y, ZHANG L, YANG R J, et al. Construction of an integrated framework for assessing ecological security and its application in Southwest China. Ecological Indicators, 2023, 148: 110074, https://doi.org/10.1016/j.ecolind.2023.110074.

[21]
裴欢, 魏勇, 王晓妍, 等. 耕地景观生态安全评价方法及其应用. 农业工程学报, 2014(9): 212-219.

[PEI H, WEI Y, WANG X Y, et al. Method of cultivated land landscape ecological security evaluation and its application. Transactions of the CSAE, 2014(9): 212-219.]

[22]
单薇, 金晓斌, 孟宪素, 等. 基于多源遥感数据的土地整治生态环境质量动态监测. 农业工程学报, 2019, 35(1): 234-242.

[SHAN W, JIN X B, MENG X S, et al. Dynamical monitoring of ecological environment quality of land consolidation based on multi-source remote sensing data. Transactions of the CSAE, 2019, 35(1): 234-242.]

[23]
赖焕明, 吴大放, 黎怡姗, 等. 广州市耕地生态风险评价与预测研究. 广东农业科学, 2023, 50(1): 164-176.

[LAI H M, WU D F, LI Y S, et al. Study on ecological risk evaluation and prediction of cultivated land in Guangzhou. Guangdong Agricultural Sciences, 2023, 50(1): 164-176.]

[24]
TANG H, PENG J, JIANG H, et al. Spatial analysis enables priority selection in conservation practices for landscapes that need ecological security. Journal of Environmental Management, 2023, 345: 118888, https://doi.org/10.1016/j.jenvman.2023.118888.

[25]
LI C, WU Y M, GAO B P, et al. Construction of ecological security pattern of national ecological barriers for ecosystem health maintenance. Ecological Indicators, 2023, 146: 109801, https://doi.org/10.1016/j.ecolind.2022.109801.

[26]
LIU C L, LI W L, XU J, et al. Global trends and characteristics of ecological security research in the early 21st century: A literature review and bibliometric analysis. Ecological Indicators, 2022, 137: 108734, https://doi.org/10.1016/j.ecolind.2022.108734.

[27]
史娜娜, 肖能文, 王琦, 等. 锡林郭勒盟生态安全评价及生态调控途径. 农业工程学报, 2019, 35(18): 229-237.

[SHI N N, XIAO N W, WANG Q, et al. Ecological security evaluation and ecological regulation approach in Xilin Gol League. Transactions of the CSAE, 2019, 35(18): 229-237.]

[28]
ZHANG D H, REN H H, SUN P J, et al. Construction of multi-level ecological security network in fragmented nature landscape using the three-dimensional framework of ecological adaptability. Ecological Indicators, 2023, 157: 111229, https://doi.org/10.1016/j.ecolind.2023.111229.

[29]
ZHANG M N, AO Y, LIU M, et al. Ecological security assessment based on ecosystem service value and ecological footprint in the Pearl River Delta Urban Agglomeration, China. Ecological Indicators, 2022, 144: 109528, https://doi.org/10.1016/j.ecolind.2022.109528.

[30]
陕永杰, 魏绍康, 苗圆, 等. 基于PSR-TOPSIS模型的“晋陕豫黄河金三角”地区土地生态安全评价. 生态经济, 2022, 38(7): 205-211.

[SHAN Y J, WEI S K, MIAO Y, et al. Evaluation of land ecological security in the Yellow River Golden Triangle of Shanxi, Shaanxi and Henan based on PSR-TOPSIS model. Ecological Economy, 2022, 38(7): 205-211.]

[31]
卢国志, 庞鑫燕, 侯景伟, 等. 基于PSR模型的石嘴山市生态安全评价与预测. 安全与环境学报, 2023, 23(10): 3784-3792.

[LU G Z, PANG X Y, HOU J W, et al. Evaluation and prediction of ecological security in Shizuishan city based on PSR model. Journal of Safety and Environment, 2023, 23(10): 3784-3792.]

[32]
ZHANG R, WANG C L, XIONG Y C. Ecological security assessment of China based on the Pressure-State-Response framework. Ecological Indicators, 2023, 154: 110647, https://doi.org/10.1016/j.ecolind.2023.110647.

[33]
DONG Z H, ZHANG J Q, TONG Z J, et al. Ecological security assessment of Xilingolite grassland in China using DPSIRM model. Ecological Indicators, 2022, 143: 109336, https://doi.org/10.1016/j.ecolind.2022.109336.

[34]
高艳珍, 郑庆荣, 罗淑政, 等. 集中连片贫困区耕地安全性评价及影响因素分析: 以忻州市为例. 农业资源与环境学报, 2021, 38(5): 919-927.

[GAO Y Z, ZHENG Q R, LUO S Z, et al. Evaluation of cultivated land security and analysis of its influencing factors in concentrated contiguous poverty areas: A case study of Xinzhou city. Journal of Agricultural Resources and Environment, 2021, 38(5): 919-927.]

[35]
胡江霞, 文传浩, 兰秀娟. 三峡库区经济可持续发展的生态压力分析及预测: 基于灰色预测模型. 技术经济, 2015, 34(9): 55-60.

[HU J X, WEN C H, LAN X J. Analysis and prediction on ecological pressure of economic sustainable development in three gorges reservoir area: Based on grey prediction model. Journal of Technology Economics, 2015, 34(9): 55-60.]

[36]
崔宁波, 王婷, 巴雪真, 等. 东北黑土区耕地生态承载力动态评价及预测分析. 农业经济与管理, 2023, 3(3): 37-47.

[CUI N B, WANG T, BA X Z, et al. Dynamic Evaluation and prediction analysis of cultivated land ecological carrying capacity in black soil region of Northeast China. Agricultural Economics and Management, 2023, 3(3): 37-47.]

[37]
茹少峰, 马茹慧. 黄河流域生态环境脆弱性评价、空间分析及预测. 自然资源学报, 2022, 37(7): 1722-1734.

[RU S F, MA R H. Evaluation, spatial analysis and prediction of ecological environment vulnerability of Yellow River Basin. Journal of Natural Resources, 2022, 37(7): 1722-1734.]

[38]
GHOSH S, DAS CHATTERJEE N, DINDA S. Urban ecological security assessment and forecasting using integrated DEMATEL-ANP and CA-Markov models: A case study on Kolkata Metropolitan Area, India. Sustainable Cities and Society, 2021, 68: 102773, https://doi.org/10.1016/j.scs.2021.102773.

[39]
陈工, 李琦, 金玲艳, 等. 基于深度学习的区域生态安全时空模拟与预测. 地球信息科学学报, 2017, 19(7): 915-923.

[CHEN G, LI Q, JIN L Y, et al. Spatio-temporal simulation and prediction of regional ecological security based on deep learning. Journal of Geo-information Science, 2017, 19(7): 915-923.]

[40]
梁小英, 商舒涵, 徐婧仪. 基于BP神经网络的区域生态安全模拟研究. 西北大学学报: 自然科学版, 2020, 50(4): 654-665.

[LIANG X Y, SHANG S H, XU J Y. The research simulation of regional ecological security based on BP neural network. Journal of Northwest University: Natural Science Edition, 2020, 50(4): 654-665.]

[41]
刘蒙罢, 张安录, 文高辉. 长江中下游粮食主产区耕地利用生态效率区域差异与空间收敛. 自然资源学报, 2022, 37(2): 477-493.

[LIU M B, ZHANG A L, WEN G H. Regional differences and spatial convergence in the ecological efficiency of cultivated land use in the main grain producing areas in the Yangtze Region. Journal of Natural Resources, 2022, 37(2): 477-493.]

[42]
李林芝, 陈星宇, 张虹, 等. 基于随机森林算法的农村居民点用地适宜性评价: 以重庆市合川区为例. 重庆师范大学学报: 自然科学版, 2022, 39(3): 93-104.

[LI L Z, CHEN X Y, ZHANG H, et al. Evaluation of suitability of rural residential land use based on random forest algorithm: Take Hechuan district, Chongging city as an Example. Journal of Chongqing Normal University: Natural Science, 2022, 39(3): 93-104.]

[43]
张伟, 杜培军, 郭山川, 等. 改进型遥感生态指数及干旱区生态环境评价. 遥感学报, 2023, 27(2): 299-317.

[ZHANG W, DU P J, GUO S C, et al. Enhanced remote sensing ecological index and ecological environment evaluation in arid area. Journal of Remote Sensing, 2023, 27(2): 299-317.]

[44]
隋虹均, 宋戈, 高佳. 东北黑土区典型地域耕地生态退化时空分异: 以富锦市为例. 自然资源学报, 2022, 37(9): 2277-2291.

[SUI H J, SONG G, GAO J. Spatio-temporal differentiation of cultivated land ecological degradation in typical black soil regions of Northeast China: A case study of Fujin city. Journal of Natural Resources, 2022, 37(9): 2277-2291.]

[45]
王富武, 张玉红. 流域尺度的景观破碎化分析及生态环境质量评价. 自然灾害学报, 2023, 32(1): 67-75.

[WANG F W, ZHANG Y H. Landscape fragmentation analysis and eco-environmental quality assessment at the catchment scale. Journal of Natural Disasters, 2023, 32(1): 67-75.]

[46]
杜雪莲, 常滨丽. 生态产品价值实现效益评价及障碍因子分析: 以喀斯特山区贵州省为例. 生态经济, 2024, 40(5): 206-213, 222.

[DU X L, CHANG B L. Benefit evaluation and obstacle factor analysis of ecological product value realization: A case study of Guizhou province in Karst Mountains. Ecological Economy, 2024, 40(5): 206-213, 222.]

[47]
乐晖, 金文龙, 陈亢利. 长三角地区生态承载力评价: 以苏州市为例. 环境工程技术学报, 2023, 13(2): 725-732.

[YUE H, JIN W L, CHEN K L. Evaluation of ecological carrying capacity in Yangtze River Delta: A case study of Suzhou city. Journal of Environmental Engineering Technology, 2023, 13(2): 725-732.]

Options
Outlines

/

〈 〉