城市化是社会经济发展的必然趋势, 被认为是城市土地扩张的过程^[1]。虽然全球城镇建设用地仅占全球陆地总面积的0.63%, 但由于快速的城市化发展, 大量耕地被城镇建设用地占用, 全球城镇用地从1990年的45.1万km²增加到2010年的74.71万km^{2 [2-3]}。随着中国社会经济的快速发展, 尤其是1987年在深圳举行第一次试行土地拍卖之后, 中国城镇化进程步入了快速发展时代, 21世纪以来年均1%的增长速度令世界瞩目^[4]。从20世纪80年代末到2010年, 中国城镇建设用地面积增加了5.52万km^{2 [5]}, 其中2000—2005年和2010—2015年新增城镇建设用地面积的75%和67.5%均来源于耕地^[6-7]。相关研究表明, 预计到2040年全国城镇化率将超过70%^[8], 全国城镇用地到2099年将增加5474 km^2[9], 而且随着城镇建设用地的盲目扩张, 城市群的土地利用效率在2008—2015年呈下降趋势^[10]。因此, 如何定量分析城镇建设用地的利用效率逐渐成为新型城镇化研究的热点问题。

现有城镇建设用地与耕地的供需矛盾与驱动机理研究, 主要集中在对城市化进程中占用耕地的变化以及城市土地扩张的驱动因素方面^[11-15]。另外, 在城镇建设用地的经济效益研究方面, 也主要是关注城市土地利用效率的评价方法及其应用^[16]。对于不同资源、不同社会经济环境和不同的省级政策驱动下的耕地转换为城镇建设用地的驱动机理及其空间差异, 以及占用耕地经济效益的定量评估则相对较少。因此, 论文旨在综合考虑社会经济因素、政策措施和空间位置因素, 在对1990—2015年间全国31个省域城镇建设用地及耕地时空格局变化进行对比分析的基础上, 构建新增城镇建设用地占用耕地比例及速度的定量计算模型, 并引入数据包络分析法和地理探测器, 构建城镇建设用地占用耕地的经济效益模型, 实现对城镇建设用地占用耕地的驱动作用和效率的定量分析。

1 研究数据与方法 1.1 数据与处理

基于根据Landsat-TM/ETM遥感影像获取的1990年、1995年、2000年、2005年、2010年5个时段的土地利用数据和根据Landsat8遥感影像获取的2015年的土地利用数据(来源于中国科学院资源环境科学数据中心, http://www.resdc.cn), 结合土地利用数据的分类系统^[17], 将土地利用类型合并为耕地、林地、草地、水域、城镇建设用地、其他建设用地和其他用地7种类型, 构建1990—2015年的1 km分辨率的全国土地利用空间分布数据集(图 1)。并在数据处理过程中, 将城镇建设用地和耕地单独提取, 形成近25年的全国建设用地和耕地数据集, 为后续分析及模型计算提供基础数据。另外, 根据《中国统计年鉴》, 对第二、三产业生产总值占比、城镇居民消费水平、农村居民人均生活消费支出、地均农业机械总动力、人均财政支出和地均固定资产投资总额等社会经济数据进行收集, 并构建相应的空间数据集。

1.2 城镇建设用地变化与耕地变化的测度指数

根据1990—2015年间全国的六期1 km分辨率的土地利用数据, 基于ArcGIS的空间统计分析方法, 分别提取中国31个省份的建设用地与耕地, 计算二者的面积年变化率, 并在它们之间的变化进行对比分析基础上, 结合新增城镇建设用地占用耕地的面积比例(K), 对城镇建设用地占用耕地的速率进行定量求算。计算公式可表征为：

(1)

式中, B_a为一定时间段内新增城镇建设用地面积；C_a为新增城镇建设用地占用的耕地面积。

1.3 城镇建设用地占用耕地产生的经济效益模型

为了定量测度城镇建设用地在耕地方向上扩张的时空效率, 结合投入和产出模式, 引入无需权重假设的数据包络分析方法, 选取新增城镇建设用地占用耕地面积表示土地的投入, 城镇建设用地占用耕地所增加的城镇从业人员数作为劳动力投入, 城镇建设用地占用耕地所增加的固定资产投资总额作为资本投入^[18], 进而形成资本、劳动力和土地投入参数集(表 1), 构建衡量城镇建设用地占用耕地所产生的经济效益模型。该模型能够以“相对效率”概念为基础评价多投入多产出模式下决策单元间的相对有效性, 也称为CCR模型, 并在假定规模收益可变的条件下扩展为BCC模型^[19-22], 其理论公式可表达如下：

(2)

Minθ为目标函数；s.t.代表限制性条件；BCC模型中假设有n个决策单元，每个省都视为一个决策单元，且都有m个投入指标和p个产出指标；x_uj和y_vj分别表示第j个省的第u个投入指标值和第v个产出指标值；x_u0和y_v0分别为当前决策单元的投入和产出值；λ_j为第j个省在某一指标上的权重变量；θ为决策单元的有效值，也就是投入相对产出的有效程度。

1.4 城镇建设用地占用耕地的驱动机理模型

基于全国城镇建设用地与耕地时空分布的空间差异性特征, 引入地理探测器^[23-24]对城镇建设用地与耕地的相互作用机理进行定量解释。在模型构建的过程中, 将地均高程、地均坡度、道路密度、耕地面积加权形状指数和耕地密度指数作为城镇建设用地与耕地相互转换的限制因子, 结合经济发展水平和政府决策行为(表 2)^[25], 进而构建能够解析城镇建设用地占用耕地驱动影响的驱动机理模型。其理论公式可表达如下：

(3)

式中，q为新增城镇建设用地占用耕地面积的驱动因子探测力指标；N为研究区省份数，同时依据离散化的驱动因子将N分为L层；σ²为研究区新增城镇建设用地占用耕地面积的方差；N_h为第h层的省份数目，且σ_h²为相同层的新增城镇建设用地占用耕地面积的方差。q的取值区间为[0, 1]，q=0时，表示新增城镇建设用地占用耕地面积呈现随机分布，q值越大，该驱动因子对其影响越大。

2 结果和分析 2.1 城镇建设用地和耕地时空格局变化分析

通过对1990—2015年土地利用数据进行时空分析发现(图 2), 在1990—2015年间, 全国城镇建设用地呈持续增加趋势, 总面积增长了2.6万km², 总体增幅超过1倍, 其中2000—2005年期间建设用面积增加最多(增加了27.53%)。耕地面积整体呈先增加后减少趋势。耕地在1990—2000年间呈增加趋势, 自2000以后呈减少趋势, 其中2000—2005年间, 耕地的变化面积及变化比率均为最低。

分省域城镇建设用地与耕地变化的空间统计分析表明(图 3, 图 4), 1990—2015年间, 全国不同省域的城镇建设用和耕地变化存在显著的时空差异特征。广东的城镇建设用地增加最多(增加0.31万km²), 其次是山东(增加0.29万km²), 而青海的城镇建设用地的增量最少, 仅增加60 km²。全国各省域的城镇建设用地面积均呈持续增加趋势, 25年间城镇建设用地增加面积超过1倍的省包括宁夏、海南、浙江和重庆, 分别增加156%、133%、124%和105%, 而黑龙江和辽宁的城镇建设用地增长率较低, 仅分别为27%和36%。

1990—2015年间, 除黑龙江和新疆耕地面积整体有所增加外, 其余省份的耕地面积总体上均呈减少趋势。从耕地面积变化上看, 江苏耕地面积减少最多(0.57万km²), 而黑龙江耕地面积增加最多(增加2.18万km²)；从耕地面积变化率方面看, 上海、北京和浙江耕地减少速度最快, 分别减少25%、23%和16%, 而新疆和黑龙江耕地分别增加37%和15%。

在1990—1995、1995—2000、2000—2005、2005—2010和2010—2015五个时段内, 城镇建设用地除新疆在1990—1995年有所减少外, 其余各省各时段内内均呈增加趋势。大部分省份在各个时段的城镇建设用地增加速度呈减缓趋势。其中, 广东的城镇建设用地从1990—1995年的增加750 km²减少到2010—2015年的增加84 km², 其扩张速率也由45.79%减少为1.8%；新疆城镇建设用地面积从1990—1995年的减少55 km²到2010—2015年的增加627 km², 其变化率也由1990—1995年的-5.97%增加到2010—2015年的53.14%；北京城镇建设用地扩张速率的减速最快, 从1990—1995年的增加95.02%到2010—2015年的增加1.49%；贵州城镇建设用地扩张速率增速最快, 从1990—1995年的增加0.48%到2010—2015年的增加63%。

另外, 各时段内大部分省份的耕地减少速度整体上呈减缓趋势。其中, 新疆耕地面积在1990—2015年间减少821 km², 但2010—2015年间耕地面积增加了8291 km²；山东、河北、浙江、江苏、上海、西藏、天津、江西、湖北和四川的耕地面积在五个时段内均呈减少趋势, 尤其是四川耕地面积减少速度呈加快趋势；黑龙江耕地面积变化率在各时间段均为正值, 但其增速在减缓, 从1990—1995年的8.44%到2010—2015年的1.29%。

2.2 城镇建设用地占用耕地时空格局分析

通过对1990年和2015年全国耕地和城镇建设用地进行空间叠加分析发现(图 5), 在1990—2015年期间, 城镇建设用地共占用耕地为2.12万km², 占新增城镇建设用地总面积的72.5%。其中, 1995—2000年间, 虽然新增城镇建设用地占用耕地面积最少(占用1152 km²), 但新增城镇建设用地中有81.4%来自于耕地；自2000年后, 虽然城镇建设用地占用耕地面积呈持续增长趋势, 但新增城镇建设用地中占用的耕地比例在逐渐减少。

在1990—2015年间, 新增城镇建设用地占用耕地面积大于1000 km²的省份主要分布在东部沿海地区和粮食主产区。江苏城镇建设用地占用耕地2830 km², 占新增城镇建设用地面积总量的82%。青海和西藏虽然均仅有27 km²的耕地转为城镇建设用地, 但也分别占其新增城镇建设用地面积的30.9%和42.9%。新增城镇建设用地中耕地面积占比超过60%的省份主要分布在胡焕庸线以东, 尤其是上海, 新增城镇建设用地中占用耕地比例高达93.9%, 共有415 km²。广东有1771 km²耕地转为城镇建设用地, 也占新增城镇建设用地的近50%。全国城镇建设用地占用耕地情况呈由东部向西部逐渐减小的空间分布特征(图 6)。另外, 在1990—2015年期间, 除了福建新增城镇建设用地中耕地的占比从1990—1995年的88.2%减少为2010—2015年的46%(占用耕地面积下降52 km²)、内蒙古新增城镇建设用地中耕地的占比增加20.4%(占用耕地面积增加239 km²)以外, 其余大部分省份城镇建设用地占用耕地面积总体上呈现增加趋势, 但新增城镇建设用地中耕地的占比整体上呈下降趋势。山东城镇建设用地占用耕地的面积从1990—1995年的580 km²增加到2010—2015年的1876 km², 虽然耕地在新增建设用地中的占比有所减少, 但在2010—2015年间仍然高达74.8%。

2.3 城镇建设用地占用耕地的经济效益分析

通过DEA模型及选取的投入产出指标(表 1)对全国各省城镇建设用地在耕地方向上扩张的综合效率进行测度显示(表 3)：在1990—2015年间, 全国新增建设用地占用耕地的经济效益整体呈降低趋势。其中, 1995—2000年间的城镇建设用地占用耕地的经济效益最高；1990—2015年间, 上海、天津和西藏的新增建设用地占用耕地的投入产出效率值为1, 表明其城镇建设用地占用耕地的投入产出效率为DEA有效, 达到最佳状态；非DEA有效省份中综合效率值大于0.8的依次为山东、江苏、北京、青海、广东、浙江和重庆, 其中青海和重庆处于规模报酬递增趋势, 即城镇建设用地占用耕地面积的增加可以带来超出预期的效益, 其他地区处于则呈现规模报酬递减趋势, 即城镇建设用地占用耕地面积的增加不能带来相应比例的效益；新疆和甘肃的综合效率值均低于0.5, 但都呈规模报酬递增趋势, 即新增城镇建设用地占用耕地将带来超出相应比例的效益；对全国各省份1990—1995年和2010—2015年新增建设用地占用耕地产出的综合效率对比分析发现, 天津、北京、青海、新疆和内蒙的综合效率值整体上呈现波动上升趋势, 尤其天津和北京在2010—2015年的综合效率值比1990—-1995年分别增加35.32%和34.95%, 而安徽、甘肃、江西、广西、浙江、云南和江西综合效率值下降比例超过30%；上海和西藏在各时间段则一直处于DEA有效状态。

2.4 城镇建设用地占用耕地的驱动机理分析

为了对定量揭示城镇建设用地占用耕地的驱动效应, 在采用自然间断点法对X1—X11各个因子进行离散化的基础上, 应用地理探测器对不同时期各个因子对新增城镇建设用地占用耕地的作用强度进行计算表明(表 4)。在1990—2015年间, 经济发展因素是全国新增城镇建设用地占用耕地的主导驱动因素, 其次为空间位置因素和政策措施。其中, 城镇居民消费水平和地均农业机械总动力是经济发展因素中的主要因子, 耕地面积加权形状指数是空间位置因素中的主要驱动因子, 而地均固定资产投资总额是政策措施中的主导因子。空间位置因素和经济发展因素的驱动效益整体呈现下降趋势, 而政策措施的驱动强度则呈增加趋势；空间位置因素在1990—1995年对于新增城镇建设用地占用耕地的驱动作用强度最高, 而在2000—2005年的经济发展因素的驱动作用强度最高, 政策措施的驱动作用强度降到最小；另外, 从单因子驱动作用统计表明, 在1990—1995年间的地均农业机械总动力的驱动作用系数最高, 2000—2005年间的农村居民人均生活消费支出的驱动作用系数最高, 而1995—2000年和2005—2015年间均是耕地面积加权形状指数的驱动作用系数最高。

3 讨论

自1990年以来, 全国城镇建设用地空间上扩张面积总体上呈由东向西逐渐减弱的趋势, 扩展速率则呈逐渐减缓趋势。西北和东北地区的耕地面积有所增加, 东部和中部耕地面积减少趋势严重, 但1990—2005年间的耕地减少速率呈逐渐降低趋势。城镇建设用地占用耕地在空间上也呈由东部向西部逐渐减弱的趋势。根据《中国统计年鉴》统计数据, 1990—2015年, 我国乡村人口向城镇大量转移, 城镇化水平不断提高, 我国城镇人口总数由1990年的3.02亿增加到2015年的7.71亿, 城镇人口占比也由26.41%增加到56.1%；GDP由1.89×10⁴亿元到2015年的68.6×10⁴亿元, 增幅高达36.3倍。20世纪末, 沿海地区在外资引入、经济技术开发、房产热等的影响下^[26], 城镇周围的乡村地区被快速城镇化^[27], 新增城镇建设用地占用耕地面积比例高达78%, 尤其是珠江三角洲、长江三角洲和华北平原。20世纪90年代后期随着《基本农田保护条例》的颁布实施和《土地管理法》的修订与生效^[28], 以及耕地景观的形状破碎化等因子影响(图 7), 城镇建设用地扩张速度总体减缓, 对于我国传统农区耕地面积减少的趋势得到了有效的遏制；同期, 随着北部地区年积温不断增加和日益增长的粮食需求, 为北部干旱缺水区的林草地开垦为耕地提供较有利的气候条件和政府支持^[29]。2000年前草地减少3.44×10⁴ km², 以东北、华北和西北地区草地开垦为耕地为主, 林地减少1.09×10⁴ km², 主要是农耕区扩张对林地的占用^[30]。进入21世纪, 受我国经济和基础设施水平的提升、政府投资力度的加大和单位面积上耕地斑块数量增多等因子的影响(图 7), 因城镇扩张而流失的耕地面积正在增多；同时随着2000年中央实施“西部大开发”战略、2004年的“振兴东北”和“中部地区崛起”战略提出, 西部、中部和东北区域吸纳了大量的资金、人才和技术, 使中西部地区城镇扩展速度提升^{[3, 31-32]}, 城镇建设用地和耕地的地均高程也呈现增加趋势(图 7)；2000年后耕地减少面积中, 除城镇建设用地占用耕地外, 在1999年启动退耕还林、还草、还湿等生态保护政策的驱动下^[33-34], 坡度大于25°的丘陵山区的耕地因归根还林还草等而呈现减少趋势, 尤其是华北、黄土高原和农牧交错区比较明显^[35-37], 而新疆除在国家政策和技术驱动下, 依靠冰川融水开垦大量绿洲农田, 进而使得新疆耕地面积总体呈增加趋势。

在新型城镇化与耕地保护红线政策的驱动下, 城镇建设用地扩张和耕地破碎化严重省份, 当地政府部门应加强“多规合一”和落实“一张图”政策, 以优化国土空间格局和节约集约用地^[38-40]。新增城镇建设用地占用耕地比较严重的区域, 当地应以保护耕地资源作为新型城镇化发展的基础和前提, 完善土地增减挂钩、异区和同区内地块置换机制, 进而逐步减少新增建设用地计划指标^[41]。同时要紧紧抓住耕地保护数量和质量并重原则, 要占优补优, 占水田补水田, 并加强高标准基本农田建设, 以守住耕地红线^[42]。新增城镇建设用地在占用耕地产出效率较低的省份, 城镇建设用地应坚持控制增量、盘活存量、优化结构、提升效率, 并建立存量建设用地退出机制和加强土地整治, 在提高现有城镇建设用地效率的同时, 也应优化新增城镇建设用地结构和来源。

目前研究自然生态系统^[43-44]和所有土地覆盖类型变化^[45]的驱动力分析的研究较多, 但缺乏对人类活动干扰强度最大的建设用地与耕地之间的相互用效益的定量分析。该论文目前构建的模型和方法, 可以对中国城镇建设用地占用耕地的效率和驱动机理的时空变化进行定量测度和分析。在下一步的研究工作中, 在考虑城镇建设用地占用耕地关系的基础上, 深入分析大批农村人口进城而形成的空心村和双重占用建设用地现象^[46], 并投入产出指标选取方面, 在像元尺度上增加考虑城镇发展的各向异性, 进而更加深入地揭示农村建设用地占用耕地关系并更精确的度量新增建设用地占用耕地投入产出的经济效益。

4 结论

1990—2015年中国城镇建设用地占用耕地的效率和驱动机理的时空变化分析表明, 近25年来, 全国建设用地面积总体呈持续增加趋势, 耕地面积总体呈先增加后减少趋势, 建设用地占用耕地面积的比率总体呈减少趋势。主要研究结论包括：

(1) 1990—2015年间, 全国城镇建设用地面积增加了2.6万km², 增加比例达107%, 但是增加速率整体上以2.4%/5 a的比例在逐渐下降。2015年的耕地面积与1990年的耕地面积基本持平, 除了新疆和黑龙江耕地面积整体上呈现增加趋势外, 其余大部分省的耕地面积整体上均呈先增加后减少趋势。1990—2015年间, 全国新增城镇建设用地占用耕地总量为2.12万km², 占新增城镇建设用地面积总量的72.5%。

(2) 在1995—2015年间, 沿海省份的城镇建设用地的增加普遍高于中西部省份, 而且新增建设用地占用耕地的比例也普遍高于中西部城市, 但自2010年后, 其增加速率呈明显减少趋势。西南地区的城镇建设用地面积增加相对缓慢, 但其增加速度却呈上升趋势。统计结果显示, 新增城镇建设用地中耕地占比超过60%的省份主要分布在“胡焕庸线”以东地区。

(3) 1990—2015年间, 全国城镇建设用地占用耕地的产出效益超过0.8的省份主要分布在沿海地区, 而西北地区产出效益普遍偏低, 且多数省份的产出效益整体上出现降低趋势。各因素对于新增城镇建设用地占用耕地的驱动作用强度大小依次为经济发展因素>空间位置因素>政策措施。空间位置因素和经济发展因素的驱动作用强度整体呈现下降趋势, 而政策因素的驱动作用强度则呈增加趋势。