三江流域(云南区段)耕地非粮化空间格局及驱动因素

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 60, No. 5 (Sept. 2024)

1.北京林业大学水土保持学院, 北京 100083; 2.中国环境监测总站, 国家环境保护环境监测质量控制重点实验室, 北京 100012; †通信作者, E-mail: wuxq@bjfu.edu.cn

摘要为厘清中国西南典型丘陵山区的耕地非粮化态势并提供针对性的管控策略, 以三江流域(云南区段)为研究区, 探究该地区非粮化的空间格局及驱动因素, 从耕地资源禀赋、社会经济因素和农业投入因素 3 个角度来识别非粮化的驱动力, 划分非粮化的驱动类型, 得到如下结果表明。1)2019 年三江流域(云南区段)非粮化总面积为 100.41 万 hm2, 非粮化率均值为 34.69%, 其中金沙江流域中各县级单元的非粮化程度明显高于怒江和澜沧江流域。2)粮食单位产出量、乡村人口占比、坡度和人均耕地面积是耕地非粮化的重要驱动因子。3)耕地非粮化的驱动类型可划分为资源驱动型、劳动力驱动型和经济驱动型, 其中劳动力驱动型是区域内主要的驱动类型, 经济驱动型均为县级市或市辖区, 资源驱动型主要分布在经济驱动型的周围。根据不同驱动类型的县域, 寻求耕地非粮化的不同管控途径, 有助于为国家粮食安全和耕地保护政策调整提供科学依据。

耕地资源是粮食生产的核心物质基础。作为世界上最大的发展中国家, 中国人均耕地面积仅占世界人均耕地面积的 1/4, 切实保护耕地、保障“藏粮于地”是维护国家稳定发展和国家安全的关键[1–4]。随着经济的快速发展, 城乡收入差距逐渐增大, 种粮的比较效益低, 农户为实现自身利润最大化, 选择种植经济作物或改变耕地用途, 加剧了粮食安全风险, 不利于社会经济可持续发展[5–6]。耕地非粮化在现实中复杂多样, 界定和明晰其概念是非粮化精准分类施策的重要前提[7]。目前, 存在狭义和广义两种界定[8]。狭义的耕地非粮化指耕地种植结构非粮化, 即耕地种植经济作物的模式或行为; 广义的耕地非粮化指改变耕地种植用途的所有模式或行为。鉴于目前研究区内耕地种植用途没有权威机构公布的相关数据, 本研究采用狭义耕地非粮化的概念界定。

从内容上看, 非粮化研究侧重于非粮化现状特征[9–10]、驱动机制[11–13]和对策研究[14–15]。已有研究表明, 中国“非粮比率”变化大致呈现由东北向西南逐渐升高的空间格局, 且西南地区处于持续增长趋势[16]。耕地非粮化过程主要受自然条件、市场经济和政策制度等多重因素共同驱动, 海拔、土壤肥力[17]及机械化程度[18]等因素与耕地非粮化的关系密切, 种粮效率低下[19]、成本收益[20]以及工商资本下乡[21]等经济因素推动非粮化的形成。土地流转、农业结构调整和种粮补贴等政策构成耕地非粮化的主要外部诱因[22]。为防止耕地非粮化进一步加重, 有研究者提出调整产业结构[23]、提高种粮收入、降低种粮成本[24]以及制定差别化管制[25]等对策。大空间尺度上的耕地非粮化研究多以统计年鉴中的数据为基础数据[26–28], 也有学者使用遥感和GIS 空间分析法来监测小范围耕地非粮化的空间格局变化[29–30]。所研究的空间上涵盖全国[16,31]、省[32–33]、市[34–35]、县级单元[35–36], 并集中于粮食主产区和经济发达地区等耕地保护的热点区域。

耕地非粮化的无序扩张必然威胁我国粮食生产的长期稳定[37], 根据孔祥斌[38]的估算, 在我国七大地理地区(华东、华南、华北、华中、西南、西北和东北地区)中, 西南地区的“非粮化率”最高, 约为46%。《云南省第三次全国国土调查主要数据公报》显示, 云南省总耕地面积相较于第二次国土调查减少 84.84 万 hm2, 耕地质量也日趋下降, 粮食安全的风险逐渐升高[39]。怒江、澜沧江和金沙江流域地势落差大, 优质耕地资源匮乏, 蔬菜和果树等经济作物大量占用耕地种植[40], 粮食生产受到一定的威胁, 非粮化问题十分突出。

为了明晰西南丘陵山区耕地非粮化的内因, 本研究以县域为评价单元, 分析区内耕地非粮化的空间分异特征, 并从耕地资源、社会经济和农业投入为出发点, 揭示耕地非粮化的成因并划分驱动类型, 以期为研究区耕地保护政策、惠农政策等的制定提供科学依据。

1 研究区概况

三江流域(云南区段)指位于云南省境内怒江、澜沧江和金沙江干流所流经区域(图 1), 涉及云南省的 13 个州(市)、49 个县(区), 涵盖云南省西部、北部及东北部的广大区域(以下称“三江流域”)。流域总面积为 1891 万 hm2。2019 年, 三江流域耕地面积为 189.93 万 hm2, 占云南省总耕地面积的35.20%。该流域的粮食总产量为 527.09 万吨, 占云南省总产量的 28.19%。该流域 GDP 总量为 5557.92 亿元, 人均 GDP 为 37450.49 元。三产占比依次为 20.09%, 31.91%和 48.00%。流域内总人口为 1484.07 万, 其中乡村人口为 892.32 万, 占流域总人口的 60.13%。该流域的平均坡度为 22.23°, 地势高差悬殊, 地形复杂多样, 生态环境脆弱, 可利用的优质耕地资源较少。

2 数据来源与方法

2.1 数据来源

2.1.1 地理空间数据

本研究涉及的河流干、支流以及交通路网数据均来源于 OpenStreetMap 数据库(https://planet.open streetmap.org)。研究区数字高程模型(DEM)数据来源于地理空间数据云服务平台(http://www.gscloud. cn), 空间分辨率为 30m。2010—2020 年研究区的土地利用数据来源于中国科学院资源环境科学与数据中心《中国多时期土地利用遥感监测数据集》(CNLUCC)[41]。2010—2019 年三大主粮种植分布数据来源于《2000—2019 年全国三大粮食作物 1km种植分布数据集》[42]。

耕地面积数据来源于各县市的第三次全国国土调查主要数据公报, 粮食播种面积及社会经济数据来源于《中国县域统计年鉴》《中国农村统计年鉴》《云南统计年鉴》《中国区域经济统计年鉴》以及各市县统计年鉴及统计公报。

2.2 研究方法

2.2.1 非粮化的测算

基于王鹏程等[43]和常媛媛等[44]的研究, 依据自然资源部《关于完善早发现早制止严查处工作机制的意见》和云南地区传统粮食种植习惯, 同时为了保证数据的可得性, 本文所指粮食作物包含谷物(稻谷、小麦和玉米)、豆类和薯类, 与国家统计部门对粮食播种面积的认定保持一致。非粮化面积和非粮化率的计算公式如下:

其中, Ang 为非粮化面积, Ac 为耕地面积, Ag 为粮食播种面积, I 为复种指数, Rng 为非粮化率。

2.2.2 耕地非粮化驱动因素模型构建

根据文献[27,45]的研究成果, 确定非粮化的影响因子, 如表 1 所示。从耕地资源因素、社会经济因素和农业投入因素三方面选取 10 个具有代表性的指标作为解释变量, 各指标正负作用的性质依据非粮化率与相应指标的相关分析结果来确定。采用极差标准化方法对各指标进行无量纲化处理, 以非粮化率为因变量, 运用随机森林模型, 得到三江流域耕地非粮化分异的主要驱动因子。

通过 Bootstrap 重采样的方法, 从总训练样本中有放回地随机选取多个样本子集, 并为每个子集构建决策树, 最终将决策树预测结果的平均值作为随机森林回归的结果[46]。采用模型的%IncMSE 值来反映影响因子的重要性。模型精度评价的指标主要采用决定系数(R2)和平均绝对误差(MAE)。

2.2.3 耕地非粮化的不同驱动类型划分

运用主成分分析方法, 即通过降维处理, 把原来的多个驱动因素转化为一个或几个综合指标, 从而提取出主成分, 并给予因子解释, 进而计算主成分得分[8]。K 均值聚类是随机选择 K 个点作为第一个的聚类中心, 然后计算每个点与各聚类中心之间的距离, 每个聚类中心以及与之相近的对象就代表一个聚类[47]。借助主成分得分及 K 均值聚类, 划分研究区耕地非粮化的不同驱动类型, 并依据各类型的主成分特征, 对每个类型进行命名和分析。

区位熵指数在计算和数据获取方面简单方便, 不仅能清晰地反映某地区某行业的集聚水平, 还可以更好地呈现区域规模差异。考虑到因不同驱动类型中包含的县域数量不等造成的对比困难, 本文采用区位熵指数来反映不同驱动类型中占主导的经济作物情况:

其中, LQij 代表 j 地区的 i 类经济作物的主导程度, qij为 j 地区的 i 类经济作物产量, qj 为 j 地区所有经济作物产量, qi 为三江流域内 i 类经济作物产量, q 为三江流域所有经济作物产量。当 LQij>1 时, 认为 j 地区的 i 类经济作物占主导优势。

3 结果与分析

3.1 三江流域耕地非粮化的空间格局

2019 年, 三江流域非粮化总面积为 100.41 万hm2, 平均非粮化率为 34.69%。金沙江流域的非粮化面积为 40.19hm2, 平均非粮化率均最高(34.51%), 如图 2 所示。从空间上看, 各流域下游县域的非粮化面积普遍高于中游和上游(图 3(a))。各县域非粮化率分布格局大体上与非粮化面积类似(图 3(b))。总体上, 绥江县非粮化面积大且非粮化率很高, 而贡山县和福贡县非粮化率较高, 但非粮化面积很小。

3.2 三江流域耕地非粮化主驱动因子识别

将表 1 的 10 个影响因子与非粮化率进行随机森林回归分析, 得到模型的决定系数(R2)为 0.866, 平均绝对误差(MAE)为 0.036, 说明随机森林回归模型的拟合效果较好。根据影响因子的重要性排序(图4), 前 4 个因子的重要值较为显著(%IncMSE≥10), 分别是粮食单位产出量(X2)、乡村人口占比(X5)、坡度(X3)和人均耕地面积(X1)。

3.3 三江流域耕地非粮化驱动类型划分

如表 2 所示, 运用主成分分析方法提取影响耕地非粮化的主因子, 前 4 个主成分的特征值占总方差的百分比达 75.43%, 因此选用前 4 个主成分对研究区耕地非粮化驱动类型进行划分(表 3)。

根据各个因子主成分得分和 K 均值聚类分析结果(图 5)可知, 耕地资源因子和农业支持因子均属于第一类, 得分优于其余因子, 故将两类因子合并为资源驱动因子。第二类得分最高的是劳动力因子, 经济驱动因子则自动归为第三类(图 6 和表 4)。

1)资源驱动型: 共 20 个县(区), 平均非粮化面积最高(23147.10hm2), 同时单位面积第一产业产值指标均值最高, 粮食单位产出量和农业机械总动力水平较高, 农村劳动力充足, 农业投入量大且生产能力强。

2)劳动力驱动类型: 共 22 个县(区), 是主要的非粮化驱动类型, 平均非粮化面积最低(17694.58hm2)。县域平均坡度最为陡峭, 路网密度低, 人均耕地面积大但农业机械率差, 农业生产条件差造成农业发展的局限, 驱动了非粮化。

3)经济驱动型: 共 7 个县(区), 均为县级市或者市辖区, 平均非粮化率最高(39%)。农村居民人均可支配收入、路网密度和单位面积农业机械总动力等指标均值最高, 高水平生产方式和生活条件推动该类型耕地利用趋向非粮化。

4 讨论与结论

4.1 讨论

4.1.1 三江流域耕地非粮化方向

随着农业生产成本的不断上升, 种粮比较效益的持续低下与经济作物高额回报带来的刺激作用促使经济作物大规模种植[48]。通过区位熵的运算, 得到不同非粮化驱动类型的经济作物产量占比(表5)。可以看出, 经济驱动型县域的主导经济作物为水果, 劳动力驱动型县域的主导经济作物为甘蔗, 资源驱动型的县域在油料、烤烟、茶叶和水果上都有大量种植。

如表 6 所示, 近 10 年, 三江流域耕地的减少主要是因为耕地转换成林地。三大主粮(玉米、小麦和水稻)种植面积也显著减少, 其中 2010—2015 年平均减少 6345.24hm2, 2015—2019 年平均减少1383.33hm2 (表 7)。经济驱动型的水富市、思茅区和景洪市有超过 20%的耕地转换成林地(图 7), 其中景洪市的三大主粮种植面积 2010—2014 年大幅度减少, 约为全流域三大主粮种植面积减少平均水平的两倍(图 8), 且在实施《景洪市 2015 年新型农业社会化服务体系》项目后, 大力推进热带特色水果种植, 逐渐形成以柚子、火龙果、菠萝、芒果和香蕉为主的优势生产区, 当地非粮化主要向经果林方向发展[49]。资源驱动型的施甸县、绥江县和永胜县的旱地面积明显增加(图 9), 其中施甸县 2019 年人均烤烟产量为 45.73kg/万人, 是我国重要烤烟产区之一[50]。2015—2019 年同类型的会泽县、永善县、鲁甸县和凤庆县的三大主粮种植面积大幅度减少(图 8), 其中凤庆县主要发展茶叶种植[51], 会泽县主要以核桃、蔬菜和中药等种植为主[52]。劳动力驱动型的勐海县旱地比例明显下降(图 9), 2010—2014年, 三大主粮种植面积减少 8700hm2 (图 8), 甘蔗种植面积和产量呈现稳中有增的发展态势[53]。

4.1.2 三江流域耕地非粮化成因

经济驱动型县域的粮食单位产出量最高, 耕地生产条件优越, 但乡村人口占比仅为 37.29%。该类型县域的城镇化发展较快, 受地理区位和经济效益的驱使, 农户倾向于选择种植水果等更高农业产出效益的非粮化经营方式[39]。劳动力驱动型是三江流域最主要的非粮化驱动类型。该类型中的人均耕地面积和乡村人口占比都很高, 且多为经济欠发达的少数民族聚集地区。坡度陡峭以及农机水平低造成粮食无法大规模播种, 加剧了当地的非粮化。资源驱动型县域靠近经济发达的市辖区和县级市, 交通条件比较优异, 人们可支配收入较高。该类型中勐海县、华坪县和元谋县等作为云南省“一县一业”示范县, 以茶叶、蔬菜和水果等为重点的特色优势产业, 建设规模、绿色、优质的农业生产基地[54]。政策引导是影响耕地非粮化的重要因素之一, 乡村振兴时期, 地方政府的非粮激励政策使得特色农业成为县域经济发展的重要支撑[55]。

4.1.3 对三江流域不同耕地非粮化驱动类型的管控建议

资源驱动型县域的经济发展潜力大, 速度快, 交通区位条件好。一方面, 可通过培育适宜的高产良种, 提高粮食产量, 减缓粮食安全的压力; 另一方面, 可对其进行精准管理, 在确保优质耕地用于种粮的前提下, 对农业生产结构进行科学调整, 促进良田粮用, 在保障粮食生产的前提下, 尽可能增加农民经济效益。

说明: 平均指三大流域各县城三大主粮种植面积减少量的平均值。

劳动力驱动型县域农机水平低, 可推进完善粮食作物生产机械化扶持政策体系, 提高粮食全程机械化水平, 增强基础设施建设, 提高种粮效率及规模, 抑制非粮化的无序扩张。

经济驱动型县域的人民生活生活水平高, 有农产品多样化的需求, 可推广粮经复合模式及种养结合模式, 提高粮食种植的综合效益, 但在永久基本农田内严禁新增非粮化行为, 突出种粮的主体地位。针对农业比较效益低下的问题, 给予种粮补贴, 提高农民的种粮积极性。

4.2 结论

本文以县域为评价单元, 基于 2019 年的社会经济统计数据和地理空间数据, 分析三江流域耕地非粮化的空间特征, 识别非粮化的驱动因子, 进而划分出耕地非粮化的不同驱动类型。得到以下结论。

1) 2019 年, 三江流域非粮化总面积为 100.41 万hm2, 总体平均非粮化率为 34.69%。非粮化率和非粮化面积空间分布大致相同, 其中金沙江流域的非粮化总面积及平均非粮化率最高, 且流域下游县域普遍高于中上游地区。

2)三江流域耕地非粮化受多种因素共同影响, 粮食单位产出量、乡村人口占比、坡度和人均耕地面积对耕地非粮化具有显著的影响。除坡度外, 其余3 个影响因子对耕地非粮化水平均为负向作用。

3)三江流域耕地非粮化的驱动类型划分为资源驱动型、劳动力驱动型和经济驱动型, 其中劳动力驱动型是主要的驱动类型, 经济驱动型的平均非粮化率最高, 资源驱动型的平均非粮化面积最大。

[1] 曹宇, 李国煜, 王嘉怡, 等. 耕地非粮化的系统认知与研究框架: 从粮食安全到多维安全. 中国土地科学, 2022, 36(3): 1–12

[2] 吴郁玲, 张佩, 于亿亿, 等. 粮食安全视角下中国耕地“非粮化”研究进展与展望. 中国土地科学, 2021, 35(9): 116–124

[3] 程旭东, 陈美球, 赖昭豪, 等. 山区县耕地“非粮化”空间分异规律及关联因素. 农业工程学报, 2023, 39(2): 203–211

[4] Zhu Z, Dai Z, Li S, et al. Spatiotemporal evolution of non-grain production of cultivated land and its under-lying factors in China. International Journal of Envi-ronmental Research and Public Health, 2022, 19(13): 8210

[5] 梁鑫源, 金晓斌, 韩博, 等. 藏粮于地背景下国家耕地战略储备制度演进. 资源科学, 2022, 44(1): 181–196

[6] 吕沄灏, 崔民, 夏显力, 等. 陕南耕地“非粮化”时空演变及其驱动力. 资源科学, 2023, 45(8): 1531–1545

[7] 朱道林. 耕地“非粮化”的经济机制与治理路径. 中国土地, 2021, 40(7): 9–11

[8] 虞洪. 耕地“非粮化”内涵要义、治理约束及路径选择. 农村经济, 2023, 41(9): 1–10

[9] 韦燕飞, 魏锋, 童新华. 广西石漠化地区耕地“非粮化”特征刻画及归因识别. 资源开发与市场, 2023, 39(1): 9–15

[10] 关小克, 王秀丽, 赵玉领. 黄河沿岸“非粮化”耕地形态特征识别与优化调控研究. 农业机械学报, 2021, 52(10): 233–242

[11] 郭珍. 耕地功能性流失的表现、驱动机制及其治理. 吉首大学学报(社会科学版), 2020, 41(5): 56–63

[12] 杨琦. 关中平原耕地非粮化时空演变及驱动机制分析[D]. 咸阳: 西北农林科技大学, 2022

[13] Wang J, Dai C. Identifying the spatial–temporal pattern of cropland’s non-grain production and its effects on food security in China. Foods, 2022, 11(21): 3494

[14] 杨瑞珍, 陈印军, 易小燕, 等. 耕地流转中过度“非粮化”倾向产生的原因与对策. 中国农业资源与区划, 2012, 33(3): 14–17

[15] 刘洪彬, 李顺婷, 吴岩. 基于SEM-SD模型的农户土地托管行为决策机制研究. 中国土地科学, 2020, 34(12): 78–86

[16] 孟菲, 谭永忠, 陈航, 等. 中国耕地“非粮化”的时空格局演变及其影响因素. 中国土地科学, 2022, 36 (1): 97–106

[17] 王善高, 田旭. 农村劳动力老龄化对农业生产的影响研究——基于耕地地形的实证分析. 农业技术经济, 2018(4): 15–26

[18] 郝海广, 李秀彬, 谈明洪, 等. 农牧交错区农户作物选择机制研究——以内蒙古太仆寺旗为例. 自然资源学报, 2011, 26(7): 1107–1118

[19] 祝洪章. 农地流转“非粮化”及对粮食安全影响研究述评. 人民论坛, 2016, 25(17): 82–84

[20] 戚渊, 李瑶瑶, 朱道林. 农地资本化视角下的耕地非粮化研究. 中国土地科学, 2021, 35(8): 47–56

[21] 高晓燕, 赵宏倩. 工商资本下乡“非粮化”现象的诱因及长效对策. 经济问题, 2021, 43(3): 92–99

[22] 刘克春. 粮食生产补贴政策对农户粮食种植决策行为的影响与作用机理分析——以江西省为例. 中国农村经济, 2010, 26(2): 12–21

[23] 白玉祥, 程鑫娜, 毕永琪, 等. 土地流转视角下的非粮化现象研究——以河北省沽源为例. 现代农业, 2019, 45(9): 19–20

[24] 罗晨阳, 乔欢欢. 我国耕地非粮化成因及阻断对策. 乡村科技, 2021, 12(8): 30–31

[25] 陈美球. 耕地“非粮化”现象剖析与对策建议. 中国土地, 2021, 40(4): 9–10

[26] 王越, 曾先, 刘钊宇, 等. 辽宁省耕地非粮化时空分异及其决定因素——多元利益主体决策的作用. 资源科学, 2023, 45(5): 980–993

[27] 张颖诗, 冯艳芬, 王芳, 等. 广东省耕地非粮化的时空分异及其驱动机制. 资源科学, 2022, 44(3): 480–493

[28] 李欣宇, 方斌, 李怡, 等. 中国粮耕价值比与种植结构时空耦合演化及分区调控. 地理学报, 2022, 77 (11): 2721–2737

[29] 常媛媛, 刘俊娜, 张琦, 等. 粮食主产区耕地非粮化空间格局分异及其成因. 农业资源与环境学报, 2022, 39(4): 817–826

[30] Su Y, Qian K, Lin L, et al. Identifying the driving forces of non-grain production expansion in rural China and its implications for policies on cultivated land protection. Land Use Policy, 2020, 92: 104435

[31] Feng Y, Ke M, Zhou T. Spatio-temporal dynamics of non-grain production of cultivated land in China. Sus-tainability, 2022, 14(21): 14286

[32] Jundong H, Hong W, Yu S. Spatio-temporal evolution and driving factors of “Non-Grain Production” in Hu-bei Province based on a non-grain index. Sustainabi-lity, 2023, 15(11): 9042

[33] 张惠中, 宋文, 张文信, 等. 山东省耕地“非粮化” 空间分异特征及其影响因素分析. 中国土地科学, 2021, 35(10): 94–103

[34] 谢雨琦, 王子芳, 王颖, 等. 重庆丘陵山区耕地非粮化时空变异及驱动类型划分. 农业资源与环境学报, 2024, 41(1): 15–26

[35] 吴大放, 林添华, 李淑君, 等. 广州市耕地非粮化时空演变及驱动力分析. 广东农业科学, 2023, 50 (1): 153–163

[36] Cheng X, Tao Y, Huang C, et al. Unraveling the causal mechanisms for non-grain production of cultivated land: an analysis framework applied in Liyang, China. Land, 2022, 11(11): 1888

[37] Liu Y, Zhou Y. Reflections on China's food security and land use policy under rapid urbanization. Land Use Policy, 2021, 109: 105699

[38] 孔祥斌. 耕地“非粮化”问题、成因及对策. 中国土地, 2020, 39(11): 17–19

[39] 晋明倩. 云南省耕地“非农化”与“非粮化”动态变化及驱动因素研究[D]. 昆明: 云南财经大学, 2023

[40] 赵成, 顾小华, 姜宏雷, 等. “三江”流域(云南部分)土地利用变化的生态环境效应研究. 水土保持研究, 2016, 23(1): 240–243

[41] Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth System Science Data, 2021, 13(8): 3907–3925

[42] Luo Yuchuan, Zhang Zhao, Li Ziyue, et al. Identifying the spatiotemporal changes of annual harvesting areas for three staple crops in China by integrating multi-data sources, 2020, 15(7): 074003

[43] 王鹏程, 张利国, 卢玉兰, 等. 广西耕地“非粮化” 时空演变及影响因素研究. 中国农业资源与区划, 2023, 44(5): 187–197

[44] 常媛媛, 刘俊娜, 马静, 等. 干旱半干旱区耕地非粮化空间格局及驱动因素. 农业资源与环境学报, 2023, 40(2): 333–344

[45] 赵小风, 李娅娅, 郑雨倩, 等. 产业结构、农民收入结构对耕地非粮化的影响. 国土资源科技管理, 2019, 36(5): 66–77

[46] 王腾军, 方珂, 杨耘, 等. 随机森林回归模型用于土壤重金属含量多光谱遥感反演. 测绘通报, 2021 (11): 92–95

[47] 焦登丹, 王兰, 何远霞. 基于主成分分析和聚类分析的不同地区农产品产量研究. 中国农业会计, 2023, 33(14): 97–99

[48] 杨朝磊, 李灿锋, 田瑜峰, 等. 云南省耕地“非粮化”现状及其生态环境效应. 矿产勘查, 2020, 11(12): 2573–2591

[49] 罗桂华, 廖俊聪. 景洪市水果产业蓬勃发展[EB/ OL]. (2023–11–14) [2024–01–16]. https://www.bndai ly.com/p1/snzk/20231114/425080.html

[50] 刘武波, 周迪, 杨林圜, 等. 8 个烤烟品种在保山地区的生态适应性研究. 安徽农业科学, 2021, 49(15): 31–33

[51] 李春林. 另辟蹊径发展茶产业[N]. 云南日报, 2022–07–13 (008)

[52] 陈宇. 以现代特色农业推动乡村振兴以云南省会泽县为例. 当代县域经济, 2020, 7(7): 71–73

[53] 王嘉红, 黄文华, 李绍伟, 等. 勐海县糖料蔗生产现状与发展建议. 甘蔗糖业, 2022, 51(1): 11–15

[54] 刘宇, 邹鹏. 希望田野大展宏图——云南全力打造万亿级高原特色现代农业. 云岭先锋, 2020, 67(11): 36–37

[55] 吴娜琳, 卫怡珂, 李立, 等. 县域非粮作物空间格局及其形成机制——来自河南省宁陵县的实证分析. 地理科学进展, 2023, 42(7): 1298–1310

Spatial Pattern and Influencing Factors of Non-grain Cultivated Land in the Three River Basin (Yunnan Section)

1. College of Soil and Water Conservation, Beijing Forestry University, Beijing 100083; 2. State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012; †Corresponding author, E-mail: wuxq@bjfu.edu.cn

Abstract In order to clarify the situation of non-grain farmland in typical hilly areas of southwest China and provide targeted control strategies, this study investigated the spatial distribution of non-grain crops taking the Three River Basin (Yunnan section) as the study region. The driving force of non-grain industrialization in this region was identified from the perspectives of cultivated land resource endowment, social and economic factors and agricultural input factors, and the driving types of non-grain industrialization were divided. The results showed as follows. 1) In 2019, the total non-grain area of the Three River Basin was 100.41 million hm2, and the average non-grain rate was 34.69%. The non-grain production degree of county-level units in the Jinsha River Basin was significantly higher than that in the Nujiang River Basin and Lancang River Basin. 2) Several significant characteristics that contributed to non-grain industrialisation included grain output per unit, share of rural population, slope, and per capita cultivated land area. 3) The driving types of non-grain-driven cultivated land mostly consisted of resource-driven, labor-driven, and economy-driven categories. The labor-driven type was identified as the predominant driving force in the region. Economy-driven type are all in county-level cities or municipal districts, while the resource-driven type is mainly concentrated in proximity to the economic-driven type. The pursuit of diverse approaches to managing non-grain farmland, based on variations in driving factors across different regions, can contribute to the development of evidence-based strategies for adjusting national policies related to food security and farmland preservation.

Key words non-grain cultivated land; random forest; driving type; Three River Basin