求得。当研究区内的点状要素呈随机型分布时, 其理论最邻近距离计算公式为北京大学学报(自然科学版) 第61卷 第3期 2025年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 3 (May 2025)
doi: 10.13209/j.0479-8023.2024.076
自然资源部东南丘陵土地整治野外科学观测研究站自主研究课题(KY-030000-04-2024-036)和国家自然科学基金(42301318)资助
收稿日期: 2024–03–25;
修回日期: 2024–07–28
摘要 借助 GIS 空间分析和 Logistic 回归分析, 剖析保留和退出的全域土地综合整治试点的空间分布规律, 研究影响试点实施状态的主要因素。结果表明, 保留和退出的全域土地综合整治试点均呈集聚分布, 且二者的分布格局具有明显的地域差异性。保留试点多位于我国东南沿海等地区, 而退出试点多分布于东北和西北等地区。耕地规模化程度较高的区域开展全域土地综合整治的需求和条件明显较低, 农民收入低下、村庄自然禀赋不足和建设用地利用粗放等因素也会在一定程度上限制全域土地综合整治的实施。全域土地综合整治是一项多目标、多要素、多主体的综合性工作, 各地应提高对乡村生态保护修复的重视程度, 在充分分析区域条件的基础上, 因地制宜地制订整治方案, 并以农民提出诉求、地方政府引导和社会资本参与为主要路径推动整治的实施。
关键词 全域土地综合整治; GIS 空间分析; Logistic 回归分析; 保留试点; 试点退出; 空间分布
2019 年 12 月, 自然资源部印发《关于开展全域土地综合整治试点工作的通知》(自然资发〔2019〕194 号), 启动全域土地综合整治试点工作。这项工作试图克服原有单一要素、单一手段的土地整治模式, 探索统筹农用地整理、建设用地整理和乡村生态保护修复的有效途径[1]。经过近 4 年的试点探索, 自然资源部于 2023 年 10 月启动全域土地综合整治试点阶段性成果评估总结。评估结果显示, 全国共安排各级各类试点 1304 个, 累计投入资金 4488 亿元, 完成综合整治土地 25.2 万公顷, 实现新增耕地3.1 万公顷、减少建设用地 0.8 万公顷。试点在优化农村地区国土空间布局、为农村一二三产业融合发展提供要素保障以及服务乡村振兴等方面成效显著[2]。但是, 与此同时, 也有部分试点在实施过程中由于种种原因难以为继。2023 年 4 月, 自然资源部办公厅印发的《关于严守底线规范开展全域土地综合整治试点工作有关要求的通知》(自然资办发〔2023〕15 号, 简称“15 号文”)中提出, 不符合要求或不具备实施条件的部级试点可以调出试点名单。经各地申报, 原有 446 个以乡镇为单元的部级试点中有 90 个正式申请调出试点名单。其中, 资金短缺、用地调整受限和农民意愿不足等是试点申报退出的主要原因。
为科学地推动全域土地综合整治工作, 许多学者围绕全域土地综合整治的发展脉络[3]、内涵逻 辑[4–5]和实施路径[6–9]等方面开展理论研究, 部分研究者基于工作实践, 指出全域土地综合整治推进中存在的相关问题[10–11], 另有一些研究者针对全域土地综合整治的效益开展定量分析[12–13]。随着全域土地综合整治试点的不断推进, 近年来研究人员将理论探讨与相关整治案例相结合, 总结提炼整治思路[14–17]。
但是, 现有研究缺乏在宏观层面上对全域土地综合整治试点实施情况的整体把握和判断。近期虽然有部分学者对全域土地综合整治试点的分布特征及影响因素进行定量分析[18–19], 但未考虑试点实施状态对研究结果的影响。因此, 本文以保留和退出的部级乡镇全域土地综合整治试点为主要研究对象, 借助 GIS 手段探究不同状态试点的空间分布规律, 并采用 Logistic 回归分析法剖析试点进退状态选择的主要驱动因素, 以期进一步明确全域土地综合整治的实施条件, 为全面推动全域土地综合整治工作提供参考。
1.1.1 最邻近分析
点状要素一般有随机、均匀和集聚 3 种空间分布类型, 可采用最邻近距离和最邻近点指数进行判别[20]。实际最邻近距离用来表示点状要素在地理空间中的相互邻近程度, 通过测定每个点与其最邻近点之间的距离 r1, 再取平均值求得。当研究区内的点状要素呈随机型分布时, 其理论最邻近距离计算公式为
(1)
式中, 
为理论最邻近距离, n 为点单元数, A 为研究区面积, D 为点单元密度。在随机、均匀和集聚3种空间分布类型中, 均匀分布的最邻近距离最大, 随机分布次之, 集聚分布最小。
最邻近点指数 R 为实际最邻近距离与理论最邻近距离的比值:
(2)
当 R=1时, 
, 点单元随机分布; 当 R>1 时, 
, 点单元趋于均匀分布; 当 R<1 时, 
, 点单元趋于集聚分布。本研究借助该方法判断保留和退出的全域土地综合整治试点的空间分布类型。
1.1.2 核密度估计
核密度估计法假设地理事件可以发生在空间的任一地点, 但在不同的位置上发生的概率有所不同[20]。其中, 点密集的区域事件发生的概率高, 点稀疏的区域事件发生的概率低。根据概率理论, 核密度估计定义如下: 设点集 X1, X2, …, Xn 为从分布密度函数为f的总体中抽取的样本, 核密度估计f在某点 x 处的值为 f(x)。其表达式为
(3)
式中, 
为核函数, (x−Xi)表示估值点 x 到事件Xi处的距离, h为带宽且大于 0。本研究借助该方法判断保留和退出的全域土地综合整治试点的空间分布格局。
1.1.3 Logistic回归分析
本研究的主要对象是全域土地综合整治试点的实施状态, 分为“保留”和“退出”两种情况, 即被解释变量是二分变量。因此, 本研究采用 Logistic 回归建立全域土地综合整治试点状态选择模型。该方法将逻辑分布作为随机误差项的概率分布, 适用于依据效用最大化原则所开展的选择行为分析, 因而用于研究涉及区域自身利益最大化的全域土地综合整治状态选择问题具有一定的合理性[21]。计算公式如下:
(4)
式中, P为全域土地综合整治试点保留的概率; X1, X2, …, Xn为各个解释变量; β1, β2, …, βn为各解释变量的回归系数; β0 为截距; ε 为误差。
2020 年 6 月, 自然资源部国土空间生态修复司印发的《全域土地综合整治实施要点(试行)》(简称“实施要点”)中提出选择试点乡镇的若干原则。这些原则可以被看做试点实施的必要条件, 因而本研究通过剖析实施要点中的相关要求, 参考已有研究成果[18,22], 并基于数据的可获取性, 从土地利用、村庄区位、社会经济和政府推动等 4 个方面, 选择9 项可能影响全域土地综合整治试点实施状态的主要因素(表 1)。
1)土地利用: 实施要点提出, 试点的选择应以统筹解决农村耕地碎片化、空间布局无序化、土地资源利用低效化和生态系统质量退化等问题为出发点。因此, 试点应以解决土地利用问题为首要目标, 其中耕地和农村建设用地的数量、布局等能否得到优化以及乡村生态用地能否实现功能提升是重点关注的内容。本研究选择人均耕地面积、人均农村建设用地面积和生态系统服务价值来体现区域土地利用现状。一般来说, 人均用地面积越大, 土地细碎化程度越低, 但土地闲置程度可能较大; 生态系统服务价值越低, 乡村生态用地的利用越不合理, 借助乡村生态保护修复提升乡村生态用地功能的必要性越大。
2)村庄区位: 实施要点提出, 试点的选择必须顺应乡村发展规律和演变趋势, 针对不同的村庄类型提出差异化的整治措施。我们在前期研究中发现, 村庄类型的划分需要重点考虑村庄的区位条件, 而村庄区位主要受城镇化水平和地形条件影响, 不同区位条件下的村庄开展空间治理的主要目标和手段有所不同[23], 因此本研究选择城镇化率和高程来间接地衡量村庄区位差异。
3)社会经济: 实施要点提出, 试点的选择可结合农村土地制度改革试点、生态文明建设、农村人居环境整治等工作, 且试点乡镇应当具备一定的资金保证能力, 工作基础良好。因此, 本研究通过是否有农村土地制度改革试点来判断区域工作基础, 选择一般公共预算收入和农民人均可支配收入来衡量政府财力和社会财富。
4)政府推动: 实施要点提出, 试点的选择应充分尊重群众意愿, 相关政策文件和方案应公示到涉及的镇、村。然而, 宏观尺度研究中很难获取到体现群众意愿的相关指标数据。全域土地综合整治试点实施方案编制需要充分听取当地群众的意见, 因此已顺利编制实施方案的试点一般群众意愿也较高。考虑到试点实施方案主要由政府推动编制, 群众意愿能否得到保障一般也与政府推动作为息息相关[24], 本研究选择是否编制实施方案来间接反映政府在保障群众意愿、推动全域土地综合整治工作中的作用。
表1 模型涉及的变量
Table 1 Variables involved in the model
模型变量计算方法和单位 全域土地综合整治试点进退选择全域土地综合整治试点状态1=退出, 0=保留 土地利用人均耕地面积耕地面积/常住人口(亩/人) 人均农村建设用地面积农村居民点面积/农村常住人口(m2/人) 生态系统服务价值万元/km2 村庄区位城镇化率城镇常住人口/常住人口 高程m 社会经济是否有农村土地制度改革试点1=是, 0=否 一般公共预算收入万元 农民人均可支配收入万元 政府推动是否编制实施方案1=是, 0=否
说明: 为贴合实际工作, 耕地面积采用亩为单位, 1亩=1/15 hm2。
全域土地综合整治试点的点位转换自百度地图开放平台(https://lbsyun.baidu.com)“拾取坐标系统”中抓取的试点所在乡镇经纬度。生态系统服务价值和高程数据分别由试点点位与来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn)的中国陆地生态系统服务价值空间分布数据集和 DEM数据叠加生成。农村土地制度改革试点主要考虑自然资源主管部门正在推进的农村集体经营性建设用地试点, 名单来源于自然资源部办公厅印发的《深化农村集体经营性建设用地试点工作方案》(自然资办函〔2023〕364 号)。全域土地综合整治试点实施方案编制情况以 15 号文发布前自然资源部全域土地整治试点备案信息系统收集到的信息为依据。
县级人民政府是牵头负责全域土地综合整治试点的主体, 且县域内自然社会经济发展情况相对均一。因此, 在乡镇级土地利用数据和社会经济数据较难获取的情况下, 本研究中用试点乡镇所在县域相关数据替代。其中, 2021 年的耕地和农村居民点面积从自然资源部国土调查成果共享应用服务平台(https://gtdc.mnr.gov.cn)获取, 2021 年的常住人口、城镇常住人口、一般公共预算收入、农民人均可支配收入来自省市级统计年鉴、县级国民经济和社会发展统计公报或政府工作报告。针对部分人口、收入等数据缺失的县域, 用相邻年份或所在区域相关数据替代, 或通过数据插值反推等方法得到。
另外, 各地在向自然资源部有关司局申报退出试点时, 一些地区在来函中说明了原因。本研究通过梳理并提取各地来函中的关键信息, 将各地申报的全域土地综合整治试点退出原因归纳为 14 个方面, 并对各类原因的出现频次进行统计。
分别计算保留试点和退出试点的最邻近点指数R, 结果如表 2 所示。二者的 R 值均小于 1, 临界值 z均小于−2.58, 显著性水平 p<0.01, 表明该聚类模式为随机过程产生的可能性小于等于 1%。因此, 保留试点和退出试点均呈现明显的集聚分布态势。退出试点的 R 值为 0.731, 略大于保留试点的 0.720, 说明退出试点在空间分布上相对更加集聚, 可能具有更加明显的地域分布规律。
表2 最邻近分析结果
Table 2 Results of the nearest neighbor analysis
试点进退最邻近点指数R临界值z显著性水平p 保留试点0.720–10.1090.000 退出试点0.731–4.890 0.000
在保留试点和退出试点均呈现集聚分布的前提下, 分别对二者开展核密度分析, 明确各类试点集聚分布的主要区域, 结果如图 1 所示。二者的分布格局具有较明显的地域差异性: 保留试点集中分布于我国东南沿海和西南部分地区, 密度高值区出现在江苏南部和浙江北部、海南中部以及四川东部和重庆西部; 退出试点集中分布于我国东北、华北以及西北、西南部分地区, 密度高值区出现在东北三省西部和京津冀中东部。
为将保留试点和退出试点结合起来进行分析, 本研究进一步计算各省(区、市)的全域土地综合整治试点退出比例, 结果如图 2 所示。整体来看, 全域土地综合整治试点退出比例约为 20%。大多数省份退出比例较小, 此类省份集中分布于我国东南沿海和中部地区, 其中有 12 个省份保留了所有试点。试点退出比例较高的省份多位于我国地理位置较偏远的区域, 如东北地区和西北地区, 黑龙江、宁夏和青海出现试点全部退出的情况。
模型运行共采用 446 份试点数据。首先, 使用SPSS 21.0 中的线性回归工具计算方差膨胀因子(VIF), 对所有解释变量进行多重共线性检验, 避免自变量之间高度相关导致回归系数不稳定。结果显示, VIF 值均小于 2.5, 各指标间不存在多重共线性。然后, 借助二元 Logistic 回归工具, 选择向前条件方法对样本数据进行回归分析。该方法根据各解释变量加入分析后使得卡方检验最显著的原则, 逐步加入新的解释变量(表 1), 并逐步根据回归检验结果删除不再显著的解释变量, 直至所有显著变量存在于模型中。本研究在第 4 步回归形成最优模型。最后, 为确保回归模型可用于分析相关问题, 需进一步检验模型的拟合优度。由模型系数的综合检验结果可知, 最优模型的 Sig.值为 0.000, 通过1%的显著性检验, 表明第 4 步引入的解释变量作用很显著(表 3)。进行 Hosmer 和 Lemeshow 检验, 将仅有截距的模型与最优模型进行比较, 结果显示Sig.值大于 0.05, 最优模型与仅有截距的模型之间差异显著, 表明第 4 步引入的解释变量有效, 且数据中的信息已被充分提取(表 4)。综上所述, 该模型拟合优度较高, 回归结果可较好地反映全域土地综合整治试点进退情况。
基于中华人民共和国自然资源部标准地图服务系统下载的审图号为GS(2020)4619的标准地图制作, 底图无修改, 下同
图1 核密度估计结果
Fig. 1 Results of kernel density estimation
图2 各省(区、市)全域土地综合整治试点退出比例
Fig. 2 Proportion of comprehensive land consolidation pilots excluded in all provinces (autonomous region and municipalities)
软件自动计算得到的模型回归结果如表5所示, 最终被引入模型的解释变量共有 4 项。非标准化系数是各解释变量的回归系数, 显著性用来判断各解释变量的作用是否显著, 优势比体现解释变量每增加一个单位给原发生比带来的变化。此外, 由于各解释变量之间单位不同, 非标准化系数不能用于比较其相对作用, 因而本研究添加标准化系数, 计算公式[25]为
表3 模型系数的综合检验
Table 3 Comprehensive test of model coefficients
回归步骤类型χ2自由度Sig. 4步骤3.87610.049 块81.61640.000 模型81.61640.000
表4 Hosmer 和 Lemeshow 检验
Table 4 Hosmer and Lemeshow test
步骤χ2自由度Sig. 48.13680.420
(5)
式中, βi 为自变量 i 的标准化系数; bi 为自变量 i 的非标准化系数; si 为自变量 i 的标准差;
为标准Logistic 分布的标准差, 约等于 1.8138。
由模型回归结果(表 5)可知, 显著地驱动全域土地综合整治试点进退的因素有人均耕地面积(0.0000)、人均农村建设用地面积(0.0442)、高程(0.0409)和农村居民人均可支配收入(0.0214), 四者均通过 5%的显著性检验。通过对比各解释变量标准化系数可知, 四者对全域土地综合整治进退的影响程度由大到小依次为人均耕地面积(0.5874)、农村居民人均可支配收入(0.2976)、高程(0.1374)和人均农村建设用地面积(0.1231)。本研究进一步将模型回归结果与部分全域土地综合整治试点申报的退出原因(图 3)相结合, 深入分析驱动全域土地综合整治试点进退的主要因素。
土地利用对全域土地综合整治试点进退的驱动作用最为显著, 证明解决土地利用问题是实施全域土地综合整治的主要目标和任务。相对而言, 人均耕地面积对全域土地综合整治试点进退的影响程度远大于人均农村建设用地面积。人均耕地面积指标的回归系数均为负值, 优势比为 0.7663, 说明人均耕地面积每增加 1 亩, 全域土地综合整治试点继续实施的概率降为不到原先的八成。由试点数据也可看出, 保留试点所在县域的平均人均耕地面积为1.32 亩, 而退出试点高达 4.70 亩, 人均耕地面积较大的退出试点多位于黑龙江省、吉林省等我国重要粮食主产区。一般来说, 人均耕地面积越大, 耕地细碎化程度越低, 以全域土地综合整治为抓手解决耕地利用问题的必要性也越低。另外, 大量退出试点提出难以实现“整治区域内新增耕地面积原则上不少于原有耕地面积的 5%”的要求, 这一要求也在一定程度上限制了耕地规模较大的区域继续实施整治工作。
表5 模型回归结果
Table 5 Results of regression model
变量非标准化系数标准化系数显著性优势比 人均耕地面积−0.2662−0.58740.00000.7663 人均农村建设用地面积−0.0004−0.12310.04420.9996 高程−0.0005−0.13740.04090.9995 农村居民人均可支配收入0.61570.29760.02141.8510
字号大小示意相对词频
图3 部分全域土地综合整治试点申报的退出原因
Fig. 3 Reasons for exclusion declared by some comprehensive land consolidation pilots
人均农村建设用地面积指标的回归系数均为负值, 优势比为 0.9996, 说明人均农村建设用地面积每增加 1m2, 全域土地综合整治试点继续实施的概率将降低 0.04%。由试点数据也可看出, 保留试点所在县域的平均人均农村建设用地面积为 459m2, 而退出试点为 678m2, 人均农村建设用地面积较大的退出试点同样多位于东北地区。一般来说, 人均农村建设用地面积越大, 建设用地利用效率越低, 整理潜力和必要性也越大。然而, 人均农村建设用地面积较大还会导致征地拆迁时补偿安置费用较高, 农民对改善居住生活条件的意愿也并不强烈, 因而一些退出试点提出“农民征地拆迁难度大”导致全域土地综合整治工作难以为继。
农村经济条件对全域土地综合整治试点进退的驱动作用也较为重要。农民人均可支配收入指标的回归系数为正值, 优势比为 1.8510, 说明农民人均可支配收入每增加 1 万元, 全域土地综合整治试点继续实施的概率将增至原先的近两倍。数据显示, 保留试点所在区域平均农民人均可支配收入为 2.28万元, 而退出试点仅为 1.82 万元。一般来说, 农民人均可支配收入较高的区域农民经济条件较好, 农村产业也相对发达, 村集体或农民出资参与整治项目的积极性较高, 社会资本参与土地整治的前景和预期收益也更明朗。另外, 半数以上的退出试点均申报存在“资金难以落实”问题, 并提出资金短缺主要与社会资本难以引入、指标收益不确定有关。可见, 由于全域土地综合整治任务多、资金的需求量大, 如何平衡资金是开展这项工作需要考虑的重要 问题。
自然因素对全域土地综合整治试点进退的驱动作用也较为重要。高程指标的回归系数为负值, 优势比为 0.9995, 说明高程每增加 1m, 全域土地综合整治试点继续实施的概率将降低 0.05%。数据显示, 保留试点所在区域平均高程约为 311m, 而退出试点所在区域平均高程约为 580m, 高程较大的退出试点多位于我国西部和西南部省份。不过, 各地申报的试点退出原因多关注政策、资金等限制, 鲜有涉及区域自然资源禀赋相关内容。作为社会经济发展的本底要素, 自然条件对于全域土地综合整治的实施条件、实施效益均具有重要影响, 村庄自然条件较差将会间接地导致耕地后备资源难以开发、社会资本难以引入等一系列现实问题。例如, 通常试点所在区域高程越大, 地形和气候条件越复杂, 会形成一系列地质灾害风险, 或导致工程设备难以进入, 影响整治工程顺利实施, 整治成本也会较高。同时, 与平原地区相比, 此类区域人口较少, 交通条件较差, 整治后很难最大程度上发挥土地利用效率和使用效益。
本研究首次在宏观层面对全域土地综合整治试点实施情况开展定量研究。通过分析保留和退出试点的空间分布规律以及影响试点实施状态的主要因素, 进一步明确全域土地综合整治的实施条件, 主要研究结论如下。
1)保留和退出的全域土地综合整治试点均呈集聚分布, 且二者的空间分布格局具有明显的地域分异性。其中, 保留试点集中分布于东南沿海地区和西南部分地区, 而退出试点集中分布于东北、华北以及西北、西南部分地区; 试点退出比例较低的省份集中分布于东南沿海和中部地区, 试点退出比例较高的省份多位于东北和西北地区。
2)人均耕地面积较大是驱动试点退出的最主要原因, 农民人均可支配收入较低、高程过大和人均农村建设用地面积较大的区域退出试点也较多。
全域土地综合整治试点的进退不应盲目地被定性为“成功”或“失败”, 无论推进顺利与否, 各地试点都为我国进一步推动全域土地综合整治工作提供了宝贵的经验。实施顺利的试点可以提供良好的制度借鉴和模式参考, 而研究退出试点的布局及驱动因素有助于深入反思全域土地综合整治工作推进过程中各类做法或政策制度的科学性与合理性, 以便及时纠偏, 为顺利和高效地推进全域土地治理工作提供参考与借鉴。基于本文研究结果, 我们提出以下建议。
1)全域土地综合整治是优化国土空间格局的重要手段。国土空间格局优化的目标不仅仅局限于增加耕地面积、减少建设用地面积, 还要考虑国土空间布局是否能够得到优化、生态安全能否得到保 障[26]。本文研究结果显示, 目前生态系统服务价值并未对全域土地综合整治试点进退产生明显的驱动作用, 可知现有试点对乡村生态保护修复的考虑略显不足。因此, 全域土地综合整治应当考虑优化用地布局、提升耕地质量、改善耕地生态、盘活存量建设用地和改善农村生态环境等多种目标。
2)我国地域辽阔, 自然环境复杂多样, 不同地区国土空间面临的主要矛盾千差万别。全域土地综合整治中的所有任务均应在充分分析区域自然资源禀赋等条件的基础上提出, 明确整治实施的必要性和可行性, 因地制宜地制定整治目标, 实施差异化管理措施[27]。虽然本文研究结果显示, 高程过大会在一定程度上驱动全域土地综合整治试点退出, 但此类区域生态功能较强, 未来的全域土地综合整治应重点推动开展乡村生态保护修复或历史文化保护, 支持农村新产业新业态的发展[28]。
3)本文研究结果显示, 政府财力和政府推动均未对全域土地综合整治试点进退产生明显的驱动作用。无论是政府主导还是社会资本参与, 实施主体都希望能够在全域土地综合整治活动中获得一定的经济效益。目前, 公共服务和基础设施建设、乡村生态保护修复等整治任务不仅资金需求量大, 还难以产生直接收益, 而借助建设用地等指标交易收益填补资金空缺的政策限制性较大、群众配合程度较低, 导致地方政府和社会资本均介入全域土地综合整治的积极性不高[29]。同时, 过度依赖指标交易收益还会加大全域土地综合整治项目的资金风险, 也会挤占村庄自身发展空间[30]。因此, 全域土地综合整治工作应以需求为驱动开展, 明确农民的土地发展权主体地位[31]。整治过程中, 应由乡镇或农民集体提出整治诉求, 地方政府依据整治任务制定底线要求、激励政策和保障措施等。由政府财政支持以提供农村公共产品为主要目的的相关整治内容, 引入社会资本参与各类整治任务, 并允许社会资本在整治工作完成后, 通过产业导入等方式与农民共同分享各类经济收益。
此外, 由于本研究主要是在宏观尺度上开展相关分析, 受限于数据的可获取性, 在选择可能影响全域土地综合整治试点实施状态的因素时, 会出现指标选择不充分或不直接的问题。下一步可以通过深入调研, 对试点实施情况进行更加系统和详细的分析。
参考文献
[1] 丁庆龙, 叶艳妹. 乡村振兴背景下土地整治转型与全域土地综合整治路径探讨. 国土资源情报, 2020 (4): 48–56
[2] 中华人民共和国自然资源部. 2023 年中国自然资源公报[EB/OL]. (2024–02–29) [2024–03–02]. https:// www.mnr.gov.cn/sj/tjgb/
[3] 夏方舟. 全域土地综合整治: 发展背景、系统内涵与趋势展望. 浙江国土资源, 2018(10): 23–25
[4] 金晓斌, 罗秀丽, 周寅康. 试论全域土地综合整治的基本逻辑、关键问题和主要关系. 中国土地科学, 2022, 36(11): 1–12
[5] 范业婷, 金晓斌, 张晓琳, 等. 乡村重构视角下全域土地综合整治的机制解析与案例研究. 中国土地科学, 2021, 35(4): 109–118
[6] 刘恬, 胡伟艳, 杜晓华, 等. 基于村庄类型的全域土地综合整治研究. 中国土地科学, 2021, 35(5): 100–108
[7] 金晓斌, 张晓琳, 范业婷, 等. 乡村发展要素视域下乡村发展类型与全域土地综合整治模式探析. 现代城市研究, 2021(3): 2–10
[8] 刘天科, 周静. 全域土地综合整治差别化路径选择——以乡村振兴为视角. 中国国土资源经济, 2023, 36(8): 4–9
[9] 肖武, 郭既望, 张丽佳, 等. 全域土地综合整治与生态修复的市场化机制、模式与路径. 中国农业大学学报, 2023, 28(8): 203–217
[10] 李红举, 曲保德. 全域土地综合整治的实践与思考. 中国土地, 2020(6): 37–39
[11] 陈艳林, 田玉福, 李晨, 等. 全域土地综合整治试点建设现状与思考. 中国土地, 2022(7): 8–11
[12] 敖佳, 张凤荣, 李何超, 等. 川西平原全域土地综合整治前后耕地变化及其效益评价. 中国农业大学学报, 2020, 25(8): 108–119
[13] 应苏辰, 金晓斌, 陈艳林, 等. 耦合ANT-SPO的全域土地综合整治绩效评价: 方法与实证. 中国土地科学, 2022, 36(10): 81–90
[14] 代秀龙, 赵家敏. 流域生态单元视角下全域土地综合整治路径——以广东省佛冈县汤塘镇省级试点为例. 规划师, 2024, 40(1): 83–90
[15] 袁方成, 周韦龙. 要素流动何以推动县域城乡融合: 经验观察与逻辑诠释——以佛山市南海区全域土地综合整治为例. 南京农业大学学报(社会科学版), 2024, 24(2): 63–74
[16] 吴家龙, 李红举, 邓婷, 等. 论全域土地综合整治与线性文化遗产保护利用: 衔接与融合——以广东省南粤古驿道梅关古道古田段为例. 热带地理, 2024, 44(3): 379–392
[17] 杜金莹, 邱杰华, 何冬华. 城乡等值化理念下全域土地综合整治促进乡村振兴的路径——以广州市从化区为例. 规划师, 2023, 39(5): 34–39
[18] 匡兵, 王丽英, 卢新海. 国家全域土地综合整治试点区的空间分布特征及其影响因素. 华中师范大学学报(自然科学版), 2023, 57(4): 599–606
[19] 熊子昕, 匡兵, 吴楚仪, 等. 浙江省全域土地综合整治试点时空分异格局及影响因素分析. 中国农业大学学报, 2024, 29(5): 197–207
[20] 佟玉权. 基于GIS的中国传统村落空间分异研究. 人文地理, 2014, 29(4): 44–51
[21] 王楠, 顾恬玮, 郝晋珉, 等. 基于农户特征的黄淮海平原农村一户多宅行为影响因素——以河北省曲周县前河道村为例. 地域研究与开发, 2022, 41(3): 151–155
[22] 杨丽娜, 何星, 杨庆媛, 等. 土地综合整治项目选址影响因素分析. 资源开发与市场, 2017, 33(3): 289–294
[23] 王楠. 乡村空间重构背景下的聚落演变与调控研究——以河北省为例[D]. 北京: 中国农业大学, 2022
[24] 韩冰, 韩冬. 农村土地综合整治中的农民意愿及对策研究——基于成都市的分析视角. 农村经济, 2014(3): 32–36
[25] 郭志刚. 社会统计分析方法: SPSS软件应用. 北京: 中国人民大学出版社, 1999: 177–214
[26] 林伊琳, 赵俊三, 陈国平, 等. 基于MCR-FLUS-Markov模型的区域国土空间格局优化. 农业机械学报, 2021, 52(4): 159–170
[27] 肖武, 侯丽, 岳文泽. 全域土地综合整治试点建设现状与思考. 中国土地, 2022(7): 12–15
[28] 王婕, 魏朝富, 刘卫平, 等. 基于“三生”视角的山地丘陵区土地整治功能分区——以重庆市綦江区为例. 地域研究与开发, 2018, 37(3): 155–159
[29] 陈凯. 全域土地综合整治的现实困境及政策思考——以广东省为例. 中国国土资源经济, 2021, 34 (10): 44–49
[30] 吴家龙, 苏少青, 邓婷. 全域土地综合整治资金来源研究——以广东省为例. 绿色科技, 2021, 23(2): 230–232
[31] 杨建云. 政府主导型农村土地综合整治项目经济效率分析——以郸城县项目为案例. 干旱区资源与环境, 2014, 28(4): 48–53
Distributions and Driving Factors of the Retained and Excluded Pilots for Comprehensive Land Consolidation
Abstract GIS spatial analysis and Logistic regression analysis were employed to analyze the distribution patterns of the retained and excluded pilots for comprehensive land consolidation, and to discuss the main factors affecting the implementation status of pilots. The results showed that: 1) Both the retained and excluded pilots for comprehensive land consolidation were clustered in distribution, and their distribution patterns presented significant regional differences. The retained pilots were mostly located in the southeast coastal areas, while the excluded pilots were mostly distributed in northeastern and northwestern China. 2) The demand and conditions for comprehensive land consolidation were obviously lower in regions with a high scale of farmland, and the low income of farmers, insufficient natural endowment of villages and extensive use of construction land would also restrict the implementation of comprehensive land consolidation to a certain extent. In conclusion, comprehensive land consolidation is an integrated work with multiple objectives, factors and subjects. In the future, all regions should pay more attention to rural ecological protection and restoration, formulate consolidation plans on the basis of full analysis of regional conditions, and promote the implementation of consolidation through the main path of farmers making demands, local government guidance and social capital participation.
Key words comprehensive land consolidation; GIS spatial analysis; Logistic regression analysis; retained pilot; excluded pilot; distribution