关中地区耕地非粮食生产的时空特征及政策启示

张道军 $^{a,*,,}$ , 杨婉静 $^{b,}$ , 康丁荣 $^{c}$ , 张汉 $^{b,*}$
中国地质大学（武汉）公共管理学院，武汉 430074，中国
西北农林科技大学经济管理学院，中国陕西杨凌 712100
武汉大学资源与环境科学学院，中国武汉 430079

文章信息

关键词：

非谷物生产

时间和空间演变

重心分析
MODIS
关中地区

摘要

耕地非粮食生产（NGPOCL）作为对粮食安全的严重威胁，已引起中国及世界其他国家的广泛关注。尽管一些学者关注了 NGPOCL，但在整个区域内进行地块尺度分析的研究却很少。本研究以关中地区为研究区域，依据“现象-原因-对策”的框架对 NGPOCL 进行了综合分析。根据土地利用图，划定了耕地范围；基于 16 天时间分辨率的 MODIS 植被指数数据，通过根据植被指数的季节变化特征区分粮食作物和非粮食作物，进一步提取了耕地中的 NGPOCL 范围。采用了一些空间统计方法分析了 2000 年至 2018 年研究区域内 NGPOCL 的时空特征，观察到以下情况。首先，关中地区的 NGPOCL 问题在研究期间日益严重，NGPOCL 的严重程度和面积分别增加了 $10.79 %$ 和 $31.30 %$ 。其次，NGPOCL 过程显示出显著的时间和空间异质性。NGPOCL 的重心逐渐从春华县转移到东南部的西安市。同时，NGPOCL 的空间自相关性在减弱，莫兰指数逐年下降。这表明 NGPOCL 在关中地区已全面推广，并且已从过去的邻近扩展演变为当前的全面繁荣。至于驱动机制，虽然自然因素决定了 NGPOCL 模式的骨架，但社会和经济因素在随后的演变过程中发挥了重要作用，不同的产业政策在不同阶段主导了 NGPOCL 的扩展。未来，需要关注产业政策对 NGPOCL 的影响，并合理考虑城市化对非粮食农业产品的需求，以便以合理合规的方式发展特色农业产品产业。

1. 引言

根据自然资源部在 2021 年发布的《第三次全国土地调查主要数据公报》，中国的耕地面积为 128 万

{km}^{2}

，仅占全国土地面积的

13 %

。由于中国是一个人口众多的国家，耕地资源的短缺严重限制了粮食生产的增长，并威胁到其粮食安全，成为影响社会和经济稳定的潜在因素（盛和宋，2019；李等，2020b；Setsoafia 等，2022）。随着城市化的加速和农村劳动力的流失，一系列新问题也随之出现。

发生在耕地上，例如耕地的废弃和碎片化、非粮食和非农业生产的耕地以及土壤污染（吴等，2018；Clough 等，2020；Kuiper 和 Cui，2021），反过来导致耕地生产效率低下和生态环境的破坏（陈等，2014；Bren d’Amour，2017；Boulanger 等，2022）。

为了解决上述问题，中国政府近年来出台了一系列相应的政策和措施，例如永久基本农田的划定（中国国土资源部，2015 年）、《关于防止耕地非粮化和稳定粮食生产的意见》

（中国国务院，2020）和《农村土地经营权流转管理办法》（中国农业农村部，2021）。耕地保护和粮食安全始终被视为重中之重，政府为实现这一目标付出了大量努力（吴等，2017；王等，2020）。然而，仍然存在一些问题，耕地保护和粮食安全仍面临巨大压力（侯等，2021；刘和周，2021）。

在耕地利用的这些问题中，近年来非粮食生产尤为突出，相关报告层出不穷（王等，2011；苏等，2020）。耕地非粮食生产（NGPOCL）是指耕地用于非食品生产的过程，例如种植经济作物和果树。一般认为这是农业产业结构调整的结果（罗和邱，2018；陈等，2021a），主要受到家庭消费结构和市场需求调整的驱动（诺伊曼等，2010；斯瓦尼泽和戈茨，2019），而工业和商业资本持续流入农村以及土地流转市场的逐步放开也是两个重要的驱动力（塞托等，2000；杨和李，2000；邱等，2020）。NGPOCL 不仅影响粮食的播种面积，直接威胁到粮食安全（郭等，2014；尾崎和巴塔尔哈，2014）；还导致土壤碳减少、土壤酸化以及耕地质量下降（刘等，2020a；郑等，2020；赵等）。及时掌握 NGPOCL 的时空演变及其影响机制，对确保食品安全具有重要意义。

学术界对 NGPOCL 现象和食品安全极为关注。农业经济学的学者们主要使用农民的调查数据进行实证分析，通常采用 Logit 和 Tobit 模型、倾向得分匹配方法以及调节效应模型来分析 NGPOCL 的影响因素和驱动机制（例如，黄，2014；彭等，2021b；普尔瓦宁西等，2022）。许多研究认为，粮食种植收入低是 NGPOCL 的根本原因（易和陈，2010；埃特亚等，2019）。此外，研究发现 NGPOCL 还与土地流转特征（邱等，2020；罗杰斯等，2021）、农民个人和家庭特征（胡等，2018；彭等，2020）、耕作条件（苏等，2020；唐等，2021）以及农业政策（瓦尔茨等，2021；杨和张，2021）有关。尽管从农民的角度研究 NGPOCL 现象很重要，但微观农民数据通常来自有限的年份和地区，并存在样本选择偏差，导致结论因实验选择而异。因此，从宏观角度分析 NGPOCL 现象有必要使用完整的样本数据，这样可以更好地促进其驱动机制的探索。此外，为不同地区影响 NGPOCL 问题的共同因素制定更具适用性的宏观政策也是更现实和有效的。

遥感技术的发展和成熟为开展宏观研究提供了便利。目前，它在土地执法、作物管理和生态监测等领域发挥了重要作用（吴等，2006；Dhanaraj 和 Angadi，2021；张等，2021）。遥感技术也被应用于非粮食作物土地（NGPOCL）研究（例如，余等，2020；常等，2022）。基于遥感的空间信息提取技术为非粮食耕地的划定提供了一种更直观和实时的方法，并为通过空间分析探索 NGPOCL 的时空演变特征奠定了基础（赵等，2017；苏等，2019；刘等，2020b）。然而，由于使用效率较低的人工视觉解读提取非粮食信息，大多数研究主要集中在县级或更小的尺度，区域尺度上使用长时间序列和高分辨率图像分析 NGPOCL 的研究则较为罕见。

关中地区拥有悠久的农业历史和优越的农业条件，是中国重要的传统农业生产区。关中地区的耕地面积占陕西省的

50 %

，大多数主要粮食生产县位于该地区，因此享有“陕西粮仓”的美誉（张等，2022a）。

由于苹果、猕猴桃和葡萄等水果的悠久历史和优良品质（Zhang et al., 2022b; Wang et al., 2021b），关中地区在中国水果市场中占有较高的份额（Feng et al., 2017; Sun et al., 2021b）并享有良好的声誉（Wang et al., 2021a）。正因如此，NGPOCL 在这里较早发生，并展现出市场化的典型特征。因此，以关中地区作为研究区域，预计将为中国其他地区以及世界其他新兴市场经济体在实现农业产业更好发展和更智能控制 NGPOCL 方面提供有力参考。

2. 研究区域和数据

2.1. 研究区域

关中地区位于中国陕西省中部，总面积约为

55, 623 {km}^{2}

，其地理位置如图 1 所示。由于秦岭山脉自南向北横贯东西，黄土高原位于北侧，关中地区呈现出东西走向的狭长形态。关中地区拥有温暖的温带大陆性季风气候，夏季炎热多雨，冬季寒冷干燥。年平均气温和降水量分别为

6 - 13^{\circ} C

和

500 - 700 mm

。关中地区由六个地级行政区组成，即西安、宝鸡、咸阳、渭南、铜川市和杨凌，包含 54 个县级行政区。本研究将县级区划作为基本样本单位。

自 2000 年以来，陕西省相继实施了一系列农村农业发展政策，包括“一个村庄一个产品”，以发展农村经济和增加农民收入（杨和张，2021）。在此背景下，关中地区的农业产业结构发生了明显变化。随着经济作物比例逐渐上升，关中地区的粮食播种面积在 2000 年至 2018 年间从

20, 000 {km}^{2}

下降到

15, 000 {km}^{2}

（SPSB，2019）。

2.2. 数据来源与预处理

增强植被指数（EVI）数据来自 MOD13Q1 版本 6 产品，时间分辨率为 16 天，空间分辨率为 250 米。关中地区涉及 h 26 v 05 和 h 27 v 05 的两个场景影像，时间范围为 2000 年至 2018 年。因此，共有 434 个 16 天的时间间隔（即每年一般为 23 个间隔，但 2000 年为 20 个间隔）和 868 幅影像。为了与土地利用图匹配，原始 EVI 数据的网格大小为 250 米，重新采样为

30 m \times 30 m

栅格图。在之前的研究中（例如，张等，2014；陈等，2018），MODIS EVI 数据已被用于作物识别，并显示出高准确性。

原始土地利用图来自 2010 年的年度土地利用变化调查，该调查也被转换为空间分辨率为 30 米的栅格数据。基于 2000 年至 2018 年每年准备的 Landsat 影像（https://glovis.usgs.gov/），应用土地利用数据库变化技术以获取 2010 年以外年份的土地利用图（Zhang et al., 2018）。

此外，海拔数据是从航天飞机雷达地形测量任务数字高程模型数据中提取的，空间分辨率为 90 米，下载自中国科学院地理空间数据云平台（http://www.gscloud.cn/）。气象数据则来自气象数据中心。

图 1. 研究区域的位置。YT、LH、BL、WY、XC 和 BQ 分别代表西安的六个城区，即雁塔、莲湖、碑林、未央、新城和灞桥。

中国气象局（http://data.cma.cn/site/index.html）以及其他社会经济数据均来自陕西省 2001 年至 2019 年的统计年鉴。

3. 方法

3.1. 基于决策树模型的粮食种植区识别

决策树分类是指对遥感图像进行推理、统计和分析，以形成自上而下的分类规则（Pena-Barragan 等，2011）。决策树中的分叉点代表决策判断条件；分叉点下的两个叶节点分别代表满足条件和不满足条件。当没有规则进行区分时，计算结束。在本研究中，使用决策树分类来区分耕地的粮食种植和非粮食种植。

3.1.1. 确定识别规则

本研究收集的 EVI 数据具有高时间分辨率特征，这有助于通过植被覆盖的季节变化区分作物。在构建不同种植系统的 EVI 年度变化曲线后，本研究发现，纯夏季粮食作物和纯秋季粮食作物的地点在 EVI 曲线上分别在四月和八月附近显示出单峰特征，而一年两季作物的地区则呈现明显的双峰特征。

如上所述，每年有 23 个 EVI 层次，每个层次相隔 16 天。

T_{1}, T_{2,}

和

T_{23}

用于表示每年第一到第 23 个 16 天的 EVI 最大合成图像。然后，

max}, min {}

和

SD}

用于计算这 23 个时期某些图像的最大值、最小值和标准差图像，如方程（1）至（3）所示。

X_{1} = max {T_{6}, T_{7}, T_{8}} - min {T_{10}, T_{11}, T_{12}}

X_{2} = max {T_{14}, T_{15}, T_{16}} - min {T_{10}, T_{11}, T_{12}}

X_{3} = S D {T_{5}, T_{6}, T_{7}, T_{8}}

最后，基于判断条件的决策树可以被构建

如图 2 所示，已建立。

3.1.2. 阈值的确定

首先，建立一个训练集。根据已知样本的 EVI 曲线参数设置阈值的关键范围，然后从最低值开始训练样本，计算正确识别的像素数量与所有像素数量的比率。接下来向上调整阈值参数，重新训练，并重复此步骤，直到获得最佳识别效果。

图 2. 作物种植系统识别的决策树。Y 表示决策条件已满足，而 N 表示未满足。

3.1.3. 精度验证

Kappa 系数是一个常用的分类准确性指标，其计算方法如下。

p_{e} = \frac{a_{1} b_{1} + a_{2} b_{2} + \dots a_{m} b_{m}}{n \times n}

k = \frac{p_{o} - p_{e}}{1 - p_{e}}

其中

k

是 Kappa 系数；

p_{o}

代表整体分类准确率，通过将正确分类样本的总数除以所有样本的总数来获得。假设有

m

个类别，其中包含

n

个样本；

a_{i}

和

b_{i}

代表类别

i

的真实样本数量和预测样本数量，其取值范围为 1 到

m

。

3.2. 区域净变化率

该区域的净变化率可以反映在一定时期内 NGPOCL 区域的变化程度。公式如下。

U_{a b} = \frac{S_{b} - S_{a}}{S_{a}}

其中

U_{a b}

是 NGPOCL 区域的净变化率，

S_{a}

和

S_{b}

分别表示该阶段开始和结束时的 NGPOCL 区域。

3.3. 线性趋势分析模型

通过建立变量与时间之间的线性回归关系，线性趋势分析利用斜率反映变量随时间的变化趋势（Xu et al., 2020）。本研究采用线性趋势分析模型探讨关中地区 NGPOCL 区域随时间的趋势特征。斜率可以通过公式（7）计算。
斜率

= \frac{n * \sum_{i = 1}^{n} S_{i} * i - \sum_{i = 1}^{n} S_{i} \sum_{i = 1}^{n} i}{n * \sum_{i = 1}^{n} i^{2} - {(\sum_{i = 1}^{n} i)}^{2}}

斜率是 NGPOCL 区域的时间变化趋势；

S_{i}

是研究区域中年份

i

的 NGPOCL 区域；

n

是总年份数。如果斜率

> 0

，则 NGPOCL 区域增加，显示出扩展趋势；如果

< 0

，则 NGPOCL 区域减少，显示出收缩趋势。

3.4. 重心和标准差椭圆模型

重心可以描述数据分布的一般趋势或中心位置，它是描述元素空间变化轨迹的一个指标（Kumler 和 Goodchild，1992）。通过分析重心的迁移轨迹，可以直接反映 NGPOCL 的空间动态变化特征。以下是重心的公式。

\bar{x} = \frac{\sum x_{i} s_{i}}{\sum s_{i}}, \bar{y} = \frac{\sum y_{i} s_{i}}{\sum s_{i}}

其中

\bar{x}

和

\bar{y}

是研究区域内 NGPOCL 重心的坐标；

x_{i}

和

y_{i}

是

i_{t h}

区的坐标；

s_{i}

是

i_{t h}

区的 NGPOCL 面积。

除了重心模型，标准差椭圆也是一种空间模式分析方法，它展示了空间变量的空间分布特征（王等，2022），后者为空间模式描述提供了更多参数。椭圆的长半轴可以指示 NGPOCL 的方向性，而短半轴则表示 NGPOCL 的范围。

分布。半短轴越长，NGPOCL 的分散程度越大。

从 2000 年到 2018 年，NGPOCL 的重心迁移轨迹和标准差椭圆可以在 ArcGIS 10.2 平台上生成。

3.5. 空间自相关分析

空间自相关的概念是为了分析变量在空间中潜在相互依赖程度而提出的（Anselin, 1988, 1995）。莫兰指数是反映空间变量空间趋势和分布的重要指标（Yu and Wei, 2008）。全球莫兰指数和局部莫兰指数分别可以测量全球自相关和局部自相关。本研究中使用空间自相关建模来分析 NGPOCL 的空间集聚效应。

3.5.1. 全球莫兰指数 I

全局莫兰指数（Global Moran’s I）可以指示研究区域内空间变量的总体空间自相关。其数学表达式如下。

I = \frac{n \sum_{i = 1}^{n} \sum_{j = 1}^{n} w_{i j} (x_{i} - x) (x_{j} - x)}{\sum_{i = 1}^{n} \sum_{j = 1}^{n} w_{i j} \sum_{i = 1}^{n} {(x_{i} - x)}^{2}}

其中

n

是行政区的数量；

x_{i}

和

x_{j}

分别是空间单元

i

和

j

的观测值；

x

是观测值的平均值；

w_{i j}

是行政单元

i

和

j

之间的空间权重矩阵。Moran's I 的范围从

- 1 - 1; - 1

到 1，分别表示高度的负相关和正相关，而 0 则表明没有空间自相关。标准化统计量

Z (I)

可用于检验空间自相关的显著性水平。全球 Moran's I 可用于检验本研究中 NGPOCL 在关中地区是否表现出聚集特征。

3.5.2. 局部莫兰指数

局部莫兰指数（Local Moran’s I）是从莫兰指数（Moran’s I）统计量发展而来的局部空间自相关统计量，后者是全局莫兰指数的分解形式。局部莫兰指数的计算如下，每个参数的含义与公式（9）相同。

I_{i} = \frac{(x_{i} - x) \sum_{j = 1}^{n} (x_{j} - x)}{\frac{1}{n} \sum_{i = 1}^{n} (x_{i} - x)}

在本研究中，使用局部莫兰指数（local Moran’s I）形成局部空间关联指标（LISA）图，并评估 NGPOCL 空间分布的高-高、低-低、高-低和低-高特征。高-高特征表示在当前区域 NGPOCL 严重的同时，周边区域也同样严重，反映出一种正向影响。低-低特征则相反，但也是一种正相关。高-低/低-高特征意味着当前区域的 NGPOCL 比例高/低，而周边区域则低/高，这在应用中往往无法提供有用的信息。

4. 结果

4.1. 对耕地中不同种植类型和非粮食生产范围的制图

根据决策提取耕地中粮食作物种植面积和非粮食生产面积的分布

图 2 中描述的树模型过程。首先，从每年的土地利用类型图中提取耕地范围，进一步作为掩膜获取 2000 年至 2018 年每年耕地的 EVI 分布图。其次，根据关中地区的作物种植系统和实际种植情况，将主要粮食作物分为三类进行提取，即一年双季作（冬小麦-夏玉米）、纯夏作物（冬小麦）和纯秋作物（夏玉米和大豆），并为这些粮食种植系统构建了像素尺度的季节时间序列 EVI 曲线。由于不同粮食种植系统的季节生长特征差异，相应的 EVI 曲线表现出明显不同。最后，每年不属于上述任何粮食种植系统的耕地被视为 NGPOCL 范围。在上述过程中，经过多次尝试以最大 Kappa 系数为目标，得到了以下阈值，即阈值

1 - 3

分别为

0.107, 0.208

和 0.03。Kappa 系数为 0。最终为 76。图 3 显示了 2000 年、2006 年、2012 年和 2018 年耕地中不同种植类型和非粮食生产的范围。

4.2. NGPOCL 的整体变化趋势

NGPOCL 在 2000 年至 2018 年间在关中地区总体上呈现持续上升的趋势，如图 4 所示。从时间的角度来看，关中地区的 NGPOCL 面积在 2001 年首次急剧下降，然后在 2001 年至 2006 年间逐渐上升，随后在 2007 年再次急剧下降，范围从

6478 {km}^{2}

到

5324 {km}^{2}

。在此后的时间段内，NGPOCL 面积表现出持续的 M 形锯齿状增加，2015 年达到最高点

8686 {km}^{2}

。

NGPOCL 的严重程度通过非耕作区与总耕地面积的比率来衡量，2007 年最低为

29.78 %

，2015 年最高为

48.57 %

。在过去的 19 年中，NGPOCL 的比率从 2000 年到 2018 年增加了 10.79%。

4.3. NGPOCL 变化在不同阶段的趋势

总研究时期被分为三个相等的阶段，即 2000-2006 年（早期）、2006-2012 年（中期）和 2012-2018 年（晚期）。根据公式（7），可以计算出某些地区 NGPOCL 面积随时间变化的斜率，三个时期的县级地区斜率分布分别如图 5 所示。从 2000-2006 年，NGPOCL 面积变化斜率最大的地区是渭南市的蒲城县和大荔县，以及咸阳市的旬邑县。此外，总共有 34 个县的斜率为正，主要分布在关中地区的西南、东部和北部。从 2006-2012 年，正斜率的县级地区数量增加到 44 个，NGPOCL 相对较高增长的地区主要分布在关中地区的西北、南部和东北部。NGPOCL 现象已从分散分布转变为大规模集中分布。从 2012-2018 年，NGPOCL 过程减缓，大多数地区的 NGPOCL 斜率下降。只有 28 个县仍处于 NGPOCL 的扩张趋势中，最高的增长率主要出现在南部的周至县和西安市的户县，以及东北部的城固县和渭南市的合阳县。总体而言，NGPOCL 的扩张在中期达到了最高速率，随后在后期逐渐放缓。

图 3. 2000 年、2006 年、2012 年和 2018 年耕地中不同种植类型和非粮食生产的范围。

图 4. 2000 年至 2018 年关中地区 NGPOCL 的面积和严重性变化。

4.4. NGPOCL 的时空过程特征

重心和标准差椭圆模型在这里用于描述 NGPOCL 的时空过程。如图 6 所示，尽管在研究期间迁移轨迹曲折且方向多变，但总体上仍呈现出明显的东南迁移趋势，逐渐接近重心。

耕地中心逐渐移动。此外，重心一直位于春华县，除了在 2013 年偏移到泾阳县。

NGPOCL 重心的运动在不同阶段表现出截然不同的方向和速度。从 2000 年到 2006 年，NGPOCL 重心向东北移动了 5948 米，年均迁移速率为 991 米；从 2006 年到 2012 年，它向

图 6. 2000 年至 2018 年 NGPOCL 区域重心迁移轨迹及标准差椭圆，其中耕地重心为多年耕地的平均中心。

东南方向迁移了 9486 米，年均迁移率增加到 1581 米，明显高于之前的阶段；从 2012 年到 2018 年，继续向东南方向迁移，但迁移率降至每年 879 米。此外，2000 年 NGPOCL 重心与耕地重心的距离为

25, 365 m

，而到 2018 年这一距离急剧缩短至 8406 米。

NGPOCL 在 2000 年、2006 年、2012 年和 2018 年的标准差椭圆的空间模式也在图 6 中描绘，表 1 中显示了 2000 年至 2018 年每年的 NGPOCL 的更详细的椭圆参数。从图 6 可以看出，标准

表 1

2000 年至 2018 年关中地区 NGPOCL 的标准差椭圆参数与耕地面积。

年

旋转

(^{\circ})

半长轴 (公里)

半短轴 (公里)

扁率

区域

({km}^{2})

2000

80.48

145.28

53.89

0.63

24,590

2001

80.10

141.08

53.33

0.62

23,631

2002

80.57

145.55

52.85

0.64

24,163

2003

80.97

145.99

52.68

0.64

24,156

2004

80.92

143.82

53.86

0.63

24,330

2005

81.16

145.83

52.41

0.64

24,006

2006

81.09

140.46

54.17

0.61

23,901

2007

80.94

145.27

54.77

0.62

24,994

2008

80.75

143.60

54.97

0.62

24,796

2009

80.82

144.12

55.08

0.62

24,934

2010

82.74

138.52

57.13

0.59

24,859

2011

80.72

141.54

57.90

0.59

25,744

2012

80.37

142.58

59.64

0.58

26,710

2013

81.61

136.68

60.79

0.56

26,102

2014

79.72

139.25

62.18

0.55

27,200

2015

79.05

140.07

61.82

0.56

27,199

2016

78.68

138.66

63.37

0.54

27,602

2017

79.81

137.64

61.84

0.55

26,739

2018

79.43

137.34

62.91

0.54

27,141

耕地

80.52

128.70

55.86

0.57

22,581

NGPOCL 的偏差椭圆大致呈东西方向分布，类似于关中地区的形状，并且在研究期间逐渐接近耕地的标准偏差椭圆。在表 1 中的椭圆参数方面，扁率总体呈下降趋势，2000 年至 2005 年间略有上升趋势，2005 年后则出现波动下降；短半轴总体呈上升趋势，2000 年至 2005 年间略有回落，2005 年后稳步上升；椭圆面积呈上升趋势，2000 年至 2006 年间出现曲折下降，2006 年后逐渐增加，最终高于耕地的标准偏差椭圆面积。

4.5. NGPOCL 的空间自相关特征

在研究期间，每年的 NGPOCL 分布的全球莫兰指数（Moran's I）被计算出来。如图 7 所示，它们都是正值，而自相关性逐渐减弱。具体而言，全球莫兰指数在 2004 年前略有上升，然后以波动的方式下降，并呈现出总体下降的趋势；最高值为 0.46，最低值为 0.21。所有

Z (I)

值均大于 1.96，且通过了 0.05 的显著性检验水平。

NGPOCL 的全球莫兰指数在 2000 年至 2004 年间保持在相对较高的水平，表明 NGPOCL 在早期阶段以传染性方式扩展，因此表现出强烈的空间自相关性。其原因可能是只有零星地区发展了某种规模的特色产业，这导致了初期阶段 NGPOCL 现象的快速出现。随着 NGPOCL 逐渐全面推广，全球莫兰指数下降，NGPOCL 的传播不再像以前那样具有传染性，而是普遍发生。此外，在此期间，政府主动以计划的方式调整农业种植结构（杨和张，2021），取代了农民自发开展的 NGPOCL，这也减少了 NGPOCL 的空间自相关性。

为了描述 NGPOCL 的空间自相关的异质性和聚集效应，计算了每个局部莫兰指数 I

图 7. 2000 年至 2018 年 NGPOCL 区域的全球莫兰指数 I。

县级行政区，从中获得了

2000, 2006, 2012

和 2018 年 NGPOCL 区域的 LISA 图。如图 8 所示（有关以下提到的县和城市的名称及位置，请参见图 1），位于关中地区东北部的渭南市的白水、城固和蒲城三个县在四个时期内始终保持高-高聚集，而西安市的雁塔、莲湖、碑林、未央和新城则不同。

西安阳城和渭城一直保持着低-低集群，主要位于市中心及周边地区。高-高集群的范围减少，并从西部和北部的分散状态转变为集中在东北部，而低-低集群区域也有所缩小，但集中在西安和西安阳城的几个城市区域。

为了更好地展示 NGPOCL 的空间发展过程，

LISA 图显示了 NGPOCL 地区在 2000-2006 年、2006-2012 年和 2012-2018 年的变化率，如图 9 所示。在第一阶段，高-高聚集区分布在未央和华州，低-低聚集区分布在周至、眉和扶风。在第二阶段，高-高聚集区分布在周至和眉，而低-低聚集区分布在滨州、旬邑、春华和耀州，这些区域呈现出明显的空间特征。在最后阶段，高-高聚集区分布在靖阳和秦都，低-低聚集区分布在陈仓，所有这些区域的分布都是零散的，而大多数地区的空间自相关性并不显著。

通过结合图 8 和图 9 可以看出，大多数县级行政区的局部莫兰指数没有明显的空间自相关。NGPOCL 区域的高-高集聚点始终位于研究区域的东北部，而 NGPOCL 区域变化率的高-高集聚点则更多地位于中部和南部，这表明在早期东北部形成了一个稳定的 NGPOCL 规模，并且在后期没有显著增加。相反，在研究期间，NGPOCL 在研究区域的中部和南部显著扩展，这可能与当地的政策和经济发展有关。

4.6. NGPOCL 的归因分析及其时空变化

以研究区域内的 54 个县级行政区为样本，气象、地形、社会经济、产业政策和地理位置因素作为观察变量，以 NGPOCL 的严重程度及其在基年和接下来三个阶段的变化作为目标变量，建立了多阶段双变量相关分析模型，以定量分析 NGPOCL 及其时空变化的原因。通过双变量相关分析获得的参数如表 2 所示。

4.6.1. NGPOCL 模式形成的自然因素分析

如表 2 所示，海拔和地形坡度与 2000 年 NGPOCL 严重程度呈正相关，表明在研究初期，NGPOCL 主要分布在海拔较高和地形较陡的地区。在高海拔地区，温度较低，农作物的生长发育期较长，因此年均产量也较低（Stych 等，2019）。因此，农民更愿意在这些地方种植收益更高的经济作物（Yu 等，2020；Chang 等，2022）。此外，年均温度和年均湿度与 2000 年 NGPOCL 严重程度显著负相关，这进一步支持了上述观点。然而，在随后的三个阶段中，情况发生了逆转。例如，海拔与 NGPOCL 严重程度增量呈负相关，尽管不显著；年均温度和年均湿度逐渐与 NGPOCL 增量呈正相关，并在 0.05 或 0.1 水平上显著。一方面，这表明自然因素对 NGPOCL 的影响和限制程度逐渐降低。另一方面，这也表明 NGPOCL 逐渐扩展到低海拔平原地区，包括大城市周边地区。

4.6.2. NGPOCL 时空演化过程中的社会经济因素分析

虽然这些自然因素决定了 NGPOCL 模式的框架，但社会经济因素在随后的演变过程中发挥了重要作用。表 2 显示地理位置与 NGPOCL 严重性（或 NGPOCL 严重性变化）之间存在良好的相关性，但不同阶段的系数符号（

+ / -

）却大相径庭。在 2000 年及 2000-2006 年期间，相关系数为正，即北方的 NGPOCL 扩展更大，而在 2006-2012 年和 2012-2018 年期间则相反。一方面，这与南移现象是一致的。

表 2

各观察变量与 NGPOCL 严重程度/不同时间点/阶段的 NGPOCL 严重程度变化之间的相关系数。

目标变量

观察变量

2000 年 NGPOCL 严重程度（%）

NGPOCL 严重性从 2000 变更为

2006 (% \cdot y^{- 1})

NGPOCL 严重性在 2006 年至 2012 年间发生变化（%.y

^{- 1}

）

NGPOCL 严重性在 2012 年至 2018 年间发生变化（%

\cdot y^{- 1}

）

海拔（米）

0.589 * **

-0.043

-0.136

-0.145

地形坡度 (

^{\circ}

)

0.414 * **

-0.078

0.013

-0.064

\begin{aligned} Days below \\ 0^{\circ} C (day) \end{aligned}

0.644 * **

0.194

-0.392 * **

-0.259 *

年平均湿度 (克/千克)

-0.382 * **

-0.182

0.247 *

0.273 * *

年平均降水量（毫米）

0.237 *

-0.129

0.048

-0.051

年平均温度 (

^{\circ} C

)

-0.706 * **

-0.137

0.361 * **

0.294 * *

人均耕地 (

m^{2}

/ 人)

0.480 * **

-0.102

-0.239 *

-0.154

平均距离西安（公里）

0.495 * **

-0.201

-0.015

-0.325 * *

苹果生产基地

0.285 **

0.221

-0.181

-0.218

猕猴桃生产基地

-0.231 *

-0.094

0.423 * **

0.371 * **

北坐标

(^{\circ})

0.436 * **

0.177

-0.316 * *

-0.285 * *

*, ** 和

* * *

表示相应的

R^{2}

在

0.1, 0.05

和 0.01 显著性水平上显著。

在第 4.4 节观察到的重心；另一方面，这表明其背后有更深层的原因。因此，苹果生产基地和猕猴桃生产基地的 0/1 变量都被进一步考虑。结果显示，这两个 0/1 变量在早期和晚期分别与 NGPOCL 严重性（或 NGPOCL 严重性变化）呈正相关。原因在于，苹果生产基地的成员，即旬邑、长武、Liquan、乾、白水、蒲城、大荔、河阳、耀州、陈仓和滨州（Hao 等，2018；Li 等，2018，2020a），主要分布在研究区的北部，控制了 NGPOCL 在早期阶段的形成。然而，猕猴桃产业在过去十年中迅速发展。猕猴桃生产基地的成员，即长安、胡邑、灞桥、周至和眉县，分布在关中南部（Ma 等，2021；Yang 等，2021）。这些县的猕猴桃产业发展是重心南移的重要因素之一。

在其他社会和经济因素中，平均距离西安（研究区域最大的市场）的影响也值得关注。2000 年，它与 NGPOCL 的严重程度有着非常密切的关系，相关系数高达 0.495，且在 0.01 水平上显著。然而，在随后的时期中，这一关系转为负值，表明市场对 NGPOCL 的影响逐渐减弱。其原因之一可能是由于交通基础设施的发展，减少的时间距离在一定程度上克服了较长的地理距离，另一个原因可能是现金作物的技术和。

市场依赖型产品，并且在大城市周围有更好的技术支持和更强的市场需求，这也有助于降低运输成本（（Jiang et al., 2012; Su and Xiao, 2013）。当然，这也显示了 NGPOCL 的全面传播，这种严重的扩展也可以从人均耕地与 NGPOCL 之间的相关性中看出。

5. 讨论

5.1. 与其他研究的比较

与其他相关研究相比，本工作的优势和贡献主要集中在以下几个方面。

本研究平衡了 NGPOCL 研究中数据准确性与研究规模之间的关系。目前，NGPOCL 研究可以根据研究规模分为两类，即宏观规模和微观规模。尽管样本类型会更多，但宏观规模可能会导致使用统计数据所带来的一些固有缺陷。首先，统计数据通常存在难以纠正的系统性偏差，统计数据的可靠性总是值得怀疑（Ammani 等，2010）。其次，各地区的数据可获取性差异很大，通常只有在市级或更大行政单位层面才能公开获取相对完整的统计数据（Zhao 等，2017；Li 等，2021）。然而，微观规模研究主要来自农民调查（例如，Cai 等，2018；Peng 等，2021a）。尽管在可靠性和精确性上更具优势，但由于效率低下和成本高，仅适用于小范围研究。此外，由于农民调查中使用了抽样，选择偏差的风险是不可避免的（Su 等，2020）。借助多时相遥感数据和 GIS 空间分析平台，本研究提高了宏观尺度上 NGPOCL 范围提取的准确性和效率。通过使用 ArcGIS 中的区域统计工具，重新计算了县级行政单位的 NGPOCL 及其潜在影响变量，如气象、地形和社会经济因素。本研究分析了县级 NGPOCL 的时空发展及驱动因素，这为现有的研究提供了重要补充，现有研究主要集中在市级和省级尺度（例如，赵等，2017；郭和王，2021）或农户尺度（例如，邱等，2020；余等，2021）。

（2）从方法的角度来看，本研究整合了一套用于 NGPOCL 分析的方法，从现象描述到归因分析，为相关研究提供了完整的应用示范。在以往的研究中，地理学家往往倾向于从相对宏观的角度揭示 NGPOCL 现象（例如，Zhong 等，2022；Zhu 等，2022），而农业经济学家则更关注其社会经济原因（Xiao 等，2019；Sun 等，2021a）。得益于县域尺度上 NGPOCL 及其自然和社会经济指标的数据融合，本研究能够沿着现象描述、过程分析和机制揭示的完整路径进行。该研究使用了丰富的分析方法，结果相互印证，从而提高了结论的可信度。例如，重心分析显示 NGPOCL 重心向南移动，相关性分析也反映出北坐标与 NGPOCL 之间的相关系数显著从正变为负。随后，农业行业变量进一步解释了原因，即在研究期间的早期和后期实施的苹果产业和猕猴桃产业，分别分布在研究区域的南北两侧。本研究中使用的空间分析与其他定量分析方法的结合，预计将为与 NGPOCL 相关的研究提供示范。

此外，本研究分析了 NGPOCL 驱动因素的时间变异性，这在之前的研究中很少涉及。

以往的研究大多在某一历史时刻或当前分析了 NGPOCL 的结果（例如，李等，2021；孙等，2021a）。尽管其他一些研究也关注了 NGPOCL 的发展过程，但它们往往试图找到一个统一的原因来解释结果（例如，常和陈，2015；涂等，2021）。然而，影响因素可能会随着时间而变化。本研究考虑了 NGPOCL 影响因素的时间异质性，因此更关注 NGPOCL 的时空发展过程及其动态原因。例如，研究发现自然因素决定了 NGPOCL 模式的框架，而社会和经济因素在 NGPOCL 演变过程中发挥了重要作用，不同的产业政策在不同阶段主导了 NGPOCL 的扩展。这些发现不仅有助于深入理解 NGPOCL 及其发展，还为政府决策提供了重要参考。

5.2. 政策含义

根据上述分析，提出了一些政策建议，这些建议在未来制定与食品安全相关的战略和开展耕地保护工作时需要政府高度重视。

NGPOCL 的后果不仅体现在耕地上种植的粮食作物减少，还体现在高质量耕地转变为非粮食耕地的增加。政府必须对此给予足够的重视。从上述分析可以看出，早期的 NGPOCL 范围主要位于高海拔山区，那里的耕地质量不高。然而，随着时间的推移，NGPOCL 现象逐渐扩散，其分布变得离散。越来越多的平原和城市周边的耕地被卷入其中，这些地区通常拥有更好的农业基础设施和更高的质量（苏等，2022）。

（2）农业产业化政策的实施应更加谨慎。为了政府绩效考核，当地政府往往非常重视经济发展。在关中地区，农业对县域经济的贡献普遍较高，因此作为农业的重要组成部分，特色农业产业通常在经济发展中发挥重要作用（李和上官，2010；陈等，2021b）。因此，在快速实现经济发展目标的压力下，当地政府可能会忽视耕地保护政策，积极发展农业特色产业。归因分析表明，产业政策在 NGPOCL 扩展过程中发挥了关键作用。苹果和猕猴桃产业在不同阶段对 NGPOCL 分布产生了显著影响。

（3）基于准确把握 NGPOCL 分布的现状，粮食生产的耕地数量和分布应科学确定。政府应充分发挥遥感和物联网等新技术的作用，加强对土地利用的动态监测，及时准确地检测 NGPOCL 行为，以防止信息不对称；同时，结合最新的饮食结构和生活标准，科学确定必须用于粮食生产的耕地规模和分布。

6. 结论

本研究的主要贡献总结如下。

根据作物生长的季节变化特征，本研究基于 MODIS-EVI 和土地利用数据提取了 2000 年至 2018 年关中地区的 NGPOCL 范围，为该地区的 NGPOCL 研究提供了第一手数据。

通过使用趋势分析、重心和标准差椭圆模型以及空间自相关分析，系统地描述了 NGPOCL 的时空发展过程和模式演变，揭示了研究区域内 NGPOCL 的时间和空间发展规律。

通过相关分析和综合推断分析，研究区域内 NGPOCL 的驱动因素得到了探讨。在此基础上，提出了一些针对决策者的政策建议。

最后，本研究联合使用了多种时空统计模型，在区域尺度上开展了 NGPOCL 研究，包括空间信息提取、时空演变描述和驱动因素分析，形成了一个完整的分析框架，为在相关区域开展 NGPOCL 的精细化研究提供了示范。

致谢

本研究得到了中国国家自然科学基金（编号：42071416 和 71873099）以及中国博士后科学基金（编号：2020M683595）的联合资助。

参考文献

阿曼尼，A.A.，萨尼，B.M.，阿拉穆，J.F.，2010。官方发布的统计数据在推广工作中的可靠性挑战。《农业推广杂志》14，1。

安塞林，L.，1988 年，空间计量经济学：方法与模型（第 4 卷）。施普林格科学与商业媒体。

安塞林，L.，1995。空间关联的局部指标-LISA。《地理分析》27（2），93-115。

Boulanger, P., Dudu, H., Ferrari, E., Mainar-Causapé, A.J., Ramos, M.P., 2022. 肥料政策改革对提高肯尼亚食品安全的有效性：宏观微观模拟分析。应用经济学 54 (8), 841-861.

布伦·达穆尔，C.，雷茨马，F.，拜奥基，G.，巴特尔，S.，居内拉普，B.，厄尔布，K.H.，塞托，K.C.，2017B。未来城市土地扩展及其对全球农田的影响。《国家科学院院刊》114 (34)，8939-8944。

蔡华，董杰，宋志，王东，赵勇，邢瑞，杨志，2018。河北省土地流转后非粮作物研究。《河北农业科学》22(03)，83-87。

常, H.S., 陈, T.L., 2015. 探索农田交易和农田使用变化的空间模式. 环境监测与评估. 187 (9), 1-14.

常, Y., 刘, J., 张, Q., 余, H., 边, Z., 陈, F., 2022. 主要粮食生产区耕地非粮转化的空间模式差异. 农业资源与环境学报, 39 (04), 817-826.

陈晓，崔志，范明，维图塞克，赵明，马伟，王志，张伟，严晓，杨杰，邓晓，高强，张强，郭胜，任杰，李四，叶阳，王志，黄杰，唐琦，孙阳，彭晓，张杰，何明，朱阳，薛杰，王刚，吴丽，安娜，吴丽，马丽，张伟，张芳，2014。以更低的环境成本生产更多粮食。《自然》514（7523），486-489。

陈, Y., 陆, D., 莫兰, E., 巴蒂斯特拉, M., 杜特拉, L.V., 桑切斯, I.D.A., 达席尔瓦, R.F.B., 黄, J., 路易斯, A.J.B., 德奥利维拉, M.A.F., 2018. 使用 MODIS 时间序列数据绘制农田、种植模式和作物类型. 应用地球观测与地理信息国际期刊, 69, 133-147.

陈勇，王杰，张飞，刘阳，程思，朱静，司伟，范思，顾晟，胡波，李晓，余晓，2021a。全球化与食品安全的新模式。《自然资源学报》36(06)，1362-1380。

陈志，萨尔卡尔，哈桑，李晓，夏晓，2021b。农民生态认知对特色果园种植行为的响应评估：来自中国陕西和宁夏的证据。《农业》11(11)，1056。

Clough, Y., Kirchweger, S., Kantelhardt, J., 2020. 田地规模与欧洲景观中农田生物多样性的未来。保护信件 13 (6), e12752.

Dhanaraj, K., Angadi, D.P., 2021. 从遥感数据量化城市扩展以实现印度曼加罗尔的可持续土地利用规划。遥感应用：社会与环境 23, 100602.

Etea, B.G., Zhou, D., Abebe, K.A., Sedebo, D.A., 2019. 家庭收入多样化与食品安全：来自埃塞俄比亚农村和半城市地区的证据。可持续性 11 (12), 3232.

冯晓，刘敏，霍晓，马伟，2017。是什么驱动农民适应气候变化？以中国陕西的苹果农民为例。《可持续性》9(4)，519。

郭, S., 沈, G.Q., 陈, Z.M., 余, R., 2014. 1987-2007 年中国的体现性耕地利用. 生态指标. 47, 198-209.

郭, Y., 王, J., 2021. 确定中国非粮农业的决定因素及其对农业发展的影响. 土地 10 (9), 902.

郝杰, 比曼, 加尔德布鲁克, 赫林克, 海曼, 霍, 2018. 合作社成员身份与农民的营销渠道选择——来自中国陕西和山东省苹果农民的证据. 食品政策 74, 53-64.

侯东，孟飞，普里什切波夫，A.V.，2021。城市化如何影响农业用地？揭示中国农田弃耕与城市化之间的联系。《景观与城市规划》214，104170。

胡永芳, 游飞, 罗庆云, 2018. 描述中国淮河流域粮食种植农民的态度. 食品政策 79, 224-234.

黄伟，2014。农业土地转让中的非农业和非粮食导向风险及其规避。《现代经济管理》36(08)，39-43。

姜, L., 邓, X., 瀬戸, K.C., 2012. 中国城市热点县的城市扩展和耕地转化的多层次建模. 景观与城市规划. 108 (2-4), 131-139.

Kuiper, M., Cui, H.D., 2021. 通过减少食物损失实现食品安全和环境目标——寻找有前景的杠杆点。食品政策 98, 101915.

库姆勒, M.P., 古德查尔德, M.F., 1992, 加拿大的人口中心-就在多伦多以北. 北美地理快照, 吉尔福德, 纽约, 275-279.

李杰，商冠，2010。陕西水果产业对区域食品安全影响的实证分析。《国际可持续发展与世界生态学杂志》17(6)，507-514。

李明，郭杰，徐晨，雷勇，李静，2018。识别与中国主要生产区苹果产量变化相关的气候因素和环流指数。《全球生态与保护》16，e00478。

李明，郭杰，何静，徐晨，李静，米超，陶思，2020a。气候变化对中国西北地区苹果产量的可能影响。《理论与应用气候学》139（1），191-203。

李伟，王丹，刘思，朱阳，闫志，2020b。中国东北地区耕地储备的复垦：国家粮食安全下的土著生态不安全。国际环境研究与公共卫生杂志 17 (4)，1211。

李勇, 赵斌, 黄安, 熊波, 宋超, 2021. 从粮食安全的视角看耕地非粮食生产的特征及驱动因素. 可持续性 13 (24), 14047.

刘, L., 周, D., 常, X., 林, Z., 2020a. 一种评估中国耕地质量的新分级系统. 土地退化与发展. 31 (12), 1482-1501.

刘, Y., 周, Y., 2021. 对中国在快速城市化背景下的食品安全和土地利用政策的反思. 土地利用政策 109, 105699.

刘, Y., 邹, L., 王, Y., 2020b. 中国近 40 年来农业生态效率的时空特征及影响因素. 土地使用政策 97, 104794.

罗, B., 邱, T., 2018. 中国农业种植结构调整：“非粮”还是“粮”。社会科学前沿 2018 (02), 39-51.

马, Y., 古佳, S., 许, J., 张, J., 童, Z., 刘, X., 2021. 中国陕西省猕猴桃高温灾害的综合风险评估. 国际环境研究与公共卫生杂志 18 (19), 10437.

诺伊曼，K.，费尔堡，P.H.，斯特赫费斯特，E.，穆勒，C.，2010。全球粮食生产的产量差距：空间分析。《农业系统》103（5），316-326。

Osaki, M., Batalha, M.O., 2014. 巴西索里索地区粮食农场风险下农业生产系统的优化模型. 农业系统. 127, 178-188.

Pena-Barragan, J.M., Ngugi, M.K., Plant, R.E., Six, J., 2011. 基于对象的作物识别：使用多种植被指数、纹理特征和作物物候。遥感环境 115 (6), 1301-1316.

彭, D., 李, J., 帕乌德尔, K., 米, Y., 2021a. 中国的土地转让与粮食作物种植决策. 应用经济学通讯. 28 (20), 1777-1783.

彭杰，陈静，苏超，吴泽，杨丽，刘伟，2021b。土地流转会影响“粮食导向”吗？农村土地流转对农民农业种植结构的影响。《公共科学图书馆·综合》16 (6)，e0253158。

彭丽，周晓，谭伟，刘杰，王勇，2020，基于结构方程模型的分散农户种粮意愿及主要影响因素分析。《乡村研究》。

Purwaningsih, Y., Daerobi, A., Mulyaningsih, T., 2022. 农民对气候变化的适应作为实现粮食安全的策略。IOP 会议系列：地球与环境科学 985, 012001。

邱涛, 蔡世彬, 李晟, 何琦, 罗斌, 2020. 租入土地是否减少粮食生产？来自中国农村的证据. 土地使用政策 90, 104311.

罗杰斯，S.，威尔姆森，B.，韩，X.，王，Z.J.H.，段，Y.，何，J.，李，J.，林，W.，黄，C.，2021 年。农业规模化？中国内陆土地转移的动态。《世界发展》146，105563。

Seto, K.C., Kaufmann, R.K., Woodcock, C.E., 2000. 卫星遥感揭示中国的农田储备，但它们正在迅速消失。自然 406 (6792), 121-121.

Setsoafia, E.D., Ma, W., Renwick, A., 2022. 可持续农业实践对加纳北部农场收入和食品安全的影响。农业与食品经济学 10 (1), 1-15.

盛勇，宋丽，2019。中国的农业生产与食品消费：长期预测。《中国经济评论》53，15-29。

陕西省统计局，2019，《陕西统计年鉴 2001-2019》。中国统计出版社，北京。

Stych, P., Kabrda, J., Bicik, I., Lastovicka, J., 2019. 长期土地利用变化的区域差异：捷克的案例研究。土地 8 (11), 165.

苏, S., 肖, R., 2013. 中国钱塘江流域农田转化的空间变异决定因素. 环境管理. 52 (4), 907-916.

苏, Y., 李, C., 王, K., 邓, J., 沙赫塔哈马塞比, A.R., 张, L., 敖, W., 关, T., 潘, Y., 甘, M., 2019. 量化 2000-2015 年非粮食生产的时空动态和多方面绩效，细尺度研究. 生态指标. 101, 410-419.

苏勇, 钱凯, 林丽, 王凯, 关涛, 甘敏, 2020. 识别中国农村非粮食生产扩张的驱动因素及其对耕地保护政策的影响. 土地使用政策 92, 104435.

苏, Y., 苏, C., 谢, Y., 李, T., 李, Y., 孙, Y., 2022. 基于耕地多功能评估的非粮食生产控制. 国际环境研究与公共卫生杂志 19 (3), 1027.

孙勇，常艳，刘杰，葛晓，刘国杰，陈飞，2021a。中国沿海耕地非粮食生产的空间差异及其驱动因素。《可持续性》13(23)，13064。

孙勇, 陆阳, 王志, 李明, 2021b. 中国苹果产业种植规模的生产效率及变化特征. PloS One 16 (7), e0254820.

Svanidze, M., Götz, L., 2019. 俄罗斯粮食市场空间市场效率的决定因素。食品政策 89, 101769.

唐, Y., 陆, X., 易, J., 王, H., 张, X., 郑, W., 2021. 评估耕地利用转型对粮食生产的空间溢出效应——以中国湖北省为例的实证研究. 生态指标. 125, 107478.

Tu, Y., Chen, B., Yu, L., Xin, Q., Gong, P., Xu, B., 2021. 城市扩张如何与农田损失相互作用？1980 年至 2015 年 14 个中国城市的比较。景观生态学 36 (1), 243-263.

Waarts, Y.R., Janssen, V., Aryeetey, R., Onduru, D., Heriyanto, D., Aprillya, S., N’Guessan, A., Courbois, L., Bakker, D., Ingram, V.J., 2021. 实现不同类型小农树木作物商品农民生计收入的多条路径。食品安全. 13 (6), 1467-1496.

王华，萨尔卡尔，钱丽，2021a。组织支持、组织规范和组织学习在采用环保技术中的作用评估：以中国梅县猕猴桃农民合作社为例。《土地》10(3)，284。

王华，王晓，萨尔卡尔，钱丽，2021b。评估小农户参与现代农业价值链策略对促进扶贫的影响——以中国陕西的猕猴桃产业为例。《农业》11(5)，462。

王, N., 傅, X., 王, S., 2022. 中国居民能源消费与经济增长的时空变化及耦合分析. 应用能源 309, 118504.

王晓，辛丽，谭敏，李晓，王杰，2020。1990-2015 年中国耕地时空变化对粮食-水关系的影响。《科学·总环境》716，137119。

王勇，陈艳，易晓，肖波，2011。土地流转过程中的非粮问题及对策。《中国农业资源与区划》32(4)，13-16。

吴, Q., 李, H.Q., 王, R.S., 保卢森, J., 何, Y., 王, M., 王, B., 王, Z., 2006. 使用遥感和地理信息系统监测和预测北京的土地利用变化. 景观与城市规划. 78 (4), 322-333.

吴勇，单丽，郭志，彭勇，2017。面对 2030 年的中国耕地保护政策：动态平衡系统与基本农田划定。国际栖息地，69，126-138。

吴, Y., 西, X., 唐, X., 罗, D., 顾, B., 林, S.K., 维图塞克, P.M., 陈, D., 2018. 政策扭曲、农场规模与中国农业化学品的过度使用. 美国国家科学院院刊 115 (27), 7010-7015.

肖明，张强，曲丽，侯阿哈，董勇，郑丽，2019。四川地区坡耕地面积的时空变化及其驱动因素。《可持续性》11（3），906。

徐晓，张丹，张颖，姚松，张杰，2020。评估生态项目的植被恢复潜力成就：以中国延安为例。《土地使用政策》90，104293。

杨华，李晓，2000。中国的耕地与粮食供应。《土地使用政策》17(2)，73-88。

杨, Q., 张, D., 2021. 农业产业政策对耕地非粮食生产的影响：以中国关中平原实施的“一个村庄一个产品”战略为例。土地使用政策 108, 105579.

杨, Y., 王, L., 杨, F., 胡, N., 梁, L., 2021. 在中国西部“生态县战略”下生态环境与社会经济协调性的评估：以梅县为例. 生态指标. 125, 107585.

易晓，陈勇，2010。影响农户土地流转和非粮生产行为及其规模的因素分析——基于浙江和河北两省的家庭调查数据。《中国农村调查》2010 年第 6 期，2-10。

余, D., 魏, Y., 2008. 在地理信息系统环境下对中国大北京地区发展的空间数据分析. 区域科学论文. 87 (1), 97-117.

余东，胡松，童丽，夏晨，2020。湖南省耕地的时空动态及其对粮食生产潜力的影响。《中国土地》9(12)，510。

余, S., 郑, B., 熊, F., 刘, Y., 陈, J., 2021. 基于二元 Logit 模型的非粮作物种植对土地流转决策影响的实证研究. 国际新发展工程与社会杂志 5, 2.

张, D., 贾, Q., 许, X., 姚, S., 陈, H., 侯, X., 2018. 生态政策对植被恢复的贡献：来自中国陕西省吴起县的案例研究. 土地使用政策 73, 400-411.

张, J., 冯, L., 姚, F., 2014. 结合 MODIS-EVI 时间序列数据和作物物候信息的大尺度改进玉米种植面积估算. ISPRS 摄影测量与遥感杂志, 94, 102-113.

张, J., 田, H., 王, P., 谭西, K., 张, S., 李, H., 2022a. 在中国关中平原中使用数据增强模型和遥感生物物理指数改进小麦产量估计，深度神经网络. 计算机与电子农业, 192, 106616.

张, Q., 吴, X., 阿卜杜拉希, N.M., 王, Y., 霍, X., 2022b. 资产特异性对农田继承意愿的影响：来自中国苹果种植者的证据。农村科学 52.

张, Y., Migliavacca, M., Penuelas, J., Ju, W., 2021. 植被特征和功能的高光谱遥感进展. 遥感环境. 252, 112121.

- 通讯作者。
电子邮件地址：cugzdj@gmail.com（D. Zhang），hanzhang@nwafu.edu.cn（H. Zhang）。

这些作者对该工作贡献相同，应视为共同第一作者。