山地丘陵区耕地细碎化识别的空间尺度选择及格局特征

Spatial scale selection and pattern characteristics for identifying cultivated land fragmentation in mountainous and hilly regions

摘要

目的 通过精准识别山地丘陵区耕地细碎化的空间尺度及格局特征，寻求科学的治理策略，有助于推进山地丘陵区耕地资源适度规模化利用，有效提升区域农业生产效率。 方法 以重庆市为研究区，基于2020年土地覆盖数据及其他相关数据，采用移动窗口法等计算各空间尺度下景观格局指数的响应，基于最佳空间尺度分析重庆市耕地细碎化空间格局特征，并结合地理探测器模型识别其影响因素。 结果 （1） 各类景观格局指数对空间尺度的敏感性存在显著差异，90 m粒度与2 000 m幅度为重庆市耕地细碎化精准识别的最佳空间尺度。（2） 重庆市耕地细碎化程度整体较高，中、较高及高等级细碎化占比76%，低与较低等级细碎化仅占比24%，且具有“西低东高”的显著空间异质性特征。（3） 坡度（0.270 2）、地貌类型（0.212 1）、年降水量（0.192 4）等是影响重庆市耕地细碎化的主要自然因素，各因素在双因子及非线性增强等交互作用下进一步得到加强。 结论 精准识别不同地貌类型区耕地细碎化应选择适宜的尺度，对耕地细碎化的治理宜采取差别化的治理策略。

Abstract

Objective Precisely identifying the spatial scale and pattern characterization of cultivated land fragmentation in mountainous and hilly regions is essential for developing scientific management strategies， promoting moderate large-scale utilization of cultivated land resources， and effectively improving regional agricultural production efficiency. Methods Taking Chongqing as the study area， the study used 2020 land cover data and relevant datasets. The moving window method was employed to calculate the response of landscape pattern indices at various spatial scales. The spatial pattern characteristics of cultivated land fragmentation in Chongqing were analyzed based on the optimal spatial scale. The Geodetector model was then combined to identify the influencing factors. Results （1） There were significant differences in the sensitivity of various landscape pattern indices to spatial scales. A grain size of 90 m and an extent of 2 000 m were identified as the optimal spatial scale for precisely identifying cultivated land fragmentation in Chongqing. （2） The degree of cultivated land fragmentation in Chongqing was overall high， with medium， relatively high， and high-level fragmentation accounting for 76%， while low and relatively low-level fragmentation accounted for only 24%. A clear spatial heterogeneity pattern of “low in the west and high in the east” was observed. （3） Slope （0.270 2）， geomorphological type （0.212 1）， and annual precipitation （0.192 4） were the main natural factors affecting cultivated land fragmentation in Chongqing. The effects of these factors were further strengthened through interactions such as bivariate and nonlinear enhancement. Conclusion Appropriate scales should be selected for precisely identifying cultivated land fragmentation with different geomorphological conditions， and differentiated governance strategies should be adopted to address cultivated land fragmentation.

Graphical abstract

关键词

耕地细碎化 / 格局特征 / 最佳空间尺度 / 影响因素 / 山地丘陵区

Key words

cultivated land fragmentation / pattern characteristics / optimal spatial scale / influencing factors / mountainous and hilly areas

耕地细碎化是世界各国农业发展普遍面临的问题，也是实现农业规模化经营和可持续发展过程中亟待解决的关键问题之一^［1］。所谓耕地细碎化，是指由于自然条件或人为因素干预导致耕地资源在空间上分布零散且形态不规则，难以进行大规模集中经营管理的无序状态^［2］。耕地细碎化现象多发生在地貌类型复杂或社会经济发展落后的国家或地区，在山地丘陵占比约40%的我国，耕地细碎化现象尤为突出^［3］。已有研究表明，我国耕地细碎化严重制约土地规模化利用和现代农业规模化发展，增加耕地组织经营利用投入，影响农地经营者增收，限制农业机械在农业生产中的应用^［4］。随着我国“藏粮于地、藏粮于技”战略持续推进，耕地细碎化治理、空间布局优化调整已成为提升农业综合生产能力、夯实粮食安全根基的重要路径。精准识别评估耕地细碎化程度、科学选择耕地细碎化治理策略对实现耕地资源高效规模利用和保障粮食安全具有重要意义，也是破解我国农业空间效能瓶颈，实现“人-地-粮”系统协调优化的关键^［5］。

关于耕地细碎化问题或现象，学界主要围绕测度评价^［6-7］、影响因素^［8］、治理路径等^［9-10］方向进行了大量探索，并取得了丰硕成果。对于耕地细碎化评价，有学者指出耕地细碎化具有空间异质性和尺度依赖性^［11-12］，即在不同空间尺度下耕地细碎化的格局特征及演化趋势均存在显著差异^［13］。对于耕地细碎化影响因素，主要基于自然因素与社会经济因素两个方面。自然因素如坡度、海拔、地貌类型等直接决定了耕地的空间分布，是细碎化形成的直接约束；而社会经济因素则通过人口压力、经济发展及农业经营等方式影响耕地细碎化。相较而言，自然因素是影响耕地细碎化的核心因素，也是制约其有效治理与优化配置的关键因素^［14］，尤其在山地丘陵地区，自然因素限制更为显著^［15］。对于耕地细碎化的治理路径，主要围绕治理模式及其效益等方向，通过提升耕地连片性和规模化水平缓解耕地细碎化^［16-17］，也有研究从整治工程分区的角度提出分区整治策略，以达到因地制宜的治理效果^［18］。

综合梳理耕地细碎化问题研究文献可见，现有研究多以行政区域^［19-20］、地块尺度^［21-22］为单元获取耕地细碎化信息。以行政区域为单元获取耕地细碎化信息可能掩盖内部空间差异，难以反映真实的空间异质性；以地块尺度为单元则会受限于数据获取，且缺乏对整体景观格局的把握，难以揭示区域层面的空间分布。也有研究从景观生态学视角出发，基于构建的某一幅度探讨耕地细碎化问题^［23］，但忽略了空间尺度中粒度和幅度的关联性，单一的粒度或幅度难以精准捕捉耕地细碎化的本质特征^［24］。因此，寻求适宜的空间尺度是精准揭示耕地细碎化的重要前提。相较于平原地区，山地丘陵区地形起伏大，耕地分布零散且斑块形态复杂，细碎化问题更为突出。本研究选取典型山地丘陵区作为研究对象，将重庆市作为研究区，在确定耕地细碎化的最佳空间尺度的基础上，探测研究区耕地细碎化的影响因素，以期更深入地认识山地丘陵区耕地细碎化问题，为该区域的耕地细碎化治理提供理论指引和对策参考。

1 研究区概况

重庆地处青藏高原和长江中下游平原的过渡地带，位于四川盆地东部、长江上游（28°10′—32°13′N，105°17′—110°11′E），辖区总面积8.24万km²，辖38个区县（图1）。重庆地貌类型多样，以山地和丘陵地貌为主，其中山地占比76%，丘陵占比22%。根据重庆市农业地貌类型组合特征和分布规律，可分为渝西方山丘陵区、渝中平行岭谷低山丘陵区、渝东南低中山区、渝东北中山区等4个农业地貌区域。重庆属中亚热带湿润季风气候区，平均气温18 ℃，年降雨量约1 000 mm，植被以亚热带常绿阔叶林为主。2024年，全市地区生产总值32 193.15亿元，常住人口3 190.47万，城镇化率为72.14%。

根据2021年重庆市第三次国土调查主要数据公报，重庆市耕地总面积187.02万hm²，平均每块耕地面积约0.38 hm²。因地形限制，重庆市耕地分散且多分布于低山丘陵地带，以坡耕地为主，6°~15°耕地面积77.48万hm²（41.43%），15°以上耕地达73.98万hm²（39.0%），平缓耕地占比不到20%。优、良等耕地主要集中于渝西丘陵平坝，中差等地广布于渝东南、渝东北山地。耕地细碎化导致重庆耕地利用效率低与生态系统脆弱，面临粮食安全与长江上游生态屏障功能维护的双重压力。

2 数据来源与研究方法

2.1 数据来源与处理

本研究使用的数据包括土地覆盖数据、DEM数据、地貌类型、年降雨量、归一化植被指数（Normalized Difference Vegetation Index， NDVI）、河流与道路数据以及行政区边界数据（表1）。

2.2 研究方法

2.2.1 最佳空间尺度

空间尺度是准确识别耕地细碎化空间格局的关键。科学界定空间尺度能够提升耕地细碎化格局测度的准确性，也能有效避免空间尺度失配带来的信息失真。空间尺度包括粒度与幅度两个方面，粒度与幅度的敏感性和依赖性可依赖景观格局指数进行刻画。

（1） 最佳粒度。粒度变化将显著影响景观格局指数的值域与稳定性。本研究以10 m为间隔构建10~200 m的粒度范围，绘制景观格局指数随粒度变化的响应曲线，并结合面积损失率进一步评估，以最大限度减少尺度变换过程中的耕地面积损失，探寻研究区耕地细碎化识别的最佳粒度。耕地面积损失率计算公式为：

L=\frac{(A-A_b)}{A_b}\times \mathrm{100}\mathrm{\%}（1）

式中：L为耕地面积损失率；A为重采样后的耕地面积；A_b 为重采样前的耕地面积。

（2） 最佳幅度。基于最佳粒度，本研究以200 m为间隔，构建400~3 000 m的幅度变化范围，结合移动窗口法分析不同幅度耕地细碎化结构的组织状态，并通过地统计学的半变异函数模型（Semivar-iogram Model， SVM）分析景观格局指数和空间变量之间的点对点关系，综合考虑空间变异比（RNS）、响应一致性及空间结构稳定性等因素确定最佳幅度。半方差值的计算公式为：

\gamma (h)=\frac{\mathrm{1}}{\mathrm{2}N(h)}{{\displaystyle \sum _{i=\mathrm{1}}^{N(h)}}〔Z(x_i)-Z(x_i+h)〕}^{\mathrm{2}}（2）

式中：γ（h）为半方差值，表示间距为h的点对之间的平均差异；N（h）为滞后距离为h的点对数量；Z（x_i ）表示在位置x_i 处的变量观测值；Z（x_i +h）为距离h处相对应点的变量观测值；SVM模型包括块金值（C₀）、基台值（C+C₀）、变程和块金比〔C₀/（C+C₀）〕。

2.2.2 景观格局指数

景观格局指数是可高度浓缩景观格局信息、揭示其结构组成与空间配置特征的量化指标。参考以往多个研究^［25-27］，综合考虑面积边缘、边界形状以及空间聚集程度等因素，研究最初选取了边缘密度（ED）、平均斑块大小指数（MPS）、景观形状指数（LSI）、面积加权平均形状指数（AWMSI）、斑块密度（PD）、聚集指数（AI）、最大斑块指数（LPI）、景观分离指数（DIVISION）及面积加权平均形状因子（AWMPFD）等9类景观格局指数。由于景观格局指数之间存在信息冗余，因此对其进行共线性诊断，剔除了LPI， DIVISION及AWMPFD等指数（VIF≥10），最终构建了耕地细碎化评价指标体系。相应景观格局指数测算公式及含义见表2。

2.2.3 熵值法

熵值法是一种基于信息论熵概念的客观赋权和评价方法，其核心在于通过计算各指标的信息熵以量化系统的不确定性或混乱程度。为避免主观赋权的偏差，本研究选用熵值法对耕地细碎化指标进行赋权处理计算。处理计算公式为：

正向指标：

r_{ij}=\frac{X_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{X}_j}{\mathrm{m}\mathrm{a}\mathrm{x}{X}_j-\mathrm{m}\mathrm{i}\mathrm{n}{X}_j}（3）

负向指标：

r_{ij}=\frac{\mathrm{m}\mathrm{a}\mathrm{x}{X}_j-X_{ij}}{\mathrm{m}\mathrm{a}\mathrm{x}{X}_j-\mathrm{m}\mathrm{i}\mathrm{n}{X}_j}（4）

P_{ij}=r_{ij}/{\displaystyle \sum _{i=\mathrm{1}}^M}{r}_{ij}（5）

e_j=-k{\displaystyle \sum _{i=\mathrm{1}}^M}{P}_{ij}\times \mathrm{l}\mathrm{n}{P}_{ij}(e_j\ge \mathrm{0}),\mathrm{其中}k=\frac{\mathrm{1}}{\mathrm{l}\mathrm{n}M}(k>\mathrm{0})（6）

W_j=\frac{(\mathrm{1}-e_j)}{{\displaystyle \sum _{j=\mathrm{1}}^M}(\mathrm{1}-e_j)}（7）

S_i={\displaystyle \sum _{i=\mathrm{1}}^M}{W}_j\times r_{ij}（8）

式中：r_ij 为第i个样本第j个评价指标标准化后的值；X_ij 为第i个样本第j个评价指标的初始值；minX _j 为第j个指标中的最小值；maxX_j 为第j个指标中的最大值；P_ij 为第i个样本在第j个指标中的占比；e_j 为第j个指标的信息熵；W_j 为第j个指标的权重；M为指标数量；S_i 为耕地细碎化值。

2.2.4 地理探测器模型

耕地细碎化作为一种受多种因素影响的复杂地理空间现象，基于空间统计分析的地理探测器为空间分异特征及其影响因素的探测提供了有效方法。在参考相关研究的基础上^［28-29］，本研究主要从自然环境条件对耕地细碎化影响的角度，选取坡度（X₁）、海拔（X₂）、地貌类型（X₃）、年降雨量（X₄）、NDVI（X₅）、距河流距离（X₆）、距道路距离（X₇）7个影响因子，利用地理探测器模型中的因子探测、风险探测及交互探测等模块进行探测分析。因子解释力的计算公式为：

q=\mathrm{1}-{\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }_h^{\mathrm{2}}/N{\sigma }^{\mathrm{2}}（9）

式中：q为因子解释力，值域为［0，1］；L为划分的类别数；N_h 为第h个子区的样本数；σ_h²为第h个子区因变量的方差；N为总样本数；σ²为整个研究区因变量的总方差。

3 结果与分析

3.1 耕地细碎化识别最佳空间尺度

3.1.1 最佳粒度

为分析不同粒度对研究区耕地细碎化空间格局识别的影响，研究首先在10~200 m粒度范围内以10 m为间隔进行重采样，计算不同间隔情况下6类景观格局指数的大小，并通过不同函数模型对各指标的变化趋势进行拟合建模（图2）。然后，结合耕地面积损失指数测算结果，综合确定最佳粒度。

根据拟合建模结果，响应差别可归纳为负指数衰减型、二次函数型两类。负指数衰减型包括PD， ED， LSI和AI等指数，该类指数整体在粒度10~90 m时快速下降，在150 m后趋于平稳。

二次函数型响应特征对应AWMSI与MPS等指数，AWMSI指数在30~150 m范围内波动剧烈，之后逐渐平缓，表明粒度变化在该范围内对耕地斑块的形状复杂度影响较强，MPS指数随粒度增加而迅速扩大，表明大粒度有整合斑块的趋势，但同时也会掩盖局部信息。

从各指数综合响应判断分析，多类景观格局指数普遍在30~150 m粒度范围内表现出较强的敏感性，可确定该范围为第一尺度。结合耕地面积损失率变化曲线进一步综合分析（图3），在90 m粒度处面积相对损失率最低，信息保持程度最佳。因此，可将90 m确定为本研究耕地细碎化识别的最佳粒度大小。

3.1.2 最佳幅度

在空间尺度中，幅度与粒度相辅相成，共同决定耕地细碎化格局的客观真实表达。粒度反映了斑块特征的最小可辨识单位，而幅度则体现了景观格局的整体观测范围。在最佳粒度的基础上，研究设置400~3 000 m的幅度范围，以200 m为步长，结合移动窗口法测算了各幅度下的景观格局指数，并通过半变异函数模型评估其响应趋势以确定最佳幅度。

结果显示（图4），各景观格局指数在幅度变化过程中的空间变异比整体呈下降趋势，但在响应程度与稳定性上存在差异。LSI与AWMSI在幅度扩大过程中曲线呈现一定的波动现象，具有不稳定性，该波动可能与耕地在不同幅度中边界整合过程的不均衡性有关，指标对局部幅度变化较为敏感。PD， ED， AI， MPS共4类景观格局指数在整体幅度区间内表现出更为平缓且递减的变化趋势，曲线收敛性强，波动性低，表明指标在幅度扩大过程中呈现出较为稳定的结构特征，空间组织性逐步增强。

幅度大于2 000 m后，响应曲线整体收敛趋势显著，多个指标逐步下降趋于平稳，表现出较高的结构一致性。相较于其余幅度，2 000 m更能显化研究区耕地细碎化的空间格局特征，同时也避免幅度过大导致的信息缺失与斑块结构模糊。结合空间变异比、响应一致性及稳定性评估，研究确定2 000 m为研究区耕地细碎化格局的最佳分析幅度。

3.2 耕地细碎化空间格局特征

统计分析结果表明，6类景观格局指数在区域间的空间差异显著（图5）。PD在0.23~123.46，高值区主要集中于渝东北中山区和渝东南低中山区，而渝西方山丘陵区及渝中平行岭谷低山丘陵区PD普遍低于4.24，耕地相对连片集中、细碎化程度较低；ED范围为0~99.35，渝东南低中山区与渝东北中山区形成连续高值区，边界复杂度显著高于其余区域。LSI（1~8）高值区同样集中于渝东北中山区及渝东南低中山区，反映出复杂地形导致的斑块形态不规则化。MPS（0.8~428.5）呈现明显的“西高东低”分布特征，中西部区域耕地斑块面积多高于37.1，东部区域则多低于20.9。AWMSI（1~7.03）以中高值为主，区域差异相对较弱。AI（0~100）空间分布上与PD呈负相关，渝东南低中山区与渝东北中山区多低于60.7，耕地集中程度较低。

根据熵值法测算获得每个研究单元的耕地细碎化值，利用自然断点法可将研究区耕地细碎化程度划分为低（0.001~0.207）、较低（0.207~0.341）、中（0.341~0.442）、较高（0.442~0.543）及高（0.543~0.821）5个等级，研究区耕地细碎化空间格局分布特征如图6所示。研究区耕地细碎化程度整体较高，中、较高等级占比分别为31.93%和30.45%（表3），为主要细碎化等级；低与较低等级占比分别为10.03%和13.97%，空间上主要分布于渝西与渝中相对平缓的丘陵地区；占比13.62%的高等级细碎化，主要集中在地形起伏大的渝东南与渝东北山地地区，耕地细碎化特征较突出。

重庆市耕地细碎化水平由西向东逐渐增强，呈现出显著的空间异质性特征。渝西方山丘陵区耕地细碎化整体水平较低，低与较低等级细碎化共占比约39.22%，中等级占比25.27%，高与较高等级共占35.51%，该区位于盆缘台地与低丘地带，耕地连片度高、规模较大，尽管局部受地形起伏与城镇建设影响出现高值，但整体仍呈集中连片格局；渝中平行岭谷低山丘陵区各等级分布与渝西相近，虽受城郊扩张与交通走廊切割影响，但耕地连续性整体保持较好；渝东北中山区细碎化特征显著，中及较高等级合计达76.64%，受山地地形制约，耕地多呈带状或镶嵌状分布，规模小且连通性差；渝东南低中山区细碎化最为严重，较高与高等级占65.76%，典型喀斯特地貌导致耕地受洼地、裂隙及石漠化等影响，集中分布于狭窄河谷与坡面小平台，呈高度镶嵌化与不规则格局，难以形成大面积连片耕地。

3.3 耕地细碎化影响因素

为进一步探究重庆市耕地细碎化的主要自然因素，采用地理探测器中的因子探测器，主要分析自然因子对研究区耕地细碎化的影响。探测结果显示，所选因子p<0.01（表4），表明各因子对耕地细碎化空间分异具有显著的解释作用。其中，坡度的解释力最强，q值为0.270 2，表明坡度是影响耕地细碎化的主导因素。地貌类型（0.212 1）和年降水量（0.192 4）也具有较高的解释力，说明地形条件与降水环境也是影响耕地细碎化空间格局的主要影响因素。此外，海拔（0.165 8）与NDVI（0.153 6）对耕地细碎化的影响也较为显著，表明耕地细碎化在一定程度上还受生态环境质量和地势高差的制约。距河流距离和距道路距离两个交通与水系相关因素的q值远低于其他因子（<0.01），可能在当前空间尺度与数据条件下，其对耕地细碎化空间异质性的解释力较弱，仅产生轻微影响。

为研究区耕地细碎化治理提供更加精准的空间指引，可通过风险检测器进一步识别各类因子对研究区耕地细碎化产生影响的敏感区间。风险探测结果显示，研究区耕地细碎化的平均风险值显著偏高。坡度15.1°~18.4°、海拔640.4~815.7 m、地貌类型为中海拔台地、年降雨量1 777.0~1 890.0 mm、NDVI在0.74~0.78、距河流距离4 469.8~5 837.0 m、距道路距离7 658.7~9 204.6 m（图7），可视为重庆市耕地细碎化程度较为严重的区域。

通过交互探测揭示不同因子之间的交互作用，结果显示（图8），双因子组合的交互作用力均强于任一单因子，表明影响耕地细碎化的因素并非简单叠加的结果。在交互作用类型上，双因子之间的交互作用主要表现为“非线性增强”与“双因子增强”两类，两种类型各占50%。其中，“双因子增强”主要集中于坡度、海拔、地貌类型、NDVI与年降雨量等因子的组合，表明地形地貌结构与生态环境共同影响耕地细碎化程度，尤其是坡度与年降雨量的交互作用（0.352 1）达到最大，进一步凸显坡度在细碎化形成中的主导地位。而“非线性增强”则主要表现在距河流距离与距道路距离等线性因子之间，此类因子虽在单独作用下解释力较弱，但在与其他因子交互时会显著增强其影响效应。

4 讨论与结论

4.1 讨论

（1）耕地细碎化识别尺度选择。本研究构建一套适用于山地丘陵区的耕地细碎化精准识别框架，其不同于以往大部分研究普遍以县^［20］、乡镇^［26］、村等^［25］以行政区划作为评价单元或依赖经验尺度的做法，研究通过定量分析景观格局指数响应趋势以确定适用于山地丘陵区的耕地细碎化最佳空间尺度，实现耕地细碎化的空间异质性准确识别，避免行政边界切割导致的内部空间异质性均匀化，为复杂地形区构建统一与可比较的评价尺度提供方法框架。研究发现，重庆市耕地细碎化研究的最佳粒度为90 m，最佳幅度为2 000 m。本研究确定的最佳空间尺度与其他研究结果相比，存在一定的区域差异性：确定陕西省耕地细碎化的最佳空间尺度为90 m粒度和3 000 m幅度^［28］；发现贵州省耕地细碎化的最佳粒度与幅度分别为150 m和600 m，这是由研究区地理变异性引发的结果差异，表明不同研究区域的最佳空间尺度各不相同，以行政区域为单元可能会弱化这种尺度效应，难以准确反映耕地细碎化的空间异质性^［28-30］。

（2）耕地细碎化成因及治理。受重庆特殊的自然地理条件限制，其耕地细碎化空间格局表现出显著的“西低东高”的分异特征。在研究区域内，坡度是最主要影响因素，直接体现地形对耕地分布的强约束特征。渝西位于四川盆地东缘，以台塬与平缓丘陵为主，坡度普遍低于15°，利于耕地集中与规模化经营，因此耕地细碎化水平相对较低；而渝东北与渝东南处于大巴山—武陵山深切割区域，坡度多大于15°，陡坡与破碎坡面使耕地只能零散镶嵌于山间小平台和狭窄的河谷阶地中，天然形成高度细碎化耕地分布格局。其次，地貌类型是导致东西差异进一步扩大的关键因素。渝西地貌类型以台塬、缓丘与河谷阶地为主，微地形起伏不大，变化均匀，易形成规则、连片的耕地；渝东北与渝东南以中山、低中山及喀斯特峰丛洼地为主，微地形复杂、土层薄、可耕面积小，使得耕地呈狭长带状或碎片状分布，因此，该区域为研究区细碎化程度最高的“极核区”。年降雨量与海拔等自然环境条件对耕地细碎化也发挥着重要作用：年降雨量东高西低，高降雨叠加陡坡地形加剧土壤侵蚀，使东部本已有限的耕地空间进一步收缩；海拔升高导致热量条件下降，也缩小可稳定利用的耕地面积，增强细碎化趋势。加之渝东南及渝东北区域高山林区植被覆盖度相对较高，致使可耕空间受限，进一步抬升耕地细碎化水平。

基于风险探测结果，针对不同区域的自然地理条件与耕地细碎化程度，耕地细碎化治理宜采取区域差别化的策略。

渝西方山丘陵区地势相对平缓、耕地连片基础良好，是耕地细碎化风险较低的区域。区域耕地细碎化程度虽整体较低，但仍存在局部“微细碎”问题，如田块形状不规整、农机作业通达性不畅。基于国家对永久基本农田“应划尽划、集中连片、优先建设高标准农田”的政策导向，该区应从传统数量型整治转向质量型提升，通过地块规整、坡度微调、渠系修复、排灌改造与田间道路网完善等举措，强化高标准农田建设的“提质升级”。同时，依托稳定的连片基础和政策支持，推进土地托管、社会化服务与适度规模经营，使高标准农田建设与现代农业发展深度耦合，从而提高耕作效率与耕地综合生产能力。

渝中平行岭谷区受城郊扩展、交通廊道建设及地形起伏影响，耕地呈现“离散化—带状化”并存的特征，是细碎化中度风险区。围绕国家“严格落实国土空间规划管控边界、强化永久基本农田刚性保护”的要求，该区域需重点遏制新增细碎源，通过强化城镇开发边界和交通走廊管控、设置绿色缓冲带等措施减少线性工程对耕地的割裂效应。同时，依托谷地与缓坡地带的自然格局，开展渠系连通、田间道路整理、水利设施成网化等综合整治，提升耕地斑块之间的连通性。在“高标准农田+基本农田保护”的框架下推动可连片区块开展适度规模经营，避免因城市扩张和工程建设导致的持续细碎化过程。

渝东北中山区与渝东南低中山区均受陡峭坡度、破碎地貌等自然条件的硬约束，是重庆耕地细碎化程度最高的区域。对具有一定耕作潜力的缓坡台地、河谷与洼地，可通过坡改梯、小平台整治、小型水利配套与田间道路完善，提高耕地的形状稳定性和生产连续性。对坡度大、土层浅或受喀斯特破碎地貌影响显著的斑块，则应遵循“宜耕则耕、宜林则林”的原则，实施农林复合经营、退耕还林还草与石漠化综合治理，从根本上减轻自然约束导致的持续细碎化压力。同时，依托山地资源禀赋发展适坡产业，以构建生态友好型、适宜性强的山地农业系统。

4.2 结论

（1）景观格局指数在不同空间尺度下存在敏感性差异。基于移动窗口法分析，耕地细碎化在研究区的最佳粒度与最佳幅度分别为90 m和2 000 m。

（2）重庆市耕地细碎化程度整体较高，空间上具有典型的“西低东高”特征。中、较高及高等级细碎化占比76%，低与较低等级细碎化仅占比24%，细碎化在空间分布上与地形条件高度耦合，低值区沿中西部的台塬、低丘及宽谷阶地集中，高值区则在渝东北与渝东南山地连续分布，整体格局呈现明显的地形主导型空间结构。

（3）重庆市耕地细碎化是多因素共同交织影响作用的结果。坡度、地貌类型及年降雨量是影响耕地细碎化的主要因素，且各因素对耕地细碎化的影响并不是独立的，在双因子及非线性增强等交互作用效应下进一步得到加强。

参考文献

[1] 吕晓，黄贤金，钟太洋，等.中国农地细碎化问题研究进展［J］.自然资源学报，2011，26（3）：530-540.

[2] Lü X， Huang X J， Zhong T Y， et al. Review on the research of farmland fragmentation in China［J］. Journal of Natural Resources， 2011，26（3）：530-540.

[3] Lu H， Xie H L， Lv T G， et al. Determinants of cultivated land recuperation in ecologically damaged areas in China［J］. Land Use Policy， 2019，81：160-166.

[4] Sklenicka P. Classification of farmland ownership fragmentation as a cause of land degradation： a review on typology， consequences， and remedies［J］. Land Use Policy， 2016，57：694-701.

[5] 周德，戚佳玲，袁承程.近40年来中国农地细碎化研究进展与展望［J］.中国土地科学，2021，35（1）：107-116.

[6] Zhou D， Qi J L， Yuan C C. Progress review and prospects for farmland fragmentation in China in the past 40 years［J］. China Land Science， 2021，35（1）：107-116.

[7] 陈万旭，段斌俏，曾杰.1980—2020年中国耕地景观细碎化空间分异性与影响因素分析［J］.农业工程学报，2024，40（21）：221-231.

[8] Chen W X， Duan B Q， Zeng J. Spatial differentiation and influencing factors of cultivated landscape fragmentation in China from 1980 to 2020［J］. Transactions of the Chinese Society of Agricultural Engineering， 2024，40（21）：221-231.

[9] 刘晶，金晓斌，徐伟义，等.江苏省耕地细碎化评价与土地整治分区研究［J］.地理科学，2019，39（5）：817-826.

[10] Liu J， Jin X B， Xu W Y， et al. Evaluation of cultivated land fragmentation and guidance of land consolidation at provincial level［J］. Scientia Geographica Sinica， 2019，39（5）：817-826.

[11] 刘立文，段永红，徐立帅，等.黄土丘陵区耕地细碎化特征及影响因素研究：以山西省和顺县为例［J］.中国农学通报，2021，37（22）：90-96.

[12] Liu L W， Duan Y H， Xu L S， et al. Characteristics and influencing factors of cultivated land fragmentation in Loess Hilly Region： a case study of Heshun County in Shanxi Province［J］. Chinese Agricultural Science Bulletin， 2021，37（22）：90-96.

[13] 杜国明，张宇，章尤琴.东北黑土区典型县域耕地细碎化空间格局及影响因素分析［J］.农业现代化研究，2023，44（5）：858-868.

[14] Du G M， Zhang Y， Zhang Y Q. The spatial pattern and influencing factors of cultivated land fragmentation in typical counties of the Northeast black soil region［J］. Research of Agricultural Modernization， 2023，44（5）：858-868.

[15] 魏鹏，余敦，胡宜之，等.规划管控约束下耕地细碎化评价与整治分区［J］.农业工程学报，2024，40（3）：283-293.

[16] Wei P， Yu D， Hu Y Z， et al. Evaluating cultivated land fragmentation and remediation zoning under planning management［J］. Transactions of the Chinese Society of Agricultural Engineering， 2024，40（3）：283-293.

[17] 张蚌蚌，郭芬，黄丹，等.陕北“一户一田”和“一组一田”耕地细碎化整治模式与绩效评价［J］.农业工程学报，2020，36（15）：28-36.

[18] Zhang B B， Guo F， Huang D， et al. Pattern and evaluation of land consolidation model for “One Household One Plot” and “One Village One Plot” to solve land fragmentation in Northern Shaanxi Province， China［J］. Transactions of the Chinese Society of Agricultural Engineering， 2020，36（15）：28-36.

[19] 刘晶，金晓斌，徐伟义，等.1990—2020年中国耕地景观细碎化演变特征与趋势预判［J］.地理学报，2023，78（9）：2163-2185.

[20] Liu J， Jin X B， Xu W Y， et al. Characteristic evolution and trend prediction of cultivated land landscape fragmentation in China from 1990 to 2020［J］. Acta Geographica Sinica， 2023，78（9）：2163-2185.

[21] 王学，徐晓凡.中国耕地景观细碎度时空变化特征及其影响因素［J］.农业工程学报，2022，38（16）：11-20.

[22] Wang X， Xu X F. Spatiotemporal characteristics and influencing factors of landscape fragmentation of cultivated land in China［J］. Transactions of the Chinese Society of Agricultural Engineering，2022，38（16）：11-20.

[23] 任红玉，赵宇鸾，李秀彬，等.基于不同分辨率影像的山区耕地细碎化评价及其尺度效应［J］.地理研究，2020，39（6）：1283-1294.

[24] Ren H Y， Zhao Y L， Li X B， et al. Cultivated land fragmentation in mountainous areas based on different resolution images and its scale effects［J］. Geographical Research，2020，39（6）：1283-1294.

[25] 臧良震，苏毅清.耕地细碎化问题研究述评及启示［J］.生态经济，2019，35（1）：79-83.

[26] Zang L Z， Su Y Q. A literature review and its enlightenment of farmland fragmentation issue［J］. Ecological Economy，2019，35（1）：79-83.

[27] Yucer A A， Kan M， Demirtas M， et al. The importance of creating new inheritance policies and laws that reduce agricultural land fragmentation and its negative impacts in Turkey［J］. Land Use Policy，2016，56：1-7.

[28] 刘婧鸣，侯现慧，王占岐，等.耕地细碎化与耕地集约利用水平空间相关特征研究：以湖北省为例［J］.中国土地科学，2017，31（12）：51-59，2，97.

[29] Liu J M， Hou X H， Wang Z Q， et al. Spatial correlation characteristics of fragmentation and intensive use levels of cultivated land in Hubei Province［J］. China Land Science，2017，31（12）：51-59，2，97.

[30] 孙晓兵，孔祥斌，温良友，等.华北集约化农区耕地细碎化特征及其整治模式研究：以河北曲周为例［J］.农业现代化研究，2019，40（4）：556-564.

[31] Sun X B， Kong X B， Wen L Y， et al. Farmland fragmentation and its managing models of the concentrated farmland in agricultural region of North China： a case study of Quzhou County in Hebei Province［J］. Research of Agricultural Modernization， 2019，40（4）：556-564.

[32] 王祯，吴金华，白帅，等.黄土丘陵沟壑区耕地细碎化评价与土地整治工程分区：以吴起县为例［J］.水土保持研究，2022，29（4）：300-307.

[33] Wang Z， Wu J H， Bai S， et al. Evaluation of cultivated land fragmentation and land consolidation engineering zoning in the loess hilly and Gully Region： a case study in Wuqi County［J］. Research of Soil and Water Conservation， 2022，29（4）：300-307.

[34] Zheng Y H， Long H L， Chen K Q. Spatio-temporal patterns and driving mechanism of farmland fragmentation in the Huang-Huai-Hai Plain［J］. Journal of Geographical Sciences， 2022，32（6）：1020-1038.

[35] 奥勇，张亦恒，王晓峰，等.基于景观指数的关中地区耕地细碎化程度的时空变迁及其驱动因素［J］.水土保持研究，2024，31（3）：401-411.

[36] Ao Y， Zhang Y H， Wang X F， et al. Spatiotemporal changes and driving factors of cultivated land fragmentation in Guanzhong Region based on landscape index［J］. Research of Soil and Water Conservation， 2024，31（3）：401-411.

[37] 李春梅，邵景安，曹飞.浅丘低丘地貌背景下耕地细碎化评价及分区研究［J］.中国农业资源与区划，2023，44（11）：114-125.

[38] Li C M， Shao J A， Cao F. Evaluation and zoning of cultivated land fragmentation under the geomorphic background of shallow and low hills［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2023，44（11）：114-125.

[39] 周春芳，赵宇鸾，文高辉，等.耦合地块空间和权属信息的耕地细碎化测度［J］.地理科学进展，2025，44（2）：414-428.

[40] Zhou C F， Zhao Y L， Wen G H， et al. Measurement of cultivated land fragmentation by coupling spatial and tenure information of plots［J］. Progress in Geography， 2025，44（2）：414-428.

[41] Ye S J， Ren S Y， Song C Q， et al. Spatial pattern of cultivated land fragmentation in mainland China： characteristics， dominant factors， and countermeasures［J］. Land Use Policy， 2024，139：107070.

[42] 陈雅如，肖文发，滕明君，等.三峡库区景观格局粒度效应及其对土地利用变化过程的响应［J］.自然资源学报，2018，33（4）：588-599.

[43] Chen Y R， Xiao W F， Teng M J， et al. Grain size effect of landscape pattern and its response to land use change in the Three Gorges Reservoir area［J］. Journal of Natural Resources， 2018，33（4）：588-599.

[44] 臧亮，梁红颖，梁文涛，等.基于景观格局的卢龙县耕地细碎化评价及影响因素研究［J］.水土保持研究，2018，25（6）：265-269，276.

[45] Zang L， Liang H Y， Liang W T， et al. Cultivated land fragmentation and affecting factors of Lulong County based on landscape pattern［J］. Research of Soil and Water Conservation， 2018，25（6）：265-269，276.

[46] 张戈，马婕，徐嵩.基于景观格局指数的天津市蓟州区耕地细碎化评价与预测［J］.水土保持通报，2022，42（3）：112-119，156.

[47] Zhang G， Ma J， Xu S. Evaluation and prediction of cultivated land fragmentation based on landscape pattern index in Jizhou district of Tianjin City［J］. Bulletin of Soil and Water Conservation， 2022，42（3）：112-119，156.

[48] Li Q W， Jin T T， Peng Q D， et al. Identifying the extent of the spatial expression of landscape fragmentation based on scale effect analysis in Southwest China［J］. Ecological Indicators， 2022，141：109120.

[49] Zhao Y， Feng Q. Identifying spatial and temporal dynamics and driving factors of cultivated land fragmentation in Shaanxi Province［J］. Agricultural Systems， 2024，217：103948.

[50] 各文克，王浩阳，李奇峰，等.新疆耕地景观细碎化演变特征及驱动因素［J］.水土保持研究，2025，32（3）：260-269.

[51] Ge W K， Wang H Y， Li Q F， et al. Evolution characteristics and driving factors of farmland landscape fragmentation in Xinjiang［J］. Research of Soil and Water Conservation， 2025，32（3）：260-269.

[52] 李云路，崔文刚，陆清平，等.山区耕地破碎化时空演化分析：以贵州省为例［J］.水土保持研究，2022，29（5）：301-309.

[53] Li Y L， Cui W G， Lu Q P， et al. Analysis on the spatiotemporal evolution of cultivated land fragmentation in mountainous areas： a case study of Guizhou Province［J］. Research of Soil and Water Conservation， 2022，29（5）：301-309.

基金资助

国家自然科学基金项目(42171257)

重庆市社会科学规划项目(2022NDYB78)