政策约束下耕地补充空间优先区识别：一个集成多维成本评估与空间优化的新框架

《Growth Hormone & IGF Research》：Identification of cost-effective spatial priorities for cultivated land supplementation using an integrated framework

本研究针对耕地占补平衡政策实施中成本效益与政策目标难以兼顾的难题，提出了一种集成多维成本评估系统和空间优化模型的政策约束型空间优先区识别框架。以典型复杂地形区清远为案例，该框架在满足耕地数量-质量双平衡约束的同时，显著降低了补充成本（选定单元单位面积总成本指数仅为未选单元的39.82%），并提升了生产力指数（增加15.44%）。研究为新一轮占补平衡政策下的精准投资提供了有效的决策支持工具。

　　

在全球人口持续增长和生活水平提高的背景下，粮食需求预计将大幅增加，到2050年粮食产量需比2005年水平至少提高100%。然而，作为粮食供应的基础，耕地正面临土壤退化、水资源短缺和城市土地扩张等多重生态和资源压力，全球耕地生产潜力受到压缩，对粮食安全构成严重威胁。中国面临的挑战尤为严峻，人均耕地不足0.10公顷，仅为世界平均水平的三分之一，且优质耕地资源稀缺。过去几十年，城乡转型和频繁的非农结构调整活动不断侵蚀稀缺的耕地资源，特别是优质耕地，逐步削弱了国家粮食生产的土地基础。

为应对耕地资源稀缺的挑战，中国实施了一系列耕地保护政策和目标，其中耕地占补平衡政策（CLBP）是核心措施之一，要求所有被征用的耕地必须通过新开垦耕地进行补充。尽管该政策在过去二十年中平均每年补充263万公顷耕地，在维持耕地数量和遏制城市无序扩张方面发挥了关键作用，但其有效性和补充耕地的利用效率仍存在争议。许多新补充的耕地位于海拔高、地形条件差、景观破碎化的区域，与征用耕地相比，在规模、机械化潜力和灌溉能力方面处于劣势，导致数量平衡虽已实现，但质量平衡仍难以达成，往往以牺牲生态环境为代价，造成巨大的资源浪费。

在此背景下，识别耕地补充的空间优先区成为实现合理耕地补充的重要战略手段。然而，现有研究大多缺乏对补充成本的全面细致整合，也未能实现其与政策目标约束的动态耦合，难以在满足政策要求的同时实现成本效益高的空间优先区分配。为了弥补这一空白，本研究开发了一个政策约束的空间优先区识别框架，该框架结合了多维成本评估系统和空间优化模型，旨在未来土地利用模拟得出的数量和质量平衡目标下，识别成本效益高的空间优先区配置。

研究人员为开展此项研究，主要应用了以下几项关键技术方法：首先，利用CA-Markov模型模拟了研究区至2030年的土地利用格局，预测了耕地占用的空间分布、数量及其导致的生产力损失，为设定占补平衡的数量和质量目标约束提供了依据。其次，构建了一个新颖的综合成本评估指标体系，从补偿成本、整理成本和潜在稳定性成本三个维度量化了耕地补充的成本。最后，集成了空间优化软件Marxan，建立了动态的“预测-优化-决策”补充框架，支持动态政策调整，并在不同的政策目标约束下优化了补充资源的分配。研究还设定了常规补充和集聚补充两种情景，分别与数量平衡、质量平衡及数量-质量平衡三种政策目标约束相结合，形成了六种假设情景进行分析。

5. 结果

5.1. 政策目标约束与成本结果

5.1.1. 政策目标约束结果

通过CA-Markov模型模拟，验证了模型具有较高的精度（Kappa系数为96.52%）。模拟结果显示，从2019年至2030年，研究区耕地流失面积为10,256.04公顷，流入面积为10,685.20公顷，净增加429.16公顷。耕地流失主要转为建设用地（占流失总面积的61.09%），而耕地流入主要来源于园地和林地（占流入总面积的84.78%）。空间上，流失耕地主要分布在城镇周边，而流入耕地则集中在地形相对平坦的河谷平原。生产力评估表明，研究区耕地和补充耕地质量总体较好，但耕地占用导致的总生产力指数（TPI）损失达5.54×10⁸，其中高质量等级耕地的占用面积占52.76%，却贡献了65.87%的TPI损失。

5.1.2. 补充成本结果

补充土地的总成本指数（TCI）空间分布显示，研究区TCI总体相对较低，低成本（Ⅰ级和Ⅱ级）、中成本（Ⅲ级）和高成本（Ⅳ级和Ⅴ级）区域分别占56.22%、16.99%和26.79%。高成本地块主要分布在研究区中南部，补偿成本和潜在稳定性成本是这些区域的主要限制因素。

5.2. 情景空间优先区识别结果

利用Marxan生成了不同情景下耕地补充优先区的最佳解决方案和选择频率。在同时考虑数量和质量平衡约束的RNLB和ANLB情景下，均能满足占补平衡的双重目标。而仅考虑质量或数量平衡的情景，则无法同时满足两个目标。空间上，优先单元主要集中分布在清新区、清城区、英德市和阳山县的平原和低丘陵地区。在集聚补充情景下（ANLB, AQLB, AQNB），优先单元的单位面积TCI显著低于常规补充情景，单位面积PI更高，且选定单元的数量和总边界长度更少，连片面积更大，表明在耕地集聚区（CLAZ）内实施补充可以形成更集中、更连片的耕地格局。在所有六种情景下，选定优先单元的单位面积TCI均显著低于未选单元，单位面积PI均高于未选单元，证明了该框架在降低成本的同时提升补充耕地质量的有效性。

本研究提出的集成框架在耕地补充管理中具有显著的比较优势和多维应用价值。首先，管理者可根据地方政策目标和资源禀赋，灵活设置不同的约束参数，如生态损失、资源承载力等，实现多目标系统优化。其次，构建的多维成本框架系统整合了耕地补充过程中的各类成本，比以往研究主要关注整理成本更为全面，有助于管理者精准识别成本限制类型并做出理性决策。再者，通过集成土地利用模拟模型，实现了未来需求对当前决策的约束，推动了从单一维度选择向数量-质量协同保障的范式转变。

研究结果强调了耕地补充应注重质量的重要性。仅注重数量平衡的框架无法实现占补耕地的质量对等，而注重质量的框架则能在规划期内有效补偿面积损失，提高资源利用效率。针对新CLBP实施后补充地类范围扩大对质量平衡提出的新要求，研究提出了建立科学的质量评价体系、综合运用经济和行政手段、建立动态监测和问责制度等政策建议，以更好地促进补充耕地质量的提升。

此外，研究倡导耕地补充应优先在集聚区内进行。通过在耕地集聚区（CLAZ）内实施补充，不仅能满足数量-质量平衡目标，还能促进未来耕地空间更加集中连片，这对于提高农业生产效率、降低监管成本、缓解耕地碎片化及促进可持续利用具有重要意义。

本研究也存在一些局限性。例如，空间优先区的识别是基于给定目标函数的理论优化解，可能未充分考虑农民意愿、土地利用可持续性、实施主体影响等现实可行性因素。成本量化部分计算的是相对值，与真实经济成本存在差异，且一些隐性成本（如协调成本）难以量化。在数据和模型应用方面，1公里分辨率的栅格数据在捕捉微观尺度变异上存在局限，CA-Markov模型对人为因素的考虑不足。未来研究可引入更精细的数据、结合ABM模型或采用图斑尺度的土地利用模拟模型进行改进，并可探索Marxan的衍生工具或更先进的优化算法以提升框架的适用性。

综上所述，本研究构建的政策约束型空间优先区识别框架，为在新一轮耕地占补平衡政策下实现成本效益高的耕地补充提供了科学的决策支持。研究成果强调质量平衡和集聚补充的重要性，对制定具有可比资源条件或政策约束区域的耕地补充政策和规划具有宝贵的指导意义。