《Cogent Food & Agriculture》：Analysis and comprehensive evaluation of cultivated land multifunction in grain-producing areas of Central China: based on social network analysis and zone-based machine learning approach
编辑推荐：
耕地多功能（CLMF）对于确保粮食安全和乡村振兴至关重要。华中地区在国家粮食安全中扮演关键角色，同时面临快速城市化带来的日益增长的压力。利用2010–2023年76个城市的统计数据，研究人员采用基于实数编码加速遗传算法的投影寻踪模型（RAGA-PPM）评估了C
耕地多功能（CLMF）对于确保粮食安全和乡村振兴至关重要。华中地区在国家粮食安全中扮演关键角色，同时面临快速城市化带来的日益增长的压力。利用2010–2023年76个城市的统计数据，研究人员采用基于实数编码加速遗传算法的投影寻踪模型（RAGA-PPM）评估了CLMF，通过引力模型和社会网络分析（SNA）分析了其空间关联，并利用基于地理最优分区异质性模型（GOZH）从自然条件、农业发展、产业发展和城市化四个维度识别了最优空间分区和驱动因素。结果表明：（1）CLMF呈现明显的省级梯度，遵循“湖南?>?湖北?>?安徽?>?河南?>?江西”的格局。（2）城市间存在显著的空间关联，湖北省占据网络核心，黄冈市表现出最高的度中心性。（3）GOZH揭示，降水是2015年CLMF空间异质性的主导驱动因素，而城市化率是2010年、2020年和2023年的主要分区因素，表明自然和社会经济因素在不同发展阶段共同塑造了CLMF。总体而言，城市化已逐渐取代自然条件成为CLMF空间分异的主导驱动因素。
**论文解读文章**
**研究背景与问题**
在全球人口增长、气候变化和土地资源约束的背景下，如何确保粮食安全、提高土地资源利用效率并实现农业可持续发展，已成为全球土地科学和资源管理领域的重要议题。耕地作为人类生存的关键资源，不仅是保障粮食安全的基础，还在推动经济发展和维护社会稳定中发挥核心作用，同时具有生态调节、社会保障和景观文化等多重功能。然而，随着生产力发展和社会进步，耕地功能从农业文明时期的单一生产导向，演变为生态文明时代集生产、生态、社会和文化于一体的多功能系统。由于耕地资源的有限性，不同功能之间存在权衡与协同关系，单一功能的过度强调可能引发环境问题或资源利用效率下降。因此，耕地利用需要兼顾生产、生态和社会效益，促进从单一经济功能向耕地多功能（CLMF）的转型，实现可持续利用和多功能协调发展。
现有研究在CLMF评价指标体系和影响因素分析方面已较为丰富，但仍存在不足：第一，CLMF是自然资源禀赋、农业投入、社会经济发展和生态环境等多因素相互作用的复杂系统，具有显著的非线性关系和空间异质性，传统评价模型难以有效识别指标间的复杂信息，易产生偏差；第二，传统统计方法多关注个体属性，而社会网络分析（SNA）能有效结合个体间关系、微观网络与宏观社会结构，可将社会行为从孤立决策转化为嵌入关系网络的结果；第三，CLMF受自然条件、社会经济结构、政策制度和区域文化等多因素共同影响，空间异质性显著，需构建空间异质性模型以科学划分耕地功能区。现有地理探测器受离散化方法影响较大，而改进的最优参数地理探测器（OPGD）虽能提高稳定性，但在多解释变量情况下描述复杂交互和最优空间分区能力仍有限。为此，Luo等（2022）提出的最优分区异质性（GOZH）模型能同时实现驱动因素识别和最优地理分区，通过最大化区域间方差和最小化区域内方差，精确捕捉空间异质性。
在研究尺度上，现有研究多聚焦于国家、省、县及乡镇尺度，区域尺度（如跨省粮食主产区）既能反映整体性又能揭示异质性，有助于揭示城市间的关联网络和空间溢出效应。华中地区粮食主产区位于江汉—洞庭湖平原和黄淮平原腹地，自然条件优越，是中国重要的粮食生产基地和生态安全屏障，但该区域CLMF的空间格局和驱动机制尚未被探索。因此，本研究以华中地区粮食主产区为对象，深入分析其空间格局、网络关联特征和驱动机制。
**研究内容与结论**
研究人员利用2010–2023年76个地级市的面板数据，构建了耕地生产、生活和生态三维多功能评价体系，采用基于实数编码加速遗传算法的投影寻踪模型（RAGA-PPM）综合计算CLMF，运用社会网络分析（SNA）揭示时空演化特征，并利用最优分区异质性（GOZH）模型优化空间格局和分析影响因素。研究得出以下结论：CLMF呈现“湖南?>?湖北?>?安徽?>?河南?>?江西”的省级梯度分化格局；城市间存在广泛空间关联，湖北省处于网络核心，黄冈市度中心性最高；GOZH揭示降水在2015年主导CLMF空间异质性，而城市化率在2010、2020和2023年成为主要分区因素，表明自然和社会经济因素在不同发展阶段共同塑造CLMF，且城市化逐渐取代自然条件成为主导驱动因素。这项研究为华中地区粮食主产区耕地资源优化配置和粮食安全提供了科学依据，也为其他主产区及全球农业集约区CLMF研究提供了参考。论文发表在《Cogent Food》。
**主要技术方法**
研究人员采用三个关键技术方法：（1）基于实数编码加速遗传算法的投影寻踪模型（RAGA-PPM），用于高维、非线性、非正态数据的低维投影，消除主观因素影响，评价CLMF水平；（2）引力模型与社会网络分析（SNA），通过引力模型构建城市间CLMF关联矩阵，利用SNA分析整体网络特征（网络密度、关联度、效率、等级度）和个体网络特征（度中心性、中介中心性、接近中心性），揭示空间关联结构；（3）最优分区异质性（GOZH）模型，自动识别最优空间分区和驱动因素，通过最大化区域间方差和最小化区域内方差，实现自适应空间离散化。样本数据来源于2010–2023年《中国统计年鉴》、《中国城市统计年鉴》及各地级市统计年鉴，共76个城市。
**研究结果**
**3.1 区域差异分析**
基于RAGA-PPM计算CLMF水平，结果显示华中地区CLMF水平呈现显著空间分异，整体省级梯度为“湖南?>?湖北?>?安徽?>?河南?>?江西”。这种分异主要源于资源禀赋和发展导向差异：湖南依托洞庭湖平原的优越农业基础，有利于生产与生态等多功能协调发展；江西丘陵地形限制了耕地规模和多功能整合；省会城市如武汉、合肥因快速城市化挤压耕地，导致多功能水平较低。
**3.2 网络特征分析**
**3.2.1 整体网络特征**
通过引力模型构建CLMF网络，导入Gephi生成空间关联网络图。结果表明，城市间存在空间关联，但节点位置差异显著。黄冈、孝感（湖北）和驻马店（河南）处于网络核心，联系紧密；上饶、黄山、三门峡等位于边缘。湖北省城市普遍处于网络中心，江西省城市多分布在网络外围。2010–2023年，网络整体结构相对稳定，网络关联度始终为1，网络密度在2020年达到峰值0.31，2023年降至最低0.295；网络效率从2010年的0.7175降至2015年的0.7，后升至2023年的0.724；网络等级度始终为0，表明无严格等级结构。
**3.2.2 个体网络特征**
利用Ucinet软件计算度中心性、中介中心性和接近中心性。黄冈、孝感、驻马店等城市度中心性和中介中心性较高，而接近中心性相对较低，表明它们处于网络核心，影响力强，是重要枢纽。相反，三门峡、赣州等城市度中心性低、接近中心性高，位于网络边缘。黄冈等城市因优越地理位置和农业基础成为核心节点，其位于湖北、河南、安徽交界处，连接多个主产区，且耕地资源总量大、生产规模化和集约化水平高。
**3.2.3 敏感性分析**
采用0.8倍、1倍和1.2倍行均值阈值构建网络，检验阈值对网络分析结果的影响。结果显示，网络密度随阈值增大而下降（0.366、0.295、0.212），但核心节点识别和空间关联结构保持稳定：黄冈、孝感、驻马店等城市始终维持高中心性，湖北省城市仍居网络核心，江西省城市仍在边缘。度中心性Pearson相关系数在标准阈值与0.8倍、1.2倍阈值间分别为0.904和0.939，表明研究结论具有良好稳健性。
**3.3 区域划分与影响因素分析**
**3.3.1 最优区域划分**
基于GOZH模型，从自然条件、农业发展水平、产业发展水平和城市化水平四个维度选取指标（降水、气温、第一产业增加值占比、第二产业增加值占比、规上工业企业数、城市化率、路网密度）。2010年，城市化率（阈值48.65%）作为第一划分变量，将研究区分为两组，城市化率低于48.65%的区域保持高农业用地规模和生产力，高于者则因建设用地扩张和非农产业集聚影响CLMF。2015年，降水（阈值1251.7 mm）成为主要变量，划分出六组，北部降水少区域CLMF较低，南部水热条件好区域CLMF较高。2020年，城市化率再次成为第一划分变量（阈值59%），划分出七组。2023年，降水、第二产业增加值占比和城市化率共同作用，划分出七组。
**3.3.2 影响因素分析**
从Ω值看，2010–2023年驱动因素呈现阶段性变化，城市化率始终是主要驱动因素。2010年模型总Ω为41.2%，城市化率单因素解释力44.0%；2015年模型总Ω升至57.0%，年均降水单因素解释力达52%；2020年模型总Ω降至12.4%，城市化率解释力降至23.8%；2023年城市化率解释力回升至46.4%。总体而言，不同发展阶段参与最优分区的驱动因素及其组合方式存在差异，反映出CLMF空间异质性形成是自然条件、农业发展和社会经济因素共同作用的结果。
**讨论总结**
研究人员讨论了基于RAGA-PPM的区域差异结果：湖南、湖北位于江汉平原和洞庭湖平原腹地，水热条件优越，农业现代化与城市化协调较好；安徽依托高标农田建设促进功能协调；河南虽粮食生产突出，但受人口和城市化压力较大；江西因丘陵地形耕地破碎化，农业基础较弱。社会网络分析显示，湖北省城市网络中心性高，黄冈等城市发挥桥梁作用，且通过标准化处理排除了城市规模影响，表明其连接能力并非单纯由规模决定。GOZH模型揭示驱动机制阶段性特征：城市化在多数时期是主要社会经济因素，但2015年降水成为主导，这与当时耕地保护政策强化、耕地数量稳定有关，自然条件对农业生产潜力的调节作用凸显。研究局限性包括：RAGA-PPM模型受参数设置和样本量影响，存在局部优化问题；数据截至2023年，时效性不足；空间关联分析仅基于地理距离和多功能水平，未考虑交通、经济、制度等因素；影响因素未纳入政策、补贴、农户行为等；GOZH模型受离散化方法和参数设置影响。未来研究可结合粒子群优化（PSO）、灰狼优化（GWO）等改进模型，融合遥感影像和夜间灯光数据提高时效性；构建修正引力模型整合多因素；构建更系统的驱动因素体系；采用RGOZH、LESH模型及SHAP与机器学习结合方法深入揭示机制。
**研究结论翻译**
本研究结合华中粮食主产区各城市现有面板数据，利用RAGA-PPM估算了2010–2023年该区域CLMF水平；其次，结合引力模型和SNA技术，从整体网络和个体网络特征角度揭示了CLMF的网络结构特征和时空格局；最后，利用GOZH模型对2015年和2023年CLMF空间格局进行优化，并识别了影响其空间异质性的主要因素。主要结论如下：区域差异分析显示，CLMF水平呈现“湖南?>?湖北?>?安徽?>?河南?>?江西”的省级梯度分化格局，省会城市如武汉和合肥CLMF水平相对较低，反映了自然基线条件和城市化对CLMF水平的综合影响。引力修正模型和SNA表明，华中粮食主产区存在广泛的空间关联和溢出效应，湖北省城市主要处于网络中心，与其他城市联系更紧密，而江西省城市多位于网络边缘且较为分散；黄冈、孝感、驻马店等城市具有高中心性，在整个空间网络中具有较强中介能力，对其他城市影响显著。GOZH分析表明，CLMF空间异质性的驱动机制具有显著阶段性特征；2010、2020和2023年，城市化率作为最优地理分区的第一驱动因素，表明城市化进程始终是影响CLMF空间格局的重要社会经济力量；2015年最优分区首次受降水影响，表明在耕地保护和农业现代化阶段，自然资源禀赋在区域空间分异中仍发挥重要作用；总体而言，不同发展阶段参与最优分区的驱动因素及其组合方式存在明显差异，反映出CLMF空间异质性的形成是自然条件、农业发展和经济社会因素共同作用的结果。
