《Sustainability》：A SUDI Framework for Identifying Suitability–Utilisation Deviation and Supporting Sustainable Management of Supplemented Cropland
编辑推荐：
确保补充耕地长期可持续利用已成为实施中国耕地占补平衡(RCBF)政策的关键挑战，特别是在西南部的碎化丘陵山区。现有研究通常将土地适宜性与利用表现分开评估，难以识别理论适宜性与实际利用之间的不匹配，从而限制了精准调控。为解决这一局限，研究人员提出了适宜性-利用偏
确保补充耕地长期可持续利用已成为实施中国耕地占补平衡(RCBF)政策的关键挑战，特别是在西南部的碎化丘陵山区。现有研究通常将土地适宜性与利用表现分开评估，难以识别理论适宜性与实际利用之间的不匹配，从而限制了精准调控。为解决这一局限，研究人员提出了适宜性-利用偏离识别(SUDI)框架，该框架整合了四个顺序分析组件：三维适宜性评估、适宜性-利用偏离识别、驱动机制分析和可持续调控。以重庆市北碚区为案例研究区域，利用2020至2024年的土地变更调查数据识别了补充耕地斑块。建立了一个包含生产、生态和利用属性的三维适宜性评价系统以量化理论土地适宜性。实际利用表现由土地经济利用系数表征，并通过理论适宜性与利用强度之间的残差分析来识别适宜性-利用偏离。随后采用贝叶斯优化的极限梯度提升-SHAP(XGBoost-SHAP)模型揭示驱动因素的非线性效应和交互机制。结果表明：(1) 北碚区的补充耕地主要表现为中高适宜性，高适宜性斑块呈现出局部聚集与整体分散的镶嵌空间格局；(2) 适宜性-利用偏离主要由利用不足的地块主导，而匹配良好和过度集约化的地块所占比例要小得多，表明土地适宜性未得到充分实现是普遍的利用模式；(3) 土地经济利用系数是驱动适宜性-利用偏离的主导因素，而高标准农田建设和地块面积表现出显著的缓解效应。此外，利用强度与区位相关变量之间显著的交互效应表明，在集约土地利用下，不利的空间条件会放大偏离风险。所提出的SUDI框架通过明确将适宜性评价与利用表现、驱动机制分析和差异化调控联系起来，扩展了传统的适宜性评价。它为诊断适宜性-利用不匹配提供了可转移的分析框架，并支持碎化丘陵山区补充耕地的动态管理和可持续利用。
中国的耕地占补平衡（RCBF，指非农建设占用耕地需补充同等数量和质量耕地的制度）政策是保护耕地的核心制度安排。随着政策导向转向“数量-质量-生态-健康”统筹，如何科学评价补充耕地的适宜性并确保其长期可持续利用成为关键问题。特别是在西南碎化丘陵山区，如重庆市，地形碎化、地块分散且农村劳动力外流严重，补充耕地常面临“高适宜性、低可持续性”的矛盾。许多地块在补充初期具备良好耕作潜力，但后续因土壤肥力下降、耕作不便及劳动力短缺，逐渐陷入粗放管理或撂荒，形成“适宜性陷阱”（suitability trap，指因区位偏远、基础设施薄弱等非自然因素导致补充耕地实际利用强度显著低于理论适宜性水平的结构性不匹配现象）。若不及时识别并干预这种从“适宜”到“退化”的动态过程，将削弱RCBF政策实效并引发生态风险。现有研究多将土地适宜性与实际利用表现独立评价，难以识别两者间的偏离；且现有调控策略多为静态等级导向，缺乏将评估、诊断、机制分析与差异化调控相整合的动态分析框架。为此，研究人员开展了这项研究，提出了一种适宜性-利用偏离识别（SUDI）框架。该研究发表于《Sustainability》，明确了理论适宜性与实际利用间的空间特征、形成机制与调控路径，对推动补充耕地从一次性质量验收向全生命周期动态管理转变具有重要意义。
本研究样本队列来源于重庆市北碚区2020至2024年的土地变更调查数据。在关键技术方法上，研究人员首先构建包含生产、生态和利用属性的三维适宜性评价体系，采用熵权法、变异系数法和CRITIC法以0.3:0.3:0.4的比例集成赋权，量化理论土地适宜性。其次，引入土地经济利用系数表征实际利用表现，通过理论适宜性与实际利用强度的残差分析构建偏离指数，并采用±0.5σ
R标准差阈值将地块划分为利用不足、匹配良好和过度集约化三种类型。最后，采用贝叶斯优化的极限梯度提升（XGBoost，一种高效集成机器学习算法）结合SHAP（SHapley Additive exPlanations，一种博弈论模型解释方法）模型，量化驱动因子的相对重要性、非线性效应及交互机制。
3.1. 补充耕地适宜性空间分布特征
研究人员采用等间距分类法对适宜性进行分级，并通过质心点进行空间可视化。研究表明，北碚区补充耕地整体呈现中等地块广布、高适宜性地块局部集中、低适宜性地块零星散布的镶嵌空间格局。高适宜性斑块主要在北部形成连片集中区，而低适宜性斑块多散布于西部边缘，区域耕地提升潜力呈现北聚的格局。
3.2. 适宜性-利用偏离类型的空间分布
3.2.1. 整体分布与统计特征
通过残差统计分析，研究区补充耕地利用偏离呈现显著不对称性，绝大多数斑块集中在实际利用低于理论适宜性的区域。利用不足型地块占66.4%，为主导类型；匹配良好型占24.2%；过度集约化型仅占9.4%。这表明“适宜性未充分释放”是该地区普遍的利用模式，与当地地形碎化及高达87.81%的城镇化率导致劳动力外流等特征高度一致。
3.2.2. 适宜性等级与偏离类型的交叉分析
交叉分析显示，偏离类型具有明显的等级选择性。高适宜性地块中82.18%为利用不足，是“适宜性陷阱”的核心载体；而低适宜性地块中过度集约化比例达21.59%，面临一定的生态超载压力。该结果为后续差异化调控提供了分类依据。
3.2.3. 阈值选择的鲁棒性检验
研究人员采用±0.3σ
R和±1.0σ
R两种替代阈值进行敏感性分析。结果显示，尽管绝对比例有所变化，但利用不足比例始终显著大于过度集约化比例，证实了利用不足为主导模式的结论并未受阈值选择的影响，分类方案具有鲁棒性。
3.3. 适宜性-利用偏离的驱动机制
3.3.1. 驱动因子的重要性和结构特征
基于贝叶斯优化的XGBoost-SHAP模型，研究揭示了驱动因子的层级结构。土地经济利用系数具有最高的解释力，是驱动偏离的主导因素，表明偏离主要源于人类利用强度与耕地潜力间的错配。距离村委会距离、地块面积和高标准农田建设构成第二梯队，表明区位条件与工程属性共同影响偏离。
3.3.2. 驱动因子作用方向与交互效应
SHAP依赖性分析显示，土地经济利用系数呈显著正效应，即利用强度越高偏离风险越大。高标准农田建设和地块面积呈负效应，能有效增强系统稳定性并降低偏离风险。交互效应分析表明，利用强度与区位变量存在显著交互作用，不利区位条件在集约利用下会放大偏离风险。
3.3.3. 适宜性-利用偏离的综合机制
偏离是多维要素耦合的复杂响应过程。利用强度的持续增加是偏离的直接驱动力，空间区位通过影响生产要素获取产生持续影响，而工程条件与规模特征则重塑系统的响应模式，三者共同动态演化出适宜性-利用偏离。
在讨论部分，研究人员指出，土地的自然适宜性并不能自动保证可持续利用。高适宜性地块常因偏远和劳动力短缺而利用不足，而低适宜性地块因靠近市场可能被过度集约利用。SHAP分析进一步提供了定量证据，表明人类管理强度对土地利用结果的影响往往超过自然环境变量。因此，未来的治理应将适宜性评价与持续利用监测相结合，针对偏离特征实施差异化措施。研究的总结论如下：北碚区补充耕地整体呈中高适宜性，高适宜性地块集中连片，低适宜性地块散布于西部山区边缘。利用模式呈现利用不足>匹配良好>过度集约化的结构层级，利用不足是主导偏离形式。土地经济利用系数是影响偏离的最强驱动因子，高标准农田建设和地块面积呈显著负效应。区位变量与利用强度交互作用显著。适宜性-利用偏离本质上是利用行为、空间可达性和生产条件交互作用的动态结果。因此，补充耕地的可持续管理应从一次性质量验收转向涵盖准入、监测、调控和退出的全生命周期管理框架，以促进耕地数量、质量和利用效率的协同提升。
