《Land》：Evaluation of Cultivated Land System Health and Its Driving Factors in the Dabie Mountains Using a TOPSIS–GRA Model
编辑推荐：
耕地健康是区域粮食安全和农业可持续发展的基础，尤其是在土地破碎化和自然约束显著的山地丘陵地区。本研究以大别山区麻城市为研究区，基于驱动力-压力-状态-影响-响应（DPSIR）框架，利用2014年和2024年的多源空间与社会经济数据，构建了包含23个指标的耕地健
耕地健康是区域粮食安全和农业可持续发展的基础，尤其是在土地破碎化和自然约束显著的山地丘陵地区。本研究以大别山区麻城市为研究区，基于驱动力-压力-状态-影响-响应（DPSIR）框架，利用2014年和2024年的多源空间与社会经济数据，构建了包含23个指标的耕地健康评价体系。采用指标间相关性重要性（CRITIC）方法确定指标权重，运用TOPSIS-GRA耦合模型评价耕地健康状况，并通过热点分析和地理探测器识别时空格局与驱动因素。健康与非常健康耕地的合计比例由54.08%上升至58.92%，但DPSIR五个子系统呈现分化趋势。高值聚集区集中于西部平原和河谷地带，而东部山区持续存在冷点区域。农业机械化是2024年的主导驱动因素（q = 0.4946）。驱动机制由劳动力和物资投入转向机械化与自然本底条件的共同影响。上述发现提供了经验证据，表明耕地健康综合指数的提升并不必然意味着各子系统均衡改善，为经历类似转型的山地丘陵农业区提供了案例参考。
耕地系统健康是保障区域粮食安全与农业可持续发展的重要基础。随着工业化和城镇化的快速推进，中国耕地利用面临非粮化和生态退化等多重压力，耕地保护已逐步从数量和质量并重转向数量、质量、生态和功能协调保护。耕地健康与传统的耕地质量概念不同，耕地质量主要反映耕地当前的生境条件与农业生产支撑能力，而耕地健康更强调耕地系统的整体功能和可持续性。既有研究已发展出压力-状态-响应（PSR）、驱动力-压力-状态-影响-响应（DPSIR）等多维评价框架，但关注社会经济转型与自然约束交互作用如何重塑山地-丘陵过渡区耕地系统健康的研究仍相对有限。大别山区麻城市内部自然条件和农业生产差异显著，西部为相对平坦的平原和河谷，东部为强烈切割的丘陵山区，为在同一区域系统内考察农业现代化与自然约束的交互作用提供了理想案例。2014—2024年间中国农村劳动力结构、农业机械化水平和耕地保护政策均经历了快速变化。研究人员以麻城市为研究区，基于DPSIR框架构建了包含23个指标的耕地健康评价体系，采用指标间相关性重要性（CRITIC）方法客观确定权重，运用TOPSIS-GRA耦合模型评价耕地健康，结合热点分析和地理探测器识别时空格局与驱动机制的变化，揭示了山区耕地系统在农业现代化进程中的演化特征。
研究人员所采用的关键技术方法包括以下几个方面。本研究基于驱动力-压力-状态-影响-响应（DPSIR）框架构建评价指标体系，将耕地系统健康操作化为五个相互关联的维度。采用指标间相关性重要性（CRITIC）方法确定指标权重，该方法同时考虑指标变异性和指标间相关性，能够减少高度相关指标间冗余信息对权重的影响。运用TOPSIS-GRA耦合模型进行综合评价，该模型兼顾评价对象与正负理想解的距离关系和序列间的灰色关联度，多维度刻画耕地健康特征。采用地理探测器进行因子探测和交互探测，识别影响耕地健康空间分异的主导因素及其交互作用。利用Getis-Ord G*统计量进行热点分析，识别耕地健康的高值聚集区和低值聚集区。研究数据为麻城市2014年和2024年土地利用、土壤性质、遥感地形及社会经济等多源数据，其中2024年共采集1982个土壤采样点，其中位于耕地范围内的1458个样本用于分析。
在耕地系统健康的时间演变方面，从2014年到2024年，麻城市耕地健康等级结构发生显著变化。耕地总面积由104093.68公顷减少至90120.23公顷，但健康等级耕地占比由52.84%上升至57.66%，不健康和亚健康耕地占比分别下降1.24和3.61个百分点。健康与非常健康耕地的合计比例由54.08%上升至58.92%，表明研究期间耕地系统健康整体向好。研究人员将这一变化部分归因于生态保护和修复工程的实施以及高标准农田建设的推进，西部平原和河谷地区灌溉基础设施的改善促进了大量亚健康耕地向健康等级转变。
在耕地亚系统健康的时间演变方面，DPSIR五个子系统呈现明显分化趋势。影响子系统改善最为显著，其平均得分由0.4977上升至0.7082，非常健康等级面积由17231.72公顷扩展至63036.36公顷，铁门岗乡和乘马岗镇的变化幅度最大。状态子系统相对稳定，平均得分由0.5134微升至0.5170。相比之下，驱动力子系统平均得分由0.4353下降至0.3714，健康与非常健康耕地比例由42.82%下降至16.04%；压力子系统得分由0.5118降至0.4925；响应子系统得分由0.5654降至0.5592。这一结果表明，整体健康指数的提升掩盖了系统内部的结构性失衡，即产出和生态表现改善的同时，社会经济驱动力减弱、人类活动压力持续、保护响应能力不足等问题仍然突出。
在耕地健康的空间聚类特征方面，热点分析结果显示2014年高值聚集区主要分布在西部顺河镇、乘马岗镇和宋埠镇，低值聚集区集中在东南部三河口镇、龟山镇、龟峰山风景区和盐田河镇。到2024年，热点区域向西南部平原扩展并更加显著，宋埠镇和铁门岗乡成为99%置信水平的热点；而东南部山区的冷点格局基本保持稳定，表明该区域耕地健康低值聚集受到地形条件和生态环境本底的强烈约束。2014—2024年变化量的热点分析显示，西南部改善明显而东南部改善有限，这一格局与粮食主产区的定位和高标准农田建设的收益密切相关。
在耕地健康的整体空间分布格局方面，乡镇尺度综合指数的空间可视化显示耕地健康总体呈现西高东低的分布格局。2024年高值区显著扩展，宋埠镇、中馆驿镇和白果镇由中高值等级跃升至高级别，与顺河镇、乘马岗镇和铁门岗乡连片形成稳定的西部高值簇，反映了农业基础设施投资的成效。与此同时，东部和中南部低值区空间重组，三河口镇由低值改善至中高值，而狮子峰林场、龟山镇和龟峰山风景区则由低值降至极低值，极低值区域空间扩大，主要受地形起伏大、耕地破碎化和生态保护约束增强等因素影响。稳健性分析表明，采用等权重方案或仅使用TOPSIS方法所得时空格局与基准模型基本一致，说明主要结论不依赖于特定权重方案或耦合程序。
在驱动因素方面，地理探测器因子探测结果显示驱动机制发生显著转变。2014年主要影响因素依次为乡村劳动力（q = 0.3195）、农业机械化水平（q = 0.2973）、降水量（q = 0.1580）和化肥施用量（q = 0.1522），传统农业生产要素投入占主导地位。到2024年，农业机械化水平的q值升至0.4946，成为主导驱动因素；乡村劳动力和化肥施用量的q值分别降至0.2558和0.0684。同时降水、海拔和坡度的q值分别由0.1580、0.0895和0.0611上升至0.2282、0.1896和0.1104，自然本底条件的约束作用日益凸显。交互探测结果显示所有因子对均呈现双因子增强或非线性增强关系，不存在独立或减弱效应。2024年农业机械化与乡村劳动力的交互q值达到0.77，与降水、海拔和坡度的交互q值分别为0.64、0.54和0.52，表明农业机械化已成为调节和放大其他因子效应核心因素，但机械化农业的推广仍受地形条件和气候适宜性的显著制约。
讨论部分指出，本研究的主要贡献在于综合评估所揭示的经验证据而非方法论创新。研究结果揭示了耕地系统整体健康改善与亚系统分化并存的现象，表明综合健康指数的上升并不等同于各维度均衡改善。产出相关指标如粮食生产和生态效应的提升与社会经济支撑减弱、人类活动压力持续、保护响应能力不足共存，整体改善可能部分掩盖了系统内部的结构失衡。地理探测器结果显示，山地丘陵区农业机械化的效应强烈受地形和地块条件制约，西部平原平坦连片的地形有利于劳动力被机械替代，而东部山区因坡陡、地块破碎和可达性受限，机械化采用困难，耕地健康改善缓慢。基于此，研究人员建议在高值区维持现有健康状况、保护基础设施、控制生态压力，在东部冷点区优先开展地块归并和机械化导向的农地整治。本研究也存在一定局限性，包括未能充分纳入农户微观行为因素、仅基于两个时间点难以捕捉短期扰动、动态健康表征指标因长期数据缺失未能完全纳入。
研究结论如下：第一，2014—2024年麻城市耕地健康等级结构向更高水平转移，健康与非常健康耕地合计比例由54.08%上升至58.92%，影响子系统改善最大，状态子系统相对稳定，驱动力、压力和响应子系统均出现下降，表明整体改善伴随内部支撑不足和子系统结构性失衡。第二，耕地健康空间分异显著，呈现西高东低格局，高值区在西部连片扩展，东部山区因海拔、坡度和耕地破碎化约束改善有限。第三，主导驱动因素由传统农业投入逐渐转向农业机械化与自然本底条件的共同作用，2024年农业机械化q值升至0.4946，交互探测表明所有因子对均呈增强效应，空间分异是自然条件、农业技术和社会经济因素综合作用的结果。第四，应实施分区分类的耕地健康管理策略，西部高值区以维持和巩固为主，东部低值区以生态修复和适应性利用为重点，山地丘陵区耕地保护应超越数量保护和工程干预，转向数量、质量、生态和功能的协调提升。第五，耕地健康应被理解为超越传统耕地质量的系统层面概念，综合指数提升并不必然意味着系统均衡改善，西部平原与东部山区的对比表明机械化和农业投资的收益强烈受地形、地块破碎化和可达性条件制约。
