【研究意义】基本农田是保证粮食安全、促进农业现代化发展的基础，是农业生态系统的重要组成部分，也是促进农业生产和农村经济社会可持续发展的重要保障。在国家新型工业化、信息化、城镇化、农业现代化同步发展和全面深化改革时期，基本农田保护面临更加严峻的形势。对基本农田景观分布格局和空间自相关进行分析，为高标准基本农田建设、优化土地生态结构、完善“三线划定”和建设美丽国土提供科学的参考依据。【前人研究进展】国内学者采用不同的方法研究基本农田的划定和布局，如杨建宇等［1］使用优劣解距离法和局部空间自相关方法构建综合质量评价体系，曹丽萍等［2］通过局部空间自相关方法分析耕地质量的空间集聚特征，关小东等［3］提出了一种基于贝叶斯网络模型的基本农田划定方法，谭少军等［4］采用生态位、局部莫兰指数、多元约束方法进行高标准基本农田建设适宜性评价与区位选址，陈显光等［5］运用近邻表法和最临近分析法作为空间连片性评价的方法。国外与基本农田相关的概念有两个方面，一是重要农地（Prime Farmland），二是高生态价值农地（High Nature Value Farmland）［6］，研究内容主要集中在对农地的评估、预测和生态保护，如Sutkowska等［7］采用基于二维标准的分类方法，对农场规模和生产类型调查数据进行聚类分析和主成分分析等多变量统计方法进行农地评价；Matin等［8］用线性回归模型绘制了农田的可能分布情况；Lomba等［9］提出了如何改进和协调高生态价值农田状态和趋势的识别、绘制和报告建议。现有研究大多基于较小空间尺度，方法上未能将景观生态结构和空间相关性相结合，缺乏从基本农田整体和局部进行对比的分析。【本研究切入点】本文结合了景观生态格局分析方法和GIS空间统计分析方法，从省、市两个空间尺度对以高原山地为典型特征的云南地区基本农田空间景观分布格局进行定量研究。【拟解决的关键问题】探讨基本农田质量的景观格局特征和空间差异，为国土空间规划中永久基本农田的格局优化提供依据。
1 材料与方法
1.1 研究区概况
云南是典型的中亚热带西南高原山地，高原面保存良好，山地顶部多呈宽广平坦地面或呈和缓起伏地面［10］。云南高原面积约占全省总面积的94%，地形、地貌极为复杂，海拔高差悬殊，农业自然条件的“立体性”十分强烈［11］。云南省已划定永久基本农田4.899×106 hm2，为全国基本农田总面积的4.8%，位于第7位。在全国土地利用总体规划（2006—2020年）中明确了基本农田调整后的指标，调整后云南省基本农田面积指标为4.894×106 hm2，占耕地保有量的83.72%。
1.2 数据来源
基本农田数据来自云南省国土资源厅第二次全国土地调查和耕地质量等别评定2017年成果数据及基本农田划定成果数据库，涵盖数据库范围包括云南省16个州市的省级汇总单元，总面积为4.89×106 hm2。
1.3 研究方法
以云南省基本农田为研究对象，首先从整体上分析基本农田平均等别及组合类型；其次在省域尺度上分析不同地类、坡度和质量的景观格局分布，在市域尺度上重点考量基本农田质量景观指数的多样性和异质性；最后分别从省域尺度和市域尺度，用空间自相关分析方法，结合核密度空间分布，得出基本农田空间分异规律。本文结合耕地质量组合结构和耕地平均等别进行综合分析；通过ArcGIS软件将提取出的基本农田耕地矢量数据转换成空间分辨率为10 m×10 m的栅格数据，运用Fragstats软件对景观指数进行计算；运用Geoda软件计算16州市空间滞后变量，绘制全局Moran's I散点图和Lisa集聚图；运用ArcGIS进行核密度估计，将核密度估计与空间自相关进行补充论证，通过叠加分析、统计分析和对比分析等相关方法，探索云南省基本农田在空间上的关联性和分异规律。
1.3.1 耕地平均等别分析 耕地平均等别是用面积加权平均法计算区域内的平均等别，即在统计出各等别总面积前提下，进行各等别面积加权［12-13］，计算公式为：
式中，Y为等别平均值，i为等别，imin为等别最小值，imax为等别最大值，Fi为i等农用地面积（hm2），F总为总面积（hm2）。
1.3.2 耕地质量组合结构分析 威弗-托马斯（Weaver Thomas）组合系数法能确定耕地质量等别的类型特征和主要类型［14］。该方法是把土地的实际分布（实际相对面积百分比）与假设分布（假设相对面积百分比）进行比较，然后逐步逼近实际分布，得到一个最接近实际分布的近似分布，这种分布的组合类型即为所求的组合类型，是一种主成分趋势值的探讨［15］。
1.3.3 景观格局分析 景观格局作为农业生态系统的空间表象，直接影响农业生态系统的稳定性、脆弱性和农业生产功能。景观指数可以研究地区面积分布、边缘和形状特征以及它们的细碎化和连通性［16］。景观学把空间的异质性与尺度的关系有机结合起来［17］，对典型性的云南山地高原景观指数进行分析，可以综合衡量云南省基本农田细碎化程度。本文选择以下指标对基本农田耕地地类、坡度和质量演化进行分析：斑块密度（PD）、最大斑块占景观面积比例（LPI）、面积加权的平均斑块分维数（FRAC）、平均邻近指数（CONTIG）、散布与并列指数（IJI）、斑块凝聚度（COHESION）等景观格局指标，并通过GIS软件将这些指标生成Grid栅格数据，在Fragstats 4.2景观分析软件中完成指标评价。景观多样性和异质性是景观生态学的两个重要概念，多样性主要描述斑块性质的多样化，而异质性则是斑块空间镶嵌的复杂性［18］。具体计算方式如下：
（1）多样性指数。多样化分析的目的主要在于分析区域内各种农用地质量等别的齐全程度或多样化状况，本文采用景观类型多样性指数Hi方法来度量，计算公式为：
式中，Hi为第i个行政单位的农用地质量的多样性指数；Pij为第i个行政单位第j项耕地质量等别面积占全部耕地质量等别面积之和的比例［19］。
（2）优势度指数。优势度指数用于测度农用地质量等别中一等或几等类型支配全部农用地质量的程度，计算公式为:
式中，Di为第i个行政单位的农用地质量的优势度指数；Pij为第i个行政单位第j项农用地质量等别面积占全部农用地质量等别面积之和的比例；m为给定区域的最大农用地质量等别数［20］。
（3）均匀度指数。均匀度指数用于表征农用地质量等级的分配均匀程度，计算公式为:
式中，Ei为第i个行政单位的农用地质量的均匀度指数；Pij和m的定义与优势度指数计算公式相同。
（4）集中度指数。集中化指数是一个描述地理数据分布的集中化程度指数，计算公式为：
式中， Ii为第i个区域的土地集中化指数，Ai为第i个区域各种土地类型累计百分比之和，M为土地集中分布时的累计百分比之和，R是高一层次区域各种土地类型的累计百分比之和，以R作为衡量集中化程度的基准。集中化指数越大，说明集中化程度越高［21］。当R＝359、M＝500时，计算云南省各州市土地利用集中化指数。
1.3.4 核密度分析 核密度估计是分析空间要素聚集效应的一种重要的非参数化方法［22］，通过将整个研究区域生成一个光滑的密度表面来分析点事件的空间聚集特征［23］。通常核密度测算值越高，则耕地空间分布密度也越大。一般将核密度定义为：设定 x1、x2、……xn是从分布密度函数f的总体中抽取的独立同分布样本，估计f在某点x处的值，通常采用Rosenblatt-Parzen核测算模型［24］：
式中，fn为耕地地块分布核密度测算值，n为耕地地块数量，k为核密度函数，x～xi为测算耕地地块x到样本耕地地块 xi处的距离，h为核密度测算带块的平滑参数。
1.3.5 空间自相关分析 空间自相关是区域化变量的基本属性之一，既可检验变量空间分布的自相关强度，又可检测研究区内变量的分布是否具有结构性［25］。全局自相关描述整体分布情况，判断某属性在特定区域内是否有聚集特征存在，局部自相关能指出显著的聚集发生在哪些位置［26］。全局Moran's I的取值在［-1，1］，小于0表示负相关，等于0表示不相关，大于0表示正相关，计算公式为：
局部Moran's I检验以确定变量的局部空间自相关特征，计算公式为：
式中，n为变量x的观测数；xi、xj分别为变量x在位置i和位置j处的观测值；x为所有观测值的均值；Wij为空间权重矩阵值。
2 结果与分析
2.1 基本农田平均质量等别及组合类型
以云南省16个州市基本农田分等数据作为基础数据，计算各州市基本农田比例，用面积加权平均法计算区域内的平均质量等别（表1）。基本农田平均质量等别最高的地区数量较少：质量等别最高的前3个地区为德宏、西双版纳和玉溪，3地基本农田面积之和仅占基本农田总面积的9.19%。怒江、迪庆和昭通的平均质量等别最低，其中昭通基本农田占全省基本农田的10.25%。基本农田平均质量等别差异大，等别最高的德宏比最低的怒江高近3个等别。
表1 云南省基本农田耕地等别构成
Table 1 Composition of quality level of prime farmland in Yunnan province
地类平均质量等别Average quality level of farmland type≤2° 2°～6° 6°～15° 15°～25° ＞25° 水田 水浇地 旱地昆明Kunming 6.81 10.39 9.32 10.29 10.75 10.94 10.97 8.72 8.32 10.91曲靖Qujing 12.54 10.62 9.85 10.70 10.85 11.07 10.87 9.38 9.27 10.83玉溪Yuxi 3.71 9.39 8.67 9.83 9.97 9.74 9.40 7.67 8.63 10.32保山Baoshan 5.76 10.56 9.10 10.10 10.72 11.04 11.17 9.65 10.12 11.04昭通Zhaotong 10.25 11.33 11.66 11.52 11.35 11.29 11.29 10.78 11.13 11.36丽江Lijiang 3.56 11.27 10.82 11.09 11.31 11.47 11.65 10.04 10.62 11.58普洱Puer 9.97 10.98 9.26 9.88 10.75 10.93 11.04 10.27 9.96 11.26临沧Lincang 8.18 10.80 8.08 9.60 10.67 11.02 11.04 9.50 6.92 11.13楚雄Chuxiong 5.14 9.97 7.76 8.62 10.19 11.02 11.23 8.40 7.13 11.14红河Honghe 10.46 10.56 9.63 10.31 10.74 10.82 10.94 9.84 9.48 10.95文山Wenshan 10.86 10.38 9.74 9.99 10.34 10.62 10.80 9.63 9.92 10.58西双版纳Xishuangbanna 2.24 9.21 7.89 8.84 9.64 10.79 10.92 8.29 8.07 10.92大理Dali 5.49 9.76 7.95 9.38 10.44 10.74 10.83 8.17 8.66 10.78德宏Dehong 3.24 8.49 6.82 8.02 9.53 10.41 5.03 7.00 6.65 10.53怒江Nujiang 0.99 11.70 11.50 11.13 12.96 11.70 11.81 11.24 11.05 11.77迪庆Diqing 0.9 11.41 11.49 11.46 11.71 11.70 11.76 10.99 11.81 11.64地区Region占比Proportion（%）平均质量等别Average quality level坡度平均质量等别Average quality level of farmland slope
从坡度看，总体上平缓地区的基本农田质量优于坡地，而坡度级别高但耕地质量也相对较高的有德宏、玉溪、文山和大理，由于在山区和半山区分布了一定比例的高等质量耕地，通过耕地综合整治和中低产田改造，得以保证坡地的耕地质量；从地类和等别分布情况看，灌溉水田和水浇地总体优于旱地，其中地类等别变化最大的指标区有德宏（灌溉水田平均等别比旱地的平均等别高3.53等）、临沧、楚雄（水浇地平均等别比旱地的平均等别分别高4.21、4.01等），变化最小的是昭通、丽江、怒江和迪庆，地类平均等别范围在10.04～11.77等；昆明、曲靖、普洱、临沧、楚雄、红河、西双版纳和怒江水浇地的平均等别略高于水田，其他各区水田平均等别高于水浇地。
通过质量等别组合结构可以分析云南省基本农田耕地质量等别的主要类型特征（表2），为进一步直观表达各指标区组合类型，利用GIS在表2基础上绘制耕地质量组合类型分布图（图1）。质量等别组合数最低为2，在昭通、丽江、文山、怒江和迪庆，且质量等级较低，主要集中在11、12等级；而大部分州市的耕地质量等别组合数为3；玉溪、楚雄、大理和德宏的组合数最高为5，异质性显著，质量景观趋于复杂化。总体看来云南省基本农田耕地质量组合类型复杂，各指标区组合类型有较大差异，11等别耕地均在各指标区组合类型中。
表2 云南省基本农田耕地质量等别组合类型
Table 2 Combination types of quality level of basic farmland in Yunnan province
组合数Combinatorial number云南Yunnan 233.93 11+12+10 3昆明Kunming 257.02 11+12+10 3曲靖Qujing 353.66 11+10+12 3玉溪Yuxi 435.08 7+8+9+10+11 5保山Baoshan 331.95 10+11+12 3昭通Zhaotong 188.57 11+12 2丽江Lijiang 801.25 11+12 2普洱Puer 371.01 10+11+12 3临沧Lincang 81.09 10+11+12 3楚雄Chuxiong 428.21 8+9+10+11+12 5红河Honghe 391.54 10+11+12 3文山Wenshan 158.26 10+11 2西双版纳Xishuangbanna地区Region组合系数Combination coficient组合类型Combination type 376.24 9+10+11 3大理Dali 440.37 8+9+10+11+12 5德宏Dehong 195.96 6+8+9+10+11 5怒江Nujiang 800.02 11+12 2迪庆Diqing 267.41 11+12 2
图1 云南省基本农田耕地质量组合类型分布
Fig. 1 Combination types of quality level of prime farmland in Yunnan province
2.2 省级尺度下基本农田景观格局
从地类看，省级尺度下基本农田斑块密度（PD）水田最高，水浇地其次；最大斑块占景观面积比例（LPI）也是以水田最高、旱地最低，但总体值均比较小，说明基本农田耕地地类整体比较细碎，空间格局上分布零星。面积加权平均斑块分维数（FRAC）旱地指标值最小、接近于1，旱地景观要素斑块的几何形状趋于简单。临近度指数（CONTIG）由大到小依次为水田、水浇地、旱地，表明基本农田相同地类耕地间离散和破碎程度由大到小依次为旱地、水浇地、水田。散布与并列指数（IJI）水浇地数值较低、其次为水田、旱地指数相对较高，表明水田和水浇地相对旱地更加受自然条件如地形、水源的制约，生态系统的分布特征反映显著，而旱地相对受人为影响更多一些，彼此邻近，相应散布与并列指数值较高。整体性斑块凝聚（COHESION）上水田＞水浇地＞旱地，表明3种地类的空间连接性水田最强、水浇地其次、旱地最弱（表1）。
从坡度看，各景观要素在不同坡度中分布不均（表3），PD最低的为最大坡度下的斑块，同时结合LPI来看，该坡度下的基本农田耕地对整体景观影响较大。FRAC反映了不同坡度下基本农田耕地斑块形状的总体差异较小，CONTIG在0°～2°坡度下值最大、较为集中，在2°～6°坡度最低，表明该坡度下基本农田耕地间离散和破碎程度较大。IJI在6°～15°最高，其次为0°～2°坡度，相对较低指数的坡度耕地受自然条件影响分布的因素更大。COHESION在0°～2°坡度最大，表明基本农田耕地的景观连接性最强。
表3 不同地类、坡度、质量下景观要素的景观格局指数
Table 3 Landscape pattern index of different farmland types, slopes and quality levels
指标Index PD LPI FRAC_AM ONTIG_AM IJI COHESION基本农田类型Prime farmland type水田Paddy field 0.0240 1.1835 1.0515 0.2110 33.5915 57.4518水浇地Sewed land 0.0118 0.2910 1.0177 0.0983 18.5626 26.0699旱地 Dry land 0.0004 0.0388 1.0010 0.0230 43.5177 4.3094坡度 Slope ≤2° 0.0054 0.3332 1.0220 0.1527 70.9066 34.3893 2°～6° 0.0059 0.2352 1.0114 0.0757 66.7849 19.1417 6°～15° 0.0148 0.2940 1.0203 0.1043 73.9068 28.9010 15°～25° 0.0179 0.1764 1.0215 0.1092 67.8191 29.8213 25° 0.0080 0.5096 1.0223 0.1039 49.2314 30.5898质量等级Quality level 3 0.0002 0.0587 1.0100 0.0595 69.7357 16.0905 4 0.0002 0.0782 1.0008 0.1111 20.1377 14.6706 5 0.0011 0.0782 1.0072 0.0542 64.2904 13.4387 6 0.0008 0.0978 1.0208 0.0949 72.7498 27.5187 7 0.0013 0.0782 1.0087 0.0566 77.5207 14.0312 8 0.0019 0.0978 1.0122 0.0772 70.8398 19.8257 9 0.0043 0.1173 1.0127 0.0651 60.2899 18.0327 10 0.0102 0.3520 1.0237 0.1178 58.0591 33.0706 11 0.0160 0.5281 1.0317 0.1498 55.1218 40.9679 12 0.0101 0.5672 1.0385 0.1789 43.7037 47.9792 13 0.0002 0.0782 1.0237 0.1364 61.2882 33.3715
从质量来看，10～12等级上的基本农田斑块密度、最大斑块占景观面积比例最高，临近度指数、整体性斑块凝聚指数也较高，面积加权平均斑块分维数差别较小接近于1，几何形状趋于简单，6～8等级的散布与并列指数较高。
2.3 市级尺度下基本农田景观格局
由各州市基本农田多样化和异质性分析结果（表4）可知，多样性指数以德宏地区最高、怒江州最低，多样性指数大于云南省的地区有昆明、玉溪、楚雄、西双版纳、大理和德宏；集中度指数与多样性指数呈相反的态势，结合二者进行对比，耕地质量多样性较高的几个地区集中性指数均较低，集中性指数最低的为丽江市，其次是迪庆、大理、西双版纳、楚雄，集中度指数较高的是怒江、迪庆；优势度指数高表示该区域的优势度越明显，德宏地区优势度指数最高，说明德宏州基本农田的耕地质量等别对区域内的耕地资源支配程度较大；均匀度作为描述基本农田景观由少数几个主要景观类型控制程度的指数，从整体来看，迪庆、昭通、怒江值较低，分布相对更不均衡，德宏州的均衡度最高。
通过频率累计绘制洛伦兹曲线，可以进一步佐证各州市基本农田质量景观指数情况（图2）。各州市基本农田等别的集中化程度有较大差异，德宏离绝对均匀分布线最近，其次是西双版纳，可见耕地质量等别分布最均匀：德宏州是以中、低山地为主的低纬山原地区，盆坝平地河谷较多，基本农田主要分布在山河谷地、盆地和洼地，其耕地质量分布较均匀；西双版纳坡度较缓，谷地浅阔，地处热带及南亚热带气候，水热条件决定适宜的耕地类型多样，优势度不明显，耕地质量也比较均匀。迪庆、昭通、怒江平均线较远，表明耕地质量等别差距较大，该结果与景观格局指数相吻合：迪庆和怒江处于横断山脉和三江并流所在地，山川峡谷纵横，且坡地多、平地少，水田、水浇地主要集中分布在狭小河谷或山间小盆地，旱地多集中分布在较高丘陵山坡上，受地形、气候和土壤影响耕地质量等别差距较大，因此呈现出较强的质量分布多样性和不均匀性；昭通市地处破碎高原，起伏较大，主要为红壤，水土流失较重，以旱地为主，低质量耕地体现出较强的支配和优势度，因此分布呈现不均匀的特征。
表4 云南省16市（州）景观格局指数
Table 4 Landscape index of 16 cities (states) in Yunnan provice
均匀度指数Evenness index云南Yunnan 1.6061 0.9588 0.6262昆明Kunming 1.6690 0.3278 0.8960 0.6507曲靖Qujing 1.3821 0.4825 1.1828 0.5388玉溪Yuxi 1.8085 0.3585 0.7565 0.7051保山Baoshan 1.4501 0.4943 1.1148 0.5654昭通Zhaotong 0.9302 0.3268 1.6348 0.3626丽江Lijiang 1.1618 0.0340 1.4032 0.4530普洱Puer 1.4284 0.4907 1.1365 0.5569临沧Lincang 1.4218 0.3947 1.1432 0.5543楚雄Chuxiong 1.7766 0.3547 0.7884 0.6926红河Honghe 1.4820 0.5007 1.0830 0.5778文山Wenshan 1.2202 0.5691 1.3448 0.4757西双版纳Xishuangbanna 1.8860 0.1774 0.6789 0.7353大理Dali 1.8743 0.2753 0.6906 0.7307德宏Dehong 2.0612 0.4736 0.5038 0.8036怒江Nujiang 0.6215 0.8232 1.9434 0.2423迪庆Diqing 0.9787 0.7467 1.5863 0.3816地区Rgional distribution多样性指数Diversity index集中度指数Concentration index优势度指数Dominance index
图2 云南省基本农田耕地质量等别洛伦兹曲线
Fig. 2 Lorenz curve of quality levels of prime farmlands in Yunnan province
2.4 省级尺度下基本农田空间自相关
采用空间自相关分析研究云南省基本农田过程中，从空间邻接性频率直方图的分布特征来看，基于共边相邻（Queen）的权重［27］更符合正态分布，因此本文确定空间权重采用共边相邻原则。经计算，基本农田景观格局指数和耕地质量的全局Moran's I指数值较低（基本农田景观格局指数＜0.2052，耕地质量为0.0310），表明在省域尺度下基本农田景观指数和耕地质量上空间自相关性较低。
图3 云南省基本农田面积比例局部Moran's I散点图
Fig.3 Scatter-plots of local Moran's I for the areal proportion of prime farmland in Yunnan Province
基本农田面积比值的全局Moran's I指数为0.6046、P=0.0010＜0.05，通过显著性水平检验，表明各州市具有较为显著的空间自相关性，基本农田面积比例（J/A）具有较显著的聚集分布态势（图3）。基本农田比例聚类关系中，H-H聚集占基本农田总面积比例最高为51.86%，表明H-H聚集的地区占主导地位，属于基本农田比例高，其周围邻近区域基本农田耕地面积比例也相应高的区域。其次为H-L集聚占26.04%，呈现出负相关性，即基本农田面积比例高，但相邻区域基本农田比例却较低的地区。然后是L-L聚集，这些地区的基本农田面积比例低，且周围相邻地区基本农田面积比例也低，其空间分布仍呈现聚集分布，局部性空间差异较小。L-H聚集的数量最少，呈现出负相关性。
表5 云南省基本农田空间面积比例空间自相关分析
Table 5 Autocorrelation analysis of spatial area proportion of prime farmland in Yunnan province
Moran’s I值Moran’s I value LISA聚类分析结果 Result of LISA cluster analysis高-高High-High 低-低Low-Low 低-高Low-High 高-低High-Low 0.6046地区Region 昆明、曲靖、昭通、红河、文山、德宏 丽江、楚雄、大理、怒江、迪庆 玉溪、西双版纳 保山、普洱、临沧面积Area（104hm2） 254.06 75.03 33.25 127.55占比Proportion（%） 51.86 15.32 6.79 26.04
在面积比例聚类关系基础上，对基本农田分布进行核密度值测算，设104hm2为半径生成省级尺度下基本农田耕地核密度测算值空间分布图，基本农田核密度变化范围为0～427823个栅格/hm2（图4，封三）。基本农田核密度分布差异较大，高值区域主要集中在滇东、滇东北地区、西南部分地区，高值区与面积比例聚类分布趋于吻合。
2.5 市级尺度下基本农田空间自相关
以各州市基本农田图斑为基本空间单元计算出基本农田质量的全局Moran's I指数和局部空间自相关类型统计结果，各州市基本农田质量指数P值均小于0.05，通过显著性检验，结果如表6所示。用Arc GIS10.3将各州市LISA集聚图进行整合（图5，封三）。
Moran's I指数大部分地区均大于0.5，表明基本农田质量在不同层次表现出较强的空间正自相关集聚态势。从基本农田质量指数Moran's I值来看，曲靖市Moran's I值为0.8145，基本农田质量的空间正相关集聚性最强，相对较强的还有丽江市、保山市、昆明市、楚雄州、大理州，均＞0.7（表6）。空间变异性相对较弱的地区有普洱市、昭通市、文山州、西双版纳州，Moran's I值＜0.5。对基本农田耕地质量指数进行局部空间自相关分析，主要为H-H和L-L集聚，表现了较高的空间聚合性，H-H聚集的地区主要有昭通市、普洱市、临沧市，其他的地区主要为L-L集聚，而各地区空间负相关的HL和LH集聚相对较少，表明仍有一部分基本农田呈无明显的集中区域，呈零星状分布。
表6 基本农田质量Moran's I值及空间集聚类型统计
Table 6 Analysis of quality Moran's I value and spatial cluster types of prime farmland
LISA 聚类统计结果Result of LISA cluster analysis高-高High-High 低-低Low-Low 低-高Low-High 高-低High-Low昆明Kunming 0.7575 12600 17669 251 213曲靖Qujing 0.8145 14147 14717 132 210玉溪Yuxi 0.7690 5997 10349 450 262保山Baoshan 0.7799 9275 10170 151 443昭通Zhaotong 0.3541 7473 4504 965 185丽江Lijiang 0.7867 5832 11267 866 14普洱Puer 0.3455 16367 9601 2084 11630临沧Lincang 0.5038 9583 7146 1079 2340楚雄Chuxiong 0.7343 7086 15808 915 1114红河Honghe 0.6982 15248 16420 187 319文山Wenshan 0.4902 7423 16680 666 1755西双版纳Xishuangbanna 0.4605 2622 3342 338 1094大理Dali 0.7351 6978 16171 44 671德宏Dehong 0.5541 4559 8389 159 895怒江Nujiang 0.4205 42 698 222 324迪庆州Diqing 0.5361 165 811 0 215地区Region Moran’s I值Moran’s I value
将各州市LISA集聚图（图5，封三）与省域核密度图（图4，封三）进行对比分析发现，二者呈现出密切的关联性，空间自相关体现正相关性的H-H和L-L聚集区，相应的核密度值也较高，空间自相关呈现负相关特征的地区核密度也较低。H-H集聚主要分在昭通西部、曲靖北部、昆明东北部、红河北部和南部、普洱西部和临沧中部，L-L集聚主要分布在曲靖东北和西南部、昆明东南部、文山西部、大理东部等地。
图4 云南省基本农田核密度测算值空间分布
Fig. 4 Nuclear density measurement of prime farmland in Yunnan province
图5 云南省16（市州）基本农田质量聚类关系
Fig. 5 Cluster diagram of prime farmland comprehensive quality of 16 region in Yunnan provice
3 结论
在平均质量等级及组合类型特征方面，各州市基本农田质量等别差距大，质量高的基本农田在数量上较少，云南省基本农田质量构成以中、低等质量耕地为主；基本农田质量组合数以玉溪、楚雄、大理和德宏最高。因此，从质量上看，云南基本农田划定尚有提升的空间，补充划定过程中应从高质量地区优先划定，并在质量组合类型丰富的地区增加中、高质量基本农田数量。
景观分布总体特征上，从省级尺度看基本农田整体分布细碎，地类上水田的连接性最高、水浇地其次、旱地最低，表明云南的水田和水浇地更受如地形、水源等因素的制约，旱地分布受人为影响更大。坡度上0°～2°坡度的基本农田景观连接性最高，随着坡度增加，耕地间离散和破碎程度较大，6°～15°基本农田分布受人为因素影响相对较大。在市级尺度上，德宏、西双版纳、大理、玉溪等地基本农田质量较高、分布多样性较高、分布均匀，而迪庆、昭通、怒江的基本农田质量等别差距大，且低等级耕地的优势度明显。因此，提升基本农田质量，一方面可在全省范围内适当提高德宏、西双版纳、大理和玉溪等地区高质量基本农田比重，另一方面进一步优化迪庆、昭通、怒江耕地质量。
空间自相关特征方面，省级尺度下基本农田质量的关联性较低，面积比例的空间关联性较强，面积比例呈H-H聚集的地区核密度值相对较高。在市级尺度下，昭通、普洱、文山、西双版纳、怒江的基本农田质量全局自相关指数较低、关联性弱，其余地区都体现出较强的空间自相关，根据局部聚类类型，H-H和L-L聚集类型的分布与基本农田核密度分布相近，核密度值较高的地区空间关系呈正相关，核密度稀疏的低值区空间关系呈负相关。基本农田划定可考虑在高密度值、高空间自相关区域，增加高质量的基本农田划定，如在曲靖、保山、昆明、楚雄、丽江、大理等地（Moran’s I值均＞0.7）的高空间自相关区域集中连片划定耕地为基本农田，从而实现基本农田景观格局上的集中性优势。
［1］ 杨建宇，张欣，徐凡.基于TOPSIS和局部空间自相关的永久基本农田划定方法［J］.农业机械学报，2018，49（4）：172-180.doi:10.6041/j.issn.1000-1298.2018.04.020.
YA NG J Y,Z H A NG X,X U F.De sig nat ion met ho d of permanent basic farmland based on TOPSIS and local spatial autocorrelation［J］. Transactions of the Chinese Society for Agricultural Machinery,2018,49(4):172-180.doi:10.6041/j.issn.1000-1298.2018.04.020.
［2］ 曹丽萍，罗志军，冉凤维.基于耕地质量和空间集聚格局的县域基本农田划定［J］.水土保持研究，2018，25（4）：349-364.doi:10.13869/j.cnki.rswc.2018.04.051.
CAO L P,LUO Z J,RANG F W.Distribution of prime farmland based on cultivated land quality and spatial aggomeration pattern at county scale［J］. Research of Soil and Water Conservation,2018,25(4):349-364.doi:10.13869/j.cnki.rswc.2018.04.051.
［3］ 关小东，何建华.基于贝叶斯网络的基本农田划定方法［J］.自然资源学报，2016（6）：1061-1072.
GUANG X D,HE J H. Prime farmland protection zoning based on Bayesian Network［J］. Journal of Natural Resources, 2016(6):1061-1072.
［4］ 谭少军，邵景安，张琳.西南丘陵区高标准基本农田建设适宜性评价与选址——以重庆市垫江县为例［J］.资源科学，2018，40（2）：310-325.
TAN S J,SHAO J A,ZHANG L. Suitability assessment and sites of high standard basic farmland in the southwest hilly area of China［J］.Resources Science, 2018, 40(2):310-325.
［5］ 陈显光，张强胜，缑武龙.基于耕地质量的基本农田空间连片性评 价［J］.广东农 业科学，2015，42（23）：159-163.doi:10.16768/j.issn.1004-874X.2015.23.073.
CHEN X G,ZHANG Q S,HOU W L. Spatial connectivity evaluation of basic farmland based on cultivated land quality［J］. Guangdong Agricultural Sciences, 2015,42(23):159-163.doi:10.16768/j.issn.1004-874X.2015.23.073.
［6］ MARTELLOZZO,FEDERICO. Urbanization and the loss of prime farmland: a case study in the Calgary-Edmonton corridor of Alberta［J］.Regional Environmental Change, 2015, 5(15):881-893.
［7］ SUTKOWSKA B,ROZBICKI J, DARIUSZ,GEZDOWSKI.farming systems in High Nature Value (HNV) farmland: a case study of Wigry National Park［J］. Ecology and Evolution,2013,22(2):521-531.
［8］ MATIN,SULLIVAN,Ó HUALLACHÁIN.Predicted distribution of High Nature Value farmland in the Republic of Ireland.［J］Journal of Maps,2016(12)373-376. doi:10.1080/17445647.2016.1223761.
［9］ LOMBA A,ALVES P,JONGMAN R H G, MCCRACKEN D I.Reconciling nature conservation and traditional farming practices:a spatially explicit framework to assess the extent of High Nature Value farmlands in the European countryside［J］.Ecology and Evolution,2015(5):1031-1044.doi:10.1002/ece3.1415.
［10］ 曾昭璇.中国的地形［M］.广州:广东科技出版社, 1985.
ZENG Z X. Topography of China［M］.Guangzhou:Guangdong Science and Rechnology Press, 1985.
［11］ 杨焕宗，张延明.资源·区域·布局：云南农业资源区划实践［M］.昆明：云南科技出版社，2000.
YANGH Z,ZHANG Y M. Resource· Region·Layout: Yunnan Agricultural Resources Regionalization Practice［M］. Kunming:Yunnan Science and Technology Press,2000.
［12］ 孔祥斌，张青璞.中国西部区耕地等别空间分布特征［J］.农业工程学报,2012,28 (22):1-7.doi:10.3969/j.issn.1002-6819.2012.22.001.
KONG X B,ZHANG Q P.Spatial distribution characteristics of arable land grade in Western China［J］. Transactions of the Chinese Society of Agricultural Engineering, 2011, 28(22):1-7.doi:10.3969/j.issn.1002-6819.2012.22.001.
［13］ 李灿，黄九松，王玲燕，曹伟.基于农用地分等成果的县级基本农田布局优化［J］.广东农业科学，2014，41（1）：193-197.doi:10.3969/j.issn.1004-874X.2014.01.045.
LI C, HUANG J S, WANG L Y, CAO W. Layout optimization of countylevel basic farmland based on the agricultural land classification［J］.Guangdong Agricultural Sciences, 2014,41(1):193-197.doi:10.3969/j.issn.1004-874X.2014.01.045.
［14］ 张晓燕，张利，陈影，李新旺，许皞.河北省农用地质量空间格局的计量地理分析［J］.水土保持研究，2010（1）：101-106．
ZHANG X Y,ZHANG L,CHEN Y,LI X Y,XU H. Analysison spatial pattern of agriculture land resources quality in Hebei Province based on quantitative geography mode［J］.Research of Soil and Water Conservation,2010(1):101-106．
［15］ 段瑞娟，郝晋珉，张洁瑕.北京区位土地利用与生态服务价值变 化 研 究［J］.农 业 工 程 学 报，2006（9）：21-28.doi:10.3321/j.issn:1002-6819.2006.09.005.
DUAN R J,HAO J M, ZHANG J X.Land utilization and changes on eco-service value in different locations in Beijing［J］. Transactions of the Chinese Society of Agricultural Engineering,2006(9):21-28.doi:10.3321/j.issn:1002-6819.2006.09.005.
［16］ 付博杰，陈利项，马克明.景观生态学原理及应用［M］.北京：科学出版社，2011：55-58.
FU B J,CHEN L X,MA K M.Principles and Applications of Landscape Ecology［M］Beijing: Science Press,2011:55-58.
［17］ 刘影，巫伟华，冉俊茂，张宇婧.南昌市城市化进程中土地利用景观格局稳定性分析［J］.广东农业科学，2018，45（10）：150-158,173.doi:10.16768/j.issn.1004-874X.2018.10.023.
LIU Y,WU W H, RAN J M, ZHANG Y J. Analysis of the stability of land use landscape pattern in the process of urbanization in Nanchang city［J］. Guangdong Agricultural Sciences, 2018,45(10):150-158,173.doi:10.16768/j.issn.1004-874X.2018.10.023.
［18］ 任奎，周生路，张红富.江苏农用地质量空间格局及影响机制研究［J］.农业工程学报，2008，24（4）：127-135. doi:10.3321/j.issn:1002-6819.2008.04.025.
REN K, ZHOU S L, ZHANG H F. Spatial pattern and influence mechanism of farmland resources quality in Jiangsu Province［J］.Transactions of the Chinese Society of Agricultural Engineering, 2008,24(4):127-131.doi:10.3321/j.issn:1002-6819.2008.04.025
［19］ 张红富，周生路，吴绍华.江苏农用地质量空间格局及其影响因素分析［J］.资源科学，2008，30（2）：221-227.doi:10.3321/j.issn:1007-7588.2008.02.009.
ZHANG H F,ZHOU S L,WU S H.Spatial pattern of agricultural land resources quality and influence factors in jiangsu province［J］.Resource Science, 2008, 30(2): 221-227. doi:10.3321/j.issn:1007-7588.2008.02.009.
［20］ 贾树海，邱志伟，潘锦华，杨秀华，谢东祺.辽宁省农用地质量空间分布及影响因素［J］.土壤通报，2011（2）：273-279.doi:10.3969/j.issn.1674-5906.2010.05.027.
JIA H S,QIU Z W,PAN J H,YANG,X H,XIE D Q.Spatialdistribution pattern and factors of agricultural land re－sources quality in Liaoning Province［J］. Chinese Journal of Soil Science,2011(2):273-279.doi:10.3969/j.issn.1674-5906.2010.05.027.
［21］ BAILEY T C,GATRELL A C.Interactive Spatial Data Analysis［M］.Harlow Essex,England:Longman,1995:105.
［22］ BORRUSO G.Network density estim ation:a gis approach for analyzing point patterns in network space［J］.Transactions in GIS,2008,12(3):377-402.
［23］ 王远飞，何洪林.空间数据分析方法［M］.北京：科学出版社，2007：6-71.
WANG Y F,HE H L. Spatial Data Analysis method［M］.Beijing:Science press, 2007: 6-71.
［24］ ANSELIN L. Local indicators of spatial association—LISA［J］.Geographical Analysis, 1995, 27(2): 93-115. doi:10.1111/j.1538-4632.1995.tb00338.x.
［25］ 刘敏.现代地理科学词典［M］.北京：科学出版社，2009：56.
LIU M. Dictionary of Modern Geographical Sciences［M］.Beijing:Science press, 2009:56.
［26］ 罗志军，赵越，赵杰，李远维，宋聚，冉凤维.基于景观格局与空间自相关的永久基本农田划定研究［J］.农业机械学报；2018（10）：202-211.doi:10.6041/j.issn.1000-1298.2018.10.022.
LUO Z J,ZHAO Y,ZHAO J,LI Y W,SONG J,RANG F W.Study on defining permanent basic farmland based on landscape pattern and spatial autocorrelation［J］.Transactions of the Chinese Society for Agricultural Machinery,2018(10):202-211.doi:10.6041/j.issn.1000-1298.2018.10.022.
［27］ 张晗，赵小敏，欧阳真程.多尺度下的南方山地丘陵区耕地质量空间自相关分析——以江西省黎川县为例［J］.中国生态农业学报，2018（2）：267-273.doi:10.13930/j.cnki.cjea.170513.
ZHANG H,ZHAO X M,OUYANG Z C. Multi-scale spatial autocorrelation analysis of cultivated land quality in China's southern hillside areas:A case study of Lichuan County,Jiangxi Province［J］.Chinese Journal of Eco-Agriculture, 2018(2):267-273.doi:10.13930/j.cnki.cjea.170513.