湖北省土地利用格局影响因素研究

张 毅, 谢 圣

(1.中国地质大学(武汉) 地球科学学院， 武汉 430074; 2.华中师范大学 城市与环境科学学院， 武汉 430079)



湖北省土地利用格局影响因素研究

张 毅1，2*, 谢 圣2

(1.中国地质大学(武汉) 地球科学学院， 武汉 430074; 2.华中师范大学 城市与环境科学学院， 武汉 430079)

将湖北省2009年土地利用图与DEM、气象、水文数据、社会经济数据等数据结合，采用地理信息系统空间及景观生态分析方法，在揭示湖北省土地利用格局基础上分析影响湖北省土地利用格局的主要因素.结果表明：耕地的斑块数量与高程关联最高，再依次为坡向、GDP、坡度、人口密度、降水、气温、路网密度、距水源距离，皆为显著相关.与林地斑块数量关联强弱顺序是坡度、高程、人口密度、GDP、纬度、坡向、经度、气温、降水、路网密度、距河距离.与水域斑块数量关联强弱顺序是路网密度、坡度、高程、GDP、纬度、降水、人口密度、经度、坡向、气温.与建设用地斑块数量关联强弱顺序为气温、路网密度、高程、距河距离、坡度、纬度、经度、GDP、人口密度、坡向、降水.

土地利用格局； 影响因素; 湖北省

土地利用具有显著的空间格局[1-2]，这种格局受到多种因素影响和制约，是自然与人类各种响应在不同尺度上作用的体现[3-5]，是自然与人类社会要素相互作用的结果.土地利用格局变化研究为许多研究者所关注[6-10]，他们从不同角度对不同尺度区域土地利用格局及其变化进行了研究，王思远(2002)等人研究了20世纪90年代中后期中国土地利用格局及其演变，杨俊(2014)、王根绪(2006)、卞正富(2006)、饶胜(2002)等分别研究了南四湖湿地、黑河流域典型区、徐州煤矿区、鄱阳湖区土地利用变化规律；也有的研究者探讨了不同的研究方法及其在土地利用格局研究中的运用[11-13]，胡雪丽(2013)、吴桂平(2008)、杨国清(2007)等分别运用CA-Markov模型、AutoLogistic方法研究了相关区域的土地利用问题；还有的学者不仅关注格局的变化更关注影响因素及驱动力[11-18]，龚文峰(2013)等分析了地形梯度对土地利用格局的影响，胡建(2011)等分析了太湖流域水质状况与土地利用格局的相关性，王思远(2003)、龙花楼(2001)等分别研究了中国土地利用格局及其影响因子、长江沿线样带土地利用格局及其影响因子.研究土地利用格局变化的影响因素有助于从本质上把握土地利用变化的机理，从而通过变量变化的调控达到优化土地利用的目的.湖北省位于29°05′～33°20′N、108°21′～116°07′E之间，处于季风性湿润亚热带，地跨全国地势第二、第三两级阶梯，境内地貌类型复杂多样，山地、丘陵、岗地、平岗和平原兼具，山地占56%、丘陵岗地占24%、平原湖区占20%，主要用地类型有耕地、林地、草地、水域、建设用地、未利用地，研究湖北省土地利用格局影响因素意义重大.

1 数据来源与研究方法

1.1 数据来源

土地利用现状数据采用欧空局300 m空间分辨率的全球土地覆盖数据；数字高程数据(DEM)来源于中国科学院国际科学数据平台，坡度与坡向由数字高程图在ArcGIS平台分析获得.降水、气温等气象数据来源于国际科学数据服务平台.社会经济数据来源于湖北省及各县市统计年鉴.

1.2 研究思路与方法

将湖北省2009年土地利用图与DEM、气象、水文数据、社会经济数据等数据结合，采用地理信息系统空间及景观生态分析方法，在揭示湖北省土地利用格局基础上分析影响湖北省土地利用格局的主要因素.采用ArcGIS中的鱼网划分方法，将湖北省划分为10 km×10 km大小相同的正方形网格，以格网为区域单元来计算、统计与分析各土地类型的景观指数、空间组合特征、空间自相关与环境因子的灰色关联度.

为进一步探讨影响湖北省土地利用格局的主要因素，本研究选取高程、坡度、坡向、水系、年均降水量、年均温度6个自然环境指标与人口密度、GDP总量和路网密度3个人文环境指标，运用灰色关联度(Grey System Theory Modeling Software)及SPSS软件分析与各类土地斑块个数、最大斑块指数间的定量的关系.各指标样点数据采用Kriging法插值，以格网为单元来计算、统计与分析.

灰色关联度分析法是根据因素之间发展趋势的相似或相异程度作为衡量因素间关联程度的一种方法.灰色系统关联分析的步骤首先是确定反映系统行为特征的参考数列和影响系统行为的比较数列，然后对参考数列和比较数列进行无量纲化处理，再求参考数列与比较数列的灰色关联系数，再求关联度，最后排关联序.其本质是在系统发展过程中，如果两个因素变化的态势是一致的，则可以认为两者关联较大；反之，则两者关联度较小.

2 研究结果

2.1 影响耕地利用格局的主要因素

按照研究方案，得到表1结果.根据灰色关联度分析，影响耕地斑块数量NP大小(每10 km2)即破碎化程度的环境因素由强到弱依次为高程、坡向、GDP、坡度、人口密度、降水、经度、纬度、气温、路网密度、距河距离.这表明地形因素、太阳辐射强弱和社会经济水平对NP的分布具有较大影响与控制作用.相关性分析表明，由于SPSS与灰色关联分析计算方式不同，经度、GDP呈现显著负相关，这说明经度、GDP与NP呈背向的负相关关系，这与湖北境内从东南到西北依次分布平原、岗地、低山丘陵、山地的层状地势起伏地貌有关，NP与高程、坡度、坡向的正相关关系，加强了这一结论.影响力排在前5位的因素依次为经度、高程、坡度、坡向和GDP.灰色关联度分析显示，影响耕地最大斑块(PLI)大小(耕地连片分布的程度)的因素由强到弱依次为：高程、GDP、坡度、坡向，表明地形因素、社会经济水平和太阳辐射强弱对耕地连片分布控制作用.相关分析显示PLI与高程、坡向、坡度、距河距离、路网密度、降水都呈显著负相关，表明由东向西地形越高，坡度越大，坡向越阴，耕地连片分布越差；GDP、经度、人口密度、路网密度与耕地连片呈正相关.

表1 耕地利用格局影响因素分析表

2.2 影响林地利用格局的主要因素

按照研究方案，得到表2结果.灰色关联度分析显示，因子影响林地斑块数量NP大小的顺序是坡度、高程、人口密度、GDP、纬度、经度、坡向、气温、降水、路网密度、距河距离.说明地形因素、社会经济水平对林地的破碎化程度都具有较大影响.相关性分析显示坡向、高程地形因素与林地破碎化程度呈强的负相关，经度与林地破碎化程度呈强的正相关，表明地形条件是林地破碎化程度首位控制因子，呈负向控制，人文因素GDP、人口密度、路网密度却呈显著正相关.在高海拔区，人迹罕至，人为干扰弱，林地破碎化程度差，林地连片分布.影响力排在前5位的因素依次为坡向、高程、经度(与地形空间分布方式有关)、坡度、和GDP、气温.灰色关联分析显示，因子影响林地最大斑块PLI大小因子顺序为坡度、高程、经度、GDP、坡向、纬度、人口密度、降水、气温、距河距离、路网密度.相关性分析表明，高程、坡度、坡向林地连片分布呈很强的正相关，GDP、经度、气温、人口密度、路网密度却呈较强的负相关，进一步说明地形条件对林地连片分布具有很强的引导作用，社会经济发展水平与林地连片分布具互斥性，影响力排在最前5的因素依次为坡度、高程、经度、GDP、纬度.

表2 林地利用格局影响因素分析表

2.3 影响水域利用格局的主要因素

按照研究方案，得到表3结果.灰色关联度分析显示，影响水域斑块数量NP大小由强到弱因子依次为路网密度、坡度、高程、GDP、纬度、降水、人口密度、经度、坡向、气温.表明社会经济水平与地形因素共同左右水体的破碎化.相关性分析显示，路网密度、人口密度、经度、GDP、气温、降水与水域的破碎化程度呈正相关关系，坡度、高程、纬度与水域的破碎化程度呈负相关关系.表明依水体而居的人类对水资源具有较强的依赖，而地形条件是控制水体分布的首位因素，决定了水体的有无与面积大小，间接影响人类的空间分布，人类分布与活动又反馈作用水体，增加其破碎化程度.影响力排在前5位的因素依次为路网密度、坡度、坡向、GDP和纬度.灰色关联分析显示，因子影响水域最大斑块PLI大小因子顺序为高程、坡度、经度、GDP、人口密度、纬度、气温、坡向、降水、路网密度.相关性分析表明，高程、人口密度、坡度、路网密度、坡向、纬度与水域连片分布呈较强的负相关，GDP、经度、降水、气温与之呈较强的正相关，表明地形高程对水体连片分布具有很强的控制作用，人口密度越大的地区的水体连片分布越差，水体连片分布的水资源丰富地区经济发达，GDP较高.影响力排在最前5的因素依次为高程、坡度、经度、GDP、人口密度.

表3 水域利用格局影响因素分析表

2.4 影响建设用地利用格局的主要因素

按照研究方案，得到表4结果.灰色关联度分析显示，影响建设用地斑块数量NP大小由强到弱因子依次为高程、GDP、坡度、路网密度、人口密度、距水距离、经度、纬度、气温、降水、坡向.表明社会经济发展水平与地形、水资源因素共同影响建设用地破碎化程度.相关性分析显示，高程、坡度、纬度与建设用地破碎化程度呈较强的负相关关系，GDP、路网密度、人口密度、距水距离、经度、气温与建设用地的破碎化程度呈正相关关系.表明地形条件是建设用地实现规模化最有利的条件，在社会经济较发达地区建设用地多且分布相对分散，破碎化程度高，城市化区域水体丰富，湖北省的地貌条件决定了由东到西城市化水平变低，城市规模变小.影响力排在前5位的因素依次为高程、GDP、坡度、路网密度、人口密度.灰色关联分析显示，影响建设用地最大斑块PLI大小因子的序列为高程、路网密度、GDP、经度、人口密度、距水距离、纬度、气温、坡度、坡向、降水.相关性分析显示，高程、纬度、坡度、坡向与建设用地规模呈较强的负相关，路网密度、GDP、经度、人口密度、距水距离与之呈较强的正相关，表明地形高程对建设用地规模具有很强的限制作用，城市规模越大，路网密度越发达，人口分布相对越密度，距水体越近，湖北省建设用地规模东北部比西南大.影响力排在前5的因素依次为高程、坡度、经度、GDP、人口密度.

表4 建设用地利用格局影响因素分析表

3 基本结论

根据以上分析，得出影响湖北省土地利用格局的主要因素，有以下结论.

(1)耕地的斑块数量与高程关联最高，再依次为坡向、GDP、坡度、人口密度、降水、气温、路网密度、距水源距离，皆为显著相关.与高程、坡向、GDP、人口密度关联度分别为0.817、0.787 7、0.688 8、0.673，相关系数分别为0.505、0.453、-0.348、0.460.与耕地最大斑块指数关联强弱顺序为高程、GDP、坡度、坡向、人口密度、降水、气温、路网密度、距水源距离，皆为显著相关.与高程、GDP、坡度、坡向关联度分别为0.812 8、0.751 5、0.751 5、0.716 0，相关系数分别为-0.649、0.509、-0.553、-0.636.

(2)与林地斑块数量关联强弱顺序是坡度、高程、人口密度、GDP、纬度、坡向、经度、气温、降水、路网密度、距河距离，与坡度、与高程关联度分别为0.955 1、0.825 6.与林地最大斑块指数关联强弱顺序是坡向、高程、经度、GDP、坡度、纬度、人口密度、降水、气温、路网密度、距河距离，与坡向关联度达0.936 4，与高程关联度为0.851 8，与人口密度、GDP间呈负相关.充分宣示林地在海拔高、地势陡峭山区连通性好，聚集程度高，受人类活动影响较少.表明林地与山地的具有很好依存关系，与人类活动互斥.

(3)与水域斑块数量关联强弱顺序是路网密度、坡度、高程、GDP、纬度、降水、人口密度、经度、坡向、气温，与路网密度关联度达0.867 9，坡度关联度为0.832 4，相关系数分别为0.721，-0.710；与水域最大斑块指数关联强弱顺序是高程、坡度、经度、GDP、人口密度、纬度、坡向、气温、降水、路网密度.与高程关联程度达0.862 9，与坡度关联度为0.825 3，与两者的相关系数分别为-0.753，-0.533，说明高程与坡度对水域具有很强的限制作用.

(4)与建设用地斑块数量关联强弱顺序为气温、路网密度、高程、距河距离、坡度、纬度、经度、GDP、人口密度、坡向、降水，与气温关联度达0.7725，与路网密度关联度为0.7547，相关系数分别为0.412，0.721.与建设用地最大斑块指数关联强弱顺序是经度、坡度、高程、路网密度、气温、纬度、GDP、人口密度、距河距离、坡向、降水，与经度关联度达0.7813，与坡度关联度为0.7485，与两者的相关系数分别为0.654，-0.327.

(5)对比分析4种景观板块数量的关联度和相关系数，路网密度的灰色关联度由大到小排序依次为水域、建设用地、林地、耕地，水域和建设用地具有相当高的关联度，耕地和林地处于中间水平；而对应相关系数排序，水域和建设用地均为0.01水平上0.721高度相关，这与灰色关联度十分吻合，耕地和林地的相关系数则差异较大，耕地相关系数偏低，呈负相关.距河距离的灰色关联度较为均匀，建设用地略高于耕地和林地；而相关系数差距巨大，建设用地为0.662远高于耕地和林地.人口密度的灰色关联度十分均匀，说明人口密度因素对四种景观NP的影响力度差不多；而相关系数除了水域和建设用地均为0.05水平上的0.675，耕地和林地差异较大，其中耕地呈负相关.GDP的灰色关联度也很均匀；相关系数差异巨大，建设用地高达0.792，远高于耕地和林地，而水域则处于中间值.坡向的关联度耕地要略高于其他3种景观类型，说明坡向对耕地NP的影响较大；相关系数上只有耕地是正相关，其他3种景观类型呈现负相关，且数值差异不大.坡度的灰色关联度林地最大，其次为水域，耕地和建设用地相当，体现为坡度对林地和水域的NP具有较大的影响力；水域和建设用地的相关系数呈现高度的负相关.气温的关联度耕地、林地、水域较均匀，建设用地高于其他3种景观类型；气温与四种景观类型的相关系数差异也不大，只有耕地是负相关.降水因素耕地与水域的关联度要略高于林地和建设用地，但差异不大；而与四种景观的相关系数水域与建设用地要高于耕地和林地，且林地呈负相关.高程的灰色关联度均匀且关联度高，耕地、林地和水域高达0.82，建设用地略低为0.75；而相关系数只有水域和建设用地具有较高的负相关，分别达到-0.7和-0.84，耕地和林地数值处于中等水平，林地也为负相关.经度与4种景观类型的灰色关联度和相关系数分布十分均匀，数值差异非常小，处于中等相关.纬度与4种景观类型的灰色关联度十分均匀，中等相关，但是相关系数差异较大，水域和建设用地为负向中等相关，耕地和林地系数偏小，相关不明显.

[1] 谈明洪， 朱会义， 刘林山， 等. 北京周围建设用地空间分布格局及解释[J].地理学报， 2007， 62(8)：861-869.

[2] 何英彬， 陈佑启，李志斌，等.北京市土地利用空间结构特征分析[J].农业工程学报， 2010(2)：313-318.

[3] 摆万奇， 赵士洞.土地利用变化驱动力系统分析[J].资源科学， 2001(3)：39-41.

[4] 张晓玲， 关 欣， 文 倩. 市(县)级土地利用变化驱动力分析[J].农机化研究， 2007(3)：21-24.

[5] 郝仕龙， 曹连海， 李壁成. 小尺度土地利用/覆被变化驱动力研究[J].水土保持研究， 2007(2)：228-230.

[6] 杨 俊， 单灵芝， 席建超， 等. 南四湖湿地土地利用格局演变与生态效应[J]. 资源科学， 2014， 04:856-864．

[7] 王根绪， 刘进其， 陈 玲. 黑河流域典型区土地利用格局变化及影响比较[J]. 地理学报 ，2006， 61(4):339-348．

[8] 卞正富， 张燕平. 徐州煤矿区土地利用格局演变分析[J]. 地理学报， 2006， 61(4):349-358．

[9] 王思远， 张增祥， 周全斌， 等. 近10年中国土地利用格局及其演变[J]. 地理学报， 2002， 57(5):523-530．

[10] 饶 胜， 方精云， 崔海亭， 等. 最近10年鄱阳湖区土地利用格局的时空变化[J]. 长江流域资源与环境， 2002， 11(5):421-426．

[11] 胡雪丽， 徐 凌， 张树深. 基于CA-Markov模型和多目标优化的大连市土地利用格局[J]. 应用生态学报， 2013， 24(6):1652-1660．

[12] 吴桂平， 曾永年， 邹 滨， 等. AutoLogistic方法在土地利用格局模拟中的应用——以张家界市永定区为例[J]. 地理学报， 2008， 63(2):156-164．

[13] 杨国清， 刘耀林， 吴志峰. 基于CA-Markov模型的土地利用格局变化研究[J]. 武汉大学学报：信息科学版， 2007， 32(5):414-418.

[14] 龚文峰， 袁 力， 范文义. 基于地形梯度的哈尔滨市土地利用格局变化分析[J]. 农业工程学报， 2013(2):250-259+303．

[15] 郭洪峰， 许月卿， 吴艳芳. 基于地形梯度的土地利用格局与时空变化分析——以北京市平谷区为例[J]. 经济地理， 2013， 34(2):160-166，186．

[16] 胡 建， 刘茂松， 周 文， 等. 太湖流域水质状况与土地利用格局的相关性[J]. 生态学杂志， 2011(6):1190-1197．

[17] 王思远， 张增祥， 周全斌， 等. 中国土地利用格局及其影响因子分析[J]. 生态学报， 2003， 23(5):649-656．

[18] 龙花楼， 李秀彬. 长江沿线样带土地利用格局及其影响因子分析[J]. 地理学报， 2001， 56(4):417-425．

Study on influence factors of land use patterns in Hubei Province

ZHANG Yi1，2, XIE Sheng2

(1.School of Earth Science， China University of Geosciences， Wuhan 430074；2.School of Urban and Environmental Science， Central China Normal University， Wuhan 430079)

The characters of land use patterns in Huber Province were revealed using spatial and landscape ecology analysis of geographic information systems. The land use map of Hubei Province in 2009 was combined with DEM， meteorological， hydrological and socio-economic data. Based on this， the main factors influencing the land use patterns were analyzed. The results show that the main influence factors varied with the type of land. For farmland， the most relevant factor with the plaque numbers is elevation， followed sequentially by GDP， slope， population density， precipitation， temperature， road network density， distance to water， which are all significantly correlated. For woodland， the significance of different factors correlated with the plaque numbers are ranked in descending order as elevation， population density， GDP， latitude， aspect， longitude， temperature， precipitation， road density， and the distance from the river. With respect to the water area， the order changed into: road network density， slope， elevation， GDP， latitude， rainfall， population density， latitude， slope and temperature. Besides， the descending order for construction land presents as temperatures， road density， elevation， distance from the river， slope， latitude， longitude， GDP， population density， slope and rainfall．

land use patterns; influence factors; Hubei Province

2015-03-23.

国家社会科学基金项目(13BGL155).

1000-1190(2015)05-0792-05

U412.1+4

A

*E-mail: 609172052@qq.com.