2003—2014年福州马尾区土地利用变化及驱动力研究

方灿莹，许章华,2，王少谷，黄旭影，林 璐

(1. 福州大学环境与资源学院，福建 福州 350116； 2. 福州大学区域与城乡规划研究中心，福建 福州 350116)

2003—2014年福州马尾区土地利用变化及驱动力研究

方灿莹1，许章华1,2，王少谷1，黄旭影1，林 璐1

(1. 福州大学环境与资源学院，福建 福州 350116； 2. 福州大学区域与城乡规划研究中心，福建 福州 350116)

以福州马尾区2003、2014年两期遥感影像为基础，采用决策树分类法进行土地利用分类，总精度分别为87.82%、88.78%.从土地利用数量、结构变化、土地利用转移矩阵、土地利用程度等方面分析了该区土地利用变化特征，结果表明，2003—2014年间马尾区林地、水域、耕地、未利用地面积减少，建设用地面积增加，就单一土地利用动态度而言，建设用地最高，耕地次之，综合土地利用动态度为0.95%，土地利用变化较为缓慢；在地类相互转化过程中，林地主要向未利用地与耕地转化，耕地、水域、未利用地主要流向建设用地；通过对河流缓冲区的分析得出，土地利用程度高且变化明显的区域主要集中在缓冲距3 000 m内.在此基础上，选取了总人口，人均GDP、城镇化率等12个社会经济指标，借助主成分分析法探讨了研究区土地利用变化的驱动因子，分析得出，经济的增长、城镇化水平的提高、人口增长以及产业结构调整优化是引起该区土地利用变化的主要社会经济驱动力，并且这些因素的驱动力综合得分逐年增加，表明其影响力不断增强.此外，政府的政策和措施对土地利用结构的变化也起到了关键的引导性作用.

马尾区； 遥感； 土地利用变化； 主成分分析； 驱动力

土地利用是指人类根据土地资源的自然特性，结合社会生产、发展等需要，对其进行开发利用的社会经济行为[1].近年来，城镇化正发挥着其正效应，它在给城市带来繁荣的同时，也带来了植被被破坏、水土资源短缺、城市成热岛等环境问题，这对区域乃至全球的生态环境造成了深远的影响.因此，自1995年“国际地圈与生物圈计划”和“全球环境变化人文计划”共同提出土地利用已发生变化以来，其已成为全球研究的重要内容之一[2-3]，由于驱动力分析是土地利用动态监测的核心内容，因此只有深入挖掘主要驱动因素，才能从本质上解决由土地利用变化引起的各类问题，从而实现区域的可持续发展[4].

目前，国内外学者对不同地区的土地利用变化特征及驱动机制都进行了广泛的研究[5-11]，如Serra等[5]利用遥感技术分析了地中海地区土地利用的时空变化特征，并基于GIS平台，结合人口、经济等多个指标因子，通过多元逻辑回归分析提出了驱动力研究的空间分析法；Cvitanovi等[6]结合遥感、统计建模和以家庭为基础的问卷调查评估了克罗地亚区森林覆盖率的变化，并得出教育结构、人口年龄、密度等是引起该变化的主要因素的结论，Kamusok等[7]以宾杜拉区津巴布韦为例，通过建模模拟了未来土地利用的变化，并预测了该区2030年的土地利用情况；刘康等[8]以Landsat系列遥感影像为数据源，借助RS和GIS技术分析了南京市1996—2010年间的土地利用变化特征，并采用Probit回归模型从社会经济、人口等方面定量地分析了土地利用变化的驱动因素；许月卿等[9]利用张家口市土地利用数据，数字高程模型及社会经济统计数据，构建了基于Logistic回归模型的土地利用变化空间驱动力模型，并模拟和预测了未来建设用地的空间格局；孙静雯[10]，徐小明等[11]也借助RS和GIS技术，基于遥感影像并采用决策树分类法分别提取了内蒙古根河市、晋北地区的土地利用信息，并通过主成分分析、典范对应分析探讨了区域土地利用变化的主要驱动因子.纵观国内外的研究可以发现，RS、GIS等空间信息技术在土地利用变化监测方面相比传统的实地调查方法具有实时、快速等优点，它们已经成为土地利用监测的重要手段，在驱动力的研究方面则不再停留于传统的定性分析阶段，而是通过主成分分析、逻辑回归分析等方法建立起了土地利用变化的驱动模型.总的看来，利用RS和GIS技术研究土地利用变化，揭示其时空变化规律，建立区域土地利用变化驱动模型已成为当前开展土地利用变化及驱动力研究的最新动向.但是，目前土地利用变化及驱动机制研究还主要集中在流域、城市尺度，而以区、县等小区域为单元的研究却为数不多.

福州马尾区作为福建自贸试验区福州片区的核心区，近年来，在相关政策的扶持下，区域社会经济迅速发展，城镇化进程加快.因此，本文利用RS和GIS技术，探讨了马尾区2003—2014年土地利用的变化特征，并结合社会经济数据采用主成分分析法研究了引起土地利用变化的驱动因子，以期为马尾区城市建设及土地利用规划，管理决策等提供科学的依据.

1 研究区概况

马尾区为福建省福州市辖区，介于25°15′～26°39′N，118°08′～120°31′E，地处福州市南部，东濒闽江口，西与福州市晋安区交界，南与长乐市、仓山区隔江相望，东北与连江县接壤，下辖罗星街道和马尾、亭江、琅岐三镇(图 1).区内地表水资源丰富，全年冬短夏长，属于南亚热带海洋季风气候，年平均气温19～21 ℃，年降雨量约1 382 mm；其地势西高东低，具有山秀、溪清、石奇、林幽的生态景观；经济发展快速，2014年实现地区总产值373.92亿元，高于福州市全市平均水平0.9个百分点，居全市第2位，服务外包、港口物流等产业快速发展，全区经济增长转向二、三产业，并依靠其共同发展，近年来，随着马尾新城建设的大力推进，城镇土地利用的性质、结构等也发生相应的变化.

2 资料与方法

2.1 资料收集所收集的资料主要有马尾区2003年1月Landsat-5 TM多光谱遥感影像、2014年12月Landsat-8 OLI多光谱遥感影像，福州经济技术开发区2003—2014年统计年鉴，福建省1 ∶10 000地形图，马尾区行政区划图，福建省DEM数据.

2.2 研究方法

2.2.1 土地利用分类体系及分类方法 以全国遥感土地利用监测分类系统为主要依据，结合研究区的实际土地利用情况，将马尾区土地分为林地、水域、耕地、建设用地及未利用地五大类别；在此基础上，对两期遥感影像进行了辐射校正、几何校正、裁剪等相应的预处理，并在ENVI平台上，计算了归一化植被指数(NDVI)，将其作为土地利用分类的辅助数据，同时与影像原始波段进行组合，利用Rulegen插件，采用QUEST决策树分类法提取了马尾区2003和2014年的遥感影像土地利用信息，并完成相应的专题图制作.

2.2.2 土地利用时空变化分析方法 土地利用变化主要体现在土地利用的类型、数量、结构变化、土地利用程度等方面[12-15]，因此，本文从土地利用的类型、数量、结构、利用程度、转移方向等方面来研究马尾区土地利用的变化特征.

(1)单一土地利用动态度：指某类土地利用的类型及数量的变化情况[16]，其表达式为：

(1)

式中:T代表研究期；Ua、Ub分别代表始末两期同种土地利用类型的面积.

(2)综合土地利用动态度：用于描述研究区土地利用总体变化的程度[17]，表达式为：

(2)

式中：LUi为研究初期第i类土地的利用面积；ΔLUi-j为第i类土地利用转化为非i类土地利用的面积之和；T为研究期.

(3)土地利用转移矩阵：在土地利用动态变化研究中，转移矩阵是研究各类型间相互转化的主要手段[18]，表达式为：

(3)

式中：i、j分别代表始末两期的土地利用类型；n为类别总数；Sij为研究期内第i类向第j类转化的总面积.

(4)土地利用程度综合指数：该指数是人类对土地实际利用状态的反映.刘纪远等[19]提出土地利用程度的量化方式，其表达式为：

(4)

式中：Ai、Ci分别为第i级土地利用程度的分级指数和分级面积百分比.

根据刘纪远等[19]提出的土地利用程度的相应分级原则，马尾区各土地利用类型所对应的土地利用分级指数如表1所示.

表1 土地利用程度分级赋值表

2.2.3 土地利用变化驱动力研究方法 本文主要从政策导向及社会经济发展两方面来研究其对土地利用变化的影响，由于政策法规难以定量化，故仅对其进行定性描述，而对于社会经济发展的驱动分析，则采用主成分分析法.

主成分分析(PCA)是通过降维的方法用综合指标代替单一指标的一种分析方法，它能以最少的变量反映出最多的信息[20-22].在驱动力研究中经常采用PCA分析法，因该法能将众多的相关因子集中到某一成分上，并直观地反映出主要因子.

3 结果与分析

3.1 土地利用的分类结果采用QUEST决策树分类法提取马尾区2003和2014年的土地利用信息，并基于GIS平台，完成专题图的制作，同时，参考马尾区的Google Earth影像，选取若干验证点，采用精度评估法进行精度评价，分类总精度分别为87.82%、88.78%，Kappa系数为0.8404、0.8541，土地利用分类如图2所示.

图2 马尾区2003和2014年的土地利用分类图

3.2 土地利用变化的分析

3.2.1 土地利用数量变化分析 由表2可知，2003—2014年马尾区林地、水域、耕地、未利用地的面积减少，建设用地的面积增加，其中建设用地的变化量及变化幅度最大；从土地利用动态度上看，11年间，建设用地的动态度最高，耕地次之，其他土地利用类型的变化较少；综合土地利用的动态度为0.95%，表明研究期内土地利用的变化较为缓慢.

表2 2003—2014年马尾区土地利用面积的变化 hm2

3.2.2 土地利用结构变化分析 马尾区2003—2014年的土地利用结构如图3所示，11年间，林地、水域、未利用地、耕地所占比例下降；建设用地所占比例增加至12.47%，从图3中可以直观地看出，马尾区土地利用的类型仍以林地为主，所占比例均超过55%.

图3 马尾区2003和2014年的土地利用结构图

3.2.3 土地利用类型的转移矩阵分析 1)土地利用类型的数量转化分析 从表3中可以看出，2003—2014年间，林地、水域未变部分的面积分别为13 660.47 hm2和3 337.56 hm2，转出的面积大于转入，其中，林地主要转向未利用地及耕地，水域则大部分流向建设用地；未利用地、耕地与其他用地之间的转化率较高，减少部分集中流向建设用地；相比其他土地利用类型，建设用地增加的面积远远大于转出的面积，新增部分的面积为1 064.88 hm2，转出部分的面积仅为123.12 hm2.

表3 马尾区2003—2014年土地利用的转移矩阵 hm2

2)土地利用类型空间转化分析 从各土地利用类型的空间变化图中可以发现，95%以上的林地未发生变化，增加及减少部分主要集中在山脚，靠近建成区，在海拔较低或者靠近水源等生产条件较好的区域，部分林地转为耕地(图4 a)；耕地面积减少的部分主要集中在亭江镇和琅岐经济区，在亭江镇范围内耕地主要向建设用地转化(图4 b)；水域转出的面积绝大部分都流向建设用地，且大部分发生在亭江镇区域内(图4 c)；靠近河流沿岸的未利用地已经开始被利用，增加的部分主要分布于林地中，主要是裸地，从中也可以看出，原有建成区的未利用地已经被开发为建设用地(图4 d)；建设用地增加的区域主要集中在马尾镇、亭江镇、琅岐经济区，其中，亭江镇建设用地的面积增加最多，琅岐经济区主要是交通用地增加及居民点向外扩张(图4 e).

图4 马尾区各土地利用类型的空间变化图

3.2.4 马尾区土地利用程度变化分析 经计算，2003年马尾区土地利用程度的综合指数为228.89，2014年为234.69，11年间，土地利用程度的综合指数净增5.79，上升了2.53%，土地利用程度有所提高.为了进一步研究其空间分布情况，本文在GIS平台上，以3×3的像元为统计单元，通过邻域分析、栅格计算等步骤，得出马尾区土地利用程度的综合指数空间分布格局，从图5中可以看出，马尾区内的土地利用程度大部分处于中等水平，且土地利用程度较高的区域都集中在河流沿岸，马尾镇、罗星街道及亭江镇对土地的开发利用主要是沿着河流呈狭长状延伸.

图5 2003和2014年马尾区土地利用程度的综合指数空间分布图

由上述分析可知，马尾区主要河流对土地利用的空间分布起了关键作用，因此，为了进一步分析土地利用程度的变化特征，本研究以区内的主要河流—闽江为对象，对缓冲区进行了分析，探究了土地利用程度与河流缓冲距的关系.如图6所示，2003和2014年，土地利用程度的综合指数随河流缓冲距离的变化而变化，总体趋势为：先增加后减少，最后趋于平缓；当缓冲距为1 000 m时土地利用程度的综合指数达到最大，分别为281.99、296.79，缓冲距在3 000 m外的区域，土地利用程度的综合指数基本不发生变化.

究其原因，在缓冲距为500 m内，土地利用类型除了建设用地外还包括一些湿地、滩涂等未利用地，土地利用程度较中心城区低，处于一种半自然化的状态；随着缓冲距的增加，住宅、工业仓储、商业设施等建设用地的面积逐渐增加且集中分布，因此，在缓冲距为1 000 m时，土地利用程度的综合指数达到最大；缓冲距在1 500～3 000 m之间时，受到地形因素的影响，建设用地的面积逐渐减少，耕地、林地、裸地的面积增加，土地利用强度开始下降；而缓冲距大于3 000 m外的区域，95%以上是林地，人为干扰程度低，土地利用方式回归自然化.

3.3 土地利用变化的驱动力研究

3.3.1 政策法规对土地利用变化的影响 改革开放以来，福州马尾区依托其优越的政策、地理位置、自然环境等一路高歌猛进，城市化、工业化进程加速，社会经济不断发展.在《福州市城市总体规划(2011—2020年)》中提出要构建“一核心、两新城、三组团、三轴线”的城市空间结构，要将马尾新城作为福州市区向东延伸的主要阵地，在马尾新城的规划中对快安、亭江、琅岐、马江等片区提出了明确的功能定位及发展目标.在这些政策的导向下，福州马尾区又迎来了新的发展机遇，如城市建设步伐加快，积极开展招商引资工作，大力扶持各类企业等，随着马尾新城的开发建设，其土地利用结构也发生了相应的变化，如企业入驻，进出口贸易扩大、楼盘开发等，这使得工业仓储、住宅、商业服务等建设用地不断增加，耕地面积大幅减少，原本城区内的一些坑塘湖泊也被高楼大厦所取代，特别是在亭江镇地区，大片的农田转为建设用地；另外，由于良好的交通环境是区域发展的基础，因此为了创造更好的投资环境，政府不断加大了交通建设的投资，2006年末实有道路面积为5.19×104m2，而至2013年末道路总面积增加到1.02×106m2，公路、铁路等交通建设用地亦不断增加.

与此同时，2014年12月国务院批准设立福建自贸区，马尾区也由此成为福建自贸区福州片区的主阵地，在“一带一路”的规划建设中，马尾区凭其得天独厚的地理区位和自然环境等成为21世纪海上丝绸之路的战略枢纽城市，迎来了发展的第二个春天，其土地利用类型、结构等在相关政策的引导下也随之会发生变化.

3.3.2 社会经济驱动机制研究 结合马尾区社会经济发展情况，采用PCA分析法，选择X1—年末总人口(人)、X2—城镇化水平(%)、X3—人均GDP(元/人)、X4—工业总产值(万元)、X5—社会固定资产投资(万元)、X6—第一产业比重(%)、X7—第二产业比重(%)、X8—第三产业比重(%)、X9—农民人均纯收入(元)、X10—社会消费品零售总额(万元)、X11—城镇居民人均可支配收入(元)、X12—粮食产量(吨)12个指标.这12个指标综合反映了人口、城镇化水平、产业结构、经济发展等方面.

在SPSS软件上，首先将原始数据标准化，在此基础上，进一步求出载荷矩阵及各因子累计方差贡献率.遵循特征值大于1的原则，提取出两个主成分，所提出的两个主成分累积方差贡献率为91.37%，大于85%，满足分析要求.

因子载荷矩阵反映了各个主成分与12个指标的载荷关系，从表4中可以看出，第一主成分与X2、X3、X4、X9、X10、X11、X12等因子高度相关，这些因子综合反映了经济发展状况、城镇化水平、居民收入水平，可以将第一主成分作为经济发展、城市化水平代表；第二主成分与X1、X7、X8相关性较高，可以将其作为产业结构和人口增长的代表.

表4 主成分载荷矩阵

在此基础上求出主成分特征向量，构建主成分得分表达式：

F1=0.272X1+0.304X2+0.310X3+0.310X4+0.284X5-0.260X6-0.248X7+

0.259X8+0.307X9+0.301X10+0.311X11-0.287X12

F2=0.349X1-0.222X2+0.115X3+0.140X4-0.015X5-0.118X6+0.584X7-

0.545X8+0.204X9+0.258X10+0.148X11+0.118X12

根据主成分表达式分别计算两个主成分得分，依据方差贡献率确定两个主成分的权重，计算马尾区土地利用变化每年驱动力综合得分，从图7可知，社会经济因素对马尾区土地利用变化的影响不断上升，以2009年为分界点，在此之前综合得分为负值，2009年起综合得分为正值，且不断上升，表明社会经济发展对马尾区土地利用变化的影响力逐渐增强.

由上分析可知，经济发展、城镇化水平、产业结构调整及人口增长是马尾区土地利用变化主要的社会经济驱动因子.经济的增长，城镇化水平的提高必将导致建设用地面积的增加，使得土地利用逐渐非农化，人口增加及产业结构的调整，尤其是第三产业的兴起会很大程度地推动住宅、社区服务等用地的扩大.在这些因子的综合影响下，马尾区的土地利用结构和土地利用程度必然发生变化.

4 结 论

本文利用RS和GIS空间信息技术，分析了马尾区2003—2014年土地利用的时空变化规律，并通过主成分分析法研究了马尾区土地利用变化的驱动机制，研究表明：

(1) 马尾区2003—2014年土地利用的动态变化表现为：林地、水域、耕地、未利用地面积减少，而建设用地在11年间增加了941.76 hm2，变化幅度最大.区内综合土地利用的动态度为0.95%，表明土地利用变化较为缓慢.

(2) 通过土地利用转移矩阵可以发现，林地、水域、未利用地及耕地的转出部分要远大于转入部分，建设用地则刚好相反，林地主要向未利用地和耕地转化，耕地、水域、未利用地主要流向建设用地；从人们对土地开发利用的程度上看，2003、2014年马尾区土地利用程度的综合指数分别为228.89，234.69，11年间，增加了5.79，变化率为2.53%，土地利用处于发展期；通过对河流缓冲区的分析可知，在缓冲距为3 000 m的区域内，其土地利用程度较高，变化明显，而在3 000 m外的区域，土地利用类型则以林地为主，变化缓慢.

(3) 马尾区土地利用变化的驱动因素可以归为社会经济因素及政策导向.其中，由主成分分析得出：经济发展、城市化、人口增长、产业结构4个因子是马尾区土地利用变化最主要的社会经济驱动因子，经济的增长，城镇化水平的提高，人口增长以及第三产业的兴起等必然导致对建筑用地的需求不断增加，从而对土地利用结构和程度产生深刻的影响，而且这些因素的驱动力综合得分呈上升趋势，表明影响马尾区土地利用变化的社会经济驱动力逐年增强.此外，福建自贸区建设，福州城市总体规划等相关的政策法规对该区土地利用结构的变化也起到了关键的引导性作用.

综上所述，随着社会经济的快速发展，马尾区内耕地、水体、林地等自然地表逐渐被建设用地所取代，从而对区域生态环境产生了不利影响，因此，为实现该区的可持续发展，需加大对经济的引导，有序推进城市化进程，并合理控制人口增长，另外，在城市建设过程中应妥善解决城中村问题，以提高土地资源的利用率.

[1] 杨梅, 张广录, 侯永平. 区域土地利用变化驱动力研究进展[J]. 地理与地理信息科学, 2011, 27(1): 95-100.

[2] 华文剑, 陈海山, 李兴. 中国土地利用/覆盖变化及其气候效应的研究综述[J]. 地球科学进展, 2014, 29(9): 1 025-1 035.

[3] Meyfroidt P, Lambin E F, Erb K H, et al. Globalization of land use: distant drivers of land change and geographic displacement of land use[J]. Current Opinion in Environmental Sustainability, 2013, 5(5): 438-444.

[4] 王晓峰, 傅伯杰, 苏常红, 等. 西安市城乡建设用地时空扩展及驱动因素[J]. 生态学报, 2015, 35(21): 7 139-7 149.

[5] Serra P, Pons X, Saurí D. Land-cover and land-use change in a Mediterranean landscape: a spatial analysis of driving forces integrating biophysical and human factors[J]. Applied Geography, 2008, 28(3): 189-209.

[6] Cvitanovi M, Blackburn G A, Jepsen M R. Characteristics and drivers of forest cover change in the post-socialist era in Croatia: evidence from a mixed-methods approach [J]. Regional Environmental Change, 2016: 1-13.

[7] Kamusoko C, Aniya M, Adi B, et al. Rural sustainability under threat in Zimbabwe-simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model[J]. Applied Geography, 2009, 29(3): 435-447.

[8] 许月卿, 田媛, 孙丕苓. 基于Logistic回归模型的张家口市土地利用变化驱动力及建设用地增加空间模拟研究[J]. 北京大学学报(自然科学版), 2015, 51(5): 955-964.

[9] 刘康, 李月娥, 吴群, 等. 基于Probit回归模型的经济发达地区土地利用变化驱动力分析——以南京市为例 [J]. 应用生态学报, 2015, 26(7): 2 131-2 138.

[10] 孙静雯, 王红旗, 张欣, 等. 基于决策树分类的根河市土地利用变化及驱动力分析[J]. 中国人口·资源与环境, 2014, 24 (3):449-452.

[11] 徐小明, 杜自强, 张红, 等. 晋北地区1986—2010年土地利用/覆被变化的驱动力[J]. 中国环境科学, 2016, 36(7), 2 154-2 161.

[12] 彭锋. 基于RS与GIS的银川市土地利用/土地覆盖变化研究[D]. 兰州: 兰州大学, 2011.

[13] Yu W, Zang S, Wu C, et al. Analyzing and modeling land use land cover change (LUCC) in the Daqing City, China[J]. Applied Geography, 2011, 31(2): 600-608.

[14] Fonji S F, Taff G N. Using satellite data to monitor land-use land-cover change in North-eastern Latvia[J]. Springer Plus, 2014, 3(1): 61.

[15] Ruelland D, Tribotte A, Puech C, et al. Comparison of methods for LUCC monitoring over 50 years from aerial photographs and satellite images in a Sahelian catchment[J]. International Journal of Remote Sensing, 2011, 32(6): 1 747-1 777.

[16] 高义, 苏奋振, 孙晓宇, 等. 近20年广东省海岛海岸带土地利用变化及驱动力分析[J]. 海洋学报, 2011, 33(4): 95-103.

[17] 李传哲, 于福亮, 刘佳, 等. 近20年来黑河干流中游地区土地利用/覆被变化及驱动力定量研究[J].自然资源学报, 2011, 26(3): 353-363.

[18] 娄和震, 杨胜天, 周秋文, 等. 延河流域2000—2010年土地利用/覆盖变化及驱动力分析[J]. 干旱区资源与环境, 2014, 28(4): 15-21.

[19] 刘纪远. 中国资源环境遥感宏观调查与动态研究[M]. 北京: 中国科学技术出版社, 1996：86-186.

[20] Abdi H, Williams L J. Principal component analysis[J]. Wiley Interdisciplinary Reviews: Computational Statistics, 2010, 2(4): 433-459.

[21] 林海明, 杜子芳. 主成分分析综合评价应该注意的问题[J]. 统计研究, 2013, 30(8): 25-31.

[22] Abdi H, Williams L J, Valentin D. Multiple factor analysis: principal component analysis for multitable an multiblock data sets[J]. Wiley Interdisciplinary Reviews: Computational Statistics, 2013, 5(2): 149-179.

Land Use Changes and Its Driving Forces in Mawei District Fuzhou from 2003 to 2014

Fang Canying1, Xu Zhanghua1,2, Wang Shaogu1, Huang Xuying1, Lin Lu1

(1. College of Environment and Resources, Fuzhou University, Fuzhou 350116, China; 2. Center for Region & Urban and Rural Planning, Fuzhou 350116, China)

Based on the remote sensing images of Mawei District in 2003 and 2014, the decision tree classification method was used to classify the land use, the total accuracy was 87.82% and 88.78%, respectively. Then, the spatial-temporal changes of land use in Mawei District including the land use quantity, transfer matrix, and land use degree, were analyzed, the results suggested that the forest area, water, farmland, and unused land area have decreased, while the construction land has increased significantly from 2003 to 2014 in Mawei District. The single land use dynamic degree of the construction land was the highest, that of the cultivated land was the second, the comprehensive land use dynamic degree was 0.95%, and the land use change was relatively slow. In the process of land conversion, the forest land mainly was converted to the unused land, farm land and cultivated land; cultivated land, water and unused land mainly flowed to the construction land. The analysis results of the river buffer area suggested that the area with great changes of land use was mainly concentrated on the buffer area within 3000 m from the river. Based on it, the total population, per capita GDP, the rate of urbanization and other socio-economic indicators were selected to explore the driving factors of land use change in the study area, and the principal component analysis were performed. The results indicated that economic growth, improvement of urbanization, population growth and industrial structure adjustment and optimization were the main socio-economic driving forces leading to land use change. Furthermore, the driving force comprehensive score of these factors have increased year by year, which suggested that its influence will be constantly enhanced. Additionally, the policy and measures of government on land-use structure change also plays a key role.

Mawei district; remote sensing; change of land use; principal component analysis; driving force

2016-10-17

福建省自然科学基金(2016J01188)；国家自然科学基金(41501361)；福建省资源环境监测与可持续经营利用重点实验室开放基金(ZD1403)；福州大学人才基金(XRC-1345)

方灿莹(1993-)，女，福建漳州人，福州大学环境与资源学院2015级硕士研究生，E-mail:1158985715@qq.com

许章华(1985-)，男，福建福清人，博士，讲师，硕士研究生导师，研究方向：资源环境遥感、城乡规划与GIS应用，E-mail:fafuxzh@163.com

1004-1729(2016)04-0377-10

P951；TP79

A DOl：10.15886/j.cnki.hdxbzkb.2016.0057