近四十年来广东省土地利用结构特征量化分析

蒋 超, 龚建周*, 赵冠伟, 孙家仁

(1. 广州大学 地理科学学院， 广东 广州 510006；2. 环境保护部华南环境科学研究所， 广东 广州 510655)

土地利用结构是指一定区域各类型用地数量结构和空间分布状况,土地利用结构研究是全球土地计划(GLP)涉及的主要科学问题.揭示土地利用动态过程，对合理配置区域土地利用和优化产业布局，促使土地利用系统良性循环有重要的指导作用[1-3].

土地利用结构的相关研究已从动态变化分析[4]、未来情景预测[5]、布局优化与效益评价[6]、土地利用变化影响因素或驱动力[7]等方面展开.研究者利用指数模型分析了我国省域、市域土地空间供给与土地利用强度的空间均衡度[8-10].土地利用空间均衡是国土空间有序开发战略的内在要求，而土地资源保障均衡是促进土地供给与利用强度空间均衡的基础.土地资源保障均衡包括林地、草地等地类的数量结构均衡，也包括区域内土地资源空间配置均衡.以更完善的时空视角，从土地资源保障视角分析土地利用结构均衡的空间分异、动态特征，是坚持绿色、协调发展的基础.土地利用结构变化与社会经济发展的关系研究[11-12]，受社会经济发展阶段性特征的影响[13-16]，土地利用结构必呈现阶段性特征，基于遥感数据的分时序土地利用结构特征量化研究相对薄弱.

改革开放以来，凭借区域优势和国家优惠政策的红利，广东省经济发展迅速，地区生产总值已连续30年位居全国第一.2018年末全省常住人口密度为627人/km2，远远高出全国人口密度值145人/km2；广东省土地存在建设用地扩张过快，耕地数量锐减等问题，人地矛盾突出.此外，省内土地利用地域特色鲜明，珠江三角洲地区土地利用综合指数明显高于全省平均水平，粤北韶关、清远等明显低于全省平均水平，粤东、粤西等城市与全省平均水平持衡，全局具有明显的区域差异[17-18]，但是揭示省域尺度土地利用结构变化的研究工作并不充分.2020年广东省将完成《广东省国土空间规划(2020-2035年)》的编制工作，适时地进行土地利用变化预测模拟研究，可为其提供研究基础与参考.

团队前期研究揭示了广东省域土地利用结构演变以1990年、1995年和2000年为重要的转折点[19]，值得进一步挖掘土地利用变化阶段特征.CA-Markov模型对未来短期土地利用数量、格局变化预测精度高，借助机器学习算法可模拟当前趋势下未来短期的土地利用状况.鉴于机器学习算法的模拟精度[20]，本研究将模拟广东省2020年、2025年的土地利用，生成1980-2025年多时相系列数据.依据转折点[19]划分出t1(1980-1990年)、t2(1990-1995年)、t3(1995-2000年)、t4(2000-2015年)、t5(2015-2020年)和t6(2020-2025年)六个时段，并进行土地利用数量结构均衡性和多样性的量化分析.

1 区域概况与数据来源

1.1 区域概况

广东省位于20°09′～25°31′N，109°41′～117°17′E(图1)，属低纬度热带亚热带气候区，年平均气温22.3 ℃，全年平均降水量在1 300～2 500 mm之间.全省陆地面积约17.83万km2，下辖21个地级市，包括四大经济片区：珠三角(A)、粤北(B)、粤西(C)和粤东(D).

图1 广东省行政边界图Fig.1 Administrative boundary map of Guangdong province

1.2 研究数据

本文使用的土地利用数据(1980年、1990年、1995年、2000年、2005年、2010年和2015年)来源于中国土地利用现状多时相遥感监测数据库(中国科学院资源环境科学数据中心：http://www.resdc.cn/Default.aspx)的矢量数据，其土地利用类型具体包括6个一级类型和25个二级类型.本研究的土地利用分类体系由6个一级类型构成，即耕地、林地、草地、水域、城乡工矿居民用地(本文简称为工矿居民)和未利用土地.

2 研究方法

2.1 CA-Markov模型

土地利用变化模型是用来刻画土地格局变化与动态的重要工具.其中，CA-Markov模型基于马尔科夫链进行土地利用数量结构模拟，并兼具元胞自动机的时空动态模拟优势，对未来短期土地利用数量、格局变化预测精度高，机器学习算法更是具有预测精度较高的优势[20-21].本文以ArcGIS10.2、IDRISI17.00软件为平台，将所有数据都转成栅格格式，运用CA-Markov模型及机器算法，进行两组数据的模拟预测.首先基于2005年、2010年和2015年土地利用数据，以2010年为起始年，预测2015年土地利用数据，并与实际2015年土地利用数据进行对比，以检验模型运行的可靠性；然后，以2015年实际土地利用数据为起始年，预测2020年土地利用数据.类似地，基于1995年、2005年和2015年土地利用数据，预测2025年土地利用数据.具体步骤如下：

(1)数据格式转换

考虑CA-Markov模型容量和计算机硬件的计算能力，以100 m×100 m为栅格单元，将1995、2005、2010、2015年土地利用矢量数据转为ASCII栅格数据.

(2)模型运算

将2005和2010年土地利用数据导入IDRISI软件，利用Markov模块得到面积转移矩阵(转换规则)，以2010年土地利用数据为起始年数据，默认5×5的CA滤波器，设定中心元胞矩形空间为5×5、迭代次数为5，运算模型得到2015年土地利用模拟图层.

(3)基于Kappa系数、空间位置精度的模型检验

一方面，基于2015年实际和模拟土地利用分类图，计算Kappa系数，Kappa系数越高，表明模拟图层与标准图层的一致性越高，当Kappa系数为0.81～1.00，表明图像几乎一样[22]；另一方面，将标准图与模拟图进行叠置，统计相同位置上用地类型一致的栅格总数，再除以总栅格数，得到模拟图层的空间位置精度[23]，比值越大，则空间位置精度越高.

(4)土地利用模拟预测

当Kappa系数和空间位置检验都满足要求时，基于2010-2015年、2005-2015年面积转换，以2015年为起始年，分别模拟2020年、2025年土地利用.

2.2 单一地类土地利用动态度

土地利用动态度是表达某一研究区一定时间范围内某种土地利用类型面积变化情况，用来研究土地利用结构变化的强度[13]，公式为

K=(Ub-Ua)/Ua×T-1×100%

(1)

式(1)中，K为研究期内某一土地利用类型的动态度，即某种土地利用类型面积的年增减变化情况，正值表示面积增加，负值代表面积减少.K值绝对值越大表明增减速度越快，反之，则速度慢.Ua、Ub分别为研究初期、末期某一土地利用类型面积；T为研究时段长，一般以年作为度量单位.

2.3 洛伦茨曲线及其基尼系数

1905年，美国经济统计学家洛伦兹提出洛伦茨曲线，即利用频率累计数绘制成的曲线，研究地区之间收入差距或财富不平等的程度[24].之后，意大利统计学家基尼提出量化这种不平等程度的方法，即基尼系数.将洛伦茨曲线应用于土地利用结构变化分析，反映土地利用各类型之间数量配置的均匀程度.

本文分1980-1990年、1990-1995年、1995-2000年、2000-2015年、2015-2020年和2020-2025年共六个时段，以地级市为单元，分别绘制各土地利用类型的洛伦茨曲线，并计算基尼系数.以t1(1980-1990年)林地为例，介绍曲线绘制和基尼系数计算与含义.其中，林地、土地的面积分别是1980年、1990年两个时相林地、土地(市域土地总面积)的均值.

(1)计算各市内林地的区位熵，并按照区位熵从小到大顺序，将各市排序(表1第1、2列).区位熵表征该市某种土地利用类型在全省的优势程度.计算公式如下：

(2)

式(2)中，Qi为第i市域内的林地区位熵，ai为i市的林地面积，bi为i市的市域陆地总面积，n为市域总数(本文中，n=21).其值越大，反映i市林地在全省处于优势地位；反之，其值越小，则说明其林地类面积占比越低.

(2)计算各市林地、土地比例(表1第3、4列)以及林地累计、土地累计比例(表1第5、6列).

表1 广东省各市林地区位熵及土地、林地累计比例Table 1 Location entropy and accumulated proportion of land and forest land in forestry areas of cities

以全省土地总面积累计百分比为横坐标，以林地面积累计百分比为纵坐标，绘制洛伦茨曲线；同时绘制一条与横坐标成夹角45°的线，作为绝对均匀线.林地面积累计比曲线与绝对均匀线距离远近与该地类在研究区分布均匀程度正相关.

(3)计算基尼系数判断地类均衡度，具体采用上梯形面积法，其含义是指实际洛伦茨曲线与绝对公平线所包围的面积占绝对公平线与绝对不公平线(横坐标轴)之间面积的比重[25].一般认为基尼系数在0.2以下表示该类土地在全区空间分布绝对均匀，0.2～0.3表示分布相对均匀，0.3～0.4表示分布相对合理，0.4～0.6表示差距较大，0.6以上表示分布差距悬殊[26].公式如下：

(3)

式(3)中，G表示基尼系数，Mi表示各市林地累计比例，Ni表示土地累计比例，n为市域总数(本文中，n=21).

2.4 土地利用结构多样性和集中度

土地利用类型多样，或者各类土地利用面积比例相差越小，则土地利用数量结构均衡度越高.本文选取Shannon多样性指数(Hi)和优势度(Di)两个指数，从多样性和地类的优势度两个方面，揭示市域土地利用结构复杂性和配置均衡程度[23].

(1)Shannon多样性指数(Hi),用于探测土地利用结构的丰富程度.

(4)

式中，Hi为Shannon多样性指数，Pi为第i种土地利用类型面积占研究区总面积的比例，n为土地利用类型数(本文中，n=6).Hi值越大，说明土地利用类型的数量越多，或者各地类的面积相差越小；反之，Hi值越小，则土地利用类型数越小或各地类的面积相差越大.

(2)优势度(Di),用于揭示优势土地利用类型对整个研究区的控制程度[27-28].

(5)

式中，Di用于测度区域土地利用数量结构中占比较大地类的优势程度，其值越大，优势地类的支配地位越突出，地类之间的数量配置越不均衡.

3 结果与分析

3.1 2020年和2025年土地利用变化模拟结果

图2依次为2015年的标准图层与预测结果.基于标准图层对预测土地利用图层进行一致性检验，Kappa系数为0.904，表明预测与标准图层一致性程度较高，且位置精度指数为85.9%.综合检验显示模型的短期预测具有较高可信度.

图2 广东省2015年土地利用标准图(a)与预测结果(b)Fig.2 Standard map of land use in Guangdong province in 2015 (a) and forecast results (b)

利用2015年标准图层数据模拟预测2020年和2025年土地利用分布.图3为预测的2020年和2025年广东省土地利用地类面积总体情况，为了与土地利用现状对比，图3显示了2015年标准土地利用数据.

图3 广东省土地利用地类面积预测结果(2020年和2025年)Fig.3 Land use types in Guangdong province area prediction results(2020 and 2025)

预测期2020年及2025年林地面积分别为94.50×103km2和76.90×103km2，在同期地类面积中最大.预测结果显示：2020年林地面积将首次减小至100×103km2以下，2025年工矿居民用地面积将超过耕地面积，成为区域用地结构中第二大地类.预测表明，2015-2025年林地、耕地面积将持续减少，而草地、工矿居民用地持续增加，水域与未利用土地面积变化不显著.

3.2 土地利用变化单一地类动态度

据表2广东省分阶段各地类动态度可知，林地面积在t3开始负增长，且趋势逐渐增强，珠三角地区、粤西北山区林地向草地转化，致草地面积整体呈现正增长.林地面积减小的原因，其一是受城市化和工业化用地侵占影响，近年来，为保障省级以上重点基础建设，粤东、粤西北推动城市扩容提质，占林比例较大，林地被侵蚀退转为草地；其二是部分地区生态保护工作未落到实处，林地管理经营存在过伐、乱伐，灾后植被恢复不及时的问题.

表2 广东省分阶段各地类动态度Table 2 Dynamics of different types in different stages in Guangdong province %

t1～t3水域面积动态度保持正增长，其原因是：1982年和1985年广东省人民政府先后颁布《关于调整蚕茧生产资料补贴和超产奖的通知》及《关于调整我省桑蚕收购政策问题的通知》，提高了基塘农业经济效应，促进了水域用地面积的大量增加；水域面积动态度在t4开始出现负增长，其主要原因是地类产出价值相差显著，加之疏忽基塘农业的优化，导致基塘面积逐渐萎缩，转型为其他地类.

工矿居民用地面积整体保持正增长，且近年来面积正增长突出.t5城乡工矿居民用地动态度正增长最为显著，预测显示t5工矿居民用地将成为区域第二大地类.特别地，仅t3动态度为负值，其原因包括：中央《关于做好1995年农业和农村工作的意见》明确提出今后不准搞土地预征，省人民政府强调各地今后一律不得再搞预征土地，对已经预征的土地，未按国家和省有关法律、法规规定办理建设用地批准手续的，实行退耕、复耕等处理.

耕地动态度几乎均为负值，面积持续处于减少状态.模型预测显示，2025年耕地面积比例将由全省地类结构中的第二位降至第三位.较特殊的是t3时段耕地面积出现正增长，其原因可包括《关于做好1995年农业和农村工作的意见》、1996年广东省人民政府颁布的《广东省基本农田保护区管理实施办法》等文件，缓和了耕地面积萎缩的趋势.

随着工业化和城镇化持续快速发展，生产要素快速流动与集聚，土地作为人类活动空间载体，其结构与功能发生极大转变.本文通过梳理土地利用阶段特征，显示宏观政策对单一地类动态调控明显，如2010年和2013年国土资源部先后发布了《关于切实加强耕地占补平衡监督管理的通知》《关于强化管控落实最严格耕地保护制度的通知》，广东不断完善耕地保护、占补监督审查机制，缓和了耕地面积锐减的趋势[13].广东省于2009年颁布了《广东省人民政府关于推进“三旧”改造促进节约集约用地的若干意见》，国土资源部2013年颁布《关于开展城镇低效用地再开发试点的指导意见》，对存量工矿居民用地实行“三旧”改造，科学配置新增建设用地，使全省工矿居民用地发展更科学均衡[29].促进土地利用逐渐由重经济效益朝综合开发、生态保护与可持续方向发展，需要国家宏观政策、区域政策进一步调控.

3.3 土地利用结构均衡度与多样性变化

3.3.1 省域层面土地利用空间配置均衡度

绘制出广东省t1各土地利用类型洛伦茨曲线(图4).由于多条地类曲线混杂，可判读性较差，本文分四幅子图展示.地类曲线距绝对均匀线由近及远排序依次为：林地、耕地、草地、水域、工矿居民和未利用土地，反映地类空间配置均衡程度由均衡趋向集中.地类洛伦茨曲线时段变化并不明显，则本文未显示余下时段洛伦茨曲线，仅将各时段土地利用类型的基尼系数计算结果列于表3.

表3 广东省各地类阶段基尼系数Table 3 Variation of Gini coefficient in different land type stages in Guangdong province

图4 各地类洛伦茨曲线图(t1)Fig.4 Lorentz curve of different land types(t1)

表3为六个时段各地类基尼系数，据系数大小可判断研究区地类均衡程度：林地空间配置为绝对平均，即空间上数量配置未出现极端特征，耕地、草地相对合理；水域和工矿居民差异较大，水域集中分布在珠江、韩江流域，粤东、粤西(包括揭阳、汕尾、惠州、茂名、阳江、江门部分县区)，人均水域面积少；工矿居民用地呈中心-外围的空间分布模式，空间配置差异较大；未利用土地差异悬殊，广东省未利用土地类型主要为裸土地(植被覆盖度在5%以下的土地)，其分布稀少.据基尼系数的变化可知对应地类空间配置均衡程度变化，正增长表示趋向集中，反之趋向均衡.林地在t5开始趋向集中，草地均衡变化幅度小，水域、工矿居民用地均衡度变化为“集中-均衡”，耕地基尼系数持续减小，其空间均衡度维持均衡.

3.3.2 市域层面土地利用集中度与多样性

以市域为单元，按式(4)和式(5)分别计算土地利用多样性、优势度指数，并按照广东省经济四大片区，绘制柱状图(图5).由图可见，粤东市域土地利用结构多样性指数略高，珠三角次之，再次为粤西，粤北多样性指数最低，市域优势度数值分异则与多样性指数相反.

图5 市域多样性与优势度分析阶段变化柱状图Fig.5 Cylindrical chart of variation in the stage of urban diversity and dominance analysis

进一步分析片区内市域土地结构指数的变化程度可以发现，珠三角下市域结构指数变化更复杂，其变化程度更剧烈，尤以深圳、东莞、佛山最为突出，余下三个片区结构指数阶段变化相对平缓，土地利用结构多样性及优势度在不同阶段并未显示有较明显的变化，结构较稳定.

珠三角各市域中深圳、东莞、佛山土地利用结构多样性指数持续减小，优势度指数持续增加，阶段间变化更剧烈.其原因是珠三角核心区作为国家级优化开发区域，后备土地资源稀缺，承载着巨大的社会经济压力.目前，深、莞、佛土地开发强度(建设用地总量占行政区域面积的比例)已超过国际警戒线(30%)，本文统计的市域地类面积显示，深圳土地开发强度已超55%，东莞接近50%，佛山略超30%.

4 结论与讨论

基于中国土地利用现状多时相遥感监测数据库中广东省土地利用类型矢量数据，对改革开放以来广东省土地利用结构长时序演变进行分析与预测，本文得到如下主要结论：

(1)土地利用结构模拟结果表明，2020年林地面积将首次减小至100×103km2以下，2025年工矿居民用地面积比例(21.89%)将超过耕地面积比例(19.29%)，成为区域用地结构中第二大地类.

(2)基尼系数显示：草地、工矿居民与未利用土地趋向集中；水域、耕地趋向分散；粤东市域土地利用结构多样性指数略高，珠三角次之，再次为粤西，粤北多样性指数最低，市域优势度数值分异则与多样性指数相反.

(3)珠三角各市域结构变化更复杂、其变化程度更剧烈，余下三个片区结构变化相对稳定.结构指数柱状图具有粤东为对称中心，珠三角与粤西、粤北左右对称的特征.

本文采用结构多样性、集中度从类型与数量刻画土地利用结构阶段特征(土地显性形态)的分段方法，以此使研究分段具有结构共性.但忽视了土地作为人类社会经济活动的空间载体，快速城镇化促使包括土地质量、产权、经营方式和功能等土地隐性形态的变化，其阶段规律与显性形态关系需要如何进一步深入探讨.本文选定市域行政区为空间单元，不能精细地揭示土地利用结构地域差异.今后将以更完善的时空视角解析人类活动与土地利用的耦合关系演化，为缓解人地关系地域系统矛盾提供研究基础.