文峪河流域土地利用/覆被变化及其驱动力分析

安冠霖，郭晋平

(山西农业大学林学院，山西 太谷 030801)

土地利用/覆被变化是陆地景观格局变化的表现之一，也是造成全球景观变化的重要原因[1]。21世纪以来，区域土地利用情况明显改变[2]，已经影响到区域的生态安全[3]。人类可以通过改变土地利用方式来逐步改善环境问题[4]。土地利用/覆被变化受到自然、经济、区位等因素的综合影响，各因素以不同的方式驱动各地域类型的转变，对区域土地驱动力的研究有助于更好地利用与开发土地资源[5-7]。文峪河流域是典型的中西部小流域，近18年来的土地利用/覆被变化变化明显,由此造成的影响也日益显著。而目前尚缺乏对中西部地区小流域整体土地利用/覆被变化过程和规律以及驱动力因子与机制的全面深入探讨。选取文峪河流域进行土地利用/覆被变化及其驱动力研究，其目的在于揭示中西部小流域土地利用/覆被变化过程特征及其驱动力，为中西部小流域土地利用/覆被变化研究提供典型案例，同时也为中西部小流域土地资源开发与保护以及土地利用结构优化提供科学依据。

1 研究区概况

文峪河是黄河支流汾河的支流，发源于山西省交城县关帝山，流经交城县、文水县、汾阳市、孝义市，在孝义市境内汇入汾河。流域地处汾河中游，太原盆地西南缘。地理坐标为东经111°21′06″～112°19′34″，北纬36°56′42″～37°53′38″。属暖温带大陆性半干旱气候区。地形复杂、山体陡峭，各处气温、降水差异较大。全区年均气温3～7℃，高海拔区较寒冷，低山谷地温和。7月均温17.5℃，1 月均温 -10.2℃，极端低温可达 -29.1℃；年均降水量450～700 mm，年蒸发量 1 600～1 800 mm，相对湿度70.9%；≥0℃积温 2 100℃，无霜期100～130 d，日照时数 1 900～2 200 h。流域内土壤、植被类型众多[8]。

2 数据与方法

2.1 数据来源

将2000-2018年的五期Landsa TM/OLI_TIRS遥感图像在ENVI中进行波段融合、辐射校正、镶嵌、裁剪、监督分类等操作，并对分类结果进行聚类、过滤等分类后处理。经手动调整，修改混分、错分的分类结果，将研究区分类为耕地、林地、草地、水域、建设用地、其他用地六大类[9]。本研究使用的经济统计数据均来自流域各县市的政府统计部门。部分自然驱动因子数据来自国家地球系统科学数据中心、中科院资源环境科学数据中心、OpenStreet Map、地理空间数据云、国家气象数据中心、USGS及NASA。

2.2 土地利用/覆被状态指标及其计算

1)土地利用转移矩阵是土地利用类型间相互转化的数量和方向定量研究的主要方法[10]。基于土地利用数据使用GIS、ENVI等工具获取土地结构及转移数据。

2)单一土地利用动态度：定量描述区域一定时间范围内某种土地利用类型的面积变化速度。其计算公式为：

式中：K表示研究时段内某地类的变化速度,Ua和Ub分别表示研究初期a和期末b某地类的面积[11]。

3)综合土地利用动态度:定量描述研究区内整体土地变化的速度[12]。其计算公式为：

式中：Ui表示各分期初期第i地类的面积,△Ui-j表示各分期的地类转移面积，T为研究期长度。

4)土地利用/覆被转移状态指数：定量描述某土地利用类型的转入与转出的状态[13]。其计算公式如下：

式中：Vin、Vout—第i种地类在T1～T2期间的转入速度和转出速度。转入、转出速度是某分期某地类转入、转出面积与该分期该地类总面积之比。

5)土地利用程度指数：反映土地利用的深度、广度。将土地利用程度划分为4级；将未利用地赋值为1；林地、草地、水域赋值为2；农业用地赋值为3；建设用地赋值为4[14]。其计算公式如下：

式中：Lj表示研究区域在j时间的土地利用程度，Ai表示研究区内第i级土地利用程度分级指数,Ci表示研究区内第i级土地利用面积占比。

6)土地利用信息熵和均衡度：分别反映土地利用系统的有序程度和均衡性。熵值越大，土地利用系统的有序性越低；均衡度值越大，土地利用的匀质性越强[15]。二者的表达式分别为：

式中：Pi为研究区某一土地利用类型的面积比例，m为研究区内土地利用类型数。

7)基于马尔柯夫模型对流域未来土地结构进行预测：通过最近一期土地转移矩阵求出土地转移概率矩阵，并基于2015年的土地面积对2018-2023年的土地利用结构进行预测，使用2018年的预测结果进行准确度检验。计算公式如下：

A(n)=A(0)×P(n)

式中：A(0)和A(n)分别为各地类的初始状态和n时刻后的预测状态，P(n)为初始状态土地利用概率矩阵经过n步转移后的概率矩阵。

P(n)=Pn

式中：n步转移概率矩阵P(n)是保持转移概率矩阵不变的情况下首步转移概率矩阵P的n次方。

卡方检验统计量计算公式如下：

2.3 土地利用/覆被变化驱动力数据库的建立

1)驱动因子指标体系

驱动因子分为自然因子、区位因子、社会经济因子3个一级指标。其中，自然因子包括地形、土壤、气候、生态、植被5个二级指标，地形因子包括高程、坡度；土壤因子包括土壤类型、土壤有机质含量；气候因子包括平均温度、平均降水、平均湿度、平均气压、平均风速、日照时数、0℃积温、10℃积温、湿润程度、干燥程度、LST(地表温度)、ET(蒸散发量)；生态因子包括总生态系统服务；植被因子包括植被类型、FPAR(光合有效辐射)、LAI(叶面积指数)、NDVI(归一化植被指数)、EVI(增强型植被指数)、GPP(总初级生产力)、NPP(净初级生产力)。区位因子包括城镇距离、道路距离、水域距离。社会经济因子包括经济、人口、产业结构科技3个二级指标，经济因子包括GDP、人均GDP、财政支出、存款余额、贷款余额、城市化指数；人口因子包括人口总数、农业人口、城镇人口、人口密度、单位面积国土人口。产业结构科技因子包括一产产值、二产产值、三产产值、一产比重、二产比重、三产比重、农业机械总动力、规模企业数。

2)因变量获取

在ENVI及GIS中，部分自然驱动因子数据主要基于USGS DEM数据以及NASA MODIS数据获取。社会经济因子以统计数据进行插值获取。区位建设因子基于相关矢量图层制作。所有驱动因子都经过数据的正规标准化处理[17]。基于土地利用数据获取因变量图层。将因变量制作为二分类数据，其中0表示某一地类没有发生变化的部分，1表示某一地类发生了转变的部分[18]；将因变量图层与驱动因子随机抽样并提取值至SPSS，使用向后：LR的方法分析[19]。

3)驱动力分析模型构建

选取Logsitic模型分析土地覆被驱动力。根据Logistic回归的建模要求，记某一类型土地发生变化的概率为P，则没有发生的概率为1-P，相应的回归模型为[20]：

ln[P/(1-P)]=α+β1x1+β2x2+，…，+βnxn

式中,x1、x2，…，xn表示对结果Y的n个影响因素；α为常数项；β1β2…βn为Logistic回归的偏回归系数。事件发生的概率是一个由解释变量xn构成的非线性函数，表达式为[21]：

Logistic回归模型拟合结果通过经最大似然估计法计算的统计量表格表示，主要包括回归系数、效应系数。比较回归系数的绝对值可判断驱动作用的大小，通过回归系数的符号与效应系数可看出驱动因子的作用方式。如H-L检验值大于0.05，可认为模型拟合程度较好；如ROC曲线AUC值大于0.5，可认为模型的预测准确度较高；如显著性值小于0.05，可认为该因子对土地变化的驱动作用显著[22]。

3 文峪河流域土地利用/覆被的变化

3.1 土地利用/覆被结构的变化

2000—2018年，耕地面积下降350.06 km2，占总面积比重减少6.93%，自身面积减少17.03%；林地面积下降37.86 km2，占总面积比重减少0.76%，自身面积减少了1.67%；草地面积下降21.59 km2，占总面积比重下降0.43%，自身面积减少了4.68%；水域面积增加10.81 km2，占总面积比重增加0.22%，自身面积增加了303.65%；建设用地面积增加382.85 km2，总面积占比增加7.61%，其自身面积增加了179.32%；其他用地面积增加15.85 km2，总面积占比增加0.32%，自身面积增加了450.28%(表1)。耕地面积减少总量较大，比重下降明显；林地面积减少总量较小，比重下降很小；草地面积减少总量较小，比重下降较小；水域面积增加总量较小，比重增加较大；建设用地面积增加总量较大，比重增加明显；其他用地面积增加总量较小，比重增加较大。

表1 文峪河流域2000—2018年土地利用结构

3.2 各类土地利用/覆被的速度变化

相较于2000年，之后耕地、林地的面积呈减少趋势，水域、建设用地、其他用地的面积呈增加趋势(表2)。整体而言，水域、建设用地、其他用地的变化速度较耕地、林地、草地快。林地的平均变化速度最慢，其他用地的平均变化速度最快。近年来水域的变化速度趋缓，而建设用地、其他用地的变化速度仍然较快。在林地、耕地、草地中，草地的变化速度波动较大，耕地、林地的变化速度较为稳定。2000-2018年流域整体土地利用/覆被变化速度较快。整体来看，耕地的状态指数接近-1，其转出的速度远大于转入的速度，面积减小；林地的状态指数都为负数，其转出速度大于转入速度，面积呈现减小趋势；草地的状态指数趋向0，可认为草地的转入与转出处于双向转换下的平衡状态；水域的状态指数都为正，其转入的速度大于转出的速度，面积呈现增加的趋势；建设用地的状态指数接近1，其转入的速度远大于转出的速度，面积呈现增加的趋势；其他用地的状态指数都为正，其转入的速度大于转出的速度，面积呈现增加趋势。

表2 文峪河流域各分期各地类速度状态指标

3.3 土地利用程度、有序度及均匀度的变化

文峪河流域土地利用程度指数呈持续增加的趋势(表3)，表明随着区域土地利用方式不断调整，土地资源的利用向综合程度较高的方向发展；流域的信息熵、均匀度指数持续增加，表明流域整体的土地利用有序度下降，流域土地利用的均匀度增加。

3.4 土地利用/覆被类型的转移变化

2000—2018年，耕地向草地、水域、建设用地、其他用地支出面积(表4)。林地向耕地、水域、建设用地、其他用地支出面积，草地向林地、水域、建设用地、其他用地支出面积。水域向建设用地、其他用地支出面积，其他用地对建设用地支出面积。

表3 文峪河流域各分期土地利用、信息熵、均匀度

耕地面积收入来自林地，林地面积收入来自草地，草地面积收入来自耕地。水域的面积收入主要来自耕地、林地、草地。建设用地的面积收入主要来自耕地、林地、草地、水域。其他用地的面积收入主要来自耕地、林地、草地。耕地、林地、草地面积为净支出，水域、建设用地、其他用地面积为净收入。总体土地转移面积由大到小依次为耕地、建设用地、草地、林地、其他用地、水域。

表4 文峪河流域2000—2018年土地利用/覆被转移矩阵

3.5 土地利用/覆被的预测分析

利用估计的2018年各地类面积与实际面积进行卡方统计值的计算，其结果为1.043，小于自由度为5上0.05分位点值1.145，故认为本模型的预测结果较为准确。预测显示，未来耕地、林地、草地、其他用地的面积呈下降趋势，水域与建设用地的面积呈现增加趋势(表5)。林地、草地、水域、其他用地的面积变化总量较小，耕地、建设用地的变化总量较大，表明应加强对耕地的保护，合理规划建设用地。

表5 文峪河流域2018—2023年土地利用/覆被结构预测

4 土地利用/覆被变化驱动力

本模型H-L检验的值为0.852，远大于0.05，模型拟合程度较好。ROC曲线中的AUC值为0.823>0.5，模型具有良好的预测准确度。所有因子的显著性值都小于0.05，表明各因子对土地变化的驱动作用显著。

期间地形因子、区位建设因子、土壤因子、生态因子、气候因子、植被因子、经济因子、产业结构科技因子、人口因子对土地变化有显著的驱动作用(表6)。以回归系数绝对值大于1为标准比较可知，高程、平均降水、零度积温、LAI、FPAR、GDP、二产产值对土地变化的驱动作用尤其明显。回归系数为负表示该因子增加一个单位，土地改变的概率减小，发生比缩小效应系数倍；回归系数为正表示该因子增加一个单位，土地改变的概率增加，发生比扩大效应系数倍。

地形因子区分了地表不同区域的高程、地貌，反映了当地地质构造特征，与水热条件组合、植被演替、建设难度、宜居程度、资源丰度、土壤形成、水土保持、土地利用速率等具有明显的关系，是对土地变化长时间影响的基础性因子；土壤因子会对植被、作物生长、建设难度、资源丰度、物质循环等产生影响，对土地变化起到基础、长远的影响；生态因子主要是通过计算综合的生态系统价值得出，其值较高的地区生态系统的供给能力、调节能力、支持能力、服务能力较强，它是影响土地变化的基础、长远的重要因素；气候因子的变化会显著影响到当地的植被演替、土壤发育、建设难度、宜居程度、动物种类与习性，若考虑人类聚居的因素，则气候因素是对土地变化基础的长远的影响因子；植被因子会对区域的食物供给、物质供给、气候调节、水资源保护、土壤形成、物质循环、生物多样性、景观美学等产生显著影响，是影响土地变化基础、长远的重要因子；区位建设因子对土地覆被变化的影响是复合、活跃的，它既受到自然因子的影响，也受到社会经济因子如科技、政策等的影响，会通过集聚效应或者吸引效应对区域土地覆被产生影响。经济因子、人口因子、产业结构科技因子对土地变化的影响是活跃的。人口的增长会增加对环境、资源的刚性需求，同时人口分布的不均衡也会对环境、资源产生压力，经济的发展会带来人们观念的改变、技术的进步，会对土地覆被产生影响；产业结构科技因子的变化会带来资源利用方式、途径、效率、重点的变化，会对土地覆被产生驱动作用；政策因子不易被量化分析，但其显著地受到自然、社会经济因子等因素的影响，对研究区的土地利用/覆被变化具有强制性作用，它对于区域土地变化具有明显、活跃的驱动作用。

表6 文峪河流域整体土地变化驱动力分析

短时间尺度内土地变化的驱动力量主要是区位建设因子及社会经济因子；自然因子对于土地变化具有基础的长远的影响。以上各因子对土地覆被的影响是综合的，并且各因子之间是相互影响的，各因子具有补偿性、不可替代性，对土地的驱动具有阶段性，对土地覆被的驱动既有直接影响也有间接作用。

5 结论与讨论

1)文峪河流域2000—2018年期间的土地利用/覆被经历了快速、复杂的变化：①耕地、林地、草地面积有所下降，水域、建设用地与其他用地的面积有所增加，耕地面积减少总量较多，比重减少明显，建设用地面积增加总量较多，比重增加明显；其余地类总量变化较小；水域、其他用地的比重变化较大。②水域、建设用地、其他用地的变化速度大于耕地、林地、草地。流域整体土地的变化速度较快。耕地、林地的转出速度大于转入速度，草地处于双向转换下的动态平衡，建设用地、水域、其他用地的转入速度大于转出速度。③流域整体土地利用程度增加，有序度下降，均匀度上升。④流域的土地利用转移类型为耕地向草地、水域、建设用地、其他用地支出面积，林地向耕地、水域、建设用地、其他用地支出面积，草地向林地、水域、建设用地、其他用地支出面积，水域向建设用地、其他用地支出面积，其他用地对建设用地支出面积。耕地、林地、草地面积为净支出，水域、建设用地、其他用地面积为净收入。总体土地转移面积由大到小依次为耕地、建设用地、草地、林地、其他用地、水域。⑤经预测显示，耕地、建设用地的面积变化较大，其余地类的面积变化较小，耕地、林地、草地、其他用地的面积下降，水域、建设用地的面积增加。

2)自然因子、区位建设因子与社会经济因子对流域景观都具有显著的驱动作用。影响土地利用的驱动因子有地形、区位建设、土壤、生态、气候、植被、经济、产业结构科技、人口等因子。自然因子对土地变化具有基础性、长远性的影响，短时间尺度上区位建设因子与社会经济因子是影响土地变化的主要驱动力量。各因子的驱动方式不同，具有综合性、补偿性、不可替代性、阶段性、直接作用和间接作用的特点。