基于逻辑回归模型的四平市景观格局演变及其驱动力分析

马萍, 王冬艳

吉林大学 地球科学学院，长春 130061

0 引言

城镇化进程促进城乡发展和居民生活条件的改善，但在快速城镇化的过程中，经济的高速发展、人口的急剧增长和城市规模的快速扩张，破坏了生态平衡，导致土地退化，严重威胁土地资源可持续利用，城镇化过程中产生的负面问题已成为制约城市健康发展和生态文明建设的重要因素[1-3]。以往研究表明，城镇化进程被认为是干扰景观格局变化的主要驱动因素，随着人口快速增长、经济飞速发展和城市持续扩张，人类对建设用地的需求将持续增长，空间景观格局将受到日益严重的干扰[4-5]。系统研究城镇化发展导致的景观格局演变及其生态环境效应成为研究的热点趋势[6-8]。由快速城镇化导致的景观格局演变产生的生态环境问题急待解决。因此，基于国内外土地利用变化过程中的研究成果，结合中国土地开发及利用的特色，将景观特征与格局演变相结合，应用生态学、景观生态学原理探索不同景观类型在自然和人为干扰下生态系统变化程度[9-12]。同时在此基础上，揭示不同景观格局的演变趋势和驱动因子，旨在为城镇化过程中土地资源利用及生态环境保护协调发展提供参考[13-15]。

四平市地处松辽平原腹部，属温带半湿润大陆性气候，四季分明，地处世界著名的玉米黄金带上，农业经济发达[16-17]。长期以农业生产为主的经济模式导致经济粗放型发展严重，研究区正面临快速城镇化和农业可持续发展的双重压力。近30 a内土地利用结构发生明显变化，城市土地快速增长和林草快速缩减表现明显，经济发展与生态保护矛盾日益突出，土地利用可持续发展面临严重挑战[18]。对此，笔者选取四平市为研究区，以1990、2000、2010和2018年Landsat遥感解译数据作为研究基础，借助ENVI、ArcGIS 10.1和FRAGSTATS 4.2软件，对四平市景观格局的时空变化及驱动力进行定量分析，旨在为优化区域土地利用结构及景观可持续发展提供借鉴意义。

1 材料与方法

1.1 研究区概况

四平市位于吉林省西南部(42°49′～43°17′N，124°14′～124°41′E)，辽、吉、蒙三省(区)交界处。地势由东南向西北倾斜，土地资源以耕地和林地为主，河流较多，地貌类型多样，平原最具代表性。四平市隶属大陆性季风气候，年均气温6.0℃，年均降水572.8 mm，土壤腐殖质含量为5.2%～8.6%，是中国东北地区代表性的商品粮基地。辖铁西、铁东2个区，伊通县、梨树县以及辽河农垦管理区，代管公主岭、双辽2个县级市。区域总面积1.4万km2，总人口340万人。随着城市化进程的加快，四平市土地开垦日益增强，环境污染和生态破坏日益严重，生态环境安全面临严重挑战。

1.2 数据来源

基于地理空间数据云[19]下载Landsat TM/ETM遥感影像数据，30 m空间分辨率，获取四平市1990、2000、2010和2018年遥感影像数据。参照岳健[20]土地利用分类结果，基于ENVI软件将遥感影像数据进行数字解译，解译结果分为耕地、草地、林地、水域、城镇用地和未利用地6种类型，解译精度均在80%以上；四平市DEM和Slope数据借助于ArcGIS 10.1平台进行遥感影像“Spatial Analysis”功能计算得到；在ArcGIS 10.1土地利用分类结果的基础上，基于Fragstats 4.2在类型和景观两个尺度上进行计算得到不同年份景观格局指数；在中国气象数据网[21]获取四平市降水、气温、湿度和蒸发量等数据；人口、GDP和各产业生产总值等其他经济数据资料来源于《四平市统计年鉴》[22]。

1.3 研究方法

1.3.1 景观格局指数

景观格局指数是斑块、类型和景观尺度上景观格局和生态过程的定量化研究方法。景观格局指数包括面积-边缘、形状、核心面积、连接度、多样性和聚散性6大指标模块。研究选用11个景观格局指标进行分析，各景观格局指数斑块、类型和景观上互为补充，保证了研究结果的可靠性。各指数计算方法见傅伯杰和邬建国等研究结果所示[23-24]。

1.3.2 土地利用转移矩阵

转移矩阵能够定量化计算、研究景观类型间的转化关系。采ArcGIS 10.1软件中“Spatial Analysis”模块将景观矢量图进行叠加分析，获取1990—2018年间景观空间结构数据来构建转移矩阵，其概率模型如下所示：

Nt+Δt=PNt

(1)

式中：Nt和Nt+Δt分别为t和t+Δt时刻的状态向量；P为转化概率矩阵；Pij( 0≤Pij≤1)为从t到t+Δt时刻系统从斑块类型j转化为类型i的概率，且所有斑块转化的概率和为1，仅内部转化。

1.3.3 Logistic回归模型

本研究采用Logistic 回归模型对景观格局变化驱动力进行分析，以不同景观类型分别构建Logistic耦合模型。基于1990—2018年景观类型提取转化斑块，运用 ArcGIS 10.1“Creat Random Points”工具，以四平市行政外边界作为研究范围，均匀随机创建点栅格，运用ArcGIS 10.1中“Spatial Location Selection”工具，提取各景观类型中的样点，作为栅格样本。循环反复上述过程，直到转化栅格样本和未转化栅格样本分别达1 000和500个时提取过程完成。将转化栅格和未转化栅格分别赋值为“1”和“0”。运用GIS“多值提取至点”功能，在驱动因子栅格图提取1 500个样本的对应的驱动力因素值作为自变量的值。最后将1 500个样本数据导入到SPSS 17.0，采用“Back Wald”方法进行Logistic回归分析，筛选对景观类型转化具有显著影响(p<0.05)的因素进行驱动力分析。

2 结果与分析

2.1 四平市景观格局动态变化分析

通过对1990—2018年的四平市不同时期遥感影像解译，揭示不同时间尺度景观格局变化。四平市1990—2018年间耕地和城镇面积整体呈增加的趋势，分别由1990年的11 652.20 km2和32.20 km2增长至2018年的12 199.60 km2和51.80 km2。林地、草地和水域面积均呈现降低的趋势，分别由1990年的1 432.20 km2、345.80 km2和189.00 km2降低至2018年的1 274.00 km2、239.40 km2和110.60 km2。而未利用地变化波动较大，呈现先降低后增高的趋势(图1)。表明四平市随着城镇化的加剧，人口对粮食和土地的需求较大，耕地和城镇用地逐渐增高，耕地和城镇用地逐年占用草地和未利用地，导致生态用地损失。

图1 四平市1990—2018年景观类型演变Fig.1 Evolution of landscape types in Siping City from 1990 to 2018

对景观空间分布而言(图2)，四平市以耕地为主，集中分布于整个区域。林地分布于四平市东南部，城镇集中分布于西北部，呈现“对称分布”。1990—2018年东南部地区林地面积锐减，东北部略有增加，整体呈现逐渐降低的趋势。研究期间，东辽河流域水来源及水域面积略有降低，但东辽河南部地区的来水量呈现增加趋势，水域面积扩大。西部地区的未利用地、草地面积略有降低。城镇用地面积在1990—2000年基本稳定，在2000—2018年逐渐增加。

2.2 四平市景观类型动态变化特征分析

近30 a来，四平市斑块数量1990—2018年呈现增加趋势，斑块密度和边界密度也逐渐增加，由1990年的4.972 0个/102·m2和69.036 2 m/hm2增加到2018年的4.991 6个/102·m2和69.136 4 m/hm2，斑块平均面积呈现降低的趋势，由1990年的20.929 8 m2降低到2018年的20.849 3 m2(表1)。结果表明1990—2018年四平市景观破碎化不明显；斑块形状的复杂性通过景观面积加权平均分维数表征，反映出斑块形状从简单至复杂。近30 a分维数呈现降低趋势，四平市景观几何形状趋向简单化；蔓延度指标反映不同斑块类型在景观格局中呈现团聚或延展的态势， 反映了景观连接性。 1990—

a.1990年；b.2000年；c.2010年；d.2018年。图2 四平市1990—2018年景观格局演变Fig.2 Landscape pattern evolution of Siping City from 1990 to 2018

2018年蔓延度指数呈现增加的趋势，由50.064 3增加到51.608 6，表明景观类型的空间连接性逐渐增加；四平市近30 a的Shannon-Wiener指数呈现增加趋势，而均匀度指数则相反，景观利用类型多样化和破碎化是其主要原因。

2.3 景观类型间动态转移矩阵

基于ArcGIS 10.1平台计算景观类型转移矩阵，统计汇总获得1990—2018年景观类型动态变化(表2)。结果表明：1980—2010年林地向草地和耕地转变，草地主要转移为耕地，水域向耕地、城镇转移，城镇一部分转移为耕地，未利用地主要转移为草地。近10 a间林地和草地转出面积增加较多，以林地为主，水域次之；城镇主要向耕地和林地转移。整体而言，近30 a来，林地向耕地和草地转移，草地向林地、耕地和未利用地转移，土地利用整体呈现退化态势。

2.4 四平市景观演化驱动力分析

2.4.1 耕地景观演化驱动力分析

根据显著水平和Wald统计量结果，研究区1990—2010年，景观类型转变主导驱动因素依次为总人口> GDP>距河流距离>土壤有机质>降水；根据解释权重大小，2010—2018年主要驱动因子依次为总人口>GDP>高程>距河流距离>土壤有机质>有效灌溉面积>降水。耕地空间驱动模型中两阶段驱动力相差不明显，两阶段主要驱动因素均以人口和GDP为主，主要由于人口的增长和经济的快速发展对粮食的刚性需求较大，进而导致耕地增加迅猛(表3)。

表1 四平市1990—2018年景观指数变化

表2 四平市1990—2018年景观转移矩阵

2.4.2 林地景观演化驱动力分析

研究区1990—2010年，景观类型转变主导驱动因素依次为土壤有机质>森林覆盖率>距河流距离>降水>高程>坡度>GDP；基于权重计算结果，2010—2018年驱动力大小依次为土壤有机质>森林覆盖率>距河流距离>降水>高程(表4)。1990—2010年土壤有机质、森林覆盖率、距河流距离和降水均为重要的解释变量。森林覆盖率呈现正相关关系，表明对森林覆盖率的提升起到正反馈效果。同时，提高1%的森林覆盖率，其他类型转向林地的概率于1990—2010年和2010—2018年分别增加6.147倍和4.315倍。土壤有机质、降水和距河流距离也增加了对林地转化的驱动，主要由于一方面提供了适宜的土壤条件，另一方面提供了充分的水源，表明土壤有机质含量越高，距水源越近，降水越充足的区域，其他景观类型转向为林地的概率越大。

表3 耕地要素驱动力模拟结果

表4 林地要素驱动力模拟结果

2.4.3 草地景观演化驱动力分析

研究区1990—2010年，景观类型转变主导驱动因素依次为草地覆盖率>土壤有机质>距河流距离>降水>高程>坡度>气温；基于权重计算结果，2010—2018年驱动力大小依次为草地覆盖率>土壤有机质>距河流距离>降水>高程>气温(表5)。1990—2018年草地覆盖率、土壤有机质、距河流距离和降水均为重要的解释变量。草地格局变化驱动因素以草地覆盖率、土壤有机质、距河流距离和降水等自然因素为主，主要由于该因子是草地的主要生长条件，直接驱动草地的生成转化。值得注意的是，对于草地而言，除上述主导因子外，气温和高程也起到重要的作用，主要是由于随着全球气候变暖的加剧，高海拔地区融雪水及降水丰富、气温逐渐增加，为草地的草生长提供了良好的条件。

表5 草地要素驱动力模拟结果

2.4.4 水域景观演化驱动力分析

研究区1990—2010年，景观类型转变主导驱动因素依次为降水>气温>坡度>高程>距河流距离；基于权重计算结果，2010—2018年主要驱动因子依次为气温>降水>高程>坡度>距河流距离(表6)。1990—2018年气温和降水均为重要的解释变量，其结果显示正相关性，表明气温和降水的增加使研究区的水分输入增大，进而导致水域面积的增加。值得注意的是，水域转化概率与距河流距离呈负相关，距离河流越近其水域转化概率越大，主要由于水域周边均为滩涂、湿地和草地等，随着气候变暖导致融雪水和降水量增加，水量增加，逐渐占据周边湿地及滩涂区域，进而扩大了水域面积。

2.4.5 城镇景观演化驱动力分析

研究区1990—2010年，景观类型转变主导驱动因素依次为人口>GDP>距道路距离>距河流距离>高程>坡度>森林覆盖率；基于权重计算结果，2010—2018年，驱动因子贡献依次为人口>GDP>距道路距离>高程>坡度>距河流距离(表7)。1990—2018年四平市人口、GDP、距道路距离、距河流距离、高程和坡度均为城镇化景观变化的重要解释因子。人口和GDP呈正相关性，表明人口和GDP作为主要驱动力驱动研究区的城镇化。人口增加导致城建住房刚性需求增强，加大对灰色基础设施的需求，拉动固定资产的投资比例。因此，人口和GDP对城镇用地扩张贡献较大，提高每万人其他类型转向农用地的概率于1990—2010年和2010—2018年分别增加2.646倍和2.189倍，每增加单位亿元GDP，其他类型转向城镇的概率于1990—2010年和2010—2018年分别增加3.315倍和4.751倍。距道路和河流的距离对城镇用地扩张影响呈现负相关，与草地和林地的转化相反，佐证了河流作为水源地对林地和草地的贡献。同时海拔和坡度对城镇用地的转化呈现负相关，表明高海拔地区人口稀少，集中分布于地势相对平缓的平原地带。

表6 水体要素驱动力模拟结果

表7 城镇要素驱动力模拟结果

3 结论

(1)四平市景观格局以耕地和林地为主。近30 a来四平市城镇景观和林地景观面积激增，耕地景观面积比例锐减。整体上，城镇景观和耕地景观呈现破碎化的趋势。

(2)从土地利用转移来看，主要为耕地向林地转化。随着城市化进程的加快，林地和草地逐渐转变为城镇用地。表明四平市随着城镇化的加剧，人口对粮食和土地的需求较大，耕地和城镇用地面积逐渐增大，进而侵占林地、草地和未利用地，造成生态用地损失，生态平衡破坏。

(3)1990—2018年四平市景观演变是自然环境因子、社会-经济复合因子综合作用的结果，其中社会经济(GDP、人口)和政策保护(退耕还林、还草)对景观格局演变的直接作用更为明显。自然因素主要以坡度、高程、距河流距离和距道路距离为主。因此，在大力发展经济和进行开发利用的同时，应加强对生态景观的保护，保证最基本的生态保护红线。