APP下载

苏州市土地利用变化及其驱动力研究

2020-07-30葛欣怡李宗怡

中国林业经济 2020年4期
关键词:信息熵驱动力苏州市

葛欣怡,李宗怡

(南京林业大学 经济管理学院,南京210037)

1 引言

在资源、环境和人口问题日益严峻的背景下,研究全球环境变化的众多热点问题之一就是土地利用/覆盖变化(LUCC)及其驱动力分析[1],国内外学者在此背景下前赴后继的展开了大量相关研究[2]:1996 年,美国全球变化研究机构分析了20年间北美土地利用情况;1999 年4 月,《LUCC 研究实施策略》中提出,将LUCC的过程及其在全世界的环境中产生变化的影响及响应进一步作为研究的重点。我国LUCC 研究也紧跟国际前沿领域的发展步伐,中国科学院地理科学与资源研究所刘纪远等人作为中国LUCC研究的先行者,研究了因为土地利用变化不科学所造成的区域发展不均衡等问题,同时分析了土地资源与生态环境变化相关联的研究[3]。目前以LUCC为研究中心的科学计划,研究内容包括了两个方面:即是国家或区域的可持续发展战略问题与全球环境变化有关的核心问题[4],将人文驱动因子—LUCC—环境响应系统的这一系列的变化作为研究重点[5-8]。

本文从苏州市土地利用变化与对造成该变化的驱动力进行分析这两方面研究,一方面可以为后期学者对苏州市或江苏省的土地变化问题进行研究提供数据参考,另一方面分析土地变化驱动力可以为苏州市政府制定更好的土地总体规划提供科学依据,促进土地的可持续性发展与利用[9]。

2 研究区概况

苏州位于长江三角洲中部,东经119°55′~121°20′,北纬30°47′~32°02′,总面积为 8 657.32km2。全市地势低平,境内河流纵横,湖泊众多,属亚热带季风海洋性气候,四季分明,气候温和,雨量充沛[10]。2010 年年末总人口637.66万人其中非农业人口比重68.4%,年末从业人员554.15 万人,同比增长6.8%,城镇化水平进一步提高。产业结构得到持续优化。

3 数据来源及研究方法

3.1 数据来源

本文的数据基础如下:①土地利用数据:地球系统科学数据共享平台-长江三角洲科学数据共享平台的1995—2010 年4 期长三角1:10 万土地利用数据集[11];②社会经济数据:苏州统计局官网上1995—2010年统计年鉴。

3.2 研究方法

3.2.1 土地利用信息熵

信息熵是能反映某一区域在某个阶段土地利用类型综合性变化以及有序程度[12]。计算公式为:

式中Pi是指第i类型土地面积占区域总面积的百分比;i表示土地利用类型[13]。理论上当P1=P2=…=PN=1/N时,H达到最大值。可得熵值越大,土地利用类型多样性越高,土地利用结构越均衡[14]。为了增加信息熵的可比性引入了均衡度公式:

当J 趋近于0 时,土地利用结构趋近于最不平衡的状态,反之当J=1时,土地利用结构处于理想化的最平衡状态。最后为了反映区域内土地利用类型受支配程度,与多样性的变化相反,引入优势度,其公式如下:

3.2.2 土地利用转移矩阵

土地利用转移矩阵还可以得到所研究时间内不同类型之间土地转移的具体数量,揭示转移速率[18]。公式为:

其中aij为研究初期土地利用类型转化为研究末期各种土地利用类型的面积[15]。

4 结果

4.1 土地利用类型分布

1995 年苏州市土地以耕地、水域以及城乡工矿居民用地为主,面积占比分别为53.32%、33.37%和10.74%。到2010年土地利用类型大体未发生明显改变,耕地、水域以及城乡工矿居民用地依旧是使用类型占比最多的前三位,但耕地面积减少了17.63%,城乡工矿居民用地增加了15.48%以及水域面积增加了2.34%(见表1)。

表1 1995—2010年苏州市各地类面积表2002年

4.2 土地利用信息熵分析

根据公式(1)、(2)、(3)得到表2,在15 年间苏州市土地利用结构变化趋势经历了两个发展阶段:1995—2000 年土地利用结构信息熵和均衡度稳定增长,土地利用结构调整速度增加,各类用地比例明显,该阶段耕地面积减少明显,城镇工矿居民用地面积稳定增加。2000—2005 年和2005—2010 年这两个时期处于第二阶段:信息熵和均衡度快速增长,截至2010 年土地利用结构信息熵和均衡度达到最高点而优势度相反,说明15年间苏州市土地利用类型多样性增加,土地利用结构趋于均衡状态。

表2 苏州市1995—2010年土地利用结构信息熵、均衡度和优势度

4.3 土地转移矩阵分析

利用ENVI生成转移矩阵。由表3可得,转出面积的转移率为:耕地>水域>城乡工矿居民用地>林地>草地>未利用地;转入面积的转移率为:城乡工矿居民用地>水域>耕地>林地>草地>未利用地。总变化面积为1893.86km2,其中耕地减少了1638.52 km2,主要转化为居民用地与水域。

表3 1995—2010年苏州市土地利用转移矩阵 面积/km2

4.4 主成分分析结果

对土地利用动态过程以及结果产生影响的主要生物、社会、经济因素并对土地利用变化起推动作用的是驱动力。影响土地利用变化的主要驱动力因素包括自然因素和人文因素,其中自然因素由X1气温、X2降水量组成,人文因素如:X3总人口数、X4非农业人口比重、X5人口密度,X6GDP、X7工业总产值、X8固定资产投资总额、X9城镇投资、X10社会零售消费品总额、X11、X12和X13分别为三大产业生产产值比重、X14市区居民家庭人均可支配收入、X15房地产开发投资、X16财政支出,由于政策因素难以量化,所以众多研究中少有给出具体政策因子,在此不定量分析,其余因素如交通因素X17旅客周转量、X18货物周转量,在SPSS 中进行主成分分析,得到相关性矩阵反映了各个因子之间的相关程度,所得数据越大,证明因子之间相关度越高[16]。

在SPSS中分析得出的主成分贡献率数值越高,此主成分所代表原始变量对驱动力的作用越大。通过主成分的累计贡献率确定主成分k的个数,主成分能充分代表原始变量对研究产生主要影响要求主成分累计贡献率≥85%[17]。由特征值与主成分贡献率(见表4)可得,第一、第二和第三主成分的总贡献率高达96.51%,同时他们的特征值>1。

表4 主成分方差贡献与特征值表

由表4可得:第一主成分中根据各变量的载荷系数大于0.85得第一成分与总人口数、非农业人口比重、人口密度、GDP等因素均呈高度正相关,说明在土地利用变化的驱动力中起着重要作用的因素有人口、经济因素。第二成分与第二产业生产产值比重、气温和旅客周转量呈正相关,与第一产业生产产值比重和第三产业生产产值比重呈负相关;这几项指标与产业结构分布,交通因素和自然因素有关,这三大因素也是影响土地利用变化的重要驱动力。第三主成分与年降水量呈高度正相关,即自然因素对土地利用变化也有一定影响作用。

5 讨论

5.1 人文因素

经济发展对土地利用变化有着重大的影响。一方面,经济发展加快了城市化的进程,产业结构趋近于平衡,对建设用地需求急剧增长,导致耕地面积减少;另一方面,苏州多湖泊渔业发展导致水域面积增加,耕地面积减少。虽然主成分分析能得出具体影响土地利用变化的驱动因子但是目前尚缺乏采用科学规范的经济学范式对多种多样的土地利用变化形式进行分析,探索影响多元化土地利用变化机制及其生态和社会经济效果的因素。

人口增长导致城市化进程加快,城市向周边逐渐扩张,越来越多的耕地通过土地利用转变为非农业人口的居住用地以及建设用地。我国经济正处于高质量发展阶段,城镇化发展不会停止,发展带动改变,耕地面积将会持续减少[18],但土地利用转移速度将趋向于平缓。

旅客周转量,货物周转量在第一主成分中载荷值较大,苏州市在研究15 年期间内,旅客周转量增加了133.64亿人/km,货物周转量增加了74.11亿t/km,苏州多港口,航运不断发展,导致水域面积从2 825.10km² 增加至3 021.06km ²,同时苏州公共站点、城市道路,河道通航里程等交通建设都推动了土地利用变化。

政治法律因素是指政策和法律的变动情况[19],苏州市国土资源局依据《中华人民共和国土地管理法》以及中共中央国务院《关于进一步加强土地管理切实保护耕地的通知》等法律政策编制了《苏州市土地利用总规划》在2000—2005年间减缓前期耕地大量减少的速度使土地利用结构趋于均衡。

5.2 自然因素

第二主成分与年平均气温负相关,第三主成分与年降水量呈高度正相关,年平均气温越高反而会减缓土地利用变化的进程,而一定范围内,年降水量的增加会推进土地利用。学者们基于已有数据和土地变化趋势可以估计未来LUCC对环境的影响,再预测气候变化趋势,最终提出合理有效的土地利用计划[20]。

6 结论

①1995—2010年苏州市土地利用主要以耕地、城镇工矿居民用地、水域为主,但各类型所占比例发生了变化,耕地减少的部分主要转化为水域和城乡工矿居民用地。

②1995—2010 年苏州市土地利用结构信息熵和均衡度呈“稳定增长-快速增长”的趋势说明苏州市土地利用类型多样性增加,各类型土地面积差异减小,利用结构趋于均衡状态。

③主成分分析驱动力因子表明,经济、人口以及交通因素是苏州市土地利用变化的主要原因,相对而言自然因素和政策法规因素对土地利用变化影响较小。

猜你喜欢

信息熵驱动力苏州市
苏州市纤维检验院
基于信息熵可信度的测试点选择方法研究
基于信息熵理论研究弩药对膝骨性关节炎大鼠影响
苏州市“从前慢”书吧室内设计
油价上涨的供需驱动力能否持续
基于关键驱动力要素的情景构建应用
温暖厚实,驱动力强劲 秦朝 QM2018/QC2350前后级功放
近似边界精度信息熵的属性约简
以创新为驱动力,兼具学院派的严谨态度 Q Acoustics
一种基于信息熵的雷达动态自适应选择跟踪方法