句容市土地利用变化及驱动力研究
2021-09-15孙泽辰
孙泽辰
摘 要:城市的土地利用随着城镇化进程不断变化,以句容市为例,根据2006—2020年该市国民经济和社会发展统计公报数据,以及2005年、2010年和2019年Landsat5 TM数据,结合相关地形图资料及其各时期政府政策,运用主成分分析方法研究句容市土地利用变化的驱动因素,探讨近年来各经济因素对句容市土地利用变化的驱动作用,以期为其他新兴城市提供参考。
关键词:城镇化;土地利用类型;变化分析;驱动力研究;句容市
中图分类号:F321.1 文献标志码:A 文章编号:1673-291X(2021)24-0094-03
引言
土地利用是人类根据土地自然特点对土地进行的经营改造活动[1]。先前的研究得出经济因素、气候因素和国家政策因素均为土地利用和覆盖变化的影响因素,近年来,部分学者对于句容市土地利用类型进行了相关研究。蔚虹[2]等利用遥感数据获得了1988年、2009年、2014年的句容市土地利用数据,通过时间序列分析法分析了句容市土地利用结构的演变。骆志军[3]自建土地集约利用指标体系,从土地的投入程度、经济产出、利用强度三个方面对其土地利用的合理程度进行分析。这些研究都是从GDP、建筑变化、土地产值等方面探究社会经济发展与土地利用之间的关系,没有考虑到产业变化、交通等因素。本研究将从GDP、人口、生态农业产值、建筑企业总产值、规模以上工业增加值及旅游业等方面探讨句容市土地利用变化与这些因子的相关性。
一、研究区概况及数据来源
(一)研究区概况
句容是江苏省镇江市代管的县级市,地理坐标位于东经31.9°,北纬119.1°,地处苏南[4],总面积1 385平方公里,地势低洼,山川交错,人口约60万人。全市下辖8个镇。句容市内水资源储量充沛,水域面积30万亩,水系包含北部沿江地区的沿江水系、东部的太湖水系和占总面积68.9%的秦淮水系。研究使用区域选择了句容市内大部分区域,大体上涵盖了8个镇。
(二)数据来源
此次遥感数据使用的是2005年、2010年和2019年Landsat5 TM数据,时间跨度大,更有利于观测出土地利用的变化。社会经济数据主要来源于句容统计局官网上的《句容市2006—2020年国民经济与社会发展统计公报》,部分参照《镇江市统计年鉴(2006—2020年)》。
二、研究方法
(一)主成分分析法
主成分分析法将线性相关变量转变为线性无关,由于句容市土地利用变化的驱动因子过多且可能存在共线性,在注重因子内在关系的前提下需利用主成分分析得到数量少、信息多的因子来与其社会经济发展状况进行相关性研究。
(二)土地利用动态度分析
以单一土地的利用动态度研究某一特定土地利用研究期内的变化速度,公式为:
式中,K为单一土地利用动态度;Ua为研究开始时的土地利用类型面积;Ub为研究末尾的土地利用类型面积;T为研究周期长度,本次研究以年为单位。
综合土地利用动态度分析该研究区的土地利用总体变化速度,其表达式为:
式中,LC为综合土地利用动态度;T为研究周期长度,本次研究以年为单位;LUi为T时间内i类土地利用类型的面积;ΔLUi-j为研究时期内i类土地利用类型面积转化为j类土地利用类型的面积。
三、分析和结果
(一)2005—2020年句容市土地利用动态度分析
通过分析数据计算可得到句容市土地利用类型面积变化情况[5]。耕地是句容市最主要的土地利用类型,从2005年的60 894.23km2减少到60 676.37km2,总共减少了217.86km2。句容市有着大量的农产品基地,耕地面积广阔为其必然结果,句容市政府大力推行中低产田改造计划,提高农业综合生产能力,确保基本农田在质量提高的情况下逐步减少面积,进行土地利用类型转换。林地面积为研究期间增幅最大的土地利用类型,增幅达到了15.2%。自句容市生态退耕以来,水土流失得到进一步治理,为巩固成果,继续加大林地面积,可使具有重要生态功能的河流水面继续保持基本稳定[6]。同时重点建设旅游产业,建设以生态旅游为特色的旅游城市。句容市大力加强天然草地改良,提高草场质量,从而减少草场面积投入,从表1中可以看出草地改良颇有成效。建筑用地增幅并不显著,是因为句容市政府整体注重节约集约利用闲置低效用地,适度扩建设用地空间。
由表1可知,总体而言,句容作为新兴城市在2000—2015年间,土地类型变化速率伴随城市化进程逐渐加速,不断上升。在2010—2020年间,句容市为带动经济增长大力发展旅游业,大量草地转化成林地,同时水域的变化速率在合理范围内,说明句容市生态文明建设进展良好,这对构成城乡绿色生态空间有着重大意義[7]。
(二)句容市土地利用驱动力分析
土地利用限制因素包括社会、生态和经济三方面效益,本文结合句容市社会经济发展情况,遵循主成分分析法相关原则选取了10项影响句容市土地利用类型变化的指标:x1为地区生产总值(万元);x2为人均地区生产总值(万元);x3为规模以上工业增加值(万元);x4为全社会固定资产投资额(万元);x5为社会消费品零售总额(万元);x6为户籍总人口数(万人);x7为第三产业增加值(万元);x8为全年接待游客次数(万人次);x9为城镇居民人均可支配收入(万元);x10为农林牧渔总产值(万元)。
利用Stata15.1将10项因子进行标准化处理,接着对各个指标进行主成分分析得到相关矩阵、主成分特征值及贡献率和驱动因子得分矩阵。相关矩阵中大部分变量之间相关度大于90%且存在负相关,相关性满足主成分分析的要求。