洞庭湖生态经济区城乡建设用地演变特征及驱动因素

黄春华，吕靖童，王志远，3*，张 考 ，李 欣

(1.南华大学建筑学院，衡阳 421001；2.湖南省健康城市营造工程技术研究中心，衡阳 421001；3.生态型区域-城市规划与管理衡阳市重点实验室，衡阳 421001)

土地利用/覆被变化受自然因素和人类活动的共同影响，是人类活动改变地球科学系统最直观的表现，也是国土空间规划关注的重点领域。2019年第四届全球土地计划开放科学大会指出，从土地系统科学的视角来解决当前人与自然耦合系统的复杂问题正逐渐成为研究关注的焦点[1]。中国人口和经济规模庞大，仅在1992—2018年，城市建成区面积增长了2.35倍，不断扩张的城乡建设用地侵占了农业和生态用地空间，人与自然之间，生产与生活活动之间以及自然生态系统内部均在不同空间尺度上存在着难以调和的矛盾，严重威胁到区域的生态安全，干扰到国土空间开发秩序[2]。

在城乡建设用地演变的相关研究中，景观指数是最常用的一种描述土地利用类型几何特征的简单定量指标[3],但却无法很好说明引起土地利用变化的原因。因此，越来越多的学者通过Logistic回归模型、多元线性回归、地理探测器、地理加权回归等方法探究土地利用演变驱动力。王雅竹等[4]通过多元回归和地理探测器从时间和空间两个角度探究江苏省建设用地扩张驱动因子；Behera等[5]通过Logistic回归模型分析了印度恒河流域土地利用变化的驱动因素；Zhou等[6]将地理探测器和地理加权回归模型结合起来，分别探究了长江经济带生态用地演变驱动因素的全局和局部影响。从研究尺度来看，驱动因素在不同时空尺度下的结果差异显著。Schneeberger等[7]分别从全球、国家、城市等多空间尺度对瑞士阿尔卑斯山北部景观格局演变驱动力因子进行识别，研究显示,全球尺度以技术因子主导,城市尺度则以政策自然因子主导；吴健生等[8]对深圳市各区建设用地演变的驱动因子进行研究，进一步探讨了因子在微观尺度下的地区差异。此外，研究区域多集中于单个城市[9-10]或城市群[11-12]，对小城镇的研究相对缺乏。在因子的选择上，规划政策方面的驱动因子难以量化，尽管已有学者通过邻域转换规则思想，将生态保护红线、永久基本农田保护红线纳入模型[13]，但较少考虑诸如道路交通建设、开发区建设等推动城镇发展规划政策。因此，研究借助景观扩张指数[14]，定量化相关政策对于城乡建设用地演变的积极影响，进一步探究政策因素对建设用地扩张的驱动作用。

洞庭湖生态经济区是长江经济带的重要组成部分，是“共抓大保护、不搞大开发”主体区域，优化其国土空间开发保护格局具有典型意义。然而快速的城镇化和复杂的湖垸、江湖关系使得该区生态脆弱性表现得特别突出[15-17]。目前，关于洞庭湖生态经济区土地利用演变的研究已经取得了不少成果，主要集中在湿地保护[18]、土地利用变化[19]以及生态系统服务价值评估[20]等方面，以往的研究主要关注耕地、湿地等生态用地的景观格局演变，而对建设用地的变化及其驱动因素研究较少。因此，现以洞庭湖生态经济区的遥感影像为基础，借助土地利用转移矩阵和景观格局指数分析土地利用覆被演变过程；利用Logistic回归模型分别探究全域和县(市、区)尺度下的建设用地演变驱动因素；将景观扩张指数作为体现政策作用的量化指标，补充模型在政策法规方面考虑的不足。

1 研究区概况

洞庭湖生态经济区处于长江中游，位于27°98′～30°23′N，110°20′～114°14′E，主要地形为冲积平原、湖泊水网以及周边的山地丘陵，地形复杂，对维护长江流域生态系统健康起着重要的作用[21]。2014年4月14日，国务院正式批复了《洞庭湖生态经济区规划》，标志着洞庭湖地区的开发正式上升为国家发展战略。研究范围如图1所示，包括湖南省岳阳市、常德市、益阳市、长沙市望城区以及湖北省荆州市，总面积60 500 km2。该区域城镇发展迅速，土地利用覆被发生了较大变化。

图1 洞庭湖生态经济区行政区划Fig.1 Administrative division of Dongting Lake eco-economic zone

2 研究数据与方法

2.1 数据来源与处理

研究采用的土地利用数据来源于2000年、2010年、2020年3个时期，空间分辨率为30 m的Landsat TM和Landsat ETM影像数据。在ArcGIS10.2和Erdas9.2中进行监督分类和目视修改，得到洞庭湖生态经济区土地利用类型，在ENVI 5.1中利用谷歌地球对遥感图像进行精度判定与修正，结果显示精度达到91.3%可用于土地利用演变特征的研究。土地利用分类参照《土地利用现状分类》(GB/T 21010—2017)，将研究区土地利用类型划分为耕地、林地、草地、水域、建设用地、未利用地6种类型。利用国家地理信息中心提供的数字高程模型(digital elevation model，DEM)数据，进行影像校正和坡度分析，获得高程要素和坡度要素。此外，1 km网格的人口和国内生产总值(gross domestic product，GDP)空间分布数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)，道路、乡镇中心数据下载自https://www.openstreetmap.org/，并运用地理信息系统(geographic information system，GIS)的欧氏距离分析功能，提取栅格到主要公路、铁路、水系和原有乡镇中心的距离。

2.2 研究方法

2.2.1 土地利用变化分析

(1)土地利用年变化率和动态度。采用土地利用年变化率和土地利用动态度来分析研究区不同时段内某种土地类型的变化速率及剧烈程度[22]，计算公式为

(1)

式(1)中：Ki为第i类土地利用类型年变化率；Ui为监测开始时第i类土地利用类型的总面积；ΔUi,j为监测开始至结束时段内第i类景观类型与其他景观类型j相互转换后的净变化面积；t为研究时长。

(2)

式(2)中：Di为土地利用类型动态度；Ua为研究区总面积；|ΔUi,j|为监测开始至监测结束时段内第i类土地利用类型与其他类土地利用类型j相互转化面积的绝对值。

(2)土地利用转移矩阵。土地利用转移矩阵反映了研究时段内由一种土地利用类型转变为其他土地利用类型的面积，以及由其他土地利用类型转变为此土地利用类型的面积[23]，表达式为

(3)

式(3)中：n为景观类型总数；i为转移前的景观类型；j为转移后的景观类型；Sij为转移前的i景观类型换成转移后的j景观类型的面积。

2.2.2 景观格局动态分析

景观指数是景观格局分析中最常用的一种定量化方法[24]，主要借助Fragstats4.2软件对景观类型组成及其空间格局变化进行分析[25]。研究选取斑块数量(number of patches，NP)、平均斑块面积(mean patch size，MPS)用于表征景观破碎程度；香农多样性指数(Shannon’s diversity index，SHDI)用于表征景观多样性；景观形状指数(landscape shape index，LSI)、边缘密度(edge density，ED)、蔓延度(CONTAG)用于表征景观形状及分布，计算公式及生态学意义如表1所示。

表1 景观格局指数及其生态学意义Table 1 Landscape indices and their ecological meaning

2.2.3 驱动力分析

通过Logistic回归模型分析社会经济因素与自然因素对城乡建设用地的驱动作用，利用景观扩张指数，定量化相关政策对城乡建设用地演变的影响。

1)Logistic回归分析

Logistic回归分析被广泛应用于土地利用演变的驱动力研究，能够确定每个因素的重要性并包含空间信息[26-27]。研究运用Logistic回归模型筛选对土地利用变化影响较为显著的因子，删除影响不显著的因子，从而获得不同驱动因素与景观类型分布的关系[28]，其计算公式为

(4)

对Pi进行对数变换后得

(5)

式中：Pi为转化的用地中可能转化为景观类型i的概率；Pi/(1-Pi)为转变为第i种景观类型的机会比率；Xi为第i个驱动因子；βi为其对应的系数，表现为当其他因素不变时，驱动因子Xi每增加一个单位所带来的Pi的变化；β0为常数项。

由景观演变分析可知，研究区建设用地是所有地类中扩张最为显著的，分析建设用地扩张的驱动因素有助于缓和日益破碎的景观生态系统，维持区域景观格局稳定性。因此，以是否转化为建设用地作为因变量，遵循全面性、相关性、可获取性原则，结合已有学者的研究成果[29]，选取了常用的两种驱动因子类型，如表2所示。为避免数据的空间自相关性，且保证数据具有统计性，研究采用随机抽样的方法选取研究区内的10 000个观测点进行分析，将自变量生成的变化图与随机点叠加处理，提取建设用地转化图的样本值作为因变量值，并将ArcGIS10.2中提取的数据进行标准化处理以排除量纲对分析结果的影响，通过Logistic回归模型，采用正向逐步回归与直接输入法分别在全域及县(市、区)尺度对驱动因子进行筛选，进而分析其驱动机制。该研究中使用方差膨胀因子(variance inflation factor，VIF)排除共线性影响，使用似然比检验(likelihood ratio，LR)检验回归方程的拟合优度，使用ROC检验模型的预测效果。

表2 城镇景观格局演变驱动因素Table 2 Driving forces of urban landscape pattern

2)景观扩张指数

与传统的景观格局指数相比，景观扩张指数(landscape expansion index，LEI)能够表达景观格局的动态信息，武鹏飞等[30]根据目前景观扩张指数的不足，提出一种新的景观扩张指数的定义与实现，其计算公式为

(6)

式(6)中：LEI为斑块水平的景观扩张指数；Ap为扩张斑块面积；A0为与扩张斑块处于相邻关的斑块面积；LEI将景观扩张模式分为两种，当LEI=1时，景观的空间扩张模式为外部扩张式；当-1

(7)

式(7)中：MLEI为斑块类型水平的景观扩张指数，LEIi为第i个扩张斑块的景观扩张指数；n为该斑块类型内所有扩张斑块的数量，指数计算均在ArcGIS10.2的空间分析功能中完成。

土地相关的规划政策能够强制约束景观格局形成。一般情况下，当政策引导新增建设用地脱离原城镇中心发展时，城镇外部扩张式斑块较多，扩张斑块数量变化较小，MLEI升高；当政策由鼓励水平扩张转向优化内部功能结构时，扩张斑块数量变化较小，MLEI升高或几乎不变；当政策引导新增建设用地围绕原中心向外扩张时，新增扩张斑块以邻接扩张式为主，扩张斑块数量升高，MLEI下降。

3 结果分析

3.1 土地利用变化动态特征

2000—2020年洞庭湖生态经济区土地利用类型面积变化结果如表3所示，耕地和林地为研究区主要景观类型，其面积占研究区总面积的80%左右，水域面积所占比例维持在12%以上，建设用地、未利用地和草地面积较小，均未超过4%。各土地利用类型空间分布如图2所示，林地主要分布在南部及西部山区且状态稳定；耕地分布范围最广，但分布面积有所减少；草地和未利用地主要分布在水域周围，空间波动较大；水域空间分布稳定，分布面积略有增加；建设用地主要分布在地势较为平缓的低地且面积有逐渐增大趋势。

图2 洞庭湖生态经济区2000、2010和2020年土地利用类型分布图Fig.2 Land-use types distribution of Dongting Lake Eco-economic Zone in 2000,2010 and 2020

根据土地利用类型的年变化率和土地利用类型动态度公式计算结果如表3所示，2000—2020年，各景观类型面积均发生了不同程度的变化，其中耕地面积变化较为剧烈并呈现单调的下降趋势，且2010年之后变化的剧烈程度减弱、下降速度放缓；建设用地面积持续增加，2000—2020年，建设用地增加的速度最快，其年变化速率分别为1.968%、1.973%，2010—2020年动态度仅次于耕地为0.082%，说明城镇开发建设进入较为活跃的发展时期；林地面积有所下降但总体保持相对稳定，2000—2020年其年变化速率分别为0.002%、-0.070%；2000—2010年，水域面积增长速度较快，变化较为剧烈，其年变化率为0.537%，动态度为0.069%，2010—2020年水域面积变化趋于稳定，年变化率和动态度均大幅下降；草地和未利用地主要分布于洞庭湖周边的滩涂以及河流的两侧，受水文影响，其面积变化呈现一个不稳定的趋势。

2000—2010年耕地、林地为主要的转出类型，建设用地、水域为主要的转入类型。根据研究区不同时段内面积转移矩阵如表4所示，2000—2010年耕地转入类型中，水域的转入面积最多，为415.81 km2,同时又有1 010.26 km2的耕地转化为水域；除水域外，林地也是耕地的主要转入类型，为153.86 km2，同时又有304.09 km2的耕地转化为林地；耕地与林地、水域之间的相互转化强度较大，耕地与建设用地之间也有相互转移。2010—2020年，耕地的转移特点基本与2000—2010年相同，耕地转化为建设用地的面积大幅增加，林地与耕地相互转化的面积也有所增加。

表4 2000—2020年洞庭湖生态经济区土地利用转移矩阵Table 4 Transform matrix of land use in Dongting Lake eco-economic zone from 2000 to 2020

2000—2010年建设用地的增加较为明显，对其增加影响较大的景观类型为耕地和林地，其中，耕地转化为城镇建设用地的面积高达323.78 km2，仅有71.8 km2建设用地转移为耕地，即耕地成为湖区建设用地扩展的主要来源。2010—2020年，建设用地面积的增加来源与之前基本相同，且耕地和林地转化为建设用地的幅度更大，分别为626.01 km2和162.16 km2，同时，仅有309.45 km2和26.67 km2建设用地转化为耕地和林地。

3.2 景观格局变化特征

3.2.1 斑块类型水平变化特征

2000—2020年洞庭湖生态经济区各用地斑块类型变化如图3所示，斑块数量均呈上升趋势，除建设用地外，平均斑块大小均呈下降趋势,说明在快速城镇化的影响下各斑块个数不断增加，建设用地的扩张导致其他用地被分割的越来越多，面积越来越小，景观破碎化加剧。

图3 洞庭湖生态经济区斑块类型水平指数变化Fig.3 Changes of landscape metrics in class level of Dongting Lake eco-economic zone

从边缘密度的动态特征来看，建设用地的优势度逐年上升，但耕地和林地仍然是研究区的主要景观，其优势地位稳定，说明尽管在城镇扩张的过程中存在不同程度的侵占，但随着 “退耕还林”“移民建镇”等政策措施的实施使得城镇化进程初期无序化扩张的状况逐渐改善，各景观形状的复杂程度有所减弱。水域的形状指数和边缘密度均呈下降趋势，说明在“退田还湖”等生态保护政策的影响下，使得原本零散的水域斑块逐渐恢复联系，水域集聚程度增加，边界趋于规则化。

3.2.2 景观水平变化特征

2000—2020年随着建设用地大斑块的增加，耕地和林地景观的连通性被打断，破碎化程度升高，导致整体景观蔓延度不断降低。如图4所示，景观形状指数升高说明城镇建设等人类活动使得各景观类型呈现出离散分布的趋势，与平均斑块大小结合来看，景观离散度与破碎度增强，研究区受人类活动的干扰程度加大，景观格局由简单变得复杂。香农多样性指数持续增长，且增长速度加快，表明各景观类型所占比例均衡化趋势显著，作为优势景观类型的耕地和林地对整个景观的控制作用减弱，土地开发利用速度加快。

图4 洞庭湖生态经济区景观水平指数变化Fig.4 Changes of landscape metrics in landscape level of Dongting Lake eco-economic zone

3.3 城乡建设用地演变驱动因素分析

3.3.1 社会经济与自然因素

2000—2020年洞庭湖生态经济区全域尺度建设用地演变的Logistic回归模型中，方差膨胀因子VIF在1.006～2.206，排除多重变量共线性；LR检验的P=0.000，模型整体上是显著的；受试者特征曲线(receiver operate curve，ROC)值为0.718，模型拟合效果较优；预测正确率为78.3%，模型较为稳定，相关分析结果如表5所示。

影响2000—2020年洞庭湖生态经济区建设用地变化的驱动因子主要为社会经济因子，其中，人口密度及至铁路、公路、乡镇中心、水系距离的回归系数分别为0.318、0.058、-0.468、-0.486、-0.171，人口密度和至铁路距离系数为正，表明当其他变量不变时，人口密度和至铁路距离每增加一个单位，转化为建设用地的可能性将增加到原来的e0.318倍和e0.058，即1.374倍和1.060倍。其余指标系数均为负，表明当其他变量不变时，距离水系、公路及乡镇中心距离分别每增加1个单位，其他用地转化为建设用地的可能分别减少到原来的0.843、0.626及0.615倍。由Wald统计量可知，距乡镇中心距离对建设用地变化的贡献量最大，贡献率为435.241，其次为至公路距离和人口密度，贡献率分别为369.345和209.735，距乡镇中心距离、交通可达性及人口对研究区建设用地景观分布影响显著。由于人口不断从距乡镇中心距离较远、交通可达性较差的区域向城镇及主要交通沿线聚拢，使得城乡建设用地扩张更有可能发生在人口密度较大、社会经济资源丰富和交通可达性较好的区域。

在县(市、区)尺度上建设用地演变的Logistic回归模型中，经共线性诊断，保证方差膨胀因子VIF<5，所选因子不具备共线性；LR检验的P均为0.000，模型整体上是显著的；ROC值均大于70%，模型拟合效果良好，相关分析结果如图5所示。

图5 洞庭湖生态经济区县(市、区)尺度建设用地演变驱动因子回归系数(P<0.1)Fig.5 Driving forces regression coefficients of construction land evolution in counties of Dongting Lake eco-economic zone (cities,districts)(P<0.1)

2000—2020年洞庭湖生态经济区县(市、区)尺度建设用地驱动因子在不同区域上的驱动作用存在差异。距乡镇中心距离与建设用地扩张呈显著的负相关关系，即距乡镇中心越近，社会经济活动强度越大，其他土地类型转化为建设用地的可能越高。其中，南县和沅江市受其驱动作用最为突出。除社会因素外，区位因素也是促进建设用地扩张的主要驱动因子，距铁路、公路的距离越近，交通可达性越好的区域转化为建设用地的机会越大，南县、资阳区及津市建设用地演变受交通可达性的影响最为显著，资阳区受铁路的影响大于公路，而津市则相反，南县受公路和铁路的影响均较为显著。这主要是由于其乡镇中心邻近主要道路，在社会因素与区位因素的共同作用下，城乡建设用地扩张的机会大大增加。由于交通可达性的驱动作用略弱于乡镇中心的带动作用，因此在乡镇中心远离主要道路的区域，如松滋市，可达性因子反而呈现出一定的制约作用。

人口是促进研究区建设用地扩张的又一驱动因素，研究区总人口在2000—2020年间增长超过28万，常住人口不断增加随之而扩张出新的建设用地，即人口越密集的地区，建设用地扩张的需求越大。由图5可知，人口增长对建设用地扩张的驱动作用主要集中在华容县、南县、资阳区和望城区。

自然驱动因子中，高程和坡度对建设用地扩张的制约作用较弱，主要由于研究区属于冲积平原，地形因素对大部分县市区建设用地开发的影响较弱，仅对松滋市、石门县、安化县和平江县等以山地和丘陵为主的区域具有显著的约束作用。对于岳阳楼区、赫山区等城镇化水平较高的市镇，其建设用地可扩张的区域逐渐饱和，建设用地景观甚至有向高地、坡地演进的趋势。

尽管研究区水资源丰富，但距水系距离对其建设用地景观扩张的影响相对较弱。其中，石门县、桃源县、津市、安化县、赫山区、岳阳楼区和平江县有趋近水系开发的偏好，而南县、华容县、君山区和荆州市的大部分地区则趋于远离。这主要是由于前者的市镇中心临近水系，对其有较好的建设基础与可达性。与其他市县区相比，水系的驱动作用主要集中在石门县，这与近年来石门县充分利用自然优势，积极发展乡村旅游有关。

3.3.2 政策因素

2011年“湖北荆州承接转移示范区”正式成立，区域功能完善，基础设施建设加强，开发区规模逐渐扩大，仅2016年一年全市开发区面积增加8.66 km2，总规划面积达555.37 km2。如图6所示，在政策引导下，荆州市MLEI显著上升，扩张斑块数量几乎不变，说明外部扩张式斑块较多，新增建设用地脱离城镇建成区发展。2000—2020年，岳阳市、常德市、益阳市及长沙市望城区MLEI下降，扩张斑块数量增加，说明区域以邻接扩张式斑块为主，新增建设用地围绕城镇建成区向外扩张。2005年，国家发改委颁布了首部《产业结构调整指导目录》，鼓励已经具备了一定产业基础的区域进行结构升级和优化。岳阳市最先于2008年开展“棚户区改造”与“旧城改造”，加强对违法建设的控制，改善城区生态环境。在相关政策的影响下，云溪区、武陵区、津市及赫山区等基础条件好、城镇化水平较高的地区MLEI变化平缓，扩张斑块数量变化较小，说明城镇扩张速度放缓，逐渐由分散无序的扩张状态转变为内部功能结构的调整和完善。2000年望城经济技术开发区成立，2011年望城撤县设区；2008年《海运协议》签署，岳阳城陵矶港成为重要的出海港口。望城区和岳阳楼区持续繁荣导致其外部扩张式斑块不断增加，MLEI下降。

图6 2000—2020年洞庭湖生态经济区各县(市、区)平均斑块扩张指数和扩张斑块数量变化Fig.6 Changes of MLEI and patch number in county (city,district)from 2000 to 2020 of Dongting Lake eco-economic zone

如表6所示，整体上，2000—2010年，研究区建设用地景观扩张以邻接扩张式为主，LEI处于(-1,-0.5)的斑块占比92.62%，其次为外部扩张式斑块，占比4.83%。说明研究区整体扩张规模相对较小，大部分县市区仍处于城镇化进程初期，城镇发展凌乱且分散。由图7可知，城镇扩张的中心偏北，新增建设用基本跳出现有斑块，依托公路、铁路、水运等放射性扩张。这是由于2006年《湖南省干线公路建设管理试行办法》正式实施，交通运输用地大幅增加，城镇扩张逐渐显现出明显的导向性和可达性，带动周边地区建制镇用地与城市用地功能转移、土地流转，拓展区域发展框架，标志着该区域“交通导向型发展”战略实施。2010—2020年，LEI处于(-1,-0.5)的斑块数量增长1.59倍，而占比下降了1.9%；外部扩张式斑块数量小幅增加，占比下降2.89%。说明研究区空间扩张规模加大，但仍以邻接扩张式为主，新增建设用地多为城镇建成区的扩张蔓延。由图7可知，全域建设用地扩张中心小幅南移，各市建设用地扩张强度均衡。这是由于2014年国务院正式批复同意《洞庭湖生态经济区规划》，政策促进了各县市区协调发展，城镇之间联系加强，逐渐向一个整体的区域系统演进。

表6 2000—2020年全域扩张模式斑块数量与占比Table 6 The patch numbers and proportion of different urban expansion modes from 2000 to 2020

图7 2000—2020年洞庭湖生态经济区城镇扩张过程Fig.7 The process of urban expansion from 2000 to 2020 of Dongting Lake eco-economic zone

4 结论

以洞庭湖生态经济区为例，通过对土地利用变化速率、强度、转移情况和景观格局指数的计算描述研究区土地利用演变特征，利用Logistic回归模型探究建设用地演变驱动因素的地区差异，借助景观扩张指数量化相关政策对城镇建设用地扩张的驱动作用，结论如下。

(1)2000—2010年，耕地的变化最为剧烈，建设用地增加的速度最快，且2010年后的增长速度较之前加快，其年变化率由1.968%提高到1.973%，相应的耕地面积呈减少趋势，林地和水域面积较为稳定。土地利用转移方面，耕地、林地和水域相互转化，建设用地面积的增加主要来源于耕地，但并未发现有明显的土地利用类型由建设用地转化而来。

(2)在景观格局变化方面，建设用地景观优势逐步增强，其斑块数量最多，平均斑块面积增加，导致整体景观格局破碎化程度不断加剧。林地和耕地表现出离散分布，但优势地位稳定，水域由分散趋向于集聚，景观形状越来越规则，说明在2000—2020年，对湖面的保护初见成效，但人类活动的干扰依旧强烈，整体景观趋向于离散化和复杂化。

(3)社会经济因素中距乡镇中心距离、交通可达性和人口密度对城乡建设用地变化的作用较为明显。当其他变量不变时，距乡镇中心距离每增加一个单位，建设用地扩张的可能仅为原来的0.615倍，全域扩张模式以邻接扩张式为主，扩张中心小幅南移。社会经济、自然与政策因素均表现出地区差异性。距乡镇距离对南县、沅江市，交通可达性对南县、资阳区、津市，人口增长对华容县、南县、资阳区、望城区，高程和坡度对松滋市、石门县、安化县、平江县驱动分别最为突出。

(4)政策对洞庭湖生态经济区土地利用变化具有重大影响。2008年岳阳、常德、益阳三市在“旧城更新”和“棚户区改造”政策引导下，由无序扩张转变为内部功能结构优化；2011年荆州市国家级承接产业转移示范区成立，各开发区和产业园脱离城镇建成区发展；根据规划，新增建设用地沿交通干道和水域轴线延伸趋势明显，交通运输用地显著增加，周边建制镇用地与城市用地随道路建设进一步扩张。

总体来看，洞庭湖生态经济区各县(市、区)城乡建设用地不断扩张，对原有土地利用格局冲击巨大，未来应注重平衡经济发展和林地、耕地的保护，降低景观生态系统的破碎化程度，维护景观多样性和均匀性。研究充分考虑了规划政策对建设用地演变的驱动作用，在驱动因子的选取上体现了一定的客观性，通过景观扩张指数对政策因素进行量化，有助于制定更加符合城镇发展特点的政策措施，优化国土空间开发保护格局，实现人与生态和谐共生。