基于GIS和RS的大兴安岭地区土地利用变化及驱动力分析

肖海婷，姚雨荷，张 羽，李 苗

（哈尔滨师范大学 地理科学学院，黑龙江 哈尔滨 150025）

土地利用/土地覆被变化（LUCC）是全球环境变化研究的核心领域[1]，其中土地利用变化是土地覆被发生变化的最主要因素[1-2]。土地覆被变化将会对土壤、水资源等自然资源以及气候、水循环等生态系统产生影响，直接关系到人类社会的可持续发展。有研究表明大量森林转变为农田为全球范围内LUCC的变化趋势[3]，而森林作为“地球之肺”调节着全球气候与生态平衡，其面积的大量减少必将对生态系统产生一定的影响，为解决这一类重大环境问题，国际社会发起并组织了国际地圈生物圈计划（IGBP）[4]等多项全球变化研究计划，而这些计划均需以LUCC作为基础，进而对生物地球化学、生物多样性、可持续发展、全球气候变化等问题开展研究。我国作为最大的发展中国家，对区域范围内LUCC的研究可为粮食供应、资源配置、生态安全等重大问题提供支持与指导。

目前，土地利用变化已成为“国际全球环境变化人文因素计划”（IHDP）的重要研究领域[5]，众多国内外学者对全球或区域土地利用变化进行了不同程度的研究。Paeth等人[6]研究发现土地利用变化会引起非洲热带部分地区地表热收支平衡变化和水循环减弱等环境问题，进而对局部地区气候产生影响；傅伯杰等[7]通过研究黄土丘陵沟壑区的羊圈沟流域1984、1996年土地利用变化对流域土壤养分、土壤水分分布等的影响，探讨了土地利用变化对区域生态环境变化的影响规律；于兴修等[8]选择1985、1995、2000年浙江省西苕溪流域遥感数据，研究土地利用/土地覆被变化对其景观生态效应影响，并对建设与恢复景观生态系统提出了相应的措施。引起土地利用变化的驱动力因素复杂多样，主要包括自然、社会经济、制度等因素[9]。19世纪以来，人类活动已成为土地利用变化的主要驱动力，从不同角度研究土地利用变化及其驱动力是人类社会可持续发展的必要条件，是解决区域社会经济发展与生态保护关系问题的基础。目前国际上对土地利用/土地覆被变化驱动机制的研究通常融合多动力因子进行综合分析并采用多种方法结合的分析模型[10]。刘殿伟等[11]基于自然与人为因素对松嫩平原西部1954年至2000年间土地利用变化进行分析，研究出松嫩平原西部脆弱的生态环境是以人类不合理的土地开发方式为主导及半干旱气候条件共同作用的结果。朱会义等[12]利用RS与GIS技术对环渤海地区1985年至1995年土地利用变化进行驱动力分析，得出耕地为研究区内土地利用变化的核心类型，国家土地保护政策为其他用地转化为耕地的主要驱动力。

目前，GIS与RS为国际上研究土地利用/土地覆被变化的主要技术手段，GIS与RS技术结合可对大尺度区域范围进行较为精细的动态检测。因遥感技术具有探测范围广、时效性强、受地形地貌影响小、获取信息丰富等优点，我国自上世纪80年代以来，便使用遥感技术对土地资源利用情况进行调查。GIS强大的数据维护与空间分析功能可对区域土地利用情况进行更为高效、准确、科学的分析。

大兴安岭地区为我国重点国有林区，是我国北方最重要的生态安全保护屏障之一[13]，维护大兴安岭地区生态平衡在国家生态安全体系中具有战略性意义。大兴安岭地区是我国“十二五”规划中全国经济转型绿色发展示范区以及生态功能区[14]，随着经济发展的进程，土地利用变化将会变得较为活跃，研究其土地利用变化时空分布特点与趋势以及分析其变化驱动力对平衡大兴安岭地区经济发展与生态保护具有极为重要的意义，其分析结果可作为大兴安岭地区进行规划与保护土地资源的关键依据。

1 研究区及数据

1.1 研究区概况

黑龙江大兴安岭地区地理坐标为北纬50°07′～53°34′，东经121°12′～127°02′，位于大兴安岭山脉东北坡，是中国最北端的地级行政区，北望俄罗斯，南接黑河市，西南部毗邻内蒙古自治区，管辖区域总面积为6.48万km2[15]。大兴安岭地区位于寒温带大陆性季风气候区，年气温范围在-45～35℃之间，气温年较差较大，年均温在-3～1℃之间，年均温较低；研究区受季风影响大，年均降水量在320～690 mm之间，7-8月份为雨季，占全年降水的85%～90%[16]，5-6月为旱季，9月至次年4月为降雪期，约占全年降水的10%；受地形与季风的共同影响，夏季形成明显的西旱东湿的山地性气候，而冬季因大陆性季风较强，全区气候均寒冷干燥；春夏季交替期间，全区大风、雷电天气较多，因此极容易发生森林火灾，夏秋季交替期间，气温骤降现象时常发生，易形成冻害现象。大兴安岭地区地处寒温带，是典型的寒温带针叶、落叶阔叶林区[17]，夏季海洋性季风与肥沃的土壤形成了植物生长的有利条件。大兴安岭地区原始森林茂密，是中国重要的林业基地之一[18]，主要树种有樟子松、兴安落叶松、山杨和白桦等[19-20]。

1.2 数据来源及预处理

1.2.1 数据来源

选取大兴安岭地区1990年、2000年、2010年的Landsat5 TM遥感影像数据以及2018年Landsat8 OLI遥感影像数据。因大兴安岭地区6至9月降雪较少、冰雪覆盖范围较小且植被生长状况较好，故各年影像选取原则为：选取时间范围在6月中旬至9月中旬，并以7月中旬为最佳影像获取时间、云量为符合时间要求影像中云量最小的影像。所有遥感影像数据均下载于地理空间数据云网站（http：//www.gscloud.cn/）。

黑龙江省大兴安岭地区矢量边界数据下载于地理国情检测云平台（http：//www.dsac.cn/）。本研究还用到相关年份的《中国林业和草原统计年鉴》[21]《黑龙江统计年鉴》[22]《大兴安岭年鉴》[23]等统计数据。

1.2.2 数据预处理

本研究使用ENVI5.3对影像进行辐射定标和FLAASH大气校正处理。经辐射校正后，样本点的光谱曲线与标准地物光谱曲线较为符合[24]。为消除不同时期影像之间的色差以及黑边的影响，使用ENVI5.3中的Seamless Mosaic工具对研究区影像进行了匀色、黑边去除处理。

2 研究方法

2.1 遥感图像分类

根据研究区地物分布状况与遥感影像特点将土地利用类型划分为林地、建设用地、水域、其他地类四类。选择影像上各类地物中具有代表性的典型训练样本，运用ENVI5.3中的n-D Visualizer工具查看样本的可分离性，对所选样本进行优化提纯直至各类别点群明显分离为止。充分优化训练样本后，选择基于统计学习理论、适用于小样本且分类精度高的支持向量机方法（Support Vector Machine，SVM）对影像进行分类[25-26]。影像分类后进行主/次要分析（Majority/Minority Analysis）、类别合并（Combine Classes）、局部修改等处理。

2.2 分类精度评价

使用ENVI5.3中的Generate Random Sample Using Ground Truth Image工具生成每个地物类别各500个随机样本点，通过与Google Earth等高分辨率卫星地图对比，使用Confusion Matrix Using Ground Truth ROIs工具生成基于真实样本的混淆矩阵。将混淆矩阵计算得到的生产者精度、用户精度、总体精度和Kappa系数作为评价指标[27]。

2.3 土地利用动态度

土地利用动态度是研究土地利用时空变化的常用模型之一[28]，本研究采用单一土地利用动态度作为研究区土地利用类型变化幅度和速度的计算模型，其可反映研究区内某一土地利用类型在不同时空的数量变化情况，其表达公式为：

式（1）中，K表示研究区内某一土地类型在特定时段内的单一土地利用动态度，Ua和Ub分别为期初和期末的面积数，T为该次计算的时间跨度。

2.4 土地利用转移矩阵

土地利用转移矩阵是表达研究区内不同时间用地类型间相互转化的二维矩阵，可反映发生用地变化的位置和面积，以及追踪其转移方向及轨迹[29-30]，其数学表达式为：

式（2）中，Sij表示研究区某一时间范围T1-T2内地物i转化为地物j的面积大小，i、j分别表示初期T1与末期T2时地物类型，n表示土地利用类型总数。本研究使用ArcGIS的Raster Calculator工具对栅格图像的同一位置的相邻各期年份分类结果像元进行运算。

3 结果与分析

3.1 土地利用变化时空分析

大兴安岭地区各期土地利用类型分布图如图1所示。大兴安岭地区林地占比较大，且林地总面积逐年有所增加。水域除1990-2000年南部新增水域外，其他水域近乎均为黑龙江、额木尔河、呼玛河等河流流域水体，水域面积及分布范围变化较小。大兴安岭地区因特殊地理位置及气候条件，建设用地面积较少且分布较为稀散。其他类型主要为分布在北部山坡上的草地、研究区东北部与南部的耕地以及过火区域。研究区北部1990年后其他地类明显转化为林地，2000-2010年间，研究区东北部有部分林地转化为其他地类，研究区西部及南部各期土地利用变化较不明显。

图1 大兴安岭地区1990年、2000年、2010年和2018年土地利用类型分布图

3.2 分类精度评价结果

各期遥感影像分类精度显示，总体生产者精度水域最大，林地最小；总体用户精度林地最大，建设用地最小；1990年与2000年总体精度最高，均为88%；2018年总体精度最低，为82%，各评价系数显示四期影像分类结果总体精度均大于80%；1990年与2000年Kappa系数最大，均为84%，2018年Kappa系数最小，为76%，总体Kappa系数均大于75%，整体分类精度较高，满足研究所需精度要求。

3.3 土地利用动态度分析

根据单一土地利用动态度模型计算研究区1990-2000年、2000-2010年和2010-2018年3个时间段各土地利用类型面积变化及动态度，计算结果见表1。

表1 大兴安岭地区1990-2018年各土地利用类型面积变化及动态度

由各时间段土地利用类型面积变化及动态度结果可知：（1）各时间段内，林地与建设用地面积均呈逐年扩大趋势，而其他地类面积呈缩小趋势，1990-2000年林地面积单一地类动态度最大，增加了11772.5km2，2010-2018年其他地类动态度最大，减少了3159.0km2；（2）在各土地利用类型中，其他地类在各时间段动态度均较大，建设用地动态度总体较小，其结果反映出，其他地类的变化速率较快而建设用地面积变化速率较慢，各地类面积总体变化速率由大到小依次为其他、林地、水域、建设用地。

3.4 土地利用转移矩阵分析

表2为统计得到的土地利用转移矩阵。由统计结果可知，主要的土地利用转移形式为其他转移为林地、林地转移为其他、其他转移为水域、水域转移为林地。从整体看，林地与其他之间转化最为明显，说明这两类地物间受相同因素影响时，二者呈此消彼长的关系；建筑用地与其他各类型间转换不明显；不同年间林地、其他与水域的非转移面积较大。

表2 1990-2018年大兴安岭地区土地利用转移矩阵 单位：km2

4 土地利用变化驱动因素分析

4.1 自然因素

大兴安岭地区地处中高纬度，属于寒温带大陆性季风气候，冬季寒冷干燥，夏季炎热多雨，雷电天气发生频繁，易发生森林火灾[23]。寒温带冬季温度较低，有利于土壤积累大量的有机质，为植被的生长提供了丰富的营养，促进了当地林业经济的发展。本研究根据《大兴安岭年鉴》与中国气象科学数据统计了1990-2018年大兴安岭地区6-9月平均降水量与气温，对林地与其他面积变化进行统计分析，得到统计如图2所示。

由图2可知，1990-2018年每年6-9月平均温度局部略有波动，并且其他地类面积的变化程度与平均气温变化的幅度有关，说明其他地类的变化情况主要受自然条件影响。温度与降水对林地面积变化也有一定影响，从1990年、2000年、2010年与2018年林地面积变化情况分析，雨热同期有利于林地面积的增加。

图2 大兴安岭地区1990-2018年林地、其他地类面积与6-9月平均气温、降水量变化关系图

4.2 社会因素

4.2.1 人口因素

通过收集1990-2018年城镇人口数、农村人口数与总人口数，经计算得到城镇人口比率与农村人口比率，分别与研究时间范围内各期建设用地与其他地类总面积进行对比分析，由图3可明显看出城镇人口比率呈上升趋势，而农村人口比率呈下降趋势。同时由图3与图4知，随着城镇人口比率的升高，建筑用地面积呈扩张趋势，而其他地类面积呈下降趋势；1990-2000年期间城镇人口数增长幅度最大，建设用地面积与其他地类面积在该时期增加与减少的幅度也较大，因此可反映出该时期大兴安岭地区城镇化进程较快，城镇化进程推动了建设用地面积的增加，并且随着农村人口数的减少，其他地类面积中部分耕地也呈现减少趋势。

图3 大兴安岭地区1990-2018年建设用地面积与城镇、农村人口比率变化关系图

图4 大兴安岭地区1990-2018年其他地类面积与城镇、农村人口比率变化关系图

4.2.2 经济因素

大兴安岭地区面积辽阔，具有丰富的自然资源，是我国主要的林木产地之一，林业经济是大兴安岭地区重要的经济发展支柱以及重点发展产业。本研究使用SPSS软件并根据大兴安岭地区土地利用情况以及1990-2018年大兴安岭经济统计数据，选取GDP（亿元）、工业生产总值（亿元）、林业产值（亿元）这3个主要反映经济状况的变量，研究与林地、建设用地、其他地类面积的变化驱动因素之间的关系，计算皮尔逊相关系数并对相关系数显著性进行检验，结果见表3。

通过表3可分析得出，建设用地面积的变化与本研究选取的3个经济因子之间皮尔逊系数r值均大于0.9且双尾检验概率P值均小于0.5，通过了显著性检验并且表明建设用地面积变化与经济发展之间存在显著的正相关性，该结果也符合社会经济发展与建设用地供应需求之间的一般关系[31]。林地面积变化与林业产值两个变量间皮尔逊系数r为0.944，双尾检验概率P=0.006<0.01，表明二者具有极强的相关性，该结果在一定程度上反映了林地状况与林业之间相互影响，合理利用林地资源既可为林业经济发展提供资源保障，也促进林业经济的发展，同时林业经济的发展也可对林地资源的保护提供经济支撑，因此大兴安岭地区需加强对资源型城市的合理优化，协调好经济发展和林地资源保护之间的关系。其他地类面积与经济3个因子之间均呈负相关，但负相关程度稍低，本研究分析认为，因大兴安岭地区未利用地面积较多且人为污染破坏较少[32]，因此其他地类面积变化不仅受经济因素的主导，自然因素也是影响力较大的因素。经济因素与大兴安岭地区土地利用变化具有双向影响性，经济发展对土地利用的需求变化可以改变土地利用的情况与速率，同时作为资源型城市的大兴安岭地区土地资源合理配置对当地经济发展也具有重要影响。

表3 林地、建设用地、其他地类与3个主要经济因子相关分析表

4.2.3 政策因素

20世纪80年代以来，环境保护已成为基本国策之一，是我国建设资源节约型、环境友好型社会的开端。国务院先后对经济发展提出了一系列规划并对我国生态结构进行了根本性调整[33]，开始实施退耕还林还草[34]、野生动植物保护及自然保护区建设[35]等生态工程，通过这些政策的建设与实施来维持经济与生态环境建设之间的平衡。

大兴安岭国家重点林区作为我国北方的重要保护屏障，国家先后出台了一系列政策，不断加大对大兴安岭生态保护恢复的支持力度，不断完善财政扶持政策，大力推动大兴安岭国有重点林区生态保护建设。2000年“天保工程”的实施，有效地改善了大兴安岭地区天然林商业过度采伐现象，并且控制了森林资源等的过度消耗；2004年中央财政正式建立了森林生态效益补偿制度[36]，森林资源得到有偿使用，这一制度既有效保护了森林资源也促进了林业经济的发展；2014年大兴安岭实施全面停止商业性采伐[37]，这些制度和政策实施以来，效果显著，大兴安岭地区近30年来全区森林面积和森林覆盖率实现了“双增长”现象。

林业经济作为大兴安岭地区最重要的经济支柱之一，对森林资源的保护也促进了当地经济的发展，森林资源已成为大兴安岭地区吸引众多企业投资的法宝，当地政府也加大了对林下经济发展的力度。大兴安岭地区经济发展推动了城镇化的进程，让大兴安岭地区形成了以森林资源为依托的资源型城市，使得大兴安岭各用地类型之间变化变得更为活跃。

5 结论

本研究在使用ArcGIS与ENVI软件对大兴安岭地区1990、2000、2010以及2018年共4期遥感数据解译的基础上，得到了大兴安岭地区1990、2000、2010以及2018年各期土地利用类型分布图，运用单一土地利用动态度模型、土地利用转移矩阵等计算模型对大兴安岭地区1990-2018年土地利用时空分布特点进行分析，并结合主成分分析、因子分析、相关性分析等统计学方法对大兴安岭地区土地利用变化驱动力因素进行研究，结果表明：

（1）在大兴安岭地区土地类型中，林地面积占比最大，平均占总面积的72%，各土地利用类型面积比例由大到小依次为：林地＞其他地类＞水域＞建设用地。

（2）在不同时期，大兴安岭地区各土地利用类型之间变化的方向与幅度均有差异。1990-2018年间，其他地类面积变化最大，共减少了16 801.9 km2；其次为林地，面积共增加15 725.3 km2；因大兴安岭地区城市化水平较低以及生态保护力度较大，因此水域与建设用地面积并未有较大幅度的变化。各土地利用类型总体变化幅度由大到小依次为：其他地类＞林地＞水域＞建设用地。

（3）自然、经济、政策因素为土地利用变化的主要驱动力。其中，自然因素为水域与其他地类的主要驱动力，水域与其他地类面积变化受气候条件影响较大；自然与政策因素为林地面积变化的重要驱动力，因此森林防火与加大生态保护力度对大兴安岭地区林地面积增加至关重要；经济因素为建设用地面积变化的主要驱动力，因此协调经济发展与生态保护的关系是大兴安岭地区作为资源型城市发展的关键。