土地利用时空演变特征及互动响应关系

曹玉昆　任月　朱洪革

摘要：基于2001-2020年的LUCC遥感数据对黑龙江省13个市（区）土地利用类型的时空演变特征进行分析，并采用PVAR模型实证分析了黑龙江省主要土地利用类型与经济增长水平之间的互动响应关系。结果表明：近年来黑龙江省土地利用效率有所提高，但土地供给压力增大，土地利用变化动态度较高，在一定程度上生态空间受到挤压;耕地、林地和草地3种土地利用类型间转移呈均衡转换态势，部分生态用地向建设用地转出;耕地面积的减少主要由于经济发展过程中建筑用地的侵占;相比于耕地和草地的影响，黑龙江省林下经济的发展会对未来经济增长产生更高的贡献度。

关键词：土地利用变化;互动响应;面板向量自回归

中图分类号：F301.2  文献标识码：A 文章编号：1009-9107（2022）05-0119-11

引言 土地利用与土地覆被变化（land-use and land-cover change，LUCC）作为全球变化研究的核心内容，在1993年被“全球地圈与生物圈计划（IGBP）”和“全球环境变化人为因素计划（IHDP）”两大国际组织共同拟定为《土地利用/土地覆被变化科学研究计划》的核心项目之一，从而掀起了不同尺度专题研究的序幕，并逐渐成为揭示人类活动与自然环境相互作用机理的有效途径，对及时发现人地关系及土地利用中的突出问题和主要矛盾、预测土地利用趋势皆具有重要意义[1-2]。中国作为土地利用结构变化最快的国家之一[3]，工业化和城镇化进程加快以及不合理的开发建设导致生态空间被挤占[4-5]，城市发展、耕地保护与生态建设矛盾尖锐[6]。2015年中共中央、国务院印发的《生态文明体制改革总体方案》中强调“树立山水林田湖是一个生命共同体理念，构建以空间规划为基础、以用途管制为主要手段的国土空间开发保护制度”。我国现有的土地用途管制主要集中于耕地、林地和城乡建设用地等，尚未完全覆盖所有自然生态空间[7]，由于当前土地利用空间格局的研究范畴尚不明晰，缺乏对不同土地类型间相互关系的探讨，导致已有研究成果对土地利用变化中各个因素之间的互动响应机制的探讨不足。

国内外学者对LUCC的驱动因素和动态时空表征以及对其他生态系统影响的可量化模型展开了大量研究 [8-9]。当前关于LUCC的研究内容逐步从现象描述走向机制解析，大致集中于以下三个方面：其一，在利用卫星遥感数据对土地利用变化的时空特征进行分析的基础上，对不同情境下的土地利用动态变化进行预测[1-12];其二，对不同类型土地利用变化的驱动机制进行分析[13-15];其三，对土地利用与社会经济发展耦合关系以及某种单一土地利用类型动态变化与经济社会发展之间的关联度进行探讨[16-18]。尽管已有研究为LUCC贡献了多视角的讨论，仍有学者对LUCC研究的焦点提出质疑，如Verburg认为应从对土地利用变化及其驱动因子的理解向如何提高土地系统的可持续性转变[19]，何春阳等认为应以不同土地利用格局下的生态系统服务、人类福祉和灾害風险之间相互关系为研究核心开展综合集成研究[1] ，Wu等则认为景观可持续性将有望成为未来几十年的研究课题[20]。在研究方法上，采用数学模型研究LUCC成为学界研究方法的主流，但现有模型很难动态地表达LUCC与生态过程之间的作用关系。如大部分学者采用CA-Markov模型和InVEST模型评价和预测土地利用结构[21-23]、采用 RF-FLUS 模型模拟未来土地利用空间分布[24];另有学者基于 RFFLUS-INVEST-Geodetecter耦合模型分析生境质量时空演变及其影响因素[25]。综上所述，探索如何通过合理调整LUCC以提高土地系统可持续性的研究还不够充分，对于土地利用与其他自然生态、社会经济等因子之间相互作用关系的探讨还存在不足。

本研究以第三批山水林田湖草生态保护修复工程试点区域黑龙江省为例，探讨黑龙江省主要土地利用类型与经济增长间的互动关系。作为农业、林业、资源大省，同时也是东北三省中县域经济差异最大[26]、区域土地经济发展功能与社会发展功能间关系失调严重[27]、经济社会发展受政策作用显著的地区，近年来黑龙江省第一产业在GDP的增长过程中仍有着举足轻重的作用[28-29]。Xie等人指出由于林业用地在东北地区占主导地位导致空间异质性不强，从而挤压其他土地类型的发展，使得东北地区的城市土地利用效率最低[30]。另有研究表明，经济驱动因素在耕地-建设用地转换中最为明显，而政策调控直接影响了耕地-林地的相互变化[31]。已有研究普遍肯定了土地利用与经济增长间的互动影响关系[32-33]，而不同的土地利用结构将产生不同的经济、社会和生态效益[34]。以上探讨引起了对黑龙江省土地资源使用状况合理性的担忧，迫切需要对黑龙江省土地利用类型结构现状及存在的突出问题进行梳理，摸清主要土地利用类型间可能存在的相互联系及对黑龙江省经济增长的影响。本研究采用GIS空间分析方法结合PVAR模型，识别2001-2020年黑龙江省主要土地利用类型的空间分布和主要结构特征，从土地利用变化视角研究和甄别黑龙江省各市（区）内部土地利用结构及对经济增长的贡献，基于生态和经济相结合的优化目标，深入研究不同土地利用类型与经济增长水平间可能存在的相互联系和因果关系。本研究以土地利用变化为切入点，探索促进土地资源优化利用和产业发展的有效路径，为黑龙江省土地资源综合优化配置和社会经济可持续发展提供科学依据，为其他资源型大省提供可参照经验。

一、 数据来源与模型设定

（一）数据来源

本研究区域为黑龙江省13个市（区），采用的数据有基础统计数据、遥感影像数据和高程数据。在时空范围确定上，遵循时效性原则，并考虑到黑龙江省市域数据的可获得性和完整性，最终确定研究时期为2001-2020年。其中，2001-2020年土地覆被数据来源于ESACCI （eurpean space agency climate change institute）;2001-2020年黑龙江省海拔高程（DEM）数据来源于地理空间数据云网站的SRTMDEM 90M分辨率原始高程数据;参考第三次国土资源调查，将“湿地”调整为与耕地、园地、林地、草地、水域等并列的一级地类，通过在ArcGIS软件上监督分类和目视解译将2001-2020年各市水域面积、林地面积、耕地面积、草地面积、未利用地面积、建设用地面积、湿地面积通过遥感影像进行获取，并在ArcMap中对历年数据进行分类提取后得到表1。文中使用的2001-2020年经济数据来源于《黑龙江省统计年鉴》、黑龙江省13个地市政府网站和其他地市级统计年鉴及统计公报。

（二）模型设定

1.土地利用动态变化模型。土地利用动态变化模型可用于对土地利用类型变化速度的测量[12]，本研究通过选取单一土地利用动态度以及土地利用转移矩阵分别对黑龙江省土地利用类型动态变化以及不同土地利用类型间的转移情况进行研究。具体模型如下：

2.基于面板数据的向量自回归模型。对“山水林田湖草生命共同体”各要素相互关系的深入理解是对其实行保护、系统治理的重要基础[36-37]。本研究基于黑龙江省主要土地利用类型动态变化度数据构建向量自回歸模型，对黑龙江省13个市（区）耕地、林地、草地变化度及人均GDP之间的互动效应进行研究，以验证黑龙江省三种主要土地利用类型面积变化与经济增长水平之间的关系。

面板数据的向量自回归模型（panel vector auto regression，PVAR），最早由Holtz-Eakin等人[38]提出，模型沿袭了Sims等人[39]向量自回归（vector auto regression，VAR）模型的优点，无需事先设定变量之间的因果关系，而是把系统中每一个变量都作为所有内生变量的滞后值的函数来构造模型，相比于传统的VAR模型，PVAR模型截面大、时序短，可实现从平面向空间的扩展[4]。本研究采用2001-2020年黑龙江省的面板数据，从时间和空间两个维度系统分析黑龙江省主要土地利用类型变化度和经济增长之间的动态关系。根据PVAR的特点，构建模型如下：

二、 土地利用时空演变特征

（一）不同土地利用类型动态变化

随着经济发展，黑龙江省建设用地面积不断扩大，导致土地供给压力增大，从而使生态空间受到挤压。尽管如此，未利用地面积的减少在一定程度上说明近年来黑龙江省土地被闲置和浪费的情况减少，土地利用效率有所提高。

建设用地总量占行政区域面积的比例代表着土地开发强度。一般情况下，土地开发强度越大，土地利用经济效益越高，地价也相对提高。从2001年和2020年黑龙江省土地利用面积及变化特征可以看出（见表2）：黑龙江省不同土地利用类型中面积增加的有建设用地、水域和湿地，其中建设用地面积的变化最为显著，其土地利用动态度为77.4%;水域和湿地的利用动态度分别为10.8%和0.4%。而土地利用类型面积减少的则主要有未利用地和草地，其中未利用地的土地利用动态度为-60.34%，而草地、林地和耕地的土地利用动态度分别为-19.5%、-0.1%和-0.01%。

（二）不同土地利用类型间转移情况

根据土地利用转移矩阵结果（表3）可以看出，2001-2020年间黑龙江省林地、耕地、草地和建设用地之间互为转入和转出的主要来源。2001-2020年间，耕地新增面积的48.53%源于林地、34.38%源于草地;林地新增面积中59.1%源于耕地、38.2%源于草地;草地新增面积的66.6%源于林地、26.5%源于耕地，同时三种土地利用类型均向建设用地转出。

2001-2020年黑龙江省的建设用地和水域转出面积最小，耕地、林地和草地转出面积最多。伴随土地利用方式的转变，耕地与林地的变化较为明显。2001-2020年转出的耕地主要变成林地、建设用地和草地;林地的转出主要变成了耕地和草地;转出的草地主要变成林地和耕地。整体看来耕地、林地、草地之间相互转化面积较为均衡，但向建设用地转出的则较多。以耕地为例，早期（2001年）的耕地到了后期（2020年）转移为水域477.2公顷、转移为林地4 489.6公顷、转移为草地948.5公顷、转移为建设用地2 995.7公顷、转移为湿地345.4公顷。后期的耕地由早期的水域面积转入232.4公顷、由林地面积转入4 524.8公顷、由草地转入3 205.5公顷、由建设用地转入436.1公顷、由未利用地转入620.2公顷、由湿地转入304.7公顷。可以看出，耕地与林地之间转入及转出量相对均衡，草地转入量则相对较多，而耕地向建设用地转出的面积则远高于建设用地转入的面积。

综上所述，耕地、林地和草地在黑龙江省主要土地利用结构中占有重要比重，并且三种用地类型之间相互影响和转化，一方面说明耕地、林地、草地与建设用地间有着紧密的联系，另一方面建设用地与生态用地之间的转化状况也表明黑龙江省经济空间和生态空间存在用地矛盾。

（三）黑龙江省不同市（区）土地利用与经济增长分析

为进一步探讨黑龙江省土地利用结构与经济增长之间的关系，选取2020年黑龙江省13个市（区）的区域人均生产总值数据，采用自然间断点法把黑龙江省各市（区）的区域人均GDP水平分为5个等级（见表4），分析5种不同收入水平下的市（区）间土地利用结构的差异与联系，并依据此划分结果对不同经济增长水平层次的城市的土地利用结构进行分析。

根据表5结果可以看出，收入水平较高城市的土地利用结构的共同点在于多种土地利用类型中有两个及以上的优势地类起到主导带动作用。如收入水平最高的大庆市其土地利用结构中耕地、建设用地、草地、湿地、水域面积占土地总面积的比重较为均衡，而哈尔滨市和黑河市的土地利用结构中耕地和林地占比相对更高。值得一提的是，除耕地和林地外，相比其他土地利用类型，哈尔滨市的建设用地面积占比更高，黑河市的草地面积占比相对更高。

我国农业产业结构的不断调整也促进了草业经济发展体系的成长与健全[41]，我国草地生态系统的生态价值远超牧草的经济价值，而我国每公顷草地产出的经济效益仅为西方国家的1/20[42]。以黑龙江省收入水平相对较高的大庆市和黑河市为例，观察其用地结构可以发现，草地在土地利用结构中的占比远高于其他城市。如大庆市的土地利用结构中草地面积占比12.4%，黑河的草地面积占比则为6.7%，其他城市草地面积占比皆低于4%，说明大庆市和黑河市在发展草业经济方面相比其他城市具有更好的资源优势。

黑龙江省森工林区林业产值始终在增长，尽管增长率并不稳定，林下经济产值增长率数值却几乎均高于林业产业产值[43]。伊春市和大兴安岭地区是黑龙江省林地面积占比最多的两个地区，林地面积分别占地区面积的88.9%和93.9%，而其他土地类型占比则皆偏低，这种以单一地类为主导的资源型城市的经济增长探索势必需要依托林地资源以及林下经济的发展。

黑龙江省除伊春市和大兴安岭地区外，其他各市土地利用类型结构中比重较大的皆为耕地，其中有8个市的耕地面积变化量为负值，包括：哈尔滨、牡丹江、雙鸭山、鹤岗、鸡西、齐齐哈尔、绥化、七台河。这些城市大多位于黑龙江省东部。2019年黑龙江省农业总产值为3 774.5万元，远高于林业和牧业，说明农业对于黑龙江省第一产业发展贡献最多。近年来耕地面积不断下降，伴随着建设用地大幅度增加，这些地区耕地的减少和被占用后由于其可能处在建设中或被闲置而无法发挥土地价值，会对经济增长表现出一定的负向作用。

三、土地利用变化与经济增长的互动响应

（一）数据平稳性检验

为避免面板数据模型估计出现伪回归，确保估计结果的有效性，需对各变量数据进行平稳性检验，本研究同时采用LLC（Levin-Lin-Chu）检验、Breitung检验、Fisher-ADF检验方法。由结果可知（见表6），三种检验中均拒绝存在单位根的原假设，判定各变量均平稳，可以满足PVAR模型的准确性和稳定性的前提要求。

（二）滞后阶数的选取及模型平稳性检验

为确保PVAR模型参数估计的有效性，应确定PVAR模型的最优滞后期。本研究构建AIC、BIC和HQIC统计量，根据表7的结果，PVAR（1）模型的MBIC和MQIC的值最小，PVAR（2）模型的MAIC的值最小，根据最小准则确定最优滞后阶数为1阶。

在估计脉冲响应函数和预测误差方差分解之前，首先用单位圆法对面板变量的稳定性进行判别，结果显示，所有特征根均位于单位圆内（见图1），本研究4个变量的PVAR模型系统是稳定的。

（三）格兰杰因果检验

格兰杰因果检验可以用于判断变量的滞后项对于其他变量是否有显著影响，从而说明变量X的前期变化是否能有效地解释变量Y的变化，验证模型使用的合理性。表8报告的检验结果表明，林地面积变化度与经济增长、林地面积变化度与耕地面积变化度、林地面积变化度与草地面积变化度之间皆存在双向因果关系。尽管草地面积变化度不是经济增长的格兰杰原因，但是经济增长是草地面积变化度的格兰杰原因。以上结果表明，本研究的4个内生变量之间在统计学意义上存在因果关系且互相影响。

（四）脉冲响应函数

脉冲响应函数可描述某个变量在受到一个标准差冲击时对其他变量单方面的动态（延迟）影响，本研究运用脉冲响应函数分析变量之间是否存在互动效应，通过蒙特卡罗模拟200次，生成林地面积变化度、草地面积变化度、耕地面积变化度和人均GDP的脉冲响应函数图（见图2），其中横轴代表冲击作用滞后的阶数，纵轴代表响应的强度。

图2中左起第1列显示草地面积变化对于相关变量冲击的反应。（1）耕地面积变化对于草地面积变化的影响在当期为负值，随后先上升后下降，在第3期后趋于平稳但仍为负值。说明短期内耕地面积增加会阻碍草地面积增加。（2）林地面积变化对于草地面积变化的影响在当期为正值，在第2期达到最小值且为负值，之后逐渐上升，在第4期趋于平稳，说明林地面积增加在短期内有利于草地面积的增加，但长期看来则对草地面积的增加起到了抑制作用。（3）经济增长对草地面积变化的影响在当期为正值，在第1期达到最小值，随后有所上升，在第4期后趋于0。说明经济增长会导致草地面积的减少，但这种影响是不可持续的。

图2中左起第2列体现耕地面积变化对于相关变量冲击的反应。（1）草地面积变化对耕地面积变化的影响在第1期有所增加，第2期降至最低。说明草地面积的增加短期内有助于耕地面积的增加。（2）林地面积变化对耕地面积变化的影响在当期为负值，第1期降至最低，第2期后有所上升但仍为负值，说明林地面积的增加对耕地面积的增加起到了抑制作用。（3）经济增长对耕地面积变化的影响在当期为负值，在第1期达到最高时为正值，后缓慢下降仍为负值，说明经济增长阻碍了耕地面积的增加。

图2中左起第3列刻画林地面积变化对于相关变量冲击的反应。（1）草地面积变化对林地面积变化的影响在当期及第1期为正值，在第2期开始下降为负值，在第3期到达最低点。说明草地面积增加在短期内有利于林地面积的增加。（2）耕地面积变化对林地面积变化的影响在第1期达到最高点，而第2期以前均为正，在第3期达到最低点，说明耕地面积增加在短期内会对林地面积增加有促进作用，但随着时间推移会阻碍林地面积增加。（3）经济增长对林地面积变化的影响在当期为负值，随后逐渐上升后趋于平稳，说明短期内的经济增长会阻碍林地面积增加，但长期来看这种影响逐渐收敛趋近于0。

图2左起第4列表明经济增长对于相关变量冲击的反应。（1）草地面积变化对经济增长的影响在期初为0，在第1期达到最低点，之后有所上升，在第3期达到最高点之后趋近于0。说明草地面积增加在短期内不利于经济增长，而长期看来这种影响也有收敛于0的趋势。（2）耕地面积变化对经济增长的影响在期初为0，在第1期达到最低点并表现为负值，之后有所上升并在第3期达到最高点，之后收敛趋近于0，表明短期内耕地面积增加不利于经济的发展。（3）林地面积变化对经济增长的影响在期初为0，在第1期达到最高点后有所下降，但表现为正值。说明林地面积的增加对黑龙江省经济增长具有推动作用，且这种推动作用具有一定的持续性。

（五）方差分解

通过方差分解可以考察不同内生变量冲击对内生变量变化的影响的贡献度，表9报告了主要土地利用类型与经济增长在第1期、第5期和第10期三个时期的方差分解结果。由于在第5期后，各变量关系不再变化，因此只对第1期和第5期结果进行分析。

方差分解結果如下。（1）经济增长在未来1期内的变化完全来自于自身的冲击，而在第5期，林地面积变化度对经济增长的贡献度达到36.7%，耕地面积变化度和草地面积变化度的贡献程度并不明显。结合脉冲响应图的分析结果，林地面积的增加对经济增长贡献的传导效应至少在第2期后才会产生，并相较于耕地和草地面积变化会对黑龙江省经济增长产生更大影响。（2）林地面积变化度在未来1期内99.3%来源于自身的冲击，经济增长仅贡献0.6%，而在第5期，经济增长与耕地面积变化度的贡献都有所增加。表明林地面积的增加除了来源于自身外，经济增长和耕地面积变化的解释力也逐渐增强。而长期来看，经济增长对林地面积变化的影响更加持久。（3）耕地面积变化度在未来1期内除受到自身冲击外，还受到经济增长和林地面积变化的影响。其中林地面积变化度对耕地面积变化的贡献度为8.4%，经济增长的贡献度则为14.6%。在第5期时林地面积变化的解释力有所增强，说明经济增长和林地面积变化对耕地面积变化的影响具有长期效应。（4）草地面积变化度在未来1期内96.7%来源于自身的冲击，在第5期时，耕地面积变化度解释了16.1%的草地面积变化度。整体结果表明，黑龙江省耕地面积的变化受到多方面因素的影响，即经济增长和林地面积的变化也会影响到耕地面积的变化，但是林地与耕地面积的变化相互制约。相比于耕地面积动态度和草地面积动态度，经济增长受到林地面积动态度的影响在后期更为显著和持久。

四、 结论与建议

本研究基于2001-2020年LUCC数据，分析了黑龙江省13个市（区）土地利用变化的时空特征，以及主要土地利用类型变化度之间的互动响应关系，并通过PVAR模型进行了实证检验，研究结果如下。（1）黑龙江省土地被闲置和浪费的情况正在减少，土地利用效率有所提高;另一方面，随着经济发展，建设用地面积的扩大导致黑龙江省土地供给压力增大，从而使生态空间受到挤压，通过开发补充耕地的潜力十分有限。伴随土地利用方式的转变，除各土地利用类型向建设用地转移外，黑龙江省不同用地类型间的转移主要存在于林地、耕地、建设用地和草地之间，表现出明显的生态用地内部相互转移的现象。（2）黑龙江省经济发展水平较高城市的土地利用结构的共同点在于有两个及以上的优势地类起到主导带动作用。其中大庆市土地利用结构最为均衡;哈尔滨市、黑河市土地利用结构相对均衡。而土地利用结构中以单一地类为主导的城市如伊春市和大兴安岭地区的经济增长水平则明显受到制约。除以上5个城市外其余城市则以耕地作为主要土地利用类型。（3）PVAR结果表明耕地面积变化、草地面积变化对经济增长的影响主要在短期内，且随着时间推移对经济增长的带动作用很小，而林地面积的增加从长期看来会对黑龙江省经济增长具有推动作用，且这种推动作用具有一定的持续性。相比于耕地面积动态度和草地面积动态度，林业发展将在未来为黑龙江省经济增长提供巨大潜力。

针对以上结论本研究提出以下政策建议。（1）随着黑龙江省用地后备资源的减少，应改变经济增长过程中对新增建设用地的依赖性，提高土地利用效率，增强土地利用方式的灵活性;从资源开发转为精深加工发展，因势利导发挥特色产业和产品，优化资源利用，转变经济发展方式，优化生态环境。（2）结合黑龙江省各市（区）的资源禀赋及经济状况，可基于不同土地利用结构优先从增加第一产业产值入手探索“一区一策”的经济增长方式。大庆市和黑河市可重点发展草业经济，尝试以草地农业取代传统耕作农业以满足市场需求的目标;伊春市和大兴安岭地区可利用现有资源优势，重点发展林下经济，尤其是林下种植与林产品加工业;除哈尔滨和牡丹江外的其他经济发展水平较低的城市，应以发展和保护耕地为主，制定可行的保护耕地的方案和措施。（3）政府应根据不同城市的资源条件、区位条件，在金融政策、技术、研发层面助推林下经济产业发展，以提升林下经济产业的贡献度。同时在保证森林资源可持续利用的前提下，建立林产品精深加工产业集群，推进林产品加工、林下种养殖业的发展，在提升经济收益的同时结合不同地域特色，打造多元化的旅游产品，取长补短，促进经济结构调整并带动整体经济增长。

参考文献：

[1]何春阳，张金茜，刘志锋，等.1990-2018年土地利用/覆盖变化研究的特征和进展[J].地理学报， 2021，76（11）：2730-2748.

[2]FU B，LIU Y.The Theories and Methods for Systematically Understanding Land Resource[J].Chinese Science Bulletin，2019，64（21）：2172-2179.

[3]LIN Q W，TAN S K，ZHANG L，et al.Conflicts of Land Expropriation in China During 2006-2016：An Overview and Its Spatio-Temporal Characteristics[J].Land Use Policy，2018（76）：246-251.

[4]LIN G，JIANG D，FU J Y，et al.Spatial Conflict of Production-Living-Ecological Space and Sustainable-Development Scenario Simulation in Yangtze River Delta Agglomerations[J].Sustainability，2020，12（06）：1-11.

[5]ZOU L L，LIU Y S，WANG J Y，et al.Land Use Conflict Identification and Sustainable Development Scenario Simulation on Chinas Southeast Coast[J].Journal of Cleaner Production，2019，238（20）：117899.1-117899.16.

[6]江文甲，林满红，翁佩莹，等.福建省安溪县土地利用时空演变规律及其关键驱动因素分析[J].生态学报，2022，42（02）：1-15.

[7]沈悦，刘天科，周璞.自然生态空间用途管制理论分析及管制策略研究[J].中国土地科学，2017，31（12）：17-24.

[8]VADREVU K P，OHARA T.Focus on Land Use Cover Changes and Environmental Impacts in South/Southeast Asia[J].Environmental Research Letters，2020，15（10）：100201.

[9]刘纪远，张增祥，张树文，等.中国土地利用变化遥感研究的回顾与展望——基于陈述彭学术思想的引领[J].地球信息科学学报，2020，22（04）：680-687.

[10]刘吉平，赵丹丹，田学智，等.1954-2010年三江平原土地利用景观格局动态变化及驱动力[J].生态学报，2014，34（12）：3234-3244.

[11]王枫，董玉祥.基于灰色关联投影法的土地利用多功能动态评价及障碍因子诊断——以广州市为例[J].自然资源学报，2015，30（10）：1698-1713.

[12]汤琦，余珮珩，陈泽怡，等.共享社会经济路径下土地利用变化模拟[J].水土保持研究，2022，29（01）：301-310.

[13]李志明，宋戈，鲁帅，等.基于CA-Markov模型的哈尔滨市土地利用变化预测研究[J].中国农业资源与区划，2017，38（12）： 41-48.

[14]程晓琳.哈尔滨市土地利用变化及其驱动力分析[J].哈尔滨师范大学自然科学学报，2017，33（06）：118-122.

[15]王亚欣.2003-2015年哈尔滨市道里区土地利用变化分析[J].哈尔滨师范大学自然科学学报，2021，37（01）：75-80.

[16]张志东.博罗县耕地变化及其影响因素分析[J].中国农业资源与区划，2017，38（05）：155-160.

[17]郑树峰，张柏，臧淑英，等.黑龙江省大庆市产业结构对土地利用/土地覆被变化的影响[J].资源科学，2007（06）：128-132.

[18]刘丽辉.广东耕地占用对经济增长贡献的时空特点及区域差异性研究[J].广东农业科学，2017，44（08）：157-162.

[19]VERBURG P H，CROSSMAN N，ELLIS E C，et al.Land System Science and Sustainable Development of the Earth System：Aglobal Land Project Perspective[J].Anthropocene，2015，12（12）：29-41.

[20]WU J G， GUO X C， YANG J， et al. What is Sustainability Science？[J].Chinese Journal of Applied Ecology，2014，25（01）：1-11.

[21]周学霞，胡嫦月，李菁，等.2000-2020年贵阳市中心城区土地利用时空变化与预测研究[J].贵州林业科技，2021，49（04）：35-41.

[22]张斌，李璐，夏秋月，等.“三线”约束下的土地利用变化及其对碳储量影响研究——以武汉城市圈为例[J].生态学报，2022（06）：1-16.

[23]李亚楠，多玲花，张明.基于CA-Markov和INVEST模型的土地利用格局与生境质量时空演变及预测——以江西省南昌市为例[J].水土保持研究，2021，29（02）：1-10.

[24]刘畅，张红，张霄羽，等.半干旱地区矿区土地利用时空演变与预测[J].干旱区研究，2022，39（01）：292-300

[25]杨国婷，张红，李静，等.基于RFFLUS-INVEST-Geodetector耦合模型的平朔矿区生境质量时空演变及其影响因素[J].陕西师范大学学报（自然科学版），2021，49（06）：106-115.

[26]任英，谷国锋.东北地区县域经济差异时空特征及影响因素[J].地域研究与开发，2018，37（04）：25-31.

[27]孙丽娜，宋戈，薛睿，等.黑龙江省土地利用动态变化及结构效率分析[J].水土保持通报，2012，32（04）：255-260.

[28]王征宇， 刘俊辰， 蔡德发. 黑龙江省产业结构、消费结构与经济增长关联研究[J].哈尔滨商业大学学报 （社会科学版），2018（04）：112-120.

[29]杨真真，方秀男.基于灰色关联分析的GDP增长与产业结构关联程度研究——以黑龙江省为例[J].中国科技信息，2021（16）：113-114.

[30]XIE X，FANG B，XU H Z Y，et al.Study on the Coordinated Relationship Between Urban Land Use Efficiency and Ecosystem Health in China[J].Land Use Policy，2021，102（03）：105-235.

[31]杜國明，孙晓兵，王介勇.东北地区土地利用多功能性演化的时空格局[J].地理科学进展，2016，35（02）：232-244.

[32]倪维秋.基于信息熵的黑龙江省土地利用结构分析[J].国土与自然资源研究，2011（05）：11-12.

[33]刘春晖.基于土地利用变化的相对贫困地区现状研究——以陕西省山阳县为例[J].山西农经，2021（20）：50-51.

[34]刘康.土地利用可持续性评价的系统概念模型[J].中国土地科学，2001，15（06）：19-23.

[35]姚顺波，刘广全.退耕还林工程对土地利用的影响[M].北京：科学出版社，2020：187.

[36]王晓玉，冯喆，吴克宁，等.基于生态安全格局的山水林田湖草生态保护与修复[J].生态学报，2019，39（23）：8725-8732.

[37]YU E Y，QI L，DAI L M，et al.Correlation Analysis of Elements in the Mountains-Rivers-Forests-Farmlands-Lakes-Grasslands Life Community：Using Changbai Mountains as An Example[J].Acta Ecologica Sinica，2019，39（23）：8837-8845.

[38]HOLTZ-EAKIN D，NEWEY W，ROSEN H S.Estimating Vector Autoregressions With Panel Data[J].Econometrica，1988，56 （06）：1371-1395.

[39]SIMS C A.Comparison of Interwar and Postwar Business Cycle[J].American Economic Review，1980，70（02）：250-257.

[40]刘翠霞.面板数据向量自回归模型研究述评[J].统计与决策，2021，37（02）：25-29.

[41]田春霞.草业经济在国民经济中的地位、现状及其发展建议[J].中国市场，2017（20）：105-106.

[42]高雅，林慧龙.草业经济在国民经济中的地位、现状及其发展建议[J].草业学报，2015，24（01）：141-157.

[43]刘美艳.黑龙江森工林区林下经济产业贡献度研究[D].哈尔滨：东北农业大学，2019：83.

Spatial and Temporal Evolution of Land Use

and Interactive Response Between Different Land Use Types

——Based on Analysis of Heilongjiang ProvinceCAO Yukun，REN Yue，ZHU Hongge

（1.College of Economics and Management，Northeast Forestry University，Harbin150040，China）Abstract：Based on LUCC remote sensing data from 2001 to 2020，the spatial and temporal evolution characteristics of land use types in 13 cities （districts） of Heilongjiang Province were analyzed.This paper used PVAR model to empirically analyze the interaction between main land use types and economic development level in Heilongjiang.The results showed that：（1）The dynamic degree of land use/cover change dynamics showed that the land use efficiency has been improved in the province in recent years.However，the pressure on land supply has increased.The dynamic degree of land use/cover change is high.The ecological space has been squeezed.（2）The change areas of cultivated land，forest land and grassland are transferred to each other in a balanced way.Part of ecological land has been converted into construction land.（3）The decrease of cultivated land mainly comes from the occupation of construction land in the process of economic development.Compared with the influence of cultivated land and grassland，the development of under-forest economy in Heilongjiang will have a higher contribution to the future economic growth.

Key words：land use change;interactive response;panel vetor autoregression

（責任编辑：王倩）