河南省沿黄区域土地利用时空变化及驱动因素分析

杜 军， 邱士可， 王 正， 王景旭， 刘纪平， 王 超

（1.河南省科学院地理研究所，郑州 450052； 2.中国测绘科学研究院，北京 100036）

土地利用/土地覆盖（LULC）是自然环境与人类活动相互作用引起的一系列复杂变化，对环境变化和可持续发展具有重要影响［1］. 土地利用变化不仅可以通过土地资源的数量和质量直接影响人类生活，还可以通过影响气候、环境和生态功能的变化间接影响人类发展［2-3］. 目前，国内外学者从不同尺度、不同时段开展土地覆被时空变化研究，解析区域土地利用的空间差异、演变特征及变化方向［4-8］. 采用主成分分析［9］、回归分析［10］、地理加权回归［11］、数理统计［12］等方法进行土地利用演变规律和驱动因素分析，开展变化驱动机制研究，从而优化土地利用结构配置.

黄河流域（河南段）是从山区到平原、从中游到下游的过渡段，沿黄经济的聚集区、黄河文化的孕育地和黄河流域生态屏障的支撑带，人类活动与自然环境交互作用强烈，流域生态环境与经济社会发展受到土地利用变化的显著影响［13］. 黄河流域生态保护和高质量发展上升为重大国家战略，针对黄河流域不同区域开展长时序土地利用时空演变特征及驱动力分析［14-20］，有助于了解区域国土空间开发及生态环境变化状况，对推动流域人与自然环境相互作用下的生态保护和高质量发展具有重要意义.

本文基于1980—2020年的土地利用数据，运用转移矩阵、动态度等指标分析河南省沿黄区域近40年来土地利用时空变化特征，基于Logistic回归模型分析土地利用空间分布变化的自然、社会经济及可达性等驱动因素，从而为合理利用黄河流域土地资源、保护生态环境和区域高质量发展提供科学依据.

1 研究区概况与数据来源

1.1 研究区概况

河南省沿黄区域（图1）以黄河干支流流经的县市（区）为主体，行政区上包括郑州市、开封市、洛阳市、安阳市、新乡市、焦作市、濮阳市、三门峡市和济源市，共72个县（市、区），面积5.78万km2，占河南省总面积的34.6%.区域内地势西高东低、地貌复杂、土地利用类型多样，地貌类型有山地、丘陵和平原等，土地利用类型主要以耕地、林地为主. 属于温带半湿润半干旱气候，年平均气温12～15 ℃，年均降雨量为500～900 mm.

图1 研究区示意图Fig.1 Sketch map of study area

2019年仅占全省面积34.6%的河南省沿黄区域却聚集了全省一半以上的地区生产总值，常住人口占全省常住人口的比例约为40%，年均增长0.1个百分点，人口在向沿黄区域集聚；沿黄区域的城镇化率从53.7%上升至58.4%，年均增长1.5～1.6 个百分点，区域城镇化率增速明显，同时河南省沿黄区域城镇化率高出全省城镇化率约6.7个百分点.

1.2 数据来源

本研究数据主要包括1980—2020 年5 期土地利用数据、经济社会统计数据以及基础地理信息数据等. 5 期土地利用数据来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn），其中1980 年土地利用数据重建主要基于Landsat-MSS 遥感数据，1990、2000、2010 年土地利用数据基于Landsat-TM/ETM遥感解译，2020 年利用Landsat8 OLI 影像数据进行解译，空间分辨率为30 m，综合评价精度达到93%以上.土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地6 种类型. 河流、道路等基础地理信息矢量数据主要来源于BIGMAP 数据下载（http：//www.bigemap.com/）. 数字高程模型（DEM）数据来源于地理空间数据云（http：//www.gscloud.cn/），空间分辨率为30 m. 人口和GDP 数据来源于河南省统计局官网（http：//www.ha.stats.gov.cn/）.

2 研究方法

2.1 土地利用转移矩阵

通过转移矩阵分析土地利用类型结构特征量的变化以及不同土地利用类型间的转移方向［21］，可以定量表达特定时期内土地利用/土地覆被类型之间的相互转化过程. 公式如下：

式中：Snn为面积；n为土地利用的类型数；t，t′分别为研究初期与末期的土地利用类型. 本研究基于ArcGIS10.4软件的Tabulate Area功能建立不同时期土地利用转移矩阵，实现不同土地利用类型转移方向分析.

2.2 土地利用动态度

土地利用动态度可以反映出区域各土地利用类型变化速度、强度以及在土地利用变化中的类型差异，可以客观表达区域土地利用/土地覆盖变化剧烈程度［22］.

式中：LC为综合土地利用动态度；Aai为第i类土地研究初期面积；ΔLAi-j为研究期内第i类土地转移到其他土地利用类型面积的绝对值. 为了进一步体现土地利用动态变化在空间上的分异特征，本研究采用5 km×5 km采样网格对研究区不同时期格网单元尺度上的土地利用动态度进行分析.

2.3 土地利用变化驱动因素分析方法

本文选用Logistic 回归模型对土地利用空间分布及变化驱动因素进行分析. 在因变量为二元变量，自变量为连续变量或混合变量的情况下，Logistic回归用于估计多元解释模型的参数，模型不直接计算因变量与自变量的线性关系，而是计算因变量发生概率的函数变换值与自变量之间的线性关系，来构建回归模型，其计算公式如下［23］：

其中：pi表示可出现某地类i的概率，β0表示常量，βi表示的回归系数来确定驱动因子Xi间的定量关系和对土地利用变化的影响. Logistic回归模型的拟合优度通过相对操作特征（ROC）进行评估. ROC值大于0.7的模型验证结果显示了良好的预测和解释能力.

优势比是判断某自变量对因变量优势的作用大小. 自变量X对应的优势比为：

其中：a为变量Xi的某个任意常数；若其他自变量保持不变，优势比随自变量改变1个单位而改变exp(β)个单位，分为exp(β)<1（发生比下降）、exp(β)=1（发生比保持不变）和exp(β)>1（发生比升高）三种情况.

3 结果与分析

3.1 土地利用分布与总体变化

1980—2020 年河南省沿黄区域的土地利用类型主要为耕地、林地、草地、水域、建设用地和未利用地.从空间分布（图2）来看，林地、草地等生态用地分布在河南省黄河流域的中游地区，林地集中分布在豫西崤山和熊耳山的陕州区、灵宝市、卢氏县、栾川县、嵩县山地以及北部的太行山区. 水域主要为黄河及伊河、洛河等支流，整体呈东西流向；耕地以旱地为主，集中分布在河南省黄河流域下游平原地带，以及涧河流域、伊川临汝盆地、伊洛河盆地等区域. 城镇建设用地和居民地主要分布在河南省沿黄区域的平原地带.

图2 研究区土地利用类型空间分布图Fig.2 Spatial distribution of land use types along the Yellow River in Henan Province

由1980—2020年5个时期的土地利用各类型面积及占比（表1）可知，河南省沿黄区域土地利用类型以耕地、林地为主，二者面积占比在75%～80%之间. 耕地面积占比在55.01%～58.31%，1980—2000 年耕地面积较为平稳略有波动，2000—2020 年耕地较大幅度持续减少，面积由2000 年的34 369 km2减少至2020 年的32 449 km2，占比由2000年的58.31%降低至2020年的55.01%. 林地面积占比在20.79%～21.42%，1990—2010年各个时期林地占比呈现降低趋势，1980—1990年、2010—2020年两个时段保持稳定；草地面积占比在7.83%～9.03%，整体呈现减少趋势，2020 年草地面积占比较1980 年减少了1.17%；水域面积占比在2.09%～2.93%，1980—2020年整体呈现先减少再增加的趋势. 建设用地面积及占比在不断增加，由1980年的8.24%增加到2020年的13.72%，面积由1980年4860 km2增加到2020年的8096 km2；未利用地面积占比逐年减少，由1980年的0.2%减少至2020年的0.03%.

表1 研究区土地利用类型面积占比及变化Tab.1 Area and change of land use in the the study area

3.2 土地利用转移特征分析

利用1980、2000和2020年三期土地利用数据在ArcGIS中进行叠加分析，得到1980—2000年、2000—2010年两个时段的土地利用转移矩阵（表2）. 1980—2020年，耕地是河南沿黄区域土地利用主要转出类型，耕地面积转出4 781.26 km2，耕地与建设用地、耕地与水域的转化比较剧烈，占耕地转出面积的比例分别为81.84%、12.36%.

表2 研究区土地利用类型转移矩阵Tab.2 Transfer matrix of land use types in the study area in the study area

1980—2000年，从土地利用转出面积来看，耕地、水域向其他类型转变较为显著，耕地主要转变为建设用地，占耕地转出面积的80.59%；水域主要转变为耕地，占水域转出面积的90.55%. 从土地利用转入面积来看，耕地和建设用地的转入面积最大，分别为856.25 km2和664.26 km2，耕地的转入类型主要为水域、草地和林地，建设用地的转入类型主要为耕地.

2000—2020年，土地利用的转移相对1980—2000年更为剧烈. 耕地、建设用地之间的转移较为显著，耕地转变为建设用地面积为3 265.21 km2，占耕地转出面积的82.1%；建设用地转为耕地面积为994.51 km2，占耕地转出面积的80.59%；水域主要转变为耕地，占水域转出面积的90.55%. 从土地利用转入面积来看，耕地和建设用地的转入面积最大，分别为856.25 km2和664.26 km2，耕地的转入类型主要为水域、草地和林地，建设用地的转入类型主要为耕地. 较1980—2000年，林地和草地的转出面积也大幅度增加.

3.3 土地利用变化动态度分析

如表3 所示，河南省沿黄区域1980—2020 年土地利用综合动态度为0.14，其中1980—2000 年为0.06，2000—2020年为0.24，第二个研究时段变化显著大于前期. 1980—2000年，各单一土地利用类型的变化均较为缓慢，其中，变化动态度较大的为未利用地和水域，建设用地动态度为0.68%，耕地、林地基本保持稳定.2000—2020年各单一土地利用类型的动态度显著高于1980—2000年间，建设用地的动态度达到了2.33，较1980—2000年间增加了近4倍，耕地、林地、草地面积持续减少，两个时间段动态度也发生显著变化，动态度显著增加.

表3 研究区1980—2020年土地利用变化动态度Tab.3 Dynamic degree of land use change from 1980 to 2020 in the study area

为进一步体现河南省沿黄区域土地利用变化在空间上的分异特征，本文采用5 km×5 km正方形格网（共计2610个采样格网）计算土地利用变化动态度，得到1980—2000年、2000—2020年各时期动态度的空间分布图，如图3所示. 1980—2020年，土地动态度大于0.8的区域占研究区总面积的6.4%，动态度较高的区域主要分布在郑州、洛阳和开封及周边区域，其中，1980—2000年间土地利用变化显著的区域范围较小，呈线状分布，主要分布在洛阳—郑州—开封黄河干流沿线；2000—2020 年间，土地利用动态度较大的区域主要分布于研究区的中部、东部，且综合动态度较前一时段呈现显著的增长变化，高动态度的区域面积也明显增大，主要沿着洛阳—郑州—开封向南北扩展，土地动态度大于0.8的区域较上个时间段增加了7.51%.

图3 研究区土地利用变化动态度空间分布图Fig.3 Spatial distribution map of dynamic degree of land use change in the study area

3.4 土地利用变化驱动因素分析

在相关土地利用驱动因子研究的基础上［15，24］，结合已获取的河南省沿黄区域的数据，本文从自然因素、社会经济因素和可达性因素三个方面选取了9 个因子. 自然因素包括高程（X1）、坡度（X2）、温度（X3）、降水（X4）等；社会经济因素包括人口密度（X5）、GDP（X6）等；可达性因素包括距河流距离（X7）、距道路距离（X8）、距城镇距离（X9）. 利用公式，将各土地利用类型作为因变量、驱动因子为自变量，利用SPSS分析软件，对不同土地利用类型与各驱动因子进行Logistic回归分析，其驱动机制通过得出的回归系数和优势比来反映（表4）.

表4 研究区土地利用类型Logistic 回归结果Tab.4 Logistic regression results of land use types in the study area

Logistic模型中，Wald统计量表示每个变量的相对权重，它评估每个变量对事件预测的贡献，即Wald值越大，对应的自变量对因变量的影响程度越大. 根据表4的Wald统计，耕地空间分布受坡度和温度的影响较大，坡度是耕地的负解释变量，当坡度增加一个单位时，耕地分布概率分别降低1.07倍. 温度与耕地的分布呈正相关，温度增加一个单位耕地的分布概率增加1.64倍. 坡度、降水与林地分布呈正相关，另外，距城市、道路越近，林地的分布概率越低. 高程、坡度和温度均与草地分布呈正相关. 降水量与水体呈显著正相关，降水量较大的地区，水体分布概率较大. 影响建设用地分布的重要解释变量为坡度、人口密度、距城镇距离和距道路距离，高程和坡度是负解释变量，每增加1 个单位时，建设用地的分布概率分别降低1.01 倍和1.06倍；社会经济因素的GDP和人口密度在一定程度上反映区域经济社会发展状况，是建设用地分布的正向决定因素，在人口增长和经济发展的推动下，城市周边地区土地利用变化显著. 此外，随着距离城市的减小，以及主要道路周边地区，建设用地的分布概率增大. 降水、人口密度、距河流距离与未利用地分布呈负相关.

在Logistic回归模型中，ROC曲线常用于评价拟合效果. 一般来说，ROC值在0.5到1.0之间，拟合效果随着ROC 值的增加而增加. 当ROC>0.75 时，表明该模型具有良好的拟合效果，可以满足模拟的需要. 图4显示了选定尺度下各种土地利用类型的ROC曲线，耕地、林地、草地、水域、建设用地和未利用地的ROC值分别为0.793、0.957、0.776、0.844、0.790和0.750. 可以看出，六种不同土地利用类型的ROC值均高于0.75，表明回归模型具有较高的精度，能够有效地解释土地利用的空间分布状态与各种驱动因素的关系.

图4 研究区各土地利用类型的ROC 曲线图Fig.4 ROC curve of each land use type in the study area

4 结论

本研究从土地利用结构、转移矩阵及动态度分析了河南省沿黄区域土地利用变化时空特征，采用Logistic回归模型分析了土地利用变化的驱动因素，主要结论如下：

1）河南省沿黄区域土地利用/土地覆被类型以耕地、林地为主，二者面积占比在75%～80%之间. 研究区西高东低的地形决定了耕地和建设用地集中分布在中游及下游的平原地带，生态用地集中分布在中游海拔较高地区.

2）耕地是河南沿黄区域土地利用主要转出类型，1980—2020年耕地面积转出4 781.26 km2，耕地与建设用地、耕地与水域的转化比较剧烈，占耕地转出面积的比例分别为81.84%、12.36%. 2000—2020 年较1980—2000年，林地和草地的转出面积也大幅度增加.

3）综合土地利用动态度由1980—2000年的0.06显著升高到2000—2020年的0.24，建设用地的动态度达到了2.33，较1980—2000年间增加了近4倍. 1980—2020年，土地动态度大于0.8的区域占研究区总面积的6.4%，动态度较高的区域主要分布在郑州、洛阳和开封及周边区域，2000—2020年，土地利用动态度较大的区域主要分布于研究区的中部、东部，高动态度的区域面积也明显增大，其中土地动态度大于0.8的区域较上个时间段增加了7.51%.

4）坡度、温度、高程等自然因子是影响土地利用空间分布及变化的基础因素，特别是耕地及林地空间分布受其影响较大；影响建设用地分布的重要解释变量为坡度、人口密度、距城镇距离和距道路距离，高程和坡度是负解释变量，每增加1 个单位时，建设用地的分布概率分别降低1.01 倍和1.06 倍；社会经济因素的GDP和人口密度在一定程度上反映区域经济社会发展状况，是建设用地分布的正向决定因素.