洞庭湖区土地利用变化特征及驱动力分析模拟研究

袁淑君，王 莹

（湖南工程职业技术学院，湖南 长沙 410151）

土地利用模拟是研究土地利用变化趋势、探索人地关系协调发展的重要手段［1］。通过探索引起土地利用发生变化的驱动力因子，能够掌握土地利用的变化规律［2］。土地利用布局优化是一种实现土地资源合理利用、优化城镇发展空间开发格局的重要方法，其通过对土地要素的空间调控，从而实现对各个地类的合理配置［3］。CLUE-S模型、Binary-Logistic回归模型及CA-Markov模型等方法常用于模拟土地利用的变化趋势，其中CA模型和CLUE-S模型在数量分析及空间扩张研究上具有局限性，但常用于空间分析，其能够反映出土地的时空动态变化；Logistic模型和Markov模型在模拟空间复杂演变方面存有局限，主要用于经验统计，且基本能解决复杂运算［3］；CA-Markov模型被广泛应用于模拟土地利用动态。

本文以洞庭湖区为研究区域，根据2000—2020年4期洞庭湖区的遥感影像数据，借助Binary Logistic回归和面积转移矩阵等方法，分析了洞庭湖区近20 a来土地利用时空变化，对其变化原因进行了深入探究，并利用CA-Markov模型对研究区域2035年土地利用变化趋势进行了模拟预测［4］。引入最小累积阻力（MCR）模型划分生态用地与生活用地，并对研究区域的布局进行了优化研究。最后，综合土地利用模拟结果与优化配置分区结果得出基于生态安全格局下的洞庭湖区2035年土地利用空间优化配置结果，以期为洞庭湖区今后的土地利用管理政策的制定提供参考依据。

1 研究区概况

洞庭湖区涉及湖南省和湖北省2个区域，总面积为6.05万km2。本文的研究区域只涉及湖南省岳阳、常德、益阳市和长沙市望城区（以下简称洞庭湖区），面积为4.63万km2，占湖南省总面积的21.86%。研究区属亚热带湿润季风气候区，光热充足，降雨丰沛，生物类型多样，湿地种类繁多，资源总量丰富。洞庭湖区东、南、西3面均为山脉，地势高，北部为平原水网区，地势呈现中间低、四周高的趋势，由四周向中部依次按中低山、低山—侵蚀剥蚀丘陵、岗地—流水堆积平原和湖积围堤平原的顺序展开，呈明显的“碟形盆地圈带状”景观，各入湖水系呈扇形分布［5］。

2 数据来源与研究方法

2.1 数据来源

本文使用数据来源于中国科学院资源环境科学与数据中心。其中2000、2005和2010年以Landsat TM/ETM遥感图像为主要数据源；2015年数据的更新基于2010年数据，2020年数据的更新基于2015年数据，上述数据利用Landsat 8遥感图像通过人工目视解译得到。

2.2 研究方法

2.2.1 土地利用特征分析

2.2.1.1 土地利用的地带性分析 洞庭湖区海拔范围为-112~2043 m，海拔高度变化的差异较大，为分析不同时期各土地利用类型的地带性分异规律，利用ArcGIS 10.7软件中的重分类功能将海拔按照相等间隔分为5个区间，并将5个不同时期的土地利用现状图与其进行叠置分析。

2.2.1.2 土地利用类型转换分析 本文采用转移矩阵方法分析了2000—2005、2005—2010、2010—2020、2000—2020年4个时期的土地利用转移情况，土地利用转移矩阵的计算公式为：

式（1）中，Mij表示第i种土地利用类型转换为第j种土地利用类型的面积，n代表土地类型总数。

每种土地利用类型面积比例的计算公式为：

式（2）中，R表示某种土地类型在总面积中所占的比重，Aij代表第i年第j个土地利用类型的面积。

2.2.1.3 土地利用变化强度分析 土地利用变化速率和土地利用变化幅度均可衡量土地利用变化的强度。其中单一土地利用动态度可反映土地区域范围内，不同土地利用类型地变化速率的快慢，而土地利用变化强度可衡量土地利用变化幅度的大小，计算公式分别为：

式（3）~式（4）中，Rd代表某类土地的年变化率，Ua、Ub分别为研究期初、期末的某一种土地的面积，T代表时间间隔，Id代表某类土地的变化强度，Ai代表研究区域内各类土地的总面积。

2.2.2 Binary Logistic回归分析 Binary Logistic回归分析（简称二元回归分析）不同于普通的回归分析，其将每个栅格单元作为研究对象，并通过回归分析找到每种土地利用类型和每个驱动因素之间的线性关系，其计算公式为：

式（5）中，Pi表示第i类土地出现在每个栅格单元中的概率；β1，β2，…，βn表示回归方程的解释变量系数；x0，x1，…，xn-1表示每种驱动因子；x0,i，x1,i，…，xn-1,i为每种驱动因子在第i地类上的值。

2.2.3 CA-Markov模型构建 CA-Morkov模型由元胞自动机（CA模型）和马尔科夫链（Morkov模型）组成，利用该模型能够完成对空间的分析与数量的预测。

2.2.4 最小累积阻力（MCR）模型 最小累积阻力模型（MCR）是指在识别目标源的基础上，目标源通往目的地过程中有不同的路径，不同的路径将产生不同的阻力和驱动力，不同的阻力和驱动力对于目标源对目的地物质流、信息流的传递会产生不同的削弱和促进作用。本文利用MCR模型识别生态源和扩张源，计算出最小累积阻力表面差值和最小累积阻力的扩张路径，将栅格数与最小累积阻力之差分别作为横、纵坐标绘制曲线图，最后在此基础上划分洞庭湖区的生态区和生活区，具体分为5个部分：禁止开发区、限制开发区、重点开发区、优化开发区和生态治理区。

3 结果与分析

3.1 土地利用的空间分布特征分析

由图1可知，2000—2020年洞庭湖区各高程段土地利用类型约90%均分布在700 m以下，其余10%分布在700 m以上；林地和草地2种土地利用类型700 m以下均占比70%以上，700~1600 m分布了10%~20%。由此说明，各土地利用类型在整个研究区内存在一定的地带性分异规律，但规律性并不明显，主要集中在700 m以下的低海拔地区，各高程带之间只有少量流动，总体上各土地利用类型的高程分布比较稳定。

图1 2000—2020年洞庭湖区各高程段土地类型分布图

3.2 土地利用的时空演变特征分析

3.2.1 土地利用数量变化特征 随着研究区域内社会经济的快速发展，洞庭湖区各土地利用类型也显示出了不同程度的变化。由表1可知，2000—2020年洞庭湖区的建设用地面积持续增加，耕地、林地、草地面积在逐渐减少，水域和未利用地面积略微浮动变化；在六大地类中，建设用地、耕地、未利用地面积的变化显著，在研究期间，研究区域建设用地规模不断扩张，未利用地不断增加，两者分别增加了626、304 km2，建设用地的比例由1.85%逐步上升到3.20%，未利用地的比例从1.47%上升至2.12%，耕地面积减少583 km2，是所有地类中面积减少最多的地类。对洞庭湖区的土地利用实际情况分析可知，其面积减少的原因可能包括：一是近几年外出务工人员较多，耕地荒废现象较为普遍；二是由于幕阜山、雪峰山等水土流失、土地沙漠化造成了部分耕地镉重金属超标，进而导致了可用耕地面积的减少；三是建设项目的占用和其他非农活动导致了耕地面积的减少。

表1 2000—2020年洞庭湖区各土地利用类型面积变化情况

3.2.2 土地利用变化的时空转移特征

3.2.2.1 土地利用变化时空转移特征 由表2可知，从时间角度上看，2010年前各土地利用类型之间的转换较为稳定；2010—2020年，土地利用转换活跃；2000—2020年间耕地和林地的转出面积较多，分别转出了2100、1355 km2，转出面积最少的是建设用地，为201 km2；转出的地类面积大部分都转入了建设用地，建设用地的净转入面积为626 km2，未利用地的净转入面积为304 km2，其他地类的转入面积少于转出面积。

表2 2000—2020年洞庭湖区土地利用转换面积统计 km2

3.2.2.2 土地利用空间转移特征 由图2可知，2000—2020年研究区以洞庭湖为核心，耕地四面环抱，覆盖范围最广；草地毗邻林地和耕地，未利用土地毗邻水域，并呈现分散状分布；建设用地中的城市建设用地主要集中分布在滨湖平原区域且有扩张之势，农村居民点多但分布零散，且多分布在以耕地为主的农田周围，大多沿公路分布，研究期内的空间变化不明显。

图2 2000—2020年洞庭湖区土地利用转移方位分布图

3.2.3 土地利用动态变化特征 由表3可知，2005—2010年洞庭湖区土地利用变化最为显著，2015—2020年土地利用变化的下降趋势比较明显；其中建设用地Rd值在5个年份区间均为正，其增长速度较快，扩张明显；2005—2010年未利用地Rd值最高，达到9.874%，其次是建设用地Rd值，达到4.992%；耕地变化的速度一直为负，变化速度呈现先增后降的趋势；研究期内林地变化率均为负，面积持续减少；草地、水域和未利用地的变化速度处于波动状态。洞庭湖区土地利用变化主要是由人类活动、城市扩张引起。此外，2010年后，随着洞庭湖水利工程、长江经济带水系的建设以及人们对生态环境保护意识的增强，水域面积降幅明显。

表3 2000—2020年洞庭湖区各土地类型的土地利用单一动态度及土地利用强度 %

3.3 土地利用变化的影响因素分析

3.3.1 土地利用变化驱动因子分析 为了精确实现土地利用模拟，也为了保证数据的科学性、代表性和可得性，本文根据洞庭湖区土地利用的实际情况，从自然驱动、社会经济驱动及区位驱动等3个方面共选取了11个驱动因子。通过SPSS软件对11个驱动因子进行了共线性诊断，并提取分析结果中的容差和方差膨胀性因子（VIF），其计算公式为：

式（6）中，Ri为自变量对其他因变量的二元回归分析的复相关系数，当0＜VIF＜10时，不存在多重共线性；当10≤VIF＜100时，存在较强多重共线性；当VIF≥100时，存在严重多重共线性。

由表4可知，每个驱动因子的VIF值均小于10，可判断这11个驱动因子不具有多重共线性，可应用二元回归分析。

表4 驱动因子的方差膨胀性因子

3.3.2 Binary Logistic回归分析 将其与11个驱动因子在ArcGIS 10.7中转换成ASCII文件导出，并将数据导入到SPSS软件中，在因变量中导入6种土地利用类型，在自变量中导入11种驱动因素，并对其依次进行二元回归分析。

通过SPSS软件中的ROC曲线功能进行分析（表5），得到的ROC检验值都达到0.8以上，表示所选的驱动因子都能很好地解释每种土地利用类型。

表5 2000—2020年洞庭湖区各土地利用类型Binary Logistic EXP(β)系数

表6 2020年洞庭湖区土地利用预测栅格数量精度分析

由表5可知，对耕地的分布格局影响最大的是高程和年均温度，EXP值分别为2.595和2.308；对林地的分布格局影响最大是植被覆盖率和坡度，EXP值分别为3.168和2.334；对草地的分布格局影响最大的是年降水量和土壤侵蚀强度，EXP值分别为1.437和1.324；对水域分布格局影响最大的是植被覆盖率和生态系统服务价值，EXP值分别为1.572和2.686；对建设用地分布格局影响最大的是人口密度和GDP，EXP值分别为3.127和3.030；对未利用地分布格局影响最大的是坡度和年降水量，EXP值分别为1.919和1.964。综上，对各土地利用类型分布均起到关键作用的5个影响因子分别是：坡度、植被覆盖率、生态系统服务价值、GDP、距铁路距离。

3.4 CA-Markov模型模拟

对比分析2020年模拟土地利用情况与实际土地利用分布，采用CROSSTAB选项测试模拟精度，Kappa系数为0.8358，大于0.75，仿真精度高，可满足研究需要。

利用CA-Markov模型预测2035年的土地利用情况。基于2020年土地利用现状图，输入2010—2020年马尔科夫转移概率矩阵和每个土地利用类型的适宜性图集（图3），得到2035年土地利用模拟预测结果（表7）和分布图（图4）［6］。由预测结果可知，耕地和林地占比较低，建设用地及未利用地占比较高，需要进行生态安全格局上的二次优化。

表7 2035年各土地利用类型模拟预测结果

3.5 基于MCR模型的土地利用优化配置分区

由土地利用优化配置分区（表8、图5）可以看出，重点开发区集中分布于岳阳、常德和益阳市建成区的中心区域，以上区域城市建设速度较快，建设用地占比较高；优化开发区主要分布在重点开发区的毗邻地区，主要土地类型为耕地与林地；生态治理区主要分布在华容县、南县、澧县、赫山区和武陵区，这说明上述区域在今后发展过程中应加强生态治理，在治理复垦的基础上降低土地闲置率，提高土地利用强度；禁止开发区主要集中在安化县西南部、平江县东南部和桃源县西部等高海拔区域，以上区域对生态安全所起作用大，且开发利用难度较大，应当减少人为干预，加强保护力度；限制开发区分布区域最广，占比最高，在今后的开发过程中要严守基本农田及生态保护红线。

表8 洞庭湖区土地利用优化配置分区统计

图5 洞庭湖区土地利用优化配置分区示意图

3.6 基于生态安全格局模型的模拟

生态安全格局的洞庭湖区土地利用类型模拟是将CA-Markov模型下的土地利用模拟和MCR模型形成的优化配置分区结果进行叠置分析，强化生态用地，在将各图层综合的基础上，形成生态安全格局下的土地利用空间优化配置结果（表9、图6）。

图6 基于生态安全格局的土地利用优化配置最终结果图

将生态安全格局下的2035年土地利用优化配置结果与2020年土地利用现状进行比较分析发现（表10）：相比于2020年，面积扩张方面最明显的是建设用地，主要集中在岳阳楼区、云溪区、岳阳县、湘阴县、武陵区、鼎城区、汉寿县、津市、益阳市的赫山区和资阳区等区域，且建设用地的扩张部分多发生在与耕地和林地毗邻的地方，这说明随着经济的发展和社会的进步，洞庭湖区建设用地仍旧保持高速增长的态势，并不断威胁着生态安全，但与2035年的土地利用模拟结果相比，洞庭湖区的建设用地面积有所减少；相比于2020年，2035年水域面积保持第二增长，主要集中在华容县、汉寿县、南县和桃源县，说明洞庭湖区在城市建设过程中注重水利设施建设，注重水污染防治，并加强退耕还湖，取得显著效果；相比于2020年，洞庭湖区面积减少以耕地和林地为主，符合前文研究结果，且主要减少区域与建设用地扩张区域分布一致；相对于土地利用模拟结果，生态安全格局下的耕地和林地的减少速度有所放缓，说明洞庭湖区在建设用地扩张的过程中加大了生态安全的维护，注重占补平衡，保护耕地红线，并进一步增加了人工林地的种植，降低城市建设用地扩张对生态安全的威胁；与2020年相比，2035年未利用地面积有小幅增加，主要集中在沅江市、安乡县和南县等地；与2020年相比，2035年草地面积基本保持稳定，变化幅度极小。

表10 各土地利用类型面积及其占比对比情况

综上所述，洞庭湖区在今后的扩张过程中，应进一步缩减城市扩张速度，增强土地节约集约利用程度，同时加强占补平衡，生态补偿，强力落实好退耕还林、退耕还草、退耕还湖等政策，加强人工林地种植与水利设施建设，致力于生态文明建设，合理布局三生空间，实现高质量发展。

4 结论与讨论

本文将土地利用模拟与优化配置分区相结合，最终获得洞庭湖区基于生态安全格局的土地利用模拟结果，并得出如下结论：

（1）2000—2020年洞庭湖区6种地类的变化幅度和活跃度均有所提高。城镇化进程加速和扩张导致建设用地持续增长；耕地面积减少明显，主要转入建设用地、水域和林地，其中建设用地占用耕地程度明显；林地面积呈小幅减少趋势；研究期内变化幅度和活跃度最显著是草地和未利用地，表现出明显的先减少后增加趋势。

（2）基于2000年洞庭湖区土地利用现状数据，利用Binary-Logistic回归模型厘清了各地类分布与11个影响因素之间的关系，结果表明这些因素对各地类的解释效果良好，各项ROC检验值均大于0.8。各影响因子对各地类具有不同的驱动作用和解释能力，其中解释能力最好的5个影响因子分别是坡度、植被覆盖率、生态系统服务价值、GDP、距铁路的距离等。

（3）借助CA-Markov模型模拟2035年土地利用情况，耕地、林地面积进一步减少，其中，耕地面积减少速度最快，减少了4.68%，水域、建设用地和未利用地面积进一步扩大，草地面积略有增加，建设用地扩张速度最快，增长了6.11%。

（4）最小累积阻力模型生成的土地利用优化配置分区结果显示：禁止开发区为1489 km2，占比3.22%；限制开发区为25896 km²，占比55.92%；重点开发区为5424 km2，占比11.70%；优化开发区为12267 km2，占比26.49%；生态治理区为1230 km2，占比2.66%。其中限制开发区面积最大，占比超过了50%。

（5）将土地利用模拟下的土地利用分布预测图同优化配置分区图进行叠置分析发现，与2020年相比，耕地、林地和草地均保持下降趋势，水域、建设用地和未利用地保持上升趋势。人类活动在土地利用布局的变化中具有重要作用。与土地利用模拟结果相比，各种土地利用类型的上升和下降趋势有所减缓。