土地利用时空变化的关键驱动因子及其影响趋势——以武威市为例

王兴丹,刘普幸*,耿梦蝶,王 苗,逯 娟,2

土地利用时空变化的关键驱动因子及其影响趋势——以武威市为例

王兴丹1,刘普幸1*,耿梦蝶1,王 苗1,逯 娟1,2

(1.西北师范大学地理与环境科学学院,甘肃省绿洲资源环境与可持续发展重点实验室,甘肃 兰州 730070；2.兰州资源环境职业技术大学地质与珠宝学院,甘肃 兰州 730021)

基于武威市1990年、2000年、2010年、2021年四期Landsat TM/OLI遥感影像数据,利用土地利用动态变化指数、土地利用转移矩阵、重心迁移模型与主成分综合得分模型等方法,并结合气象数据和社会经济统计数据对武威市土地利用时空变化驱动因子进行了定量分析.结果表明:近32a来,武威市草地、耕地、建设用地和水域面积呈增加趋势,未利用地与林地面积呈减少趋势,动态度介于2.56%～-0.13%之间,林地与未利用地主要转为草地和耕地;研究区土地利用变化空间差异明显,水域重心迁移距离最大,耕地次之,未利用地最小;人类活动与气候变化是影响武威市土地利用变化的关键因子,人类活动的贡献率56.35%,远大于43.65%的气候变化贡献率,且二者的影响均呈上升趋势,且以人类活动的影响更大.未来,应该充分发挥人类的积极作用,促进人地协调发展.

土地利用变化；重心迁移模型；主成分分析(PCA)；驱动因子贡献率；武威市

土地是人类最基本的社会经济活动和生态环境建设的空间载体[1],对维持生态系统的结构、过程和功能起着决定作用[2].随着城镇化与工业化快速推进,人口数量急剧增加和人类活动范围不断扩大[3],使得土地数量和质量不断下降,人地矛盾日益突出[4],尤其是“土地利用和土地覆盖变化” (LUCC) 研究计划的提出,使土地利用变化研究成为了全球变化研究的前沿和热点课题[5].因此加强区域土地利用变化的研究,对合理规划与有效利用土地资源,促进土地可持续利用具有重要意义.

自19世纪60年代国际上首次开展土地利用变化的研究[6],20世纪80年代全球变化研究兴起[7],利用RS与GIS技术对不同区域的土地利用变化进行了大量研究[8],总体在土地利用评价、土地利用调查、土地利用/覆被变化研究等方面都得到了深化[9],目前,主要集中在土地利用时空变化特征[10-11]、土地利用变化的环境影响[12-13]、土地利用变化机制或驱动力[14-15]及多种土地利用分析评价模型与方法[16-18],并已取得丰硕成果.

然而,土地利用变化驱动力是土地利用变化研究的主要内容和难点,目前研究多侧重在自然驱动力的定性分析和社会经济驱动力[19-20]方面,例如:生物物理、社会经济和邻近因素是尼日利亚其他土地类型向耕地过渡的重要因素[21];高人口压力和传统的种植方式引发了穆胡里河流域林地向建设用地、农业用地和未利用地的转变[22];人口增长是六盘山区土地利用变化的主要驱动力[23];社会因子是黄土高原土地利用变化的主要驱动力[24];气候水文因素是黄河三角洲土地利用变化的主要自然驱动力,人类的开发建设活动是主要人为驱动力[25];自然和人为社会因素共同影响西安市土地利用变化,但在短时间内,自然因素影响并不显著,人类活动无疑是最重要的驱动因素[26].上述研究多采用相关分析与定性分析,对于驱动力的量化研究相对较弱,缺少气候变化与人类活动对土地利用变化贡献率及变化趋势研究.武威市地处中国西北地区,河西走廊东端,古“丝绸之路”的要隘,是西北乃至全国生态安全屏障的重要组成部分,国家历史文化名城,也是我国重要的粮油,瓜果蔬菜生产基地,典型的内陆河资源缺水地区,生态环境脆弱,荒漠化严重,城市发展与土地利用之间的矛盾突出[27],因此,本文以武威市为例,在分析1990-2021年武威市土地利用时空变化特征的基础上,采用标准化归一指数与主成分分析中的综合得分模型等方法深入量化气候变化与人类活动驱动因子的贡献率,揭示二者影响的主次关系及人类活动影响的关键因子、对未来气候变化与人类活动影响的变化趋势进行预估,以期为区域应对气候变化,合理有效利用土地资源,促进区域人地和谐共生提供科学决策依据.

1 研究区概况与资料方法

1.1 研究区概况

武威市位于甘肃省河西走廊东端,东接兰州,南靠西宁,西通金昌,北临银川和内蒙古,地理位置为36°29′～39°27′N,101°49′～104°16′E(图1).地势自西南向东北倾斜,局部地形复杂,海拔1247～4851m,分布着山地、平原、绿洲、荒漠等地貌类型.属温带大陆性气候,年均温7.8℃,年均降水量310.2mm,年均日照时数2800h左右,无霜期125～ 165d.土壤类型主要有灌淤土、耕作土、灰漠土、盐土、碱土、草甸土等.植被多由旱生和超旱生的禾草、灌木和半灌木组成,主要有梭梭(Bunge)、柽柳(Lour)、骆驼刺(Shap)、沙拐枣(Turcz)、沙生针茅(P.A. Smirn.)等,分布特征为南密北疏.

图1 研究区位置与范围

1.2 数据来源

1.2.1 土地利用数据 本文选用的武威市1990年、2000年、2010年、2021年四期1:10万比例尺土地利用数据来源于中国科学院资源环境与数据中心(http://www.resdc.cn/),1990、2000、2010年数据主要使用 Landsat-TM/ETM遥感影像,2021年数据使用 Landsat 8 OLI遥感影像数据,该数据集的空间分辨率为30m,总体精度为88.95%.

1.2.2 气象数据 本文选取的武威市1990～2021年气温、最高气温、最低气温、风速、降水量逐日数据均来源于中国气象数据网(https://data.cma. cn/).

1.2.3 社会经济统计数据 本文的社会经济统计数据来源于1990～2021年甘肃省统计局、武威市统计局、甘肃省统计年鉴及武威市统计年鉴.

1.3 研究方法

1.3.1 土地利用转移矩阵 转移矩阵是用简单、直观的方式进行土地利用类型间相互转化的数量及方向特征定量研究的方法[28],计算公式如下:

式中:表示面积;表示转移前后的土地利用类型数;表示转移前土地利用类型;表示转移后的土地利用类型.

1.3.2 单一土地利用动态指数 单一土地利用动态度指在一定时间段内某种土地利用类型的数量变化幅度和速度[29],计算公式如下:

式中:为某一土地利用类型动态度;a和b为某一地类研究初期和末期的面积;2－1为研究时段[30].

1.3.3 重心迁移模型 重心的空间变化可以直接反映研究时段内研究区土地类型空间演变过程.其公式为:

式中:分别表示研究区土地类型分布重心的经纬度坐标;C表示第个土地类型分布斑块的面积;X、Y分别表示第个土地类型分布斑块分布重心的经纬度坐标[31].

1.3.4 数据均一化 由于不同指标间存在趋势、单位或数量级差异,为了消除这一影响,经常需要对原始数据进行无量纲化处理,公式如下:

式中:Y表示无量纲化后的值;X代表指标原始值;max代表指标的最大值;min代表指标的最小值.

1.3.5 主成分综合得分模型 主成分综合得分模型可以用尽量少的综合指标代替众多的原始数据,并尽可能多地反映原始数据所提供的信息,其公式如下:

式中:为综合主成分得分;F为第个主成分得分;X为归一化后样本矩阵第项评价指标;为第个主成分所对应的特征值,为累计方差贡献率.

2 结果与讨论

2.1 武威市土地利用变化的时空特征分析

2.1.1 武威市土地利用变化的时空特征基于《中华人民共和国土地管理法》中明确规定的土地利用分类的标准[32],将研究区地类分为:耕地、林地、草地、水域、建设用地和未利用地共6类.通过ArcGIS10.7 获取其土地利用基础数据,统计得到1990～2021年武威市土地利用类型空间分布(图2).

图2 1990～2021年武威市土地利用类型空间分布

(a).1990年;(b).2000年;(c). 2010年;(d).2021年

从图2可以看出,近32a来,武威市建设用地、水域、耕地、草地面积均呈增加趋势,32a间分别增加了185.81, 28.82,337.65和108.03km²,其中,建设用地面积增加最快既与全国[33-35]和区域[36]的研究结论相一致,也与其城镇化速度加快的现状相吻合;耕地、草地、水域面积的增大则与研究区水资源增加,耕地以水而定且依水分布,高效合理开发利用水资源以及目前研究区气候呈暖湿化[37-38]利于水资源和草地增加等独特地理特征与现状相一致;未利用地与林地面积呈减少趋势,32a间分别减少了655.40和16.63km2,林地与未利用土地面积减少与人口增加、城镇化加速、经济快速发展[39]、林地转出与合理开发利用未利用土地等的区域特点相一致.近32年来,武威市建设用地单一动态度为2.56%,面积增加最快,其次为水域、耕地、草地,单一动态度分别为1.21%、0.17%、0.04%;未利用地、林地单一动态度分别为-0.13%、-0.02%,面积减少.

武威市土地利用变化的空间分布特征为未利用地面积最大,集中分布于武威市中部和北部;草地主要位于南部以及零星分布于中北部地区;耕地集中分布于中部平原与民勤盆地;林地多分布于南部祁连山区,建设用地集中于凉州区、民勤县及古浪县的中部地区,水域主要分布在河流与民勤红崖山水库区,面积较小(图2).

2.1.2 土地利用转移矩阵分析 近32a来,武威市3个时段土地利用类型间的转移总体具有由单一到活跃,由简单到多样化的变化特征(表1),但土地类型相互转化程度不同,转出类型各异.1990～2000年,土地利用类型间的转移较单一,其中,未利用地转出为其他土地类型最显著,主要转为耕地与草地,其次,耕地转出也较为明显,主要流向建设用地;2000～2010年,土地利用类型间的转移较为丰富,转出最明显的仍为未利用地,耕地与草地转出也较为明显;2010～ 2021年,土地利用类型之间的转移更为活跃且多样化,土地利用类型的转出以草地为主,主要转出为耕地、林地与未利用地;未利用地主要流向耕地与草地;耕地主要转为草地、建设用地、未利用地与林地.

表1 武威市土地利用面积变化转移矩阵(km²)

2.1.3 土地利用空间格局变化分析 土地利用类型的重心变化反映出不同类型土地的空间格局变化,本文利用ArcMAP中的重心迁移模型对武威市1990～2021年4期影像进行计算,得到土地利用类型重心迁移轨迹(图3).

图3 1990～2021年武威市土地利用类型重心迁移轨迹

(a).耕地;(b).林地;(c).草地;(d).水域;(e).建设用地; (f).未利用地

从图3可以看出,1990～2021年,水域的重心向东北方向迁移最为显著,纬度向北移动5′24.45″,经度向东移动1′24.39″,迁移距离为30.0410km;耕地次之,纬度向北移动18.36″,经度向东移动33.40″,迁移距离为5.5910km;建设用地重心向西北迁移2.4686km,纬度向北移动21.63″,经度向西移动18.69″;草地重心向东北方向迁移1.0197km,纬度移动了53.14″,经度移动了10.24″;人类活动范围的扩大,导致森林的面积不断减少,使得林地重心向南移动了16.53″,向西移动了2.60″,移动距离为1.0197km;未利用地面积广,治理难度高,重心集中分布在研究区的北部、东北部,迁移最不显著.

2.2 驱动贡献因子动态趋势分析

根据国内外已有研究的影响因素,并结合研究区独特的地理特征,本文选取影响土地利用变化的自然因素(包括海拔高度、水文水资源、气象要素、气候变化)和社会经济因素(包括总人口数、GDP、第一、二、三产业产值、农作物总播种面积、社会消费品零售总额7个社会经济指标)与政策构成的人类活动因素,定性与定量相结合来综合分析影响武威市土地利用变化的各驱动因子.

2.2.1 海拔梯度分析 土地利用变化会受到当地海拔的影响,根据研究区 DEM 数据在ArcGIS10.7中,对海拔梯度等级划分,研究区实际海拔的范围介于1247～4851m之间,依据文献[40]将研究区的海拔按1247～1500,1500～2000m,2000～2500m,2500～3000m, 3000～3500m,3500～4851m划分为6个梯度.耕地与建设用地主要分布在1247～2000m地区,海拔3000m以上地区几乎没有分布,林地主要分布于2500～3500m地区,草地各个海拔均有分布,主要分布于3000m以下地区,82.28%的水域都分布于2500m以下地区,未利用地大部分位于海拔1247～1500m地区(表2).

表2 武威市不同海拔梯度土地利用类型百分比(%)

2.2.2 水文水资源 武威市地处西北干旱地区,河流稀少,水资源短缺,水资源是研究区的瓶颈因子.河流的分布与水量对土地利用与分布会造成不同程度的影响,如南部祁连山水源区以林地和草地为主;中部绿洲地势平坦,水土条件良好,以耕地为主;北部土地利用类型主要为未利用地.近年来,随着气候变暖,降水量增加,以及石羊河流域综合治理,研究区各河流年均径流量均略呈増大趋势,其中石羊河流域平均径流量明显增加、下游红崖山水库水域面积波动上升、青土湖地下水位稳定回升等均对研究区水域面积、耕地和草地的增加有明显的有利影响.

武威市多年平均水资源总量为14.44´108m³,水域面积在1990～2021年呈上升趋势(图4),由1990年的74.66km²增加到2021年的103.47km²,对耕地、林地和草地面积的增加有积极的促进作用,也反映了石羊河流域综合治理工程取得了显著成效.

图4 1990～2021年武威市水域面积变化

(a).1990年;(b).2000年;(c). 2010年;(d).2021年

2.2.3 气候变化的影响 根据武威、民勤、乌鞘岭三个站点1990～2021年逐日气象数据进行加权平均并计算出年数据,为了量化气候变化和人类活动对研究区土地利用类型的影响,本文选取了可靠与相关的12个指标(1-平均气温、2-最高气温、3-最低气温、4-平均风速、5-降水量、6-总人口数、7-GDP、8-第一产业增加值、9-第二产业增加值、10-第三产业增加值、11-农作物总播种面积、12-社会消费品零售总额),对所有指标标准化处理后进行主成分分析.

首先对气候因子进行主成分分析,前两个主成分特征值都>1,累计方差贡献率为86.46%(图5),满足特征值>1和累计方差贡献率>85%的原则,因此,提取前两项作为主成分因子.

图5 武威市土地利用变化综合主成分分析

从图5可以看出,第一主成分中主要驱动因子为平均气温1、最高气温2、最低气温3,第二主成分中最大值是降水量5,即气温和降水量是主要气候驱动因子.

武威市1990～2021年,气温和降水量的变化倾向率分布为0.43℃/10a和16.52mm/10a,呈上升趋势,并以气温上升趋势更为显著,气候具有暖湿化特征(图6),与已有研究的结论[41]相符合,气候暖湿化对武威市耕地、草地、水域的增加具有有利影响.

2.2.4 人类活动的影响 从图5还可以看出,综合主成分分析中的第一主成分因子GDP7,第一产业增加值8、社会消费品零售总额12,分别排前三位,第二、三主成分总人口数6排首位,反映GDP、第一产业增加值、社会消费品零售总额和总人口数是影响土地利用的主要驱动因子.

2.2.5 驱动因子贡献率分析 为了进一步分离出每一个主成分中气候变化和人类活动对研究区土地利用变化的贡献率,根据因子载荷矩阵,得到每一个主成分中气候变化和人类活动的贡献率,再根据第一、第二、第三主成分载荷,分别获得气候变化和人类活动各自累计贡献率(表3).

图6 1990～2021年武威市气候变化趋势

表3 气候变化与人类活动的累计贡献率(%)

显然,第一、第二主成分均以人为因素占主导,其主成分的值远大于第三主成分气象因素的驱动.驱动因子贡献率分析表明,人类活动是影响研究区土地利用变化的第一驱动力,贡献率为 56.35%,气候变化是第二驱动力,贡献率为43.65%(表3),显然人类活动是影响研究区土地利用变化的主要驱动力.

2.2.6 气候变化和人类活动影响的变化趋势 由以上定量分析得知,人类活动对武威市土地利用变化的贡献率远大于气候变化,为了分别得到气候变化和人类活动影响的变化趋势,利用 SPSS19 软件计算得到因子得分系数矩阵,再根据因子得分矩阵得到因子得分函数,进而根据每个主成分所对应的特征值占所提取主成分总的特征值之和的比例,可以得出主成分综合得分模型:

由模型可以计算得到武威市土地利用变化驱动力综合得分变化趋势(图7).

图7 武威市土地利用变化驱动力得分趋势变化图

(a).气候变化;(b).人类活动

由图7可知,1990～2021年,影响武威市土地利用变化的气候变化和人类活动驱动力总体呈上升趋势,二者分别在2012年之后与2008年之后大于零,并快速上升,且人类活动的影响趋势比气候变化的影响趋势更大,表明二者对武威市土地利用变化的影响在不断加强,且以人类活动对土地利用变化的影响更剧烈.

本研究通过量化驱动因子的贡献率,得出气候变化和人类活动是土地利用变化的关键驱动因子,且人类活动驱动的贡献率远大于气候变化的贡献率,二者的影响均呈增加趋势,并以人类活动的影响趋势远比气候变化的影响趋势更大的结论是本研究与其他研究的不同之处.

2.2.7 武威市土地利用政策因素分析 除气候变化和人类活动外,政策也是影响土地利用变化的一个不可忽视的因素,石羊河流域重点治理[42]、异地扶贫搬迁以及主体功能区规划[44]都有利于研究区更合理的利用土地及保护生态.

3 结论

3.1 1990～2021年,武威市草地、耕地、建设用地、水域面积增加,未利用地与林地面积减少.建设用地面积增加的最快且主要分布于凉州区、民勤县及古浪县的中部地区,32年间增加了81.89%;水域重心向东北方向迁移且面积增加了38.59%;水域面积的增加使得耕地面积也增加了5.57%;草地面积增加了1.30%,主要由未利用地与耕地转入;快速城镇化使得建设用地面积迅速增加以及人类对森林乱砍滥伐,导致原有的森林被破坏,林地面积减少了0.67%;未利用地主要转为草地与耕地,面积减少了4.32%.

3.2 对驱动因子量化分析表明:研究区土地利用变化影响的因子很多,但人类活动的贡献最大,占56.35%,变化快速上升影响更大,气候变化的贡献次之,占43.65%,未来影响也在加大,但小于人类活动的影响.因此,未来在应对气候变化的基础上,务必要充分发挥人的积极能动作用,合理规划,有效开发利用土地资源,确保人地协调发展,促进区域可持续发展.

[1] 刘永强,廖柳文,龙花楼,等.土地利用转型的生态系统服务价值效应分析——以湖南省为例 [J]. 地理研究, 2015,34(4):691-700.

Liu Y Q, Liao L W, Long H L, et al. Effects of land use transitions on ecosystem services value:A case study of Hunan province [J]. Geographical Research, 2015,34(4):691-700.

[2] 刘永强,龙花楼,李加林.长江中游经济带土地利用转型及其生态服务功能交叉敏感性研究 [J]. 地理研究, 2018,37(5):1009-1022.

Liu Y Q, Long H L, Li J L. Study on the land use transition and its cross-sensitivity of ecological service function in the Middle of Yangtze River Economic Belt [J]. Geographical Research, 2018,37(5): 1009-1022.

[3] 阿依努·吐逊,张青青,徐海量,等.近57a玛纳斯河流域土地利用/覆被变化 [J]. 干旱区研究, 2019,36(3):599-605.

TuXun A Y N, Zhang Q Q, Xu H L, et al. Nearly 57a land use/cover change in the Manas River Basin [J]. Arid Zone Research, 2019,36(3): 599-605.

[4] 匡文慧,张树文,杜国明,等.2015～2020年中国土地利用变化遥感制图及时空特征分析 [J]. 地理学报, 2022,77(5):1-16.

Kuang W H, Zhang S W, Du G M, et al. Remotely sensed mapping and analysis of spatio-temporal patterns of land use change across China in 2015～2020 [J]. Acta Geographica Sinica, 2022,77(5):1-16.

[5] 龙花楼,李秀彬.长江沿线样带土地利用格局及其影响因子分析 [J]. 地理学报, 2001,56(4):417-425.

Long H L, Li X B. Land use pattern in transect of the Yangtse River and its influential factors [J]. Acta Geographica Sinica, 2001,56(4): 417-425.

[6] Marsh G P. Man and nature: Or, physical geography as modified by human action (1864) [M]. New York: Charles Scribner, 1867:6-7.

[7] 李秀彬.全球环境变化研究的核心领域－土地利用/土地覆被变化的国际研究动向 [J]. 地理学报, 1996,51(6):553-558.

Li X B. a Review of the international researches on land use/land cover change [J]. Acta Geographica Sinica, 1996,51(6):553-558.

[8] 傅伯杰,陈利项,马克明.黄土丘陵小流域土地利用变化时生态环境的影响 [J]. 地理学报, 1999,54(3):241-246.

Fu B J, Chen L X, Ma K M. The effect of land use change on the regional environment in the Yang Juangou Catchment in the loess plathau of China [J]. Acta Geographica Sinica, 1999,54(3):241-246.

[9] Sharifi M A, Keulen, Toorn, et al. Collaborative integrated planning and decision support system for land use planning and policy analysis [J]. Gene, 2002,145(1):69-73.

[10] Agarwal C, Green G M, Grove J M, et al. A review and assessment of land-use change models: Dynamics of space, time and human choice [M]. Newton Square, PA: US Department of Agriculture, Forest Service, Northeastern Research Station, 2002:31-32.

[11] Simon R, Swaffield, John R. Investigation of attitudes towards the effects of land use change using image editing and Q sort method [J]. Landscape and Urban Planning, 1996,35(4):213-230.

[12] Hale I L, Wollheim W M, Smith R G, et al. A scale-explicit framework for conceptualizing the environmental impacts of agricultural land use changes [J]. Sustainability, 2014,6(12):8432-8451.

[13] Veldkamp T I E, Zhao F, Ward P J, et al. Environment-environmental impact; reports on environmental impact from university of Kassel Provide New Insights (A model-based assessment of the environmental impact of land-use change across scales in Southern Amazonia) [J]. Ecology Environment & Conservation, 2018,97.

[14] Rong T, Zhang P, Jing W, et al. Carbon dioxide emissions and their driving forces of land use change based on economic contributive coefficient (ECC) and ecological support coefficient (ESC) in the Lower Yellow River Region (1995～2018) [J]. Energies, 2020,13(10): 2600.

[15] Xu S, Cheng Q. Driving forces of land use change in the Tiexi old industrial relocation area, Shenyang, China [J]. International Journal of Environmental Science and Technology, 2022:1-14.

[16] 李 岩,林安琪,吴 浩,等.顾及空间尺度效应的城市土地利用变化精细化模拟 [J]. 地理学报, 2022,77(11):2738-2756.

Li Y, Lin A Q, Wu H, et al. Refined simulation of urban land use change with emphasis on spatial scale effect [J]. Acta Geographica Sinica, 2022,77(11):2738-2756.

[17] Der B F, Nos K, Mir F A, et al. The interrelation between landform, land-use, erosion and soil quality in the Kan catchment of the Tehran province, central Iran [J]. Catena, 2021,204.

[18] Yuen K W, Hanh T T, Quynh V D, et al. Interacting effects of land-use change and natural hazards on rice agriculture in the Mekong and Red River deltas in Vietnam [J]. Natural Hazards and Earth System Sciences,2021,21(5):1473-1493.

[19] 张浚茂,臧传富.东南诸河流域1990～2015年土地利用时空变化特征及驱动机制 [J]. 生态学报, 2019,39(24):9339-9350.

Zhang J M, Zang C F. Spatial and temporal variability characteristics and driving mechanisms of land use in the Southeastern River Basin from 1990 to 2015 [J]. Acta Ecologica Sinica, 2019,39(24):9339-9350.

[20] 李 平,李秀彬,刘学军.我国现阶段土地利用变化驱动力的宏观分析 [J]. 地理研究, 2001,20(2):129-138.

Li P, Li X B, Liu X J. Macro-analysis on the driving forces of the land-use change in China [J]. Geographical Research, 2001,20(2): 129-138.

[21] Arowolo A O, Deng X Z. Land use/land cover change and statistical modelling of cultivated land change drivers in Nigeria [J]. Regional Environmental Change, 2018,18(1):247-259.

[22] Debnath J, Das (Pan) N, Ahmed I. An attempt to analyse the driving forces of land use changes of a tropical river basin: A case study of the Muhuri River, Tripura, North-East India [J]. International Journal of Ecology & Development™, 2020,35(2):13-30.

[23] MKENS M. Spatial-temporal pattern and population driving force of land use change in Liupan Mountains region, southern Ningxia, China [J]. Chinese Geographical Science, 2008,18(4):323-330.

[24] 毛盛林,上官周平.近20年黄土高原土地利用/植被覆盖变化特征及其成因 [J]. 水土保持研究, 2022,29(5):213-219.

Mao S L, Shangguan Z P. Characteristics and causes of land use/vegetation coverage of the loess plateau in the Past 20Years [J]. Research of Soil and Water Conservation, 2022,29(5):213-219.

[25] 肖 杨,赵庚星.黄河三角洲典型地区土地利用变化遥感监测及驱动力分析 [J]. 测绘与空间地理信息, 2016,39(9):43-46.

Xiao Y, Zhao G X. Remote sensing monitoring and driving force analysis of land use change in typical areas of the Yellow River Delta [J]. Geomatics & Spatial Information Technology, 2016,39(9):43-46.

[26] 解修平,张海龙,吴宏安,等.近25年来西安地区土地利用变化及驱动力研究[J]. 资源科学, 2006,28(4):71-77.

Xie X P, Zhang H L, Wu H A, et al. Analyzing land use changes and its driving forces in Xi'An Region during the past 25 years [J]. Resources Science, 2006,28(4):71-77.

[27] 南生祥,魏 伟,刘春芳,等.土地利用变化的生态环境效应及其时空演变特征——以河西走廊为例[J]. 应用生态学报, 2022,33(11): 3055-3064.

Nan S X, Wei W, Liu C F, et al. Eco-environmental effects and spatiotemporal evolution characteristics of land use change: A case study of Hexi Corridor, Northwest China. [J]. Chinese Journal of Applied Ecology, 2022,33(11):3055-3064.

[28] 许 栋,翟思涵,白玉川.江苏沿海滩涂利用模式遥感影像解译和时空变化分析 [J]. 测绘与空间地理信息, 2022,45(1):10-15.

Xu D, Zhai S H, Bai Y C. Interpretation and spatiotemporal variation analysis of remote sensing images using models along the beach in Jiangsu [J]. Geomatics & Spatial Geographic Information, 2022,45(1):10-15.

[29] 李亚丽,杨粉莉,杨联安,等.近40a榆林市土地利用空间格局变化及影响因素分析 [J] .干旱区地理, 2021,44(4):1011-1021.

Li Y L, Yang F L, Yang L A, et al. Spatial pattern changes and influencing factors of land use in Yulin City in the past 40 years [J]. Arid Land Geography, 2021,44(4):1011-1021.

[30] 徐铖龙,纪佩瑶,龚文峰,等.2000～2015年西南区县域土地利用变化特征及驱动力分析—以重庆市奉节县为例 [J]. 中国农学通报, 2021,37(20):98-107.

Xu C L, Ji P Y, Gong W F, et al. Characteristics and driving force of land use change in Southwest China from 2000 to 2015: A case study of Feng jie County in Chongqing [J]. Chinese Agricultural Science Bulletin, 2021,37(20):98-107.

[31] 何苇航,耿丹丹,王 瑶,等.武夷山市土地利用变化遥感监测分析[J]. 测绘科学, 2017,42(11):47-55.

He W H, Geng D D, Wang Y, et al. Analyzing land use change by remote sensing in Wu Yishan city [J]. Science of Surveying and Mapping, 2017,42(11):47-55.

[32] 王 权,李阳兵,刘亚香,等.基于地形梯度的岩溶槽谷区土地利用空间格局分析 [J]. 生态学报, 2019,39(21):7866-7880.

Wang Q, Li Y B, Liu Y X, et al. Analysis of spatial pattern of land use based on terrain gradient in karst trough valley area [J]. Acta Ecologica Sinica, 2019,39(21):7866-7880.

[33] 樊 勇,何宗宜,李敏敏,等.1980～2015年中国建设用地变化研究[J]. 测绘通报, 2020,(1):128-131.

Fan Y, He Z Y, Li M M, et al. Research on the change of built-up land in China from 1980～2015 [J]. Bulletin of Surveying and Mapping, 2020,(1):128-131.

[34] Peng J, Zheng Y, Liu C. The impact of urban construction land use change on carbon emissions: Evidence from the China Land Market in 2000～2019 [J]. Land, 2022,11(9):1440.

[35] Dan Y, Peng Y Z, Ling J, et al. Spatial change and scale dependence of built-up land expansion and landscape pattern evolution—Case study of affected area of the lower Yellow River [J]. Ecological Indicators, 2022,141:109-123.

[36] 宋雪婷,程 偲.武威市土地利用变化特征及其驱动响应[J]. 甘肃科技, 2022,38(1):51-58,90.

Song X T. Cheng S. Characteristics of land use change and its driving response in Wuwei City [J]. GanSu Science and Technology, 2022, 38(1):51-58,90.

[37] 丁一汇,柳艳菊,徐 影,等.全球气候变化的区域响应:西北地区气候“暖湿化”趋势、成因及预估研究进展与展望 [J]. 地球科学进展, 2023,38(6):551.

Ding Y H, Liu Y J, Xu Y, et al. Regional responses to global climate change:progress and prospect for trend,causes and projection of climatic warming-wetting in Northwest China. [J]. Advances in Earth Science, 2023,38(6):551.

[38] 张红丽,韩富强,张 良,等.西北地区气候暖湿化空间与季节差异分析[J]. 干旱区研究, 2023,40(4):517-531.

Zhang H L, Han F Q, Zhang L, et al. Analysis of spatial and seasonal variations in climate warming and humidification in Northwest China [J]. Arid Zone Research, 2023,40(4):517-531.

[39] 吴景全,吴铭婉,臧传富.西北诸河流域土地利用变化及土地生态安全评估[J]. 干旱区地理, 2021,44(5):1471-1482.

Wu J Q, Wu M W, Zang C F. Land use change and land ecological security assessment in the river basins of northwestern China [J]. Arid Land Geography, 2021,44(5):1471-1482.

[40] 幸瑞燊,周启刚,李 辉,等.基于地形梯度的三峡库区万州区土地利用时空变化分析 [J]. 水土保持研究, 2019,26(2):297-304.

Xing R S, Zhou Q G, Li H, et al. Analysis on spatiotemporal variations of land use change in Wanzhou District of Three Gorges Reservoir based on the terrain gradient [J]. Research of Soil and Water Conservation, 2019,26(2):297-304.

[41] 敬文茂,任小凤,赵维俊.1965～2018年祁连山北麓及其附近地区气温与降水变化的时空格局 [J]. 高原气象, 2022,41(4):876-886.

Jing W M, Ren X F, Zhao W J. Spatio-temporal pattern variations of temperature and precipitation in Northern Parts of the Qilian Mountains and the nearby regions from 1965 to 2018 [J]. Plateau Meteorology, 2022,41(4):876-886.

[42] 缑天宇,佟 玲,康德奎,等.中国西北干旱区石羊河流域重点治理综合效应评价 [J]. 农业工程学报, 2022,38(12):74-84.

Gou T Y, Tong L, Kang D K, et al. Evaluating the comprehensive effects of the Key Master Plan of the Shi yang River Basin in arid areas of northwest China [J]. Transactions of the Chinese Society of Agricultural Engineering, 2022,38(12):74-84.

[43] 蒋晓娟.基于生态文明建设的国土空间优化研究—以甘肃省为例[D]. 兰州:兰州大学, 2019.

Jiang X J. Research on land spatial optimization based on ecological civilization construction: A case study of Gansu Province [D]. Lanzhou: Lanzhou University, 2019.

The key driving factors of land use patio-temporal change and its influence trend——A case study of Wuwei.

WANG Xing-dan1, LIU Pu-xing1*, GENG Meng-die1, WANG Miao1, LU Juan1,2

(1. Key Laboratory of Resource Environment and Sustainable Development of Oasis, College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China；2.College of Geology and Jewelry, Lanzhou Resources & Environment Voc-Tech University, Lanzhou 730021, China)., 2023,43(12)：6583～6591

Based on the Landsat TM/OLI remote sensing image data of Wuwei City in 1990, 2000, 2010 and 2021, this paper used the methods of land use dynamic change index, land use transfer matrix, center of gravity migration model and principal component comprehensive score model, combined with meteorological data and socio- economic statistical data, the spatio-temporal driving factors of land use change in Wuwei City were quantitatively analysed. The results show that: In the past 32 years, the area of Grassland, Cropland, Impervious and Water in Wuwei City showed an increasing trend, while the area of Barren and Forest showed a decreasing trend, and the dynamic rate ranged from 2.56% to -0.13%. Forest and Barren were mainly converted to Grassland and Cropland; The spatial difference of land use change in the study area was obvious. The center of gravity migration distance of Water was the largest, followed by Cropland and Barren was the least; Human activities and climate change were the key factors affecting land use change in Wuwei City. The contribution rate of human activities was 56.35%, which was much higher than that of climate change in 43.65%, and the impacts of both showed an upward trend, and the influence trend of human activities was greater than that of climate change. In the future, we should give full play to the positive role of human beings, so as to promote the coordinated development of human and land.

land use change；center of gravity migration model；principal component analysis (PCA)；contribution rate of driving factors；Wuwei City

X32

A

1000-6923(2023)12-6583-09

王兴丹,刘普幸,耿梦蝶,等.土地利用时空变化的关键驱动因子及其影响趋势——以武威市为例 [J]. 中国环境科学, 2023,43(12):6583-6591.

Wang X D, Liu P X, Geng M D, et al. The key driving factors of land use patio-temporal change and its influence trend——A case study of Wuwei [J]. China Environmental Science, 2023,43(12):6583-6591.

2023-04-27

国家自然科学基金资助项目(41561080);2023年陇原青年创新创业人才(团队)项目(ZB2023-02)

* 责任作者, 教授, liupx0687@163.com

王兴丹(2000-),女,甘肃张掖人,西北师范大学硕士研究生,主要研究方向为干旱区域环境与绿洲建设.wangxingdan2599@163.com.