王盼盼，宋 戈

?

1979－2015年松嫩高平原土地利用格局變化及影響因子分析

王盼盼，宋 戈※

（東北大學土地管理研究所，沈陽 110169）

為明確松嫩高平原土地利用格局變化特征及影響因子對其作用方式。該文以巴彥縣為例，在明確1979－1991年、1991－2003年、2003－2015年間研究區(qū)土地利用格局變化特征的基礎上，運用典范對應分析（CCA, canonical correspondence analusis）和徑向基函數(shù)（RBF, radial basis function）神經網(wǎng)絡模型，分析3個不同時段研究區(qū)土地利用格局變化主要影響因子，及各影響因子對土地利用格局作用強度及方向的時間演變規(guī)律。研究結果表明：1）3個不同時段，研究區(qū)各土地利用類型的面積增減幅度不一，1991－2003年，旱地面積增加11 514.56 hm2，其他用地面積減少6 445.57 hm2，土地利用面積變化幅度最大。2）1991－2003年，坡度、土壤類型、土壤質地、土壤肥力、土壤水分、GDP、區(qū)位指數(shù)、集中化程度、多樣性指數(shù)和土地利用強度等關鍵性影響因子與第1排序軸的影響系數(shù)分別為-0.386 6、-0.559 4、-0.342 3、0.648 3、0.352 6、0.187 1、0.393 6、0.417 0、0.388 8、-0.583 3，其強度明顯高于1979－1991年和2003－2015年，是造成該期間土地利用類型之間轉換頻繁，土地利用面積變化幅度大的主要原因。3）3個不同時段，影響各土地利用類型變化的關鍵性因子不同，在影響因子的共同作用下，土地利用類型的面積增減幅度不一，促使旱地發(fā)生轉變的土地利用強度，在1991－2003年間對旱地的作用強度明顯下降，影響系數(shù)由0.485 4變?yōu)?.338 4，是旱地在該期間面積增加較多的主要原因。研究結論：3個不同時段內，各關鍵性影響因子對土地利用格局的作用強度、方向及方式均有所變化，導致研究區(qū)土地利用格局存在明顯的分異特征。

土地利用；土地整治；遙感；影響因子；典范對應分析；徑向基函數(shù)神經網(wǎng)絡；巴彥縣

0 引 言

土地利用格局是自然條件變化和人類活動相互作用的結果[1-3]，土地利用格局變化導致地球表面的生物、水文及能量等過程發(fā)生變化，由此所引發(fā)的一系列土壤侵蝕、土壤養(yǎng)分遷移、生物多樣性減少、河流徑流增加、糧食匱乏等生態(tài)和社會經濟問題不斷增多[4]。根據(jù)全球碳循環(huán)預測結果可知，1991－2100年，土壤的碳轉移將達到32%～57%，是因為大面積的林地轉變?yōu)楦兀虻耐寥狼治g將不斷加?。粨?jù)測算，由于土地利用類型的變化和土地覆被格局的改變，大氣中80% N2O和60% CO來源于此[5]。因此，深入探究土地利用格局的變化特征及影響因子，對于土地利用格局的優(yōu)化、區(qū)域生態(tài)環(huán)境的改善和土地利用率的提高等具有重要的指導意義。

國內外已有的研究主要集中在土地利用格局變化特征、土地利用格局模擬及預測、土地利用格局變化的驅動力分析等[6-12]。在研究角度及方法上，眾多學者基于DEM[13]、地貌特征[14]、地形梯度[15]、分形特征[16]、鄰域因子[17]等方面分析土地利用格局變化特征；運用CA-Markov模型[18]、CLUE-S模型[19]等方法模擬及預測土地利用格局；從自然及人文角度探討土地利用格局變化的驅動因素，在研究尺度上，全國、省級及流域尺度居多。大多數(shù)研究在識別土地利用格局變化的主要影響因子時，多是識別不同時點或單一時段的影響因子[20-22]，土地利用格局變化是一個時空動態(tài)過程，其主要影響因子及因子對土地利用格局的作用強度、方向等也會隨著時間而發(fā)生變化，因此，識別不同時段的土地利用格局變化影響因子，研究不同時段因子之間差異及其對土地利用格局的影響更具有科學價值。前期研究結果表明，巴彥縣位于“三大黑土區(qū)”之一的東北黑土區(qū)區(qū)域內，大部分區(qū)域由于土地利用格局變化而引發(fā)的黑土退化、水土流失、土壤侵蝕、土地污染、林地銳減等負效應突出，嚴重影響和威脅著區(qū)域的糧食安全、生態(tài)安全和經濟社會可持續(xù)發(fā)展[23-24]。因此，本文以巴彥縣為研究區(qū)，在分析1979－1991年、1991－2003年、2003－2015年研究區(qū)土地利用格局變化特征的基礎上，運用（CCA, canonical correspondence analusis）排序和（RBF, radial basis function）神經網(wǎng)絡模型，甄別3個不同時段研究區(qū)土地利用格局變化的主要影響因子，分析各影響因子對土地利用格局作用強度及方向的時間演變規(guī)律，深入探究土地利用格局動態(tài)變化過程及共性規(guī)律，以期為松嫩高平原土地利用格局的優(yōu)化調整提供參考依據(jù)，對于提高寶貴黑土區(qū)的土地利用效率具有重要的意義。

1 研究區(qū)概況

巴彥縣是哈爾濱的近郊縣，位于黑龍江省中部偏南，松花江中游北岸，松嫩高平原腹地。巴彥縣轄10鎮(zhèn)8鄉(xiāng)，土地總面積313 638.69 hm2，以農林業(yè)為主，全縣年平均氣溫3 ℃，多年平均降水量541.9 mm。2015年，巴彥縣總人口70.2萬人，GDP為181.71億元。巴彥縣共劃分為6個地貌類型區(qū)，包括低山丘陵殘山區(qū)、低山邊緣坡崗區(qū)、波狀緩坡漫崗區(qū)、松花江階地、河灘地、溝谷灘地。土壤類型多樣，其中以黑土分布最廣，占土地總面積的53.5%，巴彥縣后備土地資源較少，部分地區(qū)由于土地利用變化和土地利用方式的不合理，黑土退化、水土流失、土壤侵蝕等問題日益突出。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源與處理

本文選取的數(shù)據(jù)源像為云覆蓋率均小于10%的研究區(qū)1979年Landsat MSS、1991年和2003年Landsat TM、2015年Landsat 8 OLI遙感影像。1991年和2003年的土地利用變更數(shù)據(jù)庫可以滿足當前研究所需。以巴彥縣1∶50 000地形圖為參考，將土地利用方式和覆蓋特征作為主要分類依據(jù)，采用控制點糾正方式對遙感影像進行處理。在GIS的技術支持下，根據(jù)研究區(qū)實際地理特征，將研究區(qū)分為旱地、水田、園地、林地、草地、水域、建設用地、其他用地8類土地利用類型，為檢驗解譯精度，選取多個樣點進行實地調查，并且反復調整解譯結果，最終實現(xiàn)解譯精度>0.8，Kappa系數(shù)>0.8，可以滿足本研究的需要。

在建立土地利用數(shù)據(jù)庫基礎上，提取研究區(qū)1∶50 000數(shù)字化地形圖中的高程點和等高線，建立不規(guī)則三角網(wǎng)（TIN，triangulated irregular network），并且，運用線性和雙線性內插生成DEM，從而獲取研究區(qū)高程、坡度和坡向等地形數(shù)據(jù)，運用ArcGIS的空間分析功能，生成高程、坡度和坡向專題圖。在ArcGIS平臺下手動輸入研究區(qū)6種地貌類型屬性，運用Kriging空間插值方法將地貌類型進行插值，將插值圖轉換為柵格數(shù)據(jù)，進而得知巴彥縣全縣的地貌類型。

本研究選取1979年、1991年、2003年及2015年的土壤數(shù)據(jù)包括：土壤類型、土壤質地、土壤養(yǎng)分（土壤有機質、氮磷鉀、微量元素）、土壤重金屬、pH值、有機質、黑土層厚度、土壤污染物。土壤數(shù)據(jù)來源分別為：1979年研究區(qū)的土壤數(shù)據(jù)及相關圖件來源于黑龍江省第二次土壤普查資料。1991年和2003年的土壤數(shù)據(jù)及相應圖件來源于前期研究成果“巴彥縣1991年、2003年、2009年土地利用現(xiàn)狀調查”的耕地質量調查中土壤調查專項。2015年土壤數(shù)據(jù)采取野外實地采樣，將土壤采樣樣本在專業(yè)土肥站和實驗室進行實測后，進行內業(yè)數(shù)據(jù)處理，建立2015年土壤各類指數(shù)數(shù)據(jù)庫和相應圖件。運用潛在生態(tài)危害指數(shù)法，根據(jù)土壤中8類重金屬污染元素（鉻、汞、銅、鉛、鎘、鋅、鎳、砷）的含量，計算得到研究區(qū)重金屬綜合污染指數(shù)。

本研究所選取的植被指數(shù)為歸一化植被指數(shù)（NDVI, normalized difference vegetation index）、比值植被指數(shù)（RVI, relative vigor index）和差值植被指數(shù)（DVI, difference vegetation index）。以4個時間點的遙感影像為數(shù)據(jù)源，運用近紅外波段的反射值與紅光波段的反射值計算NDVI，運用近紅外波段的反射值與紅光波段的反射值比值計算RVI，運用近紅外波段的反射值與紅光波段的反射值差值計算DVI。NDVI、DVI、RVI可以間接的反應土壤肥力、土壤退化及土壤水分。

運用GIS軟件，將巴彥縣1979年、1991年、2003年和2015年的矢量地類圖斑轉化為柵格地類圖斑，提取城鎮(zhèn)中心、水域及主要道路的矢量圖斑，計算每個柵格到城鎮(zhèn)中心、水域、道路的成本距離。土地利用強度、土地利用多樣性及區(qū)位指數(shù)分別利用土地利用強度模型、Gibbs-Martin指數(shù)、及地類區(qū)位指數(shù)模型求取，土地利用集中化程度=1-土地利用多樣性指數(shù)。根據(jù)各鄉(xiāng)鎮(zhèn)的人口統(tǒng)計及經濟數(shù)據(jù)，利用反距離權重插值方法插值成空間化數(shù)據(jù)。

本文的數(shù)據(jù)基礎建立在柵格數(shù)據(jù)基礎上，而各圖件的數(shù)據(jù)格式不同，包括矢量數(shù)據(jù)、柵格數(shù)據(jù)，因此，將1979年、1991年、2003年和2015年所有數(shù)據(jù)按照行政邊界切割，并通過ArcGIS軟件柵格化，統(tǒng)一重采樣到30 m×30 m。

2.2 研究方法

1）CCA排序

土地利用格局變化的復雜性及其影響因素之間相互作用和影響，決定了土地利用格局變化及其影響因素之間并非簡單的線性相關。CCA排序法可以將結果簡單明了地表示在同一排序圖上，能夠較為客觀地反映土地利用格局與各影響因子之間的空間對應關系[25-28]。

通過單一土地利用動態(tài)度模型和綜合土地利用動態(tài)度模型計算研究區(qū)1979－1991年、1991－2003年、2003－2015年旱地、水田、園地、林地、草地、建設用地、水域和其他用地的單一土地利用類型動態(tài)度和土地利用綜合動態(tài)度，由于研究區(qū)園地面積較小，動態(tài)度在采樣點上的賦值多數(shù)為0，因此，在CCA排序中排除園地動態(tài)度。以1979－1991年、1991－2003年、2003－2015年土地利用綜合動態(tài)度和單一土地利用類型動態(tài)度為物種變量，1979－1991年、1991－2003年、2003－2015年各因子平均值作為環(huán)境變量，運用Canoco 4.5軟件中的WcanoImp軟件模塊將上述矩陣進行格式轉化。將轉化后的樣點土地利用類型動態(tài)度矩陣和樣點影響因子矩陣導入Canoco4.5軟件中，對土地利用格局與其影響因子采用CCA方法[17]進行分析。經研究，1979－1991年、1991－2003年、2003－2015年4個排序軸上累積土地利用格局與影響因子的解釋量分別為99.1%、99.2%和99.4%，土地利用格局與影響因子關系的絕大部分信息均在前4個排序軸中得出。1979－1991年前2個排序軸的累計百分比分別為60.2%、80.1%，1991－2003年為66.5%、81.7%，2003－2015年為67.3%、83.1%。因此，CCA分析可以很好的解釋土地利用格局變化與影響因子之間的關系。

2）徑向基函數(shù)神經網(wǎng)絡

由于CCA分析不能得到單個影響因子對土地利用類型變化的解釋度，本研究進一步利用徑向基函數(shù)（RBF）神經網(wǎng)絡模型定量估算各影響因子對土地利用類型變化的影響和貢獻程度。徑向基函數(shù)（RBF）神經網(wǎng)絡模型是非線性輸入空間向線性輸入空間的隱射，即通過合理的變換，將原始的非線性可分的特征空間隱射到另一種線性可分的高維空間，進而模擬輸入層影響輸出層的內在結構，具有明確的目標導向[29-30]。

運用－均值聚類方法求取基函數(shù)中心c(=1,2,…,)，選用高斯函數(shù)作為徑向基函數(shù)

方差為

式中max為選取中心之間的最大距離，m；為訓練樣本個數(shù)；x為訓練樣本集合，c為基函數(shù)中心，為輸入層節(jié)點。測度隱含層至輸出層之間神經元的連接權值可以用最小二乘法計算，公式如下

式中為樣本容量，為樣本點個數(shù)。

輸入層對輸出層的影響系數(shù)為

式中A代表影響系數(shù)，W代表輸入層到隱含層的權值，P代表隱含層到輸出層的權值，代表隱含層節(jié)點，代表輸入層節(jié)點總數(shù)。

本文利用DPS軟件進行RBFN建模分析1979－1991年、1991－2003年、2003－2015年各影響因子對各土地利用類型的作用強度，以巴彥縣26種評價因子的值作為輸入層，即輸入層節(jié)點為26；以1979－1991年、1991－2003年、2003－2015年旱地、水田、林地、草地、建設用地、水域、其他用地的土地利用動態(tài)度為輸出層，即網(wǎng)絡輸出節(jié)點數(shù)為7，通過試算選定誤差最小的隱含層神經元個數(shù)，1979－1991年的為7，1991－2003年和2003－2015年的為8。計算時訓練速率取0.15，加權種子數(shù)取2，訓練控制過程中迭代次數(shù)取100次，計算結果顯示，3個時段影響因素測度的模型精度均在0.9以上，平均擬合度達到0.948，擬合度較好，可有效解釋土地利用類型與影響因子之間關系。

3 結果與分析

3.1 巴彥縣土地利用格局變化特征

在GIS的技術支撐下，根據(jù)研究區(qū)各年土地利用數(shù)據(jù)庫，獲得1979－2015年巴彥縣土地利用面積及結構表（表1），研究區(qū)主要土地利用類型為旱地，其面積占總面積的比例均在67%以上。研究區(qū)的次主要土地利用類型是林地，其面積占總面積的比例均在10%以上。園地面積最小，其占總面積的比例均在1%以下。

1979－1991年間，水田、草地、水域及其他用地面積減少，旱地、園地、林地和建設用地面積增加。1991－2003年間，園地、林地、草地、建設用地及其他用地面積減少，旱地、水田和水域面積增加。2003－2015年間，旱地、園地、林地、草地、水域及其他用地面積減少，水田和建設用地面積增加?？傮w來看，1979－2015年間，研究區(qū)土地利用類型面積的增減幅度大小不一，旱地、水田及建設用地面積增加，園地、林地、草地、水域及其他用地面積減少。其中水田面積增長最為明顯，共增長了10 644.78 hm2，增長比例為3.40%。旱地增長7 166.72 hm2，增長比例為2.28%，建設用地增長4 825.73 hm2，增長比例為1.54%。減少最多的用地類型為其他用地，共減少10 352.75 hm2，比例減少3.30%。1991－2003年，土地利用類型面積的變化幅度最大，旱地面積增加11 514.56 hm2，其他用地面積減少6 445.57 hm2。

表1 1979－2015年巴彥縣土地利用面積及結構

3.2 巴彥縣土地利用格局與影響因子的典范對應分析

本文依據(jù)研究區(qū)土地利用格局變化的實際情況，兼顧指標量化的難易程度及指標獲取的可行性，運用SPSS軟件，進行因子間的共線性處理，最后得到高程、坡度、坡向、地貌類型、土壤類型、土壤質地、黑土層厚度、全氮、速效磷、速效鉀、pH值、土壤有機質、土壤重金屬污染指數(shù)、氯、土壤肥力、土壤退化、土壤水分、距城鎮(zhèn)中心距離、距水域距離、距道路距離、土地利用強度、多樣性指數(shù)、集中化程度、區(qū)位指數(shù)、GDP、人口26個影響因子參與研究區(qū)土地利用格局變化影響因子分析研究。

由CCA排序得到1979－1991年、1991－2003年、2003－2015年巴彥縣土地利用格局的影響因子與典范對應分析排序軸的相關系數(shù)（表2）。

表2 1979－2015年巴彥縣土地利用格局的影響因子與典范對應分析排序軸的相關系數(shù)

1979－1991年，CCA排序第1軸主要反映了高程（?0.390 6）、坡度（?0.378 1）、土壤類型（?0.507 6）、土壤質地（?0.317 3）、黑土層厚度（0.491 0）、距城鎮(zhèn)中心距離（?0.439 1）、距水域距離（?0.248 4）、區(qū)位指數(shù)（0.302 8）、集中化程度（0.324 0）、土地利用強度（?0.423 7）。排序第2軸主要反映高程（0.384 1）、地貌類型（?0.224 5）、土壤水分（0.344 4）、距水域距離（0.273 2）、區(qū)位指數(shù)（0.376 2）、集中化程度（0.432 8）、多樣性指數(shù)（0.238 1）、土地利用強度（?0.392 9）。綜上，1979－1991年，影響研究區(qū)土地利用格局主要的關鍵性因子為高程、坡度、地貌類型、土壤類型、土壤質地、黑土層厚度、土壤水分、距城鎮(zhèn)中心距離、距水域距離、區(qū)位指數(shù)、集中化程度、多樣性指數(shù)、土地利用強度。同理可發(fā)現(xiàn)，1991－2003年和2003－2015年土地利用格局變化的主要影響因子，3個不同時段土地利用格局的主要影響因子有相同之處，同時也存在差別。

由1979－1991年、1991－2003年、2003－2015年研究區(qū)土地利用格局的關鍵性影響因子及影響強度可知，3個不同時段內，地形地貌因素中的高程、坡度、地貌類型對研究區(qū)土地利用格局的影響強度始終較大，影響強度先增加后減少，1991－2003年時最強；土壤因素中土壤類型、土壤質地、土壤肥力等對土地利用格局的影響差異性較大，影響1991－2003年間土地利用格局的土壤因素較多；距離因素中距城鎮(zhèn)中心距離、距河流距離對土地利用格局的影響較大，但影響強度變化不顯著；土地利用程度因素中，區(qū)位指數(shù)、集中化程度、多樣性指數(shù)及土地利用強度對研究區(qū)土地利用格局的影響均很強，且影響強度先增加后下降，1991－2003年時最強。1991－2003年，坡度、土壤類型、土壤質地、土壤肥力、土壤水分、GDP、區(qū)位指數(shù)、集中化程度、多樣性指數(shù)和土地利用強度等關鍵性影響因子與第1排序軸的影響系數(shù)分別為?0.386 6、?0.559 4、?0.342 3、0.648 3、0.352 6、0.187 1、0.393 6、0.417 0、0.388 8、?0.583 3，各影響因子對土地利用格局的作用強度明顯高于1979－1991年和2003－2015年，是造成該期間土地利用類型之間轉換頻繁，土地利用面積變化幅度大的主要原因。

總體來看，研究區(qū)位于松嫩高平原區(qū)域，平原面積占研究區(qū)總面積的70%以上，高程和坡度較小的區(qū)域，土地利用格局發(fā)生變化的概率越大，隨著高程和坡度的增加，土地利用類型趨向單一化，土地利用類型之間轉換的頻繁度較低，高程和坡度的增加會抑制土地利用格局的變化。研究區(qū)土壤因素對土地利用格局的影響錯綜復雜，影響大小、強度等均有不同程度的變化，土壤類型在白漿土、草甸土、黑土區(qū)域，土壤質地為輕黏土和重壤土，土地利用格局發(fā)生變化的概率降低，土壤肥力和土壤水分較大的區(qū)域，往往植被覆蓋面較大，土地利用類型之間發(fā)生轉變的概率較高，而土壤退化嚴重的區(qū)域，多為未利用地和其他用地等，其被利用的概率也會增加，土地用途易發(fā)生變化，土壤因素對土地利用格局變化的影響較大。距城鎮(zhèn)中心距離較近的區(qū)域，人類活動較頻繁，人類活動對土地利用格局的影響不容忽視，人類活動的增加導致土地利用格局發(fā)生變化的概率增大。土地利用強度是指人類開發(fā)利用土地的廣度和深度，土地利用強度越大的區(qū)域，其土地被開發(fā)利用的越徹底，土地用途不易轉變，在土地利用強度相對較小的區(qū)域，土地利用格局發(fā)生變化的概率會增加。

3.3 影響因子對各土地利用類型作用強度的演變分析

由于CCA分析不能得到影響因子對不同土地利用類型變化的解釋度，本研究進一步利用徑向基函數(shù)（RBF）神經網(wǎng)絡模型定量估算各影響因子對土地利用類型的影響和貢獻程度，得到1979－1991年、1991－2003年、2003－2015年間各影響因子對巴彥縣不同土地利用類型的影響系數(shù)（表3）。

表3 1979－1991年、1991－2003年、2003－2015年各影響因子對巴彥縣不同土地利用類型的影響系數(shù)

旱地的動態(tài)變化受土地利用強度的影響始終較大，3個時段，影響系數(shù)分別為0.485 4、0.338 4、0.335 5，土地利用強度可以間接反映人類活動的干擾能力，旱地動態(tài)度隨著土地利用強度的增加而增大，人類活動的頻繁程度在一定程度上影響著旱地的分布，人類活動越頻繁的區(qū)域，旱地與其他土地利用類型之間的轉換越頻繁，尤其是旱地與建設用地之間的轉換。旱地變化受距離因素（距城鎮(zhèn)中心距離、距道路距離）的限制逐漸減少，經濟快速發(fā)展，交通便利程度的增加，距離因素對于耕種條件的限制逐漸減小。旱地受GDP的影響逐漸減少，說明研究區(qū)在逐漸重視經濟發(fā)展與生態(tài)保護并重。旱地變化受土壤質地的影響在不斷增加，影響系數(shù)從0.218 9增加為0.280 6，受土壤水分的影響有所減少，影響系數(shù)從0.198 9減少為0.134 2，作物的生長本身離不開土壤，土壤的質地、水分、肥力等對作物的生長起著關鍵的作用，因此，對旱地的分布起著關鍵性的作用。

水田的動態(tài)變化受距水域距離和土壤水分的影響在不斷增加，影響系數(shù)分別從0.144 1、0.332 3增加為0.295、0.343，水田的分布離不開水源，因此距水域距離的遠近及土壤水分含量的高低對于水田的分布起著關鍵性作用。水田受地貌類型和高程的影響呈下降趨勢，水田仍然受地形地貌的影響較大，但限制性有所減少，水田對地形地貌的要求較高，隨著農業(yè)技術的進步，灌溉設施的完善，地形地貌對水田分布的限制性逐漸減少。

林地的動態(tài)變化受高程、坡度及坡向的影響在不斷增加，其影響系數(shù)分別從0.206 6、0.225 3、0.113 1增加到0.226 4、0.355 9、0.124 2，林地的變化受地形影響在逐漸加大，林地本身的區(qū)位優(yōu)勢分布在高海拔且坡度較大的區(qū)域，受人類活動干擾較少，受地形的限制不大，根據(jù)土地利用類型分布自身的優(yōu)勢和特點，其他受地形限制較大的土地利用類型會在海拔較低的地方分布逐漸擴大，所以在低海拔區(qū)域，林地轉變?yōu)槠渌恋乩妙愋偷母怕试黾?。林地變化受距離因素（距城鎮(zhèn)中心距離與距道路距離）均呈增加趨勢，林地本身分布的優(yōu)勢區(qū)域位于距城鎮(zhèn)及道路較遠的區(qū)域，距城鎮(zhèn)中心及道路較近的區(qū)域，林地被開墾為耕地等其他土地利用類型的概率會增加，且這種現(xiàn)象越來越顯著。

草地的動態(tài)變化受土壤退化的影響一直很大，影響程度不斷增加，影響系數(shù)由0.299 5增加為0.327 7。土壤退化越嚴重的區(qū)域，草地發(fā)生變化的概率越大，與事實發(fā)展規(guī)律相符，土壤退化導致草地退化的加劇，草地被開墾為其他土地利用類型的概率增加。草地變化受距水域距離的影響較大，且影響程度增加，任何植被覆蓋均離不開水源，包括草地，距水域距離越遠的區(qū)域，草地轉變?yōu)槠渌恋乩妙愋偷母怕试黾印?/p>

建設用地的動態(tài)變化受高程及坡度的影響逐漸減小，建設用地對地形的要求較高，海拔較高、坡度較大的區(qū)域不適合進行建筑建設活動，此區(qū)域，建設用地轉變?yōu)槠渌恋乩妙愋偷母怕试黾印５S著技術的進步，地形等因素對于建設用地的限制在逐漸減少。建設用地變化受距水域距離的影響在增加，影響系數(shù)由0.279 9變?yōu)?.286 9，距水域距離越遠的區(qū)域，建設用地轉變?yōu)槠渌恋乩妙愋偷母怕试黾樱芯繀^(qū)建設用地多為居民點用地，人們的生產生活離不開水源，因此，距水域距離對建設用地分布的限制較大，且限制性在不斷增加。土壤退化越嚴重的區(qū)域，建設用地轉變?yōu)槠渌恋乩妙愋偷母怕试黾樱疫@種影響在不斷加大。建設用地變化受集中化程度的影響在增加，影響系數(shù)由0.088 7增加為0.104，研究區(qū)集中化程度最高的土地利用類型為旱地，集中化程度越大的區(qū)域，建設用地被復墾為旱地的概率增加，轉變?yōu)槠渌恋乩妙愋偷母怕试黾印?/p>

水域的動態(tài)變化受土壤退化的影響一直很大，且其影響系數(shù)在不斷增加，土壤退化越嚴重的區(qū)域，水域發(fā)生變化的概率越大。水域變化受距水域距離的影響較大，距水域距離近的區(qū)域水域變化越明顯，水域周圍多為灘涂用地，其發(fā)生土地利用類型轉換的概率較大。

其他用地的動態(tài)變化受距水域距離的影響在不斷增加，其他用地主要是由河流湖面及灘涂等組成，其受水域影響較大，距水域距離較近的區(qū)位，土地利用類型轉變較頻繁，尤其多種土地利用類型與其他用地的轉換。其他用地的變化受土壤因素的影響一直較大，且其影響程度在不斷加大，隨著技術的革新和不斷進步，土壤條件較好的區(qū)域，其他用地被開墾為旱地、草地等土地利用類型的概率增加，大大提高了土地利用率。

4 結 論

1）1979－1991年、1991－2003年、2003－2015年間，研究區(qū)各土地利用類型的面積增減幅度不一，旱地、水田及其他用地面積變化幅度較大，其中，1991－2003年旱地面積增加11 514.56 hm2，其他用地面積減少6 445.57 hm2，該期間研究區(qū)土地利用面積的增減幅度最大。

2）1979－1991年、1991－2003年、2003－2015年間，研究區(qū)土地利用格局變化受自然與人文因子共同作用的影響，3個不同時段內，土地利用格局的影響因子不盡相同，且各關鍵性影響因子對土地利用格局的作用強度、方向及方式均有所變化。其中，1991－2003年，坡度、土壤類型、土壤質地、土壤肥力、土壤水分、GDP、區(qū)位指數(shù)、集中化程度、多樣性指數(shù)和土地利用強度等關鍵性影響因子與第1排序軸的影響系數(shù)分別為?0.386 6、?0.559 4、?0.342 3、0.648 3、0.352 6、0.187 1、0.393 6、0.417 0、0.388 8、?0.583 3，其強度明顯高于1979－1991年和2003－2015年，造成該期間土地利用類型之間轉換頻繁，土地利用面積變化幅度大。

3）1979－1991年、1991－2003年、2003－2015年間，影響各土地利用類型變化的主要影響因子不同，且各影響因子對不同土地利用類型的作用強度、方向及方式也不盡相同，在各影響因子的共同作用下，土地利用類型的面積增減幅度不一。旱地變化受土地利用強度的影響一直較大，3個時段，影響系數(shù)分別為0.485 4、0.338 4、0.335 5，促使旱地發(fā)生轉變的土地利用強度，在1991－2003年間對旱地的作用強度下降明顯，是旱地在該期間面積增加較多的主要原因。水田變化受距水域距離及土壤水分的影響強度有所增加，影響系數(shù)分別從1979－1991年的0.144 1、0.332 3增加到2003－2015年的0.295、0.343，是水田面積在2003－2015年增長幅度較大的主要原因。

[1] 楊麗，謝高地，甄霖，等. 涇河流域土地利用格局的時空變化分析[J]. 資源科學，2005，27(4)：26－32.

Yang Li, Xie Gaodi , Zhen Lin, et al. Spatio-temporal changes of land use in Jinghe watershed[J]. Resources Science, 2005, 27(4): 26－32. (in Chinese with English abstract)

[2] 魏蓮，劉學錄. 基于 GIS 和 DEM 的土地利用空間格局分析：以蘭州市為例[J]. 干旱區(qū)資源與環(huán)境，2014，28(4)：54－59.

Wei Lian, Liu Xuelu. Spatial pattern of land use in Lanzhou city based on GIS[J]. Journal of Arid Land Resources and Environment, 2014, 28(4): 54－59. (in Chinese with English abstract)

[3] 郭洪峰，許月卿，吳艷芳. 基于地形梯度的土地利用格局與時空變化分析：以北京市平谷區(qū)為例[J]. 經濟地理，2013，33(1)：160－166.

Guo Hongfeng, Xu Yueqing, Wu Yanfang. Analysis of the land use spatial pattern and spatio-temporal changes based on terrain gradient: A case study of Pinggu district in Beijing[J]. Economic Geography, 2013, 33(1): 160－166. (in Chinese with English abstract)

[4] 陽柏蘇，何平，趙同謙. 張家界國家森林公園土地利用格局變化[J]. 生態(tài)學報，2006，26(6)：2027－2034.

Yang Bosu, He Ping, Zhao Tongqian. Land use pattern changes from 1990 to 2000 in Zhangjiajie national forest park[J]. Acta Ecologica Sinica, 2006, 26(6): 2027－2034. (in Chinese with English abstract)

[5] 宋戈，王盼盼，王越，等. 黑龍江省巴彥縣土地利用類型變化特征及其空間格局分異[J]. 經濟地理，2015，35(3)：163－170.

Song Ge, Wang Panpan, Wang Yue, et al. Land-use types change characteristics and spatial heterogeneity in Bayan of Heilongjiang province[J]. Economic Geography, 2015, 35(3): 163－170. (in Chinese with English abstract)

[6] 劉紀遠，匡文慧，張增祥，等. 20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J]. 地理學報，2014，69(1)：3－14.

Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 69(1): 3－14. (in Chinese with English abstract)

[7] 滿蘇爾·沙比提，祖麗胡瑪爾·達吾提. 南疆典型綠洲土地利用空間格局變化特征分析：以疏勒縣為例[J]. 干旱區(qū)資源與環(huán)境，2012，26(8)：84－88.

Mansur·Shabit, Zulhumar·Dawut. Dynamic characteristics of spatial pattern of the typical oasis land use in Shule county,southern Xinjiang[J]. Journal of Arid Land Resources and Environment, 2012, 26(8): 84－88. (in Chinese with English abstract)

[8] 貢璐，潘曉玲，師慶東，等. 塔里木河上游土地利用格局變化及其影響因子分析[J]. 資源科學，2005，27(4)：71－75.

Gong Lu, Pan Xiaoling, Shi Qingdong, et al. Land use pattern and influential factors in the upper reaches of Tarim river[J]. Resources Science, 2005, 27(4): 71－75. (in Chinese with English abstract)

[9] 張健，陳鳳，濮勵杰，等. 近20年蘇錫常地區(qū)土地利用格局變化及其驅動因素分析[J]. 資源科學，2007，29(4)：61－69.

Zhang Jian, Chen Feng, Pu Lijie, et al. Analyzing land use change and its driving forces in SXC region over the past 20 years[J]. Resources Science, 2007, 29(4): 61－69. (in Chinese with English abstract)

[10] Wang Xiuhong, Zheng Du, Shen Yuancun. Land use change and its driving forces on the Tibetan Plateau during 1990－2000[J]. Catena, 2008, 72(1): 56－66.

[11] Xie Yichun, Yu Mei, Tian Guangjin, et al. Socio-economic driving forces of arable land conversion: A case study of Wuxian city, China[J]. Global Environmental Change, 2005, 15(3): 238－252.

[12] 吳桂平，曾永年，鄒濱，等. AutoLogistic方法在土地利用格局模擬中的應用：以張家界市永定區(qū)為例[J]. 地理學報，2008，63(2)：156－164.

Wu Guiping, Zeng Yongnian, Zou Bin, et al. Simulation on spatial land use patterns using auto logistic method: a case study of Yongding county, Zhangjiajie [J]. Acta Geographica Sinica, 2008, 63(2): 156－164. (in Chinese with English abstract)

[13] 崔衛(wèi)國，文倩，劉艷艷，等. 基于DEM的醴陵市土地利用空間格局分析[J]. 資源科學，2008，30(2)：228－234.

Cui Weiguo, Wen Qian, Liu Yanyan, et al. Analyzing spatial pattern of land use in Liling city based on DEM[J]. Resources Science, 2008, 30(2): 228－234. (in Chinese with English abstract)

[14] 王學志，張正祥，盛連喜，等. 基于地貌特征的東北土地利用格局[J]. 生態(tài)學雜志，2010，29(12)：2444－2451.

Wang Xuezhi, Zhang Zhengxiang, Sheng Lianxi, et al. Land use patterns in northest China based on landform characteristics[J]. Chinese Journal of Ecology, 2010, 29(12): 2444－2451. (in Chinese with English abstract)

[15] 龔文峰，袁力，范文義. 基于地形梯度的哈爾濱市土地利用格局變化分析[J]. 農業(yè)工程學報，2013，29(2)：250－259.

Gong Wenfeng , Yuan Li, Fan Wenyi. Analysis on land use pattern changes in Harbin based on terrain gradient[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(2): 250－259. (in Chinese with English abstract)

[16] 楊涵，王芳芳，吳世新，等. 基于分形理論的新疆土地利用空間格局分析[J]. 干旱區(qū)研究，2009，26(2)：194－199.

Yang Han, Wang Fangfang, Wu Shixin, ea al. Evaluation of the spatial pattern of landuse in Xinjiang in the last 15 years based on fractal theory[J]. Arid Zone Research, 2009, 26(2): 194－199. (in Chinese with English abstract)

[17] 段增強，張鳳榮，苗利梅. 基于鄰域因子的土地利用空間格局分析：以北京市海淀區(qū)為例[J]. 農業(yè)工程學報，2006，22(6)：71－76.

Duan Zengqiang, Zhang Fengrong, Miao Limei. Neighborhood- based method for land-use spatial pattern analysis and its application[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(6): 71－76. (in Chinese with English abstract)

[18] 霍明明，張軼瑩，陳偉強. 基于CA-Markov的土地利用變化及預測研究：以鞏義市魯莊鎮(zhèn)為例[J]. 中國農學通報，2015，31(12)：279－284.

Huo Mingming, Zhang Yiying, Chen Weiqiang.The land use change and prediction based on CA-Markov model:a case of Luzhuang town, Gongyi city[J]. Chinese Agricultural Science Bulletin, 2015, 31(12): 279－284. (in Chinese with English abstract)

[19] 黃明，張學霞，張建軍，等. 基于CLUE-S模型的羅玉溝流域多尺度土地利用變化模擬[J]. 資源科學，2012，34(4)：769－776.

Huang Ming, Zhang Xuexia, Zhang Jianjun, et al. A multi-scale simulation of land use change in Luoyugou watershed based on CLUE-S model[J]. Resources Science, 2012, 34(4): 769－776. (in Chinese with English abstract)

[20] 張榮天，焦華富. 長江經濟帶城市土地利用效率格局演變及驅動機制研究[J]. 長江流域資源與環(huán)境，2015，24(3)：387－394.

Zhang Rongtian, Jiao Huafu. Urban land use efficiency pattern evolution and driving mechanism in the Yangtze river economic belt[J]. Resources and Environment in the Yangtze Basin, 2015, 24(3): 387－394. (in Chinese with English abstract)

[21] 韓會然，楊成鳳，宋金平. 北京市土地利用空間格局演化模擬及預測[J]. 地理科學進展，2015，34(8)：976－986.

Han Huiran, Yang Chengfeng, Song Jinping. Simulation and projection of land-use change in Beijing under different scenarios[J]. Progress in Geography, 2015, 34(8): 976－986. (in Chinese with English abstract)

[22] 王日明，熊興耀，肖洋. 重慶市永川區(qū)土地利用空間格局變化模擬[J]. 中國農學通報，2014，30(35)：166－171.

Wang Riming, Xiong Xingyao, Xiao Yang. Simulation of land use spatial pattern change on county scale of Yongchuan district in Chongqing[J]. Chinese Agricultural Science Bulletin, 2014, 30(35): 166－171. (in Chinese with English abstract)

[23] 宋戈，李丹，王越，等. 松嫩高平原黑土區(qū)耕地利用系統(tǒng)安全格局及其空間演變[J]. 農業(yè)工程學報，2014，30(4)：212－221.

Song Ge, Li Dan, Wang Yue, et al. Security pattern and spatial evolution of cultivated land use system in black soil region, Songnen high plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(4): 212－221. (in Chinese with English abstract)

[24] 徐珊，宋戈，李丹，等. 東北糧食主產區(qū)耕地資源時空變化及其對糧食生產能力的影響[J]. 農業(yè)工程學報，2012，28(21)：1－9.

Xu Shan, Song Ge, Li Dan, et al. Spatial－temporal variation of cultivated land and its effects on grain production capacity of northeast grain main production area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactionsof the CSAE), 2012, 28(21): 1－9. (in Chinese with English abstract)

[25] 田超，楊金澤，石博安，等. 懷來縣土地利用格局的影響因子分析[J]. 中國生態(tài)農業(yè)學報，2016，24(7)：957－968.

Tian Chao, Yang Jinze, Shi Boan, et al. Analysis of landscape pattern and affecting factors in Huailai county[J]. Chinese Journal of Eco-Agriculture. 2016, 24(7): 957－968. (in Chinese with English abstract)

[26] 耿潤哲，李明濤，王曉燕，等. 基于SWAT模型的流域土地利用格局變化對面源污染的影響[J]. 農業(yè)工程學報，2015，31(16)：241－250.

Geng Runzhe, Li Mingtao, Wang Xiaoyan, et al. Effect of land use/landscape changes on diffuse pollution load from watershed based on SWAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 241－250. (in Chinese with English abstract)

[27] 賈文臣，王卷樂，杜佳. 膠東地區(qū)主要土地利用變化類型與影響因子的關系[J]. 地理科學進展，2009，28(4)：591－596.

Jia Wenchen, Wang Juanle, Du Jia. Analysis on relationship between main land use conversion types and influencing factors in Jiaodong region, China[J]. Progress in Geography, 2009, 28(4): 591－596. (in Chinese with English abstract)

[28] 孫漢儒，付梅臣. 基于CCA的南京市土地利用變化人文影響分析[J]. 中國人口·資源與環(huán)境，2014，25(4)：422－425.

Sun Hanru, Fu Meichen. Research on human dimensions of land use changes in Nanjing based on canonical correlation analysis[J]. China Population Resources and Environment, 2014, 25(4): 422－425. (in Chinese with English abstract)

[29] 向敬偉，李江風，曾杰. 鄂西貧困縣耕地利用轉型空間分異及其影響因素[J]. 農業(yè)工程學報，2016，32(1)：272－279.

Xiang Jingwei, Li Jiangfeng, Zeng Jie. Spatial difference and its influence factors of cultivated land transition of poverty counties inwest of Hubei[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(1): 272－279. (in Chinese with English abstract)

[30] 吳明，姚堯，賈馮睿，等. 基于徑向基函數(shù)神經網(wǎng)絡方法的城市生態(tài)壓力預測[J]. 自然資源學報，2013，28(2)：328－335.

Wu Ming, Yao Yao, Jia Fengrui, et al. Urban ecosystem pressure based on radial basis function neural network[J]. Journal of Natural Resources, 2013, 28(2): 328－335.(in Chinese with English abstract)

Land use pattern change and influential factors analysis of Songnen Plain in 1979-2015

Wang Panpan, Song Ge※

(110169)

A series of ecological and socioeconomic problems were caused by the change of land use pattern. In order to clarify the characteristics of the change of land use pattern and the mode of action of the influence factors in Songnen high plain, this paper, taking Bayan County, Heilongjiang Province as a case, on the basis of the characteristics of land use patterns in the study area during 1979-1991, 1991-2003 and 2003-2015, recognized the main influencing factors of land use pattern change in 3 periods and made clear temporal evolution of the strength and direction of the factors on land use patterns based on the canonical correlation analysis and radial basis function neural network. The results showed that, firstly, during 1979-1991, 1991-2003 and 2003-2015, the land use types in the study area varied in magnitude and the areas of dry land, paddy field and other land use types varied greatly. The area of dry land increased by 11 514.56 hm2, and the area of other land use types reduced by 6 445.57 hm2and the land use area changed the most in 1991-2003. Secondly, the change of land use pattern in the study area was influenced by both natural and human factors. The key factors that affected the change of land use pattern were different in the 3 different periods, and the influence intensity, direction and manner of the key influence factors on land use pattern changed. During 1991-2003, the correlation coefficients between key factors as slope, soil type, soil texture, soil fertility, soil moisture, GDP, population, location index, concentration degree, diversity index, land use intensity and the first sort axis were -0.386 6, -0.559 4, -0.342 3, 0.648 3, 0.352 6, 0.187 1, 0.091 8, 0.393 6, 0.417 0, 0.388 8, and -0.583 3, respectively, which were higher than those in 1979-1991 and 2003-2015, and resulted in frequent conversion of land use types and large change in land use area during this period. The influence of elevation, slope and landform types on the land use pattern in the study area was greater, and the impact intensity increased firstly and then decreased, the strongest in 1991-2003; soil type, soil texture and soil fertility had great influence on land use pattern, and the soil factors of land use pattern in 1991-2003 were more; distance factors, i.e. distance from town center and distance from river had great influence on land use pattern, and the change of intensity was not significant; the land use degree factors, i.e. location index, degree of centralization, diversity index and land use intensity of land use pattern in the research area were very strong, and the impact strength increased firstly and then decreased, the strongest in 1991-2003. Thirdly, the main factors that affected the change of land use types were different. Moreover, the effects, intensities, directions and ways of different factors on land use types were different. Under the combined effects of various factors, the area change of land use types was different. The change of dry land was greatly affected by the intensity of land use. The land use intensity caused by the change of dry land decreased obviously in the 1991-2003 years. The influence coefficient was 0.485 4, 0.338 4 and 0.335 5 respectively in 3 different periods, which promoted the intensity of land use change in dry land. The intensity of land use decreased significantly in the 1991-2003 years, which was the main reason to the increase of dry land area during this period. The change of paddy field was increased due to the influence of the distance from water areas and the soil moisture. The influence coefficient increased from 0.144 1, 0.332 3 in 1979-1991 to 0.295, 0.343 in 2003-2015 respectively. The conclusion is that: In 3 different periods, the key factors on the intensity, direction and way of the land use pattern have changed more or less, which leads to the obvious differentiation characteristics of land use pattern in the study area.

land use; land consolidation; remote sensing; influence factor; canonical correlation analysis; radial basis function neural network; Bayan county

10.11975/j.issn.1002-6819.2018.02.035

F301.24

A

1002-6819(2018)-02-0256-09

2017-09-29

2018-01-03

國家自然科學基金項目（41571165）；中央高?；究蒲袠I(yè)務費（N161406002）。

王盼盼，博士生，主要研究方向為土地利用與管理。Email：625323292@qq.com

宋 戈，教授，博士生導師，主要研究方向為土地利用與管理。Email：songgelaoshi@163.com

王盼盼，宋 戈. 1979－2015年松嫩高平原土地利用格局變化及影響因子分析[J]. 農業(yè)工程學報，2018，34(2)：256－264. doi：10.11975/j.issn.1002-6819.2018.02.035 http://www.tcsae.org

Wang Panpan, Song Ge. Land use pattern change and influential factors analysis of Songnen Plain in 1979-2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(2): 256－264. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.02.035 http://www.tcsae.org