安冠霖，郭晉平

(山西農業(yè)大學林學院，山西 太谷 030801)

土地利用/覆被變化是陸地景觀格局變化的表現(xiàn)之一，也是造成全球景觀變化的重要原因[1]。21世紀以來，區(qū)域土地利用情況明顯改變[2]，已經影響到區(qū)域的生態(tài)安全[3]。人類可以通過改變土地利用方式來逐步改善環(huán)境問題[4]。土地利用/覆被變化受到自然、經濟、區(qū)位等因素的綜合影響，各因素以不同的方式驅動各地域類型的轉變，對區(qū)域土地驅動力的研究有助于更好地利用與開發(fā)土地資源[5-7]。文峪河流域是典型的中西部小流域，近18年來的土地利用/覆被變化變化明顯,由此造成的影響也日益顯著。而目前尚缺乏對中西部地區(qū)小流域整體土地利用/覆被變化過程和規(guī)律以及驅動力因子與機制的全面深入探討。選取文峪河流域進行土地利用/覆被變化及其驅動力研究，其目的在于揭示中西部小流域土地利用/覆被變化過程特征及其驅動力，為中西部小流域土地利用/覆被變化研究提供典型案例，同時也為中西部小流域土地資源開發(fā)與保護以及土地利用結構優(yōu)化提供科學依據。

1 研究區(qū)概況

文峪河是黃河支流汾河的支流，發(fā)源于山西省交城縣關帝山，流經交城縣、文水縣、汾陽市、孝義市，在孝義市境內匯入汾河。流域地處汾河中游，太原盆地西南緣。地理坐標為東經111°21′06″～112°19′34″，北緯36°56′42″～37°53′38″。屬暖溫帶大陸性半干旱氣候區(qū)。地形復雜、山體陡峭，各處氣溫、降水差異較大。全區(qū)年均氣溫3～7℃，高海拔區(qū)較寒冷，低山谷地溫和。7月均溫17.5℃，1 月均溫 -10.2℃，極端低溫可達 -29.1℃；年均降水量450～700 mm，年蒸發(fā)量 1 600～1 800 mm，相對濕度70.9%；≥0℃積溫 2 100℃，無霜期100～130 d，日照時數(shù) 1 900～2 200 h。流域內土壤、植被類型眾多[8]。

2 數(shù)據與方法

2.1 數(shù)據來源

將2000-2018年的五期Landsa TM/OLI_TIRS遙感圖像在ENVI中進行波段融合、輻射校正、鑲嵌、裁剪、監(jiān)督分類等操作，并對分類結果進行聚類、過濾等分類后處理。經手動調整，修改混分、錯分的分類結果，將研究區(qū)分類為耕地、林地、草地、水域、建設用地、其他用地六大類[9]。本研究使用的經濟統(tǒng)計數(shù)據均來自流域各縣市的政府統(tǒng)計部門。部分自然驅動因子數(shù)據來自國家地球系統(tǒng)科學數(shù)據中心、中科院資源環(huán)境科學數(shù)據中心、OpenStreet Map、地理空間數(shù)據云、國家氣象數(shù)據中心、USGS及NASA。

2.2 土地利用/覆被狀態(tài)指標及其計算

1)土地利用轉移矩陣是土地利用類型間相互轉化的數(shù)量和方向定量研究的主要方法[10]?；谕恋乩脭?shù)據使用GIS、ENVI等工具獲取土地結構及轉移數(shù)據。

2)單一土地利用動態(tài)度：定量描述區(qū)域一定時間范圍內某種土地利用類型的面積變化速度。其計算公式為：

式中：K表示研究時段內某地類的變化速度,Ua和Ub分別表示研究初期a和期末b某地類的面積[11]。

3)綜合土地利用動態(tài)度:定量描述研究區(qū)內整體土地變化的速度[12]。其計算公式為：

式中：Ui表示各分期初期第i地類的面積,△Ui-j表示各分期的地類轉移面積，T為研究期長度。

4)土地利用/覆被轉移狀態(tài)指數(shù)：定量描述某土地利用類型的轉入與轉出的狀態(tài)[13]。其計算公式如下：

式中：Vin、Vout—第i種地類在T1～T2期間的轉入速度和轉出速度。轉入、轉出速度是某分期某地類轉入、轉出面積與該分期該地類總面積之比。

5)土地利用程度指數(shù)：反映土地利用的深度、廣度。將土地利用程度劃分為4級；將未利用地賦值為1；林地、草地、水域賦值為2；農業(yè)用地賦值為3；建設用地賦值為4[14]。其計算公式如下：

式中：Lj表示研究區(qū)域在j時間的土地利用程度，Ai表示研究區(qū)內第i級土地利用程度分級指數(shù),Ci表示研究區(qū)內第i級土地利用面積占比。

6)土地利用信息熵和均衡度：分別反映土地利用系統(tǒng)的有序程度和均衡性。熵值越大，土地利用系統(tǒng)的有序性越低；均衡度值越大，土地利用的勻質性越強[15]。二者的表達式分別為：

式中：Pi為研究區(qū)某一土地利用類型的面積比例，m為研究區(qū)內土地利用類型數(shù)。

7)基于馬爾柯夫模型對流域未來土地結構進行預測：通過最近一期土地轉移矩陣求出土地轉移概率矩陣，并基于2015年的土地面積對2018-2023年的土地利用結構進行預測，使用2018年的預測結果進行準確度檢驗。計算公式如下：

A(n)=A(0)×P(n)

式中：A(0)和A(n)分別為各地類的初始狀態(tài)和n時刻后的預測狀態(tài)，P(n)為初始狀態(tài)土地利用概率矩陣經過n步轉移后的概率矩陣。

P(n)=Pn

式中：n步轉移概率矩陣P(n)是保持轉移概率矩陣不變的情況下首步轉移概率矩陣P的n次方。

卡方檢驗統(tǒng)計量計算公式如下：

2.3 土地利用/覆被變化驅動力數(shù)據庫的建立

1)驅動因子指標體系

驅動因子分為自然因子、區(qū)位因子、社會經濟因子3個一級指標。其中，自然因子包括地形、土壤、氣候、生態(tài)、植被5個二級指標，地形因子包括高程、坡度；土壤因子包括土壤類型、土壤有機質含量；氣候因子包括平均溫度、平均降水、平均濕度、平均氣壓、平均風速、日照時數(shù)、0℃積溫、10℃積溫、濕潤程度、干燥程度、LST(地表溫度)、ET(蒸散發(fā)量)；生態(tài)因子包括總生態(tài)系統(tǒng)服務；植被因子包括植被類型、FPAR(光合有效輻射)、LAI(葉面積指數(shù))、NDVI(歸一化植被指數(shù))、EVI(增強型植被指數(shù))、GPP(總初級生產力)、NPP(凈初級生產力)。區(qū)位因子包括城鎮(zhèn)距離、道路距離、水域距離。社會經濟因子包括經濟、人口、產業(yè)結構科技3個二級指標，經濟因子包括GDP、人均GDP、財政支出、存款余額、貸款余額、城市化指數(shù)；人口因子包括人口總數(shù)、農業(yè)人口、城鎮(zhèn)人口、人口密度、單位面積國土人口。產業(yè)結構科技因子包括一產產值、二產產值、三產產值、一產比重、二產比重、三產比重、農業(yè)機械總動力、規(guī)模企業(yè)數(shù)。

2)因變量獲取

在ENVI及GIS中，部分自然驅動因子數(shù)據主要基于USGS DEM數(shù)據以及NASA MODIS數(shù)據獲取。社會經濟因子以統(tǒng)計數(shù)據進行插值獲取。區(qū)位建設因子基于相關矢量圖層制作。所有驅動因子都經過數(shù)據的正規(guī)標準化處理[17]?；谕恋乩脭?shù)據獲取因變量圖層。將因變量制作為二分類數(shù)據，其中0表示某一地類沒有發(fā)生變化的部分，1表示某一地類發(fā)生了轉變的部分[18]；將因變量圖層與驅動因子隨機抽樣并提取值至SPSS，使用向后：LR的方法分析[19]。

3)驅動力分析模型構建

選取Logsitic模型分析土地覆被驅動力。根據Logistic回歸的建模要求，記某一類型土地發(fā)生變化的概率為P，則沒有發(fā)生的概率為1-P，相應的回歸模型為[20]：

ln[P/(1-P)]=α+β1x1+β2x2+，…，+βnxn

式中,x1、x2，…，xn表示對結果Y的n個影響因素；α為常數(shù)項；β1β2…βn為Logistic回歸的偏回歸系數(shù)。事件發(fā)生的概率是一個由解釋變量xn構成的非線性函數(shù)，表達式為[21]：

Logistic回歸模型擬合結果通過經最大似然估計法計算的統(tǒng)計量表格表示，主要包括回歸系數(shù)、效應系數(shù)。比較回歸系數(shù)的絕對值可判斷驅動作用的大小，通過回歸系數(shù)的符號與效應系數(shù)可看出驅動因子的作用方式。如H-L檢驗值大于0.05，可認為模型擬合程度較好；如ROC曲線AUC值大于0.5，可認為模型的預測準確度較高；如顯著性值小于0.05，可認為該因子對土地變化的驅動作用顯著[22]。

3 文峪河流域土地利用/覆被的變化

3.1 土地利用/覆被結構的變化

2000—2018年，耕地面積下降350.06 km2，占總面積比重減少6.93%，自身面積減少17.03%；林地面積下降37.86 km2，占總面積比重減少0.76%，自身面積減少了1.67%；草地面積下降21.59 km2，占總面積比重下降0.43%，自身面積減少了4.68%；水域面積增加10.81 km2，占總面積比重增加0.22%，自身面積增加了303.65%；建設用地面積增加382.85 km2，總面積占比增加7.61%，其自身面積增加了179.32%；其他用地面積增加15.85 km2，總面積占比增加0.32%，自身面積增加了450.28%(表1)。耕地面積減少總量較大，比重下降明顯；林地面積減少總量較小，比重下降很小；草地面積減少總量較小，比重下降較??；水域面積增加總量較小，比重增加較大；建設用地面積增加總量較大，比重增加明顯；其他用地面積增加總量較小，比重增加較大。

表1 文峪河流域2000—2018年土地利用結構

3.2 各類土地利用/覆被的速度變化

相較于2000年，之后耕地、林地的面積呈減少趨勢，水域、建設用地、其他用地的面積呈增加趨勢(表2)。整體而言，水域、建設用地、其他用地的變化速度較耕地、林地、草地快。林地的平均變化速度最慢，其他用地的平均變化速度最快。近年來水域的變化速度趨緩，而建設用地、其他用地的變化速度仍然較快。在林地、耕地、草地中，草地的變化速度波動較大，耕地、林地的變化速度較為穩(wěn)定。2000-2018年流域整體土地利用/覆被變化速度較快。整體來看，耕地的狀態(tài)指數(shù)接近-1，其轉出的速度遠大于轉入的速度，面積減?。涣值氐臓顟B(tài)指數(shù)都為負數(shù)，其轉出速度大于轉入速度，面積呈現(xiàn)減小趨勢；草地的狀態(tài)指數(shù)趨向0，可認為草地的轉入與轉出處于雙向轉換下的平衡狀態(tài)；水域的狀態(tài)指數(shù)都為正，其轉入的速度大于轉出的速度，面積呈現(xiàn)增加的趨勢；建設用地的狀態(tài)指數(shù)接近1，其轉入的速度遠大于轉出的速度，面積呈現(xiàn)增加的趨勢；其他用地的狀態(tài)指數(shù)都為正，其轉入的速度大于轉出的速度，面積呈現(xiàn)增加趨勢。

表2 文峪河流域各分期各地類速度狀態(tài)指標

3.3 土地利用程度、有序度及均勻度的變化

文峪河流域土地利用程度指數(shù)呈持續(xù)增加的趨勢(表3)，表明隨著區(qū)域土地利用方式不斷調整，土地資源的利用向綜合程度較高的方向發(fā)展；流域的信息熵、均勻度指數(shù)持續(xù)增加，表明流域整體的土地利用有序度下降，流域土地利用的均勻度增加。

3.4 土地利用/覆被類型的轉移變化

2000—2018年，耕地向草地、水域、建設用地、其他用地支出面積(表4)。林地向耕地、水域、建設用地、其他用地支出面積，草地向林地、水域、建設用地、其他用地支出面積。水域向建設用地、其他用地支出面積，其他用地對建設用地支出面積。

表3 文峪河流域各分期土地利用、信息熵、均勻度

耕地面積收入來自林地，林地面積收入來自草地，草地面積收入來自耕地。水域的面積收入主要來自耕地、林地、草地。建設用地的面積收入主要來自耕地、林地、草地、水域。其他用地的面積收入主要來自耕地、林地、草地。耕地、林地、草地面積為凈支出，水域、建設用地、其他用地面積為凈收入?？傮w土地轉移面積由大到小依次為耕地、建設用地、草地、林地、其他用地、水域。

表4 文峪河流域2000—2018年土地利用/覆被轉移矩陣

3.5 土地利用/覆被的預測分析

利用估計的2018年各地類面積與實際面積進行卡方統(tǒng)計值的計算，其結果為1.043，小于自由度為5上0.05分位點值1.145，故認為本模型的預測結果較為準確。預測顯示，未來耕地、林地、草地、其他用地的面積呈下降趨勢，水域與建設用地的面積呈現(xiàn)增加趨勢(表5)。林地、草地、水域、其他用地的面積變化總量較小，耕地、建設用地的變化總量較大，表明應加強對耕地的保護，合理規(guī)劃建設用地。

表5 文峪河流域2018—2023年土地利用/覆被結構預測

4 土地利用/覆被變化驅動力

本模型H-L檢驗的值為0.852，遠大于0.05，模型擬合程度較好。ROC曲線中的AUC值為0.823>0.5，模型具有良好的預測準確度。所有因子的顯著性值都小于0.05，表明各因子對土地變化的驅動作用顯著。

期間地形因子、區(qū)位建設因子、土壤因子、生態(tài)因子、氣候因子、植被因子、經濟因子、產業(yè)結構科技因子、人口因子對土地變化有顯著的驅動作用(表6)。以回歸系數(shù)絕對值大于1為標準比較可知，高程、平均降水、零度積溫、LAI、FPAR、GDP、二產產值對土地變化的驅動作用尤其明顯?；貧w系數(shù)為負表示該因子增加一個單位，土地改變的概率減小，發(fā)生比縮小效應系數(shù)倍；回歸系數(shù)為正表示該因子增加一個單位，土地改變的概率增加，發(fā)生比擴大效應系數(shù)倍。

地形因子區(qū)分了地表不同區(qū)域的高程、地貌，反映了當?shù)氐刭|構造特征，與水熱條件組合、植被演替、建設難度、宜居程度、資源豐度、土壤形成、水土保持、土地利用速率等具有明顯的關系，是對土地變化長時間影響的基礎性因子；土壤因子會對植被、作物生長、建設難度、資源豐度、物質循環(huán)等產生影響，對土地變化起到基礎、長遠的影響；生態(tài)因子主要是通過計算綜合的生態(tài)系統(tǒng)價值得出，其值較高的地區(qū)生態(tài)系統(tǒng)的供給能力、調節(jié)能力、支持能力、服務能力較強，它是影響土地變化的基礎、長遠的重要因素；氣候因子的變化會顯著影響到當?shù)氐闹脖谎萏?、土壤發(fā)育、建設難度、宜居程度、動物種類與習性，若考慮人類聚居的因素，則氣候因素是對土地變化基礎的長遠的影響因子；植被因子會對區(qū)域的食物供給、物質供給、氣候調節(jié)、水資源保護、土壤形成、物質循環(huán)、生物多樣性、景觀美學等產生顯著影響，是影響土地變化基礎、長遠的重要因子；區(qū)位建設因子對土地覆被變化的影響是復合、活躍的，它既受到自然因子的影響，也受到社會經濟因子如科技、政策等的影響，會通過集聚效應或者吸引效應對區(qū)域土地覆被產生影響。經濟因子、人口因子、產業(yè)結構科技因子對土地變化的影響是活躍的。人口的增長會增加對環(huán)境、資源的剛性需求，同時人口分布的不均衡也會對環(huán)境、資源產生壓力，經濟的發(fā)展會帶來人們觀念的改變、技術的進步，會對土地覆被產生影響；產業(yè)結構科技因子的變化會帶來資源利用方式、途徑、效率、重點的變化，會對土地覆被產生驅動作用；政策因子不易被量化分析，但其顯著地受到自然、社會經濟因子等因素的影響，對研究區(qū)的土地利用/覆被變化具有強制性作用，它對于區(qū)域土地變化具有明顯、活躍的驅動作用。

表6 文峪河流域整體土地變化驅動力分析

短時間尺度內土地變化的驅動力量主要是區(qū)位建設因子及社會經濟因子；自然因子對于土地變化具有基礎的長遠的影響。以上各因子對土地覆被的影響是綜合的，并且各因子之間是相互影響的，各因子具有補償性、不可替代性，對土地的驅動具有階段性，對土地覆被的驅動既有直接影響也有間接作用。

5 結論與討論

1)文峪河流域2000—2018年期間的土地利用/覆被經歷了快速、復雜的變化：①耕地、林地、草地面積有所下降，水域、建設用地與其他用地的面積有所增加，耕地面積減少總量較多，比重減少明顯，建設用地面積增加總量較多，比重增加明顯；其余地類總量變化較??；水域、其他用地的比重變化較大。②水域、建設用地、其他用地的變化速度大于耕地、林地、草地。流域整體土地的變化速度較快。耕地、林地的轉出速度大于轉入速度，草地處于雙向轉換下的動態(tài)平衡，建設用地、水域、其他用地的轉入速度大于轉出速度。③流域整體土地利用程度增加，有序度下降，均勻度上升。④流域的土地利用轉移類型為耕地向草地、水域、建設用地、其他用地支出面積，林地向耕地、水域、建設用地、其他用地支出面積，草地向林地、水域、建設用地、其他用地支出面積，水域向建設用地、其他用地支出面積，其他用地對建設用地支出面積。耕地、林地、草地面積為凈支出，水域、建設用地、其他用地面積為凈收入。總體土地轉移面積由大到小依次為耕地、建設用地、草地、林地、其他用地、水域。⑤經預測顯示，耕地、建設用地的面積變化較大，其余地類的面積變化較小，耕地、林地、草地、其他用地的面積下降，水域、建設用地的面積增加。

2)自然因子、區(qū)位建設因子與社會經濟因子對流域景觀都具有顯著的驅動作用。影響土地利用的驅動因子有地形、區(qū)位建設、土壤、生態(tài)、氣候、植被、經濟、產業(yè)結構科技、人口等因子。自然因子對土地變化具有基礎性、長遠性的影響，短時間尺度上區(qū)位建設因子與社會經濟因子是影響土地變化的主要驅動力量。各因子的驅動方式不同，具有綜合性、補償性、不可替代性、階段性、直接作用和間接作用的特點。