金 琦，許爾琪，張紅旗，張旭晴

（1.吉林大學地球探測科學與技術學院，長春 130061；2.中國科學院地理科學與資源研究所，北京 100101；3.陸地表層格局與模擬院重點實驗室，北京 100101）

0 引言

土地利用與覆蓋變化的熱點區(qū)域代表了土地覆蓋頻繁或大規(guī)模發(fā)生變化的區(qū)域，大范圍的區(qū)域發(fā)展通常是不平衡的，Bera[3]等通過識別熱點區(qū)域揭示了印度Parganas 地區(qū)的建成區(qū)不均衡增長對社會和經濟發(fā)展的影響，因此探明熱點區(qū)域具有促進區(qū)域協(xié)調發(fā)展的意義。同時熱點區(qū)域因劇烈的土地覆蓋變化會產生破碎的景觀格局進而導致嚴重環(huán)境和生態(tài)問題，Alma[4]等通過熱點識別發(fā)現熱點區(qū)域內的農業(yè)發(fā)展加劇了墨西哥段的科羅拉多河流域的干旱情況。熱點識別也有助于對環(huán)境的保護，Strassburg 等通過熱點區(qū)域識別確定了全球生物群落的優(yōu)先恢復區(qū)域，發(fā)現優(yōu)先恢復15%的變化過的熱點區(qū)域就可以極大程度地改善生物群落的生存環(huán)境[5]。熱點識別還有助于保護對土地利用變化敏感的物種，Treglia 發(fā)現熱點區(qū)域內土地覆蓋變化對瀕危蟾蜍物種的棲息地適宜性具有多尺度的影響[6]。因此從長遠來看，檢測土地利用與覆蓋變化的熱點識別有利于深度了解區(qū)域時空變化，有效地利用土地資源，為區(qū)域協(xié)調發(fā)展、治理提供理論依據，同時也為人與自然的互動提供了基礎數據。

“一帶一路”合作倡議以全球經濟復蘇為目的，旨在“和平合作、開放包容、互學互鑒、互利共贏”[7]。目前，“一帶一路”典型區(qū)內的與土地覆蓋相關的研究大多集中于單獨或者某幾個地區(qū)或國家[8,9]，或針對單一的土地利用類型的利用形態(tài)、變化趨勢和驅動因素等方面為研究目標[10-13]。以“一帶一路”為整體的研究有探究地理格局特點并分析區(qū)域風險[14]，或土地覆蓋與生態(tài)系統(tǒng)檢測與評價[15,16]。但對于“一帶一路”典型區(qū)土地利用與覆蓋變化的熱點區(qū)域的了解甚少，不利于制定有針對性的保護計劃和方針。識別“一帶一路”范圍內土地利用與覆蓋變化的熱點區(qū)域及熱點的影響因素對于加強“一帶一路”典型區(qū)自然資源的保護，應對全球氣候變化、防范自然風險和制定經濟合作方針具有重要意義。

熱點區(qū)域被定義為土地覆蓋變化在空間上高度集中的區(qū)域[17]。在以往的研究中土地變化的熱點區(qū)域的識別通常由3 種不同的技術來確定，分別為基于核密度估計的熱力圖[18]、局部莫蘭指數的空間聚類[19]和Gi統(tǒng)計[20,21]。3 種技術的共同點都是通過對土地覆蓋變化的空間分布進行分析，識別土地覆蓋變化的聚集現象。核密度估計的熱點力圖僅通過土地覆蓋變化的分布進行聚集，不考慮土地覆蓋的變化量和速率等要素，因此無法探測到土地覆蓋變化在一定時間內劇烈變化的區(qū)域[22]，例如迅速的城市擴張[23]。而局部莫蘭指數的空間聚類和Gi 統(tǒng)計都是根據土地覆蓋變化要素的平均值對整體進行評估分析，以識別局部空間自相關現象，但局部莫蘭指數的方法對于土地覆蓋變化要素的權重關注度略低[19]。因此為了加強對熱點區(qū)域時空變化的研究，文章從空間分布和變化速率兩個角度出發(fā)，利用ESA 提供的CCI-LC 土地覆蓋數據集識別1992—2020 年土地利用變化的熱點區(qū)域，并從自然地理和社會經濟等因素探究熱點區(qū)域的土地利用與覆蓋變化的影像因素和分布規(guī)律。為“一帶一路”倡議的推進和實施提供生態(tài)環(huán)境基礎數據和科學研究背景資料。

1 數據與方法

1.1 研究區(qū)概況

“一帶一路”是一個開放的合作倡議，共包含65個國家，涵蓋東亞、東南亞、南亞、中亞、西亞、歐洲和北非，貫穿亞歐非大陸，其中包含中國、蒙古、中亞5 國、南亞8 國、西亞18 國、東盟10國、獨聯(lián)體7 國和中東歐16 國，研究區(qū)范圍如圖1所示。2019年“一帶一路”沿線國家總人口為47.5億人,經濟總量為29.4 億美元,分別約占全球的62.0%和33.5%[24]?！耙粠б宦贰背h有助于將提高有限的資源的配置效率，促進合作并加快推進重點領域、重點項目，共同面對氣候變化，應對災害風險。而“一帶一路”區(qū)域幅員遼闊，地理條件復雜，且社會發(fā)展水平、自然資源分布和生態(tài)狀況存在巨大差異[14]。因此需要將研究關注于土地利用與覆蓋變化的熱點區(qū)域、關鍵區(qū)域。

圖1 研究區(qū)分布范圍

1.2 土地利用與覆蓋變化數據及分析

研究區(qū)的土地覆蓋數據采用了歐洲太空局(ESA)氣候變化倡議土地覆蓋(CCI-LC)數據[25]，空間分辨率為300m。經過研究區(qū)矢量裁剪并參照土地覆蓋分類系統(tǒng)將原始柵格數據重分類為10 個一級類別（耕地、林地、草地、灌叢、水體、建設用地、裸地、永久性冰川雪地、苔原和濕地），詳細的分類系統(tǒng)如表1 所示。選取1992年、2000年、2010年和2020年4期的研究區(qū)土地覆蓋數據進行土地利用與覆蓋變化趨勢分析。選取土地轉移矩陣、凈變化面積、相對變化速率等指標來分析“一帶一路”區(qū)域土地利用變化特征[26,27]。

表1 土地覆蓋分類系統(tǒng)與重分類

1.3 熱點區(qū)域識別

土地覆蓋變化的熱點區(qū)域應體現為三個方面：面積，速率和空間分布[20]。區(qū)域內土地覆蓋變化的面積代表了土地利用變化的程度，而建筑區(qū)域擴張的面積由于人口和資源的密集，分布較為集中，且會對周圍景觀造成重大影響，應作為重點關注的對象[28]。同時考慮到在一定的空間范圍內存在廣泛的土地變化類型，而變化類型的數量代表了景觀的破碎程度[22]。因此將300m 空間分辨率的土地覆蓋變化數據聚集到3km 的格網中，并計算每種變化的面積占比和相對變化百分比。從每種變化類型中篩選面積大于20%或變化百分比大于20%的格網，疊加后得到每個格網內土地覆蓋變化類型的數量。再通過ArcGIS 軟件的G*計算每個格網的聚集程度，并得到Z分數作為熱點值。G*統(tǒng)計量是一個度量局部樣本的空間聚類程度的指標，被計算為本地樣本值與平均值之間的差值之和，并標準化為Z分數，Z分數越大，代表熱點的聚類越強[18,20]。G*的計算公式為：

式（1）至（3）中，xj代表柵格j的屬性值，wi,j是柵格i和j的空間權重，n為柵格總數。

Obviously, the U.S. side tried to shirk the responsibility to the Chinese government while accepting the Mission against the will of the Chinese government.

1.4 影響熱點區(qū)域的因素分析

土地覆蓋變化熱點形成的影響因素應分為自然地理因素和社會經濟因素兩部分[29]。自然地理因素如海拔和氣候等在短時間內不會發(fā)生變化，更主要的是體現在空間差異的分布，因此通常在大尺度的范圍內體現[30,31]。而社會經濟因素如人口和GDP等在小時間尺度的影響效果較為明顯，經研究表明人類行為是土地利用與覆蓋變化的主導因素[32]。由于指標的可獲取性與定量化空間表達的不同，兩者共同分析容易引起尺度效應[33,34]。因此，該文將自然地理因素與社會經濟因素分開討論，自然地理因素主要分析熱點在不同地理條件下的分布與轉型特征，社會經濟因素以國家行政邊界為空間統(tǒng)計單元探究各種指標對于熱點數量的影響，各種指標的來源如表2所示。

表2 熱點形成的影響因素指標體系及來源

該文引入地理空間探測器分析社會經濟因素對熱點形成的影響，因子探測用來識別自變量對于因變量的影響程度，交互探測目的是判斷不同自變量的同時作用的影響程度[39]。地理空間探測器用q值來度量影響程度，取值范圍為0～1，表示自變量X對于Y的解釋能力為q× 100%。q的表達式為：

式（4）中，i= 1，2，3，…，n，表示自變量X的分層；N和Ni分別為整個研究區(qū)和i層的像元數；σ2和分別為研究區(qū)和i層的方差。該文以等距離散法對各種社會經濟指標進行離散，離散等級為5類。

2 結果與討論

2.1 “一帶一路”典型區(qū)土地覆蓋空間格局及變化特征

“一帶一路”典型區(qū)4個時期的土地覆蓋如圖2所示，4個時期土地的基本格局差別很小，1992—2020年“一帶一路”典型區(qū)土地覆蓋類型占比最多的是林地，約占總面積的35%。林地主要分布在西伯利亞南部，占總林地的比例約74%。剩余的林地主要分布在中國東部、東南半島和東歐平原北部，分別占林地的比例為8.5%、8.0%和4.0%。裸地、耕地和草地依次分別約占22%、18%和14%。其中，裸地主要分布在中東地區(qū)、俄羅斯北部、中國西北、中亞、蒙古和阿富汗及巴基斯坦，分別占裸地比例為35%、24%、15.0%、13.0%、8.0%和4.0%；耕地主要分布在東歐、俄羅斯及小亞細亞半島、中國東部、南亞及東南亞等地區(qū)，分別占耕地的比例為50%、20%、20%和10%。草地占總面積14.0%，主要集中在內蒙古高原、青藏高原和哈薩克斯坦的半干旱等地區(qū)。灌叢占比4%主要分布在中亞及南亞。同時，水體、城市用地和濕地等占比很小且分布廣泛，分別占總面積的比例為2.5%、0.6%和2.8%。永久性冰川雪地占總面積的比例為0.5%但集中分布在喜馬拉雅山脈及接近北極的地區(qū)。苔原占總面積0.6%僅分布在俄羅斯境內高緯度的地區(qū)。

圖2 1992—2020年“一帶一路”不同時期土地覆蓋格局

根據1992— 2020 年研究區(qū)土地利用與覆蓋變化的轉移矩陣（表3）表明，總共有5.46%的土地面積經歷了土地覆蓋變化。1992—2020 年建設用地、耕地和草地呈擴張趨勢，分別凈增加了24.61 萬km2、15.46 萬km2和4.69 萬km2。其中，建設用地面積擴張的主要來源是耕地，占建筑用地面積擴張的74.16%，主要發(fā)生在中國的東部沿海地區(qū)、印度和東歐國家。雖然有一部分的耕地轉型為了建設用地，但28 年來“一帶一路”典型區(qū)的耕地面積依然是增加的。耕地的增加主要來源于林地和裸地，分別占耕地增加的43.23%和31.03%，主要分布在中南半島和東南亞、中亞和中歐國家等。草地的主要來源是裸地和林地，分別占草地增加量的48.81%和48.56%，主要分布在溫帶大陸性氣候帶中央、地中海氣候帶和俄羅斯林地與草地交界處。而裸地、林地、水體、濕地和灌叢均呈減少的趨勢，分別為-30.9 萬km2、-6.81 萬km2、-3.72 萬km2、-2.56 萬km2和-0.77 萬km2，其中濕地的主要去向是轉為林地，是濕地生態(tài)系統(tǒng)向森林生態(tài)系統(tǒng)的轉變。而水體的轉化方向比較平均，灌叢的主要去向是林地，冰川積雪和苔原基本保持不變。

表3 1992—2020年“一帶一路”典型區(qū)土地覆蓋變化轉移矩陣 萬km2

根據3 個時期的土地利用與覆蓋變化的轉移矩陣得知1992—2000 年改變了總面積的1.73%、2000—2010 年改變了2.05%，2010—2020 年改變了2.02%。每種類別的變化面積和相對變化速率如圖3 所示。草地和建設用地在3個時期內都是增加的，而裸地在3個時期內都是減少的。草地增多的速率越來越快，裸地減少的是速率先快后慢。其中2000—2010 年建設用地增長速度最快。值得說明的是盡管建設用地變化面積并不是最大的，但其變化速率卻遠遠大于其他類別，為76.94%。1992—2010 年耕地面積不斷增大，但增長速率不斷變慢，并在2000—2010 年耕地面積達到了頂峰。2010—2020 年耕地面積略有下降，中國和印度是主要發(fā)生耕地減少的國家。林地面積雖然整體是下降的趨勢，但在2000—2010 年反而大幅度增加。1992—2000 年灌叢面積是減少的，但2000 后變?yōu)樵黾忧以黾铀俾试絹碓娇?。水體和濕地的變化方向類似，都在1992—2010 年面積不斷減少，并且減少速率越來越快，但在2000 年以后面積開始慢速的恢復。

2.2 熱點區(qū)域特征

2.2.1 熱點區(qū)域分布特征

3 個時期的熱點識別結果如圖4 所示，每個時期熱點的空間分布、熱點所占面積和熱點所屬的變化類型都有很大的不同。所得的Z-score 小于0 代表非熱點，大于0 為熱點，值越大說明該區(qū)域土地覆蓋變化越劇烈。熱點數量最多的時期為2000—2010 年，占比該時期所有土地覆蓋變化的41.38%，說明2000—2010年研究區(qū)的土地覆蓋變化較為劇烈。同時可以發(fā)現，俄羅斯在3個時期都擁有這最高的熱點數量，俄羅斯的熱點區(qū)域都分布在俄羅斯的東北部。中國自1992 年以來熱點區(qū)域數量是逐年上升的，從東南沿海還是沿東部逐漸發(fā)展，此外自2000年后西北熱點區(qū)域也逐漸增多。印度在2000—2010年出現熱點區(qū)域數量減少的情況，而東南亞地區(qū)則是一直持續(xù)較高的熱點數量。

2.2.2 熱點區(qū)域轉型特征

統(tǒng)計了每個時期熱點區(qū)域內的變化類型，并分別列出了熱點區(qū)域內土地覆蓋類型的轉入與轉出面積（圖5）?？梢园l(fā)現，1992—2000 年熱點區(qū)域轉出最多的是林地，共17.91 萬km2，轉入最多的是耕地，共19.8萬km2。熱點中林地轉出的最主要去向就是耕地。裸地轉出最主要的去向也是耕地，草地和灌叢轉為耕地的比例也很高。根據凈變化面積，熱點中凈增加最多的為耕地，增加面積為15.2萬km2；凈減少最多的是裸地，凈減少面積為13.3萬km2。因此，這個時期熱點轉型特征主要表現為耕地的增加。

圖5 不同時期熱點區(qū)域內類別轉入/轉出面積

2000—2010年熱點區(qū)域轉出最多的是裸地，共16.70萬km2。熱點區(qū)域轉入最多的是林地，共計22.13萬km2。由于耕地、草地、灌叢、裸地和濕地都有很大比例轉化為林地，因此熱點區(qū)域凈變化面積中，凈增加最多的是林地，為7.81萬km2，凈減少最多的依然是裸地，凈減少12.24萬km2。此外，熱點區(qū)域中建設用面積迅速擴大，面積擴大是前一時期的5.7倍，其中耕地是建設用地的主要來源，占建設用地轉入的71.00%。所以，此時期熱點區(qū)域內主要轉型特征為林地增加和建設用地面積擴張。

2010—2020 年熱點區(qū)域轉出最多的是林地，共計17.26 萬km2。而熱點區(qū)域轉入最多的同樣是林地，共14.24 萬km2，表明研究區(qū)林地的砍伐和再造現象顯著。根據凈變化面積，這個時期熱點區(qū)域內建設用地凈增加最多，為2.81 萬km2，凈減少最多的是裸地，為4.94 萬km2。所以此時期熱點區(qū)域內主要轉型特征為建設用地面積增多與林地的砍伐與再造。

2.3 熱點區(qū)域分布的影響因素分析

2.3.1 熱點區(qū)域分布的自然地理因素

自然地理因素是土地利用/覆蓋變化的物質基礎和環(huán)境條件[40]，而海拔高度是地形中最基礎、最直接的信息，能直接或間接影響植被空間生長和分布差異，同時影響人類的活動。氣候因素在較短的時間段內不會或極少會發(fā)生變化，使其在大空間尺度范圍內得以應用。鑒于此，該文分析海拔和氣候對土地覆蓋變化的熱點分布影響如下。

根據圖6a 可以發(fā)現，3 個時期熱點分布在小于0m 的海拔范圍內的數量最少，不同時期的熱點在小于0m 的海拔范圍內占比在1.47%～2.34%，而分布在0～200m 海拔范圍內得數量最多，不同時期的熱點在0～200m 海拔范圍內占比在41.95%～48.51%，之后隨著海拔升高熱點數量呈減少趨勢。根據不同海拔高度中熱點區(qū)域所占百分比（圖6b）表明0～200m范圍內熱點占比依然是最高的，且同樣隨著海拔升高熱點區(qū)域所占百分比逐漸下降。究其原因主要是因為與平原和丘陵相比，高原和山地在很大程度上限制了人類活動。海拔對于熱點區(qū)域中變化的影響3 個時期基本相似，水體變化主要分布在海拔200m 以下，耕地、林地、建設用地和濕地的變化主要分布在0～500m 的海拔高度內，并且隨海拔的升高，轉入轉出變化明顯減少。而草地、灌叢和裸地則更多的分布在500～1 000m的海拔高度范圍內。

圖6 1992—2020年熱點區(qū)域在不同海拔和氣候類型的分布

根據圖6c可以發(fā)現，3個時期的熱點區(qū)域分布在極地帶氣候區(qū)域內的數量最少，不同時期的熱點在極地帶氣候區(qū)域內占比在0.76%～1.30%，分布在冷溫帶氣候區(qū)域內的熱點數量最多，不同時期的熱點在冷溫帶氣候區(qū)域內占比在57.16%～60.08%。而在不同氣候類型中的熱點區(qū)域所占百分比表明，熱帶多雨氣候區(qū)域內熱點占比最大，而其他氣候類型無明顯規(guī)律。不同的時期相同的氣候區(qū)的熱點區(qū)域內的變化類型基本相似，耕地、林地和濕地的變化主要分布在熱帶多雨帶氣候和冷溫帶氣候區(qū)域，少量分布在溫暖氣候區(qū)域。草地和裸地的變化主要分布在冷溫帶氣候區(qū)域。灌叢的轉出主要分布在熱帶多雨帶氣候和溫暖氣候區(qū)域，而轉入則主要分布在冷溫帶氣候區(qū)域。水體轉出主要分布在干燥帶氣候區(qū)域，轉入主要分布在冷溫帶氣候區(qū)域。建設用地的變化除極地氣候區(qū)域外分布較為均勻。

2.3.2 熱點區(qū)域形成社會經濟因素

每個社會經濟指標對于熱點的數量均具有一定的影響（表4），其中城市人口數對于熱點的形成影響最大，q值為0.791，而農業(yè)增加值對于熱點的數量影響最小，q值為0.244。每個指標的P值均小于0.01，說明每個指標結果的顯著性均超過99%。在交互探測結果中，城市人口和國內生產總值的疊加對熱點數量的影響最大，兩者結合可以解釋86.46%的全部熱點的形成。農村人口和農業(yè)增加值的組合對于熱點數量的影響最小，僅可以解釋32.2%的熱點形成。每個指標在疊加后q值都有明顯的增強，說明社會經濟因素并不是單一作用的，共同作用對熱點數量的解釋更強。同時也可以看出，各指標之間并不是簡單的線性關系，而是呈非線性增強及雙因子增強關系。在兩個因子的顯著性評價中，除了工業(yè)增加值于人口數和工業(yè)增加值和農村人口數的組合外，其余的雙因子組合都滿足95%的顯著性?？傮w而言，社會經濟因素對于熱點的數量有明顯的影響，影響熱點數量的主要的因素是每個國家的城市人口數量和國內生產總值（表5、6）。

表4 1992—2020 年“一帶一路”典型區(qū)社會經濟因素對熱點的影響因子及顯著性

表5 各社會經濟因素影響因子交互作用的q 值

表6 交互作用下社會經濟因素影響因子顯著性差異（置信水平95%）

3 結論

該文利用ESA 提供的1992—2020 年的CCILC 數據對“一帶一路”典型區(qū)土地利用格局和土地覆蓋變化進行了分析，識別了土地利用與覆蓋變化的熱點區(qū)域，并分析了熱點區(qū)域的分布特征。得到以下結論。

（1）1992—2020 年“一帶一路”典型區(qū)內總共有5.46%的土地面積經歷了變化。其中建設用地、耕地、草地和灌叢面積增多，裸地、林地、濕地和水體面積減少，冰川積雪和苔原面積基本保持不變。建設用地作為面積增多最多的類別，主要來源是耕地；耕地作為面積增多第二多的類別，主要來源是林地和裸地；裸地作為面積減少最多的類別，主要去向是草地、耕地和林地。因此“一帶一路”典型區(qū)內主要的土地覆蓋變化表現為以快速的建設用地和耕地為主，林地砍伐和水體、濕地的減少為輔。

（2）不同時期應當關注的熱點區(qū)域并不相同。根據熱點識別結果，土地覆蓋變化最劇烈的時期是2000—2010 年，熱點區(qū)域占比該時期所有土地覆蓋變化的41.38%。每個時期熱點區(qū)域內類別轉型特征也不相同。其中，1992—2000 年熱點區(qū)域內的轉型特征為耕地的增加；2000—2010 年熱點轉型特征為林地增加和建設用地面積擴張；2010—2020年熱點的轉型特征為建設用地面積增多與林地的砍伐與再造。

（3）自然地理因素影響著熱點的分布。熱點分布在0～200m的海拔范圍內的數量最多，分布在小于0m的海拔內最少，并且隨著海拔升高熱點數量明顯減少，且不同的海拔影響著熱點內的變化類型。熱點分布在冷溫氣候帶的數量最多，但熱帶多雨氣候區(qū)域內熱點占比最大，其他氣候區(qū)域內對熱點數量影響較小，但不同氣候類型影響熱點的變化類型。社會經濟因素顯著地影響一個國家內的土地利用與覆蓋變化熱點的數量，其中對于熱點數量影響最為顯著的是城市人口數量和國內生產總值，并且兩者結合對于熱點數量的解釋更為顯著。