北京山區土地利用轉移的系統性和隨機性

魏顯虎，張增祥，胡順光，劉 芳

(1．中國科學院遙感應用研究所，北京 100101;2．中國科學院研究生院，北京 100039)

北京山區土地利用轉移的系統性和隨機性

魏顯虎1，2，張增祥1，胡順光1，2，劉 芳1，2

(1．中國科學院遙感應用研究所，北京 100101;2．中國科學院研究生院，北京 100039)

從統計學的角度出發，通過深入分析土地利用轉移矩陣，將北京山區土地利用轉移過程分為系統轉移和隨機轉移。從同時發生的系統性增加和系統性減少推斷出土地利用變化的優勢信息有:高覆蓋度草地和其他林地轉換為耕地;耕地和疏林地轉換為其他林地;疏林地轉換為高覆蓋度草地;耕地和高覆蓋度草地轉換為水域;耕地轉換為建設用地。其中耕地向其他林地和建設用地轉移的面積都很大，且系統性轉換優勢明顯;其他林地轉換為耕地、疏林地轉換為高覆蓋度草地雖然不具有數量上的轉換優勢，但該轉換屬于很強的系統性轉換。該方法能快速挖掘最具系統優勢的土地利用轉移信息，有助于科研人員將土地利用格局和變化過程聯系起來，為土地資源管理提供有用信息。

土地利用變化;系統轉移;隨機轉移;北京山區

0 引言

土地利用/覆蓋變化(LUCC)研究已經成為全球變化研究的核心和熱點問題之一［1，2］。LUCC 對氣候變化、生態系統過程、生物地球化學循環以及生物多樣性等影響深刻，是全球變化的主要驅動力之一［3］。土地利用的空間格局是人類活動和自然因素共同作用結果的反映，各種影響LUCC的過程在不同層次上以不同動力學機制相互作用，產生更復雜的空間格局。因此，綜合研究空間格局和過程有助于深入理解土地利用變化機制，準確預測土地利用變化速率及脆弱地區的演變，為相關土地利用政策制定提供依據［4，5］。

土地利用轉移矩陣反映了土地利用轉移的數量信息，在分析土地利用變化和模擬中具有重要意義，并得到廣泛應用。在以往的研究中，通常會用轉移矩陣來計算各地類的凈變化量、變化速率，或直接提取數量較大的類間轉移［6－8］。然而，這種傳統的分析方法只能對轉移矩陣做概括性的分析，往往不能深入挖掘LUCC的內部轉移信息。比如凈變化為零不一定意味著缺少變化;類間轉移大不一定是最具系統性的轉移，因為較大地類之間的轉移量即使很大也有可能是隨機過程。因此，區別系統和隨機轉移應該同時考慮轉移量和各地類本身的數量［10］。轉移矩陣中對角線上的值是各種地類未發生變化的面積，該不變量通常要遠大于轉移面積，即使在很多被認為變化劇烈的區域也是如此［9－11］。不變量能夠反映地類本身的信息，通常承載著重要的LUCC信息。因此，利用統計方法深入分析不變量對LUCC研究具有重要意義。新增量和流失量的計算以及凈變化量和交換變化量的計算都會使用該不變量。各地類的持續性特征的評判以及系統轉移和隨機轉移的區分都離不開不變量隱藏的信息。

通常，從引起LUCC的原因角度考慮，隨機轉移是指那些偶爾發生的、獨特的變化過程［12，13］。隨機轉移通常是由突發性的驅動因素相互作用引起的，比如自發性移民、整體經濟環境變化、地權丟失以及其他生產因素變化［13－15］。系統轉移是指經常的、普遍的變化過程，特點是具有連貫性和漸進性。引發系統轉移的因素主要有人口自然增長、商品化增加、邊緣地帶發展、公共環境教育缺乏或土地資源使用權制度的變化等［6］。就從統計學的角度區分隨機和系統轉移而言，Robert等人提出一種方法，通過深入分析轉移矩陣的多種要素特別是不變量來確定隨機和系統轉移。隨機轉移是指某一地類從其他地類獲得的新增量與損失面積的相應地類的可用性成比例，或者是一種地類轉移為其他地類的流失量與獲得面積的各相應地類的大小成比例;如果與這個比例存在很大的偏差，那么就構成系統轉移［16］。

建立土地利用空間格局和動態過程之間的聯系需要深入挖掘LUCC的主要信息［10］。通過檢測統計學意義上的土地利用隨機轉移和系統轉移可以幫助土地資源研究和管理人員獲知土地利用轉移的優勢信息，并借助其他定量或定性的輔助信息深入探究LUCC的原因，從而有針對性地制定出一系列措施，阻止或減小不合理利用對土地資源的沖擊［17］。

北京山區是市區的生態屏障和水源涵養地，近年來，隨著人口及產業的陸續外遷，北京市進入了離心分散的典型城郊化階段［18］。伴隨著建設用地的擴張，山區土地利用方式也發生巨大變化，經濟建設用地和生態建設用地矛盾突出。為此，本文介紹了一種能深入挖掘土地利用變化優勢信息的有效方法，探討了北京山區土地利用變化中的系統性轉換和隨機性轉換，以期為該區的土地資源管理提供科學依據。

1 研究區概況

北京市地處 39°28'～41°05'N、115°25'～117°30'E，位于華北平原的西北邊緣。全市土地總面積為1．68 萬 km2，以山地居多，約1．04 萬 km2，占總面積的62%。北京市西部、北部和東北部三面環山，東南部為平原，平原區是耕地和建設用地的集中地區。整個北京市的地勢走向為西北高、東南低。北京山區主要分布于房山、延慶、密云、懷柔、昌平、平谷、門頭溝等遠郊區縣以及海淀區個別鄉鎮。本文所研究的山區是指海拔高于100 m的地區。山區處于北京市上風、上水地區，是市區的生態屏障和水源涵養地，其擔負的城市生態補給功能是城市實現可持續發展的基礎。近年來，由于城市人口和產業的轉移，北京山區土地利用方式發生了巨大變化。

2 數據處理及研究方法

2．1 數據基礎及處理

本研究所用到的LUCC數據來源于中國科學院遙感應用研究所國土資源遙感研究室建立的多期全國1∶10萬土地利用矢量數據庫。具體制作過程和分類標準請參考劉紀遠等所著的文獻［2，19］，在此不再贅述。根據研究的需要，耕地、水域、建設用地和未利用地采用一級類型，林地和草地采用二級類型。林地的二級分類分為:有林地(指郁閉度＞30%的天然林和人工林)、灌木林(指郁閉度＞40%、高度在2 m以下的矮林地和灌叢林地)、疏林地(指郁閉度為10% ～30%的稀疏林地)、其他林地(指未成林造林地、跡地、苗圃及各類園地等)。草地的二級分類分為:高覆蓋度草地(指覆蓋度＞50%的天然草地、改良草地和割草地)、中覆蓋度草地(指覆蓋度在20%～50%的天然草地和改良草地)、低覆蓋度草地(指覆蓋度在5% ～20%的天然草地)。本研究從該數據庫中提取了北京市山區1985年和2005年兩期土地利用數據(圖1)。運用ArcGIS軟件將兩期數據進行疊加分析，獲得土地利用類型轉移矩陣(表1)。

圖1 北京山區土地利用現狀圖Fig．1 Land use maps of the mountainous area of Beijing

表1 北京山區1985～2005年土地利用變化轉移矩陣Tab．1 Land use transition matrix in the mountainous area of Beijing during 1985 ～2005 (%)

2．2 研究方法

土地利用轉移矩陣一般都是采用表2的格式。表中，t表示時間，Cij表示由地類i轉變為地類j的面積，Cjj(即當i=j時)表示地類i保持不變的面積。

表2 比較兩個時期土地利用變化的轉移矩陣Tab．2 General transition matrix for comparing two maps from different points in time

2．2．1 土地利用變化概述

從流失量、新增量、凈變化量、交換變化量和總變化量等5個變量概述了 LUCC。其中流失量(Ci+－Cii)和新增量(C+j－Cjj)可以直接從矩陣中獲取。

凈變化量表示t1～t2期間各地類面積變化，其絕對值可用公式(1)計算，即

式中，Nj表示地類j的凈變化量。當某一地類Nj=0時，并不一定說明無變化。因為該地類在某一位置流失土地同時在另一位置可能會獲得土地，這種變化信息可以用交換變化量來說明，即

式中，Sj表示地類j的交換變換量，可用來表示t1～t2期間各地類在位置上的變化。當凈變化為零時，交換變化量等于流失量或新增量的兩倍。

凈變化量與交換變化量共同構成土地利用的總變化量，即

式中，Cj表示地類j的總變化量。

2．2．2 土地利用類型的持續性

轉移矩陣中對角線上的未變量Cjj在各地類中都占有很大的比例，承載著重要信息。因此Braimo提出一種方法［17］，利用各地類的未變量并結合流失量、新增量以及凈變化量來闡述各地類的持續性。即用Lp=流失量/未變量、Gp=新增量/未變量以及Np=凈變化量/未變量3個比值來評價不同地類的持續特征。

2．2．3 隨機轉移和系統轉移

用統計方法來區分系統轉移和隨機轉移需要同時考慮類間轉移數量和各地類本身數量。該計算過程可分為 4 步［10］。

首先，計算各地類的期望新增頻數(用Gij表示)，即在隨機增加過程中，新增地類j來自地類i的期望頻數，即

式中假定t2各地類的新增量和所占面積百分比都是先驗的，然后依據t1其他地類的相對百分比將實測新增量分布在其他地類上，即得各地類的期望新增頻數。

第二步是計算隨機增加過程中實際轉換量和期望新增頻數的差值，即Cij－Gij。通過二者的對比來發現優勢信息，如果差值Cij－Gij等于或接近于零，表明該轉換為隨機轉換;若差值Cij－Gij偏離零值較遠，則表明該轉換為系統轉換。

然后，計算各地類的期望流失頻數(用Lij表示)，即在隨機減少過程中，地類i流失到地類j的期望頻數，即

式中假定各地類的流失量都是固定的，依據t2其他地類的相對百分比將實測流失量分布在其他地類上，即得各地類的期望流失頻數。

最后，計算隨機減少過程中實際轉換量和期望流失頻數的差值，即Cij－Lij。與第二步相似，若差值Cij－Lij等于或接近于零，表明該轉換為隨機轉換;若差值Cij－Lij偏離零值較遠則表明該轉換為系統轉換。

3 結果分析

3．1 土地利用變化概述

表3概括了各地類的面積百分比、新增、流失、凈變化、交換變化和總變化。

表3 北京山區1985～2005年土地利用變化Tab．3 Summary of Land －use changes in the mountainous area of Beijing during 1985～2005 (%)

由表3可知，林地是北京山區的優勢類型，其中有林地和灌木林占絕對優勢;耕地、疏林地和高覆蓋度草地占一定的比例;剩余所有地類共占10%左右，為該區的劣勢地類。全部地類中只有其他林地、建設用地和水域的新增量大于流失量，其他地類反之。耕地的流失量最大，主要流失為其他林地和建設用地，原因是種植果園、城鎮擴張及工礦用地增加;耕地的新增量小于流失量，新增地主要來自高覆蓋度草地和其他林地。高覆蓋度草地的流失量排第二位，主要轉化為耕地和水域，原因是開荒造田和水域的季節性及年際變化;高覆蓋草地的新增量小于流失量，新增用地主要來自耕地和疏林地。其他林地的新增量最大，新增地主要來自耕地，其次是灌木林、疏林地和有林地;而流失的其他林地主要轉化為耕地和建設用地。建設用地的新增量居于第二位，新增量遠大于流失量，新增用地主要是占用耕地。水域的新增量較大，主要是由于降水的季節性和年際變化導致的。有林地、灌木林、疏林地和高覆蓋度草地的新增與流失都有一定數量，但是占相應地類的比例很小。中、低覆蓋度草地的新增和流失量都很小。在所有變化中，灌木林和有林地是以交換變化為主，交換變化較大，在總變化中的比例分別為85．93%和82．27%，凈變化占總變化的比例很小，這些特點說明該地物類型在空間位置上轉移頻繁而凈數量上變化不大;高、中覆蓋度草地和未利用地的交換變化和凈變化所占比例接近，說明空間位置轉移量和凈數量變化相當;剩余其他地物類型的位置轉移量都很小。在總景觀變化中交換變化占總變化的32．98%，說明該區域土地利用動態是以凈數量變化為主，空間位置轉移次之。

3．2 土地利用類型的持續性

表1中對角線上的數值是研究期內各地類靜止不變部分，所有未變量之和高達93．55%，占絕對優勢。Gp＞1表明動態變化過程中該地類新增面積大于持續不變的面積［11］。該研究區中只有其他林地的Gp＞1，建設用地的比值也很大，說明該區域的其他林地和建設用地傾向于新增土地;而其余所有地類的Gp值都很小，說明剩余地類動態變化過程中更傾向于靜止不變，而不是新增(表4)。Lp用來評價一種地類轉移過程中的脆弱性，Lp＞1表明該地類更傾向于轉變為其他地類而不是傾向于保持不變［11］。該區所有地類的Lp值都小于1，說明所有地類更傾向于保持不變，而不是流失。雖然其他林地在整個區域中只占4．64%(2005年)，但是其Np值最大且大于1，表明該地類的凈增面積大于持續不變量。建設用地占總面積的比例不大，但Np值很大，凈增量是其持續不變量的63%。水域的Np值為正且較大。耕地的Np值為負值且絕對值最大，表明耕地的流失程度最大。剩余其他地類的Np值或正或負，絕對值都比較小，說明凈變化量與持續不變量相比而言都非常小。

表4 1985～2005年各地類的G p、L p及N p值Tab．4 G p，L p and N p of land classes during 1985 ～2005

3．3 隨機轉移和系統轉移

表5中列出的是實際轉換量和期望新增頻數的差值。

表5 隨機增加過程中實際轉換量和期望新增頻數的差值Tab．5 Difference between the observed landscape transitions and the expected gains (%)

由表5可知，在向耕地的轉換過程中，對于高覆蓋度草地→耕地、其他林地→耕地的轉換，實際轉換量與期望新增頻數的差值分別為0．27%和0．10%，這表示在其他地類變為耕地的過程中，高覆蓋度草地和其他林地向耕地轉換為系統性轉換，耕地系統性的從高覆蓋度草地和其他林地中獲得的面積分別占總景觀的0．35%和0．12%(表1);對于有林地→耕地、灌木林→耕地的轉換，實際轉換量與期望新增頻數的差值分別為－0．26%和－0．11%，該差值為負但絕對值卻很大，這表明耕地增加時會系統性的防止從有林地和灌木林獲得土地。當有林地增加時，所有實際轉換量與期望新增頻數的差值中，只有灌木林向有林地轉換的差值(－0．06%)絕對值較大，這表示當有林地增加時會系統性的防止從灌木林獲得土地。同理，當灌木林增加時，會系統性的從高覆蓋度草地和疏林地獲得土地，而系統性的防止從有林地和耕地獲得面積。當疏林地增加時，會系統性的從高覆蓋度草地獲得土地，而系統性的防止從有林地獲得面積。當其他林地增加時，會系統性從耕地和疏林地獲得面積，而且從耕地→其他林地轉換的差值(1．13%)來看，耕地→其他林地的轉換具有極強的轉換優勢;同時，其他林地增加時會系統性的防止從有林地、灌木林、高覆蓋度草地、水域和建設用地獲得土地。高覆蓋度草地增加時會系統性從疏林地和耕地獲得面積，而防止從有林地獲得土地。水域增加時會系統性的從耕地和高覆蓋度草地獲得面積，而防止從有林地和灌木林獲得土地。建設用地增加時會系統性的從耕地獲得土地，而且從實際轉換量與期望新增頻數的差值(0．99%)來看，耕地→建設用地的轉換具有很強的轉換優勢;同時，建設用地增加時會系統性的防止從有林地、灌木林、疏林地和高覆蓋度草地獲得土地。表5中剩余的其他轉換，實際轉換量與期望新增頻數的差值都接近于零，因此更傾向于隨機轉換。

表6中列出的是實際轉換量和期望流失頻數的差值，如果差值接近于零，表示該轉換為隨機轉換;如果差值偏離零值較遠，表明該轉換為系統轉換。當耕地減少時，對于耕地→其他林地、耕地→建設用地和耕地→水域的轉換，實際轉換量與期望流失頻數的差值分別為1．35%、1．09%和0．19%，這表明耕地系統性的流失為其他林地、建設用地和水域;同理耕地會系統性的防止流失為有林地、灌木林、疏林地和高覆蓋度草地;有林地會系統性的流失為其他林地，而系統性的防止流失為灌木林和高覆蓋度草地;灌木林會系統性的流失為其他林地，而系統性的防止流失為有林地;疏林地會系統性的流失為其他林地和高覆蓋度草地，而系統性的防止流失為有林地和耕地;其他林地會系統性的流失為耕地和建設用地，而系統性的防止流失為有林地;高覆蓋度草地會系統性的流失為水域、耕地和其他林地，而系統性的防止流失為有林地和灌木林。對于表6中的其他轉換實際轉換量與期望新增頻數的差值都接近于零，因此更傾向于隨機轉換。

表6 隨機減少過程中實際轉換量和期望流失頻數的差值Tab．6 Differences between observed landscape transitions and the expected losses (%)

從同時發生的系統性增加和系統性減少(表5和表6)推斷出土地利用變化的優勢信息有:高覆蓋度草地和其他林地轉換為耕地(分別占總景觀面積的0．35%和0．12%);耕地和疏林地轉換為其他林地(分別占總景觀面積的1．53%和0．27%);疏林地轉換為高覆蓋度草地(占總景觀面積的0．12%);耕地和高覆蓋度草地轉換為水域(分別占總景觀面積的0．28%和0．24%);耕地轉換為建設用地(占總景觀面積的1．24%)。

以上結果表明，耕地增加的土地主要是從高覆蓋度草地和其他林地獲得，而且這種轉換具有較強的系統性轉換優勢;有林地、灌木林和疏林地等林地也有一定的面積流失為耕地，但是這種流失方向是系統性的防止，也就是說耕地不會將林地作為獲得土地的靶區，當地農民更傾向于將高覆蓋度草地和果園(其他林地在北京山區主要是果園)開墾為耕地。其原因可能是通常情況下草地要比林地易于開墾，而果園和耕地之間的轉換比較頻繁。其他林地的增加主要是以占用耕地為主，且這種占用具有很強的系統性轉換優勢，這主要是城市居民生活水平的提高和飲食習慣的改善，對果品的需求增大以及對商品生產和經濟活動欠發展的地區經濟發展有一定貢獻所致［20］。有林地、灌木林和疏林地等轉換為其他林地的面積相差不大，但是只有疏林地向其他林地的轉換具有很強的轉換優勢。從表5、表6實際轉換量與期望轉換頻數的差值可以得出其他林地系統性的防止從有林地和灌木林獲得土地，而有林地和灌木林會系統性的流失為其他林地。這說明有林地和灌木林向其他林地的轉換不具有很強的系統性轉換優勢，雖然前兩者很適合種植其他林地，但當地農民更傾向于在坡度平緩、距離居民點近的疏林地上種植。雖然耕地轉換為高覆蓋度草地(0．14%)的面積大于疏林地轉換為高覆蓋度草地(0．12%)的面積，但后者具有很強的系統性轉換優勢，這一方面反映林草交錯帶的景觀穩定性較差;另一方面是由于人為破壞，開發利用過程中造成林地質量下降，退化為草地，因此應該加大北京山區生態環境保護力度。而耕地轉換為高覆蓋度草地時，實際轉換量與期望轉換頻數的差值正負相反且差值較大(見表5、表6)，表5說明高覆蓋草地系統性的從耕地獲得土地，表6說明耕地系統性的防止流失為高覆蓋度草地，這一方面說明耕地→高覆蓋度草地轉換不具有很強的系統性轉換優勢;另一方面說明當地農民極力阻止耕地淪為草地。耕地和高覆蓋度草地向水域的系統性轉換主要發生在水庫周邊，一方面是由于降水的季節性及年際變化，另一方面是由于兩期影像時相不一致。耕地轉換為建設用地的面積很大(1．24%)，且其實際轉換量與期望轉換頻數的差值表明該轉換具有很強的系統性轉換優勢。表5表明建設用地會系統性從耕地獲得土地，而系統性的防止從有林地、灌木林、疏林地和高覆蓋度草地獲得土地;表6表明耕地和其他林地會系統性的流失為建設用地，灌木林、疏林地和高覆蓋度草地流失為建設用地不具有很強的轉換優勢，但也表現出一定的傾向性。這反映了建設用地邊緣區的耕地是其擴展的首選地，同時，工礦用地、旅游休閑用地和有產階級首選的“第二住宅”購買地等占用山區林地的現象也相當普遍［21，22］。

4 結論

(1)本文首先利用傳統的土地利用轉移矩陣分析方法，獲得研究區各土地類型的凈變化量及各地類之間相互轉移的面積。據此可知北京山區各土地類型的凈變化量都很小，即在時間上變化量都不大。由類間轉移面積推斷出土地利用類型轉移的主要方向是:耕地轉化為其他林地、建設用地和水域，有林地、灌木林和疏林地轉換為其他林地，高覆蓋度草地轉換為耕地、灌木林、其他林地和水域。然而，只對轉移矩陣做概括性的分析，不能充分挖掘出土地利用變化的內部轉移信息。

(2)通過深入分析土地利用轉移矩陣，獲得了更深層次的土地利用變化信息:首先，由交換變量可知北京山區各土地利用動態是以凈數量變化為主，空間位置轉移次之;其次，由土地利用類型的持續性可知該區域除其他林地和建設用地外，各土地類型更傾向于靜止不變，但這并不說明該區域生態系統穩定，該值只能反映該土地利用分類系統下各地類數量上的穩定性，而不能反映各地類內部質量上的穩定性，因此還需要各相關學科從內部結構上作進一步研究。

(3)采用統計學方法將土地利用轉移過程中的系統轉移和隨機轉移進行區分，該方法充分利用了各地類間的轉移量和持續不變量所承載的信息。最終獲得該區域的優勢轉換信息為:高覆蓋度草地和其他林地轉換為耕地，耕地和疏林地轉換為其他林地，疏林地轉換為高覆蓋度草地，耕地和高覆蓋度草地轉換為水域，耕地轉換為建設用地。傳統方法中獲得主要轉移方向中耕地轉換為水域、有林地和灌木林轉換為其他林地、高覆蓋度草地轉換為灌木林、其他林地不具有系統性轉換優勢。其他林地轉換為耕地、疏林地轉換為高覆蓋度草地雖然不具有數量上的轉換優勢，但該轉換屬于很強的系統性轉換。

從統計學的角度，快速挖掘區域土地利用變化中的系統轉移和隨機轉移，提取最具系統優勢的土地利用轉移信息，方法簡單有效，可幫助科研人員將土地利用格局和變化過程聯系起來，深入探究土地利用變化的驅動因素和機制，從而有針對性地制定出一系列措施，優化土地利用模式。

［1］TurnerⅡ B L，Skole D，Sanderson S，et al．Land Use and Land Cover Change Science/Research Plan［R］．IGBP Report 35 and HDPReport7，Stochkholm:IGBP，1995．

［2］劉紀遠，劉明亮，莊大方，等．中國近期土地利用變化的空間格局分析［J］．中國科學(D 輯)，2002，32(12):1031－1040．

［3］Vitousek PM，Mooney H A，Lubchenco J，etal．Human Domination of Earth’s Ecosystems［J］．Science，1997，277:494 －499．

［4］Lambin E F．Modelling Deforestation Processes:a Review．TREES Publications Series B:Research Report 1［R］．Office of Official Publications of European Community，Luxembourg，1994．

［5］Nagendra H，Munroe D K，Southworth J．From Pattern to Process:Landscape Fragmentation and the Analysis of Land Use/land Cover Change Agriculture［J］．Ecosyst Environ，2004，101(2/3):111－115．

［6］Mertens B，Lambin E F．Land － cover Change Trajectories in Southern Cameroon［J］．Ann Assoc Am Geogr，2000，90(3):467－494．

［7］Mertens B，Sunderlin W D，Ndoye O，et al．Impact of Macroeconomic Change on Deforestation in South Cameroon:Integration of Household Survey and Remotely－ sensed data［J］．World Dev，2000，28(6):983－999．

［8］Petit C，Scudder T，Lambin E F．Quantifying Processes of Land Cover Change by Remote Sensing:Resettlement and Rapid Landcover Changes in Southeastern Zambia ［J］．Int JRemote Sens，2001，22(17):3435－3456．

［9］Wear D，Bolstad P．Land－use Changes in Southern Appalachian Landscapes:Spatial Analysis and Forecast Evaluation［J］．Ecosystems，1998(1):575 －594．

［10］Geoghegan J，Villar SC，Klepeis P，etal．Modeling Tropical Deforestation in the Southern Yucatan Peninsular Region:Comparing Survey and Satellite Data［J］．Agric Ecosyst Environ，2001，85(1－3):25－46．

［11］Chen J，Gong P，He C，et al．Assessment of the Urban Development Plan of Beijing by Using a CA－based Urban Growth Model Photogram［J］．Eng Remote Sensing，2002，68(10):1063 －1071．

［12］Tucker C J，Dregne H E，Newcomb W W．Expansion and Contraction of the Sahara Desert from 1980 to 1990 ［J］．Science，1991，253:299－301．

［13］Lambin E F，Helmut JG，Lepers E．Dynamics of Land－use and Land－cover Change in Tropical Regions［J］．Annu Rev Environ Resour，2003，28:205－241．

［14］Barbier E B．Links Between Economic Liberalization and Rural Resource Degradation in the Developing Regions［J］．Agric Econ，2000，23(3):299－310．

［15］Braimoh A K．Modeling Land－use Change in the Volta Basin of Ghana［M］．Gottingen:Ecology and Development Series No 14．Cuvillier Publishers，2004．

［16］Robert G，Pontius Jr，Shusas E，et al．Detecting Important Categorical Land Changes While Accounting for Persistence［J］．Agric Ecosys Environ，2004，101(2/3):251－268．

［17］Braimoh A K．Random and Systematic Land－cover Transitions in Northern Ghana［J］．Agriculture，Ecosystems and Environment，2006，113:254－263．

［18］宗躍光，周尚意，張振世，等．北京城郊化空間特征與發展對策［J］．地理學報，2002，57(2):135－142．

［19］劉紀遠，張增祥，莊大方，等．20世紀90年代中國土地利用變化的遙感時空信息研究［M］．北京:科學出版社，2005．

［20］王鵬飛，魯 奇，傅 樺．1980年以來北京農用地時空演變與驅動力［J］．地理學報，2005，60(6):953－964．

［21］姜廣輝，張鳳榮，孔祥斌，等．北京山區建設用地擴展空間分異分析［J］．地理研究，2006，25(5):905－912．

［22］何春陽，史培軍，陳 晉，等．北京地區城市化過程與機制研究［J］．地理學報，2002，57(3):363－371．

(責任編輯:李 瑜)

Random and Systematic Land－use Transitions in Mountainous Area of Beijing

WEI Xian － hu1，2，ZHANG Zeng － xiang1，HU Shun － guang1，2，LIU Fang1，2
(1．Remote Sensing Application Institute，Chinese Academy of Sciences，Beijing 100101，China;2．Graduate School of Chinese Academy of Sciences，Beijing 100039，China)

As an important part of Beijing’s suburbs，the mountainous area of Beijing has both the characteristics of metropolitan suburbs and the features of mountains，and so its land use pattern is different from other areas．Based on statistics，the authors separated land－use transformations of the mountainous area of Beijing to random and systematic transitions through an in－depth analysis of land use transition matrix．A land－use transition is random if a land－use category gains from other categories in proportion to the availability of those other losing categories，or if a category loses to other categories in proportion to the size of those other gaining categories．Any large deviation from those proportions is referred to as a systematic transition．From the concurrent incidence of systematic gains and losses，it is concluded that the most dominant signals of change find expression in the following aspects:the conversion of higher coverage grassland and other woodland to cropland，the conversion of cropland and sparse woodland to other woodland，the conversion of sparse woodland to higher coverage grassland，the conversion of cropland and higher coverage grassland to water areas and the conversion of cropland to built－up areas．The transition areas from cropland to other woodland and built－ up areas are relatively large and have obvious advantages for systematic transitions．While the areas of transitions from other woodland to cropland and from sparse woodland to higher coverage grassland are relatively small，the transitions are still attributed to dominant signals of change．This method is simple and practical and enables scientists to focus their research on the most important land transitions，which will help in linking patterns to processes and in management of land resources．

Land use change;Systematic transitions;Random transitions;Mountainous area of Beijing

魏顯虎(1978－)，男，博士研究生，主要從事遙感圖像處理、國土資源與生態環境遙感研究。

TP 79;P 271

A

1001－070X(2010)04－0077－08

2009－11－27;

2010－01－05

國家科技支撐計劃課題“水土保持調節功能時空數據集成與分析”(編號:2006BAC08B0405)。