滇中城市群2000
—2009年耕地時空變化及驅動力分析

陳國平，趙俊三，李紅波，吳曉偉

(1.昆明理工大學 國土資源工程學院，云南 昆明 650093；2.昆明冶金高等專科學校，云南 昆明 650033； 3.云南省地礦測繪院，云南 昆明 651208)

滇中城市群2000
—2009年耕地時空變化及驅動力分析

陳國平1，2，趙俊三1，李紅波1，吳曉偉3

(1.昆明理工大學 國土資源工程學院，云南 昆明 650093；2.昆明冶金高等專科學校，云南 昆明 650033； 3.云南省地礦測繪院，云南 昆明 651208)

[關鍵詞]耕地；景觀格局；時空演變；驅動力；滇中城市群

[摘要]從景觀格局視角分析了滇中城市群2000—2009年耕地時空變化特征，結合高程、人口、GDP、距離等自然和社會經濟數據，通過構建滇中城市群耕地Logistic回歸概率模型，對研究區耕地變化的驅動因素進行了分析。研究結果表明：景觀格局指數可以直觀地分析耕地時空變化；研究區耕地變化受自然和社會經濟因子共同影響。該研究可為耕地政策制定及類似地區城市群尺度的土地時空變化及驅動力研究提供參考和借鑒。

耕地具有特殊的地位和重要的作用，長久以來，保護耕地一直是我國確保經濟社會可持續發展的重中之重。此外，耕地不僅具有生產功能，而且具有很強的生態服務功能[1]。因此，開展耕地時空變化及驅動力研究，既可為土地利用與土地覆被變化(LUCC)等熱點問題研究提供幫助，也為科學編制國土資源開發利用規劃提供依據。

LUCC是區域范圍內各種因素綜合作用的結果。大量案例表明，LUCC具有高度的時間和空間異質性，不同時空尺度上的土地利用與土地覆被變化，往往具有不同的驅動力，各種因素的作用存在尺度差異[2]，文獻[3-6]研究了不同影響因素對耕地變化的驅動機理機制。綜觀前人研究發現，從景觀格局視角針對地形地貌復雜的高原山區大尺度耕地變化的驅動力研究比較少見。

本研究以高原山區滇中城市群為研究區，在分析2000—2009年對經濟發展最為敏感的耕地時空變化特征的基礎上，構建基于GIS與Logistic回歸的耕地變化模型，揭示城市群尺度耕地時空演變的機理和動因，以期為研究區未來制定耕地政策提供參考和建議。

1研究區概況及數據來源

1.1研究區概況

依照《滇中城市群規劃修改(2009—2030年)》，滇中城市群包括昆明市、曲靖市、玉溪市、楚雄彝族自治州行政轄區范圍，合計42個縣(市、區)，是云南省最重要、最具發展活力的區域，也是我國面向南亞、東南亞增長最快，競爭力影響力較強的地區之一。全區土地總面積9 332 797.47 hm2，占全省土地總面積的24.36%，其中耕地1 890 667.38 hm2，占全區土地總面積的20.26%。據統計，2009年總人口1 708.60萬人，占云南省總人口的37.38%；GDP為3 696.76億元，占全省GDP的59.92%。

1.2數據來源與處理

2000年土地利用分類數據來源于地球系統科學數據共享平臺(www.geodata.cn)，2009年土地利用分類數據來源于云南省第二次全國土地調查縮編數據，高程、坡度等數據來源于中國科學院國際科學數據服務平臺提供的SRTM 90 m分辨率的DEM數據；社會經濟數據來源于《云南統計年鑒》；距離數據通過ArcGIS 10.2的空間分析功能得到。為便于研究，在原土地利用分類基礎上根據耕地含義對原分類進行歸并處理，并把數據統一到500 m×500 m柵格尺度。

2研究方法

2.1景觀格局指數

景觀格局指數是指能夠高度濃縮景觀格局信息，反映其結構組成和空間分布特征的定量指標[7]。其變化可以在一定程度上定量反映土地利用變化格局。運用GIS軟件和景觀格局分析軟件Fragstats提取耕地變化圖斑，通過計算耕地景觀斑塊類型面積、斑塊密度、斑塊平均面積等景觀格局指數，分析研究區耕地時空變化特征。

2.2二元Logistic回歸模型

多元回歸分析方法在確定因變量與自變量的關系時，其因變量不能設為定性變量，不具備二分性，因而不能處理具有二分性變量的情況，而Logistic回歸分析卻能很好地解決這一問題。Logistic回歸模型不需要假設變量之間存在多元正態分布，其采用最大似然估計法進行參數估計，以事件發生概率的形式提供結果。借助該模型能對二值響應的因變量和分類變量(連續型或混合型)進行回歸建模，進而探討影響概率及主要的影響因子。目前，Logistic 回歸模型已經廣泛應用于地學領域，如農村居民點變化[8]、耕地變化[9-10]、城市擴展預測[11]、農地流轉意愿調查[12]等方面的研究。

根據Logistic回歸建模的要求，設x1，x2，…，xi是與Y相關的一組向量，P是某事件發生的概率，將比數P/(1-P)取對數得到ln[P/(1-P)]，即對P作Logistic變換，記為logit(P)，相應的回歸模型為

(1)

式中：P是給定系列自變量xi值事件的發生概率，本研究設定耕地發生增加或者減少時P值為1，耕地沒有發生變化時P值為0；a為截距；xi為影響耕地變化的驅動力；βi為Logistic回歸的偏回歸系數，表示變量xi對logit(P)的影響大小。

發生事件的概率是一個由自變量xi構成的非線性函數，表達式為

(2)

本研究采用SPSS逐步回歸分析的Logistic函數完成耕地驅動因子的分析。所得到的Logistic回歸分析結果包括回歸系數、回歸系數估計的Waldχ2統計量、回歸系數估計的標準差、回歸系數估計的顯著性水平。其中，Waldχ2統計量表示每個xi(解釋變量)在模型中的相對權重，用來評價每個解釋變量對事件預測的貢獻力。

3結果與分析

3.1耕地時空變化分析

耕地時空變化是一種雙向的動態過程，通過對比2000—2009年滇中城市群耕地新增來源(表1)和減少去向(表2)的景觀格局指數，分析新增耕地及耕地減少流向景觀格局的差異，可為制定差異化的耕地政策提供參考。

表1　2000—2009年新增耕地不同來源地類景觀特征

表2　2000—2009年耕地流向不同地類景觀特征

從表1可以看出，草地和林地是耕地增加的最主要來源，兩者占新增耕地的97%，其斑塊平均面積分別為224.906 7和117.918 4 hm2，兩者均遠高于其他地類。此外，斑塊密度和平均鄰近指數相對較高，說明草地、林地開發為耕地相對集中，其斑塊復雜程度也相對較大。

在耕地減少方面(表2)，耕地主要流向為林地和草地，兩者之和占比接近90%，說明近年來退耕還林、還草的生態保護措施效果明顯，是耕地減少的主要原因。被建設占用的耕地面積雖然不大，但是斑塊平均面積、平均鄰近指數均是最高的，表明建設占用的耕地比較集中、質量等級較好；此外，其平均斑塊分維數最高，說明建設用地在擴張過程中對耕地的占用屬于外延型擴張。

3.2耕地時空變化驅動力Logistic回歸模型

研究區面積較大、數據量龐大，由于耕地時空變化驅動力Logistic回歸模型的結果與樣本選擇關系很大，故需要保證數量足夠多、模式多樣化的訓練樣本。而耕地變化部分占研究區總面積的比重較小，如果在全域內隨機選取樣本將導致選取耕地變化的數據量較少，容易造成模型校正的偏差。故本研究釆用分層隨機取樣的方式選取總數據量的10%作為樣本數據(其中變化數據10%，非變化數據10%)，該取樣方式能夠保證變化與未變化數據有大致相同的精度。然后通過軟件在樣本點要素的指定位置提取得到13個驅動因子柵格圖層的像元屬性值，并將值記錄到點要素類的屬性表中，為驅動力Logistic回歸擬合提供數據基礎。

Logistic回歸模型對自變量中存在的多元共線性十分敏感[13]，因此在進行回歸分析之前，需要對自變量之間的共線性進行診斷，剔除存在明顯共線性的因子，以提高模型構建的精度。共線性診斷一般用容忍度和方差膨脹因子(VIF)來進行評定，兩者互為倒數關系。容忍度值越小共線性越強，通常小于0.2認為存在共線性，小于0.1說明共線性問題嚴重；VIF越大共線性越強，大于10則認為共線性問題嚴重。本研究對初選的13個自變量進行共線性診斷(見表3)，容忍度值最小為0.262，VIF最大為3.816，說明自變量之間沒有多元共線性問題。

運用統計分析軟件SPSS中二元Logistic回歸模塊，將所選取的樣本響應因子與驅動因子進行擬合計算，以0.5為分類標準，顯著性以<0.05為標準，刪除不符合要求的自變量，分別構建耕地總體變化、耕地增加及耕地減少的二元Logistic回歸方程，見式(3)～(5)，相關估計結果見表4～6。

表3　自變量共線性診斷結果

(3)

(4)

(5)

3.3驅動力分析

3.3.1耕地總體變化的驅動力分析

構建的耕地變化時空Logistic回歸模型，其精度需要通過檢驗，在此使用Pontius等提出的受試者工作特征(ROC)曲線分析方法。耕地總體變化驅動力模型的ROC檢驗值大于0.5，ROC曲線下的面積AUC=0.626，預測結果正確率達61.52%，說明模型擬合程度較好。

從表4可知，耕地總體變化的驅動因子貢獻率從大到小分別為距公路距離(x5)、高程(x1)、坡度(x2)、距鐵路距離(x4)、距農村道路距離(x6)、距溝渠距離(x7)、農民人均純收入(x11)、距村莊距離(x9)。由此可見，耕地的變化是自然、距離和社會經濟驅動因子綜合作用的結果。距公路距離是對耕地變化影響最大的因子，此外自然稟賦條件(高程、坡度)對耕地的變化影響也較大，說明交通便利、自然條件較好的耕地優先得以利用。

表4　耕地總體變化驅動因子模型估計結果

3.3.2耕地增加的驅動力分析

耕地增加驅動力模型(表5)的AUC=0.671，預測結果正確率達73.51%，模型擬合程度較好。研究區耕地的增加是社會經濟因子、自然因子和距離因子共同作用的結果，驅動因子分別為高程(x1)、坡度(x2)、距道路距離(x4、x5、x6)、距溝渠距離(x7)、距村莊距離(x9)、農民人均純收入(x11)和人口密度(x13)。其中農民人均純收入和人口密度越大，耕地新增的可能性越高；而高程、坡度和距離鐵路、公路、農村道路、溝渠、村莊的距離越大，耕地新增的可能性越小。

表5　耕地增加驅動因子模型估計結果

耕地是一種對地形地貌等自然條件和水源條件要求程度較高的地類。滇中地區屬于高原山區，地形破碎化嚴重，耕地的增加受自然條件的限制嚴重，其增加必然較多地發生在海拔較低、坡度平緩、水源豐富、交通便利的地區，因而這些區域內耕地的增加多于高程較高、坡度陡峭、交通不便、水源匱乏的區域。

由模型可以看出，農民人均純收入是耕地增加的主要影響因素，說明研究區農民以耕地為主要生計，傳統耕作收入是農民的主要收入。此外，人口密度是耕地增加的重要驅動因素，在未能大幅提高耕地產出效率的前提下，為了滿足一定區域面積內新增人口的基本生活需求，必然只能通過擴大耕地面積來滿足剛性需求。

3.3.3耕地減少的驅動力分析

耕地減少驅動力模型(表6)的ROC檢驗值大于0.5，AUC=0.784，預測結果正確率達81.34%，模型擬合程度較好。耕地減少的驅動因子從大到小依次為高程(x1)、距村莊距離(x9)、距溝渠距離(x7)、距公路距離(x5)、距農村道路距離(x6)、農民人均純收入(x11)、距城鎮距離(x10)、坡度(x2)。

表6　耕地減少驅動因子模型估計結果

高程、距村莊距離的影響程度居于前兩位，說明耕地減少依然受到自然因素和距離因素的作用。耕地的減少與高程、坡度成正相關，主要是因為近年實施的退耕還林還草等政策使得海拔高、坡度大的耕地被退還為林、草地，生態環境保護措施初顯成效；與距公路、農村道路、溝渠、村莊、城鎮距離成正相關，一方面是因為傳統耕地一般交通便利、水源條件好、距離村莊城鎮較近，是農民收入的主要經濟來源，農民對其依賴性相對強烈，比較珍惜現有的耕地，會盡量減少對優質耕地的占用；另一方面是因為近年來國家加大了耕地保護力度，使得集中連片、高質量的耕地得以保護，一定程度上遏制了城市擴張占用大量耕地的態勢。耕地減少數量與農民人均純收入成負相關關系，耕地的減少造成農民純收入隨之減少，說明研究區農民收入依然主要依靠農業，其收入來源單一，農村經濟不發達。

另外值得關注的是，人口密度的變化并不會引起耕地的減少。由于當前相關的社會保障體系尚不健全，無法在制度上給予進城農民以生存保障，難以讓其主動放棄收益不高的耕地收入，因此盡管人口密度增加會促使耕地增加，而耕地卻不會因人口密度的減少而減少。

4結論與討論

(1)從景觀生態學視角分析滇中城市群2000—2009年間耕地的時空變化，發現耕地增加主要通過侵占草地、林地，耕地減少的主要流向也為林地和草地。此外，建設項目占用也是耕地減少的一個重要方面，并且占用的耕地集中連片、質量較好，建設用地在擴張過程中對耕地的占用屬于外延型擴張。研究表明景觀格局指數可用于分析耕地時空變化。

(2)選取了與耕地變化密切相關的自然、社會經濟及距離等13個驅動因子，構建了耕地總體變化、耕地增加及耕地減少3個Logistic回歸模型，有效地從空間角度分析了耕地變化的驅動力，并詳細闡釋了其對耕地變化的影響力度和過程，進一步揭示了其相互關系與變化驅動機制，以期為制定耕地政策提供服務。

(3)通過耕地變化驅動力分析，發現滇中地區耕地變化是受自然和社會經濟驅動因子共同作用的結果。由于研究區特殊的地形地貌，因此自然稟賦條件(高程、坡度)對耕地的變化影響較大。耕地增加的主要驅動力是農民人均純收入，滇中地區農民仍以傳統農耕為主，收入單一，因此應加大農業投入，調整農業結構，盤活農村經濟，增加農民收入渠道。耕地減少量與高程、坡度及距公路、農村道路、溝渠、村莊、城鎮距離呈正相關關系，主要是因為近年來實施了退耕還林、還草、還湖的生態環境保護政策及耕地保護力度加大。

本研究選擇滇中城市群作為研究區，范圍較大，采用的數據是基于第二次全國土地調查成果縮編數據和影像解譯結果，數據質量難免會有偏差。此外，由于耕地時空變化是一個相當復雜的過程，與滇中城市群特殊的地形地貌、經濟社會因素、多民族價值觀念、政治結構和生態保護措施等密切相關，部分因素未能納入模型，因而使模型的精度受到影響，若能采用更小尺度數據并結合外業調查數據對模型進行修正后使用，可以更加精確地揭示耕地變化的驅動力。另外，將模型用于對未來一個時期內不同空間尺度的耕地變化的模擬預測分析，及早對耕地未來發展變化做出預判，實施差別化耕地政策是值得深入研究的問題。

[參考文獻]

[1] 中國土地學會.土地科學學科發展藍皮書(2013年)[M].北京:中國大地出版社,2014:Ⅲ.

[2] 全斌.土地利用與土地覆被變化學導論[M].北京:中國環境科學出版社,2010:34,53,103-106.

[3] 陳朝,朱明棟,李翠菊,等.湖北耕地變化驅動力分析[J].華中農業大學學報:社會科學版,2006(2):39-44.

[4] 陳秀貴.耕地變化驅動力及耕地保護對策研究[D].武漢:中國地質大學,2012:18-30.

[5] 陳輝.耕地動態變化及其驅動力研究[D].重慶:西南大學,2008:31-40.

[6] 郭洪海,宋民.山東省耕地動態變化趨勢及驅動力分析[J].中國農業資源與區劃,2009(1):51-57.

[7] 唐秀美,陳百明,路慶斌,等.城市邊緣區土地利用景觀格局變化分析[J].中國人口·資源與環境,2010,20(8):159-163.

[8] 姜廣輝,張鳳榮,陳軍偉.基于Logistic回歸模型的北京山區農村居民點變化的驅動力分析[J].農業工程學報,2007,23(5):81-87.

[9] 曾凌云,王鈞,王紅亞.基于GIS和Logistic回歸模型的北京山區耕地變化分析與模擬[J].北京大學學報:自然科學版,2009(1):165-170.

[10] 王秀春,黃秋昊,蔡運龍,等.貴州省貓跳河流域耕地空間分布格局模擬[J].地理科學,2007,27(2):188-192.

[11] 楊云龍,周小成,吳波.基于時空Logistic回歸模型的漳州城市擴展預測分析[J].地球信息科學學報,2011,13(3):374-382.

[12] 周陶,高明.基于Logistic模型的四川省南溪區農地流轉微觀主體意愿的實證分析[J].貴州農業科學,2013(3):182-185.

[13] 劉慶鳳,劉吉平,宋開山,等.基于CLUE-S模型的別拉洪河流域土地利用變化模擬[J].東北林業大學學報,2010,38(1):64-67.

(責任編輯徐素霞)

[基金項目]國家自然科學基金項目(41261043，41161062)；云南省教育廳科學研究基金項目(2014Y493)

[中圖分類號]S157；F301.24

[文獻標識碼]A

[文章編號]1000-0941(2016)05-0048-05

[作者簡介]陳國平(1981—)，男，河南新野縣人，講師，博士研究生，研究方向為國土資源信息化、地理模擬；通信作者趙俊三(1964—)，男，河南鄧州市人，教授，博士，博導，研究方向為國土資源信息化、GIS/LIS。

[收稿日期]2015-08-20