晉北地區1986~2010年土地利用/覆被變化的驅動力

徐小明,杜自強,張 紅,馮 凌,申小雨

?

晉北地區1986~2010年土地利用/覆被變化的驅動力

徐小明1*,杜自強1,張 紅2,馮 凌2,申小雨2

(1.山西大學黃土高原研究所,山西 太原 030006；2.山西大學環境與資源學院,山西 太原 030006)

為定量研究不同時期區域土地利用變化的不同驅動特征,以地處農牧交錯帶的晉北地區為例,采用非監督分類與人工目視解譯相結合的方法,獲取研究區1986~2010年間的土地利用/覆被變化(LUCC)狀況,采用典范對應分析(CCA)方法定量分析了不同階段LUCC的自然與人為驅動特征.結果表明:1)CCA在分析長時期序列LUCC驅動力上有較好的解釋力,CCA排序可以很好地提取LUCC與自然、人為因素之間的關系,反映不同時期土地利用變化受到的驅動作用;2)研究區土地利用類型以耕地、草地、林地為主,土地利用變化類型以耕地與草地、林地與草地之間的互相轉移為主;3)從不同時期LUCC的驅動因子來看,人口密度、人均國內生產總值(GDP)、降水、坡度和高程是研究區各時期LUCC的主要驅動力;研究區在1986~1995年間LUCC的主要驅動力來自于人口增長和經濟發展的需求,而隨著時間的推進,坡度和高程等地形因素的驅動作用也愈來愈重要;4)從不同地類變化的驅動因子來看,耕地、草地等地類向居民用地、工礦用地轉移的主要驅動力是人口和經濟的發展;而林地,草地等土地覆被類型之間的轉移主要受到坡度,高程和降水等自然因素的驅動.

土地利用/覆被變化；驅動力；典范對應分析；不同時期

目前,土地利用/覆被變化(LUCC)研究受到國內外學者的廣泛關注[1-2].LUCC是一種過程,體現著人為和自然因素的雙重影響,空間差異性大,各種環境因子的作用程度也不盡相同,長期以來一直缺乏比較系統、定量的方法來探討LUCC與驅動力因子的響應關系.

目前研究認為,氣候、地形、土壤、水文、人口、經濟、技術、政治、乃至價值觀是LUCC的主要驅動力[3-5],一些學者采用了諸如多元線性回歸[6]、多元邏輯回歸[7]、模擬退火算法[8]、典范對應分析(CCA)[9-11]等方法對LUCC的驅動因子進行了定量分析.其中,CCA分析將多元回歸和對應分析結合起來,是一種直接排序的方法,在生態學研究中得到了廣泛的應用[12-14].這種方法在宏觀的LUCC驅動力分析中已有少量應用[9-11,15],該方法可以有效地解釋LUCC與驅動因素之間復雜的非線性關系,是定量分析LUCC驅動力的有力工具[11].但是,這些研究大多僅分析某一時期的LUCC驅動力[9-11],忽略了LUCC驅動力系統的縱向性與過程性[16],因為在不同的歷史時期,LUCC的驅動力也有所不同[17].

本研究選擇山西省晉北(包括晉西北)地區為研究區,該區是中國北方生態脆弱的農牧交錯帶的重要組成部分,也是環京津唐地區防風固沙、綠化生態屏障建設的重點地區之一.該區土地利用結構在近幾十年來發生了復雜而劇烈的變化,同時,近年來實施的退耕還林等政策也對這一農牧交錯區的土地利用/覆被狀況產生了顯著的影響,因此,這一地區是開展不同時期LUCC驅動力變化研究的理想區域.

本文在對不同時期土地利用變化分析的基礎上,將影響LUCC的驅動因子與LUCC進行CCA分析,揭示土地利用變化在不同環境梯度上的響應,從而系統地揭示區域LUCC驅動力在過去幾十年間的變化.

1 研究區與方法

1.1 研究區概況

研究區包括晉西北高原和大同盆地,位于110°56′E~114°32′E,38°39′N~40°44′N,行政區劃上包括朔州市全境、忻州市和大同市的部分縣市,總面積約3.17萬km2.區內地形復雜多變,東部為大同盆地,西部為地形起伏的黃土丘陵區.黃土廣泛分布在該區內.

研究區屬于大陸性半干旱季風性氣候,四季分明,全年溫差較大,平均氣溫在4.6~6.8oC之間.年日照時數約2300~2900h,降水量為380~ 460mm,年均蒸發量達2000mm,無霜期100~ 130d.

1.2 數據源

1.2.1 土地利用/覆被解譯 下載研究區1986年、1995年、2000年和2010年的Landsat TM 4~5遙感影像.分別選取該年份7~10月份,云覆蓋率小于5%的影像進行進一步處理和分析.

1.2.2 驅動力因子 選取直接或間接影響LUCC的氣候、地形和人類活動因子,包括人口密度、人均GDP、道路距離、城鎮距離、高程、坡度、坡向、1km內地形起伏度、年平均溫度和年平均降水10個具體的因子.各數據來源見表1.

道路距離和城鎮距離由ArcGIS計算研究區內各點距主要公路和居民用地的歐氏距離獲得.地形起伏度是指1km內最高點海拔高度與最低點海拔高度的差值[11].溫度和降水采用ArcGIS對研究區內及周邊7個氣象站點(空間位置見圖1)年均溫度,降水進行反距離權重插值獲得.

表1 數據來源 Table 1 The data sources

1.3 研究方法

1.3.1 土地利用/覆被解譯 在Erdas Imagine 2013和ArcGIS 10.2.1軟件平臺的支持下,采用計算機非監督分類和人工目視判讀相結合的方式進行土地利用信息解譯.首先對獲取的影像進行預處理,然后執行非監督分類,將影像分為30類.建立包括耕地、林地、草地、居民用地、工礦用地、水域、鹽堿地和裸地8種土地利用/覆被方式的分類系統.對照TM 5-4-3波段的假彩合成圖像,同時參考研究區植被、土壤、地形等相關圖件和Google Earth影像進行目視判讀解譯.這種方法既能保證分類的精度,又能節省解譯時間[16].采用混淆誤差矩陣的方法,即以Kappa系數來評價土地利用分類的位置精度.

1.3.2 土地利用變化區域的選取 采用空間疊加的方法提取研究區內1986~1995年、1995~ 2000年、2000~2010年和1986~2010年4個時段的土地利用變化斑塊.為了減少數據冗余,去除細小斑塊的影響,篩選變化面積在研究區總面積0.01%(約3.17km2)及以上的斑塊進行土地利用轉移以及驅動力分析.

1.3.3 典范對應分析 將4個時間段的土地利用變化斑塊處理為(0,1)二元數據矩陣[11],這一矩陣中,1代表某一類型土地利用變化的發生,0代表該類變化未發生.利用區域統計功能構建驅動力因子矩陣.

將土地利用變化矩陣和驅動力矩陣輸入CANOCO V4.56中,分別分析4個時段土地利用變化的驅動力.應用Monte Carlo檢驗(499次置換)檢測驅動力因子與土地利用變化之間是否存在統計意義上顯著的相關關系.本研究的技術路線見圖2.

2 結果與討論

2.1 研究區土地利用變化的主要特征

遙感影像解譯得到的研究區土地利用空間分布圖見圖3.經檢驗,研究區個年份的土地利用分類Kappa系數均大于0.80,分類結果良好[18].

從圖3可知,研究區耕地在東部大同盆地分布較為集中,呈現東北—西南帶狀分布.在西側的黃土丘陵區則與林地、草地交錯分布.林地在1986~2000年間主要集中在研究區中東部,在西部的河曲、保德、偏關等地分布較少,但至2010年時,西部的林地面積也有所增加.草地的分布較為分散,在整個研究區與林地、耕地混雜分布.居民用地分布在各縣市的城鎮區.工礦用地除了集中在平魯區南側以外,在朔城區和南郊區也有分散分布.鹽堿地主要集中分布在山陰縣和應縣;裸地和水域的分布則比較分散.

由圖4可知,耕地、草地和林地是研究區主要的土地利用類型,三者面積共占研究區總面積的94%~97%.耕地面積在1986~2000年間變化不大,但2000~2010年間有所減少.林地面積在1986~1995年間有所減少,但1995~2010年又呈持續增加的趨勢.草地面積在1986~2000年間變化不大,但2000~2010年間有所減少.居民用地、工礦用地和裸地面積呈持續增加的趨勢,而水域面積則持續減少,鹽堿地面積呈波動增加的趨勢.

2.2 研究區不同歷史時期土地利用轉移分析

由表2可見,1986~1995年間,主要的土地利用轉移類型為耕地和草地、草地和林地之間的互相轉移,占總轉移面積的91.40%;1995~2000年間的主要轉移類型與前一時期一致,4種類型占總變化面積的92.00%;2000~2010年間,除了以上4種轉移類型以外,耕地轉移為林地的比例增加到了10.25%,這5種土地利用轉移類型占總轉移面積的91.96%;1986~2010年和2000~2010年的轉移狀況類似,5種主要轉移類型的總概率為91.06%.不同時期的土地利用轉移主要發生在耕地、草地和林地之間的相互轉移上.其中,耕地和草地、林地和草地之間的互相轉移始終是研究區內最主要的土地利用轉移類型.草地和耕地互相轉移的比例較高,充分顯示了研究區農牧交錯區的特性,而林地和草地的互相轉移是植被的自然演替和植樹造林交互作用的結果.

表2 土地利用轉移概率矩陣(%) Table 2 Probability matrix of land use transition (%)

注:行表示研究期初的土地利用類型,列表示研究期末的土地利用類型,空白表示該類型轉移未發生.

耕地、草地和林地在2000年前面積變化不大.從2000年開始,耕地面積顯著減少,草地略有減少,而林地面積增加.這與1999年以后區內推行退耕還林政策,部分坡耕地轉移為林地和草地有關.土地利用轉移矩陣也證明了這一進程,從2000年起,耕地轉移為林地的比例增大.由于該區地處三北防護林工程[19]和京津風沙源治理工程區內[20],一些荒山草地轉移為林地,促進了區域內林地面積的增加,2000~2010年間的土地利用轉移矩陣也表明2000年以后草地轉移為林地的比例遠大于林地轉移為草地的比例.

研究區居民用地的增加主要來自于耕地、工礦用地和草地,新增的工礦用地則主要來自草地、耕地和林地.水域、鹽堿地和裸地主要是與耕地和草地之間發生互相轉移.區內人口的增加促進了居民用地的持續增加,特別是大同市和朔州市建成區的面積貢獻巨大,大同市城市建成區面積由1985年的41km2[21]增加到了2010年的108km2,而朔城區城市建成區面積也由1990年的8.8km2[22]增加到2010年的40km2.居民用地的增加,2000年以前主要來自于耕地,而2000年以后,工礦用地和草地轉移為居民用地的比例增加,說明城鎮的發展,首先會占用耕地,進而侵占天然植被;同時,礦山生活區因人口聚集也逐漸轉移為居民用地.此外,研究區是我國重要的煤炭生產基地,大同煤礦、平朔煤礦均位于本區內,采礦業的發展促使了區內工礦用地的持續增加,這些增加的工礦用地大多來自于草地和耕地.

2.3 研究區不同時期LUCC驅動力分析

2.3.1 驅動力因子選擇及相關性分析 LUCC體現著人為和自然因素的雙重影響,因此其驅動力也來自于人為和自然的兩個方面[6].本研究對各驅動力因子進行相關分析表明地形起伏度與坡度的相關性較強(相關系數大于0.97),因此在分析中將地形起伏度因子作為冗余變量去除. 共保留9個相關性較小、具有典型性和獨立性的驅動力指標.

2.3.2 不同歷史時期LUCC的驅動因子 1986~ 1995年間,第一軸與人均GDP的相關系數最大,第二軸與人口密度的相關系數最大.隨著第一軸數值的增加,人均GDP增加,人口密度減少,坡度變大;隨著第二軸數值的增加,人口密度和人均GDP均增加,坡度變小.這說明這一期間,研究區土地利用變化的最主要的驅動力來自于人口增長和經濟發展.

1995~2000年間,;而第二軸則與坡度的相關系數最大.隨著第一軸數值的增加,人均GDP和人口密度增加,坡度變小;隨著第二軸數值的增加,坡度,高程和降水增加.說明這一時期內,人口增長和經濟發展仍是主要驅動因素,但地形因素的驅動作用在逐漸增強.

2000~2010年間,第一軸與人均GDP的相關系數最大,第二軸則與坡度的相關系數最大.隨著第一軸數值的增加,人均GDP和人口密度增加;隨著第二軸數值的增加,坡度變小,高程降低,降水減少.這一時期的土地利用變化受到了人口、經濟發展以及地形因素的雙重驅動.

從1986~2010年總體來看,第一軸與坡度的相關系數最大,且為負相關,第二軸與人均GDP相關系數最大,為正相關.隨著第一軸數值的增加,坡度減小,高程降低,降水減少;隨著第二軸數值的增加,人均GDP和人口密度增加.說明1986~2010年間研究區主要的LUCC驅動力包括人均GDP、坡度、高程、降水和人口密度.

2.3.3 不同地類變化的驅動因子分析 由圖5和表3可見,1986~1995年間,草地轉移為工礦用地主要發生在人均GDP較高的地區;而耕地轉移為居民用地、林地轉移為耕地均發生在人口密度較大但人均GDP較低的地區(圖5a).說明這一時期內,人口和經濟增長促進了耕地、草地等用地類型向工礦用地和居民用地的轉移.這一時期處于我國改革開放的初期,區內GDP的增加促進了其它地類向工礦用地的增加;而在經濟尚不發達,但人口壓力較大的地區,易發生占田造城、毀林種地等開發活動.

1995~2000年間,耕地向居民用地和林地的轉移主要發生在人口密度較大、人均GDP較高的地區.林地和草地之間的互相轉移主要發生在坡度較大、高程較高、降水較多的區域(圖5b).人口的增加促使了居民用地的增加,而居民用地最便利的來源是城鎮周邊的耕地.同時,由于1999年起推行的退耕還林政策的實施,一些坡耕地上植樹造林,圖5(b)第一象限中也提取到了這一變化類型,說明這一政策起初發生在經濟較好、人口較多的地區.此外,林地和草地的互相轉移,更易發生在人為影響較小(高程較高、坡度較大)且降水條件較好的地區.

2000~2010年間,耕地、林地、草地等地類向工礦用地和居民用地的轉移,以及工礦用地向居民用地的轉移均發生在人口密度和人均GDP較大的區域(圖5c).這一時期正處煤炭的“黃金十年”[23],工礦用地面積劇增,伴隨著GDP的快速增長;同時,區內人口的繼續增加也促進了居民用地的增加,其來源除了城鎮周邊的耕地以外,原本屬于工礦用地的礦山生活區因人口聚集也逐漸轉移為居民用地.

2.4 討論

在本研究中,如僅對1986~2010年間的LUCC進行分析,僅能推斷出人口密度和人均GDP對耕地,草地和工礦用地向居民用地的轉移起到正向驅動作用,很難針對該結果推斷出這種驅動發生的原因和機理;而通過不同時期的CCA分析可以判斷出不同時期的驅動機理,如1995~2000年間的退耕還林政策的落實等,進而對LUCC的驅動過程形成更深入的了解,同時也可為政府部門進行決策提供更加科學合理的依據.

本文的結果證明:在經濟水平較低的時期,人類通過不斷開荒種地維持發展,這時LUCC的驅動力很可能來自于生產的發展.而當社會經濟發展到一定程度,土地資源被不合理地開發直至面臨著一些嚴重的生態環境問題時,政府部門可能會適時出臺一些政策,通過不同的手段來限制不合理的開發,例如退耕還林,圍欄禁牧等措施,使得人為活動的影響降低,此時,自然因素的驅動作用就可能會變得顯著.

表3 圖5中土地利用轉移類型(%) Table 3 The land use transition types in Fig.5 (%)

注:列表示某一時期初土地利用,行表示某一時期末土地利用.

3 結論

3.1 晉北地區土地利用類型以耕地、草地和林地為主,土地利用的轉移以耕地和草地、林地和草地之間的互相轉移為主,呈現典型的農牧交錯區特性.2000年以后,耕地轉移為林地的比例也逐漸增加,體現了退耕還林政策實施的效果.隨著人口和經濟的增長,區內居民用地和工礦用地的面積也持續增加.

3.2 CCA排序可以很好地提取LUCC與自然、人為因素之間的關系,反應不同時期土地利用變化受到的驅動作用.從不同歷史時期LUCC的驅動因子來看,研究區早期LUCC的主要驅動力來自于人口增長和經濟發展的需求,與城市擴張、糧食需求增加有著密切的聯系;2000年前后,研究區內退耕還林、防護林建設等生態保護工程先后開始實施,這些工程受地形、氣候因素的因素的影響較大,因此,這些自然因素的驅動作用也越來越重要.從不同地類的驅動因子來看,研究區人口和經濟的發展是耕地、草地等地類向居民用地、工礦用地轉移的主要驅動力;而林地、草地等土地覆被類型之間的轉移主要受到坡度,高程和降水等自然因素的驅動.

[1] Luyssaert S, Jammet M, Stoy P, et al. Land management and land-cover change have impacts of similar magnitude on surface temperature [J]. Nature Climate Change, 2014,4(5):389-393.

[2] 徐小明.吉林西部水田土壤碳庫時空模擬及水稻生產的碳足跡研究 [D]. 長春:吉林大學, 2011.

[3] 趙 陽,張 藝,涂志華,等.基于生態服務價值的多目標水源地土地利用結構優化 [J]. 中國環境科學, 2014,34(1):232-238.

[4] Kanianska R, Kizeková M, Nová?ek J, et al. Land-use and land-cover changes in rural areas during different political systems: A case study of Slovakia from 1782 to 2006 [J]. Land Use Policy, 2014,36:554-566.

[5] 石曉麗,史文嬌.氣候變化和人類活動對耕地格局變化的貢獻歸因綜述 [J]. 地理學報, 2015,70(9):1463-1476.

[6] 王晨野,湯 潔,李昭陽,等.吉林西部土地利用/覆被時空變化驅動力分析 [J]. 生態環境, 2008,17(5):1914-1920.

[7] Serra P, Pons X, Saurí D. Land-cover and land-use change in a Mediterranean landscape: a spatial analysis of driving forces integrating biophysical and human factors [J]. Applied Geography, 2008,28(3):189-209.

[8] 位 欣,劉耀林,姚 鵬.基于模擬退火遺傳算法的土地利用變化驅動力研究 [J]. 中國土地科學, 2008,22(7):34-37.

[9] 李 鵬,于書霞.基于典型對應分析的滇池流域土地利用驅動力分析 [J]. 中國人口.資源與環境, 2014,24(3):123-126.

[10] 邢容容,馬安青,劉修錦,等.青島市土地利用變化類型與影響因子關系的CCA研究 [J]. 安徽農業科學, 2015,43(15):298- 301+304.

[11] 徐廣才,康慕誼,李亞飛.錫林郭勒盟土地利用變化及驅動力分析 [J]. 資源科學, 2011,33(4):690-697.

[12] Li J, Zheng Y, Yan J, et al. Succession of plant and soil microbial communities with restoration of abandoned land in the Loess Plateau, China [J]. Journal of Soils and Sediments, 2013,13(4): 760-769.

[13] Bu C, Zhang P, Wang C, et al. Spatial distribution of biological soil crusts on the slope of the Chinese Loess Plateau based on canonical correspondence analysis [J]. Catena, 2016,137:373- 381.

[14] 劉奕伶,葛繼穩,李艷元,等.古夫河著生藻類優勢種體積與水質因子的相關性研究 [J]. 中國環境科學, 2015,35(7):2182-2191.

[15] Hietel E, Waldhardt R, Otte A. Analysing land-cover changes in relation to environmental variables in Hesse, Germany [J]. Landscape ecology, 2004,19(5):473-489.

[16] Elmhagen B, Eriksson O, Lindborg R. Implications of climate and land-use change for landscape processes, biodiversity, ecosystem services, and governance [J]. Ambio, 2015,44(1):1-5.

[17] 湯 潔,汪雪格,李昭陽,等.基于CA-Markov模型的吉林省西部土地利用景觀格局變化趨勢預測 [J]. 吉林大學學報:地球科學版, 2010,40(2):405-411.

[18] Jiang W, Chen Z, Lei X, et al. Simulating urban land use change by incorporating an autologistic regression model into a CLUE-S model [J]. Journal of Geographical Sciences, 2015,25(7):836- 850.

[19] 國家林業局.三北防護林工程概況[EB/OL]. http://www.forestry. gov.cn.2015-6-23.

[20] 京津風沙源治理工程二期規劃思路研究項目組.京津風沙源治理工程二期規劃思路研究 [M]. 北京:中國林業出版社, 2013.

[21] 大同市地方志編纂委員會.大同市志 [M]. 北京:方志出版社, 2000.

[22] 朔縣志編纂委員會.朔縣志 [M]. 太原:山西古籍出版社, 1999.

[23] 中國經濟網.解密中國煤炭“黃金十年”[EB/OL]. http://www. ce.cn/. 2015-6-19.

* 責任作者, 副教授, xuxiaoming@sxu.edu.cn

during 1986~2010

XU Xiao-ming1*, DU Zi-qiang1, ZHANG Hong2, FENG Ling2, SHEN Xiao-yu2

(1.Institute of Loess Plateau, Shanxi University, Taiyuan 030006, China；2.College of Environment and Resource Sciences, Shanxi University, Taiyuan 030006, China)., 2016,36(7)：2154~2161

The land use pattern in a certain region in different periods was usually driven by natural, social, and economical factors. The driving mechanisms varied in different periods. North Shanxi province, located in the farming-pastoral ecotone of northern China, was chosen as the research area. The objectives of this study were to analyze the land use/cover change (LUCC) pattern in north Shanxi province, and to estimate the different driving mechanisms of the LUCC in different historical periods. A comprehensive method combining the unsupervised classification and the visual interpretation was used to extract the LUCC information in the study area from 1986 to 2010. The canonical correspondence analysis was employed to assess the natural and anthropogenic driving forces of the LUCC. The results indicated that cropland, grassland, and woodland were major land use types in the whole investigation period. Main land-use transferring types included the interconversions between grassland and cropland, as well as woodland and grassland. Population density, per capita gross domestic product (GDP), precipitation, slope, and elevation were the major driving forces of the LUCC. In 1986~1995, the driving forces of the LUCC were mainly from the demands of the population growth and the economy development. Later, the driving forces from the topographical elements such as elevation and slope became more and more important. The economic development and population growth promote the transitions from grassland and cropland to residential land and industrial land. Meanwhile, the conversions between grassland and woodland are mainly driven by natural factors such as slope, elevation, and precipitation.

land use/cover change；driving forces；canonical correspondence analysis；different periods

X171.1,F301.24

A

1000-6923(2016)07-2154-08

徐小明(1984-),男,山西五寨人,副教授,博士,主要研究方向為土地利用/覆被變化及碳循環.發表論文10余篇.

2015-11-12

山西省科技重大專項(20121101011);山西省青年科技研究基金(2015021172);國家自然科學基金 (41401053,41161066);教育部留學回國人員科研啟動基金