全國建設用地占用耕地的空間相關性與熱點分析

傅靖 羊秀丹

摘要 為進一步了解我國由于建設用地增加而導致的耕地面積減少的空間分布情況，以1987～2010年我國32個省級行政區（未統計香港、澳門數據）建設用地占用耕地的統計數據作為研究對象，采用空間自相關全局Morans I指數、局部GetisOrdGi*系數對其進行了分析。結果表明：①從全局來看，當距離閾值為500 km時，全國建設用地占用耕地的空間自相關性最強，全局Moran's I指數達到0.512。②從局部來看，建設用地占用耕地區域差異明顯。北京、天津、河北、廣東、江蘇、安徽、上海和浙江高值顯著聚集，屬于熱點區域，寧夏低值顯著聚集，屬于冷點區域。通過對我國建設用地占用耕地的空間相關分析及熱點分析探測，彌補了以往耕地變化研究重視數量分析而忽略空間關聯性的缺陷，為全面認識我國建設用地占用耕地的空間分布特征，科學合理地制定區域耕地保護政策提供幫助。

關鍵詞 空間自相關；熱點分析；耕地；建設用地

中圖分類號 S-29 文獻標識碼 A 文章編號 0517-6611（2016）09-238-03

Abstract In order to further understand the space distribution of China's cultivated land decline due to construction land increase， based on 1987-2010 statistical data of cultivated land occupied by construction land in 32 provincial regions（not including Hongkong， Macao data）， the spatial autocorrelation global Moran's I index， the coefficient of local GetisOrdGi* was used to analyze. The results showed that： ①from the global perspective， when the distance threshold is about 500 km， the national construction land occupying the cultivated land is the most relevant， global Moran's I index is 0.512. ② from the perspective of local， the regional difference is obvious. Beijing， Tianjin， Hebei， Guangdong， Jiangsu， Anhui， Shanghai and Zhejiang are high value significantly gathered， and belongs to the hot spots， Ningxia lowvalue gathered， belongs to the cold spot area. Based on the analysis of the spatial correlation of cultivated land occupied by construction land and hot spot analysis detection， make up the shortcomings of past research attaches great importance to the number and ignores the space correlation， it contributes to comprehensive understanding spatial distribution of cultivated land occupied by construction land in China and offers help to reasonable regional cultivated land protection policymaking.

Key words Spatial autocorrelation； Hot spot analysis； Cultivated land； Construction land

耕地是土地資源利用中最重要的一種，關系到國家的糧食安全和生態安全[1]。改革開放以來，隨著我國經濟快速發展，城市化與工業化造成的城鎮建設用地規模的擴大占用了大量的耕地資源，且年均占用速率呈顯出增加的趨勢[2]，城市化與耕地保護的矛盾進一步凸顯。同時從人類生存和可持續發展的角度來看，土地利用/覆被變化（LUCC）作為國際地圈生物圈計劃及全球環境變化人類行為計劃的核心內容，一直以來是國內外相關學者研究的熱點和前沿問題[3-4]，有力地推動了土地利用變化相關技術和方法的研究進展。土地利用變化是在不同時空尺度上由人類社會和自然環境相互作用引起的一種復雜變化，影響土地利用發生變化的因素是復雜的，由于區域間驅動因素的差異性，土地利用變化呈現出空間異質性特征。但從短時間尺度來看，人類活動是土地利用變化最主要的驅動因素[5]，人類活動受政策支配、區域經濟發展水平等的影響，使土地利用變化存在某種規律性，呈現出一定的空間分布特性[6-8]。以往對土地利用變化的分析多是基于經典統計模型研究區域地類面積變化、地類間轉移方向、土地利用程度等數量變化的研究上[9-10]，但實際上土地利用變化數據存在空間相關性，這使得經典統計學模型無法很好地認識土地利用變化的空間分布特性。基于此，筆者運用空間統計學分析方法，以我國建設用地占用耕地情況為例，探索各地區的區域差異性與空間關聯性特征，以期為我國耕地資源可持續利用提供科學依據和理論基礎。

1 數據來源與研究方法

1.1 基礎數據

以全國1∶100萬省級行政區劃地圖作為工作底圖，將其與各省份1987～2010年間建設用地增加導致耕地面積減少比例數據進行關聯方便進行相關分析，主要數據有：①屬性數據資料，包括1987～2010年全國32個省級行政區（未統計香港、澳門數據）建設用地增加導致的耕地面積減少比例統計數據資料；②地圖數據資料，即全國1∶100萬省級行政區劃數字地圖。

1.2 研究方法

1.2.1 空間自相關分析方法。

Tobler[11]地理學第一定律指出：任何事物與別的事物之間都是相關的，但近處的事物比遠處的事物相關性更強。相關性大小可以通過空間自相關分析來度量，相關性在空間分布上表現為聚集、離散和隨機分布3種形態。空間自相關分為全局空間自相關和局部空間自相關，全局空間自相關使用單一值反映屬性值在空間域中的整體分布特征，用于判斷屬性值在空間域中是否呈聚集狀態，但是并不能發現存在與局部區域的空間關聯模式[12-13]。局部空間自相關表示的是每個要素屬性值與周圍要素之間的一致性，與整體分布特征相比較，用于判斷要素屬性值與周圍要素屬性值的高高、高低、低高和低低分布。該研究采用計算全局空間自相關常用的方法Global Morans I，探索我國減少耕地數量在省域尺度上有無聚集性。其表達式如下：

式中，E（I）為Global Morans I指數的期望值；VAR（I）為其方差。利用Z值大小判斷屬性空間自相關性，若Z=0，即Global Morans I指數值等于其期望值，則認為屬性值在空間上是隨機分布的；若Z>0，即Global Morans I指數值大于其期望值，則認為屬性值在空間上是正自相關的，且值越大，正自相關性越強；若Z<0，即Global Morans I指數值小于其期望值，則認為屬性值在空間上是負自相關的，且值越小，負自相關性越強。

1.2.2 空間自相關系數圖。

空間權重矩陣是進行空間自相關分析的前提和基礎[15]。在采用共享邊的方法定義相鄰時，由于海南省和臺灣省作為島嶼省份，在生成鄰接矩陣時會出現“孤島”現象[16]，因此該研究采用設定空間閾值的方法定義相鄰。基于距離閾值的空間權重矩陣重，距離閾值直接決定了空間單元的鄰近對象，不同的空間距離閾值定義了不同的空間權重矩陣，所得的空間自相關指數亦不同。分別以300、400、500、600、700、800 km為距離閾值構造空間距離權重矩陣計算Global Morans I值，從探測結果中篩選存在正的且統計學顯著的空間自相關指數（即Z>1.96，P <0.05），以距離閾值和空間自相關指數分別為X軸、Y軸制作空間自相關系數圖。該圖的制作，有利于客觀描述我國各省級行政區建設用地增加導致的耕地面積減少比例的空間自相關程度隨距離的變化趨勢，為進一步進行熱點探測提供適度的參數選擇。

1.2.3 局部GetisOrdGi*熱點分析。

熱點分析是用于識別具有統計顯著性的熱點和冷點的空間聚類，通過計算空間域中每個要素GetisOrdGi*統計值，得到每個要素的Z得分和P值，要成為具有顯著統計學意義的熱點，要素應具有高值，且被其他同樣具有高值的要素所包圍。對于具有顯著統計學意義的正的Z得分，Z得分越高，熱點的聚類就越緊密。相反對于負Z得分，Z得分越低，冷點的聚類就越緊密。通過熱點分析，可得知建設用地占用耕地熱點和冷點在空間上發生聚類的位置。局部GetisOrdGi*表達式為：

2 結果與分析

2.1 全局自相關性分析

該研究以省級行政區為單元探索我國建設用地占用耕地的熱點區域，利用空間統計分析軟件Geoda分別以300、400、500、600、700、800 km為距離閾值構造空間權重矩陣進行全局空間自相關分析，根據距離閾值和Global Morans I值與Z得分繪制空間自相關系數曲線（圖1）。為細化分析，額外計算了空間距離閾值為450和550 km的空間自相關系數。當距離閾值為450 km時，Morans I值為0.470，Z得分為3.40；當距離閾值為550 km時，Morans I值為0.354，Z得分為2.78當距離閾值為400～500 km時，Global Morans I值與Z得分逐漸升高；當空間距離閾值為500～550 km時，Global Morans I值與Z得分陡然下降；當空間距離閾值大于550 km時，Global Morans I值穩定在3.0左右，Z得分穩定在0.3左右。由以上分析可知，當距離閾值在500 km時，Global Morans I值最大為0.512，此時空間自相關性最強。

2.2 熱點分析

為更好地認識我國建設用地占用耕地高低局部聚集性特點，探索其熱點與冷點空間分布情況。考慮到不同距離閾值對空間相關性的影響，依據相關系數最大的原則，選擇距離閾值在500 km時對應的空間權重矩陣計算各省份GetisOrdGi*統計值，分析結果見圖2。紅色區域表示Z得分大于1.96的區域，集中分布在東部沿海省份，北京、天津、河北、廣東、江蘇、安徽、上海和浙江8個行政區屬于1987～2010年建設用地占用耕地顯著的熱點區域，這些區域均屬于經濟較發達的地區，隨著城市化加速，建設用地占用大量耕地，導致耕地非農化，建設用地占用耕地占耕地面積減少比例的84.88%；寧夏（藍色區域）屬于1987～2010年建設用地占用耕地顯著的冷點區域，建設用地占用耕地占耕地面積減少比例的16%。

3 結論

該研究采用空間自相關分析和空間熱點分析方法，對1987～2010年我國建設用地占用耕地占耕地面積減少的比率進行空間分析。

（1）在距離閾值為500 km時，建設用地占用耕地情況的空間自相關性最強，Global Morans I指數達到0.512，表明我國建設用地占用耕地存在著較強的空間相關性。

（2）以500 km作為距離閾值構建空間距離權重矩陣，利用局部GetisOrdGi*系數進行熱點分析。北京、天津、河北、廣東、江蘇、安徽、上海和浙江8個行政區屬于顯著的熱點區域，建設用地占用耕地是耕地減少的主導因素，占84.88%；而寧夏屬于冷點區域。

參考文獻

[1]趙曉麗，張增祥，汪瀟，等.中國近30a耕地變化時空特征及其主要原因分析[J].農業工程學報，2014（3）： 1-11.

[2]劉紀遠，匡文慧，張增祥，等.20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J].地理學報，2014（1）： 3-14.

[3]馬彩虹，任志遠，李小燕.黃土臺塬區土地利用轉移流及空間集聚特征分析[J].地理學報，2013（2）： 257-267.

[4]TURNER B L，LAMBIN E F，REENBERG A.The emergence of land change science for global environmental change and sustainability[J].Proceedings of the national academy of sciences of the United States of America，2007，104（52）：20666-20671.

[5]任春穎，張柏，王宗明，等.松嫩平原西部農牧交錯區土地利用變化及驅動力分析：以吉林省通榆縣為例[J].干旱區資源與環境，2010（6）： 96-102.

[6]管栩，金曉斌，潘倩，等.基于縣域尺度的中國土地整治新增耕地空間差異分析[J].農業工程學報，2013（20）： 226-233.

[7]謝花林，劉黎明，李波，等.土地利用變化的多尺度空間自相關分析：以內蒙古翁牛特旗為例[J].地理學報，2006（4）： 389-400.

[8]劉敏，趙翠薇，施明輝.貴州山區土地利用變化多尺度空間自相關分析[J].農業工程學報，2012（20）： 239-246.

[9]馬松增，史明昌，楊貴森，等.基于GIS的土地利用時空動態變化分析：以塔里木盆地農墾區為例[J].水土保持研究，2013（1）： 177-181.

[10]李云亮，談俊忠.基于GIS的岳陽縣土地利用變化研究[J].測繪科學，2009（2）： 216-218.

[11]TOBLER W R.A computer movie simulating urban growth in the Detroit region[J].Economic geography，1970，46（2）： 234-240.

[12]戚曉鵬，周脈耕，胡以松，等.應用地理信息系統探測消化道癌癥死亡率空間聚集性[J].地理研究，2010（1）： 181-187.

[13]胡慶武，王明，李清泉.利用位置簽到數據探索城市熱點與商圈[J].測繪學報，2014（3）： 314-321.

[14]馮昕，杜世宏，舒紅.空間權重矩陣對空間自相關的影響分析：以我國腎綜合征出血熱疾病為例[J].武漢大學學報（信息科學版），2011（12）： 1410-1413.

[15]熊昌盛，韋仕川，欒喬林，等.基于Moran′s I分析方法的耕地質量空間差異研究：以廣東省廣寧縣為例[J].資源科學，2014（10）： 2066-2074.

[16]陳江平，張蘭蘭，余遠劍，等.利用空間自相關的中國內陸甲型H1N1流感疫情分析[J].武漢大學學報（信息科學版），2011（11）： 1363-1366.