基于Logistic回歸模型的新市區耕地數量變化景觀立地要素驅動力分析

摘要：以保定市新市區為研究區域，采用統計學的研究方法進行單因素相關性分析，利用流失耕地與未流失耕地的累積概率曲線和不同范圍內的流失耕地比例來分析耕地數量變化與自變量之間的相關性，以找出對耕地數量變化有貢獻的因素。最后運用Logistic回歸模型對耕地數量變化狀況進行回歸分析，定量化研究導致變化發生的景觀立地要素驅動力因子，并對耕地變化的風險進行了預測分析。研究表明，耕地流失過程主要受到城鎮、主要道路和主要河流三個景觀立地要素的影響，離城鎮用地和主要道路的距離越近，耕地流失的風險越高，而離主要河流越近，耕地流失的風險越低；利用回歸結果進行耕地變化風險預測，能夠模擬未來耕地數量和土壤質量變化情況，為耕地保護提供科學指導和依據。

關鍵詞：Logistic回歸；景觀立地要素；耕地數量變化；新市區

中圖分類號：F323.211 文獻標識碼：A 文章編號：0439-8114（2016）11-2987-06

DOI：10.14088/j.cnki.issn0439-8114.2016.11.068

土地利用覆被變化（LUCC）的研究越來越受到人們的關注，已經成為全球環境變化研究的重要組成部分[1，2]。土地利用覆被變化已經對人們生活的各個方面造成了影響，包括食物生產、森林資源、地區氣候、淡水資源和空氣質量等諸多方面[3，4]。面對這些問題，土地利用覆被變化受到了國際社會的廣泛關注，2005年9月，國際全球環境變化人文因素計劃（IHDP）提出了全球土地計劃（GLP），深化人類對地球系統演化背景下耦合的人類-陸地環境系統的理解[5-7]。耕地變化是土地利用覆被變化的重要內容，耕地資源保護關系到我國糧食安全以及生態經濟的可持續性[8]。改革開放至今，我國耕地資源持續減少，威脅我國糧食安全，成為目前國家發展進程中亟需解決的問題之一[9]，得到了國內眾多學者的關注。張鳳榮等[10]、趙其國等[11]、李勁峰等[12]、趙婷婷等[13]，論述非農化建設用地占用耕地、耕地減少所產生的負面效應以及耕地保護預警等，并預測未來區域內耕地變化情況。

然而在宏觀層面上對區域尺度耕地數量變化時空過程進行定量分析研究，尤其是結合未來耕地數量趨勢模擬進行的研究尚不多見，且驅動力因子的選取多為社會經濟指標，景觀格局方面的因素考慮較少。本研究從耕地的景觀立地條件出發，利用Logistic回歸模型對保定市新市區2009—2012年耕地數量變化的驅動力進行回歸分析，并對未來耕地數量變化的風險進行了預測，為耕地保護提供科學指導和依據。

1 研究區概況

新市區地處北緯38°51′-38°56′，東經115°21′-115°29′之間，地處大清河系沖積扇中下部，屬平原地區，地勢較為平坦開闊。隸屬于河北省保定市，位于保定市西郊，東與北市區、南市區毗鄰，北與滿城縣東馬鄉、尹莊鄉接壤，南與南市區五堯鄉相鄰。京廣鐵路、京深高速公路等交通干線從境內穿過，南部有107國道，西北部有外環路橫穿，交通便利，四通八達。屬暖溫帶季風性大陸氣候，為半干旱地區。年平均氣溫為12.4 ℃，月平均氣溫為26.7 ℃，無霜期213 d。全年日照2 610.2 h。耕地總面積5 937.20 hm2，占全區土地總面積的39.71%，其中水澆地面積5 872.47 hm2，占耕地面積的98.91%，旱地面積64.73 hm2，占耕地面積的1.09%。

2.2 數據準備

2.2.1 因變量 從保定市新市區2009年和2012年土地利用現狀圖中提取兩年的耕地圖斑，進行疊加處理，并將2009年的耕地劃分為兩種情況（圖1），即流失耕地（2012年土地利用類型由耕地轉為建設用地）和未流失耕地（2012年土地利用類型仍為耕地）。以耕地數量變化情況，即流失與未流失作為因變量，取值為“0”和“1”，“0”表示耕地未流失，“1”表示耕地流失。耕地數量變化分布圖清楚地呈現了2009—2012年耕地數量變化的空間分布狀況，可以看到耕地的流失主要發生在新市區東部，特別是靠近新市區的耕地大量減少，而新市區西部耕地分布密集的地區耕地流失較少，耕地數量基本保持不變。同時，耕地的流失沿主要道路呈現出帶狀分布。

2.2.2 自變量 景觀格局指數法是景觀生態學中的一種空間分析方法[17]，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配置某些方面特征的簡單定量指針[18]，因此選取斑塊尺度上的景觀格局指數進行驅動力分析。本研究將耕地與各景觀立地要素（包括城鎮、獨立工礦、村莊、設施農用地、主要道路、主要河流）的最近鄰距離（包括距城鎮用地距離、距獨立工礦用地距離、距村莊用地距離、距設施農用地距離、距主要道路距離、距主要河流距離）作為回歸模型的自變量，單位為km。采用邊到邊的最近鄰距離，通過ArcGIS 9.3中的Proximity工具提取，距離值從0開始。在進行回歸分析前，對自變量進行了共線性檢驗，發現自變量間共線性不顯著，可以將所有自變量加入模型進行回歸分析。

3 基于Logistic回歸模型的耕地數量變化景觀立地要素驅動力分析

3.1 基于統計學的單因素相關性分析

本研究采用統計學的研究方法進行單因素相關性分析，利用流失耕地與未流失耕地的累積概率曲線和不同范圍內的流失耕地比例來分析耕地數量變化與自變量之間的相關性，以找出對耕地數量變化有貢獻的因素。研究發現，耕地數量變化與距獨立工礦用地距離、距村莊用地距離、距設施農用地距離等因素無顯著相關性，與距城鎮用地距離、距主要道路距離、距主要河流距離有顯著的相關性。

3.1.1 耕地數量變化與城鎮用地距離的相關性分析 由圖2可知，累積概率曲線中距城鎮用地6 km范圍內，兩條曲線有明顯的差異性，且流失耕地的曲線在上方，說明在此范圍內，該影響因素對耕地流失起負向作用。從流失耕地比例曲線來看，距城鎮用地距離6 km范圍內，隨著距離的增加，流失耕地比例從47%下降到近3%，說明距城鎮用地越近，耕地流失的可能性就越大。

3.1.2 耕地數量變化與主要道路距離的相關性分析 由圖3可知，累積概率曲線中距主要道路3 km范圍內，兩條曲線有明顯的差異性，且流失耕地的曲線在上方，說明在此范圍內，該影響因素對耕地流失起負向作用。從流失耕地比例曲線來看，距主要道路3 km范圍內，隨著距離的增加，流失耕地比例從近37%下降到近2%，說明距主要道路越近，耕地流失的可能性就越大。

3.1.3 耕地數量變化與主要河流距離的相關性分析 由圖4可知，累積概率曲線中距主要河流6 km范圍內，兩條曲線有明顯的差異性，且未流失耕地的曲線在上方，說明在此范圍內，該影響因素對耕地流失起正向作用。從流失耕地比例曲線來看，距主要河流6 km范圍內，隨著距離的增加，流失耕地比例從近1%上升到近40%，說明距主要河流越近，耕地流失的可能性就越小。

3.2 Logistic回歸模型結果與分析

本研究通過空間隨機抽樣的方法進行樣本的選取，在ArcGIS 9.3中隨機生成了一些點，選取具有耕地信息的點并去除重復項，得到了1 600個耕地有效樣本，代入Logistic回歸模型使用向后逐步分析法進行回歸計算。

3.2.1 模型檢驗 本研究采用模型χ2統計檢驗和HL檢驗對模型的有效性和擬合效果進行了檢驗（表1）。模型χ2統計檢驗結果中卡方值為60.902，顯著性水平為0小于0.05，說明變量加入模型之后對因變量有明顯的影響，所建模型中所有的因變量都有顯著的解釋能力。HL檢驗結果中卡方值為15.419，顯著性水平為0.131大于0.05，統計檢驗不顯著，說明模型擬合度較高。

3.2.2 模型解釋 最終的Logistic回歸模型中自變量為流失耕地距城鎮用地距離、距主要道路距離和距主要河流距離（表2），說明這三個變量為2009—2012年耕地流失的主要影響因素。

根據Wald統計量，解釋變量的貢獻程度為距城鎮用地距離（21.084）大于距主要河流距離（11.057），大于距主要道路距離（7.923），說明解釋變量的重要性程度依次為距城鎮用地距離、距主要河流距離、距主要道路距離。

耕地流失過程中，第一個重要的解釋變量為距城鎮用地距離，模型中該變量的回歸系數為-1.312，表明耕地流失的概率隨著距城鎮用地距離的減小而增大，且距城鎮用地距離每減小1 km，耕地流失概率增大3.72倍。回歸結果表明，距城鎮用地距離是耕地流失重要的影響因素之一，在景觀格局上表現為距城鎮用地越近，耕地流失概率越大。保定市高新開發區位于新市區內，且東與北市區、南市區毗鄰，區域人口規模的增加、人口密度的增大、經濟水平和人民收入的快速增長，都不斷刺激著新市區住房、交通和城市用地的擴張。新市區東部隨著高新開發區的發展耕地流失特別明顯。受城市集聚效應的影響，城市建設用地多為連片擴張，導致城鎮周邊耕地更易流失，轉化為建設用地。

耕地流失過程中，第二個重要的解釋變量為距主要河流距離，模型中該變量的回歸系數為0.709，表明耕地流失的概率隨著距主要河流距離的增大而增大，且距主要河流距離每增加1 km，耕地流失概率增大0.49倍。回歸結果表明，距主要河流距離是耕地流失的重要因素之一，在景觀格局上表現為距主要河流越近，耕地流失概率越小。灌溉保證率是影響耕地生產力的重要因子之一，一畝泉河、侯河、白草溝河流經新市區，保證農田灌溉，距離水源越近則在同等質量的情況下，產生的經濟價值大于距水源地較遠地帶，由于利益驅逐，產生經濟價值較少的耕地更容易流失。

耕地流失過程中，第三個重要的解釋變量為距主要道路距離，模型中該變量的回歸系數為-0.058，表明耕地流失的概率隨著距主要道路距離的減小而增大，且距主要道路距離每減小1 km，耕地流失概率增大1.06倍。回歸結果表明，距主要道路距離是耕地流失的重要影響因素，在景觀格局上表現為距主要道路越近，耕地流失概率越大。交通道路為人類生產生活中的物質流、能量流和信息流的獲取提供了一條全方位的聯結紐帶。主要道路周邊的土地，由于其交通便達性使其具有的很大的區位優勢，工業用地選址時，為了其原料和產品運輸便捷，多在主要道路周邊進行建設；新增居民點也向主要道路周邊轉移，距離主要道路越近，農村居民點用地的增加越多；交通基礎設施建設的迅猛發展也成為道路周邊耕地遭到占用的原因之一。

3.2.3 模型預測 Logistic回歸分析的結果可以用來計算耕地土壤質量下降的概率，對耕地土壤質量下降的風險進行預測，模擬未來耕地土壤質量變化趨勢。根據回歸結果，耕地土壤質量下降的概率可以通過公式（4）進行計算。

P=exp（-0.665+0.709X1-0.058X2-1.312X3） （4）

式中，P為耕地流失的概率；X1為距主要河流距離；X2為距主要道路距離；X3為距城鎮用地距離。

通過計算耕地流失的概率得到了耕地流失風險分布圖（圖5）。從圖5可知，高度風險區主要集中在新市區、韓村鄉、頡莊鄉的城鎮用地周圍，這些鄉鎮城鎮化程度高，城鎮用地較多，城鎮擴張將給耕地帶來不小的壓力。中度風險區主要集中于南奇鄉、大馬坊鄉、富昌鄉周邊，并沿主要道路呈現兩條帶狀分布，隨著城市化進程的加快，各重點產業的不斷發展，新企業的不斷涌入，原有工業園區和廠房的擴建及新廠房的建設，必將成為耕地流失的重要推手。低度風險區一般距離城鎮和主要道路都較遠，且在主要河流附近分布較多，在快速的城鎮化、工業化進程中，距離河流較近為耕地提供充足的水源，這部分耕地最容易保留下來，繼續支持新市區現代農業的發展。

4 結論與討論

4.1 結論

通過Logistic回歸分析研究表明，耕地流失過程主要受到城鎮、主要道路和主要河流三個景觀立地要素的影響。離城鎮用地和主要道路的距離越近，耕地流失的風險越高，而離主要河流越近，耕地流失的風險越低。貢獻程度為距城鎮用地距離（21.084）大于距主要河流距離（11.057），大于距主要道路距離（7.923）。

Logistic回歸分析與單因素相關性分析結合，不僅能很好的篩選出影響耕地流失的因素，而且定量化地描述了每個影響因素的重要性程度和影響力。兩者相互驗證更加確定了影響耕地變化的因素。同時利用Logistic回歸結果能對耕地流失概率進行計算，能對耕地流失風險進行預測，模擬未來耕地變化情況，為土地利用規劃、基本農田保護規劃與生態環境保護規劃提供科學指導和依據。

耕地流失高度風險區主要集中在新市區、韓村鄉、頡莊鄉的城鎮用地周圍，這些鄉鎮城鎮化程度高，城鎮用地較多，城鎮擴張將給耕地帶來不小的壓力。中度風險區主要集中于南奇鄉、大馬坊鄉、富昌鄉周邊，并沿主要道路呈現兩條帶狀分布，隨著城市化進程的加快，各重點產業的不斷發展，新企業的不斷涌入，原有工業園區和廠房的擴建及新廠房的建設，必將成為耕地流失的重要推手。低度風險區一般距離城鎮和主要道路都較遠，且在主要河流附近分布較多，在快速的城鎮化、工業化進程中，距離河流較近為耕地提供充足的水源，這部分耕地最容易保留下來，繼續支持新市區現代農業的發展。

4.2 討論

本研究對耕地數量變化的景觀立地要素驅動力進行分析，通過單因素相關性分析和Logistic回歸分析，定性和定量地分析了景觀立地要素驅動力的影響。但在指標選取上，主要考慮了耕地在土地利用系統中的位置，以斑塊尺度的最近鄰距離為主要的分析指標，因而在以后的研究中，可加入類型尺度、景觀尺度的相關指標進行分析，以豐富驅動力指標。同時，影響耕地數量的驅動力因素還有很多，本研究只針對景觀立地要素進行了分析，在以后的研究中，可以考慮納入更多的影響因素，如社會經濟因素（如農業產業結構、人口密度、二三產業人口等）和自然地理因素（如地形地貌、土壤質地和類型等），通過驅動力指標體系的完善，更加準確地對耕地數量的驅動力進行分析，模擬未來的耕地變化趨勢。

參考文獻：

[1] ERIKA L，ERIC F L，ANTHONY C J，et al. A synthesis of information of rapid land cover change during the period 1981-2000[J].Bioscience，2005，55（2）：115-212.

[2] JONATHAN A F， RUTH D F，GREGORY P A， et al. Globalconsequences of land use[J].Science，2005（309）：570-574.

[3] 肖麗群，陳 偉，吳 群，等.未來10 a長江三角洲地區耕地數量變化對區域糧食產能的影響——基于耕地質量等別的視角[J].自然資源學報，2012（4）：565-576.

[4] 牛海鵬，張安錄.基于生態位理論的耕地數量變化驅動機制分析[J].資源科學，2008（10）：1533-1540.

[5] 陳會廣，崔 娟，陳江龍.常州市耕地數量變化驅動力機制及政策績效分析[J].資源科學，2009（5）：807-815.

[6] DENNIS O，EMILIO M，WILLIAM M，et al. GLP（2005） Science plan and implementation strategy[J].IGBP Report，2005，53（19）：127.

[7] 常 成，劉 霞，張光燦，等.蒙陰縣土地利用動態與耕地變化驅動力分析[J].中國水土保持科學，2010（1）：65-70.

[8] 張延軍，劉彥彤，李月芬.吉林省西部耕地動態變化及驅動力研究[J].中國農學通報，2013（5）：92-96.

[9] 俞文政，曲福田，仙 珠，等.海晏縣耕地變化驅動力模型及因子分析[J].水土保持通報，2007（3）：65-68.

[10] 張鳳榮，薛永森，鞠正山，等.中國耕地的數量與質量變化分析[J].資源科學，1998（5）：35-42.

[11] 趙其國，周生路，吳紹華，等.中國耕地資源變化及其可持續利用與保護對策[J].土壤學報，2006（4）：662-672.

[12] 李勁峰，李蓉蓉，杜桐生.江漢平原四湖地區耕地的數量與質量變化分析[J].資源科學，2002（1）：40-44.

[13] 趙婷婷，姜廣輝，張鳳榮，等.大城市近郊縣域耕地保護預警方法[J].農業工程學報，2010（1）：335-340.

[14] 徐嘉興，李 鋼，陳國良.基于logistic回歸模型的礦區土地利用演變驅動力分析[J].農業工程學報，2012（20）：247-255.

[15] 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（3）：374-382.

[16] 謝花林.基于Logistic回歸模型的區域生態用地演變影響因素分析——以京津冀地區為例[J].資源科學，2011（11）：2063-2070.

[17] 陳利頂，劉 洋，呂一河，等.景觀生態學中的格局分析：現狀、困境與未來[J].生態學報，2008（11）：5521-5531.

[18] 蔡博峰，于 嶸.景觀生態學中的尺度分析方法[J].生態學報，2008（5）：2279-2287.