基于IE-GC-VAR方法的河流城市土地利用變化及其驅動因素分析
——以江西省德興市為例

袁菊紅, 胡綿好, 周早弘

(1.江西財經大學 環境與植物科學研究所, 江西 南昌 330032; 2.江西財經大學 鄱陽湖生態經濟研究院, 江西 南昌 330032)

基于IE-GC-VAR方法的河流城市土地利用變化及其驅動因素分析
——以江西省德興市為例

袁菊紅1, 胡綿好2, 周早弘2

(1.江西財經大學 環境與植物科學研究所, 江西 南昌 330032; 2.江西財經大學 鄱陽湖生態經濟研究院, 江西 南昌 330032)

[目的] 對快速城市化的河流城市——江西省德興市的土地利用結構變化及其影響因素進行研究，為河流城市土地利用結構的調整和我國正在經歷快速城市化的河流城市發展提供科學依據。 [方法] 基于德興市2000—2014年遙感影像的土地利用數據，應用信息熵模型和灰色關聯方法分析其土地利用結構信息熵變化與各相關因素之間的關聯度，并以此為基礎進一步運用向量自回歸模型，以脈沖響應函數和方差分解解釋了德興市土地利用結構信息熵變化與主要因素的動態相關性。[結果] (1) 2000—2014年德興市耕地、林地、草地、水域、其他用地類型面積下降，建設用地面積上升；土地利用結構朝無序方向發展，土地利用類型的均衡性增強，但單一類型的優勢度降低。 (2) 基于VAR模型的脈沖響應函數和方差分解分析還表明，長期人口總數、城市化和糧食總產量對德興市土地利用結構信息熵變化基本呈現正向效應，且隨著時間滯后期數的遞增，沖擊效應逐步減弱，最終趨向穩定狀態；其中人口總數和城市化水平對德興市土地利用結構信息熵變化有促進作用，但糧食總產量對其方差貢獻度卻隨時間推移作用減弱。 [結論] 2000—2014年德興市土地利用程度不高，土地利用結構朝無序方向發展；人口總數、糧食總產量和城市化水平是影響其土地利用結構信息熵的主要因素。

德興市; 土地利用結構; 信息熵; 灰色關聯理論; 向量自回歸

文獻參數： 袁菊紅, 胡綿好, 周早弘.基于IE-GC-VAR方法的河流城市土地利用變化及其驅動因素分析[J].水土保持通報，2017,37(2)：313-320.DOI:10.13961/j.cnki.stbctb.2017.02.048； Yuan Juhong, Hu Mianhao, Zhou Zaohong. Land Use Change and Its Driving Factor Analysis of River Urban Based on IE-GC-VAR Methods[J]. Bulletin of Soil and Water Conservation, 2017,37(2)：313-320.DOI:10.13961/j.cnki.stbctb.2017.02.048

土地利用變化對區域生物多樣性、實際和潛在初級生產力、土壤質量、河川徑流和沉積速率等具有重要影響，是區域乃至全球氣候變化的主要驅動力之一[1]。一個地區不同時期內的土地利用結構的置換與更替，是實現區域土地利用動態優化配置的重要前提與途徑[2]。因此，對區域土地利用結構動態變化規律研究是區域自然條件、資源和社會經濟發展結構及其優化配置研究的重要前提和途徑，對區域土地合理利用及其產業布局具有一定的指導意義。城市河流具有供應水源、提供綠地、保護環境、旅游娛樂、交通運輸、文化教育等多項生態服務功能[3]，對城市發展起著至關重要的推動作用，但也是人類活動與自然過程共同作用最為強烈的地帶之一。城市化進程在有效推動社會經濟發展同時，也顯著改變了城市河流的物質生產及其循環、信息傳遞和能量流動等系列常態過程[4]，最終改變了城市河流生態系統原有的穩定結構，影響了城市河流生態系統的持續健康發展[5-7]。近年來，隨著人類活動范圍的擴大和程度的加劇，河流城市的土地利用變化對河流水文循環、水土流失、氣候變化及生物多樣性的影響越來越大，嚴重威脅城市河流的生態安全[8]，已成為區域土地利用變化研究的熱點問題之一[9]。研究區江西省德興市在快速城市化發展過程中，城市土地利用改變了洎水河的物質能量流動而使其水環境發生劇烈的改變，其發展演變對洎水河的水環境產生了深遠影響。近年來，隨著德興市工業化、城市化的快速推進，土地供需矛盾日益突出。在以洎水河為城市軸線，構建“一河兩岸”城市發展框架，打造現代化新型生態城市的戰略和堅持惟德乃興、致力經濟轉型升級的過程中，如何合理優化土地資源配置、調整土地利用結構，提高河流城市土地資源對當地社會經濟可持續發展的保障能力，是德興市亟待解決的一道難題。基于此，根據2000—2014年的4期遙感影像數據，先利用信息熵方法(information entropy， IE)研究河流城市—德興市的土地利用結構動態變化規律，再運用灰色關聯方法(grey correlation， GC)定量分析影響其信息熵動態變化的相關因素，并以此為基礎進一步運用向量自回歸方法(vector auto-regression, VAR)，以脈沖響應函數和方差分解來解析信息熵與其主要影響因素相關性的動態變化，以期為河流城市土地資源的可持續利用、管理及其土地利用結構調整、產業結構轉型升級和德興市新一輪土地利用總體規劃提供科學理論依據。

1 研究區概況及數據來源

1.1 研究區概況

德興市(117°58′E，28°96′N)位于江西省上饒市北部，樂安河中上游，其東接浙江省開化縣，東南與上饒縣、玉山縣毗鄰，南和橫峰縣、弋陽縣相接，西接樂平市，北連婺源縣。德興市屬于中亞熱帶濕潤季風區，具有氣候溫暖、雨量充沛、光照充足、四季分明和晝夜溫差大，無霜期較長等山區小氣候特點。德興市境內長度在5 km以上的河流有87條，均屬饒河水系。樂安河是境內主干河流，發源于贛皖邊境，由北部入境，流經海口、泗洲2鎮，境內流長51 km。流入德興市境內的面積在150 km2以上的河流有5條支流，自東南流向西北后注入樂安河，其中洎水河為樂安河上游的一條較大支流，流域總面積557 km2，流經德興市境內達501 km2，是德興市境內的第2條大河，又被稱為德興的母親河。近年來，隨著德興市圍繞夯實建設全國百強縣，不斷推進新型工業化、新型城鎮化和農業產業化建設，以致該市國民經濟呈現跨越式發展勢頭，國民經濟總量不斷擴大，經濟增長加快，總體經濟實力和人均水平均不斷提高。2014年全市國內生產總值平均以每年10.7%的速度增長(不含德興銅礦主業)，比改革開放前的年平均增長速度高出4%。根據《德興市土地利用總體規劃(2006—2020年)》，德興市土地總面積2.08×105hm2，根據最新土地利用變更調查數據，該市耕地面積為2.05×104hm2，基本農田面積為1.60×104hm2，建設用地總規模1.23×104hm2。由于社會經濟和城鎮發展布局方向的重大變化，且隨著一大批重點項目的落地，土地資源特色優勢沒有得到充分發揮，土地利用結構面臨了新的形勢和挑戰。

1.2 數據來源及處理

以2000，2005，2010，2014年4期的德興市Landsat TM 30 m遙感影像(美國地質勘探局，簡稱USGS，http:∥glovis.usgs.gov/)的土地利用數據為基礎對德興市進行研究，其中2000—2010年數據為Landsat-5 TM影像，2014年數據為Landsat-8 TM影像。為了研究方便，結合遙感影像圖和研究區實際情況，突出土地利用變化的主要類型，對土地利用類型進行了重新分類，將研究區的土地利用類型劃分為：耕地(包括旱地、水田等)、林地(包括林地、園地、少量草地等)、水域(包括河流、湖泊、水塘、水庫等)、建設用地(包括城鎮用地、農村居民點等)和其他用地(包括灘涂、裸地、沙地等)5種類型(附圖8)，其面積情況詳見表1。研究區矢量邊界范圍、影像校正參考數據和土地利用變更調查數據來源于江西省國土資源廳勘測規劃院。在使用德興市土地利用/覆被信息數據前，為了保證遙感影像數據的校正及其解譯在允許誤差范圍之內，必須對遙感影像校正、解譯的土地利用數據進行客觀的精度校驗，本研究利用吳建平[10]對遙感影像解譯數據的計算方法得出德興市2000，2005，2010，2014年4期的LandsatTM遙感影像的分類精度均達85%以上，符合本研究要求。2000—2014年社會經濟數據來源于《江西統計年鑒》和《德興市國民經濟和社會發展統計公報》。

表1 遙感影像分類結果 hm2

2 研究方法

2.1 土地利用動態度模型

土地利用類型動態度，即土地利用類型變化率，是某研究區一定時間范圍內某種土地利用類型的數量變化情況，可定量描述區域土地利用變化的速度，其表達式為[11]：

(1)

式中：K——研究時段內某一種土地利用類型動態度；Ua，Ub——研究期初和研究期末某一種土地利用類型的數量(hm2)；T——研究時段長度，當T的時段設定為年時，K的值就是該研究區某種土地利用類型年動態度(或變化率)。如果K>0，則表示研究期內土地利用類型面積增加；K<0，表示研究期內土地利用類型面積減少；K=0，表示研究期內土地利用類型面積沒有變化。

2.2 土地利用程度模型

土地利用程度反映土地利用的廣度和深度，它不僅反映了土地利用中土地本身的自然屬性，同時也反映了人類因素與自然環境因素的綜合效應。根據樊玉山等[12]提出的土地利用程度綜合分析方法，依據土地自然綜合體在各種社會因素影響下的自然平衡狀態將各種土地利用程度劃分為若干級，并賦予分級指數，在此基礎上再給出土地利用程度綜合指數和土地利用程度變化模型的表達式。

土地利用程度綜合指數模型為[13]：

(2)

式中：D——某區域土地利用程度綜合指數； Ai——區域內第i級土地利用程度分級指數，Ci——區域內第i級土地利用程度分級面積百分比； n——某區域土地利用程度分級數。

土地利用程度變化模型為[14]：

(D∈[100,400])

(3)

(4)

式中：ΔDb-a——土地利用程度變化量； R——土地利用程度變化率； Da和Db——時間a和時間b的研究區域土地利用程度綜合指數； Ai——第i級土地利用程度分級指數； Cia，Cib——時間a和時間b第i級土地利用程度面積百分比。如果ΔDb-a>0或R>0，則該區域土地利用處于發展期；否則處于調整期或衰退期。

結合研究區特點及研究的目的，依據土地利用程度分級標準[15]，本研究將未利用或難利用土地歸為未利用土地級，分級指數為1；林地、草地、水體歸為林、草、水用地級，分級指數為2；耕地、園地、人工草地歸為農業用地級，分級指數為3；建設用地、城鎮用地、居民點用地、工礦用地、交通用地歸為城鎮聚落用地級，分級指數為4。

2.3 土地利用結構信息熵模型

區域土地利用結構信息熵可綜合反映該區域在一定時段內各種土地利用類型的動態變化及轉化程度，對區域土地利用結構調整具有一定指導意義[16]。

(1) 土地利用結構信息熵。采用自然對數，其計算公式為[17-18]：

(5)

式中：H——土地利用結構信息熵；Pi——研究區各類土地面積占該區域土地總面積的百分比；N——區域土地利用類型數量。

(2) 均衡度和優勢度。基于土地利用結構信息熵公式，可以構建區域土地利用結構的均衡度(J)[19]：

(6)

式中：Hmax——土地利用結構信息熵的最大值； 由于H≤Hmax，故J區的變化區間為[0,1]，J值越大，表明區域中不同職能的土地利用類型越多，各類用地的相差越小，土地利用結構的均衡性越強。

(3) 基于均衡度的概念，可以構建土地利用結構的優勢度(I)[18]:

I=1-J

(7)

式中：I——土地利用的集中度(0≤I≤1)，它是實際信息增量與最大信息增量之比，反映了區域一種或幾種土地類型支配該區域土地類型的程度，與均衡度的意義相反。

3 結果與分析

3.1 德興市土地利用結構動態變化

3.1.1 土地利用結構數量動態變化分析 從表2可知，15 a來德興市其他用地面積快速減少，建設用地面積則顯著增加。從2000—2005年，耕地、林地、水域、其他用地的土地利用類型動態度(K)均小于0，說明其面積在持續下降，面積分別減少了0.09%，0.05%，0.16%和0.02%；而建設用地的K值大于0，說明面積在逐漸上升，面積增幅達1%。從2005—2010年，耕地、林地和其他用地的K值均小于0，說明面積持續下降，其減幅分別為0.01%，0.09%和0.45%，且其他用地面積的下降速度在加快；而水域和建設用地的K值大于0，說明面積上升，其面積分別增加了0.07%和1.39%，其中建設用地面積的增加較上階段的增加要迅速。從2010—2014年，耕地、林地、水域、其他用地的K值表現趨勢與第1階段相似，均小于0，說明其面積還在繼續下降，但面積降幅較第2階段較小，其面積減幅分別為0.09%，0.03%，0.39%和0.49%；而建設用地面積仍然呈現增長的趨勢，遞增0.74%。從2000—2014年來看，耕地、林地、草地、水域、其他用地類型的K值均小于0，面積呈下降趨勢，而建設用地的K值大于0，其面積持續上升，這可能與德興市近年來加大對民生項目的用地和道路等基礎設施等用地建設有關。

表2 德興市2000-2014年土地利用動態變化

3.1.2 土地利用程度動態變化分析 土地利用程度綜合指數模型主要反映土地利用的廣度和深度，同時能夠反映區域土地利用的集約經營程度，適用于土地利用程度的綜合評價。土地利用程度及其變化可以定量的表達該地區土地利用的綜合水平和變化趨勢。根據模型(2)—(4)，計算出德興市2000，2005，2010，和2014年土地利用程度綜合指數，從而得到15 a其土地利用程度變化值(表3)。由表3可知，德興市2000，2005，2010和2014年的土地利用綜合指數分別為221.30，221.75，222.50，222.87，低于全國平均水平的231.92[20-21]，表明德興市的土地利用程度不高。由表3還可知，德興市在2000—2014年的土地利用程度變化量( ΔDb-a)和土地利用程度變化率(R)均大于0，表明其土地利用處于發展時期。由此可知，從總體上來看德興市土地利用處于快速發展時期。

表3 德興市土地利用程度變化量和變化率

注：Da為時間a的研究區域土地利用程度綜合指數； ΔDb-a為土地利用程度變化量；R為土地利用程度變化率。

3.2 德興市土地利用結構信息熵動態變化

3.2.1 信息熵總體變化分析 土地利用信息熵的高低可以反映土地利用的均衡程度，熵值越高表明土地利用的類型越多，各土地利用類型面積的相差值越小[22]。根據公式(5)—(7)，對德興市2000—2014年土地利用結構信息熵、均衡度和優勢度進行計算，結果詳見表4。由表4可知，研究期內德興市土地利用結構信息熵最低值為0.663 9 Nat(2000年)，最高值為0.681 4 Nat(2014年)，年均增長率為0.18%；均衡度也呈波動上升態勢，優勢度卻逐年降低。由此表明，研究期內德興市土地利用結構朝無序方向發展，土地利用類型的均衡性增強，單一類型的優勢度降低。這可能是由于研究期內德興市在耕地、林地、水域和其他用地的減少(分別減少0.1%，0.65%，0.04%和0.02%)，而建設用地大幅增加(增長0.83%)所致，這也是德興市城市化和工業化帶來的直接后果。然而，與全國土地利用結構信息(1.607 Nat)和均衡度(0.731)[23]相比，發現前者明顯低于后者。這說明德興市土地利用系統的有序性高于全國，結構性強于全國土地利用系統。

表4 2000-2014年德興市土地利用結構信息熵、均衡度和優勢度

3.2.2 基于GC方法分析信息熵變化的驅動因素 土地利用結構信息熵和均衡度的變化，歸根到底是土地利用結構的變化，因此有必要進一步對影響德興市土地利用結構信息熵變化的驅動因素進行分析，從而了解其土地利用的變化機制，為區域土地利用結構的調整和優化服務，以實現土地資源的可持續利用。

影響土地利用結構變化的原因既包括自然驅動力和人為驅動力。在較短的時間尺度上，自然驅動力有著累積性效應，相對較為穩定，人為驅動力則相對較活躍[24]。由于短時間內土地利用結構變化大都是人類通過各種土地利用活動造成的，因而分析土地利用結構變化的社會經濟因素更為重要。本論文在堅持指標選取的科學性、系統性、主導性、目的性、可操作性及數據可獲取性等原則基礎上，根據德興市自然及社會經濟發展狀況，選取總人口數(X1)、城市化水平(%)(X2)、全社會固定資產投資總額(X3)、財政收入(X4)、社會消費品零售總額(X5)、農村居民人均可支配收入(X6)、人均GDP(X7)、第一產業產值(X8)、第二產業產值(X9)、第三產業產值(X10)、糧食總產量(X11)共11個指標對其土地利用結構信息熵的驅動因素進行灰色關聯分析，通過比較子因素與信息熵因素間關聯度的大小，以判斷引起德興市土地利用結構信息熵動態變化的主要因素與次要因素[25]。

根據灰色關聯分析的計算步驟和在最小信息原理下取分辨系數ρ=0.5基礎上[25-26]，將土地利用結構信息熵序列組X0作為參考序列，社會經濟等影響因素序列組Xi作為比較序列，關聯度用γ0i表示，分析結果見表5。由表5可知，2000—2014年各驅動因素與德興市土地利用結構信息熵的關聯度由大到小依次為：人口總數>糧食總產量>城市化水平>第一產業增加值>農村居民人均可支配收入>第二產業增加值>人均GDP>社會消費品零售總額>第三產業增加值>財政收入>全社會固定資產投資。按照灰色關聯度強中弱[27]分析原則，與德興市土地利用結構信息熵最密切的因素為糧食總產量、人口總數和城市化水平3個因素。

表5 德興市2000-2014年土地利用結構信息熵、關聯度及其強弱排序

3.2.3 基于VAR模型的信息熵變化與主要驅動因素的動態相關性分析 根據德興市2000—2014年相應數據，選取上述指標中關聯度高且具有代表性的因子(即人口總數X1，城市化水平X2，糧食產量X113個因子)與土地利用結構信息熵(H)，通過VAR模型進一步確定德興市土地利用結構變化與社會經濟的相互關系。

(1) 數據平穩性檢驗。由于對時間序列數據進行自然對數變換不會改變數據的特征，卻能使數據趨勢線性化并一定程度上消除時間序列中的異方差，因此本研究在實證分析時采用各變量的對數值，分別表示為LNH，LNX1，LNX2和LNX11。采用Eview 8.0軟件對上述數據進行的處理與分析。然而，以時間序列數據為依據建立VAR模型，首先要保證變量是平穩的，否則將產生“偽回歸”現象。因此，本研究采用ADF(augmented dickey-fuller)檢驗方法對LNH，LNX1，LNX2和LNX11進行單位根檢驗。如果p值大于0.05(或者0.(1)，或者1%，5%，10%水平下的臨界值小于假設的Augmented Dickey-Fuller的值，則說明不能拒絕原假設，說明不平穩。反之，則拒絕原假設，說明平穩[28]。采用Eview8.0軟件檢驗的結果為時間序列LNH，LNX1，LNX2和LNX11都為非穩定序列(p值大于0.05)，對一階差分后的4個時間序列進行ADF檢驗，都是平穩序列，則說明LNH，LNX1，LNX2和LNX11為一階單整序列(表6)。因此，本研究建立關于DLNH，DLNX1，DLNX2和DLNX11的VAR模型來分析人口總數、城市化水平、糧食總產量與德興市土地利用結構信息熵之間的動態關系。

表6 變量的ADF檢驗結果

注：檢驗形式中c，t和k分別為單位根檢驗方程的常數項、時間趨勢項和滯后階數，D為對應變量的一階差分。

(2) VAR模型脈沖響應函數及方差分解。脈沖響應函數(impulse response function， IRF)用來衡量來自隨機擾動項的一個標準沖擊對內生變量當前和未來取值的影響，能直觀地刻畫出變量之間的動態交互作用及其效應[29]。首先對DLNH與DLNX1，DLNX2，DLNX11建立VAR模型，并以此為基礎模擬作脈沖響應函數曲線，結果如圖1所示，橫軸代表響應函數追蹤期數(設定為20 a)，縱軸代表因變量對解釋變量的響應程度。DLNH對其自身的一個標準差擾動具有明顯的正向效應，由第1期最大值0.000 78后迅速下降到第2期的0.000 15，隨后開始上升再下降，上升下降波動幾次后，到第15后才開始穩定但仍然呈現正向效應。DLNX1對DLNH標準差的擾動一直呈現正向效應，在第1期達到最大值0.000 9后又迅速下降到第4期的0.000 3，隨后開始上升再下降，上升—下降趨勢波動幾次到第15后才開始逐漸穩定但仍為正向效應。DLNX2對DLNH標準差的擾動一直呈現正向效應，其變化趨勢與DLNH對其自身的標準差擾動相似。DLNX11對DLNH標準差的擾動基本呈正向效應，由第1期0.000 1迅速上升到第3期的0.000 8，隨后迅速下降到第4期的-0.000 05，隨后又上升到第5期的0.000 4，隨后再下降，到第15后這種上升—下降的變化逐漸減弱但仍為正向效應。這表明，長期人口總數、城市化和糧食總產量對德興市土地利用結構信息熵變化基本呈現正向效應。

圖1 各驅動因素對DLNH的脈沖響應函數

方差分解(variance decomposition， VD)是把系統中各內生變量的變動按其成因分解為與方程隨機擾動項相關聯的各組成部分，從而了解每一個結構沖擊對模型中內生變量的相對貢獻率，得出不同結構沖擊的重要程度[30]。本文基于VAR模型和漸近解析法對DLNX1，DLNX2，DLNX11與DLNH進行方差分解，結果見圖2，橫軸代表響應函數追蹤期數(設定為20 a)，縱軸代表因變量對解釋變量的方差貢獻率(單位:百分數)。由圖2可知，DLNH方差受其自身和DLNX1的影響最大，整個期間的比重都分別保持在22%和31%以上。DLNX1對DLNH的方差影響由第1期的45.68%上升到第2期的47.43%，之后逐漸下降到第5期的31%，到第6期又上升到36.83%，之后又逐漸下降到第9期的33.82%，隨后又逐漸上升直至第14期后均穩定在35%以上。DLNX11對DLNH的方差影響由第1期的0.58%上升到第3期的26.64%，而后逐漸下降且隨著時間推移減弱程度有所下降。DLNX2對DLNH的方差影響由第1期的19.74%下降到第2期的12.52%，之后逐漸上升到第5期的17.11%，到第6期又下降到15.63%，之后又逐漸上升，到第11期后這種上升一直穩定在16%以上。結合前面脈沖響應分析，這說明長期內人口總數和城市化水平對德興市土地利用結構信息熵變化有促進作用，但糧食總產量對其方差貢獻度會隨時間推移有所減弱。

圖2 各驅動因素對DLNH的方差分解圖

4 結 論

(1) 2000—2014年德興市耕地、林地、草地、水域、其他用地類型的K值均小于0，而建設用地的K值大于0，土地利用程度變化量和土地利用程度變化率均大于0，說明德興市耕地、林地、草地、水域、其他用地類型面積下降，建設用地面積上升，土地利用還處于發展時期；2000，2005，2010和2014年的土地利用綜合指數表示為221.30，221.75，222.50和222.87，則說明德興市的土地利用程度不高。

(2) 德興市土地利用結構信息熵年均增長率為0.18%，均衡度呈上升態勢，優勢度降低，說明研究期內德興市土地利用結構朝無序方向發展，土地利用類型的均衡性增強，單一類型的優勢度降低。

(3) 2000—2014年各驅動因素與德興市土地利用結構信息熵的關聯度大小為：人口總數>糧食總產量>城市化水平>第一產業增加值>農村居民人均可支配收入>第二產業增加值>人均GDP>社會消費品零售總額>第三產業增加值>財政收入>全社會固定資產投資，其中人口總數、糧食總產量和城市化水平是影響德興市土地利用結構信息熵的主要因素。

(4) 長期來看，人口總數、城市化水平和糧食總產量對土地利用結構信息熵均有一個正向沖擊影響作用，這種影響在達到一個高點以后又逐漸降低并趨于穩定；從方差分解可知，土地利用結構信息熵變化有27%以上是其自身的貢獻獲得的，而人口總數、城市化水平和糧食總產量對其變化的貢獻率分別在34.9%，16.1%和21.3%以上。

[1] 侯碧嶼,曹孟磊,刑哲,等.北京市永定河流域土地利用格局變化及圖譜分析[J].林業調查規劃,2011,36(6):5-9.

[2] 陳國成,張美靈,林翠生.基于景觀生態學的區域土地利用結構變化特征:以尤溪縣為例[J].山西師范大學學報:自然科學版,2010,24(2):100-104.

[3] 閻水玉,王祥榮.城市河流在城市生態建設中的意義和應用方法[J].城市環境與城市生態,1999,12(6):36-38.

[4] Coskun H G, Alganci U, Usta G. Analysis of land use change and urbanization in the kucukcekmece water basin(Istanbul, Turkey)with temporal satellite data using remote sensing and GIS[J]. Sensors, 2008,8(11):7213-7223.

[5] Li Junxiang, Song Chonghe, Cao Lu, et al. Impacts of landscape structure on surface urban heat islands: A case study of Shanghai, China[J]. Remote Sensing of Environment, 2011,115(12):3249-3263.

[6] Zhao Anzhou, Zhu Xiufang, Liu Xianfeng, et al. Impacts of land use change and climate variability on green and blue water resources in the Weihe River basin of northwest China[J]. Catena, 2016,137:318-327.

[7] 李永樂,吳群,舒幫榮.城市化與城市土地利用結構的相關研究[J].中國人口·資源與環境,2013,23(4):104-110.

[8] 林茂森,王殿武,劉玉珍,等.城市河流健康威脅與生態修復[J].沈陽大學學報:自然科學版,2015,27(3):197-200.

[9] 劉樹坤.城市河流的治理與研究展望[J].水利科技與經濟,2012,18(1):1-3.

[10] 吳建平.遙感影像解譯精度的分析[J].遙感信息,1992(2):17-18.

[11] 秦偉,朱清科,左長清,等.大規模植被重建背景下的黃土高原流域土地利用時空演變[J].水土保持學報,2014,28(5):43-50.

[12] 樊玉山,劉紀遠.西藏自治區土地利用[M].北京:科學出版社,1992.

[13] 魯春陽,齊磊剛,桑超杰.土地利用變化的數學模型解析[J].資源開發與市場,2007,23(1):25-28.

[14] 魯春陽,羅奇,陳照永.土地利用動態變化的模型分析[J].喀什師范學院學報,2006,27(6):25-28.

[15] 周雷,宋戈.土地利用結構變化定量分析及預測：以哈爾濱市為例[J].哈爾濱商業大學學報:社會科學版,2008,(6):14-16,24.

[16] 譚永忠,吳次芳.區域土地利用結構的信息熵分異規律研究[J].自然資源學報,2003,18(1):112-117.

[17] 黃木易.快速城市化地區的土地利用與景觀格局演變特征分析:以杭州市區為例[J].安徽農業科學,2011,39(19):11874-11876,11880.

[18] 林珍銘,夏斌,董武娟.基于信息熵的廣東省土地利用結構時空變化分析[J].熱帶地理,2011,31(3):266-271.

[19] 陳彥光,劉繼生.城市土地利用結構和形態的定量描述:從信息熵到分數維[J].地理研究,2001,5(2):146-152.

[20] Zhang Jixian, Liu Zhengjun, Sun Xiaoxia. Changing landscape in the three gorges reservoir area of Yangtze River from 1977 to 2005: Land use/land cover, vegetation cover changes estimated using multi-source satellite data[J]. International Journal of Applied Earth Observation and Geoinformation, 2009,11(6):403-412.

[21] 張靚,曾輝.基于MODIS數據的內蒙古土地利用/覆被變化研究[J].干旱區資源與環境,2015,29(1):31-36.

[22] 樊風雷.珠江三角洲核心區域土地利用時空變化遙感監測及其生態環境效應研究[D].北京:中國科學院研究生院,2007.

[23] 毛良祥,林燕華.基于信息熵的我國土地利用結構動態變化研究[J].國土資源科技管理,2008,25(6):48-51.

[24] 劉耀彬,陳志,楊益明.基于信息熵的武漢城市土地利用空間結構變動分析[J].資源開發與市場,2004,20(5):335-337.

[25] 鄧聚龍.灰理論基礎[M].湖北 武漢:華中科技大學出版社,2002.

[26] 胡銀根,蔡國立,徐小峰,等.基于灰色關聯分析的武漢市建設用地擴張驅動力實證研究[J].水土保持通報,2014,34(6):214-218.

[27] 范建剛.1983—2004年陜西糧食產量和主要投入要素的灰色關聯分析[J].干早地區農業研究,2007,25(3):209-212.

[28] 李曉兵.我國CPI與糧食價格指數的動態關系研究:基于VAR模型的實證研究[J].銅陵學院學報,2013(2):33-36.

[29] 馬德,劉岳.基于VAR模型的西部地區中小企業信貸融資實證分析:以新疆為例[J].新疆社會科學,2012(6):30-36.

[30] 黃向梅,夏海勇.人口城市化與經濟增長、產業結構間的動態關系:以江蘇省為例[J].城市問題,2012(5):60-64.

Land Use Change and Its Driving Factor Analysis of River Urban Based on IE-GC-VAR Methods-A Case Analysis at Dexing City of Jiangxi Province

YUAN Juhong1, HU Mianhao2, ZHOU Zaohong2

(1.InstituteofEnvironmentandPlantScience,JiangxiUniversityofFinanceandEconomics,Nanchang,Jiangxi330032,China; 2.InstituteofPoyangLakeEco-economics,JiangxiUniversityofFinance&Economics,Nanchang,Jiangxi330032,China)

[Objective] Land use change and its influence factor analysis of river urban—Dexing City of Jiangxi Province in the process of rapid urbanization were explored, in order to provide scientific basis for the land use structure adjustment of river city and the development of similar river city experiencing rapid urbanization in China. [Methods] Based on the land use change data of remote sensing image of Dexing City from 2000 to 2014, the association degree between information entropy change of land use structure and related factors in Dexing City were analyzed using entropy model and grey correlation analysis. And on this basis, the dynamic correlations between information entropy change of land use structure and the main factors in Dexing City were further explained using impulse response function and variance decomposition of vector autoregressive model. [Results] (1) The areas of construction land, forest land, grassland, water, and other land-use types was decreasing, on the contrary, construction land area was rising. Moreover, the land use structure was in a disorderly development state, and the equilibrium of land use type was enhanced but the dominance of a single type was reduced. (2) According to the results of the impulse response function and variance decomposition analysis of VAR model, long-term total population, gross output of grain and urbanization level had positive effects on information entropy change of land use structure in Dexing City, and the impact effects gradually diminished and finally tended to be stable with time lag increased. Thereinto, total population and urbanization level had promoting effects on the information entropy change of land use structure in Dexing City, but the role of gross output of grain contributing to the degree of variance was declined with time going by. [Conclusoin] The degree of land use in Dexing City was not high. The land use structure was in a disorderly development state from 2000 to 2014. Total population, gross output of grain and urbanization level were the main factors influencing information entropy of land use structure.

Dexing City; land use structure; information entropy; grey relation theory; vector autoregressive

2016-07-19

2016-09-02

國家自然科學基金項目“基于景觀格局演變的鄱陽湖典型流域水環境響應及其優化模型研” (21367013),活性官能團導向的蘆葦生物炭對富硒耕地中復合重金屬吸附行為的調控機制研究”(21407069); 江西省自然科學基金項目(20142BAB203024, 20151BAB203034); 江西省高校人文社科項目(JC1420); 江西財經大學優秀學術人才支持計劃項目(K00292025); 國家留學基金項目(201509805005)

袁菊紅(1975—),女(苗族),湖南省綏寧縣人，博士,講師,主要從事生態環境植物資源開發利用等研究。E-mail:yuanjuhong@sina.com。

胡綿好(1976—),男(苗族)，湖南省麻陽縣人，博士,副教授,主要從事區域環境污染控制及經濟分析評價研究。E-mail:yankeu1@163.com。

A

1000-288X(2017)02-0313-08

TP79, S159.2