2000—2010年中國大陸地區建設用地擴張的驅動力分析

黃寶榮,張慧智,宋敦江,馬永歡

1 中國科學院科技戰略咨詢研究院,北京 100190 2 北京市農林科學院農業科技信息研究所,北京 100097 3 國土資源部信息中心,北京 100812

?

2000—2010年中國大陸地區建設用地擴張的驅動力分析

黃寶榮1,張慧智2,*,宋敦江1,馬永歡3

1 中國科學院科技戰略咨詢研究院,北京 100190 2 北京市農林科學院農業科技信息研究所,北京 100097 3 國土資源部信息中心,北京 100812

2000—2010年我國社會經濟迅猛發展,城鄉建設用地急劇擴張。分析建設用地擴張的驅動力,辨識關鍵驅動因素,能夠為我國土地資源的可持續利用提供支撐。研究以地級行政區為基本分析單元,以建設用地面積百分比的變化為因變量,以14個地理、經濟、人口和政策變量為解釋變量,分別采用普通線性回歸模型、空間滯后回歸模型和空間誤差回歸模型,分析2000—2010年我國大陸地區建設用地擴張的驅動力。結果發現,我國各地區建設用地擴張具有顯著的正向空間自相關性,使普通線性回歸模型估計結果有偏。比較3種回歸模型的擬合效果也發現,兩種空間回歸模型的擬合效果明顯好于普通線性回歸模型；考慮到建設用地擴張的空間傳導性,研究認為空間滯后回歸模型是我國建設用地擴張驅動力分析的最適合模型。模型回歸結果顯示研究期內我國建設用地擴張受到各種地理、經濟、人口和政策因素的廣泛影響。第二產業的迅猛發展、流動人口的遷移聚集、固定資產投資和外商直接投資的快速增長,以及投資驅動的大規模土地城鎮化和路網等基礎設施建設是驅動我國各地區建設用地擴張的主要驅動力；第三產業的發展、進口增長以及自然保護的區建設等對建設用地的擴張具有一定的抑制作用,是緩解建設用地過快擴張的重要因素。此外,海拔和坡度等地理因素也有一定的影響。如果扣除其他因素的影響,受西部大開發、中部崛起、東北振興等區域均衡發展戰略的影響,此間我國建設用地擴張更傾向于出現在平均海拔更高的地區；而平均坡度的升高則對建設用地的擴張具有明顯的抑制作用。

建設用地；擴張；社會經濟發展；驅動力；空間回歸模型

2000—2010年,我國社會經濟迅猛發展,在改善居民生活水平的同時,也給生態環境帶來巨大的壓力。建設用地的快速擴張是生態環境壓力加劇的最直觀表現。由環境保護部和中國科學院聯合開展的《全國生態環境十年變化(2000—2010年)遙感調查與評估項目》調查顯示,2000—2010年中國大陸地區建設用地(包括城鄉居民點、工礦和交通用地)年均新增5530 km2。建設用地的急劇擴張不僅侵占大片良田,而且通過直接占用或間接破壞森林、濕地、草地等生態系統造成生物多樣性喪失和生態系統服務功能退化,成為危及我國糧食和生態安全的重要因素[1- 2]。控制建設用地規模,促進土地的集約節約利用是確保我國可持續發展的迫切需求。研究建設用地擴張的驅動力,是預測未來建設用地擴張趨勢,以及制定相關土地利用政策、促進土地可持續利用的重要基礎。

土地利用-覆蓋變化(Land use and land cove change, LUCC)驅動力研究已有很長的歷史[3- 4]。眾多研究從不同的角度、采用不同的方法分析不同尺度LUCC的驅動力[5-12]。研究表明,LUCC主要受自然地理和人文因素的共同影響[4-5,9, 13]。其中,人文因素發生的頻率更高、影響范圍更廣、強度更大,是目前全球LUCC的主要驅動力[10, 14]。相對于其他土地利用類型的變化,建設用地擴張更是受到各類社會、經濟和政策等人文因素的影響；經濟發展、人口增長、收入提高、工業化、城鎮化以及土地利用政策等常被認為是建設用地擴張的主要驅動力[11, 15-20]。新千年以來,我國建設用地的快速擴張及其引起的耕地流失、生態退化問題日益受到重視,隱藏在建設用地擴張背后的驅動機制也成為眾多研究關注的焦點。經濟增長、人口變化和城鎮化被認為是19世紀末21世紀初我國建設用地擴張的主要驅動力[17, 20- 22]。

盡管取得了較大進展,但受多方面因素制約,我國建設用地擴張驅動力研究仍存在一定的局限性。一是在驅動變量選擇方面,大多研究僅關注經濟和人口規模增長對建設用地擴張的驅動作用,很少考慮社會經濟結構的變化的影響；新千年以來,我國經濟和人口結構發生了很大變化,在建設用地擴張驅動力分析中不應忽視。二是很多研究僅關注城市建設用地的擴張及其驅動力[23-24],未將規模龐大的農村建設用地納入分析框架[25-26],顯然無益于全面、客觀地剖析我國城鄉建設用地擴張的動力機制。三是在驅動力分析方法方面,以計量經濟學模型[27-29]為主,忽視了土地利用數據廣泛存在的空間自相關性和樣本非獨立性對假設檢驗正確性的影響。

本研究在充分考慮各種因素的潛在影響的基礎上篩選解釋變量,并采用能夠有效克服空間自相關性影響的空間回歸模型,分析2000—2010年我國大陸地區城鄉建設用地擴張的驅動力,以期為未來我國建設用地需求預判、社會經濟發展空間布局的優化、以及土地可持續利用提供科學支撐。

1 數據與方法

1.1 因變量和潛在解釋變量的選擇

以2000—2010年地級行政區建設用地占國土面積百分比的變化作為因變量,反映各地區建設用地的擴張及其對當地生態環境脅迫程度的變化情況。

在深入分析建設用地擴張的潛在影響因素的基礎上,建立了包含4類變量的潛在解釋變量選擇框架。一是自然地理變量,對土地開發利用的難易程度和成本具有潛在影響。二是經濟變量,經濟增長往往被認為是建設用地擴張的主要驅動力；而且在市場經濟中,土地資源的配置服從于價值規律、地租規律等基本經濟規律,其根本作用是將土地資源配置到最有效益的經濟活動中[30],因此不同經濟部門的發展對建設用地擴張的潛在影響可能存在差異；同時,進出口貿易,通過遠程耦合[31- 32],對建設用地擴張也存在潛在影響。三是人口變量,人口的增長、分布和結構的變化是造成住房、商業設施、基礎設施等建設用地需求變化的潛在驅動因素。四是政策變量,包括政府主導的固定資產投資、吸引外資、基礎設施建設等一系列發展政策,以及天然林保護工程、自然保護區建設等一系列生態保護政策,對建設用地擴張有潛在的驅動或抑制作用。在此潛在解釋變量選擇框架下,結合數據的可獲取性,選擇了19個變量作為潛在解釋變量(表1)。

表1 建設用地擴張驅動力分析潛在解釋變量

1.2 數據收集與處理

1.2.1 土地利用數據

2000和2010年全國各地級行政區建設用地面積數據來源于《全國生態環境十年變化(2000—2010年)遙感調查與評估項目》。該項目建立了全國土地覆蓋二級分類系統,其中包括6個Ⅰ級分類。本研究中的建設用地為Ⅰ級分類中的人工地表,包括城鄉居住地、工業用地、交通用地和采礦場,不包括期間植被和水面。基于地面樣點調查的精度檢測顯示,兩期土地覆蓋Ⅰ級分類的精度分別為90%和94%。

1.2.2 自然地理和社會經濟數據

各地區平均海波、平均坡度數據通過全國1∶100萬數字高程模型(Digital Elevation Model, DEM)計算獲取。城鎮常住人口、鄉村常住人口、男性常住人口、女性常住人口、常住勞動年齡人口、家庭戶數等數據來源于第五次、第六次全國人口普查分縣資料,年末人口以及各類經濟數據來源于對應年份《中國縣市社會經濟統計年鑒》、《中國區域經濟統計年鑒》、《中國城市統計年鑒》,以及各省、市、自治區統計年鑒。

1.2.3 潛在解釋變量的多重共線性分析

多重共線性是指由于解釋變量之間存在線性關系,導致回歸模型估算失真的現象。多重共線性問題可以通過多重共線性條件數(Multicollinearity Condition Number,MCN)檢驗。當MCN大于30時,表明存在嚴重的多重共線性問題,此時需要剔除一些解釋變量以確保回歸結果的準確性。為了確定應剔除哪些解釋變量,分別把各潛在解釋變量當作因變量,其他潛在解釋變量當作自變量,采用普通最小二乘回歸模型進行回歸分析,當回歸模型的R2值大于0.80閾值時,表明被當作自變量的潛在解釋變量是造成多重共線性的重要原因,應該考慮從回歸模型中剔除。

1.3 分析模型

很多空間數據都具有空間自相關性,這一特征打破了大多數經典統計分析中樣本相互獨立的基本假設,使一般線性回歸模型中的隨機誤差項εi不再相互獨立,并導致自變量對因變量的影響參數β被低估,從而影響假設檢驗的正確性。空間回歸模型由于能夠有效解決回歸模型中復雜的空間自相關性問題[33],在空間變量影響因素分析中得到廣泛應用。

本研究分別采用普通最小二乘線性回歸模型(Ordinary Least Square,OLS)、空間滯后回歸模型(Spatial Lag Model,SLM)和空間誤差回歸模型(Spatial Error Model,SEM)分析社會經濟因素對我國建設用地擴張的驅動效應,并擇優選用。

1.3.1 SLM模型

SLM模型主要探討各變量在一個地區是否有擴散現象(溢出效應),其表達式為：

Y=ρWy+Xβ+ε

(1)

式中,Y為因變量；X為n×k的外生解釋變量矩陣；ρ為空間回歸系數,反映了樣本觀測值中的空間依賴作用,即相鄰區域的觀測值Wy對本地區觀察值y的影響方向和程度；W為n×n階的空間權值矩陣,考慮不同地區建設用地擴張速度的相互關系受距離的影響較大,選擇連續性距離權重矩陣,距離閾值為任意兩個空間單元距離的最大值；Wy為空間滯后因變量,ε為隨機誤差項向量；參數β反映了自變量X對因變量Y的影響,空間滯后因變量Wy是一內生變量,反映了空間距離對建設用地擴張速度的作用。

1.3.2 SEM模型

盡管SLM模型將空間依賴看作本質現象,但SEM模型假設模型的誤差是空間相關的,而不是yi對yj(i≠j)直接產生影響。SEM模型能夠度量鄰接地區因變量的誤差沖擊對本地區觀察值的影響程度,其數學表達式為：

Y=Xβ+ε

(2)

ε=λWε+μ

(3)

式中,ε為隨機誤差項向量；λ為n×1的截面因變量向量的空間誤差系數；μ為正態分布的隨機誤差向量；λ衡量樣本觀察值的空間依賴作用,即相鄰地區的觀察值有Y對本地區觀察值Y的影響方向和程度；參數β反映了自變量X對因變量Y的影響。

1.3.3 估計技術

對于上述兩種模型的估計如果仍然采用最小二乘法,系數估計值會有偏或者無效,需要通過其他方法來估計。本文根據Anselin[33]的建議,采用極大似然法估計兩種空間回歸模型的參數。

在有空間自相關存在的情況下,傳統的R2不再適用于判斷回歸模型的擬合效果。常用的比較空間回歸模型和普通線性回歸模型擬合度的判別標準有自然對數似然函數值(Log Likelihood,LIK)、赤池信息準則(Akaike Information Criterion,AIC)、施瓦茨準則(Schwartz Criterion,SC)。LIK值越大,AIC和SC值越小,模型擬合效果越好。但是,擬合度優劣并非模型擇優選擇的唯一標準。具體研究中還需要考慮各種模型建立的理論基礎。當確信每個個體i的y值受其周圍值的直接影響的時候,采用SLM模型更合適；當確信y并沒有直接受到周圍y值的直接影響,而是因為某些在模型識別中忽略的空間聚集特征同時影響了個體i的y值及其周圍值,采用SEM模型更合適[34]。

2 結果與討論

2.1 建設用地擴張的空間特征

2000—2010年我國建設用地總面積增長5.53萬km2,經歷了快速的擴張過程。在空間上,東部和中部地區擴張相對較快,西部和東北地區相對較慢(圖1)。長江三角洲、珠江三角洲、京津唐地區、武漢都市圈、沈陽都市圈、成渝經濟區和華北平原等區域建設用地急劇擴張,特別是長江三角洲16地市建設用地總面積由1.61萬km2增長到2.58萬km2,是此間我國建設用地擴張最快的區域。

圖1 2000—2010年全國建設用地面積變化分布圖Fig.1 Spatial distribution of the change of construction land share in China, 2000—2010

2.2 建設用地擴張的空間自相關性

2000—2010年全國地級行政單元建設用地占國土面積百分比變化的全局Moran′I為0.269,并通過了顯著性檢驗,表明我國建設用地擴張具有顯著的正向空間自相關性。從建設用地面積百分比10年變化的局部Moran′I指數(LISA)聚集圖也可以看出大多數地區呈現顯著的高-高、低-低聚集特征(圖2),反映了建設用地擴張的具有向鄰近地區擴散的特征[12, 35]。這一擴散特征主要受以下幾個因素影響：(1)相鄰地區自然地理條件相似,使建設用地擴張具有相似的地理背景[36]；(2)相鄰地區具有相似的土地開發策略和土地利用政策并相互影響；(3)一個地區交通干線或其它基礎設施向鄰近地區延伸,會帶動新增交通干線或其它基礎設施附近建設用地的擴張[37]；(4)社會經濟發展的空間外溢效應帶動周邊地區社會經濟的發展,從而間接驅動周邊地區建設用地的擴張[38]。

圖2 2000—2010年全國地級單元建設用地面積變化LISA聚集圖Fig.2 Significant clustering of construction land expansion in China according to a LISA analysis

2.3 潛在解釋變量的多重共線性

多重共線性診斷顯示19個潛在解釋變量的MCN高達505,存在十分嚴重的多重共線性,需要剔除一些潛在解釋變量,以提高回歸結果的準確性。具體而言,單位國土面積第二產業產值密度變化、勞動年齡人口密度變化、男性人口密度變化、女性人口密度變化和家庭戶數密度變化5個潛在解釋變量被剔出模型。“單位國土面積第二產業產值密度變化”被剔出模型的主要原因是,當把它作為因變量,其他18個變量當作解釋變量進行OLS回歸分析時,回歸模型的R2高達0.97,是造成多重共線性的重要原因；同時,由于該變量與“單位國土面積累積固定資產投資密度”高度相關(R2= 0.94,P< 0.001),它對建設用地擴張的影響可以通過固定資產投資間接反映。同樣,“勞動年齡人口密度變化”、“男性人口密度變化”、“女性人口密度變化”和“家庭戶數密度變化”等變量分別當作自變量,其他變量當作解釋變量進行OLS回歸時,回歸模型的R2均超過0.95,也是造成多重共線性的重要原因。剔除這些變量后,剩下14個變量的MCN下降到19,符合空間回歸分析對MCN的限值要求。

2.4 建設用地擴張的影響因素

2000—2010年全國地級行政單元建設用地面積百分比變化與社會經濟指標變化的3種回歸模型的分析結果如表2所示。比較3種回歸模型,發現SLM模型和SEM模型比普通線性回歸模型的LIK值更大,而AIC和SC值更小,具有更好的擬合效果。兩種空間回歸模型的LIK、AIC和SC值相近,但SLM模型的偽R2大于SEM模型,而且考慮到建設用地擴張具有向鄰近地區擴散的特征[12, 35],采用SLM模型作為分析模型更合適。

SLM模型中(表2),ρ=0.567,且通過了1%顯著性水平檢驗,說明周圍鄰接地區的建設用地擴張會對本地區的建設用地擴張產生空間溢出效應。剔除空間自相關性因素的影響后,14個自變量中,有10個自變量通過了5%的顯著性檢驗,反映了研究期內我國建設用地擴張受到各種自然地理、人口、經濟和政策因素的廣泛影響。

2.4.1 自然地理因素的影響

平均海拔和平均坡度對建設用地的擴張均有顯著影響。平均海拔與建設用地面積百分比的變化具有顯著的正相關性,表明在扣除其他因素的影響后,此間我國建設用地擴張更傾向于出現在平均海拔更高的地區。這一結論有悖于建設用地更傾向于在低海拔平原地區擴張這一假設。主要原因在于此間我國相繼實施西部大開發、中部崛起和東北振興等區域均衡發展戰略,增加了這些高海拔地區的建設用地供應,促進了當地建設用地的快速擴張；而東部低海拔地區受稀缺的土地資源制約,建設用地供應從緊,客觀上限制了當地建設用地的過快擴張。平均坡度與建設用地面積百分比的變化呈顯著的負相關性,平均坡度升高對建設用地的擴張具有顯著的限制作用。

表2 2000—2010年全國建設用地變化驅動力回歸模型估計結果

1)OLS：普通最小二乘回歸模型Ordinary Least Square；2)SLM：空間滯后回歸模型Spatial Lag Model；3)SEM：空間誤差回歸模型Spatial Error Model；4)Log-L：自然對數似然函數值Log Likelihood；5)AIC：赤池信息準則Akaike Information Criterion;***:在0.01水平上顯著相關；**:在0.05水平上顯著相關；*:在0.10水平上顯著相關

2.4.2 經濟因素的影響

不同經濟部門對建設用地擴張的影響存在差異。第一產業發展對建設用地擴張無顯著影響。第二產業的發展對建設用地擴張具有顯著的正向驅動作用。盡管“單位國土面積第二產業產值密度變化”變量由于多重共線性被剔出模型,但由于其與“單位國土面積累積固定資產投資額”具有高度的正相關性,而后者對建設用地面積百分比的變化具有顯著的正向影響,因此,可以認為第二產業的發展對建設用地擴張具有顯著的驅動作用；研究期內建筑業、低端制造業和礦產資源開采業等土地資源密集型產業的快速發展不可避免地產生巨大的土地資源需求,并促進建設用地的急劇擴張。第三產業的發展對建設用地的急劇擴張具有顯著的負向抑制作用。第三產業的發展一方面能夠促進經濟發展的重心由土地資源密集型產業轉移到土地資源依賴性相對較小的服務行業；另一方面第三產業的快速發展也預示著居民生活方式的轉變[39],它促進居民對城市綠色開放空間和郊區生態用地需求的增長,并促使中央和地方政府投入更多的精力保護或恢復生態用地。

對外貿易方面,此間我國出口增長對建設用地擴張并無顯著影響,主要原因是此間我國出口的增長主要源于產品出口結構的優化和附加值提升,而非產品出口規模的擴張,使出口增長對土地資源的依賴性有所降低；進口增長對建設用地擴張具有顯著的負向影響,主要原因在于進口增長能夠減少一些產品的本地化生產,從而減少對土地資源的需求,并抑制建設用地的過快擴張。

2.4.3 人口因素的影響

流動人口密度的變化對建設用地面積百分比變化具有顯著的正向影響。2000—2010年,我國流動人口由1.44億增加到2.61億,長江三角洲、珠江三角洲、京津冀以及一些中心和重點城市是不斷增長的流動人口的主要聚集區；流動人口的聚集增加了當地住房、基礎設施、商業、服務業及公共空間對土地資源的需求[40],是這些區域建設用地擴張的重要驅動力之一。而在農村和一些經濟欠發達地區,流動人口的大量遷出則有助于減緩當地建設用地擴張壓力。

城鎮人口的增加常常被認為是城鎮建設用地擴張的主要驅動力[41-42]。但本研究中的建設用地既包括城鎮建設用地,也包括鄉村建設用地。在一些地區,人口城鎮化所引起的城鎮建設用地擴張量,大于如若這些人口繼續滯留在農村所引起的鄉村建設用地擴張量,促進了整個地區城鄉建設用地的擴張；而在另外一些地區,情況正好相反,人口的城鎮化促進了整個地區的土地集約利用；因此,在本研究中城鎮和農村常住人口密度的變化均未表現出與建設用地面積百分比變化的顯著相關性；反映了人口城鎮化對建設用地擴張的影響存在區域差異性。

2.4.4 政策因素的影響

發展政策方面,大規模的固定資產投資和不斷增長的外商直接投資是驅動我國建設用地急劇擴張的重要因素。在我國,投資驅動的經濟增長長期以來被當作重要的發展策略。統計顯示,2000—2010年,我國全社會固定資產投資年均增長23.76%,2010年達到27.81萬億元,占當年GDP的比重高達69.32%。其中,大約有1/4的固定資產投資投入到房地產開發,受此驅動,2000—2010我國城市建成區面積增長78.52%,而同期城市常住人口僅增長45.98%,土地城市化速度遠高于人口城市化速度,特別是一些“鬼城”經歷了爆炸式擴張,建設用地面積大幅增長,而人口城鎮化進程緩慢[40]。同時,大規模的固定資產投資投入到制造業和礦業部門,也不可避免地促進城市周邊與產業分布區建設用地的擴張。此外,有相當一部分固定資產投資投入到公共基礎設施如公路、鐵路和機場等的建設,并進一步影響家庭、企業和投資的區位選擇,促進基礎設施沿線和周邊地區建設用地的快速擴張。除了大規模投資外,積極吸引外資是改革開放以來我國促進區域經濟發展的另一重大戰略。2000—2010年,我國實際利用外資額從593.56億美元增加到1088.21億美元。一方面,為了吸引外資,各地區積極推動各類經濟開發區和產業園區的建設,促進了建設用地的擴張；另一方面,外資也為土地征收和開發利用提供了資金支持,進一步推動了建設用地的擴張。

保護政策方面,2000年前建立和2000年后建立的自然保護區,均在抑制所在地區建設用地擴張中發揮了積極作用；自然保護區在抑制保護區內建設用地擴張的同時,有助于地方政府優化整個區域的土地利用格局,提高建設用地的集約性。受數據的可獲取性制約,其他一些生態和耕地保護政策,如天然林保護工程、重要生態功能區建設、基本農田保護等未納入驅動力分析框架,理論上這些保護政策與自然保護區建設一樣,在抑制建設用地擴張上發揮重要作用,有待在未來的研究中進一步驗證。

3 結論

2000—2010年我國建設用地擴張具有顯著的正向空間自相關性,建設用地面積百分比的變化在空間上呈現出高-高、低-低聚集特征。為了克服一般線性回歸模型在分析空間自相關數據時存在的缺陷,本文分別采用一般線性、空間滯后和空間誤差3種回歸模型分析2000—2010年我國建設用地擴張的驅動力,并擇優選用。結果發現空間滯后回歸模型不僅在理論是合適的分析模型,而且在實際應用中具有更好的擬合效果,能夠更準確地識別我國建設用地擴張的核心驅動力。

2000年以來,我國社會經濟迅猛發展,在改善我國居民生活水平的同時,也驅動了我國建設用地的急劇擴張。第二產業的迅猛發展、流動人口的遷移聚集、大規模的固定資產投資、外商直接投資的快速增長,以及投資驅動的大規模的土地城鎮化和路網等基礎設施建設是驅動我國各地區建設用地擴張的主要驅動力；第三產業的發展、進口的增長以及自然保護區建設對我國建設用地的擴張具有一定的抑制作用,能夠緩解快速的社會經濟發展對建設用地擴張的驅動作用。地形條件也對各地區建設用地擴張有一定的影響,受西部大開發、中部崛起等區域均衡發展戰略的影響,在扣除其他因素的影響后,此間我國建設用地擴張更傾向于出現在高海拔地區；而平均坡度的升高對建設用地的擴張具有明顯的抑制作用。

綜合考慮各種驅動因素的變化趨勢,未來一段時間我國社會經濟發展對建設用地擴張的驅動作用將有所減弱。但考慮到目前我國建設用地的粗放利用現狀,嚴控建設用地規模,是確保我國社會經濟可持續發展的基本要求。有必要結合建設用地驅動力分析結果,重點開展如下工作：一是制定更為嚴格的產業用地標準,建立單位建設用地投資和產值限制標準,促進產業發展的土地集約利用；二是開展流動人口的遷移聚集趨勢預測和引導規劃,減小人口大規模遷徙對人口聚集地和來源地土地利用/覆蓋的雙重沖擊；三是優化固定資產投資結構,降低房地產等高土地依賴產業投資比例,大力遏制投資驅動的土地城鎮化和建設用地的無序擴張；四是通過戶籍制度改革和產業布局,推動人均建設用地占有量大、土地城鎮化過快地區的人口有序城鎮化，提高土地利用集約性；五是高度重視鄉村建設用地規模的控制,通過緊湊型農村社區規劃和建設、“空心村”整治、農村建設用地總量控制、農村宅基地確權登記和流轉等,控制鄉村建設用地的無序擴張。

[1] Foley J A, DeFries R, Asner G P, Barford C, Bonan G, Carpenter S R, Chapin F S, Coe M T, Daily G C, Gibbs H K, Helkowski J H, Holloway T, Howard E A, Kucharik C J, Monfreda C, Patz J A, Prentice I C, Ramankutty N, Snyder P K. Global consequences of land use. Science, 2005, 309(5734): 570- 574.

[2] Long H L, Liu Y Q, Hou X G, Li T T, Li Y R. Effects of land use transitions due to rapid urbanization on ecosystem services: Implications for urban planning in the new developing area of China. Habitat International, 2014, 44: 536- 544.

[3] Bürgi M, Hersperger A M, Schneeberger N. Driving forces of landscape change-current and new directions. Landscape Ecology, 2004, 19(8): 857- 868.

[4] Farina A. The cultural landscape as a model for the integration of ecology and economics. Bioscience, 2000, 50(4): 313- 320.

[5] Parcerisas L, Marull J, Pino J, Tello E, Coll F, Basnou C. Land use changes, landscape ecology and their socioeconomic driving forces in the Spanish Mediterranean coast (El Maresme County, 1850- 2005). Environmental Science & Policy, 2012, 23: 120- 132.

[6] Regos A, Ninyerola M, Moré G, Pons X. Linking land cover dynamics with driving forces in mountain landscape of the Northwestern Iberian Peninsula. International Journal of Applied Earth Observation and Geoinformation, 2015, 38: 1- 14.

[7] Weinzettel J, Hertwich E G, Peters G P, Steen-Olsen K, Galli A. Affluence drives the global displacement of land use. Global Environmental Change, 2013, 23(2): 433- 438.

[8] Newman M E, McLaren K P, Wilson B S. Long-term socio-economic and spatial pattern drivers of land cover change in a Caribbean tropical moist forest, the Cockpit Country, Jamaica. Agriculture, Ecosystems & Environment, 2014, 186: 185- 200.

[9] Mitsuda Y, Ito S. A review of spatial-explicit factors determining spatial distribution of land use/land-use change. Landscape and Ecological Engineering, 2011, 7(1): 117- 125.

[10] 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. Applied Geography, 2008, 28(3): 189- 209.

[11] Verburg P H, Veldkamp A, Fresco L O. Simulation of changes in the spatial pattern of land use in China. Applied Geography, 1999, 19(3): 211- 233.

[12] Aguiar A P D, Cmara G, Escada M I S. Spatial statistical analysis of land-use determinants in the Brazilian Amazonia: exploring intra-regional heterogeneity. Ecological Modelling, 2007, 209(2/4): 169- 188.

[13] Veldkamp A, Verburg P H. Modelling land use change and environmental impact. Journal of Environmental Management, 2004, 72(1/2): 1- 3.

[14] UNEP. Global Environment Outlook 5: Environment for the Future We Want. Malta: Progress Press Ltd, 2012.

[15] Alig R J, Healy R G. Urban and built-up land area changes in the United States: an empirical investigation of determinants. Land Economics, 1987, 63(3): 215- 226.

[16] Hassan R, Scholes R. Ecosystems and Human Well-Being: Current State and Trends. Washington DC: Island Press, 2005.

[17] 黃季焜, 朱莉芬, 鄧祥征. 中國建設用地擴張的區域差異及其影響因素. 中國科學 D 輯: 地球科學, 2007, 37(9): 1235- 1241.

[18] 談明洪, 李秀彬, 呂昌河. 20世紀90年代中國大中城市建設用地擴張及其對耕地的占用. 中國科學 D 輯: 地球科學, 2004, 34(12): 1157- 1165.

[19] Hietel E, Waldhardt R, Otte A. Statistical modeling of land-cover changes based on key socio-economic indicators. Ecological Economics, 2007, 62(3/4): 496- 507.

[20] 劉紀遠, 張增祥, 徐新良, 匡文慧, 周萬村, 張樹文, 李仁東, 顏長珍, 于東升, 吳世新, 江南. 21世紀初中國土地利用變化的空間格局與驅動力分析. 地理學報, 2009, 64(12): 1411- 1420.

[21] 陳春, 馮長春. 中國建設用地增長驅動力研究. 中國人口·資源與環境, 2010, 20(10): 72- 78.

[22] 王靜. 中國建設用地與區域經濟發展的空間面板計量分析. 中國土地科學, 2013, 27(8): 53- 58.

[23] Ma Y L, Xu R S. Remote sensing monitoring and driving force analysis of urban expansion in Guangzhou City, China. Habitat International, 2010, 34(2): 228- 235.

[24] Lin X Q, Wang Y, Wang S J, Wang D. Spatial differences and driving forces of land urbanization in China. Journal of Geographical Sciences, 2015, 25(5): 545- 558.

[25] Long H L, Heilig G K, Li X B, Zhang M. Socio-economic development and land-use change: analysis of rural housing land transition in the transect of the Yangtse River, China. Land Use Policy, 2007, 24(1): 141- 153.

[26] Liu T, Liu H, Qi Y J. Construction land expansion and cultivated land protection in urbanizing China: Insights from national land surveys, 1996- 2006. Habitat International, 2015, 46: 13- 22.

[27] 龍花樓, 李秀彬. 長江沿線樣帶土地利用格局及其影響因子分析. 地理學報, 2001, 56(4): 417- 425.

[28] 柯善咨, 何鳴. 規劃與市場——中國城市用地規模決定因素的實證研究. 中國土地科學, 2008, 22(4): 12- 18.

[29] Huang Z J, Wei Y H D, He C F, Li H. Urban land expansion under economic transition in China: A multi-level modeling analysis. Habitat International, 2015, 47: 69- 82.

[30] 陳曉軍, 張洪業, 劉盛和. 北京城市邊緣區土地用途轉換宏觀動因機制研究. 地理科學進展, 2003, 22(2): 149- 157.

[31] Bruckner M, Fischer G, Tramberend S, Giljum S. Measuring telecouplings in the global land system: A review and comparative evaluation of land footprint accounting methods. Ecological Economics, 2015, 114: 11- 21.

[32] Liu J G, Hull V, Moran E, Nagendra H, Swaffield S, Turner B L. Applications of the Telecoupling Framework to Land-Change Science // Seto K C, Reenberg A, Eds. Rethinking Global land Use in an Urban Era. MA: MIT Press, Massachusetts, 2014.

[33] Anselin L. Spatial Econometrics: Methods and Models. Netherlands: Springer, 1988.

[34] Ward M D, Gleditsch K S. Spatial regression models (Quantitative applications in the social sciences). Los Angeles: SAGE Publications Inc, 2008.

[35] Overmars K P, De Koning G H J, Veldkamp A. Spatial autocorrelation in multi-scale land use models. Ecological Modelling, 2003, 164(2/3): 257- 270.

[36] Verburg P H, Schot P P, Dijst M J, Veldkamp A. Land use change modelling: current practice and research priorities. GeoJournal, 2004, 61(4): 309- 342.

[37] 曹武星, 羅飛雄, 韓驥, 武彩燕, 象偉寧. 快速城市化地區交通主干道對景觀格局變化的影響. 地球信息科學學報, 2014, 16(6): 898- 906.

[38] 孟丹, 李小娟, 徐輝, 宮輝力. 京津冀都市圈城鄉建設用地空間擴張特征分析. 地球信息科學學報, 2013, 15(2): 289- 296.

[39] Nelson G C, Bennett E, Berhe A A, Cassman K, DeFries R, Dietz T, Dobermann A, Dobson A, Janetos A, Levy M, Marco D, Nakicenovic N, O′Neill B, Norgaard R, Petschel-Held G, Ojima D, Pingali P, Watson R, Zurek M. Anthropogenic Drivers of Ecosystem Change: an overview. Ecology and Society, 2006, 11(2): 29- 29.

[40] Li Y H, Li Y R, Westlund H, Liu Y S. Urban-rural transformation in relation to cultivated land conversion in China: Implications for optimizing land use and balanced regional development. Land Use Policy, 2015, 47: 218- 224.

[41] Jat M K, Garg P K, Khare D. Monitoring and modelling of urban sprawl using remote sensing and GIS techniques. International Journal of Applied Earth Observation and Geoinformation, 2008, 10(1): 26- 43.

[42] Deng J S, Wang K, Hong Y, Qi J G. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization. Landscape and Urban Planning, 2009, 92(3/4): 187- 198.

Driving forces of built-up land expansion in China from 2000 to 2010

HUANG Baorong1, ZHANG Huizhi2,*, SONG Dunjiang1, MA Yonghuan3

1InstitutesofScienceandDevelopment,ChineseAcademyofSciences,Beijing100190,China2InstituteofAgriculturalSci-techInformation,BeijingAcademyofAgricultureandForestrySciences,Beijing100097,China3InformationCenterofMinistryofLandandResourcesofChina,Beijing100812,China

China experienced rapid socioeconomic development and built-up land expansion during 2000—2010. Identifying key driving forces of built-up land expansion is essential for policy-makers to develop effective policies for sustainable land management. In this study, the change in the expansion of built-up land was used as the dependent variable, and 14 geographic, economic, demographic, and policy-related explanatory variables were chosen. Three models, including the ordinary least squares linear regression model, spatial lag model, and spatial error model were used to analyze the driving forces of built-up land expansion. The results showed that the spatial distribution of built-up land expansion was not random, but exhibited significant positive spatial autocorrelations, which would reduce the stability and accuracy of conventional ordinary least squares linear regression models and their explanatory power to the degree that they would not reflect reality. Comparing the goodness-of-fit for the three regression models, the spatial lag model proved to be more robust. The regression results of the spatial lag model indicated that built-up land expansion was widely influenced by various geographic, economic, demographic, and policy factors. The rapid development of secondary industry, massive in-migration floating populations, growth of fixed asset investments, and foreign direct investments, together with investment-driven land urbanization and infrastructure development were considered the primary driving forces of built-up land expansion in China from 2000 to 2010. Conversely, the development of tertiary industry, importation growth, and the establishment of natural protected areas helped to control construction land expansion. Moreover, natural factors, such as terrain slope and elevation influenced on built-up land expansion. Other things being equal, built-up land expansion occurred more frequently where the average elevation was high, because of several balanced regional development strategies, such as the Great Western Development Strategy, the Northeast China Revitalization Strategy, and the Rise of Central China Plan in the high altitude regions. In addition, increasing average slope had a significant negative (inhibiting) effect on built-up land expansion.

built-up land; expansion; socio-economic development; driving forces; spatial regression models

全國生態環境十年(2000—2010年)變化遙感調查與評估項目(STSN-04)；國家自然科學基金(40901300)；中國科學院“一三五”規劃重大任務(Y201131Z05)

2015- 07- 31;

2016- 12- 22

10.5846/stxb201507311611

*通訊作者Corresponding author.E-mail: zhanghuizhi@sina.com

黃寶榮,張慧智,宋敦江,馬永歡.2000—2010年中國大陸地區建設用地擴張的驅動力分析.生態學報,2017,37(12):4149- 4158.

Huang B R, Zhang H Z, Song D J, Ma Y H.Driving forces of built-up land expansion in China from 2000 to 2010.Acta Ecologica Sinica,2017,37(12):4149- 4158.