寶雞市土地利用結構演化與驅動因素分析

金鵬 張健 王寧

摘 要：為了探討未來土地利用方向和優化土地利用結構，實現土地資源的高效利用，研究區域土地利用結構演變和驅動因素十分重要。本文采用2013—2018年寶雞市土地利用變更調查數據，運用土地利用數量、程度、空間變化等指標測算模型分析土地利用演化規律，并用主成分分析法對主要驅動因素進行分析。結果表明：2013—2018年，寶雞市耕地、園地、林地、草地面積均減少，土地利用結構調整明顯;城鎮用地、交通運輸用地、村莊用地面積急劇增加，與耕地面積的減少呈顯著的負相關性;土地利用程度綜合指數逐年上升，人類對土地的利用程度加深，土地利用率越來越高;利用主成分分析法對影響土地利用結構演化的人文因素進行了分析，得出主要驅動因素為人口增長、經濟水平、城鎮化水平和農業化水平。因此，寶雞市走集約型發展道路，提高土地開發利用率，優化并調整土地利用結構，從而實現寶雞市土地資源的高效利用。

關鍵詞：土地利用;結構演化;驅動因素;寶雞市

中圖分類號：S2 ? ? ? 文獻標識碼：A

DOI：10.19754/j.nyyjs.20201030025

引言

土地資源是人類生存及其繁衍的基礎，土地利用及其變化對于表征人類生產活動對自然環境影響的程度具有重要作用，也是全球變化研究的熱點和前沿話題，一直深受國內外研究學者的持續性關注[1-9]。近幾年，國外土地利用側重于研究土地與生態關系及土地利用動態變化的預測[1-4]，國內研究側重于從不同角度采用多種方法對土地利用變化演變趨勢、驅動力影響及對生態系統服務價值的影響[5-9]。

按照《關中—天水經濟區發展規劃》提出的總體要求以及絲綢之路的重新激活這個重要契機，對于寶雞市的土地利用進行研究十分重要。目前關于土地利用結構方面的研究比較多，陳磊等運用信息熵和SSM模型分析了南京市土地利用結構時空格局差異，并構建了經濟計量模型探討驅動因素[6];胡源等采用多樣化指數、優勢度指數、和均勻度指數分析了武漢市多年來土地利用結構變化[8];張瑜等基于生態系統服務價值動態評估模型研究了黃土高原土地利用變化對生態系統服務價值的影響程度以及生態環境質量與社會經濟發展的協調關系[9];于雪麗等采用熵值函數模型分析土地利用結構動態變化，應用灰色關聯方法引起土地利用結構的信息熵變化的驅動因素[10];王啟明采用土地利用動態度和土地利用強度指數分析了寶雞市土地利用的速率和程度的變化趨勢[11];郭力宇等運用GIS技術和景觀格局分析方法，系統分析區域土地利用與景觀格局時空演變特征[12];張洪敏等利用遙感技術研究區域生態變化特點，對寶雞市城區及其土地利用類型的生態環境質量變化進行了綜合評價[13];劉佳等對寶雞市土地利用經濟效益進行了評價研究[14];任志遠等基于壓力—狀態—響應（PSR）概念模型，研究區的生態安全變化狀況進行深入研究，并利用灰色系統理論中的灰色系統預測模型進行預測[15]。已有研究主要采用數值模擬、模型預測、遙感、GIS分析和景觀生態等方面研究土地利用的空間特征和演變過程，寶雞市地理位置十分重要，研究寶雞市土地利用結構演化和驅動因素分析具有重要意義。

本文采用土地利用變更調查數據作為詳細的數據源，對2013—2018年寶雞市土地利用結構演化規律進行了研究，并且利用主成分分析法分析土地利用結構演化的主要驅動因素，為土地管理法律法規和土地規劃的合理制定提供了理論依據。

1 研究區概況

寶雞市是陜西省第2大城市，位于E106°18′～108°03′，N33°35′～35°06′，處于西安、蘭州、銀川、成都4個省會城市的中心位置，是通往祖國西南、西北的重要交通樞紐。市域內地形主要構成為秦嶺群峰與渭河平原，具有南、西、北三面環山，以渭河為中軸向東拓展，呈尖角開口槽形的特點。屬于暖溫帶半濕潤氣候，四季分明，夏季炎熱多雨，冬季寒冷干燥。寶雞市轄3個市轄區、9個縣，如圖1所示。

2 數據來源和研究方法

采用寶雞市2013—2018年土地利用現狀年度變更調查數據，數據獲取通過收集各縣區1∶10000的土地利用變更調查數據，這樣的數據在精度和時間上比傳統方法更好。本研究利用土地利用數量、程度、空間變化相關指標和數學模型對寶雞市土地利用結構演化規律進行定量與定性分析。

2.1 土地利用數量變化指標

從表2可以看出，2013—2018年研究區各種土地利用類型都發生了顯著的變化，但不同土地利用類型變化的總量、變化幅度和變化速度卻存在明顯差異。農用地數量較大幅度減少，其中林地和耕地減少面積更為突出，農用地面積整體呈現下降趨勢;建設用地增加顯著，其中城鎮用地增加最多，交通建設用地次之。這是由于了近6a間城鎮化進程的加快速度，區域土地利用結構發生了巨大變化，因為城鎮用地土地生產效益較好以及寶雞市注重工業發展，寶雞市近年通過增減掛鉤政策，農業地減少逐漸向城鎮建設用地增加的趨勢。采礦用地增加了16.75hm2，顯示了近幾年隨著自然資源部門限制小型采礦企業以及資源稟賦的限制，采礦規模并未顯著擴大;村莊用地增加了614.79hm2，說明近幾年隨著生活水平的提高，農民對于住房條件進行了改善，住房面積進一步擴大。從變化的總量來看，林地、耕地、城鎮用地、交通用地、園地依次排名靠前;從變化幅度和變化速率來看，交通運輸用地、園地、草地、水域及水利設施用地、村莊用地依次排名。

3.2 土地利用程度變化分析

為統計數據的精確度，將寶雞市3個市轄區和9個縣同時統計，這樣將寶雞市域一共劃分為12個區縣。計算出寶雞全域范圍2013—2018年土地利用程度綜合指數及其變化和土地利用程度變化量和變化率，見表3、4。由表3分析，2013—2018年寶雞市全域土地利用程度綜合指數持續緩慢上升，至2018年分值已經達到較高的205.581，這反映出寶雞市人為因素對土地利用的影響巨大，并隨著經濟發展，人類活動對土地利用的影響持續上升。其中，2016年和2017年土地利用程度年變化量和變化率較大，這反應了寶雞市在2016—2017年土地利用開發深度相對其它時間段相對較大。

從分區來看，在土地利用程度綜合指數方面，各分區均呈現上升趨勢。2013年和2018年變化趨勢一樣，均為金臺區>扶風縣>岐山縣>眉縣>鳳翔縣>渭濱區>陳倉區>千陽縣>隴縣>麟游縣>鳳縣>太白縣;在土地利用程度變化量方面，金臺區以0.85的分值高居第1，渭濱區、眉縣和岐山縣居2～4位;在土地利用程度變化率方面，渭濱區、金臺區、眉縣列前3位。

3.3 土地利用空間變化分析

依據式（6）、（7）計算土地利用類型相對變化率，見表5。

由表5分析可知，寶雞市全域耕地相對變化率渭濱區最高，變化率達到14.6186，寶雞市金臺區、眉縣的耕地相對變化率為6.2698，4.0262，3個區域的耕地變化率均高于寶雞市的全域水平;園地的相對變化率區域之間差異也較大，扶風縣的園地發展也相對較快，說明6a時間2個區域農業結構調整力度相對較大;城鎮用地中麟游縣、眉縣、太白縣的相對變化率較高，反映了這些區域城鎮化程度相對快于其它地區;采礦用地的區域變化差異最大，千陽縣達到12.0695，岐山縣、麟游縣相對變化率也很高;村莊用地相對變化率為渭濱區、太白縣、麟游縣，反映了這些區域人口增長速度相對快于其它地區;交通運輸用地渭濱區、金臺區、鳳縣變化率較高，說明寶雞市6a間在這幾個地區交通方面投入強度較大。

4 土地利用變化的驅動因素分析

寶雞市土地利用變化受眾多因素綜合驅動的影響，受多層次、多方面的制約。如，土地自身條件的限制、人口增長的速度、人類對土地開發利用活動、宏觀社會經濟發展的推動和經濟效益的驅動等，可以歸納為自然因素和人文因素。其中，自然因素在在短期內對土地利用變化的影響不大，而人文因素是影響土地利用變化的主要因素。因此，本文選擇“主成分分析法”對影響土地利用變化的人文因素進行定量分析，分析結果有助于理清和把握各因素對于土地利用的影響，從而針對具體情況制定土地政策。

根據主成分分析方法的研究思路，按照綜合性、主導性以及指標的可獲取性為原則，本文選取了反映人口增長、經濟發展、城市化和農業生產水平的12個人文因素，如表6所示。

這12個因素均選取2013—2018年的數據作為分析樣本，數據來源于寶雞市統計年鑒（2013—2018），見表7。

采用統計分析軟件SPSS25中文版進行分析，計算得出特征值及各個主成分的方差貢獻率與累計貢獻率（如表7）。從表7可知，第1主成分到第3主成分的累積貢獻率為96.392%，達到了主成分分析要求的85%～95%的標準，因此求出第1主成分、第2主成分以及第3主成分即可，這樣的結果已經能夠充分反映寶雞市的土地利用變化的綜合情況。

為了使主成分分析便于解釋，采用最大方差旋轉法對因子載荷矩陣進行旋轉得到因子旋轉后的因子載荷矩陣，見表8。這樣使因子載荷矩陣的因子載荷的平方值趨于方向化，大的載荷和小的載荷更容易區分。

由表8、9可以得出，影響寶雞市土地利用結構演變的主要驅動因素。

第1主成分的貢獻率為72.928%，與VAR-3、VAR-2、VAR-9、VAR-12、VAR-4、VAR-7、VAR-1、VAR-8、VAR-10有較大的正相關，所反映的信息綜合全面，與經濟發展水平、人口增長、城市化密切相關。全市地區生產總值是最具有活力的土地利用變化的驅動因素之一，2013—2018年，寶雞市GDP由1545.91億元增加到2265.16億元，增長了719.25億元，增幅46.53%，地區生產總值的增長最直接地加速了土地利用結構演變的進程;農村居民人均純收入2013—2018年，由7721元變成11936元，人民生活水平普遍提高。非農業人口數量也顯著增加，快速的經濟增長必然伴隨著城鎮用地的增長，也會導致交通用地等基礎設施用地逐漸增加。第1主成分與VAR-3、VAR-2、VAR-9、VAR-12相關性最大，而這4個因素GDP、非農業人口數、農村居民人均純收入、人口密度對寶雞市土地利用結構演變的影響較大。

第2主成分與VAR-6、VAR-8、VAR-1具有較高的相關性。從總人口數來看，寶雞市的總人口數不斷增加，2013—2018年由374.46萬人增長為377.1萬人，凈增2.64萬人，增幅約為0.71%;城鎮居民人均純收入由28509元增長為31802元，凈增3293元。可以說明，寶雞市在人口增長的情況下城鎮居民生活水平也在不斷提高。因此，綜合來看人口增加，經濟水平提高等因素是寶雞市2013—2018年土地利用變化的主要影響因素。

第3主成分與VAR-10為正相關關系且具有較大的相關性。糧食單產由2013年的287.57kg·667m-2變為2018年的292.3kg·667m-2，隨著經濟水平的提高，農民對于基本農田進行高標準農田建設以及對于農業生產原料的投入加大，農業生產水平的上升使得糧食產量逐漸加大。所以農業生產水平對于寶雞市的土地利用變化也有影響，這些因素共同促進了寶雞市土地利用結構演變進程。

5 結論與討論

5.1 結論

運用本文引用的3個模型對寶雞市土地利用結構演化規律進行分析，結果表明如下。

2013—2018年，寶雞市不同土地利用類型變化量存在明顯差異，變化幅度和變化速度也是如此，耕地、園地、林地、草地等農用地面積均有減少，因地制宜的對農業結構進行了調整，城鎮用地、交通用地和村莊用地有所增加。說明近年來，土地利用類型由農用地轉化為建設用地的趨勢，這樣對于寶雞市的土地利用率更高、土地收益更好，從土地利用變化幅度和土地利用變化速率兩者綜合來看，城鎮用地、交通運輸用地和園地變化幅度居前3位。

土地利用程度綜合指數持續上升，表明近年來土地利用程度逐漸加深，人類因地制宜地對土地利用，利用效率越來越高。其中，2016年和2017年寶雞市對土地開發利用的程度最高，在分區土地利用程度變化量和變化率上，前3位是金臺區、渭濱區、眉縣。

從土地利用空間變化率分析，渭濱區、金臺、眉縣這3個區域耕地相對變化率位居前3;園地變化率渭濱區、扶風縣較高;城鎮用地中麟游縣、眉縣、太白縣的相對變化率較高，反映了這些區域城鎮化程度要快于其它地區;采礦用地的相對變化率依次為千陽縣、岐山縣、麟游縣;村莊用地相對變化率為渭濱區、太白縣、麟游縣，反映了這些區域人口增長速度相對快于其他地區;交通運輸用地渭濱區、金臺區、鳳縣變化率較高。其中采礦用地土地利用類型變化差異性最大。

通過定性分析和運用主成分分析法對寶雞市的驅動因素進行了綜合對比，得出影響寶雞市土地利用結構演化的主要驅動因素有4個：人口增長、經濟發展水平、城鎮化水平和農業生產水平。

5.2 討論

寶雞市在未來一段時期經濟仍將穩定發展，經濟結構調整將更加合理，城市綜合實力也將進一步增強。這必將導致耕地保護難度加大，對土地利用結構優化、土地利用合理布局和土地資源保護提出更高要求。本研究以寶雞市各區縣土地利用類型為研究對象，掩蓋了縣域內土地利用結構的差異性，今后研究更應該細化，研究結果可以反映近年寶雞市土地利用結構演化趨勢，并且進行了驅動因素分析。因此，寶雞市今后應注重保護耕地，盤活存量用地，集約利用土地，持續優化土地利用結構，努力實現“效率型”土地利用模式，使土地利用更科學，實現可持續利用的發展道路，為實現寶雞市一帶一路建設和關天經濟區的良好發展奠定基礎。

參考文獻

[1] Ambika P Gautam，Edward L Webb，Ganesh P Shivakoti，Michael A Zoebisch.Land use dynamics and landscape change pattern in a mountain watershed in Nepal[J]. Agriculture， Ecosystems and Environment，2003，99（1）：65-66.

[2] Bin Guo. Dynamic Change of Land Use in the Southern Loess Plateau [J]. Advanced Materials Research，2014（2914）：2703-2706.

[3]Kanhaiya Lal，Dharmendra Kumar，Amit Kumar. Spatio-temporal landscape modeling of urban growth patterns in Dhanbad Urban Agglomeration， India using geoinformatics techniques[J]. The Egyptian Journal of Remote Sensingand Space Sciences，2017，20（1）：101-103.

[4]QingXu Huang，ChunYang He，ZhiFeng Liu，PeiJun Shi. Modeling the impacts of drying trend scenarios on land systems in northern China using an integrated SD and CA model[J]. Science China Earth Sciences，2014，57（4）：13-16.

[5]王佳，崔柳，張盼盼，高赫.多光譜遙感數據城市邊緣區土地利用時空結構演化[J].遙感信息，2019，34（01）：51-57.

[6]陳磊，孫佳新，姜海，唐華.南京市土地利用結構時空格局及驅動因素[J].水土保持研究，2020，27（01）：197-206.

[7]馬晴，李丁，廖杰，等.疏勒河中下游綠洲土地利用變化及其驅動力分析[J].經濟地理，2014（01）：148-155.

[8]胡源，王秀蘭.武漢市土地利用結構變化及其驅動因素分析[J].水土保持研究，2014，21（06）：234-239.

[9]張瑜，趙曉麗，左麗君，張增祥，徐進勇.黃土高原土地利用變化對生態系統服務價值的影響[J].國土資源遙感，2019，31（03）：132-139.

[10]于雪麗，郭歡歡，李燦，梁啟學.基于信息熵的重慶市土地利用結構時空演變及其驅動因素分析[J].江蘇農業科學，2019，47（17）：261-265.

[11]王啟名，楊昆，許泉立.寶雞市土地利用動態變化分析[J].安徽農學通報，2017，23（16）：16-17，165.

[12]郭力宇，李怡，郭昭.寶雞市渭北旱塬區土地利用及景觀格局動態變化分析[J].西北林學院學報，2018，33（05）：263-268.

[13]張洪敏，張艷芳，田茂，吳春玲.基于主成分分析的生態變化遙感監測——以寶雞市城區為例[J].國土資源遙感，2018，30（01）：203-209.

[14]劉佳，趙敏娟.寶雞市土地利用經濟效益評價[J].水土保持研究，2011，18（06）：216-220.

[15]蒙曉，任志遠，戴睿.基于壓力-狀態-響應模型的寶雞市生態安全動態評價及預測[J].水土保持通報，2012，32（03）：231-235，295.

[16]滕宇思，夏維力.城市化進程中的西安市土地利用變化及其驅動力分析[J].測繪科學，2015，40（02）：109-114.

（責任編輯 周康）