基于地理探測器的干旱區綠洲土地利用變化影響因子

陳曉曉 張永福

摘要：研究以2005—2015年Landsat系列遙感影像為本底，利用轉移矩陣和土地利用綜合程度科學分析干旱區渭庫綠洲土地利用時空演變特征，并結合地理探測器模型深入探討主要影響因素及定量歸因。結果表明，時空分析2005—2015年間耕地、建設用地、水域增加，林地、草地和未利用地有所減少，其中轉出量表現為草地> 未利用地> 林地> 耕地> 水域> 建設用地，有用地主要轉入耕地和草地，具體為158 551.29、113 581.98 hm2。因子探測研究年主要影響因子均為NDVI、土地利用綜合程度，2005年解釋力度q分別為NDVI（X1）0.779、土地利用綜合程度（X10）0868，2010年分別為 0.720、0.893，2015年分別為0.699、0.854。交互式探測土地利用時空演變是內外因素共同作用的結果，且雙因子作用強度比單因子作用強度更為顯著。探討干旱區綠洲土地利用變化及其影響因子對于區域土地資源的有效利用有著重要的意義。

關鍵詞：土地利用;影響因素;地理探測器模型;渭庫綠洲

中圖分類號：F205;S127文獻標志碼： A文章編號：1002-1302（2021）02-0167-07

收稿日期：2020-04-03

基金項目：新疆阿克蘇市耕地占補平衡儲備庫項目（編號：201704051015）;新疆維吾爾自治區研究生科研創新項目（編號：XJ2019G053）。

作者簡介：陳曉曉（1992—），女，河南鹿邑人，碩士研究生，主要從事國土資源信息技術研究。E-mail：xiao_c0319@stu.xju.edu.cn。

通信作者：張永福，副教授，主要從事國土資源評價方向的研究。E-mail：zyf431@sina.com。

土地資源是人類賴以生存的載體，區域土地資源的有效利用對人類可持續發展有著重要意義。土地利用/覆被變化（land use/land cover change，簡稱LUCC）是地球表層系統最為明顯的的景觀標志，在全球氣候變化中扮演著重要角色[1]，是全球氣候環境研究的重要內容[2]。LUCC的研究熱潮始于1992年，在聯合國議程中定為21世紀科研工作的重點探究對象[3]。隨著研究的深入，LUCC對全球氣候變化的累積影響越來越受到重視。

目前，對土地利用時空演變分析的研究范圍較廣，涉及全球[4]、中國[5]、德黑蘭南部[6]、英國[7]、喜馬拉雅湖流域[8]、斯洛伐克[9]等。用于研究土地利用時空變化規律的方法有單一土地利用動態度、程度綜合指數[10]，土地轉移矩陣、標準差橢圓分析、熱點分析、核密度分析[11]等同時對影響時空演變格局內在機制研究也逐漸展開，其中模型法成為土地利用時空變化驅動因素研究的主要方法，如Liu等分別采用多維DPSIR指標[12]、多元線性回歸[13]、Logistic回歸模型法[14-15]等定性定量方法上，驅動因子在自然、氣候、社會經濟等方面進行闡述，在揭示土地利用時空演變規律影響因子的領域提供了重要的理論支撐。吳琳娜等分別從土地利用變化速度、轉移方向和土地利用程度方面進行全面分析[16]。旱區綠洲是人們生產生活的重要場所，對土地利用研究內容較豐富，涉及土地利用動態[17]、土地利用效益[18]及地表蒸散時空變化特征[19]等。

渭庫綠洲作為天然的生態屏障在人與自然和諧相處過程中占據重要地位，隨著快速的經濟發展、不合理的資源開發、迅速的城鎮化和激增的人口數量，綠洲承載能力和生態環境正面臨巨大的壓力，亟須定量研究LUCC的內在機制，掌握干旱區綠洲演變發展的普遍規律。地理探測器模型[20]，能定量識別因子間的相互作用，探測各因子對土地利用變化的貢獻值，從構建的空間數據庫中提取重要的空間關聯規則[21-22]。故以干旱區渭庫綠洲為靶區，用轉移矩陣及土地利用綜合程度方法綜述土地利用時空演變，借助地理探測器模型進行LUCC影響因素重要度排序，旨在為政府相關部門未來土地治理及優化配置提供參考依據。

1數據來源與研究方法

1.1研究區概括

渭庫綠洲位于新疆維吾爾自治區南部阿克蘇地區境內（81°28′30″～84°05′06″E、39°29′51″～42°38′01″N），坐落在天山南麓，塔里木河北緣，地跨庫車縣、沙雅縣、新和縣，呈貝殼狀，是干旱區最典型的荒漠綠洲之一（圖1）。渭庫綠洲屬于暖溫帶大陸性干旱氣候，其日照時間長，年均日照時數為 2 884.43 h，8月日照最多，12月最少;冬季寒冷，無霜期較長，降水稀少，主要分布在夏季，降水量在1年之中變化具有較大的跳躍性;空氣干燥，蒸發量旺盛，平原區的年總蒸發量在1 766～2 450 mm之間，平均年蒸發量為2 024 mm，夏季蒸發量高，冬季較少。

1.2數據來源與處理

1.2.1Landsat系列數據Lansat系列數據源于美國USGS網站（https：//landsatlook.usgs.gov/viewer.html），空間分辨率30 m，云量在10%以內，2005年7月與2010年8月選取Landsat5 TM數據。2015年7月使用Landsat8 OLI數據。對遙感數據進行一系列輻射定標、大氣校正、裁剪等預處理，分析研究區土地利用景觀類別特征，參照《土地利用現狀分類標準》（GB/T 21010—2007）土地用地一級分類方法[23]。構建土地利用空間數據庫，景觀類型分為6類：耕地、林地、水域、草地、建設用地、未利用地。歸一化植被指數（normalized difference vegetation index，簡稱NDVI）相對綠色植被比較敏感，可用于植被的監測、分類和物候分析[24]。通過ENVI軟件的波段運算模塊得到渭庫綠洲NDVI。

1.2.2氣象數據由中國氣象科學數據共享服務網（http：//data.cma.cn/site/index.html）提供，數據包括年均溫度、年均降水量、年均日照。運用ArcGIS的空間分析模塊的Kriging插值法將氣象數據空間化。

1.2.3人口密度（總人口數/土地面積）庫車、沙雅、新和3縣的統計年鑒，《阿克蘇地區統計年鑒》，3縣政府網站發布的統計公報等統計人口數，借助ArcGIS柵格化人口數據，計算人口密度。

1.2.4土壤類型數據土壤類型數據源于中國科學院資源環境數據中心，含潮土、風沙土、鹽土、漠境鹽土、草甸土、灌淤土、林灌草甸土、石質土、沼澤土、棕漠土等10種土壤類型。

1.2.5地形數據30 m分辨率的高程數據來自地理空間數據云（http：//www.gscloud.cn）平臺。預處理包括拼接、裁剪、定義投影。坡度：在高程基礎上算取坡度并按照《第二次全國土地調查技術規程》中的標準耕地坡度分級要求進行重分類，包括≤2、>2～6、>6～15、>15～25、>25等5個坡度級[25]。地形起伏度：是區域海拔高度和地表切割程度的綜合表征[26]，在arcGIS中經過領域分析、地圖代數和重分類獲得。

1.2.6采樣數據根據均勻分布原則，選取近 6 000 個樣點（最終選取具有代表性的433個純像元驗證），于2019年7、8月使用國土調查云在線監管軟件進行野外實地勘察驗證。采樣范圍覆蓋3縣各個鄉村。驗證樣點見圖1。土地利用分類驗證使用ENVI的混淆矩陣得出κ系數和總體精度均在80%以上。

1.3研究方法

1.3.1土地利用轉移矩陣轉移矩陣可以直觀表征在一段時間變化內某一土地類型由起始年轉為末尾年轉入轉出的面積及各個地類變化的方向。

Sij=S11S12S13…S1n

S21S22S23…S2n

Sn1Sn2Sn3…Snn。（1）

式中：S為轉移的地類面積;i、j為年份初期和末期，n為分出的土地利用類型數量，行數表明i時期的土地利用類型轉變為j時期土地利用類型的部分;下劃線部分表示相同地類i時期到j時期土地利用類型沒有變化部分。

1.3.2土地利用程度土地利用程度綜合反映了土地利用類型結構及影響因素的綜合效應。使用ArcGIS的空間分析模塊，參照楚玉山等提出的土地利用程度法[27]，對各土地利用分級賦值[28]，達到量化土地利用程度的效果。土地利用綜合程度公式如下：

L=100×∑ni=1Ai×Ci。（2）

式中：L為土地利用程度綜合指數;Ai為第i級的土地利用程度分級指數;Ci為第i級土地利用程度分級面積百分比。

1.3.3地理探測器地理探測器模型（Geodetector）（http：//www.geodetector.org/）是一種探測空間分異性，并揭示其背后驅動因素的全新模型[29]。在定量化驅動因子影響因素中用q統計量值描述，具體表現為q值越大自變量（X）對因變量（Y）的影響程度越高且空間分布越相似，包含因子、交互作用、生態、風險區等4項探測。本研究選取因子探測、交互作用探測解讀LUCC影響因素的內在機理。因變量（Y）使用土地利用分類數據，自變量選取10個因子：NDVI（X1）、土壤類型（X2）、高程（X3）、坡度（X4）、地形起伏度（X5）、人口密度（X6）、年均氣溫（X7）、年均日照（X8）、年均降水量（X9）、土地利用綜合程度（X10）。

1.3.3.1因子探測用于識別各影響因素對LUCC的解釋力及在空間上是否具有顯著的一致性，對LUCC變化方向有決定性作用。模型表達式如下：

q=1-1Nσ2∑Lh=1Nhσ2h（3）

式中：q為驅動力因素對LUCC的影響力探測指標;N為全區單元數量;Nh=h級單位樣本數，h=1，…，L，為影響因子的分類數;σ2為研究區土地利用類型方差;σ2h=h級土地利用類型方差;q的取值范圍為[0，1]。

1.3.3.2交互作用探測以圖示、判據和交互作用直觀描述2個影響因素之間對土地利用類型的影響是減弱、增強、或者相互獨立。與單因子影響對比在土地利用發展中起更適宜的決策作用。

交互探測表達式中如果q（X1∩X2）max[q（X1），q（X2）]，2個影響因子交互雙因子增強;如果q（X1∩X2）=q（X1）+q（X2），2個影響因子交互獨立;如果q（X1∩X2）>q（X1）+q（X2），2個影響因子交互非線性增強。將自變量數據轉為類型量保存柵格格式，為在空間上匹配自變量和因變量的值，利用ArcGIS制作隨機樣點1 998個，進而提取每個隨機樣點的自變量、因變量離散化后的值。

2結果與分析

2.1渭庫綠洲土地利用時間序列分析

根據土地利用地類等級劃分標準，分類方法采用監督分類，在分類精度達到要求的基礎上，最終獲得渭庫綠洲2005—2015年土地利用分類（圖2）。依據研究區分類情況進一步具體分析地類在時序上的變化。

分析2005—2015年土地利用分類數據，土地利用年際變化總體特征在各土地利用類型面積上變化明顯（圖3-a、圖3-b），2005年占研究區范圍最多的地類為草地、未利用地和耕地，地類面積分別為 325 096.20、257 826.69、158 205.33 hm2，占總面積比例分別為37.7%、29.9%、18.3%。2010年占研究區范圍最多的地類為草地、耕地、未利用地，地類面積分別為285 693.66、230 493.60、213 810.48 hm2，占總面積比例分別為33.1%、26.7%、24.8%。2015年占研究區范圍最多的地類為草地、耕地、未利用地，地類面積分別為272 709.45、265 091.94、213 964.29 hm2，占總面積比例分別為31.6%、307%、24.8%。3年占地面積最多的均為耕地、草地和未利用地， 表明這3種地類屬于主體地類。各地類年際增幅在2005—2010年及2010—2015年間變化量有不同的波動（圖3-c），在10年間總體變化量增加的地類有耕地、水域、建設用地，變化量分別為106 886.60、5 701.95、35 737.47 hm2，變化量減少的地類有林地、草地、未利用地，變化量分別為 52 076.9、52 386.8、43 862.4 hm2。

2.2渭庫綠洲土地利用類型演變分析

通過分析2000—2015年間渭庫綠洲土地利用地類轉移矩陣（表1），土地利用之間的轉入轉出量在空間上表現出較大的差異性。轉出量排序為草地> 未利用地> 林地> 耕地> 水域> 建設用地，其中草地、未利用地、林地、耕地轉出量較大，轉出面積分別為165 968.73、86 098.14、78 080.40、51 664.68 hm2，草地主要轉化為 88 212.06 hm2 的耕地和38 771.46 hm2的未利用地，未利用地主要轉化為23 969.79 hm2的耕地和46 761.48 hm2的草地。轉入面積最多的地類為耕地、草地，轉入面積分別為158 551.29、113 581.98 hm2。不可忽視的是建設用地，與基期年相比轉入幅度較大，具體為42 360.39 hm2，遠比轉出面積6 622.92 hm2大很多，建設用地面積的增大導致大面積的草地和未利用地減小。雖然10年間土地利用地類不斷發生變化，但總體轉入轉出面積相對平衡。

2005—2015年間各階段土地利用綜合程度指數分別為187.88、207.74和254.35，增長量分別為19.86與46.61，雖然2005—2010年發展速度沒有2010—2015年發展快但總體趨勢呈增長狀態，說明10年間土地利用屬于發展期且發展較快（圖4）。由于綠洲區域地勢平坦環境適宜生存，所以人類活動影響土地利用空間演變規律較明顯。

2.3渭庫綠洲土地利用時空演變定量歸因

2.3.1單子探測LUCC時空變化能直觀地反映土地類型變化程度，為反映變化深度追其內在原因，定量反演各影響因子對LUCC的影響系數，通過公式（3）進行因子探測，其中q值越大，LUCC空間分布分異性越明顯（圖5）。2005年影響較大的單因子為土地利用綜合程度（q=0.868）、NDVI（q=0779），影響程度次之的因素有土壤類型、年均降水量、高程、年均日照，解釋力度q值分別為0.321、0.123、0.119、0.102，說明自然因素與地形因素直接或間接影響土地利用時空間演變格局。研究時段其他影響程度從大到小依次是年均氣溫、人口密度、坡度、地形起伏度，解釋力度q值分別為0.039、0.006、0004、0.001，解釋力度較小，但是也從一定程度上參與影響土地利用時空演變。2010、2015年單因子探測影響較大的因子與2005年相同，均為土地利用綜合程度和NDVI，q值解釋力均大于0.6，其他影響因子影響程度的趨勢也與2005年相同，充分說明土地利用時空演變有規律可循。

2.3.2交互探測研究土地利用時空演變影響因素定量歸因， 應用地理探測器定量分析2個因子同時作用對LUCC的空間分異性（圖6），2005—2015年間任一2個因子的作用強度都高于單個因子的影響。2005、2010、2015年交互影響最強烈的因子均為土地利用綜合程度和NDVI，交互值分別為0916、0.927、0.893，根據交互判據，研究年土地利用綜合程度和NDVI交互作用均為雙因子增強。有土地利用綜合程度與NDVI參與的交互值都較高，說明研究時段，土地利用綜合程度和NDVI使土地利用時空演變更加復雜。土壤類型、高程、年均日照、年均氣溫、年均降水量等因素相互作用，探測值在0.15～0.45之間，交互作用多為非線性增強，較少為雙因子增強，體現了因子間作用的復雜性。當出現與地形起伏度、人口密度、氣象數據因子交互探測時，交互值低于0.15且交互作用多為非線性增強。

3結論與討論

通過監督分類統計地類，結合轉移矩陣和土地利用綜合程度分析2005—2015年間LUCC的時空格局演變特征，研究地理探測器模型探測自然因素、區位因素、社會經濟因素等驅動因子對LUCC的影響定量歸因。

土地利用時空演變較為復雜，耕地、草地、未利用地占地比最高，且變化幅度也較大，水域、林地變化較穩定，建設用地總體基數低，但是同比建設用地面積增長較快。2005—2015年間耕地增長 106 886.6 hm2 變化較大，占研究區面積18.33%，呈相同趨勢的建設用地和水域，同比增長 35 737.47、5 701.95 hm2。林地、草地和未利用地逐年相對減少52 076.9、52 386.8、43 862.4 hm2，總體轉入轉出量較平衡。

研究選用10種影響因子進行單因子探測，各影響因子對土地利用空間演變解釋力度不同，3年解釋力度最高的均為土地利用綜合程度和NDVI，其他因子解釋力度在3個時間階段上總體趨勢相同，10年間在不同程度上影響土地利用空間分異性，土地利用綜合程度是人類活動綜合作用的結果，側面反映人類活動影響土地利用時空格局，地形因素不是主要影響因素，這與綠洲區域地形平坦的特點有著間接關系，氣象數據的作用值也較小，由于在研究區范圍氣候變化較穩定較少出現極端天氣。各因子的作用強度不同，但都在一定程度上改變著LUCC的空間分布。

研究時段單因子探測影響強度高的在交互探測中交互值也最大，交互探測中交互強度最高的為土地利用綜合強度與NDVI，且所有因子間的耦合均能增強對土地利用時空演變的解釋力，交互作用為雙因子增強與非線性增強。

土地類型的變動不僅影響當地的發展對周圍區域的影響也不可忽視，干旱區生態環境敏感，修復能力弱，具體分析時空特征及主要影響因素，依據不同的主導因素對干旱區土地利用類型合理規劃及后期維護中有針對性地治理，有效維持生態環境。土地變化影響因素及因子間的耦合作用較復雜，由于可獲取數據的局限，選取指標須進一步豐富，后續研究中將引用更多較復雜的影響因子如政策制度、土地用途管制因素、生態紅線等進行綜合研究。

參考文獻：

[1]Vitousek P M. Beyond global warming：ecology and global change[J]. Ecology，1994，75（7）：1861-1876.

[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，2014，69（1）：3-14.

[3]Liu J Y，Deng X Z. Progress of the research methodologies on the temporal and spatial process of LUCC[J]. Chinese Science Bulletin，2010，55（14）：1354-1362.

[4]Liu X，Yu L，Si Y，et al. Identifying patterns and hotspots of global land cover transitions using the ESA CCI Land Cover dataset[J]. Remote Sensing Letters，2018，9（10）：972-981.

[5]陳萬旭，李江風，曾杰，等. 中國土地利用變化生態環境效應的空間分異性與形成機理[J]. 地理研究，2019，38（9）：2173-2187.

[6]Sabr A，Moeinaddini M，Azarnivand H，et al. Assessment of land use and land cover change using spatiotemporal analysis of landscape：case study in South of Tehran[J]. Environmental Monitoring and Assessment，2016，188（12）：691.

[7]Cole B，Smith G，Balzter H. Acceleration and fragmentation of CORINE land cover changes in the United Kingdom from 2006-2012 detected by Copernicus IMAGE2012 satellite data[J]. International Journal of Applied Earth Observation and Geoinformation，2018，73：107-122.

[8]Badar B A，Romshoo S A，Khan M A. Modelling catchment hydrological responses in a Himalayan Lake as a function of changing land use and land cover[J]. Journal of Earth System Science，2013，122（2）：433-449.

[9]Haladová I，Petrovic F. Classifcation of land use changes（model area：Nitra town）[J]. Ekológia，2015，34（3）：249-259.

[10]劉暉. 基于GIS和RS的朝陽區土地利用分類及其時空變化研究[D]. 北京：中國地質大學，2017.

[11]李丹，梅曉丹，張玉娟，等. 綏芬河市土地利用變化的時空格局研究[J]. 測繪科學，2019，44（3）：78-85.

[12]Liu Y Q，Song W，Deng X Z. Understanding the spatiotemporal variation of urban land expansion in oasis cities by integrating remote sensing and multi-dimensional DPSIR-based indicators[J]. Ecological Indicators，2019，96：23-37.

[13]劉彥隨，李進濤. 中國縣域農村貧困化分異機制的地理探測與優化決策[J]. 地理學報，2017，72（1）：161-173.

[14]王芳，陳芝聰，謝小平. 太湖流域建設用地與耕地景觀時空演變及驅動力[J]. 生態學報，2018，38（9）：3300-3310.

[15]Shahbazian Z，Faramarzi M，Rostami N，et al. Integrating logistic regression and cellular automata-Markov models with the experts′ perceptions for detecting and simulating land use changes and their driving forces[J]. Environmental Monitoring and Assessment，2019，191（7）：422.

[16]吳琳娜，楊勝天，劉曉燕，等. 1976年以來北洛河流域土地利用變化對人類活動程度的響應[J]. 地理學報，2014，69（1）：54-63.

[17]賀可，吳世新，楊怡，等. 近40a新疆土地利用及其綠洲動態變化[J]. 干旱區地理，2018，41（6）：1333-1340.

[18]董雯，楊宇，周艷時. 干旱區綠洲城市土地利用效益研究——以烏魯木齊為例[J]. 干旱區地理，2011，34（4）：679-685.

[19]高瑜蓮，柳錦寶，柳維揚，等. 近14a新疆南疆綠洲地區地表蒸散與干旱的時空變化特征研究[J]. 干旱區地理，2019，42（4）：830-837.

[20]Wang J F，Li X H，Christakos G，et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the heshun region，China[J]. International Journal of Geographical Information Science，2010，24（1）：107-127.

[21]Wang J F，Hu Y. Environmental health risk detection with GeogDetector[J]. Environmental Modelling & Software，2012，33：114-115.

[22]熊小菊，廖春貴，陳月連，等. 地理因子對北部灣經濟區植被覆蓋的影響[J]. 江蘇農業科學，2019，47（7）：268-273.

[23]白立敏，修春亮，馮興華. 基于土地利用變化的長春市生態風險評價[J]. 生態科學，2019，38（3）：26-35.

[24]杜子濤，占玉林，王長耀. 基于NDVI序列影像的植被覆蓋變化研究[J]. 遙感技術與應用，2008，23（1）：47-50.

[25]劉建華. 如何利用DEM在ArcGIS中制作坡度分級圖[J]. 測繪與空間地理信息，2011，34（1）：139-141.

[26]呂晨，藍修婷，孫威. 地理探測器方法下北京市人口空間格局變化與自然因素的關系研究[J]. 自然資源學報，2017，32（8）：1385-1397.

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

[28]莊大方，劉紀遠. 中國土地利用程度的區域分異模型研究[J]. 自然資源學報，1997，12（2）：105-111.

[29]王勁峰，徐成東.地理探測器：原理與展望[J]. 地理學報，2017，72（1）：116-134.李莉，趙明，王平. 基于耕地質量定級的城市開發邊界劃定——以南京市江寧區為例[J]. 江蘇農業科學，2021，49（2）：174-180.