孫澤辰



摘 要:城市的土地利用隨著城鎮化進程不斷變化,以句容市為例,根據2006—2020年該市國民經濟和社會發展統計公報數據,以及2005年、2010年和2019年Landsat5 TM數據,結合相關地形圖資料及其各時期政府政策,運用主成分分析方法研究句容市土地利用變化的驅動因素,探討近年來各經濟因素對句容市土地利用變化的驅動作用,以期為其他新興城市提供參考。
關鍵詞:城鎮化;土地利用類型;變化分析;驅動力研究;句容市
中圖分類號:F321.1? ? ? ? 文獻標志碼:A? ? ? 文章編號:1673-291X(2021)24-0094-03
引言
土地利用是人類根據土地自然特點對土地進行的經營改造活動[1]。先前的研究得出經濟因素、氣候因素和國家政策因素均為土地利用和覆蓋變化的影響因素,近年來,部分學者對于句容市土地利用類型進行了相關研究。蔚虹[2]等利用遙感數據獲得了1988年、2009年、2014年的句容市土地利用數據,通過時間序列分析法分析了句容市土地利用結構的演變。駱志軍[3]自建土地集約利用指標體系,從土地的投入程度、經濟產出、利用強度三個方面對其土地利用的合理程度進行分析。這些研究都是從GDP、建筑變化、土地產值等方面探究社會經濟發展與土地利用之間的關系,沒有考慮到產業變化、交通等因素。本研究將從GDP、人口、生態農業產值、建筑企業總產值、規模以上工業增加值及旅游業等方面探討句容市土地利用變化與這些因子的相關性。
一、研究區概況及數據來源
(一)研究區概況
句容是江蘇省鎮江市代管的縣級市,地理坐標位于東經31.9°,北緯119.1°,地處蘇南[4],總面積1 385平方公里,地勢低洼,山川交錯,人口約60萬人。全市下轄8個鎮。句容市內水資源儲量充沛,水域面積30萬畝,水系包含北部沿江地區的沿江水系、東部的太湖水系和占總面積68.9%的秦淮水系。研究使用區域選擇了句容市內大部分區域,大體上涵蓋了8個鎮。
(二)數據來源
此次遙感數據使用的是2005年、2010年和2019年Landsat5 TM數據,時間跨度大,更有利于觀測出土地利用的變化。社會經濟數據主要來源于句容統計局官網上的《句容市2006—2020年國民經濟與社會發展統計公報》,部分參照《鎮江市統計年鑒(2006—2020年)》。
二、研究方法
(一)主成分分析法
主成分分析法將線性相關變量轉變為線性無關,由于句容市土地利用變化的驅動因子過多且可能存在共線性,在注重因子內在關系的前提下需利用主成分分析得到數量少、信息多的因子來與其社會經濟發展狀況進行相關性研究。
(二)土地利用動態度分析
以單一土地的利用動態度研究某一特定土地利用研究期內的變化速度,公式為:
式中,K為單一土地利用動態度;Ua為研究開始時的土地利用類型面積;Ub為研究末尾的土地利用類型面積;T為研究周期長度,本次研究以年為單位。
綜合土地利用動態度分析該研究區的土地利用總體變化速度,其表達式為:
式中,LC為綜合土地利用動態度;T為研究周期長度,本次研究以年為單位;LUi為T時間內i類土地利用類型的面積;ΔLUi-j為研究時期內i類土地利用類型面積轉化為j類土地利用類型的面積。
三、分析和結果
(一)2005—2020年句容市土地利用動態度分析
通過分析數據計算可得到句容市土地利用類型面積變化情況[5]。耕地是句容市最主要的土地利用類型,從2005年的60 894.23km2減少到60 676.37km2,總共減少了217.86km2。句容市有著大量的農產品基地,耕地面積廣闊為其必然結果,句容市政府大力推行中低產田改造計劃,提高農業綜合生產能力,確?;巨r田在質量提高的情況下逐步減少面積,進行土地利用類型轉換。林地面積為研究期間增幅最大的土地利用類型,增幅達到了15.2%。自句容市生態退耕以來,水土流失得到進一步治理,為鞏固成果,繼續加大林地面積,可使具有重要生態功能的河流水面繼續保持基本穩定[6]。同時重點建設旅游產業,建設以生態旅游為特色的旅游城市。句容市大力加強天然草地改良,提高草場質量,從而減少草場面積投入,從表1中可以看出草地改良頗有成效。建筑用地增幅并不顯著,是因為句容市政府整體注重節約集約利用閑置低效用地,適度擴建設用地空間。
由表1可知,總體而言,句容作為新興城市在2000—2015年間,土地類型變化速率伴隨城市化進程逐漸加速,不斷上升。在2010—2020年間,句容市為帶動經濟增長大力發展旅游業,大量草地轉化成林地,同時水域的變化速率在合理范圍內,說明句容市生態文明建設進展良好,這對構成城鄉綠色生態空間有著重大意義[7]。
(二)句容市土地利用驅動力分析
土地利用限制因素包括社會、生態和經濟三方面效益,本文結合句容市社會經濟發展情況,遵循主成分分析法相關原則選取了10項影響句容市土地利用類型變化的指標:x1為地區生產總值(萬元);x2為人均地區生產總值(萬元);x3為規模以上工業增加值(萬元);x4為全社會固定資產投資額(萬元);x5為社會消費品零售總額(萬元);x6為戶籍總人口數(萬人);x7為第三產業增加值(萬元);x8為全年接待游客次數(萬人次);x9為城鎮居民人均可支配收入(萬元);x10為農林牧漁總產值(萬元)。
利用Stata15.1將10項因子進行標準化處理,接著對各個指標進行主成分分析得到相關矩陣、主成分特征值及貢獻率和驅動因子得分矩陣。相關矩陣中大部分變量之間相關度大于90%且存在負相關,相關性滿足主成分分析的要求。