洞庭湖生態經濟區城鄉建設用地演變特征及驅動因素

黃春華，呂靖童，王志遠，3*，張 考 ，李 欣

(1.南華大學建筑學院，衡陽 421001；2.湖南省健康城市營造工程技術研究中心，衡陽 421001；3.生態型區域-城市規劃與管理衡陽市重點實驗室，衡陽 421001)

土地利用/覆被變化受自然因素和人類活動的共同影響，是人類活動改變地球科學系統最直觀的表現，也是國土空間規劃關注的重點領域。2019年第四屆全球土地計劃開放科學大會指出，從土地系統科學的視角來解決當前人與自然耦合系統的復雜問題正逐漸成為研究關注的焦點[1]。中國人口和經濟規模龐大，僅在1992—2018年，城市建成區面積增長了2.35倍，不斷擴張的城鄉建設用地侵占了農業和生態用地空間，人與自然之間，生產與生活活動之間以及自然生態系統內部均在不同空間尺度上存在著難以調和的矛盾，嚴重威脅到區域的生態安全，干擾到國土空間開發秩序[2]。

在城鄉建設用地演變的相關研究中，景觀指數是最常用的一種描述土地利用類型幾何特征的簡單定量指標[3],但卻無法很好說明引起土地利用變化的原因。因此，越來越多的學者通過Logistic回歸模型、多元線性回歸、地理探測器、地理加權回歸等方法探究土地利用演變驅動力。王雅竹等[4]通過多元回歸和地理探測器從時間和空間兩個角度探究江蘇省建設用地擴張驅動因子；Behera等[5]通過Logistic回歸模型分析了印度恒河流域土地利用變化的驅動因素；Zhou等[6]將地理探測器和地理加權回歸模型結合起來，分別探究了長江經濟帶生態用地演變驅動因素的全局和局部影響。從研究尺度來看，驅動因素在不同時空尺度下的結果差異顯著。Schneeberger等[7]分別從全球、國家、城市等多空間尺度對瑞士阿爾卑斯山北部景觀格局演變驅動力因子進行識別，研究顯示,全球尺度以技術因子主導,城市尺度則以政策自然因子主導；吳健生等[8]對深圳市各區建設用地演變的驅動因子進行研究，進一步探討了因子在微觀尺度下的地區差異。此外，研究區域多集中于單個城市[9-10]或城市群[11-12]，對小城鎮的研究相對缺乏。在因子的選擇上，規劃政策方面的驅動因子難以量化，盡管已有學者通過鄰域轉換規則思想，將生態保護紅線、永久基本農田保護紅線納入模型[13]，但較少考慮諸如道路交通建設、開發區建設等推動城鎮發展規劃政策。因此，研究借助景觀擴張指數[14]，定量化相關政策對于城鄉建設用地演變的積極影響，進一步探究政策因素對建設用地擴張的驅動作用。

洞庭湖生態經濟區是長江經濟帶的重要組成部分，是“共抓大保護、不搞大開發”主體區域，優化其國土空間開發保護格局具有典型意義。然而快速的城鎮化和復雜的湖垸、江湖關系使得該區生態脆弱性表現得特別突出[15-17]。目前，關于洞庭湖生態經濟區土地利用演變的研究已經取得了不少成果，主要集中在濕地保護[18]、土地利用變化[19]以及生態系統服務價值評估[20]等方面，以往的研究主要關注耕地、濕地等生態用地的景觀格局演變，而對建設用地的變化及其驅動因素研究較少。因此，現以洞庭湖生態經濟區的遙感影像為基礎，借助土地利用轉移矩陣和景觀格局指數分析土地利用覆被演變過程；利用Logistic回歸模型分別探究全域和縣(市、區)尺度下的建設用地演變驅動因素；將景觀擴張指數作為體現政策作用的量化指標，補充模型在政策法規方面考慮的不足。

1 研究區概況

洞庭湖生態經濟區處于長江中游，位于27°98′～30°23′N，110°20′～114°14′E，主要地形為沖積平原、湖泊水網以及周邊的山地丘陵，地形復雜，對維護長江流域生態系統健康起著重要的作用[21]。2014年4月14日，國務院正式批復了《洞庭湖生態經濟區規劃》，標志著洞庭湖地區的開發正式上升為國家發展戰略。研究范圍如圖1所示，包括湖南省岳陽市、常德市、益陽市、長沙市望城區以及湖北省荊州市，總面積60 500 km2。該區域城鎮發展迅速，土地利用覆被發生了較大變化。

圖1 洞庭湖生態經濟區行政區劃Fig.1 Administrative division of Dongting Lake eco-economic zone

2 研究數據與方法

2.1 數據來源與處理

研究采用的土地利用數據來源于2000年、2010年、2020年3個時期，空間分辨率為30 m的Landsat TM和Landsat ETM影像數據。在ArcGIS10.2和Erdas9.2中進行監督分類和目視修改，得到洞庭湖生態經濟區土地利用類型，在ENVI 5.1中利用谷歌地球對遙感圖像進行精度判定與修正，結果顯示精度達到91.3%可用于土地利用演變特征的研究。土地利用分類參照《土地利用現狀分類》(GB/T 21010—2017)，將研究區土地利用類型劃分為耕地、林地、草地、水域、建設用地、未利用地6種類型。利用國家地理信息中心提供的數字高程模型(digital elevation model，DEM)數據，進行影像校正和坡度分析，獲得高程要素和坡度要素。此外，1 km網格的人口和國內生產總值(gross domestic product，GDP)空間分布數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn)，道路、鄉鎮中心數據下載自https://www.openstreetmap.org/，并運用地理信息系統(geographic information system，GIS)的歐氏距離分析功能，提取柵格到主要公路、鐵路、水系和原有鄉鎮中心的距離。

2.2 研究方法

2.2.1 土地利用變化分析

(1)土地利用年變化率和動態度。采用土地利用年變化率和土地利用動態度來分析研究區不同時段內某種土地類型的變化速率及劇烈程度[22]，計算公式為

(1)

式(1)中：Ki為第i類土地利用類型年變化率；Ui為監測開始時第i類土地利用類型的總面積；ΔUi,j為監測開始至結束時段內第i類景觀類型與其他景觀類型j相互轉換后的凈變化面積；t為研究時長。

(2)

式(2)中：Di為土地利用類型動態度；Ua為研究區總面積；|ΔUi,j|為監測開始至監測結束時段內第i類土地利用類型與其他類土地利用類型j相互轉化面積的絕對值。

(2)土地利用轉移矩陣。土地利用轉移矩陣反映了研究時段內由一種土地利用類型轉變為其他土地利用類型的面積，以及由其他土地利用類型轉變為此土地利用類型的面積[23]，表達式為

(3)

式(3)中：n為景觀類型總數；i為轉移前的景觀類型；j為轉移后的景觀類型；Sij為轉移前的i景觀類型換成轉移后的j景觀類型的面積。

2.2.2 景觀格局動態分析

景觀指數是景觀格局分析中最常用的一種定量化方法[24]，主要借助Fragstats4.2軟件對景觀類型組成及其空間格局變化進行分析[25]。研究選取斑塊數量(number of patches，NP)、平均斑塊面積(mean patch size，MPS)用于表征景觀破碎程度；香農多樣性指數(Shannon’s diversity index，SHDI)用于表征景觀多樣性；景觀形狀指數(landscape shape index，LSI)、邊緣密度(edge density，ED)、蔓延度(CONTAG)用于表征景觀形狀及分布，計算公式及生態學意義如表1所示。

表1 景觀格局指數及其生態學意義Table 1 Landscape indices and their ecological meaning

2.2.3 驅動力分析

通過Logistic回歸模型分析社會經濟因素與自然因素對城鄉建設用地的驅動作用，利用景觀擴張指數，定量化相關政策對城鄉建設用地演變的影響。

1)Logistic回歸分析

Logistic回歸分析被廣泛應用于土地利用演變的驅動力研究，能夠確定每個因素的重要性并包含空間信息[26-27]。研究運用Logistic回歸模型篩選對土地利用變化影響較為顯著的因子，刪除影響不顯著的因子，從而獲得不同驅動因素與景觀類型分布的關系[28]，其計算公式為

(4)

對Pi進行對數變換后得

(5)

式中：Pi為轉化的用地中可能轉化為景觀類型i的概率；Pi/(1-Pi)為轉變為第i種景觀類型的機會比率；Xi為第i個驅動因子；βi為其對應的系數，表現為當其他因素不變時，驅動因子Xi每增加一個單位所帶來的Pi的變化；β0為常數項。

由景觀演變分析可知，研究區建設用地是所有地類中擴張最為顯著的，分析建設用地擴張的驅動因素有助于緩和日益破碎的景觀生態系統，維持區域景觀格局穩定性。因此，以是否轉化為建設用地作為因變量，遵循全面性、相關性、可獲取性原則，結合已有學者的研究成果[29]，選取了常用的兩種驅動因子類型，如表2所示。為避免數據的空間自相關性，且保證數據具有統計性，研究采用隨機抽樣的方法選取研究區內的10 000個觀測點進行分析，將自變量生成的變化圖與隨機點疊加處理，提取建設用地轉化圖的樣本值作為因變量值，并將ArcGIS10.2中提取的數據進行標準化處理以排除量綱對分析結果的影響，通過Logistic回歸模型，采用正向逐步回歸與直接輸入法分別在全域及縣(市、區)尺度對驅動因子進行篩選，進而分析其驅動機制。該研究中使用方差膨脹因子(variance inflation factor，VIF)排除共線性影響，使用似然比檢驗(likelihood ratio，LR)檢驗回歸方程的擬合優度，使用ROC檢驗模型的預測效果。

表2 城鎮景觀格局演變驅動因素Table 2 Driving forces of urban landscape pattern

2)景觀擴張指數

與傳統的景觀格局指數相比，景觀擴張指數(landscape expansion index，LEI)能夠表達景觀格局的動態信息，武鵬飛等[30]根據目前景觀擴張指數的不足，提出一種新的景觀擴張指數的定義與實現，其計算公式為

(6)

式(6)中：LEI為斑塊水平的景觀擴張指數；Ap為擴張斑塊面積；A0為與擴張斑塊處于相鄰關的斑塊面積；LEI將景觀擴張模式分為兩種，當LEI=1時，景觀的空間擴張模式為外部擴張式；當-1

(7)

式(7)中：MLEI為斑塊類型水平的景觀擴張指數，LEIi為第i個擴張斑塊的景觀擴張指數；n為該斑塊類型內所有擴張斑塊的數量，指數計算均在ArcGIS10.2的空間分析功能中完成。

土地相關的規劃政策能夠強制約束景觀格局形成。一般情況下，當政策引導新增建設用地脫離原城鎮中心發展時，城鎮外部擴張式斑塊較多，擴張斑塊數量變化較小，MLEI升高；當政策由鼓勵水平擴張轉向優化內部功能結構時，擴張斑塊數量變化較小，MLEI升高或幾乎不變；當政策引導新增建設用地圍繞原中心向外擴張時，新增擴張斑塊以鄰接擴張式為主，擴張斑塊數量升高，MLEI下降。

3 結果分析

3.1 土地利用變化動態特征

2000—2020年洞庭湖生態經濟區土地利用類型面積變化結果如表3所示，耕地和林地為研究區主要景觀類型，其面積占研究區總面積的80%左右，水域面積所占比例維持在12%以上，建設用地、未利用地和草地面積較小，均未超過4%。各土地利用類型空間分布如圖2所示，林地主要分布在南部及西部山區且狀態穩定；耕地分布范圍最廣，但分布面積有所減少；草地和未利用地主要分布在水域周圍，空間波動較大；水域空間分布穩定，分布面積略有增加；建設用地主要分布在地勢較為平緩的低地且面積有逐漸增大趨勢。

圖2 洞庭湖生態經濟區2000、2010和2020年土地利用類型分布圖Fig.2 Land-use types distribution of Dongting Lake Eco-economic Zone in 2000,2010 and 2020

根據土地利用類型的年變化率和土地利用類型動態度公式計算結果如表3所示，2000—2020年，各景觀類型面積均發生了不同程度的變化，其中耕地面積變化較為劇烈并呈現單調的下降趨勢，且2010年之后變化的劇烈程度減弱、下降速度放緩；建設用地面積持續增加，2000—2020年，建設用地增加的速度最快，其年變化速率分別為1.968%、1.973%，2010—2020年動態度僅次于耕地為0.082%，說明城鎮開發建設進入較為活躍的發展時期；林地面積有所下降但總體保持相對穩定，2000—2020年其年變化速率分別為0.002%、-0.070%；2000—2010年，水域面積增長速度較快，變化較為劇烈，其年變化率為0.537%，動態度為0.069%，2010—2020年水域面積變化趨于穩定，年變化率和動態度均大幅下降；草地和未利用地主要分布于洞庭湖周邊的灘涂以及河流的兩側，受水文影響，其面積變化呈現一個不穩定的趨勢。

2000—2010年耕地、林地為主要的轉出類型，建設用地、水域為主要的轉入類型。根據研究區不同時段內面積轉移矩陣如表4所示，2000—2010年耕地轉入類型中，水域的轉入面積最多，為415.81 km2,同時又有1 010.26 km2的耕地轉化為水域；除水域外，林地也是耕地的主要轉入類型，為153.86 km2，同時又有304.09 km2的耕地轉化為林地；耕地與林地、水域之間的相互轉化強度較大，耕地與建設用地之間也有相互轉移。2010—2020年，耕地的轉移特點基本與2000—2010年相同，耕地轉化為建設用地的面積大幅增加，林地與耕地相互轉化的面積也有所增加。

表4 2000—2020年洞庭湖生態經濟區土地利用轉移矩陣Table 4 Transform matrix of land use in Dongting Lake eco-economic zone from 2000 to 2020

2000—2010年建設用地的增加較為明顯，對其增加影響較大的景觀類型為耕地和林地，其中，耕地轉化為城鎮建設用地的面積高達323.78 km2，僅有71.8 km2建設用地轉移為耕地，即耕地成為湖區建設用地擴展的主要來源。2010—2020年，建設用地面積的增加來源與之前基本相同，且耕地和林地轉化為建設用地的幅度更大，分別為626.01 km2和162.16 km2，同時，僅有309.45 km2和26.67 km2建設用地轉化為耕地和林地。

3.2 景觀格局變化特征

3.2.1 斑塊類型水平變化特征

2000—2020年洞庭湖生態經濟區各用地斑塊類型變化如圖3所示，斑塊數量均呈上升趨勢，除建設用地外，平均斑塊大小均呈下降趨勢,說明在快速城鎮化的影響下各斑塊個數不斷增加，建設用地的擴張導致其他用地被分割的越來越多，面積越來越小，景觀破碎化加劇。

圖3 洞庭湖生態經濟區斑塊類型水平指數變化Fig.3 Changes of landscape metrics in class level of Dongting Lake eco-economic zone

從邊緣密度的動態特征來看，建設用地的優勢度逐年上升，但耕地和林地仍然是研究區的主要景觀，其優勢地位穩定，說明盡管在城鎮擴張的過程中存在不同程度的侵占，但隨著 “退耕還林”“移民建鎮”等政策措施的實施使得城鎮化進程初期無序化擴張的狀況逐漸改善，各景觀形狀的復雜程度有所減弱。水域的形狀指數和邊緣密度均呈下降趨勢，說明在“退田還湖”等生態保護政策的影響下，使得原本零散的水域斑塊逐漸恢復聯系，水域集聚程度增加，邊界趨于規則化。

3.2.2 景觀水平變化特征

2000—2020年隨著建設用地大斑塊的增加，耕地和林地景觀的連通性被打斷，破碎化程度升高，導致整體景觀蔓延度不斷降低。如圖4所示，景觀形狀指數升高說明城鎮建設等人類活動使得各景觀類型呈現出離散分布的趨勢，與平均斑塊大小結合來看，景觀離散度與破碎度增強，研究區受人類活動的干擾程度加大，景觀格局由簡單變得復雜。香農多樣性指數持續增長，且增長速度加快，表明各景觀類型所占比例均衡化趨勢顯著，作為優勢景觀類型的耕地和林地對整個景觀的控制作用減弱，土地開發利用速度加快。

圖4 洞庭湖生態經濟區景觀水平指數變化Fig.4 Changes of landscape metrics in landscape level of Dongting Lake eco-economic zone

3.3 城鄉建設用地演變驅動因素分析

3.3.1 社會經濟與自然因素

2000—2020年洞庭湖生態經濟區全域尺度建設用地演變的Logistic回歸模型中，方差膨脹因子VIF在1.006～2.206，排除多重變量共線性；LR檢驗的P=0.000，模型整體上是顯著的；受試者特征曲線(receiver operate curve，ROC)值為0.718，模型擬合效果較優；預測正確率為78.3%，模型較為穩定，相關分析結果如表5所示。

影響2000—2020年洞庭湖生態經濟區建設用地變化的驅動因子主要為社會經濟因子，其中，人口密度及至鐵路、公路、鄉鎮中心、水系距離的回歸系數分別為0.318、0.058、-0.468、-0.486、-0.171，人口密度和至鐵路距離系數為正，表明當其他變量不變時，人口密度和至鐵路距離每增加一個單位，轉化為建設用地的可能性將增加到原來的e0.318倍和e0.058，即1.374倍和1.060倍。其余指標系數均為負，表明當其他變量不變時，距離水系、公路及鄉鎮中心距離分別每增加1個單位，其他用地轉化為建設用地的可能分別減少到原來的0.843、0.626及0.615倍。由Wald統計量可知，距鄉鎮中心距離對建設用地變化的貢獻量最大，貢獻率為435.241，其次為至公路距離和人口密度，貢獻率分別為369.345和209.735，距鄉鎮中心距離、交通可達性及人口對研究區建設用地景觀分布影響顯著。由于人口不斷從距鄉鎮中心距離較遠、交通可達性較差的區域向城鎮及主要交通沿線聚攏，使得城鄉建設用地擴張更有可能發生在人口密度較大、社會經濟資源豐富和交通可達性較好的區域。

在縣(市、區)尺度上建設用地演變的Logistic回歸模型中，經共線性診斷，保證方差膨脹因子VIF<5，所選因子不具備共線性；LR檢驗的P均為0.000，模型整體上是顯著的；ROC值均大于70%，模型擬合效果良好，相關分析結果如圖5所示。

圖5 洞庭湖生態經濟區縣(市、區)尺度建設用地演變驅動因子回歸系數(P<0.1)Fig.5 Driving forces regression coefficients of construction land evolution in counties of Dongting Lake eco-economic zone (cities,districts)(P<0.1)

2000—2020年洞庭湖生態經濟區縣(市、區)尺度建設用地驅動因子在不同區域上的驅動作用存在差異。距鄉鎮中心距離與建設用地擴張呈顯著的負相關關系，即距鄉鎮中心越近，社會經濟活動強度越大，其他土地類型轉化為建設用地的可能越高。其中，南縣和沅江市受其驅動作用最為突出。除社會因素外，區位因素也是促進建設用地擴張的主要驅動因子，距鐵路、公路的距離越近，交通可達性越好的區域轉化為建設用地的機會越大，南縣、資陽區及津市建設用地演變受交通可達性的影響最為顯著，資陽區受鐵路的影響大于公路，而津市則相反，南縣受公路和鐵路的影響均較為顯著。這主要是由于其鄉鎮中心鄰近主要道路，在社會因素與區位因素的共同作用下，城鄉建設用地擴張的機會大大增加。由于交通可達性的驅動作用略弱于鄉鎮中心的帶動作用，因此在鄉鎮中心遠離主要道路的區域，如松滋市，可達性因子反而呈現出一定的制約作用。

人口是促進研究區建設用地擴張的又一驅動因素，研究區總人口在2000—2020年間增長超過28萬，常住人口不斷增加隨之而擴張出新的建設用地，即人口越密集的地區，建設用地擴張的需求越大。由圖5可知，人口增長對建設用地擴張的驅動作用主要集中在華容縣、南縣、資陽區和望城區。

自然驅動因子中，高程和坡度對建設用地擴張的制約作用較弱，主要由于研究區屬于沖積平原，地形因素對大部分縣市區建設用地開發的影響較弱，僅對松滋市、石門縣、安化縣和平江縣等以山地和丘陵為主的區域具有顯著的約束作用。對于岳陽樓區、赫山區等城鎮化水平較高的市鎮，其建設用地可擴張的區域逐漸飽和，建設用地景觀甚至有向高地、坡地演進的趨勢。

盡管研究區水資源豐富，但距水系距離對其建設用地景觀擴張的影響相對較弱。其中，石門縣、桃源縣、津市、安化縣、赫山區、岳陽樓區和平江縣有趨近水系開發的偏好，而南縣、華容縣、君山區和荊州市的大部分地區則趨于遠離。這主要是由于前者的市鎮中心臨近水系，對其有較好的建設基礎與可達性。與其他市縣區相比，水系的驅動作用主要集中在石門縣，這與近年來石門縣充分利用自然優勢，積極發展鄉村旅游有關。

3.3.2 政策因素

2011年“湖北荊州承接轉移示范區”正式成立，區域功能完善，基礎設施建設加強，開發區規模逐漸擴大，僅2016年一年全市開發區面積增加8.66 km2，總規劃面積達555.37 km2。如圖6所示，在政策引導下，荊州市MLEI顯著上升，擴張斑塊數量幾乎不變，說明外部擴張式斑塊較多，新增建設用地脫離城鎮建成區發展。2000—2020年，岳陽市、常德市、益陽市及長沙市望城區MLEI下降，擴張斑塊數量增加，說明區域以鄰接擴張式斑塊為主，新增建設用地圍繞城鎮建成區向外擴張。2005年，國家發改委頒布了首部《產業結構調整指導目錄》，鼓勵已經具備了一定產業基礎的區域進行結構升級和優化。岳陽市最先于2008年開展“棚戶區改造”與“舊城改造”，加強對違法建設的控制，改善城區生態環境。在相關政策的影響下，云溪區、武陵區、津市及赫山區等基礎條件好、城鎮化水平較高的地區MLEI變化平緩，擴張斑塊數量變化較小，說明城鎮擴張速度放緩，逐漸由分散無序的擴張狀態轉變為內部功能結構的調整和完善。2000年望城經濟技術開發區成立，2011年望城撤縣設區；2008年《海運協議》簽署，岳陽城陵磯港成為重要的出海港口。望城區和岳陽樓區持續繁榮導致其外部擴張式斑塊不斷增加，MLEI下降。

圖6 2000—2020年洞庭湖生態經濟區各縣(市、區)平均斑塊擴張指數和擴張斑塊數量變化Fig.6 Changes of MLEI and patch number in county (city,district)from 2000 to 2020 of Dongting Lake eco-economic zone

如表6所示，整體上，2000—2010年，研究區建設用地景觀擴張以鄰接擴張式為主，LEI處于(-1,-0.5)的斑塊占比92.62%，其次為外部擴張式斑塊，占比4.83%。說明研究區整體擴張規模相對較小，大部分縣市區仍處于城鎮化進程初期，城鎮發展凌亂且分散。由圖7可知，城鎮擴張的中心偏北，新增建設用基本跳出現有斑塊，依托公路、鐵路、水運等放射性擴張。這是由于2006年《湖南省干線公路建設管理試行辦法》正式實施，交通運輸用地大幅增加，城鎮擴張逐漸顯現出明顯的導向性和可達性，帶動周邊地區建制鎮用地與城市用地功能轉移、土地流轉，拓展區域發展框架，標志著該區域“交通導向型發展”戰略實施。2010—2020年，LEI處于(-1,-0.5)的斑塊數量增長1.59倍，而占比下降了1.9%；外部擴張式斑塊數量小幅增加，占比下降2.89%。說明研究區空間擴張規模加大，但仍以鄰接擴張式為主，新增建設用地多為城鎮建成區的擴張蔓延。由圖7可知，全域建設用地擴張中心小幅南移，各市建設用地擴張強度均衡。這是由于2014年國務院正式批復同意《洞庭湖生態經濟區規劃》，政策促進了各縣市區協調發展，城鎮之間聯系加強，逐漸向一個整體的區域系統演進。

表6 2000—2020年全域擴張模式斑塊數量與占比Table 6 The patch numbers and proportion of different urban expansion modes from 2000 to 2020

圖7 2000—2020年洞庭湖生態經濟區城鎮擴張過程Fig.7 The process of urban expansion from 2000 to 2020 of Dongting Lake eco-economic zone

4 結論

以洞庭湖生態經濟區為例，通過對土地利用變化速率、強度、轉移情況和景觀格局指數的計算描述研究區土地利用演變特征，利用Logistic回歸模型探究建設用地演變驅動因素的地區差異，借助景觀擴張指數量化相關政策對城鎮建設用地擴張的驅動作用，結論如下。

(1)2000—2010年，耕地的變化最為劇烈，建設用地增加的速度最快，且2010年后的增長速度較之前加快，其年變化率由1.968%提高到1.973%，相應的耕地面積呈減少趨勢，林地和水域面積較為穩定。土地利用轉移方面，耕地、林地和水域相互轉化，建設用地面積的增加主要來源于耕地，但并未發現有明顯的土地利用類型由建設用地轉化而來。

(2)在景觀格局變化方面，建設用地景觀優勢逐步增強，其斑塊數量最多，平均斑塊面積增加，導致整體景觀格局破碎化程度不斷加劇。林地和耕地表現出離散分布，但優勢地位穩定，水域由分散趨向于集聚，景觀形狀越來越規則，說明在2000—2020年，對湖面的保護初見成效，但人類活動的干擾依舊強烈，整體景觀趨向于離散化和復雜化。

(3)社會經濟因素中距鄉鎮中心距離、交通可達性和人口密度對城鄉建設用地變化的作用較為明顯。當其他變量不變時，距鄉鎮中心距離每增加一個單位，建設用地擴張的可能僅為原來的0.615倍，全域擴張模式以鄰接擴張式為主，擴張中心小幅南移。社會經濟、自然與政策因素均表現出地區差異性。距鄉鎮距離對南縣、沅江市，交通可達性對南縣、資陽區、津市，人口增長對華容縣、南縣、資陽區、望城區，高程和坡度對松滋市、石門縣、安化縣、平江縣驅動分別最為突出。

(4)政策對洞庭湖生態經濟區土地利用變化具有重大影響。2008年岳陽、常德、益陽三市在“舊城更新”和“棚戶區改造”政策引導下，由無序擴張轉變為內部功能結構優化；2011年荊州市國家級承接產業轉移示范區成立，各開發區和產業園脫離城鎮建成區發展；根據規劃，新增建設用地沿交通干道和水域軸線延伸趨勢明顯，交通運輸用地顯著增加，周邊建制鎮用地與城市用地隨道路建設進一步擴張。

總體來看，洞庭湖生態經濟區各縣(市、區)城鄉建設用地不斷擴張，對原有土地利用格局沖擊巨大，未來應注重平衡經濟發展和林地、耕地的保護，降低景觀生態系統的破碎化程度，維護景觀多樣性和均勻性。研究充分考慮了規劃政策對建設用地演變的驅動作用，在驅動因子的選取上體現了一定的客觀性，通過景觀擴張指數對政策因素進行量化，有助于制定更加符合城鎮發展特點的政策措施，優化國土空間開發保護格局，實現人與生態和諧共生。