烏江流域土地利用變化的自然因子

許麗婷

(陜西師范大學, 西安市 710000)

土地是人與自然最密切的聯系紐帶，在人與自然和諧相處的大背景下，研究人類與地球表層最直接的方式——土地利用變化[1]，成為研究領域的熱點之一。流域因其特殊的地理性和對生態系統變化的敏感性，成為研究領域的關注點[2]。我國于2021年4月21日修訂通過的《中華人民共和國土地管理法實施條例》指出，合理的國土空間規劃需要調查當地土地條件，明確土地利用現狀以及變化情況[3]。制定有效的土地整治方案，最大程度發揮土地節約集約利用程度，需要從宏觀上把握土地變化規律，找出影響土地變化的關鍵因子。烏江流域作為典型山地流域，擁有特殊的地形地貌以及土壤、水分等自然條件，是水土流失和石漠化重要區域，自然因素在很大程度上制約土地利用變化發展。明確各自然因子在土地利用類型轉變中的貢獻率，找到關鍵性驅動因子，順應自然發展規律，合理調整土地利用布局，提高土地利用效率，改善烏江流域生態環境，保護土地生態功能。

烏江流域橫跨四省，地理條件特殊，其土地利用變化的現有研究集中在局部區域，按省份劃分成貴州省烏江段[4]、烏江流域重慶段[5]等，按河流流向分成烏江源區(烏江北源)[6-7]、上游[8]、中游[9]和下游[10]等，對于整個烏江流域的土地利用變化研究甚少。以往研究內容涉及烏江流域生態環境效應和風險評估、景觀格局和時空演變特征、土地利用變化現狀和情景模擬等。也有學者從地形地貌方面研究土地利用變化的驅動因素，但是沒有基于系統性和整體性原則考慮影響整個烏江流域的自然因子，也沒有具體分析各土地利用類型變化的關鍵性驅動因子。因此以整個烏江流域作為研究對象，從地理學角度出發，深入研究影響其土地利用變化的自然因子很有必要，這對改善烏江流域土壤質量、生態環境治理、土地利用規劃布局、因地制宜發展生態、經濟和農業等都有一定的借鑒意義。

本研究以烏江流域為研究對象，基于時空性和整體性，采用2000年、2010年和2020年三期土地利用數據，綜合各自然要素，利用增強回歸樹模型來分析烏江流域土地利用變化的自然因子，試圖找到影響各土地利用類型轉變的自然驅動因子。

1 研究區概況

烏江流域發源于貴州省威寧縣香爐山花魚洞，流經貴州北部和重慶東南部，在重慶市涪陵區注入長江。烏江流域橫跨貴州、云南、重慶、湖北四省市，共計56個縣市。烏江又稱黔江，位于104°10′ — 109°12′E，25°26′—30°22′N，干流全長1 037 km[11]，流域面積約為107 550.14 km2，是長江上游右岸最大的一條支流，也是貴州省最大的水系。烏江水系呈羽狀分布，地勢西南高，東北低，是典型的山區河流，天然落差2 124 m，年均流量1 650 m3/s[11]。烏江流域是中國西南喀斯特的核心區域，以水力侵蝕(微度和輕度侵蝕)為主[12]。烏江流域屬亞熱帶高原季風濕潤氣候，氣候溫和，雨量充沛，年平均氣溫13～18℃[13]，多年平均降水量是1 100 mm。烏江流域受氣候和復雜地形影響，地貌類型分化嚴重，自然景觀多樣，植被以常綠針葉林、常綠闊葉林為主，具有明顯的過渡性和垂直地帶性[14]，土壤分布主要以黃壤為主，石灰土和水稻土次之。

2 數據與方法

2.1 數據來源

土地利用變化數據來源于GlobeLand30(http:∥www.globeland30.com)，本研究選用了GlobeLand30 V2000 & V2010(總體精度為83.50%，Kappa系數0.78)和GlobeLand30 V2020(總體精度為85.72%，Kappa系數0.82)，空間分辨率為30 m。該數據將全球土地利用類型分成了10個一級類別，分別是耕地、林地、草地、灌木地、濕地、水體、苔原、人造地表、裸地、冰川和永久積雪。數字高程DEM(90 m分辨率柵格圖層)、中國植被類型圖(1∶100萬柵格圖層)、土壤類型和土壤侵蝕(1 km×1 km柵格數據)均來自于中國科學院資源環境科學與數據中心(https:∥www.resdc.cn)。氣象數據來自中國氣象數據網(http:∥data.cma.cn/)提供的中國地面氣候資料日值數據集2000—2020年的平均氣溫和降水量。

2.2 數據處理

2.2.1 烏江流域土地利用數據 利用ArcGIS軟件將GlobeLand30數據拼接、投影、裁剪得到烏江流域土地利用變化圖。構建柵格屬性表，計算面積屬性，通過重分類，得到各土地利用類型的面積變化。

2.2.2 自然因子的選取與處理 從地形、土壤、植被、氣象方面對烏江流域土地利用變化進行分析，結合烏江流域特殊地理環境，選取可量化的典型代表因子進行分析。

(1) 地形因子：烏江流域位于云貴高原，地形復雜，地勢高低不平，海拔高度差大。海拔與坡度直接影響水熱條件再分配，影響人類耕作范圍和耕作類型，制約土地空間利用，故選取高程和坡度作為研究區的地形因子。利用DEM數據提取高程和坡度，并進行分級處理。在ArcGIS中利用重分類方法將研究區高程分成4級(<1 200 m，1 200～1 600 m，1 600～2 000 m和>2 000 m)。同理，將坡度分成0°～5°(平坡)，6°～15°(緩坡)，16°～25°(斜坡)，25°以上(陡坡)，對已分級的地形因子重采樣為30 m×30 m的柵格圖層。

(2) 植被因子：植被有蓄水保土、削減洪峰流量、調節河川徑流的作用，植被類型影響河川徑流再分配，影響地表水分蒸發，制約土地利用方式，故選取植被類型作為植被因子。將中國植被類型圖裁剪、重分類得到烏江流域植被類型圖，并對已分類的植被因子重采樣為30 m×30 m的柵格圖層。

(3) 土壤因子：不同土壤類型所含有機質不同，對植物生長影響不同，土壤侵蝕力度不同，所造成的有機質流失情況有很大差異，因此選取土壤類型和土壤侵蝕作為研究區的土壤因子。將中國土壤類型圖和土壤侵蝕圖裁剪、重分類，并對侵蝕進行分級處理。依據《土壤侵蝕分類分級標準》將土壤侵蝕分成微度、輕度、中度、強度、極強度和劇烈侵蝕，并重采樣為30 m×30 m的柵格圖層。

(4) 氣象因子：氣溫和降水影響植被生長，對土地利用方式有很大影響，故選取多年平均氣溫和多年平均降水量作為研究區的氣象因子。通過氣象站點數據插值、提取掩膜得到研究區多年平均氣溫和多年平均降水量。依據烏江自身氣溫和降水特點，為了便于計算，將氣溫劃分為5級(<15℃，15～17℃，17～19℃，19～21℃，>21℃)，降水劃分為4級(<1 045 mm，1 045～1 146 mm，1 146～1 244 mm，1 244～1 382 mm)，并重采樣為30 m×30 m的柵格圖層。

2.3 研究方法

2.3.1 土地利用轉移概率矩陣 轉移概率矩陣能夠直接表明各土地利用類型之間的轉移變化，以表格形式表達各類型面積的轉移。利用ArcGIS軟件分析各土地利用類型的變化情況，導出屬性表并在Excel中創建轉移概率矩陣。

2.3.2 增強回歸樹 增強回歸樹模型(Boosted Regression Trees，BRT)是回歸算法和增強算法的組合，能夠基于回歸算法進行機器自主分析，提高決策者的精度和穩定性[15]。BRT能夠解釋各自變量因子對因變量的貢獻率，也能計算各自變量的邊際效應，從而對因變量做出解釋。增強回歸樹模型廣泛應用于人文社科驅動力等的研究[16-21]。

BRT算法是基于R studio軟件的“gbm”程序包來實現的。進行BRT分析前，需要對研究區變量數據進行預處理。為了避免空間自相關性，首先利用ArcGIS對研究區烏江流域隨機選取50 000個樣本點，對因變量重采樣(變化區域為1，未變化的區域為0)。再給各變量圖層值提取至點要素，也就是各變量值賦予50 000個隨機樣本點。最后導出屬性表，在Excel中處理樣本數據至標準化，導入R studio中進行BRT分析。

3 結果與分析

3.1 土地利用時空變化分析

從時間尺度上看，烏江流域主要用地類型為耕地、林地和草地，其中耕地和林地占比接近，草地次之(表1)。經過20 a的發展，可以看出烏江流域用地類型發生顯著變化，林地、灌木地、水體和人造地表面積比重明顯增加，耕地、濕地面積顯著減少，草地面積變化呈穩定趨勢。人造地表面積變化最為明顯，面積比重從原來的0.503%增加到2.127%，凈增1.624%；水體面積也出現擴增，面積比重從0.502%增加到0.823%，凈增0.321%；灌木地增加較少，面積比重僅增加了0.014%；林地面積比重的增加值超過了0.6%。相反，耕地面積顯著減少，面積比重達到2.183%；濕地面積逐年萎縮，比重日益減少，2020年占比僅為0.001%。

從空間尺度上看，烏江流域土地利用類型總體分布趨勢是：北部以林地為主，耕地、草地和灌木地零散分布；東部耕地分布相對密集；南部以耕地、草地和人造地表為主；西部主要分布草地；而水體和濕地則呈條帶狀貫穿烏江。從三期土地利用類型分布圖可以看出20 a來烏江流域土地利用類型分布的整體趨勢基本沒變，但各用地類型面積和數量的變化在空間上表現不同。其中以人造地表的分布最為明顯，東南部(貴陽、安順)、西南部(畢節)和西北、東北(黔江)增加明顯，這個區域也出現在省份交匯處。2000年和2020年對比可以發現烏江流域中部水體面積擴大，北部林地面積有所增加，東部耕地面積大幅度縮減。草地和灌木地空間變化不明顯，呈嵌入式分布。

表1 烏江流域各年份土地利用類型面積匯總

由烏江流域土地利用變化轉移矩陣(表2)可以直觀看出，各用地類型的相互轉變情況。用地類型呈動態式，相互之間轉變顯著。2000—2020年期間，草地增加的主要來源是耕地和林地的轉變，其他用地類型變化較少；耕地增加的主要來源是草地和林地，灌木地次之；草地和耕地的轉變是林地面積增加的主要來源，占比23.8%，濕地轉變占比僅為0.41%，灌木地的轉變占比為0.49%；灌木地轉變來源是林地(8.34%)、草地(9.07%)和耕地(14.82%)，其他用地類型轉變細微；水體面積增加的來源是草地(27.94%)和濕地(10.83%)，人造地表和灌木地幾乎沒有轉變為水體，水體轉變的地類是草地和耕地；濕地的轉變來源是草地(24.87%)、耕地(15.38%)和林地(19.28%)，灌木地、水體和人造地表轉變較少；草地對人造地表的貢獻率最大，占比57.24%，其次是耕地(9.87%)和林地(9.81%)，而人造地表僅有11.19%轉變為了其他地類。

表2 2000-2020年烏江流域土地利用變化轉移矩陣 km2

3.2 土地利用變化的影響因子

3.2.1 各土地利用類型的自然因子貢獻率 通過增強回歸樹模型分析各驅動因子對各用地類型的貢獻率，可以直觀反映每種用地類型變化的驅動因素。由圖1可以看出，多年平均降水量對草地變化的貢獻率(36.4%)最大，其次是植被類型(15.5%)和多年平均氣溫(14.55%)。烏江流域多年平均降水量在1 100 mm左右，給草地的發展提供充足的水分。坡度對耕地的貢獻率(31.62%)最大，其次是高程(16.98%)和多年平均氣溫(12.06%)，坡度影響農作物對水分的吸收，也影響農作物對光的接收程度，從而對耕地變化產生影響。多年平均氣溫(27.14%)和土壤類型(25.59%)對灌木地的貢獻率接近，植被類型(21.36%)占比稍低，可以看出這3個是影響灌木生長的主要因子。植被類型(22.59%)對林地變化的貢獻率最大，其次是高程(19.90%)和多年平均氣溫(19.23%)，植被之間的競爭和適應性制約林地的發展。坡度(82.47%)是制約濕地發展的最大驅動因子，濕地形成于地勢低平且排水不暢地區。土壤類型(59.35%)是制約水體變化的最大驅動因子，植被類型(22.56%)次之，坡度(5.04%)也有一定影響，不同土壤類型對水分的吸收、轉化不同。坡度是人造地表變化的主要驅動因子，植被類型(16.08%)次之，這與人們生產生活的場所有關。

3.2.2 驅動因子的邊際效應 利用R studio分析各土地利用類型驅動因子的邊際效應，能夠直接反映驅動因子取值變化對各土地利用類型的影響強度，進而可以分析影響強度最大的驅動因子值。其中邊際效應值越大，代表影響強度越大。基于各土地利用類型的自然因子貢獻率，選擇貢獻率之和達到60%及以上的前幾名特征因子進行邊際效應分析。

圖1 各土地利用類型的自然因子貢獻率

分析草地的特征因子邊際效應(圖2)，可以得到以下結果。(1) 隨著降水量的增多，對草地變化的影響先增大后減小，在1 100 mm附近形成峰值。(2) 當植被類型為亞熱帶落葉闊葉林、亞熱帶常綠闊葉林和亞熱帶常綠落葉闊葉混交林時，對草地變化影響最大；竹林、竹叢和亞熱帶針葉林時影響次之；農作物、果園和草叢對草地變化影響最小。(3) 隨著氣溫的升高，對草地變化的影響越來越小。氣溫在15～17℃，對草地變化影響最大。

注：1表示草叢；2表示農作物2；3表示農作物1；4表示禾草、雜類草草甸；5表示亞高山硬葉常綠闊葉灌叢；6表示常綠闊葉、落葉闊葉灌叢；7表示落葉灌叢；8表示竹林和竹叢；9表示常綠闊葉林；10表示常綠落葉闊葉混交林；11表示落葉闊葉林；12表示針葉常綠闊葉落葉闊葉混交林；13表示針葉林；14表示其他。

分析耕地的特征因子邊際效應可知：(1) 坡度越大，對耕地變化的影響越小，當坡度為平坡時最有利于耕地的發展。(2) 海拔高度增大，對耕地的影響變小，當海拔高度小于1 200 m時耕地最為集中。(3) 隨著溫度升高，對耕地變化的影響越來越小。溫度在15～17℃時，對耕地變化影響最大(圖3)。

圖3 耕地變化的特征因子邊際效應

對灌木地進行特征因子邊際效應分析可知：(1) 氣溫在15～17℃時，對灌木地的影響最大，隨著氣溫的升高，影響趨勢是先減小后增大，但增大趨勢更為緩慢。(2) 土壤類型是城區和基巖時，對灌木地的發展影響最大，棕壤和石質土影響次之，粗骨土和山地草甸土對灌木地的影響最小。(3) 亞熱帶針葉林對灌木地發展影響最大，其余植被類型的影響水平相當且都較低(圖4)。

對林地的特征因子邊際效應分析可知：(1) 亞熱帶落葉闊葉林對林地變化的影響最大，亞熱帶針葉林、竹林、常綠闊葉林以及混交林對林地變化影響次之，農作物影響最小。(2) 海拔高度介于1 400～1 800 m，形成低值區，影響最小。海拔高度小于1 200 m時，對林地影響最大。(3) 隨著氣溫的升高，對林地變化的影響先增大后減小，在16～18℃時達到峰值，當溫度大于21℃時影響最小。通過分析濕地的特征因子邊際效應可知：平坡有利于濕地的形成，緩坡、斜坡和陡坡不利于濕地的形成。對水體的驅動因子邊際效應分析可知：(1) 水庫蓄水保水，調節河流流量和洪峰，水庫的存在有利于水體的發展。其余土壤類型對水體的發展影響不大。(2) 亞熱帶針葉林對水體影響大，農作物對水體的影響次之，其余植被類型影響較小。對人造地表的驅動因子邊際效應分析可知：(1) 隨著坡度的增加，對人造地表變化的影響越來越小。平坡有利于人造地表的發展，影響程度最大。(2) 一年兩熟水旱糧食作物、枔樹園和經濟林以及一年兩熟或三熟水旱輪作(有雙季稻)及常綠果樹園對人造地表的影響最大，也就是農作物的種植會制約人造地表的發展。

注：1表示針葉林；2表示針葉常綠闊葉落葉闊葉混交林；3表示落葉闊葉林；4表示常綠落葉闊葉混交林；5表示常綠闊葉林；6表示竹林和竹叢；7表示落葉灌叢；8表示常綠闊葉、落葉闊葉灌叢；9表示亞高山硬葉常綠闊葉灌叢；10表示禾草、雜類草草甸；11表示農作物1；12表示農作物2；13表示草叢。

4 討 論

烏江流域作為典型的山地流域，本研究結合烏江流域自身特點，著重從自然因子方面對其土地利用變化的驅動力進行了分析。本研究分別從地形(高程和坡度)、土壤(土壤類型和土壤侵蝕)、氣候(降水和氣溫)、植被四大方面，對草地、耕地、林地、灌木地、濕地、水體和人造地表2000—2020年的變化進行驅動因子分析，尋找導致變化發生的關鍵因子。

(1) 各土地利用類型的自然貢獻率。草地作為烏江流域的主體部分之一，面積趨于穩定，主要的變動表現在耕地、林地的互轉。研究發現影響草地變化的驅動因子排名前三的分別是降水、植被類型和氣溫，其中降水貢獻度最大，降水量在1 100 mm附近對草地的影響最大。耕地面積占比達到40.44%，分布廣泛，東部分布最為密集。影響耕地變化的前三名驅動因子分別是坡度、高程和氣溫。坡度、高度和氣溫制約了人類的生產生活，進而影響人類耕作形式和耕地變化，這與劉純軍等[4]的研究結果一致，即平坡有利于耕地的發展，海拔小于1 200 m時耕地最為集中。林地作為烏江流域分布面積最大的土地利用類型，主要分布在北部、東部以及西南部。影響林地變化的主要驅動因子是植被類型、高程和氣溫。林地分布主要以落葉闊葉林、常綠闊葉林、針葉林為主，其中落葉闊葉林對林地影響最大。海拔高度介于1 400～1 800 m時對林地影響最小，即林地主要分布在高海拔地區，這與翟榮飛等[6]的研究結果類似。灌木地是指灌木覆蓋且灌叢覆蓋度高于30%的土地，烏江流域灌木地分布較少，呈零星分布，導致其變化的主要驅動因子是氣溫、土壤類型和植被類型。氣溫是制約灌木地發展的最大自然因子，氣溫在15～17℃之間時對灌木地的影響最大。

烏江流域濕地經過20 a的發展變化，其面積顯著減少，最主要的自然驅動因子是坡度，占比達到82.47%，這與濕地形成的條件有很大關系。烏江流域水體面積大小和灌木地接近，經過20 a的發展水體面積凈增0.321%，導致這種變化的主要自然驅動因子是土壤類型、植被類型。土壤類型主要是水庫的存在，水庫儲水蓄水增加了水體的面積。烏江流域人造地表面積增加顯著，以東南、西南、東北和西北部增加最為明顯，導致這種變化的主要自然驅動因子是坡度、植被類型。人造地表的擴大與人類生產生活有直接聯系，平坡有利于人造地表的發展，影響程度最大，這是因為通常人類居住環境選擇在坡度小的地方。

(2) 從驅動因子對各土地利用類型的貢獻率和特征因子的邊際效應分析可知，各土地利用類型主導因子存在一定的共性。其中以坡度作為特征因子的土地利用類型包括：耕地(31.62%)、人造地表(50.78%)和濕地(82.47%)，耕地和人造地表取決于人類生產生活活動，與人類生活息息相關，而平坡是人類選擇生產生活的主要活動基地，濕地主要形成于長期潮濕積水區域。以植被類型作為特征因子的土地利用類型主要是草地(15.5%)、灌木地(21.36%)、林地(22.59%)、人造地表(16.08%)和水體(22.56%)，其共性在于植被種類多、結構復雜、呈片狀分布且占地面積大。以氣溫為主導的土地利用類型包括草地(14.55%)、耕地(12.06%)、灌木地(27.14%)和林地(19.23%)，其共性在于適宜的溫度有助于植物生長。以土壤類型為主導的土地利用類型包括灌木地(25.59%)和水體(59.35%)，這與土壤滲透性及對水體的儲存性有關。

(3) 本研究的發現與局限性。本研究發現坡度、高度影響人類耕作形式和耕地變化，林地主要分布在高海拔地區，平坡有利于人造地表的發展，這與前人的研究相似。但是前人對烏江流域土地利用變化的驅動因子研究只局限于高度、坡度和地形位的研究，很少涉及別的自然因子，故本研究的結果將對揭示烏江流域土地利用變化的自然驅動因子有很大幫助。本文明確了各土地利用類型的主要影響因子以及以各因子為主導的土地利用類型，但是研究也存在不足，主要體現在驅動因子的選擇上。由于烏江流域面積廣泛，生物因素不易定量分析，故本研究在選擇驅動因子時忽略了生物因素的影響，致使研究結果存在一定偏差。在未來的研究中可以更加全面考慮自然驅動因子，尋找恰當的方法引入生物因素。再者本研究是基于前人研究，以典型性和易于量化性為原則，從各自然板塊中選取的驅動因子，其選取指標也是后期研究需要優化的一項工作。

5 結 論

(1) 時間尺度上，2000—2020年烏江流域土地利用類型中，林地、灌木地、水體和人造地表面積比重明顯增加，而耕地、濕地面積顯著減少，草地面積變化呈穩定趨勢。空間尺度上，2000年和2020年對比可以發現烏江流域中部水體面積擴大，北部的林地面積有所增加，東部的耕地面積大幅度縮減。草地和灌木地空間變化不明顯，呈嵌入式分布。人造地表以東南、西南、東北和西北部增加最為明顯。草地、耕地和林地的互相轉變最為顯著，水體面積增加的來源是草地(27.94%)和濕地(10.83%)，草地對人造地表的貢獻率最大，占比57.24%。

(2) 草地變化的特征因子主要是降水、植被類型和氣溫，降水量在1 100 mm附近對草地的影響最大，氣溫在15～17℃之間對草地變化影響最大；耕地變化特征因子分別是坡度、高程和氣溫，坡度以平坡為主，海拔高度越大對耕地的影響越小，溫度在15～17℃時對耕地變化影響最大；林地變化的特征因子是植被類型、高程和氣溫，海拔高度小于1 200 m時對林地影響最大，氣溫在16～18℃時對林地的影響達到峰值；濕地變化的特征因子是坡度，平坡有利于濕地的形成；灌木地變化的特征因子是氣溫、土壤類型和植被類型，氣溫是制約灌木地發展的最大自然因子，氣溫在15～17℃之間時對灌木地的影響最大；水體變化的特征因子是土壤類型和植被類型，這與水體的匯集和流動密切相關；人造地表變化的特征因子是坡度和植被類型，平坡有利于人造地表的發展，影響程度最大。

(3) 以坡度作為特征因子的土地利用類型包括耕地、人造地表和濕地；以植被類型作為特征因子的土地利用類型主要是草地、灌木地、林地、人造地表和水體；以氣溫為主導的土地利用類型包括草地、耕地、灌木地和林地；以土壤類型為主導的土地利用類型包括灌木地和水體。