新疆伊犁河谷礦集區土地利用時空演變與驅動力分析

夏倩柔，夏 楠，唐夢迎

（1.新疆維吾爾自治區環境保護科學研究院，新疆 烏魯木齊 830011；2.新疆大學地理與遙感科學學院，新疆 烏魯木齊 830017）

0 引言

土地利用變化是衡量區域陸地生態系統變化、反映人類活動響應社會發展變化的重要形式[1-2]。礦產資源開發主要是以土地利用當中的建設用地為載體開展的社會經濟活動。土地利用變化與采礦活動的關系存在相互促進和制約的過程。礦產開發提升區域經濟收益，促進土地利用發展，土地利用為礦產開發提供建設用地指標，促進礦產開采；而當礦產開發到一定規模需要進一步擴展空間時，土地利用卻因用地指標和生態環境等因素限制其發展[3-4]。當前，GIS（Geographical Information System，地理信息系統）技術和RS（Remote Sensing，遙感）技術已被廣泛使用于礦區土地利用變化研究，不僅能夠詳細分析土地利用變化的過程，還能夠綜合多源數據分析其變化的原因。

為深入探究礦區土地利用變化，國內學者進行了大量研究工作。常小燕等[5]研究稀土礦區土地利用變化情況，并評價了土地利用變化對生態系統服務價值的影響。杜青松等[6]研究了高寒礦區的土地利用變化情況，評估了礦區經過近20 年環境演替和修復治理作用，土地利用類型基本恢復到了原來的水平。黃英男等[7]研究趙樓礦區土地利用變化情況，得出農用地逐步轉出，水域用地、工礦用地和非工礦建設用地逐步轉入，侵占農田情況嚴重。ZHAO 等[8]研究了近15 年黑帶溝露天煤礦土地利用/覆被類型變化對礦區景觀格局演變和生態環境質量的影響，表明土地利用變化總體不平衡，景觀碎片化加劇。QI 等[9]選取礦區4 年的土地利用數據，并根據礦井空間分布特點發現耕地恢復、林地恢復和生態系統重建表現向好。TANG 等[10]通過對高分辨率、公開可用的衛星圖像的遙感分析，生成了一個全球采礦土地利用數據集，以支持未來對全球采礦影響的研究。由上述研究發現，礦區土地利用隨著地理區位和發展模式的不同，所產生的生態問題也各不相同。盡管礦區生態恢復是趨勢，但礦地矛盾仍有發生。大量研究分析了礦區土地利用的變化情況，但對于其驅動因素研究較少，同時也缺乏對伊犁河谷礦集區的相關研究。

綜上所述，礦產資源開發利用與土地利用之間存在相互關系，土地利用變化是研究礦區生態系統格局變化、評價礦區生態環境質量的重要因素。因此，基于30 年土地利用數據分析伊犁河谷礦集區土地利用變化的時空特征，使用地理探測模型分析多種影響因子對土地利用變化的驅動作用，以期為該區域生態協調和可持續發展提供科學思路。

1 研究區概況

新疆伊犁河谷礦集區位于新疆伊犁哈薩克自治州境內（圖1），是我國重要的礦產資源集中區之一。該區域主要礦產資源包括金、銀、銅、鉛、鋅、煤等，尤其是煤炭儲量巨大，達到1 700 億t。2007 年，國家發展和改革委員會批準伊犁作為全國七大煤化工基地之一，伊犁成為全國重點產煤區。隨著礦區建設和礦業發展，礦集區內各大礦業企業為當地經濟發展做出了巨大貢獻。然而，伊犁河谷流域礦集區內存在諸多問題，如煤炭產業規模不一、布局散亂、煤炭運輸道路受阻、管理落后和地質災害隱患風險大等。

圖1 研究區位置圖Fig.1 Location map of the study area

2 數據與方法

2.1 數據介紹

共使用與研究相關的10 種基礎數據，包括用于土地利用矢量數據以及用于分析的地形數據（數字高程模型，Digital Elevation Model，DEM）、氣象數據（地表溫度、地表蒸散發、逐月降水量）、土壤數據（土壤有機碳、土壤厚度、土壤侵蝕）、地表覆被數據（含植被覆蓋度及1990 年、1995 年、2000 年、2005 年、2010 年、2015 年和2020 年的土地利用數據）、社會經濟數據（GDP），見表1。

2.2 方法介紹

2.2.1 重心遷移模型

重心遷移模型是地理學中較為常見的分析模型之一，能夠直觀地表現出某個要素在空間上的遷移規律以及集聚情況[12]，重心遷移模型計算公式見式（1）。

式中：Xr、Yr為各等級土地利用類型重心的經緯度坐標；Fis為第i個土地利用類型像元在第s年的值；xi、yi為第s年在第i個格網上土地利用類型的重心坐標。

2.2.2 地理探測器

1）因子探測[13]。探測土地利用的空間分異性和各個驅動因子對土地利用空間分異性的解釋程度，用q值度量，計算公式見式（2）和式（3）。

式中：h為土地利用驅動因子的分類或分區；Nh和N分別為第h分區與全區的單元數；σh和σ分別為第h分區與全區y值的方差；SSW和SST分別為層內方差之和與全區總方差；q的值域為[0，1]，q值越大則表示驅動因子x對土地利用y的解釋力就越強，反之則越弱。

2）交互探測器[13]。交互探測器用于識別不同驅動因子之間的交互作用，即探測驅動因子X1 和驅動因子X2 共同作用時對土地利用強度的解釋力是增強還是減弱。不同因子交互作用的差異主要體現出5 種結果，q（X1∩X2）＜min[q（X1），q（X2）]交互作用非線性增強，min[q（X1），q（X2）]＜q（X1∩X2）＜max[q（X1），q（X2）]交互作用為單因子非線性增強，q（X1∩X2）＞max[q（X1），q（X2）]交互作用為雙因子增強，q（X1∩X2）=q（X1）+q（X2）交互作用為獨立交互作用，q（X1∩X2）＞q（X1）+q（X2）交互作用為非線性增強。

3）生態探測[13]。用于比較兩因子X1 和X2 對屬性Y的空間分布的影響是否有顯著差異，以F統計量來衡量，見式（4）和式（5）。

式中：NX1、NX2分別為兩個因子X1、X2 的樣本量；SSWX1和SSWX2為由X1 和X2 形成的分層的層內方差之和；L1 和L2 分別為變量X1 和X2 分層數目。其中，零假設H0：SSWX1=SSWX2。如果在α的顯著性水平上拒絕H0，這表明兩因子X1 和X2 對屬性Y的空間分布的影響存在著顯著的差異。

3 結果與分析

3.1 礦集區土地利用變化分析

3.1.1 礦集區土地利用變化統計描述

表2 統計了1990—2020 年伊犁河谷礦集區各土地覆被類型面積和占比。由表2 可知，1990—2020年間伊犁河谷礦集區的土地利用變化類型主要有草地、耕地、林地、建設用地、濕地（含水域）和未利用地。草地面積占比第一，多年保持在64%～71%之間；濕地（含水域）占比最少，為1%左右。草地和未利用地面積整體呈現減少趨勢，草地面積從7 780.10 km2減少到6 986.01 km2；未利用地面積從587.81 km2減少到535.06 km2。耕地、林地、建設用地和濕地（含水域）面積呈現增加趨勢，其中，耕地面積從1 491.39 km2增加到2 034.87 km2；林地面積從743.31 km2增加到778.92 km2；建設用地面積 從167.80 km2增加到389.59 km2；濕地（含水域）面積從81.56 km2增加到127.52 km2。

3.1.2 礦集區土地利用變化面積變化和動態特征

年變化率和土地利用動態度能夠有效體現不同時段內土地利用變化類型面積的變化速率和動態過程。表3 展示了1990—2020 年伊犁河谷礦集區土地利用變化年變化率和動態度。由表3 可知，草地、耕地、建設用地和未利用地的年變化率在1995—2000年達到最大，分別為-1.078%/a、5.220%/a、6.470%/a和-0.996%/a；林地的年變化率在2005—2010 年最大，為0.802%/a；濕地（含水域）的年變化率在2000—2005 年最大，為7.409%/a。土地利用類型動態度能夠表示某種土地利用變化類型發生變化的圖斑數量。表3 中大部分面積年變化率最大的地類動態度也最大，但建設用地表現不同，其面積增加最多為1995—2000 年的6.470%/a，動態度最大則為2010—2015 年的12.510%。盡管面積增加，但圖斑基數較小，因此動態度較小，表明了城市擴張中即便面積年變化率不大，一旦形成規模，其動態度也會比較大。1995—2000 年草地和耕地動態度達到最大，分別為-83.894%和77.972%，表面大多數地類圖斑發生了面積變化，而此后十多年也一直處于較為劇烈的動態變化之中。其他地類動態度沒有超過15%，動態變化主要表現在局部區域。

表3 1990—2020 年伊犁河谷礦集區土地利用變化年變化率和動態度Table 3 Annual change rate and dynamics of land use change of Yili Valley Mining Agglomeration Area from 1990 to 2020

3.1.3 礦集區土地利用變化轉入轉出分析

在計算各時間段土地利用變化轉移矩陣后，將結果換算成轉入轉出率，便于分析每一種地類具體減少和增加的程度，見表4 和圖2。草地和未利用地多年表現為轉出率大于轉入率；耕地、建設用地和濕地（含水域）轉化較為顯著，除個別時間段轉出率略大于轉入率，多數時間均為轉入率大于轉出率；林地整體轉入大于轉出。表明城市擴張的同時耕地增加，森林和水域生態系統質量有所提高。盡管草地轉出率較高，但非轉為未利用地，表明生態環境質量并未下降。

表4 1990—2020 年伊犁河谷礦集區土地利用變化轉入率和轉出率Table 4 Transfer rate of land use change of Yili Valley Mining Agglomeration Area from 1990 to 2020 單位：%

圖2 1990—2020 年伊犁河谷礦集區土地利用變化變化率空間格局Fig.2 Spatial pattern of change rate of land use change of Yili Valley Mining Agglomeration Area from 1990 to 2020

3.1.4 重心遷移分析

運用ArcGIS 軟件計算得到土地利用變化重心坐標，繪制成折線圖，如圖3 所示。由圖3 可知，草地、濕地（含水域）、未利用地重心整體向東北部移動，耕地重心整體向東南移動，說明東部的農業縣擴大耕種面積。林地原集中北部山前地帶，隨后向西南移動，說明南部人類活動區近幾年大片造林取得進展。建設用地向西北運動。2000—2005 年草地和濕地（含水域）移動距離最大，2010—2015 年建設用地移動距離最大，而礦集區西側的伊寧市為該區域核心城市，說明這五年城市發展變化迅速，城市化向著大城市方向移動。濕地（含水域）重心東移明顯，結合草地表現說明礦集區東部自然生態恢復效果較好。

圖3 1990—2020 年伊犁河谷礦集區土地利用變化重心遷移分析Fig.3 Gravity migration analysis of land use change of Yili River Valley Mining Agglomeration Area from 1990 to 2020

3.2 礦集區土地利用變化驅動力分析

3.2.1 探測因子單因素分析

選取9 種探測因子分析不同環境因子與人類活動對伊犁河谷礦集區土地利用空間分異的影響，得到單因子影響的解釋力q值（值域為0～1）。圖4 為伊犁河谷礦集區土地利用空間分異驅動因子解釋力統計圖。由圖4 可知，按解釋力大小各因子依次排序為X8＞X9＞X6＞X7＞X2＞X4=X5=X3＞X1。高程對于土地利用的解釋力最強，達到0.152，說明在這9 種探測因子中高程對于土地利用的影響最大；其次是有機質含量，達到0.118；GDP 影響力最低，為0.018，說明GDP 因素對于土地利用的影響較小，主要是由于數據的性質，僅2015 年和2020 年具備有效值，其余年幾乎為空值，因此可供分析的數據較少，從而影響了其解釋力；土層厚度、土壤侵蝕和地表溫度表現出一致的解釋力；蒸散發量、降水量和坡度的解釋力處于中間水平。

圖4 伊犁河谷礦集區土地利用空間分異驅動因子解釋力統計圖Fig.4 Explanatory force of spatial differentiation driving factors of land use of Yili River Valley Mining Agglomeration Area

3.2.2 探測因子交互分析

為探測多種因子對伊犁河谷礦集區土地利用變化的影響力大小，各因子的交互作用情況及其顯著性大小，運用地理探測器進行對應分析，如圖5 所示。由圖5 可知，高程∩坡度作用效果最強，為0.320，有機質含量∩降水量次之，為0.261，第三是高程∩降水量，為0.253。GDP 與其他因子交互作用均處在較低水平。

圖5 伊犁河谷礦集區各驅動因子交互探測和生態探測結果Fig.5 Interactive detection and ecological detection results of various driving factors in Yili River Valley Mining Agglomeration Area

大多數因子之間的交互作用表現為非線性增強，說明大多數因子對于土地利用變化是共同促進關系。GDP 與其他因子既不增強也不減弱，沒有線性減弱和非線性減弱的交互因子存在，說明所有因子對于土地利用變化都有一定的增強作用，只是作用力大小不同。

生態探測結果顯示高程與GDP、土層厚度、土壤侵蝕、地表溫度和蒸散發量具有顯著性差異，說明高程因子與上述因子共同對土地利用的空間分布影響差異較大，結合單因子分析也說明高程的重要性強。其他因子相互之間不存在顯著性差異，說明其他因子對土地利用空間分布影響具有較相似機理。

4 討論

為進一步討論礦區土地利用變化情況，提取土地利用變化建設用地中的二級地類，包括采礦場、工業用地和居住地，見表5。由表5 可知，建設用地中各二級地類均呈現上升趨勢。2010 年以前，工業用地面積占建設用地的比例維持在3%以內，采礦場則不足1%，面積均處在極低水平；2010 年之后，工業用地呈爆發式增長，到2020 年面積占比達到13.49%，采礦場面積達到23.95 km2，占比一度增長至6.25%。二級地類結構也發生變化，居住地占比持續下降，工業用地面積比不斷上升，采礦用地不斷增加。這個過程體現了該區域以礦業為代表的工業發展規模取得了顯著增長。同時可以看出采礦活動對于建設用地影響巨大。礦業發展不僅僅局限于礦區，更帶動礦業驅動的相關產業發展，從而大幅增加了工業用地占比。盡管三個二級地類面積都在增長，但工業用地面積增加了10 多倍，采礦場面積增加40 多倍，居住用地面積僅增加不到2 倍，表明礦集區工業化水平不斷提升，采礦用地規模也不斷壯大。

表5 建設用地中各二級地類面積和占比Table 5 Area and proportion of secondary land in construction land

5 結論

1）草地和未利用地面積減少，耕地、林地、建設用地和濕地（含水域）面積有所增加。不同地類在不同時間段變化情況不同，整體來看土地類型變化率最大值均在2010 年以前，且動態度隨之表現出基本一致的變化特征。

2）耕地、林地、建設用地和濕地（含水域）整體轉入率大于轉出率，表明城市擴張的同時耕地增加，森林和水域生態系統質量有所提高。重心分析結果表明林地、建設用地向礦集區西部移動，生態相關地類（耕地、草地、濕地（含水域）、林地）向東部移動。

3）高程∩坡度對土地利用作用效果最強，大多數因子對于土地利用變化是共同促進關系，高程因子在眾因子中重要性最強。土地利用變化是所有因子共同促進的結果。