土地利用功能權衡協同關系及其驅動因子研究

摘要：研究目的：揭示2021年武漢市“農業生產—非農生產—生活—生態”土地利用功能系統間的權衡協同關系，探索不同主體功能情形設定下驅動因子的影響差異性，為促進當地土地資源的優化利用與空間精細化管理提供參考依據。研究方法：地理空間分析法，皮爾遜相關系數法，貝葉斯網絡模型。研究結果：（1）武漢市不同土地利用功能空間分異特征明顯，農業生產功能的高值與較高值主要集中在武漢市北部與南部地區，非農生產與生活功能基本呈現“中心城區高、遠城區低”的特征，生態功能的低值、高值分布特征則與建設用地、林地等土地利用類型高度關聯；（2）研究區非農生產與生活功能互為協同關系（r = 0.84），農業生產與非農生產功能（r = -0.25）、生活功能（r = -0.25）互為權衡關系，生態功能與非農生產功能（r = -0.36）、生活功能（r = -0.4）互為權衡關系，生態與農業生產功能則無明顯相互關系（r = -0.027）；（3）人類活動強度、距區中心遠近、土地利用強度、地表徑流量是影響當地土地利用功能差異化發展的關鍵驅動因子，且在不同主體功能情形設定下，各因子的狀態變化不盡相同。研究結論：武漢市應注重不同區域間的非農生產、生活功能平衡發展，通過建成區的生態宜居建設與城鄉均衡發展改善土地利用功能間的權衡關系，并基于不同地區的主體功能制定差異化的管控策略。

關鍵詞：土地利用功能；權衡協同關系；貝葉斯網絡模型；武漢市

中圖分類號：F301.2 文獻標志碼：A 文章編號：1001-8158（2024）06-0066-12

基金項目：國家社科基金重大項目“共享發展理念下的我國新型城鄉土地制度體系構建研究”（16ZDA020）。

改革開放以來，我國工業化與城鎮化高速發展，取得了舉世矚目的成就。但長期以來的粗放發展模式，導致產生城鎮用地無序擴張與利用低效、農業用地被過多侵占以及生態系統功能退化等一系列問題[1-3]。目前我國經濟已由高速增長階段轉向高質量發展階段，在由“數量追趕”向“質量追趕”的發展取向轉變新形勢下[4]，如何實現土地資源優化利用成為當前土地資源管理工作亟需解決的關鍵問題之一。土地利用功能即土地資源為人類活動提供各種有形與無形產品和服務的能力[5]，其功能實現的有效性與多元性是促進區域土地優化利用的重要途徑。不同類別的土地利用功能系統間存在著復雜的權衡（此消彼長）與協同（相互增益）關系，掌握土地利用功能系統間的相互關系及其驅動因子，能為區域土地利用優化提供參考依據。

學術界針對土地利用功能的研究主要包括功能類型劃分與實證分析兩大部分：功能類型劃分方面，較為主流的分類方式是依據土地的主導用途屬性分為生產、生活、生態（環境）三大類[6]，也有學者在此基礎上出于不同研究視角進行細化，如依據農業、城鎮、生態空間布局分為農業生產、非農生產、生活保障、生態服務4種功能[7]，結合鄉村振興目標，將鄉村土地利用分為生產、生活、生態、文化4種功能[8]等。實證分析方面，多采取地類賦值法[9-10]、指標體系評價法[11-13]等進行功能識別與評價，通過耦合協調分析[14-16]、空間相關性分析[17]等方法判斷不同土地利用功能系統間的相互關系，并利用空間回歸模型[18]、地理探測器模型[19-20]等方法，從自然地理、社會經濟及政策[21-22]等角度開展驅動因子分析。

這些研究揭示了土地利用功能分類的多樣性以及不同區域多種土地利用功能的時空分異特征與相互關系，但在實證分析方面，研究尺度多以全國、省域、城市群等為主，較少基于市域視角對土地利用功能空間異質性進行精細化分析，且主體功能區劃作為我國國土空間合理利用與保護的重要手段[23]，上述研究的驅動因子分析對于如何實現不同主體功能區的土地利用功能差異化發展也存在一定局限性。為解決上述研究的不足之處，近些年來，微觀尺度下的土地利用功能研究已成熱點[24-26]。多綜合運用衛星遙感影像、土地利用、經濟社會等多維數據，以細分網格為分析單位，研判不同區域土地利用功能水平及其權衡協同關系，所得結果更具精準性，能更好地識別不同區域土地利用功能的空間分布差異。同時，在生態系統服務研究領域，貝葉斯網絡模型能直觀反映驅動因子在不同目標狀態下的影響作用差異，如FENG等[27]利用貝葉斯網模型模擬生態系統服務供給過程，并采用敏感性分析識別影響生態系統服務供應的關鍵因素。荔童等[28]基于貝葉斯網絡模型，對處于不同權衡協同關系的生態系統服務進行動態情形模擬分析，發現各驅動因子在不同目標狀態下產生協同（或權衡）方式存在顯著差異。

本文以武漢市為例，擬從以下兩個方面進行拓展：一是從微觀尺度出發，量化評估當地2021年土地利用功能各系統指數及其權衡協同關系；二是構建貝葉斯網絡模型，以權衡協同關系為基礎進行不同主體功能情形設定，確定影響土地利用功能權衡協同關系的關鍵驅動因子，以期為武漢市未來的土地利用優化與空間精細化管理提供參考依據。

1 研究區域概況與數據來源

1.1 研究區域概況

武漢市地處江漢平原東部，是我國兩型社會建設綜合配套改革試驗區、全面創新改革試驗區、長江經濟帶中游核心城市。作為我國重要的工業與科教基地，近年來，伴隨著經濟社會的高速發展與城鎮化進程的快速推進，武漢市土地利用強度日漸加強。2002—2021年，武漢市GDP由1 467.8億元增至17 716.76億元，人口密度由970人/km2增至1 593人/km2，建成區面積由214.22 km2增至885.1 km2，整體擴張4.13倍①，致使城市外圍農業與生態空間被大量侵占，三生空間協調發展問題愈趨嚴峻。目前，武漢市已發布《武漢市國土空間總體規劃（2021—2035年）》，對市域范圍內的生態、農業農村、城鎮空間作出了明確劃定，因此，從三生空間視角出發掌握當地土地利用功能的空間分異特征，了解各功能彼此間的權衡協同關系及其驅動因子，對實現武漢市土地資源的集約高效利用具有重要現實意義。

1.2 數據來源及處理

本文所涉及的經濟社會、土地利用、資源環境等數據來源如下：（1）糧食產量、人口、經濟數據來源于2022年武漢市統計年鑒；（2）土地利用數據來自基于歐洲空間局衛星圖像數據的Sentinel-2土地覆蓋資源管理器，分辨率為10 m；（3）NPP-VIIRS夜間燈光數據來自地球觀測組，分辨率為500 m，并采用CHEN等[29]的方法進行矯正；（4）凈初級生產力（NPP）、蒸散發、歸一化植被指數（NDVI）數據來自GEE平臺，分辨率分別為500 m、500 m和30 m；（5）教育、醫療設施POI數據采自高德開放平臺，并經過人工篩選剔除重復項；（6）土壤相關數據來自世界土壤數據庫（HWSD）的中國土壤數據集，比例尺為1∶100萬；（7）降水氣象數據來自國家地球系統科學數據中心（https：//www.geodata.cn/），分辨率為1 km；（8）數字高程模型（DEM）數據來自地理空間數據云 （https：// www.gscloud.cn/），分辨率為30 m。以上數據除土壤與DEM數據外年份均為2021年，在ArcGIS 10.2平臺上對所有柵格數據進行空間分辨率30 m重采樣，采取WGS_1984_UTM_zone_50N標準進行統一投影，并構建600 m×600 m網格開展分析。

2 實證研究設計

2.1 土地利用功能指數評價

“三生空間”理論即依據國土空間的不同用途屬性與結構功能，將其劃分為生產、生活與生態空間。人類基于自身發展需求對各類空間進行開發、利用或保護，從而演變出多樣的土地利用類型[30]，由此產生了土地利用的生產、生活與生態功能。其中，生產功能指人類利用土地進行各類經濟產品生產的能力，可進一步細分為利用農地資源進行農產品生產與利用建設用地進行非農產品（服務）生產兩部分；生活功能即土地為人類活動提供居住場所和生活服務的能力，主要包括居住承載功能與生活服務供給功能；生態功能則是指土地為人類提供生態產品與服務，保持區域生態系統良性發展的能力。據此本文將土地利用功能分為生產、生活、生態功能系統。同時鑒于研究區九成以上的糧食生產與耕地資源集中在遠城區，且農業與非農生產功能的影響因素存在一定差異，因此，將土地利用功能細化為“農業生產、非農生產、生活、生態”4個功能系統。基于科學性、全面性、數據可獲取性原則，結合武漢市實際情況及《武漢市國土空間總體規劃（2021—2035年）》，同時參考學術界相關研究[24-26]，以突出各子系統核心功能為出發點，確定具體指標如下：

2.1.1 農業生產功能

2.3 基于貝葉斯網絡的驅動因子分析

2.3.1 貝葉斯網絡模型構建

貝葉斯網絡（Bayesian Belief Network）是一種基于概率模型來反映不確定條件下變量潛在相互關系的一種圖形網絡[39]。主要由通過有向無環圖確定各變量間相互依賴關系的網絡結構學習，與通過條件概率表體現節點之間相互關系強弱的參數學習兩部分組成。該模型通過網絡結構學習所得的先驗概率結合似然函數計算出的后驗概率，能對研究對象的發生概率進行重新評估。利用該特性本研究可以通過不同主體土地利用功能的情形設定，確定影響不同功能權衡協同關系的關鍵影響因素。貝葉斯網絡結構中的節點變量選取體現研究對象內在的邏輯關系[40]，因此，本文將土地利用功能各子系統的評價值設為目標節點，在前文各指標構成變量的基礎上，參考相關文獻[24]，確定NPP、NDVI、降雨量、蒸散發量、地表徑流量、降雨侵蝕、土壤可蝕性、DEM、人類活動強度、土地利用強度、距區中心遠近為驅動因子節點①，搭建貝葉斯網絡分析框架。貝葉斯網絡對于離散化數據的處理效果最佳，因此，在ArcGIS 10.2平臺中利用自然斷點法對全部變量進行離散化處理分為“低、較低、中、較高、高”5個等級，以前文構建的網格為單位提取各變量數據，帶入Netica軟件進行驅動因子重要性與動態模擬分析，具體節點變量狀態分級見表2。

2.3.2 驅動因子重要性分析

在識別研究區土地利用功能系統間的權衡協同關系與各驅動因子的重要程度基礎上，參考FENG等的研究[27]，基于不同主體功能區土地利用功能的差異化發展需求，對處于不同權衡協同關系的土地利用功能系統進行情形設置（表3）。利用貝葉斯網絡的概率推導，計算不同情形設定下各關鍵驅動因子的后驗概率相較先驗概率的變化情況，以變化幅度超過25%為標準，確定影響研究區土地利用功能差異化發展的關鍵驅動因子。

3 實證結果分析

3.1 土地利用功能評價指數空間可視化分析

2021年武漢市土地利用功能評價指數空間分布如圖1所示，為方便結果展示，對除生態功能外的其他功能指數，在ArcGIS 10.2平臺中與對應的土地利用類型進行相交處理。其中，農業生產功能指數的高值主要集中分布在武漢市的北部（新洲區、黃陂區）與蔡甸區西南部，較高值與中值主要集中在江夏區南部與西南角，較低值主要集中在東西湖區東部等，且武漢市北部、西南部、南部的農業生產功能呈現高值、較高值、中值交錯分布的格局特征。具體來看，新洲區、江夏區、黃陂區作為武漢市乃至湖北省的糧食主產區，2021年貢獻了全市73.6%的糧食作物產量。其中，高值較為集中的黃陂與新洲區因耕地面積廣闊，農業生產能力較強，較高值集中的江夏區則因區域內林地、耕地交錯分布面積較廣，連片耕地面積相對較小，因此，其農業生產功能受到一定影響。

非農生產功能指數的高值集中分布在江漢區與漢南區，且武昌區存在零散分布，較高值集中在硚口區、江岸區與武昌區，且洪山區等存在較高值零散分布，中值主要集中在青山區、漢陽區、洪山區、東西湖區，較低值主要分布在江夏區、黃陂區、新洲區等遠城區。高值大范圍集中區域的產生原因與江漢區作為武漢市商業與金融中心，現代金融與現代商貿產業發達，漢南區作為國家級高新技術開發區，汽車制造、航空航天、新材料等高新技術產業發達，且兩區建設用地面積相對較小有關，低值產生的原因則與遠城區的農業生產主導定位存在一定關聯。

生活功能指數的分布格局與非農生產功能基本一致，差異主要體現在中心城區的硚口區、江岸區靠近江漢區部分、武昌區絕大部分為高值，漢陽區沿長江、漢江區域主要為較高值，青山區基本呈現距市中心越遠，較高值向較低值遞減的分布特征；遠城區則呈現由區中心較高值向中值、較低值輻射分散的分布特征，漢南區除中部建成區域中值集聚外，其余均為較低水平等。具體來看，人口與公服設施集聚與城市擴張密不可分，武漢市呈現的中心城區以長江為中軸線向兩岸擴張發展、遠城區由區中心向四周輻射擴張的城市建設格局，造就了當地生活功能評價指數由中心向周邊地區階梯式遞減的空間分布特征。

生態功能指數的高值除集中分布在黃陂區北部以及新洲東北部地區外，其余零散分布在蔡甸區、洪山區、江夏區等地，且北部地區呈現較高值、中值混合分布的特征。較高值集中分布在武漢市東南角，中值集中分布在江夏區南部等，中心城區及遠城區中心則基本為低值水平。結合研究區土地利用數據來看，2021年武漢市生態功能低值、高值的分布特征，分別與建設用地、林地等土地利用類型存在高度關聯，即植被覆蓋度越高、人類活動越少的區域生態功能指數越高。

3.2 土地利用功能權衡協同關系分析

2021年武漢市土地利用功能權衡協同關系分析結果詳見圖2，可知，2021年研究區非農生產與生活功能互為協同關系，且互為增益狀態最為明顯（r = 0.84），農業生產功能與非農生產、生活功能，生態功能與非農生產、生活功能互為權衡關系，生態與農業生產功能則無明顯相互關系（r = -0.027）。權衡關系中，生態與非農生產功能（r = -0.36）、生活功能（r = -0.4）的權衡關系最強，結合圖1可知，2021年武漢市絕大部分建成區域的生態功能為低值水平，因此，加強建成區域的生態系統服務能力是促進三者協同發展的關鍵所在。對于農業生產與非農生產、生活功能的權衡關系而言，當地遠城區農業生產空間內農村聚集點在非農生產、生活功能上的低值水平，是導致三者出現權衡關系的主要原因。因此，在不侵占農業生產空間的前提下，進一步促進城鄉均衡發展，能一定程度上緩解三者的權衡關系。

3.3 土地利用功能權衡協同關系驅動因子分析

3.3.1 貝葉斯網絡訓練結果與精度驗證

貝葉斯網絡結構學習結果展示了11個驅動因子與4個目標節點組合形成的19對作用關系及其先驗概率（圖3）。采用Netica軟件的誤差矩陣實現對模型預測精度的驗證，計算所得農業生產、非農生產、生活、生態功能的預測準確率分別為67.3%、88.37%、89.47%、74.67%，模型預測總精度為79.95%。說明模型整體模擬精度較高，能通過驅動因子節點變量較為有效地預測上述4個目標節點的概率狀況。

3.3.2 土地利用功能驅動因子重要性分析

研究區各土地利用功能系統的驅動因子重要性分析結果詳見表4，可知在VR值大于0.5%的識別標準下，影響研究區“農業生產、非農生產、生活、生態”土地利用功能的關鍵驅動因子分別如下：

對于農業生產功能來說，NPP、土地利用強度、NDVI、DEM均有較為顯著的影響效果，且NPP的VR值最大（8.27%）。具體來說，NPP作為糧食作物生長的能量來源之一，NPP高值區域為糧食作物提供生長所需的養分和土壤肥力的能力也就越強。其次，糧食作物作為人類利用耕地資源進行農業生產的主要產出，其產量和質量的高低與耕地資源的利用強度和效率存在一定關聯。同時，NDVI反映了植被綠度和生物量積累情況，NDVI高值區域的糧食作物生長狀態通常較好。最后，DEM反映了地區的地形海拔高低，不同高程區域的氣溫變化、光照強度、土壤特性等存在一定差異，從而對糧食作物的生長也會產生一定影響。因此，上述4個因子的高低水平，對于研究區農業生產功能至關重要。

對于非農生產與生活功能來說，人類活動強度、土地利用強度、距區中心遠近的影響效果最為顯著，且人類活動強度與土地利用強度的影響程度最高（VR值均大于27%），究其原因，較高的人類活動與土地利用強度的區域通常人口較為密集、經濟社會活動較為繁榮，同時，距區中心越近的區域往往規劃與建設起步較早，且能享有更多政策扶持與資源分配。因此，上述3個因子高值集中的區域，就業機會、產業發展水平、人口與公共服務設施集聚等較低值地區更具優勢，與之對應的非農生產與生活功能也就越強。

對于生態功能來說，地表徑流量、NDVI、土壤可蝕性的影響效果最為顯著，且地表徑流量的VR值最大（7.2%）。地表徑流量、NDVI與土地利用類型息息相關，如建設用地的降雨滲透能力與植被覆蓋率相對較低，因此，在本文構建的以韌性城市建設為考核目標的生態功能評價體系下，絕大部分建成區域的評價指數為低值水平。同時，土壤可蝕性反映了土壤表層在水流作用下易于被侵蝕的性質，因此，其高低水平對韌性城市的建設具有重要影響。

綜上所述，確定NPP、DEM、人類活動強度（HAI）、距區中心遠近（DFC）、土地利用強度（LUI）、地表徑流量（SR）、NDVI、土壤可蝕性（SE）為影響研究區各土地利用功能的關鍵驅動因子。

3.3.3 權衡協同關系關鍵驅動因子識別

在前文確定的土地利用功能關鍵驅動因子及其權衡協同關系基礎上，利用貝葉斯網絡的概率推導，通過觀察不同主體功能情形設定下（表3），關鍵驅動因子后驗概率較先驗概率的變化情況（圖4）可知，在增減幅度超過25%的標準下，影響土地利用功能權衡協同關系，實現功能差異化發展的關鍵驅動因子為人類活動強度、土地利用強度、距區中心遠近與地表徑流量。

具體來看，在針對協同關系的情形1設定中，人類活動強度、距區中心遠近、土地利用強度3個變量高值增多的狀態下，能促使非農生產與生活功能的高值協同。在針對權衡關系情形設定中，情形4a下，人類活動強度、土地利用強度、地表徑流量等的高值增加，能促使研究區生態功能低值與非農生產、生活功能的高值權衡。而在與之對應的情形3a下，雖然各驅動因子變化幅度未超過25%，但上述3個驅動因子低值、NDVI高值等的增加，也能實現生態功能高值與非農生產、生活功能低值權衡。在情形3b下，以土地利用強度的較高值增加為主，NPP較高值與高值、人類活動強度低值等增加為輔的狀態下，能實現農業生產功能高值與非農生產、生活功能低值的權衡，情形4b下，關鍵驅動因子的變化情況則與情形1的發現基本一致，在此基礎上，NPP低值與NDVI較低值、中值等的小幅度增加，能實現農業生產功能低值與非農生產、生活功能的高值權衡。

4 結論與討論

本文綜合運用地理空間數據、經濟社會數據等，對2021年武漢市“農業生產、非農生產、生活、生態”土地利用功能指數進行測算，在此基礎上，運用皮爾遜相關系數法辨識不同土地利用功能的權衡協同關系，最后構建貝葉斯網絡模型，通過不同的主體功能情形設置，分析其權衡協同關系的關鍵驅動因子影響效果差異性，研究結論如下：

（1）2021年武漢市不同土地利用功能的空間分布格局差異顯著，其中，農業生產功能的高值與較高值大部分集中在武漢市北部與南部地區；非農生產與生活功能基本呈現由市中心向四周輻射遞減的分布特征；生態功能的高值地區則與林地高度重疊，且絕大部分的建成區域基本為低值水平。

（2）研究區非農生產與生活功能互為協同關系，農業生產、生態功能與非農生產、生活功能各為權衡關系，生態與農業生產功能則無明顯相互關系，要實現整體權衡關系的改善，應注重建成區域的生態服務系統優化以及城鄉均衡發展。

（3）人類活動強度、距區中心遠近、土地利用強度、地表徑流量是影響當地土地利用功能權衡協同關系的關鍵驅動因子，且在不同主體功能情形設定下，各驅動因子的狀態變化也不盡相同。因此，要實現不同功能間權衡協同關系的減弱或加強，因視具體區域的主體功能規劃來應用。

在土地利用功能評價的基礎上，辨析不同功能系統間的權衡協同關系及其關鍵驅動因子是實現區域三生空間優化的重要基礎和依據。本文研究成果能為當地土地利用的空間精細管控提供一定參考借鑒。

（1）量化評價結果表明武漢市非農生產與生活功能均存在顯著的發展失衡問題，非農生產功能方面，中心城區中洪山區、漢陽區與青山區等仍有大幅提升的潛力，這些區域應注重產業差異化發展，在已有支柱產業基礎上結合自身區位優勢，調整優化產業結構；生活功能方面，應強化主城區與新城區的互動聯系，提升新城區的公共基礎設施覆蓋，實現土地城鎮化與人口城鎮化的統籌發展。

（2）城鄉二元結構與建成區域的生態功能不足是導致武漢市土地利用功能出現權衡關系的主要原因。要實現三生功能的權衡關系改善，對于農村地區來說，應進一步促進城鄉區域的協調聯動，形成城鄉融合發展新格局。對于城市地區來說，應強化整體建成區域的生態宜居與韌性城市建設，補足生態功能短板。

（3）主體功能區規劃作為實現區域土地利用功能差異化發展的重要抓手，對于農業生產主體區，應適當加強耕地土地利用強度并減少人類活動，通過生態系統恢復與保護等手段提升區域內的NPP值，以此實現區域內農業生產功能高值與非農生產、生活功能低值的權衡。對于生態保護優先區，則應控制人類活動強度與減少土地開發利用，通過加強水土保持與植被管理等手段減少地表徑流量，以此提升區域內的生態功能，減弱其非農生產與生活功能。

為客觀真實反映研究區土地利用功能的現實狀況，本文將研究時間設為綜合數據均可獲取的最近年份2021年，囿于部分數據的獲取難度，所使用的土地利用數據在分類體系劃定上，與國內研究中常見采用的中國科學院資源環境科學數據中心提供的土地利用數據存在一定差異，可能會對土地利用功能指數的測算精度產生輕微影響。同時，例如研究區林產品產量等分區統計資料的缺失，使得本文在農業生產功能方面未能引入林產品生產等指標。因此，后續土地利用功能系統的研究工作，需結合研究區實際情況采取更結合我國土地利用現狀的數據資料，建立更為完善的評價指標與驅動因子體系開展相關研究。

參考文獻（References）：

[1] LONG H L， ZOU J， PYKETT J， et al. Analysis of rural transformation development in China since the turn of the new millennium[J] . Applied Geography， 2011， 31（3）： 1094- 1105.

[2] QU Y B， ZHAN L Y， WEI C C， et al. Interactive transition of cultivated land and construction land during China’s urbanization： a coordinated analytical framework of explicit and implicit forms[J] . Land Use Policy， 2024， 138. doi： 10.1016/j.landusepol.2024.107049.

[3] 俞孔堅，王思思，李迪華，等.北京城市擴張的生態底線——基本生態系統服務及其安全格局[J] .城市規劃，2010，34（2）：19 - 24.

[4] 王一鳴.百年大變局、高質量發展與構建新發展格局[J] .管理世界，2020，36（12）：1 - 13.

[5] GROOT R D. Function-analysis and valuation as a tool to assess land use conflicts in planning for sustainable， multifunctional landscapes[J] . Landscape Urban Planning， 2006， 75（3 - 4）： 175 - 186.

[6] 陳睿山，蔡運龍，嚴祥，等.土地系統功能及其可持續性評價[J] .中國土地科學，2011，25（1）：8 - 15.

[7] 范業婷，金曉斌，甘樂，等.長三角地區土地利用功能權衡的空間特征及其影響機制[J] .資源科學，2022，44（8）：1589 - 1603.

[8] 姜棪峰，龍花樓，唐郁婷.土地整治與鄉村振興——土地利用多功能性視角[J] .地理科學進展，2021，40（3）：487- 497.

[9] 劉繼來，劉彥隨，李裕瑞.中國“三生空間”分類評價與時空格局分析[J] .地理學報，2017，72（7）：1290 - 1304.

[10] 金星星，陸玉麒，林金煌，等.閩三角城市群生產-生活-生態時空格局演化與功能測度[J] .生態學報，2018，38（12）：4286 - 4295.

[11] 逯承鵬，紀薇，劉志良，等.黃河流域甘肅段縣域“三生”功能空間時空格局及影響因素識別[J] .地理科學，2022，42（4）：579 - 588.

[12] 倪維秋，夏源，趙寧寧.鄉村地域“三生空間”功能演化與耦合協調度研究——以黑龍江省為例[J] .中國土地科學，2022，36（9）：111 - 119.

[13] 李廣東，方創琳.城市生態—生產—生活空間功能定量識別與分析[J] .地理學報，2016，71（1）：49 - 65.

[14] 陜永杰，魏紹康，原衛利，等.長江三角洲城市群“三生”功能耦合協調時空分異及其影響因素[J] .生態學報，2022，42（16）：6644 - 6655.

[15] 王成，唐寧.重慶市鄉村三生空間功能耦合協調的時空特征與格局演化[J] .地理研究，2018，37（6）：1100 -1114.

[16] 張路路，鄭新奇，孟超，等.湖南省土地多功能耦合協調度時空分異[J] .中國土地科學，2019，33（3）：85 - 94.

[17] 李欣，方斌，殷如夢，等.江蘇省縣域“三生”功能時空變化及協同/權衡關系[J] .自然資源學報，2019，34（11）：2363 - 2377.

[18] 康慶，郭青霞，丁一，等.山西省2005 - 2018年“三生”功能的時空分異特征及其影響因素[J] .水土保持通報，2021，41（5）：327 - 337.

[19] 任君，周偉，郭婧，等.青藏高寒山區土地利用多功能時空分異特征及影響因素探析——以青海省海東市為例[J] .中國土地科學，2021，35（4）：90 - 100.

[20] 逯承鵬，紀薇，劉志良，等.黃河流域甘肅段縣域“三生”功能空間時空格局及影響因素識別[J] .地理科學，2022，42（4）：579 - 588.

[21] 孫丕苓，許月卿，劉慶果，等.環京津貧困帶土地利用多功能性的縣域尺度時空分異及影響因素[J] .農業工程學報，2017，33（15）：283 - 292.

[22] 劉愿理，廖和平，李濤，等.山區土地利用多功能時空分異特征及影響因素分析[J] .農業工程學報，2019，35（21）：271 - 279.

[23] 樊杰.中國主體功能區劃方案[J] .地理學報，2015，70（2）：186 - 201.

[24] ZHU C M， DONG B Y， LI S N， et al. Identifying the tradeoffs and synergies among land use functions and their influencing factors from a geospatial perspective： a case study in Hangzhou， China[J] . Journal of Cleaner Production， 2021， 314. doi： 10.1016/j.jclepro.2021.128026.

[25] YANG Y Y， REN X Z， YAN J M. Trade-offs or synergies Identifying dynamic land use functions and their interrelations at the grid scale in urban agglomeration[J] . Cities， 2023， 140. doi： 10.1016/j.cities.2023.104384.

[26] LI S N， ZHU C M， LIN Y， et al. Conflicts between agricultural and ecological functions and their driving mechanisms in agroforestry ecotone areas from the perspective of land use functions[J] . Journal of Cleaner Production， 2021， 317. doi： 10.1016/j.jclepro.2021.128453.

[27] FENG Z， JIN X R， CHEN T Q， et al. Understanding trade-offs and synergies of ecosystem services to support the decision-making in the Beijing-Tianjin-Hebei region[J] . Land Use Policy， 2021， 106. doi： 10.1016/ j.landusepol.2021.105446.

[28] 荔童，梁小英，張杰，等.基于貝葉斯網絡的生態系統服務權衡協同關系及其驅動因子分析——以陜北黃土高原為例[J] .生態學報， 2023， 43（16）：6758 - 6771.

[29] CHEN Z Q， YU B L， YANG C S， et al. An extended time series （2000-2018） of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration[J] . Earth System Science Data， 2021， 13（3）： 889 - 906.

[30] 段亞明，黃安，盧龍輝，等.“生產-生活-生態”空間的概念與理論研究[J] .中國農業大學學報，2023，28（4）：170- 182.

[31] ZHANG Y N， LONG H L， TU S S， et al. Spatial identification of land use functions and their tradeoffs/synergies in China： implications for sustainable land management[J] . Ecological Indicators， 2019， 107. doi： 10.1016/j.ecolind.2019.105550.

[32] LU D S， TIAN H Q， ZHOU G M， et al. Regional mapping of human settlements in southeastern China with multisensor remotely sensed data[J] . Remote Sensing of Environment， 2008， 112（9）： 3668 - 3679.

[33] 嵇娟，陳軍飛，丁童慧，等.長三角城市群城市洪澇韌性與生態系統服務耦合協調研究[J] .生態學報，2024，44（7）：2772 - 2785.

[34] KEESSTRA S， NUNES J， NOVARA A， et al. The superior effect of nature based solutions in land management for enhancing ecosystem services[J] . Science of the Total Environment， 2018， 610 - 611： 997 - 1009.

[35] 杜世勛，劉海江，張夢瑩，等.水源涵養型國家重點生態功能區生態系統服務功能評估[J] .生態學報， 2022，24（11）：4349 - 4361.

[36] 王勇，楊彥昆，程先，等.土壤保持功能對土地利用變化的敏感性研究[J] .水土保持學報，2020，34（6）：22 - 29.

[37] XU L， YU G R， HE N P. Increased soil organic carbon storage in Chinese terrestrial ecosystems from the 1980s to the 2010s[J] . Journal of Geographical Sciences， 2019， 29（1）： 49 - 66.

[38] GU F X， ZHANG Y D， HUANG M， et al. Climate-induced increase in terrestrial carbon storage in the Yangtze River Economic Belt[J] . Ecology and Evolution， 2021， 11（12）： 7211 - 7225.

[39] GRAFIUS D R， CORSTANJE R， WARREN P H， et al. Using GIS-linked Bayesian belief networks as a tool for modelling urban biodiversity[J] . Landscape and Urban Planning， 2019， 189： 382 - 395.

[40] NAGARAJAN R， SCUTARI M， LèBRE S. Bayesian Networks in R[M] . New York： Springer New York， 2013： 44.

[41] 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）：10 - 16.

Research on Trade-offs and Synergy Relationship of Land Use Functions and the Driving Factors： A Case Study in Wuhan

ZENG Kaihao， TANG Jian，YANG Shengfu

（School of Public Administration， China University of Geosciences （Wuhan），Wuhan 430074， China）

Abstract： The purposes of this study are to reveal the trade-offs and synergy relationship among agricultural production， non-agricultural production， living and ecological land use functions （LUFs） in Wuhan in 2021， to explore the differences in the impact of driving factors under different dominant function settings， and to provide references for promoting the optimal utilization and spatial refinement management of local land resources. The research methods include geospatial analysis， pearson correlation coefficient and Bayesian Network model. The results indicate that： 1） LUFs of Wuhan exhibits significant spatial differentiation. Areas with higher values for agricultural production function are mainly concentrated in the northern and southern regions of Wuhan. Non-agricultural production and living functions generally show a “higher value in the central urban area， lower value in the suburbs” pattern. While the distribution of low and high values of ecological function is closely associated with land use types， such as construction land and forests. 2） In the study area， there is a synergy relationship between non-agricultural production and living functions （r=0.84）. Agricultural production is in a trade-off relationship with non-agricultural production （r=-0.25） and living （r=-0.25） functions. Ecological function is in a trade-off relationship with non-agricultural production （r=-0.36）and living （r=-0.4） functions. However， there is no apparent mutual relationship between ecological and agricultural production functions （r=-0.027）. 3） The key driving factors of the differentiated development of LUFs include human activity intensity， distance from the central urban， land use intensity and surface runoff. Additionally， the status changes of these factors vary under different dominant function settings. In conclusion， Wuhan should pay attention to the balanced development of non-agricultural production and living functions in the different areas. To ameliorate the tradeoffs relationship between LUFs， ecological livable construction in built-up areas and balanced urban-rural development should be adopted. Moreover， differentiated control strategies should be formulated based on the main functions of different regions.

Key words： land use function； trade-offs and synergy relationship； Bayesian Network model； Wuhan

（本文責編：陳美景）