2010—2017年中國典型城市群土地利用格局變化及其驅動力比較分析

邢佳麗, 史文嬌, 郭旭東, 王鳴雷, 王曉青, 石曉麗, 張智杰, 王玥, 馮冬賓, 邵景安

2010—2017年中國典型城市群土地利用格局變化及其驅動力比較分析

邢佳麗1, 2, 史文嬌1, 3, *, 郭旭東4, 王鳴雷1, 3, 王曉青5, 石曉麗6, 張智杰7, 3, 王玥8, 馮冬賓9, 邵景安10

1. 中國科學院地理科學與資源研究所, 陸地表層格局與模擬院重點實驗室, 北京 100101 2. 中國地質大學(北京), 地球科學與資源學院, 北京 100083 3. 中國科學院大學, 資源與環境學院, 北京 100049 4. 中國國土勘測規劃院, 自然資源部土地利用重點實驗室, 北京 100035 5. 南京大學, 地理與海洋科學學院, 南京 210023 6. 河北師范大學, 資源與環境科學學院, 河北省環境演變與生態建設實驗室, 河北省環境變化遙感識別技術創新中心, 石家莊 050024 7. 中國科學院空天信息創新研究院, 數字地球重點實驗室, 北京 100094 8. 沈陽建筑大學, 管理學院, 沈陽 110168 9. 遼寧省朝陽市自然資源局, 朝陽 122000 10. 重慶師范大學, 地理與旅游學院, 重慶 401331

明確典型城市群土地利用格局變化及其驅動力, 對生態環境保護與國土空間規劃有重要意義。以2010與2017年哈長城市群、山東半島城市群和海峽西岸城市群土地利用變更調查數據為基礎, 采用土地利用變化幅度、土地利用變化速率、土地利用類型轉移矩陣等定量和定性方法對2010—2017年三大城市群的土地利用格局變化及其驅動力進行比較分析。結果表明, 三大城市群的主要土地利用變化表現為其他土地利用類型向建設用地的轉化, 其規模由大到小依次為: 海峽西岸城市群(2186.27 km2) >山東半島城市群(1056.45 km2) >哈長城市群(897.91 km2); 海峽西岸城市群的耕地面積表現為凈增長(192.00 km2), 其中流失面積為18755.00 km2, 新增面積為18948.00 km2, 而其余兩個城市群的耕地變化則以凈流失為主。人口增長、經濟發展、交通建設是三大城市群建設用地擴張的主要驅動力, 而氣候變暖促進了哈長城市群新增耕地的北移。研究得出三大城市群土地利用格局變化及其驅動力存在明顯差異。

哈長城市群; 山東半島城市群; 海峽西岸城市群; 土地利用格局變化; 驅動力

0 前言

我國將城市群建設作為全球和地區經濟競爭的政策工具, 計劃制定數十個國家級、地區和地方級城市群[1]。然而, 隨著城市群的城鎮化、工業化和區域經濟快速發展, 土地利用類型隨之發生變化, 對我國的生態環境產生一系列影響, 如人地矛盾、資源枯竭、環境惡化等[2–4]。為此, 明確城市群的土地利用格局變化及其驅動力對未來的政策制定和生態保護至關重要。

近年來, 眾多學者利用多源衛星遙感技術提取土地覆被信息等方法[5–8], 從多種角度出發分析了城市群建設過程中的土地利用格局變化及驅動力[9–12], 為城市化和可持續發展提供了重要技術支撐[13–14]。已有成果表明, 土地利用格局變化受人口增長、經濟發展、交通建設等社會經濟因素和氣候、水文、地形地貌等自然因素的多重影響[8, 15–17]。城市群建設會加快土地利用格局變化, 造成土地退化、水土流失、碳排放增加、生態系統脆弱等問題[18]。例如, 閩三角城市群城鄉建設引發土地利用持續巨變, 導致水源涵養能力減弱[7]; 哈長城市群建設用地擴張致使土壤保持量和碳儲量減少[19]。因此, 亟需開展長時間序列的城市群土地利用格局變化及其驅動力比較分析, 探究城市群土地利用變化下的生態系統影響機理, 為后續城市群建設提供理論和數據支撐。

以往研究大多采用分類精度較低的多源遙感數據進行土地利用類型的解譯分析[20], 導致土地利用類型的分類精度差, 時空格局、驅動機制、生態效應等的評估結果與實際情況脫節[6, 9–17], 難以滿足實際管理需求。此外, 對不同典型城市群間土地利用格局變化及其驅動力比較分析的研究較少。據此, 本研究選取自然條件與社會經濟發展水平具有鮮明區域差異的三個城市群(哈長、山東半島和海峽西岸城市群), 基于我國2010和2017年地方實地調查的土地利用變更調查數據, 比較分析三大城市群土地利用格局變化特征, 厘清土地利用格局變化的驅動力, 探討三大城市群土地利用格局變化對生態系統的影響, 為構建可持續的土地利用模式提供科學依據。

1 材料與方法

1.1 研究區概況

根據我國城市群建設“5+9+6”空間格局[21], 選擇我國東部的3個區域性城市群(國家二級城市群)作為研究區[22], 由北向南依次為哈長城市群(122°24′—131°18′ E, 42°00′—48°55′ N)、山東半島城市群(116°13′—122°42′ E, 35°04′—38°23′ N)和海峽西岸城市群(113°54′—121°16′ E, 22°53′—29°42′ N)。在自然條件方面, 哈長城市群西北部的松嫩平原, 耕地與建設用地集中分布(圖1a); 山東半島城市群中部低洼平坦, 耕地集中連片(圖1b); 海峽西岸城市群山地丘陵廣泛分布, 森林覆蓋率高(圖1c)。在社會經濟方面, 三大城市群側重點各有不同, 如哈長城市群既是我國重要的老工業區, 也是我國最大的商品糧基地, 2017年, 第一產業比重達11.76%; 山東半島城市群城鎮化率突破60%; 海峽西岸城市群人均GDP達53491.01元·人–1。

1.2 數據來源

年總人口數、城鎮人口數、地區生產總值、三大產業、城鎮人口比重等社會經濟數據來源于2011—2018年地方統計年鑒以及2010—2017年地方國民經濟和社會發展統計公報。DEM數據來源于地理空間數據云平臺(http: //www.gscloud.cn/), 空間分辨率為90 m×90 m; 2010及2017年土地利用變更調查數據來源于中國國土勘測規劃院數據中心, 空間分辨率為250 m×250 m。

1.3 研究方法

1.3.1 土地利用變化幅度

土地利用變化幅度能夠反映同一地區不同土地利用類型在數量與結構上變化的總體趨勢, 計算公式如下:

式中, Δ代表該時段內某類土地利用變化幅度(%),U、U分別代表研究初期、末期某類土地利用類型的面積(km2)。

1.3.2 土地利用變化動態度

土地利用動態度是反映一定時段某土地利用類型數量變化程度, 計算公式如下:

式中, K代表研究期土地利用類型的動態度(%); Ua、Ub代表研究初期與末期該類土地利用類型的面積(km2); T代表研究時長。

Figure 1 The patterns of land use in the three urban agglomerations in 2017

1.3.3 土地利用類型轉移矩陣

土地利用類型轉移矩陣用于定量描述各土地利用類型間的轉化, 能夠表述時空演變過程, 計算公式如下:

式中,代表土地利用轉移矩陣;S代表面積;,(,= 1, 2, …,) 分別表示研究初期和末期的土地利用類型。

1.3.4 驅動因素分析

城市群的發展建設以社會經濟因素影響為主, 自然因素影響為輔[8, 15-17]。本研究選擇城鎮化率、人口密度、三大產業、人均GDP、交通建設、氣候變化以及國家政策等指標綜合分析城市群發展建設過程中土地利用格局變化的驅動作用。

2）測量放線。通常，會根據施工圖紙所標注的各個坐標點在施工現場進行標注，在一般情況下，需要每隔30cm打1根邊樁，但是如果打樁地區的地形變化較大，或是處于轉彎路段，需要根據實際情況進行調整。

2 結果與分析

2.1 2010—2017年三大城市群土地利用空間格局變化

2010—2017年, 哈長城市群土地利用格局變化主要在西南部, 轉移類型以耕地、林地、草地轉建設用地為主; 北部以耕地占用草地為主(圖2a)。山東半島城市群東北部(膠東丘陵區)和西南部(魯中南山區)的地類變化主要為林草地之間的轉換; 西北部以其他土地向耕地、建設用地轉換為主; 東南部以耕地與建設用地之間的轉換為主(圖2b)。海峽西岸城市群內陸地區的耕地與林地相互轉換尤為明顯; 東南沿海、閩西及閩北地區的土地利用變化以林草地轉建設用地及耕地為主(圖2c)。

2.2 2010—2017年三大城市群土地利用變化特征

2.2.1 2010—2017年三大城市群土地利用數量變化特征

哈長城市群的建設用地以擴張(897.91 km2)為主(表1), 主要表現為城市與建制鎮用地面積增加(表1); 山東半島城市群的建設用地面積增加了1056.45 km2(表1), 主要表現為城市與村莊用地面積的增加(表1); 海峽西岸城市群的建設用地擴張面積(2186.27 km2)分別是哈長、山東半島城市群的2.43、2.07倍(表1), 其中公路用地與建制鎮用地增加面積在三大城市群中均位居首位(表1)。此外, 海峽西岸城市群的耕地是三大城市群中面積唯一小幅增長的(0.27%), 而林地(1463.44 km2)和水域(216.43 km2)則是三大城市群中面積減少最大的。

2.2.2 2010—2017年三大城市群土地利用類型轉移特征

2010—2017年間, 哈長城市群以耕地和建設用地變化為主。其中, 新增建設用地的81.77%來自耕地(69.17%)和林地(12.60%), 新增耕地主要由草地(43.27%)和水域(27.18%)轉入(表2); 在山東半島城市群, 新增耕地的56.61%來自林地和水域, 有27.47%的耕地和17.01%的林地由草地轉入。此外, 新增建設用地的76.52%主要來自于耕地(54.96%)和林地(21.55%) (表2); 在海峽西岸城市群, 新增耕地的71.43%由林地轉入, 新增建設用地的84.17%來自耕地(43.14%)和林地(41.03%), 而15.99%的耕地和36.93%的林地則是由草地轉入(表2)。

圖2 2010—2017年三大城市群土地利用類型轉移空間分布

Figure 2 Spatial distributions of the transformation types of land use in the three urban agglomerations from 2010 to 2017

表1 2010—2017年三大城市群各類型土地利用變化

表2 2010—2017年三大城市群土地利用類型轉移矩陣(×102 km2)

2.3 三大城市群土地利用格局變化驅動力

2.3.1人口因素

哈長城市群的人口流失導致人口密度下降4.76%, 其四個主要城市中哈爾濱市的城鎮化率增幅最小(0.61%) (表3), 城鎮化速率緩慢增長和人口密度降低可能導致耕地撂荒(表1)。而山東半島和海峽西岸城市群的人口密度均增加, 其中海峽西岸城市群增幅最大(7.92%), 為滿足人們對住宅和糧食的需求, 通過占用周邊土地來建設村莊(384.66 km2)和開墾旱地(562.03 km2)。在城鎮化發展建設中, 山東半島城市群的淄博市和青島市是開展城市和建制鎮建設工作的重點城市, 而海峽西岸城市群的福州市和泉州市城鎮化率較其他城市高, 加快了城市和建制鎮的擴張速度。

2.3.2 經濟因素

表3 2010—2017年三大城市群城鎮化率及人口密度變化

圖3 2010—2017年三大城市群人均GDP(a)及第一、二、三產業增加值比重(b–d)

Figure 3 The per capital GDP (a) and the proportion of value-added from the Primary (b), Secondary (c) and Tertiary (d) Industries in the three urban agglomerations from 2010 to 2017

2.3.3 交通建設

發達的交通網絡擴大了建設用地占用其他土地利用類型的范圍[3]。海峽西岸城市群內陸地區多山地, 通過鐵路(42.35 km2)和干線公路(601.37 km2)的建設推動內陸地區的經濟發展(表1); 東部沿海地區地勢平坦適合修筑港口(18.22 km2)以及大型國際機場(6.68 km2), 以此引進外資, 提升國民生產總值。山東半島城市群中部以北為沖積平原, 具有增設河運與內河港口(24.76 km2)以及推進公路(124.31 km2)和鐵路(42.69 km2)建設的優勢, 在沿海地區增設機場(8.32 km2)與海港促進對外經濟貿易發展。哈長城市群西北平原區地處內陸, 在交通建設中以鐵路(50.64 km2)和公路(141.15 km2)為主。

2.3.4 氣候因素

東北北部在氣候變暖的影響下大面積林草地被開墾為耕地, 農作物的種植邊界逐步北移[16]。2017年各站點的年積溫較2010年高, 且2010年各氣象站點的年積溫最低值位于哈長城市群北部的嫩江(2555.60 ℃·d) (圖4), 超過了東北地區早熟水稻的下限積溫(≥10℃ 2000 ℃·d)。氣候變暖為哈長城市群北部的水稻生長提供了熱量資源, 促使水田開墾(776.49 km2)向北移動(表1)。

2.3.5 政策因素

除人口、經濟、交通和自然因素外, 我國各省頒布實施的土地利用規劃等政策對三大城市群土地利用格局變化同樣具有推動作用[15]?！陡＝ㄊ⊥恋乩每傮w規劃》和《山東省土地利用總體規劃》的生效, 使旱地(562.03 km2, 海峽西岸城市群)和水田(13.28 km2, 山東半島城市群)的非法占用得到有效遏制(表1)。《福建省城鎮體系規劃(2010—2030)》與《福建省新型城鎮化規劃(2014—2020年)》等規劃文件的頒布實施, 實現了中心城市(268.21 km2)擴張輻射帶動周圍中小城鎮(830.09 km2)發展的新城鎮建設; 山東半島城市群為積極響應西氣東輸工程的建設與石油資源的開發, 大規模征收運輸管道用地(0.71 km2); 哈長城市群大力支持設施農用地(152.20 km2)建設以盤活因人口流失而閑置撂荒的土地。

3 討論

城市群是建設用地擴張的主體區域, 其擴張規模與主要來源在各城市群差異明顯。研究發現哈長城市群與吉林省[23]、北京市[24]、河北省[25]等地區一樣, 建設用地擴張以耕地轉入為主; 而山東半島城市群的新增建設用地主要來源于耕地和林地, 與方士源等人[26]的研究一致; 海峽西岸城市群以福建省為主體, 其建設用地擴張以占用林地為主[27]。

人口規模和經濟發展是城市群建設用地占用周邊土地利用類型的主要因素[23, 26–27], 如三大城市群主城區擴張、城鄉一體化建設、交通規劃等; 而自然因素(氣候等)對東北地區的土地利用格局變化有顯著影響[28], 如哈長城市群新增耕地北移。

城市群的快速發展在帶來土地利用格局變化的同時, 也會對城市群內部的生態系統服務產生重要影響。例如, 哈長城市群建設用地擴張以占用耕地為主, 導致土壤保持量和固碳量有減少的趨勢[19]; 而耕地開墾區的土壤保持能力和產水量有增加趨勢,固碳能力有降低的可能[19, 29]。山東半島城市群建設用地擴張以占用林草地和耕地為主, 變化區域的植被凈初級生產力有減少的可能[30]; 而林地修復工程使得植被凈初級生產力以及固碳服務有所改善[31]。海峽西岸城市群建設用地擴張以占用林地為主, 其面積的減少使得水源涵養量有減少的趨勢[7]。

4 結論

2010—2017年哈長城市群、山東半島城市群和海峽西岸城市群三大典型城市群的土地利用格局變化中, 建設用地擴張是三大城市群的主要土地利用格局變化, 其中海峽西岸城市群建設用地擴張規模分別是哈長、山東半島城市群的2.43、2.06倍。建設用地擴張占用的土地利用類型在三大城市群中具有顯著差異, 其中哈長城市群建設用地擴張面積的69.17%由耕地轉入, 山東半島城市群建設用地新增面積的76.52%來自耕地和林地, 海峽西岸城市群41.03%的林地轉為建設用地。在此期間, 自然因素(地形、地貌、氣候等)促使哈長城市群新增耕地北移, 而社會經濟因素則直接影響三大城市群建設用地擴張對其他土地利用類型的占用。

圖4 2010—2017年哈長城市群北部鄰近氣象站點≥10℃年積溫變化

Figure 4 The annual accumulated temperature changes of over than 10 ℃from the neighboring meteorological stations in the northern part of Ha-Chang urban agglomeration from 2010 to 2017

[1] GAO Xiaolu, XU Zening, NIU Fangqu, et al. An evaluation of China's urban agglomeration development from the spatial perspective[J]. Spatial Statistics, 2017, 21: 475–491.

[2] LAN Xiao, TANG Haiping, LIANG Haoguang. A theoretical framework for researching cultural ecosystem service flows in urban agglomerations[J]. Ecosystem Services, 2017, 28: 95–104.

[3] 楊清可, 段學軍, 金志豐, 等. 長三角地區城市土地開發強度時空分異與影響機理[J]. 資源科學, 2020, 42(4): 723–734.

[4] 陳瑜琦, 張智杰, 郭旭東, 等. 中國重點生態功能區生態用地時空格局變化研究[J]. 中國土地科學, 2018, 32(2): 19–26.

[5] BAGAN H, YAMAGATA Y. Land-cover change analysis in 50 global cities by using a combination of Landsat data and analysis of grid cells[J]. Environmental Research Letters, 2014, 9: 064015.

[6] ZHANG Zhijie, ZHANG Yuanjie, YU Xiao, et al. Evaluating natural ecological land change in function- oriented planning regions using the National Land Use Survey data from 2009 to 2018 in China[J]. ISPRS International Journal of Geo-Information, 2021, 10: 172.

[7] 王保盛, 陳華香, 董政, 等. 2030年閩三角城市群土地利用變化對生態系統水源涵養服務的影響[J]. 生態學報, 2020, 40(2): 484–498.

[8] 陳萬旭, 劉志玲, 李江風, 等. 長江中游城市群生態系統服務和城鎮化之間的空間關系研究[J]. 生態學報, 2020, 40(15): 5137–5150.

[9] LIU Jiyuan, KUANG Wenhui, ZHANG Zengxiang, et al. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014, 24(2): 195–210.

[10] NING Jia, LIU Jiyuan, KUANG Wenhui, et al. Spatiotemporal patterns and characteristics of land-use change in China during 2010—2015[J]. Journal of Geographical Sciences, 2018, 28(5): 547–562.

[11] 胡昕利, 易揚, 康宏樟, 等. 近25年長江中游地區土地利用時空變化格局與驅動因素[J]. 生態學報, 2019, 39(6): 1877–1886.

[12] 江凌, 肖燚, 饒恩明, 等. 內蒙古土地利用變化對生態系統防風固沙功能的影響[J]. 生態學報, 2016, 36(12): 3734–3747.

[13] 謝念斯, 劉勝華. 廣州市城市綠地空間格局及其關聯性分析[J]. 生態科學, 2019, 38(3): 55–63.

[14] 李智禮, 匡文慧, 趙丹丹. 京津冀城市群人口城鎮化與土地利用耦合機理[J]. 經濟地理, 2020, 40(8): 67–75.

[15] 劉紀遠, 張增祥, 莊大方, 等. 20世紀90年代中國土地利用變化時空特征及其成因分析[J]. 地理研究, 2003, 22(1): 1–12.

[16] 王鳴雷, 史文嬌. 中國北方新增耕地的時空變化及驅動因素分區[J]. 中國農業科學, 2020, 53(12): 2435–2449.

[17] 李毅, 肖臘梅, 胡文敏, 等. 長株潭核心區土地利用變化時空格局及驅動力多維分析[J]. 經濟地理, 2021, 41(7): 173–182.

[18] LU Chenxi, ZHAO Tingyang, SHI Xiaoliang, et al. Ecological restoration by afforestation may increase groundwater depth and create potentially large ecological and water opportunity costs in arid and semiarid China[J]. Journal of Cleaner Production, 2018, 176: 1213–1222.

[19] 于媛, 韓玲, 李明玉, 等. 哈長城市群生態系統服務時空特征及其權衡/協同關系研究[J]. 水土保持研究, 2021, 28(2): 293–300.

[20] 白燕, 馮敏. 全球尺度多源土地覆被數據融合與評價研究[J]. 地理學報, 2018, 73(11): 2223–2235.

[21] 方創琳. 中國城市群研究取得的重要進展與未來發展方向[J]. 地理學報, 2014, 69(8): 1130–1144.

[22] 方創琳, 毛其智, 倪鵬飛. 中國城市群科學選擇與分級發展的爭鳴及探索[J]. 地理學報, 2015, 70(4): 515–527.

[23] 史涵, 李蒙, 王向東. 1980—2017年吉林省土地利用變化及驅動力分析[J]. 國土與自然資源研究, 2019(4): 14–16.

[24] 何春陽, 史培軍, 陳晉, 等. 北京地區土地利用/覆蓋變化研究[J]. 地理研究, 2001, 20(6): 679–687, 772.

[25] 王雪然, 潘佩佩. 河北省土地利用變化及其生態環境影響[J]. 江蘇農業科學, 2019, 47(16): 297–303.

[26] 方士源, 王萍. 山東省土地利用時空變化與驅動力分析[J]. 山東國土資源, 2019, 35(1): 89–95.

[27] 吳琛璐, 王強, 董政, 等. 福建省海岸帶土地利用/覆蓋變化及其驅動力[J]. 水土保持通報, 2018, 38(3): 318–323.

[28] 劉丹, 璩路路, 李琳娜. 黑龍江北部邊境樣帶土地利用時空變化特征及其驅動因素[J]. 北京師范大學學報(自然科學版), 2021, 57(3): 417–423.

[29] 祁寧, 趙君, 楊延征, 等. 基于服務簇的東北地區生態系統服務權衡與協同[J]. 生態學報, 2020, 40(9): 2827–2837.

[30] 李卉, 張安定, 侯西勇. 2000—2014年山東省植被凈初級生產力對土地覆蓋變化的響應[J]. 魯東大學學報(自然科學版), 2019, 35(2): 157–163, 192.

[31] 姜群鷗, 鄧祥征, 戰金艷, 等. 黃淮海平原耕地轉移對植被碳儲量的影響[J]. 地理研究, 2008, 27(4): 839–846, 975.

Comparison of land use change and its driving factors among typical urban agglomerations in China from 2010 to 2017

XING Jiali1, 2, SHI Wenjiao1, 3, *, GUO Xudong4, WANG Minglei1, 3, WANG Xiaoqing5, SHI Xiaoli6, ZHANG Zhijie7, 3, WANG Yue8, FENG Dongbin9, SHAO Jing’an10

1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China 2. School of Earth Sciences and Resources, China University of Geosciences, Beijing, Beijing 100083, China 3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China 4. Key Laboratory of Land Use, China Institute of Land Surveying and Planning, Ministry of Land and Resources, Beijing 100035, China 5. School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China 6. College of Resources and Environmental Sciences, Hebei Normal University, Hebei Key Laboratory of Environmental Change and Ecological Construction, Hebei Technology Innovation Center for Remote Sensing Identification of Environmental Change, Shijiazhuang 050024, China 7. Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100094, China 8. College of Management, Shenyang Jianzhu University, Shenyang 110168, China 9. Bureau of Natural Resources of Chao Yang in Liaoning Province, Chaoyang 122000, China 10. School of Geography and Tourism, Chongqing Normal University, Chongqing 401331, China

It is of great significance to clarify the land use change and its driving factors in typical urban agglomerations for ecological environment protection and territorial spatial planning. Based on the land use data produced by the National Land Use Survey, we compared the land use change and its driving factors in Harbin-Changchun (HC), Shandong Peninsula (SD) and the western coast of the Taiwan Strait (HX) urban agglomerations from 2010 to 2017 usinga series of qualitative and quantitative methods (such as land use change amplitude, land use change rate, and transition matrix of the land use types). The results showed that the main land use changes in three urban agglomerations were the transformation from other land use types to construction land. The changed area in descending order were HX (2186.27 km2), SD (1056.45 km2) and HC urban agglomerations (897.91 km2). The cropland area in HX urban agglomeration showed a net increase (192.00 km2), in which the cropland loss area was 18755.00 km2and the increased area was 18948.00 km2. However, both of the HC and SD urban agglomerations had net loss in cropland area. Furthermore, population growth, economic development, and transportation construction were the main drivers for the expansion of construction land in the three urban agglomerations, while climate warming also had a positive impact on the northward migration of newly increased cropland in HC urban agglomeration. Therefore, there were significant variations in land use change and the driving factors among the three urban agglomerations.

Harbin-Changchun urban agglomeration; Shandong Peninsula urban agglomeration; the western coast of the Taiwan Strait urban agglomeration; land-use change; driving factors

10.14108/j.cnki.1008-8873.2024.01.006

F293.2

A

1008-8873(2024)01-046-09

2021-07-27;

2021-11-01

國家重點研發計劃項目(2022YFF1301101); 國家自然科學基金項目(42330707); 2018年院士牽頭科技創新引導專項

邢佳麗(1996—), 女, 山西晉中人, 碩士, 主要從事國土資源調查與管理研究, E-mail: X_xingjiali_X@163.com

通信作者:史文嬌, 女, 博士, 研究員, 主要從事土地利用變化研究, E-mail: shiwj@lreis.ac.cn

邢佳麗, 史文嬌, 郭旭東, 等. 2010—2017年中國典型城市群土地利用格局變化及其驅動力比較分析[J]. 生態科學, 2024, 43(1): 46–54.

XING Jiali, SHI Wenjiao, GUO Xudong, et al. Comparison of land use change and its driving factors among typical urban agglomerations in China from 2010 to 2017[J]. Ecological Science, 2024, 43(1): 46–54.