北京山区土地利用转移的系统性和随机性

魏显虎，张增祥，胡顺光，刘 芳

(1．中国科学院遥感应用研究所，北京 100101;2．中国科学院研究生院，北京 100039)

北京山区土地利用转移的系统性和随机性

魏显虎1，2，张增祥1，胡顺光1，2，刘 芳1，2

(1．中国科学院遥感应用研究所，北京 100101;2．中国科学院研究生院，北京 100039)

从统计学的角度出发，通过深入分析土地利用转移矩阵，将北京山区土地利用转移过程分为系统转移和随机转移。从同时发生的系统性增加和系统性减少推断出土地利用变化的优势信息有:高覆盖度草地和其他林地转换为耕地;耕地和疏林地转换为其他林地;疏林地转换为高覆盖度草地;耕地和高覆盖度草地转换为水域;耕地转换为建设用地。其中耕地向其他林地和建设用地转移的面积都很大，且系统性转换优势明显;其他林地转换为耕地、疏林地转换为高覆盖度草地虽然不具有数量上的转换优势，但该转换属于很强的系统性转换。该方法能快速挖掘最具系统优势的土地利用转移信息，有助于科研人员将土地利用格局和变化过程联系起来，为土地资源管理提供有用信息。

土地利用变化;系统转移;随机转移;北京山区

0 引言

土地利用/覆盖变化(LUCC)研究已经成为全球变化研究的核心和热点问题之一［1，2］。LUCC 对气候变化、生态系统过程、生物地球化学循环以及生物多样性等影响深刻，是全球变化的主要驱动力之一［3］。土地利用的空间格局是人类活动和自然因素共同作用结果的反映，各种影响LUCC的过程在不同层次上以不同动力学机制相互作用，产生更复杂的空间格局。因此，综合研究空间格局和过程有助于深入理解土地利用变化机制，准确预测土地利用变化速率及脆弱地区的演变，为相关土地利用政策制定提供依据［4，5］。

土地利用转移矩阵反映了土地利用转移的数量信息，在分析土地利用变化和模拟中具有重要意义，并得到广泛应用。在以往的研究中，通常会用转移矩阵来计算各地类的净变化量、变化速率，或直接提取数量较大的类间转移［6－8］。然而，这种传统的分析方法只能对转移矩阵做概括性的分析，往往不能深入挖掘LUCC的内部转移信息。比如净变化为零不一定意味着缺少变化;类间转移大不一定是最具系统性的转移，因为较大地类之间的转移量即使很大也有可能是随机过程。因此，区别系统和随机转移应该同时考虑转移量和各地类本身的数量［10］。转移矩阵中对角线上的值是各种地类未发生变化的面积，该不变量通常要远大于转移面积，即使在很多被认为变化剧烈的区域也是如此［9－11］。不变量能够反映地类本身的信息，通常承载着重要的LUCC信息。因此，利用统计方法深入分析不变量对LUCC研究具有重要意义。新增量和流失量的计算以及净变化量和交换变化量的计算都会使用该不变量。各地类的持续性特征的评判以及系统转移和随机转移的区分都离不开不变量隐藏的信息。

通常，从引起LUCC的原因角度考虑，随机转移是指那些偶尔发生的、独特的变化过程［12，13］。随机转移通常是由突发性的驱动因素相互作用引起的，比如自发性移民、整体经济环境变化、地权丢失以及其他生产因素变化［13－15］。系统转移是指经常的、普遍的变化过程，特点是具有连贯性和渐进性。引发系统转移的因素主要有人口自然增长、商品化增加、边缘地带发展、公共环境教育缺乏或土地资源使用权制度的变化等［6］。就从统计学的角度区分随机和系统转移而言，Robert等人提出一种方法，通过深入分析转移矩阵的多种要素特别是不变量来确定随机和系统转移。随机转移是指某一地类从其他地类获得的新增量与损失面积的相应地类的可用性成比例，或者是一种地类转移为其他地类的流失量与获得面积的各相应地类的大小成比例;如果与这个比例存在很大的偏差，那么就构成系统转移［16］。

建立土地利用空间格局和动态过程之间的联系需要深入挖掘LUCC的主要信息［10］。通过检测统计学意义上的土地利用随机转移和系统转移可以帮助土地资源研究和管理人员获知土地利用转移的优势信息，并借助其他定量或定性的辅助信息深入探究LUCC的原因，从而有针对性地制定出一系列措施，阻止或减小不合理利用对土地资源的冲击［17］。

北京山区是市区的生态屏障和水源涵养地，近年来，随着人口及产业的陆续外迁，北京市进入了离心分散的典型城郊化阶段［18］。伴随着建设用地的扩张，山区土地利用方式也发生巨大变化，经济建设用地和生态建设用地矛盾突出。为此，本文介绍了一种能深入挖掘土地利用变化优势信息的有效方法，探讨了北京山区土地利用变化中的系统性转换和随机性转换，以期为该区的土地资源管理提供科学依据。

1 研究区概况

北京市地处 39°28'～41°05'N、115°25'～117°30'E，位于华北平原的西北边缘。全市土地总面积为1．68 万 km2，以山地居多，约1．04 万 km2，占总面积的62%。北京市西部、北部和东北部三面环山，东南部为平原，平原区是耕地和建设用地的集中地区。整个北京市的地势走向为西北高、东南低。北京山区主要分布于房山、延庆、密云、怀柔、昌平、平谷、门头沟等远郊区县以及海淀区个别乡镇。本文所研究的山区是指海拔高于100 m的地区。山区处于北京市上风、上水地区，是市区的生态屏障和水源涵养地，其担负的城市生态补给功能是城市实现可持续发展的基础。近年来，由于城市人口和产业的转移，北京山区土地利用方式发生了巨大变化。

2 数据处理及研究方法

2．1 数据基础及处理

本研究所用到的LUCC数据来源于中国科学院遥感应用研究所国土资源遥感研究室建立的多期全国1∶10万土地利用矢量数据库。具体制作过程和分类标准请参考刘纪远等所著的文献［2，19］，在此不再赘述。根据研究的需要，耕地、水域、建设用地和未利用地采用一级类型，林地和草地采用二级类型。林地的二级分类分为:有林地(指郁闭度＞30%的天然林和人工林)、灌木林(指郁闭度＞40%、高度在2 m以下的矮林地和灌丛林地)、疏林地(指郁闭度为10% ～30%的稀疏林地)、其他林地(指未成林造林地、迹地、苗圃及各类园地等)。草地的二级分类分为:高覆盖度草地(指覆盖度＞50%的天然草地、改良草地和割草地)、中覆盖度草地(指覆盖度在20%～50%的天然草地和改良草地)、低覆盖度草地(指覆盖度在5% ～20%的天然草地)。本研究从该数据库中提取了北京市山区1985年和2005年两期土地利用数据(图1)。运用ArcGIS软件将两期数据进行叠加分析，获得土地利用类型转移矩阵(表1)。

图1 北京山区土地利用现状图Fig．1 Land use maps of the mountainous area of Beijing

表1 北京山区1985～2005年土地利用变化转移矩阵Tab．1 Land use transition matrix in the mountainous area of Beijing during 1985 ～2005 (%)

2．2 研究方法

土地利用转移矩阵一般都是采用表2的格式。表中，t表示时间，Cij表示由地类i转变为地类j的面积，Cjj(即当i=j时)表示地类i保持不变的面积。

表2 比较两个时期土地利用变化的转移矩阵Tab．2 General transition matrix for comparing two maps from different points in time

2．2．1 土地利用变化概述

从流失量、新增量、净变化量、交换变化量和总变化量等5个变量概述了 LUCC。其中流失量(Ci+－Cii)和新增量(C+j－Cjj)可以直接从矩阵中获取。

净变化量表示t1～t2期间各地类面积变化，其绝对值可用公式(1)计算，即

式中，Nj表示地类j的净变化量。当某一地类Nj=0时，并不一定说明无变化。因为该地类在某一位置流失土地同时在另一位置可能会获得土地，这种变化信息可以用交换变化量来说明，即

式中，Sj表示地类j的交换变换量，可用来表示t1～t2期间各地类在位置上的变化。当净变化为零时，交换变化量等于流失量或新增量的两倍。

净变化量与交换变化量共同构成土地利用的总变化量，即

式中，Cj表示地类j的总变化量。

2．2．2 土地利用类型的持续性

转移矩阵中对角线上的未变量Cjj在各地类中都占有很大的比例，承载着重要信息。因此Braimo提出一种方法［17］，利用各地类的未变量并结合流失量、新增量以及净变化量来阐述各地类的持续性。即用Lp=流失量/未变量、Gp=新增量/未变量以及Np=净变化量/未变量3个比值来评价不同地类的持续特征。

2．2．3 随机转移和系统转移

用统计方法来区分系统转移和随机转移需要同时考虑类间转移数量和各地类本身数量。该计算过程可分为 4 步［10］。

首先，计算各地类的期望新增频数(用Gij表示)，即在随机增加过程中，新增地类j来自地类i的期望频数，即

式中假定t2各地类的新增量和所占面积百分比都是先验的，然后依据t1其他地类的相对百分比将实测新增量分布在其他地类上，即得各地类的期望新增频数。

第二步是计算随机增加过程中实际转换量和期望新增频数的差值，即Cij－Gij。通过二者的对比来发现优势信息，如果差值Cij－Gij等于或接近于零，表明该转换为随机转换;若差值Cij－Gij偏离零值较远，则表明该转换为系统转换。

然后，计算各地类的期望流失频数(用Lij表示)，即在随机减少过程中，地类i流失到地类j的期望频数，即

式中假定各地类的流失量都是固定的，依据t2其他地类的相对百分比将实测流失量分布在其他地类上，即得各地类的期望流失频数。

最后，计算随机减少过程中实际转换量和期望流失频数的差值，即Cij－Lij。与第二步相似，若差值Cij－Lij等于或接近于零，表明该转换为随机转换;若差值Cij－Lij偏离零值较远则表明该转换为系统转换。

3 结果分析

3．1 土地利用变化概述

表3概括了各地类的面积百分比、新增、流失、净变化、交换变化和总变化。

表3 北京山区1985～2005年土地利用变化Tab．3 Summary of Land －use changes in the mountainous area of Beijing during 1985～2005 (%)

由表3可知，林地是北京山区的优势类型，其中有林地和灌木林占绝对优势;耕地、疏林地和高覆盖度草地占一定的比例;剩余所有地类共占10%左右，为该区的劣势地类。全部地类中只有其他林地、建设用地和水域的新增量大于流失量，其他地类反之。耕地的流失量最大，主要流失为其他林地和建设用地，原因是种植果园、城镇扩张及工矿用地增加;耕地的新增量小于流失量，新增地主要来自高覆盖度草地和其他林地。高覆盖度草地的流失量排第二位，主要转化为耕地和水域，原因是开荒造田和水域的季节性及年际变化;高覆盖草地的新增量小于流失量，新增用地主要来自耕地和疏林地。其他林地的新增量最大，新增地主要来自耕地，其次是灌木林、疏林地和有林地;而流失的其他林地主要转化为耕地和建设用地。建设用地的新增量居于第二位，新增量远大于流失量，新增用地主要是占用耕地。水域的新增量较大，主要是由于降水的季节性和年际变化导致的。有林地、灌木林、疏林地和高覆盖度草地的新增与流失都有一定数量，但是占相应地类的比例很小。中、低覆盖度草地的新增和流失量都很小。在所有变化中，灌木林和有林地是以交换变化为主，交换变化较大，在总变化中的比例分别为85．93%和82．27%，净变化占总变化的比例很小，这些特点说明该地物类型在空间位置上转移频繁而净数量上变化不大;高、中覆盖度草地和未利用地的交换变化和净变化所占比例接近，说明空间位置转移量和净数量变化相当;剩余其他地物类型的位置转移量都很小。在总景观变化中交换变化占总变化的32．98%，说明该区域土地利用动态是以净数量变化为主，空间位置转移次之。

3．2 土地利用类型的持续性

表1中对角线上的数值是研究期内各地类静止不变部分，所有未变量之和高达93．55%，占绝对优势。Gp＞1表明动态变化过程中该地类新增面积大于持续不变的面积［11］。该研究区中只有其他林地的Gp＞1，建设用地的比值也很大，说明该区域的其他林地和建设用地倾向于新增土地;而其余所有地类的Gp值都很小，说明剩余地类动态变化过程中更倾向于静止不变，而不是新增(表4)。Lp用来评价一种地类转移过程中的脆弱性，Lp＞1表明该地类更倾向于转变为其他地类而不是倾向于保持不变［11］。该区所有地类的Lp值都小于1，说明所有地类更倾向于保持不变，而不是流失。虽然其他林地在整个区域中只占4．64%(2005年)，但是其Np值最大且大于1，表明该地类的净增面积大于持续不变量。建设用地占总面积的比例不大，但Np值很大，净增量是其持续不变量的63%。水域的Np值为正且较大。耕地的Np值为负值且绝对值最大，表明耕地的流失程度最大。剩余其他地类的Np值或正或负，绝对值都比较小，说明净变化量与持续不变量相比而言都非常小。

表4 1985～2005年各地类的G p、L p及N p值Tab．4 G p，L p and N p of land classes during 1985 ～2005

3．3 随机转移和系统转移

表5中列出的是实际转换量和期望新增频数的差值。

表5 随机增加过程中实际转换量和期望新增频数的差值Tab．5 Difference between the observed landscape transitions and the expected gains (%)

由表5可知，在向耕地的转换过程中，对于高覆盖度草地→耕地、其他林地→耕地的转换，实际转换量与期望新增频数的差值分别为0．27%和0．10%，这表示在其他地类变为耕地的过程中，高覆盖度草地和其他林地向耕地转换为系统性转换，耕地系统性的从高覆盖度草地和其他林地中获得的面积分别占总景观的0．35%和0．12%(表1);对于有林地→耕地、灌木林→耕地的转换，实际转换量与期望新增频数的差值分别为－0．26%和－0．11%，该差值为负但绝对值却很大，这表明耕地增加时会系统性的防止从有林地和灌木林获得土地。当有林地增加时，所有实际转换量与期望新增频数的差值中，只有灌木林向有林地转换的差值(－0．06%)绝对值较大，这表示当有林地增加时会系统性的防止从灌木林获得土地。同理，当灌木林增加时，会系统性的从高覆盖度草地和疏林地获得土地，而系统性的防止从有林地和耕地获得面积。当疏林地增加时，会系统性的从高覆盖度草地获得土地，而系统性的防止从有林地获得面积。当其他林地增加时，会系统性从耕地和疏林地获得面积，而且从耕地→其他林地转换的差值(1．13%)来看，耕地→其他林地的转换具有极强的转换优势;同时，其他林地增加时会系统性的防止从有林地、灌木林、高覆盖度草地、水域和建设用地获得土地。高覆盖度草地增加时会系统性从疏林地和耕地获得面积，而防止从有林地获得土地。水域增加时会系统性的从耕地和高覆盖度草地获得面积，而防止从有林地和灌木林获得土地。建设用地增加时会系统性的从耕地获得土地，而且从实际转换量与期望新增频数的差值(0．99%)来看，耕地→建设用地的转换具有很强的转换优势;同时，建设用地增加时会系统性的防止从有林地、灌木林、疏林地和高覆盖度草地获得土地。表5中剩余的其他转换，实际转换量与期望新增频数的差值都接近于零，因此更倾向于随机转换。

表6中列出的是实际转换量和期望流失频数的差值，如果差值接近于零，表示该转换为随机转换;如果差值偏离零值较远，表明该转换为系统转换。当耕地减少时，对于耕地→其他林地、耕地→建设用地和耕地→水域的转换，实际转换量与期望流失频数的差值分别为1．35%、1．09%和0．19%，这表明耕地系统性的流失为其他林地、建设用地和水域;同理耕地会系统性的防止流失为有林地、灌木林、疏林地和高覆盖度草地;有林地会系统性的流失为其他林地，而系统性的防止流失为灌木林和高覆盖度草地;灌木林会系统性的流失为其他林地，而系统性的防止流失为有林地;疏林地会系统性的流失为其他林地和高覆盖度草地，而系统性的防止流失为有林地和耕地;其他林地会系统性的流失为耕地和建设用地，而系统性的防止流失为有林地;高覆盖度草地会系统性的流失为水域、耕地和其他林地，而系统性的防止流失为有林地和灌木林。对于表6中的其他转换实际转换量与期望新增频数的差值都接近于零，因此更倾向于随机转换。

表6 随机减少过程中实际转换量和期望流失频数的差值Tab．6 Differences between observed landscape transitions and the expected losses (%)

从同时发生的系统性增加和系统性减少(表5和表6)推断出土地利用变化的优势信息有:高覆盖度草地和其他林地转换为耕地(分别占总景观面积的0．35%和0．12%);耕地和疏林地转换为其他林地(分别占总景观面积的1．53%和0．27%);疏林地转换为高覆盖度草地(占总景观面积的0．12%);耕地和高覆盖度草地转换为水域(分别占总景观面积的0．28%和0．24%);耕地转换为建设用地(占总景观面积的1．24%)。

以上结果表明，耕地增加的土地主要是从高覆盖度草地和其他林地获得，而且这种转换具有较强的系统性转换优势;有林地、灌木林和疏林地等林地也有一定的面积流失为耕地，但是这种流失方向是系统性的防止，也就是说耕地不会将林地作为获得土地的靶区，当地农民更倾向于将高覆盖度草地和果园(其他林地在北京山区主要是果园)开垦为耕地。其原因可能是通常情况下草地要比林地易于开垦，而果园和耕地之间的转换比较频繁。其他林地的增加主要是以占用耕地为主，且这种占用具有很强的系统性转换优势，这主要是城市居民生活水平的提高和饮食习惯的改善，对果品的需求增大以及对商品生产和经济活动欠发展的地区经济发展有一定贡献所致［20］。有林地、灌木林和疏林地等转换为其他林地的面积相差不大，但是只有疏林地向其他林地的转换具有很强的转换优势。从表5、表6实际转换量与期望转换频数的差值可以得出其他林地系统性的防止从有林地和灌木林获得土地，而有林地和灌木林会系统性的流失为其他林地。这说明有林地和灌木林向其他林地的转换不具有很强的系统性转换优势，虽然前两者很适合种植其他林地，但当地农民更倾向于在坡度平缓、距离居民点近的疏林地上种植。虽然耕地转换为高覆盖度草地(0．14%)的面积大于疏林地转换为高覆盖度草地(0．12%)的面积，但后者具有很强的系统性转换优势，这一方面反映林草交错带的景观稳定性较差;另一方面是由于人为破坏，开发利用过程中造成林地质量下降，退化为草地，因此应该加大北京山区生态环境保护力度。而耕地转换为高覆盖度草地时，实际转换量与期望转换频数的差值正负相反且差值较大(见表5、表6)，表5说明高覆盖草地系统性的从耕地获得土地，表6说明耕地系统性的防止流失为高覆盖度草地，这一方面说明耕地→高覆盖度草地转换不具有很强的系统性转换优势;另一方面说明当地农民极力阻止耕地沦为草地。耕地和高覆盖度草地向水域的系统性转换主要发生在水库周边，一方面是由于降水的季节性及年际变化，另一方面是由于两期影像时相不一致。耕地转换为建设用地的面积很大(1．24%)，且其实际转换量与期望转换频数的差值表明该转换具有很强的系统性转换优势。表5表明建设用地会系统性从耕地获得土地，而系统性的防止从有林地、灌木林、疏林地和高覆盖度草地获得土地;表6表明耕地和其他林地会系统性的流失为建设用地，灌木林、疏林地和高覆盖度草地流失为建设用地不具有很强的转换优势，但也表现出一定的倾向性。这反映了建设用地边缘区的耕地是其扩展的首选地，同时，工矿用地、旅游休闲用地和有产阶级首选的“第二住宅”购买地等占用山区林地的现象也相当普遍［21，22］。

4 结论

(1)本文首先利用传统的土地利用转移矩阵分析方法，获得研究区各土地类型的净变化量及各地类之间相互转移的面积。据此可知北京山区各土地类型的净变化量都很小，即在时间上变化量都不大。由类间转移面积推断出土地利用类型转移的主要方向是:耕地转化为其他林地、建设用地和水域，有林地、灌木林和疏林地转换为其他林地，高覆盖度草地转换为耕地、灌木林、其他林地和水域。然而，只对转移矩阵做概括性的分析，不能充分挖掘出土地利用变化的内部转移信息。

(2)通过深入分析土地利用转移矩阵，获得了更深层次的土地利用变化信息:首先，由交换变量可知北京山区各土地利用动态是以净数量变化为主，空间位置转移次之;其次，由土地利用类型的持续性可知该区域除其他林地和建设用地外，各土地类型更倾向于静止不变，但这并不说明该区域生态系统稳定，该值只能反映该土地利用分类系统下各地类数量上的稳定性，而不能反映各地类内部质量上的稳定性，因此还需要各相关学科从内部结构上作进一步研究。

(3)采用统计学方法将土地利用转移过程中的系统转移和随机转移进行区分，该方法充分利用了各地类间的转移量和持续不变量所承载的信息。最终获得该区域的优势转换信息为:高覆盖度草地和其他林地转换为耕地，耕地和疏林地转换为其他林地，疏林地转换为高覆盖度草地，耕地和高覆盖度草地转换为水域，耕地转换为建设用地。传统方法中获得主要转移方向中耕地转换为水域、有林地和灌木林转换为其他林地、高覆盖度草地转换为灌木林、其他林地不具有系统性转换优势。其他林地转换为耕地、疏林地转换为高覆盖度草地虽然不具有数量上的转换优势，但该转换属于很强的系统性转换。

从统计学的角度，快速挖掘区域土地利用变化中的系统转移和随机转移，提取最具系统优势的土地利用转移信息，方法简单有效，可帮助科研人员将土地利用格局和变化过程联系起来，深入探究土地利用变化的驱动因素和机制，从而有针对性地制定出一系列措施，优化土地利用模式。

［1］TurnerⅡ B L，Skole D，Sanderson S，et al．Land Use and Land Cover Change Science/Research Plan［R］．IGBP Report 35 and HDPReport7，Stochkholm:IGBP，1995．

［2］刘纪远，刘明亮，庄大方，等．中国近期土地利用变化的空间格局分析［J］．中国科学(D 辑)，2002，32(12):1031－1040．

［3］Vitousek PM，Mooney H A，Lubchenco J，etal．Human Domination of Earth’s Ecosystems［J］．Science，1997，277:494 －499．

［4］Lambin E F．Modelling Deforestation Processes:a Review．TREES Publications Series B:Research Report 1［R］．Office of Official Publications of European Community，Luxembourg，1994．

［5］Nagendra H，Munroe D K，Southworth J．From Pattern to Process:Landscape Fragmentation and the Analysis of Land Use/land Cover Change Agriculture［J］．Ecosyst Environ，2004，101(2/3):111－115．

［6］Mertens B，Lambin E F．Land － cover Change Trajectories in Southern Cameroon［J］．Ann Assoc Am Geogr，2000，90(3):467－494．

［7］Mertens B，Sunderlin W D，Ndoye O，et al．Impact of Macroeconomic Change on Deforestation in South Cameroon:Integration of Household Survey and Remotely－ sensed data［J］．World Dev，2000，28(6):983－999．

［8］Petit C，Scudder T，Lambin E F．Quantifying Processes of Land Cover Change by Remote Sensing:Resettlement and Rapid Landcover Changes in Southeastern Zambia ［J］．Int JRemote Sens，2001，22(17):3435－3456．

［9］Wear D，Bolstad P．Land－use Changes in Southern Appalachian Landscapes:Spatial Analysis and Forecast Evaluation［J］．Ecosystems，1998(1):575 －594．

［10］Geoghegan J，Villar SC，Klepeis P，etal．Modeling Tropical Deforestation in the Southern Yucatan Peninsular Region:Comparing Survey and Satellite Data［J］．Agric Ecosyst Environ，2001，85(1－3):25－46．

［11］Chen J，Gong P，He C，et al．Assessment of the Urban Development Plan of Beijing by Using a CA－based Urban Growth Model Photogram［J］．Eng Remote Sensing，2002，68(10):1063 －1071．

［12］Tucker C J，Dregne H E，Newcomb W W．Expansion and Contraction of the Sahara Desert from 1980 to 1990 ［J］．Science，1991，253:299－301．

［13］Lambin E F，Helmut JG，Lepers E．Dynamics of Land－use and Land－cover Change in Tropical Regions［J］．Annu Rev Environ Resour，2003，28:205－241．

［14］Barbier E B．Links Between Economic Liberalization and Rural Resource Degradation in the Developing Regions［J］．Agric Econ，2000，23(3):299－310．

［15］Braimoh A K．Modeling Land－use Change in the Volta Basin of Ghana［M］．Gottingen:Ecology and Development Series No 14．Cuvillier Publishers，2004．

［16］Robert G，Pontius Jr，Shusas E，et al．Detecting Important Categorical Land Changes While Accounting for Persistence［J］．Agric Ecosys Environ，2004，101(2/3):251－268．

［17］Braimoh A K．Random and Systematic Land－cover Transitions in Northern Ghana［J］．Agriculture，Ecosystems and Environment，2006，113:254－263．

［18］宗跃光，周尚意，张振世，等．北京城郊化空间特征与发展对策［J］．地理学报，2002，57(2):135－142．

［19］刘纪远，张增祥，庄大方，等．20世纪90年代中国土地利用变化的遥感时空信息研究［M］．北京:科学出版社，2005．

［20］王鹏飞，鲁 奇，傅 桦．1980年以来北京农用地时空演变与驱动力［J］．地理学报，2005，60(6):953－964．

［21］姜广辉，张凤荣，孔祥斌，等．北京山区建设用地扩展空间分异分析［J］．地理研究，2006，25(5):905－912．

［22］何春阳，史培军，陈 晋，等．北京地区城市化过程与机制研究［J］．地理学报，2002，57(3):363－371．

(责任编辑:李 瑜)

Random and Systematic Land－use Transitions in Mountainous Area of Beijing

WEI Xian － hu1，2，ZHANG Zeng － xiang1，HU Shun － guang1，2，LIU Fang1，2
(1．Remote Sensing Application Institute，Chinese Academy of Sciences，Beijing 100101，China;2．Graduate School of Chinese Academy of Sciences，Beijing 100039，China)

As an important part of Beijing’s suburbs，the mountainous area of Beijing has both the characteristics of metropolitan suburbs and the features of mountains，and so its land use pattern is different from other areas．Based on statistics，the authors separated land－use transformations of the mountainous area of Beijing to random and systematic transitions through an in－depth analysis of land use transition matrix．A land－use transition is random if a land－use category gains from other categories in proportion to the availability of those other losing categories，or if a category loses to other categories in proportion to the size of those other gaining categories．Any large deviation from those proportions is referred to as a systematic transition．From the concurrent incidence of systematic gains and losses，it is concluded that the most dominant signals of change find expression in the following aspects:the conversion of higher coverage grassland and other woodland to cropland，the conversion of cropland and sparse woodland to other woodland，the conversion of sparse woodland to higher coverage grassland，the conversion of cropland and higher coverage grassland to water areas and the conversion of cropland to built－up areas．The transition areas from cropland to other woodland and built－ up areas are relatively large and have obvious advantages for systematic transitions．While the areas of transitions from other woodland to cropland and from sparse woodland to higher coverage grassland are relatively small，the transitions are still attributed to dominant signals of change．This method is simple and practical and enables scientists to focus their research on the most important land transitions，which will help in linking patterns to processes and in management of land resources．

Land use change;Systematic transitions;Random transitions;Mountainous area of Beijing

魏显虎(1978－)，男，博士研究生，主要从事遥感图像处理、国土资源与生态环境遥感研究。

TP 79;P 271

A

1001－070X(2010)04－0077－08

2009－11－27;

2010－01－05

国家科技支撑计划课题“水土保持调节功能时空数据集成与分析”(编号:2006BAC08B0405)。