青岛市土地利用变化类型与影响因子关系的CCA研究

邢容容　马安青　刘修锦等

摘要 以青岛市为研究区，利用1990、2000、2006和2011年遥感数据、社会经济统计数据等，采用多变量分析方法定量分析了近20年青岛市土地利用变化的驱动因子。首先对1990和2011年土地利用变化数据进行叠加分析，提取出主要土地利用类型发生变化的斑块，构建土地利用变化样本数据矩阵；然后提取变化图斑对应驱动因子的栅格数据，构建土地利用变化的驱动因子矩阵；在此基础上，采用典范對应分析（CCA）研究土地利用转换类型与驱动因子的相关关系，揭示了青岛市土地利用变化的特征，定量阐释了各类型土地变化的驱动因子。结果表明，海拔高度、地形起伏度、距海岸线的距离、人口密度是青岛市土地利用变化的主要驱动因子，其次为到城镇的距离、交通密度和GDP密度。

关键词 土地利用/覆被变化（LUCC）；驱动因子；CCA排序；青岛市

中图分类号 S29；F301.2 文献标识码

A 文章编号 0517-6611（2015）15-298-04

Analysis on Relationship between Land Use Conversion Types and Influencing Factors of Qingdao City Based on CCA

XING Rongrong1，MA Anqing2*，LIU Xiujin1 et al （1.Qinhuangdao Mineral Resource and Hydrogeological Brigade，Hebei Geological Prospecting Bureau，Qinhuangdao，Hebei 066001； 2.College of Environmental Science and Engineering，Ocean University of China，Qingdao，Shandong 266100）

Abstract Land use/cover change（LUCC） is as a complex consequence of coupling effects of natural and anthropogenic factors.Clarifying the main driving factors of LUCC is crucial for future land resources management.Based on Landsat TM images and socioeconomic statistics in Qingdao City，the relationships between LUCC and driving factors were analyzed using multivariate analysis.Vector data of land use of Qingdao City in 1990 and 2011 were overlaid each other，the region of land use change were obtained and the matrix of land use change samples was constructed.The data of land use change and the data of driving factors were overlaid respectively，and the matrix of driving factors of land use change was constructed.Canonical correspondence analysis（CCA） was used for revealing the relationship between land use change and driving factors.The characteristics of land use change were revealed.The driving factors of various types of land use changes were quantitatively described.Elevation，relief amplitude，the distance between land use change site and coastal line and population density were the main driving factors for distribution of major land use conversion types.The next were the distance between land use change site and urban site，road network density and GDP.

Key words Land use/cover change（LUCC）； Driving factors； CCA； Qingdao City

土地利用/覆被变化（LUCC）是全球环境变化的重要组成部分和主要原因之一，其产生的资源环境问题越来越突出，对气候、水资源变化、生态系统及粮食产量等有着重要影响，直接关系到水和土壤质量以及区域粮食安全和生态安全[1-5]。分析土地利用/覆被变化过程，探索其驱动因子，对土地资源可持续利用、经济社会可持续发展具有重要意义。

LUCC是自然、社会、经济和生态系统演变的直接表现，受自然与人类活动的双重影响，其变化机理的复杂性及其驱动因子之间相互作用的影响，决定了土地利用变化及其驱动因子之间并非简单的线性相关，必须从整体角度分析土地利用变化的驱动因子[6-9]。大部分学者在研究LUCC驱动因子时，多采用回归分析法，但该方法在分析具有空间关系的因变量与自变量，尤其是具有多个因变量和自变量时具有一定局限性[10]。非线性典范对应分析方法（CCA）能够直接分析多个自变量与因变量之间的关系，该方法是将排序与多元回归分析结合起来，是一种直接排序方法，广泛应用于生态学中，也有学者将其应用于土壤理化性质与环境因子的数量关系研究上，但将 CCA分析用于土地利用变化驱动因子分析的研究比较少见[11-14]。采用CCA方法研究青岛市土地利用变化与驱动因子（包括自然和人文因子）之间的关系，评定土地利用变化的主要驱动因素，能够清晰地展现土地利用变化类型与驱动因子之间的空间对应关系，对于丰富土地变化科学研究方法具有重要意义。

1 数据来源与研究方法

1.1 研究区概况 青岛市位于山东半岛南端，黄海之滨。全市海岸线总长约870 km，其中大陆岸线730 km，占山东省岸线的1/4。东北与烟台市毗邻，西与潍坊市相连，西南与日照市接壤。全市总面积11 282 km2，2011年常住人口为871.51万。青岛市作为副省级城市和全国5个计划单列市之一，不仅是山东最大的对外经贸、金融、信息中心，也是中国东部重要的海滨港口城市，中国的海洋科研中心。青岛市下辖6区4市（2012年国务院批复），包括市南区、市北区、李沧区、崂山区、城阳区、黄岛区以及胶州市、即墨市、平度市、莱西市。地势东高西低，南北两侧隆起，中间低凹，其中山地约占全市总面积的15.5%，丘陵占25.1%，平原占37.7%，盆地占21.7%。青岛虽属温带季风气候，但其“三面沧海一面山”的独特地理位置，使青岛又具有鲜明的海洋性气候特征。

1.2 数据来源与预处理 土地利用/覆被变化数据：选用1990年10月15日、2000年9月16日、2006年10月27日的Landsat TM影像和2011年5月23日的“环境一号”卫星影像，解译出土地利用数据，根据中国科学院土地资源分类系统的Ⅰ级分类，分为6种土地利用变化类型：耕地、林地、草地、水域、城乡工矿居民用地和未利用土地。

驱动因子：选择海拔高度、地形起伏度、城镇中心、海岸线、人口、GDP、交通等因素指标。从国际科学数据服务平台（http：//datamirror.csdb.cn/）获得30 m分辨率数字高程（DEM）栅格数据，利用ArcGIS9.3提取地形起伏度。城镇位置矢量数据是从地球系统科学数据共享网上下载的。海岸线位置数据是由2000年青岛市土地利用数据提取得到。人口数据和GDP数据均来自2010年《青岛统计年鉴》。交通数据是从Google Earth上提取县级以上道路，然后与青岛市行政区做叠置，对结果按行政区统计道路密度，将统计结果与青岛市行政区做表链接，计算各县（区）的交通密度，利用ArcGIS9.3对计算出的交通密度采用反距离加权法（IDW）进行空间插值，得到青岛市交通密度[15]。采用同样插值方法，获得人口密度、GDP密度数据。为了研究需要，将DEM、交通密度、人口密度、GDP密度栅格数据进行10 m分辨率重采样。

1.3 研究方法 研究区发生土地利用变化的区域不仅面积较大，类型较多，而且斑块数量庞大，为减少数据冗余分析过程，选择面积比重大于等于0.1% 的23种土地利用变化类型，剔除了极小图斑，面积为123 671.68 hm2，共计658个，占总变化量的99.67%（表1），不影响CCA分析的科学合理性。

土地利用变化数据与青岛市的海拔高度、地形起伏度、城镇位置、海岸线、人口密度、GDP密度和交通密度数据进行叠加分析处理，提取出变化图斑的环境变量（驱动因子）：①海拔高度（ELV），是指变化图斑区域内所有DEM像元值的算术平均值；②地形起伏度（LRF），是指变化图斑区域内所有像元值的算术平均值；③到城镇距离（TUD），是指图斑中心位置到最近城镇的距离；④到海岸线距离（TCD），是指图斑中心位置到海岸线的最近距离；⑤交通密度（TRD），是指图斑区域内所有道路栅格像元值的算术平均值；⑥人口密度（POP），是指图斑区域内所有人口栅格像元值的算术平均值；⑦GDP密度（GDP），是指图斑区域内所有GDP栅格像元值的算术平均值[16]。

构建斑块-土地利用转换类型矩阵和斑块-环境因子矩阵，前者将各种斑块发生转换的类型设为1，不发生转换则设置为0，形成一个1，0 二元数据矩阵；后者将对应斑块的驱动因子原始数据输入，形成一个数值连续的斑块-驱动因子矩阵[17]。将2个矩阵带入CANOCO4.5软件和CANODRAW4.5进行CCA 排序，分析土地利用变化驱动因子。

安徽农业科学 2015年

2 结果与分析

2.1 土地利用变化分析 1990～2011年，青岛市各土地利用类型面积变化明显。城乡、工矿、居民用地不断扩张，面积增加999.71 km2，耕地、草地面积锐减；分别减少701.60和200.75 km2，林地和水域面积略有增加，分别增加了113.79和4.32 km2，未利用土地减少50.50 km2。从表1可以看出，青岛市土地利用的最主要变化类型为：耕地转化为城乡、工矿、居民用地，草地转化为城乡、工矿、居民用地，分别占总变化面积的55.16%和11.09%；其次为草地转化为林地（7.92%），水域转化为城乡、工矿、居民用地（6.26%），耕地转化为草地（3.36%）， 林地转化为城乡、工矿、居民用地（2.79%）等。

1990～2011年青岛市土地利用类型变化空间分布见图1。如图1所示，青岛市土地利用空间变化也十分剧烈。城乡、工矿、居民用地大规模增加，占用了大量的耕地、草地、林地，且主要分布在城镇周边，而转出面积较少，呈不规则零星散落于全市范围内（图1a）；耕地发生大规模转移，转出面积在全市范围都有分布，主要分布于青岛东部海岸带附近，新增耕地极其少，多呈零散状（图1b）；林地转出和新增面积都较少，空间分布较为分散（图1c）；草地转出与草地新增都有较大范围的空间分布，主要分布范围是市区外城镇（图1d）；水域和未利用土地的新增面积很少，转出面积较多，且主要转为城乡、工矿、居民用地（图1e、f）。

2.2 驱动因子的相关分析 以所选658个土地变化图斑为

样本，分析土地利用变化各驱动力因子之间的相互关系，得到各驱动因子间的相关系数矩阵（表2）。 结果显示，绝大多数因子之间的相关性较小，说明因子选择具有典型性和相互独立性。

2.3 CCA排序分析 CCA分析结果表明（表3），前4轴特征值之和为0.777 0，排序轴与土地利用变化和驱动因子显著相关。其中前2个轴的特征值分别为0.458 5和0.156 8，累计百分比分别为54.0%和72.4%，说明土地利用变化和驱动因子之间关系50%以上体现在第一排序轴上，前两个排序轴集中了全部排序轴所反映的驱动因子与土地利用变化相关关系的绝大部分信息。说明CCA排序可以很好地解释驱动因子对土地利用变化的影响。总体来看，第一轴与地形起伏度和海拔高度最为密切，第二轴与到海岸线的距离相关最大，第三轴与人口密度有关，第四轴与到城镇的距离关系紧密。

以第一、二轴为排序轴，得到排序图（图2），直观地展示了土地利用变化类型与驱动因子之间的空间对应关系。图2

中，箭头矢量代表环境因子，其所在象限表示环境因子与排序轴间的正负相关性，箭头长度表示环境因子对排序的影响作用大小，箭头越长，表明该环境因子对排序的贡献越大（因而对土地利用变化分布的影响也越大）。箭头连线与排序轴的夹角表示该驱动因子与排序轴相关性的大小，箭头之间的夹角表示各环境因子间的相关性，夹角垂直表示不相关。随着第一轴（横轴）数值的增加，地形起伏度增加，海拔高度增加。随第二轴（纵轴）数值的增加，GDP密度增加，距海岸线距离减少。

CCA 排序结果显示，海拔高度、地形起伏度、距海岸线的距离、人口密度是青岛市土地利用变化的主要环境驱动因子，其次为到城镇的距离、交通密度和GDP密度。同时图2显示，海拔高度（ELV）、地形起伏度（LRF）、距城镇的距离（TUD）与第一轴呈显著正相关；第二轴与GDP密度呈显著正相关，与距海岸线距离（TCD）呈显著的负相关。此外，从图中也可以看出，各转移类型中，耕地→城乡、工矿、居民用地（10）、未利用土地→城乡、工矿、居民用地（20）、水域→城乡、工矿、居民用地（6）、水域→草地（9）主要分布在人口密度高、交通密度高、GDP高、距海岸线距离近、海拔低、地形起伏度小的区域；草地→林地（17）、耕地→林地（12）、水域→林地（7）与地形起伏度（LRF）呈显著正相关，主要分布在地形起伏大的区域；耕地→未利用土地（11）主要分布在距海岸线远的地方；林地→未利用土地（3）多分布在地形起伏度大的区域；未利用土地→草地（5）、未利用土地→林地（21）、林地→草地（23）分布特征相似，主要分布在海拔高、距城镇和海岸线远、人口密度低的区域；城乡、工矿、居民用地→草地（1）、水域→耕地（8）、未利用土地→耕地（14）、草地→耕地（18）、耕地→草地（22）分布特征相似，主要分布在人口密度低、距城镇和海岸线较远的区域；草地→水域（2）、林地→耕地（4）、林地→城乡、工矿、居民用地（19）分布在地形起伏度较大的区域；草地→城乡、工矿、居民用地（15）、草地→未利用土地（16）主要分布在人口密度和交通密度中等、地形起伏度低的地区。耕地→水域（13）与诸驱动因子之间相关性弱，这种转化可能是由于20世纪90年代青岛市水产养殖业的粗放型发展，水库坑塘增多导致的。

3 结论与讨论

1990～2011年，青岛市土地利用变化显著。城乡、工矿、居民用地大规模扩张，耕地、草地面积锐减，土地利用结构非农化趋势明显；土地利用类型转换关系复杂，且在空间分布上存在较大的地区差异。城乡、工矿、居民用地扩张和耕地大量减少是该时期青岛市土地利用变化的主要特点。

CCA分析结果显示，第一轴与地形起伏度和海拔高度最为密切，第二轴与到海岸线的距离相关最大，第三轴与人口密度有关，第四轴与到城镇的距离关系紧密。海拔高度、地形起伏度、距海岸线的距离、人口密度是青岛市土地利用变化的主要环境驱动因子，其次为到城镇的距离、交通密度和GDP密度。CCA排序图能够较好地反映各种土地利用转换类型受环境因子制约形成的分布格局，直观地展示了驱动因子对土地利用变化的影响。

由于土地利用变化受自然和人类活动的双重影响，土地利用变化与各驱动因子之间的关系甚为复杂。青岛市作为我国沿海经济发达城市，其土地利用变化受政策和制度干预、经营者的决策、技术革新等因素的影响甚大，难以克服环境变量量化的困难。即使资料有限，典范对应分析（CCA）仍能较好地反映LUCC与驱动因子之间的关系，其最大优点是能直接分析土地利用变化，尤其是土地利用转换类型（A转变成B）与驱动因子之间的空间关系。

参考文献

[1]

YADAV V，MALANSON G.Spatially explicit historical land use land cover and soil organic carbon transformations in Southern Illinois[J].Agriculture，Ecosystems & Environment，2008，123（4）：280-292.

[2] 于兴修，杨桂山，王瑶.土地利用/覆被变化的环境效应研究进展与动向[J].地理科学，2004，24（5）：627-633.

[3] 姜朋辉，赵锐锋，赵海莉，等.1975年以来黑河中游地区土地利用/覆被变化时空演变[J].生态与农村环境学报，2012，28（5）：473-479.

[4] 曾和平，王剑，周跃.漾濞江流域土地利用变化的土壤侵蚀效应[J].生态与农村环境学报，2008，24（2）：1-6.

[5] 任勃，杨刚，谢永宏，等.洞庭湖区不同土地利用方式对土壤酶活性的影响[J].生态与农村环境学报，2009，25（4）：8-11.