基于GIS的乌海矿区土地退化因素分析

黄园园，闫庆武，雷少刚，李俊刚

(中国矿业大学环境与测绘学院，江苏 徐州　221116)



基于GIS的乌海矿区土地退化因素分析

黄园园，闫庆武①，雷少刚，李俊刚

(中国矿业大学环境与测绘学院，江苏 徐州221116)

摘要：为定量研究矿区土地退化特征及其驱动因素，利用遥感和GIS技术分析1990—2010年内蒙古乌海矿区土地利用类型转化特征，在此基础上选取多个经济社会以及空间距离因子，利用Logistic模型对研究区域1990—2000和2000—2010年2个不同时间段土地退化的驱动因素进行探究。结果表明,乌海矿区近20 a的土地利用变化集中表现在草地大面积减少，建设用地和荒漠面积大幅度增加；荒漠和建设用地增长最快，主要源于草地和耕地的转化，土地退化主要表现在沙地等荒漠面积的增长；对土地退化的Logistic回归模型分析表明，土地退化在第1阶段(1990—2000年)的主要驱动因素是到最近采矿点距离、到最近乡镇距离和坡度Ⅱ(5～15°)；第2阶段(2000—2010年)的主要驱动因素是到最近水域距离、高程和到最近道路距离。

关键词：乌海矿区；土地退化；遥感；驱动因素；Logistic回归模型

土地利用/覆被变化是引起土地退化,如侵蚀、盐碱化、干旱化、酸化和沙化等的主要原因之一[1]。土地利用/覆被变化引起的土地退化对我国干旱区的社会稳定和经济发展有重要影响[2]。自然环境变化、土地利用方式不当等会导致土地质量下降,影响土地利用的持续性[3];而大面积快速土地利用/覆被变化造成严重水土流失、土地退化和植物生产力下降等一系列环境问题[4];土地利用/覆被变化产生了生境质量下降、边缘效应增强、土地退化和生态系统成分单调等景观生态效应[5]。近年来,国内外学者对土地退化的驱动因素做了很多研究,如RASHID等[6]采用遥感监测技术对印度地区喀什米尔喜马拉雅巴德加姆的土地退化程度进行评价,由此确定植被、土地利用及坡度是影响土地退化程度的重要因素;MOHAMED等[7]监测了埃及尼罗河三角洲的土地退化状况,得出土壤盐碱化、土壤压实及水蚀等是研究地区土地退化的主要特征。国内外大多数相关研究均选用如主成分分析模型、因子分析模型等线性回归模型来分析土地退化与驱动因素之间的关系[8-10],然而利用多元线性回归模型模拟地理变化有很多局限,如因变量不能为非连续变量,无法处理空间因素变量等。多元Logistic回归模型利用抽样数据拟合Logistic模型,能够分析多个自变量和1个因变量之间的关系,可以很好地解释土地利用变化驱动力及其作用机理[11-12]。

矿区土地退化与其他区域土地退化的不同之处在于,矿区是以矿山资源开采、选矿等活动形成工作区或生活区,此外还包括其“三废”污染等间接影响的区域。以采煤等活动为主的矿产资源开发产生的生态破坏与环境污染为其主要营力,高强度人类干扰与矿山自然侵蚀叠加,综合其他营力使得矿区土地质量和生产能力下降[13]。以典型因煤矿发展而形成的经济与行政社区乌海矿区为研究区域,探讨近20 a来主要土地利用类型变化以及矿区由于自然或人为过程而改变的土地利用方式对土地退化问题产生的影响。选取影响矿区土地利用变化的社会、空间距离等变量,总结研究区域土地退化情况及驱动因子,有利于加强矿区土地退化过程的监测,改善生态环境和促进区域可持续发展。

1研究区概况

乌海矿区位于内蒙古自治区西部,地理坐标为北纬39.15°～39.52°,东经106.36°～107.05°,总面积约1 660 km2(图1)。区域内矿产资源储量高,种类多,质量好。截至2009年,已探明的主要矿种潜在经济价值为4 278亿元。但长期高强度的煤炭等矿产资源的开发,尤其是露天煤矿的开采,导致矿区内土地挖损、压占与地面塌陷严重,且乌海先天环境恶劣,地处乌兰布和、库布齐和毛乌素3大沙漠的交汇处,受3大沙漠的侵蚀与风积,土地荒漠化进程加速,并最终加剧土地退化。

2数据与方法

2.1数据来源与处理

采用中国科学院计算机网络信息中心提供的乌海矿区1990、2000和2010年3期共6景Landsat TM多光谱影像,时间均为7—9月,云量均在1%以下,影像质量较好;利用 ENVI 5.1软件对影像进行遥感数据几何校正、辐射定标、大气校正以及影像镶嵌与拼接。参照国土资源部门2002年制订的全国土地分类体系,兼顾遥感影像解译的可行性,使用面向对象并参照归一化植被指数(NDVI)的分类方法将研究区域土地利用类型分为建设用地(居民区、工矿用地等)、草地、林地、耕地、水域和荒漠(沙地、裸岩等)6类。以同期土地覆被数据(google earth历史影像)为参照对影像解译成果进行精度评价,总体解译精度在85%以上。利用 ArcGIS 10.2软件进行投影变换、叠加分析、土地利用图的制作以及土地利用变化数据库的建立。

图1　乌海矿区地理位置示意

2.2指标计算方法

土地利用变化幅度的数学表达式为

Z=Ub-Ua。

(1)

式(1)中,Z为该研究时段内某种土地类型的总变化幅度,%;Ua和Ub分别为研究初始和结束时该土地利用类型的面积,km2。

单一土地利用动态度用来表达一定时段内某土地利用类型面积变化情况,其数学表达式为

(2)

式(2)中,K为该研究时段内某一土地利用类型的动态度,%;T为研究时段长度,a。

用综合土地利用动态度(LC)表征区域土地利用变化的速度,其计算公式为

(3)

式(3)中,Li为研究初始第i类土地利用类型面积,km2;ΔLi-j为研究时段第i类土地利用类型转化为非i类土地利用类型面积的绝对值,km2。

2.3二元Logistic回归模型

2.3.1模型与方法

土地退化变量为二分类变量,1表示研究区域的土地发生退化,0表示土地未发生退化。二元Logistic回归模型以抽样数据为基础,在运算中为各自变量产生回归系数,然后通过这些系数来讨论该模型中自变量与因变量的关系。假设在理论上存在一个连续变量代表yi*事件发生的概率,值域为无穷大,该变量值存在一个临界点a:yi*>a,则yi=1;yi*≤a,则yi=0。

2.3.2变量的选取与处理

(1)因变量

根据土地利用变化情况和土地利用转移矩阵结构分析可知,研究区域的土地退化表现在草地、林地、耕地等土地类型向荒漠的转换。该研究空间分布模拟分为 1990—2000 和 2000—2010 年2个时段,分别对土地退化区域进行Logistic 回归分析,因变量类型见表1。在ENVI 5.1软件中将分类后的1990、2000和 2010 年3期遥感影像栅格化,分辨率均为30 m。在ArcGIS 10.2软件中利用栅格计算器,将3期土地利用类型图进行两两叠加分析,形成2期土地退化图(图2)。

表1乌海矿区土地退化的影响因子变量描述

Table 1Land degradation and its affecting factors in the Wuhai mining area

变量数据层栅格类型单位/描述因变量土地退化(1990—2000年)二分类0～1土地退化(2000—2010年)二分类0～1自变量高程连续型m坡度多分类1～3坡向多分类1～5到最近采矿点距离连续型km到最近乡镇中心距离连续型km到最近河流距离连续型km到最近道路距离连续型km到最近农村居民点距离连续型km

图2　1990—2000和2000—2010年乌海矿区土地退化状况

(2)自变量

影响土地利用变化的因素错综复杂且存在多重共线性,在前述理论分析的基础上,选择自然因素、社会经济因素和空间距离因素3类开展分析。根据数据的可获取性,选取8个与土地利用变化密切相关的因子:高程、坡度、坡向、到最近采矿点距离、到最近乡镇中心距离、到最近河流距离、到最近道路距离和到最近农村居民点距离(表1)。高程、坡度和坡向均由地理空间数据云下载30 m分辨率的DEM影像通过ArcGIS 10.2 软件的空间分析模块提取,并全部进行栅格重分类。坡度共分为3类,坡度Ⅰ(<5°),坡度Ⅱ(5～15°)和坡度Ⅲ(>15°),并分别赋值为1、2和3;坡向共分为平坡、东坡、南坡、西坡和北坡5类,分别赋值1～5。最后将数据全部转化为栅格类型。空间距离因子由缓冲区向导工具生成,其中圆环之间的距离设为1,单位为km。

2.3.3抽样过程

对于Logistic 回归模型选择不同的样本会导致结果差异较大,为避免采样点之间的空间自相关性,要求采样点数量足够多。采用随机抽样模式选择均匀分布于整个研究区的5 000个样本点,采用RAND函数产生随机数,与在ArcGIS 10.2软件中创建的样本点进行连接,通过数值匹配,从中筛选出1 000 个样本点参与计算,并用样本点分别提取自变量与因变量的值,最终将这些采样点的所有属性值加以合并,为回归模型提供数据基础。

2.3.4自变量共线性诊断

同其他多元线性回归模型一样,Logistic回归模型对自变量的共线性较敏感,因此,在进行二进制Logistic回归模型分析之前,需要对自变量进行多元共线性诊断,该研究选用Tolerance(T)指标来检验,一般来说,T<0.2 被认为是多元共线性存在的标准。

3结果与分析

3.1土地利用变化分析

1990—2010年乌海矿区各土地利用类型面积和土地利用动态度如表2所示。从表2可知,各土地利用类型中,草地所占比例最大,均在38%以上;荒漠次之,从1990年的28.49%增加到2010年的34.56%;耕地变化不大,一直占区域总面积的10%左右;建设用地面积所占比例逐年上升,从1990年的4.35%增长为2010年的15.90%,面积约净增200 km2;水体面积减少,2010年仅占1.63%;林地面积最少,占总面积的比例不足1%。

从单一土地利用动态度来看,1990—2000年建设用地的土地利用动态度最大,达24.03%;其次是耕地和草地;2000—2010年林地和耕地的土地利用动态度较高,分别为-4.53%和-2.65%;1990—2010年建设用地、林地和草地的单一土地利用动态度分别为13.28%、-2.98%和-1.51%。从综合土地利用动态度所反映的同一时间段各种土地利用类型的内部变化情况来看,近20 a乌海地区综合土地利用程度呈增强趋势,2000—2010年土地利用类型转变较为剧烈,综合土地利用动态度达0.15%。

表21990—2010 年乌海矿区土地利用结构与土地利用动态度

Table 2Land use structure and dynamics of land use in the Wuhai mining area during the period from 1990 to 2010

土地利用类型1990年2000年2010年单一土地利用动态度/%面积/km2占比1)/%面积/km2占比1)/%面积/km2占比1)/%1990—2000年2000—2010年1990—2010年草地926.9655.88634.9538.28646.8138.99-3.150.19-1.51林地8.750.536.470.393.540.21-2.60-4.53-2.98耕地145.138.75196.6511.85144.528.713.55-2.65-0.02水域33.342.0131.521.9027.011.63-0.54-1.43-0.95建设用地72.124.35245.4314.79263.7315.9024.030.7513.28荒漠472.6028.49543.8932.79573.2634.561.510.541.06

1)占总面积比例。1990—2000、2000—2010和1990—2010年综合土地利用动态度分别为0.13%、0.15%和0.08%。

3.2土地利用转移矩阵与土地退化趋势

3.2.1土地利用转移矩阵

1990—2010年乌海矿区土地利用类型转移矩阵见表3。

表31990—2010 年乌海矿区土地利用类型转移矩阵

Table 3Land use transformation matrix of the Wuhai mining area of the period from 1990 to 2010

km2

某一行数据为1990年各土地利用类型转变为2010年该行对应的土地利用类型的面积。

由表3可知,近20 a草地减少幅度最大,分别有310.22和140.53 km2草地转化为荒漠和建设用地,城市扩张和工矿企业用地增加是草地转化为建设用地的主要原因,工矿企业尤其是露天煤矿的开采对周边土地的影响是荒漠(沙地、裸岩等)增多的原因。耕地的减少量次之,分别有25.06和16.38 km2耕地转化为草地和荒漠。荒漠和建设用地增长最快,主要来源于草地和耕地。

3.2.2土地退化趋势

由表4可知，1990—2000年其他用地类型转化为荒漠的总面积为331.59 km2,2000—2010年其他用地类型转化为荒漠的总面积为318.83 km2,第2阶段土地荒漠化进程比第1阶段缓慢。1990—2010年其他用地类型转化为荒漠的面积为341.65 km2,近20 a间土地退化与土地恢复共存。从表4可知,近20 a乌海土地退化进程中,草地贡献最多,占原草地面积的1/3以上,其次是建设用地,工矿用地建设尤其是大量露天煤矿开采以后遗留下的“三废”污染了土地和水资源,使得植被无法二次生长,土地退化严峻。近20 a研究区域的土地退化主要表现为土地荒漠化,因此选用新增荒漠进行研究区域土地退化的Logistic回归分析。

表41990—2010 年乌海矿区土地退化状况

Table 4Land degradation in the Wuhai mining area during the period from 1990 to 2010

退化类型 1990—2000年2000—2010年1990—2010年面积/km2退化程度/%面积/km2退化程度/%面积/km2退化程度/%草地→荒漠318.417334.35240.030937.80310.215633.47林地→荒漠0.00270.030.05760.890.58416.68耕地→荒漠7.07404.8724.774312.6016.383611.29水域→荒漠0.37801.131.12773.582.42197.26建设用地→荒漠5.71867.9352.840821.5312.040216.69

3.3土地退化的 Logistic 回归模型分析

Logistic回归模型要求变量间应互相独立,因此对各个自变量进行多重共线性诊断,得到T值在 0.53～0.90范围内,说明自变量多重共线性状况不严重,适用于Logistic回归模型。另外,在二进制Logistic回归模型中,自变量坡度和坡向都是多分类型变量,因此需要进行自变量分类,并均将最后一个值作为参照水平。

根据表5中的回归系数显著性水平(sig.值<0.05)和Wald统计量,分析得到1990—2000年土地退化的主要解释变量为到最近采矿点距离、到最近乡镇距离和坡度Ⅱ(5～15°);2000—2010年比较重要的解释变量为到最近水域距离、高程和到最近道路距离。

表5土地退化的Logistic回归模型系数

Table 5Coefficients of the Logistic regression model for analysis of land degradation

研究时段自变量参数估计标准误差Wald统计量自由度显著性水平发生比率1990—2000年高程-0.0030.00115.65310 0.997坡向(北)0.3790.1278.87810.0031.461坡度Ⅱ(5～15°)1.1060.23921.427103.022坡度Ⅲ(>15°)0.6770.2328.48610.0041.968到最近采矿点距离-0.1150.011108.747100.891到最近居民点距离-0.1020.02912.504100.903到最近道路距离0.0530.0197.87810.0051.055到最近乡镇距离0.1470.01591.055101.158常数项1.8210.8394.71710.036.1792000—2010年高程0.0060.00139.062101.006坡度Ⅱ(5～15°)0.7200.3185.14410.0232.055坡度Ⅲ(>15°)0.7500.3165.62310.0182.116到最近采矿点距离0.0470.01214.040101.048到最近水域距离-0.1020.01544.548100.903到最近道路距离0.1190.01937.672101.126常数项-8.1031.30338.646100

1990—2000年,到最近采矿点距离为最主要的解释变量,Wald统计量为108.747,模型中回归系数为负值,表明土地退化随着到采矿点距离的减小而增大,即采矿活动占用草地,到采矿点的距离每减小1 km,土地退化的概率将增大1.122倍;到最近乡镇距离的回归系数为正,表明随到最近乡镇距离越远,土地退化越明显,到最近乡镇的距离每减小1 km,土地退化的概率增大1.158倍。乌海矿区的开采方式多为露天开采,露天采矿区直接裸露于地表的矿物、排土场与尾矿库,尤其是大型人工剖面和大型排土场会导致开采区域的地形地貌、土壤系统等发生巨大变化,这些变化不仅会破坏原始地貌,还可能导致土地毁损以及土壤质量下降,导致矿区的生态调节功能降低，甚至完全丧失,使得坡度Ⅱ(5～15°)成为土地退化的主要原因之一。

2000年以后,疏矸排水、矿坑废水、工业园废水和生活污水的排放引发土壤污染,导致离水域越近的区域土壤污染越严重。到最近水域距离的Wald统计量为44.548,模型中回归系数为负值,表明离水域越近,土地退化越严重,到最近水域的距离每减小1 km,土地退化的概率增大1.048倍。随着乌海经济转型,工业园取而代之开始成为乌海矿区经济建设的主流,乌海海拔较低的区域开发起来相对容易。另外,乌海矿区的保障性安居工程对大批沉陷区进行改造,大量的尾矿区居民搬迁到新开发工业园区和市区,大量草地被工业园和居民地取代,低海拔的工业园和居民区成为土地退化的驱动因素。随着乌海矿区景观绿化建设项目的推进,道路两侧尤其是国道、省道和市区主干道两侧成为政府绿化工作的重点,导致离道路越近,土地退化越不明显,反之,离最近道路的距离每增加1 km,土地退化的概率将增大1.126倍。

4结论与讨论

(1)基于1990—2010年3期遥感影像,利用遥感和GIS技术,分析了乌海矿区近20 a的土地利用变化特征。结果显示研究区域土地利用变化显著,草地大面积减少,林地和水域面积持续减少,建设用地和荒漠面积大幅度增加。从单一土地利用动态度来看,1990—2000和1990—2010年建设用地的单一土地利用动态度均为最大,分别为24.03%和13.28%。从综合土地利用动态度来看,2000—2010年乌海矿区土地流转比1990—2000年频繁。

(2)通过对1990—2010年土地利用转移矩阵的研究发现,草地、建设用地尤其是尾矿所在区域退化成荒漠的趋势明显,土地荒漠化进程凸显,研究区域生态环境恶化趋势明显。工矿企业发展和城镇化是建设用地增长的主要原因,建设用地增长导致环境本底的变化,破坏了周边环境的生态平衡,产生了大量荒漠,引发土地退化。

(3)针对荒漠面积的增加,选取多个社会、经济以及空间因子,分别建立了2个时段土地退化的Logistic回归模型,揭示研究区域土地退化在不同时间段的驱动因素。结果表明,2个阶段土地退化的驱动因素不同,其原因是2000年以前,粗放型经济发展方式使得矿产资源的开发量飞速增长,直接导致离矿区越近的土地破坏越严重,成为土地退化的主要原因;随着乌海矿区社会经济的发展与人口的大量增加,城镇化的加速发展所导致的建设用地增加成为土地遭到破坏的的主要原因;2000年以后煤矿发展减速,工业园开始成为乌海矿区经济建设的主流,工业化迅速崛起成为土地退化的主要原因。

参考文献：

[1]杜子涛,杨小明,颜树强,等.奈曼旗土地退化遥感监测研究[J].农业工程学报,2012,28(3):154-161.

[2]段慧平.西北干旱区金塔绿洲土地利用变化及其环境影响研究[D].济南:山东师范大学,2009.

[3]张保华,蒋玉华,肖燕,等.县域土地利用/覆被变化可持续性评价指标体系初探[J].世界科技研究与发展,2012,33(5):839-842.

[4]盛浩,李旭,杨智杰,等.中亚热带山区土地利用变化对土壤CO2排放的影响[J].地理科学,2010，30(3):446-451.

[5]于兴修,杨桂山,李恒鹏.典型流域土地利用/覆被变化及其景观生态效应:以浙江省西苕溪流域为例[J].自然资源学报,2003，18(1):13-19.

[6]RASHID M,LIBE M A,ROMSHOO S A.Geospatial Tools for Assessing Land Degradation in Budgam District,Kashmir Himalaya,India[J].Journal of Earth System Science,2011,120(3):423-433.

[7]MOHAMED E S,BELAL A,SALEH A.Assessment of Land Degradation East of the Nile Delta,Egypt Using Remote Sensing and GIS Techniques[J].Arabian Journal of Geosciences,2013,6(8):2843-2853.

[8]王丽萍,金晓斌,杜心栋,等.基于灰色模型-元胞自动机模型的佛山市土地利用情景模拟分析[J].农业工程学报,2012,28(3):237-242.

[9]肖明,吴季秋,陈秋波,等.基于CA-Markov模型的昌化江流域土地利用动态变化[J].农业工程学报,2012,28(5):231-238.

[10]曾辉,高启辉,陈雪,等.深圳市1989—2007年间湿地景观动态变化及成因分析[J].生态学报,2010,30(10):2706-2714.

[11]徐嘉兴,李钢,陈国良.基于Logistic回归模型的矿区土地利用演变驱动力分析[J].农业工程学报,2012,28(20):247-255.

[12]谢花林.典型农牧交错区土地利用变化驱动力分析[J].农业工程学报,2008,24(10):56-62.

[13]李海东,沈渭寿,司万童,等.中国矿区土地退化因素调查:概念、类型与方法[J].生态与农村环境学报,2015,31(4):445-451.

(责任编辑： 许素)

Factors of Land Degradation in Wuhai Mining Area Based on GIS.

HUANG Yuan-yuan, YAN Qing-wu, LEI Shao-gang, LI Jun-gang

(College of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)

Abstract:In order to study characteristics and driving factors of the land degradation in mining areas quantitatively, remote sensing and GIS technology were used to characterize changes in land use in area and type in the Wuhai mining area, Inner Mongolia from 1990 to 2010. On such a basis, some economic, social and spatial factors were selected for exploration of factors driving changes in land use in the studied zone during the 2 different periods of 1990-2000 and 2000-2010. Results show that the changes in land use in the study area in the recent 20 years were manifested mainly in drastic decrease of grassland in area and rapid expansion of construction land and wasteland, which were used to be grassland and farmland, while land degradation was mainly in growth of sandy land and wasteland in area. Aanalysis using the Logistic regression model reveals that land degradation during the first period (1990-2000) was driven mainly by factors, like “distance to the nearest mining site”, “distance to the nearest village and town” and slope Ⅱ (5-15°), while during the second period (2000-2010) it was by factors like “distance to the nearest water source”, “elevation”, and “distance to the nearest road”.

Key words:Wuhai mining area；land degradation；remote sensing；driving factor；Logistic regression model

收稿日期：2015-11-11

基金项目：国家科技基础性工作专项(2014FY110800)

中图分类号：X821

文献标志码：A

文章编号：1673-4831(2016)03-0361-06

DOI：10.11934/j.issn.1673-4831.2016.03.004

作者简介：黄园园(1993—),女,河南商丘人,硕士生,主要从事GIS应用研究。E-mail: 979894964@qq.com

① 通信作者E-mail: 3403175@163.com