西部矿区土(草)地退化因素分析与实证研究：以乌海市为例

汤　傲，李效顺，2，闫庆武

(1.中国矿业大学 国土环境与灾害监测国家测绘局重点实验室，江苏 徐州 221116；2.南京农业大学 中国土地问题研究中心，江苏 南京 210095)

绿色矿业

西部矿区土(草)地退化因素分析与实证研究：以乌海市为例

汤傲1，李效顺1，2，闫庆武1

(1.中国矿业大学 国土环境与灾害监测国家测绘局重点实验室，江苏 徐州 221116；2.南京农业大学 中国土地问题研究中心，江苏 南京 210095)

摘要：土地退化作为威胁人类生存与发展的首要难题，一直引起政府广泛关注，尤其是矿区土地退化问题更为突出，也是学者研究热点和政策治理难点。鉴于此，本文在理论分析基础上，通过构建计量经济模型，并选择乌海矿区进行实证分析，结果表明：第一，理论分析判断，西部矿区土地(草地)退化是区域气候、地貌、地质、水资源、植被等自然环境要素和矿产开采、人口增长、土地利用等人为经济因素共同作用的产物，其中自然环境变化是其退化的外部条件，人为经济因素往往是驱动其退化的内因；第二，实证结果显示，引起乌海矿区草地退化的前三位驱动因素分别为经济发展与煤炭开采、地区水分条件、地区干旱程度，其弹性系数和影响敏感度分别为-0.138、0.016和-0.017，验证了理论上的分析判断结果；第三，深入分析发现，乌海矿区土地退化对各指标的敏感程度按大小排序依次为地区生产总值(-0.174)、固定资产投资(-0.174)、煤炭开采面积(-0.173)、人口数量(-0.173)、煤炭开采量(-0.158)、日照时数(0.127)、降水量(0.069)、城镇化率(-0.059)、平均相对湿度(-0.043)和年平均气温(0.031)。由此建议，矿区土退化防治和生态修复政策创新方向，应该通过转变经济发展方式、优化固定资产投资和限制煤炭开采面积及产量等调控其主导驱动因素，从而扭转矿区土(草)地退化日益严重的态势。

关键词：西部矿区；土地退化；实证分析；乌海

工业革命以来，由于人类活动的不当开发利用，造成地球大约1/10耕地退化变成荒地，尤其在干旱、半干旱和半湿润地区，全球每年约有5000万～7000万hm2耕地沙漠化，严重影响到了全球近25亿人的正常生活及100多个国家和地区持续发展[1-2]。因此，土地退化是当今全球覆被变化研究的重要内容，被列入威胁人类生存的10大环境与发展问题之首[2-3]。改革开放以后，与全球类似，我国由水土流失、风蚀沙化和盐碱化形成的退化土地面积约占国土面积的41.7%[4]，尤以三北(东北、华北、西北)等干旱、半干旱矿区的土地退化最为突出[4-6]，全国每年因土地退化造成的直接经济损失超过540亿元，同时付出的生态环境恶化成本难以估计[6]。由此可见，土地退化问题正在压缩中华民族的生存空间，并严重威胁着我国社会经济可持续发展根基。

针对土地退化及其严重影响，国内外学者对此进行了深入探索分析，研究重点大致有以下几方面：一是土地退化评价指标体系研究[7-8]；二是土地退化的动态监测与影响因素分析[9-13]；三是土地退化的防治措施与生态恢复[14-16]。以上学者的研究成果，为本文研究开展提供了很好的指导意义和参考价值，本研究与其不同的是，本文选择了我国土地退化最为突出的区域之一：西部矿区作为实验基地(选择该区域主要是因为矿区对生态环境的人为扰动性更加强烈且土地退化的驱动主体相对明确)，试图从理论上首先分析判断矿区土地退化的关键成因，然后在理论指导下构建计量经济模型，并采用 2000～2012年乌海矿区的时间序列数据进行实证分析，进而定量揭示乌海矿区土地退化的主要驱动力因素，以便为西部矿区土地退化治理及生态修复政策创新提供科学依据和定量参考。

1研究框架与理论分析

1.1研究框架

本文主要按照“理论分析→模型构建→实证分析→结论提炼”的逻辑思路开展研究，基本研究框架如图1所示。首先，理论分析部分主要在回顾前人对于土地退化的内涵以及驱动机制研究的基础上，总结归纳影响矿区土地(草地)退化的驱动力因素并进行驱动机制分析。其次，基于理论分析，考虑数据的可获得性和研究方法的可行性，选取适当变量和驱动因子，构建符合矿区土地(草地)退化驱动机制的计量经济模型。接着，在理论分析和计量模型指导下，选取乌海矿区的时间序列数据进行实证分析，并运用主成分分析法揭示乌海矿区土地退化的主要驱动力因素和进行模型参数估计，进而定量揭示各驱动因子对矿区土地退化的弹性系数和敏感程度。最后，提炼本文主要结论并提出对策建议。

图1　研究框架

1.2理论分析

理论分析的逻辑起点从土地退化的内涵界定开始，其实联合国粮农组织早在1971年发表的《Land Degradation》中首次提出了土地退化的概念[17]，此后相关国际学术组织和国内外学者对土地退化的内涵进行深入探讨[18-20]，但目前尚未形成统一的界定。笔者在总结前人观点的基础上，本文界定的土(草)地退化是指受到人为因素或自然因素或人为、自然综合因素的干扰、破坏而改变土(草)地原有的内部结构、理化性状，逐步减少或失去原先所具有的综合生产潜力的演替过程。由此可见，土地退化是受自然因素、人为因素或自然因素和人为因素综合影响下长期、综合的演变过程，其驱动因素往往是错综复杂的。近年来，国内外学者也对土地退化的驱动因素做了很多研究工作，如Mehnaz等[9]利用遥感手段监测并评价了印度喀什米尔喜马拉雅巴德加姆的土地退化程度，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[10]监测了埃及尼罗河三角洲的土地退化情况，发现研究区域的主要土地退化类型为土壤盐碱化、土壤压实及水蚀等。赵云杰等[12]采用基于光谱混合分析(SMA)表明煤炭开采形成的地表塌陷和采煤过程中的污水排放是造成矿区土地退化的主要原因。刘亚萍等[21]针对目前矿区土地退化的研究指出：①大量的矿物开采破坏了地表结构引起矿区大量的水土流失；②矿山开采后的采空区和塌陷区造成大范围的土地污染和环境污染；③开采形成的尾矿造成土壤酸化形成盐碱地；④采矿直接影响地表水和地下水污染，导致土壤质量下降、生态系统退化等。另外，有些学者从土地退化的内涵来分析其驱动力因素，将水土流失、土地沙化、土壤盐碱化、土地污染等归纳为土地退化主要驱动因素等。如图2所示，本研究在总结土地退化成因研究成果的基础上[22-25]，主要将驱动矿区土(草)地退化的因素划分为自然驱动因子和人为驱动因子两种类型。

图2理论分析

自然驱动因子为土地退化提供了外在条件，如退化土地生态系统本身比较脆弱，抗干扰能力、稳定性和自我调节能力差[26]，使得土地退化演变过程更易发生。土地退化的主要自然因素有三个方面：第一，地貌及其物质的不稳定性；第二，外营力多变，降水不稳定；第三，气候的演变。自然驱动因子往往是在较大的时空尺度上作用于景观，引起景观发生大面积的变化，地质运动使地表隆起，气候干旱，风沙大，光热资源充足，自然条件下的干旱程度和沙漠发展，这是土地退化的自然因素。

人为因素尤其是不合理的人类活动往往是造成土地退化的内部原因。如我国由于过度放牧、过度农垦、过度樵采、水资源利用和工矿交通的破坏形成了北方荒漠化[27]。另外，人口的急剧增长是人类不合理活动的主要动力，人类粗放型经济活动和落后的生产方式是造成土地退化的主要原因，工矿建设加速了土地退化进程，危害较大[28]；还有学者从人为因素中分离出社会经济因素，其主要包括人口变化、贫困、国际经济、农业生产技术水平、城市扩张政策、市场利益驱动、土地产权分配、土地使用者对土地退化的态度和其他经济因素等等[27，29-30]。人类对自然认识的不足以及地区发展目标、政策的不合理，加速了土地退化的进程，其中最具破坏性的人为因素有：不可控制的矿产资源开发、城市边界扩张、过度垦殖和过度放牧等。

综上所述，理论上分析发现，驱动矿区土地的因素可以划分为自然和人为两种类型，其中自然因素是外因，人为因素是其主导驱动因素(内因)。鉴于本研究的重点主要集中在矿区土(草)地退化驱动因素上，因此下文在理论分析指导下，通过构建计量经济模型，主要对影响矿区土地退化的自然条件、经济社会发展水平(人为因素)特别是矿产资源开采等驱动机制因素进行实证分析和量化。

2模型构建与统计分析

2.1模型构建与弹性界定

在理论分析的基础上，借鉴相关学者研究方法与成果[31-33]，为了消除异方差，本文构建如下对数形式的计量模型来实证检验各种自然地理条件、社会经济及人文因素对矿区土地退化的影响。具体计量模型形见式(1)。

(1)

式中：Yt为因变量土地退化水平；αt表示模型的常数项；Xit为各个土地退化的影响因素，具体从自然条件、宏观社会经济发展以及矿产资源开采等方面选取相应的变量；βit表示各影响因素的回归系数，以此系数大小可判断驱动因变量变化的主导因素；εt为模型的随机误差项；下标i代表影响因素的个数，n表示影响因素总数；下标t代表时间(年)；T表示观察时期总数。

为了准确判断影响土地退化的主导因素，明确模型中回归系数的经济学内涵和现实指导意义，对式(1)等式两边进行求偏导数，得式(2)。并对式(2)进行简单变形处理，得式(3)。

(2)

(3)

由式(3)可明显看出，各影响因素的回归系数βit，亦即是各影响因子Xit对因变量Yt的弹性系数，其现实意义就是因变量变动的百分比相应于每个自变量变动的百分比，能够直接反映变量之间变动的敏感程度。

2.2变量选取与数据说明

1)土地退化水平。为了能够更直观地反映土地退化的现状和进程，结合乌海地区当地土地利用特点，本模型选取草地面积这一指标作为因变量。数据来源于历年的《乌海市土地利用变更调查报告》。

2)自然条件。影响土地退化的自然因素错综复杂，由于本文选取草地面积作为因变量，因此采用与植被生长密切相关的系列自然因素指标，主要选取年降水量、年平均相对湿度、年日照时数和年平均气温四个指标来反映该地区自然条件。四个指标数据均来自历年的《乌海市国民经济和社会发展统计公报》。

3)社会经济因素。反映地区社会经济发展状况的指标多不胜数，考虑本文研究重点，所以在选取社会经济自变量时，主要结合区域人口、城镇化、产业结构及投资等对土地退化的显著影响，主要选取人口数、城镇化率、地区GDP、固定资产投资四个反映地区社会经济发展状况和投入的指标。数据均来源于历年的《乌海市国民经济和社会发展统计公报》。

4)矿产资源开采。考虑研究对象和区域(矿区)的特殊性，与一般研究不同时是，本研究特选取乌海市年煤炭开采量和年煤炭开采面积来反映地区矿产资源开采状况。数据均来源于历年的《乌海市统计年鉴》和《乌海市生态环境治理报告》。

最后，本研究主要收集整理了2000～2012年乌海市13年的系列时间序列数据进行实证分析。各个变量的描述性统计分析见表1。

表1　变量描述性统计

注：数据主要来源于《乌海市土地利用变更调查报告》、《乌海市国民经济和社会发展统计公报》、《乌海市统计年鉴》和《乌海市生态环境治理报告》。

3实证分析：以乌海市为例

3.1研究区概况

乌海市位于内蒙古自治区的西南部，在东经106.36°至107.05°，北纬39.15°至39.52°之间，南北长约80km，东西宽30km，地处黄河上游，东临鄂尔多斯高原，南与宁夏石嘴山市隔河相望，西接阿拉善盟草原，北靠肥沃的河套平原。乌海市是内蒙古自治区新兴工业城市，土地面积为2350km2，人口54.14万人，全市辖海勃湾、乌达和海南三个区。

乌海市矿产资源十分丰富，素以“乌金之海”著称。境内的乌海矿区属于神东亿吨级煤炭生产基地，包括海勃湾矿区和乌达矿区，共有60余家煤矿井点。持续大规模的煤炭资源开发给国家和地区带来巨大的经济效益，但在同时也对区域的生态环境带来了严重的负面影响。

3.2主成分分析

由于本研究所选的10个自变量，不仅与草地面积存在高度的相关性，而且各变量之间也存在一定的耦合关联性(共线性)。为解决本文自变量共线性问题，增强参数估计的可靠性，在模型估计之前，首先进行主成分分析(因为采用主成分分析法可以将各变量缩减为几个相互独立的公共因子，并能较好地代表原有指标的解释信息)，因此对模型作如下变形：令Bt=lnYt，Ait=lnXit。

本研究主要运用IBMPASSStatistics20统计软件，调用其主成分分析程序，首先进行坐标变换处理，得到标准化后的数据和相关矩阵，再根据相关矩阵求特征值与特征向量，提取主成分，计算结果见表2。

表2　特征值及主成分贡献率

抽取特征值大于1的成分，这3个主成分的累积贡献率达到了86.909%，相当于代表了前面10个指标的86.909%的信息，抽取他们足以代表原始指标的绝大部分信息，可以用来对乌海市土(草)地退化影响因子进行解释。

为了更加直观地看出各变量在主成分上的影响度，下面对变量载荷矩阵实施方差最大化正交旋转，得旋转后的各因子得分矩阵，进而计算出主成分得分系数矩阵和主成分综合得分，结果见表3、表4。

3.3模型参数估计

将2000～2012年间每年主成分综合得分定义为自变量，将乌海市草地面积定义为因变量，进行回归建模，得到主成分回归模型，见式(4)。

(4)

通过SPSS统计分析软件，对方程模拟参数进行回归估计(结果见表5)，整体上看，该函数拟合优度R=0.975，调整后的R2=0.933，表明表3中的资料拟合优度非常好；显著性检验中F=56.912，Sig<0.05，表明模型整体显著性水平较高。局部上来看，在各个回归系数的显著性检验中，第一主成分系数和常数项显著性水平极高，能够通过1%显著性检验，第二、第三主成分系数显著不太理想，但都通过了显著性检验。因此，确定回归方程的常数项为11.671，主成分Z1、Z2、Z3的回归系数分别为-0.138、0.016、-0.017。主成分Z1、Z2、Z3依次代表了第一驱动力、第二驱动力及第三驱动力。

表3　主成分得分系数矩阵

表4　主成分综合得分

表5　方程回归结果

注：括号内是t值，***、**、*分别表示在1%，15%，17%水平上显著。

特别说明的是，在回归方程中自变量为主成分分析中的三个公因子，而在因子分析中，成分系数矩阵给出了公因子和原始变量的对应关系(表3)，因此只需将上述对应关系代入标准化后的回归系数，即可解出原始变量对因变量的标化回归系数，标准化的常数项是没有值的。最终，本研究得到的原始变量作自变量的标化方程，见式(5)。

B=0.069A1-0.043A2+0.031A3+0.127A4

-0.173A5-0.059A6-0.174A7-0.174A8

-0.158A9-0.173A10

(5)

如前所述，在进行主成分分析之前，本研究对全部变量数据进行了对数处理，因此该标化回归方程得到的系数分别为各个指标因子对土(草)地退化的弹性系数，即每个指标的单位变化率对土(草)地退化水平变化率的影响大小，以此可以进一步分析判断各个指标相对于土(草)地退化的敏感程度。

3.4结果分析

结合以上主成分分析结果，根据旋转成分矩阵(表6)中负荷(i，j大小能够体现Ai在Zj上贡献程度，由此可以解释每个主成分代表的现实涵义。Z1中人口、地区生产总值、固定资产投资、年原煤开采量以及年煤炭开采面积五个指标的负荷分别为0.964、0.983、0.982、0.911和0.984，均高于其他指标且相差不大，说明这五个指标在主成分Z1中具有贡献率。考虑到此五项指标均对于城市经济发展产生推动作用，尤其是年原煤开采量以及年煤炭开采面积直接相关于煤炭开采，本研究将主成分Z1的现实因素归纳为：煤炭开采与经济发展。

同理，在主成分Z2中年平均降水量、年平均相对湿度和城镇化率三个指标的贡献率较高并相对统一，再者由于乌海地区城镇化率较高并已经达到稳定饱和状态，在研究的时间尺度上几乎没有变化，基本可忽略该因素的影响，因此本研究将主成分Z2的现实因素归纳为：地区水分条件；在主成分Z3中年总日照时数指标具有高贡献率，年平均相对湿度指标贡献率相对较高，笔者将主成分Z3的现实因素归纳为：地区干旱程度。

表6　旋转成分矩阵

基于以上结果分析，本研究将乌海市土(草)退化的三大驱动因素归纳为：煤炭开采与经济社会发展、地区水分条件、地区干旱程度。

整体来看，就煤炭开采与经济发展而言，与理论分析结果一致，该因素对乌海草地退化具有负向驱动作用，如表5所示，煤炭开采与经济发展对草地面积的影响度为-0.138，成为第一大驱动力。第二驱动力—地区水分条件(正驱动力)，第三驱动力—地区干旱程度(负驱动力)验证了理论分析结果，即地区水分条件、地区干旱程度对乌海矿区土地退化弹性系数和影响度分别为0.016、-0.017。

具体来看，从对应每个原始指标的标化回归方程中，我们可以更清晰地看出因变量(草地面积)对每个指标的敏感程度大小。其中，草地面积对地区生产总值、固定资产投资的敏感程度最大，达到-0.174，其次为煤炭开采面积(-0.173)、人口数量(-0.173)，再次为煤炭开采量(-0.158)，城镇化率(-0.059)，特别说明的是，正如前文所指出的，由于乌海地区城镇化率较高并已经达到稳定饱和状态，因此草地退化对城镇化率(-0.059)的敏感程度不高，而日照时数(0.127)、降水量(0.069)、平均相对湿度(-0.043)和年平均气温(0.031)等自然因素对乌海矿区草地退化的弹性系数较小，说明自然因素并不是造成其草地退化的主导因素。

4主要结论与政策建议

第一，理论分析判断，西部矿区土(草)地退化是区域气候、地貌、地质、水资源、植被等自然环境要素和矿产开采、人口增长、土地不合理利用等人文社会因素共同作用的产物，其中自然环境是其退化外部条件，人为社会因素往往是驱动其退化的内因，影响矿区土(草)退化的驱动机制因素可以划分为自然条件、经济社会发展水平以及矿产资源开采三种。

第二，实证结果显示，乌海市草地面积退化的第一驱动力、第二驱动力和第三驱动力分别为经济发展与煤炭开采、地区水分条件以及地区干旱程度，其弹性系数和影响敏感度分别为-0.138、0.016和-0.017，说明乌海社会经济发展尤其是煤矿开采等人为社会因素对区域土(草)地退化具有最大的负面驱动作用，自然因素影响相对较少，从而验证了理论上的分析判断。

第三，深入分析发现，乌海市草地面积对各指标的敏感程度按大小排序依次为地区生产总值(-0.174)、固定资产投资(-0.174)、煤炭开采面积(-0.173)、人口数量(-0.173)、煤炭开采量(-0.158)、日照时数(0.127)、降水量(0.069)、城镇化率(-0.059)、平均相对湿度(-0.043)和年平均气温(0.031)。由此建议，未来煤矿区土(草地)退化防治和生态修复政策创新方向应该是，通过转变经济发展方式、优化固定资产投资和限制煤炭开采面积及产量等调控其主导退化因素，从而扭转矿区土(草)地退化日益严重的态势。

最后，虽然本研究就矿区土地退化问题进行长时间探索研究，并揭示了主要驱动因素和定量结果。然而，必须看到由于影响矿区土(草)地退化的驱动因素繁多、加上不断动态变化，一方面本研究的变量选择可能存在遗漏，另一方面可能由于时间序列相对较短、加上短期内气候变化不大等原因，以至于日照时数、降水量和平均相对湿度等因素的估计参数方向与理论分析结果不尽一致，以上研究不足都会对研究结果带来偏差，有待以后研究不断修正。

参考文献

[1]Dregne，H.，Kassas，M.，Rozanov，B.Anewassessmentoftheworldstatusofdesertification[J].DesertificationControlBulletin，1991，20：6-19.

[2]米萍萍.土地退化监测体系设计研究[D].哈尔滨：东北农业大学，2008.

[3]肖春华.我国土地资源前景堪忧[J].国土与自然资源研究，1997(3)：33-35.

[4]UNDP.ChinaHumanDevelopmentReport：EconomicTransitionandtheRoleofGovernment[R].Beijing：ChinaFinanceandEconomicsPublishingHouse，1999：63-65.

[5]王秋兵，贾树海，丁玉荣.土地退化评价方法的探讨——以辽西北农牧交错带彰武县北部为例[J].土壤通报，2004(4)：396-400.

[6]冯海英，刘永功.环境(土地)退化与贫困问题研究：文献综述视角[J].青海社会科学，2012(3)：37-41.

[7]许宁，郭旭东，洪友堂，等.基于文献分析的土地退化评价指标研究[J].地理科学，2008(3)：425-430.

[8]王蕾，高亚琪.新疆土地退化监测方法与评价指标研究[C]//中国环境科学学会学术年会论文集(第二卷)，2011.

[9]MehnazR，MahjoorAL，ShakilAR.GeospatialtoolsforassessinglanddegradationinBudgamdistrict，KashmirHimalaya，India[J].JEarthSystSci，201，120(3)：423-433.

[10]MohamedES，BelalA，SalehA.AssessmentoflanddegradationeastoftheNileDelta，EgyptusingremotesensingandGIStechniques[J].ArabianJournalofGeosciences，2013，6(8)：2843-2853.

[11]EIBaroudyAA.MonitoringlanddegradationusingremotesensingandGIStechniquesinanareaofthemiddleNileDelta，Egypt[J].Catena，2011，87(2)：201-208.

[12]赵云杰，杨丹青，毛菲.晋西北河保偏矿区土地利用变化对土地退化风险的影响[J].中国水土保持科学，2010(5)：98-103.

[13]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(3)：154-161.

[14]包小兰.安定区土地退化综合防治的典型与实践[J].中国水土保持，2012(9)：51-52.

[15]秦元伟，赵庚星，王静，等.黄河三角洲滨海盐碱退化地恢复与再利用评价[J].农业工程学报，2009(11)：306-311.

[16]李周，柯水发，刘勇，等.中国西部土地退化防治成效及经验借鉴——以中国—全球环境基金干旱生态系统土地退化防治伙伴关系项目为例[J].北京林业大学学报：社会科学版，2014，13(1)：71-76.

[17]FOODANDAGRICULTUREORGANIZATIONOFTHEUNITEDNATIONS(FAO).LandDegradation[R].SoilsBulletin13，Rome，1971：1-10.

[18]中国科学技术协会学会工作部.中国土地退化防治研究[M].北京：中国科学技术出版社，1990.

[19]赵其国.土壤退化及其防治[J].土壤，1991，23(2)：57-61.

[20]孙华，倪绍祥，张桃林.退化土地评价及其生态重建方法研究[J].中国人口.资源与环境，2003(6)：45-48.

[21]刘亚萍，张柏习，孙晓辉，等.如何充分认识矿区土地的退化及生态治理问题[J].防护林科技，2010(2)：68-69.

[22]薛占金，秦作栋，孟宪文.2010年汾河流域土地退化经济损失评估[J].水土保持通报，2014(3)：295-299.

[23]王强，康慕谊，戴诚.1990年至2010年农牧交错带冀蒙接壤区土地退化特点及影响因素分析[J].资源科学，2012(8)：1508-1517.

[24]黄森旺，李晓松，吴炳方，等.近25年三北防护林工程区土地退化及驱动力分析[J].地理学报，2012(5)：589-598.

[25]刘明义，王跃邦，房淑琴，等.吉林省西部荒漠化成因及防治对策[J].水土保持研究，2005(4)：159-161.

[26]罗明，龙花楼.土地退化研究综述[J].生态环境，2005(2)：287-293.

[27]杨朝飞.中国土地退化及其防治对策[J].中国环境科学，1997(2)：108-112.

[28]董杰，陈诗越，杨达源.土地退化研究进展及展望[J].聊城大学学报：自然科学版，2008(2)：23-29.

[29]杜茎深，王海鸿，王丹.对贫困与土地退化关系主流观点的反思[J].资源科学，2008(7)：1039-1046.

[30]聂小军，胡斌，赵同谦.焦作矿区土地退化成因分析[J].河南理工大学学报：自然科学版2009(5)：658-664.

[31]张兰，冯淑怡，曲福田.农地流转区域差异及其成因分析——以江苏省为例[J].中国土地科学，2014(5)：73-80.

[32]李效顺，曲福田，陈友偲，等.经济发展与城市蔓延的Logistic曲线假说及其验证——基于华东地区典型城市的考察[J].自然资源学报，2012(5)：713-722.

[33]陈龙乾，姚远，李效顺.港口城区房地产投资驱动机制分析——以连云港市港口城区为例[J].地理与地理信息科学，2012(3)：44-48.

Empirical research on the driving factors of land(grassland) degradation in western mining area：a case study of the Wuhai

TANG Ao1，LI Xiao-shun1，2，YAN Qing-wu1

(1.The Key Laboratory for Land Environment and Disaster Monitoring of SBSM in Jiangsu Province，China University of Mining and Technology，Xuzhou 221116，China；2.China Land Problem Research Center，Nanjing Agricultural University，Nanjing 210095，China)

Abstract:Land degradation，the primary problem which threaten human survival and development，has aroused wide attention of government，especially the mining area land degradation which is also an academic research hotspot and policy management difficulty.In view of this，based on the theoretical analysis，this article select the Wuhai mining area to conduct an empirical analysis through constructing econometric models，the results show that：① according to theoretical analysis of the results，the western mining area land(grassland) degradation is a combination of the integrated impacts of natural environment factors(e.g.regional climate，geomorphology，geology，water，vegetation) and human factors(e.g.mining，population growth，land use)，which natural environmental changing is the external conditions and human factors are the internal reason；②the empirical results show that the top three driving factors of grassland degradation in Wuhai mining area are coal mining and regional economic development，water conditions and regional drought degree.The elastic coefficient and impact sensitivity are 0.138，0.016 and 0.016 respectively；③the thorough analysis indicates that，the index of Wuhai mining area land degradation sort as follows according to the sensitive degree：regional GDP(-0.174)，fixed assets investment(-0.174)，coal mining area(-0.173)，population(-0.173)，coal mines(-0.158)，sunshine duration(0.127)，precipitation(0.069)，urbanization rate(-0.059)，average relative humidity(-0.043)and annual average temperature(0.031).It is suggested that we should regulate its dominant driving factors by transforming the pattern of economic development，optimizing the investment in fixed assets and limiting the coal mining area and yield etc，thus reversing the increasing tendency of the mining area land(grassland) degradation.

Key words：the western mining area；land degradation；the empirical analysis；Wuhai

收稿日期：2015-08-20

基金项目：科技基础性工作专项计划项目资助(编号：2014FY110800)；国家自然科学基金项目资助(编号：71473249；U1361214)；江苏省社科基金重点项目资助(编号：15EYA002)；江苏省老工业基地资源利用与生态修复协同创新中心和高校优势学科建设工程项目资助(编号：SZBF2011-6-B35)；研究生培养创新工程项目资助(编号：KYZZ_0389)

作者简介：汤傲(1994-)，女，安徽安庆人，硕士研究生，主要研究矿区土地退化与生态修复。E-mail：tangao1994@126.com。 通讯作者：李效顺(1983-)，男，河南周口人，副教授，博士后，主要研究资源经济与政策。E-mail：lxsh@cumt.edu.cn。

中图分类号：X24

文献标识码：A

文章编号：1004-4051(2016)05-0058-07