晋北地区1986~2010年土地利用/覆被变化的驱动力

徐小明,杜自强,张 红,冯 凌,申小雨



晋北地区1986~2010年土地利用/覆被变化的驱动力

徐小明1*,杜自强1,张 红2,冯 凌2,申小雨2

(1.山西大学黄土高原研究所,山西 太原 030006；2.山西大学环境与资源学院,山西 太原 030006)

为定量研究不同时期区域土地利用变化的不同驱动特征,以地处农牧交错带的晋北地区为例,采用非监督分类与人工目视解译相结合的方法,获取研究区1986~2010年间的土地利用/覆被变化(LUCC)状况,采用典范对应分析(CCA)方法定量分析了不同阶段LUCC的自然与人为驱动特征.结果表明:1)CCA在分析长时期序列LUCC驱动力上有较好的解释力,CCA排序可以很好地提取LUCC与自然、人为因素之间的关系,反映不同时期土地利用变化受到的驱动作用;2)研究区土地利用类型以耕地、草地、林地为主,土地利用变化类型以耕地与草地、林地与草地之间的互相转移为主;3)从不同时期LUCC的驱动因子来看,人口密度、人均国内生产总值(GDP)、降水、坡度和高程是研究区各时期LUCC的主要驱动力;研究区在1986~1995年间LUCC的主要驱动力来自于人口增长和经济发展的需求,而随着时间的推进,坡度和高程等地形因素的驱动作用也愈来愈重要;4)从不同地类变化的驱动因子来看,耕地、草地等地类向居民用地、工矿用地转移的主要驱动力是人口和经济的发展;而林地,草地等土地覆被类型之间的转移主要受到坡度,高程和降水等自然因素的驱动.

土地利用/覆被变化；驱动力；典范对应分析；不同时期

目前,土地利用/覆被变化(LUCC)研究受到国内外学者的广泛关注[1-2].LUCC是一种过程,体现着人为和自然因素的双重影响,空间差异性大,各种环境因子的作用程度也不尽相同,长期以来一直缺乏比较系统、定量的方法来探讨LUCC与驱动力因子的响应关系.

目前研究认为,气候、地形、土壤、水文、人口、经济、技术、政治、乃至价值观是LUCC的主要驱动力[3-5],一些学者采用了诸如多元线性回归[6]、多元逻辑回归[7]、模拟退火算法[8]、典范对应分析(CCA)[9-11]等方法对LUCC的驱动因子进行了定量分析.其中,CCA分析将多元回归和对应分析结合起来,是一种直接排序的方法,在生态学研究中得到了广泛的应用[12-14].这种方法在宏观的LUCC驱动力分析中已有少量应用[9-11,15],该方法可以有效地解释LUCC与驱动因素之间复杂的非线性关系,是定量分析LUCC驱动力的有力工具[11].但是,这些研究大多仅分析某一时期的LUCC驱动力[9-11],忽略了LUCC驱动力系统的纵向性与过程性[16],因为在不同的历史时期,LUCC的驱动力也有所不同[17].

本研究选择山西省晋北(包括晋西北)地区为研究区,该区是中国北方生态脆弱的农牧交错带的重要组成部分,也是环京津唐地区防风固沙、绿化生态屏障建设的重点地区之一.该区土地利用结构在近几十年来发生了复杂而剧烈的变化,同时,近年来实施的退耕还林等政策也对这一农牧交错区的土地利用/覆被状况产生了显著的影响,因此,这一地区是开展不同时期LUCC驱动力变化研究的理想区域.

本文在对不同时期土地利用变化分析的基础上,将影响LUCC的驱动因子与LUCC进行CCA分析,揭示土地利用变化在不同环境梯度上的响应,从而系统地揭示区域LUCC驱动力在过去几十年间的变化.

1 研究区与方法

1.1 研究区概况

研究区包括晋西北高原和大同盆地,位于110°56′E~114°32′E,38°39′N~40°44′N,行政区划上包括朔州市全境、忻州市和大同市的部分县市,总面积约3.17万km2.区内地形复杂多变,东部为大同盆地,西部为地形起伏的黄土丘陵区.黄土广泛分布在该区内.

研究区属于大陆性半干旱季风性气候,四季分明,全年温差较大,平均气温在4.6~6.8oC之间.年日照时数约2300~2900h,降水量为380~ 460mm,年均蒸发量达2000mm,无霜期100~ 130d.

1.2 数据源

1.2.1 土地利用/覆被解译 下载研究区1986年、1995年、2000年和2010年的Landsat TM 4~5遥感影像.分别选取该年份7~10月份,云覆盖率小于5%的影像进行进一步处理和分析.

1.2.2 驱动力因子 选取直接或间接影响LUCC的气候、地形和人类活动因子,包括人口密度、人均GDP、道路距离、城镇距离、高程、坡度、坡向、1km内地形起伏度、年平均温度和年平均降水10个具体的因子.各数据来源见表1.

道路距离和城镇距离由ArcGIS计算研究区内各点距主要公路和居民用地的欧氏距离获得.地形起伏度是指1km内最高点海拔高度与最低点海拔高度的差值[11].温度和降水采用ArcGIS对研究区内及周边7个气象站点(空间位置见图1)年均温度,降水进行反距离权重插值获得.

表1 数据来源 Table 1 The data sources

1.3 研究方法

1.3.1 土地利用/覆被解译 在Erdas Imagine 2013和ArcGIS 10.2.1软件平台的支持下,采用计算机非监督分类和人工目视判读相结合的方式进行土地利用信息解译.首先对获取的影像进行预处理,然后执行非监督分类,将影像分为30类.建立包括耕地、林地、草地、居民用地、工矿用地、水域、盐碱地和裸地8种土地利用/覆被方式的分类系统.对照TM 5-4-3波段的假彩合成图像,同时参考研究区植被、土壤、地形等相关图件和Google Earth影像进行目视判读解译.这种方法既能保证分类的精度,又能节省解译时间[16].采用混淆误差矩阵的方法,即以Kappa系数来评价土地利用分类的位置精度.

1.3.2 土地利用变化区域的选取 采用空间叠加的方法提取研究区内1986~1995年、1995~ 2000年、2000~2010年和1986~2010年4个时段的土地利用变化斑块.为了减少数据冗余,去除细小斑块的影响,筛选变化面积在研究区总面积0.01%(约3.17km2)及以上的斑块进行土地利用转移以及驱动力分析.

1.3.3 典范对应分析 将4个时间段的土地利用变化斑块处理为(0,1)二元数据矩阵[11],这一矩阵中,1代表某一类型土地利用变化的发生,0代表该类变化未发生.利用区域统计功能构建驱动力因子矩阵.

将土地利用变化矩阵和驱动力矩阵输入CANOCO V4.56中,分别分析4个时段土地利用变化的驱动力.应用Monte Carlo检验(499次置换)检测驱动力因子与土地利用变化之间是否存在统计意义上显著的相关关系.本研究的技术路线见图2.

2 结果与讨论

2.1 研究区土地利用变化的主要特征

遥感影像解译得到的研究区土地利用空间分布图见图3.经检验,研究区个年份的土地利用分类Kappa系数均大于0.80,分类结果良好[18].

从图3可知,研究区耕地在东部大同盆地分布较为集中,呈现东北—西南带状分布.在西侧的黄土丘陵区则与林地、草地交错分布.林地在1986~2000年间主要集中在研究区中东部,在西部的河曲、保德、偏关等地分布较少,但至2010年时,西部的林地面积也有所增加.草地的分布较为分散,在整个研究区与林地、耕地混杂分布.居民用地分布在各县市的城镇区.工矿用地除了集中在平鲁区南侧以外,在朔城区和南郊区也有分散分布.盐碱地主要集中分布在山阴县和应县;裸地和水域的分布则比较分散.

由图4可知,耕地、草地和林地是研究区主要的土地利用类型,三者面积共占研究区总面积的94%~97%.耕地面积在1986~2000年间变化不大,但2000~2010年间有所减少.林地面积在1986~1995年间有所减少,但1995~2010年又呈持续增加的趋势.草地面积在1986~2000年间变化不大,但2000~2010年间有所减少.居民用地、工矿用地和裸地面积呈持续增加的趋势,而水域面积则持续减少,盐碱地面积呈波动增加的趋势.

2.2 研究区不同历史时期土地利用转移分析

由表2可见,1986~1995年间,主要的土地利用转移类型为耕地和草地、草地和林地之间的互相转移,占总转移面积的91.40%;1995~2000年间的主要转移类型与前一时期一致,4种类型占总变化面积的92.00%;2000~2010年间,除了以上4种转移类型以外,耕地转移为林地的比例增加到了10.25%,这5种土地利用转移类型占总转移面积的91.96%;1986~2010年和2000~2010年的转移状况类似,5种主要转移类型的总概率为91.06%.不同时期的土地利用转移主要发生在耕地、草地和林地之间的相互转移上.其中,耕地和草地、林地和草地之间的互相转移始终是研究区内最主要的土地利用转移类型.草地和耕地互相转移的比例较高,充分显示了研究区农牧交错区的特性,而林地和草地的互相转移是植被的自然演替和植树造林交互作用的结果.

表2 土地利用转移概率矩阵(%) Table 2 Probability matrix of land use transition (%)

注:行表示研究期初的土地利用类型,列表示研究期末的土地利用类型,空白表示该类型转移未发生.

耕地、草地和林地在2000年前面积变化不大.从2000年开始,耕地面积显著减少,草地略有减少,而林地面积增加.这与1999年以后区内推行退耕还林政策,部分坡耕地转移为林地和草地有关.土地利用转移矩阵也证明了这一进程,从2000年起,耕地转移为林地的比例增大.由于该区地处三北防护林工程[19]和京津风沙源治理工程区内[20],一些荒山草地转移为林地,促进了区域内林地面积的增加,2000~2010年间的土地利用转移矩阵也表明2000年以后草地转移为林地的比例远大于林地转移为草地的比例.

研究区居民用地的增加主要来自于耕地、工矿用地和草地,新增的工矿用地则主要来自草地、耕地和林地.水域、盐碱地和裸地主要是与耕地和草地之间发生互相转移.区内人口的增加促进了居民用地的持续增加,特别是大同市和朔州市建成区的面积贡献巨大,大同市城市建成区面积由1985年的41km2[21]增加到了2010年的108km2,而朔城区城市建成区面积也由1990年的8.8km2[22]增加到2010年的40km2.居民用地的增加,2000年以前主要来自于耕地,而2000年以后,工矿用地和草地转移为居民用地的比例增加,说明城镇的发展,首先会占用耕地,进而侵占天然植被;同时,矿山生活区因人口聚集也逐渐转移为居民用地.此外,研究区是我国重要的煤炭生产基地,大同煤矿、平朔煤矿均位于本区内,采矿业的发展促使了区内工矿用地的持续增加,这些增加的工矿用地大多来自于草地和耕地.

2.3 研究区不同时期LUCC驱动力分析

2.3.1 驱动力因子选择及相关性分析 LUCC体现着人为和自然因素的双重影响,因此其驱动力也来自于人为和自然的两个方面[6].本研究对各驱动力因子进行相关分析表明地形起伏度与坡度的相关性较强(相关系数大于0.97),因此在分析中将地形起伏度因子作为冗余变量去除. 共保留9个相关性较小、具有典型性和独立性的驱动力指标.

2.3.2 不同历史时期LUCC的驱动因子 1986~ 1995年间,第一轴与人均GDP的相关系数最大,第二轴与人口密度的相关系数最大.随着第一轴数值的增加,人均GDP增加,人口密度减少,坡度变大;随着第二轴数值的增加,人口密度和人均GDP均增加,坡度变小.这说明这一期间,研究区土地利用变化的最主要的驱动力来自于人口增长和经济发展.

1995~2000年间,;而第二轴则与坡度的相关系数最大.随着第一轴数值的增加,人均GDP和人口密度增加,坡度变小;随着第二轴数值的增加,坡度,高程和降水增加.说明这一时期内,人口增长和经济发展仍是主要驱动因素,但地形因素的驱动作用在逐渐增强.

2000~2010年间,第一轴与人均GDP的相关系数最大,第二轴则与坡度的相关系数最大.随着第一轴数值的增加,人均GDP和人口密度增加;随着第二轴数值的增加,坡度变小,高程降低,降水减少.这一时期的土地利用变化受到了人口、经济发展以及地形因素的双重驱动.

从1986~2010年总体来看,第一轴与坡度的相关系数最大,且为负相关,第二轴与人均GDP相关系数最大,为正相关.随着第一轴数值的增加,坡度减小,高程降低,降水减少;随着第二轴数值的增加,人均GDP和人口密度增加.说明1986~2010年间研究区主要的LUCC驱动力包括人均GDP、坡度、高程、降水和人口密度.

2.3.3 不同地类变化的驱动因子分析 由图5和表3可见,1986~1995年间,草地转移为工矿用地主要发生在人均GDP较高的地区;而耕地转移为居民用地、林地转移为耕地均发生在人口密度较大但人均GDP较低的地区(图5a).说明这一时期内,人口和经济增长促进了耕地、草地等用地类型向工矿用地和居民用地的转移.这一时期处于我国改革开放的初期,区内GDP的增加促进了其它地类向工矿用地的增加;而在经济尚不发达,但人口压力较大的地区,易发生占田造城、毁林种地等开发活动.

1995~2000年间,耕地向居民用地和林地的转移主要发生在人口密度较大、人均GDP较高的地区.林地和草地之间的互相转移主要发生在坡度较大、高程较高、降水较多的区域(图5b).人口的增加促使了居民用地的增加,而居民用地最便利的来源是城镇周边的耕地.同时,由于1999年起推行的退耕还林政策的实施,一些坡耕地上植树造林,图5(b)第一象限中也提取到了这一变化类型,说明这一政策起初发生在经济较好、人口较多的地区.此外,林地和草地的互相转移,更易发生在人为影响较小(高程较高、坡度较大)且降水条件较好的地区.

2000~2010年间,耕地、林地、草地等地类向工矿用地和居民用地的转移,以及工矿用地向居民用地的转移均发生在人口密度和人均GDP较大的区域(图5c).这一时期正处煤炭的“黄金十年”[23],工矿用地面积剧增,伴随着GDP的快速增长;同时,区内人口的继续增加也促进了居民用地的增加,其来源除了城镇周边的耕地以外,原本属于工矿用地的矿山生活区因人口聚集也逐渐转移为居民用地.

2.4 讨论

在本研究中,如仅对1986~2010年间的LUCC进行分析,仅能推断出人口密度和人均GDP对耕地,草地和工矿用地向居民用地的转移起到正向驱动作用,很难针对该结果推断出这种驱动发生的原因和机理;而通过不同时期的CCA分析可以判断出不同时期的驱动机理,如1995~2000年间的退耕还林政策的落实等,进而对LUCC的驱动过程形成更深入的了解,同时也可为政府部门进行决策提供更加科学合理的依据.

本文的结果证明:在经济水平较低的时期,人类通过不断开荒种地维持发展,这时LUCC的驱动力很可能来自于生产的发展.而当社会经济发展到一定程度,土地资源被不合理地开发直至面临着一些严重的生态环境问题时,政府部门可能会适时出台一些政策,通过不同的手段来限制不合理的开发,例如退耕还林,围栏禁牧等措施,使得人为活动的影响降低,此时,自然因素的驱动作用就可能会变得显著.

表3 图5中土地利用转移类型(%) Table 3 The land use transition types in Fig.5 (%)

注:列表示某一时期初土地利用,行表示某一时期末土地利用.

3 结论

3.1 晋北地区土地利用类型以耕地、草地和林地为主,土地利用的转移以耕地和草地、林地和草地之间的互相转移为主,呈现典型的农牧交错区特性.2000年以后,耕地转移为林地的比例也逐渐增加,体现了退耕还林政策实施的效果.随着人口和经济的增长,区内居民用地和工矿用地的面积也持续增加.

3.2 CCA排序可以很好地提取LUCC与自然、人为因素之间的关系,反应不同时期土地利用变化受到的驱动作用.从不同历史时期LUCC的驱动因子来看,研究区早期LUCC的主要驱动力来自于人口增长和经济发展的需求,与城市扩张、粮食需求增加有着密切的联系;2000年前后,研究区内退耕还林、防护林建设等生态保护工程先后开始实施,这些工程受地形、气候因素的因素的影响较大,因此,这些自然因素的驱动作用也越来越重要.从不同地类的驱动因子来看,研究区人口和经济的发展是耕地、草地等地类向居民用地、工矿用地转移的主要驱动力;而林地、草地等土地覆被类型之间的转移主要受到坡度,高程和降水等自然因素的驱动.

[1] Luyssaert S, Jammet M, Stoy P, et al. Land management and land-cover change have impacts of similar magnitude on surface temperature [J]. Nature Climate Change, 2014,4(5):389-393.

[2] 徐小明.吉林西部水田土壤碳库时空模拟及水稻生产的碳足迹研究 [D]. 长春:吉林大学, 2011.

[3] 赵 阳,张 艺,涂志华,等.基于生态服务价值的多目标水源地土地利用结构优化 [J]. 中国环境科学, 2014,34(1):232-238.

[4] Kanianska R, Kizeková M, Nováček J, et al. Land-use and land-cover changes in rural areas during different political systems: A case study of Slovakia from 1782 to 2006 [J]. Land Use Policy, 2014,36:554-566.

[5] 石晓丽,史文娇.气候变化和人类活动对耕地格局变化的贡献归因综述 [J]. 地理学报, 2015,70(9):1463-1476.

[6] 王晨野,汤 洁,李昭阳,等.吉林西部土地利用/覆被时空变化驱动力分析 [J]. 生态环境, 2008,17(5):1914-1920.

[7] Serra P, Pons X, Saurí D. Land-cover and land-use change in a Mediterranean landscape: a spatial analysis of driving forces integrating biophysical and human factors [J]. Applied Geography, 2008,28(3):189-209.

[8] 位 欣,刘耀林,姚 鹏.基于模拟退火遗传算法的土地利用变化驱动力研究 [J]. 中国土地科学, 2008,22(7):34-37.

[9] 李 鹏,于书霞.基于典型对应分析的滇池流域土地利用驱动力分析 [J]. 中国人口.资源与环境, 2014,24(3):123-126.

[10] 邢容容,马安青,刘修锦,等.青岛市土地利用变化类型与影响因子关系的CCA研究 [J]. 安徽农业科学, 2015,43(15):298- 301+304.

[11] 徐广才,康慕谊,李亚飞.锡林郭勒盟土地利用变化及驱动力分析 [J]. 资源科学, 2011,33(4):690-697.

[12] Li J, Zheng Y, Yan J, et al. Succession of plant and soil microbial communities with restoration of abandoned land in the Loess Plateau, China [J]. Journal of Soils and Sediments, 2013,13(4): 760-769.

[13] Bu C, Zhang P, Wang C, et al. Spatial distribution of biological soil crusts on the slope of the Chinese Loess Plateau based on canonical correspondence analysis [J]. Catena, 2016,137:373- 381.

[14] 刘奕伶,葛继稳,李艳元,等.古夫河着生藻类优势种体积与水质因子的相关性研究 [J]. 中国环境科学, 2015,35(7):2182-2191.

[15] Hietel E, Waldhardt R, Otte A. Analysing land-cover changes in relation to environmental variables in Hesse, Germany [J]. Landscape ecology, 2004,19(5):473-489.

[16] Elmhagen B, Eriksson O, Lindborg R. Implications of climate and land-use change for landscape processes, biodiversity, ecosystem services, and governance [J]. Ambio, 2015,44(1):1-5.

[17] 汤 洁,汪雪格,李昭阳,等.基于CA-Markov模型的吉林省西部土地利用景观格局变化趋势预测 [J]. 吉林大学学报:地球科学版, 2010,40(2):405-411.

[18] Jiang W, Chen Z, Lei X, et al. Simulating urban land use change by incorporating an autologistic regression model into a CLUE-S model [J]. Journal of Geographical Sciences, 2015,25(7):836- 850.

[19] 国家林业局.三北防护林工程概况[EB/OL]. http://www.forestry. gov.cn.2015-6-23.

[20] 京津风沙源治理工程二期规划思路研究项目组.京津风沙源治理工程二期规划思路研究 [M]. 北京:中国林业出版社, 2013.

[21] 大同市地方志编纂委员会.大同市志 [M]. 北京:方志出版社, 2000.

[22] 朔县志编纂委员会.朔县志 [M]. 太原:山西古籍出版社, 1999.

[23] 中国经济网.解密中国煤炭“黄金十年”[EB/OL]. http://www. ce.cn/. 2015-6-19.

* 责任作者, 副教授, xuxiaoming@sxu.edu.cn

during 1986~2010

XU Xiao-ming1*, DU Zi-qiang1, ZHANG Hong2, FENG Ling2, SHEN Xiao-yu2

(1.Institute of Loess Plateau, Shanxi University, Taiyuan 030006, China；2.College of Environment and Resource Sciences, Shanxi University, Taiyuan 030006, China)., 2016,36(7)：2154~2161

The land use pattern in a certain region in different periods was usually driven by natural, social, and economical factors. The driving mechanisms varied in different periods. North Shanxi province, located in the farming-pastoral ecotone of northern China, was chosen as the research area. The objectives of this study were to analyze the land use/cover change (LUCC) pattern in north Shanxi province, and to estimate the different driving mechanisms of the LUCC in different historical periods. A comprehensive method combining the unsupervised classification and the visual interpretation was used to extract the LUCC information in the study area from 1986 to 2010. The canonical correspondence analysis was employed to assess the natural and anthropogenic driving forces of the LUCC. The results indicated that cropland, grassland, and woodland were major land use types in the whole investigation period. Main land-use transferring types included the interconversions between grassland and cropland, as well as woodland and grassland. Population density, per capita gross domestic product (GDP), precipitation, slope, and elevation were the major driving forces of the LUCC. In 1986~1995, the driving forces of the LUCC were mainly from the demands of the population growth and the economy development. Later, the driving forces from the topographical elements such as elevation and slope became more and more important. The economic development and population growth promote the transitions from grassland and cropland to residential land and industrial land. Meanwhile, the conversions between grassland and woodland are mainly driven by natural factors such as slope, elevation, and precipitation.

land use/cover change；driving forces；canonical correspondence analysis；different periods

X171.1,F301.24

A

1000-6923(2016)07-2154-08

徐小明(1984-),男,山西五寨人,副教授,博士,主要研究方向为土地利用/覆被变化及碳循环.发表论文10余篇.

2015-11-12

山西省科技重大专项(20121101011);山西省青年科技研究基金(2015021172);国家自然科学基金 (41401053,41161066);教育部留学回国人员科研启动基金