1979－2015年松嫩高平原土地利用格局变化及影响因子分析

王盼盼，宋 戈



1979－2015年松嫩高平原土地利用格局变化及影响因子分析

王盼盼，宋 戈※

（东北大学土地管理研究所，沈阳 110169）

为明确松嫩高平原土地利用格局变化特征及影响因子对其作用方式。该文以巴彦县为例，在明确1979－1991年、1991－2003年、2003－2015年间研究区土地利用格局变化特征的基础上，运用典范对应分析（CCA, canonical correspondence analusis）和径向基函数（RBF, radial basis function）神经网络模型，分析3个不同时段研究区土地利用格局变化主要影响因子，及各影响因子对土地利用格局作用强度及方向的时间演变规律。研究结果表明：1）3个不同时段，研究区各土地利用类型的面积增减幅度不一，1991－2003年，旱地面积增加11 514.56 hm2，其他用地面积减少6 445.57 hm2，土地利用面积变化幅度最大。2）1991－2003年，坡度、土壤类型、土壤质地、土壤肥力、土壤水分、GDP、区位指数、集中化程度、多样性指数和土地利用强度等关键性影响因子与第1排序轴的影响系数分别为-0.386 6、-0.559 4、-0.342 3、0.648 3、0.352 6、0.187 1、0.393 6、0.417 0、0.388 8、-0.583 3，其强度明显高于1979－1991年和2003－2015年，是造成该期间土地利用类型之间转换频繁，土地利用面积变化幅度大的主要原因。3）3个不同时段，影响各土地利用类型变化的关键性因子不同，在影响因子的共同作用下，土地利用类型的面积增减幅度不一，促使旱地发生转变的土地利用强度，在1991－2003年间对旱地的作用强度明显下降，影响系数由0.485 4变为0.338 4，是旱地在该期间面积增加较多的主要原因。研究结论：3个不同时段内，各关键性影响因子对土地利用格局的作用强度、方向及方式均有所变化，导致研究区土地利用格局存在明显的分异特征。

土地利用；土地整治；遥感；影响因子；典范对应分析；径向基函数神经网络；巴彦县

0 引 言

土地利用格局是自然条件变化和人类活动相互作用的结果[1-3]，土地利用格局变化导致地球表面的生物、水文及能量等过程发生变化，由此所引发的一系列土壤侵蚀、土壤养分迁移、生物多样性减少、河流径流增加、粮食匮乏等生态和社会经济问题不断增多[4]。根据全球碳循环预测结果可知，1991－2100年，土壤的碳转移将达到32%～57%，是因为大面积的林地转变为耕地，全球的土壤侵蚀将不断加剧；据测算，由于土地利用类型的变化和土地覆被格局的改变，大气中80% N2O和60% CO来源于此[5]。因此，深入探究土地利用格局的变化特征及影响因子，对于土地利用格局的优化、区域生态环境的改善和土地利用率的提高等具有重要的指导意义。

国内外已有的研究主要集中在土地利用格局变化特征、土地利用格局模拟及预测、土地利用格局变化的驱动力分析等[6-12]。在研究角度及方法上，众多学者基于DEM[13]、地貌特征[14]、地形梯度[15]、分形特征[16]、邻域因子[17]等方面分析土地利用格局变化特征；运用CA-Markov模型[18]、CLUE-S模型[19]等方法模拟及预测土地利用格局；从自然及人文角度探讨土地利用格局变化的驱动因素，在研究尺度上，全国、省级及流域尺度居多。大多数研究在识别土地利用格局变化的主要影响因子时，多是识别不同时点或单一时段的影响因子[20-22]，土地利用格局变化是一个时空动态过程，其主要影响因子及因子对土地利用格局的作用强度、方向等也会随着时间而发生变化，因此，识别不同时段的土地利用格局变化影响因子，研究不同时段因子之间差异及其对土地利用格局的影响更具有科学价值。前期研究结果表明，巴彦县位于“三大黑土区”之一的东北黑土区区域内，大部分区域由于土地利用格局变化而引发的黑土退化、水土流失、土壤侵蚀、土地污染、林地锐减等负效应突出，严重影响和威胁着区域的粮食安全、生态安全和经济社会可持续发展[23-24]。因此，本文以巴彦县为研究区，在分析1979－1991年、1991－2003年、2003－2015年研究区土地利用格局变化特征的基础上，运用（CCA, canonical correspondence analusis）排序和（RBF, radial basis function）神经网络模型，甄别3个不同时段研究区土地利用格局变化的主要影响因子，分析各影响因子对土地利用格局作用强度及方向的时间演变规律，深入探究土地利用格局动态变化过程及共性规律，以期为松嫩高平原土地利用格局的优化调整提供参考依据，对于提高宝贵黑土区的土地利用效率具有重要的意义。

1 研究区概况

巴彦县是哈尔滨的近郊县，位于黑龙江省中部偏南，松花江中游北岸，松嫩高平原腹地。巴彦县辖10镇8乡，土地总面积313 638.69 hm2，以农林业为主，全县年平均气温3 ℃，多年平均降水量541.9 mm。2015年，巴彦县总人口70.2万人，GDP为181.71亿元。巴彦县共划分为6个地貌类型区，包括低山丘陵残山区、低山边缘坡岗区、波状缓坡漫岗区、松花江阶地、河滩地、沟谷滩地。土壤类型多样，其中以黑土分布最广，占土地总面积的53.5%，巴彦县后备土地资源较少，部分地区由于土地利用变化和土地利用方式的不合理，黑土退化、水土流失、土壤侵蚀等问题日益突出。

2 数据来源与研究方法

2.1 数据来源与处理

本文选取的数据源像为云覆盖率均小于10%的研究区1979年Landsat MSS、1991年和2003年Landsat TM、2015年Landsat 8 OLI遥感影像。1991年和2003年的土地利用变更数据库可以满足当前研究所需。以巴彦县1∶50 000地形图为参考，将土地利用方式和覆盖特征作为主要分类依据，采用控制点纠正方式对遥感影像进行处理。在GIS的技术支持下，根据研究区实际地理特征，将研究区分为旱地、水田、园地、林地、草地、水域、建设用地、其他用地8类土地利用类型，为检验解译精度，选取多个样点进行实地调查，并且反复调整解译结果，最终实现解译精度>0.8，Kappa系数>0.8，可以满足本研究的需要。

在建立土地利用数据库基础上，提取研究区1∶50 000数字化地形图中的高程点和等高线，建立不规则三角网（TIN，triangulated irregular network），并且，运用线性和双线性内插生成DEM，从而获取研究区高程、坡度和坡向等地形数据，运用ArcGIS的空间分析功能，生成高程、坡度和坡向专题图。在ArcGIS平台下手动输入研究区6种地貌类型属性，运用Kriging空间插值方法将地貌类型进行插值，将插值图转换为栅格数据，进而得知巴彦县全县的地貌类型。

本研究选取1979年、1991年、2003年及2015年的土壤数据包括：土壤类型、土壤质地、土壤养分（土壤有机质、氮磷钾、微量元素）、土壤重金属、pH值、有机质、黑土层厚度、土壤污染物。土壤数据来源分别为：1979年研究区的土壤数据及相关图件来源于黑龙江省第二次土壤普查资料。1991年和2003年的土壤数据及相应图件来源于前期研究成果“巴彦县1991年、2003年、2009年土地利用现状调查”的耕地质量调查中土壤调查专项。2015年土壤数据采取野外实地采样，将土壤采样样本在专业土肥站和实验室进行实测后，进行内业数据处理，建立2015年土壤各类指数数据库和相应图件。运用潜在生态危害指数法，根据土壤中8类重金属污染元素（铬、汞、铜、铅、镉、锌、镍、砷）的含量，计算得到研究区重金属综合污染指数。

本研究所选取的植被指数为归一化植被指数（NDVI, normalized difference vegetation index）、比值植被指数（RVI, relative vigor index）和差值植被指数（DVI, difference vegetation index）。以4个时间点的遥感影像为数据源，运用近红外波段的反射值与红光波段的反射值计算NDVI，运用近红外波段的反射值与红光波段的反射值比值计算RVI，运用近红外波段的反射值与红光波段的反射值差值计算DVI。NDVI、DVI、RVI可以间接的反应土壤肥力、土壤退化及土壤水分。

运用GIS软件，将巴彦县1979年、1991年、2003年和2015年的矢量地类图斑转化为栅格地类图斑，提取城镇中心、水域及主要道路的矢量图斑，计算每个栅格到城镇中心、水域、道路的成本距离。土地利用强度、土地利用多样性及区位指数分别利用土地利用强度模型、Gibbs-Martin指数、及地类区位指数模型求取，土地利用集中化程度=1-土地利用多样性指数。根据各乡镇的人口统计及经济数据，利用反距离权重插值方法插值成空间化数据。

本文的数据基础建立在栅格数据基础上，而各图件的数据格式不同，包括矢量数据、栅格数据，因此，将1979年、1991年、2003年和2015年所有数据按照行政边界切割，并通过ArcGIS软件栅格化，统一重采样到30 m×30 m。

2.2 研究方法

1）CCA排序

土地利用格局变化的复杂性及其影响因素之间相互作用和影响，决定了土地利用格局变化及其影响因素之间并非简单的线性相关。CCA排序法可以将结果简单明了地表示在同一排序图上，能够较为客观地反映土地利用格局与各影响因子之间的空间对应关系[25-28]。

通过单一土地利用动态度模型和综合土地利用动态度模型计算研究区1979－1991年、1991－2003年、2003－2015年旱地、水田、园地、林地、草地、建设用地、水域和其他用地的单一土地利用类型动态度和土地利用综合动态度，由于研究区园地面积较小，动态度在采样点上的赋值多数为0，因此，在CCA排序中排除园地动态度。以1979－1991年、1991－2003年、2003－2015年土地利用综合动态度和单一土地利用类型动态度为物种变量，1979－1991年、1991－2003年、2003－2015年各因子平均值作为环境变量，运用Canoco 4.5软件中的WcanoImp软件模块将上述矩阵进行格式转化。将转化后的样点土地利用类型动态度矩阵和样点影响因子矩阵导入Canoco4.5软件中，对土地利用格局与其影响因子采用CCA方法[17]进行分析。经研究，1979－1991年、1991－2003年、2003－2015年4个排序轴上累积土地利用格局与影响因子的解释量分别为99.1%、99.2%和99.4%，土地利用格局与影响因子关系的绝大部分信息均在前4个排序轴中得出。1979－1991年前2个排序轴的累计百分比分别为60.2%、80.1%，1991－2003年为66.5%、81.7%，2003－2015年为67.3%、83.1%。因此，CCA分析可以很好的解释土地利用格局变化与影响因子之间的关系。

2）径向基函数神经网络

由于CCA分析不能得到单个影响因子对土地利用类型变化的解释度，本研究进一步利用径向基函数（RBF）神经网络模型定量估算各影响因子对土地利用类型变化的影响和贡献程度。径向基函数（RBF）神经网络模型是非线性输入空间向线性输入空间的隐射，即通过合理的变换，将原始的非线性可分的特征空间隐射到另一种线性可分的高维空间，进而模拟输入层影响输出层的内在结构，具有明确的目标导向[29-30]。

运用－均值聚类方法求取基函数中心c(=1,2,…,)，选用高斯函数作为径向基函数

方差为

式中max为选取中心之间的最大距离，m；为训练样本个数；x为训练样本集合，c为基函数中心，为输入层节点。测度隐含层至输出层之间神经元的连接权值可以用最小二乘法计算，公式如下

式中为样本容量，为样本点个数。

输入层对输出层的影响系数为

式中A代表影响系数，W代表输入层到隐含层的权值，P代表隐含层到输出层的权值，代表隐含层节点，代表输入层节点总数。

本文利用DPS软件进行RBFN建模分析1979－1991年、1991－2003年、2003－2015年各影响因子对各土地利用类型的作用强度，以巴彦县26种评价因子的值作为输入层，即输入层节点为26；以1979－1991年、1991－2003年、2003－2015年旱地、水田、林地、草地、建设用地、水域、其他用地的土地利用动态度为输出层，即网络输出节点数为7，通过试算选定误差最小的隐含层神经元个数，1979－1991年的为7，1991－2003年和2003－2015年的为8。计算时训练速率取0.15，加权种子数取2，训练控制过程中迭代次数取100次，计算结果显示，3个时段影响因素测度的模型精度均在0.9以上，平均拟合度达到0.948，拟合度较好，可有效解释土地利用类型与影响因子之间关系。

3 结果与分析

3.1 巴彦县土地利用格局变化特征

在GIS的技术支撑下，根据研究区各年土地利用数据库，获得1979－2015年巴彦县土地利用面积及结构表（表1），研究区主要土地利用类型为旱地，其面积占总面积的比例均在67%以上。研究区的次主要土地利用类型是林地，其面积占总面积的比例均在10%以上。园地面积最小，其占总面积的比例均在1%以下。

1979－1991年间，水田、草地、水域及其他用地面积减少，旱地、园地、林地和建设用地面积增加。1991－2003年间，园地、林地、草地、建设用地及其他用地面积减少，旱地、水田和水域面积增加。2003－2015年间，旱地、园地、林地、草地、水域及其他用地面积减少，水田和建设用地面积增加。总体来看，1979－2015年间，研究区土地利用类型面积的增减幅度大小不一，旱地、水田及建设用地面积增加，园地、林地、草地、水域及其他用地面积减少。其中水田面积增长最为明显，共增长了10 644.78 hm2，增长比例为3.40%。旱地增长7 166.72 hm2，增长比例为2.28%，建设用地增长4 825.73 hm2，增长比例为1.54%。减少最多的用地类型为其他用地，共减少10 352.75 hm2，比例减少3.30%。1991－2003年，土地利用类型面积的变化幅度最大，旱地面积增加11 514.56 hm2，其他用地面积减少6 445.57 hm2。

表1 1979－2015年巴彦县土地利用面积及结构

3.2 巴彦县土地利用格局与影响因子的典范对应分析

本文依据研究区土地利用格局变化的实际情况，兼顾指标量化的难易程度及指标获取的可行性，运用SPSS软件，进行因子间的共线性处理，最后得到高程、坡度、坡向、地貌类型、土壤类型、土壤质地、黑土层厚度、全氮、速效磷、速效钾、pH值、土壤有机质、土壤重金属污染指数、氯、土壤肥力、土壤退化、土壤水分、距城镇中心距离、距水域距离、距道路距离、土地利用强度、多样性指数、集中化程度、区位指数、GDP、人口26个影响因子参与研究区土地利用格局变化影响因子分析研究。

由CCA排序得到1979－1991年、1991－2003年、2003－2015年巴彦县土地利用格局的影响因子与典范对应分析排序轴的相关系数（表2）。

表2 1979－2015年巴彦县土地利用格局的影响因子与典范对应分析排序轴的相关系数

1979－1991年，CCA排序第1轴主要反映了高程（−0.390 6）、坡度（−0.378 1）、土壤类型（−0.507 6）、土壤质地（−0.317 3）、黑土层厚度（0.491 0）、距城镇中心距离（−0.439 1）、距水域距离（−0.248 4）、区位指数（0.302 8）、集中化程度（0.324 0）、土地利用强度（−0.423 7）。排序第2轴主要反映高程（0.384 1）、地貌类型（−0.224 5）、土壤水分（0.344 4）、距水域距离（0.273 2）、区位指数（0.376 2）、集中化程度（0.432 8）、多样性指数（0.238 1）、土地利用强度（−0.392 9）。综上，1979－1991年，影响研究区土地利用格局主要的关键性因子为高程、坡度、地貌类型、土壤类型、土壤质地、黑土层厚度、土壤水分、距城镇中心距离、距水域距离、区位指数、集中化程度、多样性指数、土地利用强度。同理可发现，1991－2003年和2003－2015年土地利用格局变化的主要影响因子，3个不同时段土地利用格局的主要影响因子有相同之处，同时也存在差别。

由1979－1991年、1991－2003年、2003－2015年研究区土地利用格局的关键性影响因子及影响强度可知，3个不同时段内，地形地貌因素中的高程、坡度、地貌类型对研究区土地利用格局的影响强度始终较大，影响强度先增加后减少，1991－2003年时最强；土壤因素中土壤类型、土壤质地、土壤肥力等对土地利用格局的影响差异性较大，影响1991－2003年间土地利用格局的土壤因素较多；距离因素中距城镇中心距离、距河流距离对土地利用格局的影响较大，但影响强度变化不显著；土地利用程度因素中，区位指数、集中化程度、多样性指数及土地利用强度对研究区土地利用格局的影响均很强，且影响强度先增加后下降，1991－2003年时最强。1991－2003年，坡度、土壤类型、土壤质地、土壤肥力、土壤水分、GDP、区位指数、集中化程度、多样性指数和土地利用强度等关键性影响因子与第1排序轴的影响系数分别为−0.386 6、−0.559 4、−0.342 3、0.648 3、0.352 6、0.187 1、0.393 6、0.417 0、0.388 8、−0.583 3，各影响因子对土地利用格局的作用强度明显高于1979－1991年和2003－2015年，是造成该期间土地利用类型之间转换频繁，土地利用面积变化幅度大的主要原因。

总体来看，研究区位于松嫩高平原区域，平原面积占研究区总面积的70%以上，高程和坡度较小的区域，土地利用格局发生变化的概率越大，随着高程和坡度的增加，土地利用类型趋向单一化，土地利用类型之间转换的频繁度较低，高程和坡度的增加会抑制土地利用格局的变化。研究区土壤因素对土地利用格局的影响错综复杂，影响大小、强度等均有不同程度的变化，土壤类型在白浆土、草甸土、黑土区域，土壤质地为轻黏土和重壤土，土地利用格局发生变化的概率降低，土壤肥力和土壤水分较大的区域，往往植被覆盖面较大，土地利用类型之间发生转变的概率较高，而土壤退化严重的区域，多为未利用地和其他用地等，其被利用的概率也会增加，土地用途易发生变化，土壤因素对土地利用格局变化的影响较大。距城镇中心距离较近的区域，人类活动较频繁，人类活动对土地利用格局的影响不容忽视，人类活动的增加导致土地利用格局发生变化的概率增大。土地利用强度是指人类开发利用土地的广度和深度，土地利用强度越大的区域，其土地被开发利用的越彻底，土地用途不易转变，在土地利用强度相对较小的区域，土地利用格局发生变化的概率会增加。

3.3 影响因子对各土地利用类型作用强度的演变分析

由于CCA分析不能得到影响因子对不同土地利用类型变化的解释度，本研究进一步利用径向基函数（RBF）神经网络模型定量估算各影响因子对土地利用类型的影响和贡献程度，得到1979－1991年、1991－2003年、2003－2015年间各影响因子对巴彦县不同土地利用类型的影响系数（表3）。

表3 1979－1991年、1991－2003年、2003－2015年各影响因子对巴彦县不同土地利用类型的影响系数

旱地的动态变化受土地利用强度的影响始终较大，3个时段，影响系数分别为0.485 4、0.338 4、0.335 5，土地利用强度可以间接反映人类活动的干扰能力，旱地动态度随着土地利用强度的增加而增大，人类活动的频繁程度在一定程度上影响着旱地的分布，人类活动越频繁的区域，旱地与其他土地利用类型之间的转换越频繁，尤其是旱地与建设用地之间的转换。旱地变化受距离因素（距城镇中心距离、距道路距离）的限制逐渐减少，经济快速发展，交通便利程度的增加，距离因素对于耕种条件的限制逐渐减小。旱地受GDP的影响逐渐减少，说明研究区在逐渐重视经济发展与生态保护并重。旱地变化受土壤质地的影响在不断增加，影响系数从0.218 9增加为0.280 6，受土壤水分的影响有所减少，影响系数从0.198 9减少为0.134 2，作物的生长本身离不开土壤，土壤的质地、水分、肥力等对作物的生长起着关键的作用，因此，对旱地的分布起着关键性的作用。

水田的动态变化受距水域距离和土壤水分的影响在不断增加，影响系数分别从0.144 1、0.332 3增加为0.295、0.343，水田的分布离不开水源，因此距水域距离的远近及土壤水分含量的高低对于水田的分布起着关键性作用。水田受地貌类型和高程的影响呈下降趋势，水田仍然受地形地貌的影响较大，但限制性有所减少，水田对地形地貌的要求较高，随着农业技术的进步，灌溉设施的完善，地形地貌对水田分布的限制性逐渐减少。

林地的动态变化受高程、坡度及坡向的影响在不断增加，其影响系数分别从0.206 6、0.225 3、0.113 1增加到0.226 4、0.355 9、0.124 2，林地的变化受地形影响在逐渐加大，林地本身的区位优势分布在高海拔且坡度较大的区域，受人类活动干扰较少，受地形的限制不大，根据土地利用类型分布自身的优势和特点，其他受地形限制较大的土地利用类型会在海拔较低的地方分布逐渐扩大，所以在低海拔区域，林地转变为其他土地利用类型的概率增加。林地变化受距离因素（距城镇中心距离与距道路距离）均呈增加趋势，林地本身分布的优势区域位于距城镇及道路较远的区域，距城镇中心及道路较近的区域，林地被开垦为耕地等其他土地利用类型的概率会增加，且这种现象越来越显著。

草地的动态变化受土壤退化的影响一直很大，影响程度不断增加，影响系数由0.299 5增加为0.327 7。土壤退化越严重的区域，草地发生变化的概率越大，与事实发展规律相符，土壤退化导致草地退化的加剧，草地被开垦为其他土地利用类型的概率增加。草地变化受距水域距离的影响较大，且影响程度增加，任何植被覆盖均离不开水源，包括草地，距水域距离越远的区域，草地转变为其他土地利用类型的概率增加。

建设用地的动态变化受高程及坡度的影响逐渐减小，建设用地对地形的要求较高，海拔较高、坡度较大的区域不适合进行建筑建设活动，此区域，建设用地转变为其他土地利用类型的概率增加。但随着技术的进步，地形等因素对于建设用地的限制在逐渐减少。建设用地变化受距水域距离的影响在增加，影响系数由0.279 9变为0.286 9，距水域距离越远的区域，建设用地转变为其他土地利用类型的概率增加，研究区建设用地多为居民点用地，人们的生产生活离不开水源，因此，距水域距离对建设用地分布的限制较大，且限制性在不断增加。土壤退化越严重的区域，建设用地转变为其他土地利用类型的概率增加，且这种影响在不断加大。建设用地变化受集中化程度的影响在增加，影响系数由0.088 7增加为0.104，研究区集中化程度最高的土地利用类型为旱地，集中化程度越大的区域，建设用地被复垦为旱地的概率增加，转变为其他土地利用类型的概率增加。

水域的动态变化受土壤退化的影响一直很大，且其影响系数在不断增加，土壤退化越严重的区域，水域发生变化的概率越大。水域变化受距水域距离的影响较大，距水域距离近的区域水域变化越明显，水域周围多为滩涂用地，其发生土地利用类型转换的概率较大。

其他用地的动态变化受距水域距离的影响在不断增加，其他用地主要是由河流湖面及滩涂等组成，其受水域影响较大，距水域距离较近的区位，土地利用类型转变较频繁，尤其多种土地利用类型与其他用地的转换。其他用地的变化受土壤因素的影响一直较大，且其影响程度在不断加大，随着技术的革新和不断进步，土壤条件较好的区域，其他用地被开垦为旱地、草地等土地利用类型的概率增加，大大提高了土地利用率。

4 结 论

1）1979－1991年、1991－2003年、2003－2015年间，研究区各土地利用类型的面积增减幅度不一，旱地、水田及其他用地面积变化幅度较大，其中，1991－2003年旱地面积增加11 514.56 hm2，其他用地面积减少6 445.57 hm2，该期间研究区土地利用面积的增减幅度最大。

2）1979－1991年、1991－2003年、2003－2015年间，研究区土地利用格局变化受自然与人文因子共同作用的影响，3个不同时段内，土地利用格局的影响因子不尽相同，且各关键性影响因子对土地利用格局的作用强度、方向及方式均有所变化。其中，1991－2003年，坡度、土壤类型、土壤质地、土壤肥力、土壤水分、GDP、区位指数、集中化程度、多样性指数和土地利用强度等关键性影响因子与第1排序轴的影响系数分别为−0.386 6、−0.559 4、−0.342 3、0.648 3、0.352 6、0.187 1、0.393 6、0.417 0、0.388 8、−0.583 3，其强度明显高于1979－1991年和2003－2015年，造成该期间土地利用类型之间转换频繁，土地利用面积变化幅度大。

3）1979－1991年、1991－2003年、2003－2015年间，影响各土地利用类型变化的主要影响因子不同，且各影响因子对不同土地利用类型的作用强度、方向及方式也不尽相同，在各影响因子的共同作用下，土地利用类型的面积增减幅度不一。旱地变化受土地利用强度的影响一直较大，3个时段，影响系数分别为0.485 4、0.338 4、0.335 5，促使旱地发生转变的土地利用强度，在1991－2003年间对旱地的作用强度下降明显，是旱地在该期间面积增加较多的主要原因。水田变化受距水域距离及土壤水分的影响强度有所增加，影响系数分别从1979－1991年的0.144 1、0.332 3增加到2003－2015年的0.295、0.343，是水田面积在2003－2015年增长幅度较大的主要原因。

[1] 杨丽，谢高地，甄霖，等. 泾河流域土地利用格局的时空变化分析[J]. 资源科学，2005，27(4)：26－32.

Yang Li, Xie Gaodi , Zhen Lin, et al. Spatio-temporal changes of land use in Jinghe watershed[J]. Resources Science, 2005, 27(4): 26－32. (in Chinese with English abstract)

[2] 魏莲，刘学录. 基于 GIS 和 DEM 的土地利用空间格局分析：以兰州市为例[J]. 干旱区资源与环境，2014，28(4)：54－59.

Wei Lian, Liu Xuelu. Spatial pattern of land use in Lanzhou city based on GIS[J]. Journal of Arid Land Resources and Environment, 2014, 28(4): 54－59. (in Chinese with English abstract)

[3] 郭洪峰，许月卿，吴艳芳. 基于地形梯度的土地利用格局与时空变化分析：以北京市平谷区为例[J]. 经济地理，2013，33(1)：160－166.

Guo Hongfeng, Xu Yueqing, Wu Yanfang. Analysis of the land use spatial pattern and spatio-temporal changes based on terrain gradient: A case study of Pinggu district in Beijing[J]. Economic Geography, 2013, 33(1): 160－166. (in Chinese with English abstract)

[4] 阳柏苏，何平，赵同谦. 张家界国家森林公园土地利用格局变化[J]. 生态学报，2006，26(6)：2027－2034.

Yang Bosu, He Ping, Zhao Tongqian. Land use pattern changes from 1990 to 2000 in Zhangjiajie national forest park[J]. Acta Ecologica Sinica, 2006, 26(6): 2027－2034. (in Chinese with English abstract)

[5] 宋戈，王盼盼，王越，等. 黑龙江省巴彦县土地利用类型变化特征及其空间格局分异[J]. 经济地理，2015，35(3)：163－170.

Song Ge, Wang Panpan, Wang Yue, et al. Land-use types change characteristics and spatial heterogeneity in Bayan of Heilongjiang province[J]. Economic Geography, 2015, 35(3): 163－170. (in Chinese with English abstract)

[6] 刘纪远，匡文慧，张增祥，等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报，2014，69(1)：3－14.

Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 69(1): 3－14. (in Chinese with English abstract)

[7] 满苏尔·沙比提，祖丽胡玛尔·达吾提. 南疆典型绿洲土地利用空间格局变化特征分析：以疏勒县为例[J]. 干旱区资源与环境，2012，26(8)：84－88.

Mansur·Shabit, Zulhumar·Dawut. Dynamic characteristics of spatial pattern of the typical oasis land use in Shule county,southern Xinjiang[J]. Journal of Arid Land Resources and Environment, 2012, 26(8): 84－88. (in Chinese with English abstract)

[8] 贡璐，潘晓玲，师庆东，等. 塔里木河上游土地利用格局变化及其影响因子分析[J]. 资源科学，2005，27(4)：71－75.

Gong Lu, Pan Xiaoling, Shi Qingdong, et al. Land use pattern and influential factors in the upper reaches of Tarim river[J]. Resources Science, 2005, 27(4): 71－75. (in Chinese with English abstract)

[9] 张健，陈凤，濮励杰，等. 近20年苏锡常地区土地利用格局变化及其驱动因素分析[J]. 资源科学，2007，29(4)：61－69.

Zhang Jian, Chen Feng, Pu Lijie, et al. Analyzing land use change and its driving forces in SXC region over the past 20 years[J]. Resources Science, 2007, 29(4): 61－69. (in Chinese with English abstract)

[10] Wang Xiuhong, Zheng Du, Shen Yuancun. Land use change and its driving forces on the Tibetan Plateau during 1990－2000[J]. Catena, 2008, 72(1): 56－66.

[11] Xie Yichun, Yu Mei, Tian Guangjin, et al. Socio-economic driving forces of arable land conversion: A case study of Wuxian city, China[J]. Global Environmental Change, 2005, 15(3): 238－252.

[12] 吴桂平，曾永年，邹滨，等. AutoLogistic方法在土地利用格局模拟中的应用：以张家界市永定区为例[J]. 地理学报，2008，63(2)：156－164.

Wu Guiping, Zeng Yongnian, Zou Bin, et al. Simulation on spatial land use patterns using auto logistic method: a case study of Yongding county, Zhangjiajie [J]. Acta Geographica Sinica, 2008, 63(2): 156－164. (in Chinese with English abstract)

[13] 崔卫国，文倩，刘艳艳，等. 基于DEM的醴陵市土地利用空间格局分析[J]. 资源科学，2008，30(2)：228－234.

Cui Weiguo, Wen Qian, Liu Yanyan, et al. Analyzing spatial pattern of land use in Liling city based on DEM[J]. Resources Science, 2008, 30(2): 228－234. (in Chinese with English abstract)

[14] 王学志，张正祥，盛连喜，等. 基于地貌特征的东北土地利用格局[J]. 生态学杂志，2010，29(12)：2444－2451.

Wang Xuezhi, Zhang Zhengxiang, Sheng Lianxi, et al. Land use patterns in northest China based on landform characteristics[J]. Chinese Journal of Ecology, 2010, 29(12): 2444－2451. (in Chinese with English abstract)

[15] 龚文峰，袁力，范文义. 基于地形梯度的哈尔滨市土地利用格局变化分析[J]. 农业工程学报，2013，29(2)：250－259.

Gong Wenfeng , Yuan Li, Fan Wenyi. Analysis on land use pattern changes in Harbin based on terrain gradient[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(2): 250－259. (in Chinese with English abstract)

[16] 杨涵，王芳芳，吴世新，等. 基于分形理论的新疆土地利用空间格局分析[J]. 干旱区研究，2009，26(2)：194－199.

Yang Han, Wang Fangfang, Wu Shixin, ea al. Evaluation of the spatial pattern of landuse in Xinjiang in the last 15 years based on fractal theory[J]. Arid Zone Research, 2009, 26(2): 194－199. (in Chinese with English abstract)

[17] 段增强，张凤荣，苗利梅. 基于邻域因子的土地利用空间格局分析：以北京市海淀区为例[J]. 农业工程学报，2006，22(6)：71－76.

Duan Zengqiang, Zhang Fengrong, Miao Limei. Neighborhood- based method for land-use spatial pattern analysis and its application[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(6): 71－76. (in Chinese with English abstract)

[18] 霍明明，张轶莹，陈伟强. 基于CA-Markov的土地利用变化及预测研究：以巩义市鲁庄镇为例[J]. 中国农学通报，2015，31(12)：279－284.

Huo Mingming, Zhang Yiying, Chen Weiqiang.The land use change and prediction based on CA-Markov model:a case of Luzhuang town, Gongyi city[J]. Chinese Agricultural Science Bulletin, 2015, 31(12): 279－284. (in Chinese with English abstract)

[19] 黄明，张学霞，张建军，等. 基于CLUE-S模型的罗玉沟流域多尺度土地利用变化模拟[J]. 资源科学，2012，34(4)：769－776.

Huang Ming, Zhang Xuexia, Zhang Jianjun, et al. A multi-scale simulation of land use change in Luoyugou watershed based on CLUE-S model[J]. Resources Science, 2012, 34(4): 769－776. (in Chinese with English abstract)

[20] 张荣天，焦华富. 长江经济带城市土地利用效率格局演变及驱动机制研究[J]. 长江流域资源与环境，2015，24(3)：387－394.

Zhang Rongtian, Jiao Huafu. Urban land use efficiency pattern evolution and driving mechanism in the Yangtze river economic belt[J]. Resources and Environment in the Yangtze Basin, 2015, 24(3): 387－394. (in Chinese with English abstract)

[21] 韩会然，杨成凤，宋金平. 北京市土地利用空间格局演化模拟及预测[J]. 地理科学进展，2015，34(8)：976－986.

Han Huiran, Yang Chengfeng, Song Jinping. Simulation and projection of land-use change in Beijing under different scenarios[J]. Progress in Geography, 2015, 34(8): 976－986. (in Chinese with English abstract)

[22] 王日明，熊兴耀，肖洋. 重庆市永川区土地利用空间格局变化模拟[J]. 中国农学通报，2014，30(35)：166－171.

Wang Riming, Xiong Xingyao, Xiao Yang. Simulation of land use spatial pattern change on county scale of Yongchuan district in Chongqing[J]. Chinese Agricultural Science Bulletin, 2014, 30(35): 166－171. (in Chinese with English abstract)

[23] 宋戈，李丹，王越，等. 松嫩高平原黑土区耕地利用系统安全格局及其空间演变[J]. 农业工程学报，2014，30(4)：212－221.

Song Ge, Li Dan, Wang Yue, et al. Security pattern and spatial evolution of cultivated land use system in black soil region, Songnen high plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(4): 212－221. (in Chinese with English abstract)

[24] 徐珊，宋戈，李丹，等. 东北粮食主产区耕地资源时空变化及其对粮食生产能力的影响[J]. 农业工程学报，2012，28(21)：1－9.

Xu Shan, Song Ge, Li Dan, et al. Spatial－temporal variation of cultivated land and its effects on grain production capacity of northeast grain main production area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactionsof the CSAE), 2012, 28(21): 1－9. (in Chinese with English abstract)

[25] 田超，杨金泽，石博安，等. 怀来县土地利用格局的影响因子分析[J]. 中国生态农业学报，2016，24(7)：957－968.

Tian Chao, Yang Jinze, Shi Boan, et al. Analysis of landscape pattern and affecting factors in Huailai county[J]. Chinese Journal of Eco-Agriculture. 2016, 24(7): 957－968. (in Chinese with English abstract)

[26] 耿润哲，李明涛，王晓燕，等. 基于SWAT模型的流域土地利用格局变化对面源污染的影响[J]. 农业工程学报，2015，31(16)：241－250.

Geng Runzhe, Li Mingtao, Wang Xiaoyan, et al. Effect of land use/landscape changes on diffuse pollution load from watershed based on SWAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 241－250. (in Chinese with English abstract)

[27] 贾文臣，王卷乐，杜佳. 胶东地区主要土地利用变化类型与影响因子的关系[J]. 地理科学进展，2009，28(4)：591－596.

Jia Wenchen, Wang Juanle, Du Jia. Analysis on relationship between main land use conversion types and influencing factors in Jiaodong region, China[J]. Progress in Geography, 2009, 28(4): 591－596. (in Chinese with English abstract)

[28] 孙汉儒，付梅臣. 基于CCA的南京市土地利用变化人文影响分析[J]. 中国人口·资源与环境，2014，25(4)：422－425.

Sun Hanru, Fu Meichen. Research on human dimensions of land use changes in Nanjing based on canonical correlation analysis[J]. China Population Resources and Environment, 2014, 25(4): 422－425. (in Chinese with English abstract)

[29] 向敬伟，李江风，曾杰. 鄂西贫困县耕地利用转型空间分异及其影响因素[J]. 农业工程学报，2016，32(1)：272－279.

Xiang Jingwei, Li Jiangfeng, Zeng Jie. Spatial difference and its influence factors of cultivated land transition of poverty counties inwest of Hubei[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(1): 272－279. (in Chinese with English abstract)

[30] 吴明，姚尧，贾冯睿，等. 基于径向基函数神经网络方法的城市生态压力预测[J]. 自然资源学报，2013，28(2)：328－335.

Wu Ming, Yao Yao, Jia Fengrui, et al. Urban ecosystem pressure based on radial basis function neural network[J]. Journal of Natural Resources, 2013, 28(2): 328－335.(in Chinese with English abstract)

Land use pattern change and influential factors analysis of Songnen Plain in 1979-2015

Wang Panpan, Song Ge※

(110169)

A series of ecological and socioeconomic problems were caused by the change of land use pattern. In order to clarify the characteristics of the change of land use pattern and the mode of action of the influence factors in Songnen high plain, this paper, taking Bayan County, Heilongjiang Province as a case, on the basis of the characteristics of land use patterns in the study area during 1979-1991, 1991-2003 and 2003-2015, recognized the main influencing factors of land use pattern change in 3 periods and made clear temporal evolution of the strength and direction of the factors on land use patterns based on the canonical correlation analysis and radial basis function neural network. The results showed that, firstly, during 1979-1991, 1991-2003 and 2003-2015, the land use types in the study area varied in magnitude and the areas of dry land, paddy field and other land use types varied greatly. The area of dry land increased by 11 514.56 hm2, and the area of other land use types reduced by 6 445.57 hm2and the land use area changed the most in 1991-2003. Secondly, the change of land use pattern in the study area was influenced by both natural and human factors. The key factors that affected the change of land use pattern were different in the 3 different periods, and the influence intensity, direction and manner of the key influence factors on land use pattern changed. During 1991-2003, the correlation coefficients between key factors as slope, soil type, soil texture, soil fertility, soil moisture, GDP, population, location index, concentration degree, diversity index, land use intensity and the first sort axis were -0.386 6, -0.559 4, -0.342 3, 0.648 3, 0.352 6, 0.187 1, 0.091 8, 0.393 6, 0.417 0, 0.388 8, and -0.583 3, respectively, which were higher than those in 1979-1991 and 2003-2015, and resulted in frequent conversion of land use types and large change in land use area during this period. The influence of elevation, slope and landform types on the land use pattern in the study area was greater, and the impact intensity increased firstly and then decreased, the strongest in 1991-2003; soil type, soil texture and soil fertility had great influence on land use pattern, and the soil factors of land use pattern in 1991-2003 were more; distance factors, i.e. distance from town center and distance from river had great influence on land use pattern, and the change of intensity was not significant; the land use degree factors, i.e. location index, degree of centralization, diversity index and land use intensity of land use pattern in the research area were very strong, and the impact strength increased firstly and then decreased, the strongest in 1991-2003. Thirdly, the main factors that affected the change of land use types were different. Moreover, the effects, intensities, directions and ways of different factors on land use types were different. Under the combined effects of various factors, the area change of land use types was different. The change of dry land was greatly affected by the intensity of land use. The land use intensity caused by the change of dry land decreased obviously in the 1991-2003 years. The influence coefficient was 0.485 4, 0.338 4 and 0.335 5 respectively in 3 different periods, which promoted the intensity of land use change in dry land. The intensity of land use decreased significantly in the 1991-2003 years, which was the main reason to the increase of dry land area during this period. The change of paddy field was increased due to the influence of the distance from water areas and the soil moisture. The influence coefficient increased from 0.144 1, 0.332 3 in 1979-1991 to 0.295, 0.343 in 2003-2015 respectively. The conclusion is that: In 3 different periods, the key factors on the intensity, direction and way of the land use pattern have changed more or less, which leads to the obvious differentiation characteristics of land use pattern in the study area.

land use; land consolidation; remote sensing; influence factor; canonical correlation analysis; radial basis function neural network; Bayan county

10.11975/j.issn.1002-6819.2018.02.035

F301.24

A

1002-6819(2018)-02-0256-09

2017-09-29

2018-01-03

国家自然科学基金项目（41571165）；中央高校基本科研业务费（N161406002）。

王盼盼，博士生，主要研究方向为土地利用与管理。Email：625323292@qq.com

宋 戈，教授，博士生导师，主要研究方向为土地利用与管理。Email：songgelaoshi@163.com

王盼盼，宋 戈. 1979－2015年松嫩高平原土地利用格局变化及影响因子分析[J]. 农业工程学报，2018，34(2)：256－264. doi：10.11975/j.issn.1002-6819.2018.02.035 http://www.tcsae.org

Wang Panpan, Song Ge. Land use pattern change and influential factors analysis of Songnen Plain in 1979-2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(2): 256－264. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.02.035 http://www.tcsae.org