松花江流域土地利用变化及形成机理——以哈尔滨段为例

盖兆雪, 孙 萍, 张景奇

(东北大学 土地管理研究所, 沈阳 110169)

土地利用及覆盖变化是人类活动对自然环境施加影响的显著表现形式[1],21世纪以来，工业化、城镇化、资源开发等造成区域土地利用类型发生明显改变，进而影响生态环境[2-3]，不同土地利用类型通过竞争相互消长，最终形成土地利用变化[4]。分析土地利用变化是揭示人类活动与自然环境变化的有效方式[5]，同时也是判断土地利用是否合理的重要依据[6]。在社会经济快速发展的阶段，区域土地利用时空格局是否发生改变？如果发生改变，决定区域土地利用变化的主导因素又是什么？因此，掌握区域土地利用时空格局变化及形成机理，是实现土地可持续利用的重要基础。

目前，国内外围绕土地利用变化进行了大量的研究。在研究尺度上分为宏观尺度[7-8](全国、省域)、中观尺度[9-10](流域、市域)和微观尺度[11](县域)；在研究内容上，集中于空间尺度识别[12]、变化特征[13]及对生态环境的影响[14]、土地利用格局优化[15]、驱动机制[16]；在研究方法上，采用GIS手段、RS技术以及计量模型分析等[17-19]。通过梳理文献发现：一是目前尺度多数集中于热点地区和生态禀赋脆弱区，而对于既是粮食主产区又急需快速发展社会经济的典型区域研究比较匮乏；二是影响因素的选择过程中忽略了其在空间分布上的差异，多依赖于计量模型的构建，其假设影响因素的决定力在空间分布上是均质的，这与显示情况不符。松花江流域哈尔滨段是“一带一路”和“龙江丝路带”国家战略的中心地区，也是中国重要的商品粮生产基地，城市化进程快，土地利用开发强度大，水土流失、区域沙化、土壤化学污染等负效应突出，据相关研究表明：2006—2014年研究区旱地面积减少752.07 km2，水田面积减少76.16 km2，建筑用地面积增加405.73 km2，未利用地面积减少24.25 km2，土壤侵蚀面积达到1 794.82 km2，人口密集，人均占地较少且不均衡，而且研究区土地利用程度正处于加深阶段，土地利用生态风险主要以中等程度为主，低、较高和高生态风险区持续增加，较低、中生态风险区持续减少，流域生态安全及经济社会可持续发展受严重威胁[20-21]，鉴于此，本文以松花江流域哈尔滨段为研究区，运用转移矩阵、土地利用图谱、标准差椭圆法分析研究区1996—2016年土地利用数量及空间变化特征，在此基础上采用地理探测器从地理空间格局分布视角探测不同时段土地利用变化分异成因及形成机理，以期为区域土地利用配置与管理提供决策参考，对土地利用结构优化及可持续利用具有重要的意义。

1 研究区概况

松花江流域哈尔滨段(125°42′—130°10′E，44°04′—46°40′N)位于黑龙江省南部，地处松嫩平原，是黑龙江省重要的粮食生产基地，同时也是东北地区城镇化进程发展较快的流域。包括一个干流和两个一级支流——呼兰河、阿什河。该区域平原辽阔，土地资源丰富，土地利用类型多样，耕地面积比重较大，土壤类型较多。土地面积7 067 km2，人口为471.4万人。土地利用程度持续强化，土地利用生态风险持续增加。

2 数据来源与研究方法

2.1 数据来源与处理

土地利用数据来源于1996年、2006年、2016年3期Landsat TM/OLI遥感影像数据，分辨率均为30 m。选取月份区间为6—9月云覆盖率小于10%的遥感影像，通过几何纠正、图像增强等预处理，进行监督分类、人工目视解译及野外调查，确定研究区土地利用类型。土地利用类型包括耕地、林地、草地、水域、建设用地、未利用地6大类，同时对分类结果进行精度检验(Kappa系数均超过0.88)，解译结果满足研究需要，最终建立松花江流域哈尔滨段土地利用数据库；气象数据来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn)；DEM数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http:∥www.gscloud.cn)，在高程数据的基础上提取坡度、坡向、地形起伏度数据。利用ArcGIS 10.2软件中的3D Analyst工具提取坡度图和坡向图，采用临界坡度分级法将其分为5个等级：0°～2°，2°～6°，6°～15°，15°～25°，25°～68°；坡向分为4个等级：0°～45°，315°～360°(北坡)，45°～135°(东坡)，135°～225°(南坡)，225°～315°(西坡)。地形起伏度的提取采用ArcGIS 10.2软件的邻域分析分别求取DEM最大值和最小值，并利用栅格计算器计算差值获得地形起伏度，根据国际通用的五级制，将本文的地形起伏度分为3个等级：0～20 m(微起伏)，20～75 m(小起伏)，75～135 m(中起伏)。运用GIS软件提取城镇中心点、乡级以上道路、水域矢量数据，采用欧式距离法进行空间化，获得到点、线、面状距离；社会经济数据来源于《哈尔滨统计年鉴》和《哈尔滨年鉴》，通过Kriging空间插值对人口、GDP数据进行空间化。由于本文数据基础是建立在栅格数据上，但各图件包括矢量和栅格数据，因此需要进行栅格化处理，均重采样到30 m×30 m。

2.2 研究方法

运用土地利用转移矩阵和土地利用变化图谱法分别分析土地利用数量结构和空间格局变化，标准差椭圆法揭示土地利用变化的空间格局特征，地理探测器用于提取土地利用变化主控因子，并对因子进行定量分析。

2.2.1 土地利用转移矩阵 土地利用转移矩阵[22]是指在一定时间内各土地利用类型之间随时间不断转化的过程，它能够反映研究区土地利用类型数量的分布特征及相互转化的流向，本文用它分析研究区土地利用数量结构变化特征，其公式为：

(1)

式中：Aij为研究初期与末期土地利用类型变化；n为土地利用类型。

2.2.2 土地利用图谱 将3期土地利用矢量数据进行叠加分析，复合成不同时期土地利用变化图谱，将其分为稳定型(1996—2016年土地利用类型未发生变化)、前期变化型(仅1996—2006年土地利用类型发生变化)、后期变化型(仅2006—2016年土地利用类型发生变化)、反复变化型(2次变化，且1996年、2016年土地利用类型相同)和持续变化型(1996—2016年土地利用类型不同)5类[23]，实现对土地利用类型变化信息的空间可视化表达与分析，进而定量、直观分析土地利用空间格局演化历程。

2.2.3 标准差椭圆法 标准差椭圆(SDE)能够精确地揭示对象空间分布的多面性[24]。它能够从多角度反映土地利用格局分布的特征，通过对比椭圆之间的差异性，分析土地利用格局分布范围的状态；SDE的长轴和短轴分别代表研究对象的主要与次要趋势方向，其重心的迁移反映土地利用格局特征，其公式为：

(2)

(3)

2.2.4 地理探测器分析方法 地理探测器是探测空间分异性以及揭示其背后驱动力的一组统计学方法[25]。被用于探测社会经济、生态环境等相关领域[26]，它能够反映其分异成因及形成机理，本文利用地理探测器的因子探测法定量评估影响研究区土地利用变化的因素及影响强度，具体公式如下：

(4)

3 结果与分析

3.1 土地利用变化分析

3.1.1 土地利用数量变化 1996—2006年，耕地转化为其他类型土地面积为432.36 km2，占转出总比重的36.01%，其中17.62%的耕地转为建设用地，10.91%的耕地转为林地，而其他类型土地转为耕地的面积仅为391.22 km2，转入量小于转出量，导致耕地面积减少41.14 km2；建设用地转入249.35 km2，转出212.05 km2，建设用地面积增加37.3 km2，其中转入量主要来源于耕地，说明城市扩张以占用耕地为主；其他类型土地发生转移面积大小不一，其中水域、未利用地转入量小于转出量，面积分别减少207.63，17.92 km2，归因于自然因素和人类社会经济活动的影响；草地、林地转入面积大于转出面积，草地、林地面积分别增加了186.34，43.05 km2，源于退耕还林、还草工程政策的实施(表1)。

2006—2016年土地利用类型转移与1996—2006年相比转移趋势差异显著。建设用地、耕地转移情况最为突出，其中建设用地转入量(517.83 km2)大于转出量(144.42 km2)，建设用地面积大幅度增加，增加了373.41 km2。而耕地转入量(330.53 km2)小于转出量(584.06 km2)，耕地面积减少了253.53 km2，土地利用类型转移主要是建设用地与耕地之间的转移，由于农村居民点的整理建设用地转移面积的36.61%转为耕地，耕地转移面积的77.20%转为建设用地，17.08%转为未利用地，可见建设用地的快速扩张，导致大量耕地非农化、生态用地减少。其次水域和草地变化较为明显，草地转入量(54.51 km2)小于转出量(248.41 km2)，水域转入量(220.68 km2)大于转出量(44.30 km2)。总体来看，1996—2016年研究区土地利用数量结构变化显著，土地利用类型以耕地为主，面积均占总面积的59%以上，说明研究区以农业为主，符合该区域社会经济发展模式，土地利用变化特征为耕地的非农化(表2)。

表1 1996-2006年松花江流域哈尔滨段土地利用转移矩阵 km2

表2 2006-2016年松花江流域哈尔滨段土地利用转移矩阵 km2

3.1.2 土地利用变化图谱分析 借助ArcGIS 10.2软件平台，通过叠加分析获取松花江流域哈尔滨段土地利用变化图谱(图1)，并统计各类图谱面积及比例(表3)，掌握土地利用空间格局变化规律。结果显示：5 种图谱变化类型中，稳定型占总面积的比重最大，为75.01%，其次为后期变化型(8.01%)，说明2006—2016年土地利用变化较为剧烈。稳定型图谱散布于整个研究区域，面积达到5 300 km2，其他类型变化图谱主要集中在松花江和呼兰河沿岸附近，面积均小于600 km2，可见研究区用地结构较为稳定，其中稳定型图谱中“耕地—耕地—耕地”图谱最大，占该图谱面积的69.76%，表明研究区以种植业为主；后期变化型中最大图谱类型为“耕地—耕地—建设用地”，占该图谱面积的50.89%，可见随着哈西新区、群力新区、哈南工业新城等开发区的兴建，周边耕地非农化速度加速；前期变化型图谱为“耕地—建设用地—建设用地”，占该图谱面积的29.87%，随着农业人口非农化进程的加快，大量耕地被占用；反复变化型主要是“建设用地—耕地—建设用地”图谱，由于1996—2006年大量人口涌入城市，部分村屯合并将闲置地开垦为耕地，但是经济的加速发展，老工业基地向周边郊区迁移，致使2006—2016年郊区耕地被占用为建设用地；整体来看研究区空间格局变化主要是耕地与建设用地之间的转变，除稳定型图谱外，其他类图谱最终土地利用类型均为建设用地，导致建设用地面积持续增加，可见耕地非农化主要形式为转变为建设用地。

图1 1996-2016年土地利用变化图谱及标准差椭圆

从多角度分析松花江流域哈尔滨段土地利用变化图谱的空间分布特征(图1)。结果表明，5种类型图谱的标准差椭圆均分布在松花江流域附近，呈现西北—东南向分布格局，其重心集中分布在南部，说明研究区土地利用变化集中分布在南部，归因于群力新区、哈西新区、哈南工业新城、空港新区的新建或扩张，土地利用变化强烈。通过标准差椭圆分析，得到不同类型图谱标准差椭圆属性，通过公式(2)—(3)计算可知，稳定型图谱分布范围最小，方位角为53.02°，长轴标准差为41.71 km，短轴标准差为15.28 km，形状指数为0.37，扁率最大，向心力强，方向性最明显，说明稳定型分布最集中，后期变化型、反复变化型、持续变化型标准差椭圆均较为宽广，可见其分布均较为分散，其中持续变化型最为宽广，长轴标准差为38.53 km，短轴标准差为25.45 km，形状指数为0.66，扁率最小，方向特征不明显，离散程度大，持续变化型分布最为分散。

3.2 土地利用变化形成机理分析

3.2.1 土地利用变化成因分析 土地利用变化是自然条件和社会经济条件共同作用的结果，本文根据研究区土地利用变化特征并结合相关理论分析，综合考虑自然和社会经济因素，兼顾指标选取的难易程度，遴选自然因子包括高程、坡度、坡向、地形起伏度、年平均气温、年降水量；距离因子包括与城镇中心距离、与水域距离、与乡级以上道路距离；社会经济因子包括GDP、人口，进行土地利用变化形成机理分析。首先利用ArcGIS 10.2软件将各因素进行空间化，并转为栅格数据，重新采样到30 m×30 m，其次将研究区土地利用变化与影响因素进行空间匹配，进而进行形成机理探测(表4)。

表3 各图谱类型面积及比例

表4 土地利用变化影响因素探测结果

1996—2006年自然因子对研究区土地利用变化的影响最强，其次为社会经济因子。自然因子中年平均气温、年降水量、高程的解释力值相对较高，分别为0.143，0.136，0.131，可见平均气温、年降水量、高程为土地利用变化的主控因子，这符合研究区土地利用类型的特点。适宜的水温条件是植被形成的关键，高程决定各类用地的分布，研究区土地利用类型以耕地、林地为主，且地势较为平坦，因此水温条件差、低高程的区域土地利用变化可能性增强；距离因子中与城镇中心距离(0.039)对土地利用变化的影响相对较大。与城镇中心距离越近，尤其是城市郊区，城市扩张严重，土地利用类型转换频繁；社会经济因子中GDP(0.048)的解释力相对最高，源于研究区为了追求更大的经济效益，大量增设工业用地，导致建设用地面积增加，土地利用变化显著。2006—2016年土地利用变化的主控因子发生改变。自然因子中高程(0.091)、年平均气温(0.072)的解释力最高，对研究区土地利用变化的影响较大，可见气温条件和高程是制约着土地利用变化的重要自然因素；距离因子中与水域距离(0.058)和社会经济因子中GDP(0.080)对土地利用变化的影响显著，由于GDP的增加导致土地利用开发强度大，土地利用变化概率增加。

综上，1996—2006年、2006—2016年2个时段影响研究区土地利用变化的关键性因子有相同之处，但也存在差异，自然因子是研究区土地利用变化的主控因子，其中高程、年平均气温是土地利用变化的共性影响因子，但影响强度呈下降趋势；距离因素中与水域距离因子的影响强度差异性较大，2006—2016年时最强；社会经济因素中GDP的影响程度逐渐增强，2006—2016年成为主控因子；其他影响因子影响程度错综复杂。总体来看，1996—2006年影响因子对土地利用变化的影响力明显高于2006—2016年，说明1996—2006年各因子对土地利用变化的影响强度大。

3.2.2 不同土地利用类型变化形成机理 进一步分析不同土地利用类型转换的形成机理解释力，揭示不同土地利用类型变化的形成机理，分析1996—2006年和2006—2016年研究区土地利用类型变化影响因子的解释力(表5)。

表5 不同土地利用类型形成机理解释力

耕地变化受自然因子的影响最强，其中高程、年平均气温是耕地变化的主控因子，1996—2006年影响力值最高，分别为0.398，0.632。在低高程地带，适宜人类进行生活及生产活动，进而加速耕地非农化，气候变暖促进耕地类型发生转变；其次坡度、年降水量对耕地变化也有显著影响。距离因子中与水域距离、与乡级以上道路距离的影响程度逐渐增强；社会经济因子中GDP的影响强度逐渐减弱，由0.495减少到0.037，表明研究区在经济快速发展的同时也注重耕地的保护。

林地的变化受自然因子的影响最强，其中高程、地形起伏度、年平均气温是林地变化的主控因子。但高程、地形起伏度的影响程度不断减少，分别由0.640，0.971减少到0.534，0.413，表明高程、地形起伏度对林地转移的限制减弱。而年平均气温的制约程度增强，在较低海拔的地带随着社会经济的快速发展，林地被开垦为其他类型土地的机率增加；距离因子中与城镇中心距离、与水域距离的解释力相对较高，解释力分别由0.471，0.452增加到0.534，0.994，可见这两个因子对林地变化的解释力逐渐增加；社会经济因子中GDP的影响相对较大。

草地变化受高程、与水域距离、年降水量的影响较大，但影响强度呈下降趋势，分别由0.633，0.634，0.631减少到0.419，0.363，0.200，可见这几个因子对研究区草地变化的影响逐渐减弱，在高高程、远水区域草地发生转变的概率较大，同时降水量低，草地极易萎缩，造成草地面积减少。

建设用地变化受距离因子的影响最大，尤其是与城镇中心、与水域距离，但解释力均逐渐减小，表明距离因子对建设用地变化的限制减少，但其影响程度仍相对较大。其中与水域距离解释力减少幅度最大，由0.995减少到0.203；社会经济因子中人口对建设用地变化的影响逐渐增强，表明人口对建设用地的限制增大，随着城市化进程的不断加快，部分人口涌入城市导致宅基地闲置，建设用地转变概率增加。

水域变化受与水域距离、年降水量影响最大，其解释力逐渐增加，分别由0.350，0.334增加到0.617，0.359，其中与水域距离影响因子变化幅度最大，水域周围大多为沼泽地、滩涂用地，与水域距离越近、降水量逐渐减少，其水域转变为其他类型土地的概率增加，年平均气温对水域的影响也较大，但其解释力逐渐减少。

未利用地受高程、坡度、地形起伏度、与城镇中心距离、与水域距离的影响较大，但除与水域距离的影响逐渐增加外，其他影响强度均不断减少，表明未利用地转变为其他土地利用类型主要发生在低高程、低坡度、低地形起伏度、与城镇中心、水域距离近的区域。

4 讨论与结论

(1) 松花江流域哈尔滨段土地利用类型以耕地为主，耕地、草地、林地、未利用地、水域面积的减少伴随着建设用地面积的增加，2006—2016年土地利用变化幅度明显大于1996—2006年，且土地利用类型转移主要是建设用地与耕地之间的转移，其中2006—2016年耕地、建设用地转入量分别为330.53，517.83 km2，转出量分别为584.06，144.42 km2，这与自然社会经济因素及《哈尔滨城市总体规划》、滨水城市建设和北跃发展战略等政策的扶持有一定关系。

(2) 松花江流域哈尔滨段土地利用变化图谱呈现西北—东南向分布格局，以稳定型图谱为主，分布最集中，其中“耕地—耕地—耕地”图谱最大，而后期变化型、反复变化型、持续变化型分布均较为分散，且变化主要集中在松花江和呼兰河沿岸附近，土地利用变化显著。

(3) 1996—2006年、2006—2016年自然因子是土地利用变化的主控因子，社会经济因子其次，其中耕地变化主要受高程、年平均气温的影响最大；高程、地形起伏度、年平均气温对林地的变化影响显著；草地、建设用地、水域变化主要受与水域距离因子影响；高程对未利用地的变化产生剧烈影响。不同时段土地利用变化的主控因子有差异，各因子作用方向与强度不尽相同。

(4) 松花江流域哈尔滨段土地利用变化受自然因素、社会经济因素、距离因素、政策因素等共同作用的结果。本文从自然、社会经济和距离因素进行形成机理分析，未将政策因素纳入，未来将政策因素进行空间量化，更加全面考虑各因素对土地利用变化的影响，是今后研究的重点内容。