近30年来黄河三角洲耕地轨迹转化及驱动力研究

李云龙　韩美　孔祥伦　王敏　潘彬　魏帆　黄淑萍

摘要 黄河三角洲是山东省乃至全国重要的土地增长区和耕地资源储备区，耕地是研究区最重要的景观类型之一。通过Landsat TM/OLI遥感影像解译，获取黄河三角洲1986、1992、1998、2004、2010和2016年6个时期用地类型分布，使用轨迹分析法分析耕地轨迹的时空变化。借助斑块占景观面积比例指数（PLAND）、散布与并列指数（IJI）、面积加权平均斑块分维指数（FREAC-AM），分析不同耕地转化类型的景观格局。选择自然环境、社会经济和区位因素3大类共13个影响因子，利用Logistic回归模型对耕地转化进行驱动力分析。结果表明：①1986—2004年黄河三角洲耕地面积由1 390.16 km2，增长至2 184 km2，2016年减少至2 138.88 km2，1986—2016年间研究区耕地和耕地占三角洲总面积比例呈先增长后下降趋势。30年间未利用地向耕地转入322.46 km2，是耕地增加的主要来源，耕地向建设用地输出107.82 km2，是耕地转出的主要去向。恒定非耕地主要分布在河口区和垦利区，间歇性耕地主要分布在河口区，转入耕地主要分布在垦利区，恒定耕地与转出耕地在各县区均有分布。②耕地是黄河三角洲最重要的景观类型之一，耕地轨迹占研究区总面积的62.75%。间歇性耕地和恒定耕地的IJI指数分别为89.84%和78.20%，表明间歇性耕地和恒定耕地周边的耕地变化复杂，相邻景观类型最多。同时，间歇性耕地FREAC-AM指数为1.22，还是研究区耕地转化轨迹中形状最复杂的类型。③Logistic分析表明，地理区位是黄河三角洲耕地转化的主要驱动因素，距海岸线距离（贡献率1 832.730）、距黄河距离（贡献率589.109）、人口密度差（贡献率408.403）、距乡镇距离（贡献率398.933）是耕地转入的主要驱动因子。距海岸线距离（贡献率1 914205）、距乡镇距离（贡献率763.96）、距黄河距离（贡献率142.210）是耕地转出的主要驱动因子。

关键词 耕地;黄河三角洲;转化轨迹;景观格局;Logistic回归分析;驱动力

中图分类号 P967

文献标识码 A文章编号 1002-2104（2019）09-0136-08DOI：10.12062/cpre.20190601

耕地是粮食生产的基本资料，也是人类改造自然的重要景观体现。保护耕地是实现国家粮食安全，保障国家社会经济可持续发展的重要支撑[1-4]。随着社会经济迅速发展、人口增长、城市化和工业化进程加快，耕地面积不断减少[5-6]，人类社会与耕地资源间的矛盾日益加深[7-9]。因此，关注耕地的时空变化，明晰耕地演化的驱动机制，对合理利用耕地资源、缓解人地矛盾、实现区域社会经济可持续发展具有重要意义。

耕地是学术界研究的热点领域，国内外学者围绕耕地变化[10-11]、流转特征[12-13]和驱动机制[14-15]等方面，展开了大量研究并取得了丰硕成果。作为区域生态系统的重要组成部分，耕地的变化能够从侧面反映出区域景观的发展方向[16]，特别是在生态系统敏感区，大规模的耕地流转对区域生态系统产生重要影响。黄河三角洲是由黄河泥沙淤积而成的自然地理单元，其生态系统具有典型的新生性、敏感性、脆弱性和不稳定性[17]。随着人类开发活动的不断加强，黄河三角洲耕地流转与景观格局发生了巨大变化。张宝雷等[18]、史同广等[19]研究了黄河三角洲土地利用变化特征，并分析了主要的LUCC过程;栗云召等[20]指出黄河水情和人类开发活动是黄河三角洲湿地演化的主要驱动因子。李静等[21]提出黄河和海洋作用是影响垦利土地利用的关键因子。总体而言，目前黄河三角洲耕地演化主要从土地利用及景观角度展开，驱动力分析大多采用定性的方式进行[22-24]，专门针对研究区耕地的研究较少。

黄河三角洲是山东省甚至全国重要的耕地资源储备区，关注其耕地的演化进程，明晰耕地演化的驱动机制，对黄河三角洲土地资源开发和生态環境保护具有重要的价值。基于此，本文借助遥感和GIS技术手段，使用轨迹分析法和Logistic回归模型，分析黄河三角洲近30年来耕地时空演化特征及其驱动机制，为保护耕地资源的健康与稳定提供科学依据。

1 研究区域界定

黄河三角洲位于莱州湾西南岸，是由黄河携带泥沙淤积而成的三角洲状堆积体，按照形成时间早晚，分为古代、近代和现代三角洲。本文以近代三角洲为研究区域，其范围以垦利县宁海为顶点，西起套儿河口，南抵支脉河口的扇形区域，介于118°04′～119°17′ E和37°20′～38°11′ N之间，总面积约5 400 km2。包括河口区面积约2 263 km2，垦利区面积约2 000 km2，利津县面积约598 km2，东营区面积约576 km2。本研究区域是一个自然地理单元，其边界与行政区界线并不完全一致。

2 数据来源与研究方法

2.1 数据来源及处理

黄河三角洲Landsat TM/OLI遥感影像（1986—2016年）从地理空间数据云获取。根据农作物长势和天气状况，影像筛选时选取成像时段在6—9月且云量在10%以下的影像，并进行影像裁切、几何精校正、大气校正以及辐射校正等预处理。根据中国土地利用现状分类标准及黄河三角洲实际情况，采用面向对象法将研究区土地划分为耕地、未利用地、滩涂、沼泽、水体和建筑用地6类，并获取其空间分布信息，采用人机交互法进行人工修正，随后将土地利用分类结果重新分类为耕地与非耕地。通过实地数据及从高分辨率影像（Google Earth）获取的450个校正样本进行分类精度验证，分类结果的精度均在90%以上，Kappa系数高于0850，解译精度满足研究需要（见表1）。

结合研究区实际情况，参考国内外相关研究[26-28]，并从自然环境、社会经济和地理区位3方面构建耕地演化驱

动因子指标体系（见表2）。气温和降水数据由黄河三角洲气象观测站点获取，黄河三角洲面积变化率通过ArcGIS统计所得;社会经济指标摘选自《东营统计年鉴》《河口年鉴》《利津年鉴》《垦利年鉴》《东营区年鉴》;地理区位因子通过ArcGIS空间分析工具计算获取。各指标准备完毕后进行空间化、共线性检验和重采样等处理，剔除具有显著共线性的重复因子，筛选最佳的分析尺度。

2.2 研究方法

2.2.1 耕地转化轨迹构造

转化轨迹由不同时相上像元所属土地类型代码叠加排列所得。使用代码1和2表示耕地和非耕地，特定像元上多个时间节点代码叠加排列即为该像元的转化轨迹。如：轨迹编码为111111，即表示该像元始终为耕地。计算公式如下：

Tij=（G1）ij×10n-1+（G2）ij×10n-2+…+（Gn）ij×10n-n

（1）

式中，Tij代表第i行、第j列的代码值，n代表选取的影像的个数;（G1）ij ，（G2）ij ，… ，（Gn）ij 表示影像对应用地类型代码值。

2.2.2 耕地转化轨迹景观格局指数

从类型水平和景观水平上选取斑块占景观面积比例指数PLAND（Percentage of Landscape）、散布与并列指数IJI（Interspersion and Juxtaposition）、面积加权平均斑块分维指数FREAC-AM（Area Weighted Mean Eractal Dimension Index）3个指数进行耕地变化轨迹景观格局分析，景观指数见表3。

2.2.3 Logistic回归模拟

本研究以黄河三角洲耕地转化轨迹为因变量，采用多分类Logistic回归模型分析各因子对耕地的驱动作用。根据回归系數，探测各驱动因子对耕地演化过程的影响强弱，模型公式如下：

Logit（P）=lnp1-p=α+∑ni=1βixi（2）

P=exp（α+β1X1+β2X2+L+βnXn）1+exp（α+β1X1+β2X2+L+βnXn）（3）

式中，P为耕地转化发生概率;x1，x2，……，xn为影响耕地的驱动因子;α为截距，β1，β2，……，βn为Logistic回归的偏回归系数。使用Wald值对模型的回归系数进行检验，取显著性水平为0.05，当解释变量对应P值小于0.05时，驱动因子的回归系数与零有显著差异，保留在方程中，反之则不能通过检验，从方程中剔除。为避免空间数据的自相关效应对模型解释能力产生干扰，构建

研究区耕地转化轨迹模拟的最佳尺度，本研究选择100 m×100 m、150 m×150 m、200 m×200 m、250 m×250 m、300 m×300 m、350 m×350 m、400 m×400 m 7个模拟尺度，以30 m×30 m栅格数据为基础，对耕地转化轨迹及各驱动因子栅格数据进行重采样，应用SPSS22.0软件，分别计算7个模拟尺度下耕地转化轨迹与驱动因子的回归方程，根据模型的ROC值选择黄河三角洲耕地转化轨迹动态模拟的最佳尺度。

3 结果与分析

3.1 黄河三角洲面积和耕地面积统计分析

1986—2016年黄河三角洲土地面积和耕地面积变化结果如图1所示。30年间研究区土地面积在5 168.81～5 383.92 km2之间波动，波动范围215.11 km2，黄河三角洲土地总面积呈现出先下降后上升再下降的变化趋势。而1986—2016年黄河三角洲耕地面积在1 390.16～2 138.88 km2之间波动，耕地增加895.11 km2，研究区耕地面积随时间发展呈增长趋势。从耕地占黄河三角洲总面积比例来看，1986年25.82%、1992年36.29%、1998年37.44%、2004年41.44%、2010年41.44%、2016年41.37%，耕地所占比例先增长，之后略有下降。

3.2 耕地转化轨迹时空变化分析

轨迹运算结果显示，黄河三角洲耕地/非耕地转化轨迹共有64种，总计31 435条。根据耕地/非耕地稳定状况可将所得轨迹分为3类：恒定非耕地、恒定耕地、不稳定耕地。根据耕地不同的转化方向，不稳定耕地又包含转入耕地（222111、211111等）、转出耕地（111222等）、间歇性耕地（121212等）。基于此分类方法，获取黄河三角洲1986—2016年耕地/非耕地转化轨迹图（见图2和图3）。

3.2.1 耕地转化轨迹时间变化分析

经统计，黄河三角洲恒定非耕地2 611.26 km2，恒定耕地518.30 km2，不稳定耕地2 553.55 km2。转入耕地907.07 km2，转出耕地279.20 km2，间歇性耕地1 367.28 km2。从时间序列来看，1986—1992年转入耕地（211111）471.41 km2，转出耕地（122222）90.13 km2;1992—1998年转入耕地（221111）234.73 km2，转出耕地（112222）43.96 km2;1998—2004年转入耕地（222111）93.87 km2，转出耕地（111222）53.07 km2;2004—2010年转入耕地（222211）36.10 km2，转出耕地（111122）26.61 km2;2010—2016年转入耕地（222221）70.97 km2，转出耕地（111112）66.43 km2。研究区转入耕地和转出耕地均出现先下降后增加的趋势，转入耕地数量大于转出耕地，耕地总体呈现增长态势。从耕地转化的路径来看，未利用地是黄河三角洲耕地转入的主要用地来源，建筑用地则是耕地转出的主要流向;从耕地轨迹转化发展方向来看，转入耕地轨迹大致由黄河两岸向两侧海岸拓展，转出耕地轨迹则主要布局在城镇周边。

3.2.2 耕地转化轨迹空间变化分析

使用ArcGIS分区统计功能获取耕地转化轨迹的空间分布（见图4）。经分析，除利津县外恒定非耕地在各县区轨迹分布中占比最大。河口区恒定非耕地、转出耕地、间歇性耕地的轨迹面积分别为714.50 km2、104.39 km2、697.31 km2。该区地处黄河三角洲东北部，区内滩涂、沼泽与未利用地广布，恒定非耕地面积较多。同时受土地盐碱化的影响，沿海土地多开发为盐田、养殖池等经济型水体，耕地转出以及耕地与其他土地利用类型的交替转化较多。垦利区恒定耕地面积为142.78 km2，转入耕地面积为445.46 km2，是恒定耕地及转入耕地面积最大的区域。这主要得益于黄河巨大的造陆效应，黄河携带大量泥沙在入海口处淤积，每年给垦利区新增大量土地，大量新增土地在人类开发活动下转化为耕地。因此，近30年来垦利区耕地面积不断扩张。而东营区面积为576 km2，仅占研究区总面积的7.74%，因此行政区内耕地转化轨迹面积均较小。

3.3 耕地转化轨迹景观格局分析

恒定非耕地的PLAND指数为37.15%，有耕地参与的轨迹占研究区总面积的62.75%。其中间歇性耕地PLAND指数为30.86%，转入耕地PLAND指数为19.23%，恒定耕地和转出耕地的PLAND指数值分别为8.43%和4.33%（见表4）。表明1986—2016年内黄河三角洲耕地处于扩张与缩减交错过程中，耕地面积不断增加，耕地已成为黄河三角洲最重要的景观之一。

IJI指数反映各耕地斑块类型的空间关联程度。结果显示：间歇性耕地与恒定耕地的IJI指数较大，分别为89.84%和78.20%，体现出黄河三角洲耕地对水资源的依赖性比较大，同时还反映出间歇性耕地和恒定耕地周边的耕地变化景观类型较为复杂，相邻的景观类型较多。转入耕地以及转出耕地的IJI指数较低，分别为62.27%和66.00%，说明这两种转化类型主要分布在间歇性耕地和恒定耕地边缘，空间邻接分布程度較为简单。

FREAC-AM指数可以描述变化轨迹的复杂性和稳定性。其取值范围1≤FREAC-AM≤2，其值越接近1代表形状越简单，当值为1时，形状为最简单的正方形或圆形。总体来看，研究区耕地转化轨迹的FRAC-AM较小，分形特征不明显;间歇性耕地FRAC-AM最大，表明研究区土地利用类型转换较为频繁，多经历两次以上的转变;转入耕地FRAC-AM大于转出耕地，表明黄河三角洲耕地转入概率大于耕地转出，耕地面积呈增加状态。

3.4 耕地转化轨迹驱动力分析

自变量（驱动因子）间的多重共线性对Logistic回归模型的模拟效果有显著影响，共线性的存在严重干扰回归分析结果的稳定性，甚至会使其方向发生改变[28-29]。本文首先对驱动因子指标体系中各自变量进行共线性检验，根据自变量之间的方差膨胀因子（VIF）和容许值（TOL）探测共线性，当VIF>10且TOL<0.1时，自变量存在显著共线性，从驱动因子指标体系中剔除[29]。经检验，剔除工业总产值、农业总产值、全社会固定资产投资等3个存在显著共线性的自变量。随后，将通过共线性检验的自变量带入Logistic回归模型计算，根据ROC值筛选出最适宜研究区耕地转化轨迹的尺度。计算结果表明，350 m ×350 m尺度下耕地变化轨迹的ROC值的拟合优度为0.717，为7个尺度中最高值。ROC值>0.7时，模型拟合效果较好，该模型通过ROC检验，模型预测正确率为87.6%，可用于研究区耕地转化轨迹的驱动机制分析。

Waldχ2统计量用于表征各驱动因子对于耕地转化轨迹的解释程度，其值越大，表示解释程度越高。回归系数的符号代表各驱动因子对转化轨迹的影响方向，发生比率表示自变量每增加一个单位后发生比为原发生比的倍数。根据Waldχ2统计量，对各转化轨迹影响显著性排名前4的驱动因子及其Logistic回归模型各项参数进行汇总，见表5。

（1）转入耕地轨迹驱动力分析。地理区位和社会经

济因素是影响耕地转入的主要因素。其中，距海岸线的距离、距黄河距离、人口密度差、距乡镇距离是耕地转入的主要驱动因子。贡献率分别为1 832.730、589.109、408.403、398.933。其中，距海岸线越远转入耕地的概率越高，而距黄河和城镇距离越近、人口增加越多，耕地转入可能性越大。黄河三角洲受海洋咸水的侵渍侧渗影响，距海越近土壤中含盐量和地下水矿化度越高 [30-31]，距海岸线的距离成为影响非耕地是否适宜向耕地转化的主导因子。其次，黄河是黄河三角洲形成与演化的原始动力，还是研究区最主要的淡水来源，耕地分布随着灌溉条件的改善由黄河河道两岸向外延伸。随着研究区人口数量的不断增加，人类对耕地的需求和活动范围持续扩大，大量非耕地被改造为耕地。黄河三角洲人口主要集中分布在基础设施完善的乡镇和城市中，距城镇较近的土地受人类活动影响强烈，更容易被改造为耕地。

（2）转出耕地轨迹驱动力分析。地理区位是影响耕地转出的主要因素。转出耕地空间变化的解释变量包括距海岸线的距离（贡献度1 914.205）、距乡镇距离（贡献度763.296）、距黄河距离（贡献度142.210）是耕地转出的主要驱动因子。即越深入内陆，耕地转出可能性越大。距黄河和城镇越近，增大了耕地转出的概率。随着距海岸线距离的增加，土地盐碱化程度逐渐降低，人类影响更强烈，耕地转出现象频发，距海岸线的距离成为耕地转出的主导驱

动因子。随着人口增加、城镇化水平提高，乡镇建筑用地面积增加，建筑用地扩张最先侵占地形平坦、距乡镇距离较近的耕地，距乡镇距离每减少1 km，耕地转出轨迹的发生概率增加1.34倍。

4 结论与讨论

4.1 结论

（1）黄河三角洲是中国重要的土地资源增长区和耕地储备区。1986—2016年间，黄河三角洲耕地面积持续增加，耕地所占比例逐年上升，最后略有下降。30年间，耕地转出面积279.20 km2，耕地转入面积907.07 km2。未利用地是研究区耕地增加的主要来源，建筑用地是耕地转出的主要流向。恒定非耕地主要分布在河口区和垦利区，是研究区面积最大的轨迹，间歇性变化耕地主要分布在河口区，耕地转入轨迹主要分布在垦利区，恒定耕地轨迹与耕地转出轨迹面积较少，在各县区均有分布。

（2）景观格局分析表明，有耕地参与轨迹转化面积占研究区面积的62.75%，是研究区重要的景观类型。间歇性耕地和恒定耕地周边的耕地变化最为复杂，转入耕地和转出耕地多分布在两者边缘。不稳定耕地是研究区变化最剧烈的耕地轨迹类型，转入耕地FRAC-AM指数大于转出耕地，转入耕地大于转出，耕地呈增加状态。

（3）Logistic回归分析显示，气温、降水对耕地转化作用并不显著，地理区位是黄河三角洲地表耕地演化的主要驱动因素。不同类型的耕地转化轨迹驱动力不同。距海岸线距离、距黄河距离、人口密度差、距乡镇距离是影响耕地转入轨迹的主要驱动因子;距海岸线距离、距乡镇距离、距黄河距离是耕地转出轨迹的主要驱动因子。

4.2 讨论

（1）耕地演化是自然环境、社会经济和区位条件等多种因素共同作用的结果。不同三角洲耕地演化特征和驱动机制不同，研究显示：珠江三角洲耕地演化是人口、城市化和人民生活水平驱动的结果[32-33]，人口、二三产业比重和城市化水平等社会经济因素是长江三角洲耕地演化的关键因素[34-35]，人类干扰是导致辽河三角洲耕地变化的主要原因[36]，而区位因素和社会经济因素是黄河三角洲耕地演化主导驱动力。由此可见，作为一种典型的人工用地类型，社会经济因素对三角洲耕地演化产生重要影响，耕地演化与人口数量、社会经济水平、城市化、产业结构等息息相关。而与其他三角洲不同，区位因素在黄河三角洲耕地演化中同样发挥着重要作用。由于研究区成陆时间较晚，黄河三角洲土壤盐渍化严重，对黄河水具有较强的依赖性。另外，该区域人类开发历史较短，社会经济发展水平相对较低。距海岸线、距黄河河道等区位因子，既体现出自然因素（土壤盐碱化、淡水可达性）还反映出社会经济因素（人口、人类活动）异质性分布对耕地演化的影响。整体而言，黄河三角洲耕地转化和驱动机制与研究区独特的自然发育特征与社会经济发展进程关系密切，同时还从侧面反映出黄河三角洲与其他三角洲社会经济水平存在一定差距，开发潜力较大。

（2）耕地转化的驱动机制极其复杂，受限于数据量化方法的可操作性和驱动机制的复杂性，驱动因子体系并不能全面地反应出耕地演化的驱动过程。首先，诸如政府政策、城市发展水平、保护区影响程度等因素在特定区域与时间内对耕地转化驱动巨大，但难以精确合理的量化 [37]。其次，自然因素驱动伴随着黄河三角洲整个发育史，当研究跨度较短时，气温、降水等相对稳定的自然因素作用甚微[33]。此外，由于研究区行政区划调整频繁，导致部分数据只能统计到乡镇一级。如能使用更精确的社会经济数据，分析结果将更加精准。

（编辑：李 琪）

参考文献

[1]TILMAN D， FARGIONE J， WOLFF B， et al. Forecasting agriculturally driven global environmental change[J]. Science， 2001， 5515： 281-284.

[2]KLEIJIN D， KOHLER F， BLDI A， et al. On the relationship between farmland biodiversity and land-use intensity in Europe[J]. Proceedings of the royal society B： biological sciences， 2008， 1658： 903-909.

[3]王迪，聂锐，王胜洲. 耕地保护外部性及其经济补偿研究进展[J]. 中国人口·资源与环境， 2012， 22（10）： 131-136.

[4]ESTEL S， KUEMMERLE T， ALCNTAR A， et al. Mapping farmland abandonment and recultivation across Europe using MODIS NDVI time series[J]. Remote sensing of environment， 2015， 163： 312-325.

[5]田光进，庄大方，刘明亮. 近10年中国耕地资源时空变化特征[J]. 地球科学进展， 2003， 18（1）： 30-36.

[6]谭永忠，何巨，岳文泽，等. 全国第二次土地调查前后中国耕地面积变化的空间格局[J]. 自然资源学报， 2017， 32（2）： 12-23.

[7]宋戈，梁海鸥，林佳，等. 黑龙江省垦区耕地利用综合效益评价及驱动力分析[J]. 经济地理， 2010， 30（5）： 835-840.

[8]傅泽强，蔡运龙，杨友孝，等. 中国粮食安全与耕地资源变化的相关分析[J]. 自然资源学报， 2001， 16（4）： 313-319.

[9]李景刚，何春阳，史培军，等. 近20年中国北方13省的耕地变化与驱动力[J]. 地理学报， 2004， 59（2）： 274-282.

[10]李秀彬. 中国近20年来耕地面积的变化及其政策启示[J]. 自然资源学报， 1999， 14（4）： 329-333.

[11]赵晓丽，张增祥，汪潇，等. 中国近30 a耕地变化时空特征及其主要原因分析[J]. 农业工程学报， 2014， 30（3）： 1-11.

[12]李均力，姜亮亮，包安明，等. 1962—2010年玛纳斯流域耕地景观的时空变化分析[J]. 农业工程学报， 2015， 31（4）：277-285.

[13]鄧楚雄，李晓青，向云波，等. 长株潭城市群地区耕地数量时空变化及其驱动力分析[J]. 经济地理， 2013， 33（6）： 142-147.

[14]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.

[15]曾凌红，王钧，王红亚. 基于GIS和Logistic回归模型的北京山区耕地变化分析与模拟[J]. 北京大学学报（自然科学版）， 2009， 45（1）： 165-170.

[16]赵锐锋，王福红，张丽华，等. 黑河中游地区耕地景观演变及社会经济驱动力分析[J]. 地理科学， 2017， 37（6）： 920-928.

[17]张绪良，肖滋民，徐宗军，等.黄河三角洲滨海湿地的生物多样性特征及保护策略[J]. 湿地科学， 2011， 9（2）： 125-131.

[18]SHI T， QI S， MENG F， et al. Land use change and landscape response in the Yellow River Delta of China： a case of Dongying City[J]. Environmental earth sciences， 2016， 75（7）： 547.

[19]BAO L， ZHANG L， YIN S M， et al. Assessment on characteristics of LUCC process based on complex network in Modern Yellow River Delta， Shandong Province of China[J]. Earth science informatics， 2016， 9（1）： 83-93.

[20]栗云召，于君寶，韩广轩，等. 黄河三角洲自然湿地动态演变及其驱动因子[J]. 生态学杂志， 2011， 30（7）： 1535-1541.

[21]SHU Y， HU Y M. Analysis of land use and land cover change in Yellow River Delta[J]. Journal of soil and water conservation， 2006， 20（5）： 158-161.

[22]曹文. 黄河三角洲地区耕地资源的可持续利用研究[J]. 中国人口·资源与环境， 2001， 11（51）： 26-27.

[23]周文佐. 近10 a黄河三角洲LUCC及其驱动因素分析[J]. 农业工程学报， 2010， 26（1）： 341-345.

[24]汪小钦，王钦敏，刘高焕，等. 黄河三角洲土地利用/土地覆被区域分异[J]. 自然资源学报， 2006， 21（2）： 165-171.

[25]赵志杰，张成扬. 黄河三角洲土地利用/覆盖时空变化研究[J]. 应用基础与工程科学学报， 2016， 24（4）： 731-740.

[26]吴美琼，陈秀贵. 基于主成分分析法的钦州市耕地面积变化及其驱动力分析[J]. 地理科学， 2014， 34（1）： 54-59.

[27]刘超，霍永伟，许月卿，等. 生态退耕前后张家口市耕地变化及影响因素识别[J]. 自然资源学报， 2018， 33（10）： 134-148.

[28]赵宇东，刘嵘，刘延龄，等. 多元 Logistic回归的共线性分析[J]. 中国卫生统计， 2000， 17（5）： 259-261.

[29]斯科特·梅纳德. 应用Logistic回归分析[M].第2版. 李俊秀，译. 上海： 上海人民出版社， 2012.

[30]姚荣江，杨劲松，刘广明，等. 黄河三角洲地区典型地块土壤盐分空间变异特征研究[J]. 农业工程学报， 2006， 22（6）： 61-66.

[31]杨劲松，姚荣江. 黄河三角洲地区土壤水盐空间变异特征研究[J]. 地理科学， 2007， 27（3）： 348-353.

[32]曹康琳，廖金凤. 珠江三角洲耕地资源变化区域差异及对策[J]. 中国人口·资源与环境， 2000， 10（2）： 75-78.

[33]董文福. 珠江三角洲耕地变化及驱动力研究[C]// 土地变化科学与生态建设学术研讨会. 2005.

[34]黄贤金，方鹏. 长江三角洲地区农地流转的土地利用变化机理及驱动力模型研究[C]// 全国青年管理科学与系统科学学术会议. 2005.

[35]陈肖飞，姚士谋，张落成. 1990年以来长江三角洲耕地资源变化及驱动因子研究[J]. 长江流域资源与环境， 2015， 24（9）： 1521-1527.

[36]王凌，李秀珍，郭笃发. 辽河三角洲土地利用变化及其影响[J]. 山东师范大学学报（自然科学版），2003， 18（3）： 43-47.

[37]谢花林，李波. 基于logistic回归模型的农牧交错区土地利用变化驱动力分析——以内蒙古翁牛特旗为例[J]. 地理研究， 2008， 27（2）： 294-304.

Study on transformation trajectory and driving factors of cultivated land

in the Yellow River Delta in recent 30 years

LI Yun-long1，2 HAN Mei1 KONG Xian-lun1 WANG Min1，2 PAN Bin1 WEI  Fan1 HUANG Shu-ping2

（1.College of Geography and Environment， Shandong Normal University， Jinan Shandong 250014， China;

2.School of History and Social Development， Qilu Normal University， Jinan Shandong 250200， China）

Abstract The Yellow River Delta is a vital area of land growth and cultivated land reserve in Shandong Province and even in China. Cultivated land is one of the most important landscape types in study area. By interpreting Landsat TM/OLI images， the land use/cover information of the Yellow River Delta in 1986， 1992， 1998， 2004， 2010 and 2016 was extracted. The trajectory analysis method was used to analyze the temporal and spatial variation of cultivated land trajectory. Index （PLAND）， Dispersion and Parallel Index （IJI）， Area Weighted Average Patch Fractal Dimension Index （FREAC-AM） were used to analyze the landscape pattern of different types of cultivated land conversion. 13 factors were selected from three categories： natural environment， socio-economic and location factors and logistic regression model was used to analyze the driving force of cultivated land conversion. The results showed that： ①The cultivated land increased from 1 390.16 km2 to 2 184 km2 from 1986 to 2004. However， the area decreased to 2 138.88 km2 in 2016. Thus， the cultivated land and its ratio of the whole delta showed a trend of increase in 1986 to 2004， and decreased from 2004 to 2016. Over the past 30 years， 322.46 km2 unutilized land was transferred to the cultivated land， which was the main source of the increased cultivated land. The cultivated land of 107.82 km2 changed to construction land was the main source. The constant non-cultivated land was mainly distributed in Hekou and Kenli Districts. The intermittent cultivated land was mainly distributed in Hekou District. The converted cultivated land was mainly distributed in Kenli District. The constant cultivated land and the transferred cultivated land were distributed in all counties and districts. ②Cultivated land was one of the most important types of landscapes in the Yellow River Delta. The cultivated land trajectory accounted for 62.75% of  the study area. The IJI indexes of intermittent cultivated land and constant cultivated land were 89.84% and 78.20% respectively， indicating that the cultivated land around intermittent cultivated land and constant cultivated land was complex， and the adjacent landscape types were the most. At the same time， the FREAC-AM index of intermittent arable land was 1.22， which was the most complex type of arable land conversion trajectory in the study area. ③Logistic analysis showed that the geographical location was the main driving factor for the conversion of cultivated land in the Yellow River Delta. The main driving factors for the conversion of cultivated land were distance from the coastline （contribution rate 1 832.730）， distance from the Yellow River （contribution rate 589.109）， population density difference （contribution rate 408.403）， and distance from township （contribution rate 398.933）. Distance from the coastline （contribution rate 1 914.205）， distance from township （contribution rate 763.96）， distance from the Yellow River （contribution rate 142.210） were the main driving factors for the conversion of cultivated land.

Key words cultivated land; Yellow River Delta; change trajectory; landscape pattern; logistic regression analysis