南宁市江南区土地利用变化及驱动力分析

覃康煜，农 潭

（1.广西有色勘察设计研究院，广西 南宁530000； 2.百色学院，广西 百色533000）

土地利用是随着人类文明的出现应运而生的，已成为研究环境变化的重要内容。航空航天科学技术的突破，使得以“3S”（全球卫星定位系统、遥感、地理信息系统）为代表的技术不断发展并在自然资源研究应用中不断完善[1-3]。围绕土地利用变化研究，利用遥感技术提取某区域某时段土地利用变化的时空特征信息；通过地理信息处理平台解译出土地利用信息，使用定性定量研究方法对其驱动力因素进行分析已经成为土地利用变化研究的基本方法[4-6]。

江南区作为南宁市下辖行政单位，是南宁市的重要组成部分。2016年以来，江南区通过加快推动电子信息产业集聚发展，加大力度扶强扶优，以及从促进传统产业转型升级走向新型工业化发展，加快融入南宁市整体发展格局，经济社会进入发展提速时期，引起区域内土地利用的强烈变化，对自然、社会环境产生了显著影响[7]。研究土地利用变化成为江南区实现可持续发展的关键所在。与此同时，对土地利用变化及驱动因素进行研究，有利于江南区土地资源的合理利用、开发与保护，助力南宁市生态文明城市建设，对打造更加美丽、宜居的人文南宁具有重要意义。

1 研究区域概况

南宁市江南区位于广西壮族自治区中西部，南宁市西南方位，下辖4镇5街道9个行政单位，共计48个社区68个行政村。2008—2018年，人口由43.44万增至54.21万；地区生产总值由2008年的55.07亿元增至2018年的475.18亿元，增长接近 8倍。

2 数据来源与数据处理

2.1 数据来源

所用数据主要包括经济社会统计数据、卫星遥感影像数据。卫星遥感影像数据来源于中国科学院地理空间数据云平台（http：//www.gscloud.cn）；6幅影像图成像质量较高，且云量覆盖均低于10%，满足研究分析的需要。经济社会统计数据主要来源于《南宁市统计年鉴》《江南区年鉴》《江南区统计公报》《政府年度工作报告》等。

2.2 遥感影像处理

遥感影像是基于传感器对地球表面按照一定技术方法实现成像的结果，因传感器工作受到多重因素的影响，所接收信息不一定能够完全、正确地反映地表真实的地物信息，有可能出现偏差，甚至会严重影响对遥感影像数据的判读和解译[8]。为减小这些不利因素的影响，需要进行图像校正和图像增强。经过辐射定标、大气校正、波段融合及镶嵌裁剪，而后提取出研究区三期图像。

2.3 土地利用信息解译

本研究依据中华人民共和国国家标准《土地利用现状分类》（GB/T 21010-2017）和《中华人民共和国土地管理法》“三大类”用地的相关规定，选取了林地、耕地、水域、建设用地、未利用土地5种地类作为标准，进行监督分类，获得2008年、2013年、2018年三期土地利用基础数据。对三期图像进行混淆矩阵分析，总体精度均达到90%以上，Kappa系数在0.8以上；三期图像制图精度和用户精度在80%以上，均满足基本要求。通过统计计算，2008—2018年的各地类的面积如表1所示。

表1 江南区2008—2018年土地利用结构表

3 土地利用变化分析

3.1 土地利用变化速率分析

3.1.1 单一土地利用动态度

某一土地利用类型的数量变化可以使用单一土地利用动态度来表示，具体计算公式如下[9]：

其中：K代表土地利用动态度；Va代表基期年某一土地利用类型的数量；Vb代表期末年某一土地利用类型的数量；T代表研究时间长度。

根据式（1）计算结果如表2所示。

表2 江南区2008—2018年土地利用动态度 单位：%

由表2可知，11年间，耕地及未利用地面积持续减少；林地、建设用地及水域面积持续增加，各地类的面积变化主要集中于2008—2013年，2014—2018年变化较为平缓。由于人口增加和经济社会发展，建设用地面积扩张是必然趋势，建设用地的增加又是耕地和未利用地面积减少的主要原因。

3.1.2 综合土地利用动态度

与单一土地利用动态度不同，综合土地利用动态度不单局限于反映单个地类的变化速率，而从整体出发反映出研究区内所有土地利用的总体变化，它是一种定量研究并预测将来一段时间内土地变化趋势的方法，具体计算公式如下[10-11]：

其中：KG—综合土地利用动态度；n—取值范围：1≤n≤5（整数）；LVi—研究期内第i类土地类型的面积；△LVi-j—时期内第i类土地类型转化为非i类（j）土地类型总面积绝对值；T—研究时间长度。

由式（2）计算得到2008—2013年及2014—2018年的土地利用综合动态度分别为17.52%、19.45%，2008—2018年的综合动态度为9.66%，表明江南区土地利用变化较快，土地类型之间转换频繁。

3.2 土地利用程度变化分析

土地利用程度等级可以定量地描述在自然和社会共同影响下土地利用的综合程度，同时也可以反映出土地利用程度的变化。庄大方等在1997年进行中国土地利用程度的区域分异模型研究时，基于土地利用极限，将4种土地利用的理想状态定为4 种土地利用级[12]，该成果被相关人员应用于其他研究，不断发展成熟。本文借鉴该研究成果，通过对目标地类进行重分类，建立分级指数，如表3所示，并计算出土地利用综合指数，计算公式如下[13-14]：

表3 土地利用分级指数[12]

其中：La代表土地利用综合指数；Ai代表第i类土地利用程度分级指数，i∈[1，4]；Bi代表第i类土地利用类型面积的占比，i∈[1，4]。

由表4可知，2008—2018年江南区土地利用综合指数持续上升，综合指数在第一阶段内回落后，第二阶段又出现上升；由此可知在研究期内，江南区土地利用程度总体较高，2013年以来，各项建设活动对土地资源利用的效率不断提高，人类活动对于地变化的影响程度越来越深刻。

表4 2008—2018年土地利用综合指数

土地利用程度变化量是反映研究期内土地利用综合水平的参数，变化率则具体反映研究期内土地利用的变化趋势，具体计算公式分别如下[14]：

其中，La—基期年土地利用综合指数；

Lb—期末年土地利用综合指数；

n—土地利用分级指数，n∈[1，4]；

△Lb-a—研究期土地利用综合指数变化量；

Ai—研究期第i级土地利用程度分级指数；

Bia—基期年第i级土地利用程度分级面积占比；

Bib—期末年第i级土地利用程度分级面积占比；

D—土地利用程度变化率。

2008—2018年不同时期的土地利用程度变化量及变化率如表5所示，11年间土地利用程度变化量、变化率均呈现出先下降后上升的变化趋势。数据显示，在2008—2013年，土地利用程度变化量、变化率略微下降，结合相关经济社会统计资料分析，2008—2013年，第一产业增加值缓慢增长，特别是2011年、2013年出现断崖式下跌，出现较大起伏的跌涨，同期农作物播种面积、粮食种植面积逐年下降，导致研究区农业发展较为缓慢；固定资产投资较2011年同比下降了66.97%，各项基础设施建设放缓，土地利用强度有所削弱。总之，2008—2013年，农业生产活动的减少、社会固定资产投资的收缩，最终引起土地利用变化程度出现较低幅度下降。而2014—2018年较之前者恢复了正增长态势。纵观整个研究期间，2008—2018年江南区土地利用程度有细微的起伏变化，但总体呈上升趋势，年均变化量保持0.624的正增长。

表5 江南区2008—2018年土地利用程度变化量及变化率

3.3 土地利用类型转移分析

土地利用类型的转换是双向转移的动态过程，可以借助土地利用转移矩阵来定量分析研究期内某一地类转出及转入的面积数量、变化情况[15]。具体计算公式如下[16]：

其中，S—面积；

i—基期年土地利用类型，i∈[1，n]；

j—期末年土地利用类型，j∈[1，n]；

Sij—研究期内第i类土地转移为第j类土地的面积总和。

由表6可看出，研究期间，耕地、未利用地面积大幅度减少，建设用地、林地面积持续增加，水域面积翻了近一倍，各地类双向转移面积415.86km2。从转出面积来看，耕地转出面积最大，主要转向林地、建设用地。从转入面积来看，林地的转入面积最大，主要由耕地、未利用地转化而来。耕地向林地的转化主要受退耕还林政策，以及果园等产业规模化生产的影响；而节约资源和保护环境基本国策又使各地对于植树绿化等方面的重视以及实施，因此未利用地也是转化为林地的主要地类。城镇的扩张必然占用周边的耕地，因此，建设用地也是耕地的主要转化地类。

表6 江南区2008—2018年土地利用转移矩阵

4 土地利用变化驱动力分析

4.1 指标选择及处理

考虑所选取数据与研究对象的相关性、数据来源的可靠性以及可获取的便捷性，经咨询专家，以2008—2018年资料为依据，从社会、经济及农业等方面选取了10个指标（表7）。

表7 驱动力评价指标体系

因自变量因子原始数据计量单位有所差异，为了方便计算，采用SPSS26对所有指标进行处理，得到了标准化后的数据（表8）。根据上述所得进行因子分析，最终得到各因子间的相关性矩阵（表9）。

表8 自变量因子原始数据

表9 自变量因子相关性矩阵

4.2 主成分分析

通过KMO系数值和巴特利特球形度检验，可检验所有指标是否能满足研究的要求，一般要同时满足KMO值与巴特利特球形度两个参考条件（KMO ＞0.5、Sig＜0.05）。结果显示，KMO：0.513、Sig：0.01，均通过了一次性检验，说明本次选择的样本量满足进行因子分析的要求。

由表10可知，根据初始特征值＞1，且贡献 率＞80%的划定，分析提取了两个主成分，其特征值分别为8.114、1.304，对于原始数据总方差的累积解释分别达到81.137%、94.181%。在主成分载荷表（表11）中，可以看出，总人口数X1、非农业人口数X2、第二产业增加值X4、第三产业增加值X5、城镇居民人均可支配收入X6、农林牧渔生产总值X7、农民人均纯收入X8、农村用电量X10在主成分1有较高载荷，均大于0.9，可以说明第一主成分为经济社会发展，即人口的增长和经济的发展；而第一产业增加值X3、农作物播种面积X9在主成分2中载荷较大，说明农业生产效益是第二主成分。综上所述，提取的两个主成分基本可以反映全部指标的信息，说明南宁市江南区土地利用变化的主要驱动力为人口增长、经济发展以及农业发展。

表10 因子分析总方差解释

表11 主成分载荷表

4.3 主要驱动力因子分析

4.3.1 人口增长

2008—2018年，江南区人口由43.44万增至54.21万，增长了10.77万人，增幅24.79%。辖区短时间内的人口激增现象直接刺激到城镇居民对于城镇居民住宅用地、公共基础设施建设、粮食及农副产品的需求。江南区城市建成区面积在不断扩大，由2008年55.45 km2增至2018年的152.13 km2， 11年间建设用地面积增加了96.68 km2。但耕地面积由704.62 km2减至546.59 km2，城镇人口增长、农业人口的流失，以及城镇化是耕地面积减少的主要原因。耕地减少导致粮食产量、农产品产出总量有所降低；但11年来政府集中资源加大对优势农业生产、养殖基地的建设，在农业产业化上建成示范性项目等，在一定程度上促成了产业结构的优化，规模以上种植业趋向于高附加值化，加上标准化生产、管理使得农业生产高效运行，生产活动逐步开始面向更高效的集约化发展。分析结果表明：农业人口转向非农人口的速度加快，城市人口快速增长，建成区面积迅速扩张，导致耕地退化、数量减少；2008—2018年研究期内江南区人口变化与建设面积呈正相关性、与耕地面积呈负相关性。

4.3.2 经济发展

社会各部门围绕经济发展而展开的活动是引起江南区土地利用变化的重要因素。在土地利用结构的调整中，变化最明显的是建设用地、耕地，以及林地面积，耕地、林地规模的缩减以及建设用地的增加是处于城市化快速发展阶段区域所表现的一般特征，江南区地区生产总值（GDP）的绝对增长是经济社会发展的必然结果。

三产结构的变化对土地利用变化有深刻的影响，2008—2013年，农业的比重急剧下降，主要原因是农业人口流出严重、生产管理方面效率低下，从事农业生产的人口数量逐年减少，土地开发、利用、管理的强度持续下降，致使耕地结构剧烈变化。11年间政府对农村农业基础设施建设加大投入，集中建设农村道路并占用部分农用地，对耕地的结构变化有一定影响，其中，水利工程的建设是引起水域面积发生巨大变化的原因之一，建成水库、灌溉渠道等水面面积增加。2014—2018年，第一产业占比继续下降，耕地面积在持续下降的同时，第一产业总产值能实现长期稳定增长，从侧面反映出农业集约化生产水平显著提高；第二产业比例下降至34.0%，而第三产业占比上升至60.8%，第三产业成为江南区经济增长的中流砥柱。

国家经济开发区的布局与建设，极大地刺激了江南区城市化的进程，各区域城镇居民点用地、道路交通设施用地、公共用地、商业用地等城市建设用地存在着较大的待开发需求和发展潜力。进入城市化发展后期前，城市建设用地在未来还将表现出持续绝对增长的变化趋势，城市扩张的速度将随着经济社会快速增长而提高。近几年来，随着全域旅游的规划与兴起，江南区文化和旅游业也步入快速发展阶段，围绕打造旅游产业而建设的活动，不可避免与各地类发生交集，耕地、林地面积将持续减少，进一步引起江南区土地利用结构的变化。

4.3.3 农业发展

江南区地形起伏较低，全境以平原为主，坡度低于15°的地面居多，地形平缓，全年光热充足，降水充沛，水流流速较慢，堆积地貌发育，在灌溉水源充足的地区，适宜发展集中连片大面积种植业。江南区的主要作物为水稻、蔬菜、玉米、花生、甘蔗、西瓜等，是南宁市“菜篮子”工程项目，也是为市民提供主要副食品的重要基地之一。2008—2018年，江南区农作物播种面积从5.94万hm2增至6.20万hm2，种植面积变化虽不是很大，但第一产业增加值从11.59亿元增至33.65亿元，增长近3倍，说明土地利用效率得到了很大提升。

5 小结

以南宁市江南区作为研究对象，通过解译遥感影像，分析江南区土地利用变化的基本特征、动态过程等变化规律，并建立指标体系，用因子分析方法进行主成分分析，揭示了研究期内驱动江南区土地利用变化的主要因子。江南区2008—2018年土地利用程度在整体上有所提高，土地利用综合指数保持较高的水平。从土地利用动态度、土地利用程度、土地转移矩阵等分析来看，江南区总体上土地利用变化剧烈。而引起江南区土地利用变化的主要因素是人口增长，其次为经济发展、农业发展；其中，人口增长引起的变化是最强烈的，经济发展的影响仅次于人口增长；同时，江南区11年的农业生产、发展对于土地利用结构变更的影响也较大。

因所获取的遥感影像数据分辨率较低，进行解译时草地、园地与林地无法很好地分离，因此将三者合并为林地，在后续的研究中可以使用更高分辨率的数据获取更详细的土地利用分类，并建立更完善的驱动力分析指标体系，以便能够更好地分析土地利用变化情况。