济南市长清区2011—2020年土地利用变化时空分异特征及其成因

李云鹏 梁勇 吴凯 王长鹏 齐俊

摘要：研究城市土地利用时空变化特征及驱动因素对城市促进合理利用土地资源、生态—社会—经济可持续发展具有重要意义。本研究运用ArcGIS定量提取土地利用数据，建立土地利用变化幅度模型和土地利用变化程度模型，分析长清区2011—2020年土地利用时空变化特征；选取8个社会经济驱动因子，利用皮尔逊相关系数法研究土地利用变化的社会经济驱动机制。结果表明，2017年后长清区土地利用处于调整阶段，应优化土地利用规划，提升土地利用社会—经济—生态综合效益。

关键词：土地利用；时空分异；转移矩阵；驱动力；济南市长清区

中图分类号：F301.2

文献标识码：A    doi：10.12128/j.issn.1672-6979.2023.07.010

引文格式：李云鹏，梁勇，吴凯，等.济南市长清区2011—2020年土地利用变化时空分异特征及其成因［J］.山东国土资源，2023，39（7）：58-65. LI Yunpeng， LIANG Yong， WU Kai， et al. Spatial-Temporal Differentiation and its Causes of Land Use Change from 2011 to 2020 in Changqing District in Ji'nan City［J］.Shandong Land and Resources，2023，39（7）：58-65.

0 引言

土地是人類一切社会经济活动的支撑和基础［1-2］，土地利用特征与变化是人类活动影响、改造与适应自然环境的体现，过程中形成了多种多样的地表景观，并反映了人类在改变地表特征的空间格局与时空动态过程［3-5］。随着城市化进程加速推进，人类作用于土地的活动日益频繁，土地资源需求逐渐增大，土地利用结构失衡［6-8］。同时，土地开发利用中存在资源浪费、超强度使用、低效利用等问题，也是造成土地生态环境恶化、制约社会经济可持续发展的主要原因之一［9-12］。土地利用变化研究是国际地圈生物圈计划（IGBP）和全球变化人文计划（IHDP）共同推动的核心研究［1］，深化对土地利用时空演变及其驱动机制研究，对揭示自然生态格局、资源生态效应、区域人地关系、可持续发展策略等都十分重要［7，13-15］。当前，国内外学者利用土地动态度、土地利用程度指数、土地利用转移矩阵、地理探测器、CA-Markov模型等方法对土地利用空间格局、时空动态变化、驱动机制、趋势预测等做了大量研究［16-20］，形成了较为成熟的研究范式［15］，研究尺度也从全球土地变化聚焦到局地土地变化［21］，对促进局地合理利用土地资源、生态—社会—经济可持续发展起到了重要作用。

本研究以济南市长清区为例，运用ArcGIS定量提取2011—2020年长清区土地利用分布信息、计算土地利用变化矩阵，揭示近10年来长清区土地利用时空分异特征，为长清区研究人地关系和优化土地资源管理提供参考，促进长清区各种土地利用资源与经济增长、社会稳定、生态和谐共同发展。

1 研究区概况

济南市长清区，位于山东省西部，济南市西南部，黄河下游东岸，泰山西北麓。该区域介于北纬36°14′37″～36°41′50″，东经116°30′38″～117°4′14″之间，北邻济南市槐荫区，东北接济南市市中区，东接济南市历城区，东南与泰安市岱岳区相连，南与肥城市为邻，西南与平阴县接壤，西、西北方位濒临黄河，隔河与聊城市东阿县和德州市齐河县相望。该区域南北长50.3km，东西宽50.8km，总面积为1178.08km2（图1）。

长清区境内地质构造体系为总体向北倾斜地层，总体倾向NW 30°—NE 45°之间，倾角在6°～15°之间；主要地貌类型有中度切割低山、微弱切割丘陵、山间剥蚀平原、山前冲洪积平原、黄河冲积平原等。该区域大陆度为62%，干燥度为1.26，属于暖温带半湿润大陆性季风气候，四季分明；年平均日照时数为2447.6h，年平均日照百分率为55%；年平均气温为14.4℃，年平均降水量为661.7mm。

2 数据来源与研究方法

2.1 数据来源

济南市长清区2011年、2014年、2017年、2020年四期土地利用数据均来源于济南市历年土地变更调查数据，利用ArcGIS10.2将土地利用类型规整为耕地、林地、草地、水体、建设用地和未利用地6类，济南市长清区2011—2020年土地利用分类如图2所示。人口（万人）、国内生产总值GDP（亿元）、固定资产投资（亿元）、房地产开发投资（亿元）、农林牧渔总产值（亿元）、粮食产量（万t）、规模以上工业主要营业收入（亿元）、社会消费零售总额（亿元）等8项社会经济指标数据来源于2011年、2014年、2017年和2020年的《济南市长清区国民经济和社会发展统计公报》。

2.2 研究方法

2.2.1 土地利用变化幅度模型

土地利用类型的数量变化是土地利用变化特征的一个重要体现，能够反映土地利用类型变化总趋势以及土地利用类型的结构变化。土地利用变化幅度是描述土地利用类型数量变化的一个重要指标，反映不同土地利用类型面积总量的变化［22］，计算公式如式1所示。

RL=Ub-UaUa×100%（1）

式中：RL表示某一类型土地在研究期内的变化幅度；Ua表示某一土地利用类型在研究初期的面积；Ub表示某一土地利用类型在研究末期的面积。

单一土地利用类型动态变化度描述的是某一土地利用类型在研究期内的面积变化情况，反映土地利用类型数量变化速率［23］，计算公式如式2所示。

K=Ub-UaUa×1T×100%（2）

式中：K表示某一土地利用类型在研究期内的变化速率；Ua表示某一土地利用类型在研究初期的面积；Ub表示某一土地利用类型在研究末期的面积；T表示时间，当T的单位为年时，K表示某一土地利用类型在研究期内的年变化率。

2.2.2 土地利用变化程度模型

土地利用程度的变化可定量表达研究区域土地利用的综合水平和变化趋势。根据刘纪远提出的土地利用程度综合分析方法，将土地利用程度按照土地自然综合体在社会因素影响下的自然平衡状态分为若干等级，并赋予分级指数（表1），在此基础上给出土地利用程度综合指数及土地利用程度变化模型［8，24］，其数学表达式如式3、式4所示。

Lj=100×∑ni=1Ai×Ci，Lj∈［100，400］（3）

△Lb-a=Lb-La=100×［∑ni=1Ai×Cib-∑ni=1Ai×Cia］（4）

式中：Lj表示研究区域土地利用程度综合指数；Lb、La分别表示b和a时间研究区域土地利用程度综合指数；Lb-a表示b和a时间土地利用程度变化量；Ai表示第i类土地利用程度分级指数；Ci表示研究区内第i类土地利用程度面积占比；Cib和Cia分别表示b和a时间第i类土地利用程度面积占比。Lb-a>0时，该研究区域土地利用处于发展期；Lb-a<0时，该研究区域土地利用处于调整期或衰退期。

2.2.3 皮尔逊相关系数法

皮尔逊相关系数法是一种准确度量两个变量之间关系密切程度的统计学方法［25］。假设有自变量X=（x1，x2，……，xi ）和因变量Y=（y1，y2，……，yi ），则皮尔逊相关系数r的表达式如式5所示。

r=∑ni=1（xi-x）（yi-y）∑ni=1（xi-x）2∑ni=1（yi-y）2  （5）

式中：x和y分别为自变量X和因变量Y的均值，相关系数r的取值范围在-1和+1之间，即｜r｜≤1。｜r｜越接近1，则表明自变量X和因变量Y之间的线性相关程度越高。当r=-1时，表明自变量X和因变量Y之间为完全负线性相关关系；当r=1时，表明自变量X和因变量Y之间为完全正线性相关关系；当r=0时，表明自变量X和因变量Y之间不存在线性相关关系。

自变量X和因变量Y之间的相关程度可分为：当|r|≥0.8时，可视为自变量X和因变量Y之间存在高度相关；当0.5≤｜r｜<0.8时，可视为自变量X和因变量Y之间存在中度相关；当0.3≤｜r｜<0.5时，可视为自变量X和因变量Y之间存在低度相关；当|r|<0.3时，说明自变量X和因变量Y之间的相关性极弱，可视为非线性相关。

3 结果与分析

3.1 土地利用动态变化分析

3.1.1 土地利用变化幅度分析

利用ArcGIS 10.2统计功能，在空间数据库中统计长清区2011年、2014年、2017年和2020年6大土地利用类型的面积，利用式1和式2计算长清区2011—2020年不同时段各土地利用类型的土地利用变化幅度和土地利用变化速率，结果如表2所示。

由表2可以看出，耕地、草地、水体和未利用地在2011—2014年、2014—2017年和2017—2020年的土地利用变化幅度均为负值，其中，2011—2014年和2014—2017年的耕地变化幅度和变化速率均明显小于2017—2020年，可见近10年来长清区耕地、草地、水体和未利用地面积一直在减少，2017—2020年减少速度最快。林地在2011—2014年和2014—2017年的土地利用变化幅度均为负值，2017—2020年的土地利用变化幅度為正值，且数值明显高于2011—2014年和2014—2017年，说明林地在2011—2014年和2014—2017年面积缓速减少，在2017—2020年面积迅速增加，这与长清区地方政府践行绿色发展、退耕还林等政策有很大关系。建设用地在2011—2014年、2014—2017年和2017—2020年的土地利用变化幅度均为正值，建设用地面积一直在增加，说明在该时段内长清区城市发展快速，城市扩张明显，大量土地被开发利用。

3.1.2 土地利用变化程度分析

根据长清区2011年、2014年、2017年和2020年6大类土地利用面积，利用式3和式4计算长清区2011—2020年不同时段土地利用程度综合指数和土地利用程度变化量（图3）。

由图3可知，2011—2017年长清区土地利用程度综合指数呈现稳步递增趋势，2017—2020年土地利用程度综合指数明显下降。2011—2017年间，长清区城市化快速推进，经济发展速度加快，土地利用程度加深，土地利用效率稳步提升，土地利用的深度和广度逐步增强；2017—2020年间，由于绿色、高质量发展理念和退耕还林等政策实施影响，耕地、草地、水体等面积大幅减少，降低了长清区整体的土地利用程度。2011—2020年间，长清区土地利用程度综合指数在255～270之间，可以看出长清区对土地的开发利用程度整体处于中等水平，即城市发展和自然环境综合作用于土地资源的压力处于中等水平。

2011—2014年和2014—2017年，长清区土地利用程度变化量分别为0.5715和0.3779，说明这两个时间段内长清区土地利用处于发展期，经济社会发展加速，2011—2017年间，长清区土地利用强度呈逐渐增加趋势，人类活动对土地资源的影响日益深刻；2017—2020年，长清区土地利用程度变化量为-14.2691，说明这个时间段内长清区土地利用处于调整期，结合前文对长清区土地利用程度综合指数的分析可知，2017—2020年，践行绿色、高质量发展理念，长清区经济社会发展速度有所减缓，耕地、林地和水体面积减少，降低了人类活动对土地的利用程度。

3.2 土地利用变化成因分析

土地利用变化主要受自然因素和社会经济因素的影响，有关驱动力的研究结果表明，在短时期内，作用于土地利用变化的驱动因素主要为人类的社会经济活动［26］。选取长清区2011年、2014年、2017年和2020年人口（万人）、国内生产总值GDP（亿元）、固定资产投资（亿元）、房地产开发投资（亿元）、农林牧渔总产值（亿元）、粮食产量（万t）、规模以上工业主要营业收入（亿元）、社会消费零售总额（亿元）等8个主要社会经济指标作为影响长清区土地利用变化的驱动因子。利用Origin软件对驱动因子和六大类土地利用面积进行相关性分析，计算出置信度为95%下的皮尔逊相关系数（表3）。

（1）房地产开发投资、农林牧渔总产值与6类土地利用面积相关系数r的绝对值均大于0.9，说明这2个驱动因子对土地利用变化的驱动作用非常明显。房地产开发投资、农林牧渔总产值分别与耕地、草地、水体、未利用地面积的相关系数r为负值，说明房地产开发投资、农林牧渔总产值与这4类土地利用面积呈高度负相关；分别与林地、建设用地面积的相关系数r为正值，说明房地产开发投资、农林牧渔总产值与这两类土地利用面积呈高度正相关。

（2）人口、GDP、固定资产投资与6类土地利用面积相关系数r的绝对值除个别外均大于0.8，说明这3个驱动因子对土地利用变化的驱动作用明显。其中，人口、GDP分别与耕地、草地、水体、未利用地面积的相关系数r为负值，说明人口、GDP分别与这四类土地利用面积呈高度负相关；与林地、建设用地面积的相关系数r为正值，说明人口、GDP分别与这2类土地利用面积呈高度正相关；固定资产投资与耕地、草地、水体、未利用地面积的相关系数r为负值，说明固定资产投资与这四类土地利用面积呈高度负相关；与林地面积的相关系数r为正值，说明固定资产投资与林地面积呈高度正相关。

（3）规模以上工业主要营业收入与6类土地利用面积相关系数r的绝对值均大于0.7，其中，与建设用地面积的相关系数r为0.9285，说明规模以上工业主要营业收入对土地利用变化的驱动作用明显。粮食产量与耕地、林地、草地、水体、未利用地面积相关系数r的绝对值均在0.3～0.5范围内，与建设用地面积的相关系数r为-0.5208，说明粮食产量与这六类土地利用面积呈中低度相关，粮食产量对土地利用变化的驱动作用不明显。社会消费零售总额与耕地、林地、草地、水体、未利用地面积相关系数r的绝对值均小于0.3，与建设用地面积的相关系数r为0.4301，说明社会消费零售总额与这6类土地利用面积基本呈非线性相关，社会消费零售总额对土地利用变化的驱动作用非常不明显。

2011—2020年，长清区房地产开发投资从26.39亿元增长到77.4亿元、农林牧渔总产值从25.71亿元增长到71.6亿元、GDP由232.5亿元增长到371.9亿元、固定资产投资从189.64亿元增长到265.13亿元、规模以上工业主要营业收入从112亿元增长到243.2亿元，这5个驱动因子总体均呈现持续增长趋势，说明长清区近10年社会经济得到了长足的发展。伴随着经济发展，工矿用地、城乡建设用地、水利设施用地、住宅用地、商业用地等建设用地的需求不断增加，相应的必然导致其他类型土地利用面积的减少。另外，近年来长清区逐渐重视并践行绿色发展理念，实施了一些系列生态环境保护、退耕还林等措施。因此，建设用地、林地面积与这5个驱动因子之间呈现了高度正相关关系。2011—2020年，长清区人口从55.74万人增长到62.42万人，为满足相应人口的住房及相关配套设施的需求，建设用地面积也随之增长，因此，人口和建设用地面积呈现高度正相关。粮食产量和社会消费零售总额对土地利用变化的驱动作用不明显，相关性不强。

4 结论

本研究利用ArcGIS空间分析功能，揭示了济南市长清区2011—2020年土地利用变化的时空变化特征，选取8个社会经济驱动因子分析了长清区近10年土地利用变化的原因。

（1）2011—2020年，长清区耕地、草地、水体和未利用地面积一直在減少，2017—2020年减少速度最快；林地在2011—2014年和2014—2017年面积缓速减少，在2017—2020年面积迅速增加，这与长清区地方政府践行绿色发展、退耕还林等政策有很大关系；建设用地面积一直在增加，说明在该时段内长清区城市发展快速，城市扩张明显，大量土地被开发利用。

（2）2011—2017年长清区土地利用程度综合指数呈现稳步递增趋势，2017—2020年土地利用程度综合指数明显下降。近10年，长清区土地利用程度综合指数在255～270之间，可以看出长清区对土地的开发利用程度整体处于中等水平，即城市发展和自然环境综合作用于土地资源的压力处于中等水平。

（3）2011—2014年、2014—2017年，长清区土地利用程度变化量分别为0.5715和0.3779，这两个时间段内长清区土地利用处于发展期，经济社会发展加速；2017—2020年，长清区土地利用程度变化量为-14.2691，这个时间段内长清区土地利用处于调整期。

（4）人口、房地产开发投资、农林牧渔总产值、GDP、固定资产投资、规模以上工业主要营业收入这6个驱动因子对土地利用变化的驱动作用明显，与林地、建设用地面积均呈现高度正相关；粮食产量和社会消费零售总额对土地利用变化的驱动作用不明显，相关性不强。

参考文献：

［1］ 葛茹香，马超.干旱高原湖泊湿地土地利用变化与驱动因素分析：泊江海子湿地闭流区为例［J］.水土保持研究，2022，29（1）：376-385.

［2］ HE C Y， ZHANG J X， LIU Z F， et al. Characteristics and progress of land use/cover change research during 1990—2018［J］. Journal of Geographical Sciences， 2022， 32（3）： 537-559.

［3］ 刘光旭，王小军，相爱存，等.赣江中上游地区土地利用变化空间分异与驱动因素［J］.应用生态学报，2021，32（7）：2545-2554.

［4］ 吴健生，王政，张理卿，等.景观格局变化驱动力研究进展［J］.地理科学进展，2012，31（12）：1739-1746.

［5］ VADREVU K P， OHARA T. Focus on land use cover changes and environmental impacts in South/Southeast Asia［J］. Environmental Research Letters， 2020， 15（10）： DOI10.1088/1748-9326/abb5cb.

［6］ 王恳，李新举.城镇化背景下济南市土地利用变化驱动机制分析［J］.中国人口·资源与环境，2017，27（11）：151-155.

［7］ 李亨健，张杰，胡晓丹，等.基于遥感的丁字湾地区土地利用时空变化分析及地区生态修复建议［J］.山东国土资源，2021，37（6）：72-78.

［8］ 崔峰.城市边缘区土地利用变化及其生态环境响应：以南京市江宁区为例［D］.南京：南京农业大学，2013：1-20.

［9］ 邱高峯，马波.卢旺达共和国土地利用变化特征及其驱动因子［J］.水土保持通报，2022，42（3）：263-273.

［10］ CHUAI X W， WEN J Q， ZHUANG D C， et al. Intersection of physical and anthropogenic effects on land-use/land-cover changes in coastal China of Jiangsu Province［J］. Sustainability， 2019， 11（8）： DOI10.3390/su11082370.

［11］ XU X， GAO Q， PENG C H， et al. Integrating global socio-economic influences into a regional land use change model for China［J］. Frontiers of Earth Science， 2014， 8（1）： 81-92.

［12］ 吴清婷，彭贤伟，简萍，等.铜仁市碧江区土地利用变化的时空特征及其驱动因素［J］.科学技术与工程，2020，20（4）：1326-1336.

［13］ 关梅，张文信，蒋海明，等.山东省土地利用变化的生态系统服务交叉敏感性评价［J］.中国农业大学学报，2022，27（6）：192-203.

［14］ 刘超，许月卿，卢新海.生态脆弱贫困区土地利用多功能权衡/协同格局演变与优化分区：以张家口市为例［J］.经济地理，2021，41（1）：181-190.

［15］ 厉静文，董锁成，李宇，等.中蒙俄经济走廊土地利用变化格局及其驱动因素研究［J］.地理研究，2021，40（11）：3073-3091.

［16］ 刘敬杰，夏敏，刘友兆，等.基于多智能体与CA结合模型分析的农村土地利用变化驱动机制［J］.农业工程学报，2018，34（6）：242-252.

［17］ 樊舒迪，刘振华，朱明帮，等.基于地理探测器的广州市土地利用时序变化及影响因素研究［J］.西南农业学报，2022，35（10）：2276-2289.

［18］ PJANOVIC B， DABOVIC T， DORDEVIC T， et al. Assessment of the importance of the drivers of land-use/land-cover changes on the national level： the case of Serbia［J］. Fresenius Environmental Bulletin， 2022， 31（9）： 9741-9754.

［19］ 鮑文楷，杨园园，邹利林.快速城镇化地区土地利用变化强度及驱动力新特征：以京津冀地区为例［J］.西南大学学报（自然科学版），2021，43（10）：124-134.

［20］ 黎云云，畅建霞，樊晶晶，等.气候和土地利用变化下黄河流域农业干旱时空演变及驱动机制［J］.农业工程学报，2021，37（19）：84-93.

［21］ 李进涛，刘彦随，杨园园，等.1985—2015年京津冀地区城市建设用地时空演变特征及驱动因素研究［J］.地理研究，2018，37（1）：37-52.

［22］ 邸晓慧.重庆市江津区土地利用系统健康评价［D］.重庆：西南大学，2021：1-20.

［23］ 刘纪远，宁佳，匡文慧，等.2010—2015年中国土地利用变化的时空格局与新特征［J］.地理学报，2018，73（5）：789-802.

［24］ 刘纪远.中国资源环境遥感宏观调查与动态研究［M］.北京：中国科学技术出版社，1996：1-15.

［25］ 张丽平.基于地理国情数据的城市土地利用变化及其地表降雨径流影响分析［D］.济南：山东建筑大学，2022：1-20.

［26］ 龙花楼，王文杰，翟刚，等.安徽省土地利用变化及其驱动力分析［J］.长江流域资源与环境，2002，11（6）：526-530.

Spatial-Temporal Differentiation and its Causes of Land Use Change from 2011 to 2020 in Changqing District in Ji'nan City

LI Yunpeng， LIANG Yong， WU Kai， WANG Changpeng， QI Jun

（Ji'nan Geotechnical Investigation and Surveying Institute， Shandong Ji'nan 250101， China）

Abstract：Studying the spatiotemporal changes and driving factors of urban land use is of great significance for promoting the rational use of land resources and sustainable ecological， social， and economic development in cities. By using ArcGIS， land use data has been  to quantitatively extracted， a land use change amplitude model and a land use change degree model have been established， and  the spatiotemporal changes in land use in Changqing district from 2011 to 2020 has been analyzed. Selecting 8 social and economic driving factors， by using Pearson correlation coefficient method，  social and economic driving mechanism of land use change has been studied. It is indicated that land use in Changqing district is in the adjustment stage after 2017， and land use planning should be optimized to enhance social economic ecological comprehensive benefits of land use.

Key words： Land use; spatial and temporal differentiation; transfer matrix; driving force; Changqing district of Ji'nan city

收稿日期：2023-02-07；

修订日期：2023-02-14；

编辑：曹丽丽

基金项目：山东省工业和信息化厅，实景三维济南建设关键技术研究及应用示范（202260101363）

作者简介：李云鹏（1992—），男，山东济南人，工程师，主要从事自然资源调查与监测研究；E-mail：nylypn@163.com *

通讯作者：梁勇（1982—），男，山东济南人，高级工程师、硕士，主要从事自然资源专项调查监测评价研究；E-mail：506853782@qq.com