土地利用功能权衡协同关系及其驱动因子研究

摘要：研究目的：揭示2021年武汉市“农业生产—非农生产—生活—生态”土地利用功能系统间的权衡协同关系，探索不同主体功能情形设定下驱动因子的影响差异性，为促进当地土地资源的优化利用与空间精细化管理提供参考依据。研究方法：地理空间分析法，皮尔逊相关系数法，贝叶斯网络模型。研究结果：（1）武汉市不同土地利用功能空间分异特征明显，农业生产功能的高值与较高值主要集中在武汉市北部与南部地区，非农生产与生活功能基本呈现“中心城区高、远城区低”的特征，生态功能的低值、高值分布特征则与建设用地、林地等土地利用类型高度关联；（2）研究区非农生产与生活功能互为协同关系（r = 0.84），农业生产与非农生产功能（r = -0.25）、生活功能（r = -0.25）互为权衡关系，生态功能与非农生产功能（r = -0.36）、生活功能（r = -0.4）互为权衡关系，生态与农业生产功能则无明显相互关系（r = -0.027）；（3）人类活动强度、距区中心远近、土地利用强度、地表径流量是影响当地土地利用功能差异化发展的关键驱动因子，且在不同主体功能情形设定下，各因子的状态变化不尽相同。研究结论：武汉市应注重不同区域间的非农生产、生活功能平衡发展，通过建成区的生态宜居建设与城乡均衡发展改善土地利用功能间的权衡关系，并基于不同地区的主体功能制定差异化的管控策略。

关键词：土地利用功能；权衡协同关系；贝叶斯网络模型；武汉市

中图分类号：F301.2 文献标志码：A 文章编号：1001-8158（2024）06-0066-12

基金项目：国家社科基金重大项目“共享发展理念下的我国新型城乡土地制度体系构建研究”（16ZDA020）。

改革开放以来，我国工业化与城镇化高速发展，取得了举世瞩目的成就。但长期以来的粗放发展模式，导致产生城镇用地无序扩张与利用低效、农业用地被过多侵占以及生态系统功能退化等一系列问题[1-3]。目前我国经济已由高速增长阶段转向高质量发展阶段，在由“数量追赶”向“质量追赶”的发展取向转变新形势下[4]，如何实现土地资源优化利用成为当前土地资源管理工作亟需解决的关键问题之一。土地利用功能即土地资源为人类活动提供各种有形与无形产品和服务的能力[5]，其功能实现的有效性与多元性是促进区域土地优化利用的重要途径。不同类别的土地利用功能系统间存在着复杂的权衡（此消彼长）与协同（相互增益）关系，掌握土地利用功能系统间的相互关系及其驱动因子，能为区域土地利用优化提供参考依据。

学术界针对土地利用功能的研究主要包括功能类型划分与实证分析两大部分：功能类型划分方面，较为主流的分类方式是依据土地的主导用途属性分为生产、生活、生态（环境）三大类[6]，也有学者在此基础上出于不同研究视角进行细化，如依据农业、城镇、生态空间布局分为农业生产、非农生产、生活保障、生态服务4种功能[7]，结合乡村振兴目标，将乡村土地利用分为生产、生活、生态、文化4种功能[8]等。实证分析方面，多采取地类赋值法[9-10]、指标体系评价法[11-13]等进行功能识别与评价，通过耦合协调分析[14-16]、空间相关性分析[17]等方法判断不同土地利用功能系统间的相互关系，并利用空间回归模型[18]、地理探测器模型[19-20]等方法，从自然地理、社会经济及政策[21-22]等角度开展驱动因子分析。

这些研究揭示了土地利用功能分类的多样性以及不同区域多种土地利用功能的时空分异特征与相互关系，但在实证分析方面，研究尺度多以全国、省域、城市群等为主，较少基于市域视角对土地利用功能空间异质性进行精细化分析，且主体功能区划作为我国国土空间合理利用与保护的重要手段[23]，上述研究的驱动因子分析对于如何实现不同主体功能区的土地利用功能差异化发展也存在一定局限性。为解决上述研究的不足之处，近些年来，微观尺度下的土地利用功能研究已成热点[24-26]。多综合运用卫星遥感影像、土地利用、经济社会等多维数据，以细分网格为分析单位，研判不同区域土地利用功能水平及其权衡协同关系，所得结果更具精准性，能更好地识别不同区域土地利用功能的空间分布差异。同时，在生态系统服务研究领域，贝叶斯网络模型能直观反映驱动因子在不同目标状态下的影响作用差异，如FENG等[27]利用贝叶斯网模型模拟生态系统服务供给过程，并采用敏感性分析识别影响生态系统服务供应的关键因素。荔童等[28]基于贝叶斯网络模型，对处于不同权衡协同关系的生态系统服务进行动态情形模拟分析，发现各驱动因子在不同目标状态下产生协同（或权衡）方式存在显著差异。

本文以武汉市为例，拟从以下两个方面进行拓展：一是从微观尺度出发，量化评估当地2021年土地利用功能各系统指数及其权衡协同关系；二是构建贝叶斯网络模型，以权衡协同关系为基础进行不同主体功能情形设定，确定影响土地利用功能权衡协同关系的关键驱动因子，以期为武汉市未来的土地利用优化与空间精细化管理提供参考依据。

1 研究区域概况与数据来源

1.1 研究区域概况

武汉市地处江汉平原东部，是我国两型社会建设综合配套改革试验区、全面创新改革试验区、长江经济带中游核心城市。作为我国重要的工业与科教基地，近年来，伴随着经济社会的高速发展与城镇化进程的快速推进，武汉市土地利用强度日渐加强。2002—2021年，武汉市GDP由1 467.8亿元增至17 716.76亿元，人口密度由970人/km2增至1 593人/km2，建成区面积由214.22 km2增至885.1 km2，整体扩张4.13倍①，致使城市外围农业与生态空间被大量侵占，三生空间协调发展问题愈趋严峻。目前，武汉市已发布《武汉市国土空间总体规划（2021—2035年）》，对市域范围内的生态、农业农村、城镇空间作出了明确划定，因此，从三生空间视角出发掌握当地土地利用功能的空间分异特征，了解各功能彼此间的权衡协同关系及其驱动因子，对实现武汉市土地资源的集约高效利用具有重要现实意义。

1.2 数据来源及处理

本文所涉及的经济社会、土地利用、资源环境等数据来源如下：（1）粮食产量、人口、经济数据来源于2022年武汉市统计年鉴；（2）土地利用数据来自基于欧洲空间局卫星图像数据的Sentinel-2土地覆盖资源管理器，分辨率为10 m；（3）NPP-VIIRS夜间灯光数据来自地球观测组，分辨率为500 m，并采用CHEN等[29]的方法进行矫正；（4）净初级生产力（NPP）、蒸散发、归一化植被指数（NDVI）数据来自GEE平台，分辨率分别为500 m、500 m和30 m；（5）教育、医疗设施POI数据采自高德开放平台，并经过人工筛选剔除重复项；（6）土壤相关数据来自世界土壤数据库（HWSD）的中国土壤数据集，比例尺为1∶100万；（7）降水气象数据来自国家地球系统科学数据中心（https：//www.geodata.cn/），分辨率为1 km；（8）数字高程模型（DEM）数据来自地理空间数据云 （https：// www.gscloud.cn/），分辨率为30 m。以上数据除土壤与DEM数据外年份均为2021年，在ArcGIS 10.2平台上对所有栅格数据进行空间分辨率30 m重采样，采取WGS_1984_UTM_zone_50N标准进行统一投影，并构建600 m×600 m网格开展分析。

2 实证研究设计

2.1 土地利用功能指数评价

“三生空间”理论即依据国土空间的不同用途属性与结构功能，将其划分为生产、生活与生态空间。人类基于自身发展需求对各类空间进行开发、利用或保护，从而演变出多样的土地利用类型[30]，由此产生了土地利用的生产、生活与生态功能。其中，生产功能指人类利用土地进行各类经济产品生产的能力，可进一步细分为利用农地资源进行农产品生产与利用建设用地进行非农产品（服务）生产两部分；生活功能即土地为人类活动提供居住场所和生活服务的能力，主要包括居住承载功能与生活服务供给功能；生态功能则是指土地为人类提供生态产品与服务，保持区域生态系统良性发展的能力。据此本文将土地利用功能分为生产、生活、生态功能系统。同时鉴于研究区九成以上的粮食生产与耕地资源集中在远城区，且农业与非农生产功能的影响因素存在一定差异，因此，将土地利用功能细化为“农业生产、非农生产、生活、生态”4个功能系统。基于科学性、全面性、数据可获取性原则，结合武汉市实际情况及《武汉市国土空间总体规划（2021—2035年）》，同时参考学术界相关研究[24-26]，以突出各子系统核心功能为出发点，确定具体指标如下：

2.1.1 农业生产功能

2.3 基于贝叶斯网络的驱动因子分析

2.3.1 贝叶斯网络模型构建

贝叶斯网络（Bayesian Belief Network）是一种基于概率模型来反映不确定条件下变量潜在相互关系的一种图形网络[39]。主要由通过有向无环图确定各变量间相互依赖关系的网络结构学习，与通过条件概率表体现节点之间相互关系强弱的参数学习两部分组成。该模型通过网络结构学习所得的先验概率结合似然函数计算出的后验概率，能对研究对象的发生概率进行重新评估。利用该特性本研究可以通过不同主体土地利用功能的情形设定，确定影响不同功能权衡协同关系的关键影响因素。贝叶斯网络结构中的节点变量选取体现研究对象内在的逻辑关系[40]，因此，本文将土地利用功能各子系统的评价值设为目标节点，在前文各指标构成变量的基础上，参考相关文献[24]，确定NPP、NDVI、降雨量、蒸散发量、地表径流量、降雨侵蚀、土壤可蚀性、DEM、人类活动强度、土地利用强度、距区中心远近为驱动因子节点①，搭建贝叶斯网络分析框架。贝叶斯网络对于离散化数据的处理效果最佳，因此，在ArcGIS 10.2平台中利用自然断点法对全部变量进行离散化处理分为“低、较低、中、较高、高”5个等级，以前文构建的网格为单位提取各变量数据，带入Netica软件进行驱动因子重要性与动态模拟分析，具体节点变量状态分级见表2。

2.3.2 驱动因子重要性分析

在识别研究区土地利用功能系统间的权衡协同关系与各驱动因子的重要程度基础上，参考FENG等的研究[27]，基于不同主体功能区土地利用功能的差异化发展需求，对处于不同权衡协同关系的土地利用功能系统进行情形设置（表3）。利用贝叶斯网络的概率推导，计算不同情形设定下各关键驱动因子的后验概率相较先验概率的变化情况，以变化幅度超过25%为标准，确定影响研究区土地利用功能差异化发展的关键驱动因子。

3 实证结果分析

3.1 土地利用功能评价指数空间可视化分析

2021年武汉市土地利用功能评价指数空间分布如图1所示，为方便结果展示，对除生态功能外的其他功能指数，在ArcGIS 10.2平台中与对应的土地利用类型进行相交处理。其中，农业生产功能指数的高值主要集中分布在武汉市的北部（新洲区、黄陂区）与蔡甸区西南部，较高值与中值主要集中在江夏区南部与西南角，较低值主要集中在东西湖区东部等，且武汉市北部、西南部、南部的农业生产功能呈现高值、较高值、中值交错分布的格局特征。具体来看，新洲区、江夏区、黄陂区作为武汉市乃至湖北省的粮食主产区，2021年贡献了全市73.6%的粮食作物产量。其中，高值较为集中的黄陂与新洲区因耕地面积广阔，农业生产能力较强，较高值集中的江夏区则因区域内林地、耕地交错分布面积较广，连片耕地面积相对较小，因此，其农业生产功能受到一定影响。

非农生产功能指数的高值集中分布在江汉区与汉南区，且武昌区存在零散分布，较高值集中在硚口区、江岸区与武昌区，且洪山区等存在较高值零散分布，中值主要集中在青山区、汉阳区、洪山区、东西湖区，较低值主要分布在江夏区、黄陂区、新洲区等远城区。高值大范围集中区域的产生原因与江汉区作为武汉市商业与金融中心，现代金融与现代商贸产业发达，汉南区作为国家级高新技术开发区，汽车制造、航空航天、新材料等高新技术产业发达，且两区建设用地面积相对较小有关，低值产生的原因则与远城区的农业生产主导定位存在一定关联。

生活功能指数的分布格局与非农生产功能基本一致，差异主要体现在中心城区的硚口区、江岸区靠近江汉区部分、武昌区绝大部分为高值，汉阳区沿长江、汉江区域主要为较高值，青山区基本呈现距市中心越远，较高值向较低值递减的分布特征；远城区则呈现由区中心较高值向中值、较低值辐射分散的分布特征，汉南区除中部建成区域中值集聚外，其余均为较低水平等。具体来看，人口与公服设施集聚与城市扩张密不可分，武汉市呈现的中心城区以长江为中轴线向两岸扩张发展、远城区由区中心向四周辐射扩张的城市建设格局，造就了当地生活功能评价指数由中心向周边地区阶梯式递减的空间分布特征。

生态功能指数的高值除集中分布在黄陂区北部以及新洲东北部地区外，其余零散分布在蔡甸区、洪山区、江夏区等地，且北部地区呈现较高值、中值混合分布的特征。较高值集中分布在武汉市东南角，中值集中分布在江夏区南部等，中心城区及远城区中心则基本为低值水平。结合研究区土地利用数据来看，2021年武汉市生态功能低值、高值的分布特征，分别与建设用地、林地等土地利用类型存在高度关联，即植被覆盖度越高、人类活动越少的区域生态功能指数越高。

3.2 土地利用功能权衡协同关系分析

2021年武汉市土地利用功能权衡协同关系分析结果详见图2，可知，2021年研究区非农生产与生活功能互为协同关系，且互为增益状态最为明显（r = 0.84），农业生产功能与非农生产、生活功能，生态功能与非农生产、生活功能互为权衡关系，生态与农业生产功能则无明显相互关系（r = -0.027）。权衡关系中，生态与非农生产功能（r = -0.36）、生活功能（r = -0.4）的权衡关系最强，结合图1可知，2021年武汉市绝大部分建成区域的生态功能为低值水平，因此，加强建成区域的生态系统服务能力是促进三者协同发展的关键所在。对于农业生产与非农生产、生活功能的权衡关系而言，当地远城区农业生产空间内农村聚集点在非农生产、生活功能上的低值水平，是导致三者出现权衡关系的主要原因。因此，在不侵占农业生产空间的前提下，进一步促进城乡均衡发展，能一定程度上缓解三者的权衡关系。

3.3 土地利用功能权衡协同关系驱动因子分析

3.3.1 贝叶斯网络训练结果与精度验证

贝叶斯网络结构学习结果展示了11个驱动因子与4个目标节点组合形成的19对作用关系及其先验概率（图3）。采用Netica软件的误差矩阵实现对模型预测精度的验证，计算所得农业生产、非农生产、生活、生态功能的预测准确率分别为67.3%、88.37%、89.47%、74.67%，模型预测总精度为79.95%。说明模型整体模拟精度较高，能通过驱动因子节点变量较为有效地预测上述4个目标节点的概率状况。

3.3.2 土地利用功能驱动因子重要性分析

研究区各土地利用功能系统的驱动因子重要性分析结果详见表4，可知在VR值大于0.5%的识别标准下，影响研究区“农业生产、非农生产、生活、生态”土地利用功能的关键驱动因子分别如下：

对于农业生产功能来说，NPP、土地利用强度、NDVI、DEM均有较为显著的影响效果，且NPP的VR值最大（8.27%）。具体来说，NPP作为粮食作物生长的能量来源之一，NPP高值区域为粮食作物提供生长所需的养分和土壤肥力的能力也就越强。其次，粮食作物作为人类利用耕地资源进行农业生产的主要产出，其产量和质量的高低与耕地资源的利用强度和效率存在一定关联。同时，NDVI反映了植被绿度和生物量积累情况，NDVI高值区域的粮食作物生长状态通常较好。最后，DEM反映了地区的地形海拔高低，不同高程区域的气温变化、光照强度、土壤特性等存在一定差异，从而对粮食作物的生长也会产生一定影响。因此，上述4个因子的高低水平，对于研究区农业生产功能至关重要。

对于非农生产与生活功能来说，人类活动强度、土地利用强度、距区中心远近的影响效果最为显著，且人类活动强度与土地利用强度的影响程度最高（VR值均大于27%），究其原因，较高的人类活动与土地利用强度的区域通常人口较为密集、经济社会活动较为繁荣，同时，距区中心越近的区域往往规划与建设起步较早，且能享有更多政策扶持与资源分配。因此，上述3个因子高值集中的区域，就业机会、产业发展水平、人口与公共服务设施集聚等较低值地区更具优势，与之对应的非农生产与生活功能也就越强。

对于生态功能来说，地表径流量、NDVI、土壤可蚀性的影响效果最为显著，且地表径流量的VR值最大（7.2%）。地表径流量、NDVI与土地利用类型息息相关，如建设用地的降雨渗透能力与植被覆盖率相对较低，因此，在本文构建的以韧性城市建设为考核目标的生态功能评价体系下，绝大部分建成区域的评价指数为低值水平。同时，土壤可蚀性反映了土壤表层在水流作用下易于被侵蚀的性质，因此，其高低水平对韧性城市的建设具有重要影响。

综上所述，确定NPP、DEM、人类活动强度（HAI）、距区中心远近（DFC）、土地利用强度（LUI）、地表径流量（SR）、NDVI、土壤可蚀性（SE）为影响研究区各土地利用功能的关键驱动因子。

3.3.3 权衡协同关系关键驱动因子识别

在前文确定的土地利用功能关键驱动因子及其权衡协同关系基础上，利用贝叶斯网络的概率推导，通过观察不同主体功能情形设定下（表3），关键驱动因子后验概率较先验概率的变化情况（图4）可知，在增减幅度超过25%的标准下，影响土地利用功能权衡协同关系，实现功能差异化发展的关键驱动因子为人类活动强度、土地利用强度、距区中心远近与地表径流量。

具体来看，在针对协同关系的情形1设定中，人类活动强度、距区中心远近、土地利用强度3个变量高值增多的状态下，能促使非农生产与生活功能的高值协同。在针对权衡关系情形设定中，情形4a下，人类活动强度、土地利用强度、地表径流量等的高值增加，能促使研究区生态功能低值与非农生产、生活功能的高值权衡。而在与之对应的情形3a下，虽然各驱动因子变化幅度未超过25%，但上述3个驱动因子低值、NDVI高值等的增加，也能实现生态功能高值与非农生产、生活功能低值权衡。在情形3b下，以土地利用强度的较高值增加为主，NPP较高值与高值、人类活动强度低值等增加为辅的状态下，能实现农业生产功能高值与非农生产、生活功能低值的权衡，情形4b下，关键驱动因子的变化情况则与情形1的发现基本一致，在此基础上，NPP低值与NDVI较低值、中值等的小幅度增加，能实现农业生产功能低值与非农生产、生活功能的高值权衡。

4 结论与讨论

本文综合运用地理空间数据、经济社会数据等，对2021年武汉市“农业生产、非农生产、生活、生态”土地利用功能指数进行测算，在此基础上，运用皮尔逊相关系数法辨识不同土地利用功能的权衡协同关系，最后构建贝叶斯网络模型，通过不同的主体功能情形设置，分析其权衡协同关系的关键驱动因子影响效果差异性，研究结论如下：

（1）2021年武汉市不同土地利用功能的空间分布格局差异显著，其中，农业生产功能的高值与较高值大部分集中在武汉市北部与南部地区；非农生产与生活功能基本呈现由市中心向四周辐射递减的分布特征；生态功能的高值地区则与林地高度重叠，且绝大部分的建成区域基本为低值水平。

（2）研究区非农生产与生活功能互为协同关系，农业生产、生态功能与非农生产、生活功能各为权衡关系，生态与农业生产功能则无明显相互关系，要实现整体权衡关系的改善，应注重建成区域的生态服务系统优化以及城乡均衡发展。

（3）人类活动强度、距区中心远近、土地利用强度、地表径流量是影响当地土地利用功能权衡协同关系的关键驱动因子，且在不同主体功能情形设定下，各驱动因子的状态变化也不尽相同。因此，要实现不同功能间权衡协同关系的减弱或加强，因视具体区域的主体功能规划来应用。

在土地利用功能评价的基础上，辨析不同功能系统间的权衡协同关系及其关键驱动因子是实现区域三生空间优化的重要基础和依据。本文研究成果能为当地土地利用的空间精细管控提供一定参考借鉴。

（1）量化评价结果表明武汉市非农生产与生活功能均存在显著的发展失衡问题，非农生产功能方面，中心城区中洪山区、汉阳区与青山区等仍有大幅提升的潜力，这些区域应注重产业差异化发展，在已有支柱产业基础上结合自身区位优势，调整优化产业结构；生活功能方面，应强化主城区与新城区的互动联系，提升新城区的公共基础设施覆盖，实现土地城镇化与人口城镇化的统筹发展。

（2）城乡二元结构与建成区域的生态功能不足是导致武汉市土地利用功能出现权衡关系的主要原因。要实现三生功能的权衡关系改善，对于农村地区来说，应进一步促进城乡区域的协调联动，形成城乡融合发展新格局。对于城市地区来说，应强化整体建成区域的生态宜居与韧性城市建设，补足生态功能短板。

（3）主体功能区规划作为实现区域土地利用功能差异化发展的重要抓手，对于农业生产主体区，应适当加强耕地土地利用强度并减少人类活动，通过生态系统恢复与保护等手段提升区域内的NPP值，以此实现区域内农业生产功能高值与非农生产、生活功能低值的权衡。对于生态保护优先区，则应控制人类活动强度与减少土地开发利用，通过加强水土保持与植被管理等手段减少地表径流量，以此提升区域内的生态功能，减弱其非农生产与生活功能。

为客观真实反映研究区土地利用功能的现实状况，本文将研究时间设为综合数据均可获取的最近年份2021年，囿于部分数据的获取难度，所使用的土地利用数据在分类体系划定上，与国内研究中常见采用的中国科学院资源环境科学数据中心提供的土地利用数据存在一定差异，可能会对土地利用功能指数的测算精度产生轻微影响。同时，例如研究区林产品产量等分区统计资料的缺失，使得本文在农业生产功能方面未能引入林产品生产等指标。因此，后续土地利用功能系统的研究工作，需结合研究区实际情况采取更结合我国土地利用现状的数据资料，建立更为完善的评价指标与驱动因子体系开展相关研究。

参考文献（References）：

[1] LONG H L， ZOU J， PYKETT J， et al. Analysis of rural transformation development in China since the turn of the new millennium[J] . Applied Geography， 2011， 31（3）： 1094- 1105.

[2] QU Y B， ZHAN L Y， WEI C C， et al. Interactive transition of cultivated land and construction land during China’s urbanization： a coordinated analytical framework of explicit and implicit forms[J] . Land Use Policy， 2024， 138. doi： 10.1016/j.landusepol.2024.107049.

[3] 俞孔坚，王思思，李迪华，等.北京城市扩张的生态底线——基本生态系统服务及其安全格局[J] .城市规划，2010，34（2）：19 - 24.

[4] 王一鸣.百年大变局、高质量发展与构建新发展格局[J] .管理世界，2020，36（12）：1 - 13.

[5] GROOT R D. Function-analysis and valuation as a tool to assess land use conflicts in planning for sustainable， multifunctional landscapes[J] . Landscape Urban Planning， 2006， 75（3 - 4）： 175 - 186.

[6] 陈睿山，蔡运龙，严祥，等.土地系统功能及其可持续性评价[J] .中国土地科学，2011，25（1）：8 - 15.

[7] 范业婷，金晓斌，甘乐，等.长三角地区土地利用功能权衡的空间特征及其影响机制[J] .资源科学，2022，44（8）：1589 - 1603.

[8] 姜棪峰，龙花楼，唐郁婷.土地整治与乡村振兴——土地利用多功能性视角[J] .地理科学进展，2021，40（3）：487- 497.

[9] 刘继来，刘彦随，李裕瑞.中国“三生空间”分类评价与时空格局分析[J] .地理学报，2017，72（7）：1290 - 1304.

[10] 金星星，陆玉麒，林金煌，等.闽三角城市群生产-生活-生态时空格局演化与功能测度[J] .生态学报，2018，38（12）：4286 - 4295.

[11] 逯承鹏，纪薇，刘志良，等.黄河流域甘肃段县域“三生”功能空间时空格局及影响因素识别[J] .地理科学，2022，42（4）：579 - 588.

[12] 倪维秋，夏源，赵宁宁.乡村地域“三生空间”功能演化与耦合协调度研究——以黑龙江省为例[J] .中国土地科学，2022，36（9）：111 - 119.

[13] 李广东，方创琳.城市生态—生产—生活空间功能定量识别与分析[J] .地理学报，2016，71（1）：49 - 65.

[14] 陕永杰，魏绍康，原卫利，等.长江三角洲城市群“三生”功能耦合协调时空分异及其影响因素[J] .生态学报，2022，42（16）：6644 - 6655.

[15] 王成，唐宁.重庆市乡村三生空间功能耦合协调的时空特征与格局演化[J] .地理研究，2018，37（6）：1100 -1114.

[16] 张路路，郑新奇，孟超，等.湖南省土地多功能耦合协调度时空分异[J] .中国土地科学，2019，33（3）：85 - 94.

[17] 李欣，方斌，殷如梦，等.江苏省县域“三生”功能时空变化及协同/权衡关系[J] .自然资源学报，2019，34（11）：2363 - 2377.

[18] 康庆，郭青霞，丁一，等.山西省2005 - 2018年“三生”功能的时空分异特征及其影响因素[J] .水土保持通报，2021，41（5）：327 - 337.

[19] 任君，周伟，郭婧，等.青藏高寒山区土地利用多功能时空分异特征及影响因素探析——以青海省海东市为例[J] .中国土地科学，2021，35（4）：90 - 100.

[20] 逯承鹏，纪薇，刘志良，等.黄河流域甘肃段县域“三生”功能空间时空格局及影响因素识别[J] .地理科学，2022，42（4）：579 - 588.

[21] 孙丕苓，许月卿，刘庆果，等.环京津贫困带土地利用多功能性的县域尺度时空分异及影响因素[J] .农业工程学报，2017，33（15）：283 - 292.

[22] 刘愿理，廖和平，李涛，等.山区土地利用多功能时空分异特征及影响因素分析[J] .农业工程学报，2019，35（21）：271 - 279.

[23] 樊杰.中国主体功能区划方案[J] .地理学报，2015，70（2）：186 - 201.

[24] ZHU C M， DONG B Y， LI S N， et al. Identifying the tradeoffs and synergies among land use functions and their influencing factors from a geospatial perspective： a case study in Hangzhou， China[J] . Journal of Cleaner Production， 2021， 314. doi： 10.1016/j.jclepro.2021.128026.

[25] YANG Y Y， REN X Z， YAN J M. Trade-offs or synergies Identifying dynamic land use functions and their interrelations at the grid scale in urban agglomeration[J] . Cities， 2023， 140. doi： 10.1016/j.cities.2023.104384.

[26] LI S N， ZHU C M， LIN Y， et al. Conflicts between agricultural and ecological functions and their driving mechanisms in agroforestry ecotone areas from the perspective of land use functions[J] . Journal of Cleaner Production， 2021， 317. doi： 10.1016/j.jclepro.2021.128453.

[27] FENG Z， JIN X R， CHEN T Q， et al. Understanding trade-offs and synergies of ecosystem services to support the decision-making in the Beijing-Tianjin-Hebei region[J] . Land Use Policy， 2021， 106. doi： 10.1016/ j.landusepol.2021.105446.

[28] 荔童，梁小英，张杰，等.基于贝叶斯网络的生态系统服务权衡协同关系及其驱动因子分析——以陕北黄土高原为例[J] .生态学报， 2023， 43（16）：6758 - 6771.

[29] CHEN Z Q， YU B L， YANG C S， et al. An extended time series （2000-2018） of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration[J] . Earth System Science Data， 2021， 13（3）： 889 - 906.

[30] 段亚明，黄安，卢龙辉，等.“生产-生活-生态”空间的概念与理论研究[J] .中国农业大学学报，2023，28（4）：170- 182.

[31] ZHANG Y N， LONG H L， TU S S， et al. Spatial identification of land use functions and their tradeoffs/synergies in China： implications for sustainable land management[J] . Ecological Indicators， 2019， 107. doi： 10.1016/j.ecolind.2019.105550.

[32] LU D S， TIAN H Q， ZHOU G M， et al. Regional mapping of human settlements in southeastern China with multisensor remotely sensed data[J] . Remote Sensing of Environment， 2008， 112（9）： 3668 - 3679.

[33] 嵇娟，陈军飞，丁童慧，等.长三角城市群城市洪涝韧性与生态系统服务耦合协调研究[J] .生态学报，2024，44（7）：2772 - 2785.

[34] KEESSTRA S， NUNES J， NOVARA A， et al. The superior effect of nature based solutions in land management for enhancing ecosystem services[J] . Science of the Total Environment， 2018， 610 - 611： 997 - 1009.

[35] 杜世勋，刘海江，张梦莹，等.水源涵养型国家重点生态功能区生态系统服务功能评估[J] .生态学报， 2022，24（11）：4349 - 4361.

[36] 王勇，杨彦昆，程先，等.土壤保持功能对土地利用变化的敏感性研究[J] .水土保持学报，2020，34（6）：22 - 29.

[37] XU L， YU G R， HE N P. Increased soil organic carbon storage in Chinese terrestrial ecosystems from the 1980s to the 2010s[J] . Journal of Geographical Sciences， 2019， 29（1）： 49 - 66.

[38] GU F X， ZHANG Y D， HUANG M， et al. Climate-induced increase in terrestrial carbon storage in the Yangtze River Economic Belt[J] . Ecology and Evolution， 2021， 11（12）： 7211 - 7225.

[39] GRAFIUS D R， CORSTANJE R， WARREN P H， et al. Using GIS-linked Bayesian belief networks as a tool for modelling urban biodiversity[J] . Landscape and Urban Planning， 2019， 189： 382 - 395.

[40] NAGARAJAN R， SCUTARI M， LèBRE S. Bayesian Networks in R[M] . New York： Springer New York， 2013： 44.

[41] 庄大方，刘纪远.中国土地利用程度的区域分异模型研究[J] .自然资源学报，1997，12（2）：10 - 16.

Research on Trade-offs and Synergy Relationship of Land Use Functions and the Driving Factors： A Case Study in Wuhan

ZENG Kaihao， TANG Jian，YANG Shengfu

（School of Public Administration， China University of Geosciences （Wuhan），Wuhan 430074， China）

Abstract： The purposes of this study are to reveal the trade-offs and synergy relationship among agricultural production， non-agricultural production， living and ecological land use functions （LUFs） in Wuhan in 2021， to explore the differences in the impact of driving factors under different dominant function settings， and to provide references for promoting the optimal utilization and spatial refinement management of local land resources. The research methods include geospatial analysis， pearson correlation coefficient and Bayesian Network model. The results indicate that： 1） LUFs of Wuhan exhibits significant spatial differentiation. Areas with higher values for agricultural production function are mainly concentrated in the northern and southern regions of Wuhan. Non-agricultural production and living functions generally show a “higher value in the central urban area， lower value in the suburbs” pattern. While the distribution of low and high values of ecological function is closely associated with land use types， such as construction land and forests. 2） In the study area， there is a synergy relationship between non-agricultural production and living functions （r=0.84）. Agricultural production is in a trade-off relationship with non-agricultural production （r=-0.25） and living （r=-0.25） functions. Ecological function is in a trade-off relationship with non-agricultural production （r=-0.36）and living （r=-0.4） functions. However， there is no apparent mutual relationship between ecological and agricultural production functions （r=-0.027）. 3） The key driving factors of the differentiated development of LUFs include human activity intensity， distance from the central urban， land use intensity and surface runoff. Additionally， the status changes of these factors vary under different dominant function settings. In conclusion， Wuhan should pay attention to the balanced development of non-agricultural production and living functions in the different areas. To ameliorate the tradeoffs relationship between LUFs， ecological livable construction in built-up areas and balanced urban-rural development should be adopted. Moreover， differentiated control strategies should be formulated based on the main functions of different regions.

Key words： land use function； trade-offs and synergy relationship； Bayesian Network model； Wuhan

（本文责编：陈美景）