2013—2022年G市土地利用/覆被变化分析

摘要" 为研究G市近十年的土地利用情况，选取2013和2022年的地表覆盖数据作为数据源，借助ArcGIS 10.8软件进行镶嵌、裁剪和融合等处理，通过分析土地利用的变化幅度、动态度以及转移情况，了解其土地利用/覆被变化情况。结果显示，与2013年相比，2022年研究区的耕地、裸地、灌木地和人造地表面积均有所增加，而林地、草地和水体面积呈减少趋势。耕地、灌木地、裸地和人造地表的土地利用动态度指数分别为0.95%、1.46%、6.80%和1.63%，其中裸地的变幅最为明显；林地、草地和水体的土地利用动态度指数分别为-0.73%、-7.28%和-3.10%。总体而言，土地利用转移变化主要体现在林地、人造地表和水体方面，其中部分林地和水体主要向耕地等转变。本研究为土地可持续利用发展提供参考。

关键词" 土地利用/覆被；空间分析；土地利用渐变；土地利用转换；生态环境

中图分类号" F301.2；X171.1""" """文献标识码" A"""""" 文章编号" 1007-7731（2024）21-0066-05

DOI号" 10.16377/j.cnki.issn1007-7731.2024.21.014

基金项目 广东省教育厅重点平台项目“广东省普通高校土地复垦植被景观恢复工程技术研究中心”（2016GCZX001）。

作者简介 欧阳建婷（1999—），女，广东肇庆人，硕士研究生，从事生态修复研究。

通信作者 许铭宇（1991—），男，广东汕尾人，博士，高级工程师，从事林草生态修复及土地复垦研究。

收稿日期 2024-06-02

Research on urban land use/ land cover change in G City from 2013 to 2022

OUYANG Jianting""" XU Mingyu""" CHEN Ping

（College of Horticulture and Landscape Architecture， Zhongkai University of Agriculture and Engineering， Guangzhou 510225， China）

Abstract" To investigate the land use of G City in recent ten years， the land cover data of 2013 and 2022 were selected as the data source.With the help of ArcGIS 10.8 software， processes such as mosaic， clipping， and fusion were performed. By analyzing the change amplitude， dynamics， and transfer of land use， the land use/cover change situation was understood. The results showed that compared to 2013， the area of cultivated land， ubare land， shrub land and artificial surfaces in the research area increased in 2022， while the area of forest land， grassland and water bodies gradually decreased. The land use dynamic attitude of cultivated land， shrub land， ubare land and artificial surfaces was 0.95%， 1.46%， 6.80% and 1.63%， respectively， and the ubare land had the most obvious variation. The land use dynamic attitude of forest land，grassland land and water bodies was -0.73%， -7.28% and -3.10%， respectively. In general， land use transfer changes in the study area were mainly reflected in forest land， artificial surfaces and water bodies ， in which part of forest land and water bodies were mainly transformed into cultivated land. This study provided a reference for sustainable land use development.

Keywords" land use/land cover change; spatial analysis; land use gradient; land use conversion; ecological environment

土地利用/覆被变化（Land use/land cover change，LUCC）是地球科学领域的研究热点之一，也是全球气候变化和可持续发展研究的核心领域[1]。LUCC不仅影响人类生存和发展基础，如气候、水资源和生物多样性等，也影响生态系统和生物地球化学循环等[2-3]。以LUCC为主题的研究项目，涵盖了其现状分析、驱动因素研究、效应机制探究，以及通过模型模拟探讨土地可持续利用等内容[4]。随着LUCC研究的深入及地理信息技术的成熟，土地空间格局及其动态变化成为研究重点之一[5-6]。目前研究LUCC较为常用的分析方法是数理统计法，如曹银贵等[7]采用典型相关分析法探讨了三峡库区土地利用变化的驱动因子；高啸峰等[8]采用主成分分析法研究了山东胶南地区土地利用变化的驱动因素。借助生物和技术方法管理土地，获得物质产品和服务的过程称为土地利用，这一过程涉及物质、信息等的转换[9]。土地覆被的变化主要受土地利用渐变和转换方式的影响[10]，而该变化又会影响土地利用方式。LUCC研究的挑战主要是构建模拟和预测模型，并据此提出可持续发展的策略。

随着社会经济的发展和城市化进程的不断加快，G市面临自然环境变化、土地开发强度逐渐增加等挑战。为此，本研究通过分析该地区土地利用的变化幅度、动态度以及转移情况，了解其生态环境变化趋势，为该地区的土地可持续利用发展提供参考。

1 材料与方法

1.1 研究区基本情况

研究区总面积7 434.40 km2 [11]，地势总体上自东北向西南逐渐降低，地形多样，包括中低山区、丘陵盆地和沿海冲积平原等特征[12]。属南亚热带季风气候，雨水资源丰富，年平均降水量约1 800 mm，日照充足。依据研究区统计年鉴，截至2022年底，研究区GDP达到28 839亿元，常住人口1 873.41万人，城镇化率达86.48 %。随着人口的快速增加和城市规划的实施，研究区空间格局面临用地、环境质量等方面的挑战。

1.2 数据来源

研究数据来源于GlobeLand 30全球地表覆盖数据集，分辨率30 m。选择研究区2013和2022年的地表覆盖数据，利用ArcGIS 10.8软件对其进行镶嵌、裁剪和融合等处理，获得了两期研究数据（图1）。依据GlobeLand 30分类系统，将研究区土地利用类型划分为耕地、林地、灌木地、草地、水体、裸地和人造地表7类地表覆盖类型。

（A）2013年；（B）2022年。

1.3 研究方法

将获得的数据导入Excel表格中，生成透视表，形成面积转移矩阵。通过数据分析揭示研究区土地利用和地表覆盖变化过程，重点分析土地利用变化幅度、动态度以及转移情况，全面了解研究区土地利用格局的变化。结合土地利用变化数据，进一步探讨土地资源的有效利用方式和未来规划方向。

1.3.1 土地利用变化幅度 土地利用变化幅度反映了某一研究时段内特定土地利用类型的总面积变化，能够揭示土地利用的趋势、土地资源的利用水平及土地结构的改变[13]，计算如式（1）。

（1）

式（1）中，为变化幅度；和分别为研究期初和研究期末该土地利用类型的面积[14]。

1.3.2 土地利用/覆被变化动态度 本研究选择单一土地利用动态度指数作为分析指标。该指数表示在研究区域内某种土地利用类型在特定研究时段内的数量变化情况，同时反映了该土地利用类型的面积变化速度[15-16]。土地利用动态度指数的计算主要选取了不同时期土地利用的动态变化，并通过分析土地利用的变化方式进行研究[17]，计算如式（2）。

（2）

式（2）中，为研究时段内特定土地利用类型的动态度指数；为研究期末该类型土地的数量；为研究期初该类型土地的数量；为研究时间段长度[18]。当土地利用类型的动态度指数为负值时，说明该类型土地面积呈减小趋势；反之，表明该类型土地面积呈增大趋势[19]。土地利用动态度指数能有效反映研究时段内不同土地利用类型的变化情况，可全面了解其土地利用变化的趋势和特征[20]。

1.3.3 土地利用转移矩阵 土地利用转移矩阵是对不同时期的土地利用现状进行分析，获取不同土地利用类型相互转化数据，可以揭示各土地利用类型之间的转换关系，了解土地利用类型的变化情况和转移趋势[21]。在ArcGIS 10.8等地理信息系统软件的支持下，生成土地利用转移矩阵，通过对数据进行分析，深入了解各土地利用类型之间的变换情况，揭示土地利用变化的趋势和模式，为城市可持续发展的路径规划提供参考[22]。

2 结果与分析

2.1 土地利用变化幅度

通过计算，得到研究区土地利用类型变化面积（表1）。由表1可知，和2013年相比，2022年研究区土地利用总趋势为耕地、灌木地、裸地和人造地表面积均呈增加趋势，占所有地类比重上升；林地、草地和水体用地面积呈减少趋势，占所有地类比重下降。

土地利用类型的变化受多重因素的共同影响。研究区的耕地面积呈增加趋势。随着现代化进程不断加快，人口数量增长，为满足城市居民的生活需求和经济发展的需要，部分林地、草地和水体等自然生态空间逐渐被减少。这一土地利用的变化，在一定程度上推动了城市的快速发展，同时给研究区的可持续发展、生态保护和城市建设带来了一定挑战。因此，需合理规划土地利用并进行科学引导，在各类土地利用功能区内进行合理划定，以促进城市土地资源的有效配置和利用。

2.2 土地利用/覆被变化动态度

研究区各类型土地利用年变化率见表2。由表2可知，研究区耕地、灌木地、裸地和人造地表的动态度为正值，表明其面积呈增加趋势。相反，林地、草地和水体的土地利用动态度为负值，表明其面积呈减少趋势，其中草地的动态度变化最为明显，动态度指数为-7.28%，表明该土地利用类型年均减少速度最快，这与草地面积较小有关。在面积呈增加趋势的土地利用类型中，裸地的动态度指数最大，年变化率为6.80%，同样与其面积较小有关。其他地类中，人造地表、灌木地和耕地的动态度指数分别为1.63%、1.46%和0.95%，呈逐年增加趋势；水体和林地的动态度指数分别为-3.10%和-0.73%，表现为逐年缩减趋势。随着城市化进程的加快，导致城市人造地表面积迅速扩大，在一定程度上产生了城市热岛效应等环境问题。因此，有必要加强对城市人口规模和结构的深入研究，合理划定土地利用类型，实现城市化进程与可持续发展的有效协调。

2.3 土地利用转移矩阵

基于ArcGIS 10.8软件的数据处理和分析结果，对研究区2013和2022年的土地利用转移矩阵进行统计分析，结果见表3。

由表3可知，和2013相比，2022年研究区的林地、草地和水体面积在减小，耕地、灌木地、裸地和人造地表有所增大。研究时段内，林地总面积变化较大且呈减少趋势，林地转为耕地的面积较多，少部分转为人造地表、草地和水体；其次是人造地表，面积增加较明显，大部分来自耕地和林地；水体面积减少明显，主要变为耕地和人造地表，少部分转为林地和裸地。总体而言，土地利用转移变化主要体现在林地、人造地表和水体方面，其中部分林地和水体主要向耕地等转变。

3 结论与讨论

选取研究区2013和2022年空间分辨率30 m的GlobeLand 30全球地表覆盖数据，通过对土地利用类型的变化幅度、动态度以及转移情况进行分析，探讨了其土地利用/覆被变化的特征。研究结果表明，研究区土地利用发生了较大变化，其中林地、草地和水体面积呈减少趋势；耕地、灌木地、裸地和人造地表面积有所增加。研究时段内，耕地、灌木地、裸地和人造地表的土地利用动态度指数分别为0.95%、1.46%、6.80%和1.63%，其中裸地的变幅最为明显。而林地、草地和水体的土地利用动态度指数分别为-0.73%、-7.28%和-3.10%。总体上，研究区的土地利用转移变化主要体现在林地、人造地表和水体方面，其中部分林地和水体主要向耕地等转变。这一定程度上反映了城市建设和经济发展对土地资源的需求日益增长，在一定程度上影响了自然生态环境的转变。

多种因素综合作用导致了研究区土地利用的变化，这表明了人类活动与自然环境以及社会经济发展之间的动态关系。实践中，加强土地利用规划和管理，有利于促进城市土地的合理利用和保护，确保城市生态系统健康发展。近年来，研究区稳妥推进生态保护和修复工程、生态建设、绿色低碳发展和土地整治等项目，一定程度上影响了土地利用类型的相互转化。因此，建立科学的土地空间治理体系，协调社会经济发展、生态环境保护和土地利用之间的关系，是实现可持续发展的重要环节。通过深入研究土地利用/覆被变化情况，可以有效优化土地空间格局，缓解资源紧张等问题，有助于实现研究区土地可持续利用发展。

本研究仅选取2013年和2022年两个年度研究区的地表覆盖数据集，这难以客观全面地反映研究区域的情况。为弥补这一不足，下一步可从多方面着手。首先，增加时间节点，在已有年份基础上，每隔2 ～ 3年选取一个年份的地表覆盖数据集构建时间序列数据集，通过不同时间点数据对比，识别地表覆盖变化的速率、模式和驱动因素。其次，尝试获取更高分辨率的数据，其能提供更详细地表信息，支持更精细的空间分析，有助于准确识别和分析地表覆盖变化，还可深入研究特定地类内部结构和变化。再者，引入其他数据源进行验证和补充，如遥感影像、GIS数据、社会经济统计数据等，多源数据融合分析能更全面理解地表覆盖变化的复杂性和多样性。然后，在获取更丰富数据的基础上开展深入分析，利用空间统计和机器学习等方法探索地表覆盖变化的空间分布规律、影响因素并预测未来趋势，结合地理环境和人类活动进行案例分析和解释性研究。同时，要考虑数据的质量和可靠性，采用交叉验证、精度评估等方法确保数据准确可靠，避免结果偏差。最后，加强跨学科合作，因为地表覆盖变化研究涉及地理学、生态学、环境科学、城市规划等多学科，跨学科合作能促进知识交流融合，为研究提供更全面深入的视角和方法。

参考文献

[1] TURNERⅡB L，LAMBIN E F，REENBERG A.The emergence of land change science for global environmental change and sustainability[J].Proceedings of the national academy of science of the united states of America，2007，104（52）：20666-20671.

[2] 张景华，封志明，姜鲁光. 土地利用/土地覆被分类系统研究进展[J]. 资源科学，2011，33（6）：1195-1203.

[3] 周广金，吴连喜. 近30年巢湖流域土地利用变化及其驱动力研究[J]. 东华理工大学学报（自然科学版），2009，32（3）：265-270.

[4] 邢容容. 青岛市土地利用/覆被变化（LUCC）分析及预测研究[D]. 青岛：中国海洋大学，2014.

[5] 张惠远，赵昕奕，蔡运龙，等. 喀斯特山区土地利用变化的人类驱动机制研究：以贵州省为例[J]. 地理研究，1999，18（2）：25-31.

[6] 刘湘南，许红梅，黄方. 土地利用空间格局及其变化的图形信息特征分析[J]. 地理科学，2002，22（1）：79-84.

[7] 曹银贵，周伟，许宁. 基于典型相关分析的三峡库区土地利用变化研究[J]. 中国国土资源经济，2007，20（3）：24-26，47.

[8] 高啸峰，王树德，宫阿都，等. 基于主成分分析法的土地利用/覆被变化驱动力研究[J]. 地理与地理信息科学，2009，25（1）：36-39.

[9] 刘晓涵. 陕西省延安市土地利用/覆被变化及驱动力研究[D]. 北京：北京林业大学，2020：1.

[10] TURNER B，MEYER W，SKOLE D. Global land-use/land-cover change：towards an integrated study[J]. Ambio，1994：91-95.

[11] 胡学双.近15年广州市土地覆盖类型变化及驱动因素研究[D].广州：华南农业大学，2017.

[12] 甘明超，朱高儒.快速扩张型城市用地格局分析及在土地规划中的应用：以广州市为例[C]//中国自然资源学会土地资源研究专业委员会.中国土地资源战略与区域协调发展研究.北京：气象出版社，2006.

[13] 崔晓庆，于泉洲，汤庆新，等. 1975—2016年济南市南部山区土地利用及其地形控制特征[J]. 中国水土保持，2019（8）：51-55，68.

[14] 冯鑫，宋鄂平. 基于遥感影像的恩施市土地利用/覆被变化研究[J]. 河南科技，2020，39（2）：136-139.

[15] 陈笑筑，王博，丁筑茂.毕节地区土地利用结构动态演变分析[J].安徽农业科学，2008，36（27）：11886-11889.

[16] 周焱，吴凯，田丹，等. 典型喀斯特地区土地利用变化动态分析：以清镇市为例[J]. 安徽农业科学，2008，36（9）：3809-3813.

[17] 罗继文，王小英，夏斌. 韶关市土地利用动态变化研究[J]. 安徽农业科学，2008，36（33）：14693-14695.

[18] 宋敏敏. 黄土高原典型小流域土地利用格局变化研究[D]. 杨凌：西北农林科技大学，2018：17.

[19] 刘海元. 2000—2020年天津市土地利用覆被变化及其驱动力分析[J]. 农村经济与科技，2021，32（16）：17-19.

[20] 程攀. 巴彦县土地利用空间格局模拟研究[D]. 哈尔滨：东北农业大学，2009.

[21] 郝慧君. CA-MARKOV模型与GIS、RS在土地利用/土地覆盖变化中的应用研究[D]. 武汉：华中农业大学，2010.

[22] 李俊翰，高明秀. 黄河三角洲季节性干旱区土地利用变化及生态效应[J]. 江苏农业科学，2018，46（19）：306-310，318.

（责任编辑：何" 艳）