邢容容　馬安青　劉修錦等

摘要 以青島市為研究區(qū)，利用1990、2000、2006和2011年遙感數(shù)據(jù)、社會經(jīng)濟統(tǒng)計數(shù)據(jù)等，采用多變量分析方法定量分析了近20年青島市土地利用變化的驅(qū)動因子。首先對1990和2011年土地利用變化數(shù)據(jù)進行疊加分析，提取出主要土地利用類型發(fā)生變化的斑塊，構(gòu)建土地利用變化樣本數(shù)據(jù)矩陣；然后提取變化圖斑對應(yīng)驅(qū)動因子的柵格數(shù)據(jù)，構(gòu)建土地利用變化的驅(qū)動因子矩陣；在此基礎(chǔ)上，采用典范對應(yīng)分析（CCA）研究土地利用轉(zhuǎn)換類型與驅(qū)動因子的相關(guān)關(guān)系，揭示了青島市土地利用變化的特征，定量闡釋了各類型土地變化的驅(qū)動因子。結(jié)果表明，海拔高度、地形起伏度、距海岸線的距離、人口密度是青島市土地利用變化的主要驅(qū)動因子，其次為到城鎮(zhèn)的距離、交通密度和GDP密度。

關(guān)鍵詞 土地利用/覆被變化（LUCC）；驅(qū)動因子；CCA排序；青島市

中圖分類號 S29；F301.2 文獻標(biāo)識碼

A 文章編號 0517-6611（2015）15-298-04

Analysis on Relationship between Land Use Conversion Types and Influencing Factors of Qingdao City Based on CCA

XING Rongrong1，MA Anqing2*，LIU Xiujin1 et al （1.Qinhuangdao Mineral Resource and Hydrogeological Brigade，Hebei Geological Prospecting Bureau，Qinhuangdao，Hebei 066001； 2.College of Environmental Science and Engineering，Ocean University of China，Qingdao，Shandong 266100）

Abstract Land use/cover change（LUCC） is as a complex consequence of coupling effects of natural and anthropogenic factors.Clarifying the main driving factors of LUCC is crucial for future land resources management.Based on Landsat TM images and socioeconomic statistics in Qingdao City，the relationships between LUCC and driving factors were analyzed using multivariate analysis.Vector data of land use of Qingdao City in 1990 and 2011 were overlaid each other，the region of land use change were obtained and the matrix of land use change samples was constructed.The data of land use change and the data of driving factors were overlaid respectively，and the matrix of driving factors of land use change was constructed.Canonical correspondence analysis（CCA） was used for revealing the relationship between land use change and driving factors.The characteristics of land use change were revealed.The driving factors of various types of land use changes were quantitatively described.Elevation，relief amplitude，the distance between land use change site and coastal line and population density were the main driving factors for distribution of major land use conversion types.The next were the distance between land use change site and urban site，road network density and GDP.

Key words Land use/cover change（LUCC）； Driving factors； CCA； Qingdao City

土地利用/覆被變化（LUCC）是全球環(huán)境變化的重要組成部分和主要原因之一，其產(chǎn)生的資源環(huán)境問題越來越突出，對氣候、水資源變化、生態(tài)系統(tǒng)及糧食產(chǎn)量等有著重要影響，直接關(guān)系到水和土壤質(zhì)量以及區(qū)域糧食安全和生態(tài)安全[1-5]。分析土地利用/覆被變化過程，探索其驅(qū)動因子，對土地資源可持續(xù)利用、經(jīng)濟社會可持續(xù)發(fā)展具有重要意義。

LUCC是自然、社會、經(jīng)濟和生態(tài)系統(tǒng)演變的直接表現(xiàn)，受自然與人類活動的雙重影響，其變化機理的復(fù)雜性及其驅(qū)動因子之間相互作用的影響，決定了土地利用變化及其驅(qū)動因子之間并非簡單的線性相關(guān)，必須從整體角度分析土地利用變化的驅(qū)動因子[6-9]。大部分學(xué)者在研究LUCC驅(qū)動因子時，多采用回歸分析法，但該方法在分析具有空間關(guān)系的因變量與自變量，尤其是具有多個因變量和自變量時具有一定局限性[10]。非線性典范對應(yīng)分析方法（CCA）能夠直接分析多個自變量與因變量之間的關(guān)系，該方法是將排序與多元回歸分析結(jié)合起來，是一種直接排序方法，廣泛應(yīng)用于生態(tài)學(xué)中，也有學(xué)者將其應(yīng)用于土壤理化性質(zhì)與環(huán)境因子的數(shù)量關(guān)系研究上，但將 CCA分析用于土地利用變化驅(qū)動因子分析的研究比較少見[11-14]。采用CCA方法研究青島市土地利用變化與驅(qū)動因子（包括自然和人文因子）之間的關(guān)系，評定土地利用變化的主要驅(qū)動因素，能夠清晰地展現(xiàn)土地利用變化類型與驅(qū)動因子之間的空間對應(yīng)關(guān)系，對于豐富土地變化科學(xué)研究方法具有重要意義。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況 青島市位于山東半島南端，黃海之濱。全市海岸線總長約870 km，其中大陸岸線730 km，占山東省岸線的1/4。東北與煙臺市毗鄰，西與濰坊市相連，西南與日照市接壤。全市總面積11 282 km2，2011年常住人口為871.51萬。青島市作為副省級城市和全國5個計劃單列市之一，不僅是山東最大的對外經(jīng)貿(mào)、金融、信息中心，也是中國東部重要的海濱港口城市，中國的海洋科研中心。青島市下轄6區(qū)4市（2012年國務(wù)院批復(fù)），包括市南區(qū)、市北區(qū)、李滄區(qū)、嶗山區(qū)、城陽區(qū)、黃島區(qū)以及膠州市、即墨市、平度市、萊西市。地勢東高西低，南北兩側(cè)隆起，中間低凹，其中山地約占全市總面積的15.5%，丘陵占25.1%，平原占37.7%，盆地占21.7%。青島雖屬溫帶季風(fēng)氣候，但其“三面滄海一面山”的獨特地理位置，使青島又具有鮮明的海洋性氣候特征。

1.2 數(shù)據(jù)來源與預(yù)處理 土地利用/覆被變化數(shù)據(jù)：選用1990年10月15日、2000年9月16日、2006年10月27日的Landsat TM影像和2011年5月23日的“環(huán)境一號”衛(wèi)星影像，解譯出土地利用數(shù)據(jù)，根據(jù)中國科學(xué)院土地資源分類系統(tǒng)的Ⅰ級分類，分為6種土地利用變化類型：耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地和未利用土地。

驅(qū)動因子：選擇海拔高度、地形起伏度、城鎮(zhèn)中心、海岸線、人口、GDP、交通等因素指標(biāo)。從國際科學(xué)數(shù)據(jù)服務(wù)平臺（http：//datamirror.csdb.cn/）獲得30 m分辨率數(shù)字高程（DEM）柵格數(shù)據(jù)，利用ArcGIS9.3提取地形起伏度。城鎮(zhèn)位置矢量數(shù)據(jù)是從地球系統(tǒng)科學(xué)數(shù)據(jù)共享網(wǎng)上下載的。海岸線位置數(shù)據(jù)是由2000年青島市土地利用數(shù)據(jù)提取得到。人口數(shù)據(jù)和GDP數(shù)據(jù)均來自2010年《青島統(tǒng)計年鑒》。交通數(shù)據(jù)是從Google Earth上提取縣級以上道路，然后與青島市行政區(qū)做疊置，對結(jié)果按行政區(qū)統(tǒng)計道路密度，將統(tǒng)計結(jié)果與青島市行政區(qū)做表鏈接，計算各縣（區(qū)）的交通密度，利用ArcGIS9.3對計算出的交通密度采用反距離加權(quán)法（IDW）進行空間插值，得到青島市交通密度[15]。采用同樣插值方法，獲得人口密度、GDP密度數(shù)據(jù)。為了研究需要，將DEM、交通密度、人口密度、GDP密度柵格數(shù)據(jù)進行10 m分辨率重采樣。

1.3 研究方法 研究區(qū)發(fā)生土地利用變化的區(qū)域不僅面積較大，類型較多，而且斑塊數(shù)量龐大，為減少數(shù)據(jù)冗余分析過程，選擇面積比重大于等于0.1% 的23種土地利用變化類型，剔除了極小圖斑，面積為123 671.68 hm2，共計658個，占總變化量的99.67%（表1），不影響CCA分析的科學(xué)合理性。

土地利用變化數(shù)據(jù)與青島市的海拔高度、地形起伏度、城鎮(zhèn)位置、海岸線、人口密度、GDP密度和交通密度數(shù)據(jù)進行疊加分析處理，提取出變化圖斑的環(huán)境變量（驅(qū)動因子）：①海拔高度（ELV），是指變化圖斑區(qū)域內(nèi)所有DEM像元值的算術(shù)平均值；②地形起伏度（LRF），是指變化圖斑區(qū)域內(nèi)所有像元值的算術(shù)平均值；③到城鎮(zhèn)距離（TUD），是指圖斑中心位置到最近城鎮(zhèn)的距離；④到海岸線距離（TCD），是指圖斑中心位置到海岸線的最近距離；⑤交通密度（TRD），是指圖斑區(qū)域內(nèi)所有道路柵格像元值的算術(shù)平均值；⑥人口密度（POP），是指圖斑區(qū)域內(nèi)所有人口柵格像元值的算術(shù)平均值；⑦GDP密度（GDP），是指圖斑區(qū)域內(nèi)所有GDP柵格像元值的算術(shù)平均值[16]。

構(gòu)建斑塊-土地利用轉(zhuǎn)換類型矩陣和斑塊-環(huán)境因子矩陣，前者將各種斑塊發(fā)生轉(zhuǎn)換的類型設(shè)為1，不發(fā)生轉(zhuǎn)換則設(shè)置為0，形成一個1，0 二元數(shù)據(jù)矩陣；后者將對應(yīng)斑塊的驅(qū)動因子原始數(shù)據(jù)輸入，形成一個數(shù)值連續(xù)的斑塊-驅(qū)動因子矩陣[17]。將2個矩陣帶入CANOCO4.5軟件和CANODRAW4.5進行CCA 排序，分析土地利用變化驅(qū)動因子。

安徽農(nóng)業(yè)科學(xué) 2015年

2 結(jié)果與分析

2.1 土地利用變化分析 1990～2011年，青島市各土地利用類型面積變化明顯。城鄉(xiāng)、工礦、居民用地不斷擴張，面積增加999.71 km2，耕地、草地面積銳減；分別減少701.60和200.75 km2，林地和水域面積略有增加，分別增加了113.79和4.32 km2，未利用土地減少50.50 km2。從表1可以看出，青島市土地利用的最主要變化類型為：耕地轉(zhuǎn)化為城鄉(xiāng)、工礦、居民用地，草地轉(zhuǎn)化為城鄉(xiāng)、工礦、居民用地，分別占總變化面積的55.16%和11.09%；其次為草地轉(zhuǎn)化為林地（7.92%），水域轉(zhuǎn)化為城鄉(xiāng)、工礦、居民用地（6.26%），耕地轉(zhuǎn)化為草地（3.36%）， 林地轉(zhuǎn)化為城鄉(xiāng)、工礦、居民用地（2.79%）等。

1990～2011年青島市土地利用類型變化空間分布見圖1。如圖1所示，青島市土地利用空間變化也十分劇烈。城鄉(xiāng)、工礦、居民用地大規(guī)模增加，占用了大量的耕地、草地、林地，且主要分布在城鎮(zhèn)周邊，而轉(zhuǎn)出面積較少，呈不規(guī)則零星散落于全市范圍內(nèi)（圖1a）；耕地發(fā)生大規(guī)模轉(zhuǎn)移，轉(zhuǎn)出面積在全市范圍都有分布，主要分布于青島東部海岸帶附近，新增耕地極其少，多呈零散狀（圖1b）；林地轉(zhuǎn)出和新增面積都較少，空間分布較為分散（圖1c）；草地轉(zhuǎn)出與草地新增都有較大范圍的空間分布，主要分布范圍是市區(qū)外城鎮(zhèn)（圖1d）；水域和未利用土地的新增面積很少，轉(zhuǎn)出面積較多，且主要轉(zhuǎn)為城鄉(xiāng)、工礦、居民用地（圖1e、f）。

2.2 驅(qū)動因子的相關(guān)分析 以所選658個土地變化圖斑為

樣本，分析土地利用變化各驅(qū)動力因子之間的相互關(guān)系，得到各驅(qū)動因子間的相關(guān)系數(shù)矩陣（表2）。 結(jié)果顯示，絕大多數(shù)因子之間的相關(guān)性較小，說明因子選擇具有典型性和相互獨立性。

2.3 CCA排序分析 CCA分析結(jié)果表明（表3），前4軸特征值之和為0.777 0，排序軸與土地利用變化和驅(qū)動因子顯著相關(guān)。其中前2個軸的特征值分別為0.458 5和0.156 8，累計百分比分別為54.0%和72.4%，說明土地利用變化和驅(qū)動因子之間關(guān)系50%以上體現(xiàn)在第一排序軸上，前兩個排序軸集中了全部排序軸所反映的驅(qū)動因子與土地利用變化相關(guān)關(guān)系的絕大部分信息。說明CCA排序可以很好地解釋驅(qū)動因子對土地利用變化的影響。總體來看，第一軸與地形起伏度和海拔高度最為密切，第二軸與到海岸線的距離相關(guān)最大，第三軸與人口密度有關(guān)，第四軸與到城鎮(zhèn)的距離關(guān)系緊密。

以第一、二軸為排序軸，得到排序圖（圖2），直觀地展示了土地利用變化類型與驅(qū)動因子之間的空間對應(yīng)關(guān)系。圖2

中，箭頭矢量代表環(huán)境因子，其所在象限表示環(huán)境因子與排序軸間的正負相關(guān)性，箭頭長度表示環(huán)境因子對排序的影響作用大小，箭頭越長，表明該環(huán)境因子對排序的貢獻越大（因而對土地利用變化分布的影響也越大）。箭頭連線與排序軸的夾角表示該驅(qū)動因子與排序軸相關(guān)性的大小，箭頭之間的夾角表示各環(huán)境因子間的相關(guān)性，夾角垂直表示不相關(guān)。隨著第一軸（橫軸）數(shù)值的增加，地形起伏度增加，海拔高度增加。隨第二軸（縱軸）數(shù)值的增加，GDP密度增加，距海岸線距離減少。

CCA 排序結(jié)果顯示，海拔高度、地形起伏度、距海岸線的距離、人口密度是青島市土地利用變化的主要環(huán)境驅(qū)動因子，其次為到城鎮(zhèn)的距離、交通密度和GDP密度。同時圖2顯示，海拔高度（ELV）、地形起伏度（LRF）、距城鎮(zhèn)的距離（TUD）與第一軸呈顯著正相關(guān)；第二軸與GDP密度呈顯著正相關(guān)，與距海岸線距離（TCD）呈顯著的負相關(guān)。此外，從圖中也可以看出，各轉(zhuǎn)移類型中，耕地→城鄉(xiāng)、工礦、居民用地（10）、未利用土地→城鄉(xiāng)、工礦、居民用地（20）、水域→城鄉(xiāng)、工礦、居民用地（6）、水域→草地（9）主要分布在人口密度高、交通密度高、GDP高、距海岸線距離近、海拔低、地形起伏度小的區(qū)域；草地→林地（17）、耕地→林地（12）、水域→林地（7）與地形起伏度（LRF）呈顯著正相關(guān)，主要分布在地形起伏大的區(qū)域；耕地→未利用土地（11）主要分布在距海岸線遠的地方；林地→未利用土地（3）多分布在地形起伏度大的區(qū)域；未利用土地→草地（5）、未利用土地→林地（21）、林地→草地（23）分布特征相似，主要分布在海拔高、距城鎮(zhèn)和海岸線遠、人口密度低的區(qū)域；城鄉(xiāng)、工礦、居民用地→草地（1）、水域→耕地（8）、未利用土地→耕地（14）、草地→耕地（18）、耕地→草地（22）分布特征相似，主要分布在人口密度低、距城鎮(zhèn)和海岸線較遠的區(qū)域；草地→水域（2）、林地→耕地（4）、林地→城鄉(xiāng)、工礦、居民用地（19）分布在地形起伏度較大的區(qū)域；草地→城鄉(xiāng)、工礦、居民用地（15）、草地→未利用土地（16）主要分布在人口密度和交通密度中等、地形起伏度低的地區(qū)。耕地→水域（13）與諸驅(qū)動因子之間相關(guān)性弱，這種轉(zhuǎn)化可能是由于20世紀(jì)90年代青島市水產(chǎn)養(yǎng)殖業(yè)的粗放型發(fā)展，水庫坑塘增多導(dǎo)致的。

3 結(jié)論與討論

1990～2011年，青島市土地利用變化顯著。城鄉(xiāng)、工礦、居民用地大規(guī)模擴張，耕地、草地面積銳減，土地利用結(jié)構(gòu)非農(nóng)化趨勢明顯；土地利用類型轉(zhuǎn)換關(guān)系復(fù)雜，且在空間分布上存在較大的地區(qū)差異。城鄉(xiāng)、工礦、居民用地擴張和耕地大量減少是該時期青島市土地利用變化的主要特點。

CCA分析結(jié)果顯示，第一軸與地形起伏度和海拔高度最為密切，第二軸與到海岸線的距離相關(guān)最大，第三軸與人口密度有關(guān)，第四軸與到城鎮(zhèn)的距離關(guān)系緊密。海拔高度、地形起伏度、距海岸線的距離、人口密度是青島市土地利用變化的主要環(huán)境驅(qū)動因子，其次為到城鎮(zhèn)的距離、交通密度和GDP密度。CCA排序圖能夠較好地反映各種土地利用轉(zhuǎn)換類型受環(huán)境因子制約形成的分布格局，直觀地展示了驅(qū)動因子對土地利用變化的影響。

由于土地利用變化受自然和人類活動的雙重影響，土地利用變化與各驅(qū)動因子之間的關(guān)系甚為復(fù)雜。青島市作為我國沿海經(jīng)濟發(fā)達城市，其土地利用變化受政策和制度干預(yù)、經(jīng)營者的決策、技術(shù)革新等因素的影響甚大，難以克服環(huán)境變量量化的困難。即使資料有限，典范對應(yīng)分析（CCA）仍能較好地反映LUCC與驅(qū)動因子之間的關(guān)系，其最大優(yōu)點是能直接分析土地利用變化，尤其是土地利用轉(zhuǎn)換類型（A轉(zhuǎn)變成B）與驅(qū)動因子之間的空間關(guān)系。

參考文獻

[1]

YADAV V，MALANSON G.Spatially explicit historical land use land cover and soil organic carbon transformations in Southern Illinois[J].Agriculture，Ecosystems & Environment，2008，123（4）：280-292.

[2] 于興修，楊桂山，王瑤.土地利用/覆被變化的環(huán)境效應(yīng)研究進展與動向[J].地理科學(xué)，2004，24（5）：627-633.

[3] 姜朋輝，趙銳鋒，趙海莉，等.1975年以來黑河中游地區(qū)土地利用/覆被變化時空演變[J].生態(tài)與農(nóng)村環(huán)境學(xué)報，2012，28（5）：473-479.

[4] 曾和平，王劍，周躍.漾濞江流域土地利用變化的土壤侵蝕效應(yīng)[J].生態(tài)與農(nóng)村環(huán)境學(xué)報，2008，24（2）：1-6.

[5] 任勃，楊剛，謝永宏，等.洞庭湖區(qū)不同土地利用方式對土壤酶活性的影響[J].生態(tài)與農(nóng)村環(huán)境學(xué)報，2009，25（4）：8-11.