陳國平，趙俊三，李紅波，吳曉偉

(1.昆明理工大學(xué) 國土資源工程學(xué)院，云南 昆明 650093；2.昆明冶金高等?？茖W(xué)校，云南 昆明 650033； 3.云南省地礦測繪院，云南 昆明 651208)

滇中城市群2000
—2009年耕地時空變化及驅(qū)動力分析

陳國平1，2，趙俊三1，李紅波1，吳曉偉3

(1.昆明理工大學(xué) 國土資源工程學(xué)院，云南 昆明 650093；2.昆明冶金高等?？茖W(xué)校，云南 昆明 650033； 3.云南省地礦測繪院，云南 昆明 651208)

[關(guān)鍵詞]耕地；景觀格局；時空演變；驅(qū)動力；滇中城市群

[摘要]從景觀格局視角分析了滇中城市群2000—2009年耕地時空變化特征，結(jié)合高程、人口、GDP、距離等自然和社會經(jīng)濟數(shù)據(jù)，通過構(gòu)建滇中城市群耕地Logistic回歸概率模型，對研究區(qū)耕地變化的驅(qū)動因素進行了分析。研究結(jié)果表明：景觀格局指數(shù)可以直觀地分析耕地時空變化；研究區(qū)耕地變化受自然和社會經(jīng)濟因子共同影響。該研究可為耕地政策制定及類似地區(qū)城市群尺度的土地時空變化及驅(qū)動力研究提供參考和借鑒。

耕地具有特殊的地位和重要的作用，長久以來，保護耕地一直是我國確保經(jīng)濟社會可持續(xù)發(fā)展的重中之重。此外，耕地不僅具有生產(chǎn)功能，而且具有很強的生態(tài)服務(wù)功能[1]。因此，開展耕地時空變化及驅(qū)動力研究，既可為土地利用與土地覆被變化(LUCC)等熱點問題研究提供幫助，也為科學(xué)編制國土資源開發(fā)利用規(guī)劃提供依據(jù)。

LUCC是區(qū)域范圍內(nèi)各種因素綜合作用的結(jié)果。大量案例表明，LUCC具有高度的時間和空間異質(zhì)性，不同時空尺度上的土地利用與土地覆被變化，往往具有不同的驅(qū)動力，各種因素的作用存在尺度差異[2]，文獻[3-6]研究了不同影響因素對耕地變化的驅(qū)動機理機制。綜觀前人研究發(fā)現(xiàn)，從景觀格局視角針對地形地貌復(fù)雜的高原山區(qū)大尺度耕地變化的驅(qū)動力研究比較少見。

本研究以高原山區(qū)滇中城市群為研究區(qū)，在分析2000—2009年對經(jīng)濟發(fā)展最為敏感的耕地時空變化特征的基礎(chǔ)上，構(gòu)建基于GIS與Logistic回歸的耕地變化模型，揭示城市群尺度耕地時空演變的機理和動因，以期為研究區(qū)未來制定耕地政策提供參考和建議。

1研究區(qū)概況及數(shù)據(jù)來源

1.1研究區(qū)概況

依照《滇中城市群規(guī)劃修改(2009—2030年)》，滇中城市群包括昆明市、曲靖市、玉溪市、楚雄彝族自治州行政轄區(qū)范圍，合計42個縣(市、區(qū))，是云南省最重要、最具發(fā)展活力的區(qū)域，也是我國面向南亞、東南亞增長最快，競爭力影響力較強的地區(qū)之一。全區(qū)土地總面積9 332 797.47 hm2，占全省土地總面積的24.36%，其中耕地1 890 667.38 hm2，占全區(qū)土地總面積的20.26%。據(jù)統(tǒng)計，2009年總?cè)丝? 708.60萬人，占云南省總?cè)丝诘?7.38%；GDP為3 696.76億元，占全省GDP的59.92%。

1.2數(shù)據(jù)來源與處理

2000年土地利用分類數(shù)據(jù)來源于地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(www.geodata.cn)，2009年土地利用分類數(shù)據(jù)來源于云南省第二次全國土地調(diào)查縮編數(shù)據(jù)，高程、坡度等數(shù)據(jù)來源于中國科學(xué)院國際科學(xué)數(shù)據(jù)服務(wù)平臺提供的SRTM 90 m分辨率的DEM數(shù)據(jù)；社會經(jīng)濟數(shù)據(jù)來源于《云南統(tǒng)計年鑒》；距離數(shù)據(jù)通過ArcGIS 10.2的空間分析功能得到。為便于研究，在原土地利用分類基礎(chǔ)上根據(jù)耕地含義對原分類進行歸并處理，并把數(shù)據(jù)統(tǒng)一到500 m×500 m柵格尺度。

2研究方法

2.1景觀格局指數(shù)

景觀格局指數(shù)是指能夠高度濃縮景觀格局信息，反映其結(jié)構(gòu)組成和空間分布特征的定量指標[7]。其變化可以在一定程度上定量反映土地利用變化格局。運用GIS軟件和景觀格局分析軟件Fragstats提取耕地變化圖斑，通過計算耕地景觀斑塊類型面積、斑塊密度、斑塊平均面積等景觀格局指數(shù)，分析研究區(qū)耕地時空變化特征。

2.2二元Logistic回歸模型

多元回歸分析方法在確定因變量與自變量的關(guān)系時，其因變量不能設(shè)為定性變量，不具備二分性，因而不能處理具有二分性變量的情況，而Logistic回歸分析卻能很好地解決這一問題。Logistic回歸模型不需要假設(shè)變量之間存在多元正態(tài)分布，其采用最大似然估計法進行參數(shù)估計，以事件發(fā)生概率的形式提供結(jié)果。借助該模型能對二值響應(yīng)的因變量和分類變量(連續(xù)型或混合型)進行回歸建模，進而探討影響概率及主要的影響因子。目前，Logistic 回歸模型已經(jīng)廣泛應(yīng)用于地學(xué)領(lǐng)域，如農(nóng)村居民點變化[8]、耕地變化[9-10]、城市擴展預(yù)測[11]、農(nóng)地流轉(zhuǎn)意愿調(diào)查[12]等方面的研究。

根據(jù)Logistic回歸建模的要求，設(shè)x1，x2，…，xi是與Y相關(guān)的一組向量，P是某事件發(fā)生的概率，將比數(shù)P/(1-P)取對數(shù)得到ln[P/(1-P)]，即對P作Logistic變換，記為logit(P)，相應(yīng)的回歸模型為

(1)

式中：P是給定系列自變量xi值事件的發(fā)生概率，本研究設(shè)定耕地發(fā)生增加或者減少時P值為1，耕地沒有發(fā)生變化時P值為0；a為截距；xi為影響耕地變化的驅(qū)動力；βi為Logistic回歸的偏回歸系數(shù)，表示變量xi對logit(P)的影響大小。

發(fā)生事件的概率是一個由自變量xi構(gòu)成的非線性函數(shù)，表達式為

(2)

本研究采用SPSS逐步回歸分析的Logistic函數(shù)完成耕地驅(qū)動因子的分析。所得到的Logistic回歸分析結(jié)果包括回歸系數(shù)、回歸系數(shù)估計的Waldχ2統(tǒng)計量、回歸系數(shù)估計的標準差、回歸系數(shù)估計的顯著性水平。其中，Waldχ2統(tǒng)計量表示每個xi(解釋變量)在模型中的相對權(quán)重，用來評價每個解釋變量對事件預(yù)測的貢獻力。

3結(jié)果與分析

3.1耕地時空變化分析

耕地時空變化是一種雙向的動態(tài)過程，通過對比2000—2009年滇中城市群耕地新增來源(表1)和減少去向(表2)的景觀格局指數(shù)，分析新增耕地及耕地減少流向景觀格局的差異，可為制定差異化的耕地政策提供參考。

表1　2000—2009年新增耕地不同來源地類景觀特征

表2　2000—2009年耕地流向不同地類景觀特征

從表1可以看出，草地和林地是耕地增加的最主要來源，兩者占新增耕地的97%，其斑塊平均面積分別為224.906 7和117.918 4 hm2，兩者均遠高于其他地類。此外，斑塊密度和平均鄰近指數(shù)相對較高，說明草地、林地開發(fā)為耕地相對集中，其斑塊復(fù)雜程度也相對較大。

在耕地減少方面(表2)，耕地主要流向為林地和草地，兩者之和占比接近90%，說明近年來退耕還林、還草的生態(tài)保護措施效果明顯，是耕地減少的主要原因。被建設(shè)占用的耕地面積雖然不大，但是斑塊平均面積、平均鄰近指數(shù)均是最高的，表明建設(shè)占用的耕地比較集中、質(zhì)量等級較好；此外，其平均斑塊分維數(shù)最高，說明建設(shè)用地在擴張過程中對耕地的占用屬于外延型擴張。

3.2耕地時空變化驅(qū)動力Logistic回歸模型

研究區(qū)面積較大、數(shù)據(jù)量龐大，由于耕地時空變化驅(qū)動力Logistic回歸模型的結(jié)果與樣本選擇關(guān)系很大，故需要保證數(shù)量足夠多、模式多樣化的訓(xùn)練樣本。而耕地變化部分占研究區(qū)總面積的比重較小，如果在全域內(nèi)隨機選取樣本將導(dǎo)致選取耕地變化的數(shù)據(jù)量較少，容易造成模型校正的偏差。故本研究釆用分層隨機取樣的方式選取總數(shù)據(jù)量的10%作為樣本數(shù)據(jù)(其中變化數(shù)據(jù)10%，非變化數(shù)據(jù)10%)，該取樣方式能夠保證變化與未變化數(shù)據(jù)有大致相同的精度。然后通過軟件在樣本點要素的指定位置提取得到13個驅(qū)動因子?xùn)鸥駡D層的像元屬性值，并將值記錄到點要素類的屬性表中，為驅(qū)動力Logistic回歸擬合提供數(shù)據(jù)基礎(chǔ)。

Logistic回歸模型對自變量中存在的多元共線性十分敏感[13]，因此在進行回歸分析之前，需要對自變量之間的共線性進行診斷，剔除存在明顯共線性的因子，以提高模型構(gòu)建的精度。共線性診斷一般用容忍度和方差膨脹因子(VIF)來進行評定，兩者互為倒數(shù)關(guān)系。容忍度值越小共線性越強，通常小于0.2認為存在共線性，小于0.1說明共線性問題嚴重；VIF越大共線性越強，大于10則認為共線性問題嚴重。本研究對初選的13個自變量進行共線性診斷(見表3)，容忍度值最小為0.262，VIF最大為3.816，說明自變量之間沒有多元共線性問題。

運用統(tǒng)計分析軟件SPSS中二元Logistic回歸模塊，將所選取的樣本響應(yīng)因子與驅(qū)動因子進行擬合計算，以0.5為分類標準，顯著性以<0.05為標準，刪除不符合要求的自變量，分別構(gòu)建耕地總體變化、耕地增加及耕地減少的二元Logistic回歸方程，見式(3)～(5)，相關(guān)估計結(jié)果見表4～6。

表3　自變量共線性診斷結(jié)果

(3)

(4)

(5)

3.3驅(qū)動力分析

3.3.1耕地總體變化的驅(qū)動力分析

構(gòu)建的耕地變化時空Logistic回歸模型，其精度需要通過檢驗，在此使用Pontius等提出的受試者工作特征(ROC)曲線分析方法。耕地總體變化驅(qū)動力模型的ROC檢驗值大于0.5，ROC曲線下的面積AUC=0.626，預(yù)測結(jié)果正確率達61.52%，說明模型擬合程度較好。

從表4可知，耕地總體變化的驅(qū)動因子貢獻率從大到小分別為距公路距離(x5)、高程(x1)、坡度(x2)、距鐵路距離(x4)、距農(nóng)村道路距離(x6)、距溝渠距離(x7)、農(nóng)民人均純收入(x11)、距村莊距離(x9)。由此可見，耕地的變化是自然、距離和社會經(jīng)濟驅(qū)動因子綜合作用的結(jié)果。距公路距離是對耕地變化影響最大的因子，此外自然稟賦條件(高程、坡度)對耕地的變化影響也較大，說明交通便利、自然條件較好的耕地優(yōu)先得以利用。

表4　耕地總體變化驅(qū)動因子模型估計結(jié)果

3.3.2耕地增加的驅(qū)動力分析

耕地增加驅(qū)動力模型(表5)的AUC=0.671，預(yù)測結(jié)果正確率達73.51%，模型擬合程度較好。研究區(qū)耕地的增加是社會經(jīng)濟因子、自然因子和距離因子共同作用的結(jié)果，驅(qū)動因子分別為高程(x1)、坡度(x2)、距道路距離(x4、x5、x6)、距溝渠距離(x7)、距村莊距離(x9)、農(nóng)民人均純收入(x11)和人口密度(x13)。其中農(nóng)民人均純收入和人口密度越大，耕地新增的可能性越高；而高程、坡度和距離鐵路、公路、農(nóng)村道路、溝渠、村莊的距離越大，耕地新增的可能性越小。

表5　耕地增加驅(qū)動因子模型估計結(jié)果

耕地是一種對地形地貌等自然條件和水源條件要求程度較高的地類。滇中地區(qū)屬于高原山區(qū)，地形破碎化嚴重，耕地的增加受自然條件的限制嚴重，其增加必然較多地發(fā)生在海拔較低、坡度平緩、水源豐富、交通便利的地區(qū)，因而這些區(qū)域內(nèi)耕地的增加多于高程較高、坡度陡峭、交通不便、水源匱乏的區(qū)域。

由模型可以看出，農(nóng)民人均純收入是耕地增加的主要影響因素，說明研究區(qū)農(nóng)民以耕地為主要生計，傳統(tǒng)耕作收入是農(nóng)民的主要收入。此外，人口密度是耕地增加的重要驅(qū)動因素，在未能大幅提高耕地產(chǎn)出效率的前提下，為了滿足一定區(qū)域面積內(nèi)新增人口的基本生活需求，必然只能通過擴大耕地面積來滿足剛性需求。

3.3.3耕地減少的驅(qū)動力分析

耕地減少驅(qū)動力模型(表6)的ROC檢驗值大于0.5，AUC=0.784，預(yù)測結(jié)果正確率達81.34%，模型擬合程度較好。耕地減少的驅(qū)動因子從大到小依次為高程(x1)、距村莊距離(x9)、距溝渠距離(x7)、距公路距離(x5)、距農(nóng)村道路距離(x6)、農(nóng)民人均純收入(x11)、距城鎮(zhèn)距離(x10)、坡度(x2)。

表6　耕地減少驅(qū)動因子模型估計結(jié)果

高程、距村莊距離的影響程度居于前兩位，說明耕地減少依然受到自然因素和距離因素的作用。耕地的減少與高程、坡度成正相關(guān)，主要是因為近年實施的退耕還林還草等政策使得海拔高、坡度大的耕地被退還為林、草地，生態(tài)環(huán)境保護措施初顯成效；與距公路、農(nóng)村道路、溝渠、村莊、城鎮(zhèn)距離成正相關(guān)，一方面是因為傳統(tǒng)耕地一般交通便利、水源條件好、距離村莊城鎮(zhèn)較近，是農(nóng)民收入的主要經(jīng)濟來源，農(nóng)民對其依賴性相對強烈，比較珍惜現(xiàn)有的耕地，會盡量減少對優(yōu)質(zhì)耕地的占用；另一方面是因為近年來國家加大了耕地保護力度，使得集中連片、高質(zhì)量的耕地得以保護，一定程度上遏制了城市擴張占用大量耕地的態(tài)勢。耕地減少數(shù)量與農(nóng)民人均純收入成負相關(guān)關(guān)系，耕地的減少造成農(nóng)民純收入隨之減少，說明研究區(qū)農(nóng)民收入依然主要依靠農(nóng)業(yè)，其收入來源單一，農(nóng)村經(jīng)濟不發(fā)達。

另外值得關(guān)注的是，人口密度的變化并不會引起耕地的減少。由于當(dāng)前相關(guān)的社會保障體系尚不健全，無法在制度上給予進城農(nóng)民以生存保障，難以讓其主動放棄收益不高的耕地收入，因此盡管人口密度增加會促使耕地增加，而耕地卻不會因人口密度的減少而減少。

4結(jié)論與討論

(1)從景觀生態(tài)學(xué)視角分析滇中城市群2000—2009年間耕地的時空變化，發(fā)現(xiàn)耕地增加主要通過侵占草地、林地，耕地減少的主要流向也為林地和草地。此外，建設(shè)項目占用也是耕地減少的一個重要方面，并且占用的耕地集中連片、質(zhì)量較好，建設(shè)用地在擴張過程中對耕地的占用屬于外延型擴張。研究表明景觀格局指數(shù)可用于分析耕地時空變化。

(2)選取了與耕地變化密切相關(guān)的自然、社會經(jīng)濟及距離等13個驅(qū)動因子，構(gòu)建了耕地總體變化、耕地增加及耕地減少3個Logistic回歸模型，有效地從空間角度分析了耕地變化的驅(qū)動力，并詳細闡釋了其對耕地變化的影響力度和過程，進一步揭示了其相互關(guān)系與變化驅(qū)動機制，以期為制定耕地政策提供服務(wù)。

(3)通過耕地變化驅(qū)動力分析，發(fā)現(xiàn)滇中地區(qū)耕地變化是受自然和社會經(jīng)濟驅(qū)動因子共同作用的結(jié)果。由于研究區(qū)特殊的地形地貌，因此自然稟賦條件(高程、坡度)對耕地的變化影響較大。耕地增加的主要驅(qū)動力是農(nóng)民人均純收入，滇中地區(qū)農(nóng)民仍以傳統(tǒng)農(nóng)耕為主，收入單一，因此應(yīng)加大農(nóng)業(yè)投入，調(diào)整農(nóng)業(yè)結(jié)構(gòu)，盤活農(nóng)村經(jīng)濟，增加農(nóng)民收入渠道。耕地減少量與高程、坡度及距公路、農(nóng)村道路、溝渠、村莊、城鎮(zhèn)距離呈正相關(guān)關(guān)系，主要是因為近年來實施了退耕還林、還草、還湖的生態(tài)環(huán)境保護政策及耕地保護力度加大。

本研究選擇滇中城市群作為研究區(qū)，范圍較大，采用的數(shù)據(jù)是基于第二次全國土地調(diào)查成果縮編數(shù)據(jù)和影像解譯結(jié)果，數(shù)據(jù)質(zhì)量難免會有偏差。此外，由于耕地時空變化是一個相當(dāng)復(fù)雜的過程，與滇中城市群特殊的地形地貌、經(jīng)濟社會因素、多民族價值觀念、政治結(jié)構(gòu)和生態(tài)保護措施等密切相關(guān)，部分因素未能納入模型，因而使模型的精度受到影響，若能采用更小尺度數(shù)據(jù)并結(jié)合外業(yè)調(diào)查數(shù)據(jù)對模型進行修正后使用，可以更加精確地揭示耕地變化的驅(qū)動力。另外，將模型用于對未來一個時期內(nèi)不同空間尺度的耕地變化的模擬預(yù)測分析，及早對耕地未來發(fā)展變化做出預(yù)判，實施差別化耕地政策是值得深入研究的問題。

[參考文獻]

[1] 中國土地學(xué)會.土地科學(xué)學(xué)科發(fā)展藍皮書(2013年)[M].北京:中國大地出版社,2014:Ⅲ.

[2] 全斌.土地利用與土地覆被變化學(xué)導(dǎo)論[M].北京:中國環(huán)境科學(xué)出版社,2010:34,53,103-106.

[3] 陳朝,朱明棟,李翠菊,等.湖北耕地變化驅(qū)動力分析[J].華中農(nóng)業(yè)大學(xué)學(xué)報:社會科學(xué)版,2006(2):39-44.

[4] 陳秀貴.耕地變化驅(qū)動力及耕地保護對策研究[D].武漢:中國地質(zhì)大學(xué),2012:18-30.

[5] 陳輝.耕地動態(tài)變化及其驅(qū)動力研究[D].重慶:西南大學(xué),2008:31-40.

[6] 郭洪海,宋民.山東省耕地動態(tài)變化趨勢及驅(qū)動力分析[J].中國農(nóng)業(yè)資源與區(qū)劃,2009(1):51-57.

[7] 唐秀美,陳百明,路慶斌,等.城市邊緣區(qū)土地利用景觀格局變化分析[J].中國人口·資源與環(huán)境,2010,20(8):159-163.

[8] 姜廣輝,張鳳榮,陳軍偉.基于Logistic回歸模型的北京山區(qū)農(nóng)村居民點變化的驅(qū)動力分析[J].農(nóng)業(yè)工程學(xué)報,2007,23(5):81-87.

[9] 曾凌云,王鈞,王紅亞.基于GIS和Logistic回歸模型的北京山區(qū)耕地變化分析與模擬[J].北京大學(xué)學(xué)報:自然科學(xué)版,2009(1):165-170.

[10] 王秀春,黃秋昊,蔡運龍,等.貴州省貓?zhí)恿饔蚋乜臻g分布格局模擬[J].地理科學(xué),2007,27(2):188-192.

[11] 楊云龍,周小成,吳波.基于時空Logistic回歸模型的漳州城市擴展預(yù)測分析[J].地球信息科學(xué)學(xué)報,2011,13(3):374-382.

[12] 周陶,高明.基于Logistic模型的四川省南溪區(qū)農(nóng)地流轉(zhuǎn)微觀主體意愿的實證分析[J].貴州農(nóng)業(yè)科學(xué),2013(3):182-185.

[13] 劉慶鳳,劉吉平,宋開山,等.基于CLUE-S模型的別拉洪河流域土地利用變化模擬[J].東北林業(yè)大學(xué)學(xué)報,2010,38(1):64-67.

(責(zé)任編輯徐素霞)

[基金項目]國家自然科學(xué)基金項目(41261043，41161062)；云南省教育廳科學(xué)研究基金項目(2014Y493)

[中圖分類號]S157；F301.24

[文獻標識碼]A

[文章編號]1000-0941(2016)05-0048-05

[作者簡介]陳國平(1981—)，男，河南新野縣人，講師，博士研究生，研究方向為國土資源信息化、地理模擬；通信作者趙俊三(1964—)，男，河南鄧州市人，教授，博士，博導(dǎo)，研究方向為國土資源信息化、GIS/LIS。

[收稿日期]2015-08-20