梁康 公麗 宋小青 張永勇 劉昌明

摘要：解析黃河水源涵養(yǎng)區(qū)歷史和未來的土地利用/覆蓋變化（LUCC）對于保護(hù)黃河流域水土資源和維系生態(tài)系統(tǒng)服務(wù)功能等具有重要意義。在研究區(qū)及其三大子區(qū)（Ⅰ黃河上游水源區(qū)、Ⅱ渭河南山區(qū)、Ⅲ伊洛河區(qū)），基于1990—2020年的土地覆蓋產(chǎn)品數(shù)據(jù)，采用轉(zhuǎn)移矩陣、地理探測器、CA-Markov模型等方法，分析LUCC特征、探測驅(qū)動因素和預(yù)測未來期（2025年）空間格局。結(jié)果表明：自2000s以來，研究區(qū)及分區(qū)地類呈現(xiàn)退耕還林還草和建設(shè)用地快速增長的2條主線變化趨勢，其中，全區(qū)LUCC主要受到糧食產(chǎn)量、高程和人口密度驅(qū)動，Ⅰ區(qū)、Ⅱ區(qū)和Ⅲ區(qū)LUCC的主導(dǎo)驅(qū)動因素分別是高程、人口密度和糧食產(chǎn)量。未來生態(tài)保護(hù)情景相對于自然發(fā)展情景，耕地和建設(shè)用地?cái)U(kuò)張將受到約束，能更好地保障生態(tài)用地面積以支撐水源涵養(yǎng)等生態(tài)服務(wù)功能。

關(guān)鍵詞：水源涵養(yǎng);土地利用/覆蓋變化;地理探測器;CA-Markov模型;黃河流域

中圖分類號：S152.7

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-6791（2024）02-0325-13

收稿日期：2023-09-07;網(wǎng)絡(luò)出版日期：2024-02-05

網(wǎng)絡(luò)出版地址：https：//link.cnki.net/urlid/32.1309.P.20240204.1421.003

基金項(xiàng)目：國家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目（2021YFC3201102）;國家自然科學(xué)基金資助項(xiàng)目（41971035）

作者簡介：梁康（1986—），男，重慶人，副研究員，博士，主要從事流域水文過程演變機(jī)理與水資源安全研究。

E-mail：liangk@igsnrr.ac.cn

土地利用/覆蓋變化（LUCC）是全球環(huán)境變化的重要原因和結(jié)果^［1-2］，影響糧食安全、生態(tài)安全和社會穩(wěn)定^［3］。黃河流域是中華文明的誕生地，是中國重要的生態(tài)屏障^［4］。1999年開始實(shí)施的“退耕還林還草”生態(tài)工程，引起了黃河流域土地利用格局的重大變化，改善了生態(tài)環(huán)境^［5-6］，減少了水土流失和山洪災(zāi)害的發(fā)生^［7］。然而，隨著城鎮(zhèn)化快速發(fā)展，黃河流域土地利用/覆蓋正在發(fā)生新的變化。城鎮(zhèn)化和工業(yè)化快速發(fā)展使得大量農(nóng)田被建設(shè)用地占據(jù)，導(dǎo)致農(nóng)田面積減少^［8］，可能影響黃河流域糧食安全。與此同時，全球變暖和人類活動等因素使得黃河流域的土地利用呈現(xiàn)多樣化和復(fù)雜化的變化態(tài)勢，可能會對黃河流域重要生態(tài)服務(wù)功能區(qū)的生態(tài)環(huán)境產(chǎn)生重大影響^［9］。因此，深入研究黃河流域土地利用變化的發(fā)展模式、了解歷史和預(yù)測未來的LUCC，對區(qū)域土地利用規(guī)劃、糧食安全和生態(tài)服務(wù)功能的保障具有重要意義。

自1995年“LUCC科學(xué)研究計(jì)劃”實(shí)施以來^{［2，10］}，國內(nèi)外學(xué)者們對土地利用/覆蓋的時空演變規(guī)律、驅(qū)動因素分析和模擬預(yù)測等方面做了大量研究^{［1，11-13］}。其中，對歷史土地利用變化驅(qū)動因素的定量解析和未來變化的預(yù)測是當(dāng)前研究的重點(diǎn)和難點(diǎn)^［14］。土地利用驅(qū)動因素分析從定性探究^［15］轉(zhuǎn)為采用數(shù)理統(tǒng)計(jì)方法，例如主成分分析法、相關(guān)分析法、logistic回歸模型、層次分析法、地理加權(quán)回歸和地理探測器等^［16-22］。其中，地理探測器被廣泛應(yīng)用于定量探析地理要素空間異質(zhì)性驅(qū)動力，具有適用性強(qiáng)、理論基礎(chǔ)可靠、操作簡便等優(yōu)點(diǎn)^［14］。土地利用變化的模擬預(yù)測主要采用模型方法，經(jīng)歷了從數(shù)量到空間格局模擬、從單一模型到耦合模型模擬，呈現(xiàn)出多模型、多技術(shù)和智能化的發(fā)展態(tài)勢^{［11，23］}，涌現(xiàn)出元胞自動機(jī)-馬爾可夫（CA-Markov）模型、小尺度土地利用變化及效應(yīng)（CLUE-S）模型和未來土地利用情景模擬（FLUS）模型等^［24-26］多種技術(shù)方法。其中，CA-Markov模型綜合了CA模型和Markov模型的優(yōu)點(diǎn)^［27-28］，可以對土地利用類型空間分布和數(shù)量演變進(jìn)行預(yù)測，得到了國內(nèi)外學(xué)者的廣泛認(rèn)可^［4］。但其在建立CA模型運(yùn)行規(guī)則時，大多數(shù)研究基于logistic回歸方程來校正，可以解決各種因素的非線性和復(fù)雜性^［29］，但在空間分異性探測上略顯不足，而將地理探測器的空間分異性探測優(yōu)勢與CA-Markov模型相結(jié)合，有望提升土地利用模擬預(yù)測的準(zhǔn)確性和可靠性。綜合多種方法優(yōu)勢以實(shí)現(xiàn)土地利用變化驅(qū)動要素定量解析和未來變化的模擬預(yù)測，是當(dāng)前及未來土地利用研究領(lǐng)域的發(fā)展趨勢^［30］。

黃河水源涵養(yǎng)區(qū)是黃河流域非常重要的生態(tài)功能區(qū)，包括黃河源區(qū)、秦嶺、祁連山、六盤山和若爾蓋（“生態(tài)五區(qū)”^［31］）重點(diǎn)生態(tài)安全屏障，因此，研究該區(qū)LUCC是科學(xué)支撐新時代黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展國家戰(zhàn)略的基礎(chǔ)。以往研究對該區(qū)的界定主要集中于黃河源區(qū)和上游水源涵養(yǎng)區(qū)^［32-33］，主要針對三江源、祁連山和若爾蓋重點(diǎn)生態(tài)功能區(qū)，而容易忽略六盤山和秦嶺北麓所在的渭河南部山區(qū)支流流域及秦嶺余脈所至的伊洛河流域。以往該區(qū)LUCC研究更多的是單獨(dú)對黃河源區(qū)^［32］、渭河流域^［34］、伊洛河流域^［35-36］的分散研究，缺乏將渭河南部山區(qū)支流流域和伊洛河流域統(tǒng)一納入黃河水源涵養(yǎng)區(qū)范圍內(nèi)開展系統(tǒng)完整的綜合研究。

本文以黃河水源涵養(yǎng)區(qū)作為研究區(qū)，并依據(jù)黃河流域重點(diǎn)生態(tài)功能區(qū)的分布情況和水利部劃分的水資源三級分區(qū)，將其劃分為三大子區(qū)和10個水資源三級分區(qū)，重點(diǎn)對比分析全區(qū)、三大子區(qū)及10個水資源分區(qū)的LUCC特征，定量探析LUCC的空間分異原因，并結(jié)合空間分異原因預(yù)估未來的LUCC情勢，期望能為黃河水源涵養(yǎng)區(qū)下墊面變化綜合分析、黃河流域的水源涵養(yǎng)能力綜合評估、水資源和生態(tài)安全系統(tǒng)保護(hù)等提供參考。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

本文界定的黃河水源涵養(yǎng)區(qū)位于32°N—39°N、96°E—114°E之間，具體包括自西向東地理位置相互連接的三大區(qū)域，即Ⅰ黃河上游水源區(qū)（蘭州以上流域）、Ⅱ渭河南山區(qū)（渭河華縣以上流域，不含涇河，以下簡稱為“渭河南山區(qū)”）和Ⅲ伊洛河區(qū)。根據(jù)空間分異探析的研究需求，參考水利部劃分的全國水資源區(qū)劃（http：∥ghjh.mwr.gov.cn/），進(jìn)一步將三大區(qū)域劃分為10個水資源分區(qū)（圖1和表1）。黃河水源涵養(yǎng)區(qū)跨青海、四川、甘肅、寧夏、陜西和河南6省，東西長約1 550 km，南北寬約710 km，面積約28.7萬km²，占黃河流域總面積的38%，貢獻(xiàn)了黃河流域約84%的河川年均徑流量^［31］。研究區(qū)西北高，東南低，高程范圍為92～6 174 m。降水量和多年平均氣溫都呈由東南向西北遞減的特征，雨季集中在6—9月。

1.2 數(shù)據(jù)來源與處理

本文主要包括兩大類數(shù)據(jù)：土地利用數(shù)據(jù)與影響土地利用變化的驅(qū)動因子數(shù)據(jù)。本文選用的土地利用數(shù)據(jù)（1990—2020年，共31期）來自武漢大學(xué)黃昕教授團(tuán)隊(duì)制作的中國30 m年度土地覆蓋產(chǎn)品，該數(shù)據(jù)基于5 463個目視解譯樣本，總體精度達(dá)80%^［37］。根據(jù)研究需要和參照國家標(biāo)準(zhǔn)《土地利用現(xiàn)狀分類：GB/T21010—2007》，對黃河水源涵養(yǎng)區(qū)土地利用遙感監(jiān)測數(shù)據(jù)重新劃分為草地、耕地、林地、未利用土地、水域和建設(shè)用地共6類。

基于研究區(qū)的實(shí)際情況以及驅(qū)動因子可獲取性、可量化性等原則，本文選取涉及地形地貌（高程、坡度）和水熱條件（降水、氣溫）兩方面的4個自然地理因子，以及人口密度、GDP、糧食產(chǎn)量、城鎮(zhèn)化率4個社會經(jīng)濟(jì)因子。其中，高程數(shù)據(jù)采用美國國家航空航天局（NASA）發(fā)布的全球30 m分辨率DEM數(shù)據(jù)；坡度數(shù)據(jù)基于DEM數(shù)據(jù)得到；將從中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https：∥www.resdc.cn/）獲取的逐月氣溫和降水?dāng)?shù)據(jù)處理為年均數(shù)據(jù)（2000年、2005年、2010年、2015年、2020年共5期）；人口密度數(shù)據(jù)集（2000年、2005年、2010年、2015年、2020年）來自World Pop（https：∥hub.worldpop.org/project/categories？id=18）；GDP數(shù)據(jù)（2000年、2005年、2010年、2015年、2019年）來自Chen等^［38］修正的實(shí)際國內(nèi)生產(chǎn)總值數(shù)據(jù)；縣級糧食產(chǎn)量和城鎮(zhèn)化率數(shù)據(jù)（2000年、2005年、2010年、2015年和2020年）來自中國經(jīng)濟(jì)社會大數(shù)據(jù)研究平臺（https：∥data.cnki.net/）。上述所有數(shù)據(jù)的空間分辨率均處理為1 km。

2 研究方法

2.1 土地利用動態(tài)變化研究方法

土地利用轉(zhuǎn)移矩陣是分析LUCC的一種有效工具，能夠揭示特定時期區(qū)域各土地利用類型間的相互轉(zhuǎn)化，包括數(shù)量的結(jié)構(gòu)特征和轉(zhuǎn)移方向^［39］。

本文采用Mann-Kendall趨勢檢驗(yàn)法檢測1990—2020年LUCC趨勢顯著性。該方法是一種非參數(shù)檢驗(yàn)方法，其優(yōu)勢在于對異常值不敏感，計(jì)算原理簡單易懂，且無需檢測序列符合某種概率分布^［40］。本文給定顯著性水平α=0.05，通過統(tǒng)計(jì)量Z值（|Z|>1.96）進(jìn)行顯著性檢驗(yàn)，當(dāng)Z>1.96時，上升趨勢顯著，當(dāng)Z<-1.96時，下降趨勢顯著。

2.2 土地利用空間分異驅(qū)動力分析方法

空間分異性探測是地理探測器的核心特點(diǎn)之一，是揭示內(nèi)在驅(qū)動力的一種新興統(tǒng)計(jì)學(xué)手段^［41］。因子探測通過研究因變量LUCC的空間異質(zhì)性，定量探測各驅(qū)動因子對LUCC的解釋力（q），q越大，則該因子對土地利用變化的影響越大。公式如下：

式中：q的取值范圍為0～1;L為影響因子類型數(shù);N_h為類型量h的樣本數(shù)，h=1，2，…，L;N為全區(qū)的樣本數(shù);σ²_h為類型量h的離散方差;σ²為研究區(qū)土地利用的方差。

2.3 土地利用變化預(yù)測模型

2.3.1 模型構(gòu)建

CA-Markov模型是由CA模型和Markov模型耦合而成，以適宜性圖集和轉(zhuǎn)移矩陣為規(guī)則，模擬未來土地利用類型變化。適宜性圖集是CA的關(guān)鍵核心部分，主要用于模擬土地利用復(fù)雜的空間變化^［27］，轉(zhuǎn)移矩陣作為Markov過程的初始轉(zhuǎn)移概率，用于模擬土地利用未來的數(shù)量變化。本文在模型構(gòu)建時，分模型識別期（基期為2010年，模擬2015年土地利用）、驗(yàn)證期（基期為2015年，模擬2020年土地利用）和應(yīng)用期（基期為2020年，模擬2025年土地利用）3期進(jìn)行。以模型識別期為例，構(gòu)建黃河水源涵養(yǎng)區(qū)LUCC預(yù)測模型的4個主要步驟為：

（1） 生成土地利用適宜性圖集。研究區(qū)2010年土地利用類型數(shù)據(jù)作為因變量，選取2010年的自然地理因子和社會經(jīng)濟(jì)因子作為自變量，將地理探測器計(jì)算出的驅(qū)動力作為權(quán)重，利用布爾交叉法生成6種土地利用類型的適宜性圖像，進(jìn)而打包成2010年土地利用適宜性圖集。

（2） 計(jì)算參考期土地利用轉(zhuǎn)移矩陣。采用Markov鏈計(jì)算2005—2010年識別期的土地利用面積轉(zhuǎn)移矩陣。

（3） 模擬預(yù)測土地利用結(jié)果。利用CA-Markov模型，通過設(shè)置5×5濾波器、循環(huán)次數(shù)為5等參數(shù)，基于2005—2010年土地利用面積轉(zhuǎn)移矩陣和2010年土地利用適宜性圖集，模擬得到2015年研究區(qū)土地利用類型分布圖。

（4） 檢驗(yàn)?zāi)M預(yù)測結(jié)果精度。對模擬預(yù)測的2015年土地利用數(shù)據(jù)進(jìn)行數(shù)量和空間模擬精度驗(yàn)證，利用Kappa指數(shù)評價空間模擬精度，利用相對誤差評價數(shù)量模擬精度，如精度測試通過，則應(yīng)用此耦合模型模擬未來土地利用。

2.3.2 模擬情景設(shè)置

模擬情景設(shè)置主要是根據(jù)流域發(fā)展的不同需求而設(shè)定，本文設(shè)定自然發(fā)展情景和生態(tài)保護(hù)情景2種土地利用未來發(fā)展情景，并參照上述LUCC預(yù)測模型構(gòu)建步驟，預(yù)測研究區(qū)2025年土地利用空間分布格局。

（1） 自然發(fā)展情景。不考慮任何人類活動和自然條件等限制性因素的影響，黃河水源涵養(yǎng)區(qū)未來土地利用的演變是由該區(qū)2015—2020年土地利用變化的發(fā)展規(guī)律決定，即采用2015—2020年的轉(zhuǎn)移概率和轉(zhuǎn)移面積作為未來土地利用類型的轉(zhuǎn)換規(guī)則。

（2） 生態(tài)保護(hù)情景。為保障研究區(qū)生態(tài)用地面積和減緩耕地面積的損失，在2015—2020年面積轉(zhuǎn)移矩陣的基礎(chǔ)上，將林地、草地和水域轉(zhuǎn)換為其他土地利用類型的面積設(shè)置為0，將耕地轉(zhuǎn)化為除耕地以外的其他土地利用類型的面積比例減少30%。

3 結(jié)果與分析

3.1 土地利用演變特征

3.1.1 土地利用結(jié)構(gòu)及變化特征

黃河水源涵養(yǎng)區(qū)整體的土地利用時空分布特征見圖2（α為斜率）和圖3。研究區(qū)1990—2020年3個主要地類的多年平均面積占比排序依次為草地、耕地、林地，這3類面積之和占總面積的96.92%，其次為未利用土地、水域和建設(shè)用地。近30余年來，研究區(qū)各地類面積的線性趨勢表現(xiàn)不同，其中，林地、建設(shè)用地和未利用土地均呈現(xiàn)顯著增加趨勢（p<0.05），耕地和草地呈現(xiàn)顯著減小趨勢，水域?yàn)椴伙@著減少趨勢。值得注意的是，草地、耕地和水域的變化趨勢都在2002年前后發(fā)生轉(zhuǎn)變，草地和水域趨勢均由下降變?yōu)樯仙貏t相反，此外，未利用土地面積的上升趨勢在2009年之后增強(qiáng)。黃河水源涵養(yǎng)區(qū)1990—2020年不同時期土地利用類型的總體空間分布格局相似（圖3），表現(xiàn)為草地廣泛分布在整個研究區(qū)，且更集中分布于西部區(qū)域，耕地和建設(shè)用地主要分布在中東部的低海拔地區(qū)，林地主要分布在西部北側(cè)、中部南側(cè)和東部西側(cè)，水域靠近黃河干支流，未利用土地集中在西部高海拔區(qū)域。

對于黃河水源涵養(yǎng)區(qū)分區(qū)尺度下的LUCC特征，在三大子區(qū)之間和各子區(qū)內(nèi)部不同水資源分區(qū)之間，其土地利用類型結(jié)構(gòu)和面積變化趨勢等均存在明顯差異（表2和圖3）。首先，對于Ⅰ區(qū)及內(nèi)部6個水資源分區(qū)而言，草地是多年平均面積占比最大的地類，同時Ⅰ區(qū)表現(xiàn)出草地面積縮減及建設(shè)用地迅速擴(kuò)張，特別是在Ⅰ-4區(qū)和Ⅰ-6區(qū)，建設(shè)用地增長尤為顯著。然后，對于Ⅱ區(qū)而言，耕地、草地、林地和建設(shè)用地具有地帶規(guī)律分布特征，即草地和耕地面積自西向東減少，而林地和建設(shè)用地自西向東增加。Ⅱ區(qū)整體上呈現(xiàn)出耕地急劇減少趨勢，尤其是在Ⅱ-2區(qū)和Ⅱ-3區(qū)；建設(shè)用地在Ⅱ-1區(qū)、Ⅱ-2區(qū)和Ⅱ-3區(qū)都呈現(xiàn)出顯著增長，顯示出較為強(qiáng)烈的工業(yè)或城市發(fā)展導(dǎo)致的土地轉(zhuǎn)變。最后，對于Ⅲ區(qū)而言，耕地和林地是主要地類，該區(qū)土地利用變化趨勢與Ⅱ區(qū)相似。

3.1.2 土地利用轉(zhuǎn)移特征

從黃河水源涵養(yǎng)區(qū)多期土地利用轉(zhuǎn)移矩陣結(jié)果可知（圖4），不同時期的土地利用流轉(zhuǎn)方向、轉(zhuǎn)移規(guī)模大小存在差異，并且因退耕還林還草政策的實(shí)施，研究區(qū)在2000年前后呈現(xiàn)出不同的變化特征。具體而言，2000年前的土地利用類型轉(zhuǎn)移活躍（尤其是1990—1995年），耕-林草轉(zhuǎn)移表現(xiàn)為耕增-林草減，耕-建轉(zhuǎn)移則表現(xiàn)為耕減-建增。2000年后退耕還林還草效果明顯，表現(xiàn)為其他地類轉(zhuǎn)向草地和林地，耕-林-草轉(zhuǎn)移表現(xiàn)為耕減-林草增，但耕-建轉(zhuǎn)移依舊表現(xiàn)為耕減-建增，但不可忽視的是，近20 a，草地向未利用土地轉(zhuǎn)變逐漸增強(qiáng)，說明草地存在一定的退化趨勢。此外，以耕地流入主導(dǎo)的建設(shè)用地快速增加的特征及發(fā)展趨勢較明顯。

進(jìn)一步以2000年為界，通過1990—2000年和2000—2020年2期土地利用轉(zhuǎn)移矩陣對比，在分區(qū)尺度下分析研究區(qū)土地利用轉(zhuǎn)移特征。在2000年以后，土地利用轉(zhuǎn)移在三大分區(qū)普遍出現(xiàn)耕-草互轉(zhuǎn)方向改變，即從耕增-草減轉(zhuǎn)變?yōu)楦麥p-草增。在Ⅰ區(qū)，該轉(zhuǎn)變發(fā)生在Ⅰ-2區(qū)、Ⅰ-3區(qū)、Ⅰ-5區(qū)和Ⅰ-6區(qū)。此外，草地流向未利用土地的面積均在2000年后增強(qiáng)，尤其在Ⅰ-1區(qū)和Ⅰ-2區(qū)，分別增加了294 km²和162 km²。在Ⅱ區(qū)，該轉(zhuǎn)變主要發(fā)生在Ⅱ-1區(qū)和Ⅱ-2區(qū)，而Ⅱ-3區(qū)則從耕減-草增轉(zhuǎn)變?yōu)楦?草減。在Ⅲ區(qū)，還呈現(xiàn)出耕地轉(zhuǎn)為建設(shè)用地規(guī)模增強(qiáng)的特征。綜上，在分區(qū)尺度下，三大子區(qū)和絕大多數(shù)水資源分區(qū)的土地轉(zhuǎn)移方向跟全區(qū)尺度轉(zhuǎn)移方向基本一致，但仍存在個別水資源分區(qū)（如Ⅱ-3區(qū)）與主導(dǎo)轉(zhuǎn)移方向不一致。此外，退耕還草效果不夠穩(wěn)固有退化風(fēng)險的區(qū)域主要在Ⅰ-1區(qū)、Ⅰ-2區(qū)。

3.2 土地利用與覆蓋變化的驅(qū)動力

利用地理探測器的因子探測方法得到了全區(qū)土地利用類型與8個驅(qū)動因子之間的關(guān)系，如圖5（a）所示。自然地理因子和社會經(jīng)濟(jì)因子共同驅(qū)動研究區(qū)LUCC，且社會經(jīng)濟(jì)因子的多年平均解釋力（0.799）大于自然地理因子的解釋力（0.521）。研究區(qū)全區(qū)主要受到糧食產(chǎn)量、高程和人口密度的影響，多年平均解釋力分別為0.290、0.238和0.234，其中，高程和人口密度的解釋力均呈逐年下降趨勢，坡度和氣溫的解釋力也呈下降趨勢，其余驅(qū)動因子的變化無明顯規(guī)律。

對8個驅(qū)動因子進(jìn)行分區(qū)探測的結(jié)果如圖5和表3所示，各分區(qū)在主導(dǎo)驅(qū)動因子、各因子解釋力大小和因子變化趨勢等方面存在較強(qiáng)的空間異質(zhì)性。具體而言，Ⅰ區(qū)主要受自然地理因子的影響（圖5（b）），尤其是高程和氣溫，多年平均解釋力分別為0.313、0.278。在Ⅰ區(qū)的6個水資源分區(qū)中（表3），雖然自然地理因子普遍占主導(dǎo)地位，但主導(dǎo)驅(qū)動因子分區(qū)而異，Ⅰ-1區(qū)、Ⅰ-2區(qū)、Ⅰ-3區(qū)、Ⅰ-4區(qū)、Ⅰ-5區(qū)和Ⅰ-6區(qū)分別受降水、GDP、糧食產(chǎn)量、氣溫、高程和氣溫的主導(dǎo)驅(qū)動;而Ⅱ區(qū)和Ⅲ區(qū)的LUCC更多地受到社會經(jīng)濟(jì)因子的驅(qū)動，在Ⅱ區(qū)的3個水資源分區(qū)中（表3），社會經(jīng)濟(jì)因子同樣占有較高影響，尤其是糧食產(chǎn)量?？傮w而言，自然地理因子在Ⅰ區(qū)對LUCC影響較大，而在Ⅱ區(qū)和Ⅲ區(qū)，社會經(jīng)濟(jì)因子更為顯著;同時，社會經(jīng)濟(jì)因子影響力在Ⅱ區(qū)和Ⅲ區(qū)不同年份之間波動劇烈，而在Ⅰ區(qū)則呈逐年下降趨勢。

3.3 黃河水源涵養(yǎng)區(qū)土地利用/覆蓋變化未來模擬與預(yù)測

3.3.1 模型模擬精度驗(yàn)證

利用地理探測器的各驅(qū)動因子對LUCC的解釋力，結(jié)合CA-Markov模型對研究區(qū)LUCC進(jìn)行模擬和預(yù)測。利用模擬和實(shí)際的土地利用數(shù)據(jù)計(jì)算Kappa指數(shù)（K），當(dāng)K>0.75時，通常被認(rèn)為具有較高的可靠性^［42］。模型識別期和驗(yàn)證期K分別為0.88和0.93，表明基于地理探測器和CA-Markov模型耦合模擬的空間分布結(jié)果是合理的，但無論是識別期還是驗(yàn)證期，模擬的土地利用類型相對于實(shí)際的土地利用類型分布更加集中（圖6）。進(jìn)一步將各土地類型的模擬面積與2015年、2020年的實(shí)際面積進(jìn)行比較（圖6（e）），2期土地利用模擬面積精度均大于83%，未利用土地是模擬精度最高的土地利用類型，其次是草地和建設(shè)用地。

3.3.2 未來2025年土地利用情景模擬

以2020年為預(yù)測基準(zhǔn)期，對研究區(qū)2025年自然發(fā)展情景和生態(tài)保護(hù)情景的土地利用進(jìn)行預(yù)測。在2種情景下，各地類未來空間分布格局相較于基準(zhǔn)期總體變化較小，且未來土地利用類型仍然以草地、耕地和林地為主，但不同地類的面積增減變化方向和數(shù)量存在較大差異（圖7）。具體而言，在自然發(fā)展情景下，草地和未利用土地面積減少，主要集中分布在Ⅰ區(qū)，其中Ⅰ-4區(qū)的草地面積減少比例最大（13.4%）;耕地、林地和建設(shè)用地面積增加，其中耕地增加主要在Ⅱ區(qū)，尤其是Ⅱ-1區(qū)（19.7%）。在生態(tài)保護(hù)情景下，研究區(qū)的林地、草地和水域面積增長，尤其是Ⅰ-5區(qū)的草地面積增加比例最大（6.1%）;耕地面積在所有分區(qū)上均減少，Ⅰ-5區(qū)減少面積比例最大（6.0%）?？傮w而言，在生態(tài)保護(hù)情景下，黃河水源涵養(yǎng)區(qū)的耕地和建設(shè)用地的發(fā)展將受到限制，生態(tài)用地面積將得到保障，生態(tài)環(huán)境將持續(xù)改善。

黃河水源涵養(yǎng)區(qū)未來地類轉(zhuǎn)移特征如圖8所示。研究區(qū)在2種情景下均以林-草-耕地間的轉(zhuǎn)變?yōu)橹?，自然發(fā)展情景傾向于耕地的擴(kuò)增，生態(tài)保護(hù)情景則偏向于增加草地面積。草地向未利用土地的轉(zhuǎn)變在自然發(fā)展情景下呈現(xiàn)草地退化趨勢，在生態(tài)保護(hù)情景下以草地面積增加為主。具體到分區(qū)尺度，Ⅰ區(qū)在自然發(fā)展情景下，地類轉(zhuǎn)移較活躍，草地普遍轉(zhuǎn)向耕地，例如，在Ⅰ-3區(qū)和Ⅰ-4區(qū)，草地流失面積分別為268 km²和491 km²;在生態(tài)保護(hù)情景下，Ⅰ區(qū)的耕地和未利用土地轉(zhuǎn)為草地，特別是在Ⅰ-5區(qū)。在Ⅱ區(qū)土地利用變化中，自然發(fā)展情景導(dǎo)致耕地和建設(shè)用地增加，林草地減少;而在生態(tài)保護(hù)情景下則呈現(xiàn)耕地減少、林草地增加的趨勢，其中Ⅱ-2區(qū)一直保持耕地減少和林草地增加的狀態(tài)。對于Ⅲ區(qū)，仍是自然情景下耕地增加顯著，在生態(tài)保護(hù)情景下，耕地減少、林草地增加。

4 結(jié)論

本文以黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展國家戰(zhàn)略為導(dǎo)向，將秦嶺和六盤山所在的渭河南部山區(qū)流域和伊洛河流域共同納入黃河水源涵養(yǎng)區(qū)，以“演變規(guī)律-驅(qū)動機(jī)制-未來預(yù)測”為主線對黃河水源涵養(yǎng)區(qū)及分區(qū)LUCC進(jìn)行定量分析，得出以下結(jié)論：

（1） 近30余年，黃河水源涵養(yǎng)區(qū)及分區(qū)的土地利用結(jié)構(gòu)總體上未發(fā)生根本改變，草地、耕地、林地是最主要的3種地類，草地廣泛分布在Ⅰ區(qū)（黃河上游水源區(qū)），耕地主要分布在Ⅱ區(qū)（渭河南山區(qū)）和Ⅲ區(qū)（伊洛河區(qū)），林地主要分布在Ⅰ區(qū)北部、Ⅱ區(qū)南部和Ⅲ區(qū)西部。全區(qū)從2000s后呈現(xiàn)退耕還林還草和建設(shè)用地快速增長的2條主線變化趨勢，但在Ⅰ區(qū)存在草地退化趨勢。

（2） 自然地理因子和社會經(jīng)濟(jì)因子共同驅(qū)動黃河水源涵養(yǎng)區(qū)LUCC，全區(qū)LUCC主要受到糧食產(chǎn)量、高程和人口密度驅(qū)動，Ⅰ區(qū)、Ⅱ區(qū)和Ⅲ區(qū)LUCC的主導(dǎo)驅(qū)動因素分別是高程、人口密度和糧食產(chǎn)量。Ⅰ區(qū)自然地理因子的解釋力呈波動增強(qiáng)趨勢，社會經(jīng)濟(jì)因子的解釋力呈減弱態(tài)勢，應(yīng)高度重視未來氣候變化可能造成的影響，而在Ⅱ區(qū)和Ⅲ區(qū)的2類驅(qū)動力總體上均呈增強(qiáng)趨勢，需要更加注重氣候變化和人類活動協(xié)同驅(qū)動下的影響。

（3） 在自然發(fā)展情景下，2025年的草地減少，耕地和建設(shè)用地面積增加，預(yù)示生態(tài)用地的面積受到城市化發(fā)展和耕地?cái)U(kuò)張的擠壓，將導(dǎo)致區(qū)域生態(tài)壓力增加、生態(tài)空間減少，不利于黃河水源涵養(yǎng)區(qū)的生態(tài)服務(wù)供給;在生態(tài)保護(hù)情景下，2025年的耕地和建設(shè)用地?cái)U(kuò)張將受到約束，能夠保障生態(tài)用地面積以支撐黃河水源涵養(yǎng)區(qū)生態(tài)保護(hù)和水源涵養(yǎng)功能的可持續(xù)性。

參考文獻(xiàn)：

［1］SONG X P，HANSEN M C，STEHMAN S V，et al.Author correction：global land change from 1982 to 2016［J］.Nature，2018，563：E26.

［2］LAMBIN E F，BAULIES X，BOCKSTAEL N，et al.Land-use and land-cover change （LUCC）：implementation strategy［R］.Stockholm：IGBP Report 48，1995，125.

［3］FOLEY J A，DEFRIES R，ASNER G P，et al.Global consequences of land use［J］.Science，2005，309（5734）：570-574.

［4］黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展規(guī)劃綱要［N］.人民日報(bào)，2021-10-09［2023-08-05］.（Outline of the Yellow River basin ecological protection and high-quality development plan［N］.People′s Daily，2021-10-09［2023-08-05］.（in Chinese））.

［5］王紫荊，徐夢珍，胡宏昌，等.1982—2020年黃河流域植被變化特征及驅(qū)動因素［J］.水科學(xué)進(jìn)展，2023，34（4）：499-509.（WANG Z J，XU M Z，HU H C，et al.Characteristics of vegetation changes and their drivers in the Yellow River basin from 1982 to 2020［J］.Advances in Water Science，2023，34（4）：499-509.（in Chinese））

［6］YU Y，HUA T，CHEN L D，et al.Divergent changes in vegetation greenness，productivity，and rainfall use efficiency are characteristic of ecological restoration towards high-quality development in the Yellow River basin，China［J］.Engineering，2024，34（3）：111-121.

［7］YU S Y，LI W J，ZHOU L，et al.Human disturbances dominated the unprecedentedly high frequency of Yellow River flood over the last millennium［J］.Science Advances，2023，9（8）：eadf8576.

［8］XUE D，YUE L，AHMAD F，et al.Empirical investigation of urban land use efficiency and influencing factors of the Yellow River basin Chinese cities［J］.Land Use Policy，2022，117：106117.

［9］謝麗霞，白永平，車?yán)?，?基于價值—風(fēng)險的黃河上游生態(tài)功能區(qū)生態(tài)分區(qū)建設(shè)［J］.自然資源學(xué)報(bào)，2021，36（1）：196-207.（XIE L X，BAI Y P，CHE L，et al.Construction of ecological zone based on value-risk ecological function area in the Upper Yellow River［J］.Journal of Natural Resources，2021，36（1）：196-207.（in Chinese））

［10］TURNER B L，SKOLE D，SANDERSON S，et al.Land cover change science/research plan［R］.Stockholm：IGBP Report No.35，1995.

［11］何春陽，張金茜，劉志鋒，等.1990—2018年土地利用/覆蓋變化研究的特征和進(jìn)展［J］.地理學(xué)報(bào)，2021，76（11）：2730-2748.（HE C Y，ZHANG J X，LIU Z F，et al.Characteristics and progress of land use/cover change research during 1990—2018［J］.Acta Geographica Sinica，2021，76（11）：2730-2748.（in Chinese））

［12］劉紀(jì)遠(yuǎn)，匡文慧，張?jiān)鱿?，?20世紀(jì)80年代末以來中國土地利用變化的基本特征與空間格局［J］.地理學(xué)報(bào)，2014，69（1）：3-14.（LIU J Y，KUANG W H，ZHANG Z X，et al.Spatiotemporal characteristics，patterns and causes of land use changes in China since the late 1980s［J］.Acta Geographica Sinica，2014，69（1）：3-14.（in Chinese））

［13］TURNER B 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 Sciences of the United States of America，2007，104（52）：20666-20671.

［14］XU D H，ZHANG K，CAO L H，et al.Driving forces and prediction of urban land use change based on the geodetector and CA-Markov model：a case study of Zhengzhou，China［J］.International Journal of Digital Earth，2022，15（1）：2246-2267.

［15］唐華俊，吳文斌，楊鵬，等.土地利用/土地覆被變化（LUCC）模型研究進(jìn)展［J］.地理學(xué)報(bào)，2009，64（4）：456-468.（TANG H J，WU W B，YANG P，et al.Recent progresses of land use and land cover change（LUCC） models［J］.Acta Geographica Sinica，2009，64（4）：456-468.（in Chinese））

［16］SEIBOLD S，GOSSNER M M，SIMONS N K，et al.Arthropod decline in grasslands and forests is associated with landscape-level drivers［J］.Nature，2019，574（7780）：671-674.

［17］LI S Y，ZHANG Q F.Response of dissolved trace metals to land use/land cover and their source apportionment using a receptor model in a subtropic river，China［J］.Journal of Hazardous Materials，2011，190（1/2/3）：205-213.

［18］ZUO Q，ZHOU Y，WANG L，et al.Impacts of future land use changes on land use conflicts based on multiple scenarios in the central mountain region，China［J］.Ecological Indicators，2022，137：108743.

［19］AKINCI H，ZALP A Y，TURGUT B.Agricultural land use suitability analysis using GIS and AHP technique［J］.Computers and Electronics in Agriculture，2013，97：71-82.

［20］PUNZO G，CASTELLANO R，BRUNO E.Using geographically weighted regressions to explore spatial heterogeneity of land use influencing factors in Campania （Southern Italy）［J］.Land Use Policy，2022，112：105853.

［21］WANG H Y，QIN F，XU C D，et al.Evaluating the suitability of urban development land with a Geodetector［J］.Ecological Indicators，2021，123：107339.

［22］呂錦心，梁康，劉昌明，等.無定河流域土地覆被空間分異機(jī)制及相關(guān)水碳變量變化［J］.干旱區(qū)研究，2023，40（4）：563-572.（LYU J X，LIANG K，LIU C M，et al.Spatial differentiation mechanism of land cover and related changes in water-carbon variables in Wuding River basin［J］.Arid Zone Research，2023，40（4）：563-572.（in Chinese））

［23］劉小平.“土地利用模擬” 專欄導(dǎo)言［J］.地球信息科學(xué)學(xué)報(bào)，2020，22（3）：516.（LIU X P.Introduction to the column “l(fā)and use simulation”［J］.Journal of Geo-Information Science，2020，22（3）：516.（in Chinese））

［24］RONIZI S R A，NEGAHBAN S，MOKARRAM M.Investigation of land use changes in rural areas using MCDM and CA-Markov chain and their effects on water quality and soil fertility in south of Iran［J］.Environmental Science and Pollution Research，2022，29（59）：88644-88662.

［25］ANPUTHAS M，JANMAAT J A，NICHOL C F，et al.Modelling spatial association in pattern based land use simulation models［J］.Journal of Environmental Management，2016，181：465-476.

［26］LIU X P，LIANG X，LI X，et al.A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects［J］.Landscape and Urban Planning，2017，168：94-116.

［27］FU X，WANG X H，YANG Y J.Deriving suitability factors for CA-Markov land use simulation model based on local historical data［J］.Journal of Environmental Management，2018，206：10-19.

［28］曾思棟，夏軍，杜鴻，等.氣候變化、土地利用/覆被變化及CO₂濃度升高對灤河流域徑流的影響［J］.水科學(xué)進(jìn)展，2014，25（1）：10-20.（ZENG S D，XIA J，DU H，et al.Effects of climate change，land use and cover change and CO₂enrichment on runoff：a case study of the Luanhe River basin［J］.Advances in Water Science，2014，25（1）：10-20.（in Chinese））

［29］劉宏娟，胡遠(yuǎn)滿，布仁倉，等.氣候變化對大興安嶺北部沼澤景觀格局的影響［J］.水科學(xué)進(jìn)展，2009，20（1）：105-110.（LIU H J，HU Y M，BU R C，et al.Impacts of climate changes on the landscape patterns of potential mire distributions in northern Great Khing′an Mountains［J］.Advances in Water Science，2009，20（1）：105-110.（in Chinese））

［30］ZHANG Y，CHANG X，LIU Y F，et al.Urban expansion simulation under constraint of multiple ecosystem services （MESs） based on cellular automata （CA）-Markov model：scenario analysis and policy implications［J］.Land Use Policy，2021，108：105667.

［31］王國慶.黃河流域水源涵養(yǎng)區(qū)界定［J］.水文，2022，42（2）：65.（WANG G Q.Definition of water conservation areas in the Yellow River basin［J］.Journal of China Hydrology，2022，42（2）：65.（in Chinese））

［32］FENG S Y，LI W L，XU J，et al.Land use/land cover mapping based on GEE for the monitoring of changes in ecosystem types in the Upper Yellow River basin over the Tibetan Plateau［J］.Remote Sensing，2022，14（21）：5361.

［33］REN J，MA R R，HUANG Y H，et al.Identifying the trade-offs and synergies of land use functions and their influencing factors of Lanzhou-Xining urban agglomeration in the upper reaches of Yellow River basin，China［J］.Ecological Indicators，2024，158：111279.

［34］XU W J，SONG J X，LONG Y Q，et al.Analysis and simulation of the driving mechanism and ecological effects of land cover change in the Weihe River basin，China［J］.Journal of Environmental Management，2023，344：118320.

［35］LIANG G F，LIU J Z.Integrated geographical environment factors explaining forest landscape changes in Luoning County in the middle reaches of the Yiluo River watershed，China［J］.Ecological Indicators，2022，139：108928.

［36］LI X J，PETERSON J，LIU G J，et al.Assessing regional sustainability：the case of land use and land cover change in the middle Yiluo Catchment of the Yellow River basin，China［J］.Applied Geography，2001，21（1）：87-106.

［37］YANG J，HUANG X.The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019［J］.Earth System Science Data，2021，13（8）：3907-3925.

［38］CHEN J D，GAO M，CHENG S L，et al.Global 1 km×1 km gridded revised real gross domestic product and electricity consumption during 1992—2019 based on calibrated nighttime light data［J］.Scientific Data，2022，9：202.

［39］閆國振，張征，梁康，等.鄂爾多斯高原泊江海子流域土地利用動態(tài)變化及驅(qū)動因素分析［J］.中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2017，25（11）：1693-1706.（YAN G Z，ZHANG Z，LIANG K，et al.Characteristics and driving factors of land use change in the Bojiang Lake basin in Ordos Plateau，China［J］.Chinese Journal of Eco-Agriculture，2017，25（11）：1693-1706.（in Chinese））

［40］XU Y，LU Y G，ZOU B，et al.Unraveling the enigma of NPP variation in Chinese vegetation ecosystems：the interplay of climate change and land use change［J］.Science of the Total Environment，2024，912：169023.

［41］王勁峰，徐成東.地理探測器：原理與展望［J］.地理學(xué)報(bào)，2017，72（1）：116-134.（WANG J F，XU C D.Geodetector：principle and prospective［J］.Acta Geographica Sinica，2017，72（1）：116-134.（in Chinese））

［42］FOODY G M.Status of land cover classification accuracy assessment［J］.Remote Sensing of Environment，2002，80（1）：185-201.

Regional differentiation and future patterns of land use changes in the water

conservation zone of the Yellow River

The study is financially supported by the National Key R&D Program of China （No.2021YFC3201102） and the National Natural Science Foundation of China （No.41971035）.

LIANG Kang¹，GONG Li^1，2，SONG Xiaoqing²，ZHANG Yongyong¹，LIU Changming¹

（1. Key Laboratory of Water Cycle and Related Land Surface Processes，Institute of Geographic Sciences and Natural

Resources Research，Chinese Academy of Sciences，Beijing 100101，China;

2. School of Geography

and Information Engineering，China University of Geosciences，Wuhan 430074，China）

Abstract：Investigating historical and future land use/land cover change （LUCC） characteristics in the water conservation zone of the Yellow River is important for protecting soil and water resources in the Yellow River basin and maintaining ecosystem service functions.In the study area and three major subareas （Ⅰ：Upper Yellow River water source area;Ⅱ：Southern Weihe River mountainous area;Ⅲ：Yiluo River area），based on land cover product data from 1990 to 2020，a transfer matrix，Geodetector，and CA-Markov model were used to analyze the spatiotemporal characteristics of LUCC to detect the driving factors and predict future spatial patterns （2025）.The results showed that since the 2000s，LUCC in the study area and subareas experienced two main trends：returning farmland to forestland and grassland and rapid growth of construction land.LUCC in the whole area was mainly driven by food production，elevation and population density，while the dominant drivers of LUCC in Subareas Ⅰ，Ⅱ and Ⅲ were elevation，population density and food production，respectively.Under the future ecological protection scenario，compared to those under the natural development scenario，the expansion of farmland and construction land will be constrained，and the area of ecological land can be better safeguarded to support ecological service functions such as water conservation.

Key words：water conservation;land use/land cover change;Geodetector;CA-Markov model;Yellow River basin