基于地类变更事件的耕地变化热点区域探测

程　凯， 郜允兵， 汪如民

[1.中国矿业大学(北京)地球科学与测绘工程学院，北京 100083； 2.北京农业信息技术研究中心，北京 100097；3.湖北省武汉市国土资源和规划局，湖北武汉 430014]

耕地资源是我国农业发展的物质基础，是我国粮食安全的保障，保持一定数量和质量的耕地是人类赖以生存与发展的基本条件。耕地资源的变化是区域土地利用变化的核心，受自然、社会经济、技术和历史等因素的影响，耕地变化和流向反映了社会经济发展的基本态势。因此，正确认识和把握耕地资源随时间和空间变化的过程及影响因素，将对制定保护耕地的政策法规及优化资源配置、提高资源利用效率和人地协调发展具有重要意义。目前，对于耕地的研究主要包括耕地数量与质量[1-4]、生态价值、社会保障价值、经济价值的理论探讨与定量化研究[5-6]以及耕地变化的驱动力及相关政策研究[7]等。近年来，我国学者在耕地变化方面有较多研究。谭雪兰等以长沙市1998—2009年土地利用变更调查数据及相关的社会经济统计资料为基础，分析了长沙市近12年来耕地资源变化的时空特点，并运用主成分分析法对长沙市耕地变化的驱动因子进行了研究，得出经济发展、人口增长、农业科技进步是影响长沙市耕地数量变化的三大驱动力，其中经济发展是最为重要的因素[8]。赵晓丽等以近30年的数据分析了中国耕地变化的时空特征与变化的主要原因，结果表明，虽然近30年间耕地面积总量相对稳定，但区域差别明显，呈现南减北增趋势，并对变化驱动力作了进一步的分析[9]。杜新波等利用青海省2000—2008年耕地变化数据，结合变更调查序列数据，基于动态度差异指标，分析了全省耕地变化的区域差异特征，并从耕地保护政策、生态退耕工程、土地开发整理工程、重大建设工程、人口与民族因素和城镇化进程6个方面分析了耕地变化的驱动力[10]。赵艳玲等针对耕地变化内部规律及外部驱动因子的特点，提出利用鱼群算法优化最小二乘支持向量机回归的耕地变化预测模型，为多因素参与的高维非线性的耕地变化预测提供了有效手段[11]。罗开盛等利用长沙市2000—2010年的土地利用变化信息，基于变化幅度和动态度、土地利用转移矩阵和变化趋势指数等定量化指标预测了耕地变化趋势，结果表明，耕地变化趋势为落势，未来的流失方向是人工表面[12]。

综上所述，耕地变化的研究多集中在驱动力机制分析和耕地变化预测模型，在于解释导致耕地变化的外部因素与未来变化方向。对于耕地变化规律分析，特别是在长时序数据基础上的耕地变化热点区域移动趋势研究还不多。本研究主要以武汉市汉南经济开发区长时序数据为基础，应用基于图斑变化碎片的土地利用变化热点探测技术，结合空间自相关分析、局部热点探测等空间分析技术，对多期数据耕地变化热点区域进行探测，并根据探测结果建立变化热点区域空间中心转移模型，综合分析耕地变化热点区域变化规律与趋势，为研究区土地资源的可持续利用决策和区域人地关系调控提供参考，同时可为其他类似区域的土地利用提供借鉴。

1　材料与方法

1.1　数据来源

本研究采用湖北省武汉市汉南区第1次耕地调查时期1996—2001年、第1次耕地调查过渡时期2002—2008年、第2次耕地调查时期2009—2014年3期土地利用现状矢量数据，数据来自武汉市国土资源与规划局。汉南区位于武汉市西南部，三面环水，东南与长江濒临，与嘉鱼县、江夏区隔江相望，北抵通顺河，与蔡甸区相邻，西面、南面以东荆河为界，并与仙桃、洪湖两市毗连。自1992年设立经济开发区以来，汉南经济快速发展，经济发展的同时，导致区内耕地面积不断向建设用地转换，耕地和基本农田保护形势严峻。同时由于城镇用地与基础设施用地需求将随经济发展进一步增长，不可避免地会占用部分耕地，而区内耕地后备资源数量少，分布零散，且多处于生态较为脆弱的区域，严重制约了耕地资源补充的能力。

1.2　研究方法

1.2.1空间自相关分析土地利用变化与行政区有一定的相关性，即与空间相邻行政区的土地利用变化有关联性。在县域尺度上通过区域内土地利用变化相关性判别，可为土地利用变化聚集分析提供量化依据。空间自相关分析表示的是一个区域分布的地理事物的某一属性和其他所有事物的同种属性之间的关系，研究不同观察对象同一属性在空间上的相互关系，是空间单元属性集聚集程度的一种度量[13-14]。对于任何空间变量(属性)Z，空间自相关测度的是Z的邻近值对于Z相似或不相似的程度。如果邻接位置上相互间数值接近，空间模式表现出正空间自相关；如果相互间数值不接近，空间模式表现出负空间自相关。空间自相关有全局和局部2种度量指标[15-16]。全局空间自相关是利用某一指标探测整个研究区域自相关程度，对于空间内部差异难以描述。局部空间自相关可以分析局部空间系统分布特征的具体表现形式，包括空间聚集区、非典型局部区域、异常值等，通常采用Moran散点图、LISA、Anselin local Moran’s I等方法[16-18]。本研究采用Moran’s I 指数进行全局空间自相关的计算。Moran’s I 是用于衡量空间要素的相互关系[19]，与一般统计学中相关系数类似，其值在±1之间，相应的，若I=0，表示空间不相关；若I>0，表示空间正相关；若I<0，表示空间负相关。通过计算返回的Z得分与P值进行评估。具体计算公式[20]如下：

式中：E[I]=-1/(n-1)为Moran’s I的期望值；V[I]=E[I2]-E[I]2为Moran’s I的方差值。

对于空间权重矩阵的确定，通常有2种方法[21]：(1)按照面积之间是否有邻接关系的邻接法；(2)基于面积单元中心距离的重心距离法。相应的矩阵表示方法分为2类：一是若要素对象Fi与要素对象Fj边界共享，则wi,j=1，否则wi,j=0；二是设定一个距离阈值δ，若要素对象Fi与要素对象Fj中心距离di,j<δ，则wi,j=1，否则wi,j=0。本研究采用第1种方法确定空间权重矩阵。

1.2.2土地利用变化热点探测技术本研究中将土地利用中图斑地类变化、面积变化等看做1个事件，通过空间叠置分析法提取土地利用变化图斑碎片，将一段时间内土地利用图斑碎片看做1次土地利用变化事件，则可以利用热点分析技术对1个行政区内土地利用变化的热点/冷点进行探测。

式中：xj是要素j的属性值，wi,j是要素i与j之间的空间权重，n为要素总数，且：

2　结果与分析

2.1　全局空间自相关分析

基于Visual Studio2010与ArcGIS Engine10.0实现基于图斑变化碎片提取的热点探测技术，以村镇为基本单元进行全局空间自相关分析，分析结果返回3个数值，分别是Moran’s I、Z得分、P值，其中Z得分为标准差的倍数，P值表示概率，得到3期土地利用数据空间自相关分析结果(表1)。

表1　全局空间自相关结果

根据经验，Z>1.96(正态分布函数在0.05显著性水平下的临界值)表明存在统计学意义，区域内存在聚类现象。从表1可以看出，2009—2014年的耕地变化Z>1.96，说明出现了集聚现象。1996—2001年、2002—2008年2期数据的耕地变化分析结果中，Z<1.96，说明在1996—2001年、2002—2008年耕地变化较均匀，几乎没有变化剧烈区域出现，整个汉南区耕地变化平缓。从整体出发，Z值逐渐增大，P值逐渐小，从侧面反映出汉南区的耕地变化逐渐呈现了变化不均匀趋势，开始集聚到某一区域或几个区域中。

2.2　耕地变化热点探测

以提取的多年累加增量数据为源数据，耕地转换为建设用地为分析准则，进行局部空间自相关分析，得到3期耕地变化热点探测结果(表2、图1)。

表2　热点区域G值与P值

从表2、图1可以看出，在1996—2001年期间，东风村G值大于1.96，属于变化热点区域，耕地流失较严重，在图中呈现亮红色，但整个汉南区东西方向变化较均匀。在2002—2008年期间，有4个区域G值均大于1.96，属于变化热点区域，耕地向建设用地转换的热点区域相对1996—2001年来说，数量有所增加，且整个汉南区耕地变化程度开始呈现东西不均衡分布，表现为西部耕地变化程度小、东部变化程度大的趋势。2009—2014年调查结果相对于2002—2008年，耕地变化热点区域再次增加，达到6个，且都集中在东北部地区，此区域耕地流向建设用地严重，整个汉南区呈现了明显的耕地变化程度不均匀现象。从1996—2001年耕地变化热点区域分布图可以看出，耕地变化热点区域的周边乡镇，相对于远离变化热点的乡镇，耕地变化程度要剧烈，即耕地变化热点区域对周边乡镇的耕地变化有带动作用。

2.3　变化热点区域转移分析

提取每一期热点变化区域，将3期耕地变化热点区域同时显示，结合ArcGIS 10.0建立变化热点区域空间中心转移模型，结果见图2，图中圆点表示变化热点区域中心。从图2可以看出，1996—2001年耕地变化热点区域中心位于研究区南部；2002—2008年耕地变化热点区域相对于1996—2001年整体向北移动，且呈现“两极”分布状态；2009—2014年耕地变化热点区域，以2002—2008年变化热点区域为参照，分别向北向西移动。综上所述，3期耕地变化热点区域整体上呈现了向北移动的趋势。

3　讨论与结论

本研究采用了全局空间自相关与局部自相关技术对武汉市汉南区1996—2014年共3期土地利用现状矢量数据进行了研究，研究发现1996—2001年、2002—2008年2期汉南区耕地变化较平稳，耕地向建设用地流失程度较均匀，无明显的区域差异现象。2009—2014年，汉南区耕地变化呈现明显的集聚现象，存在较多的变化热点区域，耕地向建设用地流失呈现“东多西少，北多南少”的空间格局。同时结合耕地变化热点区域空间中心转移模型得出耕地变化热点区域由南部开始，整体逐渐向北部移动，这与2009年汉南区实行的相关政策有关，2009年汉南区“买断”汉洪高速(武汉—洪湖)，武汉开发区至汉南纱帽段15 km的免费行车权，而此段路线位于汉南东北区域，使得汉南区通行市区时间缩短50%，且全程免费。自此汉南东北区域进入快速发展阶段，项目扎推入驻并带动经济高速发展，同时区内城镇化率迅速提高，促使耕地极速流向建设用地，导致汉南区耕地变化热点区域中心集中向东北部迁移，致使东北地区耕地变化程度相对其他区域程度较大。

本研究利用基于图斑变化碎片提取的局部热点探测技术研究了汉南区1996—2001年、2002—2008年、2009—2014年3期耕地变化热点区域，首先应用了全局空间自相关指数Moran’s I探讨了耕地变化是否出现集聚现象，并对结果作了进一步分析。然后利用局部热点探测技术，计算局部G值，并将热点区域统计显示在图表，根据结果对汉南区耕地变化规律作了总结。最后通过构建汉南区3期的耕地变化热点区域空间中心迁移模型，讨论了耕地变化热点区域的变化趋势，并结合汉南区相关政策对造成这种现象的原因展开了讨论。

参考文献：

[1]李秀彬. 中国近20年来耕地面积的变化及其政策启示[J]. 自然资源学报，1999，14(4)：329-333.

[2]封志明，刘宝勤，杨艳昭. 中国耕地资源数量变化的趋势分析与数据重建：1949—2003[J]. 自然资源学报，2005，20(1)：35-43.

[3]林珊珊，郑景云，何凡能. 中国传统农区历史耕地数据网格化方法[J]. 地理学报，2008，63(1)：83-92.

[4]高志强，刘纪远，庄大方. 我国耕地面积重心及耕地生态背景质量的动态变化[J]. 自然资源学报，1998，13(1)：92-95.

[5]蔡运龙，霍雅勤. 中国耕地价值重建方法与案例研究[J]. 地理学报，2006，61(10)：1084-1092.

[6]李翠珍，孔祥斌，孙宪海. 北京市耕地资源价值体系及价值估算方法[J]. 地理学报，2008，63(3)：321-329.

[7]孔祥斌，刘灵伟，秦静. 基于农户土地利用行为的北京大兴区耕地质量评价[J]. 地理学报，2008，63(8)：856-868.

[8]谭雪兰，段建南，朱红梅，等. 长沙市耕地变化的时空特征及其驱动力分析[J]. 中国农学通报，2012，28(2)：240-244.

[9]赵晓丽，张增祥，汪潇，等. 中国近30a耕地变化时空特征及其主要原因分析[J]. 农业工程学报，2014，30(3)：1-11.

[10]杜新波，周伟，司慧娟，等. 青海省2000—2008年间耕地变化及驱动力研究[J]. 水土保持研究，2013，20(5)：180-186.

[11]赵艳玲，何厅厅，刘亚萍，等. 基于FSA-LSSVR模型的安徽省耕地变化预测[J]. 水土保持研究，2014，21(3)：136-140.

[12]罗开盛，李仁东. 长沙市近10年土地利用变化过程与未来趋势分析[J]. 中国科学院大学学报，2014，31(5)：632-639.

[13]张松林，张昆. 空间自相关局部指标Moran指数和G系数研究[J]. 大地测量与地球动力学，2007，27(3)：31-34.

[14]齐丽丽，柏延臣. 社会经济统计数据热点探测的MAUP效应[J]. 地理学报，2012，67(10)：1317-1326.

[15]Ord J K，Getis A. Testing for local spatial autocorrelation in the presence of global autocorrelation[J]. Journal of Regional Science，2001，41(3)：411-432.

[16]Anselin L. Local indicators of spatial association-LISA[J]. Geographical Analysis，1995，27(2)：93-115.

[17]Anselin L. The future of spatial analysis in the social sciences[J]. Geographic Information Sciences，1999，5(2)：67-76.

[18]Anselin L. Interactive techniques and exploratory spatial data analysis[M]//Longley P A，Goodchild M F，Maguire D J，et al. Geographical information systems：principles，techniques，management and applications. New Jersey：John Wiley & Sons Inc，253-266.

[19]邱炳文，王钦敏，陈崇成，等. 福建省土地利用多尺度空间自相关分析[J]. 自然资源学报，2007，22(2)：311-320，图版Ⅰ.

[20]王红亮，胡伟平，吴驰. 空间权重矩阵对空间自相关的影响分析——以湖南省城乡收入差距为例[J]. 华南师范大学学报(自然科学版)，2010(1)：110-115.

[21]冯昕，杜世宏，舒红. 空间权重矩阵对空间自相关的影响分析——以我国肾综合征出血热疾病为例[J]. 武汉大学学报(信息科学版)，2011，36(12)：1410-1413.

[22]Getis A，Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis，1992，24(3)：189-206.

[23]杨晓明，戴小杰，田思泉，等. 中西太平洋鲣鱼围网渔业资源的热点分析和空间异质性[J]. 生态学报，2014，34(13)：3771-3778.