南方丘陵山区稀土矿区土地利用转型实证研究
——以赣州市L县为例*

朱晨辉， 陈永林，林建平，郭祥光

( 赣南师范大学 地理与环境工程学院，江西 赣州 341000)

1 引言

土地是人类主要社会经济活动的空间载体[1].当前，随着城镇化进程不断深入，土地利用在深度和广度上均呈现剧烈转型[2].土地利用转型是指区域土地利用形态在时序上的变化，它通常与经济和社会发展阶段的转型相对应[3-4].土地利用转型的研究已经成为土地利用/覆被变化(LUCC)综合研究的新途径之一[5-6]，林立于国际土地变化科学的热点前沿领域[7].2002年，龙花楼将土地利用转型的概念引入中国[8]，该领域相关研究成果大量涌现[9].

相关研究主要集中在以下几个方面：龙花楼等提出农村宅基地转型趋势的理论假设及区域土地利用转型理论模式，并系统讨论土地利用转型与乡村转型发展及重构[9]、土地资源管理[10]、土地整理[11]等的关系.李秀彬提出农地利用变化假说与相关的环境效应命题[12].胡守庚等系统分析土地利用转型潜力定义、内涵、形成机制与评价的理论框架[13]，宋小青等构建土地利用转型研究的基本框架[14].现有研究表明：土地利用转型是个很复杂的现象，与乡村转型发展及空间重构等多方面均存在耦合关系，影响着土地管理政策[15]、聚落变迁[16]、农民生计[17]等.土地利用转型研究仍处于探索阶段，相关理论体系有待完善，基于“格局—过程”耦合和梯度分异导向的土地利用转型研究是前沿方向[9].但从现有研究来看，土地利用隐性形态的研究成果较少，特别是忽略了土地利用格局与隐性形态之间的关联性研究.事实上，从“格局—过程”的耦合关系视角而言，土地利用格局的变化将直接或间接地影响着土地利用的强度、产权、交通等隐性形态，因此很有必要系统探讨两者之间的关系.

南方丘陵区的土地利用格局变化明显，景观斑块细碎，破碎度高.江西省赣州市属于典型的南方丘陵区，有丰富的稀土矿产资源.20世纪70年代以来，该区域大面积开采稀土资源，导致土地利用格局发生深刻变化，进而改变了稀土矿区及周边区域的土地利用强度和产值.本研究聚焦南方丘陵区稀土矿区这一特殊区域，以江西省赣州市L县稀土矿区为研究区，构建L县矿区土地利用隐性形态指数，探讨L市矿区土地利用隐性转型模式，分析稀土矿区土地利用隐性形态与稀土矿区景观格局指数之间的关系，深入认识稀土矿区土地隐性转型规律，为稀土矿区的土地资源优化配置提供借鉴.

2 研究区概况

L县为江西省的“南大门”东毗定南,南接广东和平、连平，西靠全南，北临信丰.土地面积为1 646 km2，下辖17个乡(镇、场、管委会)、107个村(社区)，总人口约34万.L县矿产资源丰富，其中离子型重稀土储量占世界已探明储量70%以上，是世界著名的“重稀土之乡”[18]. L县的森林覆盖率高，享有“生态王国”的美称.而L县地形西南高东北低，气候属中亚热带季风湿润型，年平均气温为19.2 ℃，年平均气温变幅为29 ℃，年平均降水量为1 500 mm左右.L县属于长江流域，赣江水系.主要河流有太平江、渥江、桃江、濂江和洒江.本次研究区为L县稀土矿区，主要包括汶龙镇黄沙矿区、关西镇富坑矿区、足洞矿区等稀土矿区[19].地理坐标位于24°48′N-24°52′N，114°46′-114°54′之间，具体位置如图1所示.

图1 赣州市L县区位图

3 数据来源与研究方法

3.1 数据来源

本文采用的主要数据为社会经济统计数据、L县2009年全国第二次土地利用调查分类数据和2019年全国第三次土地利用分类数据.社会经济统计数据来源于赣州市国民经济和社会发展统计公报、赣州市统计年鉴和L县统计年鉴，稀土矿区范围线来源于2017年矿区专项调查.针对本调查地区的特征，对第2次和第3次的土壤调查加以再次划分，将土地利用类别包括农田、森林、草原、水体、城乡建设土地、工矿土地以及其他土壤等7大类.

3.2 研究方法

3.2.1 景观指数筛选及生态学意义

景观格局指数是一种量化分析研究区内不同土地利用类型的景观空间格局变化的方法[20-21]，结合L县2009-2019年土地利用变化空间分布特征，对稀土矿区边界做缓冲区，并从各种地类的斑块数量、密度、破碎程度和集中程度4个方面.根据不同缓冲区地类特征，从斑块的分类水平上选择6种指标，依次为斑块面积(CA，Class area)、斑块密度(PD，Patch density)、最大斑块指数(LPI，Largest Patch index)、边界密度(ED，Edge density)、景观形状指数(LSI，Landscape shape index)、集聚指数(AI，Aggregation index)；从景观水平上选择5种指标,分别为斑块密度(PD)、边界密度(ED)、景观形状指数(LSI)、聚集指数(AI)﹑香农多样性(SHDI，Shannon diversity).以此分析L县稀土矿区土地的数量变化、密集程度变化、破碎度变化及集聚变化的特征，指标生态意义如表1[22].

表1 景观格局指数的生态意义

3.2.2 缓冲区

缓冲区分析是ArcGIS重要的分析功能之一，利用ArcGIS_10.6提取出L县土地利用类型，并把土地利用类型分成7类，面域实体为底图，分别对稀土矿区以外围500 m和1 000 m为间距做缓冲区分析﹐以便于对稀土矿区外围区域土地类型变化进行分析，探讨人类活动对于研究区当前的土地利用变化的影响，以及所带来的生态效益和经济效益[23].

3.2.3 土地转移矩阵

土地用途转化矩阵研究是对同一地域间各种土地用途的相互转换的规模和方式定量分析的重要手段，内容包括了研究期间土地的使用类型及面积特征等，并能直观表现出不同地域用途相互转变的结构特点及其转化方式[24].研究土地利用的转移矩阵，可以形象地描述在研究范围内各种土地利用形式的具体流向以及转移范围、转化面积等,从而有助于深入分析土地利用的动态变化等.关于转移矩阵的数学表达式：

其中Sij为研究区初期和末期的土地利用面积，i、j分别为研究区的不同时段的土地利用类型(i，j=1，2，3，4, …,n)，n为土地利用类型.矩阵中每一行表示研究时段内初期i向期末地类j从期初各地类获得的面积信息.

3.2.4 土地隐性形态指数构建和权重的确立

土地利用隐性形态相比土地利用显性形态的研究而言，研究量很少，通过参考前人的研究成果[25-27]，可知土地利用隐性形态指数值介于(0-1)之间，指数越大，说明土地利用隐性形态效果越好[28].其计算公式为:Z=Xi×Yi，式中，Z代表土地利用隐性形态指数;Xi指第项i指标标准化后的值;Yi指第i项指标的权重.

本文权重的确立利用主观赋权法和客观赋权法.主观赋权法是通过与专家商讨，对指标的权重进行分配[29]，指标权重带有一定的主观性；客观赋权法是以数据为基础，通过数学模型的计算，将权重合理分配，其分析结果虽客观，但也不全能反映研究对象的实际情况.本次研究指标权重的确立，首先是利用熵权法测算出初始权重值，计算公式和步骤如下：

之后，通过咨询专家意见和查阅相关文献[30-31]，对原先权重值进行调整，使其更好反应L县稀土矿区的真实情况.在指标选取层面，分别从土地投入、土地利用强度、土地产权变化和交通4个方面[30]，具体指标选取如表2所示.

表2 土地利用隐性形态指标体系

4 结果分析

4.1 L县土地利用景观格局变化

通过 2009-2019年L县土地利用图(图2)，利用ArcGIS_10.6得出2009-2019年L县土地利用转移矩阵表3.由表可知，耕地、草地、矿区用地和水域面积减少，林地、建设用地和其他用地面积增加.林地转入12 949 hm2，转出7 484 hm2，净增加5 465 hm2.耕地转入4 848 hm2，转出9 093 hm2，净减少4 245 hm2.草地转入615 hm2，转出2 831，净减少2 216 hm2.建设用地转入4 372 hm2，转出3 599 hm2净增加773 hm2.水域转入2 539 hm2，转出1 511 hm2，净增加1 028 hm2.其他用地转入336 hm2，转出292 hm2，净增加44 hm2.

图2 2009-2019年L县土地利用图

表3 L县土地利用转移矩阵表

L县矿区用地一共转入了534 hm2，耕地转入43 hm2，林地转入390 hm2，草地转入25 hm2，建设用地转入51 hm2，水域转入17 hm2.L县矿区用地一共转出了1 379 hm2，转为耕地、林地、草地、建设用地、水域和其他用地分别为46 hm2、1 063 hm2、38 hm2、151 hm2、29 hm2、2 hm2.综上可知，矿区面积减少977 hm2，且多转为林地.

4.2 L县稀土矿区景观格局变化

2017年L县划定稀土矿区范围.本次研究利用ArcGIS_10.6软件对L县土地利用类型的图层进行处理，将稀土矿区范围线用ArcGIS_10.6裁剪工具对2009年和2019年土地利用数据进行裁剪，得出2009-2019稀土矿区土地利用类型变化.如图3所示：其中稀土矿区范围内增加量最多的是水域增加12.82 hm2，其次是建设用地、草地和林地；减少量最多的是稀土矿区减少37.30 hm2，其次是耕地和其他用地.相比2009年，2019年矿区用地面积缩小，稀土矿区植被覆盖率上升.

图3 稀土矿区地类变化

4.3 L县稀土矿区外围区域景观格局变化分析

4.3.1 L县稀土矿区外围斑块水平上景观格局变化特征

如表4和表5可知，2009-2019年L县稀土矿区外围500 m缓冲区景观格局指数变化如下：林地的斑块面积(CA)增加量最大，矿区用地斑块面积(CA)减少量最大，这意味着林地再缓冲区中面积增加，矿区用地面积减少；矿区用地和建设用地的斑块密度(PD)呈现增加趋势，表明矿区用地和建设用地破碎度加强；林地的最大斑块指数(LPI)最大，矿区用地的最大斑块指数(LPI)减少量最多，说明林地依然是优势景观类型，而矿区用地的面积则减少；林地、其他用地、水域和建设用地的边界密度(ED)值增加，建设用地的边界密度(ED)增加量最大，说明这几种土地利用类型边界破碎度增加，建设用地边界破碎度的变化更为明显；耕地的景观形状指数(LSI)减少,其他用地景观形状指数(LSI)增加,说明除了耕地以外其他地类的破碎度都有所增加；林地的集聚指数(AI)最大，其他土地利用类型的集聚指数(AI)都有所下降，表明林地集聚度增加，呈现集中连片趋势，其他土地利用类型集聚度下降，呈现分散趋势.

表4 2009年L县稀土矿区外围500 m缓冲区景观格局指数

表6和表7总结了2009-2019年L县稀土矿区外围1 000 m缓冲区景观格局指数.与上述500 m缓冲区斑块面积(CA)变化相同，1 000 m缓冲区林地斑块面积(CA)最大，矿区用地次之.耕地的斑块密度(PD)下降，其他土地利用类型斑块密度(PD)随着时间的推移呈现出整体上升的趋势，说明耕地破碎度减少，其他地类破碎度增加.此外，林地的最大斑块指数(LPI)值最高，表明林地是研究区的主要景观类型.而且，随着时间的推移，林地和其他林地的最大斑块指数值(LPI)都有明显的上升，表明它们的主导斑块类型趋于增加.林地、其他用地、草地和建设用地的边界密度(ED)值在研究期间有所增加，且林地和建设用地的边界密度(ED)最大，而矿区用地、耕地和草地的趋势则相反，因此，前四类土地类利用类型的边缘复杂性大于后三类.矿区用地和耕地的景观形状指数(LSI)值较大,草地和其他用地景观形状指数(LSI)较小,说明林地和耕地景观斑块形状复杂度较大，草地和其他用地复杂度减少，研究区的地类呈现不规则变化趋势.期间，林地和建设用地的集聚指数(AI)增幅度较大，水域和其他用地的集聚指数(AI)较小，说明林地和建设用地呈现集中连片趋势，其他用地和水域呈现分散趋势.

表6 2009年L县稀土矿区外围1 000 m缓冲区景观格局指数

表7 2019年L县稀土矿区外围1 000 m缓冲区景观格局指数

4.3.2 L县稀土矿区外围景观水平上景观格局变化特征

图4为2009-2019年L县稀土矿区500米缓冲区的景观类型水平上景观格局指数变化趋势.10 年来，最大斑块指数(LPI)、聚集指数(AI)和景观形状指数(LSI)整体呈增加趋势.最大斑块指数(LPI)增加，说明优势土地利用类型的优势明显增加；聚集指数(AI)从87.80上升到89.29说明各地类的集聚性增强；斑块形状指数(LSI)从16.44增加到21.40，说明研究区斑块边界复杂程度上升.斑块密度(PD)、边界密度(ED)和香农多样性(SHDI)整体呈下降趋势.斑块密度(PD)值从13.21下降到11.79，说明各地类的破碎度小幅度下降；边界密度(ED)从62.72下降到61.97，说明人类活动对研究区的干扰程度减轻，斑块破碎度有所缓解；香农多样性(SHDI)略有降低，从1.02到1.01，说明缓冲区内土地利用丰富度略有下降，整体性加强.

图4 L县稀土矿区500m 缓冲区景观格局指数

图5为2009-2019年L县稀土矿区1 000 m缓冲区的景观类型水平上景观格局指数变化趋势.10年来，斑块密度(PD)、最大斑块指数(LPI)、边界密度(ED)和景观形状指数(LSI)呈增加趋势；香农多样性(SHDI)整体和聚集指数(AI)整体呈下降趋势.斑块密度(PD)从11.79增加到24.79，各地类斑块破碎度增加；最大斑块指数(LPI)从42.34增加到61.57，优势斑块逐渐变大；边界密度(ED)从61.96增加到68.29，各地类边界复杂度略有增加；斑块形状指数(LSI)从17.20增加到18.51，说明研究区斑块边界复杂程度略有增加；香农多样性(SHDI)从1.01下降到0.74，说明研究区内土地利用丰富度减少，整体性增强；聚集指数(AI)从89.28减少到88.22，说明各地类的聚集性虽有降低但不明显.

图5 L县稀土矿区1 000m 缓冲区景观格局指数

4.4 L县稀土矿区及外围景观变化驱动力分析

稀土矿区景观变化的驱动力包括自然因素和社会驱动因素，考虑到土地隐性转型指标的可能存在不能够完全反映研究区实际情况，为了是更好的找出稀土矿区及外围景观变化驱动因素，故选取了包括气候、人口、农业和经济在内的14个指标，分别为年降雨量(mm) 、月均气温值(℃) 、500万以上固定资产投资(万元)、总用电量(kW·h)、总人口数(人)、GDP(万元)、粮食产量(t)、第一产业增加值(万元)、第二产业增加值(万元)、第三产业增加值(万元)和交通里程数(km).

分析结果表明第1主成分解释了总变量的 64.37%，第2主成分解释了总变量的13.03%，第3个主成分解释了总变量11.17%，3个主成分解释了总变量的88.58%.第一产业增加值、生产总值、第二产业增加值和500万以上固定资产投资在第1主成分上的载荷较大，总用电量和城镇交通里程数在第2主成分上的载荷较大，这些因子反映了经济社会发展水平和能源消耗水平，因此第1主成分和第2主成分可以认为社会经济的代表；月均温在第3主成分上的载荷较大，因此第3主成分被认为是气候因素的代表.第1主成分和第2主成分解释了总变量的77.40%，说明社会经济发展是影响L县稀土矿区变化的主要因素.

4.5 L县土地隐性形态指数分析

相比于国外惯用的较长时段内的纵向比较，中国由于土地利用统计数据的时间序列比较短，所以不能直接引用其研究方法.因此，借鉴前人关于短序列的纵向比较法，将L县的土地利用隐性形态指数按时序变化绘制点折线图(图6)，通过对比不同时间点的土地利用隐性形态指数变化，比较分析转折点前后的增速变化规律，发现L县的土地利用隐性形态指数表现出明显的增长趋势[8,30,32].通过对比时间点上的土地利用隐性形态指数变化特征，发现研究期内L县的土地利用隐性形态表现出明显的阶段性特征，由此观察结果建立土地利用转型模式图(图7).由图6可知，在研究期间内土地利用隐性形态转型具有明显阶段性变化规律.根据(图6)点折线增速变化规律可以把土地利用隐性转型划分为3个时期，分别为“低速缓慢转型期”(指数在0.35以下)“中速剧烈转型期”(指数在0.35-0.57)“高阶稳定转型期”(指数在0.57以上).

图6 2009-2019年土地隐性形态指数 图7 土地利用转型模式

5 讨论

本研究关注L县稀土矿区土地利用显性和隐性转型，试图掌握其特征及规律，用以指导研究区社会经济可持续发展和稀土矿区的生态环境保护.土地利用转型是由一系列原因促使的，研究模式也是多种多样.大多数学者从人口因素、经济因素、区位因素、自然因素、产业因素和土地产权等方面进行土地隐性转型的研究.土地利用隐性转型速度与经济发展存在明显的相关性，转型速度与整体经济发展过程相匹配，是多种因素共同作用结果[27].

土地隐性转型研究方法发展不够完善，未来可能会向小区域和更长时间序列方向发展，并与多种数据和研究方法结合起来，使其更好地反映土地利用隐性转型的规律.土地利用隐性形态与土地景观格局分析在时空上的存在一定的相关性.研究表明，土地利用隐性形态与土地景观格局之间有一定的相关性，隐性指数升高，部分景观的破碎度会增加，这需要我们在重视经济发展的同时，也要关注生态环境的变化，提高土地利用可持续水平.

6 结论

通过对稀土矿区周围区域500 m和1 000 m缓冲区的斑块水平上景观格局变化分析可知：在500 m和1 000 m缓缓冲区中林地作为优势土地利用类型面积增加，而矿区用地面积减少；矿区用地和建设用地破碎度加强；林地、其他用地、水域和建设用地的边界破碎度增加，其中建设用地增加边界破碎度的变化更为明显；林地集聚度增加，呈现集中连片趋势，其他土地利用类型集聚度下降，呈现分散趋势.相比于500 m缓冲区，1 000 m缓冲区的林地和建设用地的边界破碎相对较大，林地和耕地景观斑块形状复杂度较大，草地和其他用地复杂度减少，地类呈现不规则变化趋势.

通过对稀土矿区周围区域500 m和1 000 m缓冲区景观水平上格局变化分析可知：500 m缓冲区环境得到改善，各地类的集聚性增强，各地类的破碎度小幅度下降，斑块破碎度有所缓解，缓冲区内土地利用丰富度略有下降，整体性加强；1 000 m缓冲区环境略有改善，各地类斑块破碎度增加，优势斑块逐渐变大，各地类边界复杂度略有增加，土地利用丰富度减少，但整体性增强，各地类的聚集性虽有降低但不明显.

通过对矿区景观变化的自然和人为驱动因素分析，社会经济发展是影响L县矿区变化的主要因素，自然因素对稀土矿区景观格局变化影响较小.

L县土地利用隐性形态指数的变化与经济发展情况紧密相关，在研究期间，土地利用隐性形态指数呈现明显的上升趋势，增速也呈现由低到高的变化.根据土地利用隐性形态指数增速变化规律，可以将其划分为3个时期，分别为“低速缓慢转型期”(指数在0.35以下)“中速剧烈转型期”(指数在0.35-0.57)“高阶稳定转型期”(指数在0.57以上).