陕北黄土高原土地利用多功能时空分异及分区管理研究

耿 雨，梁小英，荔 童，刘 迪，徐婧仪

(西北大学 城市与环境学院/陕西省地表系统与环境承载力重点实验室,陕西 西安 710127)

土地利用功能指由不同土地利用方式所提供的私人和公共的产品和服务[1]。在可持续发展的影响下,土地利用功能由单一功能逐渐向多功能转变[2],土地利用的多功能性全面体现了土地利用的现状和绩效,是评估土地利用可持续性的重要指标与方法。社会经济快速发展引发土地利用失衡,人地矛盾突出,因此土地利用多功能研究已成为地理学、土地科学领域的前沿课题,对国土空间格局优化和土地可持续利用具有重要的现实意义。

目前,土地利用功能的研究主要集中在指标体系划分、土地利用多功能及其分区研究等方面。土地利用多功能评价指标体系划分方式主要有两类,一是基于可持续发展理论的三分法(社会、经济和环境功能)[3],二是基于“三生”空间理论的三分法(生产、生活和生态功能)[4]。其中“三生”功能分类为国土空间开发和区域综合治理提供了新视角,得到诸多学者的认可[5]。土地利用多功能研究主要集中在时空演变、影响因素、权衡协同、功能转型等方面[6-10],多集中在全国、省域、地级市等大中尺度[11-14],采用网格尺度的研究较少[15]。从土地利用功能分区来看,主要基于生态适宜度模型、功能间权衡协同关系进行分区[16-17],对土地利用多功能空间组合特征考虑较少。基于机器学习的高斯混合模型在考虑数据的分布特征方面优势明显,为土地利用功能进行分区研究提供借鉴。

因此, 基于“三生”空间理论构建土地利用多功能指标体系, 进行网格尺度土地利用多功能空间化研究, 成为评估土地利用可持续性的重要趋势。 本文以陕北黄土高原为例, 在构建土地利用多功能评价指标体系的基础上, 定量测度研究区2010—2018年各级土地利用多功能, 完成土地利用功能分区, 为土地利用多功能协调发展提供参考。

1 研究区概况与数据来源

1.1 研究区概况

陕北黄土高原地处黄土高原中部,陕西省北部,地理位置介于35°16′N～39°34′N、107°15′E～111°15′E,总面积为79 981.9 km2,占黄土高原总面积的12.6%。地势西北高,南部丘陵沟壑区较低;处于暖温带大陆性季风半湿润气候向温带半干旱气候的过渡区,年平均气温8～12℃,年平均降水量350～600 mm,降水量由东南向西北减少。土地利用以草地和林地为主,北部风沙区沙地分布广泛,生态环境较为脆弱,南部林草地较多生态质量较好。

陕北黄土高原包括无定河流域、秃尾河流域和窟野河流域等13个子流域[18],涵盖延安市、榆林市所辖全部区域,包括25个县级行政单位,298个乡镇。近年来依靠矿产资源,以能源化工为主,成为陕西经济增长最快、持续性最强的地区[19]。2010年来,随着新一轮退耕还林还草政策的实施,以及该地区人口的增加、城市化进程的加快,研究区土地利用发生了巨大变化,人地矛盾加剧。深入挖掘土地的多功能利用价值,是协调当地用地矛盾、实现土地资源持续利用的关键[20]。

1.2 数据来源与处理

数据主要包括:① 2010、2018年土地利用数据,分辨率30 m,源于中国科学院资源环境科学数据中心 (http:∥www.resdc.cn);② 2010年夜间灯光数据,分辨率1 km;2018年夜间灯光数据,分辨率500 m。源于NOAA/NGDC网站 (https:∥www.ngdc.noaa.gov/ngdc.html),对其进行过饱和矫正和连续矫正,使其具有可比性[21];③ 2010、2018年中国逐月降水量数据,分辨率1 km,来源于国家地球系统科学数据中心 (http:∥www.geodata.cn);④ 潜在蒸发数据,分辨率4 km,源于NCAR网站(https:∥climatedataguide.ucar.edu/) TerraClimate全球高分辨率网格数据;⑤ 净初级生产力数据(NPP),分辨率500 m,源于美国国家航空航天局(https:∥search.earthdata.nasa. gov)产品数据集MOD17A3HGF;⑥ DEM数据,分辨率90 m,源自地理空间数据云平台(http:∥www.gscloud.cn);⑦ 土壤数据,源于世界土壤数据库,比例尺为1∶100万;⑧ 2010和2018年社会经济数据来源于《中国县域统计年鉴》。

为方便计算将所有数据统一到相同地理坐标系(GCS-WGS-1984坐标系)和投影坐标系阿尔伯斯投影(Albers),并建立网格(1 km×1 km)进行空间化表达,共计85 190个地理网格。

2 研究方法

2.1 土地利用多功能评价体系

本文将土地利用多功能划分为生产、生活、生态3项一级功能和8项二级功能,参考以往文献[22]确定评价指标体系(见表1)。指标选取遵循以下原则:在通用性指标和区域性指标相结合的基础上,考虑数据的可获取性以及空间差异性,综合选取代表性指标量算土地利用多功能。对各二级功能使用熵权法进行加权求和以量化生产、生活和生态功能。公式如下:

(1)

式中:Prodi、Lifei、Ecoli分别代表网格i的生产、生活和生态功能;I(i, j)是网格i内指标j的值;ωj是指标j的权重，为2010年和2018年权重平均值。

表1 土地利用多功能分类体系及表征指标Tab.1 Classification system and indexes description of land use functions

2.2 土地利用多功能时空分异

本文使用自然断点法反映一级功能的空间分布情况,并使用叠加分析和热点分析揭示研究区土地利用8项二级功能的热点变化。通过Spearman秩相关分析对土地利用多功能之间的权衡协同作用进行量化,分析其演变规律。

2.3 土地利用多功能分区管理

高斯混合模型是K个高斯分布(正态分布)函数的线性组合,其学习效率较高[23]。相较于以K-Means聚类为代表的硬聚类,高斯混合模型依据概率值得到聚类结果在准确性方面优势明显,提高了类别重叠时聚类的科学性[24]。

设d维随机变量x=(x1,x2, …,xd)T,则包含K个高斯分布的混合模型公式如下:

(2)

式中:N(x|μk,Σk)为高斯概率密度函数；ωk、μk、Σk分别为高斯混合模型中第k个组件的权重、均值、协方差矩阵;p(x)为模型的概率密度函数。

本文使用高斯混合模型进行土地利用功能分区,计算研究区298个乡镇8项土地利用多功能标准化平均值,形成298×8的矩阵。模型通过期望最大化算法(expectation-maximization algorithm,EM)估计模型参数,并基于贝叶斯信息准则(Bayesian information criterion,BIC)确定最佳聚类数量。本文确定最佳聚类数量为4类。

3 结果与分析

3.1 土地利用多功能时空分异

为使两个年份数据具有可比性,本文以2010年为标准,使用ArcGIS 10.6自然断点法对三项一级功能进行划分,分级标准见表2。

表2 土地利用一级功能分级标准Tab.2 Grading standards for primary functions

3.1.1 生产功能 生产功能对应可持续发展中的经济维度,主要体现土地利用的经济产值。本文将其划分为粮食生产功能和经济发展功能。从图2A和2B看出,生产功能高值区主要集中于榆林和延安两市中心城区以及附近的县域中心。2010—2018年,生产功能平均值从0.27上升到0.35。2010年生产功能集中分布在研究区的西部和北部,其中西部呈点状较为分散,北部呈带状相对集中。两级分化明显,高值区和低值区占研究区总面积78%,2018年生产功能高值区变化较小,中值、较高值显著增加,研究区北部、中部和南部均出现高值中心,但整体而言生产功能由南向北逐渐递增。

图2 研究区土地利用生产功能及热点区分布Fig.2 Result and hotpot distribution of land use production function in study area

生产功能的两项二级功能空间差异明显。① 粮食生产功能热点区(见图2C)主要集中于无定河流域、鄂尔多斯内流区、泾河流域和北洛河的洛川县。该区域耕地分布较广为粮食生产提供了良好的基础条件。2018年粮食生产功能热点区相对稳定,无定河流域北部热点区缩小,这是因为该区域建设用地的扩张对耕地的占用。② 经济发展功能热点区(见图2D)主要集中于蒙陕支流区、窟野河流域、秃尾河流域、无定河流域北部、延河流域中部和东部以及北洛河流域南部。2018年经济发展功能热点区主要有以下变化:南部热点区向北扩张;中部热点区范围以不变和减小为主;东北部热点区扩大最为明显,主要包括府谷县、神木市全域和榆阳区部分地区,该区域二、三产业产值分别占陕北53%和46%,是陕北经济发展中心。

3.1.2 生活功能 生活功能对应可持续发展中的社会维度,主要体现土地利用的社会效益。本文将其划分为居住承载功能、就业保障功能和交通保障功能。从图3A和3B可以看出,研究区的生活功能高值区分布与生产功能高值区具有高度的相似性,这主要源于生产和生活功能的协同作用。2010年生产功能高值区,分布在研究区中部和北部,中部高值区团状聚集,北部带状分布。2010—2018年,生活功能平均值从0.21上升到0.37。与2010年相比,2018年土地利用生活功能整体提高,神木市所在区域和新增交通道路附近是生活功能提高的典型区域。

图3 研究区土地利用生活功能及热点区分布Fig.3 Result and hotpot distribution of land use life function in study area

3项二级功能时空分异表现为:① 居住承载功能热点区(见图3C)主要分布在各个县域建成区附近,建成区良好的基础设施吸引了大量的人口聚集。2018年居住承载功能热点区域无明显变化。② 2010年就业保障功能热点区域(见图3D)包括神木市、榆阳区和宝塔区。2018年就业保障功能热点区只有神木市,该变化体现了神木市经济发展过程中与其他县域差距扩大。③ 2010年交通保障功能热点区(见图3E)较少,主要集中于研究区北部。2018年交通保障热点区增加明显,路网基本覆盖整个研究区,其中研究区中部交通保障功能提升最为明显。

3.1.3 生态功能 生态功能对应可持续发展中的环境维度,主要体现土地利用的环境效益。本文将其划分为生物保护功能、水源涵养功能和土壤保持功能。从图4A和4B可以看出,研究区的生态功能高值区主要分布于南部和东部,低值区主要集中于北部,呈南高北低的分布趋势,东部河流沿岸生态功能较高。这是研究区降水量、蒸发量、土壤类型以及土地利用类型共同影响的结果。2010—2018年,生态功能平均值从0.35下降到0.33,2018年生态功能整体减弱。高值和中高值面积占比从2010年的25%下降到18%,秃尾河和无定河流域高值下降明显。

3项二级功能热点区域空间分异主要表现:① 生物保护功能热点区(见图4C)主要分布于研究区南部、无定河下游以及鄂尔多斯内流区,上述区域土地利用类型以林地和草地为主具有较高的生境质量。2018年生物保护功能热点区无明显变化。② 水源涵养功能热点区(见图4D)集中于研究区南部的北洛河流域,该区域降水量充足、植被覆盖度高是其成为水源涵养热点区域的重要原因;无定河流域、佳芦河流域和黄河干流区中段也有热点区分布。2010—2018年北洛河流域水源涵养功能热点区向西北部扩张,无定河流域水源涵养热点区向西扩张,延伸到鄂尔多斯内流区,佳芦河流域水源涵养热点区缩小,这与研究期内降水量变化相符。③ 土壤保持功能热点区(见图4E)主要集中于研究区南部和东部,该区域地势较低,为多数河流的下游区域,潜在土壤流失量和保持量均大于研究区其他区域;2018年土壤保持东部热点区以减少为主,西部热点区增加,这与西部水源涵养功能的提高有关。

图4 研究区土地利用生态功能及热点区分布Fig.4 Result and hotpot distribution of land use ecological function in study area

3.2 土地利用多功能权衡协同分析

由表3可知,2010—2018年研究区土地利用一级功能有显著的权衡协同关系。其中:生产和生活功能呈现显著的协同关系,生产和生态功能、生活和生态功能呈现显著的权衡关系,且在研究期内的权衡协同关系有增强趋势。体现了经济和社会维度的协同发展能力,以及经济和社会的发展对环境的负面影响。如生产和生活功能较高的无定河流域和研究区北部区域,其生态功能处于低值。而位于研究区南部的黄陵县、富县等,具有较高的生态功能,但其生产和生活功能处于低值。

表3 研究区土地利用一级功能相关系数Tab.3 Spearman rank correlation of primary functions in study area

由表4可知,土地利用二级功能的权衡协同关系与一级功能基本保持一致。即在2010—2018年间，生产和生活功能的二级功能主要表现为协同关系,但粮食生产和就业保障功能呈现权衡关系,且有减弱趋势。这主要是因为粮食生产功能热点区和就业保障功能热点区空间上的分离,而随着就业保障功能热点区的缩小,两者的权衡相对下降;生产和生态功能的二级功能主要表现为权衡关系,其中经济发展和土壤保持功能的权衡由不显著上升为显著,主要是因为建设用地对林草地的占用;生活和生态功能在二级功能主要表现为权衡,但土壤保持和居住承载功能表现为显著协同,且有减弱趋势,原因是平坦的地形对土壤保持和人类居住的积极作用,协同关系减弱可以解释为地形对人类居住的限制逐渐减弱。

表4 研究区土地利用二级功能相关系数Tab.4 Spearman rank correlation of sub-functions in study area

3.3 土地利用多功能分区管理

基于2018年土地利用多功能定量化评价结果,结合高斯混合模型进行功能分区,参考以往研究[17]将研究区298个乡镇划分为城镇化发展核心区、城乡优化发展区、农业生产区和生态保护区。图5反映了4个功能区的面积和功能占比，其中城镇化发展核心区面积最小,城乡优化发展区面积最大。各个功能区在不同二级功能层面体现出不同优势。

图5 研究区土地利用功能分区图Fig.5 Land use functions regionalization in study area

1) 城镇化发展核心区。位于研究区东北部,包含37个乡镇。该区域就业保障功能和经济发展功能占比最高;占研究区总面积的16%,其中包含了研究区31%的建设用地,其密度最高(1.938)。该区聚集了研究区重要的能源、交通等资源。煤炭资源丰富,为工业发展提供了良好的资源条件;但其位于风沙过渡区,生态环境脆弱。该区的发展方向主要是继续发展工矿产业及配套产业,利用产业发展吸引人口向该区域流动,为区域发展提供人力资源保障,尽快将该区发展为研究区经济增长的支持力量。增加城市绿地面积,提升该区域生态功能。

2) 城乡优化发展区。主要包括延安市中心城区、以及研究区北部和南部共98个乡镇。该区域的居住承载功能和交通保障功能最强;占研究区总面积的31%,其中包含研究区26%的耕地面积,仅次于农业生产区;并包含研究区44%的建设用地,但建设用地密度(1.419)略低于城镇化发展核心区。由于较高的国土开发密度和密集的人口,资源环境承载能力开始减弱。该区的优化发展主要措施包括,优化城乡空间资源配置,构建合理城镇体系,进而达到协调区域城乡发展,带动区域整体发展的目标。

3) 农业生产区。主要集中于无定河流域共102个乡镇。该区有着最强的粮食生产能力;占研究区总面积的25%,其中包含研究区36%的耕地面积,占比最大。该区域主要发展方向为保持粮食生产功能优势的同时,努力提高农业经济增长的质量和效益,优化农业经济结构;大力发展设施农业和绿色农业,提高农产品附加值,进而调动农业从业者的生产积极性。同时该区也是研究区农村居民点集中的区域,应科学合理规划和布局农村建设用地,加快美丽乡村建设。

4) 生态保护区。主要分布在子午岭区[25]、黄河干流区南部、宜川河流域和云岩河流域,共61个乡镇。该区域生物保护功能、水源涵养功能和土壤保持功能占比最高;占研究区总面积的28%,其中林、草地占比最高,分别占研究区该类面积的55%和33%。该区应以保护生态为首要目标,增加生态保护区的资金投入,建立生物多样性重点保护区;其次充分发挥该区森林资源、生物资源以及文化资源的优势大力发展旅游业、休闲农牧业推动该区域经济发展。

4 结论与讨论

本文对陕北黄土高原土地利用的生产、生活和生态功能进行量算的基础上,结合指标空间化模型对2010—2018年土地利用多功能进行空间化,并结合叠加分析、热点分析以及Spearman秩相关分析等方法对土地利用多功能的时空演变特征及权衡协同进行分析,最后基于高斯混合模型,结合8项土地利用二级功能对298个乡镇进行聚类分析,划分土地利用功能区并提出优化路径。主要结论如下:

1)2010—2018年研究区生产功能从0.27提升到0.35,生活功能从0.21提升到0.37,生态功能从0.35下降到0.33,生产和生活功能提升明显,生态功能出现下降。经济发展功能、交通保障功能和水源涵养功能热点区扩大,居住承载功能、生物保护功能和土壤保持功能热点区保持稳定,粮食生产功能和就业保障功能热点区缩小。

2)土地利用多功能间相互作用关系主要表现为:生产功能和生活功能的协同作用,且在研究期内协同作用增强;生产功能和生态功能、生活功能和生态功能表现为权衡作用,且权衡作用不断增加。表明了研究区城镇化发展过程中人民的生产生活得到了较大改善,但对生态环境的影响也持续增加。

3)基于高斯混合模型,结合2018年土地利用多功能的评估结果,提出了4类功能区。不同功能区的土地利用二级功能组合特征存在明显差异。其中城乡优化发展区和生态保护区为主导功能区,占研究区总面积59%,表明在大力发展生产和生活功能的同时,需加强对生态功能的保护,才能促进陕北黄土高原“三生”功能协调发展,进而推动土地利用多功能的提升。

本文对陕北黄土高原土地利用多功能案例研究,反映了2010—2018年研究区实际情况,可为其可持续发展提供借鉴和参考。基于1 km网格尺度的土地利用多功能定量研究,能够得到较好的空间分布。高斯混合模型模型通过贝叶斯准则确定最佳聚类个数,确保了结果的有效性。然而需要注意的是,考虑到微观尺度的定量化研究,本文对指标的选取尚不全面,有待进一步完善。目前对于不同聚类算法进行土地利用功能分区研究后验手段尚显不足,随着研究的深入,在尝试不同的聚类算法的同时,构建评价指标体系,进而对不同聚类进行比较评价研究,推动土地利用功能分区研究的发展。