安徽省土地利用/覆被时空变化及其驱动因素分析

李长爱,刘 玲,邱 冰,聂存明,宁丽丽,李亚亮,王 慧,刘星宇,杨素慧

(1.淮南师范学院生物工程学院,资源与环境生物技术重点实验室,安徽 淮南 232038;2.南京林业大学风景园林学院,江苏 南京 210037;3.枣庄市住房建设事业发展中心,山东 枣庄 277800 )

土地利用/覆被变化(land-use and land-cover change,LUCC)对植被覆盖度[1-2]、生物多样性[3-4]、区域气候[5-6]、碳效应[7-8]等均有不同程度的影响。LUCC特征及其驱动因素是解决城镇化过程中土地利用与生态系统矛盾的基础,也是全球变化研究领域的热点[9]。20世纪90年代,遥感技术(RS)与地理信息技术(GIS)在我国广泛应用以及人工智能与遥感技术的发展,为LUCC特征的研究提供了更加科学的基础数据和方法[10-12]。LUCC具有动态性和复杂性,采用土地利用/覆被格局、转移矩阵、动态度、空间格局重心迁移、利用程度综合指数等方法建模[13-16],定量表达土地利用/覆被的“空间格局”与“时序特征”是目前探讨LUCC特征的重要手段。随着归因模型的成熟与深化,LUCC驱动因素的探查由定性向定量转变。艾敏等[17]通过定性分析得出影响哈尔滨市呼兰区LUCC的因素包括自然环境、社会经济和人口因素;而抚顺矿区LUCC的主要驱动因素为人口城镇化、经济发展和原煤产量[18]。此外,有学者基于回归分析及相对贡献概念模型研究显示,除可量化的人文因子与自然因子外,生态政策也是LUCC的重要驱动力[19]。

安徽省位于长三角地区,是全国重要的粮食、淡水渔业、林业、茶叶产地及能源基地,随着创新型产业快速发展及新型城镇化、美好乡村建设的推进,经济高质量发展与生态文明建设协同共进成为必然。2018年的《淮河生态经济带发展规划》[20]和2019年的《长江三角洲区域一体化发展规划纲要》[21]中制定了跨越中东部地区多省的绿色生态发展战略。这些发展政策给安徽发展带来了新的机遇与挑战,而土地资源保护与利用政策是经济、社会发展政策和自然资源保护政策制定的基础,因此建立科学反映安徽省LUCC特征的监测模型并分析存在问题及驱动因素对安徽未来发展具有重要意义。目前,关于安徽省LUCC的研究主要集中在市域上,如发展速度快的合肥市[22],矿业城市淮北市[23]、淮南市[24]及旅游城市黄山市[25]等。现有省域研究主要借助土地利用分类、土地类型面积变化与转移矩阵[26-27]或动态度、空间聚类及地理探测器模型[28],对LUCC时空模式及驱动因子的贡献程度进行探究。因此笔者从省域和市域多角度深入研究LUCC特征、规律及影响因素,以期对安徽省土地资源利用与相关管理政策的制定与实施提供基础数据及理论参考。

1 材料与方法

1.1 研究区概况及数据来源

安徽省(114°54′～119°37′E、29°41′～34°38′N)土地总面积约为14万km2,地处暖温带与亚热带过渡地带,属暖温带半湿润季风气候,气候宜人,降雨量充沛[29-30]。长江和淮河贯穿省内,拥有众多内陆湖泊,水资源丰富。全省分为淮北平原地区、江淮丘陵地区、皖南山区三大区域,自北向南依此为淮河平原区、江淮丘陵台地区、大别山区、长江沿江平原区、皖南丘陵山地区。

研究数据来源包括:①1995、2000、2005、2010、2015、2020年6期30 m分辨率的土地利用/覆被分类数据[来源于中国资源环境科学与数据中心(https://www.resdc.cn/)],该数据是基于美国陆地卫星Landsat TM影像,通过人工目视解译生成。土地利用/覆被类型分为耕地(cultivated land,CulL)、林地(forest land,FL)、草地(grassland,GL)、水域(water area,WA)、建设用地(construction land,ConL)及未利用土地(unutilized land,UL)6个1级类型与25个2级类型。②社会、经济及全年降雨量数据主要来源于1995—2020年安徽省统计年鉴。

1.2 土地利用/覆被转移矩阵计算

土地利用/覆被转移矩阵能反映研究区域一定时间内期初和期末各土地利用/覆被类型(简称地类)相互转化的信息,包括各地类相互转移的方向与面积[31-32]。土地利用/覆被转移矩阵公式表达如下:

(1)

式中:Bij为研究初期与末期由类型i转化为类型j的面积,n为土地/利用覆被的类型数。利用ArcGIS对分类数据进行栅格计算,得出安徽省土地利用/覆被各类别变化像元数据,再用Excel进行数据处理,得出安徽省土地利用/覆被转移矩阵。

1.3 LUCC动态度分析

1)单一LUCC动态度,是指在某一时间段的某种地类在期末转化为其他地类的总面积与期初该地类总面积的比值,能直观反映每种地类的动态变化[33]。单一LUCC动态度变化公式为:

K=(Uj-Ui)/Ui×1/T×100%。

(2)

式中:K为某一时段内某一地类的年变化动态度;Uj表示该时间段期末地类的面积,km2;Ui表示该时间段期初地类的面积,km2;T为研究时段,a。

2)综合LUCC动态度,是指区域内各地类总减少量(或总增加量)与2倍的区域地类总面积的比值,测算区域LUCC整体动态变化程度[34]。公式如下:

(3)

式中:M为综合LUCC动态度,Ui为研究期初第i类土地的面积,ΔUi-j为研究时段第i类地类转化为非i类地类的面积的绝对值;T为研究时段,a。

1.4 土地利用程度分析

根据庄大方等[35]提出的土地利用程度分级表,将本研究的土地利用状态定为4级并赋值:Ⅰ级为未利用地,分级指数为1;Ⅱ级为林地、草地、水域,分级指数为2;Ⅲ级为耕地,分级指数为3;Ⅳ级为建设用地,分级指数为4。根据分级赋值及土地利用程度综合指数公式[36],计算1995年与2020年安徽省各市的土地利用程度综合指数及25 a土地利用程度综合指数的变化率。采用SPSS系统聚类中的Ward法对2020年土地利用程度综合指数进行聚类分析:

(4)

式中:L为某区域的土地利用程度综合指数,取值在100～400之间;Ai为该区域第i级土地利用程度分级指数;Ci为该区域第i级土地利用程度的面积百分比。

F=(Dj-Di)/Di×100%。

(5)

式中:F为土地利用程度综合指数变化率,Di为某区域某一时期初始年土地利用程度综合指数,Dj为该时期末年土地利用程度综合指数。

1.5 驱动因素主成分分析

影响LUCC的因素包含人文因素和自然因素,其中人文因素尤其错综复杂[37]。参照李玉等[18]与陈亚军等[38]选取的驱动因子,结合安徽省具体情况,并经主成分分析KMO(Kaiser-Meyer-Olkin)值与Bartlett球度检验,筛选出影响安徽省LUCC的13个驱动因子,分别为:X1.GDP,亿元;X2.第一产业产值,亿元;X3.第二产业产值,亿元;X4.城镇人均可支配收入,元;X5.农村人均生活消费支出,元;X6.能源消费总量,万t标准煤;X7.全社会固定资产投资,万元;X8.总人口,万人;X9.乡村人口,万人;X10.粮食总产量,万t;X11.城镇人均居住面积,m2;X12.农村人均居住面积,m2;X13.全年降雨量,mm。通过SPSS 20.0对13个驱动因子数据进行标准化处理后,采用主成分分析方法得出驱动因子相关系数矩阵、特征值及贡献率。

2 结果与分析

2.1 安徽土地利用/覆被结构及空间分布

利用ArcGIS对6期土地利用/覆被分类数据进行可视化处理,得出安徽省土地利用/覆被类型空间分布,并计算安徽省的耕地、林地、草地、水域、建设用地和未利用地的面积、比例,结果见图1、表1。

表1 安徽省土地利用/覆被类型面积及其所占比例

由图1可知,耕地分布最广,林地和草地主要分布在安徽南部和西南部。25年间,合肥市区、长丰县的北部、肥西县的东北部,芜湖市和马鞍山市的中部,以及蚌埠市的北部等在巢湖水系、长江水系及淮河水系附近地区的建设用地面积增加较多,而阜阳市、亳州市、淮北市等的建设用地在老城区的基础上向外围耕地扩张。由表1可知,耕地面积一直占首要地位,但呈逐年递减的趋势,建设用地呈逐渐增多的趋势,草地、林地、水域及未利用地面积占比变化介于0～0.2%。

2.2 安徽土地利用/覆被类型转换特征

1995—2020年,安徽省耕地转为建设用地面积最多,为4 716.5 km2,占耕地转出贡献率的83.66%;其次是建设用地转为耕地,占建设用地转出贡献率的96.88%;457.0 km2耕地变为水域,364.4 km2的耕地变为林地,342.2 km2的林地开垦为耕地,267.5 km2水域转化为耕地,201.7 km2林地转为建设用地,131.8 km2的草地变为植被覆盖率较高的林地,121.9 km2林地转为低覆盖率的草地(表2)。

由此可知:耕地与建设用地互相转移趋势明显;除建设用地外,林地、水域转为耕地的情况也较多;耕地与林地、草地与林地互相转移面积基本达到平衡。2005年前耕地转出为建设用地相对较少,2005年后转出幅度变大,特别是2015—2020年间有2 303.3 km2转出为建设用地。与此同时,2005年前建设用地转为耕地面积较少,2005年以后逐渐增加,2015—2020年间迅速增加了 2006.5 km2,是前20年建设用地转为林地面积总和的3.69倍。2005年前耕地与林地互相转移情况较少,2005年后不断增加,2015—2020年间耕地与林地互相转移面积是前20年互相转移总和的0.8倍多。2005—2010年耕地与水域互相转移面积逐渐增多,2010—2020年互相转移面积超过500 km2,但25年间总体互相转移面积基本平衡。研究表明,从2005年后地类相互转移面积迅速增加,2015—2020年地类相互转移总面积最多,但是也出现了耕地占补平衡的趋势。

耕地转移为建设用地区域空间上集中在三大水系区域。其中合肥市建设用地的增长最明显,从老城区向外扩张迅速。16个市25年耕地转移为建设用地面积均大于建设用地转移为耕地的面积。各市中耕地转移为建设用地面积最大的是合肥市(905.3 km2),其次是滁州、阜阳、六安、亳州、宿州等市,面积较小的是铜陵和黄山,分别为60.9 km2与83.5 km2。建设用地转移为耕地面积较多的是阜阳、亳州、六安、合肥等市,在143.8～195.8 km2之间。

2.3 安徽各市土地利用程度综合指数

1995年安徽省各市土地利用程度综合指数(L)为215.2～315.5,2020年为216.1～318.0(表3)。25年间土地利用程度综合指数变化率较大的是经济发展较快的合肥市、芜湖市及矿业城市铜陵市、淮北市、马鞍山市、淮南市,数值为1.50%～3.83%,而地形以山区、丘陵为主的黄山市、六安市变化率较小,数值为0.42%和0.66%。对16个市2020年土地利用程度综合指数进行聚类分析,以欧氏距离12为阈值分为3类(图2)。根据指数高低进行类间排序,第1类是数值最高的亳州市、阜阳市、宿迁市、淮北市、蚌埠市等,第2类是数值中等的滁州市、马鞍山市、芜湖市、六安市等,第3类是数值最低的宣城市、池州市和黄山市。

表3 安徽省各市土地利用程度综合指数(L)

图2 2020年安徽省各市土地利用程度综合指数 聚类分析Fig. 2 The comprehensive indexes cluster analysis of under land use degree of Anhui Province in 2020

2.4 安徽LUCC动态度

1995—2020年安徽省单一LUCC动态度从大到小依次为未利用地、建设用地、耕地、水域、草地、林地(表4)。2005—2010、2010—2015年耕地面积迅速减少,2015—2020年耕地面积减少趋势变缓,单一LUCC动态度(-0.06%)为25年来最小。林地面积1995—2005年间少量增加,而2005—2015年间减少较多,2015—2020年又少量增加,2005—2015年间林地单一LUCC动态度最大。1995—2015年间草地单一LUCC动态度一直较小,表明草地的稳定性较好。建设用地单一LUCC动态度在2015年前数值一直较大,2005—2015年间数值达到2.47%、1.80%,而2015—2020年数值减小为0.42%。2010年前水域面积缓慢增加,动态度数值较小,2010—2015年面积急剧增加了167.0 km2,而2015—2020年面积减少了107.8 km2,动态度数值较大。未利用地2015年前面积较少,2015—2020年面积增加了13.4 km2,原因是从耕地与建设用地转移为未利用地的面积增加。1995—2020年综合LUCC动态度由大到小排序为2005—2010年、2010—2015年、1995—2000年、2000—2005年与2015—2020年。25年间耕地、草地、林地动态度呈负增长趋势,归咎于耕地大面积向建设用地转移,草地大面积转移为林地、建设用地与耕地,林地向耕地与建设用地转移。

表4 安徽省土地利用/覆被变化动态度

2.5 安徽LUCC驱动因素分析

对选取的安徽LUCC 13个驱动因子做主成分分析,计算出各因子指标的相关系数矩阵见表5,主成分特征值和贡献率见表6。由表5可知,选取的13个因子指标在不同程度上存在相关性。表6中,前两个主成分的特征值大于1,累积贡献率达到90.645%,且KMO值为0.782,Bartlett球度检验P<0.001(满足<0.05),从而验证数据适合做主成分分析。选取前两个主成分分别作为第1主成分、第2主成分,并求解主成分的载荷矩阵(表7)。由表6和表7可知,第1主成分的贡献率为82.725%,X1、X2、X3、X4、X5、X6、X7、X9、X10、X11、X12的载荷绝对值均大于0.95;第2主成分的贡献率为7.920%,X8的载荷绝对值接近0.95。驱动因子按对LUCC影响程度大小排序为X4、X2、X3、X1、X7、X6、X12等,因此将安徽省LUCC的驱动因素概括为:经济发展、人口及城镇化、居民生活水平的提高和政策因素。

表5 相关系数矩阵

表6 主成分特征值及贡献率

表7 主成分载荷矩阵

1)经济发展。1995—2020年安徽省GDP、第一产业、第二产业、全社会固定资产投资等均呈上涨态势(图3)。其中,安徽省GDP由2 003.58亿元增至38 680.63亿元,增加了19倍多。经济的发展必然会导致人类生产、生活范围的扩大,从而引起地区土地利用/覆盖类型的变化。1995—2005年经济发展相对缓慢,对LUCC的影响较小。2005—2015年间,安徽经济发展迅速,产业结构变化大,促使各地类相互转移频繁,除未利用地以外的单一LUCC动态度与综合LUCC动态度都达到25年内的峰值。

图3 安徽省驱动因素变化动态度Fig. 3 Dynamics of driving factors in Anhui Province

2)城镇化速度。1995—2020年安徽省常住总人口数由5 923万人增至 6 105万人,而常住农村人口由4 792万人减少至2 544万人。总人口数增加得益于安徽省的经济发展、人才引进、人口扶持政策等。农村人口的减少加快了城镇化速度,城市扩张不仅占用大量耕地,还使一部分绿地也转化为建设用地,导致安徽省土地利用/覆被结构发生变化,人地矛盾加深。

3)居民生活水平。安徽省近年来经济发展速度较快,居民生活水平得到了较大改善,消费能力也进一步提升。农村人均生活消费支出从1995年的1 070.64元 上升到2020年的15 024.00元,城镇人均可支配收入从1995年的3 779.00元上升到2020年的39 442.00元。25年间城镇人均居住面积与农村人均居住面积由11.61、17.82 m2增至42.09、54.55 m2。随着生活水平的改善,人们在居住、交通和公共设施等方面的用地需求不断增加,从而导致建设用地增加。

4)政策因素。1998年洪灾后国务院先后出台多项退耕还林指导意见,2002年又发布了《退耕还林条例》,从而促使耕地向林地转移。5年间林地增加了11.8 km2,主要贡献来自耕地。2015—2020年坚持绿色发展之路,发布了一系列强有力的生态(新型城镇、美好乡村、绿水青山就是金山银山、山水林田湖草生命共同体、生态红线划定、生态安全法)及土地开发利用(耕地占补平衡、永久基本农田划定、粮食安全法)政策与法规。安徽省在响应国家政策号召、落实永久基本农田划定工作、推行耕地占补平衡新政的同时,严守资源生态红线,因而建设用地增加与耕地减少的趋势明显减弱。此外,这一时期耕地与建设用地转移为林地、草地、水域的面积最多,使得LUCC动态度趋于稳定,土地利用与环保成效显著。

3 讨 论

1995—2020年安徽省土地利用/覆被类型面积从大到小依次为耕地、林地、建设用地、草地、水域、未利用地。土地利用综合指数最高的第一类城市,其耕地转移为建设用地的程度也偏高。近25年来,安徽省耕地、林地、建设用地占地面积占据前三,耕地减少、建设用地增加、耕地与建设用地转换趋势等与已有的研究成果基本一致,但由于遥感数据来源、土地利用/覆被分类类别及方法、时间跨度、研究模型方法的不同,研究数据与结论也存在一定的差异。如吴见等[26]基于光谱角分类器提取2000—2010年地类分类结果,对安徽省LUCC进行遥感监测,发现安徽省的土地利用面积以耕地和林地为主,而建设用地面积增加现象严重,导致耕地被建设用地大量占用。吴楠等[27]以1995—2018年间3期安徽省分类数据为研究基础,得出安徽省土地/利用覆被类型以农田、森林和建设用地为主,耕地与建设用地相互转移趋势明显。黄安东等[28]利用 Sankey 图、土地利用/覆被动态度等方法分析得出安徽省2005—2015年建设用地变化动态度明显,与本研究结果一致。但其2015年与2020年的土地利用/覆被分类数据源不同,得出2015—2020年综合LUCC动态度数值比2010—2015年显著增加。由于遥感数据源质量、分辨率、训练样本、分类方法等都会影响分类精度[39],为保证长时序LUCC研究结果的准确性,本研究选择1995、2000、2005、2010、2015、2020年6期数据全为30 m分辨率、中国科学院资源环境科学数据中心的土地利用/覆被分类数据,得出2015—2020年综合LUCC动态度数值比前5年显著减小,与黄安东等[28]的研究结论有一定的差异。

本研究从省域到各市域,从整体到局部,综合研究了LUCC特征,弥补了从整个省域宏观研究和各个市分别研究的局限性与片面性。从省域研究得出耕地与建设用地相关转移是安徽省最显著的特征;对各市建设用地与耕地相互转移情景详细分析,发现耕地转移为建设用地面积较大的合肥市、滁州市、阜阳市也是经济发展水平较高的城市。利用各市土地利用程度及其变化率对各市的土地利用程度进行时空比较,对16个市的2020年土地利用程度综合指数进行Ward聚类分析,即通过土地利用程度将各市分为3类:第1类土地利用程度最高,第2类中等,第3类最低,聚类分析的结果可为今后土地利用相关政策的实施提供理论参考。尽管原始土地利用/覆被分类数据的分辨率为30 m,但对市域范围的研究仍存在一定的局限性,因此,如何基于Landsat中分辨率数据提高市域土地/覆被分类数据的精度,对LUCC特征研究至关重要。此外,政策因素对LUCC影响的量化分析是本研究的难点,如何建立有效、简便的政策因素量化模型是需要进一步解决的问题。在经济社会发展的驱动下,耕地、林地、草地呈减少,建设用地、水域、未利用地呈增加态势。耕地与建设用地间的相互转移及单一LUCC动态度变化幅度都较大。针对解决LUCC导致的人地矛盾突出问题,本研究数据可为安徽省国土资源利用与管理等相关政策的制定提供理论参考,从而促进安徽省可持续发展,为淮河生态经济带、长三角一体化高质量发展奠定基础。