1990-2018年东江流域土地利用变化及其驱动力

[目的] 分析东江流域1990-2018年土地利用时空变化特征及驱动机制，为该流域土地利用优化提供科学参考。[方法] 利用流域土地利用数据及统计年鉴数据，结合土地利用评价指标、主成分分析法及灰色关联分析法分析流域土地利用变化特征及其驱动机制。[结果] ①东江流域1990-2018年土地利用以耕地和林地为主，流域建设用地面积持续增加，其余地类面积均呈减少趋势，耕地和林地是建设用地面积的主要来源；②流域土地利用综合指数逐年增加，变化率为0.038，土地利用处于上升发展阶段；③流域土地利用变化驱动力主要为经济增长、人口增长、社会富裕程度和农业发展；各类驱动因子对各土地利用类型的驱动作用不同。[结论] 1990-2018年，东江流域土地利用结构不断优化，土地利用集聚程度增加，随着粤港澳大湾区的建设开发，未来流域内土地开发利用活动将更加频繁。     

生态脆弱区土地利用变化及驱动力——以河北省张北县为例

[目的]研究河北省张北县的土地利用变化及其驱动因素,为该区域土地管理决策和土地资源可持续利用供科学依据。[方法]以1989,1995,2000,2010年TM遥感影像为数据源,运用遥感、地理信息系统、数理统计分析等技术与方法,系统分析了张北县土地利用变化的时空特征,剖析了土地利用变化的驱动因素。[结果]张北县主要地类为耕地、林地和草地,1989—2010年土地利用数量变化主要表现为耕地和草地面积的减少,林地和建设用地面积的增加,其中2000—2010年土地利用变化更为剧烈;地类转换主要表现为耕地、草地向林地转变以及耕地、草地向建设用地的转变;空间变化主要表现为东部坝头地区林地增加明显,中部平原地区建设用地扩张明显。[结论]近20年来张北县土地利用变化明显,主要受自然及社会经济因素综合影响。此外政策因素也是该区域土地利用变化的主要驱动因素。     

1980—2020年内蒙古自治区通辽市土地利用变化及其驱动力

[目的] 分析内蒙古通辽市土地利用变化及其驱动力,为该地区经济建设、土地可持续发展提供科学依据。[方法] 基于通辽市1980—2020年8期土地利用数据及统计年鉴数据,采用土地利用动态度、土地利用程度、土地利用转移矩阵和主成分分析方法对通辽市土地利用变化特征及其驱动力进行研究分析。[结果] 通辽市1980—2020年土地利用以耕地和草地为主,耕地总面积增加了3 037 km²,整体增幅为20.48%,草地总面积减少了2 922 km²,整体减幅为10.40%。建设用地面积在40 a间持续增加,其单一土地利用动态度最大。土地利用程度综合指数处在中低等水平,由于研究期间综合指数变化率为正值,整体上处于上升发展期。研究期间内草地主要转化为耕地、林地、建设用地及未利用土地。通辽市土地利用变化的社会经济驱动力以经济发展水平、农业发展水平、社会富裕程度和产业结构为主,人口的影响次之。气候驱动因素方面主要是年平均气温和年降水量的影响较为显著。[结论] 1980—2020年通辽市土地利用空间上存在明显异质性,土地利用变化速度趋于稳定,土地利用水平不断提高,土地利用转换愈加频繁,社会经济和气候因素对土地利用变化有正向显著作用,整体上不断促进该地区经济建设和土地可持续发展。     

云南省昭通市土地利用时空变化特征及其驱动力

[目的]对云南省昭通市土地利用时空变化特征及其驱动力进行分析,为揭示不同尺度区域土地利用变化规律提供科学依据。[方法]基于昭通市2009—2015年土地利用变更及调查数据,结合人口和社会经济数据,采用信息熵公式计算了昭通市各类用地结构信息熵及其均衡度,采用灰色关联分析方法计算了昭通市各类用地总面积与人口数量和经济社会发展要素之间的关联度。[结果](1)2009—2015年,昭通市农用地总面积呈减少趋势变化,建设用地总面积和其他用地总面积呈上升趋势变化;(2)昭通市耕地面积减少速率最快,土地综合变化度相较其他地区变化较小;(3)昭通市及各县/区各类用地结构也逐步向均衡和稳定方向发展,鲁甸县和巧家县的各类用地结构均衡度最高;(4)第一产业值、第三产业值、人口和城镇化率为建设用地变化主要驱动力,第二产业值为各区县农用地变化驱动力,国内生产总值均影响昭通市各个区县的农用地、建设用地和其他用地变化。[结论]云南省昭通市土地利用变化受人口、社会和经济等不同因素影响,各类土地逐步向均衡和稳定方向发展。     

基于GEE数据平台的北洛河流域1970-2019年土地利用结构变化特征

[目的] 探究北洛河流域土地利用时空变化及其驱动力,为该区土地资源优化、环境质量改善和水沙生态要素变化分析等提供科学依据。[方法] 基于GEE平台整理和处理北洛河流域1970—2019年间6期遥感影像数据,从时间变化、动态度、转移方向和空间分布等角度分析流域土地利用变化特征,并对其驱动因素进行探讨。[结果] 研究时段内,北洛河流域土地利用类型以耕地、林地和草地为主,数量结构从2000年前的1：1.1：0.6变化到2000年后的1：2.7：0.7。1970—2019年研究区耕地、草地和水域的减少率分别为16.6%,6.7%和0.1%,林地和建设用地的面积增加率为19.9%和1.3%。流域耕地和草地斑块趋于分散且简单化,林地斑块趋于聚集和复杂化。土地利用转移主要以耕地转林地、耕地转建设用地和草地转林地为主。流域土地利用综合动态度先增后减,2000—2010年间达最大。流域中,上游丘陵沟壑区土地利用结构变化最为显著,其次为中游的甘泉、宜君、华池、合水等县。[结论] 国家政策的演变、社会经济发展和人口增长决定了土地利用变化的方向和程度,自然因素为长期辅助影响因素。     

福建省海岸带土地利用/覆盖变化及其驱动力

[目的]研究福建省海岸带土地利用/覆盖变化及其驱动力,促进沿海地区资源环境可持续发展,并为土地利用政策制定提供参考。[方法]基于ArcGIS 10.2软件对研究区域2005—2015年土地利用/覆盖变化(LUCC)数据进行分析,并采用灰色关联度法对其驱动机制进行探讨。[结果](1)2005—2015年福建省海岸带土地利用类型以耕地、林地、水域和城乡、工矿、居民用地为主,草地和未利用土地所占比重较少;研究期间,福建省海岸带林地、水域和未利用土地面积减少,仅耕地和城乡、工矿、居民用地面积增加,草地面积基本不变;2005—2015年土地利用类型主要向城乡、工矿、居民用地转移。(2)福建省海岸带土地利用变化主要受到社会经济发展驱动力的影响,其中社会富裕程度、技术驱动力和人口驱动力是主要因素。[结论]合理确定城市、镇域开发边界,划定大城市周边基本农田保护区域,划定林地、草地和水域等生态空间,是落实土地利用空间管理的有效措施。     

多方法支持的重庆市土地利用格局时空演化及驱动力

[目的]研究重庆市土利用格局时空演化规律,为促进该地区土地资源可持续利用及社会经济可持续发展提供科学依据。[方法]以位于山地高密度区的重庆市为例,基于1995—2020年土地利用遥感监测数据,从数量结构和空间布局两个方面定量分析重庆市土地利用时空演化特征,并通过地理探测器分析不同时间尺度下重庆市土地利用变化驱动力。[结果]研究期内重庆市土地利用变化速度加快,城乡居民用地、工矿建设用地持续增加,草地面积大幅缩减并集中向林地转化;25 a以来,重庆市土地利用程度逐年提高,整体处于发展期,热点区主要集中在主城及其周围地区;渝西水田密度降低,渝东南林地高值密度面积增加,但草地高值密度区大幅缩减;城镇及农村居民用地高密度核心位于主城区,工矿建设用地高密度核心为星点状分布,增长幅度大;社会经济因素对重庆市土地利用变化影响显著,其中人口密度为主导性因子。[结论]重庆市土地利用变化区域间差异明显,土地利用变化主要受社会经济因素的影响。     

卢旺达共和国土地利用变化特征及其驱动因子

[目的] 探究卢旺达共和国（以下简称“卢旺达”）1992—2019年土地利用状况,为该国土地利用规划和土地资源可持续利用提供参考。[方法] 本研究利用1992—2019年欧洲航天局全球陆地覆盖数据（ESA GlobCover）,基于GIS空间统计分析及地理探测器等方法分析了卢旺达土地利用时空变化特征及其关键驱动力。[结果] ①卢旺达1992—2019年土地利用类型以农地和林地为主。城镇用地面积增加4.5倍,灌木林地和水域面积分别增加0.28%和2.65%。农地、林地、草地和湿地面积分别减少0.38%,1.46%,44.24%和0.27%。1992—2000年综合土地利用动态度最大,为0.19%。各地类空间分布表现出集聚性。②各驱动因子对各地类的驱动作用差异较大。各驱动因子独立作用q值解释力小于两因子间的交互作用。[结论] 短期内,社会经济指标对卢旺达土地利用类型变化起决定性作用。因此,未来应当考虑土地使用的长期利益,最大限度地促进土地的有效管理。     

陕西省2000-2018年土地利用时空演变及驱动因素

[目的] 分析陕西省土地利用变化及驱动因素,为促进该省土地资源综合优化配置和社会经济可持续发展提供科学依据。[方法] 基于2000,2010和2018年陕西省的土地利用遥感监测数据,通过土地利用动态度、土地利用转移矩阵、空间自相关等方法定量分析陕西省土地利用的时空演变特征,并利用主成分分析法对其土地利用变化的驱动力进行分析。[结果] 各土地利用类型面积均有不同程度的变化。其中,耕地面积下降最多,工矿建设用地面积增速最快,水域面积变化最小。土地利用类型受自然条件的影响,空间差异性显著。农村居民用地、未利用地、耕地、林地、草地的空间聚集性强,水域、城镇居民用地和工矿生产用地的空间集聚性性相对较弱,草地、工矿建设用地形成新的集聚区。陕北高原和关中平原土地利用转移相对频繁,陕南山区土地利用转换相对较小。榆林市和延安市主要表现为耕地向林地和草地转移以及未利用地和草地向工矿建设用地转移,西安市主要表现为耕地和农村居民用地向城镇居民用地转移。土地利用变化的主要因素是城市化发展过程中社会经济的发展以及产业结构的调整。[结论] 陕西省土地利用变化区域差异较大,应因地制宜制定土地利用规划,促进人口—经济—生态之间的协调发展。     

快速城镇化地区土地利用演变及驱动机制——以巢湖流域为例

[目的]探究巢湖流域土地利用演变特征规律及驱动机制,为实现区域土地资源的优化配置和社会经济的可持续发展提供理论依据。[方法]收集巢湖流域及区县1996—2014年土地利用变更调查及社会经济统计年鉴,运用土地利用数量、程度及空间差异计量模型,以及主成分分析法,采用数据统计软件,模拟巢湖流域土地利用变化演化规律及其驱动因素。[结果]近20a来巢湖流域各土地利用类型均发生变化,但不同土地利用类型变化的总量、变化幅度和变化速度却存在明显差异,耕地、园地、草地减少较为突出,林地略有增加,其他农用地减少将近1/2;建设用地总量增长幅度更大,特别是城镇工矿用地及交通基础设施用地增长迅猛,农村居民点用地略有减少;巢湖全域土地利用程度自2004年之后呈现逐年上升趋势,合肥市辖区及周边县域土地利用开发程度较高,其他区域相对较低;耕地减少率金安区、瑶海区、肥西县、含山县居前,城镇用地增加率肥西县、长丰县、巢湖市位于前列;投资拉动、经济发展、工业推进、人口增加及城镇化是巢湖流域特别是近10a多土地利用变化的主要驱动因素。[结论]巢湖流域加快建设长三角世界级城市群副中心城市及生态文明先行示范区,需进一步优化土地利用空间格局,盘活建设用地存量,提高建设用地效率,走资源节约型与环境友好型的土地利用模式。     

BP神经网络和GM（1，n）模型在吉林省四平市建设用地面积预测中的应用比较

[目的]科学准确地预测城市建设用地,有利于把握城市发展的速度,了解城市化发展进程,为相关政府部门掌握土地利用情况,制定土地总体规划提供科学依据。[方法]把四平市作为研究对象,从"城市—农村"合力视角构建影响因子,利用因子分析探讨影响建设用地扩张的相关性,对指标进行筛选,在此基础上利用BP神经网络和灰色模型对四平市2012,2013和2014年建成区面积进行预测,最后对预测结果进行比较分析。[结果]通过预测与比较分析可知,BP神经网络结果的相对误差分别为0.8%,1.1%和2%,而灰色GM(1.1)模型预测结果相对误差分别为0.04%,0%和3.2%。可以看出,BP神经网络预测出的结果与实际相比较误差均在2%以内。[结论]BP神经网络预测的结果较精确,运用该方法可以有效提高预测的精度。     

基于系统动力学模型的扬州市土地利用结构多情景模拟与实现

[目的]对江苏省扬州市未来土地利用结构进行多情景预测模拟,并探索不同情景下各目标土地利用结构的实现路径,为土地利用规划方案制定与管理提供科学依据。[方法]采用系统动力学(SD)模型模拟土地利用系统开展研究。[结果]在不同情景下几类主要用地差异明显,耕地面积在耕地保护情景下较高,而在生态保护与经济发展情景下耕地缓慢下降;城镇工矿用地与交通水利用地面积在3种情景下均获得稳定增长,但经济发展情景下的增长快于其他2个情景;林地面积在生态保护情景下出现大幅上升,在另外2个情景下则基本保持不变甚至小幅下降。结合各情景指标设定可得出,耕地保护情景下,除控制城镇扩张占用耕地外,还要加强未利用地开发与农村居民点整理以补充耕地;生态保护情景下,则需加强植树造林、保护好具有丰富生态服务价值的水域、滩涂用地。[结论]SD模型不仅可模拟不同情景下土地利用变化,还可将土地利用与社会经济系统之间的复杂非线性关系显化,有利于土地资源可持续利用调控。     

秦淮河流域1980-2010年土地利用变化及驱动机制

[目的]研究近30a来秦淮河流域不同时期土地利用/覆被变化特征及驱动力,为秦淮河流域的生态经济系统可持续发展和流域管理提供科学依据。[方法]利用GIS功能对秦淮河地区1980,1995,2000,2005,2008,2010年土地利用现状图进行叠加转换,建立土地利用变化转移矩阵,在此基础上分析秦淮河地区近30a来的土地利用变化特征,并结合相应的社会统计资料分析土地利用变化的驱动力。[结果]流域内耕地面积逐年减少,建设用地面积逐年增加,林草覆盖面积略有减少;土地利用程度变化存在明显的时间差异性,2005—2008期间变化最大;建设用地的增加主要源于耕地的转入,其次是林地、水域;经济发展、人口增长和人民生活水平的提高是该区土地利用/覆被变化的主要驱动力。[结论]城市化发展要素是推动该区建设用地增加、耕地面积减少这一现象的主要驱动力。     

基于LMDI模型的黄河中游城市群水土资源利用影响因素分析

[目的]水土资源是城市发展的重要生产要素,是探索黄河中游城市群水土资源利用过程中的关键因素,对科学促进黄河中游城市群经济快速发展具有重要意义。[方法]以黄河中游三大城市群为例,通过运用LMDI加法模型对2010—2019年黄河中游三大城市群分别构建影响水资源消耗量变化及城市建设用地数量变化的因素分解模型,计算并比较不同驱动因素的效应值。[结果](1)水资源利用效率提高和产业结构的优化能够抑制水资源消耗量的增加,而经济规模和人口规模扩大则促进其增加。(2)产业规模、经济规模及人口规模扩大对建设用地扩张存在推动作用,而城市建设用地消耗强度对建设用地扩张具有抑制作用。(3)对于水资源利用量变化,黄河中游不同城市之间产业结构优化水平存在较大差距;对于城市建设用地变化,三大城市群总效应值比较结果为关中平原城市群>中原城市群>晋中城市群。[结论]基于区域差异和时间差异角度探讨黄河中游城市群水土资源利用的影响因素,有助于丰富水土资源可持续利用的相关研究,为黄河中游城市群的可持续发展提供理论指导。     

丹江口库区土壤侵蚀对土地利用变化的响应

[目的]探讨土壤侵蚀对土地利用变化的响应,为库区土壤侵蚀的防治提供借鉴性意见,从而为制定保障丹江口水质安全的措施提供科学支持。[方法]利用遥感影像解译的土地利用类型(2002—2013年),分析丹江口库区土地利用变化,同时利用修正的土壤流失模型RUSLE对土壤侵蚀量进行模拟分析,探讨土壤侵蚀对土地利用变化的响应。[结果]丹江口库区在2002—2013年期间主要的土地利用变化集中在林地、耕地、灌草地之间的转移以及建设用地的扩张,具体表现为林地面积扩大了13.72%,耕地面积小幅增加了5.76%,而灌草地面积大幅减少了37.61%,建设用地增长了2.40倍。丹江口库区2002,2008,2013年均以微度侵蚀占主导。库区土壤的整体侵蚀强度减轻,但土壤侵蚀在城市扩张地区增加明显。[结论]丹江口库区的土地利用变化及土壤侵蚀强度的改变主要受退耕还林、天然林保护等政策措施和城市扩张的影响。库区的土壤侵蚀程度在总体上具有降低的趋势,但在城镇化区域,土壤侵蚀状况急剧恶化。     

1990-2015年阿克苏市建设用地的扩展与驱动力

[目的]探讨新疆阿克苏市建设用地扩展特征及其驱动因素和存在的问题,为绿洲城市发展和建设决策提供一定的利用依据。[方法]以1990,2000,2010,2015年的Landsat TM/ETM⁺卫星遥感影像为数据源,借用ENVI进行监督分类,得出阿克苏市4个时间段的建设用地、耕地、林地、水体、未利用地等信息。应用建设用地扩展强度、速度,重心坐标转移、紧凑度、弹性系数等指标,研究阿克苏市建设用地变化规律。[结果]1990年建设用地面积为18.34 km²,2015年建设用地面积为91.61 km²,25 a里总扩展面积为73.24 km²,净增加了1990年的4倍。建设用地扩展中主要占用的土地类型为未利用地和耕地,面积分别为43.84,28.04 km²。建设用地重心坐标向EN,WS,WS方向迁移,靠近交通路线移动。1990-2000年重心坐标移动距离不大,移动距离为243.7 m。2000-2010年移动距离为832.2 m。2000-2015年移动距离最大（为1 568.2 m）,扩展形状为面状和条带状。建设用地外围紧凑度一直呈下降趋势,从1990年的0.201下降到2015年的0.066,城市空间形态越来越复杂。[结论]阿克苏市1990-2015年建设用地不断往外扩展。阿克苏市建设用地扩展速度在研究期间一直高于人口增长速度,而两者之间差距不断扩大,弹性系数为1990-2000年2.3,2010-2015年10.13,城市扩展与人口增长高度不合理。非农业人口因子、经济因子、政策因子、交通因子是引起阿克苏市土地利用变化最主要的驱动因素。     

基于FLUS-InVEST模型的北部湾城市群生态空间碳汇演变模拟及驱动因素研究

[目的] 探究未来湾区城市群生态空间变化对碳汇的影响,找出变化背后的主要驱动因素,为城市群制定未来生态空间发展方向与策略提供参考,促进陆海新通道的科学开发。[方法] 以北部湾城市群为例,基于2010,2015与2020年土地利用数据,使用GeoSOS-FLUS模型预测生态优先、耕地优先及城镇优先3种不同预设情境下2035年的北部湾城市群生态空间土地利用格局,使用InVEST模型对2020—2035年各情景下生态空间碳汇变化情况进行分析,使用地理加权回归找出影响土地碳汇变化的主要驱动因素。[结果] 生态优先导向下2020—2035年北部湾城市群碳储量有所增加;城镇优先导向下碳储量降低较多,达到3.12×10⁶ t。坡度、人口密度和高程是城市群生态空间碳汇格局最重要的影响因素,城镇空间扩张是变化的主因。生态优先情景下,生态空间的土地将有所增加。[结论] 生态优先导向能兼顾城镇发展与生态空间的环境保护需求,城镇优先导向和农业优先导向会大幅降低碳汇。另外政策措施也需尽早制定以抑制城镇空间扩张。     

基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测

[目的] 探讨城市建设用地扩张下土地利用变化对碳储量的影响,揭示碳储量时空演变和未来空间分布趋势,为城市规划和生态脆弱区实施精准保护提供科学参考。[方法] 本文通过耦合FLUS-InVEST模型,基于解译的土地利用数据和未来土地预测,反演1990—2018年广州市土地和碳储量时空变化特征,分析建设用地扩张与碳储量分布规律,并评估未来碳储量潜力。[结果] 广州市土地类型变化特征表现为建设用地的迅速扩张,主要侵占耕地和林地;1990—2018年碳储量减少2.47×10⁶ t,其中2000—2005年降幅最大;高密度碳储量主要分布在北部森林一带,低密度碳储量主要分布在珠江下游;建设用地和低密度碳储量的重心迁移具有高度的一致性;预测2018—2034年碳储量下降1.20×10⁶ t。[结论] 广州市建设用地扩张对碳储量影响显著,未来西北和东部部分区域碳储量流失风险较大。     

城乡结合部土地资源城镇化的空间驱动模式分析

城乡结合部是城市化最为敏感、迅速的特殊地域实体,区域内土地快速城镇化导致耕地资源大量流失,尖锐的土地利用矛盾引发生态环境质量大幅下降,已成为社会各届关注的热点。该文以南京市郊江宁区为例,基于1999年、2010年的2期影像及其他数据,利用Logistic回归模型和地理加权逻辑回归（GWLR,geographically weighted logistic regression）模型,将邻近变量、邻域变量和政策变量3类因素在空间上予以整合,从全局、局域2个尺度探索城乡结合部土地资源城镇化的驱动模式。结果表明：Logistic模型与GWLR模型分别可解释研究区历史时期51%、64%的土地城镇化过程,后者在局部参数估计方面存在优势,各项评价参数都较优,更能够适用于研究区土地城镇化的模拟预测与机理探究;邻近变量中的距开发区、城市中心、次要干道的远近,邻域变量中城镇用地密度以及政策变量中土地交易样点密度是研究区城市扩展的重要解释变量,充分表征了城乡结合部的开发区建设热潮、已城市化地区的集聚效应与边缘式扩展模式,以及土地市场、内部交通网络对城市增长的引导与促进作用;借助GIS工具,GWLR模型能够可视化各驱动因素的空间非平稳性特征,可用来更直观、深刻地探究各变量对研究区土地城镇化的空间驱动模式,这也为耕地资源的保护提供新的视角。总体而言,以土地出让行为及开发区建设为代表的政府主导力量,是研究区土地城镇化的核心动力,这一定程度反应了中国城市郊区化的普遍特征,可为类似城乡结合部的土地管理工作提供有益借鉴。     

广东省1992-2015年土地覆被变化的时空差异及其成因

[目的] 从地形和社会经济两个因素出发探讨广东省土地覆被变化的时空差异及成因，为土地资源的可持续利用提供依据。[方法] 基于1992-2015年间广东省土地覆被数据，使用土地利用动态度、土地利用转移矩阵、灰色关联分析等方法量化土地覆被变化的时空特征与差异。[结果] 广东省土地覆被变化以2000年为节点可分为前期（1992-2000年）和后期（2000-2015年）两个阶段。前期耕地面积显著增加，建筑用地面积增速缓慢；后期耕地面积减小，建筑用地面积扩张迅速。地形因素造成土地覆被变化存在空间差异性。在高程低，坡度缓的区域土地覆被变化主要是耕地转化为建筑用地，而在坡度中等区域主要是林地转为耕地。社会经济因素造成土地覆被变化呈现较明显时间差异性，多种因子驱动广东省土地覆被发生变化。但对于不同的土地覆被类型，驱动因子前后期的关联度大小不同，土地覆被发生变化是多种因子驱动叠加的结果。[结论] 地形因素会造成土地覆被变化的空间差异，而社会经济因素导致土地覆被变化的时间差异。