《基于地理探测器的干旱区绿洲土地利用变化影响因子》-农学论文，农业论文-论文范文参考-科学狗论文网

标题

基于地理探测器的干旱区绿洲土地利用变化影响因子

范文

陈晓晓张永福

摘要：研究以2005—2015年Landsat系列遥感影像为本底，利用转移矩阵和土地利用综合程度科学分析干旱区渭库绿洲土地利用时空演变特征，并结合地理探测器模型深入探讨主要影响因素及定量归因。结果表明，时空分析2005—2015年间耕地、建设用地、水域增加，林地、草地和未利用地有所减少，其中转出量表现为草地> 未利用地> 林地> 耕地> 水域> 建设用地，有用地主要转入耕地和草地，具体为158 551.29、113 581.98 hm2。因子探测研究年主要影响因子均为NDVI、土地利用综合程度，2005年解释力度q分别为NDVI（X1）0.779、土地利用综合程度（X10）0868，2010年分别为 0.720、0.893，2015年分别为0.699、0.854。交互式探测土地利用时空演变是内外因素共同作用的结果，且双因子作用强度比单因子作用强度更为显著。探讨干旱区绿洲土地利用变化及其影响因子对于区域土地资源的有效利用有着重要的意义。

关键词：土地利用;影响因素;地理探测器模型;渭库绿洲

中图分类号：F205;S127文献标志码： A文章编号：1002-1302（2021）02-0167-07

收稿日期：2020-04-03

基金项目：新疆阿克苏市耕地占补平衡储备库项目（编号：201704051015）;新疆维吾尔自治区研究生科研创新项目（编号：XJ2019G053）。

作者简介：陈晓晓（1992—），女，河南鹿邑人，硕士研究生，主要从事国土资源信息技术研究。E-mail：xiao_c0319@stu.xju.edu.cn。

通信作者：张永福，副教授，主要从事国土资源评价方向的研究。E-mail：zyf431@sina.com。

土地资源是人类赖以生存的载体，区域土地资源的有效利用对人类可持续发展有着重要意义。土地利用/覆被变化（land use/land cover change，简称LUCC）是地球表层系统最为明显的的景观标志，在全球气候变化中扮演着重要角色[1]，是全球气候环境研究的重要内容[2]。LUCC的研究热潮始于1992年，在联合国议程中定为21世纪科研工作的重点探究对象[3]。随着研究的深入，LUCC对全球气候变化的累积影响越来越受到重视。

目前，对土地利用时空演变分析的研究范围较广，涉及全球[4]、中国[5]、德黑兰南部[6]、英国[7]、喜马拉雅湖流域[8]、斯洛伐克[9]等。用于研究土地利用时空变化规律的方法有单一土地利用动态度、程度综合指数[10]，土地转移矩阵、标准差椭圆分析、热点分析、核密度分析[11]等同时对影响时空演变格局内在机制研究也逐渐展开，其中模型法成为土地利用时空变化驱动因素研究的主要方法，如Liu等分别采用多维DPSIR指标[12]、多元线性回归[13]、Logistic回归模型法[14-15]等定性定量方法上，驱动因子在自然、气候、社会经济等方面进行阐述，在揭示土地利用时空演变规律影响因子的领域提供了重要的理论支撑。吴琳娜等分别从土地利用变化速度、转移方向和土地利用程度方面进行全面分析[16]。旱区绿洲是人们生产生活的重要场所，对土地利用研究内容较丰富，涉及土地利用动态[17]、土地利用效益[18]及地表蒸散时空变化特征[19]等。

渭库绿洲作为天然的生态屏障在人与自然和谐相处过程中占据重要地位，随着快速的经济发展、不合理的资源开发、迅速的城镇化和激增的人口数量，绿洲承载能力和生态环境正面临巨大的压力，亟须定量研究LUCC的内在机制，掌握干旱区绿洲演变发展的普遍规律。地理探测器模型[20]，能定量识别因子间的相互作用，探测各因子对土地利用变化的贡献值，从构建的空间数据库中提取重要的空间关联规则[21-22]。故以干旱区渭库绿洲为靶区，用转移矩阵及土地利用综合程度方法综述土地利用时空演变，借助地理探测器模型进行LUCC影响因素重要度排序，旨在为政府相关部门未来土地治理及优化配置提供参考依据。

1数据来源与研究方法

1.1研究区概括

渭库绿洲位于新疆维吾尔自治区南部阿克苏地区境内（81°28′30″～84°05′06″E、39°29′51″～42°38′01″N），坐落在天山南麓，塔里木河北缘，地跨库车县、沙雅县、新和县，呈贝壳状，是干旱区最典型的荒漠绿洲之一（图1）。渭库绿洲属于暖温带大陆性干旱气候，其日照时间长，年均日照时数为 2 884.43 h，8月日照最多，12月最少;冬季寒冷，无霜期较长，降水稀少，主要分布在夏季，降水量在1年之中变化具有较大的跳跃性;空气干燥，蒸发量旺盛，平原区的年总蒸发量在1 766～2 450 mm之间，平均年蒸发量为2 024 mm，夏季蒸发量高，冬季较少。

1.2数据来源与处理

1.2.1Landsat系列数据Lansat系列数据源于美国USGS网站（https：//landsatlook.usgs.gov/viewer.html），空間分辨率30 m，云量在10%以内，2005年7月与2010年8月选取Landsat5 TM数据。2015年7月使用Landsat8 OLI数据。对遥感数据进行一系列辐射定标、大气校正、裁剪等预处理，分析研究区土地利用景观类别特征，参照《土地利用现状分类标准》（GB/T 21010—2007）土地用地一级分类方法[23]。构建土地利用空间数据库，景观类型分为6类：耕地、林地、水域、草地、建设用地、未利用地。归一化植被指数（normalized difference vegetation index，简称NDVI）相对绿色植被比较敏感，可用于植被的监测、分类和物候分析[24]。通过ENVI软件的波段运算模块得到渭库绿洲NDVI。

1.2.2气象数据由中国气象科学数据共享服务网（http：//data.cma.cn/site/index.html）提供，数据包括年均温度、年均降水量、年均日照。运用ArcGIS的空间分析模块的Kriging插值法将气象数据空间化。

1.2.3人口密度（总人口数/土地面积）库车、沙雅、新和3县的统计年鉴，《阿克苏地区统计年鉴》，3县政府网站发布的统计公报等统计人口数，借助ArcGIS栅格化人口数据，计算人口密度。

1.2.4土壤类型数据土壤类型数据源于中国科学院资源环境数据中心，含潮土、风沙土、盐土、漠境盐土、草甸土、灌淤土、林灌草甸土、石质土、沼泽土、棕漠土等10种土壤类型。

1.2.5地形数据30 m分辨率的高程数据来自地理空间数据云（http：//www.gscloud.cn）平台。预处理包括拼接、裁剪、定义投影。坡度：在高程基础上算取坡度并按照《第二次全国土地调查技术规程》中的标准耕地坡度分级要求进行重分类，包括≤2、>2～6、>6～15、>15～25、>25等5个坡度级[25]。地形起伏度：是区域海拔高度和地表切割程度的综合表征[26]，在arcGIS中经过领域分析、地图代数和重分类获得。

1.2.6采样数据根据均匀分布原则，选取近 6 000 个样点（最终选取具有代表性的433个纯像元验证），于2019年7、8月使用国土调查云在线监管软件进行野外实地勘察验证。采样范围覆盖3县各个乡村。验证样点见图1。土地利用分类验证使用ENVI的混淆矩阵得出κ系数和总体精度均在80%以上。

1.3研究方法

1.3.1土地利用转移矩阵转移矩阵可以直观表征在一段时间变化内某一土地类型由起始年转为末尾年转入转出的面积及各个地类变化的方向。

Sij=S11S12S13…S1n

S21S22S23…S2n

Sn1Sn2Sn3…Snn。（1）

式中：S为转移的地类面积;i、j为年份初期和末期，n为分出的土地利用类型数量，行数表明i时期的土地利用类型转变为j时期土地利用类型的部分;下划线部分表示相同地类i时期到j时期土地利用类型没有变化部分。

1.3.2土地利用程度土地利用程度综合反映了土地利用类型结构及影响因素的综合效应。使用ArcGIS的空间分析模块，参照楚玉山等提出的土地利用程度法[27]，对各土地利用分级赋值[28]，达到量化土地利用程度的效果。土地利用综合程度公式如下：

L=100×∑ni=1Ai×Ci。（2）

式中：L为土地利用程度综合指数;Ai为第i级的土地利用程度分级指数;Ci为第i级土地利用程度分级面积百分比。

1.3.3地理探测器地理探测器模型（Geodetector）（http：//www.geodetector.org/）是一种探测空间分异性，并揭示其背后驱动因素的全新模型[29]。在定量化驱动因子影响因素中用q统计量值描述，具体表现为q值越大自变量（X）对因变量（Y）的影响程度越高且空间分布越相似，包含因子、交互作用、生态、风险区等4项探测。本研究选取因子探测、交互作用探测解读LUCC影响因素的内在机理。因变量（Y）使用土地利用分类数据，自变量选取10个因子：NDVI（X1）、土壤类型（X2）、高程（X3）、坡度（X4）、地形起伏度（X5）、人口密度（X6）、年均气温（X7）、年均日照（X8）、年均降水量（X9）、土地利用综合程度（X10）。

1.3.3.1因子探测用于识别各影响因素对LUCC的解释力及在空间上是否具有显著的一致性，对LUCC变化方向有决定性作用。模型表达式如下：

q=1-1Nσ2∑Lh=1Nhσ2h（3）

式中：q为驱动力因素对LUCC的影响力探测指标;N为全区单元数量;Nh=h级单位样本数，h=1，…，L，为影响因子的分类数;σ2为研究区土地利用类型方差;σ2h=h级土地利用类型方差;q的取值范围为[0，1]。

1.3.3.2交互作用探测以图示、判据和交互作用直观描述2个影响因素之间对土地利用类型的影响是减弱、增强、或者相互独立。与单因子影响对比在土地利用发展中起更适宜的决策作用。

交互探测表达式中如果q（X1∩X2）max[q（X1），q（X2）]，2个影响因子交互双因子增强;如果q（X1∩X2）=q（X1）+q（X2），2个影响因子交互独立;如果q（X1∩X2）>q（X1）+q（X2），2个影响因子交互非线性增强。将自变量数据转为类型量保存栅格格式，为在空间上匹配自变量和因变量的值，利用ArcGIS制作随机样点1 998个，进而提取每个随机样点的自变量、因变量离散化后的值。

2结果与分析

2.1渭库绿洲土地利用时间序列分析

根据土地利用地类等级划分标准，分类方法采用监督分类，在分类精度达到要求的基础上，最终获得渭库绿洲2005—2015年土地利用分类（图2）。依据研究区分类情况进一步具体分析地类在时序上的变化。

分析2005—2015年土地利用分类数据，土地利用年际变化总体特征在各土地利用类型面积上变化明显（图3-a、图3-b），2005年占研究区范围最多的地类为草地、未利用地和耕地，地类面积分别为 325 096.20、257 826.69、158 205.33 hm2，占总面积比例分别为37.7%、29.9%、18.3%。2010年占研究区范围最多的地类为草地、耕地、未利用地，地类面积分别为285 693.66、230 493.60、213 810.48 hm2，占总面积比例分别为33.1%、26.7%、24.8%。2015年占研究区范围最多的地类为草地、耕地、未利用地，地类面积分别为272 709.45、265 091.94、213 964.29 hm2，占总面积比例分别为31.6%、307%、24.8%。3年占地面积最多的均为耕地、草地和未利用地，表明这3种地类属于主体地类。各地类年际增幅在2005—2010年及2010—2015年间变化量有不同的波动（图3-c），在10年间总体变化量增加的地类有耕地、水域、建设用地，变化量分别为106 886.60、5 701.95、35 737.47 hm2，变化量减少的地类有林地、草地、未利用地，變化量分别为 52 076.9、52 386.8、43 862.4 hm2。

2.2渭库绿洲土地利用类型演变分析

通过分析2000—2015年间渭库绿洲土地利用地类转移矩阵（表1），土地利用之间的转入转出量在空间上表现出较大的差异性。转出量排序为草地> 未利用地> 林地> 耕地> 水域> 建设用地，其中草地、未利用地、林地、耕地转出量较大，转出面积分别为165 968.73、86 098.14、78 080.40、51 664.68 hm2，草地主要转化为 88 212.06 hm2 的耕地和38 771.46 hm2的未利用地，未利用地主要转化为23 969.79 hm2的耕地和46 761.48 hm2的草地。转入面积最多的地类为耕地、草地，转入面积分别为158 551.29、113 581.98 hm2。不可忽视的是建设用地，与基期年相比转入幅度较大，具体为42 360.39 hm2，远比转出面积6 622.92 hm2大很多，建设用地面积的增大导致大面积的草地和未利用地减小。虽然10年间土地利用地类不断发生变化，但总体转入转出面积相对平衡。

2005—2015年间各阶段土地利用综合程度指数分别为187.88、207.74和254.35，增长量分别为19.86与46.61，虽然2005—2010年发展速度没有2010—2015年发展快但总体趋势呈增长状态，说明10年间土地利用属于发展期且发展较快（图4）。由于绿洲区域地势平坦环境适宜生存，所以人类活动影响土地利用空间演变规律较明显。

2.3渭库绿洲土地利用时空演变定量归因

2.3.1单子探测LUCC时空变化能直观地反映土地类型变化程度，为反映变化深度追其内在原因，定量反演各影响因子对LUCC的影响系数，通过公式（3）进行因子探测，其中q值越大，LUCC空间分布分异性越明显（图5）。2005年影响较大的单因子为土地利用综合程度（q=0.868）、NDVI（q=0779），影响程度次之的因素有土壤类型、年均降水量、高程、年均日照，解释力度q值分别为0.321、0.123、0.119、0.102，说明自然因素与地形因素直接或间接影响土地利用时空间演变格局。研究时段其他影响程度从大到小依次是年均气温、人口密度、坡度、地形起伏度，解释力度q值分别为0.039、0.006、0004、0.001，解释力度较小，但是也从一定程度上参与影响土地利用时空演变。2010、2015年单因子探测影响较大的因子与2005年相同，均为土地利用综合程度和NDVI，q值解释力均大于0.6，其他影响因子影响程度的趋势也与2005年相同，充分说明土地利用时空演变有规律可循。

2.3.2交互探测研究土地利用时空演变影响因素定量归因，应用地理探测器定量分析2个因子同时作用对LUCC的空间分异性（图6），2005—2015年间任一2个因子的作用强度都高于单个因子的影响。2005、2010、2015年交互影响最强烈的因子均为土地利用综合程度和NDVI，交互值分别为0916、0.927、0.893，根据交互判据，研究年土地利用综合程度和NDVI交互作用均为双因子增强。有土地利用综合程度与NDVI参与的交互值都较高，说明研究时段，土地利用综合程度和NDVI使土地利用时空演变更加复杂。土壤类型、高程、年均日照、年均气温、年均降水量等因素相互作用，探测值在0.15～0.45之间，交互作用多为非线性增强，较少为双因子增强，体现了因子间作用的复杂性。当出现与地形起伏度、人口密度、气象数据因子交互探测时，交互值低于0.15且交互作用多为非线性增强。

3结论与讨论

通过监督分类统计地类，结合转移矩阵和土地利用综合程度分析2005—2015年间LUCC的时空格局演变特征，研究地理探測器模型探测自然因素、区位因素、社会经济因素等驱动因子对LUCC的影响定量归因。

土地利用时空演变较为复杂，耕地、草地、未利用地占地比最高，且变化幅度也较大，水域、林地变化较稳定，建设用地总体基数低，但是同比建设用地面积增长较快。2005—2015年间耕地增长 106 886.6 hm2 变化较大，占研究区面积18.33%，呈相同趋势的建设用地和水域，同比增长 35 737.47、5 701.95 hm2。林地、草地和未利用地逐年相对减少52 076.9、52 386.8、43 862.4 hm2，总体转入转出量较平衡。

研究选用10种影响因子进行单因子探测，各影响因子对土地利用空间演变解释力度不同，3年解释力度最高的均为土地利用综合程度和NDVI，其他因子解释力度在3个时间阶段上总体趋势相同，10年间在不同程度上影响土地利用空间分异性，土地利用综合程度是人类活动综合作用的结果，侧面反映人类活动影响土地利用时空格局，地形因素不是主要影响因素，这与绿洲区域地形平坦的特点有着间接关系，气象数据的作用值也较小，由于在研究区范围气候变化较稳定较少出现极端天气。各因子的作用强度不同，但都在一定程度上改变着LUCC的空间分布。

研究时段单因子探测影响强度高的在交互探测中交互值也最大，交互探测中交互强度最高的为土地利用综合强度与NDVI，且所有因子间的耦合均能增强对土地利用时空演变的解释力，交互作用为双因子增强与非线性增强。

土地类型的变动不仅影响当地的发展对周围区域的影响也不可忽视，干旱区生态环境敏感，修复能力弱，具体分析时空特征及主要影响因素，依据不同的主导因素对干旱区土地利用类型合理规划及后期维护中有针对性地治理，有效维持生态环境。土地变化影响因素及因子间的耦合作用较复杂，由于可获取数据的局限，选取指标须进一步丰富，后续研究中将引用更多较复杂的影响因子如政策制度、土地用途管制因素、生态红线等进行综合研究。

参考文献：

[1]Vitousek P M. Beyond global warming：ecology and global change[J]. Ecology，1994，75（7）：1861-1876.

[2]刘纪远，匡文慧，张增祥，等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报，2014，69（1）：3-14.

[3]Liu J Y，Deng X Z. Progress of the research methodologies on the temporal and spatial process of LUCC[J]. Chinese Science Bulletin，2010，55（14）：1354-1362.

[4]Liu X，Yu L，Si Y，et al. Identifying patterns and hotspots of global land cover transitions using the ESA CCI Land Cover dataset[J]. Remote Sensing Letters，2018，9（10）：972-981.

[5]陈万旭，李江风，曾杰，等. 中国土地利用变化生态环境效应的空间分异性与形成机理[J]. 地理研究，2019，38（9）：2173-2187.

[6]Sabr A，Moeinaddini M，Azarnivand H，et al. Assessment of land use and land cover change using spatiotemporal analysis of landscape：case study in South of Tehran[J]. Environmental Monitoring and Assessment，2016，188（12）：691.

[7]Cole B，Smith G，Balzter H. Acceleration and fragmentation of CORINE land cover changes in the United Kingdom from 2006-2012 detected by Copernicus IMAGE2012 satellite data[J]. International Journal of Applied Earth Observation and Geoinformation，2018，73：107-122.

[8]Badar B A，Romshoo S A，Khan M A. Modelling catchment hydrological responses in a Himalayan Lake as a function of changing land use and land cover[J]. Journal of Earth System Science，2013，122（2）：433-449.

[9]Haladová I，Petrovic F. Classifcation of land use changes（model area：Nitra town）[J]. Ekológia，2015，34（3）：249-259.

[10]劉晖. 基于GIS和RS的朝阳区土地利用分类及其时空变化研究[D]. 北京：中国地质大学，2017.

[11]李丹，梅晓丹，张玉娟，等. 绥芬河市土地利用变化的时空格局研究[J]. 测绘科学，2019，44（3）：78-85.

[12]Liu Y Q，Song W，Deng X Z. Understanding the spatiotemporal variation of urban land expansion in oasis cities by integrating remote sensing and multi-dimensional DPSIR-based indicators[J]. Ecological Indicators，2019，96：23-37.

[13]刘彦随，李进涛. 中国县域农村贫困化分异机制的地理探测与优化决策[J]. 地理学报，2017，72（1）：161-173.

[14]王芳，陈芝聪，谢小平. 太湖流域建设用地与耕地景观时空演变及驱动力[J]. 生态学报，2018，38（9）：3300-3310.

[15]Shahbazian Z，Faramarzi M，Rostami N，et al. Integrating logistic regression and cellular automata-Markov models with the experts′ perceptions for detecting and simulating land use changes and their driving forces[J]. Environmental Monitoring and Assessment，2019，191（7）：422.

[16]吴琳娜，杨胜天，刘晓燕，等. 1976年以来北洛河流域土地利用变化对人类活动程度的响应[J]. 地理学报，2014，69（1）：54-63.

[17]贺可，吴世新，杨怡，等. 近40a新疆土地利用及其绿洲动态变化[J]. 干旱区地理，2018，41（6）：1333-1340.

[18]董雯，杨宇，周艳时. 干旱区绿洲城市土地利用效益研究——以乌鲁木齐为例[J]. 干旱区地理，2011，34（4）：679-685.

[19]高瑜莲，柳锦宝，柳维扬，等. 近14a新疆南疆绿洲地区地表蒸散与干旱的时空变化特征研究[J]. 干旱区地理，2019，42（4）：830-837.

[20]Wang J F，Li X H，Christakos G，et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the heshun region，China[J]. International Journal of Geographical Information Science，2010，24（1）：107-127.

[21]Wang J F，Hu Y. Environmental health risk detection with GeogDetector[J]. Environmental Modelling & Software，2012，33：114-115.

[22]熊小菊，廖春贵，陈月连，等. 地理因子对北部湾经济区植被覆盖的影响[J]. 江苏农业科学，2019，47（7）：268-273.

[23]白立敏，修春亮，冯兴华. 基于土地利用变化的长春市生态风险评价[J]. 生态科学，2019，38（3）：26-35.

[24]杜子涛，占玉林，王长耀. 基于NDVI序列影像的植被覆盖变化研究[J]. 遥感技术与应用，2008，23（1）：47-50.

[25]刘建华. 如何利用DEM在ArcGIS中制作坡度分级图[J]. 测绘与空间地理信息，2011，34（1）：139-141.

[26]吕晨，蓝修婷，孙威. 地理探测器方法下北京市人口空间格局变化与自然因素的关系研究[J]. 自然资源学报，2017，32（8）：1385-1397.

[27]楚玉山，刘纪远. 西藏自治区土地利用[M]. 北京：科学出版社，1992.

[28]庄大方，刘纪远. 中国土地利用程度的区域分异模型研究[J]. 自然资源学报，1997，12（2）：105-111.

[29]王劲峰，徐成东.地理探测器：原理与展望[J]. 地理学报，2017，72（1）：116-134.李莉，赵明，王平. 基于耕地质量定级的城市开发边界划定——以南京市江宁区为例[J]. 江苏农业科学，2021，49（2）：174-180.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。