湖北省林地变更及驱动力分析
江腾宇??林成军?┬显?军 宋亚斌
摘要：本研究基于多元遥感卫星影像数据、湖北省2010年林地落界数据和其他相关数据，以地理信息系统为处理平台，解译出湖北省2012年林地分布图，得到2010-2012年湖北省各市州区的林地间动态转移矩阵，并结合全省各市州区的8个主要社会经济因子，对湖北省2010-2012年林地变更情况及其驱动机制进行了研究。研究结果表明：（1）农村人口（X8）是导致有林地变更（Y1）和其他林地变更（Y4）的主要社会驱动力，第一产业总值（X3）是导致疏林地变更（Y2）的主要社会驱动力，第三产业总值（X5）是导致灌木林地变更（Y3）的主要社会驱动力。（2）在对有林地变更进行主成分分析中，命名城市发展因子F1（受国内生产总值X2、第一产业总值X3、第二产业总值X4、第三产业总值X5、基础建设投资X6主要影响）及农村发展因子F2（受年末总人口X1、农村人均年收入X7、农村人口X8主要影响），得到有林地变更模型为 Y1 = -0.644 F1 + 0.742 F2。从该模型可知有林地变更面积与城市发展成反比，与农村发展成正比。
关键词：林地变更；遥感影像；驱动力分析；湖北省
中图分类号：S757文献标识码：A文章编号：1004-3020（2017）02-0051-05
Driving Force Analysis of Forestland Change in Hubei Province
Jiang Tengyu（1）Lin Chengjun（2）Xing Yuanjun（1）Song Yabin（1）
（1.Central South Forest Inventory and Planning Institute of State Forestry AdministrationChangsha410014；2.Hubei Province Forestry Prospecting and Design InstituteWuhan430079）
Abstract： The study which took the interpretation of the map of Hubei Province forest distribution is based on multiple satellite remote sensing image data， forestland boundary data in 2010 and other spatial data. Combined with 8 social economic factors， the study analyzed the forestland change between 2010 and 2012 and its driving force mechanism. The results showed that：（1） Rural population （X8） is the main social driving force of woodland change （Y1） and other forestland change （Y4），The primary industry gross（X3） is the main social driving force of sparse woodland change （Y2）. The tertiary industry gross （X5） is the main social driving force of shrub land change （Y3）. （2）Principle component analysis was taken on woodland change. Based on that， the factorF1 main influenced by gross domestic product （X2）， the first industry gross （X3）， the secondary industry gross （X4）， the tertiary industry gross （X5） and the infrastructure investment （X6）is named as the urban development factor and F2 main influenced by population （X1），rural per capital income （X7） and proportion of rural population （X8）is named as the rural development factor， and the woodland change model is Y1 = -0.644 F1 + 0.742 F2 which can be found that the area of changes in woodland is inversely proportional to urban development and proportional to rural development.
Key words：forestland change； remote sensing image； driving force analysis； Hubei Province
近年來，作为自然与人文过程交叉最为密切的土地利用/覆被变化（LandUse and LandCover Change，LUUC）驱动力及其驱动机制研究已成为全球环境变化的重要组成部分和核心内容 [1-4]。在现有的LUCC过程及其驱动机制相关研究中，绝大部分是对耕地转换、建设用地占用土地（尤其是耕地转换为建设用地）以及城市扩展等的变化原因研究，所关注的重点是社会经济因子对土地类型和面积数量变化的驱动作用，而缺乏对其他土地利用类型（如林地、牧草地等）的分析[5-6]。随着森林生态服务功能的发现与土地利用变化研究理论的逐步成熟，部分学者在近期开始对此类专题进行相关研究[7-17]。中南地区的林区以林业生产为主，有成片原始林和人工林覆盖的地区，在维护区域生态安全、调节气候、防治水土流失、涵养水源以及调节河流径流等方面发挥着重要作用，然而，随着时间的推移以及受各种林区内外驱动力的影响，该区林业用地以及林地结构也发生着变化，为了深入了解和掌握该区林地变更的特点和规律，对更好地进行森林资源监测和评价、制定合理的森林资源经营和保护措施、实现森林的可持续经营具有重要的现实意义。
鉴于此，本研究以湖北省为研究对象，以全国林地落界数据为底图，利用“3S”技术来进行林地变更的动态监测，同时在林地解译的基础上研究林地变更过程，定量分析该地区林地变更的驱动因素。
1研究区域概况及数据来源
1.1研究区域概况
湖北省地跨东经108°21′42″～116°07′50″、北纬29°01′53″～33°6′47″，全省土地总面积约为1859 km2。全省地处亚热带，位于典型的季风区内，除高山地区外，大部分为亚热带季风性湿润气候。年平均气温16 ℃，无霜期265 d，年降水量1 200 mm左右。现有武汉、黄石、十堰、荆州、宜昌、襄阳、鄂州、荆门、黄冈、孝感、咸宁、仙桃、潜江、天门、神农架、恩施州自治区以及随州共17个地市州。
1.2数据来源
本研究在分析湖北省2010～2012年林地变更驱动力分析过程中，应用和处理的研究数据主要包括三个数据：多元遥感数据、相关空间数据和社会经济数据。
多元遥感数据，包括湖北省2012年10～12月份处理后遥感影像， 2009年下半年湖北省林地保护利用规划时使用遥感影像及研究区域内Google Earth的历史影像。
相关空間数据主要包括湖北省2010年林地落界图、湖北省行政界线、DEM （Digital Elevation Model）数字高程数据、森林资源分布图、2009年至2012年森林经营管理资料和外业调查获取的各种资料数据等。
社会经济数据主要是由官方统计数据和规划汇报文本组成，主要包括2009年湖北省林地保护利用规划成果、2013年湖北省林地变更调查成果报告以及来自湖北省省及各个地方的社会经济统计年鉴。本研究选取8个具有代表性的社会经济因子，即年末总人口（X1）、国民生产总值（X2）、第一产业总值（X3）、第二产业总值（X4）、第三产业总值（X5）、固定社会资产总投入（X6）、农民人均年收入（X7）和农村人口比重（X8）。
2研究方法
2.1林地信息提取
根据遥感影像进行解译建立标识库并区划判读，通过ArcGIS软件来完成形成矢量数据图层，并添加填写相应图斑因子字段，从而形成完整的变更数据库。同时参考2010年湖北省林地保护利用规划的矢量数据、2010-2012年间森林资源经营管理资料数据、Google Earth上的历史影像和野外通过GPS定位进行实地调查作为参考和验证，以保证林地信息提取的准确性。
2.2多元回归实现驱动机制分析
在林地变更过程中，因变量的变化往往受一个或者几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元线性回归。多元线性回归模型的一般形式：
设Y为因变量，而X1，X2…Xi为自变量（i=1，2，3……），并且假设自变量与因变量之间为线性关系时，那么可以通过多元线性回归模型（式1）来分析林地变更的驱动机制。
Y=b+a1X1+ a2X2+…+ aiXi（i=1，2，3……）（1）
2.3针对有林地变更的主成分分析
主成分分析法是通过降维的思想，将多个变量简化成为少数几个综合变量，并保留原来多变量的大部分信息，此外还能用较少的综合指标确定存在于各变量中的各类信息。通过将一组给定的相关变量采用线性变换的方法，转成另一组不相关的变量，而新的变量按照方差依次递减的顺序排列。通过数学变换能保持变量的总方差不变，而使得第一变量具有最大的方差，称为第一主成分，第二变量的方差第二大，并且和第一变量呈现不相关关系，称为第二主成分。
3结果与分析
3.1林地变更结果分析
根据林地提取信息，得到湖北省2010～2012年林地变更结果中林地与非林地动态转移统计（表1）。在此期间内，有林地转化为非林地面积35 54558 hm2，疏林地转化为非林地面积5412 hm2，灌木林地转化为非林地面积3 16425 hm2，非林地转化为其他林地面积26 51262 hm2。
3.2林地变更相关分析及驱动模型建构
选取2010年到2012年社会经济驱动因子差值作为自变量，以研究区内各类林地变更面积为因变量（Yi），主要考虑有林地转化非林地面积（Y1）、疏林地转化非林地面积（Y2）、灌木林地转化非林地面积（Y3）、其他林地转化非林地面积（Y4）四个方面。从表2可以得知，有林地转化面积（Y1）仅与农村人口（X8）存在显著正相关，相关系数为0786。而疏林地转化面积（Y2）仅与第一产业总值（X3）变化显著负相关，相关系数为-0.583。灌木林地转化面积（Y3）仅与第三产业总值（X5）、基础建设投资（X6）存在显著负相关，相关系数分别为-0514和-0.362。而其他林地转化面积（Y4）仅与农村人口（X7）呈显著负相关，相关系数为-0551。
选取2010年到2012年社会经济驱动因子差值作为自变量，各类林地转化非林地面积为因变量，进行逐步回归，建立林地资源转化面积与社会经济因子之间的驱动机制模型，最后得到四个回归模型（表3），所有模型中R均大于0.5，且社会经济因子在5%水平（双侧）上显著相关。3.3有林地变更主成分分析及模型优化
有林地是林地资源的重要体现，本研究针对有林地的面积变化进行了主成分回归分析。经过之前社会经济因子相关性分析及KMO、Bartlett检验数据（表4）得知检验的Sig.小于0001，因此本文所选取的8个社会经济统计因子之间存在着显著相关性，因此通过SPSS软件对这些因子进行主成分分析，将其8个社会经济驱动因子进行降维，并分析对有林地面积的变化产生影响的主要成分因子。
通过主成分分析能得到8个主成分及其方差贡献率和累计贡献率（表5）。降维过程中，主成分分析共提取出两个主成分：第一主成分特征值为487，贡献率达到6086%，累计贡献率达到6086%；第二主成分特征值为142，贡献率达到1778%，两者累计贡献率达到7864%，说明提取的两个主成分已经能带代表绝大部分的驱动因子，保留2个主成分因子既减少了指标数量，有尽可能的保证了整个指标系统的完整性。而主成分分析的碎石图（图1）提供了因子数目和特征值大小的变化规律，从中可以得出第三个点已经小于1，且从第二个弯折点来看折线走势明显趋于平缓，因此前两个主成分足以解释有林地变更的。
通过表6中主成分载荷矩阵中数据除以主成分相对应的特征值平方根，得到两个主成分中每个指标所对应的系数：
F1=0.01X1+0.46X2+0.35X3+0.45X4+0.44X5+0.45X6+0.27X7-0.01X8
F2=0.51X1-0.02X2-0.21X3+0.01X4-0.02X5-0.13X6+0.53X7+0.63X8
通过最大方差进行因子旋转，将方差变异集中于变换因子，可以更好解释有林地变更的驱动。由表7可看出，旋转后的因子系数很明显地两级分化，有了更鲜明的实际意义。F1中系数绝对值大的有：国内生产总值（X2）、第一产业总值（X3）、第二产业总值（X4）、第三产业总值（X5）、基础建设投资（X6），这5个指标变量主要反映了城市发展情况；F2中系数绝对值大的有：年末总人口（X1）、农村人均年收入（X7）、农村人口（X8），这3个指标变量主要反映了农村发展情况。基于以上分析，将因子F1命名为城市发展因子，F2命名为农村发展因子。
在此基础上，选取社会经济驱动因子主成分F1、F2作為自变量，有林地变更面积为因变量，数据标准化后进行多元回归，建立有林地变更面积与社会经济因子主成分之间的驱动机制模型。
有林地变更模型为Y1=-0.644F1+0742F2。由表8可以得知，该模型两个参数估计t检验的Sig.均小于001，呈现极显著。从该模型可以看出有林地面积变化的数量与城市发展成反比，与农村发展成正比。
4结论与讨论
在获取湖北省各地市州2010～2012年林地变更信息的基础上对其林地变更情况及其驱动因素的分析进行研究。①2010～2012年间，湖北省有林地、疏林地和灌木林地面积均有所减少，而其他林地和非林地面积有所增加。通过变化转移矩阵能得知，有林地和非林地之间的相互转换比重较大。②研究选取8个社会经济驱动因子在研究期间的差值作为自变量，各类林地转化非林地面积为因变量，进行逐步回归，建立林地资源转化面积与社会经济因子之间的驱动机制模型，得到农村人口（X8）是导致有林地变更（Y1）和其他林地变更（Y4）的主要社会驱动力；第一产业总值（X3）是导致疏林地变更（Y2）的主要社会驱动力；第三产业总值（X5）是导致灌木林地变更（Y3）的主要社会驱动力。③有本研究针对有林地的面积变化进行了主成分分析，取出两个主成分，F1命名为城市发展因子，F2命名为农村发展因子，最后得到有林地变更模型：Y1=-0644 F1+0742 F2。从该模型可以看出有林地面积变化的数量与城市发展成反比，与农村发展成正比。④由于研究时间跨度小，林地变更主要是人类活动引起的，因此本研究只是从社会经济发展角度对林地变化的驱动力进行分析，且选择了8个具有代表性的驱动因子。通过相关分析和KMO、Bartlett检验数据得知驱动因子间存在显著的相关，即驱动因子间存在共线性，但在林地变更驱动机制分析过程中本研究采用了逐步回归的方法来避免了自变量的共线性产生的误差。虽然本研究选取了8个具有代表性的社会经济驱动因子，但由于导致林地变化的诸多因素作用，其结果仍不可避免会存在片面性。
参考文献
[1]冯仕超，高小红，亢健，等.西宁市30多年来土地利用/土地覆被变化及城市扩展研究[J].干旱区研究，2012，29（1）：129136.
[2]胡贤辉，张霞，杨钢桥.湖北省土地利用结构变化及其驱动机制分析[J].长江流域资源与环境，2008，17（1）：4346.
[3]胡春生，潘保田，高红山，等.疏勒河流域土地利用变化驱动因素分析以安西县为例[J].地理科学进展，2003，22（3）：270278.
[4]丛明珠，欧向军，赵清，等.基于主成分分析法的江苏省土地利用综合分区研究[J].地理研究，2008，27（3）：574582.
[5]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（01）：314.
[6]房世波，许端阳，张新时.毛乌素沙地沙漠化过程及其气候因子驱动分析[J].中国沙漠，2009，29（5）：796801.
[7]Holl K D， Aide T M. When and where to actively restore ecosystems[J]. Forest Ecology and Management， 2011， 261（10）： 15581563.
[8]牡丹，潮洛濛.鄂尔多斯市林地变化与社会经济驱动因素研究[J].环境科学与技术，2010（S2）：98101.
[9]戎慧，李明诗，沈文娟，等.急剧城市化背景下森林破碎化模式分析——以浙江余杭区为例[J].西北林学院学报，2012，27（1）：173178.
[10]戴声佩，张勃，王海军，等.中国西北地区植被覆盖变化驱动因子分析[J].乾旱區地理，2010，33（4）：636643.
[11]黎励，毛蒋兴.广西林地资源变化及其影响因素的多时间尺度研究[J].环境科学与技术，2015（1）.
[12]MartínMartín C， Bunce R G H， Saura S. Changes and interactions between forest landscape connectivity and burnt area in Spain[J]. Ecological Indicators， 2013， 33（10）：129138.
[13]林媚珍，马秀芳，谢双喜，等.广东省森林资源动态变化及成因分析[J].生态环境，2008，17（2）：785791.
[14]张克锋，周文华，张军连，等.北京山区林地转化过程分析[J].林业经济问题，2006，26（1）：2729.
[15]Kowalczyk R， Taberlet P， Coissac E， et al. Influence of management practices on large herbivore diet—case of European bison in Bialowziea Primeval Forest （Poland）[J]. Forest Ecology and Management， 2011， 261（4）： 821828.
[16]Schulz J J， Cayuela L， Echeverria C， et al. Monitoring land cover change of the dryland forest landscape of Central Chile （1975–2008）[J]. Applied Geography， 2010， 30（3）： 436447.
[17]Van Vliet N， Mertz O， Heinimann A. Trends， drivers and impacts of changes in swidden cultivation in tropical forestagriculture frontiers： a global assessment[J]. Global Environmental Change， 2012， 22（2）： 418429.
（责任编辑：夏剑萍）
摘要：本研究基于多元遥感卫星影像数据、湖北省2010年林地落界数据和其他相关数据，以地理信息系统为处理平台，解译出湖北省2012年林地分布图，得到2010-2012年湖北省各市州区的林地间动态转移矩阵，并结合全省各市州区的8个主要社会经济因子，对湖北省2010-2012年林地变更情况及其驱动机制进行了研究。研究结果表明：（1）农村人口（X8）是导致有林地变更（Y1）和其他林地变更（Y4）的主要社会驱动力，第一产业总值（X3）是导致疏林地变更（Y2）的主要社会驱动力，第三产业总值（X5）是导致灌木林地变更（Y3）的主要社会驱动力。（2）在对有林地变更进行主成分分析中，命名城市发展因子F1（受国内生产总值X2、第一产业总值X3、第二产业总值X4、第三产业总值X5、基础建设投资X6主要影响）及农村发展因子F2（受年末总人口X1、农村人均年收入X7、农村人口X8主要影响），得到有林地变更模型为 Y1 = -0.644 F1 + 0.742 F2。从该模型可知有林地变更面积与城市发展成反比，与农村发展成正比。
关键词：林地变更；遥感影像；驱动力分析；湖北省
中图分类号：S757文献标识码：A文章编号：1004-3020（2017）02-0051-05
Driving Force Analysis of Forestland Change in Hubei Province
Jiang Tengyu（1）Lin Chengjun（2）Xing Yuanjun（1）Song Yabin（1）
（1.Central South Forest Inventory and Planning Institute of State Forestry AdministrationChangsha410014；2.Hubei Province Forestry Prospecting and Design InstituteWuhan430079）
Abstract： The study which took the interpretation of the map of Hubei Province forest distribution is based on multiple satellite remote sensing image data， forestland boundary data in 2010 and other spatial data. Combined with 8 social economic factors， the study analyzed the forestland change between 2010 and 2012 and its driving force mechanism. The results showed that：（1） Rural population （X8） is the main social driving force of woodland change （Y1） and other forestland change （Y4），The primary industry gross（X3） is the main social driving force of sparse woodland change （Y2）. The tertiary industry gross （X5） is the main social driving force of shrub land change （Y3）. （2）Principle component analysis was taken on woodland change. Based on that， the factorF1 main influenced by gross domestic product （X2）， the first industry gross （X3）， the secondary industry gross （X4）， the tertiary industry gross （X5） and the infrastructure investment （X6）is named as the urban development factor and F2 main influenced by population （X1），rural per capital income （X7） and proportion of rural population （X8）is named as the rural development factor， and the woodland change model is Y1 = -0.644 F1 + 0.742 F2 which can be found that the area of changes in woodland is inversely proportional to urban development and proportional to rural development.
Key words：forestland change； remote sensing image； driving force analysis； Hubei Province
近年來，作为自然与人文过程交叉最为密切的土地利用/覆被变化（LandUse and LandCover Change，LUUC）驱动力及其驱动机制研究已成为全球环境变化的重要组成部分和核心内容 [1-4]。在现有的LUCC过程及其驱动机制相关研究中，绝大部分是对耕地转换、建设用地占用土地（尤其是耕地转换为建设用地）以及城市扩展等的变化原因研究，所关注的重点是社会经济因子对土地类型和面积数量变化的驱动作用，而缺乏对其他土地利用类型（如林地、牧草地等）的分析[5-6]。随着森林生态服务功能的发现与土地利用变化研究理论的逐步成熟，部分学者在近期开始对此类专题进行相关研究[7-17]。中南地区的林区以林业生产为主，有成片原始林和人工林覆盖的地区，在维护区域生态安全、调节气候、防治水土流失、涵养水源以及调节河流径流等方面发挥着重要作用，然而，随着时间的推移以及受各种林区内外驱动力的影响，该区林业用地以及林地结构也发生着变化，为了深入了解和掌握该区林地变更的特点和规律，对更好地进行森林资源监测和评价、制定合理的森林资源经营和保护措施、实现森林的可持续经营具有重要的现实意义。
鉴于此，本研究以湖北省为研究对象，以全国林地落界数据为底图，利用“3S”技术来进行林地变更的动态监测，同时在林地解译的基础上研究林地变更过程，定量分析该地区林地变更的驱动因素。
1研究区域概况及数据来源
1.1研究区域概况
湖北省地跨东经108°21′42″～116°07′50″、北纬29°01′53″～33°6′47″，全省土地总面积约为1859 km2。全省地处亚热带，位于典型的季风区内，除高山地区外，大部分为亚热带季风性湿润气候。年平均气温16 ℃，无霜期265 d，年降水量1 200 mm左右。现有武汉、黄石、十堰、荆州、宜昌、襄阳、鄂州、荆门、黄冈、孝感、咸宁、仙桃、潜江、天门、神农架、恩施州自治区以及随州共17个地市州。
1.2数据来源
本研究在分析湖北省2010～2012年林地变更驱动力分析过程中，应用和处理的研究数据主要包括三个数据：多元遥感数据、相关空间数据和社会经济数据。
多元遥感数据，包括湖北省2012年10～12月份处理后遥感影像， 2009年下半年湖北省林地保护利用规划时使用遥感影像及研究区域内Google Earth的历史影像。
相关空間数据主要包括湖北省2010年林地落界图、湖北省行政界线、DEM （Digital Elevation Model）数字高程数据、森林资源分布图、2009年至2012年森林经营管理资料和外业调查获取的各种资料数据等。
社会经济数据主要是由官方统计数据和规划汇报文本组成，主要包括2009年湖北省林地保护利用规划成果、2013年湖北省林地变更调查成果报告以及来自湖北省省及各个地方的社会经济统计年鉴。本研究选取8个具有代表性的社会经济因子，即年末总人口（X1）、国民生产总值（X2）、第一产业总值（X3）、第二产业总值（X4）、第三产业总值（X5）、固定社会资产总投入（X6）、农民人均年收入（X7）和农村人口比重（X8）。
2研究方法
2.1林地信息提取
根据遥感影像进行解译建立标识库并区划判读，通过ArcGIS软件来完成形成矢量数据图层，并添加填写相应图斑因子字段，从而形成完整的变更数据库。同时参考2010年湖北省林地保护利用规划的矢量数据、2010-2012年间森林资源经营管理资料数据、Google Earth上的历史影像和野外通过GPS定位进行实地调查作为参考和验证，以保证林地信息提取的准确性。
2.2多元回归实现驱动机制分析
在林地变更过程中，因变量的变化往往受一个或者几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元线性回归。多元线性回归模型的一般形式：
设Y为因变量，而X1，X2…Xi为自变量（i=1，2，3……），并且假设自变量与因变量之间为线性关系时，那么可以通过多元线性回归模型（式1）来分析林地变更的驱动机制。
Y=b+a1X1+ a2X2+…+ aiXi（i=1，2，3……）（1）
2.3针对有林地变更的主成分分析
主成分分析法是通过降维的思想，将多个变量简化成为少数几个综合变量，并保留原来多变量的大部分信息，此外还能用较少的综合指标确定存在于各变量中的各类信息。通过将一组给定的相关变量采用线性变换的方法，转成另一组不相关的变量，而新的变量按照方差依次递减的顺序排列。通过数学变换能保持变量的总方差不变，而使得第一变量具有最大的方差，称为第一主成分，第二变量的方差第二大，并且和第一变量呈现不相关关系，称为第二主成分。
3结果与分析
3.1林地变更结果分析
根据林地提取信息，得到湖北省2010～2012年林地变更结果中林地与非林地动态转移统计（表1）。在此期间内，有林地转化为非林地面积35 54558 hm2，疏林地转化为非林地面积5412 hm2，灌木林地转化为非林地面积3 16425 hm2，非林地转化为其他林地面积26 51262 hm2。
3.2林地变更相关分析及驱动模型建构
选取2010年到2012年社会经济驱动因子差值作为自变量，以研究区内各类林地变更面积为因变量（Yi），主要考虑有林地转化非林地面积（Y1）、疏林地转化非林地面积（Y2）、灌木林地转化非林地面积（Y3）、其他林地转化非林地面积（Y4）四个方面。从表2可以得知，有林地转化面积（Y1）仅与农村人口（X8）存在显著正相关，相关系数为0786。而疏林地转化面积（Y2）仅与第一产业总值（X3）变化显著负相关，相关系数为-0.583。灌木林地转化面积（Y3）仅与第三产业总值（X5）、基础建设投资（X6）存在显著负相关，相关系数分别为-0514和-0.362。而其他林地转化面积（Y4）仅与农村人口（X7）呈显著负相关，相关系数为-0551。
选取2010年到2012年社会经济驱动因子差值作为自变量，各类林地转化非林地面积为因变量，进行逐步回归，建立林地资源转化面积与社会经济因子之间的驱动机制模型，最后得到四个回归模型（表3），所有模型中R均大于0.5，且社会经济因子在5%水平（双侧）上显著相关。3.3有林地变更主成分分析及模型优化
有林地是林地资源的重要体现，本研究针对有林地的面积变化进行了主成分回归分析。经过之前社会经济因子相关性分析及KMO、Bartlett检验数据（表4）得知检验的Sig.小于0001，因此本文所选取的8个社会经济统计因子之间存在着显著相关性，因此通过SPSS软件对这些因子进行主成分分析，将其8个社会经济驱动因子进行降维，并分析对有林地面积的变化产生影响的主要成分因子。
通过主成分分析能得到8个主成分及其方差贡献率和累计贡献率（表5）。降维过程中，主成分分析共提取出两个主成分：第一主成分特征值为487，贡献率达到6086%，累计贡献率达到6086%；第二主成分特征值为142，贡献率达到1778%，两者累计贡献率达到7864%，说明提取的两个主成分已经能带代表绝大部分的驱动因子，保留2个主成分因子既减少了指标数量，有尽可能的保证了整个指标系统的完整性。而主成分分析的碎石图（图1）提供了因子数目和特征值大小的变化规律，从中可以得出第三个点已经小于1，且从第二个弯折点来看折线走势明显趋于平缓，因此前两个主成分足以解释有林地变更的。
通过表6中主成分载荷矩阵中数据除以主成分相对应的特征值平方根，得到两个主成分中每个指标所对应的系数：
F1=0.01X1+0.46X2+0.35X3+0.45X4+0.44X5+0.45X6+0.27X7-0.01X8
F2=0.51X1-0.02X2-0.21X3+0.01X4-0.02X5-0.13X6+0.53X7+0.63X8
通过最大方差进行因子旋转，将方差变异集中于变换因子，可以更好解释有林地变更的驱动。由表7可看出，旋转后的因子系数很明显地两级分化，有了更鲜明的实际意义。F1中系数绝对值大的有：国内生产总值（X2）、第一产业总值（X3）、第二产业总值（X4）、第三产业总值（X5）、基础建设投资（X6），这5个指标变量主要反映了城市发展情况；F2中系数绝对值大的有：年末总人口（X1）、农村人均年收入（X7）、农村人口（X8），这3个指标变量主要反映了农村发展情况。基于以上分析，将因子F1命名为城市发展因子，F2命名为农村发展因子。
在此基础上，选取社会经济驱动因子主成分F1、F2作為自变量，有林地变更面积为因变量，数据标准化后进行多元回归，建立有林地变更面积与社会经济因子主成分之间的驱动机制模型。
有林地变更模型为Y1=-0.644F1+0742F2。由表8可以得知，该模型两个参数估计t检验的Sig.均小于001，呈现极显著。从该模型可以看出有林地面积变化的数量与城市发展成反比，与农村发展成正比。
4结论与讨论
在获取湖北省各地市州2010～2012年林地变更信息的基础上对其林地变更情况及其驱动因素的分析进行研究。①2010～2012年间，湖北省有林地、疏林地和灌木林地面积均有所减少，而其他林地和非林地面积有所增加。通过变化转移矩阵能得知，有林地和非林地之间的相互转换比重较大。②研究选取8个社会经济驱动因子在研究期间的差值作为自变量，各类林地转化非林地面积为因变量，进行逐步回归，建立林地资源转化面积与社会经济因子之间的驱动机制模型，得到农村人口（X8）是导致有林地变更（Y1）和其他林地变更（Y4）的主要社会驱动力；第一产业总值（X3）是导致疏林地变更（Y2）的主要社会驱动力；第三产业总值（X5）是导致灌木林地变更（Y3）的主要社会驱动力。③有本研究针对有林地的面积变化进行了主成分分析，取出两个主成分，F1命名为城市发展因子，F2命名为农村发展因子，最后得到有林地变更模型：Y1=-0644 F1+0742 F2。从该模型可以看出有林地面积变化的数量与城市发展成反比，与农村发展成正比。④由于研究时间跨度小，林地变更主要是人类活动引起的，因此本研究只是从社会经济发展角度对林地变化的驱动力进行分析，且选择了8个具有代表性的驱动因子。通过相关分析和KMO、Bartlett检验数据得知驱动因子间存在显著的相关，即驱动因子间存在共线性，但在林地变更驱动机制分析过程中本研究采用了逐步回归的方法来避免了自变量的共线性产生的误差。虽然本研究选取了8个具有代表性的社会经济驱动因子，但由于导致林地变化的诸多因素作用，其结果仍不可避免会存在片面性。
参考文献
[1]冯仕超，高小红，亢健，等.西宁市30多年来土地利用/土地覆被变化及城市扩展研究[J].干旱区研究，2012，29（1）：129136.
[2]胡贤辉，张霞，杨钢桥.湖北省土地利用结构变化及其驱动机制分析[J].长江流域资源与环境，2008，17（1）：4346.
[3]胡春生，潘保田，高红山，等.疏勒河流域土地利用变化驱动因素分析以安西县为例[J].地理科学进展，2003，22（3）：270278.
[4]丛明珠，欧向军，赵清，等.基于主成分分析法的江苏省土地利用综合分区研究[J].地理研究，2008，27（3）：574582.
[5]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（01）：314.
[6]房世波，许端阳，张新时.毛乌素沙地沙漠化过程及其气候因子驱动分析[J].中国沙漠，2009，29（5）：796801.
[7]Holl K D， Aide T M. When and where to actively restore ecosystems[J]. Forest Ecology and Management， 2011， 261（10）： 15581563.
[8]牡丹，潮洛濛.鄂尔多斯市林地变化与社会经济驱动因素研究[J].环境科学与技术，2010（S2）：98101.
[9]戎慧，李明诗，沈文娟，等.急剧城市化背景下森林破碎化模式分析——以浙江余杭区为例[J].西北林学院学报，2012，27（1）：173178.
[10]戴声佩，张勃，王海军，等.中国西北地区植被覆盖变化驱动因子分析[J].乾旱區地理，2010，33（4）：636643.
[11]黎励，毛蒋兴.广西林地资源变化及其影响因素的多时间尺度研究[J].环境科学与技术，2015（1）.
[12]MartínMartín C， Bunce R G H， Saura S. Changes and interactions between forest landscape connectivity and burnt area in Spain[J]. Ecological Indicators， 2013， 33（10）：129138.
[13]林媚珍，马秀芳，谢双喜，等.广东省森林资源动态变化及成因分析[J].生态环境，2008，17（2）：785791.
[14]张克锋，周文华，张军连，等.北京山区林地转化过程分析[J].林业经济问题，2006，26（1）：2729.
[15]Kowalczyk R， Taberlet P， Coissac E， et al. Influence of management practices on large herbivore diet—case of European bison in Bialowziea Primeval Forest （Poland）[J]. Forest Ecology and Management， 2011， 261（4）： 821828.
[16]Schulz J J， Cayuela L， Echeverria C， et al. Monitoring land cover change of the dryland forest landscape of Central Chile （1975–2008）[J]. Applied Geography， 2010， 30（3）： 436447.
[17]Van Vliet N， Mertz O， Heinimann A. Trends， drivers and impacts of changes in swidden cultivation in tropical forestagriculture frontiers： a global assessment[J]. Global Environmental Change， 2012， 22（2）： 418429.
（责任编辑：夏剑萍）
