洞庭湖區土地利用變化特征及驅動力分析模擬研究

袁淑君，王 瑩

（湖南工程職業技術學院，湖南 長沙 410151）

土地利用模擬是研究土地利用變化趨勢、探索人地關系協調發展的重要手段［1］。通過探索引起土地利用發生變化的驅動力因子，能夠掌握土地利用的變化規律［2］。土地利用布局優化是一種實現土地資源合理利用、優化城鎮發展空間開發格局的重要方法，其通過對土地要素的空間調控，從而實現對各個地類的合理配置［3］。CLUE-S模型、Binary-Logistic回歸模型及CA-Markov模型等方法常用于模擬土地利用的變化趨勢，其中CA模型和CLUE-S模型在數量分析及空間擴張研究上具有局限性，但常用于空間分析，其能夠反映出土地的時空動態變化；Logistic模型和Markov模型在模擬空間復雜演變方面存有局限，主要用于經驗統計，且基本能解決復雜運算［3］；CA-Markov模型被廣泛應用于模擬土地利用動態。

本文以洞庭湖區為研究區域，根據2000—2020年4期洞庭湖區的遙感影像數據，借助Binary Logistic回歸和面積轉移矩陣等方法，分析了洞庭湖區近20 a來土地利用時空變化，對其變化原因進行了深入探究，并利用CA-Markov模型對研究區域2035年土地利用變化趨勢進行了模擬預測［4］。引入最小累積阻力（MCR）模型劃分生態用地與生活用地，并對研究區域的布局進行了優化研究。最后，綜合土地利用模擬結果與優化配置分區結果得出基于生態安全格局下的洞庭湖區2035年土地利用空間優化配置結果，以期為洞庭湖區今后的土地利用管理政策的制定提供參考依據。

1 研究區概況

洞庭湖區涉及湖南省和湖北省2個區域，總面積為6.05萬km2。本文的研究區域只涉及湖南省岳陽、常德、益陽市和長沙市望城區（以下簡稱洞庭湖區），面積為4.63萬km2，占湖南省總面積的21.86%。研究區屬亞熱帶濕潤季風氣候區，光熱充足，降雨豐沛，生物類型多樣，濕地種類繁多，資源總量豐富。洞庭湖區東、南、西3面均為山脈，地勢高，北部為平原水網區，地勢呈現中間低、四周高的趨勢，由四周向中部依次按中低山、低山—侵蝕剝蝕丘陵、崗地—流水堆積平原和湖積圍堤平原的順序展開，呈明顯的“碟形盆地圈帶狀”景觀，各入湖水系呈扇形分布［5］。

2 數據來源與研究方法

2.1 數據來源

本文使用數據來源于中國科學院資源環境科學與數據中心。其中2000、2005和2010年以Landsat TM/ETM遙感圖像為主要數據源；2015年數據的更新基于2010年數據，2020年數據的更新基于2015年數據，上述數據利用Landsat 8遙感圖像通過人工目視解譯得到。

2.2 研究方法

2.2.1 土地利用特征分析

2.2.1.1 土地利用的地帶性分析 洞庭湖區海拔范圍為-112~2043 m，海拔高度變化的差異較大，為分析不同時期各土地利用類型的地帶性分異規律，利用ArcGIS 10.7軟件中的重分類功能將海拔按照相等間隔分為5個區間，并將5個不同時期的土地利用現狀圖與其進行疊置分析。

2.2.1.2 土地利用類型轉換分析 本文采用轉移矩陣方法分析了2000—2005、2005—2010、2010—2020、2000—2020年4個時期的土地利用轉移情況，土地利用轉移矩陣的計算公式為：

式（1）中，Mij表示第i種土地利用類型轉換為第j種土地利用類型的面積，n代表土地類型總數。

每種土地利用類型面積比例的計算公式為：

式（2）中，R表示某種土地類型在總面積中所占的比重，Aij代表第i年第j個土地利用類型的面積。

2.2.1.3 土地利用變化強度分析 土地利用變化速率和土地利用變化幅度均可衡量土地利用變化的強度。其中單一土地利用動態度可反映土地區域范圍內，不同土地利用類型地變化速率的快慢，而土地利用變化強度可衡量土地利用變化幅度的大小，計算公式分別為：

式（3）~式（4）中，Rd代表某類土地的年變化率，Ua、Ub分別為研究期初、期末的某一種土地的面積，T代表時間間隔，Id代表某類土地的變化強度，Ai代表研究區域內各類土地的總面積。

2.2.2 Binary Logistic回歸分析 Binary Logistic回歸分析（簡稱二元回歸分析）不同于普通的回歸分析，其將每個柵格單元作為研究對象，并通過回歸分析找到每種土地利用類型和每個驅動因素之間的線性關系，其計算公式為：

式（5）中，Pi表示第i類土地出現在每個柵格單元中的概率；β1，β2，…，βn表示回歸方程的解釋變量系數；x0，x1，…，xn-1表示每種驅動因子；x0,i，x1,i，…，xn-1,i為每種驅動因子在第i地類上的值。

2.2.3 CA-Markov模型構建 CA-Morkov模型由元胞自動機（CA模型）和馬爾科夫鏈（Morkov模型）組成，利用該模型能夠完成對空間的分析與數量的預測。

2.2.4 最小累積阻力（MCR）模型 最小累積阻力模型（MCR）是指在識別目標源的基礎上，目標源通往目的地過程中有不同的路徑，不同的路徑將產生不同的阻力和驅動力，不同的阻力和驅動力對于目標源對目的地物質流、信息流的傳遞會產生不同的削弱和促進作用。本文利用MCR模型識別生態源和擴張源，計算出最小累積阻力表面差值和最小累積阻力的擴張路徑，將柵格數與最小累積阻力之差分別作為橫、縱坐標繪制曲線圖，最后在此基礎上劃分洞庭湖區的生態區和生活區，具體分為5個部分：禁止開發區、限制開發區、重點開發區、優化開發區和生態治理區。

3 結果與分析

3.1 土地利用的空間分布特征分析

由圖1可知，2000—2020年洞庭湖區各高程段土地利用類型約90%均分布在700 m以下，其余10%分布在700 m以上；林地和草地2種土地利用類型700 m以下均占比70%以上，700~1600 m分布了10%~20%。由此說明，各土地利用類型在整個研究區內存在一定的地帶性分異規律，但規律性并不明顯，主要集中在700 m以下的低海拔地區，各高程帶之間只有少量流動，總體上各土地利用類型的高程分布比較穩定。

圖1 2000—2020年洞庭湖區各高程段土地類型分布圖

3.2 土地利用的時空演變特征分析

3.2.1 土地利用數量變化特征 隨著研究區域內社會經濟的快速發展，洞庭湖區各土地利用類型也顯示出了不同程度的變化。由表1可知，2000—2020年洞庭湖區的建設用地面積持續增加，耕地、林地、草地面積在逐漸減少，水域和未利用地面積略微浮動變化；在六大地類中，建設用地、耕地、未利用地面積的變化顯著，在研究期間，研究區域建設用地規模不斷擴張，未利用地不斷增加，兩者分別增加了626、304 km2，建設用地的比例由1.85%逐步上升到3.20%，未利用地的比例從1.47%上升至2.12%，耕地面積減少583 km2，是所有地類中面積減少最多的地類。對洞庭湖區的土地利用實際情況分析可知，其面積減少的原因可能包括：一是近幾年外出務工人員較多，耕地荒廢現象較為普遍；二是由于幕阜山、雪峰山等水土流失、土地沙漠化造成了部分耕地鎘重金屬超標，進而導致了可用耕地面積的減少；三是建設項目的占用和其他非農活動導致了耕地面積的減少。

表1 2000—2020年洞庭湖區各土地利用類型面積變化情況

3.2.2 土地利用變化的時空轉移特征

3.2.2.1 土地利用變化時空轉移特征 由表2可知，從時間角度上看，2010年前各土地利用類型之間的轉換較為穩定；2010—2020年，土地利用轉換活躍；2000—2020年間耕地和林地的轉出面積較多，分別轉出了2100、1355 km2，轉出面積最少的是建設用地，為201 km2；轉出的地類面積大部分都轉入了建設用地，建設用地的凈轉入面積為626 km2，未利用地的凈轉入面積為304 km2，其他地類的轉入面積少于轉出面積。

表2 2000—2020年洞庭湖區土地利用轉換面積統計 km2

3.2.2.2 土地利用空間轉移特征 由圖2可知，2000—2020年研究區以洞庭湖為核心，耕地四面環抱，覆蓋范圍最廣；草地毗鄰林地和耕地，未利用土地毗鄰水域，并呈現分散狀分布；建設用地中的城市建設用地主要集中分布在濱湖平原區域且有擴張之勢，農村居民點多但分布零散，且多分布在以耕地為主的農田周圍，大多沿公路分布，研究期內的空間變化不明顯。

圖2 2000—2020年洞庭湖區土地利用轉移方位分布圖

3.2.3 土地利用動態變化特征 由表3可知，2005—2010年洞庭湖區土地利用變化最為顯著，2015—2020年土地利用變化的下降趨勢比較明顯；其中建設用地Rd值在5個年份區間均為正，其增長速度較快，擴張明顯；2005—2010年未利用地Rd值最高，達到9.874%，其次是建設用地Rd值，達到4.992%；耕地變化的速度一直為負，變化速度呈現先增后降的趨勢；研究期內林地變化率均為負，面積持續減少；草地、水域和未利用地的變化速度處于波動狀態。洞庭湖區土地利用變化主要是由人類活動、城市擴張引起。此外，2010年后，隨著洞庭湖水利工程、長江經濟帶水系的建設以及人們對生態環境保護意識的增強，水域面積降幅明顯。

表3 2000—2020年洞庭湖區各土地類型的土地利用單一動態度及土地利用強度 %

3.3 土地利用變化的影響因素分析

3.3.1 土地利用變化驅動因子分析 為了精確實現土地利用模擬，也為了保證數據的科學性、代表性和可得性，本文根據洞庭湖區土地利用的實際情況，從自然驅動、社會經濟驅動及區位驅動等3個方面共選取了11個驅動因子。通過SPSS軟件對11個驅動因子進行了共線性診斷，并提取分析結果中的容差和方差膨脹性因子（VIF），其計算公式為：

式（6）中，Ri為自變量對其他因變量的二元回歸分析的復相關系數，當0＜VIF＜10時，不存在多重共線性；當10≤VIF＜100時，存在較強多重共線性；當VIF≥100時，存在嚴重多重共線性。

由表4可知，每個驅動因子的VIF值均小于10，可判斷這11個驅動因子不具有多重共線性，可應用二元回歸分析。

表4 驅動因子的方差膨脹性因子

3.3.2 Binary Logistic回歸分析 將其與11個驅動因子在ArcGIS 10.7中轉換成ASCII文件導出，并將數據導入到SPSS軟件中，在因變量中導入6種土地利用類型，在自變量中導入11種驅動因素，并對其依次進行二元回歸分析。

通過SPSS軟件中的ROC曲線功能進行分析（表5），得到的ROC檢驗值都達到0.8以上，表示所選的驅動因子都能很好地解釋每種土地利用類型。

表5 2000—2020年洞庭湖區各土地利用類型Binary Logistic EXP(β)系數

表6 2020年洞庭湖區土地利用預測柵格數量精度分析

由表5可知，對耕地的分布格局影響最大的是高程和年均溫度，EXP值分別為2.595和2.308；對林地的分布格局影響最大是植被覆蓋率和坡度，EXP值分別為3.168和2.334；對草地的分布格局影響最大的是年降水量和土壤侵蝕強度，EXP值分別為1.437和1.324；對水域分布格局影響最大的是植被覆蓋率和生態系統服務價值，EXP值分別為1.572和2.686；對建設用地分布格局影響最大的是人口密度和GDP，EXP值分別為3.127和3.030；對未利用地分布格局影響最大的是坡度和年降水量，EXP值分別為1.919和1.964。綜上，對各土地利用類型分布均起到關鍵作用的5個影響因子分別是：坡度、植被覆蓋率、生態系統服務價值、GDP、距鐵路距離。

3.4 CA-Markov模型模擬

對比分析2020年模擬土地利用情況與實際土地利用分布，采用CROSSTAB選項測試模擬精度，Kappa系數為0.8358，大于0.75，仿真精度高，可滿足研究需要。

利用CA-Markov模型預測2035年的土地利用情況?；?020年土地利用現狀圖，輸入2010—2020年馬爾科夫轉移概率矩陣和每個土地利用類型的適宜性圖集（圖3），得到2035年土地利用模擬預測結果（表7）和分布圖（圖4）［6］。由預測結果可知，耕地和林地占比較低，建設用地及未利用地占比較高，需要進行生態安全格局上的二次優化。

表7 2035年各土地利用類型模擬預測結果

3.5 基于MCR模型的土地利用優化配置分區

由土地利用優化配置分區（表8、圖5）可以看出，重點開發區集中分布于岳陽、常德和益陽市建成區的中心區域，以上區域城市建設速度較快，建設用地占比較高；優化開發區主要分布在重點開發區的毗鄰地區，主要土地類型為耕地與林地；生態治理區主要分布在華容縣、南縣、澧縣、赫山區和武陵區，這說明上述區域在今后發展過程中應加強生態治理，在治理復墾的基礎上降低土地閑置率，提高土地利用強度；禁止開發區主要集中在安化縣西南部、平江縣東南部和桃源縣西部等高海拔區域，以上區域對生態安全所起作用大，且開發利用難度較大，應當減少人為干預，加強保護力度；限制開發區分布區域最廣，占比最高，在今后的開發過程中要嚴守基本農田及生態保護紅線。

表8 洞庭湖區土地利用優化配置分區統計

圖5 洞庭湖區土地利用優化配置分區示意圖

3.6 基于生態安全格局模型的模擬

生態安全格局的洞庭湖區土地利用類型模擬是將CA-Markov模型下的土地利用模擬和MCR模型形成的優化配置分區結果進行疊置分析，強化生態用地，在將各圖層綜合的基礎上，形成生態安全格局下的土地利用空間優化配置結果（表9、圖6）。

圖6 基于生態安全格局的土地利用優化配置最終結果圖

將生態安全格局下的2035年土地利用優化配置結果與2020年土地利用現狀進行比較分析發現（表10）：相比于2020年，面積擴張方面最明顯的是建設用地，主要集中在岳陽樓區、云溪區、岳陽縣、湘陰縣、武陵區、鼎城區、漢壽縣、津市、益陽市的赫山區和資陽區等區域，且建設用地的擴張部分多發生在與耕地和林地毗鄰的地方，這說明隨著經濟的發展和社會的進步，洞庭湖區建設用地仍舊保持高速增長的態勢，并不斷威脅著生態安全，但與2035年的土地利用模擬結果相比，洞庭湖區的建設用地面積有所減少；相比于2020年，2035年水域面積保持第二增長，主要集中在華容縣、漢壽縣、南縣和桃源縣，說明洞庭湖區在城市建設過程中注重水利設施建設，注重水污染防治，并加強退耕還湖，取得顯著效果；相比于2020年，洞庭湖區面積減少以耕地和林地為主，符合前文研究結果，且主要減少區域與建設用地擴張區域分布一致；相對于土地利用模擬結果，生態安全格局下的耕地和林地的減少速度有所放緩，說明洞庭湖區在建設用地擴張的過程中加大了生態安全的維護，注重占補平衡，保護耕地紅線，并進一步增加了人工林地的種植，降低城市建設用地擴張對生態安全的威脅；與2020年相比，2035年未利用地面積有小幅增加，主要集中在沅江市、安鄉縣和南縣等地；與2020年相比，2035年草地面積基本保持穩定，變化幅度極小。

表10 各土地利用類型面積及其占比對比情況

綜上所述，洞庭湖區在今后的擴張過程中，應進一步縮減城市擴張速度，增強土地節約集約利用程度，同時加強占補平衡，生態補償，強力落實好退耕還林、退耕還草、退耕還湖等政策，加強人工林地種植與水利設施建設，致力于生態文明建設，合理布局三生空間，實現高質量發展。

4 結論與討論

本文將土地利用模擬與優化配置分區相結合，最終獲得洞庭湖區基于生態安全格局的土地利用模擬結果，并得出如下結論：

（1）2000—2020年洞庭湖區6種地類的變化幅度和活躍度均有所提高。城鎮化進程加速和擴張導致建設用地持續增長；耕地面積減少明顯，主要轉入建設用地、水域和林地，其中建設用地占用耕地程度明顯；林地面積呈小幅減少趨勢；研究期內變化幅度和活躍度最顯著是草地和未利用地，表現出明顯的先減少后增加趨勢。

（2）基于2000年洞庭湖區土地利用現狀數據，利用Binary-Logistic回歸模型厘清了各地類分布與11個影響因素之間的關系，結果表明這些因素對各地類的解釋效果良好，各項ROC檢驗值均大于0.8。各影響因子對各地類具有不同的驅動作用和解釋能力，其中解釋能力最好的5個影響因子分別是坡度、植被覆蓋率、生態系統服務價值、GDP、距鐵路的距離等。

（3）借助CA-Markov模型模擬2035年土地利用情況，耕地、林地面積進一步減少，其中，耕地面積減少速度最快，減少了4.68%，水域、建設用地和未利用地面積進一步擴大，草地面積略有增加，建設用地擴張速度最快，增長了6.11%。

（4）最小累積阻力模型生成的土地利用優化配置分區結果顯示：禁止開發區為1489 km2，占比3.22%；限制開發區為25896 km2，占比55.92%；重點開發區為5424 km2，占比11.70%；優化開發區為12267 km2，占比26.49%；生態治理區為1230 km2，占比2.66%。其中限制開發區面積最大，占比超過了50%。

（5）將土地利用模擬下的土地利用分布預測圖同優化配置分區圖進行疊置分析發現，與2020年相比，耕地、林地和草地均保持下降趨勢，水域、建設用地和未利用地保持上升趨勢。人類活動在土地利用布局的變化中具有重要作用。與土地利用模擬結果相比，各種土地利用類型的上升和下降趨勢有所減緩。