杭嘉湖平原地区土地利用变化驱动机制分析_谭永忠.pdf
文章编号:1000-8462(2006)04-0639-04杭嘉湖平原地区土地利用变化驱动机制分析谭永忠1,吴次芳1,王庆日2(1.浙江大学 公共管理学院,中国浙江 杭州 310029;2.中国土地勘测规划院,中国 北京 100037)摘 要:选择位于杭嘉湖平原地区社会经济快速发展的浙江省海盐县为研究区,利用遥感数据,对研究区土地利用类型的空间转移与格局变化进行分析的基础上,选取研究区土地利用变化的社会经济驱动因子,运用典型相关分析方法诊断各社会经济驱动因子对土地利用变化格局形成贡献作用的大小,同时运用典型相关系数和冗余度分析,检验了分析结果。研究结果表明,人口密度、单位面积工业总产值、单位面积农业总产值、城镇化水平、农民人均年纯收入等5个因子是影响研究区土地利用变化的主要社会经济驱动因子。关键词:土地利用变化;驱动机制;典型相关分析;海盐县中图分类号:F301.24文献标识码:A 随着土地利用与土地覆被变化研究的不断深入,该方面的研究表现出需要更加多样化的研究区域1,需要加强中、微观尺度的研究2,更多地结合应用分析3等趋势。对一些局部和区域的实例研究,可提供确定和说明原因与覆被相互关系的主要变异所需的空间分辨率,并增进对原因与覆被关系的详细了解4,这种尺度的变化与人类活动的联系也易于分析。县级尺度作为中国行政管理体系中的完整基层单位,是中国土地资源可持续利用、管理和规划的最佳尺度5。因此,在已有宏观研究的基础上,选择一些具有代表性的县域作为研究案例,重视对其土地利用变化驱动机制的定量研究,不仅可以为中国土地利用 覆被变化的多空间尺度研究创造条件,而且可以从宏观尺度上有效地把握土地利用与土地覆被变化的现代过程6,并更有利于理解与认识土地利用 覆被变化对土地可持续利用的影响。地处杭嘉湖平原的浙江省海盐县,为经济快速发展过程中的区域土地利用变化驱动机制的定量研究提供了较为理想的条件。近20年来,海盐县在社会经济迅速发展的同时,土地利用 土地覆被也发生了前所未有的快速变化,各种土地利用类型发生转换的总面积达4 566.50hm2,占全县土地总面积的8.60%,其中水田转化为其他土地利用类型的面积达4182.0hm2,占全县水田面积的10.03%。1 研究区概况和数据1.1 研究区概况海盐县位于长江三角洲南翼,东濒杭州湾,西南邻海宁,北连嘉兴市秀洲区及平湖市,距上海、杭州、苏州均百余公里,交通便利。面积530.93km2,2000年总人口36.49万。近20年来,海盐县社会经济迅速发展,据国家统计局农调总队的统计,2001年居全国最发达100县(市)第42位。19852000年全县国内生产总值年均增长速度为11.71%。2000年全县人均国内生产总值和农民人均纯收入分别达15 659万元和4 667元。19852000年全县总人口增加了9.84%,城镇化水平上升了5.87%。1.2 数据数据由空间数据和社会经济统计数据组成。空间数据来源于研究区1980年代中期(19851986年)、1990年代中期(19951996年)和1990年代末期(19992000年)的Landsat TM遥感图像解译结果。土地利用分类采用中国科学院资源环境数据库中的全国110万土地利用分类系统。根据研究区土地利用类型的数量和分布特征,将原土地利用数据类型进行合并,得到9个土地利用类型,分别是:水田、旱地、林地、内陆水域、滩涂、城镇用地、农村居民点用地、其他建设用地和未利用土地,其中内陆水域包括河渠、湖泊、水库坑塘和滩地。社会经济统计数据主要包括历史统计数据和未来规划数据。数据资料主要来自 海盐县统计年鉴、海盐县土地志、海盐县土地利用总体规划、海盐县“十五”计划和2020年国民经济远景发展规划、海盐县国民经济和社会发展统计公报等。2 驱动因子的选取选取驱动因子时主要选取社会经济因子,因为在较短的时间维度上,土地利用 覆被变化深受人口增长、经济发展、城市化进程的加速和交通条件的改善等社会经济因素的影响,特别是对于象研究区所在的杭嘉湖平原这样受自然环境因素限制较小的区域。同时综合考虑数据资料的可获取性、时间与空间上的一致性、与研究区土地利用变化的相关性、空间异质性以及能否定量化等方面。社会经济因子对区域土地利用变化的作用是动态的,数据经常在变化。本研究选择以1年为步长,因此,这些因子的数据每年更新一次。本研究共选取了18项指标,进行统计分析之前,考虑到研究区所在的杭嘉第26卷第4期2006年7月经 济 地 理ECONOMIC GEOGRAPHY Vol.26,No.4Jul.,2006收稿日期:2005-07-08;修回日期:2005-12-07基金项目:国家自然科学基金(编号:40471055)、国家社会科学基金(编号:03AJY003)和浙江大学2004年度“曙光”计划项目联合资助。湖平原土地利用变化和社会经济发展等方面的特点以及数据的可获取性,通过SPSS的数据共线性处理,对其中9个因子进行了分析,分别是人口密度、人均工业总产值、单位面积工业总产值、人均粮食产量、单位面积农业总产值、城镇化水平、人均地方财政收入、农民人均年纯收入和工农业总产值中工业总产值的比重。3 驱动因子的定量分析3.1 分析思路和方法典型相关分析是定量判别土地利用变化驱动力的有力工具,可以成功地将社会经济因子的驱动力贡献加以定量分析和模拟,有助于克服建立分析模型时遇到的一大障碍7-10。进行典型相关分析时,这里的目标变量是土地利用类型变化,解释变量是社会经济驱动因子。由于收集到的社会经济统计数据只到研究区的乡镇级尺度,而研究区内仅有17个乡镇,样本数量偏少,影响用典型相关分析得出各种土地利用类型变化的驱动力的准确度。因此,对样本进行了扩充,增选自然条件和社会经济背景都比较相似的平湖市和海宁市的45个乡镇作为研究对象,在更大的空间尺度下归纳研究区土地利用格局的影响因子。在本研究中,标准变量组分别包括8种土地利用类型面积的增量变化,分别为:水田、旱地、林地、内陆水域、滩涂、城镇用地、农村居民点用地和其他建设用地;7种土地利用类型面积的减量变化,分别为:水田、旱地、林地、内陆水域、滩涂、农村居民点用地和其他建设用地,城镇用地减少和未利用土地的增减因其在研究期间变化甚微,所以从分析中排除。自变量组包括9个自变量,分别是人口密度、人均工业总产值、单位面积工业总产值、人均粮食产量、单位面积农业总产值、城镇化水平、人均地方财政收入、农民人均年纯收入和工农业总产值中工业总产值的比重。3.2 运行结果与分析3.2.1 标准变量组Y1的增量变化与自变量组X的典型相关分析运用SPSS中的子程序CANCORR直接对数据进行典型相关分析,得出运行结果(表1)。由于同一随机变量组内各典型变量之间的样本协方差为零,不同组不对应的典型变量间的样本协方差也为零,使得分析标准变量组Y1(土地利用变化)和自变量组X(驱动因子变化)之间的关系转化为只需分析从两组中提取出的相对应的典型变量之间的关系。根据表1中的分析结果,结合专业知识,可以定量诊断出研究区土地利用增量变化的社会经济驱动因子及其对这种变化作用的强弱。第一个典型变量将城镇用地增量(I6)从其他类型中分离出来(图1),其典型载荷为0.895。自变量组X中与之相对应的解释变量(即驱动因子)主要是城镇化水平(S6)和单位面积工业总产值(S3),其典型载荷分别为0.791和0.736。由此可知,城镇用地增量与城镇化水平和单位面积工业总产值呈正相关,表明随着城镇化水平的提高和经济的发展,城镇用地面积不断增加。第二个典型变量将农村居民点用地增量(I7)从其他类型中分离出来(图1),其典型载荷为0.844。自变量组X中与之相对应的解释变量(即驱动因子)主要是人口密度(S1)和城镇化水平(S6),其典型载荷分别为0.723和-0.687。由此可见,农村居民点用地增量与人口密度呈正相关,而与城镇化水平呈负相关,表明随着人口的不断增长,农村居民点用地面积不断增加;同时随着城镇化水平的提高,大量农民进入城镇,其身份发生变化,由农民变为城镇居民,一方面,使新增农村居民点用地面积不断递减,另一方面,进城农民原有的部分宅基地通过整理和复垦等措施重新转变为耕地。第三个典型变量将内陆水域增量(I4)从余下的其他类型中分离出来(图1),其典型载荷为0.672。自变量组X中与之相对应的解释变量(即驱动因子)主要是单位面积农业总产值(S5)和农民人均年纯收入(S8),其典型载荷分别为0.607和0.604。由此可见,内陆水域增量与单位面积农业总产值和农民人均年纯收入呈正相关,表明在调整农村产业结构的政策引导与农民提高农业生产效益、增加收入的内在动力的双重作用下,农民将部分水田变为鱼塘等水域,增加了水产养殖面积。图1 第1、2、3个典型增量的典型载荷Fig.1Canonical loadings of first,second and third canonical increments3.2.2 标准变量组Y2的减量变化与自变量组X的典型相关分析运用SPSS中的子程序CANCORR对数据进行同样的典型相关分析,得出计算结果(表2)。结合专业知识,运用与上述相同的分析方法,定量诊断出研究区土地利用减量变化的社会经济驱动因子及其对这种变化作用的强弱。第一个典型变量将水田减量(D1)从其他类型中分离出来(图2),其典型载荷为0.912。自变量组X中与之相对应的解释变量(即驱动因子)主要是人口密度(S1)和单位面积工业总产值(S3),其典型载荷分别为0.805和0.796。由此可知,水田减量与人口密度和单位面积工业总产值呈正相关,表明伴随工业化进程而出现的耕地非农化,是实现工业化和城046经 济 地 理 26卷表1 运用典型相关分析得到的海盐县土地利用增量变化的典型载荷Tab.1Canonical loadings of land use increment change of H aiyan county from canonical correlation analysis变量组变量代码变量名称典型载荷典型变量1典型变量2典型变量3典型变量4典型变量5典型变量6典型变量7典型变量8Y1I1水田增量-0.531-0.423-0.297-0.2880.4390.4270.395-0.227I2旱地增量-0.218-0.2440.166-0.3840.3160.4110.4020.118I3林地增量0.1160.2030.226-0.3020.2140.3330.2610.317I4内陆水域增量-0.2250.1170.6720.2260.227-0.1470.1010.259I5滩涂增量0.0280.2780.1940.1590.068-0.0990.472-0.042I6城镇用地增量0.8950.4420.2540.425-0.607-0.2280.1060.301I7农村居民点用地增量0.5020.8440.2310.4160.255-0.5950.211-0.163I8其他建设用地增量0.6010.5120.3220.612-0.2610.149-0.5860.068XS1人口密度0.6070.7230.2020.323-0.322-0.4450.088-0.267S2人均工业总产值0.6410.1150.1530.614-0.4570.123-0.4980.155S3单位面积工业总产值0.7360.1010.1640.601-0.5050.106-0.5220.203S4人均粮食产量-0.522-0.515-0.549-0.2640.4130.4090.315-0.215S5单位面积农业总产值0.0220.1080.6070.3310.0440.3310.1490.202S6城镇化水平0.791-0.6870.2280.269-0.5490.5660.066-0.113S7人均地方财政收入0.3310.0940.4410.454-0.213-0.195-0.3130.168S8农民人均年纯收入0.1570.5350.6040.3790.198-0.225-0.1970.101S9工农业总产值中工业总产值的比重0.2120.2460.1790.428-0.206-0.161-0.3370.122表2 运用典型相关分析得到的海盐县土地利用减量变化的典型载荷Tab.2 Canonical loadings of land use decrement change of H aiyan county from canonical correlation analysis变量组变量代码变量名称典型载荷典型变量1典型变量2典型变量3典型变量4典型变量5典型变量6典型变量7Y1D1水田减量0.9120.1180.373-0.5450.221-0.244-0.255D2旱地减量0.505-0.3370.5530.028-0.009-0.459-0.163D3林地减量0.1080.202-0.2140.0170.4770.1540.097D4内陆水域减量-0.215-0.3210.0380.2270.0250.0430.061D5滩涂减量-0.2690.564-0.0620.0550.1260.3090.039D6农村居民点用地减量-0.3570.114-0.2540.301-0.3690.2010.438D7其他建设用地减量-0.237-0.206-0.3030.279-0.3440.1880.257XS1人口密度0.8050.3320.621-0.6010.305-0.4240.117S2人均工业总产值0.6220.0270.588-0.4490.322-0.3860.306S3单位面积工业总产值0.7960.0580.606-0.4610.268-0.2640.259S4人均粮食产量-0.659-0.022-0.3330.334-0.1670.2570.155S5单位面积农业总产值0.2310.6080.166-0.1170.0970.1290.059S6城镇化水平0.6240.2570.401-0.2530.222-0.2330.402S7人均地方财政收入0.2170.3340.123-0.1510.0060.1470.368S8农民人均年纯收入0.2330.6160.149-0.1440.0140.2110.545S9工农业总产值中工业总产值的比重0.116-0.1350.0990.1560.0040.0080.486图2 第1个典型减量的典型载荷Fig.2Canonical loadings of the first canonical decrement市化所必须付出的一种代价,是工业化国家和地区的规律性和普遍性现象11,难以避免。3.3 计算结果的检验3.3.1 典型相关系数检验检验典型相关分析统计重要性的一般方法是典型相关系数,即典型变量间的相关系数。图3显示出8个典型增量变量和7个典型减量变量的典型相关系数。一般经验认为典型相关系数大于0.3,则相关关系显著12。从图中可知相对应的典型变量之间关系密切。前2个典型增量变量对应的相关系数高达0.971和0.944,前2个典型减量变量对应的相关系数也达0.967和0.925,表明判别出的解释变量能清晰充分地解释相应标准变量的分布格局。3.3.2 冗余度检验判定典型变量有效数目,检验典型相关分析结果的另一个方法是计算冗余指数,进行冗余度分析。从典型增量冗余指数分析的结果可以看出(图4):第1到第4个典型增量被社会经济统计因子变量解释的比例较高,尤其是前2个典型增量,被解释的目标变量中分别有97.23%和90.27%的信息可由解释变量予以解释,反映出二者之间具有较高的相关性。而其余4个典型增量的解释比例较低。因此,根据经验判定,前4个典型增量对结果的分析是有意义的。1464期 谭永忠,吴次芳,王庆日:杭嘉湖平原地区土地利用变化驱动机制分析图3 典型增量和典型减量的典型相关系数分析图Fig.3Canonical correlations of canonical increments and decrements图4 典型增量冗余指数分析Fig.4The analysis of redundancy index of canonical increments图5 典型减量冗余指数分析图Fig.5The analysis of redundancy index of canonical decrements从典型减量冗余指数分析的结果可以看出(图5):第1到第4个典型减量被社会经济统计因子变量解释的比例较高,尤其是前2个典型减量,被解释的目标变量中分别有94.29%和89.63%的信息可由解释变量予以解释,反映出二者之间具有较高的相关性。而其余3个典型减量的解释比例较低,第7个典型减量的解释比最低,仅30.77%。因此,根据经验判定,前4个典型减量对结果的分析是有意义的。4 结论运用典型相关分析方法对研究区土地利用变化的社会经济驱动因子进行的定量统计分析表明,人口密度、单位面积工业总产值、单位面积农业总产值、城镇化水平、农民人均年纯收入等5个因子是影响研究区土地利用变化的主要社会经济驱动因子。这些社会经济驱动因子在研究期间各年度的值将作为土地利用变化模型的输入,并运用CLUES模型,对研究区土地利用空间格局的动态演变进行模拟和预测。这些内容已另文研究。参考文献:1 龙花楼,李秀彬.长江沿线样带土地利用格局及其影响因子分析J.地理学报,2001,56(4):417-425.2 于兴修,杨桂山.中国土地利用/覆被变化研究的现状与问题J.地理科学进展,2002,21(1):51-57.3 张军岩,贾绍凤,高 婷.石家庄城市化进程中的耕地变化J.地理学报,2003,58(4):620-628.4B L TURNER,WILLIAMB MEYER,DAVID L SK OLE,陈百明译.全球土地利用与土地覆被变化:进行综合研究J.AMBIO 人类环境杂志,1994,23(1):91-95.5 王 静,郭旭东.我国县级土地可持续利用的科学调控J.地理科学进展,2002,21(3):216-222.6 王思远,刘纪远,张增祥,等.近10年中国土地利用格局及其演变J.地理学报,2002,57(5):523-530.7SATOSHI HOSHINO.Statistical analysis of land use change and drivingforces in theKansai district,Japan A.IIASA Working Paper,wp2962120C.Laxenburg:IIASA,1996.20-25.8 郑国强,江 南,于兴修.长江下游沿线土地利用区域结构演化分析J.自然资源学报,2003,18(5):568-574.9 蒙吉军,李正国.河西走廊土地利用格局及影响因子研究 以张掖绿洲为例J.北京大学学报(自然科学版),2003,39(2):236-243.10 张 明.区域土地利用结构及其驱动因子的统计分析J.自然资源学报,1999,14(4):381-384.11 谭永忠,吴次芳,牟永铭.20世纪90年代浙江省耕地非农化过程分析J.地理科学,2004,24(1):14-19.12 唐守正.多元统计分析方法M.北京:中国林业出版社,1986.(下转656页)246经 济 地 理 26卷2 姜文来.“阶梯式”水资源费探讨 EBOL.水信息网,http:.3 王舒曼,曲福田.水资源核算及对G DP的修正 以中国东部经济发达地区为例J.南京农业大学学报,2001,24(2):115-118.4 冯尚友.水资源持续利用与管理导论M.北京:科学出版杜,2000.5 谢忠岩,孟凡波.水环境价值的数学模型及量化计算J.中国环境管理,2003,22(2):51-53.6 姜文来.水资源价值论M.科学出版社,1999.7 吴新民,潘根兴.自然资源价值的形成与评价方法浅议J.经济地理,2003,23(3):323-326.THE FUZZY COMPREHENSIVE EVALUATION OF WATER RESOURCEVALUE ON THE COASTAL ZONE OF NORTHERN JIANGSUOU Wei-xin1,G AO Jian-hua2,ZHU Hong-yun2,3,Y ANG Gui-shan2(1.Land Management College of Nanjing Agriculture University,Nanjing 210095,Jiangsu,China;2.Nanjing Institute of Geography andLimnology,CAS,Nanjing 210008,Jiangsu,China;3.Xiaozhuang College of Nanjing,Nanjing 210017,Jiangsu,China)Abstract:The size of water resource value is the base of water price,which is also restricted with environment,economic factors.The paperintroduces the fuzzy evaluation model of water resource in detail.And the seven rivers in the coastal zone of Jiangsu province are taken as acase study,which has calculated the macro-value of water resource and the relation between local water resource value and socio-economichas been analyzed.The results indicate:there is a low degree of water resource development and a less care of environment protection in thecoastal zone of Jiangsu province,which means there exists greater roomfor upgrading the water resource value;it shouldnt increase the localwater price recently,and there would exist a“ladder price”between the two cities.Key words:water resource value;fuzzy evaluation;water price;the coastal zone of Northern Jiangsu作者简介:欧维新(1974),男,湖南益阳人,博士,讲师。主要从事海岸带资源利用与效应研究。(上接642页)RESEARCH ON DRIVING FACTORS AFFECTINGLAND USECHANGE IN THE HANG-JIA-HU PLAINTAN Y ong-zhong1,WU Ci-fang1,WANGQing-ri2(1.College of Public Administration,Zhejiang University,Hangzhou 310029,Zhejiang,China;2.Institute of Land Surveying and Planning in China,Beijing 100037,China)Abstract:Taken Haiyan county in Zhejiang province being located in the Hang-Jia-Hu Plain as an instance,used the interpretation of re2mote sensing image data in 1986,1995 and 2000,based on the analysis of the spatial shifting and pattern change of land use types.Drivingfactors are selected according to the characteristics of land use change and social and economic development in the study area.Canonical Cor2relation Analysis(CCA)is applied to analyze the land use change and external drivingfactors,by which the contributions of eachfactor to theforming of land use pattern are drawn.At the same time,the coefficient of CCA and redundancy degree is used to verify the analysis results.The results show that in the internal driving factors the effects of the nearest distance to the towns and other residential areas and the distanceto the main roads are remarkable.The population density,gross annual value of industrial output per unit area,gross annual value of agricul2tural output per unit area,urbanization standard and per capita annual net income of peasant are important external driving factors.Key words:land use change;driving mechanism;CCA;Haiyan county作者简介:谭永忠(1970),男,湖南涟源人,博士。主要从事土地资源管理研究。656经 济 地 理 26卷
