基于PLUS的耕地驱动因素分析与未来预测——以图们江流域为例.pdf

第4 3卷第3期2 0 2 3年6月水土保持通报B u l l e t i no fS o i l a n dW a t e rC o n s e r v a t i o nV o l.4 3,N o.3J u n.,2 0 2 3 收稿日期:2 0 2 2-0 5-0 9 修回日期:2 0 2 2-0 9-2 8 资助项目:国 家 自 然 科 学 基 金 重 点 项 目“图 们 江 流 域 湿 地 退 化 及 其 环 境 效 应 模 拟 研 究”(4 1 8 3 0 6 4 3);吉 林 省 教 育 厅 科 学 研 究 项 目(J J KH 2 0 2 1 0 5 6 7 K J);延边大学科技发展计划(延大科合字(2 0 1 9)第2号)第一作者:吕晶(1 9 9 6),男(汉族),甘肃省定西市人,硕士研究生,研究方向为湿地遥感。E m a i l:1 9 1 0 2 8 2 3 6 9q q.c o m。通信作者:朱卫红(1 9 7 2),女(朝鲜族),吉林省延吉市人,博士,教授,主要从事湿地生态学研究。E m a i l:w h z h u y b u.e d u.c n。基于P L U S的耕地驱动因素分析与未来预测 以图们江流域为例吕 晶,金 日,王镜植,张 鹏,朱卫红(延边大学 地理与海洋科学学院,湿地生态功能与生态安全重点实验室,吉林 延吉1 3 3 0 0 0)摘 要:目的探究图们江流域耕地时空演化特征及其驱动因素并预测与 吉林省国土空间规划(2 0 2 12 0 3 5年)(以下简称 规划)相关的耕地变化状况,为图们江流域耕地资源合理规划与利用提供依据和决策支持。方法通过土地利用转移矩阵与重心转移分析其时空演化特征,耦合马尔可夫模型和P L U S模型,预测不同情景下耕地数量和空间变化。结果1 9 9 0年以来研究区耕地面积呈持续减少趋势但整体处于可控状态,到2 0 2 0年总量共减少了4 4 0.4 2k m2,减少的耕地主要转化为林地和建设用地。耕地的空间分布具有明显的差异性,主要集中在中下游区域,并且耕地重心以每年4 3.1m的速度逐渐向西南偏移。社会经济因素中的G D P值、道路交通和人口等与自然因素中的坡度和降水是影响过去耕地变化的主要驱动因素。预测结果表明,两种情景下耕地总量均呈现逐年减少的趋势,目标导向情景下2 0 3 5年耕地总量比2 0 2 0年将减少1 2 8.5 7k m2,减少的耕地主要集中在规划的开发区与保护区。结论过去3 0a随着社会经济的快速发展,研究区内耕地承载的压力越来越大,而且当前的状况不利于 规划 目标的实现。为了实现耕地数量、质量与生态三位一体保护与耕地资源的可持续发展,可以适当开发研究区上游与西部地区的耕地资源,推动原有农业实现规模化、科技化。此外,目标导向情景更有利于图们江流域耕地资源的可持续发展,应当继续实施 规划 目标。关键词:图们江流域;耕地变化;P L U S模型;驱动因素分析;未来预测文献标识码:A 文章编号:1 0 0 0-2 8 8 X(2 0 2 3)0 3-0 2 0 3-1 0 中图分类号:F 3 2 3.2,F 3 0 1.2文献参数:吕晶,金日,王镜植,等.基于P L U S的耕地驱动因素分析与未来预测J.水土保持通报,2 0 2 3,4 3(3):2 0 3-2 1 2,2 2 4.D O I:1 0.1 3 9 6 1/j.c n k i.s t b c t b.2 0 2 3 0 1 3 1.0 0 2;L y uJ i n g,J i nR i,W a n gJ i n g z h i,e ta l.A n a l y s i so f d r i v i n g f a c t o r s a n dp r e d i c t i o n so f a r a b l e l a n da r e ab a s e do nP L U Sm o d e lJ.B u l l e t i no f S o i l a n dW a t e rC o n s e r v a t i o n,2 0 2 3,4 3(3):2 0 3-2 1 2,2 2 4.A n a l y s i so fD r i v i n gF a c t o r sa n dP r e d i c t i o n so fA r a b l eL a n dA r e aB a s e do nP L U SM o d e lAC a s eS t u d yo fT u m e nR i v e rB a s i nL y uJ i n g,J i nR i,W a n gJ i n g z h i,Z h a n gP e n g,Z h uW e i h o n g(K e yL a b o r a t o r yo f W e t l a n dE c o l o g i c a lF u n c t i o na n dE c o l o g i c a lS e c u r i t y,S c h o o l o fG e o g r a p h ya n dM a r i n eS c i e n c e,Y a n b i a nU n i v e r s i t y,Y a n j i,J i l i n1 3 3 0 0 0,C h i n a)A b s t r a c t:O b j e c t i v eT h e s p a t i a l a n d t e m p o r a l e v o l u t i o n a r yc h a r a c t e r i s t i c s o f a r a b l e l a n d i n t h eT u m e nR i v e rb a s i na n dt h ed r i v i n gf a c t o r s f o rc h a n g e s i na r a b l e l a n da r e aw e r ee x p l o r e d,a n dc h a n g e s i na r a b l e l a n da r e aa s s o c i a t e dw i t ht h eL a n dS p a t i a lP l a n n i n go fJ i l i n P r o v i n c e(2 0 2 12 0 3 5)w e r ep r e d i c t e di no r d e rt op r o v i d ead e c i s i o ns u p p o r t b a s i s f o r t h e r a t i o n a l p l a n n i n ga n du t i l i z a t i o no f a r a b l e l a n d r e s o u r c e s i n t h eT u m e nR i v e rB a s i n.M e t h o d sS p a t i a l a n dt e m p o r a l e v o l u t i o nc h a r a c t e r i s t i c so fa r a b l e l a n dw e r ee x p l o r e dt h r o u g ha na n a l y s i so f a l a n du s es h i f tm a t r i xa n dac e n t e ro fg r a v i t ys h i f ta n a l y s i s.M a r k o va n dP L U Sm o d e l sw e r ec o u p l e dt op r e d i c t t h eq u a n t i t ya n ds p a t i a l c h a n g e so f c u l t i v a t e d l a n da r e au n d e rd i f f e r e n t s c e n a r i o s.R e s u l t s T h e t o t a l a r e ao fa r a b l el a n dh a sb e e nd e c r e a s i n gc o n t i n u o u s l ys i n c e1 9 9 0,b u tt h eo v e r a l ls i t u a t i o nw a su n d e rc o n t r o l.T h et o t a la r e ah a dd e c r e a s e db y4 4 0.4 2k m2b y2 0 2 0,w i t ha r a b l el a n dh a v i n gb e e nm a i n l yt r a n s f o r m e d i n t o f o r e s t l a n da n dc o n s t r u c t i o n l a n d.T h e r ew e r eo b v i o u sd i f f e r e n c e s i n t h e s p a t i a l d i s t r i b u t i o no fa r a b l e l a n d,w i t ha r a b l e l a n dc o n c e n t r a t e d i nt h em i d d l ea n dl o w e rr e a c h e so f t h er i v e rb a s i n.T h ec e n t e ro fg r a v i t yo f a r a b l e l a n dg r a d u a l l ys h i f t e d t o t h e s o u t h w e s t a t a r a t eo f 4 3.1mp e r y e a r.S o c i o e c o n o m i c f a c t o r s(G D P,r o a dt r a f f i c,p o p u l a t i o n)a n dn a t u r a l f a c t o r s(s l o p e,p r e c i p i t a t i o n)w e r e t h em a i nd r i v e r s i n f l u e n c i n ga r a b l e l a n dc h a n g e s i nt h ep a s t.T h et o t a la m o u n to fa r a b l el a n df o rb o t hs c e n a r i o sd e c r e a s e do v e rt i m e.T h e t o t a l a r e ao f a r a b l e l a n d i n2 0 3 5 i nt h eg o a l-o r i e n t e ds c e n a r i ow i l lb e1 2 8.5 7k m2l e s st h a ni n2 0 2 0.T h er e d u c t i o n i na r a b l e l a n dw i l lb ec o n c e n t r a t e dm a i n l yi nt h ep l a n n e dd e v e l o p m e n tz o n e sa n dp r o t e c t e da r e a s.C o n c l u s i o nP r e s s u r e so na r a b l el a n di nt h es t u d ya r e ah a v ei n c r e a s e db e c a u s eo fr a p i ds o c i o e c o n o m i cd e v e l o p m e n to v e r t h ep a s t3 0y e a r s,a n dt h ec u r r e n tt r e n d sa r en o tc o n d u c i v et oa c h i e v i n gt h el a n ds p a t i a lp l a n n i n gg o a l s.I no r d e rt op r o t e c ta r a b l el a n dq u a n t i t y,q u a l i t y,a n de c o l o g y,a n dt os u s t a i n a b l yd e v e l o pa r a b l e l a n dr e s o u r c e s,t h o s e r e s o u r c e s i n t h eu p s t r e a ma n dw e s t e r na r e a so f t h e s t u d ya r e am u s t b ed e v e l o p e da p p r o p r i a t e l ys ot h a tt h es c a l ea n dt e c h n o l o g yo fo r i g i n a la g r i c u l t u r ec a nb ep r o m o t e d.A d d i t i o n a l l y,g o a l-o r i e n t e ds c e n a r i o sa r em o r ec o n d u c i v e t ot h es u s t a i n a b l ed e v e l o p m e n to fa r a b l e l a n dr e s o u r c e s i nt h eT u m e nR i v e rb a s i n,a n d l a n ds p a t i a l p l a n n i n gg o a l ss h o u l dc o n t i n u e t ob e i m p l e m e n t e d.K e y w o r d s:T u m e nR i v e rb a s i n;a r a b l e l a n dc h a n g e s;P L U Sm o d e l;d r i v i n gf a c t o r sa n a l y s i s;f u t u r ep r e d i c t i o n 随着人类对土地的开发与利用速度加快,使得全球土地利用/覆被变化(L U C C)发生了极大的变化,同时伴随着社会发展而导致土地退化、生态环境恶化、资源短缺等问题已经成为了全球范围内的一个综合性的问题1。L U C C是自然以及社会经济等在多种时间 和空间尺度 上综合作用 的结果2,通 过 对L U C C进行研究,不仅能够深入了解土地利用内部的变化原因与机制,同时还可以通过调整人类对土地的利用方式,促使更加合理地利用土地3。中国人口众多,土地资源特别是耕地资源相对较少,用仅占世界7%的耕地养活了占世界总人口2 2%的中国人4-6,在全国国土规划纲要(2 0 1 62 0 3 0年)中提出了中国面临的国土资源紧张不断加剧与生态环境压力加大的现状,指出土地开发质量有待提高、土地空间发展格局需要优化7。因此,探究从过去到未来的L U C C变化动态,对于维持和整合生态系统与可持续发展至关重要。目前国外对L U C C的研究具有较强的地域性和综合性3,区域和全球模拟是目前L U C C研究领域中的重点关注内容,即基于土地利用数据,采用各种技术手段对该区域L U C C有影响的各方面因素(自然、社会经济与政策因素)进行综合分析,对该区域未来的土地利用空间格局推演和预测8-1 0。国内关于L U C C的研究内容主要包括驱动力研究和区域模型模拟研究两个 方面,驱动力 研究 可 以 进 一 步 揭 示L U C C变化的内部机制和原因。区域L U C C由空间结构的量变和演化组成,所选择的模型必须同时具有量化预测和空间模拟能力1 1,现有的定量预测模型包括单变量灰色模型1 2、系统动力学模型1 3、逻辑回归模型1 4、马尔可夫模型1 5和人工神经网络模型1 6。马尔可夫模型基于马尔可夫链理论1 7描述随机过程,被广泛用于土地利用模拟预测,但是这些模型挖掘L U C C的潜在驱动因素和使用多种补丁类型的能力较弱9。斑块生成土地利用变化模拟模型(P L U S)作为新型土地利用模拟模型,相较于目前这些模型模拟精度更为准确1 0。P L U S保留了之前未来土地利用模拟的优势模型自适应惯性竞争和轮盘竞争机制,同时进一步完善挖掘空间转换规则,从而更准确地模拟土地利用的空间分布格局6,因此其结果可以更好地支持规划政策以实现可持续发展。国内外学者利用P L U S对L U C C的研究已经做了不少的研究工作,但针对单独模拟预测耕地的研究还不是很多,且对大比例尺小范围区域的研究相对较少,使得耕地空间格局模拟研究的精度不足,因此不能很好地反映耕地变化的微观动态特征3。除此之外,中国当前大多土地利用空间格局模拟研究主要集中在东部地区,对东北边疆地区流域尺度的研究相对较少,因此通过构建合理的模型来研究东北边疆地区流域尺度的耕地空间格局有一定的必要性。图们江流域地处中、朝、俄三国交界地带,是“一带一路”倡议支撑区,东北亚核心腹地,是“东北虎豹国家公园”核心区,也是珍稀濒危鸟类重要栖息地,具有重要的生态意义。流域处于 吉林省国土空间规划(2 0 2 12 0 3 5年)(以下简称 规划)构建“一圈,两屏,三区,四轴带”中的东部山地特色农业片区与东部森林带,承担着粮食生产和生态屏障两大重任,是国家农业生产与生态安全屏障的重要组成部分。但是,402 水土保持通报 第4 3卷以往对图们江流域耕地方面的研究多集中在一些微观耕地因素和单纯的时空分析与驱动力探究1 8-2 1,还没有关于在 规划 影响下耕地未来空间格局的研究。本文分析了1 9 9 52 0 2 0年图们江流域耕地的时空演变趋势及其驱动因素,耦合马尔可夫量预测模型和P L U S模型并依据 规划 设置了自然发展情景(S1)和目标导向情景(S2)来预测未来2 5a的图们江流域耕地演变趋势,为图们江流域耕地资源合理规划与利用提供依据和决策支持。1 研究区概况图 们 江 发 源 于 长 白 山 山 脉 主 峰,干 流 全 长5 2 5k m,总落差12 9 7m。流域面积约为2 28 6 0k m2,占吉林省总面积 的1 1.9%,地 处 吉 林 省 东 部 边 界地区1 7。地 处 北 纬4 1 5 9 4 7 4 4 3 0 4 2,东 经1 2 7 2 7 4 3 1 3 1 1 8 3 3 之间。流域内水系发达,根据区域地貌与河流水情特点,将图们江划分为上中下游(包括1 1个次级流域)。在该区域设立了5个国家级自然保护区,8个省级自然保护区,还分布着东北虎、丹顶鹤等世界濒危物种,是中国重要的生态功能区,也是国家公园体制试点区,是东北亚生态网络中的核心区域。流域内森林覆盖面积高达全州森林面积的8 0.8%,是最主要的土地利用类型,其次是耕地。该区域农业较为发达,最早朝鲜族移民在此开垦耕地,有着鲜明的民族特色1 8。流域横跨 规划 中的东部山地特色农业片区与东部森林带,承担着粮食生产和生态屏障两大重任,农业生产有较好的开发潜力。本文所研究的区域为图们江流域的中国一侧,属延边州管辖范围。2 数据来源与研究方法2.1 数据来源本研究中使用的土地利用数据来自武汉大学杨杰等公开的土地利用栅格数据集产品2 2,数据空间分辨率为3 0m,所有土地利用类型的检测精度大于9 4.3%。驱动因素分为社会经济因素和自然因素,城市道路分为一级、二级、三级与四级4个等级,主干道包括了国道,高速,省道,县道等,共选取了5个社会经济指 标 和6个 气 候 与 环 境 指 标(表1)。通 过A r c G I S软件中的距离分析工具获得各项距离因素。2.2 研究方法(1)土地利用转移矩阵。土地利用转移矩阵是马尔科夫模型在L U C C方面的应用,马尔科夫模型不仅可以定量地表明不同土地利用类型之间的转化情况,还可以揭示不同土地利用类型间的转移速率2 2-2 3。利用土地利用转移矩阵可以反映出耕地的时空演化过程,同时可以对耕地转移情况进行定量化分析。表1 耕地变化驱动因素指标T a b l e1 D r i v e r so fa r a b l e l a n dc h a n g e类 别描 述 年 份 人口密度1 9 9 52 0 2 0G D P值1 9 9 52 0 1 5社会经济因 素距城市道路、主干道、乡道、铁路距离1 9 9 52 0 2 0距政府的距离2 0 2 0距高铁、火车站的距离2 0 2 0土 壤1 9 9 52 0 2 0高程、坡度2 0 2 0自 然因 素水域、河流2 0 2 0距水域距离2 0 2 0年平均温度2 0 0 02 0 2 0年平均降水2 0 0 02 0 2 0(2)重心转移分析。分析耕地面积重心变化是研究耕地间变化的一个主要的方面,引用人口地理学中常用的人口重心的计算方法来计算耕地面积重心2 4。通过研究研究区内耕地分布重心问题可以得到1 9 9 52 0 2 0年期间研究区内耕地在空间布局上的变化规律,重心转移方向、转移距离可采用重心坐标的变化来表达,重心坐标的计算公式为。Xt=(Ct ixi)Ct iYt=(Ct iyi)Ct i(1)式中:Xt,Yt分别表示第t年耕地重心的经纬度坐标;Ct i表示第t年第i个市耕地的面积;xi,yi分别表示第i个市所在的经纬度坐标。(3)驱动因素的选取。驱动因素对土地利用变化起着至关重要的作用,因此,驱动因素的选取直接关系到模型对研究区的土地利用空间格局模拟的精度大小。依据其数据的可获取性、可定量性、时间和空间上的一致性以及考虑到经济、城市发展、政策、法律等因素的影响,选取驱动因素时应当考虑到驱动因子的全面性和综合性3。本文基于大量关于P L U S模型相关研究与前人关于图们江流域土地利用状况的研究,总共选取了1 1个对L U C C影响较大的驱动因素(表1),根据这些驱动因素自身的特点,将其分为自然驱动因素和社会经济驱动因素。通过参考相关文献,可得所选取的驱动因素对土地利用变化的影响较为显著。(4)模型验证。C o h e n的k a p p a系数常常用于验证数据一致性2 5,k a p p a系数是统计学中度量一致性的指标,值在-1,1 对于评分系统,一致性就是不同打分人平均的一致性;对于分类问题,一致性就是502第3期 吕晶等:基于P L U S的耕地驱动因素分析与未来预测模型预测结果和实际分类结果是否一致。k a p p a系数的计算是基于混淆矩阵,取值为-1到1之间,通常大于0。k a p p a系数在一致性验证方面存在一定的局限性1 0,因此P L U S提供了F o M(f i g u r eo fm e r i t)。利用F o M与k a p p a系数来一起表征L U C C模型的准确性是由P o n t i u s等2 6人提出,F o M是一个反映单位水平一致性和模式水平相似性的指标。其计算公式如下:F o M=B/(A+B+C+D)(2)误差的面积由于观察到变化预测持久性,B是正确的区域由于观察变化预测变化,C是错误的面积由于观察变化预测为错误获得类别,和D的误差由于观察持久性预测变化。F o M优于常用的评价模拟变化8精度的k a p p a系数。(5)P L U S模型。是由中国地质大学HM S C I LC UG实验室开发的土地利用模拟模型1 0,可以灵活处理多种类型的土地利用斑块变化,可用于斑块尺度土地利用变化模拟9。本研究将随机种子的概率被确定为0.0 1,以模拟未来类型的土地利用斑块,利用土地利用转移矩阵设置土地流转参数(表2)。由于驱动因子同土地利用变化间关系的复杂性使得各用地类型的扩张强度较难直接计算,但各用地类型历史过程中的扩张规律却是对各自扩张能力的最好体现,可以用斑块面积的变化量来定量表征各用地类型的扩张强度2 7。Wi=T Ai-T Am i nT Am a x-T Am i n(3)式中:Wi是第i类土地类型领域权重;T Ai为第i类土地利用扩张面积;T Am i n为各类土地利用最小扩张面积;T Am a x为各类土地利用最大扩张面积。表2 图们江流域邻域权重(模拟2 0 2 0年)T a b l e2 N e i g h b o r h o o dw e i g h t s i nT u m e nR i v e rb a s i n(s i m u l a t e dd a t eo f 2 0 2 0)土地利用类型农 田森 林灌 木草 地水 域荒 地冰 雪建筑用地湿 地农 田110110010森 林111110010灌 木011100010草 地111111110水 域110111110荒 地000011110冰 雪110111110建筑用地100100010湿 地100010111邻域权重10.7 20.0 1 20.2 60.0 7 60.0 0 0 70.0 0 40.4 50 自然发展情景按照一切照旧的原则设定,每种土地利用类型都需要按照自然趋势进行设置,目标导向情景是根据 规划 中提出的土地利用总体规划设定的。本研究根据 规划 中的延珲城镇集聚区、东北虎豹国家公园与吉林天佛指山国家级生态保护区以及四轴带中的中蒙俄开发开放与沿图们江鸭绿江开发开放两大轴带将其利用A r c G I S做成了相应的开发区与保 护区以及未 来道路交通 的栅格图 层,依 据2 0 2 5年、2 0 3 0年与2 0 3 5年 规划 目标将C A R S模拟中的发展权重分别设置为0.6 5,0.7 0与0.7 5。3 结果与分析3.1 1 9 9 52 0 2 0年耕地时空动态变化快速的 城 市 化 导 致 建 设 用 地 的 扩 增 明 显(从1 9 9 5年的33 6 2.2 1k m2到2 0 2 0年的29 2 1.7 9k m2),侵占了周边生态价值土地(即耕地、林地、草地和水域)。图们江流域耕地总面积在30 0 0k m2以上,约占区域土地面积的1 4%,是图们江流域第二大主要的土地利用方式。在1 9 9 52 0 2 0年的5个时间段内,2 0 0 02 0 0 5年期间耕地总 量减少最多,2 0 0 52 0 2 0年期间虽有波动,但减少幅度呈下降趋势。空间尺度上由于中下游耕地总量较多,耕地变化的主体仍然以中下游为主,上游耕地除2 0 0 52 0 1 5年期间几乎都在呈增加的态势。1 9 9 52 0 2 0年期间,研究区耕地空间格局发生了显著的变化(表3,图1)。对比5个时期耕地变化情况发现,除了1 9 9 52 0 0 0年期间耕地面积有所增加之外,其他时期耕地面积均在减少,耕地重心变动主要向西南偏移为主。1 9 9 52 0 0 0年期间上游和中游均增加,下游耕地面积减少,耕地重心向西南以每年5 5.4 2m的速度向西南偏移了2 7 7.0 9m。2 0 0 02 0 0 5年期间中下游减少幅度下降,重心向东南偏移速度减缓。2 0 0 52 0 1 0期间耕地重心向东南偏移,偏移了8 1.2 3m,偏移速度进一步下降。2 0 1 02 0 1 5年期间上中下游均减少,耕地重心偏向西北,而且偏移量较大。2 0 1 52 0 2 0年期间上游增加,中下游减少,耕地重心西移明显。602 水土保持通报 第4 3卷表3 图们江流域耕地的时空变化情况T a b l e3 S p a t i a l a n dt e m p o r a l v a r i a t i o no fa r a b l e l a n d i nT u m e nR i v e rb a s i n区域耕地变化量/k m21 9 9 52 0 0 0年2 0 0 02 0 0 5年2 0 0 52 0 1 0年2 0 1 02 0 1 5年2 0 1 52 0 2 0年上游1.8 00.1 4-0.8 4-1 4.1 30.1 2中游3 1.0 4-2 5 0.3 4-6 5.3 0-1 2.2 0-2 8.5 3下游-3 0.3 9-3 0.6 81 2.9 0-3 7.4 6-1 6.4 8总计2.4 5-2 8 0.8 8-5 3.2 3-6 3.8 0-4 4.8 9图1 图们江流域上中下游耕地重心迁移F i g.1 M i g r a t i o no f c e n t e ro f g r a v i t yo fa r a b l e l a n d i nu p p e ra n dm i d d l er e a c h e so fT u m e nR i v e rb a s i n3.2 耕地转移矩阵近3 0a来研究区内耕地流转变化显著(表4),1 9 9 52 0 0 0年 年 期 间 耕 地 转 出 了1 9 4.0 1k m2,绝大部分转入了建设用地和林地。耕地的转入量为1 9 6.7 6k m2,主要来源于林地和草地,林地转入量占9 4.2%,转出量与转入量基本持平,耕地面积并未出现大面积增减。2 0 0 02 0 0 5年期间耕地转出量与转入量的差值达到最大值,耕地转出量为3 5 9.6 0k m2,转入量为7 8.7 2k m2,耕地开始大面积减少,而且减少幅度在2 5a这段时间内最显著(图2)。2 0 0 52 0 1 0年期间耕地向其他地类共转出了2 1 1.8 9k m2,其中有1 7%转入了建设用地,有7 5%转入了林地。2 0 1 02 0 1 5年期间耕地减少幅度开始下降,2 0 1 52 0 2 0年期间减少幅度进一步减少,减少的耕地主要转化为林地(5 2%)和建筑用地(2 8%),转入量主要来自林地和草地。表4 图们江流域1 9 9 52 0 2 0年耕地转入与转出情况T a b l e4 A r a b l e l a n dt r a n s f e r i nT u m e nR i v e rb a s i nf r o m1 9 9 5t o2 0 2 0转化方向类 型 耕地变化量/k m21 9 9 52 0 0 0年2 0 0 02 0 0 5年2 0 0 52 0 1 0年2 0 1 02 0 1 5年2 0 1 52 0 2 0年耕地森林1 4 1.1 03 1 0.2 71 5 8.6 01 2 5.6 39 1.7 7耕地草地1 1.2 61 2.6 99.3 52 0.1 53 2.2 3转出耕地水域7.7 35.2 77.8 68.5 33.1 2耕地荒地0.0 00.0 10.0 00.0 10.0 0耕地建筑用地3 3.9 33 1.3 63 6.0 85 6.1 24 8.5 5不变耕地耕地3 1 6 7.7 63 0 0 4.9 22 8 7 1.7 52 8 1 9.8 12 7 9 0.6 8森林耕地1 8 5.4 16 7.7 91 4 5.4 61 3 7.9 61 2 0.1 1草地耕地8.7 47.4 31 0.6 06.2 47.8 5转入水域耕地2.3 33.3 32.1 62.2 12.6 7荒地耕地0.1 00.0 20.1 00.0 60.0 4湿地耕地0.1 70.0 80.1 40.0 70.0 4702第3期 吕晶等:基于P L U S的耕地驱动因素分析与未来预测图2 图们江流域耕地转化特征F i g.2 M a po fa r a b l e l a n dt r a n s f e r i nT u m e nR i v e rb a s i n 时间尺度上,1 9 9 52 0 0 0年期间转化的耕地主要集中在中下游(图2),2 0 0 02 0 0 5年期间减少的耕地主要集中在中下游的和龙、延吉、珲春等中心城市周边,但上游耕地面积仍然在增加,转为耕地的土地利用类型中森林和草地占据主要部分。2 0 0 02 0 0 5年期间耕地被 大量侵占导 致耕地大面积减少,2 0 0 5年之后其他 用地转为耕 地的面积逐渐增加。空间尺度上,上中下游增加的幅度不一致,增加最显著的是图们江中游,其次是下游与上游。3.3 耕地扩增的驱动因素本研 究 分 析 了 研 究 区 内 耕 地 在1 9 9 52 0 0 0,2 0 0 02 0 0 5,2 0 0 52 0 1 0,2 0 1 02 0 1 5,2 0 1 52 0 2 0年5个阶段的驱动因素的变化。如图3所示,坡度、降水、距主要道路距离、G D P值、高程以及人口等是解释能力较强的驱动因素。注:图中横坐标代表了各个驱动因素,从A到Q依次代表距高铁/火车站距离、距铁路距离、距水域距离、距政府距离、距城市一级道路距离、距城市二级道路距离、距城市三级道路距离、距城市四级道路距离、距主要道路距离、G D P值、降水、人口、坡度、土壤、气温、风速和高程。图3 图们江流域耕地面积增长的驱动因素贡献度F i g.3 C o n t r i b u t i o no fd r i v e r so fa r a b l e l a n da r e ag r o w t hi nT u m e nR i v e rb a s i n802 水土保持通报 第4 3卷 图们江流域耕地各时期驱动因素的解释能力不同(图3),整体上坡度、降水、距离主要道路距离与距河流 水 域 距 离 等 是 解 释 能 力 较 强 的 驱 动 因 素。1 9 9 52 0 0 0年期间贡献率最高的驱动因素是坡度(1 2.9%),其次是降水(7.3%)和G D P(5.1%),接下来的4个时期坡度的贡献率分别是1 0.8%,1 1.1%,1 3.8%与1 4.2%。坡度和高程这两个地形 因素在5个时期内都占有很高的贡献率,通过叠加耕地增加区域和研究区坡度栅格数据分析表明,新增加的耕地主要集中在坡度在0 2 0 的区域内。此外,降水也是导致耕地变化的主要因素之一,在2 0 0 02 0 0 5年期间是促使耕地面积增加的第一驱动因素,而在其他时期也是仅次于地形因素的第二驱动因素,新增耕地主要 集 中 在 研 究 区 西 部 等 降 水 较 多 的 区 域 内。2 0 0 52 0 1 0年期间距城市四级道路距离贡献度达到最大,受交通的影响复垦耕地主要集中在交通便利的城市郊区与主干道旁。2 0 1 02 0 1 5年期间耕地扩增的主要驱动因素是高程和坡度等地形因素,这段时期增加的耕地主要在高程在2 0 05 0 0 m的范围内。2 0 1 52 0 2 0年期间耕地扩增的主要驱动因素是高程和坡度等地形因素,这段时期增加的耕地主要在坡度在5 2 0 之间的地区。3.4 模型验证与情景模拟验证结果表明,k a p p a系数为0.9 2 13,说明两张图像高度一致(图4)。F o M值为0.2 3 75,高于L i u等2 4获得的F o M值(0.1 9 62),模拟结果是可信的。图4 图们江流域2 0 2 0年耕地状况模拟精度验证F i g.4 S i m u l a t i o na c c u r a c yv e r i f i c a t i o no fa r a b l e l a n d i nT u m e nR i v e rb a s i n i n2 0 2 0 模拟结果表明,耕地在S1和S2两种情景下发展趋势一致(均呈现逐年减少趋势