基于GIS和RS的土地利用变化及影响因素分析——以合肥市为例.pdf

基于 GIS 和 RS 的土地利用变化及影响因素分析以合肥市为例谢 毅（安徽省地质测绘技术院，安徽 合肥 230002）摘 要：以 2000、2010、2020 年三期地表覆盖数据为基础，本文运用地理信息系统（GIS）技术定量分析土地利用变化情况。以土地利用动态度为指标，反映合肥市土地利用变化的速度和幅度，利用地理探测器模型分析合肥市土地利用影响因素。结果显示：近 20 年来，研究区增幅和降幅最大的地表覆盖类型分别为人造地表和耕地，面积分别为 390.17km2和 567.99km2，耕地减少的主要原因为建设用地扩张；20102020 年，合肥市城市扩张速度相对放缓，湿地、林地、草地较前十年逐步恢复，城市生态环境逐渐向好；研究区地表覆盖类型的最大和最小影响因素分别为地区生产总值（GDP）和年降水量，GDP 和人口与其他影响因素的交互作用明显增强。关键词：合肥市；土地利用变化；GIS；遥感；地理探测器中图分类号：P208；P237；F301.2 文献标志码：A 文章编号：2097-1001（2023）04-0018-060 引言土地作为有限且不可再生资源，与人类生产、生活密切相关。改革开放以来，中国进入高速城镇化阶段1。随着城市用地的扩张，耕地数量不断减少，大量优质耕地资源转化为建设用地，城市化过程逐渐出现城镇发展空间严重失控的现象。耕地资源的减少带来了一系列的生态和社会问题。合肥市人口和社会经济发展水平相对较高，城市扩张造成的耕地减少等人地矛盾越来越突出。目前，土地利用变化研究主要集中在土地利用变化及驱动机制分析2、土地利用变化模拟预测3-4、土地利用变化对城市气候条件变化的关系5等方面，研究方法主要涉及土地利用动态度6、主成分分 析2、元胞自动机（cellular automaton，CA）-马尔可夫（Markov）模型3、地理探测器7-9等方面。其中，合肥市相关研究主要集中在土地利用变化导致的生态环境效益等10-11方面，土地利用变化驱动机制相关研究包括主成分分析、相关性分析、回归分析等方法。目前，传统方法使用长时间序列的多源数据研究合肥市土地利用变化及其驱动，而地理探测器相较于传统方法在定性数据探测和交互作用方面具有独特优势12。综上所述，研究现阶段土地利用变化趋势和方向，厘清土地利用变化的主要影响因素对解决人地矛盾等突出问题及制定新型城镇化背景下的城市发展规划等具有重要意义。本研究以遥收稿日期：2023-02-20；修回日期：2023-05-18作者简介：谢毅（1994），男，助理工程师，主要从事地理信息和遥感技术应用研究。E-mail:第 4 期2023 年 8 月自然资源信息化Natural Resources Informatization No.4Aug.,2023 19谢 毅：基于 GIS 和 RS 的土地利用变化及影响因素分析第 4 期感数据为基础，利用地理信息系统（geographic information system，GIS）技术分析土地利用变化特征和土地利用动态特征，结合气象栅格数据、地理网格数据和地理探测器模型分析土地利用的影响因素，以期从合肥市土地利用类型的空间分布、变化特征、变化速率及驱动因素等角度，为解决现阶段人地关系、耕地保护与城市发展等问题提供参考。1 研究区概况与数据来源1.1 研究区概况研究区位于安徽省合肥市，中部地势较平坦，东部和南部地势局部较高，西部和北部地势居中。气候属亚热带季风性湿润气候，年均气温为 1322，年均降水量约 1 000 mm。1.2 数据来源研究区矢量数据来源于国家基础地理信息中心（1：100 万全国基础地理数据库）（http:/ 表覆盖数据来源于全国地理信息资源目录服务系统（https:/ 球 地 表 覆 盖 数 据 GlobeLand30，空 间 分 辨 率 为 30 m；数 字 高 程 模 型（digital elevation model，DEM）数据来源于美国地质调查局（United States Geological Survey，USGS）地球探索者数据库（EarthExplorer），空间分辨率为 30 m；坡度数据（Slope）由 DEM 数据经ArcGIS 软件计算获得。2010 年度年平均地温（Gst）、2010 年 度 年 降 水 量（Pre）空 间 插 值栅格数据和 2010 年地区生产总值（GDP）空间分布网格数据13、2010 年人口空间分布网格数据14（Pop）来源于中国科学院资源与环境数据中心（https:/ 为 1 km。2 研究方法2.1 土地利用转移矩阵土地利用转移矩阵是对土地利用类型在系统中的状态和转移状态进行定量描述的计量，可用于分析土地利用结构及土地利用类型的变化方向15。计算方法如公式（1）。11 12 1 1 2nijnnnnSSSSSSS?LMMML （1）式中：Sij为起始时间节点第 i 种土地利用类型转为终止时间节点第 j 种土地利用类型的面积；n 为土地利用类型总数目。矩阵中行和列分别表示起始时间 i 和终止时间 j 的土地利用类型面积。本研究的土地利用转移矩阵通过 ArcGIS 软件中的栅格转面、相交等工具实现。2.2 土地利用动态度土地利用动态度是一种反映研究区一定时间内土地利用类型变化速率的计量指标8，包括单一动态度和综合动态度，计算方法如公式（2）和（3）所示。2111,LUD,LU,LU,LU21()/()100%tttiiiiSSSStt=（2）()11LUD,LU,LU2111/2100%nntiiiiSSStt=（3）式中：Si,LUD和 SLUD分别表示第 i 种土地利用类型土地利用动态度和综合土地利用动态度；S t1i,LU和 S t2i,LU分别表示研究区起始时间（t1）和终止时间（t2）的第 i 种土地利用类型面积；Si,LU为第 i种土地利用类型转变为其他土地利用类型的面积。2.3 地理探测器文献 16 提出了地理探测器的概念，用于分析地理现象的空间分异性，地理探测器是揭示其 20自然资源信息化2023 年 8 月影响因素的一组统计学方法。其核心是假设自变量对因变量的影响程度与其空间分布应该具有相似性，其计算方法如公式（4）。2121LiiiNqN?（4）式中：q 为土地利用变化驱动因子的解释力，值域范围为 0，1，q 越大表示解释力越强；Ni为研究区第 i 个驱动因子的样本数；N 为研究区的样本数量；2和 2i分别为土地利用变化的方差和第i 个自变量的方差。交互作用探测是指两两因子之间共同对因变量的影响关系，包括非线性减弱 q（X1 X2）min（q（X1），q（X2）；单因子非线性减弱min（q（X1），q（X2）q（X1X2）max（q（X1），q（X2）；独立 q（X1 X2）=q（X1）+q（X2）；非线性增强q（X1 X2）q（X1）+q（X2）5 种类型。3 结果分析3.1 土地利用变化分析研究区主要地表覆盖类型为耕地、人造地表、水体、林地、草地、湿地，如图 1 所示。林地主要集中分布在研究区中部和南部，研究区北部的零星人造地表较多，耕地景观呈现破碎化，南部耕地较集中连片。通过土地利用转移矩阵制作土地利用变化桑椹图（Sankey 示意图），分析土地利用变化情况，如图 2 所示。20002020 年，研究区土地利用变化特征主要表现为耕地大幅减 少（减少 567.99 km2）、人造地表大幅增加（增 加 390.17 km2）。草地、湿地面积前十年均呈一定程度减少，后十年均呈大幅增加。由图 1（a）可知，研究区市区建设核心区草地面积增加较显著；通过卫星影像可知，草地主要分布于大蜀山森林公园、北雁生态公园、翡翠湖公园、方兴湖公园等城市公园。近些年，研究区通过市政城市公园建设使得市区内草地面积大幅增长。2020 年，湿地主要分布于巢湖和庐江县黄陂湖周边。近些年，政府通过综合治理改善环巢湖周边生态环境，使得损失的湿地得以恢复。在研究区土地利用变化 Sankey 示意图中，人造地表的增加面积大部分来源于耕地，城市发展建设难免会对耕地造成破坏，这在省会城市更为显著；同时，相当一部分人造地表通过工矿废弃地复垦、零星居民点土地整理等形式转变为耕地。20002010 年，研究区减少的耕地绝大部分转为林地、人造地表、水体 3 种地表覆盖类型。图 1 20002020 年研究区土地利用空间分布耕地耕地耕地图例图例图例林地林地林地草地草地草地湿地湿地湿地水体水体水体人造地表000151515303030kmkmkm人造地表人造地表（a）2000 年地表覆盖类型空间分布（b）2010 年地表覆盖类型空间分布（c）2020 年地表覆盖类型空间分布 21谢 毅：基于 GIS 和 RS 的土地利用变化及影响因素分析第 4 期20102020年，草地增加面积大部分来源于耕地。由 2010 年和 2020 年地表覆盖类型空间分布图可以看出，增加的草地大都集中于城市连片区域的边缘地带，即城市新扩张区域。这是因为城市中部核心区域建设及配套设施齐全，没有足够的空地；地类调整成本较高，城市周边耕地开发配套公园与绿地的成本相对较低。图 2 20002020 年研究区土地利用变化 Sankey示意图3.2 土地利用变化动态特征20002010 年，研究区土地利用综合动态度为 0.44%，20102020 年，土地利用综合动态度为 0.50%。在单一动态度方面，20002010 年，水体和人造地表动态度为正值，其余地表覆盖类型动态度均为负值；20102020 年，耕地和水体动态度为负值，其余地表覆盖类型动态度均为正值。林地单一动态度由负值变为正值，面积先减少再部分恢复。20102020 年草地面积变为 20002010 年草地面积的十多倍，因此，20102020 年草地的单一动态度高达 121.59%；人造地表的增长速度相对放缓。这与近年来中国经济由高速增长转为高质量发展、城市发展由高速扩张阶段转为高质量提升阶段密切相关。同时，城市核心建设区草地面积大幅增加（主要分布于城市公园）及湿地面积恢复，带来城市休闲娱乐功能的提升和城市环境的改善。20002020 年研究区土地利用动态度如表 1 所示。3.3 土地利用变化驱动因素本文采用 5 km5 km 网格中心点提取 2010年土地利用、GDP、人口（Pop）、高程（DEM）、坡 度（Slope）、年 平 均 地 温（Gst）、年 降 水 量（Pre）的栅格数据，以土地利用数据为因变量，其他数据为自变量，通过地理探测器探测各种变量对土地利用的影响。结果显示，6 个自变量均达到 95%的显著性水平（P0.05）。q 值最高的自变量为 GDP（0.188），其次为人口（0.181）；q值最低的自变量为年降水量（0.015）。经济和人口因素对研究区土地利用影响较高，高程和坡度因素对土地利用方式的影响不可忽略，年平均地温和年降水量因素对土地利用影响较小。研究区的气温和降水变化相对于全省或全国的变化情况很小，并且该数据由气象站点观测数据空间插值等方法得到，数据精度比较低，对土地利用方式的影响相对有限。在交互作用方面，两两变量对土地利用的交表 1 研究区土地利用动态度（单位：%）地表覆盖类型20002010 年20102020 年综合动态度单一动态度综合动态度单一动态度耕地0.44-0.310.50-0.36草地-2.72121.59林地-0.500.22湿地-2.685.54水体0.92-0.44人造地表2.161.16 22自然资源信息化2023 年 8 月较明显增强，经济、人口等社会因素对土地利用的影响总体大于自然条件的影响。参考文献1刘彦随，杨忍.中国县域城镇化的空间特征与形成机理 J.地理学报，2012，67（8）：1011-1020.2张小虎，张合兵，雷国平.大庆市土地利用变化及驱动机制分析 J.干旱区资源与环境，2012，26（9）：109-113.3冉玉菊.基于 CA-Markov 模型的巴南区土地利用变化模拟预测研究 J.安徽农学通报，2021，27（11）：125-130.4刘春霖，夏建新.基于 LSTM-CA 模型的土地利用动态模拟 J.自然资源遥感，2022（4）：122-128.5崔耀平，刘纪远，张学珍，等.京津唐城市群土地利用变化的区域增温效应模拟 J.生态学报，2015，35（4）：993-1003.6武鹏，郭伟玲.20082017 年离石区土地利用变化及驱动因素分析 J.安徽农业科学，2021，49（16）：86-89.7樊舒迪，刘振华，朱明帮，等.基于地理探测器的广州市土地利用时序变化及影响因素J.西南农业学报，2022，35（10）：2276-2289.8厉静文，董锁成，李宇，等.中蒙俄经济走廊土地利用变化格局及其驱动因素研究 J.地理研究，2021，40（11）：3073-3091.9陈晓晓，张永福.基于地理探测器的干旱区绿洲土地利用变化影响因子 J.江苏农业科学，2021，49（2）：167-173.10 王佳佳，夏晓圣，程先富，等.合肥市 PM2.5 浓度时空分布特征及影响因素分析J.长江流域资源与环境，2020，29（6）：1413-1421.11 季军民，刘庆广，王爱.合肥市土地利用变化及其生态系统响应研究 J.生态科学，2018，37（3）：91-95.12 王劲峰，徐成东.地理探测器：原理与展望 J.地理学报，2017，72（1）：116-134.13 徐新良.中国 GDP 空间分布公里网格数据集 EB/OL.2023-01-16.https:/ 徐新良.中国人口空间分布公里网格数据集 EB/OL.2023-01-16.https:/ 王晶，侯兰功，何小勤，等.成都平原城市群 20002019 年土地利用变化及其生态环境效应 J.水土保持通报，2022，42（1）：360-368.16 WANGJF,LIXIH,CHRISTAKOSG,etal.Geographicaldetectors-basedhealthriskassessmentanditsapplicationintheneuraltubedefectsstudyoftheHeshunRegion,ChinaJ.InternationalJournalofGeographicalInformationScience,2010,24(1):107-127.互均呈增强作用。其中，年平均地温和年降水量、GDP 和年平均地温、年平均地温和人口之间呈非线性增强作用，其余两两变量均呈双因子增强作用。除年降水量外，GDP 和人口与其他变量之间的 q 值均大于 0.2，其中 q 值最大的自变量为 GDP与坡度（0.294）。由此说明，经济和人口不仅对土地利用方式影响较大，而且还能与其他因素共同增强土地利用方式的影响力。地理探测器分析结果如图 3 所示。图 3 地理探测器分析结果4 结论近 20 年，合肥市耕地减少了 567.99 km2，人造地表面积增加 390.17 km2，增加的人造地表大部分来源于耕地。合肥市城市核心区草地面积增加较明显，前十年损失的环巢湖地区湿地已于后十年逐步恢复。合肥市 20002010、20102020 年土地利用综合动态度为 0.44%和 0.5%，前十年除人造地表和水体外的地表覆盖类型单一动态度均为负值，增长幅度和减少幅度最高的地表覆盖类型分别为人造地表（2.16%）和草地（-2.72%）。后十年除耕地和水体外地表覆盖类型单一动态度均为正值，增长幅度和减少幅度最高的地表覆盖类型分别为草地（121.59%）以及水体（-0.44%）。研究区地表覆盖类型影响最高的因素为GDP，q 值为 0.188；影响最低的因素为年降水量，q 值为 0.015。GDP 和人口与其他变量的交互作用0.1630.1880.2290.1810.1120.2940.2730.2490.2430.2420.1740.1680.2300.1160.0400.1680.1890.1870.1240.0930.0150.250.200.150.100.05PrePreGstGstDEMDEMPopPopGDPGDPSlopeSlope 23谢 毅：基于 GIS 和 RS 的土地利用变化及影响因素分析第 4 期Analysis of land use change and influencing factors based on GIS and RS:A case of HefeiXIEYi(AnhuiInstituteofGeologicalSurveyingandMappingTechnology,Hefei230002,Anhui,China)Abstract:Basedonthelandcoverdatainthethreeperiodsof2000,2010and2020,combinedwithGeographicInformationSystem(GIS)technology,thelandusechangesituationhasbeenquantitativelyanalyzed.ThedynamicdegreeoflanduseisusedasanindextoreflectthepaceandmagnitudeofchangeoflanduseandthegeodetectormodelisusedtoanalyzethelanduseinfluencingfactorsinHefei.Theresultsshowthatinthepast20years,thelargestincreaseanddecreasetypesoflandinthestudyareaareman-madesurfaceandcultivatedland,withanareaof390.17km2and567.99km2respectively,andthemainfactorforthedecreaseofcultivatedlandistheexpansionofconstructionland;from2010to2020,theexpansionrateofthestudyareahassloweddown,andwetlands,woodlands,andgrasslandsaregraduallyrecoveringcomparedwiththeprevioustenyears,andtheurbanecologicalenvironmentisgraduallyimproving;thefactorthathasthehighestimpactonthelandusetypeislocalGDP,andthelowestisannualprecipitation.TheinteractiveeffectofGDP,populationandotherfactorshasenhancedobviously.Keywords:Hefei;landusechange;GIS;RS;geodetectorDesign and implementation of municipal natural resources integrated management platform:A case of HuangshanMALin1,WANGKe2，DAIHongbin2(1.HuangshanNaturalResourcesandPlanningBureau,Huangshan245000,Anhui,China;2.HuangshanNaturalResourcesInformationCenter,Huangshan245000,Anhui,China)Abstract:TakingHuangshanasanexample,accordingtoThe Overall Plan of Informatization Construction of TheMinistry of Natural Resources,thispaperdesignsonenetwork,onemap,landandspacebasicinformationplatform,naturalresourcesbusinessapprovalsystemandothercontentsasawhole,formstheoverallstructureofthecitylevelnaturalresourcesintegratedmanagementplatform,andbrieflydescribesthekeytechnologiesforbuildingthecitylevelnaturalresourcesintegratedmanagementplatform.Itspecificallyanalyzesthecommonproblemsinbuildingathree-dimensionalonemapofnaturalresourcesatthemunicipallevel,putsforwardthetechnicalrouteandmethodsofmunicipalnaturalresourcesdatagovernance,andclarifiesthecrosslevelandcrosssectoralnaturalresourcesdatalinkageupdatingmode.Thispapersummarizesthepositioning,functionalarchitectureandmainfunctionsofthemunicipallandspatialbasicinformationplatform,sortsoutthenaturalresourcesbusinessaffairs,analyzestherelevantinformationsystemsthatneedtobeinteractedwhenhandlingnaturalresourcesbusinessandtheirimplementationmethods.Ithasgoodreferencesignificanceformunicipalnaturalresourcesdepartmentstocarryouttheconstructionofnaturalresourcesintegratedmanagementplatformandpromotedigitaltransformationandupgrading.Keywords:onemap;datagovernance;landspacebasicinformationplatform;businessapprovalsystem上接第 52 页