基于GIS的烏海礦區(qū)土地退化因素分析

黃園園，閆慶武，雷少剛，李俊剛

(中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州　221116)

?

基于GIS的烏海礦區(qū)土地退化因素分析

黃園園，閆慶武①，雷少剛，李俊剛

(中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州221116)

摘要：為定量研究礦區(qū)土地退化特征及其驅(qū)動(dòng)因素，利用遙感和GIS技術(shù)分析1990—2010年內(nèi)蒙古烏海礦區(qū)土地利用類型轉(zhuǎn)化特征，在此基礎(chǔ)上選取多個(gè)經(jīng)濟(jì)社會(huì)以及空間距離因子，利用Logistic模型對(duì)研究區(qū)域1990—2000和2000—2010年2個(gè)不同時(shí)間段土地退化的驅(qū)動(dòng)因素進(jìn)行探究。結(jié)果表明,烏海礦區(qū)近20 a的土地利用變化集中表現(xiàn)在草地大面積減少，建設(shè)用地和荒漠面積大幅度增加；荒漠和建設(shè)用地增長最快，主要源于草地和耕地的轉(zhuǎn)化，土地退化主要表現(xiàn)在沙地等荒漠面積的增長；對(duì)土地退化的Logistic回歸模型分析表明，土地退化在第1階段(1990—2000年)的主要驅(qū)動(dòng)因素是到最近采礦點(diǎn)距離、到最近鄉(xiāng)鎮(zhèn)距離和坡度Ⅱ(5～15°)；第2階段(2000—2010年)的主要驅(qū)動(dòng)因素是到最近水域距離、高程和到最近道路距離。

關(guān)鍵詞：烏海礦區(qū)；土地退化；遙感；驅(qū)動(dòng)因素；Logistic回歸模型

土地利用/覆被變化是引起土地退化,如侵蝕、鹽堿化、干旱化、酸化和沙化等的主要原因之一[1]。土地利用/覆被變化引起的土地退化對(duì)我國干旱區(qū)的社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展有重要影響[2]。自然環(huán)境變化、土地利用方式不當(dāng)?shù)葧?huì)導(dǎo)致土地質(zhì)量下降,影響土地利用的持續(xù)性[3];而大面積快速土地利用/覆被變化造成嚴(yán)重水土流失、土地退化和植物生產(chǎn)力下降等一系列環(huán)境問題[4];土地利用/覆被變化產(chǎn)生了生境質(zhì)量下降、邊緣效應(yīng)增強(qiáng)、土地退化和生態(tài)系統(tǒng)成分單調(diào)等景觀生態(tài)效應(yīng)[5]。近年來,國內(nèi)外學(xué)者對(duì)土地退化的驅(qū)動(dòng)因素做了很多研究,如RASHID等[6]采用遙感監(jiān)測技術(shù)對(duì)印度地區(qū)喀什米爾喜馬拉雅巴德加姆的土地退化程度進(jìn)行評(píng)價(jià),由此確定植被、土地利用及坡度是影響土地退化程度的重要因素;MOHAMED等[7]監(jiān)測了埃及尼羅河三角洲的土地退化狀況,得出土壤鹽堿化、土壤壓實(shí)及水蝕等是研究地區(qū)土地退化的主要特征。國內(nèi)外大多數(shù)相關(guān)研究均選用如主成分分析模型、因子分析模型等線性回歸模型來分析土地退化與驅(qū)動(dòng)因素之間的關(guān)系[8-10],然而利用多元線性回歸模型模擬地理變化有很多局限,如因變量不能為非連續(xù)變量,無法處理空間因素變量等。多元Logistic回歸模型利用抽樣數(shù)據(jù)擬合Logistic模型,能夠分析多個(gè)自變量和1個(gè)因變量之間的關(guān)系,可以很好地解釋土地利用變化驅(qū)動(dòng)力及其作用機(jī)理[11-12]。

礦區(qū)土地退化與其他區(qū)域土地退化的不同之處在于,礦區(qū)是以礦山資源開采、選礦等活動(dòng)形成工作區(qū)或生活區(qū),此外還包括其“三廢”污染等間接影響的區(qū)域。以采煤等活動(dòng)為主的礦產(chǎn)資源開發(fā)產(chǎn)生的生態(tài)破壞與環(huán)境污染為其主要營力,高強(qiáng)度人類干擾與礦山自然侵蝕疊加,綜合其他營力使得礦區(qū)土地質(zhì)量和生產(chǎn)能力下降[13]。以典型因煤礦發(fā)展而形成的經(jīng)濟(jì)與行政社區(qū)烏海礦區(qū)為研究區(qū)域,探討近20 a來主要土地利用類型變化以及礦區(qū)由于自然或人為過程而改變的土地利用方式對(duì)土地退化問題產(chǎn)生的影響。選取影響礦區(qū)土地利用變化的社會(huì)、空間距離等變量,總結(jié)研究區(qū)域土地退化情況及驅(qū)動(dòng)因子,有利于加強(qiáng)礦區(qū)土地退化過程的監(jiān)測,改善生態(tài)環(huán)境和促進(jìn)區(qū)域可持續(xù)發(fā)展。

1研究區(qū)概況

烏海礦區(qū)位于內(nèi)蒙古自治區(qū)西部,地理坐標(biāo)為北緯39.15°～39.52°,東經(jīng)106.36°～107.05°,總面積約1 660 km2(圖1)。區(qū)域內(nèi)礦產(chǎn)資源儲(chǔ)量高,種類多,質(zhì)量好。截至2009年,已探明的主要礦種潛在經(jīng)濟(jì)價(jià)值為4 278億元。但長期高強(qiáng)度的煤炭等礦產(chǎn)資源的開發(fā),尤其是露天煤礦的開采,導(dǎo)致礦區(qū)內(nèi)土地挖損、壓占與地面塌陷嚴(yán)重,且烏海先天環(huán)境惡劣,地處烏蘭布和、庫布齊和毛烏素3大沙漠的交匯處,受3大沙漠的侵蝕與風(fēng)積,土地荒漠化進(jìn)程加速,并最終加劇土地退化。

2數(shù)據(jù)與方法

2.1數(shù)據(jù)來源與處理

采用中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心提供的烏海礦區(qū)1990、2000和2010年3期共6景Landsat TM多光譜影像,時(shí)間均為7—9月,云量均在1%以下,影像質(zhì)量較好;利用 ENVI 5.1軟件對(duì)影像進(jìn)行遙感數(shù)據(jù)幾何校正、輻射定標(biāo)、大氣校正以及影像鑲嵌與拼接。參照國土資源部門2002年制訂的全國土地分類體系,兼顧遙感影像解譯的可行性,使用面向?qū)ο蟛⒄諝w一化植被指數(shù)(NDVI)的分類方法將研究區(qū)域土地利用類型分為建設(shè)用地(居民區(qū)、工礦用地等)、草地、林地、耕地、水域和荒漠(沙地、裸巖等)6類。以同期土地覆被數(shù)據(jù)(google earth歷史影像)為參照對(duì)影像解譯成果進(jìn)行精度評(píng)價(jià),總體解譯精度在85%以上。利用 ArcGIS 10.2軟件進(jìn)行投影變換、疊加分析、土地利用圖的制作以及土地利用變化數(shù)據(jù)庫的建立。

圖1　烏海礦區(qū)地理位置示意

2.2指標(biāo)計(jì)算方法

土地利用變化幅度的數(shù)學(xué)表達(dá)式為

Z=Ub-Ua。

(1)

式(1)中,Z為該研究時(shí)段內(nèi)某種土地類型的總變化幅度,%;Ua和Ub分別為研究初始和結(jié)束時(shí)該土地利用類型的面積,km2。

單一土地利用動(dòng)態(tài)度用來表達(dá)一定時(shí)段內(nèi)某土地利用類型面積變化情況,其數(shù)學(xué)表達(dá)式為

(2)

式(2)中,K為該研究時(shí)段內(nèi)某一土地利用類型的動(dòng)態(tài)度,%;T為研究時(shí)段長度,a。

用綜合土地利用動(dòng)態(tài)度(LC)表征區(qū)域土地利用變化的速度,其計(jì)算公式為

(3)

式(3)中,Li為研究初始第i類土地利用類型面積,km2;ΔLi-j為研究時(shí)段第i類土地利用類型轉(zhuǎn)化為非i類土地利用類型面積的絕對(duì)值,km2。

2.3二元Logistic回歸模型

2.3.1模型與方法

土地退化變量為二分類變量,1表示研究區(qū)域的土地發(fā)生退化,0表示土地未發(fā)生退化。二元Logistic回歸模型以抽樣數(shù)據(jù)為基礎(chǔ),在運(yùn)算中為各自變量產(chǎn)生回歸系數(shù),然后通過這些系數(shù)來討論該模型中自變量與因變量的關(guān)系。假設(shè)在理論上存在一個(gè)連續(xù)變量代表yi*事件發(fā)生的概率,值域?yàn)闊o窮大,該變量值存在一個(gè)臨界點(diǎn)a:yi*>a,則yi=1;yi*≤a,則yi=0。

2.3.2變量的選取與處理

(1)因變量

根據(jù)土地利用變化情況和土地利用轉(zhuǎn)移矩陣結(jié)構(gòu)分析可知,研究區(qū)域的土地退化表現(xiàn)在草地、林地、耕地等土地類型向荒漠的轉(zhuǎn)換。該研究空間分布模擬分為 1990—2000 和 2000—2010 年2個(gè)時(shí)段,分別對(duì)土地退化區(qū)域進(jìn)行Logistic 回歸分析,因變量類型見表1。在ENVI 5.1軟件中將分類后的1990、2000和 2010 年3期遙感影像柵格化,分辨率均為30 m。在ArcGIS 10.2軟件中利用柵格計(jì)算器,將3期土地利用類型圖進(jìn)行兩兩疊加分析,形成2期土地退化圖(圖2)。

表1烏海礦區(qū)土地退化的影響因子變量描述

Table 1Land degradation and its affecting factors in the Wuhai mining area

變量數(shù)據(jù)層?xùn)鸥耦愋蛦挝?描述因變量土地退化(1990—2000年)二分類0～1土地退化(2000—2010年)二分類0～1自變量高程連續(xù)型m坡度多分類1～3坡向多分類1～5到最近采礦點(diǎn)距離連續(xù)型km到最近鄉(xiāng)鎮(zhèn)中心距離連續(xù)型km到最近河流距離連續(xù)型km到最近道路距離連續(xù)型km到最近農(nóng)村居民點(diǎn)距離連續(xù)型km

圖2　1990—2000和2000—2010年烏海礦區(qū)土地退化狀況

(2)自變量

影響土地利用變化的因素錯(cuò)綜復(fù)雜且存在多重共線性,在前述理論分析的基礎(chǔ)上,選擇自然因素、社會(huì)經(jīng)濟(jì)因素和空間距離因素3類開展分析。根據(jù)數(shù)據(jù)的可獲取性,選取8個(gè)與土地利用變化密切相關(guān)的因子:高程、坡度、坡向、到最近采礦點(diǎn)距離、到最近鄉(xiāng)鎮(zhèn)中心距離、到最近河流距離、到最近道路距離和到最近農(nóng)村居民點(diǎn)距離(表1)。高程、坡度和坡向均由地理空間數(shù)據(jù)云下載30 m分辨率的DEM影像通過ArcGIS 10.2 軟件的空間分析模塊提取,并全部進(jìn)行柵格重分類。坡度共分為3類,坡度Ⅰ(<5°),坡度Ⅱ(5～15°)和坡度Ⅲ(>15°),并分別賦值為1、2和3;坡向共分為平坡、東坡、南坡、西坡和北坡5類,分別賦值1～5。最后將數(shù)據(jù)全部轉(zhuǎn)化為柵格類型?？臻g距離因子由緩沖區(qū)向?qū)Чぞ呱?其中圓環(huán)之間的距離設(shè)為1,單位為km。

2.3.3抽樣過程

對(duì)于Logistic 回歸模型選擇不同的樣本會(huì)導(dǎo)致結(jié)果差異較大,為避免采樣點(diǎn)之間的空間自相關(guān)性,要求采樣點(diǎn)數(shù)量足夠多。采用隨機(jī)抽樣模式選擇均勻分布于整個(gè)研究區(qū)的5 000個(gè)樣本點(diǎn),采用RAND函數(shù)產(chǎn)生隨機(jī)數(shù),與在ArcGIS 10.2軟件中創(chuàng)建的樣本點(diǎn)進(jìn)行連接,通過數(shù)值匹配,從中篩選出1 000 個(gè)樣本點(diǎn)參與計(jì)算,并用樣本點(diǎn)分別提取自變量與因變量的值,最終將這些采樣點(diǎn)的所有屬性值加以合并,為回歸模型提供數(shù)據(jù)基礎(chǔ)。

2.3.4自變量共線性診斷

同其他多元線性回歸模型一樣,Logistic回歸模型對(duì)自變量的共線性較敏感,因此,在進(jìn)行二進(jìn)制Logistic回歸模型分析之前,需要對(duì)自變量進(jìn)行多元共線性診斷,該研究選用Tolerance(T)指標(biāo)來檢驗(yàn),一般來說,T<0.2 被認(rèn)為是多元共線性存在的標(biāo)準(zhǔn)。

3結(jié)果與分析

3.1土地利用變化分析

1990—2010年烏海礦區(qū)各土地利用類型面積和土地利用動(dòng)態(tài)度如表2所示。從表2可知,各土地利用類型中,草地所占比例最大,均在38%以上;荒漠次之,從1990年的28.49%增加到2010年的34.56%;耕地變化不大,一直占區(qū)域總面積的10%左右;建設(shè)用地面積所占比例逐年上升,從1990年的4.35%增長為2010年的15.90%,面積約凈增200 km2;水體面積減少,2010年僅占1.63%;林地面積最少,占總面積的比例不足1%。

從單一土地利用動(dòng)態(tài)度來看,1990—2000年建設(shè)用地的土地利用動(dòng)態(tài)度最大,達(dá)24.03%;其次是耕地和草地;2000—2010年林地和耕地的土地利用動(dòng)態(tài)度較高,分別為-4.53%和-2.65%;1990—2010年建設(shè)用地、林地和草地的單一土地利用動(dòng)態(tài)度分別為13.28%、-2.98%和-1.51%。從綜合土地利用動(dòng)態(tài)度所反映的同一時(shí)間段各種土地利用類型的內(nèi)部變化情況來看,近20 a烏海地區(qū)綜合土地利用程度呈增強(qiáng)趨勢,2000—2010年土地利用類型轉(zhuǎn)變較為劇烈,綜合土地利用動(dòng)態(tài)度達(dá)0.15%。

表21990—2010 年烏海礦區(qū)土地利用結(jié)構(gòu)與土地利用動(dòng)態(tài)度

Table 2Land use structure and dynamics of land use in the Wuhai mining area during the period from 1990 to 2010

土地利用類型1990年2000年2010年單一土地利用動(dòng)態(tài)度/%面積/km2占比1)/%面積/km2占比1)/%面積/km2占比1)/%1990—2000年2000—2010年1990—2010年草地926.9655.88634.9538.28646.8138.99-3.150.19-1.51林地8.750.536.470.393.540.21-2.60-4.53-2.98耕地145.138.75196.6511.85144.528.713.55-2.65-0.02水域33.342.0131.521.9027.011.63-0.54-1.43-0.95建設(shè)用地72.124.35245.4314.79263.7315.9024.030.7513.28荒漠472.6028.49543.8932.79573.2634.561.510.541.06

1)占總面積比例。1990—2000、2000—2010和1990—2010年綜合土地利用動(dòng)態(tài)度分別為0.13%、0.15%和0.08%。

3.2土地利用轉(zhuǎn)移矩陣與土地退化趨勢

3.2.1土地利用轉(zhuǎn)移矩陣

1990—2010年烏海礦區(qū)土地利用類型轉(zhuǎn)移矩陣見表3。

表31990—2010 年烏海礦區(qū)土地利用類型轉(zhuǎn)移矩陣

Table 3Land use transformation matrix of the Wuhai mining area of the period from 1990 to 2010

km2

某一行數(shù)據(jù)為1990年各土地利用類型轉(zhuǎn)變?yōu)?010年該行對(duì)應(yīng)的土地利用類型的面積。

由表3可知,近20 a草地減少幅度最大,分別有310.22和140.53 km2草地轉(zhuǎn)化為荒漠和建設(shè)用地,城市擴(kuò)張和工礦企業(yè)用地增加是草地轉(zhuǎn)化為建設(shè)用地的主要原因,工礦企業(yè)尤其是露天煤礦的開采對(duì)周邊土地的影響是荒漠(沙地、裸巖等)增多的原因。耕地的減少量次之,分別有25.06和16.38 km2耕地轉(zhuǎn)化為草地和荒漠?；哪徒ㄔO(shè)用地增長最快,主要來源于草地和耕地。

3.2.2土地退化趨勢

由表4可知，1990—2000年其他用地類型轉(zhuǎn)化為荒漠的總面積為331.59 km2,2000—2010年其他用地類型轉(zhuǎn)化為荒漠的總面積為318.83 km2,第2階段土地荒漠化進(jìn)程比第1階段緩慢。1990—2010年其他用地類型轉(zhuǎn)化為荒漠的面積為341.65 km2,近20 a間土地退化與土地恢復(fù)共存。從表4可知,近20 a烏海土地退化進(jìn)程中,草地貢獻(xiàn)最多,占原草地面積的1/3以上,其次是建設(shè)用地,工礦用地建設(shè)尤其是大量露天煤礦開采以后遺留下的“三廢”污染了土地和水資源,使得植被無法二次生長,土地退化嚴(yán)峻。近20 a研究區(qū)域的土地退化主要表現(xiàn)為土地荒漠化,因此選用新增荒漠進(jìn)行研究區(qū)域土地退化的Logistic回歸分析。

表41990—2010 年烏海礦區(qū)土地退化狀況

Table 4Land degradation in the Wuhai mining area during the period from 1990 to 2010

退化類型 1990—2000年2000—2010年1990—2010年面積/km2退化程度/%面積/km2退化程度/%面積/km2退化程度/%草地→荒漠318.417334.35240.030937.80310.215633.47林地→荒漠0.00270.030.05760.890.58416.68耕地→荒漠7.07404.8724.774312.6016.383611.29水域→荒漠0.37801.131.12773.582.42197.26建設(shè)用地→荒漠5.71867.9352.840821.5312.040216.69

3.3土地退化的 Logistic 回歸模型分析

Logistic回歸模型要求變量間應(yīng)互相獨(dú)立,因此對(duì)各個(gè)自變量進(jìn)行多重共線性診斷,得到T值在 0.53～0.90范圍內(nèi),說明自變量多重共線性狀況不嚴(yán)重,適用于Logistic回歸模型。另外,在二進(jìn)制Logistic回歸模型中,自變量坡度和坡向都是多分類型變量,因此需要進(jìn)行自變量分類,并均將最后一個(gè)值作為參照水平。

根據(jù)表5中的回歸系數(shù)顯著性水平(sig.值<0.05)和Wald統(tǒng)計(jì)量,分析得到1990—2000年土地退化的主要解釋變量為到最近采礦點(diǎn)距離、到最近鄉(xiāng)鎮(zhèn)距離和坡度Ⅱ(5～15°);2000—2010年比較重要的解釋變量為到最近水域距離、高程和到最近道路距離。

表5土地退化的Logistic回歸模型系數(shù)

Table 5Coefficients of the Logistic regression model for analysis of land degradation

研究時(shí)段自變量參數(shù)估計(jì)標(biāo)準(zhǔn)誤差Wald統(tǒng)計(jì)量自由度顯著性水平發(fā)生比率1990—2000年高程-0.0030.00115.65310 0.997坡向(北)0.3790.1278.87810.0031.461坡度Ⅱ(5～15°)1.1060.23921.427103.022坡度Ⅲ(>15°)0.6770.2328.48610.0041.968到最近采礦點(diǎn)距離-0.1150.011108.747100.891到最近居民點(diǎn)距離-0.1020.02912.504100.903到最近道路距離0.0530.0197.87810.0051.055到最近鄉(xiāng)鎮(zhèn)距離0.1470.01591.055101.158常數(shù)項(xiàng)1.8210.8394.71710.036.1792000—2010年高程0.0060.00139.062101.006坡度Ⅱ(5～15°)0.7200.3185.14410.0232.055坡度Ⅲ(>15°)0.7500.3165.62310.0182.116到最近采礦點(diǎn)距離0.0470.01214.040101.048到最近水域距離-0.1020.01544.548100.903到最近道路距離0.1190.01937.672101.126常數(shù)項(xiàng)-8.1031.30338.646100

1990—2000年,到最近采礦點(diǎn)距離為最主要的解釋變量,Wald統(tǒng)計(jì)量為108.747,模型中回歸系數(shù)為負(fù)值,表明土地退化隨著到采礦點(diǎn)距離的減小而增大,即采礦活動(dòng)占用草地,到采礦點(diǎn)的距離每減小1 km,土地退化的概率將增大1.122倍;到最近鄉(xiāng)鎮(zhèn)距離的回歸系數(shù)為正,表明隨到最近鄉(xiāng)鎮(zhèn)距離越遠(yuǎn),土地退化越明顯,到最近鄉(xiāng)鎮(zhèn)的距離每減小1 km,土地退化的概率增大1.158倍。烏海礦區(qū)的開采方式多為露天開采,露天采礦區(qū)直接裸露于地表的礦物、排土場與尾礦庫,尤其是大型人工剖面和大型排土場會(huì)導(dǎo)致開采區(qū)域的地形地貌、土壤系統(tǒng)等發(fā)生巨大變化,這些變化不僅會(huì)破壞原始地貌,還可能導(dǎo)致土地毀損以及土壤質(zhì)量下降,導(dǎo)致礦區(qū)的生態(tài)調(diào)節(jié)功能降低，甚至完全喪失,使得坡度Ⅱ(5～15°)成為土地退化的主要原因之一。

2000年以后,疏矸排水、礦坑廢水、工業(yè)園廢水和生活污水的排放引發(fā)土壤污染,導(dǎo)致離水域越近的區(qū)域土壤污染越嚴(yán)重。到最近水域距離的Wald統(tǒng)計(jì)量為44.548,模型中回歸系數(shù)為負(fù)值,表明離水域越近,土地退化越嚴(yán)重,到最近水域的距離每減小1 km,土地退化的概率增大1.048倍。隨著烏海經(jīng)濟(jì)轉(zhuǎn)型,工業(yè)園取而代之開始成為烏海礦區(qū)經(jīng)濟(jì)建設(shè)的主流,烏海海拔較低的區(qū)域開發(fā)起來相對(duì)容易。另外,烏海礦區(qū)的保障性安居工程對(duì)大批沉陷區(qū)進(jìn)行改造,大量的尾礦區(qū)居民搬遷到新開發(fā)工業(yè)園區(qū)和市區(qū),大量草地被工業(yè)園和居民地取代,低海拔的工業(yè)園和居民區(qū)成為土地退化的驅(qū)動(dòng)因素。隨著烏海礦區(qū)景觀綠化建設(shè)項(xiàng)目的推進(jìn),道路兩側(cè)尤其是國道、省道和市區(qū)主干道兩側(cè)成為政府綠化工作的重點(diǎn),導(dǎo)致離道路越近,土地退化越不明顯,反之,離最近道路的距離每增加1 km,土地退化的概率將增大1.126倍。

4結(jié)論與討論

(1)基于1990—2010年3期遙感影像,利用遙感和GIS技術(shù),分析了烏海礦區(qū)近20 a的土地利用變化特征。結(jié)果顯示研究區(qū)域土地利用變化顯著,草地大面積減少,林地和水域面積持續(xù)減少,建設(shè)用地和荒漠面積大幅度增加。從單一土地利用動(dòng)態(tài)度來看,1990—2000和1990—2010年建設(shè)用地的單一土地利用動(dòng)態(tài)度均為最大,分別為24.03%和13.28%。從綜合土地利用動(dòng)態(tài)度來看,2000—2010年烏海礦區(qū)土地流轉(zhuǎn)比1990—2000年頻繁。

(2)通過對(duì)1990—2010年土地利用轉(zhuǎn)移矩陣的研究發(fā)現(xiàn),草地、建設(shè)用地尤其是尾礦所在區(qū)域退化成荒漠的趨勢明顯,土地荒漠化進(jìn)程凸顯,研究區(qū)域生態(tài)環(huán)境惡化趨勢明顯。工礦企業(yè)發(fā)展和城鎮(zhèn)化是建設(shè)用地增長的主要原因,建設(shè)用地增長導(dǎo)致環(huán)境本底的變化,破壞了周邊環(huán)境的生態(tài)平衡,產(chǎn)生了大量荒漠,引發(fā)土地退化。

(3)針對(duì)荒漠面積的增加,選取多個(gè)社會(huì)、經(jīng)濟(jì)以及空間因子,分別建立了2個(gè)時(shí)段土地退化的Logistic回歸模型,揭示研究區(qū)域土地退化在不同時(shí)間段的驅(qū)動(dòng)因素。結(jié)果表明,2個(gè)階段土地退化的驅(qū)動(dòng)因素不同,其原因是2000年以前,粗放型經(jīng)濟(jì)發(fā)展方式使得礦產(chǎn)資源的開發(fā)量飛速增長,直接導(dǎo)致離礦區(qū)越近的土地破壞越嚴(yán)重,成為土地退化的主要原因;隨著烏海礦區(qū)社會(huì)經(jīng)濟(jì)的發(fā)展與人口的大量增加,城鎮(zhèn)化的加速發(fā)展所導(dǎo)致的建設(shè)用地增加成為土地遭到破壞的的主要原因;2000年以后煤礦發(fā)展減速,工業(yè)園開始成為烏海礦區(qū)經(jīng)濟(jì)建設(shè)的主流,工業(yè)化迅速崛起成為土地退化的主要原因。

參考文獻(xiàn)：

[1]杜子濤,楊小明,顏樹強(qiáng),等.奈曼旗土地退化遙感監(jiān)測研究[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(3):154-161.

[2]段慧平.西北干旱區(qū)金塔綠洲土地利用變化及其環(huán)境影響研究[D].濟(jì)南:山東師范大學(xué),2009.

[3]張保華,蔣玉華,肖燕,等.縣域土地利用/覆被變化可持續(xù)性評(píng)價(jià)指標(biāo)體系初探[J].世界科技研究與發(fā)展,2012,33(5):839-842.

[4]盛浩,李旭,楊智杰,等.中亞熱帶山區(qū)土地利用變化對(duì)土壤CO2排放的影響[J].地理科學(xué),2010，30(3):446-451.

[5]于興修,楊桂山,李恒鵬.典型流域土地利用/覆被變化及其景觀生態(tài)效應(yīng):以浙江省西苕溪流域?yàn)槔齕J].自然資源學(xué)報(bào),2003，18(1):13-19.

[6]RASHID M,LIBE M A,ROMSHOO S A.Geospatial Tools for Assessing Land Degradation in Budgam District,Kashmir Himalaya,India[J].Journal of Earth System Science,2011,120(3):423-433.

[7]MOHAMED E S,BELAL A,SALEH A.Assessment of Land Degradation East of the Nile Delta,Egypt Using Remote Sensing and GIS Techniques[J].Arabian Journal of Geosciences,2013,6(8):2843-2853.

[8]王麗萍,金曉斌,杜心棟,等.基于灰色模型-元胞自動(dòng)機(jī)模型的佛山市土地利用情景模擬分析[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(3):237-242.

[9]肖明,吳季秋,陳秋波,等.基于CA-Markov模型的昌化江流域土地利用動(dòng)態(tài)變化[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(5):231-238.

[10]曾輝,高啟輝,陳雪,等.深圳市1989—2007年間濕地景觀動(dòng)態(tài)變化及成因分析[J].生態(tài)學(xué)報(bào),2010,30(10):2706-2714.

[11]徐嘉興,李鋼,陳國良.基于Logistic回歸模型的礦區(qū)土地利用演變驅(qū)動(dòng)力分析[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(20):247-255.

[12]謝花林.典型農(nóng)牧交錯(cuò)區(qū)土地利用變化驅(qū)動(dòng)力分析[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(10):56-62.

[13]李海東,沈渭?jí)?司萬童,等.中國礦區(qū)土地退化因素調(diào)查:概念、類型與方法[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2015,31(4):445-451.

(責(zé)任編輯： 許素)

Factors of Land Degradation in Wuhai Mining Area Based on GIS.

HUANG Yuan-yuan, YAN Qing-wu, LEI Shao-gang, LI Jun-gang

(College of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)

Abstract:In order to study characteristics and driving factors of the land degradation in mining areas quantitatively, remote sensing and GIS technology were used to characterize changes in land use in area and type in the Wuhai mining area, Inner Mongolia from 1990 to 2010. On such a basis, some economic, social and spatial factors were selected for exploration of factors driving changes in land use in the studied zone during the 2 different periods of 1990-2000 and 2000-2010. Results show that the changes in land use in the study area in the recent 20 years were manifested mainly in drastic decrease of grassland in area and rapid expansion of construction land and wasteland, which were used to be grassland and farmland, while land degradation was mainly in growth of sandy land and wasteland in area. Aanalysis using the Logistic regression model reveals that land degradation during the first period (1990-2000) was driven mainly by factors, like “distance to the nearest mining site”, “distance to the nearest village and town” and slope Ⅱ (5-15°), while during the second period (2000-2010) it was by factors like “distance to the nearest water source”, “elevation”, and “distance to the nearest road”.

Key words:Wuhai mining area；land degradation；remote sensing；driving factor；Logistic regression model

收稿日期：2015-11-11

基金項(xiàng)目：國家科技基礎(chǔ)性工作專項(xiàng)(2014FY110800)

中圖分類號(hào)：X821

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-4831(2016)03-0361-06

DOI：10.11934/j.issn.1673-4831.2016.03.004

作者簡介：黃園園(1993—),女,河南商丘人,碩士生,主要從事GIS應(yīng)用研究。E-mail: 979894964@qq.com

① 通信作者E-mail: 3403175@163.com