青島市土地利用演化驅(qū)動(dòng)力因素分析

凌 濤，李 鵬，左小清*

(1.昆明理工大學(xué)國(guó)土資源工程學(xué)院，云南昆明 650093；2.大連理工大學(xué)城市學(xué)院，遼寧大連 116600)

?

青島市土地利用演化驅(qū)動(dòng)力因素分析

凌 濤1，李 鵬2，左小清1*

(1.昆明理工大學(xué)國(guó)土資源工程學(xué)院，云南昆明 650093；2.大連理工大學(xué)城市學(xué)院，遼寧大連 116600)

摘要在RS和GIS技術(shù)支持下，首先，以青島市1986、2000和2006年3期遙感影像為基礎(chǔ)，以谷歌地圖為參考，對(duì)3期遙感影像進(jìn)行分類處理，提取出了同時(shí)期的土地利用數(shù)據(jù)。其次，利用數(shù)學(xué)模型對(duì)1986～2006年青島市土地利用數(shù)量變化、土地利用速度變化、土地利用程度變化等方面進(jìn)行了分析。再次，結(jié)合同期青島市社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)資料，應(yīng)用主成分分析法得到了影響青島市土地利用發(fā)生變化的主要社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力因子，計(jì)算得出青島市社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力指數(shù)，指出社會(huì)經(jīng)濟(jì)因素對(duì)土地利用的驅(qū)動(dòng)力呈不斷上升的趨勢(shì)；應(yīng)用多元線性回歸分析法建立了青島市水域、林地、建筑用地和耕地的社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力模型，得到了影響每種土地利用類型的社會(huì)經(jīng)濟(jì)因子。最后，運(yùn)用Markov模型預(yù)測(cè)了2012～2030年青島市的土地利用變化趨勢(shì)。

關(guān)鍵詞遙感；土地利用變化；驅(qū)動(dòng)力；主成分分析；Markov模型

改革開放以來，我國(guó)城市化水平不斷提高，城市在發(fā)展的過程中呈現(xiàn)向四周擴(kuò)張的趨勢(shì)，不可避免地會(huì)占用其他的土地資源，盲目擴(kuò)張嚴(yán)重地威脅生態(tài)安全。研究城市土地利用發(fā)展變化的過程，對(duì)科學(xué)合理地規(guī)劃城市發(fā)展的方向具有重要意義。筆者采用青島市1986、2006年的TM影像和2000年的ETM影像，利用相關(guān)數(shù)學(xué)模型作為理論基礎(chǔ)，應(yīng)用統(tǒng)計(jì)分析、回歸分析等方法，通過查找資料結(jié)合已有數(shù)據(jù)對(duì)青島市的土地利用情況進(jìn)行定量分析和定性分析。分析了青島市土地利用動(dòng)態(tài)變化[1]，研究了影響青島市土地利用變化的社會(huì)經(jīng)濟(jì)因素，運(yùn)用主成分分析得到了青島市土地利用變化驅(qū)動(dòng)力的綜合得分，運(yùn)用回歸分析建立了青島市4大土地利用類型的社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力模型，并運(yùn)用Markov預(yù)測(cè)模型[2]預(yù)測(cè)了2012～2030年青島市土地利用變化的發(fā)展趨勢(shì)。

1研究區(qū)概況與數(shù)據(jù)來源

1.1研究區(qū)概況青島市屬于沿海丘陵城市，其地勢(shì)東高西低，南北隆起，中間低凹，其中丘陵、山地、平原、洼地的面積分別占全市面積的25.1%、15.5%、37.7%和21.7%。全市海岸包括泥質(zhì)粉砂岸、山基巖岸及基巖砂礫質(zhì)岸等3種基本類型，近海海底則擁有現(xiàn)代水下三角洲、水下淺灘及海沖蝕平原等。青島市處于北溫帶季風(fēng)區(qū)域，市區(qū)氣候受到海洋環(huán)境的調(diào)節(jié)，東南季風(fēng)、洋流、水團(tuán)影響導(dǎo)致青島市有具有鮮明的海洋氣候特點(diǎn)，空氣濕度大，雨水充足，溫度適宜，季節(jié)特點(diǎn)明顯。青島市共有3大水系，分別為大沽河、北膠萊河以及沿海諸河流，囊括224條河流，多為獨(dú)立入海的山溪性小河，其中有33條流域在100 km2以上。作為山東半島城市群的中心城市，青島市大力發(fā)展總部經(jīng)濟(jì)、品牌經(jīng)濟(jì)、研發(fā)中心、信息服務(wù)業(yè)、會(huì)展經(jīng)濟(jì)、商貿(mào)流通以及各種生產(chǎn)性服務(wù)業(yè)，為發(fā)展全省經(jīng)濟(jì)搭建了高端平臺(tái)。其所在的山東半島經(jīng)濟(jì)區(qū)(8市)經(jīng)濟(jì)總量高達(dá)2.6萬億，僅次于珠三角、京津唐和長(zhǎng)三角經(jīng)濟(jì)區(qū)，居全國(guó)第四位，青島市下屬及周邊共有19個(gè)縣入圍全國(guó)百強(qiáng)縣。

1.2數(shù)據(jù)來源與預(yù)處理該研究所采用的數(shù)據(jù)是Landsat5和Landsat7的影像數(shù)字產(chǎn)品，成像時(shí)間分別是1986年9月18日、2000年9月16日和2006年10月27日。其中1986和2006年的影像質(zhì)量較好，2000年的影像質(zhì)量稍差。該研究使用波段4(紅)，波段5(綠)，波段3(藍(lán))組成假彩色合成影像[3]，深藍(lán)色、褐色、藍(lán)色、綠色一級(jí)波普信息分別表示水域、林地、建筑用地、耕地。在ERDAS中，以2000年的影像為參考，采用二次的多項(xiàng)式(Polynomial)幾何校正模型[4]對(duì)1986年和2006年的影像進(jìn)行配準(zhǔn)。

根據(jù)遙感影像的實(shí)際可解譯能力和青島市土地利用的特征，并參考2007年8月5日開始頒布執(zhí)行的 《土地利用分類》國(guó)家標(biāo)準(zhǔn)，將青島市土地利用類別分為水域、林地、建筑用地、耕地4大類。

然后將要處理的圖像執(zhí)行非監(jiān)督分類，并進(jìn)行分類評(píng)價(jià)[5]，檢查所分得類別的精度，再將分類后的圖像進(jìn)行重編碼等操作，得到1986和2000年青島市土地利用專題(圖1)。

圖1　1986和2000年青島市土地利用專題分類圖像Fig.1　The specific classification image of land use in Qingdao City in 1986 and 2000

2青島市土地利用變化分析

土地利用變化分析有眾多的衡量指標(biāo)，該研究根據(jù)自身需要，結(jié)合數(shù)據(jù)實(shí)際情況，選取了土地利用數(shù)量、速度、程度等方面的指標(biāo)對(duì)1986、2000、2006年的青島市土地利用遙感解譯結(jié)果進(jìn)行了分析。

2.1土地利用數(shù)量變化分析土地面積的變化是區(qū)域土地利用類型變化的主要體現(xiàn)方式，而面積變化最直接的表現(xiàn)是土地?cái)?shù)量的變化[6]，通過對(duì)一種土地類型數(shù)量變化的分析，能進(jìn)一步了解這種土地類型在態(tài)勢(shì)和結(jié)構(gòu)上的變化[7]。

該研究以數(shù)據(jù)預(yù)處理所得分類數(shù)據(jù)為基礎(chǔ)，計(jì)算出青島市1986、2000和2006年土地利用類型面積變化與比例變化，結(jié)果見圖2和表1。由圖2可知，1986～2006年青島市4大用地類型都發(fā)生了不同程度的變化：水域和林地先增加后減少，但是變化幅度較小，基本保持不變；建筑用地呈增加趨勢(shì)；耕地呈減少趨勢(shì)。

圖2　1986、2000、2006年青島市土地利用面積對(duì)比Fig.2　Land use area of Qingdao City in 1986，2000 and 2006

從表1可以看出，1986年青島市耕地所占比重最大，占所有用地類型的48%；其次就是水域，占總面積的11%；林地和建筑用地占的比重最低，分別是14%和17%。到2000年，耕地占的比重依然是最大，占30%，但是相比1986年，已經(jīng)大幅度下降，降低了18個(gè)百分點(diǎn)；建筑用地與耕地占的比重相同，也是30%，比1986年增長(zhǎng)了13個(gè)百分點(diǎn)；水域和林地略有增加，分別是1個(gè)和4個(gè)百分點(diǎn)。2006年耕地所占比重保持不變，建筑用地相比2000年增加了4個(gè)百分點(diǎn)，達(dá)到了34%，水域和林地變化依然不大，相比2000年分別降低了2個(gè)百分點(diǎn)。

表1　1986、2000和2006年青島市土地利用結(jié)構(gòu)

2.2土地利用速度變化分析土地利用擴(kuò)展速度表示整個(gè)研究時(shí)期內(nèi)不同階段土地利用擴(kuò)展的年增長(zhǎng)面積[8]，公式為：

(1)

式中，V為某種土地利用類型的擴(kuò)展速度；Ua和Ub分別為研究時(shí)期初和研究時(shí)期末某一種土地利用類型的數(shù)量；T為研究時(shí)長(zhǎng)，當(dāng)T為年時(shí)，V的值就是該區(qū)域某一種土地利用類型年變化率。

根據(jù)公式(1)計(jì)算得到1986～2006年分時(shí)段的青島市土地利用擴(kuò)展速度，結(jié)果見表2。

表21986～2006年青島市土地利用擴(kuò)展速度

Table 2Expansion speed of land use in Qingdao City in 1986-2006

hm2/a

從表2可以看出，1986～2006年青島市增長(zhǎng)速度最快的建筑用地，每年增加1 370 hm2，減少速度最快的是耕地，每年減少1 376 hm2，水域每年減少112 hm2，林地每年增加119 hm2。其中，1986～2000年，建筑用地增加速度高于平均水平，而耕地減少速度比平均速度要大得多，也就是說耕地主要是在這14年間減少的，而水域在這一時(shí)期的增加速度為每年33 hm2，林地的增長(zhǎng)速度為每年460 hm2；2000～2006年，建筑用地依然保持每年1 114 hm2的高速增長(zhǎng)，耕地開始略有增加，但速度僅為每年19 hm2，水域和林地分別以每年450和677 hm2的速度減少。

2.3土地利用程度變化分析土地利用程度綜合指數(shù)指的是一國(guó)或地區(qū)全年農(nóng)作物的播種總面積與耕地總面積的百分比，其是反映耕地利用程度的指標(biāo)。其數(shù)值越大說明土地的開發(fā)程度越大，反之則說明土地的開發(fā)程度越小。研究區(qū)域土地利用程度綜合指數(shù)表達(dá)式如下：

(2)

式中，La為某研究區(qū)域土地利用程度的綜合指數(shù)；A為第i級(jí)土地利用程度的分級(jí)指數(shù)；Ci為研究區(qū)域第i級(jí)土地利用程度分級(jí)面積的百分比；n為土地利用程度的分級(jí)指數(shù)。

將遙感影像的解譯結(jié)果代入公式(2)，經(jīng)計(jì)算得出，1986、2000、2006年青島市土地利用程度綜合指數(shù)分別為281、290和299。1986～2006年青島市土地利用程度一直維持在較高水平，并且利用程度不斷增高。從土地利用類型的面積變化上看，1986～2006年青島市除了水域和林地變化較為平穩(wěn)外，建筑用地面積在快速持續(xù)增長(zhǎng)，耕地面積在快速持續(xù)降低，建筑用地在一直侵占耕地的面積。人口增長(zhǎng)不但需要建筑用地，過量的人口更需要糧食等產(chǎn)品，由此引發(fā)的人地矛盾只是城市擴(kuò)張過程中眾多生態(tài)問題中的一種。因此在土地開發(fā)利用的過程中，應(yīng)優(yōu)化土地資源配置。

3土地利用變化主導(dǎo)驅(qū)動(dòng)力分析

土地利用變化驅(qū)動(dòng)力是指對(duì)土地利用方式和目的變化具有重要影響的自然和社會(huì)因素[9]，是土地利用變化的動(dòng)力源。土地利用及其變化受到社會(huì)、經(jīng)濟(jì)、自然等諸多因素的影響。

3.1驅(qū)動(dòng)力分析方法青島市是山東半島城市群的中心城市，社會(huì)經(jīng)濟(jì)因素影響較大；通過遙感影像分析發(fā)現(xiàn)1986～2006年青島市自然因素變化較小，而且自然因素本身難以量化，故該研究?jī)H基于社會(huì)經(jīng)濟(jì)數(shù)據(jù)，采用主成分分析的方法，對(duì)青島市的政經(jīng)結(jié)構(gòu)、貧富狀況、人口變化、技術(shù)變化、經(jīng)濟(jì)增長(zhǎng)和價(jià)值觀念等社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力進(jìn)行分析。

具體分析步驟包括數(shù)據(jù)的標(biāo)準(zhǔn)化處理，計(jì)算相關(guān)系數(shù)矩陣并計(jì)算特征值和特征向量，計(jì)算貢獻(xiàn)率和累積貢獻(xiàn)率進(jìn)而確定主成分，最后計(jì)算因子荷載矩陣[10]。結(jié)合1986～2006年青島市土地利用演化特征及現(xiàn)有的統(tǒng)計(jì)資料，從影響土地利用變化的社會(huì)經(jīng)濟(jì)眾多因素中選出有代表性的14個(gè)因子，具體見表3。

表3　土地利用變化驅(qū)動(dòng)因子

經(jīng)過標(biāo)準(zhǔn)化處理得出變量相關(guān)系數(shù)矩陣(表4)、特征值及各主成分的貢獻(xiàn)率與累計(jì)貢獻(xiàn)率(表5)。

表4　變量相關(guān)系數(shù)矩陣

從表4可以看出，X1、X5、X6、X7、X10、X11、X12之間相關(guān)系數(shù)在0.9以上，信息上存在一定的重疊；農(nóng)業(yè)人口(X13)與總?cè)丝?X1)、固定資產(chǎn)投資(X5)、國(guó)內(nèi)生產(chǎn)總值(X6)、工業(yè)總產(chǎn)值(X7)、地方財(cái)政收入(X10)、農(nóng)民人均純收入(X11)、社會(huì)消費(fèi)品零售總額(X12)之間相關(guān)系數(shù)為-0.9以下，信息不存在或存在較少的重疊。

表5　主成分特征值及貢獻(xiàn)率

主成分分析就是要提取出特征值大于1，累積貢獻(xiàn)率大于等于85%的主成分。由表5可以看出，根據(jù)計(jì)算得到的14個(gè)主成分中的前2個(gè)已經(jīng)滿足要求，能代表青島市土地利用變化的整體情況。因此，提取前2個(gè)主成分，由此得到的主成分載荷距陣見表6。

表6　主成分荷載矩陣

每個(gè)主成分所反映的信息要看主成分因子在其主成分中載荷絕對(duì)值的大小，載荷絕對(duì)值越大的因子越能代表主成分的內(nèi)容。從表6可以看出，在第一主成分上，總?cè)丝?X1)、固定資產(chǎn)投資(X5)、國(guó)內(nèi)生產(chǎn)總值(X6)、工業(yè)生產(chǎn)總值(X7)、糧食總產(chǎn)量(X9)、地方財(cái)政收入(X10)、農(nóng)民人均收入(X11)、社會(huì)消費(fèi)品零售總額(X12)、農(nóng)業(yè)人口(X13)、人均GDP(X14)等的載荷絕對(duì)值均高于0.9，這說明第一主成分基本表達(dá)了這些信息；而在第二主成分上，第二產(chǎn)業(yè)產(chǎn)值占國(guó)內(nèi)生產(chǎn)總值比(X3)、第三產(chǎn)業(yè)產(chǎn)值占國(guó)內(nèi)生產(chǎn)總值比(X4)的荷載絕對(duì)值高于0.9，說明第二主成分基本表達(dá)了這些信息。

3.2驅(qū)動(dòng)力指數(shù)分析經(jīng)上述分析得出2個(gè)主成分，這2個(gè)主成分已經(jīng)基本包含了選取的所有社會(huì)經(jīng)濟(jì)因子，以此為基礎(chǔ)，求出社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力指數(shù)，主成分表達(dá)式如下：

Fi=a1iZX1+a2iZX2+…+apiZXp

式中，F(xiàn)i為第i個(gè)主成分表達(dá)式；a1i，a2i，…，api(i=1，2，…，m)為特征向量；ZX1，ZX2，…，ZXp，為標(biāo)準(zhǔn)化處理后的原始變量。

由上述公式對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行計(jì)算，得出主成分1和主成分2的表達(dá)式，并進(jìn)行加權(quán)計(jì)算，得到1986～2006年青島市土地利變化社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力綜合指數(shù)，結(jié)果見圖3。

圖3　1986～2006年青島市土地利用變化社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力綜合指數(shù)趨勢(shì)Fig.3　Composite index trend of the social and economic driving force of land use change Qingdao City in 1986-2006

從圖3可以看出，1986～2006年青島市社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力指數(shù)基本呈現(xiàn)不斷上升的趨勢(shì)，其中1986～1998年的值小于0，1999～2006年的值大于0。社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力對(duì)青島市土地利用變化的驅(qū)動(dòng)過程可以分為2個(gè)階段，1986～1998年為第一階段，雖然這個(gè)階段的驅(qū)動(dòng)力綜合指數(shù)為負(fù)，但是驅(qū)動(dòng)力綜合指數(shù)卻在緩慢增加，這說明在這期間，社會(huì)經(jīng)濟(jì)因素對(duì)土地利用變化的驅(qū)動(dòng)力在緩慢增強(qiáng)；第二個(gè)階段為1999～2006年，這個(gè)階段的驅(qū)動(dòng)力綜合指數(shù)增加較為快速，增加量是第一階段的2倍多，而時(shí)間跨度卻縮短1/2，說明在此期間，社會(huì)經(jīng)濟(jì)因素對(duì)土地利用變化的驅(qū)動(dòng)力在迅速增加。

3.3多元線性回歸分析對(duì)促進(jìn)土地利用演化的社會(huì)經(jīng)濟(jì)因素進(jìn)行主成分分析，只是從全局上總體分析了青島市社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力的情況，而每一個(gè)社會(huì)經(jīng)濟(jì)因子對(duì)于哪一個(gè)地類起作用，或者某一地類到底由哪幾種社會(huì)經(jīng)濟(jì)因子驅(qū)動(dòng)卻難以看出。該研究運(yùn)用SPSS軟件對(duì)不同社會(huì)經(jīng)濟(jì)因子與不同土地利用類型進(jìn)行了多元線性回歸分析[11]，并建立了相應(yīng)模型。

3.3.1水域模型。在R2=0.957，通過10%顯著性檢驗(yàn)的條件下，得到水域模型如下：

Y=-9.50×10-16-0.998ZX5+0.565ZX8+0.353ZX6

根據(jù)GB/T 27404-2008《實(shí)驗(yàn)室質(zhì)量控制規(guī)范食品理化檢測(cè)》，用陰性樣品連續(xù)測(cè)定24次后，計(jì)算出24次測(cè)定的平均值和標(biāo)準(zhǔn)偏差（SD）。再根據(jù)檢測(cè)限（LOD）=平均值+2×SD，計(jì)算檢測(cè)限；定量限（LOQ）=平均值+10×SD，計(jì)算定量限。

由回歸模型可知，青島市水域變化的驅(qū)動(dòng)力因子分別為固定資產(chǎn)投資、農(nóng)林漁牧業(yè)生產(chǎn)總值和糧食總產(chǎn)量。

3.3.2林地模型。在R2=0.931，通過10%顯著性檢驗(yàn)的條件下，得到林地模型如下：

Y=-1.82×10-15-2.207ZX1-0.542ZX2+0.384ZX3-2.091ZX5+3.418ZX6+0.912ZX8+2.138ZX10-1.943ZX14

由上式可知，青島市林地變化的驅(qū)動(dòng)力因子分別為總?cè)丝?、第一產(chǎn)業(yè)產(chǎn)值比例、第二產(chǎn)業(yè)產(chǎn)值比例、固定資產(chǎn)投資、國(guó)內(nèi)生產(chǎn)總值、農(nóng)林牧漁總產(chǎn)值、地方財(cái)政收入、人均GDP。

3.3.3建筑用地模型。在R2=0.949，通過10%顯著性檢驗(yàn)的條件下，得到建筑用地模型如下：

由上式可知，青島市建筑用地變化的驅(qū)動(dòng)力因子分別為總?cè)丝凇⒌谝划a(chǎn)業(yè)產(chǎn)值比例、第二產(chǎn)業(yè)產(chǎn)值比例、固定資產(chǎn)投資、國(guó)內(nèi)生產(chǎn)總值、農(nóng)林牧漁總產(chǎn)值、地方財(cái)政收入、人均GDP。

3.3.4耕地模型。在R2=0.940，通過10%顯著性檢驗(yàn)的條件下，得到耕地模型如下：

Y=-1.34×10-15+1.992ZX1+0.491ZX2-0.317ZX3+1.291ZX5-2.670ZX6-0.626ZX8-1.831ZX10+1.497ZX14

由上式可知，青島市耕地變化的驅(qū)動(dòng)力因子分別為總?cè)丝凇⒌谝划a(chǎn)業(yè)產(chǎn)值比例、第二產(chǎn)業(yè)產(chǎn)值比例、固定資產(chǎn)投資、國(guó)內(nèi)生產(chǎn)總值、農(nóng)林牧漁總產(chǎn)值、地方財(cái)政收入、人均GDP。

3.4土地利用變化趨勢(shì)預(yù)測(cè)土地利用變化趨勢(shì)預(yù)測(cè)有很多種方法，諸如Markov預(yù)測(cè)法、灰度值預(yù)測(cè)法、CA-Markov預(yù)測(cè)法等。該研究結(jié)合實(shí)際情況，采用Markov預(yù)測(cè)法[12]對(duì)青島市土地利用變化的趨勢(shì)進(jìn)行預(yù)測(cè)，大體把握青島市的土地動(dòng)態(tài)發(fā)展?fàn)顩r，為土地的宏觀調(diào)控提供支持。

一個(gè)系統(tǒng)在當(dāng)前的狀態(tài)下轉(zhuǎn)移到另一個(gè)狀態(tài)的過程中，存在轉(zhuǎn)移轉(zhuǎn)移概率，這個(gè)轉(zhuǎn)移概率只與它當(dāng)前狀態(tài)有關(guān)，與它以前的狀態(tài)無關(guān)，這一過程就是Markov隨機(jī)過程。

該研究運(yùn)用ERDAS軟件構(gòu)建了1986～2000年和2000～2006年的土地利用轉(zhuǎn)移矩陣，見表7和表8。

表7　1986～2000年青島市土地利用轉(zhuǎn)移矩陣

表8　2000～2006年青島市土地利用轉(zhuǎn)移矩陣

Markov鏈對(duì)在短期內(nèi)預(yù)測(cè)土地利用變化趨勢(shì)是有效的[12]。該研究運(yùn)用Markov模型預(yù)測(cè)2006～2030年青島市土地利用變化。用2000～2006年的土地利用轉(zhuǎn)移矩陣構(gòu)造轉(zhuǎn)移概率矩陣，以2000年各土地利用類型所占比例作為初始矩陣進(jìn)行預(yù)測(cè)。

表9　2000～2006年青島市土地利用轉(zhuǎn)移概率矩陣

1986～2006年青島市4種土地利用類型之間相互轉(zhuǎn)換，根據(jù)Markov模型的理論和方法，以2000年各土地利用類型的比例作為初始向量，為了方便計(jì)算以6年為步長(zhǎng)進(jìn)行預(yù)測(cè)，結(jié)果見表10。

表102012～2030年青島市土地利用結(jié)構(gòu)變化預(yù)測(cè)

Table10ThepredictionoflandusestructurechangeinQingdaoCityfrom2012to2030

%

由表10可知，2012～2030年青島市水域面積不斷減少，林地面積幾乎保持不變，建筑用地面積不斷擴(kuò)大，耕地面積在緩慢擴(kuò)大。在應(yīng)用Markov模型預(yù)測(cè)過程中，轉(zhuǎn)移概率矩陣是固定不變的，但是實(shí)際上，土地利用變化的過程是非常復(fù)雜的，人口、政策等因素都會(huì)導(dǎo)致轉(zhuǎn)移概率矩陣的變化，因此，此預(yù)測(cè)結(jié)果僅作為參考。

4結(jié)論

該研究以青島市1986、2000和2006年3期遙感數(shù)據(jù)為基礎(chǔ)，結(jié)合谷歌地圖解譯出青島市3期土地利用現(xiàn)狀圖，并應(yīng)用一些數(shù)理統(tǒng)計(jì)模型，以遙感解譯數(shù)據(jù)為基礎(chǔ)，詳細(xì)分析了1986～2006年青島市土地利用的數(shù)量、速度和程度的動(dòng)態(tài)變化特征。應(yīng)用SPSS軟件針對(duì)篩選出的社會(huì)經(jīng)濟(jì)因子進(jìn)行了分析，建立了水域、林地、建筑用地、耕地的社會(huì)經(jīng)濟(jì)因素驅(qū)動(dòng)力模型，并定性分析了引起青島市土地利用變化的人口因素和經(jīng)濟(jì)因素。最后運(yùn)用Markov模型對(duì)2012～2030年青島市土地利用變化趨勢(shì)進(jìn)行了預(yù)測(cè)。主要結(jié)論如下：

(1)1986～2006年青島市土地利用變化巨大，建筑用地面積增加，耕地面積減少是青島市土地利用變化的最大特點(diǎn)。具體表現(xiàn)為建筑用地增加了27 398hm2，增加量幾乎為原來的1倍，耕地面積減少最為劇烈，減少量為27 515hm2，相當(dāng)于減少了原來的1/3，相比之下水域和林地變化不大。

(2)運(yùn)用主成分分析方法，得到青島市土地利用變化的驅(qū)動(dòng)力因子綜合得分，變化曲線為逐漸上升，說明社會(huì)經(jīng)濟(jì)因素驅(qū)動(dòng)力對(duì)土地利用變化的作用力在逐年增強(qiáng)。運(yùn)用多元線性回歸分析方法，建立了青島市水域、林地、建筑用地、耕地的社會(huì)經(jīng)濟(jì)因素驅(qū)動(dòng)力模型，分析了青島市人口因素和經(jīng)濟(jì)因素對(duì)城市發(fā)展擴(kuò)張的影響。

(3)運(yùn)用Markov模型，以2000年土地利用結(jié)構(gòu)為初始矩陣，以6年為步長(zhǎng)，預(yù)測(cè)了青島市2012、2018、2024和2030年各土地利用類型發(fā)展趨勢(shì)，預(yù)測(cè)結(jié)果顯示，2030年青島市水域、林地、建筑用地和耕地的比例分別為15.99%、14.28%、38.30%和31.34%。

參考文獻(xiàn)

[1] 李瑞俊，孫希華，李平.基于遙感和GIS的青島市土地利用動(dòng)態(tài)變化分析[J].山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005，19(4)：50-52.

[2] 楊燦，楊敏華，汪齊松.基于灰色馬爾科夫鏈預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].測(cè)繪科學(xué)，2009，34(6)：182-183.

[3] 譚熊，余旭初，張鵬強(qiáng)，等.基于MKSVM和MRF的高光譜影像分類方法[J].國(guó)土資源遙感，2015，27(3)：42-46.

[4] 趙涌泉，單小軍，唐娉.低空間分辨率多源遙感數(shù)據(jù)的空間一致性分析和相對(duì)幾何校正[J].遙感技術(shù)與應(yīng)用，2014，29(1)：155-163.

[5] 陳超，江濤，岳遠(yuǎn)平.監(jiān)督分類和目視修改相結(jié)合在高分辨率遙感影像中的應(yīng)用[J].國(guó)土資源信息化，2009(5)：37-40.

[6] 管東生，董文福，宋巍巍.珠江三角洲的土地利用變化研究[C]//中國(guó)地理學(xué)會(huì)自然地理專業(yè)委員會(huì).自然地理學(xué)與生態(tài)建設(shè).北京：氣象出版社，2006.

[7] 張楊，劉艷芳，丁慶，等.1996-2006 年武漢市土地利用/覆被變化研究[J].生態(tài)環(huán)境學(xué)報(bào)，2010，19(11)：2534-2539.

[8] 蒲光昕，李玲琴，柏家平，等.西寧市城市用地時(shí)空擴(kuò)展研究[J].國(guó)土資源科技管理，2011，28(4)：19-24.

[9] 擺萬奇，趙士洞.土地利用變化驅(qū)動(dòng)力系統(tǒng)分析[J].資源科學(xué)，2001，23(3)：39-41.

[10] 張金祿，王英杰，余卓淵，等.自適應(yīng)地圖符號(hào)模型與原型系統(tǒng)的實(shí)現(xiàn)[J].地球信息科學(xué)學(xué)報(bào)，2009(11)：469-474.

[11] 蔡宏，何政偉，安艷玲，等.基于遙感和GIS的赤水河水質(zhì)對(duì)流域土地利用的響應(yīng)研究[J].長(zhǎng)江流域資源與環(huán)境，2015，24(2)：286.

[12]AL-SHARIFAAA，PRADHANB.MonitoringandpredictinglandusechangeinTripoliMetropolitanCityusinganintegratedMarkovchainandcellularautomatamodelsinGIS[J].Arabianjournalofgeosciences，2014，7(10)：4291-4301.

[13] 王群，王萬茂.中國(guó)大陸地區(qū)土地利用結(jié)構(gòu)研究進(jìn)展[J].中國(guó)土地科學(xué)，2015(8)：10-15.

作者簡(jiǎn)介凌 濤(1990- )，男，河南睢縣人，博士研究生，研究方向：3S集成原理及應(yīng)用。*通訊作者，教授，博士，碩士生導(dǎo)師，從事數(shù)據(jù)挖掘和遙感圖像處理研究。

收稿日期2016-04-08

中圖分類號(hào)F 293.22；TP 79

文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)0517-6611(2016)13-257-06

Analysis of Evolution Driving Force Factor of Land Use in Qingdao City

LING Tao1, LI Peng2, ZUO Xiao-qing1*

(1. School of Land Resources Engineering, Kunming University of Science and Technology, Kunming, Yunnan 650093; 2. City Institute, Dalian University of Technology, Dalian, Liaoning 116600)

AbstractBased on RS and GIS technology, the remote sensing images in 1986, 2000 and 2006 of Qingdao City were chosen as the base data. Firstly, with Google map as the reference, the remote sensing images of the three phases were classified; and the land use data in the same period was extracted. Secondly, corresponding mathematical model was used to analyze the land use quantity change, land use speed change and land use degree change in the 20 years in Qingdao City. Thirdly, based on the social and economic statistical data in Qingdao in the 20 years, main social economic driving force factors of land use change in Qingdao City was obtained by principal component analysis; the social and economic driving force index in Qingdao was calculated in the 20 years. It was proved that the driving force of social and economic driving force to land use showed an increasing rising trend in the 20 years. The social economic driving force model of waters, forest land, construction land and cultivated land in Qingdao was established by the multivariate regression analysis method. And the social and economic factor affecting each and use type was obtained. Finally, land use change trend of Qingdao City was forecasted in future 24 years under the support of Markov model.

Key wordsRemote sensing; Land use change; Driving force; Principal component analysis; Markov model