基于Logistic回歸模型的新市區(qū)耕地數(shù)量變化景觀立地要素驅(qū)動力分析

摘要：以保定市新市區(qū)為研究區(qū)域，采用統(tǒng)計學(xué)的研究方法進行單因素相關(guān)性分析，利用流失耕地與未流失耕地的累積概率曲線和不同范圍內(nèi)的流失耕地比例來分析耕地數(shù)量變化與自變量之間的相關(guān)性，以找出對耕地數(shù)量變化有貢獻的因素。最后運用Logistic回歸模型對耕地數(shù)量變化狀況進行回歸分析，定量化研究導(dǎo)致變化發(fā)生的景觀立地要素驅(qū)動力因子，并對耕地變化的風(fēng)險進行了預(yù)測分析。研究表明，耕地流失過程主要受到城鎮(zhèn)、主要道路和主要河流三個景觀立地要素的影響，離城鎮(zhèn)用地和主要道路的距離越近，耕地流失的風(fēng)險越高，而離主要河流越近，耕地流失的風(fēng)險越低；利用回歸結(jié)果進行耕地變化風(fēng)險預(yù)測，能夠模擬未來耕地數(shù)量和土壤質(zhì)量變化情況，為耕地保護提供科學(xué)指導(dǎo)和依據(jù)。

關(guān)鍵詞：Logistic回歸；景觀立地要素；耕地數(shù)量變化；新市區(qū)

中圖分類號：F323.211 文獻標(biāo)識碼：A 文章編號：0439-8114（2016）11-2987-06

DOI：10.14088/j.cnki.issn0439-8114.2016.11.068

土地利用覆被變化（LUCC）的研究越來越受到人們的關(guān)注，已經(jīng)成為全球環(huán)境變化研究的重要組成部分[1，2]。土地利用覆被變化已經(jīng)對人們生活的各個方面造成了影響，包括食物生產(chǎn)、森林資源、地區(qū)氣候、淡水資源和空氣質(zhì)量等諸多方面[3，4]。面對這些問題，土地利用覆被變化受到了國際社會的廣泛關(guān)注，2005年9月，國際全球環(huán)境變化人文因素計劃（IHDP）提出了全球土地計劃（GLP），深化人類對地球系統(tǒng)演化背景下耦合的人類-陸地環(huán)境系統(tǒng)的理解[5-7]。耕地變化是土地利用覆被變化的重要內(nèi)容，耕地資源保護關(guān)系到我國糧食安全以及生態(tài)經(jīng)濟的可持續(xù)性[8]。改革開放至今，我國耕地資源持續(xù)減少，威脅我國糧食安全，成為目前國家發(fā)展進程中亟需解決的問題之一[9]，得到了國內(nèi)眾多學(xué)者的關(guān)注。張鳳榮等[10]、趙其國等[11]、李勁峰等[12]、趙婷婷等[13]，論述非農(nóng)化建設(shè)用地占用耕地、耕地減少所產(chǎn)生的負(fù)面效應(yīng)以及耕地保護預(yù)警等，并預(yù)測未來區(qū)域內(nèi)耕地變化情況。

然而在宏觀層面上對區(qū)域尺度耕地數(shù)量變化時空過程進行定量分析研究，尤其是結(jié)合未來耕地數(shù)量趨勢模擬進行的研究尚不多見，且驅(qū)動力因子的選取多為社會經(jīng)濟指標(biāo)，景觀格局方面的因素考慮較少。本研究從耕地的景觀立地條件出發(fā)，利用Logistic回歸模型對保定市新市區(qū)2009—2012年耕地數(shù)量變化的驅(qū)動力進行回歸分析，并對未來耕地數(shù)量變化的風(fēng)險進行了預(yù)測，為耕地保護提供科學(xué)指導(dǎo)和依據(jù)。

1 研究區(qū)概況

新市區(qū)地處北緯38°51′-38°56′，東經(jīng)115°21′-115°29′之間，地處大清河系沖積扇中下部，屬平原地區(qū)，地勢較為平坦開闊。隸屬于河北省保定市，位于保定市西郊，東與北市區(qū)、南市區(qū)毗鄰，北與滿城縣東馬鄉(xiāng)、尹莊鄉(xiāng)接壤，南與南市區(qū)五堯鄉(xiāng)相鄰。京廣鐵路、京深高速公路等交通干線從境內(nèi)穿過，南部有107國道，西北部有外環(huán)路橫穿，交通便利，四通八達。屬暖溫帶季風(fēng)性大陸氣候，為半干旱地區(qū)。年平均氣溫為12.4 ℃，月平均氣溫為26.7 ℃，無霜期213 d。全年日照2 610.2 h。耕地總面積5 937.20 hm2，占全區(qū)土地總面積的39.71%，其中水澆地面積5 872.47 hm2，占耕地面積的98.91%，旱地面積64.73 hm2，占耕地面積的1.09%。

2.2 數(shù)據(jù)準(zhǔn)備

2.2.1 因變量 從保定市新市區(qū)2009年和2012年土地利用現(xiàn)狀圖中提取兩年的耕地圖斑，進行疊加處理，并將2009年的耕地劃分為兩種情況（圖1），即流失耕地（2012年土地利用類型由耕地轉(zhuǎn)為建設(shè)用地）和未流失耕地（2012年土地利用類型仍為耕地）。以耕地數(shù)量變化情況，即流失與未流失作為因變量，取值為“0”和“1”，“0”表示耕地未流失，“1”表示耕地流失。耕地數(shù)量變化分布圖清楚地呈現(xiàn)了2009—2012年耕地數(shù)量變化的空間分布狀況，可以看到耕地的流失主要發(fā)生在新市區(qū)東部，特別是靠近新市區(qū)的耕地大量減少，而新市區(qū)西部耕地分布密集的地區(qū)耕地流失較少，耕地數(shù)量基本保持不變。同時，耕地的流失沿主要道路呈現(xiàn)出帶狀分布。

2.2.2 自變量 景觀格局指數(shù)法是景觀生態(tài)學(xué)中的一種空間分析方法[17]，景觀格局指數(shù)是指能夠高度濃縮景觀格局信息，反映其結(jié)構(gòu)組成和空間配置某些方面特征的簡單定量指針[18]，因此選取斑塊尺度上的景觀格局指數(shù)進行驅(qū)動力分析。本研究將耕地與各景觀立地要素（包括城鎮(zhèn)、獨立工礦、村莊、設(shè)施農(nóng)用地、主要道路、主要河流）的最近鄰距離（包括距城鎮(zhèn)用地距離、距獨立工礦用地距離、距村莊用地距離、距設(shè)施農(nóng)用地距離、距主要道路距離、距主要河流距離）作為回歸模型的自變量，單位為km。采用邊到邊的最近鄰距離，通過ArcGIS 9.3中的Proximity工具提取，距離值從0開始。在進行回歸分析前，對自變量進行了共線性檢驗，發(fā)現(xiàn)自變量間共線性不顯著，可以將所有自變量加入模型進行回歸分析。

3 基于Logistic回歸模型的耕地數(shù)量變化景觀立地要素驅(qū)動力分析

3.1 基于統(tǒng)計學(xué)的單因素相關(guān)性分析

本研究采用統(tǒng)計學(xué)的研究方法進行單因素相關(guān)性分析，利用流失耕地與未流失耕地的累積概率曲線和不同范圍內(nèi)的流失耕地比例來分析耕地數(shù)量變化與自變量之間的相關(guān)性，以找出對耕地數(shù)量變化有貢獻的因素。研究發(fā)現(xiàn)，耕地數(shù)量變化與距獨立工礦用地距離、距村莊用地距離、距設(shè)施農(nóng)用地距離等因素?zé)o顯著相關(guān)性，與距城鎮(zhèn)用地距離、距主要道路距離、距主要河流距離有顯著的相關(guān)性。

3.1.1 耕地數(shù)量變化與城鎮(zhèn)用地距離的相關(guān)性分析 由圖2可知，累積概率曲線中距城鎮(zhèn)用地6 km范圍內(nèi)，兩條曲線有明顯的差異性，且流失耕地的曲線在上方，說明在此范圍內(nèi)，該影響因素對耕地流失起負(fù)向作用。從流失耕地比例曲線來看，距城鎮(zhèn)用地距離6 km范圍內(nèi)，隨著距離的增加，流失耕地比例從47%下降到近3%，說明距城鎮(zhèn)用地越近，耕地流失的可能性就越大。

3.1.2 耕地數(shù)量變化與主要道路距離的相關(guān)性分析 由圖3可知，累積概率曲線中距主要道路3 km范圍內(nèi)，兩條曲線有明顯的差異性，且流失耕地的曲線在上方，說明在此范圍內(nèi)，該影響因素對耕地流失起負(fù)向作用。從流失耕地比例曲線來看，距主要道路3 km范圍內(nèi)，隨著距離的增加，流失耕地比例從近37%下降到近2%，說明距主要道路越近，耕地流失的可能性就越大。

3.1.3 耕地數(shù)量變化與主要河流距離的相關(guān)性分析 由圖4可知，累積概率曲線中距主要河流6 km范圍內(nèi)，兩條曲線有明顯的差異性，且未流失耕地的曲線在上方，說明在此范圍內(nèi)，該影響因素對耕地流失起正向作用。從流失耕地比例曲線來看，距主要河流6 km范圍內(nèi)，隨著距離的增加，流失耕地比例從近1%上升到近40%，說明距主要河流越近，耕地流失的可能性就越小。

3.2 Logistic回歸模型結(jié)果與分析

本研究通過空間隨機抽樣的方法進行樣本的選取，在ArcGIS 9.3中隨機生成了一些點，選取具有耕地信息的點并去除重復(fù)項，得到了1 600個耕地有效樣本，代入Logistic回歸模型使用向后逐步分析法進行回歸計算。

3.2.1 模型檢驗 本研究采用模型χ2統(tǒng)計檢驗和HL檢驗對模型的有效性和擬合效果進行了檢驗（表1）。模型χ2統(tǒng)計檢驗結(jié)果中卡方值為60.902，顯著性水平為0小于0.05，說明變量加入模型之后對因變量有明顯的影響，所建模型中所有的因變量都有顯著的解釋能力。HL檢驗結(jié)果中卡方值為15.419，顯著性水平為0.131大于0.05，統(tǒng)計檢驗不顯著，說明模型擬合度較高。

3.2.2 模型解釋 最終的Logistic回歸模型中自變量為流失耕地距城鎮(zhèn)用地距離、距主要道路距離和距主要河流距離（表2），說明這三個變量為2009—2012年耕地流失的主要影響因素。

根據(jù)Wald統(tǒng)計量，解釋變量的貢獻程度為距城鎮(zhèn)用地距離（21.084）大于距主要河流距離（11.057），大于距主要道路距離（7.923），說明解釋變量的重要性程度依次為距城鎮(zhèn)用地距離、距主要河流距離、距主要道路距離。

耕地流失過程中，第一個重要的解釋變量為距城鎮(zhèn)用地距離，模型中該變量的回歸系數(shù)為-1.312，表明耕地流失的概率隨著距城鎮(zhèn)用地距離的減小而增大，且距城鎮(zhèn)用地距離每減小1 km，耕地流失概率增大3.72倍?；貧w結(jié)果表明，距城鎮(zhèn)用地距離是耕地流失重要的影響因素之一，在景觀格局上表現(xiàn)為距城鎮(zhèn)用地越近，耕地流失概率越大。保定市高新開發(fā)區(qū)位于新市區(qū)內(nèi)，且東與北市區(qū)、南市區(qū)毗鄰，區(qū)域人口規(guī)模的增加、人口密度的增大、經(jīng)濟水平和人民收入的快速增長，都不斷刺激著新市區(qū)住房、交通和城市用地的擴張。新市區(qū)東部隨著高新開發(fā)區(qū)的發(fā)展耕地流失特別明顯。受城市集聚效應(yīng)的影響，城市建設(shè)用地多為連片擴張，導(dǎo)致城鎮(zhèn)周邊耕地更易流失，轉(zhuǎn)化為建設(shè)用地。

耕地流失過程中，第二個重要的解釋變量為距主要河流距離，模型中該變量的回歸系數(shù)為0.709，表明耕地流失的概率隨著距主要河流距離的增大而增大，且距主要河流距離每增加1 km，耕地流失概率增大0.49倍。回歸結(jié)果表明，距主要河流距離是耕地流失的重要因素之一，在景觀格局上表現(xiàn)為距主要河流越近，耕地流失概率越小。灌溉保證率是影響耕地生產(chǎn)力的重要因子之一，一畝泉河、侯河、白草溝河流經(jīng)新市區(qū)，保證農(nóng)田灌溉，距離水源越近則在同等質(zhì)量的情況下，產(chǎn)生的經(jīng)濟價值大于距水源地較遠地帶，由于利益驅(qū)逐，產(chǎn)生經(jīng)濟價值較少的耕地更容易流失。

耕地流失過程中，第三個重要的解釋變量為距主要道路距離，模型中該變量的回歸系數(shù)為-0.058，表明耕地流失的概率隨著距主要道路距離的減小而增大，且距主要道路距離每減小1 km，耕地流失概率增大1.06倍?；貧w結(jié)果表明，距主要道路距離是耕地流失的重要影響因素，在景觀格局上表現(xiàn)為距主要道路越近，耕地流失概率越大。交通道路為人類生產(chǎn)生活中的物質(zhì)流、能量流和信息流的獲取提供了一條全方位的聯(lián)結(jié)紐帶。主要道路周邊的土地，由于其交通便達性使其具有的很大的區(qū)位優(yōu)勢，工業(yè)用地選址時，為了其原料和產(chǎn)品運輸便捷，多在主要道路周邊進行建設(shè)；新增居民點也向主要道路周邊轉(zhuǎn)移，距離主要道路越近，農(nóng)村居民點用地的增加越多；交通基礎(chǔ)設(shè)施建設(shè)的迅猛發(fā)展也成為道路周邊耕地遭到占用的原因之一。

3.2.3 模型預(yù)測 Logistic回歸分析的結(jié)果可以用來計算耕地土壤質(zhì)量下降的概率，對耕地土壤質(zhì)量下降的風(fēng)險進行預(yù)測，模擬未來耕地土壤質(zhì)量變化趨勢。根據(jù)回歸結(jié)果，耕地土壤質(zhì)量下降的概率可以通過公式（4）進行計算。

P=exp（-0.665+0.709X1-0.058X2-1.312X3） （4）

式中，P為耕地流失的概率；X1為距主要河流距離；X2為距主要道路距離；X3為距城鎮(zhèn)用地距離。

通過計算耕地流失的概率得到了耕地流失風(fēng)險分布圖（圖5）。從圖5可知，高度風(fēng)險區(qū)主要集中在新市區(qū)、韓村鄉(xiāng)、頡莊鄉(xiāng)的城鎮(zhèn)用地周圍，這些鄉(xiāng)鎮(zhèn)城鎮(zhèn)化程度高，城鎮(zhèn)用地較多，城鎮(zhèn)擴張將給耕地帶來不小的壓力。中度風(fēng)險區(qū)主要集中于南奇鄉(xiāng)、大馬坊鄉(xiāng)、富昌鄉(xiāng)周邊，并沿主要道路呈現(xiàn)兩條帶狀分布，隨著城市化進程的加快，各重點產(chǎn)業(yè)的不斷發(fā)展，新企業(yè)的不斷涌入，原有工業(yè)園區(qū)和廠房的擴建及新廠房的建設(shè)，必將成為耕地流失的重要推手。低度風(fēng)險區(qū)一般距離城鎮(zhèn)和主要道路都較遠，且在主要河流附近分布較多，在快速的城鎮(zhèn)化、工業(yè)化進程中，距離河流較近為耕地提供充足的水源，這部分耕地最容易保留下來，繼續(xù)支持新市區(qū)現(xiàn)代農(nóng)業(yè)的發(fā)展。

4 結(jié)論與討論

4.1 結(jié)論

通過Logistic回歸分析研究表明，耕地流失過程主要受到城鎮(zhèn)、主要道路和主要河流三個景觀立地要素的影響。離城鎮(zhèn)用地和主要道路的距離越近，耕地流失的風(fēng)險越高，而離主要河流越近，耕地流失的風(fēng)險越低。貢獻程度為距城鎮(zhèn)用地距離（21.084）大于距主要河流距離（11.057），大于距主要道路距離（7.923）。

Logistic回歸分析與單因素相關(guān)性分析結(jié)合，不僅能很好的篩選出影響耕地流失的因素，而且定量化地描述了每個影響因素的重要性程度和影響力。兩者相互驗證更加確定了影響耕地變化的因素。同時利用Logistic回歸結(jié)果能對耕地流失概率進行計算，能對耕地流失風(fēng)險進行預(yù)測，模擬未來耕地變化情況，為土地利用規(guī)劃、基本農(nóng)田保護規(guī)劃與生態(tài)環(huán)境保護規(guī)劃提供科學(xué)指導(dǎo)和依據(jù)。

耕地流失高度風(fēng)險區(qū)主要集中在新市區(qū)、韓村鄉(xiāng)、頡莊鄉(xiāng)的城鎮(zhèn)用地周圍，這些鄉(xiāng)鎮(zhèn)城鎮(zhèn)化程度高，城鎮(zhèn)用地較多，城鎮(zhèn)擴張將給耕地帶來不小的壓力。中度風(fēng)險區(qū)主要集中于南奇鄉(xiāng)、大馬坊鄉(xiāng)、富昌鄉(xiāng)周邊，并沿主要道路呈現(xiàn)兩條帶狀分布，隨著城市化進程的加快，各重點產(chǎn)業(yè)的不斷發(fā)展，新企業(yè)的不斷涌入，原有工業(yè)園區(qū)和廠房的擴建及新廠房的建設(shè)，必將成為耕地流失的重要推手。低度風(fēng)險區(qū)一般距離城鎮(zhèn)和主要道路都較遠，且在主要河流附近分布較多，在快速的城鎮(zhèn)化、工業(yè)化進程中，距離河流較近為耕地提供充足的水源，這部分耕地最容易保留下來，繼續(xù)支持新市區(qū)現(xiàn)代農(nóng)業(yè)的發(fā)展。

4.2 討論

本研究對耕地數(shù)量變化的景觀立地要素驅(qū)動力進行分析，通過單因素相關(guān)性分析和Logistic回歸分析，定性和定量地分析了景觀立地要素驅(qū)動力的影響。但在指標(biāo)選取上，主要考慮了耕地在土地利用系統(tǒng)中的位置，以斑塊尺度的最近鄰距離為主要的分析指標(biāo)，因而在以后的研究中，可加入類型尺度、景觀尺度的相關(guān)指標(biāo)進行分析，以豐富驅(qū)動力指標(biāo)。同時，影響耕地數(shù)量的驅(qū)動力因素還有很多，本研究只針對景觀立地要素進行了分析，在以后的研究中，可以考慮納入更多的影響因素，如社會經(jīng)濟因素（如農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、人口密度、二三產(chǎn)業(yè)人口等）和自然地理因素（如地形地貌、土壤質(zhì)地和類型等），通過驅(qū)動力指標(biāo)體系的完善，更加準(zhǔn)確地對耕地數(shù)量的驅(qū)動力進行分析，模擬未來的耕地變化趨勢。

參考文獻：

[1] ERIKA L，ERIC F L，ANTHONY C J，et al. A synthesis of information of rapid land cover change during the period 1981-2000[J].Bioscience，2005，55（2）：115-212.

[2] JONATHAN A F， RUTH D F，GREGORY P A， et al. Globalconsequences of land use[J].Science，2005（309）：570-574.

[3] 肖麗群，陳 偉，吳 群，等.未來10 a長江三角洲地區(qū)耕地數(shù)量變化對區(qū)域糧食產(chǎn)能的影響——基于耕地質(zhì)量等別的視角[J].自然資源學(xué)報，2012（4）：565-576.

[4] 牛海鵬，張安錄.基于生態(tài)位理論的耕地數(shù)量變化驅(qū)動機制分析[J].資源科學(xué)，2008（10）：1533-1540.

[5] 陳會廣，崔 娟，陳江龍.常州市耕地數(shù)量變化驅(qū)動力機制及政策績效分析[J].資源科學(xué)，2009（5）：807-815.

[6] DENNIS O，EMILIO M，WILLIAM M，et al. GLP（2005） Science plan and implementation strategy[J].IGBP Report，2005，53（19）：127.

[7] 常 成，劉 霞，張光燦，等.蒙陰縣土地利用動態(tài)與耕地變化驅(qū)動力分析[J].中國水土保持科學(xué)，2010（1）：65-70.

[8] 張延軍，劉彥彤，李月芬.吉林省西部耕地動態(tài)變化及驅(qū)動力研究[J].中國農(nóng)學(xué)通報，2013（5）：92-96.

[9] 俞文政，曲福田，仙 珠，等.海晏縣耕地變化驅(qū)動力模型及因子分析[J].水土保持通報，2007（3）：65-68.

[10] 張鳳榮，薛永森，鞠正山，等.中國耕地的數(shù)量與質(zhì)量變化分析[J].資源科學(xué)，1998（5）：35-42.

[11] 趙其國，周生路，吳紹華，等.中國耕地資源變化及其可持續(xù)利用與保護對策[J].土壤學(xué)報，2006（4）：662-672.

[12] 李勁峰，李蓉蓉，杜桐生.江漢平原四湖地區(qū)耕地的數(shù)量與質(zhì)量變化分析[J].資源科學(xué)，2002（1）：40-44.

[13] 趙婷婷，姜廣輝，張鳳榮，等.大城市近郊縣域耕地保護預(yù)警方法[J].農(nóng)業(yè)工程學(xué)報，2010（1）：335-340.

[14] 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)動力分析[J].農(nóng)業(yè)工程學(xué)報，2012（20）：247-255.

[15] 楊云龍，周小成，吳 波.基于時空Logistic回歸模型的漳州城市擴展預(yù)測分析[J].地球信息科學(xué)學(xué)報，2011（3）：374-382.

[16] 謝花林.基于Logistic回歸模型的區(qū)域生態(tài)用地演變影響因素分析——以京津冀地區(qū)為例[J].資源科學(xué)，2011（11）：2063-2070.

[17] 陳利頂，劉 洋，呂一河，等.景觀生態(tài)學(xué)中的格局分析：現(xiàn)狀、困境與未來[J].生態(tài)學(xué)報，2008（11）：5521-5531.

[18] 蔡博峰，于 嶸.景觀生態(tài)學(xué)中的尺度分析方法[J].生態(tài)學(xué)報，2008（5）：2279-2287.