1992—2015年中亞五國LUCC特征及耕地驅動力研究*

韓海青, 王旭紅**, 牛林芝, 梁秀娟, 蔣曉輝, 譚竹婷

1992—2015年中亞五國LUCC特征及耕地驅動力研究*

韓海青1, 王旭紅1**, 牛林芝1, 梁秀娟1, 蔣曉輝1, 譚竹婷2

(1. 西北大學城市與環(huán)境學院/陜西省地表系統(tǒng)與環(huán)境承載力重點實驗室 西安 710127; 2. 湘潭大學土木工程與力學學院 湘潭 411100)

中亞五國地處亞歐大陸的中心地帶, 是“一帶一路”全球發(fā)展戰(zhàn)略中重要的沿線節(jié)點之一。借助GIS空間統(tǒng)計分析方法, 以歐洲太空局氣候變化項目全球土地覆蓋數(shù)據(jù)為基礎, 利用土地利用程度、動態(tài)度和轉移矩陣對中亞五國1992—2015年土地利用/覆蓋變化(LUCC)特征進行分析, 并運用地理探測器對耕地驅動力進行深入研究。結果表明: 1)1992—2015年, 中亞五國的土地利用格局總體上表現(xiàn)為耕地和城鎮(zhèn)用地持續(xù)增加, 林地、草地和水域呈減少的趨勢。耕地的增加主要來自林地(7.88萬km2)和草地(5.27萬km2)的轉入, 城鎮(zhèn)用地的增加主要來自耕地(0.50萬km2)的轉入, 耕地是僅次于城鎮(zhèn)用地增速較快、變化最為顯著的土地利用類型; 城鎮(zhèn)用地在各國均呈現(xiàn)增加的趨勢, 耕地除烏茲別克斯坦之外, 在其他4國均呈現(xiàn)增加的趨勢。2)1992—2015年中亞五國土地利用程度總體呈緩慢上升趨勢(土地利用程度綜合指數(shù)從1992年的193.34增加到2015年的197.41), 即土地利用處于發(fā)展階段; 土地利用程度為耕地>林地>草地>未利用地>水域>城鎮(zhèn)用地。3)地理探測器對耕地變化驅動因素的分析結果表明, 自然因素中年平均降水量對耕地變化的作用較為顯著, 但在短時間內社會和農業(yè)因素發(fā)揮決定性的作用;因子探測表明人口總數(shù)(0.882)和農村人口(0.881)對耕地擴張的影響力最大, 其次為糧食單產(0.746);交互探測表明各因子交互作用均為互相增強, 其中, 農村人口與糧食單產的疊加作用對耕地擴張的解釋力度最大(0.972), 影響耕地擴張的主要因素可歸納為人口增長和糧食單產提高。本研究可為中亞五國土地利用格局演變、區(qū)域土地利用規(guī)劃和土地資源可持續(xù)利用提供決策支持。

土地利用/覆蓋變化(LUCC); 耕地; 驅動力; 地理探測器; 中亞五國

中亞五國處于北半球大陸溫帶、暖溫帶地區(qū), 是亞洲大陸主要的干旱區(qū)[1]。地處青藏高原的西側, 帕米爾高原的西北角, 是生態(tài)環(huán)境十分脆弱的地區(qū)之一[2]。自1991年蘇聯(lián)解體后, 中亞五國相繼獨立, 經(jīng)濟和政治政策發(fā)生了重大變化, 導致土地利用發(fā)生了顯著的時空變化, 特別是近年來, 隨人口的增長和城鎮(zhèn)化進程的加快, 該地區(qū)的人地矛盾更加嚴重[3-4]。

土地利用與覆蓋變化(LUCC)是全球環(huán)境變化的關鍵研究內容, 亦是人與自然環(huán)境連接最緊密的紐帶[5-7]。自“土地利用/覆蓋變化”研究計劃實施以來[8-9], 國內外的學者們已在LUCC的動態(tài)變化、驅動力、環(huán)境效應、趨勢模擬與預測等方面做了大量研究[10]。其中, Gao等[11]研究了中國南方東江流域LUCC及背后驅動力, 以期輔助管理者規(guī)劃、設計和實施土地資源管理; Cui等[12]以中國干旱地區(qū)典型的內陸湖泊——博斯騰湖為研究對象, 分析LUCC對流域水質的影響; Batunacun等[13]以內蒙古錫林郭勒為研究區(qū), 發(fā)現(xiàn)該區(qū)LUCC格局以土地退化為主, 以此作為評價土地退化的基礎, 以便制定更好的防治土地退化的措施。中亞地區(qū)是“一帶一路”戰(zhàn)略中一條重要的沿線, “一帶一路”目的在于促進中國經(jīng)濟向全球化的方向發(fā)展, 而LUCC是決定區(qū)域經(jīng)濟發(fā)展至關重要的因素。同時, 在“一帶一路”戰(zhàn)略實施的過程中, 土地利用方式也會受到這一舉措的影響, 進而對生態(tài)環(huán)境和氣候造成影響。因此, 中亞地區(qū)LUCC監(jiān)測對內陸干旱區(qū)生態(tài)環(huán)境建設意義重大。近年來, 學者們對中亞地區(qū)的LUCC已做了一些研究。韓其飛等[14]利用UMD、GLC和GlobCover等多期遙感影像, 分析1981—2009年中亞地區(qū)LUCC的特征與趨勢, 并將人口、經(jīng)濟和政策等因素劃為LUCC的主要原因; 阿里木江·卡斯木等[15]利用1990—2000年Landsat TM/Landsat ETM+遙感影像, 闡述了中亞五國首都城市的時空擴展變化特征; 阮宏威等[16]以歐洲太空局氣候變化項目(Climate Change Initiative, CCI)土地覆蓋數(shù)據(jù)為研究數(shù)據(jù), 并結合蒸散發(fā)數(shù)據(jù), 探討了中亞五國1992—2015年在土地利用方面的動態(tài)變化, 分析了耕地與蒸散發(fā)的關系。

土地利用的驅動機制是揭示土地利用變化的重要途徑, 驅動力研究常用主成分分析方法、Logistic回歸模型和灰色關聯(lián)度分析法等方法。近年來, 地理探測器在解釋變量驅動力方面獲得廣泛使用, 該方法與傳統(tǒng)統(tǒng)計分析方法相比, 獨特之處在于方便易用, 對類別變量的處理不需要太多的線性假設[17]。另外, 當自變量為數(shù)值型變量時, 通過離散化將其轉化為類型量, 運用地理探測器建立的因變量與自變量之間的關系將比經(jīng)典回歸更加可靠[18]。該方法不僅可以應用在建成區(qū)擴張、人居環(huán)境滿意度等社會經(jīng)濟研究之中[19-20], 而且可以應用在凈初級生產力(NPP)時空格局演變、人口的空間分異性、石漠化空間分布等方面[21-23]?；诘乩硖綔y器的特性, 同樣適用于研究土地利用變化的空間分異性。

綜上所述, 對中亞五國LUCC的區(qū)域分異性和驅動機理, 特別是利用地理探測器對單一土地利用類型如耕地的變化驅動力的研究仍需加強。因此, 本文以中亞五國為研究區(qū), 利用GIS空間統(tǒng)計和地理探測器分析方法, 剖析了1992—2015年中亞五國LUCC的區(qū)域特征與耕地驅動力, 以期為實施“一帶一路”戰(zhàn)略以及中亞地區(qū)土地資源可持續(xù)利用提供借鑒。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)為中亞五國, 包括哈薩克斯坦、吉爾吉斯斯坦、塔吉克斯坦、土庫曼斯坦和烏茲別克斯坦。面積約400萬km2, 人口7249.94萬人, 地處46?29′47″~87?18′55″E, 35?07′43″~55?26′28″N (圖1)。西臨里海, 東接中國, 北至西伯利亞平原, 南與阿富汗為鄰[24]。地勢東南高, 西北低, 海拔-132~6250 m。地貌類型從東向西分別為高山、低山丘陵和平原。氣候類型是典型的溫帶沙漠、草原的大陸性氣候[25]。降水自西向東呈降低的趨勢, 且由西南至東北, 冬、春季降水較多, 夏季降水較少。年平均溫度較低, 且年內變化大, 年際變化明顯[26]。

圖1 研究區(qū)位置及范圍

Fig. 1 Location and scope of the study area

1.2 數(shù)據(jù)來源

土地利用數(shù)據(jù)源自CCI全球土地覆蓋產品(https://www.esa-landcover-cci.org/), 空間分辨率為300 m, 利用中亞五國的矢量數(shù)據(jù)邊界對數(shù)據(jù)進行裁剪獲得中亞柵格數(shù)據(jù)。CCI土地利用數(shù)據(jù)包括22種土地利用類型, 參照Globcover土地覆蓋分類系統(tǒng), 將其重分類為城鎮(zhèn)用地、耕地、林地、草地、水域和未利用地(表1)。氣溫和降水等自然因素數(shù)據(jù)采用全球陸地數(shù)據(jù)同化系統(tǒng)GLDAS(https://disc.gsfc.nasa.gov/hydrology), 選擇Noah陸地表面模型L4月均(0.25°×0.25°)V2.0和V2.1產品, 其中氣溫采用V2.0 (1992—1999年)和V2.1 (2000—2015年)的數(shù)據(jù)集, 降水采用V2.0 (1992—2014年)的數(shù)據(jù)集。高程數(shù)據(jù)選用SRTM (https://earthexplorer.usgs.gov/), 空間分辨率為90 m; 社會經(jīng)濟數(shù)據(jù)來自世界銀行網(wǎng)站(https://data.worldbank.org.cn/)和聯(lián)合國糧農組織數(shù)據(jù)庫(http://www.fao.org/faostat/zh/#home)。

表1 中亞五國土地利用與土地覆蓋類型重分類

2 研究方法

2.1 土地利用變化分析方法

2.1.1 土地利用動態(tài)度

指研究區(qū)內某一土地利用類型在一定時期內數(shù)量上的變化[27], 公式如下:

式中:為土地利用動態(tài)度,UU為研究初期和末期某一地類的面積(萬km2),為時長(年)。

2.1.2 土地利用程度

土地利用程度是表征人類活動對土地生態(tài)系統(tǒng)干擾的程度[28]。根據(jù)劉紀遠提出的綜合分析方法[28], 土地利用按照土地自然綜合體的平衡狀態(tài)被分為4級, 并賦予指數(shù)(表2), 利用土地利用程度變化量反映土地利用的發(fā)展情況, 公式如下:

式中:LL為、時間的土地利用程度綜合指數(shù),ΔL為其變化量;CC為、時間某地類的面積占比;A為分級指數(shù);為土地利用程度分級數(shù)。若ΔL>0, 則土地利用為發(fā)展期, 反之, 為調整期或衰退期。

表2 土地利用類型及分級表

2.2 驅動力分析方法

2.2.1 探測指標體系

通過借鑒相關文獻, 再結合指標的可獲得性, 文中選取統(tǒng)計數(shù)值(社會經(jīng)濟、農業(yè)因素)和格網(wǎng)數(shù)據(jù)(自然因素)作為進行地理探測的空間分析數(shù)據(jù)源, 所構建的指標體系如表3所示。

表3 中亞五國土地利用/覆蓋變化驅動力分析的指標體系

2.2.2 離散化處理

離散化能夠有效減少時間復雜度, 克服因子間的單位差別[29]。其中, 降水和氣溫的年平均值, 利用自然間斷法被離散為6個級別(圖2), 在地理探測器驗證得到的統(tǒng)計值最大, 分類效果最好。海拔高度劃分為4類: 0~200 m、200~500 m、500~1000 m、>1000 m。社會經(jīng)濟和農業(yè)因素在SPSS軟件中進行離散化處理[30], 分為5類。然后, 利用“創(chuàng)建漁網(wǎng)”工具, 對研究區(qū)進行規(guī)則格網(wǎng)劃分, 設置格網(wǎng)大小為100 km×100 km, 剔除無值的點值, 最終生成1471個采樣點。

2.2.3 地理探測器

地理探測器是一種具有風險、因子、生態(tài)、交互4個層次分析方法的空間分析模型。其中, 因子探測主要用來識別影響因變量的自變量, 而交互探測是用來判斷不同自變量同時作用于因變量時, 其作用效果是增強或減弱[18,31], 交互類型如表4所示。因子探測用統(tǒng)計量來度量, 其取值范圍為0~1, 表示自變量解釋了100′%的因變量, 值越大解釋能力越強。計算公式如下:

圖2 1992—2015年中亞五國降水(a)和氣溫(b)分級

Fig. 2 Classification of precipitation (a) and temperature (b) in the five Central Asian countries from 1992 to 2015

表4 交互探測器交互作用類型

3 結果與分析

3.1 中亞五國土地利用的時空變化

在1992—2015年間, 中亞五國的土地利用在時間和空間上產生了顯著變化, 總體上表現(xiàn)為耕地面積和城鎮(zhèn)用地面積持續(xù)增加(耕地平均每年增加6099.41 km2, 城鎮(zhèn)用地平均每年增加330.53 km2); 水域面積逐年減少(平均每年減少1568.05 km2); 林地面積雖先減后增(大致以2002年為界), 但總體上減少了3.4萬km2; 草地面積表現(xiàn)為減少(1992—2003年)—增加(2004—2008年)—減少(2008—2015年), 而總體上減少了2.22萬km2(圖3a)。從中亞各國來看, 各國的土地利用類型變化趨勢既具有一致性又具有差異性, 城鎮(zhèn)用地面積在各國中均呈現(xiàn)增加的趨勢, 其中, 在烏茲別克斯坦面積增加最快, 平均每年增加151.41 km2; 耕地面積僅在烏茲別克斯坦總體上呈現(xiàn)減少的趨勢, 其他4國均呈現(xiàn)增加的趨勢(其中在哈薩克斯坦耕地面積增加最快, 平均每年增加6028.2 km2); 而草地面積在各國的變化恰好與耕地相反; 林地僅在哈薩克斯坦總體上表現(xiàn)為減少的趨勢(平均每年減少2203.53 km2); 水域在吉爾吉斯斯坦和塔吉克斯坦呈現(xiàn)增加的趨勢且平均每年面積增加較緩慢, 在其他3國呈現(xiàn)減少的趨勢, 其中在哈薩克斯坦減少最快, 平均每年減少845.39 km2(圖3b-3f)。

在空間上, 耕地主要分布在哈薩克斯坦北部的圖爾蓋臺地, 其擴張也主要體現(xiàn)在哈薩克斯坦北部區(qū)域; 林地和草地主要分布在里海沿岸低地和哈薩克丘陵, 草地還有少部分分布在塔吉克斯坦和吉爾吉斯斯坦的高山區(qū)域; 水域主要包括河流、湖泊和冰雪融水, 其中咸海南湖湖泊面積呈萎縮減少的態(tài)勢[32]; 城鎮(zhèn)用地的面積最小, 主要分布在中亞五國的北部和東南部, 其擴張集中在東南部區(qū)域(圖4)。

3.2 土地利用轉移分析

土地利用轉移矩陣是描述土地利用類型之間相互轉換的數(shù)量和轉移的方向[28]。通過轉移矩陣分析, 1992—2015年, 中亞五國各土地利用類型顯然存在著轉移關系(表5)。其中, 耕地以轉入為主, 林地和草地是主要的輸入類型, 分別轉入7.88萬km2和5.27萬km2; 耕地亦有轉出地類, 其中0.50萬km2轉為城鎮(zhèn)用地。未利用地以轉出為主, 林地(4.58萬km2)和草地(1.93萬km2)是其主要轉出類型。水域有3.07萬km2轉為未利用地。但各國土地利用類型的轉移情況存在明顯差異, 其中, 哈薩克斯坦耕地以轉入為主, 主要來自林地和草地的轉入, 共轉入12.66萬km2, 林地和草地分別轉出9.66萬km2和5.89萬km2, 未利用地也有部分轉出為林地和草地, 水域有1.55萬km2轉出為未利用地, 城鎮(zhèn)用地主要是來自耕地的轉入; 吉爾吉斯斯坦耕地和林地主要來自草地的轉入, 未利用地主要轉出為草地, 水域面積保持不變, 城鎮(zhèn)用地主要來自耕地和草地的轉入; 塔吉克斯坦耕地主要來自草地的轉入, 林地主要來自草地和未利用地的轉入, 水域面積保持不變, 城鎮(zhèn)用地全部來自耕地的轉入; 土庫曼斯坦耕地和林地主要來自未利用地的轉入, 草地也有部分轉出為耕地, 城鎮(zhèn)用地主要來自耕地的轉入; 烏茲別克斯坦耕地主要轉出為城鎮(zhèn)用地、林地和草地, 而林地和草地更大部分是由未利用地轉化而來, 未利用地增加的面積主要來自水域的轉入, 城鎮(zhèn)用地主要來自耕地的轉入, 另外一部分是來自草地的轉入。

3.3 土地利用動態(tài)度分析

通過圖4分析, 1992—2015年中亞五國城鎮(zhèn)用地面積增加最快, 年均增加率為11.56%; 耕地次之, 年均增加率為0.69%; 而林地、草地、未利用地和水域呈減少的趨勢?？傮w上看, 城鎮(zhèn)用地和耕地是中亞五國變化最為顯著的土地利用類型。從各時段來看, 中亞五國耕地和城鎮(zhèn)用地在各時段均呈現(xiàn)增加趨勢, 其中耕地在1995—2000年增長率最快, 年均增長率達1.97%, 遠高于其他時段。而城鎮(zhèn)用地在2000—2005年增加速率最快, 達19.70%; 水域在各時段內均呈現(xiàn)減少的趨勢, 草地僅在2000—2005年有緩慢的增加, 而林地僅在2005—2010年和2010—2015年有緩慢的增加(圖5a)。

表5 中亞五國1992－2015年各時期土地利用轉移矩陣

對于中亞各國來說, 城鎮(zhèn)用地面積在各時段內均呈現(xiàn)增長的趨勢, 而且在2000—2005年間年均增長率最大, 其中吉爾吉斯斯坦的城鎮(zhèn)用地在2000—2005年間年均增長率又遠高于其他幾個國家, 達116.10% (圖5c)。但是, 耕地等其他土地利用類型在五國中變化情況不同。其中, 哈薩克斯坦耕地面積在各時段內均呈現(xiàn)增長的趨勢, 在1995—2000年年均增加率最大, 為2.76% (圖5b); 吉爾吉斯斯坦耕地面積僅在最近的2010—2015年有緩慢的下降; 塔吉克斯坦耕地面積僅在2010—2015年有下降的趨勢; 土庫曼斯坦耕地面積僅在1992—1995年呈現(xiàn)下降的趨勢; 土庫曼斯坦耕地面積僅在1992—1995年呈下降的趨勢。土庫曼斯坦林地面積在各時段內均呈現(xiàn)增長的趨勢, 是五國中唯一的在各時段內林地面積持續(xù)增長的國家, 其他土地利用類型不再贅述。

3.4 土地利用程度變化分析

1992—2015年中亞五國土地利用程度總體上呈緩慢上升的趨勢, 表明土地利用處于發(fā)展階段。其中耕地的土地利用程度均為最大, 林地次之, 城鎮(zhèn)用地最小。從單一土地利用類型來看, 呈現(xiàn)不同的變化態(tài)勢。其中, 耕地和城鎮(zhèn)用地呈現(xiàn)增加的趨勢, 即都在不同程度上處于發(fā)展期, 而林地、水域、草地與之相反, 呈衰退趨勢(圖6)。

從中亞各國來看, 哈薩克斯坦、塔吉克斯坦、吉爾吉斯斯坦和土庫曼斯坦土地利用程度均處于發(fā)展階段。其中, 吉爾吉斯斯坦土地利用程度居五國之首, 2015年達216.73, 耕地的增加是導致其在五國中呈現(xiàn)最高值的主要因素。哈薩克斯坦次之, 僅有烏茲別克斯坦土地利用程度處于衰退階段, 與耕地的衰退密切相關。由此可見, 耕地是反映中亞五國土地利用發(fā)展階段的重要指標。對于除耕地外的土地利用類型來說, 城鎮(zhèn)用地在中亞各國中均處于發(fā)展期, 而林地、草地和水域的土地利用程度在各國發(fā)展情況不同。其中, 哈薩克斯坦的水域和草地處于衰退期, 林地以2005年為界, 土地利用程度先降后升, 但整體上低于研究初期。

3.5 耕地變化的驅動力分析

土地利用變化的過程極其復雜, 受很多因素制約, 其中最重要的是自然因素和社會經(jīng)濟因素的影響[33]。從中亞五國1992—2015年的土地利用變化來看, 耕地是土地利用變化最為顯著的類型之一, 而且耕地的數(shù)量與生活保障、環(huán)境保護等關系重大, 保障耕地面積一直是土地管理的重要工作[34-35]。因此, 以耕地為例從中亞五國整體的角度, 利用地理探測器對其驅動力進行分析。

3.5.1 自然因素探測結果及分析

1)因子探測結果。用因子探測器定量探測自然因素對耕地擴張的作用強度, 以1992年、2005年和2015年3個時段的因子探測值來說明(表6), 各因子對耕地面積擴張的作用強度排序均為: 年平均降水量>年平均氣溫>海拔高度, 表明對中亞五國而言, 年平均降水量對耕地面積變化的作用最為明顯。通過一元線性回歸方程分析(圖7), 24年間(1992—2015年), 中亞五國年均氣溫呈升高趨勢(增速為0.076 ℃?a?1), 降水整體上表現(xiàn)出增加趨勢(增速為1.074 mm?a?1)。降水量是影響農作物生長非常重要的自然條件, 中亞五國年平均降水量呈逐年增長趨勢且降水集中在冬、春季, 這期間是冬小麥()、玉米()和水稻()等農作物種植和生長的時間, 因此降水量的增加有利于農作物的生長, 而且氣溫升高能給農作物提供更多的熱量, 這些對于農作物生長有利的自然環(huán)境變化是耕地擴張的動力。

表6 1992—2015年中亞五國不同時期各自然因子對耕地變化的作用強度

“**”表示達<0.01顯著水平?！?*” represents significance at<0.01 level.

2)交互探測結果。以2015年的結果(表7)為例(1992年和2005年的結果與其作用方式相同), 各因子交互作用均為互相增強, 說明各因素間具有明顯的關聯(lián)性與協(xié)調性。其中海拔高度對耕地面積擴張的解釋力度最小, 但海拔高度制約氣溫、降水等自然因素的變化, 與這些因素共同作用時, 均呈現(xiàn)非線性增強, 尤其與年平均降水量共同作用時, 解釋力度較大。

表7 2015年中亞五國各自然因子交互探測結果

年降水量和年平均氣溫交互探測結果滿足min[(1),(2)]<(1∩2)(1)+(2), 所以各因子交互作用均為互相增強。The interactive detection results of annual precipitation and annual mean temperature meet the requirement of min [(1),(2)]<(1∩2)(1)+(2); so the interaction of each factor is mutually enhanced.

3.5.2 社會經(jīng)濟因素探測結果及分析

1)因子探測結果。各社會經(jīng)濟、農業(yè)因素單獨作用對耕地面積擴張均具有一定的影響(表8), 其中人口總數(shù)和農村人口對耕地面積擴張的影響力最大,值分別為0.882和0.881; 其次為糧食單產,值為0.746; 農業(yè)增加值對耕地面積擴張的影響力最小, 為0.499, 略接近于50%; 其余因子對耕地面積擴張的影響力較強。上述研究結果表明: 人口因素是該地區(qū)耕地面積擴張的主要原因之一, 中亞地區(qū)以灌溉農業(yè)為主, 自1992年以來, 隨著中亞五國總人口的持續(xù)增加(總人口增加1701.2萬人), 農村人口也在逐年上升, 致使人均灌溉面積不斷減少, 促使中亞五國不斷開墾灌溉耕地, 來滿足農村人口對生產與生活的需求; 其次, 糧食單產是導致該地區(qū)耕地面積擴張的另一主要原因, 中亞五國以谷物種植為主, 包括大麥()、小麥、水稻和土豆()等, 各國小麥的種植面積占比較高, 糧食單產在波動變化中呈逐年增長的趨勢, 其單產的提高是一個良好的變化趨勢推動著耕地面積擴張, 一方面來應對人口增加帶來的對糧食更大的需求, 另一方面可用于出口。

表8 1992—2015年中亞五國各社會經(jīng)濟因素對耕地變化的作用強度

2)交互探測結果。各因素耦合疊加均為雙因子增強(表9), 其中農村人口與糧食單產疊加后對耕地面積擴張的解釋力度最大, 達0.972, 人口總數(shù)與糧食單產疊加后的解釋力度次之,值最小的農業(yè)增加值與其他因子疊加后解釋力度也有明顯的增強, 其中農業(yè)增加值與農村人口疊加后的解釋力度較大, 為0.888, 表明這些社會經(jīng)濟因子并不是獨立影響耕地變化, 共同作用于耕地時影響作用更強。

表9 1992—2015年中亞五國各社會經(jīng)濟因素對耕地變化影響的交互探測結果

總體而言, 影響耕地變化的各方面因素相比, 在短時間內社會和農業(yè)因素發(fā)揮決定作用, 影響中亞五國耕地面積擴張的主要因素歸納為人口增長和糧食單產提高。

4 討論

4.1 基于降水分區(qū)的中亞五國耕地變化自然驅動力研究

以上的討論主要是按行政界線來劃分區(qū)域的。中亞作為干旱區(qū), 降水的區(qū)域差異性必然對耕地變化產生一定的制約作用。因此, 按降水量差異來劃分區(qū)域, 能更清晰地揭示耕地變化的驅動力。根據(jù)已有的研究成果[36], 中亞五國按照降水的空間差異被劃分為5個區(qū)域(圖8), 年平均降水量大小為Ⅳ區(qū)(336.21 mm)>Ⅱ區(qū)(276.74 mm)>Ⅰ區(qū)(249.93 mm)> Ⅴ區(qū)(154.79 mm)>Ⅲ區(qū)(127.54 mm)。如圖8所示, 在各降水分區(qū)中, 耕地面積由多到少排序為Ⅱ區(qū)>Ⅳ區(qū)>Ⅰ區(qū)>Ⅴ區(qū)>Ⅲ區(qū), 可見耕地分布與區(qū)域降水量多寡具有明顯的一致性。其中, 耕地面積在Ⅰ區(qū)、Ⅱ區(qū)、Ⅲ區(qū)和Ⅴ區(qū)主要呈現(xiàn)增長的趨勢, 而在Ⅳ區(qū)呈現(xiàn)先增長、后減少(以2005年為界)的趨勢。這是由于Ⅰ區(qū)和Ⅱ區(qū)地處哈薩克斯坦北部的丘陵、平原地區(qū), 氣候條件相對較好, 降水量較多, 有利于耕地的擴張[16]。Ⅲ區(qū)即荒漠區(qū), 降水稀少, 其耕地卻有緩慢增加的趨勢, 可能原因是除降水影響外, 其他水量補給因素如引水灌溉, 耕地多沿河分布[16]。Ⅳ區(qū)即吉爾吉斯斯坦區(qū), 包括哈薩克斯坦東南、吉爾吉斯斯坦和塔吉克斯坦, 年均降水量較多, 但由于地處天山山地和帕米爾高原區(qū), 受到地形因素的限制, 不利于耕地的開發(fā), 導致其耕地有減少的趨勢。Ⅴ區(qū)地處土庫曼斯坦, 年均降水量較少, 引水灌溉是促進耕地增長的主要因素。

以2015年為例, 按照降水分區(qū)探討降水量、氣溫和海拔高度3類自然因子對各分區(qū)耕地變化的綜合影響, 因子探測結果表明(表10), 在Ⅰ區(qū)和Ⅱ區(qū)中年平均氣溫對耕地變化的影響力較大, 而在Ⅲ、Ⅳ和Ⅴ區(qū)中年平均降水量對耕地變化的影響力較大, 由于各分區(qū)的氣候和地形條件不同, 不同的自然因子對各分區(qū)耕地變化的影響力度存在差異。

表10 2015年中亞五國各降水分區(qū)自然因素對耕地變化的作用強度(地理探測器q值)的變化趨勢

Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ分區(qū)參見圖8。Ⅰ, Ⅱ, Ⅲ, Ⅳ and Ⅴ zones are shown in the Fig. 8.

4.2 CCI土地覆蓋數(shù)據(jù)不確定性分析

CCI全球土地覆蓋數(shù)據(jù)是包含所有土地利用類型的、連續(xù)的、長時間序列的數(shù)據(jù)產品, 它利用5個觀測系統(tǒng)的全球日地表反射來獲得長時間系列的陸地覆蓋, 旨在隨著時間的推移保持良好的一致性。經(jīng)地面參考數(shù)據(jù)驗證, 總體精度為74.4%[37], 準確率較高。Li等[38]已利用CCI全球土地覆蓋數(shù)據(jù)研究中亞土地覆蓋類型的動態(tài)變化過程。本文利用CCI土地覆蓋數(shù)據(jù), 在原22種土地利用類型的基礎上, 參照前人的研究成果重新分類為6種主要土地利用類型, 研究其連續(xù)的土地利用格局變化, 具有可行性。

本文僅從中亞五國整體的角度研究耕地面積擴張的驅動因素, 但中亞五國地域廣闊, 社會經(jīng)濟基礎和發(fā)展狀況各國有所不同, 區(qū)域之間存在著明顯的差異, 這是未來研究的重要方向。

5 結論

以中亞五國為研究區(qū), 利用土地利用程度、動態(tài)度和轉移矩陣分析中亞五國1992—2015年LUCC特征, 并從自然、社會、經(jīng)濟和農業(yè)4個維度選取9個指標來構建指標體系, 采用地理探測器分析耕地的驅動力。主要結論如下:

1)1992—2015年間, 中亞五國的土地利用變化主要為耕地和城鎮(zhèn)用地的持續(xù)增加, 水域的持續(xù)減少, 林地、草地則呈下降態(tài)勢。耕地的增加主要來自林地和草地, 城鎮(zhèn)用地的增加主要來自耕地。這說明人類活動對該地區(qū)土地利用格局的變化有很大影響, 該地區(qū)在未來的土地利用規(guī)劃中要考慮保護林、草地等。

2)土地利用動態(tài)度分析結果表明, 城鎮(zhèn)用地面積增加最快, 耕地次之, 二者成為中亞五國變化最為劇烈的土地利用類型, 由此可見該地區(qū)在城市擴張的同時, 也保證了耕地的數(shù)量, 滿足了人口增加對耕地的需求, 這對于人口的增長來說, 具有積極的影響。耕地作為一種可再生資源, 既為城市發(fā)展提供生長空間, 還為人類提供糧食需求, 在土地決策制定中必須把保證耕地數(shù)量放在重要的位置上。

3)1992—2015年中亞五國土地利用程度總體上呈緩慢上升的趨勢。其中, 處于發(fā)展期的是耕地和城鎮(zhèn)用地, 而林地、草地和水域與之相反。對于中亞各國來說, 除烏茲別克斯坦外, 其他4國土地利用程度均處于發(fā)展階段, 以吉爾吉斯斯坦土地利用程度最高。

4)基于地理探測器模型分析, 在短期內社會和農業(yè)因素對耕地面積變化起決定性作用, 各影響因子交互作用均為互相增強, 主要影響因素可以歸納為人口增長和糧食單產提高兩個方面。通過對影響LUCC的社會經(jīng)濟和農業(yè)因素的深入了解, 可以為未來相關決策制定提供參考。

[1] 胡汝驥, 姜逢清, 王亞俊, 等. 中亞(五國)干旱生態(tài)地理環(huán)境特征[J]. 干旱區(qū)研究, 2014, 31(1): 1?12 HU R J, JIANG F Q, WANG Y J, et al. Arid ecological and geographical conditions in five countries of Central Asia[J]. Arid Zone Research, 2014, 31(1): 1?12

[2] 陳曦, 羅格平, 吳世新, 等. 中亞干旱區(qū)土地利用與土地覆被變化[M]. 北京: 科學出版社, 2015: 21?25CHEN X, LUO G P, WU S X, et al. Land Use/Cover Change in Arid Land of Central Asia[M]. Beijing: Science Press, 2015: 21?25

[3] 楊勝天, 于心怡, 丁建麗, 等. 中亞地區(qū)水問題研究綜述[J]. 地理學報, 2017, 72(1): 79?93YANG S T, YU X Y, DING J L, et al. A review of water issues research in Central Asia[J]. Acta Geographica Sinica, 2017, 72(1): 79?93

[4] 范彬彬, 羅格平, 胡增運, 等. 中亞土地資源開發(fā)與利用分析[J]. 干旱區(qū)地理, 2012, 35(6): 928?937 FAN B B, LUO G P, HU Z Y, et al. Land resource development and utilization in Central Asia[J]. Arid Land Geography, 2012, 35(6): 928?937

[5] LIU J Y, KUANG W H, ZHANG Z X, et al. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014, 24(2): 195?210

[6] REN Y J, LYU Y H, FU B J, et al. Driving factors of land change in China’s Loess Plateau: Quanti?cation using geographically weighted regression and management implications[J]. Remote Sensing, 2020, 12(3): 453

[7] SHEN G, YANG X C, JIN Y X, et al. Land use changes in the Zoige Plateau based on the object-oriented method and their effects on landscape patterns[J]. Remote Sensing, 2020, 12(1): 14

[8] NING J, LIU J Y, KUANG W H, et al. Spatiotemporal patterns and characteristics of land-use change in China during 2010–2015[J]. Journal of Geographical Sciences, 2018, 28(5): 547?562

[9] GAO X Y, CHENG W M, WANG N, et al. Spatio-temporal distribution and transformation of cropland in geomorphologic regions of China during 1990–2015[J]. Journal of Geographical Sciences, 2019, 29(2): 180?196

[10] 張麗, 楊國范, 劉吉平. 1986~2012年撫順市土地利用動態(tài)變化及熱點分析[J]. 地理科學, 2014, 34(2): 185?191ZHANG L, YANG G F, LIU J P. The dynamic changes and hot spots of land use in Fushun City from 1986 to 2012[J]. Scientia Geographica Sinica, 2014, 34(2): 185?191

[11] GAO C J, ZHOU P, JIA P, et al. Spatial driving forces of dominant land use/land cover transformations in the Dongjiang River watershed, Southern China[J]. Environmental Monitoring and Assessment, 2016, 188(2): 188

[12] CUI H, ZHOU X D, GUO M J, et al. Land use change and its effects on water quality in typical inland lake of arid area in China[J]. Journal of Environmental Biology, 2016, 37(4): 603?609

[13] BATUNACUN, NENDEL C, HU Y F, et al. Land-use change and land degradation on the Mongolian Plateau from 1975 to 2015 — A case study from Xilingol, China[J]. Land Degradation & Development, 2018, 29(6): 1595?1606

[14] 韓其飛, 羅格平, 白潔, 等. 基于多期數(shù)據(jù)集的中亞五國土地利用/覆蓋變化分析[J]. 干旱區(qū)地理, 2012, 35(6): 909?918HAN Q F, LUO G P, BAI J, et al. Characteristics of land use and cover change in Central Asia in recent 30 years[J]. Arid Land Geography, 2012, 35(6): 909?918

[15] 阿里木江·卡斯木, 唐兵, 安瓦爾·買買提明. 基于遙感數(shù)據(jù)的中亞五國城市時空擴展變化研究[J]. 人文地理, 2012, 27(4): 83?87ALIMUJIANG K, TANG B, ANWAER M. Study on spatio-temporal dynamics of urban expansion in five Central Asian cities based on remote sensing data[J]. Human Geography, 2012, 27(4): 83?87

[16] 阮宏威, 于靜潔. 1992—2015年中亞五國土地覆蓋與蒸散發(fā)變化[J]. 地理學報, 2019, 74(7): 1292?1304RUAN H W, YU J J. Changes in land cover and evapotranspiration in the five Central Asian countries from 1992 to 2015[J]. Acta Geographica Sinica, 2019, 74(7): 1292?1304

[17] 呂晨, 藍修婷, 孫威. 地理探測器方法下北京市人口空間格局變化與自然因素的關系研究[J]. 自然資源學報, 2017, 32(8): 1385?1397LYU C, LAN X T, SUN W. A study on the relationship between natural factors and population distribution in Beijing using geographical detector[J]. Journal of Natural Resources, 2017, 32(8): 1385?1397

[18] 王勁峰, 徐成東. 地理探測器: 原理與展望[J]. 地理學報, 2017, 72(1): 116?134 WANG J F, XU C D. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116?134

[19] JU H R, ZHANG Z X, ZUO L J, et al. Driving forces and their interactions of built-up land expansion based on the geographical detector — A case study of Beijing, China[J]. International Journal of Geographical Information Science, 2016, 30(11): 2188?2207

[20] 湛東升, 張文忠, 余建輝, 等. 基于地理探測器的北京市居民宜居滿意度影響機理[J]. 地理科學進展, 2015, 34(8): 966?975ZHAN D S, ZHANG W Z, YU J H, et al. Analysis of influencing mechanism of residents’ livability satisfaction in Beijing using geographical detector[J]. Progress in Geography, 2015, 34(8): 966?975

[21] 潘洪義, 黃佩, 徐婕. 基于地理探測器的岷江中下游地區(qū)植被NPP時空格局演變及其驅動力研究[J]. 生態(tài)學報, 2019, 39(20): 7621?7631PAN H Y, HUANG P, XU J. The spatial and temporal pattern evolution of vegetation NPP and its driving forces in middle-lower areas of the Min River based on geographical detector analyses[J]. Acta Ecologica Sinica, 2019, 39(20): 7621?7631

[22] 李佳洺, 陸大道, 徐成東, 等. 胡煥庸線兩側人口的空間分異性及其變化[J]. 地理學報, 2017, 72(1): 148?160LI J M, LU D D, XU C D, et al. Spatial heterogeneity and its changes of population on the two sides of Hu Line[J]. Acta Geographica Sinica, 2017, 72(1): 148?160

[23] 王正雄, 蔣勇軍, 張遠囑, 等. 基于GIS與地理探測器的巖溶槽谷石漠化空間分布及驅動因素分析[J]. 地理學報, 2019, 74(5): 1025?1039WANG Z X, JIANG Y J, ZHANG Y Z, et al. Spatial distribution and driving factors of karst rocky desertification based on GIS and geodetectors[J]. Acta Geographica Sinica, 2019, 74(5): 1025?1039

[24] CHEN X, BAI J, LI X Y, et al. Changes in land use/land cover and ecosystem services in Central Asia during 1990–2009[J]. Current Opinion in Environmental Sustainability, 2013, 5(1): 116?127

[25] ZHU X, WEI Z G, DONG W J, et al. Dynamical downscaling simulation and projection for mean and extreme temperature and precipitation over Central Asia[J]. Climate Dynamics, 2020, 54(7/8): 3279?3306

[26] 徐婷, 邵華, 張弛. 近32a中亞地區(qū)氣溫時空格局分析[J]. 干旱區(qū)地理, 2015, 38(1): 25?35 XU T, SHAO H, ZHANG C. Temporal pattern analysis of air temperature change in Central Asia during 1980–2011[J]. Arid Land Geography, 2015, 38(1): 25?35

[27] GAO P, NIU X, WANG B, et al. Land use changes and its driving forces in hilly ecological restoration area based on GIS and RS of northern China[J]. Scientific Reports, 2015, 5: 11038

[28] 秦富倉, 周佳寧, 劉佳, 等. 內蒙古多倫縣土地利用動態(tài)變化及驅動力[J]. 干旱區(qū)資源與環(huán)境, 2016, 30(6): 31?37QIN F C, ZHOU J N, LIU J, et al. Land use change dynamics and driving forces in Duolun County, Inner Mongolia[J]. Journal of Arid Land Resources and Environment, 2016, 30(6): 31?37

[29] 王莉紅, 張軍民. 基于地理探測器的綠洲城鎮(zhèn)空間擴張驅動力分析——以新疆石河子市為例[J]. 地域研究與開發(fā), 2019, 38(4): 68?74WANG L H, ZHANG J M. Driving force analysis of spatial expansion of oasis towns based on geographical detectors: Take Shihezi City in Xinjiang as an example[J]. Areal Research and Development, 2019, 38(4): 68?74

[30] 徐超璇, 魯春霞, 黃紹琳. 張家口地區(qū)生態(tài)脆弱性及其影響因素[J]. 自然資源學報, 2020, 35(6): 1288?1300 XU C X, LU C X, HUANG S L. Study on ecological vulnerability and its influencing factors in Zhangjiakou area[J]. Journal of Natural Resources, 2020, 35(6): 1288?1300

[31] CAO F, GE Y, WANG J F. Optimal discretization for geographical detectors-based risk assessment[J]. GIScience & Remote Sensing, 2013, 50(1): 78?92

[32] 李均力, 陳曦, 包安明. 2003—2009年中亞地區(qū)湖泊水位變化的時空特征[J]. 地理學報, 2011, 66(9): 1219?1229 LI J L, CHEN X, BAO A M. Spatial-temporal characteristics of lake level changes in Central Asia during 2003-2009[J]. Acta Geographica Sinica, 2011, 66(9): 1219?1229

[33] LIU Y Q, LONG H L. Land use transitions and their dynamic mechanism: The case of the Huang-Huai-Hai Plain[J]. Journal of Geographical Sciences, 2016, 26(5): 515?530

[34] 趙銳鋒, 王福紅, 張麗華, 等. 黑河中游地區(qū)耕地景觀演變及社會經(jīng)濟驅動力分析[J]. 地理科學, 2017, 37(6): 920?928ZHAO R F, WANG F H, ZHANG L H, et al. Dynamic of farmland landscape and its socioeconomic driving forces in the middle reaches of the Heihe River[J]. Scientia Geographica Sinica, 2017, 37(6): 920?928

[35] KANG C, ZHANG Y L, PAUDEL B, et al. Exploring the factors driving changes in farmland within the Tumen/Tuman River Basin[J]. International Journal of Geo-Information, 2018, 7(9): 352

[36] 陳發(fā)虎, 黃偉, 靳立亞, 等. 全球變暖背景下中亞干旱區(qū)降水變化特征及其空間差異[J]. 中國科學: 地球科學, 2011, 41(11): 1647?1657CHEN F H, HUANG W, JIN L Y, et al. Spatiotemporal precipitation variations in the arid Central Asia in the context of global warming[J]. Science China Earth Sciences, 2011, 41(11): 1647?1657

[37] TSENDBAZAR N E, DE BRUIN S, FRITZ S, et al. Spatial accuracy assessment and integration of global land cover datasets[J]. Remote Sensing, 2015, 7(12): 15804–15821

[38] LI W, MACBEAN N, CIAIS P, et al. Gross and net land cover changes in the main plant functional types derived from the annual ESA CCI land cover maps (1992–2015)[J]. Earth System Science Data, 2018, 10(1): 219?234

The land-use and land-cover change characteristics and driving forces of cultivated land in Central Asian countries from 1992 to 2015*

HAN Haiqing1, WANG Xuhong1**, NIU Linzhi1, LIANG Xiujuan1, JIANG Xiaohui1, TAN Zhuting2

(1. College of Urban and Environmental Sciences, Northwest University / Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Xi’an 710127, China; 2. College of Civil Engineering and Mechanics, Xiangtan University, Xiangtan 411100, China)

Five countries located in the center of Eurasian continent (i.e., Central Asian countries) are important nodes along the Belt and Road Initiative, a global development strategy launched by China. The Central Asian countries’ land-use and land-cover change (LUCC) characteristics from 1992 to 2015 were analyzed. The European Space Agency Climate Change Initiative global land cover data were used to determine the land-use degree, dynamic attitude, and transfer matrix by geographic information system (GIS) spatial analysis, and the driving force of cultivated land was explored using geographical detectors. The results showed that in the Central Asian countries, the area of cultivated and urban lands continuously increased, and that of forests, grasslands, and water areas decreased. Forests (7.88×104km2) and grasslands (5.27×104km2) were converted into cultivated land, and cultivated land (0.50×104km2) was converted into urban areas. The transfer between land-use types was country-specific (e.g., cultivated land was created from forests and grasslands in Kazakhstan, Kyrgyzstan, and Tajikistan and from unused land in Turkmenistan; cultivated land became urban areas in Uzbekistan) and closely associated with human activities. Urban land had the highest growth rate in all countries, followed by cultivated land (except in Uzbekistan), and cultivated land was the most variable land-use type. The land-use degree slowly increased (comprehensive index of land use degree was 193.34 in 1992, 197.41 in 2015), indicating that land-use was in the development stage. Land-use types ranked as follows (by land-use degree): cultivated lands > forests > grasslands > unused lands > water areas > urban lands. The driving forces for cultivated land changes were analyzed using geographical detectors and showed that the annual average precipitation had a significant effect. Social and agricultural factors also played a decisive role in the short term. The total population and rural population had the greatest influence on cultivated land expansion, followed by the per unit area grain yield. Interactive detection showed that interactions between factors were mutually reinforcing. In particular, super-positioning rural population and crop production index explained cultivated land expansion. The primary factors affecting cultivated land expansion were population growth and agricultural production improvement. These results are useful for planning sustainable land use in Central Asian countries.

Land-use and land-cover change (LUCC); Cultivated land; Driving force; Geodetector; Five Central Asian countries

10.13930/j.cnki.cjea.200406

韓海青, 王旭紅, 牛林芝, 梁秀娟, 蔣曉輝, 譚竹婷. 1992—2015年中亞五國LUCC特征及耕地驅動力研究[J]. 中國生態(tài)農業(yè)學報(中英文), 2021, 29(2): 325-339

HAN H Q, WANG X H, NIU L Z, LIANG X J, JIANG X H, TAN Z T. The land-use and land-cover change characteristics and driving forces of cultivated land in Central Asian countries from 1992 to 2015[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 325-339

F301.2

* 中國科學院戰(zhàn)略性先導科技專項(XDA2004030201)、國家自然科學基金項目(41971387, 41071271)和陜西省自然科學基礎研究計劃(2020JM-430)資助

王旭紅, 研究方向為環(huán)境遙感。E-mail: jqy_wxh@nwu.edu.cn

韓海青, 研究方向為土地利用/覆蓋變化。E-mail: hanhaiqing@stumail.nwu.edu.cn

2020-06-01

2020-09-14

* The study was supported by the Strategic Priority Research Program of Chinese Academy of Sciences (XDA2004030201), the National Natural Science Foundation of China (41971387, 41071271) and the Basic Research Program of Natural Science of Shaanxi Province (2020JM-430).

, E-mail: jqy_wxh@nwu.edu.cn

Jun. 1, 2020;

Sep. 14, 2020