1980—2020年安徽省土地利用時(shí)空演化特征

黃安東， 趙明松， 郜敏， 王世航

(1.安徽理工大學(xué)空間信息與測(cè)繪工程學(xué)院， 淮南 232001； 2.土壤與農(nóng)業(yè)可持續(xù)發(fā)展國(guó)家重點(diǎn)實(shí)驗(yàn)室(中國(guó)科學(xué)院南京土壤研究所)， 南京 210008； 3.礦山采動(dòng)災(zāi)害空天地協(xié)同監(jiān)測(cè)與預(yù)警安徽省教育廳重點(diǎn)實(shí)驗(yàn)室， 淮南 232001； 4.礦區(qū)環(huán)境與災(zāi)害協(xié)同監(jiān)測(cè)煤炭行業(yè)工程研究中心， 淮南 232001)

土地利用反映了人類(lèi)與自然界相互影響與交互作用最直接和最密切的關(guān)系，對(duì)土地利用/覆被變化(land use/cover change，LUCC)驅(qū)動(dòng)機(jī)制的研究對(duì)理解其變化特征及制定相關(guān)的土地利用發(fā)展策略有重要意義[1]，LUCC與全球環(huán)境變化和可持續(xù)發(fā)展的關(guān)系是研究的核心問(wèn)題[2]。國(guó)內(nèi)外許多學(xué)者采用遙感(remote sensing，RS)和地理信息系統(tǒng)(geographic information system，GIS)技術(shù)對(duì)研究區(qū)域土地利用進(jìn)行分類(lèi)研究并分析了其演變規(guī)律[3-4]。目前關(guān)于LUCC的研究方向主要集中在：土地利用空間格局演變及其驅(qū)動(dòng)因素，如于成龍等[5]基于土壤和水文評(píng)估工具(soil and water assessment tool,SWAT)模型等方法研究了西遼河流域自然人為因素對(duì)濕地變化的驅(qū)動(dòng)效應(yīng)；謝毅等[6]研究表明，2000—2016 年安徽省土地城市化和人口密度及各社會(huì)經(jīng)濟(jì)因子之間的交互作用對(duì)人口和土地城市化耦合發(fā)展起主導(dǎo)作用。基于模型的未來(lái)土地利用變化模擬預(yù)測(cè)，如Liu等[7]提出了未來(lái)土地利用模擬(future land-use simulation，F(xiàn)LUS)模型，通過(guò)耦合人為和自然效應(yīng)來(lái)模擬多種土地利用場(chǎng)景，對(duì)多種場(chǎng)景下未來(lái)土地利用狀態(tài)的預(yù)測(cè)獲得了良好結(jié)果；趙冬玲等[8]利用CA-Markov模型整合多種土地轉(zhuǎn)移因子進(jìn)行模擬，驗(yàn)證了該模型的可靠性，并對(duì)區(qū)域尺度未來(lái)10 年土地利用變化趨勢(shì)做出預(yù)測(cè)。土地利用變化的生態(tài)效應(yīng)分析，如張鵬巖等[9]研究結(jié)果表明：黃河下游地區(qū)地均生態(tài)系統(tǒng)服務(wù)價(jià)值持續(xù)降低，高值和低值的空間分異明顯，且受到自然和社會(huì)經(jīng)濟(jì)因素的共同影響。

以往對(duì)土地利用歷史變化的研究，多著眼于各時(shí)期土地利用空間格局變化過(guò)程中的某些指數(shù)進(jìn)行分析，只回答了過(guò)程中的“數(shù)量”問(wèn)題，未能通過(guò)“點(diǎn)”上的時(shí)間維度變化過(guò)程來(lái)描述區(qū)域時(shí)空演變特征并探究土地利用過(guò)程累積量空間分布背后的驅(qū)動(dòng)因素[10]。土地利用變化是一個(gè)眾多驅(qū)動(dòng)力作用下的系統(tǒng)，具有結(jié)構(gòu)變異性和演化復(fù)雜性[11]。運(yùn)用統(tǒng)計(jì)模型模擬未來(lái)土地利用變化的難點(diǎn)在于處理變化過(guò)程中的空間變量，大區(qū)域尺度土地利用類(lèi)型變化的驅(qū)動(dòng)力 (自然、人類(lèi)活動(dòng)和政策驅(qū)動(dòng)等)存在較強(qiáng)的交互作用和地理變異性[12]；空間模型如CA模型有較強(qiáng)的空間計(jì)算的能力，可以根據(jù)土地利用轉(zhuǎn)化規(guī)律對(duì)土地利用單元局部狀態(tài)改變進(jìn)行預(yù)測(cè)模擬，但是仍缺少對(duì)時(shí)空過(guò)程定量描述的能力[13]。

本研究以安徽省土地利用分布時(shí)間序列數(shù)據(jù)為研究對(duì)象，基于土地利用變化Sankey圖、單一和綜合動(dòng)態(tài)度分析、空間聚類(lèi)分析、地理探測(cè)器等方法，兼顧了LUCC研究中“格局”與“過(guò)程”兩個(gè)重要路線，圍繞安徽省土地利用的變化強(qiáng)度、空間模式以及驅(qū)動(dòng)因素三個(gè)關(guān)鍵問(wèn)題進(jìn)行分析討論。通過(guò)分析土地利用類(lèi)型轉(zhuǎn)換量、動(dòng)態(tài)度探討了安徽省近40 年土地利用空間特征變化的一般規(guī)律和時(shí)空差異性，即土地利用格局的變化；通過(guò)對(duì)土地利用程度變化累積量分布特征的分析揭示了安徽省土地利用變化強(qiáng)度的空間聚集特征，即土地利用變化的格局；對(duì)土地利用變化強(qiáng)度各驅(qū)動(dòng)因素交互作用的定量分析揭示了自然與社會(huì)因子在不同范圍上的作用強(qiáng)度和作用方式。研究從多個(gè)維度綜合考慮，對(duì)安徽省土地利用時(shí)空演化特征進(jìn)行了全面的刻畫(huà)，可為安徽省土地利用規(guī)劃與可持續(xù)發(fā)展提供科學(xué)參考。

1 材料與方法

1.1 研究區(qū)概況

安徽省(114°54′E～119°37′E、29°41′N(xiāo)～34°38′N(xiāo))位于中國(guó)華東地區(qū)，總面積約14萬(wàn)km2，地處長(zhǎng)江、淮河流域中下游，淮河南北分別屬暖溫帶半濕潤(rùn)季風(fēng)氣候和亞熱帶濕潤(rùn)季風(fēng)氣候；地勢(shì)由平原、丘陵、山地構(gòu)成；地跨淮河、長(zhǎng)江、錢(qián)塘江三大水系，河流約2 000 余條，境內(nèi)湖泊約580 個(gè)，總面積約1 750 km2。全省由北至南分為五個(gè)地理區(qū)域：淮北平原、江淮丘陵地、沿江平原區(qū)、皖西大別山區(qū)和皖南丘陵山區(qū)；主要土壤類(lèi)型有水稻土、砂姜黑土、紅壤、潮土等[14]。安徽省是長(zhǎng)三角一體化重大戰(zhàn)略中的重要部分，經(jīng)濟(jì)建設(shè)占比逐漸增大，但高速化發(fā)展中帶來(lái)的土地合理利用及生態(tài)環(huán)境保護(hù)問(wèn)題同樣需要重視。

1.2 數(shù)據(jù)來(lái)源與數(shù)據(jù)處理

本文中數(shù)據(jù)來(lái)源如下：①安徽省1980年、1995年、2000年、2005年、2010年、2015年1∶10萬(wàn)土地利用數(shù)據(jù)來(lái)源于國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn)；②安徽省2020年土地利用數(shù)據(jù)(30 m分辨率)，2010年GDP和人口空間數(shù)據(jù)、2013年夜間燈光數(shù)據(jù)(night light data，NLD)、2010年凈第一性生產(chǎn)力(net primary productivity， NPP)空間數(shù)據(jù)(1 000 m分辨率)來(lái)自中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)；③SRTM_DEM數(shù)字高程模型數(shù)據(jù)(90 m分辨率)來(lái)源于地理空間數(shù)據(jù)云(http://www.gscloud.cn)，在ArcGIS中提取坡度信息；④安徽省主要城市和道路分布數(shù)據(jù)來(lái)自O(shè)penStreetMap平臺(tái)(https://www.openstreetmap.org/)，在IDRISI 17.0中提取距城市中心距離和距主要道路距離信息。

將以上空間數(shù)據(jù)統(tǒng)一為100 m分辨率的柵格數(shù)據(jù)。將土地利用類(lèi)型按照土地資源分類(lèi)系統(tǒng)編碼，分為耕地、林地、草地、水域、建設(shè)用地、未利用地6大類(lèi)。

1.3 研究方法

1.3.1 土地利用動(dòng)態(tài)度

(1)單一土地利用動(dòng)態(tài)度。研究一定時(shí)間內(nèi)某種土地利用類(lèi)型的數(shù)量變化情況，可定量描述土地利用變化的速度，其表達(dá)式為[15]

(1)

式(1)中：K為研究時(shí)段內(nèi)某一土地利用類(lèi)型動(dòng)態(tài)度；Ua和Ub分別為研究期初及研究期末某一種土地利用類(lèi)型的面積；T為研究時(shí)段。當(dāng)T定義為年時(shí)，K就是該研究區(qū)域某種土地利用類(lèi)型年變化率。

(2)綜合土地利用動(dòng)態(tài)度。定量描述研究區(qū)土地利用類(lèi)型變化的劇烈程度，計(jì)算公式為

(2)

式(2)中：LUi為監(jiān)測(cè)起始時(shí)間第i類(lèi)土地利用類(lèi)型面積；ΔLUi，j為監(jiān)測(cè)時(shí)段第i類(lèi)土地利用類(lèi)型轉(zhuǎn)化為其他土地利用類(lèi)型的面積總和；T為研究時(shí)段；LC為T(mén)時(shí)段對(duì)應(yīng)的研究區(qū)土地利用變化速率。當(dāng)T設(shè)定為年時(shí),LC的值表示該研究區(qū)土地利用的年變化率[16]。

1.3.2 土地利用變化累積量采樣方法

根據(jù)陳萬(wàn)旭等[17]采用的土地利用程度分級(jí)方法，將未利用地賦值1，林地、草地和水域賦值2，耕地賦值3，建設(shè)用地賦值4，得到各時(shí)期安徽省土地利用程度數(shù)據(jù)。采用“像元尺度上各相鄰時(shí)期之間土地利用程度變化絕對(duì)值之和”這一指標(biāo)來(lái)描述1980—2020年像元等級(jí)上土地利用變化累積量(cumulative value of land use change，CVLUC)，達(dá)到將時(shí)間維度壓縮的目的[13]。然后根據(jù)研究區(qū)情況，采用3 000 m×3 000 m規(guī)則格網(wǎng)對(duì)CVLUC進(jìn)行采樣，將每個(gè)格網(wǎng)內(nèi)所有像元的值的平均值賦予格網(wǎng)中心，計(jì)算方法為

(3)

式(3)中：Cm為采樣點(diǎn)的空間格網(wǎng)平均CVLUC；n為規(guī)則格網(wǎng)內(nèi)柵格數(shù)；i，j為研究期；Li和Lj分別為第i期和第j期土地利用程度等級(jí)。

得到CVLUC空間平均要素集[圖1(a)]后，采用K-means聚類(lèi)對(duì)要素集進(jìn)行分類(lèi)，使得每一類(lèi)型內(nèi)土地利用演化單元之間的 CVLUC差異最小。聚類(lèi)結(jié)果顯示：三種類(lèi)型Cm取值范圍分別為0～0.256 5、0.256 5～0.669 4、0.669 4～2.695 8[圖1(b)]。

圖1 1980—2020年安徽省CVLUC空間平均要素集及聚類(lèi)結(jié)果Fig. 1 The CVLUC spatial average element set and clustering results of Anhui Province from 1980 to 2020

1.3.3 Getis-Ord General G聚類(lèi)方法

Getis-Ord General G聚類(lèi)是對(duì)空間高值或低值聚類(lèi)程度進(jìn)行統(tǒng)計(jì)的常用手段，可針對(duì)指定的研究區(qū)域測(cè)量高值或低值的密度[18]，其計(jì)算公式為

(4)

式(4)中：xi和xj為樣本i和j的屬性值；wij為i和j之間的空間權(quán)重；n為數(shù)據(jù)集中樣本的個(gè)數(shù)；?i≠j表示樣本i和j為兩個(gè)不同樣本。

定義G值的z得分計(jì)算方法為

(5)

(6)

V(G)=E(G2)-E(G)2

(7)

Getis-Ord General G和空間自相關(guān)的零假設(shè)是樣本具有完全空間隨機(jī)性，在數(shù)據(jù)集的要素中值是隨機(jī)分布的。用p表示所觀測(cè)的空間模式是由隨機(jī)過(guò)程創(chuàng)建而成的概率，當(dāng)p很小時(shí)，意味著隨機(jī)過(guò)程下不太可能產(chǎn)生所觀測(cè)的空間模式(小概率事件)，可以拒絕零假設(shè)。Getis-Ord General G聚類(lèi)的z得分的解釋與普通空間自相關(guān)的z得分的解釋有所差別：當(dāng)p顯著且z得分為正值時(shí)，在空間自相關(guān)中代表高值或低值的空間分布在空間上聚類(lèi)的程度要高于預(yù)期，而在Getis-Ord General G聚類(lèi)中代表數(shù)據(jù)集中高值的空間分布與預(yù)期的空間分布相比在空間上的聚類(lèi)程度更高。

1.3.4 多距離空間聚類(lèi)(Ripley’sK函數(shù))

基于Ripley’sK函數(shù)的多距離空間聚類(lèi)分析是分析事件點(diǎn)空間模式的一種常用方法。區(qū)別于一些傳統(tǒng)分析方法(如空間自相關(guān)、最鄰近距離分析)，該方法的特征是可對(duì)一定距離范圍內(nèi)的空間相關(guān)性(要素聚類(lèi)或要素?cái)U(kuò)散)進(jìn)行匯總，研究多個(gè)距離和空間比例下空間模式的變化，Ripley’sK函數(shù)可用于描述CVLUC要素的空間聚集或擴(kuò)散在不同尺度下是如何變化的[19]。原始的Ripley’sK函數(shù)為

(8)

式(8)中：n為要素總數(shù)；r表示空間尺度；Ir為空間長(zhǎng)度指數(shù)；uij表示點(diǎn)i和點(diǎn)j之間的距離；當(dāng)uij≤r時(shí)，Ir(uij)=1，當(dāng)uij>r時(shí)，Ir(uij)=0；而在實(shí)際的應(yīng)用中，通常執(zhí)行的是K函數(shù)的一種常見(jiàn)變換，稱(chēng)為L(zhǎng)(d)，即

(9)

式(9)中：d為距離；A代表要素的總面積；Kij為權(quán)重。如果沒(méi)有邊校正，當(dāng)i與j之間的距離小于d時(shí)，Kij=1，反之Kij=0，在L(d) 變換下，“預(yù)期值”K等于“距離”。

比較各個(gè)測(cè)量距離下K觀測(cè)值和K預(yù)期值，如果前者大于后者，則在該距離尺度下的分布相比隨機(jī)分布的聚類(lèi)程度更高。如果前者小于后者，則與該距離的隨機(jī)分布相比，該分布的離散程度更高。通過(guò)在研究區(qū)域中多次進(jìn)行分布隨機(jī)點(diǎn)并計(jì)算該分布的K值來(lái)構(gòu)建置信區(qū)間，將這些點(diǎn)分布多次之后，對(duì)每個(gè)距離選擇相對(duì)“預(yù)期”K值向上和向下偏離最大的K值，這些值將成為置信區(qū)間。如果K觀測(cè)值大于置信區(qū)間上限值，則該距離的空間聚類(lèi)具有統(tǒng)計(jì)顯著性，反之則該距離的空間離散具有統(tǒng)計(jì)顯著性。

1.3.5 地理探測(cè)器

地理探測(cè)器(geographic detector)由王勁峰等[20]提出，用于探測(cè)空間分異性，揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法。其主要思想是假設(shè)自變量對(duì)因變量的影響程度和他們的空間分布應(yīng)該具有相似性，即假設(shè)土地利用累積變化量受某一影響因素的作用而變化，則土地利用累積變化量與該影響因素的空間分布類(lèi)似。地理探測(cè)器采用q值衡量影響因子對(duì)土地利用累積變化量的解釋力，q值計(jì)算公式為

(10)

地理探測(cè)器可評(píng)價(jià)各驅(qū)動(dòng)因子對(duì)CVLUC的影響程度以及每?jī)身?xiàng)環(huán)境因子共同作用下的的交互影響程度，主要應(yīng)用了因子探測(cè)和交互探測(cè)器，因子探測(cè)器通過(guò)計(jì)算各影響因素的q值，對(duì)比分析各驅(qū)動(dòng)因子對(duì)生態(tài)環(huán)境質(zhì)量解釋力的大小，并利用p值對(duì)結(jié)果的顯著性進(jìn)行檢驗(yàn)；交互探測(cè)器用于分析兩影響因素是否存在交互作用或是否獨(dú)立，通過(guò)比較單個(gè)影響因素的q值和2個(gè)影響因素交互作用的q值可將交互作用的類(lèi)型分為5類(lèi)，如表1所示。

表1 地理探測(cè)器因子交互作用類(lèi)型

本研究中選取的CVLUC驅(qū)動(dòng)因子有：地形因子2 個(gè)：高程(digital elevation model，DEM)、坡度(SLOPE)；社會(huì)因子5 個(gè)：距城市中心距離(distance to city，DIS_CITY)、距主要道路距離(distance to primary road，DIS_PROAD)、2010年GDP(gross domestic product of 2021，GDP2010)、2010年人口(total population of 2010，TPOP2010)、2013年NLD；生態(tài)因子1 個(gè)：2010年NPP。以上數(shù)據(jù)為空間柵格數(shù)據(jù)，按照CVLUC空間平均要素集點(diǎn)位置進(jìn)行提取，并按照20%、40%、60%、80%分位數(shù)間隔將各因子轉(zhuǎn)換為分組數(shù)據(jù)，作為地理探測(cè)器的自變量輸入。

2 結(jié)果與分析

2.1 土地利用變化分析

圖2為安徽省土地利用Sankey圖[21]，描述了1980—2020年土地面積在各類(lèi)型之間的流向。1980—2020年安徽省耕地、林地面積總體呈下降趨勢(shì)，草地、水域、建設(shè)用地、未利用地呈增加趨勢(shì)。2020年安徽省耕地、林地、草地、水域、建設(shè)用地和未利用地面積分別占安徽省總面積的55.37%、22.91%、5.94%、5.24%、10.53%、0.02%。安徽省淮河平原區(qū)、沿江平原區(qū)分別占據(jù)全省面積30%和25%，為耕地的廣泛分布提供了條件；其次便是林地和草地，安徽省林地和草地主要分布在海拔較高、地勢(shì)起伏較大的皖西大別山區(qū)和皖南丘陵區(qū)；隨著改革開(kāi)放以來(lái)安徽經(jīng)濟(jì)的快速發(fā)展，建設(shè)用地面積在1980—2020年40年間增加了35%，這個(gè)變化在安徽省主要城市十分顯著。

圖2 1980—2020年安徽省土地利用變化Sankey圖Fig.2 Sankey diagram of land use change of Anhui Province from 1980 to 2020

安徽省耕地面積在不斷縮減，其中2005—2010年減少量最大，為1 581.18 km2，占同期耕地總面積的1.9%；向建設(shè)用地的轉(zhuǎn)出在耕地面積轉(zhuǎn)出量中占據(jù)主導(dǎo)地位，研究期內(nèi)累計(jì)有8 212 km2的耕地轉(zhuǎn)換為建設(shè)用地，占耕地轉(zhuǎn)出總量的68%；在朝向耕地的轉(zhuǎn)入中，各種地類(lèi)在不同時(shí)期都占據(jù)過(guò)主導(dǎo)地位，說(shuō)明在自然發(fā)展?fàn)顟B(tài)下較為穩(wěn)定的一些地類(lèi)(如林地、草地)在人為作用影響下，轉(zhuǎn)換也會(huì)變得活躍起來(lái)。

分析安徽省水田、旱地和其他地類(lèi)間轉(zhuǎn)換(圖3)發(fā)現(xiàn)：①安徽省水田和旱地均呈減少趨勢(shì)，1980—2020年間分別減少5.4%和3.8%；②水田與其他地類(lèi)之間的相互轉(zhuǎn)換活躍程度普遍高于旱地，原因是安徽省南北發(fā)展存在差異，導(dǎo)致多分布于南部地區(qū)的水田受城市擴(kuò)張等人為活動(dòng)影響更劇烈；③1980—2020水田和旱地轉(zhuǎn)換未見(jiàn)有整體規(guī)律，因水田旱地的相互轉(zhuǎn)換比較復(fù)雜，取決于人文(種植傳統(tǒng)、生產(chǎn)效益、政策調(diào)整等)和自然條件(氣候變化、自然災(zāi)害等)多種因素。

圖3 1980—2020年安徽省水田、旱地、其他地類(lèi)轉(zhuǎn)換量Fig.3 Conversion of paddy field, dry field and other land types in Anhui Province from 1980 to 2020

建設(shè)用地面積2005—2010年增長(zhǎng)率在整個(gè)研究期內(nèi)最高，達(dá)到15.8%，表明這一時(shí)期城鎮(zhèn)化發(fā)展速度顯著提升。建設(shè)用地和耕地間的相互轉(zhuǎn)換通常是所有土地利用類(lèi)型之間的轉(zhuǎn)換中轉(zhuǎn)換量最大的兩種類(lèi)型，耕地占補(bǔ)平衡等政策的推進(jìn)是重要原因，1980—1995年轉(zhuǎn)換量最高的是耕地向建設(shè)用地的轉(zhuǎn)換，面積約為348 km2，而其他地類(lèi)間轉(zhuǎn)換量均不超過(guò)10 km2，造成這種現(xiàn)象的原因是這一時(shí)期建設(shè)用地需求快速增加，且耕地保護(hù)政策仍不完善，2005—2010年耕地向建設(shè)用地轉(zhuǎn)移量比建設(shè)用地向耕地多1 654.5 km2，成為這一時(shí)期建設(shè)用地面積增長(zhǎng)的重要原因。其他地類(lèi)向建設(shè)用地的轉(zhuǎn)換在研究期內(nèi)是逐漸增加的，而建設(shè)用地向其他地類(lèi)的轉(zhuǎn)移量逐漸減少。

林地和草地總面積在研究期內(nèi)比較穩(wěn)定，總體呈略微減少趨勢(shì)。林地的主要轉(zhuǎn)入來(lái)源是耕地和草地，2000—2005年林地面積有少量增長(zhǎng)，這一時(shí)期其它地類(lèi)向林地的轉(zhuǎn)移均顯著大于林地向相應(yīng)地類(lèi)的轉(zhuǎn)出，原因是1999年開(kāi)始安徽省積極響應(yīng)國(guó)家推行植樹(shù)造林、退耕還林的政策號(hào)召[22]。各個(gè)時(shí)期耕地和林地都是草地的主要轉(zhuǎn)入來(lái)源，草地1995—2005年和2015—2020年主要轉(zhuǎn)出為耕地和林地，其余時(shí)期向各地類(lèi)的轉(zhuǎn)出比較平均。

水域面積總體朝增長(zhǎng)方向發(fā)展，但變化量并不大，1980—2020年共增長(zhǎng)2.4%。未利用地的面積呈逐漸增多態(tài)勢(shì)，但都占比很少，有相當(dāng)一部分來(lái)源于耕地的污染破壞或拋荒。

2.2 土地利用動(dòng)態(tài)度

由1980—2020年土地利用動(dòng)態(tài)度(表2)可以得出：①2005—2010年、2015—2020年每個(gè)地類(lèi)的單一動(dòng)態(tài)度并不顯著高于其他時(shí)期，但綜合動(dòng)態(tài)度很高，說(shuō)明這兩個(gè)時(shí)期內(nèi)各地類(lèi)的相互轉(zhuǎn)換較其余各時(shí)期更為劇烈；②建設(shè)用地動(dòng)態(tài)度多數(shù)時(shí)期內(nèi)在各土地類(lèi)型中占據(jù)首位(除未利用地外)，說(shuō)明安徽省近年來(lái)城鎮(zhèn)化建設(shè)發(fā)展速度十分可觀，2005—2015年建設(shè)用地?cái)U(kuò)張迅速，兩期動(dòng)態(tài)度分別為3.15%和1.83%；③耕地雖然變化量很大，但其面積基數(shù)較大，動(dòng)態(tài)度變化并不明顯，與建設(shè)用地加速擴(kuò)張對(duì)應(yīng)，耕地的縮減速度加快同樣發(fā)生在2005—2015年；相反，未利用地雖然變化量不大，但由于其總量很小，因此各時(shí)期動(dòng)態(tài)度差別很大；④除水域在2000—2005年增加1.17%外，林地、草地、水域三種類(lèi)型在40年間動(dòng)態(tài)度都很低，較其他地類(lèi)穩(wěn)定性高。

表2 1980—2020年土地利用動(dòng)態(tài)度

2.3 CVLUC空間聚類(lèi)分析

分別對(duì)CVLUC空間平均要素集總體和K-means聚類(lèi)得到的各個(gè)類(lèi)型進(jìn)行Getis-Ord General G聚類(lèi)，結(jié)果如表3所示，可以看出，四種要素集合下Getis-Ord General G聚類(lèi)都通過(guò)了顯著性水平為0.01的檢驗(yàn)，z得分均為正值，代表總體和各類(lèi)型水平下都有依高值聚集的趨勢(shì)?？傮wz得分要顯著高于3種類(lèi)型的z得分，說(shuō)明CVLUC空間平均要素集總體具有很高的高值空間聚集性，安徽省土地利用的劇烈轉(zhuǎn)換通常是發(fā)生在一些特定的且密集的區(qū)域內(nèi)，K-means聚類(lèi)之后，各類(lèi)型的CVLUC也具有一定的程度的高值空間聚集性，但各類(lèi)型z得分均不高且差異不明顯，聚類(lèi)達(dá)到了顯著減小類(lèi)型間差異的目的。類(lèi)型1要素均值最小，在三種類(lèi)型中包含要素最多，且z得分最低，說(shuō)明安徽省土地利用程度變化平緩區(qū)域所占比重很大，其分布相比劇烈變化區(qū)域分散程度較高。

表3 Getis-Ord General G聚類(lèi)結(jié)果

對(duì)三種類(lèi)型的要素進(jìn)行了Ripley’sK函數(shù)多距離空間聚類(lèi)，結(jié)果如圖4所示。三種類(lèi)型的觀測(cè)K值均位于多次分布隨機(jī)點(diǎn)構(gòu)建的置信區(qū)間之上，三種類(lèi)型的聚集分布呈現(xiàn)統(tǒng)計(jì)顯著性；在類(lèi)型1和2水平上，預(yù)測(cè)K值與觀測(cè)K值在各個(gè)相同測(cè)量距離下的差值隨測(cè)量距離的增加都呈現(xiàn)先增后減的趨勢(shì)，說(shuō)明此兩種類(lèi)型在空間上隨著距離的增加，聚集程度會(huì)相應(yīng)增加，隨后在距離更遠(yuǎn)處趨向均勻分布，類(lèi)型3在多距離空間上聚集程度變化并不明顯，但在各距離上的聚集程度都要高于前兩種類(lèi)型，表明土地利用程度的劇烈變化時(shí)空聚集程度較平緩變化要高，且前者的聚集特征受觀測(cè)尺度變化的影響小于后者。

圖4 三種類(lèi)型的Ripley’s K函數(shù)多距離空間聚類(lèi)結(jié)果Fig.4 Results of multi-distance spatial cluster analysis (Ripley’s K function) under three types

2.4 CVLUC驅(qū)動(dòng)因子分析

對(duì)CVLUC驅(qū)動(dòng)因子的探測(cè)結(jié)果(表4)顯示：各因子q值均不高。但都通過(guò)了顯著性檢驗(yàn)，因子間q值存在差異，可以反映出各類(lèi)因子對(duì)安徽省CVLUC的解釋程度的差異，其中q值最高的是NLD因子，可以解釋近20%的CVLUC空間分異，NLD涵蓋了交通道路、居民地等與人口、城市等因子分布密切相關(guān)的信息，可作為人類(lèi)活動(dòng)強(qiáng)度的表征；q值最低的是NPP，只對(duì)CVLUC空間分異有約6.4%的解釋力，NPP表征的是陸地生態(tài)過(guò)程，可見(jiàn)陸地生態(tài)發(fā)展態(tài)勢(shì)與LUCC變化劇烈程度的相關(guān)性并不強(qiáng)。其余因子的q值介于0.07～0.1。

表4 因子探測(cè)器結(jié)果

對(duì)各因子的交互探測(cè)結(jié)果如圖5所示，本研究中所選擇的因子兩兩之間對(duì)CVLUC的交互作用均表現(xiàn)為增強(qiáng)，其中TPOP2010與NPP、DIS_PROAD與NPP呈非線性增強(qiáng)，其余因子間表現(xiàn)為雙因子增強(qiáng)作用， LUCC變化是一個(gè)復(fù)雜、系統(tǒng)的過(guò)程，各因子對(duì)LUCC變化的影響作用不是簡(jiǎn)單、獨(dú)立的，這一過(guò)程受各類(lèi)因子交互式的影響，且因子間是互補(bǔ)、互促的。

生態(tài)過(guò)程自身雖對(duì)CVLUC空間分異影響不大，但與社會(huì)和地形因子結(jié)合對(duì)CVLUC的改變發(fā)揮了積極作用；NLD與其他各因子的交互作用在所有交互作用中占據(jù)主導(dǎo)地位，其中與高程和坡度因子的交互作用最高，q值分別達(dá)到0.241 9和 0.239 8，NLD因子與其他幾種社會(huì)因子存在著一定的相關(guān)性，但又不完全相同，在對(duì)CVLUC的影響作用中存在相互重合的部分，易造成因子交互作用類(lèi)型和效果的冗余，相比之下NLD本身受地形因素的影響較少，二者搭配可以更好地解釋CVLUC空間分異，由此也可以得出社會(huì)和地形因素的交互式增進(jìn)作用是LUCC的劇烈變化的重要?jiǎng)恿Α?/p>

LUCC的變化包括自然狀態(tài)下的改變和人為作用下的改變，各個(gè)社會(huì)因子本質(zhì)上體現(xiàn)的是人類(lèi)活動(dòng)強(qiáng)度這一綜合因子，與之密切相關(guān)的是城鎮(zhèn)化速度、經(jīng)濟(jì)活力、交通能力、人口聚集程度等，同時(shí)地形因子影響了人類(lèi)活動(dòng)的適宜程度，生態(tài)因子NPP是估算地球支持能力和評(píng)價(jià)陸地生態(tài)系統(tǒng)可持續(xù)發(fā)展的指標(biāo)，一定程度表征了生態(tài)用地類(lèi)型在自然條件下的穩(wěn)定性水平，因此當(dāng)其與反映人類(lèi)活動(dòng)強(qiáng)度軌跡的TPOP2010和DIS_PROAD因子交互時(shí)，便表現(xiàn)出非線性增強(qiáng)的特征。

A表示雙因子增強(qiáng)，B表示非線性增強(qiáng)圖5 交互探測(cè)結(jié)果Fig.5 results of interaction detactor

3 結(jié)論

本文中利用土地利用動(dòng)態(tài)度、Getis-Ord General G聚類(lèi)、多距離空間聚類(lèi)、地理探測(cè)器等方法，分析了安徽省土地利用一系列時(shí)空演化特征及其驅(qū)動(dòng)因素，得到了以下結(jié)論。

(1)安徽省近40年間耕地面積逐漸減少，建設(shè)用地面積逐漸增多，建設(shè)用地與耕地之間最為頻繁；林地和草地緩慢減少，水域緩慢增加，且各土地利用類(lèi)型的相互轉(zhuǎn)換越來(lái)越頻繁活躍。

(2)在總體水平上，安徽省土地利用的劇烈轉(zhuǎn)換通常是發(fā)生在一些特定且密集的區(qū)域內(nèi)，通過(guò)K-means 聚類(lèi)可以減弱但不能完全消除這種特性；在不同的距離尺度水平上，平緩變化區(qū)域在各距離上的空間聚集程度比劇烈變化區(qū)域的低，且后者的空間模式較前者受距離尺度變化的影響更小。

(3)各類(lèi)驅(qū)動(dòng)因子對(duì)CVLUC空間分異的解釋力存在差異，安徽省土地利用變化劇烈程度受多種因素交互作用。生態(tài)因子與人類(lèi)活動(dòng)強(qiáng)度軌跡共同作用時(shí)解釋力大于二者之和，NLD因子及其與各因子的交互作用對(duì)CVLUC空間分異影響最為顯著，社會(huì)類(lèi)型因子和地形類(lèi)型因子共同作用可以解釋相當(dāng)一部分的CVLUC空間分異。

在土地利用變化過(guò)程中，“人”是不可忽略的一個(gè)主要角色，變化劇烈區(qū)域通常依附于人類(lèi)活動(dòng)軌跡而聚集，土地利用變化的時(shí)空演化特征表征了人-地關(guān)系在不同地域空間上的作用強(qiáng)度與作用模式[23]。地理探測(cè)器是研究安徽省土地利用變化主要驅(qū)動(dòng)因子解釋能力的有效方法，在研究區(qū)域內(nèi)，社會(huì)、地形、生態(tài)等因子交互作用于變化過(guò)程中，變化劇烈程度的空間分布與人類(lèi)活動(dòng)范圍與強(qiáng)度息息相關(guān)。本文中所采用的一系列思路方法可應(yīng)用于各類(lèi)區(qū)域土地演化分析中，為土地利用規(guī)劃、生態(tài)效應(yīng)分析等提供參考。