生态学报  2013, Vol. 34 Issue (12): 3224-3233

文章信息

鲁燕飞, 彭芳, 万韵, 曾凡兴, 陈美球, 罗志军, 黄宏胜
LU Yanfei, PENG Fang, WAN Yun, ZENG Fanxing, CHEN Meiqiu, LUO Zhijun, HUANG Hongsheng
基于GIS和RS的赣江上游流域土地利用动态趋势分析
Dynamic trend analysis of land use change in the ganjiang upstream watershed by using RS and GIS techniques
生态学报, 2013, 34(12): 3224-3233
Acta Ecologica Sinica, 2013, 34(12): 3224-3233
http://dx.doi.org/10.5846/stxb201306101589

文章历史

收稿日期:2013-06-10
修订日期:2013-10-09
基于GIS和RS的赣江上游流域土地利用动态趋势分析
鲁燕飞1, 2, 3, 彭芳2, 万韵2, 曾凡兴2, 陈美球3 , 罗志军3, 黄宏胜3    
1. 江西农业大学园林与艺术学院, 南昌 330045;
2. 江西农业大学计算机与信息工程学院, 南昌 330045;
3. 江西农业大学鄱阳湖流域农业生态重点实验室, 南昌 330045
摘要:利用赣江上游流域1990、1995、2000、2005和2010年5期的TM影像以及2010年的SPOT影像资料,通过目视解译方法及GIS软件的空间叠加分析功能,获取了研究区土地利用覆被变化数据。在此基础上,结合1990-2010年赣江上游流域的统计资料利用灰色关联分析和主成分分析法进行分析,找出引起土地利用变化的主导因素。结果表明:研究区20年来林地和建设用地总量增加,耕地、草地、水域和未利用地总量减少。相同时期不同类型的土地利用变化的驱动因子不相同,不同时期同一类型土地利用变化的驱动因子也不相同。再利用GM(1,1)灰色预测模型预测了2015-2030年间研究区驱动因素和土地利用情况,研究表明主导因素对土地利用变化的影响与1990-2010年间变化趋势一致。
关键词RS    GIS    土地利用变化    主成份分析    GM(1,1)模型    
Dynamic trend analysis of land use change in the ganjiang upstream watershed by using RS and GIS techniques
LU Yanfei1, 2, 3, PENG Fang2, WAN Yun2, ZENG Fanxing2, CHEN Meiqiu3 , LUO Zhijun3, HUANG Hongsheng3    
1. College of Landscape and Art, Jiangxi Agricultural University, Nanchang 330045, China;
2. College of Information and Engineering, Jiangxi Agricultural University, Nanchang 330045, China;
3. Jiangxi Provincial Key Lab. for Agricultural Ecology of Poyang Lake Watershed, Jiangxi Agricultural University, Nanchang 330045, China
Abstract:Land use change has become a hot issue on the global climate change research, which includes two aspects: one is the study of land use change process, and the second is the driving factors of land use change. Ganjiang is the greatest river of the Poyang Lake watershed, of which the watershed area accounted for 51.5% of Poyang Lake basin. Ganjiang plays a vital role in the development of social economy of Jiangxi Province. As an important area for water conservation, ecological protection and restoration of Jiangxi Province, the ecological and environmental conditions of Ganjiang upstream are the foundation that the Ganjiang watershed ecosystem depends on existence and development. It is also the premise for ensuring the ecosystem health of the whole Poyang Lake watershed. This study used the TM images of Ganjiang upstream watershed of the year 1990, 1995, 2000, 2005 and 2010 as well as the SPOT image data of 2010, by visual interpretation method and GIS software space, obtaining the land use cover change data of the study area. On this basis, the authors used the methods of grey relational analysis and principal component analysis to analyze the statistics of the Ganjiang upstream watershed between 1990 and 2010, and found the drivers of land use change. Then GM (1, 1) gray prediction model was used to predicate the driving factors and land use change of the study area between 2015 to 2030. The results are as follows. First, from the point of view of single land use dynamic degree, the land use degree of Ganjiang upstream watershed was on the rise from 1990 to 2010. Of the six kinds land-use types, from 1990 to 1995, construction land has the highest single land use dynamic degree, followed by water, woodland has the minimum value. From 1995 to 2000, unused land has the highest single land use dynamic degree, followed by water, woodland has the minimum value. From 2000 to 2010, construction land has the highest single land use dynamic degree, followed by grassland, woodland has the minimum value. From the point of view of comprehensive land use dynamic degree, the comprehensive land use degree of Ganjiang upstream watershed showed a trend to increase in 1990-2010. The extent of land use change of various land-use types has the largest value (10.89‰) between 2000 and 2010. Over the 20 years from 1990 to 2010, the area of agricultural land, grassland, water area and unused land decreased, whereas the area of construction land and forest land increased. Second, the grey relational grade of population, GDP, fixed assets investment, urbanization level, the proportion of secondary industry and tertiary industry proportion is greater than 0.5. This indicates that the six factors are the driving factors of land use change influencing the 16 counties and cities in the Ganjiang upstream watershed. These six factors have different impacts on the various land use change. Third, the driving factors of land use change are different for various land types during the same period and for the same land type in different periods. Finally, over the next 20 years, Ganjiang upstream watershed would have a steady growth in population and urbanization level, thus making the corresponding construction land area constantly increasing, whereas the arable land area continuously decreasing. Construction land area and GDP have synthetic growth trends. The forest area gradually would increase, whereas water and unused land area would slowly decrease.
Key words: RS    GIS    land use change    principle components analysis    the GM(1,1) model    

全球气候变暖是当今人类面临的严峻挑战,而大气中CO2浓度升高是造成气候变暖的主要原因。土地利用变化是仅次于化石燃料的第二大人为碳排放源,土地利用变化作为人类活动与自然交叉最为密切的问题[1, 2],得到了国内外广泛的关注[3, 4, 5, 6],目前已经成为全球变化研究的核心主题之一[1, 2, 7, 8]。土地利用变化已成为全球气候变化研究的热点问题,土地利用变化研究包括两方面:一是研究土地利用变化过程,二是研究土地利用变化的驱动因素。赣江是鄱阳湖流域第一条大河,其流域面积占鄱阳湖流域的51.5%,在江西省社会经济的发展中占有极其重要的地位。赣江上游流域作为江西省重要的水源涵养区、生态环境保护与恢复的核心区,其生态环境状况是整个赣江流域生态系统赖以存续的基础,也是确保整个鄱阳湖流域生态系统健康的前提条件。随着鄱阳湖生态经济区建设上升为国家战略,要实现“全国生态文明与经济社会发展协调统一、人与自然和谐相处的生态经济示范区和中国低碳经济发展先行区”的战略目标,维持赣江上游流域土地可持续利用更显重要。研究该区域土地利用变化过程是研究其驱动力的基础[9],分析土地利用变化的时空过程,找到影响其变化的驱动因素,对土地可持续性利用有着重大的意义。本文旨在通过定量探讨该地区土地利用变化情况及其驱动因素,为赣江上游流域土地可持续利用管理提供科学依据。

1 研究范围与概况

为便于社会经济的资料的获取、分析及成果的应用,本文确定的研究区域范围(图 1),包括章贡区、赣县、南康市、信丰县、大余县、上犹县、崇义县、安远县、龙南县、全南县、宁都县、于都县、兴国县、瑞金市、会昌县、石城县等16个县(市、区)。

赣江上游流域在江西省南部,位于113°54′—116°38′ E,24°29′—27°09′ N之间,处于中国东南沿海地区向中部内地延伸的过渡地带,也是内地通向东南沿海的重要通道之一。赣江上游流域研究区域面积35699 km2,流域总面积27095 km2,河流总长度312 km。该区地形复杂多,地貌以丘陵、山地为主,地势四周高,中间低。区内属亚热带气候,热量丰富,雨量充沛,年平均气温18.9 ℃,年平均降水量1573 mm,生物资源和矿产资源丰富,该区是全国重点有色金属基地之一。

图 1 研究区域范围和地理位置示意图 Fig.1 The sketch map of location in the study area
2 数据来源与研究方法 2.1 数据来源

数据由空间数据和社会经济统计数据组成。空间数据来源于研究区1990、1995、2000、2005和2010年5期的Landsat TM遥感图像。利用ENVI软件进行解译,土地利用分类采用中国科学院资源环境数据库中的全国1 ∶ 10 万土地利用分类系统。根据研究区土地利用类型的数量和分布特征,将原土地利用数据类型进行合并,得到6 个土地利用类型,分别是:耕地、林地(园地)、草地、水域、建设用地(城镇用地、农居点用地、独立工矿用地、交通用地、水利设施用地等)和未利用地。社会经济统计数据主要包括历史统计数据,数据来源于1991—2011年江西省统计年鉴。

2.2 遥感数据处理方法

基于遥感技术,在赣江上游流域根据卫星观测的视场范围,绘制土地利用覆盖变化图。本文研究中采用的是Landsat TM30 米分辨率的遥感影像,根据在中国遥感卫星地面站存档数据目录服务系统的查询,以及对赣江上游流域地理位置的确认。用Erdas和Arcgis软件对地形图进行校正,用校正好的地形图对五期的遥感影像进行镶嵌处理。在Arcgis软件平台上,通过目视解译对影像图进行矢量化处理,然后进行数据转换、Coverage生成、差错、邻斑同码融合等,生成5期土地利用现状图。

2.3 土地利用变化分析方法

引进土地利用动态度(R)和综合土地利用动态度(LC)来描述赣江上游流域土地利用的变化情况[12, 13],其表达式分别为:

式中,Ua和Ub为研究期初和期末某一土地利用类型的数量,T为研究期时段长度。

式中,LUi为监测起始时间第i类土地利用类型面积;△LUi-j为监测时段内第i类土地利用类型转为非i类土地利用类型面积的绝对值;T为监测时段长度。当T的时段设定为年时,LC的值就是该研究区土地利用年变化率。土地利用动态度定量地描述了土地利用的变化速度,对预测未来土地利用变化趋势有积极的作用。

2.4 土地利用变化驱动力分析方法

影响土地利用的驱动因素主要包括社会经济驱动力、自然驱动力和土地利用政策驱动力等多种因素,其中自然驱动力包括环境变化、气候、自然灾害和地形、坡度等驱动因子,社会经济驱动力包括人口增长、经济增长、社会行为、土地利用者主体行为等驱动因子[14, 15, 16, 17, 18]。土地的自然特性和环境条件决定了其适宜的利用方式,利用方式适宜与否影响着土地利用的可持续性。在土地利用的社会驱动力中,人口、经济发展、城镇化等因素是影响土地利用变化的主要因素。人口是人类社会经济因素中最主要的因素,也是最具活力的土地利用覆被变化的驱动力之一。人口密度和土地利用变化速率成正相关关系,人口增加速度越快,土地利用变化也越快[19, 20]。社会经济的发展是土地利用及其结构演变的最根本动力[21, 22]。经济发展对土地变化的驱动力表现在两个方面:一是第二三产业的发展增加了用地的需求;而是市场导向下的农业资源配置引起农业结构调整不断深化。工业化和城镇化不仅通过人口集中、产业集中、地域扩散占用土地,使土地非农化,而且通过生活方式和价值观念的扩散,改变原来的土地利用结构[23, 24]

2.4.1 灰色关联分析

以县为单位,以X1总人口(万人)、X2GDP(万元)、X3固定资产投资额(万元)、X4城镇化水平(%)、X5第二产业比重(%)、X6第三产业比重(%)六个指标作为自变量,以6类土地利用变化为因变量,分别对1990—2010年、1990—1995年、1995—2000年、2000—2005年和2005—2010年4个时段进行灰色关联分析[25, 26],确定不同时段各个自变量与区域土地利用变化的灰色关联度。

2.4.2 驱动因子分析

在灰色关联分析的基础上,利用主成份分析法分别对1990—2010年、 1990—1995年、1995—2000年、2000—2005年和2005—2010年5个时段土地利用变化的驱动因子进行分析,找出不同时段土地利用变化的主要驱动因子。

2.5 GM(1,1)预测模型

采用GM(1,1)灰色模型[25, 27, 28, 29]预测未来20a土地利用变化及其主要驱动因子,探索其土地利用规律,明确土地利用与社会经济发展之间的关系,研究赣江上游流域今后土地利用的方向。

3 结果与分析 3.1 土地利用变化分析

从赣江上游流域土地利用总体情况来看,整个地区林地所占面积最大,是该区的主要土地利用类型;其次是耕地、草地;三者在1990年、1995年、2000年、2005年和2010年均占到95%以上。未利用地所占比例最小。

图 2可以看出,1990—2010年间,赣江上游流域林地的增加量最大(16. 04 ×104 hm2 ),草地的减少量最大(12.33×104 hm2 ),未利用地的变化最小,仅减少65.54 hm2。除了林地和建设用地有所增加外,耕地、草地、水域和未利用土地均有所减少。土地面积变化幅度最大的是林地(0.0494) 、草地(-0.0345),未利用地变化最小(-0. 00026),耕地虽然减少量较大,但因其本身所占面积较大,减少幅度仅高于草地。

图 2 赣江上游流域1990—2010年土地利用类型面积变化量及变化幅度 Fig.2 The land use area change and change amplitude of Ganjiang upstream watershed from 1990 to 2010 A:耕地; B:林地; C:草地; D: 水域; E: 建设用地; F:未利用地

根据单一土地利用动态度计算结果可知:赣江上游流域1990—1995年、1995—2000年、2000—2005年和2005—2010年相比较,土地利用变化的速度有所升高(图 3) 。1990—1995年间,在6类土地利用类型中,建设用地的动态度最高,水域次之,林地最小; 1995—2000年间,未利用地动态度最大、水域次之,林地最小。2000—2010年间,建设用地动态度最大,草地次之,林地最小。

从综合土地利用动态度来看,赣江上游流域综合土地利用程度在1990—2010年间均呈增大趋势(图 4),其中2000—2005年间各类土地利用变化幅度最大(10.89‰)。

图 3 赣江上游流域1990—2010年土地利用动态度 Fig.3 The land use dynamic degree of Ganjiang upstream watershed from 1990 to 2010 A:耕地; B:林地; C:草地; D: 水域; E: 建设用地; F:未利用地
3.2 驱动力分析 3.2.1 灰色关联分析

(1) 1990—2010年影响因素的灰色关联分析

结合赣江上游流域土地利用变化驱动力的实际情况以及所收集到的资料状况,构建1990—2010年土地利用变化及其驱动因素变化指标体系,相关数据见表 1表 1中的Y1Y2、Y3、Y4、Y5 Y6分别代表耕地、林地、草地、水域、建设用地和未利用地1990—2010年间的面积(hm2)变化值。

图 4 各期综合土地利用动态度 Fig.4 The integrated land use dynamic degree
表 1 赣江上游流域16个县区1990—2010年社会经济因素变化与土地利用变化 Table 1 The variation of socio-economic factors and land use changes in 16 counties of Ganjiang upstream watershed from 1990 to 2010
X1X2X3X4X5X6Y1Y2Y3Y4Y5 Y6
X1: 总人口/To ota population,X2: GDP,X3: 固定资产投资/Investment in fixed assets,X4: 城镇化水平/Urbanization level,X5: 第二产业比重/The proportion of second industry,X6: 第三产业比重/The second industry proportion,Y1: 耕地/Farmland,Y2: 林地/Woodland,Y3:草地/Grassland,Y4: 水域/Water,Y5: 建设用地/Construction land,Y6: 未利用地/Unused land
章贡区2815809799826717.9910.2341.28-4575.92308.52-2759.94-960.416324.050.686
赣县15.517065165213178.541.912.04-5339.317935.83-13224.6-1589.473746.954.5356
南康10.428008304385455.3219.9924.94-9164.317694.22-13716.6408.555064.47-7.805
信丰15.9769233743127110.8525.0616.48-1789511478.6-1067.4-245.196553.88-8.0444
大余5.245226664518664.1827.5224.21-7667.245139.7118.3883.471733.7911.3327
上犹4.832533011659793.0914.8724.29-1363.715068.92-16947.31650.41988.181.707
崇义2.23367894791853.5739.6916.67-9199.5113385.9-10303.51979.621864.8712.2262
安远7.962612251153799.7912.1129.256299.83-12575.44649.57440.57940.24.5257
龙南54230934873175.830.1117.893941.32-4322.09-1424.33-18.71956.76-1.6581
全南1.66213510998814.022831.27-423.7-1015.321485.8760-65.5313.2805
宁都14.527132061854700.3526.8619.73-243.16081.73-8802.27-1220.13051.819.73
于都28.3672443852669313.0928.8618.99-1096.3624286.95-20788.2-2059.284021.82.2103
兴国15.857426663440569.424.1712.652026.256246.1-13262107.192180.08-49.5528
瑞金13.5161414916846013.0218.7429.94-14823.317440.2-4109.22-273.8691.52-93.2044
会昌11.3410257120670327.5122.77-7513.65400-786.83842.672656.2717.7786
石城5.5720344468111614.620.01-9024.5124259-15067-517.75623.84.1588

表 1中的数据综合进行灰色关联分析,得到各类土地利用类型与影响因子的灰色关联度见表 2(取分辨系数为0.5)。

从分析结果可以看出6个因子的灰色综合关联度均大于0.5,说明这6个因子是影响赣江上游流域16个县市土地利用变化的主要驱动因子。这6个因子对不同的土地利用变化影响是不同的。对耕地的影响从大到小依次是:X1>X6> X2> X4>X5>X3;对林地的影响从大到小依次是: X2>X3>X1>X4> X5 >X6;对草地的影响从大到小依次是:X5>X1> X2>X4 >X6 > X3;对水域的影响从大到小依次是:X5>X6> X3>X4> X2>X1;对建设用地的影响从大到小依次是:X2>X1>X3>X4>X5>X6;对未利用地的影响从大到小依次是:X6>X5> X2>X1 >X4>X3

表 2 土地利用变化与驱动因子变化的灰色关联度 (1990—2010年) Table 2 Grey correlative degrees of land use changes and driving factors changes from 1990 to 2010
土地利用类型 land use type X1X2X3X4X5X6
耕地 Arable land(Y1)0.630.610.570.600.590.62
林地 Woodland(Y2)0.620.650.630.580.560.55
草地 Grassland(Y3) 0.640.630.590.610.670.60
水域 Water(Y4)0.520.540.610.560.680.67
建设用地 Construction land(Y5)0.770.830.730.690.620.58
未利用地 Unused land(Y5)0.620.630.560.600.670.72

(2) 不同时段影响因素的灰色关联分析同理分别对1990—1995年、1995—2000年、2000—2005年和2005—2010年4个时段土地利用变化进行灰色关联分析,结果见表 3

表 3 土地利用变化与驱动因子变化的灰色关联度 Table 3 Grey correlative degrees of land use changes and driving factors changes
土地利用类型
Land use type
年段
Period
X1X2X3X4X5X6
耕地1990—19950.620.640.530.550.600.56
Arable land1995—20000.790.790.730.660.530.75
2000—20050.570.610.600.500.510.51
2005—20100.990.970.920.900.980.55
林地1990—19950.650.570.570.630.630.61
Woodland1995—20000.740.800.810.780.520.79
2000—20050.590.680.680.550.560.52
2005—20100.960.980.910.920.910.58
草地1990—19950.590.610.570.600.560.60
Grassland1995—20000.730.710.700.690.530.77
2000—20050.650.600.550.510.530.54
2005—20100.880.940.940.860.960.57
水域1990—19950.560.620.600.590.670.59
Water1995—20000.800.870.810.820.520.88
2000—20050.560.560.540.550.520.55
2005—20100.990.970.830.880.950.58
建设用地1990—19950.630.570.570.580.590.59
Construction land1995—20000.680.670.710.610.520.61
2000—20050.610.750.700.530.620.57
2005—20100.970.990.950.970.930.55
未利用地1990—19950.860.810.840.800.920.84
Unused land1995—20000.880.850.830.820.490.87
2000—20050.610.590.590.620.620.67
2005—20100.720.760.690.690.700.33

结果表明:不同时期影响土地利用变化的主导因素不同;同一时期,不同土地利用变化的主导因素也不相同。

3.2.2 驱动因子分析

根据表 2表 3得到的结果对1990—2010年、1990—1995年、1995—2000年、2000—2005年和2005—2010年5个时段的6类土地利用变化进行主成份分析,分析不同时段不同土地利用变化的主要驱动因素,结果见表 4

表 4 土地利用变化因子贡献率 Table 4 Contribution rate of land use change factor
土地利用类型
Land use type
主成分Principal component
1 2 3
因子
Component
特征值
Eigenvalue
百分率
Centage/%
因子
Component
特征值
Eigenvalue
百分率
Centage/%
因子s
Component
特征值
Eigenvalue
百分率
Centage/%
耕地1990—2010X12.7345.502X62.1736.167X20.4317.185
Arable land1990—1995X22.28538.086X11.67827.974X51.10518.420
1995—2000X12.62243.704X21.47324.546X60.99516.591
2000—2005X23.34555.749X31.33822.306X10.86714.453
2005—2010X12.42340.384X51.74629.103X20.95915.975
林地1990—2010X22.7345.502X32.1736.167X10.4317.185
Woodland1990—1995X12.28538.086X41.67827.974X51.10518.420
1995—2000X32.62243.704X21.47324.546X60.99516.591
2000—2005X23.34555.749X31.33822.306X10.86714.453
2005—2010X22.42340.384X11.74629.103X40.95915.975
草地1990—2010X52.7345.502X12.1736.167X20.4317.185
Grassland1990—1995X22.28538.086X41.67827.974X61.10518.420
1995—2000X62.62243.704X11.47324.546X20.99516.591
2000—2005X13.34555.749X21.33822.306X30.86714.453
2005—2010X52.42340.384X21.74629.103X40.95915.975
水域1990—2010X52.7345.502X62.1736.167X30.4317.185
Water1990—1995X52.28538.086X21.67827.974X31.10518.420
1995—2000X62.62243.704X21.47324.546X40.99516.591
2000—2005X13.34555.749X21.33822.306X40.86714.453
2005—2010X12.42340.384X21.74629.103X50.95915.975
建设用地1990—2010X22.7345.502X12.1736.167X30.4317.185
Construction1990—1995X12.28538.086X51.67827.974X61.10518.420
land1995—2000X32.62243.704X11.47324.546X20.99516.591
2000—2005X23.34555.749X31.33822.306X50.86714.453
2005—2010X22.42340.384X11.74629.103X40.95915.975
未利用地1990—2010X52.7345.502X62.1736.167X20.4317.185
Unused land1990—1995X52.28538.086X11.67827.974X31.10518.420
1995—2000X12.62243.704X61.47324.546X20.99516.591
2000—2005X63.34555.749X31.33822.306X50.86714.453
2005—2010X22.42340.384X11.74629.103X50.95915.975

表 4中可以看出相同时期不同类型的土地利用变化的驱动因子不相同,并且在不同时期同一类型土地利用变化的驱动因子也不相同。

3.3 赣江上游流域土地利用变化趋势分析 3.3.1 土地利用变化主要驱动因子趋势分析

采用GM(1,1)灰色模型来预测赣江上游流域人口规模,得到预测模型如下:

经检验该模型残差相对误差的平均绝对值为0.118%,方差比C=0.018236<0.35,小误差概率P=1,故模型精度较好。

同理得到各驱动因子的预测模型如下:

经检验,预测模型精度均较好,得到赣江上游流域土地利用变化主要驱动因子的变化趋势(图 5)。

图 5 赣江上游流域土地利用变化主要驱动因子趋势 Fig.5 The trend of main driving factors of land use changes
3.3.2 各类土地利用预测

根据GM(1,1)模型预测各类土地利用面积,其各类土地利用类型GM(1,1)预测模型如下:

研究区土地利用变化过程未来20a预测值如图 6所示。

图 6 赣江上游流域未来20a土地利用结构情况趋势 Fig.6 The trend of land use structure of next 20 years in Ganjiang upstream watershed

图 5图 6可以看出,未来20年赣江上游流域总人口和城镇化水平呈现稳步增长,从而使得相应的建设用地面积不断地增长,而耕地面积则不断地减少。建设用地面积与GDP呈现同向增长的趋势。林地面积逐步增加,水域和未利用地面积缓慢减少。

4 结论与讨论

(1)通过对赣江上游流域土地利用变化分析可以发现,林地和耕地是该区主要土地利用类型,这与其林业主产区的定位相符合。赣江上游流域土地利用处于发展阶段,总体土地利用程度处于粗放利用型与集约利用型之间。

1990—2010年间,赣江上游流域林地的增加量最大,草地的减少最多,建设用地面积有所增加,未利用地面积变化最小。面积变化率最大的是建设用地,其次是草地,林地最小。这主要和其面积基数相关,也与该区的实际经济发展情况相一致,赣江上游流域作为林业主产区,经济发展速度较快,建设用地快速增长便是明证。

(2)土地利用变化既受自然因素的影响,又受社会、经济和历史等人文因素的制约,具有很强的综合性和地域性。不同时期,导致不同土地利用类型变化的主导因素是不同的。即便是在同一时期,不同的土地利用类型变化的主导因素也是不相同的。以变化率最大的建设用地为例,在1990—2010年间,引起其变化的主导因素是第二产业比重、第三产业比重和固定资产投资额,而2000—2005年和2005—2010年间,建设用地快速增长的驱动因素却是GDP的快速增加、总人口的不断增加和固定资产投资额的不断增加。通过分析得知,各种驱动力中主要以人口数量的增加对土地压力加大为主,从而导致赣江上游流域土地利用发生变化,说明赣江上游流域土地利用结构变化主要是人类活动干扰的结果。

(3)通过对赣江上游流域土地利用变化主要驱动因子趋势和土地利用预测分析发现,随着经济的快速增长,建设用地面积不断增加。GDP的增长速率远远高于建设用地扩张的速度。单位建设用地的GDP由2010年的144.21 万元/hm2增加到了2030年的4823.28 万元/ hm2,充分说明建设用地的集约利用程度明显增强,土地单位面积产出大幅度提升。

总人口的增速低于建设用地面积的增长速度,表明人口与建设用地之间有较强的相关性。其原因是由于江西省新型城市化建设战略和“鄱阳湖生态经济区建设”战略的实施,使得赣江上游流域交通通讯条件的改变,矿产资源的开发,大大促进了经济的发展,促进了城镇化进程,使得城镇建设用地需求增加、规模扩张。由于赣江上游流域各县区重视并实施国家的退耕还林政策,使得耕地减少的速度要低于人口增加和城镇化水平提高的速度。由此可见,虽然两者呈负相关性,但人口的增加并非耕地减少的主要原因,其主要原因是生态退耕。

参考文献
[1] Turner B L, Skole D, Sanderson S, Fischer G, Fresco L, Leemans R. Land-use and Land-cover Change: Science/Research Plan. Stockholm: IGBP, 1995: 132-132.
[2] Guo B, Chen Y Q, Yao Y M, He Y B, Zhang J X. Research on land use and land cover change driven. Chinese Agricultural Science Bulletin, 2008, 24(4): 408-414.
[3] Kelarestaghi A, Jeloudar Z J. Land use/cover change and driving force analyses in parts of northern Iran using RS and GIS techniques. Arabian Journal of Geosciences, 2011, 4(3/4): 401-411.
[4] Wu Q, Li H Q, Wang R S, Paulussen J, HeY, Wang M, Wang B H, Wang Z. Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and Urban Planning, 2006, 78(4): 322-333.
[5] Jiang Y, Liu J, Cui Q, An X H, Wu C X. Land use/land cover change and driving force analysis in Xishuangbanna Region in 1986—2008. Frontiers of Earth Science, 2011, 5(3): 288-293.
[6] Houet T, Loveland R L, Hubert-Moy L, Gaucherel C, Napton D, Barnes C A, Sayler K. Exploring subtle land use and land cover changes: a framework for future landscape studies. Landscape Ecology, 2010, 25(2): 249-266.
[7] Verburg P H., Neumann K, Linda N. Challenges in using land use and land cover data for global change studies. Global Change Biology, 2011, 17(2): 974-989.
[8] Liu J Y, Zhang Z X, Xu X L, Kuang W H, Zhou W C, Zhang S W, Li R D, Yan C Z, Yu D S, Wu S X, Jiang N. Spatial patterns and driving forces of land use change in China during the early 21st century. Journal of Geographical Sciences, 2010, 20(4): 483-494.
[9] Li Y C. Land cover dynamic changes in Northern China: 1989—2003. Journal of Geographical Sciences, 2008, 18(1): 85-94.
[10] Hydrology Bureau of Jiangxi Province. Jiangxi River System. Wuhan: Yangtze River Press, 2007.
[11] Jiangxi Bureau of Statistics. Jiangxi Statistical Yearbook. Beijing: China Statistics Press, 1991-2011.
[12] Sun H L, Li W H, Chen Y P, Xu C C. Response of ecological services value to land use change in the Ili River Basin, Xinjiang, China. Acta Ecologica Sinica, 2010, 30(4): 887-894.
[13] Zhang Y, Liu Y F, Ding Q, Jiang P. Study on land use/cover change from 1996 to 2005 in Wuhan city. Ecology and Environment, 2010, 19(11): 2534-2539.
[14] Long H L, Tang G P, Li X B, Heilig G K. Socio-economic driving forces of land-use change in Kunshan, the Yangtze River Delta economic area of China. Journal of Environmental Management, 2007, 83(3): 351-364.
[15] Krausmann F, Haberl H, Schulz N B, Erb K, Darge E Gaube V. Land-use change and socio-economic metabolism in Austria—Part I: driving forces of land-use change: 1950—1995. Land Use Policy, 2003, 20(1): 1-20.
[16] Serraa P, Ponsa X, Saurí D. Land-cover and land-use change in a Mediterranean landscape: A spatial analysis of driving forces integrating biophysical and human factors. Applied Geography, 2008, 28(3): 189-209.
[17] Reid R S, Kruska R L, Muthui N, Taye A, Wotton S, Wilson C J, Mulatu W. Land-use and land-cover dynamics in response to changes in climatic, biological and socio-political forces: the case of southwestern Ethiopia. Landscape Ecology, 2000, 15(4): 339-355.
[18] Lambina E F, Turnerb B L, Geist H J, Agbola S B, Angelsen A, Bruce J W, Coomes O T, Dirzo R, Fischer G, Folke C, George P S, Homewood K, Imbernon J, Leemans R, Li X B, Moran E F, Mortimore M, Ramakrishnan P S, Richards J F, Skanes H, Steffen W, Stone G D, Svedin U, Veldkamp T A, Vogel C, Xu J C. The causes of land-use and land-cover change: moving beyond the myths. Global Environmental Change, 2001, 11(4): 261-269.
[19] Shoshany M, Goldshleger N. Land-use and population density changes in Israel- 1950 to 1990: analysis of regional and local trends. Land Use Policy, 2002, 19(2): 123-133.
[20] Va c ˇ ká r ˇ D, Chobot K, Orlitová E. Spatial relationship between human population density, land use intensity and biodiversity in the Czech Republic. Landscape Ecology, 2012, 27(9): 1279-1290.
[21] Bringezu S, O′Brien M, Schütz H. Beyond biofuels: Assessing global land use for domestic consumption of biomass: A conceptual and empirical contribution to sustainable management of global resources. Land Use Policy, 2012, 29(1): 224-232.
[22] Diallo Y, Hu G D, Abdurazak H A. Simulation planning for sustainable use of land resources: case study in digamous. Journal of Mathematics and Statistics, 2009, 5(1): 15-23.
[23] Wang X H, Zheng D, Shen Y C. Land use change and its driving forces on the Tibetan Plateau during 1990—2000. Catena, 2008, 72(1): 56-66.
[24] Serra P, Ponsa X, Saurí D. Land-cover and land-use change in a Mediterranean landscape: A spatial analysis of driving forces integrating biophysical and human factors. Applied Geography, 2008, 28(3): 189-209.
[25] Liu S F, Dang Y G, Fang Z G, Xie N M. Grey System Theory and Its Application. Beijing: Science Press, 2010.
[26] Song Q B, Shepperd M. Predicting software project effort: A grey relational analysis based method. Expert Systems with Applications, 2011, 38(6): 7302-7316.
[27] Ju L H, Shi P J. Prediction of land use structure based on Markov and Gray Models. System Sciences and Comprehensive Studies in Agriculture, 2009, 25(2): 138-146.
[28] Tien T L. A research on the grey prediction model GM (1, n). Applied Mathematics and Computation, 2012, 218(9): 4903-4916.
[29] Chen C I, Huang S J. The necessary and sufficient condition for GM (1, 1) grey prediction model. Applied Mathematics and Computation, 2013, 219(11): 6152-6162.
[2] 郭斌, 陈佑启, 姚艳敏, 何英彬, 张洁瑕. 土地利用与土地覆被变化驱动力研究综述. 中国农学通报, 2008, 24(4): 408-414.
[10] 江西水文局. 江西水系. 武汉: 长江出版社, 2007.
[11] 江西省统计局. 江西统计年鉴 (1991—2011). 北京: 中国统计出版社, 1991-2011.
[12] 孙慧兰, 李卫红, 陈亚鹏, 徐长春. 新疆伊犁河流域生态服务价值对土地利用变化的响应. 生态学报, 2010, 30(4): 887-894.
[13] 张杨, 刘艳芳, 丁庆, 江平. 1996—2006 年武汉市土地利用/覆被变化研究. 生态环境学报, 2010, 19(11): 2534-2539.
[25] 刘思峰, 党耀国, 方志耕, 谢乃明. 灰色系统系统理论及其应用. 北京: 科学出版社, 2010.
[27] 居玲华, 石培基. 基于Markov和GM (1,1)模型的土地利用结构预测. 农业系统科学与综合研究, 2009, 25(2): 138-146.