文章信息
- 孙才志, 闫晓露
- SUN Caizhi, YAN Xiaolu
- 基于GIS-Logistic耦合模型的下辽河平原景观格局变化驱动机制分析
- Driving mechanism analysis of landscape pattern change in the lower reach of liaohe river plain based on gis-logistic coupling model
- 生态学报, 2014, 34(24): 7280-7292
- Acta Ecologica Sinica, 2014, 34(24): 7280-7292
- http://dx.doi.org/10.5846/stxb201310052408
-
文章历史
- 收稿日期:2013-10-05
- 网络出版日期:2014-03-19
2. 辽宁省自然地理与空间信息科学重点实验室, 大连 116029
2. Liaoning Key Laboratory of Physical Geography and Geomatics, Liaoning Normal University, Dalian 116029, China
景观格局是指由自然或人为形成的,一系列大小、形状各异,排列不同的景观镶嵌体在景观空间的排列,它既是景观异质性的具体表现,同时又是包括干扰在内的各种生态过程在不同尺度上作用的结果[1]。研究景观格局的动态变化有助于人们从无序的景观中发现潜在的有序规律,揭示景观格局与生态过程相互作用的机理,进而对景观变化的方向、过程、效应进行模拟、预测和调控[2, 3, 4]。近几十年来随着人类活动的增强和城镇化速度的加快,人地矛盾的问题日益突出。遥感系统RS和地理信息系统GIS等多样性手段的不断兴起,为景观格局动态变化的研究提供了强有力的技术手段,诸多学者的研究已从景观格局现象的时空表达趋向于引起这种演变的机理分析。
由于各地区自然条件、人口、经济、政策等主客观条件的限制,景观格局演变的驱动机制研究还不够充分。目前国内外的相关领域研究中尚未形成较为完善的理论框架体系,并且常用的数理统计模型主要集中于典型相关分析、回归分析、主成分分析[5, 6, 7]等。众多学者的惯有思路是将定性分析与这些数理统计模型相结合[8, 9, 10],从动态变化与驱动因素的统计关系中总结出,自然因素和社会经济因素是景观格局动态演变的重要原因。Long[11]通过来自于罗姆尼湿地样本数据中详细的岩性及测定证据可知,晚全新世英国东南部海岸湿地受到大面积的洪水泛滥侵蚀后,泥炭沉积是其海岸湿地规模演变的关键性驱动因素,或将对海平面和地壳的运动造成长期深远的影响。宫兆宁[12]选取具有典型生态意义的景观格局指数对北京湿地20多年的景观格局特征进行分析,探索其演变机制,其研究对保护生态系统、种多样性和湿地资源管理具有重要意义。景观格局的研究主要集中于空间异质性和时间异质性两个方面,景观格局指数(空间异质性)表征的是景观格局的即时状态,而空间动态(时间异质性)研究更具有理论和实践意义。目前,有关驱动定量的研究中,线性回归是应用最广泛的统计模型,然而在许多情况下,线性回归会受到限制,特别当因变量是一个分类变量而不是一个连续变量时,线性回归就不适用,Logistic回归模型能很好地解决这一问题[13]。本文作者在景观格局过去的相关研究中[14, 15],较为侧重景观综合指数的时空表达,而忽略对景观格局演变的机理分析。鉴于此,本文尝试建立一个GIS-Logistic的耦合模型,在以往的研究基础上进一步定量分析下辽河平原地区景观格局变化的驱动机制,这样不仅考虑了景观格局的时空异质性,而且通过Logistic回归模型的原理,探讨在这样一个空间统计分析上每个驱动机制解释变量的贡献大小,旨在为下辽河平原地区的景观格局调整和生态规划提供相应的参考意见。
下辽河平原地处中国七大河流之一辽河的中下游地区,该区具有长期的土地资源开发历史,在自然和人类共同作用下,形成了一个具有景观类型多样性的错综复杂区域。然而进入21世纪后,随着城镇化进程的日益加快和东北老工业基地的振兴,人类活动的强烈干扰使得该区景观类型的分布发生了重大变化。因此,本文以下辽河平原1986—2010 年的Landsat TM影像的遥感解译数据、DEM高程数据和自然社会经济指标作为数据源,尝试通过GIS-Logistic的耦合模型,揭示研究区景观格局的时空异质性演变及驱动机制的地区和阶段性差异,希冀研究成果能够对景观格局的合理开发利用具有一定的应用价值。
1 研究区概况下辽河平原呈东北—西南方向宽带状斜卧在辽宁省的中部,地理坐标为东经 120°42′ 至 124°45′,北纬40°43′至 43°27′ 之间。下辽河平原为三面环山,分别为东部千山山脉,西侧医巫闾山,北部铁法丘陵,南部临渤海直至辽东湾,呈条带状展布。本区属于温带半湿润季风气候,多年平均气温7.1—8.9 ℃,多年平均降水量自东南向西北递减,由700—750 mm降至550 mm。该区有三大独立水系,即辽河—双台子河水系、浑河—太子河水系和大凌河—小凌河水系。本区土地总面积约 2.65万km2,行政区划隶属于辽宁省9市22县(图 1),是东北地区规模最大的区域一体化经济区,也是我国东北乃至东北亚的经济核心。研究区内交通十分发达,哈大高铁、盘营高铁的建成更是加速了本区与其他地区的贸易往来,为本区的经济发展增添了有利契机。
2 研究方法及数据处理 2.1 遥感影像的获取、处理及分类本研究选取季相较为一致,平均云量低于10%,轨道号为119/31、119/32、120/31、120/32的四期Landsat TM影像(1986-9-18、1995-9-11、2005-10-13、2010-9-25)为基础数据,以2000 年辽宁省的行政区划图(1 ∶ 50 万)、2010 年辽宁省土地利用现状图(1 ∶ 10 万)、地形图(1 ∶ 5 万)等为辅助数据。在ENVI 4.7软件平台上,对各时期遥感数据进行几何校正,精度控制在0.5个像元内。根据遥感影像各类型的波段特征,选择TM 5,4,3 波段进行假彩色合成,合成效果最佳。运用遥感软件对各期影像进行非监督分类,获得易于监督分类的参考模板后再进行监督分类,最后根据研究区的土地利用现状图及野外考察等相关资料,对分类后影像进行修正,精度验证Kappa系数均达到85%以上。根据研究区的土地利用现状,为减少在较大尺度下类型划分过细导致的数据冗余及干扰,最终将研究区景观类型划分为耕地(水田、旱地)、林地、草地、水域(河流、水库、坑塘)、建设用地(居民点、工矿用地等)、湿地(沼泽、滩地)和其他(裸地、盐碱地等)7种景观类型(图 2)。
2.2 景观格局变化的驱动力体系构建景观格局演变动力学的研究核心是景观格局变化和驱动力的关系,尽管驱动力随着研究区域的不同而异,但是仍具有一定的时空规律。一般认为,景观类型、格局及功能过程发生变化主要是受到自然驱动力和社会经济驱动力的共同影响。在自然系统中气候、土壤、水文等被认为是主要的驱动力类型;在社会系统中,通常将驱动力分为人口变化、贫富状况、技术进步、经济增长、政治经济结构及价值观念[16]。通过对下辽河平原地区自然环境和社会经济状况资料的搜集和分析,本着驱动因子的代表性、科学性、差异性和可获得性原则,从自然驱动力和人文驱动力两大系统中选取因子构建驱动指标体系,如表 1。
一级指标 First class index | 二级指标 Second class index | 三级指标 Third class index | 数据来源 Data sources | 空间量化方法 Space quantization |
自然驱动力Natural driving force | 气候因素 | 年均气温 | 国家气象科学数据共享 网、辽宁省水资源公报、 辽宁省水文信息网 | 克吕格空间插值的空间高 精度模拟,提取并计算不同 阶段随机点的多年平均值 |
年均降水量 | ||||
DEM | 高程 | 美国地质勘探局(USGS) | 直接进行随机点值的提取 | |
坡度 | ||||
人文驱动力Human driving force | 人口状况 | 总人口 | 1986—2010 年辽宁年鉴、 辽宁统计年鉴、辽宁省统 计信息网 | 分别计算各县在1986— 1995 年、1995—2005 年和 2005—2010 年3 个阶段相 应指标数据的多年平均值, 借助ArcGIS 9.3 平台的Join 工具将相应数据赋予下辽 河平原各市县区的相应地 区,且每个驱动因子作为一 个矢量图,实现驱动因子的 空间化,最后将每个驱动因 子图全部转化为分辨率为 30m 的栅格图 |
城镇人口 | ||||
经济发展 | GDP | |||
工业生产总值 | ||||
城市化水平 | ||||
地方财政收入 | ||||
公路里程 | ||||
固定资产投资 | ||||
基建占地 | ||||
社会消费品零售总额 | ||||
人民生活水平 | 农民人均纯收入 | |||
城乡收入差别 | ||||
从业人数 | ||||
人均公共绿地面积 | ||||
科学技术水平 | 产业结构升级 | |||
化肥施用量 | ||||
粮食单产 | ||||
农机总动力 | ||||
退耕还林还草 | ||||
有效灌溉面积 |
自然驱动因子体系中,根据国家气象科学数据共享网、辽宁省水资源公报、辽宁省水文信息网等获得1986—2010 年下辽河平原各市县或各观测站点的逐年降水量、气温统计数据,利用ArcGIS 9.3的地统计模块,结合下辽河平原及其周边多个气象站点,使用克吕格空间插值,进行空间分布的高精度模拟;高程、坡度通过数字高程DEM,利用ArcGIS 9.3的空间分析模块进行提取,并且重分类。人文驱动因子体系中,本文以下辽河平原22个县域为数据统计单位,其社会经济统计数据主要是根据辽宁年鉴、辽宁统计年鉴、辽宁省统计信息网等获得。分别计算1986—1995 年、1995—2005 年和2005—2010年3个阶段相应指标数据的多年平均值,借助ArcGIS 9.3平台的Join工具将相应数据赋予下辽河平原各县的相应地区,且每个驱动因子作为一个矢量图,实现驱动因子的空间化,最后将每个驱动因子图全部转化为分辨率为30 m的栅格图。
2.3 二项Logistic回归模型目前关于景观格局演变与驱动因子相关性的定量分析方法较多,国内外学者主要采用经验模型和统计模型[17],而统计模型中的相关分析法、主成分分析法和灰色关联分析法[18, 19, 20]是近些年来常用的数理统计方法。在实际生活中当因变量是类别变量 (离散变量) 且不具备一定的分布规律时,若再使用普通的相关分析或者线性回归,则会违反其许多重要的假设条件,从而导致结果产生严重误差,以致无法进行合理的假设检验,因而在驱动力定量研究中有很大的局限性[13],恰好Logistic 回归模型能够很好地解决这个问题,它是对二项变量进行回归分析时普遍应用的方法。Logistic 回归模型方法是由生物数学家Verhult在1838 年创立,后在人口统计和预测中推广用,并受到广泛关注[21, 22, 23, 24]。本文根据研究区景观格局的变化情况,选择Logistic回归模型对下辽河平原景观格局演变的驱动力进行定量分析,相关的回归模型如下。
设p为事件发生概率,取值范围为0—1,则1-p为该事件不发生的概率,其表达式为:
对式(1)进行logit变换,得到一个线性公式,如式:
式中,p为研究区景观格局变化发生的概率;x1,x2,…,xk为影响景观格局变化的驱动因子;α为常数项;β1,β2,…,βk 为待求的回归系数,若为正(负)值表示相关的自变量Xk,i能增加(减少)事件i的发生率,βk的绝对值越大,表示自变量Xk,i对事件i的发生率的影响越大[25]。
本文采用Wald统计量检验模型的回归系数。如果概率p值小于给定的显著性水平α(α=0.05),则应拒绝零假设,认为解释变量与概率之间的线性关系显著,应保留在方程中;反之,不能通过显著性检验则被去除。对Logistic回归方程拟合度的检验选用Homsmer-Lemeshow指标(HL),当HL指标统计显著表示模型拟合不好。相反,当HL指标统计不显著表示模型拟合好。
2.4 GIS- Logistic耦合模型的景观格局演变驱动力分析Logistic回归分析的被解释变量应是取值1或0的二值变量,本文以景观格局的变化作为因变量,以驱动因子作为数据研究的自变量。其中,因变量取值编码通常为“0”和“1”两个数值,“0”表示景观格局没有发生变化,“1”表示发生变化。本研究主要以4种景观类型的变化情况进行讨论,即耕地、林地、建设用地、湿地。在ArcGIS 9.3平台下,运用Spatial Analyst模块中的Raster Calculator工具分别将1986、1995、2005和2010 年的景观面积进行空间叠加,得到研究区1986—1995年、1995—2005年和2005—2010年3个阶段景观格局变化的栅格图,另外再分别提取各个阶段的4 种景观类型的变化栅格图,分辨率为30 m×30 m(图 3)。
Logistic回归模型的应用,需要保证抽样数量足够多,使数据具有统计性,且避免数据的空间自相关性,因此本文选用分层随机抽样方法选择均匀分布在整个研究区的n个观测点,利用ArcGIS 9.3平台的create random point工具、Extract value to point工具,保留具有变化值的560 个样本点,最终分别提取3期各景观类型变化栅格图的560个样本值作为因变量的值,同样提取所有驱动因子栅格图上560 个样本值作为自变量的值,本文以1986—1995 年的湿地变化栅格图和同一阶段的年均气温插值图举例说明样本值提取情况(图 4)。最后将所提取的信息导入到SPSS统计分析软件中,通过Logistic的回归模型,采用Backward Conditional,对下辽河平原地区景观格局变化的相关驱动因子进行分析和诊断,筛选出对其变化有显著影响的因素,进而分析其驱动机制。
3 结果与分析 3.1 下辽河平原各景观类型的面积变化总体趋势分析从表 2中可以看出,耕地是下辽河平原的基质景观类型,面积比例期间虽有增长,但是面积整体为减少趋势。作为生态功能用地的林地和草地则明显减少,但是在1995—2010 年的这段期间出现了一定程度的改变,林地的比例从1995 年的3.38%上升到了2010年的5.53%,草地比例从2005 年的2.15%上升到了2010 年的3.19%,由此可见,在20世纪的80年代到21世纪初的社会经济高速发展中,下辽河平原的生态功能用地前期明显损失,然而在后一阶段,政府一系列的“退耕还林还草”等生态环境改善措施起到了一定的缓解作用。作为人文景观类型的建设用地,则在1986—2010 年间持续扩张。湿地是下辽河平原重要的景观类型之一,虽然所占比例不大,但是其重要的生态功能不容被忽视。从表 2中可以看出,湿地在这近30 年的时间里,面积持续减少,且各项生态功能也相应衰退。
景观类型 Landscape type | 1986年/% | 1995年/% | 2005年/% | 2010年/% |
耕地Plough | 60.50 | 64.22 | 62.43 | 48.59 |
林地Woodland | 7.09 | 3.38 | 4.13 | 5.53 |
草地Grassland | 4.87 | 4.47 | 2.15 | 3.19 |
水域Water area | 2.22 | 2.94 | 2.54 | 2.86 |
建设用地Construction | 18.22 | 20.07 | 23.63 | 33.86 |
湿地Wet land | 4.08 | 3.39 | 2.47 | 2.54 |
其他Others | 3.02 | 1.53 | 2.65 | 3.43 |
在耕地变化的回归模型中,坡度用3个虚拟变量分别代表坡度级Ⅰ(<5°)、坡度级Ⅱ(5—15°)和坡度级Ⅲ(15—25°),坡度级Ⅳ(>25°)作为它们的参照对象。然后将3个阶段提取的所有因变量和自变量经过无量纲处理后,代入Logistic模型进行回归计算。“Hosmer和Lemeshow检验”中,sig.的值在3个阶段分别为0.970、0.781和0.813,均大于0.05,统计不显著,即模型的拟合效果很好,预测正确率分别为83.7%、86.5%和81.3%,模型较为稳定。最终回归模型在3个阶段的自变量具体见表 3。
时间段 Period | 解释变量 Explanatory variable | 回归系数 Regression coefficient | 标准误差 Standard error | Wald统计量 Wald statistics | 自由度 Freedom | 显著性水平 Significance level | 发生比率 Occurrence rate |
1986—1995 | 年均降水量 | 4.223 | 1.237 | 11.662 | 1.00 | 0.001 | 0.015 |
坡度I(<5°) | -0.155 | 0.076 | 4.126 | 1.00 | 0.042 | 1.167 | |
总人口 | 1.132 | 0.605 | 3.507 | 1.00 | 0.061 | 3.103 | |
常量 | 3.356 | 1.229 | 7.459 | 1.00 | 0.006 | 28.680 | |
1995—2005 | 固定资产投资 | 13.873 | 6.183 | 5.035 | 1.00 | 0.025 | 0.000 |
坡度I(<5°) | -0.599 | 0.327 | 4.854 | 1.00 | 0.067 | 0.549 | |
基建占地 | -21.194 | 9.726 | 4.748 | 1.00 | 0.029 | 1.601 | |
工业生产总值 | 0.879 | 0.533 | 2.718 | 1.00 | 0.099 | 0.415 | |
常量constants | -18.889 | 13.087 | 2.083 | 1.00 | 0.149 | 0.000 | |
2005—2010 | 城市化水平 | 0.575 | 0.325 | 3.134 | 1.00 | 0.077 | 0.562 |
农机总动力 | 2.003 | 1.204 | 2.771 | 1.00 | 0.096 | 0.135 | |
坡度I(<5°) | -1.171 | 0.531 | 2.683 | 1.00 | 0.027 | 0.310 | |
有效灌溉面积 | 2.589 | 1.581 | 2.681 | 1.00 | 0.102 | 13.314 | |
常量 | 11.309 | 3.858 | 8.594 | 1.00 | 0.003 | 81516.692 |
由表 3回归系数的显著性水平(P<0.05)和Wald统计量可知,第1阶段(1986—1995年)耕地变化较为重要的解释变量是年均降水量、坡度和总人口。第2阶段(1995—2005年)其变化较为重要的解释变量为固定资产投资、坡度、基建占地和工业生产总值。而在第3阶段(2005—2010)较为重要的解释变量为城市化水平、农机总动力、坡度和有效灌溉面积。这3个阶段耕地变化驱动因素不同,1995 年以前,粗放型开垦方式导致大量土地类型转变为耕地,耕地面积持续增加,但是随着区域社会、经济发展和人口的剧增,工业化和城市化的发展则成为导致耕地减少的主要原因。在3个阶段中,坡度Ⅰ(<5°)都是重要的解释变量,说明耕地的分布主要集中在海拔较低、坡度较小的平原和丘陵缓坡地带。第一阶段中的另一个主要自然因素是年均降水量。耕地一般分布在降水量大于400 mm的地区,根据下辽河平原多年的平均降水量数据显示(图 5),下辽河平原近30年的时间里平均降水量为680.01 mm,且1995年前的下辽河平原地区降水较为充沛,耕地的面积则为大幅增加。人口的增长是影响耕地数量变化的最根本原因之一,从1986年到1995年,研究区的总人口数量从2583.1万人增加到2837.8 万人,人口的增加,意味着粮食需求的增大,耕地面积也会相应扩大。自然因素是影响耕地变化的长期主导因素,短期内主要是人类活动造成的[26],因此在第二、三阶段,社会经济发展是导致耕地变化的主要因素。从表 3中可以看出,自20世纪90年代以来,辽宁省的经济实力增长较快,固定资产投资额的增加以及基建占地面积的不断扩大,区域内耕地资源不可避免的要被占用。根据《辽宁省2006年度土地利用变化情况分析报告》中可以了解到,年内减少的耕地主要去向为各类建设占用、农业结构调整和灾毁。其中,建设用地占用主要包括城市用地、工矿交通运输用地和水利设施用地。在第3个时间段,城市化、农机总动力和有效灌溉面积是其耕地变化的主要因素。城市化对耕地资源存在正负两方面的影响:城市的发展必然造成对耕地资源的占用,但是城市的集中、规模效益的发挥有利于提高土地利用效率。然而在这个阶段,城市化的扩大依然加速地减少耕地资源,可见辽宁省的城市规模效益水平还有待于提高。农业科技进步为耕地资源减少提供了可能,农业科技进对耕地资源的保护起到了积极的作用,有效地弥补了耕地的损失。
3.3 林地变化的驱动力分析将3个阶段林地变化提取的所有因变量和自变量代入到Logistic回归模型中,HL指标检验sig.值分别为0.909、0.603和0.890,拟合效果均较为理想,预测正确率在3个阶段均为95.7%,模型较为稳定。最终回归模型在3个阶段的自变量具体见表 4。
时间段 Period | 解释变量 Explanatory variable | 回归系数 Regression coefficient | 标准误差 Standard error | Wald统计量 Wald statistics | 自由度 Freedom | 显著性水平 Significance level | 发生比率 Occurrence rate |
1986—1995 | 化肥施用量 | -20.041 | 9.089 | 4.863 | 1.00 | 0.027 | 0.000 |
总人口 | 2.112 | 0.959 | 4.847 | 1.00 | 0.028 | 8.266 | |
GDP | -2.250 | 1.108 | 4.126 | 1.00 | 0.042 | 0.105 | |
农民人均纯收入 | -1.417 | 0.783 | 3.275 | 1.00 | 0.070 | 0.242 | |
坡度Ⅱ(5—15°) | 366.853 | 314.650 | 1.359 | 1.00 | 0.044 | 0.210 | |
常量 | -44.711 | 19.803 | 5.098 | 1.00 | 0.024 | 0.000 | |
1995—2005 | 退耕还林还草 | 2.017 | 0.856 | 5.550 | 1.00 | 0.018 | 0.133 |
GDP | -1.622 | 0.768 | 4.468 | 1.00 | 0.035 | 0.197 | |
坡度Ⅱ(5—15°) | 599.976 | 382.230 | 2.464 | 1.00 | 0.016 | 0.368 | |
高程 | -0.420 | 0.270 | 2.417 | 1.00 | 0.020 | 0.657 | |
常量 | -620.389 | 395.016 | 2.467 | 1.00 | 0.116 | 0.000 | |
2005—2010 | GDP | 1.901 | 0.860 | 4.887 | 1.00 | 0.027 | 6.694 |
高程 | 0.391 | 0.177 | 4.865 | 1.00 | 0.027 | 1.479 | |
固定资产投资 | -13.638 | 10.374 | 1.728 | 1.00 | 0.189 | 0.000 | |
坡度Ⅱ(5—15°) | 397.542 | 334.865 | 1.409 | 1.00 | 0.035 | 0.446 | |
常量 | -2.720 | 2.040 | 1.778 | 1.00 | 0.182 | 0.066 |
森林是生存和发展的基础,其丰富的生物多样性和复杂的结构,使之成为自然界最为稳定的生态系统,它对于保护人类赖以生存的环境起到了决定性的作用。根据表 4中回归系数的显著性水平(P<0.05)和Wald统计量可知,3个阶段的驱动因子除了自然因素中的高程、坡度重要的解释变量外,人文因素中的人口数量,社会需求和经济发展对于林地的变化影响也颇为显著。
在第一阶段,除了自然因素中的坡度因素影响外,林地变化较为重要的解释变量为化肥施用量、总人口、GDP和农民人均纯收入。20世纪80年代中期,辽宁省的经济发展进入到重要的起步阶段,而这期间也是林地资源减少速度加快的阶段。1986 年到1995 年下辽河平原地区人口的持续增长和人类从事各种社会经济活动的加剧,必然导致一些低海拔地区等水热自然条件较好的林地被开垦为耕地,为此本文进一步利用ArcGIS中的空间分析工具进行林地的转移矩阵分析,结果如表 5。在第一个阶段,林地向其他景观类型转化的主要方向为耕地和建设用地。总体看来,粗放式的开垦方式导致大量林地被乱砍乱伐,林地资源的大量锐减在这一阶段最为明显。
转出类型 Roll-in type | 转出面积/(104 hm2) Roll-in area | 转入类型 Roll-out type | 转入面积/(104 hm2) Roll-out area | 净变化面积/(104 hm2) Net changes area |
耕地Land | 7.3 | 耕地 | 3.2 | -4.1 |
草地Grass | 0.7 | 草地 | 0.2 | -0.5 |
水域Water | 0.4 | 水域 | 0.2 | -0.2 |
建设用地Construction land | 3.3 | 建设用地 | 0.7 | -2.6 |
湿地Wetland | 0.5 | 湿地 | 0.4 | -0.1 |
其他Other | 0.5 | 其他 | 0.4 | -0.1 |
合计Total | 12.7 | 合计 | 5.1 | -7.6 |
在第二、三阶段中,下辽河平原地区的林地资源总量有所增加,除了自然因素中的高程和坡度因素影响外,这两个阶段重要的解释变量为退耕还林还草、GDP和固定资产投资。自从1998 年国家明确推出“退耕还林”等政策并有效实施以来,辽宁省在相关地区逐步开展退耕还林、荒山荒地造林等计划。目前,辽宁省森林覆盖率较“九五”末提高了多个百分点。尤其是辽西、辽东地区,通过实施退耕还林,土地治理度大幅提高,土壤流失下降近四成,这对于生态环境改善,社会经济发展都起到了积极的作用。然而,林地资源的乱砍乱伐现象虽然得到了一定的遏制,但是就目前而言,也不能盲目乐观,由于政府为追求地区经济的高速发展,仍然会以牺牲林地资源为代价,因此今后应进一步加强林地资源的经营看护,使下辽河平原对林地资源的利用实现真正意义上的可持续发展。
3.4 建设用地变化的驱动力分析建设用地的变化在相对的短期内,受自然资源条件的影响较小,因此本文在讨论建设用地变化的驱动力分析时,主要考虑经济发展和政策因素对其变化的影响。在建设用地变化的回归模型中,将3个阶段建设用地变化提取的所有因变量和自变量带入到Logistic回归模型中,HL指标检验sig.值分别为0.892、0.832和0.998,拟合效果均较为理想,预测正确率在3个阶段分别为92.9%、84.2%和95.4%,模型较为稳定。最终回归模型在3个阶段的自变量具体见表 6。
时间段 Period | 解释变量 Explanatory variable | 回归系数 Regression coefficient | 标准误差 Standard error | Wald统计量 Wald statistics | 自由度 Freedom | 显著性水平 Significance level | 发生比率 Occurrence rate |
1986—1995 | 人均公共绿地面积 | 19.770 | 7.330 | 7.274 | 1.00 | 0.007 | 0.385 |
固定资产投资 | 31.358 | 11.666 | 7.275 | 1.00 | 0.007 | 0.000 | |
从业人数 | 22.997 | 8.728 | 6.942 | 1.00 | 0.008 | 0.972 | |
基建占地 | 23.141 | 9.283 | 6.214 | 1.00 | 0.013 | 0.012 | |
总人口 | 3.907 | 1.719 | 5.165 | 1.00 | 0.023 | 0.020 | |
常量 | -70.478 | 24.470 | 8.295 | 1.00 | 0.004 | 0.000 | |
1995—2005 | 人均公共绿地面积 | 15.371 | 4.234 | 13.179 | 1.00 | 0.000 | 0.473 |
固定资产投资6.983 | 2.148 | 10.572 | 1.00 | 0.001 | 0.107 | ||
粮食单产 | -11.746 | 3.758 | 9.772 | 1.00 | 0.002 | 0.000 | |
总人口 | -4.778 | 2.140 | 4.982 | 1.00 | 0.026 | 0.008 | |
常量 | -1.986 | 2.796 | 0.504 | 1.00 | 0.478 | 0.137 | |
2005—2010 | 工业生产总值 | 0.232 | 0.066 | 12.133 | 1.00 | 0.000 | 1.261 |
社会消费品零售总额 | 4.976 | 2.488 | 4.001 | 1.00 | 0.045 | 0.007 | |
地方财政收入 | 5.174 | 2.610 | 3.930 | 1.00 | 0.047 | 176.660 | |
城市化水平 | 0.864 | 0.520 | 2.758 | 1.00 | 0.097 | 0.421 | |
常量 | -132.000 | 73.043 | 0.000 | 1.00 | 0.099 | 0.000 |
从表 6可以看出,在这3个阶段,建设用地变化较为重要的解释变量大体可以归为三类,即人口、经济发展和城市化水平。人口是建设用地变化的主要驱动因素,随着城市规模的不断扩大,外来人口不断涌入城市中,导致居民对交通、住房、公共设施的需求增大,从而使城市不断向外延伸扩张。建设用地的扩张是经济发展的需要,根据数据调查分析可知,研究区的年均固定资产投资额在前两个阶段增幅极为显著,表明了社会经济发展是建设用地空间扩展的根本动力。城市化水平是衡量一个国家或地区城市化最重要的指标,由城镇人口占总人口的比重表示,那么建设用地的扩张就是城市化水平在空间布局上的具体反映。研究区在3个阶段的年均城市化水平分别为7.94、8.25和9.27,城镇人口的增加和社会经济的快速发展必然导致城市化水平的提高,三者是相辅相成、紧密联系的。另外,建设用地的变化也深受研究区政府政策的影响,城市规划、投资等政策引导了建设用地扩张的模式和方向。然而,目前辽宁省的经济发展和城镇扩张仍主要以耕地资源的减少为代价,因此,科学制定城市规划,合理确定城市规模,对于防止土地资源浪费具有重要作用。
3.5 湿地变化的驱动力分析在湿地变化的模型中,将3个阶段提取的所有因变量和自变量经过无量纲处理后,带入Logistic模型使用向后条件法进行回归计算。HL指标检验sig.值在3个阶段分别为1.000、1.000和0.718,均大于0.05,统计不显著,即模型的拟合效果很好,预测正确率分别为95.2%、98.8%和98.9%,模型较为稳定。最终回归模型在3个阶段的自变量具体见表 7。
时间段 Period | 解释变量 Explanatory variable | 回归系数 Regression coefficient | 标准误差 Standard error | Wald统计量 Wald statistics | 自由度 Freedom | 显著性水平 Significance level | 发生比率 Occurrence rate |
1986—1995 | 总人口 | -17.494 | 3.566 | 24.073 | 1.00 | 0.000 | 0.000 |
GDP | 3.351 | 1.212 | 7.640 | 1.00 | 0.006 | 28.521 | |
年均降水量 | -25.063 | 13.189 | 3.611 | 1.00 | 0.057 | 0.000 | |
常量 | 10.823 | 23.447 | 0.123 | 1.00 | 0.044 | 50.152 | |
1995—2005 | 城镇人口 | 11.504 | 5.766 | 3.980 | 1.00 | 0.046 | 0.990 |
工业生产总值 | -8.031 | 4.355 | 3.402 | 1.00 | 0.065 | 0.000 | |
年均降水量 | -18.137 | 10.282 | 3.112 | 1.00 | 0.078 | 0.000 | |
农民人均纯收入 | 2.112 | 1.232 | 2.939 | 1.00 | 0.086 | 8.266 | |
常量 | 1114.213 | 9438.945 | 0.014 | 1.00 | 0.096 | 0.000 | |
2005—2010 | 年均气温 | 62.896 | 30.167 | 4.347 | 1.00 | 0.037 | 2.070 |
城镇人口 | -18.503 | 9.207 | 4.039 | 1.00 | 0.044 | 0.000 | |
年均降水量 | -22.882 | 14.339 | 2.547 | 1.00 | 0.111 | 0.000 | |
常量 | 49.602 | 23.159 | 4.587 | 1.00 | 0.032 | 0.000 |
根据表 7中回归系数的显著性水平(P<0.05)和Wald统计量可知,第一阶段湿地变化较为重要的解释变量是总人口、GDP和年均降水量。第二阶段为城镇人口、工业生产总值、年均降水量和农民人均纯收入。而在第3阶段重要的解释变量为年均气温、城镇人口和年均降水量。从表中3个阶段的解释变量中可以看出,下辽河平原湿地面积的大幅度减少是自然因素和人文因素共同作用导致的。
湿地变化的3个阶段中,自然影响因素最为重要的解释变量为年均气温和年均降水量,根据图 5和图 6,分析下辽河平原近30 年的气候因子的变化趋势可知,年均气温整体呈上升趋势,年均降水量整体呈下降趋势,但是幅度均不是很大。气温和降水是湿地变化的主要生态环境因子,气温的升高导致蒸发量持续增加,再加上同期降水量的减少,湿地的水分收支不平衡,最终导致湿地面积的大幅度萎缩。自然因素中的气候要素在中小尺度上的时空分异可能是造成湿地面积缩减的直接原因,然而,随着人类社会发展到一定程度,人口、社会经济的压力对湿地资源的影响也越来越深刻。随着人口的增长,必然要求耕地和建设用地的增加,进而导致人们不断开垦湿地。近些年,人们逐步发展水产养殖和种植经济作物,芦苇湿地和滩涂湿地也大面积减少。
4 结论景观格局是自然环境和人类活动长期相互作用形成的,探讨区域的景观格局演变机制,不仅可以深刻了解目前区域的资源环境状况,从而制定相应的整改措施,并且对未来的区域规划也起到了一定的警示和指导作用。本文以下辽河平原为研究对象,基于多时期遥感影像,分3个时段对1986—2010 年区域的景观格局变化过程进行了研究。从自然驱动力和人文驱动力这两个方面构建景观格局演变的评价指标体系,采用GIS-Logistic模型耦合的方法,通过提取不同时段的所有自变量和因变量,根据回归系数的显著性水平(P<0.05)和Wald统计量,找出下辽河平原景观格局演变的驱动机制。结果表明:
(1)从下辽河平原各景观类型的面积变化总体趋势可以看出,作为基质景观类型的耕地,在3个时段呈先增加后减少的变化趋势;作为生态用地的林地和草地,在早些年的经济发展中,大量被乱砍乱伐,直接导致资源的大幅减少,后来在国家退耕还林的举措下,林地和草地的面积有所回升;作为人文景观类型的建设用地,一直保持持续增加,特别是在第二个时段,增幅较为剧烈;作为本研究区特有的景观类型—湿地,在3个时段所表现出的趋势变化为持续减少,这与干扰密不可分。
(2)通过 Logistic 回归模型对下辽河平原景观格局演变的驱动力进行定量分析,各景观类型总体变化在各个阶段具有不同的重要驱动因素。总体来讲,在中小尺度下,自然驱动因素相对于人文驱动因素的影响相对较弱,人口、经济发展、城市化水平、技术等因子对于下辽河平原各景观类型的变化具有较强的驱动作用。
(3)由于数据获取的限制,本文景观格局演变的驱动指标评价体系构建还不够完善。研究中的一部分指标获取了下辽河平原9 市的驱动因子值,而另一部分指标获取了下辽河平原22县区的驱动因子值,如果使用更高精度的小尺度数据进行建模分析,将可以得到更好的回归结果。另外,在自然驱动力因子选取时,没有更多地考虑有关水文因子的影响,如何在庞大和复杂的体系里构建更为全面的驱动模型,有待深入研究。
[1] | Wu J G. Landscape Ecology Pattern, Process, Scale and Hierarchy. Beijing: High Education Press, 2000. |
[2] | Fu B J, Chen L D, Ma K M, Wang Y L. Theory and Application of Landscape Ecology. Beijing: Science Press, 2001: 68-95. |
[3] | Brogaard S, Zhao X Y. Rural reforms and changes in land management and attitudes: a case study from Inner Mongolia. China, 2002, 31(3): 219-225. |
[4] | Lambin E F. Modeling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography, 1997, 21(3): 375-393. |
[5] | Wrbka T, Erb K H, Schulz N B, Peterseil J, Hahn C, Haberl H. Linking pattern and process in cultural landscapes. An empirical study based on spatially explicit indicators. Land Use Policy, 2004, 21(3): 289-306. |
[6] | Lu P, Su Y R, Niu Z, Wu J S. Landscape pattern changes and driving force at county level in Hunan Province. Science of Soil and Water Conservation, 2006, 4(5): 71-76. |
[7] | Li W F, Wang Y L, Peng J, Li G C. Landscape spatial changes in Shenzhen and their driving factors. Chinese Journal of Applied Ecology, 2004, 15(8): 1403-1410. |
[8] | Li X Z, Bu R C, Chang Y, Hu Y M, Wen Q C, Wang X G, Xu C G, Li Y H, He H S. The response of landscape metrics against pattern scenarios. Acta Ecologica Sinica, 2004, 24(1): 123-134. |
[9] | Bürgi M, Hersperger A M, Schneeberger N. Driving forces of landscape change-current and new directions. Landscape Ecology, 2004, 19(8): 857-868. |
[10] | Wu Y, Yang G S, Wan R R, Chen J L. Analysis on the socioeconomic driving forces differences of cultivated land area change in Suzhou city. Geography and Geo-Information Science, 2007, 23(2): 75-79. |
[11] | Long A J, Waller M P, Stupples P. Driving mechanisms of coastal change: peat compaction and the destruction of late Holocene coastal wetlands. Marine Geology, 2006, 225(1-4): 63-84. |
[12] | Gong Z N, Zhang Y R, Gong H L, Zhao W J. Evolution of wetland landscape pattern and its driving factors in Beijing. Acta Geographica Sinica, 2011, 66(1): 77-88. |
[13] | Wang J C, Guo Z G. Logistic Regression Model: Methods and Applications. Beijing: Higher Education Press, 2001. |
[14] | Sun C Z, Yan X L, Zhong J Q. Evaluation of the landscape ecological security and analysis of spatial structure in the lower reaches of Liaohe River Plain. Journal of Safety and Environment, 2014,14(2): 1-7. |
[15] | Sun C Z, Yan X L, Zhong J Q. Landscape patterns vulnerability assessment and spatial correlation patterns analysis in the lower reaches of Liaohe River Plain. Acta Ecologica Sinica, 2014, 34(2): 247-257. |
[16] | Hao X M, Li W H, Chen Y N, Zhao R F. Analysis of socioeconomic driving forces on land use and land cover change in Tarim River Basin. Journal of Desert Research, 2007, 27(3): 405-411. |
[17] | Gao C J, Zhou D M, Luan Z Q, Zhang H Y. Review on researches of wetland landscape pattern change. Resources and Environment in the Yangtze Basin, 2010, 19(4): 460-464. |
[18] | Long H L, Wang W J, Zhai G, Liu S, Zhang Q C. Analysis on land use changes and their driving forces in Anhui province. Resources and Environment in the Yangtze Basin, 2002, 11(6): 526-530. |
[19] | Liu M, Wang K L. Landscape pattern change and its driving forces in middle and upper reaches of Dongting Lake watershed. Chinese Journal of Applied Ecology, 2008, 19(6): 1317-1324. |
[20] | Wang B, Liu G B, Wang B D, Ma J J, Pan W G. Changes of landscape patterns based on grey relation analysis of hydropower station. Bulletin of Soil and Water Conservation, 2009, 29(6): 70-73. |
[21] | Xu C Q, Xu X H, Yu X J, Qiao Y H, Zeng Y J. The logistic regression model about risk factors of late mortality related with heart valve replacement. Beijing Biomedical Engineering, 2005, 24(1): 13-16. |
[22] | Huang H, Ma F, Ma Y H. Logistic curve model for regional economy medium-term and long-term forecast. Journal of Wuhan University of Technology: Information & Management Engineering, 2011, 33(1): 94-97. |
[23] | Li X P, Tang H M, Chen S. Application of GIS-based logistic regression modal on spatial prognosis studying of landslide. Journal of Highway and Transportation Research and Development, 2005, 22(6): 152-155. |
[24] | Du W X, Huang X J. Regional difference and influencing factors of farm households' willingness of rural land transmission: a case study of Shanghai, Nanjing, Taizhou and Yangzhou cities in Yangtze-Delta Region. Resources Science, 2005, 27(6): 90-95. |
[25] | Sheng S, Liu M S, Xu C, Yu W, Chen H. Application of CLUE-S model in simulating land use changes in Nanjing metropolitan region. Chinese Journal of Ecology, 2008, 27(2): 235-239. |
[26] | Yang Y L. Study on Land Use Dynamic Change in Xinjiang [D]. Urumqi: Xinjiang Agricultural University, 2005. |
[1] | 邬建国. 景观生态学——格局、过程、尺度与等级. 北京: 高等教育出版社, 2000. |
[2] | 傅伯杰, 陈利顶, 马克明, 王仰麟. 景观生态学原理及应用. 北京: 科学出版社, 2001: 68-95. |
[6] | 路鹏, 苏以荣, 牛铮, 吴金水. 湖南省桃源县县域景观格局变化及驱动力典型相关分析. 中国水土保持科学, 2006, 4(5): 71-76. |
[7] | 李卫锋, 王仰麟, 彭建, 李贵才. 深圳市景观格局演变及其驱动因素分析. 应用生态学报, 2004, 15(8): 1403-1410. |
[8] | 李秀珍, 布仁仓, 常禹, 胡远满, 问青春, 王绪高, 徐崇刚, 李月辉, 贺红什. 景观格局指标对不同景观格局的反应. 生态学报, 2004, 24(1): 123-134. |
[10] | 吴业, 杨桂山, 万荣荣, 陈江龙. 苏州市耕地面积变化的社会经济驱动力差异性分析. 地理与地理信息科学, 2007, 23(2): 75-79. |
[12] | 宫兆宁, 张翼然, 宫辉力, 赵文吉. 北京湿地景观格局演变特征与驱动机制分析. 地理学报, 2011, 66(1): 77-88. |
[13] | 王济川, 郭志刚. Logistic回归模型——方法与应用. 北京: 高等教育出版社, 2001. |
[14] | 孙才志, 闫晓露, 钟敬秋. 下辽河平原景观生态安全评价及空间结构分析. 安全与环境学报, 2014, 14(2): 1-7. |
[15] | 孙才志, 闫晓露, 钟敬秋. 下辽河平原景观格局脆弱性评价及空间关联格局分析. 生态学报, 2014, 34(2): 247-257. |
[16] | 郝兴明, 李卫红, 陈亚宁, 赵瑞峰. 塔里木河干流土地利用/覆盖变化的社会经济驱动力分析. 中国沙漠, 2007, 27(3): 405-411. |
[17] | 高常军, 周德民, 栾兆擎, 张海英. 湿地景观格局演变研究评述. 长江流域资源与环境, 2010, 19(4): 460-464. |
[18] | 龙花楼, 王文杰, 翟刚, 刘松,张清春. 安徽省土地利用变化及其驱动力分析. 长江流域资源与环境, 2002, 11(6): 526-530. |
[19] | 刘明, 王克林. 洞庭湖流域中上游地区景观格局变化及其驱动力. 应用生态学报, 2008, 19(6): 1317-1324. |
[20] | 王兵, 刘国彬, 王伯铎, 马俊杰, 潘文光. 基于灰色关联度的水电站建设区景观格局及其变化研究. 水土保持通报, 2009, 29(6): 70-73. |
[21] | 许传青, 徐小虎, 于晓军, 乔元华, 曾衍钧. 心瓣膜置换术远期死亡因素的Logistic回归模型与分析. 北京生物医学工程, 2005, 24(1): 13-16. |
[22] | 黄豪, 马斐, 马玉华. Logistic曲线模型在区域经济长期预测中的应用. 武汉理工大学学报: 信息与管理工程版, 2011, 33(1): 94-97. |
[23] | 李雪平, 唐辉明, 陈实. 基于GIS的Logistic回归在区域滑坡空间预测中的应用. 公路交通科技, 2005, 22(6): 152-155. |
[24] | 杜文星, 黄贤金. 区域农户农地流转意愿差异及其驱动力研究——以上海市、南京市、泰州市、扬州市农户调查为例. 资源科学, 2005, 27(6): 90-95. |
[25] | 盛晟, 刘茂松, 徐驰, 郁文, 陈红. CLUE-S模型在南京市土地利用变化研究中的应用. 生态学杂志, 2008, 27(2): 235-239. |
[26] | 杨燕玲. 新疆土地利用动态变化研究 [D]. 乌鲁木齐: 新疆农业大学, 2005. |