留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

县域城市扩张遥感动态监测及驱动力分析

黎显平 冯仲科 游先祥 瞿帅

黎显平, 冯仲科, 游先祥, 瞿帅. 县域城市扩张遥感动态监测及驱动力分析[J]. 浙江农林大学学报, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
引用本文: 黎显平, 冯仲科, 游先祥, 瞿帅. 县域城市扩张遥感动态监测及驱动力分析[J]. 浙江农林大学学报, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
LI Xianping, FENG Zhongke, YOU Xianxiang, QU Shuai. Remote sensing dynamic monitoring and driving force analysis of county-cities expansion[J]. Journal of Zhejiang A&F University, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
Citation: LI Xianping, FENG Zhongke, YOU Xianxiang, QU Shuai. Remote sensing dynamic monitoring and driving force analysis of county-cities expansion[J]. Journal of Zhejiang A&F University, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011

县域城市扩张遥感动态监测及驱动力分析

doi: 10.11833/j.issn.2095-0756.2016.05.011
基金项目: 

国家林业局业务委托项目 201401

详细信息
    作者简介: 黎显平,从事地理信息系统及遥感技术应用研究。E-mail:273247499@qq.com
    通信作者: 冯仲科,教授,博士生导师,从事“3S”理论与技术、精准林业理论与基础技术研究。E-mail:fengzhongke@126.com
  • 中图分类号: S711;P237

Remote sensing dynamic monitoring and driving force analysis of county-cities expansion

图(4) / 表(8)
计量
  • 文章访问数:  969
  • HTML全文浏览量:  114
  • PDF下载量:  534
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-10-14
  • 修回日期:  2015-12-27
  • 刊出日期:  2016-10-01

县域城市扩张遥感动态监测及驱动力分析

doi: 10.11833/j.issn.2095-0756.2016.05.011
    基金项目:

    国家林业局业务委托项目 201401

    作者简介:

    黎显平,从事地理信息系统及遥感技术应用研究。E-mail:273247499@qq.com

    通信作者: 冯仲科,教授,博士生导师,从事“3S”理论与技术、精准林业理论与基础技术研究。E-mail:fengzhongke@126.com
  • 中图分类号: S711;P237

摘要: 为了迅速掌握初级发展阶段中县域城市的扩展特征并合理利用土地资源,选取河南省洛阳市嵩县作为研究对象,采用遥感(RS)变化监测与地理信息系统(GIS)空间分析方法,分析了河南省嵩县城镇扩展变化特征,研究了各驱动因子对城镇扩展中主要用地类型的影响。结果表明:近26 a来,嵩县城市扩展速度北快南慢,地形对嵩县的扩展影响较大,建设用地增长率达266.0%,耕地面积减少幅度为28.9%,林地增幅为14.3%,水域、滩涂总体变化量较小,未利用地则呈现快速减少趋势。土地利用类型转化的主要方向为耕地与林地的转化,草地与林地的转化,滩涂与水域的转化,未利用地与耕地的转化。其中,未利用地与草地向各地类的转化率最大,分别为88.5%和87.6%。驱动力分析表明:经济发展、居民消费水平及人口变动对县城主要用地的变化具有较强的解释作用。

English Abstract

黎显平, 冯仲科, 游先祥, 瞿帅. 县域城市扩张遥感动态监测及驱动力分析[J]. 浙江农林大学学报, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
引用本文: 黎显平, 冯仲科, 游先祥, 瞿帅. 县域城市扩张遥感动态监测及驱动力分析[J]. 浙江农林大学学报, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
LI Xianping, FENG Zhongke, YOU Xianxiang, QU Shuai. Remote sensing dynamic monitoring and driving force analysis of county-cities expansion[J]. Journal of Zhejiang A&F University, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
Citation: LI Xianping, FENG Zhongke, YOU Xianxiang, QU Shuai. Remote sensing dynamic monitoring and driving force analysis of county-cities expansion[J]. Journal of Zhejiang A&F University, 2016, 33(5): 798-806. doi: 10.11833/j.issn.2095-0756.2016.05.011
  • 城镇扩展是现代化建设的核心内容之一,城市用地扩张也是区域生态环境系统的重要组成部分,并以逐渐积累的方式影响着全球生态环境。合理利用土地资源是城市动态扩展过程中最重要的参考条件,研究土地利用动态变化是将区域的开发建设对其结构和功能造成的影响具体化呈现的一种有效方法[1]。采用遥感(RS)与地理信息系统(GIS)技术相结合的方法来研究土地利用时空变化规律与驱动机制是城市遥感动态监测的热点[2]。借助数学模型定量分析土地利用结构动态变化过程及趋势预测,可为区域未来土地合理利用规划提供决策依据[3-6]。中国城市化过程中的城市用地扩张问题作为多学科的研究热点,在研究视角、研究方法与数据基础上等都有较大的差异。张乐勤等[6]认为“3S”技术与数学模型方法及数据库技术相结合是创新城市扩展研究的新途径。施益强等[7]认为采取遥感获取土地利用信息结合GIS技术进行叠置分析比较,可以更具体地了解各类土地利用的变化信息,是综合研究土地利用变化的有效方法。于龙等[8]采用遥感波谱角分类方法进行土地利用分类取得较好效果,保证了进一步的土地利用动态监测的精确度。王茜等[9]以北京大兴区为例,运用扩展强度及扩展规模系数等指标来分析建设用地扩展特征,并采用缓冲区分析得出自然因素、社会经济、交通及政策因素是影响其扩展的主要因素。樊亚鹏等[10]以广州市为例分析城市扩展及城市热环境效应,认为高密度建设用地对地区温度影响最大,而植被则有降温的作用。以上学者多以城市化速度快、区域范围广的大城市作为研究区,大部分时间跨度短,城市化特征评价指标较单一、指向不明确,而中国县域城市面临着距离大城市远、人口密度低和城市规划落后等问题,对小范围的典型地区进行研究,是深入分析土地利用时空变化规划的有效途径[11]。本研究选取地处偏远、具有特殊山地地貌、发展具有较强独立性的河南省嵩县作为研究对象。采用多源多时相遥感影像图提取目标地类的分类矢量图,通过城镇扩展强度指数、城镇发展过程中土地利用的综合动态度与转移概率矩阵3个评价指标来分析嵩县在26 a间的城镇扩展演变的过程,基于多元回归模型着重分析耕地及建设用地的动态变化特征及其驱动力。研究嵩县的城镇扩展特征及规律,探寻与经济发展及人口因子之间的关系,对于引导初级发展阶段中的城镇合理化用地规模和格局,平衡土地利用结构提供有效的参考依据。

    • 嵩县位于河南省西部,东接汝阳、鲁山,南邻南召、内乡,西依栾川、洛宁,北与宜阳、伊川接壤,地理位置为33°35′~34°21′N,111°24′~112°22′E。东西最宽处约62 km,南北长约86 km,总面积为3 007.9 km2,是一个以山地为主的县域城市。山地面积较多,平原丘陵面积较少且大部分集中在北部,林地面积超过60%。各乡镇中心建成时间短,到2013年止,全县一共9个镇7个乡386个行政村,城市化水平不超过5%,是一个处在初级发展阶段的城镇。

    • 遥感影像选取1987年7月专题制图仪TM(thematic mapper),1996年5月TM,2004年5月地球观测卫星SPOT5,2013年5月ZY-3卫星及陆地卫星Landsat 8数据共4期数据,分别间隔9,8和9 a,基本满足等年距要求。辅助数据应用嵩县提供的1993-2008年MAPGIS地形图数据,2009年二类调查土地利用现状数据,2010年城区范围为5 m精度,山区10 m精度的数字高程模型(DEM)数据。文档资料包括1987,1990-2010年间的年鉴统计数据。

    • 以2004年的SPOT5的2.5 m正射影像图为基准图,采用回归分析的方法对影像做大气较正并采用二项式方法对遥感影像进行几何较正,直至控制点的平均误差小于0.5个像元才输出最终校正结果图。研究中选取了多源多时相的遥感数据,因此存在空间分辨率不一致的问题。在做处理时,对TM遥感数据空间插值重复采样2次(1次提高1倍)将图像分辨率提高至7.5 m效果最佳,再利用同一期TM较好的光谱分辨率与较高空间分辨率的遥感数据进行融合,从而得到光谱和空间分辨率均较好的遥感图像。

    • 对遥感影像数据进行分类是获得具体的土地利用变化信息必不可少的一步[12-14],根据GB/T 21010-2007《土地利用现状分类标准》,并结合嵩县实际情况,将研究区分成居民地、道路、耕地、林地、草地、水域、滩涂、未利用地等共8个地物类型。充分分析现有数据,将DEM图高程信息及相关地形图作为辅助解译,利用ERDAS软件对其进行初步分类:2013年采取多分类器集成的方法进行地类信息提取;2004年的SPOT5E采用面向对象图像分割进行分类;1987年及1996年TM影像采用支持向量机分类,后期结合人工目视解译做修改,以野外调查及高分辨率图像对照进行检验,在精度检验时,对每个地类选取不少于40个的随机点,与Google Earth地图及地面调查结果图进行一一对照,以保证判读结果的精度。经统计,各期土地利用类型精度均在80%以上。以此得到1987,1996,2004及2013年共4期土地利用现状数据,精度评价表如表 1所示。由表 1可知:本研究所提取的各时期土地利用分类结果精度均在86%以上,Kappa系数为0.80以上,分类结果具有一定的可靠性。总体而言,能满足县域土地利用动态监测对数据处理的要求。最终获得的面积统计和分类现状图如表 2图 1所示。

      表 1  1987-2013年土地利用分类精度评价

      Table 1.  Land use classification accuracy evaluation table in 1987-2013

      年份 参考像元 被分类像元 正确分类像元 生产者精度/% 用户精度/% Kappa系数
      1987 1 244 1 198 1 070 86.10 89.23 0.83
      1996 1 267 1 237 1 087 88.79 87.87 0.82
      2004 1 267 1 256 1 093 86.27 87.02 0.82
      2013 1 216 1 171 1 042 82.75 86.58 0.85
      合计 4 994 4 862 4 292 87.10 0.83

      表 2  1987-2013年间各土地利用类型面积及所占百分比

      Table 2.  Land use type area and the percentage in 1987-2013

      年份 各土地利用类型面积/km2
      居民地 道路 耕地 林地 草地 水域 滩涂 未利用地
      1987 32.181 7 1.609 2 989.199 7 1 714.896 7 106.609 2 29.272 8 62.531 2 71.58 8
      (107) (0.05) (32.89) (57.01) (3.54) (0.97) (2.08) (2.38)
      1996 89.048 8 7.156 5 733.346 5 1 948.062 7 82.247 7 39.864 5 64.872 9 43.048 8
      (2.97) (0.24) (24.38) (64.77) (2.73) (1.33) (2.16) (1.43)
      2004 111.657 0 7.893 6 732.500 3 1 872.512 4 153.619 3 46.677 5 52.299 9 30.713 1
      (3.71) (0.26) (24.35) (62.25) (5.11) (1.55) (1.74) (1.02)
      2013 117.873 8 10.709 8 703.376 6 1 960.951 3 98.884 3 44.427 8 48.711 5 22.953 3
      (3.92) (0.36) (23.38) (65.19) (3.29) (1.48) (1.62) (0.76)
      说明:括号内为各土地类型所占百分比(%)。

      图  1  2013年嵩县土地利用现状分类图

      Figure 1.  Land use status of Song County in 2013

    • 动态信息提取采用分类后提取与直接比较相结合的方法来进行提取。分类后提取动态是利用前后2期分类数据相减,生成变化图确定变化发生的位置。直接比较法是利用同一位置不同地物在融合后与正常地物的光谱表现出明显的差别,以此可勾绘出变化信息区域,进而生成一个变化模板,用以确定变化图斑的范围,去掉伪变化,此次选择了光谱特征变异法来生成变化模板。利用比较法得到的变化模板对分类后提取的变化信息图像进行检查和修改。根据变化属性分别赋予编码,如前一期地类为居民地,变化为耕地,则编码“12”,表示此图斑由地类“1”变成地类“2”。最后对动态图斑加以定性与集成,每2期现状分类数据对比分析得出一期动态变化数据,土地利用变化信息提取的最终结果如图 2所示。以4期土地利用现状分类数据为基础,通过数学模型计算出4期土地利用程度值与3期综合动态度。采用空间叠置方法来计算相邻2期数据间的土地利用转移概率矩阵,分析土地利用类型相互之间的流向,研究土地利用的变动特点,进而利用多元回归模型研究主要地物类型变化的驱动力分析。

      图  2  1987-1996年土地利用动态变化图

      Figure 2.  Dynamic change of land use in 1987-1996

    • 研究区的数据以行政村为区划单位,计算各村的土地利用程度值,反映不同行政村的土地利用程度的差异性,突出重点变化区域。土地利用程度计算表达式为${L_{\rm{a}}}{\rm{ = }}\sum\limits_i^n {\left( {{A_i} \times {C_i}} \right) \times 100} $。La表示土地利用程度值,Ai为第i级土地利用程度分级数,土地利用分级指数如表 3所示;Ci为第i级的土地利用程度所占区划单位的面积的百分比。依据公式计算出来的4期土地利用程度值按小到大的顺序分为5个等级,等级越高表示土地利用强度越大。

      表 3  土地利用程度分级及赋值

      Table 3.  Land use degree index

      分级类型 土地利用类型 分级指数
      未利用土地级 未利用地及其他 1
      粗放利用土地级 水域、滩涂 2
      集约用土地级 林地、草地 3
      农村聚落用土地级 耕地 4
      城镇聚落用土地级 城镇居民地、道路 5

      图 3可以看出:嵩县各行政村在不同时期土地利用程度值呈现不同的分布。总体上北部较高等级的土地利用程度区域明显扩大,而南部村落土地利用强度等级变化较小,个别村甚至呈下降趋势。影响嵩县土地利用程度的区域主要集中在北部,北部的城镇扩展速度也相对较高。土地利用程度的变化幅度最大为第5级,集中在北部平原丘陵区域。其他土地利用程度等级覆盖区域呈下降趋势。

      图  3  1987,1996,2004,2013年土地利用程度分级图

      Figure 3.  Land use degree classification in 1987, 1996, 2004, 2013

    • 将研究区域分成500 m × 500 m的数个小栅格作为最小计量单元,每个单元内的动态变化面积及各地类之间的转换方式等信息逐一被记录,以此计算各单元内的综合土地利用动态度值,刻画出不同空间尺度上土地利用变化速率的区域差异[15-16]。综合土地利用动态度的数学表达式为${L_{\rm{C}}} = \sum\limits_{i = 1}^n {\left( {\frac{{\Delta {L_{{\rm{U}}i - j}}}}{{{L_{{\rm{U}}i}}}}} \right) \times \frac{1}{T} \times 100\% } $。其中:LCT时间段内研究区的土地利用变化速率,LUi为初始时间点第i类土地利用类型总面积,∆LUi-j为监测时段内第i类土地利用类型转为其他土地利用类型面积,T为研究时段长度。依据计算得出3期的综合土地利用动态度值均为0~1,其值按0~0.01(基本无变动区),0.01~0.05(变化缓慢区),0.05~0.10(变化中等区),0.10~0.20(变化快速区),0.20~1.00(变化极快区)分为5个等级的土地利用动态区划值,如图 4所示。其意在刻画不同空间尺度土地利用动态变化速率的区域差异,等级越高说明动态变化的速度越快,土地利用类型之间的演变越剧烈。

      图  4  3期综合土地利用动态度分级图

      Figure 4.  Comprehensive land use dynamic degree classification chart

      图 4表明:热点变化等级较高的区划单元大量分布在平原和丘陵地带,并落于建设用地和耕地所在区域。叠置计算得出第1期动态中建设用地和耕地分别有46%,69%的区域分布在综合土地利用动态变化第4级与第5级所在区;第2期为39%,46%;第3期为33%,59%。建设用地和耕地分布在第4与第5级的总面积占嵩县总面积的18.9%,第2,3期数据分别为17%,20%。因此也可以明确建设用地和耕地是嵩县变化最剧烈的2个土地利用类型。变化区域仍以北部为主,第1期动态变化中建设用地尤为剧烈,第2,3期中建设用地增加速度较第1期变慢,南部在第2期动态中由低等级向高等级转化区域增加,集中在车村镇中心以及白云山旅游建设区。

    • 通过ARCGIS中的相交运算计算每2期数据之间的土地利用类型的转移概率矩阵,能够清晰地反映各土地利用类型互相之间转化,揭示土地利用格局的时空演变的量化过程。其数学模型为:

      $ \left( {{P_{ij}}} \right) = \left[ {\begin{array}{*{20}{c}} {{P_{11}}} & {{P_{12}}} & \cdots & {{P_{1n}}}\\ {{P_{21}}} & {{P_{22}}} & \cdots & {{P_{2n}}}\\ \vdots & {} & \ddots & \vdots \\ {{P_{n1}}} & {{P_{n2}}} & \cdots & {{P_{nn}}} \end{array}} \right] $

      其中:Pij为研究期初第i类土地利用类型转变为研究期末第j类土地利用类型的面积。Pij表示第i类土地没有变化的面积比率。表 4~表 6是通过模型计算出来的各期土地利用转移概率矩阵结果。

      表 4  1987-1996年各土地利用类型转移概率矩阵

      Table 4.  Transfer probability matrix of land use type in 1987-1996

      土地类型 土地利用类型转移概率/%
      居民地 道路 耕地 林地 草地 水域 滩涂 裸地
      居民地 65.72 0.41 21.11 9.09 0.00 0.10 2.24 1.32
      道路 27.53 71.59 0.72 0.12 0.00 0.01 0.03 0.00
      耕地 4.66 0.35 59.36 30.36 0.01 0.17 1.82 3.28
      林地 0.77 0.08 4.78 93.93 0.03 0.01 0.31 0.10
      草地 5.43 0.00 15.39 2.12 76.67 0.02 0.35 0.01
      水域 0.24 0.06 0.30 0.66 0.00 93.70 4.94 0.10
      滩涂 0.02 1.11 12.92 10.76 0.00 15.68 56.65 1.28
      裸地 2.07 0.54 45.84 34.82 0.01 0.93 5.09 10.69

      表 5  1996-2004年各土地利用类型转移概率矩阵

      Table 5.  Transfer probability matrix of land use type in 1996-2004

      土地类型 土地利用类型转移概率/%
      居民地 道路 耕地 林地 草地 水域 滩涂 裸地
      居民地 67.83 1.35 17.49 10.12 1.48 0.34 0.99 0.40
      道路 1.26 86.35 5.69 1.90 1.32 0.09 3.32 0.08
      耕地 4.48 0.04 71.52 18.15 4.29 0.13 1.02 0.37
      林地 0.66 0.00 7.63 84.95 5.11 0.06 0.39 1.20
      草地 1.22 0.13 7.72 72.35 17.82 0.13 0.52 0.11
      水域 0.19 0.00 2.03 1.98 0.71 84.71 10.36 0.01
      滩涂 4.34 0.18 18.47 10.33 2.69 15.64 48.22 0.13
      裸地 3.11 0.00 56.32 19.43 10.64 0.42 0.58 9.49

      表 6  2004-2013年各土地利用类型转移概率矩阵

      Table 6.  Transfer probability matrix of land use type in 2004-2013

      土地类型 土地利用类型转移概率/%
      居民地 道路 耕地 林地 草地 水域 滩涂 裸地
      居民地 95.32 0.06 2.97 1.43 0.05 0.02 0.02 0.13
      道路 17.82 76.14 3.63 1.15 0.35 0.04 0.83 0.04
      耕地 1.03 0.34 75.80 22.08 0.08 0.06 0.04 0.58
      林地 0.07 0.05 5.61 93.97 0.04 0.04 0.01 0.20
      草地 0.22 0.25 21.07 14.77 63.10 0.11 0.02 0.46
      水域 0.28 0.14 1.45 0.98 0.04 87.75 9.33 0.02
      滩涂 0.82 1.31 7.52 2.34 0.03 4.07 83.76 0.16
      裸地 1.00 0.10 7.97 44.19 1.38 0.00 0.01 45.35

      表 4~表 6可以看出:耕地的流出方向主要为林地、居民地与草地。耕地到林地第1期的转化量最大为30%,经历了先增后减的过程,其次耕地到居民地的转化前2期动态变化中区别不大,分别为4.66%和4.48%,第3期降为1.03%,2004年因国家退耕还林措施的实施,林地中经济林的增加,也致使耕地到林地转化量变大。耕地的流入主要是林地、草地、滩涂与未利用地。林地向耕地的流入量小于8%,相对流出量少很多。草地与林地的依存关系较大,对耕地的补充有一定积极作用。滩涂与未利用地则对耕地贡献量处于增加的趋势。

      居民地的分布受地形影响较大,主要分布在平原和丘陵地带,1987-1996年间增长率达177%,是8个地类中涨幅最大的类型,其扩展侵占的主要是耕地、草地和未利用地。1996-2004年期间增长速度逐渐放缓,增加率为25%,2004-2013年增长率则只有5%。究其原因是嵩县特殊的地形情况下,适合建造居民地的平原及丘陵面积有限,到2004年平原地区的开发利用基本达饱和状态,可用来做居地用地的土地已不多,2004年后除去新农村的建设开垦大片的新土地外,其他增加的居民地大部分是在原有建设用地的周边进行扩建,很少再新开发大片的土地用做居民地,因而扩展速度有所减缓。

      林地主要转化方向是为耕地和草地,变动速率亦是先增后减;滩涂与水域相互转化量较大,其次滩涂转化为耕地比率占11.74%;裸地则主要转化为林地和耕地类型。其中有些不合理的转化如滩涂及水域到居民地的转化,则是因为前期分类错误造成的,但由于占比较小在此可忽略不计。

    • 根据嵩县各类用地的变化和转移量,认为用量较大的土地利用类型主要有耕地(y1)和建设用地(y2)。结合嵩县发展情况和统计数据,选取1987-2013年的经济发展指标:国内生产总值(GDP,x1),第一产业(x2),第二产业(x3),第三产业(x4),人均GDP(x5)。人口变化指标:总人口数量(x6)。居民消费水平指标:农村居民消费(x7),城镇居民消费(x8),政府消费支出(x9),资本形成总额(x10)作为自变量。以居民用地(y1),耕地(y2)作为因变量,建立多元线性回归模型。以y1y2分别作为因变量时,引入的参数过多会增加分析的复杂性,且部分因子之间的相关性较强,因此有必要对自变量进行筛选,此处采用R语言对其进行逐步回归法处理,当变量为x3x4x5x6x7y1的回归模型拟合度最高,值为0.995 3。y2为因变量时,最优回归变量为x1x2x3x4x5x6x7x9x10,拟合优度为0.884,标准化后的回归模型中偏回归系数最大的对模型的影响最显著,系数的正负决定影响方向。各因子的相关系数如表 7所示。

      表 7  各因子之间的相关性

      Table 7.  Correlation between the various factors

      x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 y2 y1
      x1 1
      x2 0.988 1
      x3 0.994 0.966 1
      x4 0.997 0.991 0.985 1
      x5 0.999 0.986 0.995 0.996 1
      x6 0.878 0.888 0.852 0.897 0.874 1
      x7 0.932 0.955 0.897 0.952 0.928 0.950 1
      x8 0.997 0.979 0.996 0.990 0.997 0.860 0.914 1
      x9 0.998 0.986 0.990 0.999 0.998 0.890 0.943 0.992 1
      x10 0.957 0.904 0.979 0.945 0.959 0.795 0.823 0.965 0.953 1
      y2 0.499 0.534 0.479 0.490 0.497 0.178 0.385 0.499 0.483 0.427 1
      y1 0.678 0.734 0.618 0.718 0.670 0.9138 0.884 0.645 0.700 0.518 0.071 1

      表 8为主要用地类型的多元回归模型,居民用地扩展呈增长模式,其中x7x5x6对其扩展影响最为显著,x3x4对其呈反向影响关系。模型中对耕地的增加有显著影响的因子依次为x3x4x1;对耕地有反向驱动的因子依次为x5x1x9x10x6x7表 8的回归模型分析主要得出,影响居民用地扩展的驱动因子主要为农村居民消费水平、人口因素及人均GDP,第二产业及第三产业对其有反向影响。耕地的整体走势是不断减少的,而耕地的减少驱动因子主要为GDP人均值及总值、政府消费支出、资本形成总额几个因子,其次为人口数量及农村居民消费水平因子;耕地增加则主要依赖于工业、服务业及农业的发展。

      表 8  各土地利用类型多元回归模型

      Table 8.  Multiple regression models of land use types

      地类 多元回归模型 R2 F P
      居民用地 y1=-2.31x3-0.436x4+0.83x5+0.78x6+0.95x7 0.995 3 9.800 2.2×l0-16
      耕地 y2=-25.0x1+11.0x2+38.7x3+29.5x4-35.0x5-1.73x6-1.22x7-9.0x9-6.0x10 0.884 0 9.124 2.2×10-4
    • 城市的扩展变化是人类活动与自然环境最直接的表现形式,而土地利用变化格局表征了人—地关系在不同地域空间上的作用强度与作用模式。应用多期多源遥感影像和专题图的叠置及空间分析,获取嵩县1987-2013年之间变化数据,在此基础上对嵩县近26 a以来的城镇扩展动态变化特征进行了分析和研究,得出如下结论:①类似于嵩县这样的山地城市,地形对其城市化发展格局具有较大的约束作用,扩展较快的区域相对集中在平原与丘陵地带。最主要的土地利用变化类型且变化面积最大的为耕地减少了286 km2,林地增加了246 km2,建设用地增加了86 km2。转化比率最高的是未利用地与草地,其转化方向主要为耕地与林地。②嵩县的发展模式由耕地的开垦、建设用地的增加为主要发展态势逐渐转变为开发与生态并重的模式,这也是后期耕地减少的速度变缓,居民用地增加速度变慢的重要原因。驱动力分析结果表明:农村居民消费水平、人口数量及经济发展直接影响着居民用地的扩展,而耕地减少的主要是因为经济增长、人口增加转而变成对耕地的需求量增加。③从嵩县城镇的分布区域和扩展速度来看仍属粗放型发展,集约度低、规划性差,且土地利用潜力较小,而经济和人口的持续增长迫使有效解决这种矛盾成为嵩县城市发展的首要问题。

      城镇的发展、土地的利用与变化由众多因素决定,且嵩县地形复杂,分类精度还需进一步提高。县域城镇统计数据收集较困难,本研究虽从不同角度研究且选取了经济水平、人口因子及消费支出等因子对嵩县主要地类的扩展进行了驱动力分析,但仍然有一定局限,后期还需要做进一步的深入研究与探讨。

参考文献 (16)

目录

    /

    返回文章
    返回