“十三五”期间南京市江宁区土地利用变化特征及影响因素研究

孔祥豪,张兵良,方 青

(1.江苏交科集团有限公司,江苏 南京 210019;2.南京农业大学,江苏 南京 210095;3.南京市规划和自然资源局江宁分局,江苏 南京 211106)

0 引 言

人类生活的变迁引发土地利用类型的转变,而在快速城市化和工业集成化的背景下,土地利用方式愈发多样。这种趋势在经济发展较为快速的地区尤为显著,土地利用的深度和广度展现剧烈变化更是引起众多学者的关注,并由此开展诸多研究。

张译等[1]利用京津冀地区1995年和2010年的土地利用数据分析林地的空间变化特征并通过构建面积成分数据,计算测度空间相关性的Moran’I指数,研究结果表明京津冀地区林地的变化存在较强的空间自相关性,且坡度、DEM及到京津冀边界的距离等与林地的空间变化呈正相关。孔冬艳等[2]利用赣榆、仪征、常熟三县2009年、2012年、2016年三期遥感影像分析土地利用转型时空特征及影像因素,研究结果表明三县不同土地利用类型转换的主要影像因素存在差异。刘建成等[3]利用2011-2018年汉江中下游8个监测点的监测数据分析水质空间特征与土地利用类型响应识别,研究结果农田与城镇用地对于汉江中下游水质影响较大,其中林地,草地具有水源涵养功能。国外,Erna等[4]采用遥感和GIS技术定量分析出Cuitzeo湖盆地区人口的变化对土地利用类型变化的影响,结果表明该区域地类的变化受人口数量影响较大,其中林地尤为显著,在人口数量越多的地区林地数量呈递增变化。Kashaigili等[5]基于遥感影像数据,运用ArcGIS软件对Usagu平原湿地的LUCC进行动态研究,结果表明RS与GIS技术可以定量分析土地利用变化并进行动态监测,为保护湿地政策、保证湿地资源的可持续利用提供了很大的帮助。

综上所述,土地利用类型的变化特征具有鲜明的时效性,易受诸多因子的影响[6-10],而变化特征所呈现出的差异性又进一步加大研究其内在变化要素的难度。考虑到江宁地区作为南京市的发展窗口,研究其“十三五”期间土地类型分布特征的变化具有重要的借鉴意义。基于第三次全国变更调查成果数据,并结合江宁区社会经济数据,本文对南京市江宁区土地利用现状进行分析,以期推导土地利用变化的主要影响因素。

1 研究区域与数据

1.1 研究区概况

(1)地理位置

江宁区区位如图1所示,位于长江下游南岸,从东西南三面环抱南京主城,地处北纬30°38′～32°13′,东经118°31′～119°04′之间。东与句容市接壤,东南与南京市溧水区毗连,南和西南与安徽省马鞍山市相邻,西与安徽省和县及南京市浦口区隔江相望。是南京主城八区之一,国家重要的科教中心和创新基地,国家东部地区先进制造业基地、交通物流枢纽和空港枢纽,江宁从东西南三面环抱南京主城,航空、航运、铁路、公路交通体系汇聚,是南京对外沟通的重要枢纽。

图1 江宁区区位图

(2)地形地貌

江宁区呈马鞍状,两头高,中间低,地势开阔,山川秀丽,山体高度都在海拔400 m以下,属典型的丘陵、平原地貌。众多河流、水库散布其间,素有“六山一水三平原”之称。境内有大小山丘400多个,主要山峰青龙山、黄龙山、汤山、孔山、横山、云台山、天马山、莺子山、牛首山,方山等。海拔在200～350 m。主要河道有秦淮河和长江两大水系。

1.2 数据

本文使用的是南京市江宁区2016年和2020年国土调查成果数据,其中土地利用类型数据来源于国土资源数据管理中心,江宁区行政区数据来源于国家基础地理信息中心,社会经济数据来源于江宁区2020年统计年鉴公开数据。

2 研究方法

2.1 叠加分析

叠加分析是GIS中非常重要的一种空间分析功能,通过对两个数据进行的一系列集合运算,产生新数据的过程。本文主要采用叠加分析对江宁区2016年和2020年土地利用类型进行叠加,从而得到重新分类后的土地利用类型数据。

2.2 土地利用转移矩阵

土地利用转移矩阵来源于系统分析中对系统状态与状态转移的定量描述[11]。可以定量地表明不同土地利用类型之间的转化情况,还可以揭示不同土地利用类型间的转移速率,其计算公式如下:

(1)

式中,Dij为研究时间段内土地利用类型i转化为j的比例;Si为初始状态下研究区域中土地利用类型i的面积;Si-j为研究时间内土地利用类型i转化为j的转化面积;n为研究区内发生转化的土地利用类型数量。本文利用土地利用转移矩阵,揭示“十三五”期间年江宁区的土地利用类型间的转入与转出关系,得到各土地利用类型之间的变化比例。

2.3 最小二乘回归分析

最小二乘回归(Ordinary Least Squares, OLS)是一种空间分析技术,广泛应用于地理学及涉及空间模式分析的相关学科。OLS通过建立空间范围内每个点处的局部回归方程,来探索研究对象在某一尺度下的空间变化及相关驱动因素。具体公式如下:

(2)

式中,yi为采样点i的因变量值,β0为截距,回归系数β被假定在整个空间区域去一个常数值,一般采用OLS方法来进行模型参数βj的估计。本文结合江宁区社会经济数据对土地利用类型的转化进行分析。

3 结果与分析

3.1 空间分布特征分析

土地利用类型的变化主要体现在空间积聚性的变化。本文基于ArcGIS平台,通过数据的预处理(数据融合,分类,叠加分析等)将江宁区2016年和2020年土地利用类型分为草地(CD)、耕地(GD)、建设用地(JSYD)、林地(LD)、其他用地(QTYD)、水域(SY)、园地(YD)等7种土地利用类型,并制作2016年、2020年两期江宁区的土地利用空间分布,结果如图2、图3所示。

图2 2016年土地利用现状

图3 2020年土地利用现状

由图2可知,2016年土地分布类型范围呈现GD>LD>JSYD>SY>CD>YD,其中,GD分布表现为由江宁区边缘向中心地区逐渐减少,且靠近JSYD呈条状分布,LD呈零星积聚分布,且分布最为密集的位于江宁区东北边。由图3可知,2020年土地利用类型分布表现为LD>JSYD>GD>SY>CD>YD。

对比两期数据分析结果发现:① “十三五”期间GD的数量明显减少,LD的数量增加较为明显,其次是JSYD有小幅度增加。② 江宁区的分布存在显著的差异性和不均衡性,土地单一集聚性较为严重,具体表现在JSYD、LD、GD呈团块状分布;SY,CD,YD呈条状分布。③ 离中心城区越近JSYD的集聚性越高,其周围LD的分布范围向往外围亦逐渐增加,并且越靠近GD地区的LD数量呈最大化分布。④ 从空间变化上亦表现差异性,具体表现为GD呈团块递减状分布,LD呈片递加状分布,尤其在JSYD附近的LD递加状分布表现得较为明显。

针对以上呈现的分析结果给出以下可能性解释:① 经济因素,国家为了保护和改善生态环境作出的一项重要决定(退耕还林政策),主要针对容易造成水土流失的坡耕地,有计划的进行耕种,按照地的大小来种植树木,每个地区的情况都不一样,所以需要各省因地制宜地植树造林,恢复森林植被。② 人为因素,在进行土地利用类型更新调查时,有些作物类型不明显的被调查为林地。

3.2 土地转移变化分析

为了进一步探究江宁区土地利用类型的转入转出变化情况,采用土地转移矩阵统计江宁区各种土地利用类型的计算面积,由公式(1)计算得出“十三五”期间江宁区各土地类型变化概况(表1)。通过计算结果可知,江宁区土地利用类型以GD、LD和JSYD为主,其次是SY和QTYD,其中,LD的转入类型主要为GD、JSYD,其次为SY。出现这种现象的原因与2016年退耕还林政策的执行有着密切的联系,南京市作为江苏省的省会城市,对退耕还林政策的践行积极响应,且在2019年提出践行绿色发展理念,推行沿江地带绿化造林1万亩,这为南京市林地及耕地的变化提供了加速剂,因此与林地的转入主要为耕地的现象较为吻合。

表1 江宁区“十三五”期间土地转移矩阵

3.3 影响因素分析

考虑其村级数据统计复杂的局限性,本文基于江宁区街道尺度,选取江宁地区2020年生产总值(GDP)、人口数量(RKSL)、农业生产总值(NYSC)、劳动力数量(NDL)、土地面积(TDMJ)作为解释变量,以2020年土地利用类型为因变量构建分析模型,旨在分析江宁区2020年土地利用类型变化的主要影响因素。由土地利用变化特征分析可知,江宁区土地利用现状变化最为显著的分别为耕地、林地,因此分别以耕地和林地为因变量,从社会经济数据出发分析其变化的影响因素,从而得出影响江宁区耕地、林地变化的主要影响因素。

(1)宏观影响因素分析

为宏观分析江宁区地区生产总值、人口数量、农业生产总值、劳动力数量,土地面积分析土地利用类型的差异性,图4所示为江宁区地区生产总值、人口数量、农业生产总值、劳动力数量、土地面积宏观分布。图5所示为江宁区各街道土地利用类型分布。从宏观分布来看,江宁区经济分布呈显著差异性,具体表现在:① 地区生产总值的分布在江宁区呈现两个峰值,分别为东山街道和秣陵街道,其中东山街道作为江宁区主城区,在经济发展上占明显的优势,土地利用类型的分布特征为JSYD>LD>GD>SY>QTYD,变化特征为LD>JSYD>GD>SY,因此选择具有代表性的地区生产总值作为解释变量。② 从人口数量分布来看,秣陵街道占据首位,其次为淳化街道,而这两个街道亦是土地利用类型变化最为显著的地区,由此可知人口数量对土地利用的变化存在一定的影响。③ 基于农业生产总值可知,峰值出现在湖熟街道,而低谷特征出现于东山街道,由此可见农业总值对土地利用类型存在一定的负相关性。④ 江宁区劳动力数量分布主要集中在江宁街道,湖熟街道和横溪街道,其中,江宁街道,湖熟街道,横溪街道的土地利用类型均呈现为LD>GD>JSYD,分布特征表明劳动数量的分布对于林地和耕地的变化具有第一推力的作用。⑤ 从土地面积的分布来看,江宁区占地面积最大的为江宁街道,其次为禄口街道,从土地利用类型分布来看,江宁街道和禄口街道的地类分布亦呈现LD和JSYD占比较高。

图4 江宁区影响因子的宏观分布

图5 各街道土地利用类型分布

(2)最小二乘回归分析

从选取的5个影响因素的宏观分析来看,RKSL对土地利用类型的转化具有明显的差异性,为了直观表示各个影响因子对江宁地区林地和耕地转化的影响系数,利用最小二乘回归分析计算各个影响因子的比例系数,得出LD、GD空间变化的积聚类型差异性(图6)。

图6 LD_GD转移积聚分布图

由解释变量GDP、RKSL、NYSC、NDL、TDMJ对江宁区林地和耕地的积聚类型计算结果可知,江宁区的林地和耕地的变化在空间上表现出高高积聚(HH),高低积聚(HL),低高积聚(LH),低低积聚(LL)4种积聚类型。其中,LD的转化在横溪街道呈高高集中特征,且邻近的江宁街道和谷里街道分别表现低低、高低集中,除此之外,在麒麟街道亦出高低积聚,其他街道的变化则表现出不显著性;GD的变化亦出现一个HH积聚地区在湖熟街道,且由湖熟街道向外在禄口街道和秣陵街道分别出现LH积聚和LH积聚。

根据公式(2)计算得出各个因子的计算系数(表2),表中,Coeficient表示相关系数,其数值的绝对值越大,表明其与因变量的相关性越高;VIF表示冗余度,若系数高于7.5,则表明因子的冗余度较高,应剔除,StdResid表明回归分析的残差,通常数值越接近1,表明回归分析的可靠性越高;通过计算结果可知,GDP、RKSL、NYSC、NDL、TDMJ 5个影响因子中NDL的相关性指数最高,且对林地的变化相关性高于耕地的变化,但是考虑其VIF高于7.5,存在较高的冗余性,因此不作为解释LD和GD之间变化的最佳因子,其次是RKSL,对LD的相关性系数为-7.176 611,GD的相关性为0.117 727,表明随着人口数量与LD的数量在空间呈负相关性变化,而与GD的数量则呈正相关性变化。

表2 LD_GD影响因素的OLS计算结果

4 结 语

通过2016年和2020年土地利用类型结合社会经济数据对江宁区“十三五”期间土地类型的变化做空间分析并探究其变化的可能性影响因素,主要得到以下几点结论:

(1)通过ArcGIS的空间分析得出江宁区土地利用类型的分布特征,江宁区土地利用类型在空间上呈显著的差异性,且以耕地、林地、建设用地为主,其次为水域、草地、园地和其他用地,从而形成JSYD、LD、GD呈团块状分布,SY、CD、YD呈条状分布。

(2)由土地转移变化分析得出江宁区土地利用类型的转入转出变化最为显著的是林地和耕地。且位于江宁地区西南方向的横溪街道、禄口街道、江宁街道林地的转入较为明显,位于东南方向的湖熟街道、淳化街道耕地的转出较为明显,其中林地的转入类型主要为耕地、建设用地、其次为水域。

(3)采用最小二乘回归分析得出江宁区林地和耕地变化在空间上呈高高、高低、低高、低低4种积聚分布特征,且高高积聚特征主要出现在林地转入和耕地转出较高的地区。在选择的地区生产总值、人口数量、农业生产总值、劳动力数量,土地面积五个影响因素中,对其LD变化的影响显著因素为地区生产总值,耕地变化的影响显著因素为农业生产。