干旱區(qū)耕地景觀格局碎化特征及社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因素分析

張 瑜, 王天巍, 蔡崇法, 李朝霞, 趙 卿, 唐曉霏

(1.華中農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院, 武漢 430070; 2.湖北省測(cè)繪工程院, 武漢 430074)

?

干旱區(qū)耕地景觀格局碎化特征及社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因素分析

張 瑜1, 王天巍1, 蔡崇法1, 李朝霞1, 趙 卿1, 唐曉霏2

(1.華中農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院, 武漢 430070; 2.湖北省測(cè)繪工程院, 武漢 430074)

為探討干旱區(qū)耕地碎化特征與驅(qū)動(dòng)機(jī)制，基于特克斯縣1990年、1998年、2000年、2003年、2006年、2011年的遙感影像，利用遙感與GIS技術(shù)，分析了研究區(qū)20 a來(lái)耕地景觀格局變化特征。并運(yùn)用偏最小二乘回歸模型探討了耕地景觀格局指數(shù)變化的驅(qū)動(dòng)因素。結(jié)果表明：1990—2011年，研究區(qū)斑塊碎化程度在逐步增大，斑塊密度呈現(xiàn)增加的趨勢(shì)；平均最近鄰體距離與面積加權(quán)平均分維數(shù)在2000年前后均呈現(xiàn)出先減小后增大的特點(diǎn)，且兩者的變化率在1998—2000年和2006—2011年均為正值，在其他階段則均為負(fù)值，而斑塊密度變化率的趨勢(shì)則與之相反。回歸模型結(jié)果顯示，影響耕地碎化的主要因素包括總?cè)丝?、農(nóng)業(yè)機(jī)械總動(dòng)力、糧食作物產(chǎn)量、油料作物產(chǎn)量等，但在三個(gè)模型中，各影響因子作用力大小存在一定差異。人口的增長(zhǎng)與城鎮(zhèn)化水平的提高，使大量耕地改造為建設(shè)用地，從而導(dǎo)致了耕地的碎化。而農(nóng)業(yè)機(jī)械化水平的提高促進(jìn)了耕地的集約化，在一定程度上減小了耕地斑塊的孤立程度。

耕地; 景觀格局指數(shù); 社會(huì)經(jīng)濟(jì); 偏最小二乘回歸

耕地資源是人類賴以生存與發(fā)展的基礎(chǔ)，直接影響到糧食安全、生態(tài)安全及區(qū)域的可持續(xù)發(fā)展[1-2]。隨著我國(guó)社會(huì)經(jīng)濟(jì)的發(fā)展，大量耕地被住宅、工業(yè)用地等侵占[3-4]，導(dǎo)致耕地面積與耕地景觀格局發(fā)生了劇烈變化，從而對(duì)農(nóng)業(yè)生產(chǎn)造成了巨大壓力，也給全球或區(qū)域性生態(tài)環(huán)境帶來(lái)了酸雨、臭氧層空洞和土地荒漠化蔓延等一系列問題[5]。因此，對(duì)耕地景觀格局指數(shù)的變化及其驅(qū)動(dòng)因素的研究，近年來(lái)逐漸受到人們的廣泛關(guān)注。

景觀格局指數(shù)的量化分析不僅能夠揭示耕地景觀格局的形態(tài)與異質(zhì)性特征，反映耕地景觀格局的空間分布與結(jié)構(gòu)組成等特征，還能揭示耕地景觀鑲嵌體中有潛在意義的規(guī)律性，并能更好地詮釋耕地的景觀功能[6]。進(jìn)行景觀格局指數(shù)的驅(qū)動(dòng)力分析，能夠了解耕地變化的主要影響因素和受干擾程度，揭示耕地利用中存在的問題，從而為基本農(nóng)田保護(hù)和耕地資源的可持續(xù)利用提供科學(xué)依據(jù)。

目前對(duì)于耕地景觀格局分析的相關(guān)研究主要集中在以下幾個(gè)方面：一是分析耕地景觀的時(shí)間異質(zhì)性[7-9]，即不同時(shí)期耕地景觀格局的變化；二是分析耕地景觀在空間上的異質(zhì)性[10-11]。然而，這些研究主要在耕地面積的變化上[12-13]，利用遙感與GIS技術(shù)，探討耕地景觀格局指數(shù)變化驅(qū)動(dòng)力的研究較少。國(guó)內(nèi)外也有許多學(xué)者通過(guò)構(gòu)建不同模型來(lái)分析土地利用變化的驅(qū)動(dòng)力機(jī)制，如logistic回歸模型、主成分分析法、STIRPAT模型、灰色關(guān)聯(lián)分析法、多元線性回歸模型等，這些模型基于空間抽樣數(shù)據(jù)或大量統(tǒng)計(jì)樣本，從社會(huì)經(jīng)濟(jì)因素出發(fā)，選擇自然和人文因子來(lái)分析土地景觀格局變化與過(guò)程的相互作用，能很好地模擬LUCC的潛在驅(qū)動(dòng)力[14-19]。然而，當(dāng)樣本容量較小時(shí)，這些模型的運(yùn)行則存在一些局限性。偏最小二乘回歸(PLS)模型不僅能有效解決變量之間的多重相關(guān)問題，而且當(dāng)樣本容量小于變量個(gè)數(shù)的情況下，該回歸模型同樣適用[20]。目前，一些研究用偏最小二乘回歸來(lái)分析土地利用/覆蓋變化[21]及生態(tài)環(huán)境影響因素[22]，取得了較好的成果。本研究首次嘗試將PLS回歸模型運(yùn)用于耕地景觀格局變化的影響因素分析中。

景觀格局的變化受到自然與社會(huì)經(jīng)濟(jì)等諸多因素的影響，在較短的時(shí)間尺度內(nèi)，社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力對(duì)土地利用變化起到了主導(dǎo)作用[23]。西部干旱區(qū)的耕地變化由于其特殊的地理位置和氣候條件而呈現(xiàn)出不同的特征。本文利用不同時(shí)期的遙感影像數(shù)據(jù)，在GIS技術(shù)的支撐下，分析1990—2011年典型干旱區(qū)特克斯縣的耕地景觀格局變化特征，并利用偏最小二乘回歸模型揭示耕地景觀格局的變化規(guī)律與社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因素，為探討耕地景觀格局變化趨勢(shì)，促進(jìn)耕地資源的合理規(guī)劃與配置，協(xié)調(diào)區(qū)域經(jīng)濟(jì)發(fā)展與耕地保護(hù)的關(guān)系，實(shí)現(xiàn)耕地資源的可持續(xù)利用提供參考依據(jù)。

1　研究區(qū)概況

特克斯縣地處新疆天山北麓西部，特克斯—昭蘇盆地東段，81°19′—82°37′E，42°22′—43°25′N，地勢(shì)南高北低，海拔922～4 960 m。該區(qū)域地處歐亞大陸腹地，屬于溫帶亞干旱氣候區(qū)，年平均氣溫5.3℃，極端最低溫與最高溫分別為-32℃和33.5℃，年均降水量383 mm，無(wú)霜期118 d，日照2 719 h。特克斯河、庫(kù)克蘇河和庫(kù)爾代河為特克斯縣內(nèi)三大河流，西天山山脈、大更別力山和烏孫山脈貫穿東西，山河占全縣總面積的94%。截至2011年底，研究區(qū)土地總面積7 764.1 km2，總?cè)丝?6.78萬(wàn)人，2011年農(nóng)業(yè)總產(chǎn)值為49 274萬(wàn)元，GDP為153 375萬(wàn)元，人均GDP達(dá)9 223元，第一、二和三產(chǎn)業(yè)產(chǎn)值分別為68 571萬(wàn)元、25 852萬(wàn)元和58 952萬(wàn)元，第一、二、三產(chǎn)業(yè)所占比例分別為44.7%，16.9%和38.4%。特克斯縣自然地理?xiàng)l件優(yōu)越，礦產(chǎn)和水土資源豐富，是新疆重要的農(nóng)牧業(yè)生產(chǎn)基地。

2　數(shù)據(jù)來(lái)源與研究方法

2.1數(shù)據(jù)來(lái)源與處理

本文土地利用數(shù)據(jù)來(lái)源于1990年、1998年、2000年、2003年、2006年、2011年的Landsat TM多光譜遙感影像。將原始影像進(jìn)行校正、拼接與鑲嵌等預(yù)處理，獲取研究區(qū)內(nèi)的影像圖。在ERDAS軟件中，基于這些遙感影像，結(jié)合耕地的分布特征與紋理特征，選取耕地的訓(xùn)練區(qū)，并利用最大似然分類法，對(duì)研究區(qū)影像進(jìn)行監(jiān)督分類。然后參照Google Earth上的高分辨率影像，對(duì)監(jiān)督分類后的影像進(jìn)行手工修正，獲得特克斯縣6期的耕地空間分布圖。對(duì)獲取的耕地空間分布圖進(jìn)行精度評(píng)價(jià)，其分類精度均大于80%。

耕地變化的影響因素有很多，包括自然因素、科技因素、國(guó)家和區(qū)域的農(nóng)業(yè)政策、社會(huì)經(jīng)濟(jì)發(fā)展水平和生態(tài)環(huán)境建設(shè)要求等[24]。本文主要從社會(huì)經(jīng)濟(jì)的角度探討耕地景觀格局變化的驅(qū)動(dòng)機(jī)制。根據(jù)數(shù)據(jù)的科學(xué)性與可獲取性，選取了人口、農(nóng)業(yè)和經(jīng)濟(jì)等三個(gè)類別的社會(huì)經(jīng)濟(jì)因素，主要包括總?cè)丝?、農(nóng)業(yè)人口、農(nóng)業(yè)機(jī)械總動(dòng)力、糧食產(chǎn)量、油料作物產(chǎn)量、化肥施用量、農(nóng)村用電量、大牲畜頭數(shù)、羊頭數(shù)、農(nóng)業(yè)總產(chǎn)值、林業(yè)總產(chǎn)值、牧業(yè)總產(chǎn)值和漁業(yè)總產(chǎn)值等，具體指標(biāo)見表1。所有的社會(huì)經(jīng)濟(jì)數(shù)據(jù)分別來(lái)自于1991—2012年新疆統(tǒng)計(jì)年鑒。

2.2景觀格局指數(shù)的選取

景觀格局是指景觀的空間結(jié)構(gòu)特征，是景觀組成單元的類型、數(shù)目及空間分布與配置，是景觀異質(zhì)性在空間上的綜合表現(xiàn)[25]。景觀格局指數(shù)高度濃縮了景觀格局包含的信息[26]，可以定量地描述景觀格局，建立景觀結(jié)構(gòu)與過(guò)程或現(xiàn)象的聯(lián)系，從而更好地理解與解釋景觀功能[27]。由于景觀指數(shù)具有高度相關(guān)性[28]，因此須盡量選擇不相關(guān)的景觀指數(shù)來(lái)最大化所需數(shù)據(jù)的數(shù)量[29]。在本研究中，選擇景觀類型級(jí)別上的斑塊密度(patch density,PD)、面積加權(quán)平均斑塊分維數(shù)(area-weighted mean patch fractal dimension,AWMPFD)和平均最近鄰體距離(euclidian mean nearest neighbor distance,MNN)來(lái)反映耕地斑塊密度、分布與形狀等方面的特征。景觀格局指數(shù)通過(guò)FragStats 3.3計(jì)算獲得。

斑塊密度(PD)表示某類景觀斑塊與某類景觀面積的數(shù)量的比值，用來(lái)反映景觀的空間格局，描述整個(gè)景觀的異質(zhì)性。計(jì)算公式如下

(1)

式中：n為耕地的總斑塊數(shù)；A為耕地的總面積。

面積加權(quán)平均斑塊分維數(shù)(AWMPFD)表示景觀中單個(gè)斑塊的分維數(shù)以面積為基準(zhǔn)的加權(quán)平均值。計(jì)算公式如下：

(2)

式中：pi為第i個(gè)耕地斑塊的周長(zhǎng)；ai表示第i個(gè)耕地斑塊的面積；A為耕地的總面積。

平均最近鄰體距離(MNN)表示每一個(gè)斑塊與最近鄰體距離的總和除以具有鄰體的斑塊的總數(shù)。MNN的值越小，表明景觀的斑塊更小且更為孤立。計(jì)算公式如下

(3)

式中：hi表示第i個(gè)耕地斑塊到與它最近的耕地斑塊的距離。

2.3驅(qū)動(dòng)力分析

各個(gè)階段的社會(huì)經(jīng)濟(jì)因素與耕地景觀格局指數(shù)的變化率用以下公式來(lái)計(jì)算：

(4)

式中：Ri表示變化率;V1是變量在t1時(shí)的值;V2是變量在t2時(shí)的值;n表示t2與t1的差值，其中，t1和t2是兩個(gè)相鄰的年份。

偏最小二乘回歸能較好地解決許多普通多元線性回歸難以解決的問題。首先，它能提供一種多因變量對(duì)多自變量的回歸建模方法，當(dāng)變量間存在高度相關(guān)時(shí)，所得結(jié)論更為可靠。其次，偏最小二乘回歸可以有效解決變量之間的多重相關(guān)問題，適合在樣本容量小于變量個(gè)數(shù)的情況下進(jìn)行回歸建模。此外，在同一算法下，該模型可以同時(shí)實(shí)現(xiàn)回歸建模、主成分分析及典型相關(guān)分析[20]。

基于偏最小二乘回歸的這些優(yōu)點(diǎn)，本研究采用該模型來(lái)探討特克斯縣耕地景觀格局變化的驅(qū)動(dòng)力。斑塊密度、面積加權(quán)平均斑塊分維數(shù)和平均最近鄰體距離為模型的因變量，而自變量則為各個(gè)社會(huì)經(jīng)濟(jì)因素。在該模型中，通過(guò)交叉有效性Q2(cross validation, goodness of prediction)和解釋能力R2Y(goodness of fit)的值來(lái)判斷模型的預(yù)測(cè)能力與穩(wěn)健性。當(dāng)R2Y大于0.50時(shí)，表明模型有較好的預(yù)測(cè)能力；當(dāng)Q2大于0.097時(shí)，表明模型有較強(qiáng)的穩(wěn)健性。各個(gè)解釋變量的相對(duì)重要性可以用變量投影重要性(Variable Importance of Projection,VIP)值來(lái)反映。VIP值大于1的變量具有較為顯著的解釋能力，VIP值越大，解釋能力越強(qiáng)[30]。所有的偏最小二乘回歸模型在SIMCA-P軟件中執(zhí)行。

3　結(jié)果與分析

3.1耕地景觀格局指數(shù)與變化

3.1.1耕地景觀格局指數(shù)耕地的景觀格局指數(shù)在1990—2011年的變化情況見圖1。斑塊密度指數(shù)(PD)是反映景觀格局破碎化的分析指數(shù)，斑塊密度越大，斑塊越小，表明景觀的破碎化程度越高。由圖1可知，特克斯縣斑塊密度在整體上呈現(xiàn)上升的趨勢(shì)。在1990—2000年呈現(xiàn)先增大后減小的變化特點(diǎn)。1990年斑塊密度為0.005/100 hm2，1998年斑塊密度增大到0.020/100 hm2，而到2000年則下降到了0.008/100 hm2。從2000—2011年，斑塊密度以較為均勻的速度呈現(xiàn)逐步增大的趨勢(shì)，到2011年變?yōu)?.015/100 hm2。

圖1　耕地景觀格局指數(shù)變化

MNN與AWMPFD在1990—2011年有著相同的變化趨勢(shì)。這兩個(gè)指標(biāo)的變化可分為1990—2000

年，2000—2011年兩個(gè)階段，在這兩個(gè)階段中，MNN與AWMPFD均先減小后增大。

MNN在1990—2011年有著較大的波動(dòng)。1990年，耕地的平均最近鄰體距離為1.178 m，在1998年略有減少，隨后在2000年增大到1.193 m。而在2000—2011年，耕地的平均最近鄰體距離先減小后增大，在2006年減小到1.176 m后，于2011年增大到1.188 m。

AWMPFD的變化與平均最近鄰體距離有著類似的波動(dòng)趨勢(shì)。見圖1，面積加權(quán)平均斑塊分維數(shù)在1990年為最大值232.87，隨后在1998年減小到86.41，在2000年增加到217.50。在2000—2006年，面積加權(quán)平均斑塊分維數(shù)逐漸減少，在2006年減少到94.40，隨后在2011年增加到135.07。

3.1.2耕地景觀格局指數(shù)的變化率耕地景觀格局指數(shù)在各個(gè)階段的變化率見表2。PD的變化率在1998—2000年間為負(fù)值(-0.355 1)，在2006—2011年保持不變，而在其他的階段則均為正值。MNN與AWMPFD的變化率在各個(gè)階段呈現(xiàn)相同的變化特征：在1990—1998年、2000—2003年和2003—2006年這三個(gè)階段的變化率均為負(fù)值，其他的兩個(gè)階段中變化率為正值。而這兩個(gè)景觀格局指數(shù)的變化率與PD的變化率趨勢(shì)剛好相反。在三個(gè)景觀格局指數(shù)中，MNN的變化率數(shù)值相對(duì)較小，在1998—2000年間的變化率最大，為0.007 3。而AWMPFD的變化率相對(duì)較大，在1998—2000年間變化率最大，為0.586 5，在隨后的兩個(gè)階段中分別為負(fù)值，而在2006—2011年間的變化率為0.074 3。

表2　耕地景觀格局指數(shù)的變化率

3.2耕地景觀格局指數(shù)變化的驅(qū)動(dòng)力

根據(jù)PLS回歸模型的適用條件，該模型能解決變量之間存在的多重相關(guān)問題，因此將各變量均納入PLS回歸模型中進(jìn)行計(jì)算，分別得到了PD，MNN，AWMPFD等景觀格局指數(shù)變化的回歸模型。在本研究中，每個(gè)階段的景觀格局指數(shù)變化率為模型的因變量，自變量為對(duì)應(yīng)階段的社會(huì)經(jīng)濟(jì)因素變化率。見表3，三個(gè)模型中，R2Y的值分別為90.9%，90.5%和90.5%，均大于50%，Q2的值分別為0.61，0.18，0.52，均大于0.097，表明模型具有較好的穩(wěn)健性與預(yù)測(cè)能力。由于模型的終止規(guī)則為Q2大于0.097，因此只保留了第一主成分[30]。

根據(jù)表3中各模型的VIP值可知，耕地景觀格局指數(shù)變化重要的解釋變量有T-POP，TPAM，Y-GRA，Y-OIL，LA，SG，GA和GFI(VIP>1)。但在三個(gè)模型中，PD，MNN和AWMPFD這三個(gè)景觀格局指數(shù)變化的重要解釋變量各不相同。TPAM，Y-GRA，Y-OIL和GFI在三個(gè)回歸模型中的VIP值均大于1，表明這四個(gè)變量對(duì)三個(gè)耕地景觀格局指數(shù)均有重要的影響。此外，PD變化的重要的解釋變量還包括T-POP和GA，MNN變化的重要解釋變量還包括LA和SG，而SG和GA對(duì)AWMPFD的變化也有具有重要的驅(qū)動(dòng)作用。

從各變量的回歸系數(shù)可以看出，PD隨著總?cè)丝?RC=0.119)、糧食作物產(chǎn)量(RC=0.147)和農(nóng)業(yè)總產(chǎn)值(RC=0.128)的增加而增大，隨著農(nóng)業(yè)機(jī)械總動(dòng)力(RC=-0.159)、油料作物產(chǎn)量(RC=-0.183)和漁業(yè)總產(chǎn)值(RC=-0.147)的增大而減小。人口的增長(zhǎng)加速了對(duì)農(nóng)業(yè)用地的需求，糧食作物產(chǎn)量與農(nóng)業(yè)總產(chǎn)值相應(yīng)增加。此外，隨著城鎮(zhèn)化水平的提高，耕地不斷被建設(shè)用地占用，從而導(dǎo)致了耕地的碎化。PD與農(nóng)業(yè)機(jī)械總動(dòng)力呈負(fù)相關(guān)，這是因?yàn)檗r(nóng)業(yè)的機(jī)械化能夠促進(jìn)地區(qū)耕地的集約化利用程度，在一定程度上減緩了耕地的碎化。耕地MNN值的大小反映了耕地斑塊的孤立程度，從表3中可以看出，MNN與農(nóng)業(yè)機(jī)械總動(dòng)力(RC=0.166)、油料作物產(chǎn)量(RC=0.226)、羊頭數(shù)(RC=0.171)和漁業(yè)總產(chǎn)值(RC=0.210)成正相關(guān)關(guān)系。這表明農(nóng)業(yè)機(jī)械化水平的提高與經(jīng)濟(jì)的快速發(fā)展減小了耕地斑塊孤立的程度。AWMPFD反映的是耕地景觀的斑塊復(fù)雜度，從回歸模型的結(jié)果可知，AWMPFD隨著農(nóng)業(yè)機(jī)械總動(dòng)力(RC=0.156)、油料作物產(chǎn)量(RC=0.203)、羊頭數(shù)(RC=0.141)與漁業(yè)總產(chǎn)值(RC=0.168)的增大而增大，隨著糧食作物產(chǎn)量(RC=-0.153)和農(nóng)業(yè)總產(chǎn)值(RC=-0.124)的增大而減小。這是由于經(jīng)濟(jì)的多元化發(fā)展使牧業(yè)與漁業(yè)等產(chǎn)業(yè)的比重不斷增大，從而導(dǎo)致草地等其他土地利用類型的變化，耕地斑塊的復(fù)雜度也隨之產(chǎn)生了較大的變化。

表3　耕地景觀格局指數(shù)與社會(huì)經(jīng)濟(jì)指標(biāo)的偏最小二乘回歸結(jié)果

4　結(jié) 論

(1) 1990—2011年，研究區(qū)耕地的碎化程度在逐步增大，主要表現(xiàn)為斑塊密度在整體上呈現(xiàn)逐步增大的趨勢(shì)，在1998年達(dá)到最大值。MNN與AWMPFD在1990—2011年有著相同的變化趨勢(shì)。這兩個(gè)景觀格局指數(shù)在1990—2000年和2000—2011年兩個(gè)階段中，均呈現(xiàn)出先減小后增大的特點(diǎn)。

(2) PD的變化率在1998—2000年為負(fù)值，在2006—2011年保持不變，而在其他階段則均為正值。MNN與AWMPFD在各個(gè)階段的變化率有著相似的變化趨勢(shì)，兩者在1998—2000年和2006—2011年這兩個(gè)階段中的變化率為正值，在其他階段的變化率為負(fù)值。

(3) TPAM，Y-GRA，Y-OIL和GFI等變量對(duì)三個(gè)耕地景觀格局指數(shù)的變化均有重要的影響。此外，PD變化的重要解釋變量還包括T-POP和GA；LA和SG對(duì)MNN的變化有重要的驅(qū)動(dòng)作用；而SG和GA對(duì)AWMPFD的變化也有重要作用。隨著人口的增長(zhǎng)與城鎮(zhèn)化水平的提高，越來(lái)越多的耕地被改造為建設(shè)用地，從而導(dǎo)致了耕地的碎化。農(nóng)業(yè)機(jī)械化水平的提高促進(jìn)了耕地的集約化，在一定程度上減小了耕地斑塊的孤立程度。

[1]李秀彬.中國(guó)近20年來(lái)耕地面積的變化及其政策啟示[J].自然資源學(xué)報(bào),1999,14(4):329-333.

[2]李曉文,方精云.近10年來(lái)長(zhǎng)江下游地區(qū)耕地動(dòng)態(tài)變化特征[J].自然資源學(xué)報(bào),2003,18(5):562-567.

[3]Long H L, Heilig G K, Li X B, et al. Socio-economic development and land-use change: Analysis of rural housing land transition in the Transect of the Yangtse River, China[J]. Land Use Policy,2007,24(1):141-153.

[4]擺萬(wàn)奇,姚麗娜,張鐿鋰,等.近35 a西藏拉薩河流域耕地時(shí)空變化趨勢(shì)[J].自然資源學(xué)報(bào),2014,29(4):623-632.

[5]郭雅雯,趙敏娟.基于STIRPAT模型的陜西省耕地面積變化社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力分析[J].水土保持研究,2012,19(6):197-201.

[6]陳文波,肖篤寧,李秀珍.景觀指數(shù)分類、應(yīng)用及構(gòu)建研究[J].應(yīng)用生態(tài)學(xué)報(bào),2002,13(1):121-125.

[7]田義超,李晶,任志遠(yuǎn).近300年來(lái)黃土高原耕地變化及時(shí)空格局分析[J].干旱區(qū)資源與環(huán)境,2012,26(2):94-101.

[8]杜新波,周偉,司慧娟,等.青海省2000—2008年耕地變化及驅(qū)動(dòng)力研究[J].水土保持研究,2013,20(5):180-186.

[9]劉淼,胡遠(yuǎn)滿,布仁倉(cāng),等.岷江上游耕地景觀變化研究[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(7):82-86.

[10]白元,徐海量,劉新華,等.塔里木河干流耕地動(dòng)態(tài)變化及其景觀格局[J].土壤學(xué)報(bào),2013,50(3):492-500.

[11]王成,袁敏,魏朝富,等.淺丘帶壩區(qū)不同坡度下耕地景觀格局分析[J].生態(tài)學(xué)雜志,2007,26(9):1424-1431.

[12]曾永年,吳孔江,靳文憑,等.青海高原東北部耕地變化及驅(qū)動(dòng)力分析[J].干旱區(qū)資源與環(huán)境,2012,26(8):89-92.

[13]趙曉麗,張?jiān)鱿?汪瀟,等.中國(guó)近30 a耕地變化時(shí)空特征及其主要原因分析[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(3):1-11.

[14]徐嘉興,李鋼,陳國(guó)良.基于logistic回歸模型的礦區(qū)土地利用演變驅(qū)動(dòng)力分析[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(20):247-255.

[15]李傳哲,于福亮,劉佳,等.近20年來(lái)黑河干流中游地區(qū)土地利用/覆被變化及驅(qū)動(dòng)力定量研究[J].自然資源學(xué)報(bào),2011,26(3):353-363.

[16]張樂勤,陳素平,王文琴,等.基于STIRPAT模型的安徽省池州市建設(shè)用地?cái)U(kuò)展驅(qū)動(dòng)因子測(cè)度[J].地理科學(xué)進(jìn)展,2012,31(9):1235-1242.

[17]王瑞發(fā),夏非,張永戰(zhàn).青島市近10年來(lái)耕地變化及其驅(qū)動(dòng)力分析[J].水土保持研究,2013,20(2):108-114.

[18]Tzanopoulos J, Vogiatzakis I N. Processes and patterns of landscape change on a small Aegean island: The case of Sifnos, Greece[J]. Landscape and Urban Planning,2011,99(1):58-64.

[19]羅湘華,倪晉仁.土地利用/土地覆蓋變化研究進(jìn)展[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào),2000,8(3):262-272.

[20]王惠文.偏最小二乘回歸方法及其應(yīng)用[M].北京:國(guó)防工業(yè)出版社,1999.

[21]Farifteh J, Van der Meer F, Atzberger C, et al. Quantitative analysis of salt-affected soil reflectance spectra: A comparison of two adaptive methods (PLSR and ANN)[J]. Remote Sensing of Environment, 2007,110(1):59-78.

[22]崔瀚文,姜琦剛,程彬,等.東北地區(qū)濕地變化影響因素分析[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào),2013,21(2):214-223.

[23]王曉軒,夏麗華,鄧珊珊,等.基于STIRPAT模型的廣州市耕地變化社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力分析[J].中國(guó)農(nóng)學(xué)通報(bào),2010,26(20):339-343.

[24]郇紅艷,譚清美,朱平.城鄉(xiāng)一體化進(jìn)程中耕地利用變化的驅(qū)動(dòng)因素及區(qū)域比較[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(21):201-213.

[25]鄔建國(guó).景觀生態(tài)學(xué):格局、過(guò)程、尺度與等級(jí)[M].北京:高等教育出版社,2000.

[26]吳春花,杜培軍,譚琨.煤礦區(qū)土地覆蓋與景觀格局變化研究[J].煤炭學(xué)報(bào),2012,37(6):1026-1033.

[27]胡玉福,鄧良基,張世熔,等.基于RS和GIS的西昌市土地利用及景觀格局變化[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(10):322-327.

[28]Riitters K H, O′Neill R V, Hunsacker C T, et al. A factor analysis of landscape pattern and structure metrics [J]. Landsc Ecol,1995,10(1):23-39.

[29]Gong C F, Yu S X, Joesting H, et al. Determining socioeconomic drivers of urban forest fragmentation with historical remote sensing images[J]. Landscape and Urban Planning, 2013,117:57-65.

[30]Trapa J, H?ttenschwiler S, Gattin I, et al. Forest ageing: An unexpected driver of beech leaf litter quality variability in European forests with strong consequences on soil processes[J]. Forest Ecology and Management, 2013,302(6):338-345.

Characteristics of Arable Land Fragmentation and the Socioeconomic Drivers in the Arid Area

ZHANG Yu1, WANG Tianwei1, CAI Chongfa1, LI Chaoxia1, ZHAO Qing1, TANG Xiaofei2

(1.CollegeofResourcesandEnvironment,HuazhongAgriculturalUniversity,Wuhan430070,China; 2.HubeiInstituteofSurveyingandMappingEngineering,Wuhan430074,China)

In order to investigate the fragmentation and driving mechanism of arable land in the arid areas, the arable land patterns of Tekes County were analyzed based on the images in 1990, 1998, 2000, 2003, 2006 and 2011, using remote sensing and GIS. The driving forces of the change of arable land patterns were identified using the partial least squares regression models. The results showed that the arable land fragmentation was increasing during the study period with the increase of patch density (PD), and both the area-weighted mean patch fractal dimension (AWMPFD) and euclidian mean nearest neighbor distance (MNN) increased and then decreased before and after 2000. The change rates of MNN and AWMPFD were negative during the period from 1998 to 2000 and the period from 2006 to 2011, and positive during the other periods, while PD had the opposite change trend. The results of the regression models indicated that the main driving factors of arable land fragmentation included the total population, the total power of agricultural machinery, grain crop yields, oil-bearing crop yields, while the effects of the variables were different in the three models. Large amount of arable land was replaced by construction land due to the population growth and the rapid urbanization, resulting in the arable land fragmentation. The improvement of agricultural mechanization promoted the intensive use of arable land, which reduced the isolation of arable land patches to some extent.

arable land; landscape pattern index; socioeconomic factors; partial least squares (PLS) regression models

2015-08-17

2015-09-06

國(guó)家科技基礎(chǔ)性工作專項(xiàng)(2014FY110200A16);中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2662015JC007)

張瑜(1988—),女,湖北鐘祥人,博士研究生,研究方向?yàn)檫b感與地理信息系統(tǒng)應(yīng)用。E-mail:zhangy3172@163.com

王天巍(1977—),男,湖北荊州人,博士,副教授,研究方向?yàn)橥恋馗采w變化、土壤侵蝕機(jī)理、遙感與地理信息系統(tǒng)應(yīng)用。E-mail:wangtianwei@webmail.hzau.edu.cn

F301.21

A

1005-3409(2016)04-0179-06