2003—2014年福州馬尾區(qū)土地利用變化及驅(qū)動(dòng)力研究

方燦瑩，許章華,2，王少谷，黃旭影，林 璐

(1. 福州大學(xué)環(huán)境與資源學(xué)院，福建 福州 350116； 2. 福州大學(xué)區(qū)域與城鄉(xiāng)規(guī)劃研究中心，福建 福州 350116)

2003—2014年福州馬尾區(qū)土地利用變化及驅(qū)動(dòng)力研究

方燦瑩1，許章華1,2，王少谷1，黃旭影1，林 璐1

(1. 福州大學(xué)環(huán)境與資源學(xué)院，福建 福州 350116； 2. 福州大學(xué)區(qū)域與城鄉(xiāng)規(guī)劃研究中心，福建 福州 350116)

以福州馬尾區(qū)2003、2014年兩期遙感影像為基礎(chǔ)，采用決策樹(shù)分類(lèi)法進(jìn)行土地利用分類(lèi)，總精度分別為87.82%、88.78%.從土地利用數(shù)量、結(jié)構(gòu)變化、土地利用轉(zhuǎn)移矩陣、土地利用程度等方面分析了該區(qū)土地利用變化特征，結(jié)果表明，2003—2014年間馬尾區(qū)林地、水域、耕地、未利用地面積減少，建設(shè)用地面積增加，就單一土地利用動(dòng)態(tài)度而言，建設(shè)用地最高，耕地次之，綜合土地利用動(dòng)態(tài)度為0.95%，土地利用變化較為緩慢；在地類(lèi)相互轉(zhuǎn)化過(guò)程中，林地主要向未利用地與耕地轉(zhuǎn)化，耕地、水域、未利用地主要流向建設(shè)用地；通過(guò)對(duì)河流緩沖區(qū)的分析得出，土地利用程度高且變化明顯的區(qū)域主要集中在緩沖距3 000 m內(nèi).在此基礎(chǔ)上，選取了總?cè)丝?，人均GDP、城鎮(zhèn)化率等12個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)，借助主成分分析法探討了研究區(qū)土地利用變化的驅(qū)動(dòng)因子，分析得出，經(jīng)濟(jì)的增長(zhǎng)、城鎮(zhèn)化水平的提高、人口增長(zhǎng)以及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整優(yōu)化是引起該區(qū)土地利用變化的主要社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力，并且這些因素的驅(qū)動(dòng)力綜合得分逐年增加，表明其影響力不斷增強(qiáng).此外，政府的政策和措施對(duì)土地利用結(jié)構(gòu)的變化也起到了關(guān)鍵的引導(dǎo)性作用.

馬尾區(qū)； 遙感； 土地利用變化； 主成分分析； 驅(qū)動(dòng)力

土地利用是指人類(lèi)根據(jù)土地資源的自然特性，結(jié)合社會(huì)生產(chǎn)、發(fā)展等需要，對(duì)其進(jìn)行開(kāi)發(fā)利用的社會(huì)經(jīng)濟(jì)行為[1].近年來(lái)，城鎮(zhèn)化正發(fā)揮著其正效應(yīng)，它在給城市帶來(lái)繁榮的同時(shí)，也帶來(lái)了植被被破壞、水土資源短缺、城市成熱島等環(huán)境問(wèn)題，這對(duì)區(qū)域乃至全球的生態(tài)環(huán)境造成了深遠(yuǎn)的影響.因此，自1995年“國(guó)際地圈與生物圈計(jì)劃”和“全球環(huán)境變化人文計(jì)劃”共同提出土地利用已發(fā)生變化以來(lái)，其已成為全球研究的重要內(nèi)容之一[2-3]，由于驅(qū)動(dòng)力分析是土地利用動(dòng)態(tài)監(jiān)測(cè)的核心內(nèi)容，因此只有深入挖掘主要驅(qū)動(dòng)因素，才能從本質(zhì)上解決由土地利用變化引起的各類(lèi)問(wèn)題，從而實(shí)現(xiàn)區(qū)域的可持續(xù)發(fā)展[4].

目前，國(guó)內(nèi)外學(xué)者對(duì)不同地區(qū)的土地利用變化特征及驅(qū)動(dòng)機(jī)制都進(jìn)行了廣泛的研究[5-11]，如Serra等[5]利用遙感技術(shù)分析了地中海地區(qū)土地利用的時(shí)空變化特征，并基于GIS平臺(tái)，結(jié)合人口、經(jīng)濟(jì)等多個(gè)指標(biāo)因子，通過(guò)多元邏輯回歸分析提出了驅(qū)動(dòng)力研究的空間分析法；Cvitanovi等[6]結(jié)合遙感、統(tǒng)計(jì)建模和以家庭為基礎(chǔ)的問(wèn)卷調(diào)查評(píng)估了克羅地亞區(qū)森林覆蓋率的變化，并得出教育結(jié)構(gòu)、人口年齡、密度等是引起該變化的主要因素的結(jié)論，Kamusok等[7]以賓杜拉區(qū)津巴布韋為例，通過(guò)建模模擬了未來(lái)土地利用的變化，并預(yù)測(cè)了該區(qū)2030年的土地利用情況；劉康等[8]以Landsat系列遙感影像為數(shù)據(jù)源，借助RS和GIS技術(shù)分析了南京市1996—2010年間的土地利用變化特征，并采用Probit回歸模型從社會(huì)經(jīng)濟(jì)、人口等方面定量地分析了土地利用變化的驅(qū)動(dòng)因素；許月卿等[9]利用張家口市土地利用數(shù)據(jù)，數(shù)字高程模型及社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，構(gòu)建了基于Logistic回歸模型的土地利用變化空間驅(qū)動(dòng)力模型，并模擬和預(yù)測(cè)了未來(lái)建設(shè)用地的空間格局；孫靜雯[10]，徐小明等[11]也借助RS和GIS技術(shù)，基于遙感影像并采用決策樹(shù)分類(lèi)法分別提取了內(nèi)蒙古根河市、晉北地區(qū)的土地利用信息，并通過(guò)主成分分析、典范對(duì)應(yīng)分析探討了區(qū)域土地利用變化的主要驅(qū)動(dòng)因子.縱觀國(guó)內(nèi)外的研究可以發(fā)現(xiàn)，RS、GIS等空間信息技術(shù)在土地利用變化監(jiān)測(cè)方面相比傳統(tǒng)的實(shí)地調(diào)查方法具有實(shí)時(shí)、快速等優(yōu)點(diǎn)，它們已經(jīng)成為土地利用監(jiān)測(cè)的重要手段，在驅(qū)動(dòng)力的研究方面則不再停留于傳統(tǒng)的定性分析階段，而是通過(guò)主成分分析、邏輯回歸分析等方法建立起了土地利用變化的驅(qū)動(dòng)模型.總的看來(lái)，利用RS和GIS技術(shù)研究土地利用變化，揭示其時(shí)空變化規(guī)律，建立區(qū)域土地利用變化驅(qū)動(dòng)模型已成為當(dāng)前開(kāi)展土地利用變化及驅(qū)動(dòng)力研究的最新動(dòng)向.但是，目前土地利用變化及驅(qū)動(dòng)機(jī)制研究還主要集中在流域、城市尺度，而以區(qū)、縣等小區(qū)域?yàn)閱卧难芯繀s為數(shù)不多.

福州馬尾區(qū)作為福建自貿(mào)試驗(yàn)區(qū)福州片區(qū)的核心區(qū)，近年來(lái)，在相關(guān)政策的扶持下，區(qū)域社會(huì)經(jīng)濟(jì)迅速發(fā)展，城鎮(zhèn)化進(jìn)程加快.因此，本文利用RS和GIS技術(shù)，探討了馬尾區(qū)2003—2014年土地利用的變化特征，并結(jié)合社會(huì)經(jīng)濟(jì)數(shù)據(jù)采用主成分分析法研究了引起土地利用變化的驅(qū)動(dòng)因子，以期為馬尾區(qū)城市建設(shè)及土地利用規(guī)劃，管理決策等提供科學(xué)的依據(jù).

1 研究區(qū)概況

馬尾區(qū)為福建省福州市轄區(qū)，介于25°15′～26°39′N(xiāo)，118°08′～120°31′E，地處福州市南部，東瀕閩江口，西與福州市晉安區(qū)交界，南與長(zhǎng)樂(lè)市、倉(cāng)山區(qū)隔江相望，東北與連江縣接壤，下轄羅星街道和馬尾、亭江、瑯岐三鎮(zhèn)(圖 1).區(qū)內(nèi)地表水資源豐富，全年冬短夏長(zhǎng)，屬于南亞熱帶海洋季風(fēng)氣候，年平均氣溫19～21 ℃，年降雨量約1 382 mm；其地勢(shì)西高東低，具有山秀、溪清、石奇、林幽的生態(tài)景觀；經(jīng)濟(jì)發(fā)展快速，2014年實(shí)現(xiàn)地區(qū)總產(chǎn)值373.92億元，高于福州市全市平均水平0.9個(gè)百分點(diǎn)，居全市第2位，服務(wù)外包、港口物流等產(chǎn)業(yè)快速發(fā)展，全區(qū)經(jīng)濟(jì)增長(zhǎng)轉(zhuǎn)向二、三產(chǎn)業(yè)，并依靠其共同發(fā)展，近年來(lái)，隨著馬尾新城建設(shè)的大力推進(jìn)，城鎮(zhèn)土地利用的性質(zhì)、結(jié)構(gòu)等也發(fā)生相應(yīng)的變化.

2 資料與方法

2.1 資料收集所收集的資料主要有馬尾區(qū)2003年1月Landsat-5 TM多光譜遙感影像、2014年12月Landsat-8 OLI多光譜遙感影像，福州經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)2003—2014年統(tǒng)計(jì)年鑒，福建省1 ∶10 000地形圖，馬尾區(qū)行政區(qū)劃圖，福建省DEM數(shù)據(jù).

2.2 研究方法

2.2.1 土地利用分類(lèi)體系及分類(lèi)方法 以全國(guó)遙感土地利用監(jiān)測(cè)分類(lèi)系統(tǒng)為主要依據(jù)，結(jié)合研究區(qū)的實(shí)際土地利用情況，將馬尾區(qū)土地分為林地、水域、耕地、建設(shè)用地及未利用地五大類(lèi)別；在此基礎(chǔ)上，對(duì)兩期遙感影像進(jìn)行了輻射校正、幾何校正、裁剪等相應(yīng)的預(yù)處理，并在ENVI平臺(tái)上，計(jì)算了歸一化植被指數(shù)(NDVI)，將其作為土地利用分類(lèi)的輔助數(shù)據(jù)，同時(shí)與影像原始波段進(jìn)行組合，利用Rulegen插件，采用QUEST決策樹(shù)分類(lèi)法提取了馬尾區(qū)2003和2014年的遙感影像土地利用信息，并完成相應(yīng)的專(zhuān)題圖制作.

2.2.2 土地利用時(shí)空變化分析方法 土地利用變化主要體現(xiàn)在土地利用的類(lèi)型、數(shù)量、結(jié)構(gòu)變化、土地利用程度等方面[12-15]，因此，本文從土地利用的類(lèi)型、數(shù)量、結(jié)構(gòu)、利用程度、轉(zhuǎn)移方向等方面來(lái)研究馬尾區(qū)土地利用的變化特征.

(1)單一土地利用動(dòng)態(tài)度：指某類(lèi)土地利用的類(lèi)型及數(shù)量的變化情況[16]，其表達(dá)式為：

(1)

式中:T代表研究期；Ua、Ub分別代表始末兩期同種土地利用類(lèi)型的面積.

(2)綜合土地利用動(dòng)態(tài)度：用于描述研究區(qū)土地利用總體變化的程度[17]，表達(dá)式為：

(2)

式中：LUi為研究初期第i類(lèi)土地的利用面積；ΔLUi-j為第i類(lèi)土地利用轉(zhuǎn)化為非i類(lèi)土地利用的面積之和；T為研究期.

(3)土地利用轉(zhuǎn)移矩陣：在土地利用動(dòng)態(tài)變化研究中，轉(zhuǎn)移矩陣是研究各類(lèi)型間相互轉(zhuǎn)化的主要手段[18]，表達(dá)式為：

(3)

式中：i、j分別代表始末兩期的土地利用類(lèi)型；n為類(lèi)別總數(shù)；Sij為研究期內(nèi)第i類(lèi)向第j類(lèi)轉(zhuǎn)化的總面積.

(4)土地利用程度綜合指數(shù)：該指數(shù)是人類(lèi)對(duì)土地實(shí)際利用狀態(tài)的反映.劉紀(jì)遠(yuǎn)等[19]提出土地利用程度的量化方式，其表達(dá)式為：

(4)

式中：Ai、Ci分別為第i級(jí)土地利用程度的分級(jí)指數(shù)和分級(jí)面積百分比.

根據(jù)劉紀(jì)遠(yuǎn)等[19]提出的土地利用程度的相應(yīng)分級(jí)原則，馬尾區(qū)各土地利用類(lèi)型所對(duì)應(yīng)的土地利用分級(jí)指數(shù)如表1所示.

表1 土地利用程度分級(jí)賦值表

2.2.3 土地利用變化驅(qū)動(dòng)力研究方法 本文主要從政策導(dǎo)向及社會(huì)經(jīng)濟(jì)發(fā)展兩方面來(lái)研究其對(duì)土地利用變化的影響，由于政策法規(guī)難以定量化，故僅對(duì)其進(jìn)行定性描述，而對(duì)于社會(huì)經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)分析，則采用主成分分析法.

主成分分析(PCA)是通過(guò)降維的方法用綜合指標(biāo)代替單一指標(biāo)的一種分析方法，它能以最少的變量反映出最多的信息[20-22].在驅(qū)動(dòng)力研究中經(jīng)常采用PCA分析法，因該法能將眾多的相關(guān)因子集中到某一成分上，并直觀地反映出主要因子.

3 結(jié)果與分析

3.1 土地利用的分類(lèi)結(jié)果采用QUEST決策樹(shù)分類(lèi)法提取馬尾區(qū)2003和2014年的土地利用信息，并基于GIS平臺(tái)，完成專(zhuān)題圖的制作，同時(shí)，參考馬尾區(qū)的Google Earth影像，選取若干驗(yàn)證點(diǎn)，采用精度評(píng)估法進(jìn)行精度評(píng)價(jià)，分類(lèi)總精度分別為87.82%、88.78%，Kappa系數(shù)為0.8404、0.8541，土地利用分類(lèi)如圖2所示.

圖2 馬尾區(qū)2003和2014年的土地利用分類(lèi)圖

3.2 土地利用變化的分析

3.2.1 土地利用數(shù)量變化分析 由表2可知，2003—2014年馬尾區(qū)林地、水域、耕地、未利用地的面積減少，建設(shè)用地的面積增加，其中建設(shè)用地的變化量及變化幅度最大；從土地利用動(dòng)態(tài)度上看，11年間，建設(shè)用地的動(dòng)態(tài)度最高，耕地次之，其他土地利用類(lèi)型的變化較少；綜合土地利用的動(dòng)態(tài)度為0.95%，表明研究期內(nèi)土地利用的變化較為緩慢.

表2 2003—2014年馬尾區(qū)土地利用面積的變化 hm2

3.2.2 土地利用結(jié)構(gòu)變化分析 馬尾區(qū)2003—2014年的土地利用結(jié)構(gòu)如圖3所示，11年間，林地、水域、未利用地、耕地所占比例下降；建設(shè)用地所占比例增加至12.47%，從圖3中可以直觀地看出，馬尾區(qū)土地利用的類(lèi)型仍以林地為主，所占比例均超過(guò)55%.

圖3 馬尾區(qū)2003和2014年的土地利用結(jié)構(gòu)圖

3.2.3 土地利用類(lèi)型的轉(zhuǎn)移矩陣分析 1)土地利用類(lèi)型的數(shù)量轉(zhuǎn)化分析 從表3中可以看出，2003—2014年間，林地、水域未變部分的面積分別為13 660.47 hm2和3 337.56 hm2，轉(zhuǎn)出的面積大于轉(zhuǎn)入，其中，林地主要轉(zhuǎn)向未利用地及耕地，水域則大部分流向建設(shè)用地；未利用地、耕地與其他用地之間的轉(zhuǎn)化率較高，減少部分集中流向建設(shè)用地；相比其他土地利用類(lèi)型，建設(shè)用地增加的面積遠(yuǎn)遠(yuǎn)大于轉(zhuǎn)出的面積，新增部分的面積為1 064.88 hm2，轉(zhuǎn)出部分的面積僅為123.12 hm2.

表3 馬尾區(qū)2003—2014年土地利用的轉(zhuǎn)移矩陣 hm2

2)土地利用類(lèi)型空間轉(zhuǎn)化分析 從各土地利用類(lèi)型的空間變化圖中可以發(fā)現(xiàn)，95%以上的林地未發(fā)生變化，增加及減少部分主要集中在山腳，靠近建成區(qū)，在海拔較低或者靠近水源等生產(chǎn)條件較好的區(qū)域，部分林地轉(zhuǎn)為耕地(圖4 a)；耕地面積減少的部分主要集中在亭江鎮(zhèn)和瑯岐經(jīng)濟(jì)區(qū)，在亭江鎮(zhèn)范圍內(nèi)耕地主要向建設(shè)用地轉(zhuǎn)化(圖4 b)；水域轉(zhuǎn)出的面積絕大部分都流向建設(shè)用地，且大部分發(fā)生在亭江鎮(zhèn)區(qū)域內(nèi)(圖4 c)；靠近河流沿岸的未利用地已經(jīng)開(kāi)始被利用，增加的部分主要分布于林地中，主要是裸地，從中也可以看出，原有建成區(qū)的未利用地已經(jīng)被開(kāi)發(fā)為建設(shè)用地(圖4 d)；建設(shè)用地增加的區(qū)域主要集中在馬尾鎮(zhèn)、亭江鎮(zhèn)、瑯岐經(jīng)濟(jì)區(qū)，其中，亭江鎮(zhèn)建設(shè)用地的面積增加最多，瑯岐經(jīng)濟(jì)區(qū)主要是交通用地增加及居民點(diǎn)向外擴(kuò)張(圖4 e).

圖4 馬尾區(qū)各土地利用類(lèi)型的空間變化圖

3.2.4 馬尾區(qū)土地利用程度變化分析 經(jīng)計(jì)算，2003年馬尾區(qū)土地利用程度的綜合指數(shù)為228.89，2014年為234.69，11年間，土地利用程度的綜合指數(shù)凈增5.79，上升了2.53%，土地利用程度有所提高.為了進(jìn)一步研究其空間分布情況，本文在GIS平臺(tái)上，以3×3的像元為統(tǒng)計(jì)單元，通過(guò)鄰域分析、柵格計(jì)算等步驟，得出馬尾區(qū)土地利用程度的綜合指數(shù)空間分布格局，從圖5中可以看出，馬尾區(qū)內(nèi)的土地利用程度大部分處于中等水平，且土地利用程度較高的區(qū)域都集中在河流沿岸，馬尾鎮(zhèn)、羅星街道及亭江鎮(zhèn)對(duì)土地的開(kāi)發(fā)利用主要是沿著河流呈狹長(zhǎng)狀延伸.

圖5 2003和2014年馬尾區(qū)土地利用程度的綜合指數(shù)空間分布圖

由上述分析可知，馬尾區(qū)主要河流對(duì)土地利用的空間分布起了關(guān)鍵作用，因此，為了進(jìn)一步分析土地利用程度的變化特征，本研究以區(qū)內(nèi)的主要河流—閩江為對(duì)象，對(duì)緩沖區(qū)進(jìn)行了分析，探究了土地利用程度與河流緩沖距的關(guān)系.如圖6所示，2003和2014年，土地利用程度的綜合指數(shù)隨河流緩沖距離的變化而變化，總體趨勢(shì)為：先增加后減少，最后趨于平緩；當(dāng)緩沖距為1 000 m時(shí)土地利用程度的綜合指數(shù)達(dá)到最大，分別為281.99、296.79，緩沖距在3 000 m外的區(qū)域，土地利用程度的綜合指數(shù)基本不發(fā)生變化.

究其原因，在緩沖距為500 m內(nèi)，土地利用類(lèi)型除了建設(shè)用地外還包括一些濕地、灘涂等未利用地，土地利用程度較中心城區(qū)低，處于一種半自然化的狀態(tài)；隨著緩沖距的增加，住宅、工業(yè)倉(cāng)儲(chǔ)、商業(yè)設(shè)施等建設(shè)用地的面積逐漸增加且集中分布，因此，在緩沖距為1 000 m時(shí)，土地利用程度的綜合指數(shù)達(dá)到最大；緩沖距在1 500～3 000 m之間時(shí)，受到地形因素的影響，建設(shè)用地的面積逐漸減少，耕地、林地、裸地的面積增加，土地利用強(qiáng)度開(kāi)始下降；而緩沖距大于3 000 m外的區(qū)域，95%以上是林地，人為干擾程度低，土地利用方式回歸自然化.

3.3 土地利用變化的驅(qū)動(dòng)力研究

3.3.1 政策法規(guī)對(duì)土地利用變化的影響 改革開(kāi)放以來(lái)，福州馬尾區(qū)依托其優(yōu)越的政策、地理位置、自然環(huán)境等一路高歌猛進(jìn)，城市化、工業(yè)化進(jìn)程加速，社會(huì)經(jīng)濟(jì)不斷發(fā)展.在《福州市城市總體規(guī)劃(2011—2020年)》中提出要構(gòu)建“一核心、兩新城、三組團(tuán)、三軸線”的城市空間結(jié)構(gòu)，要將馬尾新城作為福州市區(qū)向東延伸的主要陣地，在馬尾新城的規(guī)劃中對(duì)快安、亭江、瑯岐、馬江等片區(qū)提出了明確的功能定位及發(fā)展目標(biāo).在這些政策的導(dǎo)向下，福州馬尾區(qū)又迎來(lái)了新的發(fā)展機(jī)遇，如城市建設(shè)步伐加快，積極開(kāi)展招商引資工作，大力扶持各類(lèi)企業(yè)等，隨著馬尾新城的開(kāi)發(fā)建設(shè)，其土地利用結(jié)構(gòu)也發(fā)生了相應(yīng)的變化，如企業(yè)入駐，進(jìn)出口貿(mào)易擴(kuò)大、樓盤(pán)開(kāi)發(fā)等，這使得工業(yè)倉(cāng)儲(chǔ)、住宅、商業(yè)服務(wù)等建設(shè)用地不斷增加，耕地面積大幅減少，原本城區(qū)內(nèi)的一些坑塘湖泊也被高樓大廈所取代，特別是在亭江鎮(zhèn)地區(qū)，大片的農(nóng)田轉(zhuǎn)為建設(shè)用地；另外，由于良好的交通環(huán)境是區(qū)域發(fā)展的基礎(chǔ)，因此為了創(chuàng)造更好的投資環(huán)境，政府不斷加大了交通建設(shè)的投資，2006年末實(shí)有道路面積為5.19×104m2，而至2013年末道路總面積增加到1.02×106m2，公路、鐵路等交通建設(shè)用地亦不斷增加.

與此同時(shí)，2014年12月國(guó)務(wù)院批準(zhǔn)設(shè)立福建自貿(mào)區(qū)，馬尾區(qū)也由此成為福建自貿(mào)區(qū)福州片區(qū)的主陣地，在“一帶一路”的規(guī)劃建設(shè)中，馬尾區(qū)憑其得天獨(dú)厚的地理區(qū)位和自然環(huán)境等成為21世紀(jì)海上絲綢之路的戰(zhàn)略樞紐城市，迎來(lái)了發(fā)展的第二個(gè)春天，其土地利用類(lèi)型、結(jié)構(gòu)等在相關(guān)政策的引導(dǎo)下也隨之會(huì)發(fā)生變化.

3.3.2 社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)機(jī)制研究 結(jié)合馬尾區(qū)社會(huì)經(jīng)濟(jì)發(fā)展情況，采用PCA分析法，選擇X1—年末總?cè)丝?人)、X2—城鎮(zhèn)化水平(%)、X3—人均GDP(元/人)、X4—工業(yè)總產(chǎn)值(萬(wàn)元)、X5—社會(huì)固定資產(chǎn)投資(萬(wàn)元)、X6—第一產(chǎn)業(yè)比重(%)、X7—第二產(chǎn)業(yè)比重(%)、X8—第三產(chǎn)業(yè)比重(%)、X9—農(nóng)民人均純收入(元)、X10—社會(huì)消費(fèi)品零售總額(萬(wàn)元)、X11—城鎮(zhèn)居民人均可支配收入(元)、X12—糧食產(chǎn)量(噸)12個(gè)指標(biāo).這12個(gè)指標(biāo)綜合反映了人口、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展等方面.

在SPSS軟件上，首先將原始數(shù)據(jù)標(biāo)準(zhǔn)化，在此基礎(chǔ)上，進(jìn)一步求出載荷矩陣及各因子累計(jì)方差貢獻(xiàn)率.遵循特征值大于1的原則，提取出兩個(gè)主成分，所提出的兩個(gè)主成分累積方差貢獻(xiàn)率為91.37%，大于85%，滿足分析要求.

因子載荷矩陣反映了各個(gè)主成分與12個(gè)指標(biāo)的載荷關(guān)系，從表4中可以看出，第一主成分與X2、X3、X4、X9、X10、X11、X12等因子高度相關(guān)，這些因子綜合反映了經(jīng)濟(jì)發(fā)展?fàn)顩r、城鎮(zhèn)化水平、居民收入水平，可以將第一主成分作為經(jīng)濟(jì)發(fā)展、城市化水平代表；第二主成分與X1、X7、X8相關(guān)性較高，可以將其作為產(chǎn)業(yè)結(jié)構(gòu)和人口增長(zhǎng)的代表.

表4 主成分載荷矩陣

在此基礎(chǔ)上求出主成分特征向量，構(gòu)建主成分得分表達(dá)式：

F1=0.272X1+0.304X2+0.310X3+0.310X4+0.284X5-0.260X6-0.248X7+

0.259X8+0.307X9+0.301X10+0.311X11-0.287X12

F2=0.349X1-0.222X2+0.115X3+0.140X4-0.015X5-0.118X6+0.584X7-

0.545X8+0.204X9+0.258X10+0.148X11+0.118X12

根據(jù)主成分表達(dá)式分別計(jì)算兩個(gè)主成分得分，依據(jù)方差貢獻(xiàn)率確定兩個(gè)主成分的權(quán)重，計(jì)算馬尾區(qū)土地利用變化每年驅(qū)動(dòng)力綜合得分，從圖7可知，社會(huì)經(jīng)濟(jì)因素對(duì)馬尾區(qū)土地利用變化的影響不斷上升，以2009年為分界點(diǎn)，在此之前綜合得分為負(fù)值，2009年起綜合得分為正值，且不斷上升，表明社會(huì)經(jīng)濟(jì)發(fā)展對(duì)馬尾區(qū)土地利用變化的影響力逐漸增強(qiáng).

由上分析可知，經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整及人口增長(zhǎng)是馬尾區(qū)土地利用變化主要的社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子.經(jīng)濟(jì)的增長(zhǎng)，城鎮(zhèn)化水平的提高必將導(dǎo)致建設(shè)用地面積的增加，使得土地利用逐漸非農(nóng)化，人口增加及產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，尤其是第三產(chǎn)業(yè)的興起會(huì)很大程度地推動(dòng)住宅、社區(qū)服務(wù)等用地的擴(kuò)大.在這些因子的綜合影響下，馬尾區(qū)的土地利用結(jié)構(gòu)和土地利用程度必然發(fā)生變化.

4 結(jié) 論

本文利用RS和GIS空間信息技術(shù)，分析了馬尾區(qū)2003—2014年土地利用的時(shí)空變化規(guī)律，并通過(guò)主成分分析法研究了馬尾區(qū)土地利用變化的驅(qū)動(dòng)機(jī)制，研究表明：

(1) 馬尾區(qū)2003—2014年土地利用的動(dòng)態(tài)變化表現(xiàn)為：林地、水域、耕地、未利用地面積減少，而建設(shè)用地在11年間增加了941.76 hm2，變化幅度最大.區(qū)內(nèi)綜合土地利用的動(dòng)態(tài)度為0.95%，表明土地利用變化較為緩慢.

(2) 通過(guò)土地利用轉(zhuǎn)移矩陣可以發(fā)現(xiàn)，林地、水域、未利用地及耕地的轉(zhuǎn)出部分要遠(yuǎn)大于轉(zhuǎn)入部分，建設(shè)用地則剛好相反，林地主要向未利用地和耕地轉(zhuǎn)化，耕地、水域、未利用地主要流向建設(shè)用地；從人們對(duì)土地開(kāi)發(fā)利用的程度上看，2003、2014年馬尾區(qū)土地利用程度的綜合指數(shù)分別為228.89，234.69，11年間，增加了5.79，變化率為2.53%，土地利用處于發(fā)展期；通過(guò)對(duì)河流緩沖區(qū)的分析可知，在緩沖距為3 000 m的區(qū)域內(nèi)，其土地利用程度較高，變化明顯，而在3 000 m外的區(qū)域，土地利用類(lèi)型則以林地為主，變化緩慢.

(3) 馬尾區(qū)土地利用變化的驅(qū)動(dòng)因素可以歸為社會(huì)經(jīng)濟(jì)因素及政策導(dǎo)向.其中，由主成分分析得出：經(jīng)濟(jì)發(fā)展、城市化、人口增長(zhǎng)、產(chǎn)業(yè)結(jié)構(gòu)4個(gè)因子是馬尾區(qū)土地利用變化最主要的社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子，經(jīng)濟(jì)的增長(zhǎng)，城鎮(zhèn)化水平的提高，人口增長(zhǎng)以及第三產(chǎn)業(yè)的興起等必然導(dǎo)致對(duì)建筑用地的需求不斷增加，從而對(duì)土地利用結(jié)構(gòu)和程度產(chǎn)生深刻的影響，而且這些因素的驅(qū)動(dòng)力綜合得分呈上升趨勢(shì)，表明影響馬尾區(qū)土地利用變化的社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力逐年增強(qiáng).此外，福建自貿(mào)區(qū)建設(shè)，福州城市總體規(guī)劃等相關(guān)的政策法規(guī)對(duì)該區(qū)土地利用結(jié)構(gòu)的變化也起到了關(guān)鍵的引導(dǎo)性作用.

綜上所述，隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，馬尾區(qū)內(nèi)耕地、水體、林地等自然地表逐漸被建設(shè)用地所取代，從而對(duì)區(qū)域生態(tài)環(huán)境產(chǎn)生了不利影響，因此，為實(shí)現(xiàn)該區(qū)的可持續(xù)發(fā)展，需加大對(duì)經(jīng)濟(jì)的引導(dǎo)，有序推進(jìn)城市化進(jìn)程，并合理控制人口增長(zhǎng)，另外，在城市建設(shè)過(guò)程中應(yīng)妥善解決城中村問(wèn)題，以提高土地資源的利用率.

[1] 楊梅, 張廣錄, 侯永平. 區(qū)域土地利用變化驅(qū)動(dòng)力研究進(jìn)展[J]. 地理與地理信息科學(xué), 2011, 27(1): 95-100.

[2] 華文劍, 陳海山, 李興. 中國(guó)土地利用/覆蓋變化及其氣候效應(yīng)的研究綜述[J]. 地球科學(xué)進(jìn)展, 2014, 29(9): 1 025-1 035.

[3] Meyfroidt P, Lambin E F, Erb K H, et al. Globalization of land use: distant drivers of land change and geographic displacement of land use[J]. Current Opinion in Environmental Sustainability, 2013, 5(5): 438-444.

[4] 王曉峰, 傅伯杰, 蘇常紅, 等. 西安市城鄉(xiāng)建設(shè)用地時(shí)空擴(kuò)展及驅(qū)動(dòng)因素[J]. 生態(tài)學(xué)報(bào), 2015, 35(21): 7 139-7 149.

[5] Serra P, Pons X, Saurí D. Land-cover and land-use change in a Mediterranean landscape: a spatial analysis of driving forces integrating biophysical and human factors[J]. Applied Geography, 2008, 28(3): 189-209.

[6] Cvitanovi M, Blackburn G A, Jepsen M R. Characteristics and drivers of forest cover change in the post-socialist era in Croatia: evidence from a mixed-methods approach [J]. Regional Environmental Change, 2016: 1-13.

[7] Kamusoko C, Aniya M, Adi B, et al. Rural sustainability under threat in Zimbabwe-simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model[J]. Applied Geography, 2009, 29(3): 435-447.

[8] 許月卿, 田媛, 孫丕苓. 基于Logistic回歸模型的張家口市土地利用變化驅(qū)動(dòng)力及建設(shè)用地增加空間模擬研究[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 51(5): 955-964.

[9] 劉康, 李月娥, 吳群, 等. 基于Probit回歸模型的經(jīng)濟(jì)發(fā)達(dá)地區(qū)土地利用變化驅(qū)動(dòng)力分析——以南京市為例 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26(7): 2 131-2 138.

[10] 孫靜雯, 王紅旗, 張欣, 等. 基于決策樹(shù)分類(lèi)的根河市土地利用變化及驅(qū)動(dòng)力分析[J]. 中國(guó)人口·資源與環(huán)境, 2014, 24 (3):449-452.

[11] 徐小明, 杜自強(qiáng), 張紅, 等. 晉北地區(qū)1986—2010年土地利用/覆被變化的驅(qū)動(dòng)力[J]. 中國(guó)環(huán)境科學(xué), 2016, 36(7), 2 154-2 161.

[12] 彭鋒. 基于RS與GIS的銀川市土地利用/土地覆蓋變化研究[D]. 蘭州: 蘭州大學(xué), 2011.

[13] Yu W, Zang S, Wu C, et al. Analyzing and modeling land use land cover change (LUCC) in the Daqing City, China[J]. Applied Geography, 2011, 31(2): 600-608.

[14] Fonji S F, Taff G N. Using satellite data to monitor land-use land-cover change in North-eastern Latvia[J]. Springer Plus, 2014, 3(1): 61.

[15] Ruelland D, Tribotte A, Puech C, et al. Comparison of methods for LUCC monitoring over 50 years from aerial photographs and satellite images in a Sahelian catchment[J]. International Journal of Remote Sensing, 2011, 32(6): 1 747-1 777.

[16] 高義, 蘇奮振, 孫曉宇, 等. 近20年廣東省海島海岸帶土地利用變化及驅(qū)動(dòng)力分析[J]. 海洋學(xué)報(bào), 2011, 33(4): 95-103.

[17] 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.

[18] 婁和震, 楊勝天, 周秋文, 等. 延河流域2000—2010年土地利用/覆蓋變化及驅(qū)動(dòng)力分析[J]. 干旱區(qū)資源與環(huán)境, 2014, 28(4): 15-21.

[19] 劉紀(jì)遠(yuǎn). 中國(guó)資源環(huán)境遙感宏觀調(diào)查與動(dòng)態(tài)研究[M]. 北京: 中國(guó)科學(xué)技術(shù)出版社, 1996：86-186.

[20] Abdi H, Williams L J. Principal component analysis[J]. Wiley Interdisciplinary Reviews: Computational Statistics, 2010, 2(4): 433-459.

[21] 林海明, 杜子芳. 主成分分析綜合評(píng)價(jià)應(yīng)該注意的問(wèn)題[J]. 統(tǒng)計(jì)研究, 2013, 30(8): 25-31.

[22] Abdi H, Williams L J, Valentin D. Multiple factor analysis: principal component analysis for multitable an multiblock data sets[J]. Wiley Interdisciplinary Reviews: Computational Statistics, 2013, 5(2): 149-179.

Land Use Changes and Its Driving Forces in Mawei District Fuzhou from 2003 to 2014

Fang Canying1, Xu Zhanghua1,2, Wang Shaogu1, Huang Xuying1, Lin Lu1

(1. College of Environment and Resources, Fuzhou University, Fuzhou 350116, China; 2. Center for Region & Urban and Rural Planning, Fuzhou 350116, China)

Based on the remote sensing images of Mawei District in 2003 and 2014, the decision tree classification method was used to classify the land use, the total accuracy was 87.82% and 88.78%, respectively. Then, the spatial-temporal changes of land use in Mawei District including the land use quantity, transfer matrix, and land use degree, were analyzed, the results suggested that the forest area, water, farmland, and unused land area have decreased, while the construction land has increased significantly from 2003 to 2014 in Mawei District. The single land use dynamic degree of the construction land was the highest, that of the cultivated land was the second, the comprehensive land use dynamic degree was 0.95%, and the land use change was relatively slow. In the process of land conversion, the forest land mainly was converted to the unused land, farm land and cultivated land; cultivated land, water and unused land mainly flowed to the construction land. The analysis results of the river buffer area suggested that the area with great changes of land use was mainly concentrated on the buffer area within 3000 m from the river. Based on it, the total population, per capita GDP, the rate of urbanization and other socio-economic indicators were selected to explore the driving factors of land use change in the study area, and the principal component analysis were performed. The results indicated that economic growth, improvement of urbanization, population growth and industrial structure adjustment and optimization were the main socio-economic driving forces leading to land use change. Furthermore, the driving force comprehensive score of these factors have increased year by year, which suggested that its influence will be constantly enhanced. Additionally, the policy and measures of government on land-use structure change also plays a key role.

Mawei district; remote sensing; change of land use; principal component analysis; driving force

2016-10-17

福建省自然科學(xué)基金(2016J01188)；國(guó)家自然科學(xué)基金(41501361)；福建省資源環(huán)境監(jiān)測(cè)與可持續(xù)經(jīng)營(yíng)利用重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(ZD1403)；福州大學(xué)人才基金(XRC-1345)

方燦瑩(1993-)，女，福建漳州人，福州大學(xué)環(huán)境與資源學(xué)院2015級(jí)碩士研究生，E-mail:1158985715@qq.com

許章華(1985-)，男，福建福清人，博士，講師，碩士研究生導(dǎo)師，研究方向：資源環(huán)境遙感、城鄉(xiāng)規(guī)劃與GIS應(yīng)用，E-mail:fafuxzh@163.com

1004-1729(2016)04-0377-10

P951；TP79

A DOl：10.15886/j.cnki.hdxbzkb.2016.0057