基于地理探测器的甘肃农牧交错带土地利用时空演化及其驱动机制

doi:10.13866/j.azr.2024.04.06

摘要/Abstract

摘要：

基于RS、GIS以及地理探测器，结合社会经济统计资料，对甘肃农牧交错带2000—2020年土地利用结构、动态度、利用程度和地类转移进行分析，并探究土地利用变化在不同时期的驱动因素。结果表明：（1） 2000—2020年，甘肃农牧交错带以耕地、林地和草地为主要用地类型，三者占比超过95%，土地利用结构差异度均小于0.01、结构总体趋于稳定，全域土地利用动态度总体呈先增加后放缓的趋势；（2）耕地、林地和草地的转化占研究区总体变化面积的96%以上，各地类间转换活跃，LUCC较集中分布于陇中黄土丘陵区和陇东黄土高原沟壑区；（3）在长时序土地利用变化情景下，地理探测器具有较好的适用性，甘肃农牧交错带土地利用变化在不同时段驱动因子相异，其变化受社会经济因素和自然地理因素共同作用驱动（前者对土地利用变化解释度更强），各因子间交互作用均表现为双因子增强或非线性增强效应，双因子交互对土地利用变化的解释度强于单因子解释度。

关键词: 农牧交错带, 地理探测器, 土地利用, 时空演变, 驱动力, 甘肃

Abstract:

This study analyzed the land use structure, dynamics, intensity, and land use conversion of the agro-pastoral ecotone of Gansu Province from 2000 to 2020 using remote sensing (RS), geographic information system (GIS), and Geodetector in combination with social and economic data. (1) From 2000 to 2020, cultivated land, forest land, and grassland were the main land use types in the agro-pastoral ecotone of Gansu Province, and the total proportion of the three was more than 95%. The difference degree of land use structure was less than 0.01, and the structure was generally stable. The overall land use change initially increased and subsequently slowed down over time. (2) The conversion of cultivated land, forest land, and grassland accounted for more than 96% of the total conversion area in the agro-pastoral ecotone of Gansu Province. Land use conversion was observed among all land use types. Converted cultivated lands were mainly converted to forest land and grassland, whereas other land use types were converted to construction land. Land use type changes were mainly concentrated in the Loess hills in central Gansu and the Loess Plateau gully region in eastern Gansu. (3) In the context of long term land use changes, Geodetector demonstrated good applicability. The driving factors for land use changes in the farming-pastoral ecotone of Gansu varied during different periods. These changes were driven by a combination of socioeconomic factors and natural geographic factors, with the former having stronger explanatory power for land use change. Interactions among these factors exhibited either two-factor enhancement or nonlinear enhancement. Two-factor interactions had stronger explanatory power for land use changes than single-factor explanations.

Key words: agro-pastoral transitional zone, Geodetector, land use, spatio-temporal evolution, driving force, Gansu Province

李文秀, 燕振刚. 基于地理探测器的甘肃农牧交错带土地利用时空演化及其驱动机制[J]. 干旱区研究, 2024, 41(4): 590-602.

LI Wenxiu, YAN Zhengang. Analysis of spatiotemporal evolution of land use and its driving mechanism in the agro-pastoral ecotone of Gansu Province using Geodetector[J]. Arid Zone Research, 2024, 41(4): 590-602.

图/表 13

图1

表1

表2

图2

图3

图4

表3

图5

表4

图6

表5

图7

图8

参考文献 23

[1]	李云霞, 王晨旭, 刘焱序. 基于生态系统服务簇分区的土地利用多目标优化——以巴彦淖尔市为例[J]. 生态学杂志, 2023, 42(5): 1205-1213.
	[Li Yunxia, Wang Chenxu, Liu Yanxu. Multi-objective optimization of land use based on ecosystem service bundle zoning: A case study of Bayannur City[J]. Chinese Journal of Ecology, 2023, 42(5): 1205-1213.] doi: DOI: 10.13292/j.1000-4890.202305.020
[2]	郭健斌, 张英, 张志伟, 等. 基于地理探测器的藏东南高山峡谷区土地利用变化及其驱动机制——以西藏林芝市为例[J]. 中国农业大学学报, 2023, 28(4): 210-226.
	[Guo Jianbin, Zhang Ying, Zhang Zhiwei, et al. Land use change and its driving mechanism in the alpine gorge of Southeast Tibet based in geodetector: A case study of Nyingchi City[J]. Journal of China Agricultural University, 2023, 28(4): 210-226.]
[3]	徐谅慧, 杨磊, 李加林, 等. 基于GIS-Logistic耦合模型的杭州湾南岸景观演变驱动力分析[J]. 应用海洋学学报, 2016, 35(1): 75-86.
	[Xu Lianghui, Yang Lei, Li Jialin, et al. Analysis on the driving force of landscape evolvement of Hangzhou Bay based on GIS-Logistic coupling model[J]. Journal of Applied Oceanography, 2016, 35(1): 75-86.]
[4]	樊舒迪, 刘振华, 朱明帮, 等. 基于地理探测器的广州市土地利用时序变化及影响因素[J]. 西南农业学报, 2022, 35(10): 2276-2289.
	[Fan Shudi, Liu Zhenhua, Zhu Mingbang, et al. Time series change and influencing factors of land use in Guangzhou City based on geodetector[J]. Southwest China Journal of Agricultural Sciences, 2022, 35(10): 2276-2289.]
[5]	杨爱民, 朱磊, 陈署晃, 等. 1975—2015年玛纳斯河流域土地利用变化的地学信息图谱分析[J]. 应用生态学报, 2019, 30(11): 3863-3874. doi: 10.13287/j.1001-9332.201911.017
	[Yang Aimin, Zhu Lei, Chen Shuhuang, et al. Geo-informatic spectrum analysis of land use change in the Manas River Basin, China during 1975-2015[J]. Chinese Journal of Applied Ecology, 2019, 30(11): 3863-3874.] doi: 10.13287/j.1001-9332.201911.017
[6]	Bao Chao, Xu Mutian, Sun Siao. China’s land uses in the multi-region input-output framework[J]. International Journal of Environmental Research and Public Health, 2019, 16(16): 2940-2940. doi: 10.3390/ijerph16162940
[7]	Cerrillo N M R, Rodríguez P G, Rumbao C I, et al. Modeling major rural land-use changes using the GIS-based cellular automata metronamica model: The case of Andalusia (Southern Spain)[J]. ISPRS International Journal of Geo-Information, 2020, 9(7): 458-472. doi: 10.3390/ijgi9070458
[8]	葛茹香, 马超. 干旱高原湖泊湿地土地利用变化与驱动因素分析——以泊江海子湿地闭流区为例[J]. 水土保持研究, 2022, 29(1): 376-385.
	[Ge Ruxiang, Ma Chao. Analysis on land use change and driving factors of lake wetland in arid plateau—A case study on the Inflow Area of Bojianghaizi Wetland[J]. Research of Soil and Water Conservation, 2022, 29(1): 376-385.]
[9]	王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1): 116-134. doi: 10.11821/dlxb201701010
	[Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.] doi: 10.11821/dlxb201701010
[10]	丁悦, 蔡建明, 任周鹏, 等. 基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素[J]. 地理科学进展, 2014, 33(5): 657-666. doi: 10.11820/dlkxjz.2014.05.007
	[Ding Yue, Cai Jianming, Ren Zhoupeng, et al. Spatial disparities of economic growth rate of China’s national-level ETDZs and their determinants based on geographical detector analysis[J]. Progress in Geography, 2014, 33(5): 657-666.] doi: 10.11820/dlkxjz.2014.05.007
[11]	刘彦随, 李进涛. 中国县域农村贫困化分异机制的地理探测与优化决策[J]. 地理学报, 2017, 72(1): 161-173. doi: 10.11821/dlxb201701013
	[Liu Yansui, Li Jintao. Geographic detection and optimizing decision of the differentiation mechanism of rural poverty in China[J]. Acta Geographica Sinica, 2017, 72(1): 161-173.] doi: 10.11821/dlxb201701013
[12]	中华人民共和国国务院. 全国国土规划纲要(2016—2030年)[EB/OL]. (2017-01-03)[2023-06-29]. https://landchina.mnr.gov.cn/tdgh1/201702/t20170205_6818302.html.
	[ State Council of the People’s Republic of China. Outline of the National Land Plan (2016-2030)[EB/OL]. (2017-01-03)[2023-06-29]. https://landchina.mnr.gov.cn/tdgh1/201702/t20170205_6818302.html. ]
[13]	李洁, 赵锐锋, 谢作轮. 甘肃省区域社会—生态系统脆弱性综合评价[J]. 经济地理, 2015, 35(12): 168-175.
	[Li Jie, Zhao Ruifeng, Xie Zuolun. The comprehensive assessment of vulnerability in social-ecological system of Gansu Province[J]. Economic Geography, 2015, 35(12): 168-175.]
[14]	梁赟亮, 李杰, 陆燕花, 等. 基于LUCC的甘肃省农牧交错带生态系统服务价值评估及时空演变特征研究[J]. 草业学报, 2023, 32(5): 13-26. doi: 10.11686/cyxb2022232
	[Liang Yunliang, Li Jie, Lu Yanhua, et al. Ecosystem service value evaluation and temporal-spatial evolution characteristics in an agro-pastoral ecotone of Gansu Province based on LUCC[J]. Acta Prataculturae Sinica, 2023, 32(5): 13-26.] doi: 10.11686/cyxb2022232
[15]	陈全功. 再谈“胡焕庸线”及农牧交错带[J]. 草业科学, 2018, 35(3): 669-676.
	[Chen Quangong. “Hu Population Line” and the transitional border between agriculture and pasture: A discussion from a new perspective[J]. Pratacultural Science, 2018, 35(3): 669-676.]
[16]	彭守璋. 中国1 km分辨率逐月降水量数据集(1901-2022)[EB/OL]. 时空三极环境大数据平台, 2020. https://doi.org/10.5281/zenodo.3185722.
	[Peng Shouzhang. 1 km Monthly Precipitation Dataset for China (1901-2022)[EB/OL]. A Big Earth Data Platform for Three Poles, 2020. https://doi.org/10.5281/zenodo.3185722.]
[17]	Baum-Snow N, Brandt L, Henderson V J, et al. Roads, railroads, and decentralization of Chinese cities[J]. Review of Economics and Statistics, 2017, 99(3): 435-448. doi: 10.1162/REST_a_00660
[18]	《中国县域统计年鉴2021(县市卷)》编辑委员会, 王明华. 中国县域统计年鉴[M]. 北京: 中国统计出版社, 2021.
	[ China County Statistical Yearbook 2021(County Volume) Editorial Committee, Wang Minghua. China County Statistical Yearbook[M]. Beijing: China Statistics Press, 2021.]
[19]	杨德伟, 张云红, 王道杰, 等. 岷江上游土地利用的时空分异[J]. 山地学报, 2009, 27(5): 579-584.
	[Yang Dewei, Zhang Yunhong, Wang Daojie, et al. Spatio-temporal variation of land use changes in the upper reaches of Minjiang River[J]. Journal of Mountain Science, 2009, 27(5): 579-584.]
[20]	王彦武, 高金芳, 陈爱华, 等. 关川河流域土地利用变化对其生态服务价值的影响[J]. 山东农业科学, 2023, 55(4): 163-172.
	[Wang Yanwu, Gao Jinfang, Chen Aihua, et al. Effects of land use change on its ecological service value in Guanchuan River Basin[J]. Shandong Agricultural Sciences, 2023, 55(4): 163-172.]
[21]	任利广, 马维伟, 李广, 等. 基于GIS的甘肃省农牧交错带土地沙化敏感性时空分布格局[J]. 干旱区资源与环境, 2022, 36(6): 149-156.
	[Ren Liguang, Ma Weiwei, Li Guang, et al. Temporal and spatial distribution pattern of land desertification sensitivity in agro pastoral ecotone of Gansu Province[J]. Journal of Arid Land Resources and Environment, 2022, 36(6): 163-172.]
[22]	Zhang Siliang, Guan Zilong, Liu Yan, et al. Land use/cover change and its relationship with regional development in Xixian New Area, China[J]. Sustainability, 2022, 14(11): 6889. doi: 10.3390/su14116889
[23]	李毅, 肖腊梅, 胡文敏, 等. 长株潭核心区土地利用变化时空格局及驱动力多维分析[J]. 经济地理, 2021, 41(7): 173-182.
	[Li Yi, Xiao Lamei, Hu Wenmin, et al. Spatio-temporal pattern of land use change in Changsha-Zhuzhou-Xiangtan Core Areas and its driving forces[J]. Economic Geography, 2021, 41(7): 173-182.]

判据	交互作用
q(x₁∩x₂)<min[q(x₁),q(x₂)]	非线性减弱
min[q(x₁),q(x₂)]<q(x₁∩x₂)<max[q(x₁),q(x₂)]	单因子非线性减弱
q(x₁∩x₂)>max[q(x₁),q(x₂)]	双因子增强
q(x₁∩x₂)=q(x₁)+q(x₂)	独立
q(x₁∩x₂)>q(x₁)+q(x₂)	非线性增强

因素	因子	单位	说明（以2015—2020年为例）
自然地理	高程（x₁）	m	由分辨率为30 m的DEM数据提取
	坡度（x₂）	°	由分辨率为30 m的DEM数据计算
	坡向（x₃）	-	由分辨率为30 m的DEM数据计算
	降水量（x₄）	mm	2020年和2015年年平均降水量的差值
社会经济	人口密度（x₅）	人·hm^-2	2020年和2015年人口密度的差值
	城镇人口比重（x₆）	%	2020年和2015年城镇人口比重的差值
	地区生产总值（x₇）	10⁴元	2020年和2015年地区生产总值的差值
	固定资产投资（x₈）	10⁴元	2020年和2015年固定资产投资的差值
	路网密度（x₉）	km·km^-2	2020年和2015年路网密度的差值

土地利用变化类型	耕地→林地	耕地→草地	耕地→建设用地	林地→草地	草地→耕地	草地→林地	草地→建设用地
2000—2005年	0.11	0.55	0.07	0.07	0.25	0.29	0.01
2005—2010年	0.16	0.76	0.26	0.12	0.64	0.28	0.05
2010—2015年	0.02	0.24	0.15	0.11	0.23	0.11	0.02
2015—2020年	0.06	0.70	0.29	0.27	0.50	0.24	0.21

土地利用类型	土地利用程度等级	土地利用程度指数
土地利用类型	土地利用程度等级	2000年	2005年	2010年	2015年	2020年
耕地	3	75.36	73.85	72.46	71.94	70.62
林地	2	31.51	32.13	32.68	32.65	32.61
草地	2	110.46	110.65	110.32	110.30	110.64
水域	2	1.17	1.19	1.23	1.26	1.28
建设用地	4	4.96	5.26	6.07	6.68	8.25
未利用地	1	2.07	2.08	2.21	2.24	2.13
合计		225.52	225.16	224.98	225.08	225.54

驱动因子	2000—2005年		2005—2010年		2010—2015年		2015—2020年
驱动因子	q值	P值	q值	P值	q值	P值	q值	P值
x₁	0.273	0	0.037	0	0.117	0	0.339	0
x₂	0.033	0	0.037	0	0.026	0.004	0.043	0
x₃	0.003	0.945	0.007	0.541	0.004	0.861	0.009	0.325
x₄	0.226	0	0.266	0	0.177	0	0.316	0
x₅	0.112	0	0.059	0.126	0.292	0	0.087	0
x₆	0.190	0	0.134	0	0.143	0	0.149	0
x₇	0.112	0	0.124	0	0.108	0	0.400	0
x₈	0.355	0	0.363	0	0.291	0	0.174	0
x₉	0.263	0	0.188	0	0.249	0	0.202	0