快速城镇化背景下耕地城镇化的时空格局模拟与分析

来源:用户上传      作者:

　　摘要：基于土地利用和主要道路等空间数据，运用地理信息系统（GIS）技术和Logistic回归模型对河南省郑州地区耕地向建设用地转变的时空格局进行模拟与分析。结果表明，构建的模拟2000—2015年及其不同时段（2000—2005、2005—2010、2010—2015年）耕地向建设用地转变的4个Logistic回归模型的ROC值皆在0.75以上，能够较好地解释和模拟耕地城镇化的时空格局。2000—2015年耕地邻域内建设用地的丰富度和耕地所属城市的中心性是影响耕地向建设用地转变的稳定因素，建设用地的丰富度越大，所属城市的中心性越强，耕地向建设用地转变的发生比越大;反之，发生比则越小。另外，距城镇居民点和主要道路的距离也是影响耕地向建设用地转变的重要因素，但是不同时段由于耕地城镇化模式发生变化，使得它们的作用存在明显差异。Logistic回归模型模拟得出的耕地向建设用地转变概率的空间分布图，可以为今后的耕地保护提供决策支持，模型模拟概率越大的耕地将来被城镇扩张占用的可能性越大，因此应该将其作为动态监测与保护的重点。
　　关键词：耕地;城镇化;建设用地;Logistic回归模型;时空格局
　　中图分类号：F291
　　文献标志码： A
　　文章编号：1002-1302（2020）02-0233-06
　　收稿日期：2018-11-09
　　作者简介：张永民（1973—），男，河南延津人，博士，副教授，主要从事GIS与土地变化研究。E-mail：zym0810@aliyun.com。
　　近几十年来，随着城镇化建设的快速推进，耕地随之大量减少，耕地保护与城镇用地扩张大量占用耕地的矛盾已经引起了社会各界的广泛关注[1-7]。事实上，耕地是城镇系统的有机组成部分，除了具有粮食生产方面的经济价值，还具有保育生物多样性和保持水土等方面的生态价值，以及保障农民就业等方面的社会价值[8]。大量耕地向建设用地转变不仅影响粮食安全，还会造成生态破坏和环境污染、以及农民失业等社会问题[8-9]。我国的城镇化发展存在显著的区域差异，东南沿海和京津冀等发达地区城镇化水平较高，耕地保护与城镇化的矛盾出现较早，学术界已经对其开展了大量研究，并取得了丰硕成果[10-12]。但是2000年以来随着经济发展转型，东部发达地区城镇建设用地的扩张趋势日趋平稳，并出现了减速的迹象[13-15];相比之下，随着中部崛起战略的实施，中部地区城镇化加速，耕地保护与城镇化的矛盾日益突出，急需加强研究。因此，本研究以我国中部当前正处于快速城镇化进程中的郑州地区为例，对耕地向建设用地转变（简称“耕地城镇化”）的时空格局进行模拟与分析，一方面为进一步研究耕地城镇化的未来情景奠定基础，另一方面为该地区及相似地区的耕地保护和土地管理提供科学决策。
　　1 研究区概况
　　研究区是指河南省郑州市行政辖区内的全部土地，包括郑州市辖区、中牟县、巩义市、荥阳市、新密市、新郑市和登封市（图1），位于北纬34°16′～34°58′N，东经112°42′～114°14′E，土地总面积为 7 567.18 km2。2000年以来，郑州地区城镇化进程迅速发展，2015年人口城镇化率已接近70%，较2000年约增长1倍。随着城镇化的快速推进，耕地急剧减少，据统计，2015年郑州地区人均耕地面积已减至约0.03 hm2，远低于全国约0.09 hm2的平均水平。根据解译遥感影像得到的土地利用空间数据测算，2000—2015年郑州地区耕地转变为建设用地的面积为31 898 hm2（图2），约占耕地转出总面积的75%，同时约占新增建设用地总面积的93%，说明耕地是建设用地扩张的主要土地来源，建设用地扩张是耕地减少的主要原因。当前和今后一段时期，郑州地区仍处于加快推进城镇化、工业化和农业现代化，以及建设国家中心城市的关键时期，城镇建设用地的需求仍会持续增加，耕地保护面临的压力必将更加突出，解决耕地保护与新型城镇化建设之间的土地供需矛盾依然是土地利用规划与管理面临的严峻挑战。
　　2 数据资料
　　数据资料主要包括4期土地利用空间数据（2000、2005、2010、2015年）、3期主要道路（国道和省道）矢量数据（2000、2005、2010年）以及社会经济数据。土地利用数据和道路数据来源于中国科学院地理科学与资源研究所，其中，土地利用数据是根据卫星影像通过人机交互解译、野外实地考察验证得出的，数据为100 m×100 m的栅格格式，原始数据包括25种土地利用类型，本研究根据需要将其归并为耕地、林地、草地、水域（指天然陆地水域和水利设施用地）、城乡工矿居民用地（简称“建设用地”，指城乡居民点及其以外的工矿等用地）和未利用地共6种类型[16];主要道路数据是根据卫星影像通过人工数字化得到的。人口与社会经济数据来源于《河南省统计年鉴》。距城市居民点的最近距离等区域因素、耕地邻域内建设用地的丰富度等局部因素以及各行政区的差异是决定耕地城镇化的重要因素。为了构建模拟耕地城镇化的空间Logistic回归模型，须要对原始数据进行计算和分析。首先，运用地理信息系统（GIS）技术分别对2000年和2015年、2000年和2005年、2005年和2010年、2010年和2015年的土地利用数据进行叠加;其次，从叠加图上提取反映2000—2015、2000—2005、2005—2010、2010—2015年耕地向建设用地转变情况的4期二值图形数据（耕地转变为建设用地的栅格取值为1，没有发生变化的耕地栅格取值为0），作为Logistic回歸模型的反应变量数据;最后，为了提取模型的解释变量数据，对基础数据进行相关处理（表1）。
　　Enri=bi，d/adB/A。（1）
　　式中：Enri表示第i个耕地栅格以d为半径的圆形邻域内建设用地的丰富度;bi，d表示第i个耕地栅格以d为半径的圆形邻域内建设用地的面积;ad表示以d为半径的圆形邻域的面积，本研究选取的d值为2 km;B表示研究地区建设用地的总面积;A表示研究地区的土地总面积，该变量主要反映局地层次上建设用地数量对耕地城镇化的影响。 　　3 研究方法
　　3.1 耕地城镇化时空格局模拟模型
　　本研究的耕地城镇化时空格局模拟模型是根据公式（2）的二元Logistic回归方程构建而成的。它的反应变量是表示某一时段耕地是否转变为建设用地的二分类变量，1表示耕地转变为建设用地，0表示耕地没有发生变化;而解释变量包括距城市居民点的最近距离等区域变量，耕地邻域内建设用地的丰富度等局部变量以及根据行政区划单元设置的虚拟变量（表1）。建模过程中对解释变量是按照0.05的显著水平采用正向逐步选择法进行筛选，具体计算过程使用软件SPSS 19.0完成。
　　式中：P表示指定时段耕地转变为建设用地的概率，即在给定自变量的取值时耕地转变为建设用地的条件概率;β表示回归系数;X表示解释耕地向建设用地转变的备选自变量;n表示备选自变量的数目。
　　模型方程的回归系数β的显著性根据Wald统计量进行检验，β的含义则通过计算exp（β）进行解释。exp（β）是β系数的以e为底的自然指数，其值等于事件的发生概率。发生概率是衡量解释变量对反应变量影响程度的重要指标[17]，本研究的发生概率表示解释变量发生变化时，耕地向建设用地转变的发生比（发生转变的频数与没有转变的频数之间的比值）的变化情况[exp（β）<1，发生比减小;exp（β）=1，发生比不变;exp（β）>1，发生比增大[18]。
　　Logistic回归模型的拟合优度是根据Pontius等提出的ROC（relative operating characteristics）方法进行检验[19]。检验指标ROC值介于0.5～1.0之间，0.5表示模型的拟合优度最差，与随机判别效果相当;1.0表示拟合优度最好，可以完全确定耕地向建设用地的转变与否;ROC值越大，模型的拟合优度越高。
　　须要说明的是，耕地向建设用地的转变可能具有一定的空间自相关效应，而空间自相关效应又会对模型的解释能力造成一定干扰。因此，在建模之前须要对观测数据进行预处理，本研究根据耕地向建设用地的转变具有随距城镇（包括城市和乡镇）居民点距离增加而逐渐减少的特点，使用分层随机抽样的方法从总体观测数据中抽取10 000个样本栅格进行回归建模（表2）。
　　3.2 时空格局模拟
　　根据公式（3）[由公式（2）推导出来]计算起始年份每个耕地栅格上的耕地在指定时段转变为建设用地的概率，并运用GIS技术绘制耕地城镇化概率的空间分布图。
　　4 结果与分析
　　4.1 耕地城镇化时空格局的模拟模型为了模拟与分析2000—2015年及其不同时段（2000—2005、2005—2010、2010—2015年）耕地城镇化的时空格局，构建4个Logistic回归模型（表3）。
　　在2000—2015年耕地城镇化的Logistic回归模型中，距城市居民点的最近距离、距主要道路的最近距离、耕地邻域内建设用地的丰富度以及根据行政单元划分的虚拟变量是构成模型的显著变量，说明它们是影响耕地向建设用地转变的显著因素。其中，距城市居民点的最近距离和距主要道路的最近距离对耕地城镇化具有负作用， 在其他条件相同的情况下，距城市居民地的最近距离和距主要道路的最近距离每增加1 km，耕地向建设用地转变的发生比分别约减小5%（1-0.949≈0.05）、20%（1-0.816≈0.20）。对于不同的耕地栅格来说，2 km 半径圆形邻域内建设用地的丰富度对耕地城镇化具有正向作用，在其他条件相同的情况下，丰富度每增加1个单位值，耕地向建设用地转变的发生比约增加97%（1.973-1≈0.97），说明建设用地的分布对耕地的城镇化具有重要影响，周围的建设用地越多，耕地城镇化的发生比越大。另外，在其他条件相同的情况下，相对于郑州市辖区来说，其他县（市）耕地城镇化的发生比偏低85%（登封市：1-0.152≈0.85）至60%（新郑市：1-0.392≈0.60），这与相关文献得出的结论是一致的，即城市的行政级别和中心性对耕地的城镇化具有正向作用，城市的行政级别越高、中心性越强，耕地城镇化的风险越大[5]。
　　在2000—2005年的模型中，区域变量距城市居民点的最近距离和距乡（镇）居民点的最近距离都是模型的显著变量，但是距主要道路的最近距离由于显著性较低而被剔除。这是由于2000—2005年经济偏热（和全国的情况相似），城市和乡（镇）都建立了开发区，导致距城市居民点和乡（镇）居民点越近，耕地向建设用地转变的发生比越大。可能正是由于大量乡（镇）开发区的建立，使得距乡（镇）居民点的距离对耕地城镇化的影响变得显著，而距主要道路的距离这一变量的作用有所减弱而被剔除，这是该模型和其他3个模型的重要不同之处。另外，该模型中局部变量和虚拟变量的作用和2000—2015年的模型相似。
　　在2005—2010年的模型中，筛选出的解释变量及作用性质和2000—2015年的模型相同，但是2个模型中解释变量对反应变量的作用强度稍有差异，尤其是虚拟变量中，只有中牟县、新郑市和登封市这3个虚拟变量是模型的显著变量，而巩义市、荥阳市和新密市因显著性水平较低而被剔除。说明2005—2010年在区域条件和局部条件相同的情况下，各县级行政区耕地城镇化的发生比存在显著差异，使得有些虚拟变量能够纳入模型，而其他虚拟变量却被剔除。
　　2010—2015年的模型和其他3个模型明显不同，区域变量距城市居民点的最近距离和距乡（镇）居民点的最近距离皆没有通过显著性检验，只有距主要道路的最近距离通过了显著性检验而成为模型的解释变量。这是因为和前期相比2010—2015年耕地城镇化的模式发生了重大变化，城镇急剧扩张的势头得到一定程度的遏制，耕地转变为建设用地的指标主要用于国家重点建设项目，导致出现了新的开发热点，新的开发热点范围相对较小，且选址主要考虑交通区位条件，使得这一时段耕地向建设用地的转变主要受控于距主要道路的最近距离，而整体上和城镇居民点的空間联系较弱。虚拟变量中，新郑市、中牟县和巩义市这3个虚拟变量是模型的显著变量，而荥阳市、新密市和登封市因显著性水平较低而被剔除，尤其须要指出的是，回归系数表明，在其他条件相同的情况下，新郑市和中牟县耕地城镇化的发生比分别约超出郑州市辖区2.2倍和1.4倍，而巩义市仍然低于郑州市辖区。这进一步说明，2010—2015年郑州地区耕地向建设用地转变的模式已经由城镇扩张占用转变为聚焦于新的开发热点，而新的开发热点就是位于新郑市和中牟县的航空港经济试验区和高新技术开发区。另外，该模型中局部变量的作用和其他3个模型皆相似。 　　综上，4个Logistic回归模型中局部变量和虚拟变量的差异较小，而区域变量的差异较大。分析可知，耕地四周一定范围内建设用地的丰富度、耕地所属城市的行政级别和中心性是影响耕地向建设用地转变的稳定因素，建设用地的丰富度越大，所属城市的级别越高、中心性越强，耕地城镇化的发生比越大;反之，发生比则越小。另外，距城镇居民点和主要道路的最近距离也是影响耕地城鎮化的重要因素，但是它们的作用在不同时段存在显著差异，这些差异实际上反映了耕地城镇化模式的变化。2000—2005年由于经济偏热，开发区“遍地开花”，城市和乡（镇）居民点附近的耕地皆出现了向建设用地的大量转变;2005—2010年受土地调控政策影响，不规范的开发得到遏制，耕地向建设用地的转变明显减少，且主要分布于城市居民点附近;2010—2015年受耕地保护和土地调控的双重影响，耕地向建设用地的转变主要聚焦于新的开发热点和沿主要道路蔓延，基本上脱离了和城镇居民点的空间联系。
　　4.2 模型的显著性检验
　　由表3可知，2000—2015年及其不同时段耕地向建设用地转变的4个Logistic回归模型的ROC值皆在0.75以上，能够较好地解释和模拟耕地城镇化的时空格局。但是，2010—2015年模型的ROC值为0.757，拟合优度相对较低，这是因为该时段耕地城镇化受政策影响主要聚焦于新的开发热点，导致模拟难度增加的缘故。如何凸显政策的作用，这是进一步完善模型须要考虑的重要问题。
　　4.3 耕地城镇化时空格局的模拟
　　图3是使用以上4个模型模拟得到的2000—2015年及其不同时段耕地向建设用地转变概率的空间分布图，对比图3和图2可知，耕地向建设用地转变的空间格局与模拟概率的空间分布基本一致，总体上看，发生转变的位置模拟得到的概率较大，没有发生转变的位置模拟得到的概率较小。因此，可以为今后的耕地保护提供决策支持，模型模拟概率越大的耕地将来被建设用地占用的可能性越大，所以应该将其作为动态监测与保护的重点。
　　但是仔细对比可现，图3和图2也存在少量不一致的地方，即模型模拟概率较大的位置上的耕地并没有发生转变，而模拟概率较小的位置上的耕地反而发生了转变。这是因为耕地向建设用地的转
　　变是一个复杂过程，除了服从模型揭示的一般模式之外，还会受到一些难以预测的偶然因素的干扰，如政府和投资者行为模式的转变，新的交通枢纽和开发热点的建设等，都会打破耕地向建设用地转变的原有模式，所以耕地保护也必须考虑偶然因素的影响。如2000—2015年的模型模拟结果显示，新郑市城区周边的耕地向建设用地转变的概率较大，航空港经济试验区附近的耕地转变概率较小，但由图2可知，城区周边耕地城镇化却没有航空港区附近显著，主要是政府从土地供给的角度大力支持航空港经济试验区建设的缘故。
　　5 结论与讨论
　　首先，基于土地利用空间数据，构建的模拟2000—2015年及其不同时段郑州地区耕地向建设用地转变的4个Logistic回归模型的ROC值皆在 0.75 以上，能够较好地解释和模拟耕地城镇化的时空格局。其次，2000—2015年耕地邻域内建设用地的丰富度和耕地所属城市的中心性是影响耕地向建设用地转变的稳定因素，建设用地的丰富度越大、所属城市的中心性越强，耕地向建设用地转变的发生比越大;反之，发生比则越小。另外，距城镇居民点和主要道路的最近距离也是影响耕地城镇化的重要因素，但是由于不同时段耕地向建设用地转变模式发生变化，使得它们的作用存在显著差异。2000—2005年城市和乡（镇）居民点附近的耕地皆出现了向建设用地的大量转变;2005—2010年耕地向建设用地的转变明显减少，且主要分布于城市居民点附近;2010—2015年耕地向建设用地的转变主要聚焦于新的开发热点和沿主要道路蔓延，基本脱离了和城镇居民点的空间联系。最后，2000—2015年及其不同时段的Logistic回归模型模拟得出的耕地向建设用地转变概率的空间分布图，可以为今后的耕地保护提供决策支持，模型模拟概率越大的耕地将来被建设用地占用的可能性越大，所以应该将其作为动态监测与保护的重点。但是，耕地向建设用地的转变是一个复杂的过程，除了服从模型揭示的一般模式之外，还会受到一些难以预测的偶然因素的干扰，如政府和投资者行为模式的转变等，因此耕地保护也必须考虑偶然因素的影响。
　　参考文献：
　　[1]谈明洪，吕昌河. 城市用地扩展与耕地保护[J]. 自然资源学报，2005，20（1）：52-58.
　　[2]Chien S.Local farmland loss and preservation in China—a perspective of quota territorialization[J]. Land Use Policy，2015，49：65-74.
　　[3]Wang H，Qiu F.Investigation of the dynamics of agricultural land at the urban fringe：a comparison of two peri-urban areas in Canada[J]. The Canadian Geographer，2017，61（3）：457-470.
　　[4]del Mar L T，Aide T M，Thomlinson J R.Urban expansion and the loss of prime agricultural lands in Puerto Rico[J]. Ambio，2001，30（1）：49-54.
　　[5]Skog K L，Steinnes M.How do centrality，population growth and urban sprawl impact farmland conversion in Norway？[J]. Land Use Policy，2016，59：185-196. 　　[6]Skinner M W，Kuhn R G，Joseph A E .Agricultural land protection in China：a case study of local governance in Zhejiang Province[J]. Land Use Policy，2001，18（4）：329-340.
　　[7]张丽娟，姚子艳，唐世浩，等. 20世纪80年代以来全球耕地变化的基本特征及空间格局[J]. 地理学报，2017，72（7）：1235-1247.
　　[8]叶晓琪，宋小青，谭子安，等. 大都市镇域耕地功能格局及其成因——以广州市为例[J]. 热带地理，2017，37（6）：862-873.
　　[9]Chen J.Rapid urbanization in China：a real challenge to soil protection and food security[J]. CATENA.2007，69（1）：1-15.
　　[10]Deng X，Huang J，Rozelle S，et al.Impact of urbanization on cultivated land changes in China[J]. Land Use Policy，2015，45：1-7.
　　[11]Tan M，Li X，Xie H，et al.Urban land expansion and arable land loss in China-a case study of Beijing-Tianjin-Hebei region[J]. Land Use Policy，2005，22（3）：187-196.
　　[12]Song W，Pijanowski B C，Tayyebi A.Urban expansion and its consumption of high-quality farmland in Beijing，China[J]. Ecological Indicators，2015，54：60-70.
　　[13]刘纪远，匡文慧，张增祥，等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报，2014，69（1）：3-14.
　　[14]Huang J K，Zhu L F，Deng X Z.Regional differences and determinants of built-up area expansion in China[J]. Science in China，2007，50（12）：1835-1843.
　　[15]杨桂山. 长江三角洲耕地数量变化趋势及总量动态平衡前景分析[J]. 自然资源学报，2002，17（5）：525-532.
　　[16]刘纪远. 中国资源环境遥感宏观调查与动态研究[M]. 北京：中国科学技術出版社，1996.
　　[17]Verburg P H，de Nijs T C，van Eck J R，et al.A method to analyse neighborhood characteristics of land use patterns[J]. Computers，Environment and Urban Systems，2004，28：667-690.
　　[18]王济川，郭志刚. Logistic回归模型——方法与应用[M]. 北京：高等教育出版社，2001.
　　[19]Pontius R G，Schneider L C.Land-cover change model validation by an ROC method for the Ipswich watershed，Massachusetts，USA[J]. Agriculture Ecosystems and Environment，2001，85（1/2/3）：239-248.张喜成，徐长春，宋 佳，等. 基于遥感DSI的新疆干旱特征分析[J]. 江苏农业科学，2020，48（2）：239-246.
转载注明来源:https://www.xzbu.com/1/view-15163989.htm