蔡煜 欧静 蔡学成 张蓝月 陈阳 李可相 潘伯娟

摘要：为定量揭示驱动因子对兴义市景观格局演变的影响，本文以景观生态学理论为基础，从自然驱动因子和人文驱动因子2方面构建了驱动因子指标体系，基于GIS-Logistic复合空间回归模型和Spass对兴义市2005—2015年进行景观格局驱动因子进行分析。结果表明：各景观类型总体变化在各个阶段具有不同的重要驱动因素，其中人口、城镇化水平、坡度、高程等因子对于兴义市景观格局变化的驱动力较强。本研究可为兴义市未来进行生态安全评价、景观生态安全格局构建等研究提供方法参考和科学依据。

关键词：景观格局;驱动因子;GIS-Logistic复合空间回归模型;兴义市

中图分类号：S-3    文献标识码：ADOI：10.19754/j.nyyjs.20200229004

景观格局在景观生态学中的格局是指空间格局，包括景观组成单元的类型、数目以及空间分布与配置[1]。其是景观异质性的具体体现，也是各种生态过程在不同尺度上作用的结果。由于不同时空尺度上景观内外各种因素的相互作用，使得景观格局一直处于变化之中[2]。探究景观格局变化驱动因素及原因是深入理解景观格局变化与实现景观格局变化调控的必要条件。目前，常用景观变化驱动因子分析方法有“3S”技术[3]、Logistic回归模型分析法[4]、景观格局指数法[5]、PCA模型[6]、偏最小二乘回归模型[7]等。本文基于兴义市2005—2015年间的3期SPOT-5遥感数据，利用GIS和RS技术，参考全国土地利用现状分类方法，将兴义市划分为农田、园地、林地、草地、城乡建设用地、工矿仓储用地、水体和裸岩石砾地共8个景观类型。在此基础上，从自然驱动因子指标和人文驱动因子指标中选取与景观格局变化相关的驱动因子，构建驱动因子指标体系，采用GIS-Logistic复合空间回归模型对研究区不同景观类型格局变化驱动因子进行定量分析，确定影响兴义市景观格局变化的因子。

1研究区概况

兴义市地理位置界于N24°38′～25°23′，E104°32′～105°11′之间，地处滇、黔、桂3省交接处，是贵州省西南部重要城市之一。由地处于中亚热带湿润季风气候区与高海拔低纬度地带，常年受海洋性气候影响较大，年平均气温为16.1℃，年均降雨量1520.9mm，全市国土总面积2910.21km2。兴义市是典型的喀斯特山地城市，近年来随着社会经济水平提高与城镇化水平的迅速发展，城乡建设用地不断扩张，景观类型间不断转换，景观格局变化特征明显，对其进行景观格局驱动因子分析具有较强代表性和研究价值。

2数据来源与研究方法

2.1数据来源

本文从自然驱动因子指标和人文驱动因子指标中选取与景观格局变化相关的驱动因子，构建驱动因子指标体系及数据来源见表1。

2.2研究方法

本文根据兴义市景观格局的变化情况，选择2项Logistic回归模型对影响兴义市景观格局变化的驱动因子进行定量分析，相关的回归模型如下：

设x为事件发生概率，取值范围为0～1，则1-x为该事件不发生的概率，其表达式为：

x=expα+β0+β1·x1+β2·a2+…+βn·an1+expα+β0+β1·a1+β2·a2+…+βn·an（1）

对式（1）进行logit变换，得到1个线性公式，如下式：

lnx1-x=α+β0+β1·a1+β2·a2+…+βn·an （2）

式中，x为研究区景观格局变化发生的概率;a1，a2，…，an为影响景观格局变化的驱动因子（如高程、人口、农业生产总值等）;α为常数项;β1，β2，…βn为待求的回归系数，若为正（负）值表示相关自变量χn，i能增加（减少）事件i的发生率，βn的绝对值越大，表示自变量an，i对事件i的发生率的影响越大[4]。

在构建的驱动因子指标体系中，气候指标借助ArcGIS10.4平台的属性表链接工具将相应数据赋予研究区各乡镇街道的相应地区，实现驱动因子的空间化，最后将每个驱动因子图全部转化为栅格图。地形指标利用ArcGIS10.4的空间分析模块进行提取。人口和经济发展指标分别计算各乡镇街道在2005—2010年和2010—2015年相应指标数据的多年平均值，借助ArcGIS10.4平台的属性表链接工具将相应数据赋予研究区各乡镇街道的相应地区，实现驱动因子的空间化。最后将每个驱动因子图全部转化为分辨率30m的栅格图。

本文以景观格局的变化作为因变量，以驱动因子作为数据研究的自变量。其中，将景观格局没有发生变化的区域赋值为“0”，发生变化的区域赋值为“1”。本研究基于8种景观类型的变化情况进行讨论，即农田、园地、林地、草地、城乡建设用地、工矿仓储用地、水体、裸岩石砾地。在ArcGIS10.4平台下，运用栅格计算器将2005年、2010年和2015年的景观分布进行空间叠加，分别得到研究区2005—2010年和2010—2015年2个阶段景观格局变化的栅格图，另外再分别提取分辨率为30m的各个阶段的8种景观类型的变化栅格图。为保证抽样数量足够多，使数据具有统计性，同时要避免数据的空间自相关性，因此本研究选用分层随机抽样方法选择均匀分布在兴义市26个乡镇的n个观测点，利用ArcGIS10.4平台的创建随机点工具和多值提取至点工具，每个乡镇街道随机选取20个样本点，共520个样本点，最终分别提取研究区2005—2010年和2010—2015年2个阶段8种景观类型变化栅格图的520个样本值作为因变量的值和所有驱动因子栅格图上520个样本值作为自变量的值。最后将所提取的信息导入到SPSS19.0统计分析软件中，通过2项Logistic回归模型，对兴义市景观格局变化的相关驱动因子进行分析，筛选出对其变化有显著影响的因素。在统计结果中，sig.（significance）表示显著性水平，其值为p值，当0.01

3结果与分析

3.1农田景观格局变化驱动因子分析

在表2农田变化回归模型中，经“HL检验”，Sig值分别为0.648和0.412，模型拟合效果较好。其中，年均气温、年均降雨量、人口自然增长率、GDP、农业总产值、固定资产投资、财政总收入、农民人均纯收入、粮食产量和粮食面积未通过5%的显著性水平检验，表明此阶段农田的变化不受这些驱动因子影响。第1阶段（2005—2010年）农田变化受到驱动因子影响的大小顺序为：坡度>林业总产值>城镇化水平>城镇人口>高程。第2阶段（2010—2015年）农田变化受到驱动因子影响的大小顺序为：坡度>人口密度>总人口。对比2个阶段的驱动因子发现，坡度是2阶段共有指标且是影响度最高的解释变量，说明农田的分布与坡度密切相关;其次是人口密度、总人口、城镇人口和城镇化水平，表明人口也是影响农田景观变化的重要指标，这是由于人口剧增提高导致粮食需求加大、需要扩大粮食面积，而城镇化水平提高却可能导致农田种植结构调整、农田用地资源被占用，从而促使农田景观发生变化。

3.2林地景观格局变化驱动因子分析

在表3林地变化回归模型中，经“HL检验”，Sig值分别为0.784和0.566，模型拟合效果较好。其中，城镇人口、农民人均纯收入和林业总产值未通过5%的显著性水平检验，表明此阶段林地的变化不受这些驱动因子影响。第1阶段（2005—2010年）林地变化受到驱动因子影响的大小顺序为：固定资产投资>粮食面积>高程>坡度>平均气温>粮食产量>总人口。第2阶段（2010—2015年）林地变化受到驱动因子影响的大小顺序为：财政总收入、GDP>农业总产值>年均降雨量>城镇化水平>坡度>人口自然增长率。对比2个阶段的驱动因子发现，坡度是2阶段共有指标，说明林地景观变化会长期受到坡度影响;2阶段影响最高的指标是固定资产投资、财政总收入和GDP，表明自国家明确推出“退耕还林”政策以来，兴义市进行资金投入实施“退耕还林”，大量水土流失严重的坡耕地转换成了林地，这对于生态环境改善起到了积极的作用。然而，由于存在低效林改造（大力发展经果林）现象、城镇化水平不断提高，为实现区域经济的快速发展，政府仍可能会以牺牲林地资源为代价，因此未来应不断加强对林地资源的管理，使兴义市的林地资源利用实现真正意义上的可持续发展。

3.3园地景观格局变化驱动因子分析

在表4园地变化回归模型中，经“HL检验”，Sig值分别为0.692和0.216，模型拟合效果较好。其中，GDP、粮食面积、粮食产量未通过5%的显著性水平检验，表明此阶段园地的变化不受这些驱动因子影响。在第1阶段（2005—2010年）中，园地变化受到驱动因子影响的大小顺序为：坡度>农业总产值>固定资产投资。第2阶段（2010—2015年）园地变化受到驱动因子影响的大小顺序为：高程、坡度>人口自然增长率>平均气温>财政总收入>总人口>城镇化水平>城镇人口>年均降雨量、林业总产值>人口密度>固定资产投资>农民人均纯收入。对比2个阶段的驱动因子发现，固定资产投资和坡度是2阶段共有指标，其中坡度在2阶段均属于影响度最高的指标，高程也是第2阶段影响度最高的指标，说明在海拔较低、坡度较缓地区，土壤环境较好，园地开发与发展较容易;其次是人口自然增长率、农业总产值、固定资产投资、平均气温、财政总收入，表明园地景观除受人口增加影响外，也随着财政收入、产业投资的加大逐步发展。

3.4草地景观格局变化驱动因子分析

在表5草地变化回归模型中，经“HL检验”，Sig值分别为0.448和0.635，模型拟合效果较好。其中，总人口、年均气温、高程、财政总收入、农民人均纯收入、农业总产值、林业总产值未通过5%的显著性水平检验，表明此阶段草地的变化不受这些驱动

因子影响。在第1阶段（2005—2010年）中，草地变化受到驱动因子影响的大小顺序为：人口密度>固定资产投资>GDP>城镇人口。第2阶段（2010—2015年）草地变化受到驱动因子影响的大小顺序为：坡度>人口自然增长率>城镇化水平>粮食产量>粮食面积>年均降雨量。对比2个阶段的驱动因子发现，2阶段影响因子各不相同，但2阶段影响度排名前3位都与人口相关，说明草地景观变化的主要受人为干扰活动而驱动;其次是粮食产量与粮食面积，说明兴义市正在将草地开垦成农田，以适应人口快速增长下导致的粮食需求增大。

3.5城乡建设用地景观格局变化驱动因子分析

在表6城乡建设用地变化回归模型中，经“HL检验”，Sig值分别为0.500和0.926，模型拟合效果较好。其中，总人口、城镇人口、城镇化水平、年均气温、财政总收入、农民人均纯收入、固定资产投资、GDP、林业总产值未通过5%的显著性水平检验，表明此阶段城乡建设用地的变化不受这些驱动因子影响。在第1阶段（2005—2010年）中，城乡建设用地变化受到驱动因子影响的大小顺序为：坡度>年均降雨量>人口密度、粮食面积>粮食产量>农业总产值。第2阶段（2010—2015年）城乡建设用地变化受到驱动因子影响的大小顺序为：高程、坡度>人口自然增长率>粮食产量。对比2个阶段的驱动因子发现，坡度和粮食产量是2阶段共有指标，其中坡度在2阶段影响度均排名最高且呈负相关，表明坡度越大城乡建设用地的变化越小;其次是人口因素影响较大，随着社会经济发展、城市规模扩大、特别是二胎政策开放后的人口持续增长，导致居民对住房、交通等公共设施需求增大，使得城乡建设用地不断向外扩张。

3.6工礦仓储用地景观格局变化驱动因子分析

在表7工矿仓储用地变化回归模型中，经“HL检验”，Sig值分别为0.428和0.784，模型拟合效果较好。其中，总人口、人口自然增长率、粮食面积、粮食产量、年均降雨量、财政总收入、农业总产值、林业总产值、GDP、未通过5%的显著性水平检验，表明此阶段工矿仓储用地的变化不受这些驱动因子影响。在第1阶段（2005—2010年）中，工矿仓储用地变化受到驱动因子影响的大小顺序为：坡度>农民人均纯收入>人口密度>城镇人口>平均气温>固定资产投资>城镇化水平。第2阶段（2010—2015年）工矿仓储用地变化受到驱动因子影响的大小顺序为：高程>坡度。对比2个阶段的驱动因子发现，坡度是2阶段共有指标，坡度呈负相关表明坡度越大工矿仓储用地的变化越小;其次是高程、农民人均收入、城镇人口，表明除自然条件外，人口也是重要影响因素。

3.7水体景观格局变化驱动因子分析

在表8水体变化回归模型中，经“HL检验”，Sig值分别为0.505和0.851，模型拟合效果较好。其中，财政总收入、农民人均纯收入、固定资产投资、GDP、林业总产值未通过5%的显著性水平检验，表明此阶段水体用地的变化不受这些驱动因子影响。在第1阶段（2005—2010年）中，水体变化受到驱动因子影响的大小顺序为：高程、坡度、城镇人口、城镇化水平>人口密度>总人口>年均降雨量>平均气温。第2阶段（2010—2015年）水体变化受到驱动因子影响的大小顺序为：高程>年均降雨量>人口密度>农业总产值。对比2个阶段的驱动因子发现，人口密度和年均降雨量是2阶段共有指标，在第1阶段人口密度呈正相关，第2阶段呈负相关，表明在后期经济人口迅速增长、用地不断扩张必然导致部分水体向农田或城乡建设用地等其它景观类型转变以满足发展需求。

3.8裸岩石砾地景观格局变化驱动因子分析

在表9裸岩石砾地变化回归模型中，经过“HL检验”，Sig值分别为0.181和0.214，模型拟合效果较好。其中，总人口、人口密度、财政总收入、GDP、林业总产值未通过5%的显著性水平检验，表明此阶段裸岩石砾地的变化不受这些驱动因子影响。在第1阶段（2005—2010年）中，裸岩石砾地变化受到驱动因子影响的大小顺序为：高程>坡度>农业总产值>平均气温。第2阶段（2010—2015年）裸岩石砾地变化受到驱动因子影响的大小顺序为：城镇化水平、农民人均纯收入、人口自然增长率>固定资产投资>高程>年均降雨量>城镇人口>坡度。对比2个阶段的驱动因子发现，坡度、高程是2阶段共有指标，表明自然地理条件是影响裸岩石砾地的重要因素;裸岩石砾地是喀斯特地区特有的环境地貌，生态安全较低，会给社会经济带来影响。除自然地理条件外，影响裸岩石砾地变化排名前3位的因素主要是人口与投资，表明在人口增长与石漠化综合治理工程等政策形势的推进下兴义市加大投资治理，采取封山育林、人工造林建设等措施，使生态建设得到了明显改观。

4结论

本研究定量分析讨论了2005—2015年间兴义市景观格局演变及其驱动因子，研究结果表明：通过GIS-Logistic复合空间回归模型对兴义市景观格局变化驱动因子进行定量分析，得出8种景观类型的变化在各个阶段受到不同的驱动因子影响;自然驱动因素中坡度、高程，人文驱动因素中人口、经济发展、财政等因子对于兴义市各景观类型的变化具有较强的驱动作用。

参考文献

[1] 邬建国.景观生态学[M].北京：高等教育出版社，2007.

[2] 张秋菊，傅伯杰，陈利顶.关于景观格局溃变研究的几个问题[J].地理科学，2003，23（3）：264-270.

[3]阳文锐.北京城市景观格局时空变化及驱动力[J].生態学报，2015，35（13）：4357-4366.

[4]孙才志，闫晓露.基于GIS-Logistic耦合模型的下辽河平原景观格局变化驱动机制分析[J].生态学报，2014，34（27）：7280-7292.

[5]张敏，宫兆宁，赵文吉，等.近30年来白洋淀湿地景观格局变化及其驱动机制[J].生态学报，2016，36（15）：4780-4791.

[6]张荣天.镇江市土地利用景观格局时空过程与驱动因素[J].亚热带资源与环境学报，2015，10（3）：87-94.

[7]张瑜，王天巍，蔡崇法，等.干旱区耕地景观格局碎化特征及社会经济驱动因素分析[J].水土保持科学，2016，23（4）：180-184.