论文部分内容阅读
摘要：基于土地利用和主要道路等空间数据，運用地理信息系统（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回归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）
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回归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）