傅靖 羊秀丹

摘要 為進一步了解我國由于建設(shè)用地增加而導(dǎo)致的耕地面積減少的空間分布情況，以1987～2010年我國32個省級行政區(qū)（未統(tǒng)計香港、澳門數(shù)據(jù)）建設(shè)用地占用耕地的統(tǒng)計數(shù)據(jù)作為研究對象，采用空間自相關(guān)全局Morans I指數(shù)、局部GetisOrdGi*系數(shù)對其進行了分析。結(jié)果表明：①從全局來看，當(dāng)距離閾值為500 km時，全國建設(shè)用地占用耕地的空間自相關(guān)性最強，全局Moran's I指數(shù)達到0.512。②從局部來看，建設(shè)用地占用耕地區(qū)域差異明顯。北京、天津、河北、廣東、江蘇、安徽、上海和浙江高值顯著聚集，屬于熱點區(qū)域，寧夏低值顯著聚集，屬于冷點區(qū)域。通過對我國建設(shè)用地占用耕地的空間相關(guān)分析及熱點分析探測，彌補了以往耕地變化研究重視數(shù)量分析而忽略空間關(guān)聯(lián)性的缺陷，為全面認(rèn)識我國建設(shè)用地占用耕地的空間分布特征，科學(xué)合理地制定區(qū)域耕地保護政策提供幫助。

關(guān)鍵詞 空間自相關(guān)；熱點分析；耕地；建設(shè)用地

中圖分類號 S-29 文獻標(biāo)識碼 A 文章編號 0517-6611（2016）09-238-03

Abstract In order to further understand the space distribution of China's cultivated land decline due to construction land increase， based on 1987-2010 statistical data of cultivated land occupied by construction land in 32 provincial regions（not including Hongkong， Macao data）， the spatial autocorrelation global Moran's I index， the coefficient of local GetisOrdGi* was used to analyze. The results showed that： ①from the global perspective， when the distance threshold is about 500 km， the national construction land occupying the cultivated land is the most relevant， global Moran's I index is 0.512. ② from the perspective of local， the regional difference is obvious. Beijing， Tianjin， Hebei， Guangdong， Jiangsu， Anhui， Shanghai and Zhejiang are high value significantly gathered， and belongs to the hot spots， Ningxia lowvalue gathered， belongs to the cold spot area. Based on the analysis of the spatial correlation of cultivated land occupied by construction land and hot spot analysis detection， make up the shortcomings of past research attaches great importance to the number and ignores the space correlation， it contributes to comprehensive understanding spatial distribution of cultivated land occupied by construction land in China and offers help to reasonable regional cultivated land protection policymaking.

Key words Spatial autocorrelation； Hot spot analysis； Cultivated land； Construction land

耕地是土地資源利用中最重要的一種，關(guān)系到國家的糧食安全和生態(tài)安全[1]。改革開放以來，隨著我國經(jīng)濟快速發(fā)展，城市化與工業(yè)化造成的城鎮(zhèn)建設(shè)用地規(guī)模的擴大占用了大量的耕地資源，且年均占用速率呈顯出增加的趨勢[2]，城市化與耕地保護的矛盾進一步凸顯。同時從人類生存和可持續(xù)發(fā)展的角度來看，土地利用/覆被變化（LUCC）作為國際地圈生物圈計劃及全球環(huán)境變化人類行為計劃的核心內(nèi)容，一直以來是國內(nèi)外相關(guān)學(xué)者研究的熱點和前沿問題[3-4]，有力地推動了土地利用變化相關(guān)技術(shù)和方法的研究進展。土地利用變化是在不同時空尺度上由人類社會和自然環(huán)境相互作用引起的一種復(fù)雜變化，影響土地利用發(fā)生變化的因素是復(fù)雜的，由于區(qū)域間驅(qū)動因素的差異性，土地利用變化呈現(xiàn)出空間異質(zhì)性特征。但從短時間尺度來看，人類活動是土地利用變化最主要的驅(qū)動因素[5]，人類活動受政策支配、區(qū)域經(jīng)濟發(fā)展水平等的影響，使土地利用變化存在某種規(guī)律性，呈現(xiàn)出一定的空間分布特性[6-8]。以往對土地利用變化的分析多是基于經(jīng)典統(tǒng)計模型研究區(qū)域地類面積變化、地類間轉(zhuǎn)移方向、土地利用程度等數(shù)量變化的研究上[9-10]，但實際上土地利用變化數(shù)據(jù)存在空間相關(guān)性，這使得經(jīng)典統(tǒng)計學(xué)模型無法很好地認(rèn)識土地利用變化的空間分布特性?；诖?，筆者運用空間統(tǒng)計學(xué)分析方法，以我國建設(shè)用地占用耕地情況為例，探索各地區(qū)的區(qū)域差異性與空間關(guān)聯(lián)性特征，以期為我國耕地資源可持續(xù)利用提供科學(xué)依據(jù)和理論基礎(chǔ)。

1 數(shù)據(jù)來源與研究方法

1.1 基礎(chǔ)數(shù)據(jù)

以全國1∶100萬省級行政區(qū)劃地圖作為工作底圖，將其與各省份1987～2010年間建設(shè)用地增加導(dǎo)致耕地面積減少比例數(shù)據(jù)進行關(guān)聯(lián)方便進行相關(guān)分析，主要數(shù)據(jù)有：①屬性數(shù)據(jù)資料，包括1987～2010年全國32個省級行政區(qū)（未統(tǒng)計香港、澳門數(shù)據(jù)）建設(shè)用地增加導(dǎo)致的耕地面積減少比例統(tǒng)計數(shù)據(jù)資料；②地圖數(shù)據(jù)資料，即全國1∶100萬省級行政區(qū)劃數(shù)字地圖。

1.2 研究方法

1.2.1 空間自相關(guān)分析方法。

Tobler[11]地理學(xué)第一定律指出：任何事物與別的事物之間都是相關(guān)的，但近處的事物比遠處的事物相關(guān)性更強。相關(guān)性大小可以通過空間自相關(guān)分析來度量，相關(guān)性在空間分布上表現(xiàn)為聚集、離散和隨機分布3種形態(tài)?？臻g自相關(guān)分為全局空間自相關(guān)和局部空間自相關(guān)，全局空間自相關(guān)使用單一值反映屬性值在空間域中的整體分布特征，用于判斷屬性值在空間域中是否呈聚集狀態(tài)，但是并不能發(fā)現(xiàn)存在與局部區(qū)域的空間關(guān)聯(lián)模式[12-13]。局部空間自相關(guān)表示的是每個要素屬性值與周圍要素之間的一致性，與整體分布特征相比較，用于判斷要素屬性值與周圍要素屬性值的高高、高低、低高和低低分布。該研究采用計算全局空間自相關(guān)常用的方法Global Morans I，探索我國減少耕地數(shù)量在省域尺度上有無聚集性。其表達式如下：

式中，E（I）為Global Morans I指數(shù)的期望值；VAR（I）為其方差。利用Z值大小判斷屬性空間自相關(guān)性，若Z=0，即Global Morans I指數(shù)值等于其期望值，則認(rèn)為屬性值在空間上是隨機分布的；若Z>0，即Global Morans I指數(shù)值大于其期望值，則認(rèn)為屬性值在空間上是正自相關(guān)的，且值越大，正自相關(guān)性越強；若Z<0，即Global Morans I指數(shù)值小于其期望值，則認(rèn)為屬性值在空間上是負自相關(guān)的，且值越小，負自相關(guān)性越強。

1.2.2 空間自相關(guān)系數(shù)圖。

空間權(quán)重矩陣是進行空間自相關(guān)分析的前提和基礎(chǔ)[15]。在采用共享邊的方法定義相鄰時，由于海南省和臺灣省作為島嶼省份，在生成鄰接矩陣時會出現(xiàn)“孤島”現(xiàn)象[16]，因此該研究采用設(shè)定空間閾值的方法定義相鄰?；诰嚯x閾值的空間權(quán)重矩陣重，距離閾值直接決定了空間單元的鄰近對象，不同的空間距離閾值定義了不同的空間權(quán)重矩陣，所得的空間自相關(guān)指數(shù)亦不同。分別以300、400、500、600、700、800 km為距離閾值構(gòu)造空間距離權(quán)重矩陣計算Global Morans I值，從探測結(jié)果中篩選存在正的且統(tǒng)計學(xué)顯著的空間自相關(guān)指數(shù)（即Z>1.96，P <0.05），以距離閾值和空間自相關(guān)指數(shù)分別為X軸、Y軸制作空間自相關(guān)系數(shù)圖。該圖的制作，有利于客觀描述我國各省級行政區(qū)建設(shè)用地增加導(dǎo)致的耕地面積減少比例的空間自相關(guān)程度隨距離的變化趨勢，為進一步進行熱點探測提供適度的參數(shù)選擇。

1.2.3 局部GetisOrdGi*熱點分析。

熱點分析是用于識別具有統(tǒng)計顯著性的熱點和冷點的空間聚類，通過計算空間域中每個要素GetisOrdGi*統(tǒng)計值，得到每個要素的Z得分和P值，要成為具有顯著統(tǒng)計學(xué)意義的熱點，要素應(yīng)具有高值，且被其他同樣具有高值的要素所包圍。對于具有顯著統(tǒng)計學(xué)意義的正的Z得分，Z得分越高，熱點的聚類就越緊密。相反對于負Z得分，Z得分越低，冷點的聚類就越緊密。通過熱點分析，可得知建設(shè)用地占用耕地?zé)狳c和冷點在空間上發(fā)生聚類的位置。局部GetisOrdGi*表達式為：

2 結(jié)果與分析

2.1 全局自相關(guān)性分析

該研究以省級行政區(qū)為單元探索我國建設(shè)用地占用耕地的熱點區(qū)域，利用空間統(tǒng)計分析軟件Geoda分別以300、400、500、600、700、800 km為距離閾值構(gòu)造空間權(quán)重矩陣進行全局空間自相關(guān)分析，根據(jù)距離閾值和Global Morans I值與Z得分繪制空間自相關(guān)系數(shù)曲線（圖1）。為細化分析，額外計算了空間距離閾值為450和550 km的空間自相關(guān)系數(shù)。當(dāng)距離閾值為450 km時，Morans I值為0.470，Z得分為3.40；當(dāng)距離閾值為550 km時，Morans I值為0.354，Z得分為2.78當(dāng)距離閾值為400～500 km時，Global Morans I值與Z得分逐漸升高；當(dāng)空間距離閾值為500～550 km時，Global Morans I值與Z得分陡然下降；當(dāng)空間距離閾值大于550 km時，Global Morans I值穩(wěn)定在3.0左右，Z得分穩(wěn)定在0.3左右。由以上分析可知，當(dāng)距離閾值在500 km時，Global Morans I值最大為0.512，此時空間自相關(guān)性最強。

2.2 熱點分析

為更好地認(rèn)識我國建設(shè)用地占用耕地高低局部聚集性特點，探索其熱點與冷點空間分布情況?？紤]到不同距離閾值對空間相關(guān)性的影響，依據(jù)相關(guān)系數(shù)最大的原則，選擇距離閾值在500 km時對應(yīng)的空間權(quán)重矩陣計算各省份GetisOrdGi*統(tǒng)計值，分析結(jié)果見圖2。紅色區(qū)域表示Z得分大于1.96的區(qū)域，集中分布在東部沿海省份，北京、天津、河北、廣東、江蘇、安徽、上海和浙江8個行政區(qū)屬于1987～2010年建設(shè)用地占用耕地顯著的熱點區(qū)域，這些區(qū)域均屬于經(jīng)濟較發(fā)達的地區(qū)，隨著城市化加速，建設(shè)用地占用大量耕地，導(dǎo)致耕地非農(nóng)化，建設(shè)用地占用耕地占耕地面積減少比例的84.88%；寧夏（藍色區(qū)域）屬于1987～2010年建設(shè)用地占用耕地顯著的冷點區(qū)域，建設(shè)用地占用耕地占耕地面積減少比例的16%。

3 結(jié)論

該研究采用空間自相關(guān)分析和空間熱點分析方法，對1987～2010年我國建設(shè)用地占用耕地占耕地面積減少的比率進行空間分析。

（1）在距離閾值為500 km時，建設(shè)用地占用耕地情況的空間自相關(guān)性最強，Global Morans I指數(shù)達到0.512，表明我國建設(shè)用地占用耕地存在著較強的空間相關(guān)性。

（2）以500 km作為距離閾值構(gòu)建空間距離權(quán)重矩陣，利用局部GetisOrdGi*系數(shù)進行熱點分析。北京、天津、河北、廣東、江蘇、安徽、上海和浙江8個行政區(qū)屬于顯著的熱點區(qū)域，建設(shè)用地占用耕地是耕地減少的主導(dǎo)因素，占84.88%；而寧夏屬于冷點區(qū)域。

參考文獻

[1]趙曉麗，張增祥，汪瀟，等.中國近30a耕地變化時空特征及其主要原因分析[J].農(nóng)業(yè)工程學(xué)報，2014（3）： 1-11.

[2]劉紀(jì)遠，匡文慧，張增祥，等.20世紀(jì)80年代末以來中國土地利用變化的基本特征與空間格局[J].地理學(xué)報，2014（1）： 3-14.

[3]馬彩虹，任志遠，李小燕.黃土臺塬區(qū)土地利用轉(zhuǎn)移流及空間集聚特征分析[J].地理學(xué)報，2013（2）： 257-267.

[4]TURNER B L，LAMBIN E F，REENBERG A.The emergence of land change science for global environmental change and sustainability[J].Proceedings of the national academy of sciences of the United States of America，2007，104（52）：20666-20671.

[5]任春穎，張柏，王宗明，等.松嫩平原西部農(nóng)牧交錯區(qū)土地利用變化及驅(qū)動力分析：以吉林省通榆縣為例[J].干旱區(qū)資源與環(huán)境，2010（6）： 96-102.

[6]管栩，金曉斌，潘倩，等.基于縣域尺度的中國土地整治新增耕地空間差異分析[J].農(nóng)業(yè)工程學(xué)報，2013（20）： 226-233.

[7]謝花林，劉黎明，李波，等.土地利用變化的多尺度空間自相關(guān)分析：以內(nèi)蒙古翁牛特旗為例[J].地理學(xué)報，2006（4）： 389-400.

[8]劉敏，趙翠薇，施明輝.貴州山區(qū)土地利用變化多尺度空間自相關(guān)分析[J].農(nóng)業(yè)工程學(xué)報，2012（20）： 239-246.

[9]馬松增，史明昌，楊貴森，等.基于GIS的土地利用時空動態(tài)變化分析：以塔里木盆地農(nóng)墾區(qū)為例[J].水土保持研究，2013（1）： 177-181.

[10]李云亮，談俊忠.基于GIS的岳陽縣土地利用變化研究[J].測繪科學(xué)，2009（2）： 216-218.

[11]TOBLER W R.A computer movie simulating urban growth in the Detroit region[J].Economic geography，1970，46（2）： 234-240.

[12]戚曉鵬，周脈耕，胡以松，等.應(yīng)用地理信息系統(tǒng)探測消化道癌癥死亡率空間聚集性[J].地理研究，2010（1）： 181-187.

[13]胡慶武，王明，李清泉.利用位置簽到數(shù)據(jù)探索城市熱點與商圈[J].測繪學(xué)報，2014（3）： 314-321.

[14]馮昕，杜世宏，舒紅.空間權(quán)重矩陣對空間自相關(guān)的影響分析：以我國腎綜合征出血熱疾病為例[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2011（12）： 1410-1413.

[15]熊昌盛，韋仕川，欒喬林，等.基于Moran′s I分析方法的耕地質(zhì)量空間差異研究：以廣東省廣寧縣為例[J].資源科學(xué)，2014（10）： 2066-2074.

[16]陳江平，張?zhí)m蘭，余遠劍，等.利用空間自相關(guān)的中國內(nèi)陸甲型H1N1流感疫情分析[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2011（11）： 1363-1366.