樊舒迪，劉振華，朱明幫，張敏敏

(1.韶關學院，廣東 韶關 512005；2.華南農(nóng)業(yè)大學，廣州 510642)

【研究意義】土地是人類生存與發(fā)展的物質基礎，土地利用反映人類對土地開發(fā)利用和改造的形式，人類的生產(chǎn)生活、區(qū)域經(jīng)濟發(fā)展、城市化進程對土地利用/土地覆被帶來不同程度的影響，在土地利用覆蓋上表現(xiàn)為用地類型隨時間發(fā)生不同程度和規(guī)模的變化[1]。土地利用/土地覆被變化(Land use/cover change，LUCC) 是研究人地關系的重要內容，土地利用與覆蓋變化的驅動力分析是對土地利用類型和結構發(fā)生改變的因素進行總結和歸納[2-3]。國內學者[4-6]先后強調土地利用變化及其驅動機理研究是當代地理學的研究熱點之一。由土地利用變化引發(fā)的區(qū)域生物地球化學循環(huán)、氣溫變化、城市蔓延、生態(tài)失衡等引起學者們的重視。因此，在土地管理及規(guī)劃的宏觀決策前，理清現(xiàn)狀土地利用結構及其歷史變化過程，解析用地類型變化的主控要素及影響機理，是區(qū)域可持續(xù)發(fā)展的必要工作?！厩叭搜芯窟M展】地理信息技術的發(fā)展為土地利用變化的數(shù)據(jù)獲取、處理、模型構建和分析提供了更多的技術支持，推動了土地利用/土地覆被變化的研究進展。針對土地利用驅動力分析和預測的研究，主要包括主成分分析、灰色關聯(lián)度法、Logistic回歸模型、地理探測器、Markov模型、FLUS模型、CLUE-S模型等[7-11]。其中，地理探測器的優(yōu)勢在于高探測靈敏度，若自變量對因變量存在影響，則自變量的空間分布和因變量的空間分布趨于一致[12]，該原理保證了模型對多自變量共線性免疫。在探測自變量與因變量關聯(lián)性的過程中，線性回歸模型和地理探測器的原理都是通過建立變量之間的統(tǒng)計關系，進而分析可能存在的因果關系，當線性回歸顯著時，地理探測器必然顯著，而當線性回歸不顯著時，且兩個變量存在非線性增強或減弱關系，仍然能夠被地理探測器探測出來[13-15]，這使得該模型不僅可應用于城市空間擴張分析、生態(tài)風險因素預測、公共安全風險評估等社會經(jīng)濟學研究[16-17]，而且可應用于土地利用/土地覆被類型的時空演變、空間分異特征、空間布局等[18]。在城鎮(zhèn)地區(qū)土地利用類型時空演變的研究中，都市經(jīng)濟圈的核心城市具有明顯的土地利用變化特征，圍繞城鎮(zhèn)土地利用/覆被變化，李麗國等[19]通過梳理驅動因素，利用主成分分析法對城鎮(zhèn)地區(qū)土地利用變化驅動力進行分析，其結果表明該地區(qū)的人口因素和產(chǎn)業(yè)結構是該地區(qū)土地利用變化的重要影響因素；余德貴等[20]利用Logistic-Markov方法對城鎮(zhèn)發(fā)展、經(jīng)濟發(fā)展和管理政策土地利用結構變化的驅動力展開研究，構建了土地利用結構變化驅動力預測模型，其結果表明該方法能夠科學地詮釋土地利用結構變化及其驅動力的作用機理，提高預測精度；彭樹宏等[21]利用城鎮(zhèn)的歷史地理數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)，建立不同情景驅動條件的CLUE-S模型，模擬未來的干旱區(qū)綠洲城市在水資源約束情景下的土地空間格局變化，分析了未來空間發(fā)展的最優(yōu)模式。陳曉曉等[22]利用轉移矩陣和土地利用綜合程度科學分析干旱區(qū)土地利用時空演變特征，結合地理探測器模型探討干旱區(qū)綠洲土地利用變化及其影響因子。通過對文獻的梳理，可將研究工作總結為以下三個方面：①利用定性描述和定量分析的方法從市區(qū)尺度入手對不同時期的城市土地利用變化的時空特征和驅動機理進行研究；②從城市發(fā)展的情景角度出發(fā)，結合城市群的發(fā)展特點，建立模型并分析特定時期城市群的土地利用結構布局特征以及變化規(guī)律，探討未來發(fā)展土地利用的最優(yōu)模式；③從單一的土地利用類型入手，采用回歸分析、相關性分析等方法對自然地理條件、人口因素、產(chǎn)業(yè)結構、政策等因素的影響力進行分析，并解釋其驅動機制?？梢钥闯觯瑖鴥韧鈱τ谕恋乩米兓寗恿Ψ治龅难芯克悸芬浴疤囟〞r間段的要素數(shù)據(jù)收集-模型構建-數(shù)據(jù)分析-因子(驅動力)分析-結論”為主，研究思路中往往忽略一個細節(jié)，即適用情景，中國的城市發(fā)展具有統(tǒng)籌規(guī)劃、政策先行的特點，國家以五年為一個階段針對性地制定城市發(fā)展方針，且每個發(fā)展階段政策有所不同，這使得中國的城市發(fā)展在不同時期土地利用變化體現(xiàn)出不同的特征[23-24]?！颈狙芯壳腥朦c】針對長時序的城市土地利用變化研究能夠在不同時期反映城市土地利用變化的發(fā)展規(guī)律，“在長時序土地利用變化的情景下，原有的模型和因子分析結果是否依然適用”是該領域研究中容易被忽略但卻是關鍵的問題?！緮M解決的關鍵問題】“長時序土地利用變化在地理探測器模型中是否依然適用”“都市經(jīng)濟圈發(fā)展對土地利用變化存在怎樣的規(guī)律”是本研究需要回答的科學問題。本研究將珠三角經(jīng)濟圈的核心——廣州市作為研究區(qū)，利用GIS軟件平臺空間分析與地理探測器模型方法相結合，驗證模型在長時序(1995—2020年)土地利用變化研究中的適用性，分析土地利用變化及其影響因素的時序變化，揭示土地利用變化的規(guī)律，剖析廣州市土地利用變化的空間分異特征與驅動力，進而解釋自然地理、社會經(jīng)濟水平要素的各因子對研究區(qū)土地利用變化的驅動機制。

1 材料與方法

1.1 研究區(qū)域概況

廣州市地處廣東省南部(圖1)，位于112°57′～114°3′E，22°26′～23°56′N。市中心位于23°06′32″N，113°15′53″E，平均高程43.4 m，其東連博羅、龍門兩縣，西鄰佛山，北向與清遠市接壤，隔海與香港、澳門相望，是粵港澳大灣區(qū)核心城市。截至2021年5月，廣州市面積約為7434.4 km2，常住人口1867.66萬。廣州市地形以丘陵地區(qū)為主，地勢東北高、西南低，東北部區(qū)域以山地為主，是林地分布為主的丘陵山區(qū)，最高海拔1210 m，東北區(qū)域以中低山和丘陵為主，南部為沿海沖積平原。廣州市地處亞熱帶沿海，氣候為亞熱帶海洋性季風氣候，溫暖多雨、光熱充足、夏季長、霜期短，平均氣溫21.9 ℃，年平均降水量1695.9 mm，年平均日照時數(shù)超過1800 h，年平均風速約為1.9 m/s。廣州市范圍內河流分布較多，水域面積廣闊，集雨面積在100 km2以上的河流有22條，河寬5 m以上的河流1368條，總長5597.36 km，河道密度達到0.75 km/km2。

圖1 研究區(qū)示意圖

1.2 數(shù)據(jù)來源及預處理

1.2.1 數(shù)據(jù)來源 本研究所采用的數(shù)據(jù)主要包括Landsat遙感影像、廣州市數(shù)字高程模型、土壤類型、廣州市夜間燈光數(shù)據(jù)、廣州市社會經(jīng)濟數(shù)據(jù)。①Landsat遙感影像來源于美國地質調查局(United States Geological Survey，USGS)，該類數(shù)據(jù)包括1995年、2000年、2005年、2010年、2015年、2020年6期影像，空間分辨率為30 m，以上各年份的數(shù)據(jù)獲取時間均為8—12月，以冬季為主，且研究區(qū)范圍內的云量低于5%(原始影像數(shù)據(jù)云量低于8%)，其原因為廣州市冬季云量較少，一方面有利于獲取低云量的高質量影像，另一方面是為了降低季節(jié)變化對土地利用/覆蓋的影響；②廣州市數(shù)字高程模型數(shù)據(jù)來源于美國航空航天局(National Aeronautics and Space Administration， NASA)，空間分辨率為30 m，用于驅動力分析；③廣州市土壤類型數(shù)據(jù)源于中國科學院資源環(huán)境科學數(shù)據(jù)中心，空間分辨率為1 km；④廣州市夜間燈光對地觀測數(shù)據(jù)來源于美國國家海洋與大氣管理局(National Oceanic and Atmospheric Administration，NOAA)，空間分辨率約為1 km(赤道經(jīng)線方向為1 km，40°N地區(qū)近似為0.8 km)，用于分析城市發(fā)展狀況與土地利用變化的關系；⑤社會經(jīng)濟統(tǒng)計數(shù)據(jù)來源于1995—2020年廣州市(含各區(qū))統(tǒng)計年鑒。

1.2.2 數(shù)據(jù)預處理 首先需要對原始影像進行預處理，該過程包括輻射定標、輻射校正、幾何精校正、圖像鑲嵌、波段合成、濾波等，其中，Landsat5(1995—2000年)、Landsat7(2005—2010年)采用5、4、3波段假彩色合成圖像，Landsat8(2015—2020年)采用6、5、4波段合成圖像，由于Landsat系列影像的全色波段空間分辨率存在差異，本研究通過重采樣將Landsat影像的空間分辨率統(tǒng)一輸出為30 m，通過投影轉換將空間參考統(tǒng)一轉換為2000國家大地坐標系(CGCS2000)，投影方式采用三度分帶下的38帶的高斯—克呂格投影(中央經(jīng)線為114°E)。完成上述處理后利用廣州市行政區(qū)矢量邊界分別對6個年份的數(shù)據(jù)進行掩膜處理，得到各年份廣州市影像數(shù)據(jù)(圖2)。

圖2 廣州市各年份(1995—2020年)土地利用空間分布

1.3 研究方法

1.3.1 土地利用轉移矩陣 為準確表達土地利用的時空變化特征，本研究采用土地利用動態(tài)度、土地利用轉移矩陣和地理探測器模型對1995—2020年的土地利用變化情況進行分析。其中，土地利用動態(tài)度是對研究區(qū)用地規(guī)模的動態(tài)演變特征的量化，土地利用轉移矩陣是針對用地類型轉換方向的描述，地理探測器模型則用于分析形成該動態(tài)演變特征的原因，土地利用動態(tài)度、土地利用轉移矩陣和地理探測器模型三者在邏輯上呈現(xiàn)遞進關系。

土地利用動態(tài)度是土地利用轉移矩陣中描述單一地類動態(tài)變化時采用的模型，指的是研究區(qū)內單一土地利用類型的變化速率，其表達式為：

(1)

式中，K為研究時段內某一土地利用類型動態(tài)度，Ut1、Ut2分別為研究期初t1及研究期末t2某一種土地利用類型的規(guī)模，t2-t1表示研究時間間隔，當研究時間間隔單位設定為年時，K值表示該研究區(qū)單一類型土地利用類型年變化率(%)。

土地利用轉移矩陣是不同時段內同一區(qū)域的土地利用類型相互轉換關系，以矩陣形式表示，從構建的二維表中可以查看不同土地利用類型之間相互轉化的具體情況(表1)[25-26]。本研究利用該模型對研究區(qū)內不同土地利用類型之間的轉化進行，以揭示不同土地利用類型間的轉移速率(年變化率)。在土地利用轉移矩陣中，行表示T1時點土地利用類型，列表示T2時點土地利用類型。其數(shù)學表達式如下：

(2)

式中，Sij表示T1時點至T2時點期間土地利用類型由i轉化為j的面積(km2)，Sii表示T1時點至T2時點期間未發(fā)生土地利用類型變化的面積，分別對矩陣的行列進行求和，可計算T1時點至T2時點期間研究區(qū)內各土地利用類型的增減情況(表1)。

表1 土地轉移矩陣

1.3.2 影響因子選擇 土地利用變化是自然地理環(huán)境和社會經(jīng)濟條件約束共同作用的結果。珠江三角洲經(jīng)濟帶的地形地貌是土地利用時空變化的剛性環(huán)境約束基底，高程、坡度、坡向及氣溫等自然要素的地域分異特征明顯。在經(jīng)濟建設的背景下，研究區(qū)的城市邊緣擴大，產(chǎn)業(yè)結構不斷優(yōu)化，非均衡性城市發(fā)展差異仍客觀存在?；谝延型恋乩米兓蛩匮芯康睦碚撆c實證分析結果[27-29]，同時考慮研究區(qū)社會經(jīng)濟數(shù)據(jù)的可獲取性與自然因子的可定量性質和對土地利用時空演變的影響程度，從地形、氣候條件、土壤類型、人口分布與結構、經(jīng)濟水平要素中選取12個影響因子(表2)。

表2 土地利用變化影響因子及描述

對上述指標采用最鄰近分配法進行重采樣，該方法為最快的插值方法，適用于離散數(shù)據(jù)，該方法不會更改像元的值，考慮采樣數(shù)量和密度對于模型運算效率的影響，將采樣格網(wǎng)大小設為2 km×2 km，并對像元幾何中心進行采樣，均勻采樣共計1865個采樣點。將上述指標采樣后生成柵格數(shù)據(jù)，基于采樣點要素提取柵格像元值，并將其記錄到輸出要素類的屬性表中，然后利用地理探測器進行計算，可得到各因子對廣州市土地利用變化影響強度、交互作用的分析結果。

輸入地理探測器之前，需要對各驅動因子進行離散化，結合區(qū)域的實際狀況，分類主要采用自然斷裂法和等間距法。將高程、氣溫、降水量、人口密度、城鎮(zhèn)人口比重、國內生產(chǎn)總值、夜間燈光亮度、固定資產(chǎn)投資采用自然斷裂法分為6類；坡度、坡向采用等間距法分類，坡度分為6類，坡向分為9類，土壤類型分為17個亞類(參考《中華人民共和國土壤圖》)。

1.3.3 地理探測器 地理探測器是對研究區(qū)的空間分異性的探測。通過地理探測器對區(qū)域空間分析性的探測能夠反映同一區(qū)域地理現(xiàn)象的相似性及不同區(qū)域的差異性，進而分析形成地理現(xiàn)象空間分異的驅動力，本研究對廣州市土地利用變化的空間分異進行分析。

因子探測用于探測y的空間分異性，以及探測某因子x多大程度上解釋了屬性y的空間分異。因子探測用于研究某因子x對因變量y的解釋程度，用q值度量，表達式如下:

(3)

(4)

SST=Nσ2

(5)

式中，SST為全區(qū)總方差(Total Sum of Squares)，SSW為層內方差和(Within Sum of Squares)，q為因子x對因變量y的解釋程度，取值范圍為0～1，值越大則表示空間分異性越明顯，反之則表示在層內。

交互作用探測用于分析不同風險因子之間的相互作用，當兩個或以上因子共同作用時，是否能夠增加或減弱對因變量的解釋程度。判定方法是在各因子之間進行兩兩比較，首先分別計算兩個因子x1和x2對因變量y的q值，記為q(x1)和q(x2)，并計算二者疊加后的因子x1∩x2的q值，記為q(x1∩x2)，對q(x1)、q(x2)和q(x1∩x2)的值進行比較，即可判斷兩個自變量對因變量交互作用的類型。判定依據(jù)以及圖示如表3所示。

表3 因子交互類型及判定依據(jù)

生態(tài)探測用于比較兩因子x1和x2對屬性y的空間分布的影響是否有顯著的差異，以F統(tǒng)計量來衡量。

(6)

式中，Nx1、Nx2分別表示因子x1、x2的樣本數(shù)量；SSWx1、SSWx2表示層內方差之和。l1和l2分別表示因子x1、x2的樣本分層數(shù)量。零假設H0為SSWx1=SSWx2，若α在顯著水平上拒絕原假設，則說明x1和x2對因變量空間分布的影響存在著顯著的差異。

2 結果與分析

2.1 土地利用結構變化分析

基于遙感圖像解譯獲取的廣州市1995年、2000年、2005年、2010年、2015年和2020年共計6個年份的土地利用類型。從圖3可以看出，1995—2000年廣州市的耕地面積有一定幅度的增加，耕地面積占比由1995年的33.24%增至2000年的35.83%，2000年后耕地面積呈現(xiàn)“緩慢減少—穩(wěn)定—大幅減少”趨勢，2000—2015年下降速度逐漸減緩并趨于穩(wěn)定，2015—2020年下降速度增加，2020年由29.13%降至20.46%，耕地面積下降為2000年的57.1%；林地面積出現(xiàn)逐年減少的現(xiàn)象，其中1995—2015年林地面積表現(xiàn)為“緩慢減少—穩(wěn)定”，面積占比保持在42.13%～44.97%，面積占比變化保持在0.29%～1.28%，2015—2020年林地的減少速度增加，面積占比由42.13%減少為39.68%；草地面積呈現(xiàn)“逐年緩慢減少”的趨勢，草地面積占比較低(低于2%)，1995—2000年的減少速度最大，面積占比由1.75%減至1.49%，而后逐漸趨于穩(wěn)定，減速放緩，2020年面積占比為1.17%；水域面積總體表現(xiàn)為“穩(wěn)定—大幅增加”，1995—2015年基本保持穩(wěn)定，面積占比保持在7.17%～7.84%，但在2015年后出現(xiàn)大幅增加的現(xiàn)象，2020年水域面積占比增至9.89%；建設用地的變化情況與耕地和林地相反，其總體表現(xiàn)為“穩(wěn)定—緩慢增加—劇烈增加”，1995—2000年建設用地面積占比基本保持不變，其面積在2000年達到最低值，占廣州市土地總面積的11.38%，2000—2015年建設用地面積逐年緩慢增加，而在2015—2020年建設用地面積大幅增加，達到峰值的28.79%，并且仍有上升的趨勢；未利用地的面積占比總體表現(xiàn)為“急劇減少—緩慢減少—穩(wěn)定”，1995—2000年，急劇減少，2000年以后緩慢減少，在2020年達到最低值。

圖3 廣州市1995—2020年土地利用類型/結構變化

2.2 土地動態(tài)度分析

利用統(tǒng)計分析法對廣州市1995—2020年的各類用地面積進行統(tǒng)計得到土地利用結構變化后，根據(jù)式(1)計算廣州市各類用地的土地利用動態(tài)度(表4)。從各年份的土地動態(tài)度中可以看出，1995—2000年廣州市的耕地變化為正值，2000年開始至2020年，耕地變化的動態(tài)度均為負值，且變化幅度最大的時間段為2015—2020年，該時段耕地的動態(tài)度為-8.47%/a；林地的動態(tài)度在1995—2020年的各時段中均為負值，變化情況為逐年減少，變化幅度不大，動態(tài)度在-1.24%/a～-0.14%/a。草地的動態(tài)度與林地相似，1995—2020年各時段也均呈現(xiàn)下滑趨勢，1995—2000年達到動態(tài)度峰值-3.56%/a，2000—2015年期間下降幅度逐年減少，2015—2020年草地的動態(tài)度為-1.78%/a；1995—2015年水域的變化呈波動趨勢，呈現(xiàn)“增加—減少—增加—減少”的趨勢，2015—2020年呈現(xiàn)上升趨勢，動態(tài)度達到4.90%/a；1995—2000年建設用地的動態(tài)度呈現(xiàn)穩(wěn)定并伴隨小幅度的減少(該時段動態(tài)度為-0.91%/a)的趨勢，2000—2015年建設用地面積逐年增加，在2000—2005年達到峰值6.29(%/a)，2005—2015年增幅逐漸放緩，該時段動態(tài)度降低為1.17%/a，2015—2020年建設用地動態(tài)度出現(xiàn)增幅反彈，上升至6.12%/a，回歸2000—2005年的水平；未利用地的土地動態(tài)度呈現(xiàn)“急劇減少并趨于穩(wěn)定”的現(xiàn)象，1995—2000年的動態(tài)度達到-157.86%/a，而后幅度逐漸減少，但由于未利用地本身面積占比相對較小(占比最高為0.61%)，因此，其對于廣州市用地結構的影響并不大。

表4 1995—2020 年廣州市土地利用類型面積變化及動態(tài)度

2.3 土地利用類型轉移分析

本研究通過建立土地利用轉移矩陣，對廣州市1995—2000年、2000—2005年、2005—2010年、2010—2015年、2015—2020年5個時段的土地利用類型變化進行分析(表5)。

表5 1995—2020年廣州市土地利用轉移矩陣

續(xù)表5 Continued table 5

分析時段的土地利用類型轉移情況發(fā)現(xiàn)，1995—2000年耕地面積轉出321.07 km2，在轉出耕地中有40.57%轉化為林地，31.56%轉化為建設用地，24.85%轉化為水域；該時段有507.46 km2轉化為耕地，用地來源以林地和建設用地為主。林地轉出307.63 km2，其中74.61%轉化為耕地，14.08%轉化為建設用地，7.51%轉化為水域；該時段轉化為林地的土地(215.08 km2)主要來自于耕地。草地的轉出面積為43.59 km2，主要轉為林地，轉入面為24.5 km2，主要來自于耕地。水域的轉出面積為132.11 km2，轉入面積為133.81 km2，水域面積在該時段的轉移基本持平，其主要來源均為耕地，分別占比61.34%和59.61%。建設用地轉出面積為229.88 km2，主要轉為耕地、林地和水域，其占比分別為72.48%、17.07%和9.57%；建設用地轉入面積為192.55 km2，轉入來源同樣以耕地、林地和水域為主。未利用地的轉出為39.25 km2，遠大于轉入面積，主要轉化為建設用地，占比43.34%。

2000—2005年，耕地的轉出面積大于轉入面積，轉出和轉入的面積分別為316.94、31.34 km2，其大部分轉化為建設用地(占比92.09%)。林地的轉出面積和轉入面積分別為78.76和23.39 km2，大部分林地轉化為建設用地(占比85.21%)，轉入的面積主要來自耕地(占比72.38%)。草地轉出面積為9.39 km2，主要轉化為建設用地，且轉入遠小于轉出面積；建設用地轉入面積遠大于轉出面積(分別為384.08和7.71 km2)，轉入的建設用地主要來自于耕地和林地，其占比分別為75.99%和17.47%。未利用地的轉入與轉出基本持平，在面積的變化上保持穩(wěn)定。

2005—2010年，耕地轉出面積大于轉入面積，整體呈現(xiàn)出減少的趨勢，其中，轉出的耕地大部分轉化為建設用地(轉出建設用地占比71.30%)。該時期林地轉出和轉入面積分別為85.45和49.09 km2，轉入以建設用地和耕地為主；草地的轉出面積與轉入面積基本持平(略微減少)；轉入面積主要來自于林地(占比51.30%)、耕地(占比19.13%)和水域(占比17.10%)。水域的轉入面積(98.50 km2)大于轉出面積(50.06 km2)，轉入面積主要來自于耕地(占比62.37%)和建設用地(占比32.67%)；轉出部分主要轉化為建設用地(占比54.07%)和耕地(占比38.27%)。建設用地轉入面積284.00 km2，為轉出面積的2.28倍，轉入面積來自耕地、林地和水域；轉出的部分主要轉化為耕地、林地和水域。未利用地的轉出面積(2.57 km2)遠大于轉入面積(0.12 km2)，在轉入面積中，轉化為建設用地的占比最大(59.92%)。

2010—2015年，耕地的轉出面積大于轉入面積，轉出和轉入的面積分別為70.82、38.71 km2，其大部分轉化為建設用地(占比 78.20%)。林地的轉出面積和轉入面積分別為40.17和18.95 km2，大部分林地轉化為建設用地(占比65.70%)和耕地(占比26.19%)，轉入的面積主要來自耕地(占比57.78%)。草地轉出面積和轉入面積分別為5.61和2.18 km2，轉入遠小于轉出面積，其中2.66 km2轉化為建設用地，占比最高(47.42%)。建設用地轉入面積遠大于轉出面積(分別為97.69和13.69 km2)，轉入的建設用地主要來自于耕地和林地，其占比分別為56.69%和27.01%。未利用地的轉入與轉出面積基本持平。

2015—2020年，耕地的轉出面積遠大于轉入面積，轉出和轉入的面積分別為682.26、57.16 km2，其中469.28 km2轉化為建設用地(占比68.78%)。林地的轉出面積遠大于轉入面積，其面積分別為228.49和51.69 km2，林地主要轉化為建設用地(占比67.15%)、水域(占比17.87%)和耕地(占比13.38%)，轉入主要來自于耕地(占比56.21%)和建設用地(占比21.62%)。草地轉出面積和轉入面積分別為15.80和8.24 km2，主要轉化為建設用地(占比56.01%)，轉入面積主要來自于林地、建設用地和耕地。水域轉出面積小于轉入面積，分別為79.26和245.28 km2，其中，主要轉化為建設用地(占比76.00%)和耕地(占比18.52%)；轉入面積主要來自于耕地(占比72.93%)、林地(占比16.65%)和建設用地(占比13.07%)。建設用地轉入面積遠大于轉出面積(分別為693.05和57.23 km2)，其中，轉入的建設用地主要來自于耕地(占比67.72%)和林地(占比22.14%)。未利用地在研究區(qū)內用地結構中占比較少，轉入與轉出基本持平。

從總體上看，1995—2000年耕地面積增加，轉入面積大于轉出面積，而2000—2020年呈現(xiàn)逐年減少的趨勢，主要轉出為建設用地，結合建設用地面積不斷增加的現(xiàn)象，表明隨著城市化進程的推進，廣州市耕地逐年減少，建設用地擴張呈現(xiàn)蔓延趨勢；林地和草地各時段的轉入量均小于轉出量。說明，林地和草地面積隨著時間推移逐漸減少。建設用地面積不斷增加，轉入的面積主要來自耕地、林地和草地，這表明廣州市建設用地的擴張以減少耕地、林地和少量草地作為代價。

2.4 驅動力分析

2.4.1 因子探測結果及分析 根據(jù)式(1)計算得到各時間段各要素的因子對土地利用變化的解釋度，如圖4所示。各時間段的所有因子均通過 5%水平的假設性檢驗，即圖中所顯示的q值，反映在95%的置信水平上，自變量對因變量的解釋度。

圖4 廣州市土地利用變化因子探測

從因子探測結果可以看出，1995—2000年各因子對廣州市土地利用變化解釋度為：x7(人口密度)>x10(國內生產(chǎn)總值)>x8(城鎮(zhèn)人口比重)>x11(固定資產(chǎn)投資)>x9(夜間燈光亮度值)>x12(道路面積)>x4(氣溫)>x1(高程)>x2(坡度)>x6(土壤類型)>x3(坡向)>x5(降水量)；其中，解釋度q值大于0.15的因子有x7(人口密度)、x10(國內生產(chǎn)總值)、x8(城鎮(zhèn)人口比重)，具有較強的解釋力。人口密度和城鎮(zhèn)人口比重能夠反映地區(qū)人口分布和人口結構的基本情況，二者的q值分別為0.162 365和0.158 753，對土地利用變化的空間格局具有重要的影響，國內生產(chǎn)總值作為區(qū)域經(jīng)濟發(fā)展水平的指標，q值達到0.158 751。說明，1995—2000年廣州市土地利用變化主要受到人口和經(jīng)濟發(fā)展水平的影響。

2000—2005年，各類型因子解釋度排序為：x10(國內生產(chǎn)總值)>x9(夜間燈光亮度值)>x7(人口密度)>x12(道路面積)>x11(固定資產(chǎn)投資)>x6(土壤類型)>x8(城鎮(zhèn)人口比重)>x2(坡度)>x5(降水量)>x1(高程)>x3(坡向)>x4(氣溫)，其中，解釋力較強的因子主要有x10(國內生產(chǎn)總值)、x9(夜間燈光亮度值)和x7(人口密度)，q值分別為0.214 820、0.207 249、0.198 176 和0.192 319。夜間燈光亮度值反映區(qū)域經(jīng)濟水平，是該時段土地利用變化的重要影響因素。2000—2005年，人口密度和國內生產(chǎn)總值也表現(xiàn)為較強的解釋度，這一特點與1995—2000年相似。說明，廣州市土地利用變化主要受到人口和經(jīng)濟發(fā)展水平的影響。

2005—2010年，各因子的解釋度(q值)排序為：x6(土壤類型)>x9(夜間燈光亮度值)>x7(人口密度)>x8(城鎮(zhèn)人口比重)>x10(國內生產(chǎn)總值)>x12(道路面積)>x11(固定資產(chǎn)投資)>x5(降水量)>x4(氣溫)>x2(坡度)>x1(高程)>x3(坡向)，其中值得注意的是，土地利用變化受社會經(jīng)濟水平因子主導的同時，自然地理類型因子中的x6(土壤類型)對土地利用變化的影響逐漸增強，q值達到0.246 122。土壤類型反映土壤對農(nóng)作物生長的基礎條件，對土地利用適宜性具有一定影響，從x6(土壤類型)的q值可以看出，該時期土地利用變化受到社會經(jīng)濟水平和自然地理條件多要素因子的影響。

2010—2015年，各因子的解釋度(q值)排序為：x10(國內生產(chǎn)總值)>x4(氣溫)>x9(夜間燈光亮度值)>x11(固定資產(chǎn)投資)>x8(城鎮(zhèn)人口比重)>x2(坡度)>x6(土壤類型)>x12(道路面積)>x7(人口密度)>x1(高程)>x5(降水量)>x3(坡向)，2010—2015年各因子解釋度均小于0.1，說明該時期各類型的單因子對土地利用變化的空間格局影響較為均衡，不受單一特定因素的主導。

2015—2020年，各因子的解釋度(q值)排序為：x9(夜間燈光亮度值)>x12(道路面積)>x7(人口密度)>x11(固定資產(chǎn)投資)>x8(城鎮(zhèn)人口比重)>x10(國內生產(chǎn)總值)>x6(土壤類型)>x3(坡向)>x5(降水量)>x1(高程)>x4(氣溫)>x2(坡度)。其中，q值大小排在前的因子表現(xiàn)為較強解釋度(q值>0.15)，q值分別為0.252 470、0.222 575、0.211 484、0.201 351。與2010—2015年相比，該時期經(jīng)濟水平要素(包括夜間燈光亮度、固定資產(chǎn)投資和道路面積)因子和人口密度因子對土地利用變化的影響比較突出。

縱向對比各時期的因子解釋度可以看出，各因子對土地利用變化的解釋度在不同時期存在差異，x7(人口密度)和x9(夜間燈光亮度值)兩個因子在各時期對土地利用變化的解釋度均表現(xiàn)為較強；x1(高程)、x2(坡度)、x3(坡向)和x4(氣溫)和x5(降水量)在各時期對土地利用變化的解釋度相對較弱。社會經(jīng)濟類因子對土地利用變化解釋度強于自然地理類因子。由于廣州市地理位置優(yōu)越，是粵港澳經(jīng)濟圈的中心，經(jīng)濟發(fā)展水平對土地利用格局的變化起主導作用。

2.4.2 交互探測結果及分析 廣州市在不同時期的土地利用變化驅動力存在差異，但是x7(人口密度)和x9(夜間燈光亮度值)對土地利用變化的解釋度不隨時間而變化；土壤類型對土地利用的影響力在中期(2005—2010年)有所增強。交互探測結果表明，各時期的因子間交互作用對土地利用變化的解釋力均大于單因子作用。

從圖5可以看出，各時間段的交互結果均表現(xiàn)為雙因子增強或非線性增強，不存在非線性的減弱和相互獨立的情形，這種現(xiàn)象說明土地利用變化具有綜合性，即土地利用變化是各種因素相互作用而形成的結果，各類型因子之間的交互相對于土地利用變化的單因子均有不同程度的增強。

圖5 廣州市土地利用變化因子交互探測結果

1995—2000年，因子x7(人口密度)和x12(道路面積)交互的解釋度為0.289，x11(固定資產(chǎn)投資)和x12(道路面積)交互的解釋度為0.276。說明該時間段人口密度、道路面積和固定資產(chǎn)投資等因素是共同推動該時期土地利用變化的主要因素。

2000—2005年，因子x10(國內生產(chǎn)總值)與x6(土壤類型)、x7(人口密度)交互的解釋度分別為0.319和0.291，數(shù)據(jù)均大于x10單因子的解釋度，說明此時間段土地利用變化主要由國內生產(chǎn)總值、土壤類型和人口密度等共同驅動。

2005—2010年，因子x6(土壤類型)與其他因子的交互解釋度均表現(xiàn)為雙因子增強，其中，因子x6(土壤類型)與x8(城鎮(zhèn)人口比重)、x9(夜間燈光亮度值)、x10(國內生產(chǎn)總值)的雙因子增強效果較明顯，交互作用解釋度分別為0.303、0.306和0.292，說明隨著時間的推移，土壤類型因素逐漸成為影響土地利用變化的主導因素之一。

2010—2015年，從因子的交互解釋度來看，x4(氣溫)與x9(夜間燈光亮度值)的交互解釋度為0.157，x10(國內生產(chǎn)總值)與x9(夜間燈光亮度值)的交互解釋度為0.169。結合因子探測分析結果(圖4)可知，從單因子對土地利用變化的影響來看，該時間段土地利用變化受單因素影響程度相對平衡，不存在主導因素，而從因子交互影響的角度來看，該時期的土地利用變化由氣溫、夜間燈光亮度值和國內生產(chǎn)總值的交互因子共同主導。

2015—2020年，x7(人口密度)和x9(夜間燈光亮度值)的因子交互解釋度為0.366。x7(人口密度)和x12(道路面積)交互解釋度為0.433，x8(城鎮(zhèn)人口比重)和x9(夜間燈光亮度值)的交互解釋度為0.358，因子交互表現(xiàn)較強。說明，在該時期人口密度、夜間燈光亮度值、道路面積、城鎮(zhèn)人口比重成為主導土地利用變化的關鍵因素。

在不同時段，土地利用變化的交互作用存在明顯差異，人口密度在與其它因子交互作用均表現(xiàn)出較強的解釋度；在中期(2000—2010年)，土壤類型與其他因子的交互解釋度逐漸成為土地利用變化的主導因素。在中后期(2010—2015年)，氣候因素與其他因子的交互解釋度增強，成為共同推動土地利用變化的主要因素之一。在后期，人口結構和社會經(jīng)濟水平成為共同推動土地利用變化的重要因素。

2.4.3 生態(tài)探測結果及分析 從各時間段對生態(tài)探測結果(圖6)進行描述可以看出，1995—2000年，大部分因子之間的生態(tài)探測結果為顯著，即在95%置信水平上，橫軸與縱軸所對應的因子之間(除自身之外)對因變量(土地利用變化)空間分布的影響存在差異。高程和坡度對土地利用變化的影響不存在明顯差異。坡向、氣溫和降水量三者對土地利用變化的影響不存在明顯差異。夜間燈光亮度值和道路面積對土地利用變化的影響不存在明顯差異。

圖6 生態(tài)探測結果

2000—2005年，在95%置信水平上，坡度、坡向、氣溫、降水、土壤類型對因變量的影響與除自身外的其他因子均存在顯著差異。高程和坡度對土地利用變化的影響不存在明顯差異。人口密度和城鎮(zhèn)人口比例對土地利用變化的影響不存在明顯差異。夜間燈光亮度值和道路面積對土地利用變化的影響不存在明顯差異。

2005—2010年，在95%置信水平上，道路面積、坡度和坡向對土地利用變化的影響不存在明顯差異；國內生產(chǎn)總值和固定資產(chǎn)投資對土地利用變化的影響不存在明顯差異。人口密度和城鎮(zhèn)人口比例對土地利用變化的影響不存在明顯差異。

2010—2015年，在95%置信水平上，氣溫和降水量對土地利用變化的影響不存在明顯差異；與上一個時段相同的特點是：人口密度和城鎮(zhèn)人口比例對土地利用變化的影響不存在明顯差異，坡度和坡向對土地利用變化的影響不存在明顯差異。

2015—2020年，國內生產(chǎn)總值、固定資產(chǎn)投資、道路面積和夜間燈光值對土地利用變化的影響不存在明顯差異；人口密度和城鎮(zhèn)人口比例對土地利用變化的影響不存在明顯差異；坡度和坡向對土地利用變化的影響不存在明顯差異。

綜上所述，可總結出以下幾點： ①高程、坡度、坡向、土壤類型這幾個因子對土地利用變化空間格局的影響具有穩(wěn)定性，在隨時間的變化上并不明顯； ②人口密度和城鎮(zhèn)人口比重對土地利用變化的空間格局影響不存在顯著差異，且不受時間變化影響；③夜間燈光亮度值和道路面積對土地利用變化的空間格局影響不存在顯著差異，且不受時間變化影響；④國內生產(chǎn)總值和固定資產(chǎn)投資對土地利用變化的空間格局影響不存在顯著差異，且不受時間變化影響。

3 討 論

本文從用地結構、動態(tài)度和類型轉移三個方面對1995—2020年廣州市土地利用變化的特征進行分析。在土地利用結構方面，1995—2000年的土地利用類型除了耕地面積增加，其余的土地利用類型均存在一定程度的減少，2000—2020年建設用地單調增加，耕地、林地、草地和未利用地單調遞減，水域呈現(xiàn)不同幅度的波動。在土地利用動態(tài)度方面，動態(tài)度數(shù)值的正負與該類型的土地利用面積增減一致，其中，耕地、林地、草地、未利用地除1995—2000年外，動態(tài)度均為負值，而建設用地的動態(tài)度均為正值(1995—2000年除外)，且在2015—2020年，建設用用地的動態(tài)度達到峰值，同時期的耕地、林地達到動態(tài)度的最小值，進一步說明建設用地的增加與耕地、林地、草地的減少存在聯(lián)系。在土地利用類型轉移方面，各時期建設用地的增加主要來自于耕地和林地，耕地、林地的主要轉出類型同為建設用地，說明廣州市建設用地擴張的代價是耕地和林地的減少，城鎮(zhèn)化進程的推進將使得城市蔓延現(xiàn)象愈發(fā)明顯。

本研究利用地理探測器對廣州市土地利用變化的驅動力進行分析，主要從因子探測、交互探測和生態(tài)探測三個方面進行結果分析。從因子探測的結果可以看出，社會經(jīng)濟類因子對土地利用變化解釋度強于自然地理類因子，其中人口密度和夜間燈光亮度值兩個因子是土地利用變化的重要因素，土壤因子在中后期對土地利用變化的影響力加強。從交互探測的結果可以看出，雖然土地利用變化的因子交互作用機制存在時序變化，但土壤類型、人口密度、GDP、夜間燈光亮度與其它因子交互作用表現(xiàn)較強。從生態(tài)探測結果來看，要素類型對土地利用變化存在影響力上的差異，但高程、坡度、坡向、土壤類型因子對土地利用變化空間格局的影響具有穩(wěn)定性，反映人口結構的人口密度和城鎮(zhèn)人口比重因子對土地利用變化的空間格局影響不存在顯著差異，反映社會發(fā)展經(jīng)濟水平國內生產(chǎn)總值和固定資產(chǎn)投資對土地利用變化的空間格局影響不存在顯著差異。

與前人[30-32]的研究相比，本研究在加入了反映社會經(jīng)濟的夜間燈光亮度因子，增加了土地利用變化的解釋度。其次，本研究在單一因子解釋度的基礎上加入了交互探測和生態(tài)探測，前者用于解釋在雙因子交互影響下，交互因子對土地利用變化的影響，后者用于解釋雙因子對土地利用變化空間格局影響的差異，從因子交互作用和因子差異兩個方面進一步探究土地利用變化的機制，完善了常規(guī)方法在因子交互作用影響機制和因子差異分析中存在的不足。

地理探測器適用于因變量為連續(xù)變量，自變量為離散變量，因子需要進行離散化處理，這是該方法在處理過程中的局限性：將土地利用動態(tài)度作為連續(xù)型因變量無法通過正負值反映土地利用的變化方向(無論正負，絕對值越大則土地利用變化活躍，反之則越穩(wěn)定)，各因子的離散化處理方法的選擇、柵格分辨率、矢量格網(wǎng)的大小、樣點的選取方法均對結果有一定影響，以上問題有待進一步研究，下一步應考慮通過控制變量的方式探討不同的離散化策略對土地利用變化驅動力分析的影響。

4 結 論

本研究采用面向對象的分類方法對1995—2020年廣州市土地利用類型進行分類，利用地理探測器對各要素類型的因子進行因子探測、交互探測和生態(tài)探測。

(1)在長時序(1995—2020年)城市土地利用變化的情景下，地理探測器模型具有較好適用性。廣州市建設用地呈現(xiàn)“穩(wěn)定—緩慢增加—劇烈增加”的趨勢，而耕地呈現(xiàn)出“緩慢減少—穩(wěn)定—大幅減少”的趨勢； 林地和草地整體呈現(xiàn)出單調減少的趨勢；水域面積前期呈現(xiàn)出上下波動狀態(tài)，后期大幅增加；未利用地呈現(xiàn)出“大幅減少—緩慢減少”的趨勢。

(2)在長時序(1995—2020年)情景下，土地利用變化不同時期驅動力存在以下規(guī)律：大部分的社會經(jīng)濟類因子對土地利用變化解釋度強于自然地理類因子，但是人口密度和夜間燈光亮度值始終是影響土地利用變化的重要驅動因素，土壤類型因子在中后期的影響力增強；交互探測表明，各時期因子之間的交互作用均為雙因子增強，交互因子對土地利用變化的解釋度強于單因子解釋度；生態(tài)探測結果表明，全局各要素(地形、氣候條件、土壤類型、人口分布與結構和經(jīng)濟水平)之間對土地利用變化空間分布的影響均存在顯著差異。