基于GIS和RS的贛江上游流域土地利用動態趨勢分析

魯燕飛，彭 芳，萬 韻，曾凡興，陳美球,羅志軍， 黃宏勝

(1.江西農業大學園林與藝術學院， 南昌 330045；2.江西農業大學計算機與信息工程學院， 南昌 330045；

基于GIS和RS的贛江上游流域土地利用動態趨勢分析

魯燕飛1,2,3，彭 芳2，萬 韻2，曾凡興2，陳美球3,*,羅志軍3， 黃宏勝3

(1.江西農業大學園林與藝術學院， 南昌 330045；2.江西農業大學計算機與信息工程學院， 南昌 330045；

3.江西農業大學鄱陽湖流域農業生態重點實驗室， 南昌 330045)

利用贛江上游流域1990、1995、2000、2005和2010年5期的TM影像以及2010年的SPOT影像資料，通過目視解譯方法及GIS軟件的空間疊加分析功能，獲取了研究區土地利用覆被變化數據。在此基礎上，結合1990—2010年贛江上游流域的統計資料利用灰色關聯分析和主成分分析法進行分析，找出引起土地利用變化的主導因素。結果表明：研究區20年來林地和建設用地總量增加，耕地、草地、水域和未利用地總量減少。相同時期不同類型的土地利用變化的驅動因子不相同，不同時期同一類型土地利用變化的驅動因子也不相同。再利用GM(1,1)灰色預測模型預測了2015—2030年間研究區驅動因素和土地利用情況，研究表明主導因素對土地利用變化的影響與1990—2010年間變化趨勢一致。

RS；GIS；土地利用變化；主成份分析；GM(1,1)模型

全球氣候變暖是當今人類面臨的嚴峻挑戰，而大氣中CO2濃度升高是造成氣候變暖的主要原因。土地利用變化是僅次于化石燃料的第二大人為碳排放源，土地利用變化作為人類活動與自然交叉最為密切的問題[1- 2]，得到了國內外廣泛的關注[3- 6],目前已經成為全球變化研究的核心主題之一[ 1- 2, 7- 8]。土地利用變化已成為全球氣候變化研究的熱點問題， 土地利用變化研究包括兩方面：一是研究土地利用變化過程， 二是研究土地利用變化的驅動因素。贛江是鄱陽湖流域第一條大河，其流域面積占鄱陽湖流域的51.5%，在江西省社會經濟的發展中占有極其重要的地位。贛江上游流域作為江西省重要的水源涵養區、生態環境保護與恢復的核心區，其生態環境狀況是整個贛江流域生態系統賴以存續的基礎，也是確保整個鄱陽湖流域生態系統健康的前提條件。隨著鄱陽湖生態經濟區建設上升為國家戰略，要實現“全國生態文明與經濟社會發展協調統一、人與自然和諧相處的生態經濟示范區和中國低碳經濟發展先行區”的戰略目標，維持贛江上游流域土地可持續利用更顯重要。研究該區域土地利用變化過程是研究其驅動力的基礎[9]， 分析土地利用變化的時空過程，找到影響其變化的驅動因素，對土地可持續性利用有著重大的意義。本文旨在通過定量探討該地區土地利用變化情況及其驅動因素，為贛江上游流域土地可持續利用管理提供科學依據。

1 研究范圍與概況

為便于社會經濟的資料的獲取、分析及成果的應用，本文確定的研究區域范圍(圖1)，包括章貢區、贛縣、南康市、信豐縣、大余縣、上猶縣、崇義縣、安遠縣、龍南縣、全南縣、寧都縣、于都縣、興國縣、瑞金市、會昌縣、石城縣等16個縣(市、區)。

贛江上游流域在江西省南部，位于113°54′—116°38′ E，24°29′—27°09′ N之間，處于中國東南沿海地區向中部內地延伸的過渡地帶，也是內地通向東南沿海的重要通道之一。贛江上游流域研究區域面積35699 km2，流域總面積27095 km2，河流總長度312 km。該區地形復雜多，地貌以丘陵、山地為主，地勢四周高，中間低。區內屬亞熱帶氣候，熱量豐富，雨量充沛，年平均氣溫18.9 ℃，年平均降水量1573 mm，生物資源和礦產資源豐富，該區是全國重點有色金屬基地之一。

圖1 研究區域范圍和地理位置示意圖Fig.1 The sketch map of location in the study area

2 數據來源與研究方法

2.1 數據來源

數據由空間數據和社會經濟統計數據組成。空間數據來源于研究區1990、1995、2000、2005和2010年5期的Landsat TM遙感圖像。利用ENVI軟件進行解譯，土地利用分類采用中國科學院資源環境數據庫中的全國1∶10 萬土地利用分類系統。根據研究區土地利用類型的數量和分布特征，將原土地利用數據類型進行合并，得到6 個土地利用類型，分別是：耕地、林地(園地)、草地、水域、建設用地(城鎮用地、農居點用地、獨立工礦用地、交通用地、水利設施用地等)和未利用地。社會經濟統計數據主要包括歷史統計數據，數據來源于1991—2011年江西省統計年鑒。

2.2 遙感數據處理方法

基于遙感技術，在贛江上游流域根據衛星觀測的視場范圍，繪制土地利用覆蓋變化圖。本文研究中采用的是Landsat TM30 米分辨率的遙感影像，根據在中國遙感衛星地面站存檔數據目錄服務系統的查詢，以及對贛江上游流域地理位置的確認。用Erdas和Arcgis軟件對地形圖進行校正，用校正好的地形圖對五期的遙感影像進行鑲嵌處理。在Arcgis軟件平臺上，通過目視解譯對影像圖進行矢量化處理，然后進行數據轉換、Coverage生成、差錯、鄰斑同碼融合等，生成5期土地利用現狀圖。

2.3 土地利用變化分析方法

引進土地利用動態度(R單)和綜合土地利用動態度(LC)來描述贛江上游流域土地利用的變化情況[12- 13]，其表達式分別為：

(1)

式中，Ua和Ub為研究期初和期末某一土地利用類型的數量，T為研究期時段長度。

(2)

式中,LUi為監測起始時間第i類土地利用類型面積；△LUi-j為監測時段內第i類土地利用類型轉為非i類土地利用類型面積的絕對值；T為監測時段長度。當T的時段設定為年時，LC的值就是該研究區土地利用年變化率。土地利用動態度定量地描述了土地利用的變化速度，對預測未來土地利用變化趨勢有積極的作用。

2.4 土地利用變化驅動力分析方法

影響土地利用的驅動因素主要包括社會經濟驅動力、自然驅動力和土地利用政策驅動力等多種因素，其中自然驅動力包括環境變化、氣候、自然災害和地形、坡度等驅動因子，社會經濟驅動力包括人口增長、經濟增長、社會行為、土地利用者主體行為等驅動因子[14- 18]。土地的自然特性和環境條件決定了其適宜的利用方式，利用方式適宜與否影響著土地利用的可持續性。在土地利用的社會驅動力中，人口、經濟發展、城鎮化等因素是影響土地利用變化的主要因素。人口是人類社會經濟因素中最主要的因素，也是最具活力的土地利用覆被變化的驅動力之一。人口密度和土地利用變化速率成正相關關系，人口增加速度越快，土地利用變化也越快[19- 20]。社會經濟的發展是土地利用及其結構演變的最根本動力[21- 22]。經濟發展對土地變化的驅動力表現在兩個方面：一是第二三產業的發展增加了用地的需求；而是市場導向下的農業資源配置引起農業結構調整不斷深化。工業化和城鎮化不僅通過人口集中、產業集中、地域擴散占用土地，使土地非農化，而且通過生活方式和價值觀念的擴散，改變原來的土地利用結構[23- 24]。

2.4.1 灰色關聯分析

以縣為單位，以X1總人口(萬人)、X2GDP(萬元)、X3固定資產投資額(萬元)、X4城鎮化水平(%)、X5第二產業比重(%)、X6第三產業比重(%)六個指標作為自變量，以6類土地利用變化為因變量，分別對1990—2010年、1990—1995年、1995—2000年、2000—2005年和2005—2010年4個時段進行灰色關聯分析[25- 26]，確定不同時段各個自變量與區域土地利用變化的灰色關聯度。

2.4.2 驅動因子分析

在灰色關聯分析的基礎上，利用主成份分析法分別對1990—2010年、 1990—1995年、1995—2000年、2000—2005年和2005—2010年5個時段土地利用變化的驅動因子進行分析，找出不同時段土地利用變化的主要驅動因子。

2.5 GM(1,1)預測模型

采用GM(1,1)灰色模型[25,27- 29]預測未來20a土地利用變化及其主要驅動因子，探索其土地利用規律，明確土地利用與社會經濟發展之間的關系，研究贛江上游流域今后土地利用的方向。

3 結果與分析

3.1 土地利用變化分析

從贛江上游流域土地利用總體情況來看，整個地區林地所占面積最大，是該區的主要土地利用類型；其次是耕地、草地；三者在1990年、1995年、2000年、2005年和2010年均占到95%以上。未利用地所占比例最小。

從圖2可以看出，1990—2010年間，贛江上游流域林地的增加量最大(16.04 ×104hm2),草地的減少量最大(12.33×104hm2),未利用地的變化最小，僅減少65.54 hm2。除了林地和建設用地有所增加外，耕地、草地、水域和未利用土地均有所減少。土地面積變化幅度最大的是林地(0.0494) 、草地(-0.0345)，未利用地變化最小(-0.00026),耕地雖然減少量較大，但因其本身所占面積較大，減少幅度僅高于草地。

圖2 贛江上游流域1990—2010年土地利用類型面積變化量及變化幅度Fig.2 The land use area change and change amplitude of Ganjiang upstream watershed from 1990 to 2010A:耕地; B:林地; C:草地; D: 水域; E: 建設用地; F:未利用地

根據單一土地利用動態度計算結果可知：贛江上游流域1990—1995年、1995—2000年、2000—2005年和2005—2010年相比較，土地利用變化的速度有所升高(圖3) 。1990—1995年間，在6類土地利用類型中，建設用地的動態度最高，水域次之，林地最小； 1995—2000年間，未利用地動態度最大、水域次之，林地最小。2000—2010年間，建設用地動態度最大，草地次之，林地最小。

從綜合土地利用動態度來看，贛江上游流域綜合土地利用程度在1990—2010年間均呈增大趨勢(圖4)，其中2000—2005年間各類土地利用變化幅度最大(10.89‰)。

圖3 贛江上游流域1990—2010年土地利用動態度Fig.3 The land use dynamic degree of Ganjiang upstream watershed from 1990 to 2010A:耕地; B:林地; C:草地; D: 水域; E: 建設用地; F:未利用地

3.2 驅動力分析

3.2.1 灰色關聯分析

(1) 1990—2010年影響因素的灰色關聯分析

結合贛江上游流域土地利用變化驅動力的實際情況以及所收集到的資料狀況， 構建1990—2010年土地利用變化及其驅動因素變化指標體系，相關數據見表1。表1中的Y1、Y2、Y3、Y4、Y5和Y6分別代表耕地、林地、草地、水域、建設用地和未利用地1990—2010年間的面積(hm2)變化值。

圖4 各期綜合土地利用動態度Fig.4 The integrated land use dynamic degree

表1 贛江上游流域16個縣區1990—2010年社會經濟因素變化與土地利用變化

X1: 總人口/To otal population，X2: GDP,X3: 固定資產投資/Investment in fixed assets，X4: 城鎮化水平/Urbanization level,X5: 第二產業比重/The proportion of second industry,X6: 第三產業比重/The second industry proportion,Y1: 耕地/Farmland,Y2: 林地/Woodland，Y3: 草地/Grassland， Y4: 水域/Water，Y5: 建設用地/Construction land， Y6: 未利用地/Unused land

將表1中的數據綜合進行灰色關聯分析，得到各類土地利用類型與影響因子的灰色關聯度見表2(取分辨系數為0.5)。

從分析結果可以看出6個因子的灰色綜合關聯度均大于0.5，說明這6個因子是影響贛江上游流域16個縣市土地利用變化的主要驅動因子。這6個因子對不同的土地利用變化影響是不同的。對耕地的影響從大到小依次是：X1>X6>X2>X4>X5>X3；對林地的影響從大到小依次是：X2>X3>X1>X4>X5>X6；對草地的影響從大到小依次是：X5>X1>X2>X4>X6>X3；對水域的影響從大到小依次是：X5>X6>X3>X4>X2>X1；對建設用地的影響從大到小依次是：X2>X1>X3>X4>X5>X6；對未利用地的影響從大到小依次是：X6>X5>X2>X1>X4>X3。

表2 土地利用變化與驅動因子變化的灰色關聯度(1990—2010年)

(2) 不同時段影響因素的灰色關聯分析

同理分別對1990—1995年、1995—2000年、2000—2005年和2005—2010年4個時段土地利用變化進行灰色關聯分析，結果見表3。

表3 土地利用變化與驅動因子變化的灰色關聯度

結果表明：不同時期影響土地利用變化的主導因素不同；同一時期，不同土地利用變化的主導因素也不相同。

3.2.2 驅動因子分析

根據表2和表3得到的結果對1990—2010年、1990—1995年、1995—2000年、2000—2005年和2005—2010年5個時段的6類土地利用變化進行主成份分析，分析不同時段不同土地利用變化的主要驅動因素，結果見表4。

表4 土地利用變化因子貢獻率

從表4中可以看出相同時期不同類型的土地利用變化的驅動因子不相同，并且在不同時期同一類型土地利用變化的驅動因子也不相同。

3.3 贛江上游流域土地利用變化趨勢分析

3.3.1 土地利用變化主要驅動因子趨勢分析

采用GM(1,1)灰色模型來預測贛江上游流域人口規模， 得到預測模型如下：

x(1)(t+1)=10215.23435e0.066286666t-9547.324349

經檢驗該模型殘差相對誤差的平均絕對值為0.118%，方差比C=0.018236<0.35，小誤差概率P=1，故模型精度較好。

同理得到各驅動因子的預測模型如下：

(1)GDP

x(1)(t+1)=89.77e0.705573428t-10.05

(2)城鎮化水平

x(1)(t+1)=180.23e0.08846538t-165.6

經檢驗，預測模型精度均較好，得到贛江上游流域土地利用變化主要驅動因子的變化趨勢(圖5)。

圖5 贛江上游流域土地利用變化主要驅動因子趨勢Fig.5 The trend of main driving factors of land use changes

3.3.2 各類土地利用預測

根據GM(1,1)模型預測各類土地利用面積，其各類土地利用類型GM(1,1)預測模型如下：

(1)耕地

x(1)(t+1)=-13234703.63e-0.0050363372t+ 13877865.85

(2)林地

x(1)(t+1)=111944132.48e0.023276842t-10929656

(3)草地

x(1)(t+1)=-868400.09e-0.30517491t+1084971.87

(4)水域

x(1)(t+1)=-25081414.49e-0.001290612t+25114164.85

(5)建設用地

x(1)(t+1)=73604.91e0.321824022t-43142.87

(6)未利用地

x(1)(t+1)=-1825.77e-0.145503071t+2061.67

研究區土地利用變化過程未來20a預測值如圖6所示。

圖6 贛江上游流域未來20a土地利用結構情況趨勢Fig.6 The trend of land use structure of next 20 years in Ganjiang upstream watershed

從圖5和圖6可以看出，未來20年贛江上游流域總人口和城鎮化水平呈現穩步增長，從而使得相應的建設用地面積不斷地增長，而耕地面積則不斷地減少。建設用地面積與GDP呈現同向增長的趨勢。林地面積逐步增加，水域和未利用地面積緩慢減少。

4 結論與討論

(1)通過對贛江上游流域土地利用變化分析可以發現，林地和耕地是該區主要土地利用類型，這與其林業主產區的定位相符合。贛江上游流域土地利用處于發展階段，總體土地利用程度處于粗放利用型與集約利用型之間。

1990—2010年間，贛江上游流域林地的增加量最大，草地的減少最多，建設用地面積有所增加，未利用地面積變化最小。面積變化率最大的是建設用地，其次是草地，林地最小。這主要和其面積基數相關，也與該區的實際經濟發展情況相一致，贛江上游流域作為林業主產區，經濟發展速度較快，建設用地快速增長便是明證。

(2)土地利用變化既受自然因素的影響，又受社會、經濟和歷史等人文因素的制約，具有很強的綜合性和地域性。不同時期，導致不同土地利用類型變化的主導因素是不同的。即便是在同一時期，不同的土地利用類型變化的主導因素也是不相同的。以變化率最大的建設用地為例，在1990—2010年間，引起其變化的主導因素是第二產業比重、第三產業比重和固定資產投資額，而2000—2005年和2005—2010年間，建設用地快速增長的驅動因素卻是GDP的快速增加、總人口的不斷增加和固定資產投資額的不斷增加。通過分析得知，各種驅動力中主要以人口數量的增加對土地壓力加大為主，從而導致贛江上游流域土地利用發生變化，說明贛江上游流域土地利用結構變化主要是人類活動干擾的結果。

(3)通過對贛江上游流域土地利用變化主要驅動因子趨勢和土地利用預測分析發現，隨著經濟的快速增長，建設用地面積不斷增加。GDP的增長速率遠遠高于建設用地擴張的速度。單位建設用地的GDP由2010年的144.21 萬元/hm2增加到了2030年的4823.28 萬元/ hm2，充分說明建設用地的集約利用程度明顯增強，土地單位面積產出大幅度提升。

總人口的增速低于建設用地面積的增長速度，表明人口與建設用地之間有較強的相關性。其原因是由于江西省新型城市化建設戰略和“鄱陽湖生態經濟區建設”戰略的實施，使得贛江上游流域交通通訊條件的改變，礦產資源的開發，大大促進了經濟的發展，促進了城鎮化進程，使得城鎮建設用地需求增加、規模擴張。由于贛江上游流域各縣區重視并實施國家的退耕還林政策，使得耕地減少的速度要低于人口增加和城鎮化水平提高的速度。由此可見，雖然兩者呈負相關性，但人口的增加并非耕地減少的主要原因，其主要原因是生態退耕。

[1] Turner B L, Skole D, Sanderson S, Fischer G, Fresco L, Leemans R.Land-use and Land-cover Change: Science/Research Plan.Stockholm: IGBP, 1995: 132- 132.

[2] Guo B, Chen Y Q, Yao Y M, He Y B, Zhang J X.Research on land use and land cover change driven.Chinese Agricultural Science Bulletin, 2008, 24(4): 408- 414.

[3] Kelarestaghi A, Jeloudar Z J.Land use/cover change and driving force analyses in parts of northern Iran using RS and GIS techniques.Arabian Journal of Geosciences, 2011, 4(3/4): 401- 411.

[4] Wu Q, Li H Q, Wang R S, Paulussen J, HeY, Wang M, Wang B H, Wang Z.Monitoring and predicting land use change in Beijing using remote sensing and GIS.Landscape and Urban Planning, 2006, 78(4): 322- 333.

[5] Jiang Y, Liu J, Cui Q, An X H, Wu C X.Land use/land cover change and driving force analysis in Xishuangbanna Region in 1986—2008.Frontiers of Earth Science, 2011, 5(3): 288- 293.

[6] Houet T, Loveland R L, Hubert-Moy L, Gaucherel C, Napton D, Barnes C A, Sayler K.Exploring subtle land use and land cover changes: a framework for future landscape studies.Landscape Ecology, 2010, 25(2): 249- 266.

[7] Verburg P H., Neumann K, Linda N.Challenges in using land use and land cover data for global change studies.Global Change Biology, 2011, 17(2): 974- 989.

[8] Liu J Y, Zhang Z X, Xu X L, Kuang W H, Zhou W C, Zhang S W, Li R D, Yan C Z, Yu D S, Wu S X, Jiang N.Spatial patterns and driving forces of land use change in China during the early 21st century.Journal of Geographical Sciences, 2010, 20(4): 483- 494.

[9] Li Y C.Land cover dynamic changes in Northern China: 1989—2003.Journal of Geographical Sciences, 2008, 18(1): 85- 94.

[10] Hydrology Bureau of Jiangxi Province.Jiangxi River System.Wuhan: Yangtze River Press, 2007.

[11] Jiangxi Bureau of Statistics.Jiangxi Statistical Yearbook.Beijing: China Statistics Press, 1991- 2011.

[12] Sun H L, Li W H, Chen Y P, Xu C C.Response of ecological services value to land use change in the Ili River Basin, Xinjiang, China.Acta Ecologica Sinica, 2010, 30(4): 887- 894.

[13] Zhang Y, Liu Y F, Ding Q, Jiang P.Study on land use/cover change from 1996 to 2005 in Wuhan city.Ecology and Environment, 2010, 19(11): 2534- 2539.

[14] Long H L, Tang G P, Li X B, Heilig G K.Socio-economic driving forces of land-use change in Kunshan, the Yangtze River Delta economic area of China.Journal of Environmental Management, 2007, 83(3): 351- 364.

[15] Krausmann F, Haberl H, Schulz N B, Erb K, Darge E Gaube V.Land-use change and socio-economic metabolism in Austria—Part I: driving forces of land-use change: 1950—1995.Land Use Policy, 2003, 20(1): 1- 20.

[16] Serraa P, Ponsa X, Saurí D.Land-cover and land-use change in a Mediterranean landscape: A spatial analysis of driving forces integrating biophysical and human factors.Applied Geography, 2008, 28(3): 189- 209.

[17] Reid R S, Kruska R L, Muthui N, Taye A, Wotton S, Wilson C J, Mulatu W.Land-use and land-cover dynamics in response to changes in climatic, biological and socio-political forces: the case of southwestern Ethiopia.Landscape Ecology, 2000, 15(4): 339- 355.

[18] Lambina E F, Turnerb B L, Geist H J, Agbola S B, Angelsen A, Bruce J W, Coomes O T, Dirzo R, Fischer G, Folke C, George P S, Homewood K, Imbernon J, Leemans R, Li X B, Moran E F, Mortimore M, Ramakrishnan P S, Richards J F, Skanes H, Steffen W, Stone G D, Svedin U, Veldkamp T A, Vogel C, Xu J C.The causes of land-use and land-cover change: moving beyond the myths.Global Environmental Change, 2001, 11(4): 261- 269.

[19] Shoshany M, Goldshleger N.Land-use and population density changes in Israel- 1950 to 1990: analysis of regional and local trends.Land Use Policy, 2002, 19(2): 123- 133.

[21] Bringezu S, O′Brien M, Schütz H.Beyond biofuels: Assessing global land use for domestic consumption of biomass: A conceptual and empirical contribution to sustainable management of global resources.Land Use Policy, 2012, 29(1): 224- 232.

[22] Diallo Y, Hu G D, Abdurazak H A.Simulation planning for sustainable use of land resources: case study in digamous.Journal of Mathematics and Statistics, 2009, 5(1): 15- 23.

[23] Wang X H, Zheng D, Shen Y C.Land use change and its driving forces on the Tibetan Plateau during 1990—2000.Catena, 2008, 72(1): 56- 66.

[24] Serra P, Ponsa X, Saurí D.Land-cover and land-use change in a Mediterranean landscape: A spatial analysis of driving forces integrating biophysical and human factors.Applied Geography, 2008, 28(3): 189- 209.

[25] Liu S F, Dang Y G, Fang Z G, Xie N M.Grey System Theory and Its Application.Beijing: Science Press, 2010.

[26] Song Q B, Shepperd M.Predicting software project effort: A grey relational analysis based method.Expert Systems with Applications, 2011, 38(6): 7302- 7316.

[27] Ju L H, Shi P J.Prediction of land use structure based on Markov and Gray Models.System Sciences and Comprehensive Studies in Agriculture, 2009, 25(2): 138- 146.

[28] Tien T L.A research on the grey prediction model GM (1, n).Applied Mathematics and Computation, 2012, 218(9): 4903- 4916.

[29] Chen C I, Huang S J.The necessary and sufficient condition for GM (1, 1) grey prediction model.Applied Mathematics and Computation, 2013, 219(11): 6152- 6162.

參考文獻:

[2] 郭斌, 陳佑啟, 姚艷敏, 何英彬, 張潔瑕.土地利用與土地覆被變化驅動力研究綜述.中國農學通報, 2008, 24(4): 408- 414.

[10] 江西水文局.江西水系.武漢: 長江出版社, 2007.

[11] 江西省統計局.江西統計年鑒 (1991—2011).北京: 中國統計出版社, 1991- 2011.

[12] 孫慧蘭, 李衛紅, 陳亞鵬, 徐長春.新疆伊犁河流域生態服務價值對土地利用變化的響應.生態學報, 2010, 30(4): 887- 894.

[13] 張楊, 劉艷芳, 丁慶, 江平.1996—2006 年武漢市土地利用/覆被變化研究.生態環境學報, 2010, 19(11): 2534- 2539.

[25] 劉思峰, 黨耀國, 方志耕, 謝乃明.灰色系統系統理論及其應用.北京: 科學出版社, 2010.

[27] 居玲華, 石培基.基于Markov和GM (1,1)模型的土地利用結構預測.農業系統科學與綜合研究, 2009, 25(2): 138- 146.

DynamictrendanalysisoflandusechangeintheganjiangupstreamwatershedbyusingRSandGIStechniques

LU Yanfei1, 2, 3, PENG Fang2, WAN Yun2, ZENG Fanxing, CHEN Meiqiu3,*,LUO Zhijun3， HUANG Hongsheng3

1CollegeofLandscapeandArt,JiangxiAgriculturalUniversity,Nanchang330045,China2CollegeofInformationandEngineering,JiangxiAgriculturalUniversity,Nanchang330045,China3JiangxiProvincialKeyLab.forAgriculturalEcologyofPoyangLakeWatershed,JiangxiAgriculturalUniversity,Nanchang330045,China

Land use change has become a hot issue on the global climate change research, which includes two aspects: one is the study of land use change process, and the second is the driving factors of land use change.Ganjiang is the greatest river of the Poyang Lake watershed, of which the watershed area accounted for 51.5% of Poyang Lake basin.Ganjiang plays a vital role in the development of social economy of Jiangxi Province.As an important area for water conservation, ecological protection and restoration of Jiangxi Province, the ecological and environmental conditions of Ganjiang upstream are the foundation that the Ganjiang watershed ecosystem depends on existence and development.It is also the premise for ensuring the ecosystem health of the whole Poyang Lake watershed.This study used the TM images of Ganjiang upstream watershed of the year 1990, 1995, 2000, 2005 and 2010 as well as the SPOT image data of 2010, by visual interpretation method and GIS software space, obtaining the land use cover change data of the study area.On this basis, the authors used the methods of grey relational analysis and principal component analysis to analyze the statistics of the Ganjiang upstream watershed between 1990 and 2010, and found the drivers of land use change.Then GM (1, 1) gray prediction model was used to predicate the driving factors and land use change of the study area between 2015 to 2030.The results are as follows.First, from the point of view of single land use dynamic degree, the land use degree of Ganjiang upstream watershed was on the rise from 1990 to 2010.Of the six kinds land-use types, from 1990 to 1995, construction land has the highest single land use dynamic degree, followed by water, woodland has the minimum value.From 1995 to 2000, unused land has the highest single land use dynamic degree, followed by water, woodland has the minimum value.From 2000 to 2010, construction land has the highest single land use dynamic degree, followed by grassland, woodland has the minimum value.From the point of view of comprehensive land use dynamic degree, the comprehensive land use degree of Ganjiang upstream watershed showed a trend to increase in 1990—2010.The extent of land use change of various land-use types has the largest value (10.89‰) between 2000 and 2010.Over the 20 years from 1990 to 2010, the area of agricultural land, grassland, water area and unused land decreased, whereas the area of construction land and forest land increased.Second, the grey relational grade of population, GDP, fixed assets investment, urbanization level, the proportion of secondary industry and tertiary industry proportion is greater than 0.5.This indicates that the six factors are the driving factors of land use change influencing the 16 counties and cities in the Ganjiang upstream watershed.These six factors have different impacts on the various land use change.

Third, the driving factors of land use change are different for various land types during the same period and for the same land type in different periods.Finally, over the next 20 years, Ganjiang upstream watershed would have a steady growth in population and urbanization level, thus making the corresponding construction land area constantly increasing, whereas the arable land area continuously decreasing.Construction land area and GDP have synthetic growth trends.The forest area gradually would increase, whereas water and unused land area would slowly decrease.

RS; GIS; land use change; principle components analysis; the GM(1,1) model

國家自科基金資助項目(71163022)；江西省“贛鄱英才555工程”項目

2013- 06- 10;

2013- 10- 09

10.5846/stxb201306101589

*通訊作者Corresponding author.E-mail: cmqjxau@163.com

魯燕飛，彭芳，萬韻，曾凡興，陳美球,羅志軍， 黃宏勝.基于GIS和RS的贛江上游流域土地利用動態趨勢分析.生態學報,2014,34(12):3224- 3233.

Lu Y F, Peng F, Wan Y, Zeng F X, Chen M Q.Dynamic trend analysis of land use change in the ganjiang upstream watershed by using RS and GIS techniques.Acta Ecologica Sinica,2014,34(12):3224- 3233.