土地利用變化驅動力多尺度因素的定量影響分析

袁 磊，楊 昆

（1.云南師范大學信息學院，云南 昆明 650500；2.西部資源環境地理信息技術教育部工程研究中心，云南 昆明 650500）

土地利用變化驅動力多尺度因素的定量影響分析

袁 磊1，2，楊 昆1，2

（1.云南師范大學信息學院，云南 昆明 650500；2.西部資源環境地理信息技術教育部工程研究中心，云南 昆明 650500）

研究目的：揭示多尺度土地利用變化研究中尺度因素對驅動力的定量影響。研究方法：構建Logistic回歸模型和二分類反應變量兩水平Logistic回歸模型，分別基于面向尺度對比的多尺度回歸分析和基于系統觀點的多水平模型分析兩個角度，探討多尺度土地利用變化核心驅動力及其定量影響關系，并對兩類模型的分析結果進行對比分析。研究結果：面向尺度對比的多尺度回歸分析法能夠從更為微觀的角度揭示各個尺度層級上地類變化的核心驅動因子，而基于系統觀點的多水平模型分析方法則能夠更好地顧及尺度因素的定量影響。研究結論：多水平模型分析方法揭示的各個地類的核心驅動因子集與多尺度回歸分析法推導的對應地類的核心驅動因子集之間呈現子集關系，兩者在多尺度土地利用變化驅動力的研究方法上能夠形成互補。

土地利用；多尺度；驅動力；多水平模型；Logistic回歸模型

土地利用變化驅動力是導致土地利用方式和目的發生變化的各種社會經濟因素和生物物理因素的總稱[1]。土地系統的驅動力多尺度問題已成為土地科學領域創新性探索的重要研究方向之一[2]，研究主要集中在土地利用變化動力的多尺度模擬[3]、空間自相關性[4]、尺度依賴性規律[5-6]及空間尺度效應[7-10]等方面。 由于尺度問題本身的復雜性，加之各類方法或重于數量關系的分析，或偏于空間關系的表達，使得目前已有研究通常只能提供多尺度土地利用系統的部分信息。本文立足于多尺度研究視角，以建設用地變化自然因素驅動力為研究對象，首先從多尺度回歸分析的角度，分析不同尺度建設用地變化的驅動機理，尋求建設用地變化多尺度核心驅動因子；其次，從系統整體的角度，將多水平模型理論與方法引入土地利用變化驅動力多尺度研究中，將尺度作為一個獨立的定量因素加入模型，構建土地利用變化空間多尺度驅動力二分類反應變量兩水平Logistic回歸模型，探討多尺度建設用地變化的核心驅動力；最后，將上述兩種不同方法得到的核心驅動因子集進行對比分析，揭示多尺度土地利用變化研究中尺度因素對驅動力的定量影響，以期弄清多尺度層級間引起土地利用變化的作用機制，為引導土地資源在不同尺度層級間的時空優化配置提供參考。

1 研究區概況及數據來源

本文選擇中國西南典型高原山區—云南省、昆明市、宜良縣組成3級實證研究區。該研究區地處中國西南邊陲，云貴高原西南部，位于東經97°31′39″—106°11′47″、北緯21°8′32″—29°15′8″之間，西部為橫斷山脈高山峽谷區，東部屬云貴高原區，南部為中、低山寬谷盆地區，全區以高原山地為主。研究期內，一批支柱產業與特色產業得到培育，社會經濟發展迅速，建設用地格局變化顯著，具有一定的代表性。實證研究中采用云南省、昆明市、宜良縣1999—2008年的土地利用及自然地理數據，主要包括：土地利用現狀數據、土地利用變更數據、交通分布矢量數據、水系分布矢量數據，由等高線生成的DEM及派生的地形圖、坡度圖、坡向圖等。

2 研究方法

2.1 驅動因子選取

自然因素驅動力主要決定土地利用/覆蓋變化的空間格局，是影響區域土地利用變化的基礎背景因素。由于研究區地處中國西部高原山區，地形高差大、切割劇烈，地學因子存在著顯著的空間分異。這些分異較大的地學因子便成為了研究區區別與其他區域，并影響其土地利用/覆蓋空間格局變化的基礎因素，也是驅動因子選取時重點考慮的對象。因此，本文首先根據研究區地學因子時空分布的特點，并考慮因子數據的可獲取性、因子本身的代表性及與相應尺度上建設用地變化的相關性進行綜合選取；在此基礎上，進一步采用特爾菲法給出各因子相對重要性的定量表示，最終經過多輪打分篩選，確定了兩大類9項自然因素驅動因子，形成本文的驅動因子指標體系，開展土地利用變化驅動力多尺度定量關系對比研究（表1）。

2.2 數據處理

2.2.1 因變量因子數據處理 因變量因子即地類因子?；谘芯科诟鞒叨韧恋乩米兓噶繄D層，利用ArcGIS平臺空間數據處理功能，分別建立居民點及獨立工礦用地、交通水利設施用地對應的屬性字段，通過空間屬性查詢（Select by Attribute）及字段計算（Field Calculator），按地類的空間分布情況對各屬性字段分別賦值。最終形成一個具有二分性屬性的土地利用變化圖層。二分性的定性變量只有“1”或“0”兩個值，即“是”與“否”，從而分別對每一地類是否發生變化進行空間標識。

表1 多尺度研究區建設用地變化驅動因子指標體系及其描述Tab.1 Index system and description of driving factors for construction land change in multi-scale study area

2.2.2 自變量因子數據處理 自變量因子即自然因素驅動力因子。對于自變量因子的數據獲取，例如，高程因子基于研究區等高線，在ArcGIS平臺中生成數字高程模型（DEM）得到；坡度、坡向因子是基于生成的DEM，采用地形因子提取 “slope”和“aspect” 功能進一步提取得到；距國道、省道、縣道、鐵路、水系的距離等驅動因子，利用各自對應的線狀要素，根據研究需要分別設置相應的緩沖半徑，進行多級緩沖區分析得到；距城鎮的距離等點狀要素驅動因子通過對城鎮等點層要素進行同樣的多級緩沖區分析，并由分別生成的相應驅動因子圖得到。

2.3 驅動力多尺度回歸分析模型

本文采用Logistic逐步回歸分析法對建設用地變化多尺度驅動力進行定量分析。Logistic回歸模型不需要假設變量之間存在多元正態分布，采用最大似然估計法進行參數估計，以事件發生概率的形式提供結果。借助該模型能對二值響應的因變量和分類變量（連續型或混合型）進行回歸建模，進而探討影響概率及主要的影響因子。

根據Logistic回歸建模要求，本文設X1，X2，……是與Y相關的一組向量，設P是某事件發生的概率，將比數P/（1-P）取對數得到ln［P/（1 - P）］，即對P作Logistic變換，記為Logit（P），回歸模型如下：

式（1）中， Pi是給定系列自變量xi的值時事件的發生概率，a為截距，β為Logistic回歸的偏回歸系數，表示變量xi對記為Logit（P）的影響大小。

發生事件的概率是一個由自變量xi構成的非線性函數，表達式如下：

本文采用SPSS 20逐步回歸分析的Logistic函數完成多尺度自然因素驅動力的分析。所得到的Logistic回歸分析結果包括回歸系數、回歸系數估計的Waldx2統計量、回歸系數估計的標準差、回歸系數估計的顯著性水平。其中，Waldx2統計量表示每個（解釋變量）在模型中的相對權重，用來評價每個解釋變量對事件預測的貢獻力。

對于模型擬合優度的檢驗，本文采用Homsmer Lemeshow（HL）指標。當前，用于擬合優度檢驗的指標有HL指標、偏差D、皮爾遜等，但當模型中存在連續型自變量時，偏差D及皮爾遜檢驗方法將不再適用，而在使用包含連續型自變量的Logistic回歸分析模型，HL是廣為接受的模型擬合優度的檢驗指標[11]。當HL指標統計不顯著時，表示模型擬合較好；相反，如果HL指標統計顯著，則說明模型擬合不好。HL指標計算公式如下：式（3）中，K表示分組數，ni表示第i組中的案例數，yi表示第i組事件的觀測數據量表示第i組預測事件概率，nii表示事件預測數。

2.4 驅動力多尺度多水平模型

2.4.1 模型研究現狀與特征分析 多水平模型最早由Lindley和Smith于1972年提出，直到1998年，英國倫敦大學教育研究所Goldstein博士出版專著《Multilevel Statistical Models》，多水平模型理論與方法才趨于完善[12]。多水平模型考慮了數據間的層次性，可以將傳統模型中的隨機誤差項分解到與數據層次結構相對應的水平上，使得個體的隨機誤差更純，并可將各水平殘差擬合成某些變量的函數，從而為分析個體變化趨勢及其影響因素提供可能。該模型正是針對這種具有層次結構特征的數據而發展起來的一種專門用于處理非獨立性數據的多元統計分析方法。目前，該模型在醫學[13]、氣象學[14]、社會學[15]等領域已有成功的應用案例，而在土地科學領域應用較少。國外，hoshino通過區分市級和省級數據，采用多水平模型對日本土地利用結構和變化進行了分析[16]；Polsky和Easterling運用類似方法分析了美國大湖平原的土地利用結構和等級特征[17]；Verburgb在對菲律賓土地利用研究中討論了多水平建模對土地用途研究和數據收集的影響[18]；國內，蔡運龍教授指出可以利用多水平統計學分析土地變化格局、過程及其驅動力和效應中的“連通性”問題[19]。

就本文而言，因為研究區界定于有機互聯的云南省、昆明市及下轄的宜良縣組成的多尺度研究區，在行政尺度上具備自然的隸屬關系，數據上不僅包括不同空間尺度、不同時序尺度的土地利用數據，而且，每一空間尺度下、不同時序尺度的土地利用變化本身又受到不同時空尺度的自然因素的驅動。按照層次理論的觀點，這種多尺度性表征的就是一種層次結構。因此，不同尺度、不同時序的土地利用變化及其對應的驅動因素數據序列就是一個具有層次結構的多級數據序列，適宜采用多水平模型理論與方法開展研究。

2.4.2 模型構建 鑒于多水平模型處理多層數據或多級數據方面的優勢，本文將多水平模型引入土地利用驅動力多尺度問題的研究方面，針對前述建立的各尺度具有二分性屬性數據，此處，將居民點及獨立工礦用地、交通水利設施用地兩大地類的地類標識變量設為第1水平單位i，省、市、縣三級行政尺度的尺度標識變量設為第2水平單位j，構建多尺度地類變化及其自然因素驅動因子之間的二分類反應變量兩水平Logistic回歸模型：

式（4）中，pij表示地類發生變化的比數（率），β1為固定效應參數，μ0j為第2水平單位殘差（隨機效應），即第2水平單位logit均值β0j與總均值β0之差，σ2μ0是隨機參數，反映了高水平單位間的比數的差別，其值越大，說明數據在高水平單位內的聚集性越強，nij為比數（率）的分母，πij（1-πij）/nij表示反應變量的方差估計值。

3 結果分析

3.1 多尺度回歸結果分析

按照前述驅動力多尺度回歸分析思路與方法，省、市、縣不同尺度建設用地變化與其自然因素驅動因子數據開展Logistic逐步回歸分析，結果分別如表2—表4所示。

表2 省域尺度自然因素驅動因子對地類變化影響參數Tab.2 Impact parameters of natural driving factors on land use change in provincial scale

表3 市域尺度自然因素驅動因子對地類變化的影響參數Tab.3 Impact parameters of natural driving factors on land use change in municipal scale

表4 縣域尺度自然因素驅動因子對地類變化的影響參數Tab.4 Impact parameters of natural driving factors on land use change in county scale

基于上述各尺度層級的建設用地變化與自然因素驅動因子的Logistic逐步回歸分析可知：省域尺度上，影響居民點及獨立工礦用地變化的核心驅動因子依次是距縣道的距離（1.042）、距鐵路的距離（0.961）和坡度（0.879）；距縣道的距離每增加1 km，發生率將提高4.19%；距鐵路的距離每增加1 km，發生率則降低3.92%；坡度每增加1度，發生下降12.10%。交通水利設施用地變化則受坡度（1.422）、距鐵路的距離（0.936）、距國道的距離（0.872）、距縣道的距離（0.850）、距省道的距離（0.813）及水系（0.478）驅動因素的影響顯著。

市域尺度上，居民點及獨立工礦用地變化受多種因素的共同影響。依據EXP（B）值的大小，其核心驅動因子依次是距國道的距離（1.032）、距省道的距離（1.023）、高程（1.002）、坡向（0.990）、距城鎮的距離（0.988）、坡度（0.913）和距鐵路的距離（0.818）。交通水利設施用地變化主要受距城鎮的距離（1.032）、距省道的距離（0.950）、距國道的距離（0.941）、距鐵路的距離（0.899）的影響較為顯著。

縣域尺度上，居民點及獨立工礦用地主要受距縣道的距離（1.354）、距省道的距離（1.163）、距國道的距離（1.084）和坡度（0.782）影響較大。交通水利設施用地變化主要受高程（0.996）、距鐵路的距離（0.837）、距省道的距離（0.793）、距國道的距離（0.787）和距水系的距離（0.385）的影響較為顯著。

3.2 多水平模型結果分析

基于前述構建的多尺度地類變化及其自然因素驅動因子之間的二分類反應變量兩水平Logistic回歸模型，首先，以居民點及獨立工礦用地標識為水平1單位，以尺度標識作為水平2單位，擬合不含任何驅動因子的二分類反應變量兩水平Logistic回歸空模型（null model）；其次，考察空模型擬合結果，只有當居民點及獨立工礦用地對應的隨機截距方差（Intercept）在0.01或0.05水平上顯著時，才表明該地類變化在不同尺度間存在差異，才有必要進一步引入協變量（驅動因素）進行多水平分析。對于交通水利設施用地的多尺度擬合同上。最終結果如表5、表6所示。

表5 自然因素驅動因子兩水平Logistic回歸空模型分析結果Tab.5 Results of two level Logistic regression null model for natural driving factors

由表5可知，就居民點及獨立工礦用地而言，其水平2隨機系數方差估計值為5.225（P = 0.018），在0.05水平上具有統計學意義，表明居民點及獨立工礦用地變化在尺度層級間確實存在一定的差異。因此，需要引入解釋變量（核心驅動因子）來進一步分析引起差異的原因。這里，依次將選取的自然因素驅動因子引入模型，重新進行模型擬合，結果發現坡度（n1）、距國道的距離（n4）具有統計學意義，固定效應估計值分別為1.798（P = 0.020）、3.517（P = 0.041），表明尺度層級上坡度、距國道的距離對居民點及獨立工礦用地變化的影響較大，見表6所示。

同樣，交通水利用設施用地空模型擬合結果發現，水平2隨機系數方差估計值為0.019（P = 0.031），具有統計學意義，說明交通水利設施用地變化在尺度層級間也存在差異。因此，也需要引入解釋變量做進一步分析。將三級尺度上自然因素驅動因子也逐一引入模型重新擬合，結果如表6所示，距國道的距離（n4）、距省道的距離（n5）、距鐵路的距離（n7）具有統計學意義，固定效應估計值分別為1.119（P = 0.026）、0.846（P = 0.001）、2.648（P = 0.001），表明在多尺度層級上距國道的距離、距省道的距離、距鐵路的距離對交通水利設施用地變化的影響較為顯著，是引起該地類變化的核心驅動因子。

表6 自然因素驅動因子兩水平Logistic回歸模型參數估計結果Tab.6 Results of parameters estimation of two level Logistic regression model for natural driving factors

3.3 綜合對比分析

綜合上述多尺度回歸分析結果和多水平模型分析結果發現：坡度（n1）對各尺度層級上居民點及獨立工礦用地變化具有普遍的驅動意義，距國道的距離（n4）、距省道的距離（n5）對市級和縣級尺度上的居民點及獨立工礦用地變化具有普遍的驅動意義；而距國道的距離（n4）、距省道的距離（n5）、距鐵路的距離（n7）對各尺度層級上交通水利用設施用地也具有普遍驅動意義，即對各個尺度上的交通水利設施用地的變化都表現出了一定的驅動作用，是每一尺度上該地類變化的核心驅動因子。同時，進一步對比分析發現：當將尺度作為一個獨立的定量因素加入二分類反應變量兩水平Logistic回歸模型時，個別在單一尺度中對地類變化具有驅動意義的因子，在尺度定量的多水平模型分析中不再表現出對該地類的驅動作用。例如：就交通水利設施用地而言，在單一尺度的回歸分析中，三級尺度總體上影響該地類變化的核心驅動因子集為{n1，n4，n5，n6，n7，n8，n9}，而多水平模型分析交通水利設施用地的核心驅動因子集是{n4，n5，n7}。總體上，多水平模型分析的各個地類的核心驅動因子集與單一尺度回歸分析的相應地類的驅動因子集之間呈現子集關系（表7）。

表7 多尺度土地利用變化核心驅動因子列表Tab.7 A list of core driving factors for multi scale land use change

4 結論與討論

（1）方法上，基于Logistic多元回歸分析將驅動因子分解定位到不同的空間尺度，能夠從更為微觀的角度揭示各個尺度層級上地類變化受驅動因子影響的定量關系。但這種經典數理分析方法實質是將尺度作為一個定性因素，在得到各尺度層級上各地類變化與驅動因子定量影響關系之后，通過尺度之間的直接對比來揭示多尺度土地利用變化驅動力及尺度依賴規律。因此，它沒有顧及因尺度因素帶來的數據層次結構的存在，忽略了尺度因素在多尺度驅動力分析中的定量影響。而將多尺度土地利用變化及其驅動因素看成一個整體系統，把尺度因素作為獨立的控制變量加入模型，從系統整體的角度構建二分類反應變量兩水平Logistic回歸模型，考慮了尺度因素的定量影響，彌補了驅動力多尺度直接對比分析的不足，從而在方法上與其形成互補研究。

（2）結果上，通過將兩種不同方法的研究結果進行對比分析發現，基于Logistic多元回歸分析能夠更加具體細微地尋求不同尺度上各個地類的核心驅動因子及其定量影響關系；而二分類反應變量兩水平Logistic回歸模型則是從系統整體角度揭示多尺度土地利用變化及其驅動力系統中引起各個地類發生變化的公共核心驅動因子及其定量影響程度?？傮w上，多水平模型分析得到的各個地類的核心驅動因子集與單一尺度回歸分析得到的相應地類的驅動因子集之間呈現子集關系。

由于土地利用變化本身是一個受特定區域經濟、社會、自然和政策傾向等綜合因素影響的復雜過程，而本文從多尺度視角對其進行審視，無疑更加劇了這一問題的復雜程度，而且本文僅考慮自然因素的驅動作用，一定程度上影響了分析結果的客觀性；此外，將多水平模型引入土地利用變化多尺度驅動力問題的研究之中也是一次新的嘗試，研究數據也僅是連續10年期數據，這也使得該模型的優勢尚沒有充分體現。因此，下一步工作應從宏觀、中觀、微觀更多尺度層級、更多時點上收集數據，進一步豐富多尺度樣本數據，可進一步深入探討在尺度因素定量影響下驅動因子對不同尺度土地利用變化的驅動效應及跨尺度交互作用的性質和程度。

（References）:

［1］ 楊梅，張廣錄，侯永平. 區域土地利用變化驅動力研究進展與展望［J］ . 地理與地理信息科學，2011，27（1）： 95 - 100.

［2］ 趙俊三，袁磊，張萌. 土地利用變化空間多尺度驅動力耦合模型構建［J］ . 中國土地科學，2015，29（6）：57 - 66.

［3］ Verburg P. H., Veldkamp A. Fresco L. O. Multi-scale modeling of land-use change dynamics in Ecuador［J］ . Agricultural Systems，1999，61（2）：77 - 93.

［4］ Overmars K. P., Koning G. H. J. de, Veldkamp A. Spatial autocorrelation in multi-scale land use models［J］ . Ecological Modelling，2003，164（2-3）：257 - 270.

［5］ Viglizzo E. F., Pordomingo A. J., Castro M. G., et al. Scale-dependent controls on ecological functions in agroecosystems of Argentina［J］ . Agriculture, Ecosystems & Environment，2004，101（1）：39 - 51.

［6］ 邱炳文. 福建省耕地多尺度空間分布特征分析［J］ . 農業工程學報，2008，24（11）：63 - 68.

［7］ Batisani N., Yarnal B. Urban expansion in Centre County, Pennsylvania: Spatial dynamics and landscape transformations［J］ . Applied Geography，2009，29（2）：235 - 249.

［8］ Pan Y., Roth A., Yu Z., et al. The impact of variation in scale on the behavior of a cellular automata used for land use change modeling［J］ . Computers, Environment and Urban Systems，2010，34（5）：400 - 408.

［9］ 王天巍，李朝霞，史志華，等. 都市圈邊緣區多尺度土地利用驅動力研究［J］ . 華中農業大學學報，2008，27（4）：471 - 477.

［10］ 蒙吉軍，朱利凱，毛熙彥. 近30年來毛烏素沙地土地利用變化驅動力的多尺度研究——以內蒙古烏審旗為例［J］ . 應用基礎與工程科學學報，2012，20（Z1）：54 - 66.

［11］ Morgan S, Philip, Jay D. Teachman. Logistic regression: Description, examples, and comparisons［J］ . Journal of Marriage and the Family，1988，50：925 - 936.

［12］ Goldstein H. Multilevel Statistical Models［M］ . New York: Oxford University Press Inc，1999.

［13］ 馬修強. 多水平模型和關聯規則聯合研究胃食管反流病影響因素［D］ . 上海：第二軍醫大學，2009.

［14］ 鄭文波. 基于多水平統計模型的氣象數據研究［D］ . 武漢：華中科技大學，2010.

［15］ 韓軍輝. 中國農村地區代際收入流動的多水平統計模型分析［J］ . 統計與信息論壇，2009，24（8）：17 - 20，33.

［16］ Hoshino S. Multilevel modeling on farmland distribution in Japan［J］ . Land Use Policy，2001，18：75 - 90.

［17］ Polsky C, Easterling IIIW E. Ricardian climate sensitivities: accounting for adaptation across scales［J］ . Agriculture, Ecosystems and Environment，2001，85：133 - 144.

［18］ Peter H. Verburgb. Multilevel modeling of land use from field to village level in the Philippines［J］ . Agricultural Systems，2006，89（2 - 3）：435 - 456.

［19］ 蔡運龍. 貴州喀斯特高原土地系統變化空間尺度綜合的一個研究方案［J］ . 地球科學進展，2009，24（12）：1301 - 1308.

（本文責編：王慶日）

An Analysis of Quantitative Impacts of Multi-scale Factors on Driving Forces in Land Use Change

YUAN Lei1，2, YANG Kun1，2
（1. School of Information Science and Technology, Yunnan Normal University, Kunming 650500, China; 2. Engineering Research Center of Ministry of Education on Geography Information Technology of Western Resource Environment, Kunming 650500, China）

The purpose of this study is to reveal quantitative impacts of multi-scale factors on driving forces in multiscale land use change. Firstly, Logistic Regression Model and Two Level Logistic Regression Model of two category response variable are constructed. Secondly, the core driving forces of multi-scale land use change and relationship among them and their quantitative effects are discussed and compared from the two perspectives i.e., one is comparison of multi-scale, the other is systematic viewpoint. The results of the study show that the method of Logistic Regression Model can be used to reveal quantitative relationship among driving factors and land use change in different scale levels, and the method of Two Level Logistic Regression Model of two category response variable has taken quantitative effects of scale factors into consideration. It is concluded that the sub-assembly of core driving factors revealed by the multi-levelmodel is included in the sub-assembly explored by multi-scale model, and the two methods can also form complementary research on core driving forces of multi-scale land use change.

land use; multi-scale; driving forces; multilevel model; Logistic regression model

F301.24

A

1001-8158（2016）12-0063-08

10.11994/zgtdkx.20161219.132637

2016-06-21；

2016-09-18

云南師范大學博士科研啟動項目（01000205020503063）；國家科技支撐計劃項目（2013BAJ07B00）。

袁磊（1977-），男，河南潢川人，博士，碩士生導師。主要研究方向為GIS理論與應用，自然資源配置與規劃。E-mail: v_ict@163.com

楊昆（1963-），男，云南昆明人，博士生導師，教授。主要研究方向為時空過程模擬，GIS理論。E-mail: kmdcynu@163.com