近30年來黃河三角洲耕地軌跡轉化及驅動力研究

李云龍　韓美　孔祥倫　王敏　潘彬　魏帆　黃淑萍

摘要 黃河三角洲是山東省乃至全國重要的土地增長區和耕地資源儲備區，耕地是研究區最重要的景觀類型之一。通過Landsat TM/OLI遙感影像解譯，獲取黃河三角洲1986、1992、1998、2004、2010和2016年6個時期用地類型分布，使用軌跡分析法分析耕地軌跡的時空變化。借助斑塊占景觀面積比例指數（PLAND）、散布與并列指數（IJI）、面積加權平均斑塊分維指數（FREAC-AM），分析不同耕地轉化類型的景觀格局。選擇自然環境、社會經濟和區位因素3大類共13個影響因子，利用Logistic回歸模型對耕地轉化進行驅動力分析。結果表明：①1986—2004年黃河三角洲耕地面積由1 390.16 km2，增長至2 184 km2，2016年減少至2 138.88 km2，1986—2016年間研究區耕地和耕地占三角洲總面積比例呈先增長后下降趨勢。30年間未利用地向耕地轉入322.46 km2，是耕地增加的主要來源，耕地向建設用地輸出107.82 km2，是耕地轉出的主要去向。恒定非耕地主要分布在河口區和墾利區，間歇性耕地主要分布在河口區，轉入耕地主要分布在墾利區，恒定耕地與轉出耕地在各縣區均有分布。②耕地是黃河三角洲最重要的景觀類型之一，耕地軌跡占研究區總面積的62.75%。間歇性耕地和恒定耕地的IJI指數分別為89.84%和78.20%，表明間歇性耕地和恒定耕地周邊的耕地變化復雜，相鄰景觀類型最多。同時，間歇性耕地FREAC-AM指數為1.22，還是研究區耕地轉化軌跡中形狀最復雜的類型。③Logistic分析表明，地理區位是黃河三角洲耕地轉化的主要驅動因素，距海岸線距離（貢獻率1 832.730）、距黃河距離（貢獻率589.109）、人口密度差（貢獻率408.403）、距鄉鎮距離（貢獻率398.933）是耕地轉入的主要驅動因子。距海岸線距離（貢獻率1 914205）、距鄉鎮距離（貢獻率763.96）、距黃河距離（貢獻率142.210）是耕地轉出的主要驅動因子。

關鍵詞 耕地;黃河三角洲;轉化軌跡;景觀格局;Logistic回歸分析;驅動力

中圖分類號 P967

文獻標識碼 A文章編號 1002-2104（2019）09-0136-08DOI：10.12062/cpre.20190601

耕地是糧食生產的基本資料，也是人類改造自然的重要景觀體現。保護耕地是實現國家糧食安全，保障國家社會經濟可持續發展的重要支撐[1-4]。隨著社會經濟迅速發展、人口增長、城市化和工業化進程加快，耕地面積不斷減少[5-6]，人類社會與耕地資源間的矛盾日益加深[7-9]。因此，關注耕地的時空變化，明晰耕地演化的驅動機制，對合理利用耕地資源、緩解人地矛盾、實現區域社會經濟可持續發展具有重要意義。

耕地是學術界研究的熱點領域，國內外學者圍繞耕地變化[10-11]、流轉特征[12-13]和驅動機制[14-15]等方面，展開了大量研究并取得了豐碩成果。作為區域生態系統的重要組成部分，耕地的變化能夠從側面反映出區域景觀的發展方向[16]，特別是在生態系統敏感區，大規模的耕地流轉對區域生態系統產生重要影響。黃河三角洲是由黃河泥沙淤積而成的自然地理單元，其生態系統具有典型的新生性、敏感性、脆弱性和不穩定性[17]。隨著人類開發活動的不斷加強，黃河三角洲耕地流轉與景觀格局發生了巨大變化。張寶雷等[18]、史同廣等[19]研究了黃河三角洲土地利用變化特征，并分析了主要的LUCC過程;栗云召等[20]指出黃河水情和人類開發活動是黃河三角洲濕地演化的主要驅動因子。李靜等[21]提出黃河和海洋作用是影響墾利土地利用的關鍵因子?？傮w而言，目前黃河三角洲耕地演化主要從土地利用及景觀角度展開，驅動力分析大多采用定性的方式進行[22-24]，專門針對研究區耕地的研究較少。

黃河三角洲是山東省甚至全國重要的耕地資源儲備區，關注其耕地的演化進程，明晰耕地演化的驅動機制，對黃河三角洲土地資源開發和生態環境保護具有重要的價值?；诖耍疚慕柚b感和GIS技術手段，使用軌跡分析法和Logistic回歸模型，分析黃河三角洲近30年來耕地時空演化特征及其驅動機制，為保護耕地資源的健康與穩定提供科學依據。

1 研究區域界定

黃河三角洲位于萊州灣西南岸，是由黃河攜帶泥沙淤積而成的三角洲狀堆積體，按照形成時間早晚，分為古代、近代和現代三角洲。本文以近代三角洲為研究區域，其范圍以墾利縣寧海為頂點，西起套兒河口，南抵支脈河口的扇形區域，介于118°04′～119°17′ E和37°20′～38°11′ N之間，總面積約5 400 km2。包括河口區面積約2 263 km2，墾利區面積約2 000 km2，利津縣面積約598 km2，東營區面積約576 km2。本研究區域是一個自然地理單元，其邊界與行政區界線并不完全一致。

2 數據來源與研究方法

2.1 數據來源及處理

黃河三角洲Landsat TM/OLI遙感影像（1986—2016年）從地理空間數據云獲取。根據農作物長勢和天氣狀況，影像篩選時選取成像時段在6—9月且云量在10%以下的影像，并進行影像裁切、幾何精校正、大氣校正以及輻射校正等預處理。根據中國土地利用現狀分類標準及黃河三角洲實際情況，采用面向對象法將研究區土地劃分為耕地、未利用地、灘涂、沼澤、水體和建筑用地6類，并獲取其空間分布信息，采用人機交互法進行人工修正，隨后將土地利用分類結果重新分類為耕地與非耕地。通過實地數據及從高分辨率影像（Google Earth）獲取的450個校正樣本進行分類精度驗證，分類結果的精度均在90%以上，Kappa系數高于0850，解譯精度滿足研究需要（見表1）。

結合研究區實際情況，參考國內外相關研究[26-28]，并從自然環境、社會經濟和地理區位3方面構建耕地演化驅

動因子指標體系（見表2）。氣溫和降水數據由黃河三角洲氣象觀測站點獲取，黃河三角洲面積變化率通過ArcGIS統計所得;社會經濟指標摘選自《東營統計年鑒》《河口年鑒》《利津年鑒》《墾利年鑒》《東營區年鑒》;地理區位因子通過ArcGIS空間分析工具計算獲取。各指標準備完畢后進行空間化、共線性檢驗和重采樣等處理，剔除具有顯著共線性的重復因子，篩選最佳的分析尺度。

2.2 研究方法

2.2.1 耕地轉化軌跡構造

轉化軌跡由不同時相上像元所屬土地類型代碼疊加排列所得。使用代碼1和2表示耕地和非耕地，特定像元上多個時間節點代碼疊加排列即為該像元的轉化軌跡。如：軌跡編碼為111111，即表示該像元始終為耕地。計算公式如下：

Tij=（G1）ij×10n-1+（G2）ij×10n-2+…+（Gn）ij×10n-n

（1）

式中，Tij代表第i行、第j列的代碼值，n代表選取的影像的個數;（G1）ij ，（G2）ij ，… ，（Gn）ij 表示影像對應用地類型代碼值。

2.2.2 耕地轉化軌跡景觀格局指數

從類型水平和景觀水平上選取斑塊占景觀面積比例指數PLAND（Percentage of Landscape）、散布與并列指數IJI（Interspersion and Juxtaposition）、面積加權平均斑塊分維指數FREAC-AM（Area Weighted Mean Eractal Dimension Index）3個指數進行耕地變化軌跡景觀格局分析，景觀指數見表3。

2.2.3 Logistic回歸模擬

本研究以黃河三角洲耕地轉化軌跡為因變量，采用多分類Logistic回歸模型分析各因子對耕地的驅動作用。根據回歸系數，探測各驅動因子對耕地演化過程的影響強弱，模型公式如下：

Logit（P）=lnp1-p=α+∑ni=1βixi（2）

P=exp（α+β1X1+β2X2+L+βnXn）1+exp（α+β1X1+β2X2+L+βnXn）（3）

式中，P為耕地轉化發生概率;x1，x2，……，xn為影響耕地的驅動因子;α為截距，β1，β2，……，βn為Logistic回歸的偏回歸系數。使用Wald值對模型的回歸系數進行檢驗，取顯著性水平為0.05，當解釋變量對應P值小于0.05時，驅動因子的回歸系數與零有顯著差異，保留在方程中，反之則不能通過檢驗，從方程中剔除。為避免空間數據的自相關效應對模型解釋能力產生干擾，構建

研究區耕地轉化軌跡模擬的最佳尺度，本研究選擇100 m×100 m、150 m×150 m、200 m×200 m、250 m×250 m、300 m×300 m、350 m×350 m、400 m×400 m 7個模擬尺度，以30 m×30 m柵格數據為基礎，對耕地轉化軌跡及各驅動因子柵格數據進行重采樣，應用SPSS22.0軟件，分別計算7個模擬尺度下耕地轉化軌跡與驅動因子的回歸方程，根據模型的ROC值選擇黃河三角洲耕地轉化軌跡動態模擬的最佳尺度。

3 結果與分析

3.1 黃河三角洲面積和耕地面積統計分析

1986—2016年黃河三角洲土地面積和耕地面積變化結果如圖1所示。30年間研究區土地面積在5 168.81～5 383.92 km2之間波動，波動范圍215.11 km2，黃河三角洲土地總面積呈現出先下降后上升再下降的變化趨勢。而1986—2016年黃河三角洲耕地面積在1 390.16～2 138.88 km2之間波動，耕地增加895.11 km2，研究區耕地面積隨時間發展呈增長趨勢。從耕地占黃河三角洲總面積比例來看，1986年25.82%、1992年36.29%、1998年37.44%、2004年41.44%、2010年41.44%、2016年41.37%，耕地所占比例先增長，之后略有下降。

3.2 耕地轉化軌跡時空變化分析

軌跡運算結果顯示，黃河三角洲耕地/非耕地轉化軌跡共有64種，總計31 435條。根據耕地/非耕地穩定狀況可將所得軌跡分為3類：恒定非耕地、恒定耕地、不穩定耕地。根據耕地不同的轉化方向，不穩定耕地又包含轉入耕地（222111、211111等）、轉出耕地（111222等）、間歇性耕地（121212等）?；诖朔诸惙椒?，獲取黃河三角洲1986—2016年耕地/非耕地轉化軌跡圖（見圖2和圖3）。

3.2.1 耕地轉化軌跡時間變化分析

經統計，黃河三角洲恒定非耕地2 611.26 km2，恒定耕地518.30 km2，不穩定耕地2 553.55 km2。轉入耕地907.07 km2，轉出耕地279.20 km2，間歇性耕地1 367.28 km2。從時間序列來看，1986—1992年轉入耕地（211111）471.41 km2，轉出耕地（122222）90.13 km2;1992—1998年轉入耕地（221111）234.73 km2，轉出耕地（112222）43.96 km2;1998—2004年轉入耕地（222111）93.87 km2，轉出耕地（111222）53.07 km2;2004—2010年轉入耕地（222211）36.10 km2，轉出耕地（111122）26.61 km2;2010—2016年轉入耕地（222221）70.97 km2，轉出耕地（111112）66.43 km2。研究區轉入耕地和轉出耕地均出現先下降后增加的趨勢，轉入耕地數量大于轉出耕地，耕地總體呈現增長態勢。從耕地轉化的路徑來看，未利用地是黃河三角洲耕地轉入的主要用地來源，建筑用地則是耕地轉出的主要流向;從耕地軌跡轉化發展方向來看，轉入耕地軌跡大致由黃河兩岸向兩側海岸拓展，轉出耕地軌跡則主要布局在城鎮周邊。

3.2.2 耕地轉化軌跡空間變化分析

使用ArcGIS分區統計功能獲取耕地轉化軌跡的空間分布（見圖4）。經分析，除利津縣外恒定非耕地在各縣區軌跡分布中占比最大。河口區恒定非耕地、轉出耕地、間歇性耕地的軌跡面積分別為714.50 km2、104.39 km2、697.31 km2。該區地處黃河三角洲東北部，區內灘涂、沼澤與未利用地廣布，恒定非耕地面積較多。同時受土地鹽堿化的影響，沿海土地多開發為鹽田、養殖池等經濟型水體，耕地轉出以及耕地與其他土地利用類型的交替轉化較多。墾利區恒定耕地面積為142.78 km2，轉入耕地面積為445.46 km2，是恒定耕地及轉入耕地面積最大的區域。這主要得益于黃河巨大的造陸效應，黃河攜帶大量泥沙在入?？谔幱俜e，每年給墾利區新增大量土地，大量新增土地在人類開發活動下轉化為耕地。因此，近30年來墾利區耕地面積不斷擴張。而東營區面積為576 km2，僅占研究區總面積的7.74%，因此行政區內耕地轉化軌跡面積均較小。

3.3 耕地轉化軌跡景觀格局分析

恒定非耕地的PLAND指數為37.15%，有耕地參與的軌跡占研究區總面積的62.75%。其中間歇性耕地PLAND指數為30.86%，轉入耕地PLAND指數為19.23%，恒定耕地和轉出耕地的PLAND指數值分別為8.43%和4.33%（見表4）。表明1986—2016年內黃河三角洲耕地處于擴張與縮減交錯過程中，耕地面積不斷增加，耕地已成為黃河三角洲最重要的景觀之一。

IJI指數反映各耕地斑塊類型的空間關聯程度。結果顯示：間歇性耕地與恒定耕地的IJI指數較大，分別為89.84%和78.20%，體現出黃河三角洲耕地對水資源的依賴性比較大，同時還反映出間歇性耕地和恒定耕地周邊的耕地變化景觀類型較為復雜，相鄰的景觀類型較多。轉入耕地以及轉出耕地的IJI指數較低，分別為62.27%和66.00%，說明這兩種轉化類型主要分布在間歇性耕地和恒定耕地邊緣，空間鄰接分布程度較為簡單。

FREAC-AM指數可以描述變化軌跡的復雜性和穩定性。其取值范圍1≤FREAC-AM≤2，其值越接近1代表形狀越簡單，當值為1時，形狀為最簡單的正方形或圓形?？傮w來看，研究區耕地轉化軌跡的FRAC-AM較小，分形特征不明顯;間歇性耕地FRAC-AM最大，表明研究區土地利用類型轉換較為頻繁，多經歷兩次以上的轉變;轉入耕地FRAC-AM大于轉出耕地，表明黃河三角洲耕地轉入概率大于耕地轉出，耕地面積呈增加狀態。

3.4 耕地轉化軌跡驅動力分析

自變量（驅動因子）間的多重共線性對Logistic回歸模型的模擬效果有顯著影響，共線性的存在嚴重干擾回歸分析結果的穩定性，甚至會使其方向發生改變[28-29]。本文首先對驅動因子指標體系中各自變量進行共線性檢驗，根據自變量之間的方差膨脹因子（VIF）和容許值（TOL）探測共線性，當VIF>10且TOL<0.1時，自變量存在顯著共線性，從驅動因子指標體系中剔除[29]。經檢驗，剔除工業總產值、農業總產值、全社會固定資產投資等3個存在顯著共線性的自變量。隨后，將通過共線性檢驗的自變量帶入Logistic回歸模型計算，根據ROC值篩選出最適宜研究區耕地轉化軌跡的尺度。計算結果表明，350 m ×350 m尺度下耕地變化軌跡的ROC值的擬合優度為0.717，為7個尺度中最高值。ROC值>0.7時，模型擬合效果較好，該模型通過ROC檢驗，模型預測正確率為87.6%，可用于研究區耕地轉化軌跡的驅動機制分析。

Waldχ2統計量用于表征各驅動因子對于耕地轉化軌跡的解釋程度，其值越大，表示解釋程度越高?；貧w系數的符號代表各驅動因子對轉化軌跡的影響方向，發生比率表示自變量每增加一個單位后發生比為原發生比的倍數。根據Waldχ2統計量，對各轉化軌跡影響顯著性排名前4的驅動因子及其Logistic回歸模型各項參數進行匯總，見表5。

（1）轉入耕地軌跡驅動力分析。地理區位和社會經

濟因素是影響耕地轉入的主要因素。其中，距海岸線的距離、距黃河距離、人口密度差、距鄉鎮距離是耕地轉入的主要驅動因子。貢獻率分別為1 832.730、589.109、408.403、398.933。其中，距海岸線越遠轉入耕地的概率越高，而距黃河和城鎮距離越近、人口增加越多，耕地轉入可能性越大。黃河三角洲受海洋咸水的侵漬側滲影響，距海越近土壤中含鹽量和地下水礦化度越高 [30-31]，距海岸線的距離成為影響非耕地是否適宜向耕地轉化的主導因子。其次，黃河是黃河三角洲形成與演化的原始動力，還是研究區最主要的淡水來源，耕地分布隨著灌溉條件的改善由黃河河道兩岸向外延伸。隨著研究區人口數量的不斷增加，人類對耕地的需求和活動范圍持續擴大，大量非耕地被改造為耕地。黃河三角洲人口主要集中分布在基礎設施完善的鄉鎮和城市中，距城鎮較近的土地受人類活動影響強烈，更容易被改造為耕地。

（2）轉出耕地軌跡驅動力分析。地理區位是影響耕地轉出的主要因素。轉出耕地空間變化的解釋變量包括距海岸線的距離（貢獻度1 914.205）、距鄉鎮距離（貢獻度763.296）、距黃河距離（貢獻度142.210）是耕地轉出的主要驅動因子。即越深入內陸，耕地轉出可能性越大。距黃河和城鎮越近，增大了耕地轉出的概率。隨著距海岸線距離的增加，土地鹽堿化程度逐漸降低，人類影響更強烈，耕地轉出現象頻發，距海岸線的距離成為耕地轉出的主導驅

動因子。隨著人口增加、城鎮化水平提高，鄉鎮建筑用地面積增加，建筑用地擴張最先侵占地形平坦、距鄉鎮距離較近的耕地，距鄉鎮距離每減少1 km，耕地轉出軌跡的發生概率增加1.34倍。

4 結論與討論

4.1 結論

（1）黃河三角洲是中國重要的土地資源增長區和耕地儲備區。1986—2016年間，黃河三角洲耕地面積持續增加，耕地所占比例逐年上升，最后略有下降。30年間，耕地轉出面積279.20 km2，耕地轉入面積907.07 km2。未利用地是研究區耕地增加的主要來源，建筑用地是耕地轉出的主要流向。恒定非耕地主要分布在河口區和墾利區，是研究區面積最大的軌跡，間歇性變化耕地主要分布在河口區，耕地轉入軌跡主要分布在墾利區，恒定耕地軌跡與耕地轉出軌跡面積較少，在各縣區均有分布。

（2）景觀格局分析表明，有耕地參與軌跡轉化面積占研究區面積的62.75%，是研究區重要的景觀類型。間歇性耕地和恒定耕地周邊的耕地變化最為復雜，轉入耕地和轉出耕地多分布在兩者邊緣。不穩定耕地是研究區變化最劇烈的耕地軌跡類型，轉入耕地FRAC-AM指數大于轉出耕地，轉入耕地大于轉出，耕地呈增加狀態。

（3）Logistic回歸分析顯示，氣溫、降水對耕地轉化作用并不顯著，地理區位是黃河三角洲地表耕地演化的主要驅動因素。不同類型的耕地轉化軌跡驅動力不同。距海岸線距離、距黃河距離、人口密度差、距鄉鎮距離是影響耕地轉入軌跡的主要驅動因子;距海岸線距離、距鄉鎮距離、距黃河距離是耕地轉出軌跡的主要驅動因子。

4.2 討論

（1）耕地演化是自然環境、社會經濟和區位條件等多種因素共同作用的結果。不同三角洲耕地演化特征和驅動機制不同，研究顯示：珠江三角洲耕地演化是人口、城市化和人民生活水平驅動的結果[32-33]，人口、二三產業比重和城市化水平等社會經濟因素是長江三角洲耕地演化的關鍵因素[34-35]，人類干擾是導致遼河三角洲耕地變化的主要原因[36]，而區位因素和社會經濟因素是黃河三角洲耕地演化主導驅動力。由此可見，作為一種典型的人工用地類型，社會經濟因素對三角洲耕地演化產生重要影響，耕地演化與人口數量、社會經濟水平、城市化、產業結構等息息相關。而與其他三角洲不同，區位因素在黃河三角洲耕地演化中同樣發揮著重要作用。由于研究區成陸時間較晚，黃河三角洲土壤鹽漬化嚴重，對黃河水具有較強的依賴性。另外，該區域人類開發歷史較短，社會經濟發展水平相對較低。距海岸線、距黃河河道等區位因子，既體現出自然因素（土壤鹽堿化、淡水可達性）還反映出社會經濟因素（人口、人類活動）異質性分布對耕地演化的影響。整體而言，黃河三角洲耕地轉化和驅動機制與研究區獨特的自然發育特征與社會經濟發展進程關系密切，同時還從側面反映出黃河三角洲與其他三角洲社會經濟水平存在一定差距，開發潛力較大。

（2）耕地轉化的驅動機制極其復雜，受限于數據量化方法的可操作性和驅動機制的復雜性，驅動因子體系并不能全面地反應出耕地演化的驅動過程。首先，諸如政府政策、城市發展水平、保護區影響程度等因素在特定區域與時間內對耕地轉化驅動巨大，但難以精確合理的量化 [37]。其次，自然因素驅動伴隨著黃河三角洲整個發育史，當研究跨度較短時，氣溫、降水等相對穩定的自然因素作用甚微[33]。此外，由于研究區行政區劃調整頻繁，導致部分數據只能統計到鄉鎮一級。如能使用更精確的社會經濟數據，分析結果將更加精準。

（編輯：李 琪）

參考文獻

[1]TILMAN D， FARGIONE J， WOLFF B， et al. Forecasting agriculturally driven global environmental change[J]. Science， 2001， 5515： 281-284.

[2]KLEIJIN D， KOHLER F， BLDI A， et al. On the relationship between farmland biodiversity and land-use intensity in Europe[J]. Proceedings of the royal society B： biological sciences， 2008， 1658： 903-909.

[3]王迪，聶銳，王勝洲. 耕地保護外部性及其經濟補償研究進展[J]. 中國人口·資源與環境， 2012， 22（10）： 131-136.

[4]ESTEL S， KUEMMERLE T， ALCNTAR A， et al. Mapping farmland abandonment and recultivation across Europe using MODIS NDVI time series[J]. Remote sensing of environment， 2015， 163： 312-325.

[5]田光進，莊大方，劉明亮. 近10年中國耕地資源時空變化特征[J]. 地球科學進展， 2003， 18（1）： 30-36.

[6]譚永忠，何巨，岳文澤，等. 全國第二次土地調查前后中國耕地面積變化的空間格局[J]. 自然資源學報， 2017， 32（2）： 12-23.

[7]宋戈，梁海鷗，林佳，等. 黑龍江省墾區耕地利用綜合效益評價及驅動力分析[J]. 經濟地理， 2010， 30（5）： 835-840.

[8]傅澤強，蔡運龍，楊友孝，等. 中國糧食安全與耕地資源變化的相關分析[J]. 自然資源學報， 2001， 16（4）： 313-319.

[9]李景剛，何春陽，史培軍，等. 近20年中國北方13省的耕地變化與驅動力[J]. 地理學報， 2004， 59（2）： 274-282.

[10]李秀彬. 中國近20年來耕地面積的變化及其政策啟示[J]. 自然資源學報， 1999， 14（4）： 329-333.

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

[12]李均力，姜亮亮，包安明，等. 1962—2010年瑪納斯流域耕地景觀的時空變化分析[J]. 農業工程學報， 2015， 31（4）：277-285.

[13]鄧楚雄，李曉青，向云波，等. 長株潭城市群地區耕地數量時空變化及其驅動力分析[J]. 經濟地理， 2013， 33（6）： 142-147.

[14]石曉麗，史文嬌. 氣候變化和人類活動對耕地格局變化的貢獻歸因綜述[J]. 地理學報， 2015， 70（9）：1463-1476.

[15]曾凌紅，王鈞，王紅亞. 基于GIS和Logistic回歸模型的北京山區耕地變化分析與模擬[J]. 北京大學學報（自然科學版）， 2009， 45（1）： 165-170.

[16]趙銳鋒，王福紅，張麗華，等. 黑河中游地區耕地景觀演變及社會經濟驅動力分析[J]. 地理科學， 2017， 37（6）： 920-928.

[17]張緒良，肖滋民，徐宗軍，等.黃河三角洲濱海濕地的生物多樣性特征及保護策略[J]. 濕地科學， 2011， 9（2）： 125-131.

[18]SHI T， QI S， MENG F， et al. Land use change and landscape response in the Yellow River Delta of China： a case of Dongying City[J]. Environmental earth sciences， 2016， 75（7）： 547.

[19]BAO L， ZHANG L， YIN S M， et al. Assessment on characteristics of LUCC process based on complex network in Modern Yellow River Delta， Shandong Province of China[J]. Earth science informatics， 2016， 9（1）： 83-93.

[20]栗云召，于君寶，韓廣軒，等. 黃河三角洲自然濕地動態演變及其驅動因子[J]. 生態學雜志， 2011， 30（7）： 1535-1541.

[21]SHU Y， HU Y M. Analysis of land use and land cover change in Yellow River Delta[J]. Journal of soil and water conservation， 2006， 20（5）： 158-161.

[22]曹文. 黃河三角洲地區耕地資源的可持續利用研究[J]. 中國人口·資源與環境， 2001， 11（51）： 26-27.

[23]周文佐. 近10 a黃河三角洲LUCC及其驅動因素分析[J]. 農業工程學報， 2010， 26（1）： 341-345.

[24]汪小欽，王欽敏，劉高煥，等. 黃河三角洲土地利用/土地覆被區域分異[J]. 自然資源學報， 2006， 21（2）： 165-171.

[25]趙志杰，張成揚. 黃河三角洲土地利用/覆蓋時空變化研究[J]. 應用基礎與工程科學學報， 2016， 24（4）： 731-740.

[26]吳美瓊，陳秀貴. 基于主成分分析法的欽州市耕地面積變化及其驅動力分析[J]. 地理科學， 2014， 34（1）： 54-59.

[27]劉超，霍永偉，許月卿，等. 生態退耕前后張家口市耕地變化及影響因素識別[J]. 自然資源學報， 2018， 33（10）： 134-148.

[28]趙宇東，劉嶸，劉延齡，等. 多元 Logistic回歸的共線性分析[J]. 中國衛生統計， 2000， 17（5）： 259-261.

[29]斯科特·梅納德. 應用Logistic回歸分析[M].第2版. 李俊秀，譯. 上海： 上海人民出版社， 2012.

[30]姚榮江，楊勁松，劉廣明，等. 黃河三角洲地區典型地塊土壤鹽分空間變異特征研究[J]. 農業工程學報， 2006， 22（6）： 61-66.

[31]楊勁松，姚榮江. 黃河三角洲地區土壤水鹽空間變異特征研究[J]. 地理科學， 2007， 27（3）： 348-353.

[32]曹康琳，廖金鳳. 珠江三角洲耕地資源變化區域差異及對策[J]. 中國人口·資源與環境， 2000， 10（2）： 75-78.

[33]董文福. 珠江三角洲耕地變化及驅動力研究[C]// 土地變化科學與生態建設學術研討會. 2005.

[34]黃賢金，方鵬. 長江三角洲地區農地流轉的土地利用變化機理及驅動力模型研究[C]// 全國青年管理科學與系統科學學術會議. 2005.

[35]陳肖飛，姚士謀，張落成. 1990年以來長江三角洲耕地資源變化及驅動因子研究[J]. 長江流域資源與環境， 2015， 24（9）： 1521-1527.

[36]王凌，李秀珍，郭篤發. 遼河三角洲土地利用變化及其影響[J]. 山東師范大學學報（自然科學版），2003， 18（3）： 43-47.

[37]謝花林，李波. 基于logistic回歸模型的農牧交錯區土地利用變化驅動力分析——以內蒙古翁牛特旗為例[J]. 地理研究， 2008， 27（2）： 294-304.

Study on transformation trajectory and driving factors of cultivated land

in the Yellow River Delta in recent 30 years

LI Yun-long1，2 HAN Mei1 KONG Xian-lun1 WANG Min1，2 PAN Bin1 WEI? Fan1 HUANG Shu-ping2

（1.College of Geography and Environment， Shandong Normal University， Jinan Shandong 250014， China;

2.School of History and Social Development， Qilu Normal University， Jinan Shandong 250200， China）

Abstract The Yellow River Delta is a vital area of land growth and cultivated land reserve in Shandong Province and even in China. Cultivated land is one of the most important landscape types in study area. By interpreting Landsat TM/OLI images， the land use/cover information of the Yellow River Delta in 1986， 1992， 1998， 2004， 2010 and 2016 was extracted. The trajectory analysis method was used to analyze the temporal and spatial variation of cultivated land trajectory. Index （PLAND）， Dispersion and Parallel Index （IJI）， Area Weighted Average Patch Fractal Dimension Index （FREAC-AM） were used to analyze the landscape pattern of different types of cultivated land conversion. 13 factors were selected from three categories： natural environment， socio-economic and location factors and logistic regression model was used to analyze the driving force of cultivated land conversion. The results showed that： ①The cultivated land increased from 1 390.16 km2 to 2 184 km2 from 1986 to 2004. However， the area decreased to 2 138.88 km2 in 2016. Thus， the cultivated land and its ratio of the whole delta showed a trend of increase in 1986 to 2004， and decreased from 2004 to 2016. Over the past 30 years， 322.46 km2 unutilized land was transferred to the cultivated land， which was the main source of the increased cultivated land. The cultivated land of 107.82 km2 changed to construction land was the main source. The constant non-cultivated land was mainly distributed in Hekou and Kenli Districts. The intermittent cultivated land was mainly distributed in Hekou District. The converted cultivated land was mainly distributed in Kenli District. The constant cultivated land and the transferred cultivated land were distributed in all counties and districts. ②Cultivated land was one of the most important types of landscapes in the Yellow River Delta. The cultivated land trajectory accounted for 62.75% of? the study area. The IJI indexes of intermittent cultivated land and constant cultivated land were 89.84% and 78.20% respectively， indicating that the cultivated land around intermittent cultivated land and constant cultivated land was complex， and the adjacent landscape types were the most. At the same time， the FREAC-AM index of intermittent arable land was 1.22， which was the most complex type of arable land conversion trajectory in the study area. ③Logistic analysis showed that the geographical location was the main driving factor for the conversion of cultivated land in the Yellow River Delta. The main driving factors for the conversion of cultivated land were distance from the coastline （contribution rate 1 832.730）， distance from the Yellow River （contribution rate 589.109）， population density difference （contribution rate 408.403）， and distance from township （contribution rate 398.933）. Distance from the coastline （contribution rate 1 914.205）， distance from township （contribution rate 763.96）， distance from the Yellow River （contribution rate 142.210） were the main driving factors for the conversion of cultivated land.

Key words cultivated land; Yellow River Delta; change trajectory; landscape pattern; logistic regression analysis