河西走廊景观类型变化的社会经济驱动力研究，本文主要内容关键词为：河西走廊论文,驱动力论文,社会经济论文,景观论文,类型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F301.24文献标识码：A
人类活动深刻地改变着自然地理环境，土地利用是这种作用的主要形式，而其直接结果是地表覆被状况的改变[1～4]。目前，人类面临的许多环境问题都与土地利用和土地覆被变化有关。在全球环境变化研究中，土地利用变化，也就是景观变化驱动力的研究有助于解释人地系统相互作用的内在机制。
景观变化主要体现为景观单元在面积、类型以及空间格局上的变化。以往对景观格局变化研究多注重景观单元面积、类型以及格局的变化[5～12]，而对其变化驱动力研究较少，在探讨变化时也主要是借助定性描述和统计学的一些指标，分析变化的驱动力研究方法不够完备，因此如何准确地分析景观变化驱动力，是景观变化研究领域的一个关键问题，具有重要科学和实践意义。目前，已有的驱动力分析主要是基于面积的景观变化[13]，本文尝试在区域尺度上进行景观类型变化的社会经济驱动力研究。
1 驱动力类型综述
景观类型驱动力分析之前，有必要在宏观上对可能的驱动力层次和类型加以阐述。景观类型变化的驱动力是多方面的[13～19]（注：龙花楼.长江沿线样带土地利用变化与土地可持续利用，中国科学院地理科学与资源研究所博士后出站报告，2001.），目前多从经济行为、社会行为及自然行为等多角度进行综合分析。
1.1 经济行为驱动
经济行为驱动又分为生存型经济福利驱动和最优经济福利驱动两类。
(1)生存型经济福利驱动。在社会经济发展水平较低的地区，经济基本处于传统的自然经济状态，土地产品商品率低，工商业不发达，土地利用的目的是为了获取土地的直接物质产出，以满足人们的基本生活需要。
(2)最优经济福利驱动。在市场经济得到充分发展的地区，人们开发利用土地主要是为了市场交换。土地产品或服务的市场供求状况和比较效益是影响土地利用变化的主导因素，故又称经济福利驱动。在经济增长和城市化发展较快的地区，由于比较经济福利驱动，耕地被非农产业占用的现象比较普遍。
在上述两类经济行为综合影响下，往往造成景观斑块面积、数量以及类型变化。
1.2 社会行为驱动
社会行为驱动又分为环境安全驱动和食物安全驱动两类。
(1)环境安全驱动。人类通过土地利用活动改变地表覆被状况，由此产生许多负面的环境效应，如土壤侵蚀、环境污染。土地生产力的降低是土地利用本身所受影响的主要表现形式，严重的环境退化甚至造成景观的一种或多种可利用属性的丧失，迫使人们改变景观利用类型，以恢复和保护人类生存所需的生态环境。
另一方面，随着社会经济水平的不断提高，人们开始追求环境质量的改善和生活质量的提高，于是景观的环境收益开始受到重视。在生态环境脆弱及其外部影响强烈的地区，这种驱动力尤其重要。由于景观的环境收益具有强烈的外部性，所以以改良环境为目的的景观类型变化主要是宏观主体（政府或集体）的行为。
(2)食物安全驱动。食物是人类生存的最基本要素，土地是食物生产的最终源泉，在一定的国际政治经济背景下，保证一定的农业用地和基本的食物供给，直接关系着国家或集体的生存安全。因而，政府的农业和土地保护政策构成了景观变化的重要影响因素。在耕地稀缺地区和重要粮食产地，耕地的保护受到政府的高度重视。
1.3 自然行为驱动
自然条件的变化也是景观类型变化的重要驱动力，但由于短时期内，自然条件变化一般比较稳定，而对于大的时空尺度景观类型变化具有较为显著的效应，在较小时空范围内的景观类型变化则显得随机性过强。考虑到本文研究时间尺度过短，因而对自然行为驱动力只做浅层次分析。
2 研究区及数据
2.1 研究区
河西走廊系指甘肃省黄河以西地区（亦称河西地区），在国外的地理文献中，则称之为甘肃走廊。行政上包括武威、张掖、酒泉、金昌和嘉峪关5个地级市，20个县（市、区）。东西延伸1100km，面积27.6万
，占甘肃省总面积的60%以上，总人口468.05万[19]）。自然景观由三部分组成：南部是高峻的祁连山，是走廊重要的水源地和涵养林景观；北部是长期剥蚀的低山残丘，主要是沙漠和戈壁景观；中部为走廊平原地带，被大黄山和大黑山分为三大水系（石羊河、黑河和疏勒河流域），发育了众多的大小绿洲，成为走廊经济发展的核心地带。总体看来，河西走廊自然格局不均衡，生态系统相当脆弱，尤其是水资源紧缺，制约着区内资源利用和经济发展。目前，各类荒漠化土地达5.03万，占土地总面积的18.3%。
随着全国西部大开发战略的全面实施，河西走廊将成为开发大西北的纽带和依托，“再造河西走廊”将成为历史必然。同时，走廊也将面临产业结构的大幅度调整和生态环境改善的双重任务。因此，迫切需要对其景观变化进行研究，探讨区域可持续发展途径，制定生态安全战略，以实现走廊的可持续发展。
2.2 数据
空间数据利用1995和2000年两个时期的Landsat5的4、3、2(RGB)波段合成影像的解译结果。景观分类体系采用中国科学院资源环境数据库中的全国1:10万土地资源利用分类系统，考虑本研究主要是从宏观上来把握各景观类型变化的驱动力，因而采用一级类型：耕地、林地、草地、水域、城乡建设用地和未利用土地。数据存储格式按照分县（市、区）ARC/INFO的COVERAGE格式进行存储，数据处理所用的GIS软件平台为ARC/INFO 8.0版。社会经济统计数据主要是甘肃省统计年鉴[19]。
3 景观类型变化
3.1 景观类型变化总体特点
1995-2000河西走廊景观类型变化有以下特点：
(1)空间分布特征表现为石羊河、黑河流域耕地增加，草地、未利用地减少的特点；疏勒河流域为林地增加，草地减少的特点。从整个走廊来说，走廊平原变化大，南、北两山变化小。
(2)结构变化特征表现为草地、未利用地和水域减少，耕地、林地和城镇用地增加的特点，反映出生态环境恶化的趋势。
(3)区域差异明显，表现为走廊东段的武（威）金（昌）地区以未利用地和草地减少，耕地和城镇用地增加为主要变化特点；中段的张掖地区以草地和未利用地减少，耕地、林地增加为主要变化特点；西段的酒（泉）嘉（峪关）地区则以草地减少，林地、建设用地增加为主要变化特点。
3.2 基于县域的景观类型变化
为判断研究区景观类型变化的趋势，有必要对区域内变化斑块的几何特征、变化率以及景观变化与GDP的关系进行统计分析。
(1)景观类型几何特征的变化。在统计研究区内发生变化斑块面积和周长的基础上，计算出各县域内的变化斑块的特征半径（研究区内斑块面积和周长的比值），其空间分布如图1所示。可以看出，变化斑块特征半径的分布具有边缘大、中间小；西部大、东部小的特点。反映了在西部的林业及牧业区变化斑块往往较大，可能主要是由于区域自然条件（如气温、降水等）的影响；而中东部的农业和工业区的变化斑块通常较小，可能主要是由于人为经济活动干扰的影响。
图1 河西走廊各县市斑块特征半径等级分布
Fig.1 Ranking distribution map of eigenradius of patches in the counties of Hexi Corridor
(2)景观类型变化率。将研究区内发生变化的斑块数和类型变化率（研究期末和研究期初斑块类型的比值）按等级赋值，其空间分布如图2、3所示。分析发现，斑块变化数和类型变化率具有一定的空间相关性，如西部的斑块变化数和斑块类型变化率表现出正相关；而中东部的则具有反相关。揭示出西部景观类型变化特点为随着景观变化的扩展，景观类型也相应增加，即空间异质性增加；而中东部的变化规律显示景观变化的扩展并没有带来景观类型的增加，反映了空间均质性有所增加。分析两者的成因，西部异质性的增加表明原来单一的草地景观和林地景观正在破碎化，原因是区域自然条件（如气温、降水等）和人为干扰的综合影响；中东部均质性的增加表明农地和部分林地景观正在扩展，原因主要是人为的开垦和环境的治理。
图2 河西走廊各县市斑块变化数等级分布
Fig.2 Ranking distribution map of change number of patches in the counties of Hexi Corridor
图3 河西走廊各县市斑块类型变化率等级分布
Fig.3 Ranking distribution map of change rate of patch types in the counties of Hexi Corridor
(3)景观变化与GDP的对应。对区域内部的人均GDP的变化（研究期末和期初人均GDP的差值）按等级赋值，其空间分布如图4。分析发现，研究区西部人均GDP增加高于中东部，反映了人为经济活动在西部的快速增长，而中东部的经济增长较为缓慢。这与西部和中东部景观变化的差异性可取得较好对应。
图4 河西走廊各县市人均GDP变化量等级分布
Fig.4 Ranking distribution map of GDP change in the counties of Hexi Corridor
可以判断，研究区景观动态变化和社会经济发展具有较高的时空相关性。因而，有必要对各个类型斑块变化进一步分析其内在社会经济驱动力。
4 驱动力分析
4.1 分析方法
在研究指标之间的联系时，可计算相关系数，并进行回归分析。相关系数反映的是两个变量之间的相关程度，而回归分析则是考察若干变量与某一个变量之间的数量关系。但它们都不能反映一组变量整体与另一组变量整体之间的内在联系。典型相关分析（Canonical Correlation Analysis，简称CCA）则可把指标之间的联系扩展到两组随机变量之间的内在联系，是景观动态驱动力分析的一种有效方法。通常情况下，结合区域背景的景观类型变化分析，可了解区域景观类型变化的直接原因。考虑到各类景现斑块变化驱动力的不同，及分析精度的要求，现将标准变量组Y分为标准增量组
（景观斑块转出率）和标准减量组
（景观斑块转入率），自变量组X（驱动／约束因子变化）不变。分别对与X、与X进行典型相关分析，计算出各自的典型载荷，提取出典型相关系数最大的组合，最后分别进行结果检验。
具体操作方法是：在自变量组各变量之间提出一个典型变量，在标准变量组各变量之间也提出一个典型变量，并使这一典型变量组合具有最大的相关；然后又在每一组变量中提出第二个典型变量，使得在与第一个典型变量不相关的变量中，这两个典型变量组合之间的相关是最大的；如此往复，直到两组变量间的相关被提取完毕为止。可见，CCA把原来较多变量转化为少数几个典型变量，通过这些较少的典型变量之间的典型相关系数来综合地描述两组多元随机变量之间的相关关系。
4.2 驱动因子筛选
采用主成分分析筛选驱动因子。标准变量组Y为研究区各景观类型斑块数目的变化，即20世纪90年代中期和2000年这两时段各类景观斑块转出率和转入率；自变量组X为社会经济条件的变化，相应采用这两时段内变化的差值。其中，Y包括12类景观斑块转移率（耕地斑块数转出和转入变化、林地斑块数转出和转入变化、草地斑块数转出和转入变化、建设用地斑块数转出和转入变化、水域和未利用地斑块数转出和转入变化）；X有7个社会经济条件变量。河西走廊共有20个县（市、区），基本满足了样本要求。进行统计分析前，通过社会科学统计软件SPSS对原始数据（共17个变量）进行主成分分析（图5中a）和因子旋转处理（图5中b），通过旋转处理可更好的解释主成分因子和变量的关系，最后有7个主因子（表1）进入了目标变量组。
图5 主成分因子特征值分布图
Fig.5 Distribution map of eigenvalue of primary factors
表1 各主成分名称以及内涵
Tab.1 Name and connotation of primary factors
主因子 名称
内涵
主因子1农牧综合因子 总劳动力，化肥使用，农业产值，畜牧产量
主因子2农业投入因子 农业机械，播种面积
主因子3农业产出因子 人均产量，农业产量
主因子4林业产出因子 林业产值
主因子5渔业产出因子 渔业产值
主因子6收入因子农民收入
主因子7工业产出因子 工业产值
4.3 运行结果与分析
根据CCA的要求，采用研究区20个县（市、区）中筛选的7个主因子作随机向量X，景观类型变化为随机向量Y，进行典型相关分析。
(1)增量组与X的典型相关分析。运用SPSS中的子程序CANCORR直接对数据进行CCA，得出典型载荷（表2）。
由于同一随机变量组内各典型变量之间的样本协方差为零，不同组不对应的典型变量间的样本协方差也为零，这使得分析变量组和变量组X之间的关系转化为只需分析从两组中提取出的相对应的典型变量之间的关系。
表2 运用典型相关分析所得的河西走廊各类斑块转出的典型载荷*
Tab.2 Canonical loadings of export patches in Hexi Corridor from Canonical Correlation Analysis
* 数据来源：甘肃统计年鉴(1996)，甘肃统计年鉴(2001)[19]。
第一个典型变量将耕地斑块转出从变化类型中分离出来，其典型载荷为—0.804。自变量组中与之相对应的解释变量（即驱动／约束因子，下同）主要是主成分1和主成分3（相应的典型载荷分别为—0.538和—0.645）。可见，耕地斑块转出与主成分1和3的变化呈正相关，表明农牧业投入产出增加，耕地斑块转出也会有所增加。
第二个典型变量将水域斑块转出从其他类型中分离出来，其典型载荷为—0.814。其驱动／约束因子主要是渔业产值的变化（相应的典型载荷分别为0.742）。
第三个和第五个典型变量将未利用地斑块转出从其他类型中分离出来，其典型载荷为—0.547。其驱动／约束因子主要是农业投入产出的变化（相应的典型载荷分别为—0.702）。
第四个典型变量将林地斑块转出从其他类型中分离出来，其典型载荷为—0.834。其驱动／约束因子主要是农业产值和工业产值的变化（相应的典型载荷分别为—0.702）。
第六个典型变量将城建斑块转出从其他类型中分离出来，其典型载荷为0.409。其驱动／约束因子主要是农民收入的变化（相应的典型载荷分别为—0.624）。
(2)减量组与X的典型相关分析。同样，运用CANCORR子程序在SPSS中直接对数据进行CCA，得出典型载荷（表3）。
第一个和第二个典型变量将水域斑块转入从变化类型中分离出来，其典型载荷为—0.634。自变量组中与之相对应的解释变量（即驱动/约束因子，下同）主要是主成分5（相应的典型载荷分别为—0.612）。可见，水域斑块转入与主成分5的变化呈正相关，表明渔业产值变化大，其水域斑块转入会有所增加。
第二个典型变量还将城建斑块转入从其他类型中分离出来，其典型载荷为—0.543。其驱动／约束因子主要是林业产值的变化（相应的典型载荷分别为0.703）。
第三个典型变量将城建斑块转入从其他类型中分离出来，其典型载荷为—0.747。其驱动／约束因子主要是工业产值的变化（相应的典型载荷分别为—0.723）。
第四个典型变量将草地斑块转入从其他类型中分离出来，其典型载荷为—0.77。其驱动／约束因子主要是农业投入的变化（相应的典型载荷分别为—0.702）。
第五个典型变量将林地斑块转入从其他类型中分离出来，其典型载荷为0.819。其驱动／约束因子主要是农业投入产出的变化（相应的典型载荷分别为—0.818）。
第六个典型变量将耕地斑块转入从其他类型中分离出来，其典型载荷为—0.366。其驱动／约束因子主要是农民收入的变化（相应的典型载荷分别为—0.789）。
表3 运用典型相关分析所得的河西走廊各类斑块转入的典型载荷*
Tab.3 Canonical loadings of import patches in Hexi Corridor from Canonical Correlation Analysis
* 数据来源：甘肃统计年鉴(1996)，甘肃统计年鉴(2001)[20]。
5 结论
近5年来，河西走廊景观类型变化受社会经济因素的综合影响。通过定量分析，提取出的影响因子有：农牧综合因子（包括总劳动力、化肥使用、农业产值、畜牧产量）、农业投入因子（农业机械，播种面积）、农业产出因子（人均产量，农业产量）、林业产值、渔业产值、农民收入和工业产值。其中，引起耕地斑块转出的因子是农牧投入-产出的增加，水域斑块转出直接与渔业产值有关，未利用地琏块转出与农业机械的使用和播种面积增加相关，林地转出的因子是农业产量和工业产值的变化，城建斑块转出与农民收入低、城市化水平有关；城镇用地斑块转入是工业产值增加的结果，草地、林地斑块转入的因子是农业投入的增加，耕地斑块转入与农民收入增加有关，水域斑块转入直接因子是渔业产值增加。
结合驱动力类型分析，表明：①耕地面积变化主要是最优经济福利及粮食安全驱动作用下的结果；②草地、林地被开垦，耕地增加主要是生存型经济福利驱动的结果，最优经济福利驱动有时也起到一定的作用；③城镇用地增加主要是最优经济福利驱动的结果；④在生态环境脆弱及其外部影响强烈的地区，林地被恢复重建和一些未利用地被充分利用，这主要是环境安全驱动作用的结果。
收稿日期：2003-02-25；改回日期：2003-05-06