1、20002015 年雅鲁藏布江流域耕地格局动态变化影响因素分析*张天媛1，2，3）沈石1，2）程昌秀1，2，3）叶思菁1）（1）北京师范大学地表过程与资源生态国家重点实验室，100875，北京；2）北京师范大学地理科学学部，100875，北京；3）国家青藏高原科学数据中心，100101，北京）摘要基于 30m 分辨率的卫星遥感土地利用数据，利用地理探测器和地理加权逻辑回归方法，探究了20002015 年雅鲁藏布江流域的耕地格局动态变化及其影响因素.结果表明：1）雅鲁藏布江流域被占用的耕地主要分布在拉萨市（60.42%）、林芝市（16.21%）和山南市（13.01%）的城市周边区域，多变为水体和
2、建设用地；补充的耕地主要分布在日喀则市（55.81%）、林芝市（23.26%）和拉萨市（19.61%），多由林地和草地转入.2）经济发展、交通基础设施和行政辐射主要影响耕地占用；国家投资变化、行政辐射和海拔主要影响耕地补充.3）耕地变化的影响因素存在明显的空间异质性.其中农业劳动力流失、旅游业发展和粗放式耕作等因素是耕地变化面临的主要问题.建议在拉萨和林芝的市郊地带强化保护后备耕地，在日喀则给予资金与技术培训等农业政策倾向，以实现雅鲁藏布江流域区域差异化的耕地保护管理.关键词雅鲁藏布江；耕地；格局变化；地理探测器；地理加权逻辑回归中图分类号P931.1；TU982DOI：10.12202/j.
3、0476-0301.20221260引言耕地是青藏高原社会经济发展的稀缺性和关键性基础自然资源.耕地面积仅占青藏高原土地总面积的 1%左右1，以青稞和小麦等粮食种植为主.青稞等主粮对于西藏的居民日常生活和区域社会经济发展具有重要意义，青稞及青稞制品是西藏城乡居民的主要农产品，其他青稞酒在藏民日常饮食中占据十分重要且特殊的地位2.西藏统计年鉴表明，2019 年西藏的青稞和小麦的产量分别达到 7.98109和 1.87109kg，其中绝大部分被当地居民消费3.此外，青稞已经成为西藏代表性的地理标志产品，相关的粮食深加工产业在带动当地经济发展和农牧民致富中扮演着关键角色2.耕地变化直接关系到了西藏的
4、粮食生产和自给自足，进而影响到青藏高原区域高质量发展、社会稳定和人民福祉.随着社会经济的发展，青藏高原耕地分布格局正在发生新的变化.近 20 年来，青藏高原地区耕地面积虽然大致保持稳定4，但略有下降，且人均耕地面积不断减少，对当地的粮食安全造成了潜在威胁56.同时，青藏高原耕地逐渐向高海拔、高纬度、大坡度地区转移，这些地区新增耕地的质量和耕作管理水平低，不仅农业产能效益低下，还容易引发水土流失等生态问题5，79.为保护青藏高原耕地，在分析耕地总量变化的基础上，还需深入理解近年来青藏高原尤其是西藏耕地格局的时空变化及转换过程.影响青藏高原耕地变化的因素十分复杂.现有研究多基于耕地调查数据和卫星遥
5、感数据在不同尺度上分析了影响青藏高原耕地变化因素.例如：张丽萍等10基于地块调查数据，通过分层随机抽样和地块调查方法，调研青藏高原金川县克尔马村村民的生计和耕地利用模式，发现农户保护土地的动力降低，进而造成了土壤侵蚀和土地退化；蒋贵彦等11依据统计资料，运用主成分分析方法分析青海省耕地变化的驱动力，认为果园、鱼塘等高收入的土地经营方式影响了农民的种植意愿，导致耕地进一步减少和被占用.此外，通过分析耕地产量实际调查数据，研究发现在青藏高原地区，由于生态退耕政策的实施，大量劣质耕地得以被改造1213.郑朝菊等14、杜新波等15*第二次青藏高原综合科学考察研究（2019QZKK0608）；美丽中国生
6、态文明建设科技工程（XDA23100303）通信作者：沈石（1990），男，博士，讲师.研究方向：时空数据分析与建模.E-mail:收稿日期：2022-04-29北京师范大学学报（自然科学版）2023-02136JournalofBeijingNormalUniversity（NaturalScience）59（1）使用卫星遥感土地利用覆被数据，结合定量与定性方法，分别分析了青藏高原东南部和青海省的耕地变化原因，发现退耕还林还草、土地开发整理复垦、道路与水利水电工程是影响耕地变化的重要因素；万方等8对 19902018 年河湟谷地的 Landsat 卫星影像通过监督分类获得耕地数据，经空间统计
7、分析发现，由于城镇化过程占用大量已有耕地，导致新增耕地向高海拔、高坡度方向开垦；刘曼晴等16基于 LandsatTM 卫星影像解译了 19992009 年拉萨地区的土地利用分类，利用主成分分析发现人口、经济、城市化建设等因素影响了拉萨地区的土地利用变化.此外，气候变化对青藏高原地区耕地的影响作用尚存争议：有研究分别通过农户调研17和 Landsat 卫星遥感影像人机交互解译的方法获取研究数据，发现由于气候变暖，青藏高原地区的耕地耕种强度和面积增加7，18；也有研究认为相比于人类活动，气候变化对耕地变化的影响较弱，并非影响青藏高原耕地的主导因素14，19.现有关于耕地变化原因的研究中，使用耕地调
8、查数据的研究多以乡村、小流域等典型区域作为研究区，难以开展长期的、面向大流域的耕地变化机制调研.使用卫星遥感数据的研究以高原、省域等大区域为研究区，可以开展长时段耕地变化分析.但是，卫星遥感数据的研究主要使用主成分分析、Probit 回归等统计模型方法，未考虑空间异质性，也未区分耕地转入和被占用，导致对西藏耕地变化影响因素的分析不够全面具体1516，20；同时，关于耕地变化情况及趋势的研究多集中在青海省11，15，20、河湟谷地8，17、“一江两河”区域1718，21以及拉萨市16等行政区域.虽然也有研究对大流域地区的土地利用时空格局进行分析22，但依然聚焦于其变化趋势，尚未系统地量化分析影响
9、流域耕地变化的社会经济和自然环境因素.雅鲁藏布江流域位于青藏高原南部，集中了西藏50.56%的耕地，是西藏主要青稞产地和青藏高原地区两大主要产粮区之一18，23，为当地粮食的自给自足提供重要保障.与青藏高原耕地变化趋势相似，雅鲁藏布江流域也存在耕地面积减少、边际土地增多的问题22，且随着西藏社会经济的迅速发展，雅鲁藏布江流域的耕地保护面临着巨大压力和严峻挑战.本文选取雅鲁藏布江流域作为研究区，分别从耕地被占用和补充两方面研究 20002015 年雅鲁藏布江流域耕地的时空格局变化，分析社会经济和自然环境要素对耕地被占用与补充的主导因素及其空间差异，并探讨雅鲁藏布江流域耕地变化的影响机制，为完善西
10、藏耕地保护政策，提高青藏高原耕地管理水平，进而推动当地农业经济高质量发展提出参考建议.1研究区域与数据来源1.1研究区域雅鲁藏布江流域位于27803102N，81099710E，流域总面积为 24.5 万 km2，平均海拔4000m（图 1）.雅鲁藏布江中下游地区跨越温带和亚热带湿润气候区，自然条件优越，涵盖了西藏经济发展水平较高及人类活动较多的日喀则市、拉萨市、山南市和林芝市.2019 年流域总人口为243.15 万人，GDP 为 1257.59 亿元，分别占西藏全区的 69%和 74%.8532302826070 140280 km9095N高程/m6 996144西藏自治区阿里地区那曲市
11、昌都市林芝市拉萨市山南市日喀则市雅鲁藏布江流域雅鲁藏布江图1研究区概况1.2数据来源与处理使用的 30m 土地利用与土地覆盖数据来源于中国科学院资源环境科学与数据中心（http:/），该土地利用数据基于 LandsatTM 影像通过人机交互解译生成，满足 1100000 比第 1 期张天媛等：20002015 年雅鲁藏布江流域耕地格局动态变化影响因素分析137例尺用户制图精度2425，已被科研工作者广泛使用于青藏高原土地利用变化相关的研究中2628.本文基于2000、2005、2010 和 2015 年 4 期土地利用数据，通过ArcGIS10.2 的栅格计算器，将原始数据的 26 个土地利用
12、子类别合并为耕地、林地、草地、水体、城镇用地和未利用地 6 类.进一步将每 2 期之间的耕地变化状态分为不变（耕地未发生变化）、占用（耕地变为其他地类）和补充（其他地类变为耕地）3 类，通过 ArcGIS10.2 的栅格计算器和重分类工具得到这 3 类耕地变化数据.由于耕地变化数据总体数量大，导致模型复杂性高、运算效率低、求解困难29，本文结合系统和随机抽样方法对耕地变化数据进行采样，得到耕地变化样本数据，从而降低模型复杂性，提高计算效率.系统采样与随机采样是 2 种常用数据采样方法.系统采样能够在较大程度上降低数据的空间自相关效应，但可能失去一些特殊位置的重要信息，缺乏代表性.随机采样则具有
13、较好的代表性，能够有效反映实验区的数据概况，但在消除空间相关性方面存在不足30.本文采取系统和随机采样相结合的方式，利用 2 种采样方法的优点提取雅鲁藏布江流域耕地变化样本数据，以提高模型运行的速度与效率31.采用的耕地变化影响因素包括地理环境（海拔、坡度、到河流的距离、到湖泊的距离）、气候变化（气温变化、降水变化）、人类活动（人口密度变化、人类活动强度、地区生产总值变化、夜间灯光强度变化、国家投资变化）、行政影响（到市中心的距离、到县中心的距离）以及交通影响（到省道的距离、到国道的距离、到高速公路的距离、到铁路的距离、路网密度）5 种.影响因素的数据来源如表 1 所示.表1数据来源类型数据来
14、源分辨率/比例尺时间地理环境海拔资源环境科学与数据中心（http:/）1km2018年河流全国地理信息资源目录服务系统（http:/ ArcGIS10.2 的坡度分析计算得到；到河流、湖泊、市中心、县中心、省道、国道、高速公路和铁路的距离通过 ArcGIS10.2 的欧氏距离计算得到；路网密度由道路数据通过 ArcGIS10.2的线密度分析计算得到；气温、降水、人口密度、地区生产总值、夜间灯光强度、国家投资 2000 与 2015年的变化量由 ArcGIS10.2 的栅格计算器工具得到.因数据缺失，由 2013 年数据代替 2015 年的夜间灯光强度数据.以上所有影响因素指标经过投影和重采样处
15、理为空间分辨率为 1km 的栅格数据，并通过共线性检验.138北京师范大学学报（自然科学版）第 59 卷2研究方法研究流程如图 2 所示.以地理环境、气候变化、人类活动、行政影响以及交通影响 5 种类型的影响因素作为自变量，耕地变化作为因变量；通过地理探测器中的因子探测方法识别耕地变化的影响因素及其强度（q），并将强度排在前 3 的因子作为主要因子；进而利用地理加权逻辑回归构建雅鲁藏布江流域耕地变化归因模型，得到各影响因素系数；然后，使用反距离加权法对模型中各影响因素系数进行插值，得到其空间分布，结合地理探测器中的交互探测结果，分析耕地变化的影响机制.2000 年土地利用数据2015 年土地利
16、用数据交互探测因子探测地理加权逻辑回归选取 q 最高的3 个影响因素反距离加权插值综合分析交通影响行政影响人类活动气候变化地理环境不变耕地补充耕地占用耕地耕地变化影响机制耦合分析：影响因素的交互作用单因素分析：耕地占用或补充影响因素多因素分析：影响因素系数的空间差异图2研究框架2.1地理探测器地理探测器是揭示地理要素空间分异性及其主要影响因素的空间统计方法33.借助其中的因子探测器模块，可以明确具有统计显著性的自变量及其对因变量的解释力，即 q 值；利用交互作用探测器模块，进一步判断自变量之间是否具有交互作用及其作用方向和类型.因子探测的基本公式为q=1Lh=1Nh2hN2，（1）LNh2hhN2式中：为因变量或自变量的分层；和分别为层的单元数和方差；和分别为研究区整体的单元数和方差.本文对数据进行了离散化处理，通过自然断点的方式将各自变量从低到高分成 5 级.2.2地理加权逻辑回归地理加权逻辑回归（geographi-callyweightedlogisticregression，GWLR）模型是逻辑回归（logisticregression，LR）模型的空间扩展.该模型将数据的空间