Driving Forces of Land Use Landscape Pattern Around Chaohu Lake Based on TM Image
-
摘要: 以环巢湖周围乡镇（街道）为研究区，运用ArcGIS获取三期土地利用数据，借助Fragstats对区域景观格局特征变化进行分析，利用主成分分析和灰色关联度分析法探究造成研究区土地利用景观格局变化的驱动因子。研究表明：（1）2000—2020年间环巢湖土地利用类型中耕地、草地和建设用地变化幅度大，其中耕地和草地面积一直处于下降趋势，相反建设用地占比大幅提高，水域和森林面积总体上一直很稳定。（2）2000—2020年，环巢湖区域土地利用景观格局变化明显。NP、PD值总体变低，AREA_MN和AI值总体变高，区域景观破碎化程度在降低；SHDI和SHEI值有所下降，景观格局趋向简单化；LSI值由85.6862到57.7913，CONTAG值由42.3149到49.5843，区域景观形状与蔓延度变化呈现合理化发展。（3）年平均气温、年平均水位、总人口和第二产业总产值是影响环巢湖土地利用景观格局变化的主要驱动力因子。Abstract: The paper takes the villages and towns around Chaohu Lake as the research area. ArcGIS was used to obtain the land use data of three periods, and Fragstats was used to analyze the changes of regional landscape pattern characteristics. Principal component analysis and grey relational analysis were used to explore the driving factors of land use landscape pattern changes. Results: (1) Agricultural land, grassland land and construction land in chaohu lake area changed greatly from 2000 to 2020, and the proportion of agricultural land and grassland land in chaohu lake area increased significantly, while the water area and forest area remained stable. (2) From 2000 to 2020, land use landscape pattern in Chaohu Lake area changed significantly. The values of NP and PD were lower, while the values of AREA_MN and AI were higher, and the degree of regional landscape fragmentation decreased. SHDI and SHEI values decreased, and landscape pattern tended to be simplified. The LSI value was from 85.6862 to 57.7913, and the CONTAG value was from 42.3149 to 49.5843. The changes of regional landscape shape and sprawl showed reasonable development. (3) Annual average temperature, annual average water level, total population and total output value of secondary industry were the main driving factors affecting the change of land use landscape pattern around Chaohu Lake.
-
Key words:
- land use /
- Landscape pattern /
- Driving force /
- Chaohu Lake
-
表 1 2000—2020年遥感影像数据
年份 名称 云量 卫星参数和类型 2000 LT51210382000259BJC00 0.25% Landsat4-5，TM 2010 LT51210382010014BJC00 0% Landsat4-5，TM 2020 LC81210382020298LGN0 2.81% Landsat8，OLITIRS 
下载: 导出CSV
表 2 景观指数及选取意义
景观指数 缩写 意义 范围 斑块数量 NP 指景观中某一类斑块类型的总数量，能够简单的反映景观的破碎度和优势度。 NP≥1 斑块密度 PD 指单位面积中斑块类型的数量。 PD>1 平均斑块面积 AREA_MN 某种斑块类型总面积除以其斑块数量。 AREA_MN>0 聚集度 AI 指某种类型或整个景观在斑块类型上的相邻特征和空间配置。 0≤AI≤100 景观形状指数 LSI 指斑块形状复杂性的体现，同时也能够反映人类活动的影响。 LSI>1 蔓延度 CONTAG 指某种斑块类型与其他斑块类型之间的空间连接性和延展程度。 0<CONTAG≤100 香农多样性指数 SHDI 主要指景观里各类斑块面积的比重与不同类型的自然对数乘积相加求和，最后取其相反数。 SHDI≥0 香农均匀度指数 SHEI 指景观类型里不同的类型斑块面积所占比重均衡度及最大值的比值。 0≤SHEI≤1
下载: 导出CSV
表 3 2000、2010、2020年环巢湖土地利用类型面积与占比
时间（年） 森林 水域 建设用地 耕地 草地 2000 面积 18081.09 83906.91 3477.15 37531.62 65804.58 占比 8.66% 40.19% 1.67% 17.97% 31.52% 2010 面积 10986.21 82725.12 17955.18 44602.83 52532.01 占比 5.26% 39.62% 8.60% 21.36% 25.16% 2020 面积 20146.05 83232.99 46804.14 12890.79 45727.38 占比 9.65% 39.86% 22.42% 6.17% 21.90%
下载: 导出CSV
表 4 NP、PD、AREA_MN、AI景观指数变化
NP PD AREA-MN AI 2000 28381 13.5923 7.3571 89.0561 2010 28820 13.8026 7.2450 89.5252 2020 14818 7.0967 14.0911 92.7199
下载: 导出CSV
表 5 SHDI、SHEI、LSI、CONTAG景观指数变化
SHDI SHEI LSI CONTAG 2000 1.4320 0.8897 85.6862 42.3149 2010 1.4097 0.8759 82.1113 43.7689 2020 1.3188 0.8194 57.7913 49.5843
下载: 导出CSV
表 6 主成分载荷
因素 成分 1 2 X1 −0.560 0.814 X2 0.363 −0.925 X3 −0.877 0.469 X4 0.561 0.759 X5 0.987 −0.126 X6 0.976 −0.011 X7 0.903 −0.415 X8 0.763 −0.252 X9 0.995 −0.004 X10 −0.925 0.273
下载: 导出CSV
表 7 驱动因子与土地利用景观关联度
森林 水域 建设用地 耕地 草地 年平均降水量（mm/年） 0.9731 0.9811 0.6584 0.9683 0.9663 年平均气温（℃） 0.9848 0.9980 0.6487 0.9743 0.9843 年平均水位（m） 0.9843 0.9952 0.6498 0.9750 0.9818 第一产业总产值（亿元） 0.8842 0.7749 0.6943 0.8881 0.8829 第二产业总产值（亿元） 0.7383 0.4715 0.9168 0.7489 0.7417 第三产业总产值（亿元） 0.7100 0.3333 0.7354 0.7242 0.7150 总人口（万人） 0.9837 0.9966 0.6498 0.9755 0.9822 粮食总产量（万吨） 0.9812 0.9800 0.6525 0.9732 0.9746 化肥施用量（万吨） 0.9735 0.9658 0.6461 0.9848 0.9924 农林牧渔业总产值（亿元） 0.8886 0.7868 0.6923 0.8920 0.8870
下载: 导出CSV
-
[1] YONGJIU FENG, ZHENKUN LEI, XIAOHUA TONG, et al. Spatially-explicit modeling and intensity analysis of China’ s land use change 2000–2050[J]. Journal of Environmental Management, 2020, 263(C): 110407. DOI: 10.1016/j.jenvman.2020.110407. [2] YANJIE ZHANG, WEI SONG, SHUN FU, et al. Decoupling of Land Use Intensity and Ecological Environment in Gansu Province, China[J]. Sustainability, 2020, 12(7): 2779. DOI: 10.3390/su12072779. [3] ESHETU YIRSAW, WEI WU, XIAOPING SHI, et al. Land Use/Land Cover Change Modeling and the Prediction of Subsequent Changes in Ecosystem Service Values in a Coastal Area of China, the Su-Xi-Chang Region[J]. Sustainability, 2017, 9(7): 1204. DOI: 10.3390/su9071204. [4] 周亚军, 刘廷玺, 段利民, 等. 锡林河流域上游河谷湿地景观格局演变及其驱动力[J]. 干旱区研究, 2020, 37(3): 580. DOI: 10.13866/j.azr.2020.03.05. [5] 董建红, 张志斌, 笪晓军, 等. “三生”空间视角下土地利用转型的生态环境效应及驱动力: 以甘肃省为例[J]. 生态学报, 2021, 41(15): 5919. DOI: 10.5846/stxb201909201969. [6] ZHANG XUEMAO, DU HUAMING, WANG YING, et al. Watershed landscape ecological risk assessment and landscape pattern optimization: Take Fujiang River Basin as an example[J]. Human and Ecological Risk Assessment:An International Journal, 2021, 27(9-10): 2254. DOI: 10.1080/10807039.2021.1970511. [7] NÉMETH GERGŐ, LÓCZY DÉNES, GYENIZSE PÉTER. Long-Term Land Use and Landscape Pattern Changes in a Marshland of Hungary[J]. Sustainability, 2021, 13(22): 12664. DOI: 10.3390/su132212664. [8] LI YANAN, DUO LINGHUA, ZHANG MING, et al. Assessment and Estimation of the Spatial and Temporal Evolution of Landscape Patterns and Their Impact on Habitat Quality in Nanchang, China[J]. Land, 2021(10): 1073. DOI: 10.3390/land10101073. [9] 刘纯军, 周国富, 黄启芬, 等. 基于地形梯度的贵州乌江流域土地利用时空演变分析[J]. 贵州师范大学学报(自然科学版), 2020, 38(6): 45. DOI: 10.16614/j.gznuj.zrb.2020.06.007. [10] 张双双, 董斌, 杨斐, 等. 升金湖湿地景观格局变化对越冬鹤类地理分布的影响[J]. 长江流域资源与环境, 2019, 28(10): 2461. DOI: 10.11870/cjlyzyyhj201910018. [11] 王恳. 城镇化背景下济南市土地利用变化及驱动力分析[D]. 泰安: 山东农业大学, 2018. [12] 李硕, 沈占锋, 柯映明, 等. 1974—2019年大清河流域土地利用景观时空变化[J]. 水土保持研究, 2021, 28(1): 195. DOI: 10.13869/j.cnki.rswc.2021.01.025. [13] 佟光臣, 林杰, 陈杭, 等. 1986—2013年南京市土地利用/覆被景观格局时空变化及驱动力因素分析[J]. 水土保持研究, 2017, 24(2): 240. DOI: 10.13869/j.cnki.rswc.2017.02.039. [14] 李佳妮. 栾川县土地利用景观格局动态分析与调整策略[D]. 北京: 北京林业大学, 2020. [15] 邓信翠, 陈洋波. 1990—2018年东江流域土地利用变化及其驱动力[J]. 水土保持通报, 2020, 40(6): 236. DOI: 10.13961/j.cnki.stbctb.2020.06.034. [16] 谷彦斐, 徐泮林, 高明超. 1987—2017年南京市土地利用/覆被变化及驱动力分析[J]. 测绘与空间地理信息, 2021, 44(7): 131. DOI: 10.3969/j.issn.1672-5867.2021.07.031. [17] 岳学慧. 基于生态安全的巢湖流域土地利用研究[D]. 合肥: 安徽农业大学, 2016. [18] 黄木易, 何翔. 巢湖流域土地景观格局变化及生态风险驱动力研究[J]. 长江流域资源与环境, 2016, 25(5): 743. DOI: 10.11870/cjlyzyyhj201605007. [19] DANDAN ZENG, LONG CHEN, ZHENHUA SONG. Research on Models of Overall Land-use Planning Based on Ecological Protection Thought[J]. IOP Conference Series:Earth and Environmental Science, 2018, 186(4): 12070. [20] WEI ZHONGHUI, GU XIAOHE, SUN QIAN, et al. Analysis of the Spatial and Temporal Pattern of Changes in Abandoned Farmland Based on Long Time Series of Remote Sensing Data[J]. Remote Sensing, 2021, 13(13): 2549. DOI: 10.3390/rs13132549. [21] YANG ZHEN, SHEN YINGYING, JIANG HUAWEI, et al. Assessment of the environmental changes in arid and semiarid mining areas using long time-series Landsat images.[J]. Environmental science and pollution research international, 2021, 28(37): 52147. DOI: 10.1007/s11356-021-14417-0. [22] HAI LIU, LIANG ZHENG, SHOUJING YIN. Multi-perspective analysis of vegetation cover changes and driving factors of long time series based on climate and terrain data in Hanjiang River Basin, China[J]. Arabian Journal of Geosciences, 2018, 11(17): 1. DOI: 10.1007/s12517-018-3756-3. [23] 彭娜. 菜子湖群湿地景观格局变化及驱动力分析[D]. 合肥: 安徽大学, 2021. [24] 王佳. 上海市土地利用景观格局演变与尺度效应研究[D]. 徐州: 中国矿业大学, 2021. [25] 廖佶慧, 彭贤伟, 肖钊富. 土地利用变化与社会经济发展耦合协调关系研究: 以遵义市为例[J]. 贵州师范大学学报(自然科学版), 2020, 38(5): 73. DOI: 10.16614/j.gznuj.zrb.2020.05.013. [26] 李放, 邓华锋. 基于主成分分析的森林景观格局研究[J]. 中南林业科技大学学报, 2020, 40(3): 71. DOI: 10.14067/j.cnki.1673-923x.2020.03.009. [27] 易阿岚, 王钧. 上海市湿地景观格局时空演变与驱动机制的量化研究[J]. 生态学报, 2021, 41(7): 2622. DOI: 10.5846/stxb202002150262. -
点击查看大图
图(2) / 表(7)
计量
- 文章访问数: 13
- HTML全文浏览量: 4
- PDF下载量: 0
- 被引次数: 0
