原創 鄧元傑等 南京林業大學學報
論文推薦
基於Logistic回歸模型的陝西秦巴山區林地變化驅動力分析
鄧元傑1，2，侯孟陽1，2，張 曉1，2，賈 磊1，2，李園園1，2，姚順波1，2*，龔直文1，2，劉廣全3
1.西北農林科技大學經濟管理學院；2.西北農林科技大學資源經濟與環境管理研究中心；3.中國水利水電科學研究院
森林在維持陸地生態系統平衡﹑保障人類基本生存條件、減緩氣候變化和實現社會經濟可持續發展等方面起著重要的基礎性作用。而林地作為森林資源的載體,不僅是林業可持續發展的基礎，同時也是維護森林生態服務和環境價值的前提,因此辨析林地的時空變化特徵,及其驅動力因素,對了解區域生態環境變化、合理利用資源和協調人地關係具有重要科學意義。
已有文獻對林地變化的研究主要是描述研究區林地時空變化特徵,並從研究區的自然社會等宏觀背景出發,定性分析可能引起林地變化的原因。但這些研究無法定量揭示引起林地變化的驅動機制,導致決策者在制定林地保護政策時缺乏針對性與有效性,進而不利於林地資源保護及區域的可持續發展。有學者在林地時空變化特徵描述的基礎上,綜合自然、人文、社會、經濟等因素,構建合適的計量模型探究引起林地變化的原因,然而線性回歸模型容易忽略引起土地利用變化的驅動力(生物、自然和社會經濟)或制度(政策)在空間上存有的高度異質性,不能處理林地變化過程中的空間因素變量,導致難以客觀準確地揭示林地變化的原因。而Logistic回歸模型不僅能考慮引起土地變化驅動力因素的空間異質性,處理土地變化過程中的空間因素變量,還可以在區域土地利用/覆被動態變化的基礎上定量分析其與社會、經濟、技術、政策、自然環境等驅動因子的相互關係，進而綜合不同時空尺度區域的土地利用/覆被變化過程和驅動力影響。Shahbazian等基於Logistic回歸建模,探究了城市空間擴張的驅動力因素,並進一步模擬了未來城市空間擴張的方向，而李雲龍等則聚焦於耕地,運用Logistic回歸模型剖析了影響耕地變化的驅動力因素。此外,還有學者從研究區土地利用變化的整體格局出發,對每一種土地利用類型變化均進行了Logistic回歸建模,識別出影響各土地利用類型變化的不同驅動因素。
然而,目前較少有學者將Logistic模型運用在探究林地變化的驅動因素上,雖然有學者運用Logistic回歸模型對林地變化的驅動因素做了一定的解釋,但他們在構建模型時忽略了林地增減變化與其所對應驅動因素的空間異質性,即在構建林地變化Logistic回歸模型時,將林地增加和減少均納人到Logistic回歸模型中,而未將林地增加和減少進行單獨建模。使得在探究林地變化的驅動因素時,無法有效將林地增加和減少的驅動因素單獨分離,進而不利於對林地變化規律的準確把握。基於此,本期論文推薦的作者聚焦於陝西秦巴山區林地變化,在分析2000—2018年林地時空變化及景觀格局變化的基礎上,對林地增加和林地減少分別構建Logistic模型,探究影響陝西秦巴山區林地變化的驅動因素,以期為該區林地保護政策制定和林地資源可持續利用提供理論依據。
下面跟學報君一探究竟！
作者簡介
通訊作者
姚順波，男，1964年5月生，西北農林科技大學經濟管理學院教授，主要從事林業經濟政策評估、資源經濟與環境管理研究。
第一作者
鄧元傑，男，1992年5月生，西北農林科技大學經濟管理學院林業經濟管理專業博士研究生。
關鍵詞：林地變化；驅動力；Logistic模型；陝西秦巴山區
基金項目：國家自然科學基金項目(71773091);國家重點研發計劃(2016YFCO501602);西北農林科技大學經濟管理學院研究生科技創新項目(JGYJSCXXM202002);陝西省社會科學基金項目(2020RO53)。
引文格式：鄧元傑,侯孟陽,張曉,等.基於Logistic回歸模型的陝西秦巴山區林地變化驅動力分析[J].南京林業大學學報(自然科學版),2022,46(1):107-115.DENG Y J,HOU M Y,ZHANG X,et al.Drivers of forestland change in the Qinba Mountain regionof Shanxi based on the logistic regression model[J].Journal of Nanjing Forestry University (Natural Sciences Edition), 2022,46(1):107-115.DOI:10.12302/j.issn.1000-2006.202009045.
1目的
探究陝西秦巴山區林地時空變化及其驅動因素,為林地保護和林地資源可持續利用提供依據。
2方法
基於土地利用遙感監測數據,分析秦巴山區 2000—2018年林地變化及其景觀格局的時空特徵;選擇自然、社會經濟和地理區位3類共12個影響因子,運用Logistic回歸模型分別對秦巴山區林地增加和減少驅動因素進行分析。
2.1 試驗材料
秦巴山區是秦嶺地區和大巴山地區的簡稱,位於我國中西部地區( 105°30'~110°0'E,31°40'~ 34o40'N),地跨陝西、甘肅、四川、重慶、湖北、河南5省1市,其主體位於陝西南部地區,北倚秦嶺,南靠巴山,漢江穿流而過,形成了兩山夾一川的地貌特徵,地形起伏大,山地面積廣,盆地小且東西長,南北短,轄寶雞、西安、漢中、安康和商洛5市38個縣,該區土地面積約為86 995 km2,占全省總土地面積的42.31%。
▲研究區域—秦嶺
▲秦巴位置圖
2.2 研究方法
土地利用數據來源於地理國情監測雲平台(http:// www.dsac.cn/) ,共包括2000年和2018年兩期(圖1),其空間解析度為30 m。該數據集的生產是以2000年 Landsat7ETM＋和2018年Landsat8 OLS_TIRS遙感影像為數據源,通過人工目視解譯生成,後期經過實地驗證,誤差修正後的土地利用以及類型綜合評價精度達到93%以上。同時,利用Google earth高解析度衛星歷史影像與同期Landsat系列衛星影像對數據中存在的異常區域進行了再次驗證與修正,確保了土地利用數據的客觀性與準確性。土地利用數據分類系統根據「國家資源環境遙感宏觀調查與動態研究」項目中的分類標準,將陝西秦巴地區土地利用類型重新分為耕地、林地、草地、水域、建設用地和未利用地6類,其中林地由有林地、灌木林、疏林地和其他林地4種林地類型構成。
▲圖1 2000和2018年研究區土地利用類型圖
本研究基於ArcGIS平台,對兩期土地利用數據進行空間分析,將2018年相對於2000年林地增加柵格,即2000—2018年其他地類轉變為林地的柵格賦值為1 ,林地保持不變的柵格賦值為0,將其作為林地增加驅動力回歸模型的因變量(圖2A);將2018年相對於2000年林地減少柵格,即2000—2018年林地轉變為其他地類的柵格賦值為1 ,林地保持不變的柵格賦值為0,將其作為林地減少驅動力回歸模型的因變量(圖2B)。
▲圖2 2000—2018年研究區林地變化圖
參考類似研究成果,並基於秦巴山區實際特徵和數據代表性、可獲取性,從自然、社會經濟、地理區位3個方面構建了林地變化驅動力體系(表1)。各具體指標數據來源及預處理方法如下:①自然驅動力,主要包括海拔、坡度兩個地形因子,年降雨量傾向率、年均氣溫傾向率兩個氣象因子以及土壤有機質含量。其中,地形因子數據來源於由美國國家航空航天局在2020年最新發布的NASADEM (https://lpdaac.usgs. gov),坡度數據為基於DEM數據,運用ArcGIS10.5軟體中的坡度函數計算獲得;氣象因子的傾向率用以表徵氣象因子變化趨勢,正值表示趨向增加或提高,負值表示趨向減少或降低,傾向率的計算方法詳見文獻[17],氣象因子數據來源於中國氣象數據網(https://data.cma.cn/)提供的秦巴山區及周邊區域12個氣象站點2000——2018年逐年氣候資料,計算得到降雨和氣溫的傾向率;土壤有機質含量提取自聯合國糧農組織(FAO)所構建的世界土壤資料庫HWSD V1.2(http://webarchive.iiasa.ac.at/Research/LUC/Ex-ternal一World一soil-database/HWSD_Data/)。②社會經濟驅動力,主要包括陝西秦巴山區2000—2018年各縣總人口密度變化和年地均GDP變化。各縣總人口和GDP數據均來源於陝西省統計年鑑(2001年,2019年)。③地理區位驅動力,主要包括到道路的距離、到鐵路的距離、到城鎮的距離、到農村居民點的距離和到河流的距離。其中,道路、鐵路和河流的數據源於國家基礎地理信息中心公布的1∶100萬全國基礎地理資料庫(https ://webmap.cn),且在此基礎上結合OpenStreetMap和最新的Google Earth 影像進行修正。農村居民點和城鎮數據則從秦巴山區2018年的土地利用數據中提取得到。為保證空間數據的一致性,以上所有數據空間解析度均為30 m,空間坐標系均為WGS_1984_UTM_Zone_49N,所有數據均使用ArcGIS 10.5軟體實現了空間化表達。
▼表1 2000—2018年林地變化驅動力指標
3結果
2000—2018年秦巴山區林地以淨增加為主,林地淨增加39 951.72 h㎡,增加主要來源於21.83萬 h㎡耕地轉為林地,占林地轉入總面積的94%。自然和地理區位因素是陝西秦巴山區林地轉化的最主要驅動因素。海拔、到城鎮的距離、土壤有機質量含量、坡度≥25°,到農村居民點的距離等是林地增加的主要驅動因子。海拔、坡度≥15°~25°、到城鎮的距離、到道路的距離等則是林地減少的主要驅動因子。
3.1 2000—2018年秦巴山區林地變化特徵
基於秦巴山區2000年和2018年兩期土地利用數據,藉助ArcGIS10.5軟體對其林地變化進行了空間分析,再運用Excel 軟體對分析結果進行統計可得，2000—2018年秦巴山區林地面積由614.84萬h㎡增長至618.88 萬h㎡,林地變化以轉入增加為主,18年間共轉入23.22萬h㎡,轉出19.23萬h㎡,淨增加39 951.72 h㎡。由林地變化對地形因子的響應可得(圖3) ,林地變化主要集中分布在海拔≥500~1 000 m、≥ 1 000~1 600 m,坡度≥150~25、≥25°。其中,在海拔<500 m和坡度<6°範圍內,林地面積減少大於增加;而在海拔≥500 m和坡度≥15°範圍內,林地面積則為增加大於減少。
▲圖3 2000—2018年林地在不同海拔和坡度範圍上的變化
林地變化結構見圖4,陝西秦巴山區耕地轉為林地是林地面積增加最主要的原因,18年間共有21.83萬 h㎡耕地轉為林地,占林地轉入總面積的94%。此外也有少部分的草地(9824.94 h㎡)、未利用地(1 880.73 h㎡)、建設用地(1 405.71 h㎡)和水域( 845.91 h㎡)轉為林地。在林地轉出方面,林地轉為耕地是導致林地面積減少最主要的原因, 18年間共有16.95萬h㎡林地轉為耕地,占林地轉出總面積的88.17%。此外分別有11 303.91、4 829.04、3553.20和3049.83 h㎡的林地轉為草地、未利用地、水域和建設用地。從林地變化的空間分布來看,林地增加和減少在秦巴山區各處均有分布。但林地增加主要分布在秦巴山區南部和西南部(圖2A);而林地減少主要位於秦巴山區東北部(圖2B)。
▲圖4 2000—2018年陝西秦巴山區土地利用轉移情況
3.2 林地變化的Logistic回歸分析
在構建林地變化驅動力回歸模型之前,對各自變量進行共線性問題診斷,結果自變量的容忍度(Tolerance)為0.50~0.96,方差膨脹因子(Varianceinflation Factor，VIF)均小於10,表明自變量間共線性不嚴重,均可以納入到Logistic回歸模型。
3.2.1 林地增加的Logistic回歸分析
在林地增加的Logistic回歸模型中,坡度用4個虛擬變量分別代表坡度Ⅱ (≥2°~6°)、坡度Ⅲ(≥6~150)、坡度Ⅳ(≥15o~25°)和坡度V(≥25°),坡度I(<2°)作為它們的參照對象。在HL檢驗中, Sig.值為0.355,大於0.05,統計不顯著,即模型的擬合效果很好;並由回歸結果可知，似然比卡方檢驗的觀測值為122.51(P=0.000) ,且ROC曲線下的面積(AUC)大於0.7,該模型通過了各項檢驗,可用於林地增加的驅動力分析。
顯著性水平(P<0.05)和Waldχ²統計量結果見表2,2000——2018年,秦巴山區林地增加較為重要的自變量依次為海拔、到城鎮的距離、年均氣溫傾向率、坡度、到農村居民點的距離、土壤有機質含量、到道路的距離和到鐵路的距離。其中,海拔、到城鎮的距離、年均溫傾向率、到道路的距離和到鐵路的距離對林地增加呈顯著負向影響。具體而言，海拔每升高1 m,林地面積增加的概率將降低0.19%;到城鎮、道路和鐵路的距離每增加1 m,林地面積增加的概率將分別降低0.002% 、0.01%和0.001 % ;年均氣溫升高將不利於林地面積增加。坡度、到農村居民點的距離以及土壤有機質含量對林地增加呈顯著正向影響。具體而言,坡度Ⅱ(≥2o~6°)坡度Ⅲ(≥6°~150)、坡度Ⅳ(≥150~250)和坡度V (≥250)這4個坡度範圍對林地增加的影響均為顯著,其產生的正向影響均大於坡度Ⅰ(<2°)。且根據表3中 WaldX2統計量可得,坡度V( ≥25°)的Wald統計量最大,表明其對林地面積增加的正向影響相比於其他坡度範圍更大。即以坡度I(<2°)作為參照對象,林地面積增加概率在≥25°的坡度範圍內將會升高37.5%。到農村居民點的距離每增加1m,林地面積增加的概率將會升高0.004%;土壤有機質含量每增加1% ,林地面積增加的概率將會升高4.64%。
▼表2 2000—2018年秦巴山區林地增加驅動力因素分析
注:***、**分別表示在0.01,0.05水平上顯著。
3.2.2 林地減少的Logistic回歸分析
在林地減少的Logistic回歸模型中,坡度用4個虛擬變量分別代表坡度Ⅱ、坡度Ⅲ、坡度Ⅳ、坡度V ,坡度Ⅰ作為它們的參照對象。HL檢驗中, Sig.值為0.148,大於0.05,統計不顯著,即模型的擬合效果很好;由回歸結果可知,似然比卡方檢驗的觀測值為103.45( P=0.000) ,且.ROC曲線下的面積(AUC)大於0.7,該模型通過了各項檢驗,可用於林地減少的驅動力分析。
根據顯著性水平(P<0.05)和Waldχ²統計量(表3)可得,2000—2018年,秦巴山區林地減少較為重要的自變量依次為坡度、海拔、到城鎮的距離、到道路的距離、到農村居民點的距離和年均氣溫傾向率。其中,海拔、到城鎮的距離、到道路的距離及年均溫傾向率對林地面積減少呈顯著負向影響。具體而言,海拔每升高1m,林地面積減少概率將會降低0.12%;到城鎮、道路的距離每增加1 m,林地面積減少的概率將會分別降低0.01%和0.002%;年均溫升高將有利於抑制林地面積減少。坡度和到農村居民點的距離對林地面積減少呈顯著正向影響。具體而言,坡度Ⅱ(≥ 20~6°)、坡度Ⅲ(≥60~15°)、坡度Ⅳ(≥150~25)和坡度(≥25°)這4個坡度範圍對林地面積減少的影響均為顯著的,其產生的正向影響均大於坡度I(<2°)。且根據表3中Wald統計量可得,坡度Ⅳ(≥15°~25°)的Wald統計量最大,表明其對林地面積減少的正向影響也最大。即以坡度Ⅰ(<2°)作為參照對象,林地面積減少概率將會增加153.25%。到農村居民點的距離每增加1 m,林地面積減少的概率將會升高0.003%。
▼表3 2000—2018年秦巴山區林地減少驅動力因素分析
注:***、**分別表示在0.01,0.05水平上顯著。
4結論
退耕還林等生態修復工程的有效實施是秦巴山區林地增加的重要原因,而林地減少則是在社會經濟快速發展背景下，自然和地理區位因素共同作用的結果。
關注我們，更多精彩