江苏省13城市土地利用集约度时空变异及驱动因素

城市土地的高效集约化利用是城市可持续发展的客观要求。从城市土地集约利用的内涵入手,依据城市土地集约利用评价的原则,从土地利用投入水平、土地利用程度、土地利用效率、土地利用生态环境质量等方面构建了一个具有三级层次结构的城市土地集约利用度评价的指标体系,并在此基础上采用多因素综合评价,秩相关系数和聚类分析的方法以江苏省13个地级市为例进行了实证分析,结果表明：（1）1997～2006年,江苏省13城市土地利用集约度都得到了提高,但是提高的幅度和方式不同;（2）不同城市,苏南、苏中和苏北之间城市土地利用集约度呈现出明显的城市和地域差异,其中,省会南京最高,苏北的宿迁最低。最后,对造成这种时空差异的现象从区域经济环境、经济发展水平、城市性质职能与规模等方面进行了驱动力分析。     

山东省建设用地扩展时空动态及驱动力分析

随着我国旺盛用地需求与有限土地供给矛盾的日益尖锐,建设用地的空间扩展及其驱动力研究成为了学术界的研究热点.本文利用ARCGIS9.2提供的空间分析方法,基于扩展速度、扩展强度、分维数相关分析模型,对1990 - 2005年间山东省建设用地扩展的时间特征、形态特征、结构特征进行了分析,并揭示了建设用地的扩展规律,探讨了建设用地扩展的主要驱动力.结果表明,研究期内山东省建设用地扩展迅速,但仍低于同期我国东部地区平均水平,其中,城镇建设用地扩展最快,农村建设用地与其他建设用地扩展速度基本相当;建设用地扩展强度区域差异明显,但与经济发展水平亦没有明确的对应关系,农村建设用地扩展程度区域差异最大,城镇建设用地最小;各地市间,滨州市扩展强度最高,东营市最低;全省建设用地稳定性指数较低,并总体形态趋于复杂化,稳定性指数呈下降趋势,其中,农村建设用地稳定性指数最高,城镇建设用地最低;期内山东省建设用地扩展的驱动因素主要为非农业人口增加、农业人口增加、第二产业增加值等.     

贵州省大坝土地利用变化及驱动力分析

选取贵州省万亩（1亩=1/15 hm2）以上的坝子为研究对象,以GIS为技术支撑,通过空间叠加分析,提取研究区10 a来的土地利用/覆被信息,并结合相应的社会经济统计数据,进一步分析引起变化的驱动力影响因子。结果表明：（1）2000~2005年、2005~2010年两个时段,耕地面积一直在持续减少,第二时段的变化比第一时段更剧烈;林地、城镇建设用地、农村居民点、水域、道路在两个时段都不同程度的增加,其中城镇建设用地、农村居民点在第二时段比第一时段增加的速度更快,其它3种地类增加的速度有所减缓;灌木总体变化是出现先减后增的趋势;（2）耕地在2000~2005年的流向主要是林地,在2005~2010年流向主要是居民点和城镇建设用地;（3）研究区土地利用变化受人口、经济效益、政策的影响     

荒漠河岸生态系统退化机理的定量分析

通过野外监测资料,采用聚类分析与主成分分析法,分析了荒漠河岸生态系统退化的内外因素与驱动力、植被退化的环境主导因子与生态退化程度,结果表明:(1)地质、地貌与气候条件等因素的影响,塔里木河下游生态系统存在脆弱和不稳定性是其退化的内因,外界干扰则是其退化的外在因素。人为干扰则是其退化发生的驱动力,起因于人口的增加、需求的增长。(2)在此过程中导致植被受损的环境主导因子是水,植被退化是人类干扰作用于植被赖以生存的环境主导因子所致。(3)其不同河段的生态退化可以归为三类:潜在沙漠化类(轻度退化),轻度沙漠化类(中度退化),中度或重度沙漠化类(重度退化),其中第三类型,土壤条件与其它两类差异较大,表现出土壤退化的滞后现象。     

利用广义加性模型解析长江中游城市群城镇用地扩展驱动力

研究城镇用地扩展的时空驱动机制对城市群的科学可续发展与国土空间规划具有重要意义.利用广义加性模型(General Additive Model,GAM),选取社会经济因子、自然因子和邻域因子,解析长江中游城市群1990～2015年城镇用地扩展驱动力的时空分异特征,挖掘各子城市群的核心驱动力并对其进行功能识别.结果表明:(1)25年间,长江中游城市群驱动因子时空差异显著.核心城市武汉、长沙、南昌极化效应明显,涓滴效应逐渐显现,但城市群仍未打破行政区划壁垒.(2)三大子城市群的核心驱动因子差异显著.其中,人口和地均GDP对各子城市群城镇用地扩展影响最大,武汉城市圈和环鄱阳湖城市群的空间溢出效应高于长株潭城市群,且城镇用地扩展模式渐由单核驱动发展为双核驱动.(3)核心驱动因子与城市群城镇用地扩展之间具有显著的非线性关系,且呈现地域性和阶段性特征.(4)GAM模型能够解释城镇用地扩展过程中各因子之间的非线性关系,较Logistic和Nonliner-Logistic模型具有更高的拟合优度和验证精度,表明了其探索非线性驱动力的优势.     

扬州市土地利用变化的驱动力机制研究

基于扬州市1996—2004各年份土地利用数据及相关统计资料。分析了8年中土地变化的特点及主要驱动力因子，结果表明：①8年来全市主要土地利用类型的变化表现出耕地、园地的面积大幅下降，建设用地的面积普遍增长；②选择11项指标构建土地利用变化驱动力模型，采用“主成分分析法”及SPSS13．0统计软件。分析得出：影响该市土地利用变化的主要驱动力因子是人口和经济的增长；③运用Eviews 3．1软件对土地利用变化中经济因素的驱动作用做回归分析得出：全市GDP每增长1亿元，需要新增建设用地约15．36hm^2．减少耕地约17．53hm^2；城镇化水平每增加1个百分点．需要减少耕地面积389．3hm^2，同时扩展城镇用地266．17hm^2。     

城市生态用地时空动态及其相关驱动力——以武汉市为例

城市生态用地是维持城市生态安全和可持续发展的重要屏障,研究其动态变化特征及相关驱动力,将为城市规划和生态环境保护决策提供依据。该文以武汉城区为实证区,采用1990、2002、2014年等3期Landsat遥感影像为数据源,采用土地利用变化矩阵量化数量变化,景观格局指数量化空间格局变化,生态服务价值系数和InVEST模型量化质量变化,利用二元逻辑回归模型和梯度分析法量化相关驱动力。研究结果表明:武汉市生态用地总面积持续下降,累计减少239.55 km~2,其中水域为主要转出地类;生境质量下降24%;生态用地斑块破碎度提高,"孤岛化"现象逐渐显现;坡度、建设用地的最小距离、建设用地增长、GDP增长和道路密度是驱动生态用地变化的主要因素,随着城市向三环线外扩张,三环线以外的生态用地面临较高的生态转化风险。     

中国建设用地增长驱动力研究

近年来我国建设用地不断增加,耕地面积不断减少,建设占用与耕地保护的矛盾日益突出。国家提出运用土地政策参与宏观调控,对建设用地变化及驱动力的研究也成为学界的焦点。已有关于建设用地增长驱动力研究多基于城市经济学单中心模型进行城市建设用地的研究,缺乏全国层面建设用地增长驱动力研究。本文采用1996-2006年省级面板数据,对全国层面建设用地增长的驱动力进行分析。从经济、社会、政府、地理四类因素选择变量,通过模型的比较与择优,构建了建设用地增长的驱动力模型,并分析核心变量对建设用地变化的驱动作用。结果表明:①最终决定全国层面建设用地变化驱动力方程的有三个核心变量,即:人口、GDP和公路营运里程;②通过比较标准化系数发现三个变量对建设用地增长的作用表现为GDP公路营运里程人口;③在东中西地区,核心变量对建设用地的影响程度略有差异,即东部地区为GDP人口公路营运里程;中西部地区为GDP公路营运里程人口。     

基于驱动力-压力-状态-响应模型的黄河流域甘肃段生态系统健康评价

基于驱动力-压力-状态-响应(DPSR)模型和熵权-变异系数综合赋权法对2010—2020年黄河流域甘肃段57个区(县)生态系统健康进行评价,分析各流域及各区(县)生态系统健康等级时空演变及障碍因子,有助于发现生态系统问题并提出合理的管理恢复策略。结果表明,2010—2020年黄河流域甘肃段生态系统健康状况整体显著提升,2013—2016年生态系统健康状况较差,2016年后健康状况得到明显改善。黄河干流流域1健康程度较高且健康值变化幅度最大,洮河流域健康状况改善较大,其余流域健康程度低且健康值涨幅较小。在整体准则层层面,黄河流域甘肃段驱动力、压力指数波动增长,状态与响应指数持续上升,表明2010—2020年黄河流域甘肃段生态系统健康状况得到稳定改善。人口增长、人均水资源量、建设用地比例和工业固体废物综合利用率等是影响黄河流域甘肃段生态系统健康等级变化的主要因素。优化土地利用、促进人口均衡分布、推动水资源均衡分配以及加强生态环境保护与修复是促进黄河流域甘肃段绿色发展与生态屏障建设的有效措施。     

中国沿海地区植被NDVI时空变化及驱动力分析

研究植被变化对区域生态修复具有重要意义。以中国沿海地区为例,基于归一化植被指数（NDVI）和降水、夜间灯光等自然和人为因子数据,运用Theil-Sen Median趋势分析+Mann-Kendall检验、最优参数地理探测器（OPGD）、相关分析和Hurst指数,多时空尺度探讨了中国沿海地区植被NDVI时空变化规律及其驱动力。结果表明：1)2001-2020年研究区植被状况较好,NDVI多年均值为0.762,具体到各分区,东北沿海的NDVI均值最高,其次是华南沿海,华东沿海和华北沿海;全区NDVI逐年变化率为0.019/10 a(P<0.01),不同分区的上升趋势从大到小为华南沿海、东北沿海、华北沿海和华东沿海,区域内植被状况不断改善,退耕还林还草和沿海防护林等生态工程效益不断显现;2）夜间灯光指数在全区各个因子中的解释力最大（q值为0.354）,人为因素对NDVI的解释力明显大于自然因素,其对植被恢复产生了积极影响,并且随时间推移逐渐增强;3）两因子结合后的解释力大于单因子,表现为双因子增强和非线性增强。在全区范围内,影响最大的一对交互作用为土壤类型∩夜间灯光,其他分区则为日照时...