EN中文

自然资源遥感 >

2025 , Vol. 37 >Issue 4: 184 - 193

DOI: https://doi.org/10.6046/zrzyyg.2024156

技术应用

1980—2020年格尔木河流域土地利用时空变化及驱动因子分析

  • 马卯楠 , 1, 2 ,
  • 常亮 1 ,
  • 于国强 , 1 ,
  • 周建伟 3 ,
  • 韩海辉 1 ,
  • 张群慧 1 ,
  • 陈霄燕 1 ,
  • 杜超 4
展开
  • 1.中国地质调查局西安地质调查中心,西安 710119
  • 2.中国地质大学(武汉)地质调查研究院,武汉 430074
  • 3.中国地质大学(武汉)环境学院,武汉 430074
  • 4.内蒙古自治区地质调查研究院,呼和浩特 010020
于国强(1979-),男,教授级高工,主要从事土壤侵蚀与水土保持及地质灾害等方面研究。Email: 。

马卯楠(1998-),女,硕士研究生,主要从事环境遥感等方面研究。Email: 。

Copy editor: 陈庆

收稿日期: 2024-04-24

  修回日期: 2024-05-29

  网络出版日期: 2026-06-03

基金资助

国家自然科学基金项目“黄土丘陵区植被与淤地坝调控重力侵蚀的协同作用机制”(42177346)

国家战略性地质调查项目“柴达木盆地盐湖区水资源调查”(DD20230301)

青海省环境地质勘查局科技项目“变环境条件下察尔汗盐湖水平衡及水动力机制研究”(2023-ZK-01)

收起

Spatiotemporal changes in land use and their driving factors in the Golmud River basin from 1980 to 2020

  • MA Maonan , 1, 2 ,
  • CHANG Liang 1 ,
  • YU Guoqiang , 1 ,
  • ZHOU Jianwei 3 ,
  • HAN Haihui 1 ,
  • ZHANG Qunhui 1 ,
  • CHEN Xiaoyan 1 ,
  • DU Chao 4
Expand
  • 1. Xi’an Center, China Geological Survey, Xi’an 710119, China
  • 2. Institute of Geological Survey, China University of Geosciences (Wuhan), Wuhan 430074, China
  • 3. School of Environmental Studies, China University of Geosciences (Wuhan), Wuhan 430074, China
  • 4. Geological Survey Academy of Inner Mongolia Autonomous Region, Hohhot 010020, China

Received date: 2024-04-24

  Revised date: 2024-05-29

  Online published: 2026-06-03

Fold

摘要

土地利用是影响全球环境变化的主要原因,探究其时空变化特征及驱动因子对促进区域社会经济与生态环境可持续发展具有重要意义。该研究基于1980—2020年9期土地利用/土地覆盖遥感监测数据,分析了格尔木河流域多年土地利用类型时空变化特征,结合显著相关性分析,探究了流域土地利用变化的主要驱动因子。结果表明: ①1980—2020年未利用土地与草地是格尔木河流域的主要土地利用类型,耕地、水域和建设用地面积呈现增加趋势,林地、草地和未利用土地面积呈现缩减趋势; ②2015—2020年流域内各土地利用类型面积的变化量与动态度变化显著,流域内土地利用类型转移的空间变化主要发生在中部与北部; ③1980—2020年未利用土地破碎度较大,人类活动(总人口数、地区生产总值)是流域内土地利用类型变化的主要驱动因子。

关键词： 土地利用; 时空变化; 驱动因子; 相关性分析; 格尔木河流域

本文引用格式

马卯楠 , 常亮 , 于国强 , 周建伟 , 韩海辉 , 张群慧 , 陈霄燕 , 杜超 . 1980—2020年格尔木河流域土地利用时空变化及驱动因子分析[J]. 自然资源遥感, 2025 , 37(4) : 184 -193 . DOI: 10.6046/zrzyyg.2024156

Abstract

Land use serves as the primary cause of global environmental changes. Therefore, investigating its spatiotemporal changes and corresponding driving factors is significant for promoting the sustainable development of regional socioeconomics and ecosystems. Based on nine stages of remote sensing monitoring data on land use/land cover from 1980 to 2020, this study analyzed the spatiotemporal changes in land use types in the Golmud River basin. By combining the analysis of significant correlations, this study explored the major factors driving changes in land use within the basin. The results indicate that over the past 40 years, unused land and grassland proved to be dominant land use types in the Golmud River basin. The areas of cultivated lands, water bodies, and construction lands exhibited an increasing trend, while those of forest lands, grasslands, and unused lands trended downward. The period from 2015 to 2020 witnessed significant changes in both the areas and the dynamic degrees of various land use types within the basin. During this period, spatial changes in land use transition predominately occurred in the central and northern parts of the basin. Between 1980 and 2020, the unused land showed significant fragmentation. Human activities, particularly total population and regional gross domestic product, were identified as the main factors driving changes in the land use type within the basin.

Key words： land use; spatiotemporal change; driving factor; correlation analysis; Golmud River basin

0 引言

土地利用/土地覆盖变化(land use/land cover change,LUCC)是引起全球环境变化的重要组成部分和主要原因[1-3]。在人类活动与自然因素的双重作用下,土地利用变化程度影响着区域生态环境质量与生态服务功能的变化[4-5]。由此,国际地圈生物圈计划(international geosphere-biosphere program,IGBP)和国际全球环境变化人文因素计划(international human dimensions programme,IHDP)提出LUCC是研究的热点问题之一[6-8]。近年来,学者对LUCC的研究区域主要集中在经济发达地区与生态脆弱区,其中,经济发达地区的人类活动对土地利用干扰度较大,人口增长、经济发展与政策驱动为主要影响因子[9]; 生态脆弱区包括农牧交错带[10]、干旱半干旱区[11]、青藏高原[12-13]等区域,自然条件恶劣加上工农业生产的影响,气象[14]、人口增长[15-16]和经济发展[17-18]逐渐成为其LUCC的主要驱动因子。
格尔木河流域位于柴达木盆地中南部,气候干燥、多风少雨、蒸发强烈,生态环境较为脆弱。作为柴达木国家级循环经济试验区的核心布局区,格尔木河流域带动了柴达木盆地西部地区矿产资源的开发利用和经济社会的发展。近些年来,由于青藏高原气候暖湿化,以及持续受到人类工程活动采卤的影响,格尔木河流域土地利用类型面积产生波动。目前对格尔木河流域LUCC的研究缺少长时间序列分析,驱动因子尚待明确[19-21]。因此,本研究以格尔木河流域为研究区,结合遥感、气象水文和人类活动等数据,阐明该流域1980—2020年土地利用的时空变化规律,探究LUCC的驱动因子,为促进格尔木河流域社会经济与生态保护协调发展提供理论支持。

1 研究区概况及数据源

1.1 研究区概况

格尔木河是我国西北地区典型的内陆河流,也是柴达木盆地的第二大河流。研究区为该河流域(35°11'~37°48'N,91°43'~95°51'E)(图1)。依据山盆分界线与东达布逊湖,可将整个流域划分为3段:南部昆仑山段地貌复杂多样,海拔在3 000 ~6 000 m;中部冲洪积平原段位于山盆分界线附近,处于南部昆仑山地与北部平原区之间,海拔在2 720~3 100 m;北部平原区段南抵东达布逊湖,从冲湖积-湖积平原延伸至中心盐类沉积平原,地势平坦开阔,海拔在2 675~2 700 m。流域地处内陆极端干旱高寒气候区,多年平均气温4.88 ℃,多年平均降雨量42.29 mm,多年平均蒸发量2 626.94 mm,相对湿度35%。格尔木河流域植被为荒漠半荒漠植被,整体植被覆盖度较低,归一化植被指数(normalized difference vegetation index,NDVI)范围为0.2~0.4。格尔木市作为青海省的第二大城市,是海西蒙古族藏族自治州的经济中心,据统计,2022年格尔木市城镇人口20.07万人,国民生产总值占海西蒙古族藏族自治区比重的52.99%[22-23]。
图1 格尔木河流域地理位置图

Fig.1 Geographic location map of the Golmud River basin

1.2 数据源

本研究选用1980—2020年格尔木河流域土地利用/土地覆盖遥感监测数据(分类系统如表1所示),数据来源于中国科学院地理科学与资源研究所(http://www.resdc.cn)[24]。该数据包括1980年、1990年、1995年、2000年、2005年、2010年、2013年、2015年和2020年共9期数据,其中1980年使用Landsat MSS遥感数据,空间分辨率60 m,1990—2013年各期使用Landsat TM/ETM遥感数据,空间分辨率30 m,2015年和2020年数据使用Landsat8 OLI/TIRS遥感数据,空间分辨率30 m。气象数据来源于国家科技基础条件平台——国家地球系统科学数据中心黄土高原分中心(http://loess.geodata.cn)[25],选用该流域1 km分辨率逐月气温、降雨量数据集,经处理得到年均数据。流域径流量数据由格尔木水文站提供。格尔木市人口数量与生产总值调查数据从EPS数据平台(https://www.epsnet.com.cn)和中国经济社会大数据研究平台(https://data.cnki.net)获取。
表1 格尔木河流域土地利用/覆盖分类系统

Tab.1 Classification system land use/land cover in the Golmud River basin

序号 一级类型 含义
1 耕地 种植农作物的土地
2 林地 生长乔木、灌木、竹类,以及沿海红树林地等林业用地
3 草地 以生长草本植物为主,覆盖度在5%以上的各类草地
4 水域 天然陆地水域和水利设施用地
5 建设用地 城乡居民点及其以外的工矿、交通等用地
6 未利用土地 目前还未利用的土地,包括难利用的土地

2 研究方法

2.1 土地利用动态变化指标

为表征研究区内各土地类型在特定时间段内的动态变化速率,本研究选取单一土地利用动态度(K)[26]表示各土地类型的年均变化程度,其公式为:
K = U b - U a U a × T × 100 %
式中: U a 和 U b分别为研究时段初期和末期某土地类型面积; T为研究时段长度。当K为正值时,表示研究期内该土地类型呈现增长趋势,反之呈现减少趋势; K的绝对值反映研究期内该土地类型变化程度的大小,值越大表明研究期内该土地类型动态度越大,反之越小。

2.2 土地利用转移矩阵

土地利用转移矩阵是用来衡量研究区内2种土地利用类型间相互转化的方向与面积的主要方法[27],计算公式为:
S i j = S 11 … S 1 n ︙ ⋱ ︙ S n 1 … S n n
式中: S为土地面积; i和j(i,j=1,2,…,n)分别为研究期初期和末期的土地利用类型; n为研究区土地利用类型数量,本研究中n=6; S i j为研究期内第i类土地类型转化为第j类土地类型的面积。

2.3 地块破碎度评价指标

为评价流域各土地类型破碎度,本研究从景观生态学角度出发,分别从面积、形状和分布3方面选取3个指标来表征。
1)面积破碎指标: 斑块密度(patch density,PD)。其数值与面积破碎程度成正相关关系,值越大,破碎程度越高,单位是个/hm2,公式为:
P D = n / A
式中: n为某土地类型地块数; A为总面积。
2)形状破碎指标: 面积加权形状指数(area-weighted mean shape index,AWMSI)。该指数综合反映地块形状与面积的关系,值越大,破碎化程度越高,公式为:
A W M S I = ∑ i = 1 n [ ( 0.25 P i / a i 　 ) ( a i / A ) ]
式中: Pi为地块周长; ai为地块面积。
3)分布破碎指标: 破碎化指数(fragmentation index,FS)。该指数直接评价破碎化程度,值越大,破碎化程度越高,公式为:
F S = 1 - 1 / ∑ i = 1 n 0.25 P i / a i 　 / n 。

2.4 相关性分析

皮尔逊相关性系数(r),又称皮尔逊积矩相关系数,被广泛用于度量2个变量间的相关程度,其值介于-1与1之间。当r为正值时,则因子呈正相关,反之呈负相关; r的绝对值反映因子相关程度的大小,值越大表明两因子的相关程度越大,反之越小。其公式为:
r = ∑ i = 1 n ( x i - X ¯ ) ( y i - Y ¯ ) ∑ i = 1 n ( x i - X ¯ ) 2 　 ∑ i = 1 n ( y i - Y ¯ ) 2 　
式中: xi和yi(i=1,2,…,n)分别为2个变量第i年的值; X ¯和 Y ¯分别为研究期内2个变量的平均值。

3 结果与分析

3.1 土地利用结构及变化分析

3.1.1 土地利用类型时空变化特征

格尔木河流域1980—2020年间各土地利用类型空间分布见图2,各土地利用类型面积及占比如表2所示。可以看出,受到区域地质环境和土地荒漠化的影响,40 a间未利用土地与草地是该区域的主要用地类型,其面积之和占流域土地的92%以上,其中未利用土地主要包括沙地、戈壁、盐碱地、沼泽和裸岩石砾地等类型,占比范围为56.73%~58.21%,主要分布在流域南部昆仑山地与北部冲湖积-湖积平原。其次水域是较为主要的用地类型,占比范围为3.40%~4.93%,主要分布在流域下游东达布逊湖附近,山区也存在小面积湖泊水体。林地、建设用地及耕地面积比例总计不足5%,林地主要分布在流域中部冲洪积平原区泉集河附近。
图2 格尔木河流域土地利用类型年际空间分布图

Fig.2 Inter-annual spatial distribution of land use types in the Golmud River basin

表2 格尔木河流域土地利用类型年际面积及占比

Tab.2 Inter-annual area and proportion of land use types in the Golmud River basin

年份 统计类型 耕地 林地 草地 水域 建设用地 未利用土地
1980年 面积/km2 84.90 629.00 13 122.06 1 299.87 94.80 21 132.31
比重/% 0.23 1.73 36.09 3.57 0.26 58.11
1990年 面积/km2 88.16 629.00 13 120.01 1 265.15 97.15 21 163.48
比重/% 0.24 1.73 36.08 3.48 0.27 58.20
1995年 面积/km2 88.80 628.86 13 126.72 1264.00 87.30 21 167.49
比重/% 0.24 1.73 36.10 3.48 0.24 58.21
2000年 面积/km2 90.50 633.43 13 117.92 1265.46 113.07 21 142.56
比重/% 0.25 1.74 36.07 3.48 0.31 58.14
2005年 面积/km2 94.35 629.42 13 097.39 1 284.10 135.92 21 122.00
比重/% 0.26 1.73 36.02 3.53 0.37 58.09
2010年 面积/km2 94.34 629.59 13 095.02 1 293.69 136.20 21 114.11
比重/% 0.26 1.73 36.01 3.56 0.37 58.06
2013年 面积/km2 94.35 628.65 13 095.00 1 235.49 170.25 21 139.42
比重/% 0.26 1.73 36.01 3.40 0.47 58.13
2015年 面积/km2 94.35 629.42 13 096.50 1 298.53 134.72 21 109.66
比重/% 0.26 1.73 36.02 3.57 0.37 58.05
2020年 面积/km2 94.19 603.55 12 993.70 1 791.95 251.62 20 627.85
比重/% 0.26 1.66 35.73 4.93 0.69 56.73
从时间尺度来看(图3,图4),格尔木河流域各土地类型年际变化具有以下特征: ①1980—2020年,耕地、水域和建设用地面积整体呈增加趋势,占比分别从0.23%,3.57%和0.26%增长至0.26%,4.93%和0.69%,而林地、草地和未利用土地面积整体呈缩减趋势,其占比分别从1.73%,36.09%和58.11%减少至1.66%,35.73%和56.73%,其中2015—2020年,林地、草地和未利用土地面积明显下降,水域和建设用地面积明显增加; ②从变化量看,1980—2015年各土地利用类型面积变化不大,结构较稳定,2015—2020年,水域和建设用地增加量明显,分别增加493.42 km2和116.90 km2,未利用土地和草地减少量明显,分别减少481.81 km2和102.80 km2; ③从动态度来看,1980—2020年,建设用地的面积变化最为剧烈,整体呈现增加趋势,水域在2015—2020年间呈现明显扩张变化,由于未利用土地与草地所占流域面积比例较大,尽管变化量大,但土地类型动态度较小,其动态变化幅度不大; ④2015—2020年间,各土地类型面积的变化量与动态度较1980—2015年变化显著。
图3 格尔木河流域各土地利用类型年际变化

Fig.3 Inter-annual variation in land use types in the Golmud River basin

图4 格尔木河流域各土地利用类型变化量与动态度

Fig.4 Amount of change and dynamic degree of various land use types in the Golmud River basin

3.1.2 土地利用类型转移特征

1980—2020年间格尔木河流域部分土地利用类型转移发生显著变化(表3、图5)。1980年流域内未利用土地转出面积最大(848.12 km2),主要向水域和草地转化; 草地的转出面积达420.52 km2,主要向未利用土地和水域转化; 林地的转出率最高(8.77%),主要向建设用地转化。2020年流域内水域转入面积最大(570.87 km2),主要为未利用土地转入; 未利用土地与草地的转出面积达343.69 km2和292.15 km2,建设用地转入率高达64.16%,主要为未利用土地转入。从空间变化可以看出(图5),1980—2020年流域内土地利用类型转移主要发生在中部与北部,其中2020年流域内水域的转入主要是盐田面积的增加,发生在东达布逊湖附近; 建设用地的转入主要发生在中部格尔木市区及北部盐田附近,流域南部山区主要是草地与未利用土地的相互转移。
表3 1980—2020年格尔木河流域土地利用转移矩阵

Tab.3 Land use transfer matrix of the Golmud River basin from 1980 to 2020

1980年 2020年面积/km2 转出量/km2 转出率/%
草地 耕地 建设用地 林地 水域 未利用土地
草地 — 3.17 25.45 17.44 107.51 266.94 420.52 3.20
耕地 1.43 — 1.80 0.30 1.35 0.55 5.43 6.39
建设用地 0.50 0.27 — 0.07 3.04 0.72 4.61 4.87
林地 12.70 6.26 24.13 — 2.71 9.37 55.18 8.77
水域 6.38 4.01 0.50 1.75 — 66.12 78.75 6.06
未利用土地 271.14 1.00 109.56 10.17 456.26 — 848.12 4.01
转入量/km2 292.15 14.72 161.45 29.73 570.87 343.69 — —
转入率/% 2.25 15.62 64.16 4.93 31.86 1.67 — —
图5 1980—2020年格尔木河流域土地利用转移空间分布图

Fig.5 Spatial distribution of land use transfer in the Golmud River basin from 1980 to 2020

由图6可以看出,1990—2015年流域内主要为草地与未利用土地之间的转化,呈现此消彼长的趋势。2015—2020年流域内各土地利用类型的转移变化最剧烈,其中2015年的草地与未利用土地转出最显著,转出面积高达918.70 km2和508.69 km2(表4)。2种土地类型面积占流域总面积较大,虽然转出量较大,但研究时段内转出率较小。
图6 1980—2020年格尔木河流域土地利用转移轨迹

Fig.6 Trajectory of land use transfer in the Golmud River basin from 1980 to 2020

表4 2015—2020年格尔木河流域土地利用转移矩阵

Tab.4 Land use transfer matrix of the Golmud River basin from 2015 to 2020

2015年 2020年面积/km2 转出量/km2 转出率/%
草地 耕地 建设用地 林地 水域 未利用土地
草地 — 0.54 14.32 19.45 106.80 367.58 508.69 3.88
耕地 1.14 — 0.58 0.61 0.39 0.29 3.01 3.19
建设用地 2.50 0.56 — 0.17 2.32 1.02 6.57 4.87
林地 19.58 0.23 24.21 — 3.57 14.88 62.47 9.93
水域 8.86 0.43 0.43 2.37 — 52.53 64.63 4.98
未利用土地 374.21 1.09 83.95 13.99 445.46 — 918.70 4.35
转入量/km2 406.29 2.85 123.48 36.59 558.54 436.30 — —
转入率/% 3.13 3.03 49.07 6.06 31.17 2.12 — —

3.1.3 地块破碎度总体情况

各土地类型破碎指标见表5,由表可知,1980—2020年研究区林地、草地与未利用土地的破碎程度加剧; 耕地、未利用土地的形状逐渐不规则,AWMSI分别由1.807 1和1.836 7增加至2.161 6和2.351 8; 未利用土地的分布趋于零散化,FS由41.606 0增加至44.165 8。
表5 格尔木河流域各土地类型破碎指标结果

Tab.5 Results of the fragmentation indicators for various land types in the Golmud River basin

类型 年份 PD/(个·hm-2) AWMSI FS
耕地 1980年 0.000 7 1.807 1 2.767 9
2000年 0.000 3 2.206 4 2.842 6
2020年 0.000 4 2.161 6 2.794 0
林地 1980年 0.002 7 2.939 1 7.771 5
2000年 0.002 7 2.921 8 7.725 3
2020年 0.002 8 2.900 6 7.734 8
草地 1980年 0.033 1 2.706 3 15.081 2
2000年 0.033 1 2.707 6 15.051 7
2020年 0.033 4 2.713 2 14.049 6
水域 1980年 0.007 7 2.345 5 4.769 4
2000年 0.007 3 2.380 8 4.704 1
2020年 0.007 6 2.354 0 4.475 3
建设用地 1980年 0.001 5 1.486 3 2.110 8
2000年 0.001 5 1.477 0 1.935 4
2020年 0.003 4 1.458 3 2.016 3
未利用土地 1980年 0.032 3 1.836 7 41.606 0
2000年 0.031 4 1.813 4 43.388 6
2020年 0.018 3 2.351 8 44.165 8

3.2 土地利用变化驱动因子分析

3.2.1 驱动因子变化特征

流域气象水文因子时间变化趋势如图7所示,1980—2020年年平均气温呈现明显的波动上升趋势,平均气温为-0.97 ℃,1983年年平均气温最低,2006年最高,相差2.22 ℃。1980—2020年年降雨量虽然有波动,但整体呈小幅上升趋势,多年平均降雨量达到166.53 mm,2009年降雨量最大,为229.52 mm,1984年最小,为111.11 mm。1980—2020年年径流量波动幅度较大,但上升趋势不明显,多年均值为24.52 m3/s,2010年最大(51.90 m3/s),2001年最小(15.60 m3/s)。由空间分布特征可以看出(图8),流域内气温变化率的总体分布不均匀,范围在-0.36~0.63 ℃/10 a; 降雨量均呈现增加趋势,变化率在-0.14~4.32 mm/10 a之间,低于我国西北地区增湿率(8.2 mm/10 a)[28],山区的降雨量增加幅度明显高于平原区。
图7 格尔木河流域气象和水文因子年际变化图

Fig.7 Inter-annual variation of meteorological and hydrological factors in the Golmud River basin

图8 格尔木河流域气温和降雨量变化趋势空间分布图

Fig.8 Spatial distribution of temperature and rainfall trends in the Golmud River basin

由图9可知,1980—2020年格尔木市的总人口数呈现缓慢增加的趋势,由5.90万人增加至13.83万人,这期间人口增长率达133.41%。1995—2020年地区生产总值由0.92×106万元增加至3.06×106万元,近25 a增长率达232.61%。整体来看,生产总值主要呈现“上升-减少-上升”的趋势,于2019年达最高(3.77×106万元)。
图9 格尔木市总人口数和生产总值年际变化图

Fig.9 Inter-annual variation of total population and gross domestic product of Golmud City

3.2.2 各土地利用类型驱动因子分析

皮尔逊相关系数(r)分析如图10所示(其中*代表p≤0.05),气温与耕地面积,总人口数与耕地、建设用地面积,生产总值与建设用地面积均在0.05的水平上呈显著性相关。其中,总人口数与耕地面积相关性极强,r为0.93,气温、生产总值与耕地面积呈现较强的正相关,r分别为0.87和0.73,表明耕地面积的变化与气温、人类活动都有很大的关联; 相较于总人口数与建设用地面积的相关性(r=0.76),生产总值与其相关系数更大(r=0.81),对比发现(图3、图9),建设用地面积与地区生产总值有相同的变化趋势,均以2013年、2015年为转折年份; 草地、未利用土地面积与人类活动因子(总人口数和生产总值)呈现负相关关系(r≤-0.5)。整体来看,1980—2020年间,格尔木河流域各土地类型面积与人类活动因子相关性较强,与气象、水文因子相关性较弱。
图10 格尔木河流域各土地类型面积、人类活动及气象水文因子相关系数矩阵图

Fig.10 Matrix of correlation coefficients of area of various land types, human activities, and meteorological and hydrological factors in the Golmud River basin

4 讨论与结论

4.1 讨论

1)本研究中已对流域土地利用的时空变化特征和影响因素有了初步的研究,但受到数据限制,人类活动因子仅考虑了总人口数和生产总值,缺少开采量等工程活动数据,今后需进一步收集数据,以深入探究人类活动的变化特征及其对流域土地利用的响应。
2)1980—2020年流域内土地利用度不高,以未利用土地为主要用地类型,经调查发现存在土地荒漠化、水质咸化等生态环境问题,造成区内草地与未利用土地面积的转化显著。建议对流域实施生态环境分区管理,全面考虑区域地质条件、气候、经济等因素,最大化利用和管理土地资源,加强对流域内草地、林地等植被的保护,提高生态稳定性,促进流域生态与环境的协调发展。

4.2 结论

本文根据格尔木河流域1980—2020年土地利用类型进行时空变化分析,结合研究区气象水文与人类活动因子,探究其驱动因子,主要结论如下:
1)土地利用类型面积差异明显。1980—2020年格尔木河流域主要的土地利用类型为未利用土地与草地,占流域总面积92%以上,水域占比范围在3.40%~4.93%,主要分布在流域下游东达布逊湖附近,其他用地类型比例不到5%。
2)土地利用类型变化呈现前期缓后期快趋势。1980—2020年格尔木河流域耕地、水域和建设面积呈现增加趋势,林地、草地和未利用土地呈现减少趋势,2015—2020年各土地利用类型面积的变化量与动态度较前变化显著,水域和建设用地分别增加493.42 km2和116.90 km2,未利用土地和草地分别减少481.81 km2和102.80 km2。
3)土地利用类型面积转移显著。1980—2020年未利用土地转出面积最大(848.12 km2),主要向水域和草地转化,林地转出率最高(8.77%),主要向建设用地转化; 流域内各土地类型空间转移主要发生在中部与北部,水域的转入主要为人类活动盐田面积的增加,发生在北部东达布逊湖附近,建设用地的转入主要发生在中部格尔木市区及北部盐田附近; 林地、草地与未利用土地的破碎程度加剧,耕地、未利用土地的形状逐渐不规则,未利用土地的分布趋于零散化。
4)人类活动是流域土地利用类型变化的主要驱动因子。1980—2020年研究区各土地类型变化与人类活动因子(总人口数、地区生产总值)相关性较强,与气象水文因子相关性较弱; 其中,耕地面积与总人口数相关性极强(r=0.93),建设用地面积与地区生产总值相关性较强,呈现“上升-减少-上升”的相同趋势。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
范泽孟. 基于SSP-RCP不同情景的京津冀地区土地覆被变化模拟[J]. 地理学报, 2022, 77(1):228-244.

DOI

Fan Z M. Simulation of land cover change in Beijing-Tianjin-Hebei Region under different SSP-RCP scenarios[J]. Acta Geographica Sinica, 2022, 77(1):228-244.

DOI

[2]
Foley J A, Defries R, Asner G P, et al. Global consequences of land use[J]. Science, 2005, 309(5734):570-574.

DOI PMID

[3]
Turner B L, Janetos A C, Verburg P H, et al. Land system architecture:Using land systems to adapt and mitigate global environmental change[J]. Global Environmental Change, 2013, 23(2):395-397.

[4]
周厚侠. 黑河中游区域土地利用/土地覆盖变化及环境热效应研究[D]. 北京: 中国矿业大学(北京), 2016.

Zhou H X. Study on the area of land use/land cover change and environmental thermal effect in the middle reaches of Hei River[D]. Beijing: China University of Mining and Technology, Beijing, 2016.

[5]
Turner M G, Romme W H, Gardner R H, et al. Effects of fire size and pattern on early succession in Yellowstone National Park[J]. Ecological Monographs, 1997, 67(4):411.

[6]
Turner B L. Local faces,global flows:The role of land use and land cover in global environmental change[J]. Land Degradation and Development, 1994, 5(2):71-78.

[7]
Geist H J, Lambin E F. Proximate causes and underlying driving forces of tropical deforestation[J]. BioScience, 2002, 52(2):143.

[8]
覃德华. 闽东土地利用/覆盖变化的时空分异规律及其区域生态安全综合评价[D]. 福州: 福建农林大学, 2010.

Qin D H. Research on the spatio-temporal distribution laws of LUCC and regional eco-security comprehensive assessment in Mindong[D]. Fuzhou: Fujian Agriculture and Forestry University, 2010.

[9]
夏慧玲. 深圳市宝安区LUCC驱动力的时空分异研究[D]. 武汉: 华中农业大学, 2009.

Xia H L. Temporal and spatial variation of LUCC driving forces in Bao’an District,Shenzhen[D]. Wuhan: Huazhong Agricultural University, 2009.

[10]
朱永华, 张生, 孙标, 等. 西辽河流域通辽平原区地下水埋深与植被及土壤特征的关系[J]. 水土保持通报, 2019, 39(1):29-36.

Zhu Y H, Zhang S, Sun B, et al. Relationship between groundwater depth and characteristics of vegetation and soil in Tongliao Plain[J]. Bulletin of Soil and Water Conservation, 2019, 39(1):29-36.

[11]
梁露霜. 祁连山区土地利用/覆被变化(LUCC)的时空动态及其景观生态风险评价[D]. 兰州: 兰州大学, 2023.

Liang L S. Spatiotemporal dynamics of land use/cover change (LUCC) and landscape ecological risk assessment in the Qilian Mountains[D]. Lanzhou: Lanzhou University, 2023.

[12]
彭海月, 任燕, 李琼, 等. 青藏高原土地利用/覆被时空变化特征[J]. 长江科学院院报, 2022, 39(8):41-49,57.

DOI

Peng H Y, Ren Y, Li Q, et al. Spatial and temporal land use/cover change characteristics of Qinghai-Tibet Plateau[J]. Journal of Yangtze River Scientific Research Institute, 2022, 39(8):41-49,57.

[13]
张镱锂, 刘林山, 王兆锋, 等. 青藏高原土地利用与覆被变化的时空特征[J]. 科学通报, 2019, 64(27):2865-2875.

Zhang Y L, Liu L S, Wang Z F, et al. Spatial and temporal characteristics of land use and cover changes in the Tibetan Plateau[J]. Chinese Science Bulletin, 2019, 64(27):2865-2875.

[14]
彭建, 蔡运龙, 何钢, 等. 喀斯特生态脆弱区猫跳河流域土地利用/覆被变化研究[J]. 山地学报, 2007, 25(5):566-576.

Peng J, Cai Y L, He G, et al. Land use/cover change in ecologically fragile kast areas:A case study in Maotiaohe River basin,Guizhou China[J]. Journal of Mountain Science, 2007, 25(5):566-576.

[15]
姜宁宁. 基于GIS的渭北旱塬LUCC分析及其驱动力研究——以陕西省澄城县为例[D]. 西安: 西北大学, 2011.

Jiang N N. Analysis and reasearch on LUCC and its driving forces in Weibei Dry Highland based on GIS:A case study of Chengcheng County in Shaanxi[D]. Xi’an: Northwest University, 2011.

[16]
阿依苏力坦·麦麦提艾力. 博斯腾湖流域土地利用/覆被变化及其驱动因子分析[D]. 乌鲁木齐: 新疆师范大学, 2014.

Ayisulitan M. Study on the land use/cover change and analyze driving forces of Bosten Lake basin[D]. Urumqi: Xinjiang Normal University, 2014.

[17]
程磊, 徐宗学, 罗睿, 等. 渭河流域1980—2000年LUCC时空变化特征及其驱动力分析[J]. 水土保持研究, 2009, 16(5):1-6,30,287.

Cheng L, Xu Z X, Luo R, et al. Spatial-temporal characteristics of LUCC and driving factor analysis for the Wei River basin from 1980 to 2000[J]. Research of Soil and Water Conservation, 2009, 16(5):1-6,30,287.

[18]
Yang X, Ren L, Liu Y, et al. Hydrological response to land use and land cover changes in a sub-watershed of West Liaohe River basin,China[J]. Journal of Arid Land, 2014, 6(6):678-689.

[19]
马志昂, 盖艾鸿, 孙林军. 格尔木市盆地地区土地利用/覆盖变化时空演变[J]. 水土保持通报, 2015, 35(5):268-273,278.

Ma Z A, Gai A H, Sun L J. Spatial-temporal evolution of land use/cover change in Golmud Basin[J]. Bulletin of Soil and Water Conservation, 2015, 35(5):268-273,278.

[20]
张梨梨. 格尔木—南山口铁路沿线土地利用/覆盖变化研究[D]. 北京: 中国地质大学(北京), 2014.

Zhang L L. Land use/cover change research of the Qinghai-Tibet Railway-Golmud-Nanshankou from case[D]. Beijing: China University of Geosciences, 2014.

[21]
宁黎平, 韩丽蓉, 宋宜容, 等. 格尔木市区土地利用动态遥感调查[J]. 青海大学学报(自然科学版), 2005, 23(3):23-26.

Ning L P, Han L R, Song Y R, et al. Remote sensing investigation in the status of land utilization in Germo urban district[J]. Journal of Qinghai University, 2005, 23(3):23-26.

[22]
格尔木市统计局. 2022年格尔木市国民经济与社会发展统计公报[EB/OL]. 2023(2023-03-15)[2024-01-12]. http://tjj.qinghai.gov.cn/tjData/cityBulletin/202401/t20240112_240688.html.

Golmud City Bureau of Statistics. Statistical bulletin of the national economic and social development of Golmud City in 2022[EB/OL]. 2023(2023-03-15)[2024-01-12]. http://tjj.qinghai.gov.cn/tjData/cityBulletin/202401/t20240112_240688.html.

[23]
海西州统计局. 海西州2022年国民经济和社会发展统计公报[EB/OL]. 2023(2023-07-05)[2024-01-12]. http://tjj.qinghai.gov.cn/tjData/cityBulletin/202401/t20240112_240936.html.

Haixi Prefecture Bureau of Statistics. Statistical bulletin of the national economic and social development of Haixi Prefecture in 2022[EB/OL]. 2023(2023-07-05)[2024-01-12]. http://tjj.qinghai.gov.cn/tjData/cityBulletin/202401/t20240112_240936.html.

[24]
徐新良, 刘纪远, 张树文, 等. 中国多时期土地利用土地覆被遥感监测数据集(CNLUCC)[EB/OL]. 中国科学院地理科学与资源研究所, 2018[2024-01-11]. https://www.resdc.cn/DOI/DOI.aspx?DOIID=54.

Xu X L, Liu J Y, Zhang S W, et al. Remote sensing dataset for land use and land cover monitoring over multiple periods in China(CNLUCC)[EB/OL]. Institute of Geographic Sciences and Resources,Chinese Academy of Sciences,China, 2018[2024-01-11]. https://www.resdc.cn/DOI/DOI.aspx?DOIID=54.

[25]
Peng S Z, Ding Y X, Liu W Z, et al. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J]. Earth System Science Data, 2019, 11(4):1931-1946.

[26]
王秀兰, 包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 1999, 18(1):81-87.

Wang X L, Bao Y H. Study on the methods of land use dynamic change research[J]. Progress in Geography, 1999, 18(1):81-87.

DOI

[27]
徐岚, 赵羿. 利用马尔柯夫过程预测东陵区土地利用格局的变化[J]. 应用生态学报, 1993, 4(3):272-277.

Xu L, Zhao Y. Forecast of land use pattern change in Dongling District of Shenyang:An application of Markov process[J]. Chinese Journal of Applied Ecology, 1993, 4(3):272-277.

[28]
张强, 朱飙, 杨金虎, 等. 西北地区气候湿化趋势的新特征[J]. 科学通报, 2021, 66(28-29):3757-3771.

Zhang Q, Zhu B, Yang J H, et al. New characteristics about the climate humidification trend in Northwest China[J]. Chinese Science Bulletin, 2021, 66(28-29):3757-3771.

Options
文章导航

/

〈 〉