?？谑?0年來(lái)耕地破碎化空間格局及其影響因素分析

海口市40年來(lái)耕地破碎化空間格局及其影響因素分析目錄TOC\o"1-3"\h\u89531.引言 595212.研究區(qū)概況與數(shù)據(jù)來(lái)源 6125112.1.研究區(qū)概況 646132.2.數(shù)據(jù)來(lái)源與處理 7287843.研究方法 8256713.1.技術(shù)路線(xiàn) 8239163.2.耕地破碎化評(píng)價(jià)模型構(gòu)建 9118273.2.1.景觀(guān)格局指數(shù) 963183.2.2.熵值法 10200953.3.土地利用轉(zhuǎn)移矩陣 12271883.4.土地利用動(dòng)態(tài)度 12186353.5.灰色關(guān)聯(lián)分析 1372494.結(jié)果與討論 1416734.1.?？谑懈仄扑榛u(píng)價(jià)結(jié)果 14167584.2.海口市耕地破碎化時(shí)空動(dòng)態(tài)分析 15276834.3.?？谑懈仄扑榛绊懸蛩胤治?17166905.結(jié)論 1919568參考文獻(xiàn) 2011874致謝 22摘要：本文基于海口市1980、1990、2000、2005、2010、2015、2020年7期土地利用數(shù)據(jù)，利用ArcGIS、Fragstats軟件分析了土地利用動(dòng)態(tài)度、景觀(guān)格局指數(shù)以及綜合指數(shù)，并選用灰色關(guān)聯(lián)分析法研究了耕地破碎化的影響因素。研究表明：（1）?？谑?980-2020年，耕地的斑塊總面和聚合指數(shù)總體上逐漸減小，斑塊密度和平均周長(zhǎng)面積比逐漸增大，平均近鄰距離逐漸減小，耕地破碎升高，耕地聚合程度降低，耕地連通性變差。（2）?？谑械母孛娣e總體上呈現(xiàn)出減少趨勢(shì)。（3）在1980-2020年的?？谕恋乩棉D(zhuǎn)移中，耕地主要轉(zhuǎn)向人工建設(shè)用地，少量轉(zhuǎn)向水域；且2000年之后的土地利用轉(zhuǎn)移強(qiáng)度明顯高于2000年之前，耕地動(dòng)態(tài)度變化也更為明顯。（4）自然條件和人類(lèi)社會(huì)活動(dòng)都是?？谑懈仄扑榛粩嘣黾拥挠绊懸蛩?，其中人口因素是促使耕地破碎化加劇的主要因素，人類(lèi)活動(dòng)與耕地破碎化程度關(guān)系密切，其次是氣溫和降水。關(guān)鍵詞：景觀(guān)格局指數(shù)、耕地破碎化、土地利用轉(zhuǎn)移矩陣、灰度關(guān)聯(lián)分析引言耕地是人類(lèi)進(jìn)行農(nóng)事生產(chǎn)的物質(zhì)基礎(chǔ)，是確保糧食安全的根本保障REF_Ref6146\r\h[1]。但城市化進(jìn)程中，日益增長(zhǎng)的建設(shè)用地需求與最嚴(yán)格的耕地保護(hù)制度之間的矛盾日益深化REF_Ref10025\r\h[2]。除此之外，耕地的土壤肥力退化、耕地破碎化增加導(dǎo)致農(nóng)業(yè)生產(chǎn)效率降低進(jìn)而引起的糧食安全問(wèn)題已成為人們普遍關(guān)注和研究的熱點(diǎn)REF_Ref11811\r\h[3,4]，因此對(duì)在城市化進(jìn)程下耕地破碎化及其影響因素進(jìn)行研究，了解其發(fā)展規(guī)律以及趨勢(shì)，分析影響因素對(duì)耕地進(jìn)行保護(hù)以及可持續(xù)發(fā)展具有重要意義。耕地破碎化的研究主要分為兩種：一種是選取景觀(guān)指數(shù)，進(jìn)行景觀(guān)分析。如陳俊韜、萬(wàn)偉華REF_Ref21695\r\h[5-9]選取不同的景觀(guān)格局指數(shù)對(duì)耕地破碎化程度進(jìn)行定量分析，張限REF_Ref22557\r\h[10]等人使用熵值法進(jìn)行賦權(quán)，在景觀(guān)指數(shù)法的基礎(chǔ)上形成綜合的耕地破碎化指數(shù)，以此來(lái)評(píng)價(jià)耕地破碎化程度；另一種是在使用景觀(guān)指數(shù)法的基礎(chǔ)上，對(duì)耕地進(jìn)行空間分析，如李文灝、劉強(qiáng)REF_Ref24869\r\h[11-12]使用了GIS空間分析功能更好展示其時(shí)空變化特征，秦大海REF_Ref21695\r\h[13]等人還使用了土地利用轉(zhuǎn)移矩陣和土地利用動(dòng)態(tài)度的方法來(lái)展示耕地時(shí)空變化特征。明確了耕地破碎化的空間分布特征，但若要更好地為相關(guān)部門(mén)的決策提供依據(jù)，需要對(duì)耕地破碎化的影響因素驅(qū)動(dòng)力進(jìn)行研究。對(duì)于耕地破碎化影響因素的研究主要分為定性和定量?jī)煞N，如李云路、李文灝REF_Ref21695\r\h[9,11,14]從自然條件和人類(lèi)活動(dòng)等方面對(duì)耕地破碎化的影響因素進(jìn)行了定性分析；陳俊韜、萬(wàn)偉華[5-8,10,12,15]使用主成分分析法、空間自相關(guān)分析法和地理加權(quán)回歸分析法對(duì)影響耕地破碎化程度的因子進(jìn)行量化分析，提高了對(duì)耕地破碎化程度的認(rèn)識(shí)。但是，主成分分析和回歸分析等方法僅適合于少數(shù)幾個(gè)因素或者是線(xiàn)性的因素分析，在面對(duì)多因素的、非線(xiàn)性的問(wèn)題時(shí)，在處理中會(huì)比較困難。而灰色關(guān)聯(lián)分析是一種根據(jù)完全已知的白色系統(tǒng)和完全未知的黑色系統(tǒng)之間影響灰色系統(tǒng)的因素，其發(fā)展動(dòng)態(tài)的相似程度來(lái)衡量因素之間關(guān)聯(lián)程度的方法，它不需要樣本數(shù)量，也不需要對(duì)樣本進(jìn)行區(qū)分，是非統(tǒng)計(jì)的數(shù)學(xué)方法，更適用于多因素、非線(xiàn)性問(wèn)題的研究。綜上所述，在之前的研究中，研究區(qū)大多集中在山地丘陵[8,14]、平原地區(qū)[11]經(jīng)濟(jì)發(fā)達(dá)地區(qū)REF_Ref30829\r\h[5]，缺少對(duì)沿?；驆u嶼城市耕地破碎化及其影響因素的研究分析,沿海城市是我國(guó)改革和經(jīng)濟(jì)發(fā)展的重心，但隨著城市化的發(fā)展各種生態(tài)問(wèn)題頻發(fā)[16]，耕地破碎化與經(jīng)濟(jì)發(fā)展的矛盾日益凸顯；另外，使用的研究數(shù)據(jù)大多跨度不大，基本在1年至20年之間[5-7,10,13]，并不能很好的反應(yīng)社會(huì)經(jīng)濟(jì)發(fā)展過(guò)程中耕地時(shí)空變化的詳細(xì)過(guò)程，若要準(zhǔn)確把握耕地破碎化趨勢(shì)并研究其影響因素，需要建立在長(zhǎng)時(shí)間的研究基礎(chǔ)上。因此本文基于?？谑?980、1990、2000、2005、2010、2015、2020年7期土地利用數(shù)據(jù)，利用ArcGIS、Fragstats軟件分析土地利用動(dòng)態(tài)度、景觀(guān)格局指數(shù)以及綜合指數(shù)，并選用灰色關(guān)聯(lián)分析法定量分析研究了耕地破碎化的影響因素，研究區(qū)選用的數(shù)據(jù)跨度為40年，反映社會(huì)經(jīng)濟(jì)發(fā)展過(guò)程中耕地時(shí)空變化的詳細(xì)過(guò)程，為海島城市的經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展提供科學(xué)參考。圖1研究區(qū)位置圖Fig.1Locationmapofstudy研究區(qū)概況與數(shù)據(jù)來(lái)源圖1研究區(qū)位置圖Fig.1Locationmapofstudy研究區(qū)概況海南省?？谑校▓D1）位于東經(jīng)110°08’~110°43’，北緯19°32’~20°06’，地處海南島東北部，東鄰文昌，西接澄邁，南毗定安，北臨瓊州海峽，總面積約3126.83km2，是典型的海島型城市，其中，陸地面積2296.82km2，海域面積830km2。海口市地處低緯熱帶邊緣，屬于熱帶季風(fēng)氣候。全市地形平坦，北部近海海岸多為海岸臺(tái)地地形，?？谑形鱾?cè)以火山坑作為高地，東寨港東側(cè)有紅樹(shù)林，南面則是一片具有代表性的田園風(fēng)光REF_Ref25933\r\h[17]。此次研究區(qū)為?？谑嘘懹?。數(shù)據(jù)來(lái)源與處理本研究使用的數(shù)據(jù)為1980年、1990年、2000年、2005年、2010年、2015年、2020年7期海口市的土地利用矢量數(shù)據(jù)。數(shù)據(jù)源坐標(biāo)系為XY坐標(biāo)系Krasovsky_1940_Albers。除此之外還選用了《海南省統(tǒng)計(jì)年鑒》（1990-2020）、《?？谑薪y(tǒng)計(jì)年鑒》（1990-2020）等與矢量數(shù)據(jù)對(duì)應(yīng)年份的相關(guān)數(shù)據(jù)。參照?？谑械耐恋厥褂梅诸?lèi)，本文對(duì)研究區(qū)的土地進(jìn)行了一級(jí)分類(lèi)（表1），包括耕地、林地、草地、水域、人工建設(shè)用地以及未利用土地六個(gè)類(lèi)別。在A(yíng)rcGIS軟件中，我們根據(jù)上述標(biāo)準(zhǔn)對(duì)研究數(shù)據(jù)進(jìn)行了重新分類(lèi)，并據(jù)此繪制了1980-2020年?？谑械耐恋乩妙?lèi)型圖（圖2）。表1?？谑型恋乩梅诸?lèi)Tab.1ClassificationoflanduseofHaikoucity一級(jí)分類(lèi)二級(jí)分類(lèi)耕地水田、旱地林地有林地、灌木林地、疏林地、其他林地草地高覆蓋度草地、中覆蓋度草地、低覆蓋度草地水域河渠、湖泊、水庫(kù)（坑塘）、海涂、灘地人工建設(shè)用地城鎮(zhèn)、農(nóng)村居民點(diǎn)、工交建設(shè)用地、未利用土地沙地、戈壁、鹽堿地、沼澤地、裸土地、裸巖石爍地、其他未利用土地圖2海口市1980-2020年土地利用類(lèi)型圖圖2?？谑?980-2020年土地利用類(lèi)型圖Fig.2Mapoflandusetype,1988-2017研究方法技術(shù)路線(xiàn)本研究以海南省?？谑袨檠芯繀^(qū)域，使用了?？谑?0年土地利用類(lèi)型數(shù)據(jù)，借助ArcGIS、Fragstats軟件，對(duì)?？谑懈仄扑榛捌溆绊懸蛩剡M(jìn)行研究，具體技術(shù)路線(xiàn)圖（圖3）以及文字描述如下文所示：（1）查閱相關(guān)文獻(xiàn)，有關(guān)耕地破碎化及其影響因素分析的研究現(xiàn)狀，所使用的方法，對(duì)其進(jìn)行對(duì)比分析，選取合適的方法進(jìn)行本次研究。（2）使用ArcGIS軟件對(duì)?？谑?980、1990、2000、2005、2010、2015、2020年7期的數(shù)據(jù)進(jìn)行重分類(lèi)，轉(zhuǎn)換數(shù)據(jù)格式并導(dǎo)入Fragstats，選取斑塊總面（totallandscapearea,TA）、聚合指數(shù)（aggregationindex，AI）、斑塊密度（patchdensity,PD）、平均周長(zhǎng)面積（perimeter-arearadiomean，PARA-MN）、平均近鄰距離（euclideannearest-neighbordistancemean,ENN-MN）5個(gè)指標(biāo)進(jìn)行耕地破碎化評(píng)估，再使用熵權(quán)法給每個(gè)指標(biāo)進(jìn)行賦權(quán)，形成綜合的耕地破碎化指數(shù)。（3）將海口市分類(lèi)后的7期數(shù)據(jù)在A(yíng)rcGIS中進(jìn)融合、相交，導(dǎo)出到excel中，通過(guò)數(shù)據(jù)透視表得到土地利用轉(zhuǎn)移矩陣，并根據(jù)公式計(jì)算出?？谑懈乩脛?dòng)態(tài)度，對(duì)?？谑懈剡M(jìn)行時(shí)相動(dòng)態(tài)分析。（4）在《海南統(tǒng)計(jì)年鑒》、《海口統(tǒng)計(jì)年鑒》（1990-2020）中，從自然因素和社會(huì)因素兩方面選擇?？谑械钠骄邓俊⑵骄鶜鉁?、總?cè)丝凇⒛昴└孛娣e、生產(chǎn)總值、第一、二、三產(chǎn)業(yè)生產(chǎn)總值、人均GDP九個(gè)指標(biāo)與計(jì)算所得的耕地破碎化指標(biāo)進(jìn)行灰色關(guān)聯(lián)分析，明確?？谑懈仄扑榛挠绊懸蛩亍D3技術(shù)路線(xiàn)圖Fig.3Technicalroutmap耕地破碎化評(píng)價(jià)模型構(gòu)建景觀(guān)格局指數(shù)在Fragstats4.2軟件中，選擇斑塊總面（totallandscapearea,TA）、聚合指數(shù)（aggregationindex，AI）、斑塊密度（patchdensity,PD）、平均周長(zhǎng)面積（perimeter-arearadiomean，PARA-MN）、平均近鄰距離（euclideannearest-neighbordistancemean,ENN-MN）等典型景觀(guān)格局指數(shù)從耕地的面積、密度、聚合度、連通性等多個(gè)方面來(lái)描述耕地破碎化程度。以下為各項(xiàng)指標(biāo)及其含義：（1）斑塊總面積（totallandscapearea,TA），該指數(shù)由式（1）所得，其與景觀(guān)可持續(xù)性有關(guān)，其值越大，破碎程度越低。（1）式中A為景觀(guān)斑塊總面積。（2）聚合指數(shù)（aggregationindex，AI），該指數(shù)由式（2）所得，可以反映城市化過(guò)程中的景觀(guān)結(jié)構(gòu)變化，對(duì)城市化進(jìn)程中的可持續(xù)性具有指示作用，其值越大，聚合越好REF_Ref15253\r\h[15]，破碎度越低。（2）式中g(shù)ii為第i類(lèi)景觀(guān)斑塊相似鄰接斑塊數(shù)量，max?gii（3）斑塊密度（patchdensity,PD），該指數(shù)由式（3）所得，指單位面積上的斑塊數(shù)，用來(lái)表征景觀(guān)的破碎度，隨著其數(shù)值的增大，破碎程度也隨之增大。能較好反映耕地的破碎化程度以及人類(lèi)活動(dòng)對(duì)耕地的干擾程度REF_Ref15808\r\h[12]。（3）式中ni（4）平均周長(zhǎng)面積（perimeter-arearadiomean，PARA_MN），該指數(shù)由式（4）所得，可以表示形狀分布，從一定程度上可以反應(yīng)人類(lèi)活動(dòng)對(duì)景觀(guān)格局的干擾，斑塊越聚合，形狀越簡(jiǎn)單，其值越小，破碎度越低。（4）式中Pi（5）平均近鄰距離（euclideannearest-neighbordistancemean,ENN_MN）[18]，該指數(shù)由式（5）所得，表示相同類(lèi)型斑塊之間的相對(duì)距離，并且可以反應(yīng)連通性，其值越大，破碎度越低。（5）式中hi熵值法我們采用熵值法對(duì)選定的指標(biāo)進(jìn)行權(quán)重分配，并構(gòu)建了一個(gè)耕地破碎化的評(píng)價(jià)指標(biāo)體系，以便更準(zhǔn)確地描述研究期內(nèi)的耕地破碎化特性。賦權(quán)指標(biāo)的方法主要分為兩大類(lèi)：主觀(guān)賦權(quán)方法和客觀(guān)賦權(quán)方法。其中，在選取指標(biāo)時(shí)主要考慮了指標(biāo)間相互影響及系統(tǒng)自身穩(wěn)定性等因素。由于主觀(guān)賦值法受人為原因影響，與評(píng)價(jià)對(duì)象的實(shí)際權(quán)重偏差較大[19]，故本文采用客觀(guān)賦權(quán)法中的熵值法經(jīng)行賦權(quán)，通過(guò)計(jì)算指標(biāo)的信息熵，根據(jù)指標(biāo)的相對(duì)變化程度對(duì)系統(tǒng)整體的影響來(lái)決定指標(biāo)的權(quán)重，相對(duì)變化程度大的指標(biāo)具有較大的權(quán)重[20]，確定指標(biāo)權(quán)重并計(jì)算綜合指數(shù)。X=XX=X（6）（1）標(biāo)準(zhǔn)化法：因?yàn)樵u(píng)估指標(biāo)的界定和計(jì)量單元的不一致，導(dǎo)致了兩者間有正有負(fù)的差別，難以進(jìn)行對(duì)比。為此，選用極差標(biāo)準(zhǔn)化方法對(duì)各指標(biāo)進(jìn)行初步處理，確保指標(biāo)數(shù)值可比性。正向指標(biāo)（7）負(fù)向指標(biāo)（8）式中：rij為年份j的指標(biāo)i的標(biāo)準(zhǔn)化結(jié)果；Cij為年份j的指標(biāo)i的值；max（2）計(jì)算各指標(biāo)的信息熵ej：（9）式中：M為計(jì)算所使用的年份數(shù)。（3）計(jì)算各指標(biāo)的熵權(quán)wj：（10）式中：m為指標(biāo)個(gè)數(shù)。（4）基于各指標(biāo)的權(quán)重計(jì)算各年份耕地破碎化綜合評(píng)價(jià)指數(shù)Qj,即各指標(biāo)的熵權(quán)值與個(gè)指標(biāo)原始數(shù)據(jù)標(biāo)準(zhǔn)化之后的乘積[20]：（11）式中：Qj為年份j的耕地破碎化綜合指數(shù)。通過(guò)熵值法計(jì)算耕地破碎化各項(xiàng)指標(biāo)所占權(quán)重結(jié)果（表2），以此計(jì)算出的綜合指數(shù)，數(shù)值越大，其破碎化程度越高。表2熵值法計(jì)算權(quán)重結(jié)果匯總?Table2Summaryofweightcalculationresultsusingentropymethod指標(biāo)名稱(chēng)指標(biāo)權(quán)重指標(biāo)屬性TA斑塊總面19.43%負(fù)向指標(biāo)AI聚合指數(shù)7.11%負(fù)向指標(biāo)PD斑塊密度30.43%正向指標(biāo)PARA-MN平均周長(zhǎng)面積比31.82%正向指標(biāo)ENN-MN平均近鄰距離11.20%負(fù)向指標(biāo)土地利用轉(zhuǎn)移矩陣Sij=S11S12S13?S1nSS（12）式中：S表示土地面積；n表示土地利用的類(lèi)型數(shù)；i代表研究期初土地利用類(lèi)型；j代表研究期末土地利用類(lèi)型。土地利用動(dòng)態(tài)度土地利用動(dòng)態(tài)度反應(yīng)一段時(shí)間內(nèi)研究區(qū)各土地利用類(lèi)型的數(shù)量變化、空間變化和組合方式變化等[21]，可定量地描述變化速度，對(duì)預(yù)測(cè)變換趨勢(shì)有積極作用[22]。本文利用此方法研究區(qū)表達(dá)一定時(shí)間內(nèi)耕地的變化情況，其計(jì)算公式為：（13）式中：K表示研究時(shí)段內(nèi)耕地利用動(dòng)態(tài)度；Ua表示研究期初耕地的面積；Ub表示研究期末耕地的面積；t表示研究時(shí)段，當(dāng)t設(shè)定為年時(shí)，K值就是耕地土地類(lèi)型的年變化率?；疑P(guān)聯(lián)分析灰色關(guān)聯(lián)分析，可以通過(guò)對(duì)系統(tǒng)中不確定因素之間的密切程度REF_Ref20501\r\h[23]。此次研究利用灰色關(guān)聯(lián)法計(jì)算比較指標(biāo)（自然因素、社會(huì)因素）作為與參考指標(biāo)（景觀(guān)格局指數(shù)）間的關(guān)聯(lián)程度，關(guān)聯(lián)系數(shù)越高表示比較指標(biāo)對(duì)參考指標(biāo)的影響越大，反之越小REF_Ref15808\r\h[12]。灰色關(guān)聯(lián)分析是一種定量比較的分析法，用來(lái)確定目標(biāo)變量與輸入變量之間關(guān)聯(lián)度的大小[24]，蔣啟成[12,23-25]等人使用灰色關(guān)聯(lián)分析來(lái)計(jì)算目標(biāo)變量與可能存在關(guān)聯(lián)的影響因素之間的關(guān)聯(lián)度，從而明確目標(biāo)變量與影響因素之間的關(guān)系，這適用于耕地破碎化影響因素的研究，關(guān)聯(lián)度數(shù)值超過(guò)0.7為重要因素、0.5~0.7之間為比較重要因素，其余為不重要因素REF_Ref24147\r\h[26]。其計(jì)算公式為：（14）式中，為分辨系數(shù)，通常取0.5；為比較列和參考列的差值取絕對(duì)值；為比較列和參考列的最小差；為比較列和參考列的最大差。結(jié)果與討論海口市耕地破碎化評(píng)價(jià)結(jié)果對(duì)?？谑?0年土地利用分類(lèi)數(shù)據(jù)在A(yíng)rcGIS中重分類(lèi)并轉(zhuǎn)換格式，導(dǎo)入到Fragstats中計(jì)算所選景觀(guān)格局指標(biāo)數(shù)值，將計(jì)算結(jié)果導(dǎo)入到excel表格中進(jìn)行標(biāo)準(zhǔn)化處理，結(jié)合熵值法賦權(quán)結(jié)果計(jì)算綜合指數(shù)，定量表達(dá)海口市耕地的破碎化程度（表3）。表3海口市耕地景觀(guān)格局指數(shù)變化特征Tab.3ChangesintheLandscapePatternIndexofCultivatedLandinHaikou年份TAPDPARA_MNENN_MNAI綜合指數(shù)198075764.610.21258.1431228.809594.4937.81%199075460.140.2096260.4621218.781194.483212.77%200075460.320.2105262.1948216.488994.484214.60%200573768.950.2736323.4426189.750994.816980.78%201073864.350.2069252.2376213.430594.368316.57%201570929.720.227260.497218.176694.283339.81%202070473.150.215252.0507215.46194.191734.06%注：TA為斑塊面積；PD為斑塊密度；PARA_MN為平均周長(zhǎng)面積比;ENN_MN為平均最近臨距離；AI為斑塊聚合度指數(shù)。由表3可知?？谑?980-2020年，景觀(guān)指數(shù)TA和AI總體上呈現(xiàn)出減小趨勢(shì)，表明在城市化進(jìn)程中，?？谑懈仄扑樯?，耕地聚合程度降低。指數(shù)PD和PARA_MN1980-2005年逐漸增大，2005年之后又逐漸減小，指數(shù)ENN_MN1980-2005年呈現(xiàn)不斷減小，2005年之后呈現(xiàn)又開(kāi)始增加，這表明耕地破碎化、斑塊密度程度在2005年之前不斷增大，耕地連通性變差，2005年之后又有所緩解。其中斑塊總面、聚合指數(shù)、平均近鄰距離為負(fù)向指標(biāo)，斑塊密度、平均周長(zhǎng)面積比為正向指標(biāo)，經(jīng)過(guò)熵權(quán)法賦值之后得到綜合指數(shù)，其中平均周長(zhǎng)面積指數(shù)和斑塊密度所占的比重最大，其次是斑塊總面、平均近鄰距離和聚合指數(shù)。最終的綜合指數(shù)以2005年為分界，耕地破碎化程度在2005年達(dá)到峰值，其后顯著降低，主要原因是海南省在2006年發(fā)布了《海南省基本農(nóng)田保護(hù)規(guī)定》，從政策層面對(duì)?？诓粩嘣鰪?qiáng)的耕地破碎化趨勢(shì)起到了抑制作用，同時(shí)也說(shuō)明在耕地破碎化的進(jìn)程中，人類(lèi)活動(dòng)對(duì)其影響較大。?？谑懈仄扑榛瘯r(shí)空動(dòng)態(tài)分析運(yùn)用ArcGIS的進(jìn)融合、相交功能，對(duì)?？谑械挠玫剡M(jìn)行了分析，將結(jié)果導(dǎo)出到excel中，并對(duì)其進(jìn)行了統(tǒng)計(jì)分析，通過(guò)數(shù)據(jù)透視表得到土地利用轉(zhuǎn)移矩陣（表4-6）。表41980-2000年土地利用轉(zhuǎn)移矩陣Tab.4Landusetransfermatrix,1980-2000 2000年（km2）1980年（km2）草地耕地林地人工建設(shè)用地水域未利用草地18.850.010.010.000.000.00耕地0.01754.280.262.320.770.00林地0.010.261213.010.410.020.00人工建設(shè)用地0.000.050.02136.560.000.00水域0.000.000.020.0099.760.00未利用0.000.000.001.920.004.41在1980-2000年間（表4），總體而言?？谑械耐恋亓鲃?dòng)情況較為緩慢。耕地的主要轉(zhuǎn)變方向是轉(zhuǎn)為人工建設(shè)用地，轉(zhuǎn)變面積達(dá)到2.32km2。其次，部分耕地轉(zhuǎn)變?yōu)樗蚝土值兀娣e分別為0.77km2和0.26km2。此外，還有少量的耕地轉(zhuǎn)變?yōu)椴莸亍Ｍ瑫r(shí)，也有部分林地和人工建設(shè)用地轉(zhuǎn)變?yōu)楦亍５傮w而言，耕地的總面積在這20年間一直在下降，人工建設(shè)用地的面積有所增加。表52000-2020年土地利用轉(zhuǎn)移矩陣Tab.5Landusetransfermatrix,2000-2020 2020年（km2）2000年（km2）草地耕地林地人工建設(shè)用地水域未利用草地15.520.520.341.331.180.00耕地0.78668.6619.8057.008.350.01林地11.5623.171110.9952.2315.310.05人工建設(shè)用地1.175.622.62130.331.430.00水域0.085.052.452.3790.360.24未利用0.001.690.031.560.011.11在2000-2020年間（表5），在?？谑?，原本的耕地主要轉(zhuǎn)化成了林地、建設(shè)用地和水域。具體而言，19.8km2的耕地變成了林地，57km2轉(zhuǎn)換成了建設(shè)用地，而8.35km2轉(zhuǎn)化為了水域。同時(shí)，也有其他多種土地類(lèi)型轉(zhuǎn)變成耕地，其中，有23.17km2的林地被轉(zhuǎn)變成了耕地，成為耕地的最主要來(lái)源。其次是5.62km2的建設(shè)用地，5.05km2的水域，0.34km2的草地和1.69km2的未利用土地。在此階段相對(duì)于前20年而言，耕地的轉(zhuǎn)入和轉(zhuǎn)出量明顯增大，且轉(zhuǎn)化為建設(shè)用地的面積明顯增加，相對(duì)于前一階段增加了54.68km2，耕地的總面積在下降，這表明在?？谑谐鞘谢倪M(jìn)程中，耕地的面積的變化和人工建設(shè)用地面積變化的關(guān)系密切，耕地在逐漸減少。表61980-2020年土地利用轉(zhuǎn)移矩陣Tab.6Landusetransfermatrix,1980-2020 2020年（km2）1980年（km2）草地耕地林地人工建設(shè)用地水域未利用草地15.510.520.341.331.180.00耕地0.78668.6519.8059.269.130.01林地11.5623.181111.0152.5615.370.05人工建設(shè)用地1.175.622.62125.821.370.00水域0.085.052.452.3789.590.24未利用0.001.690.033.480.011.11在1980年至2020年整個(gè)研究階段中（表6），?？谑械闹饕剞D(zhuǎn)變方向是人工建設(shè)用地，轉(zhuǎn)變面積達(dá)到59.26km2。同時(shí)，也有部分耕地轉(zhuǎn)變?yōu)樗颍娣e為9.13km2。在耕地與林地的相互轉(zhuǎn)變中，林地轉(zhuǎn)變?yōu)楦氐目偯娣e更大。同時(shí)，有5.62km2的建設(shè)用地、5.05km2的水域和1.69km2的未利用土地轉(zhuǎn)變?yōu)楦?。在整個(gè)研究階段中，隨著海口城市化進(jìn)程加快，耕地面積大量減少，雖然出臺(tái)了相應(yīng)的耕地保護(hù)政策，也有其他用地轉(zhuǎn)化為耕地，但還是不能補(bǔ)足丟失的耕地，耕地從1980年的757.65km2減少到2020年的704.71km2，共減少了52.94km2。根據(jù)得到的土地利用轉(zhuǎn)移矩陣，得到?？谑懈刈兓厔?shì)（圖3）并根據(jù)公式計(jì)算出海口市耕地利用動(dòng)態(tài)度（圖4），對(duì)海口市耕地進(jìn)行時(shí)相動(dòng)態(tài)分析。Km2年Km2年圖41980-2020年耕地面積變化圖Fig.4Changesinarablelandarea,1980-2020由圖4近40年?？诘母孛娣e變化可知，在1980年至2020年間耕地呈現(xiàn)出不斷減小的趨勢(shì)，其中2000年至2005年和2010年至2015年耕地面積減少較多，在2005年至2010年間，耕地相較于2000年至2005年而言，耕地總面積變化較小。這也表明相關(guān)部門(mén)在2006年頒布的《海南省基本農(nóng)田保護(hù)規(guī)定》效果顯著，對(duì)耕地保護(hù)起到了重要作用。在2015年至2020年間，耕地相較于2010年至2015年而言，?？谑懈孛娣e減少的情況有所緩解。這表明，雖然耕地破碎度在增大，但是耕地面積相對(duì)于前一時(shí)期的減少量明顯降低，這與海口市耕地保護(hù)政策的落實(shí)與耕地開(kāi)墾項(xiàng)目的實(shí)施[13]有關(guān)，在秦大海等人的研究中，也表明2018年后?？诟孛娣e呈現(xiàn)出小幅增長(zhǎng)[13]。圖5耕地利用動(dòng)態(tài)度Fig.5Dynamicdegreeoffarmlandutilization由圖5耕地利用動(dòng)態(tài)度可知，?？谑?0年來(lái)耕地的變化速度可以分為三個(gè)階段，首先是2000年之前耕地面積減少速度較為緩慢；其次是2000-2005年耕地減少速度加快，2005-2010年又有所緩解，期間海南省相關(guān)部門(mén)于2006年頒布了《海南省基本農(nóng)田保護(hù)規(guī)定》，使得耕地面積減少的情況有所緩解；最后是2010年之后海南積極發(fā)展速度加快，2010年國(guó)務(wù)院發(fā)布了《國(guó)務(wù)院關(guān)于推進(jìn)海南國(guó)際旅游島建設(shè)發(fā)展若干意見(jiàn)》，海南大力發(fā)展國(guó)際旅游島，耕地面積減少加快，隨著2015年之后又有所緩解，在秦大海等人的研究中也顯示2018年后?？谑懈乇Ｗo(hù)政策的落實(shí)與耕地開(kāi)墾項(xiàng)目的實(shí)施REF_Ref21695\r\h[13]有關(guān)，很好的緩解了耕地減少的趨勢(shì)。?？谑懈仄扑榛绊懸蛩胤治鰹檠芯亢？谑?0年來(lái)耕地破碎化的影響因素，充分考慮自然環(huán)境狀況、社會(huì)經(jīng)濟(jì)等人類(lèi)活動(dòng)對(duì)耕地破碎化的影響，本文從自然因素和社會(huì)因素兩個(gè)方面選取了平均降水量（X1）；平均氣溫（（X1）；總?cè)丝冢╔3）；年末耕地面積（X4）；生產(chǎn)總值（X5）；第一產(chǎn)業(yè)生產(chǎn)總值（X6）；第二產(chǎn)業(yè)生產(chǎn)總值（X7）；第三產(chǎn)業(yè)生產(chǎn)總值（X8）；人均GDP（X9）九個(gè)指標(biāo)作為比較序列，在excel中選用灰色關(guān)聯(lián)分析法計(jì)算景各個(gè)觀(guān)格局指數(shù)作為參考序列與影響因素之間的關(guān)聯(lián)度（表7）。表7景觀(guān)格局指數(shù)與驅(qū)動(dòng)因素關(guān)聯(lián)度Tab.7CorrelationbetweenLandscapePatternIndexandDrivingFactors驅(qū)動(dòng)因素景觀(guān)格局指數(shù)X1X2X3X4X5X6X7X8X9綜合指數(shù)0.9560.9570.9690.9480.7200.7970.7690.7050.831TA0.9940.9990.9720.9920.6990.7730.7460.6850.801PD0.9930.9980.9750.9890.7000.7750.7470.6860.802PARA_MN0.9930.9980.9740.9900.7000.7740.7470.6860.802ENN_MN0.9940.9980.9720.9920.6990.7730.7460.6840.800AI0.9940.9990.9730.9910.6990.7730.7460.6850.801由表7可知，所選用的影響因素指標(biāo)與耕地破碎化指標(biāo)之間的關(guān)聯(lián)度都在0.5之上，具有比較好的關(guān)聯(lián)性，表明自然環(huán)境狀況和人類(lèi)活動(dòng)都會(huì)對(duì)耕地破碎化程度產(chǎn)生影響。自然因素指標(biāo)（X1-X2），海口市平均降水量與耕地破碎化指數(shù)的關(guān)聯(lián)度分布在0.956~0.994，平均氣溫與耕地破碎化指數(shù)的關(guān)聯(lián)度分布在0.957~0.999，均明顯大于0.7，且氣溫指標(biāo)與耕地破碎化指數(shù)之間的關(guān)聯(lián)度整體上大于降水量指標(biāo)與耕地破碎化指數(shù)之間的關(guān)聯(lián)度，說(shuō)明氣溫和降水對(duì)耕地破碎化對(duì)耕地破碎化而言都是重要影響因素，且年平均氣溫對(duì)耕地破碎化的影響比年平均降水量的影響大；社會(huì)因素指標(biāo)（X3-X9），總?cè)丝谂c耕地破碎化指數(shù)之間的關(guān)聯(lián)度分布在0.969~0.975，也明顯大于0.7，且總?cè)丝趯?duì)耕地破碎化綜合指數(shù)的關(guān)聯(lián)度大于自然因素對(duì)耕地破碎化綜合指數(shù)的關(guān)聯(lián)度，這表明總?cè)丝谝蛩貙?duì)耕地破碎化對(duì)耕地破碎化而言也是重要影響因素，總?cè)丝趯?duì)耕地破碎化的影響相對(duì)于自然因素而言更大。除第三產(chǎn)業(yè)生產(chǎn)總值，GDP等其他指數(shù)與耕地破碎化指數(shù)之間的關(guān)聯(lián)度總體分布在0.746~0.992之間，相較于前三個(gè)影響因素指標(biāo)而言關(guān)聯(lián)度更小，影響程度也就相對(duì)而言更小，但也都大于0.7，同樣是耕地破碎化的重要影響因素。第三產(chǎn)業(yè)生產(chǎn)總值與耕地破碎化指數(shù)之間的關(guān)聯(lián)度大于0.5，屬于比較重要的影響因素?？傮w而言，自然因素時(shí)刻影響耕地破碎化程度，是長(zhǎng)期影響因素；而在社會(huì)因素中總?cè)丝诤腿司鵊DP與?？谑懈仄扑榛笜?biāo)的關(guān)聯(lián)度分布在0.8~0.975之間，這表明耕地破碎化程度與人類(lèi)活動(dòng)關(guān)系密切。結(jié)論本文基于?？谑?980、1990、2000、2005、2010、2015、2020年7期土地利用數(shù)據(jù)，利用ArcGIS、Fragstats軟件分析了土地利用動(dòng)態(tài)度、景觀(guān)格局指數(shù)以及綜合指數(shù)，制作了土地利用轉(zhuǎn)移矩陣，并選用灰色關(guān)聯(lián)分析法研究了耕地破碎化的影響因素。研究表明：（1）?？谑?980-2020年，耕地的斑塊總面和聚合指數(shù)總體上逐漸減小，斑塊密度指數(shù)和平均周長(zhǎng)面積比逐漸增加，平均近鄰距離逐漸減小，耕地破碎升高，耕地聚合程度降低，耕地連通性變差。（2）海口市的耕地面積從1980年的757.65km2減少到2020年的704.71km2，共減少了52.94km2,總體上呈現(xiàn)出減少趨勢(shì)。（3）1980-2020年的?？谑懈剞D(zhuǎn)出主要是耕地轉(zhuǎn)化為人工建設(shè)用地，面積為59.26km2，少量轉(zhuǎn)化為水域，面積為9.13km2；耕地轉(zhuǎn)入主要是林地轉(zhuǎn)化為耕地，面積為23.18km2；且2000年之后的土地利用轉(zhuǎn)移強(qiáng)度明顯高于2000年之前，耕地動(dòng)態(tài)度也更為明顯。（4）自然條件和人類(lèi)社會(huì)活動(dòng)都是?？谑懈仄扑榛粩嘣黾拥挠绊懸蛩?，其中人口是促使耕地主要因素，其次是氣溫和降水，其他社會(huì)經(jīng)濟(jì)因素與耕地破碎化指數(shù)的關(guān)聯(lián)度均較高，故耕地破碎化程度與人類(lèi)活動(dòng)關(guān)系密切。參考文獻(xiàn)李黎,王會(huì)豪,任平.基于核密度估算的都江堰耕地破碎化趨勢(shì)及特征分析[J].信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版),2017,30(01):72-76.萬(wàn)偉華.基于縣域尺度的浙江省耕地破碎化空間分異研究[J].環(huán)境生態(tài)學(xué),2021,3(11):15-21+48.陳帷勝，馮秀麗，馬仁鋒，等.耕地破碎度評(píng)價(jià)方法與實(shí)證研究———以浙江省寧波市為例［J］．中國(guó)土地科學(xué)，2016，30(5):80-87．FALCOSD，PENOVI，ALEKSIEVA，etal．Agrobiodiversity，farmprofitsandlandfragmentation:EvidencefromBulgaria［J］．LandUsePolicy，2010，27(3):763-771．陳俊韜,林錦耀.基于地理探測(cè)器的耕地破碎化影響因素分析——以廣州市為例[J].湖北農(nóng)業(yè)科學(xué),2023