田　超楊金澤石博安張　杰邱　瑞王觀湧陳亞恒，**

（1. 河北農(nóng)業(yè)大學(xué)資源與環(huán)境科學(xué)學(xué)院 保定 071000； 2. 河北農(nóng)業(yè)大學(xué)國土資源學(xué)院 保定 071000）

懷來縣土地利用格局的影響因子分析*

田超1楊金澤1石博安1張杰2邱瑞2王觀湧1陳亞恒1，2**

（1. 河北農(nóng)業(yè)大學(xué)資源與環(huán)境科學(xué)學(xué)院 保定 071000； 2. 河北農(nóng)業(yè)大學(xué)國土資源學(xué)院 保定 071000）

河北省懷來縣作為北京首都及北方重要的生態(tài)屏障，其土地利用格局不僅與縣域土地資源利用有直接關(guān)系，也對周邊土地生態(tài)的可持續(xù)發(fā)展有一定影響。土地利用變化研究中驅(qū)動(dòng)機(jī)制是重點(diǎn)，揭示這種機(jī)制的關(guān)鍵是能否正確認(rèn)識(shí)土地利用景觀格局和影響因子之間的關(guān)系。本文以懷來縣為研究區(qū)，在遙感技術(shù)的支持下，解譯了1994年、2004年和2014年的土地利用數(shù)據(jù)，并從社會(huì)經(jīng)濟(jì)因素和自然因素中選取平均高程、地形起伏度、年均降水量、溫度季節(jié)性、距道路距離、距城鎮(zhèn)中心距離、GDP密度和人口聚集度共8個(gè)因子，結(jié)合景觀格局梯度分析和CCA分析方法，對土地利用景觀格局和影響因子之間的關(guān)系進(jìn)行研究。得出結(jié)論： 2014年懷來縣土地利用景觀的蔓延度指數(shù)、散布并列指數(shù)、香濃多樣性等存在明顯的空間差異，均在東西方向及南北方向表現(xiàn)出一定的梯度特征； 東西軸線和南北軸線方向上，蔓延度指數(shù)呈兩端高中間低的趨勢，而散布并列指數(shù)、香濃多樣性、香濃均勻度則與之相反。平均高程和人口聚集度對研究區(qū)土地利用景觀類型的分布影響較大，GDP密度的影響較??； 1994年、2004年和2014年4個(gè)排序軸上累積土地利用類型數(shù)據(jù)與影響因子的解釋量依次為99.1％、99.3％以及99.3％，特征值總量分別為0.780、0.720和0.853，從解釋量數(shù)值上看2014年的特征值明顯高于前兩個(gè)時(shí)期，其在描述土地利用類型與影響因子關(guān)系上體現(xiàn)出優(yōu)越性； 影響因子中的地形起伏度、溫度季節(jié)性、年均降水量、距道路距離和距城鎮(zhèn)距離與研究區(qū)土地利用景觀類型分布的相關(guān)性較大，相關(guān)性系數(shù)相對較高； 隨著研究時(shí)間的推移，地形起伏度相關(guān)性逐漸減小，其他4種影響因子的相關(guān)性逐漸增大。通過此項(xiàng)研究，揭示了懷來縣土地利用變化的原因，并為土地利用的可持續(xù)發(fā)展提供了理論依據(jù)。

景觀格局 土地利用 驅(qū)動(dòng)機(jī)制 社會(huì)因素 自然因素 懷來縣

土地作為一種資源，是支撐人類生產(chǎn)、生活最基本的物質(zhì)條件。然而，隨著人類經(jīng)濟(jì)水平的不斷提高，人類活動(dòng)干擾造成了土地資源的不合理利用，土地的覆被格局也隨之發(fā)生了巨大變化，這種變化不但改變了陸地上的生物多樣性，而且對全球的生物化學(xué)循環(huán)、大氣循環(huán)都有著深遠(yuǎn)的影響［1］。研究過程中發(fā)現(xiàn)，土地生態(tài)本身就受自然條件的制約，再加上社會(huì)經(jīng)濟(jì)發(fā)展過程中的人為破壞以及不合理的利用方式，不僅使其產(chǎn)生的問題越來越多，而且出現(xiàn)的頻率也越來越快，并直接影響著土地生態(tài)系統(tǒng)服務(wù)功能的變化［2］。而且，土地資源的類型比例、強(qiáng)度和類型的變化速率是引起生態(tài)系統(tǒng)面積、類型以及格局變化的重要原因，同時(shí)也對生態(tài)系統(tǒng)中的物質(zhì)循環(huán)、能量流動(dòng)以及生物多樣性等都有著巨大影響［3］，并且在一定程度上決定著生態(tài)系統(tǒng)的健康指數(shù)和發(fā)展水平。

自國際地圈-生物圈計(jì)劃（International Geosphere-Biosphere Program，IGBP）和全球環(huán)境變化國際人類規(guī)模方案（International Human Dimensions Programme on Global Environmental Change，IHDP）聯(lián)合提出土地利用/覆蓋變化（Land-Use and Land-Cover Change，LUCC）研究計(jì)劃以來，利用GIS與RS技術(shù)已經(jīng)成為當(dāng)前國際上開展土地利用變化研究的最新趨勢。RS技術(shù)的廣泛應(yīng)用為土地利用時(shí)相性變化研究提供了有力的支撐，為揭示土地利用變化的時(shí)空格局特征提供了具有可比性的框架； GIS技術(shù)則是時(shí)間動(dòng)態(tài)模擬與空間格局分析的結(jié)合，集成了多種統(tǒng)計(jì)與空間分析方法，在區(qū)域 LUCC系統(tǒng)過程模擬與空間格局分析中發(fā)揮十分重要的作用。國內(nèi)對景觀格局動(dòng)態(tài)的分析始于 20世紀(jì)90年代初，研究受北美學(xué)派影響很大。從研究方法看，采用景觀指數(shù)法來定量研究景觀格局的工作基本都采用了 GIS、統(tǒng)計(jì)分析模型等先進(jìn)手段，并在不同區(qū)域、尺度上取得一些成果［4］。王憲禮等［5］將美國景觀生態(tài)分析的方法引入我國研究城郊景觀，對沈陽西郊景觀格局變化進(jìn)行研究，并提出了景觀空間分析的框架。王思遠(yuǎn)等［6］利用 1︰10萬中國土地利用數(shù)據(jù)庫建立空間分布格局?jǐn)?shù)據(jù)庫，分析了近10年中國土地利用格局及其演變； 田光進(jìn)等［7］利用TM影像和GIS技術(shù)對河北省農(nóng)村居民點(diǎn)景觀特征進(jìn)行研究等等。所以，將遙感技術(shù)運(yùn)用到土地利用分析領(lǐng)域，不僅填補(bǔ)了土地利用分析方法的空白，也大大提高了分析結(jié)果的準(zhǔn)確性。

隨著衛(wèi)星遙感技術(shù)和空間信息系統(tǒng)技術(shù)的發(fā)展，地學(xué)界對地球陸地表面的空間特征和現(xiàn)代過程的研究由于得到了完整的數(shù)據(jù)支持而進(jìn)入了定量化研究，大多數(shù)的研究多是將數(shù)據(jù)統(tǒng)計(jì)和 GIS相結(jié)合，進(jìn)行定量的分析，其結(jié)果在深度和精度方面都明顯不足，不能有效解決研究區(qū)土地利用的實(shí)際問題。本文在遙感技術(shù)的支持下，運(yùn)用典范對應(yīng)分析方法和分形理論，探討研究區(qū)土地景觀結(jié)構(gòu)及其演化特征，定量研究河北省懷來縣土地利用景觀格局與影響因子之間的相互關(guān)系，探討不同影響因子對研究區(qū)土地利用景觀格局的影響程度。根據(jù)研究成果，不僅可以有針對性地保護(hù)珍貴的土地資源，更可以高效、合理地利用土地資源。

1 材料與方法

1.1 研究區(qū)概況

懷來縣地處河北省西北部，張家口市東南部，境內(nèi)多為山地，東經(jīng)115°16′～115°58′，北緯40°4′～ 40°35′（圖1）。全縣總面積為1 782 km2，轄沙城鎮(zhèn)、土木鎮(zhèn)、新保安鎮(zhèn)、北辛堡鎮(zhèn)、大黃莊鎮(zhèn)、官廳鎮(zhèn)、桑園鎮(zhèn)、小南辛堡鎮(zhèn)、存瑞鎮(zhèn)、西八里鎮(zhèn)和東花園鎮(zhèn)11個(gè)鎮(zhèn)，王家樓、瑞云觀、孫莊子、狼山鄉(xiāng)、雞鳴驛、東八里 6個(gè)鄉(xiāng)，以及279個(gè)行政村［8］。該縣的地貌形態(tài)主要是平原、丘陵和山地等，并且南北兩地均有群山連綿起伏，兩山之間更有“V”型盆地景觀。氣候受冷空氣較嚴(yán)重，并且天氣多變、夏季雨水較多、日照充足適合作物的生長［9］。該縣的經(jīng)濟(jì)增長方式多樣，實(shí)力不斷增強(qiáng)，根據(jù)統(tǒng)計(jì)，2010年全年地區(qū)生產(chǎn)總值完成865 000萬元，相對上一年增長15.7％，其中，第一產(chǎn)業(yè)增加116 335萬元，增長13.8％； 第二產(chǎn)業(yè)增加280 945萬元，增長19.8％； 第三產(chǎn)業(yè)增加467 720萬元，增長14.1％。

圖1　懷來縣地理位置圖Fig. 1 Geographical location map of the Huailai County

1.2 數(shù)據(jù)來源與處理

本文的數(shù)據(jù)均來自中國科學(xué)院國際數(shù)據(jù)中心，并通過對查閱資料和影像圖的分析，在TM的7個(gè)波段中，選擇TM5、4、3波段，其成圖像上植被的信息十分完全［10］。根據(jù)實(shí)際的需要和情況選用了3期影像數(shù)據(jù)資料為 Landsat-TM 衛(wèi)星數(shù)據(jù)，成像時(shí)間為1994年9月、2004年9月和2014年8月，如表1。

表1　1994年、2004年和2014年懷來縣土地利用類型面積Table 1 Areas of different land use types in Huailai County in 1994，2004 and 2014

經(jīng)過對3個(gè)年份氣候、交通等數(shù)據(jù)影像的解譯，結(jié)合GIS的空間統(tǒng)計(jì)和分析功能，統(tǒng)計(jì)得到了3個(gè)時(shí)段的土地利用類型面積變化結(jié)果（表1），以及相應(yīng)的景觀指數(shù)變化情況（表2）。再對其進(jìn)行有關(guān)數(shù)量分析方法和分形理論，得出研究區(qū)土地景觀結(jié)構(gòu)及其演化特征。

表2　1994年、2004年和2014年懷來縣不同土地利用類型的景觀指數(shù)Table 2 Landscape indexes of different land use types in Huailai County in 1994，2004 and 2014

1.3 研究方法

1.3.1 影響因子的選擇

隨著自然和社會(huì)經(jīng)濟(jì)復(fù)合系統(tǒng)的不斷演變，以及人地之間的相互作用，土地景觀格局出現(xiàn)了復(fù)雜的變化過程，而弄清這些變化的驅(qū)動(dòng)因素，對預(yù)測景觀格局的變化，以及制定優(yōu)化方案具有重要意義。引起土地景觀格局演變的驅(qū)動(dòng)因素可以劃分為自然因素和人文因素［11］。自然影響因子是具有影響作用的自然地理要素，這種作用一般影響在區(qū)域內(nèi)景觀格局的梯度特征，將其分類統(tǒng)計(jì)后分為水文要素、氣候、氣象狀況和地貌要素等。人文影響因子從各種社會(huì)經(jīng)濟(jì)活動(dòng)中進(jìn)行選擇，例如人口數(shù)量變化，改善農(nóng)業(yè)生產(chǎn)條件、加大對自然資源的開發(fā)利用和城鎮(zhèn)的發(fā)展等，這些影響行為首先會(huì)對區(qū)域內(nèi)的土地資源和水資源產(chǎn)生影響，這種影響因時(shí)間和地域的不同而有不同程度的影響，并且造成區(qū)域內(nèi)土地景觀格局的空間分布變化［12］。

本文從研究目的和懷來縣的實(shí)際情況出發(fā)，考慮到研究數(shù)據(jù)需要有可獲取性和代表性，在自然影響因子中選取了4個(gè)評價(jià)指標(biāo)，分別為溫度季節(jié)性、年均降水量、平均高程和地形起伏度； 人文影響因子也選取了 4個(gè)評價(jià)指標(biāo)，分別為距道路距離、人口密度、經(jīng)濟(jì)密度和距城鎮(zhèn)距離。本文對選取的影響因子數(shù)據(jù)處理后，以樣方為單位將影響因子和懷來景觀格局進(jìn)行排序分析，并且因?yàn)橛绊懸蜃訑?shù)據(jù)的分辨率不同，所以需要轉(zhuǎn)換到同一尺度，即采用3 km×3 km網(wǎng)格尺度。影響因子數(shù)據(jù)的分辨率在其他方面也有不同，例如數(shù)據(jù)類型、存儲(chǔ)結(jié)構(gòu)以及空間分辨率等，所以需要采取不同的方法轉(zhuǎn)換。

1）自然影響因子

本文在土地利用/覆被信息綜合數(shù)據(jù)庫中提取懷來縣DEM數(shù)據(jù)，在ArcGIS軟件中利用懷來縣行政區(qū)進(jìn)行掩膜裁剪，利用 ArcGIS的空間分析功能，將分辨率為30 m的DEM數(shù)據(jù)轉(zhuǎn)換成高程數(shù)據(jù)，并且分辨率為3 km×3 km，每個(gè)3 km×3 km網(wǎng)格的高程數(shù)據(jù)為該網(wǎng)格內(nèi)所有30 m×30 m柵格高程數(shù)據(jù)的平均數(shù)［13］。地形起伏度是指區(qū)域內(nèi)最高海拔和最低海拔之間的高程差值，能夠表達(dá)出地表狀態(tài)的基本描述指標(biāo)，本文運(yùn)用柵格計(jì)算器獲得地形起伏度數(shù)據(jù)，如下圖2所示。

氣候是對植被分布影響最大的因素，其影響程度與空間尺度的大小和考慮時(shí)間長短有關(guān)，在眾多影響因子中，氣溫和降水變化影響最為明顯； 而人類活動(dòng)可在短時(shí)間改變區(qū)域局部環(huán)境，造成人為干擾，影響景觀格局的分布［14］。因此本文選擇年均降水量、溫度季節(jié)性兩個(gè)指標(biāo)反映懷來縣的氣候情況。溫度季節(jié)性的計(jì)算公式為：

圖2　懷來縣網(wǎng)格平均高程和地形起伏度Fig. 2 Grids of average elevation and relief in Huailai County

式中： MAT為年均氣溫，MMTi為各月平均氣溫［15］。應(yīng)用 ArcGIS軟件中的柵格計(jì)算工具對的原始?xì)庀髷?shù)據(jù)進(jìn)行計(jì)算，得到相應(yīng)尺度的溫度季節(jié)性數(shù)據(jù)。年均降水量數(shù)據(jù)則通過 ArcGIS對原始?xì)庀髷?shù)處理直接提出獲得。懷來縣溫度季節(jié)性和年降水量數(shù)據(jù)如圖3所示。

圖3　懷來縣2014年降水量和溫度季節(jié)性Fig. 3 Grids of annual precipitation and temperature seasonality in Huailai County in 2014

2）人文影響因子

城鎮(zhèn)中心和交通重要地段是研究區(qū)重要的區(qū)位特征，具有較強(qiáng)的吸引力，影響著土地景觀格局，是土地景觀格局變化重要的驅(qū)動(dòng)因素［16］； 并且距中心城鎮(zhèn)近的區(qū)域和交通條件好的地區(qū)受到人為影響程度越大，對土地利用類型和景觀格局的改變也就越大。本研究的研究數(shù)據(jù)均來自懷來縣土地利用覆被信息綜合數(shù)據(jù)庫，并以此為基礎(chǔ)，借助ArcGIS軟件，使用分析工具對每一個(gè)網(wǎng)格中心到距最近中心城鎮(zhèn)和道路的距離進(jìn)行計(jì)算，結(jié)果如下圖4所示。

人口聚集度是影響區(qū)域土地利用覆被狀態(tài)和景觀格局發(fā)生改變的重要人文因素［17］。參考謝花林等［18］研究成果，應(yīng)用人口聚集度的計(jì)算公式測算懷來縣人口聚集度，公式如下：

式中： PGIj代表第j個(gè)居民點(diǎn)要素的人口估計(jì)值，Pj代表j統(tǒng)計(jì)地域的人口總量，代表j統(tǒng)計(jì)地域加和后的人口聚落總個(gè)數(shù)［19］，λ是根據(jù)城鎮(zhèn)中心和道路距離大小經(jīng)過反距離加權(quán)后的加權(quán)數(shù)。借助克里格模型插值自動(dòng)生成人口聚集度表面模型（圖5）。

圖4　懷來縣網(wǎng)格中心距最近城鎮(zhèn)距離和距最近道路距離Fig. 4 Distance from the nearest city（town） and distance from the nearest road of grid centers in Huailai County

圖5　懷來縣網(wǎng)格插值人口聚集度Fig. 5 Grid interpolation of population concentration in Huailai County

土地景觀格局發(fā)生變化的另一個(gè)主要因素是當(dāng)?shù)亟?jīng)濟(jì)持續(xù)、高速地發(fā)展。本文選取GDP密度作為衡量經(jīng)濟(jì)發(fā)展的重要人文因素，由于一般情況下GDP數(shù)據(jù)是離散的，因此，使用插值法獲得未知數(shù)據(jù)區(qū)域的國內(nèi)生產(chǎn)總值［20］。根據(jù)前人的研究成果可知樣條法對于GDP密度較其他插值法更精確［21］，并且插值完成后的表面相對光滑，因此本文應(yīng)用ArcGIS選用樣條插值法，根據(jù)區(qū)域已知的 GDP數(shù)據(jù)來估計(jì)規(guī)則網(wǎng)格點(diǎn)上的GDP數(shù)據(jù)（圖6）。

圖6　2014年懷來縣網(wǎng)格插值GDP密度Fig. 6 Grid interpolation of GDP density in Huailai County in 2014

1.3.2 土地利用景觀格局梯度分析方法

一定空間范圍內(nèi)的景觀格局由于其組成的各景觀類型的種類、數(shù)量、形狀和空間分布形態(tài)不同而表現(xiàn)出明顯的差異現(xiàn)象，而對這種差異現(xiàn)象的分析和歸納往往可以發(fā)現(xiàn)其中包含的方向特性，即景觀格局的梯度性［22］。

本文通過 Arcgis軟件，在前文景觀指數(shù)計(jì)算的基礎(chǔ)上，繪制懷來縣2014年景觀水平指數(shù)的趨勢線圖（圖7）。從圖中可以發(fā)現(xiàn)懷來縣2014年景觀的蔓延度指數(shù)、散布并列指數(shù)、香濃多樣性等存在明顯的空間差異，即景觀格局的梯度性［23］。整體上，2014年懷來縣各景觀水平指數(shù)均在東西方向及南北方向表現(xiàn)出一定的梯度特征。但是不同景觀指數(shù)梯度變化特征不同，在東—西軸線方向和南—北軸線方向上［24］，蔓延度指數(shù)呈現(xiàn)凹型曲線即兩端高中間低的趨勢； 而散布并列指數(shù)、香濃多樣性、香濃均勻度則與之相反，在東—西軸線方向和南—北軸線方向上，呈現(xiàn)凸線趨勢即中間高兩端低的趨勢，但是彎曲幅度存在差異［25］。

通過分析整體景觀水平指數(shù)趨勢線圖（圖7），可以發(fā)現(xiàn)其空間分布具有明顯的規(guī)律性和梯度性，并且這種梯度分布是雖然具有特殊的屬性［26］，但形成和其他地理現(xiàn)象一樣，所以景觀格局在空間上的分布規(guī)律以及梯度性的改變源于多種因素的影響，既有內(nèi)在和外在因素的影響，也有直接和間接的影響。其中外部因素一般包括自然影響因素和人文影響因素兩大類［27］。

圖7　懷來縣2014年土地利用景觀水平指數(shù)趨勢線圖Fig. 7 Trends of landscape level indexes of land use in Huailai County in 2014

1.3.3 排序分析方法

19世紀(jì)30年代初，前蘇聯(lián)的科學(xué)家就對排序進(jìn)行了定義，并且Ranensky給出了準(zhǔn)確定義，在20年后，排序的概念不斷完善，不僅可以對樣方進(jìn)行排列，對植物物種和環(huán)境因素也可以排列，并且這種方法適用于群落之間、群落與環(huán)境之間和群落與成員之間復(fù)雜的研究［28］。排序的主要方法是將需要研究的樣方或者植物種在一定空間內(nèi)進(jìn)行排列，使其排列的排序軸能夠反映出生態(tài)梯度，可揭示植被和植物種分布與環(huán)境因子間的聯(lián)系。所以，排序可以表達(dá)出植物和環(huán)境的生態(tài)關(guān)系。這種排序的方法也稱作梯度分析（gradient analysis）［29］。

迄今為止，排序的方法已琳瑯滿目，簡單排序法是國際認(rèn)可并且較新的方法，它主要包括加權(quán)平均排序、極點(diǎn)排序和梯度分析； 其他常用的方法有主分量分析、對應(yīng)分析和以此衍生的方法。

本文選擇目前國際國內(nèi)進(jìn)行梯度分析的常用軟件Canoco進(jìn)行分析，先將需要分析的響應(yīng)變量和解釋變量通過模塊轉(zhuǎn)化為能夠識(shí)別的數(shù)據(jù)類型，其中響應(yīng)變量相當(dāng)于因變量，解釋變量相當(dāng)于自變量，然后再分析響應(yīng)變量數(shù)據(jù)分布類型，并確定出響應(yīng)變量的分布模型，其中主要為線性模型和單峰模型；再根據(jù)數(shù)據(jù)分布特征和研究目的確定相對應(yīng)的排序方法，運(yùn)用所選擇的排序方法進(jìn)行分析。如果選擇的排序方法分析效果不理想還需要重新選擇其他方法進(jìn)行排序，對結(jié)果進(jìn)行對比； 然后將最后的分析結(jié)果導(dǎo)入模塊制作排序圖，以便進(jìn)行解釋。為了更好地了解懷來縣內(nèi)土地利用景觀格局形成的規(guī)律，對縣域土地利用景觀格局的分布情況進(jìn)行排序和分析，以揭示各種自然影響因素和人文影響因素對景觀格局區(qū)域分布梯度特征的具體作用［30］。

2 結(jié)果與分析

將懷來縣1994年、2004年和2014年3期遙感解譯數(shù)據(jù)參照劃分網(wǎng)格方法進(jìn)行劃分，將網(wǎng)格切割，從左至右，從上至下進(jìn)行編號處理，形成研究區(qū)域不同時(shí)段各205個(gè)土地利用類型樣方。在Excel中，形成1994年、2004年以及2014年樣方土地利用類型面積比例矩陣和樣方影響因子矩陣。運(yùn)用 canoco 4.5軟件中的WcanoImp軟件模塊將上述矩陣進(jìn)行格式轉(zhuǎn)化。

將轉(zhuǎn)化后的1994年、2004年以及2014年樣方土地利用類型面積比例矩陣導(dǎo)入 canoco4.5軟件中，進(jìn)行 DCA（除趨勢對應(yīng)分析），除趨勢的主要目的是消除拱形效應(yīng)的影響，減少數(shù)據(jù)在第 2軸位置中所受到的第1軸排列的影響。研究中一般通過4軸中最長的梯度值的大小判斷所選模型的類型。如果第1軸梯度長度在4.0之上，那么選擇 CCA模型效果較好； 如果第 1軸梯度長度小于 3.0，則適合使用RDA模型； 笫1軸梯度長度在3.0和4.0之間，兩種模型都可選擇。

表3所示，3個(gè)時(shí)期樣方土地利用類型面積比例在第1排序軸上的梯度長度都大于4.0，因此選擇典范對應(yīng)分析（CCA）較為適合。以下的分析中，對景觀類型與其影響因子采用CCA方法進(jìn)行分析。

特征值是排序軸重要的指標(biāo)，可以通過排序軸的特征值計(jì)算出土地利用類型數(shù)據(jù)方差以及土地利用類型與影響因子關(guān)系的解釋量。由 4表可見，從相關(guān)土地利用類型與影響因子相關(guān)系數(shù)可以看出，3個(gè)年度的土地利用類型數(shù)據(jù)排序軸與影響因子排序軸的相關(guān)性較大。經(jīng)過研究3期的CCA排序，可以發(fā)現(xiàn)前面的 4個(gè)排序軸上累積土地利用類型數(shù)據(jù)與影響因子的解釋量依次為99.1％、99.3％以及99.3％，由此可見土地利用景觀格局與影響因子關(guān)系的絕大部分信息都可以在前 4個(gè)排序軸中得出。從解釋量數(shù)值上看2004年和2014年優(yōu)于1994年。同時(shí)，3期的特征值總量分別為0.780、0.720和0.853，2014年的特征值明顯高于前兩個(gè)時(shí)期，表明其在描述土地利用類型與影響因子關(guān)系上體現(xiàn)出優(yōu)越性。

表3　懷來縣不同時(shí)期土地利用類型面積解譯排序軸梯度長度表Table 3 Gradient lengths of ordination axes of interpretation areas of land use types in Huailai in 1994，2004 and 2014

表4　基于典范對應(yīng)分析方法的不同時(shí)期懷來縣土地利用類型與影響因子的關(guān)系表Table 4 Relationship between land use type and it’s impact factors in different years in Huailai County based on Canonical Correspondence Analysis（CCA）

2.1 不同時(shí)期土地利用類型與影響因子相關(guān)性分析

通過對圖8a中1994的土地利用類型與影響因子 CCA圖和影響因子與排序軸相關(guān)系數(shù)的分析可以發(fā)現(xiàn)，在 CCA排序第 1軸主要反映了平均高程（0.804 1）、地形起伏度（0.613 3）、年均降水量（0.764 1）、溫度季節(jié)性（0.617 7）、距道路距離（0.642 4）和距城鎮(zhèn)距離（0.670 5），而人口聚集度與GDP密度相關(guān)性相對較小，分別為-0.396 9和-0.315 0。沿第1軸從左到右，平均高程和地形起伏度逐漸增加，年均降水量增加，溫度隨季節(jié)的變化較大，距離城鎮(zhèn)和主要道路的距離越來越遠(yuǎn)。CCA排序第3軸主要反映了平均高程（0.188 5）、人口聚集度（0.485 2）以及 GDP密度（0.119 0）3個(gè)影響因子。沿第2軸從下到上，平均高程由低變高，人口聚集程度和GDP提高。第3軸和第4軸所反映的影響因子不同，其中地形起伏度（-0.244 3）同第3軸相關(guān)性較大。人口聚集度（0.140 4）和GDP密度（0.120 1）和第4軸相關(guān)性較大。

圖8a可以看出，第1軸主要代表平均高程的變化，各土地利用景觀類型隨高程的增加，林地和未利用地面積逐漸增加，而且這兩種土地利用景觀類型與平均高程呈正相關(guān)且相關(guān)性逐漸增加。同時(shí)隨著平均高程的增加，耕地、建設(shè)用地、園地以及水域面積逐漸減少，與平均高程呈負(fù)相關(guān)性。第 2軸主要反映土地利用景觀類型與人口聚集程度的關(guān)系，隨著人口聚集度提高而增加的土地利用景觀類型為耕地和建設(shè)用地，并且人口聚集度同這兩種景觀類型呈正相關(guān)。隨著人口聚集度提高而減少的土地利用景觀類型為園地、林地、水域和未利用地，呈現(xiàn)出負(fù)相關(guān)關(guān)系，并隨人口聚集度增加，負(fù)相關(guān)性逐漸提高。

此外，在排序軸中，空間距離相距較近的土地利用景觀類型處于相似的環(huán)境中，因此各土地利用類型之間的距離可以表示不同景觀地類的分布差異性，由圖 8a可知，耕地和建設(shè)用地之間距離最近，空間分布的差異性較小，主要是由于耕地距離居民點(diǎn)較近便于耕作，為居民提供糧食供給。

從圖 8b中 2004年土地利用類型與影響因子CCA圖和表5可知，CCA排序第1軸主要反映了平均高程（0.803 0）、地形起伏度（0.601 2）、年均降水量（0.770 3）、溫度季節(jié)性（0.622 7）、距道路距離（0.649 2）和距城鎮(zhèn)距離（0.677 2），而人口聚集度和GDP密度相關(guān)性相對較低，分別為-0.398 5和-0.3191。沿第1軸從左到右平均高程和地形起伏度逐漸增加，年均降水量增加，溫度隨季節(jié)的變化較大，距離城鎮(zhèn)和主要道路的距離越來越遠(yuǎn)。排序第 2軸主要反映平均高程（0.166 4）、人口聚集度（0.4571）和 GDP密度（0.146 3）。沿第 2軸從下到上，平均高程由低變高，人口聚集程度和 GDP提高。而地形起伏度、GDP密度、距道路距離、距城鎮(zhèn)距離與第 3軸的相關(guān)性較大，相關(guān)性系數(shù)分別為0.209 1、0.191 2、-0.125 5、-0.111 6。地形起伏度與第4軸相關(guān)性較大，相關(guān)系數(shù)為-0.153 6。

由圖8b可知，第1軸主要代表平均高程的變化，各土地利用景觀類型隨高程的增加，林地和未利用地面積逐漸增加，而且這兩種土地利用景觀類型與平均高程呈正相關(guān)且相關(guān)性逐漸增加。同時(shí)隨著平均高程的增加，耕地、建設(shè)用地、園地以及水域面積逐漸減少，與平均高程呈負(fù)相關(guān)性。第 2軸主要反映人口聚集度與土地利用景觀類型的關(guān)系，隨著人口聚集度提高而增加的土地利用景觀類型為耕地和建設(shè)用地，并且人口聚集度同這兩種景觀類型呈正相關(guān)。隨著人口聚集度提高而減少的土地利用景觀類型為園地、林地、水域和未利用地，呈現(xiàn)出負(fù)相關(guān)關(guān)系，并隨人口聚集度增加，負(fù)相關(guān)性逐漸提高。

圖8　1994年、2004年和2014年土地利用類型與影響因子的典范對應(yīng)分析Fig. 8 Canonical Correspondence Analysis（CCA） maps of land use type and impact factors in Huailai County in 1994，2004 and 2014RKJJD： 人口聚集度； GDPMD： GDP密度； DXQFD： 地形起伏度； PJGC： 平均高程； JDLJL： 距道路距離； JCZJL： 距城鎮(zhèn)距離；NJJSL： 年均降水量； WDJJX： 溫度季節(jié)性。RKJJD： population aggregation degree； GDPMD： GDP density； DXQFD： relief； PJGC： average elevation； JDLJL： distance from road； JCZJL： distance from town； NJJSL： annual precipitation； WDJJX： temperature seasonality.

結(jié)合圖8c和表5分析可知，2014年CCA排序第 1軸主要反映了平均高程（0.851 8）、地形起伏度（0.587 8）、年均降水量（0.769 3）、溫度季節(jié)性（0.702 9）、距道路距離（0.689 0）和距城鎮(zhèn)距離（0.712 4）。沿第1軸從左到右平均高程、地形起伏度、年均降水量逐漸增加，年均降水量增加，溫度隨季節(jié)的變化較大，距離城鎮(zhèn)和主要道路的距離越來越遠(yuǎn)。排序第 2軸主要反映地形起伏度（-0.199 8）、年均降水量（0.107 1）、溫度季節(jié)性（0.110 6）、人口聚集度（0.605 4）、GDP密度（0.233 8）、距道路距離（0.160 3）和距城鎮(zhèn)距離（0.180 6）。沿第2軸從下到上，地形趨于平緩，年均降水量增加，溫度隨季節(jié)性變化多樣，人口聚集程度和 GDP提高，但距離城鎮(zhèn)和主要道路的距離增加。地形起伏度和人口聚集度與排序軸第 3軸相關(guān)性較大，相關(guān)性系數(shù)分別為0.1241和0.1053。地形起伏度與第4軸相關(guān)性較大，相關(guān)系數(shù)為-0.179 3。

由圖8c可知，第1軸主要代表平均高程的變化，各土地利用景觀類型隨高程的增加，林地和未利用地面積逐漸增加，且與平均高程呈正相關(guān)且相關(guān)性逐漸增加。同時(shí)耕地、建設(shè)用地、園地以及水域以及面積逐漸減少，與平均高程呈負(fù)相關(guān)性。第 2軸主要反映各土地利用類型與人口聚集度的關(guān)系。與人口聚集程度呈正相關(guān)性的是耕地、水域和林地，呈負(fù)相關(guān)的是園地、建設(shè)用地和未利用地。

2.2 不同時(shí)期土地利用景觀類型與影響因子的對比分析

從圖8和表5可以看出，土地利用類型與各影響因子的關(guān)系隨時(shí)間變化存在差異。對景觀格局重要性影響程度最大的是平均高程，與第1軸的3個(gè)時(shí)期相關(guān)系數(shù)分別為0.804 1、0.803 0和0.851 8。與第2軸相關(guān)性較大的為人口聚集度，3個(gè)時(shí)期的相關(guān)系數(shù)分別為0.485 2、0.457 1和0.605 4。由此可以看出平均高程和人口聚集度對研究區(qū)土地利用類型的分布影響較大。在不同時(shí)期內(nèi)，地形起伏度、溫度季節(jié)性、年均降水量、距道路距離和距城鎮(zhèn)距離對研究區(qū)域土地利用景觀類型分布的相關(guān)性也較大，相關(guān)性系數(shù)相對較高，隨著研究時(shí)間的推移，地形起伏度相關(guān)性逐漸減小，其他 4種影響因子的相關(guān)性逐漸增大。而 GDP密度對土地利用景觀類型的影響程度較小，與第1軸不同時(shí)期的相關(guān)系數(shù)分別為-0.315 0、-0.319 1和-0.156 7，在懷來縣不同研究時(shí)期，土地利用景觀類型隨 GDP密度的變化不明顯。

表5　1994年、2004年和2014年懷來縣土地利用類型的影響因子與典范對應(yīng)分析排序軸的相關(guān)系數(shù)表Tab. 5 Correlation coefficients between impact factors of land use type and ordination axes in Huailai County in 1994，2004 and 2014

根據(jù)以上分析，運(yùn)用典范對應(yīng)分析方法，研究不同影響因子對土地利用類型產(chǎn)生的影響，并發(fā)現(xiàn)影響程度存在明顯差異，對土地利用景觀格局重要性影響較大的影響因子為： 平均高程、地形起伏度、溫度季節(jié)性、年均降水量、人口聚集度、距城鎮(zhèn)距離和距道路距離。

3 結(jié)論

土地承載著人類的生命基礎(chǔ)，其利用格局直接影響著區(qū)域內(nèi)的生態(tài)安全，對于正處于城鎮(zhèn)化和工業(yè)化快速發(fā)展的懷來縣，土地如何合理并有效地利用將面臨前所未有的挑戰(zhàn)。本文基于遙感數(shù)據(jù)、數(shù)字高程數(shù)據(jù)等，對土地利用數(shù)據(jù)進(jìn)行整理，研究景觀格局動(dòng)態(tài)演變過程，并對選擇的影響因子進(jìn)行響應(yīng)分析，得出如下結(jié)論：

經(jīng)過研究1994年、2004年和2014年的CCA排序，可以發(fā)現(xiàn)前面的 4個(gè)排序軸上累積土地利用類型數(shù)據(jù)與影響因子的解釋量依次為99.1％、99.3％ 和99.3％，3期的特征值總量分別為0.780、0.720和0.853，從解釋量數(shù)值上看 2004年和 2014年優(yōu)于1994年，同時(shí)2014年的特征值明顯高于前兩個(gè)時(shí)期，其在描述土地利用類型與影響因子關(guān)系上體現(xiàn)出優(yōu)越性。

對懷來縣景觀格局形成的主要影響因子進(jìn)行了排序和分析，并發(fā)現(xiàn)選取的 8個(gè)影響因子對整體土地利用景觀格局的解釋比例最低為1994年的99.1％，最高為2012年的99.3％，都具有較好的解釋效果。影響因子在第1軸和第2軸作用上的分異較為明顯，自然影響因子在第 1軸發(fā)揮影響作用，人文影響因子在第 2軸作用更顯著。平均高程和人口聚集度分別在第1軸和第2軸對土地利用景觀格局影響明顯，地形起伏度、溫度季節(jié)性、年均降水量、距道路距離和距城鎮(zhèn)距離影響較大。所以，在土地利用過程中，應(yīng)該重點(diǎn)考慮影響程度較大的因子，并采取相應(yīng)的措施，使土地利用更加合理，使土地資源的發(fā)展更加穩(wěn)定。

References

［1］ 唐艷鴻. 試探討人類活動(dòng)和全球變化對中國草原生態(tài)系統(tǒng)的物質(zhì)循環(huán)和生物多樣性的影響——兼簡單介紹一個(gè)日中草原生態(tài)系統(tǒng)研究合作項(xiàng)目［C］//2000年中國草地的環(huán)境效益研討會(huì). 北京： 中國高等科學(xué)技術(shù)中心，2000： 4-5 Tang Y H. Impacts of global changes and human activities on the carbon budget and biodiversity of grassland ecosystem in China ［C］//Ecological Services of Grassland in China. Proceedings of CCAST（World Laboratory） Workshop. Beijing：2000： 4-5

［2］ 汪德軍. 中國城市化進(jìn)程中的土地利用效率研究［D］. 沈陽：遼寧大學(xué)，2008： 32-36 Wang D J. Research on the land usage efficiency in the Chinese urbanization process［D］. Shenyang： Liaoning University，2008： 32-36

［3］ 韓貴鋒. 中國東部地區(qū)植被覆蓋的時(shí)空變化及其人為因素的影響研究［D］. 上海： 華東師范大學(xué)，2007： 136-139 Han G F. Spatio-temporal change of vegetation cover in east China and influence of artificial factors［D］. Shanghai： East China Normal University，2007： 136-139

［4］ 龍健，黃昌勇，李娟. 喀斯特山區(qū)土地利用方式對土壤質(zhì)量演變的影響［J］. 水土保持學(xué)報(bào)，2002，16（1）： 76-79 Long J，Huang C Y，Li J. Effects of land use on soil quality in karst hilly area［J］. Journal of Soil and Water Conservation，2002，16（1）： 76-79

［5］ 王憲禮，肖篤寧，布仁倉，等. 遼河三角洲濕地的景觀格局分析［J］. 生態(tài)學(xué)報(bào)，1997，17（3）： 317-323 Wang X L，Xiao D N，Bu R C，et al. Analysis on landscape patterns of Liaohe delta wetland［J］. Acta Ecologica Sinica，1997，17（3）： 317-323

［6］ 王思遠(yuǎn)，劉紀(jì)遠(yuǎn)，張?jiān)鱿?，? 近 10年中國土地利用格局及其演變［J］. 地理學(xué)報(bào)，2002，57（5）： 523-530 Wang S Y，Liu J Y，Zhang Z X，et al. Spatial pattern change of land use in China in recent 10 years［J］. Acta Geographica Sinica，2002，57（5）： 523-530

［7］ 田光進(jìn)，劉紀(jì)遠(yuǎn)，張?jiān)鱿?，? 基于遙感與GIS的中國農(nóng)村居民點(diǎn)規(guī)模分布特征［J］. 遙感學(xué)報(bào)，2002，6（4）： 307-312 Tian G J，Liu J Y，Zhang Z X，et al. The scale distribution characteristics of Chinese rural settlements by remote sensing and GIS［J］. Journal of Remote Sensing，2002，6（4）： 307-312

［8］ 左曉英. 基于PSR模型的耕地生態(tài)安全評價(jià)［D］. 保定： 河北農(nóng)業(yè)大學(xué)，2014： 12-13 Zuo X Y. Evaluation on cultivated land ecological security based on the PSR model［D］. Baoding： Agricultural University of Hebei，2014： 12-13

［9］ 婁秀榮，沙奕卓. 1995年夏季（6—8月）氣候?qū)ξ覈r(nóng)業(yè)生產(chǎn)的影響［J］. 中國農(nóng)業(yè)氣象，1995，16（6）： 50-52 Lou X R，Sha Y Z. The influence of climate on agricultural production in China in 1995 summer［J］. Chinese Journal of Agrometeorology，1995，16（6）： 50-52

［10］ 年波，楊士劍，王金亮. 植被遙感信息提取的最佳波段選擇——以云嶺中部山區(qū)為例［J］. 云南地理環(huán)境研究，2004，16（2）： 18-21 Nian B，Yang S J，Wang J L. Methods on optimal bands selection in abstracting vegetation information［J］. Yunnan Geographic Environment Research，2004，16（2）： 18-21

［11］ 張春來，董光榮，鄒學(xué)勇，等. 青海貴南草原沙漠化影響因子的貢獻(xiàn)率［J］. 中國沙漠，2005，25（4）： 511-518 Zhang C L，Dong G R，Zou X Y，et al. Contributing ratios of several factors to the steppe desertification in Guinan，Qinghai Province［J］. Journal of Desert Research，2005，25（4）：511-518

［12］ 石玉勝. 海河流域土地利用/覆被與景觀格局變化對地表蒸散量的影響研究［D］. 石家莊： 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心，2009： 19-20 Shi Y S. Evaluating impacts of land use/cover and landscape pattern changes on evaporation in Hai River Basin［D］. Shijiazhuang： Center for Agricultural Resources Research，Institute of Genetics and Developmental Biology，Chinese Academy of Sciences，2009： 19-20

［13］ 丁偉翠. 數(shù)字高程模型數(shù)據(jù)庫管理系統(tǒng)開發(fā)及在地質(zhì)制圖中的應(yīng)用［D］. 北京： 中國地質(zhì)科學(xué)院，2012： 22-23 Ding W C. DEM database management system development and it’s application in geological mapping［D］. Beijing： Chinese Academy of Geological Sciences，2012： 22-23

［14］ 胡琴. 基于GIS北碚區(qū)土地利用景觀格局影響分析［D］. 重慶： 西南大學(xué)，2009： 13-16 Hu Q. The analysis of structure of landscape of land use in Beibei based on GIS［D］. Chongqing： Southwest University，2009： 13-16

［15］ Steens S C A，Admiraal-Behloul F，Bosma G P Th，et al. Selective gray matter damage in neuropsychiatric lupus［J］. Arthritis & Rheumatism，2004，50（9）： 2877-2881

［16］ 劉瑞卿. 基于CA-Markov模型的懷來縣土地利用景觀格局動(dòng)態(tài)模擬研究［D］. 保定： 河北農(nóng)業(yè)大學(xué)，2012： 7-9 Liu R Q. Study on dynamic simulation of land use and landscape pattern in Huailai County based on CA-Markov model［D］. Baoding： Agricultural University of Hebei Province，2012：7-9

［17］ 張海燕，樊江文，邵全琴. 2000—2010年中國退牧還草工程區(qū)土地利用/覆被變化［J］. 地理科學(xué)進(jìn)展，2015，34（7）：840-853 Zhang H Y，F(xiàn)an J W，Shao Q Q. Land use/land cover change in the grassland restoration program areas in China，2000-2010［J］. Journal of Geographical Science，2015，34（7）： 840-853

［18］ 謝花林，劉黎明，李波，等. 土地利用變化的多尺度空間自相關(guān)分析——以內(nèi)蒙古翁牛特旗為例［J］. 地理學(xué)報(bào)，2006，61（4）： 389-400 Xie H L，Liu L M，Li B，et al. Satial autocorrelation analysis of multi-scale land-use changes： A case study in Ongniud Banner，Inner Mongolia［J］. Acta Geographica Sinica，2006，61（4）： 389-400

［19］ 董春，羅玉波，劉紀(jì)平，等. 基于 Poisson對數(shù)線性模型的居民點(diǎn)與地理因子的相關(guān)性研究［J］. 中國人口·資源與環(huán)境，2005，15（4）： 79-84 Dong C，Luo Y B，Liu J P，et al. Study on correlation between residential points and geographical factors based on Pisson logarithm linearity model［J］. China Population，Resources and Environment，2005，15（4）： 79-84

［20］ 洪冬晨. 哈薩克斯坦土地利用景觀格局演變及驅(qū)動(dòng)因素分析［D］. 杭州： 浙江大學(xué)，2015 Hong D C. Landscape pattern evolution and driving factors of land use in Kazakhstan［D］. Hangzhou： Zhejiang University，2015

［21］ 許豐. 格林函數(shù)樣條插值和 S變換在重、震數(shù)據(jù)處理中的應(yīng)用［D］. 北京： 中國地質(zhì)大學(xué)（北京），2013 Xu F. Application of Green’s function spline interpolation and S transform in the processing of gravity and seismic data［D］. Beijing： China University of Geosciences（Beijing），2013

［22］ 張玲玲，史云飛，劉玉華. 空間粒度變化對沂蒙山區(qū)景觀格局指數(shù)的影響［J］. 生態(tài)學(xué)雜志，2013，32（2）： 459-464 Zhang L L，Shi Y F，Liu Y H. Effects of spatial grain change on the landscape pattern indices in Yimeng Mountain area of Shandong Province，East China［J］. Chinese Journal of Ecology，2013，32（2）： 459-464

［23］ 孫娟，夏漢平，藍(lán)崇鈺，等. 基于緩沖帶的貴港市城市景觀格局梯度分析［J］. 生態(tài)學(xué)報(bào)，2006，26（3）： 655-662 Sun J，Xia H P，Lan C Y，et al. A gradient analysis based on the buffer zones of urban landscape pattern of the constructed area in Guigang City，Guangxi，China［J］. Acta Ecologica Sinica，2006，26（3）： 655-662

［24］ 俞龍生，符以福，喻懷義，等. 快速城市化地區(qū)景觀格局梯度動(dòng)態(tài)及其城鄉(xiāng)融合區(qū)特征——以廣州市番禺區(qū)為例［J］.應(yīng)用生態(tài)學(xué)報(bào)，2011，22（1）： 171-180 Yu L S，F(xiàn)u Y F，Yu H Y，et al. Landscape pattern gradient dynamics and desakota features in rapid urbanization area： A case study in Panyu of Guangzhou［J］. Chinese Journal of Applied Ecology，2011，22（1）： 171-180

［25］ 黃明. 分子標(biāo)記與水稻遺傳多樣性及雜種優(yōu)勢的相關(guān)性研究［D］. 長沙： 湖南農(nóng)業(yè)大學(xué)，2010： 60-69 Huang M. Correlation analysis of molecular markers and genetic diversity and heterosis in rice［D］. Changsha： Hunan Agricultural University，2010： 60-69

［26］ 陳凌靜. 基于 GIS支持下的土地利用景觀梯度分析——以重慶市合川區(qū)為例［D］. 重慶： 西南大學(xué)，2009： 50-56 Chen L J. Analysis of landscape gradient based on GIS —Take Hechuan District，Chongqing as example［D］. Chongqing：Southwest University，2009： 50-56

［27］ 鐘昌標(biāo). 人文因素對城市化海域生態(tài)環(huán)境變化的影響與控制模式研究［M］. 北京： 經(jīng)濟(jì)科學(xué)出版社，2010 Zhong C B. Influence of Human Factors on Ecological Environment Change of Urbanized Sea Area and the Control Mode［M］. Beijing： Economic Science Press，2010

［28］ 徐馳. 快速的城市化景觀的格局動(dòng)態(tài)與區(qū)域生態(tài)效應(yīng)［D］.南京： 南京大學(xué)，2007： 43-47 Xu C. Landscape pattern dynamic and regional ecological effect of fast urbanizaiton［D］. Nanjing： Nanjing University，2007： 43-47

［29］ 劉小愷. 荒漠植物群落種群格局特征及格局相關(guān)性研究［D］.南京： 南京大學(xué)，2009： 50-54 Liu X K. Distribution pattern of desert plant communities and pattern correlation［D］. Nanjing： Nanjing University，2009：50-54

［30］ Ter Braak C J F. Canonical correspondence analysis： A new eignvector technique for multivariate direct gradient analysis［J］. Ecology，1986，67（5）： 1167-1179

Analysis of landscape pattern and affecting factors in Huailai County*

TIAN Chao1，YANG Jinze1，SHI Bo’an1，ZHANG Jie2，QIU Rui2，WANG Guanyong1，CHEN Yaheng1，2**
（1. College of Resources and Environmental Sciences，Hebei Agricultural University，Baoding 071000，China；2. College of Land Resources，Hebei Agricultural University，Baoding 071000，China）

Huailai County of Hebei Province is an important ecological barrier protecting Beijing（the capital city） and the northern region. The land use pattern in Huailai not only directly affects the use of land resources but also critically influences sustainable development of the surrounding ecosystems. The goal of this research was to correctly understand the relationship between the landscape pattern and the driving factors of land use in the region for determination of the driving mechanism of land use change. Using remote sensing technology，the land use data of Huailai County in 1994，2004 and 2014 was interpreted to find landscape pattern of land use. Then，eight driving factors were selected among a range of socioeconomic and natural factors，which were average height，relief，annual rainfall，temperature seasonality，distance from road，distance from downtown，GDP density and population density. Gradient analysis of landscape pattern and CCA were used to analyze the relation between landscape patterns of land use and the selected socioeconomic and natural factors，and to distinguish the main driving factors. The landscape indexes，such as spread degree，interspersion-juxtapostion index，Shannon’s diversity index and Shannon’s evenness index，in 2014 of the study area showed obvious gradient difference along east-west and north-south directions. Spread degree was higher in the middle and lower in the two ends，while other three indexes showed contrary tendencies. The average height and population density were the leading factors driving the distribution of landscape patterns of land use in the research area，while the GDP density was the minimal factor. The cumulative explanation values of impact factors of land use type for 1994，2004 and 2014 were 99.1％，99.3％ and 99.3％ and with the corresponding total characteristics of 0.780，0.720 and 0.853，respectively. Based on the explanation values，the value for 2014 was obviously higher than those for preceding two years. This suggested that 2014 was had advantages in terms of explaining the relation between landscape patterns and the driving factors of land use in the study area. The driving factors，including relief，temperature seasonality，annual rainfall，distance from road and distance from downtown，were significantly related with the distribution of landscape patterns of land use in the research area. As time passed by，the correlation between landscape patterns and relief decreased，while those between landscape patterns and the other 4 driving factors increased. The above analysis revealed the reasons behind land use change in Huailai County，providing evidence of land resources sustainable development in the study area.

Landscape pattern； Land use； Driving mechanism； Social factor； Natural factor； Huailai County

Nov. 19，2015； accepted Feb. 1，2016

F301

A

1671-3990（2016）07-0957-12

10.13930/j.cnki.cjea.151225

* 河北省住建廳研究項(xiàng)目“生態(tài)宜居城市土地利用格局配置研究”和國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（973計(jì)劃）項(xiàng)目（2005CB121107）資助

** 通訊作者： 陳亞恒，主要從事土地評價(jià)、土地開發(fā)整理、土地規(guī)劃等方面的研究和教學(xué)工作。E-mail： chenyaheng@126.com

田超，研究方向?yàn)橥寥琅c土地資源利用。E-mail： 951500674@qq.com

2015-11-19 接受日期： 2016-02-01

* Supported by the Project of Hebei Provincial Department of Housing “Livable City Land Use Pattern Configuration” and the National Basic Research Program of China（2005CB121107）

** Corresponding author，E-mail： chenyaheng@126.com