西安市高陵區建設用地擴張時空變化分析

李旭卉 楊瑾

摘要：隨著工業化、城鎮化進程不斷加快和人口的持續增長，建設用地的需求不斷增加，未來建設用地擴張與土地供給剛性和耕地保護的矛盾將會日趨尖銳。為了更好地利用建設用地，了解建設用地的擴張情況及驅動機制十分必要。本文以2012—2018年高陵區建設用地和相關社會經濟數據為基礎，對高陵區建設用地的時間變化特征進行分析;運用空間分析方法揭示高陵區建設用地擴張的空間變化特征;分析建設用地擴張的主要驅動因素。研究表明：2012—2018年，高陵區建設用地持續擴張、結構趨于均衡發展、分散性和破碎度逐漸增大。各用地類型的比例差異呈縮小趨勢，人類活動對居住環境的破壞程度較大且較明顯。另外，高陵區建設用地擴張的空間分布具有較強集聚性且趨向穩定;擴張強度的標準差橢圓在空間分布上呈現“東北—西南”的空間特征并向“西北—東南”方向收縮。影響建設用地擴張的驅動因素概括為居民生活水平提高及經濟發展。高陵區應通過合理預測、統籌安排布局等方式及行政手段等系統管理建設用地。

關鍵詞：建設用地擴張;空間自相關;標準差橢圓;MoransⅠ指數

中圖分類號：S-3文獻標識碼：ADOI：10.19754/j.nyyjs.20200815011

收稿日期：2020-06-28

作者簡介：李旭卉（1997-），女，碩士在讀。研究方向：土地利用。

引言

隨著我國城鎮化、工業化進程的加速推進，城市建設用地擴張導致城市土地利用形態發生劇烈變化，在此過程中區域性的社會經濟問題、生態問題頻發。因此在人口規模和土地資源的硬性約束下，如何有效控制建設用地擴張，從而尋找城市可持續發展的道路已成為當前城市發展重要的研究內容[1]。

建設用地的擴張和驅動機制已成為國內外學者關注的焦點問題。國外學者對建設用地研究較早，主要集中在擴展空間過程、動力機制和增長控制等方面[2]。Anderson和Ge[3]經研究指出，改革開放以來，對外開放程度促進了我國城市的發展，其它要素對建設用地擴展也起到重要的支撐作用。另外，國外的相關研究大多集中于對遙感技術的應用。Taragi和Pundir[4]等在對印度勒克墻的建設用地蔓延過程分析時利用了衛星圖像，結果發現勒克墻建設用地的擴張具有很快的速率，并且主要是沿著西南方向和東北方向的交通運輸主線的周圍。我國對建設用地擴張及其驅動力的研究相對于國外較晚。在研究尺度上，大多數的研究集中在經濟發達地區，多以單個城市、大型城市群為主。研究方法主要采用回歸分析、相關分析、空間計量分析等方法;如，王瀟等[5]以國家級歷史文化名城長汀為例，運用分形維數、等扇形分析等空間分析方法，定量解析2006—2016年長汀主城區8大類城市用地的空間演變特征。在驅動力機制上大多采用定性分析，缺少定量檢驗實證，且較少從時間和空間2個角度討論驅動機制。

因此，本研究在借鑒國內外建設用地擴張研究的基礎上，從建設用地擴張的時間和空間尺度入手，利用景觀格局指數、空間自相關、標準差橢圓分析、主成分分析等方法，探討高陵區2006—2016年建設用地規模變化及城市擴張的規律。研究結果可以為該區制定科學有效的土地利用政策提供參考依據，進而尋求更好的解決城市人口、土地資源失調等問題的辦法。

1研究區概況與研究方法

1.1研究區概況

高陵區位于陜西省關中平原腹地，涇河、渭河兩岸，西安市轄域北部。位于E108°56′16″～109°11′15″，N34°25′00″～34°37′30″。東西長20.55km，南北寬20.1km，總面積294km2。全區境內屬暖溫帶季風氣候。冬夏季節長，春秋季節短，雨熱同季，四季分明。區內水域涇河、渭河自西向東，在涇渭堡村東北交會，流經區域南部，水域占全區總面積的5.6%。2018年末全區常住人口36.36萬人，比2017年末凈增加0.56萬人。初步核算，至2018年底，全年地區生產總值378.45億元，比2017年增長8.1%。高陵區位置見圖1。

圖1高陵區位置示意圖

1.2 數據來源

本文中涉及的數據主要分空間數據和統計數據2類。

空間數據包括土地利用現狀數據、土地利用規劃數據。根據《陜西省土地利用現狀數據集》的統計資料，可以得到西安市高陵區2012—2018年建設用地面積的原始資料;土地利用規劃數據來源于《西安市土地利用總體規劃（2006—2020年）調整完善》。統計數據來自《西安統計年鑒》（2012—2018年）及西安市國民經濟和社會發展統計公報（2012—2018年）。

1.3研究方法

1.3.1時間變化分析

1.3.1.1景觀破碎度

破碎度表征景觀被分割的破碎程度，反映景觀空間結構的復雜性，在一定程度上反映了人類流動強度對區域景觀格局的干擾程度。景觀破碎化是生物多樣性喪失的重要原因之一，其與自然資源保護密切相關[6]。衡量不同景觀類型的破碎化程度，可用景觀平均斑塊面積來表達，公式如下：

式中，Ci為景觀i的破碎度，Ni為景觀i的斑塊數，Ai為景觀i的總面積。

1.3.1.2最大斑塊指數

最大斑塊指數表示整個景觀或某一景觀類型占其他斑塊總面積的百分比例。最大斑塊面積比例能夠反映景觀優勢類型，同時與景觀優勢物種以及景觀內部物種豐富度呈正相關，比例的變化直接體現出人類活動的偏向和力度[7]。

1.3.2空間變化分析

1.3.2.1MoransⅠ指數

MoransⅠ指數也稱莫蘭指數，是空間自相關系數的一種，用于判定一定范圍內的空間實體相互之間是否存在相關關系，其中P值和Z值被用來顯著性水平檢驗。P值（P-Value，Probability，Pr）代表的是概率，反映某一事件發生的可能性大小。在空間相關性的分析中，P值表示所觀測到的空間模式是由某一隨機過程創建而成的概率。而Z值則是總體各單位標準值與其平均數離差平方的算術平均數的平方根。

1.3.2.2標準差橢圓

標準差橢圓即方向分布，又稱利非弗方向性分布，該算法最早是由美國南加州大學社會學教授韋爾蒂·利菲弗在1926年提出。該算法最大的特點是可以識別一組數據的方向以及分布的趨勢，并且了解到這份數據是否具有一些特性[8]。

2建設用地擴張變化分析

2.1建設用地擴張時間變化分析

本研究使用景觀指數對建設用地擴張的結構進行分析。研究表明，2012—2018年，在整個高陵區研究范圍內，城鎮用地和農村居民點在建設用地中占支配地位。建設用地景觀指數變化情況見表1。

從結果可以看出，建設用地破碎度由2012年的0.297增加到2015年的0.386再到2018年的0.467，建設用地LPI指數由2012年的8.605%減少到2015年的7.644%再到2018年的7.077%。這說明，在2012—2018年，人為活動對建設用地的干預較大，人為干擾了景觀的破碎化。人類活動對居住環境的破壞程度較大且較明顯，也說明人居環境緊缺，對土地節約集約利用的程度增加。其中，城鎮用地、農村居民點的破碎度持續增加，LPI指數持續降低;交通運輸用地等破碎度持續減少，LPI指數變化均相對較小。說明對獨立工礦用地的保護和整治初有成效，有利于盤活存量土地、提高土地產能;隨著社會和經濟的發展進步，通達度增加;對風景名勝及特殊用地的保護效果及整合能力明顯增強，這與逐漸興起的旅游產業帶有很大關系。

2.2建設用地擴張空間變化分析

2.2.1空間自相關分析

利用ArcGIS軟件中的空間統計工具分析2012—2018年高陵區建設用地擴張的全局空間自相關系數[9]。2012年、2015年和2018年3個時間節點的MoransⅠ指數見圖2～4。

將以上3a的數據整理成表格，見表2。

表22012—2018年空間自相關系數

2.2.2標準差橢圓分析

利用ArcGIS軟件的空間統計工具分析標準差橢圓參數，在研究時間段內選擇中間節點時，由于2015年的標準差橢圓更具有代表性，更能反映2012—2018年間建設用地擴張強度的空間分布特征，因此研究所選的是2012年、2015年與2018年的標準差橢圓，標準差橢圓參數見表3。

對高陵區建設用地擴張空間分布變化的分析如下。

2012—2018年西安市高陵區建設用地擴張強度的標準差橢圓在空間分布上呈現“東北—西南”的空間特征，分布范圍整體上呈現出持續收縮的態勢。

從長半軸來看，2012—2018年間長半軸的標準差由7.63km縮小到6.86km再到6.75km，表明擴張強度在“東北—西南”方向上加強;從短半軸來看，2012—2018年間短半軸的標準差持續縮小，說明建設用地擴張的分布范圍縮小，建設用地擴張呈現的向心力趨向明顯，建設用地擴張的分布范圍趨向集聚。2012年、2015年和2018年建設用地擴張的橢圓面積持續減小的變化情況與標準差橢圓的軸向變化情況一致。

從扁率來看，2012—2018年間標準差橢圓的扁率由0.067增加為0.117，整體上說明建設用地擴張的方向性趨向明顯;2012—2018年間高陵區建設用地擴張的方向性先是模糊，然后趨于明顯。從方位角來看，2012—2018年方位角由178.33°減少為77.37°，轉動幅度較大，反映出“東北—西南”方向上的分布格局弱化?？傮w上來看，2012—2018年高陵區建設用地擴張的空間分布向“西北—東南”方向收縮。

因此，標準差橢圓的分布范圍明顯由東北方向往西南方向收縮，高陵區建設用地擴張的空間分布范圍趨向集聚，分布的方向性更加明顯。

2.3建設用地擴張驅動因素分析

2.3.1指標選取

考慮到指標選取的可操作性和可量化性及數據資料的可獲取性，本文主要從人口增長、經濟發展、社會進步等方面對高陵區建設用地擴張的驅動因素進行定量研究。運用SPSS軟件中通過對上述11個備選驅動因子和因變量進行典型相關分析，剔除相關系數比較小的因子，最終得到9個顯著影響的驅動因子[10]。

各要素與建設用地擴張的相關系數見表4。

2.3.2主成分分析

目前主要有4種判斷主成分數量的方法，分別是：特征值>1;解釋數據變異的比例;陡坡圖檢驗;解釋能力檢驗[11]。本研究選取前3種方法進行分析判斷。

2.3.2.1數據變異比例及特征值

特征值方面：從上表可以看出，前2位主成分的特征值>1;而第3主成分的特征值為0.150，<1。數據變異比例方面：既往研究認為提取的主成分至少應該解釋5%～10%的數據變異。因此主成分提取數量為2，即提取前2個主成分。

2.3.2.2陡坡圖檢驗

陡坡圖是根據各主成分對數據變異的解釋程度繪制的圖。圖上每一個主成分為1個點，通過“陡坡趨于平緩”的位置判斷主成分的數量。在本研究中，第2主成分之后的數據趨于平緩，由此認為應該提取前2個主成分[11]。陡坡圖見圖5。

從上述3種方法可以看出，影響建設用地擴張的驅動因素概括為居民生活水平提高及經濟發展。

2.3.3主導驅動因素對建設用地擴張的分析

2.3.3.1居民生活水平提高的驅動

人口富裕程度和居民收入水平的提高，會對建設用地擴張產生影響。隨著城市居民收入的提高，生活水平也會相應提高，對住宅質量的需求較大，推動了城市住宅建設;對環境質量的要求，推動了城市綠地的建設及居住用地向郊區擴展[12];一些大型商場和娛樂設施的建設滿足了居民的物質和精神追求，從而推動建設用地面積的擴大。

2.3.3.2經濟發展的驅動