spss进行灰色关联分析_淮南市土地变化过程影响因素的灰色关联分析

作 者 信 息

李玉洁1，游欣妍1，梁　明1,2，聂　拼3

(1. 安徽大学　资源与环境工程学院，安徽　合肥　230601；2. 安徽大学　安徽省矿山生态修复工程实验室，安徽　合肥　230601；3. 南京大学　地理与海洋科学学院，江苏　南京　210023)

“

【摘要】土地利用/土地覆盖变化综合反映人类活动对地表的影响，对于全球变化和资源利用具有重要的指示作用。随着土地利用数据的需求快速增加，基于序列土地利用数据开展土地利用变化时空过程的研究逐步受到重视。其中如何量化分析众多可能因素对土地利用变化时空过程的影响是关键。利用淮南市2008—2017年的Landsat遥感影像，提取2008—2017年的序列土地利用数据，基于灰色关联分析方法对研究区典型的土地利用类型演变过程(“耕地”转为“城乡工矿居民用地”)进行研究。涉及到的影响因素包括耕地的形状、耕地距离道路的距离以及耕地的面积。结果表明：不同影响因素对土地利用变化过程的影响不同，同时各个因素的影响存在年际差异。主要体现为耕地的面积对于土地利用类型演化过程的影响始终最大，而耕地距离道路的距离及耕地的形状这两个因素的影响随年份变化波动较大，某些年份距离影响大于形状，而某些年份形状影响大于距离。

【关键词】土地利用变化过程；序列时空数据；灰色关联

【中图分类号】F301.24 【文献标识码】A 【文章编号】1672-1586(2020)06-0080-07

”

引文格式：李玉洁，游欣妍，梁　明，等. 淮南市土地变化过程影响因素的灰色关联分析[J].地理信息世界,2020,27(6):80-86.

正文

0　引　言

土地利用与土地覆盖变化(Land-Use and Land-Cover Change，LUCC)是全球变化研究的重要对象，也是资源管理和国土空间规划需要重点研究的内容。LUCC作为全球变化的重要组成部分和主要原因之一，对诸如气候、生物多样性和水环境变化等生态环境影响显著，进而影响经济、社会的发展。因此，对LUCC开展定量研究具有重要意义。LUCC在1995年“国际地圈与生物圈计划”和“全球变化人文因素计划”共同制订的“土地利用/覆被变化科学研究计划”中被当作全球变化研究的核心内容，并在2005年发布的全球土地计划(Global Land Project，GLP)中被列为土地变化科学研究的新动向。随着序列土地数据的可得性及数据获取的便捷性的提高，LUCC时空过程研究越发受到关注。

相对于既有关于LUCC的相关研究，本文主要具有以下两个方面的特点：研究对象和研究方法。首先，国内外许多学者关注的LUCC研究对象大多是各个年度之间的土地利用类型的总体的数量变化，即通常通过叠加序列LUCC数据分析获得土地利用变化的时空转移矩阵；而本文的研究对象则是不同年度之间的序列土地利用单元构成的土地利用演化过程。其次，关于LUCC的研究方法可以分为定性和定量两种，定性研究者们通过定性地描述地块的形状、面积等因素，分析这些因素对LUCC的影响，定量研究者大多应用统计的方法，分析不同因素在各年之间量的变化，如以序列LUCC的数据为基础，从现状、动态变化等方面对研究区的土地变化进行定量和定性分析。本文与其他定量研究的研究方向及研究方法不同：本文采用灰色关联分析法，定量计算各影响因素与LUCC的关联度，进而描述各影响因素对于LUCC的重要性。

LUCC是自然、社会、经济和生态系统演变的直接表现，受到自然、人文因素共同作用。LUCC相关的自然因素包括气候、土壤、水文、地质地貌等，人为因素包括开垦、灌溉、造林、砍伐、养护、人口、城市化水平、产业结构等。其中自然因素是影响区域土地利用结构的最基本因素，人为因素也会影响土地利用结构。LUCC在这些因素的影响下呈现出不同的演化规律和趋势，无论是建设用地或是农业用地，都成为LUCC的最显著形式。因此，本文选择对LUCC中类型为“耕地转为城乡工矿居民用地”的部分相关影响因素进行研究，涉及的影响因素为耕地的面积(area)、耕地距离道路的距离(distance)和耕地的形状(Landscape Shape Index, LSI)。

灰色关联分析来自于灰色系统理论，基本思想是一种相对性的排序分析，通过分析可以得到子母序列曲线的相似性程度，若相似性程度越高，则关联度越大，反之则越小。其中关联度是用来衡量两个系统或两个元素之间关系密切程度的量。因此，应用灰色关联分析法，可以从所考察的复杂系统中找出主次因素，为系统综合决策提供合理信息。本文采用灰色关联法，通过对淮南市2008—2017年的土地利用类型演变为“耕地转为城乡工矿居民用地”这一过程进行分析，计算出area、LSI及distance这3个因素对LUCC的影响程度，以期求出对LUCC影响最大的因素&#x