姜海玲，陈光义，张舒涵，周星宇，于海淋
(吉林师范大学 旅游与地理科学学院，吉林 四平 136000)
世界气候问题日益突出，森林因其良好的环境效应而备受关注.随着经济的发展与城市的扩张，土地利用类型之间的关系日趋紧张，林地与其他土地利用类型的关系吸引了大批的学者.杨丽[1]研究了林地变化受森林转型的规律和城镇化的影响；
邵亚奎等[2]给出了林地时空变化主要受到短期内政策的影响；
张译[3]指出林地变化的驱动因子是土壤类型的变化、频繁的极端天气和人为因素；
侯晓奎等[4]研究了低温冻害对城市中树木的损害及分布.学者们得出影响林地变化的因素多为城市化和自然灾害，但鲜有从经济和居民生活压力的角度出发研究林地的变化.杨树为研究区优势树种之一[5]，因此，深入挖掘杨树面积变化对制定林地保护政策具有重要意义.
1.1 研究区概况
河南省通许县位于34°15′～34°34′N和114°18′～114°38′E之间，耕地面积占总土地的73.96%.截至2019年底，通许县城镇化率、全体居民人均可支配收入、农村居民人均可支配收入在全市10个县级行政区中排名分别为10、7、6.通许县与祥符区、杞县、太康县、扶沟县、尉氏县接壤(图1)，未与周围市中心接壤，受开封市城区影响小.通许县以平原为主，距市中心远，耕地面积占比大，城镇率低，人均可支配收入少，上述特点意味着通许县林地面积小且多分布于农村地区.行政区划数据来自中国科学院资源环境科学与数据中心.
人口方面，研究区位于“胡焕庸线”[6]以东，该区域人口数量大、密度高.经济方面，研究区位于“北纬三十一度线”以北，倪鹏飞[7]指出中国经济发展空间的结构在北纬三十一度线出现了南北分化，并且呈现南升北降的趋势.研究区承受着经济增长速度下降和高人口密度双重压力，有学者预估到2100年全球样本内丰富度下降超过3.4%，且生物多样性损失将集中于经济落后的国家[8].处于第二象限的研究区面临着经济增长速度的放缓所带来的一系列社会问题与环境问题(见图2).
图1 通许县地理位置
图2 中国人口—经济直角坐标系
1.2 遥感数据及预处理
Sentinel-2卫星是高分辨率多光谱成像卫星，包括Sentinel-2A、Sentinel-2B两颗卫星，两颗卫星重访的周期为5 d，从可见光、近红外到短波红外覆盖13个光谱波段，空间分辨率分别为10、20、60 m.
李煜等[9]应用Sentinel-2A利用随机森林分类方法进行树种识别中于8月2日取得了最高精度为82.17%.本文通过实地调查和文献分析，选取2016—2020年中8月及临近月份的遥感影像(见表1)，数据来源于Copernicus Open Access Hub (https：//scihub.copernicus.eu/).
表1 研究选用Sentinel-2遥感影像基本信息
首先利用Sen2cor软件对Sentinel-2影像进行辐射校正和大气校正；
然后在SNAP软件中将校正结果导出为tif格式；
最后在ENVI软件中选取蓝、绿、红和近红外波段(编号分别为2、3、4、8波段，空间分辨率均为10 m)进行波段合成及影像裁剪，得到具有4个波段的研究区影像图.
2.1 林地利用类型选择
杨树因其生长速度快、成材周期短、生产木量大、木材质量高、效益显著以及更新方便等特点广受河南平原地区林农的喜爱，是研究区林地的主要树种.因为杨树在研究区内的林地中占比最大，所以杨树面积的变化对居民生活环境、农田、河流污染物的吸收与环境的改善具有举足轻重的作用，研究经济波动背景下的杨树面积变化对环境和经济方面政策的制订具有重要意义.
根据研究区土地利用基本情况，本文将研究区土地利用类型分为5种，分别为杨树、耕地、水体、建筑和其他.
2.2 支持向量机分类
支持向量机法可在少量样本且满足分类条件的情况下，具有较好的推广能力，常用的函数有：
(2)径向基核函数K(x，xi)=exp[-σ|x-xi|2]；
(3)采用Sigmoid函数作为内积K(x，xi)=tanh(σ(x·xi)+c).
根据研究区的特点以及样本的数量，本文以支持向量机法径向基核函数为基础进行分类，实现土地利用类型分类的可视化，结果见图3.
图3 2016—2020年通许县杨树分布
由图3可知，研究区内杨树主要分布在居民点周围、道路两侧以及河流两岸.杨树面积变化的区域主要呈现在居民点周围和农田间，道路两侧和河流两岸相对不明显.从图3(A)可看出2016年研究区内杨树分布于居民点周围的特征十分明显，但在图3(E)中几乎看不出此特点，说明居民点附近杨树面积变化较大.在图3(A)、3(B)、3(D)、3(E)中可看出杨树沿着涡河分布，表明研究时段内河流两岸的杨树面积变化相对不大.
2.3 林地利用变化动态度评价方法
选用土地利用动态度表征土地利用类型的变化幅度.本文拟得到研究区2016—2020年期间杨树面积的变化程度，故采用单一土地利用类型动态度作为评价方法.
单一土地利用类型动态度意为一定时段内某一土地利用动态度可定量反映利用类型的变化幅度.公式为[10]
其中：Ua、Ub分别代表研究时间初期a和研究时间末期b某类土地利用类型的数量；
T为研究时段长；
K为研究时段内某类土地类型的动态度.
通过计算可得出研究区内2016—2020年间逐年杨树面积动态度(见表2).
表2 杨树面积动态度
由表2可看出研究区杨树面积在2016—2020年总体呈现下降趋势.2016—2019年间每年杨树变化率约为-15%，而在2019—2020年间杨树变化率高达-30%，较往年变化存在差异.
3.1 相关性分析
相关分析法是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计方法.本文以指标间的相关程度来判断是否需进行主成分分析.由表3可知所选指标间存在较强相关性，故下一步可进行主成分分析.
表3 相关性矩阵
3.2 主成分分析
根据研究区统计数据本文采用生产总值(X1)、第一产业增加值(X2)、第二产业增加值(X3)、第三产业增加值(X4)、社会消费品零售总额(X5)、居民消费价格指数(X6)、常住人口(X7)、乡村人口(X8)、城镇化率(X9)和乡村劳动力(X10)共10个指标.其中除X7外，其他指标2020年数值是根据开封市2016—2020年数据推算而来.该统计数据来源于开封市统计局(http：//tjj.kaifeng.gov.cn/).表4为主成分分析结果.
表4 主成分分析结果
由表4可知，主成分1和2解释了全部方差的90.026%，表明提取的2个主成分能够代表原来10个指标信息的90.026%，对评价研究区杨树面积变化具有一定可靠性，分别设为Y1、Y2.首先根据两个主成分系数，得到Y1、Y2的线性组合为：
Y1=0.348X1+0.285X2+0.354X3+0.342X4+0.268X5+
0.307X6+0.156X7-0.356X8+0.356X9+0.332X10，
Y2=-0.197X1+0.253X2-0.058X3-0.235X4-0.185X5+
0.354X6+0.807X7+0.058X8-0.048X9-0.152X10.
由上式可知，在主成分Y1中，生产总值(X1)、第二产业增加值(X3)、第三产业增加值(X4)、居民消费价格指数(X6)、乡村人口(X8)、城镇化率(X9)和乡村劳动力(X10)的系数绝对值大于其他指标的系数绝对值，故主成分Y1是7个指标的综合反映，它代表研究区的整体经济水平及城镇化水平，说明7个指标与研究区内杨树面积的变化联系紧密.其中，城镇化率低是研究区一直存在的问题，这是2016—2019年杨树面积持续减少的原因之一；
研究区的经济出现下滑，杨树面积在2020年的下降与之密不可分.
在主成分Y2中，居民消费价格指数(X6)、常住人口(X7)的系数大于其他指标的系数，故主成分Y2主要是这2个指标的综合反映，它代表研究区内居民的生活压力.研究区2016—2020年常住人口数量变化不大，意味着居民消费价格指数的波动对杨树面积产生了一定影响.
根据主成分方程计算出主成分得分，以各个主成分方差贡献率占两个成分总方差贡献率的比率为权重计算的综合得分及排名(见表5).
表5 主成分得分和综合得分
根据表5可知，主成分Y1得分最高的是2020年，说明这一年经济指标出现变化；
2016—2019年主成分Y1得分低且多为负数，说明这段时间经济平稳运行，当地杨树面积的变化仅受到城镇化率低的影响.主成分Y2得分最高的是2020年，但较往年变化不大，说明居民生活压力的波动对杨树面积产生了一定影响.综合来看，社会总体经济情况和生活压力的波动形成合力，从多方面影响杨树面积的变化.
受样本限制，研究仅选取一个县级行政单位作为初探，下一步将对更高级行政单位进行采样，深入探索杨树分布面积的影响因素；
本文选取的是统计局最新公开的部分宏观指标，后续将详细参照开封市2021统计年鉴，更深入探索导致杨树面积变化的具体原因.
