张红, 邓雯, 王艺 | 2000—2020年印度土地利用的时空演化及驱动因素分析

摘 要：印度已成为全球十大经济体之一，也是全球增长最快的新兴经济体。作为世界耕地大国和农业大国，印度的土地利用格局演化对全球粮食安全和可持续发展意义重大。收集了印度2000、2010和2020年3期土地利用数据，借助景观格局指数、土地利用动态度模型、土地利用转移图谱等方法刻画了印度土地利用的规模、组成、形态、格局及时空演化特征，研究发现：①印度的土地利用类型中，耕地占比最高，2020年占总面积的62.91%。斑块形态较复杂，其面积加权平均斑块分维数为1.37。耕地总面积保持相对稳定，与其他用地类型的转入转出整体保持平衡，但耕地转为建设用地的比率近年来快速增加，2010—2020年建设用地成为耕地主转出类型，反映了快速城市化与人口增长的影响。②林地为印度第二大用地类型，空间集聚特征明显。林地面积持续而缓慢地减少，2000—2010年主要退化为未利用地（转出比率19.73%），2010—2020年主要与草地相互转换（转入转出比率分别为17.94%、18.17%）。③印度草地分布破碎离散，因转入大于转出，总面积持续小幅度增加，2000—2010年、2010—2020年草地新增面积分别占所有用地新增面积的28.31%、28.64%，新增用地多由林地转入（分别为18.91%、18.17%）。④建设用地主要分布于首都新德里及印度东部的西孟加拉邦和阿萨姆邦，斑块相对规则。近年来，印度建设用地面积不断扩张，2010—2020动态度达2.51%，主要由耕地转入。⑤构建地理加权回归模型，发现极端温度、高程、人口、GDP与政策是印度耕地与建设用地演化的主要驱动因子。

---

关键词：印度; 土地利用; 时空演化; 空间图谱; 影响因素

第一作者简介：

张红（南方海洋科学与工程广东省实验室（广州），华东师范大学），女，副教授，博士，研究方向为地理复杂性与城市进化，E-mail：[e-mail]。

通信作者简介：

邓雯（西南交通大学），女，硕士研究生，研究方向为空间分析与建模，E-mail：[e-mail]。

0 引言

印度是世界上最大的发展中国家之一，它以全球18%的人口创造了近8%的年均经济增速，跃迁为经济发展最快的大型经济体之一，是新兴经济体的代表。农业在印度国民经济发展中具有举足轻重的地位，它是世界第二农业大国，也是世界第二大米和小麦产量国。印度农业的发展离不开其丰富的土地资源，快速发展的经济对土地利用产生了深刻的影响，其土地利用方式对同样高度依赖农业的国家的资源利用与粮食安全具有重要参考价值。

土地利用格局及演化一直是全球环境变化与可持续发展研究的核心课题，学者们采用统计学、空间分析、景观结构分析、影像解译、计算机模拟等方法，开发了多种土地利用分析模型，包括土地利用/覆盖总体量化模型（动态度模型和转移矩阵分析）、土地利用转型模型、元胞自动机模型、支持向量机模型及卷积神经网络模型等，分析了全球、国家、次国家单元、城市等多个尺度的土地利用空间分布、景观格局、时空演化、土地利用转型、土地利用变化的驱动机制，进行土地利用多情景演化与规划响应模拟等。已有研究发现土地利用具有斑块形态复杂性、景观类型多样性、空间分布异质性、时空演化尺度关联性等特征，对其特征的刻画考虑了形态、结构、功能、效率等多个维度土地利用方式与效率既受气候与地形地貌等自然环境的限制，也与社会经济发展、政策与规划等密切相关，土地利用强度对生态环境可持续利用影响深刻，而面向多种场景的土地利用模拟及其空间智能优化有助于规划政策的制定与城市其它要素的空间协同。

当前，印度面临快速城市化、粮食安全、农业改革等多方面的挑战，这些均与土地利用密切相关。已有文献对印度土地利用/覆盖的时空演化、土地利用转型、土地利用规划、土地政策与管理、土地利用变化影响等进行了多方面探讨，在印度土地利用政策制定及特定土地利用类型（如耕地）空间演化方面硕果累累，但较少涉及印度各类土地利用类型的时空演化，且对于印度土地利用演化驱动因子的分析多借助于定性分析，定量研究的成果不多见。

本文利用印度2000、2010和2020年的土地利用数据，采用统计分析、空间分析、景观格局分析等方法，从国家、联邦和区（县）等多个尺度挖掘印度土地利用的几何形态、类型组成、空间格局、图谱转化等特征，并构建地理加权回归模型，定量分析气候、地形地貌、人口、GDP等因素对印度土地利用演化的影响，以期丰富印度土地利用研究。

1 研究区概况与研究方法

1.1　研究区域

印度是南亚次大陆最大的国家，位于北纬8°24′~37°36′，东经68°7′~97°25′之间，面积约298万km²。其东部与缅甸为邻，东北部同孟加拉国、尼泊尔、不丹及中国接壤，西北与巴基斯坦交界，东临孟加拉湾，西濒阿拉伯海，海岸线长7 517 km，境内有印度河、恒河、布拉马普特拉河等。全境地形大致可分为四类，分别为占国土面积约43%的中部恒河平原区、占国土面积约11%的北部喜马拉雅高山区，以及南部德干高原区和西部塔尔沙漠区。印度大部分地区处于热带和亚热带，以热带季风气候为主，西南部是热带雨林气候，西北部则是热带沙漠气候，北方喜马拉雅山脉区域为高山气候。印度年平均气温在22℃以上，年降水量1000mm至2000 mm不等，由于地形和季风等因素的影响，降水量分布极不均匀，西部沙漠地区年降水量少于100mm，而西南部是全球降水最多的地区之一，东北部阿萨姆邦年降水量在4000 mm以上。雨季与旱季区分明显，约80%的年降水量出现在夏季风季节（6—9月）。

充沛的雨水和适宜的气候为印度农业发展提供了有利条件，因而形成以农业景观为主的地表覆被景观，但同时印度也因热带季风气候导致降水不稳定易发生水、旱等自然灾害，极端恶劣的天气与气候变化成为印度的普遍现象。受自然环境和经济条件的影响，印度农业生产地域差异明显，形成了东北部稻谷、黄麻、茶叶区，西北部小麦、杂豆、油菜区，半岛杂粮、棉花、花生区，西南稻谷热带作物区等四大农业区。

1.2　数据来源与预处理

土地数据来源于GlobeLand30（www.globeland30.org），空间分辨率为30米。将GlobeLand30土地利用数据根据自然资源部2017年公布的《土地利用现状分类》合并调整为耕地、林地、草地、水域、建设用地和未利用地6类。人口和GDP数据来源于日本国立环境研究所（www.cger.nies.go.jp），空间分辨率均为0.5°；温度和降雨量数据均来自美国国家海洋和大气管理局（NOAA）海洋及大气研究中心（OAR）地球系统研究实验室（psl.noaa.gov/psl.noaa.gov），数据的空间分辨率均为0.5°。数字高程模型（Digital Elevation Model，DEM）数据下载自中国科学院计算机网络信息中心地理空间数据云平台与国家冰川冻土沙漠科学数据中心。考虑到印度土地资源的联邦制管理特点，本文分析主要集中在联邦尺度。

1.3　研究方法

1.3.1　土地利用空间格局分析方法

基于适用性和独立性原则，选取6个指标从面积、形状、分布和多样性四个角度刻画土地利用的景观格局特征（表1），借助Fragstats4.2软件和GIS空间分析功能计算各指标值。

1.3.2　土地利用时空变化分析方法

（1）土地利用动态度。该指标描述了某类型用地的变化速率（Ki），计算公式为：

式中，Ki为某类型用地的变化速率，Uai、Ubi分别为该用地类型初期与末期的面积；t为研究时长，当其单位为年时，Ki对应于年变化率。全部用地类型的变化剧烈程度（Ks）的公式为：

式中，Ks为综合土地利用动态度；ΔUi→j为研究时段内第ii类用地转换为j类用地的总面积；Uai为初期第i类土地利用类型的面积；t为研究时长，单位为年。

（2）地学信息图谱。直观呈现土地利用类型的转换信息，主要包括类型转换图谱和涨落势图谱。其中涨落势图谱的生成包括如下三个步骤：①确定基本建模单元。采用网格法建模，空间分辨率为270 m；时间上选取2000年、2010年和2020年三个年份。②生成土地利用转移图谱。使用ArcGIS10.5软件融合地图代数与图谱编码实现。③构建涨落势图谱。采用重分类方法，提取用地类型转入与转出关系矩阵，根据结果生成涨落势图谱。

1.3.3　地理加权回归分析

地理加权回归分析（Geographically Weighted Regression，GWR）是一种顾及变量的空间异质性或空间非平稳性特征的回归分析模型，该模型可得到随位置变化的参数估计结果，其形式为：

式中，yk为样点k的加权回归值；(uk,vk)为回归样点k的空间坐标；βi(uk,vk)为样点k处模型第i个解释变量xki的回归参数；β0(uk,vk)、εk分别为样点k处的常数项与随机误差项。

2 印度土地利用的空间格局

2.1　用地规模与组成特征

印度是全球耕地面积最大的国家。2020年印度耕地总面积约187万km²，占国土总面积的62.91%。印度也是世界最大的热带原木生产国和木材产品消费国之一，林业为印度重要的支柱产业。林地为印度第二大用地类型，其总面积和占比分别为58万km²和19.50%。印度的草地、未利用地、建设用地和水域面积占比分别为23.6万km²（7.96%）、16.9万km²（5.69%）、6万km²（2.07%）和5.6万km²（1.87%）。

印度土地利用类型丰富、多样性高，即使在二级行政区区（县）尺度，大部分区（县）的六种用地类型也基本齐全。丰富度指数值呈现出明显的中心-外围差异（图1）。印度中部低海拔山地与平原，包括德干高原北部、萨特普拉山脉与恒河平原以及印度东部边缘区（县）包含除未利用地外的所有类型。而印度外围区（县）的丰富度数值几乎全为6。仅有少部分地区土地类型多样性较低，如印度东北部与缅甸接壤的部分区（县）仅含4种用地类型，大多为林地、草地、水域及建设用地。极少部分区（县），如拉克沙群岛中央直辖区丰富度为2，西孟加拉邦和旁遮普邦内的两个区（县）用地类型丰富度为3。计算各联邦内土地利用类型的占比，提取主要土地利用类型（面积占比大于10%），根据各联邦内包含的主要土地利用类型组合定义其土地利用结构，得到土地利用结构类型的空间分布如图1b。2020年印度共有单类型、双类型、三类型和四类型四种土地利用结构，对应于11种不同的用地类型组合。其中，双类型结构和单类型结构的占比分别高达60.7%和20.9%。这意味着印度多数联邦的主导土地利用类型仅为1~2种。

图1  2020年印度土地利用类型丰富度和结构特征

Fig.1  The type variety and structural properties of land use in India in 2020

注：    基于国家测绘地理信息局标准地图服务网站审图号为GS（2016）1760号标准地图绘制，底图无修改，其余图同。

印度最主要的三种土地利用结构为耕地-林地组合（42.22%）、耕地（17.63%）、耕地-未利用地组合（17.61%）。北方邦、比哈尔邦、哈里亚纳邦等以耕地为单一优势类型，这里地处恒河平原，自古便是著名农业地区，耕地-林地组合多集中于印度南半壁的德干高原和东部的那加丘陵区；耕地-未利用地组合多见于西北部的古吉拉特邦和拉贾斯坦邦。古吉拉特邦气候北部干燥、南部沿海降雨较多，以农业和畜牧业为主，而其北靠的拉贾斯坦邦气候干燥，年降水量由东向西递减。该两邦土地退化较严重，土地利用程度不高；地处印度中心地带且面积最大的联邦——中央邦，是唯一一个包含耕地-林地-草地三类型组合的联邦，该邦地处德干高原与恒河平原之间，气候类型多样且区域气候差异显著，林地、草地、耕地镶嵌分布。

土地利用结构空间分异较明显。喜马拉雅山脉地区以耕地-林地-草地-未利用地四类型组合为主；德干高原北部、萨特普拉山脉以耕地-林地-草地三类型结构为主；塔尔沙漠地带主要为耕地-未利用地双类型组合。此外，印度的恒河平原为耕地单类型，德干高原多为耕地-林地双类型；恒河三角洲区域包含了林地单类型、林地-耕地与林地-草地双类型结构。土地利用结构的空间分异反映了气候环境和地形地貌对农业、林业和工业等发展的重要影响。

2.2　用地形态特征

各类型用地的景观格局指标计算结果如表2所示。就面积加权平均斑块面积而言，耕地远高于林地和未利用地，其次为水域、草地和建设用地。各用地类型的斑块形态特征与面积特征一致，即面积越大的用地斑块其形态常常也越复杂。此类斑块散布于印度北部、中西部、东南部和东部地区。耕地的最大斑块指数和聚集度指数均最高，面积加权平均斑块最近距离最低，表明耕地斑块聚合程度很高，且呈连片分布。建设用地斑块则与之相反，破碎而离散。草地的聚集度指数最小，其空间分布最为离散。

2.3　用地分布特征

印度土地利用类型空间分异明显（图2）。耕地集中于中央邦及其邻近邦，林地分布极不均匀，主要集中在喜马拉雅地区、安达曼尼科巴群岛、高止山脉东西两侧及恒河三角洲地带，中央邦和拉贾斯坦邦森林覆盖面积位居前二名，分别为9.46万km²、7.74万km²，占全国森林总面积的13.29%、10.87%。而米佐拉姆邦的森林覆盖率高达85.41%。草地多见于中央邦、马哈拉斯特拉邦和拉贾斯坦邦及北部的克什米尔。中央邦和马哈拉斯特拉邦位于德干高原、印度平原、塔尔沙漠的过渡地带，德干高原西北部约占高原面积1/3的广大地区为熔岩所覆盖，大陆性季风气候显著，雨量充沛，气候潮湿，有利于草地发育。水域在东部的阿萨姆邦和西部的古吉拉特邦占比均超过10%，该两邦内河网密布、水系发达。建设用地集中于东部的西孟加拉邦和阿萨姆邦，它们是人口密集地区，也是南亚重要经济中心之一。未利用地多集中于西部的古吉拉特邦、西北部的拉贾斯坦邦和北方的克什米尔、喜马偕尔邦，高温少雨的沙漠和陡峭的高山限制了土地开发。

图2  2020年印度各用地类型的空间分布

Fig.2  Spatial distribution of land use in India in 2020

3 印度土地利用时空演变

3.1　动态度变化分析

印度耕地总面积变化较小，两个时期变化动态度仅为0.06%和-0.07%。耕地总面积由2000年的187.14万km²上升至2010年的188.32万km²，后又微降至187.06万km²；林地面积持续小幅减少且速度减缓，2000—2010年和2010—2020年林地面积动态度分别为-0.70%和-0.18%。印度烧垦式的毁林耕作方式、全球木材价格的上涨、人口增长对粮食需求的增加等使得印度林地陷入被侵占、破坏和退化的困境，主要发生在印度西北部、中部和东部的中心地带包括奥里萨邦、马迪亚邦、马哈拉施特拉邦、恰尔肯德邦和切蒂斯格尔邦等。这些联邦多是产煤工业区，当地国有矿业公司为持续快速增产而过度占用林地，居民部落和野生动物生存环境遭到破坏，森林消亡问题严峻。为此，印度发展农业集约化模式、启动“绿色印度行动”和“林木保护计划”等项目、并制定联合森林管理制度，有效遏制了过量采伐、乱砍滥伐以及毁林开垦等行为，促使人工林和种植园等的面积增加。印度草地、建设用地和未利用地的面积持续增加。2000—2010年印度未利用地的动态度在所有用地类型中为最高（2.53%），而2010—2020年动态度最高的为建设用地（2.51%）。反映出印度自然环境协调性遭到破坏、无控制的人口增长、城市化、工业化进程加快等对土地利用方式的影响。

3.2　空间演化分析

3.2.1　分布重心的迁移

图3刻画出印度六种土地利用类型的重心变化。除未利用地外，其余五类用地的重心均位于印度中部。耕地重心位于中央邦中心位置并长期保持稳定；林地重心位于切蒂斯格尔邦，重心前期向东南方向迁移，后期无明显变化。这可能与前期印度西部地区林地的退化相关。草地重心稳定于中央邦北部，而水域重心经历了先东南后东北的迁移过程。这可能与全球气候变暖带来的青藏高原冰川融化、来自印度洋的西南季风强度增大使得青藏高原降雨量增加有关。建设用地的重心前期向东南迁移，后期则向西南方向迁移，这与文献的结论一致。印度城镇化水平“南高北低”，城镇人口多集中于南部的马哈拉施特拉邦、安得拉邦和喀拉拉邦，以及北部的加尔各答周边较小区域。随着南方的安得拉邦城镇化水平的提高，南高北低的空间格局进一步增强。印度未利用地的重心由喜马偕尔邦向西南方向迁移至旁遮普邦。

图3  2000—2020年印度各类型土地利用的重心迁移

Fig.3  The shift of centroids of each land use type in India in 2000-2020

3.2.2　变化强度的分布

两个时期的印度耕地面积变化较小（图4），2000—2010年，恒河三角洲和东高止山脉北部区域耕地面积略有增加，西部塔尔沙漠区耕地小幅退化；2010—2020年绝大部分联邦耕地面积无明显变化。林地变化的空间分异较显著，2000—2010年，中央邦及其邻近区域的林地面积普遍下降，而北方邦和少数东部边境邦的林地面积增加；2010—2020年，东部边境邦和南部的卡纳塔克邦、泰米尔纳德邦林地面积减少。根据文献的统计，印度东北部六个邦的森林覆盖率下降了近18%，特别是米佐拉姆邦2015年的森林面积更是骤减了66.26%。这主要因为印度东北部刀耕火种的传统轮歇式种植方式、商业伐木、毁林造地、工业建设侵占林地等行为。2000—2010年，绝大多数联邦草地面积显著增加，整体呈“西增东减”态势，拉贾斯坦邦、哈里亚纳邦、卡纳塔克邦等中西部地区草地面积增加，而东部北方邦、东高止山脉、恒河三角洲以及北部的克什米尔等草地面积减少，但在2010—2020年期间，印度中西部草地面积显著减少，北方边界地区明显增加，东部则有增有减。

图4  2000—2010年及2010—2020年印度土地利用面积变化空间分布

Fig.4  Map of land-use change of India in 2000-2010 and 2010-2020

印度水域变化空间自相关明显。2000—2010年绝大多数邦的水域面积明显减少；2010—2020年，南部大部分邦、拉贾斯坦邦等的水域面积持续减少，北方邦水域面积也开始减少，其余各邦特别是印度东部和北部的各邦水域面积逐渐增加，这与青藏高原冰雪融化及气温变化带来的降雨量增多有关。印度几乎所有联邦在两个时期内建设用地均快速扩张，尤其是中部和南部沿海联邦的建设用地面积增速更是高达50%以上。未利用地的面积变化呈现出显著的空间正相关。2000—2010年，近一半联邦未利用地面积增加，而东部边境联邦、安得拉邦和特伦甘纳邦的未利用地面积减少。2010—2020年，中央邦及其邻近的北方邦、切蒂斯格尔邦的未利用地面积增长率均达50%以上，面积减少的邦多集中于印度东部和西北部。

3.3　土地利用演化的空间图谱分析

3.3.1　类型转移图谱

为进一步揭示印度土地利用类型间的相互转化特征，绘制了土地利用类型空间图谱（图5），得到30种转化类型，两个时期总的土地利用变化面积分别约19.94万km²和18.06万 km²，占总面积的比重分别为6.71%和6.08%。从转移类型来看，2000—2010年，耕地的主要转入和转出均为林地和草地；林地主要由草地转入，主要转出为未利用地和草地；草地主要转入和转出均为林地；水域主要由耕地转入，主要转出为耕地和草地；建设用地大量扩张且多由耕地转入；未利用地主要由林地转入，主要转出为草地。2010—2020年，大部分土地利用的转移关系保持稳定。

图5  印度土地利用转移示意图

Fig.5  The land use transition graph in India

土地利用转移结构方面，草地和水域在两个时期的转入与转出较平衡，林地、耕地、未利用地和建设用地变化转入转出非均衡。林地的转出远多于转入，主要转出为未利用地和草地。林地转出为未利用地的比率由第一时期的19.73%降至第二时期的1.18%，表明林地保护、植树造林和种植园建设等举措效果良好。就转移比率（某用地类型的转移图谱占总转移图谱的比值）而言，林地和草地的图谱转移比率最高。2000—2010年，林地与草地的图谱转移比率分别为33.58%和26.87%；2010—2020年则为25.69%和28.92%。2000—2010年，图谱转移比率较大的有林地→未利用地、林地→草地和草地→林地；2010—2020年以林地与草地间的相互转换为主。

3.3.2　涨落势图谱演化

涨落势图谱可描述各土地利用类型的新增和缩减特征（图6）。图6（a）~（c）为涨势图谱，可知2000—2010年，草地和未利用地的新增面积最多，分别占总新增面积的28.31%和27.34%。新增草地分布广泛，新增未利用地多集中于印度西北边境的沙漠地带；2010—2020年，仍是草地的新增面积最多，占新增总面积的比重高达28.64%。其次为林地，林地的新增面积逐步减少。而新增耕地、水域与建设用地的面积均明显扩大。其中，建设用地的新增面积占比由第一时期的2.66%提升至第二时期的9.71%，主要集中于印度西孟加拉邦。图6（d）~（f）为落势图谱。2000—2010年，印度林地和草地的面积缩减最多，分别占总缩减面积的45.92%和25.26%，其次为耕地（13.37%）；林地和耕地大量缩减的区域主要集中于印度西北部的拉贾斯坦邦；2010—2020年，草地、林地、耕地的面积缩减显著，分别占总缩减面积的29.19%、27.23%和23.05%，其中耕地缩减多发生于孟加拉邦。

图6  印度土地利用变化及涨落势图谱

Fig.6  The rising and falling graph of land use in India

4 印度典型用地类型时空演化的驱动因子分析

考虑到印度农业大国和快速城市化的特征，以耕地和建设用地的年变化率作为因变量，选取地形因子（高程、坡度、坡向）、社会经济因子（人口、GDP）和气候因子（年平均最高气温、年平均最低气温、年平均降雨量）八个影响因素的变化率为自变量，以印度二级行政区划（区、县）为基本研究单元，构建地理加权回归模型（Geographically weighted regression，GWR）分析耕地和建设用地时空演化的驱动因子。首先采用ArcGIS10.5软件对八个回归自变量进行多重共线性诊断，得到所有变量的方差膨胀系数（variance inflation factor，VIF）均远小于7.5，即自变量间无多重共线性关系，均参与GWR建模。

耕地和建设用地的GWR模型拟合效果良好，其R²值分别为0.88和0.70。99%的区（县）的标准化残差绝对值小于2.5，且空间自相关分析结果显示残差无高值或低值聚集特征。图7为印度各区（县）耕地与建设用地的GWR模型回归系数最大的两个驱动因子组合统计图。图中横坐标轴为驱动因子编码组合，数字1~7对应的驱动因子分别为年平均最高气温、年平均最低气温、高程、人口、年平均降雨量、GDP和坡向。结果表明，超过60%的区（县）内耕地和建设用地变化的主要影响因子为温度，包括年平均最高气温和年平均最低气温，其次为高程和坡向。

图7  印度耕地与建设用地时空演变的主要驱动因子统计

Fig.7  The main driving factors of spatio-temporal evolution of cultivated land and construction land in India

注：    第一、二驱动因子组合统计横坐标数字表示驱动因子编码。1-年平均最高气温；2-年平均最低气温；3-高程；4-人口；5-年平均降雨量；6-GDP；7-坡向，下图编码同。

图8描绘了各区（县）主要驱动因子的空间分异，各区（县）主要影响因子表现出较强的空间集聚性，东西分异明显，西部和西北部各区（县）影响因素复杂多样。2000—2020年，印度东部、东南部和东北部耕地变化的主要影响因子组合为12，即极端气温。而印度西部和西北部耕地演化主要影响因子组合包括47、37、17、14、13等，即人口、极端气温、坡向和高程；印度各区（县）建设用地演化的主要驱动因子相似。西部为17，即年平均最高气温和坡向；西北为13，即年平均最高气温和高程。

图8  土地利用变化主要驱动因子空间分布

Fig.8  Spatial distribution of the main driving factors of land use change in India

注：    第一、二驱动因子以编码表示。

5 结论与展望

印度是全球增长最快的新兴经济体，也是传统的农业与人口大国。印度的土地利用对本国及周边国家的经济发展和全球粮食安全、生态可持续发展具有重要意义。本文利用印度2000、2010和2020年30米分辨率的土地利用数据，明晰印度耕地、林地、草地、水域、建设用地与未利用地六种土地利用类型的面积、形态、结构与格局特征，构建土地利用类型转移与涨落势空间图谱，分析印度土地利用时空演化特征，并使用地理加权回归模型分析耕地和建设用地演化的主要驱动力。主要发现如下：（1）耕地始终是印度最主要的用地类型，其分布广泛、斑块形态复杂。耕地面积变化幅度小，重心始终位于中央邦。与其他用地类型间的转入转出整体保持平衡，但耕地转出为建设用地的比率呈上升趋势，这与城市化与人口增长等因素紧密相关；（2）林地为印度第二大土地利用类型，空间集聚特征明显，重心在切蒂斯格尔邦且逐步向印度东部的东高止山脉方向迁移。林地面积持续减少但速度减缓，这主要与印度烧垦式毁林耕作、工业化发展等有关。近年来受益于新的林业保护与发展政策，林业用地毁坏和被侵占现象得到有效控制，林地与草地间的相互转换增多；（3）印度草地分布破碎而离散，多见于德干高原、印度平原与塔尔沙漠的过渡区、克什米尔等。重心分布在中央邦并呈现出向印度西北方向迁移的趋势。草地面积持续而缓慢地增加，草地与林地间转换较多且频繁；（4）印度水域面积空间分布不均，主要集中于印度西部的古吉拉特邦和印度东部的阿萨姆邦。整体重心往恒河三角洲方向迁移。印度水域动态度由-1.06%提升为0.72%，这部分归功于全球气候变化带来的青藏高原冰川融化和降雨量增加；（5）建设用地分布离散，重心整体南移，与印度城镇化水平“南高北低”的趋势一致。建设用地规模不断扩大且速度加快，主要由耕地转入；（6）未利用地约占印度国土总面积的5.69%，其面积持续增加但增速放缓，集中分布于印度西北部及北部。此外，GWR的模型分析结果表明，耕地、建设用地的演化与极端天气（年平均最高气温、年平均最低气温）、地形地貌（高程、坡向）、社会经济条件（人口和GDP）、年平均降雨量等因素密切相关。影响因素的作用强度东西分异明显，东部地区主要影响因素较单一，而西部则更为复杂。未来研究将关注更长时间序列的印度土地利用时空演化特征、流域尺度的土地利用演化、气候变化影响下的耕地质量变化等。

---

该文载于《世界地理研究》2022年第4期

引文信息：

张红，邓雯，王艺.2000—2020年印度土地利用的时空演化及驱动因素分析.世界地理研究，2022，31（4）：786-799.

［ZHANG Hong，DENG Wen，WANG Yi.Analyses on the spatio-temporal evolution and driving factors of land use in India during 2000—2020.World Regional Studies，2022，31（4）：786-799.］

---

轻点下面蓝字, 查看近期文章

---

---

---

---

---

---