海南岛土地利用动态变化特征及其驱动力分析

海南岛土地利用动态变化特征及其驱动因素目录TOC\o"1-3"\h\u1引言 ]。全球土地利用是对全球范围的土地根据纬度、海陆、地形、天气等因素进行宏观性的研究REF_Ref7041\r\h[8]，但其往往忽略了中、小范围的土地利用情况及局部变化REF_Ref7067\r\h[9]。特别是在某些特定地区，由于自然和人文社会等多种因素的作用，土地的使用和资源质量都在持续变化，这进一步影响了该地区的环境状况。因此，需要通过监测这些变量来了解土地利用的时空动态过程。目前，存在众多手段来研究影响土地使用在空间和时间上的变动因子。其中包含利用地理探测器来确定这些驱动力因子。地理探测器是由中国科学院的王晋峰研究团队开发的一种统计手段，用于检测空间分层异质性及其驱动因素，该方法包括异质性和因素检测、相互作用检测、风险区检测和生态检测四个部分REF_Ref7100\r\h[10]。定量驱动因素是通过灰色关联分析统计得出的，灰色关联分析描述了各因素之间关系的强度、大小和顺序，是一种更具动态性质的定量分析REF_Ref7123\r\h[11]。因此，利用地理信息系统技术结合数学分析方法来探讨土地利用与人文和水文条件间的作用机制已成为当前热点课题之一。近几年，全球学术领域在土地使用和土地覆盖变化（LUCC）以及其所带来的影响方面的研究已经取得了突出的成就。NawhathREF_Ref7152\r\h[12]和他的团队以泰国城府的四大洪水高风险区域为研究对象，对土地使用和防洪设施的变迁如何影响世界遗产地和城郊地区的洪水情况进行了评估，并进一步探讨了与洪水有关的社会效应；KimaroREF_Ref7227\r\h[13]及其团队运用RS和GIS技术，对1984年至2015年期间马甘巴保护区的土地使用变化趋势进行了深入的量化研究和分析。研究结果显示，该保护区森林退化的主要驱动因素包括农业活动的增加、人类居住区的扩张以及基础设施的完善；ArowoloREF_Ref7250\r\h[14]及其团队的研究指出，农业的扩展和大量的植被砍伐可能会对尼日利亚的土地使用和覆盖模式产生影响。我国土地利用现状及其驱动因素的研究始于20世纪80年代。近年来，随着国家对生态文明建设的重视，相关的研究已经取得了令人瞩目的进展。相关的研究机构和学者对土地的使用条件、土地使用的变化趋势和机制、以及土地利用的模型模拟进行了深入探讨，并从中得到了非常有价值的发现REF_Ref7280\r\h[15]。为了深入了解土地使用的时空演变，中国政府与中国的研究机构共同收集了众多的数据，目的是为了建立和完善相关的数据库。中国环保总局在2000年圆满完成了"西部遥感"项目的调查；在“八五”期间中科院开展的宏观遥感项目，聚焦于遥感技术在国土与生态监测中的应用，为我国土地利用变化研究贡献了关键数据。目前已有多个省市开展了区域土地生态环境效应评价工作，并取得一定成果。此外，有学者对中国的土地使用模式进行了广泛的科学研究，例如孙佩REF_Ref7302\r\h[16]等人使用ArcGIS软件来计算土地利用的动态态度变化指标，并对丹江口市的土地利用在时空上的动态变化进行了深入分析。陶伟REF_Ref7335\r\h[17]和他的团队利用GeoSOS模型模拟了金华市土地使用的动态变化，为我们提供了城市化的当前状态和未来发展方向的可视化视图，从而为地方的发展策略和决策提供了有力的支撑。龙运婷REF_Ref7358\r\h[18]和她的团队利用3S技术对贵阳市的土地使用变化进行了深入的动态监测研究，这些研究成果为当地政府在土地资源的合理规划和科学管理方面提供了极大的便利。海南因其独有的地理优势，其旅游产业得到了迅速的扩展，同时人口也有所增长。过去30多年，从经济特区、国际旅游岛到如今的自由贸易港建设，海南经济快速发展，也使得土地利用发生变化。然而，海南岛未利用地少，后备土地资源储备不足，导致用地矛盾突出，有必要对区域过去土地利用演化特征和驱动因素进行研究以掌握其变化规律，以期为区域可持续发展提供数据和理论支持。以往，针对海南岛土地利用动态变化的特点及其影响因素的研究，学者们主要运用了转移矩阵分析和动态变化度分析这两种方法进行了深入的研究。戴声佩等人利用土地利用转移信息谱、土地利用综合程度指数等对海南岛近20年土地利用动态变化度进行研究，而赵健等人则结合土地转移矩阵和数学模型法来明确土地利用动态分析法在海南岛的实际应用情况。而在此领域中，对于驱动海南岛土地利用动态变化的具体因素的研究还相对较少，目前尚未形成系统全面的解释框架，这无疑是一个值得深入探讨的领域，有待学术界进行更加广泛和深入的调查研究，以便为我国海南岛的土地资源管理和可持续发展提供科学依据。基于此，本文以海南岛为研究对象，利用1990年、2000年、2010年和2020年四个时期的海南岛土地使用数据和统计年鉴资料，通过单一的土地利用动态度，对其土地利用的变化进行了深入分析；除了利用皮尔逊相关性分析三大地类与各因子相关性外，还结合年末总人口数，第三产业产值，地区生产总值，城镇化发展水平，居民人均可支配收入等因子，应用DPS软件下的灰色关联度进一步分析驱动力影响机制。相关研究成果对预测土地利用未来变化趋势和土地资源长期管理与保护具有重要意义。2研究区概况与数据源2.1研究区概况海南岛地处北纬18°10’～20°10’，东经108°37’～111°03’（图1），区域属热带季风气候，年平均温度为23-26℃之间，年内温度变化小。又因地处北回归线以南，全年日照时间长，可达1750-2550h。全岛降雨量丰富，年均降雨量为1600mm以上；干、雨季明显，冬春干旱，夏秋多雨，且东多西少。植被覆盖多样，农作物资源丰富。海南拥有超过1000万的居民和独特的热带气候条件，其经济和社会发展速度非常快。产业结构以旅游业为主导，同时农业、现代服务业和高新技术产业也在协同发展。这些产业对GDP的贡献逐年增加，导致海南的GDP持续上升。在经济快速发展的背景下，海南省社会生产力得到显着提高，居民收入持续较快增长。城镇化发展水平也显著提高，城市人口的增长促进了基础设施和公共服务的完善。海南自由贸易港的建立为这一地区的产业注入了新的活力，进一步推动了人口的多样化和经济社会的健康发展。图1研究区位置图2.2数据来源与预处理本文所涵盖的数据分为以下两类。土地利用数据：来源于国家冰川冻土沙漠科学数据中心REF_Ref7413\r\h[19]()。其数据空间分辨率为30m，投影为D_WGS_1984。数据集分类体系包括9种用地类型，分别为：农田、森林、灌木、草原、水域、冰雪、裸地、不透水面、湿地。本文根据研究区域的特点，将海南岛的土地利用类型基于ArcGIS平台分为六类。分别为草地、耕地、建设用地、森林、水体和未利用地，四个时段的土地利用分布如图2所示。图2研究区1990、2000、2010、2020年土地利用类型空间分布图社会经济数据：用于分析驱动力的社会经济数据涵盖了多个方面，包括城市化的发展水平、地区生产总值、农林牧渔业的生产总值、地区工业的总产值、城镇居民的人均可支配收入、农村居民的人均可支配收入、第一产业和第二产业的比重、第三产业的比重，以及年末的常驻人口数量。数据来源于《海南省统计年鉴》。3研究方法3.1土地转移矩阵Markov模型在土地利用/覆被变化研究中扮演着重要角色，其中土地利用转移矩阵被广泛运用。我们能够利用Markov模型来准确描绘土地利用面积的增加来源和减少去向，为土地利用变化提供量化分析REF_Ref7449\r\h[20]。数学语言表达为：Sij=S11式中：Sij表示从土地利用类型i转移到类型j的数量或比例。其中，Sij可以是以下几种类型之一：1.绝对数量：表示从类型i到类型j的土地面积或数量的实际转移。2.相对比例：表示从类型i转移到类型j的比例或概率，通常是通过将类型i转移到所有其他类型的土地面积或数量总和标准化得到的。3.2土地利用动态度土地利用的动态变化揭示了多种景观类型随着时间的推移而发生的量化变化，这包括不同土地资源的数量变化、各种景观类型在空间上的变化，以及不同土地类型之间的连通性REF_Ref7472\r\h[21]。这些变化可用于评估不同景观类型随时间变化的程度，分析单个土地用途的动态关系可以显示特定区域的特定土地用途类型在一段时间内的变化情况。本研究利用“单一土地利用动态度”REF_Ref7495\r\h[22]这一理论框架，探讨1990-2020年间海南岛土地利用类型的动态度变化情况。数学语言表达为： D=∆AA0×1∆式中：D—土地利用单一动态度。ΔA—研究期间土地利用类型的面积变化量，即期初面积A0与期末面积A1之差Δt—研究的时间跨度。3.3土地利用动态变化驱动力分析方法根据数据选取的公平性、全面性、客观性、实用性等原则，本文选取地区工业总产值、第一产业所占比重，城镇化发展水平等十个驱动力影响因子进行分析，以上因子涵盖经济水平、产业发展水平、人口、农业发展及技术水平，符合因子选取原则。结合SPSS、DPS软件对土地利用动态变化驱动力影响因素进行分析并输出结果。3.3.1灰色关联度分析灰色关联度分析法作为一种多因素的统计分析手段，其主要目的是为了深入探究和明确系统内部各个因素间的相互影响和相互关联程度。这一方法是建立在灰色系统理论之上的，由我国的学者邓聚龙REF_Ref7123\r\h[11]教授首次提出。灰色关联分析的本质是根据数据序列之间的几何和形态相似性来评估不同因素之间的关联强度。作为该方法的一部分，首先创建一个参考数据序列（主序列），然后同时选择一些相应的比较数据序列（子序列）。通过对这些序列的动态进行定量分析，计算出参考序列与每个对比序列之间的灰色关联指数。计算步骤主要包括：去量纲化处理：假定有参考数列X0和比较数列Xi,其中i=1,2...,n。首先，对这一系列数据进行了去量纲处理。去量纲化的方法多种多样，包括但不限于初值化、标准化和归一化等技术。在本文中，选择初值化方法来进行数据处理。初值化处理：xO(k)'=x其中k表示数列中的第k个数据。2.计算关联系数：关联系数γxγxOk,其中ρ是分辨系数，通常取值在0到1之间，用来削弱最大绝对差的影响3.计算关联度：关联度ri可以通过计算关联系数的平均值得到ri=1n4.序列调整：依据计算得出的关联度值ri对比较数列实施排序，关联度值越高，表明其与参考数列之间的关联性越强。3.3.2相关性分析皮尔逊相关系数是一种衡量两个变量之间线性关系强度和方向的统计量。该系数的值域介于-1至+1，其中1表示完全正相关，-1表示完全负相关，0表示无相关性。一般来说，r<0.3为无相关性，r介于0.3和0.7之间为弱相关性，r>0.7为强相关性。Person相关性检验模型：r=Σⅈ=1nxiy=1ni=1nyi，4研究结果与分析4.1土地利用动态变化数量分析4.1.1土地利用类型与数量结构分布研究区土地总面积约为3.4万km2，根据1990、2000、2010和2020年土地利用统计了研究区域各类土地利用面积，如表1所示。从土地利用数量来看，海南岛土地利用以林地和耕地为主，占比之和可达全区域面积的90%以上。未利用地占比不超过0.2%，后备土地资源匮乏。1990-2020年间，草地面积缩减了130.46km2、耕地面积增长了659.65km2、建设用地面积扩大了495km2、林地面积消减了987.17km2、水体面积增涨了3.41km2，未利用地面积减少了40.47km2，如图3所示。表SEQ表\*ARABIC1研究区1990-2020年土地利用现状面积分类统计表/hm21土地利用类型1990年2000年2010年2020年面积/hm2占比%面积/hm2占比%面积/hm2占比%面积/hm2占比%草地148.600.4485.220.2550.890.1518.140.05耕地10030.9029.619823.3128.998420.0824.8510690.5531.55建设用地183.500.54352.751.04495.281.46678.502.00林地22979.4367.8323059.9268.0624332.1371.8221992.2564.91水体493.191.46528.381.56574.631.70496.601.47未利用地44.040.1330.070.096.660.023.570.01图3研究区1990-2020年土地利用面积增减变化情况4.1.2土地利用动态变化转移矩阵分析土地利用转移结果如图4、5、6所示。可以看出，1990-2000年研究区面积减少最多的是耕地，大部分集中在向建设用地和林地转移，伴随着部分林地业转换为耕地。其他几类用地类型面积变化不大，其中水体面积增加主要也来源于耕地。耕地的逐渐减少主要是由于农业耕作结构调整，农民种植收益更高的果树和经济林，因此耕地流向林地。另外，自1999年美兰机场投入运营及2000年海南领先推行落地签政策以来，这两大举措极大地加速了海南省旅游业的蓬勃发展，并显著提高了对建设用地的需求，致使部分耕地转作他用。图4研究区1990-2000年土地利用类型转移信息图在2000-2010年间，研究区内耕地面积的减少最为显著，其后是草地和未被利用的土地，其中未被利用的土地面积减少到了6.61km2，这导致了研究区备用资源的不足，并对未来的用地产生了潜在风险。增长最为显著的是林地，其后是用于建设的土地和水域。海南省交通网络的持续扩展和中心城区的逐渐扩张，是导致建设用地面积扩大的关键因素。同时也导致海口市市区范围内大面积农田被征用以满足城市建设需要。尤其在2002年，粤海铁路的全线开放，终结了海南与大陆之间的交通障碍，同时也提高了对建设用地的需求。同年，国务院启动了退耕还林的政策部署。而到了2009年，海南国际旅游岛的建设被提升为国家级战略。由于中央政府推出了众多的政策措施，海南岛的植被建设需求急剧上升，导致大量的耕地被转化为林地。图5研究区2000-2010年土地利用转移信息图2010-2020年研究区面积减少的是林地而耕地面积在大大增加，同时伴随着其他类型用地向耕地转移部分面积，主要是受十三五时期，已全面建成小康社会为总目标、总牵引，坚持发展为第一要务，海南省的农业需求加大势必占据大部分林地。其次是水体的减少，主要受一些填海建设与海岸带破坏影响。未利用地由2010年的6.61km2减少为3.54km2，会给海南岛的未来建设带来一定压力。图6研究区2010-2020年土地利用转移信息图4.1.3土地利用动态度分析海南岛土地利用动态度如表2所示，可以看出草地和未利用地动态度均有所下降且草地呈现下降趋势，草地于2010-2020年达到最低变化速率为-0.064，未利用地于2000-2010年年达到最低变化速率为-0.078，未利用地的动态度减少将威胁海南岛缓解用地需求；虽然耕地1990-2010年动态度有所下降，并且在2000-2010年间耕地面积大幅度下降（变化速率分别为-0.002、-0.014），但2010-2020动态度（变化速率为0.027）增加且伴随耕地面积的回升，这与一些国家政策与省开发建设有关。虽然建设用地动态度均为增加状态，但整体趋势呈下降趋势，随着自贸港旅游岛的逐步建成，交通设施逐渐完善使其动态度逐渐减弱，人民生活水平逐渐提高，这也表征了是经济发展的必然趋势和结果。在1990-2020年期间林地面积的变化呈现出波动，林地利用动态度既有增加也有减少，而2010-2020年间土地动态度变化为负值，尤其是在林地覆盖率减少的情况下，这种情况对于当地的生态环境的维护与恢复产来说构成了一定的挑战。类似的，1990-2010年水体动态度有所增加，伴随着水体面积增加，原因是旅游业的发展带来的人工岛屿与人工海的建设。但是，2010年-2020年水体动态度突然下降，这警示着当地海洋和部分湿地等水体正在被破坏或污染，表明水体生态系统面临严重挑战，需要采取行动来保护和恢复水体的生态平衡,对水体进行合理配置。表2研究区一级地类土地利用动态度一级地类1990-2000年土地利用动态度2000-2010年土地利用动态度2010-2020年土地利用动态度草地-0.043-0.040-0.064耕地-0.002-0.0140.027建设用地0.0920.0400.037林地0.0000.006-0.010水体0.0070.009-0.014未利用地-0.032-0.078-0.0464.2土地利用动态变化驱动力分析4.2.1驱动力因子本研究利用DPS软件进行灰色关联度的分析，主要是通过计算多个影响因子（子序列）与一个特定的主序列（定量）之间的关联度，以及驱动力因子与不同地类的关联度，来评估驱动力因子的影响程度[22]。在研究中，耕地、建设用地和未利用地指标中都包含了大量的信息，因而被视为不同类型的指标体系。本文选取耕地面积、建设用地面积和未利用地面积为母序列，10个驱动力影响因子作为子序列并计算这些子序列与母序列之间的关联度，将因子与地类的关联度由大到小依次排序，具体结果见表3和图7表3研究区三大地类与驱动因子的关联度因子驱动力因子名称与耕地的关联度与建设用地的关联度与未利用地的关联度X1城镇化发展水平0.25410.60110.1281X2地区生产总值（亿元）0.31670.3730.1635X3农林牧渔业生产总值（亿元）0.27490.43480.1487X4地区工业总产值（亿元）0.20340.32490.1224X5城镇居民人均可支配收入(元)0.29260.40690.1539X6农村居民人均可支配收入(元)0.40250.36060.1765X7第一产业所占比重0.51650.27970.3123X8第二产业所占比重0.5370.45010.1906X9第三产业所占比重0.47660.42360.1502X10年末常驻人口数（万人）0.49280.44480.154图7研究区1990-2020年驱动力因子关联度序数图研究区三类用地与驱动因子的关联度如表3所示，部分数据关联度波动较小。因此，为了深入探讨驱动因子与三类用地之间的联系，并确保DPS软件的计算结果是可靠的，本研究采用皮尔逊相关性对三类用地相关联度驱动因子进行了相关性分析，结果矩阵如表4所示。第二产业所占比重与耕地相关性较强且呈现负相关状态达到-0.950，与农村居民人均可支配收入相关性较弱仅为0.443；与建设用地相关性较强的分别为年末常驻人口数、城镇化发展水平、第三产业所占比重、第一产业所占比重与地区生产总值且相关性均达到0.98以上，其中与第一产业所占比重呈现负相关状态；与未利用地相关性较强的是城镇化发展水平、地区工业总产值、第一产业所占比重、年末常驻人口数且相关性均达到0.94以上，其中与第一产业所占比重呈现正相关，与其他三个驱动因素呈现负相关状态。表4研究区三大地类与驱动因子的相关性矩阵因子驱动力因子名称与耕地的相关性与建设用地的相关性与未利用地的相关性X1城镇化发展水平0.1130.98-0.948X2地区生产总值（亿元）0.3760.939-0.831X3农林牧渔业生产总值（亿元）0.3060.964-0.874X4地区工业总产值（亿元）0.0850.970-0.949X5城镇居民人均可支配收入(元)0.3410.952-0.854X6农村居民人均可支配收入(元)0.4430.923-0.794X7第一产业所占比重0.042-0.9860.990X8第二产业所占比重-0.9500.137-0.427X9第三产业所占比重0.2670.988-0.898X10年末常驻人口数（万人）0.150.998-0.947结合DPS关联度与SPSS相关性，最终得出与研究区域三大地类影响较大的几个因素，如表5、6、7所示。①第二产业所占比重与农村居民人均可支配收入是海南岛耕地发生变化的主导因子和最显著的因子；②城镇化发展水平、年末常驻人口数是影响建设用地的主要因素；③第一产业所占比重与年末常驻人口数是影响建设用地的主要因素。可以得出人口对海南岛用地影响较大。表5耕地与农村居民人均可支配收入、第二产业所占比重相关性关联度分析指标农村居民人均可支配收入第二产业所占比重Person（相关性）0.443-0.950*显著性（双尾）0.5570.05DPS关联度0.4030.537N44表6建设用地与城镇化发展水平、年末常驻人口数相关性关联度分析指标城镇化发展水平年末常驻人口数Person（相关性）0.980*0.998**显著性（双尾）0.020.002DPS关联度0.6010.445N44表7未利用地与第一产业所占比重、年末常驻人口数相关性关联度分析指标第一产业所占比重年末常驻人口数Person（相关性）0.990**-0.947显著性（双尾）0.010.053DPS关联度0.3120.154N444.2.2驱动力因子分析一般来说，决定区域土地利用变动的主要因素可以划分为自然条件和人为活动两大部分REF_Ref7652\r\h[23]，这两种因素在不同的时间和空间尺度上对土地利用的面积、品质和转换方式都有各自的影响。在小时间尺度下，人类活动是引起区域土地资源数量及其结构发生改变的主导因素之一。在更大的空间范围内，土地的使用方式及其变化主要受到气温、降雨量、海拔高度和地形等自然条件的制约和影响；在小空间尺度下，由于人类生产活动强度的不断增加和土地资源利用程度的提高，导致了土地利用结构发生明显改变。在特定的局部区域内，除了突发性的自然灾害，其他自然条件都相对稳定。在这种情况下，人类活动对该区域土地使用模式的改变产生的影响尤为突出REF_Ref7675\r\h[24-REF_Ref7678\r\h25]。本文计划从社会经济和政策的角度研究海南岛土地使用变动的主要驱动因素。为了推动农村经济的增长和减少城乡之间的收入差异，首要任务是关注与农民和农业紧密相关的土地资源。从“十二五”计划开始，海南的城乡收入差异已经连续7年显示出缩小的态势。2011年，海南岛开始执行“发展蔬菜生产以增加农民收入”的策略，这使得农村居民的人均可支配收入与农业用地紧密相连。第二产业通常由各种专业劳动者和各种工业或产品组成，在第二产业的快速增长之下，耕地的占用也随之增加，这导致第二产业所产比重与耕地之间存在负相关关系，从而使得社会经济因素对土地使用变化的影响逐渐增强；随着海南省交通网络的持续扩展和中心城区的不断壮大，建设用地的需求也随之增加。自2018年党中央决定支持海南全岛建设自由贸易试验区以来，各个行业都得到了迅速的发展，因为生产力是推动社会发展的基本动力，同时生产活动也需要大量的人才投入。与之而来的是城镇化的稳步推进使得城镇化的发展水平、人口数量和建设用地面积呈现出正相关的关系。然而，正是因为人口的增多部分未利用地不得不被转移为其它土地，导致人口数量与未利用地呈现负相关状态，而伴随着海南“三农”、旅游岛、渔港建设等计划的逐步实施也致使林地等转移为耕地与未利用地，所以第一产业所占比重与未利用地相关性表现出较强相关性。综上所述，海南岛的土地使用变动受到社会经济和政策的深远影响。5结论本研究使用了海南岛1990、2000、2010、2020年这四个时期的土地使用数据和社会经济资料，对海南岛在三个时间段的土地资源转移、土地使用的动态度以及其背后的驱动因子进行了深入的分析。通过定量分析得出了海南岛不同时期的土地资源转化特征与驱动因素。具体结论如下。1.海南岛的土地使用和覆盖的空间分布主要以耕地和林地为主导，其中耕地主要集中在外围地区，而林地则主要分布在海南岛的中部地带。2.在1990-2000年期间，海南岛的土地使用空间主要表现为耕地和草地的减少，建设用地和林地的增加；在2000-2010年间，海南岛的土地使用模式主要表现为大量的耕地向林地的明显流转；在2010-2020年间，海南岛的土地使用空间结构主要表现为耕地和建设用地的显著扩张，其中耕地的面积增长主要是由林地转化而来，而建设用地所扩张的面积则主要是由耕地和林地的流转而来。3.从土地利用变化矩阵结果和土地利用动态度来看，海南岛的土地利用动态展现出相对稳定性。意味着在一定时期内，尽管各类土地利用类型可能发生了一定程度的变化，但变化的强度或速度相对稳定，没有出现剧烈的波动。但是仍值得我们注意的是：海南岛1990-2020年来未利用地、草地单一土地利用度一直处于负值状态，警醒着当地应对其进行合理开发，避免出现土地供应不足的情况，保障后续开发有充足的土地可以利用。与此同时，采取相应的管理和保护措施，以实现草地生态系统的恢复和可持续发展。4.在本研究中，选择了地区工业总产值、第一产业的所占比重、城市化的进展程度以及年末的常住人口等十大影响因子，其中第二产业的占比对耕地的影响尤为显著，并且这种影响呈现出反向的发展趋势；城镇化的进展程度和年末的常住人口数量对建设用地产生了显著的影响，并且这些因素与建设用地之间存在着正向的发展联系；对未开发土地产生较大影响的是第一产业的所占比重（正向增长关系）和年末的常住人口数量（反向增长关系）。从宏观角度看，年末的常住人口数对土地资源的影响是最为显著的。5.在海南岛土地利用动态变化驱动因素方面，1990-2020三个时段的土地资源流转变化，在经济快速发展和人为活动的推动下，更多的是受人为活动和政策的推动。参考文献:王秀兰,包玉海.土地利用动态变化研究方法探讨[J].地理科学进展,1999,(01):83-89.程红芳,章文波,陈锋.植被覆盖度遥感估算方法研究进展[J].国土资源遥感,2008,1:13-18.崔林丽.2001~2009年华东区域土地覆盖/土地利用动态变化特征分析[C]//中国空间科学学会,上海市红外与遥感学会.2013上海遥感与社会发展国际学术研讨会论文集.2013:7.姜仁良.论土地资源利用与生态环境保护的七大协调机制[J].经济纵横,2013(12):31-35.黎治华,高志强,高炜,施润和,刘朝顺.中国1999-2009年土地覆盖动态变化的时空特点[J].农业工程学报,2011,27(02):312-322+396.唐佳.基于GIS和RS洱海流域的土地覆盖/利用变化[D].四川农业大学,2010.杨一鹏,魏福利.基于3S一体化技术的鹿泉市土地利用动态监测[J].地理学与国土研究,2002,(01):31-34.李璇琼.基于RS和GIS的土地利用变化动态监测研究[D].成都理工大学,2010.包银丽,赵碧云.安宁市土地利用变化及演变趋势分析[J].环境科学导刊,2011,30(01):34-38.朱邦耀,卞维珍,李秀霞,李利平.基于GIS的经济欠发达地区土地利用动态变化分析及预测——以保亭黎族苗族自治县为例[J].水土保持研究,2010,17(03):273-276.王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(01):116-134.邓聚龙.灰色关联分析:多因素统计分析新方法[J].统计研究,1995,(03):46-48.ThanvisitthponN.Impactoflandusetransformationandanti-floodinfrastructureonfloodinginworldheritagesiteandperi-urbanarea:AcasestudyofThailand'sAyutthayaprovince[J].Journalofenvironmentalmanagement2019(247):518-524.KimaroOD,ChidodoS.Remotesensing-basedanalysisoflandusechangeimpactintheinterfacebetweenmagambanaturereserveandsurrou