[摘要]本文以长沙市为研究对象，采用该区域2005～2010年的土地利用变更数据，结合社会经济资料，借助DPS工具，运用灰色关联度模型对长沙市土地利用结构的影响因素与历年土地利用结构信息熵值进行分析研究。
[关键词] 土地利用结构 驱动力 DPS 信息熵 灰色关联度 长沙市
[中图分类号] U412.1+4 [文献码] B [文章编号] 1000-405X（2013）-11-273-2
土地利用结构变化是区域发展过程中空间布局与结构变化的综合反映，它与区域环境的改变及社会经济发展密切相关[1]。近年来，区域土地利用结构时空演变及驱动力方面的研究都取得了一定成效，为区域土地合理配置提供了参考[2]。在此笔者借助DPS软件对长沙市土地利用结构变化的主要因素进行了定量分析，以期为该区域土地利用结构的调整和土地利用规划提供参考。
1数据来源与研究方法
1.1数据来源
本文各种经济数据主要来源于《长沙市统计年鉴》，土地利用数据主要来源于长沙市国土局历年土地利用变更数据。
1.2研究方法
1.2.1土地利用结构信息熵
土地利用结构信息熵可以综合反映一定时期研究区域内各土地利用类型的变化程度，熵值越小，系统就越有序，结构性就越强[3][4]。设长沙市土地总面积为S，各地类的面积为Si（i=1，2…，n），总面积比例为Pi=Si/S=Si/ΣSi（i=1，2…，n），显然ΣPi=1，因此该区域土地利用结构信息熵可定义为：H=-ΣPi�Pi（i=1，2…，n）[3]。
1.2.2灰色关联度模型分析法
灰色关联度法常被用来分析地类变化与驱动因素之间的关联程度，进而确定主要影响因素[5][6]。首先是均值化统一数据，然后求出绝对差值和关联系数，最后对关联性进行排序并列出关联矩阵。
2驱动力分析
2.1研究区概括
长沙市位于湘江下游和长浏盆地西缘，北距北京1980 km，东临萍乡市，南接株洲市、湘潭市，西邻益阳市、娄底市，北连岳阳市。全市辖5区4县市，地貌类型多样化。
2.2驱动力影响因素分析
2.2.1指标选取
根据灰色关联度方法的思路、长沙市实际情况，以及所收集的资料，选取表中9个因子作为研究指标。（具体见表1）
2.2.2土地利用结构信息熵
利用长沙市历年各地类数据和信息熵运算公式，在EXCEL中计算出历年土地利用结构比例及其信息熵值，具体见表2。
从表2中，我们可以看出2005年的信息熵值最小，表明此时土地利用结构有序度相对高些，系统的结构性较强；2010年的熵值最大，表明此时土地利用结构有序度相对更低，在一定程度上反映了人类对土地利用结构的影响越来越大。
原则上来说，土地利用结构信息熵值的大小与研究区域的各地类型及它们的面积有关，土地利用类型越多，各类型间的面积差越小，比例也相差越小，熵值也越大[7]。故通过灰色关联度分析法计算出各驱动因子与土地利用结构信息熵值的关联程度，即可间接反映出各影响因子与土地利用结构变化之间的关系[7]。
2.2.3灰色关联度分析
将上述表1中的各驱动因素指标和表2中的土地利用结构信息熵值输入DPS应用软件，数据均值化的结果如下表：
表中A至I列为子序列即各指标均值化结果，J列为母序列即为土地利用结构信息熵值均值化的结果。
另外最小差值Δmin=0.00535最大差值Δmax=0.74997。
J和其它因子的关联序如下表 ：
很明显，从上表中我们可以看出A（人口）、D（城镇化率）、I（城市园林绿化覆盖面积）、G（第一产业生产总产值）四因子的关联系数最大，对土地利用结构信息熵值的关联程度最密切，即为土地利用结构变化的主要驱动因素，各因子的关联程度为：A>D>I>G>B>C>F>E>H，其关联矩阵如表5。
3小结
通过对长沙市土地利用结构变化驱动因素的分析，可得出和土地利用结构变化关联程度较大的为人口数、城镇化率、城市园林绿化覆盖面积以及第一产业生产总产值四个因素，今后应正确引导这四个因子的发展，以实现合理配置优化土地利用结构。
参考文献
[1]居玲华，石培基.甘肃省土地利用结构动态演变及其驱动力分析[J].广东土地科学，2008，10.
[2]鲁春阳，杨庆媛等.中国城市土地利用结构研究进展及展望[J].地理科学进展，2010，7.
[3]鲍艳，陶连金.土地利用结构信息熵的时空变化规律[J].北京工业大学学报，2012，5.
[4]陈彦光，刘明华.城市土地利用结构的熵值定律[J].人文地理，2001，16（4）：21 - 24.
[5]党耀国，刘思峰等.灰色预测与决策模型研究[M].北京科学出版社，2009，12.
[6]唐启义.DPS数据处理系统[M].北京科学出版社，2010，2.
[7]靳晓雯，张宇等.基于两种数学模型的土地利用结构变化驱动力研究[J].国土资源科技管理，2012，4.
