土地利用变化影响众多生态过程，是全球变化的重要组成部分，因此剖析土地利用变化及驱动机制、模拟未来土地利用变化具有现实意义，可以提前知道土地利用未来可能的空间布局情况，为各地区土地资源管理部门制定相关决策时，提供一定的参考依据。本文以泛第三极地区为研究对象，按地理区位将其划分为5个分区，从土地利用变化速率及地类转移方面综合分析1995-2015年土地利用动态变化特征。采用Logistic回归模型分别对5个分区2000年和2015年不同时期内影响土地利用变化的驱动力进行分析，识别关键驱动因子，将其作为泛第三极地区土地利用情景模拟中不同情景设置的主要参数，利用系统动力学模拟预测2030年多情景下的土地利用的需求后，输入FLUS模型中模拟土地利用的空间格局，并进行动态变化分析。主要研究结果如下：

（1）泛第三极地区主要用地类型为林地和未利用地，二者面积占比约为65.16 %。5个分区中，中亚地区地类以未利用地和草地为主，二者约占该区域总面积的71.86 %，南亚地区以耕地为主要用地类型，面积约占55.57%，东亚和东南亚地区地类以林地和草地为主，两者约占面积51.57%，西亚和非洲东北部地区的未利用地为主要地类，约占该区域面积的71.90%，东欧和俄罗斯地区以林地为主要地类，面积约占该区总面积的59.09%。耕地、林地、草地和水域的变化趋势在不同分区内存在明显差压，但建设用地均为正增长，未利用地为负增长，且新增建设用地的主要来源为耕地。1995-2015年建设用地面积共增长23.20×10⁴ km²，未利用地面积共减少了52.04×10⁴ km²。建设用地的变化最为活跃，全区的动态度为6.89%，其他用地变化较为缓慢。

（2）在5个分区内，影响耕地、林地、草地、水域、建设用地和未利用地的关键驱动因子明显不同，且影响同一地类的关键驱动因子也会因时间变化而发生改变，尤其以夜间灯光对耕地的影响较明显，夜间灯光在2000年对耕地分布并无显著影响，但在2015年夜间灯光均与耕地分布呈显著正相关，可见建设用地主要向耕地扩张。在短时间内，自然因素对土地利用变化的影响较为稳定，社会经济的影响会发生明显变化。人口密度和GDP对土地变化影响较大，侵蚀速率对耕地变化影响较大。对分析结果进行ROC曲线检验的结果表明，建立的Logistic回归模型结果较理想，本文所选用的驱动因子可以较好地对土地利用类型的空间变化进行解释。

（3）2030年在基线情景、发展优先情景和协调发展情景下，土地利用的需求存在明显差异。但5个分区内建设用地因住房需求增长面积逐年增加，而未利用地面积持续下降。建设用地在发展优先情景下增长速度最快，在协调发展情景下增长最慢，且变化最活跃的仍为建设用地。建设用地新增主要依赖于耕地的转入，同时也会侵占大量未利用地。在协调发展情景下，土壤侵蚀状况的改善会提高耕地的粮食产量，在一定程度上缓和耕地与其他地类之间的用地矛盾，甚至可以缓解因经济和人口增长带来的土地需求增加而需要开发未利用地的状况。

Land use change affects many ecological processes and is an important part of global change. Therefore, it is of practical significance to analyze land use change and its driving mechanism and simulate future land use changes. It is possible to know in advance the possible spatial layout of land use in the future, and to make relevant decisions for land resource management departments in various regions even provide a certain reference basis. This paper takes the Pan-Third Pole as the research object, divides them into 5 subregions according to their geographic location, from the start of land use change rate and land type transfer, comprehensively analyzes the features of land use dynamic change from 1995 to 2015. Adopted Logistic regression to discuss the factors affect land use changes in the five regions in 2000 and 2015 in different periods, to identify key driving factors, and use them as the setting of different scenarios in the Pan-Third Pole’ land use scenario simulation. The main parameters, after using the system dynamics simulation to predict the land use demand under different scenarios in 2030, enter the FLUS model to simulate the spatial distribution of land use, and perform dynamic change analysis. The main findings are as follows:

(1) The main types of land used in the Pan-Third Pole are forest land and unused land, which account for about 65.16% of the total area. Among the five sub-regions, unused land and grassland are the main land types in Central Asia, which account for about 71.86% of the total area of the region. In South Asia, cultivated land is the main land type, with an area of about 55.57%. In East Asia and Southeast Asia the main land types are woodland and grassland, which account for about 51.57% of the area. The unused land in West Asia and northeastern Africa is the main land type, accounting for about 71.90% of the area, and the forest land is the main land type in Eastern Europe and Russia, the area accounts for about 59.09% of the total area of the district. The change trend of cultivated land, woodland, grassland and water area has obvious differential pressure in different districts, but construction land has a positive growth, unused land has a negative growth, and the main source of new construction land is cultivated land. From 1995 to 2015, the area of construction land increased by 23.20×10⁴ km², and the area of unused land decreased by 52.04×10⁴ km². The change of construction land is the most active, the dynamic degree of the whole district is 6.89%, and the change of other land is relatively slow.

(2) Within the five sub-regions, the key driving factors affecting cultivated land, woodland, grassland, waters, construction land, and unused land are significantly different, and the key driving factors affecting the same land type will also change due to changes in time, especially night lights. The impact on arable land is obvious. Night lights had no significant on the distribution of arable land in 2000, but in 2015, night lights were significantly positively correlated with the distribution of arable land, which shows that construction land is mainly expanding to arable land. In a short period of time, the nature can affect land use constant comparatively, and the socio-economic impact will change greatly. Population density and GDP can rather affect land changes, and erosion rates have a greater impact on cultivated land changes. The results of ROC test show that the results of the established Logistic regression model are ideal. The selected forces in this paper can better expound land use changes.

(3) In 2030, under the baseline scenario, development priority scenario and coordinated development scenario, there are significant differences in land use demand. However, the area of construction land in the five sub-regions has increased year by year due to the increase in housing demand, while the area of unused land has continued to decline. Construction land has the fastest growth rate under the development priority scenario, the slowest growth under the coordinated development scenario, and the most active change is still construction land. The main source of newly added construction land is still cultivated land, and a large amount of unused land is also occupied. Under the coordinated development scenario, the improvement of soil erosion conditions will increase the grain yield of arable land, to a certain extent, alleviate the contradiction between arable land and other land types, and even alleviate the need for increased land demand due to economic and population growth  development of unused land conditions.

[1] 艾尧. 基于GIS的区域土地利用变化研究-以吐鲁番市为例[D]. 乌鲁木齐: 新疆大学, 2012.

[2] 陈书林, 虞宋杰. 长三角地区1985-2015年土地利用变化及其驱动力分析[J]. 林业经济, 2019, 41(11): 49-54.

[3] Janina K, Gülendam B, Henry N N B, et al. Assessing driving forces of land use and land cover change by a mixed-method approach in north-eastern Ghana, West Africa[J]. Journal of Environmental Management, 2017, 196: 411-442.

[4] 张敏, 谢本军, 杨丹丹. 土地利用变化对土壤侵蚀影响研究综述[J]. 现代农业科技, 2019, (12): 167-168.

[5] 何凡能, 李美娇, 杨帆. 近70年来中国历史时期土地利用/覆被变化研究的主要进展[J]. 中国历史地理论丛, 2019, 34(4): 5-16.

[6] Bufebo B, Elias E. Land Use/ Land Cover Change and Its Driving Forces in Shenkolla Watershed, South Central Ethiopia[J]. The Scientific World Journal, 2021.

[7] 朱丽辉, 徐瑶. 2000-2015年南充市土地利用/覆被变化及其驱动因素[J]. 水土保持通报, 2019, 39(5): 1-5.

[8] 刘芳, 闫慧敏, 刘纪远, 等. 21世纪初中国土地利用强度的空间分布格局[J]. 地理学报, 2016, 71(7): 1130-1143.

[9] 周熙, 马智民, 尹芳, 等. 基于CA-Markov模型的“丝绸之路经济带” 沿线地区土地利用变化分析与预测-以西北五省为例[J]. 西北大学学报(自然科学版), 2018, 48(2): 291-298+305.

[10] Searchinger T D, Wirsenius S, Beringer T, et al. Assessing the efficiency of changes in land use for mitigating climate change[J]. Nature, 2018, 564: 249-253.

[11] Chim K, Tunnicliffe J, Shamseldin A, et al. Land use change detection and prediction in upper Siem Reap River, Cambodia[J]. Hydrology, 2019, 6(3):64.

[12] Kabir E B, Bashari H, Bassiri M, et al. Effects of land-use/cover change on soil hydraulic properties and pore characteristics in a semi-arid region of central Iran[J]. Soil and Tillage Research, 2020, 197:104478.

[13] Tan J, Yu D, Li Q, et al. Spatial relationship between land-use/land-cover change and land surface temperature in the Dongting Lake area, China[J]. Scientific Reports, 2020, 10(1): 9245.

[14] 范泽孟, 李赛博. 新亚欧大陆桥经济走廊土地覆被变化及驱动力分析[J]．生态学报, 2019, 39(14): 5015-5027.

[15] 赵浣玎, 李军, 李莹莹, 等. 基于遥感的土地利用变化及驱动力分析-以重庆市渝中区为例[J]. 重庆第二师范学院学报, 2019, 32(5): 37-42.

[16] 刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789-802.

[17] 史培军, 宫鹏, 李小兵. 土地利用覆盖变化研究的方法与实践[M]. 北京: 科学出版社, 2000.

[18] 李秀彬. 全球环境变化研究的核心领域-土地利用/覆被变化的国际研究动向[J]. 地理学报, 1996, 51(6): 553-558.

[19] 丁声源. 重庆市土地利用变化及驱动力研究[D]. 重庆: 西南大学, 2007.

[20] 胡悦琴, 马燕飞, 张伟科. 中国陆地区土地利用/覆被时空格局变化及驱动力分析[J]. 农学学报，2020, 10(4): 1-10.

[21] 付立萌. 秦岭地区土地利用/覆被变化的人文因子分析[D]. 西安: 西安科技大学, 2016.

[22] 何春阳, 史培军, 陈晋, 等. 基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J]. 中国科学, 2005, 35(5): 464-473.

[23] Lambin E F, Turner B L, Geist H J, et al. The causes of land use and land cover change: moving beyond the myths[J]. Global Environmental Change, 2001, 11(4): 261-269.

[24] 石晓丽, 史文娇. 气候变化和人类活动对耕地格局变化的贡献归因综述[J]. 地理学报, 2015, 70(9): 1463-1476.

[25] 杨浩, 王子羿, 王婧, 等. 京津冀城市群土地利用变化对热环境的影响研究[J]. 自然资源学报, 2018, 33(11): 1912-1925.

[26] Lambin E F, Baulies X, Bockstael N, etal. Land-use and land-cover change (LUCC): Implementation strategy. A core project of the international geospere-biosphere programme and the international human dimensions programme on global environmental change. IGBP Report 48. IHDP Report 10. IGBP[R]. Stockholm, 125, 1999.

[27] Turner B L, Skole D, Sanderson S, et al. Land cover change science / Research plan, IGBP Report No.35, IHDP Report 7. IGBP of the ICSU and IHDP of the ISSC[R]. Stockholm and Geneva, 1995.

[28] Lambin E F, Baulies X, Bockstael N, etal. Land use and land cover changeimplementation strategy[R]. Stockholm, Bonn: C. Nunes, J.I. Augé, 1999.

[29] Global Land Project. Science plan and implementation strategy. IGBP Report No. 53/ IHDP Report No.19[R]. Stockholm, 2005.

[30] Howells M, Hermann S, Welsch M, rt al. Integrated analysis of climate change, land-use, energy and water strategies[J]. Nature Climate Change, 2013, 3(7): 621-626.

[31] Christopher K W, Michael C. Wimberly. Recent land use change in the western corn belt threatens grasslands and wetlands[J]. Proceedings of the National Academy of Sciences, 2013, 110(10): 4134-4139.

[32] Future Earth. Future earth initial design: Report of the transition team[R]. Paris: International Council for Science (ICSU), 2013.

[33] 谭少华, 倪绍祥. 20世纪以来土地利用研究综述[J]. 地域研究与开发, 2006, 25(5): 84-89.

[34] 范科红, 李阳兵. 1986-2007年重庆主城区土地利用变化及其驱动因素研究[J]. 水土保持研究, 2012, 19(1): 168-173.

[35] Lambin E F, Geist H J. Global land-use/ land-cover changes-what have we learned so far? [J]. IGBP G1obal Change Newsletter, 2001, 46: 27-30.

[36] Chuluun T, Ojima D. Land use change and carbon cycle in arid and semi-arid lands of East and Central Asia[J]. Science in China (series C), 2002, 45: 48-54.

[37] William B M and B L Turner Ⅱ. Changes in land use and land cover: A global perspective[M]. New York: Press Syndicate of the University of Cambridge, 1994: 55-72.

[38] Kupková L, Bičík I, Boudný Z. Long-term land-use/land-cover changes in Czech border regions[J]. Acta Geographica Slovenica, 2019, 59(2): 108-117.

[39] 王辉, 董元华, 李德成, 等. 基于遥感与 GIS 技术的苏州市土地利用动态变化研究[J]. 土壤, 2004, 36(4): 420-423.

[40] 吴琛璐, 王强, 董政, 等. 福建省海岸带土地利用/覆盖变化及其驱动力[J]. 水土保持通报, 2018, 38(3): 318-323.

[41] 刘庆, 陈利根, 杨君, 等. 长、株、潭城市群耕地资源数量变化驱动力的计量经济分析[J]. 资源科学, 2010, 32(9): 1734-1740.

[42] 史培军, 陈晋, 潘耀忠. 深圳市土地利用变化机制分析[J]. 地理学报, 2000, 67(2): 151-160.

[43] 杨玉婷. 黑河中游土地利用动态变化及驱动力研究-以甘州区为例[D]. 兰州: 西北师范大学，2012.

[44] 徐嘉兴, 李钢, 陈国良. 基于logistic回归模型的矿区土地利用演变驱动力分析[J]. 农业工程学报, 2012, 28(020): 247-255.

[45] 许月卿, 田媛, 孙丕苓. 基于Logistic回归模型的张家口市土地利用变化驱动力及建设用地增加空间模拟研究[J]. 北京大学学报(自然科学版), 2015, 51(5): 955-964.

[46] 李志, 周生路, 陆长林, 等. 基于系统动力学城市边缘区土地利用变化模拟与预测-以南京市江宁区为例[J]. 土壤, 2010, 042(002): 314-318.

[47] 薛建春, 蔡松. 灰色预测模型在矿区土地利用变化研究中的应用[J]. 金属矿山, 2011(10): 154-156.

[48] 王亭停. 海淀区土地利用动态变化研究及发展趋势预测[D]. 武汉: 中国地质大学, 2015.

[49] 严栋飞, 姜仁贵, 解建仓, 等. 基于Markov模型的渭河干流陕西段土地利用动态变化研究[J]. 西安理工大学学报, 2019, 035(001): 34-39.

[50] 刘复刚, 张水胜, 张绪教, 等. 利用马尔科夫链预测齐齐哈尔土地利用结构变化[J]. 高师理科学刊, 2011(04): 67-69+76.

[51] 肖平, 李德仁. 基于人工神经元网络技术的土地利用/覆盖变化探测[J]. 武汉大学学报(信息科学版), 2002, 27(06): 38-42+113.

[52] 余健, 童秋英, 朱波. 改进CA-Markov模型的武汉市土地利用变化模拟[J]. 测绘科学, 2020, 264(06): 169-175.

[53] 崔敬涛. 基于Logistic-CA-Markov模型的临沂市土地利用变化模拟预测研究[D]. 南京: 南京大学, 2014.

[54] 储航, 郭子坚, 王文渊, 徐蕴卓. 基于ANN-CA的胶州湾西岸港城土地利用情境模拟[J]. 地理空间信息, 2020, 18(10): 80-84+89+5.

[55] 吕妍, 张树文, 杨久春. 吉林西部开垦初期的LUCC类型空间分布重建-基于GEOMOD模型[J]. 安徽农业科学, 2015, 43(13): 304-308.

[56] 朱小林, 郭青霞. 基于CLUE-S模型的土地利用空间格局情景模拟-以忻州市忻府区为例[J]. 江苏农业科学, 2020, 48(04): 254-259.

[57] 刘欣, 赵艳霞, 冯晓淼, 等.基于CLUE-S模型的多目标土地利用格局模拟与优化-以河北省廊坊市北三县为例[J].地理与地理信息科学, 2018, 34(05): 92-98.

[58] Liu X. A future land use simulation model（FLUS）for simulating multiple land use scenarious by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168: 94-116.

[59] Liang X. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J]. Landscape and Urban Planning, 2018, 177: 47-63.

[60] 张晓荣, 李爱农, 南希, 等. 基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟[J]. 地球信息科学学报, 2020, 22(12): 2393-2409.

[61] 张经度, 梅志雄, 吕佳慧, 等. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用[J]. 地球信息科学学报, 2020, 22(03): 531-542.

[62] 李晨曦, 吴克宁, 查理思. 京津冀地区土地利用变化特征及其驱动力分析[J]. 中国人口·资源与环境, 2016, 26(5): 252-255.

[63] 刘纪远, 布和敖斯尔. 中国土地利用变化现代过程时空特征的研究-基于卫星遥感数据[J]. 第四纪研究, 2000, 20(3): 229-239.

[64] 陈书林, 虞宋杰. 长三角地区1985-2015年土地利用变化及其驱动力分析[J]. 林业经济, 2019, 41(11) : 49-54.

[65] 贾旭飞. 基于 CLUE-S 模型的长安区土地利用变化模拟及其景观生态效应分析[D]. 西安: 长安大学, 2018.

[66] 宋成刚. 焦作市土地利用变化及其驱动力研究[D]. 焦作: 河南理工大学, 2011.

[67] 毛旭明, 杨庆媛, 信桂新, 等. 重庆市农地规模经营主要障碍因素分析[J]. 西南大学学报 (自然科学版), 2007, (12): 146-150.

[68] 吴婷. 基于CLUE-S模型的南京市土地利用变化模拟[D]. 武汉: 武汉大学, 2018.

[69] 刘瑞, 朱道林. 基于转移矩阵的土地利用变化信息挖掘方法探讨[J]. 资源科学，2010, 32(8): 1544-1550.

[70] 姜广辉, 张风荣, 陈军伟, 等. 基于回归模型的北京山农村居民点变化的驱动力分析[J]. 农业工程学报, 2007, (5): 81-87.

[71] 李志文. 阜康市LUCC过程及其社会经济驱动力分析[D]. 乌鲁木齐: 新疆师范大学, 2009.

[72] Pontius R G, Schneider L C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA[J]. Agriculture ecosystem ＆ Environment , 2001, 85(1-3): 239-248.

[73] 郭鑫. 长春市土地利用动态变化分析与情景预测[D]. 长春: 吉林大学, 2020.

[74] 张波, 袁永根. 系统思考和系统动力学的理论与实践-科学决策的思想、方法和工具[M]. 中国环境科学出版社, 2010.

[75] 梁友嘉, 徐中民, 钟方雷．基于 SD 和 CLUE-S 模型的张掖市甘州区土地利用情景分析[J]. 地理研究, 2011, 30(3): 564-567.

[76] 汤发树, 陈曦, 罗格平, 等. 新疆三工河绿洲土地利用变化系统动力学仿真[J]. 中国沙漠, 2007 (4): 539-599.

[77] 李秀霞, 徐龙, 江恩赐. 基于系统动力学的土地利用结构多目标优化[J]. 农业工程学报, 2013, 29(16): 247-254+294.

[78] 赵小敏, 王人潮, 吴次芳. 土地利用规划的系统动力学仿真: 以杭州城市土地利用总体规划为例[J]. 浙江农业大学学报, 1996, 22(2): 143-148.

[79] 邓祥征, 刘纪远, 战金艳, 等. 区域土地利用变化的多情景分析: 以内蒙古自治区太仆寺旗为例[J]. 地球信息科学, 2004, 6(1): 81-88.

[80] Jin X, Xu X, Xiang X, et al. System-dynamic analysis on socio-economic impacts of land consolidation in China[J]. Habitat International, 2016, 56: 166-175.

[81] Xu D, Song A, Tong H, et al. A spatial system dynamic model for regional desertification simulation-a case study of Ordos, China[J]. Environmental Modelling & Software, 2016, 83(sep.): 179-192.

[82] 梁友嘉, 徐中民, 钟方雷. 基于SD和CLUE-S模型的张掖市甘州区土地利用情景分析[J]. 地理研究, 2011, 30: 564-576.

[83] 陈紫君, 赵先超, 倪筱珈. 基于SD法的湖南省土地利用碳排放情景方案设定与仿真模拟[J]. 湖南工业大学学报, 2019, 33(06): 67-74.

[84] 许联芳, 张建新, 陈坤, 等. 基于SD模型的湖南省土地利用变化情景模拟[J]. 热带地理, 2014, 34(06): 859-867.

[85] 林沛锋. 花都区土地利用现状评价及多情景模拟研究[D]. 广州: 广东工业大学, 2019.

[86] 李国珍. 基于FLUS模型的深圳市土地利用变化与模拟研究[D]. 武汉: 武汉大学, 2018.

[87] 张晓荣, 李爱农, 南希, 等. 基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟[J]. 地球信息科学学报, 2020, 22(12): 2393-249.

[88] 何明珠, 高鑫, 赵振勇, 等.咸海生态危机: 荒漠化趋势与生态恢复防控对策[J]. 中国科学院院刊, 2021, 36(2): 130-140.