海岸带作为陆海交互作用的过渡区域，兼具独特的陆地与海洋属性，是国土空间开发与保护的关键地带，也是当前土地利用/覆被变化研究的重要区域^[1-2]。海岸带生态环境敏感，在快速城镇化与人类活动扩张的背景下，其土地利用结构会发生显著改变，具体表现为填海造地、围垦养殖与建设用地的持续扩展，导致生态系统服务功能受损、生态安全面临威胁^[3]。海岸带作为我国经济发达、人口密集与生态屏障功能高度重合的区域，其可持续发展已成为国家关注的重大议题^[4]。《西部陆海新通道总体规划》将钦州港定位为国际门户港；《广西海洋经济“十四五”规划》进一步将钦州湾列为海洋经济核心区，推动区域一体化发展。在此背景下，科学识别钦州湾海岸带土地利用演变规律及其驱动因素，对协调开发与保护、促进陆海统筹具有重要意义。

目前，国内土地利用研究主要集中于两类区域：一是长三角^[5]、珠三角^[6]、京津冀^[7]等高度城市化地区；二是海岸带^[8]、青藏高原^[9]、喀斯特^[10]等生态脆弱区。近年来，海岸带土地利用/覆被变化研究在全球广泛开展，基于多时相遥感影像与GIS技术进行土地利用信息提取与动态监测已成为范式。在研究方法上，土地利用转移矩阵^[11]、动态度模型^[12]、综合指数模型及景观格局指数^[13]被广泛应用于量化土地利用变化的时空特征；田立鑫等^[14]运用图谱分析与强度分析探究土地利用类型转化稳定性，发现莱州湾南岸海岸带土地利用类型以盐田养殖池、耕地、建设用地为主，耕地和滩涂面积减少最多，建设用地和盐田养殖池面积扩张最大。李梅娜等^[15]研究表明1995—2015年长江三角洲海岸带典型区耕地大幅减少，城镇建设用地迅速扩张。在驱动机制方面，部分研究引入主成分分析^[16]与地理探测器^[17]等方法，极大增强了对自然与社会经济驱动因子的解析能力。帅艳民等^[18]通过主成分分析发现人口和经济政策因素对营口海岸带土地利用方式转变具有明显驱动效应。张华玉等^[19]利用地理探测器揭示人文因子是广西海岸带土地利用变化的主导因子。在研究内容上，学者们已系统揭示我国从营口、莱州湾至长江三角洲、广西等不同海岸带区域普遍存在建设用地扩张、耕地与生态用地萎缩的总体趋势，并确认了政策导向与经济驱动的主导作用。然而当前研究多聚焦于经济发达区域的大尺度范围海岸带，对钦州湾这类快速发展的小范围生态敏感区关注不足。本研究将对钦州湾海岸带土地利用的时空演变规律进行剖析，探讨影响土地利用变化的主要驱动因子，为实现钦州湾海岸带地区开发保护相协调、陆海统筹可持续的发展目标提供参考。

1 材料与方法 1.1 研究区概况

钦州湾是中国南海北部湾的一部分，位于广西钦州市以南，是中国南海沿岸的一个大型海湾，位于21°38′—21°49′N、108°38′—108°51′E之间。钦州湾属于亚热带季风气候，季风盛行，降水丰沛。关于海岸带宽度，国内外学者目前还没有一个统一的范围定义。侯西勇等^[20]指出海岸带是以向陆一侧沿海地/县级市为主体，取向海一侧10 m等深线和离岸10 km缓冲区的并集。陈吉余等^[21]将潮间带及其向陆延伸至10 km、向海延伸至10—15 km处的区域界定为海岸带。高敏等^[8]依据行政区划，将东海海岸带划分为沿岸13个市。为了更好地反映钦州湾海岸带的土地利用变化特点，结合数据的可获取性，本研究划定研究区范围包括钦州市钦南区，防城港市防城区、港口区3个区域[图 1，底图审图号：GS(2019)1822号]。由于受填海造陆等人类开发活动影响，研究区土地利用边界具有向海延伸的趋势，会导致研究时序内土地利用类型图与研究区边界无法完全重合。

1.2 数据来源

研究数据包括土地利用数据、数字高程模型(Digital Elevation Model，DEM)数据、社会经济数据。其中，30 m×30 m土地利用数据来自中国科学院资源环境科学数据中心(https://www.resdc.cn/)；30 m分辨率DEM数据来源于地理空间数据云(https://www.gscloud.cn/)；2010—2023年社会经济统计数据来源于中国经济与社会统计数据库(https://data.cnki.net/)。依据《土地利用现状分类》(GB/T 21010—2017)并结合研究区海岸带特征，将研究区土地重分类为耕地、林地、草地、水域、建设用地、未利用地、海域7种土地利用类型。

1.3 方法 1.3.1 土地利用转移矩阵模型

土地利用转移矩阵是指各土地利用类型在一定时期内的转移面积及其转移类型，可对土地利用类型转移的面积及方向进行分析^[22]。其计算公式如下：

$ A_{i j}=\left[\begin{array}{cccc} A_{11} & A_{12} & \cdots & A_{1 n} \\ A_{21} & A_{22} & \cdots & A_{2 n} \\ \cdots & \cdots & \cdots & \cdots \\ A_{n 1} & A_{n 2} & \cdots & A_{n n} \end{array}\right] \text {, } $

(1)

式中，n表示土地利用类型个数，i、j分别表示研究时段开始、结束时的土地利用类型，A表示土地利用类型面积，A_ij为i类土地利用类型转为j类土地利用类型的面积。

1.3.2 单一土地利用动态度分析

单一土地利用动态度是指研究区域在一定时间尺度上的单一土地利用类型的变动情况，反映该地区各土地利用类型变迁的速度^[23]。其计算公式如下：

$ K=\frac{U_b-U_a}{U_a} \times \frac{1}{T} \times 100 \%, $

(2)

式中，K为某一土地利用类型在研究时段内的动态变化速度，U_a、U_b分别为研究初期、末期时某一特定区域土地利用类型面积，T为研究时长(年)。

1.3.3 综合土地利用动态度分析

综合土地利用动态度是指研究区域在一定时间尺度上整体土地利用类型的变化速率，它能够反映出研究区域土地利用类型的总体稳定性。它的数值较大，表明土地利用转移较强烈，总体稳定程度较低。相反，则表明总体的变动趋势较小，总体稳定程度较高。其计算公式如下：

$ L_c=\left[\frac{\sum _{i=1}^n \varDelta L U_{i-j}}{2 \sum _{i=i}^n L U_i}\right] \times \frac{1}{T} \times 100 \%, $

(3)

式中，L_c为综合土地利用动态度，n为土地利用类型个数，LU_i为研究区某一土地利用类型初始面积，ΔLU_i-j为T年内i类土地利用类型转为j类土地利用类型的面积绝对值。

1.3.4 土地利用程度综合指数

土地利用程度综合指数可反映一个地区人类活动对土地资源的改造程度及土地利用变动幅度。该指数愈高，说明人类对该地区土地资源的开发利用程度愈高，反之，则说明其开发利用程度愈低^[24]。

$ L=\sum\limits_{i=1}^n A_i \times C_i \times 100, $

(4)

$ \varDelta L=L_b-L_a, $

(5)

$ \begin{gathered} R=\frac{L_b-L_a}{L_a}= \\ \frac{\sum\limits_{i=1}^n\left(A_i \times C_{i b}\right)-\sum\limits_{i=1}^n\left(A_i \times C_{i a}\right)}{\sum\limits_{i=1}^n\left(A_i \times C_{i a}\right)}, \end{gathered} $

(6)

式中，L为土地利用程度综合指数；A_i为i类土地利用程度分级指数；C_i为i类土地利用类型的面积百分比。C_ia、C_ib分别为研究初期、末期时i类土地利用类型的面积百分比。当ΔL大于0时，说明该地土地利用程度正处于发展阶段，反之则表明该地的土地利用程度处于下降或者过渡阶段^[25]。R为土地利用程度综合指数变化率。以庄大方等^[26]建立的土地利用程度划分标准为依据，建立钦州湾海岸带相应的土地利用程度分级指数(表 1)。结合土地利用程度分级指数、钦州湾海岸带各土地利用类型的面积，计算出2010—2023年土地利用程度分级指数。

1.3.5 主成分分析

采用主成分分析^[27]来识别钦州湾海岸带土地利用变化的主要驱动因子。基于“三生空间”系统框架并结合相关研究^[28-29]，选取8个因子构建指标体系。第二产业增加值(X1)、第三产业增加值(X2)和地区生产总值(X3)作为生产空间因子，反映经济发展与产业结构对工矿用地、交通用地的驱动作用。社会消费品零售总额(X4)和城镇居民人均可支配收入(X5)作为生活空间因子，反映人口集聚与居民生活水平，推动城镇住宅用地、商服用地增长。公路里程(X6)是连接“三生空间”的基础设施骨架，能够提升可达性并引导土地开发方向。造林面积(X7)体现生态空间的修复力度，而人均耕地(X8)则揭示农业生产与生态保护之间在人口压力下的紧张关系，共同表征生态保护的张力与压力。

为消除量纲影响，对原始数据进行极差标准化处理，借助SPSS 27.0软件进行相关性分析，相关系数的取值范围为-1至1。利用Kaiser-Meyer-Olkin(KMO)检验和巴特利特球形度检验，判断变量间相关性是否满足主成分分析的前提条件。采用最大方差法进行正交旋转，使各主成分的载荷结构更加清晰。主成分选取特征值大于0.6并且累积方差贡献率大于85%的因子，确定最终保留的主成分个数。根据主成分载荷矩阵，将载荷绝对值较大的指标归入相应主成分，据此判断各主成分所代表的核心驱动信息，揭示不同驱动因子对土地利用变化的影响。

2 结果与分析 2.1 钦州湾海岸带土地利用动态变化 2.1.1 土地利用总量变化

2010—2023年，钦州湾海岸带地区的土地利用类型及面积发生显著变化(图 2、表 2)。空间上，钦州湾海岸带土地利用类型以耕地和林地为主，耕地集中于钦州湾海岸带低平处，主要分布在钦南区以及防城区的中部; 林地主要分布在防城区的西部、南部以及钦南区中部，这与钦州湾海岸带的地形分布密切相关；建设用地主要集中于钦州湾沿岸，便于港口建设，呈团块状扩张；其他土地利用类型则零散分布。时间上，耕地面积呈下降趋势，共减少了108.83 km²，减少幅度为9.62%；林地面积先下降后上升，总体减少了4.51 km²，但林地面积在2020—2023年增加了50.39 km²，主要得益于退耕还林工程的有效实施；草地和水域面积均呈下降趋势；建设用地面积增长迅速，总体增加了183.81 km²，增长速率达137.28%；未利用地面积变化较小；海域面积呈下降趋势。

2.1.2 土地利用类型转移

土地利用类型转移主要表现为耕地、林地的减少以及建设用地的扩张。耕地的转出面积最多，达到146.55 km²，其中转为林地的面积最多，占耕地转出面积的63.66%。其次为林地，转出面积为118.73 km²，主要向建设用地转化，该部分转出面积占林地转出面积的59.79%。草地、水域主要是向建设用地转化，分别转出13.70、20.36 km²，占各自转出面积的49.10%、60.92%。由于城市化水平不断提高，建设用地需求持续扩大，其转入面积最大，达151.62 km²，主要由耕地和林地转化而来。其次为林地，有93.29 km²的耕地转入，占林地转入面积的81.90%。由于填海造陆工程，海域主要向建设用地转化；未利用地的转化较小(表 3)。

2.1.3 土地利用速度变化

从单一动态度来看，变化率最大的是面积占比最小的未利用地，2010—2015年达到了13.22%，主要是因为未利用地从2010年的1.30 km²增加至2015年的2.15 km²，而在2015—2020年动态度小于0，说明在此期间面积有所减少。耕地、草地、海洋的动态度均小于0，表明它们的面积持续减少，且耕地减少的速度逐渐加快，海洋减少的速度逐渐变缓。林地、水域动态度由小于0到大于0，表明其面积先减后增。建设用地的动态度均大于0，表明其面积持续增大，动态度最大的时期为2010—2015年(7.48%)，表明这段时期增加的速度最快，而后动态度逐渐变小，说明扩张的速度放缓。从综合动态度来看，研究期内综合动态度均大于0，分别为0.22%、0.30%、0.71%，呈小幅增长的趋势，说明2020—2023年土地利用变化最为剧烈(表 4)。

2.1.4 土地利用程度变化

土地利用程度综合指数变化如表 5所示。结果表明，钦州湾海岸带土地利用程度指数呈现持续增长趋势，尽管增幅平缓，但整体趋势说明钦州湾海岸带土地利用效率、结构有所改善与优化。增长速度在不同时期也有所差异，其中港口区的土地利用程度综合指数从2010年的233.45增加到2023年的275.59，增长迅速，这是由于研究期内港口区的建设用地快速扩张。钦南区增长较缓，说明土地资源转向集约利用，变化趋于平缓。防城区土地利用程度综合指数较低且增长缓慢，说明开发水平不够深入，土地资源的利用程度还有待加强。

2010—2023年港口区、防城区、钦南区土地利用程度综合指数的变化量和变化率都大于0，说明钦州湾海岸带在此期间土地利用呈发展上升状态。2010—2023年期间，钦州湾海岸带土地利用程度综合指数变化量累计达47.80，这充分说明在城市化进程中，城市规模不断扩大，土地利用程度持续增加。其中，港口区的变化量高达42.14，远远高于防城区、钦南区，表明港口区城市建设持续推进，而防城区、钦南区土地利用结构趋于稳定，有待进一步开发。

2.2 钦州湾海岸带土地利用变化主成分分析

相关系数矩阵如表 6所示，驱动因子X1、X2、X3、X4、X5、X6两两之间存在较强的正相关，X8分别与X6、X7之间存在负相关。同时，KMO检验统计量为0.709，巴特利特球形度检验近似卡方为119.089，自由度为28, 显著性P＜0.001。各变量间存在较强的相关性，可进行主成分分析。

由表 7可知，可提取出3个主成分。第一、二、三主成分的特征值分别为5.355、1.401、0.611，其方差贡献率分别为66.940%、17.506%、7.638%，并且累计贡献率达92.084%，能够解释所选取的8个驱动因子的主要特征。

由主成分载荷矩阵(表 8)可知，第一主成分与X2、X3、X4、X5有较强相关性，相关系数分别为0.961、0.969、0.936、0.927，可归结为社会经济发展驱动力，表明工业化和城市化是土地利用变化的核心因素，可能导致耕地转化为建设用地。第二主成分与X7的相关系数为0.951，反映为生态保护驱动力，如退耕还林政策促进森林覆盖率增加；第三主成分与X8的相关系数为0.976，体现为农业资源驱动力，显示耕地资源压力对土地利用结构的影响。

3 讨论

本研究揭示了2010—2023年钦州湾海岸带土地利用变化的核心特征是建设用地的急剧扩张与耕地、草地、水域的持续萎缩，这与钦州市^[30]、广西海岸带^[19]耕地缩减与建设用地扩张特点的土地利用变化趋势高度一致。然而，从土地利用动态度来看，钦州湾海岸带综合土地利用动态度(0.22%—0.71%)显著低于海口市海岸带(1.13%—1.44%)^[29]。海口市作为省会城市，多年来受政策持续驱动，累积效应显著。而钦州湾海岸带虽受北部湾经济区、西部陆海新通道等战略叠加驱动，但2010年后，高强度开发持续时间较短。尽管变化速度存在差异，但两地土地利用类型变化方向大致相同，均展现出建设用地迅速扩张与耕地缩减特征，表明海岸带在快速城市化进程中普遍面临着生态与农业空间被挤压的共同挑战。

进一步对比土地利用变化程度，应超等^[31]研究发现宁波市蟹钳港土地利用程度在2000—2022年呈现“先下降后上升”的波动状态，且高强度区的形成受地形条件约束明显，整体呈渐进式发展。而钦州湾的土地利用程度则表现出持续上升趋势，尤其在港口区更为显著。这种差异表明尽管向海发展是海岸带地区的普遍规律，但不同区域因发展阶段与政策背景不同，其土地利用变化模式存在区别。

在驱动因子层面，社会经济因子占主导作用。郭利丹等^[32]对赣抚尾闾地区2000—2023年的研究也得出了相似结论。然而，本研究采用主成分分析法虽有效识别了核心驱动因子，但未能深入揭示驱动因子间可能存在的非线性交互效应。近年来，海岸带土地利用研究已从静态分析向动态预测深化，本研究虽厘清了其历史时期演变特征，但尚未构建模型以预判未来趋势。因此，未来研究可借助XGBoost-SHAP^[33]等机器学习方法量化驱动因子的贡献度与交互效应，并耦合PLUS模型^[34]模拟自然发展、生态保护及经济发展优先等不同情景下的土地利用格局，以应对平陆运河建设背景下钦州湾海岸带国土空间规划的动态需求，通过多情景模拟与精准解析驱动机制，为陆海统筹决策提供更具说服力的科学支撑。

4 结论

本研究揭示了钦州湾海岸带2010—2023年土地利用变化的总体格局，该区域土地利用变化以建设用地持续扩张、耕地与生态用地持续收缩为主要特征，耕地向林地和建设用地的转化是最主要的流转路径，反映出生态建设与城市扩张的双重效应。区域内部差异显著，综合土地利用动态度和土地利用程度综合指数均呈上升趋势，港口区变化最为剧烈。主成分分析表明，以地区生产总值、社会消费品零售总额等为代表的经济发展因素是土地利用变化的首要影响因子，生态保护与农业资源约束也发挥着重要调控作用。未来钦州湾海岸带开发需兼顾经济发展与生态保护，合理调控建设用地扩张规模，统筹耕地保护与林地建设，推动陆海协调可持续发展。