EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 11: 2529 - 2551

DOI: https://doi.org/10.12082/dqxxkx.2024.240439

地理空间分析综合应用

中亚-西亚经济走廊国土空间格局演变特征及机制分析

  • 张轲 , 1 ,
  • 尹力 2 ,
  • 魏伟 2, 3, 4 ,
  • 李泓锐 2 ,
  • 赵浪 2 ,
  • 薄立明 , 3, *
展开
  • 1.黄淮学院建筑工程学院，驻马店 463000
  • 2.武汉大学城市设计学院，武汉 430072
  • 3.武汉大学中国发展战略与规划研究院，武汉 430072
  • 4.湖北省人居环境工程技术研究中心，武汉 430072
* 薄立明（1982— ），男，山东临沂人，博士，副教授，主要研究方向为国土空间规划。E-mail:

张 轲（1986— ），女，河南驻马店人，博士，讲师，主要研究方向为国土空间规划、世界地理。E-mail:

Copy editor: 蒋树芳

收稿日期: 2024-08-08

  修回日期: 2024-09-23

  网络出版日期: 2024-11-07

基金资助

中央高校基本科研业务费专项资金项目(2042024kf0029)

教育部人文社会科学研究规划基金项目(23YJA630003)

湖北省自然科学基金面上项目(2023AFB794)

收起

Characterizing the Evolution of Territorial Space Patterns and Driving Mechanisms in the Countries Along the Central Asia-West Asia Economic Corridor

  • ZHANG Ke , 1 ,
  • YIN Li 2 ,
  • WEI Wei 2, 3, 4 ,
  • LI Hongrui 2 ,
  • ZHAO Lang 2 ,
  • BO Liming , 3, *
Expand
  • 1. College of Architecture Engineering, Huanghuai University, Zhumadian 463000, China
  • 2. School of Urban Design, Wuhan University, Wuhan 430072, China
  • 3. China Institute of Development Strategy and Planning, Wuhan University, Wuhan 430072, China
  • 4. Center of Hubei Human Habitat Engineering and Technology, Wuhan 430072, China
* BO Liming, E-mail:

Received date: 2024-08-08

  Revised date: 2024-09-23

  Online published: 2024-11-07

Supported by

The Fundamental Research for the Central Universities(2042024kf0029)

Humanities and Social Science Research Planning Fund Project of the Ministry of Education of China(23YJA630003)

The Natural Science Foundation of Hubei Province(2023AFB794)

Fold

摘要

科学认知中亚-西亚经济走廊国土空间时空演变过程及形成机制，对服务当前“走出去”对外战略和“一带一路”倡议具有重要科学价值与实践意义。依据地域主导功能划分中亚-西亚经济走廊城乡建设、农业生产和生态保护三大国土空间类型，整合多源时空数据构建2002—2022年长时序国土空间分析底图，利用时空立方体模型刻画空间演变过程及典型模式，综合空间转型强度模型从规模-位置-强度3个维度分析空间结构转型特征，基于可解释机器学习模型VIVI-SHAP框架从驱动因素重要程度、交互作用强度和非线性依赖关系等方面分析演变机制。结果表明： ① 2002—2022年中亚-西亚经济走廊约6.14%的国土空间发生了结构转型，城乡建设空间占比小但稳定增长0.17%，农业生产空间整体下降19.04%；生态保护空间内部结构变化明显； ② 生态保护空间内部绿色与其他生态空间的动态互转占主导地位，绿色生态空间向农业生产空间转化呈现出系统倾向性，而城乡建设空间扩张的主要来源为绿色生态空间，占总转入规模的56.36%； ③ 中亚-西亚经济走廊国土空间格局由多个规模量级不同、转型强度各异、驱动机理多样的国土空间转型过程共同塑造，自然地理因素及交通区位因素起到决定性作用，而人口增长和社会经济发展对国土空间结构转型的全局性影响并不突出。本研究为揭示中亚-西亚经济走廊国土空间类型的变化规律和机制提供了新视角和新方法，进一步为决策部门制定合理的国土空间规划提供了数据支持，并在实现更大的空间综合收益及推动区域经济协同发展方面展现了应用价值。

关键词： 中亚-西亚经济走廊; 国土空间; 时空演变; 驱动因素; 时空立方体; 可解释机器学习; “一带一路”

本文引用格式

张轲 , 尹力 , 魏伟 , 李泓锐 , 赵浪 , 薄立明 . 中亚-西亚经济走廊国土空间格局演变特征及机制分析[J]. 地球信息科学学报, 2024 , 26(11) : 2529 -2551 . DOI: 10.12082/dqxxkx.2024.240439

Abstract

Scientific knowledge of the spatio-temporal evolution processes and formation mechanisms of territorial space in countries along the Central Asia-West Asia Economic Corridor holds significant scientific value and practical importance for supporting the current "Going Global" strategy and the "Belt and Road" initiative. Based on the dominant functions of the territories, the Central Asia-West Asia Economic Corridor is divided into three major types of territorial space: urban and rural construction, agricultural production, and ecological protection. A long-term analysis base map of territorial space from 2002 to 2022 was constructed by integrating multi-source spatio-temporal data. The spatio-temporal cube model was employed to depict the spatio-temporal evolution processes and typical patterns, while the integrated spatial transformation intensity model analyzed the characteristics of spatial structural transformation across three dimensions: scale, location, and intensity. The VIVI-SHAP framework of an interpretable machine learning model was used to analyze the evolution mechanisms, focusing on the importance of driving factors, interaction intensity, and non-linear dependencies. The results show that: (1) Approximately 6.14% of the territorial space in countries along the corridor underwent structural transformation over the past 20 years. The proportion of urban and rural construction space, though small, increased steadily by 0.17%, while agricultural production space decreased by 19.04% overall, with significant structural changes within the ecological protection space. (2) The dynamic interchange between green and other ecological spaces within the ecological protection space is predominant, with a systematic tendency for green ecological space to convert into agricultural production space, while the main source of urban and rural construction space expansion was green ecological space, accounting for 56.36% of the total converted area. 3) The territorial spatial pattern of the corridor is shaped by multiple processes of territorial space transformation, each with different magnitudes, intensities, and driving mechanisms. Natural geographic factors and transportation location factors played decisive roles, while the global influence of population growth and socio-economic development on territorial space structural transformation was less pronounced. This study provides new perspectives and methods to reveal the patterns and mechanisms of changes in land spatial types in the Central Asia-West Asia region. It further provides data support for decision-making departments to formulate reasonable land spatial planning, and demonstrates its application value in achieving greater spatial comprehensive benefits and promoting coordinated regional economic development.

Key words： Central Asia-West Asia Economic Corridor; territorial space; spatio-temporal evolution; driving factors; spatio-temporal cube; interpretable machine learning; the Belt and Road

1 引言

中国-中亚-西亚经济走廊作为丝绸之路经济带的核心区域[1-2]，在“一带一路”六大经济走廊中占据着举足轻重的地位，中国、中亚、西亚地区的GDP总量约占全球的20%，拥有约18亿人口的庞大市场和全世界最丰富的能源储备。自2013年“一带一路”倡议提出至今，我国与中亚-西亚经济走廊沿线国家开展了卓有成效的合作，沿线合作从“大写意”进入“工笔画”，重塑了对外开放的经济地理格局：2014年习近平总书记在中阿合作论坛第六届部长级会议开幕式上提出构建“1+2+3”的合作格局；2015年3月，国家发改委、外交部、商务部联合发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》[3]，明确提出共同打造中国-中亚-西亚国际经济合作走廊；2016年1月，在中阿共建“一带一路”行动中提出促进稳定、创新合作、产能对接和增进友好四大行动。2020年来，我国积极推进“丝绸之路经济带”建设同哈萨克斯坦“光明之路”、土库曼斯坦“强盛幸福时代”等经济政策的全面对接，先后与沿廊国家建立了创新全面伙伴关系——可见，中国-中亚-西亚经济走廊的建设不仅有利于沿线国家建立全方位、立体化、多层次的合作网络，还对我国地缘政治、腹地经济和边疆稳定具有积极意义。然而，中亚-西亚经济走廊地区面临水资源短缺、大面积荒漠化等环境和可持续发展的挑战，制约了基础设施建设、经济多样化和区域协调发展。在经济全球化、中国开放转型和周边复杂的地缘环境背景下，系统研究中亚-西亚经济走廊国土空间演变特征及影响因素尤其必要：① 在于树立全球眼光，服务国家对外战略，通过对中亚-西亚经济走廊国土空间分布格局、时空演变规律及驱动机制的解析，全面掌握该区域空间要素对各项战略实施的支撑潜力，明晰区域国土利用的潜在矛盾和竞争潜力，为我国战略布局提供科学依据，提升我国在全球经济格局中的战略地位；② 在于探索复杂规律，丰富研究视野：通过对中亚-西亚经济走廊城镇、农业、生态等国土空间规模总量、分布格局、演变态势及关键影响因素的解析，揭示全球经济网络中重要节点的空间功能及其演变规律，推动地理学研究从区域性分析向跨国空间互动的全局性分析转变。未来我国与中亚、西亚的合作将进一步加强，深入理解该地区国土利用情况与演变趋势不仅对我国地缘战略布局和经济发展具有重要意义，也可为全球可持续发展提供宝贵的经验与启示：一方面，识别和应对潜在的风险和挑战，促进资源共享和优势互补，制定更具前瞻性和应对性的政策；另一方面，促进区域内和平与稳定，实现共同发展和繁荣，构建人类命运共同体。
长期以来，国内外学者对中亚-西亚经济走廊国土资源研究涵盖基础设施[4]、金融[5-6]、能源[7-8]、通信[9-10]、农贸[11-12]等内容，并取得了丰硕成果。随着中亚-西亚经济走廊地缘战略地位和经济潜力日益受到关注，对该区域国土空间实体演变格局过程及驱动机制的研究也逐渐增加，主要集中在3个方面。① 城乡建设空间扩张与城镇化。城镇化的动力机制成为研究重点[13]，内外部因素共同作用于中亚国家的城镇化进程，其中外向力的作用尤为重要。城镇化发展质量评价[14]则从经济水平、制度质量和社会发展的角度对“一带一路”国家城市化发展质量进行动态评价。此外，从区域和国家2个尺度探析城市空间扩张特征、变化过程和分异原因[15]，为理解该区域城市化模式提供了重要视角。② 农业生产格局与粮食安全。主要集中在中亚农业水资源的空间格局及其脆弱性评价[16]，“一带一路”沿线国家农业空间格局、农业发展的优劣势[17]，研究表明“一带一路”地区普遍面临着因气候变化导致的粮食安全风险，农业和水资源是适应气候变化的优先领域[18-19]。③ 生态保护与生态空间优化。研究生态环境风险、生态脆弱性和资源匹配度等内容，对丝绸之路经济带的生态环境风险进行评估[20]，揭示咸海危机的复杂性[21]，通过干旱对草地总初级生产力的时滞和累积效应的评估阐明了生态系统对气候变化的响应机制[22]；此外，对中亚干旱区地表水资源[23]、中亚地区水土热资源匹配度的时空变化特征及其与气候因子和水分利用效率的相关性[24]、阿姆河流域生态脆弱性评价体系[25]等进行了定量评价和时空特征分析，进一步深化了对该区域生态脆弱性的认识。上述研究围绕中亚-西亚经济走廊城镇、农业和生态空间的演变过程、影响因素及环境效应进行了系统分析，不仅揭示了国土空间转型的复杂性和多样性，也为深入理解和解析该区域国土空间整体演变过程及动力机制奠定了基础。
然而，当前研究仍存在以下不足。① 研究对象及空间范围。现有研究多集中于典型地区城镇建设用地、草原或沙漠等土地用地类型，对全域全要素、以地域主导功能为主的国土空间演变过程及影响因素研究稍显不足[26]。② 演变过程刻画。目前多依赖于特定时间节点或时间序列的截面数据，结合状态转换矩阵等方法测度国土演变过程及结构转型规模特征，然而，生态脆弱地区对温度、降水等外部因素高度敏感，即便极小规模的某类转型也可能对整体空间结构产生深远影响，呈现非线性、复杂的演变特征，对此，更精细时空尺度分析及空间转型强度特征的研究亟待深化。③ 影响因素和驱动机制分析。已有研究在自然地理、气候变化和人类活动因素方面进行了深入讨论与分析，但量化研究相对不足，特别是对多因素间的交互作用强度、方向以及关键驱动因素与空间演变之间的非线性作用机制的研究尚不充分。鉴于此，本文依据地域主导功能、整合多源时序数据，利用时空立方体模型刻画空间演变过程及典型模式，并从驱动因素重要程度、交互作用强度和非线性依赖关系等多个维度定量分析中亚-西亚经济走廊21世纪以来（2002—2022年）格局演变特征及其影响因素，以期为丝绸之路经济带建设和其他经济走廊总结经验、提供研究思路与数据方法支撑。

2 研究区概况、数据来源与研究方法

2.1 研究区概况与数据来源

中亚-西亚经济走廊是“一带一路”倡议的实体规划之一，研究范围涵盖了12 °N—55 °N、26 °E—85 °E之间的25个国家/地区，总面积约1 145万km² （图1）。多样化的自然资源禀赋奠定了其国土空间基本格局，从高山、草原、高原到丘陵、平原和沙漠，构成研究区复杂的地理环境。中亚地形可分为南部的荒漠、绿洲和山区，及北部的草原、平原和丘陵，伊犁河至里海一线为南北分界；西亚地形以高原为主，包括伊朗高原、亚美尼亚高原、安纳托利亚高原和阿拉伯高原，间以地中海东岸山地和美索不达米亚平原，整体地势呈“东南高，西北低”和“东北、西南高，中部低”的特征。气候方面，中亚地区以温带大陆性气候为主，温差大且降水稀少；西亚则属副热带草原和沙漠气候，干旱炎热，仅沿海和山地地区降水较多（年平均降水量>500 mm）。区域的战略地位和能源资源依赖性深刻影响了国土空间格局：作为亚欧大陆中部的重要交通枢纽，“三洲五海”之地的经济走廊不仅拥有土耳其海峡、苏伊士运河、霍尔木兹海峡和曼德海峡等关键通道，亦是全球贸易和运输的核心节点；资源依赖型经济模式导致区域内经济发展不均衡，西亚国家依赖石油和天然气经济较为发达，而中亚国家经济发展水平相对较低，但国土空间开发仍具备较大潜力。
图1 中亚-西亚经济走廊在欧亚大陆的区位及自然地理条件和区域划分

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2021)5443号的标准地图绘制，底图无修改。

Fig. 1 Location, physical geographical conditions and regional division of Central Asia-West Asia Economic Corridor in Eurasia

本研究主要用以提取中亚-西亚经济走廊国土空间的时序土地覆被数据（2001—2022年，共22期）来源于美国宇航局地球观测系统数据和信息系统（NASA EOSDIS）陆地过程分布式主动存档中心（LP DAAC）提供的500 m×500 m的MODIS/Terra+Aqua MCD12Q1数据集，本研究核心使用2002—2022年共21期数据进行国土空间演变过程及驱动因素分析，而2001年土地覆被数据则为保持年际变化率、时空立方体构建等分析过程中研究时段内数据完整性作为辅助分析数据使用，并不直接体现在研究结果中。此外，本文在国土空间演变机制分析过程中从自然地理、交通区位和社会经济3个方面选择20个具体因素，具体数据类型及来源见表1。
表1 数据来源与分类

Tab. 1 Data sources and classifications

数据类型 数据项目 数据获取时间/年 数据来源
国土空间分类数据 MCD12Q1土地覆被数据集 2001—2022 美国宇航局地球观测系统数据和信息系统(NASA EOSDIS)MODIS/Terra+Aqua MCD12Q1数据集
各国行政边界数据 中亚-西亚经济走廊各级行政区划 2022 全球行政区划数据库GADM(https://gadm.org/)，经与我国自然资源部标准底图比较修改后使用
驱动因素探测数据 自然地理要素 海拔、纬度数据 2014 EarthEnv-DEM90数值高程模型(https://www.earthenv.org/DEM)
坡度、地形起伏度数据 2014 利用DEM数据在ArcGIS10.7中处理后获得
温度、降水量、水汽压、
潜在蒸散量数据		 2002—2022 英国国家大气科学中心CRU TS全球气象数据(https://crudata.uea.ac.uk/cru/data/hrg/)
交通区位要素 港口、铁路、公路等交通设施数据及河流湖泊等空间位置数据 2022 自然地球数据库(https://www.naturalearthdata.com/)、全球水文数据集(https://www.hydrosheds.org/)、开放街道地图数据集(https://www.openstreetmap.org/)
社会经济要素 人口规模数据 2002—2022 LandScan全球人口密度空间分布数据(https://landscan.ornl.gov/)
夜间灯光数据 2002—2022 地球观测组织全球高质量夜间灯光遥感影像(https://eogdata.mines.edu/products/vnl/)
城镇化率和GDP数据 2002—2020 美国航天局对地观测系统数据与信息中心(https://sedac.ciesin.columbia.edu/data/sets/browse)
人类足迹数据 2002—2020 全球人类足迹数据集(https://www.x-mol.com/groups/li_xuecao/news/48145)

2.2 中亚-西亚经济走廊国土空间分类

参照我国主体功能区制度对国土空间城镇化、粮食安全和生态安全三大地域主导功能的划分，将研究区国土空间划分为城乡建设功能、粮食生产功能和生态保护功能3种，考虑到该地区存在大面积的沙漠、戈壁等裸地，其生态服务功能需进一步细化为提供正向生态系统服务功能的绿色生态空间和需要修复与保育的其他生态空间，对应到具体国土空间类型为城乡建设空间、农业生产空间、绿色生态空间和其他生态空间。需要说明的是，受限于中亚-西亚经济走廊数据获取的有限性，采用500 m×500 m精度的土地覆被数据直接归并获得国土空间单元，其基本假设是无论地域如何细分均不可能呈现唯一功能，应采取主导的、主要的土地利用功能作为特定空间单元的主导功能以便于空间认知和管理，这和MCD12Q1土地利用覆被数据识别基本地类的基本原理一致，即当特定空间范围内某类地表覆被类型规模超一定阈值后，便将该主要地表类型作为该空间范围解译结果。此外，由于现有数据的限制，本研究未能充分细化牧业空间与生态空间之间的界限。考虑到中亚与西亚地区作为重要的牧业区域，其牧业和生态功能在某处可能共存的现实，基于生态保护优先的原则，将生态功能作为主导功能进行识别。这一分类选择体现了生态保护在区域土地利用中的优先地位。基于此原则所构建的中亚-西亚经济走廊国土空间分类体系见表2。
表2 中亚-西亚经济走廊国土空间分类与国际地圈-生物圈计划(IGBP)中土地利用类型的衔接

Tab. 2 Cohesion table of Central Asia-West Asia Economic Corridor's territorial spatial classification and land use types in International Geosphere-Biosphere Program(IGBP)

中亚-西亚经济走廊
国土空间分类		 IGBP土地利用类型及内涵 空间主导功能
城乡建设空间 城市和建成区用地、不透水表面面积≥30%的场地 承载城乡建设与发展功能
农业生产空间 耕地（耕地面积≥60%）和半混合耕地（40%~60%的小规模种植地） 粮食生产与粮食安全
绿色生态空间 常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林进和混交林（覆盖率均>60%且冠高>2 m）；封闭灌木林（覆盖率>60%）、开阔灌木林（覆盖率为10%~60%）、草地；湿地、永久性冰川积雪地 提供正向生态系统服务功能
其他生态空间 沙地、岩石和裸土地 需要修复与保育

注：资料来源于MODIS Collection6.1(C61)土地覆被数据产品用户指南(https://lpdaac.usgs.gov/documents/1409/MCD12_User_Guide_V61.pdf)中MCD12Q1国际地圈-生物圈计划(IGBP)土地利用分类说明，经翻译与整理。

2.3 研究方法

以中亚-西亚经济走廊国土空间实体为研究对象，按照“空间数据制备—空间演变过程及模式刻画—结构转型特征分析—关键驱动因素识别”4部分内容展开分析：基于年际时序遥感数据和各类社会经济数据构建数据库，以城乡建设、农业生产和生态安全为空间主导功能划分“三区”功能空间；从年际波动态势、空间布局特征和演变时空模式3个层面刻画经济走廊2002—2022年国土空间演变过程；解析研究区国土空间结构转型特征，判读其空间规模变化表征背后的空间内在转移情况；探讨国土空间演变与自然地理、交通区位、社会经济等复杂要素的关系，明确关键驱动因素及其作用机制。关于空间演变测度使用常见的重分类、分区统计、栅格计算和空间转换矩阵，在此不做赘述，核心技术路线如图2所示。
图2 中亚-西亚经济走廊国土空间演变过程及驱动机制研究的技术流程

Fig. 2 Technical process of territorial space evolution process and driving mechanism research in countries along the Central Asia-West Asia Economic Corridor

2.3.1 基于时空立方体的国土空间演变模式挖掘

时空立方体模型[27-28]综合时空分析和统计检测功能，可深入刻画国土空间格局的时空状态并有效降低耕作周期和气候变化等因素的干扰。它在传统二维空间表达方法基础上增加了一维时间轴，集成空间和时间模式分析等形式对时空数据进行可视化与分析，综合考虑国土空间演变的空间位置与时间序列，将“空间邻近”扩展至“时空邻近”。
基于该模型的演变模式挖掘步骤如下：首先利用ArcGIS Pro软件提供的时空立方体创建工具，以土地利用变化数据更新周期1年为时间步长、二级行政单元为要素范围，构建时空立方体；随后通过Getis-Ord Gi*值、局部莫兰指数、时空序列聚类3种方法探测国土空间演变的时空热点、局部异常值以及演变模式。其中，局部莫兰指数用于显著性聚类和异常值检测，将二级行政单元划分为高-高（H-H）、低-低（L-L）、高-低（H-L）、低-高（L-H）、多种类型和不显著（NS）共6种模式类型；Getis-Ord Gi*值则基于Mann-Kendall检验将空间演变趋势识别为新增热/冷点、连续热/冷点、加强热/冷点等16种模式；时空序列聚类按照时间值、变化方向和重复模式，二级行政单元进行聚类划分。具体操作方法及工具实现可参见ArcGIS Pro时空模式挖掘分析工具箱中对应工具集（https://pro.arcgis.com/zh-cn/pro-app/latest/tool-reference/space-time-pattern-mining/）。

2.3.2 多维度的空间结构转型分析

借鉴已有研究[29-30]，从空间位置、转换规模和变化强度3个维度分析中亚-西亚经济走廊国土空间结构转型特征。① 空间转型位置。通过空间叠加分析处理并可视化2002—2022年首末2期国土空间数据，从而结合关键纬度线和行政、地理单元范围辨析国土空间结构转型的空间位置特征。② 空间转换规模。运用空间转移矩阵统计空间转型规模并构建转型规模图谱来分析研究区转型数量特征；空间转移矩阵计算方式详见参考文献[31]。③ 空间转型强度。考虑到研究区内各判别单元国土面积大小差异显著，引入转型强度进一步判断其结构转型特征。转型强度分为绝对强度与相对强度，两者对比以及强度图谱可以支撑对国土空间转型倾向性和异质性的综合判读。计算公式[32]如下：
A I i n = C i n Δ t C t o , n R I i n = C i n Δ t C i , o u t
M A I n = C t o , n - C n n m - 1 Δ t C t o , n , M R I j = C t o , n - C n n Δ t ∑ i = 1 i ∑ o = 1 o C o i - C n i
式中： AIin和RIin分别为研究区国土空间类型i向n的绝对转换强度和相对转换强度； MAIn和MRIn为其他国土空间向j空间类型的绝对和相对转换强度； Cin、Cnn分别为空间类型i转为空间类型n的规模和空间类型n未发生转型的规模； Cto,n和Ci,out分别为转为空间n类型的总规模及由i类空间转出的总规模； Δt是空间转型发生的时间跨度； o、i、n分别为空间类型代码； m 为空间类型数。oi表示空间类型o转为空间类型i；ni表示空间类型n转为空间类型i。

2.3.3 利用可解释机器学习的驱动机制解析

自然环境、社会经济发展以及交通基础设施建设共同作用下形成地区国土空间格局[30,33-34]，并且各因素对国土空间演变的影响存在非线性、交互性的复杂路径关系[35]。鉴于此，本研究采用可解释机器学习（Interpretable Machine Learning, IML），构建极度梯度提升（eXtreme Gradient Boosting, XGBoost）模型并引入VIVI-SHAP（Variable Importance and Variable Interactions-Shapley Additive exPlanations）机器学习模型解释工具，揭示各维度影响要素对中亚-西亚经济走廊国土空间结构转型的交互驱动作用，并通过偏相关依赖图和个体条件期望图判断关键影响因素与国土空间转型的非线性关系。
（1）变量指标选取
综合考虑研究区发展现状并参考相关研究方案，分别从自然地理、交通区位和社会经济3个维度选取20个因素作为解释变量（表3），以国土空间转型规模为因变量，利用XGBoost实现对重要转型方向模型的求解，并基于VIVI-SHAP框架分析关键因素的重要程度和交互作用强度。
表3 可解释机器学习变量和指标说明

Tab. 3 Variable description and statistical characteristics of driving factors of Central Asia-West Asia Economic Corridor's territorial spatial evolution

维度 驱动因素名称 符号 计算方法
自然地理 纬度 g1 ArcGIS栅格统计
海拔 g2 ArcGIS栅格统计
坡度 g3 ArcGIS栅格统计
地形起伏度 g4 ArcGIS栅格统计
温度 g5 ArcGIS栅格统计
降水量 g6 ArcGIS栅格统计
水汽压 g7 ArcGIS栅格统计
潜在蒸散量 g8 ArcGIS栅格统计
交通区位 距首都距离 t1 ArcGIS欧式距离分析
距市中心距离 t2 ArcGIS欧式距离分析
距公路距离 t3 ArcGIS欧式距离分析
距铁路距离 t4 ArcGIS欧式距离分析
距湖泊距离 t5 ArcGIS欧式距离分析
距主要港口距离 t6 ArcGIS欧式距离分析
距河流距离 t7 ArcGIS欧式距离分析
社会经济 人口规模 s1 ArcGIS栅格统计
城镇化率 s2 ArcGIS栅格统计
国内生产总值 s3 ArcGIS栅格统计
夜间灯光指数 s4 ArcGIS栅格统计
人类足迹指数 s5 ArcGIS栅格统计
（2）模型构建
通过可解释机器学习判别研究区国土空间演变的驱动因素的实现流程主要包括：首先，以国土空间转型规模为因变量，将自然地理、社会经济以及交通区位维度的要素作为解释变量，构建集成 1 000棵分类回归树的XGBoost模型，具体公式为：
y ^ n = ∑ h = 1 H f h x n ,                 f h ∈ F
式中： y ^ n为迭代计算结束后模型所预测的空间转型规模值； xn为驱动因素的特征向量集合；H表示回归树的数量； f h x n是要素单元n在第h棵数的预测结果； n为要素单元个数； F是回归树的集合空间。
（3）模型解释
针对XGBoost模型“黑箱”预测过程带来的解释性不足的问题，引入VIVI解释不同因素的重要性及相互作用，并进一步引入SHAP反映特定因素对国土空间转型的驱动方向和影响作用程度。其中，VIVI计算流程及公式见文献[36]，SHAP具体公式如下：
g x i j = n c i j r 1 + n c i j r 2 + ⋯ + n c i j r n
式中：g(xij)为第i个要素单元中驱动因素j的SHAP值；ncij为边际贡献值；rn为驱动因素的边际权重。
g i = g m e a n + g x i 1 + g x i 2 + ⋯ + g x i j
式中： gi为该样本的预测结果；i为样本；gmean为所有目标变量预测值的平均值；xij为第i个目标变量的第j个预测变量；当 g x i j>0时，说明驱动因素对空间转型起正向作用，即该驱动因素指标增大引起转型规模增加；反之，当 g x i j<0时表明起负面影响。
（4）模型检验
针对关键驱动因子，采用PDP、ICE图分析国土空间转型规模与关键因素之间的非线性关系，前者计算个体值、后者计算所有样本平均值[37]，从而综合判读关键因素作用个体差异和整体态势。

3 结果与分析

基于上述研究方法，首先从时空演变过程和空间演变模式2个角度，揭示中亚-西亚经济走廊在2002—2022年国土空间的动态变化规律及其特征；进而通过对转型规模、强度及其空间分异格局的深入研究，探讨国土空间结构转型的动态特征及区域差异；最后识别并分析关键驱动因素及其机制，以深刻理解复杂因素塑造中亚-西亚国土空间格局的作用路径。

3.1 中亚-西亚经济走廊国土空间演变过程及模式

3.1.1 时空演变过程

从2002—2022年中亚-西亚经济走廊各类空间规模变化（图3）及分布格局（图4）来看，其国土整体结构未发生全局性改变，城乡建设空间、农业生产空间、绿色生态空间和其他生态空间的规模比值稳定在1:11:77:82~1:9:78:80区间。具体来看：
图3 中亚-西亚经济走廊2002—2022年各类国土空间规模及年均变化速率

Fig. 3 Central Asia-West Asia Economic Corridor 2002—2022 various types of territorial spacal scale and annual average rate of change

图4 中亚-西亚经济走廊2002年、2022年国土空间布局及2002—2022年各单元变化规模分析

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2021)5443号的标准地图绘制，底图无修改。

Fig. 4 Analysis of the territorial spatial layout of the Central Asia-West Asia Economic Corridor in 2002 and 2022 and the scale of changes in each unit from 2002 to 2022

（1）城乡建设空间占比极小，主要分布于沿海、沿河等交通枢纽、贸易路线沿线及自然资源丰富地区。近20年，城乡建设空间呈持续、小幅度增长趋势，从2002年的6.302万km2增至2022年的6.424万km2。2002—2007年增长平缓，2008—2014年增速加快，2015年之后进一步提速。从分布来看，阿拉伯半岛中部、哈萨克丘陵中北部、伊朗高原东北部、小亚细亚半岛西南及里海沿岸平原一带增长规模较大，居前列的多为沿海/湾城市，如土耳其的伊斯坦布尔、安塔利亚以及阿联酋的迪拜等，内陆城市以伊希姆河流经的阿斯塔纳和外伊犁河谷的“南部首都”阿拉木图最为突出，这些城市通常是各国的政治、经济和文化中心，也是区域发展和人口集中的重要节点。
（2）农业生产空间规模约为城乡建设空间的10倍，集中分布在河谷和绿洲区。研究期农业生产空间整体波动下降19.04%（70.003万km2→56.675万km2），该过程经历了快速增长（2002—2003年）、波动下降（2004—2012年）、相对稳定（2013—2019年）和显著下降（2020—2022年）4个阶段。农业生产空间减少区域集中分布于哈萨克丘陵中北部、阿拉姆河左岸、伊朗高原西南一带，尤其是哈萨克斯坦的阿斯塔纳、库斯塔奈以及北哈萨克斯坦等地最为剧烈；而增长区域规模小，零散分布在阿拉套山-库马拉山-天山山脉-兴都库什山脉沿线、伊朗高原东南部、图兰低地、两河上游、阿拉伯半岛南部和美索不达米亚平原东南部。
（3）生态保护空间中绿色生态空间主要分布于研究区的东北部、中部和南方局部，整体呈波动增长趋势，其中2005年之前增长12.567 万km2；2006—2013年略有下降，2014—2020年又表现出回升趋势（490.352万km2→504.559万km2）；2021年小幅回落至497.708万km2。从变化的空间分布来看，研究区大部分区域呈现增长态势，尤其是哈萨克丘陵和图兰低地附近；仅里海沿岸低地、曼吉斯套州、巴尔坎州、卡拉卡尔帕克斯坦、纳沃伊一带出现不同程度的下降。其他生态空间广泛分布于大沙漠区域、高山、高原地区以及干涸的河湖周边，总体呈波动趋势，经历了显著下降和明显回升，整体变化不大。2002—2005年减少9.981万km2，下降约1.94%，显示出明显的下降趋势； 2006—2015年波动较小，整体稳定在505.272~512.433万km2之间；2016—2020年显著下降了8.214万km2后又在2021—2022年明显回升，增长约1.86%。从分布来看，伊朗高原大部、阿拉伯半岛东南沿线、中亚中部和东部沿线地区呈下降趋势，而增长区域主要位于哈萨克丘陵北部、里海沿岸平原、河中地区、阿拉伯半岛中西部及安纳托利亚高原，以河中地区和卡拉库姆沙漠最为突出。

3.1.2 空间演变模式

针对2002—2022年中亚-西亚经济走廊国土空间进行局部异常值和新兴时空热点分析，并利用时空序列聚类识别典型类别（图5）。分析可知：
图5 中亚-西亚经济走廊2002—2022年国土空间演变空间模式分析

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2021)5443号的标准地图绘制，底图无修改。

Fig. 5 Spatial pattern analysis of territorial spatial evolution in the Central Asia-West Asia Economic Corridor from 2002 to 2022

（1）城乡建设空间扩张呈现“集中扩张-分散缩减”的空间格局。局部异常值分析结果显示，中亚地区以哈萨克丘陵和图兰低地为依托，形成了高值聚集核心区，表明该区域的城乡建设空间发展较为集中且发展均衡；西亚地区边缘多为低-低聚类，中部高-高聚类与低-高聚类相间分布，反映边缘区域城镇化发展水平较低且均匀，中部区域内部发展水平不均衡；低-高聚类区仅局部存在，主要位于天山脚下的锡尔河上游、帕米尔高原脚下的阿姆河上游、塔吉克斯坦的扎拉夫尚以及土库曼斯坦的巴尔坎州等地，表现出相对的隔离和边缘化。时空热点分析进一步显示，近20年来高—高聚类区的城镇规模呈现“加强的热点”模式，特别是在法尔斯省、纳杰夫、库尔德斯坦及土耳其西部局部地区为连续热点，反映出城镇扩张区的增加态势稳定且持续；而低-低聚类区普遍被识别为“加强的冷点”模式，尤其阿富汗为连续冷点，反映出不同区域间城镇相对规模差距愈加显著。从时空序列聚类结果看，已被识别为关键聚类区的空间单元并未被归为一类。
（2）农业生产空间表现“分散扩张-分散缩减”的空间格局，中亚整体以高-高聚类为主，表明该地区的农业生产相对均衡；河中地区的克孜勒库姆沙漠和卡拉库姆沙漠形成低-高聚类核心区，里海沿岸以及西亚大部分地区为低-低聚类，两河流域形成高-高聚类带状区，边缘间杂高-低聚类和低-高聚类，表明新月沃地农业发展水平较高且分布集中，边缘区域发展水平有显著差异。从聚类结果来看，中亚形成了以克孜勒奥尔达州和纳沃伊为核心的演变聚类显著环和小亚细亚半岛-美索不达米亚连线的聚类显著带，且其中存在多种不同的聚类模式，农业生产空间大规模的扩张和退化并存。
（3）绿色生态空间和其他生态空间表现出明显动态特征和时空分异，分别呈现“集中扩张-分散缩减”和“集中扩张-集中缩减”的演变格局。绿色生态空间在中亚地区呈现出高—高聚类的显著特征，几乎覆盖整个地区，仅布哈拉、塔拉斯和拜科努尔三座旅游城市呈低-高聚类的特征；高-高和低-高聚类区均呈现“加强的热点”“持续的热点”模式，反映中亚地区绿色生态空间增加态势稳定且持续；从聚类结果来看，整个中亚形成了演变聚类显著面。与之相比，西亚地区的阿拉伯半岛几乎全面呈现出低-低聚类区。安卡拉省、锡瓦斯省、埃尔祖鲁姆省、乌尔米亚湖和凡湖周边、卡斯塔莫努省和小亚细亚半岛沿地中海一带呈现出高-低聚类的趋势，但是其新兴时空热点分析并未检测到特定模式。针对其他生态空间而言，中亚地区和西亚地区几乎成相反态势：高-高聚类区域多位于西亚地区的阿拉伯半岛和伊朗高原的中东部沙漠、半干旱地带以及中亚地区环里海局部；低-低聚类位于哈萨克斯坦北部阿克莫拉以及比什凯克-塔什干-塔吉克斯坦-喀布尔连线一带。结合新兴时空热点分析结果来看，高-高聚类区主要被识别为“持续的热点”模式，局部为“连续热点”“逐渐减少的热点”模式，表明其他生态空间持续波动增长；从聚类结果来看，热点聚类区的空间单元并未被归为一类，从侧面说明同一聚类区内其他生态空间演变的具体时空模式仍有较大差异，而冷点聚类区的空间时空模式较为单一。

3.2 中亚-西亚经济走廊国土空间结构转型特征分析

3.2.1 转型规模及强度

由研究区国土空间结构转型的规模及强度（图6）可知，2002—2022年中亚-西亚经济走廊国土空间约有70.30万km2发生了结构转型，占区域总面积的6.14%，生态保护空间与农业生产空间、生态保护空间内部的转型规模尤为突出。具体而言：
图6 中亚-西亚经济走廊各国2002—2022年国土空间结构转型规模图谱及强度图谱

Fig. 6 The map of scale and intensity of territorial spatial structure transformation in the countries of the Central Asia-West Asia Economic Corridor from 2002 to 2022

（1）生态保护空间内部的动态互转最为显著，约21.403 万km2的绿色生态空间转出为其他生态空间的同时有21.161 万km2其他生态空间转入，两者占总转换规模的60.52%，是中亚-西亚经济走廊国土空间结构转型的主导类型。分国别来看，哈萨克斯坦、乌兹别克斯坦、伊朗、阿富汗、伊拉克、土库曼斯坦等国家转型规模最为显著，而包括塞浦路斯、以色列在内的11个国家的生态保护空间内部并未发生动态演变现象。进一步从空间结构转型强度图谱分析，其他生态空间转入/转出的绝对强度和转出的相对强度均大于平均相对强度，绿色生态的转入/转出的相对强度和转出的绝对强度均大于平均相对强度。
（2）城乡建设空间持续小幅增加是该区域国土空间演变的重要特征之一，但引起建设空间扩张的结构转型仅占区域总转型量的0.17%；其中绿色生态空间是城镇扩张的主要来源，占总转入规模的56.36%，农业生产空间、其他生态空间分别仅占24.42%、19.22%；从转型强度来看，绿色生态空间向城乡建设空间转入的绝对值和相对值均大于平均速度，农业生产空间向城镇转入的相对值小于平均相对强度，而其他生态空间的转入过程则呈现系统抑制性，表明该区域或受政策和地理环境等多种因素的制约，城镇化过程较为复杂。
（3）农业生产空间与绿色生态空间的互转一定程度上反映了该区域土地利用与生态保护之间的动态平衡和调节。近20年约20.275 万km2农业生产空间转为绿色生态空间，同时有7.041 万km2绿色生态空间转为农业生产空间，转出与转入比约为2.88:1；从强度来看，农业生产空间转为绿色生态空间呈现出系统倾向性，反映出农业发展对绿色生态空间的转换具有广泛而系统的影响；绿色生态空间转为农业生产空间的过程，其转入/转出相对值大于平均相对强度，呈现相对倾向性，间接反映了生态恢复和保护行动力度。此外，从转型强度图谱来看，农业生产空间与其他生态空间之间的互转表现出系统抑制性，意味着农业生产空间和其他生态空间的相互转换对研究区整体国土空间结构未造成显著影响。

3.2.2 转型空间分异格局

由2002—2022年国土结构转型的整体空间格局（图7）和关键转型方向位置特征（图8）可知，中亚-西亚经济走廊国土空间结构转型在不同区域呈现出显著空间分异特征，伊希姆平原、里海东岸曼吉斯套州和巴尔坎州、图兰低地、兴都库什山脉、小亚细亚半岛-托罗斯山-美索不达米亚平原一带及希贾兹山脉南部等出现多个空间转型剧烈区。从转型方向来看： ① 绿色生态和其他生态空间动态互演的显著区域位于里海东部、伊朗高原南部等地，其中，绿色生态空间转为其他生态空间主要位于里海东岸、河中地区、吐火罗盆地等区域；其他生态空间转为绿色生态空间主要位于哈萨克斯坦斯坦巴尔萨克尔梅斯岛自然保护区周边、阿拉木图州、土库曼斯坦西部、呼罗珊省北部、伊朗高原南部的科尔曼和法尔斯。 ② 从农业与其他生态空间的动态转型来看，二者动态互转的空间布局位置具有较强的一致性，其中，农业生产空间的退化主要集中分布于沙特阿拉伯的利雅得、焦夫、哈伊勒等沙漠区域，叙利亚的代尔祖尔省和哈萨卡省，伊朗的呼罗珊、胡泽斯坦、法尔斯、布什尔、埃斯法罕等。③ 城乡建设空间因转入来源的不同产生明显空间分异。伊朗高原大部、阿拉伯半岛东南沿线、中亚北部等河流密布地区绿色生态空间转入城乡建设空间的现象较为显著，其在空间布局上相对集中；而对农业生产空间的侵占则表现出位置分散和广泛的特征，主要分布在沿海和沿湖地区，如地中海东岸、里海南岸及巴尔喀什湖周边地区。 ④ 从农业与绿色生态空间的动态转型来看，农业生产空间向绿色生态空间的转化主要集中在哈萨克丘陵北部、美索不达米亚平原、呼罗珊地区，而绿色生态空间向农业生产空间的转化则分布更为广泛，几乎涵盖整个中亚地区以及伊朗高原。
图7 中亚-西亚经济走廊国土空间结构转型布局及转型动态度

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2021)5443号的标准地图绘制，底图无修改。

Fig. 7 Transformation layout and dynamic degree of territorial spatial structure transformation in Central Asia-West Asia Economic Corridor

图8 中亚-西亚经济走廊国土空间结构转型规模

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2021)5443号的标准地图绘制，底图无修改。

Fig. 8 Spatial scale of territorial spatial structure transformation in Central Asia-West Asia Economic Corridor

3.3 中亚-西亚经济走廊国土空间演变驱动机制分析

3.3.1 驱动因素探测

综合考虑研究区特征、数据易获取性和指标代表性，从自然地理、交通区位和社会经济3个方面选取20个自变量对关键因素的重要程度和交互作用强度进行分析，模型结果（图9）总体上具有较高的解释力。探测结果反映出研究区国土空间结构转型受到多种因素的综合作用，影响不同转型方向的驱动因素的重要程度和交互作用强度差异显著。
图9 中亚-西亚经济走廊国土空间演变过程中驱动因素的重要程度、交互作用及SHAP探测结果

Fig. 9 Importance, interaction and SHAP detection results of driving factors in the process of territorial spatial evolution of the Central Asia-West Asia Economic Corridor

（1）自然地理基础是关键因素，在主导转换类型中呈现“重要性高-交互力强”的结果。特别是在农业生产空间与绿色生态空间（图9（a）、图9（b））、绿色生态与其他生态空间（图9（c）、图9（d））的动态互转中表现最为突出。模型显示，相对于其他因素类型，绿色生态空间的转出尤其受到自然地理因素的绝对主导，其中地形起伏度和温度作用方向为负，海拔、水汽压、降水量等因素作用方向为正，均通过SHAP值检验。
（2）交通区位条件在绿色生态空间的扩张中展现出一定影响。例如，由农业生产空间转化而来的过程中，纬度和地形起伏度重要值较高，但距首都距离与人口规模、潜在蒸散量、距主要港口距离的交互作用更强；由其他生态空间转入过程中，距公路距离不仅发挥着最大正向作用，且与其他类型因素的交互作用也最强；从作用方向来看，不同转换来源对应的作用方向各有差异。可以说，交通区位因素在与自然地理和社会经济因素的交互作用中，加强了其在国土空间转型中的重要性。
（3）社会经济因素对绿色生态空间和城乡建设空间扩张具有“交互力强”的影响，但在其他转型过程中作用较弱。如人口规模和夜间灯光指数在城镇扩张转型中呈现出显著的负向驱动作用，人口规模、夜间灯光指数、人类足迹指数以及GDP在各类空间演变（除去绿色生态空间→其他生态空间）中显示出一定作用，而在其他生态空间的扩张中，影响因素主要集中在个别自然因素或自然因素与交通区位因素交互的作用。
总体上，近20年中亚-西亚经济走廊国土空间转型受到自然因素的普遍影响，交通区位和社会经济发展等人为因素对绿色生态空间和城乡建设空间的扩张具有更显著的驱动作用。从交互作用强度来看，城乡建设空间、绿色生态空间和农业生产空间的扩张所受交互作用网更为密集，反映出这些空间转型涉及更为复杂的自然与人文因素的交织。

3.3.2 演变机制解析

基于上述探测结果，易知特定转型过程中不同因素具有显著差异，即使相同因素在不同转型情境中亦有不同，中亚-西亚经济走廊国土空间格局受多层次空间过程的共同作用，在规模、转换强度及形成机制上各异。结合图9，综合运用PDP和ICE图对XGBoost模型中的典型驱动因素与空间转型规模的相关性进行详细刻画（图10），重点揭示关键驱动因素对国土空间转型的非线性作用机理，并据此对研究区国土空间演变过程进行机制分析。具体如下：
图10 中亚-西亚经济走廊国土空间演变过程中关键驱动因素的偏相关依赖图分析结果

Fig. 10 Partial dependence correlation graph analysis results of key driving factors in the evolution of terrotorial space in the Central Asia-West Asia Economic Corridor

（1）农业生产空间—绿色生态空间动态互转。近20年农业生产空间向绿色生态空间的转入与转出规模分别占总转型面积的28.84%和10.02%，其中社会人口经济因素的影响较小，纬度和温度等自然地理因素作用显著。根据图10（a），在30°N—35°N及大于40°N纬度地区，随着纬度的增加，农业生产空间向绿色生态空间的转型显著增强，特别是在坡度大的区域，复杂的地形限制了农业机械化和规模化生产，更容易向绿色生态空间转型。温度条件同样对转型产生重要影响，当年平均温差在0.9℃~1.0℃及1.7℃~2.0℃区间时，适度的温差有助于农业生产空间向绿色生态空间的转化，而在1.2℃~1.5℃的中等温差区间，转型则受到抑制。类似效应在距离首都125~500 km的城市扩张边缘地带也十分明显，越靠近边缘转型越突出。现实中，30°N—35°N纬度带涵盖了西亚北部地区，山脉和高原地形较为常见，坡度较大，而大于40°N纬度范围，如天山、阿尔泰山和帕米尔高原，因陡峭的坡度条件，农业生产受限，但丰富的矿产资源和水资源则为生态空间的转型提供了有利条件。温度的影响机制与海拔密切相关，形成了复杂的“温度-海拔-潜在蒸散量-距离首都距离-人口规模”的互动作用链条，适度温差为农业生产提供了适宜的农业生产环境和水资源利用效率，进而促进了农业生产空间向绿色生态空间的转化，如乌兹别克斯坦的费尔干纳谷地和土库曼斯坦的阿哈尔省；然而，一些温度较高的区域，如哈萨克斯坦的卡拉干达地区和乌兹别克斯坦的撒马尔罕地区，农业用水需求的增加反而导致了水资源竞争，从而抑制了这一转化。在该链条中，距离首都的远近也是重要因素，如在乌兹别克斯坦的塔什干和哈萨克斯坦的阿斯塔纳周边，交通、能源和水利基础设施的完备、人口规模的增加，为农业生产空间向绿色生态空间的高效转型提供了重要支撑。另一方面，地形起伏度、纬度和水汽压等自然地理因素显著影响绿色生态空间向农业生产空间的转化。就单因子作用强度而言，地形起伏度强度值最大，作用方向为负，实际中当地形起伏度在3 000~4 000 m之间时，坡度越大反而转化越显著，可解释为高坡度地区通过梯田和其他农业工程技术将坡地改造成农田，促进农业生产。水汽压的作用强度值略低，但在交互作用网络中“节点”作用更明显，与地形起伏度、纬度、距离湖泊距离和距离市中心距离均产生交互作用。综合来看，自然地理和环境条件是推动中亚西亚地区农业与绿色生态空间相互转化的主要动力。
（2）其他生态空间的优化与退化。中亚-西亚经济走廊其他生态空间以沙漠和裸地为主，尽管整体规模相对稳定，但期间经历了显著的波动，表现为明显的下降和回升。在向绿色生态空间的转化过程中，距市中心距离、距首都距离、距公路距离、距湖泊距离和海拔是前5位驱动因素，累计重要度高达64.58%，表明生态保护空间的开发与交通区位紧密相关。偏相关依赖图揭示了温差超过2 ℃、距公路距离在28~38 km范围条件下，生态保护空间转化较为显著；实际中如乌兹别克斯坦的费尔干纳谷地由于温差较大和适中的公路距离，其他生态空间的优化较为明显；同样，在土库曼斯坦的阿哈尔省，尽管地形起伏较大，但合理的土地利用规划促进了生态保护空间的积极转变。在退化方面，农业生产空间和绿色生态空间的退化均与自然地理条件紧密相关：农业生产空间退化的关键因素包括海拔、坡度和距首都距离，其中坡度与首都距离和水汽压存在交互作用；例如吉尔吉斯斯坦天山山脉由于气候和土壤条件易于退化，哈萨克斯坦首都阿斯塔纳周边的农业用地也面临城市扩张带来的退化风险；绿色生态空间的退化与年温差、纬度、降水量和距市中心距离有关，其中温差、纬度和降水量的交互作用尤为明显；在土库曼斯坦的卡拉库姆沙漠地区，由于温差较大，绿色生态空间退化为沙漠的现象明显增多；而在降水稀少或高纬度地区，如吉尔吉斯斯坦北部，退化的程度较低。综上，自然地理因素和交通区位的综合作用塑造了中亚和西亚地区生态保护空间的动态变化，其中海拔、坡度和距离首都距离对农业生产空间的退化影响较大，温差、纬度和降水量则对绿色生态空间的退化起显著作用。
（3）城乡建设空间扩张。中亚-西亚经济走廊建设空间扩张主要由社会经济发展驱动，同时受到交通区位和自然地理因素的综合交互作用。社会经济因素中，人口规模起着显著作用，模型解释度为54.66%，并且与距首都距离、夜间灯光指数存在强烈的交互作用。例如，哈萨克斯坦的阿斯塔纳和乌兹别克斯坦的塔什干等首都周边（125~500 km范围内），由于完善的基础设施和较高的经济活力，吸引了大量人口迁入，从而加速了城市扩张。自然地理条件中，地形起伏度的作用同样显著，在超过6 000 m时对城镇扩张有显著影响——吉尔吉斯斯坦天山山脉周边地区便是例证，这些区域的资源优势或旅游吸引力推动了城镇的发展。此外，GDP、距主要港口距离和距河流距离等指标也在“编织”交互作用网络。例如，土耳其政府在安卡拉和伊斯坦布尔周边的城镇化规划和工业区开发项目因在基础设施、农业领域获得资金支持而显著促进了当地城镇扩张。此外，中国在哈萨克斯坦的“光明之路”新经济政策下的投资，促进了公路、铁路和物流园区的建设，如中国-哈萨克斯坦霍尔果斯国际边境合作中心，推动了沿线地区的城镇化和城镇发展。这些因素的综合作用，虽然不易直接测量，但可以通过经济发展和基础设施接近性等指标有效反映，共同塑造了中亚-西亚经济走廊城镇扩张的模式和速度。

4 讨论

4.1 中亚-西亚经济走廊国土空间现实问题与政策建议

在全球化背景下，加强区域合作、共同应对气候变化和生态环境挑战势在必行，在“一带一路”倡议和“走出去”战略的双重推动下，深化对中亚-西亚经济走廊国土空间演变的规律性认识，对于维护我国国家利益、指导战略投资决策具有重大意义。近20年来，中亚与西亚地区大规模基础设施建设显著改变了局部地区的空间格局，但从区域层面来看，人类活动对整体国土转型的影响相对有限，仅在半自然和人工生境特征明显的空间发挥作用；交通区位因素往往依附于其他类型因素发挥作用，而自然地理因素对整体国土空间转型起着主导作用。基于上述研究，提出如下建议：
（1）提升“周边是首要”的地缘边际效应，重视中亚和西亚荒漠化治理的挑战和机遇：气候变化和人类活动的双重影响下，土地荒漠化和耕地退化是中亚和西亚面临的重大生态环境问题。我国与这些地区相邻，且曾面临类似的问题，在荒漠化治理、预防土地沙化等方面积累了丰富经验，可为沿廊地区荒漠化治理项目提供相关技术和管理支持，从而为深化地缘经济合作提供有力支撑。
（2）加强监测农业生产和绿色生态空间的动态转型，探索气候变化对农业和生态空间影响的共性规律：中亚、西亚地区农业和绿色生态空间变化频繁，主要受地形地貌和水文条件变化的驱动，因此，我国在支持该地区建设农业或生态项目时必须统筹考虑当地自然禀赋与全球气候变化的双重影响，确保项目的长期可持续性。通过这种综合性战略，不仅能够有效提升资源利用效率，还能进一步巩固并强化我国在农业科技和可持续发展领域的全球领导者地位。
（3）重点关注城镇扩张与人口增长的合理匹配，尽快布局中亚和西亚重点地区城镇规划和基础设施建设投资市场：政治不稳定和冲突可能导致人口迁移，国际和国内移民流动也会影响人口增长，预计到2050年中亚-西亚经济走廊仍有较大城镇扩张潜力，特别是在伊斯坦布尔、安塔利亚、迪拜等关键城市，仍需通过优化城镇布局和完善基础设施建设来推动区域经济发展，这为我国提供了巨大的市场机遇。另一方面，在大数据时代和“走出去”战略背景下，可进一步利用科学数据和先进分析技术，深化中亚-西亚经济走廊地缘环境研究，为我国与周边国家的地缘经济合作提供坚实的地理学理论和实践支撑，期望本研究的结论和建议能为相关决策提供参考。

4.2 研究不足与展望

本研究揭示了中亚-西亚经济走廊区域国土空间格局的演变特征和驱动因素，尤其强调了自然地理因素在区域国土空间转型中的主导作用。然而，在进一步研究中仍需考虑若干改进和拓展方向：
（1）在牧业空间的划分上存在一定的局限性。由于研究中采用的国土空间类型未能单独区分牧业空间，这可能导致对农业生产空间和生态保护空间的转型过程和影响因素分析存在一定偏差。牧业作为中亚和西亚地区重要的土地利用方式，其变化对土地利用格局和生态环境有着深远的影响。因此，未来研究应进一步细化牧业空间的划分，并考虑其在土地利用转型中的独特作用，以更精确地反映该区域的土地利用动态和生态系统服务变化。
（2）数据精度和时空分辨率的限制也是本研究的一个重要不足。本研究主要依赖于MCD12Q1、GADM等地理空间数据和夜间灯光数据，这些数据尽管在区域尺度上具有较高的适用性，但其空间分辨率和时间频率仍可能不足以捕捉中亚和西亚地区复杂多变的地理和生态特征。未来研究应引入更高分辨率的遥感数据和长时间序列的气候、水文、土地利用变化数据，以提高研究的精度和结果的可靠性。此外，随着大数据时代的到来，可以通过集成多源数据和先进分析技术（如深度学习和时空大数据分析）来更深入地理解区域环境和社会经济变化的复杂性。
（3）在结果的解释方面，本研究发现气候水文条件、地形地貌等自然因素在区域土地转型中起着决定性作用，显著超过了人类活动的影响。这一结论的形成可能是由于该地区自然条件的显著异质性，以及人类活动相对集中于特定经济带的原因。然而，这并不意味着人类活动对土地变化的影响可以忽视，特别是在城市扩张和农业发展的边缘地带，土地利用冲突和资源竞争可能会引发更为复杂的社会经济和环境问题。因此，政策制定者和规划者在制定区域发展战略时，必须既考虑自然条件的约束，也要合理引导人类活动，以实现可持续的土地利用和生态保护。展望未来，我国与中亚、西亚地区在生态环境保护和可持续发展领域的合作将进一步加强，特别是在应对气候变化、治理荒漠化和优化城镇扩张等方面，我国可以发挥技术优势和管理经验，支持沿廊地区的生态环境治理和社会经济发展。同时，在制定空间发展战略时，应充分关注区域生态系统的复杂性和多样性，尤其是气候变化对农业和生态空间的潜在影响。

5 结论

本文基于长时序遥感影像数据和可解释机器学习模型，深入分析了中亚-西亚经济走廊国土时空演变过程及结构转型特征，从重要性和交互作用强度2个角度识别空间演变的关键因素及非线性关系。主要结论如下：
（1）2002—2022年中亚-西亚经济走廊城乡建设空间、农业生产空间、绿色生态空间和其他生态空间的规模结构基本稳定在1:11:77:82~1:9:78:80比例区间，未发生结构性改变。生态保护空间，尤其是绿色生态空间，经历了波动性增长，而其他生态空间虽有波动但总体稳定，二者分别呈现“集中扩张-分散缩减”和“集中扩张-集中缩减”的演变格局；农业生产空间经历了周期性扩张与缩减，整体下降19.04%，其分布表现出“分散扩张-分散缩减”特征；城乡建设空间虽占比小，但持续小幅增长0.17%，扩张过程呈“集中扩张-分散缩减”格局。
（2）中亚-西亚经济走廊约6.14%的国土发生空间结构转型，其中生态保护空间的内部动态互转占主导地位，构成了总转换规模的60.52%，绿色生态空间与其他生态空间的动态互转均呈现绝对倾向性，生态保护空间的频繁变动也揭示了沿廊地区生态空间管理的复杂性和重要性；农业生产空间向绿色生态空间的转换比率约为2.88:1，农业生产空间转为绿色生态空间呈现系统倾向性，而后者转为前者则呈现相对倾向性，这显示了农业发展对绿色生态空间的系统性影响；城乡建设空间扩张的主要来源为绿色生态空间，占总转入规模的56.36%，农业生产空间、其他生态空间分别占24.42%、19.22%，其中其他生态空间的转入呈现系统抑制性，这也表明城镇化过程几乎不受其他生态空间的影响。
（3）自然地理基础、交通区位条件和社会人口经济因素共同塑造了研究区国土空间演变过程。不同空间转型方向对国土空间格局形成的塑造作用有别，各驱动因素在不同转型过程中的重要程度和交互作用强度呈现出显著差异：地形起伏度、纬度和水气压等自然地理因素显著影响生态保护空间的优化与退化以及农-林格局变化；人口规模和基础设施的完善，尤其是首都周边的城市扩张边缘地带，受城市化进程影响空间转型较为活跃，对城乡建设空间扩张起到了促进作用。此外，城镇的扩张是以社会经济发展和人口扩张所引起的基础设施建设、国际援助投资和政府规划政策综合导致的城镇边界扩展。受限于沿廊地区地理基础和发展水平，经济发展和人口增长对国土空间结构整体变化的作用有限，而大气水汽压、温度、降雨等自然因素的驱动作用相对显著。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
宋涛, 程艺, 刘卫东, 等. 中国边境地缘经济的空间差异及影响机制[J]. 地理学报, 2017, 72(10):1731-1745.

DOI

[Cheng Y, Liu W D, et al. The spatial disparity and impact mechanism of geo-economy in the border areas of China[J]. Acta Geographica Sinica, 2017, 72(10):1731-1745.] DOI:10.11821/dlxb201710001

[2]
朱永彪. “中国—中亚—西亚经济走廊”的建设现状与前景[J]. 兰州大学学报(社会科学版), 2023, 51(4):1-12.

[Zhu Y B. Current situation and prospect:The construction of China-central Asia-west Asia economic corridor[J]. Journal of Lanzhou University (Social Sciences), 2023, 51(4):1-12.] DOI:10.13885/j.issn.1000-2804.2023.04.001

[3]
中华人民共和国国家发展和改革委员会, 中华人民共和国外交部, 中华人民共和国商务部. 推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动[N]. 人民日报,2015-03-29(4).

[National Development and Reform Commission, Ministry of Foreign Affairs of the People's Republic of China, Ministry of Commerce of the People's Republic of China. Vision and actions on jointly building silk road economic belt and 21st-century maritime silk road[N]. People's Daily, 2015-03-29(4).]

[4]
李晓丽, 吴威, 刘玮辰. 基于国际公路运输链的“一带一路”区域公路通达性分析[J]. 地理研究, 2020, 39(11):2552-2567.

DOI

[Li X L, Wu W, Liu W C. Analyzing the highway accessibility in the Belt and Road region based on international highway transport chain[J]. Geographical Research, 2020, 39(11):2552-2567.] DOI:10.11821/dlyj020190773

[5]
汪泰, 陈俊华. 中国—中亚—西亚经济走廊贸易投资便利化水平研究[J]. 世界地理研究, 2020, 29(5):883-892.

DOI

[Wang T, Chen J H. Evaluation of trade and investment facilitation of China-Central Asia-West Asia economic corridor countries[J]. World Regional Studies, 2020, 29(5):883-892.] DOI:10.3969/j.issn.1004-9479.2020.05.2019251

[6]
宋周莺, 虞洋. “一带一路”沿线贸易便利化发展格局研究[J]. 地理科学进展, 2020, 39(3):355-366.

DOI

[Song Z Y, Yu Y. Development pattern of trade facilitation of the countries along the Belt and Road[J]. Progress in Geography, 2020, 39(3):355-366.] DOI:10.18306/dlkxjz.2020.03.001

[7]
杨宇, 郭越, 樊杰, 等. 能源地理研究的发展与展望[J]. 地理学报, 2024, 79(1):147-170.

DOI

[Yang Y, Guo Y, Fan J, et al. The development and prospects of the study of energy geographies[J]. Acta Geographica Sinica, 2024, 79(1):147-170.] DOI:10.11821/dlxb202401010

[8]
赵亚博, 胡志丁, 葛岳静, 等. 中国与中亚地区地缘经济关联度的时空演变与类型划分[J]. 世界地理研究, 2019, 28(2):105-113.

[Zhao Y B, Hu Z D, Ge Y J, et al. The spatio-temporal evolution and type division of geo-economic correlation degree between China and Central Asia[J]. World Regional Studies, 2019, 28(2):105-113.] DOI: 10.3969/j.issn.1004-9479.201902.2018809

[9]
Bird J, Lebrand M, Venables A J. The Belt and Road Initiative: Reshaping economic geography in Central Asia?[J]. Journal of Development Economics, 2020, 144(5):102441. DOI:10.1016/j.jdeveco.2020.102441

[10]
陈伟, 赵晞泉, 刘卫东, 等. “一带一路”贸易网络演化与贸易门户国家识别[J]. 地理学报, 2023, 78(10):2465-2483.

DOI

[Chen W, Zhao X Q, Liu W D, et al. The trade network evolution and identification of gateway countries in the Belt and Road region[J]. Acta Geographica Sinica, 2023, 78(10):2465-2483.] DOI:10.11821/dlxb202310006

[11]
姚辉斌, 彭新宇. “一带一路”沿线国家制度环境对中国农产品出口贸易的影响研究[J]. 农业技术经济, 2021(4):17-29.

[Yao H B, Peng X Y. The influence of institutional environment on China's agricultural products export to the countries along the Belt and Road[J]. Journal of Agrotechnical Economics, 2021(4):17-29.] DOI:10.13246/j.cnki.jae.2021.04.002

[12]
赵捷, 陈秧分. 中国企业对中亚农业投资的模式选择——基于“一带一路”投资环境的对比分析[J]. 世界农业, 2021,(9):24- 36,122-123.

[Chen Y F. Mode selection of Chinese enterprises' agricultural investment in central Asia: A comparative analysis based on "The Belt and Road" investment environment[J]. World Agriculture, 2021(9):24- 36,122-123.] DOI:10.13856/j.cn11-1097/s.2021.09.003

[13]
马海涛, 孙湛. 中亚五国综合城镇化水平测度及其动力因素[J]. 地理学报, 2021, 76(2):367-382.

DOI

[Ma H T, Sun Z. Comprehensive urbanization level and its dynamic factors of five Central Asian countries[J]. Acta Geographica Sinica, 2021, 76(2):367-382.] DOI:10.11821/dlxb202102009

[14]
刘晶, 方创琳, 何伦志, 等. “一带一路”沿线国家城镇化发展质量综合评价——基于经济、制度、社会视角[J]. 经济地理, 2019, 39(4):59-66.

[Liu J, Fang C L, He L Z, et al. Evaluation index system of urbanization development quality in countries along the Belt and Road: Based on economic, institutional and social perspectives[J]. Economic Geography, 2019, 39(4):59-66.] DOI:10.15957/j.cnki.jjdl.2019.04.008

[15]
高倩,阿里木江·卡斯木. “一带一路”沿线之中国新疆—中亚—西亚城市空间扩张[J]. 经济地理, 2017, 37(5):51-57.

[ALIMUJIANG K. Research on the urban expansion of Xinjiang in China, central Asia and West Asia along the Belt and Road[J]. Economic Geography, 2017, 37(5):51-57.] DOI:10.15957/j.cnki.jjdl.2017.05.007

[16]
于水, 陈迪桃, 黄法融, 等. 中亚农业水资源脆弱性空间格局及分区研究[J]. 中国农业资源与区划, 2020, 41(4):11-20.

[Yu S, Chen D T, Huang F R, et al. Spatial pattern and zoning of agricultural water resources vulnerability during crop growth period in central Asia[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(4):11-20.] DOI:10.7621/cjarrp.1005-9121.20200402

[17]
李富佳, 董锁成, 原琳娜, 等. “一带一路”农业战略格局及对策[J]. 中国科学院院刊, 2016, 31(6):678-688.

[Li F J, Dong S C, Yuan L N, et al. Study on agriculture patterns and strategy of the Belt and Road[J]. Bulletin of Chinese Academy of Sciences, 2016, 31(6):678-688.] DOI:10.16418/j.issn.1000-3045.2016.06.011

[18]
姚檀栋, 黄建平, 徐柏青, 等. 绿色丝绸之路建设的气候变化科技应对战略[J]. 中国科学院院刊, 2023, 38(9):1264-1272.

[Huang J P, Xu B Q, et al. Climate change adaptation and mitigation strategies for building a Green Silk Road[J]. Bulletin of Chinese Academy of Sciences, 2023, 38(9):1264-1272.] DOI:10.16418/j.issn.1000-3045.20230715001

[19]
苏芳, 刘钰, 陈律凡, 等. 气候变化对中亚五国粮食安全的影响[J]. 中国科学:地球科学, 2024, 54(1):281-293.

[Su F, Liu Y, Chen L F, et al. Impact of climate change on food security in the Central Asian countries[J]. Science China Earth Sciences, 2024, 67(1):268-280.] DOI:10.1360/SSTe2022-0316

[20]
郑玉雯, 薛伟贤. 丝绸之路经济带生态环境风险评估及发展趋势预判[J]. 中国软科学, 2022(2):95-104.

[Xue W X. Risk assessment and development trend prediction of ecological environment in the silk road economic belt[J]. China Soft Science, 2022(2):95-104.] DOI:10.3969/j.issn.1002-9753.2022.02.010

[21]
杨恕, 孙凌霄, 何婧, 等. 咸海变迁——危机和现状[J]. 干旱区地理, 2024, 47(2):181-191.

DOI

[Sun L X, He J, et al. Evolution of the Aral Sea: Crisis and present situation[J]. Arid Land Geography, 2024, 47(2):181-191.] DOI:10.12118/j.issn.1000-6060.2023.710

[22]
陆建涛, 彭建, 李刚勇, 等. 干旱对中亚草地总初级生产力时滞和累积效应的影响评估[J]. 生态学报, 2023, 43(23):9745-9757.

[Lu J T, Peng J, Li G Y. et al. Assessment of time-lag and cumulative effects of drought on gross primary productivity of grassland in Central Asia from 1982 to 2018[J]. Acta Ecologica Sinica, 2023, 43(23):9745-9757.] DOI:10.20103/j.stxb.202209162644

[23]
莫贵芬, 冯建中, 白林燕, 等. 2001—2018年中亚干旱区地表水资源时空变化特征[J]. 地理科学, 2022, 42(1):174-184.

DOI

[Mo G F, Feng J Z, Bai L Y, et al. Spatio-temporal dynamic characteristics of surface water resources in arid regions of Central Asia from 2001 to 2018[J]. Scientia Geographica Sinica, 2022, 42(1):174-184.] DOI:10.13249/j.cnki.sgs.2022.01.017

[24]
闫雪, 孟德坤, 陈迪桃, 等. 基于生态系统服务的中亚水土热资源匹配度时空变化特征[J]. 应用生态学报, 2020, 31(3):794-806.

DOI

[Yan X, Meng D K, Chen D T, et al. Spatio-temporal characteristics of the matching degree of water, soil, and heat resources based on ecosystem services in Central Asia[J]. Chinese Journal of Applied Ecology, 2020, 31(3):794-806.] DOI:10.13287/j.1001-9332.202003.012

[25]
陈桃, 包安明, 郭浩, 等. 中亚跨境流域生态脆弱性评价及其时空特征分析——以阿姆河流域为例[J]. 自然资源学报, 2019, 34(12):2643-2657.

DOI

[Chen T, Bao A M, Guo H, et al. Ecological vulnerability assessment for a transboundary basin in Central Asia and its spatiotemporal characteristics analysis: Taking Amu Darya River Basin as an example[J]. Journal of Natural Resources, 2019, 34(12):2643-2657.] DOI:10.31497/zrzyxb.20191213

[26]
秦大河, 张国友, 宋长青, 等. 今天的中国为什么比任何时候都需要世界地理学[J]. 世界地理研究, 2020, 29(1):1-7.

DOI

[Qin D H, Zhang G Y, Song C Q, et al. Why does China today need world geography more than ever[J]. World Regional Studies, 2020, 29(1):1-7.] DOI:10.3969/j.issn.1004-9479.2020.01.2019801

[27]
张棋, 许德合, 丁严. 基于SPEI和时空立方体的中国近40年干旱时空模式挖掘[J]. 干旱地区农业研究, 2021, 39(3):194-201.

[Zhang Q, Xu D H, Ding Y. Spatio-temporal pattern mining of the last 40 years of drought in China based on SPEI index and spatio-temporal cube[J]. Agricultural Research in the Arid Areas, 2021, 39(3):194-201.] DOI:10.7606/j.issn.1000-7601.2021.03.24

[28]
朱艳丽, 靖常峰, 伏家云, 等. 时空立方体的抢劫案件时空特征挖掘与分析[J]. 测绘科学, 2019, 44(9):132-138,145.

[Zhu Y L, Jing C F, Fu J Y, et al. Analysis of space-time pattern of robbery crime based on space-time cube[J]. Science of Surveying and Mapping, 2019, 44(9):132-138,145.] DOI:10.16251/j.cnki.1009-2307.2019.09.019

[29]
顾观海, 吴彬, 张文主, 等. 中国边境地区国土空间演变及驱动机制的区域差异研究[J]. 自然资源学报, 2024, 39(5):1022-1038.

DOI

[Gu G H, Wu B, Zhang W Z, et al. Regional differences in the evolution of territorial space and its driving mechanisms in Chinese border areas[J]. Journal of Natural Resources, 2024, 39(5):1022-1038.] DOI:10.31497/zrzyxb.20240503

[30]
魏伟, 尹力, 谢波, 等. 国土空间规划背景下黄河流域“三区空间”演化特征及机制[J]. 经济地理, 2022, 42(3):44-55,86.

DOI

[Yin L, Xie B, et al. Spatial-temporal evolution characteristics and mechanism of “three-function space” in the Yellow River Basin under the background of territorial spatial planning[J]. Economic Geography, 2022, 42(3):44-55,86.] DOI:10.15957/j.cnki.jjdl.2022.03.005

[31]
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.

[Zhu D L. Methods for detecting land use changes based on the land use transition matrix[J]. Resources Science, 2010, 32(8):1544-1550.]

[32]
李帅呈, 龚健, 杨建新, 等. 兰西城市群土地利用/覆被变化模式特征——基于强度分析框架[J]. 资源科学, 2023, 45(3):480-493.

DOI

[Gong J, Yang J X, et al. Characteristics of LUCC patterns of the Lanzhou-Xining urban agglomeration: Based on an intensity analysis framework[J]. Resources Science, 2023, 45(3):480-493.] DOI:10.18402/resci.2023.03.02

[33]
Hong C P, Burney J A, Pongratz J, et al. Global and regional drivers of land-use emissions in 1961-2017[J]. Nature, 2021, 589(7843):554-561. DOI:10.1038/s41586-020-03138-y

[34]
Hamidov A, Helming K, Balla D. Impact of agricultural land use in Central Asia: A review[J]. Agronomy for Sustainable Development, 2016, 36(1):6. DOI:10.1007/s13593-015-0337-7

[35]
Kang J, Zhang B L, Dang A R. A novel geospatial machine learning approach to quantify non-linear effects of land use/land cover change (LULCC) on carbon dynamics[J]. International Journal of Applied Earth Observation and Geoinformation, 2024, 128:103712. DOI:10.1016/j.jag.2024.103712

[36]
Inglis A, Parnell A, Hurley C. Vivid: An R package for variable importance and variable interactions displays for machine learning models[J]. The R Journal, 2023, 15(2):344-361. DOI:10.32614/rj-2023-054

[37]
Collaris D, van Wijk J J. Comparative evaluation of contribution-value plots for machine learning understanding[J]. Journal of Visualization, 2022, 25(1):47-57. DOI:10.1007/s12650-021-00776-w

Options
文章导航

/

〈 〉