1990-2022年安徽省不透水面扩展变化研究

中草药富硒酵母与硼复合添加剂在肉鸡生产中的应用研究III摘要近年来安徽省经济快速发展与城市化进程加速促使不透水面面积显著扩张，给区域生态环境与可持续发展带来挑战。研究选取1990—2022年安徽省不透水面结合同期土地利用、道路、人口密度与经济数据，运用变化速率、变化强度指数、转移矩阵、转移图谱和地理探测器等方法，剖析近22年安徽省土地利用时空变化特征及人类活动对其影响的交互作用机理。研究结果表明：（1）1990—2022年间，安徽省不透水面面积从2695.47km²增加到13263.08km²，增长了近4倍，平均变化速率为330.24km²/a，且空间分布不均衡，主要集中在城市群和经济发展较快的地区；（2）不透水面变化速率呈现先加快后减缓的趋势，其中2010—2020年变化速率达到最高（575.86km²/a），2020—2022年变化速率为242.96km²/a；变化强度指数在2010—2020年间达到峰值（8.20%），随后有所下降；（3）耕地是不透水面扩张的主要来源，转入面积达7286.98km²，占不透水面扩张总面积的约54%；其次为水域（218.25km²）和草地（47.12km²）；（4）人口增长、经济发展和城市化进程是影响不透水面扩张的重要驱动因素，其中，道路是不透水面增长的主要驱动因子。该研究为安徽省土地利用规划、生态保护及城市空间布局优化提供科学依据，助力区域可持续发展。关键词：不透水面；变化强度指数；转移矩阵；地理探测器；安徽省

AbstractInrecentyears,therapideconomicdevelopmentandacceleratedurbanizationinAnhuiProvincehaveledtoasignificantexpansionofimpervioussurfaceareas,posingchallengestoregionalecologicalenvironmentsandsustainabledevelopment.ThisstudyselectsimpervioussurfacedatafromAnhuiProvincebetween1990and2022,alongwithconcurrentlanduse,roadnetworks,populationdensity,andeconomicdata.Usingmethodssuchaschangerate,changeintensityindex,transitionmatrix,transitionmapping,andgeographicaldetectoranalysis,theresearchanalyzesthespatiotemporalcharacteristicsoflandusechangesinAnhuiProvinceoverthepast22yearsandexplorestheinteractivemechanismsofhumanactivitiesinfluencingthesechanges.Theresultsindicatethat:(1)Theimpervioussurfaceareaincreasednearlyfourfoldfrom2695.47km²in1990to13263.08km²in2022,withanaverageannualchangerateof330.24km²/aandaspatiallyunevendistribution,primarilyconcentratedinurbanagglomerationsandrapidlydevelopingeconomiczones.(2)Theexpansionrateexhibiteda"rise-then-decline"trend,peakingat575.86km²/aduring2010–2020anddecreasingto242.96km²/ain2020–2022.Thechangeintensityindexreacheditshighestvalue(8.20%)in2010–2020beforedeclining.(3)Cultivatedlandwasthedominantsourceofimpervioussurfaceexpansion,contributing7286.98km²(54%oftotalexpansion),followedbywaterbodies(218.25km²)andgrasslands(47.12km²).(4)Populationgrowth,economicdevelopment,andurbanizationwerecriticaldrivingfactors,withroadconstructionemergingastheprimarydrivingfactor.Thisstudyoffersscientificsupportforlanduseplanning,ecologicalconservation,andurbanspatialoptimizationinAnhuiProvince,contributingtoregionalsustainabledevelopment.Keywords:Impervioussurfaces;Changeintensityindex;Transfermatrix;Geodetector;AnhuiProvince

缩略词表缩略词英文全称中文名称ISImperviousSurface不透水面GISGeographicInformationSystem地理信息系统CLCDChinaLandCoverDataset中国土地覆盖数据集GDPGrossDomesticProduct国内生产总值GeodetectorGeographicalDetector地理探测器6引言1.1研究背景不透水面(impervioussurfacearea,ISA)是指由不透水材料覆盖的地表,通常包括屋顶、停车场及道路等渗透率较小的表面，是城市化最显著的特征。REF_Ref18007\r\h[1]。全球城市化进程的加速导致不透水面面积迅速增加，对区域水文循环、热环境、生物多样性等也产生深远影响REF_Ref17874\r\h[2]REF_Ref17883\r\h[3]。中国作为全球城市化速度最快的国家之一，其不透水面扩张尤为显著。据相关研究表明，1990-2020年间，中国城市不透水面面积增长了近3倍，而这一趋势在安徽省同样表现突出。安徽省地处中国东部，作为长江三角洲城市群的重要成员，依托区位优势在"中部崛起"战略推动下实现经济快速发展。1990-2022年间，安徽省城市化率从26%大幅提升至60.2%，随着城市规模不断扩大，不透水面面积也随之显著增加。而不透水面的无序扩张会带来一系列生态环境问题，其中包括城市内涝频发、热岛效应加剧以及地表水质恶化等。研究安徽省不透水面时空变化特征并分析其驱动因素，有助于科学规划城市空间布局并促进区域经济社会可持续发展。1.2国内外研究现状1.2.1国外研究进展近年来，不透水面研究在全球范围内受到广泛关注。国外学者利用遥感技术、地理信息系统（GIS）技术等手段，对不透水面的监测精度、时空分布规律及其与城市环境要素的相互作用展开了细致探究。GongREF_Ref18941\r\h[5]利用谷歌地球引擎平台，基于Landsat影像、夜间灯光数据和Sentinel-1雷达数据，生成了1985—2018年全球30米分辨率的人工不透水面年度地图。ZhangREF_Ref18981\r\h[6]对六种公开的全球30米动态不透水面产品进行总结分析，这些产品覆盖1972—2020年期间数据。XuREF_Ref19003\r\h[7]分析不透水面与城市热环境关系，发现其增加显著加剧城市热岛效应。1.2.2国内研究进展国内学者对不透水面变化的研究方法不断丰富和完善，形成了以遥感技术、地理信息系统（GIS）和统计分析为主体的一个研究体系。近年来随着多源遥感数据的广泛应用，不透水面提取技术从早期的单一影像分类发展到多时相、多光谱的综合解译方法。这些技术进步为城市规划提供了重要支撑，邱健壮等REF_Ref3589\r\h[10]综合利用多源遥感数据估算城市不透水面覆盖度与地面温度的关系，为优化城市热环境布局提供了理论依据。同时地理信息系统为不透水面空间分析提供了强大的技术支撑，使得空间格局和动态变化的定量化表征更加精确，米军等REF_Ref3629\r\h[11]基于长时间序列遥感影像分析上海市不透水面演化规律，为城市空间扩展规划提供了科学参考。在土地管理领域这些技术方法的应用成效显著。马业华等REF_Ref3658\r\h[12]利用高分辨率遥感数据提取石家庄中心城区不透水面信息，其空间格局分析为土地集约利用政策制定提供了数据支持。地理探测器REF_Ref19892\r\h[7]等新型统计模型的应用，使得不透水面变化的驱动机制研究从定性描述转向定量分析，乔伟峰等REF_Ref29096\r\h[15]运用该方法量化苏州市土地利用演变驱动因素，为土地管理决策提供了科学依据。这些技术进步显著提升了土地资源管理的精准性和科学性。多源数据融合与时空分析方法的应用在生态环境保护方面取得了重要进展。通过遥感与GIS技术的结合，研究人员能够系统评估不透水面扩张对生态环境的影响，为退耕还林工作REF_Ref30583\r\h[9]和生态保护红线REF_Ref30557\r\h[8]提供了决策支持。转移矩阵等方法的运用使得政策实施效果评估更加客观，为完善生态保护政策提供了参考。1.3研究内容本文研究基于1990-2022年多期遥感影像，融合GIS技术与统计方法提取安徽省不透水面信息，分析其时空变化特征。通过计算变化速率和强度指数量化扩展规律，利用转移矩阵与图谱探究空间特征及对土地覆被影响，运用地理探测器解析扩张驱动因素，揭示人口、经济和城市化进程对不透水面变化的作用机制。研究证实安徽省不透水面快速扩张且与社会经济因素紧密相关，为区域土地规划、生态保护提供科学依据，促进城市空间优化与可持续发展。1.4技术路线图图1流程图Figure1FlowChart

2数据与方法2.1研究区域安徽省位于中国东部，地处114°54′E至119°37′E、29°41′N至34°38′N之间，总面积约为13.94万平方千米。安徽省地形以平原、丘陵和山地为主，平均海拔较低，大部分地区在100米至300米之间。安徽省的气候属于暖温带与亚热带过渡地区‌，淮河以北属于暖温带半湿润季风气候，年均温在14-16℃，年降水量约800毫米；淮河以南属于亚热带湿润季风气候，年均温在16-17℃，年降水量超过1200毫米。夏季多雨且集中，冬季寒冷干燥，春秋气温变化大，梅雨期降水集中，易引发洪涝，北部偶发春旱‌‌。图2研究区域Figure2SurveyRegion2.2数据来源本研究的数据主要来源于武汉大学黄昕教授团队发布的中国年度土地利用数据集（ChinaLandCoverDataset，CLCD）。该数据集基于大量的Landsat影像，结合随机森林分类器和时空滤波等先进的后处理方法制作而成，覆盖了1985—2022年的时间范围，分辨率为30米，包含9种主要用地类型，总体准确率达到了80%。这些高分辨率、长时序的土地利用数据为本研究提供了坚实的基础，确保了研究结果的科学性和可靠性。此外，为了进行地理探测器分析，本研究还使用了人口密度、道路分布以及GDP等数据，均来源于中国科学院资源环境科学与数据中心。该数据中心提供了丰富的资源环境相关数据，其中人口密度数据详细记录了安徽省各年份的人口分布情况，为分析人口增长对不透水面变化的影响提供了重要依据；道路数据涵盖了主要交通干线和城市道路的分布信息，有助于评估交通建设对不透水面扩张的贡献；而GDP数据则反映了安徽省各年份的经济发展水平，为探讨经济发展对不透水面变化的驱动作用提供了数据支持。通过整合这些多源数据，本研究能够全面分析安徽省不透水面的时空变化特征及其驱动因素。2.3研究方法2.3.1变化速率变化速率表征着不透水面面积变化的快慢程度,表示特定时期内不透水面变化的大小，见公式（1）。（1）（1）式(1)中:V表示变化速率,表示研究末期的不透水面面积大小,表示研究初期的不透水面面积大小,T表示研究的时间间隔。2.3.2变化强度指数变化强度指数是指在特定的研究时段和研究范围内,不透水面变化的面积占不透水面总面积的百分比,表征不透水面变化的程度和强弱情况。（2）式(2)中:R表示变化强度指数,表示研究末期不透水面面积大小,表示研究初期不透水面面积大小,T表示研究的时间间隔。本研究选取1990、2000、2010、2020和2022年安徽省不透水面数据，利用ArcGIS地图代数栅格计算器功能，通过数学运算分别算出1990-2000、2000-2010、2010-2020、2020-2022四个时期不透水面变化速率和变化强度指数，以此探究其长期演变特点。2.3.3转移矩阵转移矩阵是用来研究区域内不同类型的地物变化方向,不仅包含静态的面积信息还包含动态的转入转出信息REF_Ref29096\r\h[15]。本研究基于1990—2022年的中国土地利用动态数据分省数据集建立转移矩阵,该数据集中,1代表耕地,2代表森林,3代表灌木,4代表草地,5代表水域,6代表冰川,7代表裸地,8代表不透水面,9代表湿地。其中,安徽省的土地利用类型包括:耕地(1)、森林(2)、灌木(3)、草地(4)、水域(5)、裸地(7)、不透水面(8)。转移矩阵反映出安徽省土地利用动态的转入转出情况,转移矩阵是土地利用时空变化在数量上的表达。2.3.5地理探测器模型地理探测器REF_Ref19892\r\h[7](Geodetector)是一种用于分析空间分异规律和空间关联的模型，能够定量分析地理要素之间的空间关联性。地理探测器通过计算各因素的解释力（q值）和显著性水平（p值），量化不同因素对不透水面变化的贡献程度。其中，图3为计算解释力（q值）的基本原理图。本研究使用地理探测器模型，分析2022年安徽省人口密度、GDP和道路密度与不透水面变化的关联。具体包括：通过因子探测分析人口密度、GDP和道路密度对不透水面变化的解释力；通过地理探测器的空间关联分析，揭示人口密度、GDP和道路密度与不透水面变化的空间关联特征。图3地理探测器原理Figure3PrincipleofGeographicalDetector

3结果与分析3.1安徽省土地利用时空分布特征3.1.1土地利用类型分布1990-2022年安徽省土地利用类型主要包括耕地、森林、灌木、草地、水域、裸地和不透水面（图1）。其中耕地主要分布在安徽省的中部和北部地区，具体包括阜阳市、亳州市、宿州市、蚌埠市等，这些地区地势平坦，土壤肥沃，适合大规模农业生产。林地主要集中在安徽省的南部山区，以黄山、九华山等山脉为核心分布区域，这些山区植被丰富，森林覆盖率高，是重要的生态屏障。草地和灌木地在全省分布较为零散，主要出现在山区与平原的过渡地带。水域主要集中在淮河流域（如淮河干流及其支流颍河、涡河等）和长江流域（如长江干流及其支流青弋江、水阳江等），这些河流及其周边的湖泊湿地为安徽省提供了丰富的水资源和生态环境。图4安徽省土地利用时空分布图Figure4SpatialandTemporalDistributionMapofLandUseInAnhuiProvince3.1.2土地利用结构变化本研究构建1990至2022年安徽省土地覆被转移矩阵，以此深入剖析土地覆被类型的动态演变过程。作为重要的分析工具，转移矩阵能直观呈现各土地覆被类型在研究时段内的转入转出情况，为理解土地利用变化机制提供有效途径。转移矩阵分析结果表明，1990-2022年间耕地、森林、灌木、草地、水域和裸地向不透水面转化的面积分别达到7286.98km²、168.19km²、0.01km²、47.12km²、218.25km²和6.68km²。耕地转入不透水面的面积为7286.98km²，同一时期，不透水面自身扩张面积达7591.12km²，充分体现出其在研究期内的快速增长趋势。从其他土地利用类型来看，森林、灌木、草地、水域和裸地向不透水面的转化面积依次为4168.19km²、0.01km²、47.12km²、218.25km²和6.68km²。表2安徽省土地覆被转移矩阵单位：km²Table2LandCoverTransferMatrixinAnhuiProvince1990年2022年耕地森林灌木草地水域裸地不透水面总计耕地80622.382674.090.024.95987.840.257286.9891576.51森林2130.534285.672.115.9313.550.1168.1936606.05灌木0.524.741.231.64000.018.14草地83.6446.490.0531.869.710.3247.12219.19水域1579.820.160.010.105441.880.36218.257260.56裸地2.170.0100.035.830.126.6814.84不透水面50.290.1900.0185.570.055866.666002.77总计84469.337031.353.4244.526544.381.213593.89通过分析1990—2022年间安徽省土地利用变化总体情况，绘制成转移图土地利用弦图（图7）。其中耕地转入不透水面的面积最为突出，反映出城市扩张、基础设施建设等人类活动对耕地利用方式产生显著影响，导致大量耕地被转化为不透水面。而耕地、森林、灌木、草地、水域和裸地转入不透水面的面积则不太明显。尽管耕地是转化为不透水面的主要土地类型，但其他土地覆被类型也参与到这一转化过程中，且转化规模存在差异。这种土地覆被类型的转变可能与区域土地利用政策调整、经济发展需求变化以及自然环境演变等多种因素密切相关。通过对土地利用弦图的系统分析，能够全面掌握不同土地覆被类型之间的相互转化规律，从而为土地资源的合理规划和科学管理提供重要依据。图71990-2022年安徽省土地利用弦图Figure7ChordMapofLandUseTransferinAnhuiProvince（1990-2022）3.2安徽省不透水面时空变化特征3.2.1不透水面时空扩展趋势安徽省的不透水面1990-2022年时空扩展情况，总体上呈现出向北和向东扩展的趋势，尽管所占比例不大，但这种扩张特征十分明显，南部和西部地区的不透水面分布逐渐变得密集，分布密度也在不断增加。从局部来看，不透水面则是以城市为中心不断向外扩张的趋势来变化（图5）。图5安徽省不透水面变化情况示意图Figure5MapofImperviousSurfaceChangeinAnhuiProvince其中安徽省不透水面时空演变特征显示（图6），1990年主要集中于合肥、芜湖、蚌埠等中心城市，呈现点状分布特征。2000年核心城市不透水面逐渐连片发展，2010年后合肥都市圈、沿江城市带及皖北地区快速扩张形成多个增长极。2020年建成区呈现面状扩张态势，合肥滨湖新区和皖江示范区尤为显著。2022年不透水面向周边县域延伸，表明城镇化进入高质量发展新阶段。该演变过程体现了安徽省经济社会发展与国土空间规划的实施成效。图6安徽省不透水面时空分布图Figure6TemporalandSpatialDistributionMapofImperviousSurfaceinAnhuiProvince3.2.2不透水面数量特征分析从表1来看，1990年安徽不透水面2695.47km²，占全省土地1.82%；2000年扩至4360.62km²、占比2.94%；2010年达7018.56km²、占4.73%；2020年突破12777.16km²、占8.60%；2022年增至13263.08km²、占8.93%。32年面积净增10567.61km²、扩大近四倍。分城市看，滁州1990-2022年从933.20km²增至1507.49km²，蚌埠从562.70km²扩至934.14km²，合肥不透水面面积变化最大，从499.91km²增长到1434.88km²、32年增加934.97km²。表11990—2022年安徽省及主要地级市不透水面面积变化Table1ChangesofImperviousSurfaceAreainAnhuiProvinceandMajorPrefecture-levelCities（1990-2022）年份/年安徽省滁州市蚌埠市合肥市面积/km²比例/%面积/km²比例/%面积/km²比例/%面积/km²比例/%19902695.471.82933.20.07562.700.09499.910.0420004360.622.941131.790.08700.170.12782.630.0720107018.564.731238.510.09774.050.131071.100.09202012777.168.601481.890.11919.050.151388.520.12202213263.088.931507.490.11934.140.161434.880.12在变化速率方面，1990—2000年安徽省不透水面的变化速率为166.52km²/a，2000—2010年的不透水面变化速率为265.80km²/a，2010—2020年这一速率加快至575.86km²/a，2020—2022年则变为了242.96km²/a，显示出一个先持续加速后减慢的趋势，平均变化速率为330.24km²/a。就变化强度指数而言，1990—2000年间为6.18%，2000—2010年间为6.10%，2010—2020年间增加至8.20%，2020—2022年间为1.90%，总体上1990—2022年间安徽省不透水面的变化强度指数为12.25%，基本呈现出逐年上升的态势。图7不透水面变化速率和变化强度指数Figure7ChangeRateandChangeIntensityIndexofImperviousSurface3.2.3不透水面涨势分析安徽省不透水面的扩张过程伴随着显著的土地覆被类型转化。土地覆被变化是城镇化进程的重要表征，不透水面扩张直接反映了人类活动对自然地表的影响程度。表3的数据显示，1990—2000年间，安徽省其他土地覆被类型转入不透水面的总面积为2555.63km²，其中耕地、森林、灌木、草地、水域和裸地的转入面积分别为2412.75km²、16.72km²、0km²、0km²、120.50km²和5.66km²。2000—2010年间，转入不透水面的总面积为2092.3km²，其中耕地、森林、灌木、草地、水域和裸地的转入面积分别为1945.08km²、51.58km²、0、10km².10km²、79.40km²和6.14km²。2010—2020年间，转入不透水面的总面积为2924.01km²，其中耕地、森林、灌木、草地、水域和裸地的转入面积分别为2758.52km²、68.85km²、0km²、12.00km²、83.41km²和1.23km²。2020—2022年间，转入不透水面的总面积为369.43km²，其中耕地、森林、灌木、草地、水域和裸地的转入面积分别为338.99km²、2.27km²、0km²、0.22km²、27.86km²和0.09km²。1990—2022年间，安徽省其他土地覆被类型转为不透水面的总面积为7941.37km²，其中耕地、森林、灌木、草地、水域和裸地的转入面积分别为7455.34km²、139.42km²、0km²、22.32km²、311.17km²和13.12km²。综上所述，安徽省不透水面在2010—2020年间的扩张面积最为显著。表31990—2022年安徽省不透水面涨势图谱结构Table3AtlasStructureofImperviousSurfaceRisinginAnhuiProvince(1900-2022)时间/年单位耕地森林灌木草地水域裸地总计1990-2000面积/km²2412.7516.7200120.505.662555.63比例/%94.410.65004.720.221002000-2010面积/km²1945.0851.58010.1079.406.142092.3比例/%92.962.4700.483.790.301002010-2020面积/km²2758.5268.85012.0083.411.232924.01比例/%94.342.3500.412.850.051002020-2022面积/km²338.992.2700.2227.860.09369.43比例/%91.760.6200.067.540.021003.4不透水面扩展机制分析研究运用地理探测器技术，将1990-2022年安徽省不透水面增长数据与同期GDP、人口密度、道路密度等社会经济指标结合，通过计算q值和p值，定量分析各因素对不透水面扩张的影响程度，同时探究因素间相互作用关系，从而揭示社会经济因素驱动不透水面扩张的机理。地理探测器分析表明，各因素对不透水面扩张的影响程度差异明显。道路建设影响最大，解释力达68.03%，说明城市化过程中新建道路直接造成地表硬化，还带动道路沿线土地开发形成"以路促建"模式。经济发展水平（GDP）解释力23.9%居第二，体现经济增长因产业发展带来建设用地需求增加，进而推动城市空间扩展。相比之下人口密度解释力仅1.86%，这与安徽省人口分布不均有关，也因人口增长需通过经济发展等中间环节作用于土地利用，并且人口集聚对城市扩张的影响存在时间滞后。表4不同驱动因子对安徽省不透水面增长的贡献度Table4ContributionrateofdifferentdrivingfactorstothegrowthofimpervioussurfaceinAnhuiProvince驱动因子道路人口密度GDP贡献率（×100）68.031.8623.9对驱动安徽省不透水面扩张的因素进行交互作用分析，发现各因素间存在显著协同效应。道路建设与人口密度的交互作用Q值为0.689且p值小于0.05，说明二者对不透水面扩张的影响相对独立，彼此关联程度较低。经济发展水平（以GDP衡量）与人口密度交互作用Q值达到0.285且p值小于0.05，显示经济增长与人口集聚存在相互强化关系，二者共同作用显著加快不透水面扩张速度。而经济发展与道路建设的交互作用最为突出，Q值高达0.716且p值小于0.05，表明基础设施建设与经济发展高度关联，二者协同作用对不透水面扩张产生极强的放大效应，极大提升了地表硬化速度。表53种驱动因子对安徽省不透水面的交互作用Table5InteractionofThreeDrivingFactorsOnImperviousSurfaceinAnhuiProvince驱动因子组合交互作用（Q统计量）p值解释能力道路&人口密度0.6890.000非线性加强道路&GDP0.7160.000双线性加强人口密度&GDP0.2850.000双线性加强地理探测器研究证实经济发展、人口分布和道路建设是安徽省不透水面扩张主因且因素间关联紧密。经济提升带来产业发展，建设用地需求增大推动城市范围扩展；人口向城镇集中促使住宅和公共设施用地增加；道路新建不仅直接造成路面硬化，还带动周边区域开发建设。这些因素相互交织、彼此作用，共同促使不透水面面积不断扩大。研究结论揭示城市扩张复杂机理，为合理规划土地利用、科学制定城市发展政策提供重要依据，助力优化城市建设布局与资源配置。

4结论与展望本研究基于多源数据，采用空间分析方法，系统研究了安徽省近30年不透水面的时空演变特征。研究发现，经济发展与交通建设的共同作用是推动不透水面扩张的关键因素，而大量耕地被占用则反映出城镇化发展与生态保护之间的矛盾。这些研究结果对指导区域可持续发展具有重要参考价值。本文围绕近32年安徽省不透水面的扩展变化而展开，论文所做工作包含以下三个方面：（1）通过变化速率和变化强度指数，量化不透水面扩张的时空动态；（2）利用转移矩阵和转移图谱，解析土地覆被类型的转化路径与空间分布特征；（3）使用地理探测器模型，来研究人口密度、GDP和道路密度这三种社会经济因素对不透水面变化的解释力及交互作用。本文从不透水面变化的时空规律与驱动机制两方面入手来研究安徽省不透水面扩展变化，取得了一定的研究成果，其中主要创新点如下：（1）首次将地理探测器与转移图谱结合，从“驱动机制-空间路径”双维度解析不透水面变化，突破了传统研究仅关注单一维度的局限。现有文献中，地理探测器多用于因子贡献度分析，转移图谱则侧重空间可视化，两者的系统性结合鲜见报道；（2）以往不透水面研究多集中于短时段或单一阶段，本文则基于32年连续数据，划分1990—2022年不透水面扩张的为四个阶段（1990—2000年、2000—2010年、2010—2020年、2020—2022年），得出不透水面增速“先升后降”的独特规律。（3）在研究不透水面扩张原因时，运用地理探测器模型，第一次次定量测算出经济发展与交通建设之间的交互作用，得到交互效应值为q=0.285。以往的研究大部分是单独分析各个影响因素，本文改变这种独立的研究方式，通过具体的数据证明经济发展和交通建设共同作用会影响不透水面扩张。这一研究结果为不透水面扩张复杂原因提供了新的数据支撑，帮助我们更全面理解城市土地利用变化中各因素如何相互影响、共同作用。本论文使用地理探测器与转移矩阵结合的分析方法，系统揭示了安徽省不透水面扩展的时空规律与驱动机制，为安徽省区域可持续发展提供了科学依据。但本文仍存在不足之处，不透水面扩展的时空演变研究仍需深化，主要包括以下四个方面：（1）数据精度受限于遥感分类误差（总体80%），未来可以融合Sentinel-2等高分辨率影像优化局部精度；（2）驱动因素未涵盖政策调控（如生态红线）与自然条件（如降水），建议纳入多尺度政