三江平原城鄉聚落的空間格局特征分析

李 靜，張平宇，劉學偉

（1.中國科學院東北地理與農業生態研究所，吉林長春130102；2.黑龍江省國土資源勘測規劃院，黑龍江哈爾濱150090）

聚落，是人類活動的中心，廣義上是指人們居住、生活、休息和進行各種社會活動的場所，也是人們進行勞動生產的場所[1]。景觀格局及其變化是自然、社會和生物要素相互作用的結果，其中，人類活動是引起景觀結構、功能及其變化的主要因子，尤其是人類對自然景觀的干擾成為當前景觀生態學研究的熱點[2]。城鄉聚落作為人類干預自然環境最劇烈的地域，是土地利用的主要形式[3]。因此，聚落作為區域人地關系的核心，在當前我國農業產業化和城鎮化不斷加速的背景下，研究區域自然環境影響下的城鄉聚落分布格局，對區域城鎮規劃、新農村建設及可持續發展有重要意義，也可揭示人類活動與景觀形成和演化的機制，是探討景觀格局與人類生態過程相互關系的重要途徑[4-6]。

國外最早論述聚落地理問題的首推德國學者科爾（J.G.Kohl），他在出版的《人類的交通及居住與地形的關系》一書中論述了地球上聚落分布的狀況與土地的關系，并著重說明地形的差異對村落區位的意義。1974年，科爾又專門研究了城市的交通位置和職能，論述了城市的區位問題，使得后來研究聚落區位，自然條件對聚落形成發展的影響問題構成了聚落地理研究的中心[7]。國外聚落研究不斷成熟，研究視角和研究方法也日益多元化。隨著空間分析技術及GIS技術的發展，聚落空間及景觀研究越來越受重視。Marjanne Sevenant等應用GIS技術比較分析了兩個傳統鄉村聚落的空間格局、土地利用分區以及景觀可視性[8]。JillK.Clark等建立了一種多維空間斑塊指數，它可以根據土地景觀，斑塊的形狀，大小以及鄰接度等指數獲得遠郊聚落變化情況[9]。國外關于聚落生態、聚落空間、聚落景觀等的研究對中國聚落研究具有一定的借鑒作用，諸多學者主要注重對聚落的空間特征[10,11]，聚落空間演變及其影響因子[12,13]，聚落景觀分析[14,15]。國內聚落空間分布特征研究主要集中在鄉村聚落方面，而對區域中居民點（包括城市與農村兩類居民點）的分布研究相對較少[16]。實證分析的研究區域主要集中在北京、上海、廣州、南京等熱點地區[17-20]，有些學者對特殊地形（河谷、山區丘陵、盆地等)條件下的聚落格局變化、布局優化及其LUCC響應進行了分析。三江平原是我國低平原沼澤分布區，也是我國耕地規模最大的連片農墾區，我國第三大區際商品糧供應基地，對農墾區聚落系統特性和演變規律還沒有系統的研究。為適應黑龍江墾區剛剛興起的城鎮化實踐需求，優化墾區城鎮化空間結構，本研究綜合應用ArcGIS空間分析技術和景觀生態學方法，將聚落分布研究方法與景觀格局分析相結合，定量分析了三江平原地區聚落系統的空間格局特征，為本地區城鎮化發展建設提供科學參考。

1 研究區概況和數據源

1.1 研究區概況

三江平原位于中國的東北隅，黑龍江省東部（129°11′20″～135°05′10″E，43°49′55″～48°27′40″N），由黑龍江、烏蘇里江和松花江沖積而成的低平原。該區西南高東北低，地貌特征為廣闊的沖積低平原和河流形成的階地、以及河漫灘上廣泛發育著的沼澤和沼澤化草甸，為溫帶濕潤、半濕潤大陸性季風氣候，1月平均氣溫低于-18℃，7月平均氣溫21～22℃，年降水量500～650mm[21]。三江平原行政區域包括佳木斯市、鶴崗市、雙鴨山市、七臺河市和雞西市等所屬的21個縣（市）和哈爾濱市所屬的依蘭縣和牡丹江市所屬的穆棱市，總面積約10.89萬km2，其中農墾區土地面積3.54萬km2，耕地面積2.00萬km2，是我國耕地規模最大的連片農墾區，我國第三大區際商品糧供應基地。三江平原素以“北大荒”著稱，20世紀50年代大規模開墾以來，先后有14萬轉業官兵和45萬知識青年“屯懇戍邊”，建有許多大型國營農場，包括建三江、寶泉嶺、紅興隆和牡丹江4個管理局。墾區城鎮空間分布受屯墾戍邊政策體制、土地資源的開發、國營農場基礎和自然條件等因素的影響較大，形成了獨特的城鎮發展與分布特點。三江平原墾區54個農牧場遍布21個縣（市、區）內，形成了與地方在地域上既犬牙交錯、又相對獨立的格局。

1.2 數據源與技術路線

選用2010年Landsat TM影像，應用目視解譯法對11景TM數據進行目視解譯。數據從美國USGS(http://glovis.usgs.gov/)網站下載，以1∶1萬地形圖為標準，應用ENVI5.0軟件對遙感影像進行校正處理，保證校正精度在一個象元以內，得到北京54坐標系，高斯-克里格投影的校正后影像結果。由于本研究主要采用人工目視解譯法解譯居民點面積和位置，故未對遙感影像進行大氣校正和地形校正。建立解譯標志，以人機交互的方式逐幅影像解譯土地利用信息，為了減少工作量，只選取城市和農村居民點進行解譯。為了增加城鄉聚落與植被的區別，選用夏秋季節（6-9月份）遙感影像，采用5，4，3波段RGB假彩色波段合成。參照Google Earth軟件對難以辨別的居民點進行解譯以提高解譯精度。由于Google Earth軟件下可以較為清晰的看出居民點的位置和形狀，因此居民點的外圍界限決定了解譯的精度。對于有云層覆蓋的區域我們用相鄰影像進行替換。居民點解譯結果見圖1。

圖1 三江平原居民點空間分布

運用ArcGIS空間分析模塊（Spatial Analysis）中的Kernel密度工具，按照15 km獲取搜索半徑得到三江平原城鄉聚落的點格局Kernel密度分布情況，采用最鄰近距離指數，利用幾何點的平面統計方法研究城鄉聚落分布規律。通過Global Moran’sⅠ、LocalMoran’s I和 Getis-Ord Gi*指數，以空間關聯性測度為核心，揭示城鄉聚落規模之間的空間聯系及其相互作用機制。由于三江平原城鄉聚落規模小、數量多、分布零散、斑塊大小各異且復雜，難于用單一指標或方法表示其分布、大小及形狀特征，因此運用景觀生態學方法和GIS空間分析方法的有效結合，可以較好地描述居民點斑塊的用地、規模、形狀和分布狀況，進而更好地反映城鄉聚落的分布格局。

2 研究方法

2.1 Kernel密度分析

Kernel密度分析主要用于計算要素在其周圍鄰域中的密度，使用核函數根據要素計算每單位面積的量值以將各個要素擬合為光滑錐狀表面，可以直觀表達城鄉聚落分布在空間上的連續變化趨勢。Kernel分析方法主要是借助一個移動的單元格（相當于窗口）對點格局的密度進行估計，在Kernel密度估計方法的基礎上生成等值線密度圖，以此鑒別空間面域上的峰值區。Kernel密度估計是空間分析中運用最廣泛的非參估計技術，它具有表達直觀、概念簡潔和易于計算機實現的優點[22]。

2.2 最近鄰距離指數

最近鄰距離分析最早由Clark和Evans在1954年提出，其核心思想是將各點之間的最小距離與某種理論模式中的最近鄰點之間的距離相比較，進而得出點空間分布的某些特征。R統計量（標準最近鄰距離指數）為最常用的指標之一：

式中：ra為各點平均最近鄰距離，re為隨機分布條件下的平均最近鄰距離的期望值，di為第i點與其最近鄰點之間的距離，A為區域的面積，n為點的總數。R<1時，表明點趨于聚集分布，其值越小，則聚集程度越大；R=0時，表示空間點全部集中于一個位置；0

2.3 空間自相關

依據地理學理論，所有的事物都是相互聯系的，但距離越近的事物彼此的聯系就越強。空間自相關的根本出發點正是基于這點，指的是對象（或要素）的屬性值在空間上相關，或者說屬性值的相關性是由對象（或要素）的地理次序或地理位置造成的。空間自相關分為全局與局部，前者描述某種地理現象的整體空間分布狀態（聚集、分散或隨機），后者則計算每一個空間單元與鄰近單元就某一屬性的相關程度[25]。

2.3.1全局空間關聯 全局空間關聯分析（GlobalMoran’sⅠ）反映的是空間鄰接或鄰近的區域單元屬性值的相似程度。計算公式如下[26-27]：

式中：n為研究對象的個數；xi、xj分別為研究區域i和j的屬性值；x-為樣本中所有屬性值的均值；Wij是衡量空間事物之間關系的權重矩陣，常通過空間拓撲和距離方式來確定。Moran’s I指數的值域為[-1,1]，趨于1表明總體上空間正相關程度較高，性質相似的單元分布較為集中；趨于-1表明空間負相關程度較高，總體上鄰近單元間差異較大，高值與低值單元鄰近，性質相似單元趨于離散分布；Moran’s I值接近0則表明總體空間自相關程度較低，空間單元屬性值均接近0或平均值，或者總體上趨向于隨機分布的格局。I值的統計學意義一般采用顯著性檢驗公式Z-Score來進行檢驗：

式中：E(I)、var(I)分別為I值的期望和方差，本文基于正態分布檢驗假設，選取顯著性檢驗水平為5%，即臨界值為1.96，如果Z(I)的絕對值大于1.96，則說明變量存在顯著的空間自相關性。

2.3.2局部空間關聯 雖然全局空間自相關分析可揭示事物整體上的依賴程度，但卻忽略了可能存在的局部不平穩，需要引入局部空間自相關（LISA）方法揭示局部區域單元在相鄰空間的自相關性。利用LocalMoran’s I可以度量每個區域與周邊地區之間的空間差異程度，局部Moran’s Ii定義如下[28]：

式中：zi和zj是對觀測值i和鄰近地區j分別進行標準化的值，表示各區域考察變量與均值的偏差程度。

2.3.3熱點、冷點地區分析 Getis-Ord Gi*指數用于測定地理現象的熱點和冷點地區分析，可以進一步測度局部空間自相關的特征，用以識別不同區域的高值簇和低值簇，計算公式為[29,30]：

便于解釋和比較，對Gi*(d)進行標準化處理：

2.4 景觀格局指數

根據研究區的特點，選取斑塊總面積(CA)、斑塊面積百分比（PLAND）、總斑塊數(NP)、平均斑塊面積(AREA-MN)、面積加權平均斑塊分維數（FRAC-AM）和蔓延度（CONTAG）等景觀指數進行度量和分析。其中，PLAND是某一斑塊類型的總面積占整個景觀面積的百分比，用于度量景觀的組分，其值趨于0時，說明景觀中此斑塊類型變得十分稀少。面積加權平均分維數（FRAC_AM）可以理解為不規則幾何形狀的非整數維數，用來測度斑塊形狀的復雜程度。取值范圍：1≤FRAC_AM≤2，當FRAC_AM為1時，表示景觀斑塊的形狀為歐幾里德幾何形狀；當大于1時表示其形狀的復雜度提高。蔓延度（CONTAG）反映了不同斑塊類型的團聚程度或延展趨勢，取值范圍為0≤CONTAG≤100，其值為0時表示景觀中各斑塊類型最大程度上的分散，為100時表示最大程度上的積聚，值越大，斑塊類型的聚集程度越高[31-34]。

3 結果和分析

3.1 空間分布特征

三江平原城鄉聚落整體分布非常稀疏，平均密度只為0.06個/km2，最高值僅達到0.33個/km2。有研究表明江蘇省城鄉聚落的平均水平是4.98個/km2，蘇北地區的平均密度為3.97個/km2[26]。可見，三江平原城鄉聚落的密度水平與東部沿海地區差距懸殊。三江平原東南部的雞西市轄區，雞東縣，密山市為高密度分布地區，其中在雞東縣中部形成1個密度超過0.25個/km2的密集核心區。西部的佳木斯市市轄區，樺川縣和集賢縣形成次一級的城鄉聚落密集區，密度值均在0.2-0.25個/km2之間，城鄉聚落未表現出較明顯的帶狀和點狀集群的特征。東北部地區以及農墾區交錯分布的區域聚落分布密度較低，密度值多數低于0.06個/km2（圖2）。

圖2 三江平原城鄉聚落Kernel密度分布

采用平均最近鄰法計算得出三江平原城鄉聚落的最近鄰距離指數R值為0.714檢驗值高度顯著，表明三江平原城鄉聚落整體趨近于集聚分布。綏濱和友誼縣的最近鄰距離指數R值分別為1.09和1.11，略大于1，聚落趨近于均勻分布狀態。其余市縣最近鄰距離指數R值均小于1，聚落趨向集聚分布態勢，但集聚程度相對較低（圖3）。

圖3 三江平原城鄉聚落最近鄰距離指數

3.2 規模分布特征

應用10×10 km2方格網為基本單元，計算每個方格網內城鄉聚落的面積，這樣既保持了城鄉聚落在空間上的連續性，又可以避免由于輸入象元太小所帶來的噪聲問題。利用該數據，首先計算三江平原城鄉聚落規模的全局空間關聯指數Moran’s I指數，城鄉聚落斑塊面積的GlobalMoran’s I指數為正（0.296），且檢驗結果也較為顯著，這表明三江平原地區城鄉聚落的規模分布存在空間集聚特征，但是空間自相關程度較低。根據公式（4），利用ArcGIS軟件計算三江平原各城鄉聚落規模的LISA值，在z檢驗的基礎上（P＜0.05），繪制出三江平原城鄉聚落規模分布的LISA集聚圖（圖4）。研究區的空間關聯類型以正相關為主，“高-高”類型單元為78個，占89.66%，主要分布在佳木斯市轄區、集賢縣、雙鴨山市轄區、友誼縣一帶、樺南縣中部、七臺河市轄區南部以及雞西市轄區、雞東縣與密山市一帶。這些地區城鄉聚落規模集聚性較強，與周邊城鄉聚落聯系較為緊密，輻射帶動作用較大。

圖4 三江平原城鄉聚落規模LISA集聚狀況

計算研究區城鄉聚落規模局部空間關聯指數Getis-Ord，并利用ArcGIS軟件將其空間化，根據顯著性P值與局部統計量從高到低分成7類，生成三江平原城鄉聚落系統規模空間分布熱點區域圖（圖5）。三江平原城鄉聚落規模分布存在明顯的空間分異，呈現“南高北低”的空間分布格局。從整體上看，研究區城鄉聚落規模熱點顯著區多分布于綏濱縣與富錦市交界處、佳木斯市轄區、雙鴨山市轄區、集賢縣、樺南縣中南部、七臺河市轄區南部、勃利縣南部以及雞西市轄區、雞東縣和密山市一帶。而三江平原東北部的同江市、撫遠縣和饒河縣尤其是墾區交錯分布的區域大多處于低值簇區。

圖5 三江平原城鄉聚落規模熱點區

3.3 景觀格局特征

將從ArcGIS10.0軟件中導出的柵格數據加載到景觀分析軟件Fragstats3.4中，逐一計算每個縣市的景觀格局指標。三江平原地區城鄉聚落斑塊面積百分比較低，分布在0.27%-6.52%之間，景觀要素類型以耕地為主，城鄉發展較緩慢。各個區縣城鄉聚落規模介于1677-17749 hm2之間，其中密山市、寶清縣和富錦市城鄉聚落斑塊總面積最大，撫遠縣斑塊總面積最小，只有1677 hm2。總體看來，三江平原城鄉聚落斑塊個數呈現出明顯的分異特征，其中斑塊數量最多的分布在密山市（634個）和富錦市（527個），而依蘭縣、樺南縣、雞東縣和寶清縣的城鄉聚落數量較多，在290-475個之間變化，其中斑塊數量最少的分布在撫遠縣（58個）。這表明密山市和富錦市的城鄉聚落斑塊小而密集，撫遠縣、饒河縣等地區的城鄉聚落相對而言斑塊大而稀疏。平均斑塊面積則更明顯地表征了聚落的規模，平均斑塊面積越大，說明居民點的平均規模越大。平均規模最大的城鄉聚落主要集中在鶴崗市轄區、七臺河市轄區、佳木斯市轄區和雙鴨山市轄區，在41.55-95.52 hm2之間變化，而多數城鄉聚落平均規模較小。三江平原城鄉聚落面積加權平均斑塊分維數變化幅度比較緩和，在1.04-1.16之間變化，略大于1，城鄉居民點形狀較規則，破碎度較低。地級市七臺河市轄區、鶴崗市轄區、佳木斯市轄區和雙鴨山市轄區聚落面積加權平均斑塊分維數較高，相對于其他縣（市），這些地區聚落形狀較不規則。CONTAG具有明顯的空間特征信息，可以較好地反映三江平原城鄉聚落斑塊類型的團聚程度和延展趨勢。三江平原城鄉聚落蔓延度指數較小，分布在0.51-0.66之間，斑塊面積小，離散程度較高。

4 結論和討論

4.1 結論

聚落是地理學研究的核心，本文把三江平原作為一個整體的經濟地域系統，綜合應用ArcGIS空間分析技術和景觀生態學方法，定量分析了研究區城鄉聚落的空間分布、規模分布和景觀格局特征，得出以下結論：

（1）三江平原城鄉聚落整體分布稀疏，平均密度只為0.06個/km2，最高值僅達到0.33個/km2。東南部和西部地區聚落分布相對較集中，尤其是雞西市轄區、雞東縣和密山市一帶。東北部地區以及墾區交錯分布的區域城鄉聚落分布密度較低，密度值多數低于0.06個/km2。研究區域最近鄰距離指數為0.714，聚落整體趨近于集聚分布，但集聚程度相對較低。

（2）三江平原城鄉聚落斑塊面積的GlobalMoran’s I指數為正（0.296），聚落的規模分布存在空間集聚特征，但是空間自相關程度較低。研究區的空間關聯類型以正相關為主，“高-高”類型單元為78個，占89.66%，聚落規模分布呈現“南高北低”的空間分異格局。

（3）三江平原地區城鄉聚落斑塊面積百分比較低，景觀要素類型以耕地為主，城鄉發展較緩慢。聚落斑塊個數呈現出明顯的分異特征，多數城鄉聚落平均規模較小，離散程度較高，斑塊形狀較規則，破碎度較低。

4.2 討論

墾區城鎮形成過程有別于地方上的一般城鎮，是隨著國營農場經濟的發展在其場部逐漸形成和發展的一種特殊的聚落形態。墾區小城鎮數量多，規模小，布局分散，不利于區域經濟的發展和合理城鎮體系的形成，規劃建設上各自為政。墾區城鄉聚落分布稀疏，這種空間布局形式和大分散的分布特征使得墾區無法達到最低的人口規模，難以發揮集聚功能，造成了土地等資源和基礎設施建設的浪費。從城鎮空間體系結構來看，墾區中心城鎮與農場小城鎮之間的距離較遠，使城鎮體系的地域空間分布相對比較零散，因此要實施城鎮空間集中化發展戰略，調整連隊布局和結構，逐步將周圍的連隊居民點向中心城鎮集中，偏遠連隊向中心連隊居民點集中。黑龍江墾區已經實施了“撤并生產隊，建設管理區，發展小城鎮”工作，近5年累計整體搬遷居民點1905個。整體搬遷居民點的順利進行，有利于農業的規模經營、集約經營，促進城鎮產業要素聚集，有利于城鄉一體化統籌發展。十八大報告強調要優化國土空間開發格局，構建科學合理的城市化格局、農業發展格局和生態安全格局。隨著墾區經濟社會發展水平的提高，工業化和城鎮化成為墾區發展的必然趨勢，結合墾區經濟和社會發展的特殊性，提出空間優化思路和對策，是當前我國農墾區發展的迫切要求。

[1]曾早早，方修琦，葉瑜.吉林省近300年來聚落格局演變[J].地理科學，2011，31（1）：87-94.

[2]李紅波，張小林，吳江國，等.欠發達地區聚落景觀空間分布特征及其影響因子分析——以安徽省宿州地區為例[J].地理科學，2012，32（6）：711-716.

[3]蔣雪中，楊山，沈婕，等.云南漾弓江流域城鄉聚落形態信息提取與分形分析[J].遙感學報，2002，6（4）：294-298.

[4]張霞，魏朝富，倪九派，等.重慶市低山丘陵區農村居民點分布格局及其影響因素[J].中國農業資源與區劃，2012，33（3）：45-57.

[5]周曉芳,周永章,歐陽軍.喀斯特高原盆地聚落空間演變——以貴州省紅楓湖水系盆地為例[J].地域研究與開發,2012,31（3）:145-150.

[6]角媛梅，肖篤寧，馬明國.綠洲景觀中居民地空間分布特征及其影響因子分析——以安徽省宿州地區為例[J].生態學報，2003，13(10)：2093-2100.

[7]張文奎.人文地理學概論[M].長春：東北師范大學出版社，1987：208-280.

[8]Marjanne S,Marc A.Settlementmodels,land use and visibility in rural landscapes:two casestudies in Greece[J].Landscapeand Urban Planning,2007,80(4):362-374.

[9]Clark JK,Ronald M,Darla M K,et al.Spatial characteristics of exurban settlement pattern in the United States[J].Landscape and Urban Planning,2009,90(3-4):178-188.

[10]王傳勝，孫貴艷，孫威，等.云南昭通市坡地聚落空間特征及其成因機制研究[J].自然資源學報，2011，26（2）：237-246.

[11]馬利邦，郭曉東，張啟媛.甘谷縣鄉村聚落時空布局特征及格局優化[J].農業工程學報，2012，28（13）：217-225.

[12]韓茂莉，張暐偉.20世紀上半葉西遼河流域巴林左旗聚落空間演變特征分析[J].地理科學，2009，29（1）：71-77.

[13]張東升，柴寶貴，丁愛芳，等.黃河三角洲城鎮空間格局的發展歷程及驅動力分析[J].經濟地理，2012，32（8）：50-56.

[14]申秀英，劉沛林，鄧運員，等.中國南方傳統聚落景觀區劃及其利用價值[J].地理研究，2006，25（3）：485-494.

[15]劉沛林，劉春臘，鄧運員，等.中國傳統聚落景觀區劃及景觀基因識別要素研究[J].地理學報，2010，65（12）：1496-1506.

[16]閆慶武，卞正富.基于GIS-SDA的居民點空間分布研究[J].地理與地理信息科學，2008，24（3）：57-61.

[17]姜廣輝，張鳳榮，秦靜，等.北京山區農村居民點分布變化及其與環境的關系[J].農業工程學報，2006，22（11）：85-92.

[18]宋志軍，關小克，朱戰強.北京農村居民點的空間分形特征及復雜性[J].地理科學，2013，33（1）：52-60.

[19]胡偉平，何建邦.廣州-佛山都市區城鄉聚落時空演變[J].地球信息科學，2002，1（1）：35-40.

[20]陳興雷，郭忠興，劉小紅，等.大城市邊緣區農村居民點用地空間布局優化研究——對上海南匯地區的考察[J].地域研究與開發，2011，30（3）：117-122.

[21]宋開山，劉殿偉，王宗明，等.1954年以來三江平原土地利用變化及驅動力[J].地理學報，2008，63（1）：93-104.

[22]顧朝林，龐海峰.建國以來國家城市化空間過程研究[J].地理科學，2009，29（2）：10-14.

[23]管馳明.50多年來中國空港布局演變及其影響因素——基于空間分析和數理統計的方法 [J].經濟地理，2008，28（3）：445-474.

[24]李震，顧朝林，姚士謀.當代中國城鎮體系地域空間結構類型定量研究[J].地理科學，2006，26（5）：544-550.

[25]陳江平，張瑤，余遠劍.空間自相關的可塑性面積單元問題效應[J].地理學報，2011，66（12）：1597-1606.

[26]李全林，馬曉冬，沈一.蘇北地區鄉村聚落的空間格局[J].地理研究，2012，31（1）：144-154.

[27]楊振山，蔡建明.空間統計學進展及其在經濟地理研究中的應用[J].地理科學進展，2010，29（6）：757-768.

[28]蔡芳芳，濮勵杰，張健，等.基于ESDA的江蘇省縣域經濟發展空間模式解析[J].經濟地理，2012，32（3）：22-28.

[29]關偉，朱海飛.基于ESDA的遼寧省縣際經濟差異時空分析[J].地理研究，2011，30（11）：2008-2016.

[30]陳培陽，朱喜鋼.基于不同尺度的中國區域經濟差異[J].地理學報，2012，67（8）：1085-1097.

[31]游麗平，林廣發，楊陳照，等.景觀指數的空間尺度效應分析——以廈門島土地利用格局為例[J].地球信息科學，2008，10（1）：74-79.

[32]高艷，畢如田，曹毅.空間粒度變化及土地利用分類對景觀指數的影響——以山西省聞喜縣為例[J].中國生態農業學報，2010，18（5）：1076-1080.

[33]于淼，邊振興，李建東.RS與GIS支持下的桓仁縣農村居民點景觀格局與空間分布特征分析[J].西南師范大學學報（自然科學版），2009，34（4）：106-114.

[34]李明杰，錢樂祥，吳志峰，等.廣州市海珠區高密度城區擴展SLEUTH模型模擬[J].地理學報，2010，65（10）：1163-1172.