基于生態位理論的多模型秦嶺山區建設用地適宜性評價
——以商洛市商州區為例

張 海 龍,郭 彥 龍,高 蓓

(1.商洛學院城鄉規劃與建筑工程學院，陜西 商洛 726000；2.中國科學院寒區旱區環境與工程研究所,甘肅 蘭州 730000；3.陜西省農業遙感信息中心，陜西 西安 710015)

基于生態位理論的多模型秦嶺山區建設用地適宜性評價
——以商洛市商州區為例

張 海 龍1,郭 彥 龍2,高 蓓3

(1.商洛學院城鄉規劃與建筑工程學院，陜西 商洛 726000；2.中國科學院寒區旱區環境與工程研究所,甘肅 蘭州 730000；3.陜西省農業遙感信息中心，陜西 西安 710015)

借助生態位理論，利用地形條件、生產條件、生活條件以及生態條件等17個適宜性評價因子構建秦嶺局部山區建設用地適宜性評價指標體系，采用廣義相加模型(GAM)、人工神經元網絡(ANN)、隨機森林模型(RF)以及最大熵模型(MaxEnt)，分別對商洛市商州區建設用地適宜性進行評價，最后以AUC值(ROC曲線下面積) 為權重集成4個模型的模擬結果，定量評價商州區建設用地適宜性。結果表明：商州區最適宜建設用地面積為118.32 km2，占研究區總面積的2.47%，說明該區適宜建設用地開發的土地相對較少；低適宜建設用地面積為297.73 km2，占研究區總面積的7.26 %，可以適度進行開發。生態位模型為秦嶺山區建設用地適宜性評價提供了新的方法與途徑，也可為當前區域建設用地優化布局提供理論基礎。

建設用地；生態位理論；集成模型；秦嶺山區

0 引言

生態位是指目標種群在其生存的生態系統中的位置，具體是指其與環境以及其他相關種群之間的功能關系與相互作用[1-3]。由于其實用性和可操作性，生態位理論在學界得到了長足的發展，目前其應用逐漸由生態學領域擴展到城市、旅游、企業發展等領域[4-6]。近年來，越來越多的學者將生態位理論用于土地資源利用研究中，一般將土地利用方式比作物種生態位，而土地利用方式適宜性評價目的就是尋找最適宜生物生存的空間位置[7,8]。本文將秦嶺山區建設用地對自然條件以及社會經濟條件的需求所構成的n維資源空間稱為建設用地資源需求生態位;建設用地的現實自然條件以及社會經濟條件也構成對應的資源空間，稱為現實資源生態位[9]。現實生態位與需求生態位的耦合關系，表達了現實建設用地條件滿足其需求條件的程度，在本文中稱之為建設用地生態位適宜度[10]。

秦嶺山區是我國南北地理與氣候分界線[11]，該區面積廣闊，地形地貌復雜，氣候條件多變，生態敏感而脆弱，同時該區也是生物多樣性熱點地區之一[11-13]。近年來隨著經濟的發展，旅游開發和城鎮化建設在一定程度上影響了當地自然的生態過程，使野生物種生境日趨破碎化，種群數量下降。相對地形平緩的平原城鎮，秦嶺山區建設用地條件特殊，受自然地理條件的制約較大，生態環境脆弱，資源承載能力有限[4]。因此對秦嶺山區建設用地進行適宜性評價，對科學指導該區建設用地選擇和布局以及協調經濟社會發展與生態環境保護之間的關系起著重要作用。

目前國內關于山地建設用地分布研究主要采用傳統的相關分析、景觀分析以及GIS空間分析等方法[7,10,14]。秦天天等借助生態位理論，利用專家打分法確定評價指標權重，對山地農村居民點進行適宜性評價研究[7]；齊增湘等利用遙感和地理信息技術，從自然環境條件、生態限制條件、社會經濟條件三方面構建秦嶺山區聚落用地適宜性評價指標體系，采用人為定義因子分級標準，并采用層次分析法(AHP)確定各因子權重值[10]，綜合評價了秦嶺山區聚落用地適宜性；楊子生將山區城鎮建設用地適宜性評價因子分為特殊因子和一般因子兩類，采用德爾菲法確定因子權重，并結合“極限條件法”與“適宜性指數法”構建新評價方法，對傳統的單一的綜合指數法有一定的改進[14]。以上研究為本文提供了一定的理論基礎，但其人為因素影響較大，在一定程度上降低了評價結果的客觀性。本文以商洛市商州區為例，基于生態位理論，利用非線性回歸模型——廣義相加模型(Generalized Additive Model,GAM)以及3個機器學習模型——人工神經元網絡(Artificial Neural Networks,ANN)、隨機森林模型(Random Forest,RF)、最大熵模型(MaxEnt)分別對商洛市商州區建設用地適宜性進行評價，最后以曲線下面積(Receiver Operating Characteristic Curve,ROC)為權重集成4個模型的模擬結果，對商州區建設用地適宜性進行評價研究。本研究構建的建設用地適宜性評價模型利用數據驅動，能夠最大限度體現研究區建設用地數值特征，避免主觀因素對評價結果的影響。本文的研究結果可以為秦嶺地區合理利用土地資源、保護耕地、制定村莊發展建設規劃提供參考，為實現區域生態環境的協調和可持續發展提供理論依據。

1 研究區概況與數據來源

商洛市商州區位于秦嶺東段南側腹地，陜西省東南部，是秦嶺山區人口、資源、環境矛盾相對集中的地區之一，其地理坐標介于北緯33°38′～34°12′、東經109°30′～110°14′之間。區內地貌類型復雜，山地、丘陵、河谷、平原等地貌類型齊全，自然景觀和人文景觀匯集，經濟的快速發展與生態環境保護之間的矛盾不斷激化，嚴重影響了該區的可持續發展。商州區轄30個鄉鎮辦事處，2013年研究區總人口55.39萬人，土地總面積為2 644.36 km2，建設用地面積為82.79 km2占土地總面積的3.13%。目前，商州區是陜西省重點生態保護區和南水北調重要水源涵養基地，該區大部分地區屬于限制開發區，經濟條件較差，生態基礎較好，環境保護意義重大。

本文的研究數據來源于：1)2013年商州區土地利用變更調查數據。該數據依照國土資源部2007 年頒布的《第二次全國土地調查技術規程》(TD/T1014—2007)，將全國土地根據其利用現狀進行分類。本研究采用權威土地利用現狀數據，可以減少以遙感數據作為數據源解譯的人為誤差，同時也保證了數據的各類土地利用圖斑的空間位置以及圖斑面積的精度[15]。2)商州區90 m分辨率的 DEM(數字高程模型)和坡度(SLOPE)、坡位指數(Topographic Position Index，TPI)數據以及30 m分辨率TM數據，來源于地理空間數據云(http://www.gscloud.cn/)。3)商州區土地利用總體規劃圖(2005—2020)、2013年商州區統計年鑒及社會經濟統計資料來源于商州區各相關部門。

2 研究方法

建設用地適宜性評價是科學管理建設用地的基礎。本研究評價步驟為:建立評價指標體系，測算各指標實際值，構建商州區建設用地資源現實生態位。隨機選擇多個現有建設用地中符合要求的點位作為I類采樣點(存在點)，同時隨機選擇多個非建設用地的點位作為II類采樣點(不存在點)；利用ArcGIS等軟件獲取每一個采樣點所有評價因子信息，利用不同生態位模型分別總結研究區域建設用地在其生態位中的統計特征，構建評價模型，得到區域條件下建設用地的N維空間集合體;最后在整個研究區應用評價結果，評價其建設用地適宜性。

2.1 建設用地分布點位數據獲取

本文將整個研究區劃分為106 020個200 m*200 m的網格，選擇現有建設用地斑塊面積大于40 000 m2的區域作為采樣點，共獲得323個I類采樣，隨機選擇其中150個采樣點進行建模，同時在非建設用地區隨機選擇300個II類采樣點進行建模。

2.2 評價指標體系構建

根據相關研究以及本區建設用地特點，遵循方便性、經濟性、永續性及可操作性等原則，參考專家意見，從影響該區建設用地的地形條件、生態條件、生產條件和生活條件中選取具有代表性的16個指標，確立商州區建設用地適宜性評價指標體系[7,10,14,16]。根據商州區建設用地自然條件選取海拔、坡度、坡向、坡位指數作為地形條件的評價指標；生產條件選取到河流的距離、工商業用地可達性、500 0m范圍內農用地面積(耕地、園地)以及人均純收入排名作為評價指標；選取到中心城市的距離、到鎮級服務中心的距離、已建成居民點密度、已建成居民點面積、到省道和國道距離、到縣道距離以及道路通達性作為生活條件評價指標；選取植被歸一化指數(NDVI)、地質災害以及生態保護區和南水北調重要水源涵養基地作為生態條件的評價指標(表1)。

2.3 評價指標體系測算

本研究中X1(海拔)、X2(坡度)、X3(坡向)以及X4(坡位指數)4個地形條件利用 DEM 分析得到；X5(到河流的距離)、X9(到中心城市的距離)、X10(到鎮級服務中心距離)、X13(到省道和國道距離)等距離相關因子采用歐式距離量測每一單元到最近要素的距離，生成200 m*200 m的距離柵格圖層；根據文獻[17]以及《商州區統籌城鄉發展規劃》等數據繪制得到X16(地質災害)；利用網格分析法分別以500 m*500 m為網格單位與農用地(耕地和林地)圖斑做疊置分析，統計各個網格內的聚落面積值，然后將該數據與200 m*200 m網格疊置分析，統計屬性賦予對應網格，生成X7(500 m范圍內農用地面積);同理以200 m*200 m為網格單位與建設用地圖斑做疊置分析生成X12(已建成居民點面積)，以商州區建設用地數據為基礎，采用密度制圖得到200 m*200 m研究區建設用地密度柵格圖層；從2013年商州區土地利用變更調查數據提取商州區主要道路數據，采用《城鎮土地定級規程》定義的通達度模型，由式(1)計算商州區2013年道路通達度。

表1 建設用地適宜性評價指標與商州區現狀值

Y3=[100-100(1-ri)]/100

(1)

式中：Y3為道路通達度，ri為道路相對影響半徑,ri=d/di(di為緩沖距離，d為影響距離,d=g/2l)，g為商州區總面積，l為商州區主干道路總長。

鄉鎮人均純收入數據采用2013年商州區鄉鎮人均純收入排名數據，植被歸一化指數(NDVI)利用研究區TM衛星影像獲取，生態保護區和南水北調重要水源涵養基地來自于商州區土地利用總體規劃圖，以上數據處理后均轉換為200m*200m的柵格數據。

2.4 空間分布模型

2.4.1 廣義相加模型(GAM) 廣義相加模型是廣義線性模型的半參數擴展[18]，其特點是不強行改變數據的自然度量,數據可以具有非線性和非恒定方差結構，通常適用于數據非線性分布的模型擬合。在本研究中單個因子對于建設用地適宜性的響應曲線由數據分布決定，不指定統一的參數模型。本文通過平滑方法(smoother) 繪制變量響應曲線，為每個變量繪制一條平滑曲線，并將結果相加。GAM模型是基于數據的模型(data-driven),而不是基于模型本身(notmodel-driven),數據決定著響應變量和預測因子之間的關系，而不是假設的響應變量與預測因子間的某種參數關系[19]。本研究中依靠參與建模的采樣點位置獲取相應的評價指標值，構成17個數據序列，依據數據特征，探索評價指標與現有建設用地分布的非線性關系，以此作為訓練，進一步計算整個研究區適宜建設用地的分布。從統計上講GAM不同于本文中其他模型，它可以顯式地表達評價指標與現有建設用地分布的非線性關系。

2.4.2 人工神經元網絡(ANN) 本研究在R編程環境下利用BIOMOD軟件包進行前饋神經網絡(一種輸入信號向前傳播無反饋的神經網絡)的相應計算。本文利用連續單層感應器，構建的前饋神經網絡包含輸入層、隱藏層(中間層)和輸出層，每一層都有若干個節點，前一層和后一層之間靠權值連接。本文主要學習過程為信號的正向傳播和誤差的反向傳播[20]，采用Sigmoid函數作為傳遞函數。本文BP算法中常用的參數設置如下：通過對學習率η、動量因子α的取值進行運算，確定本文神經網絡模型的參數為：η=0.7，α=0.9；通過實驗不同初始權、閾值的賦值范圍對網絡收斂速度的影響，在考慮運算成本以及精度的前提下，確定模型的初始權和閾值的隨機賦值范圍為-0.5～0.5。參照相關研究，本文確定誤差界值Emin為0.0001[21]。本研究中通過訓練數據的輸入，構建研究區建設用地適宜性評價網絡，該網絡中I類采樣與II類采樣點對應的建設用地適宜性值分別為1和0，通過網絡的自學習以及不同網絡節點的權重調整以達到最優擬合。人工神經網絡是經典的機器學習模型，其預測結果精確，但計算量很大。

2.4.3 隨機森林模型(RF)RF本質上是一個分類算法，決策樹是隨機森林模型的基礎分類器，由一個獨立同分布的隨機向量決定其組成。研究采用Breiman的隨機森林代碼(Fortran),其基本思想是利用Bagging(Bootstrapaggregation，自助聚集)及其原理隨機生成大量的分類樹參與運算[22]。在本文中評價指標是解釋變量，建設用地適宜性是被解釋變量。在模型運算過程中每次隨機從17個評價指標和450個采樣點數據中抽取含9個變量以及不小于200個采樣點數據作為單個決策樹的訓練集。綜合評估所有單個決策樹結果，取評分最高的分類樹作為最后結果。RF是目前應用廣泛的機器學習方法，模型在運算量沒有顯著增大的前提下提高了預測精度。RF對多線性不敏感，預測結果對缺失數據和非平衡的數據比較穩健。

2.4.4 最大熵模型(MaxEnt) 最大熵模型是目前應用最為廣泛的基于生態位理論的物種分布模型[23],其基本思想是根據不完全的信息進行統計推斷，即根據樣本信息對其他未知分布進行最優估計，使其滿足樣本的統計規則和限制條件，并使該分布滿足最大熵的條件。最大熵估計以研究區域不同位置目標事物的概率分布描述事物的真實分布，因此，對于研究區所在空間上每一個位置均對應一個非負概率，最后以事物分布點的背景數據作為限制因子對概率分布進行建模[24]。本研究中只采用I類采樣點進行建模，依據有限的適宜建設用地采樣點分布信息推斷研究區適宜建設用地概率分布。本文采用MaxEnt3.3.3版本，選取75%的分布點作為訓練集(trainingdata)，25%的分布點作為驗證集(testingdata)。相較其他3種模型，最大熵模型在實現上最為復雜，其優勢在于可以將不完整的知識轉化成簡潔且準確的模型。

2.5 模型評價

本研究采用ROC(ReceiverOperatingCharacteristicCurve,受試者工作特征曲線)評價預測模型的精度。ROC曲線基于非閾值依賴判斷(threshold-independentevaluation)模型精度,即以預測結果的每一個值作為可能的判斷閾值,由此計算得到相應的靈敏度和特異度。然后以1-特異度(即假陽性率)和靈敏度(即真陽性率)分別為橫、縱坐標繪制ROC曲線[25]，ROC曲線與橫坐標圍成的封閉幾何圖形的面積值即為AUC(theAreaundertheROCCurve)值，AUC值的大小表征著模型的準確性，值越大說明模型準確性越高，取值范圍為[0,1]。

2.6 模型綜合

為了更加科學準確地評價商州區建設用地適宜性，本研究綜合考慮參與建模的4種生態位模型的精度和穩定性，結合各模型的優點，采用加權平均方法對參與建模的4種生態位模型進行綜合。各模型權重由其AUC值歸一化確定。計算公式為：

(2)

式中：wj為第j個模型的權重，rj為第j個模型的AUC值，h為模型個數，在本文中取4。

研究區建設用地適宜性綜合評價模型計算公式如下[12,13]：

(3)

式中：yi是第i個柵格的建設用地適宜性綜合評價指數，wj為第j個模型的權重，xij為第j個模型中的第i個柵格的數值。yi的取值范圍為[0,1]，yi越接近1，表明該柵格單元代表的地理空間范圍越適宜規劃為建設用地。

3 結果分析

3.1 不同模型預測結果的精度比較

本文中4種模型各自的AUC值均顯著大于0.5且接近于1，表明這4種生態位模型對商州區建設用地的評價結果都可以接受，將研究區實際建設用地與模型結果做相關性分析(表2)，二者相關性較高，說明模型預測是成功的。4種模型中MaxEnt模型的AUC值最大，說明該模型的預測能力最強，但是綜合模型的AUC值比任何單一模型都大，且綜合模型結果與實際建設用地的結果相關性更強，因此綜合模型的結果更為科學、準確。

表2 模型AUC值、權重以及與實際建設用地相關性Table 2 The AUC value,weight of the model and correlation with the actual construction land

3.2 評價變量的重要性

根據不同模型的內置算法程序，分別計算了各個評價變量在模型計算過程中的重要性(表3)。綜合看4個模型中評價變量的重要性并不相同，但是地形因子(海拔、坡度、坡位指數)在各個模型中均占較大權重。其次是生活條件因子，其中到鎮級服務中心距離以及到省道、國道的距離權重普遍較高。研究結果表明，地形以及交通因子是研究區建設用地分布的主要限制條件。

3.3 商州區建設用地適宜性空間格局

本研究中的4種生態位模型對商州區建設用地適宜性評價結果為連續的柵格表面，加權平均后得到的綜合模型結果也是連續的柵格表面，其值為 0.03～0.96。按照建設用地適宜性綜合評價值從低到高，采用Natural Breaks分級方法將綜合模型的結果劃分為不適宜建設用地、一般適宜建設用地和高適宜建設用地3類。Natural Breaks[12,13,25]方法基于聚類分析，能較好保持數據統計特性[23]。分級后用地適宜性綜合評價指數低于0.328的區域為禁止建設用地，同時在土地利用現狀圖中提取河流、水庫等不適宜建設的區域，也歸并為禁止建設用地。適宜指數介于0.328～0.764的地區為一般適宜建設用地，高適宜建設用地的適宜指數等于或大于0.764。同時計算綜合模型中各適宜等級的分布面積，得出商州區不同等級建設用地適宜性潛在分布結果(表4)。為便于比較，本文按照相同標準將GAM、ANN、RF及MaxEnt模型結果進行分類，利用ArcGIS 9.3空間分析模塊將上述5種模型分級后的結果與研究區行政區域圖疊加顯示,如圖1、圖2所示。

表3 商州區建設用地適宜性評價因子重要性

表4 建設用地適宜性評價綜合分析

圖1 基于4種生態位模型的商州區建設用地適宜性分級結果

圖2 基于綜合模型的商州區建設用地適宜性分級結果

結果表明，由于自然條件的制約，商州區最適宜建設用地較少，只占其面積的 2.47%，主要分布于丹江及其主要支流兩岸，包括陳塬以東至孝義，以及楊峪河、大荊、腰市、李廟等地的川道和兩側坡塬。該地區地勢平坦，交通便捷，自然地理條件優越，同時也是商洛市市區所在地，基礎服務設施齊全，人口密集，經濟水平較高，是未來商州區建設用地的主要發展方向。一般適宜建設用地面積相對較大，為297.73 km2，主要分布于適宜建設用地周邊低山區，同時在研究區北部的腰市鎮、大荊鎮、李廟鄉以及西荊鄉也有一定分布，這些地區地形較為平坦，離水源地較近，離較大的鄉鎮服務中心距離適中，基礎服務設施完善，交通便利，生活和生產條件相對優越，建設用地具有一定的發展潛力。

商州地貌是東秦嶺山地地貌的組成部分，是一個結構復雜的以中、低山體為主的土石山區，境內地貌復雜、山系縱橫，主要山系有位于研究區西北的秦嶺主脈，研究區北部的蟒嶺，南部的流嶺，以及研究區中部的熊耳，構成了北、西、南三面高聳，向丹江河谷傾斜的趨勢，因此不適宜建設用地占研究區總面積較大。經計算，商州區90.27%的區域不適合建設用地開發，主要包括以下兩種地貌類型：1)低山丘陵地貌區。該區為復合地貌類型，主體位于境內北部和東北部及中部的廣大地區;其農業生產條件較差，風化強烈，自然坡面坡度較大，植被稀少，水土碎石流失較為嚴重。對該區建設用地建議維持現狀，同時加強對其周邊一般適宜建設用地以及最適宜建設用地社區的基礎服務設施，尤其是教育設施的財政投入，引導人口外遷，逐步減少居民點建設面積，使其自然衰退。2)中高山地區。該區分布于境內西北部和西部秦嶺南翼，西南部和南部的流嶺，東北部的蟒嶺;其自然坡面坡度多在30°以上,耕地分布于梁、洼、槽及溝道，陡坡地所占數量很大，是棄耕還林還牧的重點地區。該區地質災害多發，交通不便，人口稀疏，優質農業資源較少，不適宜居民點建設，應作為重點生態保護區域。

4 結論與討論

建設用地適宜性評價研究是社會建設的實際需求，也是我國城鎮化過程中居民點以及公共設施優化布局的理論基礎。本文運用4種生態位模型，以商州區建設用地適宜性評價為切入點，以GIS空間分析技術為支撐，對商州區建設用地適宜性進行了多因素綜合適宜性評價，并應用加權平均方法構建綜合模型，采用系統聚類方法，將商州區建設用地適宜性劃分為3種類型。分析結果表明，受生態條件、生活條件、生產條件限制，商州區建設用地適宜度分布具有明顯差異，該區大部分區域不適合建設用地分布，最適宜建設用地主要分布于丹江及其主要支流兩岸，該區域應加快最適宜建設用地區域建設和中高山地區居民點搬遷與撤并工作，在此基礎上，逐漸開展一般適宜建設用地的集中建設。

科學的建設用地適宜性評價體系與方法，將為地區土地利用總體規劃以及村級規劃提供理論依據。生態位理論是生態學重要的基礎理論，其方法不僅能廣泛應用于自然生態系統，而且對于社會、經濟生態系統也具有重要意義。本文將其理論與方法引進建設用地適宜性評價中，進行了有益的探索，各種模型在較大程度上規避了主觀因素對評價結果的影響，取得了較好的效果，對經典生態位理論的深化和發展具有一定意義。但是，通過生態位理論與多模型相結合的方式進行建設用地適宜性評價尚屬嘗試，且決策者的主觀意愿表現不足，那么如何在評價因子中加入一定的地域特點和政策制度等因素還有待進一步研究。

[1] AUSTIN M P.Spatial prediction of species distribution:An interface between ecological theory and statistical modeling[J].Ecological Modelling,2002,157(2/3):101-118.

[2] SOBERON J,PETERSON A T.Interpretation of models of fundamental ecological niches and specie′s distributional areas[J].Biodiversity Informatics,2005(2):1-10.

[3] HIZEL A H,LE LAY G.Habitat suitability modeling and niche theory[J].Journal of Applied Ecology,2008,45(5):1372-1381.

[4] 歐陽志云，王如松，符貴南.生態位適宜度模型及其在土地利用適宜性評價中的應用[J].生態學報，1996，16(2):113-120.

[5] 瘳紅娟，徐建華，岳文澤.城市生態系統適宜度的時空對比分析[J].生態科學，2003，22(4):300-304.

[6] 錢輝，張大亮.基于生態位的企業演化機理探析[J].浙江大學學報(人文社會科學版)，2006,36(2):20-26.

[7] 秦天天，齊偉，李云強，等.基于生態位的山地農村居民點適宜度評價[J].生態學報，2012, 32(16):5175-5183.

[8] 蒙莉娜，鄭新奇，趙璐，等.基于生態位適宜度模型的土地利用功能分區[J].農業工程學報,2011，27(3):282-287.

[9] 許仲林，彭煥華，彭守璋.物種分布模型的發展及評價方法[J].生態學報，2015，35(2):557-567.

[10] 齊增湘，廖建軍，徐衛華，等.基于GIS 的秦嶺山區聚落用地適宜性評價[J].生態學報，2015，35(4):1274-1283.

[11] 康慕誼，朱源.秦嶺山地生態分界線的論證[J].生態學報，2007，27:2774-2784.

[12] LU C Y,GU W,DAI A H，et a1.Assessing habitat suitability based on geographic information system (GIS) and fuzzy:A case study of Schisandrasphenanthera Rehd.et Wils.In Qinling Mountains,China[J].Ecological Modelling,2012,242(3):105-115.

[13] 郭彥龍，顧蔚，路春燕，等.基于五味子甲素與乙素的秦嶺地區野生華中五味子的潛在空間分布[J].植物學報，2013，48 (4):411-422.

[14] 楊子生.山區城鎮建設用地適宜性評價方法及應用——以云南省德宏州為例[J].自然資源學報，2016(1):64-76.

[15] 吳江國，張小林，冀亞哲，等.縣域尺度下交通對鄉村聚落景觀格局的影響研究—以宿州市埇橋區為例[J].人文地理，2013，28:110-115.

[16] 曲衍波，張鳳榮，姜廣輝，等.基于生態位的農村居民點用地適宜性評價與分區調控[J].農業工程學報，2010，26(11):290-296.

[17] 張曉虎，寇泓.陜西省商州區地質災害成因及防治研究[J].水土保持通報，2008,28(5):195-200.

[18] HASTIE T J,TIBSHIRANI R J.Generalized Additive Models[M].London:Chapman and Hall,1990.

[19] THOMAES A,KERVYN T,MAES D.Applying species distribution modelling for the conservation of the threatened saproxylic Stag Beetle(Lucanuscervus)[J].Biological Conservation,2008,141(5):1400-1410.

[20] O′HANLEY J R.Neural ensembles:A neural network based ensemble forecasting program for habitat and bioclimatic suitability analysis[J].Ecography,2009,32:89-93

[21] 楊廣斌.動態數據驅動的林火蔓延模擬系統關鍵技術研究[D].北京：中國林業科學研究院，2008.80-120.

[22] BREIMAN L.Random Forests.Machine Learning[M].London:Chapman and Hall,2001

[23] YANGA X Q,KUSHWAHAB S P S,SARANB S，et a1.Maxent modeling for predicting the potential distribution of medicinal plant,JusticiaadhatodaL.in Lesser Himalayan foothills[J].Ecological Engineering,2013,51:83-87.

[24] PHILLIPS S J,ANDERSON R P,SCHAPIRE R E.Maximum entropy modeling of species geographic distributions[J].Ecological Modelling,2013,190(3-4):231-259.

[25] 王運生，謝丙炎，萬方浩，等.ROC曲線分析在評價入侵物種分布模型中的應用[J].生物多樣性，2007，15(4):365-372.

Multi-model Suitability Assessment of Construction Land in Tsinling Mountains Based on the Niche Theory:A Case Study of Shangzhou，Shangluo

ZHANG Hai-long1,GUO Yan-long2,GAO Bei3

(1.CollegeofUrban,RuralPlanningandArchitecturalEngineering,ShangluoUniversity,Shangluo726000；2.ColdandAridRegionsEnvironmentalandEngineeringResearchInstitute,CAS,Lanzhou730000；3.ShaanxiProvincialRemoteSensingInformationCenterforAgriculture,Xi′an710015,China)

Based on the niche theory,the paper uses 17 suitability evaluation factors:terrain conditions,production conditions,living conditions and ecological conditions to build suitability evaluation system of construction land in Tsinling Mountains.Using GAM,ANN,RF and MaxEnt,the paper evaluates the suitability of construction land in Shangzhou district,Shangluo respectively.Finally,simulation result of four models that is weighted by AUC value (area under the ROC curve) is integrated.And it is quantitatively used to evaluate the suitability of construction land in Shangzhou.The result shows that niche model can better evaluate the suitability of construction land in Tsinling Mountains.In an overall view,the most suitable land for construction area is 118.32 km2in Shangzhou,accounting for 2.47% of the total area,indicating that the area of land suitable for the development of construction land is relatively small.In Shangzhou,then,low suitable land for construction area of 297.73 km2in the area,accounting for 7.26% of the total area.This can be appropriate for development.The paper objectively evaluates the suitability of construction land in Shangzhou,providing new ways for the suitability evaluation of construction land in Tsinling mountains.It provides a theoretical basis for optimizing the layout of construction land as well.

construction land;niche theory;integrated mode;Tsinling Mountains

2016-03-03；

2016-05-17

陜西省教育廳專項科研計劃項目(15JK1231)

張海龍(1982-)，男，碩士，講師，主要研究方向為空間數字模型與GIS 應用研究。E-mail：hlsanfx@sina.com

10.3969/j.issn.1672-0504.2016.04.014

F301.23

A

1672-0504(2016)04-0083-07