基于空間回歸模型的城郊區(qū)土地景觀格局變化驅(qū)動力研究

歐定華　夏建國　歐曉芳

摘要：基于土地景觀遙感影像分類數(shù)據(jù)、DEM數(shù)據(jù)、氣象數(shù)據(jù)、土壤數(shù)據(jù)和相關(guān)社會經(jīng)濟數(shù)據(jù)，應(yīng)用空間回歸模型對四川省成都市龍泉驛區(qū)土地景觀格局變化驅(qū)動力進行分析。結(jié)果表明：土地景觀格局變化驅(qū)動因子受時間尺度影響較大，同一土地景觀格局變化驅(qū)動因子會隨時間推移而發(fā)生不同程度的變化，同一驅(qū)動因子對土地景觀格局變化的影響力也會隨時間變化而發(fā)生改變。農(nóng)田、果園、交通運輸、水體景觀格局變化主要受人文驅(qū)動因子影響，森林、城鄉(xiāng)人居及工礦景觀格局變化主要受自然驅(qū)動因子影響，人文驅(qū)動因子對土地景觀格局變化的影響程度總體上大于自然驅(qū)動因子。人口狀況、科技水平、經(jīng)濟發(fā)展等因子是土地景觀格局變化的主要驅(qū)動力。空間回歸模型擬合效果優(yōu)于OLS線性回歸模型，是進行土地景觀格局變化驅(qū)動力分析的有效方法。

關(guān)鍵詞：城市近郊區(qū)；土地利用；景觀格局變化；空間回歸模型；驅(qū)動力

中圖分類號： F301.24文獻標志碼： A

文章編號：1002-1302（2017）14-0236-07

近年來，因土地利用開發(fā)不合理和城市無序蔓延擴張，城郊區(qū)陸地生態(tài)系統(tǒng)結(jié)構(gòu)和功能遭到嚴重破壞，致使區(qū)域水文過程、生物地球化學循環(huán)、生物多樣性發(fā)生了巨大變化[1]，產(chǎn)生了工業(yè)“三廢”污染、森林面積減少、土地景觀破碎化等一系列生態(tài)環(huán)境問題。研究城郊區(qū)土地景觀變化驅(qū)動力，可以為制定生態(tài)環(huán)境管理和生態(tài)風險防控措施提供科學依據(jù)，對緩解城郊區(qū)生態(tài)環(huán)境問題和促進區(qū)域土地持續(xù)利用、城鎮(zhèn)合理擴張、經(jīng)濟良性發(fā)展具有重要意義。

目前，常用景觀變化驅(qū)動力識別方法為傳統(tǒng)統(tǒng)計分析法，如典型相關(guān)分析法[2]、Logistic回歸模型分析法[3]、多元線性回歸模型分析法[4]等。這類方法應(yīng)用前提是數(shù)據(jù)必須符合統(tǒng)計上獨立且均勻分布的假設(shè)條件[5]，而土地景觀格局及驅(qū)動因子往往不獨立，存在空間依賴關(guān)系，應(yīng)用傳統(tǒng)統(tǒng)計分析法進行驅(qū)動因子識別可能會產(chǎn)生偏差，所以有必要應(yīng)用能體現(xiàn)數(shù)據(jù)空間相關(guān)性的空間回歸模型進行土地景觀格局變化驅(qū)動力分析。空間回歸模型假設(shè)空間統(tǒng)計數(shù)據(jù)具有空間多維特征和時空相關(guān)性，能利用研究對象空間分布信息，較好地揭示土地景觀格局變化影響因素及其時空分布。該模型不要求數(shù)據(jù)獨立，可以充分分析數(shù)據(jù)空間屬性，廣泛應(yīng)用于社會經(jīng)濟、農(nóng)業(yè)環(huán)境、公共衛(wèi)生等領(lǐng)域[6-7]以及空間分布預(yù)測模擬[8]、影響因素識別分析[9-10]等方面，但在土地景觀格局變化驅(qū)動力分析中應(yīng)用還比較少見。

龍泉驛屬四川省會成都市轄區(qū)，是典型大城市近郊區(qū)，21世紀以來，該區(qū)在加快推進工業(yè)化和城鎮(zhèn)化過程中，也面臨諸如森林植被遭受破壞、耕地資源減少等生態(tài)環(huán)境問題，對其進行土地景觀格局變化驅(qū)動力研究具有較強代表性和研究價值。有鑒于此，本研究以龍泉驛為研究區(qū)，從自然驅(qū)動力和人文驅(qū)動力2個方面構(gòu)建土地景觀格局變化驅(qū)動力指標體系，應(yīng)用空間回歸模型對2000—2007年、2007—2014年2個時期土地景觀格局變化驅(qū)動力進行分析，以期能為區(qū)域生態(tài)安全格局構(gòu)建和制定生態(tài)風險防控措施提供依據(jù)。

1研究區(qū)概況

龍泉驛區(qū)位于成都平原東緣、龍泉山脈西側(cè)，地處30°27′52″～30°43′23″N、104°08′19″～104°27′09″E，幅員面積 556.4 km2。地質(zhì)構(gòu)造為成都斷陷帶與龍泉山隆褶帶間的構(gòu)造斷塊，地勢由東南逐漸向西北微傾，最高海拔1 051.3 m，最低海拔456.8 m。有平壩、丘陵、山地等地貌類型，其中平壩317.54 km2、山地217.38 km2、丘陵21.48 km2。屬四川盆地中亞熱帶濕潤氣候，年平均氣溫16.5 ℃、降水量852.4 mm、日照時數(shù)1 021 h、蒸發(fā)量984.7 mm。成土母質(zhì)為侏羅紀、白堊紀、第四紀成土母質(zhì)，主要土壤類型為水稻土、黃泥土、紫色新沖積土和紫色土。龍泉驛屬成都第二經(jīng)濟圈，是國務(wù)院批準的成都城市向東發(fā)展主體區(qū)，也是成都國家級經(jīng)濟技術(shù)開發(fā)區(qū)所在地，重點發(fā)展汽車產(chǎn)業(yè)，2014年全區(qū)GDP實現(xiàn) 944.6 億元，位居全省第一。

2數(shù)據(jù)來源與研究方法

2.1遙感數(shù)據(jù)來源及土地景觀分類

以研究區(qū)2期（2000年5月2日、2007年5月6日）TM影像和1期（2014年8月13日）OLI影像（來自USGS網(wǎng)站）為基礎(chǔ)數(shù)據(jù)，1997年1 ∶[KG-*3]15萬比例的土地利用現(xiàn)狀圖、2009年1 ∶[KG-*3]1萬比例的土地利用現(xiàn)狀圖、2014年10—11月景觀野外調(diào)查成果為輔助數(shù)據(jù)，應(yīng)用QUEST遙感影像分類方法[11]解譯得研究區(qū)土地景觀類型圖（圖1）。

自然驅(qū)動力指標中，2000—2007年、2007—2014年間年均降雨量和氣溫空間分布圖根據(jù)龍泉驛氣象局提供的降雨、氣溫數(shù)據(jù)，通過空間插值獲取；高程分布圖采用ASTER GDEM V2數(shù)據(jù)（來自NASA網(wǎng)站）；坡度圖、坡向圖均基于DEM計算得到；土壤有機質(zhì)含量空間分布圖根據(jù)龍泉驛區(qū)測土配方施肥項目測得的土壤有機質(zhì)含量數(shù)據(jù)，通過空間插值獲得。人文驅(qū)動力指標中，x7、x8、x9、x21、x23、x24、x25、x27、x28、x29、x35、x36數(shù)據(jù)來自《龍泉驛統(tǒng)計年鑒（2000—2012年）》和成都統(tǒng)計信息網(wǎng)，x10、x13、x14、x15、x17、x31、x32、x33、x34數(shù)據(jù)由龍泉驛統(tǒng)計局、農(nóng)林局和各街道（鎮(zhèn)、鄉(xiāng)）提供，x11、x12、x18、x19、x20、x22、x26、x30數(shù)據(jù)根據(jù)已有數(shù)據(jù)計算得到。在此基礎(chǔ)上，按照孫才志等采用的指標柵格化方法[3]，將各人文驅(qū)動力指標轉(zhuǎn)化為柵格數(shù)據(jù)。各柵格數(shù)據(jù)分辨率統(tǒng)一為30 m。

2.3土地景觀格局變化驅(qū)動力空間回歸分析步驟

（1）建立空間回歸分析基本單元網(wǎng)格。以0.6 km為分析尺度，運用ArcGIS 10.0構(gòu)建景觀格局變化驅(qū)動力分析單元網(wǎng)格矢量數(shù)據(jù)（圖2-a）。研究區(qū)共涉及網(wǎng)格1 663個。endprint

（2）計算單元網(wǎng)格景觀面積變化率。以2000—2007年農(nóng)田景觀面積變化率為例闡述景觀面積變化率計算過程。首先，經(jīng)重分類把農(nóng)田景觀變化圖中變化區(qū)賦值為“1”、未變區(qū)賦值為“0”（圖2-b）；然后，將單元網(wǎng)格矢量圖和農(nóng)田景觀變化圖疊加結(jié)果屬性表導入Microsoft Excel 2010中統(tǒng)計各網(wǎng)格農(nóng)田變化區(qū)、未變化區(qū)面積；最后，按式（1）計算各單元網(wǎng)格農(nóng)田景觀面積變化率。

批量計算各指標在各單元網(wǎng)格中的均值。

（4）土地景觀格局變化與驅(qū)動力指標的相關(guān)分析。應(yīng)用SPSS 19.0對各單元網(wǎng)格對應(yīng)土地景觀面積變化率、驅(qū)動指標均值進行Z-score標準化處理，計算土地景觀面積變化率與驅(qū)動指標值間的皮爾森相關(guān)系數(shù)，刪除相關(guān)系數(shù)未通過顯著性檢驗和相關(guān)系數(shù)小于0.2的指標，篩選出與土地景觀格局變化相關(guān)的指標。

（5）應(yīng)用普通最小二乘法（OLS）線性回歸模型進行土地景觀格局變化驅(qū)動力分析。應(yīng)用OLS線性回歸模型[9]分析驅(qū)動指標對土地景觀格局變化的影響，以回歸系數(shù)顯著性水平、方差擴大因子VIF<10為依據(jù)構(gòu)建OLS線性回歸模型，篩選出無多重共線性問題的指標。

（6）OLS線性回歸模型殘差、因變量、自變量空間相關(guān)分析與判斷。應(yīng)用OpenGeoDa計算1次Rook鄰接、1次Queen鄰接權(quán)重矩陣[16]下OLS線性回歸模型殘差、因變量、自變量Morans I值，根據(jù)P值和Z值判斷Morans I顯著性[17-18]。若模型殘差、因變量、自變量存在空間自相關(guān)，則必須選擇恰當空間回歸模型進行驅(qū)動力分析。

（7）空間回歸模型選擇。常見空間回歸模型包括空間滯后模型（SLM）和空間誤差模型（SEM），通用表達式為：

式中：y為因變量；X為自變量；μ為模型殘差；β為自變量空間回歸系數(shù)；ε為白噪聲；W1為反映因變量自身空間趨勢的權(quán)重矩陣；W2為反映模型殘差空間趨勢的權(quán)重矩陣；ρ為空間滯后項W1y系數(shù)，稱為空間自回歸系數(shù)；λ為空間誤差系數(shù)。當ρ≠0，λ=0，時，為空間滯后模型，方程為y=ρWyβX+μ；當ρ=0，λ≠0時，為空間誤差模型，方程為y=βX+λWμ+ε。根據(jù)拉格朗日乘數(shù)（LM-lag和LM-error）、穩(wěn)健拉格朗日算子（Robust LM-lag和Robust LM-error）顯著性確定空間回歸模型類型[7-8]。

（8）空間回歸模型評估。采用確定系數(shù)（R2）、赤池信息準則（AIC）和施瓦茨準則（SC）和對數(shù)似然值（LG）模型評估指標[10]，對空間回歸模型擬合結(jié)果進行評估，選取效果最好的進行驅(qū)動力分析。

3結(jié)果與分析

3.1空間自相關(guān)分析與判斷

各階段OLS線性回歸模型在1次Rook鄰接、1次Queen鄰接權(quán)重矩陣下的殘差Morans I值相差不大（圖3）。2000—2007年OLS線性回歸模型在1次Rook鄰接、1次Queen鄰接權(quán)重矩陣下的殘差Morans I值分別介于0.279 2～0.517 6、0.229 2～0.451 3之間，2007—2014年分別介于0.352 5～0533 0、0.295 8～0.492 3之間，且各階段OLS線性回歸模型殘差Morans I值顯著性檢驗指標P<0.01、Z>1.96，其殘差存在顯著空間自相關(guān)性，表明OLS線性回歸模型對土地景觀格局變化驅(qū)動力的分析結(jié)果可靠性差。此外，各階段OLS線性回歸模型在1次Rook鄰接、1次Queen鄰接權(quán)重矩陣下的因變量、自變量Morans I值都較大，且彼此差異較小（圖3）。基于1次Rook鄰接（1次Queen鄰接）權(quán)重矩陣計算得到的2000—2007年景觀面積變化率及對應(yīng)驅(qū)動指標Morans I指數(shù)最小值為0.461 3（0.337 6）、最大值為 0.972 4（0.969 3），2007—2014年最小值為0.468 6（0.412 5），最大值為0.989 9（0.984 4），且各Morans I指數(shù)顯著性檢驗指標P<0.01、Z>1.96。表明2000—2014年各景觀面積變化率及對應(yīng)驅(qū)動指標存在顯著空間自相關(guān)性，必須選擇恰當空間回歸模型進行土地景觀格局變化驅(qū)動力分析。

3.2空間回歸模型擬合與評估

空間回歸模型評估指標R2、LG值均大于OLSM，AIC、SC值均小于OLSM（表2），表明空間回歸模型擬合效果總體優(yōu)于OLSM，因為空間回歸模型殘差Morans I值接近為零且均小于OLSM，基本排除殘差空間自相關(guān)性，且考慮了變量空間自相關(guān)性[19]。農(nóng)田景觀在2個階段1次Queen鄰接權(quán)重矩陣對應(yīng)空間滯后模型SLMQueen的R2和LG值最大、AIC和SC值最小，所以把SLMQueen擬合結(jié)果作為農(nóng)田景觀格局變化驅(qū)動力最終結(jié)果（表3）；果園景觀在2000—2007年1次Rook鄰接權(quán)重矩陣對應(yīng)空間滯后模型SLMRook的R2和LG值最大、AIC和SC值最小，在2007—2014年1次Queen鄰接權(quán)重矩陣對應(yīng)空間誤差模型SEMQueen的R2和LG值最大、AIC和SC值最小，所以分別把SLMRook和SEMQueen擬合結(jié)果作為2000—2007年、2007—2014年果園景觀格局變化驅(qū)動力最終估計結(jié)果（表3）；森林景觀在2000—2007年1次Rook鄰接權(quán)重矩陣對應(yīng)空間誤差模型SEMRook的R2和LG值最大、AIC和SC值最小，在2007—2014年SLMQueen的R2和LG值最大、AIC和SC值最小，所以分別把SEMRook和SLMQueen擬合結(jié)果作為2000—2007年、2007—2014年森林景觀格局變化驅(qū)動力最終估計結(jié)果（表3）；城鄉(xiāng)人居及工礦、交通運輸、水體景觀在2個階段SLMRook的R2和LG值皆最大、AIC和SC值皆最小，所以把SLMRook擬合結(jié)果作為2個階段3種景觀格局變化驅(qū)動力最終估計結(jié)果（表3）。endprint

表中，P、Z分別為Morans I值顯著性檢驗統(tǒng)計量P值、Z值；SLM、SEM和OLSM分別為空間滯后模型、空間誤差模型和普通最小二乘法線性回歸模型；Queen、Rook分別表示1次Queen鄰接、1次Rook鄰接權(quán)重矩陣。

3.3土地景觀格局變化驅(qū)動力分析

（1）農(nóng)田景觀格局變化驅(qū)動力分析。第一階段（2000—2007），影響指標為糧食總產(chǎn)量、農(nóng)業(yè)人口密度、農(nóng)村用電、糧食單產(chǎn)、年末大牲畜存欄數(shù)、坡度和人口自然增長率；第二階段（2007—2014），影響指標為農(nóng)業(yè)人口、農(nóng)業(yè)人口密度、坡度和年末大牲畜存欄數(shù)（表3）。2個階段中，除農(nóng)業(yè)人口密度、坡度、年末大牲畜存欄數(shù)3個指標相同外，其余指標各不相同，影響程度排前3位的是農(nóng)業(yè)人口、農(nóng)業(yè)人口密度和糧食總產(chǎn)量，表明人口狀況是2000—2014年農(nóng)田景觀格局變化主要驅(qū)動力，這是由于人口數(shù)量、密度的變化可能導致糧食需求增大而擴大耕種面積、調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)或?qū)е鲁擎?zhèn)擴展而侵占大量農(nóng)地，從而加劇了農(nóng)田景觀格局變化。

（2）果園景觀格局變化驅(qū)動力分析。第一階段，影響指標為人口密度、農(nóng)業(yè)機械總動力、地方財政收入、耕地有效灌溉面積（表3）；第二階段，第一產(chǎn)業(yè)產(chǎn)值占GDP比重、第三產(chǎn)業(yè)產(chǎn)值占GDP比重回歸系數(shù)均未通過5%水平顯著性檢驗（表3），表明產(chǎn)業(yè)結(jié)構(gòu)變化在2007—2014年間對果園景觀變化影響不大，這是因為這期間研究區(qū)已從農(nóng)業(yè)區(qū)轉(zhuǎn)變?yōu)橐园l(fā)展汽車產(chǎn)業(yè)為主的工業(yè)區(qū)，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整基本完成，加之果園景觀主要分布在山區(qū)，受壩區(qū)汽車產(chǎn)業(yè)發(fā)展用地擴張影響較小，所以產(chǎn)業(yè)結(jié)構(gòu)變化對果園景觀影響不大；其余自變量回歸系數(shù)均通過5%水平顯著性檢驗（表3），是該階段果園景觀格局變化影響指標。2個階段僅人口密度1個共有驅(qū)動指[CM（25]標，影響程度排前幾位的是人口密度、農(nóng)業(yè)人口密度、農(nóng)業(yè)機械總動力、農(nóng)村用電、地方財政收入和城鎮(zhèn)居民人均可支配收入，表明人口狀況、科技水平和經(jīng)濟發(fā)展是2000—2014年期間果園景觀格局變化主要驅(qū)動力。

（3）森林景觀格局變化驅(qū)動力分析。第一階段，影響指標為坡度、土壤有機質(zhì)含量、高程、非農(nóng)業(yè)人口和化肥施用量；第二階段，影響指標為糧食總產(chǎn)量、坡度、坡向、糧食播種面積、高程、年均降水量和農(nóng)業(yè)人口密度（表3）。2個階段只有高程、坡度2個共有驅(qū)動指標，影響程度排前幾位的是高程、坡度、坡向、土壤有機質(zhì)含量和糧食總產(chǎn)量，表明地形、土壤等自然驅(qū)動因子是2000—2014年間森林景觀格局變化主要驅(qū)動力，由于在海拔較低、坡度較緩地帶，土壤肥力較高、水熱條件較好，土地開發(fā)利用較容易，處在此地帶的森林景觀最先受到人為影響而發(fā)生改變，但隨著時間推移，易開發(fā)區(qū)域開發(fā)殆盡，一些高程較低、坡度相對較大區(qū)域的森林景觀也受到人類干擾而發(fā)生變化。

（4）城鄉(xiāng)人居及工礦景觀格局變化驅(qū)動力分析。第一階段，影響指標為坡度、第一產(chǎn)業(yè)產(chǎn)值占GDP比重、糧食播種面積，而且均為正效應(yīng)影響（表3），表明坡度、第一產(chǎn)業(yè)產(chǎn)值占GDP比重、糧食播種面積較大區(qū)域，城鄉(xiāng)人居及工礦景觀變化越大，因為2000—2007年間，此類指標較大區(qū)域主要是農(nóng)村，而這期間正是該區(qū)農(nóng)村農(nóng)民住房大量建設(shè)期，農(nóng)村建設(shè)用地空間變化幅度較大，所以呈現(xiàn)出該部分區(qū)域城鄉(xiāng)人居及工礦景觀格局變化明顯的特點。第二階段，影響指標為坡度和年均降水量，其中坡度與之呈正相關(guān)（表3），表明坡度越大區(qū)域城鄉(xiāng)人居及工礦景觀變化越大，因為該區(qū)農(nóng)村地形坡度普遍大于城市地區(qū)，2000—2014年，伴隨著城鎮(zhèn)化、工業(yè)化進程的加快，農(nóng)村人口不斷向城鎮(zhèn)聚集，城鎮(zhèn)、工業(yè)園區(qū)不斷向農(nóng)村蔓延擴張，在這雙重因素驅(qū)動下使得研究區(qū)坡度較大區(qū)域城鄉(xiāng)人居及工礦景觀呈現(xiàn)出變化越大的特點。

區(qū)生產(chǎn)總值、高程2個自變量回歸系數(shù)通過5%水平顯著性檢驗，是交通運輸景觀格局變化主要影響指標（表3）。其中，地區(qū)生產(chǎn)總值回歸系數(shù)為0.265 9，遠大于高程回歸系數(shù) 0.115 4，表明經(jīng)濟發(fā)展水平是2007—2014年期間交通運輸景觀格局變化主要驅(qū)動力，這是因為經(jīng)濟越發(fā)達區(qū)域，城市化、工業(yè)化水平相對越高，地方財政勢力相對越強，交通路網(wǎng)建設(shè)投入也較大，因而交通運輸景觀變化相對較大。

（6）水體景觀格局變化驅(qū)動力分析。第一階段，影響指標為地方財政收入、人口自然增長率和綜合城鎮(zhèn)化率；第二階段，影響指標為農(nóng)業(yè)人口密度和土壤有機質(zhì)含量（表3）。2個階段無一共同驅(qū)動指標，排在首位的指標分別是地方財政收入和農(nóng)業(yè)人口密度，表明經(jīng)濟發(fā)展、人口狀況等人文驅(qū)動因子是2000—2014年期間水體景觀格局變化主要驅(qū)動力，這是由于這期間區(qū)域人口快速增長（2000—2014年總?cè)丝谠龇_30.36%）、經(jīng)濟加速發(fā)展（2000—2014年GDP年均增長1.32倍）的壓力對水體景觀變化影響越發(fā)深刻，聚集經(jīng)濟效益使得經(jīng)濟水平越高區(qū)域，產(chǎn)業(yè)和人口聚集越大，土地需求量亦越大，勢必導致這些區(qū)域部分水體轉(zhuǎn)變?yōu)楦鼗蚪ㄔO(shè)用地，呈現(xiàn)出變化較其他區(qū)域大的特點。

4結(jié)論與討論

（1）OLS線性回歸模型殘差、自變量、因變量在1次Rook鄰接、1次Queen鄰接權(quán)重矩陣下均存在顯著空間自相關(guān)性，說明研究區(qū)土地景觀格局變化不僅與相關(guān)驅(qū)動因子有關(guān)而且還與鄰近區(qū)域土地景觀格局變化相關(guān)，忽略空間相關(guān)性的OLS線性回歸分析結(jié)果存在偏差。空間回歸模型在2種權(quán)重矩陣下的殘差Morans I值均接近零，基本排除殘差空間自相關(guān)性影響，擬合效果總體上優(yōu)于OLS線性回歸模型，這是由于空間回歸模型引入空間權(quán)重矩陣，能充分挖掘數(shù)據(jù)空間特性，使分析效果更好[20]。

（2）各階段各土地景觀格局變化驅(qū)動指標差異較大，有部分土地景觀在各階段有少量共同驅(qū)動指標，但影響程度均不盡相同，這表明土地景觀格局變化驅(qū)動因子受時間尺度影響較大，同一土地景觀格局變化驅(qū)動因子會隨時間推移而發(fā)生不同程度的變化，同一驅(qū)動因子對土地景觀格局變化的影響力也會隨時間變化而發(fā)生改變。因此，在進行景觀格局變化驅(qū)動力分析時不能簡單地將短期影響因子作為長期變化驅(qū)動力。endprint

（3）2000—2014年，人文驅(qū)動因子是研究區(qū)農(nóng)田、果園、交通運輸、水體景觀格局變化主要驅(qū)動力，其中農(nóng)田景觀格局主要受人口狀況影響，果園景觀格局主要受人口狀況、科技水平、經(jīng)濟發(fā)展影響，交通運輸景觀格局主要受經(jīng)濟發(fā)展影響，水體景觀格局主要受經(jīng)濟發(fā)展、人口狀況影響；自然驅(qū)動因子則是研究區(qū)森林、城鄉(xiāng)人居及工礦景觀格局變化主要驅(qū)動力，其中森林景觀格局主要受地形、土壤等驅(qū)動因子影響，城鄉(xiāng)人居及工礦景觀格局主要受地形驅(qū)動因子影響。人文驅(qū)動因子對研究區(qū)景觀格局變化的影響程度總體上大于自然驅(qū)動因子。

（4）鑒于部分數(shù)據(jù)缺失和部分指標較難量化，本研究在驅(qū)動指標選擇時未能充分考慮水文、自然干擾、政策和文化因子，土地景觀格局變化驅(qū)動指標體系還有待完善。此外，有研究證實局部空間回歸模型（地理加權(quán)回歸模型）在疾病空間數(shù)據(jù)影響因素篩選中比全局空間回歸模型更可靠[19]，本研究限于篇幅僅對空間滯后模型、空間誤差模型2種常用全局空間回歸模型在土地景觀格局變化驅(qū)動力分析中的應(yīng)用進行了探討，下一步可嘗試將地理加權(quán)回歸模型應(yīng)用于景觀格局變化驅(qū)動力分析中。

參考文獻：

[1]Gao Q Z，Kang M Y，Xu H M，et al. Optimization of land use structure and spatial pattern for the semi-arid loess hilly-gully region in China[J]. Catena，2010，81（3）：196-202.

[2]路鵬，蘇以榮，牛錚，等. 湖南省桃源縣縣域景觀格局變化及驅(qū)動力典型相關(guān)分析[J]. 中國水土保持科學，2006，4（5）：71-76.

[3]孫才志，閆曉露. 基于GIS-Logistic耦合模型的下遼河平原景觀格局變化驅(qū)動機制分析[J]. 生態(tài)學報，2014，34（24）：7280-7292.

[4]王千，金曉斌，周寅康，等. 江蘇沿海地區(qū)耕地景觀生態(tài)安全格局變化與驅(qū)動機制[J]. 生態(tài)學報，2011，31（20）：5903-5909.

[5]Pontius R G，Cornell J D，Hall C A S. Modeling the spatial pattern of land-use change with GEOMOD2：application and validation for Costa Rica[J]. Agriculture Ecosystems & Environment，2001，85（1/2/3）：191-203.

[6]楊欣，喬琳. 珠三角地區(qū)區(qū)域經(jīng)濟水平的水環(huán)境影響研究——基于空間回歸模型的實證分析[J]. 能源與節(jié)能，2012，82（7）：45-47.

[7]陳艷艷，劉建兵，肖瑛，等. 釘螺感染率與氣候因素的空間回歸關(guān)系研究[J]. 中國血吸蟲病防治雜志，2015，27（2）：125-128.

[8]劉曉冰，程道全，劉鵬飛，等. 空間回歸分析在土壤屬性預(yù)測制圖中的應(yīng)用[J]. 土壤，2013，45（3）：533-539.

[9]楊揚，楊建宇，李紹明，等. 玉米倒伏脅迫影響因子的空間回歸分析[J]. 農(nóng)業(yè)工程學報，2011，27（6）：244-249.

[10]曾暉，楊平. 南京市住宅價格的空間回歸分析[J]. 西南大學學報（自然科學版），2012，34（5）：141-145.

[11]歐定華，夏建國，張莉，等. RS和GIS技術(shù)在中尺度景觀類型劃分與制圖中的應(yīng)用：以成都市龍泉驛區(qū)為例[J]. 生態(tài)學雜志，2015，34（10）：2971-2982.

[12]賈科利，常慶瑞，張俊華. 陜北農(nóng)牧交錯帶土地利用變化及驅(qū)動機制分析[J]. 資源科學，2008，30（7）：1053-1060.

[13]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(qū)動力[J]. 地理學報，2008，63（1）：93-104.

[14]李月臣，劉春霞. 1987—2006年北方13省土地利用/覆蓋變化驅(qū)動力分析[J]. 干旱區(qū)地理，2009，32（1）：37-46.

[15]王佑漢. 半城市化地區(qū)土地利用變化及驅(qū)動力分析——以成都市龍泉驛區(qū)為例[J]. 資源與產(chǎn)業(yè)，2009，11（2）：61-65.

[16]汪雪格. 吉林西部生態(tài)景觀格局變化與空間優(yōu)化研究[D]. 長春：吉林大學，2008.

[17]梁二，王小彬，蔡典雄，等. 河南省土壤有機碳分布空間自相關(guān)分析[J]. 應(yīng)用生態(tài)學報，2007，18（6）：1305-1310.

[18]霍霄妮，李紅，張微微，等. 北京耕作土壤重金屬含量的空間自相關(guān)分析田[J]. 環(huán)境科學學報，2009，29（6）：1339-1344.

[19]黃秋蘭，唐咸艷，周紅霞，等. 四種空間回歸模型在疾病空間數(shù)據(jù)影響因素篩選中的比較研究[J]. 中國衛(wèi)生統(tǒng)計，2013，30（3）：334-338.

[20]White G，Ghosh S K. A stochastic neighborhood conditional auto-regressive model for spatial data[J]. Computational Statistics & Data Analysis，2009，53（8）：3033-3046.endprint