1990—2015年東北三省土地利用／覆被時空變化特征及其驅動力分析

吳 迪，張冬有

（哈爾濱師范大學地理科學學院，黑龍江哈爾濱150025）

土地利用／覆被變化（land－use and land－cover change，LUCC）在全球環境變化和可持續發展中占有重要的地位［1］。在全球環境變化問題中，土地利用／覆被變化一直是自然和人文過程交叉最密切的問題。“國際地圈與生物圈計劃（IGBP）”和“全球環境變化人文計劃（HDP）”在1995年首次正式提出LUCC的概念并將《土地利用／土地覆被變化科學研究計劃》作為全球性綜合研究計劃的核心項目［2－4］。近年來，土地利用／覆被變化的驅動力研究已成為當前土地利用／覆被變化研究的前沿和熱點課題［5－8］。國內外學者從不同的角度，采用不同的方法分析了不同尺度的LUCC驅動力［9－13］。

東北三省地處中國東北地區，與俄羅斯、朝鮮、韓國、日本等國接壤，與中國華北地區、內蒙古自治區毗鄰，包括黑龍江省、吉林省、遼寧省，其中37個省轄市、1個省轄縣，共180個市（縣）級單位，總面積約為76.73萬km2，占全國總面積的8.2%（圖1）。東北三省地區以平原和山地為主，礦產豐富，是我國重要的重工業基地，被譽為新中國的“工業搖籃”。同時，東北三省作為我國最重要的糧食生產基地之一，為國家建設和保持社會穩定作出了重要貢獻。但是，改革開放以來，特別是20世紀90年代以后，東北地區經濟發展逐漸落后于東南沿海地區。2003年國家實施振興東北老工業基地戰略，2007年國務院正式批復《東北地區振興計劃》，并于2009年下發《國務院關于進一步實施東北地區等老工業基地振興戰略的若干意見》［14］。隨著改革開放的進一步發展，東北地區經濟體制、產業結構逐漸發生改變。

伴隨著經濟的發展，東北三省土地利用／覆被也隨之發現顯著變化。本研究以東北三省土地利用／覆被變化為研究對象，對東北三省1990—2015年土地利用／覆被變化時空特征進行分析，并探究其變化的驅動力，以期為東北三省未來土地資源的合理利用提供有效的決策支持。

1 數據與研究方法

1.1 數據來源及處理

本研究土地利用數據為來源于中國科學院資源環境科學數據中心（http：／／www.resdc.cn）的土地利用變化 1 km柵格數據集（1990年、1995年、2000年、2005年、2010年、2015年），該數據集是采用土地資源信息全數字人機交互遙感快速提取方法，基于美國陸地衛星Landsat TM數字影像，利用中國資源一號衛星（CBERS－1）、環境1號衛星（HJ－1）的CCD（charged coupled device，電荷耦合器件）多光譜數據作為補充，建立的全國土地利用變化數據集。通過大量野外調查數據進行隨機精度驗證，土地利用分類綜合精度達91.2%以上［15－16］。考慮到研究區具體情況和本研究內容，采用數據集中的土地利用一級類型劃分體系，將研究區內土地利用類型劃分為耕地、林地、草地、水域、建筑用地、未利用地6個土地利用類型。本研究所使用的東北三省地區人口與經濟統計數據均來自于1990—2015年《黑龍江統計年鑒》、《吉林統計年鑒》和《遼寧統計年鑒》。由于吉林省白山市市轄區八道江區、大連市市轄區金州區等部分市轄區面積太小，因此本研究中統計市（縣）數據為各省轄市、省轄縣、市轄縣級市和市轄縣，各市轄區都統一歸入各市范圍。

表1 土地利用／覆被穩定映射變化軌跡分類STD判定原則

1.2 土地利用／覆被變化定量分析統計模型

在土地利用／覆被變化轉移矩陣的基礎上，通常采用定量分析模型來直觀反映研究時段內區域的單一土地利用類型和綜合土地利用類型的變化量、變化幅度、變化速度、變化方向、變化趨勢和變化狀態。

1.2.1 區域綜合土地利用空間動態度模型 區域綜合土地利用空間動態度模型可以反映整個研究區內所有土地利用類型空間變化的變化程度（R）：

式中：ΔUin－i為5年時間內i類型土地減少量；Ui為研究初期i類型土地總量；n為土地利用類型總量，本研究中n＝6，T為研究時間長度，T＝5，公式（2）、（3）同。R值越高，綜合土地利用動態度越高，土地利用空間綜合變化程度越高；反之，土地利用空間綜合變化程度越低［17］。

1.2.2 土地利用／覆被變化趨勢與狀態模型 土地利用／覆被變化趨勢與狀態模型用來表征研究區內整體的土地利用／覆被變化的趨勢和狀態P：

式中：Uout－i為研究末期i類型土地量。0≤P≤1，若P值接近于1，說明研究區域內所有土地利用／覆被類型的轉換方向主要為不均衡的單向轉換；若P值接近于0，則說明研究區域內所有土地利用／覆被類型雙向轉換頻繁、各土地利用／覆被類型轉換趨于平衡［18］。

1.3 土地利用／覆被穩定映射變化軌跡分析

Swetnam基于研究時段內各土地空間單元所經歷過程的變化次數（turnover，T）、相似性（similarity，S）和多樣性（diversity，D）提出了土地利用／覆被穩定映射變化軌跡的STD判定方法［19］。T即研究時段內土地空間單元經歷的土地利用／覆被類型的變化次數；D是研究時段內土地空間單元經歷的不同土地利用／覆被類型的數量；S為研究時段內土地空間單元經歷的相同土地利用／覆被類型的數量。結合東北三省地區1990—2015年土地利用／覆被變化的實際情況，本研究將土地利用／覆被穩定映射變化軌跡劃分為10類，示例111111表示在所研究的6個時間段內，該柵格單元始終為1這種土地利用／覆被類型，示例123455表示該柵格單元在所研究6個時間段內土地利用／覆被類型依次為 1、2、3、4、5、5（表1）。T1至T10的土地利用／覆被空間單元穩定性逐漸降低，波動性逐漸提高，并依次將變化軌跡賦值 1～10［19－21］。

1.4 基于土地利用／覆被穩定映射變化軌跡的探索性空間數據分析

探索性空間數據分析（exploratory spatial data analysis，ESDA）是一種重要的空間計量統計分析方法，為測度空間尺度上的東北三省縣域尺度上土地利用／覆被穩定映射變化軌跡與空間位置的關聯性，采用ESDA方法分析土地利用／覆被穩定映射變化軌跡的空間相互作用機制。ESDA空間統計分析方法包括全局空間自相關和局部空間自相關，衡量空間自相關性的指數一般為 Morans I、Gearys C和 Getis－Ord指數［22－23］。

在本研究中，全局空間自相關分析采用最常見的Global Morans I指數（以下簡稱 GMI）：

式中：Xi、Xj為相鄰2個區域變量的值；Wij為空間權重矩陣；X為區域內變量值的平均數；S2為變量值的方差，公式（4）同。

局部空間自相關分析采用與Global Morans I指數具有內在聯系的 Local Morans I指數（以下簡稱 LMI）［24－25］：

Global Morans I和 Local Morans I指數都必須經過 Z值檢驗：

式中：I分別為 GMI和 LMI；∑jWij（Xj－X）為對空間單元j的所有鄰域進行求和；E（I）為 I的理論期望值；VAR（I）為 I的理論方差值。若Z（GMI）為正且顯著，說明研究區內縣域尺度上的土地利用映射變化軌跡值存在明顯的空間自相關性，土地利用變化軌跡趨于聚集；反之，若Z（GMI）為負且顯著，則說明研究區內縣域尺度上的土地利用映射變化軌跡值無明顯的空間自相關性，土地利用變化軌跡趨于離散。若Z（LMI）為正且顯著，表明i地區為土地利用變化軌跡值高值聚集區；若Z（LMI）為負且顯著，則表明i地區為土地利用變化軌跡值低值聚集區［26－28］。

1.5 人口經濟耦合指數模型及趨勢分析

為解釋土地利用／覆被變化軌跡的全局自相關和局部自相關性，本研究借助人口與經濟地理集中度的耦合指數，嘗試通過人口和經濟地理集中度耦合指數的高低來解釋空間自相關分析中的空間集聚性，使用不同時間段的耦合指數趨勢三維透視圖表現人口和經濟地理集中度耦合指數在時空上的差異。人口和經濟耦合指數（以下簡稱CI）也稱不一定指數，反映人口與經濟間的耦合關系：

式中：CI為t時刻i地區人口和經濟耦合指數；GDPti為t時刻i地區國民生產總值；POPti為t時刻i地區人口數；n為區域的總數，n＝180。若CI＞1，表明經濟集聚超前于人口集聚；若CI＝1，表明人口集聚與經濟集聚恰好協調；若CI＜1，則表明經濟集聚滯后于人口集聚［29］。

2 結果與分析

2.1 1990—2015年東北三省土地利用／覆被變化定量分析

利用公式（1）和公式（2）分別得到1990—2015年東北三省的綜合土地利用空間動態度和土地利用／覆被變化趨勢與狀態指數。圖2顯示，1990—2015年東北三省地區土地利用空間動態度逐漸降低，其中2000—2015年東北三省的綜合土地利用空間動態度降到幾乎為0，而相反地，土地利用／覆被趨勢與狀態指數逐漸提高，綜合土地利用空間動態度和土地利用／覆被變化趨勢與狀態指數基本呈負相關。這表明在1990—2000年東北三省的土地利用／覆被變化頻繁，各土地利用／覆被類型相互轉換快，平衡發展；而2000—2015年土地利用／覆被變化相對緩慢，各土地利用／覆被類型變化處于極端不平衡狀態。

2.2 1990—2015年東北三省土地利用／覆被穩定映射變化軌跡分析

根據表1的STD土地利用／覆被穩定映射變化軌跡分類方法，使用ArcGIS 10.0軟件繪制出東北三省1990—2015年1 km柵格尺度的土地利用／覆被穩定映射變化軌跡，如圖3所示。

統計圖3中柵格像元可以發現，東北三省1990—2015年土地利用／覆被穩定映射變化軌跡T1即在整個研究時段內土地利用／覆被軌跡未發生變化地區所占比例最大，達到58.139%，其中有36%為耕地，57%為林地，其余草地、水域、建筑用地和未利用地分別占2%、1%、1%、3%。其后變化次數為1次的2種土地利用／覆被變化軌跡類型T2和T3分別為研究區域的10.624%、12.143%，而T9和T10 2種變化次數為4次的土地利用／覆被變化軌跡區域所占比例最小，分別為 0.010%、0.019%。

從東北三省1990—2015年土地利用／覆被穩定映射變化軌跡來看，在研究時段內，東北三省有80.906%的地區土地利用／覆被類型轉變次數小于2次，而僅有0.626%的地區土地利用／覆被類型轉變次數在3次及以上。前半段（1990—2000年）東北三省地區有41.186%的地區土地利用／覆被類型發生了變化，后半段（2000—2015年）僅有1.254%的地區土地利用／覆被類型發生了變化。這與土地利用／覆被變化定量分析的結果相符合，與前10年相比，后15年內東北三省土地利用／覆被變化幾乎停滯，土地利用／覆被變化速度大幅降低。

2.3 1990—2015年東北三省土地利用／覆被變化軌跡探索性空間數據分析

2.3.1 全局空間自相關分析 本研究中取縣域范圍內所有柵格像元的土地利用／覆被變化軌跡值的平均值作為該縣域的土地利用／覆被映射變化軌跡值。使用GeoDa軟件對1990—2015年東北三省土地利用／覆被映射變化軌跡進行縣域尺度上的全局空間自相關分析得到Moran散點圖（圖4）。GMI＝0.428 58，使用 999次隨機分布檢驗方式，Z（GMI）＝12.720 7且 P值 ＝0.001，通過了 0.05顯著性檢驗。說明1990—2015年東北三省縣域尺度上的土地利用／覆被變化軌跡存在顯著的空間正相關，在研究時段內，東北三省土地利用／覆被變化相對頻繁和變化相對較少的地區在空間上都呈集聚分布。

2.3.2 局部空間自相關分析 由圖4可知，東北三省大部分縣域范圍都處于第一象限和第三象限，空間正相關性非常強烈。因此，使用GeoDa軟件對1990—2015年東北三省土地利用／覆被映射變化軌跡進行局部空間自相關分析得到LISA聚集圖，并與顯著性水平圖疊加得到圖5。

研究發現，黑龍江省大慶市、齊齊哈爾市及其周邊市（縣），遼寧省葫蘆島市、錦州市、盤錦市沿線城市帶，遼寧省沈陽市、撫順市、本溪市及其周邊市（縣）和遼寧省大連市及其下轄縣級市普蘭店市、瓦房店市均為高－高聚集區，主要集中于黑龍江省的西南部及遼寧省東部、南部和西南部。黑龍江省鶴崗市及其周邊市（縣），黑龍江省牡丹江市及其周邊市（縣），吉林省吉林市下轄永吉縣、蛟河市、樺甸市和吉林省白山市、通化市、延邊朝鮮族自治州及其周邊市（縣）為低－低聚集區，主要集中于黑龍江省東北部和吉林省東南部。黑龍江省綏芬河市、吉林省吉林市和遼寧省葫蘆島市綏中縣、錦州市下轄縣級市北寧市分別為高－低聚集區和低－高聚集區。說明大慶市、齊齊哈爾市、葫蘆島市、錦州市、盤錦市、沈陽市、撫順市、本溪市和大連市在1990—2015年土地利用／覆被變化相對頻繁，且這些區域對周圍市（縣）都有較強的輻射和擴散作用，帶動了整個區域的發展；而鶴崗市及其周邊嘉蔭縣、蘿北縣、樺川縣、綏濱縣，牡丹江市及其周邊市（縣），通化市，白山市和延邊朝鮮族自治州等低－低聚集區土地利用／覆被變化發展普遍較為緩慢，土地利用／覆被變化活力相對較低；吉林省吉林市、黑龍江省綏芬河市土地利用／覆被映射變化軌跡值遠高于其周邊市（縣），土地利用／覆被變化較為頻繁；相反地，遼寧省綏中縣、北寧市與其周邊市（縣）相比，土地利用／覆被映射變化軌跡值相對較低，土地利用／覆被變化水平相對較低。整個東北三省地區土地利用／覆被映射變化軌跡的高－高與低－低值聚集區域差異明顯，區域間土地利用／覆被變化水平極不平衡。

2.4 1990—2015年東北三省驅動力分析

為解釋1990—2015年東北三省地區土地利用／覆被變化水平在研究前期（1990—2000年）和后期（2000—2015年）的差異變化和區域間土地利用／覆被變化水平的不平衡，本研究從東北三省土地的經濟屬性和市（縣）尺度的人口經濟耦合指數2個角度進行土地利用／覆被變化驅動力分析。

2.4.1 1990—2015年東北三省土地經濟屬性變化分析 土地本身的經濟屬性變化和差異是土地利用／覆被變化的根本原因，對比東北三省和中國華東地區的江蘇省、華南地區的廣東省、華北地區的河北省、西北地區的陜西省和西南地區重慶市的地均糧食產量和地均固定資產投資額這2個重要的土地經濟屬性的差異和時間變化得到圖6。

由圖6可以很明顯看出，1990—2015年東北三省地區（特別是黑龍江省和吉林省）的地均糧食產量一直在穩步提高，雖然由于自然條件、耕作制度、糧食種類的限制，東北三省地均糧食產量遠低于江蘇省，但是增長速度較快，增長幅度較大，并且遠高于耕作水平較低的陜西省和地均糧食產量基本處于不斷降低狀態的廣東省，其中遼寧省、吉林省與河北省和重慶市基本相當。而在地均固定資產投資額方面，可以很明顯發現，與土地利用／覆被變化定量分析的結果一致，2000年為一個重要的轉折點，東北三省和其他省（市）在2000年以后的地均固定資產投資額都發生了較大幅度的增長，其中江蘇省、廣東省、重慶市增長速度較快。同時，從圖6中還可以看出，東北三省的黑龍江省和吉林省基本一直處于極低水平，特別是黑龍江省，在所研究的8個省（市）中，地均固定資產投資額水平一直為最低，且增長速度緩慢，相對于黑龍江省和吉林省，遼寧省地均固定資產投資額水平雖然相對較高，但2010—2015年增長速度有所降低，并被廣東省和重慶市超越。遼寧省和黑龍江省、吉林省的地均固定資產投資額的差異與土地利用／覆被變化軌跡的空間自相關分析中得到的結果相似，東北三省土地利用／覆被變化軌跡高－高值聚集的市（縣）大部分位于地均固定資產投資額相對較高的遼寧省，而低－低值聚集的市（縣）都位于地均固定資產投資額相對較低的黑龍江省和吉林省。

2.4.2 1990—2015年東北三省人口經濟耦合指數的時空差異性分析 使用公式（6）計算1990—2015年5年間隔的東北三省各市（縣）的人口經濟耦合指數，借助ArcGIS 10.0 Trend Analysis工具對各時期縣域尺度的人口經濟耦合指數進行趨勢分析，2條橫軸分別為東西和南北方向，豎軸為人口經濟耦合指數（圖7）。圖7中每條豎線在底面的位置代表每個市（縣）的位置，豎線的長短代表其對應的市（縣）人口經濟耦合指數的高低。為方便在不同時間段之間作橫向比較，對人口經濟耦合指數進行標準化處理，并作輔助面為CI＝1，即當豎線的上端點恰好落在輔助面上時，其對應的市（縣）人口與經濟聚集恰好協調，高于輔助面為經濟集聚超前于人口集聚，低于輔助面則為經濟集聚滯后于人口集聚。東西方向和南北方向映射曲線分別為東北三省各市（縣）人口經濟耦合指數映射于東西向和南北向的正交平面上的一條最佳擬合曲線。

由圖7可以很明顯看出，在1990—2015年東西方向上人口經濟耦合指數由東部略高于西部逐漸變為西部明顯高于東部；而南北方向上人口經濟耦合指數從南北兩邊高、中間低的“U型”逐漸變為南方遠高于北方。在局部空間自相關分析中處于高－高聚集區域的大慶市、盤錦市、沈陽市、大連市等市（縣）的人口經濟耦合指數在各時間段都遠高于1。2015年以前，大慶市人口經濟耦合指數在東北三省地區一直排在第1位，并在2000年達到頂峰；2000年之后大慶市人口經濟耦合指數雖然仍處于較高水平，但是下降速度極快，至2015年，大慶市被綏芬河市超越，人口經濟耦合指數持續降低；2000年以后，隨著大慶市、盤錦市等老牌資源型城市人口經濟耦合指數的降低，大連市、綏芬河市等沿海、延邊開放型城市人口經濟耦合指數持續升高。而在局部空間自相關分析中處于低－低值聚集的黑龍江省鶴崗市，吉林省白山市、通化市、延邊朝鮮族自治州在整個研究時間段內人口經濟耦合指數一直處于一個較低水平，基本一直處于經濟集聚落后于人口集聚的狀態。

3 結論與討論

本研究以東北三省1990—2015年土地利用／覆被變化為研究對象，使用1 km柵格像元尺度1990年、1995年、2000年、2005年、2010年、2015年6期土地利用／覆被數據，借助區域綜合土地利用空間動態度模型、土地利用趨勢與狀態模型、土地利用／覆被穩定映射變化軌跡、探索性空間數據和人口經濟耦合指數及趨勢分析方法，從時空多角度分析1990—2015年東北三省土地利用／覆被變化，并從土地經濟屬性和人口經濟集聚耦合的角度分析土地利用／覆被變化驅動力，主要結論如下：（1）1990—2015年東北三省綜合土地利用空間動態度逐漸降低，綜合土地利用趨勢與狀態指數逐漸升高，兩者基本呈負相關。2000年為一個轉折點，2000年后與2000年前相比，東北三省地區綜合土地利用空間動態度降到極低，土地利用趨勢與狀態指數明顯大幅升高，土地利用／覆被變化處于極端不平衡狀態。（2）1990—2015年東北三省土地利用／覆被穩定映射軌跡存在明顯的空間正相關，東北三省土地經濟屬性和經濟、人口發展水平時空差異顯著，這種顯著的時空差異性對土地利用／覆被變化影響深刻。黑龍江省大慶市、齊齊哈爾市及其周邊市（縣），遼寧省葫蘆島市、錦州市、盤錦市、沈陽市、本溪市、撫順市、大連市及其周邊市（縣）呈現明顯的高－高聚集，其土地利用／覆被變化相對頻繁，且大慶市、盤錦市、沈陽市、大連市這些城市對其周圍市（縣）土地利用／覆被變化具有明顯的帶動效應，這些城市人口經濟耦合指數也都處于較高水平，且從土地的經濟屬性來看，大部分處于高－高聚集的市（縣）都位于地均固定資產投資額較高的遼寧省，遼寧省在2000年以后的固定資產投資額增長水平也遠高于黑龍江省和吉林省；而人口經濟耦合指數水平相對較低的黑龍江省鶴崗市、牡丹江市及其周邊市（縣），吉林省白山市、通化市、延邊朝鮮族自治州及其周邊市（縣）的土地利用／覆被軌跡值都呈明顯的低－低聚集。說明土地的經濟屬性中地均固定資產投資額和區域人口經濟耦合對土地利用／覆被變化具有重要的驅動作用，土地經濟屬性中地均固定資產投資額越高、區域人口經濟耦合程度越高，土地利用／覆被變化越頻繁。（3）1990年以來東北三省整體經濟、人口發展速度明顯變緩，經濟發展有滯后于人口發展的趨勢。哈爾濱市、齊齊哈爾市、吉林市、長春市、沈陽市等一些大型城市和大慶市、盤錦市等一些資源型城市雖然還處于經濟集聚超前于人口集聚的狀態，但是隨時間變化，其耦合指數也逐漸降低，趨近于1。而綏芬河市作為延邊開放城市、大連市作為沿海開放城市，經濟發展水平飛速上升。截至2015年，綏芬河市和大連市人均GDP分別列東北三省省轄市第1和第2。東北三省地區作為新中國重要的老工業基地和重要的糧食生產基地，區域經濟體制以重工業和第一產業為主。隨著改革開放的深入發展和東北地區能源型產業的衰退，東北三省地區經濟發展水平整體落后于同一時期的東南沿海地區。同時，1990—2015年，東北三省大部分地區人口自然增長率逐年降低，近幾年基本處于人口負增長狀態，人口老齡化、高學歷人口的流失，與經濟發展速度的相對落后，共同造成了東北三省1990—2015年土地利用／覆被變化水平逐漸降低、變化速度逐漸變慢和區域發展極端不平衡的狀態。

參考文獻：

［1］李秀彬.全球環境變化研究的核心領域——土地利用／土地覆被變化的國際研究動向［J］.地理學報，1996，51（6）：553－558.

［2］Turner IIB L，Ross R H，Skole D L.Relating land use and global land cover change［R］.Stockholm：Royal Swedish Academy of Sciences，1993.

［3］Turner IIB L，Skole D，Sanderson S，et al.Land－use and landcover change science／research plan［R］.Stockholm：IGBP，1995.

［4］Lambin E F，Baulies X，Bockstael N.Land－use and land－cover change：implementation strategy［R］.Stockholm：IGBP，1999.

［5］Parcerisas L，Marull J，Pino J，et al.Land use changes，landscape ecology and their socioeconomic driving forces in the Spanish Mediterranean coast（El Maresme County，1850—2005）［J］.Environmental Science＆Policy，2012，23（5）：120－132.

［6］Weinzettel J，Hertwich E G，Peters G P，et al.Affluence drives the global displacement of land use［J］.Global Environmental Change，2013，23（2）：433－438.

［7］Newman M E，Mclaren K P，Wilson B S.Long－term socioeconomic and spatial pattern drivers of land cover change in a Caribbean tropical moist forest，the Cockpit Country，Jamaica［J］.Agriculture Ecosystems＆Environment，2014，186（6）：185－200.

［8］李晨曦，吳克寧，劉霈珈，等.土地利用變化及社會經濟驅動因素——以京津冀地區為例［J］.江蘇農業科學，2017，45（12）：279－283.

［9］李 平，李秀彬，劉學軍.我國現階段土地利用變化驅動力的宏觀分析［J］.地理研究，2001，20（2）：129－138.

［10］黃寶榮，張慧智，宋敦江，等.2000—2010年中國大陸地區建設用地擴張的驅動力分析［J］.生態學報，2017，37（12）：4149－4158.

［11］吳美瓊，陳秀貴.基于主成分分析法的欽州市耕地面積變化及其驅動力分析［J］.地理科學，2014，34（1）：54－59.

［12］Lambin E F，Turner B L，Geist H J，et al.The causes of land－use and land－cover change：moving beyond the myths［J］.Global Environmental Change，2001，11（4）：261－269.

［13］McconnellW.Meeting in themiddle：the challenge ofmeso－level integration［J］.Land Use Policy，2002，19（1）：99－101.

［14］杜國明，孫曉兵，王介勇.東北地區土地利用多功能性演化的時空格局［J］.地理科學進展，2016，35（2）：232－244.

［15］劉紀遠，張增祥，徐新良，等.21世紀初中國土地利用變化的空間格局與驅動力分析［J］.地理學報，2009，64（12）：1411－1420.

［16］劉紀遠，匡文慧，張增祥，等.20世紀80年代以來中國土地利用變化的基本特征與空間格局［J］.地理學報（英文版），2014，24（2）：195－210.

［17］羅格平，周成虎，陳 曦.干旱區綠洲土地利用與覆被變化過程［J］.地理學報，2003，58（1）：63－72.

［18］馮異星，羅格平，周德成，等.近50年土地利用變化對干旱區典型流域景觀格局的影響──以新疆瑪納斯河流域為例［J］.生態學報，2010，30（16）：4295－4305.

［19］Swetnam R D.Rural land use in England and Wales between 1930 and 1998：mapping trajectories of change with a high resolution spatio－temporal dataset［J］.Landscape＆Urban Planning，2007，81（1）：91－103.

［20］李 暉，馮 莉，聶 芹，等.基于穩定映射變化軌跡分析的廈門土地利用時空演化［J］.生態學雜志，2016，35（8）：2132－2143.

［21］常 青，李雙成，王仰麟，等.基于穩定映射分析的深圳綠色景觀時空演化及啟示［J］.地理學報，2012，67（12）：1611－1622.

［22］穆學英，劉 凱，任建蘭.中國綠色生產效率區域差異及空間格局演變［J］.地理科學進展，2017，36（8）：1006－1014.

［23］冉澤澤.基于ESDA的經濟空間差異實證研究——以絲綢之路經濟帶中國西北段核心節點城市為例［J］.經濟地理，2017，37（5）：28－34，73.

［24］崔娜娜，馮長春，宋 煜.北京市居住用地出讓價格的空間格局及影響因素［J］.地理學報，2017，72（6）：1049－1062.

［25］張千湖，高 兵，黃 葳，等.我國人為源氣態活性氮排放時空變動特征分析［J］.環境科學學報，2017，37（8）：3065－3076.

［26］曾雨晴，潘洪義，周介銘，等.基于空間自相關的人均耕地面積時空格局變化研究——以四川省為例［J］.江蘇農業科學，2015，43（9）：388－391.

［27］李 丁，冶小梅，汪勝蘭，等.基于ESDA－GIS的縣域經濟空間差異演化及驅動力分析——以蘭州 －西寧城鎮密集區為例［J］.經濟地理，2013，33（5）：31－36，23.

［28］葉 浩，張 鵬，濮勵杰.中國建成用地與區域社會經濟發展關系的空間計量研究［J］.地理科學，2012，32（2）：149－155.

［29］官東杰，譚 靜，張夢婕，等.重慶市人口與經濟發展空間耦合分布研究［J］.人文地理，2017，32（2）：122－128.