山地丘陵區(qū)土地利用變化驅(qū)動機(jī)制分

哈凱　門明新　王志濤

摘要：通過遙感解譯得到2013年懷來縣土地利用數(shù)據(jù)，探究山地丘陵地區(qū)土地利用演變規(guī)律和驅(qū)動機(jī)制。選取自然、經(jīng)濟(jì)社會、空間距離及隨機(jī)因子等12個驅(qū)動因子，運(yùn)用Logistic回歸方法對引起該地區(qū)土地利用變化的驅(qū)動因素進(jìn)行了空間定量化分析，并對各地類回歸模型的擬合度進(jìn)行了檢驗(yàn)，計(jì)算得到了研究區(qū)土地利用類型空間分布概率圖。研究結(jié)果表明，各地類分布受地均純收入和人口密度影響較大，通過ROC檢驗(yàn)得到各種土地類型的擬合度分別為：耕地0.844，園地0.780，林地0.904，建設(shè)用地0.882，水域0.983，其他用地0.650，各土地類型的擬和度均在0.600以上，擬和結(jié)果較滿意。社會經(jīng)濟(jì)、地形、城鄉(xiāng)建設(shè)用地、道路交通等因素對研究地區(qū)土地利用格局形成與演變有著重要的影響。

關(guān)鍵詞：山地丘陵；Logistic回歸模型；驅(qū)動力；河北省

中圖分類號：F301.24 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2016）08-1957-07

DOI：10.14088/j.cnki.issn0439-8114.2016.08.013

Abstract：In order to investigate the evolution and driving mechanism of land use in hilly areas， to obtain land use data of Huailai county in 2013 was obtained through the interpretation of remote sensing. With the Logistic regression model， the driving factors of land use change were quantitatively analyzed from 12 factors such as nature， economic， social， spatial distance and random factors. The fitting degree of the regression model of all kinds of land was tested through ROC method. The probability map of the spatial distribution of land use type was calculated. The obtained fitting degree of different land type through the ROC test is 0.844 for cultivated land， 0.780 for garden， 0.904 for forest land， 0.882 for construction land， 0.983 for waters and 0.650 for other type of land. Fitting degree of each land type was more than 0.600， which is satisfying The results revealed that the factors such as development of social and economy， urban and rural construction land， roads， terrain distribution have important influence on the formation and evolution of land use pattern in the studied area.

Key words： mountain and hill；logistic regression model；driving force；Hebei province

土地利用/覆被變化（Land use/Land cover change，LUCC）是引起全球環(huán)境變化的重要作用因素，對地表生物、氣候、水文等過程都有著直接或間接的影響[1-3]，通過定量化分析土地利用的空間演變機(jī)制，進(jìn)一步預(yù)測未來土地變化的方向，一直是學(xué)術(shù)界探討的熱點(diǎn)和難點(diǎn)問題，也是政府進(jìn)行科學(xué)土地利用調(diào)控面臨的現(xiàn)實(shí)問題。針對復(fù)雜的土地利用覆被狀態(tài)，對其進(jìn)行研究的重要方法與途徑一般是建立定量化模型，分析土地利用的變化過程、驅(qū)動機(jī)制及變化趨勢[4，5]。近年來國內(nèi)外學(xué)者通過從不同角度構(gòu)建的多種模型對典型地區(qū)土地利用變化及驅(qū)動機(jī)制進(jìn)行了研究，分析和預(yù)測土地利用演化格局，如余新曉等[6]、潮洛濛等[7]、徐廣才等[8]基于多年的遙感影像，運(yùn)用土地利用變化模型，對流域、快速城鎮(zhèn)化地區(qū)及草原的土地利用/覆被的演變及驅(qū)動機(jī)制進(jìn)行了研究；譚永忠[9]對縣級尺度土地利用變化驅(qū)動機(jī)制及空間格局變化進(jìn)行了研究；謝花林[10]、姜廣輝等[11]、李強(qiáng)等[12]、徐嘉興等[13]均運(yùn)用Logistic回歸模型對相應(yīng)的典型區(qū)域土地利用變化的驅(qū)動力進(jìn)行了分析，該模型考慮了引起土地利用變化的自然和社會經(jīng)濟(jì)因素，通過選擇相關(guān)因素因子定量分析土地利用格局變化的過程，較好地揭示了引起LUCC的可能原因。在進(jìn)行土地利用變化空間模擬的研究中，Logistic空間回歸分析得到了較為廣泛的應(yīng)用，通過該模型可以定量化分析一個因變量（土地利用類型）與多個自變量變化（驅(qū)動因子）的關(guān)系，并能夠解釋因變量的概率發(fā)生值[14-18]，從而在空間上模擬預(yù)測土地利用變化的方向。但針對縣域范圍內(nèi)較為典型的山地丘陵地區(qū)，此方面的研究較少。

本研究選擇典型的山地丘陵地區(qū)懷來縣作為研究區(qū)，通過遙感解譯獲得研究區(qū)土地利用數(shù)據(jù)，然后對研究地區(qū)的土地利用格局進(jìn)行定量化的驅(qū)動力分析。通過構(gòu)建研究地區(qū)的土地利用格局在空間上的Logistic回歸模型，揭示典型山地丘陵地區(qū)土地利用變化過程的可能原因及與其影響因素之間的定量化關(guān)系，將對研究山地丘陵地區(qū)土地利用變化的發(fā)展趨勢及生態(tài)環(huán)境的影響，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)及土地的可持續(xù)利用有著重要意義。

1 材料與方法

1.1 研究區(qū)概況

懷來縣位于河北省張家口市東南，地處冀北山地，燕山山脈西南端，東經(jīng)115°16′-115°58′，北緯 40°04′-40°35′。地貌形態(tài)主要有河川平原、丘陵和山地等類型，受地形地貌影響，懷來縣土地利用形成較為明顯的區(qū)域分布特征。地勢由中間“V”型盆地分別向南北崛起，西北高而東南低。2013年全縣地區(qū)生產(chǎn)總值實(shí)現(xiàn)119.4億元，人均GDP達(dá)到20 172元。2013年全縣總?cè)丝?5.7萬人，其中農(nóng)業(yè)人口24.1萬人，非農(nóng)業(yè)人口11.6萬人，分別占總?cè)丝诘?7.5%和32.5%，冀西北間山盆地區(qū)生態(tài)脆弱，位于該區(qū)的懷來縣土地資源相對缺乏，加之人們對土地資源的合理利用不夠重視，導(dǎo)致土地資源利用出現(xiàn)了許多問題。

1.2 數(shù)據(jù)收集與處理

本研究所需要的數(shù)據(jù)包括懷來縣2013年土地利用遙感解譯數(shù)據(jù)，2012懷來縣土地利用變更調(diào)查數(shù)據(jù)，DEM數(shù)據(jù)以及懷來縣社會經(jīng)濟(jì)數(shù)據(jù)。參照全國土地利用現(xiàn)狀分類將懷來縣土地利用類型分為耕地、園地、林地、建設(shè)用地、水域及其他土地6大類。以研究區(qū)2013年7月的Landsat TM影像為數(shù)據(jù)源，將1∶50 000地形圖作為地理坐標(biāo)參考基準(zhǔn)，利用 ENVI 4.8軟件對2013年的遙感影像進(jìn)行幾何校正，并保證校正后誤差小于0.5個像元。以行政區(qū)作為掩膜完成遙感圖像的裁剪，采用監(jiān)督分類并結(jié)合人機(jī)交互的方法完成遙感影像的分類，并進(jìn)行分類后的處理，分別用代碼1，2，3…，6表示各土地利用類型，借助于地面實(shí)測數(shù)據(jù)（GPS野外調(diào)查）來檢驗(yàn)解譯精度，隨機(jī)選取若干樣點(diǎn)，利用混淆矩陣法進(jìn)行評價(jià)分析，結(jié)果表明，遙感影像分類結(jié)果的總體精度達(dá)到85.69%，解譯精度較好。在ArcMap中利用空間分析工具，將懷來縣2013年土地利用現(xiàn)狀圖各地類生成單獨(dú)的柵格文件，分辨率為100 m×100 m，如果屬于該地類，則屬性賦值為1，其他區(qū)域?qū)傩再x值為0，最后將這些柵格圖通過Raster to ASCⅡ模塊轉(zhuǎn)換成ASCⅡ格式。

影響土地利用變化的因素復(fù)雜多樣，依據(jù)科學(xué)性和可獲取性原則，本研究選取了自然因素、社會經(jīng)濟(jì)因素和空間距離因素。其中，自然因素包括高程、坡度和坡向，社會經(jīng)濟(jì)因素包括地均GDP、總?cè)丝诿芏龋臻g距離因素包括到公路的距離、到鐵路的距離、到城鎮(zhèn)的距離、到農(nóng)村居民點(diǎn)的距離、到工礦的距離和到河流水面的距離。自然因素的數(shù)據(jù)主要來源于中國科學(xué)院國際數(shù)據(jù)平臺下載的DEM高程圖；社會經(jīng)濟(jì)因素主要來源于2013年懷來統(tǒng)計(jì)年鑒；空間距離因素在ArcGIS里的Spatial Analyst模塊通過Straight line計(jì)算得到的。數(shù)據(jù)最后都統(tǒng)一到西安1980坐標(biāo)系下，分辨率為100 m×100 m。

1.3 研究方法

1.3.1 二元Logistic回歸模型 Logistic回歸模型一般是以柵格為最小單元，通過將研究區(qū)分為許多柵格單元，每一個柵格都有一個值，模型的目標(biāo)變量（土地利用格局）用二分類變量表示，1表示某種土地利用類型出現(xiàn)，0表示不出現(xiàn)，模型的解釋變量（驅(qū)動因子）通過一系列的自然和社會經(jīng)濟(jì)等因素因子來描述。二元Logistic回歸模型是一種非線性分類統(tǒng)計(jì)方法，適用于對二分因變量（0或1）進(jìn)行回歸分析。回歸模型表達(dá)式如下：

式中，Pi表示每個柵格單元可能出現(xiàn)某一土地利用類型i的發(fā)生概率；Xi表示影響土地利用變化的i類驅(qū)動因子；？茁是各驅(qū)動因子的回歸系數(shù)，表示變量Xi對Pi的影響大小。

1.3.2 空間分布概率模擬 根據(jù)Logistic回歸模型可以得出土地利用類型的空間分布概率Pi，然后運(yùn)用ArcGIS的Raster Calculator計(jì)算得到研究地區(qū)土地利用格局空間分布的經(jīng)驗(yàn)統(tǒng)計(jì)概率圖。

式中，Pi表示每個柵格可能出現(xiàn)某個土地利用類型i的概率，X表示與土地類型相關(guān)的各驅(qū)動因子，？茁0為常量，？茁1-？茁n分別對應(yīng)于X1，i-Xn，i等各種驅(qū)動因子與土地利用類型i之間的相關(guān)度，？茁值越大表示其相關(guān)度越高。

2 結(jié)果與分析

將矢量的土地利用現(xiàn)狀圖轉(zhuǎn)換成柵格格式以后，再通過ArcGIS將各柵格格式的土地利用類型圖和驅(qū)動因素轉(zhuǎn)換成ASCⅡ格式，然后應(yīng)用CLUE-S模擬軟件里的Accessorial Tools將數(shù)據(jù)繼續(xù)生成單列記錄文件，最后將數(shù)據(jù)導(dǎo)入到SPSS軟件中進(jìn)行Binary Logistic逐步回歸分析。

2.1 回歸結(jié)果

Logistic回歸分析中，驅(qū)動因素beta值為負(fù)值的，則表示與相應(yīng)的地類變化的概率為負(fù)相關(guān)，beta值為正值的，則表示與相應(yīng)的地類變化的概率為正相關(guān)，數(shù)值越大，則相關(guān)度越大。由表1可知，與耕地變化概率呈負(fù)相關(guān)的因素包括：到工礦的距離、到公路的距離、到居民點(diǎn)的距離、地均純收入等，表明相應(yīng)的距離因素越遠(yuǎn)或地均純收入越高，耕地發(fā)生變化的概率越小；相應(yīng)的與耕地變化呈正相關(guān)的因素，如到城鎮(zhèn)的距離和坡度等因素，在其他因素不變的情況下，隨著耕地到城鎮(zhèn)的距離的增加或坡度的升高，耕地轉(zhuǎn)換為其他地類的概率增加。其他5種地類與相應(yīng)因素之間的關(guān)系亦是如此。

通過Logistic逐步回歸分析可以篩選出對各地類變化影響較為顯著的因素，同時(shí)剔除不顯著影響因素，并確定各因素之間的定量關(guān)系和作用相對大小[19-21]。對于每一種地類，其回歸方程的影響因子是不一樣的，但是研究中考慮的隨機(jī)因素對每個地類都不發(fā)生影響，說明各地類的形成與分布是有規(guī)律可循的。根據(jù)以上回歸結(jié)果，得到各地類的回歸模型如下：

式中，P1-P6表示耕地、園地、林地、建設(shè)用地、水域和其他用地的發(fā)生概率；X1-X11表示影響各地類變化的影響因子，分別為到城鎮(zhèn)的距離、到工礦的距離、到公路的距離、到河流水面的距離、到居民點(diǎn)的距離、到鐵路的距離、地均純收入、高程、坡度、坡向、人口密度。

由表2可知，懷來縣耕地分布受到城鎮(zhèn)的距離、到公路的距離、到鄉(xiāng)村居民點(diǎn)的距離、到鐵路的距離、地均純收入、高程、坡度、坡向和人口密度的影響，其中受地均純收入影響最大，發(fā)生比率為0.972 5，說明收入越高，耕地發(fā)生的概率越低。懷來縣園地分布主要受到城鎮(zhèn)的距離、到公路的距離、到河流水面的距離、到鄉(xiāng)村居民點(diǎn)的距離、到鐵路的距離、地均純收入、高程、坡度、坡向和人口密度的影響，其中受地均純收入和人口密度影響最大，發(fā)生比率分別為1.013 1和0.989 5，說明園地傾向于分布在地均純收入較高、人口密度小的地方。懷來縣林地分布主要受到工礦的距離、到公路的距離、到河流水面的距離、到鄉(xiāng)村居民點(diǎn)的距離、地均純收入、高程、坡度、坡向和人口密度的影響，其中受地均純收入影響最大，發(fā)生比率為0.983 3，說明地均純收入的地區(qū)林地較少。其次人口密度也對林地分布有較大的影響，其發(fā)生比率為0.999 1，說明林地主要分布在離人口居住區(qū)較遠(yuǎn)的山地地區(qū)。懷來縣建設(shè)用地分布主要受到城鎮(zhèn)的距離、到工礦的距離、到公路的距離、到鄉(xiāng)村居民點(diǎn)的距離、到鐵路的距離、地均純收入、坡向和人口密度的影響，其中受人口密度影響最大，說明人口聚集在建設(shè)用地區(qū)，建設(shè)用地發(fā)生比率與人口密度有較大相關(guān)性，發(fā)生比率為1.010 3。上述各個因素對懷來縣水域用地分布均有影響，到河流水面的距離、到鄉(xiāng)村居民點(diǎn)的距離、地均純收入、高程、坡度、坡向和人口密度都有較顯著的影響，其中受地均純收入和人口密度影響最大，其發(fā)生比率分別為1.053 9和0.959 6，這說明河流水域分布也受地均純收入、人口密度影響較大，此處的河流水域用地是合并了河流、灘涂和水庫用地，說明人類在生產(chǎn)過程中較多利用水域資源。懷來縣其他用地分布主要受到城鎮(zhèn)的距離、到工礦的距離、到河流水面的距離、到鄉(xiāng)村居民點(diǎn)的距離、到鐵路的距離、地均純收入、高程、坡度、坡向和人口密度的影響，其中影響因素最大的是地均純收入，發(fā)生比率為1.009 6。

2.2 模型檢驗(yàn)

真實(shí)的地類分布格局與應(yīng)用二元Logistic回歸分析得到的地類概率分布格局是否具有較高的一致性，這需要通過相應(yīng)的檢驗(yàn)方法來檢驗(yàn)。由于Logistic回歸分析不像其他線性回歸方法可以用R2對回歸效果進(jìn)行檢驗(yàn)，所以在此應(yīng)用Pontius等[22]提出的ROC（Relative Operating Characteristics）方法對Logistic回歸結(jié)果進(jìn)行擬合度檢驗(yàn)。

該方法來源于二值可能性表，每個可能性的內(nèi)容是實(shí)際變化和實(shí)際保持穩(wěn)定的柵格對模擬變化和沒有變化的比值。一個完整的隨機(jī)模型所確定的ROC值為0.5，而令人滿意的最適ROC值為1.0。運(yùn)用SPSS進(jìn)行ROC的驗(yàn)證，選取實(shí)際的土地利用類型作為狀態(tài)變量，預(yù)測的土地利用類型的可能性作為檢測變量，如果其ROC曲線大于0.5，則說明模型擬合度達(dá)到合格。

通過上述方法，本研究得到的各土地利用類型的ROC曲線見圖2。由圖2及表3可以看出，各地類ROC值分別為0.844（耕地）、0.780（園地）、0.904（林地）、0.882（建設(shè)用地）、0.983（水域用地）、0.650（其他用地）。林地和水域用地的擬合度最好，超過了0.900，充分說明了選取因素的解釋性較強(qiáng)，但是對于其他用地的ROC值則低于0.700，擬合度解釋力相對較弱。

2.3 不同土地利用類型的空間概率分布模擬

在驅(qū)動因子分析的基礎(chǔ)上，運(yùn)用Logistic逐步回歸的結(jié)果對研究區(qū)的每個一柵格單元可能出現(xiàn)的某一種土地利用類型的概率進(jìn)行判別，利用Arc GIS中的Raster Calculator功能，根據(jù)公式（2）計(jì)算得到各土地利用類型的空間分布概率圖[12]。其中2013年各地類概率分布見圖3。

在分析現(xiàn)狀圖的基礎(chǔ)上，通過對比各土地利用類型的空間分布概率模擬圖，發(fā)現(xiàn)模擬結(jié)果與實(shí)際情況吻合度較好，由此可見，耕地出現(xiàn)的高概率值區(qū)分布在官廳水庫周圍及左上和中間部分的平原丘陵地區(qū)；出現(xiàn)園地的概率較高的區(qū)域較耕地更加分散，且與耕地部分重合，高值區(qū)域出現(xiàn)在區(qū)域中部和部分山地地區(qū)；林地的出現(xiàn)概率則集中于西北部和南部山地地區(qū)；出現(xiàn)建設(shè)用地的高值概率區(qū)則呈散點(diǎn)狀態(tài)分布在平原和丘陵地帶，且呈現(xiàn)平原-丘陵-山地概率依次降低的趨勢；水域的概率分布則以官廳水庫為中心，集中分布于中部河谷地區(qū)；其他土地的概率分布高低差異較其他5類小，且高概率出現(xiàn)在北部和南部山地地區(qū)。同時(shí)可以看出，模擬的吻合程度與ROC值密切相關(guān)。當(dāng)ROC值越大時(shí)，吻合程度越高，其中水域、林地、建設(shè)用地、耕地和園地ROC值較高，分別為0.983、0.904、0.882、0.844和0.780，說明這5種地類的模擬吻合度較高。其他土地的ROC相對較低，為0.650，模擬吻合程度較低。造成這種偏差的原因可能是其他土地利用類型的構(gòu)成較為復(fù)雜，同時(shí)選取的影響土地利用空間分布格局的驅(qū)動因素除了本研究選取的12個驅(qū)動因子以外，還有其他比較復(fù)雜且難以空間量化的因素，這些數(shù)據(jù)的缺失可能是造成模擬結(jié)果偏差的主要原因。

3 小結(jié)與討論

本研究通過建立針對土地利用變化的二元Logistic回歸模型，揭示了典型山地丘陵地區(qū)引起土地利用變化的可量化的驅(qū)動因素。在空間上對土地利用變化的方向進(jìn)行了概率診斷，能為研究山地丘陵地區(qū)的土地利用變化的方向提供借鑒，在此基礎(chǔ)上可以指導(dǎo)未來的土地利用方式和方向。

研究區(qū)六種地類的分布受到地均純收入和人口密度的影響較大，說明社會經(jīng)濟(jì)因素是各地類分布的主要影響因素。除此之外，耕地和園地的分布受到鄉(xiāng)村居民點(diǎn)的距離、高程、坡度的影響較大，說明受距離和地形因素的影響較大；林地分布受高程、坡度、坡向等自然因素影響較大，社會經(jīng)濟(jì)和距離因素影響較小，這也充分證明了主要分布在山地地區(qū)的林地受到空間距離因素干擾較?。粦褋砜h建設(shè)用地分布受距鄉(xiāng)村居民點(diǎn)的距離影響較大，這也從側(cè)面驗(yàn)證了廣泛分布于地勢平緩的丘陵和平原地帶的居民點(diǎn)，其向外擴(kuò)張的趨勢在空間上受到距離和地形的約束；水域用地分布受距河流水面、距鄉(xiāng)村居民點(diǎn)空間因素和高程、坡度、坡向自然因素影響較大；其他土地分布受高程和坡度影響較大。

通過對比懷來縣土地利用現(xiàn)狀圖，發(fā)現(xiàn)模擬結(jié)果基本吻合實(shí)際情況，并且模擬的吻合程度與ROC值密切相關(guān)，當(dāng)ROC值越大時(shí)，吻合程度越高。其中水域用地、林地的ROC值達(dá)到0.900以上，這兩種地類的模擬吻合度也最高；建設(shè)用地和耕地的ROC值在0.800以上，吻合度也較好；園地和其他土地的ROC值都在0.800以下，吻合度相對較低。

土地利用變化是一個相當(dāng)復(fù)雜的過程，與當(dāng)?shù)啬酥琳麄€區(qū)域的自然因素、經(jīng)濟(jì)、社會、人口、政治等都有著密切的聯(lián)系，難免有些因素沒有考慮到或者難以量化納入模型，同時(shí)本研究選取總?cè)丝诿芏茸兞恐患?xì)化到了鄉(xiāng)鎮(zhèn)范圍，精度不高。作為北京市重要水源地的官廳水庫，其難以量化的政策限制因素較多，在一定程度上也影響了模型的精度。另外，如何將模型用于對未來一段時(shí)間內(nèi)土地利用變化的預(yù)測分析，也值得進(jìn)一步深入研究。

參考文獻(xiàn)：

[1] 李秀彬.全球環(huán)境變化研究的核心領(lǐng)域-土地利用/土地覆被變化的國際研究動向[J].地理學(xué)報(bào)，1996，51（6）：5532-5571.

[2] 劉紀(jì)遠(yuǎn)，張?jiān)鱿椋f大方，等.20世紀(jì)90年代中國土地利用變化時(shí)空特征及其成因分析[J].地理研究，2003，22（1）：1-12.

[3] TURNER B L，LAMBIN E F，REENBERG A.The emergence of land change science for global environmental change and sustainability[J].Proceedings of the National Academy of Sciences of the United States of America，2007，104（52）：20666-20671.

[4] 擺萬奇，趙士洞.土地利用和土地覆蓋變化研究模型綜述[J].自然資源學(xué)報(bào)，1997，12（2）：169-175.

[5] 陳佑啟，VERBURG P H，徐 斌.中國土地利用變化及其影響的空間建模分析[J].地理科學(xué)進(jìn)展，2000，19（2）：116-127.

[6] 余新曉，張曉明，牛麗麗，等.黃土高原流域土地利用/覆被動態(tài)演變及驅(qū)動力分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（7）：219-225.

[7] 潮洛濛，翟繼武，韓倩倩.西部快速城市化地區(qū)近20年土地利用變化及驅(qū)動因素分析—以呼和浩特市為例[J].經(jīng)濟(jì)地理，2010，30（2）：239-243.

[8] 徐廣才，康慕誼，李亞飛.錫林郭勒盟土地利用變化及驅(qū)動力分析[J].資源科學(xué)，2011，33（4）：690-697.

[9] 譚永忠.縣級尺度土地利用變化驅(qū)動機(jī)制及空間格局變化模擬研究[D].杭州：浙江大學(xué)，2004.

[10] 謝花林.基于Logistic回歸模型的區(qū)域生態(tài)用地演變影響因素分析—以京津冀地區(qū)為例[J].資源科學(xué)，2011，33（11）：2063-2070.

[11] 姜廣輝，張鳳榮，陳軍偉，等.基于Logistic回歸模型的北京山區(qū)農(nóng)村居民點(diǎn)變化的驅(qū)動力分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（5）：81-87.

[12] 李 強(qiáng)，任志遠(yuǎn).基于logistic回歸分析的土地利用變化空間統(tǒng)計(jì)與模擬[J].統(tǒng)計(jì)與信息論壇，2012，27（3）：98-103.

[13] 徐嘉興，李 鋼，陳國良.基于logistic回歸模型的礦區(qū)土地利用演變驅(qū)動力分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（20）：247-255.

[14] 楊云龍，周小成，吳 波.基于時(shí)空Logistic回歸模型的漳州城市擴(kuò)展預(yù)測分析[J].地球信息科學(xué)學(xué)報(bào)，2011，13（3）：374-382.

[15] 段增強(qiáng)，張鳳榮.苗利梅.基于鄰域因子的土地利用空間格局分析—以北京市海淀區(qū)為例[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22（6）：71-76.

[16] VERBURG P H，SOEPBOER W，VELDKAMP A，et a1.Modeling the spatial dynamics of regional land use the CLUE-S Model[J]. Environmental Management，2002，30（3）：391-405.

[17] BUI D T，LOFMAN O，REVHAUG I，et al. Land slide susceptibility analysis in the Hoa Binh province of Vietnam using statistical index and logistic regression[J]. Natural Hazards，2011，59（3）：1413-1444.

[18] 戴聲佩，張 勃.基于CLUE-S模型的黑河中游土地利用情景模擬研究—以張掖市甘州區(qū)為例[J].自然資源學(xué)報(bào)，2013，28（2）：336-348.

[19] 段增強(qiáng)，VERBURG P H，張鳳榮，等.土地利用動態(tài)模擬模型的構(gòu)建及其應(yīng)用—以北京市海淀區(qū)為例[J].地理學(xué)報(bào)，2004，59（6）：1037-1047

[20] 馮仕超，高小紅，顧 娟，等.基于CLUE-S模型的湟水流域土地利用空間分布模擬[J].生態(tài)學(xué)報(bào)，2013，33（3）：985-997.

[21] 吳健生，馮 喆，黃 力，等.基于CLUE-S模型框架的土地可持續(xù)利用情景預(yù)測—以陽泉市郊區(qū)為例[J].資源科學(xué)，2011，33（9）：1699-1707.

[22] PONTIUS R，GIL J R，LAURA C S. Land-cover change model validation by an ROC method for the Ipswich watershed， Massa-chuset，USA[J]. Agriculture Ecosystems and Environment，2001，85（5）：239-248.