基于遙感影像的河南省多維貧困空間識(shí)別

王丹丹 付雪嬌

摘 要：針對(duì)當(dāng)前精準(zhǔn)扶貧過程中調(diào)查數(shù)據(jù)收集難度大、成本高、統(tǒng)計(jì)口徑不一致的情況，特地引入夜間燈光數(shù)據(jù)NPP-VIIRS和landsat8 OLI遙感影像，基于貧困測(cè)算指標(biāo)選取的原則，構(gòu)建了多維貧困測(cè)度指標(biāo)體系。以湖北省各縣（區(qū)）為樣本，建立了多維貧困指數(shù)（MPI）與平均夜間燈光指數(shù)（ANLI）、土地利用程度綜合指數(shù)（L）之間的線性回歸模型。利用模型生成了基于縣域的河南省多維貧困指數(shù)（MPI），從而精準(zhǔn)識(shí)別貧困。結(jié)果表明，河南省MPI空間化識(shí)別出了52個(gè)多維貧困縣（區(qū)），其中極貧困縣（區(qū)）數(shù)目為22個(gè)，貧困縣（區(qū)）數(shù)目為30個(gè)，并與國家劃定的53個(gè)貧困縣進(jìn)行對(duì)比，發(fā)現(xiàn)除濮陽縣、臺(tái)前縣、內(nèi)黃縣、滑縣、范縣5個(gè)貧困縣被識(shí)別為弱勢(shì)縣，其余縣（區(qū)）均為多維貧困縣。

關(guān)鍵詞：NPP-VIIRS夜間燈光遙感影像 landsat8 OLI遙感影像 多維貧困指數(shù) 貧困識(shí)別

貧困是人類長期面臨的世界性問題[1]，根據(jù)2006年世界銀行統(tǒng)計(jì)，大約有26億貧困人口分布在農(nóng)村地區(qū)[2]，面臨著生態(tài)環(huán)境惡劣，公共服務(wù)以及基礎(chǔ)設(shè)施不足等困境[3]。消除貧困仍是全球所面臨的最大挑戰(zhàn)[4]，能夠精準(zhǔn)識(shí)別貧困地區(qū)則是減貧的基本前提。現(xiàn)有用于貧困研究的統(tǒng)計(jì)數(shù)據(jù)，是國家或政府通過隨機(jī)抽樣同時(shí)結(jié)合入戶調(diào)查等方式獲得的調(diào)查數(shù)據(jù)。然而，數(shù)據(jù)統(tǒng)計(jì)口徑的不同以及開展這些調(diào)查所需大量的金錢和時(shí)間成本無法滿足發(fā)展中國家貧困研究的需求[5]，鑒于升級(jí)傳統(tǒng)數(shù)據(jù)采集技術(shù)的困難，很多學(xué)者利用新的數(shù)據(jù)源（例如夜間燈光遙感影像）來識(shí)別區(qū)域貧困。

與傳統(tǒng)數(shù)據(jù)相比，遙感影像是一種覆蓋全球的監(jiān)測(cè)數(shù)據(jù)，能夠采集大到國家，小到村落的數(shù)據(jù)，數(shù)據(jù)具有時(shí)效性、客觀性與準(zhǔn)確性，可為各種研究目的提供空間數(shù)據(jù)。夜間燈光遙感圖像應(yīng)用領(lǐng)域包含了貧困問題體現(xiàn)的某些維度，比如城鎮(zhèn)化進(jìn)程對(duì)應(yīng)多維貧困識(shí)別中的工業(yè)用地、住房情況、公共與衛(wèi)生設(shè)施，區(qū)域經(jīng)濟(jì)增長對(duì)應(yīng)著人均收入、生產(chǎn)性收入[6]等。由此可見，夜間燈光數(shù)據(jù)用于研究區(qū)域貧困問題是可行的，近幾年研究表明，夜間燈光數(shù)據(jù)可以進(jìn)行區(qū)域（全球、片區(qū)、省域、縣域）貧困識(shí)別[7-11]。較常用的兩種夜間燈光圖像分別是美國國防氣象衛(wèi)星計(jì)劃/線性掃描業(yè)務(wù)系統(tǒng)（DMSP/OLS）上的傳感器收集的遙感數(shù)據(jù)以及國家極地軌道運(yùn)行環(huán)境衛(wèi)星合作可見光紅外成像輻射儀（NPP-VIIRS）的數(shù)據(jù)，然而DMSP/OLS數(shù)據(jù)存在飽和現(xiàn)象，弱化了燈光數(shù)據(jù)與經(jīng)濟(jì)數(shù)據(jù)之間的相關(guān)性，而新一代的分辨率為500m的NPP-VIIRS數(shù)據(jù)卻不存在這個(gè)問題，與DSMP/OLS燈光數(shù)據(jù)相比，它擁有更高的空間分辨率與更寬的輻射范圍，數(shù)據(jù)更加精確化。學(xué)者認(rèn)為在識(shí)別中國縣級(jí)貧困過程中，NPP-VIIRS夜間燈光數(shù)據(jù)要優(yōu)于DMSP-OLS夜間燈光數(shù)據(jù)[12]。

然而這些研究通常利用夜間燈光數(shù)據(jù)單個(gè)特征，有學(xué)者表明土地利用程度與貧富差異[13-14]、區(qū)域貧困程度[15]之間存在聯(lián)系，土地利用程度提高可以降低區(qū)域貧困度[16-17]。綜合考慮這兩個(gè)方面特征可能挖掘單一燈光數(shù)據(jù)分析所不能得到的綜合信息。在此背景下，將夜間燈光數(shù)據(jù)和利用landsat8 OLI遙感影像獲得的土地利用數(shù)據(jù)引入貧困問題進(jìn)行研究，本文基于貧困測(cè)算指標(biāo)選取的典型性、科學(xué)性和數(shù)據(jù)可獲取性等原則，構(gòu)建了多維貧困空間識(shí)別的指標(biāo)體系，利用夜間燈光遙感數(shù)據(jù)、土地利用數(shù)據(jù)與GIS探索性分析技術(shù)，構(gòu)建多維貧困程度的測(cè)度模型，開展基于縣域尺度的河南省貧困空間識(shí)別，為扶貧瞄準(zhǔn)貧困對(duì)象提供前瞻性依據(jù)。

一、研究區(qū)域概況與數(shù)據(jù)來源

（一）研究區(qū)域概況

湖北省和河南省都位于中國中部，以該區(qū)域?yàn)檠芯繉?duì)象主要理由是：首先，湖北省所轄各縣（區(qū)）間經(jīng)濟(jì)、社會(huì)發(fā)展差異明顯，地區(qū)發(fā)展不平衡，具有代表性。其次，湖北省的103個(gè)縣（區(qū)）中，有25個(gè)列入了國家級(jí)貧困縣、4個(gè)列入了省級(jí)貧困縣、8個(gè)列入了片區(qū)重點(diǎn)貧困縣，共37個(gè)貧困縣，占總數(shù)的35.92%;第三，湖北省地貌類型是山地、丘陵、崗地和平原兼?zhèn)?，地?shì)高低相差懸殊，地形上具有典型性。而與湖北省相鄰的河南省不僅是人口大省、同時(shí)也是全國重要的農(nóng)業(yè)和糧食生產(chǎn)大省，其城市經(jīng)濟(jì)發(fā)展差異顯著，鄭州市的經(jīng)濟(jì)中心地位十分突出;該省的138個(gè)縣（區(qū)）中有12個(gè)列入了國家級(jí)貧困縣、15個(gè)列入了省級(jí)貧困縣、26個(gè)列入了片區(qū)重點(diǎn)貧困縣，共53個(gè)貧困縣;河南省地貌以平原居多，地貌地形區(qū)別于湖北，研究區(qū)域分布示意圖如圖1所示。

（二）數(shù)據(jù)來源

1.夜間燈光數(shù)據(jù)。2013年的NPP-VIIRS夜間燈光數(shù)據(jù)是從National Oceanic and Atmospheric Administration（NOAA）上下載獲得。從國家基礎(chǔ)地理信息中心獲取湖北省、河南省縣級(jí)行政邊界矢量數(shù)據(jù)，利用GIS空間分析技術(shù)，進(jìn)行掩膜處理，最終提取湖北省、河南省縣級(jí)行政區(qū)域的夜間燈光數(shù)據(jù)。

2.土地利用數(shù)據(jù)。landsat8 OLI遙感影像下載于美國地質(zhì)勘探局官網(wǎng)（USGS），該圖像共有11個(gè)波段，其中多光譜8個(gè)波段，其空間分辨率30m，一個(gè)空間分辨率為15m全色波段，此外還有熱紅外數(shù)據(jù)?；诤笔〖昂幽鲜〉腖andsat8 OLI遙感圖像，利用ENVI5.3、ArcGIS等軟件對(duì)影像數(shù)據(jù)進(jìn)行處理，采用監(jiān)督分類中的最大似然法對(duì)研究區(qū)域的遙感圖像進(jìn)行地物識(shí)別，將土地分為耕地、草地、建設(shè)用地、林地、水域和未利用地，得到湖北省和河南省土地利用數(shù)據(jù)。

3.其他數(shù)據(jù)。從全國第二次土地調(diào)查數(shù)據(jù)庫中提取湖北省、河南省行政區(qū)劃圖;年平均氣溫、年平均降雨量數(shù)據(jù)從中國氣象網(wǎng)中獲取;平均高程、平均坡度、地形起伏度由ArcGIS計(jì)算所得;少數(shù)民族人口比例數(shù)據(jù)來源于湖北省第六次人口普查資料;其他數(shù)據(jù)來源于湖北省2014統(tǒng)計(jì)年鑒、縣市級(jí)統(tǒng)計(jì)年鑒以及縣級(jí)國民經(jīng)濟(jì)與社會(huì)統(tǒng)計(jì)公報(bào)。

二、研究方法

（一）多維貧困指數(shù)（Multidimensional Poverty Index）MPI 貧困縣測(cè)量的指標(biāo)體系主要關(guān)注縣域的可持續(xù)發(fā)展能力，趙躍龍等認(rèn)為貧困與地理環(huán)境之間存在關(guān)系[18]，曲瑋等肯定了地理對(duì)貧困狀況具有重要影響作用[19];李雙成、曾永明等發(fā)現(xiàn)了貧困與自然環(huán)境、社會(huì)、經(jīng)濟(jì)之間的關(guān)系[20-21]?？偨Y(jié)學(xué)者的觀點(diǎn)可以發(fā)現(xiàn)：全面的區(qū)域貧困測(cè)量可以從自然環(huán)境、社會(huì)、經(jīng)濟(jì)三個(gè)大方面進(jìn)行。自然環(huán)境方面涉及地形條件、區(qū)位優(yōu)勢(shì)以及氣候環(huán)境等;社會(huì)方面涉及人口特征、基礎(chǔ)設(shè)施、文化教育、衛(wèi)生醫(yī)療和社會(huì)保障等;經(jīng)濟(jì)方面主要涉及區(qū)域的經(jīng)濟(jì)發(fā)展情況等。因此，本文基于貧困測(cè)算指標(biāo)選取的典型性、科學(xué)性、政策相關(guān)性、動(dòng)態(tài)性和數(shù)據(jù)可獲取性等原則，建立了如表1所示的縣級(jí)多維貧困空間識(shí)別的指標(biāo)體系，該體系主要是體現(xiàn)縣域的發(fā)展情況。

（二）指標(biāo)權(quán)重的確定

本文確定指標(biāo)權(quán)重方法采用的是博弈論思想[22-23]，其基本思想是在由層次分析法（AHP）和熵值法（EVM）所得到的不同權(quán)重之間尋找一致或妥協(xié)，極小化可能權(quán)重值跟各基本權(quán)重值之間偏差，得到一組最優(yōu)化的權(quán)重值，即在不同權(quán)重之間尋找最能實(shí)際刻畫各指標(biāo)重要程度的值，具體計(jì)算公式[24]如下：

（三）區(qū)域燈光指數(shù)

本文構(gòu)建了區(qū)域平均夜間燈光指數(shù)（ANLI，Average Nighttime Light Index），它反映了該地區(qū)的燈光特征，其計(jì)算公式為：

三、研究?jī)?nèi)容

（一）MPI與夜間燈光指數(shù)、土地利用程度之間的關(guān)系

利用公式（1）計(jì)算得到湖北省103個(gè)縣（區(qū)）的MPI值，將MPI值排序發(fā)現(xiàn)位列最后37位的縣（區(qū)）中除廣水市和隨縣外，其余35個(gè)縣（區(qū)）都是貧困縣，識(shí)別誤差率為5.41%，這也從一個(gè)側(cè)面反映出本文構(gòu)建的MPI指數(shù)的合理性。統(tǒng)計(jì)各縣（區(qū)）ANLI指數(shù)、土地利用程度綜合指數(shù)并聚類分級(jí)圖2（a）、2（b），由圖2可知，ANLI值、土地利用程度綜合指數(shù)較高的縣區(qū)都集中分布在湖北省一小時(shí)經(jīng)濟(jì)圈內(nèi)，這與經(jīng)濟(jì)發(fā)展水平的分布相似;ANLI、土地利用程度綜合指數(shù)較低的縣區(qū)都集中分布在湖北省西北部秦巴山、西南部武陵山、東南部幕阜山、東北部的大別山，這四個(gè)區(qū)域由于中心城市對(duì)其帶動(dòng)作用不足、交通制約發(fā)展等，經(jīng)濟(jì)增長緩慢。

為進(jìn)一步獲得湖北省各縣（區(qū)）MPI與燈光指數(shù)、土地利用程度之間的關(guān)系，將各縣（區(qū)）的MPI與平均夜間燈光指數(shù)（模型1），各縣（區(qū)）的MPI與平均夜間燈光指數(shù)（ANLI）、土地利用程度綜合指數(shù)L（模型2）進(jìn)行回歸，得到表3回歸分析結(jié)果。結(jié)果顯示，回歸模型及系數(shù)都通過了1%的顯著性檢驗(yàn)，而MPI與ANLI、L的擬合效果更好。由此可知，在回歸模型中引入土地利用綜合指數(shù)效果更佳。

（二）河南省貧困識(shí)別

1.縣域多維貧困總體分布特征。本文進(jìn)一步統(tǒng)計(jì)了河南省各個(gè)縣（區(qū)）的平均夜間燈光指數(shù)和土地利用程度指數(shù)，將樣本數(shù)據(jù)建立起來的回歸模型用于估算河南省各區(qū)縣的MPI，探尋其空間分布特征。采用局部空間自相關(guān)LISA指數(shù)來凸顯多維貧困在具體空間位置區(qū)域的異同，得到河南省多維貧困縣（區(qū)）的全局Morans I值為0.358，結(jié)果通過了1%的顯著性檢驗(yàn)，表明河南省縣（區(qū)）MPI在空間上具有較高的集聚效應(yīng)，MPI值較高的縣（區(qū)），其周圍縣（區(qū)）的MPI值同樣比較高;MPI值較低的縣（區(qū)），其周圍縣（區(qū)）的MPI值同樣較低。采用自然斷裂分級(jí)法將河南省各縣（區(qū)）的MPI值進(jìn)行分級(jí)，將其劃分為極貧困區(qū)、貧困區(qū)、弱勢(shì)區(qū)、一般區(qū)、優(yōu)勢(shì)區(qū)、富裕區(qū)和極富裕區(qū)（圖3），極貧困區(qū)集中連片分布在豫西、豫東南地區(qū)，貧困區(qū)主要分布在極貧困外圍。富裕區(qū)和極富裕區(qū)則點(diǎn)狀分布在豫中、豫北地區(qū)。極貧困區(qū)和貧困區(qū)分別包含有22個(gè)和30個(gè)縣（區(qū)），數(shù)目合計(jì)占河南省縣（區(qū)）總數(shù)目的37.68%。將這兩個(gè)級(jí)別的縣（區(qū)）識(shí)別為河南省多維貧困縣（區(qū)）（圖3），共計(jì)52個(gè)。

2.識(shí)別結(jié)果。河南省扶貧開發(fā)工作重點(diǎn)縣共有53個(gè)貧困縣，統(tǒng)計(jì)這53個(gè)貧困縣中有20個(gè)屬于極貧困區(qū)，28個(gè)屬于貧困區(qū)，另有5個(gè)貧困縣（區(qū)）未被本文識(shí)別為多維貧困縣，其中，有5個(gè)屬于弱勢(shì)區(qū)，沒有縣（區(qū)）被劃為一般區(qū)、優(yōu)勢(shì)區(qū)、富裕區(qū)或極富裕區(qū)。5個(gè)識(shí)別為弱勢(shì)區(qū)的縣（區(qū)）是濮陽縣、臺(tái)前縣、內(nèi)黃縣、滑縣、范縣，這五個(gè)縣（區(qū)）的平均夜間燈光指數(shù)均高于河南省的平均夜間燈光值9.067，且土地利用程度綜合指數(shù)除臺(tái)前縣外，也高于河南省平均土地利用程度指數(shù)251.6。值得注意的是，本文識(shí)別的多維貧困縣中，有西峽縣、陜縣、林州市和靈寶市，這四個(gè)縣（區(qū)）平均夜間燈光指數(shù)均低于河南省的平均夜間燈光值9.067，且土地利用程度綜合指數(shù)也低于河南省平均土地利用程度指數(shù)251.6。綜上所述，借助MPI識(shí)別貧困的結(jié)果與國家劃定的貧困縣進(jìn)行對(duì)比，除濮陽縣、臺(tái)前縣、內(nèi)黃縣、滑縣、范縣5個(gè)貧困縣為弱勢(shì)縣，其余縣（區(qū)）均被識(shí)別為貧困縣。

四、結(jié)論與討論

（一）結(jié)論

本文采用NPP-VIIRS夜間燈光數(shù)據(jù)和landsat8星載OLI遙感影像，選取湖北省作為樣本區(qū)，通過構(gòu)建多維貧困指數(shù)、夜間燈光指數(shù)和土地利用程度綜合指數(shù)的回歸模型，開展了基于縣域尺度的河南省貧困空間識(shí)別，實(shí)現(xiàn)了多維貧困的空間化。結(jié)果表明，①以湖北省為樣本區(qū)，構(gòu)建多維貧困指數(shù)（MPI）對(duì)湖北省縣域貧困進(jìn)行識(shí)別的誤差率為5.41%。②由回歸分析結(jié)果對(duì)比可知，平均夜間燈光指數(shù)（ANLI）、土地利用程度綜合指數(shù)（L）與MPI模型的擬合效果優(yōu)于僅區(qū)域燈光指數(shù)（ANLI）與MPI構(gòu)成的模型。③河南省縣域估計(jì)的MPI值中，極貧困縣（區(qū)）有22個(gè)，貧困縣（區(qū)）有30個(gè)，與國家劃定的53個(gè)貧困縣進(jìn)行對(duì)比，有5個(gè)貧困縣（濮陽縣、臺(tái)前縣、內(nèi)黃縣、滑縣、范縣）被本文識(shí)別為弱勢(shì)縣，而未被識(shí)別為多維貧困縣;另外，本文識(shí)別的多維貧困縣中，多了西峽縣、陜縣、林州市和靈寶市。

（二）討論

在利用夜間燈光影像、土地利用程度綜合指數(shù)測(cè)度多維貧困縣方法和理論方面，存在以下問題需要更進(jìn)一步的研究：①多維貧困指標(biāo)體系的構(gòu)建和權(quán)重的確定對(duì)識(shí)別結(jié)果的影響較大，本文構(gòu)建體系所選取的21個(gè)指標(biāo)難免具有片面性、不完整性。②土地利用程度綜合指數(shù)是利用ENVI5.3軟件監(jiān)督分類中的最大似然法對(duì)湖北省、河南省的landsat8 OLI遙感影像進(jìn)行地物識(shí)別后計(jì)算而得，而最大似然法對(duì)研究區(qū)遙感影像進(jìn)行地物識(shí)別的總體精度為96.79%。③由于對(duì)landsat8 OLI遙感影像處理工作量較大，本文只對(duì)河南省縣域貧困狀況進(jìn)行了識(shí)別，下一步將研究中國縣域的貧困狀況。此外，貧困是個(gè)相對(duì)的概念，在研究中應(yīng)納入多期遙感影像對(duì)縣域貧困狀況進(jìn)行動(dòng)態(tài)監(jiān)測(cè)。

參考文獻(xiàn)：

[1]Steele J E，Sunds？Y P R ，Pezzulo C ，et al. Mapping poverty using mobile phone and satellite data[J]. Journal of The Royal Society Interface，2017 （127）.

[2]Cao M ，Xu D ，Xie F ，et al. The influence factors analysis of households' poverty vulnerability in southwest ethnic areas of China based on the hierarchical linear model： A case study of Liangshan Yi autonomous prefecture[J]. Applied Geography，2016 （8229）：144-152.

[3]Hjorth P . Knowledge development and management for urban poverty alleviation[J]. Habitat International，2003 （3）：381-392.

[4]Alkire S ，Santos M E. Acute Multidimensional Poverty： A New Index for Developing Countries[J]. Social Science Electronic Publishing，2011 （HDRP-2010-11）.

[5]Li，Cai，Liu，Liu，Su. A comparison of machine learning approaches for identifying high-poverty counties： robust features of DMSP/OLS night-time light imagery[J]. International Journal of Remote Sensing，2019（15）：5716-5736.

[6]LEVIN Noam，DUKE Yishai. High spatial resolution night-time light images for demographic and socio-economic studies[J]. Remote Sensing of Environment，2012（3）：1-10.

[7]Noor A M ，Alegana V A，Gething P W，et al. Using remotely sensed night-time light as a proxy for poverty in Afric. [J]. Population Health Metrics，2008（1）：5-5.

[8]Wang W ，Cheng H，Zhang L. Poverty assessment using DMSP/OLS night-time light satellite imagery at a provincial scale in China[J].Advances in Space Research，2012（8）：1253-1264.

[9]Yu B ，Shi K，Hu Y，et al. Poverty Evaluation Using NPP-VIIRS Nighttime Light Composite Data at the County Level in China[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015（3）：1-13.

[10]王成力.周偉.袁濤.夜間燈光數(shù)據(jù)下的中國貧困縣發(fā)展?fàn)顩r[J].遙感信息，2018（06）.

[11]潘竟虎.胡艷興.基于夜間燈光數(shù)據(jù)的中國多維貧困空間識(shí)別[J].經(jīng)濟(jì)地理，2016（11）.

[12]沈丹.周亮.王培安.基于夜間燈光數(shù)據(jù)的六盤山連片特困區(qū)貧困空間分異特征分析[J].遙感信息，2018（04）.

[13]孫丕苓.許月卿.王數(shù).環(huán)京津貧困帶土地利用變化的地形梯度效應(yīng)分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2014（14）.

[14]劉鵬.董廷旭.阿壩州土地利用程度動(dòng)態(tài)變化及區(qū)域差異分析[J].安徽農(nóng)業(yè)科學(xué)，2015（14）.

[15]謝盛瀚.韋燕飛.韓振鋒等.田陽縣貧困村空間分異及其對(duì)土地利用程度的響應(yīng)[J].湖南農(nóng)業(yè)科學(xué)，2017（09）.

[16]王衛(wèi).貧困山區(qū)縣級(jí)土地利用結(jié)構(gòu)調(diào)整模型研究[J].自然資源，1993（06）.

[17]冉逸簫.張鳳榮.張佰林等.貧困山區(qū)農(nóng)村衰落的特征及診斷——以重慶市酉陽縣為例[J].資源科學(xué)，2017（06）.

[18]趙躍龍.劉燕華.中國脆弱生態(tài)環(huán)境分布及其與貧困的關(guān)系[J].地球科學(xué)進(jìn)展，1996（03）.

[19]曲瑋.涂勤.牛叔文等.自然地理環(huán)境的貧困效應(yīng)檢驗(yàn)——自然地理?xiàng)l件對(duì)農(nóng)村貧困影響的實(shí)證分析[J].中國農(nóng)村經(jīng)濟(jì).2012（02）.

[20]李雙成.許月卿.傅小鋒.基于GIS和ANN的中國區(qū)域貧困化空間模擬分析[J].資源科學(xué).2005（04）.

[21]曾永明.張果.基于GIS和BP神經(jīng)網(wǎng)絡(luò)的區(qū)域農(nóng)村貧困空間模擬分析——一種區(qū)域貧困程度測(cè)度新方法[J].地理與地理信息科學(xué).2011（02）.

[22]徐菲菲.楊達(dá)源.黃震方等.基于層次熵分析法的濕地生態(tài)旅游評(píng)價(jià)研究——以江蘇鹽城丹頂鶴濕地自然保護(hù)區(qū)為例[J].經(jīng)濟(jì)地理.2005（05）.

[23]王富喜.毛愛華.李赫龍等.基于熵值法的山東省城鎮(zhèn)化質(zhì)量測(cè)度及空間差異分析[J].地理科學(xué).2013（11）.

[24]王艷慧.錢樂毅.陳燁烽等.生態(tài)貧困視角下的貧困縣多維貧困綜合度量[J].應(yīng)用生態(tài)學(xué)報(bào).2017（08）.

[25]莊大方.劉紀(jì)遠(yuǎn).中國土地利用程度的區(qū)域分異模型研究[J].自然資源學(xué)報(bào).1997（02）.

〔王丹丹（通訊作者），中國地質(zhì)大學(xué)（武漢）。付雪嬌，湖北大學(xué)〕