基于地理探測(cè)器的干旱區(qū)綠洲土地利用變化影響因子

陳曉曉 張永福

摘要：研究以2005—2015年Landsat系列遙感影像為本底，利用轉(zhuǎn)移矩陣和土地利用綜合程度科學(xué)分析干旱區(qū)渭庫(kù)綠洲土地利用時(shí)空演變特征，并結(jié)合地理探測(cè)器模型深入探討主要影響因素及定量歸因。結(jié)果表明，時(shí)空分析2005—2015年間耕地、建設(shè)用地、水域增加，林地、草地和未利用地有所減少，其中轉(zhuǎn)出量表現(xiàn)為草地> 未利用地> 林地> 耕地> 水域> 建設(shè)用地，有用地主要轉(zhuǎn)入耕地和草地，具體為158 551.29、113 581.98 hm2。因子探測(cè)研究年主要影響因子均為NDVI、土地利用綜合程度，2005年解釋力度q分別為NDVI（X1）0.779、土地利用綜合程度（X10）0868，2010年分別為 0.720、0.893，2015年分別為0.699、0.854。交互式探測(cè)土地利用時(shí)空演變是內(nèi)外因素共同作用的結(jié)果，且雙因子作用強(qiáng)度比單因子作用強(qiáng)度更為顯著。探討干旱區(qū)綠洲土地利用變化及其影響因子對(duì)于區(qū)域土地資源的有效利用有著重要的意義。

關(guān)鍵詞：土地利用;影響因素;地理探測(cè)器模型;渭庫(kù)綠洲

中圖分類號(hào)：F205;S127文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2021）02-0167-07

收稿日期：2020-04-03

基金項(xiàng)目：新疆阿克蘇市耕地占補(bǔ)平衡儲(chǔ)備庫(kù)項(xiàng)目（編號(hào)：201704051015）;新疆維吾爾自治區(qū)研究生科研創(chuàng)新項(xiàng)目（編號(hào)：XJ2019G053）。

作者簡(jiǎn)介：陳曉曉（1992—），女，河南鹿邑人，碩士研究生，主要從事國(guó)土資源信息技術(shù)研究。E-mail：xiao_c0319@stu.xju.edu.cn。

通信作者：張永福，副教授，主要從事國(guó)土資源評(píng)價(jià)方向的研究。E-mail：zyf431@sina.com。

土地資源是人類賴以生存的載體，區(qū)域土地資源的有效利用對(duì)人類可持續(xù)發(fā)展有著重要意義。土地利用/覆被變化（land use/land cover change，簡(jiǎn)稱LUCC）是地球表層系統(tǒng)最為明顯的的景觀標(biāo)志，在全球氣候變化中扮演著重要角色[1]，是全球氣候環(huán)境研究的重要內(nèi)容[2]。LUCC的研究熱潮始于1992年，在聯(lián)合國(guó)議程中定為21世紀(jì)科研工作的重點(diǎn)探究對(duì)象[3]。隨著研究的深入，LUCC對(duì)全球氣候變化的累積影響越來(lái)越受到重視。

目前，對(duì)土地利用時(shí)空演變分析的研究范圍較廣，涉及全球[4]、中國(guó)[5]、德黑蘭南部[6]、英國(guó)[7]、喜馬拉雅湖流域[8]、斯洛伐克[9]等。用于研究土地利用時(shí)空變化規(guī)律的方法有單一土地利用動(dòng)態(tài)度、程度綜合指數(shù)[10]，土地轉(zhuǎn)移矩陣、標(biāo)準(zhǔn)差橢圓分析、熱點(diǎn)分析、核密度分析[11]等同時(shí)對(duì)影響時(shí)空演變格局內(nèi)在機(jī)制研究也逐漸展開(kāi)，其中模型法成為土地利用時(shí)空變化驅(qū)動(dòng)因素研究的主要方法，如Liu等分別采用多維DPSIR指標(biāo)[12]、多元線性回歸[13]、Logistic回歸模型法[14-15]等定性定量方法上，驅(qū)動(dòng)因子在自然、氣候、社會(huì)經(jīng)濟(jì)等方面進(jìn)行闡述，在揭示土地利用時(shí)空演變規(guī)律影響因子的領(lǐng)域提供了重要的理論支撐。吳琳娜等分別從土地利用變化速度、轉(zhuǎn)移方向和土地利用程度方面進(jìn)行全面分析[16]。旱區(qū)綠洲是人們生產(chǎn)生活的重要場(chǎng)所，對(duì)土地利用研究?jī)?nèi)容較豐富，涉及土地利用動(dòng)態(tài)[17]、土地利用效益[18]及地表蒸散時(shí)空變化特征[19]等。

渭庫(kù)綠洲作為天然的生態(tài)屏障在人與自然和諧相處過(guò)程中占據(jù)重要地位，隨著快速的經(jīng)濟(jì)發(fā)展、不合理的資源開(kāi)發(fā)、迅速的城鎮(zhèn)化和激增的人口數(shù)量，綠洲承載能力和生態(tài)環(huán)境正面臨巨大的壓力，亟須定量研究LUCC的內(nèi)在機(jī)制，掌握干旱區(qū)綠洲演變發(fā)展的普遍規(guī)律。地理探測(cè)器模型[20]，能定量識(shí)別因子間的相互作用，探測(cè)各因子對(duì)土地利用變化的貢獻(xiàn)值，從構(gòu)建的空間數(shù)據(jù)庫(kù)中提取重要的空間關(guān)聯(lián)規(guī)則[21-22]。故以干旱區(qū)渭庫(kù)綠洲為靶區(qū)，用轉(zhuǎn)移矩陣及土地利用綜合程度方法綜述土地利用時(shí)空演變，借助地理探測(cè)器模型進(jìn)行LUCC影響因素重要度排序，旨在為政府相關(guān)部門(mén)未來(lái)土地治理及優(yōu)化配置提供參考依據(jù)。

1數(shù)據(jù)來(lái)源與研究方法

1.1研究區(qū)概括

渭庫(kù)綠洲位于新疆維吾爾自治區(qū)南部阿克蘇地區(qū)境內(nèi)（81°28′30″～84°05′06″E、39°29′51″～42°38′01″N），坐落在天山南麓，塔里木河北緣，地跨庫(kù)車縣、沙雅縣、新和縣，呈貝殼狀，是干旱區(qū)最典型的荒漠綠洲之一（圖1）。渭庫(kù)綠洲屬于暖溫帶大陸性干旱氣候，其日照時(shí)間長(zhǎng)，年均日照時(shí)數(shù)為 2 884.43 h，8月日照最多，12月最少;冬季寒冷，無(wú)霜期較長(zhǎng)，降水稀少，主要分布在夏季，降水量在1年之中變化具有較大的跳躍性;空氣干燥，蒸發(fā)量旺盛，平原區(qū)的年總蒸發(fā)量在1 766～2 450 mm之間，平均年蒸發(fā)量為2 024 mm，夏季蒸發(fā)量高，冬季較少。

1.2數(shù)據(jù)來(lái)源與處理

1.2.1Landsat系列數(shù)據(jù)Lansat系列數(shù)據(jù)源于美國(guó)USGS網(wǎng)站（https：//landsatlook.usgs.gov/viewer.html），空間分辨率30 m，云量在10%以內(nèi)，2005年7月與2010年8月選取Landsat5 TM數(shù)據(jù)。2015年7月使用Landsat8 OLI數(shù)據(jù)。對(duì)遙感數(shù)據(jù)進(jìn)行一系列輻射定標(biāo)、大氣校正、裁剪等預(yù)處理，分析研究區(qū)土地利用景觀類別特征，參照《土地利用現(xiàn)狀分類標(biāo)準(zhǔn)》（GB/T 21010—2007）土地用地一級(jí)分類方法[23]。構(gòu)建土地利用空間數(shù)據(jù)庫(kù)，景觀類型分為6類：耕地、林地、水域、草地、建設(shè)用地、未利用地。歸一化植被指數(shù)（normalized difference vegetation index，簡(jiǎn)稱NDVI）相對(duì)綠色植被比較敏感，可用于植被的監(jiān)測(cè)、分類和物候分析[24]。通過(guò)ENVI軟件的波段運(yùn)算模塊得到渭庫(kù)綠洲NDVI。

1.2.2氣象數(shù)據(jù)由中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//data.cma.cn/site/index.html）提供，數(shù)據(jù)包括年均溫度、年均降水量、年均日照。運(yùn)用ArcGIS的空間分析模塊的Kriging插值法將氣象數(shù)據(jù)空間化。

1.2.3人口密度（總?cè)丝跀?shù)/土地面積）庫(kù)車、沙雅、新和3縣的統(tǒng)計(jì)年鑒，《阿克蘇地區(qū)統(tǒng)計(jì)年鑒》，3縣政府網(wǎng)站發(fā)布的統(tǒng)計(jì)公報(bào)等統(tǒng)計(jì)人口數(shù)，借助ArcGIS柵格化人口數(shù)據(jù)，計(jì)算人口密度。

1.2.4土壤類型數(shù)據(jù)土壤類型數(shù)據(jù)源于中國(guó)科學(xué)院資源環(huán)境數(shù)據(jù)中心，含潮土、風(fēng)沙土、鹽土、漠境鹽土、草甸土、灌淤土、林灌草甸土、石質(zhì)土、沼澤土、棕漠土等10種土壤類型。

1.2.5地形數(shù)據(jù)30 m分辨率的高程數(shù)據(jù)來(lái)自地理空間數(shù)據(jù)云（http：//www.gscloud.cn）平臺(tái)。預(yù)處理包括拼接、裁剪、定義投影。坡度：在高程基礎(chǔ)上算取坡度并按照《第二次全國(guó)土地調(diào)查技術(shù)規(guī)程》中的標(biāo)準(zhǔn)耕地坡度分級(jí)要求進(jìn)行重分類，包括≤2、>2～6、>6～15、>15～25、>25等5個(gè)坡度級(jí)[25]。地形起伏度：是區(qū)域海拔高度和地表切割程度的綜合表征[26]，在arcGIS中經(jīng)過(guò)領(lǐng)域分析、地圖代數(shù)和重分類獲得。

1.2.6采樣數(shù)據(jù)根據(jù)均勻分布原則，選取近 6 000 個(gè)樣點(diǎn)（最終選取具有代表性的433個(gè)純像元驗(yàn)證），于2019年7、8月使用國(guó)土調(diào)查云在線監(jiān)管軟件進(jìn)行野外實(shí)地勘察驗(yàn)證。采樣范圍覆蓋3縣各個(gè)鄉(xiāng)村。驗(yàn)證樣點(diǎn)見(jiàn)圖1。土地利用分類驗(yàn)證使用ENVI的混淆矩陣得出κ系數(shù)和總體精度均在80%以上。

1.3研究方法

1.3.1土地利用轉(zhuǎn)移矩陣轉(zhuǎn)移矩陣可以直觀表征在一段時(shí)間變化內(nèi)某一土地類型由起始年轉(zhuǎn)為末尾年轉(zhuǎn)入轉(zhuǎn)出的面積及各個(gè)地類變化的方向。

Sij=S11S12S13…S1n

S21S22S23…S2n

Sn1Sn2Sn3…Snn。（1）

式中：S為轉(zhuǎn)移的地類面積;i、j為年份初期和末期，n為分出的土地利用類型數(shù)量，行數(shù)表明i時(shí)期的土地利用類型轉(zhuǎn)變?yōu)閖時(shí)期土地利用類型的部分;下劃線部分表示相同地類i時(shí)期到j(luò)時(shí)期土地利用類型沒(méi)有變化部分。

1.3.2土地利用程度土地利用程度綜合反映了土地利用類型結(jié)構(gòu)及影響因素的綜合效應(yīng)。使用ArcGIS的空間分析模塊，參照楚玉山等提出的土地利用程度法[27]，對(duì)各土地利用分級(jí)賦值[28]，達(dá)到量化土地利用程度的效果。土地利用綜合程度公式如下：

L=100×∑ni=1Ai×Ci。（2）

式中：L為土地利用程度綜合指數(shù);Ai為第i級(jí)的土地利用程度分級(jí)指數(shù);Ci為第i級(jí)土地利用程度分級(jí)面積百分比。

1.3.3地理探測(cè)器地理探測(cè)器模型（Geodetector）（http：//www.geodetector.org/）是一種探測(cè)空間分異性，并揭示其背后驅(qū)動(dòng)因素的全新模型[29]。在定量化驅(qū)動(dòng)因子影響因素中用q統(tǒng)計(jì)量值描述，具體表現(xiàn)為q值越大自變量（X）對(duì)因變量（Y）的影響程度越高且空間分布越相似，包含因子、交互作用、生態(tài)、風(fēng)險(xiǎn)區(qū)等4項(xiàng)探測(cè)。本研究選取因子探測(cè)、交互作用探測(cè)解讀LUCC影響因素的內(nèi)在機(jī)理。因變量（Y）使用土地利用分類數(shù)據(jù)，自變量選取10個(gè)因子：NDVI（X1）、土壤類型（X2）、高程（X3）、坡度（X4）、地形起伏度（X5）、人口密度（X6）、年均氣溫（X7）、年均日照（X8）、年均降水量（X9）、土地利用綜合程度（X10）。

1.3.3.1因子探測(cè)用于識(shí)別各影響因素對(duì)LUCC的解釋力及在空間上是否具有顯著的一致性，對(duì)LUCC變化方向有決定性作用。模型表達(dá)式如下：

q=1-1Nσ2∑Lh=1Nhσ2h（3）

式中：q為驅(qū)動(dòng)力因素對(duì)LUCC的影響力探測(cè)指標(biāo);N為全區(qū)單元數(shù)量;Nh=h級(jí)單位樣本數(shù)，h=1，…，L，為影響因子的分類數(shù);σ2為研究區(qū)土地利用類型方差;σ2h=h級(jí)土地利用類型方差;q的取值范圍為[0，1]。

1.3.3.2交互作用探測(cè)以圖示、判據(jù)和交互作用直觀描述2個(gè)影響因素之間對(duì)土地利用類型的影響是減弱、增強(qiáng)、或者相互獨(dú)立。與單因子影響對(duì)比在土地利用發(fā)展中起更適宜的決策作用。

交互探測(cè)表達(dá)式中如果q（X1∩X2）max[q（X1），q（X2）]，2個(gè)影響因子交互雙因子增強(qiáng);如果q（X1∩X2）=q（X1）+q（X2），2個(gè)影響因子交互獨(dú)立;如果q（X1∩X2）>q（X1）+q（X2），2個(gè)影響因子交互非線性增強(qiáng)。將自變量數(shù)據(jù)轉(zhuǎn)為類型量保存柵格格式，為在空間上匹配自變量和因變量的值，利用ArcGIS制作隨機(jī)樣點(diǎn)1 998個(gè)，進(jìn)而提取每個(gè)隨機(jī)樣點(diǎn)的自變量、因變量離散化后的值。

2結(jié)果與分析

2.1渭庫(kù)綠洲土地利用時(shí)間序列分析

根據(jù)土地利用地類等級(jí)劃分標(biāo)準(zhǔn)，分類方法采用監(jiān)督分類，在分類精度達(dá)到要求的基礎(chǔ)上，最終獲得渭庫(kù)綠洲2005—2015年土地利用分類（圖2）。依據(jù)研究區(qū)分類情況進(jìn)一步具體分析地類在時(shí)序上的變化。

分析2005—2015年土地利用分類數(shù)據(jù)，土地利用年際變化總體特征在各土地利用類型面積上變化明顯（圖3-a、圖3-b），2005年占研究區(qū)范圍最多的地類為草地、未利用地和耕地，地類面積分別為 325 096.20、257 826.69、158 205.33 hm2，占總面積比例分別為37.7%、29.9%、18.3%。2010年占研究區(qū)范圍最多的地類為草地、耕地、未利用地，地類面積分別為285 693.66、230 493.60、213 810.48 hm2，占總面積比例分別為33.1%、26.7%、24.8%。2015年占研究區(qū)范圍最多的地類為草地、耕地、未利用地，地類面積分別為272 709.45、265 091.94、213 964.29 hm2，占總面積比例分別為31.6%、307%、24.8%。3年占地面積最多的均為耕地、草地和未利用地， 表明這3種地類屬于主體地類。各地類年際增幅在2005—2010年及2010—2015年間變化量有不同的波動(dòng)（圖3-c），在10年間總體變化量增加的地類有耕地、水域、建設(shè)用地，變化量分別為106 886.60、5 701.95、35 737.47 hm2，變化量減少的地類有林地、草地、未利用地，變化量分別為 52 076.9、52 386.8、43 862.4 hm2。

2.2渭庫(kù)綠洲土地利用類型演變分析

通過(guò)分析2000—2015年間渭庫(kù)綠洲土地利用地類轉(zhuǎn)移矩陣（表1），土地利用之間的轉(zhuǎn)入轉(zhuǎn)出量在空間上表現(xiàn)出較大的差異性。轉(zhuǎn)出量排序?yàn)椴莸? 未利用地> 林地> 耕地> 水域> 建設(shè)用地，其中草地、未利用地、林地、耕地轉(zhuǎn)出量較大，轉(zhuǎn)出面積分別為165 968.73、86 098.14、78 080.40、51 664.68 hm2，草地主要轉(zhuǎn)化為 88 212.06 hm2 的耕地和38 771.46 hm2的未利用地，未利用地主要轉(zhuǎn)化為23 969.79 hm2的耕地和46 761.48 hm2的草地。轉(zhuǎn)入面積最多的地類為耕地、草地，轉(zhuǎn)入面積分別為158 551.29、113 581.98 hm2。不可忽視的是建設(shè)用地，與基期年相比轉(zhuǎn)入幅度較大，具體為42 360.39 hm2，遠(yuǎn)比轉(zhuǎn)出面積6 622.92 hm2大很多，建設(shè)用地面積的增大導(dǎo)致大面積的草地和未利用地減小。雖然10年間土地利用地類不斷發(fā)生變化，但總體轉(zhuǎn)入轉(zhuǎn)出面積相對(duì)平衡。

2005—2015年間各階段土地利用綜合程度指數(shù)分別為187.88、207.74和254.35，增長(zhǎng)量分別為19.86與46.61，雖然2005—2010年發(fā)展速度沒(méi)有2010—2015年發(fā)展快但總體趨勢(shì)呈增長(zhǎng)狀態(tài)，說(shuō)明10年間土地利用屬于發(fā)展期且發(fā)展較快（圖4）。由于綠洲區(qū)域地勢(shì)平坦環(huán)境適宜生存，所以人類活動(dòng)影響土地利用空間演變規(guī)律較明顯。

2.3渭庫(kù)綠洲土地利用時(shí)空演變定量歸因

2.3.1單子探測(cè)LUCC時(shí)空變化能直觀地反映土地類型變化程度，為反映變化深度追其內(nèi)在原因，定量反演各影響因子對(duì)LUCC的影響系數(shù)，通過(guò)公式（3）進(jìn)行因子探測(cè)，其中q值越大，LUCC空間分布分異性越明顯（圖5）。2005年影響較大的單因子為土地利用綜合程度（q=0.868）、NDVI（q=0779），影響程度次之的因素有土壤類型、年均降水量、高程、年均日照，解釋力度q值分別為0.321、0.123、0.119、0.102，說(shuō)明自然因素與地形因素直接或間接影響土地利用時(shí)空間演變格局。研究時(shí)段其他影響程度從大到小依次是年均氣溫、人口密度、坡度、地形起伏度，解釋力度q值分別為0.039、0.006、0004、0.001，解釋力度較小，但是也從一定程度上參與影響土地利用時(shí)空演變。2010、2015年單因子探測(cè)影響較大的因子與2005年相同，均為土地利用綜合程度和NDVI，q值解釋力均大于0.6，其他影響因子影響程度的趨勢(shì)也與2005年相同，充分說(shuō)明土地利用時(shí)空演變有規(guī)律可循。

2.3.2交互探測(cè)研究土地利用時(shí)空演變影響因素定量歸因， 應(yīng)用地理探測(cè)器定量分析2個(gè)因子同時(shí)作用對(duì)LUCC的空間分異性（圖6），2005—2015年間任一2個(gè)因子的作用強(qiáng)度都高于單個(gè)因子的影響。2005、2010、2015年交互影響最強(qiáng)烈的因子均為土地利用綜合程度和NDVI，交互值分別為0916、0.927、0.893，根據(jù)交互判據(jù)，研究年土地利用綜合程度和NDVI交互作用均為雙因子增強(qiáng)。有土地利用綜合程度與NDVI參與的交互值都較高，說(shuō)明研究時(shí)段，土地利用綜合程度和NDVI使土地利用時(shí)空演變更加復(fù)雜。土壤類型、高程、年均日照、年均氣溫、年均降水量等因素相互作用，探測(cè)值在0.15～0.45之間，交互作用多為非線性增強(qiáng)，較少為雙因子增強(qiáng)，體現(xiàn)了因子間作用的復(fù)雜性。當(dāng)出現(xiàn)與地形起伏度、人口密度、氣象數(shù)據(jù)因子交互探測(cè)時(shí)，交互值低于0.15且交互作用多為非線性增強(qiáng)。

3結(jié)論與討論

通過(guò)監(jiān)督分類統(tǒng)計(jì)地類，結(jié)合轉(zhuǎn)移矩陣和土地利用綜合程度分析2005—2015年間LUCC的時(shí)空格局演變特征，研究地理探測(cè)器模型探測(cè)自然因素、區(qū)位因素、社會(huì)經(jīng)濟(jì)因素等驅(qū)動(dòng)因子對(duì)LUCC的影響定量歸因。

土地利用時(shí)空演變較為復(fù)雜，耕地、草地、未利用地占地比最高，且變化幅度也較大，水域、林地變化較穩(wěn)定，建設(shè)用地總體基數(shù)低，但是同比建設(shè)用地面積增長(zhǎng)較快。2005—2015年間耕地增長(zhǎng) 106 886.6 hm2 變化較大，占研究區(qū)面積18.33%，呈相同趨勢(shì)的建設(shè)用地和水域，同比增長(zhǎng) 35 737.47、5 701.95 hm2。林地、草地和未利用地逐年相對(duì)減少52 076.9、52 386.8、43 862.4 hm2，總體轉(zhuǎn)入轉(zhuǎn)出量較平衡。

研究選用10種影響因子進(jìn)行單因子探測(cè)，各影響因子對(duì)土地利用空間演變解釋力度不同，3年解釋力度最高的均為土地利用綜合程度和NDVI，其他因子解釋力度在3個(gè)時(shí)間階段上總體趨勢(shì)相同，10年間在不同程度上影響土地利用空間分異性，土地利用綜合程度是人類活動(dòng)綜合作用的結(jié)果，側(cè)面反映人類活動(dòng)影響土地利用時(shí)空格局，地形因素不是主要影響因素，這與綠洲區(qū)域地形平坦的特點(diǎn)有著間接關(guān)系，氣象數(shù)據(jù)的作用值也較小，由于在研究區(qū)范圍氣候變化較穩(wěn)定較少出現(xiàn)極端天氣。各因子的作用強(qiáng)度不同，但都在一定程度上改變著LUCC的空間分布。

研究時(shí)段單因子探測(cè)影響強(qiáng)度高的在交互探測(cè)中交互值也最大，交互探測(cè)中交互強(qiáng)度最高的為土地利用綜合強(qiáng)度與NDVI，且所有因子間的耦合均能增強(qiáng)對(duì)土地利用時(shí)空演變的解釋力，交互作用為雙因子增強(qiáng)與非線性增強(qiáng)。

土地類型的變動(dòng)不僅影響當(dāng)?shù)氐陌l(fā)展對(duì)周圍區(qū)域的影響也不可忽視，干旱區(qū)生態(tài)環(huán)境敏感，修復(fù)能力弱，具體分析時(shí)空特征及主要影響因素，依據(jù)不同的主導(dǎo)因素對(duì)干旱區(qū)土地利用類型合理規(guī)劃及后期維護(hù)中有針對(duì)性地治理，有效維持生態(tài)環(huán)境。土地變化影響因素及因子間的耦合作用較復(fù)雜，由于可獲取數(shù)據(jù)的局限，選取指標(biāo)須進(jìn)一步豐富，后續(xù)研究中將引用更多較復(fù)雜的影響因子如政策制度、土地用途管制因素、生態(tài)紅線等進(jìn)行綜合研究。

參考文獻(xiàn)：

[1]Vitousek P M. Beyond global warming：ecology and global change[J]. Ecology，1994，75（7）：1861-1876.

[2]劉紀(jì)遠(yuǎn)，匡文慧，張?jiān)鱿椋? 20世紀(jì)80年代末以來(lái)中國(guó)土地利用變化的基本特征與空間格局[J]. 地理學(xué)報(bào)，2014，69（1）：3-14.

[3]Liu J Y，Deng X Z. Progress of the research methodologies on the temporal and spatial process of LUCC[J]. Chinese Science Bulletin，2010，55（14）：1354-1362.

[4]Liu X，Yu L，Si Y，et al. Identifying patterns and hotspots of global land cover transitions using the ESA CCI Land Cover dataset[J]. Remote Sensing Letters，2018，9（10）：972-981.

[5]陳萬(wàn)旭，李江風(fēng)，曾杰，等. 中國(guó)土地利用變化生態(tài)環(huán)境效應(yīng)的空間分異性與形成機(jī)理[J]. 地理研究，2019，38（9）：2173-2187.

[6]Sabr A，Moeinaddini M，Azarnivand H，et al. Assessment of land use and land cover change using spatiotemporal analysis of landscape：case study in South of Tehran[J]. Environmental Monitoring and Assessment，2016，188（12）：691.

[7]Cole B，Smith G，Balzter H. Acceleration and fragmentation of CORINE land cover changes in the United Kingdom from 2006-2012 detected by Copernicus IMAGE2012 satellite data[J]. International Journal of Applied Earth Observation and Geoinformation，2018，73：107-122.

[8]Badar B A，Romshoo S A，Khan M A. Modelling catchment hydrological responses in a Himalayan Lake as a function of changing land use and land cover[J]. Journal of Earth System Science，2013，122（2）：433-449.

[9]Haladová I，Petrovic F. Classifcation of land use changes（model area：Nitra town）[J]. Ekológia，2015，34（3）：249-259.

[10]劉暉. 基于GIS和RS的朝陽(yáng)區(qū)土地利用分類及其時(shí)空變化研究[D]. 北京：中國(guó)地質(zhì)大學(xué)，2017.

[11]李丹，梅曉丹，張玉娟，等. 綏芬河市土地利用變化的時(shí)空格局研究[J]. 測(cè)繪科學(xué)，2019，44（3）：78-85.

[12]Liu Y Q，Song W，Deng X Z. Understanding the spatiotemporal variation of urban land expansion in oasis cities by integrating remote sensing and multi-dimensional DPSIR-based indicators[J]. Ecological Indicators，2019，96：23-37.

[13]劉彥隨，李進(jìn)濤. 中國(guó)縣域農(nóng)村貧困化分異機(jī)制的地理探測(cè)與優(yōu)化決策[J]. 地理學(xué)報(bào)，2017，72（1）：161-173.

[14]王芳，陳芝聰，謝小平. 太湖流域建設(shè)用地與耕地景觀時(shí)空演變及驅(qū)動(dòng)力[J]. 生態(tài)學(xué)報(bào)，2018，38（9）：3300-3310.

[15]Shahbazian Z，F(xiàn)aramarzi M，Rostami N，et al. Integrating logistic regression and cellular automata-Markov models with the experts′ perceptions for detecting and simulating land use changes and their driving forces[J]. Environmental Monitoring and Assessment，2019，191（7）：422.

[16]吳琳娜，楊勝天，劉曉燕，等. 1976年以來(lái)北洛河流域土地利用變化對(duì)人類活動(dòng)程度的響應(yīng)[J]. 地理學(xué)報(bào)，2014，69（1）：54-63.

[17]賀可，吳世新，楊怡，等. 近40a新疆土地利用及其綠洲動(dòng)態(tài)變化[J]. 干旱區(qū)地理，2018，41（6）：1333-1340.

[18]董雯，楊宇，周艷時(shí). 干旱區(qū)綠洲城市土地利用效益研究——以烏魯木齊為例[J]. 干旱區(qū)地理，2011，34（4）：679-685.

[19]高瑜蓮，柳錦寶，柳維揚(yáng)，等. 近14a新疆南疆綠洲地區(qū)地表蒸散與干旱的時(shí)空變化特征研究[J]. 干旱區(qū)地理，2019，42（4）：830-837.

[20]Wang J F，Li X H，Christakos G，et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the heshun region，China[J]. International Journal of Geographical Information Science，2010，24（1）：107-127.

[21]Wang J F，Hu Y. Environmental health risk detection with GeogDetector[J]. Environmental Modelling & Software，2012，33：114-115.

[22]熊小菊，廖春貴，陳月連，等. 地理因子對(duì)北部灣經(jīng)濟(jì)區(qū)植被覆蓋的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（7）：268-273.

[23]白立敏，修春亮，馮興華. 基于土地利用變化的長(zhǎng)春市生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 生態(tài)科學(xué)，2019，38（3）：26-35.

[24]杜子濤，占玉林，王長(zhǎng)耀. 基于NDVI序列影像的植被覆蓋變化研究[J]. 遙感技術(shù)與應(yīng)用，2008，23（1）：47-50.

[25]劉建華. 如何利用DEM在ArcGIS中制作坡度分級(jí)圖[J]. 測(cè)繪與空間地理信息，2011，34（1）：139-141.

[26]呂晨，藍(lán)修婷，孫威. 地理探測(cè)器方法下北京市人口空間格局變化與自然因素的關(guān)系研究[J]. 自然資源學(xué)報(bào)，2017，32（8）：1385-1397.

[27]楚玉山，劉紀(jì)遠(yuǎn). 西藏自治區(qū)土地利用[M]. 北京：科學(xué)出版社，1992.

[28]莊大方，劉紀(jì)遠(yuǎn). 中國(guó)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)，1997，12（2）：105-111.

[29]王勁峰，徐成東.地理探測(cè)器：原理與展望[J]. 地理學(xué)報(bào)，2017，72（1）：116-134.李莉，趙明，王平. 基于耕地質(zhì)量定級(jí)的城市開(kāi)發(fā)邊界劃定——以南京市江寧區(qū)為例[J]. 江蘇農(nóng)業(yè)科學(xué)，2021，49（2）：174-180.