黑龍江縣域農(nóng)林用地景觀格局變化特征

毛靚 賈京默

摘 要：為掌握黑龍江省縣域農(nóng)林用地的景觀格局變化特征，運用景觀生態(tài)學原理及蘿北縣2000—2020年Landsat（美國NASA的陸地衛(wèi)星）TM/ETM（Enhanced Thematic Mapper）遙感影像及DEM（Digital Elevation Model，數(shù)字高程模型）數(shù)據(jù)，采用Fragstats4.0軟件，及CA（Cellular Automaton，元胞自動機）、ANN（Artificial Neural Networks，人工神經(jīng)網(wǎng)絡）、MC（Markov Chain，馬爾科夫鏈）等相關模擬軟件，研究蘿北縣2000—2020年景觀格局的變化，及對2030年景觀格局進行模擬預測。結果表明，蘿北縣2000—2020年期間，耕地面積減少0.462 km2，森林面積減少25.03 km2，景觀格局整體變化不大，但景觀破碎化程度一直加劇，生態(tài)系統(tǒng)功能減弱;模擬預測2030年土地利用情況，耕地面積預計增加0.34 km2，森林面積預計增加0.005 4 km2。從而得到結論，該地區(qū)景觀格局變化特征為城鎮(zhèn)化背景下人為活動導致的農(nóng)林用地構成發(fā)生變化，可通過優(yōu)化利用土地結構來保障生態(tài)及糧食安全。

關鍵詞：景觀格局;縣域;農(nóng)林用地;破碎化;土地適宜性;景觀模擬預測

中圖分類號：S77;F292;TU982.29 ???文獻標識碼：A? 文章編號：1006-8023（2022）02-0044-10

Study on the Change Characteristics of Landscape Pattern of

Agricultural and Forestry Land at County Area in Heilongjiang

MAO Liang， JIA Jingmo

（School of Landscape Architecture， Northeast Forestry University， Harbin 150040， China）

Abstract：In order to grasp the landscape pattern change characteristics of county-level agricultural and forestry land in Heilongjiang Province， the principles of landscape ecology and Landsat （NASAs Landsat） TM/ETM （Enhanced Thematic Mapper） remote sensing images and DEM （Digital Elevation Model） images in Luobei County from 2000 to 2020 were used， using Fragstats4.0 software， and CA （Cellular Automaton）， ANN （Artificial Neural Networks）， MC （Markov Chain） and other related simulations software to study the changes in the landscape pattern of Luobei County from 2000 to 2020， and to simulate and predict the landscape pattern in 2030. The results showed that during the period from 2000 to 2020 in Luobei County， the area of arable land decreased by 0.462 km2， and the area of forest decreased by 25.03 km2. The overall landscape pattern did not change much， but the degree of landscape fragmentation had been increasing， and the ecosystem function had weakened. The land use situation predicted by simulation in 2030 was that： the arable land area was expected to increase by 0.34 km2， and the forest area was expected to increase by 0.005 4 km2. It was concluded that the change of landscape pattern in this area was characterized by changes in the composition of agricultural and forestry land caused by human activities under the background of urbanization， which can ensure ecological and food security by optimizing the use of land structure.

Keywords：Landscape pattern; county area; agricultural and forestry land; fragmentation; land suitability; landscape simulation prediction

0 引言

在我國《城市用地分類與規(guī)劃建設用地標準》（GB 501372011）中，將農(nóng)林用地劃分為城鄉(xiāng)用地的一個類別（E2）。從國土空間規(guī)劃的角度看，農(nóng)林用地是國土空間規(guī)劃用途分類劃分種類中的一項，是山、水、林、田、湖和草等國土生態(tài)環(huán)境要素中的重要組成部分。農(nóng)林用地對于我國糧食安全及生態(tài)安全具有極其重要的作用和戰(zhàn)略價值。同時，農(nóng)林用地的景觀格局動態(tài)變化是陸地生態(tài)系統(tǒng)景觀變化的主要表現(xiàn)形式，對國家生態(tài)環(huán)境戰(zhàn)略制定的影響是相關研究領域的前沿和熱點問題。

東北地區(qū)對維護國家國防安全、糧食安全、生態(tài)安全、能源安全和產(chǎn)業(yè)安全的戰(zhàn)略地位十分重要，且明確要求支持生態(tài)建設和糧食生產(chǎn)，鞏固提升綠色發(fā)展優(yōu)勢。黑龍江省是農(nóng)林用地大省，是我國主要的糧食產(chǎn)區(qū)和重要的國有林區(qū)，在我國的糧食供給和國家生態(tài)安全中具有極其重要的地位。

黑龍江省蘿北縣擁有耕地約3 244 km2，林地約2 540 km2，其空間格局具有典型的東北農(nóng)林用地的景觀特征。本研究以黑龍江蘿北縣2000—2020年Landsat（美國NASA的陸地衛(wèi)星） 遙感影像數(shù)據(jù)、ArcGIS 10.2.2軟件、Fragstats 4.0軟件和自然數(shù)據(jù)等為基礎，對其景觀格局變化進行分析計算，并耦合CA模型（Cellular Automaton，元胞自動機）、ANN模型（Artificial Neural Networks，人工神經(jīng)網(wǎng)絡）、MC（Markov Chain，馬爾科夫鏈）進行景觀格局模擬預測研究。通過模型耦合的方法，可以極大提高預測模型的適應性和準確性。同時，根據(jù)研究區(qū)土地利用情況、景觀類型轉(zhuǎn)化等方面，綜合分析2000—2020年研究區(qū)景觀格局變化特征，對比2020—2030年的預測結果特征，為土地利用及完善生態(tài)功能，提供詳實的基礎資料。其結果對于掌握該地區(qū)乃至全省各縣域范圍的景觀格局特征，提供科學方法和依據(jù)，并為地方的經(jīng)濟發(fā)展、生態(tài)環(huán)境保護及相關研究提供重要的參考和借鑒。

1 研究區(qū)概況

本研究以黑龍江省鶴崗市蘿北縣為例。該縣位于鶴崗市東部，轄區(qū)總面積約6 784 km2。蘿北縣是黑龍江省著名的綠色食品基地、省級生態(tài)示范縣和國家級生態(tài)示范區(qū)建設試點縣?？h內(nèi)耕地面積較多，共有農(nóng)場6個。2021年蘿北縣總播種面積約215.73 km2，糧食總產(chǎn)達到18.7億kg。同時，蘿北縣境內(nèi)擁有原始森林、天然林、人工林，森林面積大、資源豐富。

近年來隨著礦山開采，以及城鎮(zhèn)化進程的加快，農(nóng)林用地的自然環(huán)境及物種資源等都受到了不同程度的影響，給生態(tài)環(huán)境造成了極大的壓力。因此，盡快掌握蘿北縣農(nóng)林用地的景觀格局變化過程、發(fā)展趨勢及驅(qū)動因素，是蘿北縣制定今后經(jīng)濟社會發(fā)展規(guī)劃急需解決的基礎，如圖1所示。

2 研究方法

2.1 數(shù)據(jù)來源

本研究的數(shù)據(jù)來源于地理空間數(shù)據(jù)云，包括 2000年、2010年、2020年3期 Landsat TM/ETM （Enhanced Thematic Mapper）遙感影像及 DEM（Digital Elevation Model，數(shù)字高程模型）數(shù)據(jù)，分辨率均為 30 m。森林資源二類調(diào)查數(shù)據(jù)來源于國家林業(yè)和草原局、國家公園管理局及黑龍江省森林工業(yè)總局。農(nóng)業(yè)用地資源調(diào)查數(shù)據(jù)來源于蘿北縣自然資源局及實地應用考察，行政界線及道路分布圖來源于OpenStreetMap（公開地圖，OSM）、中國科學院地理科學與資源研究所和資源學科創(chuàng)新平臺等。2019年1月與12月、2020年7月、8月、11月及2021年5月、6月，通過研究區(qū)職工居民走訪和實地檢驗研究區(qū)實際狀況是否與遙感數(shù)據(jù)一致，同時收集相關資料。

2.2 數(shù)據(jù)分析

2.2.1 景觀分類及數(shù)據(jù)影像分析

根據(jù)該地區(qū)的實際情況，以及本次研究目的，參照《土地利用現(xiàn)狀分類》（GB/T 21010—2007），將研究區(qū)土地劃分為7種類型，見表1。使用ArcGIS 10.2.2軟件將遙感影像、森林資源調(diào)查數(shù)據(jù)、土地資源數(shù)據(jù)及行政邊界統(tǒng)一投影到CGCS2000坐標系（中國2000國家大地坐標系）中，根據(jù)遙感影像進行人工解析，最后根據(jù)土地利用實地數(shù)據(jù)考察，對解析結果進行修正與補充。

2.2.2 土地適宜性分析方法

研究區(qū)具有大面積的森林生態(tài)環(huán)境與成片的耕地。隨著城鎮(zhèn)化的進程，以及耕地利用強度的增加，對生態(tài)環(huán)境資源的承載力帶來極大的挑戰(zhàn)。蘿北縣西北部地區(qū)大部分為林業(yè)用地，占縣域面積的45.88%。蘿北縣東南部地區(qū)以農(nóng)業(yè)生產(chǎn)為主，占縣域面積的37.06%。另外，建筑用地和水域占比較小，分別為1.26%、3.02%。為做到對環(huán)境干預最小化的同時達到土地資源利用效率最大化，農(nóng)林用地與其他生態(tài)環(huán)境的土地利用分配尤為重要。所以從生態(tài)保護及生態(tài)敏感性角度出發(fā)，運用加權疊加等分析方法對高程、坡度和坡向多方面綜合分析，并利用GIS尋找最適宜農(nóng)林用地的區(qū)域。

2.2.3 景觀類型面積轉(zhuǎn)移矩陣與指數(shù)計算分析

在ArcGIS 10.2.2軟件中將相鄰時段的遙感解析結果進行空間疊加統(tǒng)計分析以及土地利用變化分析，即可直觀地得到2000年、2010年、2020年3個時間點，研究區(qū)域內(nèi)土地利用的變化，以及景觀類型面積相互轉(zhuǎn)移情況。景觀格局分析選取香農(nóng)多樣性指數(shù)、斑塊密度、最大斑塊指數(shù)、景觀形狀指數(shù)和景觀邊緣密度等指標，利用Fragstats 4.0軟件進行計算。

2.2.4 景觀格局模擬方法

根據(jù)研究區(qū)的景觀格局現(xiàn)狀，同時考慮影響因子定量化和空間化的可行性，從自然環(huán)境、社會經(jīng)濟、交通區(qū)位和政策因素方面建立景觀格局驅(qū)動力因子體系。根據(jù)參考文獻、文獻與研究區(qū)實際情況，采用雙變量空間自相關模型分析篩選出優(yōu)勢影響因子，在此基礎上，耦合CA（Cellular Automaton，元胞自動機）、ANN（Artificial Neural Networks，人工神經(jīng)網(wǎng)絡）、MC（Markov Chain，馬爾科夫鏈）的各自特點和優(yōu)勢對研究區(qū)未來景觀格局進行模擬。CA是由Wolfrm提出，由元胞空間（C）、元胞狀態(tài)集合（S）、鄰域（N）、轉(zhuǎn)換規(guī)則（R）4部分組成，如果A表示元胞自動機系統(tǒng)，則CA模型可表示為

A=（C，S，N，R）。（1）

傳統(tǒng)CA模型具有一定的局限性，其元胞轉(zhuǎn)化規(guī)則主觀性較強。而ANN模型具有能夠模擬復雜非線性函數(shù)的特點，因此可以將生成土地利用適宜性概率圖集作為CA模型的轉(zhuǎn)換規(guī)則，可有效避免主觀賦權的不確定性。同時，改進CA模型，采用隨機機制確定出現(xiàn)在像元上的景觀類型，以體現(xiàn)客觀世界的景觀類型變化的不確定性和動態(tài)演化的特征。

Markov模型屬于隨機模型，用于預測土地利用類型或覆被的數(shù)量。該模型具有穩(wěn)定性，以及無后效性。其特點主要表現(xiàn)在未來時刻（t+1）狀態(tài)只與當前時刻（t）有關，與其他時刻無關，其數(shù)學表達式為

S（t+1）=Pjk·St。（2）

式中：S（t+1）為（t+1）時刻土地利用狀態(tài);St為t時刻土地利用狀態(tài);Pjk表示土地利用轉(zhuǎn)移概率矩陣。

Markov模型的優(yōu)勢是具有定量化預測功能，可以提高景觀格局類型轉(zhuǎn)換的預測精度，但是卻無法預測空間變化，因此，將Markov定量化預測的精確性與CA模型時空模擬的優(yōu)越性有機耦合，提高景觀格局模擬精度。

景觀格局模擬精度采用Kappa系數(shù)和FoM（figure of merit）指數(shù)來衡量，以驗證所構建模型在研究區(qū)用地應用的可靠性。Kappa系數(shù)用來檢驗景觀格局模擬結果與現(xiàn)狀的一致性，Kappa值在0～1，Kappa值越大，越接近于1，說明模擬精度越高，當Kappa值大于0.75時，結論可信度高，模擬效果較好。FoM為靈敏值或優(yōu)值，是一種評價模型性能的方法，F(xiàn)oM值處于0～1，模擬的年數(shù)長短直接影響指數(shù)大小，模擬年數(shù)每增加一年，F(xiàn)oM指數(shù)增加值上限應不大于0.01，滿足此要求時認為模擬結果較好。GeoSOS-FLUS（土地利用變化情景模擬模型） V2.3軟件是由中山大學劉小平教授提出的土地利用變化情景模擬平臺。本研究利用該軟件實現(xiàn)研究區(qū)未來景觀格局模擬預測。首先，利用ANN模塊，以2010年研究區(qū)景觀分類數(shù)據(jù)作為初始年份數(shù)據(jù)，輸入驅(qū)動力因子，經(jīng)神經(jīng)網(wǎng)絡參數(shù)調(diào)試，計算得出每種景觀類型在每個像元上出現(xiàn)的概率，形成土地利用適宜性概率圖集。其次，以2000年、 2010年分類數(shù)據(jù)為依據(jù)，通過Markov模型預測2020年各景觀類型數(shù)量值（柵格數(shù)）。最后，利用自適應慣性機制的CA模型對2020年景觀格局進行模擬，方法：將2010年分類數(shù)據(jù)設置為初始年份數(shù)據(jù)，輸入模擬所需的相關數(shù)據(jù)，包括適宜性概率圖集、數(shù)量目標（Markov預測值）、限制條件數(shù)據(jù)（自然保護區(qū)、政策因素），經(jīng)多次調(diào)整迭代次數(shù)、鄰域因子等參數(shù)，獲得2020年模擬圖。將模擬圖與2020年真實圖比較，運用Kappa系數(shù)和FoM指數(shù)來評估其模擬精度。若Kappa系數(shù)大于0.75，F(xiàn)oM指數(shù)小于0.1，則認為所構建的模型模擬精度較高，可以用來預測2030年研究區(qū)景觀格局。

3 結果與分析

3.1 總體時空動態(tài)變化特征

3.1.1 2000—2020年總體時空變化特征

耕地與森林是蘿北縣主體景觀，人造地表是面積最小的類型，其他景觀類型面積占比較低。2000—2010年，耕地面積增加7.38 km2，森林面積減少9.07 km2，草地面積減少2.73 km2，濕地面積減少2.91 km2，人造地表增加6.09 km2，農(nóng)林用地變化主要集中在西北地區(qū)的中部。2010—2020年，耕地面積減少7.29 km2，森林與草地面積分別減少15.95 km2和1.62 km2，濕地面積增加25.17 km2，人造地表減少4.26 km2。如圖2所示。

耕地占據(jù)絕大部分區(qū)域，森林與草地主要集中在研究區(qū)地勢高的西北側，耕地、水域等主要分布在地勢較低的東南側一帶。森林主要集中呈塊狀分布于研究區(qū)西北部結合度較高。

3.1.2 景觀格局模擬預測方法

根據(jù)2.2.4節(jié)所述方法，經(jīng)相關性分析篩選出與研究區(qū)景觀格局變化相關的驅(qū)動力因子，即：年均氣溫、降水量、DEM、道路、坡度。對2020年研究區(qū)景觀格局進行模擬預測，獲得2020年景觀格局模擬預測圖。

2020年景觀格局模擬精度檢驗如下：通過2020年模擬預測圖、2020年真實圖及3個典型區(qū)域的局部放大圖（圖3）進行對比，可直觀發(fā)現(xiàn)相似度較高，經(jīng)精度檢驗Kappa系數(shù)為0.862，大于0.75，F(xiàn)oM指數(shù)為0.06，小于0.1，可見模擬的可靠性高。

3.1.3 景觀格局模擬預測結果

經(jīng)檢驗，2020年模擬精度較高，可對2030年景觀格局進行模擬預測，預測結果如圖4所示。對其景觀類型面積增減進行比較，如圖5所示。由圖5可知，除建設用地（人造地表）面積減少外農(nóng)林用地面積有所增加。

3.2 土地適宜性結果分析

3.2.1 地形環(huán)境

高程：根據(jù)中國基本地貌分類以及數(shù)字高程模型可知高程圖，如圖6所示，將研究區(qū)由低到高分為不敏感、輕度敏感、中度敏感、高度敏感和極敏感5個等級，如圖7所示，區(qū)域分布趨勢隨高程變化而變化。

坡度：研究區(qū)內(nèi)的坡度變化較小，局部坡度為45°～90°為陡坡、懸崖?！吨腥A人民共和國水土保持法》規(guī)定，大于25°不能耕種，25°以上的土地承受開墾和建設的能力有一定不足，故將研究區(qū)內(nèi)坡度由低到高設為：0°～15°、15°～25°、25°～30°、30°～45°、45°～90°，共5級，如圖8所示。

坡向：綜合現(xiàn)有坡向與植物群落生長等植物學、生態(tài)學方面研究，得知我國大部分區(qū)域，尤其是北方地區(qū)，植物生長狀況和豐富度指數(shù)方面均體現(xiàn)出陰坡優(yōu)于陽坡的結論。研究區(qū)坡向敏感性分析過程中，坡向圖如圖9所示，農(nóng)林用地的坡向應為陽坡最佳，根據(jù)場地的方向及形式，認為以東南坡、南坡和西南坡的陽坡方向為最佳區(qū)域。北坡為完全不適宜建成區(qū)域。并依次將坡向分為5個等級，如圖10所示。

3.2.2 權重分配

結合文獻和資料，以及自身需求對于影響因子的權重進行了安排，見表2。

運用ArcGIS的空間數(shù)據(jù)處理與分析工具，在研究區(qū)DEM圖上提取各因子數(shù)據(jù)信息，運用等級賦值的方法將各地理數(shù)據(jù)因子信息量化，賦值范圍為1～5，值越小，該區(qū)域適宜性越強，量化后獲得各影響因子的適應性得分表，見表3。

3.2.3 區(qū)域確定

利用GIS的疊加分析法分析得出最適宜土地利用與生態(tài)建設區(qū)域（圖11）依照顏色與分類由深到淺依次遞減。

3.3 景觀類型面積轉(zhuǎn)移分析

由表4可知，2000—2010年，研究區(qū)的景觀類型變化特征為耕地向草地、森林、人造地表、濕地和水體轉(zhuǎn)化，轉(zhuǎn)化面積分別為：33.141 6、6.207 3、9.030 6、0.006 3、0.869 4 km2;森林向人造地表與耕地轉(zhuǎn)化，轉(zhuǎn)化面積分別為1.422 9 km2與17.534 7 km2。耕地面積增加較多，在此期間，研究區(qū)受到自然因素干擾影響較大，主要表現(xiàn)為：農(nóng)業(yè)發(fā)展粗放，糧食產(chǎn)量增長，森林資源相對減少，濕地面積縮小，生態(tài)功能有所下降。

由表5可知，2010—2020年，研究區(qū)的景觀類型變化特征為草地、耕地、人造地表、森林向濕地與水體轉(zhuǎn)化，轉(zhuǎn)化面積分別為：2.203 2、1.641 6 km2;1.703 7、1.280 7 km2;17.856 0、0.175 5 km2和 9.927 0、2.866 5 km2。濕地面積緩慢增長，主要增加區(qū)域為中部地區(qū)。增加的濕地主要由森林與人造地表轉(zhuǎn)換而來。這一時期濕地景觀變化主要歸因于國家相關政策的實施。在2010年的《大小興安嶺林區(qū)生態(tài)保護與經(jīng)濟轉(zhuǎn)型規(guī)劃（2010—2020年）》中，明確把保護與修復林區(qū)生態(tài)系統(tǒng)作為首要任務，切實加強自然保護區(qū)和水域建設。在2010—2020年，水域面積增加了29.180 7 km2。其原因是國家相關政策的落實，極大地影響了景觀格局的變化。

由表6可知，2020—2030年，從研究區(qū)未來十年景觀格局的預測結果來看，類型轉(zhuǎn)換非常微弱，各用地面積呈緩慢變化趨勢。對研究區(qū)未來景觀格局預測結果可知各用地面積變化趨于平穩(wěn)。

3.4 景觀格局變化分析

研究區(qū)20年時間跨度中的景觀格局整體變化不大，景觀破碎化程度一直在增加 ，見表7，各景觀類型斑塊密度逐步減少。研究區(qū)整體呈現(xiàn)水域優(yōu)勢地位上升的趨勢，景觀異質(zhì)性程度升高，各景觀類型的分布趨于均衡化分布的趨勢，具體表現(xiàn)為最大斑塊所占景觀面積比例、密度、景觀形狀指數(shù)、均勻度指數(shù)均逐漸下降，蔓延度逐漸下降。且水域、森林斑塊密度逐步增長。濕地、森林的最大斑塊指數(shù)逐步上升，水體、耕地的最大斑塊指數(shù)逐步下降。

4 結論

生態(tài)保護、糧食安全與經(jīng)濟社會的協(xié)調(diào)發(fā)展，對推動黑龍江省的高質(zhì)量發(fā)展具有極其重要的意義。作為以蘿北縣為代表，擁有大量農(nóng)林用地的黑龍江縣級行政區(qū)域來說，在景觀生態(tài)學理論不斷拓展和地理信息技術功能不斷完善的背景下，探索綜合考慮土地資源利用與生態(tài)環(huán)境保護需求等因素的景觀格局變化特征具有現(xiàn)實意義。20年來蘿北縣的森林、耕地面積不斷變化，2000—2020年總體耕地面積變化為先增加（7.38 km2）后減少（7.287 km2），2000—2020年森林用地總面積變化為減少25.03 km2，2000—2020年研究區(qū)景觀破碎化程度加劇、斑塊密度減弱。研究區(qū)林業(yè)用地減少，除了農(nóng)業(yè)用地先增加后減少外，其他各項土地利用均呈上升趨勢。NP、PD前期受城鎮(zhèn)化進程加快影響下降明顯;CONTAG不斷減小主要是由于建設用地（人造用地）面積擴張、林地占用等人類活動干擾;景觀破碎化程度的加劇主要由于SHEI的增加，SHEI值越大，景觀越破碎。對比預測2030年土地利用情況，2020—2030年研究區(qū)農(nóng)林用地面積總體較2020年有所增長，其中農(nóng)業(yè)用地面積預計增加0.34 km2，林業(yè)用地預計增加0.005 4 km2。所以，認為受人為干擾比較大，應保持現(xiàn)有用地優(yōu)勢，提高縣域生態(tài)服務價值，改善生態(tài)環(huán)境。該地區(qū)景觀格局變化特征為城鎮(zhèn)化背景下人為活動引起的景觀格局變化導致蘿北縣生態(tài)系統(tǒng)服務能力降低?？h域農(nóng)林用地的景觀格局可以通過優(yōu)化調(diào)整，以提高土地利用率并改善生態(tài)環(huán)境，保障生態(tài)及糧食安全。

景觀格局的變化直接影響耕地糧食產(chǎn)出和森林生態(tài)系統(tǒng)，間接改變生態(tài)系統(tǒng)的基本功能，進而對我國的糧食安全與生態(tài)安全產(chǎn)生影響。在保持現(xiàn)有土地優(yōu)勢、控制建設用地（人造用地）面積的同時提高農(nóng)林用地的面積占比，改變景觀類型中LPI、CONTAG、SHDI、LEI指數(shù)來優(yōu)化調(diào)整景觀格局。

【參 考 文 獻】

李保杰，顧和和.礦區(qū)土地復墾景觀格局變化和生態(tài)效應.農(nóng)業(yè)工程學報，2012，28（3）：251-256.

LI B J， GU H H. Landscape pattern changes and ecological effects of land reclamation in mining areas. Transactions of the Chinese Society of Agricultural Engineering， 2012， 28（3）：251-256.

張曉松，杜尚澤.奮力書寫東北振興的時代新篇——習近平總書記在東北三省考察調(diào)研并主持召開深入推進東北振興座談會紀實.黨的生活（黑龍江），2018，28（10）：6-10.

ZHANG X S， DU S Z. Striving to write a new chapter in the era of northeast revitalization-General Secretary Xi Jinping inspected and investigated the three northeastern provinces and presided over the in-depth promotion of the northeast revitalization symposium. Party Life （Heilongjiang）， 2018， 28（10）： 6-10.

李連剛，張平宇，劉文新，等.吉林省縣域環(huán)境污染的時空演變特征與影響因素.應用生態(tài)學報，2019，30（7）：2361-2370.

LI L G， ZHANG P Y， LIU W X， et al. Temporal and spatial evolution characteristics and influencing factors of environmental pollution in counties of Jilin Province . Journal of Applied Ecology， 2019， 30（7）： 2361-2370.

郝景瑩.小興安嶺濕地景觀格局動態(tài)變化模擬研究.哈爾濱：哈爾濱師范大學，2019.

HAO J Y. Simulation study on the dynamic change of the wetland landscape pattern in Xiaoxinganling. Harbin： Harbin Normal University， 2019.

黨安榮，田穎，甄茂成，等.中國國土空間規(guī)劃的理論框架與技術體系.科技導報，2020，38（13）：47-56.

DANG A R， TIAN Y， ZHEN M C， et al. The theoretical framework and technical system of Chinas land and space planning. Science and Technology Review， 2020， 38（13）：47-56.

謝花林.典型農(nóng)牧交錯區(qū)土地利用變化驅(qū)動力分析.農(nóng)業(yè)工程學報，2008，24（10）：56-62.

XIE H L. Analysis of driving forces of land use change in typical farming-pastoral ecotone. Transactions of the Chinese Society of Agricultural Engineering， 2008， 24（10）：56-62.

KREUTER U P， HARRIS H G， MATLOCK M D， et al. Change in ecosystem service values in the San Antonio area， Texas. Ecological Economics， 2001， 39（3）：333-346.

李玲，應佳明，徐衛(wèi)紅.基于GIS技術的山地度假別墅選址分析——以云天海度假村為例.上饒師范學院學報，2018，38（6）：61-66.

LI L， YING J M， XU W H. Analysis of mountain holiday villa site selection based on GIS technology-taking Yuntianhai Resort as an Example. Journal of Shangrao Normal University， 2018， 38（6）：61-66.

李明詩，徐祎凡，李云梅，等.南方集體林區(qū)森林破碎化模式及趨勢遙感刻畫以浙江余杭為例.南京林業(yè)大學學報（自然科學版），2010，34（4）：135-139.

LI M S， XU Y F， LI Y M， et al. Remote sensing portrayal of forest fragmentation patterns and trends in southern collective forest areas： a case study of Yuhang， Zhejiang. Journal of Nanjing Forestry University （Natural Science Edition）， 2010， 34（4）：135-139.

XU Y， TANG H P， WANG B J， et al. Effects of land-use intensity on ecosystem services and human well-being： acase study in Huailai County， China . Environmental Earth Sciences， 2016， 75（5）：416-425.

魯亞楠，姚順波.基于經(jīng)濟和政策雙重作用的南方集體林區(qū)土地利用時空變化.南京林業(yè)大學學報（自然科學版），2018，42（5）：163-171.

LU Y N， YAO S B. Spatial-temporal changes of land use in southern collective forest areas based on the dual effects of economy and policy. Journal of Nanjing Forestry University （Natural Science Edition）， 2018， 42（5）：163-171.

張呂成，張一帆，董靈波.基于Landsat TM數(shù)據(jù)的大興安嶺森林景觀空間格局及其關聯(lián)性.森林工程，2021，37（6）：1-9.

ZHANG L C， ZHANG Y F， DONG L B. The spatial pattern and correlation of forest landscape in Daxinganling based on Landsat TM data. Forest Engineering， 2021， 37（6）：1-9.

韓蕾，孔祥斌，郭洪峰，等.西南山區(qū)生態(tài)敏感區(qū)土地生態(tài)安全評價：以秀山縣為例.水土保持研究， 2015，22（1）：229-234.

HAN L， KONG X B， GUO H F， et al. Evaluation of land ecological security in ecological sensitive areas in southwest mountainous areas： taking Xiushan County as an example. Soil and Water Conservation Research， 2015， 22（1）：229-234.

劉亞香，李陽兵，易興松，等.貴州典型壩子土地利用強度空間演變及景觀格局響應.應用生態(tài)學報， 2017，28（11）：3691-3702.

LIU Y X， LI Y B， YI X S， et al. Spatial evolution of land use intensity and landscape pattern response in typical dams of Guizhou. Chinese Journal of Applied Ecology， 2017， 28（11）：3691-3702.

劉琳. 黑龍江省森工林區(qū)林地資源可持續(xù)利用研究. 北京：北京林業(yè)大學，2015.

LIU L. Research on the sustainable utilization of forest land resources in the forest industry region of Heilongjiang Province. Beijing： Beijing Forestry University， 2015.

宋爽，許大為，石夢溪，等. 撓力河流域景觀生態(tài)健康時空演變. 南京林業(yè)大學學報（自然科學版）， 2021， 45（2）： 177-186.

SONG S， XU D W， SHI M X，etal. Spatial and temporal evolution of landscape ecological health in Naolihe Basin.Journal of Nanjing Forestry University （Natural Science Edition）， 2021， 45（2）： 177-186.

吳欣昕，劉小平，梁迅，等.FLUS-UGB多情景模擬的珠江三角洲城市增長邊界劃定.地球信息科學學報，2018，20（4）：532-542.

WU X X， LIU X P， LIANG X， et al. Delineation of urban growth boundary in the pearl river delta based on FLUS-UGB multi-scenario simulation. Journal of Geo-Information Science， 2018， 20（4）：532-542.

張玉娟.長白山林區(qū)林場級尺度景觀格局演化與模擬.哈爾濱：東北林業(yè)大學，2016.

ZHANG Y J. The evolution and simulation of forest farm-level landscape pattern in Changbai Mountain forest area. Harbin： Northeast Forestry University， 2016.