基于不同權(quán)重的土地利用空間自相關(guān)模型對比分析

胡銳 劉志偉 張雄浩 徐志鴻 趙俊三

摘要 ［目的］研究不同空間權(quán)重矩陣對土地利用空間自相關(guān)模型的影響。［方法］以元謀縣土地利用變量為基礎(chǔ)，首先分析不同權(quán)重矩陣下土地利用類型及其驅(qū)動因子的空間自相關(guān)性，建立基于queen權(quán)重矩陣、rook權(quán)重矩陣和距離閾值權(quán)重矩陣的耕地時空格局演變的空間自回歸模型，選取擬合優(yōu)度、最大似然對數(shù)值、赤池信息準(zhǔn)則、施瓦茨信息準(zhǔn)則、影響因子數(shù)量和模型殘差空間自相關(guān)性等參數(shù)作為模型評價指標(biāo)，對比分析經(jīng)典線性回歸模型、空間滯后模型和空間誤差模型的差異。［結(jié)果］2018年元謀縣土地利用類型和土地利用驅(qū)動因子在不同空間權(quán)重矩陣下均呈現(xiàn)出較強(qiáng)的空間正相關(guān)關(guān)系。通過對比3種權(quán)重矩陣的經(jīng)典線性回歸模型、空間滯后模型和空間誤差模型，發(fā)現(xiàn)在同一空間自相關(guān)模型中，基于距離閾值權(quán)重矩陣的空間自回歸模型的擬合效果較好，基于同一個空間權(quán)重矩陣，空間誤差模型的擬合效果較好。［結(jié)論］空間相關(guān)性與空間權(quán)重矩陣有關(guān)，基于距離閾值矩陣的空間誤差模型的擬合度最高，解釋能力最強(qiáng)，能更好表征云南高原山區(qū)的土地利用格局的空間演變。

關(guān)鍵詞 土地利用；空間權(quán)重矩陣；空間自相關(guān)；空間自回歸模型；元謀縣

中圖分類號 F301.2? 文獻(xiàn)標(biāo)識碼 A? 文章編號 0517-6611（2024）11-0054-06

doi：10.3969/j.issn.0517-6611.2024.11.012

Comparative Analysis of Spatial Autocorrelation Models of Land Use Based on Different Weights—A Case Study of Yuanmou County

HU Rui1，2， LIU Zhi-wei1， ZHANG Xiong-hao3 et al

（1.Southwest Survey and Planning Institute of National Forestry and Grassland Administration， Kunming， Yunnan 650031;2.Faculty of Land Resource Engineering， Kunming University of Science and Technology， Kunming， Yunnan 650093；3.Surveying and Mapping Engineering Institute of Yunnan Province， Kunming， Yunnan 650033）

Abstract ［Objective］To study the impact of different spatial weight matrices on the spatial correlation model of land use. ［Method］Based on the land-use variables of the administrative village of Yuanmou County， this paper first analyzed the spatial autocorrelation of land-use types and their driving factors under different weight matrices， and established an algorithm based on the queen weight matrix， rook weight matrix and distance threshold weight matrix. Spatial autoregressive model for the evolution of the spatio-temporal pattern of cultivated land. Parameters such as goodness of fit， maximum likelihood logarithm， Akaike information criterion， Schwartz information criterion， number of influence factors and spatial autocorrelation of model residuals were selected as model evaluation indicators.The differences between the classic linear regression model， the spatial lag model and the spatial error model were compared and analyzed. ［Result］In 2018， land use types and land use drivers in Yuanmou County showed a strong positive spatial correlation under different spatial weight matrices. By comparing the classic linear regression model， spatial lag model and spatial error model of the three weight matrices， it was found that in the same spatial autocorrelation model， the fitting effect of the spatial autoregressive model based on the distance threshold weight matrix was better; based on the same space，the weight matrix and the spatial error model fit better. ［Conclusion］The spatial correlation was related to the spatial weight matrix. The spatial error model based on the distance threshold matrix had the best fitting degree and the strongest interpretation ability， which could better represent the spatial evolution of the land use pattern in the mountainous plateau of Yunnan.

Key words Land use;Spatial weight matrix;Spatial autocorrelation;Spatial autoregression model;Yuanmou County

基金項目 國家自然科學(xué)基金項目（41761081）。

作者簡介 胡銳（1995—），男，云南文山人，工程師，碩士，從事地理信息系統(tǒng)及自然保護(hù)地規(guī)劃研究。

*通信作者，教授，博士，博士生導(dǎo)師，從事GIS和國土資源信息化研究。

收稿日期 2023-08-21

從土地利用/覆被變化（land use/cover change，LUCC）計劃提出至今，已經(jīng)在世界各國得到了廣泛開展和實(shí)施。經(jīng)過20多年的發(fā)展，研究內(nèi)容從全球氣候變化效應(yīng)擴(kuò)展到不同尺度的LUCC變化過程、驅(qū)動機(jī)制、模擬預(yù)測、資源以及生態(tài)環(huán)境效應(yīng)影響等領(lǐng)域，并逐漸成為地理學(xué)、遙感科學(xué)、生態(tài)學(xué)等學(xué)科的研究重點(diǎn)。在LUCC研究中，土地利用空間格局的空間自相關(guān)性成為眾多學(xué)者研究的一個熱點(diǎn)。土地空間自相關(guān)反映了空間中2個相鄰空間單元土地利用的空間依賴關(guān)系，開展土地利用空間自相關(guān)的研究對區(qū)域土地利用發(fā)展具有重要意義。Hope等［1］在2005年對土地利用格局分析時，首先開展了土地利用空間自相關(guān)分析，引入了空間自回歸模型，將空間自相關(guān)正式引入到土地科學(xué)研究中。隨后，Cai等［2］深入剖析了地形指數(shù)間的空間自相關(guān)關(guān)系；謝花林等［3］、邱炳文等［4］、劉敏等［5］分別以內(nèi)蒙古、福建省、貴州山區(qū)作為研究區(qū)域，將研究區(qū)進(jìn)行不同尺度的劃分，建立了多尺度的空間滯后模型；袁磊等［6］兼顧土地利用多尺度特征，構(gòu)建了面向?qū)ο蟮耐恋乩枚喑叨葧r空數(shù)據(jù)模型，定量分析了土地利用變化在行政尺度層級之間的耦合關(guān)系；付金霞等［7］基于全局Morans I、Moran散點(diǎn)圖和LISA圖來分析小理河流域土地利用的空間自相關(guān)格局；寧秀紅等［8］認(rèn)為空間自回歸模型能夠?qū)ν恋乩抿?qū)動因子進(jìn)行全局參數(shù)估計；陳曦?zé)樀龋?］研究認(rèn)為不同土地利用類型在不同尺度的最優(yōu)空間自回歸模型不同，最優(yōu)空間自回歸模型的選取具有尺度效應(yīng)。總體而言，目前國內(nèi)已有的研究不同空間權(quán)重矩陣的土地利用格局空間自相關(guān)性，基于不同空間權(quán)重矩陣建立空間自回歸模型的文獻(xiàn)較少，對土地利用格局的空間自相關(guān)性分析及其建立的空間自回歸模型側(cè)重于距離權(quán)重矩陣，忽略了不同空間權(quán)重矩陣下土地利用格局的空間異質(zhì)性。筆者以元謀縣為例，78個行政村作為研究單元，基于不同空間權(quán)重矩陣的空間自相關(guān)分析方法，分析兼有半山區(qū)、丘陵山區(qū)和壩區(qū)地形的縣域土地利用類型及其驅(qū)動因子的空間相關(guān)性，建立不同空間權(quán)重矩陣的耕地時空格局演變的空間自回歸模型，探討不同權(quán)重矩陣的土地利用空間自回歸模型的差異，以期為云南高原山區(qū)的土地利用政策改革、結(jié)構(gòu)調(diào)整以及區(qū)域規(guī)劃提供借鑒。

1 資料與方法

1.1 研究區(qū)概況

元謀縣位于云南省中北部（101°35′～102°06′E、25°23′～26°06′N），是楚雄彝族自治州下轄的一個縣，東與武定縣接壤，南與祿豐縣毗鄰，西與大姚縣連接，北與四川省會理縣交界。地處金沙江中上游，地勢為東南高、西北低，地形分為臨河壩區(qū)、臺地半山區(qū)和四周丘陵山區(qū)3個區(qū)域。屬南亞熱帶干熱季風(fēng)氣候。元謀縣屬于云南高原山區(qū)的一個典型代表。根據(jù)第二次全國土地調(diào)查一級類土地分類標(biāo)準(zhǔn)，全縣土地一級類可分為6種，以林地和草地為主，分別占土地總面積的41.86%、33.90%，其次為耕地，占土地總面積的19.50%，建設(shè)用地、水域、其他用地分別占土地總面積的2.06%、2.08%和0.60%（圖1）。

1.2 數(shù)據(jù)來源

1.2.1 土地利用驅(qū)動因子的選取。

土地利用變化是由自然因素和社會經(jīng)濟(jì)因素共同作用形成的自然經(jīng)濟(jì)綜合體，不僅受氣候、地形地貌、土壤、水文地質(zhì)等自然因子的影響，還受社會制度、科學(xué)技術(shù)、交通條件、人口密度等人為社會因子影響。在云南高原山地區(qū)，地形條件決定了土地利用的難易程度，交通條件決定運(yùn)輸成本，總?cè)丝诤腿丝诿芏确从惩恋氐膲毫顟B(tài)，人均GDP反映人們對土地利用的程度。由于研究區(qū)為高原山區(qū)，地表水缺乏，降水補(bǔ)給成為水源獲取的重要方式，氣象和水源因素也成為影響土地利用的重要因素。結(jié)合研究區(qū)現(xiàn)狀和數(shù)據(jù)的可獲取性、可定量化和空間化［10］，選取的土地利用驅(qū)動因子具體包括：①地形因子，包括高程、坡度、坡向、地形起伏度和地表粗糙度；②水資源因子，包括距最近水系的距離；③氣象因子，包括降水量和年平均氣溫；④交通因子，包括距最近鄉(xiāng)鎮(zhèn)中心的距離、距鐵路的距離、距公路的距離和距農(nóng)村道路的距離；⑤社會經(jīng)濟(jì)因子，包括人均GDP、總?cè)丝诤腿丝诿芏取?/p>

1.2.2 數(shù)據(jù)來源及處理。

該研究主要數(shù)據(jù)來源：①土地利用基礎(chǔ)數(shù)據(jù)來源于2018年元謀縣土地利用年度更新數(shù)據(jù)庫，包括道路、水系和居民點(diǎn)等要素（矢量）。 ②中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的2018年云南省的降水量、年平均氣溫數(shù)據(jù)及云南省SRTM 30 m分辨率的DEM數(shù)據(jù)，以元謀縣行政區(qū)為掩膜提取元謀縣降水量、年平均氣溫和DEM數(shù)據(jù)?；谠\縣DEM數(shù)據(jù)提取高程、地形起伏度、地表粗糙度、坡度和坡向5種地形因子。③研究區(qū)距離數(shù)據(jù)通過ArcGIS 10.6的距離分析功能得到。④元謀縣行政村人口和社會經(jīng)濟(jì)數(shù)據(jù)來源于2019年元謀縣年鑒，通過ArcGIS 10.6連接賦值于研究區(qū)矢量圖層。

1.3 研究方法

1.3.1 空間權(quán)重矩陣。

為了揭示空間的相關(guān)性，需要探索空間對象之間的空間依賴關(guān)系。在空間統(tǒng)計和計量中，這種空間依賴性可以用空間權(quán)重矩陣表示［11］。全局與局部Morans I指數(shù)的計算均需要空間權(quán)重矩陣。因此，研究不同的空間權(quán)重矩陣對空間自相關(guān)性的影響具有重要意義。

目前有多種空間權(quán)重定義方式，如queen權(quán)重矩陣、rook權(quán)重矩陣、Delaunay權(quán)重矩陣、Dacey矩陣、Cliff-Ord矩陣、K-最近點(diǎn)權(quán)重矩陣和距離閾值權(quán)重矩陣等。在建立空間自回歸模型時需要對稱權(quán)重，故該研究主要基于一階queen（圖2A）和rook（圖2B）鄰近空間權(quán)重矩陣、距離閾值矩陣3種空間對稱權(quán)重矩陣進(jìn)行空間自相關(guān)分析。

1.3.2 空間自相關(guān)。

空間自相關(guān)分析是檢驗(yàn)具有空間位置的某要素的觀測值是否與其相鄰空間點(diǎn)上的觀測值顯著相關(guān)［12-13］。采用某空間位置屬性取值特征變量值與其相鄰空間位置屬性取值特征的相似程度進(jìn)行度量。空間自相關(guān)可以用多種指標(biāo)和方法表示，其中最常用的是Morans I指數(shù)［12，14］。具體公式如下：

Morans I=

nni=1nj=1wij（xi-）（xj-）

ni=1nj=1wijni=1（xi-）2（1）

式中：n為要素總數(shù)；（xi-）為第i個研究單元上的觀測值與平均值的偏差；為平均值，=1nni=1xi；wij為要素i和j的權(quán)重。

計算出Morans I指數(shù)后，一般要對其進(jìn)行顯著性Z檢驗(yàn)［15］，計算公式如下：

Z=I-E（I）Var（I）（2）

式中：E（I）為Morans I指數(shù)的期望；Var（I）為方差。

1.3.3 空間自回歸模型。

Yandell［16］根據(jù)解釋變量與因變量之間的空間相關(guān)性，給出了空間計量經(jīng)濟(jì)學(xué)分析中適用于橫截面數(shù)據(jù)的空間線性模型通用形式。

空間自相關(guān)存在時，對空間自回歸方程進(jìn)行擬合度的測算時，傳統(tǒng)的R2不再適用于空間自回歸方程擬合度的度量，而用偽R2代替，它是預(yù)測值和因變量的方差比。衡量空間自回歸方程擬合度的指標(biāo)還有最大似然對數(shù)值（log-likelihood，LIK）、赤池信息準(zhǔn)則（akaike information criterion，AIC）和施瓦茨信息準(zhǔn)則（schwarz information criterion，SC）。具有高LIK值和低AIC、SC 值的空間自回歸模型解釋能力較強(qiáng)［17］，擬合度較好。

該研究以元謀縣為例，采用 Anselin等［18-19］開發(fā)的GeoDa軟件分析不同空間權(quán)重矩陣的土地利用格局和土地利用驅(qū)動因子的空間自相關(guān)性并構(gòu)建不同空間權(quán)重矩陣的空間自回歸模型。

2 結(jié)果與分析

2.1 空間自相關(guān)分析

基于3種空間權(quán)重矩陣，采用GeoDa軟件計算元謀縣6種土地利用類型及其15個土地利用驅(qū)動因子的Morans I指數(shù)，具體見表1～2。從表1可以看出，在3種空間權(quán)重矩陣下6種土地利用類型表現(xiàn)出空間正相關(guān)性；在3種空間權(quán)重矩陣下，林地、草地、耕地和建設(shè)用地空間正相關(guān)性較強(qiáng)，水域和其他用地空間正相關(guān)性較弱。

從表2可以看出，在3種空間權(quán)重矩陣下15種土地利用驅(qū)動因子的Morans I指數(shù)均大于0，表現(xiàn)出空間正相關(guān)性；其中距公路的距離和距農(nóng)村道路的距離等驅(qū)動因子空間自相關(guān)較強(qiáng)，總?cè)丝凇⑷丝诿芏?、坡向和地表粗糙度空間自相關(guān)性較弱。表明這些土地利用驅(qū)動因子變量具有隨機(jī)分布規(guī)律。

2.2 空間自回歸模型分析

耕地是人類的生存之本，與我國糧食安全、生態(tài)文明戰(zhàn)略密切相關(guān)，保護(hù)耕地一直是我國國民經(jīng)濟(jì)任務(wù)的重中之重。開展耕地時空變化方法研究，成為LUCC研究的熱點(diǎn)問題，也是科學(xué)編制國土資源開發(fā)利用規(guī)劃的需要［20］。鑒于耕地特殊的地位和重要的作用，該研究以研究區(qū)耕地為例，選擇queen和rook權(quán)重矩陣及距離閾值權(quán)重矩陣來建立耕地時空格局演變的空間自回歸模型，并對建立的不同模型的P值、t值、R2、LIK、AIC、SC和殘差空間相關(guān)性等參數(shù)進(jìn)行對比分析，探尋最適宜研究區(qū)的驅(qū)動機(jī)制模型。

2.2.1 經(jīng)典線性回歸模型。

建立3種空間權(quán)重矩陣的經(jīng)典線性回歸模型（OLS），發(fā)現(xiàn)在3種空間權(quán)重矩陣上建立的耕地OLS模型與無空間權(quán)重矩陣時建立的耕地OLS模型相同（表3）。

從t值可以看出，坡度、地形起伏度和人口密度是影響元謀縣耕地時空格局演變較顯著的因子，高程、坡向和距鐵路的距離等因子影響較小。3種空間權(quán)重矩陣的耕地OLS模型的R2=0.603 839，LIK=-465.411，AIC=966.822，SC=1 009.243。3種空間權(quán)重矩陣的耕地OLS模型的結(jié)果相同，表明OLS模型不受空間權(quán)重矩陣的影響。

2.2.2 空間滯后模型。

在空間滯后模型中，高程、坡向、距鐵路的距離這3個影響因子變量不顯著（P＞0.05），剔除這3個變量后，建立耕地空間滯后模型（表4）。從Z值可以看出，基于距離閾值的耕地空間滯后模型中，影響元謀縣耕地時空格局演變較顯著的因子為坡度、地形起伏度和人口密度；這個模型的R2=0.852 146，LIK=-256.902，AIC=543.804，SC=579.155。采用同樣的方法建立基于queen和rook權(quán)重矩陣的耕地空間滯后模型，結(jié)果顯示，queen權(quán)重矩陣的R2=0.850 685，LIK=-257.207，AIC=544.414，SC=579.765；rook權(quán)重矩陣的R2=0.851 769，LIK=-256.980，AIC=543.960，SC=579.311。

2.2.3 空間誤差模型。

在空間誤差模型中，高程、坡向、距公路的距離、距鐵路的距離和距最近鄉(xiāng)鎮(zhèn)中心的距離這5個影響因子變量不顯著（P＞0.05），剔除這5個變量后，建立耕地空間誤差模型（表5）。從Z值可以看出，基于距離閾值權(quán)重矩陣的耕地空間誤差模型中，影響元謀縣耕地時空格局演變較顯著的因子為坡度、地形起伏度和人口密度；這個模型的R2=0.892 971，LIK=-215.327，AIC=456.654，SC=487.291。采用同樣的方法建立基于queen和rook權(quán)重矩陣的耕地空間誤差模型，結(jié)果顯示，queen權(quán)重矩陣的R2=0.888 954，LIK=-215.965，AIC=457.930，SC=488.567；rook權(quán)重矩陣的R2=0.889 811，LIK=-215.848，AIC=457.696，SC=488.333。

2.2.4 模型精度對比分析。

采用R2、LIK、AIC、SC、影響因子數(shù)量和模型殘差空間自相關(guān)性等參數(shù)作為評價不同空間權(quán)重矩陣的空間自回歸模型的評價指標(biāo)，結(jié)果如下：

（1）R2為預(yù)測值與因變量的方差比，值越大模型擬合度越高。從表6可以看出，3種空間權(quán)重矩陣的空間自回歸模型的R2從大到小依次均為空間誤差模型>空間滯后模型>OLS模型；OLS模型中3種空間權(quán)重矩陣的R2從大到小依次為queen=rook=距離閾值，空間滯后模型和空間誤差模型中3種空間權(quán)重矩陣的R2從大到小依次為距離閾值>rook>queen。表明單從R2來看，基于距離閾值的空間誤差模型的擬合度最高。

（2）LIK為最大似然對數(shù)值，當(dāng)LIK越大，表示空間自回歸模型的擬合度越高。從表6可以看出，同一空間權(quán)重矩陣下，空間自回歸模型的LIK從大到小依次均為空間誤差模型>空間滯后模型>OLS模型；OLS模型中3種空間權(quán)重矩陣的LIK從大到小依次為queen=rook=距離閾值，空間滯后模型和空間誤差模型中3種空間權(quán)重矩陣的LIK從大到小依次為距離閾值> rook> queen。表明基于距離閾值矩陣的空間誤差模型的LIK最大，模型擬合度最高。

（3）AIC為赤池信息準(zhǔn)則，SC為施瓦茨信息準(zhǔn)則。當(dāng)AIC和SC越小時，表示空間自回歸模型的擬合度越高。從表6可以看出，同一空間權(quán)重矩陣下，空間自回歸模型的AIC和SC從大到小依次均為OLS模型>空間滯后模型>空間誤差模型；OLS模型中3種空間權(quán)重矩陣的AIC和SC從大到小依次為queen=rook=距離閾值，空間滯后模型和空間誤差模型中3種空間權(quán)重矩陣的AIC和SC從大到小依次為queen>rook>距離閾值。表明基于距離閾值矩陣的空間誤差模型的AIC和SC最小，模型擬合度最高。

（4）從影響因子數(shù)量來看（表6），3種空間權(quán)重矩陣的空間自回歸模型的影響因子數(shù)量從大到小依次為OLS模型>空間滯后模型>空間誤差模型；OLS模型、空間滯后模型和空間誤差模型中3種空間權(quán)重矩陣的變量個數(shù)從大到小依次均為queen=rook=距離閾值。表明在同一模型中，不同空間權(quán)重矩陣的顯著變量個數(shù)相同。OLS模型的顯著變量最多，空間誤差模型的顯著變量個數(shù)最少，空間誤差模型對驅(qū)動因子的差異性變化最為敏感。

（5）從各模型殘差的空間自相關(guān)性（圖3）來看，空間滯后模型和空間誤差模型殘差的空間自相關(guān)性消失，而OLS模型殘差存在明顯的空間自相關(guān)性。因此，空間滯后模型和空間誤差模型優(yōu)于OLS模型。

綜合以上分析，基于距離閾值矩陣的空間誤差模型的擬合度最高，模型解釋能力最強(qiáng)。

3 討論與結(jié)論

空間權(quán)重矩陣構(gòu)建、如何利用數(shù)學(xué)關(guān)系來定義地理空間單元之間的空間依賴性是進(jìn)行土地利用格局空間自相關(guān)分析首要考慮的問題，由于權(quán)重矩陣構(gòu)建規(guī)則的不同，造成研究區(qū)鄰近對象個數(shù)不同，從而影響空間自相關(guān)分析結(jié)果的正確性與空間自回歸模型的精確性，故空間權(quán)重的正確選擇非常重要。

土地利用是一個復(fù)雜的綜合化過程，在土地利用格局演變過程中受諸多社會人文、經(jīng)濟(jì)因素和國家政策的影響，土地利用的空間自相關(guān)性及其空間自回歸模型不僅與空間權(quán)重矩陣有關(guān)，還受土地利用驅(qū)動因子的影響。元謀縣地形變化起伏大，土地利用時空格局演變較為劇烈，是云南高原山區(qū)的典型代表。對不同空間權(quán)重矩陣的土地利用空間自回歸模型進(jìn)行對比分析，有助于揭示土地利用空間格局與自然社會經(jīng)濟(jì)驅(qū)動因子的耦合特征，對云南高原山區(qū)的土地利用政策改革、結(jié)構(gòu)調(diào)整以及區(qū)域規(guī)劃具有一定的參考意義。

該研究以2018年為研究時點(diǎn)，以元謀縣為研究區(qū)域，分析了不同空間權(quán)重矩陣下元謀縣土地利用類型和土地利用驅(qū)動因子的空間相關(guān)性，并探討了不同空間權(quán)重矩陣下研究區(qū)耕地時空格局演變的空間自回歸模型的精度。結(jié)果表明，

在3種空間權(quán)重矩陣下，研究區(qū)的土地利用類型和15個土地利用驅(qū)動因子的Morans I指數(shù)均大于0，表現(xiàn)出較強(qiáng)的空間正相關(guān)性；對同一土地利用類型或驅(qū)動因子而言，距離閾值矩陣下表現(xiàn)的空間自相關(guān)性最強(qiáng)，距離閾值矩陣能夠更好地度量空間的自相關(guān)性。

在3種空間權(quán)重矩陣的耕地時空格局演變的空間自回歸模型中，坡度、地形起伏度和人口密度為影響研究區(qū)耕地時空格局演變較顯著的因子。對于同一模型而言，不同權(quán)重矩陣下的顯著影響因子變量個數(shù)相同，影響系數(shù)不同，說明土地利用類型影響因子的顯著性不受權(quán)重矩陣的影響，僅與回歸模型有關(guān)。OLS模型不受空間權(quán)重矩陣的影響?；诰嚯x閾值矩陣的空間誤差模型的R2和LIK最大，AIC和SC最小，對驅(qū)動因子的差異性變化更為敏感性，殘差的空間自相關(guān)性消失，模型的擬合度最高，解釋

能力最強(qiáng)，說明基于距離閾值矩陣的空間誤差模型對研究區(qū)耕地時空格局演變模擬的效果更好。

參考文獻(xiàn)

［1］ HOPE D，ZHU W X，GRIES C，et al.Spatial variation in soil inorganic nitrogen across an arid urban ecosystem［J］.Urban ecosystems，2005，8（3/4）：251-273.

［2］ CAI X M，WANG D B.Spatial autocorrelation of topographic index in catchments［J］.Journal of hydrology，2006，328（3/4）：581-591.

［3］ 謝花林，劉黎明，李波，等.土地利用變化的多尺度空間自相關(guān)分析：以內(nèi)蒙古翁牛特旗為例［J］.地理學(xué)報，2006（4）：389-400.

［4］ 邱炳文，王欽敏，陳崇成，等.福建省土地利用多尺度空間自相關(guān)分析［J］.自然資源學(xué)報，2007，22（2）：311-320.

［5］ 劉敏，趙翠薇，施明輝.貴州山區(qū)土地利用變化多尺度空間自相關(guān)分析［J］.農(nóng)業(yè)工程學(xué)報，2012，28（20）：239-246.

［6］ 袁磊，趙俊三，陳國平，等.面向?qū)ο蟮耐恋乩枚喑叨葧r空數(shù)據(jù)模型［J］.測繪科學(xué)，2014，39（11）：52-56，71.

［7］ 付金霞，鄭粉莉，李媛媛.小理河流域土地利用空間自相關(guān)格局與影響因素分析［J］.農(nóng)業(yè)機(jī)械學(xué)報，2017，48（1）：128-138.

［8］ 寧秀紅，郭龍，張海濤.基于空間自回歸和地理加權(quán)回歸模型的不同尺度下土地利用程度研究［J］.華中農(nóng)業(yè)大學(xué)學(xué)報，2013，32（4）：48-54.

［9］ 陳曦?zé)槪鳡柛?土地利用的多尺度空間自相關(guān)模型比較［J］.農(nóng)業(yè)工程學(xué)報，2011，27（6）：324-331.

［10］ 邱炳文.福建省耕地多尺度空間分布特征分析［J］.農(nóng)業(yè)工程學(xué)報，2008，24（11）：63-68.

［11］ 陳安寧.空間計量學(xué)入門與GeoDa軟件應(yīng)用［M］.杭州：浙江大學(xué)出版社，2014.

［12］ 張松林，張昆.全局空間自相關(guān)Moran指數(shù)和G系數(shù)對比研究［J］.中山大學(xué)學(xué)報（自然科學(xué)版），2007，46（4）：93-97.

［13］ 田力，張曉盼，袁艷斌.規(guī)則格網(wǎng)系統(tǒng)全局Moran指數(shù)計算的改進(jìn)方法［J］.測繪科學(xué)，2014，39（2）：110-113.

［14］ 谷建立，張海濤，陳家贏，等.基于DEM的縣域土地利用空間自相關(guān)格局分析［J］.農(nóng)業(yè)工程學(xué)報，2012，28（23）：216-224.

［15］ 吳孟泉，趙玉.中國奧運(yùn)獎牌空間分布區(qū)域性差異的Morans Ⅰ 指數(shù)分析研究［J］.中國體育科技，2012，48（5）：3-9.

［16］ YANDELL B S.Spatial econometrics：Methods and models［M］.Boston：Kluwer Academic Publishers，1990.

［17］ ANSELIN L.Spatial econometrics：Methods and models［M］.Dordrecht：Springer，Netherlands，1988.

［18］ ANSELIN L.Under the hood Issues in the specification and interpretation of spatial regression models［J］.Agricultural economics，2002，27（3）：247-267.

［19］ 劉旭華，王勁峰.空間權(quán)重矩陣的生成方法分析與實(shí)驗(yàn)［J］.地球信息科學(xué)，2002，4（2）：38-44.

［20］ 陳國平，趙俊三，李紅波，等.滇中城市群耕地時空變化分析方法［J］.昆明理工大學(xué)學(xué)報（自然科學(xué)版），2016，41（2）：24-32.