三峽庫區(qū)岸線利用與其影響因素相關(guān)性分析

中圖分類號：TV213.4文獻(xiàn)標(biāo)志碼：A

0 引言

岸線是重要的自然資源載體，根據(jù)所在水域情況可分為海岸線、內(nèi)河岸線、湖岸線[。王傳勝等[2]在對長江中下游岸線資源總量勘查基礎(chǔ)上，提出了岸線開發(fā)的基本原則和利用建議。望思強(qiáng)等[3]分析了不同空間形態(tài)下岸線開發(fā)對河流功能的影響。楊成剛等[4針對岸線項(xiàng)目實(shí)施生命周期中存在的問題提出岸線環(huán)境綜合整治思路。張志永等[5]研究了水庫周期性蓄水造成的消落區(qū)內(nèi)植物群落變化。為了有效管理和保護(hù)長江岸線，張?zhí)炀w等[、畢月等[7]提出可供長江岸線空間功能利用與合理開發(fā)和管理等借鑒的對策。還有學(xué)者對消落區(qū)岸線開發(fā)利用效率[8]、風(fēng)險評估[9]、保護(hù)與破壞后的修復(fù)[10]等方面進(jìn)行研究。庫區(qū)岸線的開發(fā)利用促進(jìn)了區(qū)域社會和經(jīng)濟(jì)發(fā)展，但岸線的開發(fā)也對水質(zhì)保護(hù)、生態(tài)安全、社會發(fā)展帶來一定程度的影響或破壞。

三峽水庫作為國家重要的戰(zhàn)略水源地，其岸線資源兼具生態(tài)、經(jīng)濟(jì)、社會等多重價值，不僅保障著三峽水庫正常行蓄洪，也維護(hù)著庫區(qū)生態(tài)系統(tǒng)健康[11]。近年來，隨著社會經(jīng)濟(jì)發(fā)展，為滿足人民群眾日益增長的美好生活需要，庫區(qū)內(nèi)人居環(huán)境提升和生態(tài)改造工程項(xiàng)目日漸增多，三峽庫區(qū)消落區(qū)岸線開發(fā)水平越來越高，岸線利用率也隨之增加。但三峽庫區(qū)內(nèi)各區(qū)縣經(jīng)濟(jì)水平發(fā)展不一，長江岸線利用程度有差異。各區(qū)域需要在滿足生態(tài)環(huán)境保護(hù)要求、居民休閑生活需要和政策引導(dǎo)[12]條件下開發(fā)利用庫區(qū)岸線。本文在前人研究的基礎(chǔ)上，進(jìn)一步分析GDP、人均GDP、在籍人口、城鎮(zhèn)化率等社會經(jīng)濟(jì)發(fā)展指標(biāo)與三峽庫區(qū)岸線利用程度的關(guān)系，旨在摸清岸線利用的主要影響因素，得出不同影響因素對三峽庫區(qū)岸線利用的影響程度，為庫區(qū)沿岸區(qū)縣合理利用、生態(tài)開發(fā)岸線提供基本依據(jù)。

1研究區(qū)域、數(shù)據(jù)來源和分析方法

1.1 研究區(qū)域

研究區(qū)域?yàn)楹笔?、重慶市長江干支流三峽庫區(qū)消落區(qū)岸線，包括湖北省興山、巴東，重慶市巫溪、巫山、奉節(jié)、云陽、萬州、開州、忠縣、石柱、豐都、涪陵、武隆、長壽、渝北、巴南、江津等17個區(qū)縣和重慶主城七區(qū)（渝中、南岸、江北、沙坪壩、北碚、大渡口、九龍坡）。各區(qū)縣位置見圖1。

1.2 數(shù)據(jù)來源

運(yùn)用遙感影像對岸線利用情況進(jìn)行監(jiān)測是非常有效的手段[13]。通過高清衛(wèi)星影像、無人機(jī)航空影像解譯、分析統(tǒng)計等手段，對庫區(qū)的岸線利用狀況開展調(diào)查，獲取2020一2022年三峽庫區(qū)消落區(qū)岸線利用數(shù)據(jù)資料。衛(wèi)星影像數(shù)據(jù)處理流程過程如圖2所示。

以高分二號、北京二號等國產(chǎn)衛(wèi)星作為遙感影像采集數(shù)據(jù)源，每年度結(jié)合衛(wèi)星地圖情況實(shí)時更新。為易于區(qū)分岸線利用變化特征，以優(yōu)于 2.0m 的空間分辨率遙感衛(wèi)星影像為主。以區(qū)域內(nèi)高精度數(shù)字高程模型為控制、糾正基礎(chǔ)，對已收集的衛(wèi)星影像進(jìn)行融合、正射糾正、鑲嵌、調(diào)色等，制作衛(wèi)星遙感正射影像。三峽庫區(qū)衛(wèi)星影像采集情況如表1所示。

經(jīng)處理后的衛(wèi)星影像再經(jīng)過基底影像解譯與岸線信息提取后得到各區(qū)岸線劃用情況。其中，基底影像解譯是指建立解譯標(biāo)志，根據(jù)影像紋理特征判讀其類別歸屬，并填寫至相應(yīng)屬性字段；岸線信息提取是指以處理后的遙感影像為基礎(chǔ)，參考解譯標(biāo)志，采用人工目視解譯、自動解譯和人機(jī)交互等方法，開展岸線要素圖斑提取工作，并對提取的岸線分別賦予岸線類型、岸線代碼、長度、行政區(qū)劃等信息。

國民經(jīng)濟(jì)和社會發(fā)展指標(biāo)數(shù)據(jù)來源：《重慶市2023年統(tǒng)計年鑒》、《宜昌市2023年統(tǒng)計年鑒》、《2022年恩施州統(tǒng)計年鑒》、宜昌市和重慶市下轄相關(guān)區(qū)縣2022年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報等。具體數(shù)據(jù)如表2所示。

1.3 分析方法

本研究主要采用圖表相關(guān)分析（折線圖及散點(diǎn)圖）、相關(guān)系數(shù)法（皮爾遜相關(guān)系數(shù)分析法）及多元線性回歸分析等分析方法。

（1）圖表相關(guān)分析。以兩組數(shù)據(jù)建立 XY 軸折線圖及散點(diǎn)圖，通過觀察分析因變量隨自變量的變化趨勢來分析其相關(guān)情況。該方法可以直觀顯示兩組數(shù)據(jù)的相關(guān)性，缺點(diǎn)為顯示信息不足于完全判斷其相關(guān)程度。其中，運(yùn)用折線圖對比岸線利用率與各影響因素之間的變化情況，分析局部變化趨勢的異同和總體變化趨勢差異程度來確定相關(guān)程度；然后運(yùn)用散點(diǎn)圖逐一擬合出岸線利用率與各影響因素趨勢方程，并根據(jù)方程方差判斷其相關(guān)性。

（2）皮爾遜相關(guān)系數(shù)分析。在圖表相關(guān)分析的基礎(chǔ)上，確定岸線利用率與GDP、人均GDP、在籍人口、城鎮(zhèn)化率等指標(biāo)的皮爾遜相關(guān)系數(shù)（見式（1））及顯著性，進(jìn)一步分析岸線利用率與各影響因素間的相關(guān)性。

式中： n 是樣本數(shù)量； X_i 和 Y_i 是樣本數(shù)據(jù)； 和Y是樣本均值； r 為皮爾遜相關(guān)系數(shù)， -1

（3）多元線性回歸分析。對岸線利用率與GDP、人均GDP、在籍人口、城鎮(zhèn)化率等因素的相關(guān)關(guān)系進(jìn)行多元線性回歸方程擬合，分析擬合方程優(yōu)度，并根據(jù)擬合方程分析4種影響因素對岸線利用情況的綜合影響效果，得到多元線性回歸方程相關(guān)系數(shù)與顯著性。

2 結(jié)果分析

三峽庫區(qū)岸線利用情況與社會經(jīng)濟(jì)發(fā)展指標(biāo)之間存在著一定的聯(lián)系，GDP、人口、城鎮(zhèn)化的差異直接或間接影響著各區(qū)縣岸線利用情況。為分析不同因素對三峽庫區(qū)岸線利用情況的影響程度，首先逐一分析各因素與岸線利用率之間的相關(guān)性，然后運(yùn)用多元線性回歸綜合分析4種因素對岸線利用率的影響。

2.1 圖表相關(guān)分析

三峽庫區(qū)岸線利用情況受多種因素影響，本文主要研究GDP、人均GDP、在籍人口和城鎮(zhèn)化率對三峽庫區(qū)岸線利用率的影響。首先通過圖表相關(guān)分析（如圖3所示）初步確定各影響因素與岸線利用情況之間的相關(guān)性。

依次對比各影響因素與岸線利用率間折線圖走勢情況，初步分析其相關(guān)性。每項(xiàng)因子共有24個要素點(diǎn)，形成23個趨勢區(qū)間，通過統(tǒng)計每個影響因素與岸線利用率在每個區(qū)間內(nèi)趨勢情況及要素總體趨勢情況，分析不同影響因素與岸線利用率相關(guān)性強(qiáng)弱。如圖3所示，對于指標(biāo)GDP，有9個區(qū)間增減變化趨勢與岸線利用率一致，其中有5個區(qū)間同為上升趨勢，4個同減區(qū)間，兩指標(biāo)總變化體趨勢均為上升，初判兩者呈中等相關(guān)性；對于人均GDP指標(biāo)，有6個區(qū)間增減變化趨勢與岸線利用率一致，其中有4個同升區(qū)間，2個同減區(qū)間，但其同升減幅度差異較大，兩指標(biāo)總體變化趨勢均為上升，有一定相關(guān)性，但認(rèn)為相關(guān)性較?。粚τ谠诩丝谥笜?biāo)，有13個區(qū)間增減變化趨勢與岸線利用率一致，其中有7個同升區(qū)間，6個同減區(qū)間，同趨勢變化區(qū)間較多，但其總體變化趨勢波動情況大于岸線利用率，初判其有一定相關(guān)性，但相關(guān)性大小不易判斷；對于城鎮(zhèn)化率指標(biāo)，有7個區(qū)間內(nèi)增減變化趨勢與岸線利用率一致，其中有5個同升區(qū)間，2個同減區(qū)間，但其同升減幅度差異較大，兩指標(biāo)總體變化趨勢均為上升，認(rèn)為有一定相關(guān)性，相關(guān)程度不易判斷。

通過擬合方程確定各影響因素與岸線利用率的相關(guān)性大小。如圖4所示，4項(xiàng)指標(biāo)對岸線利用率影響作用從大到小依次是GDP（0.3659） gt; 城鎮(zhèn)化率（0.2594）gt; 在籍人口 （0.1745）gt; 人均 GDP（0.1586） ?？芍?，庫區(qū)內(nèi)各區(qū)縣GDP與岸線利用率相關(guān)性最為顯著，而人均GDP顯著性最小。人均GDP與人口指標(biāo)密切相關(guān)，且在籍人口、人均GDP與岸線利用率的相關(guān)性較為接近，可認(rèn)為岸線利用率受GDP影響大于人口指標(biāo)，而人均GDP相關(guān)性較弱是因?yàn)槭艿饺丝谥笜?biāo)的影響。

2.2皮爾遜相關(guān)系數(shù)分析

根據(jù)皮爾遜相關(guān)系數(shù)分析法，結(jié)合已有數(shù)據(jù)，得到各影響因素與岸線利用率間的皮爾遜相關(guān)系數(shù)（見表3），可知，岸線利用率與GDP在 plt;0.01 水平上顯著相關(guān)，相關(guān)系數(shù)為0.589，相關(guān)性較強(qiáng)；岸線利用率與城市化率、在籍人口兩個指標(biāo)在 plt;0.05 水平上顯著相關(guān)，相關(guān)系數(shù)分別為0.487和0.409，相關(guān)性一般；岸線利用率與人均GDP相關(guān)性較低，其相關(guān)系數(shù)為0.288。綜上可知，4種影響因子中，與岸線利用率相關(guān)性由強(qiáng)到弱依次為 GDPgt; 城鎮(zhèn)化率 gt; 在籍人口 gt; 人均GDP，與2.1節(jié)中擬合方程相關(guān)性分析結(jié)果一致。

注：*表示相關(guān)性在 plt;0.05 水平上顯著相關(guān)，**表示相關(guān)性在 plt;0.01 水平上顯著相關(guān)。

2.3 多元線性回歸分析

采用多元線性回歸綜合分析4種影響因素與岸線利用率之間的關(guān)系，得到各因素和常量的非標(biāo)準(zhǔn)系數(shù)及顯著性（見表4）。可知，多元線性回歸方程的顯著性為 0.017lt;0.05 ，表明多元線性回歸方程具有良好顯著性。德賓－沃森（D-W）系數(shù)為1.927，證明殘差不存在自相關(guān)，即殘差間相互獨(dú)立，表明數(shù)據(jù)之間存在獨(dú)立性。數(shù)據(jù)共線性診斷（見表5）表明，各特征值分布并不集中，也不存在趨于0的較小值，且條件指數(shù)均小于30，進(jìn)一步證明數(shù)據(jù)之間相互獨(dú)立。

注：回歸方程的決定系數(shù) R²=0.454 ，多元回歸 D-W 系數(shù) 為1.927，多元回歸顯著性為 0.017 Ω

由表4可知，GDP、人均GDP、在籍人口、城鎮(zhèn)化率的顯著性大小分別為0.166、0.193、0.892、0.143，都大于0.05，說明其不太顯著，但在籍人口的顯著性最大，故回歸方程受到在籍人口的影響較大，因此將在籍人口舍棄之后再進(jìn)行多元線性回歸分析，得到的各影響因素與岸線利用率間的多元回歸方程為

岸線利用率 =12.591+0.022×GDP-1.586× 人均 GDP+0.441× 城鎮(zhèn)化率

根據(jù)式（2）可知，岸線利用率隨著GDP和城鎮(zhèn)化率增長而增長，而隨著人均GDP的增長呈減少的趨勢。

各影響因素顯著性見表6。

由表5、表6和式（2）可知，剔除在籍人口前后各影響因素所擬合的多元線性回歸方程的決定系數(shù)相差不大，分別為0.454和0.453。剔除在籍人口指標(biāo)后，GDP顯著性較強(qiáng)，為 0.016lt;0.05 ；人均GDP比較明顯，為0.075，稍大于0.05；城鎮(zhèn)化率顯著性一般，為0.127。對比可知，剔除在籍人口指標(biāo)后的多元線性回歸方程更能體現(xiàn)GDP、人均GDP、城鎮(zhèn)化率與岸線利用率間的相關(guān)性。

圖5為岸線利用率數(shù)據(jù)折線與剔除在籍人口指標(biāo)后擬合的岸線利用率結(jié)果對比，可知，實(shí)際岸線利用情況與擬合結(jié)果增減趨勢的總體吻合度較高。

3 討論

3.1經(jīng)濟(jì)指標(biāo)對岸線利用情況的影響

岸線開發(fā)利用與經(jīng)濟(jì)發(fā)展之間存在著顯著聯(lián)系。經(jīng)濟(jì)基礎(chǔ)越好，越能支持三峽庫區(qū)岸線的開發(fā)利用。由圖表相關(guān)分析得到的GDP與岸線利用率關(guān)系曲線決定系數(shù)和由皮爾遜相關(guān)系數(shù)分析得到的GDP與岸線利用率相關(guān)系數(shù)分別為0.3659和0.589，大于其他影響因素。岸線利用率大于 80% 的區(qū)縣有2個，分別為沙坪壩區(qū)（ 80.82% ）和渝北區(qū)（ 100% ），其GDP分別為1106.7億元和2297.11億元，在24個區(qū)縣排名分別為第8和第1；岸線利用率為 50%～80% 的區(qū)縣有9個，其中GDP大于900億元的區(qū)縣為5個，占比 55.56% ；其余13個區(qū)縣岸線利用率均小于50% ，其中GDP小于600億元的區(qū)縣有9個，占比69.23% 。綜上所述，GDP與岸線利用相關(guān)性顯著，在一定程度上可以作為反映岸線利用的顯著指標(biāo)。

和GDP相比，人均GDP與三峽庫區(qū)岸線利用率相關(guān)性比較小。由圖表相關(guān)分析得到的人均GDP與岸線利用率關(guān)系曲線決定系數(shù)和皮爾遜相關(guān)系數(shù)分析得到的人均GDP與岸線利用率相關(guān)系數(shù)分別為0.1586和0.288，均為影響因素中的最小值。岸線利用率大于 80% 的沙坪壩區(qū)和渝北區(qū)，人均GDP分別為11.56萬元和14.67萬元，均未達(dá)到20萬元，在24個區(qū)縣排名分別為第7和第4；岸線利用率為50%～80% 的9個區(qū)縣中，人均GDP大于11萬元的有4個，占比 36.36% ；其余13個岸線利用率小于50% 的區(qū)縣中，人均GDP小于6萬元的區(qū)縣有6個，占比 46.15% ，但有3個區(qū)縣人均GDP大于11萬元，且人均GDP最高（31.82萬元）的區(qū)縣位于其中，故該指標(biāo)情況不合適用來反映各區(qū)縣岸線利用情況。

除GDP外，經(jīng)濟(jì)指標(biāo)中還包含其他指標(biāo)，如工業(yè)增加值、固定資產(chǎn)投資、地方財政一般預(yù)算收入、地方財政一般預(yù)算支出等。三峽庫區(qū)岸線開發(fā)利用屬于基礎(chǔ)設(shè)施或公共人居環(huán)境提升工程類項(xiàng)目，地方政府需統(tǒng)籌考慮人居環(huán)境提升需要和環(huán)境影響，并結(jié)合地方財政做出規(guī)劃和實(shí)施。因此，庫區(qū)岸線利用情況與地方財政支出有很大關(guān)系。

3.2人口指標(biāo)對岸線利用情況的影響

本文選擇人口指標(biāo)中的在籍人口數(shù)量和城鎮(zhèn)化率。由上述研究可知，在籍人口與岸線利用率之間的相關(guān)性較弱，由圖表相關(guān)分析得到的在籍人口與岸線利用率關(guān)系曲線決定系數(shù)和由皮爾遜相關(guān)系數(shù)分析得到的在籍人口與岸線利用率相關(guān)系數(shù)分別為0.1745和0.409，在多元線性回歸分析中，在籍人口的顯著性為0.892，遠(yuǎn)大于0.05。岸線利用率大于80% 的沙坪壩區(qū)和渝北區(qū)，在籍人口分別為95.77萬人和156.58萬人，在24個區(qū)縣排名分別為第10和第3；岸線利用率為 50%～80% 的9個區(qū)縣中，在籍人口大于100萬的有4個，占比 36.36% ；其余13個岸線利用率小于 50% 的區(qū)縣中，在籍人口小于60萬的區(qū)縣有5個，占比 38.46% ，有3個區(qū)縣在籍人口大于100萬，且在籍人口最高（170.82萬）的區(qū)縣位于其中，故該指標(biāo)同樣不滿足反映區(qū)岸線利用情況的要求。

城鎮(zhèn)化率是受經(jīng)濟(jì)影響的人口指標(biāo)，其相關(guān)性進(jìn)一步證實(shí)了經(jīng)濟(jì)指標(biāo)與岸線利用的正相關(guān)關(guān)系。由圖表相關(guān)分析得到的城鎮(zhèn)化率和岸線利用率關(guān)系曲線決定系數(shù)和皮爾遜相關(guān)系數(shù)分析得到的城鎮(zhèn)化率與岸線利用率相關(guān)系數(shù)分別為0.2594和0.487。岸線利用率大于 80% 的沙坪壩區(qū)和渝北區(qū)，城鎮(zhèn)化率分別為 97.10% 和 90.00% ，在24個區(qū)縣排名分別為第4和第7；岸線利用率為 50%～80% 的9個區(qū)縣中，城鎮(zhèn)化率大于 80% 的有5個，占比 55.56% 其余13個岸線利用率小于 50% 的區(qū)縣中，城鎮(zhèn)化率小于 70% 的區(qū)縣有8個，占比 61.54% ，故該指標(biāo)對于反映岸線利用情況具有一定代表性。

通過多元線性回歸分析可知，除在籍人口外，GDP、人均GDP、城鎮(zhèn)化率3個因素對岸線利用率綜合影響顯著性為0.453，表明除本文討論相關(guān)因素外，還有其他因素對岸線利用情況的影響作用超過50% ，具體影響因素和影響顯著性還需要進(jìn)一步收集資料和分析。

4結(jié)論

利用高清衛(wèi)星影像、無人機(jī)航空影像、遙感技術(shù)等對三峽庫區(qū)岸線利用情況進(jìn)行監(jiān)測，通過運(yùn)用圖表相關(guān)分析、皮爾遜相關(guān)系數(shù)法、多元線性回歸等方法分析GDP、人均GDP、在籍人口、城鎮(zhèn)化率等影響因素與岸線利用率間的相關(guān)性。主要結(jié)論如下：

（1）2020—2022年，重慶主城區(qū)岸線利用率較高，其中渝北區(qū)和沙坪壩岸線利用率分別達(dá)到 100% 和 80.82% ；重慶下轄各區(qū)縣岸線利用相對較低，其中武隆區(qū)和石柱縣岸線利用率分別僅為 10.64% 和13.17% 。

（2）由相關(guān)性分析得知，GDP、人均GDP、在籍人口、城鎮(zhèn)化率等因素與岸線利用率的相關(guān)性大小排序?yàn)?GDPgt; 城鎮(zhèn)化率 gt; 在籍人口 gt; 人均GDP。

其中皮爾遜相關(guān)分析顯示GDP與岸線利用率在 p lt;0.01 水平上顯著相關(guān)，相關(guān)系數(shù)為0.589；人均GDP相關(guān)系數(shù)最小，為0.288。結(jié)合多元回歸分析可知，4種影響因素中GDP和城鎮(zhèn)化率是影響岸線利用率的關(guān)鍵因素。

（3）人均GDP反映的是人口因素對GDP的影響，是結(jié)合人口因素和GDP的綜合性指標(biāo)；城鎮(zhèn)化率是受經(jīng)濟(jì)條件影響的人口指標(biāo)，同樣是結(jié)合人口因素和GDP的綜合性指標(biāo)。通過分析人均GDP和城鎮(zhèn)化率可知，人口因素可以減弱GDP與岸線利用的關(guān)系，在受GDP影響后，人口與岸線利用之間的相關(guān)性得以加強(qiáng)。進(jìn)一步說明了GDP與岸線利用之間的相關(guān)性較強(qiáng)，在籍人口與岸線利用之間的相關(guān)性較弱。

參考文獻(xiàn)：

[1]魯婧，劉春晶，谷蕾蕾.河湖岸線功能評估指標(biāo)及體系構(gòu)建探討[J].人民黃河，2021，43（7）：51-55，83.

[2]王傳勝，王開章.長江中下游岸線資源的特征及其開發(fā)利用[J].地理學(xué)報，2002，57（6）：693-700.

[3]望思強(qiáng)，何勇，陳正兵.河湖岸線保護(hù)與利用規(guī)劃編制關(guān)鍵問題探討[J].人民長江，2024，55（4）：44-50.

[4]楊成剛，楊振，王偉.基于空間形態(tài)的河道岸線利用模式分類及應(yīng)用[J].人民長江，2020，51（11）：10-15，115.

[5]張志永，向林，萬成炎，等.三峽水庫消落區(qū)植物群落演變趨勢及優(yōu)勢植物適應(yīng)策略[J].湖泊科學(xué)，2023（2）：553-563.

[6]張?zhí)炀w，朱吾中，宋思敏.三峽水庫消落區(qū)岸線環(huán)境綜合整治思路初探[J].人民長江，2018，49（20）：69-73.

[7]畢月，謝智龍，彭聰聰，等．三峽水庫重要河口岸線保護(hù)利用特征與對策[J].人民長江，2023，54（7）：37-46.

[8]馮宏琳，賈鵬鵬，魏雪蓮，等.長江干線港口岸線資源利用效率研究[J].水運(yùn)工程，2024（2）：49-52，78.

[9]葉曉晶，方國華，廖濤，等.基于改進(jìn)灰色模糊評判的河流岸線開發(fā)利用風(fēng)險評估[J].長江科學(xué)院院報，2023，40（12）：7-14，22.

[10]潘曉潔，萬成炎，張志永，等.三峽水庫消落區(qū)的保護(hù)與生態(tài)修復(fù)[J].人民長江，2015，46（19）：90-96.

[11]段學(xué)軍，鄒輝.長江岸線的空間功能、開發(fā)問題及管理對策[J].地理科學(xué)，2016，36（12）：1822-1833.

[12]熊克俊，紀(jì)婷婷，陳成.基于遙感影像的2016—2019年長江南京江北新區(qū)段岸線利用分析[J]現(xiàn)代測繪，2023，46（6）：15-20.

[13]王璉，吳志峰，李少英，等.珠江口灣區(qū)海岸線及沿岸土地利用變化遙感監(jiān)測與分析[J].地理科學(xué)，2016，36（12）：1903-1911.