基于不同Logistic模型的土地利用格局模拟对比研究——以湖北省宣恩县和咸丰县为例

危小建， 江　平， 马国庆

(1.东华理工大学 测绘工程学院，江西 南昌 330013；2.流域生态与地理环境监测国家测绘地理信息局

重点实验室，江西 南昌 330013；3.武汉大学 资源与环境科学学院，湖北 武汉 430079；4.宁夏土地勘测

规划院，宁夏 银川 750000)



基于不同Logistic模型的土地利用格局模拟对比研究
——以湖北省宣恩县和咸丰县为例

危小建1，2， 江平3， 马国庆4

(1.东华理工大学 测绘工程学院，江西 南昌 330013；2.流域生态与地理环境监测国家测绘地理信息局

重点实验室，江西 南昌 330013；3.武汉大学 资源与环境科学学院，湖北 武汉 430079；4.宁夏土地勘测

规划院，宁夏 银川 750000)

摘要：模拟土地利用空间格局分布规律对合理利用土地资源、制定土地利用规划、协调土地与经济、环境的关系具有十分重要的意义。土地利用格局存在空间异质性，对比不同地区格局特征规律对加深土地利用格局的认识具有重要意义。以邻接的湖北省宣恩县和咸丰县为研究对象，通过对比基于局地因子、自相关因子和邻域因子的3种Logistic模型的模拟参数的一致性和异质性来对比研究两地的格局分布规律。实验与分析结果表明，宣恩县和咸丰县的土地利用格局特征存在共同的驱动因子和聚集效应，具有共性；不同模型的模拟结果表明驱动因子在作用方向，大小方面存在差异，邻域因子在邻域尺度上表现出不同特征。研究结果对加深理解不同地区的土地利用分布格局特征的差异性，促进区域土地利用的规划、土地资源的合理开发与可持续发展战略的顺利实施具有一定的参考价值。

关键词：土地利用格局；空间模拟；Logistic 模型；空间自相关；领域特征；湖北

对土地利用空间格局进行研究，有利于认识和掌握各土地利用类型的分布特征和规律，对改善人居环境，合理利用土地资源、制定发展建设规划，协调用地布局与环境的关系具有重要的实践指导意义。土地利用空间分布规律的研究主要集中在以下几个方面：各土地利用类型的空间统计分析[1-3]，分形特征研究[4]，通过DPSIR模型、冗余分析、主成分分析[5]等方法甄别土地利用驱动因素，在土地利用动态模拟中通过控制格局与过程的自然和人文景观变量来建立多元模型、CA模型、CLUE模型等模拟土地利用动态变化格局的研究[6-13]。总体来看，目前的研究多局限于采用定性分析或定量模型的方法刻画同一区域的格局特征，或采用统计学的方法对比不同区域土地利用类型数量结构特征的差异。通过对不同地区进行对比分析有助于加深对土地利用空间格局规律的认识，利用模型对比分析不同地区不同空间格局分布规律的研究还比较少。

近年来，通过对比研究的方法研究不同地区的差异特征的研究越来越多，对比分析不同地区的土地利用变化和格局分布的相似性和差异性的研究也有一些。文献[14]对比分析了智利南部3个不同地区的温带景观变化受人类活动的影响。文献[15]对比分析巴基斯坦斯瓦特县3个不同地区土地利用格局变化的不同特点。文献[16]对比分析了中国西部黄土高原的两个小流域的土地利用变化的轨迹和驱动力。文献[17]通过ALOS多光谱影像，对比分析了东京、京都和台北的土地利用覆盖格局的差异。目前的研究较少采用模型的方法，通过建立Logistics回归模型来模拟不同地区不同土地利用类型格局并进行对比分析的研究笔者还未见到。土地利用变化格局模拟的研究国内外已开展了大量研究工作[18]，Logistics模型、CA、蚁群、粒子群等模型都被利用来模拟不同土地利用类型的格局特征[19-21]，其中Logistics模型[22-24]及其改进是常用的模型，本文选用Logistic模型来对比分析不同地区的空间格局特征的差异。

考虑自变量的自相关特征和邻域特征，通过建立基于局地因子、空间自相关因子和邻域因子的不同的Logistic回归模型，对比研究湖北省宣恩县和咸丰县的土地利用格局与其驱动因素之间的定量关系，进行空间横向的差异分析，以揭示不同地区土地利用空间分布格局的差异性和一致性，显化分析不同区域土地利用格局的驱动因素的差异。

1数据和方法

1.1研究区概况

选取的研究区为湖北省恩施土家族苗族自治州的两个邻接地区宣恩县和咸丰县。宣恩县和咸丰县地处鄂西南边陲，属鄂西山地区。宣恩县主要地形特点为最高点火烧堡海拔2 014 m，最低点(贡水与清江汇合处)海拔356 m。宣恩县城海拔510 m。境内海拔1 200 m以上的高山占全县总面积的25.69%，海拔800～1 200 m的二高山占47.12%，800 m以下低山占27.19%。咸丰县主要地形特点为地形地貌复杂，呈南部高、中部低、东部向西部倾斜。沿龙潭河河床东北高、西南低，形成河水倒流，境内海拔最高点1 911.5 m，最低点445 m，相对高差为1 466.5 m，以二高山地区为主，占总面积的68%。

1.2数据来源与处理

不同驱动因素对土地利用空间分布的影响与控制作用是不同的。本文侧重分析土地利用分布格局特征，选取稳定少动的长时间尺度上作用的驱动因素[25]，不考虑年际变动的驱动因素。具体选取的驱动因素有高程、坡度、坡向、距离最近城镇的距离、距离最近村庄的距离、距离最近河流的距离、距离最近沟渠的距离、距离县级以上道路距离、距离县级以下道路距离共9个长时间尺度作用的局地因子，同时还有各土地利用类型的邻域特征量。本研究主要考虑两类邻域特征，一是反距离加权的空间自相关邻域特征量，另一类是空间统计的邻域丰度特征量。本研究数据来源主要为土地利用现状图、30m的DEM数字高程模型和湖北及周边省区公路里程地图册。将土地利用现状图按照一级分类分为4类：耕地、林地、建设用地和其他用地。在 ArcGIS 平台下，制作各变量因子图，统一各图层坐标系统，将所有的数据处理成GIS的GRID 格式的数据类型，格网大小为100m×100m，然后把数据转化为ASCII格式，再借助于CLUE-S模型中的File Converter 软件，把 ASCII 数据转化成单一记录文件输入到 SPSS 统计软件，并对每一种地类与其所选的驱动因素之间进行二值 Logistic逐步回归分析。

1.3研究方法

1.3.1技术路线

建立Loglstic回归模型，对不同地区土地利用格局与土地利用驱动因素之间的关系进行对比分析。在模型使用上，考虑到土地利用数据的独立性假设往往并不成立，传统的Logistic回归模型只能进行土地利用类型与驱动因素的相关性分析，而不能描述空间自相关性的特征。为了正确描述土地利用空间格局分布的结构和模式，在建立模型时需要进一步对土地利用类型的空间自相关性特征加以分析和考虑[26]。综合考虑局地因子、空间自相关性特征和空间邻域特征，本文确定了3种空间分布模拟建模方案：①传统Logistic模型，只考虑局地因子，不考虑邻域特征量；②AutoLogistic模型，在局地因子的基础上，考虑反距离加权的空间自相关邻域特征量；③基于邻域丰度特征的Logistic模型，不考虑局地因子和反距离加权的空间自相关邻域特征量。3种方案都采用的是Logistic逐步回归模型。通过逐步Logistic回归模型能识别出各影响因子对不同土地利用类型的影响力度、强度，为进一步揭示其相互关系和驱动机制提供基础。

1.3.2传统Logistic模型

传统Logistic模型是一种对二分类因变量进行回归分析时常用的非线性分类统计方法，常用来进行土地利用格局模拟研究。根据土地利用格局驱动因素，运用Logistic逐步回归可以自动筛选对土地利用格局影响显著的因子。Logistic模型公式如下：

(1)

式中：P是二分性变量；α是常数；βi是Logistic回归的偏回归系数；xi是驱动因素。

1.3.3AutoLogistic模型

AutoLogistic模型是在传统的Logistic模型基础之上以空间权重的方式引入空间自相关因子，从而解决了空间统计分析问题中固有的空间自相关效应的影响。AutoLogistic[27-29]模型公式如下：

(2)

式中：wij为时空点i，j的空间权重函数。

本研究中，取权重函数为点对间距离的倒数，即如果空间点对i，j的距离以Dij表示，则空间权重函数表示为：

(3)

1.3.4邻域丰度

土地利用空间分布不仅受到高程、坡度、距城镇距离等局地因子的影响，还受到不同土地利用类型之间的相互影响。各种土地利用类型在区域土地利用空间格局分布过程中均存在着一定程度的空间相关性。本文通过引入邻域因子研究不同地域、不同地类的邻域空间分布模型。邻域丰度因子[30-32]定义公式如下：

(4)

式中：Fi，k，d为邻域丰度因子，其中i为栅格位置；k为土地类型；d为邻域半径；nk，d，i为i栅格d半径范围内k土地类型的栅格个数；nd，i为i栅格d距离邻域内栅格总数量；Nk为整个研究区域内k地类栅格总个数；N为研究区域内总有效栅格数。

本文考虑各土地利用类型3×3、9×9、13×13距离范围内的邻域丰度特征。

2结果与分析

回归分析可以用来量化研究区土地利用类型与驱动因素之间的关系，本文通过ArcGIS、CLUE-S和SPSS等软件，对前述的4种土地利用类型，运用Logistic逐步回归进行备选因素的诊断建模，筛选出对土地利用格局影响显著的因素，确定它们之间的定量关系和作用方向，并对所得结果进行ROC检验，实现3种Logistic建模方案的土地利用格局模拟。为保证入选变量的显著性，在使用逐步Logistic回归时，变量的进入和保留的参数都设为0.05。考虑到篇幅影响和对比的显著性，本文选取了湖北省宣恩县和咸丰县的耕地、林地和建设用地的模拟结果进行对比分析。

2.1传统 Logistic和AutoLogistic模型回归结果

宣恩县和咸丰县的耕地、林地和建设用地的传统Logistic模型和AutoLogistic模型回归结果见表1。从表1可知，总体上，咸丰县的耕地、林地和建设用地模型的拟合效果要稍好于宣恩县的相应模型，不过差别不大。所选的备选因子对宣恩县和咸丰县的土地利用空间格局模拟结果的ROC值都大于0.7，这说明地形、地貌、距离城镇、道路等稳定的局地因子对山区土地利用空间格局影响较为显著，是山区土地利用格局的主要驱动因子，宣恩县和咸丰县主要驱动因子方面存在共性。具体从驱动因子入选以及ROC值来看，宣恩县和咸丰县的模拟结果又存在差别，表明不同地区的土地利用格局受同一组驱动因子影响的程度存在差异。

表1　传统 Logistic模型和AutoLogistic模型回归分析结果

注：LG—传统 Logistic模型，AU-LG—AutoLogistic模型，n.i—未考虑变量。

从AutoLogistic模型相比传统Logistic模型提高的ROC来看，宣恩县和咸丰县的AutoLogistic模型的拟合结果都比传统Logistic模型的拟合结果有了较大的改善。究其原因，山区同一土地利用类型的分布格局受到地形地貌条件的限制，在空间上联系更紧密，密集分布特征明显。

从驱动因子入选角度具体来看，宣恩县和咸丰县两个地区的土地利用类型的Logistic回归结果均存在着一定的差异，各个驱动因子对各土地利用类型空间格局分布的影响大小不同，作用方向有的相同、有的不同，说明同一用地类型在不同地区存在着不同的区位取向。本文从入选的变量以及变量的作用方向两个方面对比分析宣恩县和咸丰县两个地区耕地、林地和建设用地空间分布驱动因子的差异。

从耕地格局模拟的结果来看，在传统Logistic模型中，对宣恩县耕地空间分布影响显著的正向因子有距离最近城镇的距离、距离最近主要沟渠的距离和距离县级以上道路距离，负向因子有高程、距离最近村庄的距离和距离县级以下道路距离。从AutoLogistic模型来看，与宣恩县的传统Logistic模型不同的是距离县级以上道路距离这个正向因子没有入选，说明县级以上道路对耕地的空间格局分布的影响不像其他入选变量那么强。而从咸丰县的耕地空间格局模拟结果来看，与宣恩县不同的是坡度和距离最近河流的距离对咸丰县耕地分布影响较显著，且距离最近沟渠的距离的作用方向相反。咸丰县耕地模拟的传统Logistic模型与AutoLogistic模型结果的差别与宣恩县的两模型差别一致，表明县级以上道路对耕地的空间格局分布的影响较弱。共同影响宣恩县和咸丰县耕地空间分布的驱动因子有高程、距离最近城镇的距离、距离最近村庄的距离和距离县级以下道路距离。

从林地格局模拟的结果来看，总体上，宣恩县和咸丰县林地模拟结果中入选驱动变量较多，究其原因，林地是宣恩县和咸丰县的主要土地利用类型，受到多数驱动因子影响。在传统Logistic模型中，宣恩县和咸丰县的林地驱动因子的差别是距离最近沟渠的距离和距离县级以上道路距离。在AutoLogistic模型中，宣恩县和咸丰县的林地驱动因子的差别是高程、坡度和距离最近河流的距离。对比传统Logistic模型与AutoLogistic模型的模拟结果，发现宣恩县和咸丰县的差别较大，说明较多驱动因子对林地布局的影响并不十分稳定和显著。共同影响宣恩县和咸丰县林地空间分布的驱动因子中有距离最近城镇的距离、距离最近村庄的距离和距离县级以下道路距离。

从建设用地格局模拟的结果来看，在传统Logistic模型中，宣恩县和咸丰县的建设用地驱动因子都包含高程、坡度、距离最近城镇的距离、距离县级以上道路距离和距离县级以下道路距离，存在差别的驱动因子是距离最近河流的距离和距离最近沟渠的距离。在AutoLogistic模型中，入选驱动因子较少，共同的驱动因子除了自相关变量外就只有距离县级以下道路距离。对比传统Logistic模型与AutoLogistic模型的模拟结果，发现距离县级以下道路距离对宣恩县和咸丰县的建设用地空间布局特征影响十分显著。共同影响宣恩县和咸丰县建设用地空间分布的驱动因子只有距离县级以下道路距离。

2.2基于邻域因子的Logistic回归结果

基于邻域丰度的土地利用空间格局模拟可以定性、定量地分析研究区各土地利用类型间的相关性。宣恩县和咸丰县的耕地、林地和建设用地的邻域因子的Logistic模型结果见表2。从表2可知，总体上，宣恩县和咸丰县的耕地、林地和建设用地邻域因子的Logistic模型的ROC值都高于0.85，解释效果都很好，说明宣恩县与咸丰县各土地利用空间格局呈现相互之间的空间集聚效应。

具体从各土地利用类型的模拟结果来看，宣恩县和咸丰县的耕地的邻域格局特征表现一致，其自相关特征都显著，宣恩县和咸丰县的耕地自相关特征在9×9的邻域范围内作用方向与3×3和13×13的邻域范围内相反，说明耕地自相关特征具有尺度效应。宣恩县和咸丰县的耕地在3×3和9×9的邻域范围内与建设用地的相邻特征显著，在13×13的邻域范围内则不显著，说明宣恩县和咸丰县的耕地与建设用地的邻接特征在较小的邻域范围内显著。而宣恩县和咸丰县的耕地与林地的邻接特征则在较大的邻域范围内显著。从林地的拟合结果来看，宣恩县和咸丰县的林地自相关特征显著，在3×3的邻域范围内耕地出现频率较低。宣恩县的林地的13×13的邻域范围内耕地出现频率较低的特点也显著，而此邻域范围内林地的自相关特征不显著，咸丰县的林地在此邻域范围内自相关的特征显著。从建设用地的拟合结果来看，宣恩县和咸丰县的建设用地在3×3和9×9的邻域范围内自相关特征显著，在9×9的邻域范围内曾负相关特征，在13×13的邻域范围内的自相关特征不显著。在建设用地3×3的邻域范围内林地出现频率较低，其他用地出现频率较高。

表2　基于邻域因子的Logistic回归分析结果

注：邻域因子的命名规则如下，E_U_D中”U”表示土地利用类型代码，”D”表示邻域因子的作用半径；耕地、林地、建设用地和其他用地的代码分别为0，1，2，3。

3结论

研究通过实现传统Logistic模型，AutoLogistic模型和基于邻域丰度特征的Logistic模型，对比分析宣恩县和咸丰县的土地利用格局驱动因子差异，研究结果表明：

(1)从传统Logistic模型和AutoLogistic模型的模拟结果来看，地形、地貌、距离城镇、道路等稳定的局地因子是山区土地利用格局的主要驱动因子。共同影响宣恩县和咸丰县耕地空间分布的驱动因子有高程、距离最近城镇的距离、距离最近村庄的距离和距离县级以下道路距离。共同影响宣恩县和咸丰县林地空间分布的驱动因子中有距离最近城镇的距离、距离最近村庄的距离和距离县级以下道路距离。共同影响宣恩县和咸丰县建设用地空间分布的驱动因子只有距离县级以下道路距离。

(2)从传统 Logistic模型与AutoLogistic模型的模拟结果对比来看，宣恩县和咸丰县各土地利用类型的空间自相关程度都要强，山区同一土地利用类型的分布格局受到地形地貌条件的限制，在空间上联系更紧密，密集分布特征明显。从宣恩县和咸丰县各土地利用类型的传统Logistic模型和AutoLogistic模型对比来看，宣恩县和咸丰县土地利用类型的空间分布的影响因子存在较大的差异，影响因子的显著性、作用大小和作用方向都存在较大差别。

(3)从基于邻域因子的Logistic模型的拟合效果来看，宣恩县与咸丰县各土地利用空间格局呈现相互之间的空间集聚效应。宣恩县与咸丰县的耕地、林地和建设用地的自相关特征都较显著，且具有尺度效应。宣恩县和咸丰县各土地利用类型的交互作用的作用尺度和显著性存在较大差别。

通过Logistic建模对比研究宣恩县和咸丰县的土地利用空间分布的规律，定量地揭示了不同地区土地利用空间分布的规律，对于区域土地利用的规划、土地资源的合理开发与可持续发展战略的顺利实施具有一定的指导意义和参考价值。但本文仍存在一些不足：很难确定所有应备选的稳定少动因子；模型所做的研究具有一定的尺度依赖，所选择的研究尺度只能揭示在此尺度下的分布规律；土地利用空间分布的驱动机理复杂，只利用Logistic回归模型的原理探讨驱动因素，其理论和实践还有待进一步深入研究；选取的宣恩县和咸丰县从地貌特征上来说具有一定的代表性，但土地利用是一个复杂的巨系统，研究所得结论在多大程度上可以进行推广是一个值得补充研究的问题。

参考文献：

[1]李君，李小建.综合区域环境影响下的农村居民点空间分布变化及影响因素分析——以河南巩义市为例[J].资源科学，2009，31(7)：1195-1204.

[2]刘明皓，戴志中，邱道持，等.山区农村居民点分布的影响因素分析与布局优化——以彭水县保家镇为例[J].经济地理，2011，31(3)：476-482.

[3]李红波，张小林，吴江国，等.欠发达地区聚落景观空间分布特征及其影响因子分析——以安徽省宿州地区为例[J].地理科学，2012，(6)：711-716.

[4]郭碧云，王光谦，傅旭东，等.黄河中游清涧河流域土地利用空间结构和分形模型[J].农业工程学报，2012，28(14)：223-228.

[5]覃琳，邱凌，朱玉碧，等.基于主成分分析法的重庆市九龙坡区土地利用变化驱动机理研究[J].中国农学通报，2012，28(5)：240-246.

[6]吴莉，侯西勇，徐新良，等.山东沿海地区土地利用和景观格局变化[J].农业工程学报，2013，29(5)：207-216.

[7]谢花林，李波.基于logistic回归模型的农牧交错区土地利用变化驱动力分析——以内蒙古翁牛特旗为例[J].地理研究，2008，27(2)：294-304.

[8]张丁轩，付梅臣，陶金，等.基于CLUE-S模型的矿业城市土地利用变化情景模拟[J].农业工程学报，2013，(12)：246-256.

[9]周锐，苏海龙，胡远满，等.不同空间约束条件下的城镇土地利用变化多预案模拟[J].农业工程学报，2011，27(3)：300-308.

[10]Luo J，Wei Y H.Modeling spatial variations of urban growth patterns in Chinese cities：the case of Nanjing[J].Landscape and Urban Planning，2009，91(2)：51-64.

[11]吴健生，冯喆，高阳，等.CLUE-S模型应用进展与改进研究[J].地理科学进展，2012，(1)：3-10.

[12]周锐，苏海龙，王新军，等.CLUE-S模型对村镇土地利用变化的模拟与精度评价[J].长江流域资源与环境，2012，(2)：174-180.

[13]Zheng X，Zhao L，Xiang W，et al.A coupled model for simulating spatio-temporal dynamics of land-use change：A case study in Changqing，Jinan，China[J].Landscape and Urban Planning，2012，106(1)：51-61.

[14]Echeverría C，Newton A，Nahuelhual L，et al.How landscapes change：Integration of spatial patterns and human processes in temperate landscapes of southern Chile[J].Applied Geography，2012，32(2)：822-831.

[15]Qasim M，Hubacek K，Termansen M，et al.Spatial and temporal dynamics of land use pattern in District Swat，Hindu Kush Himalayan region of Pakistan[J].Applied Geography，2011，31(2)：820-828.

[16]Wang D，Gong J，Chen L，et al.Comparative analysis of land use/cover change trajectories and their driving forces in two small watersheds in the western Loess Plateau of China[J].International Journal of Applied Earth Observation and Geoinformation，2013，21：241-252.

[17]Hung W，Chen Y，Cheng K.Comparing landcover patterns in Tokyo，Kyoto，and Taipei using ALOS multispectral images[J].Landscape and Urban Planning，2010，97(2)：132-145.

[18]Mitsuda Y，Ito S.A review of spatial-explicit factors determining spatial distribution of land use/land-use change[J].Landscape and ecological engineering，2011，7(1)：117-125.

[19]Tayyebi A，Pijanowski B C.Modeling multiple land use changes using ANN，CART and MARS：Comparing tradeoffs in goodness of fit and explanatory power of data mining tools[J].International Journal of Applied Earth Observation and Geoinformation，2014，28：102-116.

[20]陈曦炜，戴尔阜.土地利用的多尺度空间自相关模型比较[J].农业工程学报，2011，(6)：324-331.

[21]Mas J，Kolb M，Paegelow M，et al.Inductive pattern-based land use/cover change models：A comparison of four software packages[J].Environmental Modelling & Software，2014，51：94-111.

[22]Van Dessel W，Van Rompaey A，Szilassi P.Sensitivity analysis of logistic regression parameterization for land use and land cover probability estimation[J].International Journal of Geographical Information Science，2011，25(3)：489-508.

[23]Dendoncker N，Rounsevell M，Bogaert P.Spatial analysis and modelling of land use distributions in Belgium[J].Computers，Environment and Urban Systems，2007，31(2)：188-205.

[24]Monteiro A T，Fava F，Hiltbrunner E，et al.Assessment of land cover changes and spatial drivers behind loss of permanent meadows in the lowlands of Italian Alps[J].Landscape and urban planning，2011，100(3)：287-294.

[25]余婷，柯长青.基于CLUE-S模型的南京市土地利用变化模拟[J].测绘科学，2010，35(1)：186-188.

[26]吴桂平，曾永年，冯学智，等.CLUE-S模型的改进与土地利用变化动态模拟——以张家界市永定区为例[J].地理研究，2010，29(3)：460-470.

[27]Lin Y，Chu H，Wu C，et al.Predictive ability of logistic regression，auto-logistic regression and neural network models in empirical land-use change modeling：A case study[J].International Journal of Geographical Information Science，2011，25(1)：65-87.

[28]Braimoh A K，Onishi T.Geostatistical techniques for incorporating spatial correlation into land use change models[J].International Journal of Applied Earth Observation and Geoinformation，2007，9(4)：438-446.

[29]吴桂平，曾永年，邹滨，等.AutoLogistic方法在土地利用格局模拟中的应用——以张家界市永定区为例[J].地理学报，2008，(2)：156-164.

[30]段增强，Verburg PH，张凤荣，等.土地利用动态模拟模型的构建及其应用——以北京市海淀区为例[J].地理学报，2004，59(6)：1037-1047.

[31]Verburg P H，de Nijs T，Ritsema Van Eck J，et al.A method to analyse neighbourhood characteristics of land use patterns[J].Computers，Environment and Urban Systems，2004，28(6)：667-690.

[32]段增强，张凤荣，苗利梅.基于邻域因子的土地利用空间格局分析——以北京市海淀区为例[J].农业工程学报，2006，(6)：71-76.

Simulation on Spatial Land Use Patterns Based on Different Logistic Models：

A comparative study of Xuan’en and Xianfeng Counties，Hubei Province

WEIXiao-jian1，2，JIANGPing3，MAGuo-qing4

(1.School of Geomatics，East China University of Technology，Nanchang 330013，China；2.Key Laboratory of Watershed Ecology and Geographical Environment Monitoring，National Administration of Surveying，Mapping and Geoinformation，Nanchang 330013，China；3.School of Resource and Environment Science，Wuhan University，Wuhan 430079，China；4.Ningxia Land Surveying and Planning Institute，Yinchuan 750000，China)

Abstract:Spatial pattern of simulating the distribution of land-use plays an important role in the rational use of land resources，the determination of land-use planning and the coordination of the relationship between land use，economic development，and environmental conservation.Land-use patterns have the spatial heterogeneity，and the adjacent regions also have great differences.Recently，studying the difference of land-use distribution between different areas is always through a few of statistical metrics.Few studies are considered through comparing spatial models of different areas.Taking Xuan’en County and Xianfeng County as examples，this paper described three methods of logistic model based on local factors，autocorrelation factors and neighborhood factors for simulating spatial land use pattern，quantitatively analyzing the relationship between land use types and land use patterns of driving factors through the analysis of comparison with the actual distribution.Through the ArcGIS，CLUE-S and SPSS softwares，we selected four kinds of land use types to build models with Logistic stepwise regression for alternative factors by three kinds of Logistic model.We screened out the impact factors of land use pattern and determined the quantitative relationship and function between them.The results showed that land-use pattern of Xuan’en County and Xianfeng County have the same driving factors and cluster effects.According to the simulated results of the traditional Logistic model and AutoLogistic model，the main driving factors of land use pattern in mountainous area are the local terrain factors，landscape，urban road distance and so on.From the point of view of driving factor and ROC value，the simulating results of Xuan’en County and Xianfeng County are different，showing that different regions of the land use pattern have differences in the same group of driving factors.Compared with ROC values of traditional Logistic model and AutoLogistic model，the fitting results of the AutoLogistic model have been more improved than the traditional Logistic model.The reason is mainly that the restrictions of topography of distribution pattern of the same land use type in mountainous area are more closely linked in the space，and density of distribution characteristics.ROC value of Logistic model of neighborhood factor is above 0.85，which means that the effect is very good，showing that the spatial land use pattern have the present agglomeration effect in Xuan’en County and Xianfeng County.Land using autocorrelation characteristics of cultivated land，forest land，construction land in Xuan’en and Xianfeng County are obvious and have scale effect.The research results have certain guiding significance and reference value on improving the expression of spatial pattern，deepening the understanding of different distribution pattern of land use in different regions，promoting regional land-use planning，exploiting wisely land resources and implementing successfully sustainable development strategy.

Key words:spatial land use patterns；spatial simulation；Logistic regression；spatial autocorrelation；neighborhood effects；Hubei

中图分类号：F301.24(263)

文献标志码：A

文章编号：1009-4210-(2016)01-093-09

作者简介：危小建(1988-)，男，博士，从事土地利用规划、评价和土地资源可持续发展研究。E-mail：weixiaojian1988@163.com

基金项目：东华理工大学博士启动基金项目(DHBK2015311)

收稿日期：2015-11-20

doi:10.3969/j.issn.1009-4210.2016.01.013