1990—2015年东北三省土地利用／覆被时空变化特征及其驱动力分析

吴 迪，张冬有

（哈尔滨师范大学地理科学学院，黑龙江哈尔滨150025）

土地利用／覆被变化（land－use and land－cover change，LUCC）在全球环境变化和可持续发展中占有重要的地位［1］。在全球环境变化问题中，土地利用／覆被变化一直是自然和人文过程交叉最密切的问题。“国际地圈与生物圈计划（IGBP）”和“全球环境变化人文计划（HDP）”在1995年首次正式提出LUCC的概念并将《土地利用／土地覆被变化科学研究计划》作为全球性综合研究计划的核心项目［2－4］。近年来，土地利用／覆被变化的驱动力研究已成为当前土地利用／覆被变化研究的前沿和热点课题［5－8］。国内外学者从不同的角度，采用不同的方法分析了不同尺度的LUCC驱动力［9－13］。

东北三省地处中国东北地区，与俄罗斯、朝鲜、韩国、日本等国接壤，与中国华北地区、内蒙古自治区毗邻，包括黑龙江省、吉林省、辽宁省，其中37个省辖市、1个省辖县，共180个市（县）级单位，总面积约为76.73万km2，占全国总面积的8.2%（图1）。东北三省地区以平原和山地为主，矿产丰富，是我国重要的重工业基地，被誉为新中国的“工业摇篮”。同时，东北三省作为我国最重要的粮食生产基地之一，为国家建设和保持社会稳定作出了重要贡献。但是，改革开放以来，特别是20世纪90年代以后，东北地区经济发展逐渐落后于东南沿海地区。2003年国家实施振兴东北老工业基地战略，2007年国务院正式批复《东北地区振兴计划》，并于2009年下发《国务院关于进一步实施东北地区等老工业基地振兴战略的若干意见》［14］。随着改革开放的进一步发展，东北地区经济体制、产业结构逐渐发生改变。

伴随着经济的发展，东北三省土地利用／覆被也随之发现显著变化。本研究以东北三省土地利用／覆被变化为研究对象，对东北三省1990—2015年土地利用／覆被变化时空特征进行分析，并探究其变化的驱动力，以期为东北三省未来土地资源的合理利用提供有效的决策支持。

1 数据与研究方法

1.1 数据来源及处理

本研究土地利用数据为来源于中国科学院资源环境科学数据中心（http：／／www.resdc.cn）的土地利用变化 1 km栅格数据集（1990年、1995年、2000年、2005年、2010年、2015年），该数据集是采用土地资源信息全数字人机交互遥感快速提取方法，基于美国陆地卫星Landsat TM数字影像，利用中国资源一号卫星（CBERS－1）、环境1号卫星（HJ－1）的CCD（charged coupled device，电荷耦合器件）多光谱数据作为补充，建立的全国土地利用变化数据集。通过大量野外调查数据进行随机精度验证，土地利用分类综合精度达91.2%以上［15－16］。考虑到研究区具体情况和本研究内容，采用数据集中的土地利用一级类型划分体系，将研究区内土地利用类型划分为耕地、林地、草地、水域、建筑用地、未利用地6个土地利用类型。本研究所使用的东北三省地区人口与经济统计数据均来自于1990—2015年《黑龙江统计年鉴》、《吉林统计年鉴》和《辽宁统计年鉴》。由于吉林省白山市市辖区八道江区、大连市市辖区金州区等部分市辖区面积太小，因此本研究中统计市（县）数据为各省辖市、省辖县、市辖县级市和市辖县，各市辖区都统一归入各市范围。

表1 土地利用／覆被稳定映射变化轨迹分类STD判定原则

1.2 土地利用／覆被变化定量分析统计模型

在土地利用／覆被变化转移矩阵的基础上，通常采用定量分析模型来直观反映研究时段内区域的单一土地利用类型和综合土地利用类型的变化量、变化幅度、变化速度、变化方向、变化趋势和变化状态。

1.2.1 区域综合土地利用空间动态度模型 区域综合土地利用空间动态度模型可以反映整个研究区内所有土地利用类型空间变化的变化程度（R）：

式中：ΔUin－i为5年时间内i类型土地减少量；Ui为研究初期i类型土地总量；n为土地利用类型总量，本研究中n＝6，T为研究时间长度，T＝5，公式（2）、（3）同。R值越高，综合土地利用动态度越高，土地利用空间综合变化程度越高；反之，土地利用空间综合变化程度越低［17］。

1.2.2 土地利用／覆被变化趋势与状态模型 土地利用／覆被变化趋势与状态模型用来表征研究区内整体的土地利用／覆被变化的趋势和状态P：

式中：Uout－i为研究末期i类型土地量。0≤P≤1，若P值接近于1，说明研究区域内所有土地利用／覆被类型的转换方向主要为不均衡的单向转换；若P值接近于0，则说明研究区域内所有土地利用／覆被类型双向转换频繁、各土地利用／覆被类型转换趋于平衡［18］。

1.3 土地利用／覆被稳定映射变化轨迹分析

Swetnam基于研究时段内各土地空间单元所经历过程的变化次数（turnover，T）、相似性（similarity，S）和多样性（diversity，D）提出了土地利用／覆被稳定映射变化轨迹的STD判定方法［19］。T即研究时段内土地空间单元经历的土地利用／覆被类型的变化次数；D是研究时段内土地空间单元经历的不同土地利用／覆被类型的数量；S为研究时段内土地空间单元经历的相同土地利用／覆被类型的数量。结合东北三省地区1990—2015年土地利用／覆被变化的实际情况，本研究将土地利用／覆被稳定映射变化轨迹划分为10类，示例111111表示在所研究的6个时间段内，该栅格单元始终为1这种土地利用／覆被类型，示例123455表示该栅格单元在所研究6个时间段内土地利用／覆被类型依次为 1、2、3、4、5、5（表1）。T1至T10的土地利用／覆被空间单元稳定性逐渐降低，波动性逐渐提高，并依次将变化轨迹赋值 1～10［19－21］。

1.4 基于土地利用／覆被稳定映射变化轨迹的探索性空间数据分析

探索性空间数据分析（exploratory spatial data analysis，ESDA）是一种重要的空间计量统计分析方法，为测度空间尺度上的东北三省县域尺度上土地利用／覆被稳定映射变化轨迹与空间位置的关联性，采用ESDA方法分析土地利用／覆被稳定映射变化轨迹的空间相互作用机制。ESDA空间统计分析方法包括全局空间自相关和局部空间自相关，衡量空间自相关性的指数一般为 Morans I、Gearys C和 Getis－Ord指数［22－23］。

在本研究中，全局空间自相关分析采用最常见的Global Morans I指数（以下简称 GMI）：

式中：Xi、Xj为相邻2个区域变量的值；Wij为空间权重矩阵；X为区域内变量值的平均数；S2为变量值的方差，公式（4）同。

局部空间自相关分析采用与Global Morans I指数具有内在联系的 Local Morans I指数（以下简称 LMI）［24－25］：

Global Morans I和 Local Morans I指数都必须经过 Z值检验：

式中：I分别为 GMI和 LMI；∑jWij（Xj－X）为对空间单元j的所有邻域进行求和；E（I）为 I的理论期望值；VAR（I）为 I的理论方差值。若Z（GMI）为正且显著，说明研究区内县域尺度上的土地利用映射变化轨迹值存在明显的空间自相关性，土地利用变化轨迹趋于聚集；反之，若Z（GMI）为负且显著，则说明研究区内县域尺度上的土地利用映射变化轨迹值无明显的空间自相关性，土地利用变化轨迹趋于离散。若Z（LMI）为正且显著，表明i地区为土地利用变化轨迹值高值聚集区；若Z（LMI）为负且显著，则表明i地区为土地利用变化轨迹值低值聚集区［26－28］。

1.5 人口经济耦合指数模型及趋势分析

为解释土地利用／覆被变化轨迹的全局自相关和局部自相关性，本研究借助人口与经济地理集中度的耦合指数，尝试通过人口和经济地理集中度耦合指数的高低来解释空间自相关分析中的空间集聚性，使用不同时间段的耦合指数趋势三维透视图表现人口和经济地理集中度耦合指数在时空上的差异。人口和经济耦合指数（以下简称CI）也称不一定指数，反映人口与经济间的耦合关系：

式中：CI为t时刻i地区人口和经济耦合指数；GDPti为t时刻i地区国民生产总值；POPti为t时刻i地区人口数；n为区域的总数，n＝180。若CI＞1，表明经济集聚超前于人口集聚；若CI＝1，表明人口集聚与经济集聚恰好协调；若CI＜1，则表明经济集聚滞后于人口集聚［29］。

2 结果与分析

2.1 1990—2015年东北三省土地利用／覆被变化定量分析

利用公式（1）和公式（2）分别得到1990—2015年东北三省的综合土地利用空间动态度和土地利用／覆被变化趋势与状态指数。图2显示，1990—2015年东北三省地区土地利用空间动态度逐渐降低，其中2000—2015年东北三省的综合土地利用空间动态度降到几乎为0，而相反地，土地利用／覆被趋势与状态指数逐渐提高，综合土地利用空间动态度和土地利用／覆被变化趋势与状态指数基本呈负相关。这表明在1990—2000年东北三省的土地利用／覆被变化频繁，各土地利用／覆被类型相互转换快，平衡发展；而2000—2015年土地利用／覆被变化相对缓慢，各土地利用／覆被类型变化处于极端不平衡状态。

2.2 1990—2015年东北三省土地利用／覆被稳定映射变化轨迹分析

根据表1的STD土地利用／覆被稳定映射变化轨迹分类方法，使用ArcGIS 10.0软件绘制出东北三省1990—2015年1 km栅格尺度的土地利用／覆被稳定映射变化轨迹，如图3所示。

统计图3中栅格像元可以发现，东北三省1990—2015年土地利用／覆被稳定映射变化轨迹T1即在整个研究时段内土地利用／覆被轨迹未发生变化地区所占比例最大，达到58.139%，其中有36%为耕地，57%为林地，其余草地、水域、建筑用地和未利用地分别占2%、1%、1%、3%。其后变化次数为1次的2种土地利用／覆被变化轨迹类型T2和T3分别为研究区域的10.624%、12.143%，而T9和T10 2种变化次数为4次的土地利用／覆被变化轨迹区域所占比例最小，分别为 0.010%、0.019%。

从东北三省1990—2015年土地利用／覆被稳定映射变化轨迹来看，在研究时段内，东北三省有80.906%的地区土地利用／覆被类型转变次数小于2次，而仅有0.626%的地区土地利用／覆被类型转变次数在3次及以上。前半段（1990—2000年）东北三省地区有41.186%的地区土地利用／覆被类型发生了变化，后半段（2000—2015年）仅有1.254%的地区土地利用／覆被类型发生了变化。这与土地利用／覆被变化定量分析的结果相符合，与前10年相比，后15年内东北三省土地利用／覆被变化几乎停滞，土地利用／覆被变化速度大幅降低。

2.3 1990—2015年东北三省土地利用／覆被变化轨迹探索性空间数据分析

2.3.1 全局空间自相关分析 本研究中取县域范围内所有栅格像元的土地利用／覆被变化轨迹值的平均值作为该县域的土地利用／覆被映射变化轨迹值。使用GeoDa软件对1990—2015年东北三省土地利用／覆被映射变化轨迹进行县域尺度上的全局空间自相关分析得到Moran散点图（图4）。GMI＝0.428 58，使用 999次随机分布检验方式，Z（GMI）＝12.720 7且 P值 ＝0.001，通过了 0.05显著性检验。说明1990—2015年东北三省县域尺度上的土地利用／覆被变化轨迹存在显著的空间正相关，在研究时段内，东北三省土地利用／覆被变化相对频繁和变化相对较少的地区在空间上都呈集聚分布。

2.3.2 局部空间自相关分析 由图4可知，东北三省大部分县域范围都处于第一象限和第三象限，空间正相关性非常强烈。因此，使用GeoDa软件对1990—2015年东北三省土地利用／覆被映射变化轨迹进行局部空间自相关分析得到LISA聚集图，并与显著性水平图叠加得到图5。

研究发现，黑龙江省大庆市、齐齐哈尔市及其周边市（县），辽宁省葫芦岛市、锦州市、盘锦市沿线城市带，辽宁省沈阳市、抚顺市、本溪市及其周边市（县）和辽宁省大连市及其下辖县级市普兰店市、瓦房店市均为高－高聚集区，主要集中于黑龙江省的西南部及辽宁省东部、南部和西南部。黑龙江省鹤岗市及其周边市（县），黑龙江省牡丹江市及其周边市（县），吉林省吉林市下辖永吉县、蛟河市、桦甸市和吉林省白山市、通化市、延边朝鲜族自治州及其周边市（县）为低－低聚集区，主要集中于黑龙江省东北部和吉林省东南部。黑龙江省绥芬河市、吉林省吉林市和辽宁省葫芦岛市绥中县、锦州市下辖县级市北宁市分别为高－低聚集区和低－高聚集区。说明大庆市、齐齐哈尔市、葫芦岛市、锦州市、盘锦市、沈阳市、抚顺市、本溪市和大连市在1990—2015年土地利用／覆被变化相对频繁，且这些区域对周围市（县）都有较强的辐射和扩散作用，带动了整个区域的发展；而鹤岗市及其周边嘉荫县、萝北县、桦川县、绥滨县，牡丹江市及其周边市（县），通化市，白山市和延边朝鲜族自治州等低－低聚集区土地利用／覆被变化发展普遍较为缓慢，土地利用／覆被变化活力相对较低；吉林省吉林市、黑龙江省绥芬河市土地利用／覆被映射变化轨迹值远高于其周边市（县），土地利用／覆被变化较为频繁；相反地，辽宁省绥中县、北宁市与其周边市（县）相比，土地利用／覆被映射变化轨迹值相对较低，土地利用／覆被变化水平相对较低。整个东北三省地区土地利用／覆被映射变化轨迹的高－高与低－低值聚集区域差异明显，区域间土地利用／覆被变化水平极不平衡。

2.4 1990—2015年东北三省驱动力分析

为解释1990—2015年东北三省地区土地利用／覆被变化水平在研究前期（1990—2000年）和后期（2000—2015年）的差异变化和区域间土地利用／覆被变化水平的不平衡，本研究从东北三省土地的经济属性和市（县）尺度的人口经济耦合指数2个角度进行土地利用／覆被变化驱动力分析。

2.4.1 1990—2015年东北三省土地经济属性变化分析 土地本身的经济属性变化和差异是土地利用／覆被变化的根本原因，对比东北三省和中国华东地区的江苏省、华南地区的广东省、华北地区的河北省、西北地区的陕西省和西南地区重庆市的地均粮食产量和地均固定资产投资额这2个重要的土地经济属性的差异和时间变化得到图6。

由图6可以很明显看出，1990—2015年东北三省地区（特别是黑龙江省和吉林省）的地均粮食产量一直在稳步提高，虽然由于自然条件、耕作制度、粮食种类的限制，东北三省地均粮食产量远低于江苏省，但是增长速度较快，增长幅度较大，并且远高于耕作水平较低的陕西省和地均粮食产量基本处于不断降低状态的广东省，其中辽宁省、吉林省与河北省和重庆市基本相当。而在地均固定资产投资额方面，可以很明显发现，与土地利用／覆被变化定量分析的结果一致，2000年为一个重要的转折点，东北三省和其他省（市）在2000年以后的地均固定资产投资额都发生了较大幅度的增长，其中江苏省、广东省、重庆市增长速度较快。同时，从图6中还可以看出，东北三省的黑龙江省和吉林省基本一直处于极低水平，特别是黑龙江省，在所研究的8个省（市）中，地均固定资产投资额水平一直为最低，且增长速度缓慢，相对于黑龙江省和吉林省，辽宁省地均固定资产投资额水平虽然相对较高，但2010—2015年增长速度有所降低，并被广东省和重庆市超越。辽宁省和黑龙江省、吉林省的地均固定资产投资额的差异与土地利用／覆被变化轨迹的空间自相关分析中得到的结果相似，东北三省土地利用／覆被变化轨迹高－高值聚集的市（县）大部分位于地均固定资产投资额相对较高的辽宁省，而低－低值聚集的市（县）都位于地均固定资产投资额相对较低的黑龙江省和吉林省。

2.4.2 1990—2015年东北三省人口经济耦合指数的时空差异性分析 使用公式（6）计算1990—2015年5年间隔的东北三省各市（县）的人口经济耦合指数，借助ArcGIS 10.0 Trend Analysis工具对各时期县域尺度的人口经济耦合指数进行趋势分析，2条横轴分别为东西和南北方向，竖轴为人口经济耦合指数（图7）。图7中每条竖线在底面的位置代表每个市（县）的位置，竖线的长短代表其对应的市（县）人口经济耦合指数的高低。为方便在不同时间段之间作横向比较，对人口经济耦合指数进行标准化处理，并作辅助面为CI＝1，即当竖线的上端点恰好落在辅助面上时，其对应的市（县）人口与经济聚集恰好协调，高于辅助面为经济集聚超前于人口集聚，低于辅助面则为经济集聚滞后于人口集聚。东西方向和南北方向映射曲线分别为东北三省各市（县）人口经济耦合指数映射于东西向和南北向的正交平面上的一条最佳拟合曲线。

由图7可以很明显看出，在1990—2015年东西方向上人口经济耦合指数由东部略高于西部逐渐变为西部明显高于东部；而南北方向上人口经济耦合指数从南北两边高、中间低的“U型”逐渐变为南方远高于北方。在局部空间自相关分析中处于高－高聚集区域的大庆市、盘锦市、沈阳市、大连市等市（县）的人口经济耦合指数在各时间段都远高于1。2015年以前，大庆市人口经济耦合指数在东北三省地区一直排在第1位，并在2000年达到顶峰；2000年之后大庆市人口经济耦合指数虽然仍处于较高水平，但是下降速度极快，至2015年，大庆市被绥芬河市超越，人口经济耦合指数持续降低；2000年以后，随着大庆市、盘锦市等老牌资源型城市人口经济耦合指数的降低，大连市、绥芬河市等沿海、延边开放型城市人口经济耦合指数持续升高。而在局部空间自相关分析中处于低－低值聚集的黑龙江省鹤岗市，吉林省白山市、通化市、延边朝鲜族自治州在整个研究时间段内人口经济耦合指数一直处于一个较低水平，基本一直处于经济集聚落后于人口集聚的状态。

3 结论与讨论

本研究以东北三省1990—2015年土地利用／覆被变化为研究对象，使用1 km栅格像元尺度1990年、1995年、2000年、2005年、2010年、2015年6期土地利用／覆被数据，借助区域综合土地利用空间动态度模型、土地利用趋势与状态模型、土地利用／覆被稳定映射变化轨迹、探索性空间数据和人口经济耦合指数及趋势分析方法，从时空多角度分析1990—2015年东北三省土地利用／覆被变化，并从土地经济属性和人口经济集聚耦合的角度分析土地利用／覆被变化驱动力，主要结论如下：（1）1990—2015年东北三省综合土地利用空间动态度逐渐降低，综合土地利用趋势与状态指数逐渐升高，两者基本呈负相关。2000年为一个转折点，2000年后与2000年前相比，东北三省地区综合土地利用空间动态度降到极低，土地利用趋势与状态指数明显大幅升高，土地利用／覆被变化处于极端不平衡状态。（2）1990—2015年东北三省土地利用／覆被稳定映射轨迹存在明显的空间正相关，东北三省土地经济属性和经济、人口发展水平时空差异显著，这种显著的时空差异性对土地利用／覆被变化影响深刻。黑龙江省大庆市、齐齐哈尔市及其周边市（县），辽宁省葫芦岛市、锦州市、盘锦市、沈阳市、本溪市、抚顺市、大连市及其周边市（县）呈现明显的高－高聚集，其土地利用／覆被变化相对频繁，且大庆市、盘锦市、沈阳市、大连市这些城市对其周围市（县）土地利用／覆被变化具有明显的带动效应，这些城市人口经济耦合指数也都处于较高水平，且从土地的经济属性来看，大部分处于高－高聚集的市（县）都位于地均固定资产投资额较高的辽宁省，辽宁省在2000年以后的固定资产投资额增长水平也远高于黑龙江省和吉林省；而人口经济耦合指数水平相对较低的黑龙江省鹤岗市、牡丹江市及其周边市（县），吉林省白山市、通化市、延边朝鲜族自治州及其周边市（县）的土地利用／覆被轨迹值都呈明显的低－低聚集。说明土地的经济属性中地均固定资产投资额和区域人口经济耦合对土地利用／覆被变化具有重要的驱动作用，土地经济属性中地均固定资产投资额越高、区域人口经济耦合程度越高，土地利用／覆被变化越频繁。（3）1990年以来东北三省整体经济、人口发展速度明显变缓，经济发展有滞后于人口发展的趋势。哈尔滨市、齐齐哈尔市、吉林市、长春市、沈阳市等一些大型城市和大庆市、盘锦市等一些资源型城市虽然还处于经济集聚超前于人口集聚的状态，但是随时间变化，其耦合指数也逐渐降低，趋近于1。而绥芬河市作为延边开放城市、大连市作为沿海开放城市，经济发展水平飞速上升。截至2015年，绥芬河市和大连市人均GDP分别列东北三省省辖市第1和第2。东北三省地区作为新中国重要的老工业基地和重要的粮食生产基地，区域经济体制以重工业和第一产业为主。随着改革开放的深入发展和东北地区能源型产业的衰退，东北三省地区经济发展水平整体落后于同一时期的东南沿海地区。同时，1990—2015年，东北三省大部分地区人口自然增长率逐年降低，近几年基本处于人口负增长状态，人口老龄化、高学历人口的流失，与经济发展速度的相对落后，共同造成了东北三省1990—2015年土地利用／覆被变化水平逐渐降低、变化速度逐渐变慢和区域发展极端不平衡的状态。

参考文献：

［1］李秀彬.全球环境变化研究的核心领域——土地利用／土地覆被变化的国际研究动向［J］.地理学报，1996，51（6）：553－558.

［2］Turner IIB L，Ross R H，Skole D L.Relating land use and global land cover change［R］.Stockholm：Royal Swedish Academy of Sciences，1993.

［3］Turner IIB L，Skole D，Sanderson S，et al.Land－use and landcover change science／research plan［R］.Stockholm：IGBP，1995.

［4］Lambin E F，Baulies X，Bockstael N.Land－use and land－cover change：implementation strategy［R］.Stockholm：IGBP，1999.

［5］Parcerisas L，Marull J，Pino J，et al.Land use changes，landscape ecology and their socioeconomic driving forces in the Spanish Mediterranean coast（El Maresme County，1850—2005）［J］.Environmental Science＆Policy，2012，23（5）：120－132.

［6］Weinzettel J，Hertwich E G，Peters G P，et al.Affluence drives the global displacement of land use［J］.Global Environmental Change，2013，23（2）：433－438.

［7］Newman M E，Mclaren K P，Wilson B S.Long－term socioeconomic and spatial pattern drivers of land cover change in a Caribbean tropical moist forest，the Cockpit Country，Jamaica［J］.Agriculture Ecosystems＆Environment，2014，186（6）：185－200.

［8］李晨曦，吴克宁，刘霈珈，等.土地利用变化及社会经济驱动因素——以京津冀地区为例［J］.江苏农业科学，2017，45（12）：279－283.

［9］李 平，李秀彬，刘学军.我国现阶段土地利用变化驱动力的宏观分析［J］.地理研究，2001，20（2）：129－138.

［10］黄宝荣，张慧智，宋敦江，等.2000—2010年中国大陆地区建设用地扩张的驱动力分析［J］.生态学报，2017，37（12）：4149－4158.

［11］吴美琼，陈秀贵.基于主成分分析法的钦州市耕地面积变化及其驱动力分析［J］.地理科学，2014，34（1）：54－59.

［12］Lambin E F，Turner B L，Geist H J，et al.The causes of land－use and land－cover change：moving beyond the myths［J］.Global Environmental Change，2001，11（4）：261－269.

［13］McconnellW.Meeting in themiddle：the challenge ofmeso－level integration［J］.Land Use Policy，2002，19（1）：99－101.

［14］杜国明，孙晓兵，王介勇.东北地区土地利用多功能性演化的时空格局［J］.地理科学进展，2016，35（2）：232－244.

［15］刘纪远，张增祥，徐新良，等.21世纪初中国土地利用变化的空间格局与驱动力分析［J］.地理学报，2009，64（12）：1411－1420.

［16］刘纪远，匡文慧，张增祥，等.20世纪80年代以来中国土地利用变化的基本特征与空间格局［J］.地理学报（英文版），2014，24（2）：195－210.

［17］罗格平，周成虎，陈 曦.干旱区绿洲土地利用与覆被变化过程［J］.地理学报，2003，58（1）：63－72.

［18］冯异星，罗格平，周德成，等.近50年土地利用变化对干旱区典型流域景观格局的影响──以新疆玛纳斯河流域为例［J］.生态学报，2010，30（16）：4295－4305.

［19］Swetnam R D.Rural land use in England and Wales between 1930 and 1998：mapping trajectories of change with a high resolution spatio－temporal dataset［J］.Landscape＆Urban Planning，2007，81（1）：91－103.

［20］李 晖，冯 莉，聂 芹，等.基于稳定映射变化轨迹分析的厦门土地利用时空演化［J］.生态学杂志，2016，35（8）：2132－2143.

［21］常 青，李双成，王仰麟，等.基于稳定映射分析的深圳绿色景观时空演化及启示［J］.地理学报，2012，67（12）：1611－1622.

［22］穆学英，刘 凯，任建兰.中国绿色生产效率区域差异及空间格局演变［J］.地理科学进展，2017，36（8）：1006－1014.

［23］冉泽泽.基于ESDA的经济空间差异实证研究——以丝绸之路经济带中国西北段核心节点城市为例［J］.经济地理，2017，37（5）：28－34，73.

［24］崔娜娜，冯长春，宋 煜.北京市居住用地出让价格的空间格局及影响因素［J］.地理学报，2017，72（6）：1049－1062.

［25］张千湖，高 兵，黄 葳，等.我国人为源气态活性氮排放时空变动特征分析［J］.环境科学学报，2017，37（8）：3065－3076.

［26］曾雨晴，潘洪义，周介铭，等.基于空间自相关的人均耕地面积时空格局变化研究——以四川省为例［J］.江苏农业科学，2015，43（9）：388－391.

［27］李 丁，冶小梅，汪胜兰，等.基于ESDA－GIS的县域经济空间差异演化及驱动力分析——以兰州 －西宁城镇密集区为例［J］.经济地理，2013，33（5）：31－36，23.

［28］叶 浩，张 鹏，濮励杰.中国建成用地与区域社会经济发展关系的空间计量研究［J］.地理科学，2012，32（2）：149－155.

［29］官东杰，谭 静，张梦婕，等.重庆市人口与经济发展空间耦合分布研究［J］.人文地理，2017，32（2）：122－128.