文章信息
基金项目
- 世界自然基金会项目(10000759);广西重大研究项目(KTZB-2019-09)
作者简介
- 周海菊(1995—),女,在读硕士生,研究方向为森林资源监测与信息化管理,E-mail:15250987302@163.com.
通讯作者
- 喻素芳(1978—),女,博士,副教授,研究方向为“3S”技术在资源与环境中的应用,E-mail:yusufang@gxu.edu.cn.
文章历史
- 收稿日期:2021-10-08
【研究意义】林地是森林的基本载体,在维持生物多样性、保持水土、涵养水源和防风固沙中发挥重要作用[1]。林地变化始终贯穿于人类生存发展的历史进程中,是多种过程相互制约影响的综合反映。随着人地矛盾的日益突出[2],林地变化日趋剧烈且呈现显著的时空分异特征。林地作为重要的自然资源和战略资源[3],其变化显著改变地表水热分配与能量平衡格局,对区域气候与生态系统产生重大影响。虽然人类已经意识到林地资源的重要性,退耕还林还草等政策相继出台,但《2020年全球森林资源评估》显示全球森林面积仍持续减少,1990年以来损失森林面积达到1.78×108 hm2。因此,深化林地时空演变规律认知,掌握其空间演变的主要影响因素,对应对社会发展过程中出现的环境问题、实现可持续发展具有重要意义。【前人研究进展】科学掌握林地资源变化情况是实现林地保护和高质量发展的重要前提,近年来国内外许多学者对林地资源变化进行了研究,大多聚焦在森林资源的监测方法[4-5]、林地资源的分布特征[6]、时空动态变化特征[7]、林地变化模型模拟[8]以及驱动力分析[9-10]等方面,也有部分学者研究林地变化所产生的生态环境效应[11]。此外,林地资源时空过程定量分析方法不断完善,如采用动态度模型、转移矩阵等方法刻画林地资源的时空变化特征[12],或从图形表达分析角度入手,以景观生态学为基础,采用景观格局探讨林地资源变化的景观过程特征[10]。这些研究大多依据遥感影像在宏观、中观层面揭示林地空间分布特征及变化规律,而林地空间分布的关联性问题较少涉及。林地分布不是独立存在的,脱离空间角度分析林地问题是不全面的,在林地变化研究中需考虑空间自相关性。空间自相关性是空间域中属性聚集程度的度量,揭示地理变量空间内在联系性问题[13],通常用Moran’s I和Geary’s C来描述。通过计算全局和局部莫兰指数可以分析各地理单元之间不同的地理关联结构[14],深入把握林地空间格局。因此,通过空间自相关性来探索林地空间域上的关联性具有重要的现实意义。【本研究切入点】广西壮族自治区处于国家实施西部大开发战略的重要地段,林地资源丰富,具有重要的生态价值和经济发展地位。南宁是广西壮族自治区首府、北部湾城市群核心城市,是全区政治、经济和文化中心,素有“中国绿城”的美誉。但在人类活动和全球环境气候变化的影响下,南宁市天然林和人工林仍受到不同程度干扰,相应也产生了一系列生态问题,掌握其林地时空变化非常有必要。【拟解决的关键问题】本文以南宁市为研究对象,引入动态度、转移矩阵和空间自相关模型等研究方法,量化林地空间分布变化特征,对比分析不同时期林地的空间自相关性,阐释林地的地理聚集特征,深入把握天然林和人工林变化的规律,为该区域林地保护政策制定和森林可持续发展提供基础依据。
1 材料与方法 1.1 研究区概况南宁市位于广西壮族自治区腹部,是广西壮族自治区首府、北部湾城市群核心城市,地理位置107°19’~109°37’E、22°13’~24°2’N,辖有青秀、兴宁、江南、良庆、邕宁、西乡塘、武鸣、横县、隆安、马山、上林、宾阳等12县区。南宁市总面积2.21×106 hm2,地形是以邕江延伸的广大河谷为中心的盆地形态,南、北、西3个方向均有山地围绕。南宁属湿润的亚热带季风气候,日照充足,年均日照时间1 500~2 200 h,雨量充沛,年均降雨量1 304.2 mm,降水多集中在5-9月,雨热同季,气候温和,年平均气温21.6 ℃,年平均相对湿度为79%。地带性植被类型为南亚热带季风常绿阔叶林,地带性土壤类型为砖红壤[15]。
1.2 数据收集及处理基础数据为从林业部门收集的南宁市2008、2013、2018年3期森林资源调查或更新数据(下称“资源数据”)、从地理空间数据云网站下载的ASTER GDEM 30M分辨率数字高程数据。
基础数据处理:(1)资源数据、高程数据坐标均统一为CGCS 2000平面坐标系;(2)将资源数据按地类、起源进行归类,主要划分为人工林、天然林、其他林地(包括迹地、宜林地、辅助生产用地)、非林地4种类型;(3)将3期数据进行两两叠加分析,构建转移矩阵;(4)运用ArcGIS 10.2提取各类型地块,利用Geoda空间分析软件建立空间邻接权重矩阵,进行自相关分析。
1.3 研究方法1.3.1 林地类型动态度 本研究采用单一土地利用动态度(K)分析某一林地类型在不同研究期的数量变化[16],通过分析不同林地的数量差异可进一步探寻林地变化机制,计算公式为:
![]() |
式中,K为研究区土地利用动态度,Ua、Ub分别为研究初期a和研究末期b时刻某种土地类型的面积,T为研究时段长度、通常以年为单位。
综合土地利用动态度反映研究区域在一定时间范围内土地利用数量的总体变化情况[17],可表示为:
![]() |
式中,LC为研究区土地利用年变化率,LUi为研究期初第i类土地类型面积,Δ LUi-j为研究期第i类土地利用类型转为非i类土地利用类型面积的绝对值,T为研究时段。
1.3.2 转移矩阵 转移矩阵源于系统分析中对系统状态与状态变化的定量描述[18]。为全面分析区域林地变化的数量结构特征与用地类型变化方向,本研究通过转移矩阵进行量化,转移矩阵的一般形式如表 1所示[19]。表中A表示土地利用类型,P表示某地类的土地面积,P ij表示由第i种地类转化为第j种地类的面积。矩阵的行元素之和表示转移期初的地类面积,列元素之和表示转移期末的地类面积。矩阵对角线上的元素表示转移前后未发生变化的面积。本研究利用转移矩阵,分析2008—2018年南宁市林地和非林地之间、天然林和人工林之间的转化关系并借助桑基图进行展示。
1.3.3 空间自相关分析 空间自相关分析是检验具有空间位置的某要素的观测值是否与其相邻空间上的观测值显著相关联[20],即是否具有聚集特征存在,所统计内容是每个对象与其相邻统计分析对象之间的空间位置关系和属性特征取值,本研究采用GeoDa软件计算完成。全局Moran’s I指数计算公式如下:
![]() |
式中,n为地理单元总数,xi、xj分别为单元i和单元j的林地面积,x为平均面积,Wij为基于queen的一阶邻接关系的空间权重。标准化统计量Z常用于检验Moran’s I指数的显著性水平,计算公式如下:
![]() |
式中,E(I)、VAR(I)分别为Moran’s I的期望值和方差。Moran’s I的值介于-1~1,在给定的显著性水平下,I>0,表明存在空间正相关,绝对值越大表示空间分布的相关性越大,即空间集聚分布现象越明显;I < 0,表明存在空间负相关,绝对值越大表示空间异质性越明显;I趋于0,表明观测值缺少空间关系或其在空间上呈现随机分布。
全局Moran’s I指数只能判断整体聚集特征[21],为准确描述林地的空间结构,Anselin[22]改进了全局Moran’s I指数。本研究采用局部空间自相关指数(LISA,Local Indicators of Spatial Association)来分析不同单元与各自邻近单元属性的相关性,说明空间依赖如何随位置发生变化,以进一步分析其林地空间分布特征。对于第i个单元,其定义为:
![]() |
式中,n为与单元i相邻接的单元数量,xi、xj分别为单元i和单元j的林地面积,x为平均面积,Wij为空间权重。
2 结果与分析 2.1 南宁市林地现状特征分析对南宁市土地面积统计发现,2008、2013、2018年南宁市林地面积占比分别为51.23%、49.77%、49.98%,林地总体面积减少,平均每年减少0.28×104 hm2(表 2)。2008—2018年人工林面积在林地面积中占比最大,2008—2013年期间人工林面积减少2.44×104 hm2、降幅为3.75%,后期增加5.05×104 hm2、增幅为8.06%,10年间面积净增2.61×104 hm2;天然林面积变化情况则与人工林相反,2008—2013年期间略有增长、增幅为0.90%,而在2013—2018年期间大面积减少、减幅为7.35%,10年间天然林面积净减2.39×104 hm2;其他林地面积在两个时期均有所下降,共减少2.98×104 hm2。
从南宁市不同时期林地空间分布图(图 1)可以看出,南宁市林地空间分布不均,具有明显的聚集性,高程差异显著。天然林呈北多南少的格局,约90% 的天然林位于海拔高于150 m的地区,主要分布于隆安、武鸣、马山、上林等县区;人工林分布范围较广,约90% 的人工林位于海拔50~400 m之间的区域;其他林地分布相对分散,无大面积聚集;非林地主要分布在南宁市中部和南部地势较平坦且靠近水源的区域。对比3期分布图发现,大量零散的天然林易发生变化,其他地类也发生不同程度的变化。
![]() |
图 1 南宁市林地空间分布 Fig. 1 Spatial distribution of forestland in Nanning City |
2.2 南宁市林地变化过程分析
2.2.1 林地类型动态度 2008—2013年林地类型综合动态度为0.32%,2013—2018年为0.46%,表明2013—2018年林地类型变化更为频繁。从南宁市2008—2018年各类型动态度(图 2)可以看出,2013—2018年天然林、人工林和其他林地的动态度均高于2008—2013年,其中天然林在前期为正增长、后期为负增长,人工林正好相反,前期为负增长、后期为正增长,其他林地前后期均为负增长,且在4种类型中,其他林地动态度在两个时期内均最高。
![]() |
图 2 南宁市林地类型动态度 Fig. 2 Dynamics degree of forestland types in Nanning City |
2.2.2 林地转移特征分析 为追踪林地在空间位置上的转化情况,通过矩阵计算和统计分析得到各类型转移矩阵,将其可视化表达得到2008— 2018年南宁市林地类型变化流向图(图 3)和2008—2018年南宁市林地类型阶段变化流向图(图 4)。图 3显示,天然林未发生变化的面积约29.46×104 hm2,发生变化的天然林主要流向人工林,面积占南宁市土地总面积的2.23%,转为其他林地和非林地的面积合计占1.03%。人工林中有21.46% 发生变化,发生变化的人工林主要流向非林地,面积占南宁市土地总面积的3.00%,流向天然林、其他林地的面积分别为土地总面积的1.33%、1.98%。从图 4可以看出,10年间大部分其他林地转为人工林,其他林地向人工林转变的趋势明显。非林地中,有6.23% 的面积发生变化,主要转化为人工林。新增天然林的主要来源是人工林;新增的人工林主要来自于其他林地和天然林;新增其他林地中69.71% 来源于人工林;新增非林地则主要来源于人工林。
![]() |
图 3 2008—2018年南宁市林地类型变化流向 Fig. 3 Flow chart of changes of forestland types in Nanning City from 2008 to 2018 |
![]() |
图 4 2008—2018年南宁市林地类型阶段变化流向 Fig. 4 Flow chart of phased changes of forestland types in Nanning City from 2008 to 2018 |
比较前后两期流向图(图 4)可以发现,2013—2018年土地变化较2008—2013年更为明显。2008—2013年主要表现为人工林转化为非林地,其他类型土地转化面积均低于研究区总面积的0.50%。2013—2018年期间,4种类型土地均发生较大变化,从流向看,发生变化的天然林、其他林地和非林地均主要流向人工林,人工林向天然林、其他林地、非林地也均有转化。从新增来源看,新增天然林主要来源于人工林;新增人工林中31.62% 来源于天然林、41.23% 来源于其他林地,27.15% 来源于非林地;新增的其他林地和非林地主要来源于人工林。
2.2.3 林地类型变化空间格局分析 2008—2018年林地类型变化空间分布如图 5所示,各时期林地类型变化情况复杂。2008—2013年,天然林在各县区均有减少,变化类型中天然林转化为非林地的现象较普遍。人工林转变为非林地现象突出,主要分布在隆安县、横县、武鸣区。变化的其他林地大部分转化为人工林,主要分布于兴宁区北部。非林地变化多呈斑块状,非林地转化为天然林主要位于马山县,非林地转化为人工林多位于青秀区和邕宁区,非林地转为其他林地主要分布于邕宁区。2013—2018年,各林地类型均发生大量变化。天然林在各县区均有减少且多转为人工林,在青秀区转变为人工林的现象突出。人工林变化显著,大量人工林转变为非林地,多分布于良庆区、邕宁区等,武鸣区大明山附近人工林转化为天然林现象明显。其他林地变化较大,多转化为人工林,建成区周边地带转化为非林地现象突出。非林地变化较分散,且多转化为人工林。
![]() |
图 5 南宁市林地类型变化空间格局 Fig. 5 Spatial pattern of forestland type change in Nanning City |
2.3 南宁市林地分布空间关联性分析
2.3.1 天然林和人工林全局空间自相关分析 2008、2013、2018年天然林的全局Moran’s I指数分别为0.493、0.485和0.323,人工林分别为0.292、0.282和0.258(表 3),全局Moran’s I指数均大于0,且Z值均大于2.58,P值小于0.01,随机产生此聚类模式的可能性小于1%,Moran’s I显著有效,表明研究区域内天然林、人工林面积在空间上呈显著正相关,空间分布呈明显的聚集分布态势,因此拒绝其为随机分布的零假设。天然林和人工林的全局Moran’s I指数具有一定差异,各年份天然林的全局Moran’s I指数均大于人工林,天然林空间聚集性较人工林更明显。从全局Moran’s I指数变化趋势来看,天然林、人工林空间自相关性均呈逐渐下降趋势,且2013—2018年期间下降更明显,表明天然林、人工林的空间聚集性在逐渐减弱。
![]() |
2.3.2 天然林和人工林局部空间自相关分析 为进一步了解整个研究区域内天然林和人工林局部空间聚集特征,进行局部空间自相关分析,得出2008、2013、2018年南宁市天然林和人工林的Moran’s I散点分布图(图 6)。散点图的4个象限表达了小班与其周围小班的4种空间关系。第一象限(高- 高)表示某一区域和其周围区域的属性值均较高;第二象限(高- 低)表示某一区域属性值较高,周围区域属性值较低;第三象限(低- 低)表示某一区域属性值较低,周围区域属性值较高;第四象限(低- 高)表示某一区域属性值和其周围区域属性值均较低。“高- 高”和“低- 低”表示研究区域具有较高的正相关,区域的聚集性较高;“高- 低”和“低- 高”则表示研究区域存在空间负相关关系,表现为空间异质性。
![]() |
图 6 南宁市天然林和人工林局部Moran’ s I散点图 Fig. 6 Scatter-plots of local Moran' s I for the natural forest and plantation in Nanning City |
天然林小班在4个象限内均有分布(图 6A、B、C),但主要分布于第一象限“高- 高”区域和第三象限“低- 低”区域,即大面积的天然林小班聚集在一起,小面积的天然林小班也聚集在一起,从数据量上看“低- 低”聚集特征更明显,天然林局部空间自相关性显著。2008—2018年,第一、三象限的小班逐渐分散,第二、四象限的小班数量比例持续上升,表明南宁市天然林空间关联性逐渐下降,局部空间异质性增强。人工林的Local Moran’s I散点图(图 6D、E、F)显示,3个年份的人工林小班均主要分布于第二象限“低- 高”区域和第三象限“低- 低”区域,从数量上看“低- 低”聚集特征更明显,人工林具有显著的局部空间自相关性。2008—2018年,第四象限的小班数量逐渐上升,横纵坐标范围逐渐扩大,人工林局部空间异质性也在逐渐增强。从散点分布图(图 6)来看,天然林的空间聚集性较人工林更明显。
为更直观揭示各小班局部自相关差异程度,在P<0.05显著水平下得出各年份南宁市天然林、人工林LISA聚集图(图 7),进而分析局部空间单元分布模式及变化趋势。在P<0.05显著水平下,天然林“低- 低”区域在2008—2013年面积变化不大,这些小班主要集中分布于青秀区和隆安县西部,到2018年面积显著减少,分布在青秀区的天然林逐渐被侵蚀;天然林“高- 高”区域的小班主要分布在隆安县、上林县、马山县和武鸣区,2008—2013年期间面积略微增加,2013— 2018年面积增加显著,增加的小班主要分布于马山县和大明山风景区。“低- 高”区域和“高- 低”区域的小班呈零星分布,2008—2018年均一直呈增长态势。2008—2013年无邻域面积略微减少,2013—2018年无邻域面积显著减少。在P<0.05显著水平下人工林在全市各县区均有分布,以“高- 高”聚集区为主,“高- 高”区域面积分布从2008—2018年表现为先减少后增加,与人工林面积变化一致。“高- 低”“低- 高”和“低- 低”区域人工林分布较分散,10年间面积均有一定程度的增加。2008—2013年期间无邻域面积变化较小,2013—2018年无邻域面积则大量减少。
![]() |
图 7 南宁市天然林和人工林LISA分布(P < 0.05) Fig. 7 LISA distribution of natural forest and plantation in Nanning City(P < 0.05) |
3 讨论 3.1 林地分布及变化特征分析
影响林地分布及变化的因素涉及自然、社会、经济等众多领域,不同因素作用方式、范围和强度不同,使林地变化的复杂性和不可预见性增大[23]。南宁市90% 的天然林聚集分布在海拔高于150 m的区域,且光照充足、降雨充沛,良好的水热条件孕育出丰富的林地资源;人工林则普遍分布于较天然林地势稍低、距离建设用地稍近的区域。自然因子是林地空间分布的环境基础,在空间分布上起着制约作用,而社会因子则被认为是林地时空变化的决定性因素[24]。林地和非林地的外在形态变化是人类活动的集中体现。一方面,南宁是泛北部湾经济合作、大湄公河次区域合作、泛珠三角合作等多区域合作的交汇点,在2008—2018年期间建成区面积增加了121.71%。同时,人口增长刺激了粮食需求,增大了耕地压力,研究期间耕地面积增加29.71×104 hm2[25-26],增长率为76.26%。城镇化快速发展、耕地增加需求均进一步诱发了毁林开荒,造成林地资源流失。另一方面,政策导向对林地变化产生的作用也不容忽视。天然林和人工林受国家和自治区环境政策的推动,尤其是退耕还林还草工程等生态修复政策,鼓励植树造林,提高森林覆盖率。但是,人工林对天然林面积的减少造成了一定压力,林权配套设施改革、桉树当年成林的技术[27]等提高了人们从事林业活动的积极性。相比之下,生长周期长、经济收益小的天然林则更容易发生变化。研究期间,约4.93×104 hm2的天然林转化为以种植速生桉等用材林为主的人工林。因此,全区在实现打造全国最大的国家储备林核心基地目标的同时,也要注重天然林的保护,全面停止天然林商业性采伐。
林地和非林地、天然林和人工林之间因政策保护、经济发展等人类活动发生复杂的相互转变,在城镇化发展过程中,实现经济发展的同时也要注重林地资源的保护,合理规划土地资源。
3.2 林地分布空间关联性分析地物之间具有相关性[28],大量研究证明林地也具有空间聚集性[29-30]。本研究中,南宁市天然林和人工林全局Moran’s I指数均大于0.25,表现出显著的空间自相关性:在上林、隆安、马山等地势较高的山地地区,由于受人为干扰小、生态完整度好,天然林呈显著聚集状态;在地势相对平缓、交通可达性较好的区域,人工林明显聚集。同时,人类活动与自然环境综合作用的耦合系统[31]造成天然林和人工林区域差异性和聚集性明显,人工林Moran’s I指数较天然林更低。随着时间变化,城镇化、工业化等人类活动降低了天然林和人工林的空间聚集性。例如,采伐等人类活动对生态环境的扰动加剧,导致天然林和人工林破碎化,产生“高- 高”型向“高- 低”型、“低- 低”型等方向转化的趋势。因此,从林地小班面积的角度上,“高- 高”型区域尤其是天然林,要继续加强对林地的保护,强化其对周边的影响;“低- 高”型和“高- 低”型区域需要积极培育,避免向“低- 低”型或无邻域类型转变;“低- 低”型对应的林地面积相对较小,易受周边用地的扩散效应,应逐步推进保护措施;无邻域地区极易受周边用地影响,需要综合考虑后决定用地管理措施。
4 结论基于2008—2018年3期资源数据,从微观视角分析南宁市2008、2013、2018年林地空间分布和空间关联性特征,得出以下结论:(1)南宁市整体林地资源较为丰富,主要分布在地势较高的区域。(2)2008—2018年,南宁市林地空间分布和数量结构发生显著变化,林地空间变化繁杂。人工林面积增加,天然林面积减少,其他林地减少,林地总面积呈减少趋势,且2013—2018年天然林、人工林和其他林地的动态度较2008— 2013年更频繁。林地变化与人类活动密切相关,主要矛盾是建设用地、耕地等非林地对人工林面积的侵占以及人工林对天然林面积的侵占。(3)南宁市天然林和人工林空间分布具有显著的空间自相关性,天然林空间聚集性高于人工林。但经济发展和林地保护的冲突使天然林和人工林的空间聚集均呈下降趋势,且后一时期空间异质性更明显。林地变化关乎区域生态安全,林地资源的保护立足于林地空间分布及其变化的科学研究,未来将进一步量化分析引起林地变化的主要驱动因子并揭示其影响机制,为制定符合南宁市客观实际的林地管理和保护政策提供依据。
[1] |
NESHA M K, HEROLD M, DE S V, DUCHELLE A E, MARTIUS C, BRANTHOMME A, GARZUGLIA M, JONSSON O, PEKKARINEN A. An assessment of data sources, data quality and changes in national forest monitoring capacities in the Global Forest Resources Assessment 2005-2020[J]. Environmental Research Letters, 2021, 16(5): 054029. DOI:10.1088/1748-9326/ABD81B |
[2] |
李小云, 杨宇, 刘毅. 中国人地关系演进及其资源环境基础研究进展[J]. 地理学报, 2016, 71(12): 2067-2088. DOI:10.11821/dlxb201612001 LI X Y, YANG Y, LIU Y. Research progress in man-land relationship evolution and its resource-environment base in China[J]. Acta Geographica Sinica, 2016, 71(12): 2067-2088. DOI:10.11821/dlxb201612001 |
[3] |
王洪波. 中国林地现代管理模式关键问题研究与实践探索[D]. 北京: 北京林业大学, 2012. WANG H B. The study and practice of forestland modern management mode and the key issues in China[D]. Beijing: Beijing Forestry University, 2012. |
[4] |
GAIA V L, NICOLA P, MIRKO G, KRZYSZTOF S, ANETA M, MACIEJ L, RAFAL S, LUKASZ K, GHERARDO C, DARIO P. Species dominance and above ground biomass in the Białowieża Forest, Poland, described by airborne hyperspectral and lidar data[J]. International Journal of Applied Earth Observations and Geoinformation, 2020, 92: 102178. DOI:10.1016/j.jag.2020.102178 |
[5] |
师吉红, 项佳, 刘健, 邓洋波, 李明慧, 余坤勇. 南方红壤典型水土流失区马尾松林地上林木碳储量的遥感监测——以长汀县河田镇为例[J]. 生态学报, 2021, 41(6): 2151-2160. DOI:10.5846/stxb202001050035 SHI J H, XIANG J, LIU J, DENG Y B, LI M H, YU K Y. Remote sensing monitoring of aboveground carbon storage of Pinus massoniana forests in a typical red soil erosion area in Southern China: Hetian, Changting County of Fujian Province[J]. Acta Ecologica Sinica, 2021, 41(6): 2151-5160. DOI:10.5846/stxb202001050035 |
[6] |
OYEBANJI O O, SAL AKO G, NNEJI L M, OL ADIPO S O, BOLARINWA K A, CHUKWUMA E C, AYOOLA A O, OLAGUNJU T E, IGHODALO D J, NNEJI I C. Impact of climate change on the spatial distribution of endemic legume species of the Guineo-Congolian forest, Africa[J]. Ecological Indicators, 2021, 122: 107282. DOI:10.1016/J.ECOLIND.2020.107282 |
[7] |
邵亚奎, 朱长明, 徐新良, 张新, 沈谦. 2000-2015年安徽省林地遥感制图与时空变化分析[J]. 生态科学, 2019, 38(6): 15-21. DOI:10.14108/j.cnki.1008-8873.2019.06.003 SHAO Y K, ZHU C M, XU X L, ZHANG X, SHEN Q. Analysis of spatial and temporal changes and attribution discrimination of forestland in Anhui Province from 2000 to 2015[J]. Ecological Science, 2019, 38(6): 15-21. DOI:10.14108/j.cnki.1008-8873.2019.06.003 |
[8] |
杨丽, 傅春. 赣南生态屏障区林地时空变化分情景模拟[J]. 地理科学, 2018, 38(3): 457-463. DOI:10.13249/j.cnki.sgs.2018.03.016 YANG L, FU C. Spatio-temporal simulation of Gannan ecological barrier under different scenarios[J]. Scientia Geographica Sinica, 2018, 38(3): 457-463. DOI:10.13249/j.cnki.sgs.2018.03.016 |
[9] |
XIAN Y Y, LU Y Q, MUSYIMI Z, LIU G L. Tracking the role of policies and economic factors in driving the forest change trajectories within the Guangdong-Hongkong-Macao region of China: A Remote Sensing Perspective[J]. Land, 2021, 10(1): 87. DOI:10.3390/LAND10010087 |
[10] |
郭少壮, 白红英, 孟清, 赵婷, 黄晓月, 齐贵增. 秦岭地区林地与草地景观格局变化及其驱动因素[J]. 生态学报, 2020, 40(1): 130-140. DOI:10.5846/stxb201811072418 GUO S Z, BAI H Y, MENG Q, ZHAO T, HUANG X Y, QI G Z. Landscape pattern changes of woodland and grassland and its driving forces in Qinling Mountains[J]. Acta Ecologica Sinica, 2020, 40(1): 130-140. DOI:10.5846/stxb201811072418 |
[11] |
周晓艳, 何依依, 黄欣, 张苗苗. 三峡库区生境质量的地形梯度效应及对土地利用变化的响应[J]. 农业工程学报, 2021, 37(11): 259-267. DOI:10.11975/j.issn.1002-6819.2021.11.029 ZHOU X Y, HE Y Y, HUANG X, ZHANG M M. Topographic gradient effects of habitat quality and its response to land use change in Hubei Section of the Three Gorges Reservoir[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(11): 259-267. DOI:10.11975/j.issn.1002-6819.2021.11.029 |
[12] |
张译, 郑新奇. 2000-2015年河北省林地时空变化特征及驱动力[J]. 水土保持研究, 2018, 25(2): 269-273. DOI:10.13869/j.cnki.rswc.20171030.001 ZHANG Y, ZHENG X Q. Spatiotemporal patterns and drivers of forest change in Hebei Province from 2000 to 2015[J]. Research of Soil and Water Conservation, 2018, 25(2): 269-273. DOI:10.13869/j.cnki.rswc.20171030.001 |
[13] |
OVERMARS K P, KONING G H J, VELDKAMP A. Spatial autocorrelation in multi-scale land use models[J]. Ecological Modelling, 2003, 164(2): 257-270. DOI:10.1016/S0304-3800(03)00070-X |
[14] |
GA ST ON V D, VICT OR A S V, MIGUEL A H M. S p ati a l distribution of forest plantations in southern Chile, an area with a pulp mill[J]. Revista Chapingo: Serie Ciencias Forestalesydel Ambiente, 2017, 23(1): 121-135. DOI:10.1007/s11258-020-01057-6 |
[15] |
钟聪, 李小洁, 何园燕, 邱微文, 李杰, 张新英, 胡宝清. 广西土壤有机质空间变异特征及其影响因素研究[J]. 地理科学, 2020, 40(3): 478-485. DOI:10.13249/j.cnki.sgs.2020.03.016 ZHONG C, LI X J, HE Y Y, QIU W W, LI J, ZHANG X Y, HU B Q. Spatial variation of soil organic matter and its influencing factors in Guangxi, China[J]. Scientia Geographica Sinica, 2020, 40(3): 478-485. DOI:10.13249/j.cnki.sgs.2020.03.016 |
[16] |
吴大放, 姚漪颖, 刘艳艳, 刘毅华, 陈绮娴, 陈浩龙. 1996-2012年广州市土地利用变化及驱动力分析[J]. 广东农业科学, 2015, 42(6): 166-175. DOI:10.16768/j.issn.1004-874X.2015.06.030 WU D F, YAO Y Y, LIU Y Y, LIU Y H, CHEN Q X, CHEN H L. Land use change and driving force analysis of Guangzhou from 1996 to 2012[J]. Guangdong Agricultural Sciences, 2015, 42(6): 166-175. DOI:10.16768/j.issn.1004-874X.2015.06.030 |
[17] |
HU H B, WU L Y, ZHAN Y L, ZHANG S H, TSAI S B. Spatial and temporal pattern analysis of land use in Yangtze River Delta based on remote sensing and GIS in intelligent environment[J]. Advances in Civil Engineering, 2021, 2021: 5561977. DOI:10.1155/2021/5561977 |
[18] |
张鹏岩, 耿文亮, 杨丹, 李颜颜, 张宇, 秦明周. 黄河下游地区土地利用和生态系统服务价值的时空演变[J]. 农业工程学报, 2020, 36(11): 277-288. DOI:10.11975/j.issn.1002-6819.2020.11.033 ZHANG P Y, GENG W L, YANG D, LI Y Y, ZHANG Y, QIN M Z. Spatial-temporal evolution of land use and ecosystem service value in the Lower Reaches of the Yellow River Region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(11): 277-288. DOI:10.11975/j.issn.1002-6819.2020.11.033 |
[19] |
徐新良. 土地利用/ 覆被变化时空信息分析方法及应用[M]. 北京: 科学技术文献出版社, 2014: 126-128. XU X L. Spatial-temporal pattern analysis of land use/cover change: methods & applications[M]. Beijing: Science and Technical Documentation Press, 2014: 126-128. |
[20] |
ARTHUR G. Reflections on spatial autocorrelation[J]. Regional Science and Urban Economics, 2007, 37(4): 491-496. DOI:10.1016/j.regsciurbeco.2007.04.005 |
[21] |
王琳, 赵俊三, 黄义忠, 陈国平. 不同空间尺度下西南高原山地基本农田质量景观格局分析[J]. 广东农业科学, 2019, 46(2): 120-129, 173. DOI:10.16768/j.issn.1004-874X.2019.02.018 WANG L, ZHAO J S, HUANG Y Z, CHEN G P. Analysis on landscape pattern of basic farmland quality in South Western Plateau Mountain Region at different spatial scales[J]. Guangdong Agricultural Sciences, 2019, 46(2): 120-129, 173. DOI:10.16768/j.issn.1004-874X.2019.02.018 |
[22] |
ANSELIN L. Local indicators of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2): 93-115. DOI:10.1111/j.1538-4632.1995.tb00338.x |
[23] |
徐新良. 土地利用/ 覆被变化时空信息分析方法及应用[M]. 北京: 科学技术文献出版社, 2014: 212-235. XU X L. Spatial-temporal pattern analysis of land use/cover change: methods & applications[M]. Beijing: Science and Technical Documentation Press, 2014: 212-235. |
[24] |
PETER H V, PAUL P S, MARTIN J D, VELDKAMP A. Land use change modelling: current practice and research priorities[J]. GeoJournal, 2004, 61(4): 309-324. DOI:10.1007/s10708-004-4946-y |
[25] |
南宁市统计局. 南宁统计年鉴(2009)[M]. 北京: 中国统计出版社, 2009. Nanning Municial Bureau of Statistics. Nanning statistical yearbook (2009)[M]. Beijing: China Statistics Press, 2009. |
[26] |
南宁市统计局. 南宁统计年鉴(2019)[M]. 北京: 中国统计出版社, 2019. Nanning Municial Bureau of Statistics. Nanning statistical yearbook (2019)[M]. Beijing: China Statistics Press, 2019. |
[27] |
杨章旗. 广西桉树人工林引种发展历程与可持续发展研究[J]. 广西科学, 2019, 26(4): 355-361. DOI:10.13656/j.cnki.gxkx.20190808.012 YANG Z Q. Development history and sustainabled development of Eucalyptus plantations introduction in Guangxi[J]. Guangxi Science, 2019, 26(4): 355-361. DOI:10.13656/j.cnki.gxkx.20190808.012 |
[28] |
TOBY J L, SHILAD S, BRENT H. Leveraging advances in natural language processing to better understand Tobler's first law of geography [C]. SIGSPATIAL'15: Proceedings of the 22nd ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, Dallas, 2014: 513-516. DOI:10.1145/2666310.2666493.
|
[29] |
付金霞, 郑粉莉, 李媛媛. 小理河流域土地利用空间自相关格局与影响因素分析[J]. 农业机械学报, 2017, 48(1): 128-138. DOI:10.6041/j.issn.1000-1298.2017.01.017 FU J X, ZHENG F L, LI Y Y. Analysis of land use spatial autocorrelation patter ns and inf luence factors of Xiaolihe w at er she d[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 128-138. DOI:10.6041/j.issn.1000-1298.2017.01.017 |
[30] |
刘金雅, 汪东川, 孙然好, 汪翡翠, 胡炳旭, 陈俊合, 孙志超. 基于变化轨迹分析方法的生态用地流失空间关联研究[J]. 地理研究, 2020, 39(1): 103-114. DOI:10.11821/dlyj020181021 LIU J Y, WANG D C, SUN R H, WANG F C, HU B X, CHEN J H, SUN Z C. Study on spatial relevance of ecological-land loss based on change trajectory analysis method[J]. Geographical Research, 2020, 39(1): 103-114. DOI:10.11821/dlyj020181021 |
[31] |
刘焱序, 傅伯杰, 王帅, 李琰, 赵文武, 李长嘉. 旱区人地耦合系统水- 粮食- 生态关联研究述评[J]. 地理研究, 2021, 40(2): 541-555. DOI:10.11821/dlyj020191013 LIU Y X, FU B J, WANG S, LI Y, ZHAO W W, LI C J. Review and prospect of the water-food-ecosystem nexus in dryland's Coupled Human-Earth System[J]. Geographical Research, 2021, 40(2): 541-555. DOI:10.11821/dlyj020191013 |
(责任编辑 张辉玲)