小理河流域土地利用空間自相關(guān)格局與影響因素分析

付金霞 鄭粉莉,2 李媛媛

(1.西北農(nóng)林科技大學資源環(huán)境學院， 陜西楊凌 712100；2.中國科學院水利部水土保持研究所黃土高原土壤侵蝕與干旱農(nóng)業(yè)國家重點實驗室， 陜西楊凌 712100)

小理河流域土地利用空間自相關(guān)格局與影響因素分析

付金霞1鄭粉莉1,2李媛媛1

(1.西北農(nóng)林科技大學資源環(huán)境學院， 陜西楊凌 712100；2.中國科學院水利部水土保持研究所黃土高原土壤侵蝕與干旱農(nóng)業(yè)國家重點實驗室， 陜西楊凌 712100)

為揭示土地利用空間自相關(guān)格局與自然社會經(jīng)濟因素的耦合關(guān)系，以黃土丘陵溝壑區(qū)的小理河流域為研究區(qū)，基于全局Moran’sI、Moran 散點圖和Anselin local Moran’sI分析了500 m×500 m格網(wǎng)尺度上流域土地利用全局和局部空間自相關(guān)格局，利用GIS技術(shù)研究各類用地在p<0.05 顯著性水平下局部聚集區(qū)與高程、坡度、坡向、與水域距離、與道路距離、與居民點距離的關(guān)系。結(jié)果表明，各土地利用類型都表現(xiàn)出全局空間正自相關(guān)特性，但空間正自相關(guān)性隨著距離的增加而逐漸減弱，且在32 km以內(nèi)不同土地利用類型自相關(guān)程度的空間衰減強度不同。耕地、草地的空間分布呈顯著的HH(高值-高值)、LL(低值-低值)聚集趨勢，而園地、林地、建設(shè)用地和未利用地呈顯著的HH聚集趨勢。草地HH聚集區(qū)主要分布在流域中、上游的丘陵或山地區(qū)，林地HH聚集區(qū)主要分布在流域下游溝壑區(qū)和上游山地區(qū)，其他地類HH聚集區(qū)集中分布在流域下游寬闊黃土梁或開闊河谷區(qū)。隨高程和坡度增加，各地類HH、LL聚集區(qū)面積總體呈先增加后減小的趨勢。在1 000～1 300 m高程區(qū)、15°～25°的坡度區(qū)以及正陽向和正陰向區(qū)域，是各地類HH聚集分布最多樣、面積最集中的區(qū)域。建設(shè)用地和林地HH聚集區(qū)主要分布在1 000～1 100 m高程區(qū)，耕地、園地和未利用地HH聚集區(qū)主要分布在1 100～1 200 m高程區(qū)，草地HH聚集區(qū)主要分布在1 200～1 300 m高程區(qū)。各地類HH聚集區(qū)按平均坡度由小到大依次為：建設(shè)用地、耕地、園地、林地、未利用地、草地。建設(shè)用地、園地和耕地HH聚集區(qū)主要分布在正陽向和半陽向區(qū)域(正陽向面積最多)，林地和草地HH聚集區(qū)主要分布在正陰向和正陽向區(qū)域(正陰向面積最多)。距水域和道路越遠，除未利用地外，各地類HH聚集區(qū)面積呈不斷減小的趨勢；距居民點越遠，草地HH聚集區(qū)面積呈先增加后減小趨勢，而其他地類HH聚集區(qū)面積呈不斷減小的趨勢。各地類HH、LL聚集區(qū)集中分布在距水域、道路1.5 km范圍內(nèi)和距居民點3 km范圍內(nèi)。距水域、道路和居民點越近，建設(shè)用地、園地和耕地的HH聚集區(qū)面積迅速增加。相比HH聚集區(qū)，耕地LL聚集區(qū)主要分布在1 200 m以上高程區(qū)，平均坡度增大，正陽向面積略大于其他坡向面積，與水域和居民點的距離較遠且面積呈先增后減的趨勢；草地LL聚集區(qū)主要分布在1 000～1 200 m高程區(qū)、15°～35°坡度區(qū)，各坡向上分布面積相差不大，與水域、道路和居民點的距離較近且面積呈不斷減小趨勢。

土地利用； 空間自相關(guān)； 影響因素； 黃土丘陵溝壑區(qū)； 小理河流域； GIS

引言

空間自相關(guān)是指空間中具有一定客觀規(guī)律的空間變量在空間上的分布特征及對鄰域的影響程度，可用來反映研究對象在空間位置中的聚集程度[1]。在土地利用/土地覆被變化(LUCC)研究中，越來越多的學者開始關(guān)注區(qū)域土地利用格局的空間自相關(guān)特性。土地利用在區(qū)域空間連續(xù)分布，具有顯著性空間自相關(guān)的區(qū)域往往表現(xiàn)為地理對象的局部空間聚集。OVERMARS等[2]首次對土地利用進行空間自相關(guān)分析，并引入了空間自回歸模型。國內(nèi)學者先后對北京市、內(nèi)蒙古翁牛特旗和寧城縣、福建省、閩臺地區(qū)、廣州市、湖北省、長江流域、珠江三角洲、貴州山區(qū)、河北省等不同區(qū)域的不同土地利用類型的空間自相關(guān)特征進行了分析[3-14]。但在此類研究中，關(guān)于土地利用空間自相關(guān)格局的形成原因及其驅(qū)動因素定量化的研究較少。谷建立等[14]在研究湖北省谷城縣土地利用空間自相關(guān)格局的基礎(chǔ)上，統(tǒng)計分析了地形因子(高程、坡度、坡向、地形起伏度及地表粗糙度)對土地利用空間局部聚集特征的影響。然而，土地利用空間格局的形成和演變受人類活動和自然環(huán)境等多因素影響[15-17]。自然環(huán)境因素(如地形地貌、氣候、水文、土壤等)是土地利用方式及其空間格局形成的必要基礎(chǔ)，社會經(jīng)濟因素(如人口密度、居民地空間分布、GDP、道路網(wǎng)密度、工農(nóng)業(yè)生產(chǎn)技術(shù)等)則影響著土地利用空間的分異格局與演化的方向和速率。因此，土地利用空間自相關(guān)格局與其主導驅(qū)動因素的關(guān)系亟待研究。

本文針對相關(guān)研究缺乏的黃土丘陵溝壑區(qū)，利用GIS技術(shù)，基于數(shù)字高程模型(DEM)和土地利用數(shù)據(jù)，以小理河流域為研究對象，探討黃土丘陵溝壑區(qū)流域土地利用空間自相關(guān)格局特征，并根據(jù)流域面積及其自然社會經(jīng)濟環(huán)境特征，選取高程、坡度、坡向、與水域距離、與道路距離、與居民點距離等相對穩(wěn)定的自然社會經(jīng)濟因素作為主導驅(qū)動因素，分析這些因素對流域土地利用空間自相關(guān)格局形成的影響。以期了解流域內(nèi)各類土地利用的空間結(jié)構(gòu)特征，并揭示土地利用空間自相關(guān)格局與自然社會經(jīng)濟因素的耦合關(guān)系，從而為流域土地利用規(guī)劃、結(jié)構(gòu)調(diào)整、政策制定、水土流失治理和土地利用空間建模等提供重要參考和決策支持。

1 資料與方法

1.1 研究區(qū)概況

小理河是陜西省北部無定河水系大理河的一條主要支流，位于東經(jīng)109°16′～109°51′、北緯37°36′～37°49′之間。其發(fā)源于陜西省榆林市橫山縣艾好峁村，在榆林市子洲縣殿市鎮(zhèn)李家河村匯入大理河，屬山溪性河流，河長63.7 km，流域面積807 km2。流域氣候?qū)俅箨懶约撅L氣候，冬春干寒、雨量稀少，夏季炎熱、雨量較多[18]。流域地處黃土丘陵溝壑區(qū)，基巖為中生代砂頁巖，其上為更新世黃土層覆蓋，土層厚50～100 m，溝壑密度4.0～6.0 km/km2[18]。地勢西南高、東北低，由西南向東北傾斜，海拔高度在940～1 467 m之間。地形地貌特征為梁峁起伏、溝壑縱橫。流域土地利用類型以草地、耕地、林地為主，三者分布面積分別占流域總面積的53.95%、36.41%和6.55%。流域土壤類型主要為黃土和風沙土，其面積分別占總面積的96.07%和2.32%。

1.2 數(shù)據(jù)來源與預處理

采用的數(shù)據(jù)資料包括比例尺為1∶50 000的橫山縣和子洲縣地形圖、2009年1∶50 000兩縣土地利用現(xiàn)狀圖?；跀?shù)字化等高線數(shù)據(jù)生成兩縣區(qū)域的DEM(柵格分辨率為25 m×25 m)，并利用ArcGIS的水文分析工具，提取小理河流域邊界。兩縣DEM和土地利用現(xiàn)狀圖經(jīng)小理河流域邊界裁剪，得到研究流域的DEM和土地利用現(xiàn)狀圖。將研究流域土地利用類型進行歸并處理，最終得到耕地、園地、林地、草地、建設(shè)用地、水域和未利用地共7種土地利用類型，但由于水域在研究流域內(nèi)所占面積很小，斑塊數(shù)不足以進行自相關(guān)分析，所以本研究對水域不做研究。運用網(wǎng)格化處理方法，根據(jù)流域面積、土地斑塊數(shù)量和斑塊面積以及最優(yōu)樣方尺寸計算方法[19-20](樣方尺寸應(yīng)當是平均每個點所占面積的2倍)，將研究區(qū)劃分為500 m×500 m網(wǎng)格單元，共計3 510個單元；將各地類與網(wǎng)格單元進行疊置分析，計算每個網(wǎng)格單元內(nèi)各類用地的面積比例，并將其作為自相關(guān)分析的分析變量。根據(jù)流域面積及其自然社會經(jīng)濟環(huán)境特征，選取高程、坡度、坡向、與水域距離、與道路距離、與居民點(城鎮(zhèn)中心和農(nóng)村居民點)距離作為流域土地利用空間自相關(guān)格局形成的主導驅(qū)動因素。為獲得各驅(qū)動因子的空間量化圖，在ArcGIS中基于DEM提取流域的高程、坡度、坡向3個地形因子，通過測定距離功能獲得與水域、道路、居民點的距離空間分布圖，在此基礎(chǔ)上分析各驅(qū)動因子對土地利用空間自相關(guān)格局的影響。

1.3 研究方法

通過空間自回歸模型，運用全局Moran’sI、空間關(guān)聯(lián)局域指標(Local indicators of spatial association，LISA)以及Moran散點圖，從全局和局部2個層次對土地利用格局進行空間自相關(guān)性研究。

1.3.1 全局空間自相關(guān)分析

全局Moran’sI能夠方便探測空間要素或其屬性值在區(qū)域整體的空間自相關(guān)性，并用以識別研究區(qū)域整體的空間分布模式[21-22]。Moran’sI統(tǒng)計量[1,14]計算公式為

(1)

其中

(2)

常見的構(gòu)建空間權(quán)重方法有基于鄰接關(guān)系的權(quán)重和基于距離的權(quán)重。本研究在全局空間自相關(guān)分析中基于距離構(gòu)建空間權(quán)重數(shù)據(jù)，其距離值分別選擇為0.5、1、2、3、4、6、8、10、12、16、24、32 km。Moran’sI計算結(jié)果采用z檢驗[23]，當|z|>1.96，說明通過p<0.05顯著性檢驗。

1.3.2 局部空間自相關(guān)分析

為了彌補全局Moran’sI不能確切指出聚集或異常發(fā)生的具體空間位置的缺陷，運用Moran散點圖[24]和空間關(guān)聯(lián)局域指標(LISA)[25]分析土地利用局部空間自相關(guān)格局。

Moran散點圖是用散點圖描述變量與其空間滯后(即該觀測值周圍鄰居的加權(quán)平均)向量之間的相關(guān)關(guān)系。橫軸對應(yīng)描述變量，縱軸對應(yīng)空間滯后向量。該圖分為4個象限，分別識別研究單元及其鄰近單元的關(guān)系，即HH(高值-高值)聚集(第1象限)和LL(低值-低值)聚集(第3象限)，暗示了觀測值的相似性，表現(xiàn)為空間正相關(guān)；HL(高值-低值)異常(第2象限)和LH(低值-高值)異常(第4象限)，暗示了觀測值的異常性，表現(xiàn)為空間負相關(guān)。如果觀測值均勻地分布在4個象限，則表示地區(qū)之間不存在空間自相關(guān)性。因此，通過Moran散點圖可以直觀地看出流域內(nèi)存在幾種聚集或異常特征。

空間關(guān)聯(lián)局域指標(LISA)用來衡量空間單元變量值與周邊單元變量值的相近(正相關(guān))或差異(負相關(guān))程度，并可用于識別“熱點區(qū)域”以及數(shù)據(jù)的異質(zhì)檢驗[23]。該指標可以用局部Moran’sI統(tǒng)計量[14]進行度量，計算式為

(3)

式中x′i——樣本i標準化的單元觀測值x′j——樣本j標準化的單元觀測值

利用GeoDa[24]繪制Moran散點圖；基于ArcGIS空間統(tǒng)計工具中的Anselin local Moran’sI，繪制LISA分布圖，用以可視化描述各空間單元中變量的聚集和異常狀況。在Moran 散點圖和Anselin local Moran’sI分析中構(gòu)建基于K-nearest neighbors的距離空間權(quán)重矩陣。

1.3.3 GIS空間分析

在ArcGIS中基于DEM提取流域的高程、坡度、坡向3個地形因子，通過測定距離功能獲得與水域、道路、居民點的距離空間分布圖。將各因子空間化值進行分類或分級：①根據(jù)流域地形特點和高程分級間隔數(shù)據(jù)相等的基本原則，將高程劃分為940～1 000 m、1 000～1 100 m、1 100～1 200 m、1 200～1 300 m和大于1 300 m 5個區(qū)間。②在參照國際地理學會地貌調(diào)查和制圖委員會對坡度分級規(guī)定以及中國農(nóng)業(yè)區(qū)劃委員會對耕地坡度分級技術(shù)規(guī)定的基礎(chǔ)上，結(jié)合黃土丘陵溝壑區(qū)生產(chǎn)實踐對土地自然坡度的研究成果，將坡度劃分為0°～6°、6°～15°、15°～25°、25°～35°和大于35° 5級。③根據(jù)坡向界定原理，將坡向分類為正陽向(157.5°～247.5°)、半陽向(112.5°～157.5°、247.5°～292.5°)、半陰向(67.5°～112.5°、292.5°～337.5°)和正陰向(337.5°～360°、0°～67.5°) 4個方向。④通過比較計算各地類與水域、道路、居民點不同距離下的面積比重，并根據(jù)分級間隔數(shù)據(jù)相等的基本原則，將與水域或道路距離以0.5 km為間隔劃分為0～0.5 km、0.5～1.0 km、1.0～1.5 km、1.5～2.0 km和大于2.0 km 5級，與居民點距離以1 km為間隔劃分為0～1 km、1～2 km、2～3 km、3～4 km和大于4 km 5級。利用ArcGIS區(qū)域分析工具，通過分別疊加各驅(qū)動因子分級圖與土地利用空間局部聚集圖，分別計算各因子值每個分級帶內(nèi)的各地類聚集面積，從而定量分析各地類空間聚集區(qū)與各驅(qū)動因子之間的關(guān)系，找出特定土地利用類型在流域發(fā)生顯著性聚集的原因。

2 結(jié)果與分析

2.1 小理河流域土地利用空間自相關(guān)特征

2.1.1 土地利用全局空間自相關(guān)

以500 m×500 m網(wǎng)格單元中各類土地的用地比例作為觀測變量，分別基于0.5、1、2、3、4、6、8、10、12、16、24、32 km不同距離的空間權(quán)重，計算各土地利用類型的全局Moran’sI，并對其進行顯著性檢驗(表1)，在此基礎(chǔ)上分析各土地利用類型的全局自相關(guān)特征以及Moran’sI隨距離變化的規(guī)律(圖1)。

表1 各類土地在0.5 km處全局空間自相關(guān)顯著性檢驗
Tab.1 Significance test for global Moran’sIof each land use type in 0.5 km

參數(shù)耕地園地林地草地建設(shè)用地未利用地MoransI0.41210.34230.57670.56390.28340.4944z30.243925.336442.384141.378020.881536.6336p<0.001<0.001<0.001<0.001<0.001<0.001

注：z是檢驗統(tǒng)計量，p表示概率；z與p相關(guān)聯(lián)，z<-1.96或z>1.96時p<0.05，即置信度大于95%。

圖1 各類土地的全局Moran’s I隨距離變化的趨勢Fig.1 Changing trends of global Moran’s I of each land use type with distance

由表1和圖1可知，各類用地全局Moran’sI結(jié)果均為正值，即整個流域內(nèi)各土地利用類型的空間分布不是隨機的，整體上呈現(xiàn)出空間聚集性特征，表現(xiàn)出空間正自相關(guān)特性。但空間正自相關(guān)性隨著距離的增加而逐漸減弱，當權(quán)重距離增加到32 km時，其整體空間正自相關(guān)性已經(jīng)極弱。在32 km以內(nèi)，隨著距離的延伸，不同土地利用類型的自相關(guān)程度的空間衰減強度不同，其中園地和建設(shè)用地的空間聚集性衰減迅速，而林地和草地的空間聚集性隨距離衰減最慢。當權(quán)重距離為最小距離0.5 km時，各土地利用類型全局Moran’sI由大到小依次為：林地、草地、未利用地、耕地、園地和建設(shè)用地；當權(quán)重距離增加到2 km時，草地的Moran’sI開始大于林地，果園和建設(shè)用地的Moran’sI小于0.1；當權(quán)重距離增加到6 km時，耕地和未利用地的Moran’sI也小于0.1；當權(quán)重距離增加到24 km時，林地和草地的Moran’sI小于0.1，表明二者的空間正自相關(guān)性已很弱。上述現(xiàn)象是由小理河流域各地類斑塊數(shù)量、面積與相距距離差異造成的。

2.1.2 土地利用局部空間自相關(guān)

(1)局部空間自相關(guān)Moran散點圖

基于用地比例數(shù)據(jù)和空間權(quán)重矩陣繪制Moran散點圖，結(jié)果如圖2所示。圖中斜線表示兩者的線性相關(guān)關(guān)系，斜率即Moran’sI；4個象限分別指示了地類單位和相鄰地類單位在流域局部存在的4 種關(guān)聯(lián)形式，即HH(高值-高值)、LL(低值-低值)聚集或HL(高值-低值)、LH(低值-高值)異常。

圖2 小理河流域各土地利用類型的Moran散點圖Fig.2 Moran scatter plots of land use types in Xiaolihe watershed

從圖2可看出，各土地利用類型Moran散點圖中斜率均為正值，整體表現(xiàn)為正相關(guān)。流域耕地和草地的Moran散點圖(圖2a、2d)表明，絕大多數(shù)點落在第1、3象限，表明耕地、草地的用地分布呈明顯的HH、LL 聚集趨勢，即耕地、草地用地比例高值空間單元與周邊的高值單元發(fā)生空間聚集現(xiàn)象，低值單元與周邊的低值單元發(fā)生聚集現(xiàn)象；而落在第2、4象限的點數(shù)較少，即耕地、草地較少出現(xiàn)用地比例高值區(qū)格網(wǎng)與低值區(qū)格網(wǎng)集中布局的異常情況。園地、林地、建設(shè)用地和未利用地的Moran散點圖(圖2b、2c、2e、2f)表明，園地、林地、建設(shè)用地和未利用地的空間分布呈明顯的HH聚集趨勢。

(2)局部空間自相關(guān)LISA分布圖

Moran散點圖表達了各土地利用類型空間分布的聚集和異常特征，LISA分布圖可進一步確定局部空間聚集或異常的具體位置。在得到基于網(wǎng)格單元的各土地利用類型LISA分布圖后，將聚集或異常特征值賦值到原始土地利用圖斑上，得到各土地利用類型的LISA分布圖，如圖3所示。

圖3 小理河流域土地利用類型的LISA圖Fig.3 LISA maps of land use types in Xiaolihe watershed

由圖3可知，耕地和草地在空間結(jié)構(gòu)上出現(xiàn)了HH聚集、LL聚集、HL異常、LH異常4種類型，園地和未利用地只出現(xiàn)了HH聚集類型，林地出現(xiàn)了HH聚集、LH異常2種類型，建設(shè)用地出現(xiàn)了HH聚集、HL異常2種類型。耕地、草地的空間分布呈顯著的HH、LL聚集趨勢，而園地、林地、建設(shè)用地和未利用地呈顯著的HH聚集趨勢。耕地HH、LL聚集區(qū)面積分別為118.86 km2和15.49 km2，占耕地總面積的39.75%和5.18%；HH聚集區(qū)主要分布在流域東部下游的寬闊黃土梁或者開闊河谷區(qū)，地勢較平坦，水源相對充足，耕地面積大且成片分布；LL聚集區(qū)主要出現(xiàn)在流域的中部和上游地區(qū)，海拔較高，梁峁起伏、溝壑縱橫，耕作困難，耕地小范圍聚集分布；HL、LH異常區(qū)面積很少，零星地分散在流域內(nèi)部，分別占耕地總面積的1.04%和2.79%。草地HH、LL聚集區(qū)面積分別為209.45、39.02 km2，占草地總面積的47.26%和10.66%；草地空間聚集及異常的格局與耕地剛好相反，草地空間HH聚集區(qū)是耕地空間LL聚集區(qū)，兩者空間聚集類型對應(yīng)關(guān)系明顯；草地HL、LH異常區(qū)空間布局較少，其面積比例均小于1%。園地、未利用地HH聚集區(qū)面積分別占其總面積的82.77%和94.48%，主要集中在流域的東部下游地區(qū)。林地呈現(xiàn)出顯著的HH空間聚集態(tài)勢，HH聚集區(qū)面積占林地總面積的83.02%，集中分布在流域下游溝壑區(qū)和上游山地區(qū)；僅有0.33%的林地LH異常區(qū)出現(xiàn)在流域下游。建設(shè)用地HH聚集區(qū)面積占建設(shè)用地總面積的69.94%，也主要分布在流域的東部下游地區(qū)；上中游地區(qū)出現(xiàn)少量HL異常區(qū)，面積比例為4.66%。

2.2 土地利用空間自相關(guān)格局與影響因素的關(guān)系

通過將小理河流域各土地利用類型的LISA分布圖(圖3)與高程、坡度、坡向、與水域距離、與道路距離、與居民點距離圖疊加，分別計算各因子每個分級帶內(nèi)的各地類聚集面積，從而定量分析土地利用空間自相關(guān)格局與各因子的關(guān)系。由于流域土地利用類型空間分布呈顯著的HH或LL聚集態(tài)勢，且異常區(qū)面積很少，因此本研究分析各土地利用類型聚集區(qū)與各因子的關(guān)系。

2.2.1 土地利用空間自相關(guān)格局與高程的關(guān)系

由圖4a可知，隨高程的增加，耕地、園地、草地、建設(shè)用地和未利用地HH聚集區(qū)面積呈先增加后減小的趨勢，而林地HH聚集區(qū)面積呈先增加后減小再略有增加的變化趨勢。耕地、園地HH聚集區(qū)主要分布在高程為1 000～1 300 m的區(qū)域，此區(qū)域的HH聚集區(qū)面積分別占其HH聚集區(qū)總面積的94.21%和85.57%；其中，在1 100～1 200 m的高程區(qū)分布比例最高，面積比例分別為45.61%和37.28%。林地HH聚集區(qū)主要分布在1 000～1 200 m的高程區(qū)，其HH聚集區(qū)面積比例為77.01%；其中，在1 000～1 100 m的高程區(qū)分布比例最高，面積比例為43.16%。建設(shè)用地和未利用地HH聚集區(qū)集中分布在1 200 m以下高程區(qū)，其HH聚集區(qū)面積比例分別為93.56%和95.35%；其中，建設(shè)用地HH聚集區(qū)在1 000～1 100 m的高程區(qū)分布比例最高，面積比例為50.34%。草地HH聚集區(qū)集中分布在1 100 m以上高程區(qū)，其HH聚集區(qū)面積比例為95.73%；其中，1 200～1 300 m高程區(qū)分布比例達到最高，面積比例為44.68%；同時，草地在1 000 m以下高程區(qū)無HH聚集區(qū)。

圖4 小理河流域土地利用顯著性聚集區(qū)與高程的關(guān)系Fig.4 Relationships between significant cluster zones of land use types and elevation in Xiaolihe watershed

各土地利用類型中，僅耕地和草地存在LL聚集格局。耕地LL聚集區(qū)(面積15.49 km2)主要分布在高程1 200 m以上的區(qū)域，其LL聚集區(qū)面積比例為66.06%。草地LL聚集區(qū)(面積39.02 km2)集中分布在高程1 000～1 200 m的區(qū)域，其LL聚集區(qū)面積比例高達77.54%(圖4b)。

圖5 小理河流域土地利用顯著性聚集區(qū)與坡度的關(guān)系Fig.5 Relationships between significant cluster zones of land use types and slope in Xiaolihe watershed

2.2.2 土地利用空間自相關(guān)格局與坡度的關(guān)系

由圖5a可知，各地類HH聚集區(qū)均呈現(xiàn)出隨坡度增大面積先增后減的趨勢，其中在15°～25°的坡度區(qū)，是各地類HH聚集分布最多樣、面積最集中的區(qū)域，其間分布著36.86%的耕地HH聚集區(qū)、38.34%的園地HH聚集區(qū)、37.01%的林地HH聚集區(qū)、32.07%的草地HH聚集區(qū)、32.72%的建設(shè)用地HH聚集區(qū)和28.89%的未利用地HH聚集區(qū)。耕地、園地和建設(shè)用地的HH聚集區(qū)主要分布在坡度小于25°的區(qū)域，其HH聚集區(qū)面積比例分別為81.45%、81.62%和82.72%。草地和未利用地的HH聚集區(qū)主要分布在坡度大于15°的區(qū)域，其HH聚集區(qū)面積比例分別為77.05%和70.37%。林地HH聚集區(qū)集中分布在坡度為6°～35°的區(qū)域，其面積比例為82.40%。各地類HH聚集區(qū)按平均坡度由小到大依次為：建設(shè)用地、耕地、園地、林地、未利用地、草地，其坡度分別為15.09°、16.10°、16.56°、19.06°、20.97°和23.12°。

由圖5b可知，耕地和草地LL聚集區(qū)也呈現(xiàn)出隨坡度增大面積先增后減的趨勢，其中在15°～25°的坡度區(qū)分布面積最多，其LL聚集區(qū)面積比例分別為37.52%和35.29%。耕地LL聚集區(qū)平均坡度增大(平均坡度17.23°)，主要分布在坡度6°～25°的區(qū)域，面積比例為62.17%。草地LL聚集區(qū)平均坡度減小(平均坡度21.18°)，主要分布在坡度為15°～35°的區(qū)域，面積比例為64.72%。

2.2.3 土地利用空間自相關(guān)格局與坡向的關(guān)系

由圖6a可知，總體而言，各地類HH聚集區(qū)主要集中在流域的正陽向和正陰向。建設(shè)用地、園地和耕地HH聚集區(qū)主要分布在正陽向和半陽向，其HH聚集區(qū)面積比例分別為86.96%、64.8%和60.3%；其中正陽向面積最大，耕地和園地HH聚集區(qū)在正陽向面積比例超過40%，建設(shè)用地HH聚集區(qū)在正陽向面積比例高達57.23%。草地和林地HH聚集區(qū)主要分布在正陰向和正陽向，其HH聚集區(qū)面積比例分別為56.75%和56.53%；其中正陰向面積最大，面積比例分別為28.41%和28.55%。未利用地HH聚集區(qū)也主要分布在正陽向和正陰向，但正陽向面積最大。

由圖6b可知，耕地LL聚集區(qū)主要分布在正陽向，其LL聚集區(qū)面積比例為35.25%；半陽向、正陰向和半陰向的面積比例基本一致，介于21.04%～22.68%之間。草地LL聚集區(qū)在各坡向的面積比例相差不大，其中正陽向和正陰向面積略大于半陽向和半陰向。

圖6 小理河流域土地利用顯著性聚集區(qū)與坡向的關(guān)系Fig.6 Relationships between significant cluster zones of land use types and aspect in Xiaolihe watershed

圖7 小理河流域土地利用顯著性聚集區(qū)與水域的關(guān)系Fig.7 Relationships between significant cluster zones of land use types and water in Xiaolihe watershed

2.2.4 土地利用空間自相關(guān)格局與水域的關(guān)系

距水域越遠，除未利用地HH聚集區(qū)面積呈先增后減趨勢外，耕地、園地、林地、草地、建設(shè)用地HH聚集區(qū)面積呈不斷減小趨勢(圖7a)。各地類HH聚集區(qū)集中分布在距水域1.5 km范圍內(nèi)，其中，建設(shè)用地和耕地HH聚集區(qū)的面積比例最高，面積比例分別為94.88%和92.44%，且建設(shè)用地聚集區(qū)在距水域 1.0 km范圍內(nèi)的面積比例高達85.92%；園地、林地和草地HH聚集區(qū)在1.5 km范圍內(nèi)的面積比例基本相同，介于86.49%～88.39%之間；78.06%的未利用地HH聚集區(qū)分布在此范圍內(nèi)。距水域越近，建設(shè)用地HH聚集區(qū)面積迅速增加。

圖8 小理河流域土地利用顯著性聚集區(qū)與道路的關(guān)系Fig.8 Relationships between significant cluster zones of land use types and roads in Xiaolihe watershed

由圖7b可知，距水域越遠，耕地和草地LL聚集區(qū)呈現(xiàn)出面積不斷減小趨勢。耕地LL聚集區(qū)集中分布在距水域1.5 km范圍內(nèi)，其LL聚集區(qū)面積比例為80.68%，其中在距水域0.5～1.0 km范圍內(nèi)面積最大，面積比例為33.14%。78.94%的草地LL聚集區(qū)也集中分布在距水域1.5 km范圍內(nèi)。

2.2.5 土地利用空間自相關(guān)格局與道路的關(guān)系

距道路越遠，各地類HH聚集區(qū)面積總體呈不斷減小趨勢，其中園地HH聚集區(qū)面積在不同地段出現(xiàn)小范圍波動(圖8a)。各地類HH聚集區(qū)集中分布在距道路1.5 km范圍內(nèi)，面積比例均超過93%。建設(shè)用地、園地和耕地HH聚集區(qū)距道路較近，在距道路1.0 km范圍內(nèi)，面積比例均超過90%，建設(shè)用地和園地HH聚集區(qū)面積比例甚至高達99.88%和92.42%。在距道路1.5 km以外，無建設(shè)用地HH聚集區(qū)；距道路2.0 km以外，無園地HH聚集區(qū)。草地、林地和未利用地HH聚集區(qū)距道路較遠，在距道路1.0 km范圍內(nèi)，面積比例分別為73.94%、78.11%和86.68%。距道路越近，建設(shè)用地、園地和耕地的HH聚集區(qū)面積迅速增加。

由圖8b可知，距道路越遠，耕地和草地LL聚集區(qū)的面積都不斷減小。耕地LL聚集區(qū)集中分布在距道路1.5 km范圍內(nèi)，其LL聚集區(qū)面積比例為89.79%，其中在距道路0.5 km范圍內(nèi)面積最大，面積比例為37.38%。草地LL聚集區(qū)集中分布在距道路1.0 km范圍內(nèi)，其LL聚集區(qū)面積比例為85.65%，其中在距道路0.5 km范圍內(nèi)面積最大，面積比例達到52.06%。

2.2.6 土地利用空間自相關(guān)格局與居民點的關(guān)系

離居民點越遠，耕地、園地、林地、建設(shè)用地和未利用地的HH聚集區(qū)面積呈不斷減小趨勢，而草地HH聚集區(qū)面積呈先增加后減小趨勢(圖9a)。除草地外，各地類HH聚集區(qū)集中分布在距居民點2 km范圍內(nèi)，面積比例均超過90%。建設(shè)用地和園地HH聚集區(qū)距居民點最近，在距居民點1 km范圍內(nèi)，面積比例分別達到91.99%和73.58%。草地HH聚集區(qū)集中分布在距居民點3 km范圍內(nèi)，面積占該類用地總面積的94.73%，其中1～2 km的面積比例最高，達到54.09%。在距居民點3 km以外，無耕地和未利用地聚集區(qū)；距居民點4 km以外，無建設(shè)用地和園地聚集區(qū)。距居民點越近，建設(shè)用地、園地、未利用地和耕地的HH聚集區(qū)面積迅速增加。

圖9 小理河流域土地利用顯著性聚集區(qū)與居民點的關(guān)系Fig.9 Relationships between significant cluster zones of land use types and residential areas in Xiaolihe watershed

由圖9b可知，耕地LL聚集區(qū)集中分布在距居民點3 km范圍內(nèi)，其LL聚集區(qū)面積比例為86.28%，其中，距居民點1～2 km范圍內(nèi)面積最大，面積比例為37.44%；1 km以內(nèi)和2～3 km范圍內(nèi)，面積比例基本相同，分別為24.90%和23.94%。91.90%的草地LL聚集區(qū)分布在距居民點2 km范圍內(nèi)，隨與居民點距離的增加，其面積不斷減小。

3 結(jié)論

(1)各土地利用類型都表現(xiàn)出全局空間正自相關(guān)特性，但空間正自相關(guān)性隨著距離的增加而逐漸減弱。在32 km以內(nèi)，隨著距離的延伸，不同土地利用類型自相關(guān)程度的空間衰減強度不同，其中園地和建設(shè)用地的空間聚集性衰減迅速，而林地和草地的空間聚集性隨距離衰減最慢。各土地利用類型中，空間自相關(guān)強度較大的為林地和草地，較小的為園地和建設(shè)用地。

(2)流域土地利用類型存在不同的局部HH、LL聚集或HL、LH異常特征。耕地和草地出現(xiàn)了HH、LL、HL和LH 4種格局類型，建設(shè)用地出現(xiàn)HH、HL 2種格局類型，林地出現(xiàn)HH、LH 2種格局類型，園地和未利用地僅出現(xiàn)HH類型。耕地、草地的空間分布呈顯著的HH、LL聚集趨勢，而園地、林地、建設(shè)用地和未利用地呈顯著的HH聚集趨勢。草地HH聚集區(qū)主要分布在流域中、上游的丘陵或山地區(qū)，林地HH聚集區(qū)主要分布在下游溝壑區(qū)和上游山地區(qū)，其他地類HH聚集區(qū)集中分布在下游寬闊黃土梁或開闊河谷區(qū)。

(3)丘陵溝壑為主導的地形特征影響了土地利用局部空間集聚分布。隨著高程和坡度增加，各地類HH、LL聚集區(qū)面積總體呈先增加后減小的趨勢。在1 000～1 300 m高程區(qū)、15°～25°的坡度區(qū)以及正陽向和正陰向區(qū)域，是各地類HH聚集分布最多樣、面積最集中的區(qū)域。建設(shè)用地和林地HH聚集區(qū)主要分布在1 000～1 100 m高程區(qū)，耕地、園地和未利用地HH聚集區(qū)主要分布在1 100～1 200 m高程區(qū)，草地HH聚集區(qū)主要分布在1 200～1 300 m高程區(qū)。各地類HH聚集區(qū)按平均坡度由小到大依次為：建設(shè)用地、耕地、園地、林地、未利用地、草地。建設(shè)用地、園地和耕地HH聚集區(qū)主要分布在正陽向和半陽向區(qū)域(正陽向面積最多)，林地和草地HH聚集區(qū)主要分布在正陰向和正陽向區(qū)域(正陰向面積最多)。相比HH聚集區(qū)，耕地LL聚集區(qū)主要分布在1 200 m以上高程區(qū)，平均坡度增大，正陽向面積略大于其他坡向面積；草地LL聚集區(qū)主要分布在1 000～1 200 m高程區(qū)、15°～35°坡度區(qū)，各坡向上分布面積相差不大。

(4)距水域和道路越遠，除未利用地外，各地類HH聚集區(qū)面積呈不斷減小的趨勢；距居民點越遠，草地HH聚集區(qū)面積呈先增加后減小趨勢，而其他地類HH聚集區(qū)面積呈不斷減小的趨勢。各地類HH、LL聚集區(qū)集中分布在距水域、道路1.5 km范圍內(nèi)和距居民點3 km范圍內(nèi)。距水域、道路和居民點越近，建設(shè)用地、園地和耕地的HH聚集區(qū)面積迅速增加。相比HH聚集區(qū)，耕地LL聚集區(qū)與水域和居民點的距離較遠且面積呈先增后減的趨勢，草地LL聚集區(qū)與水域、道路和居民點的距離較近且面積呈不斷減小趨勢。

1 CLIFF A D, ORD J K. Spatial autocorrelation [M]. London: Pion, 1973.

2 OVERMARS K P, DE KONING G H J, VELDKAMP A. Spatial autocorrelation in multi-scale land use models [J]. Ecological Modelling, 2003, 164(2-3): 257-270.

3 張峰, 張新時. 基于TM影像的景觀空間自相關(guān)分析——以北京昌平區(qū)為例 [J]. 生態(tài)學報, 2004, 24(12): 2853-2858. ZHANG Feng, ZHANG Xinshi. Landscape spatial autocorrelation analysis of TM remote sensing data: a case study of Changping District, Beijing, China [J]. Acta Ecologica Sinica, 2004, 24(12): 2853-2858. (in Chinese)

4 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]. 地理學報, 2006, 61(4): 389-400. XIE Hualin, LIU Liming, LI Bo, et al. Spatial autocorrelation analysis of multi-scale land-use changes: a case study in Ongniud Banner, Inner Mongolia [J]. Acta Geographica Sinica, 2006, 61(4): 389-400. (in Chinese)

5 楊永俠, 王旭, 孟丹, 等. 基于空間自相關(guān)的耕地等別指數(shù)檢驗方法研究 [J/OL]. 農(nóng)業(yè)機械學報, 2016, 47(5): 328-335. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20160545&flag=1. DOI: 10.6041/j.issn. 1000-1298.2016.05.045. YANG Yongxia, WANG Xu, MENG Dan, et al. Test method of cultivated land grading index based on spatial autocorrelation [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(5): 328-335. (in Chinese)

6 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]. 自然資源學報, 2007, 22(2): 311-320. QIU Bingwen, WANG Qinmin, CHEN Chongcheng, et al. Spatial autocorrelation analysis of multi-scale land use in Fujian Province [J]. Journal of Natural Resources, 2007, 22(2): 311-320. (in Chinese)

7 韋素瓊, 張金前, 陳健飛. 基于空間自相關(guān)的閩臺城鎮(zhèn)建設(shè)用地分布研究 [J]. 地理科學進展, 2007, 26(3): 11-17. WEI Suqiong, ZHANG Jinqian, CHEN Jianfei. Study on construction land distribution in Fujian and Taiwan provinces based on spatial autocorrelation analysis [J]. Progress in Geography, 2007, 26(3): 11-17. (in Chinese)

8 謝正峰, 王倩. 廣州市土地利用程度的空間自相關(guān)分析 [J]. 熱帶地理, 2009, 29(2): 129-133. XIE Zhengfeng, WANG Qian. Spatial autocorrelation analysis of land use intensity in Guangzhou city [J]. Tropical Geography, 2009, 29(2): 129-133. (in Chinese)

9 焦利民, 劉耀林, 劉艷芳. 區(qū)域城鎮(zhèn)基準地價水平的空間自相關(guān)格局分析 [J]. 武漢大學學報: 信息科學版, 2009, 34(7): 873-877. JIAO Limin, LIU Yaolin, LIU Yanfang. Spatial autocorrelation patterns of datum land prices of cities in a region [J]. Geomatics and Information Science of Wuhan University, 2009, 34(7): 873-877. (in Chinese)

10 高凱, 周志翔, 楊玉萍. 長江流域土地利用結(jié)構(gòu)及其空間自相關(guān)分析 [J]. 長江流域資源與環(huán)境, 2010, 19(增刊1): 13-20. GAO Kai, ZHOU Zhixiang, YANG Yuping. Land use structure and its spatial autocorrelation analysis in the Yangtze River basin [J]. Resource and Environment in the Yangtze Basin, 2010, 19(Supp.1): 13-20. (in Chinese)

11 李慧, 王云鵬, 李巖, 等. 珠江三角洲土地利用變化空間自相關(guān)分析 [J]. 生態(tài)環(huán)境學報, 2011, 20(12): 1879-1885. LI Hui, WANG Yunpeng, LI Yan, et al. A spatial autocorrelation analysis of land use change in Pearl River Delta [J]. Ecology and Environmental Sciences, 2011, 20(12): 1879-1885. (in Chinese)

12 王千, 金曉斌, 周寅康. 河北省耕地生態(tài)安全及空間聚集格局 [J]. 農(nóng)業(yè)工程學報, 2011, 27(8): 338-344. WANG Qian, JIN Xiaobin, ZHOU Yinkang. Cultivated land ecological security and spatial aggregation pattern in Hebei province [J]. Transactions of the CSAE, 2011, 27(8): 338-344. (in Chinese)

13 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)工程學報, 2012, 28(20): 239-246. LIU Min, ZHAO Cuiwei, SHI Minghui. Spatial autocorrelation analysis of multi-scale land use change at mountainous areas in Guizhou province [J]. Transactions of the CSAE, 2012, 28(20): 239-246. (in Chinese)

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)工程學報, 2012, 28(3): 216-224. GU Jianli, ZHANG Haitao, CHEN Jiaying, et al. Analysis of land use spatial autocorrelation patterns based on DEM data [J]. Transactions of the CSAE, 2012, 28(3): 216-224. (in Chinese)

15 擺萬奇, 趙士洞. 土地利用變化驅(qū)動力系統(tǒng)分析 [J]. 資源科學, 2001, 23(3): 39-41. BAI Wanqi, ZHAO Shidong. An analysis on driving force system of land use changes [J]. Resource Science, 2001, 23(3): 39-41. (in Chinese)

16 徐霞, 王靜愛, 賈海坤, 等. 內(nèi)蒙中部地區(qū)不同生態(tài)區(qū)土地利用格局分布特征 [J]. 地理科學進展, 2005, 24(3): 44-49. XU Xia, WANG Jing’ai, JIA Haikun, et al. The spatial pattern of land use under the different ecoregion in the middle of Inner Mongolia [J]. Progress in Geography, 2005, 24(3): 44-49. (in Chinese)

17 張毅, 謝圣. 湖北省土地利用格局影響因素研究 [J]. 華中師范大學學報: 自然科學版, 2015, 49(5): 792-796. ZHANG Yi, XIE Sheng. Study on influence factors of land use patterns in Hubei province [J]. Journal of Central China Normal University: Natural Sciences, 2015, 49(5): 792-796. (in Chinese)

18 王躍奎, 張樂天, 陳潤, 等. 小理河流域土壤流失環(huán)境因子研究 [J]. 人民黃河, 2010, 32(12): 163-164. WANG Yuekui, ZHANG Letian, CHEN Run, et al. A study on soil erosion environmental factors in Xiaolihe watershed [J]. Yellow River, 2010, 32(12): 163-164. (in Chinese)

19 王遠飛, 何洪林. 空間數(shù)據(jù)分析方法 [M]. 北京: 科學出版社, 2007.

20 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)大學學報, 2013, 32(4): 48-54. NING Xiuhong, GUO Long, ZHANG Haitao. Comprehensive degree of land-use at different scales based on spatial autocorrelation regression and geographically weighted regression models [J]. Journal of Huazhong Agricultural University, 2013, 32(4): 48-54. (in Chinese)

21 ANSELIN L. SpaceStat tutorial [M]. Morgantown, West Virginia: Regional Research Institute, West Virginia University, 1992.

22 GETIS A, ORD J K. Local spatial autocorrelation statistics: distributional issues and an application [J]. Geographical Analysis, 1995, 27(4): 286-306.

23 孟斌, 王勁峰, 張文忠, 等. 基于空間分析方法的中國區(qū)域差異研究 [J]. 地理科學, 2005, 25(4): 393-400. MENG Bin, WANG Jinfeng, ZHANG Wenzhong, et al. Evaluation of regional disparity in China based on spatial analysis [J]. Scientia Geographica Sinica, 2005, 25(4): 393-400. (in Chinese)

24 ANSELIN L, SYABRI I, KHO Y. GeoDa: an introduction to spatial data analysis [J]. Geographical Analysis, 2006, 38(1): 5-22.

25 ANSELIN L. Local indicators of spatial association—LISA [J]. Geographical Analysis, 1995, 27(2): 93-115.

Analysis of Land Use Spatial Autocorrelation Patterns and Influence Factors of Xiaolihe Watershed

FU Jinxia1ZHENG Fenli1,2LI Yuanyuan1

(1.CollegeofNaturalResourcesandEnvironment,NorthwestA&FUniversity,Yangling,Shaanxi712100,China2.StateKeyLaboratoryofSoilErosionandDrylandFarmingonLoessPlateau,InstituteofSoilandWaterConservation,ChineseAcademyofSciencesandMinistryofWaterResources,Yangling,Shaanxi712100,China)

Aiming to reveal the coupling relationship between land use spatial autocorrelation patterns and natural-social-economic factors of Xiaolihe watershed located in loess hilly-gully region, the global and local spatial autocorrelation patterns of land use types were analyzed by the methods of Moran’sI, Moran scatter plot and Anselin local Moran’sIin the 500 m×500 m grid scale, meanwhile, the relationships between local cluster zones and the selected environmental factors were analyzed at thep<0.05 significant level based on GIS technology. The selected environmental factors included elevation, slope, aspect, water, roads and residential areas. The results showed that all land use types showed positive global spatial autocorrelation, but it was gradually decreased with the increase of distance. Within the distance of 32 km, spatial attenuation intensity of autocorrelation of each land use type was different from the extension of distance. The spatial distribution of cultivated land and grassland showed significant HH (high value-high value) and LL (low value-low value) cluster trends, and that of garden land, forest land, construction land and unused land showed significant HH cluster trend. The HH cluster zones of grassland were mainly distributed in hills or mountains of the midstream and upstream watershed, the HH cluster zones of forest land were mainly distributed in gullies of the downstream watershed and mountains of the upstream watershed, and those of others were mainly distributed in wide loess ridges and wide river valleys of the downstream watershed. With the increase of elevation and slope, the areas of HH and LL cluster zones of each land use type were increased firstly and then decreased. The region, which was located in the elevation area of 1 000～1 300 m, the slope area of 15°～25°, the sunny area and shady slope area, was the most diverse and concentrated area of HH cluster distribution of land use types. The HH cluster zones of construction land and forest land were mainly distributed in the elevation area of 1 000～1 100 m, the HH cluster zones of cultivated land, garden land and unused land were mainly distributed in the elevation area of 1 100～1 200 m, and those of grassland were mainly distributed in the elevation area of 1 200～1 300 m. According to the average slope of HH cluster zones of each land use type in ascending order, the order was as follows: construction land, cultivated land, garden land, forest land, unused land and grassland. The HH cluster zones of construction land, garden land and cultivated land were mainly distributed in sunny area and semi-sunny area, in which the distribution area in sunny area was larger. The HH cluster zones of forest land and garden land were mainly distributed in shady slope area and sunny area, in which the distribution area in shady slope area was larger. With the increase of distance from water and roads, the areas of HH cluster zones of each land use type showed a declining trend except for unused land. With the increase of distance from residential areas, the areas of HH cluster zones of grassland were increased firstly and then decreased, and those of others showed a declining trend. The HH and LL cluster zones of each land use type were mainly distributed within the distance of 1.5 km from water and roads as well as within the distance of 3 km from residential areas. The areas of HH cluster zones of construction land, garden land and cultivated land were increased rapidly with the decrease of distance to water, roads and residential areas. Compared with HH cluster zones, the LL cluster zones of cultivated land were mainly distributed in the elevation area of greater than 1 200 m, and the average slope of the LL cluster zones was increased. The distribution area of the LL cluster zones of cultivated land in the sunny area was slightly larger than those in other aspects. The LL cluster zones of cultivated land were farther away from water and residential areas, and the areas of which were firstly increased and then decreased. While the LL cluster zones of grassland were mainly distributed in the elevation area of 1 000～1 200 m and the slope area of 15°～35°, and the distribution area of the LL cluster zones in each aspect was similar. The LL cluster zones of grassland were closer to water, roads and residential area, and the areas of which showed a declining trend.

land use; spatial autocorrelation; influence factors; loess hilly-gully region; Xiaolihe watershed; GIS

10.6041/j.issn.1000-1298.2017.01.017

2016-06-18

2016-07-24

國家自然科學基金項目(41571263)

付金霞(1978—)，女，講師，博士生，主要從事土地利用變化、氣候變化與土壤侵蝕研究，E-mail： fujinxia405@nwsuaf.edu.cn

鄭粉莉(1960—)，女，研究員，博士生導師，主要從事土壤侵蝕與水土保持研究，E-mail： flzh@ms.iswc.ac.cn

P9

A

1000-1298(2017)01-0128-11