皖江流域土地利用與景觀格局時(shí)空演變研究

尹 劍，張 斌，邱遠(yuǎn)宏

(1.貴州財(cái)經(jīng)大學(xué)西部現(xiàn)代化研究中心，貴州 貴陽(yáng) 550025；2.貴州財(cái)經(jīng)大學(xué)大數(shù)據(jù)應(yīng)用與經(jīng)濟(jì)學(xué)院，貴州 貴陽(yáng) 550025；3.東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，黑龍江 哈爾濱 150030)

土地提供了居住、生產(chǎn)等各方面的資源或條件，同時(shí)也為人類社會(huì)經(jīng)濟(jì)活動(dòng)提供活動(dòng)場(chǎng)所[1]。隨著人類社會(huì)活動(dòng)的日益加強(qiáng)，土地結(jié)構(gòu)及其景觀格局也隨之發(fā)生了時(shí)空變化，其中景觀格局變化是土地利用變化的最直觀表現(xiàn)形式[2]。元胞自動(dòng)機(jī)-馬爾可夫模型(CA-Markov)是目前重要的研究土地利用景觀類型變化的工具[3-4]。在綜合考慮社會(huì)和自然對(duì)土地景觀格局的影響下，學(xué)者們利用多目標(biāo)評(píng)價(jià)(MCE)結(jié)合CA-Markov方法實(shí)現(xiàn)景觀格局預(yù)測(cè)。盧涵宇等[5]基于MCE-CA-Markov模擬預(yù)測(cè)了盤州市土地利用變化趨勢(shì)。張曉娟等[6]基于MCE-CA-Markov分析了三峽庫(kù)區(qū)土地利用演變。徐睿擇等[7]集合MCE-Markov-CA對(duì)鄭州市土地利用時(shí)空變化進(jìn)行了模擬。從景觀生態(tài)學(xué)的角度分析土地利用變化是另一個(gè)研究思路：通過(guò)計(jì)算景觀格局指數(shù)來(lái)獲取景觀的結(jié)構(gòu)組成特征、空間格局特征和時(shí)間演化特征，利用景觀格局指數(shù)對(duì)土地利用變化所引起的生態(tài)景觀變化進(jìn)行定量描述[8]。景觀格局分析方法與土地結(jié)構(gòu)分析以及預(yù)測(cè)方法相結(jié)合，已被引入到土地利用變化研究中[9]。針對(duì)景觀開發(fā)強(qiáng)度的分析，傳統(tǒng)的回歸算法簡(jiǎn)便而直觀，而Brown等[10]提出的景觀開發(fā)強(qiáng)度(landscape development intensity，LDI)指標(biāo)，可以定量描述人類活動(dòng)對(duì)景觀的干擾程度，是辨識(shí)景觀變化誘因的有效方法[11]。

皖江流域是承接長(zhǎng)三角產(chǎn)業(yè)轉(zhuǎn)移的重要示范區(qū)，近年來(lái)區(qū)域與長(zhǎng)江三角洲經(jīng)濟(jì)圈融合趨勢(shì)不斷增強(qiáng)，土地利用結(jié)構(gòu)調(diào)整頻繁。以往的研究主要集中在土地利用總面積的結(jié)構(gòu)變化[12-14]，或者是針對(duì)歷史性數(shù)據(jù)的分析[15]，缺少對(duì)于未來(lái)土地利用以及景觀格局變化趨勢(shì)的定量分析。因此研究結(jié)合1995年、2005年、2015年土地利用數(shù)據(jù)，從景觀指數(shù)和土地景觀類型2個(gè)級(jí)別出發(fā)，分析土地利用結(jié)構(gòu)變化，在多目標(biāo)適宜性約束條件下，利用MCE-CA-Markov模型，預(yù)測(cè)2025年皖江流域土地景觀格局，并利用景觀開發(fā)強(qiáng)度測(cè)度和社會(huì)-自然變量相關(guān)分析研究景觀變化的誘因。以實(shí)現(xiàn)區(qū)域土地景觀開發(fā)強(qiáng)度的甄別，為區(qū)域資源開發(fā)提供支持。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況及數(shù)據(jù)

皖江地區(qū)主要指長(zhǎng)江流域安徽沿江地區(qū)，覆蓋地域涉及安徽省南部的10個(gè)市的46個(gè)縣區(qū)，整體范圍介于東經(jīng)115°45′～119°38′、北緯29°33′～33°12′之間，下轄16個(gè)地級(jí)市(圖1)，主要位于長(zhǎng)江太湖以下流域二級(jí)水資源區(qū)內(nèi)，毗鄰淮河中下游，水運(yùn)條件優(yōu)越。地貌由沿江平原、江淮丘陵、皖南山區(qū)組成，平原面積約占全省總面積的55%，山區(qū)丘陵區(qū)約占總面積的45%，屬亞熱濕潤(rùn)季風(fēng)氣候。本研究采用了中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心發(fā)布的1995年、1995年、2015年現(xiàn)狀遙感監(jiān)測(cè)數(shù)據(jù)，空間分辨率為1 km × 1 km。該數(shù)據(jù)以各期Landsat遙感影像為主要數(shù)據(jù)源，通過(guò)人工目視解譯生成，精度滿足區(qū)域尺度研究[16]。驅(qū)動(dòng)力分析的統(tǒng)計(jì)數(shù)據(jù)來(lái)源于1995—2019年的省級(jí)和縣級(jí)統(tǒng)計(jì)年鑒。

1.2 研究方法

1.2.1CA-Markov及MCE約束

傳統(tǒng)的CA-Markov預(yù)測(cè)可能存在一定的隨機(jī)性，缺乏對(duì)自然-社會(huì)因素的考慮，造成預(yù)測(cè)的不確定性。利用多目標(biāo)適宜性評(píng)價(jià)方法(MCE)對(duì)難以量化的自然和社會(huì)經(jīng)濟(jì)等非線性因素進(jìn)行量化處理，可更好的預(yù)測(cè)土地利用。MCE通過(guò)限制條件和約束因子，在像元尺度制定適宜性約束條件。常用的方法是對(duì)不同地類的約束條件進(jìn)行兩兩配對(duì)，再借助加權(quán)線性合并，將攜帶權(quán)重的各因子與限制條件疊加，得到每種土地利用類型的空間適宜性。

多目標(biāo)適宜性評(píng)價(jià)方法：研究采用了1 km×1 km空間分辨率數(shù)據(jù)，正常情況下，較大面積水體不轉(zhuǎn)化為其他用地；同時(shí)在該空間分辨率下，建成區(qū)很少轉(zhuǎn)化為其他用地類型，因此將水域和建設(shè)用地設(shè)置為限制條件。將坡度、距離水體距離、距離城鎮(zhèn)中心距離、距離建設(shè)用地距離、距離道路距離、人口密度和人均GDP設(shè)為約束。因研究空間分辨率原因，道路數(shù)據(jù)只選擇高速、國(guó)道路網(wǎng)。對(duì)各類因子做拉伸處理，轉(zhuǎn)化為0～255區(qū)間的整數(shù)值。預(yù)測(cè)和多目標(biāo)適宜性約束利用IDRISI軟件的分析模塊實(shí)現(xiàn)。

將得到的預(yù)測(cè)與現(xiàn)狀圖相比較，利用準(zhǔn)確率、精確率、召回率和F值以及Kappa系數(shù)進(jìn)行分析[17]。Kappa<0.4一致性較低預(yù)測(cè)不可靠，Kappa>0.6說(shuō)明高度一致，Kappa>0.8說(shuō)明一致性極高。

1.2.2景觀格局指數(shù)

在景觀級(jí)別上選取12個(gè)景觀指標(biāo)[18-19]：斑塊個(gè)數(shù)(NP)、斑塊密度(PD)、蔓延度指數(shù)(CONTAG)、香農(nóng)多樣性指數(shù)(SHDI)、香農(nóng)均度指數(shù)(SHEI)、斑塊結(jié)合度指數(shù)(COHESION)、周長(zhǎng)加權(quán)面積分維數(shù)(PAFRAC)、分離度(SPLIT)、最大斑塊指數(shù)(LPI)、景觀形狀指數(shù)(LSI)、聚集度(AI)、散布與并列指數(shù)(IJI)。在景觀類型級(jí)別上重點(diǎn)選取10個(gè)景觀指標(biāo)：NP、PD、COHESION、PAFRAC、SPLIT、景觀類型百分比(PLAND)、LPI、LSI、AI、IJI。

1.2.3LDI指數(shù)

LDI系數(shù)代表了單位面積不可再生資源所蘊(yùn)含的能量測(cè)量值，累積某時(shí)期段內(nèi)研究區(qū)域的各土地類型的LDI系數(shù)，得到LDI綜合指數(shù)：

LDIindex=%LUi× LDIi

(1)

式中 LDIindex——區(qū)域的LDI綜合指數(shù)；%LUi——第i種景觀類型的面積占該區(qū)域的百分比；LDIi——第i種景觀類型所對(duì)應(yīng)的LDI指數(shù)，表示每年每公頃可提供的人類生產(chǎn)、生活所需要的能量。

LDI系數(shù)越大，表示受人類影響越大，則相應(yīng)的景觀類型健康狀況越差[20]。LDI系數(shù)通過(guò)如下步驟獲得[20]：①調(diào)查某種土地利用類型因人類活動(dòng)而產(chǎn)生的能源消耗；②核算各能源消耗項(xiàng)目產(chǎn)生的能值；③利用自然對(duì)數(shù)法對(duì)各土地利用類型能值進(jìn)行標(biāo)準(zhǔn)化。LDI值介于1～10之間，越接近1，表示景觀開發(fā)強(qiáng)度越低，接近于自然狀態(tài)，越接近10則表示人類活動(dòng)明顯，土地被高度開發(fā)。通過(guò)計(jì)算，各景觀類型的LDI系數(shù)見表1，由于研究區(qū)未利用地大多為不可用地，所能提供的能量極少，故不考慮其LDI系數(shù)。

表1 不同土地景觀類型的LDI系數(shù)

2 結(jié)果分析

2.1 土地利用變化

由于研究區(qū)面積較大，對(duì)1995年、2005年、2015年土地利用數(shù)據(jù)進(jìn)行了重采樣，轉(zhuǎn)換為1 km網(wǎng)格。各種土地類型面積與變化情況見表2。研究區(qū)土地利用面積大小依次是耕地>林地>建設(shè)用地>草地>水域>未利用用地?？傮w結(jié)構(gòu)以耕地為主，3年的面積比例均接近50 %，占據(jù)優(yōu)勢(shì)地位，是土地利用格局的基質(zhì)景觀。通過(guò)轉(zhuǎn)移概率矩陣分析得出耕地面積減少，主要轉(zhuǎn)換為建設(shè)用地；同時(shí)，與1995—2005年相比，2005—2015年耕地轉(zhuǎn)換為建設(shè)用地的速率提高。林地面積略有下降；草地面積略有波動(dòng)，總體面積變化不大；前期變化速率高于后期。水域面積在1995—2005年略有減小，在2005—2015年有一個(gè)微弱的上升趨勢(shì)。建設(shè)用地面積呈現(xiàn)明顯的上升趨勢(shì)。未利用用地的面積變化不大。

表2 皖江流域土地利用變化

2.2 土地利用預(yù)測(cè)

2.2.1模型驗(yàn)證

為驗(yàn)證MCE-CA-Markov模型在土地利用預(yù)測(cè)的可靠性，基于1995年、2005年的土地利用轉(zhuǎn)換模式生成2015年的土地利用模擬預(yù)測(cè)，見圖2。將模擬預(yù)測(cè)的2015年土地利用分布與2015年實(shí)際土地利用分布比較發(fā)現(xiàn)，2種方法各類土地利用占比接近；表3從多個(gè)角度比較了耕地、林地、草地、水域和建設(shè)用地的預(yù)測(cè)精度。

a)2015年現(xiàn)狀

b)2015年模擬預(yù)測(cè)

表3 2015年各類土地利用模擬預(yù)測(cè)精度分析

從表3中可以看出五類用地預(yù)測(cè)精度都比較高：4種評(píng)價(jià)指標(biāo)均大于0.75，說(shuō)明各類土地利用預(yù)測(cè)精度均較高。其中，建筑用地召回率為1，表示2015年預(yù)測(cè)的建設(shè)用地包含了全部的實(shí)際值，但精確度卻只有0.765 6，說(shuō)明在所有地類中，建設(shè)用地的多判率較高，即有較多的其他用地類型被識(shí)別為建設(shè)用地。這種現(xiàn)象可能是由于設(shè)定了建設(shè)用地為限制條件的結(jié)果。但是總體精度仍然大于75%，具有較高的一致性。水域的召回率為0.995 2，接近于1，也與水域?yàn)橄拗茥l件有關(guān)。二者的召回率接近1，同樣也證明了限制條件對(duì)精度的約束是正向的。二者計(jì)算的Kappa系數(shù)為0.853 2，大于0.8，總體預(yù)測(cè)一致性較高，說(shuō)明本研究采取的預(yù)測(cè)模式較為可靠。

2.2.2土地利用預(yù)測(cè)

基于2005年、2015年的土地利用，預(yù)測(cè)生成2025年土地利用分布，見圖3、表4?？梢钥闯觯号c2015年相比，2025年研究區(qū)耕地雖然仍占據(jù)優(yōu)勢(shì)地位，但整體出現(xiàn)下降趨勢(shì)；林地面積下降情況較為明顯；草地、水域的面積變化不大；建設(shè)用地面積明顯上升。

圖3 2025年土地利用模擬預(yù)測(cè)

表4 2025年各類土地利用面積占比

2.3 景觀格局變化

2.3.1整體景觀指數(shù)變化

研究區(qū)的整體景觀變化情況，見圖4。在1995—2005年、2005—2015年2個(gè)時(shí)間段內(nèi)，NP、PD、SPLIT、SHDI和SHEI指數(shù)的變化表現(xiàn)出持續(xù)上升趨勢(shì)；散布與并列指數(shù)(IJI)、斑塊結(jié)合度指數(shù)(COHESION)和聚集度指數(shù)(AI)呈現(xiàn)聯(lián)系下降趨勢(shì)；LPI、CONTAG指數(shù)呈現(xiàn)先減后增的趨勢(shì)；PAFRAC指數(shù)在1995—2005、2005—2015年變化不大，2025年開始增大。NP、PD、IJI、SPLIT、SHDI和SHEI指數(shù)處于上升趨勢(shì)，而LPI、COHESION和AI指數(shù)下降說(shuō)明：大斑塊數(shù)量減少、景觀類型的差異性減小，各景觀呈現(xiàn)均衡化發(fā)展；同時(shí)，各景觀之間的連通性下降，向不規(guī)則、破碎化發(fā)展。與2015年相比，2025年的景觀指數(shù)除AI、LPI、COHESION和CONTAG指數(shù)下降外，其他各指數(shù)呈現(xiàn)上升趨勢(shì)。這說(shuō)明未來(lái)10年里大斑塊數(shù)量增多，景觀的整體均衡趨于下降；各景觀之間的連通性增強(qiáng)。

圖4 各景觀格局指數(shù)變化百分比

2.3.2類型景觀指數(shù)變化

為進(jìn)一步研究景觀格局的變化情況及演變趨勢(shì)，選取8個(gè)類型的景觀指數(shù)進(jìn)行分析。以1995年為基年，考察了景觀類型指數(shù)的變化率，結(jié)果見圖5。

a)耕地

b)林地

c)草地

d)水域

e)建設(shè)用地

①耕地景觀變化：NP、PD增大，LPI減小，說(shuō)明耕地的斑塊數(shù)量增加、大斑塊數(shù)量減??；PAFRAC、LSI增大，說(shuō)明耕地斑塊的形狀總體趨于不規(guī)則；從COHESION、AI數(shù)值變化不大，說(shuō)明耕地斑塊之間連接度、聚集程度較為穩(wěn)定，2025年IJI變大，說(shuō)明未來(lái)農(nóng)田并列比鄰程度較高。②林地景觀變化：NP、PD、LPI減小，表示斑塊和大斑塊的數(shù)量均下降；PAFRAC、LSI增大，表明林地斑塊的形狀總體趨于規(guī)則；COHESION、AI、IJI等指數(shù)減小，林地之間連接度、聚集程度下降，趨于破碎化。③草地景觀變化：PLAND指數(shù)先增后降，整體呈現(xiàn)上升趨勢(shì)；NP、PD減少，斑塊的數(shù)量略微下降；LPI大幅減少說(shuō)明大斑塊數(shù)量明顯下降；PAFRAC、LSI增大，說(shuō)明斑塊的形狀總體趨于不規(guī)則； COHESION、AI、IJI減小，草地斑塊之間連接度、聚集程度下降，趨于破碎化。④水域景觀變化：NP、PD、LPI等指數(shù)變化來(lái)看，水域斑塊的數(shù)量先增加后減少，大斑塊的數(shù)量明顯下降；LSI減小，水域斑塊的形狀趨于不規(guī)則； COHESION、AI增大，水域斑塊之間連接、聚集程度上升。IJI和PAFRAC變化不大。⑤建設(shè)用地景觀變化：幾乎所有的建設(shè)用地指數(shù)都呈現(xiàn)出增大趨勢(shì)。NP、PD、LPI、COHESION、AI、IJI顯著上升，表明建設(shè)用地斑塊數(shù)量上升趨勢(shì)明顯，大斑塊明顯增加，斑塊之間連接、聚集程度愈發(fā)強(qiáng)烈。⑥未利用用地整體面積較小，景觀類型指數(shù)波動(dòng)不大。

2.4 土地利用強(qiáng)度

結(jié)合1995年、2005年、2015年以及模擬的2025年的土地利用數(shù)據(jù)，計(jì)算出4期土地利用整體LDI綜合指數(shù)以及各土地利用類型的LDI綜合指數(shù)(表5)。

表5 各土地利用類型的LDI綜合指數(shù)

從LDIindex指數(shù)來(lái)看，整體的土地利用開發(fā)強(qiáng)度將會(huì)持續(xù)增加，2015—2025年增加幅度較大。耕地的LDIindex下降，說(shuō)明人類活動(dòng)對(duì)其干擾有所下降，耕地的健康狀況轉(zhuǎn)好，可能與土地流轉(zhuǎn)、農(nóng)田標(biāo)準(zhǔn)化建設(shè)有關(guān)；林地、草地、水域的LDIindex指數(shù)整體均呈現(xiàn)微弱下降趨勢(shì)，生態(tài)環(huán)境內(nèi)部狀況有所改善；建設(shè)用地的LDIindex呈現(xiàn)明顯上升趨勢(shì)，說(shuō)明工程建設(shè)規(guī)模明顯增大。綜合整體指數(shù)來(lái)看，建設(shè)用地的增加是導(dǎo)致景觀環(huán)境狀況改變的主要原因。

2.5 驅(qū)動(dòng)因素分析

景觀變化受到自然因素和人為因素的雙重影響。本次研究的自然驅(qū)動(dòng)因素主要選用年降水總量、年蒸發(fā)總量、年平均氣溫、10℃以上積溫幾個(gè)影響植被生長(zhǎng)作物種植的指標(biāo)，人為驅(qū)動(dòng)因素主要選用GDP、人均GDP、第一產(chǎn)業(yè)值、第二產(chǎn)業(yè)值、第三產(chǎn)業(yè)值、總?cè)丝?、城?zhèn)人口7個(gè)指標(biāo)。對(duì)皖江流域涉及的46個(gè)縣區(qū)統(tǒng)計(jì)上述指標(biāo)，對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化后，采用主成分分析法對(duì)區(qū)域的歷史景觀格局變化進(jìn)行歸因分析。分析結(jié)果表明第一和第二主成分對(duì)總變量的解釋度分別為65.37%和15.15%。其中三大產(chǎn)業(yè)產(chǎn)值、城鎮(zhèn)人口及總?cè)丝谠诘谝恢鞒煞州d荷較大；年降水和年蒸發(fā)在第二主成分上的載荷較大，第一主成分主要代表人類活動(dòng)影響，第二主成分主要代表自然因素影響。自然因素的影響遠(yuǎn)小于人類活動(dòng)影響。這與景觀開發(fā)強(qiáng)度分析中，人類活動(dòng)是影響區(qū)域景觀格局變化的主要原因趨同。

從未來(lái)人為驅(qū)動(dòng)因素來(lái)看，安徽省是中國(guó)近年來(lái)中部崛起的典范，皖江流域又是承接長(zhǎng)三角產(chǎn)業(yè)轉(zhuǎn)移的排頭兵，以省會(huì)合肥產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展最為明顯，帶動(dòng)了區(qū)域城市化快速發(fā)展，使得合肥及其周邊片區(qū)建設(shè)用地急劇擴(kuò)張。2025年合肥片區(qū)的建設(shè)用地面積遠(yuǎn)大于2015年。圖6、7顯示了皖江流域46個(gè)縣人為驅(qū)動(dòng)因素的基本變化情況。近年來(lái)皖江流域區(qū)域城鎮(zhèn)化率不斷提升，但總體仍低于60%，未來(lái)仍有較大增加趨勢(shì)。因此，人類活動(dòng)對(duì)景觀格局的干擾仍將增強(qiáng)。從未來(lái)自然驅(qū)動(dòng)因素來(lái)看，皖江流域主要位于長(zhǎng)江流域，并與淮河流域毗鄰。已有相關(guān)研究表明淮河流域安徽段未來(lái)降水量和降水日數(shù)減少[21]，蒸散發(fā)量年未有明顯升降趨勢(shì)，但是春季夏季有顯著減少的趨勢(shì)[22]，這將對(duì)周邊農(nóng)業(yè)種植結(jié)構(gòu)產(chǎn)生改變，進(jìn)一步影響景觀格局；長(zhǎng)江流域安徽段未來(lái)降水量可能降低，干旱指數(shù)上升[23-24]，使得部分區(qū)域會(huì)出現(xiàn)水資源相對(duì)不足的現(xiàn)象，帶來(lái)景觀退化的潛在風(fēng)險(xiǎn)。對(duì)于自然因素，可能需要分區(qū)段如不同氣候區(qū)、不同流域來(lái)進(jìn)一步考慮。

圖6 人均產(chǎn)值和三大產(chǎn)業(yè)產(chǎn)值及總產(chǎn)值變化趨勢(shì)

圖7 城鎮(zhèn)化率變化情況

3 結(jié)論

長(zhǎng)江流域安徽段又被稱作皖江流域，是承接長(zhǎng)三角戰(zhàn)略轉(zhuǎn)移和生態(tài)調(diào)蓄的重要陣地。研究系統(tǒng)分析了近年來(lái)該地區(qū)景觀格局狀況、未來(lái)趨勢(shì)和開發(fā)強(qiáng)度及歸因。通過(guò)MCE、CA和Markov方法對(duì)土地利用的現(xiàn)狀分析和預(yù)測(cè)表明，皖江流域地區(qū)近年來(lái)，耕地面積呈下降趨勢(shì)，但始終處于優(yōu)勢(shì)景觀地位；林地面積有略微上升，草地、水域以及未利用地的面積總體變化不大。預(yù)測(cè)2025年耕地仍占據(jù)優(yōu)勢(shì)地位；建設(shè)用地會(huì)增加。耕地面積的減少與建設(shè)用地面積的增加有著明顯的相關(guān)關(guān)系。

1995—2015年區(qū)域景觀呈現(xiàn)均衡化發(fā)展，各景觀之間的連通性下降；2025年景觀的整體均衡性有所下降，景觀的不規(guī)則化、破碎化程度加深。耕地景觀將一直保持聚集程度下降、不規(guī)則化、破碎化演變特點(diǎn)；林地斑塊的形狀總體趨于規(guī)則，聚集程度下降；草地景觀在1995—2015年趨于不規(guī)則、破碎化發(fā)展，而在2015—2025年趨于規(guī)則化、集聚化的發(fā)展；建設(shè)用地景觀一直保持集聚趨勢(shì)。景觀整體環(huán)境質(zhì)量將會(huì)呈現(xiàn)下降的趨勢(shì)，其中，建設(shè)用地的增加是主要原因；同時(shí)，耕地的健康狀況將有明顯改善，其他土地類型的健康情況變化不大。人類活動(dòng)是導(dǎo)致景觀變化的主要原因。

在未來(lái)的研究方向上，將基于時(shí)間跨度較小且精度較高的影像數(shù)據(jù)；方法上選用更為智能化和魯棒性高的算法，進(jìn)一步探索景觀變化預(yù)測(cè)的不確定性和歸因辨識(shí)。自然驅(qū)動(dòng)力的研究應(yīng)針對(duì)氣候特點(diǎn)的空間異質(zhì)性進(jìn)行深入討論。