黃啟芬

(貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院, 貴陽550001)

?

貴州省水土流失與社會經(jīng)濟(jì)相關(guān)性分析

黃啟芬

(貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院, 貴陽550001)

貴州喀斯特生態(tài)脆弱，水土流失和貧窮形勢嚴(yán)峻，探究水土流失與社會經(jīng)濟(jì)的關(guān)系，對當(dāng)?shù)厣鷳B(tài)環(huán)境改善和社會經(jīng)濟(jì)可持續(xù)發(fā)展意義重大。以水土流失數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)作為主要信息源，選取人口、經(jīng)濟(jì)發(fā)展、土地利用和城市發(fā)展4個方面的社會經(jīng)濟(jì)指標(biāo)，利用ArcGIS和GeoDa軟件，對水土流失及各指標(biāo)因子進(jìn)行空間相關(guān)性檢驗，再建立經(jīng)典線性回歸模型、空間滯后模型和空間誤差模型，并對三個模型進(jìn)行對比分析。結(jié)論如下：(1) 空間分析結(jié)果顯示，水土流失的空間自相關(guān)性較強(qiáng)，水田和旱地對水土流失影響不一致；(2) 三個模型對比，空間滯后模型的擬合度最優(yōu)，解釋能力最強(qiáng)。

相關(guān)性; 空間模型; 社會經(jīng)濟(jì); 水土流失; 貴州

自然因素是水土流失的決定性因素，但其產(chǎn)生的水土流失程度較輕，可恢復(fù)治理；而人為干預(yù)產(chǎn)生的水土流失嚴(yán)重，甚至可能造成永久性土地退化。本研究收集相關(guān)數(shù)據(jù)并結(jié)合地理信息系統(tǒng)(GIS)和空間計量分析軟件(GeoDa)，建立水土流失的數(shù)學(xué)模型，探究水土流失與社會經(jīng)濟(jì)的相關(guān)性。

目前，水土流失與社會經(jīng)濟(jì)的相關(guān)性的研究可概括為定性和定量兩種。

定性研究：鑒于部分社會經(jīng)濟(jì)因子不易量化，且各因素之間相互作用密切，因此大部分學(xué)者僅對水土流失中的社會經(jīng)濟(jì)因素作了定性分析。如任勇等將引起水土流失的社會經(jīng)濟(jì)因子歸納為人口增長快，土地資源壓力大、政策失誤、資源開發(fā)和基本建設(shè)、農(nóng)業(yè)生產(chǎn)方式和技術(shù)水平落后[1]。

定量研究：有學(xué)者利用各種數(shù)學(xué)模型和方法對社會經(jīng)濟(jì)因素作了定量分析，但主要是在假設(shè)水土流失在空間上是獨(dú)立分布前提下建立傳統(tǒng)回歸模型。但理論上水土流失在空間上存在相關(guān)性，因此傳統(tǒng)的經(jīng)典線性回歸模型得到的結(jié)果與實(shí)際情況有偏差。楊振等[2]通過選取9個社會經(jīng)濟(jì)指標(biāo)因子，采用灰色系統(tǒng)理論方法計算了社會經(jīng)濟(jì)活動與水土流失之間的關(guān)聯(lián)度指數(shù)，發(fā)現(xiàn)影響隴中水土流失面積大小的主要因素是載畜量和坡耕地面積比例，影響土壤侵蝕模數(shù)大小最主要的因素是坡耕地面積比例，其次是墾殖指數(shù)、林草覆蓋率、載畜量和人口密度。潘竟虎等[3]通過選取13個主要的社會經(jīng)濟(jì)活動指標(biāo)因子，應(yīng)用灰色關(guān)聯(lián)分析、回歸分析法，以及環(huán)境經(jīng)濟(jì)學(xué)的原理和方法，探討社會經(jīng)濟(jì)活動對水土流失的干擾度，建立驅(qū)動力定量模型，結(jié)果表明坡耕地面積比重和人口密度是隴東土壤侵蝕和水土流失的主要驅(qū)動力。朱金方等以烏蘭木倫河為研究對象，通過調(diào)查分析烏蘭木倫河年徑流量、降雨量、年均氣溫、人口、煤炭產(chǎn)能、GDP等的變化特征，探討各因素對烏蘭木倫河徑流量的作用特點(diǎn)，以確定烏蘭木倫河徑流量衰減的主要驅(qū)動因素及其貢獻(xiàn)比例。結(jié)果表明：社會因素是影響烏蘭木倫河徑流量衰減的主導(dǎo)因素[4]。李月臣等以三峽庫區(qū)為研究區(qū),選取人口、經(jīng)濟(jì)發(fā)展、土地利用、農(nóng)業(yè)發(fā)展4個層面的社會經(jīng)濟(jì)因子,分別分析了各類社會經(jīng)濟(jì)因子對水土流失的驅(qū)動機(jī)制[5]。

1　研究區(qū)概況

貴州地勢自西向東呈高、中、低三級階梯分布，喀斯特出露面積占全省土地面積的61.9%，全年降水豐富，西部較多，年均降水1 000～1 300 mm。

2010年，貴州省常住人口為3 474.65萬人，2010年全省生產(chǎn)總值比上年增長13.6%。其中，第一產(chǎn)業(yè)增加值增長8.5%；第二產(chǎn)業(yè)增加值增長16.8%；第三產(chǎn)業(yè)增加值增長12.1%。

土壤侵蝕遙感普查數(shù)據(jù)顯示，貴州水蝕面積占全國水蝕面積的4.5%，全國排名第九；水蝕面積占本省國土面積的41.4%，全國排名第五[6]。全省88個縣市中，水土流失較嚴(yán)重的區(qū)域主要分布在黔西北、黔西南部分縣市；水土流失較輕的區(qū)域主要集中在黔中、黔北、黔南、黔東南部分縣市。

2　數(shù)據(jù)與方法

2.1數(shù)據(jù)來源及處理

本研究數(shù)據(jù)包括兩個部分：水土流失數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)。

(1) 水土流失數(shù)據(jù)：貴州省2010年土壤侵蝕遙感調(diào)查數(shù)據(jù)，統(tǒng)計各縣市的水土流失總面積；

(2) 社會經(jīng)濟(jì)數(shù)據(jù)：

①收集2011年《貴州統(tǒng)計年鑒》，計算社會經(jīng)濟(jì)指標(biāo)；

②土地利用：利用GIS等軟件解譯貴州影像數(shù)據(jù)(分辨率為30 m)，得到土地利用類型數(shù)據(jù)；用30×30 m DEM(數(shù)據(jù)來源：中國科學(xué)院地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺)提取坡度數(shù)據(jù)，兩者疊加，得到坡耕地數(shù)據(jù)。

本研究假設(shè)水田和旱地對水土流失的影響貢獻(xiàn)度不一致，因此，將坡耕地以5°為間隔分成6個坡度帶，并統(tǒng)計各坡度帶中水田和旱地占土地面積的比例，討論水田和旱地對水土流失的影響。

2.2研究方法

2.2.1社會經(jīng)濟(jì)指標(biāo)選取水土流失受眾多因子影響，從原因?qū)用嫔蟻碇v，資源利用是水土流失產(chǎn)生的最頻繁的因子；從驅(qū)動因子的層面上看，影響最頻繁的是經(jīng)濟(jì)因素。因此，不恰當(dāng)?shù)慕?jīng)濟(jì)發(fā)展模式是區(qū)域水土流失日益惡化的重要原因[7]。結(jié)合社會經(jīng)濟(jì)因子的可獲得性、定量化及空間化要求，選取21個指標(biāo)，詳見表1。

2.2.2空間分析本文采用的空間分析主要是應(yīng)用GeoDa軟件分別對水土流失和社會經(jīng)濟(jì)指標(biāo)因子進(jìn)行全局空間相關(guān)性分析和局部空間相關(guān)性分析，反映水土流失空間上的自相關(guān)性以及各社會經(jīng)濟(jì)因子對水土流失空間集聚分布的影響[8-11]。

2.2.3空間模型建立本文引用的是1988年Anselin L[12]提出的空間線性模型?？臻g模型常用兩種形式，即空間滯后模型(Spatial lag model，SLM)與空間誤差模型(Spatial error model，SEM)。

3　結(jié)果與分析

3.1水土流失及社會經(jīng)濟(jì)指標(biāo)空間自相關(guān)分析

3.1.1水土流失空間自相關(guān)分析建模前，應(yīng)先驗證本研究所選的水土流失面板數(shù)據(jù)具有空間依賴性，即水土流失存在空間自相關(guān)性。利用GeoDa軟件對貴州省水土流失進(jìn)行了全局空間自相關(guān)分析、局部空間自相關(guān)分析，計算出2010貴州水土流失的Moran′s I指數(shù)為0.307 697，繪制水土流失LISA圖(圖1)，證明水土流失在空間上存在相關(guān)性。

從圖1可以看出，貴州省2010年水土流失LISA集聚圖清晰地顯示了貴州水土流失的空間分布規(guī)律：水土流失H-H集聚區(qū)主要分布在黔西北，包括水城縣、納雍縣、赫章縣、大方縣、畢節(jié)市；L-L集聚區(qū)主要分布在經(jīng)濟(jì)發(fā)達(dá)的黔中地區(qū)和社會經(jīng)濟(jì)較落后的黔東南地區(qū)，具體包括云巖區(qū)、南明區(qū)、花溪區(qū)、白云區(qū)、烏當(dāng)區(qū)、清鎮(zhèn)市、三都縣、凱里市、劍河縣、玉屏縣、黃平縣等。LISA聚集圖呈現(xiàn)了貴州水土流失在空間分布上的集聚性，存在一定的正相關(guān)性，因此在分析水土流失時應(yīng)該考慮其空間效應(yīng)。

表1　社會經(jīng)濟(jì)指標(biāo)

圖1　貴州省水土流失LISA集聚圖

3.1.2社會經(jīng)濟(jì)指標(biāo)全局空間自相關(guān)分析利用GeoDa軟件計算水土流失社會經(jīng)濟(jì)指標(biāo)因子的Moran′s I指數(shù)，發(fā)現(xiàn)除第二產(chǎn)業(yè)增長值密度之外，其他指標(biāo)都呈空間正自相關(guān)(見表2)。21個自變量中，變量“20°～25°旱地比例”、“第一產(chǎn)業(yè)增長值密度”和“第二產(chǎn)業(yè)增長值密度”Moran′s I系數(shù)分別為0.081 792 7，0.085 144 6和-0.065 425 4，明顯低于其他自變量，Moran′s I系數(shù)趨近于0。這說明“20°～25°旱地比例”、“第一產(chǎn)業(yè)增長值密度”和“第二產(chǎn)業(yè)增長值密度”與其他變量相比，空間依賴性較小，隨機(jī)分布性較大。

3.1.3局部雙變量空間自相關(guān)分析以水土流失和各社會經(jīng)濟(jì)指標(biāo)為變量，進(jìn)行局部相關(guān)性分析，繪制雙變量LISA圖。由于篇幅問題，現(xiàn)僅給出10°～15°旱地、10°～15°水田、人均GDP、人口城鎮(zhèn)化率4個因子的雙變量LISA圖(圖2)，反映水土流失在各社會經(jīng)濟(jì)因子的影響下的集聚分布特點(diǎn)。

表2　各社會經(jīng)濟(jì)指標(biāo)的Moran′s I指數(shù)

旱地與水土流失空間相關(guān)性較強(qiáng)，相關(guān)性強(qiáng)的地區(qū)主要分布在黔中地區(qū)，相關(guān)性弱的地區(qū)集聚在黔南、黔東南及黔北的部分縣市；水田與水土流失空間相關(guān)性較強(qiáng)，相關(guān)性強(qiáng)的地區(qū)主要分布在黔中地區(qū)，相關(guān)性弱的地區(qū)主要分布在黔東北、黔西北地區(qū)。結(jié)果顯示，旱地和水田對水土流失空間集聚分布的影響的結(jié)果不一致。

3.2數(shù)學(xué)模型建立

3.2.1經(jīng)典線性回歸模型以貴州省各縣水土流失面積為因變量， 21個社會經(jīng)濟(jì)指標(biāo)為自變量，建立經(jīng)典線性回歸模型，結(jié)果顯示OLS線性回歸模型R2為0.766 932，最大似然對數(shù)值為6.858 83，AIC值為32.2823，SC值為90.032 1(表3)。其中，5°～10°旱地比例、15°～20°旱地比例、>25°旱地比例等13個因子與水土流失相關(guān)性顯著(p<0.05)，農(nóng)業(yè)人口比例、建設(shè)用地指數(shù)等8個因子不顯著(p>0.05)。

3.2.2空間滯后模型總體上，普通OLS回歸模型達(dá)到了一定的擬合優(yōu)度，但根據(jù)前面的分析，水土流失受到空間因素的影響，存在一定程度的空間自相關(guān)性，因此未考慮空間因素的經(jīng)典回歸模型不充分，存在誤差，應(yīng)引入空間模型對水土流失進(jìn)行分析。

同樣以貴州水土流失為解釋變量，21個社會經(jīng)濟(jì)指標(biāo)為自變量，建立空間滯后模型，結(jié)果顯示空間滯后模型R2為0.776 233，最大似然對數(shù)值為8.402 33，AIC值為31.195 3，SC值為91.456(表4)。其中，5°～10°旱地比例、15°～20°旱地比例、>25°旱地比例等13個因子與水土流失相關(guān)性顯著(p<0.05)，農(nóng)業(yè)人口比例、建設(shè)用地指數(shù)等8個因子不顯著(p>0.05)。

3.2.3空間誤差模型選取與空間滯后模型相同的變量建立空間誤差模型，結(jié)果如表5所示：類決定系數(shù)R2=0.767 814，最大似然對數(shù)值LIK=6.947 119，AIC值為32.105 8，SC值為89.855 5。其中，5°～10°旱地比例、15°～20°旱地比例、>25°旱地比例等13個因子與水土流失相關(guān)性顯著(p<0.05)，農(nóng)業(yè)人口比例、建設(shè)用地指數(shù)等8個因子不顯著(p>0.05)。

圖2　水土流失與部分社會經(jīng)濟(jì)指標(biāo)的雙變量LISA集聚圖

變量回歸系數(shù)標(biāo)準(zhǔn)差t值p值常數(shù)13．54561．98106．83750．0000<5°旱地比例0．04760．04481．06230．29185°～10°旱地比例-0．22450．0380-5．89580．000010°～15°旱地比例0．00890．07090．12650．899615°～20°旱地比例-0．31470．1404-2．24030．028320°～25°旱地比例-0．13100．1503-0．87140．3865>25旱地比例0．03910．01712．27530．0260<5°水田比例-0．28140．1072-2．62480．01065°～10°水田比例0．19080．06702．84520．005810°～15°水田比例-0．94520．1575-5．99840．000015°～20°水田比例0．03510．05090．69050．492220°～25°水田比例3．64731．01423．59590．0006>25°水田比例-7．48752．3285-3．21550．0019草地比例2．27021．48061．53330．1298林地比例-0．14210．0214-6．61440．0000人口密度-0．13870．0221-6．27530．0000GDP密度0．00100．00042．17160．0333農(nóng)業(yè)人口比例0．00000．00000．24090．8103第一產(chǎn)業(yè)增長值密度0．00130．00380．33950．7352第二產(chǎn)業(yè)增長值密度-0．00610．0138-0．44240．6595第三產(chǎn)業(yè)增長值密度-0．00350．0010-3．41320．0010城鎮(zhèn)化率-0．00310．0011-2．63050．0105建設(shè)用地指數(shù)0．00040．00140．27730．7823

注：R2=0.766 932，最大似然對數(shù)值為6.858 83。

表4　空間滯后模型

(注：類決定系數(shù)R2=0.776 233；最大似然對數(shù)值LIK=8.402 33)。

表5　空間誤差模型

(類決定系數(shù)R2=0.767 814，最大似然對數(shù)值LIK=6.947 119)。

3.2.4模型對比及結(jié)果分析衡量模型優(yōu)度的指標(biāo)一般有：決定系數(shù)R2，最大似然對數(shù)值LIK、赤池信息準(zhǔn)則AIC、施瓦茨準(zhǔn)則SC。在空間模型中R2稱類決定系數(shù)，實(shí)際上是一種偽值[8]。因此，衡量空間模型,最大似然對數(shù)值LIK是最重要的模型擬合優(yōu)度衡量指標(biāo),LIK值越大，模型擬合度越好；AIC和SC值越小，說明模型擬合度越好[9]。對比三個模型，發(fā)現(xiàn)空間滯后模型的LIK值最大,三個模型的AIC值和SC值相差不大。總體來說，空間滯后模型的擬合優(yōu)度最好、解釋力最強(qiáng)、最合理,建議選用空間滯后模型對水土流失進(jìn)行分析。

空間滯后模型的輸出數(shù)據(jù)顯示，在21個指標(biāo)中，5°～10°水田比例、10°～15°水田比例、>25°旱地比例等13個因子對水土流失的影響顯著(p<0.05)，農(nóng)業(yè)人口比例、建設(shè)用地指數(shù)等8個因子不顯著(p>0.05)。13個顯著性強(qiáng)的因子中，水田表現(xiàn)尤其明顯，由于貴州山高坡陡，土壤表層淺薄，為防治水土流失，近年來一直倡導(dǎo)坡改梯措施，陡坡地轉(zhuǎn)為梯田，因此水田對水土流失的空間分布產(chǎn)生了一定的影響。8個不顯著因子中農(nóng)業(yè)人口比例、建設(shè)用地指數(shù)、第二產(chǎn)業(yè)增長值密度較明顯：由于現(xiàn)在部分登記在冊的農(nóng)業(yè)人口未從事農(nóng)業(yè)生產(chǎn)，因此農(nóng)業(yè)人口比例并不能完全真實(shí)地體現(xiàn)農(nóng)業(yè)人口與水土流失的相關(guān)性；貴州建設(shè)用地指數(shù)較發(fā)達(dá)地區(qū)小，且建設(shè)用地一般較平整，多硬化，因此水土流失與建設(shè)用地指數(shù)表現(xiàn)出較弱的相關(guān)性；貴州第二產(chǎn)業(yè)欠發(fā)達(dá)，且零散分布(Moran′s I系數(shù)趨近于0，空間上隨機(jī)分布)，因此第二產(chǎn)業(yè)增長值密度與水土流失的相關(guān)性弱。

4　結(jié)論與討論

(1) 對貴州省88個縣(市)水土流失進(jìn)行空間自相關(guān)分析，其結(jié)論為：貴州水土流失在空間上呈正相關(guān)，空間分布具有一定的聚集性。水土流失嚴(yán)重的區(qū)域主要集中在貴州西北部中山峽谷煤炭優(yōu)勢區(qū)，包括水城縣、納雍縣、赫章縣、大方縣、畢節(jié)市；這些縣市的特點(diǎn)是：地勢較高、降水集中、森林覆蓋度低等，且該地區(qū)特有的煤礦開采，都有增加水土流失的可能性。水土流失較輕的區(qū)域區(qū)主要分布在經(jīng)濟(jì)發(fā)達(dá)的黔中高原經(jīng)濟(jì)核心區(qū)和社會經(jīng)濟(jì)較落后的黔東南低山丘陵農(nóng)林優(yōu)勢區(qū)和黔南中山河谷立體農(nóng)業(yè)優(yōu)勢區(qū)，包括云巖區(qū)、南明區(qū)、花溪區(qū)、白云區(qū)、烏當(dāng)區(qū)、清鎮(zhèn)市、三都縣、凱里市、劍河縣、玉屏縣、黃平縣等；這些縣市地勢低、降水量較豐富，森林覆蓋率較高，使得該區(qū)域的水土流失程度較輕。

(2) 對水土流失與社會經(jīng)濟(jì)指標(biāo)進(jìn)行雙變量空間分析，旱地與水土流失相關(guān)性強(qiáng)的地區(qū)主要分布在黔中地區(qū)，相關(guān)性弱的地區(qū)集聚在黔南、黔東南及黔北的部分縣市；水田與水土流失相關(guān)性強(qiáng)的地區(qū)主要分布在黔中地區(qū)，相關(guān)性弱的地區(qū)主要分布在黔東北、黔西北地區(qū)。旱地和水田對水土流失空間集聚分布的影響不一樣，因此，在探究水土流失與坡耕地的相關(guān)性時，應(yīng)該分別對二者作研究。

(3) 目前針對水土流失的研究主要是利用經(jīng)典線性回歸模型對水土流失的影響因子進(jìn)行分析，忽略了水土流失的空間自相關(guān)性，本研究引入了空間效應(yīng)，建立了水土流失的空間滯后模型和空間誤差模型，三個模型對比，空間滯后模型的擬合優(yōu)度最好，解釋水土流失和社會經(jīng)濟(jì)因子之間關(guān)系的能力最強(qiáng)，能夠更貼切地模擬貴州水土流失與社會經(jīng)濟(jì)的相關(guān)性。

(4) 空間滯后模型中5°～10°旱地、10°～15°水田、20°～25°水田、>25°水田、林地、人口密度、第三產(chǎn)業(yè)增加值密度這7個因素對水土流失影響的顯著性高；總的來說，土地利用方式和人口密度對水土流失的影響在社會經(jīng)濟(jì)因子中是最重要的；因此，資源的合理配置及正確的人口政策是貴州水土流失防治的重點(diǎn)。

[1]任勇,畢華興.水土流失社會經(jīng)濟(jì)因素作用機(jī)制分析[J].中國水土保持,1998(1):26-28.

[2]楊振,牛叔文,吳文恒.隴中黃土高原水土流失的人支因素分析[J].干旱區(qū)資源與環(huán)境,2005(6):124-128.

[3]潘竟虎,劉春雨,張偉強(qiáng),等.隴東黃土高原土壤侵蝕的人文因素及經(jīng)濟(jì)損失分析：以甘肅省水保世行貸款二期項目區(qū)為例[J].現(xiàn)代農(nóng)業(yè),2007(8):67-69.

[4]朱金方,全占軍,王琦,等.烏蘭木倫河徑流量衰減驅(qū)動因素研究[J].水土保持研究，2014,21(1):34-38.

[5]李月臣,劉春霞.三峽庫區(qū)(重慶段)水土流失的社會經(jīng)濟(jì)驅(qū)動機(jī)制研究[J].水土保持研究，2010,17(5):222-225.

[6]水利部,中國科學(xué)院,中國工程部.中國水土流失防治與生態(tài)安全:水土流失數(shù)據(jù)卷[M].北京:科學(xué)出版社，2010.

[7]郭然,王效科,歐陽志云,等.中國土地沙漠化、水土流失和鹽漬化的原因和驅(qū)動力:總體分析[J].自然資源學(xué)報，2004,19(1):119-127.

[8]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(xué)報，2012,28(20):239-246.

[9]溫海珍,張之禮,張凌.基于空間計量模型的住宅價格空間效應(yīng)實(shí)證分析：以杭州市為例[J].系統(tǒng)工程理論與實(shí)踐,2011,31(9):1661-1667.

[10]謝花林,劉黎明,李波等.土地利用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(xué)報，2006,4(61):389-400.

[11]封磊,洪偉等.福州市人口分布的空間自相關(guān)分析[J].江西農(nóng)業(yè)大學(xué)學(xué)報,2008,30(3):569-574.

[12]Anselin L. Spatial Econometrics: Methods and Models[J]. Studies in Operational Regional Science, 1988,85(411):310-330.

Correlation Analysis on Soil Erosion and Socioeconomic Development in Guizhou

HUANG Qifen

(College of Geography and Environmental Sciences, Guizhou Normal University, Guiyang 550001, China)

Because of fragile ecology in Guizhou karst area, the soil and water loss and poverty situation in the study area are serious. Exploring the relationship between soil erosion and socioeconomic development factors is of great significance to improve the local ecological environment and to guarantee the sustainable development of society and economy. Based on the soil and water loss data and socioeconomic data as the primary information, using GeoDa and ArcGIS software, four species socioeconomic indexes(population, economic development, land use and city development) were selected in this research to check the spatial correlation of soil erosion and each factor; to develop the classical linear regression model, spatial lag model and spatial error model and to make a comparison among three models. The conclusions are as following. (1) The spatial analysis showed that the spatial autocorrelation of soil erosion was significant. The effect of paddy field on the soil erosion was different from dry land. (2) Spatial lag model is the best, having the strongest explanatory function.

correlation; spatial model; socialeconomic development; soil and water loss; Guizhou

2014-08-26

2014-09-12

黃啟芬(1990—),女,貴州鐘山區(qū)人,碩士,主要從事水土保持與國土整治。E-mail:15085952484@163.com

S157.1

A

1005-3409(2015)04-0072-07