齊 文，邱炳文，范占領(lǐng)

(福州大學 a.地理空間信息技術(shù)國家地方聯(lián)合工程研究中心；b.空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室，福州 350002)

閩贛自然植被覆蓋格局及其驅(qū)動機制分析

齊 文a,b，邱炳文a,b，范占領(lǐng)a,b

(福州大學 a.地理空間信息技術(shù)國家地方聯(lián)合工程研究中心；b.空間數(shù)據(jù)挖掘與信息共享教育部重點實驗室，福州 350002)

自然植被覆蓋格局的研究對生態(tài)環(huán)境可持續(xù)發(fā)展具有十分重要的意義。以福建和江西2省為研究區(qū)，基于30 m分辨率的植被指數(shù)數(shù)據(jù)，運用地理加權(quán)回歸模型，結(jié)合自然環(huán)境和人類活動因素，探索分析閩贛地區(qū)自然植被覆蓋格局特征及其驅(qū)動機制。研究表明：①地形是影響閩贛自然植被覆蓋程度的主要因素，江西和福建2省自然植被覆蓋程度分別在高程[100，300)m和[300，500)m區(qū)間，與高程相關(guān)性最大；在坡度25°和10°以上，與坡度的相關(guān)性減弱。②江西主干河流附近農(nóng)田和城鎮(zhèn)交錯，福建主干河流附近城鎮(zhèn)和林地嵌套，2省自然植被覆蓋程度與距河流距離的相關(guān)性差異顯著。③距離城鎮(zhèn)居民點5 km和4 km分別為江西和福建2省自然植被覆蓋程度與距居民點距離相關(guān)性最弱處。

地理加權(quán)回歸模型；閩贛地區(qū)；植被指數(shù)；自然植被覆蓋格局；驅(qū)動機制

1 研究背景

自然植被覆蓋變化一直是全球性環(huán)境變化的重要研究課題[1-2]，其覆蓋格局對于生態(tài)環(huán)境的可持續(xù)發(fā)展至關(guān)重要。南方長江下游丘陵區(qū)水熱條件優(yōu)越，自然資源優(yōu)勢明顯，但地形破碎，環(huán)境因素復(fù)雜。因此，對該區(qū)域的自然植被覆蓋格局進行研究在生態(tài)環(huán)境的研究中具有重要意義。

由于空間格局強調(diào)了對尺度的依賴，因此選定合適的空間尺度是自然植被覆蓋格局研究的基礎(chǔ)。Bian等[3]基于半方差和分形分析方法探測森林覆蓋的空間異質(zhì)性，并選取合適空間尺度以探討地形因子和森林生物累積量之間的關(guān)系。Deng等[4]基于線性回歸方法在大尺度上探究祁連山自然植被和氣候變化因子的響應(yīng)關(guān)系。Qiu等[5]以流域和高程梯度作為劃分單元，研究了福建省閩江流域的自然植被空間格局。由于南方丘陵區(qū)環(huán)境因子的復(fù)雜性，研究格局尺度過大，表征自然植被覆蓋與驅(qū)動機制在局部區(qū)域的關(guān)系能力較弱；研究格局尺度過小，易掩蓋自然植被覆蓋格局的主要特征。地理加權(quán)回歸(Geographically weighted regression， GWR)模型是根據(jù)不同的地理空間位置估計局部的空間關(guān)系，從而建立起區(qū)域性的參數(shù)估計，增大了回歸結(jié)果的可信度[6]。因此，GWR模型在地理空間格局分析中應(yīng)用較為廣泛[7-8]，但將其用于自然植被格局分布及其驅(qū)動機制關(guān)系的探討中的研究較少而且研究所選的影像分辨率較低[9]。

福建省和江西省作為南方丘陵區(qū)的典型地域，水熱條件相似，但受到復(fù)雜地形及人為因素的影響，兩地自然植被覆蓋格局存在顯著差異。鑒于此，研究基于中國資源環(huán)境衛(wèi)星30 m分辨率影像，采用歸一化植被覆蓋指數(shù)(Normalized Difference Vegetation Index，NDVI)為指示因子，結(jié)合GIS與GWR，定量分析閩贛兩地自然植被覆蓋在自然和人為因素影響下的空間分布差異特征，進一步探討在不同高程和河流區(qū)間尺度，閩贛自然植被覆蓋程度以及高程和河流等因子對自然植被覆蓋程度的影響，從而揭示南方丘陵區(qū)自然植被分布以及地形因素等與自然植被覆蓋分布的空間變化的關(guān)系，為自然植被生態(tài)可持續(xù)發(fā)展提供科學依據(jù)。

2 研究區(qū)概況

江西省，簡稱贛，地處北緯24°29′～30°04′、東經(jīng)113°34′～118°28′。全省面積16.69萬km2，其中，山地占36%，丘陵占42%，平原約占20%。境內(nèi)水系豐富，包括鄱陽湖及贛江等5條主要河流(圖1(b))。截止2014年底，全省森林覆蓋率63.1%，居全國第二。

福建省，簡稱閩，地處北緯23°30′～28°20′、東經(jīng)115°40′～120°30′。全省土地面積12.4萬km2，山地和丘陵占全省總面積的80%以上。境內(nèi)主要河流有閩江、九龍江、晉江、交溪和汀江5條(圖1(b))。至2014年，全省森林覆蓋率65.95%，居全國第一。圖1所示為閩贛區(qū)域NDVI空間分布(圖1(a))及其自然環(huán)境概況(圖1(b))。

圖 1 研究區(qū)NDVI和居民點以及高程和水系Fig.1 NDVI with counties and elevation with water bodies in study area

3 數(shù)據(jù)預(yù)處理和研究方法

3.1 植被指數(shù)計算

由于研究區(qū)內(nèi)夏季的自然和人工植被覆蓋較難區(qū)分，因此這里選取冬季影像作為數(shù)據(jù)源以便于探討閩贛2省的自然植被覆蓋格局差異。植被指數(shù)NDVI是以中國資源環(huán)境衛(wèi)星HJ-1A/B (http:∥www. cresda.com/n16/index.html)2011年11月份和12月份影像為基礎(chǔ)數(shù)據(jù)計算得到，空間分辨率為30 m。通過遙感圖像處理軟件ENVI(The Environment for Visualizing Images)對原始影像經(jīng)大氣校正、影像配準、拼接等處理后計算其NDVI值，最終得到福建和江西2省2011年冬季NDVI分布圖(圖1(a))。NDVI作為主要的區(qū)域自然植被覆蓋監(jiān)測指標之一，能較好地反映自然植被生長狀態(tài)及其空間分布[10]。

3.2 驅(qū)動因子的數(shù)據(jù)處理

考慮到驅(qū)動因子的長期穩(wěn)定性及分辨率可獲取性的限制，本研究選定地形因素(高程、坡度)以及距離可達性因素(距河流距離、距湖泊距離、距道路距離、距居民點距離)。其中，高程數(shù)據(jù)由30 m的Aster GDEM(V1)(https:∥wist.echo.nasa.gov)數(shù)據(jù)獲得，坡度是對高程數(shù)據(jù)利用ArcGIS9.3的表面分析模塊計算得到。其他距離因子是對中國地形及縣級行政矢量數(shù)據(jù)(http:∥nfgis.nsdi.gov.cn/nfgis/chinese/c_xz.html)通過ArcGIS9.3距離分析模塊計算得到。

3.3 研究方法

空間數(shù)據(jù)一般都具有復(fù)雜的空間非平穩(wěn)性特征，本研究采用Brunsdon等[11]提出的GWR方法分析數(shù)據(jù)的空間非平穩(wěn)性[12]。GWR是一種局域線性加權(quán)回歸分析模型，它根據(jù)不同的地理空間位置估計局部的空間關(guān)系，并利用局部最小二乘法建立區(qū)域性的參數(shù)估計。改進的赤池信息量準則[13](corrected Akaike information criterion，AICc)被用于確定本文中GWR模型的最優(yōu)帶寬。

4 結(jié)果與分析

4.1 自然植被覆蓋格局模型結(jié)果

在參考相關(guān)自然植被覆蓋影響因素研究[14]的基礎(chǔ)上，并經(jīng)多重共線性檢驗、因子線性化及歸一化處理，最終確定高程、坡度、距湖泊距離、距河流距離、距道路距離、距居民點距離6個因素作為自然植被覆蓋程度的影響因子。利用ArcGIS9.3中GWR模型計算結(jié)果見表1。其中，所有參與模型的解釋因子均通過了顯著性檢驗。

表1 閩贛GWR模型結(jié)果

分別統(tǒng)計閩贛2省各影響因子回歸系數(shù)均值(表2)。結(jié)果顯示，江西和福建2省高程因子的回歸系數(shù)均值分別為0.680，0.643遠大于其他因子的系數(shù)均值，由此可見，研究區(qū)內(nèi)自然植被覆蓋程度受高程的影響最大，其次分別為坡度、距河流距離、距居民點距離、距湖泊距離和距道路距離。圖2為閩贛2省GWR模型中對自然植被覆蓋程度影響較大的3個因子包括高程、坡度和距河流距離的回歸系數(shù)的空間分布。

表2 閩贛GWR模型的回歸系數(shù)平均值

Table 2 Mean values of regression coefficient of GWR model for Fujian and Jiangxi

省份地形因子回歸系數(shù)均值距離可達性回歸系數(shù)均值高程坡度河流湖泊居民點道路江西0．6800．0830．0560．0260．0440．025福建0．6430．0970．0310．0260．0300．020

圖2 閩贛驅(qū)動因子的回歸系數(shù)Fig.2 Regression coefficients of driving factors for Fujian and Jiangxi

4.2 地形對自然植被覆蓋格局的影響

自然植被覆蓋格局的變化在很大程度上受制于區(qū)域的地形條件，它可以通過改變水、熱等自然條件的分布間接作用于自然植被[15]。為深入探索不同尺度下地形對自然植被分布格局的影響規(guī)律，本文對閩贛2省的NDVI平均值和高程、坡度回歸系數(shù)分區(qū)間進行統(tǒng)計。

為保證每個區(qū)間的樣本數(shù)近似相等，將高程區(qū)間大致劃分為：[-8，50)，[50，100)，[100，150)，[150，300)，[300，500)，[500，800)，[800，1 000)，[1 000，1 200)，[1 200，1 500)和[1 500，2 149] m，從而得到2省NDVI與高程回歸系數(shù)隨高程變化的統(tǒng)計圖(圖3(a)、圖3(b))。從圖2(a)可以看出，江西省高程回歸系數(shù)由四周向中部，由正轉(zhuǎn)負，鄱陽湖附近回歸系數(shù)為負值。從江西省NDVI及高程回歸系數(shù)與高程之間的關(guān)系可知(圖3(a))，江西NDVI平均值隨著高程的增加逐漸增大并趨于平穩(wěn)，高程回歸系數(shù)先增大后減小，NDVI與高程最大相關(guān)性位于[100，300)m區(qū)間，為強正相關(guān)(相關(guān)系數(shù)>0.8)。從福建省NDVI及高程回歸系數(shù)與高程之間的關(guān)系可知(圖3(b))，福建NDVI平均值隨著高程的增加逐漸增大并趨于平穩(wěn)，NDVI平均值在高程[100，300)m區(qū)間達到了穩(wěn)定值，明顯低于江西省NDVI平均值趨于穩(wěn)定的高程區(qū)間(600，900)m。福建省高程回歸系數(shù)在高程<100 m時，NDVI與高程正相關(guān)性減弱，而后隨著高程的增加，相關(guān)性先增大后減小，相關(guān)性最強出現(xiàn)在[300，500)m區(qū)間。

圖3 NDVI與地形因子回歸系數(shù)隨地形因子的變化Fig.3 Variations of NDVI and regression coefficients of terrain factors vs. terrain factors

江西省高程在100 m以下主要為江西北部鄱陽湖區(qū)域，水熱條件較好，但因人類活動影響較大，江西省自然植被覆蓋與高程的相關(guān)性整體偏弱。隨著高程的增加，江西省自然植被覆蓋程度逐漸增加，同時與高程之間的相關(guān)性也急劇增加。高程在[100，300 )m為江西省自然植被覆蓋與高程相關(guān)性最大的區(qū)間，主要位于江西省中部以及中南部部分區(qū)域，該區(qū)域城鎮(zhèn)和農(nóng)田嵌套，隨著高程的增加，格局主要為耕地到林地的轉(zhuǎn)變，因此自然植被覆蓋度與高程的相關(guān)性迅速增加，自然植被覆蓋度也顯著提高。高程在(300，900)m為山地區(qū)域，位于江西省西部、南部以及東部邊陲區(qū)域，人類活動的影響逐漸被自然條件所代替。當高程>1 000 m，隨著高程的增加，林地自然退化度相對降低，保留了郁閉度較高的林地，因此，該區(qū)域的自然植被覆蓋相對穩(wěn)定，而隨著其他影響因素的減少，高程與NDVI的相關(guān)性也變得更強。

福建省高程在100 m以下主要位于河流沿線及沿海區(qū)域，隨著高程的增加，人類影響逐漸增加，自然植被覆蓋程度與高程的相關(guān)性減弱，自然植被覆蓋較差。高程在[300，500)m為福建省自然植被覆蓋與高程相關(guān)性最大區(qū)間，同江西(100，300)m區(qū)間段類似，都以城鎮(zhèn)向林地快速轉(zhuǎn)變的格局為主。高程(500，1 000)m區(qū)域，隨著高程的增加，高程與NDVI的相關(guān)性下降，主要位于福建中南部如龍巖等地，地勢較高但人類活動頻繁，城鎮(zhèn)密集。當高程超過1 500 m后，該尺度受自然因素的限制，自然植被覆蓋程度出現(xiàn)減小的趨勢。

同樣，將坡度劃分為圖3(c)中橫坐標軸所示區(qū)間，得到江西省和福建省NDVI與坡度回歸系數(shù)隨坡度變化的統(tǒng)計圖(圖3(c)、圖3(d))。江西省和福建省NDVI平均值皆隨著坡度的增加而逐漸增大并趨于平穩(wěn)，平穩(wěn)區(qū)間均出現(xiàn)在坡度>15°左右。閩贛2省對應(yīng)的GWR坡度回歸系數(shù)隨著坡度的增加先上升后減弱，其中江西省在坡度>25°左右坡度回歸系數(shù)開始下降，不同于福建省坡度回歸系數(shù)下降的區(qū)間(約10°以上)。這說明自然植被覆蓋程度隨著坡度的增加而增大，而在坡度大于一定值域后，自然植被生長受地形等因素限制，NDVI與坡度的相關(guān)性降低。

4.3 水源及人類活動對自然植被覆蓋格局的影響

除地形外，水體和人類活動對自然植被覆蓋格局的影響也是至關(guān)重要的。采用相同的方法對2省的植被覆蓋程度與距河流距離回歸系數(shù)、距居民點距離回歸系數(shù)分別分區(qū)間進行統(tǒng)計。

將距河流距離因子區(qū)間大致劃分為[0，3)，[3，6)，[6，10)，[10，15)，[15，18)，[18，21)，[21，30)及[30，48]km，從距河流距離的回歸系數(shù)(圖2(e))可以看出，在江西省中部主干河流附近距河流距離與自然植被覆蓋程度呈弱的正相關(guān)關(guān)系；在福建省東部主干河流附近則呈較為顯著的正相關(guān)關(guān)系，在福建省西部支流附近呈弱的正相關(guān)關(guān)系，并且在福建省南部隨著距河流距離的增加，負相關(guān)性愈加明顯(圖2(f))。根據(jù)江西省和福建省距河流距離回歸系數(shù)隨距河流距離的變化圖可以看出(圖4(a)、圖4(b))，江西省和福建省的植被覆蓋程度隨著距河流距離的增大而逐漸增大，但2省二者之間相關(guān)性分布卻有較大的差異。江西省NDVI與距河流距離的相關(guān)性先趨于平穩(wěn)，后驟然增大，當距河流距離超過32 km，相關(guān)性急劇下降，而福建省NDVI與距河流距離的相關(guān)性先減小后增大，當距河流距離超過30 km左右，負相關(guān)性開始增加。

圖4 NDVI與各因子回歸系數(shù)隨因子的變化Fig.4 Variations of NDVI and regression coefficients of different influential factors vs. influential factors

結(jié)合河流分布及周邊城鎮(zhèn)建設(shè)特點分析，江西省在距河流距離[0，21)km區(qū)域內(nèi)距河流距離與植被覆蓋度的相關(guān)性較弱，由于江西省主干河流分布集中在地勢平坦且人類活動密集區(qū)域，河流附近為農(nóng)作物和城鎮(zhèn)嵌套的景觀格局，自然植被生長較差，因此相關(guān)性較弱，并且由于江西省支流附近多為弱的負相關(guān)關(guān)系(圖2(e))，使統(tǒng)計值進一步降低。而福建省在距河流距離[0，10)km相關(guān)性相對較強，主要因為福建省河流多分布于山區(qū)，城市規(guī)模相對較小，因此距河流距離越遠，相關(guān)性越強，自然植被覆蓋越好。江西省距河流距離>32 km和福建省距河流距離>35 km的區(qū)域多生長高山林地，自然植被對水源的依賴性增加，且福建省由于離水源較遠對自然植被生長的抑制作用開始顯現(xiàn)并逐漸增加。

對距居民點距離因子進行劃分，由于選取的城鎮(zhèn)樣點較為密集，因此劃分區(qū)間如圖4(c)橫坐標軸所示。在距居民點距離2 km以內(nèi)，閩贛2省均表現(xiàn)為NDVI逐漸增大、回歸系數(shù)平穩(wěn)且為弱正相關(guān)的特征，說明距離城鎮(zhèn)越遠，自然植被覆蓋相對較好。當距居民點距離超過3 km之后，江西福建2省的NDVI與距居民點距離之間的相關(guān)性逐漸下降，江西省距居民點距離5 km處，相關(guān)性最弱，而福建省分布在4 km處，這也說明2省的城鎮(zhèn)規(guī)模以及分布特點存在差異。當距離>5 km時，由于該區(qū)域多集中在高程>1 000 m，自然植被覆蓋程度主要受高程因子的制約。

5 結(jié) 論

本研究以閩贛2省為研究區(qū)，基于30 m分辨率的NDVI數(shù)據(jù)、地形數(shù)據(jù)和距離可達性因子數(shù)據(jù)，利用地理加權(quán)回歸方法，探索分析了閩贛地區(qū)自然植被覆蓋格局分布及其驅(qū)動機制。結(jié)果表明：

(1) 研究區(qū)內(nèi)自然植被覆蓋程度受高程的影響最大，其次為坡度。江西、福建2省自然植被覆蓋與高程相關(guān)性最大的高程范圍分別為[100，300)m和[300，500)m，多為居民地向林地快速轉(zhuǎn)換的區(qū)域。高程(600，900)m和[100，300)m分別是2省自然植被覆蓋趨于平穩(wěn)的區(qū)間。當坡度>15°，2省自然植被覆蓋增長皆趨于穩(wěn)定，自然植被覆蓋與坡度的相關(guān)性開始減弱的坡度范圍分別為25°及10°以上。

(2) 江西、福建2省的植被覆蓋度隨著距河流距離的增大而逐漸增大，但兩者之間的相關(guān)性在2省表現(xiàn)不盡相同。在江西省主干河流附近，兩者之間的相關(guān)性多為弱正相關(guān)，而在福建省主干河流附近多為較顯著正相關(guān)性；在支流附近，江西省內(nèi)相關(guān)性多為弱負相關(guān)，福建省則為弱正相關(guān)。

(3) 隨著距居民點距離的增加，江西福建2省的植被覆蓋度也逐漸增加。距居民點距離2 km內(nèi)，植被覆蓋度與距居民點距離呈弱正相關(guān)關(guān)系，而兩者相關(guān)性最低處對于江西省和福建省分別為距居民點距離5 km處和4 km處，說明2省的城鎮(zhèn)規(guī)模以及分布特點有著較大的差異。

致謝:感謝中國科學院科技政策與管理科學研究所項目《國家創(chuàng)新發(fā)展監(jiān)測系統(tǒng)設(shè)計與開發(fā) (一期)》提供部分數(shù)據(jù)。

[1] TIAN X, WANG X, KG K,etal. Land Use/cover Dynamic Change and Landscape Pattern Analysis in Kayrakkum Reservoir Area during Past 40 Years[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(6): 232-241.

[2] 劉殿偉, 宋開山, 王丹丹，等. 近50年來松嫩平原西部土地利用變化及驅(qū)動力分析[J]. 地理科學, 2006, 26(3):277-283.[3] BIAN L, WALSH S J. Scale Dependencies of Vegetation and Topography in a Mountainous Environment of Montana[J]. The Professional Geographer, 1993, 45(1): 1-11.

[4] DENG S F, YANG T B, ZENG B,etal. Vegetation Cover Variation in the Qilian Mountains and Its Response to Climate Change in 2000-2011[J]. Journal of Mountain Science, 2013, 10(6): 1050-1062.[5] QIU B, ZENG C, CHEN C,etal. Vegetation Distribution Pattern along Altitudinal Gradient in Subtropical Mountainous and Hilly River Basin, China[J].Journal of Geographic Science, 2013, 23(2): 247-257.[6] ISIK O, PINARCIOGLU M M. Geographies of a Silent Transition: A Geographically Weighted Regression Approach to Regional Fertility Differences in Turkey[J]. European Journal of Population, 2006, 22(4): 399-421.[7] ZHAO N, YANG Y, ZHOU X. Application of Geographically Weighted Regression in Estimating the Effect of Climate and Site Conditions on Vegetation Distribution in Haihe Catchment, China[J]. Plant Ecology, 2010, 209(2): 349-359.

[8] 邵一希, 李滿春, 陳振杰,等. 地理加權(quán)回歸在區(qū)域土地利用格局模擬中的應(yīng)用——以常州市孟河鎮(zhèn)為例[J]. 地理科學, 2010, 30(1): 92-97.

[9] QIU B W, ZENG C Y, TANG Z H,etal. Identifying Scale-location Specific Control on Vegetation Distribution in Mountain-hill Region[J]. Journal of Mountain Science, 2013, 10(4): 541-552.

[10]王 情, 劉雪華, 呂寶磊. 基于SPOT-VGT數(shù)據(jù)的流域植被覆蓋動態(tài)變化及空間格局特征——以淮河流域為例[J]. 地理科學進展, 2013, 32(2): 270-277.

[11]BRUNSDON C, FOTHERINGHAM S, CHARLTON M. Geographically Weighted Regression-Modelling Spatial Non-stationarity[J]. Journal of the Royal Statistical Society Series D:the Statistician, 1998, 47(2): 431-443.

[12]OSBORNE P E, FOODY G M, SUáREZ-SEOANE S. Non-stationarity and Local Approaches to Modelling the Distributions of Wildlife[J]. Diversity & Distributions, 2007,13(3):313-323.

[13]BRUNSDON C, FOTHERINGHAM A, CHARLTON M. Geographically Weighted Summary Statistics:A Framework for Localised Exploratory Data Analysis[J]. Computers, Environment and Urban Systems, 2002, 26(6): 501-524.

[14]劉 斌, 孫艷玲, 王中良，等. 華北地區(qū)植被覆蓋變化及其影響因子的相對作用分析[J]. 自然資源學報, 2015, 30(1): 12-23.

[15]齊師杰, 張行南, 夏達忠，等. 嘉陵江流域土地利用/覆被變化特征及其驅(qū)動力分析[J]. 長江科學院院報, 2013, 30(1): 1-7.

(編輯：羅 娟)

Vegetation Cover Pattern in Fujian and Jiangxi Provinces and ItsDriving Mechanism Based on Geographically Weighted Regression Model

QI Wen1,2, QIU Bing-wen1,2, FAN Zhan-ling1,2

(1.National-local Joint Engineering Laboratory of Geo-spatial Information Technology, Fuzhou University, Fuzhou 350002, China; 2.Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China)

Researching the pattern of vegetation cover is of great significance for the sustainable development of eco-environment.In this article, the characteristics of vegetation cover pattern and its driving mechanism were investigated and analyzed using geographically weighted regression (GWR) model based on vegetation cover index data of 30m resolution.Fujian Province and Jiangxi Province were selected as study area, and natural and human factors were considered in the analysis. Research results revealed that 1) in Fujian and Jiangxi provinces, topography is a main factor affecting the vegetation cover degree which has the strongest correlation with elevation within the range of [100,300) m and [300,500) m respectively, and weak correlation with slope gradient, above 25 ℃ and 10 ℃ respectively; 2) the correlation between vegetation cover degree and distance from river for the two provinces differ greatly. In Jiangxi Province, the mainstream is surrounded by towns and cropland, while in Fujian Province, the mainstream is surrounded by towns and woodland; 3) the distance to residence at 5 km and 4 km has the weakest correlation with vegetation cover degree in Jiangxi and Fujian, respectively.

geographically weighted regression model; Fujian and Jiangxi Provinces; vegetation index; natural vegetation cover pattern; driving mechanism

2015-09-10；

2015-12-08

國家自然科學基金面上基金項目(41471362)

齊 文(1991-)，女，陜西米脂人，碩士研究生，主要研究方向為遙感信息處理與應(yīng)用，(電話)15529219196(電子信箱)qiwen2013@sina.cn。

邱炳文(1973-)，女，湖南瀏陽人，研究員，博士，主要研究方向為時空數(shù)據(jù)挖掘，(電話)13194456541(電子信箱)qiubingwen@fzu.cn。

10.11988/ckyyb.20150765

2016,33(12):138-143

P237

A

1001-5485(2016)12-0138-06