韋燕飛 何彥諺 童新華

摘要：地形因子決定著土地的利用模式，影響土地經(jīng)濟產(chǎn)出與農(nóng)民的生產(chǎn)生活水平，惡劣的地形條件是導致區(qū)域貧困的主要因素之一。以地形條件差異較大、貧困形勢嚴峻的廣西壯族自治區(qū)（簡稱“廣西”）為研究區(qū)域，選取平均海拔、平均坡度、地形起伏度、坡度變率、地面粗糙度等5個地形因子，探討其與區(qū)域貧困的空間異質(zhì)性、空間依賴性特征，并利用普通線性回歸模型與地理加權回歸模型分析各地形因子對區(qū)域貧困影響效應的空間分異。結果表明，各地形因子對區(qū)域貧困格局影響具有一定空間吻合性，主要表現(xiàn)為地形條件較差的地區(qū)農(nóng)民收入水平較低;地形因子與區(qū)域貧困水平均具有較強的空間依賴性，在99%顯著水平上均存在明顯空間集聚現(xiàn)象;平均海拔、平均坡度、地形起伏度、坡度變率等4個因子與區(qū)域貧困存在空間負相關性，其對貧困的影響效應呈現(xiàn)以融江為軸心的“U”形向外逐級遞減的趨勢，地面粗糙度與區(qū)域貧困存在空間正相關性，其對貧困的影響效應呈現(xiàn)由西北部向東南逐級遞減的趨勢。最后，從國土扶貧視角提出對廣西扶貧工作的建議。

關鍵詞：區(qū)域貧困;地形因子;影響效應;空間格局;國土扶貧;精準扶貧

中圖分類號：F323.211 文獻標志碼： A 文章編號：1002-1302（2019）23-0001-07

貧困問題是我國不平衡、不充分發(fā)展的一大體現(xiàn)，是我國特色社會主義新時代發(fā)展的一塊“硬骨頭”。土地作為最基本的生產(chǎn)要素之一[1]，是農(nóng)民主要經(jīng)濟來源的基礎，地形特征決定土地的利用、生產(chǎn)與管理方向，影響農(nóng)業(yè)現(xiàn)代化進程與土地的經(jīng)濟產(chǎn)出，進而也決定了區(qū)域貧困水平的發(fā)展。廣西壯族自治區(qū)（簡稱“廣西”）集“老、少、邊、山、庫”于一身，是全國脫貧攻堅的主戰(zhàn)場之一。目前，廣西貧困面大、貧困人口多、貧困程度深的狀況仍未全面改善。2015年底，全區(qū)貧困人口總數(shù)居全國第4位;貧困發(fā)生率比全國平均水平（57%）高4.8百分點。全區(qū)110個縣（市、區(qū)）中，105個有扶貧開發(fā)工作任務，54個屬于貧困縣，33個為國家扶貧工作重點縣、滇桂黔石漠化片區(qū)縣;貧困發(fā)生率超過25%的有5個。全區(qū)16 197個村民委員會（社區(qū)）中有5 000個貧困村，其中貧困發(fā)生率在25%以上的有1 632個，占32.6%;貧困發(fā)生率超過50%的有232個，有的甚至超過80%，脫貧攻堅任務仍然十分艱巨。另外，廣西是典型喀斯特地貌的主要分布地區(qū)，生態(tài)系統(tǒng)脆弱且不穩(wěn)定，易發(fā)生旱澇災害，部分地區(qū)石漠化、水土流失等土地生態(tài)問題突出，導致的區(qū)域貧困現(xiàn)象成為扶貧脫貧工作的重點、難點。因此，分析廣西地形因子與區(qū)域貧困的空間格局形成的影響，對精準扶貧工作的有效開展有一定的參考價值。現(xiàn)有研究涉及的主要有計量地理學方法研究、地形因子研究、區(qū)域貧困研究與互饋相關性作用研究等。Foster等對空間地理加權的原理理論構架、計量模型構建、實例演變應用等開展研究[2-7]。汪旭濤等對地形因子量化計量方法、形態(tài)表達及其對地質(zhì)災害的敏感性等開展研究[8-10]。王建康等分析土地要素對經(jīng)濟發(fā)展的貢獻，探討土地要素與經(jīng)濟發(fā)展的空間關聯(lián)性[11-12]。劉彥隨等分析喀斯特山區(qū)自然條件下自然災害的治理與扶貧開發(fā)模式策略的運用及其空間相關性[13-14]。從現(xiàn)有研究看，國內(nèi)外學者的相關研究成果較豐富，但較多研究均停留在理論基礎上的探討，實例應用的研究較少;對影響效應的研究大多利用計量經(jīng)濟學中的傳統(tǒng)模型，較少考慮地理空間要素間相互作用的影響;對區(qū)域貧困研究，大多從自然、社會、經(jīng)濟、人文綜合角度入手，較少涉及對地形因子與貧困關系的針對性以及西部少數(shù)民族沿海邊境地區(qū)多重身份區(qū)域的研究。本研究以縣級行政單位為研究單元，以廣西2015年劃定的110個縣（市、區(qū)）為研究對象，在GIS技術支持下，基于廣西地形特征與區(qū)域貧困水平數(shù)據(jù)，分析各地形因子與區(qū)域貧困的空間異質(zhì)性與空間依賴性，驗證其之間的空間相關性，在此基礎上探討普通計量回歸模型與空間計量回歸模型的應用效果，并定量測度地形因子對區(qū)域貧困影響效應的空間分異格局，根據(jù)研究結論并基于國土扶貧視角，提出對扶貧工作的政策啟示，以期為廣西差別化國土扶貧政策的制定與實施提供參考，以提高廣西精準扶貧服務工作的成效。

1 研究區(qū)域

研究區(qū)域為廣西，首府南寧，與廣東、湖南、貴州、云南等省相鄰，南部為北部灣，西南與越南交界，是中國唯一的沿海自治區(qū)，是西南地區(qū)最便捷的出海通道（圖1）。介于 20°54′～26°24′N、104°26′～112°04′E之間，地處低緯度，屬亞熱帶季風氣候區(qū)，氣候溫暖，雨水豐沛，熱量充足。礦產(chǎn)資源豐富，種類繁多，素有“有色金屬之鄉(xiāng)”之稱。廣西地形特征表現(xiàn)為山地多平地少，地勢由西北向東南傾斜，喀斯特地貌發(fā)育，生態(tài)環(huán)境脆弱且不穩(wěn)定，易發(fā)生水土流失、山體滑坡等自然災害，喀斯特區(qū)極易發(fā)生石漠化現(xiàn)象，全區(qū)石漠化面積約占全區(qū)總面積的10.5%，極大地制約了區(qū)域社會經(jīng)濟發(fā)展。廣西是少數(shù)民族自治區(qū)，是壯族主要聚集地，同時分布有瑤族、苗族、侗族、仫佬族、京族等少數(shù)民族，是我國少數(shù)民族人口總數(shù)最多的自治區(qū)。2015年全區(qū)轄有14個地級行政區(qū)劃單位，110個縣級行政區(qū)劃單位，538萬貧困人口，且大部分分布于大石山區(qū)、少數(shù)民族地區(qū)、革命老區(qū)、邊境地區(qū)等“貧困洼地”，扶貧工作較艱巨。

2 數(shù)據(jù)來源與研究方法

2.1 變量選取與數(shù)據(jù)來源

以區(qū)域貧困程度作為被解釋變量，以地形因子作為解釋變量，研究地形因子對區(qū)域貧困的影響效應及其空間格局。當前我國扶貧工作的重點區(qū)域是農(nóng)村地區(qū)，農(nóng)村居民生活水平?jīng)Q定區(qū)域貧困程度，因此以農(nóng)村居民人均純收入作為衡量區(qū)域貧困程度的標準，農(nóng)村居民人均純收入數(shù)據(jù)來源于2016年《廣西壯族自治區(qū)統(tǒng)計年鑒》及各地方政府門戶網(wǎng)站。地形特征包括高程、坡度、坡向、地面起伏等要素，結合已有研究成果與數(shù)據(jù)的可獲得性[15-16]，選取對土地利用產(chǎn)生較大影響的5個地形因子即平均海拔、平均坡度、地形起伏度、坡度變率、地面粗糙度開展研究（表1）。地形因子數(shù)據(jù)來源主要是在ENVI 5.1與ArcGIS 10.2平臺支持下，繪制廣西5 km×5 km 格網(wǎng)，對2015年廣西DEM（30 m）數(shù)據(jù)進行預處理，提取各地形因子數(shù)據(jù)，利用數(shù)據(jù)管理模塊、分析模塊、屬性表運算、分區(qū)統(tǒng)計等功能，將地形因子數(shù)據(jù)給相應格網(wǎng)賦屬性值，最后通過均值法計算各縣（市、區(qū)）的地形情況。

2.2 模型構建

2.2.1 空間權重矩陣設定 空間計量模型須在模型中設定

空間權重矩陣，確定各研究單元之間的空間權重值，在此基礎上形成的空間面板數(shù)據(jù)模型更具說服力，本研究采用基于K-近鄰法構建的K-近鄰矩陣（K-nearest neighbor）方法設定空間權重矩陣，其形式如下[17]。

W=1dij dij≤di（k）

0 i=j

0 其他。

式中：di（k）表示縣（市、區(qū)）i到第k個鄰近區(qū)域的距離，取 k=5。如果縣（市、區(qū)）j不屬于縣（市、區(qū)）i的k個鄰居，則認為其之間不存在空間依賴關系，空間權重矩陣值設定為0;反之，如果縣（市、區(qū)）j是縣（市、區(qū)）i的近鄰，則空間權重矩陣值為2個縣（市、區(qū)）之間的距離倒數(shù)。

2.2.2 空間相關性模型 采用莫蘭指數(shù)（Morans I）進行變量空間相關性研究，利用單變量空間自相關性分析各地形因子與區(qū)域貧困空間分布聚集特征;利用雙變量空間相關性探討各地形因子與區(qū)域貧困之間是否存在空間依賴性，為空間計量模型的運用奠定基礎，表達式為：

Morans I=∑ni=1∑nj=1wij（xi-x）（xj-x）∑ni=1∑nj=1wijs2;

s2=1n∑ni=1（xi-x）2。

式中：n表示樣本數(shù)，廣西110個縣（市、區(qū)），取n=110;xi表示變量在縣（市、區(qū)）i的屬性值;xj表示變量在縣（市、區(qū)）j的屬性值;x 表示變量的平均值;wij表示縣（市、區(qū)）i和縣（市、區(qū)）j之間空間權重矩陣值;s2表示變量的方差。

空間自相關性的顯著性水平一般通過Z值與P值進行檢驗確定，一般認為當P值=0.01且滿足 |Z|>2.58時，則拒絕0假設，變量的空間相關性顯著;反之，則不拒絕0假設，變量不存在顯著的空間相關性。

2.2.3 OLS回歸模型 采用OLS回歸模型探究未考慮空間地理單元影響下，被解釋變量與解釋變量之間的相關性，表達式為：

lnYi=α+βjlnxij+ε。

式中：Yi表示i縣（市、區(qū)）的被解釋變量;xij表示i縣（市、區(qū)）解釋變量j影響因子;βj表示j影響因子的影響彈性;ε表示隨機誤差。

OLS回歸模型相關性研究一般通過t值與調(diào)整后的R2進行檢驗確定，一般界定滿足|t|>2.58，則模型通過檢驗，被解釋變量與解釋變量存在相關性，調(diào)整后R2越大則表示回歸模型擬合程度越好。

2.2.4 地理加權回歸模型 為了反映各地形因子影響效應水平的空間差異，對通過空間相關性檢驗的變量采用地理加權回歸模型（GWR）進行分析，地理加權回歸模型簡化表示如下[18]：

Pi=a0（ui，vi）+∑nk=1xikak（ui，vi）+εi。

式中：n表示解釋變量的個數(shù);k表示解釋變量;i表示縣（市、區(qū)）;a0（ui，vi）表示常數(shù)項;xik表示通過檢驗的第k個解釋變量在i縣（市、區(qū)）的取值;（ui，vi）表示i縣（市、區(qū)）幾何中心的空間坐標;ai（ui，vi）表示i縣（市、區(qū)）的特征彈性系數(shù);εi表示殘差。

3 實例檢驗與結果分析

3.1 空間異質(zhì)性格局

利用SPSS對各變量數(shù)據(jù)進行Z分數(shù)（Z-score）標準化，采用自然斷點法將標準化結果分為5級，繪制各變量空間分異圖（圖2），分析各變量空間分異情況。從地形因子看，平均海拔、平均坡度、地形起伏度空間分異格局總體上表現(xiàn)為北高南低的趨勢，主要由于西北部與云貴高原連接，且分布有鳳凰山脈、都陽山脈，東北部分布有越城嶺山脈、天平山脈、九萬大山等山脈，南部沿海地區(qū)分布有欽州平原、合浦平原等。坡度變率空間分異格局總體表現(xiàn)為“東西高、中間低”的“凹”形格局，主要由于東部分布有天平山、大瑤山等山脈，中部分布有柳州平原、潯江平原、郁江平原、南寧盆地。其中，西林縣、隆林縣、田林縣、樂業(yè)縣、那坡縣、靖西市、德?？h、凌云縣、天峨縣、鳳山縣、南丹縣、龍勝縣、灌陽縣、金秀縣的這4個地形因子數(shù)值均較高，這些縣（市）地形條件較差，給土地的有效利用帶來較大難度。地面粗糙度是指從空氣動力學角度出發(fā)，因地表起伏不平或地物本身幾何形狀的影響，風速廓線上風速為0的位置并不在地表（高度為0處），而在離地表一定高度處，這一高度定義為地面粗糙度[19]，其空間分異格局主要表現(xiàn)為北低南高的趨勢。從貧困情況看，農(nóng)村居民人均純收入總體表現(xiàn)為東西低、中間高的“凸”形格局，與地形條件形成一定程度的吻合性，基本表現(xiàn)為地形條件利用難度較大的地區(qū)農(nóng)民收入較低，區(qū)域貧困程度較大;而地勢較平坦的地區(qū)經(jīng)濟發(fā)展協(xié)調(diào)，區(qū)域貧困程度較小。

3.2 空間依賴性分析

在GeoDa平臺支持下，利用Morans I分析各變量空間依賴性（表2），可視化變量空間自相關聚集格局（圖3）。各變量P值=0.01，均滿足|Z|>2.58，通過顯著性檢驗，具有空間依賴性，Morans I值大于0表示各變量在空間上存在集聚現(xiàn)象。其中，平均海拔、地形起伏度、坡度變率的Morans I值較高，其在空間上形成的聚集效應較顯著。

平均海拔在西北部與東北部形成大小2個組團的高-高集聚模式，在南部沿海及其往北延伸方向形成低-低集聚模式。平均坡度與地形起伏度在西北部形成高-高集聚模式，在南部沿海地區(qū)形成低-低集聚模式，地形起伏度在防城區(qū)形成高-低集聚模式，主要是因為區(qū)域分布有十萬大山使得地形起伏度較大。坡度變率主要在西北部形成高-高集聚模式，在南部沿海地區(qū)形成低-低集聚模式，但在東北部地勢較高的區(qū)域并未形成顯著的高-高集聚模式， 主要是因為東北

部對于坡耕地的利用采取梯田方式，極大地提高了耕地的利用程度，有利于減緩坡度變率。地面粗糙度在西北部形成 低-低集聚模式，高-高集聚模式則較零散地分布在南部及中部地區(qū)。農(nóng)村居民人均純收入在西北部形成低-低集聚模式，但在右江區(qū)、田東縣形成了高-低集聚模式，主要是由于該區(qū)域分布有百色盤地，地勢較平坦，且耕地肥沃、氣候適宜芒果、香蕉、番茄等特色農(nóng)作物的生長，第一產(chǎn)業(yè)發(fā)展較協(xié)調(diào)，特色作物產(chǎn)出提高了當?shù)厝藗兊氖杖胨?，?高集聚模式主要分布在柳州市、桂林市等部分二、三產(chǎn)業(yè)發(fā)達的城市，柳州市是重工業(yè)城市，第二產(chǎn)業(yè)發(fā)達，這給當?shù)厝藗兲峁┝溯^好的就業(yè)機會，桂林市是我國著名的旅游城市，第三產(chǎn)業(yè)發(fā)達，旅游業(yè)發(fā)展可以提高當?shù)厝藗兊氖杖胨健?/p>

3.3 空間相關性檢驗

引入空間計量模型之前，對地形因子與區(qū)域貧困的空間相關性進行檢驗，利用雙變量的空間自相關模型分析解釋變量與各被解釋變量的空間集聚相關性，繪制變量莫蘭散點圖（圖4）。各解釋變量與被解釋變量空間相關性P值=0.01，均滿足|Z|>2.58，通過顯著性檢驗，且Morans I絕對值處于0.43～0.54之間，表明各地形因子與農(nóng)村居民人均純收入在空間分布上存在顯著的空間相關性，其中，平均坡度、地形起伏度與農(nóng)村居民人均純收入的Morans I值較高，具有較強的空間相關性。

由圖4可知，平均海拔、平均坡度、地形起伏度、坡度變率

等4個地形因子散點主要落在第二、第四象限，表現(xiàn)為空間負相關，即當某縣（市、區(qū)）的平均海拔越高、平均坡度越大、地形起伏度越大、坡度變率越大，越會導致農(nóng)村居民人均純收入降低、貧困程度嚴重。地面粗糙度散點主要落在第一、第三象限，表現(xiàn)為空間正相關，即某縣（市、區(qū)）地面粗糙度越大，越會使得農(nóng)村居民人均純收入提高。

3.4 影響效應分析

在各解釋變量與被解釋變量均通過雙變量空間相關性檢驗的基礎上，利用OLS回歸模型與GWR的地理加權模型分別對各解釋變量與被解釋變量進行回歸分析，對比回歸模型擬合效果（表3），繪制各地形因子對區(qū)域貧困影響系數(shù)空間分異圖（圖5）。

由表3可知，各變量OLS回歸結果t絕對值均大于 2.58，通過顯著性檢驗，但回歸結果調(diào)整后R2值在0.3～0.5之間，處于較低的水平，OLS模型的擬合效果不佳。經(jīng)對比分析，各變量GWR地理加權回歸結果的調(diào)整后R2均大于OLS回歸結果的調(diào)整后R2，GWR地理加權回歸結果的赤池信息準則（AIC）值均小于OLS回歸結果的AIC值，說明GWR地理加權回歸模型具有更好的擬合性。因此，在對具有空間相關性的變量進行回歸分析時，應考慮空間位置間的效應作用，OLS模型忽略了空間位置間的相關性，模型預測擬合效果不佳，采用地理加權回歸模型開展分析更加合理。

由圖4可知，將不同區(qū)位上地形因子與農(nóng)村居民人均純收入的回歸系數(shù)稱為影響系數(shù)，影響系數(shù)的絕對值反映地形因子的影響程度，影響系數(shù)的正負反映影響作用的正負相關性。平均海拔表現(xiàn)為負相關性，影響效應空間上呈現(xiàn)由中部向外逐級遞減的趨勢，東西部與南部沿海地區(qū)平均海拔對貧困的影響程度較低，而中部地區(qū)影響程度較高。平均坡度、地形起伏度和坡度變率表現(xiàn)為負相關性，影響效應空間分布情況大致相同，主要表現(xiàn)為以融江為軸心“U”形向外逐級遞減

的趨勢，南部沿海地區(qū)影響程度低，而北部融江流域縣（市、區(qū)）影響程度高。地面粗糙度表現(xiàn)為正相關，影響效應空間呈現(xiàn)由西北部向東南逐級遞減的趨勢。因此，不同區(qū)域地形條件對區(qū)域人們收入水平的影響作用有所不同，各地形因子對區(qū)域貧困的作用效應存在空間上的差異。

4 結論與建議

4.1 主要結論

本研究以廣西壯族自治區(qū)為研究區(qū)域，在縣（市、區(qū)）尺度上分析各地形因子與區(qū)域貧困空間異質(zhì)性格局和空間依性格局，檢驗各地形因子與區(qū)域貧困間的空間相關性特征，定量評價各地形因子對區(qū)域貧困影響效應的空間差異格局，得出以下結論：第一，各地形因子與區(qū)域貧困空間格局存在差異，平均海拔、平均坡度、地形起伏度空間分異格局表現(xiàn)為北高南低的趨勢，坡度變率表現(xiàn)為東西高、中間低的格局，地面粗糙度表現(xiàn)為北低南高的趨勢，農(nóng)村居民人均純收入表現(xiàn)為東西低、中間高的態(tài)勢?？傮w上看，區(qū)域貧困與地形因子間形成一定程度的空間吻合性，基本表現(xiàn)為地形條件利用難度較大的地區(qū)貧困水平較高。第二，各地形因子與區(qū)域貧困具有較強的空間依賴性。平均海拔、平均坡度、地形起伏度與坡度變率高-高集聚區(qū)主要分布在西北部，低-低集聚區(qū)主要分布在南部沿海地區(qū);地面粗糙度在西北部形成低-低集聚模式，高-高集聚模式則較零散地分布在南部及中部地區(qū);農(nóng)村居民人均純收入在西北部形成低-低集聚模式，高-高集聚模式主要分布在廣西東北部的二、三產(chǎn)業(yè)發(fā)達的城市。因此，地區(qū)產(chǎn)業(yè)發(fā)展是拉動地方經(jīng)濟增長與促進減貧脫貧的利器。第三，各地形因子與區(qū)域貧困存在空間相關性且各因子對貧困影響效應不同，平均海拔、平均坡度、地形起伏度、坡度變率等4個地形因子莫蘭散點主要落在二、四象限，表現(xiàn)為空間負相關，影響效應主要以融江為軸心呈“U”形向外逐級遞減的趨勢;地面粗糙度莫蘭散點主要落在一、三象限，表現(xiàn)為空間正相關，影響效應由西北部向東南逐級遞減的趨勢。

4.2 建議

根據(jù)廣西各縣（市、區(qū)）貧困空間分異特征，結合地形因子的影響效應與空間差異格局，因地制宜地提出扶貧方針政策，才能更好地服務于減貧脫貧目標。具體來看，貧困高-高集聚區(qū)域主要分布在西北地區(qū)，該地區(qū)受到平均坡度、地形起伏度和坡度變率的影響作用較大，是廣西自然災害的高發(fā)地區(qū)，山體滑坡、泥石流等災害時有發(fā)生。因此，要注重建立該區(qū)域的生態(tài)補償機制，積極開展落實異地扶貧搬遷項目，保障

賴人們的生命財產(chǎn)安全不受侵害。還應合理有序推進該區(qū)域土地整治項目的開展，側重土地平整、水土保持、生態(tài)補償工程實施，轉變土地利用方式，充分挖潛土地開發(fā)利用潛力。另外，西北地區(qū)是自然景觀原生態(tài)保留地區(qū)，也是許多特色農(nóng)副產(chǎn)品的富產(chǎn)區(qū)，可加大對地區(qū)特色產(chǎn)業(yè)的支持力度，結合地形地貌特征挖掘區(qū)域旅游業(yè)發(fā)展?jié)摿?，以土地資源為支撐，以產(chǎn)業(yè)發(fā)展為切入點，促進區(qū)域經(jīng)濟發(fā)展，改善農(nóng)民生產(chǎn)條件，提高農(nóng)民生活水平，助力區(qū)域減貧脫貧事業(yè)發(fā)展。貧困低-低集聚區(qū)域主要分布在廣西二、三產(chǎn)業(yè)發(fā)達地區(qū)，該區(qū)域經(jīng)濟發(fā)展活力較強，是廣西經(jīng)濟發(fā)展的重要支撐與領頭軍，應繼續(xù)保持對該地區(qū)產(chǎn)業(yè)發(fā)展政策的支持，同時激發(fā)地方經(jīng)濟發(fā)展的溢出效應，使得該區(qū)域在經(jīng)濟發(fā)展的同時，帶動周圍縣（市、區(qū)）的經(jīng)濟發(fā)展，促進扶貧工作的深入開展。對于地形條件較好的南部沿海地區(qū)，應注重提高土地的節(jié)約集約利用水平，推進農(nóng)業(yè)現(xiàn)代化進程，提高土地產(chǎn)出效率與經(jīng)濟產(chǎn)出量，同時發(fā)揮沿海港口優(yōu)勢，通過海運貿(mào)易推廣廣西特色產(chǎn)品的向外輸出，多角度、多方位拉動區(qū)域經(jīng)濟發(fā)展，提高扶貧工作成效。

參考文獻：

[1]張海兵，鞠正山，張鳳榮. 中國社會經(jīng)濟結構與土地利用結構變化的相關性分析[J]. 中國土地科學，2007，21（2）：12-17.

[2]Foster L.Big data and social science[M]. Francis：CRC Press，2017：243-248.

[3]Fotheringham A S.Geographically weighted regression[M]. British：British Library Catalohuing，2002：159-165.

[4]Lloyd C D.Local models for spatial analysis[M]. Francis：CRC Press，2017：62-67.

[5]Fotheringham A S. Quantitative geography[M]. Great Britain：the Cromwell Press Ltd，2000：99-108.

[6]郭國強. 空間計量模型的理論和應用研究[D]. 武漢：華中科技大學，2013.

[7]覃文忠. 地理加權回歸基本理論與應用研究[D]. 上海：同濟大學，2007.

[8]汪旭濤，謝昭宇，胡凱鋒. 中高山地區(qū)滑坡發(fā)育地形地貌因子敏??感性研究[J]. 地震工程學報，2013，35（3）：587-603.

[9]周艷蓮，孫曉敏，朱治林，等. 幾種典型地表粗糙度計算方法的比較研究[J]. 地理研究，2007，26（5）：887-896.

[10]楊先武，錢葉青，鄭春霞. 喀斯特峰林峰叢地貌形態(tài)表達研究綜述[J]. 地理與地理信息科學，2017，33（4）：22-27.

[11]王建康，谷國鋒. 土地要素對中國城市經(jīng)濟增長的貢獻分析[J]. 中國人口·資源與環(huán)境，2015，25（8）：10-17.

[12]袁冬梅，魏后凱，于 斌. 中國地區(qū)經(jīng)濟差距與產(chǎn)業(yè)布局的空間關聯(lián)性——基于Moran指數(shù)的解釋[J]. 中國軟科學，2012（12）：90-102.

[13]劉彥隨，鄧旭升，胡業(yè)翠. 廣西喀斯特山區(qū)土地石漠化與扶貧開發(fā)探析[J]. 山地學報，2006，24（2）：228-233.

[14]胡業(yè)翠，方玉東，江文亞. 廣西喀斯特石漠化與貧困化空間相關性及互動效應研究[J]. 資源與產(chǎn)業(yè)，2009，11（5）：105-110.

[15]哈 凱，丁慶龍，門明新，等. 山地丘陵區(qū)土地利用分布及其與地形因子關系——以河北省懷來縣為例[J]. 地理研究，2015，34（5）：909-921.

[16]焦貝貝，石培基，劉春芳，等. 黃土高原低山丘陵區(qū)農(nóng)村居民點分布與地形因子關系研究——以蘭州市七里河區(qū)為例[J]. 資源科學，2013，35（8）：1719-1727.

[17]張可云，王裕瑾，王 婧. 空間權重矩陣的設定方法研究[J]. 區(qū)域經(jīng)濟評論，2017（1）：19-25.

[18]王永明，王美霞，吳殿廷，等. 貴州省鄉(xiāng)村貧困空間格局與形成機制分析[J]. 地理科學，2017，37（2）：217-227.

[19]劉 靜，卓慕寧，胡耀國. 初論地表粗糙度[J]. 生態(tài)環(huán)境，2007，16（6）：1829-1836.

收稿日期：2018-09-21

基金項目：國家自然科學基金（編號：41861039）;廣西哲學社會科學規(guī)劃研究課題（編號：17FGL016、17FGL014）;廣西師范學院科學研究基金（編號：2013L08）。

作者簡介：韋燕飛（1978—），女，廣西田陽人，博士，教授，主要從事土地利用優(yōu)化配置研究。E-mail：65358105@qq.com。

通信作者：何彥諺，主要從事土地利用優(yōu)化配置研究。E-mail：394288552@qq.com。