崔學(xué)森 劉軼倫 郭玉彬 黎世勇 胡月明 張飛揚(yáng) 王璐

摘要：運(yùn)用CLUE-S模型進(jìn)行大范圍的土地利用變化模擬具有其優(yōu)越性，但是傳統(tǒng)模型對于研究區(qū)內(nèi)不同地理區(qū)域土地利用變化的自然人文驅(qū)動因子的差異缺乏考慮。針對大范圍土地利用變化模擬存在的問題，在傳統(tǒng)的CLUE-S模型的基礎(chǔ)上，引入了空間分區(qū)的概念，使模擬過程中考慮了不同空間分區(qū)對驅(qū)動因子敏感性的差異，并用GWR-Logistics回歸對研究區(qū)進(jìn)行土地利用變化轉(zhuǎn)換適宜性建模。以海南省多期土地利用現(xiàn)狀分布圖為基礎(chǔ)，利用多個(gè)影響因子進(jìn)行分區(qū)用地適宜性回歸，并集成于CLUE-S模型進(jìn)行模擬。通過對比發(fā)現(xiàn)，基于地理加權(quán)CLUE-S模型對于空間差異性顯著的區(qū)域具有更好的適用性。

關(guān)鍵詞：CLUE-S;分區(qū)模擬;土地利用/覆被變化;GWR-Logistic回歸

中圖分類號： F323.211 文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2019）20-0287-06

土地利用/覆被變化（land use/cover change，簡稱LUCC）的研究內(nèi)容包含了土地利用和土地覆被變化過程、驅(qū)動機(jī)制以及資源、生態(tài)和環(huán)境效應(yīng)影響等諸多方面。土地利用變化模擬是LUCC的核心內(nèi)容之一[1]。近年來，大區(qū)域的土地利用變化模擬受到了更多的關(guān)注[2]，如何考慮區(qū)域空間差異并提高模擬質(zhì)量成為了在大區(qū)域模擬過程中需要考慮的核心問題。

根據(jù)近年來學(xué)者在土地利用變化的驅(qū)動力、結(jié)構(gòu)、模式的研究來看，由于受區(qū)位條件、自然條件與行政等級分異等因素的影響，土地利用變化是存在區(qū)域分異的，且具有時(shí)序性的特點(diǎn)[3-5]。土地利用模擬已有分區(qū)模擬的探索與應(yīng)用，如楊俊等基于局部土地利用競爭的CA-Markov模型進(jìn)行土地利用變化模擬[6];柯新利等論證了基于空間聚類的分區(qū)元胞自動機(jī)比不分區(qū)具有更高的精度[7]。CLUE-S模型在大范圍區(qū)域的土地利用變化情景模擬具有先天優(yōu)勢[1]，近年來對CLUE-S模型的改進(jìn)更多地集中在計(jì)算用地需求的模型[8-11]與驅(qū)動力回歸算法[12]上，而對影響土地利用類型空間分布的驅(qū)動因子區(qū)域分異問題的研究仍在初步探索階段。吳桂平等在驅(qū)動因子的回歸計(jì)算中引入了空間自相關(guān)變量[13]，但其反映的空間關(guān)系仍停留在微觀層面，忽略了區(qū)域上的空間差異，例如對于海南省的中部山地區(qū)與沿海經(jīng)濟(jì)帶則難以用統(tǒng)一的回歸方程解釋各驅(qū)動因子與土地利用變化的關(guān)系。因此，有必要在建立土地適宜性回歸方程的過程中考慮驅(qū)動因子在不同分區(qū)之間的差異，并探索不同的空間分區(qū)模擬方式情景下CLUE-S的適用性。

CLUE-S模型一般包括自上而下的宏觀控制與自下而上的微觀規(guī)則2個(gè)方面[14]。但是在這種CLUE-S模型的運(yùn)行機(jī)制下，對區(qū)域尺度上的空間差異則較少考慮。從其模擬過程來看，CLUE-S模型注重從宏觀全局的角度進(jìn)行土地利用變化模擬，并認(rèn)為研究區(qū)域具有同質(zhì)性，這與地理區(qū)域在自然與人文各因素在客觀上具有空間差異性是相矛盾的，驅(qū)動因子在不同空間分區(qū)上對土地利用變化的影響是不一樣的，而用統(tǒng)一的驅(qū)動力回歸方程驅(qū)動具有空間差異性的土地利用變化過程，降低了模擬的準(zhǔn)確性。地理加權(quán)回歸（geographically weighted regression，簡稱GWR）模型允許局部的參數(shù)進(jìn)行函數(shù)擬合[15]，利用GWR模型集成具有不同區(qū)域特征的用地適宜性方程可以使模型更好地解決驅(qū)動因子的空間異質(zhì)性問題。因此需要在原有的土地利用變化模擬模型的基礎(chǔ)上引入空間分區(qū)的概念，以適用于模擬具有宏觀空間分區(qū)差異的區(qū)域。

本研究在利用CLUE-S模型進(jìn)行土地利用變化模擬的基礎(chǔ)上，加入了GWR-Logistics回歸模型以適應(yīng)不同空間差異的分區(qū)模擬。以海南省為例，因其自然條件與經(jīng)濟(jì)發(fā)展情況具有較為明顯的區(qū)域分布特征，通過分析驅(qū)動因子的分布特征進(jìn)行區(qū)域劃分。在海南省2009年、2012年、2015年土地利用類型現(xiàn)狀數(shù)據(jù)的基礎(chǔ)上，對沿海經(jīng)濟(jì)帶、環(huán)形臺地帶、中部山地區(qū)3個(gè)區(qū)域建立不同的驅(qū)動力回歸方程，并通過地理加權(quán)集成到CLUE-S模擬的過程中，最后探討了CLUE-S模型在不同的模擬情景之間的優(yōu)劣。

1 模型與方法

1.1 CLUE-S模型

CLUE-S模型是荷蘭瓦赫寧根大學(xué)“土地利用與變化”研究小組在CLUE模型的基礎(chǔ)上開發(fā)的。CLUE-S模型是一種未來用地變化及其空間分布的多情景的、動態(tài)的、區(qū)域性的小尺度分析預(yù)測模型?；谙到y(tǒng)論的方法，CLUE-S模型利用社會經(jīng)濟(jì)與自然資源的驅(qū)動因子來分析用地變化。該模型還提出土地利用系統(tǒng)中的分層結(jié)構(gòu)、位置與定義用地類型轉(zhuǎn)換彈性的一系列變量所影響的穩(wěn)定性之前的空間關(guān)系[16]。

CLUE-S分為土地需求模塊與土地利用變化空間分配模塊2個(gè)部分。土地需求模塊從宏觀的角度上計(jì)算研究區(qū)內(nèi)由土地需求驅(qū)動因素導(dǎo)致的土地利用類型數(shù)量的變化，或者計(jì)算設(shè)定不同情景條件的土地需求。土地利用變化空間分配模塊則把土地需求模塊計(jì)算出的土地需求結(jié)果分配到研究區(qū)的空間位置上，達(dá)到空間模擬的目的[17]。一般土地利用變化空間分配模塊的第一步是借助外部模型計(jì)算出土地利用適宜性回歸方程，最常用的模型是二元Logistics回歸模型：

利用得到的回歸方程計(jì)算模擬年份在不同土地利用類型上的土地適宜性分布概率，再計(jì)算柵格在迭代過程中一定搜索半徑中不同土地類型出現(xiàn)的頻率，從而得到各柵格的鄰域影響值。最后綜合由土地適宜性、預(yù)定義的轉(zhuǎn)換彈性與鄰域影響3個(gè)因素計(jì)算得到的總體轉(zhuǎn)換概率進(jìn)行空間配置，并通過迭代計(jì)算使模擬土地?cái)?shù)量符合土地需求為止[18]，其核心公式為

式中：TPROPi，u表示柵格i對u土地類型的總體轉(zhuǎn)換概率;Pi，u表示柵格i對u土地類型的土地適宜性，其值越接近1表示出現(xiàn)u土地類型的概率越大;ELASu表示u土地類型的轉(zhuǎn)換彈性，越接近0表示轉(zhuǎn)換耗費(fèi)越低，反之越高;Ni，u表示柵格i對u土地類型的鄰域適宜性，其反映了i柵格被周圍u土地類型同化程度的高低;ITERu表示迭代變量，在每一次迭代中，當(dāng)u土地類型總量與土地需求不符則自動改變并進(jìn)入下一輪空間配置。

1.2 基于CLUE-S的分區(qū)模擬

本研究在CLUE-S模型的基礎(chǔ)上，對研究區(qū)進(jìn)行區(qū)域劃分。針對不同的區(qū)域分別進(jìn)行土地利用變化驅(qū)動力的回歸分析，使驅(qū)動因子與土地利用變化的關(guān)系由全區(qū)域變?yōu)榉謪^(qū)各自的驅(qū)動力方程，減少了不同分區(qū)合并而造成的方程特征模糊。根據(jù)各組驅(qū)動力回歸方程計(jì)算整個(gè)研究區(qū)的用地適宜性概率，該組土地適宜性概率包含了不同分區(qū)的發(fā)展特征，考慮到不同的土地適宜性對不同分區(qū)的解析程度不一致且具有空間上連續(xù)衰減的特點(diǎn)，再引入地理加權(quán)的方法將分區(qū)適宜性合并輸入到CLUE-S模型進(jìn)行模擬。

1.2.1 GWR-Logistics回歸

Logistics回歸是一種計(jì)算各個(gè)土地利用類型在空間上分布的概率的常用方法，反映不同土地利用受驅(qū)動因子影響在空間上的適宜性。在分區(qū)模擬的思路下，對不同分區(qū)分別將回歸因子與土地利用現(xiàn)狀數(shù)據(jù)輸入到SPSS中的二元Logistics逐步回歸，得到反映不同區(qū)域土地利用特征的回歸方程，并推測出分區(qū)適宜性概率。根據(jù)研究區(qū)的空間分布特征，構(gòu)建反映區(qū)域局部特征的地理加權(quán)因子，將分區(qū)適宜性概率加權(quán)疊加得到總體土地適宜性。

1.2.2 土地需求計(jì)算

一般情況下土地需求計(jì)算依賴于外部模型來完成，本研究使用操作性較強(qiáng)的曲線擬合方式來預(yù)測不同土地利用類型的土地需求數(shù)量。曲線擬合的方法使用最小二乘法，擬合曲線類型使用二次函數(shù)。

1.2.3 鄰域分析

傳統(tǒng)的CLUE-S模型所采用的二元Logistics逐步回歸方法往往忽略了空間數(shù)據(jù)內(nèi)部具有自相關(guān)性，為了彌補(bǔ)這一缺陷，參考CA元胞自動機(jī)定義轉(zhuǎn)換規(guī)則的方法[19]，在原有的CLUE-S模型的基礎(chǔ)上，引入了鄰域約束作為空間配置的一個(gè)因子。鄰域類型包括von Neumann鄰域和Moore鄰域，為了方便運(yùn)算，采用3×3Moore鄰域窗口針對每一種土地利用類型建立鄰域約束，若中心元胞的約束鄰域內(nèi)存在的土地利用類型越多，則其值越高，表示受該土地利用類型的影響程度越高。

1.2.4 轉(zhuǎn)換彈性

傳統(tǒng)的CLUE-S模型多根據(jù)經(jīng)驗(yàn)來定義土地利用類型之間的轉(zhuǎn)換彈性矩陣，其取值越低表示土地類型轉(zhuǎn)換的概率越低，反之越高。這種方法受主觀影響較大，并且需要在模型檢驗(yàn)中不斷調(diào)試。本研究參考了Markov鏈模型的思路，認(rèn)為當(dāng)前一年的土地利用狀況受前一年的土地利用狀況影響，用1年作為步長，以歷年土地利用類型的數(shù)量作為狀態(tài)序列，計(jì)算不同相鄰狀態(tài)的轉(zhuǎn)換概率并構(gòu)建土地利用轉(zhuǎn)移矩陣。該矩陣取能反映歷史土地利用類型之間的轉(zhuǎn)移概率，再取倒數(shù)用于表示土地利用類型之間的轉(zhuǎn)換彈性。

2 模型應(yīng)用與驗(yàn)證

2.1 研究區(qū)概況

海南省是我國最南端的一個(gè)島嶼，全省陸地總面積3.5萬km2，自2010年提出建設(shè)國際旅游島以來經(jīng)歷了快速城鎮(zhèn)化的過程，土地利用方式與模式也隨著經(jīng)濟(jì)的發(fā)展而改變。海南省先天性具有自然條件與社會經(jīng)濟(jì)條件相對獨(dú)立的特點(diǎn)，受周邊地區(qū)影響較少，另一方面，海南省又存在著環(huán)形的分層結(jié)構(gòu)，沿海地區(qū)經(jīng)濟(jì)與發(fā)展均優(yōu)于中部山區(qū)，而農(nóng)田與植被覆蓋也存在以中部山區(qū)向外輻射減少的趨勢。自從2010年國務(wù)院下發(fā)《國務(wù)院關(guān)于推進(jìn)海南國際旅游島建設(shè)發(fā)展的若干意見》以來，海南省在保護(hù)生態(tài)環(huán)境及基本農(nóng)田的基礎(chǔ)上，大力扶持開發(fā)多種旅游資源。因此，需要結(jié)合海南省各區(qū)域特點(diǎn)來合理地制定發(fā)展規(guī)劃方案。

2.2 數(shù)據(jù)源及預(yù)處理

本研究所需數(shù)據(jù)包括3期土地利用現(xiàn)狀數(shù)據(jù)及6個(gè)驅(qū)動因子數(shù)據(jù)，數(shù)據(jù)均由海南省國土資源廳信息中心提供。將海南省2009年、2012年、2015年的第2次土地調(diào)查及變更調(diào)查圖件數(shù)據(jù)歸并為5種土地利用類型（表1）。在保證計(jì)算效率的前提下，確定數(shù)據(jù)源的空間分辨率為500 m×500 m。

土地利用變化一般受自然資源條件與社會經(jīng)濟(jì)條件2類因素影響（表2）。其中自然資源因子包括植被、水體、農(nóng)業(yè)適宜性3種指數(shù)，社會經(jīng)濟(jì)因子選取了縣城中心、高速公路、省道3種要素并通過ArcGIS通過距離制圖得到。

空間自相關(guān)反映的是一塊區(qū)域中某種現(xiàn)象與鄰近區(qū)域單元上同一現(xiàn)象的相關(guān)程度，而某個(gè)驅(qū)動因子的值在同一區(qū)域?qū)ν煌恋乩妙愋统尸F(xiàn)出區(qū)域性的空間自相關(guān)行為。利用ArcGIS通過Getis-Ord Gi*統(tǒng)計(jì)方法[20]對6個(gè)驅(qū)動因子進(jìn)行熱點(diǎn)分析，發(fā)現(xiàn)其聚集現(xiàn)象存在不同程度的環(huán)形結(jié)構(gòu)（圖 1-a），結(jié)合疊加分析各驅(qū)動因子得到的聚集趨勢進(jìn)行空間分區(qū)，可將研究區(qū)分為沿海經(jīng)濟(jì)帶、環(huán)形臺地帶、中部山地區(qū)3個(gè)區(qū)域（圖1-b）。

2.3 參數(shù)設(shè)置

通過對研究區(qū)的2009年、2012年、2015年的土地利用數(shù)量進(jìn)行二次方程的曲線擬合，計(jì)算出2015年、2020年、2025年的土地需求（表3）。以歷史土地利用轉(zhuǎn)換情況為基礎(chǔ)，構(gòu)建Markov鏈模型，得到土地轉(zhuǎn)移彈性矩陣（表4，水體設(shè)定為不允許轉(zhuǎn)換）。由于研究區(qū)具有近似環(huán)形的分區(qū)結(jié)構(gòu)，可以利用距中心點(diǎn)衰減、增強(qiáng)及兩者疊加的方式構(gòu)建出近似環(huán)形的權(quán)重文件[w1，w2，w3]，其中wx的取值為[0，1]，將不同分區(qū)回歸預(yù)測結(jié)果分別與[w1，w2，w3]加權(quán)求和得到總體土地適宜性（圖2）。以生態(tài)保護(hù)紅線作為限制區(qū)域。將土地需求、轉(zhuǎn)移彈性、土地適宜性與限制區(qū)域輸入到CLUE-S模型中，模擬不分區(qū)、分區(qū)模擬及分區(qū)集成3種情況下的土地利用分布。

分區(qū)Logistics回歸示意如圖2所示，fi（xi，1，xi，2，…，xi，m）表示第i個(gè)分區(qū)由m個(gè)驅(qū)動因子得到的回歸方程，Pi，u表示柵格i對u土地類型的土地適宜性，[w1，w2，…，wi]表示地理加權(quán)因子。

2.4 結(jié)果與檢驗(yàn)

將3個(gè)分區(qū)下的5種土地利用類型與6個(gè)驅(qū)動因子?xùn)鸥駭?shù)據(jù)轉(zhuǎn)換成文本文件，根據(jù)分區(qū)二元Logistics逐步回歸建模方法計(jì)算不同區(qū)域特征的回歸方程（表5） 其中“—”表示被剔除的因子。對回歸方程使用ROC曲線檢驗(yàn)，該值越大，說明回歸方程的擬合精度越高，通常認(rèn)為ROC值大于0.7時(shí)，所選的驅(qū)動因子具有良好的解釋能力。運(yùn)用Python語言編寫GWR集成工具集成用地適宜性概率，將該概率值與其他參數(shù)輸入到JAVA編寫的CLUE-S模型模擬工具，輸出2種模擬方式的結(jié)果并與2015年的真實(shí)值進(jìn)行對比（圖3）。

由3個(gè)分區(qū)的Logistics回歸系數(shù)（表5）對比發(fā)現(xiàn)，在ROC檢驗(yàn)效果總體表現(xiàn)良好的情況下，不同區(qū)域的回歸系數(shù)具有較大的區(qū)別，尤其是自然資源因子區(qū)別更明顯，說明其回歸方程的共線性較低。

從圖3中?？诰植康哪M結(jié)果對比發(fā)現(xiàn)，集成CLUE-S模擬方法與傳統(tǒng)CLUE-S方法的土地利用分布形態(tài)均與2015年現(xiàn)狀分布類似，但是傳統(tǒng)方法表現(xiàn)出同質(zhì)化現(xiàn)象更嚴(yán)重，說明土地適宜性回歸方程對土地利用類型變化的解釋性比鄰域模塊弱，而集成CLUE-S模擬方法考慮了3個(gè)區(qū)域之間驅(qū)動因子的空間差異，分區(qū)域計(jì)算Logistics回歸方程再耦合到整個(gè)研究區(qū)，因此能更合理地解釋土地利用變化情況。

為了進(jìn)行模擬結(jié)果檢驗(yàn)，本研究同時(shí)使用傳統(tǒng)模型及改進(jìn)的CLUE-S模型進(jìn)行控制性試驗(yàn)：按照傳統(tǒng)的CLUE-S模型進(jìn)行模擬（以下簡稱傳統(tǒng)模型）;在3個(gè)區(qū)域中分別使用傳統(tǒng)的CLUE-S模型進(jìn)行模擬（以下簡稱分區(qū)模型）;在分區(qū)進(jìn)行Logistic回歸的基礎(chǔ)上，利用GWR集成的 CLUE-S模型進(jìn)行模擬（以下簡稱分區(qū)集成模型）。

2.4.1 模擬準(zhǔn)確性檢驗(yàn)

將2015年模擬結(jié)果與研究區(qū)同一年份的實(shí)際土地利用狀況進(jìn)行疊加分析，比較分區(qū)集成前后模擬的準(zhǔn)確率。通過對比發(fā)現(xiàn)，對比傳統(tǒng)CLUE-S模擬的結(jié)果，除了農(nóng)田的正確率降低了，其他的土地利用類型正確率均有所提高，而對比分區(qū)模型（均值），只有旅游用地的正確率降低了（表6）。

2.4.2 Kappa檢驗(yàn)

1960年Cohen提出用Kappa值作為評價(jià)判斷的一致性的指標(biāo)[21]，而實(shí)踐證明它是一個(gè)描述一致性較為理想的指標(biāo)。其中Kappa值由下式算得：

通過表7可知，分區(qū)集成比不進(jìn)行空間分區(qū)及單純分區(qū)模擬的Kappa值都要高，模擬結(jié)果更為理想。

2.4.3 Moran's I檢驗(yàn)

Moran's I指數(shù)可以用于衡量地圖數(shù)據(jù)的空間格局及分布，其絕對值越大說明空間相關(guān)性越明顯，當(dāng)值為0時(shí)表示空間呈隨機(jī)分布。用該指數(shù)檢驗(yàn)了分區(qū)集成與傳統(tǒng)CLUE-S方法，基于分區(qū)集成的CLUE-S模型所模擬的結(jié)果的Moran's I指數(shù)值更接近于實(shí)際情況的2015年土地利用分布情況（表8），因此，使用分區(qū)集成的方式更符合實(shí)際情況。

3 結(jié)論與討論

本研究針對以往對中-大范圍區(qū)域的土地利用模擬研究中缺乏考慮區(qū)域差異的問題，在傳統(tǒng)CLUE-S模型的基礎(chǔ)上引入Logistics回歸模型，試驗(yàn)結(jié)果表明其更能反映土地利用在空間上的區(qū)域差異，增強(qiáng)了模型對區(qū)域差異明顯的研究區(qū)的適用性和模擬的精度。

本研究利用2009年海南省土地利用數(shù)據(jù)模擬未來的土地利用情況，對比分析了傳統(tǒng)的CLUE-S模型與分區(qū)模擬的CLUE-S模型，分區(qū)集成的CLUE-S模型均有更理想的結(jié)果，說明不同區(qū)域條件下土地適宜性受驅(qū)動因子的影響程度有所區(qū)別，在進(jìn)行土地利用變化模擬的過程中應(yīng)充分考慮驅(qū)動因子方程在不同區(qū)域的差異。

另一方面，本研究從探索區(qū)域間不同要素間自然與人文差異的角度出發(fā)，在土地利用變化模擬過程中先對不同區(qū)域的驅(qū)動因子回歸方程進(jìn)行擬合，結(jié)合研究區(qū)的區(qū)域特征利用地理加權(quán)回歸模型對各區(qū)域的土地適宜方程集成到CLUE-S模型中。由于該分區(qū)集成模擬過程中側(cè)重考慮了不同區(qū)域的空間分布狀態(tài)，因此對于區(qū)域間各要素差異越大并且區(qū)域空間分布規(guī)律性越強(qiáng)的案例，具有較好的模擬效果。而區(qū)域的劃定方法與回歸方程的集成方法對模擬結(jié)果是否有影響以及影響的程度則是需要進(jìn)一步研究。

參考文獻(xiàn)：

[1]后立勝，蔡運(yùn)龍. 土地利用/覆被變化研究的實(shí)質(zhì)分析與進(jìn)展評述[J]. 地理科學(xué)進(jìn)展，2004，23（6）：96-104.

[2]王海軍，夏 暢，劉小平，等. 大尺度和精細(xì)化城市擴(kuò)展CA的理論與方法探討[J]. 地理與地理信息科學(xué)，2016，32（5）：1-8.

[3]甘 靜，郭付友，陳 才，等. 2000年以來東北地區(qū)城市化空間分異的時(shí)空演變分析[J]. 地理科學(xué)，2015，35（5）：565-574.

[4]徐 霞，王靜愛，朱玉潔，等. 內(nèi)蒙古中部地區(qū)土地利用變化區(qū)域差異分析[J]. 北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，42（3）：310-314.

[5]徐嘉興，王繼堯，梁 濤，等. 近18年太湖流域土地利用變化及區(qū)域差異分析[J]. 地理空間信息，2009，7（4）：48-51.

[6]楊 俊，解 鵬，席建超，等. 基于元胞自動機(jī)模型的土地利用變化模擬——以大連經(jīng)濟(jì)技術(shù)開發(fā)區(qū)為例[J]. 地理學(xué)報(bào)，2015，70（3）：461-475.

[7]柯新利，鄧祥征，陳 勇. 元胞空間分區(qū)及其對GeoCA模型模擬精度的影響[J]. 遙感學(xué)報(bào)，2011，15（3）：512-523.

[8]梁友嘉，徐中民，鐘方雷. 基于SD和CLUE-S模型的張掖市甘州區(qū)土地利用情景分析[J]. 地理研究，2011，30（3）：564-576.

[9]Luo G P，Yin C Y，Chen X，et al. Combining system dynamic model and CLUE-S model to improve land use scenario analyses at regional scale：a case study of Sangong watershed in Xinjiang，China[J]. Ecological Complexity，2010，7（2）：198-207.

[10]陸汝成，黃賢金，左天惠，等. 基于CLUE-S和Markov復(fù)合模型的土地利用情景模擬研究——以江蘇省環(huán)太湖地區(qū)為例[J]. 地理科學(xué)，2009，29（4）：577-581.

[11]嚴(yán) 冬，李愛農(nóng)，南 希，等. 基于Dyna-CLUE改進(jìn)模型和SD模型耦合的山區(qū)城鎮(zhèn)用地情景模擬研究——以岷江上游地區(qū)為例[J]. 地球信息科學(xué)學(xué)報(bào)，2016，18（4）：514-525.

[12]Jiang W G，Chen Z，Lei X，et al. Simulating urban land use change by incorporating an autologistic regression model into a CLUE-Smodel[J]. Journal of Geographical Sciences，2015，25（7）：836-850.

[13]吳桂平，曾永年，馮學(xué)智，等. CLUE-S模型的改進(jìn)與土地利用變化動態(tài)模擬——以張家界市永定區(qū)為例[J]. 地理研究，2010，29（3）：460-470.

[14]吳健生，馮 喆，高 陽，等. CLUE-S模型應(yīng)用進(jìn)展與改進(jìn)研究[J]. 地理科學(xué)進(jìn)展，2012，31（1）：3-10.

[15]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(xué)，2010，30（1）：92-97.

[16]Verburg P H，Soepboer W，Veldkamp A，et al. Modeling the spatial dynamics of regional land use：the CLUE-S model[J]. Environmental Management，2002，30（3）：391-405.

[17]王麗艷，張學(xué)儒，張 華，等. CLUE-S模型原理與結(jié)構(gòu)及其應(yīng)用進(jìn)展[J]. 地理與地理信息科學(xué)，2010，26（3）：73-77.

[18]許小亮，李 鑫，肖長江，等. 基于CLUE-S模型的不同情景下區(qū)域土地利用布局優(yōu)化[J]. 生態(tài)學(xué)報(bào)，2016，36（17）：5401-5410.

[19]楊 俊，張永恒，葛全勝，等. 基于GA-MCE算法的不規(guī)則鄰域CA土地利用模擬[J]. 地理研究，2016，35（7）：1288-1300.

[20]Ord K，Getis A. Local spatial autocorrelation statistics：distributional issues and an application[J]. Geographical Analysis，2010，27（4）：286-306.

[21]Cohen J A. A coefficient of agreement for nominal scales[J]. Educational & Psychological Measurement，1960，20（1）：37-46.