摘要：基于高精度土地利用數(shù)據(jù)，依托地形因子、地理探測器和PLUS模型分析土地利用的地形梯度變化，并揭示其空間分異和變化的驅動因素.結果顯示：1990—2020年烏魯木齊土地利用以草地和未利用地為主，二者占83.49%以上，土地利用呈草地和耕地減少，其余類型擴張的趨勢；耕地、水域、建設用地和未利用地高度集中于海拔＜1 563 m、坡度＜9.61°及地形起伏度＜181 m的低平地區(qū)；林地集中在海拔1 928～2 721 m、坡度15.70～47.42°和地形起伏度297～940 m的起伏山地；草地廣泛分布于海拔＜3 176 m、坡度＜39.41°及地形起伏度＜647 m山麓地帶.各類土地利用的面積變化均主要分布于其集中地帶，NDVI為土地利用空間分異的主導因子.

關鍵詞：土地利用；地形梯度；空間分異；驅動因素；烏魯木齊

中圖分類號：F 301.2""" 文獻標志碼：A""" 文章編號：1001-988Ⅹ（2024）04-0058-09

Spatio-temporal evolution of land use and its driving factors

based on terrain gradient in typical oasis city

ZHOU Jian-wei1，3，WU Hua1，2，3，ZHAO Xin-yong2，3，XU Tong2，3，GUO Qi-yun2，3，LI Jia-tong2，3

（1.School of Ecology and Environment，Tibet University，Lhasa 850000，Tibet，China;

2.School of Engineering，Tibet University，Lhasa 850000，Tibet，China;

3.Joint Laboratory of Platrau Surface Remote Sensing，Tibet University，Lhasa 850000，Tibet，China）

Abstract：Based on high-precision land use data，the terrain gradient change of land use are analyed by using terrain factors，Geodetector and PLUS model，and the driving factors of spatial differentiation and change are revealed.Results show that：from 1990 to 2020，grassland and unused land were the main land use in Urumqi，accounting for more than 83.49%，land use showed a trend of grassland and cultivated land decreasing and other types expanding.Cultivated land，water area，construction land and unused land were concentrated in low and flat areas，where altitudelt;1 563 m，

gradientlt;9.61° and terrain relieflt;181 m.Forest land was concentrated in the undulating mountains with an elevation of 192 8～272 1 m，a slope of 15.70～47.42° and a terrain relief of 297～940 m;grassland widely distributed in the piedmont with altitudelt;3 176 m，slopelt;39.41° and terrain relieflt;647 m.The area change of various types of land use mainly distributed in their concentrated areas.NDVI was the dominant factor of land use spatial differentiation.

Key words：land use;terrain gradient;spatial differentiation;driving factors;Urumqi

土地利用指人類對土地的開發(fā)利用，按一定經(jīng)濟目的改造土地表面結構和組成的過程，是人類基于土地的自然屬性［1］和最基本的實踐活動［2］，是人與自然交互最密切的環(huán)節(jié)［3］.隨著城市化和工業(yè)化快速推進以及人口激增，土地利用劇烈變化所產生的負面效應已達到甚至超過生態(tài)系統(tǒng)自我調節(jié)和再生的能力［4］，生態(tài)安全問題日益突出［5］.自1993年“國際地圈與生物圈計劃”和“全球變化人文因素計劃”共同制定“土地利用/土地覆蓋變化科學研究計劃”以來，土地利用動態(tài)監(jiān)測與模擬逐漸成為學者日益關注的熱點［6］.

隨著集覆蓋范圍廣、時空連續(xù)性強、數(shù)據(jù)可靠性高和耗費小等優(yōu)點［7］于一身的遙感技術的快速發(fā)展［8］及一系列高精度土地利用數(shù)據(jù)庫的建立［9，10］，眾多學者圍繞土地利用的空間分布格局［11］、時空演變特征［10］、轉型驅動機制［12］、環(huán)境效應［2，4］及其未來預測模擬［13］等角度開展了大量研究，并取得了一系列豐碩成果.在土地利用時空演變研究中，學者主要采用核密度分析法［14］、網(wǎng)格單元法［15］、土地利用轉移流［16］和空間自相關［17］等方法對耕地、建設用地、生態(tài)用地和濕地等各類土地利用變化進行了針對性研究，研究結果均表明土地利用變化具有顯著空間差異性.對于土地利用轉型驅動機制的研究，學者主要以主成分分析［18］、地理探測器［15］、PLUS模型［14］和地理加權回歸［19］等模型和方法對各類土地利用時空演變的驅動因素展開了廣泛研究，得出土地利用轉型受自然和經(jīng)濟因素的雙重影響.其中PLUS模型因具有以柵格數(shù)據(jù)為基礎、數(shù)據(jù)獲取便捷、可呈現(xiàn)各驅動因子對各地類變化的貢獻度等優(yōu)點［20］而日益受到學者青睞.但當前研究多以平面尺度進行土地利用變化研究，缺乏立體尺度的土地利用動態(tài)變化研究，且驅動因素選取普遍較少，難以全面考量土地利用轉型的驅動機制.海拔、坡度和地形起伏度等地形要素在立體層面改變了區(qū)域水熱和土壤理化條件［21］，促使地類產生垂直分異，采用地形要素可更好地探究土地利用變化的垂直梯度分異性.

本研究從地形梯度出發(fā)，分析了1990—2020年烏魯木齊市土地利用的時空演變，并采用地理探測器和PLUS模型探索了土地利用空間分異及其轉型的驅動因素.以期探索烏魯木齊市土地利用的垂直梯度分布特征及變化規(guī)律，為城市制定因地制宜的用地策略及人與自然和諧共生提供科學指導.

1 材料與方法

1.1 研究區(qū)概況

烏魯木齊市（以下簡稱烏市）為我國西北重鎮(zhèn)，轄7區(qū)1縣，總面積約14 205.31 km2.烏市不僅是全疆的政治、經(jīng)濟和文化中心，也是第二座亞歐大陸橋中國西部橋頭堡和我國向西開放的重要門戶［15］.烏市處天山山脈中段北麓、準噶爾盆地南緣，東、西、南三面被天山和博格達山環(huán)繞，北面為古爾班通古特沙漠，中部為烏魯木齊河沖積平原和柴窩堡-達坂城盆地，平均海拔800 m，兼具平原城市和山地城市的特點［15］.屬中溫帶半干旱大陸性氣候，常年干燥少雨，年均降水僅236 mm，故熱力和風力資源極為豐富.截至2020年末，全市常住人口405.44萬人，城市化率達90%以上［22］，地區(qū)生產總值3 337.32億元，第一、二、三次產業(yè)結構比為0.8∶27.2∶72.0.

1.2 數(shù)據(jù)來源

數(shù)據(jù)來源如下：① 土地利用數(shù)據(jù)（1990—2020）源自中國土地覆蓋年度數(shù)據(jù)集（http：//https：//zenodo.org/record/5210928），分辨率為30 m，總體精度為79.31%［9］，滿足研究需求.② 年均溫、年均降水、人口密度、GDP、年日照數(shù)、NDVI、不小于10 ℃積溫和農田生產潛力數(shù)據(jù)中國科學院資源環(huán)境科學數(shù)據(jù)中心（http：//www.resdc.cn/），分辨率為1 km.③ DEM數(shù)據(jù)源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），分辨率為30 m，并由此處理得到坡度和地形起伏度.④ 公路、鐵路、政府駐地、水域、水系和保護區(qū)數(shù)據(jù)源自國家基礎地理信息中心（https：//www.webmap.cn/）.

1.3 研究方法

1.3.1 地形因子提取

選取海拔、坡度和地形起伏度3個地形要素來分析烏魯木齊市地利用的地形梯度變化，其中地形起伏度依據(jù)前人研究成果［23］進行提取，均通過自然斷點法［24］進行分級（表1）.

為消除各地形特征面積大小差異在土地利用分布中的影響，采用標準化、無量綱的分布指數(shù)［25］來描述土地利用的分布情況.公式如下：

P=（Sie/Si）/（Se/S），（1）

其中，P為分布指數(shù)；S為研究區(qū)總面積；Se為研究區(qū)e地形要素的土地利用總面積;Si為i類土地利用總面積；Sie為e地形要素下i類土地利用面積.P＞1 時，即該類土地利用上為優(yōu)勢位［26］.

1.3.2 土地利用空間分異探測模型

地理探測器可探索要素的空間分異特征［27］，采用因子探測器和交互探測器對烏市土地利用空間分異的驅動因子及其相互作用進行探測，公式如下：

q=1-1Nσ2∑Lh=1Nhσ2h，（2）

其中，q為某因子對土地利用空間分異的影響力；h為變量Y或因子X的分層/分區(qū)；σ2h和σ2分別為評價單位和全區(qū)Y值的方差；Nh和N分別為h區(qū)和全區(qū)單元數(shù).

1.3.3 土地利用擴張驅動模型

PLUS模型中的用地擴張分析策略采用隨機森林分類算法逐一對各地類擴張和驅動因素進行挖掘，可獲取特定時段各地類的發(fā)展概率及驅動因素對各地類擴張的貢獻［20］.RFC算法能處理高維數(shù)據(jù)及變量之間的多重共線性，確定k類土地利用在單元格i上出現(xiàn)的概率Pdi，k，其演算公式［20，28］如下：

pdi，k（x）=∑Mn=1I（hn（x）=d）M，（3）

其中，d取0或1，取1表明有其他地類轉為k類，0則表示土地利用類型轉變成了除k外的其他地類；x為多個驅動因素組成的向量；I為決策樹集的指示性函數(shù)；hn（x）是向量x的第n個決策樹的預測類型；M為決策樹總數(shù).

2 結果與分析

2.1 土地利用時空變化分析

烏市土地利用草地占主導，占48.10%以上，集中于天山北麓和博格達山南麓（圖1）.未利用地和耕地，分別占35.39%和4.66%以上，未利用地集中在古爾班通古特沙漠和柴窩堡—達坂城盆地，耕地多分布于烏魯木齊河中下游灌區(qū).林地、建設用地和水域較少，均在4.00%以下，林地集中區(qū)與草地一致，建設用地和水域集中區(qū)同耕地一致.1990—2020年土地利用呈草地和耕地減少.其余地類擴張的趨勢（圖2），其中耕地和建設用地變化尤為劇烈，變化率分別為-34.74%和226.91%.

1990—2020年各地類間轉換頻繁，主要表現(xiàn)為草地及耕地轉為未利用地、建設用地和和林地的轉移特征（圖3）.草地轉為未利用地面積達713.67 km2，多分布在天山、博格達山高海拔地帶和古爾班通古特沙漠南緣；另有151.45 km2草地和112.32 km2耕地轉為建設用地，集中在烏魯木齊

河中下游城鎮(zhèn)帶.此外，耕地（367.80 km2）和未利用（261.03 km2）地轉為草地的面積也較大，兩者集中區(qū)同草地轉為未利用地和耕地區(qū)域相近.值得注意的是，天山和博格達山的山麓帶有118.15 km2草地轉為林地.

2.2 土地利用地形梯度分布及變化

以2020年為代表年，分析烏市土地利用的地形分布特征.隨海拔、坡度和地形起伏度增大，耕地呈遞減趨勢（圖4），分別有60.33%、93.74%和88.56%耕地集中在Ⅰ級海拔、坡度和起伏度內，Ⅰ～Ⅱ級海拔、Ⅰ級坡度和起伏度為其分布優(yōu)勢位

（圖5）.林地隨地形因子增大呈上升-下降的分布規(guī)律，其中Ⅵ級海拔（39.70%）和坡度（22.02%）及Ⅴ級起伏度（24.21%）為其轉換帶，優(yōu)勢位為Ⅳ～Ⅵ級海拔、Ⅳ～Ⅸ級坡度和起伏度.草地隨海拔增大呈上升-下降-上升-下降的波動變化趨勢，Ⅱ級（14.65%）、Ⅳ級（11.26%）和Ⅴ級（14.97%）海拔為轉換帶；隨坡度和起伏度增大則呈遞減趨勢，Ⅰ級坡度（22.55%）和起伏度（19.72%）分布最多.Ⅳ～Ⅷ級海拔、Ⅲ～Ⅸ級坡度和Ⅱ～Ⅸ級起伏度為草地分布優(yōu)勢位.水域呈兩頭高中間低的分布規(guī)律，高度集中于Ⅰ～Ⅱ級海拔（91.57%）、Ⅰ級坡度（80.98%）和起伏度（76.53%）的同時，在高地形位有小高值；Ⅰ～Ⅱ級和Ⅸ級海拔、Ⅰ和Ⅸ級坡度、Ⅰ級和Ⅷ～Ⅸ級起伏度為其優(yōu)勢位.建設用地亦呈遞減趨勢，分別有97.48%、83.56%和82.22%集中在Ⅰ～Ⅱ級海拔、Ⅰ級坡度和起伏度，Ⅰ～Ⅱ級海拔和起伏度及Ⅰ級坡度為其優(yōu)勢位.未利用地隨海拔增大呈下降-上升的分布趨勢，80.99%集中在Ⅰ～Ⅳ級，15.46%集中在Ⅷ～Ⅸ級；坡度和起伏度尺度呈遞減規(guī)律，Ⅰ級坡度（42.90%）和起伏度（55.08%）分布最多；Ⅰ、Ⅲ和Ⅸ級海拔，Ⅰ～Ⅱ級坡度和起伏度為其優(yōu)勢位.

從1990—2020年土地利用地形梯度變化看（圖6），耕地除在Ⅴ～Ⅵ級地形梯度有小幅增加外，在Ⅰ～Ⅳ級海拔（353.02 km2）、Ⅰ～Ⅱ級坡度（354.06 km2）和起伏度（351.32 km2）減少顯著.林地僅在Ⅰ級地形因子有所減少，其余梯度均呈增加趨勢，Ⅵ級海拔（45.49 km2）和坡度（22.79 km2）及Ⅴ級起伏度（26.82 km2）增長尤為明顯.草地僅僅在Ⅰ和Ⅲ級海拔（67.43 km2）及Ⅰ級坡度（162.26 km2）和起伏度（166.99 km2）有所增長，其余梯度均在減少，其中Ⅷ級海拔（133.42 km2）、Ⅱ級坡度（103.37 km2）和起伏度（97.94 km2）減少最多.水域僅在Ⅱ和Ⅵ級海拔小幅縮減，其余梯度呈增長趨勢，其中在Ⅰ級海拔（23.88 km2）、坡度（14.64 km2）和起伏度（12.99 km2）增長明顯.建設用地在其分布的Ⅰ～Ⅴ級地形梯度均呈增長態(tài)勢，增長部分高度集中于Ⅰ～Ⅱ級海拔（300.78 km2）、坡度（297.69 km2）和起伏度（298.38 km2）.未利用土地除在Ⅰ～Ⅲ級海拔（16.24 km2）及Ⅰ級坡度（82.23 km2）和起伏度（107.30 km2）降少明顯，其余梯度不同程度擴張，其中Ⅷ級海拔（128.43 km2）、Ⅶ級坡度（74.35 km2）和Ⅱ級起伏度（84.93 km2）尤為明顯.

2.3 土地利用空間分異驅動因素

通過地理探測器，選取海拔（X1）、坡度

（X2）、地形起伏度（X3）、NDVI（X4）、年均溫（X5）、年均降水（X6）、農田生產潛力（X7）、年日照數(shù)（X8）、不小于10 ℃積溫（X9）、距河流距離（X10）、距湖泊和水庫距離（X11）、距保護區(qū)距離（X12）、地均GDP（X13）、人口密度（X14）、距鐵路距離（X15）、距公路距離（X16）、距區(qū)縣駐地距離（X17）和距鄉(xiāng)鎮(zhèn)駐地距離（X18）共18個驅動因子探

索烏市土地利用空間分異的驅動機制.從單因子的驅動效果來看（圖7，X4為烏市土地利用空間分異的主導因子，其解釋力q值高達0.56；同時X6（0.29）、X5（0.24）和X14（0.24）為較重要的因子；此外X12，X17，X8，X18，X1和X13的作用也較突出，q值在0.20～0.22間；其余因子的解釋力在0.20以下，但同樣對烏市土地利用分異產生一定影響.表明NDVI、年均降水和年均溫等自然因素較人口密度、距保護區(qū)距離和距區(qū)縣駐地距離等經(jīng)濟因素對烏市土地利用分異的影響更為顯著.

由因子交互探測來看（圖7），任意兩兩因子交互對烏市土地利用空間分異的解釋力均大于單因子的作用.其中X4∩X6的影響最為顯著，q值高達0.65；其次為X4與X1，X3，X5，X8，X9，X10，X12，X13，X14，X15，X17和X18的交互作用，q值均在0.60以上；此外X1∩X8，X1∩X14，X2∩X4，X4∩X7，X4∩X11，X4∩X16，X5∩X8，X6∩X8，X6∩X14和X8∩X9的影響也較突出，q值均在0.50以上；其余因子交互同樣對地類分異產生重要影響.可見NDVI、海拔和年均溫等自然因子同人口密度、GDP和距政府駐地距離等經(jīng)濟因子的交互對烏市地類分異產生顯著影響.

2.4 土地利用變化驅動因素

借助PLUS模型，選取上述驅動因子進一步探索烏市土地利用變化的驅動因素.耕地變化的主導因子為X7（圖8），其貢獻度達0.11，其次為X8（0.09）和X4（0.09），變化區(qū)域集中于地勢平坦的烏魯木齊河中下游兩岸.林地變化主導因子為X5（0.19），其次為X4（0.12）和X1（0.11），增加區(qū)域集中在地勢較和緩的天山和博格達山的山腳處.X3（0.11）為草地變化的最大驅動因子，其次為X7（0.10）和X6（0.08），天山和博格達山的山麓帶、城鎮(zhèn)集中帶草地大量減少，烏魯木齊河中上游和古爾班通古特沙漠南緣草地顯著增加.水域變化的主導因子為X11（0.22），其次為X6（0.19）和X13（0.18），東道海子、鹽湖和高山湖泊等天然水域及500水庫（2002年修建）和大西溝水庫（2013年建成）等大型水利樞紐周邊水域擴張明顯.建設用地變化主要受X18（0.13）制約，其次為X5（0.08）和X15（0.08），沙依巴克、水磨溝和天山等烏市中心建設用地急速擴張.未利用地變化的主導因子為X8（0.11），其次為X3（0.10）和X4（0.10），其變化區(qū)域與草地一致.

將1990—2020年烏市主要地類轉換區(qū)域同地形因子相疊加（圖9），可發(fā)現(xiàn)柴窩堡-達坂城盆地、烏魯木齊河中下游地區(qū)等人口密集的低海拔平坦地區(qū)土地利用變化極為頻繁.主要表現(xiàn)為耕地和草地大量轉為建設用地及耕地轉向草地，前者受城鎮(zhèn)化快速推進和人口激增影響，后者則得益于退耕還草等政策.

3 討論

烏市1990—2020年土地利用表現(xiàn)為耕地和草地減少，林地、水域、建設用地和未利用地擴張的變化趨勢，其中建設用地增長極為迅速，這與學者在烏市［15，22］和西北地區(qū)［16，17］的相關研究結論類似.值得注意的是，得益于21世紀初國家“西部大開發(fā)”政策實施［29］，海拔較低且地勢平緩的烏魯木齊城區(qū)擴張迅速，但大量耕地和草地被侵占，區(qū)域糧食安全和生態(tài)安全問題逐漸突出.隨著“一帶一路”國家戰(zhàn)略的繼續(xù)推行，“烏昌石”一體化進程加快以及烏市南控、北擴、東延、西進城市發(fā)展戰(zhàn)略的影響下，未來地勢低平的烏市中心城區(qū)土地利用格局將迎來巨變.為此，不僅需提高城市土地利用率，引導城市向高處發(fā)展，還需制定最嚴格的耕地保護制度，減少建設用地對耕地的侵占.此外，烏魯木齊河中游地區(qū)、博格達山南麓和天山北麓隨著退耕還林還草等重大生態(tài)工程實施［30］，局地耕地減少，草地和林地出現(xiàn)增長，區(qū)域生態(tài)環(huán)境有所改善，需鞏固好退耕成果；但烏魯木齊河中游兩岸水渠等灌溉設施完備，需繼續(xù)發(fā)展綠洲農業(yè)，促進烏市糧食增長.同時烏市南部海拔較高且地勢崎嶇的天山和東部博格達山高寒地區(qū)荒漠化現(xiàn)象日益突出，源于全球氣候變暖使蒸發(fā)增強，區(qū)域草場發(fā)生大面積退化［31］，生態(tài)環(huán)境日趨惡劣；該區(qū)重點關注生態(tài)保護，通過植樹造林等方式扼制土地沙化.此外，研究發(fā)現(xiàn)NDVI和距政府駐地距離等自然和經(jīng)濟因子，均對烏市土地利用空間分異及其轉型驅動產出重要影響，這與趙永玉［15］在烏市類似研究結果一致，故土地利用規(guī)劃需統(tǒng)籌各類自然和經(jīng)濟因素所產生的影響.

不同于傳統(tǒng)平面視角的土地利用變化研究，本文基于地形梯度分析了近30年烏市土地利用的時空演變，從立體視角揭示了土地利用的分布規(guī)律及其變化特征，也借助地理探測器和PLUS模型探究了區(qū)域地理利用空間分異及變化的驅動因素，可為區(qū)域制定因地制宜的用地策略提供科學依據(jù).但仍存在不足之處，所選取的驅動因子不僅分辨率較低，而且缺乏鄉(xiāng)鎮(zhèn)級行政區(qū)的數(shù)據(jù)，同時政策因素缺乏定量化描述，上述原因致使研究結果與區(qū)域實際存在一定偏差.故今后工作應著重于高精度驅動因子數(shù)據(jù)庫的建立及完善.

4 結論

1）1990—2020年烏魯木齊土地利用以草地和未利用地為主，二者占83.49%以上；土地利用呈草地和耕地減少，其余類型擴張的趨勢.

2）耕地、水域、建設用地和未利用地高度集中于海拔小于1 563 m、坡度小于9.61°及地形起伏度小于181m的低平地區(qū)；林地集中在海拔

1 928～272 1 m、坡度15.70～47.42°和地形起伏度297～940 m的起伏山地；草地廣泛分布于海拔小于3 176 m、坡度小于39.41°及地形起伏度小于647 m山麓地帶.土地利用的面積變化均分布于其集中地帶.

3）NDVI為土地利用空間分異的主導因子；農田生產潛力、年均氣溫、地形起伏度、距湖泊及水庫距離、距鄉(xiāng)鎮(zhèn)駐地距離和年日照數(shù)分別為耕地、林地、草地、水域、建設用地和未利用地變化的主導驅動因子.

參考文獻：

［1］ 王秀蘭，包玉海.土地利用動態(tài)變化研究方法探討［J］.地理科學進展，1999（1）：83.

［2］ 孫慧蘭，李衛(wèi)紅，陳亞鵬，等.新疆伊犁河流域生態(tài)服務價值對土地利用變化的響應［J］.生態(tài)學報，2010，30（4）：887.

［3］ MOONEY H，DURAIAPPAH A，LARIGAUDERIE A.Evolution of natural and social science interactions in global change research programs［J］.P Nat A Sci USA，2013，110（supplement_1）：3665.

［4］ 徐蘭，羅維，周寶同.基于土地利用變化的農牧交錯帶典型流域生態(tài)風險評價——以洋河為例［J］.自然資源學報，2015，30（4）：580.

［5］ OUYANG Z，ZHENG H，XIAO Y，et al.Improvements in ecosystem services from investments in natural capital［J］.Science，2016，352（6292）：1455.

［6］ HERRICK J，URAMA K，KARL J，et al.The global Land-Potential Knowledge System（LandPKS）：Supporting evidence-based，site-specific land use and management through cloud computing，mobile applications，and crowdsourcing［J］.J Soil Water Conserv，2013，68（1）.

［7］ 龍爽，郭正飛，徐粒，等.基于Google Earth Engine的中國植被覆蓋度時空變化特征分析［J］.遙感技術與應用，2020，35（2）：326.

［8］ 張煜輝.基于多源數(shù)據(jù)的全特征土地覆蓋分類方法研究［J］.測繪地理信息，2022，47（4）：90.

［9］ YANG J，HUANG X.The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019［J］.Earth Sys Sci Data，2021，13（8）：3907.

［10］ 楊顯明，宋欣怡，加壯壯.青海省縣域城鎮(zhèn)化質量測度及時空演變分析［J］.西北師范大學學報（自然科學版），2023，59（3）：100.

［11］ 林樹高，陸汝成，葉宗達，等.廣西國土空間格局演變特征與形成機理［J］.地理科學，2022，42（11）：1963.

［12］ 張軻，魏偉，周婕，等.三江源地區(qū)“三區(qū)空間”時空演化及驅動機制分析（1992―2020年）［J］.地球信息科學學報，2022，24（9）：1755.

［13］ 侯西勇，常斌，于信芳.基于CA-Markov的河西走廊土地利用變化研究［J］.農業(yè)工程學報，2004（5）：286.

［14］ 周建偉，羅君.安寧河流域土地利用地形梯度分異及其轉型驅動因素［J］.西南農業(yè)學報，2023，36（6）：1318.

［15］ 趙永玉，阿里木江·卡斯木，高鵬文，等.基于地理探測器的烏魯木齊市城區(qū)擴展及影響因素分析［J］.干旱區(qū)地理，2021，44（6）：1729.

［16］ 韓磊，朱會利，劉釗.延安市退耕還林前后土地利用動態(tài)變化分析［J］.西北師范大學學報（自然科學版），2017，53（5）：101.

［17］ 孫善良，張小平，張志斌.陜西省2000—2018年土地利用時空演變及驅動因素［J］.水土保持通報，2021，41（4）：339.

［18］ 王毓芳，趙成章，曾紅霞，等.疏勒河中游濕地景觀時空演變及其影響因素［J］.干旱區(qū)研究，2022，39（1）：282.

［19］ 張紅，鄧雯，王藝.2000～2020年印度土地利用的時空演化及驅動因素分析［J］.世界地理研究，2022，31（4）：786.

［20］ LIANG X，GUAN Q，CLARKE K，et al.Understanding the drivers of sustainable land expansion using a patch-generating land use simulation（PLUS） model： A case study in Wuhan，China［J］.Comput，Environ Urban Systems，2021，85：101569.

［21］ ZHANG B，WU P，ZHAO X，et al.Changes in vegetation condition in areas with different gradients（1980—2010） on the Loess Plateau，China［J］.Environ Earth Sci，2013，68（8）：2427.

［22］ 姜展鵬.烏魯木齊市土地利用時空變化與多情景預測［D］.烏魯木齊：新疆師范大學，2022.

［23］ 張軍，李曉東，陳春艷，等.新疆地勢起伏度的分析研究［J］.蘭州大學學報（自然科學版），2008（S1）：10.

［24］ 張學斌，羅君，石培基，等.格網(wǎng)尺度下張掖生態(tài)系統(tǒng)服務價值時空演變及地形梯度分異特征［J］.應用生態(tài)學報，2020，31（2）：543.

［25］ QIU M，YUAN C，YIN G.Effect of terrain gradient on cadmium accumulation in soils［J］.Geoderma，2020，375：114501.

［26］ XUE L，ZHU B，WU Y，et al.Dynamic projection of ecological risk in the Manas River basin based on terrain gradients［J］.Sci Total Environ，2019，653：283.

［27］ WANG J，LI X，CHRISTAKOS G，et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region，China［J］.Int Geogr Inf Sci，2010，24（1）：107.

［28］ YAO Y，LIU X，LI X，et al.Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata［J］.Int Geograph Inform Sci，2017，31（12）：2452.

［29］ 劉生龍，王亞華，胡鞍鋼.西部大開發(fā)成效與中國區(qū)域經(jīng)濟收斂［J］.經(jīng)濟研究，2009，44（9）：94.

［30］ 邵全琴，樊江文，劉紀遠，等.重大生態(tài)工程生態(tài)效益監(jiān)測與評估研究［J］.地球科學進展，2017，32（11）：1174.

［31］ CUI X，GRAF H.Recent land cover changes on the Tibetan Plateau：a review［J］.Climatic Change，2009，94（1）：47.

（責任編輯 武維寧）