基于二元逻辑斯蒂模型的桐梓河流域土地利用变化及模拟

田义超^{1, 2, 3, 4}黄远林^1*白晓永⁴ 张 强¹ 陶 进¹张亚丽¹谢小魁¹王日明¹

(北部湾大学资源与环境学院¹，海洋地理信息资源开发利用重点实验室²，广西北部湾海洋生物多样性养护重点实验室³, 钦州 535000；中国科学院地球化学研究所环境地球化学国家重点实验室⁴，贵阳 550002)

摘 要 为探明典型喀斯特流域土地利用时空变化过程，揭示流域土地利用变化主控因素，以桐梓河流域1980、1990、2000、2010、2015年五期的遥感影像解译数据以及研究区的自然社会经济等数据为基础，综合运用土地利用转移概率矩阵以及二元逻辑斯蒂回归模型对流域的土地利用格局进行了最佳模拟尺度选择，在此基础上构建了流域不同土地利用类型空间分布概率图。研究结果表明：桐梓河流域的景观类型异质性较强，土地利用类型在研究期间内转移过程比较复杂，各种土地类型流转中“转出与转入”现象普遍存在；桐梓河流域土地利用分析及其模拟的最佳空间模拟尺度为120 m×120 m；喀斯特流域林地与灌木林地的发生概率与降水量的大小并没有直接关系，降水量越大的地方流域林地分布概率不一定越高，其发生概率一般与气温正相关，温度越高，林地和灌木林地的出现概率越大；喀斯特流域草地的分布与岩性有极大的关系，草地发生概率一般出现在喀斯特地区以及降水量高的地区，而气温越高的地区草地出现的概率越低；从逐点对比的精度来看，建设用地的模拟准确率最高(89.62%)，水体次之(86.15%)，而草地的模拟准确率最低，仅为62.68%。由此可见在对喀斯特流域土地利用时空数据变化及其驱动力识别时，二元逻辑斯蒂回归模型具有很好的模拟能力。

关键词 土地利用 二元逻辑斯蒂 空间模拟 典型喀斯特 桐梓河流域

人类对土地利用方式的改变对土地覆被变化产生影响，改变陆表蒸发、截留、填洼及下渗等生态水文过程导致区域或流域的产汇流以及产沙过程发生变化，从而影响到以陆表土地利用为下垫面的流域水文循环与水资源循环和交互过程^[1]，由此引发的相关生态环境问题已对区域/流域生态以及社会经济发展等多方面产生了深远的影响^[2—4]。国际地圈生物圈计划(international geosphere-biosphere program, IGBP)和国际全球环境变化人文因素计划(international human dimensions programme on global environmental change, IHDP)在1995年将土地利用变化研究作为一个重要的研究项目提出，此后众多科学家和研究机构分别在全球或区域尺度上开展了土地利用和土地利用覆被变化的遥感监测、分类、驱动机理、土地利用模拟等方面的研究工作^[5—7]。土地覆被变化问题不仅涉及区域生态问题，同时也涉及政府对环境发展所制定的相关政策，如水土保持问题、人口扩张、退耕还林政策制定、石漠化治理工程、生态补偿政策，甚至涉及区域经济发展以及经济安全问题，因此，定量研究土地利用变化及其模拟成为当今生态环境科学研究的热点问题之一^[8]。

土地利用变化与模拟模型是土地利用动态分析和国家政策制定以及土地利用管理的有效工具。一方面，他们可以更好地解决影响土地利用变化中的社会经济以及规划因素。另一方面，这些模型有助于探索在不同情景下的未来土地利用变化^[9]。基于经验统计方法的CLUE-S (conversion of land use and its effects at small regional extent) 模型^[10]、基于多智能主体分析方法的ABM (agent based modeling) 模型、基于栅格邻域关系分析方法的CA(cellular automata)模型、基于土地系统结构变化及空间格局演替综合分析的DLS(dynamics of land system)模型都可以用来模拟区域土地利用变化的时空动态格局^{[11, 12]}。与其他模型相比，二元逻辑斯蒂(binary logistic)回归模型可以在区域土地利用和土地覆被动态变化的基础上对土地利用变化与其社会、经济、技术、政策、自然环境等驱动因子相互关系进行定量化分析，综合不同时空尺度区域土地利用覆被变化过程和驱动力研究，为土地利用决策和土地利用规划提供更加科学的依据。但是，已有的研究成果多是对非喀斯特地区的土地利用格局和过程进行模拟^[13—15]，喀斯特地区土地利用景观格局与非喀斯特地区有显著差异，且其驱动力机制与非喀斯特地区有显著的差异。由于受到喀斯特地区地质地貌异质性特征的影响，土地利用景观格局呈现出破碎化特征，如何定量揭示喀斯特地区或流域土地利用格局的尺度效应与驱动机制成为喀斯特地区生态及水文研究关注的前沿和热点内容。

与教学科研双肩挑的教师人员相比，从事机能实验教学的实验人员工作地位较低。这是由于在处理教学与科研的关系上，各高校普遍存在一定的失衡现象[2]，高校各项政策都向科研倾斜，进一步降低了较少有机会参与科研工作的技术人员的地位。从加强高校教学建设的角度，增加对教学的投入，重视实验教学，关注实验人员的工作状态，理解他们的诉求，给他们提供可以继续发展的机会，这将直接影响实验技术人员的工作积极性，从根本上提高其工作地位[3]，使其愿意在教学工作上投入精力。

图1 桐梓河流域地理位置
Fig.1 Location of Tongzi river basin

桐梓河流域位于大娄山山脉西缘，河流呈东向西，是赤水河流域最大支流，属于典型的喀斯特流域。近年来陡坡开荒、乱砍滥伐导致区域水土流失加重，流域的景观格局发生了显著的变化，直接影响着流域的生态系统服务以及生态水文过程，但是目前来说针对该流域的土地利用变化及其驱动力机制尚不明晰，制约流域土地利用变化的关键驱动力因子目前尚未有学者进行定量化研究。鉴于此，本研究基于分类与回归树(classification and regression trees，CART)方法^[16]对桐梓河流域1980、1990、2000、2010、2015年五期的遥感影像进行解译，基于研究区的自然和社会经济数据，借助土地利用转移概率矩阵及binary logistic回归模型对流域的土地利用格局进行最佳模拟尺度选择，同时对土地利用变化的驱动力因素进行定量分析，以期为典型喀斯特流域土地利用变化、土地利用模拟以及驱动力机制的定量化研究提供理论和方法的借鉴。

1 研究区概况

桐梓河流域，古名溱溪水，亦名牛渡河，是赤水河最大的支流(图1)。流域面积3 348 km²，发源于桐梓楠牛石大火土，上源称天门河，西北流转西南流，经天门洞、蟠龙洞两段伏流，至混子河口折西流，至观音寺河口折西北流，至石嘴折西流，至两河口注入赤水河。观音寺河口至石嘴段为仁怀、桐梓界河，石嘴至两河口段为仁怀、习水界河。流域气候类型属中亚热带季风性湿润气候，气候垂直变化明显，温和且湿润，雨量较丰沛，降水分布不均。冷暖气流常被海拔高的山脉阻挡，局部地区形成强对流天气。多年平均气温17.7 ℃，极端最高气温39.9 ℃，极端最低气温-2.7 ℃，平均全年积温5 392 ℃。桐梓河属于典型的雨源型山区河流，径流的时空分布变化与降水基本一致，上游桐梓水文站多年平均径流深563 mm，下游二郎坝水文站径流深503 mm，从上游到下游的递减趋势比较明显。径流年际变化较大，年内分配不均匀。在年内分配上，虽然汛期径流总量大，但其分配很不均匀，汛中有枯。

2 数据来源与研究方法

2 .1 数据来源与预处理

图2 研究区不同时期土地利用类型空间分布
Fig.2 Spatial distribution of land use types in different periods in the study area

研究所使用的数据主要分为两类，第一类为遥感数据，第二类为非遥感数据。其中遥感数据是通过美国地质勘探局官方网站(http://glovis.usgs.gov/)上下载并获取的，影像的时间为1980、1990、2000、2010及2015年共五期遥感影像，其中1980年的遥感数据来源于Landsat卫星的Landsat MSS传感器数据，而2015年的遥感数据则来源于最新的传感器Landsat8 OLI传感器数据，其他年份的遥感影像为Landsat5和Landsat7系列。利用ENVI5.3对典型喀斯特流域的遥感影像进行几何纠正、大气校正、拼接和裁剪等预处理操作，基于CART方法^[16]对遥感数据进行解译，采用《第二次全国土地调查技术规程》的景观分类系统和分类标准，将典型流域的土地利用划分为水体、建设用地、林地、灌木林地、耕地和草地(图2)。非遥感数据主要包括各个地区不同县市的地理志、电子图件材料、岩性类型、土壤类型、植被类型其他各类统计报表、社会经济数据及野外实地勘测资料。其中地理志来源于贵州省图书馆，图件材料中的行政区划图以及交通图件全部为纸质版，将其收集到之后对其进行电子扫描，校正之后利用GIS软件进行数字化，而水系数据来源于贵州省水文水资源局，岩性数据来源于中科院地化所环境地球化学国家重点实验室。

2 .2 研究方法

2.2.1 土地利用转移概率矩阵

不同土地利用类型的时空动态变化过程可以通过土地利用类型的马尔科夫转移矩阵来定量表征，这种转移矩阵可以很清楚地描述不同土地利用类型在两个时期的转变过程^[17]。通过GIS的叠置分析操作可以快速得出研究区不同时期的土地利用的空间转移数量以及不同地类之间的转移过程和趋势，转移矩阵的数学形式为^[17]

(1)

(4)灌木林地

2.2.2 binary logistic回归模型

在对典型喀斯特流域桐梓河流域土地利用进行驱动因素分析、尺度模拟和尺度选择时所选用的方法是binary logistic回归方程。该回归方程认为每一种土地利用类型的栅格图像都可以通过技术方法离散成为0和1，0表示这种土地利用类型在研究区域内不出现，而1值表示这种土地利用类型在研究区域内出现。binary logistic回归方程中的解释变量称为自变量，这种自变量可以是温度、降水及地形地貌等影响土地利用变化的自然因素，也可以是GDP、人口以及工业生产总值等社会经济变量。

影响桐梓河流域水域的驱动力因子共有4个，这4个驱动力因子分别为坡度、高程DEM与离居民点中心的距离、与喀斯特岩性中心的距离及距离水系中心的距离。其中坡度、高程DEM以及离喀斯特岩性中心的距离与距离水系中心的相关系数β 为负数，说明坡度越陡峭、高程越高以及距离喀斯特中心越远，该区域的水体越发达，这也是符合自然规律的，表明水域主要分布于地势较低的地带。而距离居民点中心，距离水系中心的距离与桐梓河流域水体地类的相关系数为正，说明在桐梓河流域这个典型的喀斯特地区居民点以及乡村聚落主要分布于水体或者河流附近。

速冻蔬菜食品品质和生产加工中的每个环节都有密切关系，所以应当从原料品质、冻前处理、速冻方式至冻后打包与贮运等每个方面都严格控制品质，根据P.P.P与T.T.T概念实行以GMP与SSOP为前提的HACCP体系，确保食品品质的稳定与提升。

(2)

式(2)中：p 代表出现该种土地利用类型的概率；x 为自变量或者解释变量；β ₀为常数项，β _m 为逻辑斯蒂回归方程的回归系数。对回归方程的检验解释情况可以用ROC(relative operating characteristics)曲线^[18]进行检验。

对p 进行对数变换，可以将logistic回归方程表示成线性形式：

-1.540 8+0.039 877X ₀-0.010 196X ₁-0.000 060X ₂-0.067 545X ₃+0.000 145X ₅-0.001 526X ₇-0.003 535X ₈-0.000 138X ₉+0.000 126X ₁₀-0.000 037X ₁₁-0.390 106X ₁₂-0.000 205X ₁₃

在列车司机室控制台上安装有HMI(人机界面)。HMI通过MVB获取列车及设备信息，实时显示车辆参数、系统运行状态，并实时提示车辆故障信息。通过HMI可以进行时间、列车号、轮径等参数的设置。HMI还可以实时显示列车网络的通信状态，在显示屏的通信状态界面上，红色表示通信异常。

(3)

2.2.3 土地利用驱动因子选择

土地利用时空差异性主要受到自然因素、经济因素及社会因素的综合影响，不同土地利用类型状态的变化以及转移的时空格局都是由自然因素及社会经济因素共同作用的结果。在对桐梓河流域土地利用影响因素进行选取的时主要遵循以下原则：①因子的可获得性；②所选驱动因子可以定量化表达；③驱动因子能够代表研究区土地利用变化的实际情况。此外研究也按照喀斯特地区的特点选取了喀斯特地质地貌背景作为影响土地利用变化的驱动力因子，具体指标体系及其含义如表1所示。

3 结果与分析

3 .1 桐梓河流域土地利用数量分析

在ArcMap10.2中，通过对桐梓河流域1980、1990、2000、2010、2015年五期土地利用类型面积数据进行统计，可以得出典型流域土地利用数量在35年的总体变化趋势和变化过程(表2)，由表2可知，由于受到喀斯特异质性景观格局的影响，桐梓河流域各种土地利用类型面积在过去的35年中变化显著。研究期内，流域耕地面积变化的趋势经历了两个大的阶段，其中1980～2000年耕地的面积呈现出急剧上升阶段，面积由1980年860.29 km²增加到2010年的1 498.99 km²，而2000～2015年期间流域的耕地面积呈现出急剧下降趋势，由2010年的1 498.99 km²下降到2015年的1 295.36 km²，研究期末2015年耕地的面积相对于1980年保持增长趋势。而研究期内流域有林地的面积则经历了三个阶段，其中1980～1990年有林地面积显著上升，由1980年的1 170.16 km²上升到1990年的1 221.60 km²，之后有林地面积呈现减少趋势，自2000年之后由于实施了退耕还林及石漠化工程，有林地面积大幅度上升，由1990年的1 221.60 km²增加到1 206.18 km²，有林地的面积经过历史时期的演变几乎与1980年的有林地面积持平。灌木林地在研究期内也呈现出急剧下降阶段，其转折的阈值点出现在1990年，1990年以前流域的灌木林地呈现下降趋势，由1980年的1 129.29 km²下降到392.31 km²，达到历史时期的最低值，1990年后呈现波动上升趋势，由1990年的392.31 km²上升到2010年的480.81 km²，之后呈现略微下降趋势，总的来说，灌木林地自1990年之后上升幅度减慢。桐梓河流域草地的面积同样经历了两个大的阶段，其转折的阈值点发生在1990年。对于建设用地来说，近35年来建设用地也一直呈现出剧烈上升趋势。

表1 桐梓河流域土地利用变化驱动因子

Table 1 Driving factors of land use change in Tongzi river basin

3 .2 桐梓河流域土地利用空间变化特征

从桐梓河流域1980～2015年的面积转移矩阵表3和图2中可知，桐梓河流域的景观类型异质性较强，土地利用类型在研究期间内转移过程比较复杂，各种土地利用类型流转中“转出与转入”现象普遍存在。其中草地面积主要由林地、灌木林地和耕地转换而来，主要流向林地和灌木林地；耕地主要由灌木林地和林地转换而来，主要流向草地、林地和建设用地；灌木林地则主要由林地转换而来，主要流向耕地。

表2 桐梓河流域不同年份土地利用类型变化

Table 2 Changes of land use types in different years in Tongzi river basin

表3 桐梓河流域1980 ～2015年流域土地利用转移矩阵

Table 3 Land use transfer matrix from 1980 to 2015 in Tongzi river basin

图2 研究区1980～2015年土地利用转移矩阵空间分布
Fig.2 Spatial distribution of land use transfer matrix from 1980 to 2015 in study area

3 .3 桐梓河流域土地利用驱动力分析

3.3.1 桐梓河流域土地利用尺度选择结果

患者仰卧位，头部后仰，先将颈部暴露到检查区。如上所述，包括结节的大小、数量、形态、内部回声情况以及边界等。该环节操作完成后，再使用CDFI来进一步观察结节的血流分布。最后，运用超声弹性成像，再次对结节纵切面检查。取样框包括结节全部或者部分结节周围组织。医护工作人员手持探头在患者病灶部位位置做微小振动，借助控制仪器，实时观察将压力指标控制在2～4范围内。最后，待显示图像稳定后即可存储弹性图。操作完成后将弹性图送至专业超声医师做脱机分析。本组70例，均至少由2名以上专业医师来做分析，并完成弹性分级。分级过程中意见不一致，需再做协商。

通过对十个尺度上的驱动力因子栅格图像与流域各种土地利用类型栅格图像进行binary logistic回归，可得出十个尺度的逻辑斯蒂回归方程结果，之后对每一个结果在SPSS 19.0中进行ROC(relative operating characteristics)检验，可以得到研究区10种尺度下的ROC统计结果值，图3为典型流域的耕地、灌木林地以及草地在十种空间尺度上的ROC曲线图。由图3可知，不同地类ROC的值在不同空间尺度上呈现出一定的规律性，即随着尺度的增加，ROC的值呈现出先增加后减少的趋势，且不同土地利用类型ROC的值表现出的尺度效应不一致。从典型喀斯特流域ROC曲线的分布图中可知，在空间尺度为120 m的范围内，ROC的值在耕地、灌木林地以及草地这三个地类均达到了最大值，分别为0.85、0.79和0.92，说明在10种不同尺度的转换效应下，120 m×120 m是桐梓河流域进行土地利用分析以及土地利用模拟时的最佳空间模拟尺度。

3.3.2 binary logistic回归及其驱动力分析

厦门因其特有的温暖阳光（Sun），碧蓝大海（sea）和舒适沙滩（Sand），一直是国内外热爱旅游人士心向往之的地方。在2017年金砖国家工商论坛开幕式上，国家主席习近平说：“今天的厦门也是一座高颜值的生态花园之城，人与自然和谐共生。”因此，本文以厦门为例，对厦门市旅游可持续发展之生态策略进行研究。

在进行空间逻辑斯蒂回归分析时，首先将研究区的不同土地利用类型离散成二值图，即出现的地类赋值1，如果不是此地类则赋值0。在ArcMap10.2中实现时，首先将属性表中是耕地、灌木林地、草地、林地、建设用地和水体的地类全部赋值1，而非此种地类则赋值为0，最后对各种土地利用类型图进行栅格化处理，可得到了研究区的二值土地利用类型图。而对于驱动因子的处理，首先是对驱动因子数据进行栅格化，然后对研究区的各个土地利用类型和驱动因子分别进行抽样，抽样的过程是借助于ArcGIS10.2 Toolbox中的create random points和reclass重采样工具完成。

图3 研究区耕地、灌木林地和草地ROC模拟曲线
Fig.3 ROC simulation curves of cultivated land, shrub land and grassland in study area

在对桐梓河流域土地利用变化与驱动因子进行binary logistic回归方程建立的过程中，由3.3.1节的尺度选择结果可知，桐梓河流域在进行土地利用模拟与格局优化时，特征选择尺度是120 m×120 m，因此在此尺度下构建了典型流域桐梓河流域的binary logistic回归方程。通过对土地利用数据以及影响桐梓河流域的驱动力因子进行20%的采样，运用SPSS 19.0软件进行二元逻辑斯蒂回归分析，得出了研究区不同土地利用类型的常数项及各个回归系数的贡献率，之后对回归分析的预测结果进行了ROC值验证，可得出桐梓河流域各种土地利用类型的统计特征值及统计量如表4所示。

表4 桐梓河流域土地利用驱动力逻辑回归分析结果

Table 4 The results of binary logistic in different land use in Tongzi river basin

续表4

注：SE为标准差；X ₁～X ₁₄为驱动因子。

(1)水体

土地利用类型的概率图像的表达式可以表征为

(4)灌木林地：

影响桐梓河流域建设用地的10个驱动力因子分别为坡度、土壤有机质含量、离铁路站点中心的距离、离城镇中心的距离、高程DEM、灯光指数DSMP、GDP总量、离居民点中心的距离、离喀斯特岩性中心的距离及离道路中心的距离。其中离铁路站点中心的距离、灯光指数DSMP、流域的GDP总量、离居民点的距离以及离道路中心的距离与建设用地的相关系数β 为正数，表征流域建设用地的扩展与这几个驱动因素有着显著的相关性，从相关系数大小来说，灯光指数DSMP、离居民点的距离以及离道路中心的距离对建设用地的相关系数较高，说明灯光指数DSMP越大，离道路及居民点中心的距离越近，建设用地的出现概率越高。另外，流域中GDP总量及离铁路站点中心的驱动力因子也进入了回归方程，说明建设用地的发生不仅与区域的经济总量有关，还受到流域的交通便利程度的影响。而桐梓河流域中的坡度、土壤有机碳、高程DEM、离喀斯特岩性中心的距离与流域中的建设用地之间的相关系数为负数，说明桐梓河流域的建设用地也主要分布于地势比较平坦的坝地、丘陵谷地或者河谷地区，而非地势较大、坡度较陡的山地地区，这也造成了建设用地与耕地之间的供需矛盾日益突出，导致建设用地与耕地争地的现象频繁发生。

房子带来了一切美好：舒适的栖身之所，亲人的团聚，家的温暖，和陈留确定了恋爱关系……自从搬进新家来，易非觉得好事接二连三，连敏之姐都说：“哇，易非！买了房就是不一样呐！连走路的步子都带了弹性呢！”这是敏之姐的比喻，但易非的确知道自己的脚步变轻快了，好像浑身有使不完的劲，尽管有那么多麻烦等着她。

(3)林地

影响桐梓河流域有林地分布的12个驱动力因子分别为坡度、土壤有机质、离铁路站点的距离、离城镇中心的距离、灯光指数DSMP、GDP总量、离居民点中心的距离、人口数量、降水量、离水系中心的距离、离道路中心的距离以及气温。其中流域的土壤有机质、离铁路站点中心的距离、离城镇中心的距离、灯光指数DSMP、GDP总量、离居民点中心的距离、人口数量、降水量及离河流中心的距离与林地地类的相关系数β 值为负数，说明流域有林地的空间分布与这几个驱动因素显著负相关性。从相关系数大小来说，灯光指数DSMP、流域的土壤有机质及流域的降水量与林地地类的负相关系数较大，分别为-0.067 545、-0.010 196和-0.003 535，说明在研究区内灯光指数越小、流域的土壤有机质越小，林地的分布概率越高，而桐梓河流域的林地分布与降水量也呈现出负相关关系，这也表明在喀斯特地区林地的出现概率并与降水量的大小有直接关系，降水量越大的地方流域的林地分布概率也不一定越高。而流域中的坡度、气温与林地的分布显著正相关，其中林地的分布与气温的相关系数绝对值在林地的驱动力影响因子中达到最大值，其值为0.390 106，说明在桐梓河流域的林地地类的发生概率一般与气温正相关，温度越高，林地的出现概率也就越大，而研究区内坡度对于林地地类的影响正相关关系，这也符合自然规律，即在喀斯特地区林地一般分布于坡度较陡，海拔较高的地方。

-15.725 5-0.032 232X ₀-0.020 42X ₁-0.000 029X ₂-0.003 944X ₃-0.099 651X ₄-0.000 118X ₅+0.000 204X ₆-0.002 679X ₇-0.003 608X ₈-0.000 107X ₉-0.000 114X ₁₀+0.232 719X ₁₂

式(1)中:U 为流域内土地利用总面积；n 为不同土地利用类型的个数；i 、j 表示研究初期和末期不同的土地利用类型，U _ij 为k 时期第i 种土地利用类型转变为k +1时期第j种土地利用类型的面积总量变化。

影响桐梓河流域灌木林地分布的12个驱动力因子分别为坡度、土壤有机质、离铁路站点的距离、高程DEM、灯光指数DSMP、离居民点的距离、离喀斯特中心的距离、人口数量、降水量、离水系的距离、离道路的距离以及气温。其中离铁路站点的距离、灯光指数DSMP、离居民点的距离、降水量以及离道路中心的距离与林地地类的相关系数β 值为负数，说明流域灌木林地的空间分布与这几个驱动因素显著负相关。从相关系数大小来说，灯光指数DSMP和降水量与灌木林地的负相关系数相对较大，分别为0.099 651和-0.003 608，说明在研究区内灯光指数越小灌木林地的分布概率越高，即流域的灯光指数是流域城镇发展空间的反映，灌木林地也一般远离于城市建设用地分布。而桐梓河流域的灌木林地分布与降水量负相关，这也表明在喀斯特地区灌木林地的出现概率并不与降水量的大小有直接关系，降水量越大的地方的灌木林地分布概率不一定越高。桐梓河流域中的坡度、土壤有机质、高程DEM、离喀斯特岩性中心的距离以及气温与灌木林地的分布显著正相关，说明灌木林地一般分布在坡度较陡及海拔较高的山地地区，而桐梓河流域中气温、土壤有机质及离喀斯特地区的距离与灌木林地的正相关系数分别为0.232 719、0.020 42和0.000 204。从这几个正相关系数中可以检测出喀斯特岩性中心距离的这个驱动力因子也出现在回归方程中，说明桐梓河流域的灌木林地在喀斯特地区出现的概率也较高，而灌木林地的分布与温度的相关系数绝对值在灌木林地的驱动力影响因子中达到最大值，说明在桐梓河流域灌木林地与林地地类相似，其发生概率一般与气温正相关，温度越高，灌木林地的出现概率也就越大，土壤有机质与灌木林地的发生概率也较大，说明土壤有机质越高，灌木林地的出现概率也就越大。

(5)耕地

影响桐梓河流域耕地分布的13个驱动力因子分别为坡度、土壤有机质、离铁路站点的距离、离城镇中心的距离、高程DEM、GDP总量、离居民点的距离、离喀斯特岩性中心的距离、人口数量、降水量及气温。其中坡度、离铁路站点的距离、离城镇中心的距离、高程DEM、GDP总量、离居民点中心的距离、离喀斯特岩性中心的距离、降水量以及气温与耕地地类的相关系数β 为负数，说明流域耕地地类的空间分布与这几个驱动因素显著负相关。从相关系数大小来说，流域气温、坡度和降水量与耕地地类的负相关系数相对比较大，分别为-0.154、-0.047 137和-0.004 721，说明在研究区内平均气温越高、降水量越大，耕地出现的概率也不一定越高，坡度与耕地负相关，说明坡度越大的地方越不适合于开垦耕地，而坡度较小的地方，耕地出现的概率越高。桐梓河流域土壤有机质与耕地的分布概率正相关，说明在喀斯特地区土壤有机质越高，耕地的出现概率也越高。

4.为人力资源管理和开发提供支持。培训需求预测分析可以为企业人力资源的开发与管理提供有效的基础资料和科学建议，为人力资源开发提供支持，有助于企业帮助员工确定现有的能力和期望之间存在的差距，并通过培训弥补这种差距，提高员工的整体素质。

(6)草地

影响桐梓河流域草地分布的9个驱动力因子分别为坡度、土壤有机质、高程DEM、灯光指数DSMP、离居民点中心的距离、离喀斯特中心的距离、人口总量、降水量以及气温。其中坡度、土壤有机质、高程DEM、灯光指数DSMP、离居民点的距离、人口数量以及气温与草地地类的相关系数β 值为负数，说明流域草地的空间分布与这几个驱动因素显著负相关。从这些影响因子中可以看出坡度以及海拔对草地概率的分布明显负相关，说明在桐梓河流域地区草地的分布概率一般出现在海拔较低、坡度较缓的地区。从相关系数大小来说，气温和灯光指数DSMP与草地地类的负相关系数相对较大，分别为-0.208 697和-0.119 809，说明在喀斯特地区气温越高，草地出现的概率越低，而研究区内灯光指数DSMP越小草地的分布概率越高，这也符合自然规律，流域的灯光指数是流域城镇发展空间的反映，草地也一般远离于城市建设用地分布。桐梓河流域中的降水量和离喀斯特岩性中心的距离与草地的分布概率显著正相关，说明在桐梓河的喀斯特地区草地的分布与岩性有着极大的关系，草地一般在喀斯特地区出现的概率较高，而流域中的降水量也与草地的分布概率正相关，说明降水越多，流域的草地分布也就越高。

3 .4 桐梓河流域土地利用模拟

根据计算得到的各种驱动力因子的β 系数，可以得出各驱动因子在回归方程中的回归系数，将以上求出的回归系数代入binary logistic回归模型中，可以求出桐梓河流域6种土地利用类型的回归方程，借助于ArcGIS10.2中的栅格计算器可以求出桐梓河流域不同土地利用类型空间分布概率图，其中分布的概率值越大，表示出现此种土地利用类型格局的概率越大。以下为桐梓河流域binary logistic回归方程如下，模拟效果图如图4所示。

图4 研究区各土地利用类型空间分布实际情况与概率
Fig.4 The current situation and probability of the spatial distribution of various land use types in study area

(1)水体：

1.778 317-0.096 191X ₁-0.007 636X ₄+0.000 472X ₆-0.001 104X ₇+0.000 833X ₁₀

(4)

(2)建设用地:

-0.021 6-0.068 887X ₀-0.115 305X ₁+0.000 176X ₂-0.003 738X ₃+0.231 380X ₄-0.000 76X ₅+0.000 595X ₆-0.001 671X ₁₀+0.000 197X ₁₁+0.000 174X ₁₃

(5)

(3)林地:

例3 如图10，在Rt△ABC中，∠ABC=90°，AB=8，BC=6，四边形DEFG是△ABC的内接矩形，点E，F分别在边AB，BC上，点D、G在边AC上，H是矩形DEFG对角线的交点，求线段CH长度的最小值.

(6)

(2)建设用地

本报讯近日，辉隆连锁集团第五届“百日大会战”总结暨秋种部署大会在安徽六安召开。集团相关负责人、省内大区经理及安徽、江苏区域配送中心负责人百余人参加会议。

(7)

(5)耕地:

10.838 0-0.047 137X ₀-0.020 017X ₁+0.000 017X ₂-0.001 544X ₃-0.000 316X ₅-0.000 196X ₆+0.000 508X ₇-0.004 721X ₈-0.000 03X ₁₁-0.154X ₁₂-0.000 376X ₁₃

(8)

(6)草地:

1.071 8-0.025 029X ₀-0.017 474X ₁-0.000 639X ₃-0.119 809X ₄-0.000 146X ₅+0.000 148X ₆-0.000 086X ₇+0.000 723X ₈-0.208 697X ₁₂

(9)

在对桐梓河流域不同土地利用进行binary logistic回归分析之后，获得的各种土地利用的概率图像与研究区实际的土地利用分布现状是否一致，需要运用相关方法对每一种土地利用类型进行一致性检验。目前，在对不同土地利用类型进行检验时，使用较多的方法是由Ponitius提出的ROC曲线检验方法。该检验方法对于预测的结果是否通过检验，是根据ROC曲线和对角线之间的面积的大小来度量的，一般来说，一个随机模型的ROC的值为0.5，而达到理想状态下ROC的值为1。当ROC的值达到1时，说明拟效果最好，模拟的结果与真实的土地利用完全吻合，反之当ROC的值越接近0，说明模拟的土地利用效果最差^[19]。以下为桐梓河流域不同土地利用类型在0.05的置信水平下所得到的ROC曲线检验结果。

项目划分工作要先进行初步规划方案，后进行实施“细则”。开工前根据初步设计的工程项目、设计方案、施工部署划分单位工程和分部工程，开工后结合各施工单位的施工部署、设计结构、质量考核、工种工序以及现场条件等再划分单元工程。开工前的划分主要考虑施工质量评定的宏观控制因素，开工后的划分是考虑施工质量评定的微观控制因素，即具体工艺的实施。

由图5可知，所选择的解释土地利用变化的驱动力因子能很好地模拟典型喀斯特地区的土地利用格局分布状况。其中水体和建设用地所选择的驱动力因子的模拟和解释能力最好，ROC的值分别为0.897和0.917，而灌木林地的解释能力较强，其值为0.795；林地和耕地ROC的值在0.7附近，说明林地和耕地的驱动力因子对这两个地类的揭示能力较弱，草地ROC的值最小，仅为0.587，但是不影响模型的正常运行。综上，桐梓河流域各种土地利用类型的ROC的值均高于0.5，表明各地类的概率分布和真实的地类分布具有很好的模拟效果，回归方程能较好地解释地类的空间分布状况。为了进一步检验模型模拟的效果，采用栅格图像逐点对比方法确定模型的精度，使用ArcGIS10.2中的create random point命令随机采样1000个样点，每个样点包含了实际图层和模拟图层信息，通过逐点对比并计算发现，建设用地的模拟准确率最高(89.62%)，水体次之(86.15%)，而草地的模拟准确率最低，其值仅为62.68%，这与喀斯特地区人地矛盾突出，受生计所迫人们不得不加大垦荒力度，导致草地斑块类型趋于离散化，回归变量对草地的解释能力稍弱有着直接的关系。

图5 研究区不同土地利用类型ROC模拟曲线
Fig.5 ROC simulation curves of different land use types in the study area

4 讨论

4 .1 与其他方法结果对比及其原因分析

研究在对典型喀斯特流域土地利用的模拟尺度在进行选择时，通过设置10种不同的空间分辨率尺度，在二元逻辑斯蒂回归方程的支持下得出桐梓河流域的最佳模拟空间尺度为120 m×120 m，该值与王祺等^[20]学者关于基于邻域相关的漓江流域土地利用多情景模拟与景观格局变化的研究结果相近，王祺等^[20]基于Auto-logistic回归模型构建了基于情景的CLUE-S模型，在模型构建的过程中他认为漓江流域的土地利用模拟尺度为150 m×150 m；而研究结果与田义超等关于黄土台塬区的土地利用最佳模拟结果相比，其值显著低于台塬区的最佳模拟尺度，田义超等^[21]认为黄土台塬区的土地利用的最佳模拟尺度为400 m×400 m，这种不同的尺度选择结果与不同研究区的地质地貌类型有着直接的关系。研究区的典型地貌类型与文献[20]研究区类似，同为典型的喀斯特地区，这一地区因不合理的人为活动，加上本身地质条件脆弱，导致生态环境恶化而发生水土流失，出现了大面积的基岩裸露，裸露的基岩切割原有的景观格局，使其完整的景观格局出现破碎化特征，景观异质性特征极为明显，因此通过logistic回归方程所甄别出的土地利用模拟尺度极为相似，而文献[21]通过二元logistic回归模型所揭示的黄土台塬区空间尺度明显大于桐梓河流域的土地利用模拟尺度，这与黄土台塬区地貌类型有着直接的关系，黄土台塬是由黄土覆盖在河谷阶地台面上，沿河谷呈长条状分布的黄土台面，台面上景观格局一般比较单一，景观的斑块呈现出整体化分布趋势，因此其尺度效应较大。

试验在湖南省畜牧兽医研究所试验鸭场进行，试鸭采用网上平养，自由饮水和采食，并按常规免疫，24 h光照；舍内自然通风，定期打扫卫生和消毒，保持正常温度，相对湿度为（60±5）%。

4 .2 研究结果的重要发现及意义

基于二元logistic回归的空间模拟模型是筛选和识别土地利用变化驱动因素、揭示土地空间分布格局、预测土地变化概率的重要手段^[20]。率先将二元逻辑斯蒂回归方程及影响土地利用变化的驱动力因子数据相结合，采用定量化的数理统计模型对影响典型喀斯特流域的土地利用模拟尺度进行了选择，在此基础上揭示了典型流域的土地利用关键性控制因子，该方法为国际同行进行喀斯特地区土地利用情景模拟和情景预测提供了最佳的模拟空间尺度，同时为国内外同行关于喀斯特地区土地利用变化的关键性控制因素的甄别提供了理论和数据支撑，为拓展典型喀斯特流域土地利用和驱动力机制的定量化研究提供了一套技术流程与技术方法。重要结果发现主要分为两个部分，其一是揭示了典型喀斯特流域的土地利用最佳模拟尺度为120 m×120 m，其二揭示了典型喀斯特流域土地利用变化的关键性驱动力因子，即喀斯特地区林地与灌木林地的出现概率并不是与降水量的大小有着直接的关系，这与非喀斯特地区有着显著的区别，非喀斯特地区如北方的黄土高原地区，该地区的植被由于长期受到缺水的作用，限制林地和灌木林地生长的关键要素是降水量，而通过研究结果可知，喀斯特地区林地和灌木林地的生长(或林地和灌木林地的出现概率)一般与气温正相关，温度越高，林地的出现概率也就越大。在喀斯特地区草地的分布与岩性有着极大的关系，草地一般出现在喀斯特地区以及降水量高的地区，而气温越高，草地出现的概率则越低，该项研究成果可为喀斯特地区植被恢复以及石漠化治理工程提供新的视角。

5 结论

以典型喀斯特流域1980、1990、2000、2010、2015年五期的遥感影像解译数据以及研究区的自然社会经济等数据为基础，综合土地利用转移概率矩阵以及binary logistic逻辑斯蒂回归模型对桐梓河流域的土地利用格局进行了最佳模拟尺度选择，在此基础上构建了研究区不同地类空间分布概率以及二元logistic回归模型，得出以下结果。

最后用graphviz软件打开该文件，可以看到渲染得到的二叉树图像，D结点是B结点的右孩子，满足要求。如图17所示。

不同温度下水树的生长特性是国内外研究者关注的重点。然而对于在不同的温度下XLPE电缆中水树生长的规律，目前的研究尚未得到统一的结论。有研究认为在高温下水树生长速率提高，但同时也有研究认为随着温度升高，水树生长速率将下降。另有研究表明低温下水树生长速率将增加[9-11]。以往的研究大多集中在研究不同温度下水树形态、生长速率等方面，尚未关注在一个较长的老化时期内低温下的水树生长特征，例如水树生长速率随着老化时间的变化及其原因分析。有关此方面的研究有助于进一步探索水树在低温下的生长规律，此外对于提高局部寒冷地区XLPE电缆的绝缘状态监测及运维管理水平亦有现实的指导价值。

(1)桐梓河流域属于典型的喀斯特流域，流域的景观类型异质性较强，土地利用类型在研究期间内转移过程比较复杂，各种土地类型流转中“转出与转入”现象普遍存在。

(2)草地面积主要由林地、灌木林地和耕地转换而来，主要流向林地和灌木林地；耕地主要由灌木林地和林地转换而来，主要流向草地、林地和建设用地；灌木林地则主要由林地转换而来，主要流向耕地。

(3)通过对桐梓河流域10种不同尺度的转换效应甄别下，识别出120 m×120 m是桐流域土地利用分析及其模拟的最佳空间尺度。

(4)不同驱动因子对各种地类空间分布格局的影响程度不同，喀斯特地区林地与灌木林地的出现概率与降水量的大小没有直接的关系，降水量越大的地方流域的林地分布概率也不一定越高；而林地和灌木林地的发生概率一般与气温正相关，温度越高，林地的出现概率也就越大。在喀斯特地区草地的分布与岩性有着极大的关系，草地一般出现在喀斯特地区以及降水量高的地区，而气温越高，草地出现的概率则越低。

(5)从桐梓河流域可以看出，水体和建设用地所选择的驱动力因子的模拟和解释能力最好，分别为0.897和0.917，灌木林地的解释能力较强，其值为0.795；而草地的值最小，仅为0.587。从逐点对比的精度来看，建设用地的模拟准确率最高(89.62%)，水体次之(86.15%)，而草地的模拟准确率最低，其值仅为62.68%。

参考文献

1 董磊华, 熊立华, 于坤霞, 等. 候变化与人类活动对水文影响的研究进展[J]. 水科学进展, 2012, 23(2): 278-285

Dong Leihua, Xiong Lihua, Yu Kunxia, et al. Research advances in effects of climate change and human activities on hydrology[J]. Advances in Water Science, 2012, 23(2): 278-285

2 Li D, Huang Y, Qiao B, et al. The research on land-use change and ecological environment effect of urban landscape in China[J]. International Journal of Geosciences, 2016,7(7): 956-961

3 保家有, 王海华. 亦庄新城地区土地利用时空动态变化及其驱动因素分析[J]. 科学技术与工程, 2008, 8(6): 1522-1529

Bao Jiayou, Wang Haihua. Land use temporal-spatial dynamic change and driving factor analysis of Yizhuang New City Area[J]. Science Technology and Engineering, 2008, 8(6): 1522-1529

4 Hunter M C. Emerging landscapes: Using ecological theory to guide urban planting design: An adaptation strategy for climate change[J]. Landscape Journal, 2011, 30(2): 173-193

5 吴 莉, 侯西勇, 徐新良, 等. 山东沿海地区土地利用和景观格局变化[J]. 农业工程学报, 2013, 29(5): 207-216

Wu Li, Hou Xiyong, Xu Xinliang, et al. Land use and landscape pattern changes in coastal areas of Shandong Province, China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(5): 207-216

6 Turner B L I, Skole D L, Sanderson S, et al. Land-use and land-cover change. Science/research plan[J]. Global Change Report, 1995, 43(1995): 669-679

7 Bormann H, Breuer L, Gräff T, et al. Analysing the effects of soil properties changes associated with land use changes on the simulated water balance: A comparison of three hydrological catchment models for scenario analysis[J]. Ecological Modelling: 2007, 209: 29-40

8 蔺 卿, 罗格平, 陈 曦, 等. LUCC驱动力模型研究综述[J]. 地理科学进展, 2005, 24(5): 79-87

Lin Qing, Luo Geping, Chen Xi, et al. Review of land-use model[J]. Progress in Geography, 2005, 24(5): 79-87

9 张永民, 赵士洞. CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用[J]. 自然资源学报, 2003, 18(3): 310-318

Zhang Yongmin, Zhao Shidong. CLUE-S and its application for simulating temporal and spatial change of land use in Naiman Banner[J]. Journal of Natural Resources, 2003, 18(3): 310-318

10 Verburg P H, Schot P P, Dijst M J, et al. Land use change modelling: Current practice and research priorities[J]. Geojournal, 2004, 61(4): 309-324

11 王海军, 孔祥冬, 张 勃. 空间统计模型在土地利用与覆被变化模拟与预测中的应用——以Logistic-CA-Markov模型为例[J]. 科学技术与工程, 2016, 16(15): 139-143

Wang Haijun, Kong Xiangdong, Zhang Bo. Application of spatial statistical model in LUCC simulation and forecast—Taking the Logistic-CA-Markov model as an example[J]. Science Technology and Engineering, 2016, 16(15): 139-143

12 赵庚星, 尚建业. 黄河三角洲垦利用土地利用的系统动力仿真模拟研究[J]. 浙江大学学报:农业与生命科学版, 1998, 24(2): 141-147

Zhao Gengxing, Shang Jianye. Study on land use system dynamics simulation of Kenli County, Yellow river delta[J]. Journal of Zhejiang Agricultural University: Agriculture and Life Sciences, 1998, 24(2): 141-147

13 赵何丹, 金凤君, 周 璟. 基于Logistic-CA-Markov的土地利用景观格局变化——以京津冀都市圈为例[J]. 地理科学, 2011, 31(8): 903-910

Zhao Hedan, Jin Fengjun, Zhou Jing. The changes of land use and landscape pattern based on Logistic-CA-Markov model—A case Study of Beijing-Tianjin-Hebei metropolitan region[J]. Scientia Geographica Sinica, 2011, 31(8): 903-910

14 赵李闻. 基于CLUE-S模型的土地利用模拟研究[D]. 南京: 南京师范大学, 2011

Zhao Liwen. Simulation of land use based on CLUE-S model[D]. Nanjing: Nanjing Normal University, 2011

15 田义超, 任志远. 基于CLUE-S模型的黄土台塬区土地利用变化模拟——以陕西省咸阳台塬区为例[J]. 地理科学进展, 2012, 31(9): 1224-1234

Tian Yichao, Ren Zhiyuan. Land use change simulations in loess hilly areas based on CLUE-S Model: A case study in Xianyang Loess Tableland areas of Shaanxi Province[J]. Progress in Geography, 2012, 31(9): 1224-1234

16 Manno A. CART: Classification and regression trees[J]. Wiley Interdisciplinary Reviews Data Mining & Knowledge Discovery, 2011, 1(1): 14-23

17 徐 岚, 赵 羿. 利用马尔柯夫过程预测东陵区土地利用格局的变化[J]. 应用生态学报, 1993, 4(3): 272-277

Xu Lan, Zhao Yi. Forecast of land use pattern change in Dongling District of Shenyang: An application of Markov process[J]. Chinese Journal of Applied Ecology,1993, 4(3): 272-277

18 邓 华, 邵景安, 王金亮, 等. 多因素耦合下三峡库区土地利用未来情景模拟[J]. 地理学报, 2016, 71(11): 1979-1997

Deng Hua, Shao Jin’gan, Wang Jinliang, et al. Land use driving forces and its future scenario simulation in the Three Gorges Reservoir Area using CLUE-S model[J]. Acta Geographica Sinica, 2016, 71(11): 1979-1997

19 闫效莺, 康 磊. 基于回归模型的网络排序算法预测药物靶点关系[J]. 科学技术与工程, 2016, 16(22): 36-40

Yan Xiaoying, Kang Lei. A regression-based network ranking prediction model for drug-target interaction[J]. Science Technology and Engineering, 2016, 16(22): 36-40

20 王 祺, 蒙吉军, 毛熙彦. 基于邻域相关的漓江流域土地利用多情景模拟与景观格局变化[J]. 地理研究, 2014, 33(6): 1073-1084

Wang Qi, Meng Jijun, Mao Xiyan. Scenario simulation and landscape pattern assessment of land use change based on neighborhood analysis and auto-logistic model: A case study of Lijiang river basin[J]. Geographical Research, 2014, 33(6): 1073-1084

21 田义超, 陈志坤, 梁铭忠, 等. 土地利用最佳模拟尺度选择及空间格局模拟[J]. 计算机工程与应用, 2014, 50(24): 244-249

Tian Yichao, Chen Zhikun, Liang Mingzhong, et al. Selection of land use best simulation scale and patterns of spatial simulation[J]. Computer Engineering and Applications, 2014, 50(24): 244-249

Land Use Change and Its Simulation in Tongzi River Basin Based on Binary Logistic Model

TIAN Yi-chao^1,2,3,4, HUANG Yuan-lin^1*, BAI Xiao-yong⁴, ZHANG Qiang¹, TAO Jin¹,ZANG Ya-li¹, XIE Xiao-kui¹, WANG Ri-ming¹

(College of Resources and Environment¹, Key Laboratory of Marine Geographic Information Resources Development and Utilization², Guangxi Key Laboratory of Beibu Gulf Marine Biodiversity Conservation³, Beibu Gulf University, Qinzhou 535000, China; State Key Laboratory of Environmental Geochemistry，Institute of Geochemistry，Chinese Academy of Sciences⁴，Guiyang 550081，China)

[Abstract ]In order to explore the temporal and spatial change process of land use in typical karst basins and reveal the main controlling factors of land use change in the basins, the probability matrix of land use transfer and the binary logistic logistic regression model was combined to select the optimal simulation scale for the land use pattern based on the remote sensing image interpretation data from 1980, 1990, 2000, 2010, 2015 and the natural and socio-economic data in the Tongzi river basin, and then a probability map of spatial distribution of different land types in the basin was constructed. The results show that the heterogeneity of landscape type in the basin is strong, and the transfer process of the land use type is complex during the study period. The phenomenon of “turning out and transferring” is common in the study area. The best spatial simulation scale for land use analysis and land use simulation is 120 m×120 m in Tongzi river basin. The probability of the occurrence of woodland and shrub land in Karst is not directly related to amount of precipitation, and the probability of distribution of woodland and shrub land in watershed with higher precipitation is not necessarily higher. The occurrence probability of woodland and shrub land is generally positively correlated with temperature. The higher the temperature, the greater the probability of occurrence of woodland and shrub land. There is a great relationship between the distribution of grassland and the lithology in Karst. The grassland usually appears in the Karst region and the region with high precipitation, and the higher the temperature. From the raster of point by point, the accuracy of the construction land is the highest (89.62%) and the water body is in second (86.15%), while the simulation accuracy of the grassland is the lowest, and its value is only 62.68%. It is concluded that the binary logistic regression model has a good simulation ability when identifying the spatial and temporal data changes and driving forces of land use in the karst basin.

[Key words ]land use binary logistic spatial simulation the typical karst Tongzi river baisn

引用格式： 田义超， 黄远林， 白晓永， 等. 基于二元逻辑斯蒂模型的桐梓河流域土地利用变化及模拟[J]. 科学技术与工程， 2019， 19(6)： 50-62

Tian Yichao, Huang Yuanlin, Bai Xiaoyong, et al. Land use change and its simulation in Tongzi river basin based on binary logistic model[J]. Science Technology and Engineering, 2019， 19(6)： 50-62

中图法分类号 P962；

文献标志码 A

2018年7月26日收到

国家重点研发计划(2016YFC0502300)、广西自然科学基金联合培育项目(2018JJA150135)、广西教育厅基金(ZD2014138)、广西创新驱动发展专项基金(2018AA13005)、广西北部湾海洋生物多样性养护重点实验室项目(2015ZB07)、广西“海洋生态环境”院士工作站能力建设项目(AD17129046)和广西本科高校特色专业及实验实训教学基地建设项目(桂教高教〔2018〕52号)资助

第一作者简介： 田义超(1986—)，男，汉族，陕西西安人，博士，讲师。E-mail：tianyichao1314@yeah.net。

^*通信作者简介： 黄远林(1971—)，男，苗族，湖南龙山人，博士，副教授。E-mail：huangyuanlin@yeah.net。

标签：土地利用论文;  二元逻辑斯蒂论文;  空间模拟论文;  典型喀斯特论文;  桐梓河流域论文;  北部湾大学资源与环境学院论文;  北部湾大学海洋地理信息资源开发利用重点实验室论文;  北部湾大学广西北部湾海洋生物多样性养护重点实验室论文;  中国科学院地球化学研究所环境地球化学国家重点实验室论文;