基于不同空間矩陣的空間自相關模型的土地利用驅動力的研究.pdf

1、土地利用/土地利用覆被變化（Land Use and Land Cover Change，LUCC）是全球環(huán)境變化的主要原因和重要組成部分，也為人類行為的決策提供著重要的科學決策。在現(xiàn)有的土地利用覆被變化規(guī)律的研究中，常規(guī)的模型分析方法都是建立在數(shù)據(jù)自身是呈現(xiàn)正態(tài)分布的，是獨立的。而空間數(shù)據(jù)不可能在空間上是獨立的，數(shù)據(jù)之間一定存在一定的空間相關性，所以，空間自相關性分析已經成為人們關注的重點，產生了許多空間自相關的度量參數(shù)。在這些參數(shù)中

2、，出現(xiàn)最早、應用最廣的參數(shù)是Moran's I（莫蘭指數(shù)）指數(shù)。為更加清楚的解釋覆被地類之間的空間關系，各個空間現(xiàn)象之間的鄰接關系就需要在研究之前進行定義，空間權重矩陣就是鄰接關系的主要表達方式。而當前現(xiàn)有的研究中，大多數(shù)研究都是基于同一種空間權重矩陣進行分析的，不同空間權重對空間相關性和空間聚集性的影響還缺少的非常必要的研究。
　　本文中選取山東省為研究區(qū)域，將中國科學院資源環(huán)境科學數(shù)據(jù)中心提供的中國土地利用現(xiàn)狀圖進行提取和分類

3、，利用距離閾值權重、Rook權重和Queen權重這三種空間權重矩陣對山東省土地利用程度和六種不同覆被地類的分布格局的相關性進行研究分析，計算了6大地類的Moran’s I指數(shù)，并基于不同權重矩陣建立各個地類的空間回歸模型。得出以下結論：
　　1.無論哪種矩陣都非常明顯的存在空間相關性和聚集性的存在，表明相同的覆被地類具有同質趨向性。并且，空間距離矩陣比空間鄰接矩陣更能度量空間分布。
　　2.經典回歸模型的殘差具有空間自相關性

4、，表明采用自相關模型的必要性。在自相關模型研究中，空間滯后模型具有更好的擬合度和代表性。
　　3.通過模型研究發(fā)現(xiàn)不同地類的驅動因子不同，林地的主要驅動因子是淤泥質土壤、DEM、降水和人口密度。耕地的主要驅動因子是年均氣溫、人口密度、黏土、Silt和 X_Y，水域的主要驅動因子是年均降水量、人口密度和黏土；草地的主要驅動因子是年均降水量、DEM、黏土和淤泥；建筑用地的主要驅動因子是大于10度積溫、年均氣溫、DEM、GDP、黏土和淤