全 文 ：基于 Ｐｒｏｂｉｔ回归模型的经济发达地区土地利用
变化驱动力分析———以南京市为例∗
刘　 康１　 李月娥２　 吴　 群１∗∗　 沈键芬３
（ １南京农业大学土地管理学院， 南京 ２１００９５； ２江苏苏地仁合信息技术服务有限公司， 南京 ２１００２９； ３中国科学院南京土壤研
究所， 南京 ２１０００８）
摘　 要　 基于 １９９６、２００２ 及 ２０１０ 年的遥感影像，借助 ＲＳ 和 ＧＩＳ 技术，分析南京市 １９９６—
２０１０年土地利用变化特征，并采用 Ｐｒｏｂｉｔ 回归模型定量分析土地利用变化驱动因素．结果表
明： １９９６—２０１０年，南京市土地利用变化特征主要表现为耕地和林地面积不断减少，建设用
地、园地和草地面积持续增加，综合土地利用变化率呈不断上升趋势，整体处于发展状态；通
过对耕地和林地变化的回归分析发现，耕地变化在 １９９６—２００２ 年主要受距最近农村居民点
距离和农业人口密度变化的影响，在 ２００２—２０１０年主要受地均 ＧＤＰ 变化、距最近农村居民点
距离和距最近道路距离的影响；而林地变化在 １９９６—２００２ 年主要受高程和距最近农村居民
点距离的影响，在 ２００２—２０１０年主要受地均 ＧＤＰ 变化、人口密度变化和距最近道路距离的影
响．影响研究区土地利用变化的因素早期主要是自然和空间距离因素，而近年主要是社会经
济和人口因素．
关键词　 Ｐｒｏｂｉｔ回归模型； 土地利用变化； 驱动力； 南京
文章编号　 １００１－９３３２（２０１５）０７－２１３１－０８　 中图分类号　 Ｆ３０１．２４　 文献标识码　 Ａ
Ｄｒｉｖｉｎｇ ｆｏｒｃｅ ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｉｎ ｔｈｅ ｄｅｖｅｌｏｐｅｄ ａｒｅａ ｂａｓｅｄ ｏｎ Ｐｒｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ
ｍｏｄｅｌ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｎａｎｊｉｎｇ Ｃｉｔｙ， Ｃｈｉｎａ． ＬＩＵ Ｋａｎｇ１， ＬＩ Ｙｕｅ⁃ｅ２， ＷＵ Ｑｕｎ１， ＳＨＥＮ Ｊｉａｎ⁃
ｆｅｎ３ （ １ Ｃｏｌｌｅｇｅ ｏｆ Ｌａｎｄ Ｍａｎａｇｅｍｅｎｔ， Ｎａｎｊｉｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｊｉｎｇ ２１００９５， Ｃｈｉｎａ；
２Ｊｉａｎｇｓｕ’ ｓ Ｓｕｄｉｒｅｎｈｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｉｑｕｅ Ｓｅｒｖｉｃｅ Ｃｏｍｐａｎｙ Ｌｔｄ．， Ｎａｎｊｉｎｇ ２１００２９， Ｃｈｉｎａ； ３Ｉｎｓｔｉ⁃
ｔｕｔｅ ｏｆ Ｓｏｉｌ Ｓｃｉｅｎｃｅ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｎａｎｊｉｎｇ ２１０００８， Ｃｈｉｎａ） ． ⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．，
２０１５， ２６（７）： ２１３１－２１３８．
Ａｂｓｔｒａｃｔ： Ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｉｎ １９９６， ２００２ ａｎｄ ２０１０， ｗｉｔｈ ｔｈｅ ｈｅｌｐ ｏｆ ＲＳ ａｎｄ
ＧＩＳ ｔｅｃｈｎｏｌｏｇｙ， ａｎｄ ｕｓｉｎｇ ｔｈｅ Ｐｒｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ， ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｄ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ
ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｉｎ Ｎａｎｊｉｎｇ Ｃｉｔｙ ｆｒｏｍ １９９６ ｔｏ ２０１０， ａｎｄ ｔｈｅ ｄｒｉｖｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ． Ｔｈｅ
ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ａｎｄ ｗｏｏｄｌａｎｄ ｄｅｃｒｅａｓｅｄ， ｃｏｎｓｔｒｕｃｔｉｖｅ ｌａｎｄ， ｇａｒｄｅｎ ｐｌｏｔ ａｎｄ
ｇｒａｓｓｌａｎｄ ｃｏｎｔｉｎｕｅｄ ｔｏ ｉｎｃｒｅａｓｅ， ａｎｄ ｔｈｅ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｒａｔｅ ｗａｓ ｒｉｓｉｎｇ ｓｉｎｃｅ １９９６．
Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｆｏｒ ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ａｎｄ ｗｏｏｄｌａｎｄ ｃｈａｎｇｅ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｔｈｅ ｃｈａｎｇｅ ｏｆ
ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ｉｎ ｔｈｅ ｙｅａｒｓ １９９６－２００２ ｗａｓ ｍａｉｎｌｙ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｆａｃｔｏｒｓ ｏｆ “ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ
ｒｕｒａｌ ｓｅｔｔｌｅｍｅｎｔ” ａｎｄ “ ｆａｒｍｅｒｓ’ ｐｏｐｕｌａｔｉｏｎ ｄｅｎｓｉｔｙ” ． Ｈｏｗｅｖｅｒ， ｉｎ ｔｈｅ ｙｅａｒｓ ２００２ － ２０１０ ｉｔ ｗａｓ
ｍａｉｎｌｙ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｆａｃｔｏｒｓ ｏｆ “ｃｈａｎｇｅ ｏｆ ｐｅｒ ａｒｅａ ＧＤＰ”， “ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｒｕｒａｌ ｓｅｔｔｌｅｍｅｎｔ” ａｎｄ
“ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ ｒｏａｄ”． Ｔｈｅ ｃｈａｎｇｅ ｏｆ ｗｏｏｄｌａｎｄ ｉｎ ｔｈｅ ｙｅａｒｓ １９９６－２００２ ｗａｓ ｍａｉｎｌｙ ａｆｆｅｃｔｅｄ
ｂｙ ｔｈｅ ｆａｃｔｏｒｓ ｏｆ “ ｔｈｅ ｅｌｅｖａｔｉｏｎ” ａｎｄ “ ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｒｕｒａｌ ｓｅｔｔｌｅｍｅｎｔ”． Ｈｏｗｅｖｅｒ， ｉｎ ｔｈｅ ｙｅａｒｓ
２００２－２０１０ ｉｔ ｗａｓ ｍａｉｎｌｙ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｆａｃｔｏｒｓ ｏｆ “ｃｈａｎｇｅ ｏｆ ｐｅｒ ａｒｅａ ＧＤＰ”， “ｐｏｐｕｌａｔｉｏｎ ｄｅｎｓｉ⁃
ｔｙ” ａｎｄ “ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ ｒｏａｄ”． Ｂｙ ｃｏｍｐａｒｉｓｏｎ， ｔｈｅ ｅａｒｌｙ ｄｒｉｖｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ
ｗｅｒｅ ｍａｉｎｌｙ ｎａｔｕｒａｌ ｆａｃｔｏｒｓ， ｂｕｔ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ， ｔｈｅｙ ｗｅｒｅ ｍａｉｎｌｙ ｓｏｃｉａｌ， ｅｃｏｎｏｍｉｃ ａｎｄ ｄｅｍｏｇｒａ⁃
ｐｈｉｃ ｆａｃｔｏｒｓ．
Ｋｅｙ ｗｏｒｄｓ： Ｐｒｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ； ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ； ｄｒｉｖｉｎｇ ｆｏｒｃｅ； Ｎａｎｊｉｎｇ Ｃｉｔｙ．
∗国家自然科学基金重点项目（７１２３３００４）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｗｕｑｕｎ＠ ｎｊａｕ．ｅｄｕ．ｃｎ
２０１４⁃０８⁃１２收稿，２０１５⁃０３⁃０８接受．
应 用 生 态 学 报　 ２０１５年 ７月　 第 ２６卷　 第 ７期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｌ． ２０１５， ２６（７）： ２１３１－２１３８
　 　 土地利用 ／覆盖变化（ＬＵＣＣ）是自然环境、时空
关系和经济技术等结构和行为对土地利用方式与目
的改变的体现［１］，对全球生态和环境变化有着重要
影响［２］，一直是地理学、生态学等相关学科领域研
究的热点［３－６］ ．随着人类活动对自然影响的不断增
强，目前研究的重点正从“全球转向区域”、“自然转
向人文” ［７］ ．分析土地利用变化特征、探索其变化过
程和驱动因素、进行土地利用变化动态分析、预测未
来土地利用变化分析方向、提出合理的土地利用结
构和模式，对实现区域可持续发展目标具有重要意
义［８－９］ ．
近年来，国内外学者通过构建主成分与相关分
析模型、多元线性回归模型、元胞自动机模型和系统
动力学模型等不同模型［１０－１３］研究区域土地利用变
化与驱动机制之间的关系，这些模型在一定程度上
模拟了 ＬＵＣＣ可能的原因．然而，线性回归模型只能
反映区域内土地利用总量变化，难以揭示其变化空
间异质性与驱动力之间的关系；元胞自动机模型可
以模拟 ＬＵＣＣ中生物物理方面的问题，对人类决策
的模拟是一个弱点；系统动力学模型能够全面考虑
ＬＵＣＣ 过程中的驱动因素，但缺乏处理空间因素能
力．进而，不少学者采用多元 Ｌｏｇｉｓｔｉｃ 回归模型分析
土地利用变化驱动力，如谢花林［１４］运用 Ｌｏｇｉｓｔｉｃ 回
归模型分析了生态功能区内土地利用变化影响因素
及其作用机理；吴巍等［１５］借助 Ｌｏｇｉｓｔｉｃ 回归模型和
ＧＷＬＲ模型阐述了城乡结合部土地利用变化驱动模
式和驱动机制．但较少有文献运用 Ｐｒｏｂｉｔ 回归模型
对 ＬＵＣＣ 驱动力进行分析，Ｐｒｏｂｉｔ 回归模型分析是
基于一组抽样数据来分析因变量与自变量之间的因
果关系，并解释自变量变化对因变量发生概率的影
响．其能够全面考虑各种驱动因素对 ＬＵＣＣ 的影响，
包括空间因素，同时能够处理变化的空间异质性．因
此，本文尝试采用 Ｐｒｏｂｉｔ回归模型，以土地利用类型
是否发生变化作二元因变量，以影响土地利用变化
的驱动因子作自变量，分析区域土地利用变化驱动
因素．
长三角是我国经济发达的典型代表地区，也是
当前区域土地利用变化研究的热点地区，因此，本文
选择具有代表性的南京市作为研究区域．基于南京
市 １９９６、２００２ 及 ２０１０ 年 ３ 期遥感影像，运用 ＲＳ 和
ＧＩＳ技术，研究南京市土地利用变化规律和特征；通
过比较发现耕地和林地面积减少最为明显，而其他
地类变化的样点太少，不符合 Ｐｒｏｂｉｔ回归分析要求，
因此，以耕地和林地变化为例，选取自然、经济和空
间距离等多个变量，采用 Ｐｒｏｂｉｔ 回归模型定量分析
其变化与驱动因子之间的关系，探讨经济发达地区
土地利用变化驱动机制，以期为区域土地资源合理
利用与优化配置提供参考．
１　 研究地区与研究方法
１􀆰 １　 研究区域概况
南京市（３１°１４′—３２°３７′ Ｎ，１１８°２２′—１１９°１４′ Ｅ）
位于江苏省西南部，地处长江下游平原地区，是江苏
省省会城市．南京是长三角重要组成城市之一和华
东地区第二大城市，同时也是华东地区重要的交通
和通讯枢纽，经济发达．全市总面积 ６５９７ ｋｍ２，辖 １１
个区， 建设用地面积 ７５２． ８３ ｋｍ２， 耕 地 面 积
２３９９１１ ｈｍ２ ．地貌是由低山、河谷平原、岗地、沿江平
原和滨湖平原等地形单元组成的综合地貌体．年降
水量 １１００～１３００ ｍｍ，植被覆盖以常绿林为主，林木
覆盖率 ２６． ４％． １９９６—２０１０ 年地区生产总值由
５６３􀆰 ６７亿元增长至 ４５１５．２２ 亿元，年均增长 ３８．８％；
总人口由 ５２５．４３ 万增长至 ６３２．６３ 万；城镇化率由
３６．６％增长至 ７９．０％．
１􀆰 ２　 数据来源及处理
本文所采用的土地利用数据来源于中国科学院
资源环境数据中心 ２０ 世纪 ９０ 年代初期、２００２ 年
ｃｏｖｅｒａｇｅ格式数据及 １９９６、２００２ 和 ２０１０ 年 Ｌａｎｄｓａｔ
ＴＭ ／ ＥＴＭ多光谱遥感影像，同时收集了南京市行政
区划图、地形图等图件资料．土地利用变化既受自然
和空间距离因素影响，也受到社会经济和人口因素
影响［１６］ ．根据研究区域实际情况、已有研究成
果［１２－１５］和数据的可获取性、科学性及主导性，本文
选取高程（Ｘ１）、坡度（Ｘ２）、降水量（Ｘ３）、距最近农
村居民点距离（Ｘ４）、距最近乡镇中心距离（Ｘ５）、距
最近道路距离（Ｘ６）、距最近河流距离（Ｘ７）、人口密
度变化（Ｘ８）、地均 ＧＤＰ 变化（Ｘ９）、农业人口密度变
化（Ｘ１０） １０ 个因子作为影响土地利用变化的因子
（表 １）．高程、坡度数据通过南京市 ＤＥＭ 数据库提
取；空间距离数据来源于南京市土地利用变更调查
数据库，利用 ＡｒｃＧＩＳ 软件的 Ｓｐａｔｉａｌ Ａｎａｌｙｓｔ 模块计
算各空间距离值；降水量、人口密度变化、农业人口
密度变化分别来源于 １９９６、２００２、２０１０年《南京市统
计年鉴》 ［１７］；地均 ＧＤＰ 变化数据、１ ｋｍ 格网全国
ＧＤＰ 数据（１９９６、２００２、２０１０ 年）来源于地球系统科
学数据库共享网（ ｗｗｗ．ｇｅｏｄａｔａ．ｃｎ）．
　 　 利用收集到的南京市行政区划图、地形图等图
件资料辅助遥感影像拼接、配准及分类解译，利用
２３１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 １　 土地利用变化驱动因子
Ｔａｂｌｅ １　 Ｄｒｉｖｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ
变量
Ｖａｒｉａｂｌｅ
变量名称或描述
Ｖａｒｉａｂｌｅ ｎａｍｅ
ｏｒ ｄｅｓｃｒｉｐｔｉｏｎ
类型
Ｔｙｐｅ
数据来源
Ｄａｔａ
ｓｏｕｒｃｅ
单位
Ｕｎｉｔ
因变量
Ｄｅｐｅｎｄｅｎｔ
ｖａｒｉａｂｌｅ
耕地变化
（１９９６—２００２）
Ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ｃｈａｎｇｅ
二分类 遥感影像
耕地变化
（２００２—２０１０）
Ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ｃｈａｎｇｅ
二分类 遥感影像
林地变化
（１９９６—２００２）
Ｗｏｏｄｌａｎｄ ｃｈａｎｇｅ
二分类 遥感影像
林地变化
（２００２—２０１０）
Ｗｏｏｄｌａｎｄ ｃｈａｎｇｅ
二分类 遥感影像
自变量
Ｉｎｄｅｐｅｎｄｅｎｔ
高程
Ａｌｔｉｔｕｄｅ （Ｘ１）
连续型 ＤＥＭ 数据
库
ｍ
ｖａｒｉａｂｌｅ 坡度
Ｓｌｏｐｅ （Ｘ２）
连续型 ＤＥＭ 数据
库
°
降水量
Ｐｒｅｃｉｐｉｔａｔｉｏｎ （Ｘ３）
连续型 统计年鉴 ｍｍ
距最近农村居民点距离
Ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ ｒｕ⁃
ｒａｌ ｓｅｔｔｌｅｍｅｎｔ （Ｘ４）
连续型 ＧＩＳ ｋｍ
距最近乡镇中心距离
Ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ
ｔｏｗｎｓｈｉｐ （Ｘ５）
连续型 ＧＩＳ ｋｍ
距最近道路距离
Ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ
ｒｏａｄ （Ｘ６）
连续型 ＧＩＳ ｋｍ
距最近河流距离
Ｄｉｓｔａｎｃｅ ｔｏ ｔｈｅ ｎｅａｒｅｓｔ
ｒｉｖｅｒ （Ｘ７）
连续型 ＧＩＳ ｋｍ
人口密度变化
Ｃｈａｎｇｅ ｏｆ ｐｏｐｕｌａｔｉｏｎ ｄｅｎ⁃
ｓｉｔｙ （Ｘ８）
连续型 统计年鉴 人·ｋｍ－２
地均 ＧＤＰ 变化
Ｃｈａｎｇｅ ｏｆ ｐｅｒ ａｒｅａ ＧＤＰ
（Ｘ９）
连续型 地球系统
科学数据
库
万元·ｈｍ－２
农业人口密度变化
Ｃｈａｎｇｅ ｏｆ ｆａｒｍｅｒ’ ｓ ｐｏｐｕ⁃
ｌａｔｉｏｎ ｄｅｎｓｉｔｙ （Ｘ１０）
连续型 统计年鉴 人·ｋｍ－２
遥感软件 ＥＲＤＡＳ对 ３ 个不同时期的遥感影像进行
几何校正．依据全国土地利用分类体系和南京市实
地情况，将研究区域土地利用分为建设用地（包括
工矿用地）、耕地、园地、林地、牧草地 ５ 大类型．对解
译数据进行精度评价（以 ２０１０ 年为例），主要采用
与同期土地调查资料进行对比分析和实地抽样调
查，建设用地、耕地解译精度在 ９０％左右，园地、林
地、牧草地解译精度在 ８１％以上，总体精度确保在
８３％以上．为了进行 Ｐｒｏｂｉｔ 回归模型分析，首先通过
ＡｒｃＧＩＳ软件将所有数据图件栅格化，全部转化为分
辨率 １００ ｍ×１００ ｍ的栅格数据；然后进行空间叠加
分析，确保每个图层的栅格数据一一对应；最后在
ＡｒｃＧＩＳ软件的支持下，分别提取各个图层的栅格数
值，并导出格式为 ｄｂｆ的文件，利用 ｓｔａｔａ软件进行统
计分析．
１􀆰 ３　 样本抽样
为了避免相邻地块数据之间的空间自相关性，
确保 Ｐｒｏｂｉｔ回归模型结果的准确可靠，本研究采用
分层系统随机抽样，因为分层系统随机抽样能有效
地减小数据空间自相关性对回归结果的影响［１８］ ．在
两个时期的研究区域内均匀抽取 １２０００ 个样本点，
其中 １９９６—２００２ 年抽样点 ５５００ 个（４５．８％），耕地
样点 ６５１４个（５４．３％）（图 １）．使变量 ０ 和变量 １ 的
样本数大致一样，这样抽样能够有效保证土地利用
类型未变化与变化具有大致一样的预测精度．利用
栅格数据建立抽样点的属性数据库，为 Ｐｒｏｂｉｔ 回归
模型分析提供数据支持．
１􀆰 ４　 土地利用变化程度指标
单一土地利用变化率指某一特定区域里某一种
土地利用类型面积在某一时间段内发生改变的速
率，其计算公式如下［１９－２０］：
Ｋ＝
Ｕｂ－Ｕａ
Ｕａ
× １
Ｔ
×１００％ （１）
式中：Ｋ为单一土地利用变化率（％）；Ｕａ为研究初期
某土地利用类型面积（ｈｍ２）；Ｕｂ为研究末期某土地
图 １　 采样点空间分布
Ｆｉｇ．１　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｓａｍｐｌｉｎｇ ｓｉｔｅｓ．
３３１２７期　 　 　 　 　 刘　 康等： 基于 Ｐｒｏｂｉｔ回归模型的经济发达地区土地利用变化驱动力分析———以南京市为例　 　
利用类型面积（ｈｍ２）；Ｔ为研究时间长度（ａ）．
综合土地利用变化率（Ｒ）指某一特定区域里各
种土地利用类型面积在某一时间段内总体发生改变
的速率．Ｒ 大于 ０，表示该区域土地利用处于发展状
态，否则处于调整与衰退状态，其计算公式如下［２１］：
Ｒ ＝
∑
ｎ
ｉ ＝ １
（Ａｉ × Ｃ ｉ，ｂ） － ∑
ｎ
ｉ ＝ １
（Ａｉ × Ｃ ｉ，ａ）
∑
ｎ
ｉ ＝ １
（Ａｉ × Ｃ ｉ，ａ）
（２）
式中：Ｒ为综合土地利用变化率（％）；Ａｉ为第 ｉ 类土
地类型利用程度分级指数， Ａｉ ＝ Ｂ ｉ ／∑Ｂ ｉ ，Ｂ ｉ为第 ｉ
类土地利用类型动态变化的面积；Ｃ ｉ，ａ为研究初期第
ｉ类土地利用类型面积百分比（％）；Ｃ ｉ，ｂ为研究末期
第 ｉ类土地利用类型面积百分比（％）．
１􀆰 ５　 二元 Ｐｒｏｂｉｔ回归模型
１􀆰 ５􀆰 １模型原理　 因变量为二分类变量的模型称为
二元选择模型，本文构建 ０－１ 型土地利用变化驱动
力分析的 Ｐｒｏｂｉｔ模型，将模型的矩阵式定义为：
ｙ＝Ｘβ＋μ （３）
式中：土地利用变化情况 ｙ为二分类变量（０，表示某
一土地利用类型不变，１ 表示某一土地利用类型改
变）．引入一个与 Ｘ 有关的潜变量，则有 ｙ∗ ＝ Ｘβ ＋
μ∗，其中，Ｘ１，Ｘ２，…，Ｘｎ分别为影响土地利用变化的
解释变量；β为回归系数；μ∗为误差项．ｙ 与 ｙ∗的对
应关系为：
ｙ＝
０　 （ｙ∗≤０）
１　 （ｙ∗＞０）{ （４）
ｙ的概率模型表达式为：
ｐ（ｙ＝ ０）＝ ｐ（ｙ∗≤０）＝ ｐ（μ∗≤－Ｘβ）＝ Ｆ（－Ｘβ）
ｐ（ｙ＝ １）＝ ｐ（ｙ∗＞０）＝ ｐ（μ∗＞－ＸＢ）＝ １－Ｆ（－Ｘβ）
（５）
μ∗服从正态分布，因此，使用极大似然估计法
（ＭＬＥ）估计该模型参数，对数似然函数为：
ｌ（β） ＝ ｌｏｇＬ（β） ＝∑
ｎ
ｉ ＝ ０
｛ｙｉ ｌｏｇ［ϕ（βｉｘｉ）］ ＋ （１ － ｙｉ）·
ｌｏｇ［１ － ϕ（βｉｘｉ）］｝ （６）
１􀆰 ５􀆰 ２共线性检验　 为了避免各自变量间因存在多重
共线性关系而导致回归结果不理想，本文在进行回归
分析之前对各自变量进行多重共线性检验，结果各自
变量的容忍度在 ０．８０～０．９５，说明各自变量间共线性
关系很小，都可以同时纳入 Ｐｒｏｂｉｔ回归模型．
１􀆰 ５􀆰 ３模型检验　 本文利用 ｓｔａｔａ１１软件进行回归分
析，估计回归系数 β、标准误差（ＳＥ）、Ｗａｌｄ χ２统计量
和均值边际效应（ＭＥＭ）．由于回归系数 β 不能解释
相应自变量变化一个单位所导致土地利用变化的概
率，因此，实际中常用均值边际效应（ＭＥＭ）来解释．
常用的检验模型预测是否具有较高一致性的统计量
包括：拟合优度 Ｒ２、Ｐｅａｒｓｏｎ χ２、偏差、似然比 ＬＲ 和
ＨＬ，Ｒ２、Ｐｅａｒｓｏｎ χ２和偏差只适用于协变量或分类变
量类型的小样本情况．当模型中包含大量的连续型
自变量时，ＨＬ 值是被广泛采用的检验指标［２２］，因
此，本文选用 ＨＬ 值来反映模型的拟合情况．ＨＬ 值
统计不显著，表明模型拟合较好，反之，表明模型拟
合不好［２３］ ．
２　 结果与分析
２􀆰 １　 土地利用变化程度
由表 ２可以看出，１９９６—２０１０ 年南京市土地利
用变化主要表现为耕地和林地面积不断减少，而建
设用地、园地和草地面积持续增加．从单一土地利用
变化率来看，牧草地面积变化速度最快，均在 ８％以
上；其次是园地和林地．１９９６—２００２年变化率最大的
分别为牧草地、园地和林地，分别为 ８．５％、４．４％和
２．３％；２００２—２０１０年变化率最大的分别为牧草地、
林地和建设用地，分别为 １４．０％、４．６％和 ２．６％．从综
合土地利用变化率来看，研究期间，南京市土地利用
变化率呈不断上升趋势，每个时期的变化率都大于
表 ２　 南京市 １９９６—２０１０年土地利用变化程度
Ｔａｂｌｅ ２　 Ｌａｎｄ ｕｓｅ ｃｈａｎｇｅｓ ｏｆ Ｎａｎｊｉｎｇ ｂｅｔｗｅｅｎ １９９６ ａｎｄ ２０１０ （％）
土地利用类型
Ｌａｎｄ ｕｓｅ ｔｙｐｅ
单一土地利用变化率
Ｒａｔｅ ｏｆ ｓｉｎｇｌｅ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ
１９９６—２００２ ２００２—２０１０ １９９６—２０１０
综合土地利用变化率
Ｒａｔｅ ｏｆ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ
１９９６—２００２ ２００２—２０１０ １９９６—２０１０
Ⅰ －１．５ －２．２ －１．８
Ⅱ ２．２ ２．６ ２．７
Ⅲ ４．４ ２．６ ５．２ ３．８ ７．５ １１．４
Ⅳ －２．３ －４．６ －３．２
Ⅴ ８．５ １４．０ １５．８
Ⅰ： 耕地 Ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ； Ⅱ： 建设用地 Ｃｏｎｓｔｒｕｃｔｉｖｅ ｌａｎｄ； Ⅲ： 园地 Ｇａｒｄｅｎ ｐｌｏｔ； Ⅳ： 林地Ｗｏｏｄｌａｎｄ； Ⅴ： 牧草地 Ｇｒａｓｓｌａｎｄ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
４３１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
０，说明整体处于发展状态．土地利用类型转变较大，
综合土地利用变化率达到 １１．４％．
由表 ３可以看出，１９９６—２００２ 年，耕地、林地面
积分别从 ３０５００６、 １０３８６９ ｈｍ２ 减少为 ２８２０１４、
８７９１３ ｈｍ２，其中，耕地转变为建设用地 １６６８７ ｈｍ２、
转变为园地 １１０３７ ｈｍ２，林地转变为园地 ９２５３ ｈｍ２、
转变为建设用地 ５８４９ ｈｍ２ ．２００２—２０１０ 年，耕地、林
地面积分别从 ２８２０１４、８７９１３ ｈｍ２减少为 ２３３３２９、
５６９３７ ｈｍ２，其中，耕地转变为建设用地 ２７０７７ ｈｍ２、
转变为园地 １５０９４ ｈｍ２，林地转变为建设用地
１６７６８ ｈｍ２、转变为耕地 ９４７８ ｈｍ２ ．整体来看，１９９６—
２０１０年南京市耕地面积减少最多，主要转变为建设
用地和园地，分别转变 ４３７６４和 ２６１３１ ｈｍ２，其中，转
变为建设用地的主要原因是城市建设用地扩张和工
业企业用地增加；其次是林地面积减少，林地主要转
变 为 建 设 用 地 和 园 地， 分 别 转 变 ２２６１７ 和
１８４３９ ｈｍ２；建设用地面积增加最多，其次是园地面
积增加；有部分建设用地转变为耕地，主要是因为开
展农村居民点综合整治项目．
２􀆰 ２　 耕地变化的 Ｐｒｏｂｉｔ回归模型分析
由表 ４ 可以看出，１９９６—２００２、２００２—２０１０ 年
研究区耕地变化的 Ｐｒｏｂｉｔ 回归模型的 ＨＬ 值分别为
８．９５２和 １１．８２５，Ｐ值分别为 ０．１９８ 和 ０．１１３，统计检
验都不显著，说明模型很好地拟合了数据，各变量都
能很好地解释不同时期耕地变化过程．根据 Ｗａｌｄ χ２
统计量和回归系数的显著性水平（Ｐ＜０．０５）可知，
１９９６—２００２年影响耕地变化较为重要的解释变量
依次是：距最近农村居民点距离（Ｘ４）、农业人口密
度变化（Ｘ１０）、降水量（Ｘ３）和地均 ＧＤＰ 变化（Ｘ９）；
２００２—２０１０年，影响耕地变化较为重要的变量依次
是：地均 ＧＤＰ 变化（Ｘ９）、距最近农村居民点距离
（Ｘ４）、距最近道路距离（Ｘ６）和农业人口密度变化
（Ｘ１０）．
　 　 在两个时间阶段回归模型中，地均 ＧＤＰ 变化
（Ｘ９）都是影响耕地变化重要的变量，其 Ｗａｌｄ χ２统
计量分别为 ２４．８７１（Ｐ＜０．００１）和 ８２．３１２（Ｐ＜０．００１）．
模型中该自变量回归系数为正，表明耕地变化的概
率随地均 ＧＤＰ 变化的增加而增大，地均 ＧＤＰ 每 １
ｈｍ２增加 １ 万元，两个时间阶段耕地转变为建设用
地的概率将分别提高 ７．９％和 １３．５％．显然，第 ２阶段
地均 ＧＤＰ 对耕地变化的影响更大，这是由于随着经
济的不断增长，城市建设用地不断扩张，使得大量耕
地被占用．同理，距最近农村居民点距离（Ｘ４）、距最
近乡镇中心距离（Ｘ５）和距最近道路距离（Ｘ６）的回
归系数都为负，表明研究期间南京市农村居民点、公
路、乡镇等建设用地的扩张也加速了耕地变化，但这
些因素在两个不同时间阶段的影响程度相差不大．
这是因为在一定时间阶段内区域土地利用变化的驱
动力主要是社会经济因素，而自然因素的作用相对
稳定．２００２—２０１０年的回归模型中，到最近河流距离
（Ｘ７）这一变量统计不显著，通过对比分析影像资料
发现，其原因可能是大多数距离河流近的耕地在第
１阶段已转化为其他类型的土地，使得第 ２ 阶段距
离河流近的耕地变化较小．
表 ３　 南京市 １９９６—２０１０年土地利用变化转移矩阵
Ｔａｂｌｅ ３　 Ｔｒａｎｓｉｔｉｏｎ ｍａｔｒｉｘ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｏｆ Ｎａｎｊｉｎｇ ｆｒｏｍ １９９６ ｔｏ ２０１０ （ｈｍ２）
时段
Ｐｅｒｉｏｄ
土地利用类型
Ｌａｎｄ ｕｓｅ ｔｙｐｅ
转移面积 Ｔｒａｎｓｉｔｉｏｎ ａｒｅａ
Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ
１９９６—２００２ Ⅰ ２７２８８９ １６６８７ １１０３７ ４０７８ ３１５
Ⅱ ５４８ １９０４０６ ６８４ １３２ １３８
Ⅲ ３３１２ ４２１７ ３３６４２ １５４ ３６８
Ⅳ ５０４５ ５８４９ ９２５３ ８３３３４ ３８７
Ⅴ ２１９ ３７２ ２８０ ２１５ ８１８０
２００２—２０１０ Ⅰ ２１９４５２ ２７０７７ １５０９４ ４３８５ ３６７
Ⅱ １５８９ ２１４５０８ ８６４ １６１ ２２１
Ⅲ ２２９６ ４０２６ ４９７２９ ２３４ ４２９
Ⅳ ９４７８ １６７６８ ９１８６ ５３６７５ ６７６
Ⅴ ５１４ ６１５ ３６３ ３２２ １２１９２
１９９６—２０１０ Ⅰ ２２１７５８ ４３７６４ ２６１３１ ８４６３ ６８２
Ⅱ ２１３８ １８７８８２ １５４７ ２９３ ３６０
Ⅲ ５６０７ ８２４３ ２８４７５ ３８８ ７９７
Ⅳ １４５２３ ２２６１７ １８４３９ ４７２２６ １０６３
Ⅴ ７３４ ９８８ ６４３ ５３８ １０９８４
５３１２７期　 　 　 　 　 刘　 康等： 基于 Ｐｒｏｂｉｔ回归模型的经济发达地区土地利用变化驱动力分析———以南京市为例　 　
表 ４　 耕地变化的 Ｐｒｏｂｉｔ回归模型相关参数
Ｔａｂｌｅ ４　 Ｐａｒａｍｅｔｅｒｓ ｏｆ Ｐｒｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｏｆ ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ｃｈａｎｇｅ
自变量
Ｉｎｄｅｐｅｎｄｅｎｔ
ｖａｒｉａｂｌｅ
１９９６—２００２ （ＨＬ＝ ８．９５２，Ｐ＝ ０．１９８）
β ＳＥ Ｗａｌｄ χ２ ＭＥＭ
２００２—２０１０ （ＨＬ＝ １１．８２５，Ｐ＝ ０．１１３）
β ＳＥ Ｗａｌｄ χ２ ＭＥＭ
Ｘ１ －０．０３１∗∗∗ ０．０１３ ９．３６９ ０．０１８ ０．０４６∗∗∗ ０．０１９ １１．７４２ ０．００９
Ｘ２ －３．２１７∗∗ １．５４３ ５．１０７ ０．０３９ －３．３５９∗∗∗ １．６８４ ４．７２５ ０．０４２
Ｘ３ －０．１６５ ０．５３８ ２８．４４３ ０．０１０ －０．１３８ ０．４７３ １３．２９１ ０．００８
Ｘ４ －１．３７４∗∗∗ ０．２５７ ４５．９６２ ０．０４５ －１．６９４∗∗∗ ０．３１９ ５７．３６２ ０．０５２
Ｘ５ －０．０８３∗∗ ０．０７９ ７．２１８ ０．０４７ －０．１０６∗∗ ０．０９３ ９．６１６ ０．０５０
Ｘ６ －０．２３６∗∗∗ ０．１４１ １４．５７０ ０．０８３ －０．２７３∗∗∗ ０．１０７ ３２．８０１ ０．０９５
Ｘ７ －０．０７４∗∗ ０．０３５ ８．６２３ ０．０３８ －０．０４１ ０．０７６ ９．７１３ ０．０３０
Ｘ８ ０．００３∗∗∗ ０．００７ １１．７７５ ０．０２６ ０．００９∗∗∗ ０．００２ ６．７４８ ０．０３９
Ｘ９ ０．８２９∗∗∗ ３．７３８ ２４．８７１ ０．０７９ １．９７２∗∗∗ ４．３７１ ８２．３１２ ０．１３５
Ｘ１０ －０．００７∗∗∗ ０．０１１ ３９．６５２ ０．０３２ －０．０１６∗∗∗ ０．００５ ４２．８３１ ０．０４６
常数 Ｃｏｎｓｔａｎｔ ９．８３１∗∗∗ １．６９２ １０．３５７ － １８．９８７∗∗∗ ３１７８．１８３ ０ －
∗∗∗ Ｐ＜０．０１； ∗∗ Ｐ＜０．０５． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
　 　 人口密度变化（Ｘ８）和农业人口密度变化（Ｘ１０）
也是影响耕地变化重要的变量．随着城市化水平的
提高，农业人口比例不断减少，从事农业耕种的人口
减少，使得耕地变化概率提高，农业人口每 １ ｋｍ２减
少 １人，耕地变化的概率将分别提高 ３．２％和 ４．６％；
同时耕地变化概率也随着总人口密度的增大而提
高，总人口每 １ ｋｍ２增加 １ 人，耕地转化为其他类型
土地的概率将分别增加 ２．６％和 ３．９％．高程（Ｘ１）的
回归系数在 １９９６—２００２ 年为负，在 ２００２—２０１０ 年
却为正，这主要是因为在第 １阶段，海拔较低的耕地
因相对容易开发，所以大多数耕地都被转变为建设
用地；在第 ２阶段，随着城市化与工业化进程加快，
导致建设用地需求量大增，而在开发范围内海拔较
低的耕地都已开发利用，进而迫使开发利用转向海
拔较高的耕地［２４］，同时，由于高海拔地区耕地的弃
耕及退耕［２５］，使得平均海拔每增加 １ ｍ，耕地变化
的概率将增加 ０．９％，因而导致高程因素的影响由负
转正．
１９９６—２００２年影响耕地变化的主要因素是空
间距离和自然因素，２００２—２０１０ 年则变为社会经济
和空间距离因素．结合两个时期土地利用转移矩阵
发现，产生这种差异的主要原因是随着地区社会经
济发展，城市化与工业化导致大量耕地转化为建设
用地，进而使得社会经济因素成为影响耕地变化最
重要的驱动因素之一．
２􀆰 ３　 林地变化的 Ｐｒｏｂｉｔ回归模型分析
由表 ５ 可以看出，１９９６—２００２、２００２—２０１０ 年
研究区林地变化的 Ｐｒｏｂｉｔ 回归模型的 ＨＬ 值分别为
１０．３５１和 １４．７５５，Ｐ 值分别为 ０．１８７ 和 ０．２０３，统计
检验都不显著，说明模型很好地拟合了数据，各变量
都能很好地解释不同时期林地变化过程．根据
Ｗａｌｄχ２统计量和回归系数的显著性水平（Ｐ＜０．０５）
可知，１９９６—２００２年影响林地变化较为重要的解释
变量依次是：高程 （Ｘ１ ）、距最近农村居民点距离
（Ｘ４）、农业人口密度变化（Ｘ１０）和距最近道路距离
（Ｘ６）；２００２—２０１０ 年，影响林地变化较为重要的解
释变量依次是：地均 ＧＤＰ 变化（Ｘ９）、人口密度变化
（Ｘ８）、距最近道路距离（Ｘ６）和距最近农村居民点距
离（Ｘ４）．
　 　 １９９６—２００２ 年，最重要的解释变量是高程
（Ｘ１），模型中回归系数为－０．１６２，均值边际效应值
为 ０．０１７，表明林地变化的概率随着高程的降低而增
加，高程平均每降低 １ ｍ，林地变化的概率将增加
１􀆰 ７％，主要因为海拔较低的地方林地容易砍伐和垦
殖，开发难度较小；另一个较为重要的解释变量是距
最近农村居民点距离（Ｘ４），模型中回归系数为负，
表明距离农村居民点越近，林地转变为耕地和建设
用地概率越大，因为这些地方的林地开发利用方便，
距农村居民点平均距离每减少 １ ｋｍ，林地变化概率
将增加 ５．０％．２００２—２０１０ 年，最重要的解释变量是
地均 ＧＤＰ 变化（Ｘ９），模型中回归系数为 ０．７７９，均
值边际效应值为 ０．０８５，这表明林地变化的概率随着
地均 ＧＤＰ 的增加而增加，林地出现的概率越小，地
均 ＧＤＰ 每 １ ｈｍ２增加 １ 万元，林地变化的概率将增
加 ８．５％，这是因为经济越发达的地方对建设用地的
需求越大，在经济利益的驱使下，使得林地转化为建
设用地的概率更高；另一个较为重要的解释变量是
人口密度变化（Ｘ８），模型中回归系数为正，表明随
着人口密度的增长，林地变化概率增大，总人口每
１ ｋｍ２增加１人，林地变化概率将增加３􀆰 ９％，这是由
６３１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ５　 林地变化的 Ｐｒｏｂｉｔ回归模型相关参数
Ｔａｂｌｅ ５　 Ｐａｒａｍｅｔｅｒｓ ｏｆ Ｐｒｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｏｆ ｗｏｏｄｌａｎｄ ｃｈａｎｇｅ
自变量
Ｉｎｄｅｐｅｎｄｅｎｔ
ｖａｒｉａｂｌｅ
１９９６—２００２ （ＨＬ＝ １０．３５１，Ｐ＝ ０．１８７）
β ＳＥ Ｗａｌｄ χ２ ＭＥＭ
２００２—２０１０ （ＨＬ＝ １４．７５５，Ｐ＝ ０．２０３）
β ＳＥ Ｗａｌｄ χ２ ＭＥＭ
Ｘ１ －０．１６２∗∗∗ ０．０１３ ６８．７６６ ０．０１７ －０．１２７∗∗∗ ０．０３５ １０．２４１ ０．０１３
Ｘ２ －０．７５８∗∗ ０．６４６ ３．８７４ ０．０２７ －０．８０３∗∗ ０．７８７ ６．６３２ ０．０２９
Ｘ３ ０．０６９ ０．１８５ ７．４７９ ０．００８ ０．０８１ ０．０９７ ３．１８７ ０．００９
Ｘ４ －０．３８９∗∗∗ ０．０９４ ５８．３６２ ０．０３４ －０．５３９∗∗∗ ０．１５８ ３１．１３０ ０．０５０
Ｘ５ ０．９２７ ０．０６１ ２１．５０３ ０．０２７ ０．７１７∗ ０．８８４ １７．６５２ ０．０２４
Ｘ６ －０．８４２∗∗∗ ０．３７４ ３１．９８４ ０．０７５ －０．８９３∗∗∗ ０．４２８ ３４．１７４ ０．０８１
Ｘ７ ０．７９４∗∗ ０．０９３ １４．３７２ ０．０４１ ０．７２４∗∗ ０．１１５ １８．３３６ ０．０４２
Ｘ８ ０．００２∗∗ ０．００７ １９．３９３ ０．０３６ ０．００５∗∗∗ ０．００４ ５２．７４４ ０．０３９
Ｘ９ ０．４７３∗∗∗ １．７５２ ２０．４７１ ０．０６５ ０．７７９∗∗∗ １．９６３ ８７．７６７ ０．０８５
Ｘ１０ －０．００４∗∗∗ ０．００８ ３６．２３５ ０．０４４ －０．００２∗∗∗ ０．００３ ２２．０７６ ０．０３５
常数 Ｃｏｎｓｔａｎｔ １．７７６∗∗∗ １．８６２ ４．７５３ － １０．９８３∗∗∗ ９．９１２ １０．６５３ －
于随着人口的增长，粮食需求压力越来越大，使得林
地大规模转化为耕地．
在两个时间阶段回归模型中，坡度（Ｘ２）、距最
近道路距离（Ｘ６）和农业人口密度变化（Ｘ１０）回归系
数都为负，表明林地变化的概率随着坡度、距离道路
距离和农业人口的减小而增加；回归模型中距最近
河流距离（Ｘ７）的系数为正，表明距河流越近，林地
变化概率越小，这些因素主要从生产生活的便利性
方面影响林地变化，但影响程度都非常有限．另外，
降水量（Ｘ３）和距最近乡镇中心距离（Ｘ５）对林地变
化概率也有一定影响，但显著性水平较低，可能与降
水量变化幅度较小及乡镇分布点较少有关．
１９９６—２００２年影响林地变化的主要因素是自
然和空间距离因素，２００２—２０１０ 年则是社会经济和
人口因素．结合两个时期土地利用转移矩阵发现，产
生这种差异的主要原因是随着社会经济发展和人口
的增长，粮食和资源需求不断增加，导致大量林地转
化为耕地和建设用地，进而使得社会经济和人口因
素逐渐成为驱动林地变化的主要因素．
３　 讨　 　 论
运用 ＲＳ和 ＧＩＳ技术，基于空间分析方法，分析
南京市 １９９６—２０１０ 年土地利用变化特征，结果表
明，研究期间南京市土地利用变化显著，主要表现为
耕地和林地面积不断减少，建设用地、园地和草地面
积持续增加，耕地和林地面积分别减少了 ７１６７６、
４６９３２ ｈｍ２，而建设用地和园地面积分别增加了
７１０８６、３１７２７ ｈｍ２ ．从单一土地利用变化率来看，牧
草地面积变化速度最快，变化率均在 ８％以上；其次
是园地和林地．从综合土地利用变化率来看，南京市
的土地利用变化率呈不断上升趋势，综合土地利用
变化率达到 １１．４％，整体处于发展状态，土地利用类
型转变较大．
选取多个影响土地利用变化的因子，基于 Ｐｒｏｂｉｔ
回归模型，定量分析了不同时间阶段各驱动因子对
南京市土地利用变化的影响．耕地变化在 １９９６—
２００２年主要受距最近农村居民点距离和农业人口
密度变化的影响；２００２—２０１０ 年主要受地均 ＧＤＰ
变化、距最近农村居民点距离、距最近道路距离和农
业人口密度变化的影响．林地变化在 １９９６—２００２ 年
主要受高程和距最近农村居民点距离的影响；
２００２—２０１０年主要受地均 ＧＤＰ 变化、人口密度变
化、距最近道路距离和距最近农村居民点距离的影
响．通过对比发现，早期影响研究区土地利用变化的
因素主要是自然和空间距离因素，而近年主要是社
会经济和人口因素，说明在经济发达地区人类活动
对土地利用变化的影响在不断加强；同一驱动因子
在不同时间阶段的影响方向也可能不同．
Ｐｒｏｂｉｔ回归模型可通过逐步回归计算某种土地
利用类型在空间上变化的概率，并定量分析这种概
率与回归模型中解释变量之间的关系．但由于经济
发达地区土地利用变化受多方面因素影响，在选择
驱动因子时，不免遗漏部分因子或因某些因子难以
量化而未纳入模型，如政策性因素．因此，今后研究
应该考虑将更多驱动因子纳入回归模型，进一步完
善回归模型．同时，如何运用 Ｐｒｏｂｉｔ 回归模型预测分
析未来土地利用变化，也有待进一步深入研究．
参考文献
［１］　 Ｏｖｅｒｍａｒｓ ＫＰ， Ｖｅｒｂｕｒｇ ＰＨ． Ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄ ｕｓｅ ｄｒｉｖｅｒｓ
ａｔ ｔｈｅ ｗａｔｅｒｓｈｅｄ ａｎｄ ｈｏｕｓｅｈｏｌｄ ｌｅｖｅｌ： Ｌｉｎｋｉｎｇ ｔｗｏ ｐａｒａ⁃
ｄｉｇｍｓ ａｔ ｔｈｅ Ｐｈｉｌｉｐｐｉｎｅ ｆｏｒｅｓｔ ｆｒｉｎｇｅ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ， ２００５， １９：
７３１２７期　 　 　 　 　 刘　 康等： 基于 Ｐｒｏｂｉｔ回归模型的经济发达地区土地利用变化驱动力分析———以南京市为例　 　
１２５－１５２
［２］　 Ｈｏｕ Ｐ （侯　 鹏）， Ｗａｎｇ Ｑ （王　 桥）， Ｗａｎｇ Ｃ⁃Ｚ （王
昌佐）， ｅｔ ａｌ． Ｅｃｏｌｏｇｉｃａｌ ｅｆｆｅｃｔ ｏｆ ｌａｎｄ⁃ｕｓｅ ａｎｄ ｌａｎｄ⁃
ｃｏｖｅｒ ｃｈａｎｇｅ ｉｎ ａ ｗａｔｅｒｓｈｅｄ ｓｃｏｐｅ． Ｇｅｏｇｒａｐｈｉｃａｌ Ｒｅ⁃
ｓｅａｒｃｈ （地理研究）， ２０１１， ３０（１１）： ２０９２－２０９８ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３］　 Ｑｉｎ Ｐ （秦 　 鹏）， Ｄｏｎｇ Ｙ⁃Ｘ （董玉祥）． Ｇｒａｉｎ ｄｉｆｆｅ⁃
ｒｅｎｃｅｓ ａｎｄ ｍｏｄｅｌｉｎｇ ｌａｎｄ ｕｓｅ ｐａｔｔｅｒｎｓ ｉｎ Ｇｕａｎｇｚｈｏｕ．
Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科学）， ２０１３， ３５（１１）： ２２３９－
２２４７ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｚｈａｎｇ Ｚ （张　 舟）， Ｗｕ Ｃ⁃Ｆ （吴次芳）， Ｔａｎｇ Ｒ （谭
荣）． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｅｃｏｓｙｓｔｅｍ ｓｅｒｖｉｃｅ ｖａｌｕｅ ｉｎ ｌａｎｄ ｕｓｅ
ｃｈａｎｇｅ ｒｅｓｅａｒｃｈ： Ｂｏｔｔｌｅｎｅｃｋｓ ａｎｄ ｐｒｏｓｐｅｃｔｓ． Ｃｈｉｎｅｓｅ
Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１３， ２４
（２）： ５５６－５６２ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｌｉｕ Ｊ⁃Ｙ （刘金勇）， Ｋｏｎｇ Ｆ⁃Ｈ （孔繁花）， Ｙｉｎ Ｈ⁃Ｗ
（尹海伟）， ｅｔ ａｌ． Ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ａｎｄ ｉｔｓ ｅｆｆｅｃｔｓ ｏｎ
ｅｃｏｓｙｓｔｅｍ ｓｅｒｖｉｃｅｓ ｖａｌｕｅ ｉｎ Ｊｉ ’ｎａｎ Ｃｉｔｙ ｏｆ Ｓｈａｎｄｏｎｇ
Ｐｒｏｖｉｎｃｅ， Ｅａｓｔ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏ⁃
ｇｙ （应用生态学报）， ２０１３， ２４（５）： １２３１－１２３６ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［６］　 Ｌｉｕ Ｊ⁃Ｙ （刘纪远）， Ｋｕａｎｇ Ｗ⁃Ｈ （匡文慧）， Ｚｈａｎｇ Ｚ⁃
Ｘ （张增祥）， ｅｔ ａｌ． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ， ｐａｔ⁃
ｔｅｒｎｓ， ａｎｄ ｃａｕｓｅｓ ｏｆ ｌａｎｄ⁃ｕｓｅ ｃｈａｎｇｅｓ ｉｎ Ｃｈｉｎａ ｓｉｎｃｅ ｔｈｅ
ｌａｔｅ １９８０ｓ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报 ），
２０１４， ６９（１）： ３－１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［７］　 Ｄｕｂｅ Ｆ， Ｚａｇａｌ Ｅ， Ｓｔｏｌｐｅ Ｎ， ｅｔ ａｌ． Ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ
ｌａｎｄ⁃ｕｓｅ ｃｈａｎｇｅ ｏｎ ｔｈｅ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｎｄ
ｍｉｃｒｏｂｉａｌ ｒｅｓｐｉｒａｔｉｏｎ ｉｎ ａ ｖｏｌｃａｎｉｃ ｓｏｉｌ ｏｆ ｔｈｅ Ｃｈｉｌｅａｎ
Ｐａｔａｇｏｎｉａ． Ｆｏｒｅｓｔ Ｅｃｏｌｏｇｙ ａｎｄ Ｍａｎａｇｅｍｅｎｔ， ２００９， ２５７：
１６９５－１７０４
［８］　 Ｋａｍｕｓｏｋｏ Ｃ， Ａｎｉｙａ Ｍ． Ｈｙｂｒｉｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｌａｎｄｓａｔ
ｄａｔａ ａｎｄ ＧＩＳ ｆｏｒ ｌａｎｄ ｕｓｅ ／ ｃｏｖｅｒ ｃｈａｎｇｅ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ
Ｂｉｎｄｕｒａ ｄｉｓｔｒｉｃｔ， Ｚｉｍｂａｂｗｅ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅ⁃
ｍｏｔｅ Ｓｅｎｓｉｎｇ， ２００９， ３０： ９７－１１５
［９］　 Ｙｕ Ｘ⁃Ｘ （于兴修）， Ｙａｎｇ Ｇ⁃Ｓ （杨桂山）． Ｔｈｅ ａｄ⁃
ｖａｎｃｅｓ ａｎｄ ｐｒｏｂｌｅｍｓ ｏｆ ｌａｎｄ ｕｓｅ ａｎｄ ｌａｎｄ ｃｏｖｅｒ ｃｈａｎｇｅ
ｒｅｓｅａｒｃｈ ｉｎ Ｃｈｉｎａ． Ｐｒｏｇｒｅｓｓ ｉｎ Ｇｅｏｇｒａｐｈｙ （地理科学进
展）， ２００２， ２１（１）： ５１－５７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｒｉｎｄｆｕｓｓ ＲＲ， Ｗａｌｓｈ ＳＪ， Ｔｕｒｎｅｒ ＢＬ， ｅｔ ａｌ． Ｄｅｖｅｌｏｐｉｎｇ ａ
ｓｃｉｅｎｃｅ ｏｆ ｌａｎｄ ｃｈａｎｇｅ： Ｃｈａｌｌｅｎｇｅｓ ａｎｄ ｍｅｔｈｏｄｏｌｏｇｉｃａｌ
ｉｓｓｕｅｓ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅ，
２００４， １０１： １３９７６－１３９８１
［１１］　 Ｚｈａｎｇ Ｄ⁃Ｘ （张丁轩）， Ｆｕ Ｍ⁃Ｃ （付梅臣）， Ｔａｏ Ｊ （陶
金）， ｅｔ ａｌ． Ｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｌａｎｄ ｕｓｅ ｓｔｒｕｃ⁃
ｔｕｒｅ ｉｎ ｗｅｓｔｅｒｎ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ ｂａｓｅｄ ｏｎ ｓｙｓｔｅｍ ｄｙｎａｍｉｃｓ．
Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉ⁃
ｎｅｅｒｉｎｇ （农业工程学报）， ２０１３， ２９（１２）： ２４６－２５６ （ｉｎ
Ｃｈｉｎｅｓｅ）
［１２］　 Ｈｕ Ｘ⁃Ｌ （胡雪丽）， Ｘｕ Ｌ （徐　 凌）， Ｚｈａｎｇ Ｓ⁃Ｓ （张树
深）． Ｌａｎｄ ｕｓｅ ｐａｔｔｅｒｎ ｏｆ Ｄａｌｉａｎ Ｃｉｔｙ， Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ
ｏｆ Ｎｏｒｔｈｅａｓｔ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＣＡ⁃Ｍａｒｋｏｖ ｍｏｄｅｌ ａｎｄ
ｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ
Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１３， ２４（６）： １６５２－１６６０
（ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｌｉ Ｘ⁃Ｘ （李秀霞）， Ｘｕ Ｌ （徐　 龙）， Ｊｉａｎｇ Ｅ⁃Ｃ （江恩
赐）． Ｍｕｌｔｉ⁃ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ ｌａｎｄ ｕｓｅ ｓｔｒｕｃｔｕｒｅ ｉｎ
ｗｅｓｔｅｒｎ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ ｂａｓｅｄ ｏｎ ｓｙｓｔｅｍ ｄｙｎａｍｉｃｓ． Ｔｒａｎ⁃
ｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
（农业工程学报）， ２０１３， ２９（１６）： ２４７－２５４ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［１４］　 Ｘｉｅ Ｈ⁃Ｌ （谢花林）． Ａｎａｌｙｓｉｓ ｏｆ ｒｅｇｉｏｎａｌｌｙ ｅｃｏｌｏｇｉｃａｌ
ｌａｎｄ ｕｓｅ ａｎｄ ｉｔｓ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｂａｓｅｄ ｏｎ ａ ｌｏｇｉｓｔｉｃ
ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｉｎ ｔｈｅ Ｂｅｉｊｉｎｇ⁃Ｔｉａｎｊｉｎ⁃Ｈｅｂｅｉ Ｒｅｇｉｏｎ，
Ｃｈｉｎａ． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科学）， ２０１１， ３３（１１）：
２０６３－２０７０ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｗｕ Ｗ （吴　 巍）， Ｚｈｏｕ Ｓ⁃Ｌ （周生路）， Ｗｅｉ Ｙ⁃Ｈ （魏
也华）， ｅｔ ａｌ． Ｍｏｄｅｌｉｎｇ ｓｐａｔｉａｌ ｄｅｔｅｒｍｉｎａｎｔｓ ｏｆ ｌａｎｄ ｕｒ⁃
ｂａｎｉｚａｔｉｏｎ ｉｎ ｕｒｂａｎ ｆｒｉｎｇｅ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ
Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ （农业工程学报），
２０１３， ２９（１６）： ２２０－２２８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ｗｅｉ Ｓ⁃Ｃ （韦仕川）， Ｗｕ Ｃ⁃Ｆ （吴次芳）， Ｙａｎｇ Ｙ （杨
杨）， ｅｔ ａｌ． Ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ａｎｄ ｅｃｏｌｏｇｉｃａｌ ｓｅｃｕｒｉｔｙ ｉｎ
Ｙｅｌｌｏｗ Ｒｉｖｅｒ Ｄｅｌｔａ ｂａｓｅｄ ｏｎ ＲＳ ａｎｄ ＧＩＳ ｔｅｃｈｎｏｌｏｇｙ： Ａ
ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｄｏｎｇｙｉｎｇ Ｃｉｔｙ． Ｊｏｕｒｎａｌ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ
Ｃｏｎｓｅｒｖａｔｉｏｎ （水土保持学报）， ２００８， ２２（１）： １８５－
１８９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｎａｎｊｉｎｇ Ｓｔａｔｉｓｔｉｃ Ｂｕｒｅａｕ （南京市统计局）． Ｎａｎｊｉｎｇ Ｓｔａ⁃
ｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ （１９９７－２０１１）． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｓｔａｔｉｓ⁃
ｔｉｃｓ Ｐｒｅｓｓ， １９９７－２０１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｌｉｕ Ｙ， Ｙｕｅ ＷＺ， Ｆａｎ ＰＬ， ｅｔ ａｌ． Ｓｐａｔｉａｌ ｄｅｔｅｒｍｉｎａｎｔｓ ｏｆ
ｕｒｂａｎ ｌａｎｄ ｃｏｎｖｅｒｓｉｏｎ ｉｎ ｌａｒｇｅ Ｃｈｉｎｅｓｅ ｃｉｔｉｅｓ： Ａ ｃａｓｅ ｏｆ
Ｈａｎｇｚｈｏｕ． Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｐｌａｎｎｉｎｇ： Ｐａｒｔ Ｂ， ２０１１，
３８： ７０６－７２５
［１９］　 Ｌｉ Ｚ⁃Ｆ （李忠锋）， Ｗａｎｇ Ｙ⁃Ｍ （王一谋）， Ｆｅｎｇ Ｍ⁃Ｓ
（冯毓荪）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄ⁃ｕｓｅ ｃｈａｎｇｅ ｉｎ Ｙｕｌｉｎ
Ｐｒｅｆｅｃｔｕｒｅ ｂａｓｅｄ ｏｎ ＲＳ ａｎｄ ＧＩＳ． Ｊｏｕｒｎａｌ ｏｆ Ｓｏｉｌ ａｎｄ
Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ （水土保持学报）， ２００３， １７（２）：
９７－９９ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｗａｎｇ Ｍ⁃Ｌ （王美玲）， Ｂｉｎｇ Ｌ⁃Ｆ （邴龙飞）， Ｘｉ Ｆ⁃Ｍ
（郗凤明）， ｅｔ ａｌ． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｐａｔｔｅｒｎｓ ａｎｄ ｄｒｉｖｉｎｇ
ｆｏｒｃｅｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｉｎ ｉｎｄｕｓｔｒｉａｌ ｒｅｌｏｃａｔｉｏｎ ａｒｅａ： Ａ
ｃａｓｅ ｓｔｕｄｙ ｏｆ ｏｌｄ ｉｎｄｕｓｔｒｉａｌ ａｒｅａ ｉｎ Ｔｉｅｘｉ ｏｆ Ｓｈｅｎｙａｎｇ，
Ｎｏｒｔｈｅａｓｔ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应
用生态学报）， ２０１３， ２４（７）： １９６９ － １９７６ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２１］　 Ｊｉａ Ｋ⁃Ｌ （贾科利）， Ｃｈａｎｇ Ｑ⁃Ｒ （常庆瑞）， Ｚｈａｎｇ Ｊ⁃Ｈ
（张俊华）． Ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅｓ ａｎｄ ｄｒｉｖｉｎｇ
ｍｅｃｈａｎｉｓｍｓ ｉｎ ｔｈｅ ｍｉｘｅｄ ａｇｒｉｃｕｌｔｕｒｅ⁃ｌｉｖｅｓｔｏｃｋ ｐｒｏｄｕｃ⁃
ｔｉｏｎ ｒｅｇｉｏｎ ｉｎ Ｎｏｒｔｈｅｒｎ Ｓｈａａｎｘｉ． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源
科学）， ２００８， ３０（７）： １０５３－１０６０ （ｉｎ Ｃｈｉｎｅｓｅ）
［２２］　 Ｐｈｉｌｉｐ ＭＳ， Ｔｅａｃｈｍａｎ ＪＤ． Ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ： Ｄｅｓｃｒｉｐ⁃
ｔｉｏｎ， ｅｘａｍｐｌｅｓ， ａｎｄ ｃｏｍｐａｒｉｓｏｎｓ． Ｊｏｕｒｎａｌ ｏｆ Ｍａｒｒｉａｇｅ
ａｎｄ Ｆａｍｉｌｙ， １９８８， ５０： ９２５－９３６
［２３］ 　 Ｘｉｅ Ｈ⁃Ｌ （谢花林）． Ｄｒｉｖｉｎｇ ｆｏｒｃｅ ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄ ｕｓｅ
ｃｈａｎｇｅｓ ｉｎ ｔｈｅ ｔｙｐｉｃａｌ ｆａｒｍｉｎｇ⁃ｐａｓｔｏｒａｌ ｅｃｏｔｏｎｅ． Ｔｒａｎｓａｃ⁃
ｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
（农业工程学报）， ２００８， ２４（１０）： ５６－ ６２ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２４］　 Ｚｅｎｇ Ｙ⁃Ｎ （曾永年）， Ｊｉｎ Ｗ⁃Ｐ （靳文凭）， Ｗａｎｇ Ｈ⁃Ｍ
（王慧敏）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ａｎｄ ｅｖａｌｕａｔｉｏｎ ｏｆ ｃｕｌｔｉｖａｔｅｄ
ｌａｎｄ ｄｅｃｒｅａｓｅ ｉｎ ｅａｓｔｅｒｎ ｐａｒｔ ｏｆ Ｑｉｎｇｈａｉ Ｐｌａｔｅａｕ． Ｔｒａｎ⁃
ｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
（农业工程学报）， ２０１３， ２９（２１）： ２１４－２２２ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２５］　 Ｃｈｅｎ Ｈ （陈　 红）， Ｗｕ Ｓ⁃Ｘ （吴世新）， Ｆｅｎｇ Ｘ⁃Ｌ （冯
雪力）． Ｓｔｕｄｙ ｏｎ ｔｈｅ ｃｈａｎｇｅｓ ｏｆ ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ａｎｄ ｔｈｅ
ｄｒｉｖｉｎｇ ｆａｃｔｏｒｓ ｉｎ Ｘｉｎｊｉａｎｇ ｂａｓｅｄ ｏｎ ＲＳ ａｎｄ ＧＩＳ． Ｊｏｕｒｎａｌ
ｏｆ Ｎａｔｕｒａｌ Ｒｅｓｏｕｒｃｅｓ （自然资源学报）， ２０１０， ２５（４）：
６１４－６２４ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 刘　 康，男，１９８９年生，硕士研究生． 主要从事土
地利用变化与土地资源评价研究． Ｅ⁃ｍａｉｌ： ｎｊａｕｌｉｕｋ＠ １６３．ｃｏｍ
责任编辑　 杨　 弘
８３１２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷