袁 磊，楊 昆

（1.云南師范大學(xué)信息學(xué)院，云南 昆明 650500；2.西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，云南 昆明 650500）

土地利用變化驅(qū)動力多尺度因素的定量影響分析

袁 磊1，2，楊 昆1，2

（1.云南師范大學(xué)信息學(xué)院，云南 昆明 650500；2.西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，云南 昆明 650500）

研究目的：揭示多尺度土地利用變化研究中尺度因素對驅(qū)動力的定量影響。研究方法：構(gòu)建Logistic回歸模型和二分類反應(yīng)變量兩水平Logistic回歸模型，分別基于面向尺度對比的多尺度回歸分析和基于系統(tǒng)觀點的多水平模型分析兩個角度，探討多尺度土地利用變化核心驅(qū)動力及其定量影響關(guān)系，并對兩類模型的分析結(jié)果進行對比分析。研究結(jié)果：面向尺度對比的多尺度回歸分析法能夠從更為微觀的角度揭示各個尺度層級上地類變化的核心驅(qū)動因子，而基于系統(tǒng)觀點的多水平模型分析方法則能夠更好地顧及尺度因素的定量影響。研究結(jié)論：多水平模型分析方法揭示的各個地類的核心驅(qū)動因子集與多尺度回歸分析法推導(dǎo)的對應(yīng)地類的核心驅(qū)動因子集之間呈現(xiàn)子集關(guān)系，兩者在多尺度土地利用變化驅(qū)動力的研究方法上能夠形成互補。

土地利用；多尺度；驅(qū)動力；多水平模型；Logistic回歸模型

土地利用變化驅(qū)動力是導(dǎo)致土地利用方式和目的發(fā)生變化的各種社會經(jīng)濟因素和生物物理因素的總稱[1]。土地系統(tǒng)的驅(qū)動力多尺度問題已成為土地科學(xué)領(lǐng)域創(chuàng)新性探索的重要研究方向之一[2]，研究主要集中在土地利用變化動力的多尺度模擬[3]、空間自相關(guān)性[4]、尺度依賴性規(guī)律[5-6]及空間尺度效應(yīng)[7-10]等方面。 由于尺度問題本身的復(fù)雜性，加之各類方法或重于數(shù)量關(guān)系的分析，或偏于空間關(guān)系的表達，使得目前已有研究通常只能提供多尺度土地利用系統(tǒng)的部分信息。本文立足于多尺度研究視角，以建設(shè)用地變化自然因素驅(qū)動力為研究對象，首先從多尺度回歸分析的角度，分析不同尺度建設(shè)用地變化的驅(qū)動機理，尋求建設(shè)用地變化多尺度核心驅(qū)動因子；其次，從系統(tǒng)整體的角度，將多水平模型理論與方法引入土地利用變化驅(qū)動力多尺度研究中，將尺度作為一個獨立的定量因素加入模型，構(gòu)建土地利用變化空間多尺度驅(qū)動力二分類反應(yīng)變量兩水平Logistic回歸模型，探討多尺度建設(shè)用地變化的核心驅(qū)動力；最后，將上述兩種不同方法得到的核心驅(qū)動因子集進行對比分析，揭示多尺度土地利用變化研究中尺度因素對驅(qū)動力的定量影響，以期弄清多尺度層級間引起土地利用變化的作用機制，為引導(dǎo)土地資源在不同尺度層級間的時空優(yōu)化配置提供參考。

1 研究區(qū)概況及數(shù)據(jù)來源

本文選擇中國西南典型高原山區(qū)—云南省、昆明市、宜良縣組成3級實證研究區(qū)。該研究區(qū)地處中國西南邊陲，云貴高原西南部，位于東經(jīng)97°31′39″—106°11′47″、北緯21°8′32″—29°15′8″之間，西部為橫斷山脈高山峽谷區(qū)，東部屬云貴高原區(qū)，南部為中、低山寬谷盆地區(qū)，全區(qū)以高原山地為主。研究期內(nèi)，一批支柱產(chǎn)業(yè)與特色產(chǎn)業(yè)得到培育，社會經(jīng)濟發(fā)展迅速，建設(shè)用地格局變化顯著，具有一定的代表性。實證研究中采用云南省、昆明市、宜良縣1999—2008年的土地利用及自然地理數(shù)據(jù)，主要包括：土地利用現(xiàn)狀數(shù)據(jù)、土地利用變更數(shù)據(jù)、交通分布矢量數(shù)據(jù)、水系分布矢量數(shù)據(jù)，由等高線生成的DEM及派生的地形圖、坡度圖、坡向圖等。

2 研究方法

2.1 驅(qū)動因子選取

自然因素驅(qū)動力主要決定土地利用/覆蓋變化的空間格局，是影響區(qū)域土地利用變化的基礎(chǔ)背景因素。由于研究區(qū)地處中國西部高原山區(qū)，地形高差大、切割劇烈，地學(xué)因子存在著顯著的空間分異。這些分異較大的地學(xué)因子便成為了研究區(qū)區(qū)別與其他區(qū)域，并影響其土地利用/覆蓋空間格局變化的基礎(chǔ)因素，也是驅(qū)動因子選取時重點考慮的對象。因此，本文首先根據(jù)研究區(qū)地學(xué)因子時空分布的特點，并考慮因子數(shù)據(jù)的可獲取性、因子本身的代表性及與相應(yīng)尺度上建設(shè)用地變化的相關(guān)性進行綜合選取；在此基礎(chǔ)上，進一步采用特爾菲法給出各因子相對重要性的定量表示，最終經(jīng)過多輪打分篩選，確定了兩大類9項自然因素驅(qū)動因子，形成本文的驅(qū)動因子指標(biāo)體系，開展土地利用變化驅(qū)動力多尺度定量關(guān)系對比研究（表1）。

2.2 數(shù)據(jù)處理

2.2.1 因變量因子數(shù)據(jù)處理 因變量因子即地類因子?；谘芯科诟鞒叨韧恋乩米兓噶繄D層，利用ArcGIS平臺空間數(shù)據(jù)處理功能，分別建立居民點及獨立工礦用地、交通水利設(shè)施用地對應(yīng)的屬性字段，通過空間屬性查詢（Select by Attribute）及字段計算（Field Calculator），按地類的空間分布情況對各屬性字段分別賦值。最終形成一個具有二分性屬性的土地利用變化圖層。二分性的定性變量只有“1”或“0”兩個值，即“是”與“否”，從而分別對每一地類是否發(fā)生變化進行空間標(biāo)識。

表1 多尺度研究區(qū)建設(shè)用地變化驅(qū)動因子指標(biāo)體系及其描述Tab.1 Index system and description of driving factors for construction land change in multi-scale study area

2.2.2 自變量因子數(shù)據(jù)處理 自變量因子即自然因素驅(qū)動力因子。對于自變量因子的數(shù)據(jù)獲取，例如，高程因子基于研究區(qū)等高線，在ArcGIS平臺中生成數(shù)字高程模型（DEM）得到；坡度、坡向因子是基于生成的DEM，采用地形因子提取 “slope”和“aspect” 功能進一步提取得到；距國道、省道、縣道、鐵路、水系的距離等驅(qū)動因子，利用各自對應(yīng)的線狀要素，根據(jù)研究需要分別設(shè)置相應(yīng)的緩沖半徑，進行多級緩沖區(qū)分析得到；距城鎮(zhèn)的距離等點狀要素驅(qū)動因子通過對城鎮(zhèn)等點層要素進行同樣的多級緩沖區(qū)分析，并由分別生成的相應(yīng)驅(qū)動因子圖得到。

2.3 驅(qū)動力多尺度回歸分析模型

本文采用Logistic逐步回歸分析法對建設(shè)用地變化多尺度驅(qū)動力進行定量分析。Logistic回歸模型不需要假設(shè)變量之間存在多元正態(tài)分布，采用最大似然估計法進行參數(shù)估計，以事件發(fā)生概率的形式提供結(jié)果。借助該模型能對二值響應(yīng)的因變量和分類變量（連續(xù)型或混合型）進行回歸建模，進而探討影響概率及主要的影響因子。

根據(jù)Logistic回歸建模要求，本文設(shè)X1，X2，……是與Y相關(guān)的一組向量，設(shè)P是某事件發(fā)生的概率，將比數(shù)P/（1-P）取對數(shù)得到ln［P/（1 - P）］，即對P作Logistic變換，記為Logit（P），回歸模型如下：

式（1）中， Pi是給定系列自變量xi的值時事件的發(fā)生概率，a為截距，β為Logistic回歸的偏回歸系數(shù)，表示變量xi對記為Logit（P）的影響大小。

發(fā)生事件的概率是一個由自變量xi構(gòu)成的非線性函數(shù)，表達式如下：

本文采用SPSS 20逐步回歸分析的Logistic函數(shù)完成多尺度自然因素驅(qū)動力的分析。所得到的Logistic回歸分析結(jié)果包括回歸系數(shù)、回歸系數(shù)估計的Waldx2統(tǒng)計量、回歸系數(shù)估計的標(biāo)準(zhǔn)差、回歸系數(shù)估計的顯著性水平。其中，Waldx2統(tǒng)計量表示每個（解釋變量）在模型中的相對權(quán)重，用來評價每個解釋變量對事件預(yù)測的貢獻力。

對于模型擬合優(yōu)度的檢驗，本文采用Homsmer Lemeshow（HL）指標(biāo)。當(dāng)前，用于擬合優(yōu)度檢驗的指標(biāo)有HL指標(biāo)、偏差D、皮爾遜等，但當(dāng)模型中存在連續(xù)型自變量時，偏差D及皮爾遜檢驗方法將不再適用，而在使用包含連續(xù)型自變量的Logistic回歸分析模型，HL是廣為接受的模型擬合優(yōu)度的檢驗指標(biāo)[11]。當(dāng)HL指標(biāo)統(tǒng)計不顯著時，表示模型擬合較好；相反，如果HL指標(biāo)統(tǒng)計顯著，則說明模型擬合不好。HL指標(biāo)計算公式如下：式（3）中，K表示分組數(shù)，ni表示第i組中的案例數(shù)，yi表示第i組事件的觀測數(shù)據(jù)量表示第i組預(yù)測事件概率，nii表示事件預(yù)測數(shù)。

2.4 驅(qū)動力多尺度多水平模型

2.4.1 模型研究現(xiàn)狀與特征分析 多水平模型最早由Lindley和Smith于1972年提出，直到1998年，英國倫敦大學(xué)教育研究所Goldstein博士出版專著《Multilevel Statistical Models》，多水平模型理論與方法才趨于完善[12]。多水平模型考慮了數(shù)據(jù)間的層次性，可以將傳統(tǒng)模型中的隨機誤差項分解到與數(shù)據(jù)層次結(jié)構(gòu)相對應(yīng)的水平上，使得個體的隨機誤差更純，并可將各水平殘差擬合成某些變量的函數(shù)，從而為分析個體變化趨勢及其影響因素提供可能。該模型正是針對這種具有層次結(jié)構(gòu)特征的數(shù)據(jù)而發(fā)展起來的一種專門用于處理非獨立性數(shù)據(jù)的多元統(tǒng)計分析方法。目前，該模型在醫(yī)學(xué)[13]、氣象學(xué)[14]、社會學(xué)[15]等領(lǐng)域已有成功的應(yīng)用案例，而在土地科學(xué)領(lǐng)域應(yīng)用較少。國外，hoshino通過區(qū)分市級和省級數(shù)據(jù)，采用多水平模型對日本土地利用結(jié)構(gòu)和變化進行了分析[16]；Polsky和Easterling運用類似方法分析了美國大湖平原的土地利用結(jié)構(gòu)和等級特征[17]；Verburgb在對菲律賓土地利用研究中討論了多水平建模對土地用途研究和數(shù)據(jù)收集的影響[18]；國內(nèi)，蔡運龍教授指出可以利用多水平統(tǒng)計學(xué)分析土地變化格局、過程及其驅(qū)動力和效應(yīng)中的“連通性”問題[19]。

就本文而言，因為研究區(qū)界定于有機互聯(lián)的云南省、昆明市及下轄的宜良縣組成的多尺度研究區(qū)，在行政尺度上具備自然的隸屬關(guān)系，數(shù)據(jù)上不僅包括不同空間尺度、不同時序尺度的土地利用數(shù)據(jù)，而且，每一空間尺度下、不同時序尺度的土地利用變化本身又受到不同時空尺度的自然因素的驅(qū)動。按照層次理論的觀點，這種多尺度性表征的就是一種層次結(jié)構(gòu)。因此，不同尺度、不同時序的土地利用變化及其對應(yīng)的驅(qū)動因素數(shù)據(jù)序列就是一個具有層次結(jié)構(gòu)的多級數(shù)據(jù)序列，適宜采用多水平模型理論與方法開展研究。

2.4.2 模型構(gòu)建 鑒于多水平模型處理多層數(shù)據(jù)或多級數(shù)據(jù)方面的優(yōu)勢，本文將多水平模型引入土地利用驅(qū)動力多尺度問題的研究方面，針對前述建立的各尺度具有二分性屬性數(shù)據(jù)，此處，將居民點及獨立工礦用地、交通水利設(shè)施用地兩大地類的地類標(biāo)識變量設(shè)為第1水平單位i，省、市、縣三級行政尺度的尺度標(biāo)識變量設(shè)為第2水平單位j，構(gòu)建多尺度地類變化及其自然因素驅(qū)動因子之間的二分類反應(yīng)變量兩水平Logistic回歸模型：

式（4）中，pij表示地類發(fā)生變化的比數(shù)（率），β1為固定效應(yīng)參數(shù)，μ0j為第2水平單位殘差（隨機效應(yīng)），即第2水平單位logit均值β0j與總均值β0之差，σ2μ0是隨機參數(shù)，反映了高水平單位間的比數(shù)的差別，其值越大，說明數(shù)據(jù)在高水平單位內(nèi)的聚集性越強，nij為比數(shù)（率）的分母，πij（1-πij）/nij表示反應(yīng)變量的方差估計值。

3 結(jié)果分析

3.1 多尺度回歸結(jié)果分析

按照前述驅(qū)動力多尺度回歸分析思路與方法，省、市、縣不同尺度建設(shè)用地變化與其自然因素驅(qū)動因子數(shù)據(jù)開展Logistic逐步回歸分析，結(jié)果分別如表2—表4所示。

表2 省域尺度自然因素驅(qū)動因子對地類變化影響參數(shù)Tab.2 Impact parameters of natural driving factors on land use change in provincial scale

表3 市域尺度自然因素驅(qū)動因子對地類變化的影響參數(shù)Tab.3 Impact parameters of natural driving factors on land use change in municipal scale

表4 縣域尺度自然因素驅(qū)動因子對地類變化的影響參數(shù)Tab.4 Impact parameters of natural driving factors on land use change in county scale

基于上述各尺度層級的建設(shè)用地變化與自然因素驅(qū)動因子的Logistic逐步回歸分析可知：省域尺度上，影響居民點及獨立工礦用地變化的核心驅(qū)動因子依次是距縣道的距離（1.042）、距鐵路的距離（0.961）和坡度（0.879）；距縣道的距離每增加1 km，發(fā)生率將提高4.19%；距鐵路的距離每增加1 km，發(fā)生率則降低3.92%；坡度每增加1度，發(fā)生下降12.10%。交通水利設(shè)施用地變化則受坡度（1.422）、距鐵路的距離（0.936）、距國道的距離（0.872）、距縣道的距離（0.850）、距省道的距離（0.813）及水系（0.478）驅(qū)動因素的影響顯著。

市域尺度上，居民點及獨立工礦用地變化受多種因素的共同影響。依據(jù)EXP（B）值的大小，其核心驅(qū)動因子依次是距國道的距離（1.032）、距省道的距離（1.023）、高程（1.002）、坡向（0.990）、距城鎮(zhèn)的距離（0.988）、坡度（0.913）和距鐵路的距離（0.818）。交通水利設(shè)施用地變化主要受距城鎮(zhèn)的距離（1.032）、距省道的距離（0.950）、距國道的距離（0.941）、距鐵路的距離（0.899）的影響較為顯著。

縣域尺度上，居民點及獨立工礦用地主要受距縣道的距離（1.354）、距省道的距離（1.163）、距國道的距離（1.084）和坡度（0.782）影響較大。交通水利設(shè)施用地變化主要受高程（0.996）、距鐵路的距離（0.837）、距省道的距離（0.793）、距國道的距離（0.787）和距水系的距離（0.385）的影響較為顯著。

3.2 多水平模型結(jié)果分析

基于前述構(gòu)建的多尺度地類變化及其自然因素驅(qū)動因子之間的二分類反應(yīng)變量兩水平Logistic回歸模型，首先，以居民點及獨立工礦用地標(biāo)識為水平1單位，以尺度標(biāo)識作為水平2單位，擬合不含任何驅(qū)動因子的二分類反應(yīng)變量兩水平Logistic回歸空模型（null model）；其次，考察空模型擬合結(jié)果，只有當(dāng)居民點及獨立工礦用地對應(yīng)的隨機截距方差（Intercept）在0.01或0.05水平上顯著時，才表明該地類變化在不同尺度間存在差異，才有必要進一步引入?yún)f(xié)變量（驅(qū)動因素）進行多水平分析。對于交通水利設(shè)施用地的多尺度擬合同上。最終結(jié)果如表5、表6所示。

表5 自然因素驅(qū)動因子兩水平Logistic回歸空模型分析結(jié)果Tab.5 Results of two level Logistic regression null model for natural driving factors

由表5可知，就居民點及獨立工礦用地而言，其水平2隨機系數(shù)方差估計值為5.225（P = 0.018），在0.05水平上具有統(tǒng)計學(xué)意義，表明居民點及獨立工礦用地變化在尺度層級間確實存在一定的差異。因此，需要引入解釋變量（核心驅(qū)動因子）來進一步分析引起差異的原因。這里，依次將選取的自然因素驅(qū)動因子引入模型，重新進行模型擬合，結(jié)果發(fā)現(xiàn)坡度（n1）、距國道的距離（n4）具有統(tǒng)計學(xué)意義，固定效應(yīng)估計值分別為1.798（P = 0.020）、3.517（P = 0.041），表明尺度層級上坡度、距國道的距離對居民點及獨立工礦用地變化的影響較大，見表6所示。

同樣，交通水利用設(shè)施用地空模型擬合結(jié)果發(fā)現(xiàn)，水平2隨機系數(shù)方差估計值為0.019（P = 0.031），具有統(tǒng)計學(xué)意義，說明交通水利設(shè)施用地變化在尺度層級間也存在差異。因此，也需要引入解釋變量做進一步分析。將三級尺度上自然因素驅(qū)動因子也逐一引入模型重新擬合，結(jié)果如表6所示，距國道的距離（n4）、距省道的距離（n5）、距鐵路的距離（n7）具有統(tǒng)計學(xué)意義，固定效應(yīng)估計值分別為1.119（P = 0.026）、0.846（P = 0.001）、2.648（P = 0.001），表明在多尺度層級上距國道的距離、距省道的距離、距鐵路的距離對交通水利設(shè)施用地變化的影響較為顯著，是引起該地類變化的核心驅(qū)動因子。

表6 自然因素驅(qū)動因子兩水平Logistic回歸模型參數(shù)估計結(jié)果Tab.6 Results of parameters estimation of two level Logistic regression model for natural driving factors

3.3 綜合對比分析

綜合上述多尺度回歸分析結(jié)果和多水平模型分析結(jié)果發(fā)現(xiàn)：坡度（n1）對各尺度層級上居民點及獨立工礦用地變化具有普遍的驅(qū)動意義，距國道的距離（n4）、距省道的距離（n5）對市級和縣級尺度上的居民點及獨立工礦用地變化具有普遍的驅(qū)動意義；而距國道的距離（n4）、距省道的距離（n5）、距鐵路的距離（n7）對各尺度層級上交通水利用設(shè)施用地也具有普遍驅(qū)動意義，即對各個尺度上的交通水利設(shè)施用地的變化都表現(xiàn)出了一定的驅(qū)動作用，是每一尺度上該地類變化的核心驅(qū)動因子。同時，進一步對比分析發(fā)現(xiàn)：當(dāng)將尺度作為一個獨立的定量因素加入二分類反應(yīng)變量兩水平Logistic回歸模型時，個別在單一尺度中對地類變化具有驅(qū)動意義的因子，在尺度定量的多水平模型分析中不再表現(xiàn)出對該地類的驅(qū)動作用。例如：就交通水利設(shè)施用地而言，在單一尺度的回歸分析中，三級尺度總體上影響該地類變化的核心驅(qū)動因子集為{n1，n4，n5，n6，n7，n8，n9}，而多水平模型分析交通水利設(shè)施用地的核心驅(qū)動因子集是{n4，n5，n7}。總體上，多水平模型分析的各個地類的核心驅(qū)動因子集與單一尺度回歸分析的相應(yīng)地類的驅(qū)動因子集之間呈現(xiàn)子集關(guān)系（表7）。

表7 多尺度土地利用變化核心驅(qū)動因子列表Tab.7 A list of core driving factors for multi scale land use change

4 結(jié)論與討論

（1）方法上，基于Logistic多元回歸分析將驅(qū)動因子分解定位到不同的空間尺度，能夠從更為微觀的角度揭示各個尺度層級上地類變化受驅(qū)動因子影響的定量關(guān)系。但這種經(jīng)典數(shù)理分析方法實質(zhì)是將尺度作為一個定性因素，在得到各尺度層級上各地類變化與驅(qū)動因子定量影響關(guān)系之后，通過尺度之間的直接對比來揭示多尺度土地利用變化驅(qū)動力及尺度依賴規(guī)律。因此，它沒有顧及因尺度因素帶來的數(shù)據(jù)層次結(jié)構(gòu)的存在，忽略了尺度因素在多尺度驅(qū)動力分析中的定量影響。而將多尺度土地利用變化及其驅(qū)動因素看成一個整體系統(tǒng)，把尺度因素作為獨立的控制變量加入模型，從系統(tǒng)整體的角度構(gòu)建二分類反應(yīng)變量兩水平Logistic回歸模型，考慮了尺度因素的定量影響，彌補了驅(qū)動力多尺度直接對比分析的不足，從而在方法上與其形成互補研究。

（2）結(jié)果上，通過將兩種不同方法的研究結(jié)果進行對比分析發(fā)現(xiàn)，基于Logistic多元回歸分析能夠更加具體細微地尋求不同尺度上各個地類的核心驅(qū)動因子及其定量影響關(guān)系；而二分類反應(yīng)變量兩水平Logistic回歸模型則是從系統(tǒng)整體角度揭示多尺度土地利用變化及其驅(qū)動力系統(tǒng)中引起各個地類發(fā)生變化的公共核心驅(qū)動因子及其定量影響程度。總體上，多水平模型分析得到的各個地類的核心驅(qū)動因子集與單一尺度回歸分析得到的相應(yīng)地類的驅(qū)動因子集之間呈現(xiàn)子集關(guān)系。

由于土地利用變化本身是一個受特定區(qū)域經(jīng)濟、社會、自然和政策傾向等綜合因素影響的復(fù)雜過程，而本文從多尺度視角對其進行審視，無疑更加劇了這一問題的復(fù)雜程度，而且本文僅考慮自然因素的驅(qū)動作用，一定程度上影響了分析結(jié)果的客觀性；此外，將多水平模型引入土地利用變化多尺度驅(qū)動力問題的研究之中也是一次新的嘗試，研究數(shù)據(jù)也僅是連續(xù)10年期數(shù)據(jù)，這也使得該模型的優(yōu)勢尚沒有充分體現(xiàn)。因此，下一步工作應(yīng)從宏觀、中觀、微觀更多尺度層級、更多時點上收集數(shù)據(jù)，進一步豐富多尺度樣本數(shù)據(jù)，可進一步深入探討在尺度因素定量影響下驅(qū)動因子對不同尺度土地利用變化的驅(qū)動效應(yīng)及跨尺度交互作用的性質(zhì)和程度。

（References）:

［1］ 楊梅，張廣錄，侯永平. 區(qū)域土地利用變化驅(qū)動力研究進展與展望［J］ . 地理與地理信息科學(xué)，2011，27（1）： 95 - 100.

［2］ 趙俊三，袁磊，張萌. 土地利用變化空間多尺度驅(qū)動力耦合模型構(gòu)建［J］ . 中國土地科學(xué)，2015，29（6）：57 - 66.

［3］ Verburg P. H., Veldkamp A. Fresco L. O. Multi-scale modeling of land-use change dynamics in Ecuador［J］ . Agricultural Systems，1999，61（2）：77 - 93.

［4］ Overmars K. P., Koning G. H. J. de, Veldkamp A. Spatial autocorrelation in multi-scale land use models［J］ . Ecological Modelling，2003，164（2-3）：257 - 270.

［5］ Viglizzo E. F., Pordomingo A. J., Castro M. G., et al. Scale-dependent controls on ecological functions in agroecosystems of Argentina［J］ . Agriculture, Ecosystems & Environment，2004，101（1）：39 - 51.

［6］ 邱炳文. 福建省耕地多尺度空間分布特征分析［J］ . 農(nóng)業(yè)工程學(xué)報，2008，24（11）：63 - 68.

［7］ Batisani N., Yarnal B. Urban expansion in Centre County, Pennsylvania: Spatial dynamics and landscape transformations［J］ . Applied Geography，2009，29（2）：235 - 249.

［8］ Pan Y., Roth A., Yu Z., et al. The impact of variation in scale on the behavior of a cellular automata used for land use change modeling［J］ . Computers, Environment and Urban Systems，2010，34（5）：400 - 408.

［9］ 王天巍，李朝霞，史志華，等. 都市圈邊緣區(qū)多尺度土地利用驅(qū)動力研究［J］ . 華中農(nóng)業(yè)大學(xué)學(xué)報，2008，27（4）：471 - 477.

［10］ 蒙吉軍，朱利凱，毛熙彥. 近30年來毛烏素沙地土地利用變化驅(qū)動力的多尺度研究——以內(nèi)蒙古烏審旗為例［J］ . 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報，2012，20（Z1）：54 - 66.

［11］ Morgan S, Philip, Jay D. Teachman. Logistic regression: Description, examples, and comparisons［J］ . Journal of Marriage and the Family，1988，50：925 - 936.

［12］ Goldstein H. Multilevel Statistical Models［M］ . New York: Oxford University Press Inc，1999.

［13］ 馬修強. 多水平模型和關(guān)聯(lián)規(guī)則聯(lián)合研究胃食管反流病影響因素［D］ . 上海：第二軍醫(yī)大學(xué)，2009.

［14］ 鄭文波. 基于多水平統(tǒng)計模型的氣象數(shù)據(jù)研究［D］ . 武漢：華中科技大學(xué)，2010.

［15］ 韓軍輝. 中國農(nóng)村地區(qū)代際收入流動的多水平統(tǒng)計模型分析［J］ . 統(tǒng)計與信息論壇，2009，24（8）：17 - 20，33.

［16］ Hoshino S. Multilevel modeling on farmland distribution in Japan［J］ . Land Use Policy，2001，18：75 - 90.

［17］ Polsky C, Easterling IIIW E. Ricardian climate sensitivities: accounting for adaptation across scales［J］ . Agriculture, Ecosystems and Environment，2001，85：133 - 144.

［18］ Peter H. Verburgb. Multilevel modeling of land use from field to village level in the Philippines［J］ . Agricultural Systems，2006，89（2 - 3）：435 - 456.

［19］ 蔡運龍. 貴州喀斯特高原土地系統(tǒng)變化空間尺度綜合的一個研究方案［J］ . 地球科學(xué)進展，2009，24（12）：1301 - 1308.

（本文責(zé)編：王慶日）

An Analysis of Quantitative Impacts of Multi-scale Factors on Driving Forces in Land Use Change

YUAN Lei1，2, YANG Kun1，2
（1. School of Information Science and Technology, Yunnan Normal University, Kunming 650500, China; 2. Engineering Research Center of Ministry of Education on Geography Information Technology of Western Resource Environment, Kunming 650500, China）

The purpose of this study is to reveal quantitative impacts of multi-scale factors on driving forces in multiscale land use change. Firstly, Logistic Regression Model and Two Level Logistic Regression Model of two category response variable are constructed. Secondly, the core driving forces of multi-scale land use change and relationship among them and their quantitative effects are discussed and compared from the two perspectives i.e., one is comparison of multi-scale, the other is systematic viewpoint. The results of the study show that the method of Logistic Regression Model can be used to reveal quantitative relationship among driving factors and land use change in different scale levels, and the method of Two Level Logistic Regression Model of two category response variable has taken quantitative effects of scale factors into consideration. It is concluded that the sub-assembly of core driving factors revealed by the multi-levelmodel is included in the sub-assembly explored by multi-scale model, and the two methods can also form complementary research on core driving forces of multi-scale land use change.

land use; multi-scale; driving forces; multilevel model; Logistic regression model

F301.24

A

1001-8158（2016）12-0063-08

10.11994/zgtdkx.20161219.132637

2016-06-21；

2016-09-18

云南師范大學(xué)博士科研啟動項目（01000205020503063）；國家科技支撐計劃項目（2013BAJ07B00）。

袁磊（1977-），男，河南潢川人，博士，碩士生導(dǎo)師。主要研究方向為GIS理論與應(yīng)用，自然資源配置與規(guī)劃。E-mail: v_ict@163.com

楊昆（1963-），男，云南昆明人，博士生導(dǎo)師，教授。主要研究方向為時空過程模擬，GIS理論。E-mail: kmdcynu@163.com