Exploring spatially varying and scale-dependent relationships between soil contamination and landscape patterns using geographically weighted regression

Landscape pattern is an important determinant of soil contamination at multiple scales, and a proper understanding of their relationship is essential for alleviating soil contamination and making decisions for land planners. Both soil contamination and landscape patterns are heterogeneous across spaces and scale-dependent, but most studies were carried out on a single scale and used the conventional multivariate analyses (e.g. correlation analysis, ordinary least squared regression-OLS) that ignored the issue of spatial autocorrelation. To move forward, this paper examined spatially varying relationships between agricultural soil trace metal contamination and landscape patterns at three block scales (i.e. 5 km × 5  km, 10 km × 10 km, 15 km × 15 km) in the Pearl River Delta (PRD), south China, using geographically weighted regression (GWR). This paper found that GWR performed better than OLS in terms of increasing R square of the model, lowering Akaike Information Criterion values and reducing spatial autocorrelation. GWR results revealed great spatial variations in the relationships across scales, with an increasing explanatory power of the model from small to large block scales. Despite a few negative correlations, more positive correlations were found between soil contamination and different aspects of landscape patterns of water, urban land and the whole landscape (i.e. the proportion, mean patch area, the degree of landscape fragmentation, landscape-level structural complexity, aggregation/connectivity, road density and river density). Similarly, more negative correlations were found between soil contamination and landscape patterns of forest and the distance to the river and industry land (p < 0.05). Furthermore, most significant correlations between soil contamination and landscape variables occurred in the western PRD across scales, which could be explained by the prevailing wind, the distribution of pollutant sources and the pathway of trace metal inputs.     

贵州省乡村贫困空间格局与形成机制分析

以贫困态势严峻、区域内部贫困差异大的贵州省为研究区,分析了贵州省区县层面乡村贫困的空间异质性和空间依赖性格局,定量测度了乡村贫困空间差异的影响因素和因素效应的空间差异性,进而归纳了贵州省乡村贫困的形成机制。结果发现,贵州省区县乡村贫困具有时空稳定性,呈现出东、南、西部高而中、北部低的“马蹄”形空间异质性格局。区县贫困存在较强的空间依赖性,“高-高”型贫困地域即空间贫困陷阱区域,集聚分布在贵州省的东南部、南部。定量模型发现,坡度、到所在市中心的距离、青少年人口占比、少数民族人口占比是导致贵州区县层面乡村贫困空间差异的显著因素,且这些因素的效应水平呈现出不同的空间模式。产业发展受限、劳动力流动性差、金融和人力资本积累不足是贵州贫困空间形成的主导机制。最后建议扶贫政策层面应将基于地方和基于人的政策相结合。     

黑河中游地区耕地景观演变及社会经济驱动力分析

选取1987~2010年的土地利用数据,运用变化轨迹分析方法以及景观指数表征黑河中游地区耕地景观的演变过程,采用偏最小二乘回归模型分析耕地景观演变的驱动力。结果表明：从耕地的变化轨迹来看,研究期间耕地的扩张是黑河中游地区耕地景观演变的主要趋势;从空间上来看,扩张型耕地和缩减型耕地分布趋向集中,主要集中在稳定型耕地边缘,同时耕地扩张的方向趋向河流;从驱动因素分析来看,总人口、城市化、产业发展、机电井数等是促使耕地景观演变的主要社会经济驱动因素,但是各个驱动因素的驱动作用均有差异。     

中国住宅出让地价发育特征及其影响因素分析

基于中国土地市场网2009~2013年招、拍、挂出让的住宅用地数据,以县级行政区域作为研究单元,建立区域住宅地价综合模型,选取地价水平、地价增长率和交易宗数作为评价指标,采用Ward系统聚类法,综合分析了中国住宅出让地价的发育特征,利用多分类Logistic回归模型探索了各类地价发育形态的潜在影响因素。结果表明：① 研究期内中国住宅出让地价总体呈现东高西低、沿海高于内陆、城市群带动周边区域发展、城市群内部围绕中心城市增长等空间格局特征;中西部地价高增长的单元多于东部,西北、东北中南部、四川盆地、河西走廊以及长江中下游地区是地价高增长的聚集区;住宅市场活跃度呈阶梯状变化,活跃度较高的地区主要分布在山东半岛、长三角、长江中游、辽宁中部、哈尔滨、成渝、滇中、呼包鄂等城市群。② 根据综合特征,中国住宅出让地价空间发育可分为成熟稳健型、发展完善型、成长发展型、萌芽起步型和成长受阻型5类,相邻发育形态在空间关系上表现出互为邻里的特征。③ 各类发育区的主要影响因素差异显著。区位条件、居民收入和财政收入是地价发育成熟度的主要影响因素;人均GDP、国土开发度提升将促进地价形态发育程度;而人口吸引力不足、基础设施建设相对滞后等将导致地价形态发育受阻。     

转型期广州市居民职住模式的群体差异及其影响因素

职住关系是城市研究领域重要的议题之一。体制改革后中国社会分层结构特殊,检验不同阶层居民在职住地选择偏好的差异,有助于理解居民职住格局形成的内部机制。利用广州市入户问卷调查、建成环境和人口普查等数据,采用两步聚类和多项logistic回归,对广州市居民进行阶层划分,对比居民职住模式的群体差异及其影响因素。结果表明：职住决策时,体制外工薪阶层追求低生活成本,受职住地建成环境影响显著;体制内阶层习惯于传统单位制下社会关系密切的社区,受邻里环境影响显著,还受个人属性影响;无固定工作者决策自由和平衡程度高,受少量建成环境因素影响。研究有助于了解居民职住格局形成的制度性机制,为优化居民职住格局提供思路。     

甘肃省“五化”协同发展时空演变格局及影响因素分析

以2005年、2010年和2015年甘肃省87个县区、县级市及自治县的工业化、城镇化、信息化、农业现代化与绿色化（简称“五化”）为研究对象,利用空间自相关分析、地理加权回归分析等空间分析方法,结合构建的“五化”协同发展模型,对甘肃省“五化”协同发展的时空分异格局、时空演变趋势和影响因素进行研究分析,以期为甘肃省各市州科学的制定发展政策提供参考。结果表明：甘肃省“五化”协同发展格局具有明显的空间相关性且空间差异显著,协同水平呈现出明显的西北高、东南低分布格局;“五化”发展水平和综合水平较低,协同水平总体不高,以轻度失调、濒临失调和勉强协同为主,但总体上升幅度较大;“五化”协同发展的影响因素,按其影响力大小依次为：农村居民人均可支配收入 > 城乡居民可支配收入差 > 固定资产投资总额 > 财政支出 > 地形起伏度 > 城乡居民消费差 > 降水量。     

中国重要旅游城市雾霾时空特征

依托中国15个重要旅游城市,基于雾霾主导因素PM2.5观测数据、遥感气溶胶数据,运用土地利用回归方法模拟绘制PM2.5时空分布图,分析中国重要旅游城市PM2.5质量浓度的时空分异特征。结果表明：1）2013―2015年中国重要旅游城市PM2.5年均质量浓度总体呈逐年下降趋势,且明显呈现夏季低、冬季高、春秋季居中的季节变化特征;2）重要旅游城市PM2.5质量浓度在不同等级城市中存在明显差异,其PM2.5质量浓度整体规律为副省级市＞直辖市＞地级市;3）月均尺度上各重要旅游城市的宜游时间主要集中在4―9月,且2015年春冬季月份宜游城市明显增多;宜游时间较长的城市主要分布在空气质量优良的东南部沿海和森林覆盖率较高地区的地级市和部分副省级市,中西部地区和长三角地区的城市宜游时间则相对较短。     

基于GWR模型的中国区域旅行社业效率空间分异及动力机制分析

基于DEA模型对中国31个省域的旅行社业效率空间分异特征进行了分析,首次运用GWR模型探索交通、资本、人才、信息化和经济动力对区域旅行社业效率影响的空间差异。结果表明：旅行社业效率在空间上具有正相关性和集聚特征,空间格局从“川”字型向“山”字型转变。各动力因子的系数均存在空间非平稳性。资本和人才动力的回归系数在空间分布上从南向北依次递减;经济动力的分布趋势为从北向南依次递减;交通动力对中西部地区旅行社效率提升的促进作用显著于东部地区;信息化动力则在东部地区表现出较强的促进作用。     

县域农村贫困化空间分异及其影响因素——以陕西山阳县为例

以国家扶贫开发重点县山阳县为研究区,通过空间自相关分析和分组分析方法探究山阳县农村贫困化的空间格局和类型;利用逐步回归、地理加权回归和地理探测器模型对山阳县农村贫困化影响因素进行分析,讨论影响因素效应水平的空间异质性及其交互作用。研究表明：① 山阳县农村贫困发生率具有较强的空间集聚性,形成6个热点集聚区和4个冷点集聚区;综合考虑农村贫困程度和空间连接性,将山阳县划分为低度贫困区、中度贫困区和高度贫困区。② 水网密度、到最近公路的距离、危房比例、农民人均可支配收入、外出务工人数比例、农户入社比例6个因素是山阳县农村贫困化的主要影响因素,各因素的影响效应具有空间异质性。③ 两因素交互作用要比单因素作用于贫困发生率时影响力更显著,各主要影响因素的交互作用类型有双因子增强型和非线性增强型两种。     

站点尺度的青藏高原时序NDVI重构方法比较与应用

基于卫星遥感的植被指数时序数据广泛应用于植被覆盖监测、生物量反演等多个研究领域,但由于传感器本身、大气条件、环境特征等因素引起的噪声会影响数据的应用效果,因此开展植被指数时序数据重构研究具有实际意义。本文基于2000-2015年MODIS归一化差异植被指数(NDVI)数据,采用三次样条函数法、双逻辑斯蒂函数法和奇异谱分析法3种常用方法,对青藏高原106个气象站点所在的典型覆被NDVI时序数据进行重构,并以植被物候信息提取作为应用,比较分析了3种算法的保真性、细节拟合能力及物候特征提取效果。研究表明, D-L及Spline函数分别对受冰雪及云层影响较大(荒漠、灌木、林地)及较小的覆被类型(草原、农作物)表现出较好的细节拟合能力;SSA方法拟合能力较差,易出现NDVI重构曲线整体“下移”的现象,造成峰值拟合结果偏低,并且表现出NDVI绝对值越小拟合效果越差的现象。从保持原始数据真值的能力来看,受噪声点影响较大的覆被类型(林地、灌木、草原)Spline函数略优于D-L函数法;而林地类型中SSA方法表现优于D-L函数法。从物候信息提取结果来看,D-L函数法所提取的生长季稍有提前,Spline函数及SSA方法分别表现出生长季开始点及结束点滞后的现象,灌木、林地类型表现出明显的年际波动变化的特征,荒漠类型由于NDVI绝对值偏低,3种方法物候提取结果一致性表现出锯齿状不规则波动。此外,D-L方法生长季开始期(SOS)和生长季结束期(EOS)在各覆被区均小于其他方法,波动较大;SSA方法提取的EOS在大部分覆被地区大于其他方法;Spline提取结果的年际波动与SSA高度相似。该研究可为高原植被不同覆被类型下NDVI时序数据噪声去除的方法选择提供借鉴。