基于CA-Markov模型的撓力河流域土地利用動態模擬

周　浩，雷國平①，趙宇輝，路　昌，張　博

(1.東北大學土地管理研究所，遼寧 沈陽　110004；2.東北農業大學資源與環境學院，黑龍江 哈爾濱　150030)

?

基于CA-Markov模型的撓力河流域土地利用動態模擬

周浩1，雷國平1①，趙宇輝2，路昌1，張博2

(1.東北大學土地管理研究所，遼寧 沈陽110004；2.東北農業大學資源與環境學院，黑龍江 哈爾濱150030)

摘要：以三江平原腹地撓力河流域為研究對象，基于1990和2013年2期遙感數據，結合馬爾科夫(Markov)轉移矩陣、土地利用動態度模型和土地利用程度模型分析流域1990—2013年土地利用變化情況，運用CA-Markov模型對2025年土地利用格局進行模擬預測。結果表明：流域土地利用結構變化以耕地的內部和外部轉換為主，水田化現象是最主要的景觀變化特征，未利用地面積由于大量墾荒而大幅度減少；土地利用程度指數由1990年的251.46上升至2013年的270.48，土地開發利用程度不斷加大；模型模擬顯示流域Kappa系數為0.82，預測結果可信；2013—2025年流域土地利用類型變化趨勢和速率與1990—2013年存在差異，林地變化幅度最大，水田面積仍然保持增長，但增長速度有所下降，單一動態度降為2%，旱地面積基本保持不變；未來12 a土地利用程度指數持續上升，流域受人類社會因素擾動作用的強度將會進一步加大。

關鍵詞：CA-Markov模型；撓力河流域；土地利用/覆蓋變化(LUCC)；空間分析模型

土地利用/覆蓋變化(LUCC)作為區域土地資源利用方式的直接反映[1],其相互作用、相互依存的各要素通過能量、物質和信息的交流而形成的時空系統[2],是全球變化和可持續發展的核心和難點[3]。LUCC是相當復雜的過程,在不同時空尺度上進行模擬研究有助于揭示人類社會影響下區域及生態環境的變化趨勢及機理等[4-5],為制定科學、合理的土地利用管理及區域發展策略提供決策支持。包括撓力河流域在內的三江平原是全球變化最為敏感的區域之一,在全球變化研究中意義重大[6]。

目前用來分析和模擬LUCC的模型包括元胞自動機(CA)[7]、小尺度土地利用變化及效應模型(CLUE-S)[8]、馬爾科夫(Markov)預測模型和基于智能體[3]等。其中CA模型主要從時空耦合的角度出發,著眼于元胞的局部相互作用,存在局限性;而傳統的Markov模型僅從數量上進行長期預測,難以預測土地利用空間格局變化[3]。近年來被學者廣泛探討和應用的CA-Markov模型綜合了CA模型模擬復雜系統行為的能力和Markov模型的長期預測優勢[9-12],既能提高土地利用類型轉化的預測精度,又可以有效模擬土地利用空間格局變化[10],有利于精確挖掘區域土地利用時空演變信息。位于三江平原腹地的撓力河流域作為該地區土地開發歷史最早的流域,是我國最重要的墾區之一[13-14],近年來當地農業結構調整促使大量易澇旱地轉變為水田,土地利用變化劇烈,開展該地區的土地利用變化及模擬研究具有重要的現實意義。

筆者以撓力河流域為研究對象,在ArcGIS和IDRISI平臺支持下,基于遙感影像數據分析流域土地利用變化空間格局,運用CA-Markov模型模擬預測未來土地利用變化情況,以期為土地資源的合理利用、規劃與保護提供決策依據。

1研究區概況

撓力河流域位于黑龍江省三江平原境內,地理位置為45°43′～47°45′ N,131°31′～134°10′ E。東南以完達山為界,東與烏蘇里江相接,流域面積約為2.49×104km2,其地理位置如圖1所示。

圖1　撓力河流域地理位置示意

該流域屬中溫帶大陸性季風氣候區,夏季高溫多雨,冬季寒冷漫長,最熱月7月平均氣溫為21.9 ℃,最冷月1月平均氣溫為-18.6 ℃。撓力河流域多年平均降水量為518 mm,降水分布不均勻,6—9月降水占全年降水量的72%,春季干旱頻繁,秋季多洪澇災害。流域范圍內地形呈現西南高、東北低的態勢,水系自西南流向東北。地貌類型主要由山地與平原組成,山地占流域面積的38.3%,主要分布于流域西南部和南部;平原占61.7%,主要分布于流域北部和中部的內、外七星河及撓力河中游地區。撓力河流域農業開發活動非?；钴S,尤其在1980年國家進入經濟迅速發展時期后。目前撓力河流域已建成6個縣,有7個現代化農場,總人口達125萬人,其中農業人口占65.4%,該區已成為三江平原主要產糧區和國家重要的商品糧基地。

2研究方法

2.1數據來源與處理

土地利用數據原始信息源來自美國陸地資源衛星1990和2013年Landsat TM/OLI多光譜遙感影像,精度分別為30和15 m,經幾何糾正及RGB假彩色合成。參照全國土地利用分類體系并結合流域土地利用現狀和研究目標,確定研究區土地利用類型為耕地(包括旱地和水田)、林地、草地、水域、建設用地和未利用地6大類。根據不同土地利用類型的影像色調和紋理等特征建立解譯標志,參照流域地形圖和各種歷史資料配合進行人工目視解譯,對所得數據進行查錯、修改和拼接,并結合Google Earth軟件進行精度驗證,最終得到1990和2013年撓力河流域土地利用現狀圖。將矢量數據進行數據格式的轉換、數據的提取和統計。

2.2CA-Markov模型

2.2.1Markov模型

土地利用變化沒有固定而精確的變化模式。為便于研究,常采用Markov箱式模糊模型進行擬合預測,它是基于Markov過程而形成的系統預測隨機事件發生概率和優化控制的理論方法,常用于具有無后續性特征的地理事件預測,Markov過程下的土地利用類型變化只與前一時刻土地利用類型相關,它們之間相互轉換的面積數量或者比例即為狀態轉移概率,依據貝葉斯條件概論公式,Markov過程下的土地利用變化如下所示[11]:

S(t+1)=Pij×S(t)。

(1)

式(1)中,S(t+1)和S(t)分別為t+1和t時刻的系統狀態;Pij為狀態轉移概率矩陣。

2.2.2CA模型

CA是具有時空計算特征的動力學模型,其特點表現為時間、空間和狀態是離散的,模型變量都只有有限個狀態,且狀態的改變均表現出局部特征,特別適用于復雜的地理空間系統動態模擬研究[6],該模型如下所示:

S(t,t+1)=f[S(t),N]。

(2)

式(2)中,S為元胞有限、離散的狀態集合;f為轉換規則;N為元胞的鄰域。

2.2.3CA-Markov預測模型

CA-Markov模型綜合了Markov模型長期序列預測和CA模型空間變化模擬的優勢,可以較好地在數量和空間上對土地利用變化時空格局進行模擬[15]。在土地利用柵格圖中,每個像元相當于1個元胞,其土地利用類型為元胞狀態。模型在IDRISI軟件的支持下利用面積轉移矩陣和條件概率圖像實現模型的運算,模擬未來土地利用變化格局,具體操作如下:

(1)基于Markov模型對1990和2013年2期土地利用現狀圖進行疊加,得到1990—2013年研究區土地利用類型轉移概率矩陣和轉移面積矩陣,其中轉移概率矩陣作為轉換規則參與模擬運算。

(2)建立轉換適宜性圖像集(MCE)。為了能夠較好地保持1990—2013年的轉移趨勢,使用Markov模型輸出的條件概率圖像作為轉換適宜性圖像集。

(3)確定CA濾波器及循環次數。CA濾波器用于創建相鄰元胞單元具有顯著空間意義的權重因子,使其作用于元胞而確定其狀態的改變,確定CA標準5×5的濾波器,即認為一個元胞周圍150m×150m的矩形空間對該元胞狀態影響顯著。由于預測基期土地利用圖為2013年的,模擬目標為2025年,因此將CA循環次數設為12。

2.3指數模型

2.3.1土地利用動態度模型

在自然和人為因素影響下,區域時間段、空間位置存在差異,不同土地利用類型的變化幅度和速度是不同的[5],變化幅度為研究時段初、末的面積差值,變化速度可以用動態度模型進行定量描述,計算公式如下:

(3)

式(3)中,K為土地利用動態度;Ua和Ub分別為研究時段初、末的面積,km2;T為研究時段長度,a。

2.3.2土地利用綜合程度模型

土地系統作為自然和社會因素綜合作用下的復雜綜合體,其利用程度可以體現土地利用的廣度與深度。為進一步充分反映LUCC效應,參照劉紀遠等[16]提出的土地利用程度分級標準來定量化分析土地利用程度的高低,土地利用程度綜合指數及變化模型如下所示:

(4)

(5)

(6)

式(4)～(6)中,L、ΔLb-a和R分別為土地利用程度綜合指數、指數變化量和指數變化率;Ai為第i級土地利用程度分級指數;Ci為第i級土地利用程度分級面積比例;La和Lb分別為研究時段初、末時間土地利用程度綜合指數;Ca，i和Cb，i分別為研究時段初、末第i級土地利用程度面積比例。

3結果與分析

3.1土地利用動態演變

3.1.1土地利用結構變化及特征

基于Markov轉移矩陣,統計撓力河流域1990—2013年土地利用變化情況(表1)?？梢钥闯?1990—2013年流域土地利用變化幅度較大。42個土地轉換類型中共有28個子類型發生轉換,其中旱地→水田轉換類型面積達3 466km2,占土地轉換總面積的56.93%,未利用地→旱地、林地→旱地和水田→旱地轉換類型面積依次為1 070、857和695km2,以上4種轉換子類型面積之和占土地轉換總面積的86.48%,1990—2013年間流域土地利用變化以耕地轉換為主(包括內部轉換和外部轉換)。

具體而言,20多a間水田面積增加3 400km2,其單一動態度最大,達7.52%,水田化現象是該流域最主要的景觀變化特征。其次為未利用地,流域內大量墾荒導致其面積持續下降,1990—2013年間下降幅度達1 586km2,動態度為-3.68%。20世紀90年代初期以來,當地農業結構調整促使大量易澇旱地轉變為水田,盡管期間大量未利用地轉換為旱地,但旱地仍然減少944km2。與1990年相比,林地共減少881km2,其中有857km2轉變為旱地。除水田外,建設用地面積也呈增加趨勢,20多a間建設用地共增加68km2,通過轉移矩陣分析其用地來源可知,旱地、林地、水田和未利用地均有部分轉變為建設用地。流域內草地面積相對較小,1990年面積僅為6km2,水域用地多為湖泊和河流水面,轉換程度相對有限,20多a間兩者面積分別下降51和2km2,其中水域用地單一土地利用動態度為所有用地類型中最低,為-0.04%。

表1撓力河流域1990—2013年土地利用類型動態變化

Table 1Dynamics of land use types in the Naoli River Valley from 1990 to 2013

km2

表中某一行數據為1990年各土地利用類型轉變為2013年該行對應的土地利用類型的面積。1)單位為%。

3.1.2土地利用變化綜合程度分析

1990和2013年土地利用現狀圖見圖2。為直觀反映撓力河流域內部土地利用綜合程度差異,消除空間尺度效應,將2期土地利用矢量圖進行1 km×1 km的矢量柵格切割,計算單個柵格用地類型面積比例,結合式(6)得到1990和2013年2期土地利用綜合程度指數圖,并以此為基礎計算得到1990—2013年土地利用綜合程度指數變化量和變化率(圖3)。

20多a間撓力河流域土地利用綜合程度指數整體呈上升趨勢,土地利用受人類擾動作用大。土地利用綜合程度指數由1990年的251.46上升至2013年的270.48,土地利用綜合程度變化指數為19.01,該時段流域土地利用整體處于發展時期。從土地利用程度指數圖(圖3)可以看出,變化主要集中于流域中部的內、外七星河流域和北部平原地帶,1990年該地區分布有大量綜合指數閾為100～150的土地類型,2013年該閾值范圍的土地類型僅見零星分布,這是因為大量未利用地和灘涂用地被開墾為農田,土地綜合利用指數不斷提高。1990—2013年該地區大片土地利用綜合程度指數變化量處于100～200之間。值得注意的是,流域內零星分布有變化量為負值的土地類型,結合土地利用現狀圖可以發現1990年負值地區多為建設用地,土地利用程度指數相對較高,經合村并點土地整理后多轉變為指數較低的旱地。流域平均土地利用程度指數變化率為7.56%,年均變化量為0.33%,土地利用程度指數變化率最高值達200%,多集中于墾荒較多的內、外七星河流域地區。

3.2CA-Markov預測結果分析

3.2.1預測精度檢驗

Kappa系數(K)常用來評價遙感分類精度和圖件間相似程度,能夠從數量和空間角度上定量反映土地利用變化模擬過程中丟失的空間信息量。為了檢驗CA-Markov模型預測不同土地利用類型的合理性,運用IDRISI軟件的Crosstab模塊對基于1990—2013年Markov轉移概率矩陣生成的2013年土地利用預測值進行Kappa系數檢驗,Kappa系數計算公式為

K=(Po-Pc)/(Pp-Pc)。

(7)

式(7)中,Po為正確模擬的比例;Pc為隨機情況下期望的正確模擬比例;Pp為理想分類情況下的正確模擬比例,其值為100%。當K>0.75時,圖件一致性較高,變化相對較小;K處于0.4～0.75之間時,圖件一致性一般,變化較為明顯;K<0.4時,模擬效果差[17]。

將2013年土地利用現狀圖與模擬圖進行求差柵格運算,模擬正確區域的柵格屬性值為0,通過對屬性值為0的柵格數進行提取,可得到模擬精度。由檢驗結果可知,共有20 241 082個柵格得到正確模擬,占柵格總數的76.93%,模擬結果精度較高。2013年模擬值與真實值的總體Kappa系數達0.82,大于0.75,反映兩者一致性較高,變化相對較小,模擬結果可信。不同土地利用類型的Kappa系數存在差異,建設用地、林地、旱地和水域用地的模擬精度較高,而未利用地和草地的Kappa系數分別僅為0.27和0.10(表2)。

圖2　撓力河流域1990、2013年土地利用現狀和2025年土地利用格局預測

圖3　撓力河流域土地利用綜合程度評價

表22013年撓力河流域不同土地利用類型實際面積與模擬面積

Table 2Measured and simulated areas of land use by type in 2013 in the Naoli River Valley

土地利用類型實際面積/km2模擬面積/km2Kappa系數草地 9 580.10旱地949098640.78建設用地4703680.91林地616053760.90水田536533470.59水域用地22813980.76未利用地29015980.27

3.2.2模擬結果分析

根據預測結果(表3、圖2),2025年流域草地、旱地、建設用地、林地、水田、水域用地和未利用地面積分別為14、9 463、425、4 580、6 649、769和109 km2。與2013年相比,除林地、水田和水域用地外,其他土地利用類型面積變化幅度較小。林地面積變化量最大,由2013年的6 160 km2減少到2025年的4 580 km2。模擬結果表明,今后隨著撓力河流域未利用地和灘涂用地的開發殆盡,耕地后備資源逐漸減少,未來林地更可能受人類擾動影響,逐漸轉變為耕地等土地利用程度指數較高的用地類型。

表32013—2025年撓力河流域土地利用變化

Table 3Predicted changes in land use during the period from 2013 to 2025 in the Naoli River Valley

土地利用 類型 2025年預測值2013—2025年變幅面積/km2比例/%面積/km2比例/%動態度/%草地 140.06 50.024.71旱地946343.00-27-0.12-0.02建設用地4251.93-45-0.20-0.80林地458020.81-1580-7.18-2.14水田664930.2112845.832.00水域用地7693.495412.4619.76未利用地1090.50-181-0.82-5.19

2025年水田面積將增加1 284 km2,相對于1990—2013年的水田變化動態度(7.52%),2013—2025年其動態度繼續保持為正值(2.00%),可見在轉移趨勢不變的情景下,未來水田面積仍然保持增長,但增長速度有所下降,該變化趨勢與實際情況較為符合,在三江平原旱改水農業結構調整的大背景下,未來仍會有部分易澇旱地轉換為水田,但水田面積過度擴張導致的農業灌溉用水供應不足、土壤鹽漬化嚴重等負面因素會抑制水田的擴張。

2025年旱地面積較2013年基本保持不變,面積僅下降27 km2,而相對面積比例也僅變化0.12%。與1990—2013年建設用地面積緩慢增加趨勢不同的是,未來農村居民點整理、合村并點等政策的實施將會導致建設用地面積逐漸減少。模擬結果顯示,與2013年相比,2025年建設用地面積將會下降至425 km2,變化動態度為-0.80%。草地和未利用地受自然因素影響較大,在保持轉移趨勢不變的前提下,CA-Markov模型難以考慮氣候變化等自然因素的影響,因此模型模擬效果較差,可信度不高。

通過將2013年土地利用類型分布圖和2025年模擬圖疊加發現,流域以河流水面、灘涂為主的水域用地未來地理位置基本保持不變,但面積出現較大變化,較2013年增加541 km2。撓力河流域土地利用程度指數將由2013年的270.48上升至2025年的276.57,預示未來流域土地受人類社會因素擾動作用的強度將進一步加大。

4討論

自建國以來撓力河流域農業開發活動非?；钴S,經歷了大規模的土地開發,尤其是1980年國家進入經濟迅速發展時期后,農業化的發展、人口的增加和市場規律作用以及經濟利益的驅使使得該地區土地利用結構變化劇烈。研究結果表明,20世紀90年代初期以來當地“以稻治澇”政策的推行，導致水田化現象成為該流域最主要的景觀變化特征,土地利用結構變化以耕地內、外部轉換為主。

深入開展土地利用/覆蓋過程及模擬研究,有助于為土地利用決策提供更加科學的依據。但由于遙感影像解譯結果與真實情況存在一定誤差,且CA-Markov模型側重于本身機制的模擬,其轉換規則的設定包括各用地類型的內在聯系,難以充分考慮地理要素、經濟社會因素等影響。元胞大小、計算時間等內在參數存在不確定性,模型模擬難以規則化。作為國家重要的商品糧基地,撓力河流域土地利用結構變化較其他地區更易受國家政策的影響,模擬預測中難以考慮該因素,如國家近年來圍繞該地區采取的保護濕地、有序化開發耕地后備資源等一系列措施。在保持原有轉移趨勢不變的模型背景下,未利用地的模擬結果可能與實際情況存在較大差異,由此導致其Kappa系數偏低。后續研究可對以上幾個方面加以改進,并提高模型的適用性。

5結論

撓力河流域作為我國重要的商品糧基地之一,近幾十年來人類的開發活動對流域土地利用結構變化產生強烈影響,該研究以20世紀90年代初當地農業結構調整作為時間切入點,研究流域近20多a間土地利用變化情況,運用CA-Markov模型模擬預測并分析未來土地利用格局變化情況,主要結論如下:

(1)1990—2013年撓力河流域土地利用結構變化明顯,其變化以耕地內部轉換和外部轉換為主;20多a間水田面積增加3 400 km2,而大量墾荒促使未利用地面積下降1 586 km2。林地面積下降881 km2,林地絕大部分轉變為旱地。建設用地共增加68 km2,供地來源廣;流域各用地類型間面積變化差異大,單一土地利用變化動態度介于-0.04%～7.52%之間。

(2)20多a間流域土地利用受人類擾動作用逐漸加大,綜合指數整體呈現明顯上升趨勢,土地利用程度指數由1990年的251.46上升至2013年的270.48,變化主要集中于流域中部的內、外七星河流域和北部平原地帶。

(3)CA-Markov模型模擬的Kappa系數為0.82,整體模擬結果可信度高。2025年的模擬結果表明,與2013年相比,林地、水田和水域用地變化幅度大,其中林地變化幅度達最大,減少1 580 km2,未來林地傾向于開發為耕地等土地利用程度指數較高的用地類型;水田面積仍然保持增長,但增長速度有所下降,旱地面積基本保持不變;未來流域受人類社會因素擾動作用的強度進一步加大。應針對土地利用類型變化特征的差異,制定差別化的土地利用開發與管理政策。

參考文獻：

[1]龔文峰,袁力,范文義.基于CA-Markov模型的哈爾濱市土地利用變化及預測[J].農業工程學報,2012,28(14):216-222.

[2]王友生,余新曉,賀康寧,等.基于CA-Markov模型的藉河流域土地利用變化動態模擬[J].農業工程學報,2011,27(12):330-336.

[3]趙冠偉,陳穎彪,陳健飛,等.CA-Markov模型的空間尺度敏感性研究[J].地理科學,2011,31(8):897-902.

[4]侯西勇,常斌,于信芳.基于CA-Markov的河西走廊土地利用變化研究[J].農業工程學報,2004,20(5):286-291.

[5]宋開山,劉殿偉,王宗明,等.三江平原過去50年耕地動態變化及其驅動力分析[J].水土保持學報,2008,22(4):75-81.

[6]王宗明,宋開山,劉殿偉,等.1954—2005年三江平原沼澤濕地農田化過程研究[J].濕地科學,2009,7(3):208-217.

[7]周成虎,孫戰利,謝一春.地理元胞自動機研究[M].北京:科學出版社,2001：79-82.

[8]唐華俊,吳文斌,楊鵬,等.土地利用/土地覆被變化(LUCC)模型研究進展[J].地理學報,2009,64(4):456-468.

[9]何丹,金鳳君,周璟.基于Logistic-CA-Markov的土地利用景觀格局變化:以京津冀都市圈為例[J].地理科學,2011,31(8):903-910.

[10]鄭青華,羅格平,朱磊,等.基于CA-Markov模型的伊犁河三角洲景觀格局預測[J].應用生態學報,2010,21(4):873-882.

[11]楊國清,劉耀林,吳志峰.基于CA-Markov模型的土地利用格局變化研究[J].武漢大學學報(信息科學版),2007,32(5):424-418.

[12]姜廣輝,張鳳榮,孔祥斌.北京山區農村居民點整理用地轉換方向模擬[J].農業工程學報,2009,25(2):214-221.

[13]欒兆擎,胡金明,鄧偉,等.人類活動對撓力河流域徑流情勢的影響[J].資源科學,2007,29(2):46-51.

[14]孫賢斌,劉紅玉,李玉鳳,等.基于CA-Markov模型土地利用對景觀格局影響辨識[J].生態與農村環境學報,2009,25(1):1-7,31.

[15]程剛,張祖陸,呂建樹.基于CA-Markov模型的三川流域景觀格局分析及動態預測[J].生態學雜志,2013,32(4):999-1005.

[16]劉紀遠,布和敖斯爾.中國土地利用變化現代過程時空特征的研究:基于衛星遙感數據[J].第四紀研究,2002,20(3):229-239.

[17]布仁倉,常禹,胡遠滿,等.基于Kappa系數的景觀變化測度:以遼寧省中部城市群為例[J].生態學報,2005,25(4)：778-785.

(責任編輯： 許素)

Simulation of Dynamics of Land Use in Naoli River Valley Based on CA-Markov Model.

ZHOUHao1,LEIGuo-ping1,ZHAOYu-hui2,LUChang1，ZHANGBo2

(1.Land Management Institute, Northeastern University, Shenyang 110004, China;2.College of Resource and Environment, Northeast Agricultural University, Harbin 150030, China)

Abstract:Based on the Landsat TM/ETM remote sensing image data of 1990 and 2013 of the Naoli River Valley in the heart of the Sanjiang Plain, the land use dynamics model and land use intensity model were used in combination with the Markov transfer matrix to analyze changes in land use during the period of 1990-2013 and the CA-Markov model was to simulate and predict land use pattern in the Naoli River Valley in 2025. Results show that the changes in land use structure was mainly dominated by conversion of farmland from paddy to upland or vice versa and alienation of farmlands and reclamation of wastelands. The conversion of upland to paddy was the main feature of the changes in landscape. Reclamation of unused land led to substantial reduction of wasteland in area. The land use intensity index of the valley rose from 251.46 in 1990 to 270.48 in 2013, which indicates that land use increased steadily in exploitation degree in the Naoli River Valley. The simulation using the models demonstrates that the Kappa coefficient of the valley was 0.82, indicating that the prediction was reliable. The variation of land use types in the valley in 2013-2025 may differ from that in 1990-2013 in trend and rate. The change in woodlands will be the widest in range and the area of paddy fields will keep on rising, but at a declining rate with the single dynamic degree falling down to 2%; The area of upland will stay almost unchanged. The land use intensity index will continue rising and the valley will continue to be disturbed by human activities with rising intensity during the period from 2013 to 2025.

Key words:CA-Markov model;Naoli River Valley;LUCC;spatial analysis model

作者簡介：周浩(1990—),男,安徽安慶人,博士生,主要從事土地利用與規劃方面的研究。E-mail: zhouhao7404@163.com

DOI：10.11934/j.issn.1673-4831.2016.02.013

中圖分類號：X87；F301.24

文獻標志碼：A

文章編號：1673-4831(2016)02-0252-07

通信作者①E-mail: guopinglei@126.com

基金項目：教育部博士學科點基金博導類項目(20112325110007);黑龍江省國土資源科研項目(黑國土科研201411)

收稿日期：2015-04-24