基于Logistic回歸的耕地數(shù)量演變及其空間要素邊際效應(yīng)分析
發(fā)布時間:2021-01-11 08:12
厘清耕地演變的驅(qū)動機制對中國耕地資源可持續(xù)利用具有重要現(xiàn)實意義。該研究以鄂南地區(qū)為例,利用2000—2005、2005—2010和2010—2015年3期Landsat遙感影像解譯成果、15類POI(PointofInterest)空間數(shù)據(jù)等,采用主成分分析、多元Logistic回歸模型、邊際效應(yīng)分析等方法,系統(tǒng)分析了研究區(qū)近15a以來耕地動態(tài)變化及其時空演變規(guī)律,并著重探討了空間要素在驅(qū)動機制方面的雙向邊際效應(yīng)。結(jié)果表明:1)耕地演變類型在空間上表現(xiàn)出相同類型的集聚性,轉(zhuǎn)換類型受周邊同類用地空間溢出效應(yīng)影響明顯。在時間上表現(xiàn)出不同轉(zhuǎn)換類型的差異性,轉(zhuǎn)換類型受土地利用政策宏觀調(diào)控影響向建設(shè)用地單一轉(zhuǎn)化趨勢明顯。2000—2015年間,耕地向建設(shè)用地的轉(zhuǎn)換比例自28%過渡至44%后,迅速上升至96%,主要集中在城鎮(zhèn)周邊、主要道路沿線等區(qū)域。2)空間要素對不同時期耕地不同轉(zhuǎn)化類型存在不同的邊際效應(yīng),2000—2015年間耕地不同轉(zhuǎn)化類型的邊際效應(yīng)變化幅度逐漸減小、不同轉(zhuǎn)化類型邊際效應(yīng)曲線同類交點呈同向移動趨勢。自然區(qū)位因素對耕地向建設(shè)用地轉(zhuǎn)換和耕地向水域轉(zhuǎn)換在POI空間要素不同取值時邊際效...
【文章來源】:農(nóng)業(yè)工程學(xué)報. 2020,36(11)北大核心
【文章頁數(shù)】:10 頁
【部分圖文】:
研究區(qū)示意圖
圖3展示了2000—2015年間耕地演變轉(zhuǎn)化類型及其對應(yīng)數(shù)量關(guān)系,由圖3a可知,耕地向水域、建設(shè)用地和林地演變轉(zhuǎn)化明顯,其轉(zhuǎn)化量分別占基期耕地轉(zhuǎn)化量的54%、28%和16%,占末期各地類轉(zhuǎn)入總量的比例分別為78%、65%和95%。由圖3b可知,2005 —2010年間耕地向其他地類轉(zhuǎn)化依舊呈現(xiàn)多元趨勢,其中向建設(shè)用地、 林地與水域用地演變轉(zhuǎn)化量分別占基期耕地轉(zhuǎn)化量的44%、37%和17%,占末期各地類轉(zhuǎn)入總量的比例分別為57%、68%和70%。由圖3c可知,2010—2015年間耕地向建設(shè)用地演變轉(zhuǎn)化占絕對優(yōu)勢,而向其他地類轉(zhuǎn)化量銳減,其轉(zhuǎn)化量占基期耕地總轉(zhuǎn)化量的比例達(dá)到96%, 占末期建設(shè)用地總轉(zhuǎn)入量的60%,耕地與林地成為這一時期建設(shè)用地的主要來源。3.3 Logistic回歸因變量主成分篩選
在評價指標(biāo)相關(guān)性分析與對數(shù)相關(guān)性分析顯著性指標(biāo)篩選基礎(chǔ)上(P=0.01,雙側(cè)),為了進(jìn)一步消除指標(biāo)之間可能存在的信息冗余及共線性,以提升邊際效用分析的針對性,并精簡Logistic回歸方程,采用SPSS軟件分別對2000—2005、2005—2010和2010—2015年三期數(shù)據(jù)進(jìn)行主成分分析。采用因子最小特征值大于1提取主成分?jǐn)?shù)目,主成分旋轉(zhuǎn)采用最大方差法,3期KMO統(tǒng)計量分別為0.78、0.79和0.76,巴特利特球形檢驗結(jié)果均小于0.01,適合主成分分析。2000—2015年3期主成分分析結(jié)果中,第2主成分因子最小特征值分別為1.697、1.366和1.741,此后主成分因子最小特征值都小于1(表3,表中只列出前3個主成分),所以每期都提取出前2個主成分用于后續(xù)分析。由旋轉(zhuǎn)后的主成分載荷矩陣(表4)可知,2000—2005年間,在第1個主成分因子上變量P1、P2和P3的載荷超過0.9,變量P4載荷為0.731,表明公共服務(wù)、商業(yè)服務(wù)、娛樂休閑3類POI所代表的公共服務(wù)業(yè)發(fā)展水平、工業(yè)規(guī)模和商業(yè)發(fā)展,以及自然村鎮(zhèn)等人文要素交織綜合作用顯著。在第2個主成分上變量S2和S1較大的載荷表明高程坡度等自然因素狀況、D1和D2較大的載荷說明到主要公路、水域等距離因素綜合作用顯著,二者綜合歸納為自然區(qū)位因素。
本文編號:2970411
【文章來源】:農(nóng)業(yè)工程學(xué)報. 2020,36(11)北大核心
【文章頁數(shù)】:10 頁
【部分圖文】:
研究區(qū)示意圖
圖3展示了2000—2015年間耕地演變轉(zhuǎn)化類型及其對應(yīng)數(shù)量關(guān)系,由圖3a可知,耕地向水域、建設(shè)用地和林地演變轉(zhuǎn)化明顯,其轉(zhuǎn)化量分別占基期耕地轉(zhuǎn)化量的54%、28%和16%,占末期各地類轉(zhuǎn)入總量的比例分別為78%、65%和95%。由圖3b可知,2005 —2010年間耕地向其他地類轉(zhuǎn)化依舊呈現(xiàn)多元趨勢,其中向建設(shè)用地、 林地與水域用地演變轉(zhuǎn)化量分別占基期耕地轉(zhuǎn)化量的44%、37%和17%,占末期各地類轉(zhuǎn)入總量的比例分別為57%、68%和70%。由圖3c可知,2010—2015年間耕地向建設(shè)用地演變轉(zhuǎn)化占絕對優(yōu)勢,而向其他地類轉(zhuǎn)化量銳減,其轉(zhuǎn)化量占基期耕地總轉(zhuǎn)化量的比例達(dá)到96%, 占末期建設(shè)用地總轉(zhuǎn)入量的60%,耕地與林地成為這一時期建設(shè)用地的主要來源。3.3 Logistic回歸因變量主成分篩選
在評價指標(biāo)相關(guān)性分析與對數(shù)相關(guān)性分析顯著性指標(biāo)篩選基礎(chǔ)上(P=0.01,雙側(cè)),為了進(jìn)一步消除指標(biāo)之間可能存在的信息冗余及共線性,以提升邊際效用分析的針對性,并精簡Logistic回歸方程,采用SPSS軟件分別對2000—2005、2005—2010和2010—2015年三期數(shù)據(jù)進(jìn)行主成分分析。采用因子最小特征值大于1提取主成分?jǐn)?shù)目,主成分旋轉(zhuǎn)采用最大方差法,3期KMO統(tǒng)計量分別為0.78、0.79和0.76,巴特利特球形檢驗結(jié)果均小于0.01,適合主成分分析。2000—2015年3期主成分分析結(jié)果中,第2主成分因子最小特征值分別為1.697、1.366和1.741,此后主成分因子最小特征值都小于1(表3,表中只列出前3個主成分),所以每期都提取出前2個主成分用于后續(xù)分析。由旋轉(zhuǎn)后的主成分載荷矩陣(表4)可知,2000—2005年間,在第1個主成分因子上變量P1、P2和P3的載荷超過0.9,變量P4載荷為0.731,表明公共服務(wù)、商業(yè)服務(wù)、娛樂休閑3類POI所代表的公共服務(wù)業(yè)發(fā)展水平、工業(yè)規(guī)模和商業(yè)發(fā)展,以及自然村鎮(zhèn)等人文要素交織綜合作用顯著。在第2個主成分上變量S2和S1較大的載荷表明高程坡度等自然因素狀況、D1和D2較大的載荷說明到主要公路、水域等距離因素綜合作用顯著,二者綜合歸納為自然區(qū)位因素。
本文編號:2970411
本文鏈接:http://sikaile.net/jingjilunwen/nongyejingjilunwen/2970411.html
最近更新
教材專著