2005—2015年四川省土地利用变化及驱动力分析

罗鸿, 杨存建, *

2005—2015年四川省土地利用变化及驱动力分析

罗鸿1, 2, 杨存建1, 2, *

1. 四川师范大学地理与资源科学学院, 成都 610066 2. 四川师范大学西南土地资源评价与监测教育部重点实验室, 成都 610068

以2005、2010、2015年三期四川省土地利用栅格数据为基础，应用ENVI和GIS技术对数据进行预处理，采用土地利用转移矩阵与土地利用动态度模型，并结合四川省土地利用实际情况分析四川省2005—2015年土地利用变化特征，并利用SPSS软件对2005—2015年间统计年鉴上相关的社会经济数据进行因子分析，研究影响四川省土地利用变化的主要驱动力因素并分析其作用机理，为后来的四川省土地利用规划提供参考依据。结果表明：(1)四川省近10年土地利用类型面积变化较为频繁，表现为城乡居民工矿用地大幅度增加，但各类土地占比总量土地面积变化不大。(2)耕地、林地、草地始终为四川省的主要土地利用类型，占比较为均衡且保持性好，耕地处于25%左右，林地和草地始终处于35%左右。而城乡居民工矿用地、水域以及未利用地面积虽有变化但占比始终较小。(3)四川省土地利用存在明显的区域差异，东部土地利用程度高，西部利用程度低。林地和草地大量且长期集中在西部，城乡居民工矿用地则在东部集中，东西分布极不均衡，不利于四川省区域经济均衡发展。(4)影响四川省土地利用变化的主要驱动力因子为常驻人口数和GDP，常驻人口始终保持较大数额且稳步增长，保持劳动力人口数量的同时带来社会经济快速发展的结果，从而促使土地利用结构不断发生变化。

四川省; 土地利用; 时空变化; 因子分析; 驱动因素

0 前言

土地是人类赖以生存的重要资源之一。随着社会经济快速发展，有限的土地将难以承载规模更大的人类活动，为及时适应土地压力、缓解人地矛盾[1],土地利用变化已经成为“国际地圈与生物圈计划”(IGBP)和“全球变化人文因素计划”(IHDP)研究的核心内容[2]。土地利用类型的变化以及土地利用程度的增加都会对社会经济的发展产生重大影响。

因此，对土地利用的时空变化特征及影响其变化的主要驱动力进行分析、基于现状预测未来土地利用结构以及由此变化带来的生态效益的研究成为如今的热点问题。在研究内容上，主要集中于研究大到全国、小到区域的分时相土地利用时空变化特征，揭示某时段内该区域土地利用结构变化及形成原因[2-5]。在研究方法上，利用主成分分析法提取主要驱动力因子[6-7]是土地利用变化驱动力研究较为常用的方法。也有不少学者采用灰度关联分析法[7]对驱动力因素进行指数计算，从而提取出主要驱动力因子。构建未来土地利用模拟模型，预测未来土地利用变化方向的研究也成为新的研究热点[8-10]。土地利用变化是影响全球环境和气候变化的主要驱动力，直接或间接影响生态系统组成，进而导致生态系统服务价值的改变[11-12]。因此，针对土地利用时空变化引起的生态系统服务价值变化的研究也成为众多学者研究的焦点问题，这对于优化土地利用布局，维护生态环境稳定性具有重要意义[12-14]。

从研究区域来看，目前基于RS和GIS定量分析四川省土地利用变化的研究还较少，对于四川省土地利用变化驱动力的分析也多集中于对单一市县的经济效益和生态效益的定性描述[15–16]，缺乏对全省直观数据的科学定量分析。因此，本文基于GIS技术，利用土地利用动态度模型和土地利用转移矩阵，分析四川省2005—2015年土地利用变化情况，并结合四川省统计年鉴对其驱动力因素进行分析，既可为后人进一步探讨四川省土地利用变化的生态效益提供参考依据，也对未来优化四川省土地利用规划布局具有借鉴意义。

1 材料与方法

1.1 研究区概况

四川省地处中国西南，长江上游。北连青海、甘肃、陕西；东邻重庆；南接云南、贵州；西衔西藏。地理坐标介于92°21′—108°12′E, 26°03′—34°19′N。气候温和湿润，年平均气温14℃—19℃，年平均降水量900—1200 mm，全年日照时数约为1000 h—1600 h。地势总体上呈西高东低走势，地貌类型以平原、丘陵、山地和高原为主。中部为四川盆地；盆周为丘陵、山地；西部是向青藏高原过渡的川西高原。

1.2 数据来源

四川省的土地利用数据来源于中科院资源环境科学数据云(http://www.resdc.cn/)，通过 ArcGIS 软件对图像进行预处理，形成2005、2010、2015三个年份四川省土地利用现状图。结合我国的土地利用现状分类系统[17]，并根据研究区的地理特征和影像质量以及本区域辽阔的地域面积情况，结合研究目的，将研究区土地利用类型栅格图像按照LUCC分类标准划分为耕地、林地、草地、水域、城镇居民工矿用地和未利用地6个类型[18]。

1.3 研究方法

本研究采用定性分析与定量分析相结合的方法，并结合ENVI、ArcGIS、Excel等软件对数据进行分析，采用土地利用转移矩阵、土地利用动态度模型，分析研究区2005—2015年土地利用时间与空间的变化特征，并利用SPSS软件采用因子分析的方法分析并提取土地利用变化的主要驱动因素。

1.3.1 土地利用动态度

单一土地利用动态度和综合土地利用动态度公式[19]可计算出四川省土地利用6种类型的转移速率和变动幅度[18]。计算公式如下，

K = [(L - L) /L ]×1× 100%

式中：为研究时段内某一土地利用类型的动态度指数；L、L分别为研究期初和研究期末某土地利用类型的面积；为研究时段。

1.3.2 土地利用转移矩阵

土地利用转移矩阵是将土地利用变化的类型转移面积按矩阵的形式加以列出，作为用地结构与变化方向分析的基础，可细致反映各地类之间的相互转化关系，进而了解转移前后各地类的结构特征[20]。土地利用转移矩阵是用来表示各类型用地之间的转移方向和转化量的主要方法[21]。其数学形式为，

式中，为面积，为转移前后的土地利用类型数。,(,=1, 2, …,)分别为转移前与转移后的土地利用类型；S表示转移前的地类转换成转移后的地类的面积。

本研究利用2005 年、2010 年、2015年三期四川省土地利用数据，在ArcGIS软件中进行叠加分析和数据导出，并在Excel中整理出四川省土地利用转移矩阵表。

1.3.3 土地利用驱动力因子分析

因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计方法，是通过原始变量的相关系数矩阵内部结构的研究，导出能控制所有变量的少数几个综合变量，通过这少数几个综合变量去描述原始的多个变量之间的相关关系[22]。

设个可能存在相关关系的测试变量1,2,…,Z, 含有个独立的公共因子1,2, …,p(≤) ，测试变量Z含有独特因子U(=1,2,…,),U间互不相关，且与F(=1, 2,…,) 也互不相关，每个Z可由个公共因子和自身对应的独特因子U线性表出：

用矩阵表示为：

简记为:

式中，称为因子负荷矩阵，其元素a表示第个变量 (Z) 在第个公共因子j上的负荷，简称因子负荷。如果把Z看成维因子空间的一个向量，则a表示Z在坐标轴F上的投影。因子分析的目的就是通过上述模型，以代，由于一般有<，从而达到简化变量维数的目的[22]。

土地利用方式的转变受多种因素的共同作用，其中既有自然因素也有人文因素。由于十年间自然因素导致的土地利用变化较小，因此本文中忽略自然因素的影响，主要研究人文因素对土地利用变化的影响。以《2005—2015年四川省统计年鉴》作为基础数据来源，选取7个代表性指标：1为常住人口·万人；2为GDP·亿元；3为人均GDP·亿元；4为第一产业产值·亿元；5为第二产业产值·亿元；6为第三产业产值·亿元；7为固定资产投入·亿元。利用SPSS软件计算相关系数矩阵和因子贡献率，从而找出最具影响力的驱动因子。

2 结果与分析

2.1 土地利用现状分析

土地利用现状反应出土地综合利用的特点。对土地利用现状进行分析，有利于合理调整土地利用方案，实现土地更高效利用。图1—3和表1显示了2005—2015年四川省土地利用变化情况。2005年研究区各土地利用类型面积由高到低依次为草地、林地、耕地、未利用地、水域和城乡居民工矿用地；2010年各类土地面积排序与2005年一致，但占比有较小变化。而2015年各类土地面积排序则变化明显，城乡居民工矿用地面积变得比水域面积多560.5 km2。从变化量来看，2005—2015年土地利用类型变化明显。耕地减少1267.96 km2；林地先增加后减少，总体变化不大；草地面积小幅度减少；水域和城乡居民工矿用地面积呈现明显的上升趋势，分别增加327.9 km2和1136.1 km2；未利用地在2005—2010年间变化极小，2010—2015年间增加了67.87 km2。

图1 2005年四川省土地利用图

Figure 1 Land-use map of Sichuan province in 2005

图2 2010年四川省土地利用图

Figure 2 Land-use map of Sichuan province in 2010

图3 2015年四川省土地利用图

Figure 3 Land-use map of Sichuan province in 2015

表1 2005—2015年土地利用变化情况

2.2 土地利用动态度分析

从2005—2010年、2010—2015年两个时段土地利用动态度来看(表2)，变化最大的是耕地和城乡居民工矿用地，表现为耕地持续减少，形势趋于严峻，2010—2015年间减少数量大约为2005—2010年间减少数量的三倍。城乡居民工矿用地在两个时段都表现出较快的增长速率, 2010—2015年间动态度达到5.83%，证明城乡居民工矿用地面积增加极快。林地面积变化趋势较好，先增加后减少，动态度正负抵消，即林地在这十年间基本没有大的变化。草地面积近10年来持续减少，2005—2010 年减少了159.3 km2，动态度为0.018%, 2010—2015年继续减少127.99 km2，动态度为0.015%。水域动态度10年间持续增长，从0.84%增加到1.119%，说明水域面积变化速率较快。对比两个时段可看出2010—2015年间土地利用变化速度比2005—2010年间更快。主要原因是后期处于四川省经济快速发展时期，城市建设加快，建设项目增多导致土地利用方式不断变化。

表2 2005—2015年土地利用动态度

2.3 土地利用转移矩阵分析

表3、表4分别为四川省2005—2010年、2010—2015年土地利用转移矩阵。从2005—2010年(前期)和2010—2015年(后期)土地利用转移情况看，六类土地的变化趋势相似，变化最大的是耕地、林地和草地。后期四川省土地利用类型保持性较好，变化趋势与2005—2010年相似，但也有不同。其中最大的变化在于城乡居民工矿用地面积较多的转回耕地，水域转为草地和未利用地的幅度更大，未利用地仍大量存在且变化较小。

(1)耕地转换分析：总的来说，两个时期的耕地都主要来源于林地，且数额相差不大。后期草地转为耕地的面积变少，较之前期减少了207.18 km2；耕地转为林地和草地最多，其次转为城乡居民工矿用地和水域，转为未利用地最少。(2)林地转换分析：从表3和表4都可看出，林地大部分转变为草地和耕地。从两期数据比较，林地转为城乡居民工矿用地和水域明显增多，分别增加了112.41 km2、55.24 km2。转为未利用地的面积减少了126.48 km2。(3)草地转换分析：草地转换量主要来源于本身，面积占总转换量的82%。草地转为林地最多，转为耕地和未利用地次之，转为城乡居民工矿用地、耕地、林地、未利用地的面积都有小幅度增加。(4)水域转换分析：从两期数据来看，水域面积变化较大，转为其他地类面积排序为：耕地>草地>林地>未利用地>城乡居民工矿用地。较之前期，后期转为其他地类的总面积增加了90.93 km2。而水域的来源则主要是本身，耕地转为水域的面积也不少，这对协调水域面积变化具有重要作用。(5)城乡居民工矿用地转换分析：前后两期，城乡居民工矿用地转换量主要来源于本身，面积分别为1627.7 km2、1824.58 km2，分别占总转换量的54%、57%。由此可看出，城市建筑扩展规模和速度控制较好，没有无限制增加建设用地面积。(6)未利用地转换分析：两期数据都可看出未利用地转换量大部分来源于本身，转为草地面积较大，前后两期都超过了4000 km2，这是由于贯彻习总书记提出的“绿水青山就是金山银山”的理念，各级政府采取大量措施对难以利用土地进行生态修复，使其生态环境改善，由未利用地转为草地面积可观。但是未利用地转为其他地类面积则很少，这源于四川省的地形气候等自然因素导致大量土地难以利用，未来对于难利用土地的探索还需深入研究。

表3 2005—2010年四川省土地利用类型转移矩阵

表4 2010—2015年四川省土地利用类型转移矩阵

2.4 土地利用变化驱动力分析

因子分析的方法原则上应选取特征值大于1且累计贡献率高于80%的因子作为主成分来进行深入分析。本研究基于四川省实际发展情况，提取特征值大于0.5，累计贡献率大于或等于80%的主成分。从表5中可看出，主成分1和主成分2的累计贡献率达到99.6%，所以选取的7个指标成分中只有前两个满足要求，能够代表四川省土地利用变化的总体情况。并且从图4因子分析碎石图中可看出，第1—2、2—3因子之间变化明显，而后几个因子之间变化趋于平缓。主要因子的代表性取决于载荷绝对值的大小[6-7]。从表6中可看出，在第一主成分上，GDP、人均GDP、第一产业、第二产业、第三产业、固定资产投入的载荷绝对值都较高，因此第一主成分基本能代表四川省的经济发展水平；而在第二主成分上，常住人口的载荷绝对值明显高于其他因子，这表明常住人口数量对四川省土地利用变化影响较大。综上，只有主成分1和主成分2符合提取要求，为土地利用变化的主要驱动力因子。

表5 主因子特征率、累计贡献率

基于上述土地利用驱动力因子分析，四川省土地利用变化的驱动力应主要集中于常住人口变化及经济快速发展两个因素：

(1)常住人口数较多且稳定。2005—2015年间, 四川省常住人口数量先下降后上升，且保持逐步上升趋势。这与政府近十年来采取的引进外部人才和留住内部人才的政策密不可分。常住人口保持一个较大且稳定的数额，有利于城市化进程的加速，各类建设项目有序推进，使土地利用方式不断发生变化。

图4 因子分析碎石图

Figure 4 Factorial analysis lithograph

表6 土地利用变化载荷矩阵

(2)经济快速发展。2005—2015年四川省GDP、人均GDP、第一产业、第二产业、第三产业以及固定资产的投入值均表现出直线上升的趋势。其中GDP从7385.1 亿元上升到30053.1 亿元，实现了22668 亿元的经济飞跃。人均GDP也从9060 亿元增长到36775 亿元。财富的增长导致人口消费欲增加，消费结构的转型升级也是影响土地利用变化的重要因素。

3 讨论

(1)由于数据获取的局限性，本文中土地利用数据主要来源于中科院资源环境科学数据云平台精度为1 km的栅格数据，由于精度为1 km，所以在由栅格数据转为矢量数据后，图像精确度不够高，导致2005、2010、2015三个时段的土地利用变化看起来不太明显。另外，文中数据为2005、2010、2015年三个年份的数据，对于目前来讲不够准确，但基本能够较好的反映出四川省土地利用变化的发展趋势。

(2)在处理数据时，用于裁剪的省界不够精确，加之经过栅格数据向矢量数据转变的操作，导致最终研究区总面积与实际面积有一定差值，但此差值对于分析四川省土地利用变化趋势影响不大，最终也能较好的反映四川省土地利用变化趋势。

(3)虽然根据刘纪远等人的研究，找到并改良了适合四川省的土地分类系统，但由于认知水平的局限性，本研究确定的土地分类系统较为宽泛，对于四川省实际土地分类情况不够准确，但基本能够概括四川省土地分类实际情况。

(4)在进行土地利用变化驱动力分析时，选取的7个主要指标还有待商榷。所选指标主要集中于人口和经济发展情况，而暂时将自然因素忽略，并且还应考虑到城镇居民最低生活保障情况，这也是决定居民消费结构从而导致土地利用发生变化的原因。

以上缺陷导致本研究部分结果与实际有出入，使本文研究结论与讨论的可靠性大打折扣。因此选取更为精确的土地利用数据、运用更好的地理信息系统方法、考虑更多因素探讨土地分类系统、选取能够更准确的反映土地利用变化的驱动力因子进行深入研究，是我们未来努力的方向。

4 结论

本研究结合GIS手段，运用ArcGIS和ENVI等软件，对四川省近10年来的土地利用变化情况进行分析，得出如下结论：

(1)四川省近10年土地利用类型变化较大、种类之间转换复杂多样，但各土地类型总的变化面积不大，且总量占比也变化不大。耕地、林地、草地始终为四川省的主要土地利用类型，占比较为均衡且保持性好，耕地处于25%左右，林地和草地始终处于35%左右。而城乡居民工矿用地、水域以及未利用地面积虽有变化但占比始终较小。

(2)总的来说，四川省近十年来耕地面积和城乡居民工矿用地面积变化较为明显，耕地面积减少了1267.96 km2，城乡居民工矿用地面积增加了1136.1 km2，这与四川省经济快速发展，建设项目不断增多有密切关系。其他地类变化较少，林地增加22.38 km2，草地减少287.29 km2，水域增加了327.9 km2，未利用地增加了67.87 km2。

(3)四川省土地利用变化存在明显的区域差异。土地利用变化主要集中在东部地区，西部为高原和山区，土地贫瘠，发展落后，开发利用程度低，主要为林地和草地，变化较小。城乡居民工矿用地和耕地主要集中在东部发达地区。

(4)四川省土地利用变化的主要驱动力因子为常住人口数和GDP，常住人口始终保持较大数额就保证了劳动力数量稳定，这对于各类项目的建设具有推动作用，而GDP不断增加，城市快速向现代化发展，居民消费结构的改变也促使土地利用结构不断发生变化。

在本研究以前，已有很多针对其他各省的土地利用变化研究，用的研究方法也与本文类似，但前人的研究或是偏重于技术的定量分析，或是偏重于人文的定性分析，鲜少有将两者结合。关于四川省土地利用年际变化特征及人文驱动因素相结合的研究目前较少。因此本研究可为后续四川省土地利用变化方面的研究提供理论和实际参考，对于后人的深入研究和四川省未来的土地利用规划具有一定的借鉴意义。未来的四川省土地利用研究可着眼于使用分辨率更高的土地利用数据、运用更新颖全面的空间分析方法、使用更新、更贴近实际的数据进行更加深入的分析。还可在现有基础上对四川省土地利用变化所带来的生态系统服务价值变化进行探讨。

[1] 郭瑞琦, 陆波, 陈恺霖. 基于CLUMondo模型的多情景土地利用变化动态模拟——以广西沿海城市为例[J]. 国土资源遥感, 2020, 32(01): 176—183.

[2] 刘纪远, 宁佳, 匡文慧, 等. 2010—2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789–802.

[3] 段红腾, 吴发启, 杨一凡, 等. 近10年巴音河流域土地利用变化及驱动力分析[J]. 水土保持研究, 2020, 27(2): 172–177.

[4] 史涵, 王向东. 2000—2018年山东省土地利用时空变化特征分析[J]. 国土与自然资源研究, 2019, (5): 63–64.

[5] 王婉谕, 赵玲, 刘军杰. 大安市土地利用结构变化及影响因素分析[J]. 才智, 2019(32): 250.

[6] 赵浣玎, 李军, 李莹莹, 等. 基于遥感的土地利用变化及驱动力分析——以重庆市渝中区为例[J]. 重庆第二师范学院学报, 2019, 32(5): 37–42.

[7] 罗雅红, 龚建周, 姚昆. 成都平原经济区土地可持续利用水平变化及驱动因素分析[J]. 生态科学, 2019, 38(6): 8–14.

[8] 刘斌寅, 赵明松, 卢宏亮, 等. 1985—2015年淮北市土地利用变化特征及其预测研究[J]. 土壤通报, 2019, 50(4): 807–814.

[9] 王明常, 郭鑫, 王凤艳, 等. 基于FLUS的长春市土地利用动态变化与预测分析[J]. 吉林大学学报(地球科学版), 2019, 49(6): 1795–1804.

[10] TAKASHI KYAKUNO. Prediction of land use changes with bayesian spatial modeling from the perspective of urban climate[J]. Urban Climate, 2020, 31.

[11] 徐煖银, 郭泺, 薛达元, 等. 赣南地区土地利用格局及生态系统服务价值的时空演变[J]. 生态学报, 2019, 39(06): 1969–1978.

[12] 薛嵩嵩, 高凡, 何兵, 等. 近30年乌伦古河流域土地利用与生态系统服务价值变化研究[J]. 水土保持通报, 2019, 39(06): 223–229+322.

[13] 周嘉, 王钰萱, 刘学荣, 等. 基于土地利用变化的中国省域碳排放时空差异及碳补偿研究[J]. 地理科学, 2019, 39(12): 1955–1961.

[14] 李茂娟, 李天奇, 朱连奇, 等. 50年来东北黑土区土地利用变化对沟蚀的影响——以克东地区为例[J]. 地理研究, 2019, 38(12): 2913–2926.

[15] 杨远琴. 四川省土地利用经济效益空间差异分析[J]. 环渤海经济瞭望, 2018, (7): 78.

[16] 吴佳俣, 潘洪义, 淳阳, 等. 四川省土地利用多功能性评价及影响因素研究[J]. 江苏农业科学, 2018, 46(12): 258– 265.

[17] 陈百明, 周小萍. 《土地利用现状分类》国家标准的解读[J]. 自然资源学报, 2007, (6): 994–1003.

[18] 苏立彬, 郭永刚, 吴悦, 等. 基于RS和GIS的西藏林芝地区土地利用类型动态变化[J]. 中国农业大学学报, 2019, 24(10): 170–178.

[19] 胡悦琴, 马燕飞, 张伟科. 中国陆地区土地利用/覆被时空格局变化及驱动力分析[J]. 农学学报, 2020, (4): 1–10.

[20] 苏立彬, 郭永刚, 吴悦, 等. 2011—2016年林芝多布电站区域土地利用结构时空变化研究[J]. 高原农业, 2020, 4(1): 75–81+58.

[21] 吕婷婷, 李林森, 朱世峰, 等. 近30 a来白洋淀土地利用变化规律及驱动力分析[J]. 水利水电技术, 2020, 51(03): 37–44.

[22] 刘芊, 蓝国赈. 基于SPSS软件的因子分析法及实证分析[J]. 科技信息(学术研究), 2008, (36): 102–103+105.

Analysis of land-use change and its driving forces in Sichuan province from 2005 to 2015

LUO Hong1, 2, YANG Cunjian1, 2, *

1. The Institute of Geography and Resources, Sichuan Normal University, Chengdu 610066, China 2. Key Lab of land Resources Evaluation and Monitoring in Southwest, Ministry of Education, Sichuan Normal University, Chengdu 610068, China

Based on the actual situation and land-use raster data of Sichuan Province in 2005,2010 and 2015, this paper analyzed the characteristics of land-use change combined with the actual situation in Sichuan Province from 2005 to 2015 by processing data with ENVI and GIS, and using Land Transfer Matrix and Dynamic degree model. Then the study utilized SPSS software to conduct factor analysis related to socio-economic data between 2005 and 2015, which helped to study the main driving forces and mechanism analysis of land-use change in Sichuan Province, and provided a reference for later land-use planning in Sichuan Province. The results showed that: (1) In recent 10 years, the area of land-use types in Sichuan Province changed frequently, which was reflected by the fact that the industrial and mining land in urban and rural residents had increased greatly, but the proportion of various types of land to the total land area had not changed much. (2) Cultivated land, woodland and grassland were the main land-use types in Sichuan province, accounting for a relatively balanced and well maintained proportion, with cultivated land at about 25% and woodland and grassland at about 35%. However, the proportion of industrial and mining land for urban and rural residents, water area and unused land had changed, but the proportion was still small. (3) There were obvious regional differences of land-use in Sichuan Province, with high degree in the east of Sichuan and low degree in the west of Sichuan. Woodland and grassland were concentrated in the west for a long time, while industrial and mining land for urban and rural residents in the east, and it showed great imbalance between two regions, which was not conducive to the balanced growth of regional economy in Sichuan Province. (4) The main driving forces of land-use change in Sichuan Province were influenced by the resident population and GDP. The resident population had maintained a large amount and steady growth, and consistent number of labor force which brings rapid social and economic development. Therefore, the land-use structures would be changed constantly.

Sichuan province; land-use; dynamical change in space and time; factor analysis; driving factor

罗鸿, 杨存建. 2005—2015年四川省土地利用变化及驱动力分析[J]. 生态科学, 2021, 40(1): 86–94.

LUO Hong, YANG Cunjian. Analysis of land-use change and its driving forces in Sichuan province from 2005 to 2015[J]. Ecological Science, 2021, 40(1): 86–94.

10.14108/j.cnki.1008-8873.2021.01.012

F301.2

A

1008-8873(2021)01-086-09

2020-03-11;

2020-04-28

国家重点研发计划项目(2018YFB0505303); 四川省安全生产监督管理局安全生产科技攻关项目：矿山重大隐患监测项目(20150013); 四川省重点研发项目(2020YFG0146)

罗鸿(1998—), 女, 四川宜宾人, 研究生, 研究方向:人文地理, E-mail:523445488@qq.com

杨存建(1967—), 男, 博士, 教授, 主要从事遥感与GIS应用研究, E-mail:yangcj2008@126.com