广东省耕地非农化时空演变分析与扩散路径预测

孙礼勇　甄珍　陈士银　黄枫城　蔺中

摘    要：城鎮化发展导致大量耕地资源被用于建设用地，耕地非农化问题无可避免，为管理和保护广东省耕地资源，探究耕地非农化时空演变及扩散路径。基于人口、经济、效益三方面综合计算广东省各地级市2009—2018年耕地非农化压力指数，运用ArcGIS10.2软件对各地级市的耕地非农化压力进行时空分析，借鉴并构建灰色预测模型预测未来的耕地非农化压力指数。结果表明：（1）时间上，广州市、深圳市、珠海市、东莞市、中山市、潮州市、揭阳市的耕地非农化压力指数变化较明显；（2）空间上，珠三角中心地区的耕地非农化压力明显高于其他地区，其次为粤东地区、粤西地区和粤北地区；（3）采用灰色预测模型预测2022—2030年广东省耕地非农化压力指数呈增长趋势。未来广东省的耕地非农化压力仍会处于增加的趋势，耕地非农化问题仍然突出。

关键词：耕地；非农化；时空演变；扩散路径；广东省

中图分类号：S341.1         文献标识码：A          DOI 编码：10.3969/j.issn.1006－6500.2023.09.012

Spatial-temporal Evolution Analysis and Diffusion Path Prediction of Cultivated Land Conversion in Guangdong Province

SUN Liyong ZHEN Zhen CHEN Shiyin HUANG Fengcheng LIN Zhong

（1.Guangdong Huanyu Planning Consulting Company Limited， Guangzhou， Guangdong 510000， China; 2.Guangdong Ocean University， Zhanjiang， Guangdong 524088， China）

Abstract： The urbanization development leads to a large number of cultivated land resources being used for construction land， and the problem of non-agricultural farmland is inevitable. In order to manage and protect the cultivated land resources in Guangdong Province， the temporal and spatial evolution and diffusion path of non-agricultural farmland are explored. Based on population， economy and benefit， the cultivated land non-agricultural pressure index of prefecture-level cities in Guangdong Province from 2009 to 2018 was comprehensively calculated. The ArcGIS10.2 software was used to conduct spatio-temporal analysis of the cultivated land non-agricultural pressure of prefecture-level cities， and the grey prediction model was built for reference to predict the future cultivated land non-agricultural pressure index. The results showed that： （1） In terms of time， the change of non-agricultural pressure index of cultivated land in Guangzhou， Shenzhen， Zhuhai， Dongguan， Zhongshan， Chaozhou and Jieyang was obvious;（2） Spatially， the non-agricultural pressure of cultivated land in the central region of the Pearl River Delta is significantly higher than that in other regions， followed by East， West and North of Guangdong;（3） Using the grey prediction model， the non-agricultural pressure index of cultivated land in Guangdong Province was predicted to increase during 2022-2030.In the future， the pressure of non-agricultural cultivation of cultivated land in Guangdong Province will continue to increase， and the problem of non-agricultural cultivation of cultivated land is still prominent.

Key words： cultivated land; non-agriculturization; space-time evolution; diffusion path; Guangdong Province

随着城镇化的发展，我国从农村型社会转向现代型社会，大量的耕地资源被用于建设用地，耕地非农化问题无可避免[1]。耕地非农化为中国经济发展提供土地保障，对促进我国经济增长起到重要作用；另一方面也带来耕地资源短缺、耕地质量降低、环境生态恶化等负面影响，进而影响粮食安全及社会稳定[2]。城镇化与耕地非农化存在耦合关系，城镇化水平越高，耕地非农化的现象就越明显[3]。占用耕地数量与城镇化水平呈现长期均衡关系，城镇化促进占用耕地数量增加[4]。在耕地保护和经济发展这对矛盾之中，增量建设用地配置指标分配起关键性作用[5]。构建多维度指标体系计算耕地非农化压力，分析时间和空间演变差异特征，预测未来耕地非农化压力趋势走向，为广东省耕地非农化相关研究奠定理论基础。

国外学者针对耕地非农化的研究方向包括耕地非农化的驱动因素、耕地非农化的影响、制度与耕地非农化的关系等多方面。产生耕地非农化的原因是农业方面生产效率低下，农地所有者追求效益高的生产方式，促使耕地向非农用途转变[6]。经济因素是影响土地非农化的重要因素，表现为财产投资等经济行为及政府部门制定的相关政策，直接引导和间接推动耕地非农化[7]。从城市需求的角度看，城镇化进程中产生的土地需求驱动耕地非农化，人口集中、与城市距离较近的郊区相对于其他地区更容易出现耕地非农化现象[8]。关于农地流转，有学者认为农地流转是社会进步的映射，城市用地扩张对耕地粮食供给的影响较小[9]；有学者则担心优质耕地流失造成的不良后果[10]。农地保护问题应与农业发展战略和环境保护政策相协调，以达到土地持续利用的目的[11]。外国学者认为，地区经济发展不断变好的代价是破坏耕地资源[12]。选择不同方法对我国耕地非农化驱动因素进行分析。针对黑龙江省的相关研究表明，发达地区的耕地非农化现象会比其他地区更明显，这种现象是经济发展带来的土地需求导致的[13]；以江苏省为代表，经济的发展是耕地面积减少的重要原因[14]；分析河北省耕地压力时空变化发现，经济发展与耕地压力的耦合关系较明显，并会因时间推移而改变，大多数地级市的耦合指数趋近于1[15]。国内学者回顾我国耕地非农化的发展进程，并对耕地面临的问题进行归纳，提出促进经济与耕地保护二者之间的协调发展的对策[16]，发现因城镇化发展产生的耕地非农化影响比经济发展产生的影响更加明显[17]。在短期内，耕地非农化可以促使经济增速，到中长期会减缓经济发展速度[18-20]。

本文通过人口、经济、效益三大指数进行综合测算得出耕地非农化压力指数，根据年均变化率反映广东省各地级市耕地非农化压力的相对变化，运用灰色系统理论构建GM（1，1）模型预测未来的耕地非农化压力指数。根据测算结果和分析内容总结出广东省各地级市的耕地非农化压力变化并探讨实际意义。

1 数据与方法

1.1 数据来源

本文主要以2009—2018年为研究时段，涉及的数据来源于2010—2019年《广东省统计年鉴》和《广东省土地利用现状数据》，包括城市人口数量（为户籍人口数）、人均生产总值、建筑业总产值、耕地面积等指标。

1.2 研究区域概况

广东省地处中国大陆最南端，全省位于北纬20°13'～25°31'和东经109°39'～117°19'之间。广东省境内陆地面积为1 798万hm，约占全国陆地面积的1.87%。地貌类型复杂多样，有山地、丘陵、台地和平原。截至到2020年，经有关数据统计，广东省常用耕地面积为259.3万hm。据2019年年鉴统计，反映广东省人口的城镇化水平已达71.4%，广东省2018年人均建设用地面积为0.005 119 hm，低于城市规划的最低人均建设用地0.006 01 hm。随着耕地非农化现象的发生，广东省的建筑业依然處于蓬勃发展阶段，2018年的建筑业总产值已达到16 633.41亿元，总体涨幅也较大。截至到2019年初，广东全年实现地区生产总值107 671.07亿元，比上年增长6.2%。广东经济总量连续31年居全国首位，是全国首个经济总量突破10万亿元的省份。第一产业增加值4 351.26亿元，比上年增长4.1%；第二产业增加值43 546.43亿元，增长4.7%；第三产业增加值59 773.38亿元，增长7.5%。三次产业结构比重为4.0 ∶40.5 ∶ 55.5，第三产业所占比重比上年提高0.7个百分点。第二、三产业蓬勃发展，提供大量就业机会。全年固定资产投资比上年增长11.1%，投资需求保持旺盛。

1.3 耕地非农化压力测算

耕地非农化指是在一定的政治、经济、社会条件下进行的，随着社会的进步、经济的发展、产业的调整、居民收入的增加，耕地被城市建设、第二产业与第三产业发展等非农项目占用的现象，是一个动态的演变过程。根据耕地被占用后的具体经营内容，可以分为城镇扩张占用、乡镇企业占用、交通水利建设占用、农村居民点占用等形式；依据耕地占用的主题，可以分为国家建设占用、集体建设占用、个人建设占用3种形式。概括说来，耕地非农化是在一定的社会发展背景下，耕地从农业用途转变为城市建设、工业、居住等非农用途的过程[21]。鉴于此，本文从人口、经济、效益三大维度综合测度耕地非农化压力综合指数。

1.4 耕地非农化压力人口指数

根据耕地非农化的概念界定和耕地非农化压力形成的过程可知，此处选用人口数据构建耕地非农化压力指标更具直观性意义。参考人均耕地压力指数的构建方法[22-23]，构建指标。

1.5 耕地非农化压力经济指数

经济因素是耕地非农化的重要驱动因素之一[25]。全国层面建设用地驱动力的核心变量之一为GDP[26]，且GDP的驱动效果比其余2个变量更加显著。根据先前学者研究可得，GDP对建设用地需求量的增加产生正向影响。因此，以GDP作为经济指标研究耕地非农化压力具有一定的现实意义，计算公式为：

1.6 耕地非农化压力效益指数

1.7 耕地非农化压力综合指数

1.8 年均变化率

1.9 GM（1，1）预测模型

2 结果与分析

2.1 人口指数

公式（2）、公式（3）指数如表 1所示。

根据广东省各地级市2009—2018年耕地非农化压力人口指数分析可以发现，除了深圳市以外，其他地级市的耕地非农化压力人口指数并没有较大的起伏变化，整体趋势是从2014年开始小幅度的缓慢增加；而深圳市的耕地非农化压力指数的起伏变化较大， 2012—2013年间处于下降趋势，从2013年后逐年大幅度上升，主要原因是深圳市的人均耕地面积变化相比于其他城市较大而引起耕地非农化压力变化。

2.2 经济指数

基于公式（4）测算出的耕地非农化压力经济指数如表 2所示。

根据广东省各地级市2009—2018年耕地非农化压力经济指数分析可以得出，深圳市、广州市、佛山市、珠海市的耕地非农化压力经济指数起伏变化相对明显，主要原因是这几个城市的经济发展水平相比于广东省平均水平来说相对较高，由经济因素带来的耕地非农化压力变化也较为明显。而其他城市的耕地非农化压力经济指数变化相对缓慢，主要原因是其他城市的经济发展水平相比于广东省平均水平相比较低，由经济因素带来的耕地非农化变化不明显。

2.3 效益指数

基于公式（5）、公式（6）、公式（7）测算出的耕地非农化压力效益指数如表 3所示。

根据广东省各地级市2009—2018年耕地非农化压力效益指数分析可以得出，中山市、深圳市、珠海市、东莞市的耕地非农化压力效益指数起伏变化较大，主要原因是这几个城市的经济发展相对变化较大，从耕地转向建设用地的效益变化较大。因此，作为耕地非农化的主要驱动因素之一，建筑业效益的变化直接导致了耕地非农化压力指数的起伏变化较明显。而其他城市的耕地非农化压力效益指数起伏变化相对来说较平缓，主要原因是其他城市的建筑业效益变化相对较小。因此，耕地非农化压力指数变化不明显。

2.4 指数权重值

根据熵值法计算得出的广东省各年份各指数权重值如表 4所示。

2.5 综合指数

根据各项指标权重，综合各项指标数值计算得出2009—2018年广东省各地级市耕地非农化压力综合指数如表 5所示。

运用ArcGIS10.2软件对2009—2018年广东省各地级市耕地非农化压力指数的时间动态和空间分布展开分析。由图 3可知，深圳市、东莞市、中山市、广州市、揭阳市、潮州市、珠海市的耕地非农化压力指数变化较大；其余城市的变化较小，但总体耕地非农化压力呈增加趋势。

2.6 非农化压力的空间差异

根据实际情况，采用ArcGIS10.2空间分析法将广东省2009—2018年的耕地非农化压力划分为5个等级（图 4）。当K∈[10，70]时，表示该市耕地非农化压力极大。深圳处于第5等级，2012年该市人口從245.96万人增长至299.15万人，人均耕地断崖式减少；人均生产总值从126 765元增长至162 599元，经济发展水平是深圳耕地非农化压力的关键所在。2018年，深圳人均耕地面积仅为0.000 73 hm，在广东省各地级市中排名最后；人均生产总值达189 568元，在广东省各地级市中排首位。深圳作为广东省的经济龙头，建筑业总产值为3 715.7亿元，由于自身耕地条件不足，耕地非农化压力较大，且有增长的趋势。

2.7 非农化压力相对变化

据耕地非农化压力相对变化测算公式，使用ArcGIS10.2软件将相对变化划分为4个等级（图 5）。其中，深圳市属于第4等级，表示其耕地非农化压力相对变化大。由于改革开放，深圳作为广东省发展的重点城市，经济活力强、城镇化建设迅速，发展水平已达全国前列，耕地非农化难以避免。2009年深圳市的人均耕地面积为0.001 27 hm，人均生产总值为87 066元，建筑业总产值为1 184.47亿元，2018年人均耕地面积为0.000 73 hm，人均生产总值为189  568元，建筑业总产值为3 715.70亿元。

2.8 指数预测

基于过去、现在已知的信息，建立灰色模型，将无序离散的原始序列转化为有序序列，进而对未来的变化进行预测。在建立GM（1，1）模型之后，分别对其进行相对残差检验、关联度检验和后验差检验，3种验证均通过。对广东省21个地级市的耕地非农化压力指数进行预测，得到广东省各地级市2022—2030年耕地非农化压力指数预测结果，如表 6所示。结果显示，未来耕地非农化压力仍呈现递增趋势。其中，2022年河源市的耕地非农化压力等级将从第1等级升至第2等级，东莞市的耕地非农化压力等级从第4等级升至第5等级，江门市的耕地非农化压力从第1等级升至第2等级；2023年中山市的耕地非农化压力等级从第4等级升至第5等级。主要原因与经济社会发展水平以及广东省发展战略的调整有关。

3 讨论与结论

耕地非农化压力的区域差异与城镇建设的土地资源配置息息相关，具有一定的研究意义。城市人口的增加是城镇化建设发展的一个重要影响因素，将人口作为耕地非农化压力的研究指标有具有理论意义，能在指定的层面反映出同一地区的耕地非农化变化；经济发展速度的快慢也是影响城镇建设的重要因素，经济发展相对快的地区对于建设用地的需求多，需要更多的耕地转化为非农用地来实现，同时也可以反映出该地区的耕地非农化变化。GDP作为衡量经济发展的主要指标，将人均GDP变化作为经济指标具有一定理论可行性；建设用地为城镇建设发展所产生的效益将影响政府制定耕地非农化的有关政策。因此，以地均建筑业产值作为效益指标有一定的代表性。从人口、经济、效益3个层面分析耕地非农化的综合指标，对于研究耕地非农化压力来说较为合理。

根据广东省各地级市2009—2018年耕地非农化压力人口指数、经济指数和效益指数分析可以发现，除深圳市以外，其他地级市的耕地非农化压力人口指数并没有较大的起伏变化，整体趋势是从2014年开始缓慢增加；而深圳市的耕地非农化压力指数的起伏变化较大，2012—2013年处于下降趋势，2013年后逐年大幅上升，主要原因是深圳市人均耕地面积变化相比于其他城市较大而引起耕地非农化压力变化。深圳市、广州市、佛山市、珠海市的耕地非农化压力经济指数起伏变化相对来说明显，主要原因是这几个城市的经济发展水平相较于广东省平均水平来说相对较高，由经济因素带来的耕地非农化压力变化也较为明显。而其他城市的耕地非农化压力经济指数变化相对缓慢，主要原因是其他城市的经济发展水平相比于广东省平均水平相比较低，由经济因素带来的耕地非农化变化不明显。中山市、深圳市、珠海市、东莞市的耕地非农化压力效益指数起伏变化较大，主要原因是这几个城市的经济发展相对变化较大，从耕地转向建设用地的效益变化较大。

因此，作为耕地非农化的主要驱动因素之一，建筑业效益的变化直接导致了耕地非农化压力指数的起伏变化较为明显。而其他城市的耕地非农化压力效益指数起伏变化相对来说较平缓，主要原因是其他城市的建筑业效益变化相对较小。因此，耕地非农化压力指数变化不明显。

究其原因，耕地非农化压力指数水平极高的深圳市作为广东省副省级城市，研究时期内，在政府制定的经济政策带动下，经济发展变化较为明显，人均GDP从8.7万元（2009年）增长至15.5万元（2018年），同时因为城市发展，增加了对建设用地的需求，大大增加了耕地非农化压力。2013—2014年，深圳市的耕地数量明显增加，且人口处于平稳增长趋势，较大缓解了深圳市耕地非农化压力。因此，出现耕地非农化压力指数水平有所回落的现象。耕地非农化压力指数水平较高的中山市、广州市、揭阳市、珠海市、汕头市中，有3个城市位于珠三角地区，具有一定的发展能力和潜力。2009—2013年经济发展速度加剧了耕地非农化，2013—2014年人均耕地面积的减少速度低于广东最小人均耕地面积的增长速度。因此，耕地非农化压力指数水平有所下降。耕地非农化压力指数水平较高的东莞市、佛山市、潮州市2009—2010年耕地面积减少幅度较小。因此，耕地非农化压力指数水平处于下降趋势。随着城市的多方面发展，耕地非农化压力不断加剧。耕地非农化压力指数水平较低的湛江市、阳江市、韶关市、河源市、汕尾市、江门市2009—2018年人均耕地面积波动比较频繁，并且受城市定位和政府政策影响，建筑业效益也没有呈现规律的变化趋势，导致研究时期内耕地非农化压力指数水平起伏变化较多。耕地非农化压力指数水平较低的茂名市、清远市、梅州市、惠州市、云浮市2009—2012年耕地面积有递增趋势，由于政府政策的扶持，现有建设用地得到有效开发利用，建筑业产值上升；经济方面，惠州市人均GDP从3.3万元增长至5.2万元，驱动了耕地非农化压力指数水平的提高。耕地非农化压力指数水平较低的肇庆市2009—2015年把握住发展战略机遇期，经济社会发展取得显著成效，人均GDP从2.3万元增长至4.9万元，同时也加剧了耕地非农化压力；2015—2018年经济发展态势放缓，但建筑业蓬勃发展，总产值从125.49亿元增长至157.7亿元。因此，肇庆市的耕地非农化压力指数水平一直处于递增趋势。

预测结果显示，未来耕地非农化压力水平趋势仍是递增状态，说明各地区面临的耕地非农化现象问题仍然突出。其中，2022年河源市的耕地非农化压力等级将从第1等级升至第2等级，东莞市的耕地非农化压力等级从第4等级升至第5等级，江门市的耕地非农化压力从第1等级升至第2等级；2023年中山市的耕地非农化压力等级从第4等级升至第5等级。主要原因应与经济社会发展水平以及广东省发展战略调整有关。根据各地级市的耕地非农化压力的递增情况，应结合广东省各地级市发展定位及资源禀赋实际情况，制定相应政策，缓解耕地非农化压力，以满足广东省经济发展与资源优化配置的需要。总体来看，未来广东省面临的耕地非农化压力只增不减。

本文以广东省为研究区域，从人口、经济、效益三维度构建耕地非农化压力指标，运用熵值法综合测算出广东省2009—2018年各地级市的耕地非农化压力综合指数，运用ArcGIS10.2软件对广东省的耕地非农化压力的时空变化进行空间分析。根据研究期内各地级市耕地非农化压力指数，引入相对变化公式测算出各地级市的耕地非农化压力相对变化，构建灰色预测模型预测未来的耕地非农化压力指数。结果表明：

（1）从时间变化上，广东省的耕地非农化压力指数总体变化为增加，变化趋势表现为多元性。

（2）从空间差异上，广东省的耕地非农化压力空间分布在不同年份都表现出明显的区域差异。总体来看，珠三角中心地区的耕地非农化压力明显高于其他地区，其次为粤东地区、粤西地区和粤北地区。主要原因是各地区的耕地资源禀赋存在明显差异，与经济社会发展息息相关。

（3）深圳市、广州市、珠海市、汕头市、佛山市、东莞市、中山市的耕地非农化压力相对变化较大，其他城市的耕地非农化压力相对变化较小。

（4）未来广东省的耕地非农化压力仍会处于增加的趋势，耕地非农化问题仍然突出。其中河源市、东莞市、江门市、中山市的耕地非农化压力变化较为明显，耕地非农化压力等级将会提升。

参考文献：

[1] 溫利华， 刘红耀， 张广录， 等. 资源型城市耕地非农化及关联因子研究——以河北省邯郸市为例[J]. 西北农林科技大学学报（自然科学版）， 2013， 41（8）： 125-132.

[2] 吴先华. 耕地非农化研究综述[J]. 地理与地理信息科学， 2006， 22（1）： 51-56.

[3] 折晓婷， 吕雷. 城镇化与耕地非农化空间特征及协调关系研究——以四川省为例[J]. 南方农村， 2015， 31（3）： 31-35.

[4] 邓荣荣， 吴燕， 詹晶. 我国建设占用耕地数量与城镇化水平的相互关系——基于VAR模型的实证[J]. 西北人口， 2012， 33（6）： 89-94， 102.

[5] 王关提. 基于农地非农化成本效益分析的增量建设用地指标分配研究——以武汉城市圈为例[D]. 武汉： 华中农业大学， 2017.

[6] KIM D S， MIZUNO K， KOBAYASHI S. Analysis of urbanization characteristics causing farmland loss in a rapid growth area using GIS and RS[J]. Paddy and Water Environment， 2003， 1（4）： 189-199.

[7] HENDERSON V. How urban concentration affects economic growth[M]. Washington， D.C.： The World Bank， 1999： 26.

[8] DÖÖS B R. Population growth and loss of arable land[J]. Global Environmental Change， 2002， 12（4）： 303-311.

[9] 郑纪芳， 史建民. 国内外耕地保护问题研究综述[J]. 生产力研究， 2009（5）： 161-163.

[10] 张安录， 杨钢桥. 美国城市化过程中农地城市流转与农地保护[J]. 中国农村经济， 1998（11）： 75-81.

[11] TANRIVERMIS H. Agricultural land use change and sustainable use of land resources in the Mediterranean region of Turkey[J]. Journal of Arid Environments， 2003， 54（3）： 553-564.

[12] SKINNER M W， KUHN R G， JOSEPH A E. Agricultural land protection in China： a case study of local governance in Zhejiang Province[J]. Land Use Policy， 2001， 18（4）： 329-340.

[13] 李丹， 曲建光， 王帅. 黑龙江省耕地非农化的空间格局与重心曲线分析[J]. 测绘科学， 2021， 46（2）： 171-177.

[14] 张梦琳， 陈利根， 龙开胜. 江苏省耕地资源与经济发展计量与协调性分析[J]. 中国人口·资源与环境， 2009， 19（3）： 82-86.

[15] 杨人豪， 杨庆媛， 陈伊多， 等. 河北省耕地压力与经济发展的时空耦合研究[J]. 中国农业资源与区划， 2018， 39（2）： 18-27.

[16] 马才学， 温槟荧， 郑伟伟， 等. 中国耕地非农化压力时空格局的演变分析[J]. 长江流域资源与环境， 2017， 26（12）： 2065-2072.

[17] 宋戈， 吴次芳， 王杨. 黑龙江省耕地非农化与经济发展的Granger因果关系研究[J]. 中国土地科学， 2006， 20（3）： 32-37.

[18] 孟琦. 耕地非农化影响经济增长的动态路径研究[J]. 统计与决策， 2016（10）： 139-141.

[19] 崔许锋， 马云梦， 张光宏. 基于模型集成的中国耕地非农化影响因素及其时空特征研究[J]. 中国农业科学， 2018， 51（22）： 4316-4327.

[20] 崔许锋， 马云梦， 张光宏. 基于模型集成的中国耕地非农化影响因素及其时空特征研究[J]. 中国农业科学， 2018， 51（22）： 4316-4327.

[21] 张孝宇， 谢新朋， 张安录. 武汉市耕地非农化的空间非均衡发展与空间扩散路径分析[J]. 自然资源学报， 2014， 29（10）： 1649-1659.

[22] 张宏斌， 贾生华. 土地非农化调控机制分析[J]. 经济研究， 2001（12）： 50-54.

[23] 蔡运龙， 傅泽强， 戴尔阜. 区域最小人均耕地面积与耕地资源调控[J]. 地理学报， 2002（2）： 127-134.

[24] 朱泽. 中国粮食安全状况研究[J]. 中国农村经济， 1997（5）： 26-33.

[25] 曲福田， 陈江龙， 陈雯. 农地非农化经济驱动机制的理论分析与实证研究[J]. 自然资源学报， 2005， 20（2）： 231-241.

[26] 陈春， 冯长春. 中国建设用地增长驱动力研究[J]. 中国人口·资源与环境， 2010， 20（10）： 72-78.

[27] 王富喜， 毛爱华， 李赫龙， 等. 基于熵值法的山东省城镇化质量测度及空间差异分析[J]. 地理科学， 2013， 33（11）： 1323-1329.

[28] 鄧聚龙. 灰色系统理论简介[J]. 内蒙古电力， 1993（3）： 51-52.

[29] 朱金亮， 李玉平， 蔡运龙. 基于灰色预测模型的河北省生态足迹动态分析与预测[J]. 干旱区资源与环境， 2011， 25（2）： 24-28.

[30] 周瑞平. GM（1，1）模型灰色预测法预测城市人口规模[J]. 内蒙古师范大学学报（自然科学汉文版）， 2005， 34（1）： 81-83.