基于增强回归树和Logistic回归的城市扩展驱动力分析.

摇摇摇摇摇生态学报摇摇摇摇摇摇摇渊杂匀耘晕郧栽粤陨载哉耘月粤韵冤摇摇第猿源卷第猿期摇摇圆园员源年圆月摇渊半月刊冤目摇摇次前沿理论与学科综述灾后生态恢复评价研究进展刘孝富袁王文杰袁李摇京袁等渊缘圆苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎基于生态能量视角的我国小水电可持续性分析庞明月袁张力小袁王长波渊缘猿苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎个体与基础生态北部湾北部海域夏季微型浮游动物对浮游植物的摄食压力马摇璐袁曹文清袁张文静袁等渊缘源远冤噎噎噎噎噎噎鲶鱼和胡子鲶的两性异形与雌性个体生育力樊晓丽袁林植华袁丁先龙袁等渊缘缘缘冤噎噎噎噎噎噎噎噎噎噎噎噎环境温度对白头鹎代谢产热和蒸发失水的影响林摇琳袁曹梦婷袁胡益林袁等渊缘远源冤噎噎噎噎噎噎噎噎噎噎噎灌溉对沙拐枣幼苗生长及氮素利用的影响黄彩变袁曾凡江袁雷加强袁等渊缘苑圆冤噎噎噎噎噎噎噎噎噎噎噎噎噎孕粤匀泽污染土壤植物修复对酶活性的影响朱摇凡袁洪湘琦袁闫文德袁等渊缘愿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎基于修正砸陨杂运耘模型的重庆岩溶地区地下水脆弱性评价魏兴萍袁蒲俊兵袁赵纯勇渊缘愿怨冤噎噎噎噎噎噎噎噎排水沟蓄水条件下农田与排水沟水盐监测潘延鑫袁罗摇纨袁贾忠华袁等渊缘怨苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎种群尧群落和生态系统高寒退化草地不同海拔梯度狼毒种群分布格局及空间关联性高福元袁赵成章袁卓马兰草渊远园缘冤噎噎噎噎噎噎捕食者对空心莲子草叶甲种群的生物胁迫刘雨芳袁李摇菲袁桂芳艳袁等渊远员猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎夏尧冬季南海北部浮游植物群落特征马摇威袁孙摇军渊远圆员冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎磨盘山天然次生林凋落物数量及动态范春楠袁郭忠玲袁郑金萍袁等渊远猿猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎持续干旱对樱桃根际土壤细菌数量及结构多样性影响刘方春袁邢尚军袁马海林袁等渊远源圆冤噎噎噎噎噎噎噎噎随机森林算法基本思想及其在生态学中的应用要要要以云南松分布模拟为例张摇雷袁王琳琳袁张旭东袁等渊远缘园冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎基于水文平衡的湿地退化驱动因子定量研究侯摇鹏袁申文明袁王摇桥袁等渊远远园冤噎噎噎噎噎噎噎噎噎噎噎噎华北低丘山地人工林蒸散的控制因子黄摇辉袁孟摇平袁张劲松袁等渊远远苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎新疆天山高寒草原不同放牧管理下的悦韵圆袁悦匀源和晕圆韵通量特征贺桂香袁李凯辉袁宋摇韦袁等渊远苑源冤噎噎噎噎景观尧区域和全球生态宁夏生态足迹影响因子的偏最小二乘回归分析马明德袁马学娟袁谢应忠袁等渊远愿圆冤噎噎噎噎噎噎噎噎噎噎噎引黄灌区土壤有机碳密度剖面特征及固碳速率董林林袁杨摇浩袁于东升袁等渊远怨园冤噎噎噎噎噎噎噎噎噎噎噎自养微生物同化悦韵圆的分子生态研究及同化碳在土壤中的转化吴小红袁简摇燕袁陈晓娟袁等渊苑园员冤噎噎噎噎资源与产业生态基于能值分析法的矿区循环经济系统生态效率分析孙玉峰袁郭全营渊苑员园冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎基于粤阅鄄粤杂模型的海岸带生态系统综合承载力评估要要要以舟山海岸带为例苏盼盼袁叶属峰袁过仲阳袁等渊苑员愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎城乡与社会生态基于增强回归树和蕴燥早蚤泽贼蚤糟回归的城市扩展驱动力分析李春林袁刘摇淼袁胡远满袁等渊苑圆苑冤噎噎噎噎噎噎噎研究简报陕西省不同生态区大气氮素干湿沉降的时空变异梁摇婷袁同延安袁林摇文袁等渊苑猿愿冤噎噎噎噎噎噎噎噎噎噎不同覆盖方式对旱地果园水热特征的影响刘小勇袁李红旭袁李建明袁等渊苑源远冤噎噎噎噎噎噎噎噎噎噎噎噎噎长白山苔原带土壤动物群落结构及多样性王振海袁殷秀琴袁蒋云峰渊苑缘缘冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎最大可允许填海面积模拟要要要厦门西海域案例研究林琛琛袁饶欢欢袁刘摇岩袁等渊苑远远冤噎噎噎噎噎噎噎噎学术信息与动态圆园员猿年水文土壤学与自然资源可持续利用国际学术研讨会述评张摇骁袁赵文武渊苑苑源冤噎噎噎噎噎噎噎噎噎期刊基本参数院悦晕员员鄄圆园猿员辕匝鄢员怨愿员鄢皂鄢员远鄢圆缘圆鄢扎澡鄢孕鄢预怨园郾园园鄢员缘员园鄢圆怨鄢圆园员源鄄园圆室室室室室室室室室室室室室室封面图说院云南松树冠要要要云南松为松科松属裸子植物袁多生长在海拔员园园园要猿缘园园皂的高山袁喜光尧耐干旱尧耐瘠薄袁适应酸性的红壤尧黄壤袁在其他树种不能生长的贫瘠石砾地或冲刷严重的荒山坡分布袁易于天然更新遥主要分布于四川西南部尧云南尧西藏东南部尧贵州西部尧广西西部袁常形成大面积纯林袁尤以云南分布最广袁故有云南松之称遥云南松树高可达猿园皂袁胸径达员皂袁树皮呈灰褐色袁叶通常猿针一束袁鲜有两针袁球果圆锥状卵圆形袁种子近卵圆形或倒卵形遥树干通直袁木质轻软细密袁是优质造纸尧人造板原料袁富含松脂是云南松的重要特点之一遥彩图及图说提供院陈建伟教授摇北京林业大学摇耘鄄皂葬蚤造院糟蚤贼藻泽援糟澡藻灶躁憎岳员远猿援糟燥皂第34卷第3期2014年2月生态学报ACTAECOLOGICASINICAVol.34,No.3Feb.,2014基金项目:国家自然科学基金资助项目(41171155);国家科技支撑计划课题资助项目(2012BAJ15B06)收稿日期:2012鄄00鄄12;摇摇修订日期:2013鄄12鄄06*通讯作者Correspondingauthor.E鄄mail:[e-mail]:10.5846/stxb201212121790李春林.刘淼,胡远满,徐岩岩,孙凤云.基于增强回归树和Logistic回归的城市扩展驱动力分析.生态学报,2014,34(3):727鄄737.LiCL,LiuM,HuYM,XuYY,SunFY.DrivingforcesanalysisofurbanexpansionbasedonboostedregressiontreesandLogisticregression.ActaEcologicaSinica,2014,34(3):727鄄737.基于增强回归树和Logistic回归的城市扩展驱动力分析李春林1,2,刘摇淼1,胡远满1,*,徐岩岩1,2,孙凤云1,2(1.森林与土壤生态国家重点实验室,中国科学院沈阳应用生态研究所,沈阳摇110016;2.中国科学院大学,北京摇100049)摘要:研究城市扩展驱动力对于准确判断城市发展规律,剖析演化过程和预测城市未来扩展趋势具有重要意义,同时也能为制定合理的调控政策提供指导。以沈阳市1997—2010年城市建成区变化作为因变量,选取三大类10种驱动因子,利用增强回归树(BRT)和Logistic回归两种方法分析影响城市扩展的主要驱动力。结果表明:(1)BRT分析得到影响沈阳城市扩展的驱动因子从大到小依次是:距1997年城区距离、距河流距离、数字高程模型DEM、距高速公路和铁路距离、土地利用类型、开发区规划、GDP、人口密度、坡向和坡度;(2)Logistic回归分析得到影响沈阳城市扩展的前8位驱动因子依次是:开发区、距1997年城区距离、DEM、距高速公路和铁路距离、人口密度、距河流距离、农村居民点和坡度;(3)距1997年城区距离、DEM、距高速公路和铁路距离是影响沈阳城市扩展的主要驱动力,均位于主要因子的前四位;(4)总体来说,沈阳城市扩展受邻域因子影响最大,而自然因子的影响相对较小,社会经济因子则只有开发区和农村居民点对城市扩展影响较大。关键词:城市扩展;驱动力;增强回归树;Logistic回归;沈阳市DrivingforcesanalysisofurbanexpansionbasedonboostedregressiontreesandLogisticregressionLIChunlin1,2,LIUMiao1,HUYuanman1,*,XUYanyan1,2,SUNFengyun1,21StateKeyLaboratoryofForestandSoilEcology,InstituteofAppliedEcology,ChineseAcademyofSciences,Shenyang110016,China2UniversityofChineseAcademyofSciences,Beijing100049,ChinaAbstract:TherapidrelentlessurbanareaexpansionhasledtoaseriesofproblemsinChina.Manyresearchesfocusedonthisissueinrecentyears.Drivingforcesarethecoretopicinurbanexpansion,aswellasthebasiccomponentofmodelingandpredicting.Itisveryusefulandmeaningfultoanalyzethedrivingforceofurbanexpansion,whichmayprovideuswithascientificbasistorationallyutilizelandresources,determiningthelawofurbandevelopment,researchingtheevolutionprocess,predictingtheurbanexpansiontrends,andalsoprovidingguidanceforthedevelopmentofrationalcontrolpolicies.TheShenyangcitywaschosenasstudyarea.Eightcategoriesoflandusetypeswereextractedfromremotesensingimages(1997and2010)withArcGISsoftware.Tendrivingforceswerechosen,includingthreenaturalfactors,threedistancefactors,foursocialandeconomicfactors.whichwerecalculatedbasedonthelandusemaps,DEM,topographicmaps,zoningmapsandthestatisticalyearbooks.Thedependentvariablewasthechangeofbuilt-upareaofShenyangfrom1997to2010.Boostedregressiontrees(BRT)isanensemblemethodandisacombinationoftechniquesbetweenstatisticalandmachinelearningtraditionsthathasshowntobeeffectivetoidentifyrelationshipsbetweenresultsandinfluencing