安徽省人口和土地城市化耦合协调过程与影响因素

人口城市化和土地城市化是衡量城市化水平的重要内容,探究两者耦合协调关系及耦合发展驱动因素对实现新型城镇化具有重要意义.以安徽省地级市辖区、县级市、县为研究单元,选取国内生产总值(gross domestic product,GDP)、人口密度、平均高程等相关指标计算人口和土地城市化速率的协调度,运用耦合协调模型和地理探测器,研究了2000-2016年安徽省人口和城市化速率以及两者的耦合协调演变趋势、空间差异,最后探讨了耦合驱动因素.结果表明:①安徽省主要的城市化特征为人口城市化滞后型,人口和土地城市化耦合协调关系整体向好但增长缓慢,协调水平仍较低;②人口和土地城市化耦合协调发展的空间差异较为明显,并且有一定的空间集聚性;③对两者耦合影响较大的因素为土地城市化率、人口密度和平均坡度,交互作用最强的因素为人口城市化率和土地城市化率,土地城市化和人口密度与相应的社会经济因子之间的交互作用对人口和土地城市化耦合发展起着主导作用.     

1980~2020年安徽省土地利用时空演化特征

为分析安徽省土地利用时空演化特征,以1980、1995、2000、2005、2010、2015、2020年土地利用现状图为基础,利用Sankey图、土地利用动态度等方法分析了安徽省近40年土地利用演变特征;结合Getis-Ord General G聚类方法和多距离空间聚类（Ripleys K函数）方法对安徽省土地利用变化累积量进行了时空模式分析;并基于地理探测器模型分析了多种驱动因子对土地利用变化的单一与交互解释程度。结果表明：（1）1980~2020年安徽省建设用地、草地、水域面积分别增加35.04%、2.44%和0.75%,耕地、林地分别减少4.63%和0.98%;安徽省综合土地利用动态度逐渐增加,建设用地和耕地变化较快,单一动态度最高分别达到3.15%和-0.39%;林地、草地、水域变化较为稳定;（2）1980~2020年安徽省土地利用的剧烈变化具有显著的聚集性,通过K-means聚类可将不同程度的变化较好地分类;土地利用剧烈变化区域聚集特征受观测尺度变化的影响小于平缓变化区域;（3）地理探测结果表明：与人类活动强度密切联系的社会因子（夜间灯光数据、GDP、人口、到城市和主要道路距离等）和地形因子（高程、坡度）以及各因子间交互作用是土地利用变化的重要推动力。     

安徽省1980—2020年土壤侵蚀时空变化特征

土壤侵蚀不仅会造成土壤破坏、肥力下降,甚至会造成自然灾害,研究土壤侵蚀分布特征及其驱动因素,对于治理水土流失和保障土壤生产力具有重要意义。基于修正的通用土壤流失方程(revised universal soil loss equation, RUSLE)模型,利用降雨、土壤、数字高程模型(digital elevation model, DEM)、土地利用等数据,分析安徽省1980、2000、2005、2010、2015和2020年土壤侵蚀强度时空演变特征,基于地理信息系统(geographic information system, GIS)技术进一步探讨了土壤侵蚀变化与土地利用类型之间的关系。结果表明：安徽省40年来土壤侵蚀整体呈现先降低后略微回升的趋势,1980年侵蚀总量为6 510.92万t/a, 2005年降低到3 169.26万t/a, 2020年回升为4 205.01万t/a。安徽省整体侵蚀以微度侵蚀为主,由北至南侵蚀强度逐渐加剧,强度及以上等级的侵蚀主要集中在皖西大别山区、皖南丘陵山地区。安徽省土壤侵蚀强度发生改变的区域主要集中在皖西大别山区和皖南丘陵山地区。草地的土壤...     

皖西大别山区土壤侵蚀空间分布特征及与地形的关系

基于修正的通用土壤流失方程和GIS空间分析方法,定量分析了皖西大别山区土壤侵蚀空间分布特征,讨论了侵蚀强度与海拔、坡度、坡向等因子的关系.基于信息熵模型评价地形因子与土壤侵蚀强度的空间相关性结果表明:(1)皖西大别山区2010年土壤侵蚀总量为1844.30×10~4t,平均侵蚀模数为1415.05t/km~2·a.区域以微度和轻度侵蚀为主,分别占总面积的52.95%和31.99%,侵蚀强度由东南至西北逐渐加剧.(2)坡度和海拔主导着区域内土壤侵蚀强度的空间分布.随着坡度和海拔增加,侵蚀强度不断加剧,强度侵蚀的面积比例增加,微度侵蚀的面积减少;在坡度15-25°区域、海拔200-500m区域的土壤侵蚀总量最大.坡向对土壤侵蚀强度的影响较小,土壤侵蚀强度在东南坡向较其它坡向略强.(3)地形因子与土壤侵蚀强度的空间相关性强弱为:坡度海拔坡向.坡度是安徽省大别山区土壤侵蚀强度的主导因子.     

采样数量与空间插值方法对土壤属性预测精度的影响

不同的采样数量以及空间插值方法会对土壤属性预测精度产生影响。本文以安徽省淮北平原典型旱作农业区蒙城县为例,采用随机抽样的方法,从550个土壤样点中随机抽取50个样点作为验证样本,之后抽取500、400、300、200和100五个样本子集,采用普通克里格法、反距离权重插值法、局部多项式插值法和径向基函数插值4种空间插值方法,解析研究区土壤有机质空间变异,并利用独立验证和交叉验证方法比较不同样本数量和插值方法的预测精度的差异。发现不同采样数量对区域内土壤属性预测精度会产生较大影响,在淮北平原县域尺度上,以数字土壤属性制图为目的的土壤采样中,200个样点是比较合理的采样数量。不同插值方法对预测精度影响不显著,从交叉验证与独立验证的结果均表明,普通克里格法最优,局部多项式插值法和径向基函数插值法次之,反距离权重插值法的结果最差。     

基于XGBoost模型的安徽省土壤pH空间建模

土壤pH是土壤的基本属性之一，对土壤环境管理有重要作用。以安徽省为研究区域，选用气候、地形、生物等17个相关环境变量，利用XGBoost和随机森林(random forest, RF)模型建立安徽省土壤pH空间预测模型，对比两模型的预测精度，并估算了两种制图结果的不确定性。结果表明：与随机森林模型相比，XGBoost模型对安徽省土壤pH的预测精度更高。XGBoost模型中eta、max＿depth和nrounds对于模型的精度均具有一定的影响，eta的变化对于XGBoost模型精度影响最大。年均降水量(mean annual precipitation, MAP)、纬度(latitude,记为Y)、多尺度谷底平坦度(multiresolution index of valley bottom flatness, MRVBF)、年均温(mean annual temperature, MAT)、多尺度脊顶平坦度(multiresolution index of the ridge top flatness, MRRTF)、增强植被指数(enhanced vegetation index,...