童新華 梁俏 韋燕飛

[摘要]以貧困人口規(guī)模大，貧困程度深的廣西壯族自治區(qū)為研究區(qū)，分析了廣西縣域?qū)用尕毨У目臻g異質(zhì)性與空間依賴性格局，并定量分析了縣域?qū)用娴呢毨Э臻g差異及其影響因素，探討了因素效應(yīng)的空間差異性。結(jié)果表明：①廣西縣域貧困表現(xiàn)為由西北部——西南部、中部、北部——東南部——東北部和南部遞減的空間異質(zhì)性分布。②廣西縣域貧困具有很強(qiáng)的空間依賴性，高-高貧困區(qū)分布于西北部且呈集中式分布。廣西縣域貧困空間熱點(diǎn)分布表現(xiàn)為西北部為貧困熱點(diǎn)，東部和南部為冷點(diǎn)。③定量分析發(fā)現(xiàn)，地形因子、地表因子、氣象因子、生態(tài)系統(tǒng)恢復(fù)能力、經(jīng)濟(jì)壓力度、經(jīng)濟(jì)實(shí)力和教育狀況是導(dǎo)致廣西縣域?qū)用尕毨Э臻g差異的顯著因素，各因素分別從不同角度影響貧困狀況。

[關(guān)鍵詞]貧困；空間格局；影響因素；空間自相關(guān)；廣西

[中圖分類號]F301 [文獻(xiàn)標(biāo)識碼]A

貧困問題不僅是社會(huì)關(guān)注的熱點(diǎn)，同時(shí)也是地理學(xué)研究的重點(diǎn)，自20世紀(jì)90年代開始，世界銀行等機(jī)構(gòu)借助地理信息系統(tǒng)技術(shù)，以此為基礎(chǔ)建立了地理空間框架，以國家-省-縣-鄉(xiāng)鎮(zhèn)為研究尺度進(jìn)行空間貧困分析，并得到廣泛應(yīng)用，其研究對象包括脆弱生態(tài)環(huán)境擴(kuò)展、絕對貧困、相對貧困、空間格局等。研究內(nèi)容涉及區(qū)域貧困與地理環(huán)境關(guān)系、地域貧困類型與區(qū)劃研究、貧困與地理要素耦合、區(qū)域貧困模擬與空間分異特征、地域貧困模式與減貧策略制定等領(lǐng)域。廣西脫貧攻堅(jiān)政策文件匯編（三）指出，廣西農(nóng)村存在538萬貧困人口，分布于54個(gè)貧困縣、5000個(gè)貧困村中。2010～2015年間，廣西貧困人口減少了587萬，從1012萬人減至425萬人，貧困發(fā)生率下降了13.4%，從23.9%降至10.5%，歷經(jīng)多年，扶貧工作成效顯著，但仍面臨貧困程度深、貧困面大、致貧原因多重疊加、基礎(chǔ)條件較為落后等嚴(yán)峻的挑戰(zhàn)。

綜上，研究廣西縣域貧困空間分布與影響因素能進(jìn)一步了解廣西的貧困狀況，本文以廣西109個(gè)縣為研究對象，借助ArcGIS和GeoDa軟件，分析廣西縣域?qū)用尕毨У目臻g異質(zhì)性和空間依賴性，并分析其空間格局及空間差異的影響因素。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域

廣西壯族自治區(qū)位于中國西南部地區(qū)，經(jīng)緯度為20°54′N～26°23′N，104°29′E～112°04′E，行政面積約23.7×104km2，南部和北部跨距634km，東部和西部跨距771km。廣西地勢呈現(xiàn)西北高東南低的特點(diǎn)，土地類型表現(xiàn)為山多平原少，圖1為研究區(qū)示意圖。《全區(qū)各縣（市、區(qū)）貧困人口總數(shù)分布表》（2016年）統(tǒng)計(jì)數(shù)據(jù)顯示，廣西貧困戶總戶數(shù)為114萬戶，貧困人口為452萬，貧困村有5000個(gè)，其中國家扶貧開發(fā)重點(diǎn)縣28個(gè)、自治區(qū)扶貧工作重點(diǎn)縣21個(gè)、自治區(qū)層面貧困縣57個(gè)、滇桂黔石漠化片區(qū)縣35個(gè)、少數(shù)民族聚居區(qū)31個(gè)、革命老區(qū)貧困縣30個(gè)、邊境地區(qū)貧困縣8個(gè)。

1.2 數(shù)據(jù)來源

本文使用的數(shù)據(jù)包括生態(tài)環(huán)境數(shù)據(jù)和社會(huì)經(jīng)濟(jì)數(shù)據(jù)，包括90m數(shù)字高程模型及其派生的數(shù)據(jù)、250mNDVI數(shù)據(jù)，國家1：25萬縣界基礎(chǔ)地理數(shù)據(jù)，《廣西統(tǒng)計(jì)年鑒（2017年）》統(tǒng)計(jì)數(shù)據(jù)，《2015年廣西1%人口抽樣調(diào)查資料》數(shù)據(jù)等。廣西生態(tài)環(huán)境與貧困評價(jià)指標(biāo)體系如表1所示。

2 研究方法

2.1 均方差決策法

均方差決策法為客觀賦權(quán)法，是指根據(jù)信息熵原理而設(shè)計(jì)的一種賦權(quán)方法，能避免主觀賦權(quán)法的主觀性和差異性。計(jì)算步驟如下：

計(jì)算隨機(jī)變量的均值： （式1）

計(jì)算的均方差： （式2）

計(jì)算指標(biāo)的權(quán)重： （式3）

2.2 核密度分析

核密度分析是一種廣泛使用的空間點(diǎn)分析的非參數(shù)估計(jì)方法，其原理是通過核函數(shù)將各個(gè)點(diǎn)或線擬合成光滑的錐狀表面，并與周圍鄰域值計(jì)算其在領(lǐng)域的密度，該方法能夠反映要素點(diǎn)的空間聚集程度和集中程度。核密度計(jì)算公式如下：

（式4）

式中，表示i（i =1，2，…，n）點(diǎn)位置坐標(biāo)；n為樣點(diǎn)數(shù)；h為計(jì)算的帶寬；為估計(jì)點(diǎn)到樣本點(diǎn)的距離；表示核函數(shù).

2.3 全局空間自相關(guān)

全局空間自相關(guān)是對某種地理現(xiàn)象的觀測值及空間滯后的相關(guān)程度的測度，并以空間分布的形式表現(xiàn)這種地理現(xiàn)象在整體上的關(guān)聯(lián)程度及分異性，以判斷這種地理要素分布的均衡狀況。

2.4 局部空間自相關(guān)

局部空間自相關(guān)分析是反映變量與空間滯后向量間相關(guān)關(guān)系常用的方法，并通過Moran I散點(diǎn)圖和LISA圖表示研究單元與鄰接單元的空間相互關(guān)系及其相近與差異程度。

2.5 空間熱點(diǎn)分析

采用Arcgis10.2中的Getis-Ord Gi*指數(shù)空間分析法分析廣西縣域貧困空間分布的高值簇和低值簇區(qū)，以此反映廣西縣域貧困的空間聚集程度。

2.6 普通回歸與空間計(jì)量方法

2.6.1 最小二乘線性回歸模型。最小二乘線性回歸模型公式如下：

（式5）

式中：為因變量，為自變量，為服從正態(tài)分布的隨機(jī)誤差，為自變量個(gè)數(shù)，為截距常量，為回歸系數(shù)。

2.6.2 地理加權(quán)回歸模型。地理加權(quán)回歸模型是在特定模型的基礎(chǔ)上，假定其擬合系數(shù)為變量空間位置函數(shù)，以此建立空間系數(shù)回歸模型，公式如下：

（式6）

（式7）

（式8）

（式9）

（式10）

式中：為常數(shù)項(xiàng)，為第i個(gè)樣本的特征彈性系數(shù)，X為自變量矩陣，為空間權(quán)重矩陣，為各樣點(diǎn)歐式距離，h為最優(yōu)帶寬，為在h下去除第i 組觀測值，通過模型擬合得到的i點(diǎn)貧困發(fā)生率的預(yù)測值，為樣點(diǎn)i貧困發(fā)生率的實(shí)際值。

3 廣西縣域貧困空間格局特征

本文運(yùn)用ArcGIS10.2軟件可視化廣西貧困發(fā)生率，得到2016年廣西縣域的空間貧困格局，如圖2所示。

3.1 空間異質(zhì)性格局

從廣西縣域貧困發(fā)生率分布格局來看（圖2），廣西縣域貧困發(fā)生率由西北部向東北部和東南部過渡，其西北部貧困程度最高，呈現(xiàn)出西北部——西南部、中部、北部——東南部——東北部和南部遞減的空間異質(zhì)性分布。其中，貧困發(fā)生率最高的區(qū)域?yàn)榘偕?，最低為欽州市。

3.2 空間熱點(diǎn)分布

廣西縣域貧困空間熱點(diǎn)分布表現(xiàn)為西北部為貧困熱點(diǎn)，東部和南部為冷點(diǎn)。分析貧困空間熱點(diǎn)分布圖，發(fā)現(xiàn)在99%的置信度水平，欽北區(qū)、靈山縣、海城區(qū)、邕寧區(qū)、欽南區(qū)、合浦縣、港口區(qū)、平樂縣和鐘山縣為冷點(diǎn)；在95%的置信度水平，銀海區(qū)、鐵山港區(qū)、良慶區(qū)、江南區(qū)、青秀區(qū)、浦北縣、昭平縣、富川瑤族自治縣、玉州區(qū)、橫縣、陽朔縣和恭城瑤族自治縣為冷點(diǎn)；90%的置信度水平，東興市、防城區(qū)、博白縣、港南區(qū)、興安縣、雁山區(qū)、八步區(qū)、蒼梧縣、龍圩區(qū)、長洲區(qū)和蒼梧縣為冷點(diǎn)；在99%的置信度水平，那坡縣、樂業(yè)縣、巴馬瑤族自治區(qū)、金城江區(qū)、西林縣、右江區(qū)、天峨縣、隆林各族自治縣、凌云縣、田陽縣、靖西市、田林縣、天等縣、田東縣、鳳山縣、德?？h和東蘭縣為熱點(diǎn)；在95%的置信度水平，大化瑤族自治縣、平果縣、南丹縣、大新縣和都安瑤族自治縣為熱點(diǎn)；在90%的置信度水平，隆安縣和龍州縣為熱點(diǎn)；其余為不顯著區(qū)域。廣西縣域貧困空間熱點(diǎn)分布圖如圖3所示。

3.3 空間依賴性格局

對Morans I指數(shù)進(jìn)行999次隨機(jī)化運(yùn)算，全局自相關(guān)系數(shù)為正值，且在1%的顯著性水平上拒絕原假設(shè)，空間自相關(guān)系數(shù)顯著異于零，表明各縣域貧困具有很強(qiáng)的空間依賴性，同時(shí)貧困發(fā)生率的空間分布狀況表現(xiàn)為空間聚集狀態(tài)。對貧困發(fā)生率進(jìn)行局部空間自相關(guān)分析，同樣對指數(shù)進(jìn)行999次隨機(jī)化運(yùn)算，發(fā)現(xiàn)高-高貧困發(fā)生率區(qū)分布于西北部，低-低貧困發(fā)生率區(qū)分布于東部和南部，無高-低和低-高貧困發(fā)生率區(qū)，同時(shí)高-高區(qū)和低-低區(qū)數(shù)量多且呈集中式分布。局部空間自相關(guān)分析結(jié)果如圖4所示，廣西縣域貧困地域類型結(jié)果見表2。

4 廣西縣域貧困空間差異影響因素分析

4.1 普通回歸結(jié)果與空間依賴性檢驗(yàn)

本文首先使用最小二乘法對評價(jià)指標(biāo)進(jìn)行一階線性回歸分析，其結(jié)果的VIF均低于10，滿足回歸分析的基本要求，調(diào)整R2值為0.884，表明解釋變量能夠解釋被解釋變量全部變異的88.4%，OLS回歸分析的多重共線性結(jié)果為28.8。結(jié)果見表3。

對OLS經(jīng)典回歸結(jié)果進(jìn)行SEM回歸計(jì)算，結(jié)果顯示LAMBDA回歸系數(shù)為正，且在1%的顯著性水平上拒絕原假設(shè)，并對回歸殘差進(jìn)行全局空間自相關(guān)分析，其Morans I為0.28，與普通回歸相比，SEM回歸減弱了其空間依賴性。對回歸殘差進(jìn)行局部空間自相關(guān)分析，結(jié)果顯示，靖西市、龍州縣、江州區(qū)、憑祥市和寧明縣與其相鄰縣域的貧困發(fā)生率有較高的聚集效應(yīng)，與SEM回歸分析前相比，發(fā)現(xiàn)靖西市仍處于高-高區(qū)，回歸殘差空間依賴性如圖5所示，統(tǒng)計(jì)結(jié)果見表4。

從表3可以看出，地形因子、地表因子、氣象因子、生態(tài)系統(tǒng)恢復(fù)能力、經(jīng)濟(jì)壓力度、經(jīng)濟(jì)實(shí)力和教育狀況這7個(gè)解釋變量的回歸系數(shù)與被解釋變量（貧困發(fā)生率）間的線性關(guān)系較為顯著。

4.1.1 生態(tài)敏感性中的地形因子、地表因子和氣象因子對貧困的空間差異具有顯著的影響。地形因子和氣象因子在1%顯著性水平上具有正影響，地表因子在1%顯著性水平上具有負(fù)影響。當(dāng)某縣域的地形因子的面積占總土地面積的比值每上升1個(gè)百分點(diǎn)，縣域的貧困發(fā)生率將上升1.0392個(gè)百分點(diǎn)；當(dāng)氣象因子的影響占總體影響的比例每上升1個(gè)百分點(diǎn)，縣域的貧困發(fā)生率將上升1.1783個(gè)百分點(diǎn)；當(dāng)?shù)乇硪蜃拥拿娣e占土地總面積的比值每上升1個(gè)百分點(diǎn)，會(huì)使貧困發(fā)生率下降0.5386個(gè)百分點(diǎn)。由此可知，氣溫、海拔、坡度等對貧困具有較大的影響，而河網(wǎng)密度、植被覆蓋度和森林覆蓋率能帶動(dòng)當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展。

4.1.2 生態(tài)修復(fù)力的生態(tài)系統(tǒng)恢復(fù)能力在1%顯著性水平上具有顯著的負(fù)影響，當(dāng)每平方米的植被凈第一生產(chǎn)力上升1個(gè)百分點(diǎn)，貧困發(fā)生率將下降1.0570個(gè)百分點(diǎn)。植被凈第一生產(chǎn)力越高說明當(dāng)?shù)氐纳鷳B(tài)環(huán)境越好，對當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展具有積極的推動(dòng)作用。

4.1.3 生態(tài)壓力度中的經(jīng)濟(jì)壓力度在1%顯著性水平上具有明顯的正影響，人口壓力度在統(tǒng)計(jì)上不顯著，隨著人們收入來源的不斷增加，耕種技術(shù)的不斷提高，水資源和森林面積等的年際變化較小，耕地、糧食、水資源與森林資源等不再是影響人們生活的關(guān)鍵因素，隨著生活水平的不斷提高，其已成為維持生計(jì)的基本生活資料，成為提高生活滿意度的衡量標(biāo)準(zhǔn)。GDP密度與當(dāng)?shù)氐慕?jīng)濟(jì)收入有關(guān)，能夠反映當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展?fàn)顩r，對整個(gè)地區(qū)的收入具有較大的影響。

4.1.4 經(jīng)濟(jì)貧困中的經(jīng)濟(jì)實(shí)力在5%的顯著性水平上對貧困發(fā)生率具有較大的負(fù)影響，經(jīng)濟(jì)實(shí)力每提高1個(gè)百分點(diǎn)，貧困發(fā)生率下降0.2907個(gè)百分點(diǎn)，一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平在很大程度上反映某地區(qū)的居民收入，其GDP、收入及工業(yè)發(fā)展水平越高，競爭力越強(qiáng)，越能帶動(dòng)居民或縣域的發(fā)展。

4.1.5 社會(huì)貧困中的教育狀況在1%的顯著性水平上對貧困具有正影響，社會(huì)福利在統(tǒng)計(jì)上不顯著。社會(huì)保障和就業(yè)支出、教育支出與醫(yī)療衛(wèi)生支出均為政府在社會(huì)福利方面的投入，是社會(huì)進(jìn)步的體現(xiàn)。當(dāng)教育狀況每提升1個(gè)百分點(diǎn)將會(huì)導(dǎo)致貧困發(fā)生率上升0.1769個(gè)百分點(diǎn)，少數(shù)民族以農(nóng)林牧漁業(yè)為主，從業(yè)結(jié)構(gòu)會(huì)導(dǎo)致貧困水平提高，接受教育的人口越多，其家庭開銷越大，受教育時(shí)間越長，家庭教育支出越多，人均收入越低，文化程度決定職業(yè)的選擇，就整體而言，收入會(huì)隨著文化程度的提高而相對較高。

4.2 地理加權(quán)回歸結(jié)果

運(yùn)用地理加權(quán)模型分析地形因子、地表因子、氣象因子、生態(tài)系統(tǒng)恢復(fù)能力、經(jīng)濟(jì)壓力度、經(jīng)濟(jì)實(shí)力和教育狀況7個(gè)因素的顯著性，最優(yōu)帶寬為56Km，調(diào)整R2為0.89，高于OLS回歸的0.88，表明GWR回歸模型能更好的解釋變量對被解釋變量的變異。廣西縣域尺度解釋變量對被解釋變量的“效應(yīng)水平差異”如圖6所示。

4.2.1 地形因子對貧困的效應(yīng)表現(xiàn)出由西北部、北部和東北部向東南部和南部遞減的趨勢。地形因子的系數(shù)在0.7821-1.0107之間。從地域上分析，地形因子在百色市、河池市、柳州市和賀州市的部分縣域的系數(shù)最高，中部地區(qū)次之，向東南部和南部的貴港市、防城港市、欽州市和梧州市減小。

4.2.2 地表因子的效應(yīng)差異體現(xiàn)為由南部和東南部向西北部和東北部遞減。系數(shù)在-0.4719～ -0.3342之間。從地域角度分析，廣西南部和東南部的欽州市、貴港市、北海市、南寧市及防城港市等城市的部分地區(qū)系數(shù)最大，在百色市、柳州市、桂林市欲賀州市部分區(qū)域系數(shù)最小。

4.2.3 氣象因子的效應(yīng)在西部最高及東南部部分區(qū)域最高，向東北部降低，中部最低，回歸系數(shù)在1.0853-1.2607之間。從地域來看，百色市、崇左市、來賓市與玉林市部分區(qū)域的系數(shù)最高，貴港市、欽州市和南寧市的部分區(qū)域系數(shù)最低。

4.2.4 生態(tài)系統(tǒng)恢復(fù)能力的效應(yīng)差異呈現(xiàn)為縱軸線向東系數(shù)最高，呈右“T”狀向東北部和西北部逐漸遞減，回歸系數(shù)在-1.0760- -1.0075之間。從地域角度分析，欽州市、南寧市、貴港市和河池市的部分地區(qū)系數(shù)最高，崇左市、百色市和河池市的部分地區(qū)系數(shù)最低。

4.2.5 經(jīng)濟(jì)壓力度的效應(yīng)差異由東南部和中部向西周遞減，回歸系數(shù)在0.1488～0.1679之間。從地域角度分析，中部及百色市西北部地區(qū)系數(shù)最高，南部沿海地區(qū)最低。

4.2.6 經(jīng)濟(jì)實(shí)力效應(yīng)表現(xiàn)為由縱軸線向兩側(cè)遞減的趨勢，回歸系數(shù)為-0.2896～-0.2397之間。從地域方面看，河池市、柳州市和南寧市的部分地區(qū)系數(shù)最高，百色市和賀州市的部分地區(qū)系數(shù)最低。

4.2.7 教育狀況的效應(yīng)差異表現(xiàn)為由東北—西南軸線向兩側(cè)遞減，回歸系數(shù)在0.2029-0.2735之間。從地域角度分析，欽州市、貴港市和梧州市的部分縣域系數(shù)最高，中部的東北——西南軸線區(qū)域次之，百色市、河池市、玉林市和賀州市部分縣域最低。

綜上所述，影響廣西縣域貧困的7個(gè)顯著影響因素對貧困的影響具有空間差異性，其效應(yīng)分布模式也各不相同，貧困因素的效應(yīng)差異在一定程度上限制著扶貧政策的制定和實(shí)施，相關(guān)部門應(yīng)因地制宜開展扶貧工作。

5 結(jié)論

本文以廣西為研究對象，基于縣域尺度分析了貧困空間異質(zhì)性格局和空間依賴性格局，并通過定量分析尋找造成貧困空間差異的影響因素，并對影響因素進(jìn)行分析，結(jié)論如下：

在中尺度的縣域單元，貧困存在空間異質(zhì)性和空間依賴性特征。從國家間、國家尺度上的空間異質(zhì)性規(guī)律可知，空間異質(zhì)性是影響貧困空間分布的一種基本屬性。

廣西西北部縣域的貧困程度最高，表現(xiàn)為由西北部——西南部、中部、北部——東南部——東北部和南部遞減的空間異質(zhì)性分布，空間依賴性較強(qiáng)，高-高貧困率區(qū)位于廣西西北部地區(qū)，低-低貧困率區(qū)分布于東部和南部，無高-低和低-高貧困發(fā)生率區(qū)，同時(shí)高-高區(qū)和低-低區(qū)數(shù)量多且呈集中式分布。

地形因子、地表因子、氣象因子、生態(tài)系統(tǒng)恢復(fù)能力、經(jīng)濟(jì)壓力度、經(jīng)濟(jì)實(shí)力和教育狀況是造成廣西縣域貧困空間差異的顯著的影響因素，其各因素間效應(yīng)水平的空間模式也互不相同。這7個(gè)因素相互作用，共同影響著貧困空間的形成。

[參考文獻(xiàn)]

[1] 劉小鵬，李永紅，王亞娟，等.縣域空間貧困的地理識別研究——以寧夏涇源縣為例[J].地理學(xué)報(bào)，2017，71（3）：545-557.

[2] 曲瑋，涂勤，牛叔文.貧困與地理環(huán)境關(guān)系的相關(guān)研究述評[J].甘肅社會(huì)科學(xué)， 2010（1）： 103-106.

[3] 劉艷華，徐勇.中國農(nóng)村多維貧困地理識別及類型劃分[J].地理學(xué)報(bào)，2015， 70（6）： 993-1007.

[4] Zhang Yutao， Li Jimei， Chang Shunli， etal. Spatial distribution pattern of Picea schrenkiana population in the Middle Tianshan Mountains and the relationship with topographic attributes[J].Journal of Arid Land， 2012，4（1）： 457-468.

[5] 袁媛，王仰麟，馬晶，等.河北省縣域貧困度多維評估[J].地理科學(xué)進(jìn)展，2014， 34（1）： 124-133.

[6] 袁媛， 吳縛龍，許學(xué)強(qiáng).轉(zhuǎn)型期中國城市貧困和剝奪的空間模式[J].地理學(xué)報(bào)， 2009， 64（6）： 753-763.

[7] 申希兵.基于DEM 的廣西旅游氣候舒適度時(shí)空分異研究[J].中國巖溶.2017，36（4）：1-8.

[8] 張福文.基于DMSP/OLS夜間燈光數(shù)據(jù)的廣西1992-2012年能源消費(fèi)研究[D].南寧：廣西師范學(xué)院.2015.

[9] 周興，童新華，華璀，等.廣西生態(tài)環(huán)境敏感性綜合評價(jià)及其空間分布[J].廣西師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2006，23（S1）：1-8.

[10] 胡鳳，盧曉，吳麗葉，等.對廣西土地整治助推扶貧開發(fā)的思考[J].南方國土資源，2017（6）：47-48.

[11] 孫丕苓，許月卿，劉慶果，等.基于環(huán)京津貧困帶土地利用多功能性的咸魚尺度時(shí)空分異記影響因素[J].土地整理工程，2017，33（15）：283-292.

[12] 張偉，張杰，汪峰，等.京津冀工業(yè)源大氣污染排放空間集聚特征分析[J].城市發(fā)展研究，2017，24（9）：81-87.

[13] 陳勤昌，夏莉惠，蔣莉，等.中部六省重要旅游資源賦存的空間格局分析[J].中南林業(yè)科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，11（3）：63-68.

[14] 郭敏，李淑杰.基于局部空間自相關(guān)的耕地質(zhì)量空間集聚性和保護(hù)分區(qū)——以吉林省九臺市為例[J].江蘇農(nóng)業(yè)科學(xué)，2017，45（3）：206-210.

[15] 邵留長，喬家君，汪永新.河南省縣域經(jīng)濟(jì)空間結(jié)構(gòu)及演進(jìn)特征[J].地域研究與開發(fā)，2016，35（1）：64-69.

[16] 許劍輝，趙怡，鐘凱文，等.基于地理加權(quán)和最小二乘線性回歸模型的氣溫與NDVI聚集密度的相關(guān)分析[J].熱帶地理，2017，37（2）：269-276.

[17] 孫倩，湯放華.基于空間擴(kuò)展模型和地理加權(quán)回歸模型的城市住房價(jià)格空間分異比較[J].地理研究，2015，34（7）：1343-1351.

[18] 王永明，王美霞，吳殿廷，等.貴州省鄉(xiāng)村貧困空間格局與形成機(jī)制分析[J].地理科學(xué)，2017，37（2）：217-227.