王宇航，于 強(qiáng)，岳德鵬，張啟斌，馬 歡

(北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室,100083,北京)

城市化進(jìn)程在我國過去的20年里是最大的社會經(jīng)濟(jì)空間運(yùn)動,在未來的20年里也將受到重點(diǎn)關(guān)注[1]。城市化推動社會經(jīng)濟(jì)的發(fā)展,與此同時帶來的生態(tài)問題也不容忽視,平衡經(jīng)濟(jì)發(fā)展和生態(tài)保護(hù)這兩者的關(guān)系,成為我國全面發(fā)展的重大挑戰(zhàn)[2]。隨著國家政策的實(shí)施,大中城市城市化發(fā)展迅速,受到較多專家學(xué)者關(guān)注,但對于縣域尺度城鎮(zhèn)化問題的研究并不多見[3]。近些年來,縣域城市化發(fā)展也是突飛猛進(jìn),城鎮(zhèn)用地擴(kuò)張帶動當(dāng)?shù)亟?jīng)濟(jì)發(fā)展,對當(dāng)?shù)氐纳鷳B(tài)環(huán)境也產(chǎn)生了一定影響,故探索縣域城鎮(zhèn)化的形成機(jī)制,對于確立縣域城鎮(zhèn)化的發(fā)展戰(zhàn)略、因地制宜地引導(dǎo)城鎮(zhèn)化的地域模式和用地政策提供參考依據(jù)[4]。

近年來,元胞自動機(jī)(cellular automata,CA)被廣泛應(yīng)用于地理空間模擬研究,與Markov、多智能體、Logistic回歸等多種模型進(jìn)行結(jié)合用以提高模擬精度[5],其中以 CA-Markov模型研究較為熱點(diǎn)。CA-Markov模型既具有CA模型模擬復(fù)雜系統(tǒng)空間變化的能力,也具有 Markov模型長期預(yù)測的優(yōu)勢[6],且仍然不斷被改進(jìn)。李俊等[7]通過Logistic改進(jìn)CA-Markov模型對寧蒙沿黃地帶城鎮(zhèn)用地進(jìn)行擴(kuò)展驅(qū)動力分析和情景模擬,張曉娟等[8]基于多標(biāo)準(zhǔn)評價(multi-criterium evaluation,MCE)改進(jìn)CAMarkov模型對三峽庫區(qū)土地利用演變進(jìn)行模擬預(yù)測,均取得較好結(jié)果。作者綜合前人研究,引入地理探測器(GeoDetector,GD)和支持向量機(jī)(Support Vector Machines,SVM)2種方法,從原理上對CA模型進(jìn)行改進(jìn),并結(jié)合Markov模型實(shí)現(xiàn)模擬預(yù)測。地理探測器在分析土地利用變化與驅(qū)動因子關(guān)系方面具有較大優(yōu)勢[9],用以CA模型土地利用適宜性參數(shù)的設(shè)置；支持向量機(jī)在特征提取和目標(biāo)識別方面具有廣泛的應(yīng)用[10],用來確定CA模型非線性轉(zhuǎn)換規(guī)則；由此建立GD_SVM_CA-Markov模型。

研究區(qū)內(nèi)蒙古磴口縣是典型的干旱半干旱區(qū)域,沙漠化問題顯著,生態(tài)環(huán)境保護(hù)與治理亟需解決[11],且處在城鎮(zhèn)化的進(jìn)程當(dāng)中,平衡好當(dāng)?shù)亟ㄔO(shè)用地、沙漠化土地以及綠色生態(tài)用地這3類用地景觀顯得尤為重要。筆者基于GD_SVM_CA-Markov模型對磴口縣從時間和空間2個維度對其用地景觀動態(tài)分布變化進(jìn)行分析,探究其變化規(guī)律,并進(jìn)行模擬預(yù)測,從而希望能為當(dāng)?shù)爻擎?zhèn)發(fā)展規(guī)劃、沙漠化治理以及生態(tài)環(huán)境保護(hù)提供一定的決策參考。

1 研究區(qū)概況

磴口縣地處中國西北(E107°05′,N40°13′),位于內(nèi)蒙古河套平原源頭,黃河中上游,靠狼山山脈,西鄰烏蘭布和沙漠,如圖1所示。磴口縣屬中溫帶大陸性季風(fēng)氣候,氣候干旱少雨,區(qū)域蒸發(fā)量大,水資源較為短缺,土地沙漠化嚴(yán)重。多年平均降水143.9 mm,多年平均蒸發(fā)量2 327 mm,多年平均氣溫7.6℃。黃河流經(jīng)磴口縣52 km,年徑流量310億m3,共有水域面積2 406.67 hm2。境內(nèi)海拔1 030～2 046 m,整個地形除山區(qū)外,呈東南高西北低,逐漸傾斜[12]。

圖1 磴口縣區(qū)位圖Fig.1 Location map of Dengkou county

2 材料與方法

2.1 數(shù)據(jù)來源與處理

本研究所用原始數(shù)據(jù)主要包括磴口縣2006年、2011和2016年Landsat TM/ETM+/OLI分辨率為30 m的遙感影像、磴口縣分辨率為30 m的DEM數(shù)據(jù)以及自然、社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)等。對原始數(shù)據(jù)進(jìn)行處理后可分為土地利用數(shù)據(jù)和驅(qū)動因子數(shù)據(jù)2類。利用ENVI和ArcGIS軟件對3期的遙感影像進(jìn)行監(jiān)督分類和人工目視解譯,根據(jù)研究區(qū)特點(diǎn),分為建設(shè)用地、水域、耕地、林草地、沙地、未利用地6類,分類精度達(dá)到了85.6%。驅(qū)動因子數(shù)據(jù)一部分來自于磴口縣相關(guān)水利部門的測點(diǎn)數(shù)據(jù)以及磴口縣各年社會經(jīng)濟(jì)統(tǒng)計(jì)年鑒,一部分是通過在ArcGIS、ENVI軟件中分析處理得到,可分為自然驅(qū)動因子數(shù)據(jù)、社會經(jīng)濟(jì)驅(qū)動因子數(shù)據(jù)和鄰域驅(qū)動因子數(shù)據(jù)3類,共10種。

2.2 GD_SVM_CA-Markov模型景觀格局模擬

基于GD_SVM_CA-Markov模型對研究區(qū)景觀格局變化進(jìn)行模擬,具體的過程如下:

1)適宜性圖集的創(chuàng)建。將土地景觀類型發(fā)生變化的區(qū)域設(shè)置為1,土地景觀類型未發(fā)生變化的區(qū)域設(shè)置為0,選取DEM、坡度、坡向、NDVI、地下水埋深、蒸散發(fā)、人口密度、距水域最近距離、距居民點(diǎn)最近距離、距道路最近距離共10個驅(qū)動因子,將土地景觀類型變化值(1或0)與10個驅(qū)動因子通過地理探測器(GeoDetector,GD)在GeoDetector程序中進(jìn)行因子探測分析,地理探測器因子探測的原理[9]為

式中:PD,H為驅(qū)動因素解釋力；D為地理要素指標(biāo)變化的驅(qū)動因子；n與分別為研究區(qū)域整體樣本量與方差；H為某種因子的分類數(shù)；為D指標(biāo)在i類上樣本數(shù)。取值區(qū)間為[0,1],其數(shù)值越大則表明該因子對地理要素指標(biāo)變化解釋能力越強(qiáng)[13]。

得到的結(jié)果作為接下來CA轉(zhuǎn)化規(guī)則的參數(shù),并結(jié)合IDRISI軟件提供的MCE模塊完成土地利用適宜性圖集創(chuàng)建。

2)定義元胞、狀態(tài)、鄰域和轉(zhuǎn)化規(guī)則。筆者利用支持向量機(jī)(SVM)制定分類決策[14],利用非線性的轉(zhuǎn)換規(guī)則來反映土地景觀格局系統(tǒng)復(fù)雜的特征[15],轉(zhuǎn)化規(guī)則的非線性不確定性定義主要由支持向量機(jī)的設(shè)計(jì)與開發(fā)、訓(xùn)練數(shù)據(jù)的采樣、模型檢驗(yàn)等組成,將CA模型與支持向量機(jī)(SVM)分類的土地景觀格局發(fā)展概率結(jié)合,通過計(jì)算得出各區(qū)域空間變量對每個元胞的土地景觀格局發(fā)展概率的貢獻(xiàn)。以CA標(biāo)準(zhǔn)的5×5鄰近濾波器為鄰域定義,即每個中心元胞周圍有5×5元胞組成的矩陣空間對該元胞狀態(tài)的改變具有顯著的影響[16]。

3)Markov過程?；?006年和2011年2期的土地景觀數(shù)據(jù),應(yīng)用Markov模型生成土地利用轉(zhuǎn)移(概率)矩陣[17],作為接下來模擬的各土地景觀數(shù)量需求。

4)實(shí)現(xiàn)模擬。以2011年作為模擬的起始時刻,加入適宜性圖集,利用已訓(xùn)練好的SVM模型,結(jié)合經(jīng)過Markov過程的2006—2011年土地利用轉(zhuǎn)移矩陣以及轉(zhuǎn)移概率矩陣,CA的迭代次數(shù)設(shè)置為10,對研究區(qū)土地景觀格局發(fā)展趨勢進(jìn)行外推,實(shí)現(xiàn)2016年研究區(qū)土地景觀空間格局預(yù)測模擬[18]。

5)精度驗(yàn)證。為了檢驗(yàn)GD_SVM_CA-Markov模型模擬2016年不同土地景觀類型面積和空間分布格局結(jié)果的合理性,筆者運(yùn)用IDRISI軟件中的Crosstab模塊,引入各類景觀的Kappa系數(shù)[19],將2016年的土地景觀模擬結(jié)果與實(shí)際情況進(jìn)行比較。

3 結(jié)果與分析

3.1 土地景觀數(shù)量變化分析

如表1所示,2006—2016年間,由于城鎮(zhèn)擴(kuò)張,磴口縣建設(shè)用地景觀面積呈現(xiàn)持續(xù)增加的趨勢,且2011—2016年間增加幅度更大；沙地景觀面積呈現(xiàn)持續(xù)減少趨勢,可見當(dāng)?shù)厣衬卫砣〉靡欢ǔ尚?但在2011—2016年間,沙地面積減少速率放緩,沙漠化治理仍需加大力度；耕地景觀面積呈現(xiàn)持續(xù)增加的趨勢,未利用地景觀面積呈現(xiàn)持續(xù)減少的趨勢；受到城鎮(zhèn)擴(kuò)張的影響,水域、林草地等生態(tài)用地景觀面積呈現(xiàn)前期增加緩慢、后期減少的趨勢,城鎮(zhèn)發(fā)展的同時,應(yīng)注意生態(tài)環(huán)境保護(hù),退耕還林(草)等生態(tài)保護(hù)工程仍需抓緊。

表1 2006—2016年不同土地景觀類型面積變化Tab.1 Area changes of different landscape types from 2006—2016 hm2

3.2 Markov土地利用轉(zhuǎn)移分析

如表2、表3所示,2006—2011年間,土地利用轉(zhuǎn)移過程主要發(fā)生在建設(shè)用地—耕地、水域—耕地、沙地—林草地之間的轉(zhuǎn)化。就建設(shè)用地而言,有15.64%的概率轉(zhuǎn)化為耕地；就水域而言,有11.56%的概率轉(zhuǎn)化為耕地；就沙地而言,有18.37%的概率轉(zhuǎn)化為林草地。建設(shè)用地―沙地、水域—沙地、未利用地—沙地以及沙地—建設(shè)用地之間基本上未發(fā)生轉(zhuǎn)化。

表2 2006—2011年土地利用轉(zhuǎn)移矩陣Tab.2 Land use transfer matrix from 2006 to 2011 hm2

表3 2006—2011年土地利用轉(zhuǎn)移概率矩陣Tab.3 Land use transfer probability matrix from 2006 to 2011

3.3 土地景觀時空變化驅(qū)動力分析

將研究區(qū)土地景觀類型變化值及10種驅(qū)動因子帶入GeoDetector程序進(jìn)行分析計(jì)算,得到如表4所示的結(jié)果,可知,P值為驅(qū)動因子對土地景觀類型變化的解釋程度,P值大小與解釋程度強(qiáng)弱成正比。10種驅(qū)動因子對磴口縣土地景觀類型變化影響程度的大小依次是:地下水埋深、NDVI、蒸散發(fā)、人口密度、距居民點(diǎn)最近距離、距水域最近距離、DEM、距道路最近距離、坡向、坡度,其中地下水埋深、NDVI以及蒸散發(fā)對磴口縣土地景觀類型變化的解釋力極強(qiáng)。由此可見,水文條件、植被覆蓋以及人口要素是決定當(dāng)?shù)赝恋鼐坝^類型時空變化的決定性因素。

表4 驅(qū)動因子地理探測結(jié)果Tab.4 GeoDetector results of driving factors

3.4 模擬結(jié)果及精度檢驗(yàn)

圖2 磴口縣土地景觀解譯數(shù)據(jù)與模擬結(jié)果Fig.2 Landscape interpretation data and simulation results in Dengkou county

為了驗(yàn)證模型的精度,本研究與傳統(tǒng)CA-Markov模型的模擬結(jié)果進(jìn)行精度比較,來說明GD_SVM_CAMarkov模型的優(yōu)勢性。2016年真實(shí)解譯圖、2016年GD_SVM_CA-Markov模擬圖、2016年CA-Markov模擬圖如圖2所示。經(jīng)計(jì)算(表5),2016年CA-Markov模型模擬結(jié)果的Kappa系數(shù)為0.862 8,2016年GD_SVM_CA-Markov模型模擬結(jié)果的Kappa系數(shù)為0.925 0,總體模擬精度均較高,但GD_SVM_CAMarkov模型模擬精度更高。因此,利用GD_SVM_CA-Markov模型對磴口縣土地景觀空間分布格局進(jìn)行模擬預(yù)測,模擬精度較高,結(jié)果可靠。

表5 模型精度對比Tab.5 Model accuracy comparison

3.5 模型應(yīng)用

基于2016年磴口縣土地利用數(shù)據(jù)以及2011—2016年土地利用轉(zhuǎn)移數(shù)據(jù),應(yīng)用 GD_SVM_CAMarkov模型,對2021年土地景觀空間分布格局進(jìn)行模擬預(yù)測,模擬結(jié)果如圖3所示,可以直觀看出,建設(shè)用地景觀和沙地景觀面積增多,水域、林草地等生態(tài)用地景觀面積減少。在ArcGIS軟件中進(jìn)行面積統(tǒng)計(jì)分析后可知,建設(shè)用地景觀面積由2016年的8 952.67 hm2增加為1萬1 619.21 hm2,沙地景觀面積由2016年的5萬6 460.50 hm2增加為6萬7235.11 hm2,水域、林草地等生態(tài)用地景觀面積由2016年的15萬2799.97 hm2減少為14萬3670.04 hm2。北部以及東北部的部分村鎮(zhèn)出現(xiàn)大量城鎮(zhèn)擴(kuò)張,那仁布魯格嘎查西南部以及沙拉毛道嘎查西部出現(xiàn)沙漠化擴(kuò)張現(xiàn)象,對于磴口縣而言,在城鎮(zhèn)發(fā)展的同時,采取沙漠化治理以及生態(tài)環(huán)境保護(hù)措施刻不容緩。

圖3 基于GD_SVM_CA-Markov模型的2021年磴口縣土地景觀格局模擬結(jié)果Fig.3 Simulated landscape pattern in Dengkou county in 2021 based on GD_SVM_CA-Markov model

4 結(jié)論及討論

2006—2016年間,磴口縣建設(shè)用地景觀面積呈現(xiàn)持續(xù)增加的趨勢,受到城鎮(zhèn)擴(kuò)張的影響,當(dāng)?shù)厮?、林草地等生態(tài)用地景觀面積呈現(xiàn)前期增加緩慢、后期減少的趨勢,沙地景觀面積呈現(xiàn)持續(xù)減少趨勢,可見當(dāng)?shù)厣衬卫砣〉靡欢ǔ尚?。水文條件、植被覆蓋以及人口要素是決定當(dāng)?shù)赝恋鼐坝^類型時空變化的決定性因素。故城鎮(zhèn)發(fā)展的同時,應(yīng)注意生態(tài)環(huán)境保護(hù),退耕還林(草)等生態(tài)保護(hù)工程仍需抓緊。

2016年CA-Markov模型模擬結(jié)果的Kappa系數(shù)為0.862 8,2016年GD_SVM_CA-Markov模型模擬結(jié)果的Kappa系數(shù)為0.925 0,總體模擬精度均較高,但總體上GD_SVM_CA-Markov模型模擬精度更高。因此,利用GD_SVM_CA-Markov模型對磴口縣土地景觀空間分布格局進(jìn)行模擬預(yù)測,模擬精度較高,結(jié)果可靠。

本研究中,模擬預(yù)測的過程統(tǒng)一采用了30 m×30 m大小的柵格尺寸,濾波器大小設(shè)置為5×5,對于尺度的考慮不足,未來會針對不同元胞大小和濾波器大小進(jìn)行模擬預(yù)測的研究,探究最適合的元胞大小和濾波器大小,以期達(dá)到更高的模擬精度和結(jié)果。社會經(jīng)濟(jì)要素對于土地利用變化具有一定影響,本研究對于社會經(jīng)濟(jì)要素涉及不多,未來會更多地參考地區(qū)相關(guān)的社會經(jīng)濟(jì)政策。另外,接下來也會就當(dāng)下熱點(diǎn)的多情景模擬問題繼續(xù)深入研究,通過設(shè)定一定情景,來定義元胞的轉(zhuǎn)化規(guī)則,實(shí)現(xiàn)多情景模擬,提高研究的豐富性、全面性。

5 參考文獻(xiàn)

[1] 廖李紅,戴文遠(yuǎn),陳娟,等.平潭島快速城市化進(jìn)程中三生空間沖突分析[J].資源科學(xué),2017,39(10):1823.LIAO Lihong,DAI Wenyuan,CHEN Juan,et al.Spatial conflict between ecological-production-living spaces on Pingtan Island during rapid urbanization[J].Resources Science,2017,39(10):1823.

[2] 喬琨,朱文泉,胡德勇,等.北京市不同功能區(qū)不透水地表時空變化差異[J].地理學(xué)報,2017,72(11):2018.QIAO Kun,ZHU Wenquan,HU Deyong,et al.Examining the distribution and dynamics of impervious surface in different functional zones of Beijing[J].Acta Geographica Sinica,2017,72(11):2018.

[3] 鄭慧,賈珊,趙昕.新型城鎮(zhèn)化背景下中國區(qū)域生態(tài)效率分析[J].資源科學(xué),2017,39(7):1314.ZHENG Hui,JIA Shan,ZHAO Xin.An analysis of regional eco-efficiency in China under the background of new-type urbanization[J].Resources Science,2017,39(7):1314.

[4] 王新越,劉二戀,候娟娟.山東省旅游城鎮(zhèn)化響應(yīng)的時空分異特征與類型研究[J].地理科學(xué),2017,37(7):1087.WANG Xinyue,LIU Erlian,HOU Juanjuan.Characteristics and types of spatial-temporal differentiation of tourism urbanization response in Shandong province[J].Scientia Geographica Sinica,2017,37(7):1087.

[5] 李志,劉文兆,鄭粉莉.基于CA-Markov模型的黃土塬區(qū)黑河流域土地利用變化[J].農(nóng)業(yè)工程學(xué)報,2010,26(1):346.LI Zhi,LIU Wenzhao,ZHENG Fenli.Land use change in Heihe catchment on loess tableland based on CA-Markov model[J].Transactions of the CSAE,2010,26(1):346.

[6] 王友生,余新曉,賀康寧,等.基于CA-Markov模型的藉河流域土地利用變化動態(tài)模擬[J].農(nóng)業(yè)工程學(xué)報,2011,27(12):330.WANG Yousheng,YU Xinxiao,HE Kangning,et al.Dynamic simulation of land use change in Jihe watershed based on CA-Markov model[J].Transactions of the CSAE,2011,27(12):330.

[7] 李俊,董鎖成,李宇,等.寧蒙沿黃地帶城鎮(zhèn)用地擴(kuò)展驅(qū)動力分析與情景模擬[J].自然資源學(xué)報,2015,30(9):1472.LI Jun,DONG Suocheng,LI Yu,et al.Driving force analysis and scenario simulation of urban land expansion in Ningxia-Inner Mongolia area along the Yellow River[J].Journal of Natural Resources,2015,30(9):1472.

[8] 張曉娟,周啟剛,王兆林,等.基于MCE_CA-Markov的三峽庫區(qū)土地利用演變模擬及預(yù)測[J].農(nóng)業(yè)工程學(xué)報,2017,33(19):268.ZHANG Xiaojuan,ZHOU Qigang,WANG Zhaolin,et al.Simulation and prediction of land use change in Three Gorges Reservoir Area based on MCE_CA-Markov[J].Transactions of the CSAE,2017,33(19):268.

[9] 王勁峰,徐成東.地理探測器:原理與展望[J].地理學(xué)報,2017,72(1):116.WANG Jinfeng,XU Chengdong.Geodetector:Principle and prospective[J].Acta Geographica Sinica,2017,72(1):116.

[10] 張?zhí)m影,龐博,徐宗學(xué),等.基于支持向量機(jī)的石羊河流域徑流模擬適用性評價[J].干旱區(qū)資源與環(huán)境,2013,07:113.ZHANG Lanying,PANG Bo,XU Zongxue,et al.Assessment on the applicability of support vector machinebased models for runoff simulation in Shiyang river basin[J].Journal of Arid Land Resources and Environment,2013,07:113.

[11] 馬歡,于強(qiáng),岳德鵬,等.基于MAS-LCM的沙漠化空間模擬方法研究[J].農(nóng)業(yè)機(jī)械學(xué)報,2017,48(10):134.MA Huan,YU Qiang,YUE Depeng,et al.Spatial simulation method of desertification based on MAS-LCM model[J].Transactions of the Chinese Society for Agricultural Machinery,2017,48(10):134.

[12] YU Q,YUE D P,WANG J P,et al.The optimization of urban ecological infrastructure network based on the changes of county landscape patterns:A typical case study of ecological fragile zone located at Dengkou(Inner Mongolia)[J].Journal of Cleaner Production,2017,163,S54.

[13] 周亮,周成虎,楊帆,等.2000—2011年中國PM2.5時空演化特征及驅(qū)動因素解析[J].地理學(xué)報,2017,72(11):2079.ZHOU Liang,ZHOU Chenghu,YANG Fan,et al.Spatio-temporal evolution and the influencing factors of PM2.5 in China between 2000 and 2011[J].Acta Geographica Sinica,2017,72(11):2079.

[14] 林志壘,晏路明.高光譜影像的BDT-SVM地物分類算法與應(yīng)用[J].遙感技術(shù)與應(yīng)用,2016,31(1):177.LIN Zhilei,YAN Luming.The object classification algorithm and application for hyperspectral imagery based on BDT_SVM[J].Remote Sensing Technology and Application,2016,31(1):177.

[15] 宋榮杰,寧紀(jì)鋒,劉秀英,等.基于紋理特征和SVM的QuickBird影像蘋果園提取[J].農(nóng)業(yè)機(jī)械學(xué)報,2017,48(3):188.SONG Rongjie,NING Jifeng,LIU Xiuying,et al.Ap-ple orchard extraction with quickbird imagery based on texture features and support vector machine[J].Transactions of the Chinese Society for Agricultural Machinery,2017,48(3):188.

[16] 陳寶芬,張耀民,江東.基于CA-ABM模型的福州城市用地擴(kuò)張研究[J].地理科學(xué)進(jìn)展,2017,36(5):626.CHEN Baofen,ZHANG Yaomin,JIANG Dong.Urban land expansion in Fuzhou City based on coupled cellular automata and agent-based models(CA-ABM)[J].Progress in Geography,2017,36(5):626.

[17] 何丹,周璟,高偉,等.基于CA-Markov模型的滇池流域土地利用變化動態(tài)模擬研究[J].北京大學(xué)學(xué)報(自然科學(xué)版),2014,50(6):1095.HE Dan,ZHOU Jing,GAO Wei,et al.An integrated CA-Markov model for dynamic simulation of land use change in Lake Dianchi watershed[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2014,50(6):1095.

[19] 布仁倉,常禹,胡遠(yuǎn)滿,等.基于Kappa系數(shù)的景觀變化測度:以遼寧省中部城市群為例[J].生態(tài)學(xué)報,2005,25(4):778.BU Rencang,CHANG Yu,HU Yuanman,et al.Measuring spatial information changes using Kappa coefficients:A case study of the city groups in central Liaoning province[J].Acta Ecologica Sinica,2005,25(4):778.