摘要：基于高分辨率遥感影像、GIS和RS技术，利用转移矩阵、景观指数和地图叠加等方法系统分析了辛庄镇域生态用地演变的时空特征，并引入二项Logistic回归模型，选择到农村居民点的距离、到道路的距离、到河流水系的距离、到村镇中心的距离、人均GDP、人均工业总产值、人均农业总产值、人均收入、人口密度为驱动因子，对研究区主要类型生态用地变化的驱动力进行分析。结果表明：1991～2009年，辛庄镇生态用地空间结构和面积变化剧烈，总体上呈加速缩减趋势。其中，水田面积变化尤为明显，18a间累积减少1806.61hm2；经济效益较高的水产养殖用地和园地规模有所增长，尤其是水产养殖用地，1991～2009年年均增长43.01hm2，长幅为93.26%。生态用地主要转移去向为水产养殖用地、居住用地和工业用地。生态用地总体上破碎化程度加剧，类型水平上，大体上呈现为破碎度加剧、景观形状日趋规则、优势度逐渐降低、聚集度日益增加的态势。各时段生态用地演变的主要驱动因子均为邻域因子，但随着时间的推移，社会经济因子对生态用地变化的解释效力逐渐增强。
关键词：生态用地，景观指数，Logistic回归模型，GIS
我国的快速城镇化进程及其对全球的影响已经成为21世纪最大的世界性事件之一。城镇是以人类活动为主导的社会经济自然复合生态系统，生态用地是城镇生态系统的重要组成部分，具有十分重要的生态服务功能[1]。作为人类赖以生存的基本资源与条件，生态用地的保护、生态破坏严重地带的逐步恢复以及自然生态用地的退还，对于维护和改善区域生态平衡和生态安全，实现区域可持续发展，具有极其重要的意义[2]。
苏南作为我国经济高度发达的地区，近年来，随着城镇化进程的不断提速和人口的不断集聚，城镇建设用地快速扩张，大量的生态用地受到侵占，生态环境问题日益严重，景观破碎化加剧[3～5]，城乡生态系统安全、生态服务质量已面临严峻考验和挑战[6]。鉴于生态用地的重要生态服务价值以及城镇化过程中LUCC的生态环境效应[7，8]，有必要从复杂的LUCC中分离出生态用地，科学定量地分析其在典型快速城镇化地区的演变过程及驱动机制，这对于丰富城镇生态安全的空间策略研究[9]和促进城镇生态安全格局的形成具有现实意义。近年来，众多学者对生态用地时空变化及其驱动机制进行许多定性或定量研究。但以往的研究主要集中在区域[2，3]和城市尺度[9～11]，村镇尺度的生态用地研究较少涉及。但随着研究的不断深入，需要针对更加多样化的研究区域[12]，尤其要加强中观和微观尺度的研究[13]。选择小尺度空间范围的典型区域作为研究对象，是深入认识和分析生态用地演变规律及其影响因素的有效途径[14]，可以促进我国的LUCC及其驱动机制研究向更深层次发展[15]。
以经济高速发展的苏南地区辛庄镇为例，基于高分辨率遥感影像数据，利用转移矩阵、景观指数和Logistic回归等方法，定量分析了快速城镇化过程中辛庄镇生态用地的演变特征及其主要的驱动因子。本研究拟回答以下两个问题：（1）快速城镇化进程中，苏南地区生态用地如何演变？（2）不同类型生态用地变化的主要影响因子有哪些？以期为研究区或同类地区的生态安全格局构建和生态用地保护规划提供科学有效的决策支持。
1 研究地区与研究方法
1.1 研究区概况
辛庄镇地处江苏省常熟市南部（120°32＇～120°44＇E，31°29＇～31°37＇N），是新规划的苏州市两大一类小城镇之一，东连沙家浜旅游度假区，西邻无锡市，距苏州、无锡约50km，距南京、杭州约190km。227省道、227复线贯穿全境，苏虞张一级公路和锡太一级公路在镇区内交汇，元河塘与望虞河两条通航河道穿镇而行，水陆交通便捷。镇域总面积104.26km2，截至2011年底，全镇常住人口约13.56万，其中外来人员约6万，下辖1个街道办事处、20个村、3个居委会和1个农场（图1）。近年来，辛庄镇经济增长迅速，2011年实现地区生产总值90.51亿元，同比增长24.2%。辛庄镇作为我国最早经历快速城镇化的苏南地区的典型代表，近年来，大量具有重要生态服务功能的生态用地被城镇建设所吞噬。
1.2 数据来源与处理
本研究所使用的数据包括：辛庄镇1991年航空影像、2001年IKONOS和2009年Quickbird卫星影像、1991年地形图（1∶10000）、辛庄镇行政区划图及均匀分布的405个GPS采样点（2009年），以及常熟市1992年、2002～2010年统计年鉴和辛庄镇2007～2010年统计年鉴。
首先，应用遥感分析软件ERDAS image9.1对辛庄镇地形图进行几何校正，利用校正后的地形图及其投影信息分别对1991年的航片、2001年和2009年的卫片进行几何精校正，坐标系统采用Transverse Mecator投影，Krasovsky椭球体，中央经线123°E，均方根误差控制在0.5个像元内，然后进行图像增强处理，并根据经验和实地调研确定各用地类型的解译标志；其次，在ArcGIS9.0环境下进行目视解译，首先获得2009年各类用地的空间分布信息，应用采样点校验的解译精度达95.2%，参照我国《土地利用现状分类》标准，结合当地的实际情况，将用地划分为居住用地、工业用地、旱地、水田、菜地、水产养殖用地、林地、草地、园地和水域等10种类型。以此为基础，利用多时相连续对比法[11，16]，依次得到2001年和1991年土地利用信息，最终建立研究区3个时期的土地利用属性数据库。
1.3 生态用地界定
现行全国土地分类体系以土地资源的人类利用方式为依据，未考虑土地生态功能，造成生态资源利用过度。在生态用地构成上存在两种观点，一种认为凡是具有生态服务功能，对于生态系统和生物生境保护具有重要作用的用地都可视为生态空间，划为生态用地，即包括农田、林地、草地、水域、沼泽等在内的、地表无人工铺装、具有透水性的地面都是生态用地[17]；另一种观点认为应以土地的主体功能来划分生态用地和生态空间，对于以经济产出为核心目的的农业生产用地，如耕地、水产养殖用地等不作为生态用地考虑，而仅将发挥自然生态服务功能为主的土地资源划为生态用地。本研究从开放性、公共性和生态效益角度出发，采用第一种观点，确定研究区的生态用地包括旱地、水田、菜地、水产养殖用地、林地、草地、园地和水域等8种类型。
1.4 研究方法
1.4.1 转移矩阵
基于3期土地利用分类数据，利用ArcGIS9.0的空间分析模块计算转移矩阵，得到生态用地间以及生态用地与其他地类的相互转化信息。
1.4.2 景观指数
景观指数可以高度浓缩景观格局信息，尽管指数较多，但大部分所指示的格局特征往往不全面，具有局限性且存在冗余[18，19]。本研究在类型水平上选取了斑块密度指数（PD）、景观形状指数（LSI）、最大斑块指数（LPI）和聚集度指数（AI），拟从破碎度、形状、优势度和聚集度等角度探讨生态用地的格局变化特征，各指数的计算公式与生态学意义详见Fragstats3.3软件的帮助文件。
1.4.3Logistic回归模型
Logistic回归模型是对二分类变量进行回归分析的较为普遍应用的多元量化分析方法[20，21]。它在过去的研究中广泛应用于社会科学研究中，近几年逐渐被引入到自然科学研究。其函数形式为：
式中：Pi为事件发生的概率，在本研究中表示每个栅格可能出现某种生态用地的概率，其值在0～1之间；Xn，i表示各备选驱动因子在该位置上的值；1-Pi为事件不发生的概率，Pi/（1-Pi）为事件发生比（Y）。Logistic函数是一个累积分布函数，具有S型增长曲线，自变量在不同的区间发生变化时，对应P值的增长不同：当自变量极大或极小时，对P的影响较小；当自变量居中时，对P的影响较大。这种非线性的函数能够很好地拟合社会或自然中的许多实际情况。
Logistic模型系数被解释为对应自变量一个单位的变化所导致的量的变化。系数如果是正值且统计显著，意味着在控制其他自变量的条件下，对数发生比随对应自变量值增加而增加。相反，一个显著的负系数代表对数发生比随对应自变量增加而减少。如果系数的统计性不显著，说明对应自变量的作用在统计上与0无差异。由于Logistic回归的因变量不是常规变量，而是logit（即对数发生比ln[P/（1-P）]），那么对应每个自变量的估计系数便是该自变量对logit的作用。尽管这种解释直截了当，但是其实十分含糊，因为logit或对数发生比没有直接含义。通常，较方便的方法是将logit进行转换后再进行解释，而不是直接解释系数本身，最常用的方法是取自然指数。那么，Logistic回归模型系数变成了eβk，称为发生比率（Odds Rate）。由式（1）变换可知，当发生比率大于1时，自变量每增加一个单位值，发生比会相应增加；当发生比率小于1时，自变量每增加一个单位值，发生比会相应减小；当发生比等于1时，自变量无论怎样变化，发生比均不会发生改变，即对因变量没有影响。
为了使用Logistic回归模型，本文采用分层随机抽样方法，利用ArcGIS9.0空间分析功能，随机选择了均匀分布整个研究区的30%的栅格（10m×10m）作为观测点，对观测点进行随机抽样是为了避免数据的空间自相关性。然后利用这些点提取已进行空间化处理的社会经济因子（以村为单位统计的人均GDP、人均工业总产值、人均农业总产值、人均收入、人口密度）和邻域因子（到最近农村居民点的距离、到最近道路的距离、到最近河流水系的距离、到最近村镇中心的距离）的信息。进而以主要类型生态用地的变化为因变量，9个备选驱动因子为自变量，应用SPSS15.0进行Logistic回归。模型预测能力通过最大似然估计的表格来评价，它包括回归系数、回归系数估计的标准差、回归系数估计的Waldχ2统计量和回归系数估计的显著性水平。Waldχ2统计量表示在模型中每个解释变量的相对权重，用来评价每个解释变量对事件预测的贡献力。最后对所得结果采用Poitus等[22]提出的ROC（Relative Operating Characteristics）方法进行检验，当ROC＞0.75时可以认为所确定的驱动因子具有较好的解释能力。
2 结果与分析
2.1 生态用地演变的总体特征
表1显示，1991～2009年，研究区生态用地总量减少了1293.19hm2，且呈加速缩减趋势，速率由1991～2001年的46.34hm2/a增加至2001～2009年的103.73hm2/a。从生态用地结构来看，随着城镇化的快速发展，研究时段内耕地（旱地、水田和菜地）、河流水面和草地一直处于减少趋势，尤其是水田，在1991～2001年和2001～2009年两个时段，分别以年均52.68hm2和127.98hm2的速率减少。而经济效益较高的水产养殖用地和园地的规模有所增长，尤其是水产养殖用地，1991～2009年期间年均增长43.01hm2，长幅达93.26%；近年来，随着经济价值较高的葡萄园在全镇盛行，园地面积快速增长，2001～2009年，园地规模翻了两番。林地面积呈现先减少后快速增长的趋势，这主要是近年来镇政府不断加大村镇绿化和生态环境整治的结果。从图2可以看出，镇中心周边以及主要道路、河流水系两侧的生态用地被侵占的现象较为普遍，该区域内大量的耕地、草地和水面等生态用地被吞噬掉。水产养殖用地的增加主要集中在河流水系两侧并紧邻原有水产养殖用地，且主要由水田转变而来。而园地的增加相对随机，且主要的转入源也是水田。
2.2 各类生态用地的转移特征
表2显示，1991～2001年，各类生态用地均发生不同程度的转变，其中转出面积最大的生态用地为水田，累积转出面积达779.63hm2，主要转变为水产养殖用地和居住用地；其次为旱地和林地，二者主要转化为居住用地；水体、草地、园地和菜地等生态用地的转出面积较小。转入面积最大的生态用地是水产养殖用地，达526.28hm2，主要是因为高产出的水产养殖业的快速发展，使大量的水田被开挖为鱼塘和虾蟹田；其次为居住用地，转入面积达360.55hm2，主要由耕地和林地转变而来；此外，水田的转入面积为244.76hm2，主要的转入源为旱地。
从表3可以看出，2001～2009年，随着城镇化进程的提速和当地乡镇企业的异军突起，大量的生态用地转变为居住和工业等建设用地。同时，经济效益较高的水产养殖用地的规模也保持快速增长。转出面积最大的仍然是水田，累积达1545.07hm2，主要转移去向为工业用地、居住用地和水产养殖用地。转入面积最大的类型是工业用地，达582.34hm2，其次为水产养殖用地和居住用地，它们的主要转入源均是水田。
2.3 生态用地的景观格局变化特征
辛庄镇生态用地总体上呈破碎化加剧的演变特征，斑块数量由1991年的3641增加至2009年的4304个。从表4可以看出，1991～2009年，各类生态用地景观格局指数的变化趋势差异较大。斑块密度指数（PD）常用来描述景观格局的破碎度，总体上，旱地、水产养殖用地、林地、草地和园地的PD表现为波动中上升，但波动过程有所差别；而水田和河流水面分别呈持续递增和递减趋势。其中，水产养殖用地的PD波动变化最为显著，通过实地调研发现，当地的水产养殖始于上世纪80年代，早期为农户个人行为，将小部分农田开挖为鱼塘、虾蟹田，但布局分散，到了20世纪90年代后期，水产养殖逐渐形成规模经营，原来分散的水产养殖用地逐渐集中并扩大规模，并由大户统一经营。水田的PD持续增大，主要是因为近20a来，大量水田被水产养殖、工业和居住用地所侵占，破碎化程度不断提高。
从景观形状指数计算结果可以看出，除水田与水产养殖用地外，其余的生态用地的LSI大体上均呈下降趋势，这表明这些生态用地的形状逐渐向规则化演变，其中的林地、草地和河流水面的规则化主要是受人为斧凿的影响日益明显。水田由于破碎化程度日益加剧，景观形状日趋复杂。而水产养殖用地的LSI表现为先上升后下降的趋势，也正是上述提到的由分散经营到规模化管理的结果。
LPI的计算结果表明，河流水面和水田是研究区的优势生态用地类型，尤其是水田，其最大斑块指数远大于其他类生态用地。但随着时间的推移，城镇化的提速和农业产业结构的调整，村镇建设用地和水产养殖用地的快速增加，河流水面和水田的优势地位逐渐减弱。
AI是景观聚集度的测度方法[23]。从表4可以看出，除耕地（旱地、水田和菜地）外，其余生态用地的聚集度均呈增加趋势，尤其是林地和园地的聚集度增幅尤为明显。而耕地由于破碎化程度的增加，聚集程度日益降低。
2.4 生态用地变化的驱动力
选择面积变化较大的3类（水田、水产养殖用地、林地）生态用地作为因变量，分两个阶段分析其主要的驱动机制。
2.4.1 水田变化的Logistic回归模型
在1991～2001年和2001～2009年两阶段，水田变化的logistic回归模型都有很好的拟合度，ROC值分别为0.729和0.792。从表5可以看出，根据Walχ2统计量，1991～2001年人均GDP和人均工业总产值对耕地变化影响不显著，较为重要的解释变量是到最近河流水系的距离、到最近道路的距离和到最近农村居民点的距离。而在第二阶段（2001～2009年），水田变化最为重要的解释变量为到最近河流水系的距离、人均GDP和人均工业总产值。这表明不同时段，水田空间变化的主要驱动因素有所差别。在两阶段中，最重要的解释变量均为到最近河流水系的距离，此因子的回归系数为正，表明水田转变为其他地类的概率随着到最近河流水系距离的增加而增大。到河流水系的距离每增加100m，水田转变为其他地类的概率将增大1.4倍，这主要是因为区位优势，靠近河流水系的水田更容易被改造为水产养殖用地。
在1991～2001年，到最近道路的距离和到最近农村居民点的距离是较为重要的解释变量，并且水田的转变概率随着与到最近农村居民点距离的增加和到最近道路距离的减小而增加，这说明水田被侵占的现象更容易发生在距离农村居民点较远和道路较近的地方。而在2001～2009年这一时段，较为重要的解释变量为人均GDP和人均工业总产值，二者每增加1万元，水田转化为其他地类的概率将分别增大0.47倍和1.24倍，这主要是因为经济发达的地区对建设用地的需求相对更大，而水田恰是建设用地最大的来源。
2.4.2 水产养殖用地变化的Logistic回归模型
在1991～2001年和2001～2009年两个时段，水产养殖用地的Logistic回归模型都有很好的拟合度，ROC值分别为0.786和0.812，所有因子对水产养殖用地变化的影响均是显著的（表6）。1991～2001年间，与最近道路的距离是水产养殖用地变化的最重要的解释变量，且回归系数为正，这表明距离道路较远的水产养殖用地的变化概率较大，与道路的距离每增加1000m，水产养殖用地变化的概率增大5倍；此外，与最近河流水系的距离也是非常重要的解释变量，与河流水系的距离每增加1000m，水产养殖用地变化概率将增大9倍。这表明这一时期水产养殖用地向其他地类的转变更有可能发生在距离道路和河流水系较远的地方。
与上一时段不同的是，2001～2009年间，与最近农村居民点的距离是水产养殖用地变化的最重要的解释变量，其次依次为与最近河流水系的距离和与最近道路的距离。回归系数和发生比率表明，与农村居民点的距离、与河流水系的距离和与道路的距离每增加1000m，水产养殖用地转化为其他地类的概率将分别增加8倍、6倍和1倍。这表明这一时段，水产养殖用地的变化更易发生在距离农村居民点、河流水系和主要道路较远的地方。
2.4.3 林地变化的Logistic回归模型
1991～2001年，人均GDP和到最近河流水系的距离因子的统计不显著，被排除在模型外，但林地变化的Logistic回归模型仍具有较好的拟合度，ROC值为0.814（表7）。这一时段最重要的解释变量是与村镇中心的距离，其次为人口密度，与村镇中心的距离这一解释变量的回归系数为正，而人口密度的回归系数为负，与村镇中心的距离每增加1km、人口密度每减少1000人/km2，林地变化的概率均将分别增大1倍和3倍。这表明林地被砍伐的现象更可能在距离村镇中心较远和人口稀少的地方发生。
2001～2009年，林地变化的Logistic回归模型的拟合度也较好，ROC值达0.815。根据Waldχ2统计量，解释变量的贡献率依次为与最近道路的距离、人均农业总产值和与最近农村居民点的距离。与最近道路的距离和人均农业总产值的回归系数均为负，这表明林地转变为其他土地利用类型的概率随着这二者的减小而增大，也就是说林地变化更易发生在距离居民点较近和人均农业产值较低的地方。与最近农村居民点的距离这一解释变量的回归系数为正，这表明林地转变为其他地类的概率随着与农村居民点距离的增加而增加。与农村居民点距离增加1km，林地转化概率将增大3倍。这主要是因为这一时期，城镇化进程提速，村镇建设用地快速扩张，距离农村居民点较远的林地受保护的力度较小，而更易被建设用地吞噬。
3 结论
1991～2009年，辛庄镇生态用地空间结构与面积变化剧烈，总体上呈加速缩减趋势。其中，耕地（旱地、水田和菜地）、河流水面和草地呈持续减少趋势，而经济效益较高的水产养殖用地和园地的规模呈持续增加趋势，林地面积总体上也呈增加趋势。1991～2001年，随着水产养殖在当地兴起和村镇居住条件改善的需求，大量的生态用地转化为水产养殖用地和居住用地，其中水田的转出面积最大。2001～2009年，随着城镇化水平的提高和当地乡镇企业的快速发展，促使更多的生态用地转变为居住和工业等村镇建设用地，同时高产出的水产养殖用地的面积也保持高速增加趋势。
生态用地总体上的破碎化程度日益加剧。除河流水面外，其余生态用地的破碎度大体上均呈增加趋势。景观形状方面，水田和水产养殖用地的景观形状日趋复杂，其余生态用地逐渐向规则化转变。优势度方面，随着近年来城镇化和工业化进程的不断提速，村镇建设用地高速增加，生态用地的优势地位日益降低。聚集度方面，除耕地外，其余生态用地的聚集度逐渐增加。
通过构建不同时段主要类型生态用地变化的Logistic回归模型，定量地揭示了生态用地变化的驱动因素。总体上，生态用地变化的主要驱动因子为邻域因子，但随着时间的推移，社会经济因子对生态用地变化的解释效力逐渐增强。此外，生态用地演变的驱动机制是一项复杂的系统工程，本研究所选择的影响因素主要侧重邻域因子和社会经济因子，未考虑不同时期的政策因子对生态用地变化影响，这主要是因为政策因子的定量化和空间化技术方法尚不成熟，但不可否认政策对土地利用布局形成和变化的重要作用。因此，在未来的工作中，将积极探索将土地开发、管理和生态保护等政策因子引入模型，进一步提高模型的拟合精度和实践应用效果，以期为城镇生态安全空间策略的制定和区域可持续发展提供更加科学的决策支持，这将是我们今后研究的重点。
参考文献：
[1]李锋，叶亚平，宋博文，等.城市生态用地的空间结构及其生态系统服务动态演变——以常州市为例[J].生态学报，2011，31(19)：5623-5631.
[2]谢花林.基于Logistic回归模型的区域生态用地演变影响因素分析——以京津冀地区为例[J].资源科学，2011，31(19)：5623-5631.
[3]苏伟忠，杨桂山，甄峰，等.长江三角洲生态用地破碎度及其城市化关联[J].地理学报，2007，62(12)：1309-1317.
[4]叶兴平，何常清，陈燕飞，等.低碳生态视角下的江苏省生态空间规划研究[J].城市规划，2013，37(2)：23-26.
[5]周锐，李月辉，胡远满等.苏南地区典型城镇建设用地扩展的时空分异[J].应用生态学报，2011，22(3)：577-584.
[6]詹运洲，李艳.特大城市城乡生态空间规划方法及实施机制思考[J].城市规划学刊，2011，194(2)：49-57.
[7]张浩，马蔚纯，Hing H H，等.基于LUCC的城市生态安全研究进展[J].生态学报，2007，27(5)：2109-2117.
[8]岳文泽，徐建华，徐丽华，等.基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数为例[J].生态学报，2006，26(5)：1450-1460.
[9]陈爽，刘云霞，彭立华，等.城市生态空间演变规律及调控机制——以南京市为例[J].生态学报，2008，28(5)：2270-2278.
[10]马学广.大都市边缘区制度性生态空间的多元治理——政策网络的视角[J].地理研究，2011，30(7)：1215-1226.
[11]关小克，张凤荣，王秀丽，等.北京市生态用地空间演变与布局优化研究[J].地域研究与开发，2013，32(3)：119-124.
[12]龙花楼，李秀彬.长江沿线样带土地利用格局及其影响因子分析[J].地理学报，2001，56(4)：407-416.
[13]于兴修，杨桂山.中国土地利用/覆被变化研究的现状与问题[J].地理科学进展，2002，21(1)：51-57.
[14]谭永忠，吴次芳，牟永铭，等.经济快速发展地区县级尺度土地利用空间格局变化模拟[J].农业工程学报，2006，22(12)：72-77.
[15]马荣华，陈雯，陈小卉，等.常熟市城镇用地扩展分析[J].地理学报，2004，59(3)：418-426.
[16]周锐，胡远满，苏海龙，等.苏南典型城镇耕地景观动态变化及其影响因素[J].生态学报，2011，31(20)：5937-5945.
[17]郭荣朝，苗长虹.城市群生态空间结构研究[J].经济地理，2007，27(1)：104-107.
[18]LI X Z, BU RC, CHANG Y. The response of landscape met rics against pattern scenarios [J]. Acta Ecologica Sinica, 2004, 24: 123-134.
[19]WU J G. Effects of changing scale on landscape pattern analy sis: Scaling relations [J]. Landscape Ecology, 2004, 19: 125-138.
[20]CATRY F X, REGO F C, BACAO F L. Modeling and map ping wildfire ignition risk in Portugal [J]. International Journal of Wild Land Fire, 2009, 18: 921-931.
[21]QIU P F, wu N, LUO P. Analysis of dynamics and driving factors of wetland landscape in Zoige, Eastern Qinghai-Tibet- an Plateau [J]. Journal of Mountain Science, 2009, 6: 42-55.
[22]PONTIUS R G, SCHNEIDER L. Land-cover change model validation by a ROC method for the Ipswich watershed, Mas sachusetts, USA [J]. Agriculture, Ecosystems and Environ ment, 2001, 85(2): 239-248.
[23]HE H S, Dezonia B E, MLADENNOFF D J. An aggregation index(AI)to quantify spatial patterns of landscapes [J]. Landscape Ecology, 2000, 15: 591-601.
作者简介：周锐（1980～ ），男，高级工程师，博士，主要从事城市规划与生态安全方面研究.E-mail：zhourui1215@163.com
作者： 周锐 胡远满 王新军 苏海龙 王燚
来源： 《长江流域资源与环境》2015年第6期
