发布时间 : 星期二 文章钦州港填海造地的动态演变及其驱动力分析 - 图文更新完毕开始阅读6e9cccf2c381e53a580216fc700abb68a882adec
总第20卷227期 大 众 科 技 Vol.20 No.7
2018年7月 Popular Science & Technology July 2018
钦州港填海造地的动态演变及其驱动力分析
张中秋1 闫有喜2 黄国军3 韦金洪4
（1.钦州学院资源与环境学院，广西 钦州 535011；2.钦州学院建筑工程学院，广西 钦州 535011；3.防城港市国土资源局，广西 防城港 538000；4.钦州学院经济管理学院，广西 钦州 535011）
【摘 要】钦州港是北部湾地区填海造地最典型的区域之一，探究其填海造地的动态时空过程，测算其内在的驱动力因子，具有较强的科学意义。文章根据收集的Landsat5 TM/Landsat7 ETM影像数据，借助3S技术，采用归一化水体指数和人机交互式解译相结合的方法，对钦州港2000年～2014年间段填海造地的动态时空演变过程进行了分析。运用灰色关联模型，从土地资源因素、社会因素和经济因素三个方面，选择了7个驱动因子，对钦州港填海造地的主要驱动力进行了测算评定。研究结果显示：选取的7个填海造地驱动因子中，社会固定资产投资完成额对该演变影响最大，关联度为0.85，是钦州港2000年～2014年填海造地的主要驱动力。
【关键词】填海造地；动态演变；驱动力；钦州港
【中图分类号】P75 【文献标识码】A 【文章编号】1008-1151(2018)07-0019-04
Study on the Dynamic Changes and Driving Forces of Marine Reclamation
Land in Qinzhou Harbor
Abstract: Qinzhou Harbor is the most typical region of Beibu Gulf reclamation area. Therefore, it is of great scientific significance to explore the dynamic space-time process of marine reclamation land of Qinzhou Harbor and calculate its internal driving force factors. In this study, TM/ETM images from 2000 to 2014 as the data source, under the support of 3S technology, the dynamic changes of marine reclamation land in Qinzhou Harbor was analyzed by the combination of modified normalized difference water index and visual interpretation. Using grey correlation model, seven driving factors were set from three aspects of the land resource factors, social factors and economic factors, and the main driving force of the changes were calculated and evaluated. The results show that in the seven driving factors, social fixed assets investment amount has a greatest impact on the evolution with the correlation of 0.85which is the main driving force of land reclamation in Qinzhou Harbor from 2000 to 2014.
Key words: marine reclamation land; dynamic change; driving force; Qinzhou Harbor
近年来，人类为拓展自身的生存和发展空间，通过填海造地向海岸带发掘新的土地利用空间，以求缓解沿海城市快速发展带来的人地矛盾，海岸带的开发利用已经成为学术界研究的重点，众多学者分别从海岸带生态评价[1-3]、海岸带开发与保护[4,5]、海岸带空间格局变化[6-8]等方面对海岸带进行了大量研究，其中以海岸带生态评价的研究为主，而在对海岸带空间格局变化的研究中，研究的范围相对较广，如覃漉雁等通过遥感影像解译，对广西2008年～2014年间沿海滩涂利用结构及数量变化进行了分析；黎良财等[10]利用北部湾海域1987年～2013年7个时期多时序遥感影像为信息源，对北部湾海岸线变迁进行了研究；这些研究范围均较大，并且研究的是全部类型的海岸线，而以小尺度范围为研究区，对单
钦州港隶属于钦州市钦南区，位于北纬21°33'20″～22°54'30″，东经108°28'20″～108°45'30″之间，是钦州湾的重要组成部分。进入21世纪以来，随着社会经济的快速发展，钦州港的填海造地日益频繁，规模不断扩大，成为北部湾地区填海造地活动最典型的区域，如图1所示。
【收稿日期】2018-05-09
【基金项目】广西教育厅项目“北部湾经济区土地可持续利用系统研究”（KY2016LX416）；钦州学院高等教育本科教学改革工程项目“地方院校资源环境类专业的‘项目化+模块化’教学模式研究与实践”（2016QYJGA08）。
【作者简介】张中秋（1989－），男，内蒙赤峰人，钦州学院资源与环境学院讲师，高级信息系统项目管理师，房地产经济师，从事土地利用与土地整治方面的教学和研究工作。
- 19 -
[9]
一类型海岸线及人工开发岸线的研究非常少。本文以填海造地的人工岸线为研究对象，以钦州港为例，运用3S技术，进行填海造地的动态演变及其驱动力研究，以期为钦州港的可持续发展提供参考。
1 研究区概况与数据来源
1.1 研究区概况
图1 研究区位置示意图
1.2 数据来源
收集钦州港2000年～2014年近15年的Landsat5 TM/ Landsat7 ETM影像，轨道编号为125/45，8个时期共8景。Landsat5 TM和Landsat7 ETM的数据产品，级别为Level 1T（L1T），其数据在发表前已经进行了大气辐射校正、地面控制点几何校正和标准地形校正，各期影像数据的地图投影均为UTM-WGS84[11]
，分辨率为30m，遥感影像的详细信息如
表1所示。
表1 研究区遥感影像数据信息
年份 卫星 传感器 轨道号 成像日期 成像时间 地图投影 分辨率 2000 Landsat5 TM 125/45 2000/11/14 2:49:48 UTM-WGS84 30m 2002 Landsat5 TM 125/45 2002/11/4 2:43:14 UTM-WGS84 30m 2004 Landsat7 ETM 125/45 2004/10/16 2:59:27 UTM-WGS84 30m 2006 Landsat5 TM 125/45 2006/10/30 3:05:08 UTM-WGS84 30m 2008 Landsat5 TM 125/45 2008/11/20 2:54:16 UTM-WGS84 30m 2010 Landsat5 TM 125/45 2010/7/5 3:01:22 UTM-WGS84 30m 2012 Landsat7 ETM 125/45 2010/12/4 3:03:46 UTM-WGS84 30m 2014
Landsat7 ETM 125/45
2014/11/13
3:09:05
UTM-WGS84 30m
填海造地驱动力的数学模型分析中，所用数据结合其可得性，在参考大量相关文献研究的基础上，选取耕地面积、人均土地面积、年末总人口、粮食总产量、地区生产总值、全社会固定资产投资完成额和地方财政收入共7个指标，作为填海造地驱动力分析的主要因子，指标数据均来源于钦州年鉴，详细数据如表2所示。选取的7个指标数据中，粮食总产量和社会固定资产投资完成额两个指标数据在2004年以前的钦州年鉴中没有单独对钦南区进行统计，因此这两个指标数据的统计范围为钦州市区，包括钦南区和钦北区，其余5个指标数据的统计范围均为钦南区。
表2 驱动因子指标数据统计
年份
2000 2002 2004 2006 2008 2010 2012 2014 耕地面积（万hm2） 3.08
2.95
2.86 2.85 2.74
4.11
4.6
4.65
人均土地面积 （m2/人）
558.97 568.39 434.32 440.17 429.32 394.65 429.33 382.26 年末总人口（万人） 38.4 38.97 57.4 58 59 64.69 60.42 60.43 粮食总产量（万吨） 47.56 44.06 38.82 44.48 42.62 42.69 44.81 46.65 国内生产总值（亿元） 20.59 23.17 30.89 65.16 101.3 131.36 166.72 191.79 社会固定资产投资 完成额（亿元） 12.49 20.86 40.9 53.82 94.99 200.11 290.88 355.82 地方财政收人（亿元）
0.99
1.24
1.29 1.76
2.35
3.07
4.61
4.72
- 20 -
2 影像处理与驱动力分析方法
2.1 遥感影像处理方法
2.1.1 去条带处理与裁剪
由于Landsat-7 ETM机载扫描行校正器（SLC）故障导致2003年5月31日之后获取的图像出现了数据条带丢失，严重影响了Landsat ETM 遥感影像的使用，因此必须进行去条带处理，本文采用ENVI5.0软件的去条带插件（tm_destripe.sav）进行处理，然后运用AOI功能设定裁剪框，从影像图上裁剪研究区域。
2.1.2 填海造地影像解译
国内外众多学者利用TM/ETM遥感影像图，从瞬时水边线和考虑岸线与潮汐的关系两个维度，对各类型海岸线的自动、半自动提取技术进行了大量的研究。王李娟等[12]运用图像边缘检测算法（Soble算子）和修复归一化水体指数法（MNDWI）对黄河三角洲地区的人工海岸河淤泥岸线进行了实证研究。肖康等[13]利用 Canny 边缘检测算子对单波段遥感影像进行边缘检测的方法，对福建省海岸线的水边线提取进行了实证研究。冯永玖等[14]运用元胞自动机图像处理方法，对上海市长兴岛和横沙岛的人工海岸和淤泥质岸线进行了实证研究。填海造地属于人工岸线之一，利用TM/ETM遥感影像数据，对填海造地演变过程的研究，目的就是要解译出填海造地的面积演变情况，解译思路就是水陆分离。通过填海，增加可利用土地面积，这些新增加的土地一定不会被最大涨
潮时所淹没，因此对填海造地的面积进行遥感解译不考虑潮汐的影响，对其进行遥感解译的方法主要是参照人工岸线的自动、半自动解译方法和人工目视解译方法相结合进行。
本文采用相对较为成熟、被众多学者研究所采用的改进归一化水体指数法（MNDWI），借助ENVI5.0软件的basic tools/band math功能模块，对研究区各期遥感影像进行自动水陆二值化图像处理。采用水陆二值化自动解译的效果并不理想，特别是对于线状地物的提取，如在填海造地过程中用于运输的道路，其应该是平直、连续且宽度相对一致的线状地物，采用改进归一化水体指数法（MNDWI）的解译效果中，出现道路宽度不均、道路有中断的情况，显然自动解译的效果不符合现实情况。因此，有必要在借助软件采用归一化水体指数进行自动解译的基础上，参照孙伟富等[15]对不同类型海岸线遥感解译标志建立和提取的研究成果，依照人工岸线遥感解译标志，对其进行人机交互式解译修正，最终确定解译结果。
2.2 驱动力分析方法
灰色系统理论提出了关联分析的概念，能够提供数学分析方法，理清系统中各个因素之间的主要关系，找出影响最大的因素。运用灰色关联分析方法，把耕地面积、人均土地面积、年末总人口、粮食总产量、地区国内生产总值、社会固定资产投资完成额和地方财政收入7个驱动因子作为填海造地驱动力分析系统的子序列，把各期填海造地面积作为填海造地驱动力分析系统的母序列，进行两个序列关联性大小
的度量，根据关联度的大小，确定主要驱动因子。利用该方法，建立子序列和母序列的关联模型。
设用于分析的驱动因子为子序列，p个分析区域有m个原始子系列：
(0)
｛x1(p)，x2(p)，…xm
(0)
1ri=
n
?ξ
k=1
n
i
(k)
3 填海造地演变过程分析
3.1 填海造地总体状况分析
为了能够方便统计填海造地面积的演变过程，笔者采取的方法是以2000年为基准年，在2000年遥感影像图上解译出一条基准线，2000年以后各期影像图的解译、解译后矢量化以及面积统计均以这条基准线为参照，下一期较上一期增加的面积即为填海造地面积。
用ArcMap软件进行解译矢量化和面积统计，以2002年、2008年、2014年为例，如图2所示。2002年～2014年统计结果如表3所示：基期2000年陆地面积为446.79公顷，2002年陆地面积为472.38公顷，2004年陆地面积为612.52公顷，2006年陆地面积为713.85公顷，2008年陆地面积为1064.37公顷，2010年陆地面积为2517.53公顷，2012年陆地面积为2950.60公顷，到2014年时陆地面积已经达到了3518.11公顷，相比基期2000年面积增长约8倍。
表3 填海造地面积统计表
年份 2000 2002 2004 2006 2008 2010 解译陆地规模
446.79 472.38 612.52 713.85 1064.37 2517.53
（公顷） 较上一期增加
—— 25.59 140.14 101.33 350.52 1453.16
面积（公顷） 较上基期增加
—— 25.59 165.73 267.06 617.58 2070.74
面积（公顷） 较上一期增长
—— 5.73% 29.67% 16.54% 49.10% 136.53%
率（%） 较基期增长率
—— 5.73% 37.09% 59.77% 238.23% 463.47%
（%） 较上一期年均增加面积 —— 12.79 70.07 50.66 175.26 726.58 （公顷）
2012 2950.6 433.07
2014 3518.11 567.51
(0)
(p)｝
设用于分析的各期填海造地面积为母序列，域有n个原始母系列：
｛y1(p)，y2(p)，…yn
(0)
(0)
(0)
p个分析区
(p)｝
为了便于数据之间的比较，需要对原始数据消除量纲，转换为可进行比较分析的数据序列。应采用均值化法，即用该数列中每个数据除以该数列平均值得到新的数列。计算公式为：
xm(p)=
(0)pxm(p)
?
m
(0)
xm(p)
p=1
每个子序列与母序列在第 K个点上的相对差值称为该子序列对母序列在 K 点的关联系数，用ξi(k)表示，计算公式为：
ξi(k)=
minmin|y(k)-xi(k)|+rmaxmax|y(k)-xi(k)|
i
k
i
k
|y(k)-xi(k)|+rmaxmax|y(k)-xi(k)|
i
k
r?（0，￥）称为分辨系数。r越小，分辨力越大，一般r
的取值区间为(0，1)，具体取值可视情况而定。当r≤0.5463时，分辨力最好，通常取r＝0.5。式中|y(k)-xi(k)|表示为
min|y(k)-xi(k)|，ma第 K点y(k)与xi(k)的绝对差，minik
)|，maxmax|y(k)-xi(k)|，为各个分析区域两个比较数列所有
i
k
2503.81 3071.32 17.20% 19.23% 560.40% 687.42% 216.53
283.75
绝对差中的最小值与最大值。
因为关联系数是反映子序列与母序列第 K个点上的关联数，信息过于分散，不便于整体上的比较，因此需要计算每个子序列与母序列关联系数的平均值，分别作为各子序列驱动因子与母序列关联程度的数量表示，并称之关联度。其计算公式为：
（a）2002年 （b）2008年 （C） 2014年
图2 钦州港填海造地时空动态变化结果
3.2 填海造地动态演变分析
根据解译结果（见表3），从2000年到2014年，钦州港填海造地的的演变趋势是不均匀的逐年增加。2002年比2000
年面积增加25.59公顷，较2000年的增长率为5.73%；2004年比2002年面积增加140.14公顷，比2000年面积增加165.73公顷，较2002年的增长率为29.67%，较2000年的增长率为
- 21 -
37.09%；至2014年比2012年面积增加567.51公顷，比2000年面积增加3071.32公顷，较2012年的增长率为19.23%，较2000年的增长率为687.42%。
4 填海造地演变驱动力分析
借鉴土地利用变化驱动力分析方法，填海造地演变的驱动力分析就是辨析出填海造地背后的潜在驱动因素有哪些，找出最主要的驱动因素是什么。本文在借鉴相关文献研究的基础上[16-19]，从土地资源因素、社会因素和经济因素3个方面，选择7个驱动力因子进行定量分析，其中土地资源因素中选择耕地面积和人均土地面积2个因子，社会因素中选择年末总人口和粮食总产量2个因子，经济因素中选择地区国内生产总值、社会固定资产投资完成额和地方财政收入3个因子。
4.1 驱动因子与填海造地的关联度
以2000年～2014年土地资源因素、社会因素和经济因素中7个因子为子序列，以各期填海造地面积为母序列，运用灰色关联度计算公式，计算结果如表4所示。
表4 各驱动因子与填海造地面积的关联系数与关联度
2002 2004 2006 2008 2010 2012 2014 耕地面积 0.587 0.647 0.688 0.906 0.628 0.561 0.442 0.628 人均土地面积 0.445 0.579 0.604 0.76 0.497 0.437 0.342 0.514 年末总人口 0.657 0.539 0.562 0.668 0.629 0.482 0.389 0.572 粮食总产量 0.523 0.614 0.583 0.741 0.533 0.457 0.38 0.54 国内生产总值 0.954
0.946
0.763 0.651 0.803 0.906 0.812 0.847 社会固定资产投资完成额 0.847 0.908 0.944 0.991
0.857
0.757 0.677
0.85
地方财政收人
0.813 0.882
0.771
0.765 0.653
0.924
0.658 0.795
关联系数 关联度
4.2 填海造地演变驱动力分析
4.2.1 填海造地驱动因子静态特征分析
从2002年到2004年的结果来看，国内生产总值与填海造地面积的关联系数最大，说明在2002年至2004年之间，国内生产总值为填海造地的主要驱动力；从2006年到2010年的结果来看，社会固定资产投资完成额与填海造地面积的关联系数最大，说明在2006年至2010年之间，社会固定资产投资完成额为填海造地的主要驱动力；从2012年到2014年，主要驱动力不一致，分别为地方财政收入和国内生产总值。
平均各年的驱动因子与填海造地关联系数，得到各个驱动因子与填海造地的关联度排序为：社会固定资产投资完成额>国内生产总值>地方财政收>耕地面积>年末总人口>粮食总产量>人均土地面积。在2002年至2014年间，社会固定资产投资完成额与填海造地的关联度最大，说明社会固定资产投资完成额是填海造地的主要驱动力，对填海造地演变过程起主要推动作用。
4.2.2 填海造地驱动因子动态特征分析
各个驱动因子与填海造地关联在2002年至2014年的动态变化如图3所示。
- 22 -
图3 驱动因子与填海造地的关联系数
从图3可以看出，2002年～2014年各个驱动因子与填海造地的关联系数呈现出不稳定的波动形态，并且各个驱动因子与填海造地的关联程度均不一致。总体来看，以2008年为分界点，在此之前，7个驱动因子中有4个因子与填海造地的关联性是呈递增的趋势，分别是社会固定资产投资完成额、耕地面积、粮食总产量和人均土地面积；在2008年之后，7个驱动因子中有5个因子与填海造地的关联性是呈递减的趋势，分别是社会固定资产投资完成额、耕地面积、粮食总产量、人均土地面积和年末总人口。说明如果以动态的角度去分析填海造地的驱动因子，在2000年～2014年间，其主要的驱动因子是不稳定的。
5 结论
（1）通过遥感影像图解译，以2000年为基准，2002～2014年钦州港填海造地面积情况分别为：2002年填海造地面积比2000年增加25.59公顷，2004年比2002年增加140.14公顷，2006年比2004年增加101.33公顷，2008年比2006年增加350.52公顷，2010年比2008年增加1453.16公顷，2012年比2010年增加433.07亩，2014年比2012年增加567.51公顷。
（2）运用灰色关联模型，对选择的耕地面积、人均土地面积、年末总人口、粮食总产量、国内生产总值、社会固定资产投资完成额和地方财政收入7个驱动因子与填海造地的关联度进行了测算，其关联度分别为0.628、0.514、0.572、0.54、0.847、0.85和0.795，确定钦州港填海造地的主要驱动因子为关联度最大的社会固定资产投资完成额。
【参考文献】
[1] 李京梅,刘铁鹰.基于生境等价分析法的胶州湾围填海造
地生态损害评估[J].生态学报,2012,32(22):7146-7155. [2] 张慧霞,庄大昌,娄全胜.基于土地利用变化的东莞市海岸
带生态风险研究[J].经济地理,2010,30(3):489-493.
[3] 吴孟孟,贾培宏,潘少明,等.连云港海岸带土地利用变化生
态效应量化研究[J].海洋通报,2015,34(5):530-539.
[4] 白雪梅.海南岛海岸带开发与生态保护[J].环境保护与循
环经济,2013,33(12):16-17.
[5] 刘现明.辽宁省海洋环境保护与海岸带可持续开发利用
[J].海岸工程,1995(4):33-36.
[6] 韩磊,侯西勇,朱明明,等.20世纪后半叶美国海岸带区域土地
利用变化时空特征分析[J].世界地理研究,2010,19(2):42-52.
（下转第27页）
点位于东南部，冷点位于西北部，区位差异明显。从聚集个数分析，2012～2016年广西人口分布热点位于贵港市、玉林市及与之相邻的北海市、钦州市、南宁市和梧州市的部分区县。男性、女性和常住人口空间分布受地形影响较大，非农业人口除受地形因素外还受社会经济条件的影响，经济较发达的区域非农业人口数量多。
(18):5220-5228.
[9] 杜虎,曾馥平,宋同清,等.广西主要森林土壤有机碳空间分
布及其影响因素[J].植物生态学报,2016,40(4):282-291. [10] 张福文.基于DMSP/OLS夜间灯光数据的广西1992-2012
年能源消费研究[D].南宁:广西师范学院,2015.
[11] 王劲峰.地图的定性和定量分析[J].地球信息科学学报,
2009,11(2):169-175.
[12] 周亮,周成虎,杨帆,等.2000-2011年中国PM2.5时空演化
特征及驱动因素解析[J].地理学报,2017,72(11):2079-2092. [13] 王振波,方创琳,许光,等.2014年中国城市PM2.5浓度的时
空变化规律[J].地理学报,2015,70(11):1720-1734.
[14] 陈志刚,王青,黄贤金,等.长三角城市群重心移动及其驱动
因素研究[J].地理科学,2007,27(4):457-462.
[15] 张乐勤,方宇媛.基于空间自相关分析的安徽省水资源生
态压力空间格局探析[J].水资源保护,2017,33(1):24-29. [16] 吴常灿.基于空间统计的天津市GDP空间相关性分析[J].
测绘,2017,40(3):111-114.
[17] 黄厅厅,卢德彬,杨建,等.基于探索性空间数据分析的贵州
省耕地质量空间差异[J].贵州农业科学,2017,45(2):162-166. [18] 韦仕川,熊昌盛,栾乔林,等.基于耕地质量指数局部空间自
相关的耕地保护分区[J].农业工程学报,2014,30(18):249-256. [19] 郭敏,李淑杰.基于局部空间自相关的耕地质量空间集聚
性和保护分区——以吉林省九台市为例[J].江苏农业科学,2017,45(3):206-210.
【参考文献】
[1] 马颖亿.1990年以来江苏省人口空间格局与演化机理研
究[D].南京:南京师范大学,2012.
[2] Moran P A P.The interpretation of statistical maps[J].
Journal of the Royal Statistical Society B,1948,37:243-251. [3] Cliff A D,Ord J K.Spatial autocorrelation[M].London:Pion,
1973.
[4] 冯健.杭州市人口密度空间分布及其演化的模型研究[J].
地理科学,2002,21(5):635-646.
[5] 曹晓晗.辽宁省人口密度分布模拟研究[J].测绘与空间地
理信息,2010,33(2):144-148.
[6] 王淑彬,徐慧芳,宋同清,等.广西森林土壤主要养分的空间
异质性[J].生态学报,2014,34(18):5292-5299.
[7] 申希兵.基于DEM 的广西旅游气候舒适度时空分异研究
[J].中国岩溶,2017,36(4):1-8.
[8] 李燕丽,潘贤章,王昌昆,等.2000-2011年广西植被净初级
生产力时空分布特征及其驱动因素[J].生态学报,2014,34
（上接第22页）
[7] 王玉,贾晓波,张文广,等.江苏海岸带土地利用变化及驱动
力分析[J].长江流域资源与环境,2010(S1):7-12.
[8] 张晓祥,王伟玮,严长清,等.南宋以来江苏海岸带历史海岸
线时空演变研究[J].地理科学,2014,34(3):344-351.
[9] 黎良财,LU Dengsheng,张晓丽,等.基于遥感的1987-2013年
北部湾海岸线变迁研究[J].海洋湖沼通,2015(4):132-142. [10] 覃漉雁,曹庆先,宁秋云,等.广西沿海滩涂土地利用变化及
驱动力研究[J].地理空间信息,2016(2):79-81.
[11] 黎良财,邓利,曹颖,等.基于NDVI像元二分模型的矿区植被
覆盖动态监测[J].中南林业科技大学学报,2012,32(6):18-23. [12] 王李娟,牛铮,赵德刚,等.基于ETM遥感影像的海岸线提
取与验证研究[J].遥感技术与应用,2010,25(2):235-239. [13] 肖康,许惠平,叶娜.基于遥感影像的福建围填海初步研究
[J].海洋通报,2013(32)6:685-694.
[14] 冯永玖,韩震.海岸线遥感信息提取的元胞自动机方法及
其应用[J].中国图象图形学报,2012(17)3:441-446.
[15] 孙伟富,马毅,张杰,等.不同类型海岸线遥感解译标志建立
和提取方法研究[J].测绘通报,2011(3):41-44.
[16] 于海波,莫多闻,吴健生.深圳填海造地动态变化及其驱动
因素分析[J].地理科学进展,2009,28(4):584-590.
[17] 李禺,李杨帆,朱晓东.厦门市填海造地的遥感PCA识别及
其驱动机制研究[J].自然资源学报,2008,23(1):161-169. [18] 张赫,陈天,周韵.国外典型填海造地区域建设规模驱动因
素的历史回顾性定量研究[J].城市发展研究,2015,22(7): 45-51,70.
[19] 赵梦,张静怡.我国填海造地的驱动因素及对策分析[J].
海洋开发与管理,2013,30(5):1-4.
- 27 -