森林脑炎时空分布特征和环境影响因素分析

doi:10.12082/dqxxkx.2020.190511

地球信息科学学报 ›› 2020, Vol. 22 ›› Issue (12): 2371-2382.doi: 10.12082/dqxxkx.2020.190511

• 地理空间分析综合应用 • 上一篇下一篇

森林脑炎时空分布特征和环境影响因素分析

宋海慧¹^,²(), 余卓渊¹^,²^,^*(), 丁晓彤¹^,², 谢云鹏¹^,², 吕可晶¹^,²

1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101
2.中国科学院大学,北京 100049

收稿日期:2019-09-10 修回日期:2019-12-20 出版日期:2020-12-25 发布日期:2021-02-25
通讯作者: 余卓渊 E-mail:songhh.17s@igsnrr.ac.cn;yuzy@igsnrr.ac.cn
作者简介:宋海慧（1994— ）,女,甘肃武威人,硕士生,主要从事地理信息系统技术应用研究。E-mail: songhh.17s@igsnrr.ac.cn
基金资助:
国家重点研发计划项目课题(2018YFC1508805)

Spatial-temporal Distribution Characteristics and Environmental Impact Factors of Tick-borne Encephalitis

SONG Haihui¹^,²(), YU Zhuoyuan¹^,²^,^*(), DING Xiaotong¹^,², XIE Yunpeng¹^,², LV Kejing¹^,²

1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2019-09-10 Revised:2019-12-20 Online:2020-12-25 Published:2021-02-25
Contact: YU Zhuoyuan E-mail:songhh.17s@igsnrr.ac.cn;yuzy@igsnrr.ac.cn
Supported by:
National Key Research and Development Program(2018YFC1508805)

摘要/Abstract

摘要：

森林脑炎作为一种蜱传自然疫源性疾病,其空间分布与环境关系密切,探索其时空分布模式与环境因子对其影响机制对于掌握和预测森林脑炎的发病风险区域具有重要意义。本文以我国东北疫源区（黑龙江省、吉林省和内蒙古自治区）为研究区,通过统计分析和空间自相关分析探究了2005—2015年森林脑炎时空分布特征,进而运用地理探测器模型探讨森林脑炎空间分布影响因素及其指示作用。结果表明：① 研究区内森林脑炎发病率在2005—2015年有明显的增长趋势和季节性发病特征,且其发病率具有较强的空间集聚模式,主要有2个大的热点集聚区;② 从整个研究区来看,植被类型、土地利用、年均气温、土壤类型、5—8月均气温、坡度、高程和年均降雨量是森林脑炎发病率空间流行的主要环境影响因素;③ 对于所筛选的环境指示因子而言,各指示因子对森林脑炎发病风险的影响程度存在差异,即各因子的各类型（范围）内,森林脑炎发病率不同;各指示因子两两之间的相互作用对森林脑炎的发病风险具有显著增强效应。研究结果可为研究区及全国森林脑炎疫情的有效控制提供科学依据和决策支持。

关键词: 森林脑炎, 时空分布, 影响因素, 自然因素, 社会因素, 空间自相关, 地理探测器, 东北疫源区

Abstract:

Tick Borne Encephalitis (TBE) is an acute infectious disease involving central neuropathy caused by the bite of a Tick borne Encephalitis Virus (TBEV) infected tick, which is a typical zoonotic disease. TBE occurs in areas with a wide distribution of tick and its distribution is related to the environment. Besides, it is also a typically natural focus disease in a special ecosystem composed of pathogens, vectors, and host animals. As a natural focus disease, TBE threatens human health and impedes socioeconomic development in northeastern China. Therefore, analyzing the spatial-temporal distribution of TBE and its influencing factors are of vital importance for TBE control. This paper selected Heilongjiang Province, Jilin Province, and the Inner Mongolia Autonomous Region in northeastern China, which are typical TBE endemic areas, to study the spatial-temporal distribution of TBE and its influencing factors. Firstly, we explored the spatial-temporal distribution of TBE in the study area from 2005 to 2015 through statistical analysis and spatial autocorrelation, Secondly, we used Geo-Detector to investigate the factors that influence the spatial distribution of TBE and its indicative role. Our results show that: (1) the incidence of TBE in the endemic areas of Northeastern China had an obvious growth trend and seasonal incidence characteristics from 2005 to 2015. The incidence of TBE in the study area had a strong spatial clustering pattern with two main hot spots, Hulunbuir city in the Inner Mongolia autonomous region and the Greater Khingan Range region in Heilongjiang province; (2) vegetation type, land use, average annual temperature, soil type, average temperature from May to August, slope, elevation, and annual rainfall were the main influencing factors of spatial prevalence of TBE. In general, the influence of natural environment was stronger than that of social environmental; (3) for the whole study area, the relationship between each risk factor and TBE was different, and the incidence of TBE was different with each factor. Besides, the interaction between various factors was significantly enhanced, that is, the impact of two factors was stronger than that of a single factor. The common interaction between some factors exceeded 0.5, and most factors exceeded 0.3. Particularly, the main interaction enhancement effect was manifested in the interaction of each factor with land use and elevation. Our results provide scientific basis and decision support for the effective control of TBE in the study area and the whole country.

Key words: Tick-borne encephalitis, spatial-temporal distribution, environmental factor, natural factors, social factors, spatial autocorrelation analysis, geographical detector, northeast epidemic area

宋海慧, 余卓渊, 丁晓彤, 谢云鹏, 吕可晶. 森林脑炎时空分布特征和环境影响因素分析[J]. 地球信息科学学报, 2020, 22(12): 2371-2382.DOI:10.12082/dqxxkx.2020.190511

SONG Haihui, YU Zhuoyuan, DING Xiaotong, XIE Yunpeng, LV Kejing. Spatial-temporal Distribution Characteristics and Environmental Impact Factors of Tick-borne Encephalitis[J]. Journal of Geo-information Science, 2020, 22(12): 2371-2382.DOI:10.12082/dqxxkx.2020.190511

图/表 10

图1

表1

东北疫源区环境因子因子原始数据描述表"

数据名称	数据来源	年份	数据介绍及计算方法
高程	中国科学院资源环境科学数据中心(http://www.resdc.cn/)	2009	其由美国SRTM数据经重采样生成,其分辨率为250 m,其数据为全国范围数据,本研究对其裁切获取研究区范围数据
坡度		2009	在上述DEM基础之上,利用ArcGIS 10.2中的SLOPE工具计算
坡向		2009	在上述DEM基础之上,利用ArcGIS 10.2中的ASPECT工具计算
年均气温	中国气象数据网 (http://data.cma.cn/)	2015	对全国所有站点的气温、降雨量、相对湿度、日照时数数据进行月均、年均统计计算,然后进行空间插值、裁切
5—8月均气温		2015
降雨量		2015
5—8月均降雨量		2015
相对湿度		2015
日照时数		2015
植被分布类型	中国科学院资源环境科学数据中心(http://www.resdc.cn/)	2001	该数据集来源于《1:1 000 000 中国植被图集》^[33],其空间分辨率为 1 km,本研究对其裁切获取研究区范围数据
土地利用		2015	地利用数据是以各期Landsat TM/ETM遥感影像为主要数据源,通过人工目视解译生成,其数据为全国数据,本研究对其裁切获取研究区范围数据
土壤类型		2017	中国土壤类型空间分布数据由《1:100万中华人民共和国土壤图》^[34]数字化生成,其数据为全国数据,本研究对其裁切获取研究区范围数据
年均NDVI	中国科学院资源环境科学数据中心(http://www.resdc.cn/)	2015	中国年/月度植被指数（NDVI）空间分布数据集^[35],其数据为全国范围数据,本研究对其裁切获取研究区范围数据
4—6月均NDVI		2015
7—9月均NDVI		2015
人口密度	中国科学院资源环境科学数据中心(http://www.resdc.cn/)	2015	区县人口数据与其面积的比值
农业人口比		2015	区县农业人口与总人口的比值
人均GDP		2015	区县总GDP与总人口数的比值
GDP	中国科学院资源环境科学数据中心(http://www.resdc.cn/)	2015	中国GDP空间分布公里网格数据集^[36]

表1

图2

图3

图4

表2

图5

图6

图7

表3

参考文献 38

[1]	曹务春. 流行病学(第二卷)[M]. 北京: 人民卫生出版社, 2015: 901-905.
	[ Cao W C. Epidemiology (volume 2)[M]. Bei Jing: People's Medical Publishing House (PMPH), 2015: 901-905. ]
[2]	韩雪玲, 李莉莉, 史娟玲, 等. 我国森林脑炎临床流行病学研究现状[J]. 西北国防医学杂志, 2018,39(3):148-153.
	[ Han X L, Li L L, Shi J L, et al. Research progress of clinical epidemiology on forest encephalitis[J]. Medical Journal of National Defending Forces in Northwest China, 2018,39(3):148-153. ]
[3]	石宏武. 蜱与森林脑炎研究进展[J]. 安徽农学通报, 2014,20(13):138-140.
	[ Shi H W. Research progress of ticks and forest encephalitis[J]. Anhui Agricultural Science Bulletin, 2014,20(13):138-140. ]
[4]	Dantas-Torres F, Bruno B B, Chomel D. Ticks and tick-borne diseases: One Health perspective[J]. Trends in Parasitology, 2012,28(10):437-446. doi: 10.1016/j.pt.2012.07.003 pmid: 22902521
[5]	Dobler G, Gniel D, Petermann R, et al. Epidemiology and distribution of tick-borne encephalitis[J]. Wien Med Wochenschr, 2012,162(11-12):230-238. pmid: 22699708
[6]	李婷, 韩淑祯, 张晓光. 森林脑炎诊治的研究进展[J]. 中国伤残医学, 2014,22(8):300-301.
	[ Li T, Han S Z, Zhang X G. Research progress of therapy on forest encephalitis[J]. Chinese Journal of Trauma and Disability Medicine, 2014,22(8):300-301. ]
[7]	邓立权, 沈博, 李亚明. 2010-2016年吉林省森林脑炎流行特征分析[J]. 中国生物制品学杂志, 2017,30(10):1059-1062.
	[ Deng L Q, Shen B, Li Y M. Epidemic characteristics of tick-borne encephalitis in Jilin Province during 2010-2016[J]. Chinese Journal of Biologicals, 2017,30(10):1059-1062. ]
[8]	覃柳麻. 2012-2017年南宁市乙肝流行特征及空间分析[D]. 南宁:广西医科大学, 2019.
	[ Tan L M. Epidemiological characteristics and spatial analysis of hepatitis b in Nanning, Guangxi, 2012-2017[D]. Nanning: Guangxi Medical University, 2019. ]
[9]	葛亮. 时空分析与建模方法在出血热分析中的应用研究[D]. 武汉:武汉大学, 2017.
	[ Ge L. The application of spatial-temporal analysis and modeling methods on Hemorrhagic Fever with renal syndrome[D]. Wuhan: Wuhan University, 2017. ]
[10]	杨连朋, 李丽萍, 吴永胜, 等. 基于街道尺度的深圳市手足口病时空扫描分析[J]. 中华疾病控制杂志, 2017,21(2):156-159.
	[ Yang L P, Li L P, Wu Y S, et al. A clustering study on HFMD in Shenzhen based on street scale[J]. Chinese Journal of Disease Control, 2017,21(2):156-159. ]
[11]	邵慧芝, 华玲玲, 张亚华. 手足口病重症病例流行病学特征及影响因素分析[J]. 中国地方病防治杂志, 2016,31(1):89-90.
	[ Shao H Z, Hua L L, Zhang Y H. Investigation on epidemiology and influence factors of severe cases of hand-foot-mouth disease[J]. Chinese Journal of Control of Endemic Diseases, 2016,31(1):89-90. ]
[12]	孙若曦, 李新楼, 刘昆, 等. 我国东北地区森林脑炎的分布与环境特征研究[J]. 中国病原生物学杂志, 2016,11(6):481-487.
	[ Sun R X, Li X L, Liu K, et al. Study on the distribution and environmental determinants of tick-borne encephalitis in northeastern China[J]. Journal of Pathogen Biology, 2016,11(6):481-487.]
[13]	潘方杰, 王宏志, 王璐瑶, 等. 平原湖区钉螺分异规律及孳生环境特征研究——以湖北公安县为例[J]. 长江流域资源与环境, 2019,28(8):1965-1976.
	[ Pan F J, Wang H Z, Wang L Y, et al. Research on spatial disparity and breeding environment characteristics of oncomelania hupensis in Plain lakes: A case study in Gongan County of Hubei Province, China[J]. Resources and Environment in The Yangtze Basin, 2019,28(8):1965-1976. ]
[14]	郑斓, 任红艳, 施润和, 等. 珠江三角洲地区登革热流行风险空间模拟与预测[J]. 地球信息科学学报, 2019,21(3):407-416.
	[ Zheng L, Ren H Y, Shi R H, et al. Spatial simulation and prediction of dengue fever transmission in Pearl River Delta[J]. Journal of Geo-information Science, 2019,21(3):407-416. ]
[15]	Noppadol A, Kittisak S, et al. An ecological study of eosinophilic meningitis caused by the nematode, Angiostrongylus cantonensis (Chen, 1935) (Nematoda: Metastrongylidae)[J]. Parasitology international, 2019,72:101944. doi: 10.1016/j.parint.2019.101944 pmid: 31220635
[16]	吴北平, 杨典, 王劲峰, 等. 利用贝叶斯时空模型分析山东省手足口病时空变化及影响因素[J]. 地球信息科学学报, 2016,18(12):1645-1652.
	[ Wu B P, Yang D, Wang J F, et al. Space-time variability and determinants of hand, foot and mouth in Shandong province: A Bayesian spatio-temporal modeling approach[J]. Journal of Geo-information Science, 2016,18(12):1645-1652. ]
[17]	通拉嘎, 徐新良, 付颖, 等. 地理环境因子对螺情影响的探测分析[J]. 地理科学进展, 2014,33(5):625-635.
	[ Tong L G, Xu X L, Fu Y, et al. Impact of environmental factors on snail distribution using geographical detector model[J]. Progress in Geography, 2014,33(5):625-635. ]
[18]	孙若曦. 我国森林脑炎时空分布特征研究[D]. 合肥:安徽医科大学, 2016.
	[ Sun R X. Study of spatiotemporal distribution of Tick-borne encephalitis in China[D]. Anhui: Anhui Medical University, 2016. ]
[19]	李一凡. 呼伦贝尔市森林脑炎地理环境影响因子探测及风险评价[D]. 北京:中国科学院大学, 2016.
	[ Li Y F. Assessment of tick-borne encephalitis risks and relatively geographical environment factors in Hulunbuir City[D]. Beijing: University of Chinese Academy of Sciences, 2016. ]
[20]	Tokarevich N K, Tronin A A, Blinova O V, et al. The impact of climate change on the expansion of Ixodes persulcatus habitat and the incidence of tickborne encephalitis in the north of European Russia[J]. Global Health Action, 2011,4(1):8448-8458.
[21]	Kříž B, Kott I, et al. Vlivklimatickýchzmennavýskytonemocneníklíštovouencefalitidou v letech 1982-2011 v Ceskére publice[J]. EpidemiologieMikrobiologieImunologie, 2015,64(1):24-32.
[22]	Zhao Q L, Li X L, Chu C Y, et al. Epidemiological characteristics and spatial analysis of Tick-Borne Encephalitis in Jilin Province, China[J]. The American Journal of Tropical Medicine and Hygiene, 2019,101(1):189-197. pmid: 31074410
[23]	Šumilo D, Bormane A, Asokliene L, et al. Socio-economic factors in the differential upsurge of tick-borne encephalitis in central and Eastern Europe[J]. Reviews in Medical Virology, 2008,18(2):81-95. doi: 10.1002/rmv.566 pmid: 18183571
[24]	Knap N, AVŠIČ-ŽUPANC T. Factors affecting the ecology of tick-borne encephalitis in Slovenia[J]. Epidemiology and Infection, 2015,143(10):2059-2067. doi: 10.1017/S0950268815000485 pmid: 25918865
[25]	Sándor A D, D'Amico G, Gherman C M, et al. arnivores and macroparasites: altitude and land use predict the ticks occurring on red foxes (Vulpes vulpes)[J]. Parasites & Vectors, 2017,10(1):173. pmid: 28381228
[26]	毕维铭, 邓厚培, 卜笑妍. 森林脑炎自然疫源地区划研究[J]. 首都师范大学学报(自然科学版), 1997,18(2):100-107.
	[ Bi W M, Deng H P, Bu X Y. A regionalization study of natured Epidemic-stricken areas of forest encephalitis[J]. Journal of Capital Normal University (Natural Science Edition), 1997,18(2):100-107. ]
[27]	Fauquet C M, Fargette D. International committee on taxonomy of viruses and the 3,142 unassigned species[J]. Virology Journal, 2005,2(1):64.
[28]	Bakhvalova V N, Rar V A, Tkachev S E, et al. Tick-borne encephalitis virus strains of Western Siberia[J]. Virus Research, 2000,70(1):1-12.
[29]	Allison S L, Ecker M, Meixner T, et al. Sequence analysis and genetic classification of tick-borne encephalitis viruses from Europe and Asia[J]. Journal of General Virology, 1999,80(1):179-185.
[30]	于志军, 刘敬泽. 蜱传疾病及其媒介蜱类研究进展[J]. 应用昆虫学报, 2015,52(5):1072-1081.
	[ Yu Z J, Liu J Z. Progress in research on tick-borne diseases and vector ticks[J]. Chinese Journal of Applied Entomology, 2015,52(5):1072-1081. ]
[31]	Dumpis U, Crook D, Oksi J. Tick-borne encephalitis[J]. Lancet, 1999,28(4):882-890.
[32]	SiB Y, Jiang T, Zhang Y, et al. Complete genome sequence analysis of tick-borne encephalitis viruses isolated in northeastern China[J]. Archives of Virology, 2011,156(8):1485-1488. doi: 10.1007/s00705-011-1031-y pmid: 21614436
[33]	中国科学院中国植被图编辑委员会. 1∶1000 000中国植被图集[M]. 北京: 科学出版社, 2001.
	[ Editorial Board of Vegetation Map of China, Chinese Academy of Science. 1:100 Million Vegetation Atlas of China[M]. Beijing: Science Press, 2001. ]
[34]	全国土壤普查办公室. 1:100万中华人民共和国土壤图[M]. 西安: 西安出版社, 1995.
	[ The National Soil Survey Office. 1:100 Million Soil Map of the People's Republic of China[M]. Xi'an: Xian Press, 1995. ]
[35]	徐新良. 中国年度植被指数(NDVI)空间分布数据集. 中国科学院资源环境科学数据中心数据注册与出版系统 (http://www.resdc.cn/DOI), 2018. DOI: 10.12078/2018060601.
	[ Xu X L. Spatial distribution data set of annual vegetation index in China. Data Center for Resources and Environmental Sciences,Chinese Academy of Sciences. (http://www.resdc.cn/DOI), 2018. DOI: 10.12078/2018060601.]
[36]	徐新良. 中国GDP空间分布公里网格数据集. 中国科学院资源环境科学数据中心数据注册与出版系统 (http://www.resdc.cn/DOI), 2017. DOI: 10.12078/2017121102.
	[ Xu X L. Spatial distribution data set of GDP in China. Data Center for Resources and Environmental Sciences, Chinese Academy of Sciences. (http://www.resdc.cn/DOI), 2017. DOI: 10.12078/2017121102.]
[37]	王振声. 基于空间模型的小地域疾病制图研究[D]. 武汉:武汉大学, 2016.
	[ Wang Z S. Research of disease mapping overSmall-area based on spatial model[D]. Wuhan: Wuhan University, 2016. ]
[38]	Wang J F, Hu Y. Environmental health risk detection with GeogDetector[J]. Environmental Modelling & Software, 2012,33(7):114-115.

年份	Moran' I	Z值	P值	空间分布
2005	0.035	2.19	<0.01	聚集
2006	0.063	4.24	<0.01	聚集
2007	0.049	4.15	<0.01	聚集
2008	0.025	2.71	<0.01	聚集
2009	0.115	6.14	<0.01	聚集
2010	0.123	6.54	<0.01	聚集
2011	0.152	8.96	<0.01	聚集
2012	0.082	4.53	<0.01	聚集
2013	0.084	4.82	<0.01	聚集
2014	0.086	4.56	<0.01	聚集
2015	0.054	3.12	<0.01	聚集

交互因子	植被类型	土地利用	年均气温	土壤类型	5—8月均气温	坡度	高程	年均降雨量	7—9月NDVI	年均NDVI	5—8月均降雨量
土地利用	0.371
年均气温	0.356	0.255
土壤类型	0.341	0.273	0.254
5—8月均气温	0.396	0.174	0.185	0.167
坡度	0.291	0.137	0.288	0.122	0.189
高程	0.684	0.536	0.588	0.527	0.185	0.332
年均降雨量	0.342	0.141	0.179	0.121	0.161	0.181	0.160
7—9月NDVI	0.322	0.219	0.633	0.095	0.162	0.231	0.543	0.156
年均NDVI	0.214	0.112	0.214	0.082	0.146	0.124	0.538	0.081	0.065
5—8月均降雨量	0.273	0.183	0.270	0.175	0.185	0.191	0.111	0.171	0.096	0.102
相对湿度	0.253	0.143	0.321	0.083	0.153	0.219	0.160	0.069	0.078	0.075	0.093

森林脑炎时空分布特征和环境影响因素分析

Spatial-temporal Distribution Characteristics and Environmental Impact Factors of Tick-borne Encephalitis

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 38

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	方云皓, 顾康康. 基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例[J]. 地球信息科学学报, 2021, 23(2): 284-296.
[2]	高楹, 宋辞, 郭思慧, 裴韬. 接驳地铁站的共享单车源汇时空特征及其影响因素[J]. 地球信息科学学报, 2021, 23(1): 155-170.
[3]	葛咏, 刘梦晓, 胡姗, 任周鹏. 时空统计学在贫困研究中的应用及展望[J]. 地球信息科学学报, 2021, 23(1): 58-74.
[4]	刘明杰, 徐卓揆, 郜允兵, 杨晶, 潘瑜春, 高秉博, 周艳兵, 周万鹏, 王凌. 基于机器学习的稀疏样本下的土壤有机质估算方法[J]. 地球信息科学学报, 2020, 22(9): 1799-1813.
[5]	张小东, 韩昊英, 陈宇. 2003—2018年中国地级城市土地出让交易状况及时空动态特征[J]. 地球信息科学学报, 2020, 22(9): 1823-1836.
[6]	张亚, 刘纪平, 周亮, 王勇, 李鹏飞. 基于DBSCAN算法的北京市顺丰快递服务设施集群识别与空间特征分析[J]. 地球信息科学学报, 2020, 22(8): 1630-1641.
[7]	高菠阳, 罗会琳, 黄志基, 徐凡雅, 刘柏宏. 中国工业用地出让价格空间格局及影响因素[J]. 地球信息科学学报, 2020, 22(6): 1189-1201.
[8]	姚可桢, 岳书平. 网络大数据下的中国现代食甜习惯空间分布特征及其影响因素研究[J]. 地球信息科学学报, 2020, 22(6): 1202-1215.
[9]	孙威, 林晓娜. 柳州市汽车制造业企业的空间格局与影响因素[J]. 地球信息科学学报, 2020, 22(6): 1216-1227.
[10]	吴康敏, 王洋, 叶玉瑶, 张虹鸥. 广州市零售业态空间分异影响因素识别与驱动力研究[J]. 地球信息科学学报, 2020, 22(6): 1228-1239.
[11]	湛东升, 谢春鑫, 张文忠, 丁亮, 许婧雪, 甄茂成. 基于累计机会可达性的北京城市公共服务设施复合功能识别[J]. 地球信息科学学报, 2020, 22(6): 1320-1329.
[12]	周琦, 高长春. 城市创意产业空间动态集聚演化的计算与可视优化方法[J]. 地球信息科学学报, 2020, 22(5): 1033-1048.
[13]	朱伶俐, 任红艳, 丁凤, 鲁亮, 吴思佳, 崔成. 陕西省HFRS疫情时空分异特征及影响要素研究[J]. 地球信息科学学报, 2020, 22(5): 1142-1152.
[14]	柳林, 梁斯毅, 宋广文. 基于潜在受害者动态时空分布的街面接触型犯罪研究[J]. 地球信息科学学报, 2020, 22(4): 887-897.
[15]	张经度, 梅志雄, 吕佳慧, 陈进钊. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用[J]. 地球信息科学学报, 2020, 22(3): 531-542.