通知公告：
发言范文网欢迎您
栏目导航毛靓 贾京默
摘 要：为掌握黑龙江省县域农林用地的景观格局变化特征，运用景观生态学原理及萝北县2000—2020年Landsat（美国NASA的陆地卫星）TM/ETM（Enhanced Thematic Mapper）遥感影像及DEM（Digital Elevation Model，数字高程模型）数据，采用Fragstats4.0软件，及CA（Cellular Automaton，元胞自动机）、ANN（Artificial Neural Networks，人工神经网络）、MC（Markov Chain，马尔科夫链）等相关模拟软件，研究萝北县2000—2020年景观格局的变化，及对2030年景观格局进行模拟预测。结果表明，萝北县2000—2020年期间，耕地面积减少0.462 km2，森林面积减少25.03 km2，景观格局整体变化不大，但景观破碎化程度一直加剧，生态系统功能减弱;模拟预测2030年土地利用情况，耕地面积预计增加0.34 km2，森林面積预计增加0.005 4 km2。从而得到结论，该地区景观格局变化特征为城镇化背景下人为活动导致的农林用地构成发生变化，可通过优化利用土地结构来保障生态及粮食安全。
关键词：景观格局;县域;农林用地;破碎化;土地适宜性;景观模拟预测
中图分类号：S77;F292;TU982.29 文献标识码：A 文章编号：1006-8023（2022）02-0044-10
Study on the Change Characteristics of Landscape Pattern of
Agricultural and Forestry Land at County Area in Heilongjiang
MAO Liang， JIA Jingmo
（School of Landscape Architecture， Northeast Forestry University， Harbin 150040， China）
Abstract：In order to grasp the landscape pattern change characteristics of county-level agricultural and forestry land in Heilongjiang Province， the principles of landscape ecology and Landsat （NASAs Landsat） TM/ETM （Enhanced Thematic Mapper） remote sensing images and DEM （Digital Elevation Model） images in Luobei County from 2000 to 2020 were used， using Fragstats4.0 software， and CA （Cellular Automaton）， ANN （Artificial Neural Networks）， MC （Markov Chain） and other related simulations software to study the changes in the landscape pattern of Luobei County from 2000 to 2020， and to simulate and predict the landscape pattern in 2030. The results showed that during the period from 2000 to 2020 in Luobei County， the area of arable land decreased by 0.462 km2， and the area of forest decreased by 25.03 km2. The overall landscape pattern did not change much， but the degree of landscape fragmentation had been increasing， and the ecosystem function had weakened. The land use situation predicted by simulation in 2030 was that：
the arable land area was expected to increase by 0.34 km2， and the forest area was expected to increase by 0.005 4 km2. It was concluded that the change of landscape pattern in this area was characterized by changes in the composition of agricultural and forestry land caused by human activities under the background of urbanization， which can ensure ecological and food security by optimizing the use of land structure.
Keywords：Landscape pattern; county area; agricultural and forestry land; fragmentation; land suitability; landscape simulation prediction
0 引言
在我国《城市用地分类与规划建设用地标准》（GB 501372011）中，将农林用地划分为城乡用地的一个类别（E2）。从国土空间规划的角度看，农林用地是国土空间规划用途分类划分种类中的一项，是山、水、林、田、湖和草等国土生态环境要素中的重要组成部分。农林用地对于我国粮食安全及生态安全具有极其重要的作用和战略价值。同时，农林用地的景观格局动态变化是陆地生态系统景观变化的主要表现形式，对国家生态环境战略制定的影响是相关研究领域的前沿和热点问题。
东北地区对维护国家国防安全、粮食安全、生态安全、能源安全和产业安全的战略地位十分重要，且明确要求支持生态建设和粮食生产，巩固提升绿色发展优势。黑龙江省是农林用地大省，是我国主要的粮食产区和重要的国有林区，在我国的粮食供给和国家生态安全中具有极其重要的地位。
黑龙江省萝北县拥有耕地约3 244 km2，林地约2 540 km2，其空间格局具有典型的东北农林用地的景观特征。本研究以黑龙江萝北县2000—2020年Landsat（美国NASA的陆地卫星） 遥感影像数据、ArcGIS 10.2.2软件、Fragstats 4.0软件和自然数据等为基础，对其景观格局变化进行分析计算，并耦合CA模型（Cellular Automaton，元胞自动机）、ANN模型（Artificial Neural Networks，人工神经网络）、MC（Markov Chain，马尔科夫链）进行景观格局模拟预测研究。通过模型耦合的方法，可以极大提高预测模型的适应性和准确性。同时，根据研究区土地利用情况、景观类型转化等方面，综合分析2000—2020年研究区景观格局变化特征，对比2020—2030年的预测结果特征，为土地利用及完善生态功能，提供详实的基础资料。其结果对于掌握该地区乃至全省各县域范围的景观格局特征，提供科学方法和依据，并为地方的经济发展、生态环境保护及相关研究提供重要的参考和借鉴。
1 研究区概况
本研究以黑龙江省鹤岗市萝北县为例。该县位于鹤岗市东部，辖区总面积约6 784 km2。萝北县是黑龙江省著名的绿色食品基地、省级生态示范县和国家级生态示范区建设试点县。县内耕地面积较多，共有农场6个。2021年萝北县总播种面积约215.73 km2，粮食总产达到18.7亿kg。同时，萝北县境内拥有原始森林、天然林、人工林，森林面积大、资源丰富。
近年来随着矿山开采，以及城镇化进程的加快，农林用地的自然环境及物种资源等都受到了不同程度的影响，给生态环境造成了极大的压力。因此，尽快掌握萝北县农林用地的景观格局变化过程、发展趋势及驱动因素，是萝北县制定今后经济社会发展规划急需解决的基础，如图1所示。
2 研究方法
2.1 数据来源
本研究的数据来源于地理空间数据云，包括 2000年、2010年、2020年3期 Landsat TM/ETM （Enhanced Thematic Mapper）遥感影像及 DEM（Digital Elevation Model，数字高程模型）数据，分辨率均为 30 m。森林资源二类调查数据来源于国家林业和草原局、国家公园管理局及黑龙江省森林工业总局。农业用地资源調查数据来源于萝北县自然资源局及实地应用考察，行政界线及道路分布图来源于OpenStreetMap（公开地图，OSM）、中国科学院地理科学与资源研究所和资源学科创新平台等。2019年1月与12月、2020年7月、8月、11月及2021年5月、6月，通过研究区职工居民走访和实地检验研究区实际状况是否与遥感数据一致，同时收集相关资料。
2.2 数据分析
2.2.1 景观分类及数据影像分析
根据该地区的实际情况，以及本次研究目的，参照《土地利用现状分类》（GB/T 21010—2007），将研究区土地划分为7种类型，见表1。使用ArcGIS 10.2.2软件将遥感影像、森林资源调查数据、土地资源数据及行政边界统一投影到CGCS2000坐标系（中国2000国家大地坐标系）中，根据遥感影像进行人工解析，最后根据土地利用实地数据考察，对解析结果进行修正与补充。
2.2.2 土地适宜性分析方法
研究区具有大面积的森林生态环境与成片的耕地。随着城镇化的进程，以及耕地利用强度的增加，对生态环境资源的承载力带来极大的挑战。萝北县西北部地区大部分为林业用地，占县域面积的45.88%。萝北县东南部地区以农业生产为主，占县域面积的37.06%。另外，建筑用地和水域占比较小，分别为1.26%、3.02%。为做到对环境干预最小化的同时达到土地资源利用效率最大化，农林用地与其他生态环境的土地利用分配尤为重要。所以从生态保护及生态敏感性角度出发，运用加权叠加等分析方法对高程、坡度和坡向多方面综合分析，并利用GIS寻找最适宜农林用地的区域。
2.2.3 景观类型面积转移矩阵与指数计算分析
在ArcGIS 10.2.2软件中将相邻时段的遥感解析结果进行空间叠加统计分析以及土地利用变化分析，即可直观地得到2000年、2010年、2020年3个时间点，研究区域内土地利用的变化，以及景观类型面积相互转移情况。景观格局分析选取香农多样性指数、斑块密度、最大斑块指数、景观形状指数和景观边缘密度等指标，利用Fragstats 4.0软件进行计算。
2.2.4 景观格局模拟方法
根据研究区的景观格局现状，同时考虑影响因子定量化和空间化的可行性，从自然环境、社会经济、交通区位和政策因素方面建立景观格局驱动力因子体系。根据参考文献、文献与研究区实际情况，采用双变量空间自相关模型分析筛选出优势影响因子，在此基础上，耦合CA（Cellular Automaton，元胞自动机）、ANN（Artificial Neural Networks，人工神经网络）、MC（Markov Chain，马尔科夫链）的各自特点和优势对研究区未来景观格局进行模拟。CA是由Wolfrm提出，由元胞空间（C）、元胞状态集合（S）、邻域（N）、转换规则（R）4部分组成，如果A表示元胞自动机系统，则CA模型可表示为
A=（C，S，N，R）。（1）
传统CA模型具有一定的局限性，其元胞转化规则主观性较强。而ANN模型具有能够模拟复杂非线性函数的特点，因此可以将生成土地利用适宜性概率图集作为CA模型的转换规则，可有效避免主观赋权的不确定性。同时，改进CA模型，采用随机机制确定出现在像元上的景观类型，以体现客观世界的景观类型变化的不确定性和动态演化的特征。
Markov模型属于随机模型，用于预测土地利用类型或覆被的数量。该模型具有稳定性，以及无后效性。其特点主要表现在未来时刻（t+1）状态只与当前时刻（t）有关，与其他时刻无关，其数学表达式为
S（t+1）=Pjk·St。（2）
式中：S（t+1）为（t+1）时刻土地利用状态;St为t时刻土地利用状态;Pjk表示土地利用转移概率矩阵。
Markov模型的优势是具有定量化预测功能，可以提高景观格局类型转换的预测精度，但是却无法预测空间变化，因此，将Markov定量化预测的精确性与CA模型时空模拟的优越性有机耦合，提高景观格局模拟精度。
景观格局模拟精度采用Kappa系数和FoM（figure of merit）指数来衡量，以验证所构建模型在研究区用地应用的可靠性。Kappa系数用来检验景观格局模拟结果与现状的一致性，Kappa值在0～1，Kappa值越大，越接近于1，说明模拟精度越高，当Kappa值大于0.75时，结论可信度高，模拟效果较好。FoM为灵敏值或优值，是一种评价模型性能的方法，FoM值处于0～1，模拟的年数长短直接影响指数大小，模拟年数每增加一年，FoM指数增加值上限应不大于0.01，满足此要求时认为模拟结果较好。GeoSOS-FLUS（土地利用变化情景模拟模型） V2.3软件是由中山大学刘小平教授提出的土地利用变化情景模拟平台。本研究利用该软件实现研究区未来景观格局模拟预测。首先，利用ANN模块，以2010年研究区景观分类数据作为初始年份数据，输入驱动力因子，经神经网络参数调试，计算得出每种景观类型在每个像元上出现的概率，形成土地利用适宜性概率图集。其次，以2000年、 2010年分类数据为依据，通过Markov模型预测2020年各景观类型数量值（栅格数）。最后，利用自适应惯性机制的CA模型对2020年景观格局进行模拟，方法：将2010年分类数据设置为初始年份数据，输入模拟所需的相关数据，包括适宜性概率图集、数量目标（Markov预测值）、限制条件数据（自然保护区、政策因素），经多次调整迭代次数、邻域因子等参数，获得2020年模拟图。将模拟图与2020年真实图比较，运用Kappa系数和FoM指数来评估其模拟精度。若Kappa系数大于0.75，FoM指数小于0.1，则认为所构建的模型模拟精度较高，可以用来预测2030年研究区景观格局。
3 结果与分析
3.1 总体时空动态变化特征
3.1.1 2000—2020年总体时空变化特征
耕地与森林是萝北县主体景观，人造地表是面积最小的类型，其他景觀类型面积占比较低。2000—2010年，耕地面积增加7.38 km2，森林面积减少9.07 km2，草地面积减少2.73 km2，湿地面积减少2.91 km2，人造地表增加6.09 km2，农林用地变化主要集中在西北地区的中部。2010—2020年，耕地面积减少7.29 km2，森林与草地面积分别减少15.95 km2和1.62 km2，湿地面积增加25.17 km2，人造地表减少4.26 km2。如图2所示。
耕地占据绝大部分区域，森林与草地主要集中在研究区地势高的西北侧，耕地、水域等主要分布在地势较低的东南侧一带。森林主要集中呈块状分布于研究区西北部结合度较高。
3.1.2 景观格局模拟预测方法
根据2.2.4节所述方法，经相关性分析筛选出与研究区景观格局变化相关的驱动力因子，即：年均气温、降水量、DEM、道路、坡度。对2020年研究区景观格局进行模拟预测，获得2020年景观格局模拟预测图。
2020年景观格局模拟精度检验如下：通过2020年模拟预测图、2020年真实图及3个典型区域的局部放大图（图3）进行对比，可直观发现相似度较高，经精度检验Kappa系数为0.862，大于0.75，FoM指数为0.06，小于0.1，可见模拟的可靠性高。
3.1.3 景观格局模拟预测结果
经检验，2020年模拟精度较高，可对2030年景观格局进行模拟预测，预测结果如图4所示。对其景观类型面积增减进行比较，如图5所示。由图5可知，除建设用地（人造地表）面积减少外农林用地面积有所增加。
3.2 土地适宜性结果分析
3.2.1 地形环境
高程：根据中国基本地貌分类以及数字高程模型可知高程图，如图6所示，将研究区由低到高分为不敏感、轻度敏感、中度敏感、高度敏感和极敏感5个等级，如图7所示，区域分布趋势随高程变化而变化。
坡度：研究区内的坡度变化较小，局部坡度为45°～90°为陡坡、悬崖。《中华人民共和国水土保持法》规定，大于25°不能耕种，25°以上的土地承受开垦和建设的能力有一定不足，故将研究区内坡度由低到高设为：0°～15°、15°～25°、25°～30°、30°～45°、45°～90°，共5级，如图8所示。
坡向：综合现有坡向与植物群落生长等植物学、生态学方面研究，得知我国大部分区域，尤其是北方地区，植物生长状况和丰富度指数方面均体现出阴坡优于阳坡的结论。研究区坡向敏感性分析过程中，坡向图如图9所示，农林用地的坡向应为阳坡最佳，根据场地的方向及形式，认为以东南坡、南坡和西南坡的阳坡方向为最佳区域。北坡为完全不适宜建成区域。并依次将坡向分为5个等级，如图10所示。
3.2.2 权重分配
结合文献和资料，以及自身需求对于影响因子的权重进行了安排，见表2。
运用ArcGIS的空间数据处理与分析工具，在研究区DEM图上提取各因子数据信息，运用等级赋值的方法将各地理数据因子信息量化，赋值范围为1～5，值越小，该区域适宜性越强，量化后获得各影响因子的适应性得分表，见表3。
3.2.3 区域确定
利用GIS的叠加分析法分析得出最适宜土地利用与生态建设区域（图11）依照颜色与分类由深到浅依次递减。
3.3 景观类型面积转移分析
由表4可知，2000—2010年，研究区的景观类型变化特征为耕地向草地、森林、人造地表、湿地和水体转化，转化面积分别为：33.141 6、6.207 3、9.030 6、0.006 3、0.869 4 km2;森林向人造地表与耕地转化，转化面积分别为1.422 9 km2与17.534 7 km2。耕地面积增加较多，在此期间，研究区受到自然因素干扰影响较大，主要表现为：农业发展粗放，粮食产量增长，森林资源相对减少，湿地面积缩小，生态功能有所下降。
由表5可知，2010—2020年，研究区的景观类型变化特征为草地、耕地、人造地表、森林向湿地与水体转化，转化面积分别为：2.203 2、1.641 6 km2;1.703 7、1.280 7 km2;17.856 0、0.175 5 km2和 9.927 0、2.866 5 km2。湿地面积缓慢增长，主要增加区域为中部地区。增加的湿地主要由森林与人造地表转换而来。这一时期湿地景观变化主要归因于国家相关政策的实施。在2010年的《大小兴安岭林区生态保护与经济转型规划（2010—2020年）》中，明确把保护与修复林区生态系统作为首要任务，切实加强自然保护区和水域建设。在2010—2020年，水域面积增加了29.180 7 km2。其原因是国家相关政策的落实，极大地影响了景观格局的变化。
由表6可知，2020—2030年，从研究区未来十年景观格局的预测结果来看，类型转换非常微弱，各用地面积呈缓慢变化趋势。对研究区未来景观格局预测结果可知各用地面积变化趋于平稳。
3.4 景观格局變化分析
研究区20年时间跨度中的景观格局整体变化不大，景观破碎化程度一直在增加 ，见表7，各景观类型斑块密度逐步减少。研究区整体呈现水域优势地位上升的趋势，景观异质性程度升高，各景观类型的分布趋于均衡化分布的趋势，具体表现为最大斑块所占景观面积比例、密度、景观形状指数、均匀度指数均逐渐下降，蔓延度逐渐下降。且水域、森林斑块密度逐步增长。湿地、森林的最大斑块指数逐步上升，水体、耕地的最大斑块指数逐步下降。
4 结论
生态保护、粮食安全与经济社会的协调发展，对推动黑龙江省的高质量发展具有极其重要的意义。作为以萝北县为代表，拥有大量农林用地的黑龙江县级行政区域来说，在景观生态学理论不断拓展和地理信息技术功能不断完善的背景下，探索综合考虑土地资源利用与生态环境保护需求等因素的景观格局变化特征具有现实意义。20年来萝北县的森林、耕地面积不断变化，2000—2020年总体耕地面积变化为先增加（7.38 km2）后减少（7.287 km2），2000—2020年森林用地总面积变化为减少25.03 km2，2000—2020年研究区景观破碎化程度加剧、斑块密度减弱。研究区林业用地减少，除了农业用地先增加后减少外，其他各项土地利用均呈上升趋势。NP、PD前期受城镇化进程加快影响下降明显;CONTAG不断减小主要是由于建设用地（人造用地）面积扩张、林地占用等人类活动干扰;景观破碎化程度的加剧主要由于SHEI的增加，SHEI值越大，景观越破碎。对比预测2030年土地利用情况，2020—2030年研究区农林用地面积总体较2020年有所增长，其中农业用地面积预计增加0.34 km2，林业用地预计增加0.005 4 km2。所以，认为受人为干扰比较大，应保持现有用地优势，提高县域生态服务价值，改善生态环境。该地区景观格局变化特征为城镇化背景下人为活动引起的景观格局变化导致萝北县生态系统服务能力降低。县域农林用地的景观格局可以通过优化调整，以提高土地利用率并改善生态环境，保障生态及粮食安全。
景观格局的变化直接影响耕地粮食产出和森林生态系统，间接改变生态系统的基本功能，进而对我国的粮食安全与生态安全产生影响。在保持现有土地优势、控制建设用地（人造用地）面积的同时提高农林用地的面积占比，改变景观类型中LPI、CONTAG、SHDI、LEI指数来优化调整景观格局。
【参 考 文 献】
李保杰，顾和和.矿区土地复垦景观格局变化和生态效应.农业工程学报，2012，28（3）：251-256.
LI B J， GU H H. Landscape pattern changes and ecological effects of land reclamation in mining areas. Transactions of the Chinese Society of Agricultural Engineering， 2012， 28（3）：251-256.
张晓松，杜尚泽.奋力书写东北振兴的时代新篇——习近平总书记在东北三省考察调研并主持召开深入推进东北振兴座谈会纪实.党的生活（黑龙江），2018，28（10）：6-10.
ZHANG X S， DU S Z. Striving to write a new chapter in the era of northeast revitalization-General Secretary Xi Jinping inspected and investigated the three northeastern provinces and presided over the in-depth promotion of the northeast revitalization symposium. Party Life （Heilongjiang）， 2018， 28（10）：
6-10.
李连刚，张平宇，刘文新，等.吉林省县域环境污染的时空演变特征与影响因素.应用生态学报，2019，30（7）：2361-2370.
LI L G， ZHANG P Y， LIU W X， et al. Temporal and spatial evolution characteristics and influencing factors of environmental pollution in counties of Jilin Province . Journal of Applied Ecology， 2019， 30（7）：
2361-2370.
郝景莹.小兴安岭湿地景观格局动态变化模拟研究.哈尔滨：哈尔滨师范大学，2019.
HAO J Y. Simulation study on the dynamic change of the wetland landscape pattern in Xiaoxinganling. Harbin：
Harbin Normal University， 2019.
党安荣，田颖，甄茂成，等.中国国土空间规划的理论框架与技术体系.科技导报，2020，38（13）：47-56.
DANG A R， TIAN Y， ZHEN M C， et al. The theoretical framework and technical system of Chinas land and space planning. Science and Technology Review， 2020， 38（13）：47-56.
谢花林.典型农牧交错区土地利用变化驱动力分析.农业工程学报，2008，24（10）：56-62.
XIE H L. Analysis of driving forces of land use change in typical farming-pastoral ecotone. Transactions of the Chinese Society of Agricultural Engineering， 2008， 24（10）：56-62.
KREUTER U P， HARRIS H G， MATLOCK M D， et al. Change in ecosystem service values in the San Antonio area， Texas. Ecological Economics， 2001， 39（3）：333-346.
李玲，應佳明，徐卫红.基于GIS技术的山地度假别墅选址分析——以云天海度假村为例.上饶师范学院学报，2018，38（6）：61-66.
LI L， YING J M， XU W H. Analysis of mountain holiday villa site selection based on GIS technology-taking Yuntianhai Resort as an Example. Journal of Shangrao Normal University， 2018， 38（6）：61-66.
李明诗，徐祎凡，李云梅，等.南方集体林区森林破碎化模式及趋势遥感刻画以浙江余杭为例.南京林业大学学报（自然科学版），2010，34（4）：135-139.
LI M S， XU Y F， LI Y M， et al. Remote sensing portrayal of forest fragmentation patterns and trends in southern collective forest areas：
a case study of Yuhang， Zhejiang. Journal of Nanjing Forestry University （Natural Science Edition）， 2010， 34（4）：135-139.
XU Y， TANG H P， WANG B J， et al. Effects of land-use intensity on ecosystem services and human well-being：
acase study in Huailai County， China . Environmental Earth Sciences， 2016， 75（5）：416-425.
鲁亚楠，姚顺波.基于经济和政策双重作用的南方集体林区土地利用时空变化.南京林业大学学报（自然科学版），2018，42（5）：163-171.
LU Y N， YAO S B. Spatial-temporal changes of land use in southern collective forest areas based on the dual effects of economy and policy. Journal of Nanjing Forestry University （Natural Science Edition）， 2018， 42（5）：163-171.
张吕成，张一帆，董灵波.基于Landsat TM数据的大兴安岭森林景观空间格局及其关联性.森林工程，2021，37（6）：1-9.
ZHANG L C， ZHANG Y F， DONG L B. The spatial pattern and correlation of forest landscape in Daxinganling based on Landsat TM data. Forest Engineering， 2021， 37（6）：1-9.
韩蕾，孔祥斌，郭洪峰，等.西南山区生态敏感区土地生态安全评价：以秀山县为例.水土保持研究， 2015，22（1）：229-234.
HAN L， KONG X B， GUO H F， et al. Evaluation of land ecological security in ecological sensitive areas in southwest mountainous areas：
taking Xiushan County as an example. Soil and Water Conservation Research， 2015， 22（1）：229-234.
刘亚香，李阳兵，易兴松，等.贵州典型坝子土地利用强度空间演变及景观格局响应.应用生态学报， 2017，28（11）：3691-3702.
LIU Y X， LI Y B， YI X S， et al. Spatial evolution of land use intensity and landscape pattern response in typical dams of Guizhou. Chinese Journal of Applied Ecology， 2017， 28（11）：3691-3702.
刘琳. 黑龙江省森工林区林地资源可持续利用研究. 北京：北京林业大学，2015.
LIU L. Research on the sustainable utilization of forest land resources in the forest industry region of Heilongjiang Province. Beijing：
Beijing Forestry University， 2015.
宋爽，许大为，石梦溪，等. 挠力河流域景观生态健康时空演变. 南京林业大学学报（自然科学版）， 2021， 45（2）：
177-186.
SONG S， XU D W， SHI M X，etal. Spatial and temporal evolution of landscape ecological health in Naolihe Basin.Journal of Nanjing Forestry University （Natural Science Edition）， 2021， 45（2）：
177-186.
吴欣昕，刘小平，梁迅，等.FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定.地球信息科学学報，2018，20（4）：532-542.
WU X X， LIU X P， LIANG X， et al. Delineation of urban growth boundary in the pearl river delta based on FLUS-UGB multi-scenario simulation. Journal of Geo-Information Science， 2018， 20（4）：532-542.
张玉娟.长白山林区林场级尺度景观格局演化与模拟.哈尔滨：东北林业大学，2016.
ZHANG Y J. The evolution and simulation of forest farm-level landscape pattern in Changbai Mountain forest area. Harbin：
Northeast Forestry University， 2016.
