目前，常用景观变化驱动力识别方法为传统统计分析法，如典型相关分析法[2]、Logistic回归模型分析法[3]、多元线性回归模型分析法[4]等。这类方法应用前提是数据必须符合统计上独立且均匀分布的假设条件[5]，而土地景观格局及驱动因子往往不独立，存在空间依赖关系，应用传统统计分析法进行驱动因子识别可能会产生偏差，所以有必要应用能体现数据空间相关性的空间回归模型进行土地景观格局变化驱动力分析。空间回归模型假设空间统计数据具有空间多维特征和时空相关性，能利用研究对象空间分布信息，较好地揭示土地景观格局变化影响因素及其时空分布。该模型不要求数据独立，可以充分分析数据空间属性，广泛应用于社会经济、农业环境、公共卫生等领域[6-7]以及空间分布预测模拟[8]、影响因素识别分析[9-10]等方面，但在土地景观格局变化驱动力分析中应用还比较少见。