尹昌應(yīng)，石憶邵

（同濟大學(xué)測繪與地理信息學(xué)院，上海 200092）

0 引言

土地利用類型是構(gòu)成城市空間形態(tài)和結(jié)構(gòu)的微觀要素，研究一定時期內(nèi)的土地利用類型轉(zhuǎn)移情況，在此基礎(chǔ)上預(yù)測未來土地利用類型間的轉(zhuǎn)移動態(tài)，有助于優(yōu)化土地利用結(jié)構(gòu)和調(diào)控城市空間布局，促進土地資源的集約和高效利用。但是，當(dāng)城市化發(fā)展到一定水平，特別是城市建設(shè)用地擴張到一定程度時，土地資源利用的局限形勢會變得愈發(fā)嚴(yán)峻，強制性行政干預(yù)便成為不得不采取的控制手段，例如劃定耕地紅線和城市增長邊界等。當(dāng)某一種或幾種用地類型快要接近或已達(dá)到政策強制性限定標(biāo)準(zhǔn)時，土地利用總體規(guī)劃可從數(shù)量規(guī)模上進行計劃控制，但在預(yù)見并藉此控制土地利用類型的空間演化趨勢方面仍不足。因此，如何從空間上定量表達(dá)城市土地利用變化的驅(qū)動力，建立動態(tài)模型實現(xiàn)未來土地利用規(guī)模的空間分配，預(yù)測土地利用空間格局，是城市管理者和學(xué)術(shù)界面臨的實際問題。

傳統(tǒng)方法解決該問題時常采用定性分析或一些不具空間解釋能力的定量模型，從較為宏觀的視角分析土地利用變化的空間特征［1］。以元胞自動機（Cellular Automaton，CA）、土地利用變化及其影響（Conversion of Land Use and its Effects，CLUE）模型、多智能體系統(tǒng)（Multi－Agent System，MAS）等為代表的模擬技術(shù)產(chǎn)生后，土地利用格局預(yù)測進入了新時期。目前，運用模型化方法模擬土地利用格局已是理解和解釋區(qū)域土地變化過程與趨勢的常規(guī)途徑［2－4］。其中，CA 模型的優(yōu)點在于其顯著的空間特性和由簡單的鄰域規(guī)則產(chǎn)生的突現(xiàn)性，但這種突現(xiàn)性能否反映實際的土地變化情況，取決于規(guī)則設(shè)計的合理性。實際上，土地變化驅(qū)動力的時空復(fù)雜性要求CA在簡單的鄰域規(guī)則上附加復(fù)雜的驅(qū)動作用關(guān)系，所以CA模型如果只有簡單的鄰域規(guī)則并不能真正解決實際問題。MAS強調(diào)“人”作為主體的自治性、反應(yīng)性、主動性、社會性和學(xué)習(xí)性，考慮個體、群體及環(huán)境的相互作用和人類決策行為的影響［5］，盡管理論意義十分重大但進展較為緩慢，目前仍以理論探索為主［6］。相比之下，CLUE模型不僅能很好地反映土地變化在空間上的關(guān)聯(lián)性、等級性、競爭性和相對穩(wěn)定性［7］，建模過程也簡單且易于理解；Dyna－CLUE模型［8］是 CLUE－S模型的改進版本，它將“自上而下”和“自下而上”過程結(jié)合，且彌補了CLUE－S在模擬大區(qū)域時不得不增大像元尺寸的弊端，使CLUE模型可被應(yīng)用到更為精細(xì)的空間尺度上，但同時也對模型輸入數(shù)據(jù)的空間分辨率提出了更高要求。由于城市內(nèi)部驅(qū)動因素的復(fù)雜性及其輸入數(shù)據(jù)的分辨率問題，迄今為止基于Dyna－CLUE模型的案例研究尚不多見。因此，本文以上海市為例，建立Dyna－CLUE模型預(yù)測土地利用空間格局，可為城市土地利用規(guī)劃和管理提供新的技術(shù)思路。

1 研究區(qū)、數(shù)據(jù)和方法

1.1 研究區(qū)概況

上海市地處東經(jīng)120°52′～122°12′、北緯30°40′～31°53′，位于中國南北海岸中心點，長江和黃浦江入海匯合處，北界長江，東瀕東海，南臨杭州灣，西接江蘇和浙江，是長江三角洲沖積平原的一部分，全市陸地面積6 506.52km2。2011年末全市常住人口2 347.46萬人，城鎮(zhèn)人口占總?cè)丝?9.3%，城鎮(zhèn)化水平居全國首位。

1.2 研究數(shù)據(jù)及預(yù)處理

數(shù)據(jù)資料主要包括覆蓋上海全市的2003年8月CBERS－1B影像4景，2006年 CBERS－1B影像4景，2009年8月Landsat－ETM＋影像2景；上海市2009年土地利用現(xiàn)狀圖和地形圖、30m×30m分辨率DEM、上海市行政區(qū)劃圖、鄉(xiāng)鎮(zhèn)（街道）行政中心和農(nóng)村居民點位數(shù)據(jù)。數(shù)據(jù)預(yù)處理主要包括基于ERDAS Image 2011平臺的波段組合、幾何糾正、圖像拼接；ENVI 4.8軟件支持下分別計算歸一化植被指數(shù)（NDVI）和歸一化建筑指數(shù)（NDBI），結(jié)合DEM數(shù)據(jù)提取的高程、坡度、坡向信息建立決策樹，采用最大似然法進行土地利用分類處理；行政區(qū)劃圖矢量化，人口、經(jīng)濟數(shù)據(jù)空間化等。所有數(shù)據(jù)均配準(zhǔn)到統(tǒng)一地理參考系統(tǒng)。

1.3 研究方法

包含“情景預(yù)測”和“空間分配”兩部分，即用Markov模型預(yù)測土地利用需求情景，用Dyna－CLUE對需求情景進行空間分配。

1.3.1 土地利用需求情景預(yù)測 Markov模型中［9］：如果隨機過程X（t）在時刻（n＋1）狀態(tài)的概率分布只與時刻n的狀態(tài)有關(guān)系，而與n之前的狀態(tài)沒有關(guān)系，則隨機過程X（t）可以被稱為是一個馬爾柯夫鏈，記條件概率：

式中：Pij（n）是在時刻n的一步轉(zhuǎn)換概率，由一步轉(zhuǎn)換概率構(gòu)成的轉(zhuǎn)換矩陣：

該矩陣滿足兩個條件：矩陣每一行元素的和等于1；矩陣中每一個元素為非負(fù)。于是，Markov模型可表示為：

式中：X（n）表示趨勢分析與預(yù)測對象在t＝n時刻的狀態(tài)向量，P 表示一步轉(zhuǎn)移概率矩陣，X（n＋1）表示預(yù)測對象在t＝n＋1時刻的狀態(tài)向量。

情景預(yù)測前，需驗證 Markov模型的適用性。設(shè)定3年為時間步長，首先以2003年、2006年兩期遙感解譯數(shù)據(jù)計算土地利用轉(zhuǎn)移矩陣，得到各土地利用類型間的轉(zhuǎn)移概率矩陣P；然后以2006年遙感解譯數(shù)據(jù)為初始狀態(tài) X（1），用式（3）計算2009年對應(yīng)的狀態(tài)X（2）；再用X（2）與2009年土地利用現(xiàn)狀數(shù)據(jù)比較，計算總體精度達(dá)89.23%，說明該模型具有較強的預(yù)測能力。情景預(yù)測時，利用上述原理計算2003－2009年的轉(zhuǎn)移矩陣如表1。

表1 上海市2003－2009年土地利用轉(zhuǎn)移矩陣Table 1 Transfer matrix of land use in Shanghai from2003 to 2009 %

基于上述轉(zhuǎn)移矩陣，設(shè)計兩種土地利用規(guī)劃政策情景：情景Ⅰ，假定未來的土地利用延續(xù)現(xiàn)有方式，即各用地類型的變化速度保持2003－2009年的變化速度不變；情景Ⅱ，結(jié)合上海市土地利用總體規(guī)劃（2006－2020）提出的“穩(wěn)保328萬畝耕地紅線”以及國土資源部下達(dá)上海至2020年的建設(shè)用地指標(biāo)（2 981km2），參考國內(nèi)外大都市居住用地、產(chǎn)業(yè)用地和服務(wù)業(yè)用地等用地類型的平均變化速度，設(shè)計了一個基于用地規(guī)?？刂频男枨笄榫?。運用Markov鏈模型分別預(yù)測兩種情景下的土地利用需求如表2。

表2 基于不同用地模式預(yù)測的土地利用需求情景Table 2 Predicted demand scenarios based on different land use modes hm2

1.3.2 土地利用需求的空間分配 Dyna－CLUE模型對土地利用需求的空間分配，是在深入認(rèn)識研究區(qū)土地利用變化歷史的情況下，診斷土地利用變化與環(huán)境因素之間的定量關(guān)系，建立轉(zhuǎn)換規(guī)則來模擬土地利用空間格局。建模步驟及主要輸入數(shù)據(jù)如下：

（1）影響因素分析。土地利用變化是自然和人文因素共同作用的結(jié)果［10－12］。大區(qū)域、長時間尺度上的土地利用變化受自然環(huán)境因素的影響較明顯，小流域、城市或更小空間尺度上短期內(nèi)的土地利用變化則主要受當(dāng)?shù)厣鐣?jīng)濟發(fā)展?fàn)顩r的驅(qū)動作用更顯著。本文選取海拔高度、坡度、坡向、道路通達(dá)性、到各級行政中心距離、到主干河道距離、人口密度、經(jīng)濟密度、建筑容積率等共計13項指標(biāo)作為潛在的影響因素（部分如圖1）。

圖1 上海市土地利用空間變化的潛在驅(qū)動因子Fig.1 Potential driving factors of land use change in Shanghai

（2）空間驅(qū)動力診斷。驅(qū)動力分析是準(zhǔn)確模擬土地利用變化的基礎(chǔ)和前提條件。Dyna－CLUE采用Logistic逐步回歸模型診斷土地利用變化的驅(qū)動因子，以土地利用類型為因變量、驅(qū)動因子為自變量建立二元Logistic回歸方程，并據(jù)此建立回歸方程估算每一柵格可能出現(xiàn)某種用地的概率。Logistic逐步回歸模型可表示為：

式中：pi表示每個柵格可能出現(xiàn)某一土地利用類型i的概率；Xn，i表示各備選驅(qū)動因子在該位置上的值；β是回歸方程的解釋變量系數(shù)，βi值越大，代表其相關(guān)度越高，EXP（βi）是β系數(shù)以e為底的冪指數(shù)，等于事件發(fā)生概率pi。Logistic回歸方程的解釋能力用Pontius等［13］提出的ROC曲線進行檢驗（表3）。

表3 Dyna－CLUE模型中各用地類型與驅(qū)動因子間的回歸系數(shù)Table 3 Regression coefficients of land use types and driving factors in the Dyna－CLUE model

（3）區(qū)域限制策略。空間政策制約模塊指根據(jù)各地土地利用的實際情況確定土地利用轉(zhuǎn)換中的特殊限制條件。結(jié)合數(shù)據(jù)可獲得性，本文重點考慮了上海市的基本農(nóng)田保護區(qū)、九段沙濕地國家級自然保護區(qū)、崇明東灘鳥類國家級自然保護區(qū)、長江口中華鱘自然保護區(qū)和金山三島海洋生態(tài)自然保護區(qū)4個自然保護區(qū)。在限制區(qū)內(nèi)，基本農(nóng)田不會轉(zhuǎn)換成其他任何類型的土地，森林、草地等自然生態(tài)系統(tǒng)不會受到干擾和破壞而轉(zhuǎn)變?yōu)榻ㄔO(shè)用地和耕地。

（4）轉(zhuǎn)換彈性和轉(zhuǎn)換規(guī)則設(shè)置。轉(zhuǎn)換彈性（ELAS）是設(shè)置地類穩(wěn)定性的重要參數(shù)，它表征在一定時期內(nèi)某種用地類型可能轉(zhuǎn)化為其他類型的難易程度。ELAS有3種取值：對于較難轉(zhuǎn)換為其他土地利用類型的地類，ELAS＝1；對于極易變化的地類，ELAS＝0；難易程度介于這兩種情況之間，則ELAS介于0～1之間。本文根據(jù)專家經(jīng)驗結(jié)合有關(guān)文獻資料，設(shè)定轉(zhuǎn)換彈性如表3。

（5）其他輸入數(shù)據(jù)。包括初始土地利用格局和土地利用需求情景（表2），以及關(guān)于模擬時段、時間步長、空間范圍、像元分辨率等方面的控制參數(shù)，具體參數(shù)取值如表4。

表4 Dyna－CLUE模型中主要控制參數(shù)及在本研究中取值Table 4 Values of main control parameters of Dyna－CLUE model in the study

（6）模型校準(zhǔn)。模型校準(zhǔn)時，以2003年遙感解譯的土地利用現(xiàn)狀圖為初始數(shù)據(jù)，采用建立的Dyna－CLUE模型將2009年的土地利用需求情景分配到二維地理空間，結(jié)合2009年的土地利用現(xiàn)狀格局進行精度評價，若不滿足精度要求則通過調(diào)整上述參數(shù)對模型進行校準(zhǔn)。評價模型精度時，以2009年土地利用現(xiàn)狀圖作為參考數(shù)據(jù)，采用分層隨機抽樣的點樣本檢驗法［14］分別在模擬數(shù)據(jù)和參考數(shù)據(jù)上選取500個樣本點對，通過計算混淆矩陣、總體精度和Kappa指數(shù)［15］來評價模型的精度水平。

經(jīng)過多次參數(shù)調(diào)整，最后確定以表4所示數(shù)據(jù)作為模型輸入?yún)?shù)。模擬輸出2009年土地利用格局對應(yīng)的混淆矩陣、總體精度和Kappa系數(shù)（表5），結(jié)果表明模型具有較強的用地規(guī)模和空間預(yù)測能力，可用來預(yù)測上海市未來一定時期內(nèi)的土地利用變化格局。

表5 Dyna－CLUE模型的混淆矩陣及精度評價Table 5 Confusion matrix and accuracy assessment for Dyna－CLUE model

2 模擬結(jié)果與分析

運用上述構(gòu)建的模型模擬兩種需求情景下2015年、2021年的土地利用格局如圖2所示。

2.1 數(shù)量變化特征

分析兩種土地需求情景，可知未來土地利用規(guī)模的變化特征。其中，模式Ⅰ對應(yīng)的土地利用規(guī)模變化情況如圖3a所示，土地類型間轉(zhuǎn)換頻繁且“順”勢（趨勢延續(xù)，即保持“增加”或“減少”的趨勢）明顯。耕地是變化最為顯著的土地類型，到2015年減至147 850hm2，2021年僅存119 641hm2；2009年以后，林草地則和耕地一樣表現(xiàn)為持續(xù)減少；建設(shè)用地則迅速增加，其中工業(yè)用地增長特別顯著，2015年達(dá)985.27km2，2021年則達(dá)1 126.64km2，相應(yīng)的工業(yè)用地比例分別增至27.90%和28.54%；居住用地增加趨勢也很明顯，2015年上海所需居住用地面積達(dá)1 133.64km2，2021年則達(dá)1 225.45km2；交通用地增至2015年的653.71km2和2021年的748.20km2；水面有一定減少，未利用地保持在40km2左右。

圖2 上海市土地利用的Dyna－CLUE模擬格局Fig.2 Predicted land use patterns of Shanghai using Dyna－CLUE model

模式Ⅱ?qū)?yīng)的土地利用規(guī)模變化情況如圖3b所示，各種用地類型間轉(zhuǎn)換仍然頻繁但“逆”勢（趨勢逆轉(zhuǎn)，即“先增后減”或“先減后增”的趨勢）顯著。耕地方面，2009年面積為216 699hm2，已低于上海市218 666hm2（328萬畝）的 “耕地紅線”，經(jīng)過總量控制和結(jié)構(gòu)調(diào)整，2015年耕地逆轉(zhuǎn)減勢增至221 476 hm2，2021年達(dá)236 833hm2；林草地則表現(xiàn)為持續(xù)緩慢增加，以適應(yīng)生態(tài)城市建設(shè)要求；工業(yè)用地穩(wěn)步減少，從2009年的790.22km2減至2015年的674.93km2，2021年達(dá)563.81km2，相應(yīng)的工業(yè)用地比例分別為23.23%和19.43%；居住用地不斷增加，從2009年的103 467萬m2增至2015年119 581萬m2，2021年達(dá)127 037萬m2；交通用地也進一步增至2015年的648.64km2和2021年的768.95 km2；未利用地保持在30km2左右。

圖3 兩種需求情景下土地利用變化情況Fig.3 Land use change of the different demand scenarios

2.2 空間變化特征

分別將兩種需求情景下的模擬格局與2009年的現(xiàn)狀格局進行疊加和比較分析，可知未來土地利用格局的變化特點。例如，在情景Ⅰ中的工業(yè)倉儲用地主要沿公路、河道兩側(cè)擴展，呈現(xiàn)顯著的“廊道”特征；居住用地散布在工業(yè)倉儲用地分布的空間范圍內(nèi)；耕地、林草地和水體等具有生態(tài)平衡和環(huán)境凈化功能的非建設(shè)用地邊界逐漸向郊區(qū)退縮，崇明島北部的水體面積增加顯著。這種土地利用格局是延續(xù)工業(yè)化大發(fā)展階段的用地模式所產(chǎn)生的自然結(jié)果，工業(yè)倉儲用地集中分布在交通便利的地方，建設(shè)用地擴張大量侵占耕地和林草地資源，建成區(qū)“攤大餅”式向郊區(qū)蔓延。

情景Ⅱ中，工業(yè)倉儲用地逐漸從中心城區(qū)向郊區(qū)轉(zhuǎn)移，工業(yè)郊區(qū)化趨勢非常明顯；中心城區(qū)原有的居住用地基本保持不變，郊區(qū)和崇明縣的居住用地呈團塊狀增加；建設(shè)用地擴張主要集中在以嘉定、松江、臨港、青浦、南橋、金山和城橋為中心的郊區(qū)新城；水體變化不明顯。這種土地利用空間格局與上海市“十二五”規(guī)劃關(guān)于“城市建設(shè)的重心將向郊區(qū)轉(zhuǎn)移，全市將建立七個郊區(qū)新城”的特大城市衛(wèi)星城發(fā)展模式設(shè)想相符合。

3 結(jié)論與討論

通過對上海市土地利用空間格局及驅(qū)動力的系統(tǒng)分析，借助Markov模型模擬設(shè)置了兩種規(guī)劃情景下的用地需求，建立Dyna－CLUE模型進行用地需求的空間分配。結(jié)果表明，Dyna－CLUE模型對土地利用需求的空間分配，不僅可結(jié)合規(guī)劃政策的宏觀要求，還可考慮地理環(huán)境和交通等微觀基礎(chǔ)環(huán)境條件的影響。因此，該模型可為土地利用總體規(guī)劃的空間實施和管理提供一種新的、有效的技術(shù)手段。

在規(guī)劃情景設(shè)置過程中，將 Markov模型應(yīng)用于土地利用變化的需求預(yù)測，其優(yōu)勢在于所需基礎(chǔ)數(shù)據(jù)量少，便于實現(xiàn)。因為在利用Markov模型預(yù)測土地利用需求時，需要的基礎(chǔ)地理數(shù)據(jù)包括模擬時段初期和末期的土地利用現(xiàn)狀數(shù)據(jù)，這對于基礎(chǔ)地理數(shù)據(jù)不齊全的地方是個很大的優(yōu)勢。然而，Markov模型沒有考慮其他的社會經(jīng)濟和自然因素對于土地利用變化的影響，這使得這種“黑匣子”式的模擬結(jié)果雖然具有一定的合理性，卻較難從社會和經(jīng)濟發(fā)展的角度給予合理的解釋，因而在理解土地利用變化的驅(qū)動力方面存在不足，只可用作宏觀需求預(yù)測。在土地利用現(xiàn)狀數(shù)據(jù)和相關(guān)的社會經(jīng)濟數(shù)據(jù)比較充分的情況下，構(gòu)建城市土地利用變化的系統(tǒng)動力學(xué)模型模擬用地需求可能是比Markov鏈更好的解決方案。

在城市化發(fā)展進程中，土地利用矛盾主要體現(xiàn)為各類用地規(guī)模間相互轉(zhuǎn)換的矛盾，土地利用總體規(guī)劃下達(dá)了各類用地指標(biāo)，指標(biāo)分解就成為各級政府規(guī)劃之間銜接的橋梁。但在現(xiàn)行規(guī)劃體系下，指標(biāo)分解通常只關(guān)注數(shù)量分解，較少涉及數(shù)量規(guī)模在空間布局上的定量刻畫。由于最終土地利用目標(biāo)需求不同，造成發(fā)生增減的主要地類和規(guī)模各不相同。因此，在土地利用總體規(guī)劃實施過程中可以通過調(diào)整土地利用目標(biāo)引導(dǎo)各土地利用類型之間的轉(zhuǎn)換，并最終達(dá)到優(yōu)化土地利用結(jié)構(gòu)、調(diào)整土地利用空間的目的。但這一系列過程中都涉及非常復(fù)雜的人文影響因素，盡管包括Dyna－CLUE在內(nèi)的專業(yè)模擬模型在刻畫自然驅(qū)動因素方面可以獲得很好的效果，但對人文影響因素的定量刻畫仍然差強人意。因此，還需深入開展相關(guān)研究，提高模型對人文驅(qū)動因素的解釋和刻畫能力，進而提高土地利用空間格局的模擬精度。

［1］ 尹昌應(yīng)，羅格平，湯發(fā)樹.鄉(xiāng)鎮(zhèn)尺度綠洲土地利用空間格局動態(tài)模擬與分析［J］.中國沙漠，2009，29（1）：68－75.

［2］ LUO G，YIN C，CHEN X，et al.Combining system dynamic model and CLUE－S model to improve land use scenario analyses at regional scale：A case study of Sangong watershed in Xinjiang，China［J］.Ecol.Complex，2010，7（2）：198－207.

［3］ MACHADO C R.Integrated research on coupled human－environmental system ［J］.LUCC Newsletter，2003，9（1）：8－9.

［4］ LAMBIN E F，MEYFROIDT P.Land use transitions：Socioecological feedback versus exogenous socio－economic dynamics［J］.Land Use Policy，2010，27（1）：108－118.

［5］ TIAN G，OUYANG Y，QUAN Q，et al.Simulating spatiotemporal dynamics of urbanization with multi－agent systems—A case study of the Phoenix metropolitan region，USA［J］.Ecolog－ical Modelling，2011，222（5）：1129－1138.

［6］ LI X.Emergence of bottom－up models as a tool for landscape simulation and planning［J］.Landscape and Urban Planning，2011，100（4）：393－395.

［7］ 張永民，趙士洞，VERBURG P H.CLUE－S模型及其在奈曼旗土地利用時空動態(tài)變化模擬中的應(yīng)用［J］.自然資源學(xué)報，2003，18（3）：310－318.

［8］ VERBURG P H，OVERMARS K P.Combining top－down and bottom－up dynamics in land use modeling：Exploring the future of abandoned farmlands in Europe with the Dyna－CLUE model［J］.Landscape Ecology，2009，24（9）：1167－1181.

［9］ MICHAEL R M，JOHN M.A Markov model of land－use change dynamics in the Niagara Region，Ontario，Canada［J］.Landscape Ecology，1994，9（2）：151－157.

［10］ LAMBIN E F，MEYFROIDT P.Global land use competition［A］.SETO K C，REENBERG A.Rethinking Global Land Use in an Urban Era［C］.Cambridge，MA：MIT Press，2013.

［11］ LIU J，ZHANG Z，XU X L，et al.Spatial patterns and driving forces of land use change in China during the early 21st century［J］.Geographical Sciences，2009，20（4）：483－494.

［12］ MISANA S B，SOKONI C，MBONILE M J.Land－use／cover changes and their drivers on the slopes of Mount Kilimanjaro，Tanzania［J］.Geography and Regional Planning，2012，5（6）：151－164.

［13］ PONTIUS R G，SCHNEIDER L C.Land－cover change model validation by an ROC method for the Ipswich watershed，Massachusetts，USA［J］.Agriculture，Ecosystems and Environment，2001，85（1～3）：239－248.

［14］ 劉旭攏，何春陽，潘耀忠，等.遙感圖像分類的點、群樣本檢驗與評估［J］.遙感學(xué)報，2006，10（3）：366－372.

［15］ PONTIUS R G.Quantification error versus location error in comparison of categorical maps［J］.Photogrammetric Engineering and Remote Sensing，2000，66（8）：1011－1016.