林曉丹, 范勝龍, 孫巧燕, 湯俊紅, 張轉(zhuǎn)轉(zhuǎn)

(福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002)

?

基于GIS和Logistic回歸模型的土地利用空間模擬與分析
——以龍海市為例

林曉丹, 范勝龍, 孫巧燕, 湯俊紅, 張轉(zhuǎn)轉(zhuǎn)

(福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002)

基于2014年龍海市土地利用變更數(shù)據(jù)、DEM數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)，借助GIS空間分析技術(shù)，共設(shè)計7個模擬尺度，運用Logistic回歸模型選取對試驗區(qū)有重要貢獻(xiàn)的10種驅(qū)動因子進(jìn)行空間統(tǒng)計分析，并對龍海市土地利用空間格局進(jìn)行模擬.試驗結(jié)果表明,龍海市模型的最佳模擬尺度為125 m×125 m，在該尺度下耕地、園地、林地、建設(shè)用地的空間分布格局模擬精度分別為：82.73%、76.65%、69.52%、88.49%.龍海市土地利用類型與各驅(qū)動因子具有顯著相關(guān)性，高程、人口、可達(dá)性因素是決定龍海市土地利用空間格局形成與演變的重要因素，可為研究龍海市未來土地利用動態(tài)模擬提供依據(jù).

土地利用; 二元Logistic回歸模型; 空間模擬; 多尺度; 龍海市

土地利用變化是一個復(fù)雜的非線性過程，在不同時空尺度上受到自然、社會、經(jīng)濟(jì)等驅(qū)動機(jī)制的影響，現(xiàn)已成為全球環(huán)境變化的研究熱點之一[1-2].土地利用變化動態(tài)模擬是探索尺度轉(zhuǎn)化和深入了解土地利用變化過程、驅(qū)動機(jī)制以及環(huán)境影響的重要手段[3-5].目前，研究土地利用變化的動態(tài)模擬模型較多，具有代表性的CLUE-S模型可以從地形地貌、人口、社會經(jīng)濟(jì)等方面模擬土地利用時空動態(tài)，但其注重分析宏觀層面，難以模擬土地利用微觀格局[6-7].Agent模型僅僅從社會人文因素對土地利用變化的決策作用進(jìn)行模擬，對自然和社會因素等綜合因素作用下的土地利用變化模擬準(zhǔn)確度較低[8].二元Logistic回歸方法預(yù)測的是分類變量與多因素間關(guān)系的概率，充分考慮了自然、社會、經(jīng)濟(jì)等多因素的作用，不僅能對多因素進(jìn)行擬合分析，實現(xiàn)對各土地利用類型的模擬預(yù)測，還能應(yīng)用于土地利用格局變化的區(qū)域案例中[9-11].

目前土地利用空間模擬研究主要集中在縣級以上地區(qū)、經(jīng)濟(jì)發(fā)達(dá)地區(qū)、以及生態(tài)敏感區(qū)[12-14]，對沿海經(jīng)濟(jì)發(fā)展“低谷地帶”的報道較少.本試驗以龍海市作為研究區(qū)域，運用二元Logistic回歸統(tǒng)計模型，選取自然、社會及可達(dá)性3方面的驅(qū)動因子對2014年龍海市土地利用空間格局進(jìn)行模擬與分析，旨在揭示龍海市土地利用空間格局形成與演變的重要因素.研究結(jié)果不僅為龍海市土地利用的科學(xué)管理提供決策依據(jù)，而且也增補土地利用與土地覆蓋變化課題的區(qū)域案例，為相似研究單元提供借鑒.

1 研究區(qū)概況

龍海市地處福建省東南沿海(東經(jīng)117°29′—118°14′，北緯24°11′—24°36′)，閩南經(jīng)濟(jì)區(qū)東南部，全市土地總面積1 315 km2，東南部臨海，中部為平原，其他面環(huán)山.

2 數(shù)據(jù)來源與預(yù)處理

2.1 數(shù)據(jù)收集

本試驗使用的數(shù)據(jù)包括土地利用現(xiàn)狀數(shù)據(jù)和自然及社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù).土地利用現(xiàn)狀數(shù)據(jù)來源于2014年龍海市土地利用變更與遙感監(jiān)測數(shù)據(jù)庫.DEM數(shù)據(jù)來源于2008年中國地理空間數(shù)據(jù)云(http://www.gscloud.cn/)，空間分辨率為30 m.社會經(jīng)濟(jì)數(shù)據(jù)(人口和人均GDP)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心.

2.2 數(shù)據(jù)處理

2.2.1 土地利用現(xiàn)狀數(shù)據(jù)處理 參考國家《土地利用現(xiàn)狀分類》標(biāo)準(zhǔn)，重新把現(xiàn)有用地類型分為7種，即耕地、林地、園地、草地、水域、建設(shè)用地和其他用地.利用Arcgis 10.2，將各用地類型分別單獨成層，形成7個Shp文件，導(dǎo)入已建立好的數(shù)據(jù)以備后續(xù)使用.鑒于文章篇幅，本研究只分析耕地、園地、林地、建設(shè)用地4類用地.

2.2.2 驅(qū)動因子數(shù)據(jù)處理 土地利用變化是多種因素綜合參與的動態(tài)過程，根據(jù)龍海市土地利用現(xiàn)狀特點，選取對龍海市土地利用格局的形成與演變產(chǎn)生直接與間接影響，涉及自然、社會和可達(dá)性3方面的10種驅(qū)動因子.由于Logistic回歸模型對自變量間的共線性問題敏感度很高，因此采用容許值(TOL)和方差膨脹因子(VIF)相結(jié)合的方法診斷自變量的多重共線性問題，剔除共線性嚴(yán)重的驅(qū)動因子.為建立土地利用空間模擬模型，首先對GIS進(jìn)行地形地貌分析，根據(jù)DEM數(shù)據(jù)生成坡度、坡向和高程數(shù)據(jù).其次，通過GIS掩膜處理得龍海市網(wǎng)格人口和人均GDP數(shù)據(jù).再次，從土地利用數(shù)據(jù)庫中提取主要公路、鐵路、河流、城鎮(zhèn)和村莊等要素單獨成層，計算試驗區(qū)內(nèi)各像元中心距離主要公路、鐵路、河流、以及城鎮(zhèn)和村莊的最近距離.

表1 龍海市土地利用變化驅(qū)動因子描述與計算

2.2.3 數(shù)據(jù)格式處理 所用的柵格與矢量數(shù)據(jù)按照統(tǒng)一的投影坐標(biāo)系統(tǒng)和空間分辨率處理.將各驅(qū)動因子與現(xiàn)狀數(shù)據(jù)轉(zhuǎn)化為柵格TIF格式，再用GIS的Raster to ASC II工具將所有柵格文件轉(zhuǎn)換成ASC II文件.最后用Dyna-clue軟件將ASC II文件轉(zhuǎn)為單一記錄文件，文件中一個地類對應(yīng)10種驅(qū)動因子數(shù)據(jù)，以此作為構(gòu)建土地利用結(jié)構(gòu)模擬模型的基礎(chǔ)數(shù)據(jù).

3 試驗方法

二元Logistic回歸模型主要用于預(yù)測多因素影響事件發(fā)生的概率，是對普通多元線性回歸模型的進(jìn)一步擴(kuò)展，屬于非線性模型，能有效解決因變量是分類變量而不是連續(xù)變量的問題.本試驗的目標(biāo)變量(土地利用類型)是根據(jù)柵格圖形數(shù)據(jù)得出的二分類變量，即某種土地利用類型出現(xiàn)或者不出現(xiàn)這兩個變量，解釋變量包括自然、社會及可達(dá)性3個方面10種驅(qū)動因子.

3.1 土地利用結(jié)構(gòu)模型

采用二元Logistic回歸方程構(gòu)建土地利用結(jié)構(gòu)模型，將因變量(每種土地利用類型出現(xiàn)的概率)與自變量(10個驅(qū)動因子)的關(guān)系利用Logistic逐步回歸，運用回歸方程生成的回歸系數(shù)和驅(qū)動因子與土地利用類型的相關(guān)性，建立每個柵格內(nèi)出現(xiàn)某種土地利用類型的概率，公式如下：

(1)

式中，pi為每個柵格出現(xiàn)土地利用類型i的概率；Xn,i為與土地利用類型i相關(guān)的第n個驅(qū)動因子；β0為常量，β為Logistic回歸方程的關(guān)系系數(shù)，β值越大，驅(qū)動因子與土地利用類型的相關(guān)性越大.

3.2 空間模擬

根據(jù)公式(1)推導(dǎo)出公式(2)，用于計算土地利用的空間分布概率，求出每個柵格內(nèi)出現(xiàn)某種土地利用類型的概率.

(2)

pi的含義與(1)式相同， exp(β)的值等于事件的發(fā)生比率，是β系數(shù)以e為底的自然冪指數(shù).發(fā)生比率是事件發(fā)生頻數(shù)與不發(fā)生頻數(shù)的比值[15]，是衡量解釋變量對目標(biāo)變量影響程度的重要指標(biāo).本試驗中，發(fā)生比率表示解釋變量(驅(qū)動因子)每增加一個單位，目標(biāo)變量(土地利用類型)發(fā)生比率的變化情況，即exp(β)<1，發(fā)生比減少；exp(β)=1，發(fā)生比不變；exp(β)>1，發(fā)生比增加.

3.3 模型擬合與統(tǒng)計水平的計算

為避免空間數(shù)據(jù)的自相關(guān)效應(yīng)干擾模擬模型的解釋能力，根據(jù)模擬尺度以及相應(yīng)網(wǎng)格總數(shù)，分別使用隨機(jī)抽樣和距離閾值控制的方法從原樣本集抽取10%的統(tǒng)計水平用于回歸建模分析，通過逐步回歸方法剔除未通過0.05%顯著性水平檢驗系數(shù)的解釋變量，保留顯著變量，同時確定各顯著變量之間的定量關(guān)系和作用大小.

運用ROC(relative operating characteristics)曲線檢驗Logistic回歸結(jié)果，ROC曲線下面積(Az)也稱ROC值，用于檢驗回歸方程對土地利用結(jié)構(gòu)模擬的擬合度[16-17].ROC值范圍0.5～1.0，一般認(rèn)為當(dāng)ROC值大于0.7時模型擬合度較好.表達(dá)式如下：

(3)

其中：

(4)

式中，

xai(i=1,2,…,na)——異常組中的na個值觀察；

xbi(i=1,2,…,nb)——正常組中的nb個值觀察值.

3.4 尺度的選擇與轉(zhuǎn)換

適宜的模擬尺度可以有效提高區(qū)域土地利用格局模擬的精度.為構(gòu)建試驗區(qū)土地利用動態(tài)模擬的最佳尺度，選擇50 m×50 m、75 m×75 m、100 m×100 m、125 m×125 m、150 m×150 m、175 m×175 m、200 m×200 m 7個模擬尺度，應(yīng)用SPSS 19.0軟件，分別計算7種尺度下各地類與驅(qū)動因子的回歸方程，再根據(jù)模型的ROC值選出構(gòu)建試驗區(qū)土地利用動態(tài)模擬的最佳尺度.在進(jìn)行尺度轉(zhuǎn)換時，以50 m×50 m柵格數(shù)據(jù)為基礎(chǔ)，采用重采樣方法，對分類型的地類柵格圖層采用“最鄰近分配法”變換，對連續(xù)型的柵格數(shù)據(jù)采用“雙線性內(nèi)插法”變換.

4 結(jié)果與分析

4.1 最佳模擬尺度的選擇

圖1 不同模擬尺度下主要地類的ROC值Fig.1 ROC values of main land use types under different analog scales

由圖1可知，隨著模擬尺度的增大，ROC值呈現(xiàn)先上升后遞減的趨勢，說明土地利用類型與各驅(qū)動因子在不同空間尺度下具有一定的相關(guān)性，呈現(xiàn)“尺度效應(yīng)”的特征.125 m×125 m模擬尺度下主要地類的ROC值的擬合優(yōu)度達(dá)到最高值(耕地0.825，園地0.726，林地0.735，建設(shè)用地0.843).為此，將125 m×125 m尺度作為龍海市土地利用空間格局變化中“尺度轉(zhuǎn)換”的最佳模擬尺度.

4.2 空間Logistic回歸模型分析

以最佳模擬尺度125 m×125 m(網(wǎng)格點共79 808個)為設(shè)計模擬尺度，運用Logistic回歸模型分別構(gòu)建耕地、園地、林地、建設(shè)用地的回歸方程，二元Logistic回歸模型結(jié)果如表2所示.

表2 125 m×125 m尺度下主要地類的Logistic回歸模型1)

1)回歸方程自由度均為1.

4.2.1 耕地Logistic回歸模型分析 由表2可知，龍海市耕地格局受自然因素和區(qū)位因素影響較大，主要受高程、人口、距村莊距離、距主要公路距離、距河流水面距離的影響.從方程回歸系數(shù)看，耕地僅與人口呈正相關(guān)，相關(guān)系數(shù)為0.283，與其他顯著變量均顯著負(fù)相關(guān)，說明隨著人口密度的增大，對耕地的需求也逐漸加大，符合龍海市人口增長對耕地需求增加的趨勢.從發(fā)生比率看，人口驅(qū)動因子每增加1個單位，耕地的空間轉(zhuǎn)化概率增加1.000 087倍.

4.2.2 園地Logistic回歸模型分析 園地分布主要受距城市建制鎮(zhèn)距離、距村莊距離、距主要鐵路距離、距河流水面距離、人口變量的影響.表明區(qū)位因素與社會因素共同影響著龍海市園地格局的變化.從方程回歸系數(shù)看，園地與距城市建制鎮(zhèn)距離、距村莊距離、距主要鐵路距離、人口均呈負(fù)相關(guān)，說明園地分布在人口較稀少地區(qū)，同時隨著距城市建制鎮(zhèn)距離、距村莊距離、距主要鐵路距離的增大，園地呈減少的趨勢.

4.2.3 林地Logistic回歸模型分析 林地分布主要受高程、人口、距城市建制鎮(zhèn)距離，距村莊距離，距主要公路距離變量的影響.林地與高程、距城市建制鎮(zhèn)距離，距村莊距離，距主要公路距離呈正相關(guān)，與人口呈負(fù)相關(guān)，說明龍海市林地主要分布在高程較高，人口密度較小，距離城市建制鎮(zhèn)、村莊和公路較遠(yuǎn)的區(qū)域.同時，高程每增加一個單位，林地的空間轉(zhuǎn)化概率增加0.997 697倍.

4.2.4 建設(shè)用地Logistic回歸模型分析 建設(shè)用地分布主要受人口，距城市建制鎮(zhèn)距離、距村莊距離、距主要公路距離、距主要鐵路距離、距河流水面距離的影響.表明建設(shè)用地格局受社會因素與區(qū)位因素共同影響.建設(shè)用地與人口呈正相關(guān)，相關(guān)系數(shù)為0.350.人口密度每增大一個單位，建設(shè)用地的空間轉(zhuǎn)化概率增加1.000 087倍，說明人口密集的地區(qū)促進(jìn)了建設(shè)用地擴(kuò)張的需求.同時隨著距城市建制鎮(zhèn)、村莊、主要公路距離的增大，建設(shè)用地發(fā)生的概率比原來降低，說明區(qū)位因素決定了龍海市建設(shè)用地發(fā)展的方向.

4.3 土地利用最佳空間模擬

對比2014年龍海市土地利用實際圖與空間概率模擬圖(圖2)，可以看出模擬效果與實際情況基本相符，模擬出的概率分布較高的地方同樣是某種土地利用類型分布比較高的地方.并且實際分布格局與模擬的空間分布格局的吻合效果與ROC值密切相關(guān)，ROC值越高，吻合效果也越好.其中建設(shè)用地的ROC值最高，其模擬結(jié)果與真實情況基本吻合.從定量分析看，為更進(jìn)一步確定各用地類型模擬的準(zhǔn)確率，在ROC檢驗方法的基礎(chǔ)上，運用逐點對比的方法來分析和計算模擬精度[18-19].將2014年各土地利用類型的空間概率圖與實際圖進(jìn)行迭合逐點對比，得到實際圖與模擬圖一致的柵格數(shù)，將預(yù)測一致的柵格數(shù)除以實際柵格數(shù)即得模擬精度(表3).試驗中的預(yù)測模擬精度中，林地的預(yù)測精度最低，在模擬的空間分布概率圖中，同樣可以看到位于九龍江流域出?？诹值氐姆植寂c實際情況不太相吻合，造成這種模擬偏差的原因在于試驗中只選取對土地利用類型共性的驅(qū)動因子，而對于林地的影響因子還存在其他如降水量、蒸發(fā)量、林地流轉(zhuǎn)政策等難以空間量化的因素.

圖2 龍海市2014年土地利用實際圖(上)與空間概率模擬圖(下)

地類類型實際與預(yù)測一致柵格數(shù)2014實際柵格數(shù)模擬精度/%耕地 126221525782.73園地 136051775076.65林地 139842011569.52建設(shè)用地125921423088.49

5 討論

本試驗綜合運用GIS技術(shù)和二元Logistic回歸模型對試驗區(qū)土地利用格局進(jìn)行回歸結(jié)果分析，并根據(jù)最佳模擬尺度對2014年龍海市4種主要土地利用類型的空間分布格局進(jìn)行模擬，試驗結(jié)果表明模擬的耕地、園地、林地和建設(shè)用地與龍海市2014年實際空間格局具有較好的一致性，說明Logistic回歸模型能夠較好地模擬龍海市土地利用空間分布格局.Logistic回歸模型結(jié)果揭示高程、人口、可達(dá)性因素是土地利用類型的主要解釋變量，它們是決定龍海市土地利用空間格局形成與演變的重要因素.

但本研究中2014年龍海市土地利用空間分布格局模擬在局部地區(qū)與實際情況仍存在不相符的地方，一方面是由于柵格數(shù)據(jù)在尺度轉(zhuǎn)換過程中存在空間自相關(guān)效應(yīng)問題，使得回歸模型在計算中存在一定不可避免的誤差.另一方面是由于模型的解釋變量在選取方面不夠全面，沒有考慮氣溫、降水、蒸發(fā)量等自然因素和政策、科技等人文因素影響，這些數(shù)據(jù)的缺失可能是造成模擬結(jié)果與實際情況有所偏差的原因.因此，在驅(qū)動因子選擇方面要盡量全面且可以量化，這是進(jìn)一步試驗的重點內(nèi)容.

[1] 駢宇哲,姜朋輝,陳振杰,等.LUCC研究進(jìn)展及其對干旱區(qū)生態(tài)環(huán)境的意義[J].水土保持研究,2015,22(5):358-364.

[2] 劉曉娜,封志明,姜魯光.中老緬泰“黃金四角”地區(qū)土地利用與土地覆被變化研究進(jìn)展[J].地理科學(xué)進(jìn)展,2013,32(2):191-202.

[3] 游炯,張景雄.土地覆蓋信息尺度轉(zhuǎn)換的判別空間方法[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(11):1 349-1 352,1 363.

[4] WICKRAMASURIYA R, CHISHOLM L A, PUOTINEN M, et al. A method to dynamically subdivide parcels in land use change models[J]. International Journal of Geographical Information Science, 2013,27(8):1 497-1 513.

[5] 田義超,陳志坤,梁銘忠,等.土地利用最佳模擬尺度選擇及空間格局模擬[J].計算機(jī)工程與應(yīng)用,2014(24):244-249.

[6] 戴聲佩,張勃.基于CLUE-S模型的黑河中游土地利用情景模擬研究——以張掖市甘州區(qū)為例[J].自然資源學(xué)報,2013,28(2):336-348.

[7] ANPUTHAS M, JANMAAT J A, NICHOL C F, et al. Modelling spatial association in pattern based land use simulation models[J]. Journal of Environmental Management, 2016,181:465-476.

[8] 余強(qiáng)毅,吳文斌,唐華俊,等.復(fù)雜系統(tǒng)理論與Agent模型在土地變化科學(xué)中的研究進(jìn)展[J].地理學(xué)報,2011,66(11):1 518-1 530.

[9] 王美霞,任志遠(yuǎn),王永明.千河流域土地利用空間格局模擬及其影響因素分析[J].測繪科學(xué),2013,38(4):34-36,151.

[10] DESSEL W V, ROMPAEY A V, SZILASSI P. Sensitivity analysis of logistic regression parameterization for land use and land cover probability estimation[J]. International Journal of Geographical Information Science, 2011,25(3):489-508.

[11] 田媛,許月卿,郭洪峰,等.基于多分類Logistic回歸模型的張家口市農(nóng)用地格局模擬[J].資源科學(xué),2012,34(8):1 493-1 499.

[12] 韓會然,楊成鳳,宋金平.北京市土地利用空間格局演化模擬及預(yù)測[J].地理科學(xué)進(jìn)展,2015,34(8):976-986.

[13] 楊俊,解鵬,席建超,等.基于元胞自動機(jī)模型的土地利用變化模擬——以大連經(jīng)濟(jì)技術(shù)開發(fā)區(qū)為例[J].地理學(xué)報,2015,75(3):461-475.

[14] LI T H, LI W K. Multiple land use change simulation with Monte Carlo approach and CA-ANN model, a case study in Shenzhen, China[J]. Environmental Systems Research, 2015,4(1):1-10.

[15] 王濟(jì)川,郭志剛.Logistic回歸模型:方法與應(yīng)用[M].北京:高等教育出版社,2001.

[16] 宇傳華.SPSS與統(tǒng)計分析[M].北京:電子工業(yè)出版社,2014.

[17] 劉榮,高敏華,謝峰.基于Logistic回歸模型的土地利用格局模擬分析——以新疆吐魯番市為例[J].水土保持研究,2009,16(6):74-78.

[18] 黎夏,葉嘉安.知識發(fā)現(xiàn)及地理元胞自動機(jī)[J].中國科學(xué),2004,34(9):865-872.

[19] 任志遠(yuǎn),李冬玉,楊勇.關(guān)中地區(qū)土地利用格局模擬與驅(qū)動力分析[J].測繪科學(xué),2011,36(1):105-108.

(責(zé)任編輯:蘇靖涵)

Spatial simulation and analysis of land use pattern based on GIS technology and Logistic regression model: a case study in Longhai City

LIN Xiaodan, FAN Shenglong, SUN Qiaoyan, TANG Junhong, ZHANG Zhuanzhuan

(College of Resource and Environment, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China)

To rationalize land use of Longhai City and provide information on city planning, data on land use changes, DEM data and social economic data of Longhai in 2014 were interpreted by GIS. Then 10 driving factors, selected by spatial statistical analysis, were interpreted by Logistic model under 7 simulation scales. At last, model with the optimum scale was used to predict spatial pattern of land use changes of Longhai. The results illustrated that the optimum simulation scale was 125 m×125 m. Under this scale, simulation accuracies of spatial distribution patterns of cultivated land, orchards, forest land, and construction land were 82.73%, 76.65%, 69.52% and 88.49% respectively. Land use of Longhai was highly correlated with driving factors, with elevation, population density, and accessibility being the most determinant factors for the formation and evolution of spatial pattern of land use in Longhai.

land use; binary Logistic regression model; spatial simulation; multi-scale levels; Longhai City

2016-08-02

2016-08-16

福建省自然科學(xué)基金資助項目(2015J01624).

林曉丹(1990-)，女，碩士研究生.研究方向：土地資源可持續(xù)利用.Email：385684690@qq.com.通訊作者范勝龍(1976-)，男，副教授.研究方向：土地資源可持續(xù)利用.Email：14412885@qq.com.

F301.2

A

1671-5470(2017)04-0468-06

10.13323/j.cnki.j.fafu(nat.sci.).2017.04.018