宋磊 陳笑揚(yáng) 李小麗 王麗芳 張寶一

文章編號(hào)：1672-5603（2018）02-017-7

摘 要 為獲取望城區(qū)未來土地利用/覆蓋的數(shù)量及空間分布情景，本文利用2009、2010、2012年土地利用/覆蓋數(shù)據(jù)、DEM及社會(huì)經(jīng)濟(jì)數(shù)據(jù)，運(yùn)用Logistic模型分析土地利用變化與各驅(qū)動(dòng)因子間的定量關(guān)系，綜合區(qū)域限制條件修正土地利用適宜性概率，最終耦合CA-Markov模型對(duì)2020年土地利用進(jìn)行模擬與預(yù)測(cè)。模擬結(jié)果較好地揭示了望城區(qū)土地利用動(dòng)態(tài)變化趨勢(shì)，一定程度上指導(dǎo)該地區(qū)的土地資源優(yōu)化配置。

關(guān)鍵詞 土地利用/覆蓋變化；CA-Markov模型；空間格局模擬；望城區(qū)

中圖分類號(hào)：F301.2 文獻(xiàn)標(biāo)識(shí)碼：A

The CA-Markov ModelBased Prediction of Land Use/Cover Changes in Wangcheng District， Changsha City， Hunan Province

Song Lei1， 2， Chen Xiaoyang1， LiXiaoli1， 3， Wang Lifang1 ， Zhang Baoyi1

（1. School of Geosciences & Info-Physics， Central South University， Changsha Hunan 410083； 2. Hunan Institute of Geological Survey， Changsha Hunan 410116； 3. Development and Reform Bureau of Liangqing District， Nanning City， Nanning Guangxi 530200）

Abstract： In order to obtain the quantity and spatial pattern of future land use in Wangcheng District of Changsha City， this paper uses the land use/cover status data in 3 years （2009，2010，2012） and DEM and socio-economic data to analyze the relationship between land use change and each driving force. And on this basis， we revise the probability of land use suitability in the condition of taking the restrictions of the land use changing in the study area. At last， we coupled those analysis results with CA-Markov model to simulate and forecast the land use in 2020. The simulation results reveal the trend of dynamic changes of land use in Wangcheng District and can be used as a basis to guide the optimal allocation of land resources in this area.

Keywords： land use/cover change； CA-Markov model； simulation of spatial pattern； Wangcheng District

1引言

土地是“人類-自然”相互作用的橋梁，而土地利用/覆蓋變化則是二者在不同時(shí)空尺度上交互作用的直接體現(xiàn)。人類活動(dòng)對(duì)土地利用變化有著巨大的影響，而生態(tài)、社會(huì)及經(jīng)濟(jì)環(huán)境對(duì)土地利用變化做出響應(yīng)，影響區(qū)域可持續(xù)發(fā)展。目前，土地利用變化的驅(qū)動(dòng)機(jī)制、不同時(shí)空尺度下的變化動(dòng)態(tài)模擬及未來的情景預(yù)測(cè)，是當(dāng)前研究的熱點(diǎn)。

近幾十年來，眾多學(xué)者設(shè)計(jì)了多種模型來研究不同尺度和區(qū)域的土地利用/土地覆蓋變化（LUCC， land use/cover change），如系統(tǒng)動(dòng)力學(xué)（SD， System Dynamics）[1]、元胞自動(dòng)機(jī)（CA， cellular automaton）[2， 3]、馬爾科夫（Markov）[4]、CLUE-S（Conversion of Land Use and its Effects at Small region extent）[5，6]、智能體（Agent-based）[7]等，它們均能夠幫助我們認(rèn)知、解釋LUCC的變化規(guī)律，并模擬、預(yù)測(cè)其未來的情景。由Logistic、Markov和CA三者耦合所得到的模型，不僅通過Logistic很好的分析了LUCC的驅(qū)動(dòng)機(jī)制，而且將CA在模擬地理空間變化上的能力與Markov在模擬時(shí)間序列預(yù)測(cè)上的優(yōu)勢(shì)相結(jié)合，提高了模擬、預(yù)測(cè)的精度，得到了廣泛的應(yīng)用[4， 8]。一些學(xué)者也從土地利用與水文條件[9， 10]、景觀格局[11-13]、生態(tài)環(huán)境響應(yīng)[14， 15]、生態(tài)安全[16， 17]以及道路網(wǎng)擴(kuò)張[18]等各個(gè)方面進(jìn)行了大量研究。

本文以長(zhǎng)沙市望城區(qū)為例，選擇合適的驅(qū)動(dòng)因子，通過Logistic模型進(jìn)行計(jì)算和檢驗(yàn)，并耦合CA-Markov模型對(duì)其土地利用空間分布情景進(jìn)行模擬預(yù)測(cè)，有助于指導(dǎo)土地集約化利用和科學(xué)決策。

2研究區(qū)概況及數(shù)據(jù)

2.1研究區(qū)概況

望城區(qū)是長(zhǎng)沙市所管轄區(qū)域，位于湖南中東北部，湘江流域的下游，面積為954 km2，位于：27°58′28″N-28°33′45″N，112°35′48″E-113°02′30″E（圖1），呈變形了的長(zhǎng)方形展布，海拔南高北低。水資源豐富，河流和湖泊眾多。全區(qū)歸入“長(zhǎng)株潭城市群”核心區(qū)、長(zhǎng)沙大河西先導(dǎo)區(qū)和環(huán)洞庭湖生態(tài)經(jīng)濟(jì)圈范疇區(qū)，處于湖南省一點(diǎn)一線地區(qū)，地理位置優(yōu)越。截至2012年末，望城區(qū)戶籍人口52.43萬人，GDP為3748847萬元，區(qū)內(nèi)鐵路、公路運(yùn)輸都十分便利。

2.2數(shù)據(jù)

本研究所需數(shù)據(jù)為：2009-2012年土地利用現(xiàn)狀數(shù)據(jù)、2010及2012年基本農(nóng)田保護(hù)區(qū)數(shù)據(jù)、建設(shè)用地管制區(qū)數(shù)據(jù)、交通狀況數(shù)據(jù)以及行政區(qū)劃數(shù)據(jù)等源自長(zhǎng)沙市第二次土地調(diào)查成果數(shù)據(jù)庫；DEM數(shù)據(jù)源自中國科學(xué)院地理空間數(shù)據(jù)云平臺(tái)；人口、GDP數(shù)據(jù)源自國家地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)。土地利用矢量數(shù)據(jù)轉(zhuǎn)為柵格數(shù)據(jù)，再轉(zhuǎn)換為二值化ASCII數(shù)據(jù)，依據(jù)DEM、交通狀況數(shù)據(jù)生成驅(qū)動(dòng)因子?xùn)鸥駭?shù)據(jù)，所有柵格數(shù)據(jù)均統(tǒng)一坐標(biāo)系，統(tǒng)一柵格大小為100 m×100 m。

3研究過程

在長(zhǎng)沙市望城區(qū)2009、2010、2012年期間土地利用/覆蓋現(xiàn)狀圖的基礎(chǔ)上，統(tǒng)計(jì)研究區(qū)各地類占比，由表1可知：耕地、林地占比逐漸降低；交通運(yùn)輸用地、城鎮(zhèn)村及工礦用地逐漸升高。綜合影響該區(qū)土地利用變化的地形、距離及社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子，利用Logistic-CA-Markov模型預(yù)測(cè)了該區(qū)2012年和2020年的土地利用空間分布狀況。實(shí)驗(yàn)結(jié)果表明，2012年土地利用預(yù)測(cè)結(jié)果得到了較高的Kappa系數(shù)和ROC值，表明模型可信度高。具體研究過程如圖2所示。

3.1驅(qū)動(dòng)因子分析

本文選取自然、距離和社會(huì)經(jīng)濟(jì)三個(gè)角度共10個(gè)驅(qū)動(dòng)因子，結(jié)合各土地利用類型的二值化柵格圖，運(yùn)用Logistic模型分析土地利用變化的驅(qū)動(dòng)因子，以ROC值檢驗(yàn)了模擬效果，其結(jié)果如表1所示。

由表1可知：2010各個(gè)地類的ROC值均大于0.8，其中交通運(yùn)輸用地、城鎮(zhèn)村及工礦用地和其他用地的ROC值達(dá)到了0.9以上，高于其他幾類用地；各土地利用類型的主要驅(qū)動(dòng)因子存在差異，高程、坡度、人口、GDP對(duì)區(qū)域土地利用變化有較強(qiáng)的驅(qū)動(dòng)作用?？傮w而言，所選驅(qū)動(dòng)因子對(duì)于望城區(qū)2010年的土地利用變化有較高的解釋力。

3.2 CA-Markov模型預(yù)測(cè)步驟

耦合CA-Markov模型對(duì)未來土地利用空間分布進(jìn)行模擬的步驟如下：

獲取轉(zhuǎn)移矩陣。將2009、2010、2012年土地利用現(xiàn)狀數(shù)據(jù)按照模型需要進(jìn)行處理，生成對(duì)應(yīng)時(shí)間間隔的轉(zhuǎn)移矩陣。

設(shè)置元胞。根據(jù)土地利用現(xiàn)狀原始數(shù)據(jù)以及相關(guān)驅(qū)動(dòng)因子的數(shù)據(jù)可用性，將元胞設(shè)置為100 m ×100 m的柵格。

設(shè)置鄰域。將鄰域定義為5×5的濾波器。

制定轉(zhuǎn)換規(guī)則。與傳統(tǒng)的CA-Markov模型直接利用驅(qū)動(dòng)因子數(shù)據(jù)通過MCE（Multi-criteria evaluation）方法賦權(quán)重求取土地利用適宜性概率不同，本文是在Logistic分析得到的適宜性概率的基礎(chǔ)之上，結(jié)合轉(zhuǎn)移概率、區(qū)域限制因子（基本農(nóng)田保護(hù)區(qū)域、建設(shè)用地限制區(qū)域）對(duì)其進(jìn)行修正，再綜合轉(zhuǎn)移面積判斷用地類型是否發(fā)生改變。具體轉(zhuǎn)換規(guī)則實(shí)現(xiàn)過程如圖3所示：

設(shè)置循環(huán)次數(shù)。根據(jù)基期土地利用數(shù)據(jù)和預(yù)測(cè)年份之間的間隔設(shè)置元胞自動(dòng)機(jī)循環(huán)次數(shù)。

3.3預(yù)測(cè)算法驗(yàn)證

以2010年數(shù)據(jù)為基礎(chǔ)模擬預(yù)測(cè)得到2012年的土地利用分布預(yù)測(cè)圖（如圖4b），并與其現(xiàn)狀圖（如圖4a）進(jìn)行了對(duì)比，并從數(shù)量和空間兩個(gè)方面來驗(yàn)證模型精度。

數(shù)量上，運(yùn)用精度誤差檢驗(yàn)法，其公式如下：

（1）

式中K-地類i的模擬數(shù)量誤差，大于0表明實(shí)際面積大于預(yù)測(cè)面積；反之小于預(yù)測(cè)面積，K值絕對(duì)值越大說明模擬數(shù)量精度越低，反之，精度越高。Sij、Sit-表示地類i的實(shí)際面積與預(yù)測(cè)面積。

如表2所示，2012年數(shù)量預(yù)測(cè)總體精度較高，各地類相對(duì)誤差都較小，表明數(shù)量上模型模擬結(jié)果較為可信。

空間上，運(yùn)用Kappa系數(shù)檢驗(yàn)?zāi)M精度，Kappa系數(shù)[19]的計(jì)算如下：

（2）

其中，Po為預(yù)測(cè)結(jié)果和真實(shí)情況一致的柵格數(shù)占比于研究區(qū)柵格總數(shù)，Pp為理想變化情況下的準(zhǔn)確預(yù)測(cè)的比值；Pc為在隨機(jī)狀況下的期望正確模擬比例。當(dāng)Kappa>0.75，認(rèn)為模擬的效果較好；當(dāng)0.4≤Kappa≤0.75時(shí)，認(rèn)為模擬的效果一般；當(dāng)Kappa<0.4時(shí)，認(rèn)為模擬的效果較差。根據(jù)本文的研究結(jié)果和公式（2），求得2012年模擬預(yù)測(cè)結(jié)果的Kappa指數(shù)為0.978，說明模型在對(duì)為望城區(qū)2012年的土地利用模擬中具有較高的空間尺度上的一致性，模型的模擬可信度達(dá)到研究要求。

通過數(shù)量和空間兩個(gè)方面的驗(yàn)證可知，模型的模擬效果較好，能比較好地對(duì)望城區(qū)的土地利用變化進(jìn)行模擬和預(yù)測(cè)，結(jié)果具有較高的可信度。

4預(yù)測(cè)結(jié)果

由模擬預(yù)測(cè)結(jié)果統(tǒng)計(jì)得出研究區(qū)各土地利用類型變化情況，由表4可知：研究區(qū)土地利用結(jié)構(gòu)總體保持穩(wěn)定；耕地、林地持續(xù)退化；交通運(yùn)輸用地、城鎮(zhèn)村及工礦用地持續(xù)擴(kuò)張。

由2012年的土地利用現(xiàn)狀，預(yù)測(cè)了研究區(qū)基本農(nóng)田保護(hù)情景下的2020年的土地利用分布，如圖5所示。

從望城區(qū)的2020年的土地利用空間分布情況及面積變化表來看：城鎮(zhèn)村及工礦用地、交通運(yùn)輸用地均在不斷增加，耕地、林地、園地、草地及其他用地均不斷減少，而水域及水利設(shè)施用地雖有增加，但幅度不大；雖然城鎮(zhèn)村及工礦用地和交通運(yùn)輸用地面積增加，但耕地及林地占比仍然較高。交通運(yùn)輸用地和城鎮(zhèn)村及工礦用地的增加，表明城鎮(zhèn)化有序推進(jìn)，主要集中在東南部。

綜上，研究區(qū)耕地、林地不斷退化，交通運(yùn)輸用地、城鎮(zhèn)村及工礦用地不斷擴(kuò)張，需警惕該種變化趨勢(shì)，在優(yōu)化、調(diào)整基本農(nóng)田保護(hù)及建設(shè)用地管制政策前提下，劃定林地保護(hù)區(qū)或林地紅線，使土地資源得到充分、合理的利用，促使經(jīng)濟(jì)發(fā)展。

5結(jié)論

以長(zhǎng)沙市望城區(qū)為例，在2009、2010、2012年的土地利用現(xiàn)狀圖的基礎(chǔ)上，運(yùn)用Logistic-CA-Markov模型對(duì)2012、2020年土地利用情況進(jìn)行模擬預(yù)測(cè)，其研究結(jié)果表明：高程、坡度、人口、GDP對(duì)區(qū)域土地利用變化有較強(qiáng)的驅(qū)動(dòng)作用；模型能夠模擬研究區(qū)的土地利用變化空間情況；需警惕耕地、林地的退化及城鎮(zhèn)村及工礦用地的擴(kuò)張趨勢(shì)，調(diào)整優(yōu)化現(xiàn)有土地利用政策，劃定林地保護(hù)區(qū)或林地紅線。

本文研究成果對(duì)研究區(qū)土地資源的優(yōu)化配置具有一定的借鑒意義，但由于課題來源的局限問題，數(shù)據(jù)源所跨時(shí)間軸相對(duì)較短，區(qū)域土地利用變化相對(duì)不明顯，此外未能考慮氣候、土壤質(zhì)量等因素對(duì)土地利用變化的影響。

參考文獻(xiàn)/References

[1]謝正磊， 許學(xué)工，孫強(qiáng). 基于Patch-Dynamics模式的土地覆被變化預(yù)測(cè)-以北京市為例[J]. 北京大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2008， 44（3）： 452-458.

[2]楊青生， 黎夏，劉小平. 基于Agent和CA的城市土地利用變化研究[J]. 地球信息科學(xué)， 2005， 7（2）： 78-93.

[3]楊俊， 解鵬， 席建超， 葛全勝， 李雪銘，馬占東. 基于元胞自動(dòng)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(bào)， 2015， 70（3）： 461-475.

[4]Weng Q. Land use change analysis in the Zhujiang Delta of China using satellite remote sensing， GIS and stochastic modelling[J]. Journal of Environmental Management， 2002， 64（3）： 273-284.

[5]盛晟， 劉茂松， 徐馳， 郁文，陳虹. CLUE-S模型在南京市土地利用變化研究中的應(yīng)用[J]. 生態(tài)學(xué)雜志， 2008， 27（2）： 235-239.

[6]梁友嘉， 徐中民，鐘方雷. 基于SD和CLUE-S模型的張掖市甘州區(qū)土地利用情景分析[J]. 地理研究， 2011， 30（3）： 546-576.

[7]何丹， 金鳳君，蔡建明. 近20年京津廊坊地區(qū)城市增長(zhǎng)模擬和預(yù)測(cè)研究[J]. 經(jīng)濟(jì)地理， 2011， 31（1）： 7-13.

[8]Manson S M. Agent-based modeling and genetic programming for modeling land change in the Southern Yucatán Peninsular Region of Mexico[J]. Agriculture， Ecosystems & Environment， 2005， 111（1-4）： 47-62.

[9]Zhang L， Nan Z，Yu W. Coupling LUCC and Hydrological Models to Predict Land Use Change and Hydrological Response under Multiple Scenarios[J]. Journal of Geo-information Science， 2013， 15（6）： 829.

[10]Tong S T Y， Sun Y， Ranatunga T， He J，Yang Y J. Predicting plausible impacts of sets of climate and land use change scenarios on water resources[J]. Applied Geography， 2012， 32（2）： 477-489.

[11]胡雪麗， 徐凌，張樹深. 基于CA-Markov模型和多目標(biāo)優(yōu)化的大連市土地利用格局[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2013， 24（6）： 1652-1660.

[12]何丹， 金鳳君，周璟. 基于Logistic-CA-Markov的土地利用景觀格局變化-以京津冀都市圈為例[J]. 地理科學(xué)， 2011， 31（8）： 903-910.

[13]何丹， 周璟， 高偉， 郭懷成， 于書霞，劉永. 基于CA-Markov模型的滇池流域土地利用變化動(dòng)態(tài)模擬研究[J]. 北京大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2014， 50（6）： 1095-1105.

[14]殷格蘭， 邵景安， 郭躍， 黨永峰，徐良新. 南水北調(diào)中線核心區(qū)土地利用變化及其生態(tài)環(huán)境響應(yīng)研究[J]. 地球信息科學(xué)， 2017， 19（1）： 59-69.

[15]汪佳莉， 吳國平， 范慶亞，崔敬濤. 基于CA-Markov模型的山東省臨沂市土地利用格局變化研究及預(yù)測(cè)[J]. 水土保持研究， 2015， 22（1）： 212-216.

[16]廖柳文，秦建新. 環(huán)長(zhǎng)株潭城市群濕地生態(tài)安全研究[J]. 地球信息科學(xué)， 2016， 18（9）： 1217-1226.

[17]Nouri J， Gharagozlou A， Arjmandi R， Faryadi S，Adl M. Predicting Urban Land Use Changes Using a CA–Markov Model[J]. Arabian Journal for Science and Engineering， 2014， 39（7）： 5565-5573.

[18]宇林軍，劉亞嵐. 基于土地利用強(qiáng)度的城市道路增長(zhǎng)模擬模型與案例分析[J]. 地球信息科學(xué)， 2015， 17（4）： 423-430.

[19]布仁倉， 常禹， 胡遠(yuǎn)滿， 李秀珍，賀紅士. 基于Kappa系數(shù)的景觀變化測(cè)度以遼寧省中部城市群為例[J]. 生態(tài)學(xué)報(bào)， 2005， 25（4）： 778-784.