秦鈺莉

(湖北永業(yè)行評估咨詢有限公司,湖北武漢 330013)

土地是人類在一切生產(chǎn)和社會活動中賴以生存的基礎(chǔ)和進步的前提[1]。土地利用/土地覆被變化(land use and land cover change,LUCC)是在環(huán)境變化問題中自然與人文過程交叉最為密切的部分。自2005年全球土地計劃(global land project,GLP)發(fā)布后,LUCC是全球變化研究的熱點[2]。土地利用變化影響著土地和社會經(jīng)濟相關(guān)規(guī)劃,土地方面乃至社會經(jīng)濟相關(guān)規(guī)劃與土地利用變化聯(lián)系緊密。土地利用規(guī)劃有利于區(qū)域資源合理開發(fā)、生態(tài)環(huán)境保護以及社會經(jīng)濟健康快速發(fā)展,土地規(guī)劃前提工作需要分析土地利用熱點區(qū)域的空間位置和趨勢,研究土地利用變化的驅(qū)動力,對未來土地利用格局進行準(zhǔn)確的預(yù)測和模擬[3]。

土地利用格局演變主要是自然和社會經(jīng)濟因子共同作用的結(jié)果,不同區(qū)域的土地利用變化影響因子變化具有差異性[4]。影響因子對土地利用變化解釋力的模型主要有Logistic分析[5]、人工神經(jīng)網(wǎng)絡(luò)(ANN)[6]和Autologistic分析[7]。土地利用變化模擬與預(yù)測是土地科學(xué)的重要組成部分,也是土地資源可持續(xù)利用的根本保證。土地利用變化分析模型是研究土地利用變化成因、模擬預(yù)測未來變化趨勢和環(huán)境影響的重要途徑。近年土地利用變化模擬模型主要有CA_Markov模型[8]、Agent-based模型[9]、SLEUTH模型[10]、LTM(land transformation model)模型[11]和CLUE-S(coversion of land use and its effects at small region extent)模型[12-13]。Dyna-CLUE模型是基于CLUE和CLUE-S模型改進而來,Verburg等[14]在它們的基礎(chǔ)上增加了處理領(lǐng)域影響的模塊和土地利用連續(xù)變化的模擬機制。目前,Dyna-CLUE模型已經(jīng)應(yīng)用到了多個領(lǐng)域:政府政策改革對土地利用變化的影響、生態(tài)系統(tǒng)固碳潛力模擬預(yù)測、政策對農(nóng)田生物多樣性影響評價和區(qū)域土地利用空間模擬與預(yù)測[15-17]。然而,對于濕地生態(tài)保護及城市化發(fā)展迅速影響下土地利用變化機理問題目前應(yīng)用較少。

鄱陽湖是國際重要濕地,是我國第一大淡水湖。鄱陽湖南部區(qū)域特殊的地理位置和生態(tài)環(huán)境修復(fù)等問題成為區(qū)域研究熱點[18]。目前,缺乏對鄱陽湖區(qū)域以不同情境設(shè)計對土地利用變化模擬預(yù)測,揭示各影響因子驅(qū)動下土地利用演變趨勢。 該研究基于Logistic回歸模型定量分析影響因子對土地利用變化的轉(zhuǎn)換概率,結(jié)合Dyna-CLUE模型,充分考慮鄱陽湖濕地土地利用政策和未來規(guī)劃的宏觀調(diào)控影響,以提高土地利用模擬的精度為主要目標(biāo),模擬預(yù)測未來鄱陽湖濕地南部區(qū)域的空間布局,以期為生態(tài)規(guī)劃工作提供技術(shù)思路及理論支撐[19-20]。

1 資料與方法

1.1 研究區(qū)域概況鄱陽湖濕地是永久性淡水湖濕地,濕地面積達到31.3萬hm2。該研究以鄱陽湖南部區(qū)域隸屬南昌市境內(nèi)的新建區(qū)、青山湖區(qū)、東湖區(qū)、西湖區(qū)、青云譜區(qū)、南昌縣、進賢縣和上饒市的余干縣為研究區(qū)(圖1)。研究區(qū)屬于亞熱帶濕潤性季風(fēng)型氣候,氣候溫暖濕潤,光照充足,雨量充沛。在東南季風(fēng)的影響下,年降水量在1 600 mm左右,濕地多年平均水溫18 ℃左右。鄱陽湖濕地高程在13.60～19.00 m(吳淞基面)。湖區(qū)土壤類型有紅壤、黃棕壤、紫色土、石灰土、石質(zhì)土、潮土和水稻土。鄱陽湖濱湖平原以沖擊型土壤為主,洲灘地是草甸土、沼澤土,濱湖和河流兩岸是沖積土,質(zhì)地主要為河流沖積物,具有肥力較高、耕地良好、宜種性廣等特征。平原階地以水稻土為主,還有階地紅壤[21]。研究區(qū)是鄱陽湖濕地經(jīng)濟、政治和文化的核心區(qū)域,人口密集。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

1.2 數(shù)據(jù)來源與處理主要數(shù)據(jù)包括:①土地利用數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn),選取2015和2020年Landsat8-OLI遙感影像,時相為7月。②高程和坡度從DEM數(shù)據(jù)中提取;國道、省道和縣道數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心。③社會經(jīng)濟統(tǒng)計數(shù)據(jù)來源于鄱陽湖濕地系統(tǒng)科學(xué)數(shù)據(jù)共享平臺。

數(shù)據(jù)處理:利用ENVI軟件,對原始遙感影像進行預(yù)處理,結(jié)合野外調(diào)查和谷歌地球采點,利用ENVI 5.0采用最大似然法解譯提取土地利用數(shù)據(jù),該研究將土地利用類型分為水域、耕地、建設(shè)用地、未利用地和林草地。DEM數(shù)據(jù)下載后進行裁剪和重分類處理,利用空間表面分析功能提取高程和坡度。在ArcGIS中,利用Euclidean Distance(歐式距離)工具計算研究區(qū)域各柵格到國道、省道和縣道的最近距離。將計算獲取的人口密度、GDP和地方財政收入矢量數(shù)據(jù)導(dǎo)入ArcGIS中,并進行空間柵格化。所有柵格數(shù)據(jù)坐標(biāo)系統(tǒng)統(tǒng)一為WGS84,分辨率為30 m×30 m。

1.3 研究方法

1.3.1Dyna-CLUE模型。Dyna-CLUE模型是在CLUE和CLUE-S的基礎(chǔ)上改進而來,主要包括空間和非空間2個模塊(圖2)?？臻g模塊主要是通過空間變異分析等方法生成空間概率分布圖;非空間模塊主要是對自然和社會經(jīng)濟驅(qū)動因子的分析計算每年每類土地利用類型的需求量,將計算結(jié)果分配到特定空間位置,通過多次迭代對研究區(qū)的土地利用進行時空模擬預(yù)測。Dyna-CLUE模型通過對局部適應(yīng)性和領(lǐng)域適應(yīng)度的分析,可以反映真實的土地利用變化復(fù)雜的空間分布特征[22]。

圖2 Dyna-CLUE模型結(jié)構(gòu)[21]Fig.2 Dyna-CLUE model structure

(1)空間分布適宜性。定量分析每類土地利用類型與各驅(qū)動因子之間的關(guān)系,即表示研究區(qū)每一柵格單元可能出現(xiàn)某種土地利用類型的概率。該研究運用二元Logistic回歸分析方法計算各土地利用類型的空間分布變化與影響因子之間的定量關(guān)系。

設(shè)自變量第n個n=(χ1n,χ2n,…,χkn),因變量yn取值為0或1(取值為0表示景觀類型未發(fā)生轉(zhuǎn)變,取值為1表示景觀類型發(fā)生轉(zhuǎn)變)時,將發(fā)生概率表示為Pn=P(yn=1|χ1n,χ2n,…,χkn),則:

(1)

式中:α為截距;β為回歸系數(shù);Pn表示景觀類型發(fā)生轉(zhuǎn)移的概率,取值為0～1。

二元Logistic回歸模型表達式為:

(2)

式中:Pn為某一柵格景觀類型i的發(fā)生概率;X1,i,X2,i,...為景觀類型i的各驅(qū)動因子;β0為常數(shù)項,β1,β2,…,βn為解釋變量Xi對應(yīng)的回歸系數(shù)。事件發(fā)生和不發(fā)生的概率之比[公式(3)]成為事件的發(fā)生比率,即:

(3)

發(fā)生比率exp(β)是回歸系數(shù)β以e為底的自然冪指數(shù),可判斷模型中自變量對因變量的影響程度。發(fā)生比率說明當(dāng)自變量每增加一個單位時,發(fā)生比率變化的倍數(shù);當(dāng)值大于1,發(fā)生比增加;等于1,發(fā)生比不變;值小于1,發(fā)生比減少。

該研究選取了地形、交通因素和社會經(jīng)濟3類因子,主要包括DEM、坡度、人口密度、GDP、到縣道的距離、到省道的距離、到國道的距離。利用ArcGIS將土地利用分類圖和驅(qū)動因子圖轉(zhuǎn)為ASCII文件,由Dyna-CLUE模型中convert工具生成Stats文件,利用SPSS軟件進行統(tǒng)計分析,回歸結(jié)果采用ROC方法進行評價檢驗。ROC曲線稱為感受性曲線(relative operating characteristic curve),可以反映預(yù)測概率與觀測數(shù)據(jù)的擬合程度,ROC值大于0.7時則表明擬合程度好[23]。

(2)土地利用需求。土地利用需求是Dyna-CLUE模型中非空間分析模塊,預(yù)測模擬從基準(zhǔn)年開始到終止之間每年各類土地利用類型的需求量面積。該研究主要采用馬爾科夫模型Markov的方法,預(yù)測研究區(qū)2015—2020年每年的各類土地利用需求面積,結(jié)合政府土地利用規(guī)劃政策,進行適當(dāng)調(diào)整。

(3)空間限制區(qū)域?？臻g限制區(qū)域主要是根據(jù)研究區(qū)土地利用變化情況和政府政策確定土地利用限制條件,該研究設(shè)定3種情景,根據(jù)情景設(shè)計設(shè)置土地利用變化限制區(qū)域,能夠發(fā)生轉(zhuǎn)移變化的區(qū)域設(shè)置為“0”,不能轉(zhuǎn)移變化的區(qū)域設(shè)置為“-9998”。限制區(qū)域在模擬預(yù)測過程中不會參與迭代過程。

(4)土地利用類型轉(zhuǎn)移部分。該部分主要包括各類土地的轉(zhuǎn)移彈性系數(shù)與可轉(zhuǎn)移性設(shè)置(轉(zhuǎn)移矩陣)。轉(zhuǎn)換彈性系數(shù)(ELAS)取值為[0,1],值越接近0,表示土地利用類型越容易發(fā)生轉(zhuǎn)移。結(jié)合鄱陽湖南部區(qū)域土地利用轉(zhuǎn)移概率,該研究在不同情境設(shè)計下對模型進行不斷調(diào)試,設(shè)定彈性系數(shù)(表1)。土地利用轉(zhuǎn)移矩陣主要表示在某一情景設(shè)計下,各類土地利用類型之間相互轉(zhuǎn)移的可能性。

表1 土地利用類型彈性系數(shù)Table 1 Elasticity coefficient of land use types

1.3.2情景設(shè)計。情景分析是指各類土地利用類型在未來不同情境下的發(fā)展趨勢,該研究情景模擬基于Dyna-CLUE模型可以根據(jù)不同的情景模擬土地利用空間分布情況,設(shè)定了耕地保護情景、生態(tài)保護情景和綜合保護情景。

1.3.2.1耕地保護情景。為了防止城市化過程中過度開發(fā)占用大量耕地,堅守耕地保護政策。遵循研究區(qū)現(xiàn)實情況控制研究區(qū)耕地轉(zhuǎn)出的數(shù)量和方向,重點保護優(yōu)質(zhì)連片農(nóng)田。隨著南昌市區(qū)城市化的發(fā)展,建設(shè)用地增速趨緩,但仍然保持增長趨勢。限制范圍包括水域限制區(qū)域、地形限制區(qū)域和基本農(nóng)田限制區(qū)域。

1.3.2.2生態(tài)保護情景。鄱陽湖濕地是國際重要濕地,在中國長江流域中發(fā)揮著巨大的調(diào)蓄洪水和保護生物多樣性等特殊生態(tài)功能,是中國十大生態(tài)功能保護區(qū)之一,也是世界自然基金會劃定的全球重要生態(tài)區(qū)之一。生態(tài)保護情景主要嚴(yán)格保護林草地、水域等生態(tài)用地,濕地保護區(qū)域禁止大規(guī)模開發(fā)建設(shè)政策推進。隨著退耕還林政策和森林工程等生態(tài)保護政策實施,耕地面積明顯減少,林草地面積顯著增加。

1.3.2.3綜合保護情景?；谯蛾柡竦啬喜繀^(qū)域土地利用現(xiàn)狀和社會經(jīng)濟發(fā)展需求,該情景限制區(qū)域為水域、地形、基本農(nóng)田和禁止建設(shè)區(qū)。既要保證城市化過程中的城市擴張和建設(shè),也要保護大片優(yōu)質(zhì)良田和生態(tài)環(huán)境。

1.3.3模型精度檢驗。Kappa系數(shù)能從整體上驗證預(yù)測結(jié)果與監(jiān)測數(shù)據(jù)的一致性程度,已廣泛應(yīng)用于一致性評價和遙感解譯精度評價[24]。通過計算Kappa系數(shù)來定量評價Dyna-CLUE模型模擬精度。Kappa系數(shù)計算公式如下:

(4)

(5)

(6)

式中:P0為正確模擬柵格比例;Pc為隨機選擇情況下期望的正確模擬柵格比例;Pp為理想分類下正確模擬柵格比例(100%);n為景觀類型現(xiàn)狀圖柵格總數(shù);ni為正確柵格數(shù);N為景觀類型數(shù)。

2 結(jié)果與分析

2.1 研究區(qū)土地利用變化影響因素分析利用SPSS軟件將建設(shè)用地、林草地、水域、未利用地和耕地5種單類型圖層作為因變量,以高程、坡度、國內(nèi)生產(chǎn)總值(GDP)、人口密度、距離縣道的距離、距離省道的距離和距離國道的距離7個驅(qū)動因子作為自變量進行回歸分析,結(jié)果見表2。由表2可知,5種土地利用類型的擬合優(yōu)度即ROC值分別為0.916、0.888、0.875、0.967和0.868,均大于0.800,表明所選擇的7個驅(qū)動因子對研究區(qū)土地利用具有較強的解釋能力,可以用于模擬與預(yù)測未來鄱陽湖南部區(qū)域的土地利用變化分布情況。

建設(shè)用地的分布概率主要與高程、坡度、GDP、人口密度、距離縣道的距離、距離省道的距離和距離國道的距離有關(guān)。其中,高程、坡度、距離縣道的距離、距離省道的距離和距離國道的距離的回歸系數(shù)(β)均為負數(shù),表明這些因素對影響建設(shè)用地分布的概率呈負相關(guān)。高程每增加100 m,建設(shè)用地發(fā)生比率0.510 2;坡度每增加1°,建設(shè)用地發(fā)生比率為0.334 2;距離省道(國道、縣道)的距離越近,建設(shè)用地分布的概率越小。GDP和人口密度與建設(shè)用地的分布概率呈正相關(guān),GDP越大或者人口密度越大,建設(shè)用地分布概率越大;GDP和人口密度的發(fā)生比率分別為0.034 1和0.024 3。

林草地的分布概率主要與高程、坡度、距離縣道的距離、距離省道的距離和距離國道的距離有關(guān),其中,高程、坡度、距離縣道的距離、距離省道的距離和距離國道的距離的回歸系數(shù)均為正數(shù),表明這些因素對影響林草地分布的概率呈正相關(guān)。高程增加100 m,林草地發(fā)生比率為0.008 3;坡度每增加1°,林草地發(fā)生比率為0.242 6;距離縣道(省道、國道)的距離越近,林草地分布概率越大。

水域的分布概率主要與高程、坡度、距離縣道的距離、距離省道的距離和距離國道的距離有關(guān)。其中,高程和坡度與水域的分布概率呈負相關(guān),距離縣道(省道、國道)的距離與影響水域分布概率呈正相關(guān)。

未利用地的分布概率主要與人口密度、距離縣道的距離和距離國道的距離有關(guān)。人口密度與未利用地分布概率呈負相關(guān),即人口越稠密的區(qū)域,未利用地分布概率越小;距離縣道和距離國道的距離與未利用地分布概率呈正相關(guān),即距離縣道和國道的距離越近,未利用地分布概率越大。

耕地的分布概率主要與高程、坡度、GDP、人口密度、距離縣道的距離、距離省道的距離和距離國道的距離有關(guān)。其中,高程、坡度和GDP的回歸系數(shù)為負數(shù),表明這些因素與耕地的分布概率呈負相關(guān)。高程越高,耕地分布概率越小;坡度越大,耕地分布概率越小;GDP越大,耕地分布概率越小。人口密度、距離縣道的距離、距離省道的距離和距離國道的距離的回歸系數(shù)為正數(shù),表明這些因素與耕地的分布概率呈正相關(guān)。人口密度越大,耕地分布概率越大;距離縣道(省道、國道)的距離越近,耕地分布概率越大。

表2 Logistic模型回歸系數(shù)檢驗結(jié)果Table 2 Regression coefficient test results of the Logistic model

2.2 土地利用變化特征及模型檢驗由表3可知,研究區(qū)的總面積為880 422.57 hm2,在2015年的土地利用變化中,未利用地占較大的比重,占比為32.77%,隨著城市化的發(fā)展和人類對資源開發(fā)利用,未利用地面積減少至2020年的189 081.54 hm2。從表4可以看出,未利用地主要轉(zhuǎn)向建設(shè)用地,轉(zhuǎn)移概率為14.91%,轉(zhuǎn)向林草地和耕地的概率分別為2.31%和2.72%。2015年耕地面積為210 965.22 hm2,到2020年面積減少了39 915.27 hm2,比重由23.96%減少至19.43%,耕地面積大量喪失;從轉(zhuǎn)移概率可以看出,耕地面積主要轉(zhuǎn)向了建設(shè)用地,概率達到7.11%,其次轉(zhuǎn)向林草地和未利用地,轉(zhuǎn)移概率分別為3.06%和4.16%。建設(shè)用地面積由2015年的47 571.39 hm2增加至2020年的68 341.14 hm2,比重增加了2.36百分點。這5年間林草地面積由170 611.38 hm2增加至296 450.28 hm2,比重增加了14.29百分點。林草地主要由建設(shè)用地和耕地轉(zhuǎn)入,轉(zhuǎn)入的概率分別為16.69%和3.06%,未利用地轉(zhuǎn)為林草地的概率2.31%,水域轉(zhuǎn)為林草地的可能性很小。水域的面積基本比較穩(wěn)定,占比由18.49%減少至17.66%。

通過2020年土地利用現(xiàn)狀和模擬對比(圖3)發(fā)現(xiàn),各類土地利用空間分布基本一致,局部區(qū)域有所偏差。從表5可以看出,耕地現(xiàn)狀面積和模擬面積差別較大,差異較小的土地利用類型是建設(shè)用地和水域。林草地模擬面積比現(xiàn)狀面積減少了5 798.95 hm2,建設(shè)用地模擬面積比現(xiàn)狀面積增加70.50 hm2。從重疊率可以看出,水域模擬效果最好,耕地效果最差;從Kappa系數(shù)可以看出,林草地、建設(shè)用地、未利用地和水域的Kappa系數(shù)均大于0.80,表明模擬精度較高,具有可信性;而耕地Kappa系數(shù)大于0.70,表明模擬精度較低,主要原因在于2015—2020年研究區(qū)城市化發(fā)展迅速以及政策調(diào)控導(dǎo)致耕地面積波動大。

表3 研究區(qū)土地利用類型面積Table 3 Area of land use types in the study area

表4 2015—2020年研究區(qū)土地利用類型轉(zhuǎn)移概率矩陣Table 4 Probability matrix of land use type transfer in the study area from 2015 to 2020

圖3 2020年土地利用現(xiàn)狀(a)與模擬(b)對比Fig.3 Comparison of land use status and simulation in 2020

表5 2020年鄱陽湖濕地南部區(qū)域土地利用模擬結(jié)果檢驗

2.3 2025年土地利用空間模擬基于2015—2020年土地利用變化數(shù)據(jù),通過Markov模型對研究區(qū)3種不同情境進行土地需求量預(yù)測,以江西省“十三五”規(guī)劃和南昌市生態(tài)環(huán)境保護“十三五”規(guī)劃為參考,根據(jù)不同的情景設(shè)計情況進行適度調(diào)整(圖4)。以2020年研究區(qū)土地利用現(xiàn)狀為基準(zhǔn)圖,利用Dyna-CLUE模型對鄱陽湖南部區(qū)域2025年土地利用空間格局進行預(yù)測(圖5)。

2.3.1耕地保護情景。該情境下土地利用模擬過程主要關(guān)注和保護耕地。建設(shè)用地面積主要由贛江向兩岸擴展,中心城區(qū)主要向新建區(qū)和灣里區(qū)疏解,人口將流向新建區(qū)和灣里區(qū)?！笆濉逼陂g南昌市主體功能布局將重點開發(fā)瑤湖科技城、向塘片區(qū)、昌九新區(qū)、昌北區(qū)域、望城和九龍湖等區(qū)域,

圖4 3種情境下各種土地利用類型土地需求量預(yù)測Fig.4 Prediction of land demand for various land use types in three scenarios

圖5 不同情境下2025年研究區(qū)土地利用空間模擬預(yù)測Fig.5 Spatial simulation and prediction of land use in the study area in 2025 under different scenarios

統(tǒng)籌開發(fā)贛江兩岸,國家風(fēng)景名勝區(qū)和國家森林公園以及鄱陽湖岸3 km范圍限制開發(fā),只能進行城市風(fēng)景性修建整理或保證農(nóng)業(yè)生產(chǎn)必要的建設(shè)。其中,耕地面積減少了920.63 hm2,建設(shè)用地面積增加了623.57 hm2,未利用地面積減少7 396.66 hm2,水域面積增加了4 467.66 hm2,林草地面積增加3 226.06 hm2。該情境下建設(shè)用地面積主要由未利用地轉(zhuǎn)化而來,減少對耕地面積的占用。研究區(qū)西南角海拔較高,限制了建設(shè)用地向西南擴張的趨勢?！赌喜小笆濉倍际鞋F(xiàn)代農(nóng)業(yè)發(fā)展規(guī)劃》中將南昌打造成“都市休閑農(nóng)業(yè)產(chǎn)業(yè)帶”,做強特色優(yōu)勢產(chǎn)業(yè),提高農(nóng)業(yè)生產(chǎn)科技含量和機械化水平,落實了最嚴(yán)格的耕地保護制度,保障維護糧食安全。該情景可以看出政策宏觀調(diào)控的效果,對耕地保護有明顯的作用。防止南昌市區(qū)城市化進程對耕地的占用,保護了南昌縣和青山湖區(qū)附近的大片優(yōu)質(zhì)良田,同時,將城區(qū)附近的耕地發(fā)展特色創(chuàng)意農(nóng)業(yè),以“江西花園南昌都市農(nóng)業(yè)休閑游”為主線,大力發(fā)展休閑農(nóng)業(yè)和鄉(xiāng)村旅游產(chǎn)業(yè)。

2.3.2生態(tài)保護情景。該情境下主要保護林草地和水域生態(tài)用地,“十三五”期間,是南昌市打造核心增長極,從“一江兩岸”走向“跨江臨湖、攬山入城”的關(guān)鍵時期,隨著各項改革政策的實施,生態(tài)環(huán)境保護面臨重大轉(zhuǎn)型和改善機遇。該研究參考《江西省林業(yè)發(fā)展“十三五”規(guī)劃》,規(guī)劃中預(yù)計2025年,全江西森林覆蓋率穩(wěn)定在63.1%,加強鄱陽湖濕地生物多樣性保護和生態(tài)環(huán)境保護,在預(yù)測結(jié)果中,建設(shè)用地在基準(zhǔn)年的基礎(chǔ)上增加了1 527.87 hm2,耕地減少了1 506.66 hm2,林草地增加了6 456.86 hm2,水域面積增加了4 364.66 hm2,未利用地面積減少了1 0842.73 hm2,研究區(qū)林草地和水域都有增加,“十二五”以來,南昌市城鎮(zhèn)化建設(shè)速度進一步加快,用地矛盾突出,耕地與水域面積有所縮減,隨著規(guī)劃的實施,推進贛江流域生態(tài)環(huán)境綜合治理,控制贛江三角洲地區(qū)開發(fā),禁止在自然保護區(qū)內(nèi)違法進行開礦、采石等活動,強化濕地環(huán)境管理,禁止非法侵占和填埋,從預(yù)測結(jié)果看,在一定程度上改善了生態(tài)環(huán)境。

2.3.3綜合保護情景。該情景基于鄱陽湖濕地南部區(qū)域的土地利用現(xiàn)狀和社會發(fā)展需求,“十三五”規(guī)劃綱要提出,要把南昌市建設(shè)成攬山臨湖的山水都市,把一江兩岸的城市布局形態(tài)延展為經(jīng)濟布局形態(tài),在縱達鄱陽湖及梅嶺等大尺度生態(tài)區(qū)域之間采取田園城市形態(tài),使南昌城市延展到鄱陽湖區(qū)域。相比于情景一和情景二,綜合保護情景既兼顧了社會經(jīng)濟的發(fā)展,又要考慮對鄱陽湖濕地南部的生態(tài)環(huán)境保護。預(yù)測結(jié)果中,相比2020年,建設(shè)用地面積增加了895.29 hm2,林草地面積增加了5 228.63 hm2,未利用地減少7 846.92 hm2,建設(shè)用地趨于緩和。

結(jié)合圖4和圖5,3種情景設(shè)計分析下,2025年研究區(qū)5類土地利用類型的比重相對比較穩(wěn)定,主要是林草地>未利用地>耕地>水域>建設(shè)用地,林草地的比重最大,在生態(tài)保護情景中,林草地面積可達302 917.14 hm2,該情景下通過退耕還林、森林工程等對林草地進行了保護和修復(fù),但同時占據(jù)了耕地面積。在耕地保護情境中,保護了大片優(yōu)質(zhì)良田,但對于林草地面積造成了一定威脅,建設(shè)用地面積增長速度減緩;綜合保護情景綜合考慮了耕地保護、生態(tài)環(huán)境修復(fù)與保護以及城市化發(fā)展需要,優(yōu)勢互補,解決了各地之間的矛盾,相比耕地保護和生態(tài)保護情景,耕地面積為160 059.23 hm2,但從空間布局來看,保留了大量優(yōu)質(zhì)良田且坡陡劣質(zhì)的耕地。

3 結(jié)論與討論

該研究以鄱陽湖南部區(qū)域為例,基于Dyna-CLUE模型,探索模型在鄱陽湖濕地南部區(qū)域模擬預(yù)測的可用性,在對比驗證結(jié)果的基礎(chǔ)上,基于鄱陽湖南部區(qū)域的耕地保護、生態(tài)保護和綜合保護3種情景,對2025年鄱陽湖濕地南部區(qū)域土地利用變化進行模擬與預(yù)測。主要結(jié)論如下:

(1)不同影響因子對各類土地利用類型具有差異性,通過驅(qū)動因子與土地利用空間布局的Logistic回歸分析,發(fā)現(xiàn)擬合優(yōu)度即ROC值均大于0.800,表明所選取的驅(qū)動因子對土地利用類型分布適宜性具有顯著性。建設(shè)用地和耕地的分布概率主要受地形因子、社會經(jīng)濟因子和交通因子的影響;林草地和水域的影響因素主要是地形和交通;社會經(jīng)濟因素對未利用地的分布起著主導(dǎo)作用。

(2)運用Markov模型模擬預(yù)測2020年的土地利用空間分布狀況,與真實解譯土地利用類型進行對比分析,整體模擬精度較高,建設(shè)用地、未利用地和水域的重疊率達90%以上。耕地、林草地、建設(shè)用地、未利用地和水域的Kappa系數(shù)分別為0.77、0.82、0.88、0.90、0.98。

(3)以江西省“十三五”規(guī)劃和南昌市生態(tài)環(huán)境保護“十四五”規(guī)劃為參考,根據(jù)研究區(qū)實際情況設(shè)計耕地保護、生態(tài)保護情景和綜合保護3種情景,結(jié)合Markvov預(yù)測未來土地需求量,運用Dyna-CLUE模型對2025年每類土地利用類型空間分布進行預(yù)測,3種情景預(yù)測結(jié)果中,每類土地利用類型的比重基本保持一致,林草地面積在整個土地利用類型中占主導(dǎo)地位。相比于耕地保護情景和生態(tài)保護情景,綜合保護情景更為合理,既考慮了生態(tài)環(huán)境保護需求,又保持耕地面積不會大幅減少。

在情景模擬過程中,該研究結(jié)合RS和GIS技術(shù),利用Markov模型和土地規(guī)劃中規(guī)劃者的設(shè)定對土地需求量進行數(shù)量上預(yù)測,Dyna-CLUE模型根據(jù)不同的情景設(shè)計進行空間上分配預(yù)測模擬,將模擬結(jié)果進行直觀展現(xiàn),3種情景預(yù)測結(jié)果可以為鄱陽湖南部區(qū)域的土地利用規(guī)劃和管理提供科學(xué)依據(jù)。該研究在土地利用變化模擬過程中考慮了地形因子、交通因子和社會經(jīng)濟因素,但土地利用變化的影響因素是一個復(fù)雜的過程,還有很多影響因素是無法量化的,如城市化發(fā)展水平和政府政策變化等。在今后鄱陽湖土地利用變化模擬中,需要全面考慮政府和農(nóng)戶土地利用行為,改進情景設(shè)計方案,提高模型模擬精度。