盧 鵬 岳彩榮

(貴州省林業(yè)調查規(guī)劃院，貴陽，550003) (西南林業(yè)大學)

馮水琴 任 健 岑 綱 祿 鑫

(貴陽云巖雙吉科技服務有限公司) (人民銀行榆林市中心支行) (貴州省林業(yè)調查規(guī)劃院)

云南天然林形成具有結構復雜、功能和生物多樣性豐富的特點，具有從熱帶、亞熱帶到寒溫帶共105個主要森林類型，是我國乃至世界森林類型較完備、結構最復雜和功能最豐富的地區(qū)［1－2］。滇西北作為云南省天然林分布的主要地區(qū)之一，長期以來，不僅為省內和國家提供了大量的木質林產品和非木質林產品，而且在維持生物多樣性、保護生態(tài)環(huán)境和減免自然災害等方面起著重要的和不可替代的作用。然而，由于過度的開發(fā)利用，滇西北的森林覆蓋率已從20世紀60年代的56%降低到目前的30%左右［3］，水土流失面積不斷擴大，河流輸沙量劇增，泥石流、滑坡發(fā)生頻率增加，已經給本地區(qū)以及長江中下游地區(qū)帶來災難性的后果［4］。滇西北屬典型的生態(tài)脆弱區(qū)，又是世界最大的自然遺產地三江并流區(qū)，天然林保護工程實施的好壞，將直接關系到我國長江流域的國土安全及生態(tài)環(huán)境改善和該地區(qū)的林業(yè)和社會經濟的可持續(xù)發(fā)展。

基于此，筆者對云南省香格里拉縣1989—2000年的土地利用變化驅動機制加以研究，并對該區(qū)域未來20 a的土地利用空間格局動態(tài)變化進行模擬。通過研究，以期對研究區(qū)森林景觀的恢復與重建等提供一定的參考，為滇西北其他類似地區(qū)的研究提供借鑒。

1 理論與方法

目前元胞自動機在地理模擬中主要用于城市用地和沙漠化等單一土地利用類型的預測模擬研究，在國內外幾乎沒有用于多種土地利用類型模擬的CA模型［5－7］。對于一個研究區(qū)域而言，某一類土地利用類型的變化受整個區(qū)域各種的土地利用變化的綜合影響，因此如何利用CA理論建立多種土地利用類型間的變化模擬模型是目前的一個研究趨勢。再者，標準CA在CA時間與現(xiàn)實時間的對應問題較少被提及［8－9］。

鑒于元胞自動機在地理模擬中的不足，本研究在轉換規(guī)則的獲取上采用邏輯回歸的方法來探索多種土地利用類型間的變化關系，CA時間與現(xiàn)實時間的對應問題利用研究期間土地利用變化的動態(tài)度進行控制，最終建立適合研究區(qū)的多種土地利用類型的CA模擬模型。研究技術路線見圖1。

1.1 轉換規(guī)則的獲取方法

本次轉換規(guī)則用Logistic回歸的獲取方法，采用多項Logit模型［10］。將研究區(qū)域劃分為等大面積的元胞(本次研究元胞大小為30 m×30 m)，且每個元胞只能代表一種土地利用類型，即如果劃定了一個固定的研究區(qū)域，在一段時期內，盡管不同土地利用類型之間進行著相互轉化，但是總的元胞數(shù)目是不變的，只是從一種狀態(tài)A到另一種狀態(tài)B的增加或減少。

1.2 多項Logit模型

當分類反應變量的類別為3類及以上，且類別之間并無序次關系時，可以應用多項Logit模型。本研究中反應變量代表研究區(qū)的6種土地利用類型。

對于有j=1，2…，J類的非序次反應變量，多項Logit模型可以通過以下Logit形式描述:

這就是說，在多項Logit模型中，Logit是由反應變量中不重復類別對的對比說形成的，然后，對每一個Logit分別建模。若反應變量有J個類別，多項Logit模型中便有j－1個Logit。在累積Logistic回歸模型中有J－1個累計Logit函數(shù)的截距估計，但是只有一套斜率系數(shù)的估計對應自變量。而在多項Logit模型中，不僅有J－1個截距，而且有J－1套斜率系數(shù)估計對應于同一套自變量，這就是公式中每一斜率系數(shù)都有兩個下標的原因，其中第一個下標標志不同的Logit，第二個下標標志不同的自變量。

圖1 研究技術路線

在有J個類別的多項Logit模型中，J－1個Logit可表述如下:

其中最后一個類別(即第J個類別)被作為參照類。

因為P(y=1|x)+P(y=2|x)+…+P(y=J|x)=1，從而有:P(y=1|x)+P(y=2|x)+…+P(y=J|x)=P(y=J|x)

因此，作為某類成員的概率可以通過下列公式計算:

總之，對于有J個類別的反應變量，歸入因變量中第j類的概率可以由下列公式進行估計:

1.3 虛擬變量的引入

有一些影響變量的因素無法定量度量，為了在模型中能夠反映這些因素的影響，并提高模型的精度，根據(jù)土地的利用類型的劃分，本研究設置以下5個虛擬變量:

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)源

本研究采用的原始數(shù)據(jù)有1989年的Landsat TM遙感影像，分辨率為30 m;2000年的Landsat ETM+遙感影像，分辨率為15 m;25 m分辨率的DEM數(shù)據(jù);2000年土地利用現(xiàn)狀圖以及2003年的景觀分類現(xiàn)狀圖。具體見表1。

表1 研究數(shù)據(jù)源

2.2 土地利用分類標準

根據(jù)研究區(qū)土地利用類型的數(shù)量和分布特征，結合土地利用變化空間模擬的需要，最終確立分類標準見表2，分類結果見圖2、圖3。需說明的是，由于研究區(qū)范圍較大，數(shù)據(jù)解譯是結合遙感影像和土地利用現(xiàn)狀圖來完成的，為保證模擬精度，本研究將未能解譯的土地利用類型歸入第7類(即:永久冰雪凍地帶)，該類土地利用類型將不參與土地利用的空間模擬。

表2 本研究土地利用分類標準

3 研究區(qū)土地利用變化分析

3.1 轉移矩陣

利用ArcGIS軟件獲取香格里拉縣1989—2000年土地利用類型轉移矩陣(見表3)，其變化和未變化的土地利用分布見圖4。

3.2 主要驅動因子作用下的變化特征

3.2.1 高程

由表4可以看出，1989—2000年間的新增人工用地有98.3%分布在l=1 520～3 848 m的高程范圍內，之后隨高程的增加而減少。農業(yè)用地的增加面積有99.04%集中在l=1 520～3 848 m的高程范圍內，這是因為農業(yè)用地變化主要集中在縣城附近，受人為干擾較大。

圖2 香格里拉縣1989年土地利用圖

圖3 香格里拉縣2000年土地利用圖

表3 香格里拉縣1989—2000年土地利用變化矩陣 hm2

表4 香格里拉縣土地利用變化面積hm2

3.2.2 距離變量

距離變量定義:任一單元距離某一地類的最短距離稱為該單元基于該地類的距離，距離變量屬于單元屬性，隨單元的不同而變化。本研究涉及的距離變量指基于人工用地的變量，以下簡稱距離變量。

使用ArcGIS的Grid模塊中的Eucdistance函數(shù)獲取每個單元與指定數(shù)據(jù)源的最短距離，1989—2000年期間在0～3 000 m范圍內土地利用變化面積隨距離變量的分布情況見表5，可以發(fā)現(xiàn)隨著距離變量的增大，土地利用變化的總面積呈衰減的趨勢。

表5 基于距離變量的香格里拉縣土地利用變化面積 hm2

圖4 1989—2000年香格里拉縣土地利用變化圖

3.2.3 鄰居變量

鄰居變量的定義:任一單元鄰居范圍(7×7窗口)內某一地類的單元總數(shù)稱為該單元基于該地類的鄰居變量，鄰居變量屬于單元屬性，隨單元的不同而變化。本研究涉及的鄰居變量有基于人工用地、農業(yè)用地、自然/半自然植被、濕地、水體和未利用土地的6個鄰居變量。表6體現(xiàn)了人工用地、農業(yè)用地、自然/半自然植被的3個主要土地利用變化類型隨鄰居變量的變化關系，結果表明在7×7鄰居范圍內各土地利用類型的新增面積主要集中在0～15的范圍內，整體上各土地利用類型的新增面積隨鄰居變量的增大而減小。

表6 基于鄰居變量的香格里拉縣土地利用變化分布

4 CA模型的建立、模擬與評價

4.1 模擬因子選取

在SPSS軟件中用多項Logit模型進行反復調試，剔除部分顯著性差的驅動力因子，最終選取1個距離因子、6個領域因子、2個自然因子和1個土地利用現(xiàn)狀虛擬變量建立香格里拉縣土地利用模擬因子體系，各驅動因子見表7所示。

表7 香格里拉縣土地利用變化驅動因子描述

4.2 驅動因子定量分析

按1989—2000年間土地利用變化比例隨機抽取50 000個元胞樣點，利用上述驅動因子構建的多項Logit模型如下。

人工用地:

ln(P1/P6)=2.412－0.019x1－0.000 9x2－0.000 3x3+0.8x4+0.3x5－0.1x6－0.001x7－0.109x8+0.8x9－3.023D1+5.317D2－0.104D3

農業(yè)用地:

ln(P2/P6)=4.665－0.0004x1+0.0002x2－0.0007x3+0.11x4－0.008x5+1.76x6+0.005x7+0.032x8+0.001x9－3.347D1－0.514D2+0.199D3－2.172D5

自然/半自然植被:

ln(P3/P6)= －2.027－0.0003x1+0.0412x2－0.0004x3+0.011x4－0.007x5+0.001x6+0.016x7－0.068x8+0.002x9－2.142D1－0.512D2+0.139D3

濕地:

ln(P4/P6)= －2.362－0.00 3x3+0.3x4+0.002x5+0.019x6－0.032x7－3.536D1－1.176D2－0.342D3+1.586D4+2.537D5

水體:

ln(P5/P6)= －1.987－0.2 4x4+0.003x5+0.013x6+0.076x8+0.008x9－4.836D1－1.351D2－0.523D3+0.821D4+2.62D5

式中:x1為每個元胞的高程值;x2為每個元胞的坡度值;x3為每個元胞離最近代表人工用地元胞的距離;x4為每個元胞周圍7×7窗口范圍內代表人工用地的元胞數(shù)量;x5為每個元胞周圍7×7窗口范圍內代表農業(yè)用地的元胞數(shù)量;x6為每個元胞周圍7×7窗口范圍內代表自然/半自然植被的元胞數(shù)量;x7為每個元胞周圍7×7窗口范圍內代表濕地的元胞數(shù)量;x8為每個元胞周圍7×7窗口范圍內代表水體的元胞數(shù)量;x9為每個元胞周圍7×7窗口范圍內代表未利用土地的元胞數(shù)量;D1、D2、D3、D4、D5分別代表模擬初期土地利用類型5個虛擬變量。

4.3 土地利用變化模擬和評價

4.3.1 運行模型進行模擬

以1989年作為模擬的初始年份，運用ArcGIS軟件按構建的多項Logit模型計算每個元胞屬于各種土地利用類型的概率，由1989—2000年期間土地利用變化總面積推算出模擬期間的土地利用變化面積總量作為控制(即相對于初年時變化總面積達到模擬年份所需變化量時便停止運算)，最終得到的2000年的土地利用模擬圖見圖5。

4.3.2 評價方法和評價結果

本研究模型評價的方法主要分兩種:一是對預測出的各種土地利用類型數(shù)量和空間位置進行判斷和評價，得到各種土地利用類型在數(shù)量和空間位置上的預測精確度;二是用點對點評價方法對模型的整體預測精度進行評價［11］。

各種土地利用類型在數(shù)量和空間位置上的預測精度:在數(shù)量上，該CA模型的預測準確度較高，尤其是自然/半自然植被達到了97.74%的準確度，其次為人工用地和農業(yè)用地都依次達到了93.26%和89.55%的準確度。在空間位置上，自然/半自然植被、人工用地和農業(yè)用地的準確度也較高。水體、濕地和未利用土地不夠理想，主要原因是其在研究區(qū)域范圍內所占比例有限，造成樣點選取量太小，難以達到模擬效果，各土地利用類型的預測精度詳見表8。

圖5 香格里拉縣2000年土地利用模擬圖

表8 模擬結果與現(xiàn)實比較

點對點評價:模擬結果顯示Kappa指數(shù)為0.79，達到較好水平。由此可見，該CA模型的模擬精度在可以接受的范圍內，運用該方法來模擬多種土地利用變化空間格局是切實可行的。

4.4 研究區(qū)未來土地利用變化空間格局模擬

以2000年香格里拉縣土地利用的空間圖形數(shù)據(jù)為基礎，運用該CA模型對研究區(qū)未來15 a(2000—2015年)的土地利用空間變化進行了模擬，其模擬結果見圖6。2015年的土地利用變化模擬結果與2000年的土地利用現(xiàn)狀相比較，呈現(xiàn)出以下特點:

①自然/半自然植被面積減少幅度呈現(xiàn)增大趨勢，與2000年相比，減少面積為88 513.47 hm2，占2000年自然/半自然植被總面積的9.32%，年均減少面積為5 900.9 hm2。與1989—2000年間年均以4 138.06 hm2的減少速度相比更為嚴重，其中向未利用土地的轉化面積占自然/半自然植被減少總面積的73.21%。

②人工用地呈現(xiàn)快速增長的趨勢，特別是香格里拉縣縣城附近經濟發(fā)展速度較快的區(qū)域，建成區(qū)擴張幅度很大。1989—2000年間以年均208.3 hm2的速度增加，模擬結果顯示2000—2015年間以年均282.45 hm2的速度呈現(xiàn)快速增長趨勢，主要來源是未利用土地、農業(yè)用地和自然/半自然植被的減少。

③農業(yè)用地呈現(xiàn)增加趨勢。2015年的農業(yè)用地面積為55 410.68 hm2，與1989—2000年農業(yè)用地的年均增長面積為1 431.614 hm2相比，2000—2015 年以年均 1 563.613 hm2的速度增加。其增加面積主要來源于自然/半自然植被和未利用土地，主要集中在人工用地周圍。

圖6 香格里拉縣2015年土地利用模擬圖

5 結論與建議

5.1 結論

研究區(qū)主要的土地利用變化特征為農業(yè)用地、未利用土地和自然/半自然植被向其它土地利用類型的轉化，其中農業(yè)用地的轉化主要集中在人工用地周圍，自然/半自然植被跟未利用土地的變化則主要受地形的影響。

在GIS技術的支持下，對研究區(qū)的土地利用變化隨各驅動因子的關系進行了定量分析，最終選取了包含距離因子、鄰居因子和自然因子在內的10個因子作為研究區(qū)土地利用變化的主要驅動因子。

在轉換規(guī)則的獲取上采用了多項Logit模型，并引入了土地利用類型虛擬變量，最終結合GIS來實現(xiàn)了土地利用空間格局變化的模擬。充分發(fā)揮了GIS解決時空動態(tài)模型海量數(shù)據(jù)的獲取、存儲、更新等的功能，說明CA模型在土地利用的預測方面有巨大優(yōu)勢，并為GIS軟件與CA模型的集成打下了基礎。

在1989年土地利用空間數(shù)據(jù)的基礎上，結合GIS構建多種土地利用變化模擬的CA模型，對研究區(qū)2000年的土地利用空間格局模擬結果顯示模擬比較成功，并在此基礎上對2015年的土地利用變化進行了模擬預測。這對于研究與香格里拉縣具有相似林地面積減少較為嚴重的滇西北來說，具有較好的借鑒意義。

5.2 建議

在1989—2000年間自然/半自然植被轉化為其它土地利用類型的面積為88 286.76 hm2，占研究區(qū)土地利用類型變化總面積的65.66%，其減少面積占1989年自然/半自然植被面積的8.87%。在對研究區(qū)2015年的土地利用模擬可知，香格里拉縣的林地減少幅度呈現(xiàn)增大趨勢。由于長期以來大規(guī)模地開發(fā)林區(qū)，采伐森林，以及少數(shù)民族粗放的土地利用方式和生產方式，致使香格里拉縣的天然林資源過度消耗，植被破壞嚴重。應及時加強研究區(qū)的生態(tài)環(huán)境建設，以保證該地區(qū)的林業(yè)和社會經濟的可持續(xù)發(fā)展。針對香格里拉縣的具體情況，就研究區(qū)的生態(tài)環(huán)境建設提供以下建議:切實保護天然林資源，對陡坡耕地實行有計劃、分步驟的退耕還林，加快農村產業(yè)結構、種養(yǎng)殖業(yè)結構的調整。

［1］楊煥宗，張延明.資源、區(qū)域、布局［M］.昆明:云南科技出版社，2000.

［2］薛紀如，姜漢僑.云南森林［M］.昆明:云南科技出版社，1986.

［3］史鴻飛.滇西北地區(qū)生態(tài)退化成因及其保護與建設對策［J］.西部林業(yè)科學，2004，33(4):80－84.

［4］郎南軍，胡涌.云南天然林保護與可持續(xù)經營技術研究［J］.北京林業(yè)大學學報，2002，24(1):47－52.

［5］張永民.科爾沁沙地及其周圍地區(qū)土地利用變化的情景分析［J］.自然資源學報，2004，19(1):29－37.

［6］張永民.CLUE－S模型及其在奈曼旗土地利用時空動態(tài)變化模擬中的應用［J］.自然資源學報，2003，18(3):310－318.

［7］陳建平，丁火平，王功文，等.基于GIS和元胞自動機的荒漠化演化預測模型［J］.遙感學報，2004，8(3):254－260.

［8］Wu F，Webster C J.Simulation of land development through the integration of cellular automata and multicriteria evaluation［J］.Environment and Planning:B，1998，25:103－126.

［9］盛晟，劉茂松，徐馳，等.CLUE－S模型在南京市土地利用變化研究中的應用［J］.生態(tài)學雜志，2008，27(2):235－239.

［10］黎夏，葉嘉安，劉小平，等.地理模擬系統(tǒng):元胞自動機與多智能體［M］.北京:科學出版社，2007.

［11］Power C，Simms A，White R.Hierarchical fuzzy Pattern matching for the regional comparison of land use maps［J］.International Journal of Geographical Information Systems，2001，15(1):77 －100.