王劍，徐美

（滄州師范學院，河北 滄州 061001）

土地利用是具有特定時間和空間屬性的一種特殊的自然和社會現(xiàn)象，其形態(tài)和狀態(tài)可在多種時空尺度上變化［1］。近幾十年來，隨著人口的急劇增加和科學技術水平的提高，土地利用類型發(fā)生了巨大的變化，并由此產生了一系列環(huán)境變化問題，準確、合理地預測土地利用動態(tài)演變趨勢，可為制定長期、可持續(xù)發(fā)展的土地管理和土地規(guī)劃提供數(shù)據。

土地利用變化趨勢的預測方法很多，常用的有線性回歸模型預測法、灰色預測模型預測法、馬爾柯夫模型預測法、系統(tǒng)動力學預測法以及規(guī)劃預測法等［2－3］。其中，馬爾柯夫模型是資源與環(huán)境動態(tài)變化研究中應用較多的數(shù)學模型之一，已應用于國內外的植被演替預測、土壤侵蝕演變預測以及土地利用變化預測之中［4－7］。漾濞江流域屬于瀾滄江水系，周慶等［8］在RS和GIS技術的支持下，分析了瀾滄江漫灣水電站庫區(qū)土地利用類型的總體結構變化、空間轉移情況、單一土地利用類型以及綜合土地利用的空間動態(tài)特征；王娟等［9］定量分析了云南瀾滄江流域土地利用變化以及各種土地利用方式的相互轉化關系，在土地利用變化的基礎上，以景觀干擾指數(shù)和土地利用類型的敏感度指數(shù)為評價指標，分析了不同研究時段內不同空間范圍的景觀生態(tài)風險變化情況。針對該流域采用馬爾柯夫模型對土地利用變化進行大范圍預測的研究案例較少，因此，以遙感影像作為數(shù)據源，對漾濞江流域的土地利用變化進行動態(tài)監(jiān)測，通過GIS技術和馬爾柯夫模型預測土地利用動態(tài)變化趨勢，以期為保護和合理利用土地資源提供科學依據，制定相關規(guī)劃、決策提供服務，將具有重要的現(xiàn)實意義。

1 研究區(qū)概況

漾濞江流域主要包括漾濞縣、洱源縣、劍川縣三縣部分地區(qū)，流域面積達4 353 km2，主要有漾濞江、劍湖、彌沙河等水域。由于地處低緯高原，在低緯度高海拔地理條件綜合影響下，形成了低緯高原季風氣候，具有四季溫差小、干濕季分明、光照充足、垂直差異顯著的氣候特點，植被和土壤的垂直分帶比較明顯，植被類型主要包括常綠闊葉林、落葉闊葉林、云南松林、華山松林等，土壤主要以棕壤、紅壤、紫色土等為主。近年來，社會經濟得到較快發(fā)展，以漾濞縣為例，設3鎮(zhèn)6鄉(xiāng)65個村委會和1個社區(qū)，有彝、漢、白、回等17個民族。2005年，全縣總人口100 663人，生產總值44 886萬元，人均GDP為4 466元，交通、國土、水利、林業(yè)和農業(yè)等基礎產業(yè)設施明顯改善，全縣形成了糧、煙、林、畜、果、魚、菜等多行業(yè)并舉發(fā)展的格局，隨著國家相關政策的實施，土地利用狀況發(fā)生了不同程度的變化。

2 研究方法

2.1 數(shù)據來源與處理

本研究所使用的數(shù)據主要包括研究區(qū)1990年的TM影像、2001年的ETM影像、1∶5萬DEM圖、1∶10萬地形圖、部分縣的土地利用現(xiàn)狀圖和土地利用調查所獲得的GPS數(shù)據所對應的土地利用類型。

本研究參考《土地利用現(xiàn)狀調查技術規(guī)程》和大理州土地利用現(xiàn)狀分類系統(tǒng)，同時考慮到影像的可解譯性，將研究區(qū)土地利用類型分為耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地和裸巖石礫地6種類型。以遙感影像處理軟件（ERDAS IMAGINE）為處理平臺，對遙感影像進行幾何校正、地理坐標轉換、鑲嵌、融合、增強、裁剪等預處理后，采用多步驟分類法，解譯遙感影像，提取土地利用信息，其基本思路是：先分析各地物的光譜特征，采用閾值法和比值法將遙感影像分為水體和陰影、植被覆蓋、非植被覆蓋三個圖層，然后采用監(jiān)督分類方法，解譯以上三個圖層，最后將三個圖層的解譯結果合并。

為了保證分類的準確性，必須對分類結果進行精度評價，精度評價主要參考GPS樣本點和部分縣土地利用圖，計算土地利用分類混淆矩陣和Kappa指數(shù)，經計算1990年和2001年Kappa指數(shù)分別為0.75，0.73，均達到最低允許判別精度 0.7 的要求［10］，進而生成研究區(qū)1990年和2001年1∶10萬土地利用現(xiàn)狀圖，作為計算土地利用轉移概率矩陣的基礎圖件。

2.2 馬爾柯夫模型

馬爾柯夫過程是人們研究最多、應用又較廣的離散隨機過程，因其最先由A.A.Markv于1906年研究得出，故稱為馬爾柯夫模型［11］。馬爾柯夫模型預測法［12］是利用馬爾柯夫過程的“無后效性”，即某隨機過程第（n＋1）步的狀態(tài)X（n＋1）的條件概率與X（0），X（1），X（2），…，X（n－1）等n步以前的狀態(tài)無關，而僅與X（n）狀態(tài)有關的性質，來對事物的動態(tài)演變進行預測的方法。由于在一定區(qū)域內不同土地利用類型之間具有相互可轉化性，而且其相互轉化過程包含著許多尚難用函數(shù)關系準確描述的事件，因此用馬爾柯夫模型對土地利用變化進行預測是可行的。

運用馬爾柯夫模型進行土地利用變化趨勢預測，關鍵在于確定土地利用類型之間相互轉化的初始轉移概率矩陣P，其數(shù)學表達式一般為［13］

式中：n——研究區(qū)域的土地利用類型的數(shù)目；Pij——土地利用類型i轉化為類型j的轉移概率，Pij具有如下特點：（1）0≤Pij≤1，即各元素非負；（2）＝1，即每行元素之和為1。

初始轉移概率矩陣的求解過程可根據地圖代數(shù)原理，對1990年和2001年兩期土地利用類型圖Ak和Ak＋1，采用地圖代數(shù)方法Cij＝×10＋（土地利用類型＜10時適用），生成研究區(qū)1990－2001年的土地利用類型轉化分布圖，據此進一步得到反映土地利用類型相互轉化定量關系的轉移矩陣，再導出初始轉移概率矩陣［14－15］。

根據馬爾柯夫性質和條件概率的定義，運用馬爾柯夫鏈基本方程［16］，可以預測出各土地利用類型所占比例的動態(tài)變化情況。

3 結果與分析

3.1 土地利用類型轉化分析

馬爾柯夫轉移矩陣能夠定量說明不同土地利用類型之間的轉化情況，從表1可知，耕地主要流向林地、草地和城鄉(xiāng)工礦居民用地，以林地最多，有13 893.30 hm2的耕地轉為林地，占到耕地面積的23.04%，只有很少一部分轉化為了水域，同時有較大面積的林地和草地轉化為耕地，以林地轉化面積最大，達到12 735.19 hm2，占耕地面積的21.12%；林地只有8.60%的面積發(fā)生了轉移，主要流向草地和耕地，分別占到4.62%和3.95%，而林地的補充也主要來源于草地和耕地，以草地最多，為16 588.94 hm2，占林地總面積的5.15%；草地有較大幅度的變化，轉化比例為45.05%，主要轉化為林地和耕地，以林地最多，占草地總面積的37.11%，只有很少一部分轉化為水域，盡管有一定面積的林地和耕地轉變?yōu)榱瞬莸?，但其面積均小于草地變?yōu)榱值睾透氐拿娣e；水域面積盡管表現(xiàn)為一定程度的凈增加，但其動態(tài)變化不明顯，主要是水域和耕地間的相互轉化；城鄉(xiāng)工礦居民用地有較大幅度的增加，主要表現(xiàn)為耕地的轉化，占到耕地面積的1.92%，只有很小面積的林地、草地、水域轉變?yōu)槌青l(xiāng)工礦居民用地。

表1 1990－2001年研究區(qū)土地利用初始轉移矩陣

3.2 馬爾柯夫預測過程及檢驗

根據研究區(qū)2001年各類土地利用類型面積所占比例求得初始狀態(tài)矩陣，而初始轉移概率矩陣可由表1得到。運用馬爾柯夫鏈的基本方程，通過 MATLAB計算軟件，預測出研究區(qū)相同時間間隔土地利用情況，即每經過11 a即為1步，當n＝1時，預測年份為2012年；n＝2時，預測年份為2023年，以此類推，預測結果如表2所示。

表2 1990－2023年研究區(qū)土地利用情況土地利用面積及所占比例比較

為了檢驗預測結果的合理性，從定量的角度看，以1990年土地利用類型數(shù)據為基數(shù)，采用上述的土地利用轉移矩陣，用同樣的方法模擬出2001年研究區(qū)的土地利用情況，同研究區(qū)2001年土地利用的實際情況相比較，如表3所示，總的來看，兩者的差值都比較小；從定性的角度看，考慮到資料的可獲性，以漾濞縣為例，依據《漾濞彝族自治縣土地利用總體規(guī)劃（2006－2020年）》，漾濞縣林地、建設用地所占比例將會增加，耕地所占比例將會減少，這同表2預測的變化趨勢一致，綜上分析，說明研究區(qū)在經濟發(fā)展較為平穩(wěn)，土地利用政策不發(fā)生重大變化時，采用該轉移概率矩陣通過馬爾柯夫模型預測土地利用變化是可行的。

表3 馬爾柯夫預測土地利用情況的檢驗（2001年）

3.3 土地利用類型變化預測分析

為進一步分析預測時段內土地利用的變化趨勢，計算各時段的單一土地利用動態(tài)度［17］，結合預測值和計算結果，從表2可知，研究區(qū)土地利用變化趨勢具有如下特點：（1）耕地面積所占比例持續(xù)降低，從1990年的13.85%降低到2023年的13.44%。其中，2001－2012年減少768.41 hm2，2012－2023年減少748.6 hm2，因此，必須嚴格執(zhí)行基本農田保護制度和耕地補償制度，控制非農建設占用耕地，從而保證耕地總量的穩(wěn)定；（2）林地是整個研究區(qū)主要的土地利用類型，其比例在74%左右，整個預測時段林地面積盡管呈現(xiàn)一定程度的增加，但各時期凈增加面積越來越小，2001－2012年增加1 032.88 hm2，而2012－2023年只增加了117.4 hm2，增加比例越來越小，這同整個研究區(qū)的地形條件、本身林地覆蓋度較大、退耕還林政策的有效引導有關，以漾濞縣為例，被“三山七河環(huán)抱”，林地中有林地面積占到全縣林地面積的84.60%，植被覆蓋度高，森林覆蓋率達到60.47%；（3）草地面積大幅減少，但減少的幅度在降低，2001－2012年減少1 708.64 hm2，2012－2023年減少797.36 hm2，2012年和2023年分別占到8.95%，8.77%；（4）水域面積穩(wěn)步增加，2001－2012年、2012－2023年分別增加167.24，161.71 hm2；（5）城鄉(xiāng)工礦居民用地面積大幅增加，2001－2012年、2012－2023年分別增加1 285.88，1 266.86 hm2，這同當?shù)亟洕陌l(fā)展、人口的增長和城市化進程的加快有關，必須充分利用低效、閑置的建設用地，嚴格控制建設占用耕地規(guī)模。

從各時期單一土地利用動態(tài)度看：城鄉(xiāng)工礦居民用地變化速度最快，2001－2012年、2012－2023年其動態(tài)度指數(shù)分別為2.74%，2.08%；其次為水域、草地和耕地，2012－2023年其動態(tài)度指數(shù)分別為0.3%，－0.19%，－0.11%，最小的為林地和裸巖石礫地，2012－2023年林地的動態(tài)度指數(shù)趨向于0。

比較各時期的動態(tài)度指數(shù)，可以發(fā)現(xiàn)：耕地動態(tài)度指數(shù)從－0.04%增加到－0.12%，而后又變?yōu)椋?.11%；林地變化將趨于穩(wěn)定，面積逐漸趨于飽和；草地動態(tài)度指數(shù)變化幅度明顯，其變化趨勢將會越來越??；水域和城鄉(xiāng)工礦居民用地面積穩(wěn)步增加。

4 結論

（1）馬爾柯夫轉移矩陣分析表明：研究區(qū)不同土地利用類型之間的相互轉化突出表現(xiàn)為耕地、林地、草地之間的相互轉化以及耕地向城鄉(xiāng)工礦居民用地的轉化。

（2）馬爾柯夫模型的預測結果表明：研究區(qū)林地面積將逐漸趨于穩(wěn)定，成為研究區(qū)的主要土地利用類型，耕地、草地面積繼續(xù)減少，水域面積穩(wěn)步增加，隨著人口的增加和城市化進程的加快，有大量的耕地被占用，變?yōu)槌青l(xiāng)工礦居民用地，這對當?shù)乜沙掷m(xù)發(fā)展不利。

（3）隨著社會經濟的發(fā)展，今后一段時間研究區(qū)土地利用的主要問題是如何解決好耕地保護和城鄉(xiāng)發(fā)展之間的矛盾。因此，在發(fā)展經濟的同時，必須采取有效的措施，合理利用土地資源，加大對耕地的保護力度，提高單位土地產量，實現(xiàn)土地的集約利用，同時要適當控制建設用地的激增現(xiàn)象，保護當?shù)氐纳鷳B(tài)環(huán)境，實現(xiàn)當?shù)氐目沙掷m(xù)發(fā)展。

5 討論

本研究采用馬爾柯夫模型預測了研究區(qū)土地利用的演變趨勢，其預測結果對研究區(qū)生態(tài)環(huán)境的保護和土地資源的合理利用具有一定參考價值，但也存在一定的不足，有待進一步研究。

（1）由于受到遙感信息源時相、分辨率和來源的影響，僅采用了兩期遙感影像，未考慮裸巖石礫地的轉化情況，這不符合實際情況，必然會對預測的精確性造成影響，下一步研究中要盡可能增加不同來源和不同分辨率的遙感影像，提高遙感影像的解譯精度。

（2）土地利用變化是一個復雜的過程，不僅受到自然因素的影響，而且會受到社會經濟發(fā)展、土地利用政策、法規(guī)等因素影響，而馬爾柯夫模型是由過去土地利用類型的轉移概率來模擬分析未來變化的趨勢，其預測精度會有一定的局限性。在今后的研究中，可結合其他預測方法進行比較印證，使預測精度更加準確和科學。

［1］孫希華.濟南泉域土地利用動態(tài)變化及驅動力研究［J］.國土資源遙感，2004（1）：60-64.

［2］趙小汎，沈潤平.空間分析在土地利用／土地覆被變化機制研究中的應用［J］.江西農業(yè)大學學報，2004，26（2）：304-308.

［3］王秀蘭，包玉海.土地利用動態(tài)變化研究方法探討［J］.地理科學進展，1999，18（1）：81-87.

［4］楊子生，賀一梅，李云輝，等.近40年來金沙江南岸干熱河谷區(qū)的土地利用變化及其土壤侵蝕治理研究：以云南賓川縣為例［J］.地理科學進展，2004，23（2）：16-26.

［5］全斌，朱鶴健，晏路明，等.廈門島土地利用變化趨勢預測［J］.資源科學，2004，26（6）：98-104.

［6］熊云波，吳玉鳴.GIS支持下土地利用空間演變過程的馬爾可夫模擬研究：以上海市中心城區(qū)為例［J］.南陽師范學院學報：自然科學版，2002，1（6）：87-92.

［7］王鵬，曹學章，董杰.三峽庫區(qū)土地利用變化的特征與趨勢［J］.資源開發(fā)與市場，2004，20（6）：433-435.

［8］周慶，歐曉昆，張志明，等.瀾滄江漫灣水電站庫區(qū)土地利用格局的時空動態(tài)特征［J］.山地學報，2008，26（4）：481-489.

［9］王娟，崔保山，劉杰，等.云南瀾滄江流域土地利用及其變化對景觀生態(tài)風險的影響［J］.環(huán)境科學學報，2008，28（2）：269-277.

［10］解修平，周杰.地利用變化預測研究：以西安地區(qū)為例［J］.干旱區(qū)研究，2008，25（1）：125-130.

［11］楊子生，李云輝，鄒忠，等.中國西部大開發(fā)云南省土地資源開發(fā)利用規(guī)劃研究［M］.昆明：云南科技出版社，2003.

［12］陳龍泉，鄭海金.基于 Markov-CA的土地利用／土地覆蓋變化動態(tài)模型研究［J］.測繪信息與工程，2004，29（1）：36-38.

［13］李忠鋒，王一謀，馮毓蓀，等.基于RS與GIS的榆林地區(qū)土地利用變化分析［J］.水土保持學報，2003，17（2）：97-99.

［14］何春陽，史培軍，陳晉，等.北京地區(qū)土地利用／覆蓋變化研究［J］.地理研究，2001，20（6）：679-687.

［15］蒙吉軍，吳秀芹，李正國.河西走廊土地利用／覆蓋變化的景觀生態(tài)效應：以肅州綠洲為例［J］.生態(tài)學報，2004，24（11）：2535-2541.

［16］趙庚星，李強，李玉環(huán)，等.GIS支持下的馬爾柯夫鏈模型模擬墾利縣土地利用空間格局變化［J］.地理科學進展，1999，30（4）：345-349.

［17］宋軒，石端曉，張學雷，等.基于元胞自動機的鄭州市區(qū)土地利用變化研究［J］.河南科學，2008，26（8）：971-976.