吳季秋，俞花美，肖明，葛成軍，唐文浩*

1.熱帶作物種質(zhì)資源保護(hù)與開(kāi)發(fā)利用教育部重點(diǎn)實(shí)驗(yàn)室，海南大學(xué)環(huán)境與植物保護(hù)學(xué)院，海南 ?？?570228

2.中國(guó)科學(xué)院生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測(cè)與模擬重點(diǎn)實(shí)驗(yàn)室，北京 100101

3.海南大學(xué)經(jīng)濟(jì)與管理學(xué)院，海南 ?？?570228

土地作為人類生存和發(fā)展的基本物質(zhì)條件，其資源配置的合理性已成為地區(qū)經(jīng)濟(jì)的主要制約因素，關(guān)乎著土地資源的可持續(xù)發(fā)展與國(guó)家和民族的命運(yùn)前途。2009年全國(guó)土地利用變更調(diào)查結(jié)果顯示，我國(guó)人均耕地面積只有1.38畝，還不到世界人均水平的1/3，其中九個(gè)省區(qū)人均耕地面積低于1畝，三個(gè)省區(qū)人均耕地面積低于0.5畝［1］。我國(guó)的土地資源本身內(nèi)部稟賦不足，而土地退化、耕地銳減、生態(tài)環(huán)境質(zhì)量惡化、用地結(jié)構(gòu)不夠合理等現(xiàn)象進(jìn)一步加劇了經(jīng)濟(jì)發(fā)展訴求與土地資源稀缺間的矛盾。面臨嚴(yán)峻的現(xiàn)狀，開(kāi)展土地利用趨勢(shì)變化分析，探求與生態(tài)環(huán)境協(xié)調(diào)發(fā)展相適宜的土地利用模式，一方面可為區(qū)域土地利用的可持續(xù)發(fā)展提供理論依據(jù)，另一方面為土地管理和資源優(yōu)化配置提供支持和借鑒。運(yùn)用GIS等先進(jìn)手段進(jìn)行分析，既是GIS與土地管理決策結(jié)合的理論嘗試，又是落實(shí)《國(guó)土資源部關(guān)于加快推進(jìn)土地利用規(guī)劃數(shù)據(jù)庫(kù)建設(shè)的通知》(國(guó)土資發(fā)〔2011〕3號(hào))的指示精神的具體體現(xiàn)。

元胞自動(dòng)機(jī)-馬爾科夫(CA-Markov)模型綜合了元胞自動(dòng)機(jī)(cellular automata，CA)和馬爾科夫模型各自的優(yōu)點(diǎn)，即元胞自動(dòng)機(jī)模型強(qiáng)大的模擬復(fù)雜系統(tǒng)空間演變功能和馬爾科夫模型長(zhǎng)期預(yù)測(cè)的優(yōu)勢(shì)，將二者有機(jī)結(jié)合在一起，有利于精確模擬土地利用變化的時(shí)空演變過(guò)程，是目前區(qū)域土地利用空間格局動(dòng)態(tài)模擬預(yù)測(cè)研究中應(yīng)用最多且較為有效的研究方法［2-3］。筆者以海南省文昌市八門(mén)灣地區(qū)為研究對(duì)象，采用馬爾科夫鏈分析研究區(qū)域1998年、2009年土地利用面積轉(zhuǎn)移矩陣及土地利用轉(zhuǎn)移概率矩陣，并根據(jù)馬爾科夫的結(jié)論，依據(jù)土地適宜性原則和環(huán)境友好型土地利用模式［4］，運(yùn)用CA-Markov模型動(dòng)態(tài)模擬預(yù)測(cè)該區(qū)域2020年的土地利用變化趨勢(shì)，進(jìn)一步揭示不同的土地利用約束條件對(duì)于土地利用/土地覆蓋變化的影響，由此分析和探討土地利用與生態(tài)環(huán)境協(xié)調(diào)發(fā)展的理論途徑。

1 研究區(qū)域概況

研究區(qū)域八門(mén)灣位于海南省文昌市東南部(19°28'15″N ～ 19°43'44″N，110°42'35″E ～110°57'14″E)。八門(mén)灣因東邊的文教河與西邊文昌河在海灣出?？诮粎R，形成“八”字而得名，所轄灣內(nèi)海域面積約680多hm2。流經(jīng)研究區(qū)域的河流眾多，主要以文教河、文昌河及其各支流所形成的水系為主。研究范圍包括清瀾鎮(zhèn)、文城鎮(zhèn)、頭苑鎮(zhèn)、東閣鎮(zhèn)、文教鎮(zhèn)和東郊鎮(zhèn)，總面積約35377.73 hm2。

2 數(shù)據(jù)及預(yù)處理

2.1 數(shù)據(jù)來(lái)源

選取1988年、1998年、2009年三期TM影像，目視解譯標(biāo)志采用海南省生態(tài)監(jiān)測(cè)2009年、2010年兩期全國(guó)生態(tài)環(huán)境監(jiān)測(cè)野外定點(diǎn)數(shù)據(jù)(海南站)建立目視解譯數(shù)據(jù)庫(kù)。數(shù)據(jù)處理按照《海洋生態(tài)調(diào)查指南》、《土地利用現(xiàn)狀調(diào)查技術(shù)規(guī)范》要求制定。相關(guān)參考資料有《文昌市土地利用總體規(guī)劃(2006—2020年)》、《文昌市產(chǎn)業(yè)布局圖》、《海南省環(huán)境公報(bào)(1998—2009)》、《海南統(tǒng)計(jì)年鑒》。

2.2 數(shù)據(jù)預(yù)處理

采用ERDAS IMAGINE 2011的raster模塊，在其中完成影像的波段組合、影像鑲嵌、大氣校正、去云等操作。利用數(shù)字化海南省1∶10萬(wàn)地形圖對(duì)影像進(jìn)行幾何校正，校正后的像元誤差控制在0.5個(gè)像元以內(nèi)進(jìn)行重采樣。土地覆蓋類型分類參照《土地利用現(xiàn)狀調(diào)查技術(shù)規(guī)范》和全國(guó)生態(tài)環(huán)境監(jiān)測(cè)評(píng)價(jià)體系要求分為19個(gè)類型(表1)。

表1 研究區(qū)域土地覆蓋分類體系Table 1 Land covers classification system in study region

3 分析方法

CA-Markov的模擬過(guò)程大致分為兩個(gè)階段:先用Markov模型對(duì)于土地利用的時(shí)空推移概率進(jìn)行計(jì)算，然后建立土地利用適宜性規(guī)則集，綜合前一階段的概率集在CA-Markov模型中推導(dǎo)出最終結(jié)果(圖1)。

圖1 研究路線Fig.1 Research route

3.1 Markov模型描述

目前，在眾多的土地利用分析模型、土地利用/土地覆蓋變化模擬和城市景觀格局變化預(yù)測(cè)研究中，Markov模型因其長(zhǎng)期預(yù)測(cè)的明顯優(yōu)勢(shì)而成為應(yīng)用較為廣泛的一種土地利用變化建模方法［5-6］。Markov過(guò)程是基于馬爾科夫鏈的具有無(wú)后效性特征的一種狀態(tài)和時(shí)間都離散的隨機(jī)運(yùn)動(dòng)過(guò)程，即一個(gè)運(yùn)動(dòng)系統(tǒng)在未來(lái)某個(gè)t+1時(shí)刻的狀態(tài)僅與當(dāng)前已知的t時(shí)刻所處的狀態(tài)有關(guān)，而與t時(shí)刻之前的狀態(tài)無(wú)關(guān)。馬爾科夫鏈分析的原理是通過(guò)一個(gè)運(yùn)動(dòng)系統(tǒng)的不同初始狀態(tài)及各種狀態(tài)的轉(zhuǎn)移概率來(lái)研究各種狀態(tài)之間的轉(zhuǎn)換情況，進(jìn)而實(shí)現(xiàn)對(duì)未來(lái)狀態(tài)變化趨勢(shì)的預(yù)測(cè)。在馬爾科夫鏈中，系統(tǒng)狀態(tài)的轉(zhuǎn)移可用概率矩陣來(lái)描述，其數(shù)學(xué)表達(dá)式為［7］:

式中，P為某一土地利用類型從初始狀態(tài)到下一狀態(tài)的轉(zhuǎn)移概率矩陣;m和n為土地利用類型個(gè)數(shù);Pij為土地利用類型i轉(zhuǎn)變?yōu)橥恋仡愋蚸的轉(zhuǎn)移概率。

自任何一個(gè)狀態(tài)開(kāi)始，經(jīng)過(guò)一次轉(zhuǎn)移，即會(huì)出現(xiàn)該系統(tǒng)所有狀態(tài)中的一種，該過(guò)程可表示為:

式中，Rt為初始狀態(tài);Rt+1為下一狀態(tài)。因此，一次馬爾科夫模型可由已知t時(shí)刻的狀態(tài)推知t+1時(shí)刻的狀態(tài)。

在Idrisi的 Modeling菜單下點(diǎn)擊 Ecological environmental/Simulation Models，選擇 Markov模塊，選擇1998年、2009年八門(mén)灣區(qū)域的土地利用/土地覆蓋圖像，將這兩期圖像的間隔時(shí)間和預(yù)測(cè)時(shí)間周期均設(shè)置為11年，比例誤差設(shè)置為0.15，運(yùn)算得出該區(qū)域1998年、2009年的土地利用面積轉(zhuǎn)移矩陣及土地利用轉(zhuǎn)移概率矩陣。

3.2 CA-Markov模型原理

元胞自動(dòng)機(jī)(CA)，是時(shí)間、空間、狀態(tài)都離散，每個(gè)變量都只有有限多個(gè)狀態(tài)，且狀態(tài)改變的規(guī)則在空間的相互作用及時(shí)間上的關(guān)系皆表現(xiàn)為局部特征的網(wǎng)格動(dòng)力學(xué)模型［8-12］。元胞自動(dòng)機(jī)實(shí)際上是一個(gè)包含元胞(cell)及狀態(tài)信息(state)、元胞空間(lattice)、鄰居(neighbor)、規(guī)則(rule)及與時(shí)間(time)相關(guān)的轉(zhuǎn)換機(jī)制的函數(shù)［13］。

CA 模型可表示為［14］:

式中，S為元胞有限、離散的狀態(tài)集合;N為元胞的鄰域;f為局部空間的元胞狀態(tài)的轉(zhuǎn)化規(guī)則。

在Idrisi的Modeling菜單中調(diào)用CA-Markov模型。以2009年土地利用類型圖為基礎(chǔ)，預(yù)測(cè)時(shí)間間隔為11年，模擬2020年八門(mén)灣的土地利用類型轉(zhuǎn)化狀況。上述元胞自動(dòng)機(jī)構(gòu)成的六部分參數(shù)設(shè)置如下。

元胞:是元胞自動(dòng)機(jī)的最小運(yùn)算單元，按照一定的空間大小劃分元胞單位。文中元胞自動(dòng)機(jī)的元胞即為圖像柵格，元胞大小設(shè)置為30 m×30 m。

狀態(tài):每個(gè)元胞的狀態(tài)可以定義為多個(gè)變量。在空間分析中，其狀態(tài)是指元胞所具有的空間位置、大小、土地利用類型、周長(zhǎng)等空間屬性。文中的元胞狀態(tài)即為其土地利用類型數(shù)字化屬性。

元胞空間:是指元胞在空間位置分布上網(wǎng)點(diǎn)的集合。在地理空間模擬的應(yīng)用實(shí)踐中，元胞空間是具有空間位置屬性的概念，與空間柵格數(shù)緊密相關(guān)。

鄰居:元胞下一時(shí)刻的狀態(tài)是由元胞及其鄰居這一時(shí)刻的狀態(tài)所決定的。濾波器的工作原理是依據(jù)鄰居距離元胞的遠(yuǎn)近位置關(guān)系來(lái)創(chuàng)建具有明顯空間意義的權(quán)重因子，并作用于元胞，進(jìn)而促使元胞狀態(tài)的轉(zhuǎn)變，文中選用的是5×5濾波器。

規(guī)則:元胞自動(dòng)機(jī)的函數(shù)運(yùn)算準(zhǔn)則是依據(jù)其設(shè)定的規(guī)則，將形成的約束函數(shù)用以指導(dǎo)元胞轉(zhuǎn)變的方向。在地理空間分析中，規(guī)則可由一系列的土地利用控制條件構(gòu)成，按照經(jīng)濟(jì)適用性、距離、高程和環(huán)境保護(hù)等適宜性實(shí)際需要，制定運(yùn)行規(guī)則。Idrisi中依據(jù)多目標(biāo)決策模塊(multi-criteria evaluation，MCE)確定的適宜性圖像集來(lái)確定［15］。以距離、坡度、降雨量為約束條件，將道路、水庫(kù)、居民點(diǎn)、坡度、降雨七個(gè)因子二值標(biāo)準(zhǔn)化為布爾圖像，即將適宜開(kāi)發(fā)的區(qū)域賦值為1，反之賦值為0。

距離約束條件，從降低開(kāi)發(fā)費(fèi)用的角度出發(fā)，設(shè)置距離道路小于500 m區(qū)域適宜開(kāi)發(fā)，賦值為1;大于或等于500 m的區(qū)域不適宜開(kāi)發(fā)，賦值為0［16］?？紤]到生產(chǎn)、生活產(chǎn)生的垃圾會(huì)導(dǎo)致地下水污染和周邊居民點(diǎn)的非點(diǎn)源污染，將距離水庫(kù)100 m緩沖區(qū)范圍設(shè)為非適宜開(kāi)發(fā)，其余區(qū)域設(shè)置為適宜開(kāi)發(fā)。

坡度約束條件，我國(guó)《水土保持工作條例》規(guī)定，25°以上的陡坡地，禁止開(kāi)荒種植農(nóng)作物。據(jù)此，采用數(shù)字化高程DEM數(shù)據(jù)，利用ArcGIS中的Slope工具得到坡度圖，再重分類為25°以上和以下兩個(gè)區(qū)域劃分禁耕區(qū)和適宜種植區(qū)。

降雨約束條件，采集了分布于區(qū)域內(nèi)文昌河、文教河、清瀾紅樹(shù)林保護(hù)區(qū)的五個(gè)氣象監(jiān)測(cè)站的降雨數(shù)據(jù)，統(tǒng)計(jì)了2003—2009年的降雨記錄，結(jié)果顯示，年均降雨量為913～1300 mm的西部農(nóng)業(yè)生產(chǎn)總值明顯低于年均降雨量為1220～1935 mm的東部。對(duì)五個(gè)監(jiān)測(cè)站點(diǎn)的降雨量進(jìn)行克里格插值，并重新分類后得到降雨分布圖。年均降雨量在1200 mm以下的劃定為不適宜農(nóng)業(yè)種植區(qū)域，年均降雨量大于1200 mm的劃定為農(nóng)業(yè)生產(chǎn)種植適宜區(qū)。

時(shí)間:元胞自動(dòng)機(jī)是一個(gè)在時(shí)間變化上離散的動(dòng)力系統(tǒng)，即時(shí)間t是具有連續(xù)等間距特性的整數(shù)值。元胞在t+1時(shí)刻的狀態(tài)只取決于t時(shí)刻該元胞及其鄰近元胞的狀態(tài)。設(shè)置模擬預(yù)測(cè)圖像的時(shí)間間隔為11年。

4 結(jié)果與分析

4.1 Markov模型模擬結(jié)果分析

分析表2、表3可知，在1998年、2009年的土地利用變化中，養(yǎng)殖水面面積增加較大，其主要是由水田、果園和旱作耕地轉(zhuǎn)化而來(lái)，其中水田的轉(zhuǎn)移面積最大，占696.60 hm2，轉(zhuǎn)移概率為0.100，果園和旱作耕地轉(zhuǎn)移面積次之，分別為332.91和298.62 hm2，其轉(zhuǎn)移概率分別為0.099和0.093;水田面積的增加主要是由果園和養(yǎng)殖水面改變用途轉(zhuǎn)變而來(lái)，其轉(zhuǎn)移概率分別為0.340和0.264，總面積為1721.07 hm2，占該土地利用類型總轉(zhuǎn)化面積的35.54%。分析2009年土地利用類型面積減少的狀況，紅樹(shù)林減少的面積主要變成了水田和養(yǎng)殖水面，其轉(zhuǎn)移概率分別為0.262和0.269，共計(jì)267.66 hm2，占該土地類型轉(zhuǎn)化總面積的57.88%;減少的旱作耕地主要轉(zhuǎn)變?yōu)楣麍@，沿海附近的耕地轉(zhuǎn)變用途變成了養(yǎng)殖水塘，轉(zhuǎn)移概率分別為0.156和0.093，共計(jì)799.47 hm2，占該土地利用類型轉(zhuǎn)移面積的28.98%。

通過(guò)對(duì) Markov模型模擬結(jié)果的分析，對(duì)比1998年和2009年土地利用轉(zhuǎn)移矩陣，探討引起八門(mén)灣區(qū)域土地利用轉(zhuǎn)移特征的主要原因:1)八門(mén)灣海灣地區(qū)的養(yǎng)殖水面迅速增長(zhǎng)，表明該區(qū)域沿海附近為追求經(jīng)濟(jì)效益，大力發(fā)展高位池塘養(yǎng)殖，從2009年的遙感衛(wèi)星影像上可以清晰看到沿文教河入?？谥涟碎T(mén)灣出?？谘匕兑痪€布設(shè)建造了大量的圍欄養(yǎng)殖塘。這種局面雖然短期內(nèi)帶來(lái)了一定的經(jīng)濟(jì)回報(bào)，但卻帶來(lái)了一系列較為嚴(yán)重的生態(tài)問(wèn)題，未經(jīng)處理或處理不充分的養(yǎng)殖廢水的成倍增加給海洋生態(tài)環(huán)境造成了較嚴(yán)重的威脅和破壞，危及該地區(qū)的生態(tài)安全。2)八門(mén)灣的紅樹(shù)林地帶是海南島著名的紅樹(shù)林景觀之一，但是，近年來(lái)由于高位池養(yǎng)殖的方興未艾，導(dǎo)致大片的紅樹(shù)林生態(tài)系統(tǒng)轉(zhuǎn)變?yōu)楹．a(chǎn)品養(yǎng)殖池塘，同時(shí)受到經(jīng)濟(jì)利益的驅(qū)使，不斷圍海造田，把沿岸紅樹(shù)林灘涂濕地改造成為農(nóng)田，進(jìn)而導(dǎo)致紅樹(shù)林面積的減少。

4.2 CA-Markov模型結(jié)果分析

通過(guò)對(duì)于馬爾科夫土地利用轉(zhuǎn)移矩陣的特征分析發(fā)現(xiàn)，當(dāng)前的土地利用方式仍然存在許多不合理之處，1998—2009年的11年間，養(yǎng)殖水面和水田面積呈穩(wěn)定增長(zhǎng)的態(tài)勢(shì)，而紅樹(shù)林和旱作耕地面積卻明顯減少。這對(duì)當(dāng)前八門(mén)灣生態(tài)環(huán)境的保護(hù)以及社會(huì)經(jīng)濟(jì)環(huán)境的可持續(xù)發(fā)展構(gòu)成了一定的威脅?；诖?，在運(yùn)用CA-Markov模型模擬預(yù)測(cè)該地區(qū)2020年的土地利用狀況時(shí)，相應(yīng)地設(shè)置了一系列土地開(kāi)發(fā)利用適宜性規(guī)則，以距離、坡度和降雨三方面的約束條件為出發(fā)點(diǎn)來(lái)制定元胞運(yùn)行規(guī)則，其計(jì)算結(jié)果如圖2和表4所示。

圖2 CA-Markov模型預(yù)測(cè)2020年八門(mén)灣土地利用類型Fig.2 Land use type in 2020 in Bamen bay

預(yù)測(cè)結(jié)果表明:在土地利用適宜性規(guī)則形成的函數(shù)約束條件下，2020年防風(fēng)林的面積增長(zhǎng)迅速，較2009年增加了307.91 hm2，土地利用類型變化單一動(dòng)態(tài)度指數(shù)達(dá)0.1585，天然林和紅樹(shù)林的面積也有所增加，動(dòng)態(tài)度指數(shù)分別為0.0243和0.0184;伴隨防風(fēng)林、天然林和紅樹(shù)林面積的增長(zhǎng)，養(yǎng)殖水面、果園和水田的面積呈減少趨勢(shì)，養(yǎng)殖水面減少了1102.75 hm2，動(dòng)態(tài)度指數(shù)為0.0322，果園和水田的面積分別減少了1088.18和2057.43 hm2，動(dòng)態(tài)度指數(shù)分別達(dá)到0.0174和0.0172。由圖2可知，沿文昌河、文教河至八門(mén)灣海灣沿岸一線，紅樹(shù)林和防風(fēng)林的覆蓋面積有所恢復(fù)和增長(zhǎng)，相應(yīng)的養(yǎng)殖水面有所縮減，陸域部分果園周邊的防風(fēng)林和紅樹(shù)林植被覆蓋也有所增加。這一預(yù)測(cè)結(jié)果說(shuō)明人為制定的一系列適宜土地開(kāi)發(fā)利用和保護(hù)的經(jīng)濟(jì)實(shí)用性及生態(tài)環(huán)境保護(hù)規(guī)則，不僅有利于保護(hù)該區(qū)域生態(tài)系統(tǒng)的平衡，維護(hù)生物多樣性及生態(tài)安全，而且可以保障該區(qū)域經(jīng)濟(jì)社會(huì)與生態(tài)環(huán)境的協(xié)調(diào)可持續(xù)發(fā)展。

?

?

表4 2009年和2020年八門(mén)灣土地利用類型空間變化Table 4 Spatial distribution of land use type change between 2009 and 2020 in Bamen bay hm2

4.3 預(yù)測(cè)精度檢驗(yàn)

CA-Markov模擬結(jié)果的精度驗(yàn)證在目前還未形成較為統(tǒng)一的方法，通常使用的主要有整體逐個(gè)檢測(cè)與隨機(jī)抽樣檢測(cè)兩種。隨機(jī)抽樣檢測(cè)適用于驗(yàn)證對(duì)象的分布較為均勻，代表性較強(qiáng)的情況。雖然該方法因?yàn)閷?duì)象數(shù)據(jù)量少而處理快速，但其主觀隨意性大，容易因?yàn)闃颖具x取的典型性不夠而產(chǎn)生偏差。整體逐個(gè)檢測(cè)可以檢驗(yàn)到參與模擬的每一個(gè)單元，可信度較高，但是計(jì)算冗繁，需要較長(zhǎng)的處理時(shí)間?？紤]文中研究區(qū)域數(shù)據(jù)量較小，故采用整體逐個(gè)檢測(cè)法。將模擬出的2009年預(yù)測(cè)結(jié)果〔圖3(b)〕與實(shí)際解譯的2009年土地利用類型結(jié)果〔圖3(a)〕進(jìn)行求差柵格運(yùn)算，前后一致的區(qū)域求差后土地利用類型屬性編碼值為0〔圖3(c)〕。最后以提取出土地利用類型編碼值為0的區(qū)域總柵格數(shù)，除以研究區(qū)域總柵格數(shù)，即得模擬精度。由表5可見(jiàn)，2009年預(yù)測(cè)的模擬精度為77.30%，反映出該模擬結(jié)果可信度較好，CA-Markov預(yù)測(cè)的土地利用類型具有較好的可靠性和適用性。

圖3 八門(mén)灣土地利用類型預(yù)測(cè)精度驗(yàn)證Fig.3 Verification of forecast accuracy for land cover types in Bamen bay

表5 2009年預(yù)測(cè)精度對(duì)比Table 5 Comparison of forecast simulation accuracy in 2009

5 結(jié)論

(1)馬爾科夫鏈分析得出，研究區(qū)域養(yǎng)殖水面和水田的面積呈增長(zhǎng)趨勢(shì)，相應(yīng)地使得紅樹(shù)林和旱作耕地等土地利用類型的面積減少。

(2)基于以上的發(fā)展變化趨勢(shì)，從可持續(xù)發(fā)展的角度出發(fā)，根據(jù)土地利用適宜性原則，調(diào)整驅(qū)動(dòng)因子空間分布規(guī)則，由此得到2020年的預(yù)測(cè)結(jié)果，防風(fēng)林、天然林和紅樹(shù)林的面積將有所增加，動(dòng)態(tài)度指數(shù)分別達(dá)0.1585、0.0243和0.0184;而養(yǎng)殖水面、果園和水田面積將有所減少，動(dòng)態(tài)度指數(shù)分別為0.0322、0.0174 和0.0172。

(3)按照有利于生態(tài)環(huán)境改善，不影響當(dāng)前經(jīng)濟(jì)發(fā)展，降低經(jīng)濟(jì)開(kāi)發(fā)成本的原則，將距離、坡度和降雨三個(gè)因素對(duì)土地利用適宜性約束條件進(jìn)行了調(diào)整，模擬結(jié)果顯示，研究區(qū)域的生態(tài)環(huán)境在該土地適宜性原則的約束下，天然植被有所恢復(fù)，人為的生產(chǎn)性土地?cái)U(kuò)張得到相應(yīng)的控制。

6 不足與展望

對(duì)于CA-Markov的適宜性原則主要來(lái)自大量文獻(xiàn)的比較研究和土地利用政策綜合得出，由于缺少八門(mén)灣其他生態(tài)影響因子的實(shí)際研究成果和依據(jù)，因此只從距離、坡度和降雨三個(gè)方面的自然條件，同時(shí)僅結(jié)合政策或經(jīng)濟(jì)約束條件進(jìn)行模擬，未考慮更多其他可能的潛在影響因素，如人口數(shù)量的快速增長(zhǎng)與產(chǎn)業(yè)布局的不斷調(diào)整都會(huì)使得區(qū)域的土地利用發(fā)生變化，從而對(duì)整個(gè)區(qū)域的生態(tài)格局產(chǎn)生各種影響。與此同時(shí)，隨著八門(mén)灣地區(qū)部分吸引旅游開(kāi)發(fā)投資的產(chǎn)業(yè)政策的出臺(tái)，也會(huì)產(chǎn)生與之對(duì)應(yīng)的土地利用空間格局的變化。因此，在今后的研究中，不僅要豐富其他潛在影響因子，如放牧、捕魚(yú)等人為影響因子的影響半徑測(cè)定，而且需要進(jìn)一步探討按照不同的自然資源條件和經(jīng)濟(jì)發(fā)展水平、政策導(dǎo)向影響下的土地利用空間變化及其與土地承載力和適宜性的評(píng)價(jià)機(jī)制，以完善土地利用變化趨勢(shì)研究的理論和手段。

［1］顏玉華:對(duì)我國(guó)18億畝耕地“紅線”的憂思［EB/OL］.中國(guó)改革論壇.(2012-01-21)［2012-03-01］.http://www.chinareform.org.cn/Economy/Agriculture/Forward/201201/t20120122_132973.htm.

［2］趙建軍，張洪巖，喬志和.基于CA-Markov模型的向海濕地土地覆被變化動(dòng)態(tài)模擬研究［J］.自然資源學(xué)報(bào)，2009，24(12):2178-2184.

［3］趙冠偉，陳穎彪，陳健飛，等.CA-Markov模型的空間尺度敏感性研究［J］.地理科學(xué)，2011，31(8):897.

［4］張秋玲，李東敏，邵亞杰.基于環(huán)境友好型模式的土地利用與生態(tài)環(huán)境協(xié)調(diào)研究:以河南省信陽(yáng)市為例［J］.安徽農(nóng)業(yè)科學(xué)，2009，37(23):11130-11132.

［5］ALEJANDRO F S，MIGUEL M R，OMAR R M.Assessing implications of land-use and land-cover change dynamics for conservation of a highly diverse tropicalrain forest［J］.Biological Conservation，2007，138(1/2):131-145.

［6］楊國(guó)清，劉耀林，吳志峰.基于CA-Markov模型的土地利用格局變化研究［J］.武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2007，32(5):414-418.

［7］唐啟義，馮明光.實(shí)用統(tǒng)計(jì)分析及其DPS數(shù)據(jù)處理系統(tǒng)［M］.北京:科學(xué)出版社，2000:95-105.

［8］朱海涌，李新琪，仲嘉亮.基于CA-Markov模型的艾比湖流域平原區(qū)景觀格局動(dòng)態(tài)模擬預(yù)測(cè)［J］.干旱環(huán)境監(jiān)測(cè)，2008，22(3):134-139.

［9］李書(shū)娟，曾輝，夏潔，等.景觀空間動(dòng)態(tài)模型研究現(xiàn)狀和應(yīng)重點(diǎn)解決的問(wèn)題［J］.應(yīng)用生態(tài)學(xué)報(bào)，2004，15(4):701-706.

［10］LI X.Neural-network-based cellular automata for simulating multiple land use changes using GIS［J］.International Journal of Geographical Information Science，2002，16(4):323-343.

［11］LOPEZ E，BOCCO G，MENDOZA M，et al.Predicting land-cover and land-use change in the urban fringe:a case in Morelia City，Mexico［J］.Landscape and Urban Planning，2001，55(4):271-285.

［12］侯西勇，常斌，于信芳.基于CA-Markov的河西走廊土地利用變化研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2004，20(5):286-291.

［13］HAN J，HAYASHIA Y，CAO X，etal.Application of an integrated system dynamics and cellular automata model for urban growth assessment:a case study of Shanghai，China［J］.Landscape and Urban Planning，2009，91(3):133-141.

［14］孫賢斌，劉紅玉，李玉鳳，等.基于CA-Markov模型土地利用對(duì)景觀格局影響辨識(shí)［J］.生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2009，25(1):1-7.

［15］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):903-909.

［16］毛蔣興，閆小培.城市交通干道對(duì)土地利用的廊道效應(yīng)研究:以廣州大道為例［J］.地理與地理信息科學(xué)，2004，20(5):58-61.?