趙永華，賈 夏，劉建朝，劉 耿

(1.長(zhǎng)安大學(xué)地球科學(xué)與資源學(xué)院，西安 710054;2.長(zhǎng)安大學(xué)環(huán)境科學(xué)與工程學(xué)院，西安 710054)

景觀格局變化是景觀異質(zhì)性的外在表現(xiàn)［1-2］，其目的是解釋景觀格局與生態(tài)過程之間的關(guān)系［3-4］，推理出景觀變化的原因并預(yù)測(cè)發(fā)展趨勢(shì)［5］。城市景觀格局變化劇烈，人工景觀逐步向外圍自然及半自然景觀滲透是城市景觀動(dòng)態(tài)變化的特點(diǎn)［6］。目前景觀格局研究多利用TM、ETM、SPOT、Quickbird等遙感影像作為數(shù)據(jù)源［7-10］，而利用中巴資源衛(wèi)星和環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星等影像研究景觀格局變化的鮮少見。景觀格局多尺度研究至關(guān)重要［11］，多利用景觀指數(shù)進(jìn)行研究，但景觀指數(shù)有一定的弱點(diǎn)［12-14］，使得近年來景觀格局研究進(jìn)步不明顯。多距離空間聚類方法借助于Ripley K函數(shù)實(shí)現(xiàn)多尺度景觀格局分析，能夠直觀反映景觀格局特征及變化［15］;其與景觀指數(shù)法結(jié)合應(yīng)用可能會(huì)取得較理想的效果。景觀格局未來變化研究常采用Markov、CA、CA-Markov 等模型［16-19］，其中 CA-Markov 模型具有 CA 模型模擬復(fù)雜系統(tǒng)空間變化的能力［16，20-21］和Markov模型定量化預(yù)測(cè)的優(yōu)勢(shì)［16-18］，是模擬城市景觀格局變化較理想模型，但現(xiàn)有數(shù)據(jù)處理步驟較麻煩，是否可以簡(jiǎn)化?基于上述問題，以西安市轄區(qū)為研究區(qū)，選擇TM、中巴資源2號(hào)衛(wèi)星和環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星等遙感影像作為數(shù)據(jù)源，在GIS技術(shù)支持下，利用景觀格局指數(shù)和多距離空間聚類方法分析近年來景觀格局的多尺度變化，并基于CA-Markov模型預(yù)測(cè)未來的景觀格局狀況，為西安市的可持續(xù)發(fā)展及景觀管理提供科學(xué)依據(jù)。

1 研究區(qū)概況

西安市位于陜西省關(guān)中平原中部，轄新城、碑林、蓮湖、雁塔、灞橋、未央、閻良、臨潼、長(zhǎng)安九個(gè)行政區(qū)及藍(lán)田、周至、戶縣、高陵四個(gè)縣。東與渭南市相接;南與商洛、安康、漢中市相接;西與寶雞市相接;北與咸陽市隔河相望。平均海拔400—450 m，地勢(shì)南高北低，地貌類型多樣;南部多為秦嶺中段的北坡，以林地、牧草地、未利用地為主，占市域土地總面積的54.6%;北部為平原，以耕地、園地、城鎮(zhèn)建設(shè)用地和文物遺址保護(hù)用地為主，占市域土地總面積的45.4%;境內(nèi)有河流54條，主要是灞河、浐河、灃河、澇河、滈河、潏河，以及過境的涇河與渭河。水資源總量為31.46億m3。截止2010年底，全市常住總?cè)丝?46萬人。研究區(qū)是西安市轄區(qū)，由新城、碑林、蓮湖、雁塔、灞橋、未央和閻良等7區(qū)構(gòu)成，面積為1900.41 km2。研究區(qū)屬東亞暖溫帶大陸性季風(fēng)氣候，≥10℃積溫為4400℃，年平均氣溫6.4—14.9℃，年平均降水量537.5—1028.4 mm，年平均相對(duì)濕度70%—73%，全年日照時(shí)數(shù)1983.4—2267.3 h，城市綠化覆蓋率30.06%。

2 研究方法

2.1 數(shù)據(jù)來源與預(yù)處理

研究數(shù)據(jù)是2000年5月的TM影像、2004年5月的中巴資源衛(wèi)星影像和2011年5月的環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星影像，其中TM影像來源于馬里蘭大學(xué)，中巴資源衛(wèi)星影像和環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星影像來源于中國(guó)資源衛(wèi)星應(yīng)用中心，三期影像的原始投影為通用墨卡托投影(UTM)，坐標(biāo)系統(tǒng)為WGS84。對(duì)于獲取的三期影像，利用遙感圖像處理軟件ENVI 4.7，參考1∶10萬地形圖，采用三次多項(xiàng)式進(jìn)行幾何精校正、均衡化、拼接和裁剪處理得到研究區(qū)3期影像;其中校正精度為TM和環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星影像小于0.5個(gè)像元、中巴資源衛(wèi)星影像小于1個(gè)像元。根據(jù)中國(guó)土地利用分類系統(tǒng)，把研究區(qū)的景觀分為耕地、林地、草地、水域、建設(shè)用地和未利用地6類。采用監(jiān)督分類方法解譯圖像，利用clump功能濾掉一些小碎塊，并對(duì)一些明顯錯(cuò)誤的斑塊進(jìn)行修正，同時(shí)利用Kappa指數(shù)評(píng)價(jià)解譯精度。3期遙感影像的總體分類精度和Kappa指數(shù)介于81%—83%和0.809—0.829之間，滿足分析要求。

2.2 研究方法

2.2.1 多距離空間聚類分析

多距離空間聚類分析中比較常用Ripley K函數(shù)，公式如下:

式中，A為研究區(qū)面積，n為點(diǎn)的個(gè)數(shù)，d為預(yù)期值，ki，j為權(quán)重。L(d)＞d表示景觀類型呈聚集分布，L(d)＜d表示景觀類型呈均勻分布，L(d)=d表示景觀類型呈隨機(jī)分布。

根據(jù)研究區(qū)面積和分類最小去除單位，利用ArcGIS軟件生成1900個(gè)隨機(jī)點(diǎn)圖層，將該圖層分別與3期SHP格式矢量圖疊加來確定樣點(diǎn)的景觀類型，然后利用多距離空間聚類工具進(jìn)行不同時(shí)期不同景觀類型的Ripley K函數(shù)分析及顯著性檢驗(yàn)。研究區(qū)地理范圍及20級(jí)距離步數(shù)決定起始距離、距離步長(zhǎng)均取值2000 m;邊界校正采用模擬邊界外值法，指數(shù)偏離隨機(jī)性的置信度取99%。

2.2.2 CA-Markov 模型模擬步驟

CA-Markov模型計(jì)算所用圖像的每一個(gè)柵格相當(dāng)于一個(gè)元胞，對(duì)應(yīng)不同的景觀類型。應(yīng)用面積轉(zhuǎn)移矩陣和條件概率圖像進(jìn)行運(yùn)算，可確定每個(gè)元胞對(duì)應(yīng)景觀類型的轉(zhuǎn)移狀態(tài)，從而模擬出研究區(qū)景觀格局的空間變化［5，22］。

(1)生成景觀格局面積轉(zhuǎn)移矩陣和條件概率圖像 將生成的研究區(qū)景觀類型矢量圖轉(zhuǎn)換成IDRISI軟件的矢量格式，然后打開該矢量屬性表，利用其中的矢量到柵格轉(zhuǎn)化功能生成30 m×30 m柵格，并應(yīng)用Markov模型生成景觀類型面積轉(zhuǎn)移矩陣、轉(zhuǎn)移概率矩陣和轉(zhuǎn)移矩陣適宜圖像。

(2)建立CA的轉(zhuǎn)換規(guī)則 規(guī)則是CA模型的核心，決定了CA的動(dòng)態(tài)轉(zhuǎn)化過程;通常將景觀單元關(guān)聯(lián)度大小作為轉(zhuǎn)化規(guī)則，可以反映每一元胞各種可能的景觀類型發(fā)生變化的容易程度，計(jì)算公式為:

式中，TRi為元胞的轉(zhuǎn)變適宜性，i為景觀類型，Ii、Di分別為景觀類型i的面積增加量和減少量表示第i類景觀類型的基本變化能力，Vi為2個(gè)時(shí)期景觀類型差異的定量化，用于修正基本變化能力;計(jì)算出的TRi值再標(biāo)準(zhǔn)化為0—255值后，參與CA-Markov模型模擬運(yùn)算。

(3)選擇濾波器 使用濾波器所創(chuàng)建的權(quán)重因子并依據(jù)相鄰的柵格單元，改變?cè)摉鸥駟卧臓顟B(tài)。本文采用5×5的濾波器。

(4)確定起始時(shí)刻和循環(huán)次數(shù)，進(jìn)行預(yù)測(cè)模擬。

(5)預(yù)測(cè)得到的景觀專題圖與2011年實(shí)際景觀圖應(yīng)用Kappa指數(shù)和修正的Lee-sallee形狀指數(shù)進(jìn)行精度檢驗(yàn)，輸出最終結(jié)果。

3 結(jié)果與分析

3.1 景觀格局特征

研究區(qū)的林地面積最大，三期面積比例均在30%以上;耕地面積次之，比例在16.24%—24.69%之間，呈下降趨勢(shì);耕地、林地和草地面積占研究區(qū)面積的64.17%(2011年)—80.13%(2000年)(圖1)。建設(shè)用地面積呈增加趨勢(shì)，從2000年的16.69%增加到2011年的34.36%，且后一個(gè)研究時(shí)段增加量明顯高于前一個(gè)時(shí)段。水域面積略有增加，而未利用地面積則呈下降趨勢(shì)，到了2011年該地類基本已被完全占用和轉(zhuǎn)化?？傮w來看，研究區(qū)本底是一個(gè)由林地和耕地構(gòu)成的復(fù)合景觀基質(zhì)，草地、水域、建設(shè)用地和未利用地則以斑塊或廊道形式鑲嵌在復(fù)合基質(zhì)中。從斑塊數(shù)量來看，無論是研究區(qū)總的斑塊數(shù)量還是各個(gè)景觀類型的斑塊數(shù)量，都有不同程度的下降;建設(shè)用地的斑塊數(shù)量從2000年的3537個(gè)減少到2011年的1348個(gè)，耕地從4714個(gè)減少到777個(gè)，林地從6157個(gè)減少到2182個(gè)，這3種景觀類型的斑塊數(shù)量下降比較明顯。由斑塊面積和數(shù)量變化可知，研究區(qū)建設(shè)用地、林地、耕地景觀的連通性有所增加，林地景觀類型的連通性增強(qiáng)對(duì)于區(qū)域景觀的穩(wěn)定性維持具有重要作用。這種景觀變化與近年來實(shí)施的一系列發(fā)展政策和投入有一定的關(guān)系，如《西安-天水經(jīng)濟(jì)區(qū)發(fā)展規(guī)劃》、建設(shè)國(guó)家化大都市、西咸新區(qū)、涇渭新區(qū)等。

圖1 景觀類型面積比例Fig.1 Area proportion of different landscape types

3.2 景觀格局變化

基于Ripley's K函數(shù)的多距離空間聚類分析可匯總一定距離范圍內(nèi)的空間相關(guān)性(要素聚類或要素?cái)U(kuò)散)，研究結(jié)果可以說明要素質(zhì)心的空間聚類或空間擴(kuò)散在鄰域大小發(fā)生變化時(shí)的相應(yīng)變化。在計(jì)算過程中沒有使用加權(quán)方法的結(jié)果解釋為:如果特定距離的觀測(cè)值大于(小于)預(yù)期值，則與該距離(分析規(guī)模)的隨機(jī)分布相比，該分布的聚類(離散)程度更高;如果觀測(cè)值大于(小于)置信區(qū)間上限值(下限值)，則該距離的空間聚類(離散)具有統(tǒng)計(jì)學(xué)上的顯著性。觀測(cè)值的第一個(gè)峰值所對(duì)應(yīng)的值表示景觀類型間聚集的特征空間尺度或斑塊長(zhǎng)度，可用來度量分布強(qiáng)度或擁擠度。

2000—2011年，研究區(qū)耕地2000年的聚集空間最大尺度為16 km，其后聚集距離逐漸降低，聚集強(qiáng)度不斷降低，在聚類的最大距離內(nèi)未出現(xiàn)離散格局，且觀測(cè)值明顯高于置信區(qū)間上限值，表明該距離的空間聚類具有統(tǒng)計(jì)學(xué)上的顯著性;2004年的聚集空間最大尺度為18 km，與2000年的相比有所增加，隨著分析尺度的不斷增加，聚集強(qiáng)度越來越弱，當(dāng)尺度達(dá)到38 km時(shí)出現(xiàn)隨機(jī)分布，40 km時(shí)，出現(xiàn)了離散分布;2011年的空間聚集最大尺度為18 km，當(dāng)尺度達(dá)到36 km時(shí)出現(xiàn)隨機(jī)分布，40 km時(shí)，出現(xiàn)了離散分布。說明研究期內(nèi)耕地的空間分布范圍有所減小，均勻度有一定程度的降低，印證了景觀指數(shù)的研究結(jié)果(表1，圖2)。

表1 各景觀類型聚集最大尺度及離散臨界值Table1 Max cluster distance and dispersed values for landscape types/km

林地2000年、2004年和2011年的聚集空間最大尺度分別為18、22和22 km，林地分布范圍變化并不明顯，空間分布的均勻程度基本未發(fā)生變化，空間聚集分布的特征基本未減弱，且其聚類特征距離明顯高于置信區(qū)間上限，說明林地3個(gè)時(shí)期在各自的聚類特征尺度上的空間聚類具有顯著的統(tǒng)計(jì)學(xué)意義。

草地2000年、2004年和2011年的特征空間聚類尺度分別為24、18和14 km，草地的空間聚集強(qiáng)度呈現(xiàn)了逐漸降低趨勢(shì)，空間分布范圍有所減小，均勻度降低了，有離散的趨勢(shì);特別是在2011年，當(dāng)研究尺度增加到36 km時(shí)出現(xiàn)隨機(jī)分布，40 km時(shí)，草地出現(xiàn)了離散分布，該種景觀在研究期內(nèi)出現(xiàn)了具有統(tǒng)計(jì)學(xué)上顯著性的空間聚集和離散距離。

建設(shè)用地的特征空間聚類尺度2000年為18 km、2004年為20 km、2011年為30 km，特征尺度有明顯的增加，且明顯高于置信區(qū)間上限，3個(gè)時(shí)期的建設(shè)用地特征尺度具有明顯統(tǒng)計(jì)學(xué)意義的空間聚集狀態(tài)，其分布范圍增加，聚集強(qiáng)度減弱，均勻度有一定的增加。

水域2000年、2004年和2011年的聚集空間特征尺度分別為12、16和2 km，空間分布范圍有所減小，均勻度降低了，有離散的趨勢(shì)，且離散臨界尺度出現(xiàn)在6 km，該景觀類型在研究期內(nèi)出現(xiàn)了具有統(tǒng)計(jì)學(xué)上的空間聚集和離散距離的顯著性略小于草地。

未利用地在所有景觀類型中，其聚集程度是最大的，2000年和2004年的特征聚集尺度為2 km和6 km，同時(shí)在設(shè)定的最大研究聚類值范圍內(nèi)，出現(xiàn)了相應(yīng)的離散臨界值，分別為20 km和22 km(圖2)。

2020年各景觀類型多距離空間聚類結(jié)果與前3期空間聚類結(jié)果有一定的差異(圖3)。耕地在6 km時(shí)達(dá)到最大聚集分布格局，隨后聚集強(qiáng)度開始下降，當(dāng)觀測(cè)距離達(dá)到14 km時(shí)，出現(xiàn)離散格局;最大空間聚集距離和離散格局距離明顯小于與前3期相應(yīng)值。草地最大聚集分布格局距離出現(xiàn)在8 km，觀測(cè)距離在22 km時(shí)開始出現(xiàn)離散分布格局，且隨著觀測(cè)距離增加，離散強(qiáng)度也在不斷增加，聚集和離散格局的閾值明顯低于前3期相應(yīng)值。林地在觀測(cè)距離6 km時(shí)達(dá)到了最大的聚集程度，離散格局出現(xiàn)在12 km以后，其最大聚集分布格局的閾值明顯低于前3期，且出現(xiàn)了離散格局。建設(shè)用地的最大聚集分布格局在10 km，且明顯低于前3期，在22 km出現(xiàn)了離散格局，而前3期未出現(xiàn)該格局。水域在8 km達(dá)到了最大聚集強(qiáng)度，這一距離比2011年的明顯高，但低于2004年和2000年的最大聚集分布格局距離;在22 km時(shí)出現(xiàn)了離散格局，這與2011年的結(jié)果類似，但比2011年出現(xiàn)離散格局的距離明顯高。未利用地在2 km最大聚集分布格局，與2004年相同，但低于2000年的值;離散格局出現(xiàn)值為12 km，明顯低于前3期相應(yīng)值。

圖2 不同時(shí)期各景觀類型多距離空間聚類圖Fig.2 Multi-distance spatial cluster for different landscape types in 2000，2004，and 2011

3.3 景觀格局預(yù)測(cè)

用CA-Markov模型模擬景觀格局時(shí)，首先要生成景觀的面積轉(zhuǎn)移矩陣，該矩陣用Markov模型來完成。本文利用Markov模型生成了2000—2004年的面積轉(zhuǎn)移矩陣，以此作為轉(zhuǎn)換原則，以2000年作為預(yù)測(cè)的起始年份，應(yīng)用CA-Markov模型分別模擬2011年和2020年研究區(qū)的景觀格局(圖4)，迭代的次數(shù)為10。應(yīng)用Kappa指數(shù)和修正的Lee-sallee形狀指數(shù)［22］檢驗(yàn)2011年模擬結(jié)果與2011年景觀專題結(jié)果之間的精度和空間分布的相似性，Kappa指數(shù)為0.81，Lee-sallee指數(shù)為0.70，說明模型精度符合研究需求，模擬結(jié)果能夠較準(zhǔn)確的反應(yīng)客觀實(shí)際。

根據(jù)模型預(yù)測(cè)，2020年各類景觀都有一定程度的變化。與2004年相比，耕地、林地和草地均有不同程度的減少，分別為19.51%、39.95%和10.46%，建設(shè)用地、水域和未利用地面積有所增加。根據(jù)研究區(qū)2000年到2011年的變化結(jié)果看，耕地、草地、林地、建設(shè)用地和水域五種景觀的預(yù)測(cè)結(jié)果基本符合原有的變化規(guī)律，但未利用地作為一個(gè)城市發(fā)展的后備資源，隨著城市化的不斷加劇，城市規(guī)模不斷擴(kuò)大，其面積應(yīng)該是越來越小，甚至是消失，而模型預(yù)測(cè)其面積有所增加，與實(shí)際變化規(guī)律不相符，這與所選模型、預(yù)測(cè)所用轉(zhuǎn)移矩陣有一定關(guān)系。從空間格局來看，建設(shè)用地基本是在2004年的基礎(chǔ)上向外不規(guī)則的擴(kuò)張，且主要是發(fā)生在雁塔區(qū)、新城區(qū)、碑林區(qū)、蓮湖區(qū)等，這與所用模型、預(yù)測(cè)的起始年份、轉(zhuǎn)移矩陣等有一定關(guān)系。如果按照預(yù)測(cè)情況發(fā)展，2020年的研究區(qū)植被覆蓋率會(huì)比較高，生態(tài)環(huán)境依然比較好，不會(huì)對(duì)社會(huì)經(jīng)濟(jì)發(fā)展起到制約作用，但實(shí)際上2020年的植被覆蓋率、生態(tài)環(huán)境等可能會(huì)由于建設(shè)用地不斷增加、人口不斷增長(zhǎng)等因素低于預(yù)測(cè)水平。

圖3 2020年各景觀類型多距離空間聚類圖Fig.3 Multi-distance spatial cluster for different landscape types in 2020

圖4 研究區(qū)景觀格局模擬圖Fig.4 Forecasted landscape pattern in the study area

4 結(jié)論與討論

(1)林地和耕地構(gòu)成了研究區(qū)的復(fù)合景觀基質(zhì)，其他景觀類型以斑塊或廊道形式鑲嵌其中。耕地面積較林地面積下降明顯;建設(shè)用地面積增加明顯，且后一個(gè)研究時(shí)段增加量明顯高于前一個(gè)時(shí)段。水域和未利用地面積變化相對(duì)較小。研究區(qū)景觀破碎化程度有所降低，大斑塊數(shù)量較多;建設(shè)用地、林地和耕地景觀的連通性有所增加，林地景觀類型的連通性增強(qiáng)對(duì)于區(qū)域景觀的穩(wěn)定性維持具有重要作用。

(2)研究區(qū)各年和各景觀類型之間的聚集、隨機(jī)和離散的臨界閾值差別相對(duì)比較大。耕地、林地、草地、水域、建設(shè)用地和未利用地在所設(shè)定的研究尺度下均呈現(xiàn)顯著的聚集空間格局;耕地在小尺度下呈現(xiàn)出聚集分布空間格局，隨著尺度的增加，逐漸變?yōu)殡S機(jī)分布格局;耕地、林地、草地和城鄉(xiāng)建設(shè)用地的空間聚集強(qiáng)度明顯小于水域和未利用地。研究區(qū)耕地和草地空間分布存在一個(gè)異質(zhì)性最大的特征尺度(2011年的40 km)，該尺度之下會(huì)表現(xiàn)出一定的宏觀異質(zhì)性，該尺度之上分布趨于離散特征;這兩種景觀類型在研究設(shè)定的最大預(yù)期距離下，均出現(xiàn)了聚集分布、隨機(jī)分布和離散分布，以2011年最為明顯。

(3)CA-Markov模型可以較為真實(shí)的模擬未來景觀狀況。2020年研究區(qū)各景觀類型均有一定程度的變化;耕地、林地和水域景觀面積降低，其他景觀類型有一定的升高;各景觀類型聚集強(qiáng)度最大的空間距離比過去的3個(gè)時(shí)期都要小些。

(4)研究數(shù)據(jù)與方法分析。從所用的遙感數(shù)據(jù)實(shí)際效果看，盡管環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星和TM影像空間分辨率相對(duì)于中巴資源衛(wèi)星低，但其解譯精度較高，后處理工作量要少些。應(yīng)用IDRISI進(jìn)行模擬時(shí)，直接應(yīng)用輸入與輸出功能進(jìn)行文件格式轉(zhuǎn)換，并用文件屬性表直接生成所用柵格文件。利用模型模擬的景觀格局與真實(shí)景觀格局有一定的出入，其原因可能有:①用Markov模型構(gòu)造轉(zhuǎn)移矩陣的起始年為2000年，終止年為2004年，這一時(shí)期的景觀變化較2004—2011年間的景觀變化小，因此基于此轉(zhuǎn)移矩陣模擬的與解譯的2011年結(jié)果會(huì)有一定的差異，特別是2020年的模擬結(jié)果可能與實(shí)際差距會(huì)更大些;應(yīng)用2004—2011年的轉(zhuǎn)移矩陣模擬的結(jié)果可能會(huì)更準(zhǔn)確些，但I(xiàn)DRISI軟件構(gòu)建轉(zhuǎn)移矩陣要求前后兩期的景觀類型要一致，2011年無未利用地景觀類型，無法進(jìn)行模擬，這是軟件需要改進(jìn)之處。②解譯精度對(duì)模擬精確性會(huì)有一定的影響。③CA-Markov模型有一系列內(nèi)在的模型不確定性，它們與CA的鄰域、元胞大小、計(jì)算時(shí)間、轉(zhuǎn)換規(guī)則等因素有關(guān)［5］。

［1］ Forman R T T，Godorn M.Landscape Ecology.New York:John Wiley and Sons，1986.

［2］ Turner M G.Landscape ecology:what is the state of the science?Annual Review of Ecology，Evolution，and Systematics，2005，36(1):319-344.

［3］ Gustafson E J.Quantifying landscape spatial pattern:what is the state of the art?Ecosystems，1998，1(2):143-156.

［4］ Wu J G，Hobbs R.Key issues and research priorities in landscape ecology:an idiosyncratic synthesis.Landscape Ecology，2002，17(4):355-365.

［5］ Zheng Q H，Luo G P，Zhu L，Zhou D C.Prediction of landscape patterns in Ili River Delta based on CA-Markov model.Chinese Journal of Applied Ecology，2010，21(4):873-882.

［6］ Tan M H，Li X B，LüC H.An analysis of driving forces of urban land expansion in China.Economic Geography，2003，23(5):635-639.

［7］ Yang Y T.Urban fringe extraction and its change monitoring using multi-temporal TM Image.Remote Sensing Information，2009，(3):49-53.

［8］ Liu SH，Wu C J，Shen H Q.A Gis based model of urban land use growth in Beijing.Acta Geographica Sinica，2000，55(4):407-416.

［9］ Zhang H H，Zeng Y N，Bian L，Yu X J.Modelling urban expansion using a multi agent-based model in the city of Changsha.Journal of Geographical Sciences，2010，20(4):540-556.

［10］ Wei W，Zhang Y L，Zhao B，Wang H.Impacts of urban expansion on spatio-temporal variation of landscape patterns during rapid urbanization:a case study of Kunshan city.Ecology and Environmental Sciences，2011，20(1):7-12.

［11］ Chen L D，Liu Y，Lü Y H，F(xiàn)eng X M，F(xiàn)u B J.Landscape pattern analysis in landscape ecology:current，challenges and future.Acta Ecologica Sinica，2008，28(11):5521-5530.

［12］ Zhao Z X，Zhang B，Jin X，Weng B S，Yan D H，Bao SJ.Spatial gradients pattern of landscapes and their relations with environmental factors in Haihe River basin.Acta Ecologica Sinica，2011，31(7):1925-1935.

［13］ Liu Y，LüY H，F(xiàn)u B J.Implication and limitation of landscape metrics in delineating relationship between landscape pattern and soil erosion.Acta Ecologica Sinica，2011，31(1):267-275.

［14］ Wu JG.Effects of changing scale on landscape pattern analysis:scaling relations.Landscape Ecology，2004，19(2):125-138.

［15］ Gao K，Zhou Z X，Yang Y P，Li H.Characteristics and changes of landscape pattern in Wuhan City based on Ripley's K function.Chinese Journal of Applied Ecology，2010，21(10):2621-2626.

［16］ Xiong L Y，Chang B，Zhou X G.A GeoCA-based study on land use change.Resources Science，2005，27(4):38-43.

［17］ Wood E C，Lewis JE，Tappan G G，Lietzow R W.The Development of a Land Cover Change Model for Southern Senegal.Sioux Falls:Land Use Modeling Workshop，EROSData Center，1997:5-6.

［18］ Li X，Liu X P.Case-based cellular automaton for simulating urban development in a large complex region.Acta Geographica Sinica，2007，62(10):1097-1109.

［19］ Luo G P，Zhou C H，Chen X，Li Y.A methodology of characterizing status and trend of land changes in oases:a case study of Sangong River watershed，Xinjiang，China.Journal of Environmental Management，2008，88(4):775-783.

［20］ Pontius R G Jr，Shusas E，McEachern M.Detecting important categorical land changes while accounting for persistence.Agriculture，Ecosystems and Environment，2004，101(2/3):251-268.

［21］ Turner M G.Spatial simulation of landscape changes in Georgia:a comparison of three transition models.Landscape Ecology，1987，1(1):29-36.

［22］ Tang J，Wang X G，Li Z Y，Mao Z L，Han WZ，Xu X M.The tendency forecast on land use landscape pattern change in Western Jilin Province based on CA-Markov model.Journal of Jilin University:Earth Science Edition，2010，40(2):405-411.

參考文獻(xiàn):

［5］ 鄭青華，羅格平，朱磊，周德成.基于CA-Markov模型的伊犁河三角洲景觀格局預(yù)測(cè).應(yīng)用生態(tài)學(xué)報(bào)，2010，21(4):873-882.

［6］ 談明洪，李秀彬，呂昌河.我國(guó)城市用地?cái)U(kuò)張的驅(qū)動(dòng)力分析.經(jīng)濟(jì)地理，2003，23(5):635-639.

［7］ 楊葉濤.基于多時(shí)相TM影像的城市邊緣區(qū)劃分及其變化監(jiān)測(cè).遙感信息，2009，(3):49-53.

［8］ 劉盛和，吳傳鈞，沈洪泉.基于GIS的北京城市土地利用擴(kuò)展模式.地理學(xué)報(bào)，2000，55(4):407-416.

［10］ 韋薇，張銀龍，趙兵，王浩.快速城市化進(jìn)程中城市擴(kuò)張對(duì)景觀格局分異特征的影響.生態(tài)環(huán)境學(xué)報(bào)，2011，20(1):7-12.

［11］ 陳利頂，劉洋，呂一河，馮曉明，傅伯杰.景觀生態(tài)學(xué)中的格局分析:現(xiàn)狀、困境與未來.生態(tài)學(xué)報(bào)，2008，28(11):5521-5530.

［12］ 趙志軒，張彪，金鑫，翁白莎，嚴(yán)登華，鮑淑君.海河流域景觀空間梯度格局及其與環(huán)境因子的關(guān)系.生態(tài)學(xué)報(bào)，2011，31(7):1925-1935

［13］ 劉宇，呂一河，傅伯杰.景觀格局-土壤侵蝕研究中景觀指數(shù)的意義解釋及局限性.生態(tài)學(xué)報(bào)，2011，31(1):267-275.

［15］ 高凱，周志翔，楊玉萍，李華.基于Ripley K函數(shù)的武漢市景觀格局特征及其變化.應(yīng)用生態(tài)學(xué)報(bào)，2010，21(10):2621-2626.

［16］ 熊利亞，常斌，周相廣.基于地理元胞自動(dòng)機(jī)的土地利用變化研究.資源科學(xué)，2005，27(4):38-43.

［18］ 黎夏，劉小平.基于案例推理的元胞自動(dòng)機(jī)及大區(qū)域城市演變模擬.地理學(xué)報(bào)，2007，62(10):1097-1109.

［22］ 湯潔，汪雪格，李昭陽，毛子龍，韓維崢，徐小明.基于CA-Markov模型的吉林省西部土地利用景觀格局變化趨勢(shì)預(yù)測(cè).吉林大學(xué)學(xué)報(bào):地球科學(xué)版，2010，40(2):405-411.