劉 潔，李 宏，馬勇剛

（新疆維吾爾自治區(qū)遙感中心，烏魯木齊830011）

土地利用／土地覆被變化（Land Use and Land Cover Change，簡稱LUCC）被認為是能夠從景觀上表現人類活動最為典型的過程，它不僅客觀記錄了人類改變地球表面特征的空間格局，而且還再現了地球表面景觀的時空動態(tài)變化過程，并且是全球環(huán)境變化的重要組成部分［1－3］。通過分析土地利用變化的特征，重建過去和預測未來的土地利用狀況［4］，可以評估各項因素對土地利用發(fā)展的影響，從而把握土地利用發(fā)展趨勢，對區(qū)域可持續(xù)發(fā)展提供決策依據。目前能夠模擬土地利用變化的模型有很多，包括隨機模型、遺傳算法、元胞自動機（CA）、神經網絡［5］、CAMarkov模型［6］等等，其中CA－Markov模型既保留了馬爾可夫模型（Markov）長期預測的優(yōu)勢，又綜合了CA模型（Celluar Automata）模擬復雜時空系統(tǒng)變化的能力［7－8］，可以較好地從時間和空間上模擬土地利用變化的情況，運用也較為廣泛，能夠取得較為滿意的效果。

杜尚別作為塔吉克斯坦的首都，過去受前蘇聯影響巨大，前蘇聯解體之后又遭受內戰(zhàn)影響，經濟復蘇后發(fā)展迅速，城市規(guī)模變化十分明顯，本研究基于CA－Markov模型，對杜尚別1989—2011年土地利用變化進行分析，預測2020年不同時長轉移概率矩陣下的土地利用狀況，對土地利用變化的特征進行探討，從而直觀地了解杜尚別未來土地利用發(fā)展趨勢，為杜尚別城市發(fā)展和建設提供較好的參考，而對我國與塔吉克斯坦之間的經濟貿易、對話往來等提供了有利的決策依據。

1 研究區(qū)概況及數據來源

1.1 研究區(qū)概況

研究區(qū)塔吉克斯坦首都杜尚別，位于北緯38.5°、東經68.8°，瓦爾佐布河及卡菲爾尼甘河之間的吉薩爾盆地，海拔750～930m，主城區(qū)的面積125km2，人口為76.43萬人（2013年1月數據［9］），主要為地中海氣候，同時受大陸性氣候影響，夏季炎熱干燥，最高氣溫可達40℃，冬季溫和濕潤，最低氣溫－20℃，年均降水量約500mm［10］，是中亞地區(qū)典型的城市之一。

1.2 數據來源及預處理

本研究的數據來源采用LANDSAT衛(wèi)星TM影像1989年8月7日，2001年7月31日，ETM影像2011年9月5日，軌道號為154033，分辨率分別為28.5m，28.5m 和30m，云層覆蓋度小于5%。在ERDAS IMAGINE軟件的支持下，對三期影像進行波段合成、校正、重采樣，再根據研究區(qū)的范圍設立合理的AOI靶區(qū)，對影像進行裁剪，最終形成投影坐標系統(tǒng)、分辨率、波段、面積統(tǒng)一的三期時間序列的遙感影像［11］。具體信息為：投影坐標系為UTM WGS 84 North 42，分辨率為28.5m，432波段假彩色合成、面積為1 283.37km2的杜尚別遙感影像。

塔吉克斯坦的土地利用類型中農業(yè)用地為28%，其中耕地占6%，長期作物占1%，草場占21%；非農業(yè)用地72%，其中林地為3%［12］。而本研究區(qū)為了重點突出中亞典型城市土地利用變化情況，以土地的覆蓋特征、利用方式、用途、利用效果等為具體標志，將研究區(qū)劃分為植被、城鎮(zhèn)及建設用地、人工水體、河流、未利用地5大類，利用ERDAS通過Signature Editor建立分類特征，對該地區(qū)進行監(jiān)督分類，分類結果通過聚類統(tǒng)計、去除分析、重編碼等，對分類結果進行分類后處理，得到最終的分類結果（見表1），進而通過混淆矩陣和Kappa分析，在研究區(qū)隨機選取樣本點，進行精度檢驗，得到1989年、2001年和2011年影像分類Kappa系數分別為0.781，0.762，0.796，分類精度滿足研究要求。

2 研究方法

2.1 CA模型

元胞自動機（Cellular Automata，CA）具有強大的空間運算能力，它是一種時間、空間、狀態(tài)都離散，空間相互作用和時間因果關系都為局部的網格動力學模型，具有模擬復雜系統(tǒng)時空演化過程的能力。CA模型可用下式表示為：

式中：S——元胞有限、離散的狀態(tài)集合；N——元胞的鄰域；t，t＋1——不同的時刻；f——局部空間的元胞轉換規(guī)則［13－14］。

2.2 Markov模型

在事件發(fā)展過程中，如果狀態(tài)轉移過程無后效性，或者說，每次狀態(tài)轉移都與而且只與前一時刻狀態(tài)有關，則這樣的過程為馬爾可夫過程。即為隨機過程中狀態(tài)轉移概率僅與轉移出發(fā)態(tài)、轉移步數、轉移后狀態(tài)有關，與轉移前的初始時刻無關。這就是馬爾柯夫“無后效性”。將這點用于土地利用結構變化是合適的，將某一時刻的土地利用類型對應于Markov過程中的可能狀態(tài)，它只與其前一時刻的土地利用類型相關，土地利用類型之間相互轉換的面積數量或比例即為狀態(tài)轉移概率［15］。因此，可用如下公式對土地利用狀態(tài)進行預測：

式中：St＋1，St——t，t＋1時刻土地利用系統(tǒng)的狀態(tài)；Pij——狀態(tài)轉移矩陣。

2.3 CA－Markov預測模型

根據CA模型與Markov模型的特點，綜合了CA模型模擬復雜系統(tǒng)空間變化的能力和Markov模型定量化預測的優(yōu)勢，既提高景觀類型轉化的預測精度，又能有效地模擬景觀格局的空間變化，在預處理非監(jiān)督分類中得到土地利用分類圖中，每一個像元就是一個元胞，每個元胞的土地利用類型為元胞的狀態(tài)［16］。在GIS軟件IDRISI的支持下［17］，利用轉換面積矩陣和轉移條件概率圖像進行運算，從而確定元胞狀態(tài)的轉移，測算土地利用格局的變化。其具體實現過程如下：

（1）首先確定CA－Markov可行性。以1989年和2001年面積來模擬2011年杜尚別土地利用狀態(tài)，利用Markov分析，運算得到1989—2001年的轉移概率矩陣和轉移面積矩陣。構造CA濾波器，根據鄰居離元胞距離的遠近創(chuàng)建具有顯著空間意義的權重因子，使其作用于元胞，從而確定元胞的狀態(tài)改變［18－19］。本文采用5×5的濾波器，即認為一個元胞周圍5×5個元胞組成的矩形空間對該元胞狀態(tài)的改變具有顯著影響。確定2001年為土地利用格局的起始時刻，CA循環(huán)次數取10，模擬2011年的土地利用空間格局。將結果與其實際2011年土地利用狀態(tài)相比較，利用Kappa系數來檢驗CA－Markov可行性，總體Kappa指數計算如下：

表1 杜尚別三期土地利用面積對比

式中：P0——正確模擬的比例；Pc——隨機情況下期望的正確模擬比例；Pp——理想分類情況下的正確模擬比例（即100%）。模擬值和實際值之間的總體Kappa系數為0.726，精度符合研究要求，兩者一致性較好，過程符合CA－Markov過程，模擬預測可行，見表2。

表2 2011年土地利用空間格局實際和模擬面積轉移矩陣和概率

（2）分別以2001年和2011年為CA－Markov模型預測起始時刻，以1989—2001年和2001—2011年各土地利用之間的轉換面積作為Markov狀態(tài)轉移概率矩陣的元素，以此預測基于不同概率轉移矩陣條件下2020年的土地利用空間格局及狀態(tài)。重復前面的預測過程，同樣采用5×5的濾波器，由于這兩個時期的時長不盡相同，因此CA－Markov模型的循環(huán)次數也不同，1989—2001年的CA循環(huán)次數取為19，而2001—2011年的CA循環(huán)次數取為10。由此得到以1989—2001年的轉移面積預測模擬2020年土地利用狀況結果2020A，和以2001—2011年的轉移面積的預測模擬2020年土地利用狀況結果2020B。

3 結果與分析

3.1 杜尚別土地利用時空變化特征分析

由表1分析可以得出杜尚別土地利用時空變化面積特征，城鎮(zhèn)與建設用地面積1989年為145.61km2，2011年為201.95km2，呈現顯著增長狀態(tài)，增長面積為56.25km2，增長幅度為38.60%，1989—2001年面積增長了6.81km2，增長較為緩慢，但2001—2011年的10a間面積增長十分劇烈，面積增加了49.44km2，是1989—2001年面積增長的8倍，增長速度十分明顯；植被面積1989年為304.63km2，2011年為261.90 km2，呈顯示減少的狀態(tài)，在1989—2001年面積減少32.12km2，減少幅度為10.54%，到2001—2011年面積減少10.61km2，幅度為3.89%，減少趨勢較之變緩；未利用地面積1989年為800.72km2，2011年為785.40km2，面積減少了15.32km2，幅度為1.91%，1989—2001年面積增加了27.13km2，2001—2011年減少了42.46km2，呈先增加后減少的態(tài)勢；人工水體面積1989—2001年面積少量減少，減少面積為0.85 km2，2001—2011年面積基本保持穩(wěn)定，僅增加了0.05km2；河流面積1989—2011年面積變化比較穩(wěn)定，增加了2.60km2，增加幅度為8.66%。

將1989年、2001年、2011年杜尚別土地利用分類圖疊加，測算其轉移面積和概率（見表3、表4），該矩陣依賴于分類的基礎數據，能較好地反映土地利用的變化情況，可以看出各種土地利用類型的轉移趨向，進一步分析土地利用時空變化結構特征。

由表3和表4可以看出，1989—2001年植被主要轉變?yōu)槌擎?zhèn)與建設用地19.52km2，轉移概率為1.52%，未利用地51.30km2，轉移概率為4.00%；城鎮(zhèn)與建設用地主要轉變?yōu)橹脖?6.11km2，轉移概率為2.03%，未利用地10.17km2，轉移概率為0.79%；未利用地主要轉變?yōu)橹脖?8.18km2，轉移概率為6.09%，建設用地8.53km2，轉移概率為0.66%；人工水體、河流變化轉移極為微小。2001—2011年植被主要轉變?yōu)槌擎?zhèn)與建設用地13.20km2，轉移概率為1.03%，未利用地57.25km2，轉移概率為4.46%；城鎮(zhèn)與建設用地主要轉變?yōu)橹脖?8.27km2，轉移概率為3.76%，未利用地17.85km2，轉移概率為1.39%；未利用地主要轉變?yōu)橹脖?0.53km2，轉移概率為2.38%，建設用地4.10km2，轉移概率為0.32%；人工水體、河流基本保持不變。

表3 1989－2001年與2001－2011年轉移面積矩陣 km2

表4 1989－2001年與2001－2011年轉移概率矩陣 %

3.2 杜尚別2020年模擬預測結果分析

在不同的轉移面積矩陣下獲取的研究區(qū)土地利用模擬結果2020A和2020B，從表5中可以看出，兩者之間有著明顯的一致性，但另一方面也存在著整體和局部上的差異性，在空間上，2020A和2020B的杜尚別主城區(qū)城鎮(zhèn)及建設用地面向西方向增長明顯，2020B增長更為顯著，在東北方向上主城區(qū)增長并不明顯，主城區(qū)周圍建設用地面積增長2020A較之2020B更為緩慢；植被西北部山區(qū)增長明顯，主城區(qū)東北側也有部分植被增加；人工水體與河流變化不顯著。在面積數量變化上，將2020A預測結果與2011年面積相比，植被面積為324.37km2，增加了62.47 km2，城鎮(zhèn)及建設用地面積為211.90km2，增加了9.95km2，未利用地面積為710.66km2，減少了74.75 km2，人工水體面積減少了0.42km2，河流面積增加了2.74km2；將2020B預測結果與2011年面積相比，植被面積為322.92km2，增加了61.02km2，城鎮(zhèn)及建設用地面積為253.47km2，增加了51.52km2，未利用地面積為660.27km2，減少了125.14km2，人工水體面積增加了0.07km2，河流面積增加了12.52 km2。

表5 不同轉移概率矩陣下2020年土地利用預測面積km2

2020A與2020B的預測結果中，植被預測結果較為一致，但是城鎮(zhèn)及建設用地和未利用地具有顯著的差異，人工水體、河流面積也存在較小的差異。借助Kappa系數針對1989—2001年和2001—2011年兩個不同預測過程進行檢驗，其整體Kappa系數為0.719。

這主要是由于：（1）在1989—2001年和2001—2011年兩個不同的轉移矩陣下，預測2020年土地利用狀態(tài)，其各個土地利用類型的轉移方向和方式有所不同，轉移程度也都有差別；（2）在遙感數據的監(jiān)督分類中，根據每一個像元的值來進行分類，而在影像中每一類土地利用類型卻是多個像元組合而成的綜合反映，這就會使分類結果產生一些誤差和誤判，影響到轉移面積精度和轉移方向，從而對預測結果產生影響；（3）CA－Markov預測模型中，它的各項模型參數在CA內在因素中也會存在不確定性而影響預測；（4）其他的因素也會影響預測結果，特別是1990年2月，在蘇聯政治動蕩和中亞其他國家時有動亂發(fā)生的時候，有傳言說莫斯科計劃搬遷數十萬亞美尼亞難民進入塔吉克斯坦，加之塔吉克斯坦對自身住房短缺擔憂的推動下，杜尚別發(fā)生嚴重騷亂。蘇聯政變后，作為蘇聯加盟共和國之一，在1991年9月9日宣布獨立，當年12月25日蘇聯正式解體，但是塔吉克斯坦的戰(zhàn)火卻因內戰(zhàn)和經濟動蕩沒有停止，1992—1997年間杜尚別在內戰(zhàn)中遭受不同程度的破壞，內戰(zhàn)停止后塔吉克斯坦經濟才開始復蘇，這影響到1989—2001年和2001—2011年土地利用變化特征有所不同。所以結合上述原因，1989—2001年的轉移面積及概率中，城鎮(zhèn)及建筑用地增長緩慢，植被和城鎮(zhèn)及建筑用地轉入未利用地概率值高；2001—2011年塔吉克斯坦局勢逐漸穩(wěn)定，經濟開始復蘇，城鎮(zhèn)及建筑用地面積增長趨勢劇烈，因而顯示出了2020A和2020B中城鎮(zhèn)及建筑用地、未利用地預測面積差異大。在城市中的河流和人工水體，其河道與壩體基本已經全部硬化，發(fā)生河流和人工水體轉移為未利用地或其他地類的可能極為微小，而河流和人工水體的信息提取，由于受遙感影像像元大小和分類精度，以及人工水體邊緣及部分河流深度和位置的像元特征較為相似的影響，在分類時會出現少許誤判和劃分差異，由此影響到轉換面積、概率及預測精度，使得在預測中存在差異。同時考慮到CA模型中鄰域、元胞大小、計算時間、轉換規(guī)則等許多因素，使預測存在不確定性，這都增加了預測的難度，影響預測可信度。

4 結論

（1）通過以杜尚別1989年、2001年、2011年遙感影像分類及數據分析為基礎，利用這三期解譯分類數據進行疊加，探討了杜尚別市土地利用在空間結構和時間序列上的變化，建立兩種不同時間的面積轉移矩陣和概率轉移矩陣，運用CA－Markov模型預測2020年兩期土地利用空間格局及面積數量的模擬，分析其一致性與差異性，在兩期的2020年模擬數據中，各自具有明顯特征，城鎮(zhèn)及建設用地在數量上增長明顯，在空間上，尤其是主城區(qū)面積2020B的向西擴張趨勢更為顯著，植被西北部山區(qū)增長明顯，主城區(qū)東北側也有部分植被增加，人工水體與河流變化不顯著。通過這樣的數據模擬更加直觀地揭示了杜尚別未來的土地利用發(fā)展趨勢。

（2）在運用CA－Markov模型的過程中，首先模型本身存在不確定性，使得預測結果只能是反映研究區(qū)時空變化的一種可能性；其次，數據不充分，遙感影像分辨率不高，在一定程度上影響了監(jiān)督分類的結果，使得土地利用變化研究的準確性受到干擾；由于缺少與三期遙感影像時間相吻合的土地利用現狀圖作對照，以及同物異譜、異物同譜現象的存在，會發(fā)生地物錯判。在受到數據基礎情況、不同時期轉移的差異、模型不確定性等其他多方面因素的影響下，預測結果存在一定程度的誤差和不確定性，得到的2020年土地利用變化情況，只能反映未來土地變化的大致趨勢，為了更好地了解土地利用動態(tài)的變化趨勢和預測準確性，還需要做進一步的研究和考證。

［1］ 王范霞，毋兆鵬.近40a來精河流域綠洲土地利用／土地覆被時空動態(tài)演變［J］.干旱區(qū)資源與環(huán)境，2013，27（2）：150－156.

［2］ 韓其飛，羅格平，白潔，等.基于多期數據集的中亞五國土地利用／覆蓋變化分析［J］.干旱區(qū)地理，2012，35（6）：909－918.

［3］ 呂建樹，吳泉源，張祖陸，等.基于RS和GIS的濟寧市土地利用變化及生態(tài)安全研究［J］.地理科學，2012，32（8）：928－935.

［4］ 李志，劉文兆，鄭粉莉.基于CA－Markov模型的黃土塬區(qū)黑河流域土地利用變化［J］.農業(yè)工程學報，2010，26（1）：346－352.

［5］ 郭杰，歐名豪，劉瓊，等.基于BP神經網絡的南通市建設用地需求預測［J］.資源科學，2009，31（8）：1355－1361.

［6］ 吳季秋，俞花美，肖明，等.基于CA－Markov模型的海灣土地利用動態(tài)預測［J］.環(huán)境工程技術學報，2012，2（6）：531－539.

［7］ 王學，張祖陸，張超.基于CA－Markov模型的白馬河流域景觀格局分析及預測［J］.水電能源科學，2011，28（12）：111－115.

［8］ 楊國清，劉耀林，吳志峰.基于CA－Markov模型的土地利用格局變化研究［J］.武漢大學學報：信息科學版，2007，32（5）：414－418.

［9］ МуbаммадиеваБ.З.塔吉克斯坦2013年1月1日的人口［M］.塔吉克斯坦共和國統(tǒng)計匯編，2013：6－8.（俄文）

［10］ From Wikipedia，the free encyclopedia.Dushanbe［EB／OL］.［2013－01－10］.http：∥baike.baidu.com／view／298929.htm

［11］ 徐涵秋.Landsat遙感影像正規(guī)化處理的模型比較研究［J］.地球信息科學，2008，10（3）：294－301.

［12］ 農業(yè)塔吉克斯坦國家統(tǒng)計委員會.統(tǒng)計年鑒（俄文）［M］.杜尚別，2007.

［13］ 湯潔，汪雪格，李昭陽，等.基于CA－Markov模型的吉林省西部土地利用景觀格局變化趨勢預測［J］.吉林大學學報：地球科學版，2010，40（2）：405－410.

［14］ 邱炳文，陳崇成，基于多目標決策和CA模型的土地利用變化預測模型及其應用［J］.地理學報，2008，63（2）：165－174.

［15］ 徐麗，卞曉慶，劉琳，等.馬爾科夫模型在合肥市景觀格局動態(tài)模擬及預測中的應用［J］.安徽農業(yè)大學學報，2010，37（3）：570－574.

［16］ 鄭青華，羅格平，朱磊，等.基于CA－Markov模型的伊犁河三角洲景觀格局預測［J］.應用生態(tài)學報，2011，24（4）：873－882.

［17］ Md.Rejaur Rahman，Saha S K.Spatial Dynamics of Cropland and Cropping Pattern Change Analysis Using Landsat TM and IRS P6LISS III Satellite Images with GIS［J］.Geo－Spatial Information Science，2009，12（2）：123－134.

［18］ 凌成星，鞠洪波，張懷清，等.基于CA－MARKOV模型的北京濕地資源變化預測研究［J］.中國農學通報，2012，28（28）：262－269.

［19］ 吳艷艷.Markov－CA模型支持下的武漢市土地利用變化模擬與預測［D］.武漢：武漢理工大學，2009.