章欣欣，朱順痣，朱曉鈴

（廈門理工學(xué)院計算機與信息工程學(xué)院，福建廈門361024）

基于Dyna-CLUE的廈門市土地利用變化模擬

章欣欣，朱順痣，朱曉鈴

（廈門理工學(xué)院計算機與信息工程學(xué)院，福建廈門361024）

選取廈門市2001、2007年的遙感影像數(shù)據(jù)，監(jiān)督分類提取土地利用現(xiàn)狀圖.利用城市興趣點 （point of interest，POI）數(shù)據(jù)，提取了8種景觀可達性因子以及數(shù)字高程模型 （digital elevation model，DEM）數(shù)據(jù)作為廈門市土地利用變化的驅(qū)動力因子；在此基礎(chǔ)上并利用Getis空間自相關(guān)濾波模型改進傳統(tǒng)邏輯回歸模型，構(gòu)建土地利用變化驅(qū)動力模型，表明模型整體精度達74.3%，受試者工作特征 （receiver operating characteristic，ROC）曲線下面積為0.884，以定量分析不同驅(qū)動力因子對廈門市土地利用空間變化的影響機制.利用Dyna-CLUE模型對廈門市2020年的土地利用變化的預(yù)測結(jié)果表明：廈門市未來新增建設(shè)用地主要集中于島外輔城，整體土地供需矛盾突出，耕地保護壓力日益增大，土地問題將是制約廈門未來城市社會經(jīng)濟發(fā)展的主要瓶頸.

土地利用；廈門市；時空變化；Getis空間自相關(guān)；興趣點；Dyna-CLUE

土地利用變化模型作為分析土地利用的驅(qū)動力、變化過程及格局、支持土地利用規(guī)劃和政策的有力工具，被普遍認為是一種有效的研究手段［1］.近年來，土地利用變化模型的研究進展迅速，成果較多集中在土地利用覆蓋/變化 （land use cover/change，LUCC）領(lǐng)域.LUCC研究的核心內(nèi)容是土地利用時空動態(tài)變化的模擬，及對其變化的內(nèi)在驅(qū)動力機制進行分析和解釋.對驅(qū)動力機制的解釋，要求能同時考慮自然條件、人類活動、政治調(diào)控等因素對土地系統(tǒng)變化的綜合作用與影響，并克服時空多尺度及其轉(zhuǎn)換等一系列問題［2］.在模型方面，隨著計算機仿真、遙感、地理信息系統(tǒng) （geographic information system，GIS）等新技術(shù)的出現(xiàn)，LUCC的時空動態(tài)模型也由早期的描述性模型向機理性模型不斷發(fā)展，提出了諸如數(shù)學(xué)統(tǒng)計［3］、系統(tǒng)動力學(xué)［4］、元胞自動機［4-6］、智能體［7］以及多智能體［8］等一系列模型.目前，LUCC研究雖取得一定的成果，形成一套相對完整的體系，但該體系在多源數(shù)據(jù)融合、模型功能集成、理論體系建設(shè)等方面還存在諸多不足.總之，要實現(xiàn)對土地利用未來變化發(fā)展趨勢的預(yù)測和調(diào)控，還需要開展更多的案例研究進行分析和驗證［9］.

廈門市作為國內(nèi)最早的經(jīng)濟特區(qū)之一，是東南沿海耕地-城市轉(zhuǎn)換區(qū)的代表城市，其城市土地利用在過去20年內(nèi)發(fā)生了巨大的變化.近年來一些學(xué)者對廈門市的土地利用變化情況展開研究［10-11］，但這些研究大多采用統(tǒng)計指數(shù)模型進行靜態(tài)模擬，缺少對區(qū)域土地利用系統(tǒng)時空特征變化的整體性認識.本研究通過獲取廈門市2001、2007年遙感影像數(shù)據(jù)，采用遙感分類技術(shù)獲得了廈門市土地利用現(xiàn)狀圖.并基于城市POI信息，結(jié)合GIS距離分析技術(shù)提取了包括政治、經(jīng)濟、教育、公共服務(wù)等8類數(shù)據(jù)，以及DEM作為土地利用變化驅(qū)動力因子.在此基礎(chǔ)上，利用Getis的空間自相關(guān)方法改進Dyna-CLUE模型中的傳統(tǒng)邏輯回歸方法，構(gòu)建土地利用變化驅(qū)動力模型，預(yù)測廈門市2020年的土地利用變化情況，重點分析新增建設(shè)用地的空間變化特征，為廈門市土地利用規(guī)劃提供依據(jù).

1 研究方法

1.1 邏輯回歸模型

邏輯回歸模型的自變量可以是數(shù)值或者分類數(shù)目，使其被廣泛應(yīng)用于解釋土地利用變化和驅(qū)動力因子之間的關(guān)系［12］.模型根據(jù)因變量 （土地）類別的多少可以分為2種：二元邏輯回歸模型和多元邏輯回歸模型，其中，二元邏輯回歸模型的計算公式為

式 （1）中：z表示與某土地利用類別相關(guān)的驅(qū)動力因子所產(chǎn)生的貢獻綜合評價指數(shù)；β0為常數(shù)項；β1，β2，β3，…，βk為待確定的回歸系數(shù)，通過Newton-Raphson或者最大似然估計等方法進行求解；x1，x2，x3，…，xk表示驅(qū)動力因子的指數(shù)信息；f（z）為邏輯回歸變換函數(shù)，由f（z）函數(shù)轉(zhuǎn)換后的取值范圍為0～1，用于表達土地利用類型轉(zhuǎn)移的概率值.因此，利用邏輯回歸模型的概率值及回歸系數(shù)序列可評價土地利用變化發(fā)生的概率，以及和土地變化發(fā)生相關(guān)的諸多因子之間的驅(qū)動關(guān)系.

邏輯回歸模型同其他多元回歸方法一樣，也對多元共線性敏感，樣本設(shè)置的變化會導(dǎo)致系數(shù)估計結(jié)果有顯著的不同.此外，傳統(tǒng)邏輯回歸的假設(shè)條件不能反映土地利用數(shù)據(jù)的空間自相關(guān)關(guān)系，而地理數(shù)據(jù)的自相關(guān)性影響無法保證模型變量的獨立性，直接使用會導(dǎo)致模型的精度評價降低［13］.

1.2 Dyna-CLUE模型

Dyna-CLUE模型是基于CLUE-s的改進模型，更適合于區(qū)域尺度下的土地利用變化覆蓋研究［14］.該模型兼顧土地利用系統(tǒng)中的社會經(jīng)濟和生物物理等驅(qū)動因素，在反映土地利用變化的過程和結(jié)果上具有很高的可信度，已被學(xué)者廣泛采用［15］.Dyna-CLUE模型包括從上至下的全局需求分配模塊以及從下至上的局部變化轉(zhuǎn)移模塊兩部分.其中，土地利用分配模塊同CLUS-s的非空間模塊原理一致，該模塊主要負責(zé)定量分析土地利用變化的一系列驅(qū)動力因素，確定土地利用需求［16］；CLUE-s的空間模塊則基于個體像元的空間位置依照土地利用的變化趨勢進行空間分配.此外，空間模塊還允許對不同地區(qū)的差異情況進行控制，設(shè)定方式有土地利用變化轉(zhuǎn)移矩陣 （是否轉(zhuǎn)化）和變化難易程度 （區(qū)間取值為0～1）兩種方式.分配流程以需求場景為參照，利用迭代系數(shù)進行迭代控制，使實際變化同需求擬合.迭代系數(shù)在一定程度上可反映不同土地利用類型之間彼此的競爭強度，局部變化轉(zhuǎn)移模塊則用于處理部分不受土地利用需求影響的特殊情況.相比CLUE-s模型，Dyna-CLUE模型加入了對局部適應(yīng)性和鄰域適應(yīng)度的分析，能更真實反映城市土地利用變化復(fù)雜的空間特征.Dyna-CLUE的公式為

式中：Ptoti，u，lu為土地柵格單元i在時間t時土地利用類型lu的總概率；Ploci，t，lu為該土地單元自身的適應(yīng)度，可通過邏輯回歸模型 （公式 （1））得到；Pnbhi為該土地單元的鄰域適應(yīng)度，可通過經(jīng)驗統(tǒng)計模型或者專家知識得到，鄰域之間的關(guān)系類似于元胞自動機模型對于元胞領(lǐng)域規(guī)則的設(shè)置方法；Elaslu為土地利用變化轉(zhuǎn)換規(guī)則參數(shù)，包括變化轉(zhuǎn)移矩陣以及難度系數(shù)，難度系數(shù)值越大則表示轉(zhuǎn)換難度越高；Compt，lu為競爭優(yōu)勢系數(shù)，在實際建模中通過迭代計算得到.

表1 廈門市土地利用變化轉(zhuǎn)移矩陣TabIe 1 Conversion matrix of LUCC in Xiamen

土地利用變化轉(zhuǎn)移矩陣參數(shù)的設(shè)置基于專家知識，通過矩陣可確定不同類型之間是否轉(zhuǎn)換以及轉(zhuǎn)換的難度系數(shù).根據(jù)往年土地利用變化統(tǒng)計分析，依據(jù)張永民等的研究方法［17］，確定廈門市土地利用變化的轉(zhuǎn)移矩陣和難度系數(shù) （見表1）.其中建設(shè)用地的用地級別最高，不易轉(zhuǎn)變?yōu)槠渌愋?，因此難度系數(shù)最大 （0.8）；建設(shè)用地總體是呈逐年增長的趨勢，其增長的主要來源為非建設(shè)用地中的耕地部分，因此設(shè)定非建設(shè)用地自身的難度系數(shù)（0.4）小于建設(shè)用地系數(shù)，且兩種土地利用類型的相互轉(zhuǎn)換系數(shù)相比，非建設(shè)用地更易轉(zhuǎn)換為建設(shè)用地 （0.6＞0.2）；水體類別總體保持穩(wěn)定，但受廈門市機場建設(shè)的填海造地活動影響，出現(xiàn)少量轉(zhuǎn)換現(xiàn)象，因此其難度系數(shù)分別設(shè)置為0.2、0.1、0.7；

1.3 Geti局部空間自相關(guān)模型

鄰域適應(yīng)度函數(shù)Pnbhi，t，lu的選取，要求能表達周邊其他土地利用類型像元對其變化的影響關(guān)系，即土地利用變化的空間自相關(guān)性.選擇Getis濾波模型［18］用于計算空間自相關(guān)性，其公式為：

其中i不等于j，即不考慮樣本點本身.結(jié)合式 （3）、式 （4）可知，如果在選定的距離d不存在空間自相關(guān)，則濾波值等于觀測值，如果觀測變量鄰域被高值所包圍，則觀測值同過濾值的差為正，反之，則為負值.二者的差值用于描述變量的空間自相關(guān)性.

影響自相關(guān)模型的第二個特征是鄰域距離的確定.對于距離的判定方法有2種：一種是通過自相關(guān)統(tǒng)計值進行判斷，空間自相關(guān)值隨距離先增后減，距離可以選擇在這個變化的拐點；另外一種方法則是變異函數(shù) （半方差），也稱為B-B點統(tǒng)計［19］，其公式為：

式中：γ（h）為半方差值；h為點對的距離；N（h）為距離h含有的點對數(shù)目.最后，利用Sigmoid函數(shù)把濾波值同真實值的差值轉(zhuǎn)換至［0，1］概率區(qū)間.

土地利用變化驅(qū)動力的原型系統(tǒng)實現(xiàn)基于ArcGIS二次開發(fā)，遙感圖像分類則采用ENVI軟件.

2 實驗

2.1 實驗區(qū)概況

為確定廈門市歷年土地利用變化大致趨勢，預(yù)先收集2001—2013年廈門市統(tǒng)計年鑒中廈門市的土地利用變化情況，按照農(nóng)業(yè)用地、建設(shè)用地、未利用用地3大類進行劃分 （見圖1）.從圖1中建設(shè)用地面積的變化情況可知，廈門市土地利用變化2001—2013發(fā)展大致可分為3個不同階段，即：2001—2005、2006—2010和2011—2013年.其中：2001—2005年建設(shè)用地呈緩慢增長，主要變化體現(xiàn)在未利用土地向農(nóng)業(yè)用地的轉(zhuǎn)換；2005—2010建設(shè)用地增長速率加快，是廈門市城市建設(shè)的高速發(fā)展時期；2010年后，建設(shè)用地增長速度有所放緩，這一時期廈門市土地資源儲備不足，是城市發(fā)展放緩的主要因素.根據(jù)以上分析，選取2001、2007年兩年土地利用變化現(xiàn)狀圖作為土地利用變化模型數(shù)據(jù)的輸入數(shù)據(jù).

圖1 廈門市2001—2013年土地利用變化Fig.1 Change of Iand use in Xiamen between 2001 and 2013

2.2 數(shù)據(jù)來源及其處理

為驗證Dyna-CLUE模型對土地利用時空動態(tài)變化模擬的實際效果，選取了廈門市作為研究區(qū).廈門市土地利用現(xiàn)狀圖基于遙感圖像分類得到，數(shù)據(jù)源方面選取了廈門市2001年、2007年的Landsat TM遙感影像 （圖號119-43），以及2007年廈門市的ALOS高分遙感影像配合Landsat TM影像作為比較.數(shù)據(jù)處理流程包括：影像經(jīng)過輻射校正后采用高斯克呂格坐標系進行坐標投影，并同1∶10 000地形圖進行幾何校正以及空間配準，校正誤差小于0.5個像元，最后利用廈門市行政圖層進行影像切邊.預(yù)處理完畢后數(shù)據(jù)導(dǎo)入ENVI軟件，利用人工判斷提取ROI并采用SVM模型進行遙感圖像分類.土地利用分類體系參考 《全國土地分類 （試行）》 （國土資發(fā) ［2001］255號）以及全國土地資源分類系統(tǒng)，利用采樣二級分類系統(tǒng)，第一級分為3大類，第二級分為6小類，包括：非建設(shè)用地 （包括耕地、林地）、建設(shè)用地 （城市建設(shè)用地、未利用用地）、水體 （水域水體、灘涂養(yǎng)殖）.其中3大類利用圖根據(jù)6小類利用圖重采樣獲得，分類結(jié)果如圖2所示.

圖2 廈門市2001年和2007年土地利用變化現(xiàn)狀圖Fig.2 Change of Iand use in Xiamen in 2001 and 2007

分類結(jié)果的精度評價主要是結(jié)合野外實地調(diào)查和目視解譯方法進行，2001年和2007年的總體精度和Kappa系數(shù)分別為78.25%，0.753 1和87.62%，0.852 5，表明分類結(jié)果符合最低判別要求，詳細處理過程可參考文獻 ［20］.

為構(gòu)建土地利用變化驅(qū)動力模型，還需獲得一系列的驅(qū)動力因子.依據(jù)文獻 ［21-22］中對土地利用變化轉(zhuǎn)換規(guī)則的研究，分別收集了GDEM 30 m DEM數(shù)據(jù)，以及城市POI矢量數(shù)據(jù)，專題信息包括道路交通、醫(yī)療設(shè)施、政府機關(guān)、生活服務(wù)、教育文化、商業(yè)購物、餐飲等要素集，從中選取了8種因子，并通過ArcGIS空間分析模塊的距離分析生成距離柵格圖層.

3 實驗結(jié)果

3.1 空間自相關(guān)分析

實驗對每一類土地利用類型，根據(jù)選取的驅(qū)動力因素，利用邏輯回歸進行統(tǒng)計分析，并對所得結(jié)果通過分類表進行檢驗.為消除樣本點空間自相關(guān)性的影響，在采樣過程中采用移動窗口方式采樣，采樣距離根據(jù)B-B點統(tǒng)計確定，如圖3所示，在15個單位像元距離時，3種土地類別的B-B統(tǒng)計較為接近，因此選取的采樣窗口大小為15×15（450 m）.隨后依據(jù)此窗口對廈門市土地利用變化圖層 （2001，2007年）和因子進行疊加采樣，共獲得3種土地變化樣本點共9 382個.

圖3 2001年廈門市土地利用類型B-B統(tǒng)計Fig.3 B-B statistic of LUCC of Xiamen in 2001

3.2 驅(qū)動力建模結(jié)果

采樣完成后，根據(jù)樣本點起始狀態(tài)的土地利用類型分別構(gòu)建邏輯回歸方程，結(jié)果見表2.其中，Beta系數(shù)為各個因子對于土地利用變化的影響系數(shù).由模型參數(shù)值可知，非建設(shè)用地向建設(shè)用地轉(zhuǎn)換過程中，道路、生活服務(wù)、購物和教育中心的距離起到主導(dǎo)因素，其中道路的影響系數(shù)最高，具體表現(xiàn)為離因子距離越近，土地利用類型更易于轉(zhuǎn)化為建設(shè)用地.而建設(shè)用地向非建設(shè)用地的轉(zhuǎn)換過程，更傾向遠離金融、教育、生活服務(wù)這3種對土地變化成本有明顯抬升的驅(qū)動力因子.3種土地利用類型樣本的模擬精度在分類閾值為0.5時分別為87.99%，77.00%，87.41%.

表2 不同土地利用類型的邏輯回歸模型系數(shù)TabIe 2 Beta vaIues for Iogistic regression for different Iand uses of Xiamen

3.3 模型精度評估

邏輯回歸模型對樣本的選取非常敏感，城市一定時期內(nèi)土地利用實際變化相對未變化的比例一般較低，選擇不同的閾值會得到不同的結(jié)果，不便于模型之間進行一致性的比較.因此，對于建設(shè)用地、非建設(shè)用地精度的評估可以采用ROC曲線，根據(jù)ROC曲線下面積 （area under curve，AUC）來進行精度評價，其取值大小為 ［0，1］，值越大表示模型判斷力越強.圖4為模型的ROC曲線，AUC面積為0.884，表明該模型基本可滿足土地利用變化模擬的要求.

根據(jù)ROC曲線可以選取適當(dāng)?shù)姆指铋撝狄垣@得最優(yōu)化結(jié)果，取閾值為0.27，可得到非建設(shè)用地的預(yù)測精度為71.0%，建設(shè)用地預(yù)測精度為86.9%，整體精度為74.3%.如模擬主要研究建設(shè)用地的轉(zhuǎn)變情況，則可以適當(dāng)降低閾值，從而提高建設(shè)用地的預(yù)測正確率 （靈敏度），但同時也會降低非建設(shè)用地的預(yù)測精度 （特異度）.

圖4 建設(shè)用地和非建設(shè)用地的ROC曲線Fig.4 ROC for buiIding and no-buiIding Iand

進一步參考廈門市國土資源與房產(chǎn)管理局發(fā)布的 《廈門市2006—2020年土地利用總體規(guī)劃》，確定廈門市2020年全市建設(shè)用地總規(guī)模494.27 km2，利用Dyna-CLUE模型預(yù)測廈門市2020年的新增建設(shè)用地的空間分布情況，結(jié)果見圖5.

圖5 2020年廈門市土地利用變化預(yù)測Fig.5 Prediction resuIts of LUCC of Xiamen in 2020

4 討論

邏輯回歸模型的優(yōu)勢在于可定量化地解釋不同驅(qū)動力因子對土地利用變化的影響，根據(jù)表2結(jié)果可知，在8種城市可達性因子中，建設(shè)用地類型的轉(zhuǎn)化受道路距離的影響最為顯著，其值分別為-0.000 599和-0.003 146，負號表示距離道路越近，土地利用類型越易于轉(zhuǎn)化為建設(shè)用地.除道路因素外，生活服務(wù)、購物和教育3種可達性因子對于建設(shè)用地的轉(zhuǎn)化也有很強的負相關(guān)性，分別為-0.000 321、-0.000 285和-0.000 216，表明廈門市2001—2007年新增城市建設(shè)用地同人口活動的便利性緊密相關(guān)，也反映出廈門市城市規(guī)劃注重功能區(qū)配套的空間分布特征.此外，非建設(shè)用地的轉(zhuǎn)化則偏向遠離金融、教育、生活服務(wù)中心等區(qū)域，主要原因可由土地轉(zhuǎn)化的價格成本進行解釋，但非建設(shè)用地也注重交通的便利性，因此與道路距離因子為負相關(guān).

根據(jù)圖5中2020年廈門市土地利用變化對比圖可知，廈門市2020年新增建設(shè)用地的空間時序演化明顯，城市發(fā)展由島內(nèi)向島外延伸.新增用地空間分布更多集中在海滄、集美、同安、翔安四輔城，主要沿翔安大道、泉廈高速、沈海高速等道路沿線向外延伸.其中：同安、翔安區(qū)的建設(shè)用地轉(zhuǎn)化相對比例較高；集美區(qū)作為文教旅游區(qū)，其建設(shè)用地新增區(qū)域更多集中在教育 （集美新城）、旅游（杏林灣、廈門北站）周邊；海滄區(qū)的新增用地分布則更多表現(xiàn)出以政府機構(gòu)、港口碼頭為中心對外擴展.而廈門島內(nèi)則受制于土地資源匱乏和空間管制等因素，變化除少量集中在環(huán)島周邊的灘涂轉(zhuǎn)化，更多體現(xiàn)在現(xiàn)有建設(shè)用地的結(jié)構(gòu)優(yōu)化.整體而言，廈門市土地供需矛盾突出，耕地保護壓力日益增大，土地儲備問題已成為制約廈門城市社會經(jīng)濟發(fā)展的瓶頸.

5 結(jié)論

基于Dync-CLUE模型對廈門市2001—2007年土地利用變化進行模擬.在數(shù)據(jù)獲取方面，利用城市POI數(shù)據(jù)以及DEM生成9種不同類型的土地利用變化驅(qū)動力因子；在驅(qū)動力建模方面，則利用邏輯回歸模型用于定量解釋不同因子對土地利用轉(zhuǎn)化的影響機制，并且結(jié)合Getis空間自相關(guān)濾波模型和B-B點統(tǒng)計方法消除土地利用空間自相關(guān)性對邏輯回歸模型的共線性影響，模型整體精度達到74.3%，ROC曲線下面積為0.884，表明模型能較準確地模擬區(qū)域土地利用時空變化過程.最后，利用模型進行土地利用變化建模和預(yù)測，通過分析廈門市2020年新增建設(shè)用地的空間分布特征，可為廈門市城市規(guī)劃提供依據(jù)，具有一定的參考價值.

［1］邵景安，李陽兵，魏朝富，等.區(qū)域土地利用變化驅(qū)動力研究前景展望 ［J］.地球科學(xué)進展，2007，22（8）：798-809.

［2］LAMBIN E F，NUNES C，AUG J，et al.Land-use and land-cover change（LUCC）：implementation strategy［M］. Sweden：The Royal Swedish Academy of Sciences，1999.

［3］BRUNSDON C，F(xiàn)OTHERINGHAM S，CHARLTON M.Geographically weighted regression［J］.Journal of the Royal Statistical Society：Series D（The Statistician），2002，47（3）：431-443.

［4］何春陽，史培軍，陳晉，等.基于系統(tǒng)動力學(xué)模型和元胞自動機模型的土地利用情景模型研究 ［J］.中國科學(xué)：D輯，2005，35（5）：464-473.

［5］WHITE R，ENGELEN G，ULJEE I.The use of constrained cellular automata for high-resolution modelling of urban landuse dynamics［J］.Environment and Planning B，1997，24：323-344.

［6］GUAN D，LI H，INOHAE T，et al.Modeling urban land use change by the integration of cellular automaton and Markov model［J］.Ecological Modelling，2011，222（20）：3 761-3 772.

［7］古琳，程承旗.基于GIS-Agent模型的武漢市土地利用變化模擬研究 ［J］.城市發(fā)展研究，2007（6）：47-51.

［8］陳海，梁小英，高海東，等.Multi-Agent System模型在土地利用/覆蓋變化中的研究進展 ［J］.自然資源學(xué)報，2008，23（2）：345-352.

［9］LAMBIN E F，TURNER B L，GEIST H J，et al.The causes of land-use and land-cover change：moving beyond the myths［J］.Global Environmental Change-Human and Policy Dimensions，2001，11（4）：261-269.

［10］施益強，吳志強.近20年廈門市土地利用動態(tài)變化及預(yù)測 ［J］.水土保持通報，2014，34（5）：176-180；186.

［11］黃云鳳，崔勝輝，石龍宇.半城市化地區(qū)土地利用變化及驅(qū)動力分析：以廈門市集美區(qū)為例 ［J］.環(huán)境科學(xué)與技術(shù)，2012，35（6）：199-205.

［12］LIN Y P，CHU H J，WU C F，et al.Predictive ability of logistic regression，auto-logistic regression and neural network models in empirical land-use change modeling：a case study［J］.International Journal of Geographical Information Science，2011，25（1）：65-87.

［13］聶婷，肖榮波，王國恩，等.基于 Logistic回歸的 CA模型改進方法：以廣州市為例 ［J］.地理研究，2010，29（10）：1 909-1 919.

［14］VERBURG P H，OVERMARS K P.Combining top-down and bottom-up dynamics in land use modeling：exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model［J］.Landscape Ecology，2009，24（9）：1 167-1 181.

［15］吳桂平，曾永年，馮學(xué)智，等.CLUE-S模型的改進與土地利用變化動態(tài)模擬：以張家界市永定區(qū)為例 ［J］.地理研究，2010，29（3）：460-470.

［16］VERBURG P H，SOEPBOER W，VELDKAMP A，et al.Modeling the spatial dynamics of regional land use：the CLUE-S model［J］.Environmental Management，2002，30（3）：391-405.

［17］張永民，趙士洞.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(yīng)用 ［J］.自然資源學(xué)報，2003，18（3）：310-318.

［18］GETIS A，ORD J K.The analysis of spatial association by use of distance statistics［J］.Geographical Analysis，1992，24（3）：189-206.

［19］劉慶，夏江寶，謝文軍.半方差函數(shù)與Moran’s I在土壤微量元素空間分布研究中的應(yīng)用：以壽光市為例 ［J］.武漢大學(xué)學(xué)報：信息科學(xué)版，2011，36（9）：1 129-1 133.

［20］朱曉鈴.廈門市土地利用/覆被遙感動態(tài)監(jiān)測 ［J］.廈門理工學(xué)院學(xué)報，2012，20（1）：66-70.

［21］劉小平，黎夏，彭曉鵑. “生態(tài)位”元胞自動機在土地可持續(xù)規(guī)劃模型中的應(yīng)用 ［J］.生態(tài)學(xué)報，2007，27（6）：2 391-2 402.

［22］黎夏，葉嘉安.基于神經(jīng)網(wǎng)絡(luò)的元胞自動機及模擬復(fù)雜土地利用系統(tǒng) ［J］.地理研究，2005，24（1）：19-27.

The Change of Land Use in Xiamen Based on Dyna-CLUE

ZHANG Xin-xin，ZHU Shun-zhi，ZHU Xiao-ling
（School of Computer&Information Engineering，Xiamen University of Technology，Xiamen 361024，China）

This paper made a study of change in land use in Xiamen.Two maps of land use in Xiamen in 2001 and 2007 were acquired by satellites images classification.Driving factors for change in land use in Xiamen，derived from eight accessibility factors using POI（points of interest）and DMA data，were also selected by using distance analysis of GIS.The Getis filtering model was then adopted to analyze the spatial autocorrelation of land use change as well as to improve the capability of the traditional multivariate logistic regression.The overall accuracy rate is up to 74.3% and the ROC is 0.884，indicating that quantitative analysis is applicable to study the impacts of different driving factors on the spatial-temporal change in land use in Xiamen.Finally，the Dyna-CLUE model is applied to predict the future land use in Xiamen in 2020.The simulation results reveal that the increasing areas of construction are mainly located outside Xiamen Island. The gap between overall land supply and demand is strikingly wide，giving rise to increasingly severe pressure on farmland protection.Land use will become the main bottlenecks for economic and social development in Xiamen.

change in land use；Xiamen；spatial and temporal change；Getis spatial autocorrelation；POI；Dyna-CLUE model

TP79

A

1673-4432（2015）03-0068-07

（責(zé)任編輯 雨 松）

2015-01-28

2015-03-20

國家自然科學(xué)基金項目 （41401475，61373147）；廈門理工學(xué)院高層次人才項目 （YKJ13022R）

章欣欣 （1983-），男，講師，博士，研究方向為GIS應(yīng)用及遙感時空融合.E-mail：zhangxinxin@ xmut.edu.cn