盛 艷, 秦富倉, 王桂華, 包斯琴

(內蒙古農業(yè)大學 沙漠治理學院, 內蒙古 呼和浩特 010019)

內蒙古赤峰市松山區(qū)耕地演變模擬

盛 艷, 秦富倉, 王桂華, 包斯琴

(內蒙古農業(yè)大學 沙漠治理學院, 內蒙古 呼和浩特 010019)

[目的] 揭示赤峰松山區(qū)耕地演變規(guī)律，為該區(qū)土地利用合理規(guī)劃管理、生態(tài)恢復和經(jīng)濟發(fā)展政策的制定提供科學依據(jù)。[方法] 基于1990，2000，2010年TM遙感影像解譯數(shù)據(jù)，分析研究區(qū)耕地動態(tài)變化特征，采用GIS中多標準評價(MCE)方法，結合元胞自動機—馬爾可夫(CA-Markov)模型，對2020年耕地空間格局變化進行模擬。[結果] 耕地的演變空間差異性顯著： (1) 城郊區(qū)由于城鎮(zhèn)化速度的加快，大量耕地轉化為建設用地。(2) 松山區(qū)西部石質山區(qū)，該地區(qū)海拔較高，坡耕地較多，水土流失嚴重，土壤貧瘠，導致撂荒棄耕嚴重，同時由于退耕還林政策的實施，耕地在不斷減少。(3) 松山區(qū)東部黃土丘陵臺地區(qū)，海拔相對較低，地勢平坦，適宜于耕地開發(fā)，增加的耕地主要源于未利用地和草地。(4) 2020年研究區(qū)土地利用格局模擬圖顯示耕地的破碎化程度將有所緩減，開始向規(guī)?；l(fā)展，同時松山區(qū)耕地空間格局穩(wěn)定性逐漸增強。[結論] 該模型模擬結果的精度較高，依據(jù)耕地演變趨勢，科學合理的利用耕地，制定相應的政策，同時研究結果可為土地資源優(yōu)化配置奠定基礎。

耕地演變; CA-Markov模型; 模擬預測; 赤峰市松山區(qū)

文獻參數(shù)： 盛艷, 秦富倉, 王桂華, 等.內蒙古赤峰市松山區(qū)耕地演變模擬[J].水土保持通報，2017,37(1)：206-211.DOI:10.13961/j.cnki.stbctb.2017.01.037； Sheng Yan, Qin Fucang, Wang Guihua, et al. Simulation of cultivated land evolution in Songshan District of Chifeng City, Inner Mongolia[J]. Bulletin of Soil and Water Conservation, 2017,37(1)：206-211.DOI:10.13961/j.cnki.stbctb.2017.01.037

土地利用演變過程是自然因素和人為因素共同作用的結果，土地利用演變是在特定的區(qū)域條件下，受氣候條件、地形、地貌和水文等自然因子及社會經(jīng)濟發(fā)展的影響，使得土地利用不同類型之間相互轉化。耕地是土地利用的一種重要形式，耕地演變是耕地轉化為其它類型用地和其他類型用地轉化為耕地的過程，所以對耕地演變模擬是以整個研究區(qū)的土地作為一個系統(tǒng)進行模擬研究，主要從時間序列的預測和空間格局的演變進行模擬研究。主要運用CA-Markov模型，元胞自動機(簡稱CA)和Markov均屬于動力學模型，具有狀態(tài)離散和時間離散的特征[1-4]。Markov模型是利用研究對象在不同狀態(tài)的轉化概率矩陣來預測未來的發(fā)生狀態(tài)和變化趨勢，是具有時間無后效性的隨機轉化過程。土地利用格局的演變雖然受到眾多因素的驅動，但其演變過程具有隨機性，所以運用Markov模型預測未來土地利用變化趨勢具有可行性[5-6]。Markov模型預測變化趨勢只能反映時間序列上數(shù)量變化，無法表達土地利用空間格局的演變。CA模型具有強大的空間分析和動態(tài)模擬功能，因此將CA 模型模擬系統(tǒng)空間的復雜變化功能和Markov 模型的數(shù)量變化趨勢預測相結合，可以有效模擬松山區(qū)土地利用空間格局的演變[7-8]。本文擬利用IDRISI 軟件下CA-Markov模型對松山區(qū)耕地演變進行模擬，以期有效的對土地利用進行優(yōu)化調控，為制定土地利用與生態(tài)環(huán)境建設規(guī)劃及耕地高效利用和保護提供重要依據(jù)。

1 研究區(qū)概況

赤峰市松山區(qū)位于內蒙古自治區(qū)東部，赤峰市中南部，地理坐標北緯42°01′—42°43′，東經(jīng)117°47′—119°39′。北與翁牛特旗接壤，南與喀沁旗毗鄰，東隔老哈河與敖漢旗及遼寧省建平縣相望，西與河北省圍場縣山水相連。松山區(qū)屬北溫帶大陸性季風氣候，年平均氣溫為5.6 ℃，年平均≥10 ℃積溫3 131 ℃，年平均無霜期155 d，年平均降水量377.60 mm；年平均蒸發(fā)量1 852 mm；年平均日照時數(shù)2 799 h；全年太陽輻射量達507 kJ/cm2。松山區(qū)總的氣候特點是富日照，降水少，雨熱同步，積溫高，寒暑變化激烈，干濕周期明顯，有利于作物的生長發(fā)育。但是其大陸性氣候顯著，氣象災害發(fā)生頻繁，主要有春季大風干旱，夏季洪澇冰雹，影響了耕地的綜合生產(chǎn)能力。

2 研究方法

2.1 數(shù)據(jù)來源及處理

研究數(shù)據(jù)來源于1990,2000和2010年研究區(qū)的TM遙感影像和等高距為10 m的1∶50 000的地形圖。利用ERDAS 9.2軟件對TM影像進行4，3，2波段的假彩色合成，使影像中的地物特征顯示更加清晰，通過目視解譯對6種典型地類進行訓練樣區(qū)選取，最后運用最大似然法對TM影像進行監(jiān)督分類[9-10]。通過實地抽樣調查對分類結果進行精度驗證，總體精度達到90.58%，Kappa系數(shù)為0.89。運用ArcGIS 9.2軟件對分類結果中的6種土地利用類型進行面積提取[11]。在土地利用分類中參照的是2001年全國土地利用分類體系(征求意見稿)[12-13]，根據(jù)研究區(qū)土地類型特征，將土地利用劃分為耕地、林地、牧草地、建設用地、水域及未利用地共6個地類。

2.2 CA-Markov 模型的構建

2.2.1 元胞、元胞空間和元胞狀態(tài)的定義 由于CA模型中的元胞在結構上與柵格單元非常相似，本文依據(jù)研究區(qū)的范圍和CA-Markov 模型的運行速度將研究區(qū)元胞設置為30 m×30 m。在土地利用格局演變模擬中，元胞狀態(tài)應賦予相應的土地利用類型。本文將元胞狀態(tài)定義為每個柵格的土地利用類型，分別為耕地、林地、草地、建設用地、水域和未利用地6種元胞狀態(tài)。

2.2.2 鄰域的定義 在CA模型中,元胞在下一時刻的狀態(tài)由其本身狀態(tài)和元胞鄰域范圍內的元胞狀態(tài)所決定，所以如何定義元胞的鄰域，對于模擬結果精度的影響較為顯著[14-15]。本文主要運用了5×5的濾波器，即二維元胞自動機的擴展摩爾型的鄰域模型。一個元胞周圍由5×5個元胞所組成的矩形空間可對中心元胞狀態(tài)轉換產(chǎn)生較為顯著的影響。

2.2.3 轉換規(guī)則的定義 轉換規(guī)則是CA模型的核心，轉換規(guī)則制定是否合理，直接影響模擬土地利用格局的演變精確性，所以，轉化規(guī)則的制定是構建CA模型的關鍵。

通過研究區(qū)耕地演變及土地利用類型的相互轉化，使CA-Markov模型能夠更加準確的模擬預測研究區(qū)耕地演變，必須制定可行的土地利用轉換規(guī)則。所以土地利用轉換規(guī)則的制定是CA-Markov模擬預測研究區(qū)耕地的演變關鍵步驟。土地轉換規(guī)則的空間顯示是通過土地轉換適宜性圖來完成的，制定的所有轉換規(guī)則結果用適宜性圖表示，然后在IDRISI軟件的MCE模塊中將其組合為土地轉換適宜性圖集。

(1) 耕地轉換規(guī)則。耕地類型的轉換受到多方面因素的影響，對耕地的轉換制定規(guī)則如下： ① 依據(jù)坡度對耕地的分布影響，將坡度大于15°的區(qū)域劃定為耕地的不適宜發(fā)展區(qū)域，限制該范圍內的其他土地類型轉化為耕地。同時，該區(qū)域范圍內現(xiàn)有耕地也要逐步實施生態(tài)退耕。② 依據(jù)耕地地力評價成果，1,2,3級耕地質量較高，土壤肥力高，豐產(chǎn)潛力大，4,5級地是中低產(chǎn)田，質量較低，將五級耕地劃定為可以轉化為其他類型用地，而其他等級的耕地屬于重點保護耕地，不允許轉化為其他土地利用類型。③ 規(guī)劃的生態(tài)保護區(qū)為不適宜耕地發(fā)展區(qū)域,在此區(qū)域內的土地不允許轉化為耕地，將此區(qū)域的原有耕地逐步轉為生態(tài)用地。④ 距離城市或城鎮(zhèn)一定范圍內的耕地允許轉化為建設用地，距離松山區(qū)建成區(qū)外圍5 km和距離其他13個鄉(xiāng)鎮(zhèn)所在地3 km范圍內的耕地允許轉化為建設用地。

(2) 建設用地的轉換規(guī)則。由于建設用地是受人類活動影響程度最大的用地類型，所以具有不可逆性。對建設用地的轉換制定如下規(guī)則： ① 現(xiàn)狀已經(jīng)建設的用地限制向其他用地類型轉化。② 根據(jù)松山區(qū)經(jīng)濟發(fā)展,距離城市或城鎮(zhèn)一定范圍內的土地允許轉化為建設用地，距離松山區(qū)建成區(qū)外圍5 km和距離其他13個鄉(xiāng)鎮(zhèn)所在地3 km范圍內的土地允許轉化為建設用地。③ 規(guī)劃的生態(tài)保護區(qū)在此區(qū)域內的土地不允許轉化為建設用地，同時此區(qū)域的原有建設用地將逐步轉為生態(tài)用地。④ 限制坡度大于15°以上的區(qū)域向建設用地轉化[16]。

(3) 林地、草地和水域。林地、草地和水域是屬于受保護的生態(tài)用地,所以其轉化規(guī)則較為簡單，其他土地利用類型轉化為林草地時,林草地盡可能集中連片。其中的湖泊、河流和水庫應受到保護，不允許向其他土地利用類型的轉換[17-18]。

(4) 未利用土地。未利用土地適宜向林草地、建設用地和耕地進行轉化。

2.2.4 CA模型循環(huán)次數(shù)的設定 循環(huán)次數(shù)的設定是依據(jù)土地利用格局變化的研究期來設定的，本文的模擬是以1990，2000和2010年的土地利用格局變化為基礎，所以，本文循環(huán)次數(shù)的設定是10，必須是等間距的。如果設定的循環(huán)次數(shù)是10，模型就會按照以1 a為間隔進行模擬運算。本文先以1990，2000年的土地利用變化數(shù)據(jù)為基礎，預測2010年的土地利用格局，用以檢驗模型的預測精度，然后再以2000和2010年土地利用變化數(shù)據(jù)為基礎，模擬2020年土地利用格局。

2.2.5 CA-Markov 模擬精度檢驗 模擬精度的檢驗是非常重要的，它可以驗證CA-Markov模型的模擬準確性。

本文以2000年土地利用現(xiàn)狀為基期，依據(jù)1990—2000年的土地利用轉化概率和上述確定的土地轉變適宜性圖像集，采用CA-Markov模型對2010年土地利用格局進行模擬。研究期為10 a間隔，所以設置循環(huán)次數(shù)為10。然后將模擬結果與2010年土地利用現(xiàn)狀數(shù)據(jù)進行對比分析，以此驗證模型的模擬精度的高低。

從數(shù)量和空間位置對CA-Markov模型的模擬精度進行驗證。

(1) 數(shù)量方面精度驗證。本文采用精度誤差檢驗法對CA-Markov模型的模擬精度進行了檢驗，具體公式如下:

(1)

式中：p——第i類土地利用類型的誤差精度；Sis和Sim——第i類土地利用類型的實際面積和模擬面積(hm2)。當p>0,表示i類土地的模擬面積大于實際面積；p<0,則模擬面積小于實際面積；p的絕對值越小,表示CA-Markov模型模擬精度越高。下同。

(2) 空間方面精度驗證。將模擬的2010年土地利用格局圖的IDRISI軟件的.rst文件轉化為ArcGIS中的柵格文件，然后在ArcGIS 10的工具箱中的空間分析將2010年土地利用格局的模擬圖與現(xiàn)狀圖進行柵格相減運算，以此檢驗空間模擬精度[19-21]。具體公式如下：

(2)

式中：Niy——第i類土地利用類型的模擬與實際一致的柵格個數(shù)(個)；Nib——模擬與實際不一致的柵格個數(shù)(個)。

將模擬結果進行統(tǒng)計匯總，與2010年土地利用現(xiàn)狀數(shù)據(jù)進行對比分析，由表1可知，建設用地模擬值比實際值偏小，誤差較大，達到了5.16%，草地和林地的誤差分別為2.51%和1.93%，耕地的誤差為1.01%，未利用地的誤差較小，為0.78%。從數(shù)量方面來說，模擬與實際值較為接近。從空間誤差上看，與面積誤差較為一致，建設用地誤差最大，達到了8.39%，耕地的空間誤差為3.75%?？偠灾?，CA-Markov 模型模擬結果的精度較高，能夠反映土地利用格局變化總體趨勢。

表1 2010年松山區(qū)不同地類模擬值與實際值誤差分析

3 結果與分析

3.1 耕地動態(tài)變化特征

利用ArcGIS 9.3的空間分析功能，將3期土地利用現(xiàn)狀(附圖3-5)進行疊加分析，得出1990—2000和2000—2010年2個期間耕地轉移情況(表2)。

由表2可知,1990—2000年耕地向其他土地利用類型轉化依次為:建設用地>林地>未利用地>草地，耕地向建設用地的轉化最大，減少的耕地中有69.53%耕地轉化為建設用地，其次為林地和未利用地，其轉化率分別為22.38%和4.61%。耕地向林地的轉化主要受國家政策的導向，赤峰市被國家列為三北防護林體系建設的重要基地。這一時期撂荒現(xiàn)象較為嚴重，原本不適宜開墾的土地變成耕地，由于受自然環(huán)境的影響，土層較薄，基巖裸露，無法繼續(xù)耕種而棄耕。這一時期其他土地類型向耕地轉化依次為:草地>未利用地>林地>水域，耕地增加的主要來源為草地、未利用地和林地，分別占增加耕地總面積的41.22%，39.51%和18.47%，毀林開荒是該時期耕地增加的重要原因之一，同時宜農后備土地資源較為充足，從而導致大面積的開荒。建設用地沒有向耕地轉移。

2000—2010年松山區(qū)減少的耕地主要轉化為建設用地，占減少耕地總面積的60.39%。由此可見，建設占用的耕地是這一時期耕地減少的主要原因，其次是耕地向林地和草地的轉化，分別占減少耕地總面積的27.37%和6.88%，其主要源于退耕還林還草政策的實施。2000年以來，在國家逐漸加大對赤峰市生態(tài)環(huán)境保護力度的宏觀背景下，松山區(qū)的土地利用格局發(fā)生了顯著變化，由于生態(tài)環(huán)境保護工程的實施,使得當?shù)厣鷳B(tài)環(huán)境得到改善。2000—2010年，研究區(qū)耕地增加的主要來源為未利用地、草地和林地，分別占新增耕地總量的54.23%，42.44%和2.00%。其他用地和牧草地是向耕地轉化的最主要土地利用類型。近10 a來，人口持續(xù)增加和對糧食的需求的不斷增大，使得不斷開墾新的耕地，同時也為了增加收入，但該區(qū)處于生態(tài)環(huán)境脆弱區(qū),自然條件差，土地退化現(xiàn)象較為嚴重,耕地需求增加與土地退化之間的矛盾日益尖銳,這是導致近年來松山區(qū)耕地變化的主要驅動因素。

3.2 目標年耕地演變模擬結果

以1990，2000和2010年松山區(qū)土地利用數(shù)據(jù)為基礎,依據(jù)土地利用類型轉移概率矩陣和土地演變適宜性圖集，應用IDRISI Andes 15.0軟件中的CA-Markov模型模擬2020年松山區(qū)的土地利用空間格局。

本文以2010年土地利用現(xiàn)狀為基期,根據(jù)2000—2010年的土地利用轉化概率和確定的土地轉變適宜性圖像集，設置循環(huán)次數(shù)為10。同時運用CA-Markov模型對2020年土地利用格局進行模擬。詳細模擬結果見表3。

模擬結果顯示耕地在未來的10 a期間依然在增加，但增加速度明顯緩慢，與2010年相比僅增加了3.75%，建設用地也呈現(xiàn)增加的態(tài)勢，增加了3.40%，林地與2010年相比，增加了1.59%，草地、和未利用地在未來10 a將持續(xù)減少，減少較為明顯的是未利用地，減少9.77%。草地減少了5.76%，由于水域在轉換規(guī)則中制定為不允許向其他土地利用類型的轉換，所以沒有發(fā)生變化(附圖6)。

表3 2020年土地利用演變模擬結果

通過對耕地演變模擬結果的統(tǒng)計，由圖1可知，各個鄉(xiāng)鎮(zhèn)耕地的演變空間差異性顯著。14個鄉(xiāng)鎮(zhèn)中，有4個鄉(xiāng)鎮(zhèn)的耕地在目標年減少，分別為穆家營子鎮(zhèn)、大廟鎮(zhèn)、城子鄉(xiāng)和大夫營子鄉(xiāng)。其中穆家營子鎮(zhèn)和城子鄉(xiāng)屬于城郊區(qū)，由于經(jīng)濟的發(fā)展和城鎮(zhèn)化速度的加快，建設用地需求量增加，導致城郊區(qū)的大量耕地轉化為建設用地。由于松山區(qū)政府在該區(qū)域進行開發(fā)投資建設，使眾多生產(chǎn)要素聚集于此區(qū)域，由于集聚效益的存在，導致城鎮(zhèn)規(guī)模在不斷向外擴張，這一特征在模擬結果圖顯示較為明顯。大夫營子鄉(xiāng)和大廟鎮(zhèn)位于松山區(qū)西部石質山區(qū)，大夫營子鄉(xiāng)的耕地自1990年以來一直在不斷減少，該地區(qū)海拔較高，很多耕地屬于坡耕地，由于水土流失嚴重，土壤貧瘠，土地利用粗放，廣種薄收，導致很多耕地撂荒棄耕，同時由于退耕還林政策的實施，眾多坡耕地都退耕，到目標年耕地依然在減少。大廟鎮(zhèn)的耕地1990—2000年在增加，從2000年之后直到目標年2020年耕地一直呈現(xiàn)減少狀態(tài)，主要源于退耕還林還牧政策的實施。其他10個鄉(xiāng)鎮(zhèn)的耕地在目標年都不同程度的增加，太平地鎮(zhèn)和夏家店鄉(xiāng)耕地增加量較大，主要由于位于松山區(qū)東部黃土丘陵臺地區(qū)，海拔相對較低，地勢平坦，適宜于耕地開發(fā)，增加的耕地主要源于未利用地和草地。同樣位于松山區(qū)東部黃土丘陵臺地區(qū)的哈拉道口鎮(zhèn)和安慶鎮(zhèn)相對耕地增加較慢，由于其后備土地資源不足，耕地開發(fā)難度較大。

圖1 2010和2020年各鄉(xiāng)鎮(zhèn)耕地面積對比

對2020年研究區(qū)土地利用格局模擬圖進行耕地景觀指數(shù)計算(表4),2020年耕地景觀斑塊數(shù)量減少到3 021個,平均斑塊面積為62.24 hm2,表明未來耕地景觀的破碎化程度將有所緩減，開始向規(guī)?；l(fā)展。

耕地斑塊邊緣密度和斑塊形狀指數(shù)在2020年呈現(xiàn)出減少的趨勢，同時斑塊密度也在減小，表明耕地斑塊形狀的復雜性和不規(guī)則性減弱。

由于斑塊密度的減小，表明松山區(qū)耕地空間格局穩(wěn)定性逐漸增強，破碎化程度減小。面積加權分維數(shù)在增加，揭示人類活動對耕地景觀格局的干擾程度較大。Shannon’s 均勻度指數(shù)與2010年相比增長了，表明耕地各類型面積比例趨于穩(wěn)定。

表4 2010與2020年耕地景觀格局指數(shù)對比

注:NP為景觀斑塊數(shù)；MPS為平均斑塊面積；ED為邊緣密度；LSI為斑塊形狀指數(shù)；PD為斑塊密度；AWMPFD為面積加權平均斑塊分維數(shù)；AI聚集度指數(shù)；SEI為均勻度指數(shù)。

4 討論與結論

(1) 為了使CA-Markov模型能夠更加準確的模擬預測研究區(qū)耕地的演變,依據(jù)不同的土地利用類型的特點，分別制定了土地利用轉化規(guī)則，在IDRISI軟件的MCE模塊中將制定土地轉換規(guī)則通過土地轉換適宜性圖來完成空間顯示。通過模擬精度的檢驗可以表明所制定的轉化規(guī)則是切實可行的。

(2) 從數(shù)量方面和空間方面進行了精度驗證。將模擬結果與2010年土地利用現(xiàn)狀數(shù)據(jù)進行對比分析得出，建設用地誤差較大，達到了5.16%，草地和林地的誤差分別為2.51%和1.93%，耕地的誤差為1.01%，未利用地的誤差較小，為0.78%。從數(shù)量方面來說，模擬與實際值較為接近。從空間誤差上看，與面積誤差較為一致，建設用地誤差最大，達到了8.39%，耕地的空間誤差為3.75%?？傮w來說，CA-Markov模型模擬結果的精度較高，能夠反映土地利用格局變化總體趨勢。

(3) 模擬結果顯示耕地在未來的10 a間依然在增加，但增加速度明顯緩慢。各個鄉(xiāng)鎮(zhèn)耕地的演變空間差異性顯著，28.57%的鄉(xiāng)鎮(zhèn)耕地在目標年2020年呈現(xiàn)減少趨勢，40.12%的鄉(xiāng)鎮(zhèn)耕地依然呈現(xiàn)快速增長態(tài)勢。同時未來耕地的破碎化程度將有所緩減，開始向規(guī)模化發(fā)展，松山區(qū)耕地空間格局穩(wěn)定性逐漸增強。

(4) 耕地演變模擬是一個極其復雜的過程,主要受經(jīng)濟、社會和政策等眾多因素的影響,在制定土地利用轉化規(guī)則中沒有考慮到政策和經(jīng)濟等因素的影響，在未來的進一步研究中將這些因素盡量定量化，參與到轉化規(guī)則的制定中，使模擬結果更加真實合理。

[1] 胡雪麗,徐凌.基于CA-Markov模型和多目標優(yōu)化的大連市土地利用格局[J].應用生態(tài)學報,2013,24(6):1652-1660.

[2] 黃勇.基于CA-Markov模型的酉陽縣土地利用變化及情景模擬研究[D].重慶：西南大學,2013.

[3] 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):405-411.

[4] 馬泉來, 高鳳杰，張志民,等.東北農林交錯區(qū)土地利用景觀及生態(tài)服務價值變化[J].水土保持通報，2016,36(1)：265-271.

[5] 黎夏,楊青生,劉小平.基于CA的城市演變的知識挖掘及規(guī)劃情景模擬[J].中國科學,2007,37(9):1242-1251.

[6] 劉家福,王平,李京,等.基于Markov模型的長嶺縣土地利用時空變化研究[J].水土保持研究,2009,16(3):16-19.

[7] 王麗萍,金曉斌,杜心棟,等.基于灰色模型—元胞自動機模型的佛山市土地利用情景模擬分析[J].農業(yè)工程學報,2012,28(3):237-242.

[8] Guan Dongjie, Li Haifeng, Inohae T, et al. Modeling urban land use change by the integration of cellular automaton and Markov model[J]. Ecological Modelling, 2011, 222(20): 3761-3772.

[9] 陳穎彪,李雁,千慶蘭,等.基于TM數(shù)據(jù)的廣州市番禺區(qū)土地覆被格局分析[J].地理科學,2012,32(4):458-463.

[10] Araya Y H, Cabral P. Analysis and modeling of urban land cover change in Setúbal and Sesimbra, Portugal[J]. Remote Sensing, 2010,2(6):1549-1563.

[11] Wijesekara G N, Gupta A, Valeo C, et al. Assessing the impact of future land-use changes on hydrological processes in the Elbow River watershed in Southern Alberta, Canada[J]. Journal of Hydrology, 2012,412:220-232.

[12] 馬志昂,蓋艾鴻,孫林軍.格爾木市盆地地區(qū)土地利用/覆蓋變化時空演變[J].水土保持通報,2015,35(5):268-273.

[13] 常存,包安明,李均力.塔里木河四源區(qū)耕地時空演變的驅動分析[J].干旱區(qū)研究,2016,33(2):239-245.

[14] 陳美娟,賈寧鳳,蘭軼鵬.礦區(qū)土地利用變化及其政策驅動研究[J].水土保持通報,2016,36(1):272-276.

[15] 申海建,郭榮中.湖南省耕地資源動態(tài)變化及其驅動力研究[J].水土保持通報,2016,36(4):309-314.

[16] 張榮天,焦華富.寧鎮(zhèn)揚丘陵區(qū)土地利用景觀格局演變與模擬[J].測繪科學,2016,41(3):85-90.

[17] 涂起紅,朱安繁,張龍華,等.江西省耕地地力演變趨勢研究[J].江西農業(yè)學報,2016,28(2):17-21.

[18] 童秋英,遲彬,汪如民.基于土地利用數(shù)據(jù)的多維度耕地演變分析[J].地理空間信息,2016,14(3):85-87.

[19] 宋戈,王越,趙可,等.東北區(qū)耕地利用系統(tǒng)安全格局模擬及其閾值的確定[J].地理研究,2015,34(3):555-566.

[20] 陳學淵,唐華俊,吳永常,等.耕地格局時空動態(tài)變化過程和差異分析:以浙江安吉為例[J].中國農業(yè)科學,2015,48(21):4302-4313.

[21] 姚進忠, 曾建軍.石羊河流域土地利用結構合理性評價[J].水土保持通報，2016,36(3)：230-234.

Simulation of Cultivated Land Evolution in Songshan District of Chifeng City, Inner Mongolia

SHENG Yan, QIN Fucang, WANG Guihua, BAO Siqin

(CollegeofDesertandEngineeringScience,InnerMongoliaAgriculturalUniversity,Huhhot,InnerMongolia010019,China)

[Objective] The paper aims to simulate the cultivated land evolution in Songshan District of Chifeng City, Inner Mongolia and provide scientific basis for the reasonable land use planning and management, ecological restoration and economic policy making. [Methods] The 1990, 2000 and 2010 TM remote sensing data was used to analyze the characteristic of cultivated land evolution in the study area. Using multi-criteria evaluation(MCE) method in GIS CA-Markov model, we simulated the spatial pattern of cultivated land in 2020. [Results] The cultivated land evolution showed significant spatial differences. (1) Due to the rapid urbanization in suburb, a large area of cultivated land has been converted into constructed land; (2) In rocky mountains of the west of Songshan District, more and more cultivated land have been abandoned due to serious soil erosion and poor soil resulted from higher elevation and steep slope, at the same time, the implementation of the policy of returning cultivated land to forest also led to the shrinking of cultivated land.(3) Altitude was relatively low and the terrain was flat in loess hilly region of eastern Songshan District, which was suitable for arable land. The increasing of cultivated land was mainly from the unused land and grassland.(4) In 2020, the simulated land use pattern of the study area showed that the fragmentation of cultivated land will be moderated, large-scale development will start. At the same time, the stability of cultivated land spatial pattern was increasing. [Conclusion] The precision of the model simulation results is high and provides support for cultivated land use planning and policy-making. At the same time, the results lay a foundation for the optimal allocation of land resources.

cultivated land evolution; CA-Markov model ; simulation; Songshan District of Chifeng City

2016-09-09

2016-09-16

內蒙古應用研究與開發(fā)計劃項目“半干旱區(qū)坡地資源農業(yè)高效利用技術集成”(20110709)； 內蒙古高等學?？蒲许椖?NJZY13070)

盛艷(1979—),女(漢族),內蒙古自治區(qū)烏蘭察布市人,博士,講師,主要從事水土保持與土地利用方面的研究。E-mail:shengyan315@126.com。

秦富倉(1966—),男(漢族),內蒙古自治區(qū)呼和浩特市人,博士,教授,主要從事水土保持與荒漠化防治方面的研究。E-mail:qinfc@126.com。

A

1000-288X(2017)01-0206-06

F301.24