陳訓爭, 范勝龍, 林曉丹, 黃炎和

(福建農林大學資源與環(huán)境學院，福建 福州 350002)

基于Logistic-CA-Markov模型的龍海市土地利用/覆被變化與模擬

陳訓爭, 范勝龍, 林曉丹, 黃炎和

(福建農林大學資源與環(huán)境學院，福建 福州 350002)

以2002、2008、2014年龍海市土地利用/覆被類型數據和Logistic回歸模型生成的各土地利用類型空間分布概率適宜性圖集為基礎，借助IDRISI軟件平臺，運用CA-Markov模塊對龍海市土地利用變化進行模擬預測.結果表明：在粗放發(fā)展情景下，龍海市的耕地將被大量侵占，生態(tài)用地得不到有效保護，人地矛盾關系愈演愈烈；在城市規(guī)劃與區(qū)域發(fā)展情景下，龍海市未來各用地類型結構的發(fā)展將趨于穩(wěn)定，表明土地利用政策法規(guī)的約束實施在一定程度上有利于促進土地的可持續(xù)發(fā)展.

土地利用; Logistic-CA-Markov模型; 預測; 龍海市

土地利用/覆蓋變化(land use and land cover change, LUCC)與全球環(huán)境變化密切相關，影響氣候變化、陸地生態(tài)系統碳循環(huán)、土壤以及區(qū)域產水量和水循環(huán)等[1].LUCC既是全球環(huán)境變化的原因，也是全球環(huán)境變化的結果.隨著城市經濟的快速發(fā)展，城市生態(tài)環(huán)境及土地利用格局發(fā)生了劇烈的變化[2].因此，從多學科、多視覺、多層次和多尺度的角度分析解釋土地利用的變化規(guī)律，掌握土地利用變化的機理，全面掌握LUCC信息變得越發(fā)重要.利用特定區(qū)域的數據深入分析，構建土地利用空間模擬分析模型，不僅能夠優(yōu)化政府土地利用規(guī)劃方案，也是實現土地利用合理化分配和可持續(xù)發(fā)展的有效方法.

當前，LUCC的預測模型主要分為兩類[3-4]：一類是LUCC數量預測模型，主要實現用地類型數量的模擬，但無法實現土地利用空間位置的預測.主要包括Markov模型、灰色模型、二元Logistic回歸模型、系統動力學模型、BP人工神經網絡等.另一類是LUCC空間預測模擬模型，這類模型的優(yōu)勢在于集合了空間預測模擬模型在處理復雜空間系統的能力和數量預測模型在土地利用類型數量預測的優(yōu)勢，能夠從空間和數量兩方面對土地利用的動態(tài)演變信息進行充分、有效地挖掘，使得預測結果精確度更高.主要包括元胞自動機模型(CA)、CLUE-S模型、GEOMOD模型、AGENT模型等.

目前，國內外模擬土地利用通常采用動態(tài)預測模型，而對CA模型的空間規(guī)模相關性分析研究較少[5-7].現有的CA-Markov模型將各土地利用類型的概率轉移矩陣作為恒定值處理，缺少對自然與經濟等非線性驅動因素影響的考慮，為此需要改變過分依賴初始條件下的轉移概率矩陣的局面，加入能夠有效綜合非線性驅動因素的定量方法.二元Logistic回歸方法是研究分類變量與多因素間關系的概率預測，充分考慮了自然、社會、經濟等多因素的作用，能夠對多因素進行擬合分析，改變CA轉換規(guī)則，減少了主觀因素的影響[8-11].因此，本試驗綜合CA模型模擬復雜空間變化的能力和Markov模型在數值演變方面優(yōu)勢的優(yōu)化版模型，采用基于Logistic-CA-Markov耦合模型，對試驗區(qū)的土地利用類型進行模擬.此模型采用Logistic回歸分析方法分析土地利用變化的主要驅動力，并制作土地利用適宜性圖集，同時將其作為CA的轉換規(guī)則，從而使模擬預測得出的土地利用/覆被變化更加趨于準確合理，研究結果可為政府部門土地利用規(guī)劃方案優(yōu)化提供參考.

1 材料與方法

1.1 試驗區(qū)概況與數據源

龍海市地處福建省東南沿海，閩南經濟區(qū)東南部(E 117°29′—118°14′，N 24°11′—24°36′).屬于南亞熱帶海洋性季風氣候，降水充沛，氣候溫和，自然景觀四季常綠.土壤主要以水稻土、磚紅壤性紅壤和紅壤為主.試驗區(qū)境內植被屬閩粵沿海丘陵、平原亞熱帶雨林區(qū)，地帶性植被為南亞熱帶雨林.

本試驗采用的龍海市土地利用變化數據由3個時段(2002、2008、2014年)的遙感影像數據經過幾何校正、影像配準、圖像鑲嵌/拼接、圖像裁剪以及圖像合成等預處理解譯分析得到.龍海市地形數據從DEM中獲取，人口數據主要來自對應年份的《龍海市統計年鑒》[12]，社會經濟數據(人均GDP)主要來源于中國科學院資源環(huán)境科學數據中心.

1.2 預測模型建立

本試驗運用Logistic-CA-Markov耦合模型對龍海市土地利用/覆被類型進行動態(tài)模擬預測.在該耦合模型中，CA的關鍵部分在于轉換規(guī)則.首先，運用Markov模型計算出土地利用類型狀態(tài)轉移概率矩陣；然后，基于二元Logistic回歸模型對影響土地利用變化的自然與社會驅動因子進行回歸分析，并結合multi-criteria evaluation (MCE)約束條件對土地適宜性轉換規(guī)則進行校正；最后，將校正后的轉換規(guī)則參與到CA模型的運行中，實現對土地利用/覆被類型的模擬預測.

1.2.1 數據預處理 由于模型預測是基于IDRISI軟件平臺完成的，因此需要將土地利用類型數據、適宜性圖等轉為其所支持的ASCII格式.同時，由于GIS與IDRISI軟件默認的nodata值分別為-999和0，為避免模型運轉出錯及保證不同時期的土地利用/覆被類型具有同一屬性值，運用IDRISI軟件平臺的Reclass模塊將-999、耕地、園地、林地、建設用地、水域用地、其他用地分別賦值為0、1、2、3、4、5、6，以此作為模型預測的基礎數據.

1.2.2 試驗區(qū)元胞構成 (1)元胞、元胞狀態(tài)、元胞空間:試驗區(qū)元胞代表的是土地利用柵格圖中的每個柵格.元胞的狀態(tài)代表的是每個柵格的屬性值所表示的土地利用類型.由二維四邊形所劃分成的空間范圍就是試驗區(qū)元胞空間.

(2)領域定義:CA-Markov模型主要是通過構造濾波器實現對鄰域的定義.其工作原理是根據構造的濾波器來創(chuàng)建具有明顯空間意義的權重因子，并將獲取的權重因子作用于元胞，進而來確定中心元胞所處狀態(tài)的轉變情況.

(3)轉換規(guī)則的定義:CA的核心部分在于對轉換規(guī)則的定義，其最大的意義在于實現對地理系統的有效模擬.本試驗基于Logistic回歸方程的變形公式制成土地利用適宜性圖集，結合MCE約束條件對土地適宜性圖集進行校正，以此來實現對CA轉換規(guī)則的定義.

(4)循環(huán)次數的設定:在保證模型精度的前提下，本試驗采用等波長的年份進行預測，試驗時期分別為2002、2008、2014和2020年，時間間隔為6年，設置循環(huán)次數為6.

1.2.3 精度檢驗 (1)數量精度檢驗:本試驗檢驗Logistic-CA-Markov耦合模型的數量結果主要采用數量精度誤差法[13].公式如下：

(1)

式中，E為第i類土地利用類型的數量誤差值；miy為第i類土地利用類型的模擬面積；mix為第i類土地利用類型的實際面積.E的絕對值越小，則表示該模擬模型的預測精度越高.

(2)空間精度檢驗:Kappa指數用于評價兩個圖件的一致性程度[14]，即通過土地利用/覆被類型實際圖與預測圖的Kappa指數計算，以此檢驗模型的空間精度，公式如下：

(2)

(3)

式中，Pa為元胞模擬一致的比例；Pc為在隨機情況下元胞模擬一致的比例；n1為模擬一致的元胞數；n為土地利用類型圖元胞的總數；N為土地利用類型分類數量.

當00.75時，表示兩個圖件一致性較高，模擬結果較好，可信度高，可行性強.

2 結果與分析

2.1 基于Logistic-CA-Markov模型的區(qū)域土地利用模擬預測精度驗證

2.1.1 龍海市2014年土地利用模擬預測 利用Markov模塊工具，分別將2002、2008年與2008、2014年龍海市土地利用圖進行疊加，時間間隔設置為6，正常比例誤差設置為0.1，得到2002—2008年和2008—2014年Markov轉移概率矩陣(表1、表2).

表1 龍海市2002—2008年土地利用轉移概率矩陣Table 1 Transition probability matrix of land use of Longhai City during 2002-2008

表2 龍海市2008—2014年土地利用轉移概率矩陣Table 2 Transition probability matrix of land use of Longhai City during 2008-2014

利用Logistic回歸模型，選取坡度、坡向、高程、地表的凹凸特征等自然因素，人均GDP、人口密度等社會經濟因素，距離公路、火車站、河流、城鎮(zhèn)和村莊的5可達性作為驅動因子，借助GIS的柵格計算，求出最佳模擬尺度下空間柵格里可能出現的某種土地利用類型的概率，得到龍海市6類土地利用類型的空間分布概率圖(圖1)，并運用Collection Editor工具將各土地利用類型概率圖組成土地利用變化適宜性圖集.并運用CA-Markov模塊，將2008年作為預測的基礎圖像，以2008年Logistic生成的土地利用適宜性圖集作為CA的轉換規(guī)則，并導入2002—2008年Markov轉移概率矩陣，設定5×5濾波器，循環(huán)次數為6，模擬得到2014年龍海市土地利用/覆被類型圖(圖2a).

圖1 龍海市土地利用類型空間分布概率圖Fig.1 Probability of spatial distribution of different land use types in Longhai City

土地利用/覆被類型實際面積km2模擬面積km2相差面積km2誤差/%耕地 239.17238.61-0.56-0.23園地 342.24372.0529.808.01林地 314.15314.800.650.21建設用地222.10238.4816.396.87水域用地132.51114.23-18.28-16.00其他用地648.20583.90-6.43-11.01

2.1.2 精度驗證 (1)數量精度驗證:將2014年龍海市土地利用現狀實際圖與模擬圖進行空間疊置分析，得到實際面積與模擬面積的誤差表(表3).除了水域用地和其他用地的模擬精度<90%，其他用地類型的模擬精度均在90%以上，說明預測結果理想，符合試驗需要.

(2)空間精度驗證:運用GIS的柵格計算，對比分析龍海市2014年土地利用類型實際圖與預測圖，得到土地利用模擬差異圖(圖2b)和模擬精度結果(表4).由模擬差異圖可以直觀地看出，不一致區(qū)域分布較少，說明各土地利用類型模擬結果均較好.由表4可知，龍海市2014年模擬Kappa指數為0.85>0.75，說明模擬結果較好，預測模型能夠較好的預測龍海市土地利用變化，數據結果較為理想.

a.2014年模擬圖;b.2014年模擬差異圖.圖2 2014年龍海市土地利用模擬圖Fig.2 Stimulated spatial land use distribution in 2014 and regions of difference from the actual situation

土地利用/覆被類型實際數/個模擬數/個一致數/個Kappa指數耕地 1522015271130120.855園地 2196023257199580.909林地 2006420147169960.847建設用地1434415263119400.832水域 8322667162910.756其他用地4116341734160.830總計 8402684026716130.852

2.2 龍海市2020年土地利用/覆被類型模擬預測

本研究分別設定粗放發(fā)展情景和城市規(guī)劃與區(qū)域發(fā)展情景兩種預測模式.粗放發(fā)展情景是在不加入政策約束情況下，在自然演化過程下對龍海市2020年土地利用進行模擬預測，城市規(guī)劃與區(qū)域發(fā)展情景是在施加政策約束條件下進行土地利用模擬預測.

圖3 2020年龍海市粗放發(fā)展情景模擬圖Fig.3 Stimulated land use distribution under extensive mode of development in 2020

2.2.1 粗放發(fā)展情景預測 以2014年龍海市土地利用分類圖為基期，采用2008—2014年Markov轉移概率矩陣(表2)和2014年Logistic生成的土地利用適宜性圖集作為CA轉換規(guī)則，設定5×5濾波器，循環(huán)次數為6，模擬得到2020年龍海市土地利用/覆被類型圖(圖3).利用Logistic-CA-Markov模型實現了對2020年龍海市在粗放發(fā)展情景下的預測，得到粗放發(fā)展情景下的土地利用結果(表5).

由圖3和表5可知，在粗放發(fā)展情景下，龍海市2020年各土地利用類型與2014年變化趨勢仍然較為明顯，耕地、園地、林地都呈下降趨勢，建設用地保持增長趨勢.耕地在未來6年將減少29.10 km2，占土地總面積比例下降了2.19%，是下降幅度最大的土地利用類型.園地和林地面積也顯著減少，分別為14.62 km2(1.08%)和24.97 km2(1.87%).由于對水域用地沒有采取保護政策，面積也從132.51 km2減少到130.02 km2，占土地總面積比例下降了0.17%.其他用地類型小幅度增加了14.21 km2(1.09%).建設用地仍然呈擴張趨勢，在未來6年面積達到了309.44 km2，增加87.34 km2(6.68%)，是增加幅度最明顯且最大的土地利用類型.在粗放發(fā)展情境下，未集約利用土地和嚴格限制建設用地擴張，城市發(fā)展以“攤大餅”方式粗放擴展，導致區(qū)域耕地、園林、林地和水域面積急劇減少.

表5 龍海市2020年不同情景模擬結果統計表Table 5 Area and ratio of land use types under different scenario simulation in 2020

2.2.2 城市規(guī)劃與區(qū)域發(fā)展情景 根據龍海市土地利用總體規(guī)劃、主體功能區(qū)劃的劃定依據和內容，結

圖4 2020年龍海市城市規(guī)劃與區(qū)域發(fā)展情景模擬圖Fig.4 Stimulated land use distribution under mode of city planning and development in 2020

合全市各鄉(xiāng)鎮(zhèn)自然資源條件和經濟社會發(fā)展，在嚴格保護基本農田的條件下和在限制建設用地侵占耕地、林地和園地的基礎上，加入兩個政策約束條件，即建設用地管制區(qū)和基本農田保護區(qū)，將其與土地利用適宜性圖集進行合并，組成城市規(guī)劃與區(qū)域發(fā)展情景的土地適宜性圖集作為CA的轉換規(guī)則，設定5×5濾波器，循環(huán)次數為6，得到龍海市城市規(guī)劃與區(qū)域發(fā)展情景模擬圖(圖4).

利用Logistic-CA-Markov模型實現了對2020年龍海市在城市規(guī)劃與區(qū)域發(fā)展情景下的預測，得到的土地利用結果如表5所示.

由圖4和表5可知，在城市規(guī)劃與區(qū)域發(fā)展情景下，即情景2下，受政策的約束條件限制，龍海市建設用地增長的勢頭得到了控制，未來6年面積由222.10 km2增加到262.02 km2，面積占比上升了3.05%.耕地在政策的約束條件保護下，在未來6年面積將增加1.92 km2，面積占比上升了0.16%，在一定程度上得到了保護.水域用地的面積雖然也在減少，但是在耕地保護政策的影響下，占總面積比例下降為0.18%.而園地和林地由于沒有受政策的保護，面積仍呈減少的趨勢，分別減少了21.70 km2和16.32 km2.在耕地保護政策的約束下，建設用地的增加只能通過侵占園地和林地來實現擴張.

3 討論

本研究綜合二元Logistic回歸方法的多因素擬合優(yōu)勢、CA模型模擬復雜空間變化的能力和Markov模型在數值演變方面的優(yōu)勢，采用基于Logistic-CA-Markov耦合模型，對研究區(qū)的土地利用類型進行模擬.此模型采用Logistic回歸分析方法分析土地利用變化的主要驅動力，并制作土地利用適宜性圖集，同時將其作為CA的轉換規(guī)則，從而使模擬預測得出的土地利用/覆被變化更加趨于準確合理，研究結果可為政府部門土地利用規(guī)劃方案優(yōu)化提供參考.

由于受2002年TM遙感影像分辨率僅為30 m的影響，本研究難以對土地利用類型作更精細的解譯.此外，本研究對于龍海市的預測結果仍與實際情況存在局部不相符的地方，一方面是由于柵格數據在尺度轉換過程中存在空間自相關效應問題，使得回歸模型在計算中存在一定不可避免的誤差.另一方面是由于模型的解釋變量在選取方面不夠全面，沒有考慮氣溫、降水、蒸發(fā)量等自然因素和科技等人文因素，這些數據的缺失可能是模擬結果與實際情況有所偏差的原因.

[1] 張新榮,劉林萍,方石,等.土地利用/覆被變化(LUCC)與環(huán)境變化關系研究進展[J].生態(tài)環(huán)境學報,2014,23(12):2 013-2 021.

[2] 鄭燕鳳.基于GIS的CA-MARKOV模型的土地利用變化研究[D].泰安:山東農業(yè)大學,2009.

[3] 史洪超.土地利用覆被變化(LUCC)研究進展綜述[J].安徽農業(yè)科學,2012,40(26):13 107-13 110,13 125.

[4] SCHIRPKE U, LEITINGER G, TAPPEINER U et al. SPA-LUCC:Developing land-use/cover scenarios in mountain landscapes[J]. Ecological Informatics, 2012,12(11):68-76.

[5] 史曉亮,李穎,楊志勇.基于SWAT模型的諾敏河流域徑流對土地利用/覆被變化的響應模擬研究[J].水資源與水工程學報,2016,27(1):65-69.

[6] ANPUTHES M, JANMAAT J A, NICOL C F, et al. Modeling spatial association in pattern based land use simulation models[J]. Journal of Environmental Management, 2016,181:465-476.

[7] 楊俊,張永恒,葛全勝,等.基于GA-MACE算法的不規(guī)則鄰域CA土地利用模擬[J].地理研究,2016,35(7):1 288-1 300.

[8] 王美霞,任志遠,王永明.千河流域土地利用空間格局模擬及其影響因素分析[J].測繪科學,2013,38(4):34-36,151.

[9] FANG S, GERTNER G Z, ANDERSON A B. Prediction of multiracial probability of land use change using a bisection decomposition and logistic regression[J]. Landscape Ecology, 2007,22(22):419-430.

[10] ARSANJANI J J, HELBICH M, KAINZ W, et al. Integration of logistic regression, Markov chain and cellular automate models to simulate urban expansion[J]. International Journal of Applied Earth Observation and Geo-information, 2013,21(1):265-275.

[11] DESSEL W V, ROMPEAY A V, SZILASSI P. Sensitivity analysis of logistic regression parameterization for land use and land cover probability estimation[J]. International Journal of Geographical Information Science, 2011,25(3):489-508.

[12] 龍海市統計局.龍海市統計年鑒[M].北京:中國統計出版局,2005.

[13] 左彤,何玲,張俊梅.基于CA-Markov模型的濱海土壤鹽漬化動態(tài)變化研究——以黃驊市為例[J].資源科學,2014,36(6):1 298-1 305.

[14] 韓文霆,郭聰聰,張立元,等.基于無人機遙感的灌區(qū)土地利用與覆被分類方法[J].農業(yè)機械學報,2016,47(11):270-277.

SpatialsimulationandanalysisoflanduseandlandcoverchangeofLonghaiCitybasedonLogistic-CA-Markovmodel

CHEN Xunzheng, FAN Shenglong, LIN Xiaodan, HUANG Yanhe

(College of Resource and Environment, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China)

To predict land use changes in Longhai City, land use data in 2002, 2008 and 2014 were firstly converted by IDRISI software, and spatial distribution probability of various land types was generated from Logistic-CA-Markov model. The results showed that in the scenario of extensive development area of arable land dropped mostly among all land use types, which was followed by forest land and garden. While area of construction land expanded sharply. When it comes to urban planning and regional development scenario, conversions of land use types with ecological functions to construction land was alleviated, so that arable land was protected to certain extent. Therefore, policy guidance and implementation of land use constraints are conducive to sustainable development of land.

land use and land cover change; Logistic-CA-Markov model; prediction; Longhai City

2017-06-29

2017-09-06

福建省自然科學基金資助項目(2015J01624).

陳訓爭(1992-)，男，碩士研究生.研究方向：土地資源可持續(xù)利用.Email：757551818@qq.com.通訊作者黃炎和(1962-)，男，教授，博士生導師.研究方向：土壤侵蝕.Email：yanhehuang@163.com.

F301.2

A

1671-5470(2017)06-0685-07

10.13323/j.cnki.j.fafu(nat.sci.).2017.06.014

(責任編輯:蘇靖涵)