鄧元杰， 潘洪義， 陳 丹， 蔣貴國(guó)， 曲比偉石， 孫嘉璐

(1.四川師范大學(xué)西南土地資源評(píng)價(jià)與監(jiān)測(cè)教育部重點(diǎn)實(shí)驗(yàn)室，四川成都 610068； 2. 四川師范大學(xué)地理與資源科學(xué)學(xué)院，四川成都 610068；3.陜西師范大學(xué)地理科學(xué)與旅游學(xué)院，陜西西安 710119； 4.四川師范大學(xué)法學(xué)院，四川成都 610068)

土地利用反映了人類(lèi)與自然界相互影響與交互作用中最直接和最密切的關(guān)系，是社會(huì)經(jīng)濟(jì)活動(dòng)與自然生態(tài)過(guò)程相互影響的紐帶，對(duì)理解和處理人類(lèi)-環(huán)境的復(fù)雜關(guān)系具有重要作用[1-2]。自從“國(guó)際地圈-生物圈計(jì)劃”(IGBP)和“全球環(huán)境變化人文計(jì)劃”(IHDP)將土地利用/土地覆被變化(Land Use/Cover Change，LUCC)列為研究國(guó)際全球變化的核心計(jì)劃以來(lái)，土地利用/土地覆被變化已經(jīng)成為人類(lèi)深入研究、了解并認(rèn)識(shí)人地關(guān)系的核心研究領(lǐng)域之一[3-5]。土地利用變化模型在分析LUCC驅(qū)動(dòng)力和演變過(guò)程、評(píng)估土地利用變化的生態(tài)效應(yīng)和土地利用規(guī)劃決策分析中有重要作用。近年來(lái)，用于區(qū)域土地利用模擬的模型主要包括基于多智能主體分析方法的多智能體模型(agent-based model，簡(jiǎn)稱(chēng)ABM)[6-7]、基于柵格鄰域關(guān)系分析方法的元胞自動(dòng)機(jī)(cellular automata，簡(jiǎn)稱(chēng)CA)模型[8-9]、基于土地系統(tǒng)結(jié)構(gòu)變化及空間格局演替(dynamics of land system，簡(jiǎn)稱(chēng)DLS)綜合分析模型[10]、GTR模型[11-12]等。這些模型極大地推進(jìn)了土地利用模型在研究未來(lái)土地利用空間格局變化和空間格局優(yōu)化配置上的應(yīng)用，但是由于影響土地利用變化的過(guò)程是一個(gè)自然-人文的綜合過(guò)程，并且存在的影響因素紛繁復(fù)雜，因此上述模型很難將研究區(qū)域自然和人文的要素綜合起來(lái)，對(duì)其未來(lái)的土地利用/土地覆被變化進(jìn)行模擬研究。相反，作為基于經(jīng)驗(yàn)統(tǒng)計(jì)方法的CLUE-S(conversion of land and its effects at small regional extent)模型可以在區(qū)域土地利用變化經(jīng)驗(yàn)理解的基礎(chǔ)上對(duì)土地利用變化與其社會(huì)、經(jīng)濟(jì)、技術(shù)、政策及自然環(huán)境等驅(qū)動(dòng)因子相互關(guān)系進(jìn)行定量分析，整合不同時(shí)空尺度區(qū)域LUCC過(guò)程和驅(qū)動(dòng)力研究，綜合模擬不同情景方案下多種土地利用類(lèi)型的時(shí)空變化，并為土地利用決策提供更加科學(xué)的依據(jù)[13-14]。眾多學(xué)者的研究表明[15-20]，CLUE-S模型已成為模擬研究未來(lái)土地利用格局變化的有效科學(xué)工具。鑒于此，本研究引入CLUE-S模型對(duì)2025年德陽(yáng)市不同發(fā)展情景下的土地利用變化進(jìn)行模擬研究。本研究的主要目標(biāo)如下：(1)利用2005年德陽(yáng)市土地利用狀況數(shù)據(jù)，對(duì)德陽(yáng)市2015年土地利用變化的空間格局進(jìn)行模擬，將模擬圖與2015年土地利用狀況圖進(jìn)行精度驗(yàn)證，以探究CLUE-S模型在德陽(yáng)市等盆地內(nèi)多樣地形區(qū)的適用性；(2)綜合分析影響德陽(yáng)市土地利用變化的自然和社會(huì)因素，構(gòu)建德陽(yáng)市在2015—2020年不同發(fā)展情景下的土地利用需求，并對(duì)研究區(qū)2020年在不同發(fā)展情景下的土地利用空間格局進(jìn)行模擬，以期為德陽(yáng)市未來(lái)的土地利用規(guī)劃編制和土地可持續(xù)利用情景預(yù)測(cè)提供理論依據(jù)。

1 研究區(qū)概況

德陽(yáng)市位于四川盆地成都平原東北部(地理位置為103°45′～105°15′E、30°31′～31°42′N(xiāo))，南靠成都，北接綿陽(yáng)，東依遂寧，西鄰阿壩，德陽(yáng)市市境狹長(zhǎng)，南北間距離約為 162 km，東西間距離約為65 km(圖1)。該地為亞熱帶濕潤(rùn)氣候，氣候溫和，常年平均氣溫為15～17 ℃，四季分明，降水豐沛。年平均日照時(shí)數(shù)1 000～1 300 h，年總降水量900～950 mm。德陽(yáng)市是成渝經(jīng)濟(jì)圈重要區(qū)域中心城市和成都經(jīng)濟(jì)區(qū)重要增長(zhǎng)極，也是四川省重點(diǎn)規(guī)劃在建百萬(wàn)人口城市。地勢(shì)西北高東南低，西北部為龍門(mén)山脈中段，山地面積 1 171.87 km2，占全市總面積的19.68%；中部為成都平原東北部，面積1 838.75 km2，占全市總面積的30.88%；東南部為盆中丘陵，面積2 943.13 km2，占全市總面積的49.44%。其地貌、土地利用等特征在四川盆地中具有典型的代表性，將其作為試驗(yàn)區(qū)進(jìn)行實(shí)證研究可為同類(lèi)區(qū)域土地利用格局的分析與模擬提供方法應(yīng)用示范。

2 材料與方法

2.1 數(shù)據(jù)來(lái)源與處理

本研究數(shù)據(jù)來(lái)自3個(gè)方面：(1)土地利用狀況數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http：//www.resdc.cn)，經(jīng)過(guò)Landsat TM影像解譯得到德陽(yáng)市2005年和2015年2期土地利用狀況數(shù)據(jù)，空間分辨率為30 m×30 m；(2)本研究所使用的30 m ASTER GDEM高程數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心和美國(guó)地質(zhì)調(diào)查局網(wǎng)站(http：//www.usgs.gov/)；(3)社會(huì)經(jīng)濟(jì)數(shù)據(jù)包括德陽(yáng)市2005年和2015年的人口密度和農(nóng)民人均純收入等，均來(lái)源于《德陽(yáng)市統(tǒng)計(jì)年鑒》；(4)道路數(shù)據(jù)來(lái)源于2005年和2015年的《德陽(yáng)市交通地圖集》以及2期Google Earth高清遙感影像。

本研究對(duì)數(shù)據(jù)的處理主要集中在以下幾個(gè)方面：(1)結(jié)合德陽(yáng)市的實(shí)際土地利用情況，根據(jù)中國(guó)科學(xué)院“中國(guó)資源環(huán)境數(shù)據(jù)庫(kù)”土地利用遙感分類(lèi)體系將德陽(yáng)市土地利用類(lèi)型劃分為城鄉(xiāng)工礦居住用地、水域、林地、耕地、草地五大類(lèi)；(2)根據(jù)數(shù)字高程模型(DEM)數(shù)據(jù)對(duì)研究區(qū)的地形特征進(jìn)行分析，得到相關(guān)的坡度和坡向數(shù)據(jù)；(3)從不同年份的土地利用狀況數(shù)據(jù)中提取農(nóng)村居民點(diǎn)、城市、河流等矢量數(shù)據(jù)，計(jì)算研究區(qū)域內(nèi)各地類(lèi)到城市中心、農(nóng)民居民點(diǎn)、河流的距離等區(qū)域空間變量數(shù)據(jù)，得到相應(yīng)的距離因子圖層；(4)利用ArcGIS軟件將獲得的德陽(yáng)市2005年和2015年人口密度、農(nóng)民人均純收入、人均國(guó)內(nèi)生產(chǎn)總值(GDP)等社會(huì)經(jīng)濟(jì)數(shù)據(jù)空間化；(5)利用ArcGIS軟件將獲得的道路圖集和谷歌影像與已解譯獲得的土地利用矢量數(shù)據(jù)進(jìn)行地理配準(zhǔn)，在此基礎(chǔ)之上將2個(gè)不同時(shí)期的道路信息進(jìn)行矢量化處理，最終得到2期鐵路、高速公路等道路信息。(6)本研究區(qū)范圍較大，選擇用于模擬過(guò)程的空間分辨率從柵格500 m×500 m的大小開(kāi)始，嘗試以50 m為步長(zhǎng)逐步提高空間分辨力，以便于更多地體現(xiàn)空間的細(xì)節(jié)信息。經(jīng)過(guò)模擬調(diào)試的結(jié)果顯示：利用CLUE-S模型對(duì)德陽(yáng)市的土地利用變化模擬的最優(yōu)柵格精度為250 m×250 m，因此本研究模擬的空間尺度為250 m。(7)本研究所使用的投影坐標(biāo)信息為WGS_1984_UTM_Zone_48N。

2.2 研究方法

2.2.1 CLUE-S模型結(jié)構(gòu) CLUE-S模型是荷蘭瓦赫寧根大學(xué)的Verburg等在CLUE模型基礎(chǔ)上發(fā)展起來(lái)的高分辨率、適用于模擬小范圍尺度的土地利用空間分配模型[13-14]。CLUE-S模型能夠在空間上反映土地利用變化的過(guò)程和結(jié)果，可信度更高，解釋能力更強(qiáng)。CLUE-S模型包括2個(gè)不同模塊，即非空間模塊和空間模塊，其中非空間模塊為空間模塊的基礎(chǔ)。非空間模塊主要在綜合考慮影響土地利用變化的各種因素后，借助其他預(yù)測(cè)模型預(yù)測(cè)未來(lái)時(shí)間段各土地利用類(lèi)型需求量?？臻g模塊負(fù)責(zé)土地利用數(shù)量在空間上的分配，從而對(duì)研究區(qū)域土地利用空間格局演變進(jìn)行模擬?？臻g分析模塊處理的基礎(chǔ)是各種柵格數(shù)據(jù)，根據(jù)每個(gè)柵格土地利用類(lèi)型出現(xiàn)的概率以及轉(zhuǎn)化規(guī)則，分配非空間部分算出的土地利用需求數(shù)量。

在具體的土地利用變化空間模擬試驗(yàn)中，CLUE-S模型的實(shí)現(xiàn)主要由空間政策和限制、土地利用類(lèi)型轉(zhuǎn)移設(shè)置、土地利用需求預(yù)測(cè)、各土地利用類(lèi)型分布的空間適宜性分析四大部分構(gòu)成，四大部分雖然相互獨(dú)立，但是它們?cè)谀M試驗(yàn)中，相互作用，缺一不可，每個(gè)部分的具體內(nèi)容如下：

2.2.1.1 輸入土地限制約束因素 土地限制因素輸入一般包括基本農(nóng)田保護(hù)區(qū)、自然保護(hù)區(qū)、生態(tài)環(huán)境保護(hù)區(qū)、水源涵養(yǎng)地等。將限制因素輸入模塊，使得地類(lèi)變化方向受到限制，從而達(dá)到影響土地利用格局變化的目的。

2.2.1.2 輸入土地利用類(lèi)型轉(zhuǎn)換規(guī)則 輸入土地利用類(lèi)型轉(zhuǎn)換規(guī)則包括土地利用類(lèi)型轉(zhuǎn)移彈性和土地利用類(lèi)型轉(zhuǎn)移次序2個(gè)方面。土地利用類(lèi)型轉(zhuǎn)移彈性主要受地類(lèi)變化可逆性的影響，用0～1表示，值越大，轉(zhuǎn)移彈性越小。土地利用類(lèi)型間能否實(shí)現(xiàn)轉(zhuǎn)變是通過(guò)設(shè)定土地利用類(lèi)型間轉(zhuǎn)移矩陣來(lái)表示的，即土地利用類(lèi)型轉(zhuǎn)移次序。0表示不能轉(zhuǎn)變，1表示可以轉(zhuǎn)變。

2.2.1.3 輸入土地利用需求 土地需求通過(guò)其他外部模型被計(jì)算出來(lái)，用以限定各土地利用類(lèi)型變化量，這一步是獨(dú)立于模型之外進(jìn)行的，但是無(wú)論研究區(qū)域土地利用需求怎樣變化，區(qū)域總的土地利用類(lèi)型面積都是恒定的。

2.2.1.4 輸入空間特征 輸入空間特征主要是計(jì)算出各土地利用類(lèi)型的空間分布概率。這主要受空間分布驅(qū)動(dòng)因素的影響。采用Logistic回歸方程計(jì)算每一單元可能出現(xiàn)某種地類(lèi)的概率，并解釋該地類(lèi)與其驅(qū)動(dòng)力因素之間的關(guān)系。表達(dá)式如下：

式中：pi表示每個(gè)柵格單元可能出現(xiàn)某地類(lèi)i的概率；X表示驅(qū)動(dòng)因素；β是影響因子的回歸系數(shù)；n表示驅(qū)動(dòng)因子的數(shù)量。

每種地類(lèi)回歸方程擬合度可以通過(guò)受試者工作特征曲線(xiàn)(receiver operating characteristic curve，簡(jiǎn)稱(chēng)ROC曲線(xiàn))進(jìn)行檢驗(yàn)。ROC值介于0.5～1之間，值越大，表明模擬的地類(lèi)概率分布與真實(shí)的地類(lèi)分布一致性越強(qiáng)，模擬的地類(lèi)分配越精確；擺萬(wàn)奇等經(jīng)過(guò)研究認(rèn)為，當(dāng)ROC>0.70時(shí)，認(rèn)為驅(qū)動(dòng)因子具有良好的解釋能力，反之則認(rèn)為驅(qū)動(dòng)因子各地類(lèi)的空間分布解釋能力較弱[21-22]。

2.2.1.5 空間布局優(yōu)化 依據(jù)前面4個(gè)輸入模塊的結(jié)果，根據(jù)總概率大小對(duì)土地利用需求進(jìn)行多次迭代分配(圖2)，最后得出土地利用空間布局優(yōu)化結(jié)果。

TPROPi,u=Pi,u+ELSAu+ITERu。

式中：TPROPi,u是指在柵格研究單元i上土地利用類(lèi)型u的總概率；Pi,u是指柵格研究單元i對(duì)于地類(lèi)u的適宜性概率；ELSAu代表土地利用類(lèi)型u的轉(zhuǎn)換彈性系數(shù)；ITERu代表土地利用類(lèi)型u的迭代變量；u代表某一土地利用類(lèi)型；i代表某一柵格研究單元。

2.2.2 馬爾科夫(Markov)模型 Markov模型在土地利用變化研究過(guò)程中應(yīng)用十分廣泛，能夠較好地預(yù)測(cè)土地利用數(shù)量變化，Markov模型的特點(diǎn)是具有無(wú)后效性和時(shí)效性，轉(zhuǎn)移過(guò)程與轉(zhuǎn)移前的時(shí)間無(wú)關(guān)，只與轉(zhuǎn)移的初始狀態(tài)和轉(zhuǎn)移步數(shù)相關(guān)，隨機(jī)的轉(zhuǎn)移過(guò)程與時(shí)間間隔有關(guān)，與所處的原始時(shí)間無(wú)關(guān)[23]。確定初始概率矩陣和狀態(tài)轉(zhuǎn)移概率矩陣是運(yùn)用Markov模型預(yù)測(cè)土地類(lèi)型需求的關(guān)鍵，其數(shù)學(xué)表達(dá)式如下：

式中：P為某一土地類(lèi)型從當(dāng)前時(shí)刻的空間分布格局到下一時(shí)刻分布格局的轉(zhuǎn)移概率矩陣；m和n為研究區(qū)域內(nèi)的土地類(lèi)型數(shù)；Pij為某一個(gè)土地利用類(lèi)型i轉(zhuǎn)變?yōu)榱硪粋€(gè)土地類(lèi)型j的轉(zhuǎn)移概率。綜上可知，在土地利用變化過(guò)程中可用土地利用類(lèi)型的轉(zhuǎn)移概率矩陣結(jié)合當(dāng)前時(shí)刻的土地利用狀態(tài)來(lái)推知t+1時(shí)刻的狀態(tài)。

2.2.3 情景設(shè)計(jì) 綜合德陽(yáng)市目前制定的各項(xiàng)政策措施以及《德陽(yáng)市土地利用總體規(guī)劃》等提出的土地利用要求并參考相關(guān)文獻(xiàn)后[24-28]，本研究通過(guò)修訂不同地類(lèi)之間的轉(zhuǎn)移概率，設(shè)置了4種不同的土地利用發(fā)展需求情景(歷史趨勢(shì)發(fā)展情景、糧食安全情景、生態(tài)保護(hù)情景、經(jīng)濟(jì)發(fā)展情景)對(duì)德陽(yáng)市2025年土地利用/土地覆被格局進(jìn)行情景預(yù)測(cè)。本研究利用Markov模型得到的4種不同土地利用發(fā)展需求面積均通過(guò)Matlab 2012a軟件編程實(shí)現(xiàn)。

2.2.3.1 歷史趨勢(shì)發(fā)展情景 根據(jù)德陽(yáng)市2005—2015年的土地利用轉(zhuǎn)移概率矩陣和2015年各土地利用類(lèi)型所占的面積百分比，以10年為步長(zhǎng)，利用Markov模型預(yù)測(cè)德陽(yáng)市2020年按歷史趨勢(shì)發(fā)展的土地利用類(lèi)型面積。

2.2.3.2 糧食安全情景 該情景旨在嚴(yán)格執(zhí)行《德陽(yáng)市土地利用總體規(guī)劃》中提出的保護(hù)基本農(nóng)田政策，要充分保障耕地總量和地方糧食安全。參照前人對(duì)Markov過(guò)程轉(zhuǎn)移概率修正的研究，以及結(jié)合德陽(yáng)市的實(shí)際情況，在該情景中，本研究將耕地向城鄉(xiāng)工礦居住用地的轉(zhuǎn)移概率降低50%，向林地、草地、水域的轉(zhuǎn)移概率矩陣降低25%。

2.2.3.3 生態(tài)保護(hù)情景 該情境旨在加強(qiáng)對(duì)林地、草地、水域這類(lèi)生態(tài)用地的保護(hù)，這對(duì)于維護(hù)和改善地區(qū)整體生態(tài)環(huán)境，促進(jìn)區(qū)域生態(tài)安全具有重要意義。在該情景下，耕地向城鄉(xiāng)工礦居住用地的轉(zhuǎn)移概率降低25%，林地、水域向耕地和城鄉(xiāng)工礦居住用地的轉(zhuǎn)移概率各降低90%，由于在2005—2015年間，草地向城鄉(xiāng)工礦居住用地的轉(zhuǎn)移面積為0 hm2，向耕地轉(zhuǎn)移的面積僅為0.03 hm2，變化十分微小。因此草地在生態(tài)保護(hù)情景下，向耕地和城鄉(xiāng)工礦居住用地轉(zhuǎn)移概率保持不變。

2.2.3.4 經(jīng)濟(jì)發(fā)展情景 在該情景下，為了實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型，滿(mǎn)足經(jīng)濟(jì)發(fā)展的需要，以及人口向城市的大量轉(zhuǎn)移，必須要擴(kuò)大城市建成區(qū)面積，從而使城市周?chē)耐恋貙⒈淮罅空加?。?005—2015年德陽(yáng)市土地變化轉(zhuǎn)移概率矩陣來(lái)看，德陽(yáng)市的城鄉(xiāng)工礦居住用地主要是由耕地轉(zhuǎn)變而來(lái)的。因此在該情景下，設(shè)定耕地向城鄉(xiāng)工礦居住用地的轉(zhuǎn)移概率提升70%。

3 結(jié)果與分析

3.1 CLUE-S模型模擬精度的檢驗(yàn)

本研究在參考相關(guān)文獻(xiàn)[29-33]后，結(jié)合德陽(yáng)市的自然-社會(huì)環(huán)境選取了3類(lèi)14種驅(qū)動(dòng)因子(表1)，以德陽(yáng)市2005年的土地利用狀況為基礎(chǔ)，對(duì)各地類(lèi)與各驅(qū)動(dòng)因子之間的關(guān)系進(jìn)行模型的Logistic回歸分析。

表1 德陽(yáng)市土地利用空間分布格局驅(qū)動(dòng)因子

本研究的Logistic回歸通過(guò)運(yùn)用SPSS 17.0中的Binary Logistic回歸分析實(shí)現(xiàn)?；貧w結(jié)果采用ROC方法評(píng)價(jià)，ROC檢驗(yàn)結(jié)果顯示，各地類(lèi)的ROC值均大于0.75(圖3)，表明所選驅(qū)動(dòng)因子對(duì)各地類(lèi)的空間分布格局具有較好的解釋能力，其中林地、城鄉(xiāng)工礦居住用地、耕地的ROC值較高，分別為0.921、0.932、0.920，表明驅(qū)動(dòng)因子對(duì)這3類(lèi)用地的解釋能力較強(qiáng)。草地、水域的ROC值較低，但也分別達(dá)到了 0.883、0.871。草地和水域精度較低的原因可能是因?yàn)榈仡?lèi)較為分散，具有較強(qiáng)的不確定性特征。研究區(qū)2005年各土地利用類(lèi)型的Logistic逐步回歸和ROC評(píng)價(jià)結(jié)果如表2所示。

以2個(gè)年份的土地利用空間格局變化數(shù)據(jù)為依據(jù)，結(jié)合不同驅(qū)動(dòng)因子的影響程度、土地利用轉(zhuǎn)移矩陣等相關(guān)變量輸入CLUE-S模型來(lái)模擬2015年德陽(yáng)市土地利用空間分布格局，得到2015年德陽(yáng)市土地利用變化模擬結(jié)果(圖4)，將其與2015年德陽(yáng)市土地利用狀況圖進(jìn)行隨機(jī)Kappa指數(shù)一致性對(duì)比檢驗(yàn)后得出，2015年德陽(yáng)市的模擬圖與現(xiàn)狀圖之間的隨機(jī)Kappa指數(shù)為0.816，滿(mǎn)足了當(dāng)Kappa≥0.75時(shí)，兩者一致性較好的要求，說(shuō)明模擬結(jié)果與2015年真實(shí)土地利用類(lèi)型一致性較好，CLUE-S模型可用于對(duì)德陽(yáng)市的土地利用模擬研究中[33]。

表2 Logistic回歸結(jié)果

3.2 德陽(yáng)市土地利用空間格局變化特征

從德陽(yáng)市2005—2015年的土地利用變化的空間尺度上看(圖5)，各類(lèi)用地類(lèi)型變化最為明顯的是城鄉(xiāng)工礦居住用地，10年間增加了15 078.41 hm2，增幅高達(dá)65%。各個(gè)區(qū)(縣)的建設(shè)用地都有不同的擴(kuò)張。其中，廣漢市的建設(shè)用地?cái)U(kuò)張方向受到政策影響主要呈現(xiàn)“南北發(fā)展”的城鄉(xiāng)工礦居住用地?cái)U(kuò)張趨勢(shì)；旌陽(yáng)區(qū)由于西部受到地形的限制，因此主要呈現(xiàn)向“西部和南部”擴(kuò)張的趨勢(shì)；綿竹市和什邡市由于所處地形平坦，因此呈現(xiàn)“自中心向四周”擴(kuò)張的趨勢(shì)；羅江縣和中江縣，由于受到地形因素的限制較大，因此城市擴(kuò)張相對(duì)于其他各區(qū)(市、縣)較為緩慢，呈現(xiàn)出“不規(guī)則”式擴(kuò)張趨勢(shì)。另外，耕地的減少主要集中在德陽(yáng)市所處的成都平原東北部區(qū)域，主要還是由于城鄉(xiāng)工況居住用地的擴(kuò)張?jiān)斐闪顺鞘兄車(chē)罅扛氐臏p少，耕地在10年間共減少了20 692.20 hm2，減少率為4.84%。林地和草地的變化主要集中在東北部山區(qū)，德陽(yáng)市2005—2015土地利用變化轉(zhuǎn)移矩陣表明，在東北部山區(qū)有6 923.56 hm2的林地轉(zhuǎn)換為了草地。水域的空間格局變化顯著性較弱。

3.3 不同情景下的土地需求預(yù)測(cè)及空間模擬對(duì)比

以2005—2015年德陽(yáng)市各土地利用類(lèi)型相互轉(zhuǎn)換的數(shù)據(jù)為基礎(chǔ)，通過(guò)前面設(shè)計(jì)的不同情景下各地類(lèi)轉(zhuǎn)換的概率，本研究借助Markov模型對(duì)德陽(yáng)市在2025年4種不同發(fā)展情景下的土地利用需求量進(jìn)行了預(yù)測(cè)。由表3可知，在4種發(fā)展情景下，除耕地、林地呈現(xiàn)下降趨勢(shì)外，城鄉(xiāng)工況居住用地、草地、水域都呈現(xiàn)增長(zhǎng)的趨勢(shì)。而且在不同情景下各種土地利用類(lèi)型變化在數(shù)量上呈現(xiàn)出明顯的差異性。在不同情景下土地利用預(yù)測(cè)數(shù)量上的差異都較好地符合相應(yīng)情景下設(shè)計(jì)的原則。

為了保證2025年土地利用變化模擬的精確性和現(xiàn)實(shí)性，本研究選取了與2025年土地利用變化最為密切的2015年的土地利用狀況圖作為模擬的基準(zhǔn)圖，最后通過(guò)CLUE-S模型將4種不同情景下的德陽(yáng)市2025年土地利用空間格局進(jìn)行了模擬，結(jié)果如圖5所示。

(1)在歷史趨勢(shì)發(fā)展和經(jīng)濟(jì)優(yōu)先發(fā)展情景下，城鄉(xiāng)工礦居住用地向外的擴(kuò)張趨勢(shì)明顯，主要表現(xiàn)為以下幾個(gè)方面：各區(qū)(市、縣)的建成區(qū)面積呈現(xiàn)由“由中心向四周”的蔓延式發(fā)展；不論在哪一種發(fā)展情景下，廣漢市和旌陽(yáng)區(qū)的建成區(qū)面積都呈現(xiàn)合并發(fā)展的態(tài)勢(shì)，尤其在經(jīng)濟(jì)優(yōu)化發(fā)展情景下最為顯著。變化劇烈區(qū)域主要集中在東北部的成都平原上，并且與各區(qū)(市、縣)的社會(huì)經(jīng)濟(jì)狀況有關(guān)，尤其是廣漢市、旌陽(yáng)區(qū)、什邡市及綿竹市較為突出。以上4個(gè)區(qū)(縣、市)所處地區(qū)，地勢(shì)平坦，社會(huì)經(jīng)濟(jì)條件較好，吸引人口向城市中心集聚能力強(qiáng)，使得居住用地不斷擴(kuò)張，耕地面積大幅度減少，其中耕地減少32 185.23 hm2，城鄉(xiāng)工礦居住用地增加27 212.56 hm2。在經(jīng)濟(jì)優(yōu)先發(fā)展情景下，德陽(yáng)市各土地利用類(lèi)型的變化最為劇烈，其中到2025年城鄉(xiāng)工礦居住用地的增加率達(dá)119%，主要由耕地轉(zhuǎn)化而來(lái)，耕地面積減少49 944.97 hm2，其余各地類(lèi)變化較為平緩。由此可見(jiàn)，隨著城鎮(zhèn)化進(jìn)程的不斷推進(jìn)，在歷史趨勢(shì)和經(jīng)濟(jì)優(yōu)先發(fā)展情景下，德陽(yáng)市城市擴(kuò)張更為明顯，土地資源面臨著較大的不可持續(xù)性。

表3 不同情景下2025年德陽(yáng)市各類(lèi)土地類(lèi)型需求量預(yù)測(cè) hm2

(2)在糧食安全情景下，由于限制了基本農(nóng)田內(nèi)的耕地不能轉(zhuǎn)化為其他類(lèi)型的用地以及降低了耕地轉(zhuǎn)換為其他各地類(lèi)的概率，因此本情景下除林地外的土地利用類(lèi)型的變化趨勢(shì)較為緩和。為了保障地區(qū)糧食安全，以促進(jìn)德陽(yáng)市社會(huì)經(jīng)濟(jì)全面協(xié)調(diào)的可持續(xù)發(fā)展，因此德陽(yáng)市2025年在此種情景下的城鄉(xiāng)工礦居住用地的增長(zhǎng)率僅為36.10%，為4種情景中最低的，城鄉(xiāng)工礦居住用地的增加率相比于經(jīng)濟(jì)優(yōu)先和歷史趨勢(shì)發(fā)展情景平均減少了96%，有效地限制了建設(shè)用地?cái)U(kuò)張的程度，從而有效地保障了地區(qū)的糧食安全。在2025年耕地發(fā)生變化劇烈的區(qū)域?yàn)闁|北部平原區(qū)，并且主要集中在各區(qū)(市、縣)建成區(qū)周?chē)母?。相反，位于德?yáng)市西部和西南部的耕地，由于位于丘陵地區(qū)，遠(yuǎn)離城鎮(zhèn)地區(qū)，因此變化穩(wěn)定，由圖5可知，僅有少部分城鎮(zhèn)周?chē)母乇徽加谩?/p>

(3)在生態(tài)保護(hù)情景下，作為重要生態(tài)用地的林地得到了更多的保護(hù)，阻止了其繼續(xù)降低的趨勢(shì)，預(yù)計(jì)到2025年在生態(tài)保護(hù)情景下的林地，僅會(huì)減少2%。并且林地在空間上呈現(xiàn)連片集中生長(zhǎng)的趨勢(shì)，主要表現(xiàn)在南部和西南角的零星林地范圍內(nèi)。耕地向城鄉(xiāng)工礦居住用地轉(zhuǎn)化的概率相比于經(jīng)濟(jì)優(yōu)先和歷史趨勢(shì)發(fā)展的均值減少了79%；草地和水域的增加率分別為39%、12%，可見(jiàn)該類(lèi)情景具有明顯的政策調(diào)控效果，從而達(dá)到保護(hù)生態(tài)環(huán)境的效果。

4 討論與結(jié)論

本研究以位于四川盆地北部的德陽(yáng)市為研究案例地，基于CLUE-S和Markov模型，探索了該模型在德陽(yáng)市土地利用方面的適用性。在對(duì)模擬結(jié)果進(jìn)行驗(yàn)證的基礎(chǔ)上，基于德陽(yáng)市的社會(huì)經(jīng)濟(jì)發(fā)展情況、糧食安全保護(hù)、生態(tài)安全保護(hù)、歷史趨勢(shì)發(fā)展構(gòu)建了4種不同土地利用變化情景模式，以2015年德陽(yáng)市土地利用狀況圖為基礎(chǔ)，對(duì)德陽(yáng)市2025年土地利用變化進(jìn)行了4種不同情景下的模擬及預(yù)測(cè)。主要結(jié)論如下：

(1)2005—2015年，德陽(yáng)市土地利用變化較為劇烈。除耕地和林地處于下降趨勢(shì)外，其余用地類(lèi)型均處于增長(zhǎng)的趨勢(shì)。其中最為明顯的是城鄉(xiāng)工礦居住用地和耕地。城鄉(xiāng)工礦居住用地在10年間的增幅高達(dá)65%，各區(qū)(市、縣)的建成區(qū)面積受到社會(huì)經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)，呈現(xiàn)不同類(lèi)型不同速度的增長(zhǎng)擴(kuò)張趨勢(shì)；耕地在2005—2015年間共減少了 20 692.20 hm2，其中74%的耕地都轉(zhuǎn)化為了城鄉(xiāng)工礦居住用地，轉(zhuǎn)化主要集中在成都平原東北部地勢(shì)平坦、經(jīng)濟(jì)發(fā)展程度較高的區(qū)(市、縣)。

(2)本研究基于德陽(yáng)市的實(shí)際情況，在自然和社會(huì)經(jīng)濟(jì)2個(gè)方面選取了DEM、坡度、人均GDP、工業(yè)總產(chǎn)值等15個(gè)與區(qū)域土地變化密切相關(guān)的驅(qū)動(dòng)因子，運(yùn)用CLUE-S模型和Logistic回歸基于德陽(yáng)市2005年的土地利用數(shù)據(jù)對(duì)德陽(yáng)市2015年的土地利用空間分布格局進(jìn)行了模擬，經(jīng)Kappa指數(shù)檢驗(yàn)，模擬取得了良好的效果，表明CLUE-S模型對(duì)德陽(yáng)市具有較好的土地利用模擬能力。

(3)本研究在綜合考慮“歷史趨勢(shì)發(fā)展”“糧食安全保護(hù)”“生態(tài)安全保護(hù)”“經(jīng)濟(jì)優(yōu)先發(fā)展”4種不同土地利用變化基礎(chǔ)上，通過(guò)修正不同目標(biāo)情景下各地類(lèi)之間的轉(zhuǎn)移概率矩陣，對(duì)2025年德陽(yáng)市土地利用格局進(jìn)行了預(yù)測(cè)。模擬結(jié)果表明：在不同的情景模式下，研究區(qū)域土地利用變化的空間格局差異較大。在經(jīng)濟(jì)優(yōu)先發(fā)展情景下，城鄉(xiāng)工礦居住用地增加面積最為明顯；耕地在生態(tài)安全保護(hù)和糧食安全情景下減少幅度最??；在糧食安全情景下，由于減少了耕地向林地轉(zhuǎn)化的概率，因此林地減少的幅度最大，而林地在生態(tài)保護(hù)情景下減少的幅度最?。凰蚝筒莸卦?種情景下均呈現(xiàn)增長(zhǎng)的趨勢(shì)。另外可以看出，各情景下的城鄉(xiāng)工礦居住用地變化最為劇烈，主要集中在德陽(yáng)市的東北部平原地區(qū)，而受到地形因素限制的羅江縣和中江縣建成區(qū)面積擴(kuò)張相對(duì)于其他4個(gè)區(qū)(市、縣)的建成區(qū)面積擴(kuò)張呈現(xiàn)慢且小的特點(diǎn)；林地的變化主要集中在西北部山區(qū)和中部山區(qū)；草地的增長(zhǎng)主要集中在西北部山地區(qū)域；水域面積的增加主要集中在東南部的水庫(kù)區(qū)域。

影響土地利用空間格局分布的因素眾多，由于定量化和空間化技術(shù)還不完善，本研究對(duì)政策因素的考慮較少。而政策因素對(duì)于土地利用演化具有重要調(diào)控作用，因此在今后的研究中如何將政策因素進(jìn)行量化，以加強(qiáng)CLUE-S模型對(duì)區(qū)域土地利用空間格局變化模擬的精度將會(huì)是未來(lái)的一個(gè)重要的研究方向。另外，本研究雖然結(jié)合德陽(yáng)市未來(lái)土地利用變化的實(shí)際情況，設(shè)置了未來(lái)可能的4種情景模式，對(duì)德陽(yáng)市2025年土地利用空間格局變化進(jìn)行了預(yù)測(cè)，對(duì)未來(lái)城市土地利用規(guī)劃修編和城市規(guī)劃起到了重要的參考，但是情景預(yù)測(cè)結(jié)果帶有一定的人為主觀性，僅能反映某一特定條件下的可能情況，帶有不確定性。因此在今后的研究中，應(yīng)該在全面考慮區(qū)域土地開(kāi)發(fā)、管理和保護(hù)等政策對(duì)土地利用變化的影響基礎(chǔ)上，不斷加強(qiáng)相應(yīng)情景方案與實(shí)際情況的相關(guān)性，進(jìn)而減少人為的主觀性，增強(qiáng)模擬的實(shí)踐作用。