田潔玫， 陳 杰

(1.鄭州大學(xué)公共管理學(xué)院，鄭州 450001； 2.鄭州大學(xué)水利與環(huán)境學(xué)院，鄭州 450001)

0 引言

河南省是國家重要的糧食生產(chǎn)區(qū)，也肩負著實現(xiàn)耕地保護與農(nóng)業(yè)現(xiàn)代化的重擔，2008年的《國家糧食戰(zhàn)略工程河南核心區(qū)建設(shè)規(guī)劃綱要》中占河南省鶴壁市總面積約70%的?？h、淇縣2縣均位列在內(nèi)； 2012年出臺的《河南省人民政府關(guān)于建設(shè)高標準糧田的指導(dǎo)意見》中將鶴壁市作為典型示范區(qū)，這使得鶴壁市耕地受到政策保護。為了提升河南省的工業(yè)化、城鎮(zhèn)化水平，2011年出臺了《國務(wù)院關(guān)于支持河南省加快建設(shè)中原經(jīng)濟區(qū)的指導(dǎo)意見》。鶴壁市作為中原經(jīng)濟區(qū)“一核、四軸、兩帶”中“沿京廣發(fā)展軸”上的重要一環(huán)，承擔著北接京津、溝通南北產(chǎn)業(yè)和城鎮(zhèn)密集帶的重要作用。中原經(jīng)濟區(qū)建設(shè)中出現(xiàn)的建設(shè)用地擴張會不可避免的對耕地造成影響，如何在未來的土地利用中滿足保證糧食安全與實現(xiàn)中部崛起的雙重要求是目前的關(guān)注熱點。

鶴壁市作為高標準糧田區(qū)的代表，在1993—2013年間發(fā)生了多種土地利用類型變化，這些變化會對未來土地利用產(chǎn)生影響，不同的發(fā)展模式也必然會產(chǎn)生不同結(jié)果。國內(nèi)外學(xué)者對于土地利用變化模擬的研究主要是通過對土地利用格局、結(jié)構(gòu)及過程的概括而進行的[1-3]。土地利用模擬中常用的模型有土地利用轉(zhuǎn)化及其效應(yīng)模型(conversion of land use and its effects model，CLUE)、元胞自動機模型(cellular automata，CA)以及智能體模型(agent-based model，ABM)等。近年來CA模型的發(fā)展日益成熟，Clarke等提出CA改良模型進行土地利用變化模擬研究[4]，隨后又提出了主要運用于中等尺度的SLEUTH模型[5]； 張顯峰等建立了LESP模型，在虛擬環(huán)境下模擬土地利用變化情況[6]。元胞自動機-馬爾科夫模型(Cellular Automata Markov，CA-Markov)在CA原有模型基礎(chǔ)上增加了馬爾可夫鏈，可以提高預(yù)測模型結(jié)果的精確度，適用性與實用性較突出。

本文基于鶴壁市1993年、2003年和2013年3期遙感影像進行1993—2013年間土地利用動態(tài)變化分析，并將1993—2003年作為情景Ⅰ、2003—2013年作為情景Ⅱ，使用CA-Markov模型揭示了鶴壁市2023年土地利用的不同預(yù)測結(jié)果，以期為今后以耕地保護與經(jīng)濟建設(shè)為主題的高標準糧田區(qū)土地利用優(yōu)化配置以及各項利用規(guī)劃提供參考依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

鶴壁市位于河南省北部，處于E113°59′～114°44′，N35°26′～36°3′之間，是太行山東麓向華北平原的過渡地帶，地勢西高東低； 屬暖溫帶半濕潤型季風(fēng)氣候帶，適宜農(nóng)業(yè)種植，歷史上就是糧食盛產(chǎn)地，其糧食播種面積比重居全河南省第一，糧食單產(chǎn)和復(fù)種指數(shù)也高于其他地區(qū)，是河南省高標準糧田建設(shè)試點區(qū)[7]。近年來，鶴壁市城鎮(zhèn)人口增加迅猛，目前城鎮(zhèn)化率已高達52.8%，經(jīng)濟發(fā)展態(tài)勢良好。鶴壁市北距首都北京市475 km，南距省會鄭州市110 km，國家西氣東輸工程、南水北調(diào)工程傍城區(qū)而過。鶴壁市下轄2縣(淇縣、?？h)3區(qū)(淇濱區(qū)、山城區(qū)、鶴山區(qū))，位置如圖1所示。

圖1 鶴壁市位置示意圖Fig.1 Location map of Hebi City

1.2 數(shù)據(jù)來源及處理

鶴壁市中心所在經(jīng)緯度為(E114.17°，N35.9°)。采用Landsat5 TM,Landsat7 ETM+以及Landsat8 OLI-TIRS衛(wèi)星數(shù)據(jù)，條帶號為124/35，均來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站。使用ENVI 軟件對遙感數(shù)據(jù)進行了歸一化處理、假彩色合成、圖像配準、裁剪與增強。按照Anderson在1976年針對遙感調(diào)查數(shù)據(jù)確定的土地利用分類系統(tǒng)[8]，結(jié)合當?shù)貙崨r將研究區(qū)劃分為耕地、林地、建設(shè)用地、水域和未利用地5大類土地利用類型。采用非監(jiān)督分類與監(jiān)督分類相結(jié)合的方法，最終建立了研究區(qū)土地利用空間數(shù)據(jù)庫。經(jīng)過混淆矩陣檢驗，各地類的解譯精度均高于85%。利用ArcGIS軟件統(tǒng)計得出3個年份的地類面積(表1)。

表1鶴壁市3期土地利用類型面積

Tab.1LandusetypeareaofHebiCityin3years(km2)

其他數(shù)據(jù)包括： 地形地貌數(shù)據(jù)(鶴壁市30 m分辨率數(shù)字地形圖)、矢量數(shù)據(jù)(鶴壁市行政區(qū)劃圖、鶴壁市土地利用現(xiàn)狀圖)及其他統(tǒng)計年鑒數(shù)據(jù)(鶴壁市統(tǒng)計年鑒、中國國土資源公報、河南省統(tǒng)計年鑒、鶴壁市年鑒、鶴壁市土壤志和鶴壁市城市總體規(guī)劃等)。

2 研究方法

2.1 CA-Markov模型

CA-Markov模型在世界范圍內(nèi)被廣泛運用于土地利用/覆被變化(Land use/ cover change，LUCC)研究。陳龍泉通過對Markov-CA模型的研究，認為其模擬預(yù)測效果比單純Markov模型強[9]； 肖明等對該模型的運用也證明其可信度較高[10]； Adhikari等運用該模型對印度政策干預(yù)下LUCC進行了預(yù)測[11]； Kityuttachai也用該模型研究了泰國海濱城市的土地利用變化情況[12]。

本研究基于CA-Markov模型的鶴壁市土地利用情景模擬預(yù)測是在ArcGIS及IDRISI軟件中進行的。先對柵格數(shù)據(jù)進行100×100的重分類，將其轉(zhuǎn)為ASCII格式并導(dǎo)入IDRISI； 再使用IDRISI中的Markov模塊計算1993—2003年以及2003—2013年的轉(zhuǎn)移面積和與轉(zhuǎn)移概率矩陣； 考慮到MCE或Logistic法均存在較大的主觀性[13]，本研究采用Markov模塊自動生成的.rgf文件作為轉(zhuǎn)變適宜性圖像集，并在運算中采用5×5的CA濾波器，以10為CA循環(huán)次數(shù)的基數(shù)。

2.2 模型精度檢驗

對CA-Markov模型模擬預(yù)測的效果通常使用數(shù)量精度以及Kappa指數(shù)進行檢驗，數(shù)量精度的計算屬于全數(shù)檢驗方法，它可以檢驗到參與模擬的每個單元，具有較高的可信度。其方法是以預(yù)測圖與解譯圖的相交柵格數(shù)為被除數(shù)，以預(yù)測圖的模擬結(jié)果柵格數(shù)為除數(shù)，其數(shù)量精度值越大則表示模擬精度越高。Kappa指數(shù)在評價兩幅圖像一致性的研究中被廣泛應(yīng)用，其數(shù)值大小與模擬效果的好壞成正比： 當該系數(shù)在(0.8～1]區(qū)間時，則模擬效果最佳； 當該系數(shù)在(0.6～0.8]區(qū)間時，則模擬效果顯著； 在(0.4～0.6]區(qū)間時表示效果適中； 在(0～0.4]區(qū)間時則表示效果弱或很差[14-15]。

3 結(jié)果與分析

3.1 發(fā)展情景設(shè)定分析

根據(jù)中原經(jīng)濟區(qū)“三化”協(xié)調(diào)發(fā)展河南省協(xié)同創(chuàng)新中心對“三化”協(xié)調(diào)發(fā)展歷史過程的總結(jié)，可以將鶴壁市1993—2013年間分為2個發(fā)展階段，即1993—2003年和2003—2013年[16]

1993—2003年間，隨著1994年河南省貫徹農(nóng)村土地使用權(quán)流轉(zhuǎn)機制，推動農(nóng)業(yè)勞動力轉(zhuǎn)向非農(nóng)就業(yè)，在農(nóng)村實行適度規(guī)模經(jīng)營[17]，流轉(zhuǎn)后耕地破碎化程度減小，該時期鶴壁市耕地有所增加。隨著南巡講話和十四大會議召開，鶴壁市的總體發(fā)展與市場經(jīng)濟和改革開放趨勢相符，工業(yè)化成為其“抓住時機，發(fā)展自己”的重點，而鶴壁的電力工業(yè)基礎(chǔ)建設(shè)也成為鶴壁市工業(yè)化進程中的重中之重； 另一方面，1994年中原城市群戰(zhàn)略的提出，使得全河南省城鎮(zhèn)都積極聯(lián)體成片，鶴壁市處于重要的節(jié)點處，城鎮(zhèn)化建設(shè)更是突飛猛進。

2003—2013年間，2004年《關(guān)于推進農(nóng)業(yè)現(xiàn)代化建設(shè)的意見》中強調(diào)繼續(xù)推進農(nóng)村土地承包經(jīng)營權(quán)流轉(zhuǎn)，促進工業(yè)反哺農(nóng)業(yè)，農(nóng)業(yè)產(chǎn)業(yè)化發(fā)展。2008年河南省糧食生產(chǎn)核心區(qū)建設(shè)以及其后2012年的高標準糧田建設(shè)，都強調(diào)將糧食生產(chǎn)用地和糧食產(chǎn)量穩(wěn)定在一定水平。2003年后，河南省的工業(yè)化與城鎮(zhèn)化發(fā)展均進入高速增長時期。2006年鶴壁市成為河南省7個城鄉(xiāng)一體化試點，使得鶴壁市農(nóng)村基礎(chǔ)設(shè)施建設(shè)也不斷加強； 2012年中原經(jīng)濟區(qū)建設(shè)的啟動促使鶴壁市城市規(guī)模不斷擴大。工業(yè)化以重工業(yè)為主導(dǎo)，鶴壁市成為最大的鎂制品生產(chǎn)中心。

受到工業(yè)化、城鎮(zhèn)化、農(nóng)業(yè)現(xiàn)代化的各項影響，鶴壁市過去20 a間土地利用也會有不同特征，分別計算土地擴張速度、擴張強度以及動態(tài)度，即

(1)

(2)

(3)

式中：V為擴張速度；R為擴張強度；K為擴張動態(tài)度；U為某區(qū)域的地類面積；i為初期；j為末期；T為時間間隔；A為土地總面積。計算結(jié)果見表2。

表2 鶴壁市2個階段土地利用變化對比表Tab.2 Land use change phase comparison of Hebi City

從表2可見，1993—2003年間土地利用呈現(xiàn)建設(shè)用地擴張速度、強度以及擴張變化量均低于2003—2013年間，而耕地擴張速度、強度以及擴張變化量均高于2003—2013年間的情況。依據(jù)兩階段中鶴壁市土地利用的不同特征，可將這2個階段的土地利用模式分別作為不同的發(fā)展情景對未來進行模擬預(yù)測，并依據(jù)預(yù)測結(jié)果分析哪種情景更有利于高標準糧田區(qū)土地可持續(xù)利用。

3.2 2013年土地利用模擬預(yù)測

以2003年為預(yù)測起始年，以Markov模塊中生成的1993年土地利用類型轉(zhuǎn)變?yōu)?003年土地利用類型可能性的轉(zhuǎn)變適宜性圖像集為依據(jù)，間隔迭代設(shè)為10 a,對2013年的土地利用情況進行預(yù)測。通過CROSSTAB模塊可同時將模擬結(jié)果與解譯結(jié)果進行柵格差值運算，得到檢驗交叉表，并計算數(shù)量精度[18]，結(jié)果如表3。

表3 鶴壁市2013年預(yù)測結(jié)果模擬精度Tab.3 Simulation accuracy of Hebi City in 2013

分析可知，水域的數(shù)量精度為70.131%，Kappa指數(shù)為0.699，相對較低，但其模擬效果仍處于顯著狀態(tài)； 其他各地類及總體的數(shù)量精度均較高，且Kappa指數(shù)均高于0.81，這種高模擬精度的情況具有不變地類占比大而高估模型能力的可能性，但相關(guān)研究已表明該精度存在較高可信度。由此項檢驗可知，使用CA-Markov模型可以得出達到模擬效果的鶴壁市未來土地利用預(yù)測圖件和數(shù)據(jù)。

3.3 基于兩種發(fā)展情景的模擬預(yù)測

依據(jù)上文分析，可將1993—2003年的發(fā)展模式作為情景Ⅰ，以2003年作為起始年，1993—2003年的Markov轉(zhuǎn)移矩陣和適宜性圖像集，迭代間隔為20 a。同理，可將2003—2013年的發(fā)展模式作為情景Ⅱ，使用2013年作為起始期，2003—2013年的Markov轉(zhuǎn)移矩陣和適宜性圖像集，迭代間隔10 a。2種發(fā)展情景可分別模擬出鶴壁市2023年的土地利用圖，如圖2所示。

(a) 情景Ⅰ (b) 情景Ⅱ

圖2兩種發(fā)展情景下模擬的2023年鶴壁市土地利用圖

Fig.2LandusemapofHebiCityin2023undertwoscenariosofdevelopment

3.3.1 預(yù)測結(jié)果的數(shù)量變化比較分析

將模擬結(jié)果導(dǎo)入ArcGIS軟件，統(tǒng)計計算得出鶴壁市2023年2種情景模式下的土地利用類型面積，結(jié)果匯總見表4。

表4 鶴壁市2023年土地利用類型面積及比例匯總表Tab.4 Land use type area and proportion of Hebi City in 2023

由表4可知，總體上鶴壁市的耕地仍屬于主導(dǎo)地類，2種情景下2023年耕地面積比例均超過55%，這是鶴壁市作為高標準糧田示范區(qū)的優(yōu)勢所在。情景Ⅰ中的耕地面積比例明顯高于情景Ⅱ，說明情景Ⅰ中以耕地保護為主，然而情景Ⅰ中耕地面積比情景Ⅱ多54.180 km2，情景Ⅱ的建設(shè)用地卻比情景Ⅰ多108.689 km2，大量增加的建設(shè)用地是中原經(jīng)濟區(qū)建設(shè)的必然結(jié)果，這說明情景Ⅱ在少量占用耕地的情況下，建設(shè)用地發(fā)展迅猛，且以對未利用地的開發(fā)為主(情景Ⅰ的未利用地持有面積是情景Ⅱ的兩倍)，這一情況符合中原經(jīng)濟區(qū)建設(shè)及工業(yè)化發(fā)展的普遍要求。對于林地和水域而言，情景Ⅱ的各項所占面積均高于情景Ⅰ，說明基于情景Ⅱ的發(fā)展模式下鶴壁市未來林地及水域用地持續(xù)增加，這符合鶴壁市盤石頭水庫建設(shè)的實際情況，也符合目前政府提倡“綠色化”發(fā)展的生態(tài)及環(huán)境保護立場[19]。

3.3.2 預(yù)測結(jié)果的空間變化比較分析

將2種情景下的2023年鶴壁市土地利用圖與各自的初始土地利用圖(2003年、2013年)使用Image Calculator模塊進行處理，以模擬圖像為被減數(shù)，以初始圖像為減數(shù)，得到2種情景模式下的2023年鶴壁市土地利用空間發(fā)展比較圖，如圖3所示。圖呈增加中數(shù)字為正的區(qū)域表明模擬圖像在初始圖像基礎(chǔ)上趨勢。

(a) 情景Ⅰ (b) 情景Ⅱ

圖32023年鶴壁市土地利用空間發(fā)展比較圖

Fig.3ComparisonoflandusespatialdevelopmentofHebiCityin2023

情景Ⅰ中2023年鶴壁市土地利用增加的部位集中在圖件的北部，且以西北部為主； 從細節(jié)上看，建設(shè)用地主要圍繞著淇濱區(qū)、山城區(qū)以及?？h主城區(qū)進行外擴； 未利用地也有西擴趨勢，符合鶴壁市西部山區(qū)環(huán)境保護的要求。情景Ⅱ中2023年鶴壁市土地利用增加部分較之情景Ⅰ更為全方位，增加部分以西部為主，兼顧東部； 且圍繞著淇濱區(qū)(鶴壁市區(qū))與淇縣練成一片中央核心區(qū)，西北部的山城區(qū)與鶴山區(qū)也逐步形成一體，與東部淇縣照相呼應(yīng)。

依據(jù)《鶴壁市城市總體規(guī)劃(2007—2020)》，鶴壁市未來城市發(fā)展空間結(jié)構(gòu)以淇濱區(qū)為中心，以山城區(qū)、淇縣縣城、?？h縣城為次中心，依托快速路和區(qū)域主干公路，構(gòu)建“一軸、三區(qū)、四級”的市域城鎮(zhèn)空間結(jié)構(gòu)，并逐漸從“一心(淇濱區(qū))三星(山城區(qū)、淇縣、?？h)”向 “一核(鶴淇一體化)雙星(山城鶴山一體化、?？h)”過渡。由此可見，情景Ⅱ的空間變化態(tài)勢更符合鶴壁市的城市總體規(guī)劃。

3.3.3 預(yù)測結(jié)果的景觀格局比較分析

在Patch Grid擴展模塊中將2種情景下的2023年鶴壁市土地利用圖進行處理，研究2種情景模式下的2023年鶴壁市土地利用的景觀格局情況。使用的景觀指數(shù)有： ①面積加權(quán)的平均形狀因子(area weighted mean shape index，AWMSI)反映景觀中各斑塊的變異性，其數(shù)值隨著斑塊形狀不規(guī)則程度的增加而增大； ②香農(nóng)多樣性指數(shù)(Shannon’s diversity index，SHDI),反映景觀復(fù)雜性和變異性，其值越小破碎度越低； ③香農(nóng)均度指數(shù)(Shannon’s evenness index，SHEI),反映分布均勻程度，數(shù)值在0～1之間，趨于0是說明景觀優(yōu)勢性明顯； ④平均斑塊大小(mean patch size，MPS)與斑塊個數(shù)(number of patches，NUMP)組合可反映景觀空間格局[20]。結(jié)果見表5。

表5 鶴壁市2023年土地利用類型景觀指數(shù)表Tab.5 Landscape index of land use type of Hebi city in 2023

由表5可知，就AWMSI指標而言，情景Ⅱ<情景Ⅰ，說明情景Ⅱ中的斑塊形狀更加規(guī)則。SHDI與SHEI指標數(shù)值均很小，說明2種情景下2023年鶴壁市的土地利用景觀破碎度均呈現(xiàn)較低狀態(tài)，景觀分布均勻并且優(yōu)勢性明顯。但從MPS與NUMP指標的數(shù)值可以看出，相比而言情景Ⅰ下2023年的斑塊尺寸略小，而斑塊個數(shù)偏多，這說明情景Ⅱ的斑塊集聚度高且內(nèi)部連續(xù)性強。

4 結(jié)論

1)鶴壁市作為高標準糧田示范區(qū)，其未來土地利用應(yīng)符合河南省實現(xiàn)“三化”(即工業(yè)化、城鎮(zhèn)化與農(nóng)業(yè)現(xiàn)代化)的協(xié)調(diào)發(fā)展戰(zhàn)略。按照情景Ⅱ模式進行土地利用規(guī)劃和建設(shè)可以在建設(shè)用地滿足工業(yè)化與城鎮(zhèn)化的基礎(chǔ)上，使得耕地持續(xù)集聚并不斷滿足農(nóng)業(yè)現(xiàn)代化要求，最終實現(xiàn)高標準糧田建設(shè)目標。

2)綠色可持續(xù)化是未來高標準糧田建設(shè)的內(nèi)在目標，發(fā)展應(yīng)堅持走“不以犧牲農(nóng)業(yè)和糧食、生態(tài)和環(huán)境為代價”的道路。按照情景Ⅱ模式未來林地及水域用地面積增加，更加符合目前綠色化發(fā)展要求。

3)使用數(shù)量精度及Kappa指數(shù)對CA-Markov模型的模擬精度進行測算是目前的常用方法。鶴壁市處于高標準糧田建設(shè)區(qū)，受自身土地稟賦、耕地保護政策以及政府規(guī)劃的影響，地類變動并不十分劇烈。這種不變地類占比大的現(xiàn)象存在著高估模型能力的可能性，因此該問題今后可在具有不同特點的其他區(qū)域作進一步的分析研究。

[1] Parker D C,Manson S M,Janssen M A,et al.Multi-agent systems for the simulation of land-use and land-cover change:A review[J].Annals of the Association of American Geographers,2003,93(2):314-337.

[2] 陳江龍,曲福田,王啟仿.經(jīng)濟發(fā)達地區(qū)土地利用結(jié)構(gòu)變化預(yù)測——以江蘇省江陰市為例[J].長江流域資源與環(huán)境,2003,12(4):317-321.

Chen J L,Qu F T,Wang Q F.Forecast of land structure transition in developed area:A case study in Jiangyin City,Jiangsu Province[J].Resources and Environment in the Yangtze Basin,2003,12(4):317-321.

[3] 席冬梅.基于遙感和GIS的內(nèi)蒙古中西部土地利用動態(tài)變化與驅(qū)動力分析[D].呼和浩特:內(nèi)蒙古師范大學(xué),2007.

Xi D M.Dynamic Changes and Driving Force Analysis of Land Use in Mid-Western Parts of Inner Mongolia based on Remote Sensing and GIS[D].Hohhot:Inner Mongolia Normal University,2007.

[4] Clarke K C,Hoppen S,Gaydos L.A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area[J].Environment and Planning B:Urban Analytics and City Science,1997,24(2):247-261.

[5] Clarke K C,Gaydos L J.Loose-coupling a cellular automaton model and GIS:Long-term urban growth prediction for San Francisco and Washington/Baltimore[J].International Journal of Geographical Information Science,1998,12(7):699-714.

[6] 張顯峰,崔偉宏.集成GIS和細胞自動機模型進行地理時空過程模擬與預(yù)測的新方法[J].測繪學(xué)報,2001,30(2):148-155.

Zhang X F,Cui W H.Integrating GIS with cellular automaton model to establish a new approach for spatio-temporal process simulation and prediction[J].Acta Geodaetica et Cartographica Sinica,2001,30(2):148-155.

[7] 榮 穎.基于耕地壓力指數(shù)的河南省耕地保護與城市化發(fā)展研究[D].鄭州:河南農(nóng)業(yè)大學(xué),2014.

Rong Y.A Study on Cultivated Land Protection and Urbanization based on Pressure Index in Henan Province[D].Zhengzhou:Henan Agricultural University,2014.

[8] Anderson J R,Hardy E E,Roach J T,et al.A Land Use and Land Cover Classification System for Use with Remote Sensor Data,Geological Survey Professional Paper 964[M].Washington:United States Government Printing Office,1976.

[9] 陳龍泉,鄭海金.基于Markov-CA的土地利用/土地覆蓋變化動態(tài)模型研究[J].測繪信息與工程,2004,29(1):36-38.

Chen L Q,Zheng H J.Dynamic models of land use/land cover changes based on MARKOV-CA[J].Journal of Geomatics,2004,29(1):36-38.

[10] 肖 明,吳季秋,陳秋波,等.基于CA-Markov模型的昌化江流域土地利用動態(tài)變化[J].農(nóng)業(yè)工程學(xué)報,2012,28(10):231-238.

Xiao M,Wu J Q,Chen Q B,et al.Dynamic change of land use in Changhua downstream watershed based on CA-Markov model[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(10):231-238.

[11] Adhikari S,Southworth J.Simulating forest cover changes of Bannerghatta National Park based on a CA-Markov model:A remote sensing approach[J].Remote Sensing,2012,4(10):3215-3243.

[12] Kityuttachai K,Tripathi N K,Tipdecho T,et al.CA-Markov analysis of constrained coastal urban growth modeling:Hua Hin Seaside City,Thailand[J].Sustainability,2013,5(4):1480-1500.

[13] 孟 成,盧新海,彭明君,等.基于Markov-C 5.0的CA城市用地布局模擬預(yù)測方法[J].中國土地科學(xué),2015,29(6):82-88.

Meng C,Lu X H,Peng M J,et al.A land layout simulation model based on CA and Markov-C 5.0 classification[J].China Land Sciences,2015,29(6):82-88.

[14] 李 麗,劉普幸,姚玉龍.近28年金昌市土地利用動態(tài)變化及模擬預(yù)測[J].生態(tài)學(xué)雜志,2015,34(4):1097-1104.

Li L,Liu P X,Yao Y L.Land-use dynamic change of Jinchang City in the last 28 years and simulation prediction[J].Chinese Journal of Ecology,2015,34(4):1097-1104.

[15] 施云霞,王范霞,毋兆鵬.基于CLUE_S模型的精河流域綠洲土地利用空間格局多情景模擬[J].國土資源遙感,2016,28(2):154-160.doi:10.6046/gtzyyg.2016.02.24.

Shi Y X,Wang F X,Wu Z P.Multi-simulation of spatial distribution of land use based on CLUE_S in Jinhe Watershed[J].Remote Sensing for Land and Resources,2016,28(2):154-160.doi:10.6046/gtzyyg.2016.02.24.

[16] 河南省社會科學(xué)院課題組.河南省“三化”協(xié)調(diào)發(fā)展的歷程、成就與經(jīng)驗[J].經(jīng)濟研究參考,2012(49):35-59.

Research Group of Henan Provincial Academy of Social Sciences.The course, achievement and experience of the coordinated development of urbanization,industrialization and agricultural modernization in Henan Province[J].Review of Economic Research,2012(49):35-59.

[17] 田潔玫.基于現(xiàn)代農(nóng)業(yè)發(fā)展的北疆棉區(qū)農(nóng)地流轉(zhuǎn)規(guī)模效益研究——以瑪納斯縣為例[D].烏魯木齊:新疆農(nóng)業(yè)大學(xué),2013.

Tian J M.Study on the Agricultural Land Reform Efficiency of Cotton Region in North Xinjiang based on Modern Agricultural Development:A Case Study of Manasi Country[D].Urumqi:Xinjiang Agricultural University,2013.

[18] 崔敬濤.基于Logistic-CA-Markov模型的臨沂市土地利用變化模擬預(yù)測研究[D].南京:南京大學(xué),2014.

Cui J T.Simulation and Prediction of Land Use Change in Linyi City based on Logistic-CA-Markov Model[D].Nanjing:Nanjing University,2014.

[19] 田潔玫,任 彧,陳 杰.“五化”視角下鶴壁市土地利用動態(tài)變化研究[J].中國農(nóng)業(yè)資源與區(qū)劃,2016,37(4):228-236.

Tian J M,Ren Y,Chen J.Study on dynamic changes of land use in Hebi City based on development of five modernizations[J].Chinese Journal of Agricultural Resources and Regional Planning,2016,37(4):228-236.

[20] 鄔建國.景觀生態(tài)學(xué)——格局、過程、尺度與等級[M].北京:高等教育出版社,2000.

Wu J G.Landscape Ecology:Pattern,Process,Scale and Hierarchy[M].Beijing:Higher Education Press,2000.