王宇航，于 強，岳德鵬，張啟斌，馬 歡

(北京林業(yè)大學精準林業(yè)北京市重點實驗室,100083,北京)

城市化進程在我國過去的20年里是最大的社會經濟空間運動,在未來的20年里也將受到重點關注[1]。城市化推動社會經濟的發(fā)展,與此同時帶來的生態(tài)問題也不容忽視,平衡經濟發(fā)展和生態(tài)保護這兩者的關系,成為我國全面發(fā)展的重大挑戰(zhàn)[2]。隨著國家政策的實施,大中城市城市化發(fā)展迅速,受到較多專家學者關注,但對于縣域尺度城鎮(zhèn)化問題的研究并不多見[3]。近些年來,縣域城市化發(fā)展也是突飛猛進,城鎮(zhèn)用地擴張帶動當地經濟發(fā)展,對當地的生態(tài)環(huán)境也產生了一定影響,故探索縣域城鎮(zhèn)化的形成機制,對于確立縣域城鎮(zhèn)化的發(fā)展戰(zhàn)略、因地制宜地引導城鎮(zhèn)化的地域模式和用地政策提供參考依據[4]。

近年來,元胞自動機(cellular automata,CA)被廣泛應用于地理空間模擬研究,與Markov、多智能體、Logistic回歸等多種模型進行結合用以提高模擬精度[5],其中以 CA-Markov模型研究較為熱點。CA-Markov模型既具有CA模型模擬復雜系統(tǒng)空間變化的能力,也具有 Markov模型長期預測的優(yōu)勢[6],且仍然不斷被改進。李俊等[7]通過Logistic改進CA-Markov模型對寧蒙沿黃地帶城鎮(zhèn)用地進行擴展驅動力分析和情景模擬,張曉娟等[8]基于多標準評價(multi-criterium evaluation,MCE)改進CAMarkov模型對三峽庫區(qū)土地利用演變進行模擬預測,均取得較好結果。作者綜合前人研究,引入地理探測器(GeoDetector,GD)和支持向量機(Support Vector Machines,SVM)2種方法,從原理上對CA模型進行改進,并結合Markov模型實現模擬預測。地理探測器在分析土地利用變化與驅動因子關系方面具有較大優(yōu)勢[9],用以CA模型土地利用適宜性參數的設置；支持向量機在特征提取和目標識別方面具有廣泛的應用[10],用來確定CA模型非線性轉換規(guī)則；由此建立GD_SVM_CA-Markov模型。

研究區(qū)內蒙古磴口縣是典型的干旱半干旱區(qū)域,沙漠化問題顯著,生態(tài)環(huán)境保護與治理亟需解決[11],且處在城鎮(zhèn)化的進程當中,平衡好當地建設用地、沙漠化土地以及綠色生態(tài)用地這3類用地景觀顯得尤為重要。筆者基于GD_SVM_CA-Markov模型對磴口縣從時間和空間2個維度對其用地景觀動態(tài)分布變化進行分析,探究其變化規(guī)律,并進行模擬預測,從而希望能為當地城鎮(zhèn)發(fā)展規(guī)劃、沙漠化治理以及生態(tài)環(huán)境保護提供一定的決策參考。

1 研究區(qū)概況

磴口縣地處中國西北(E107°05′,N40°13′),位于內蒙古河套平原源頭,黃河中上游,靠狼山山脈,西鄰烏蘭布和沙漠,如圖1所示。磴口縣屬中溫帶大陸性季風氣候,氣候干旱少雨,區(qū)域蒸發(fā)量大,水資源較為短缺,土地沙漠化嚴重。多年平均降水143.9 mm,多年平均蒸發(fā)量2 327 mm,多年平均氣溫7.6℃。黃河流經磴口縣52 km,年徑流量310億m3,共有水域面積2 406.67 hm2。境內海拔1 030～2 046 m,整個地形除山區(qū)外,呈東南高西北低,逐漸傾斜[12]。

圖1 磴口縣區(qū)位圖Fig.1 Location map of Dengkou county

2 材料與方法

2.1 數據來源與處理

本研究所用原始數據主要包括磴口縣2006年、2011和2016年Landsat TM/ETM+/OLI分辨率為30 m的遙感影像、磴口縣分辨率為30 m的DEM數據以及自然、社會經濟統(tǒng)計數據等。對原始數據進行處理后可分為土地利用數據和驅動因子數據2類。利用ENVI和ArcGIS軟件對3期的遙感影像進行監(jiān)督分類和人工目視解譯,根據研究區(qū)特點,分為建設用地、水域、耕地、林草地、沙地、未利用地6類,分類精度達到了85.6%。驅動因子數據一部分來自于磴口縣相關水利部門的測點數據以及磴口縣各年社會經濟統(tǒng)計年鑒,一部分是通過在ArcGIS、ENVI軟件中分析處理得到,可分為自然驅動因子數據、社會經濟驅動因子數據和鄰域驅動因子數據3類,共10種。

2.2 GD_SVM_CA-Markov模型景觀格局模擬

基于GD_SVM_CA-Markov模型對研究區(qū)景觀格局變化進行模擬,具體的過程如下:

1)適宜性圖集的創(chuàng)建。將土地景觀類型發(fā)生變化的區(qū)域設置為1,土地景觀類型未發(fā)生變化的區(qū)域設置為0,選取DEM、坡度、坡向、NDVI、地下水埋深、蒸散發(fā)、人口密度、距水域最近距離、距居民點最近距離、距道路最近距離共10個驅動因子,將土地景觀類型變化值(1或0)與10個驅動因子通過地理探測器(GeoDetector,GD)在GeoDetector程序中進行因子探測分析,地理探測器因子探測的原理[9]為

式中:PD,H為驅動因素解釋力；D為地理要素指標變化的驅動因子；n與分別為研究區(qū)域整體樣本量與方差；H為某種因子的分類數；為D指標在i類上樣本數。取值區(qū)間為[0,1],其數值越大則表明該因子對地理要素指標變化解釋能力越強[13]。

得到的結果作為接下來CA轉化規(guī)則的參數,并結合IDRISI軟件提供的MCE模塊完成土地利用適宜性圖集創(chuàng)建。

2)定義元胞、狀態(tài)、鄰域和轉化規(guī)則。筆者利用支持向量機(SVM)制定分類決策[14],利用非線性的轉換規(guī)則來反映土地景觀格局系統(tǒng)復雜的特征[15],轉化規(guī)則的非線性不確定性定義主要由支持向量機的設計與開發(fā)、訓練數據的采樣、模型檢驗等組成,將CA模型與支持向量機(SVM)分類的土地景觀格局發(fā)展概率結合,通過計算得出各區(qū)域空間變量對每個元胞的土地景觀格局發(fā)展概率的貢獻。以CA標準的5×5鄰近濾波器為鄰域定義,即每個中心元胞周圍有5×5元胞組成的矩陣空間對該元胞狀態(tài)的改變具有顯著的影響[16]。

3)Markov過程。基于2006年和2011年2期的土地景觀數據,應用Markov模型生成土地利用轉移(概率)矩陣[17],作為接下來模擬的各土地景觀數量需求。

4)實現模擬。以2011年作為模擬的起始時刻,加入適宜性圖集,利用已訓練好的SVM模型,結合經過Markov過程的2006—2011年土地利用轉移矩陣以及轉移概率矩陣,CA的迭代次數設置為10,對研究區(qū)土地景觀格局發(fā)展趨勢進行外推,實現2016年研究區(qū)土地景觀空間格局預測模擬[18]。

5)精度驗證。為了檢驗GD_SVM_CA-Markov模型模擬2016年不同土地景觀類型面積和空間分布格局結果的合理性,筆者運用IDRISI軟件中的Crosstab模塊,引入各類景觀的Kappa系數[19],將2016年的土地景觀模擬結果與實際情況進行比較。

3 結果與分析

3.1 土地景觀數量變化分析

如表1所示,2006—2016年間,由于城鎮(zhèn)擴張,磴口縣建設用地景觀面積呈現持續(xù)增加的趨勢,且2011—2016年間增加幅度更大；沙地景觀面積呈現持續(xù)減少趨勢,可見當地沙漠化治理取得一定成效,但在2011—2016年間,沙地面積減少速率放緩,沙漠化治理仍需加大力度；耕地景觀面積呈現持續(xù)增加的趨勢,未利用地景觀面積呈現持續(xù)減少的趨勢；受到城鎮(zhèn)擴張的影響,水域、林草地等生態(tài)用地景觀面積呈現前期增加緩慢、后期減少的趨勢,城鎮(zhèn)發(fā)展的同時,應注意生態(tài)環(huán)境保護,退耕還林(草)等生態(tài)保護工程仍需抓緊。

表1 2006—2016年不同土地景觀類型面積變化Tab.1 Area changes of different landscape types from 2006—2016 hm2

3.2 Markov土地利用轉移分析

如表2、表3所示,2006—2011年間,土地利用轉移過程主要發(fā)生在建設用地—耕地、水域—耕地、沙地—林草地之間的轉化。就建設用地而言,有15.64%的概率轉化為耕地；就水域而言,有11.56%的概率轉化為耕地；就沙地而言,有18.37%的概率轉化為林草地。建設用地―沙地、水域—沙地、未利用地—沙地以及沙地—建設用地之間基本上未發(fā)生轉化。

表2 2006—2011年土地利用轉移矩陣Tab.2 Land use transfer matrix from 2006 to 2011 hm2

表3 2006—2011年土地利用轉移概率矩陣Tab.3 Land use transfer probability matrix from 2006 to 2011

3.3 土地景觀時空變化驅動力分析

將研究區(qū)土地景觀類型變化值及10種驅動因子帶入GeoDetector程序進行分析計算,得到如表4所示的結果,可知,P值為驅動因子對土地景觀類型變化的解釋程度,P值大小與解釋程度強弱成正比。10種驅動因子對磴口縣土地景觀類型變化影響程度的大小依次是:地下水埋深、NDVI、蒸散發(fā)、人口密度、距居民點最近距離、距水域最近距離、DEM、距道路最近距離、坡向、坡度,其中地下水埋深、NDVI以及蒸散發(fā)對磴口縣土地景觀類型變化的解釋力極強。由此可見,水文條件、植被覆蓋以及人口要素是決定當地土地景觀類型時空變化的決定性因素。

表4 驅動因子地理探測結果Tab.4 GeoDetector results of driving factors

3.4 模擬結果及精度檢驗

圖2 磴口縣土地景觀解譯數據與模擬結果Fig.2 Landscape interpretation data and simulation results in Dengkou county

為了驗證模型的精度,本研究與傳統(tǒng)CA-Markov模型的模擬結果進行精度比較,來說明GD_SVM_CAMarkov模型的優(yōu)勢性。2016年真實解譯圖、2016年GD_SVM_CA-Markov模擬圖、2016年CA-Markov模擬圖如圖2所示。經計算(表5),2016年CA-Markov模型模擬結果的Kappa系數為0.862 8,2016年GD_SVM_CA-Markov模型模擬結果的Kappa系數為0.925 0,總體模擬精度均較高,但GD_SVM_CAMarkov模型模擬精度更高。因此,利用GD_SVM_CA-Markov模型對磴口縣土地景觀空間分布格局進行模擬預測,模擬精度較高,結果可靠。

表5 模型精度對比Tab.5 Model accuracy comparison

3.5 模型應用

基于2016年磴口縣土地利用數據以及2011—2016年土地利用轉移數據,應用 GD_SVM_CAMarkov模型,對2021年土地景觀空間分布格局進行模擬預測,模擬結果如圖3所示,可以直觀看出,建設用地景觀和沙地景觀面積增多,水域、林草地等生態(tài)用地景觀面積減少。在ArcGIS軟件中進行面積統(tǒng)計分析后可知,建設用地景觀面積由2016年的8 952.67 hm2增加為1萬1 619.21 hm2,沙地景觀面積由2016年的5萬6 460.50 hm2增加為6萬7235.11 hm2,水域、林草地等生態(tài)用地景觀面積由2016年的15萬2799.97 hm2減少為14萬3670.04 hm2。北部以及東北部的部分村鎮(zhèn)出現大量城鎮(zhèn)擴張,那仁布魯格嘎查西南部以及沙拉毛道嘎查西部出現沙漠化擴張現象,對于磴口縣而言,在城鎮(zhèn)發(fā)展的同時,采取沙漠化治理以及生態(tài)環(huán)境保護措施刻不容緩。

圖3 基于GD_SVM_CA-Markov模型的2021年磴口縣土地景觀格局模擬結果Fig.3 Simulated landscape pattern in Dengkou county in 2021 based on GD_SVM_CA-Markov model

4 結論及討論

2006—2016年間,磴口縣建設用地景觀面積呈現持續(xù)增加的趨勢,受到城鎮(zhèn)擴張的影響,當地水域、林草地等生態(tài)用地景觀面積呈現前期增加緩慢、后期減少的趨勢,沙地景觀面積呈現持續(xù)減少趨勢,可見當地沙漠化治理取得一定成效。水文條件、植被覆蓋以及人口要素是決定當地土地景觀類型時空變化的決定性因素。故城鎮(zhèn)發(fā)展的同時,應注意生態(tài)環(huán)境保護,退耕還林(草)等生態(tài)保護工程仍需抓緊。

2016年CA-Markov模型模擬結果的Kappa系數為0.862 8,2016年GD_SVM_CA-Markov模型模擬結果的Kappa系數為0.925 0,總體模擬精度均較高,但總體上GD_SVM_CA-Markov模型模擬精度更高。因此,利用GD_SVM_CA-Markov模型對磴口縣土地景觀空間分布格局進行模擬預測,模擬精度較高,結果可靠。

本研究中,模擬預測的過程統(tǒng)一采用了30 m×30 m大小的柵格尺寸,濾波器大小設置為5×5,對于尺度的考慮不足,未來會針對不同元胞大小和濾波器大小進行模擬預測的研究,探究最適合的元胞大小和濾波器大小,以期達到更高的模擬精度和結果。社會經濟要素對于土地利用變化具有一定影響,本研究對于社會經濟要素涉及不多,未來會更多地參考地區(qū)相關的社會經濟政策。另外,接下來也會就當下熱點的多情景模擬問題繼續(xù)深入研究,通過設定一定情景,來定義元胞的轉化規(guī)則,實現多情景模擬,提高研究的豐富性、全面性。

5 參考文獻

[1] 廖李紅,戴文遠,陳娟,等.平潭島快速城市化進程中三生空間沖突分析[J].資源科學,2017,39(10):1823.LIAO Lihong,DAI Wenyuan,CHEN Juan,et al.Spatial conflict between ecological-production-living spaces on Pingtan Island during rapid urbanization[J].Resources Science,2017,39(10):1823.

[2] 喬琨,朱文泉,胡德勇,等.北京市不同功能區(qū)不透水地表時空變化差異[J].地理學報,2017,72(11):2018.QIAO Kun,ZHU Wenquan,HU Deyong,et al.Examining the distribution and dynamics of impervious surface in different functional zones of Beijing[J].Acta Geographica Sinica,2017,72(11):2018.

[3] 鄭慧,賈珊,趙昕.新型城鎮(zhèn)化背景下中國區(qū)域生態(tài)效率分析[J].資源科學,2017,39(7):1314.ZHENG Hui,JIA Shan,ZHAO Xin.An analysis of regional eco-efficiency in China under the background of new-type urbanization[J].Resources Science,2017,39(7):1314.

[4] 王新越,劉二戀,候娟娟.山東省旅游城鎮(zhèn)化響應的時空分異特征與類型研究[J].地理科學,2017,37(7):1087.WANG Xinyue,LIU Erlian,HOU Juanjuan.Characteristics and types of spatial-temporal differentiation of tourism urbanization response in Shandong province[J].Scientia Geographica Sinica,2017,37(7):1087.

[5] 李志,劉文兆,鄭粉莉.基于CA-Markov模型的黃土塬區(qū)黑河流域土地利用變化[J].農業(yè)工程學報,2010,26(1):346.LI Zhi,LIU Wenzhao,ZHENG Fenli.Land use change in Heihe catchment on loess tableland based on CA-Markov model[J].Transactions of the CSAE,2010,26(1):346.

[6] 王友生,余新曉,賀康寧,等.基于CA-Markov模型的藉河流域土地利用變化動態(tài)模擬[J].農業(yè)工程學報,2011,27(12):330.WANG Yousheng,YU Xinxiao,HE Kangning,et al.Dynamic simulation of land use change in Jihe watershed based on CA-Markov model[J].Transactions of the CSAE,2011,27(12):330.

[7] 李俊,董鎖成,李宇,等.寧蒙沿黃地帶城鎮(zhèn)用地擴展驅動力分析與情景模擬[J].自然資源學報,2015,30(9):1472.LI Jun,DONG Suocheng,LI Yu,et al.Driving force analysis and scenario simulation of urban land expansion in Ningxia-Inner Mongolia area along the Yellow River[J].Journal of Natural Resources,2015,30(9):1472.

[8] 張曉娟,周啟剛,王兆林,等.基于MCE_CA-Markov的三峽庫區(qū)土地利用演變模擬及預測[J].農業(yè)工程學報,2017,33(19):268.ZHANG Xiaojuan,ZHOU Qigang,WANG Zhaolin,et al.Simulation and prediction of land use change in Three Gorges Reservoir Area based on MCE_CA-Markov[J].Transactions of the CSAE,2017,33(19):268.

[9] 王勁峰,徐成東.地理探測器:原理與展望[J].地理學報,2017,72(1):116.WANG Jinfeng,XU Chengdong.Geodetector:Principle and prospective[J].Acta Geographica Sinica,2017,72(1):116.

[10] 張?zhí)m影,龐博,徐宗學,等.基于支持向量機的石羊河流域徑流模擬適用性評價[J].干旱區(qū)資源與環(huán)境,2013,07:113.ZHANG Lanying,PANG Bo,XU Zongxue,et al.Assessment on the applicability of support vector machinebased models for runoff simulation in Shiyang river basin[J].Journal of Arid Land Resources and Environment,2013,07:113.

[11] 馬歡,于強,岳德鵬,等.基于MAS-LCM的沙漠化空間模擬方法研究[J].農業(yè)機械學報,2017,48(10):134.MA Huan,YU Qiang,YUE Depeng,et al.Spatial simulation method of desertification based on MAS-LCM model[J].Transactions of the Chinese Society for Agricultural Machinery,2017,48(10):134.

[12] YU Q,YUE D P,WANG J P,et al.The optimization of urban ecological infrastructure network based on the changes of county landscape patterns:A typical case study of ecological fragile zone located at Dengkou(Inner Mongolia)[J].Journal of Cleaner Production,2017,163,S54.

[13] 周亮,周成虎,楊帆,等.2000—2011年中國PM2.5時空演化特征及驅動因素解析[J].地理學報,2017,72(11):2079.ZHOU Liang,ZHOU Chenghu,YANG Fan,et al.Spatio-temporal evolution and the influencing factors of PM2.5 in China between 2000 and 2011[J].Acta Geographica Sinica,2017,72(11):2079.

[14] 林志壘,晏路明.高光譜影像的BDT-SVM地物分類算法與應用[J].遙感技術與應用,2016,31(1):177.LIN Zhilei,YAN Luming.The object classification algorithm and application for hyperspectral imagery based on BDT_SVM[J].Remote Sensing Technology and Application,2016,31(1):177.

[15] 宋榮杰,寧紀鋒,劉秀英,等.基于紋理特征和SVM的QuickBird影像蘋果園提取[J].農業(yè)機械學報,2017,48(3):188.SONG Rongjie,NING Jifeng,LIU Xiuying,et al.Ap-ple orchard extraction with quickbird imagery based on texture features and support vector machine[J].Transactions of the Chinese Society for Agricultural Machinery,2017,48(3):188.

[16] 陳寶芬,張耀民,江東.基于CA-ABM模型的福州城市用地擴張研究[J].地理科學進展,2017,36(5):626.CHEN Baofen,ZHANG Yaomin,JIANG Dong.Urban land expansion in Fuzhou City based on coupled cellular automata and agent-based models(CA-ABM)[J].Progress in Geography,2017,36(5):626.

[17] 何丹,周璟,高偉,等.基于CA-Markov模型的滇池流域土地利用變化動態(tài)模擬研究[J].北京大學學報(自然科學版),2014,50(6):1095.HE Dan,ZHOU Jing,GAO Wei,et al.An integrated CA-Markov model for dynamic simulation of land use change in Lake Dianchi watershed[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2014,50(6):1095.

[19] 布仁倉,常禹,胡遠滿,等.基于Kappa系數的景觀變化測度:以遼寧省中部城市群為例[J].生態(tài)學報,2005,25(4):778.BU Rencang,CHANG Yu,HU Yuanman,et al.Measuring spatial information changes using Kappa coefficients:A case study of the city groups in central Liaoning province[J].Acta Ecologica Sinica,2005,25(4):778.