齊 笑，陳 誠，何夢男，張 勁

（1.南京水利科學研究院，江蘇 南京 210029；2.河海大學環(huán)境學院，江蘇 南京 210098；3.重慶交通大學河海學院，重慶 400074）

土地利用/覆蓋變化（LUCC）通過改變地球陸地表面的覆蓋狀況，對當地乃至全球環(huán)境變化和可持續(xù)發(fā)展起著重要作用[1]。隨著社會經濟發(fā)展，城市化已成為土地利用變化的主要驅動因素之一，城市景觀格局及其變化反映了人類活動和自然環(huán)境等多種因素對土地的共同作用[2]，可以客觀反映土地利用變化情況，而土地利用模擬可以對多種土地利用情景進行預測和分析，探索未來可能的土地利用發(fā)展方式[3]，更客觀真實地對城市不同發(fā)展階段進行預測，為景觀格局優(yōu)化提供依據。

目前景觀格局相關研究主要采用數量分析法對景觀格局演變特征進行分析[4]，利用景觀格局指數比較不同景觀之間的結構特征，揭示景觀格局動態(tài)變化過程及其時空規(guī)律[5]。從研究區(qū)域上看，快速城市化導致的城市地表景觀快速變化，使得城市景觀動態(tài)變化研究成為目前研究的重點和熱點區(qū)域[6]。此外，關于土地利用景觀格局變化模擬模型的研究目前也相對較多，包括元胞自動機（cellular automata, CA）[7]、Markov[8]、多智能體模型[9]等。在土地利用變化模擬過程中，單一模型往往存在一定的局限性，而多模型的結合能夠綜合各模型的優(yōu)點，已成為目前的主流方向[3]。綜合CA模型和Markov模型的CA-Markov模型結合了二者的優(yōu)點，不僅便于確定模型的空間轉換規(guī)則，同時能對各個地類的數量變化趨勢做出判斷，提高了土地利用類型轉化的預測精度，可以有效地模擬土地利用格局的空間變化[10]，得到越來越廣泛的應用[3]。

深圳市作為中國改革開放的橋頭堡，其城市土地利用在改革開放以來經歷了巨大的變化[11]。然而目前的研究對深圳市從城市化初期到現(xiàn)階段的土地利用景觀格局演變的研究相對缺乏。同時，土地利用景觀格局模擬預測研究中對驅動因素考慮尚不全面，缺乏對不同情境的模擬和預測。

本研究選擇深圳市為對象，利用1980～2015年6個時期的遙感數據對其景觀格局進行分析，采用CAMarkov復合模型，綜合考慮自然和社會多種驅動因素，進行不同步長土地利用景觀格局變化結果模擬和精度評價。在此基礎上，對深圳市2020年土地利用景觀格局進行多情景預測，為深圳市未來的可持續(xù)發(fā)展和生態(tài)環(huán)境保護政策的制定提供決策依據。

1 研究區(qū)域與數據資料

1.1 研究區(qū)域

深圳市地處中國廣東省的南部，全市下轄8個行政區(qū)和2個功能區(qū)，土地面積約1 996.78 km2（如圖1）。深圳市地勢總體呈現(xiàn)東南高、西北低，大部分為低山、平緩臺地和階地丘陵。

1.2 數據資料與處理

本研究的土地利用數據資料分別為1980、1990、2000、2005、2010和2015年的Landsat 30 m遙感影像數據。影像解譯使用基于面向對象的eCognition Developer軟件并結合人工解譯，根據中國土地利用現(xiàn)狀分類系統(tǒng)，將研究區(qū)域土地利用類型分為林地、草地、農田、水體、建設用地和未利用地6個類型，解譯精度均高于90%。DEM高程數據為美國航空航天局于2000年獲取的全球范圍的30 m分辨率數據，坡度數據根據高程數據計算得出，同樣為30 m空間分辨率。鐵路、2010年道路、2010～2020年規(guī)劃道路和“生態(tài)控制線”由《深圳市城市總體規(guī)劃（2010～2020）》中的圖像集經過地理配準和提取后獲得。人口和GDP數據來源于中國科學院資源環(huán)境科學數據中心的1 km柵格數據[12]，并重采樣為30 m分辨率。所有數據均統(tǒng)一采用Albers投影。

圖1 深圳市行政區(qū)劃圖（審圖號：粵S(2009)034號）

2 研究方法

2.1 景觀格局指數

本研究采用美國俄勒岡州立大學開發(fā)的Fragstats軟件進行景觀格局指數的計算和分析，該軟件能夠計算50種左右的景觀指標。通過結合深圳市的城市特點，本研究選取6種景觀水平指數：PD、LPI、蔓延度指數（CONTAG）、IJI、香農多樣性指數（SHDI）和香農均度指數（SHEI）進行景觀格局指數分析，其詳細計算公式和含義可參見相關文獻[13]。

2.2 CA-Markov模型

Markov過程是一種特殊的隨機過程，它通過t-1時刻與t時刻土地利用的變化趨勢，得到兩個時刻間的土地利用轉移概率矩陣，根據這種當前趨勢去預測t+1時刻的不同土地類型的數量[14]。

Markov過程在土地利用變化模擬中已經廣泛應用，但它具有局限性，只有各種地類的數量轉化關系而無空間分布狀態(tài)。CA模型是時間、空間和狀態(tài)離散、空間上相互作用的網格動力學模型[15]，可以通過轉化規(guī)則對土地利用空間關系進行模擬，從而與Markov過程進行有機結合。

3 結果與討論

3.1 深圳市土地利用景觀格局變化分析

圖2為1980～2015年深圳市不同土地利用類型的變化趨勢。從景觀類型面積的變化趨勢中可以看出，改革開放以來深圳市建設用地景觀類型呈現(xiàn)不斷增加的趨勢，與此同時農田類型呈現(xiàn)明顯的減少趨勢。1980～2000年是深圳市城市發(fā)展的快速階段[11]，人口的日益增長和經濟的不斷發(fā)展，使得建設用地面積不斷增大。2000年左右是深圳市城市發(fā)展的一個拐點。隨著城市建設的不斷完善和可建設用地的不斷減少，深圳市自2000年以后建設用地增長相對放緩，2010年以后深圳市城市建設進入飽和時期，城市發(fā)展也由增量擴張轉變到存量開發(fā)階段。城市建設用地的擴張導致了農田和水體面積的下降，到2015年農田量已經微乎其微。

圖2 深圳市1980～2015年土地利用景觀格局變化

3.2 景觀水平指數變化

1980～2015年深圳市景觀水平景觀格局指數變化如圖3所示?？梢钥闯?，景觀水平的斑塊密度（PD）先增加后減少，而景觀水平的最大斑塊指數（LPI）則先減少后增加，其拐點均發(fā)生在2000年，反映出2000年前后人類活動干擾的不同影響強度和方式。改革開放初期，人類活動對土地景觀格局干擾較少，深圳市林地占據各土地利用類型比例最高[11]，因此最大斑塊指數最大。2000年以后，由于可建設用地的不斷減少且建設用地成為主導地類，深圳市的城市發(fā)展方式慢慢轉為內部填充模式，在一定程度上增大了城市的斑塊面積，因此最大斑塊指數在2000～2015年之間開始持續(xù)上升。

蔓延度指數（CONTAG）的變化趨勢與最大斑塊指數趨勢相一致，1980～2000年期間蔓延度指數持續(xù)降低，表明景觀是具有多種要素的密集格局，且破碎化程度變高。2000～2015年期間蔓延度指數開始增加，反映優(yōu)勢斑塊類型（建設用地）形成了良好的連接性。散布與并列指數（IJI）從1980～2005年呈持續(xù)上升趨勢，由于城市道路網的不斷擴張，整個景觀的連通性在一定程度上增加；2010和2015年的散布與并列指數值下降明顯，主要由于該時期深圳市已基本完成結構轉型，整體景觀水平上連通性降低。從香農多樣性指數（SHDI）也可以看出，其拐點也主要發(fā)生在2000年左右，表明土地利用存在一個由破碎化到集約化轉變的過程。

圖3 1980～2015年深圳市景觀類型水平指數變化

3.3 土地利用景觀格局變化模擬與結果驗證

本研究選擇坡度、高程、人口、GDP、主要公路距離（高速公路、快速路、干線性主干道）、鐵路距離和行政區(qū)距離，分別進行各地類的Logistic回歸分析，得到不同土地利用類型適宜性圖像。同時，利用Markov方法得到1980～2015年期間不同年份土地利用轉移概率矩陣，用于不同步長土地利用的模擬。利用已有土地利用適宜性圖像、不同時期轉移概率矩陣和當年土地利用圖，通過結合CA-Markov模型和Logistic回歸進行深圳市2015年土地利用模擬，分析 5 a（2005～2010）、10 a（2000～2010）、20 a（1990～2010）和30 a（1980～2010）不同步長轉移矩陣對模擬結果精度的影響。利用2015年實際土地利用分類結果進行精度驗證，結果采用Kappa系數進行定量化驗證。

使用5 a、10 a、20 a和30 a不同時間步長的轉移矩陣模擬2015年土地利用景觀格局，其Kappa系數分別為0.868、0.844、0.835和0.846。Kappa系數從整體上反映了模擬精度，從Kappa系數可以看出所有步長的模擬精度均較高，其中5 a步長模擬結果最好，Kappa系數為0.868。已有研究表明，由于模擬方位隨機性的原因，從時間尺度上分析，模擬時間跨度越長，精度越高[16]。這一結論對于深圳市土地利用變化模擬只部分適用，對比20a和30a步長的模擬結果可以說明該結論有效。然而，使用5 a步長的模擬精度最高，這是由于Markov方法采用前一時段的轉移概率矩陣對后一時段的土地利用情況進行模擬，適合于具有相同變化趨勢的土地利用模擬[3]，當城市發(fā)展變化劇烈或者城市轉型時期，隨意采用某一時期的轉移矩陣會造成模擬結果的偏差。深圳市近年來已完成轉型，發(fā)展趨緩，使用大步長進行模擬可能會造成模擬精度的下降，選擇合理的轉移矩陣是提高模擬結果精度的關鍵之一。

3.4 土地利用景觀格局變化多情景預測

以2015年為基準年，利用5 a時間步長（Kappa系數最高）進行土地利用景觀格局變化模擬，獲得2010～2015年轉移概率矩陣，對2020年土地利用景觀格局進行3種情景的預測模擬，分別為自組織情景、驅動力情景、生態(tài)控制情景。其中自組織情景是城市自發(fā)狀態(tài)下的發(fā)展變化，即按照深圳市2010～2015年的發(fā)展速度和發(fā)展方式進行土地利用變化模擬。驅動力情景是深圳市快速城市化發(fā)展的情景，首先進行道路的提取和更新，建立新的土地適宜性圖集。同時，對土地利用轉移概率矩陣進行適當修正，加大了其他類型土地轉變?yōu)榻ㄔO用地的概率。生態(tài)控制情景考慮了城市規(guī)劃的“生態(tài)控制線”，以達到優(yōu)化生態(tài)用地結構布局和確保區(qū)域生態(tài)安全的目的，通過將在“生態(tài)控制線”范圍內建設用地的轉移概率賦值為0，即認為在“生態(tài)控制線”中的土地無法轉變?yōu)榻ㄔO用地，獲得符合生態(tài)保護的土地適宜性圖集，進而利用2010～2015年的轉移矩陣進行生態(tài)控制情景的模擬。3種不同情景模擬結果和深圳市生態(tài)控制線范圍如圖4所示。

圖4 深圳市2020年土地利用景觀格局變化多情景預測

圖5 是2020年不同情景預測中建設用地空間位置變化。通過圖5可以看出，2020年深圳市不同預測情景的土地利用景觀格局存在一定的差異。其中，自組織情景和生態(tài)控制情景的土地利用景觀格局變化趨勢較為相似，表現(xiàn)為林地的恢復和建設用地面積的相對飽和持平。減少城市用地無序擴張蔓延對城市的可持續(xù)發(fā)展具有重要意義。在自組織情景中，城市自發(fā)增長，建設用地的分布較為散亂，土地開發(fā)和利用程度不高，且部分區(qū)域進入了生態(tài)控制線，侵占了生態(tài)用地。生態(tài)控制情景中，由于新增的行政中心和規(guī)劃道路主要集中于光明、龍華，可以看出這些地區(qū)建設用地都有了較大增長，且均在“生態(tài)控制線”范圍之外。這符合深圳市現(xiàn)階段以公路和軌道交通為軸帶進行多區(qū)域組團發(fā)展的特點；同時，生態(tài)控制線內的非建設用地沒有受到侵占，滿足了生態(tài)保護的需求。對比驅動力情景和生態(tài)控制情景可以發(fā)現(xiàn)，驅動力情景中建設用地范圍覆蓋了所有生態(tài)控制情景的建設用地范圍，且驅動力情景中建設用地按照原有格局向已有建設用地的邊緣快速擴張，林地、水體、農田等其他地類都被不同程度地侵占，這與深圳市目前的城市發(fā)展政策相違背。在未來的研究中，需進一步結合城市規(guī)劃和生態(tài)發(fā)展的需求，改進現(xiàn)有模型，提高模擬精度，并對不同城市發(fā)展情景的生態(tài)效益進行定量估算。

圖5 2020年多情景預測建設用地空間位置變化

4 結 語

1）深圳市城市發(fā)展的拐點為2000年左右，前后時期呈現(xiàn)出“快速增長”和“平穩(wěn)約束”的不同特點，主要表現(xiàn)為發(fā)展速度和方式的差異。1980～2015年期間建設用地面積不斷增加并成為優(yōu)勢地類，農田和水體面積不斷減少。同時受生態(tài)保護政策的影響，林地面積呈現(xiàn)先減后增的趨勢。在景觀水平上，土地利用受人類活動影響，前期表現(xiàn)為破碎化程度加劇，后期則呈現(xiàn)為土地利用由破碎化向集約化的轉變。

2）使用5 a、10 a、20 a和30 a不同時間步長的轉移矩陣模擬2015年土地利用景觀格局，其Kappa系數分別為0.868、0.844、0.835和0.846，5 a步長模擬的Kappa系數最大，精度最高。選擇合理的時間步長有利于土地利用景觀格局模擬精度的提高。

3）深圳市2020年3種土地利用景觀格局情景預測結果表明，驅動力情景適用于城市化較快的地區(qū)，其特點是城市建設用地的邊緣擴張及對其他地類的侵占；自組織和生態(tài)控制情況模擬的結果相近，適用于城市發(fā)展到一定階段的土地利用變化模擬；基于生態(tài)控制線的模擬結果土地集約型更高，效果更好。