韋鈺 阮柱

摘要?以解譯的2009年土地利用類型數(shù)據(jù)為基期數(shù)據(jù)，通過CLUE-S模型來模擬2016年柳州市土地利用空間分布圖，與解譯的2016年土地利用類型圖對比，模擬結(jié)果的Kappa系數(shù)達(dá)到0.837 9，表明模擬精度較高。以此模型模擬了2025年自然增長和耕地保護(hù)2個不同情景的土地類型圖，經(jīng)過分析，情景Ⅱ比較符合柳州市未來發(fā)展情況，柳州市未來可能出現(xiàn)耕地撂荒情況，并提出了相關(guān)對策。

關(guān)鍵詞?CLUE-S模型;土地變化;情景模擬;柳州市

中圖分類號?F?301.2文獻(xiàn)標(biāo)識碼?A文章編號?0517-6611（2020）01-0076-04

doi：10.3969/j.issn.0517-6611.2020.01.024

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Simulation Analysis of Land Change in 2025 in Liuzhou City Based on CLUE?S Model

WEI Yu1， RUAN Zhu2，3

（1.National Land Resources Planning Institute of Guangxi Zhuang Autonomous Region， Nanning，Guangxi 530001;2.Guangzhou Institute of Geochemistry， Chinese Academy of Sciences，Guangzhou，Guangdong 510640;3.University of Chinese Academy of Sciences， Beijing 100049）

Abstract?Based on the interpreted 2009 land use type data as the base period data， the spatial distribution map of land use in Liuzhou City in 2016 was simulated by the CLUE?S model， and compared with the interpretation of the 2016 land use type map， the Kappa coefficient of the simulation results reached 0.837 9， which indicated that simulation precision was higher. Using this model to simulate the land type map of two different scenarios of natural growth and cultivated land protection in 2025，scenarios Ⅱ was in line with the future development of Liuzhou after analysis， it showed that farmland uncultivated map appeared in Liuzhou in future， and some countermeasures were pointed out.

Key words?CLUE?S mode;Land change;Scenarios simulation;Liuzhou City

土地利用變化是當(dāng)代重要的研究課題。柳州市是廣西重要的工業(yè)城市，研究它的土地利用變化對它未來的城市、經(jīng)濟(jì)、人口、生態(tài)等的可持續(xù)發(fā)展有著極其重要的意義。關(guān)于柳州市土地利用方面的研究有很多，如程子騰等[1]研究柳州市土地利用碳排放與經(jīng)濟(jì)增長的關(guān)系，黎良財?shù)萚2]研究柳州市土地利用變化對生態(tài)系統(tǒng)的影響，羅江華等[3]研究它的土地利用空間格局演化特征，陳佩琳[4]利用系統(tǒng)動力學(xué)仿真來研究不同情景下柳州市未來土地利用結(jié)構(gòu)，趙霞[5]研究柳州市城市用地擴(kuò)張?zhí)卣骷膀?qū)動力，這些前人的研究大部分只是針對柳州市土地利用數(shù)據(jù)的數(shù)字研究，或者針對現(xiàn)狀的空間數(shù)據(jù)研究，很少涉及到未來土地利用變化在空間上的預(yù)測。土地空間上的未來預(yù)測，對土地的管理極其重要，現(xiàn)今能對土地利用變化進(jìn)行空間預(yù)測的模型有CA模型[6-7]、Dinamica EGO模型[8]、CLUE-S 模型[9]等。其中，CLUE-S 模型是目前這類空間模型中較為成熟的一種[10]。因此，筆者選取CLUE-S模型來預(yù)測柳州市未來的土地利用變化。

1?資料與方法

1.1?研究區(qū)域概況

柳州市位于廣西中部偏北，為湘桂、黔桂和枝柳鐵路交匯處，共轄六縣四區(qū)，共有86個鄉(xiāng)鎮(zhèn)，935個行政村。2016年末，柳州市常住人口395.87萬，市鎮(zhèn)總?cè)丝跒?49.44萬，鄉(xiāng)村人口146.43萬，市區(qū)人口122.14萬。漢、壯、苗、侗、瑤、回、仫佬等30余個民族聚居于市內(nèi)。柳州市地貌主要以山地和丘陵為主，整個地勢總體上是東北部高、中南部低，其境內(nèi)山體主要有九萬大山、摩天嶺、大苗山架橋嶺和大瑤山等，其中境內(nèi)最高峰為位于大苗山上的元寶山，海拔2 081 m。

1.2?研究方法

柳州市2025年土地利用變化總需求量的預(yù)測是以2009年土地利用類型面積作為基期，根據(jù)2009—2016年的土地利用變化規(guī)律來預(yù)測總需求量。情景Ⅰ是自然發(fā)展情況下的土地利用變化需求量，主要是利用線性插值預(yù)測2025年土地利用結(jié)構(gòu)數(shù)據(jù);情景Ⅱ則是加入了基本農(nóng)田作為限制區(qū)來模擬2025年柳州市土地利用空間分布。

1.3?數(shù)據(jù)處理

該研究模擬的基礎(chǔ)數(shù)據(jù)主要是由2009年和2016年兩期柵格像元大小為30 m的土地利用現(xiàn)狀圖，高程數(shù)據(jù)（DEM）為來自于地理空間數(shù)據(jù)云（http：//www.gscloud.cn）GDEM 30 m分辨率數(shù)字高程，柳州市1∶10 000基礎(chǔ)數(shù)據(jù)（道路、水系），居民點主要來自于2009期柵格數(shù)據(jù)，2009年人口數(shù)據(jù)來源于柳州市統(tǒng)計年鑒。鑒于柳州市以山地和丘陵為主，因此選取了坡度和高程以表征地形因素：為了得到更好的方程擬合度，分別選取了河流、居民點、道路、耕地、園地以及未利用地這6個地物和其他土地利用分類的距離作為驅(qū)動因子;最后根據(jù)數(shù)據(jù)可得性，選取人口密度作為人文類的驅(qū)動因子。具體操作步驟是：首先將居民點、耕地、園地、未利用地圖斑，道路、水系從柵格圖和對應(yīng)數(shù)據(jù)庫中各自提取出來，使用ArcGIS平臺中的歐式距離分析，生成相應(yīng)的距離柵格圖。利用ArcGIS平臺的數(shù)據(jù)轉(zhuǎn)換功能將人口密度矢量圖層轉(zhuǎn)換為柵格數(shù)據(jù)，以及表面分析模塊下的坡度功能將DEM轉(zhuǎn)化為坡度柵格數(shù)據(jù)。最后將所有柵格圖層通過重采樣統(tǒng)一為空間分辨率200 m的柵格數(shù)據(jù)，用于土地利用數(shù)據(jù)空間模擬。

CLUE-S模型是在CLUE模型的基礎(chǔ)上開發(fā)的[11]，它可以在時間和空間上模擬區(qū)域土地利用變化。它主要由兩大模塊組成：一個是非空間模塊，非空間模塊在獲取研究區(qū)域的土地利用分布圖、驅(qū)動因子（自然和人文驅(qū)動因子）等數(shù)據(jù)基礎(chǔ)上，用于預(yù)測未來各土地類型的數(shù)量;一個是空間分配模塊，空間分配模塊則是通過設(shè)置各種參數(shù)（驅(qū)動因素關(guān)系系數(shù)、土地利用類型間轉(zhuǎn)換規(guī)則等），在輸入的各種刪格數(shù)據(jù)的基礎(chǔ)上，將預(yù)測的土地類型數(shù)量分配在對應(yīng)的空間上。其中獲得驅(qū)動因素關(guān)系系數(shù)最常用的方法是Logistic回歸模型，其計算得到的土地類型分布概率公式如下：

logpi1-pi=β0，i+β1，iX1+β2，iX2+…+βn，iXn

其中，pi是每個柵格為某一土地類型的概率，Xn為第n個驅(qū)動因子，β0，i是方程截距，βn，i為第n個驅(qū)動因子的回歸系數(shù)。

2?結(jié)果與分析

2.1?Logistic模型模擬及其精度分析

為了能提高模型的解釋能力和準(zhǔn)確性，該研究利用ArcGIS隨機(jī)生成了465 154個矢量點，其中186 063個點用于Logistic回歸擬合，279 091個點用于測試模型的準(zhǔn)確性。經(jīng)過計算之后，結(jié)果如表1所示。

由表1可知，除了使用比較常用的ROC來顯示Logistic回歸預(yù)測土地類型的效果外，該研究還使用AIC來表征方程擬合效果。從AIC來看，擬合效果最好的是建設(shè)用地和水體，其次為草地、園地、未利用地，最后是耕地和林地;ROC顯示的預(yù)測準(zhǔn)確度幾乎與AIC的結(jié)果相同，預(yù)測較準(zhǔn)確的是建設(shè)用地和水體，接下來預(yù)測效果優(yōu)劣排序依次為未利用地、草地、園地、耕地、林地，ROC最高為0.989 1，這主要是因為用以擬合的預(yù)測點多，同時與選取的驅(qū)動因子有關(guān)，選取的距居民點距離、距道路距離、距水體距離、人口密度等與建設(shè)用地和水體的相關(guān)性高，ROC最低為0.812 4，所有的ROC都在0.800以上，說明Logistic方程擬合效果很好，可用于CLUE-S模型進(jìn)行空間擬合。

2.2?土地覆蓋模擬精度分析

任何模型的模擬和預(yù)測都要進(jìn)行精度分析，以獲取模型預(yù)測未來的可信度。一般對CLUE-S模型預(yù)測的結(jié)果進(jìn)行精度分析所用的參數(shù)為Kappa系數(shù)，Kappa系數(shù)越高，說明模擬結(jié)果越精確，反之，則模擬效果較差。CLUE-S模型首先以2009年土地利用分類柵格數(shù)據(jù)為基期年，根據(jù)表1的系數(shù)，來模擬2016年土地利用類型空間分布圖。Kappa系數(shù)是用來評價CLUE-S模型模擬的2016年土地利用類型空間分布圖的準(zhǔn)確程度，對比對象為解譯好的2016年土地利用類型柵格數(shù)據(jù)。經(jīng)過計算，模型模擬的2016年土地利用類型空間分布圖的Kappa為：Kappa=（pa-pe）/（1-pe）=（ 0.905 9-0.419 3）/（1-0.419 3）=0.837 9;計算得到的Kappa系數(shù)大于0.5，已經(jīng)接近1，說明模擬效果較好。因此，可以用設(shè)置好的參數(shù)來模擬2025年柳州土地利用類型空間分布圖。

2.3?情景模擬結(jié)果分析

經(jīng)過CLUE-S模型模擬之后，得到情景Ⅰ和情景Ⅱ 2種不同情景下的柳州市2025年土地利用空間分布圖，結(jié)果如圖1所示。情景Ⅰ，是自然發(fā)展下的模擬結(jié)果;情景Ⅱ是在耕地保護(hù)情景下的土地變化模擬結(jié)果。從結(jié)果圖上看，兩者大體相同;主要區(qū)別在于情景Ⅰ中柳州市區(qū)西部和北部分布的建設(shè)用地比情景Ⅱ的多，情景Ⅱ分布的未利用地比情景Ⅰ的略多。具體的差異可以通過2種情景不同地類的像元數(shù)量來對比體現(xiàn)出來。

從表2可看出，在耕地保護(hù)情景下，相對自然增長情況而言，建設(shè)用地、林地、園地、耕地像元數(shù)量都減少，草地和未利用地像元數(shù)量反而增加，這是一種異常卻合理的現(xiàn)象。在耕地保護(hù)下，由于大量適宜建設(shè)的耕地被限制建設(shè)，建設(shè)用地減少，這是合理的，異常就在于其他地類（除草地和未利用地外）的減少。通過2個情景模擬的結(jié)果圖對比，情景Ⅱ的部分草地，在情景Ⅰ是耕地、林地、園地。這其中就涉及到現(xiàn)今土地利用變化較為熱門的研究課題——耕地撂荒，即耕地被廢棄，從而轉(zhuǎn)化為草地。耕地撂荒的原因主要有：①城鎮(zhèn)化和工業(yè)化發(fā)展引起農(nóng)村人口的外遷和非農(nóng)化，導(dǎo)致山區(qū)農(nóng)業(yè)勞動力大量減少;②市場需求變化、國際貿(mào)易發(fā)展以及農(nóng)資價格上漲等多種原因?qū)е峦恋乩眉兪找嫦陆?③農(nóng)業(yè)相關(guān)政策調(diào)整;④土地制度改革;⑤農(nóng)業(yè)技術(shù)升級和農(nóng)業(yè)商品化等[12]。而柳州市作為一個以山地和丘陵為主的地區(qū)，必然會存在人工種植的經(jīng)濟(jì)林地和園地，基于和耕地撂荒相同的理由，經(jīng)濟(jì)林和園地也可能存在撂荒問題，這就出現(xiàn)了園地和林地轉(zhuǎn)化為草地的情況。在CLUE-S模型的假設(shè)條件下，由于其他地類比較容易轉(zhuǎn)化為草地，這就造成未利用地轉(zhuǎn)化為草地較難的，未利用地保留下來就更多，因此情景Ⅱ中未利用地比情景Ⅰ多。

柳州市是典型的工業(yè)城市，城鎮(zhèn)化和工業(yè)化的速度相對較快，這就更可能加快農(nóng)村人口外遷和非農(nóng)化，耕地、園地、林地撂荒的情況比較容易出現(xiàn)，結(jié)合國家近期的耕地保護(hù)政策和其他相關(guān)土地政策，未來柳州市市區(qū)建設(shè)用地增長速度應(yīng)該會放緩。綜上所述，筆者認(rèn)為，情景Ⅱ的模擬結(jié)果可能更接近柳州市未來發(fā)展實際，但是情景Ⅱ也有它不合理的地方，即相對情景Ⅰ而言，還存在較多未利用地。柳州市的未利用地主要是喀斯特石山，在長時間無人為干擾情況下，它可以逐漸轉(zhuǎn)化為草地、林地或園地。按照發(fā)展速度預(yù)計，情景Ⅰ的未利用地數(shù)量較為合理。

3?未來土地利用變化的對策

柳州市是一個地形起伏較大的典型喀斯特地區(qū)，山區(qū)面積廣大，它的耕地有其地域特點，喀斯特山區(qū)的耕地特點是部分耕地質(zhì)量較差，主要表現(xiàn)為耕地內(nèi)部存在大量裸石，坡度大，耕地肥力差，農(nóng)業(yè)和交通設(shè)施落后;耕地空間分布較為零碎等。這樣的地域特色，加之前文提及柳州市的城市化和工業(yè)化以及國家土地政策、經(jīng)濟(jì)政策等大背景的影響，就會導(dǎo)致耕地的撂荒。

針對柳州市未來可能出現(xiàn)的耕地撂荒，具體措施主要有：①建立農(nóng)用土地流轉(zhuǎn)市場，并設(shè)立相關(guān)政策，減少流轉(zhuǎn)成本[13]，可以讓空間分布零散的耕地通過家庭或者公司承包等方式，在使用權(quán)上統(tǒng)一到個人或者公司，從而為規(guī)模農(nóng)業(yè)提供政策支撐，通過規(guī)模農(nóng)業(yè)這個途徑，可以在一定程度上改善了人口流失造成的耕地撂荒;②自然資源部門在對耕地質(zhì)量評價的基礎(chǔ)上，有針對性地進(jìn)行土地整治，同時聯(lián)合其他相關(guān)部門，改善農(nóng)業(yè)設(shè)施和交通狀況，提高耕地質(zhì)量和作物產(chǎn)量;③走特色農(nóng)業(yè)，推行“公司+基地+專業(yè)組織+農(nóng)戶”的產(chǎn)業(yè)經(jīng)營模式[14]，有優(yōu)良的耕地、良好的設(shè)施以及配套政策，也未必能解決耕地撂荒，這3個只是基礎(chǔ)，重要的還是市場需求。公司收購以及銷售農(nóng)產(chǎn)品，農(nóng)戶作為基地生成所需農(nóng)產(chǎn)品，“產(chǎn)+購+銷”要一路暢通，才能最終解決耕地撂荒。

針對林地和園地可能出現(xiàn)的撂荒情況，具體措施與耕地撂荒措施類似，仍然是要改善土地流轉(zhuǎn)政策，將閑置丟荒的園地或者人工林地使用權(quán)盡可能地被統(tǒng)一承包;盡量借助政府的力量，將當(dāng)?shù)叵嚓P(guān)企業(yè)和這些閑置人工林地、園地的未來聯(lián)系起來，走“產(chǎn)+購+銷”一條龍的產(chǎn)業(yè)路子，讓這些珍貴的土地合理地利用起來。

除了以上這些原因可能在未來導(dǎo)致耕地、林地、園地撂荒，還會出現(xiàn)一些由于權(quán)屬爭議而導(dǎo)致的撂荒情況，由于權(quán)屬不明，這些土地就會擱置不予耕種。針對這樣的撂荒情況，則要通過自然資源相關(guān)部門幫助，協(xié)調(diào)厘清地塊的具體權(quán)屬，最終解決土地糾紛。

以上皆為針對未來可能出現(xiàn)的耕地、園地等撂荒的對策，除了針對未來的對策，更重要是防微杜漸。雖然模型已經(jīng)預(yù)測出未來可能會出現(xiàn)撂荒，但是在未來具體何時會出現(xiàn)撂荒，仍然未知。因此，如何開展耕地撂荒的時空監(jiān)測，這也可能是未來自然資源部門需要做的事。

4?結(jié)論

該研究通過CLUE-S模型對自然增長和耕地保護(hù)2種情景下的2025年柳州市土地利用模擬結(jié)果進(jìn)行分析，得到以下結(jié)論：

（1）CLUE-S模型可以較好地模擬未來柳州市土地利用情況，特別是在有條件限制下的模擬，但由于模型要遵循嚴(yán)格的假設(shè)條件，導(dǎo)致模擬結(jié)果也存在一些不合理的地方。盡管存在不合理之處，但是模擬的結(jié)果提供了柳州市土地利用變化在未來可能發(fā)生的情況，對未來柳州市土地利用管理有很大啟發(fā)，如針對未來可能出現(xiàn)的耕地、園地、林地撂荒情況，應(yīng)該采取相應(yīng)的管理方法和措施去應(yīng)對。

（2）該研究模擬所使用的土地驅(qū)動因子缺少經(jīng)濟(jì)因子及其他相關(guān)性更高的驅(qū)動因子，如GDP、人均GDP、土壤類型、地質(zhì)類型、降水、氣溫等，可能對模擬結(jié)果的精度有一定的影響。此外，模擬使用的是最常規(guī)的Logistic模型得到，相對其他改進(jìn)模型，諸如GWR[15]和空間自相關(guān)Autologistic回歸模型[16]，其模擬效果可能相對較差。而這些缺陷是下一步要努力改進(jìn)和彌補的方向。

參考文獻(xiàn)

[1] 程子騰，嚴(yán)金明，高峰.土地利用碳排放與經(jīng)濟(jì)增長研究：以柳州市為例[J].生態(tài)經(jīng)濟(jì)，2016，32（8）：87-89.

[2] 黎良財，鄧?yán)瑓卿J.城市土地利用變化對生態(tài)系統(tǒng)服務(wù)價值的影響：以柳州市為例[J].中南林業(yè)科技大學(xué)學(xué)報，2013，33（7）：102-106.

[3] 羅江華，梅昀，陳銀蓉.柳州市城市土地利用空間格局演化特征分析[J].中國人口·資源與環(huán)境，2008，18（1）：145-148.

[4] 陳佩琳.柳州市土地可持續(xù)利用系統(tǒng)動力學(xué)仿真研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2012.

[5] 趙霞.柳州市城市用地擴(kuò)張?zhí)卣骷膀?qū)動力研究[D].雅安：四川農(nóng)業(yè)大學(xué)，2012.

[6] 楊建新，龔健，李江風(fēng).基于LSSVM-CA模型的復(fù)雜土地利用變化模擬：以鄂州市為例[J].資源科學(xué)，2016，38（8）：1525-1537.

[7] 曹雪，羅平，李滿春，等.基于擴(kuò)展CA模型的土地利用變化時空模擬研究：以深圳市為例[J].資源科學(xué)，2011，33（1）：127-133.

[8] 梁友嘉，徐中民，鐘方雷.基于SD和CLUE-S模型的張掖市甘州區(qū)土地利用情景分析[J].地理研究，2011，30（3）：564-576.

[9] 高志強，易維.基于CLUE-S和Dinamica EGO模型的土地利用變化及驅(qū)動力分析[J].農(nóng)業(yè)工程學(xué)報，2012，28（16）：208-216.

[10] 王麗艷，張學(xué)儒，張華，等.CLUE-S模型原理與結(jié)構(gòu)及其應(yīng)用進(jìn)展[J].地理與地理信息科學(xué)，2010，26（3）：73-77.

[11] 藺卿，羅格平，陳曦.LUCC驅(qū)動力模型研究綜述[J].地理科學(xué)進(jìn)展，2005，24（5）：81-89.

[12] 李升發(fā)，李秀彬.耕地撂荒研究進(jìn)展與展望[J].地理學(xué)報，2016，71（3）：370-389.

[13] 郭琳.農(nóng)村土地撂荒的成因及對策研究[J].四川經(jīng)濟(jì)管理學(xué)院學(xué)報，2009（4）：11-13.

[14] 喻小倩.農(nóng)村土地撂荒的原因及對策[J].南方農(nóng)業(yè)，2013，7（3）：71-73.

[15] 邵一希，李滿春，陳振杰，等.地理加權(quán)回歸在區(qū)域土地利用格局模擬中的應(yīng)用：以常州市孟河鎮(zhèn)為例[J].地理科學(xué)，2010，30（1）：92-97.

[16] 吳桂平，曾永年，馮學(xué)智，等.CLUE-S模型的改進(jìn)與土地利用變化動態(tài)模擬：以張家界市永定區(qū)為例[J].地理研究，2010，29（3）：460-470.