王 甜, 閆金鳳, 喬海燕

(山東科技大學 測繪科學與工程學院， 山東 青島 266590)

港口城市是港口貨源、運輸及港口基礎設施的供應者，是港口發(fā)展的重要依托[1]。港口城市多位于海岸線沿線或河流入?？谔帲春０稁^(qū)域[2]，隨著港口發(fā)展及城市快速擴張不可避免得給海岸帶土地資源和生態(tài)環(huán)境帶來沉重負擔。當前，馬來西亞吉隆坡市處于快速城市化發(fā)展階段，分析其土地利用變化特征對城市可持續(xù)發(fā)展具有重要意義。

土地利用/覆被變化(LUCC)是一個受自然和人文因素驅動的動態(tài)過程，過程和機理非常復雜[3]，且對區(qū)域景觀的組成和結構具有強烈的影響[4]。景觀格局由相互作用的斑塊以一定的規(guī)律組成，具有高度空間異質性，景觀格局及其變化和發(fā)展受自然、生物和社會因素相互作用[5]，研究區(qū)域景觀格局有助于揭示區(qū)域生態(tài)狀況和空間變異特征[6]。而將土地利用變化與土地景觀格局變化相結合進行土地利用景觀格局研究，有助于揭示土地利用變化與景觀生態(tài)過程間的相互關系[7]。劉斌寅等[8]從景觀水平對淮北市土地利用景觀格局變化進行分析；陳鑄等[9]對福州市土地利用景觀格局變化進行定量分析，并探討了土地利用格局變化驅動機制；田鵬等[10]基于遙感影像對東海區(qū)大陸海岸帶景觀格局變化及生態(tài)風險進行研究；周然等[11]研究了港口建設對濱海濕地景觀格局影響及生態(tài)效應；郭子堅等[12]探討了港口時空演化對區(qū)域景觀格局的影響規(guī)律。中國學者已對內陸城市，土地利用變化特征分析及預測進行較為全面的研究，但針對港口城市，研究多集中于土地利用景觀格局及生態(tài)方面，對未來土地利用變化特征的預測相對較少，且針對“一帶一路”沿線重要港口城市，土地利用研究時間多截止于2015年，2015—2020年土地利用特征的研究尚存空白。

港口城市歸根結底也是城市，具有城市發(fā)展的規(guī)律和特征，但又區(qū)別于一般的內陸城市，受沿海地形、港口位置及岸線資源分布，土地利用有著自身的特色。在港口帶動城市發(fā)展過程中，優(yōu)質耕地被持續(xù)占用，建設用地快速增加，造成城市土地利用結構發(fā)生顯著變化[13]。吉隆坡市地處馬六甲海峽東岸，地理位置優(yōu)越，其港口巴生港，由于毗鄰設有自由貿易區(qū)，腹地廣闊，產業(yè)發(fā)達，已成為遠東至歐洲貿易航線的理想?？扛酆蛥^(qū)域性配發(fā)中心。隨著2010年“大吉隆坡市計劃”的提出，城市化速度不斷加快，土地利用變化顯著，而2013年中國“一帶一路”倡議的提出，為吉隆坡市發(fā)展帶來新的機遇，推動吉隆坡市新一輪發(fā)展，土地作為支撐港口及城市發(fā)展的基礎自然資源，其利用必將發(fā)生新的變化。因此，本文以吉隆坡市2000—2020年間5期遙感影像為數(shù)據(jù)源，借助ENVI5.3軟件、ArcGIS 10.2軟件和Fragistas 4.2軟件對研究區(qū)20 a間土地利用及景觀格局進行動態(tài)變化分析，并利用GM(1，1)灰度模型對研究區(qū)2025年土地利用情況進行預測，以期為當?shù)卣贫ㄍ恋乩靡?guī)劃提供重要參考。

1 研究區(qū)概況

吉隆坡市位于巴生河流域，地處馬來西亞雪蘭莪州中心，東有蒂迪旺沙山脈，北方及南方有丘陵環(huán)繞，西臨馬六甲海峽。2018年吉隆坡市總人口為1.80×106，含2.46×105外籍人士(馬來西亞統(tǒng)計局)。吉隆坡市經濟呈多方面發(fā)展，制造業(yè)和農業(yè)都非常發(fā)達，農業(yè)主要為發(fā)展橡膠，橡膠業(yè)為國內一種重要產業(yè)。屬熱帶海洋性氣候，年均溫度為25 ℃，年均降水量2 000～2 500 mm。地勢東北高、西南低，平均海拔21.95 m。巴生港為馬來西亞海上門戶，也是該國最大港口，位于吉隆坡市西南方約38 km處，為適應集裝箱運輸發(fā)展需要，巴港當局除在北港建設第2個集裝箱碼頭外，還在盧梅特(LUMUT)建設西港，新的集裝箱碼頭可以?？?.00×104噸級的船舶，屆時巴生港將進一步發(fā)展為亞洲的主要轉口港之一。本文選取包含港口和城市面積約為6 077.8 km2的區(qū)域進行研究。

2 數(shù)據(jù)來源及方法

2.1 數(shù)據(jù)來源

本研究所用遙感影像來源于美國地質勘探局官方網站(http:∥glovis.usgs.gov/)，其中2000，2005，2010年遙感影像為Landsat TM影像，2015年和2020年遙感影像為Landsat OLI影像，分辨率均為30 m，此外還有研究區(qū)DEM數(shù)據(jù)及其他文字資料。

2.2 遙感影像分類方法

首先對遙感影像進行預處理，然后基于交互式數(shù)據(jù)語言IDL(interactive data language) 使用指數(shù)分類法編寫程序進行地物提取。結合項目組對吉隆坡市進行的實地考察，以現(xiàn)狀特征和地域性為基本原則，建立土地覆被分類體系，將研究區(qū)土地利用類型分為6類：林地、種植園、耕地、建設用地、水體及其他用地，具體地物類型提取過程如下所示：

(1) 水體的識別與提取。首先利用DEM等于0提取海洋，然后利用改進歸一化差異水體指數(shù)MNDWI(modified normalized difference water index)[14]提取內陸水體區(qū)域，將提取出的海洋和內陸水體區(qū)域合并即為研究區(qū)水體。

MNDWI=(Green-MIR)/(Green+MIR)

(1)

(2) 植被和耕地的識別與提取。對去除水體部分先使用歸一化植被指數(shù)NDVI(normalized difference vegetation index)[15]提取影像中的植被區(qū)域，然后利用纓帽變換濕度指數(shù)WI(tasselled cap transformation water index)[16]提取紅樹林濕地(WI>0.9)，對去除紅樹林濕地區(qū)域將DEM>28部分歸為天然林，剩余區(qū)域結合谷歌地圖目視提取耕地信息，最后將紅樹林濕地和天然林合并為林地，去除林地和耕地部分的植被部分即為種植園。

NDVI=(NIR-Red)/(NIR+Red)

(2)

WI=0.144 6Blue+0.176 1Green+

0.332 2Red+0.339 6NIR-

0.621 0SWIR1-0.418 9SWIR2

(3)

(3) 建設用地及其他用地的識別與提取。對去除水體和植被部分，首先利用NDBI(normalized difference build-up index)[17]進行地物提取，對提取的地物結合裸土指數(shù)BSI(bare soil index)[18]區(qū)分建設用地和裸地，剩余部分通過目視解譯提取建設用地中混有的旱地，并將裸地歸為其他用地，旱地歸為耕地。

NDBI=(MIR- NIR)/(MIR+NIR)

(4)

BSI=〔(LWIR+NIR)-(SWIR+Green)〕/

〔(LWIR+NIR)+(SWIR+Green)〕

(5)

最后對提取出的地物結合谷歌地圖進行目視修訂，最終分類結果如附圖17所示(見封3)。結合項目組實際野外考察采樣和Google Earth高分辨率影像，在充分考慮樣本數(shù)量和空間分布特征的前提下，使所選樣本覆蓋整個研究區(qū)及分類體系中的所有土地類型，以此分別建立2000，2005，2010，2015，2020共5期檢驗樣本，將檢驗樣本作為真實地類分別對5期分類結果進行精度驗證，經驗證分類精度達到90%以上，能夠滿足本研究的需要。

2.3 研究方法

2.3.1 單一土地利用動態(tài)度 單一土地利用動態(tài)度表征某一土地利用類型在時間序列內的數(shù)量變化情況。其公式為[19]：

(6)

式中：K為某種地類在研究期內的單一土地利用動態(tài)度；Ua，Ub分別為某種地類在研究期初和期末的面積；T為研究時長，當T的時段設定為年時，K的值就是該研究區(qū)某種土地利用類型年變化率。

2.3.2 土地利用轉移矩陣 土地利用轉移矩陣不僅可以反映研究期間各類土地利用的數(shù)量變化情況，同時也可以反映各類土地的轉移變化情況[20]。

(7)

式中：S代表面積；n代表土地利用類型總數(shù)；Sij表示由i地類轉移到j地類的面積[21]。

2.3.3 景觀指數(shù) 景觀指數(shù)高度集中景觀格局信息，可反映景觀結構組成和空間配置，目前已廣泛應用到景觀格局研究中[22]。本文綜合考慮各景觀指數(shù)實際內涵和研究區(qū)實況，參考已有的研究成果[2,23-26]，運用 Fragstats 4.2軟件，從景觀水平選擇景觀形狀指數(shù)(LSI)、蔓延度指數(shù)(CONTAG)、景觀分割指數(shù)(DIVISION)、香農多樣性指數(shù)(SHDI)對吉隆坡市土地利用景觀格局進行分析。

(1) 景觀形狀指數(shù)(LSI)：反映景觀形狀的復雜度，LSI≥1，當LSI=1，為標準正方形，當LSI>1表示景觀形狀偏離正方形，且值越大偏離越嚴重，形狀越不規(guī)則。

(2) 蔓延度指數(shù)(CONTAG)：描述不同景觀類型的延展趨勢，值越大，表示優(yōu)勢景觀類型的連接性越高，反之景觀的破碎化程度較高。

(3) 景觀分割指數(shù)(DIVISION)：描述景觀破碎度，取值范圍為0～1，越接近0，表示景觀整體度越高；越接近 1，表示景觀破碎化程度越嚴重。

(4) 香農多樣性指數(shù)(SHDI)：表示景觀整體的復雜程度，SHDI≥0，SHDI=0表示整個景觀由一個斑塊組成，SHDI增大，表示斑塊類型增加或各斑塊類型在景觀中均衡化分布。

2.3.4 灰色預測模型 科學有效地對土地利用進行預測能夠為研究區(qū)可持續(xù)發(fā)展提供相應技術支持[27]?；疑A測模型GM(1, 1)以時間序列性資料為基礎，通過關聯(lián)分析鑒別含有不確定因素系統(tǒng)中各因素之間發(fā)展趨勢的相異程度，然后生成一組具有較強規(guī)律性的數(shù)據(jù)序列，最后建立相應微分方程模型來預測事物未來的發(fā)展狀況[28]，微分方程如公式(8)所示。

(8)

式中：X(t+1)表示預測t+1年的預測結果；a為發(fā)展系數(shù)，表示行為序列估計值的發(fā)展態(tài)勢；b為灰色作用量，反映數(shù)據(jù)變化的關系。模型預測精度標準為均方差比值C和小誤差概率P，具體評價指標及對應精度預測等級如表1所示。

表1 評價指標精度預測等級

3 結果與分析

3.1 土地利用面積變化

根據(jù)5期土地利用分類結果，借助ENVI統(tǒng)計工具，吉隆坡市2000—2020年5個時期土地利用類型數(shù)據(jù)及單一土地利用動態(tài)度如表2所示。分析表2可知，種植園為吉隆坡市土地的主導類型，在五個時期占比分別為40.66%，40.47%，40.14%，39.49%，36.85%，占據(jù)絕對優(yōu)勢，這與東南亞國家以種植熱帶經濟作物為主導的種植園農業(yè)結構相符。其次是林地、建設用地和水體，各研究時段4種土地類型面積之和分別占研究區(qū)土地總面積的97.14%，98.09%，98.38%，99.14%，99.14%。這種土地利用結構在一定程度上反映了港口城市吉隆坡市自然資源及社會經濟發(fā)展狀況。在土地利用數(shù)量變化方面，建設用地持續(xù)增加，2020年面積達到1482.98 km2；林地在2015年前減少顯著，占比由20.99%降為18.98%，2015年后減少相對較少，主要與2015年前研究區(qū)中北部山脈墾殖為種植園及馬來西亞政府加大對沿岸紅樹林保護力度有關；該區(qū)種植園一直處于減少狀態(tài)，其面積從2 471.53 km2減少至2 239.95 km2，與城市快速化發(fā)展關系密切；其他用地在2000—2015年間面積減少較多，2015—2020年間面積略有增加；耕地和水體變化不大，相對比較穩(wěn)定。

土地利用動態(tài)度結果顯示，2000—2020年間吉隆坡市土地利用類型變化最快的為其他用地和建設用地，其中建設用地動態(tài)度不斷增大，表明研究期間吉隆坡市一直處于快速城市化狀態(tài)，城市擴張顯著，同時GDP有明顯提高，第二和第三產業(yè)增加，城市人口增加，土地利用變化顯著。然而在港口帶動城市發(fā)展過程中，造成林地和種植園大面積減少，由于二者研究初期面積較大，研究時段內單一土地利用動態(tài)度相對較小。其他用地在前3個研究時段一直處于減少狀態(tài)，且動態(tài)度最大，2015—2020年間略有增加，動態(tài)度為0.46%。耕地在研究期間內變化速度僅次于其他用地和建設用地，且一直處于減少狀態(tài)，主要由種植園侵占造成。水體變化速度較低但變化合理，表明吉隆坡市生態(tài)保護力度顯著和沿海養(yǎng)殖業(yè)發(fā)展穩(wěn)定，這對今后吉隆坡市土地的可持續(xù)發(fā)展意義重大。

表2 2000-2020年吉隆坡市土地利用類型變化

3.2 土地利用類型轉移

本文通過建立土地利用轉移矩陣分析其土地利用轉化趨勢，吉隆坡市土地利用類型轉化主要是種植園和建設用地、種植園和林地之間的相互轉化，主要特征為種植園的轉出和建設用地的轉入(見表3)。

建設用地主要分布于研究區(qū)中部，除中部外，建設用地在北部和南部也有零星分布，研究期間沿原有城市圈向西北及西南方向擴張。增加部分主要來源于種植園，各時段內種植園轉化為建設用地面積分別為207.55，211.38，232.06，233.60 km2。林地2000—2005和2010—2015年轉化為建設用地的面積分別為43.25，44.72 km2，此外還有水體、耕地和其他用地轉為建設用地，但與種植園相比，轉化面積較小。

種植園主要分布于研究區(qū)西北部、中南部及東南部，研究期間港口與城市中部區(qū)域減少最為顯著。減少部分主要轉換為建設用地，此外還有林地和其他用地，轉換為耕地和水體的數(shù)量較少。2005—2010年，206.87 km2林地轉換為種植園，林地轉化為種植園面積明顯大于種植園轉化為林地，而其他時段林地和種植園間相互轉化面積相差不大，且種植園轉化為林地面積略大，這主要與2005—2010年間山脈墾殖有關。各研究時段內均有較多種植園轉換為其他用地，而其他用地作為建設用地面積增加的重要來源之一，在前3個研究時段內呈減少趨勢，2015—2020時段面積略有增加。

2000年建設用地主要位于研究區(qū)中部，“港”“城”分離明顯，期間隨著巴生港擴建、發(fā)展的帶動作用及“大吉隆坡市計劃”和“一帶一路”等政策的促進，吉隆坡市城市化進程加快，建設用地沿原有城市圈向西北及西南方向擴張，與此同時加劇了種植園開發(fā)規(guī)模和程度，建設用地與港口空間上的聯(lián)系則越來越密切，向“港”“城”融合方向靠近，種植園則不斷轉移為建設用地。原因主要為： ①吉隆坡市背靠蒂迪旺沙山脈，地勢較高，開發(fā)難度較大，建設用地擴張受到一定程度的限制； ②隨著港口的發(fā)展及擴張，帶動區(qū)域附近與其配套的交通運輸、物流倉儲、公共管理等建設用地增加，主要來源于周邊于紅樹林和種植園； ③由于港口距城市圈較遠且中間分布有大面積種植園，港口發(fā)展與城市發(fā)展關聯(lián)程度較弱，城市擴張沿原有城市圈向西北及西南方向擴張，加劇了種植園開發(fā)規(guī)模和程度。

表3 2000-2020年吉隆坡市土地利用轉移矩陣 km2

3.3 景觀格局變化

圖1為吉隆坡市2000—2020年景觀水平上各景觀指數(shù)變化特征。在景觀水平上，近20年LSI整體上呈上升趨勢，在2020年達到最大值，其值為102.12，表明研究區(qū)景觀形狀復雜程度提高，這與吉隆坡市經濟高速發(fā)展，城市不斷擴張有密切關系。CONTAG反映的是景觀中不同斑塊類型的非隨機性或聚集程度，蔓延度指數(shù)先減小后增大然后再減小，整體呈下降趨勢，由2000年的51.98減少至2020年的50.20，共減少1.78，說明各景觀類型空間連通性降低，景觀由聚集狀向分散狀轉移，主要景觀優(yōu)勢度下降，整體景觀類型空間更加分散，主要與港口發(fā)展建設帶動城市沿原有城市圈向港口所在方向擴張及港區(qū)與港口配套的交通運輸、物流倉儲、公共管理等建設用地增加有密切關系。DIVISION變化不顯著，表明吉隆坡市景觀破碎程度相對穩(wěn)定。SHDI先減少后增加，在2015年達到最小值，其值為1.39，表明吉隆坡市景觀異質程度先降低后增強，2015年后景觀向多樣化趨勢發(fā)展，由于港口帶動城市向港口所在位置擴張，種植園被大量占用，種植園優(yōu)勢度有所降低，但仍是研究區(qū)主要景觀類型。

注：SHDI為香農多樣指數(shù)； DIVISION為景觀分割指數(shù)； LSI為景觀形狀指數(shù)； CONTAG為蔓延度指數(shù)。

3.4 土地利用預測

3.4.1 模型驗證 本文使用GM(1，1)模型，首先利用 2000，2005，2010，2015年4期分類數(shù)據(jù)對研究區(qū)2020年的建設用地面積進行預測并與實際分類數(shù)據(jù)進行對比，模型評價效果達到要求后，再利用2000,2005,2010,2015,2020年5期數(shù)據(jù)對吉隆坡市2025年建設用地和種植園面積進行預測。

將吉隆坡市2000,2005,2010,2015年4期建設用地面積帶入GM(1，1)模型中，得到：

X(t+1)=11 754.96 992e0.090 105t-10 734.51 992

(9)

式中：參數(shù)a=-0.090 105;b=967.233 917。

根據(jù)GM(1，1)模型得到的公式(9)對 2005，2010，2015年建設用地擬合結果如表4所示。

表4 2005，2010， 2015年吉隆坡市建設用地擬合結果

評價結果：C=0.006 2，P=1.000，表明當前模型評價效果很好。根據(jù)公式(9)計算得出2020年建設用地面積預測值為1 452.38 km2，而實際面積為1 482.98 km2，相差30.60 km2，僅占總面積的0.50%，誤差很小，表明此模型能夠滿足本研究精度要求。

3.4.2 土地利用預測 將吉隆坡市5期建設用地和種植園面積數(shù)值分別帶入GM(1，1)模型中，得到：

X(t+1)=10 837.540 87e0.096 872t-

9 817.090 872

(10)

X(t+1)=-87 237.772 09e-0.028 948t+

89 709.302 09

(11)

式(10)中：參數(shù)a=-0.096 872;b=951.001 227，式(11)中:參數(shù)a=0.028 948;b=2 596.904 877。

根據(jù)GM(1，1)模型得到的公式(10)和公式(11)對 2005，2010，2015，2020年建設用地和種植園擬合結果如表5所示。

表5 2005，2010，2015，2020年吉隆坡市建設用地擬合結果

評價結果：建設用地C=0.040 2，P=1.000 0，種植園C=0.398 5，P=1.000 0，表明當前模型評價效果很好，能夠滿足本研究需要。根據(jù)公式(10)和公式(11)計算得出2025年建設用地和種植園面積的預測值分別為1 624.12，2 216.99 km2，建設用地和種植園面積分別保持增加和減少的趨勢不變。由于“大吉隆坡市計劃”、“一帶一路”政策、港口帶動作用、移民增加及地形限制等因素，吉隆坡市處于快速城市化狀態(tài)，建設用地增加明顯，城市向港口所在方向擴張，港口與城市間分布有大面積種植園，加劇了種植園開發(fā)規(guī)模和程度，但仍為研究區(qū)主要土地利用類型。

4 結論與討論

4.1 討 論

本文從土地利用類型面積變化、轉移矩陣及景觀格局對吉隆坡市2000—2020年土地利用變化特征進行分析，在此基礎上使用灰色預測模型，對吉隆坡市2025年土地利用情況進行預測。

(1) 建設用地面積持續(xù)增加，且向港口所在位置擴張，這與韓瑞丹研究得出，吉隆坡市沿城市中心與港口的連線方向擴張相一致[1]，港口與城市圈中間分布有大面積種植園，由于港口帶動城市向港口所在方向擴張，進一步加劇了種植園的開發(fā)規(guī)模和程度，造成種植園持續(xù)減少。

(2) 景觀形狀趨于復雜化和不規(guī)則化，這與王恒在海上絲綢之路沿線港口城市擴張遙感分析研究中，吉隆坡市景觀形狀指數(shù)呈上升趨勢相一致[2]；受港口帶動城市擴張及港區(qū)配套設施的健全，城市蔓延度指數(shù)整體呈下降趨勢，表明各景觀類型空間連通性降低，景觀由聚集狀向分散狀轉移；由于港口帶動城市向港口所在位置擴張，種植園被持續(xù)占用，種植園景觀優(yōu)勢度有所降低，景觀異質程度增強，土地利用類型開始朝多樣化方向發(fā)展；研究期間吉隆坡市主要以邊緣式和填充式相結合的模式進行擴張[1]，景觀破碎度變化量相比其他景觀指數(shù)較小，這與王恒研究得出，吉隆坡市1990—2015年景觀破碎度變化量接近[2]。

(3) 本文在利用灰色預測模型對吉隆坡市土地利用情況進行預測前，首先對模型進行驗證，驗證模型有效性后，對2025年吉隆坡市土地利用情況進行預測，且桑瀟等[28]基于灰色預測模型對山西省潞城市土地利用進行預測，也驗證了灰色預測模型進行土地利用預測的有效性。

通過分析吉隆坡市2025年土地利用情況預測結果可知，吉隆坡市仍處于快速城市化發(fā)展狀態(tài)，這也在提示我們，在滿足建設用地持續(xù)增長的同時，還需加大對種植園的保護力度，劃定種植園紅線，進一步強化海岸帶生態(tài)環(huán)境和資源保護，合理布局產業(yè)空間，優(yōu)化景觀空間格局，以實現(xiàn)港口與城市和諧發(fā)展。然而，灰色預測模型結果僅能代表現(xiàn)行發(fā)展策略下相應的土地利用變化情況，與未來實際土地利用變化結構存在一定的差異。尤其在不同的發(fā)展模式和政策下，土地利用類型及景觀格局演變會有不同。此外，灰色預測模型依賴數(shù)據(jù)的逐年數(shù)量變化特征，因此，為進一步提高模擬預測的精度，在下一步模型預測時，可將灰色預測模型與其他土地利用模型相結合，從而為吉隆坡市土地用相關政策的制定提供參考。由于本文所用5期遙感影像分辨率均為30 m，在港口發(fā)展對城市內部空間結構影響方面存在不足，在今后的研究中應適當使用分辨率較高的影像，對吉隆坡市土地利用變化特征進行細致、準確的研究。

4.2 結 論

(1) 2000—2020年，吉隆坡市整體土地利用變化呈現(xiàn)種植園和林地持續(xù)減少，建設用地面積迅速增加，其他用地先減少后增加，耕地和水體變化較小。建設用地主要通過占用港口與城市圈中部區(qū)域種植園向港口所在方向擴張。

(2) 港口帶動、城市擴張等使吉隆坡市土地利用景觀格局發(fā)生較大變化，主要表現(xiàn)為：景觀形狀趨于復雜化、不規(guī)則化，各景觀類型空間連通性降低，景觀異質程度增強，2015年后土地利用類型開始朝多樣化方向發(fā)展，景觀破碎度變化較小。

(3) GM(1，1)模型適用于土地利用變化預測，2025年吉隆坡市建設用地和種植園預測面積分別為1 624.12 km2和2 216.99 km2，預計城市仍將向港口所在方向擴張，應加強對種植園保護力度。