宋 艷， 仕玉治， 邸 燕， 李福林

(1. 濟南大學(xué) 水利與環(huán)境學(xué)院，山東 濟南 250022； 2. 山東省水利科學(xué)研究院，山東 濟南 250014；3. 山東省肥城市水資源保護中心，山東 泰安 271600)

國土空間預(yù)測是建立國土空間規(guī)劃體系，謀劃國土空間開發(fā)保護格局的重要基礎(chǔ)，是保障社會經(jīng)濟健康可持續(xù)發(fā)展的關(guān)鍵[1]。隨著社會和經(jīng)濟的快速發(fā)展，受到人類活動的影響，國土空間不同土地利用類型也發(fā)生了巨大的變化，如耕地向建設(shè)用地轉(zhuǎn)化、林地向耕地和建設(shè)用地轉(zhuǎn)化等。識別國土空間演化關(guān)鍵是研究土地利用類型在時間和空間不同程度的變化規(guī)律[2]，已成為當(dāng)前國土空間演化研究領(lǐng)域內(nèi)熱點之一[3]。針對土地覆被系統(tǒng)規(guī)律演化研究，國內(nèi)外學(xué)者進行了不斷探索，在模型方法和土地空間預(yù)測因子識別等方面取得了較大的進展，如元胞自動機(cellular automata，CA)模型、馬爾科夫模型(Markov model)、土地利用變化及效應(yīng)(conversion of land use and its effects，CLUE)模型以及土地利用變化模型(land change model，LCM)[4-5]，其中LCM應(yīng)用較為廣泛。該模型是由美國克拉克實驗室開發(fā)，具有非線性國土空間模擬與變化預(yù)測識別功能，能夠有效地解決國土空間預(yù)測的非線性和空間結(jié)構(gòu)分布難點，為國土空間的識別與演化關(guān)鍵問題提供了有效解決方案。同時，該模型還可以實現(xiàn)土地規(guī)劃和生物多樣性保護以及溫室氣體排放影響的模擬，目前已經(jīng)在美國、歐洲等地區(qū)進行了評估和應(yīng)用[5-16]。此外，LCM還被應(yīng)用于研究東歐后社會主義時代的土地變化，模擬預(yù)測精度較高，取得了較好的應(yīng)用效果。

截至目前，LCM在我國國土空間預(yù)測方面的研究與應(yīng)用較少，因此本文中將LCM引入巖溶流域國土空間預(yù)測應(yīng)用中，以位于山東省中部的肥城盆地為研究對象，分析近30 a土地利用變化，并以1980、2015年土地利用數(shù)據(jù)為基礎(chǔ)，預(yù)測出2030年研究區(qū)國土空間分布。

1 土地變化模型

LCM耦合了多層感知器(MLP)人工神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈(Markov chain，MC)方法，利用前期土地利用基礎(chǔ)數(shù)據(jù)，建立土地類型與擾動變化因子之間非線性關(guān)系，識別土地空間變化潛力和變化量，通過土地利用變化量空間優(yōu)化，即LCM中的硬預(yù)測方法，最終實現(xiàn)未來土地利用變化空間分布預(yù)測[17-18]。

1.1 多層感知器神經(jīng)網(wǎng)絡(luò)

MLP神經(jīng)網(wǎng)絡(luò)是一種具有自適應(yīng)、自組織特性的非線性方法，用來模擬計算土地利用類型空間轉(zhuǎn)化潛力。該方法通過建立土地利用類型與變化影響因子之間的非線性映射關(guān)系，神經(jīng)元采用sigmoid激勵函數(shù)。給定土地利用類型表示為(y1,y2,…，yi，…，yn)，其中yi為第i種土地利用類型，n為土地利用類型數(shù)；土地利用變化影響因子為(x1,x2,…,xj,…，xm)，其中xj為第j個土地利用影響因子，m為土地利用影響因子個數(shù)。MLP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖1所示。

圖1 多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖

1.2 馬爾科夫鏈

MC是一種用于預(yù)測未來變化的概率方法，具有無后效性。本文中利用MC確定各土地利用類型之間確定初始轉(zhuǎn)移概率矩陣，即用于描述不同類型之間相互轉(zhuǎn)化的概率。利用MC可預(yù)測土地利用變化量，為實現(xiàn)土地利用變化量空間優(yōu)化分配奠定基礎(chǔ)。MC狀態(tài)轉(zhuǎn)移矩陣為

(1)

1.3 硬預(yù)測模型

硬預(yù)測模型是統(tǒng)籌考慮不同土地利用類型空間相互轉(zhuǎn)化潛力、MC土地類型轉(zhuǎn)移概率(變化量)以及不同土地利用類型轉(zhuǎn)化約束條件，通過不同土地利用類型之間優(yōu)化，可有效地模擬預(yù)測未來土地利用空間分布。硬預(yù)測方法為

(2)

式中：X為x1，x2，…，xn是決策變量；Fo(X)為最優(yōu)土地利用類型；f(X)為土地利用驅(qū)動因子與土地利用類型間的關(guān)系式；t為時間；g(X)、h(X)為限制條件。

1.4 預(yù)測流程與精度評估

結(jié)合LCM方法原理確定LCM計算流程，如圖2所示，計算流程共包括4個步驟。

圖2 土地利用變化模型(LCM)計算流程圖

步驟1 根據(jù)已解譯的2期土地利用數(shù)據(jù)，分析不同土地利用類型轉(zhuǎn)化和變化趨勢，同時給定不同土地利用類型轉(zhuǎn)化閾值，確定可納入空間預(yù)測的土地利用類型。

步驟2 選擇可能影響土地利用變化的因子，如距離城市中心、道路、水體、坡度、高程等因子，利用Cramer’V指標(biāo)ICV確定土地利用變化因子，一般情況下ICV>0.15，可認為土地利用影響因子比較敏感且有效。

步驟3 將選取的土地利用變化影響因子構(gòu)建MLP神經(jīng)網(wǎng)絡(luò)模型進行模型訓(xùn)練，確定模型參數(shù)，輸出不同土地利用類型轉(zhuǎn)化潛力空間分布。

步驟4 結(jié)合前述MLP神經(jīng)網(wǎng)絡(luò)模擬取得的不同土地利用類型之間轉(zhuǎn)化潛力空間分布，利用MC計算不同土地利用類型轉(zhuǎn)移概率矩陣，同時給定預(yù)測約束與激勵條件以及未來預(yù)測時段，即可采用硬預(yù)測模型來預(yù)測未來時期土地利用空間分布。

采用反映空間點位對應(yīng)效果的定量評估指標(biāo)Kappa系數(shù)來進一步評估模型模擬預(yù)測精度，Kappa系數(shù)越大，說明模型模擬預(yù)測精度越高。

2 應(yīng)用實例

2.1 研究區(qū)概況

喀斯特即巖溶，是水對可溶性巖石進行溶蝕、沖蝕、潛蝕和崩塌等地質(zhì)作用，以及由這些作用所產(chǎn)生的現(xiàn)象的總稱。由喀斯特作用所造成地貌稱喀斯特地貌(巖溶地貌)。巖溶地貌按出露條件分為裸露型、覆蓋型、埋藏型。我國是世界巖溶大國，巖溶面積總和達344萬km2，南方分布最廣泛的巖溶環(huán)境類型為裸露型，北方分布的主要為覆蓋型。山東省是我國北方重要的巖溶地區(qū)之一，可溶性巖出露面積約為16 200 km2，除少量分布在魯東地區(qū)，其余廣泛分布于魯中南山地丘陵區(qū)。以肥城盆地為代表的魯中南地區(qū)的可溶性巖主要為古生界的石灰?guī)r、白云質(zhì)灰?guī)r、泥灰?guī)r及白云巖，植被覆蓋面積大，耕地面積比較大。

肥城盆地地理坐標(biāo)為北緯35°53′—36°19′、東經(jīng)116°28′—116°59′，位于山東中部，魯中南山區(qū)、泰山西麓，是以泰安市轄肥城市北部平原及其周邊山體為主體形成的獨立地質(zhì)構(gòu)造單元。研究區(qū)地貌主要為侵蝕-堆蝕地貌、裸露的溶蝕-剝蝕地貌和片麻巖侵蝕-剝蝕地貌。

研究區(qū)地處黃河流域，盆地流域面積為1 260 km2，包括肥城北部區(qū)域和泰安市岱岳區(qū)、東平縣和濟南市平陰縣部分區(qū)域，其中肥城區(qū)域分布面積最大，為882.4 km2，占總面積的70.3%。肥城盆地屬于暖溫帶大陸性半濕潤季風(fēng)氣候，多年平均降雨量為646.9 mm，降水年內(nèi)分配不均，主要集中在7—9月份；多年平均蒸發(fā)量為1 224.5 mm。肥城盆地海拔高度為250～660 m，地勢東北高、西南低，地表水和地下水流向基本一致。肥城市老城區(qū)和石橫鎮(zhèn)工業(yè)園區(qū)位于盆地中西部，是肥城市工業(yè)核心區(qū)。近年來，隨著經(jīng)濟社會的快速發(fā)展，盆地內(nèi)不同土地利用類型也發(fā)生了重大變化。

2.2 模型數(shù)據(jù)

采用肥城盆地1980、2000、2015年3期土地利用解譯圖，30 m×30 m(長度×寬度)數(shù)字高程模型(digital elevation model，DEM)圖，比例尺為1∶10萬的水系圖、1∶10萬的交通圖等為模型數(shù)據(jù)。利用ArcGIS軟件將所有數(shù)據(jù)統(tǒng)一投影坐標(biāo)為WGS_1984_UTM_zone_50N，并將數(shù)據(jù)轉(zhuǎn)換為IDRISI和ArcGIS軟件均適用的柵格數(shù)據(jù)，柵格大小設(shè)置為30 m×30 m(長度×寬度)。由于不同空間處理軟件對于數(shù)據(jù)格式要求有所差別，采用ArcGIS軟件將數(shù)據(jù)處理為tif格式或者txt格式并導(dǎo)入IDRISI轉(zhuǎn)換為重構(gòu)文本格式(RST)數(shù)據(jù)，即可利用LCM模塊進行土地利用模擬預(yù)測計算。根據(jù)我國土地利用分類標(biāo)準(zhǔn)，本文中3期土地利用類型均分為耕地、林地、草地、水域、城鄉(xiāng)居民用地和未利用地6類，如圖3所示。

(a)1980年(b)2000年(c)2015年肥城盆地地圖來源于地理國情監(jiān)測云平臺(http://www.dsac.cn/DataProduct/Detail/300011),經(jīng)過ArcGIS10.2軟件數(shù)字化處理后得到。圖3 肥城盆地不同時期土地利用類型解譯成果

2.3 結(jié)果分析

首先以1980、2000年2期土地利用為基礎(chǔ)數(shù)據(jù)模擬2015年土地利用分布，并將模擬結(jié)果與2015年土地利用解譯圖進行對比分析，以驗證評估LCM的模擬精度； 然后，以1980、2015年2期土地利用為基礎(chǔ)數(shù)據(jù)建模，預(yù)測2030年土地利用分布。

根據(jù)1980、2000年2期土地利用類型轉(zhuǎn)化分析，研究區(qū)內(nèi)城鄉(xiāng)居民用地、耕地和草地等土地利用類型發(fā)生變化較大，從而確定主要潛在轉(zhuǎn)換類型為耕地→城鄉(xiāng)居民用地、林地→城鄉(xiāng)居民用地、林地→耕地、草地→耕地、草地→城鄉(xiāng)居民用地、水域→城鄉(xiāng)居民用地，2期土地利用類型MC轉(zhuǎn)移概率矩陣如表1所示。

表1 1980—2000年肥城盆地土地利用類型轉(zhuǎn)移概率矩陣

高程、坡度、離城市中心距離分布、離道路距離、離水域距離、當(dāng)前變化區(qū)域變量等影響因子的ICV指數(shù)均大于0.15，由此確定所有指標(biāo)均可以作為土地利用變化潛在影響因子，將數(shù)據(jù)導(dǎo)入LCM中模擬2015年土地利用分布，模擬結(jié)果如圖4(a)所示。

對比2015年土地利用模擬分布圖和實際分布圖，采用4種擴展的Kappa系數(shù)進行了精度評估，分別為隨機Kappa系數(shù)Kn、位置Kappa系數(shù)Kl、分層區(qū)位Kappa系數(shù)Kls、標(biāo)準(zhǔn)Kappa系數(shù)Ks，評估結(jié)果為Kn=0.909 1，Kl=0.907 2，Kls=0.907 2，Ks=0.872 9。由上述結(jié)果可看出，LCM預(yù)測的土地利用分布和實際土地利用分布有著高度的一致性，預(yù)測精度較高，說明模型可用來進行未來土地利用預(yù)測。

同樣，以1980、2015年土地利用為基礎(chǔ)，采用前述模型預(yù)測影響因子，利用1980、2015年MC轉(zhuǎn)移概率矩陣，預(yù)測研究區(qū)2030年國土空間分布，結(jié)果如圖4(b)所示，并將預(yù)測成果與3期土地利用進行比較分析，結(jié)果如表2所示。由表中數(shù)據(jù)可知：2030年肥城盆地耕地類型所占比例為66.91%，城鄉(xiāng)居民用地比例為21.92%，其他類型占比相對較??； 1980—2030年期間，耕地面積與1980年比較，減少了11.4%； 與1980年比較，城鄉(xiāng)居民用地增加了126.4%；2015年林地面積較2000年減少13.3%，2030年的面積較2015年的減少1.46%；水域面積與1980年比較，增加了24.7%。究其原因：肥城盆地土地利用類型的變化是自然因素和人為因素共同作用的結(jié)果，城鎮(zhèn)化不斷推進，城鎮(zhèn)、工礦用地需求量將在相當(dāng)長時期內(nèi)保持較快增長，同時隨著城鄉(xiāng)一體化進程的加快和新型城鎮(zhèn)化及現(xiàn)代農(nóng)業(yè)、生態(tài)城市及旅游事業(yè)的發(fā)展，建設(shè)用地需求量將逐步增加。城鎮(zhèn)化進程加快，使得耕地、林地被占用，城鄉(xiāng)居民用地面積增加迅速，但隨著肥城市“十四五”林業(yè)發(fā)展規(guī)劃的實施，林地面積減少速率明顯變小。同時，隨著近幾年肥城市政府注重對河湖生態(tài)系統(tǒng)的修復(fù)和治理，水域面積在逐年緩慢擴大。

(a)2015年(b)2030年肥城盆地地圖來源于地理國情監(jiān)測云平臺(http://www.dsac.cn/DataProduct/Detail/300011),經(jīng)過ArcGIS10.2軟件數(shù)字化處理后得到。圖4 肥城盆地2015年土地利用變化模擬結(jié)果及2030年土地利用預(yù)測結(jié)果

表2 基于土地利用變化預(yù)測模型(LCM)的肥城盆地土地利用變化預(yù)測對比

3 結(jié)論與建議

以肥城盆地為研究對象，以1980、2000、2015年3期土地利用為基礎(chǔ)，選取地形、高程、坡度、離城市中心距離分布、離道路距離、離水域距離、當(dāng)前變化區(qū)域變量為影響因子，運用LCM模擬了2015年的土地利用，用2015年實際土地利用數(shù)據(jù)進行模型驗證，結(jié)果表明，4種Kappa系數(shù)較高，模型預(yù)測精度高。在此基礎(chǔ)上，以30多年土地利用變化規(guī)律和趨勢，預(yù)測了肥城盆地2030年國土空間分布。在自然因素和人為因素共同作用下，肥城盆地建設(shè)用地需求量將逐步增加，耕地、林地被占用，城鄉(xiāng)居民用地面積增加迅速。耕地所占比例最大，其次是城鄉(xiāng)居民用地，其他類型占比相對較小；1980—2030年期間，耕地、林地、草地面積將持續(xù)減少，城鄉(xiāng)居民用地和水域面積將有所增加，未利用土地變化不大。同時，隨著肥城市各項規(guī)劃等相關(guān)保護政策的實施，林地面積減少速率明顯變小，水域面積在逐年緩慢擴大。未來耕地與城鄉(xiāng)居民用地、林地與城鄉(xiāng)居民用地之間的轉(zhuǎn)化將更為明顯。

雖然LCM為分析土地覆被變化和制定國土規(guī)劃提供了一套強大的工具，但是土地利用變化是一個較為復(fù)雜的過程，受到各種因素的綜合作用，如肥城盆地地質(zhì)災(zāi)害、大型工程等不確定因素的影響、模型預(yù)測輸入的基礎(chǔ)數(shù)據(jù)僅為前2期土地利用信息，信息量偏少，難以準(zhǔn)確的反映國土空間土地利用變化的速度和趨勢，預(yù)測結(jié)果存在一定不確定性。下一步應(yīng)充分考慮土地利用變化的各項影響因子以及約束與激勵條件，增加已有國土空間土地利用的期數(shù)，采用更多的土地利用信息，減小土地利用變化預(yù)測不確定性，提高國土空間模擬預(yù)測精度，更好地為流域水文模擬提供精準(zhǔn)的空間數(shù)據(jù)，也為國土資源規(guī)劃政策的制定提供更加有力的技術(shù)支撐。