黃 哲, 楊艷芬

(西北農(nóng)林科技大學(xué) 水土保持研究所 黃土高原土壤侵蝕與旱地農(nóng)業(yè)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 楊凌 712100)

土地利用和覆被變化(LUCC)是陸地生態(tài)系統(tǒng)對(duì)全球氣候變化和人類(lèi)活動(dòng)最重要的響應(yīng)之一[1]，區(qū)域土地利用/覆蓋變化作為全世界資源環(huán)境變化的重要成因，逐漸成為研究的熱點(diǎn)，尤其是對(duì)“生態(tài)脆弱區(qū)”的研究，已經(jīng)被國(guó)內(nèi)外眾多學(xué)者所關(guān)注[2]。土地利用模型是研究土地利用/覆蓋變化的重要方法，它可以定量分析土地利用變化與影響其變化的驅(qū)動(dòng)因素的關(guān)系，還可以模擬預(yù)測(cè)不同研究背景下的土地利用變化[3]。目前研究LUCC的主要有數(shù)量預(yù)測(cè)模型和空間預(yù)測(cè)模型，數(shù)量模型主要對(duì)各類(lèi)土地利用類(lèi)型數(shù)量變化情況進(jìn)行預(yù)測(cè)，比較常用的數(shù)量模型[4]主要有馬爾科夫鏈Markov模型、灰色模型、二元Logistic回歸模型等?？臻g模型可從空間上表現(xiàn)各類(lèi)土地利用類(lèi)型地理位置上的演變，空間格局模擬模型[5]主要有CA(Cellular Automata)元胞自動(dòng)機(jī)模型、CLUE模型及其改進(jìn)版本CLUE-S模型等。隨著研究的不斷深入，許多學(xué)者根據(jù)研究區(qū)不同區(qū)域特點(diǎn)將數(shù)量預(yù)測(cè)模型和空間預(yù)測(cè)模型兩兩結(jié)合使用，使得其研究結(jié)果更具針對(duì)性。如CA-Markov模型、Logistic-CA-Markov模型及MCE-CA-Markov(Multi-Criteria Evaluation，多準(zhǔn)則評(píng)價(jià))模型等均屬于耦合模型。

耦合模型中的CA-Markov模型綜合了Markov鏈的長(zhǎng)期預(yù)測(cè)和CA模擬復(fù)雜系統(tǒng)空間變化的優(yōu)點(diǎn)使得其被廣泛應(yīng)用于不同地區(qū)的LUCC模擬[6]，但預(yù)測(cè)多集中在城市。Logistic-CA-Markov模型是通過(guò)建立回歸模型來(lái)改變CA轉(zhuǎn)換規(guī)則并將回歸模型運(yùn)用于土地利用變化的預(yù)測(cè)模擬之中[7]。MCE-CA-Markov模型則是基于土地利用轉(zhuǎn)移概率矩陣和適宜性圖集來(lái)為CA在下一時(shí)刻的狀態(tài)提供決策目標(biāo)[8]。Logistic-CA-Markov模型及MCE-CA-Markov模型在國(guó)內(nèi)外應(yīng)用廣泛，在國(guó)外被應(yīng)用于模擬美國(guó)明尼蘇達(dá)州明尼阿波利斯-圣保羅(雙城)大都市區(qū)的土地變化[9]、印度德拉敦市的城市轉(zhuǎn)型升級(jí)[10]及伊朗沿海紅樹(shù)林的變化監(jiān)測(cè)和土地覆被預(yù)測(cè)等[11]；在國(guó)內(nèi)被應(yīng)用于京津冀都市圈的多情景模擬[12]、與Logistic耦合嵌入灰色不等時(shí)距模型中模擬城市形態(tài)空間演化特征[13]及碳儲(chǔ)量演變研究等[14]。

延河流域生態(tài)環(huán)境脆弱，自1999年以來(lái)，實(shí)施的水土保持綜合治理措施使得土地利用/覆被變化成為影響流域水文的重要因素。目前，對(duì)延河流域利用不同耦合模型進(jìn)行土地利用空間格局演化的研究較少。本文基于黃土高原延河流域1986年、2000年及2010年3期土地利用數(shù)據(jù)和高程、坡度等7個(gè)驅(qū)動(dòng)因子，首先分析延河流域1986—2010年土地利用/覆被演化特征，再利用耦合模型中較經(jīng)典的Logistic-CA-Markov模型及MCE-CA-Markov模型進(jìn)行延河流域土地利用空間格局模擬對(duì)比研究，以期為未來(lái)優(yōu)化流域土地利用結(jié)構(gòu)，科學(xué)制定合理的土地利用政策，實(shí)現(xiàn)流域資源的可持續(xù)利用提供科學(xué)依據(jù)。

1 研究區(qū)概況

延河流域地處陜西北部黃土高原中部，經(jīng)緯度為36°27′—37°58′N(xiāo)，108°38′—110°29′E，流域總面積約為7 725 km2，干流全長(zhǎng)286.90 km。流域內(nèi)地勢(shì)空間差異大，高程范圍為494～1 787 m，主要表現(xiàn)為西北相對(duì)較高而東南低，且流域內(nèi)侵蝕強(qiáng)烈，地形破碎。流域包括延安市、延安市延長(zhǎng)縣大部分地區(qū)、延安市安塞縣、榆林市靖邊縣和延安市志丹縣。改革開(kāi)放以來(lái)，流域內(nèi)工礦產(chǎn)業(yè)快速發(fā)展，但仍然以農(nóng)業(yè)經(jīng)濟(jì)發(fā)展為中心。

2 數(shù)據(jù)來(lái)源及研究方法

2.1 數(shù)據(jù)來(lái)源及預(yù)處理

研究所用的數(shù)據(jù)主要包括延河流域1986年、2000年、2010年3期土地利用數(shù)據(jù)、延河流域DEM數(shù)據(jù)及相關(guān)社會(huì)經(jīng)濟(jì)數(shù)據(jù)。其中1986年、2000年、2010年3期土地利用遙感影像數(shù)據(jù)是經(jīng)過(guò)幾何糾正、輻射定標(biāo)、大氣校正和地形校正后得到，DEM數(shù)據(jù)來(lái)自于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn/)，空間分辨率為100 m×100 m。為對(duì)比研究模型模擬效果差異，本文所用模型均選擇相同的驅(qū)動(dòng)因子，從自然地理，社會(huì)經(jīng)濟(jì)及可達(dá)性方面選取了高程、坡度、距鐵路的距離、距公路的距離、距居民點(diǎn)的距離、人口密度及GDP共7個(gè)驅(qū)動(dòng)因子作為影響延河流域土地利用格局變化的主要驅(qū)動(dòng)因子。高程、坡度數(shù)據(jù)從DEM影像中提?。还?、鐵路、居民點(diǎn)等自然地理數(shù)據(jù)來(lái)自地理信息專(zhuān)業(yè)知識(shí)服務(wù)系統(tǒng)，距離因子數(shù)據(jù)是利用GIS對(duì)公路、鐵路、居民點(diǎn)進(jìn)行歐氏距離分析得到的；延河流域人口密度和GDP柵格數(shù)據(jù)來(lái)自于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心。

在進(jìn)行土地利用變化模擬預(yù)測(cè)之前，對(duì)所有數(shù)據(jù)進(jìn)行預(yù)處理，統(tǒng)一邊界范圍，統(tǒng)一投影坐標(biāo)系為Krasovsky_1940_Albers，統(tǒng)一分辨率為100 m×100 m。根據(jù)延河流域土地利用特點(diǎn)，將得到的3期土地利用現(xiàn)狀數(shù)據(jù)按照《土地利用現(xiàn)狀分類(lèi)》(GB/T21010—2017)重分類(lèi)為耕地，林地，草地，水域，建設(shè)用地和未利用地6類(lèi)。

2.2 研究方法

2.2.1 CA-Markov模型 CA-Markov模型由元胞自動(dòng)機(jī)和馬爾可夫鏈構(gòu)成，既提高了轉(zhuǎn)化的預(yù)測(cè)精度，又可以有效模擬空間格局變化[15]，馬爾可夫鏈Markov計(jì)算公式為[16]：

(1)

St+1=Pij·St

(2)

式中:St,St+1為t,t+1時(shí)期土地利用結(jié)構(gòu)狀態(tài);Pij為轉(zhuǎn)移概率矩陣,研究初期到末期由類(lèi)型i轉(zhuǎn)為j的概率;n為土地利用類(lèi)型。

CA模型公式為[15]：

S(t,t+1)=f〔S(t),N〕

(3)

式中:S為元胞有限且離散狀態(tài)的集合;f為元胞狀態(tài)的轉(zhuǎn)換規(guī)則函數(shù);N為每個(gè)元胞的鄰域;t,t+1為兩個(gè)不同的時(shí)刻。

本文利用IDRISI軟件中的Markov模塊和CA-Markov模塊進(jìn)行延河流域土地利用的模擬預(yù)測(cè)，首先利用Markov模塊計(jì)算1986—2000年和2000—2010年的延河流域土地利用轉(zhuǎn)移概率矩陣，然后利用CA-Markov模型，基于2000年分別選擇由Logistic模塊和MCE模塊生成的2000年適宜性圖集，循環(huán)次數(shù)設(shè)為10，濾波器設(shè)為5×5，分別得到2010年土地利用預(yù)測(cè)圖，將兩個(gè)模型得到的模擬圖與實(shí)際圖進(jìn)行精度驗(yàn)證，精度符合要求后按照上述步驟進(jìn)行2030年延河流域土地利用模擬。

2.2.2 Logistic-CA-Markov模型 Logistic-CA-Markov模型是通過(guò)建立回歸模型來(lái)改變CA轉(zhuǎn)換規(guī)則并將其運(yùn)用于土地利用變化的預(yù)測(cè)之中，要求結(jié)果發(fā)生的變量取值為二分變量(取值為0或者1)或多分變量[17]，Logistic回歸分析計(jì)算每個(gè)柵格出現(xiàn)該種土地利用類(lèi)型i的概率Pi為[18]：

(4)

式中:β0為常數(shù);Pi為某類(lèi)土地利用i出現(xiàn)的概率;β為回歸系數(shù)用來(lái)表示各地類(lèi)與驅(qū)動(dòng)因子的定量關(guān)系;X1,X2,…,Xm為驅(qū)動(dòng)因子。

回歸方程的擬合度檢測(cè)使用的是Pontius等[19]提出的ROC(相對(duì)工作特征曲線)曲線，其值介于0.5～1，越接近于1說(shuō)明擬合效果越好，若ROC大于0.75，表示該模型模擬效果較好，能夠滿(mǎn)足相關(guān)要求。

利用Logistic模塊制作適宜性圖集時(shí)，基于IDRISI中的Logistic模塊，將延河流域基期年各地類(lèi)的土地利用二值圖(如耕地二值圖是將耕地賦值為1，其余地類(lèi)全部設(shè)置為0)依次作為因變量，高程、坡度、GDP、人口密度、距鐵路距離、距公路距離及距居民點(diǎn)距離這7個(gè)驅(qū)動(dòng)因子作為自變量，得到各驅(qū)動(dòng)因子與土地利用類(lèi)型的系數(shù)、優(yōu)勢(shì)比及各地類(lèi)的適宜性圖層，對(duì)各地類(lèi)系數(shù)和優(yōu)勢(shì)比進(jìn)行分析后將適宜性圖層利用集合生成器(Collection Editor)打包生成適宜性圖集，參與后續(xù)CA-Markov的模擬過(guò)程。

2.2.3 MCE-CA-Markov模型 MCE-CA-Markov多評(píng)價(jià)準(zhǔn)則方法可以提高模型模擬精度且預(yù)測(cè)未來(lái)時(shí)期的LUCC變化更為可靠，利用MCE模塊制作的適宜性圖集可為CA在下一時(shí)刻的狀態(tài)提供決策目標(biāo)[8]。MCE模塊包含限制因子和影響因子，限制因子是將分析嚴(yán)格控制在某種范圍內(nèi)，以0，1值表示，0是指該區(qū)域不能發(fā)生土地利用類(lèi)型變化，如水域或者自然保護(hù)區(qū)等；1指該區(qū)域可以發(fā)生土地利用類(lèi)型的轉(zhuǎn)變。影響因子通過(guò)FUZZY功能實(shí)現(xiàn)，將原來(lái)離散或者連續(xù)數(shù)據(jù)統(tǒng)一到0～255標(biāo)準(zhǔn)化數(shù)據(jù)，并確定各因子對(duì)該類(lèi)地類(lèi)影響的函數(shù)形式。

MCE-CA-Markov模型制作適宜性圖集是基于IDRISI Selva 17.0平臺(tái)，耕地、林地、草地選擇高程、坡度為影響因子，高程對(duì)于3種地類(lèi)的影響選擇S型衰減模式，坡度對(duì)于3種地類(lèi)的影響選擇J型遞減模式，耕地、林地、草地及其影響因子的權(quán)重均采用自定義權(quán)重。建設(shè)用地選擇高程、坡度、GDP、人口密度、距公路距離、距鐵路距離、距居民點(diǎn)距離為影響因子，影響函數(shù)形式為S型衰減，建設(shè)用地各影響因子的權(quán)重用層次分析法(AHP)確定，將各地類(lèi)的限制及影響因子組合做為該地類(lèi)的適宜性圖層，利用集合生成器(Collection Editor)打包生成6類(lèi)適宜性圖集，參與后續(xù)CA-Markov的模擬過(guò)程。

2.2.4 擴(kuò)展的Kappa系數(shù) CA-Markov模型的校準(zhǔn)選用擴(kuò)展的Kappa系數(shù)進(jìn)行檢驗(yàn)，不同于傳統(tǒng)的Kappa系數(shù)，擴(kuò)展的Kappa系數(shù)采用多個(gè)評(píng)價(jià)指標(biāo)來(lái)解決評(píng)價(jià)中類(lèi)別數(shù)量和空間分配中的不一致[20]。分別對(duì)Logistic-CA-Markov模型和MCE-CA-Markov模型模擬的2010年延河流域利用圖進(jìn)行檢驗(yàn)，結(jié)果見(jiàn)表1。

表1 擴(kuò)展Kappa系數(shù)評(píng)價(jià)指標(biāo)

3 結(jié)果與分析

3.1 1986-2010年延河流域土地利用時(shí)空分布特征

通過(guò)統(tǒng)計(jì)匯總延河流域1986年、2000年和2010年3期土地利用數(shù)據(jù)，得出不同時(shí)段各類(lèi)土地利用的面積，所占比例及空間轉(zhuǎn)化情況見(jiàn)表2，圖1。在1986—2000年期間，耕地、水域、未利用地呈減少趨勢(shì)，其中耕地降幅最為明顯，減少了67.09 km2，水域和未利用地減少了1.94，1.74 km2，而林地、草地和建設(shè)用地呈增長(zhǎng)趨勢(shì)，分別增長(zhǎng)了32.00，33.48，5.29 km2。延河流域2000—2010年與1986—2000年土地利用類(lèi)型變化趨勢(shì)大致一致，耕地、水域及未利用地呈減少趨勢(shì)，分別減少了490.01，2.55，0.15 km2，其中耕地減少趨勢(shì)依舊最為明顯，林地、草地、建設(shè)用地持續(xù)保持增長(zhǎng)，分別增加了346.34，103.49，42.88 km2。

表2 延河流域1986-2010年土地利用類(lèi)型面積變化

圖1 1986-2000年、2000-2010年延河流域土地利用空間轉(zhuǎn)化

為進(jìn)一步說(shuō)明各類(lèi)土地利用類(lèi)型轉(zhuǎn)移過(guò)程，利用IDRISI17.0軟件中的Markov模塊分別以1986年和2000年的土地利用圖為初始年份，2000年和2010年為末期年份，得到土地利用轉(zhuǎn)移概率矩陣，并利用GIS得到土地利用轉(zhuǎn)移面積矩陣。其中轉(zhuǎn)移概率矩陣是各土地利用類(lèi)型轉(zhuǎn)化為其他類(lèi)型的概率，轉(zhuǎn)移面積矩陣是轉(zhuǎn)化為其他類(lèi)型的面積。由表3—4可知，延河流域1986—2000年及2000—2010年土地利用類(lèi)型轉(zhuǎn)移情況大致相同：草地以轉(zhuǎn)入為主，主要由耕地轉(zhuǎn)入，轉(zhuǎn)出較少；建設(shè)用地少量轉(zhuǎn)出為草地和耕地，較多由耕地轉(zhuǎn)入；減少趨勢(shì)較為明顯的耕地以轉(zhuǎn)出為主，主要轉(zhuǎn)為草地、林地和建設(shè)用地；林地以轉(zhuǎn)入為主，主要由草地和耕地轉(zhuǎn)入；未利用地和水域都以轉(zhuǎn)出為主，未利用地主要向建設(shè)用地轉(zhuǎn)化，而水域則主要向耕地和草地轉(zhuǎn)化，但未利用地和水域占比較小，總體變化不明顯。

表3 1986-2000年延河流域土地利用類(lèi)型轉(zhuǎn)移面積矩陣 km2

表4 2000-2010年延河流域土地利用類(lèi)型轉(zhuǎn)移面積矩陣 km2

1986—2010年延河流域土地利用類(lèi)型以草地和耕地為主，面積比為45%，40%；其次是林地、建設(shè)用地和水域，面積比分別在10%，0.9%，0.3%左右；而未利用地僅占0.01%左右。土地作為人類(lèi)社會(huì)經(jīng)濟(jì)活動(dòng)的基礎(chǔ)，其開(kāi)發(fā)利用程度反映了社會(huì)經(jīng)濟(jì)活動(dòng)對(duì)其的需求程度，結(jié)合延河流域生態(tài)環(huán)境政策和社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r，可知延河流域1986—2010年耕地面積持續(xù)減少，主要轉(zhuǎn)出為建設(shè)用地、林地和草地，原因有流域25°以上坡耕地退耕為其他地類(lèi)、大量農(nóng)村人口往城鎮(zhèn)轉(zhuǎn)移、流域城鎮(zhèn)化發(fā)展使得建設(shè)用地?cái)U(kuò)張占用周邊耕地以及近年來(lái)流域退耕還林(草)工程、天然林保護(hù)工程和小流域綜合治理措施等生態(tài)治理措施和相關(guān)生態(tài)恢復(fù)政策的實(shí)施等，其中有關(guān)生態(tài)恢復(fù)方面的政策是最主要的影響因子，國(guó)家自1998年以來(lái)陸續(xù)出臺(tái)相關(guān)生態(tài)恢復(fù)政策及鼓勵(lì)相關(guān)植被恢復(fù)與林農(nóng)產(chǎn)業(yè)項(xiàng)目結(jié)合，積極調(diào)整了土地利用結(jié)構(gòu)，促進(jìn)了該地區(qū)生態(tài)經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展。

3.2 Logistic-CA-Markov模型預(yù)測(cè)土地利用類(lèi)型

Logistic回歸模型得到的7個(gè)驅(qū)動(dòng)因子與6種地類(lèi)關(guān)系見(jiàn)表5，草地、耕地、林地、建設(shè)用地、水域、未利用地的ROC值分別為0.86，0.84，0.87，0.93，0.93，0.99，均大于0.75，說(shuō)明該尺度下的回歸模型可以很好的解釋驅(qū)動(dòng)因子與各地類(lèi)的關(guān)系。將兩個(gè)圖層疊加進(jìn)行空間分析得到疊加面積為6 172.24 km2，占總面積的80.39%，并對(duì)各地類(lèi)面積進(jìn)行誤差分析，得到各地類(lèi)總誤差率為13.36%，由IDRISI中VALIDATA計(jì)算的擴(kuò)展的Kappa系數(shù)見(jiàn)表1，模擬結(jié)果表明模擬精度較好。

表5 2010年延河流域土地利用類(lèi)型Logistic回歸結(jié)果

利用Logistic-CA-Markov模型模擬得到的2030年延河流域土地利用圖見(jiàn)圖2，2030年延河流域土地利用格局以耕林草地為主，建設(shè)用地增勢(shì)明顯，其中耕地和草地面積較之2010年減少明顯，耕地減少了459.41 km2，占比為30.49%，草地減少了270.02 km2，占比為43.08%，林地和建設(shè)用地面積分別增加了656.60，67.60 km2，占比分別為24.24%，1.81%，水域面積與2010年延河流域差別不大，增加了0.14 km2，未利用地增加了7.05 km2，流域新增林地和建設(shè)用地主要由耕地和草地轉(zhuǎn)入，且集中在延安市區(qū)域，新增草地、水域和未利用地均主要由耕地轉(zhuǎn)入。

圖2 基于Logistic-CA-Markov模型的2030年延河流域土地利用模擬圖

3.3 MCE-CA-Markov模型預(yù)測(cè)土地利用類(lèi)型

MCE模塊針對(duì)不同的地類(lèi)設(shè)置不同的影響因子及限制因子來(lái)分析各地類(lèi)及其驅(qū)動(dòng)因子的關(guān)系，其中耕地、林地、草地的影響因子坡度及高程權(quán)重分別設(shè)置為0.40，0.60。建設(shè)用地的影響因子高程、坡度、GDP、人口密度、距公路距離、距鐵路距離、距居民點(diǎn)距離利用AHP層次分析法，系數(shù)分別設(shè)置為0.09，0.19，0.19，0.17，0.13，0.13，0.08，經(jīng)檢驗(yàn)符合模型連續(xù)性要求。兩圖層疊加面積為6 298.55 km2，占總面積的82.04%，各地類(lèi)總誤差率為14.24%，利用VALIDATA計(jì)算得到的擴(kuò)展的Kappa指數(shù)見(jiàn)表1，模擬結(jié)果表明模擬精度較好。

利用MCE-CA-Markov模型模擬得到2030年延河流域土地利用圖見(jiàn)圖3，2010—2030年延河流域林地、水域和建設(shè)用地與2000—2010年變化趨勢(shì)一致，其中耕地、林地、水域及建設(shè)用地均有增加，其中耕地增幅最為明顯，增加了106.43 km2，占比為37.84%；草地和未利用地面積較之2010年分別減少了117.24，0.45 km2，草地占比為45.05%；林地、水域及建設(shè)用地分別增加了13.52，0.93，0.96 km2，占比分別為15.86%，0.3%，0.94%。2030年延河流域新增耕地主要集中在延長(zhǎng)縣區(qū)域、靖邊縣和安塞區(qū)，林地增加主要集中在延長(zhǎng)縣區(qū)域，新增耕地和林地主要由草地轉(zhuǎn)入。

圖3 基于MCE-CA-Markov模型的2030年延河流域土地利用模擬圖

3.4 Logistic-CA-Markov模型和MCE-CA-Markov模型預(yù)測(cè)結(jié)果對(duì)比分析

從模擬結(jié)果上看，利用CA-Markov模型模擬的2010年延河流域土地利用空間布局圖符合精度要求，說(shuō)明CA-Markov模型在延河流域具有較好的應(yīng)用性且能模擬流域土地利用空間變化特征。由2010年模擬結(jié)果可知，相比之下MCE-CA-Markov模型模擬空間區(qū)位變化方面精度較高，Logistic-CA-Markov模型則在模擬數(shù)量變化方面精度較高，但MCE-CA-Markov模型標(biāo)準(zhǔn)Kappa系數(shù)0.8664略高于Logistic-CA-Markov模型精度0.8576。

從2030年模擬結(jié)果上看，利用Logistic-CA-Markov模型預(yù)測(cè)的2030年延河流域耕地和草地面積較之2010年減少明顯，林地、建設(shè)用地、水域和未利用地面積均有增加。林地增加與該區(qū)實(shí)施的退耕還林工程有關(guān)，建設(shè)用地增加表明隨著社會(huì)經(jīng)濟(jì)快速發(fā)展，城鎮(zhèn)擴(kuò)張出現(xiàn)集聚效應(yīng)。延河流域生態(tài)環(huán)境脆弱，耕地轉(zhuǎn)出容易但要將其他地類(lèi)恢復(fù)為耕地成本更高且難度更大，因此面對(duì)流域經(jīng)濟(jì)建設(shè)的高需求，要準(zhǔn)確把握地區(qū)經(jīng)濟(jì)發(fā)展與資源利用的科學(xué)規(guī)律，合理協(xié)調(diào)經(jīng)濟(jì)建設(shè)與流域資源環(huán)境的保護(hù)，優(yōu)化調(diào)整用地結(jié)構(gòu)，從而實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)高質(zhì)量式發(fā)展。利用MCE-CA-Markov模型模擬得到2030年延河流域草地和未利用地面積呈減少趨勢(shì)，耕地、林地、水域及建設(shè)用地均有增加，其中耕地增幅大于建設(shè)用地，表明流域經(jīng)濟(jì)發(fā)展相對(duì)較緩，注重對(duì)耕地和生態(tài)環(huán)境的保護(hù)。但在流域資源有限的情況下，要實(shí)現(xiàn)流域發(fā)展應(yīng)立足于地區(qū)產(chǎn)業(yè)發(fā)展特色，積極探索不同的土地利用新結(jié)構(gòu)，最大限度的發(fā)揮區(qū)域資源的優(yōu)勢(shì)，只有經(jīng)濟(jì)和環(huán)境雙發(fā)展才有利于維持該地區(qū)的可持續(xù)性。

Logistic-CA-Markov模型和MCE-CA-Markov模型模擬結(jié)果差異的原因，從驅(qū)動(dòng)因子對(duì)地類(lèi)的影響方式上分析，Logistic-CA-Markov模型采用的是線性回歸分析，將各驅(qū)動(dòng)因子逐個(gè)與各地類(lèi)進(jìn)行線性回歸，而MCE-CA-Markov模型采用的是加權(quán)線性分析，對(duì)影響地類(lèi)變化的限制因子和影響因子進(jìn)行加權(quán)線性回歸。從影響地類(lèi)變化的驅(qū)動(dòng)因子選擇上分析，Logistic-CA-Markov模型選擇的影響2010年建設(shè)用地變化的主要因子為GDP、人口密度、DEM和距道路距離因子，其中GDP為最重要的影響因子，距道路距離因子和建設(shè)用地為負(fù)相關(guān)關(guān)系，影響耕地的主要因子為GDP、人口密度和DEM。而MCE-CA-Markov模型選擇的影響建設(shè)用地變化的因子為GDP、坡度、人口密度和距公路距離，其中GDP和坡度的權(quán)重一樣大，影響耕地的主要因子為高程和坡度。兩個(gè)模型在選擇影響地類(lèi)變化的驅(qū)動(dòng)因子上以及對(duì)于驅(qū)動(dòng)因子處理方式上的不一致，使得兩個(gè)模型組成的參與后續(xù)模擬循環(huán)的適宜性圖集不同，因此造成了模型模擬結(jié)果的差異。

4 結(jié) 論

延河流域1986—2010年期間耕地、水域、未利用地呈減少趨勢(shì)，其中耕地降幅最為明顯，林地、草地和建設(shè)用地呈增長(zhǎng)趨勢(shì)。減少趨勢(shì)較為明顯的耕地以轉(zhuǎn)出為主，主要轉(zhuǎn)為草地、林地和建設(shè)用地，林地轉(zhuǎn)入為主，主要由草地和耕地轉(zhuǎn)入，未利用地和水域都以轉(zhuǎn)出為主，生態(tài)恢復(fù)政策是影響流域土地利用變化的最主要的因子。

利用Logistic-CA-Markov模型預(yù)測(cè)的2030年延河流域耕地和草地面積較之2010年減少明顯，林地、建設(shè)用地、水域和未利用地面積均有增加。利用MCE-CA-Markov模型模擬得到2030年延河流域草地和未利用地面積呈減少趨勢(shì)，耕地、林地、水域及建設(shè)用地均有增加，其中耕地增幅最為明顯。Logistic-CA-Markov模型預(yù)測(cè)的流域經(jīng)濟(jì)發(fā)展需求較高，應(yīng)根據(jù)區(qū)域特點(diǎn)因地制宜制定適合當(dāng)?shù)匕l(fā)展的政策。而MCE-CA-Markov模型預(yù)測(cè)的2030年延河流域經(jīng)濟(jì)發(fā)展相對(duì)較緩，雖然實(shí)現(xiàn)了對(duì)環(huán)境的保護(hù)，但要實(shí)現(xiàn)流域發(fā)展應(yīng)積極探索土地利用新結(jié)構(gòu)，用養(yǎng)結(jié)合，才能更好的實(shí)現(xiàn)經(jīng)濟(jì)環(huán)境的持續(xù)發(fā)展。