秦鈺莉

(湖北永業(yè)行評(píng)估咨詢有限公司,湖北武漢 330013)

土地是人類在一切生產(chǎn)和社會(huì)活動(dòng)中賴以生存的基礎(chǔ)和進(jìn)步的前提[1]。土地利用/土地覆被變化(land use and land cover change,LUCC)是在環(huán)境變化問(wèn)題中自然與人文過(guò)程交叉最為密切的部分。自2005年全球土地計(jì)劃(global land project,GLP)發(fā)布后,LUCC是全球變化研究的熱點(diǎn)[2]。土地利用變化影響著土地和社會(huì)經(jīng)濟(jì)相關(guān)規(guī)劃,土地方面乃至社會(huì)經(jīng)濟(jì)相關(guān)規(guī)劃與土地利用變化聯(lián)系緊密。土地利用規(guī)劃有利于區(qū)域資源合理開發(fā)、生態(tài)環(huán)境保護(hù)以及社會(huì)經(jīng)濟(jì)健康快速發(fā)展,土地規(guī)劃前提工作需要分析土地利用熱點(diǎn)區(qū)域的空間位置和趨勢(shì),研究土地利用變化的驅(qū)動(dòng)力,對(duì)未來(lái)土地利用格局進(jìn)行準(zhǔn)確的預(yù)測(cè)和模擬[3]。

土地利用格局演變主要是自然和社會(huì)經(jīng)濟(jì)因子共同作用的結(jié)果,不同區(qū)域的土地利用變化影響因子變化具有差異性[4]。影響因子對(duì)土地利用變化解釋力的模型主要有Logistic分析[5]、人工神經(jīng)網(wǎng)絡(luò)(ANN)[6]和Autologistic分析[7]。土地利用變化模擬與預(yù)測(cè)是土地科學(xué)的重要組成部分,也是土地資源可持續(xù)利用的根本保證。土地利用變化分析模型是研究土地利用變化成因、模擬預(yù)測(cè)未來(lái)變化趨勢(shì)和環(huán)境影響的重要途徑。近年土地利用變化模擬模型主要有CA_Markov模型[8]、Agent-based模型[9]、SLEUTH模型[10]、LTM(land transformation model)模型[11]和CLUE-S(coversion of land use and its effects at small region extent)模型[12-13]。Dyna-CLUE模型是基于CLUE和CLUE-S模型改進(jìn)而來(lái),Verburg等[14]在它們的基礎(chǔ)上增加了處理領(lǐng)域影響的模塊和土地利用連續(xù)變化的模擬機(jī)制。目前,Dyna-CLUE模型已經(jīng)應(yīng)用到了多個(gè)領(lǐng)域:政府政策改革對(duì)土地利用變化的影響、生態(tài)系統(tǒng)固碳潛力模擬預(yù)測(cè)、政策對(duì)農(nóng)田生物多樣性影響評(píng)價(jià)和區(qū)域土地利用空間模擬與預(yù)測(cè)[15-17]。然而,對(duì)于濕地生態(tài)保護(hù)及城市化發(fā)展迅速影響下土地利用變化機(jī)理問(wèn)題目前應(yīng)用較少。

鄱陽(yáng)湖是國(guó)際重要濕地,是我國(guó)第一大淡水湖。鄱陽(yáng)湖南部區(qū)域特殊的地理位置和生態(tài)環(huán)境修復(fù)等問(wèn)題成為區(qū)域研究熱點(diǎn)[18]。目前,缺乏對(duì)鄱陽(yáng)湖區(qū)域以不同情境設(shè)計(jì)對(duì)土地利用變化模擬預(yù)測(cè),揭示各影響因子驅(qū)動(dòng)下土地利用演變趨勢(shì)。 該研究基于Logistic回歸模型定量分析影響因子對(duì)土地利用變化的轉(zhuǎn)換概率,結(jié)合Dyna-CLUE模型,充分考慮鄱陽(yáng)湖濕地土地利用政策和未來(lái)規(guī)劃的宏觀調(diào)控影響,以提高土地利用模擬的精度為主要目標(biāo),模擬預(yù)測(cè)未來(lái)鄱陽(yáng)湖濕地南部區(qū)域的空間布局,以期為生態(tài)規(guī)劃工作提供技術(shù)思路及理論支撐[19-20]。

1 資料與方法

1.1 研究區(qū)域概況鄱陽(yáng)湖濕地是永久性淡水湖濕地,濕地面積達(dá)到31.3萬(wàn)hm2。該研究以鄱陽(yáng)湖南部區(qū)域隸屬南昌市境內(nèi)的新建區(qū)、青山湖區(qū)、東湖區(qū)、西湖區(qū)、青云譜區(qū)、南昌縣、進(jìn)賢縣和上饒市的余干縣為研究區(qū)(圖1)。研究區(qū)屬于亞熱帶濕潤(rùn)性季風(fēng)型氣候,氣候溫暖濕潤(rùn),光照充足,雨量充沛。在東南季風(fēng)的影響下,年降水量在1 600 mm左右,濕地多年平均水溫18 ℃左右。鄱陽(yáng)湖濕地高程在13.60～19.00 m(吳淞基面)。湖區(qū)土壤類型有紅壤、黃棕壤、紫色土、石灰土、石質(zhì)土、潮土和水稻土。鄱陽(yáng)湖濱湖平原以沖擊型土壤為主,洲灘地是草甸土、沼澤土,濱湖和河流兩岸是沖積土,質(zhì)地主要為河流沖積物,具有肥力較高、耕地良好、宜種性廣等特征。平原階地以水稻土為主,還有階地紅壤[21]。研究區(qū)是鄱陽(yáng)湖濕地經(jīng)濟(jì)、政治和文化的核心區(qū)域,人口密集。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

1.2 數(shù)據(jù)來(lái)源與處理主要數(shù)據(jù)包括:①土地利用數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云(http://www.gscloud.cn),選取2015和2020年Landsat8-OLI遙感影像,時(shí)相為7月。②高程和坡度從DEM數(shù)據(jù)中提取;國(guó)道、省道和縣道數(shù)據(jù)來(lái)源于國(guó)家基礎(chǔ)地理信息中心。③社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)來(lái)源于鄱陽(yáng)湖濕地系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)。

數(shù)據(jù)處理:利用ENVI軟件,對(duì)原始遙感影像進(jìn)行預(yù)處理,結(jié)合野外調(diào)查和谷歌地球采點(diǎn),利用ENVI 5.0采用最大似然法解譯提取土地利用數(shù)據(jù),該研究將土地利用類型分為水域、耕地、建設(shè)用地、未利用地和林草地。DEM數(shù)據(jù)下載后進(jìn)行裁剪和重分類處理,利用空間表面分析功能提取高程和坡度。在ArcGIS中,利用Euclidean Distance(歐式距離)工具計(jì)算研究區(qū)域各柵格到國(guó)道、省道和縣道的最近距離。將計(jì)算獲取的人口密度、GDP和地方財(cái)政收入矢量數(shù)據(jù)導(dǎo)入ArcGIS中,并進(jìn)行空間柵格化。所有柵格數(shù)據(jù)坐標(biāo)系統(tǒng)統(tǒng)一為WGS84,分辨率為30 m×30 m。

1.3 研究方法

1.3.1Dyna-CLUE模型。Dyna-CLUE模型是在CLUE和CLUE-S的基礎(chǔ)上改進(jìn)而來(lái),主要包括空間和非空間2個(gè)模塊(圖2)?？臻g模塊主要是通過(guò)空間變異分析等方法生成空間概率分布圖;非空間模塊主要是對(duì)自然和社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子的分析計(jì)算每年每類土地利用類型的需求量,將計(jì)算結(jié)果分配到特定空間位置,通過(guò)多次迭代對(duì)研究區(qū)的土地利用進(jìn)行時(shí)空模擬預(yù)測(cè)。Dyna-CLUE模型通過(guò)對(duì)局部適應(yīng)性和領(lǐng)域適應(yīng)度的分析,可以反映真實(shí)的土地利用變化復(fù)雜的空間分布特征[22]。

圖2 Dyna-CLUE模型結(jié)構(gòu)[21]Fig.2 Dyna-CLUE model structure

(1)空間分布適宜性。定量分析每類土地利用類型與各驅(qū)動(dòng)因子之間的關(guān)系,即表示研究區(qū)每一柵格單元可能出現(xiàn)某種土地利用類型的概率。該研究運(yùn)用二元Logistic回歸分析方法計(jì)算各土地利用類型的空間分布變化與影響因子之間的定量關(guān)系。

設(shè)自變量第n個(gè)n=(χ1n,χ2n,…,χkn),因變量yn取值為0或1(取值為0表示景觀類型未發(fā)生轉(zhuǎn)變,取值為1表示景觀類型發(fā)生轉(zhuǎn)變)時(shí),將發(fā)生概率表示為Pn=P(yn=1|χ1n,χ2n,…,χkn),則:

(1)

式中:α為截距;β為回歸系數(shù);Pn表示景觀類型發(fā)生轉(zhuǎn)移的概率,取值為0～1。

二元Logistic回歸模型表達(dá)式為:

(2)

式中:Pn為某一柵格景觀類型i的發(fā)生概率;X1,i,X2,i,...為景觀類型i的各驅(qū)動(dòng)因子;β0為常數(shù)項(xiàng),β1,β2,…,βn為解釋變量Xi對(duì)應(yīng)的回歸系數(shù)。事件發(fā)生和不發(fā)生的概率之比[公式(3)]成為事件的發(fā)生比率,即:

(3)

發(fā)生比率exp(β)是回歸系數(shù)β以e為底的自然冪指數(shù),可判斷模型中自變量對(duì)因變量的影響程度。發(fā)生比率說(shuō)明當(dāng)自變量每增加一個(gè)單位時(shí),發(fā)生比率變化的倍數(shù);當(dāng)值大于1,發(fā)生比增加;等于1,發(fā)生比不變;值小于1,發(fā)生比減少。

該研究選取了地形、交通因素和社會(huì)經(jīng)濟(jì)3類因子,主要包括DEM、坡度、人口密度、GDP、到縣道的距離、到省道的距離、到國(guó)道的距離。利用ArcGIS將土地利用分類圖和驅(qū)動(dòng)因子圖轉(zhuǎn)為ASCII文件,由Dyna-CLUE模型中convert工具生成Stats文件,利用SPSS軟件進(jìn)行統(tǒng)計(jì)分析,回歸結(jié)果采用ROC方法進(jìn)行評(píng)價(jià)檢驗(yàn)。ROC曲線稱為感受性曲線(relative operating characteristic curve),可以反映預(yù)測(cè)概率與觀測(cè)數(shù)據(jù)的擬合程度,ROC值大于0.7時(shí)則表明擬合程度好[23]。

(2)土地利用需求。土地利用需求是Dyna-CLUE模型中非空間分析模塊,預(yù)測(cè)模擬從基準(zhǔn)年開始到終止之間每年各類土地利用類型的需求量面積。該研究主要采用馬爾科夫模型Markov的方法,預(yù)測(cè)研究區(qū)2015—2020年每年的各類土地利用需求面積,結(jié)合政府土地利用規(guī)劃政策,進(jìn)行適當(dāng)調(diào)整。

(3)空間限制區(qū)域?？臻g限制區(qū)域主要是根據(jù)研究區(qū)土地利用變化情況和政府政策確定土地利用限制條件,該研究設(shè)定3種情景,根據(jù)情景設(shè)計(jì)設(shè)置土地利用變化限制區(qū)域,能夠發(fā)生轉(zhuǎn)移變化的區(qū)域設(shè)置為“0”,不能轉(zhuǎn)移變化的區(qū)域設(shè)置為“-9998”。限制區(qū)域在模擬預(yù)測(cè)過(guò)程中不會(huì)參與迭代過(guò)程。

(4)土地利用類型轉(zhuǎn)移部分。該部分主要包括各類土地的轉(zhuǎn)移彈性系數(shù)與可轉(zhuǎn)移性設(shè)置(轉(zhuǎn)移矩陣)。轉(zhuǎn)換彈性系數(shù)(ELAS)取值為[0,1],值越接近0,表示土地利用類型越容易發(fā)生轉(zhuǎn)移。結(jié)合鄱陽(yáng)湖南部區(qū)域土地利用轉(zhuǎn)移概率,該研究在不同情境設(shè)計(jì)下對(duì)模型進(jìn)行不斷調(diào)試,設(shè)定彈性系數(shù)(表1)。土地利用轉(zhuǎn)移矩陣主要表示在某一情景設(shè)計(jì)下,各類土地利用類型之間相互轉(zhuǎn)移的可能性。

表1 土地利用類型彈性系數(shù)Table 1 Elasticity coefficient of land use types

1.3.2情景設(shè)計(jì)。情景分析是指各類土地利用類型在未來(lái)不同情境下的發(fā)展趨勢(shì),該研究情景模擬基于Dyna-CLUE模型可以根據(jù)不同的情景模擬土地利用空間分布情況,設(shè)定了耕地保護(hù)情景、生態(tài)保護(hù)情景和綜合保護(hù)情景。

1.3.2.1耕地保護(hù)情景。為了防止城市化過(guò)程中過(guò)度開發(fā)占用大量耕地,堅(jiān)守耕地保護(hù)政策。遵循研究區(qū)現(xiàn)實(shí)情況控制研究區(qū)耕地轉(zhuǎn)出的數(shù)量和方向,重點(diǎn)保護(hù)優(yōu)質(zhì)連片農(nóng)田。隨著南昌市區(qū)城市化的發(fā)展,建設(shè)用地增速趨緩,但仍然保持增長(zhǎng)趨勢(shì)。限制范圍包括水域限制區(qū)域、地形限制區(qū)域和基本農(nóng)田限制區(qū)域。

1.3.2.2生態(tài)保護(hù)情景。鄱陽(yáng)湖濕地是國(guó)際重要濕地,在中國(guó)長(zhǎng)江流域中發(fā)揮著巨大的調(diào)蓄洪水和保護(hù)生物多樣性等特殊生態(tài)功能,是中國(guó)十大生態(tài)功能保護(hù)區(qū)之一,也是世界自然基金會(huì)劃定的全球重要生態(tài)區(qū)之一。生態(tài)保護(hù)情景主要嚴(yán)格保護(hù)林草地、水域等生態(tài)用地,濕地保護(hù)區(qū)域禁止大規(guī)模開發(fā)建設(shè)政策推進(jìn)。隨著退耕還林政策和森林工程等生態(tài)保護(hù)政策實(shí)施,耕地面積明顯減少,林草地面積顯著增加。

1.3.2.3綜合保護(hù)情景。基于鄱陽(yáng)湖濕地南部區(qū)域土地利用現(xiàn)狀和社會(huì)經(jīng)濟(jì)發(fā)展需求,該情景限制區(qū)域?yàn)樗?、地形、基本農(nóng)田和禁止建設(shè)區(qū)。既要保證城市化過(guò)程中的城市擴(kuò)張和建設(shè),也要保護(hù)大片優(yōu)質(zhì)良田和生態(tài)環(huán)境。

1.3.3模型精度檢驗(yàn)。Kappa系數(shù)能從整體上驗(yàn)證預(yù)測(cè)結(jié)果與監(jiān)測(cè)數(shù)據(jù)的一致性程度,已廣泛應(yīng)用于一致性評(píng)價(jià)和遙感解譯精度評(píng)價(jià)[24]。通過(guò)計(jì)算Kappa系數(shù)來(lái)定量評(píng)價(jià)Dyna-CLUE模型模擬精度。Kappa系數(shù)計(jì)算公式如下:

(4)

(5)

(6)

式中:P0為正確模擬柵格比例;Pc為隨機(jī)選擇情況下期望的正確模擬柵格比例;Pp為理想分類下正確模擬柵格比例(100%);n為景觀類型現(xiàn)狀圖柵格總數(shù);ni為正確柵格數(shù);N為景觀類型數(shù)。

2 結(jié)果與分析

2.1 研究區(qū)土地利用變化影響因素分析利用SPSS軟件將建設(shè)用地、林草地、水域、未利用地和耕地5種單類型圖層作為因變量,以高程、坡度、國(guó)內(nèi)生產(chǎn)總值(GDP)、人口密度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離7個(gè)驅(qū)動(dòng)因子作為自變量進(jìn)行回歸分析,結(jié)果見(jiàn)表2。由表2可知,5種土地利用類型的擬合優(yōu)度即ROC值分別為0.916、0.888、0.875、0.967和0.868,均大于0.800,表明所選擇的7個(gè)驅(qū)動(dòng)因子對(duì)研究區(qū)土地利用具有較強(qiáng)的解釋能力,可以用于模擬與預(yù)測(cè)未來(lái)鄱陽(yáng)湖南部區(qū)域的土地利用變化分布情況。

建設(shè)用地的分布概率主要與高程、坡度、GDP、人口密度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離有關(guān)。其中,高程、坡度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離的回歸系數(shù)(β)均為負(fù)數(shù),表明這些因素對(duì)影響建設(shè)用地分布的概率呈負(fù)相關(guān)。高程每增加100 m,建設(shè)用地發(fā)生比率0.510 2;坡度每增加1°,建設(shè)用地發(fā)生比率為0.334 2;距離省道(國(guó)道、縣道)的距離越近,建設(shè)用地分布的概率越小。GDP和人口密度與建設(shè)用地的分布概率呈正相關(guān),GDP越大或者人口密度越大,建設(shè)用地分布概率越大;GDP和人口密度的發(fā)生比率分別為0.034 1和0.024 3。

林草地的分布概率主要與高程、坡度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離有關(guān),其中,高程、坡度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離的回歸系數(shù)均為正數(shù),表明這些因素對(duì)影響林草地分布的概率呈正相關(guān)。高程增加100 m,林草地發(fā)生比率為0.008 3;坡度每增加1°,林草地發(fā)生比率為0.242 6;距離縣道(省道、國(guó)道)的距離越近,林草地分布概率越大。

水域的分布概率主要與高程、坡度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離有關(guān)。其中,高程和坡度與水域的分布概率呈負(fù)相關(guān),距離縣道(省道、國(guó)道)的距離與影響水域分布概率呈正相關(guān)。

未利用地的分布概率主要與人口密度、距離縣道的距離和距離國(guó)道的距離有關(guān)。人口密度與未利用地分布概率呈負(fù)相關(guān),即人口越稠密的區(qū)域,未利用地分布概率越小;距離縣道和距離國(guó)道的距離與未利用地分布概率呈正相關(guān),即距離縣道和國(guó)道的距離越近,未利用地分布概率越大。

耕地的分布概率主要與高程、坡度、GDP、人口密度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離有關(guān)。其中,高程、坡度和GDP的回歸系數(shù)為負(fù)數(shù),表明這些因素與耕地的分布概率呈負(fù)相關(guān)。高程越高,耕地分布概率越小;坡度越大,耕地分布概率越小;GDP越大,耕地分布概率越小。人口密度、距離縣道的距離、距離省道的距離和距離國(guó)道的距離的回歸系數(shù)為正數(shù),表明這些因素與耕地的分布概率呈正相關(guān)。人口密度越大,耕地分布概率越大;距離縣道(省道、國(guó)道)的距離越近,耕地分布概率越大。

表2 Logistic模型回歸系數(shù)檢驗(yàn)結(jié)果Table 2 Regression coefficient test results of the Logistic model

2.2 土地利用變化特征及模型檢驗(yàn)由表3可知,研究區(qū)的總面積為880 422.57 hm2,在2015年的土地利用變化中,未利用地占較大的比重,占比為32.77%,隨著城市化的發(fā)展和人類對(duì)資源開發(fā)利用,未利用地面積減少至2020年的189 081.54 hm2。從表4可以看出,未利用地主要轉(zhuǎn)向建設(shè)用地,轉(zhuǎn)移概率為14.91%,轉(zhuǎn)向林草地和耕地的概率分別為2.31%和2.72%。2015年耕地面積為210 965.22 hm2,到2020年面積減少了39 915.27 hm2,比重由23.96%減少至19.43%,耕地面積大量喪失;從轉(zhuǎn)移概率可以看出,耕地面積主要轉(zhuǎn)向了建設(shè)用地,概率達(dá)到7.11%,其次轉(zhuǎn)向林草地和未利用地,轉(zhuǎn)移概率分別為3.06%和4.16%。建設(shè)用地面積由2015年的47 571.39 hm2增加至2020年的68 341.14 hm2,比重增加了2.36百分點(diǎn)。這5年間林草地面積由170 611.38 hm2增加至296 450.28 hm2,比重增加了14.29百分點(diǎn)。林草地主要由建設(shè)用地和耕地轉(zhuǎn)入,轉(zhuǎn)入的概率分別為16.69%和3.06%,未利用地轉(zhuǎn)為林草地的概率2.31%,水域轉(zhuǎn)為林草地的可能性很小。水域的面積基本比較穩(wěn)定,占比由18.49%減少至17.66%。

通過(guò)2020年土地利用現(xiàn)狀和模擬對(duì)比(圖3)發(fā)現(xiàn),各類土地利用空間分布基本一致,局部區(qū)域有所偏差。從表5可以看出,耕地現(xiàn)狀面積和模擬面積差別較大,差異較小的土地利用類型是建設(shè)用地和水域。林草地模擬面積比現(xiàn)狀面積減少了5 798.95 hm2,建設(shè)用地模擬面積比現(xiàn)狀面積增加70.50 hm2。從重疊率可以看出,水域模擬效果最好,耕地效果最差;從Kappa系數(shù)可以看出,林草地、建設(shè)用地、未利用地和水域的Kappa系數(shù)均大于0.80,表明模擬精度較高,具有可信性;而耕地Kappa系數(shù)大于0.70,表明模擬精度較低,主要原因在于2015—2020年研究區(qū)城市化發(fā)展迅速以及政策調(diào)控導(dǎo)致耕地面積波動(dòng)大。

表3 研究區(qū)土地利用類型面積Table 3 Area of land use types in the study area

表4 2015—2020年研究區(qū)土地利用類型轉(zhuǎn)移概率矩陣Table 4 Probability matrix of land use type transfer in the study area from 2015 to 2020

圖3 2020年土地利用現(xiàn)狀(a)與模擬(b)對(duì)比Fig.3 Comparison of land use status and simulation in 2020

表5 2020年鄱陽(yáng)湖濕地南部區(qū)域土地利用模擬結(jié)果檢驗(yàn)

2.3 2025年土地利用空間模擬基于2015—2020年土地利用變化數(shù)據(jù),通過(guò)Markov模型對(duì)研究區(qū)3種不同情境進(jìn)行土地需求量預(yù)測(cè),以江西省“十三五”規(guī)劃和南昌市生態(tài)環(huán)境保護(hù)“十三五”規(guī)劃為參考,根據(jù)不同的情景設(shè)計(jì)情況進(jìn)行適度調(diào)整(圖4)。以2020年研究區(qū)土地利用現(xiàn)狀為基準(zhǔn)圖,利用Dyna-CLUE模型對(duì)鄱陽(yáng)湖南部區(qū)域2025年土地利用空間格局進(jìn)行預(yù)測(cè)(圖5)。

2.3.1耕地保護(hù)情景。該情境下土地利用模擬過(guò)程主要關(guān)注和保護(hù)耕地。建設(shè)用地面積主要由贛江向兩岸擴(kuò)展,中心城區(qū)主要向新建區(qū)和灣里區(qū)疏解,人口將流向新建區(qū)和灣里區(qū)?！笆濉逼陂g南昌市主體功能布局將重點(diǎn)開發(fā)瑤湖科技城、向塘片區(qū)、昌九新區(qū)、昌北區(qū)域、望城和九龍湖等區(qū)域,

圖4 3種情境下各種土地利用類型土地需求量預(yù)測(cè)Fig.4 Prediction of land demand for various land use types in three scenarios

圖5 不同情境下2025年研究區(qū)土地利用空間模擬預(yù)測(cè)Fig.5 Spatial simulation and prediction of land use in the study area in 2025 under different scenarios

統(tǒng)籌開發(fā)贛江兩岸,國(guó)家風(fēng)景名勝區(qū)和國(guó)家森林公園以及鄱陽(yáng)湖岸3 km范圍限制開發(fā),只能進(jìn)行城市風(fēng)景性修建整理或保證農(nóng)業(yè)生產(chǎn)必要的建設(shè)。其中,耕地面積減少了920.63 hm2,建設(shè)用地面積增加了623.57 hm2,未利用地面積減少7 396.66 hm2,水域面積增加了4 467.66 hm2,林草地面積增加3 226.06 hm2。該情境下建設(shè)用地面積主要由未利用地轉(zhuǎn)化而來(lái),減少對(duì)耕地面積的占用。研究區(qū)西南角海拔較高,限制了建設(shè)用地向西南擴(kuò)張的趨勢(shì)。《南昌市“十三五”都市現(xiàn)代農(nóng)業(yè)發(fā)展規(guī)劃》中將南昌打造成“都市休閑農(nóng)業(yè)產(chǎn)業(yè)帶”,做強(qiáng)特色優(yōu)勢(shì)產(chǎn)業(yè),提高農(nóng)業(yè)生產(chǎn)科技含量和機(jī)械化水平,落實(shí)了最嚴(yán)格的耕地保護(hù)制度,保障維護(hù)糧食安全。該情景可以看出政策宏觀調(diào)控的效果,對(duì)耕地保護(hù)有明顯的作用。防止南昌市區(qū)城市化進(jìn)程對(duì)耕地的占用,保護(hù)了南昌縣和青山湖區(qū)附近的大片優(yōu)質(zhì)良田,同時(shí),將城區(qū)附近的耕地發(fā)展特色創(chuàng)意農(nóng)業(yè),以“江西花園南昌都市農(nóng)業(yè)休閑游”為主線,大力發(fā)展休閑農(nóng)業(yè)和鄉(xiāng)村旅游產(chǎn)業(yè)。

2.3.2生態(tài)保護(hù)情景。該情境下主要保護(hù)林草地和水域生態(tài)用地,“十三五”期間,是南昌市打造核心增長(zhǎng)極,從“一江兩岸”走向“跨江臨湖、攬山入城”的關(guān)鍵時(shí)期,隨著各項(xiàng)改革政策的實(shí)施,生態(tài)環(huán)境保護(hù)面臨重大轉(zhuǎn)型和改善機(jī)遇。該研究參考《江西省林業(yè)發(fā)展“十三五”規(guī)劃》,規(guī)劃中預(yù)計(jì)2025年,全江西森林覆蓋率穩(wěn)定在63.1%,加強(qiáng)鄱陽(yáng)湖濕地生物多樣性保護(hù)和生態(tài)環(huán)境保護(hù),在預(yù)測(cè)結(jié)果中,建設(shè)用地在基準(zhǔn)年的基礎(chǔ)上增加了1 527.87 hm2,耕地減少了1 506.66 hm2,林草地增加了6 456.86 hm2,水域面積增加了4 364.66 hm2,未利用地面積減少了1 0842.73 hm2,研究區(qū)林草地和水域都有增加,“十二五”以來(lái),南昌市城鎮(zhèn)化建設(shè)速度進(jìn)一步加快,用地矛盾突出,耕地與水域面積有所縮減,隨著規(guī)劃的實(shí)施,推進(jìn)贛江流域生態(tài)環(huán)境綜合治理,控制贛江三角洲地區(qū)開發(fā),禁止在自然保護(hù)區(qū)內(nèi)違法進(jìn)行開礦、采石等活動(dòng),強(qiáng)化濕地環(huán)境管理,禁止非法侵占和填埋,從預(yù)測(cè)結(jié)果看,在一定程度上改善了生態(tài)環(huán)境。

2.3.3綜合保護(hù)情景。該情景基于鄱陽(yáng)湖濕地南部區(qū)域的土地利用現(xiàn)狀和社會(huì)發(fā)展需求,“十三五”規(guī)劃綱要提出,要把南昌市建設(shè)成攬山臨湖的山水都市,把一江兩岸的城市布局形態(tài)延展為經(jīng)濟(jì)布局形態(tài),在縱達(dá)鄱陽(yáng)湖及梅嶺等大尺度生態(tài)區(qū)域之間采取田園城市形態(tài),使南昌城市延展到鄱陽(yáng)湖區(qū)域。相比于情景一和情景二,綜合保護(hù)情景既兼顧了社會(huì)經(jīng)濟(jì)的發(fā)展,又要考慮對(duì)鄱陽(yáng)湖濕地南部的生態(tài)環(huán)境保護(hù)。預(yù)測(cè)結(jié)果中,相比2020年,建設(shè)用地面積增加了895.29 hm2,林草地面積增加了5 228.63 hm2,未利用地減少7 846.92 hm2,建設(shè)用地趨于緩和。

結(jié)合圖4和圖5,3種情景設(shè)計(jì)分析下,2025年研究區(qū)5類土地利用類型的比重相對(duì)比較穩(wěn)定,主要是林草地>未利用地>耕地>水域>建設(shè)用地,林草地的比重最大,在生態(tài)保護(hù)情景中,林草地面積可達(dá)302 917.14 hm2,該情景下通過(guò)退耕還林、森林工程等對(duì)林草地進(jìn)行了保護(hù)和修復(fù),但同時(shí)占據(jù)了耕地面積。在耕地保護(hù)情境中,保護(hù)了大片優(yōu)質(zhì)良田,但對(duì)于林草地面積造成了一定威脅,建設(shè)用地面積增長(zhǎng)速度減緩;綜合保護(hù)情景綜合考慮了耕地保護(hù)、生態(tài)環(huán)境修復(fù)與保護(hù)以及城市化發(fā)展需要,優(yōu)勢(shì)互補(bǔ),解決了各地之間的矛盾,相比耕地保護(hù)和生態(tài)保護(hù)情景,耕地面積為160 059.23 hm2,但從空間布局來(lái)看,保留了大量?jī)?yōu)質(zhì)良田且坡陡劣質(zhì)的耕地。

3 結(jié)論與討論

該研究以鄱陽(yáng)湖南部區(qū)域?yàn)槔?基于Dyna-CLUE模型,探索模型在鄱陽(yáng)湖濕地南部區(qū)域模擬預(yù)測(cè)的可用性,在對(duì)比驗(yàn)證結(jié)果的基礎(chǔ)上,基于鄱陽(yáng)湖南部區(qū)域的耕地保護(hù)、生態(tài)保護(hù)和綜合保護(hù)3種情景,對(duì)2025年鄱陽(yáng)湖濕地南部區(qū)域土地利用變化進(jìn)行模擬與預(yù)測(cè)。主要結(jié)論如下:

(1)不同影響因子對(duì)各類土地利用類型具有差異性,通過(guò)驅(qū)動(dòng)因子與土地利用空間布局的Logistic回歸分析,發(fā)現(xiàn)擬合優(yōu)度即ROC值均大于0.800,表明所選取的驅(qū)動(dòng)因子對(duì)土地利用類型分布適宜性具有顯著性。建設(shè)用地和耕地的分布概率主要受地形因子、社會(huì)經(jīng)濟(jì)因子和交通因子的影響;林草地和水域的影響因素主要是地形和交通;社會(huì)經(jīng)濟(jì)因素對(duì)未利用地的分布起著主導(dǎo)作用。

(2)運(yùn)用Markov模型模擬預(yù)測(cè)2020年的土地利用空間分布狀況,與真實(shí)解譯土地利用類型進(jìn)行對(duì)比分析,整體模擬精度較高,建設(shè)用地、未利用地和水域的重疊率達(dá)90%以上。耕地、林草地、建設(shè)用地、未利用地和水域的Kappa系數(shù)分別為0.77、0.82、0.88、0.90、0.98。

(3)以江西省“十三五”規(guī)劃和南昌市生態(tài)環(huán)境保護(hù)“十四五”規(guī)劃為參考,根據(jù)研究區(qū)實(shí)際情況設(shè)計(jì)耕地保護(hù)、生態(tài)保護(hù)情景和綜合保護(hù)3種情景,結(jié)合Markvov預(yù)測(cè)未來(lái)土地需求量,運(yùn)用Dyna-CLUE模型對(duì)2025年每類土地利用類型空間分布進(jìn)行預(yù)測(cè),3種情景預(yù)測(cè)結(jié)果中,每類土地利用類型的比重基本保持一致,林草地面積在整個(gè)土地利用類型中占主導(dǎo)地位。相比于耕地保護(hù)情景和生態(tài)保護(hù)情景,綜合保護(hù)情景更為合理,既考慮了生態(tài)環(huán)境保護(hù)需求,又保持耕地面積不會(huì)大幅減少。

在情景模擬過(guò)程中,該研究結(jié)合RS和GIS技術(shù),利用Markov模型和土地規(guī)劃中規(guī)劃者的設(shè)定對(duì)土地需求量進(jìn)行數(shù)量上預(yù)測(cè),Dyna-CLUE模型根據(jù)不同的情景設(shè)計(jì)進(jìn)行空間上分配預(yù)測(cè)模擬,將模擬結(jié)果進(jìn)行直觀展現(xiàn),3種情景預(yù)測(cè)結(jié)果可以為鄱陽(yáng)湖南部區(qū)域的土地利用規(guī)劃和管理提供科學(xué)依據(jù)。該研究在土地利用變化模擬過(guò)程中考慮了地形因子、交通因子和社會(huì)經(jīng)濟(jì)因素,但土地利用變化的影響因素是一個(gè)復(fù)雜的過(guò)程,還有很多影響因素是無(wú)法量化的,如城市化發(fā)展水平和政府政策變化等。在今后鄱陽(yáng)湖土地利用變化模擬中,需要全面考慮政府和農(nóng)戶土地利用行為,改進(jìn)情景設(shè)計(jì)方案,提高模型模擬精度。