城市化加速地区土地利用变化模拟预测
来源:用户上传
作者:吕晓艳
摘要：研究城市化加速发展地区的土地利用变化，并模拟预测，便于掌握地区土地利用变化的特点及发展规律，使地区土地资源利用与配置更合理。文章以芜湖市鸠江区为例，引入CA-Markov模型，模拟预测此地区2000～2026年土地利用空间结构变化进行。结论认为，CA-Markov模型模拟准确度高，适用于模拟分析多种土地利用类型的演化，可为区域土地与城市规划、管理和决策，提供一定的参考价值。
关键词：城市化加速地区;CA-Markov模型;土地利用变化;模拟;鸠江区
土地资源与人类生产生活密切相关，生态、社会和经济的发展会受到它利用变化直接或间接地影响，进而影响区域或全球的环境变化。因而，研究土地的利用变化，非常重要。当前，学者们研发出众多对土地利用变化进行分析和模拟的模型，当中，CA-Markov模型以突出的優势脱颖而出。两者相结合，使得Markov模型空间预测上劣势得到补偿，又可发挥元胞自动机模拟繁杂空间系统时空动态演变的优势。CA-Markov模型拥有在复杂空间系统变化中，进行模拟及长时间预测的能力，能合理模拟与预测土地利用的时空变化。
当前，国内外有关学者在不同区域的土地利用变化分析与模拟研究中，引入CA-Markov模型。在国外，Darrel Jenerette利用 CA-Markov模型分析模拟了亚历桑那州菲尼克斯地区的土地利用变化与城市扩张和人口增长有关;Andersson利用CA-Markov模型模拟了城市聚落的演变发展。在国内，何丹等以滇池流域为研究对象，研究点明了滇池流域水质退化与土地的不合理利用密不可分，而未来该流域的水环境和水生态压力会随着土地不合理利用的扩大而增加;周浩等用此模型模拟研究挠力河流域土地利用的变化，研究表明未来该地区土地利用程度不断扩大，人类活动对该流域的影响程度不断加强;由此可见，在现有研究的土地利用变化中，学者们江河流域内土地利用变化的研究逐年增多，但关于城市化加速地区的土地利用变化的研究，较为少见。在城市化加速地区，城市建设和工业发展不断加速，地区经济社会发生巨变，土地利用变化愈发显化，对土地的过度开发利用，使得区域内人与土地之间矛盾激化，人地问题突出，牵制着城市协调发展。因而，对该区域的土地科学的研究值得重视。
芜湖市位于长江下游地区的沿江平原上，紧接经济发展强大的长三角地区，近年来，在其经济发展的辐射带动下，工业和城市发展进程加快，土地资源利用格局变化幅度较大。故本文以芜湖市鸠江区为例，把2006年与2016年两个时期的遥感图像作为基础，在GIS中对其作空间分析， 研究其十年间的土地利用格局变化，并用MCE模型定义CA的转换规则，结合IDRISI软件提供的CA-Markov模型来预测鸠江区2026年土地利用变化的方向，希望为该地区未来的土地资源合理利用及耕地保护和经济社会协调发展提供有价值的借鉴。
一、研究区与数据
（一）研究区域
芜湖市的市区是鸠江区，长江穿越该区，地理坐标为东经118度23分、北纬31度22分，是城市的政治、文化和金融商业中心。鸠江区总人口58.91万人，覆盖面积约为820平方公里，区域内分布着开发区、加工区、码头。近年来，鸠江区经济发展迅猛，国内生产总值在近二十年间增长近百倍，鸠江区是我国城市化加速地区的代表之一。
（二）数据来源与处理
本文在中科院地理空间数据云平台（http：//www.gscloud.cn/）获取了遥感影像数据与DEM（高程）数据，从Landsat-5 TM和Landsat-8分别获取的2006年和2016年两期影像，为满足解译需要，研究区影像选取质量较好。在ENVI5.2软件中对遥感影像进行解译，再参考中国科学院土地利用/覆被变化分类体系与区域内土地利用现状及研究区具体实际，确定研究区2006年和2016年土地利用类型为5大类：“耕地、林地、草地、建设用地、水域”。
二、研究方法
（一）土地利用变化空间特征模型
土地在空间格局上的变化特点信息分别用单一土地动态变化度和综合土地动态变化度表现。计算公式如下所示：
Kt.i=××100%（1）
Kt=××100%（2）
在（1）、（2）式中，研究区土地利用类型i的空间变化单一动态度用Kt.i表示;全部土地利用类型的空间变化综合动态度用Kt表示;从变化初始年份a到变化年份b期间土地利用类型i转移生成其他类型土地的面积用ΔSc，i表示;而其他土地利用类型i转移到类型的面积用ΔSd，i表示;土地利用类型i在变化初始年份a的面积用Sai表示;土地利用变化初始到结束的年份用T表示;研究区域内全部土地利用类型的数量用n表示。
（二）CA-Markov土地利用变化模拟预测模型
CA模型对属性意义上的其他地理位置也无法描述，很难真实地反映局部的空间相互作用和空间关系，且在局部演化规则上也稍显逊色，导致CA模型在地理系统模拟方面略有不足。两个模型融合，既具备CA模拟复杂时空变化的能力，又发挥Markov模型长时间预测的优点，有利于提高模拟预测的精准性。因此，文章将运用IDRISITerrSet17.0软件中的CA-Markov模型，获取到2006、2016年两期数据，2006～2016年土地利用面积转移矩阵及概率转换矩阵用IDRIS软件中的Markov板块生成，土地利用适宜性图集是将土地利用变化的驱动力、多标准评价（MCE）模块、集合生成器（Collection Editor）工具结合生成，并将上述有关参数导入CA-Markov板块，模拟预测2026年鸠江区的土地利用的发展方向。
三、结果与分析
（一）2006～2016年研究区土地利用情况分析 在IDRISI软件中对所得土地利用数据统计分析，处理后得出鸠江区现状土地利用格局。在研究区五大土地利用类型中，耕地分布范围最大，主要分布在区域的西北部和西南部;林地和草地大部分分布在区域的东南部和东北部地区，西北部和西南部零散分布;中部是建设用地分布。随着地区经济社会发展加快，建设用地增加速度变快，不断地占用耕地、林地和草地，分布范围愈发扩大，朝着区域的东北部、东南部和西北部地区扩展;水域变化甚小。
（二）2006～2016年研究区土地利用类型转变分析
通过表1可对区域土地利用结构的空间转变进行定量分析，掌握区域内土地利用空间结构的变化情况。在表1中，转出面积是指某一种土地利用类型转变为其他用地类型的总面积，转入面积是指其他用地类型转为该种用地类型的总面积。可用转入减去轉出的面积的数量差，是正数还是负数，来判断十年间研究区某一种用地类型的转变，是以补充为主还是流失为主。在2006～2016年间，区域内全部用地类型中，耕地转出面积最多，为66km2，转入面积为39.74km2，转入面积减去转出面积数量差为-26.26km2，耕地的面积变化以流失为主;其次是建设用地，转出面积为30.7km2，转入面积为51.25km2，建设用地的转入面积为所有用地类型中最高的，转入面积减去转出面积之差为20.55km2，建设用地的面积变化以补充为主;林地紧跟其后，林地转出面积是28.63km2，转入面积是40.43km2，转入面积减去转出面积数量差为11.8km2，林地的面积变化是以补充为主;水域转出面积是9.04km2，转入面积为0.77km2，转入面积减去转出面积之差为-8.27km2，水域的面积变化以流失为主，;而草地由于在全部用地类型中面积占比较小，其转入和转出面积均较少，转出面积为3.49km2，转出面积为5.76km2，转入面积减去转出面积之差为2.27km2。
基于土地利用动态度模型的测算结果，十年间，区域土地利用空间变化综合动态度为1.57%，土地利用变化处于较为活跃的阶段。从单一动态度上来看，土地利用变化活跃程度按照高低排序，依次为林地、建设用地、草地、耕地、水域。其中，林地的动态度最大，为10.68%，位居榜首。这说明十年间，林地类型的变化活跃程度最高，国家的退耕还林政策的实施效果在该区域较为显著;再者就是建设用地，土地利用动态度为9.52%，研究区的建设用地土地变化非常活跃，这与研究区的城市化进程加快密不可分，建设用地的范围不断扩大，大量的城市建设仅侵占耕地和草地，耕地和草地的面积不断减少，其范围逐渐萎缩;草地类型的土地利用动态度为8.1%;耕地类型的土地利用动态度为1.75%;水域类型的土地利用变化活跃程度最低，其土地利用动态度仅为0.88%。
（三）CA-Markov模型模拟预测结果与分析
1. 模拟精度验证结果
鉴于已有研究，本文采用全数法来对CA-Markov模型模拟结果精确度进行验证。全数验证方法可对参与模拟的每一个元胞单元进行模拟，优势是可信度高，科学性更强。由于本研究区面积大小适中，数据量较合适，选用全数验证的方法更为合理。在IDRISI软件中模拟其2016年土地利用变化，得出CA-Markov模型的模拟精度为93.61%，模拟精度相对较高，表明该模拟结果的可信度比较好。CA-Markov模型发挥出的可靠与实用特性，较适于对区域土地利用变化进行模拟预测。
2. 未来土地利用预测结果与分析
从表2可以看出，2016～2026年研究区的不同用地类型的面积发生较大变化，变化比较明显的用地类型是耕地、建设用地、林地和草地。首先是耕地，其面积由534.11km2降到46.38km2，面积降低了65.73km2用地类型，耕地是区域内面积降低最多的用地类型。其次是建设用地，其面积由132.18km2增到170.59km2，面积增加了38.41km2，建设用地的面积在区域全部用地类型中增加最多;同样林地面积也发生变化，由82.65km2增到107.3km2，面积增加了24.65km2;草地的面积也由8.47km2增到11.68km2，面积增加了3.01km2;水域的面积变化较小，十年间仅减少了0.34km2。在2016～2020年，研究区土地利用综合动态度为2.35%，与2006～2016年的土地利用综合动态度1.57%相比，研究区在2016～2026年整体土地利用变化的活跃程度呈现上升的趋势。其中草地、林地、建设用地的土地利用动态度分别为13.45%、12.43%、5.68%，高于耕地的动态度1.87%和水域的动态度0.01%，土地利用变化活跃程度都比较高。
图2是基于CA-Markov模型预测结果，得出研究区2026年土地利用格局分布图。从图2可看出，到2026年，研究区的建设用地呈现向东北和西北方向扩张的势头，其范围不断扩大，林地向西南方向延伸，并侵占部分耕地，耕地范围不断缩小。未来随着区域经济社会的加速发展，城市化步伐脚步不断加快，城镇建设需要耗费大量的土地资源，建设用地不断占用耕地，这使得原本就稀缺的耕地资源就更加宝贵，耕地保护和经济发展之间矛盾将会进一步激化。
四、结论与讨论
（一）结论
文章把城市化加速发展的鸠江区作为研究区，运用CA-Markov模型，对区域三个时期土地利用变化模拟预测，结论如下。
2006～2016年鸠江区土地利用结构变化显著，整个区域的用地类型仍以耕地为主，但耕地面积急剧减少，用地比重不断降低，分布范围不断萎缩;建设用地和林地的面积增加迅速，占比越来越高，尤其是建设用地占挤大量耕地，分布范围不断扩大;草地面积有所增加，水域面积略有减少。且鸠江区的各用地类型间的面积变化率和单一动态度差异较大，耕地和建设用地、林地的面积变化较大，土地利用变化程度活跃。 CA-Markov模型的Kappa系数为93.61%，模拟精度较高，整体来看，模拟结果可信度较高，较适用于对鸠江区2026年的土地利用演变进行模拟预测。
根据预测结果，到2026年，鸠江区的土地利用面积变化明显。耕地虽区域的主要用地类型，但其面积不断减少，分布范围不断萎缩;建设用地、林地和草地面积持续增加，建设用地向外不断扩展，扩张幅度较大。这表明，区域未来土地资源利用变化较为活跃，其耕地资源更为紧缺，建设用地扩张加剧。研究区未来扛着耕地保护的重担，正确处理好鸠江区经济发展与耕地保护之间的关系，合理利用与配置区域土地资源，促进区域内协调发展。
（二）讨论
本文研究结果，对城市化加速地区土地利用结构与布局的规划调整、土地资源的优化配置及耕地保护和经济社会协调发展有一定的借鉴价值。但本研究尚存部分问题待解决。第一、文章运用CA-Markov模型对鸠江区土地利用演变进行模拟预测，但城市化加速地区土地利用演变过程繁复漫长，受到众多因素影响，难全面顾及;同时制定元胞转换规则时，对退田还湖、长江沿线生态保护带等符合地域特点的土地政策及农户个体行为等，未作考虑。第二、本研究数据年份间隔为十年，周期较大，期间社会经济、政策法规有较大变化，影响因素具有阶段差异性，后续研究要缩短间隔期。最后对影响土地利用变化的因素，也未进一步研究讨论，在后续研究中，要增加对土地变化驱动因素的研究。
参考文献：
[1]后立胜，蔡运龙.土地利用/覆被变化研究的实质分析与进展评述[J].地理科学进展，2004（06）.
[2]何春阳，史培，陈晋，等.基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J].中国科学（D辑：地球科学），2005（05）.
[3]刘小平，黎夏，艾彬，等.基于多智能体的土地利用模拟与规划模型[J].地理学报，2006（10）.
[4]邢容容，马安青，张小伟，等.基于Logistic-CA-Markov模型的青岛市土地利用变化动态模拟[J].水土保持研究，2014（06）.
[5]井梅秀，李晶.基于CA-Markov模型的關中——天水经济区土地利用变化动态模拟[J].陕西师范大学学报（自然科学版），2013（01）.
[6]周熙，马智民，尹芳，等.基于CA-Markov模型的“丝绸之路经济带”沿线地区土地利用变化分析与预测——以西北五省为例[J].西北大学学报（自然科学版），2018（02）.
[7]何丹，周璟，高伟，等.基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J].北京大学学报（自然科学版），2014（06）.
[8]周浩，雷国平，赵宇辉，等.基于CA-Markov模型的挠力河流域土地利用动态模拟[J].生态与农村环境学报，2016（02）.
[9]吴晶晶，田永中，许文轩，等.基于CA-Markov模型的乌江下游地区土地利用变化情景分析[J].水土保持研究，2017（04）.
[10]王友生，余新晓，贺康宁，等.基于CA-Markov模型的藉河流域土地利用变化动态模拟[J].农业工程学报，2011（12）.
[11]胡碧松，张涵玥.基于CA-Markov模型的鄱阳湖区土地利用变化模拟研究[J].长江流域资源与环境，2018（06）.
[12]许小娟，刘会玉，林振山，等.基于CA-Markov模型的江苏沿海土地利用变化情景分析[J].水土保持研究，2017（01）.
[13]杨俊，解鹏，席建超，等.基于元胞自动机模型的土地利用变化模拟——以大连经济技术开发区为例[J].地理学报，2015（03）.
[14]肖明，吴季秋，陈秋波，等.基于CA-Markov模型的昌化江流域土地利用动态变化[J].农业工程学报，2012（10）.
[15]张晓娟，周启刚，王兆林，等.基于MCE-CA-Markov的三峡库区土地利用演变模拟及预测[J].农业工程学报，2017 （19）.
（作者单位：安徽师范大学）
转载注明来源:https://www.xzbu.com/2/view-15265697.htm
