延河流域土地利用空间格局模拟对比研究

黄 哲, 杨艳芬

(西北农林科技大学 水土保持研究所 黄土高原土壤侵蚀与旱地农业国家重点实验室, 陕西 杨凌 712100)

土地利用和覆被变化(LUCC)是陆地生态系统对全球气候变化和人类活动最重要的响应之一[1]，区域土地利用/覆盖变化作为全世界资源环境变化的重要成因，逐渐成为研究的热点，尤其是对“生态脆弱区”的研究，已经被国内外众多学者所关注[2]。土地利用模型是研究土地利用/覆盖变化的重要方法，它可以定量分析土地利用变化与影响其变化的驱动因素的关系，还可以模拟预测不同研究背景下的土地利用变化[3]。目前研究LUCC的主要有数量预测模型和空间预测模型，数量模型主要对各类土地利用类型数量变化情况进行预测，比较常用的数量模型[4]主要有马尔科夫链Markov模型、灰色模型、二元Logistic回归模型等。空间模型可从空间上表现各类土地利用类型地理位置上的演变，空间格局模拟模型[5]主要有CA(Cellular Automata)元胞自动机模型、CLUE模型及其改进版本CLUE-S模型等。随着研究的不断深入，许多学者根据研究区不同区域特点将数量预测模型和空间预测模型两两结合使用，使得其研究结果更具针对性。如CA-Markov模型、Logistic-CA-Markov模型及MCE-CA-Markov(Multi-Criteria Evaluation，多准则评价)模型等均属于耦合模型。

耦合模型中的CA-Markov模型综合了Markov链的长期预测和CA模拟复杂系统空间变化的优点使得其被广泛应用于不同地区的LUCC模拟[6]，但预测多集中在城市。Logistic-CA-Markov模型是通过建立回归模型来改变CA转换规则并将回归模型运用于土地利用变化的预测模拟之中[7]。MCE-CA-Markov模型则是基于土地利用转移概率矩阵和适宜性图集来为CA在下一时刻的状态提供决策目标[8]。Logistic-CA-Markov模型及MCE-CA-Markov模型在国内外应用广泛，在国外被应用于模拟美国明尼苏达州明尼阿波利斯-圣保罗(双城)大都市区的土地变化[9]、印度德拉敦市的城市转型升级[10]及伊朗沿海红树林的变化监测和土地覆被预测等[11]；
在国内被应用于京津冀都市圈的多情景模拟[12]、与Logistic耦合嵌入灰色不等时距模型中模拟城市形态空间演化特征[13]及碳储量演变研究等[14]。

延河流域生态环境脆弱，自1999年以来，实施的水土保持综合治理措施使得土地利用/覆被变化成为影响流域水文的重要因素。目前，对延河流域利用不同耦合模型进行土地利用空间格局演化的研究较少。本文基于黄土高原延河流域1986年、2000年及2010年3期土地利用数据和高程、坡度等7个驱动因子，首先分析延河流域1986—2010年土地利用/覆被演化特征，再利用耦合模型中较经典的Logistic-CA-Markov模型及MCE-CA-Markov模型进行延河流域土地利用空间格局模拟对比研究，以期为未来优化流域土地利用结构，科学制定合理的土地利用政策，实现流域资源的可持续利用提供科学依据。

延河流域地处陕西北部黄土高原中部，经纬度为36°27′—37°58′N，108°38′—110°29′E，流域总面积约为7 725 km2，干流全长286.90 km。流域内地势空间差异大，高程范围为494～1 787 m，主要表现为西北相对较高而东南低，且流域内侵蚀强烈，地形破碎。流域包括延安市、延安市延长县大部分地区、延安市安塞县、榆林市靖边县和延安市志丹县。改革开放以来，流域内工矿产业快速发展，但仍然以农业经济发展为中心。

2.1 数据来源及预处理

研究所用的数据主要包括延河流域1986年、2000年、2010年3期土地利用数据、延河流域DEM数据及相关社会经济数据。其中1986年、2000年、2010年3期土地利用遥感影像数据是经过几何纠正、辐射定标、大气校正和地形校正后得到，DEM数据来自于中国科学院资源环境科学数据中心(http:∥www.resdc.cn/)，空间分辨率为100 m×100 m。为对比研究模型模拟效果差异，本文所用模型均选择相同的驱动因子，从自然地理，社会经济及可达性方面选取了高程、坡度、距铁路的距离、距公路的距离、距居民点的距离、人口密度及GDP共7个驱动因子作为影响延河流域土地利用格局变化的主要驱动因子。高程、坡度数据从DEM影像中提取；
公路、铁路、居民点等自然地理数据来自地理信息专业知识服务系统，距离因子数据是利用GIS对公路、铁路、居民点进行欧氏距离分析得到的；
延河流域人口密度和GDP栅格数据来自于中国科学院资源环境科学数据中心。

在进行土地利用变化模拟预测之前，对所有数据进行预处理，统一边界范围，统一投影坐标系为Krasovsky_1940_Albers，统一分辨率为100 m×100 m。根据延河流域土地利用特点，将得到的3期土地利用现状数据按照《土地利用现状分类》(GB/T21010—2017)重分类为耕地，林地，草地，水域，建设用地和未利用地6类。

2.2 研究方法

2.2.1 CA-Markov模型 CA-Markov模型由元胞自动机和马尔可夫链构成，既提高了转化的预测精度，又可以有效模拟空间格局变化[15]，马尔可夫链Markov计算公式为[16]：

(1)

St+1=Pij·St

(2)

式中:St,St+1为t,t+1时期土地利用结构状态;Pij为转移概率矩阵,研究初期到末期由类型i转为j的概率;n为土地利用类型。

CA模型公式为[15]：

S(t,t+1)=f〔S(t),N〕

(3)

式中:S为元胞有限且离散状态的集合;f为元胞状态的转换规则函数;N为每个元胞的邻域;t,t+1为两个不同的时刻。

本文利用IDRISI软件中的Markov模块和CA-Markov模块进行延河流域土地利用的模拟预测，首先利用Markov模块计算1986—2000年和2000—2010年的延河流域土地利用转移概率矩阵，然后利用CA-Markov模型，基于2000年分别选择由Logistic模块和MCE模块生成的2000年适宜性图集，循环次数设为10，滤波器设为5×5，分别得到2010年土地利用预测图，将两个模型得到的模拟图与实际图进行精度验证，精度符合要求后按照上述步骤进行2030年延河流域土地利用模拟。

2.2.2 Logistic-CA-Markov模型 Logistic-CA-Markov模型是通过建立回归模型来改变CA转换规则并将其运用于土地利用变化的预测之中，要求结果发生的变量取值为二分变量(取值为0或者1)或多分变量[17]，Logistic回归分析计算每个栅格出现该种土地利用类型i的概率Pi为[18]：

(4)

式中:β0为常数;Pi为某类土地利用i出现的概率;β为回归系数用来表示各地类与驱动因子的定量关系;X1,X2,…,Xm为驱动因子。

回归方程的拟合度检测使用的是Pontius等[19]提出的ROC(相对工作特征曲线)曲线，其值介于0.5～1，越接近于1说明拟合效果越好，若ROC大于0.75，表示该模型模拟效果较好，能够满足相关要求。

利用Logistic模块制作适宜性图集时，基于IDRISI中的Logistic模块，将延河流域基期年各地类的土地利用二值图(如耕地二值图是将耕地赋值为1，其余地类全部设置为0)依次作为因变量，高程、坡度、GDP、人口密度、距铁路距离、距公路距离及距居民点距离这7个驱动因子作为自变量，得到各驱动因子与土地利用类型的系数、优势比及各地类的适宜性图层，对各地类系数和优势比进行分析后将适宜性图层利用集合生成器(Collection Editor)打包生成适宜性图集，参与后续CA-Markov的模拟过程。

2.2.3 MCE-CA-Markov模型 MCE-CA-Markov多评价准则方法可以提高模型模拟精度且预测未来时期的LUCC变化更为可靠，利用MCE模块制作的适宜性图集可为CA在下一时刻的状态提供决策目标[8]。MCE模块包含限制因子和影响因子，限制因子是将分析严格控制在某种范围内，以0，1值表示，0是指该区域不能发生土地利用类型变化，如水域或者自然保护区等；
1指该区域可以发生土地利用类型的转变。影响因子通过FUZZY功能实现，将原来离散或者连续数据统一到0～255标准化数据，并确定各因子对该类地类影响的函数形式。

MCE-CA-Markov模型制作适宜性图集是基于IDRISI Selva 17.0平台，耕地、林地、草地选择高程、坡度为影响因子，高程对于3种地类的影响选择S型衰减模式，坡度对于3种地类的影响选择J型递减模式，耕地、林地、草地及其影响因子的权重均采用自定义权重。建设用地选择高程、坡度、GDP、人口密度、距公路距离、距铁路距离、距居民点距离为影响因子，影响函数形式为S型衰减，建设用地各影响因子的权重用层次分析法(AHP)确定，将各地类的限制及影响因子组合做为该地类的适宜性图层，利用集合生成器(Collection Editor)打包生成6类适宜性图集，参与后续CA-Markov的模拟过程。

2.2.4 扩展的Kappa系数 CA-Markov模型的校准选用扩展的Kappa系数进行检验，不同于传统的Kappa系数，扩展的Kappa系数采用多个评价指标来解决评价中类别数量和空间分配中的不一致[20]。分别对Logistic-CA-Markov模型和MCE-CA-Markov模型模拟的2010年延河流域利用图进行检验，结果见表1。

表1 扩展Kappa系数评价指标

3.1 1986-2010年延河流域土地利用时空分布特征

通过统计汇总延河流域1986年、2000年和2010年3期土地利用数据，得出不同时段各类土地利用的面积，所占比例及空间转化情况见表2，图1。在1986—2000年期间，耕地、水域、未利用地呈减少趋势，其中耕地降幅最为明显，减少了67.09 km2，水域和未利用地减少了1.94，1.74 km2，而林地、草地和建设用地呈增长趋势，分别增长了32.00，33.48，5.29 km2。延河流域2000—2010年与1986—2000年土地利用类型变化趋势大致一致，耕地、水域及未利用地呈减少趋势，分别减少了490.01，2.55，0.15 km2，其中耕地减少趋势依旧最为明显，林地、草地、建设用地持续保持增长，分别增加了346.34，103.49，42.88 km2。

表2 延河流域1986-2010年土地利用类型面积变化

图1 1986-2000年、2000-2010年延河流域土地利用空间转化

为进一步说明各类土地利用类型转移过程，利用IDRISI17.0软件中的Markov模块分别以1986年和2000年的土地利用图为初始年份，2000年和2010年为末期年份，得到土地利用转移概率矩阵，并利用GIS得到土地利用转移面积矩阵。其中转移概率矩阵是各土地利用类型转化为其他类型的概率，转移面积矩阵是转化为其他类型的面积。由表3—4可知，延河流域1986—2000年及2000—2010年土地利用类型转移情况大致相同：草地以转入为主，主要由耕地转入，转出较少；
建设用地少量转出为草地和耕地，较多由耕地转入；
减少趋势较为明显的耕地以转出为主，主要转为草地、林地和建设用地；
林地以转入为主，主要由草地和耕地转入；
未利用地和水域都以转出为主，未利用地主要向建设用地转化，而水域则主要向耕地和草地转化，但未利用地和水域占比较小，总体变化不明显。

表3 1986-2000年延河流域土地利用类型转移面积矩阵 km2

表4 2000-2010年延河流域土地利用类型转移面积矩阵 km2

1986—2010年延河流域土地利用类型以草地和耕地为主，面积比为45%，40%；
其次是林地、建设用地和水域，面积比分别在10%，0.9%，0.3%左右；
而未利用地仅占0.01%左右。土地作为人类社会经济活动的基础，其开发利用程度反映了社会经济活动对其的需求程度，结合延河流域生态环境政策和社会经济发展状况，可知延河流域1986—2010年耕地面积持续减少，主要转出为建设用地、林地和草地，原因有流域25°以上坡耕地退耕为其他地类、大量农村人口往城镇转移、流域城镇化发展使得建设用地扩张占用周边耕地以及近年来流域退耕还林(草)工程、天然林保护工程和小流域综合治理措施等生态治理措施和相关生态恢复政策的实施等，其中有关生态恢复方面的政策是最主要的影响因子，国家自1998年以来陆续出台相关生态恢复政策及鼓励相关植被恢复与林农产业项目结合，积极调整了土地利用结构，促进了该地区生态经济社会协调发展。

3.2 Logistic-CA-Markov模型预测土地利用类型

Logistic回归模型得到的7个驱动因子与6种地类关系见表5，草地、耕地、林地、建设用地、水域、未利用地的ROC值分别为0.86，0.84，0.87，0.93，0.93，0.99，均大于0.75，说明该尺度下的回归模型可以很好的解释驱动因子与各地类的关系。将两个图层叠加进行空间分析得到叠加面积为6 172.24 km2，占总面积的80.39%，并对各地类面积进行误差分析，得到各地类总误差率为13.36%，由IDRISI中VALIDATA计算的扩展的Kappa系数见表1，模拟结果表明模拟精度较好。

表5 2010年延河流域土地利用类型Logistic回归结果

利用Logistic-CA-Markov模型模拟得到的2030年延河流域土地利用图见图2，2030年延河流域土地利用格局以耕林草地为主，建设用地增势明显，其中耕地和草地面积较之2010年减少明显，耕地减少了459.41 km2，占比为30.49%，草地减少了270.02 km2，占比为43.08%，林地和建设用地面积分别增加了656.60，67.60 km2，占比分别为24.24%，1.81%，水域面积与2010年延河流域差别不大，增加了0.14 km2，未利用地增加了7.05 km2，流域新增林地和建设用地主要由耕地和草地转入，且集中在延安市区域，新增草地、水域和未利用地均主要由耕地转入。

图2 基于Logistic-CA-Markov模型的2030年延河流域土地利用模拟图

3.3 MCE-CA-Markov模型预测土地利用类型

MCE模块针对不同的地类设置不同的影响因子及限制因子来分析各地类及其驱动因子的关系，其中耕地、林地、草地的影响因子坡度及高程权重分别设置为0.40，0.60。建设用地的影响因子高程、坡度、GDP、人口密度、距公路距离、距铁路距离、距居民点距离利用AHP层次分析法，系数分别设置为0.09，0.19，0.19，0.17，0.13，0.13，0.08，经检验符合模型连续性要求。两图层叠加面积为6 298.55 km2，占总面积的82.04%，各地类总误差率为14.24%，利用VALIDATA计算得到的扩展的Kappa指数见表1，模拟结果表明模拟精度较好。

利用MCE-CA-Markov模型模拟得到2030年延河流域土地利用图见图3，2010—2030年延河流域林地、水域和建设用地与2000—2010年变化趋势一致，其中耕地、林地、水域及建设用地均有增加，其中耕地增幅最为明显，增加了106.43 km2，占比为37.84%；
草地和未利用地面积较之2010年分别减少了117.24，0.45 km2，草地占比为45.05%；
林地、水域及建设用地分别增加了13.52，0.93，0.96 km2，占比分别为15.86%，0.3%，0.94%。2030年延河流域新增耕地主要集中在延长县区域、靖边县和安塞区，林地增加主要集中在延长县区域，新增耕地和林地主要由草地转入。

图3 基于MCE-CA-Markov模型的2030年延河流域土地利用模拟图

3.4 Logistic-CA-Markov模型和MCE-CA-Markov模型预测结果对比分析

从模拟结果上看，利用CA-Markov模型模拟的2010年延河流域土地利用空间布局图符合精度要求，说明CA-Markov模型在延河流域具有较好的应用性且能模拟流域土地利用空间变化特征。由2010年模拟结果可知，相比之下MCE-CA-Markov模型模拟空间区位变化方面精度较高，Logistic-CA-Markov模型则在模拟数量变化方面精度较高，但MCE-CA-Markov模型标准Kappa系数0.8664略高于Logistic-CA-Markov模型精度0.8576。

从2030年模拟结果上看，利用Logistic-CA-Markov模型预测的2030年延河流域耕地和草地面积较之2010年减少明显，林地、建设用地、水域和未利用地面积均有增加。林地增加与该区实施的退耕还林工程有关，建设用地增加表明随着社会经济快速发展，城镇扩张出现集聚效应。延河流域生态环境脆弱，耕地转出容易但要将其他地类恢复为耕地成本更高且难度更大，因此面对流域经济建设的高需求，要准确把握地区经济发展与资源利用的科学规律，合理协调经济建设与流域资源环境的保护，优化调整用地结构，从而实现区域经济高质量式发展。利用MCE-CA-Markov模型模拟得到2030年延河流域草地和未利用地面积呈减少趋势，耕地、林地、水域及建设用地均有增加，其中耕地增幅大于建设用地，表明流域经济发展相对较缓，注重对耕地和生态环境的保护。但在流域资源有限的情况下，要实现流域发展应立足于地区产业发展特色，积极探索不同的土地利用新结构，最大限度的发挥区域资源的优势，只有经济和环境双发展才有利于维持该地区的可持续性。

Logistic-CA-Markov模型和MCE-CA-Markov模型模拟结果差异的原因，从驱动因子对地类的影响方式上分析，Logistic-CA-Markov模型采用的是线性回归分析，将各驱动因子逐个与各地类进行线性回归，而MCE-CA-Markov模型采用的是加权线性分析，对影响地类变化的限制因子和影响因子进行加权线性回归。从影响地类变化的驱动因子选择上分析，Logistic-CA-Markov模型选择的影响2010年建设用地变化的主要因子为GDP、人口密度、DEM和距道路距离因子，其中GDP为最重要的影响因子，距道路距离因子和建设用地为负相关关系，影响耕地的主要因子为GDP、人口密度和DEM。而MCE-CA-Markov模型选择的影响建设用地变化的因子为GDP、坡度、人口密度和距公路距离，其中GDP和坡度的权重一样大，影响耕地的主要因子为高程和坡度。两个模型在选择影响地类变化的驱动因子上以及对于驱动因子处理方式上的不一致，使得两个模型组成的参与后续模拟循环的适宜性图集不同，因此造成了模型模拟结果的差异。

延河流域1986—2010年期间耕地、水域、未利用地呈减少趋势，其中耕地降幅最为明显，林地、草地和建设用地呈增长趋势。减少趋势较为明显的耕地以转出为主，主要转为草地、林地和建设用地，林地转入为主，主要由草地和耕地转入，未利用地和水域都以转出为主，生态恢复政策是影响流域土地利用变化的最主要的因子。

利用Logistic-CA-Markov模型预测的2030年延河流域耕地和草地面积较之2010年减少明显，林地、建设用地、水域和未利用地面积均有增加。利用MCE-CA-Markov模型模拟得到2030年延河流域草地和未利用地面积呈减少趋势，耕地、林地、水域及建设用地均有增加，其中耕地增幅最为明显。Logistic-CA-Markov模型预测的流域经济发展需求较高，应根据区域特点因地制宜制定适合当地发展的政策。而MCE-CA-Markov模型预测的2030年延河流域经济发展相对较缓，虽然实现了对环境的保护，但要实现流域发展应积极探索土地利用新结构，用养结合，才能更好的实现经济环境的持续发展。