基于CLUE-S模型的湟水流域土地利用空間分布模擬

馮仕超，高小紅，* ，顧 娟，亢 健，郭麗峰，吳國(guó)良，鄒 嬋

(1.青海師范大學(xué)生命與地理科學(xué)學(xué)院 青藏高原環(huán)境與資源教育部重點(diǎn)實(shí)驗(yàn)室，西寧 810008;2.中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，蘭州 730000;3.蘭州大學(xué)西部環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，蘭州 730000)

土地利用/土地覆被變化(LUCC)是全球變化與可持續(xù)發(fā)展的重要研究?jī)?nèi)容［1］，受自然、人文因素在不同時(shí)間、空間尺度上相互作用［2］，表現(xiàn)出復(fù)雜的非線(xiàn)性特征。土地利用模型是理解和認(rèn)識(shí)區(qū)域土地利用/土地覆被變化的某些關(guān)鍵過(guò)程并進(jìn)行定量描述，從而對(duì)未來(lái)土地利用變化格局和影響因子進(jìn)行研究評(píng)價(jià)的重要工具［3］，因此它的應(yīng)用已經(jīng)逐漸成為研究 LUCC驅(qū)動(dòng)機(jī)制［4］、動(dòng)態(tài)規(guī)律［5］、生態(tài)效應(yīng)［6］及預(yù)測(cè)未來(lái)土地利用變化及其發(fā)展趨勢(shì)的重要技術(shù)手段［7］。近年來(lái)，用于區(qū)域土地利用模擬的模型主要包括系統(tǒng)動(dòng)力學(xué)模型、Markov模型、元胞自動(dòng)機(jī)模型、Agent-based模型、CLUE模型以及在其基礎(chǔ)上改進(jìn)的CLUE-S模型等。

CLUE-S模型是2002年由荷蘭瓦赫寧根農(nóng)業(yè)大學(xué)Verburg等［8］科學(xué)家在Veldcamp和Fresco［9］1996年提出的CLUE模型基礎(chǔ)上開(kāi)發(fā)的，用于小區(qū)域尺度的土地利用變化模擬模型。張永民等［10-11］于2002年最早將該模型分別應(yīng)用于我國(guó)內(nèi)蒙古科爾沁沙地及其周?chē)貐^(qū)和內(nèi)蒙古奈曼旗土地利用的時(shí)空動(dòng)態(tài)變化模擬研究，均取得了良好的模擬結(jié)果。自此后的近10多年來(lái)，CLUE-S模型已經(jīng)被廣泛地用于我國(guó)不同區(qū)域的土地利用模擬研究，也都取得有效的模擬結(jié)果［12-14］，其中包括在西部地區(qū)的應(yīng)用，如:擺萬(wàn)奇等［15］、魏強(qiáng)［16］、張華等［17］和梁友嘉等［18］分別以四川省大渡河上游地區(qū)、新疆托克遜縣、甘肅張掖市以及張掖市甘州區(qū)等為研究區(qū)域，運(yùn)用該模型模擬其土地利用的時(shí)空變化。然而，還未見(jiàn)利用CLUE-S模型對(duì)青藏高原與黃土高原過(guò)渡帶復(fù)雜地形區(qū)的土地利用變化進(jìn)行模擬研究的報(bào)道。

尺度問(wèn)題是土地變化科學(xué)中的關(guān)鍵問(wèn)題［19］，在土地利用變化研究中，尺度是空間或時(shí)間的分析范圍，在這一分析范圍內(nèi)，可以用來(lái)測(cè)量和研究事物及過(guò)程，根據(jù)尺度的定義，可以把尺度按照性質(zhì)分為空間尺度和時(shí)間尺度［20］。時(shí)間尺度往往以時(shí)間粒度和時(shí)間幅度來(lái)表達(dá)，時(shí)間粒度指某一現(xiàn)象或事件發(fā)生的(取樣的)頻率或時(shí)間間隔，研究對(duì)象的發(fā)展時(shí)期則確定其時(shí)間幅度［19］。據(jù)此，本研究中的時(shí)間尺度指的是時(shí)間粒度，即模擬時(shí)間間隔。以往的CLUE-S模型模擬研究中，主要是利用某一年份的土地利用數(shù)據(jù)模擬另一年份或者多個(gè)年份的土地利用空間格局［7-11，21］，而利用不同年份的土地利用數(shù)據(jù)去模擬同一年份的土地利用空間分布格局的研究則比較少。

本文中，分別用1987年和1996年兩期土地利用數(shù)據(jù)去模擬2007年土地利用空間格局分布，時(shí)間尺度分別為20a和11a，兩次模擬的目的是為了減少模擬中的不確定性因素，增加模擬結(jié)果的可靠性和說(shuō)服力，并為研究區(qū)未來(lái)土地利用空間分布格局變化模擬參數(shù)的設(shè)置提供依據(jù)。

基于以上考慮，本論文的研究目標(biāo)主要為:(1)探究CLUE-S模型在青藏高原與黃土高原過(guò)渡帶高海拔復(fù)雜地形區(qū)的適用性;(2)分別利用1987年和1996年兩期土地利用數(shù)據(jù)，對(duì)湟水流域2007年土地利用的空間變化格局進(jìn)行模擬，并從數(shù)量、位置和整體上分別對(duì)兩次土地利用模擬結(jié)果計(jì)算其Kappa指數(shù)，通過(guò)利用不同年份數(shù)據(jù)去模擬同一年份的土地利用空間格局來(lái)驗(yàn)證模擬結(jié)果的可靠性;(3)重點(diǎn)針對(duì)流域耕地中的坡耕地退耕進(jìn)行研究，構(gòu)建湟水流域2008—2027年土地利用需求的四種不同情景，對(duì)研究區(qū)2027年土地利用空間分布格局變化進(jìn)行模擬，以期為湟水流域未來(lái)土地發(fā)展規(guī)劃、管理及政策的制定提供參考依據(jù)和決策支持。

1 研究區(qū)域概況

湟水是黃河上游最大的一級(jí)支流，發(fā)源于青海省海北藏族自治州海晏縣包呼圖山，自西北向東南流經(jīng)青海省海晏、湟源、湟中、西寧、互助、平安、樂(lè)都及民和等七縣一市，在甘肅省永靖縣傅子村注入黃河。湟水干流全長(zhǎng)374km，青海省境內(nèi)全長(zhǎng)336km。湟水流域地處黃土高原與青藏高原的過(guò)渡地帶，北依達(dá)坂山，南鄰拉脊山，西與日月山相鄰，東與甘肅省莊浪河流域接壤，地理位置為 36°02'—37°28'N，100°41'—103°04'E(圖 1)。地形由河谷沖積平原、黃土丘陵和中高山地組成，地勢(shì)自西北向東南傾斜，流域內(nèi)海拔最高處是位于湟源縣西南的野牛山(4898m)，最低處為民和縣下川口鎮(zhèn)(1650m)。行政范圍除了上述的縣市外，還包括大通回族土族自治縣。氣候?qū)儆诟咴珊?、半干旱大陸性氣候。根?jù)1961—2010年氣象資料統(tǒng)計(jì)，湟水流域多年年平均氣溫2.5—7.5℃，多年平均降水量453.12mm。青海省境內(nèi)湟水干流流域面積為16120km2，雖然僅占青海省總面積的2.23%，但總?cè)丝?、地區(qū)生產(chǎn)總值及工業(yè)總產(chǎn)值卻分別占青海的62.31%、58.17%和54.72%(截至到2010年末)，是青海省的政治、經(jīng)濟(jì)、文化、教育、科技、交通中心和主要工農(nóng)業(yè)生產(chǎn)基地。

圖1 湟水流域位置圖Fig.1 Location map of the Huangshui river basin

2 數(shù)據(jù)源與研究方法

2.1 數(shù)據(jù)來(lái)源與處理

數(shù)據(jù)源主要包括1987/1988年、1994/1995/1996年和2006/2007年3個(gè)時(shí)期的Landsat-5 TM影像數(shù)據(jù)(表1)，1∶25萬(wàn)DEM(數(shù)字高程模型)、1∶10萬(wàn)比例尺地形圖和相關(guān)的人口、社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)等。其中影像數(shù)據(jù)和DEM分別來(lái)源于中國(guó)科學(xué)院對(duì)地觀測(cè)與數(shù)字地球中心和美國(guó)地質(zhì)調(diào)查局網(wǎng)站(http://www.usgs.gov/)，1∶10萬(wàn)比例尺地形圖來(lái)自青海省基礎(chǔ)地理信息中心，口和地方財(cái)政收入等統(tǒng)計(jì)數(shù)據(jù)均來(lái)源于1987年、1996 年和2007 年《青海省統(tǒng)計(jì)年鑒》［22］。

所有影像數(shù)據(jù)均已經(jīng)過(guò)了前期的輻射糾正和幾何粗糾正，幾何精校正和配準(zhǔn)采取影像到影像的幾何糾正方法，在ERDAS IMAGINE 9.2軟件支持下，以研究區(qū)已有的1999/2001年的影像為基準(zhǔn)，分別對(duì)1987、1996和2007年的影像進(jìn)行幾何精糾正和配準(zhǔn)，幾何精糾正的像元誤差，平原區(qū)控制在0.5個(gè)像元，山區(qū)為1—2像元。投影均從通用橫軸墨卡托投影轉(zhuǎn)為阿爾伯斯等面積圓錐投影。流域邊界的獲取是在ArcGIS 9.3軟件平臺(tái)下，以1∶10萬(wàn)比例尺地形圖和Landsat TM影像為基礎(chǔ)，結(jié)合DEM數(shù)據(jù)，勾繪出湟水流域邊界，根據(jù)流域邊界分別切割出3期流域遙感影像。

土地利用分類(lèi)系統(tǒng)采用中國(guó)科學(xué)院“中國(guó)資源環(huán)境數(shù)據(jù)庫(kù)”土地利用遙感分類(lèi)體系，并結(jié)合青海省土地資源調(diào)查技術(shù)規(guī)程和湟水流域的實(shí)際情況，將研究區(qū)的土地利用/土地覆被類(lèi)型劃分為水澆地、旱地、林地、草地、水域、城鄉(xiāng)居住建設(shè)用地和未利用土地七類(lèi)。通過(guò)野外實(shí)地踏勘，結(jié)合影像的地物光譜特征，建立了室內(nèi)解譯標(biāo)志。在ArcGIS 9.3軟件支持下，采用人工交互目視解譯方法對(duì)影像進(jìn)行判讀解譯，分別獲得1987、1996和2007年三期土地利用矢量數(shù)據(jù)。經(jīng)野外實(shí)地抽樣調(diào)查驗(yàn)證，2007年總體解譯精度達(dá)到93%以上。結(jié)合地形圖和湟水流域相關(guān)歷史圖件和統(tǒng)計(jì)數(shù)據(jù)，對(duì)1987和1996年的解譯結(jié)果進(jìn)行精度評(píng)價(jià)，總體精度分別達(dá)到88%和90%，精度符合研究要求。

表1 遙感影像信息Table 1 Remote sensing images information

以湟水流域三個(gè)相應(yīng)時(shí)期的遙感影像為基礎(chǔ)，分別數(shù)字化獲取了各期的水系、城鎮(zhèn)和農(nóng)村居住用地圖。流域鐵路、國(guó)道以及省道數(shù)據(jù)的獲取首先以研究區(qū)1∶10萬(wàn)比例尺地形圖為準(zhǔn)，參考谷歌地球中湟水流域2007年影像信息，并結(jié)合1∶400萬(wàn)國(guó)家基礎(chǔ)地理信息數(shù)據(jù)，數(shù)字化獲得了2007年流域鐵路、國(guó)道和省道數(shù)據(jù)。在此數(shù)據(jù)基礎(chǔ)上，利用《青海省地圖集》(2009年第一版)、《青海省省志——公路志》及其他輔助數(shù)據(jù)，分別獲取了其他二期鐵路、國(guó)道和省道數(shù)據(jù)。將水系、城鎮(zhèn)和農(nóng)村居民用地、鐵路、國(guó)道以及省道數(shù)據(jù)分別轉(zhuǎn)成柵格格式、格網(wǎng)大小為250m×250m。利用ArcGIS空間分析模塊中的距離制圖函數(shù)來(lái)分別計(jì)算每一柵格單元距水系、鐵路、國(guó)道、省道、城鎮(zhèn)和農(nóng)村居民用地的直線(xiàn)距離，并按距離遠(yuǎn)近分級(jí)。

2.2 研究方法

2.2.1 CLUE-S 模型原理

CLUE-S模型兼顧了土地利用系統(tǒng)中的自然和社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子，在空間上反映土地利用變化的過(guò)程和結(jié)果，與其它土地利用模型相比，具有更高的可信度和更強(qiáng)的解釋力［12］。模型以柵格為研究單元，利用研究單元內(nèi)的主要土地利用類(lèi)型來(lái)表達(dá)該柵格內(nèi)的土地利用情況，即通過(guò)計(jì)算每一種土地利用類(lèi)型在該研究單元上的概率大小以確定哪種地類(lèi)占優(yōu)勢(shì)。綜合考慮湟水流域面積大小和模型運(yùn)行的數(shù)據(jù)運(yùn)算量，模擬運(yùn)行的柵格大小設(shè)置為250m×250m。

CLUE-S模型的輸入包括:(1)政策限制區(qū)域，是指由于特殊的政策或者地區(qū)狀況在模擬時(shí)間段內(nèi)部不允許隨便發(fā)生變化的區(qū)域，如:研究區(qū)內(nèi)的自然保護(hù)區(qū)和基本農(nóng)田保護(hù)區(qū)。本研究中，不設(shè)置受限制區(qū)域，整個(gè)研究區(qū)都允許發(fā)生土地利用變化;(2)土地利用各類(lèi)型轉(zhuǎn)換規(guī)則和轉(zhuǎn)換彈性系數(shù);(3)土地利用需求文件，屬于CLUE-S模型中的非空間分析模塊，主要記錄模擬時(shí)間段內(nèi)各個(gè)土地利用類(lèi)型的需求量，它是以1a為時(shí)間間隔的土地利用類(lèi)型需求數(shù)據(jù)，包括模擬起始年到終止年時(shí)間段內(nèi)各個(gè)年份的土地利用的面積;(4)區(qū)域位置特征與驅(qū)動(dòng)因素的關(guān)系，是指土地利用的空間分布格局與其各驅(qū)動(dòng)因素之間的關(guān)系。CLUE-S模型中，運(yùn)用Logistic回歸分析方法計(jì)算土地利用的空間分布格局與其驅(qū)動(dòng)因子之間的定量關(guān)系。其公式如下:

式中，Pi指的是某種土地利用類(lèi)型i在某一個(gè)柵格單元內(nèi)出現(xiàn)的概率;Xn，i為地類(lèi)分布格局的各驅(qū)動(dòng)因子，如人口、柵格單元到道路的距離以及地形條件等等;β為L(zhǎng)ogistic回歸方程的回歸系數(shù)，表示各土地類(lèi)型與驅(qū)動(dòng)因子之間的定量關(guān)系。

2.2.2 土地利用需求文件設(shè)置

土地利用需求文件的計(jì)算是獨(dú)立于CLUE-S模型之外。一般是采用SD模型［18］、Markov模型［23］、Grey模型［16］或者是通過(guò)線(xiàn)性?xún)?nèi)插的方法來(lái)獲得，但前3種方法需依賴(lài)于完善的社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)。線(xiàn)性?xún)?nèi)插方法則是一種簡(jiǎn)單、快捷的計(jì)算方法，常用于缺乏社會(huì)經(jīng)濟(jì)數(shù)據(jù)的區(qū)域，例如:張永民等［10］、擺萬(wàn)奇等［15］、Verburg［24］等采用線(xiàn)性?xún)?nèi)插法插值獲取研究區(qū)的土地利用需求文件，并取得了良好的模擬效果。由于湟水流域縣級(jí)歷史社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)的缺乏及獲取較為困難，不能滿(mǎn)足前3種模擬方法對(duì)數(shù)據(jù)的要求。因此我們采用線(xiàn)性?xún)?nèi)插方法來(lái)獲取CLUE-S模型所需的土地利用需求文件。

2.2.3 土地利用轉(zhuǎn)換彈性參數(shù)設(shè)置

土地利用轉(zhuǎn)換彈性(ELAS)參數(shù)是指土地利用類(lèi)型的穩(wěn)定程度，它的值介于0與1之間，0表示某種土地利用類(lèi)型極易轉(zhuǎn)換為其它類(lèi)型，1表示某種土地利用類(lèi)型不易轉(zhuǎn)換為其它類(lèi)型，ELAS參數(shù)的值越接近1，表明該土地利用類(lèi)型越不容易轉(zhuǎn)換為其它類(lèi)型，發(fā)生轉(zhuǎn)換的可能性越小，土地利用就越穩(wěn)定，對(duì)應(yīng)的土地利用類(lèi)型發(fā)生轉(zhuǎn)變的概率就越小，其設(shè)置主要依靠研究者對(duì)研究地區(qū)土地利用變化的理解［10］或者根據(jù)土地利用轉(zhuǎn)移情況和模型調(diào)試相結(jié)合的方法進(jìn)行［14］。根據(jù)湟水流域土地利用類(lèi)型的轉(zhuǎn)出率，并結(jié)合野外實(shí)際調(diào)查情況，首先對(duì)其進(jìn)行初步的設(shè)置，并對(duì)照2007年土地利用現(xiàn)狀圖來(lái)檢驗(yàn)?zāi)M結(jié)果的總體精度和Kappa指數(shù)，將模擬結(jié)果再進(jìn)行多次調(diào)試，最終分別為研究區(qū)1987—2007年與1996—2007年模擬期各選擇一組合適的參數(shù)。據(jù)此，1987—2007 年 ELAS 參數(shù)設(shè)置為:水澆地0.4，旱地 0.2，林地 0.9，草地 0.6，水域 0.9，城鄉(xiāng)居住建設(shè)用地1，未利用土地0.2;1996—2007 年 ELAS 參數(shù)為:水澆地0.4，旱地0.2，林地0.9，草地0.6，水域0.9，城鄉(xiāng)居住建設(shè)用地1，未利用土地0.3。

2.2.4 土地利用轉(zhuǎn)換規(guī)則的設(shè)置

轉(zhuǎn)換規(guī)則指在一定的情景模式下，各地類(lèi)之間相互轉(zhuǎn)移的可能性矩陣［25］。轉(zhuǎn)換規(guī)則的設(shè)置是通過(guò)轉(zhuǎn)移矩陣來(lái)定義各土地利用類(lèi)型之間能否實(shí)現(xiàn)轉(zhuǎn)變，1表示可以轉(zhuǎn)變，0表示不能轉(zhuǎn)變。其設(shè)置的一般原則:對(duì)高投資或者區(qū)域生態(tài)環(huán)境有重要影響的區(qū)域不可輕易轉(zhuǎn)換［18］。本文根據(jù)湟水流域1986—1996年和1996—2007年土地利用的轉(zhuǎn)移變化情況及轉(zhuǎn)換約束條件等綜合考慮，來(lái)實(shí)現(xiàn)對(duì)土地利用轉(zhuǎn)換規(guī)則的設(shè)置。主要對(duì)城鄉(xiāng)居住建設(shè)用地做了轉(zhuǎn)換限制設(shè)置，即城鄉(xiāng)居住建設(shè)用地不能轉(zhuǎn)換為其他地類(lèi)(表2)。

表2 土地利用轉(zhuǎn)換限制Table 2 Land use transition restrictions

2.2.5 Kappa 指數(shù)

Kappa指數(shù)一般用來(lái)評(píng)價(jià)遙感影像的分類(lèi)精度，也可以用來(lái)比較兩幅圖件的一致性，由Cohen在1960年提出［26］。將模擬得到的土地利用類(lèi)型圖與真實(shí)土地利用類(lèi)型圖進(jìn)行空間疊加，得到兩幅圖的轉(zhuǎn)移矩陣，見(jiàn)表3，由此計(jì)算Kappa指數(shù)，其公式為:

式中，Po=P11+P22+P33+…+PJJ;Pc=R1×S1+R2×S2+R3×S3+…+RJ×SJ;Pp=R1+R2+R3+…+RJ。Po指的是對(duì)比真實(shí)圖和模擬圖后，得出的各類(lèi)型比率正確程度的觀測(cè)值;Pc指的是在模擬圖上，偶然引起的比率正確程度的期望值;Pp是指真實(shí)圖上的比率正確程度的真實(shí)值，當(dāng)真實(shí)圖和模擬圖完全一樣的情況下為1［27］;J代表的是土地利用類(lèi)型的總數(shù);j代表的是各土地利用類(lèi)型。

表3 土地利用模擬類(lèi)型圖與真實(shí)土地利用類(lèi)型圖的轉(zhuǎn)移矩陣［28］Table 3 Transition matrix between simulated and actual land use type maps

由于公式(2)中的Kappa指數(shù)并沒(méi)有說(shuō)明產(chǎn)生誤差的原因，因此Pontius等人［28-30］在此公式的基礎(chǔ)上，進(jìn)一步發(fā)展了Kappa指數(shù)，來(lái)量化數(shù)量誤差和位置誤差。數(shù)量Kappa指數(shù)能夠說(shuō)明土地利用類(lèi)型在數(shù)量上的變化，位置Kappa指數(shù)能夠說(shuō)明土地利用類(lèi)型在空間位置上的變化，但是上述兩者不能綜合的反映土地利用類(lèi)型變化的程度。而隨機(jī)Kappa指數(shù)和標(biāo)準(zhǔn)Kappa指數(shù)分別綜合了位置和數(shù)量的變化，能對(duì)綜合信息的變化進(jìn)行量化［31］。具體計(jì)算方法見(jiàn)公式(3)—(6):

與真實(shí)土地利用類(lèi)型圖相比，土地利用類(lèi)型模擬圖指定土地利用類(lèi)型圖數(shù)量的能力分為:完全(PQ)、中等(MQ)和無(wú)(NQ);指定土地利用類(lèi)型圖空間位置的能力分為:完全(PL)、中等(ML)和無(wú)(NL)(表4)。

表4中，PQ指的是完全保持了各土地利用類(lèi)型的原始面積;NQ指的是無(wú)法保持各土地利用類(lèi)型的原始面積;MQ的情況正好位于上述兩種情況之間。同理，PL指的是完全準(zhǔn)確地保持了各土地利用類(lèi)型的空間位置;NL指的是無(wú)法保持各土地利用類(lèi)型的空間位置;ML的情況正好位于上述兩種情況之間。根據(jù)公式(3)—(6)，可以分別計(jì)算出數(shù)量Kappa指數(shù)、位置Kappa指數(shù)、標(biāo)準(zhǔn)Kappa指數(shù)和隨機(jī)Kappa指數(shù)。Kappa指數(shù)的取值范圍在0—1之間，當(dāng)Kappa≥0.75時(shí)，兩者一致性較好;0.4≤Kappa＜0.75時(shí)，兩者一致性一般;Kappa＜0.4時(shí)，兩者一致性差。

3 結(jié)果與分析

3.1 Logistic逐步回歸結(jié)果與分析

選取水澆地、旱地、林地、草地、水域、城鄉(xiāng)居住建設(shè)用地和未利用土地7種土地利用類(lèi)型，海拔、坡度(分為0°≤坡度 ＜5°，5°≤坡度 ＜15°，15°≤坡度 ＜25°和坡度 ＞25°)、坡向(分為平坡、東坡、南坡、西坡和北坡)、分別距(河流、鐵路、國(guó)道、省道、城鎮(zhèn)和農(nóng)村居民點(diǎn))的距離、人口和地方財(cái)政收入等18種自然、社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子，運(yùn)用統(tǒng)計(jì)軟件SPSS對(duì)各土地利用類(lèi)型和驅(qū)動(dòng)因子進(jìn)行Logistic逐步回歸計(jì)算。由于樣本量較大，所以我們采用隨機(jī)抽樣的方法，從研究區(qū)257184個(gè)樣本點(diǎn)中抽取了10%的樣本進(jìn)行Logistic回歸分析。采用Pontius等人［30］提出的相對(duì)工作特性(ROC)方法進(jìn)行回歸效果檢驗(yàn)。ROC的取值介于0.5—1之間，0.5表示回歸方程的解釋能力最差，當(dāng)ROC值大于0.7時(shí)，說(shuō)明模擬的土地利用空間格局和真實(shí)的土地利用空間格局之間有良好的一致性，1表示方程的解釋能力最好。各土地利用類(lèi)型的兩次模擬回歸檢驗(yàn)結(jié)果見(jiàn)表5，ROC曲線(xiàn)見(jiàn)附圖1和附圖2(ROC曲線(xiàn)下面積越大，表明回歸效果越好)。

表4 百分比正確程度的分類(lèi)［28］Table 4 Proportion correct classification

表5ROC檢驗(yàn)結(jié)果Table 5 Test results of ROC

從表5可以看出，在兩次模擬過(guò)程中，各土地利用類(lèi)型的ROC值均大于或等于0.7，表明所選取的驅(qū)動(dòng)因子對(duì)各土地利用類(lèi)型都有良好的解釋能力，其中水澆地的ROC值最大，1987年和1996年分別為0.946和0.945，說(shuō)明所選驅(qū)動(dòng)因子對(duì)水澆地的解釋能力最強(qiáng);其次分別是城鄉(xiāng)居住建設(shè)用地、草地、林地、未利用土地和旱地，均達(dá)到了0.8以上，水域的ROC值最低，但也都達(dá)到了0.7。

3.2 模擬結(jié)果檢驗(yàn)

基于CLUE-S模型，分別利用1987年和1996年兩期土地利用數(shù)據(jù)模擬得到2007年土地利用空間模擬圖，并以2007年實(shí)際土地利用圖分別驗(yàn)證兩期的模擬精度。經(jīng)計(jì)算，兩個(gè)不同時(shí)間段的模擬總體精度分別達(dá)到88.31%和89.96%;同時(shí)，利用公式(3)—(6)計(jì)算兩期模擬結(jié)果的4種Kappa指數(shù)(表6)，以進(jìn)一步驗(yàn)證模擬結(jié)果的準(zhǔn)確性。表6顯示:兩個(gè)模擬時(shí)間段數(shù)量Kappa指數(shù)均為0.999，表明在不考慮空間位置變化的情況下，模擬結(jié)果圖與真實(shí)土地利用類(lèi)型圖相比，各土地利用類(lèi)型面積的一致性非常高。位置Kappa指數(shù)、標(biāo)準(zhǔn)Kappa指數(shù)和隨機(jī)Kappa指數(shù)均達(dá)到0.75以上。位置Kappa指數(shù)表明在不考慮數(shù)量變化的情況下，模擬結(jié)果圖與真實(shí)土地利用類(lèi)型圖一致性較好。標(biāo)準(zhǔn)Kappa指數(shù)表明在中等保持空間位置和數(shù)量的能力下，模擬結(jié)果圖與真實(shí)土地利用類(lèi)型圖一致性較好。隨機(jī)Kappa指數(shù)表明在不考慮空間位置和數(shù)量的情況下，模擬結(jié)果圖與真實(shí)土地利用類(lèi)型圖一致性較好。

綜上所述，無(wú)論是用總體精度檢驗(yàn)的方法還是利用Kappa指數(shù)進(jìn)行驗(yàn)證，模擬結(jié)果均具有較高的精度，說(shuō)明CLUE-S模型完全適用于湟水流域的土地利用空間格局模擬。

表6 Kappa指數(shù)計(jì)算結(jié)果Table 6 The computed results of Kappa index

3.3 未來(lái)土地利用變化情景構(gòu)建及模擬

3.3.1 土地利用變化情景構(gòu)建

CLUE-S模型能夠支持探索未來(lái)不同情景下土地利用/土地覆被空間格局變化模擬。本文以流域2007年土地利用數(shù)據(jù)為模擬基準(zhǔn)年，構(gòu)建了2008—2027年土地利用變化的4種不同情景。

情景1，自然增長(zhǎng)情景。該情景設(shè)置主要是依據(jù)研究區(qū)1996—2007年土地利用的變化速率，計(jì)算得到2027年各土地利用類(lèi)型需求面積。其設(shè)置的主要依據(jù)為:根據(jù)對(duì)研究區(qū)域土地利用變化的分析［32］表明，1987—2007年期間，湟水流域土地利用的顯著變化發(fā)生在1996—2007年，特別是1999年國(guó)家“退耕還林、還草”政策和2000年“西部大開(kāi)發(fā)戰(zhàn)略”實(shí)施以來(lái)，而1987—1996年期間流域的土地利用變化很小，因此情景一依據(jù)1996—2007年土地利用變化速率設(shè)置。

情景2—情景4為退耕情景，即分別為按照坡度≥15°、≥20°和≥25°進(jìn)行退耕，林地面積分別增加6.67萬(wàn)hm2，城鄉(xiāng)居住建設(shè)用地均按照2000—2007年的變化率恒定增加。這3種情景的設(shè)置主要是針對(duì)耕地類(lèi)型進(jìn)行設(shè)計(jì)，探討流域不同坡度坡耕地退耕還林、還草和城鄉(xiāng)居住建設(shè)用地持續(xù)增加情況下土地利用空間格局的變化情況。其主要依據(jù):(1)研究區(qū)坡度大于15°以上的耕地約占流域耕地總面積的33%，依據(jù)《中華人民共和國(guó)水土保持法》規(guī)定，禁止在25°以上陡坡地開(kāi)墾種植農(nóng)作物。在干旱、半干旱地區(qū)，15°—25°的緩坡耕地雖然不屬于國(guó)家強(qiáng)制退耕的范疇，但也是退耕的重點(diǎn)，在這個(gè)坡度范圍內(nèi)退耕還林、還草工程的實(shí)施必須兼顧農(nóng)民生計(jì)和經(jīng)濟(jì)發(fā)展，因此情景構(gòu)建須同時(shí)考慮生態(tài)安全和糧食安全兩個(gè)方面的因素;(2)根據(jù)《青海省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要》，“繼續(xù)實(shí)施西寧南北兩山、湟水河流域百萬(wàn)畝人工造林工程”(該工程隸屬于三北防護(hù)林工程第五期工程)，據(jù)此，在情景2—情景4中，設(shè)置林地面積均增加為6.67萬(wàn)hm2。(3)自2000年以來(lái)，隨著西部大開(kāi)發(fā)戰(zhàn)略的實(shí)施，湟水流域城鎮(zhèn)化進(jìn)程日益加快、城鎮(zhèn)周?chē)孛娣e持續(xù)減少，故情景2—情景4中城鎮(zhèn)建設(shè)用地變化依據(jù)2000—2007年的變化速率。

3.3.2 不同情景下的土地利用空間變化格局模擬

基于CLUE-S模型，分別對(duì)上述4種情景進(jìn)行模擬，圖2顯示4種情景下2027年各土地利用模擬圖和2007年實(shí)際土地利用圖。從圖2可以看出:情景1中，到2027年湟水流域的土地利用格局將按照現(xiàn)有的變化趨勢(shì)發(fā)展，其中變化最明顯的是林地和旱地，旱地大面積減少而林地大面積增加，城鄉(xiāng)居住建設(shè)用地明顯擴(kuò)張，其它土地利用類(lèi)型變化不是很明顯。情景2—情景4中，2027年模擬圖中退耕土地范圍，即林地、草地面積增加主要集中分布在湟水流域東部的樂(lè)都縣和民和縣、北部的大通縣縣城北部以及西部的湟源縣縣城西北部的湟水河兩岸。其中西部地區(qū)的變化最為明顯，到2027年大部分將退為草地?？傊?，3種情景中，退耕面積情景2＞情景3＞情景4。4種情景中，城鄉(xiāng)居住建設(shè)用地面積擴(kuò)展主要是集中在河谷地區(qū)，而林地的增加主要分布在西寧市市區(qū)的周邊(主要是南山和北山)和流域北部地區(qū)(主要是大通和互助縣境內(nèi))。其它土地利用類(lèi)型在上述4種情景的模擬圖中變化均不是很明顯。

4 結(jié)論和討論

本研究基于湟水流域1987年和1996年兩期土地利用數(shù)據(jù)，并結(jié)合自然和社會(huì)經(jīng)濟(jì)等驅(qū)動(dòng)因子，運(yùn)用CLUE-S模型，對(duì)湟水流域2007年的土地利用空間分布格局進(jìn)行模擬，經(jīng)總體精度和Kappa指數(shù)檢驗(yàn)，兩個(gè)模擬期均取得了良好的效果，表明CLUE-S模型在湟水流域具有較好的土地利用模擬能力。在此基礎(chǔ)上，依據(jù)湟水流域未來(lái)發(fā)展規(guī)劃，構(gòu)建流域未來(lái)20a(2008—2027年)土地利用需求的4種不同情景，并對(duì)4種情景下2027年土地利用空間分布格局進(jìn)行了模擬。研究結(jié)論可為湟水流域未來(lái)土地的利用規(guī)劃、管理及政策制定等提供參考依據(jù)和決策支持。

圖2 2007年實(shí)際土地利用圖與四種情景下2027年土地利用模擬圖Fig.2 Land use simulation maps in 2027 under four different scenarios and land use situation map in 2007

由于湟水流域橫跨海北藏族自治州(海晏縣)、西寧市(包括西寧市市區(qū)、大通縣、湟中縣和湟源縣)和海東地區(qū)(包括互助縣、平安縣、樂(lè)都縣和民和縣)8縣1市，研究中以縣級(jí)為單位的長(zhǎng)時(shí)間序列歷史社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)的缺少以及數(shù)據(jù)統(tǒng)計(jì)口徑的不一致，致使社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)選擇受到限制和無(wú)法使用，故模擬中僅選擇了人口和地方財(cái)政收入兩個(gè)社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子，這在一定程度上必將會(huì)影響模擬結(jié)果。如何更好地獲取和量化社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因子并將其運(yùn)用于該流域土地利用模擬有待于今后進(jìn)一步研究。

雖然CLUE-S模型對(duì)于土地利用變化的模擬具有良好的空間表達(dá)性，但是和其他模型相比，該模型對(duì)給定社會(huì)經(jīng)濟(jì)條件下各類(lèi)土地宏觀需求的空間表現(xiàn)仍然有限。目前，利用土地利用總量變化模擬模型(如:Grey模型、SD模型或Markov模型)與CLUE-S模型相結(jié)合等對(duì)土地利用變化進(jìn)行模擬預(yù)測(cè)日益成為研究的熱點(diǎn)和重要方向。該類(lèi)研究的主要特點(diǎn)是結(jié)合了土地利用總量變化模擬模型在模擬土地利用數(shù)量方面的能力和CLUE-S模型模擬土地利用空間格局變化的能力，因此已成為彌補(bǔ)CLUE-S模型模擬土地利用數(shù)量缺陷的一種有效的方法。因此在后續(xù)的研究中，將進(jìn)一步探討土地利用總量變化模擬模型與CLUE-S模型相結(jié)合模擬湟水流域土地利用空間分布格局。

隨著湟水流域城市化進(jìn)程的加快，城鄉(xiāng)居住建設(shè)用地迅速擴(kuò)展，該類(lèi)土地類(lèi)型受政府政策因素的影響比較大，因此土地利用變化呈現(xiàn)出不確定性特征。然而CLUE-S模型很難模擬由于政策導(dǎo)向出現(xiàn)的開(kāi)發(fā)區(qū)和工業(yè)園區(qū)等“蛙跳式”的土地利用空間分布格局，城鄉(xiāng)居住建設(shè)用地不確定性的變化特征在一定程度上會(huì)影響模擬的精度。因此在未來(lái)土地利用情景模擬的研究中，如何結(jié)合地方政策構(gòu)建合理的土地利用情景也是今后研究的一個(gè)重點(diǎn)之一(圖3，圖4)。

圖3 1987年ROC曲線(xiàn)Fig.3 The ROC curve in 1987

圖4 1996年ROC曲線(xiàn)Fig.4 The ROC curve in 1996

［1］ Chen Y Q，Yang P.Recent progresses of international study on land use and land cover change(LUCC).Economic Geography，2001，21(1):95-100.

［2］ Cai Y L.A study on land use/cover change:the need for a new integrated approach.Geographical Research，2001，20(6):645-652.

［3］ Veldkamp A，Lambin E.Predicting land-use change.Agriculture Ecosystems＆ Environment，2001，85(1/3):1-6.

［4］ Li P，Li X B，Liu X J.Macro-analysis on the driving forces of the land-use change in China.Geographical Research，2001，20(2):129-138.

［5］ Lambin E F，Rounsevell M D A，Geist H J.Are agricultural land-use models able to predict changes in land-use intensity?Agriculture，Ecosystems＆ Environment，2000，82(1/3):321-331.

［6］ Skole D L，Chomentowski W H，Salas W A，Nobre A D.Physical and human dimensions of deforestation in Amazonia.Bioscience，1994，44(5):314-322.

［7］ Sheng S，Liu M S，Xu C，Yu W，Chen H.Application of CLUE-S model in simulating land use changes in Nanjing metropolitan region.Chinese Journal of Ecology，2008，27(2):235-239.

［8］ Verburg P H，Soepboer W，Veldkamp A，Limpiada R，Espaldon V，Mastura S S A.Modeling the spatial dynamics of regional land use:the CLUE-S model.Environmental Management，2002，30(3):391-405.

［9］ Veldkamp A，F(xiàn)resco L O.CLUE:a conceptual model to study the conversion of land use and its effects.Ecological Modelling，1996，85(2/3):253-270.

［10］ Zhang Y M，Zhao S D，P H Verburg.CLUE-S and its application for simulating temporal and spatial change of land use in Naiman Banner.Journal of Natural Resources，2003，18(3):310-318.

［11］ Zhang Y M，Zhao S D，Zhang K B.Simulation of changes in spatial pattern of land use in Horqin desert and its outer area.Journal of Beijing Forestry University，2003，25(3):68-73.

［12］ Peng Jian，Cai Yunlong，P H Verburg.Simulation of land use/cover change scenarios in Karst mountain areas，Transactions of the CSAE，2007，23(7):64-70.

［13］ Zheng X Q，Zhao L，Hu Y C，Li N.Spatio-temporal allocation of general land-use planning index.Transactions of the Chinese Society of Agricultural Engineering，2010，26(4):297-305.

［14］ Liu Q F，Liu J P，Song K S，Li F，Wang Z M.Simulation on spatial pattern of land use change in Bielahong river basin based on CLUE-S model.Journal of Northeast Forestry University，2010，38(1):64-67，73-73.

［15］ Bai W Q，Zhang Y M，Yan J Z，Zhang Y L.Simulation of land use dynamics in the upper reaches of the Dadu river.Geographical Research，2005，24(2):206-212.

［16］ Wei Q.Simulation of Dynamic Change in Land Utilization Toksun County Based on CLUE-S Model［D］.Urumqi:Xinjiang University，2010.

［17］ Zhang H，Zhang B，Meng B，Ding W H.Land use and land cover change modeling in Zhangye city.Remote Sensing Technology and Application，2004，19(5):359-363.

［18］ Liang Y J，Xu Z M，Zhong F L.Land use scenario analyses by based on system dynamic model and CLUE-S model at regional scale:a case study of Ganzhou district of Zhangye city.Geographical Research，2011，30(3):564-576.

［19］ Chen R S，Cai Y L.Progress in the study of scale issues in land change science.Geographical Research，2010，29(7):1244-1256.

［20］ Chen Y Q，He Y B.Scale issues in the analysis of land use/cover change.Economic Geography，2005，25(2):152-155.

［21］ Tan Y Z，Wu C F，Mou Y M，Wang Q R，Yu Z G.Simulation of land use spatial pattern change on county scale in the rapid economic development region.Transactions of the Chinese Society of Agricultural Engineering，2006，22(12):72-77.

［22］ Statistics Bureau of Qinghai Province.Qinghai Statistical Yearbook 1987，1996，2007.Beijing:China Statistics Press，1988，1997，2008.

［23］ Wang Y S，Yu X X，He K N，Li Q Y，Zhang Y S，Song S M.Dynamic simulation of land use change in Jihe watershed based on CA-Markov model.Transactions of the Chinese Society of Agricultural Engineering，2011，27(12):330-336.

［24］Verburg P H.The CLUE-S model Tutorial CLUE-S(version 2.4)and DYNA-CLUE(version 2).Handbook of CLUE-S Model，2008.

［25］ Meng J J，Yan F，Zhao C H.Land use change simulation on the edge of metropolis A case study of Changping district in Beijing.Journal of Basic Science and Engineering，2010，18(2):197-208.

［26］ Cohen J.A coefficient of agreement for nominal scales.Educational and Psychological Measurement，1960，2(1):37-46.

［27］ Bu R C，Li X Z，Hu Y M，Chang Y，He H S.Analyzing the agreement of maps through spatial aggregations Acta Ecologica Sinica，2004，24(4):659-665.

［28］ Pontius Jr R G.Quantification error versus location error in comparison of categorical maps.Photogrammetric Engineering and Remote Sensing，2000，66(8):1011-1016.

［29］ Pontius Jr R G.Statistical methods to partition effects of quantity and location during comparison of categorical maps at multiple resolutions.Photogrammetric Engineering and Remote Sensing，2002，68:1041-1049.

［30］ Pontius Jr R G，Schneider L C.Land-cover change model validation by an ROC method for the Ipswich watershed，Massachusetts，USA.Agriculture，Ecosystems＆ Environment，2001，85(1/3):239-248.

［31］ Liu M，Hu Y M，Chang Y，Bu R C，Zhang W.Landscape change and its spatial driving force of farmlands in Wenchuan County of Minjiang river upper reach.Chinese Journal of Applied Ecology，2007，18(3):569-574.

［32］ Gao X H，F(xiàn)eng S C，Xie J A，Li J S.Analysis of cultivated land change by remote sensing data in the Huangshui River watershed，northwestern China.Proceeding of SPIE 8181，81811G(2011)，2011.

參考文獻(xiàn):

［1］ 陳佑啟，楊鵬.國(guó)際上土地利用土地覆蓋變化研究的新進(jìn)展.經(jīng)濟(jì)地理，2001，21(1):95-100.

［2］ 蔡運(yùn)龍.土地利用/土地覆被變化研究:尋求新的綜合途徑.地理研究，2001，20(6):645-652.

［4］ 李平，李秀彬，劉學(xué)軍.我國(guó)現(xiàn)階段土地利用變化驅(qū)動(dòng)力的宏觀分析.地理研究，2001，20(2):129-138.

［7］ 盛晟，劉茂松，徐馳，郁文，陳虹.CLUE-S模型在南京市土地利用變化研究中的應(yīng)用.生態(tài)學(xué)雜志，2008，27(2):235-239.

［10］ 張永民，趙士洞，P H Verburg.CLUE-S模型及其在奈曼旗土地利用時(shí)空動(dòng)態(tài)變化模擬中的應(yīng)用.自然資源學(xué)報(bào)，2003，18(3):310-318.

［12］ 彭建，蔡運(yùn)龍，P H Verburg.喀斯特山區(qū)土地利用/覆被變化情景模擬.農(nóng)業(yè)工程學(xué)報(bào)，2007，23(7):64-70.

［13］ 鄭新奇，趙璐，胡業(yè)翠，李寧.土地利用總體規(guī)劃指標(biāo)時(shí)空分配.農(nóng)業(yè)工程學(xué)報(bào)，2010，26(4):297-305.

［14］ 劉慶鳳，劉吉平，宋開(kāi)山，李方，王宗明.基于CLUE-S模型的別拉洪河流域土地利用變化模擬.東北林業(yè)大學(xué)學(xué)報(bào)，2010，38(1):64-67，73-73.

［15］ 擺萬(wàn)奇，張永民，閻建忠，張鐿鋰.大渡河上游地區(qū)土地利用動(dòng)態(tài)模擬分析.地理研究，2005，24(2):206-212.

［16］ 魏強(qiáng).基于CLUE-S模型的托克遜縣土地利用動(dòng)態(tài)變化預(yù)測(cè)模擬研究［D］.烏魯木齊:新疆大學(xué)，2010.

［17］ 張華，張勃，孟寶，丁文暉.張掖市土地利用/覆蓋變化模擬.遙感技術(shù)與應(yīng)用，2004，19(5):359-363.

［18］ 梁友嘉，徐中民，鐘方雷.基于SD和CLUE-S模型的張掖市甘州區(qū)土地利用情景分析.地理研究，2011，30(3):564-576.

［19］ 陳睿山，蔡運(yùn)龍.土地變化科學(xué)中的尺度問(wèn)題與解決途徑.地理研究，2010，29(7):1244-1256.

［22］ 青海省統(tǒng)計(jì)局編.青海省統(tǒng)計(jì)年鑒1987，1996，2007.北京:中國(guó)統(tǒng)計(jì)出版社，1988，1997，2008.

［23］ 王友生，余新曉，賀康寧，李慶云，張由松，宋思銘.基于CA-Markov模型的藉河流域土地利用變化動(dòng)態(tài)模擬.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(12):330-336.

［25］ 蒙吉軍，嚴(yán)汾，趙春紅.大城市邊緣區(qū)土地利用變化模擬研究——以北京市昌平區(qū)為例.應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，2010，18(2):197-208.

［27］ 布仁倉(cāng)，李秀珍，胡遠(yuǎn)滿(mǎn)，常禹，賀紅士.尺度變換的正確率分析.生態(tài)學(xué)報(bào)，2004，24(4):659-665.

［31］ 劉淼，胡遠(yuǎn)滿(mǎn)，常禹，布仁倉(cāng)，張薇.岷江上游汶川縣耕地景觀變化及空間驅(qū)動(dòng)力.應(yīng)用生態(tài)學(xué)報(bào)，2007，18(3):569-574.