土地利用最佳模擬尺度選擇及空間格局模擬

田義超，陳志坤，梁銘忠，任志遠(yuǎn)

1.欽州學(xué)院 資源與環(huán)境學(xué)院，廣西 欽州 535000

2.廣西師范學(xué)院 北部灣環(huán)境演變與資源利用省部共建教育部重點(diǎn)實(shí)驗(yàn)室，南寧 530001

3.陜西師范大學(xué) 旅游與環(huán)境學(xué)院，西安 710062

土地利用最佳模擬尺度選擇及空間格局模擬

田義超1，2，陳志坤1，2，梁銘忠1，任志遠(yuǎn)3

1.欽州學(xué)院 資源與環(huán)境學(xué)院，廣西 欽州 535000

2.廣西師范學(xué)院 北部灣環(huán)境演變與資源利用省部共建教育部重點(diǎn)實(shí)驗(yàn)室，南寧 530001

3.陜西師范大學(xué) 旅游與環(huán)境學(xué)院，西安 710062

土地利用及其變化受到自然、社會(huì)、經(jīng)濟(jì)等眾多因素的相互影響，是一個(gè)相當(dāng)復(fù)雜的過程[1]，目前已經(jīng)成為全球環(huán)境變化和可持續(xù)發(fā)展研究的重要內(nèi)容[2]。而在區(qū)域的土地利用與土地覆蓋變化研究過程中，區(qū)域的空間規(guī)模尺度則是一個(gè)十分關(guān)鍵的問題[3]。土地利用在不同的規(guī)模尺度上具有不同的特征，包括不同的影響因素、不同的演變機(jī)理與過程[4]。土地利用空間格局往往在一個(gè)尺度上所表現(xiàn)出來的規(guī)律，當(dāng)其轉(zhuǎn)換到其他的尺度上時(shí)，這種規(guī)律也就不一定適應(yīng)，所以也就存在著一個(gè)普遍的“尺度效應(yīng)與尺度轉(zhuǎn)換”的現(xiàn)象。土地利用變化模型正是探索土地利用尺度效應(yīng)以及預(yù)測(cè)未來土地利用變化情景及其環(huán)境效應(yīng)的重要手段，而理解土地利用格局與其影響因素之間的相互關(guān)系則是構(gòu)建土地利用變化模型的基礎(chǔ)[5-7]。目前而言，構(gòu)建綜合自然環(huán)境因素和社會(huì)經(jīng)濟(jì)因素的土地利用變化機(jī)理模型仍較困難，因而經(jīng)驗(yàn)統(tǒng)計(jì)模型在研究土地利用變化格局方面一直發(fā)揮著重要作用[8]。常用的統(tǒng)計(jì)模型有基于最小平方和估計(jì)的線性回歸法[9-11]和基于二分類結(jié)果的Logistic回歸法[12-13]。而基于二分類結(jié)果的Logistic回歸法在進(jìn)行土地利用變化模擬的案例研究則比較成功，本文正是以黃土臺(tái)塬區(qū)為研究對(duì)象，以2010年的TM遙感影像解譯數(shù)據(jù)以及影響土地利用變化的驅(qū)動(dòng)力因子數(shù)據(jù)為基礎(chǔ)，對(duì)黃土臺(tái)塬區(qū)的土地利用最佳模擬尺度進(jìn)行了尺度相關(guān)性特征選擇，并在此基礎(chǔ)上對(duì)研究區(qū)的各種土地利用格局進(jìn)行了空間格局模擬。以期為研究區(qū)的土地利用規(guī)劃、土地資源的合理開發(fā)與可持續(xù)發(fā)展提供理論上的指導(dǎo)和現(xiàn)實(shí)上的依據(jù)。

1 研究區(qū)概況

黃土塬又稱黃土平臺(tái)、黃土桌狀高地。黃土臺(tái)塬是被黃土覆蓋的臺(tái)狀地，主要分布在關(guān)中平原的周邊，黃土堆積雖然在第四紀(jì)初已經(jīng)開始，但并非到處都能形成黃土臺(tái)塬，地質(zhì)構(gòu)造、構(gòu)造運(yùn)動(dòng)、古地形對(duì)黃土臺(tái)塬的形成起了控制作用。這些黃土塬是在不同類型地層所形成的古地面的基礎(chǔ)上被后期不同時(shí)代的黃土所覆蓋，并受到流水等營(yíng)力塑造而成的。黃土臺(tái)塬區(qū)位于關(guān)中平原中部，地處北緯34°2'至35°52'，東經(jīng)107°1'至110°36'之間，西起寶雞市、東至東北韓城縣，北至銅川、南至藍(lán)田縣，轄區(qū)面積29 788.49 km2，東西長(zhǎng)約320.21 km，南北長(zhǎng)約210.70 km。轄區(qū)包括34個(gè)市、縣區(qū)，336個(gè)鄉(xiāng)鎮(zhèn)，主要分布在銅川、寶雞、咸陽(yáng)、西安以及渭南5個(gè)市，具體包括銅川的南部川塬區(qū)、寶雞的渭河黃土臺(tái)塬亞區(qū)、秦嶺北麓梁狀破碎臺(tái)塬亞區(qū)、咸陽(yáng)黃土臺(tái)塬亞區(qū)、西安的青化翠峰原、銅人原、代王-馬額原、八里原、少陵原、神禾原、荊山原、白鹿原、樂游原以及渭南的黃土臺(tái)塬。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

在進(jìn)行土地利用模擬時(shí)選用的方法是Binary Logistic回歸方法。模型的目標(biāo)變量是由土地利用格局的二分類變量的柵格圖層構(gòu)成，此柵格圖層分為“0”和“1”兩個(gè)變量，“0”表示此種土地利用類型不出現(xiàn)，“1”表示此種土地利用類型出現(xiàn)，影響因素稱為自變量或解釋變量。Binary Logistic表達(dá)式為：

其中，p表示每個(gè)柵格出現(xiàn)此種土地利用類型的概率，x為驅(qū)動(dòng)因子。β0為常數(shù)項(xiàng)，β1，β2，…，βm為回歸方程的回歸系數(shù)。對(duì)回歸方程的檢驗(yàn)解釋情況可以用Pontius R.G[14]提出的ROC（Relative Operating Characteristics）進(jìn)行檢驗(yàn)。該值介于0.5～1之間，一般認(rèn)為，當(dāng)ROC的值大于0.7時(shí)，所確定的驅(qū)動(dòng)因子具有較好的解釋能力，地類的概率分布和真實(shí)的地類分布之間具有較好的一致性，若該值等于0.5，則說明回歸方程對(duì)地類分布的解釋沒有任何意義[15]。

2.2 數(shù)據(jù)來源

選用的數(shù)據(jù)包括遙感數(shù)據(jù)和非遙感數(shù)據(jù)，遙感數(shù)據(jù)主要選取了2000年和2010年的TM遙感影像數(shù)據(jù)。2000年及2010年的TM遙感影像接收時(shí)間是八月份，數(shù)據(jù)來源于國(guó)際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)（http：//datamirror.csdb.cn）網(wǎng)站，由于研究區(qū)2010年的遙感影像有少量的云霧存在，因此獲取遙感影像后，首先根據(jù)ENVI的大氣校正模塊對(duì)其進(jìn)行去云霧處理，然后利用ArcGIS9.3、IDRISI15.0以及ENVI4.7等圖像處理軟件對(duì)原始影像數(shù)據(jù)進(jìn)行圖像預(yù)處理。跟據(jù)解譯標(biāo)志，最終得到黃土臺(tái)塬區(qū)2000年和2010年的土地利用類型數(shù)據(jù)（依次為耕地、林地、草地、建設(shè)用地、水域和未利用地），運(yùn)用此數(shù)據(jù)可以對(duì)研究區(qū)土地利用變化情況進(jìn)行模擬。而非遙感數(shù)據(jù)主要是獲取黃土臺(tái)塬區(qū)尺度選擇影響因子數(shù)據(jù)，包括來源于陜西師范大學(xué)所編著的渭南、西安、咸陽(yáng)、寶雞和銅川的地理志，來源于陜西省統(tǒng)計(jì)局2010年的統(tǒng)計(jì)年鑒，將得到的統(tǒng)計(jì)年鑒數(shù)據(jù)按照縣域進(jìn)行整理可以得到模擬尺度選擇中的人均GDP因子。圖件包括各個(gè)縣的黃土塬與黃土臺(tái)塬分布圖（電子掃描版.tif格式），來源于陜西省測(cè)繪局1∶10萬數(shù)字地形圖（經(jīng)過數(shù)字化用于計(jì)算距主河道庫(kù)區(qū)距離），行政區(qū)劃圖（用于計(jì)算距城鎮(zhèn)中心距離及距地級(jí)市中心距離），來源于美國(guó)SRTM（http：//strm. csi.cgiar.org）的1∶5萬數(shù)字高程模型圖（用于地形綜合指數(shù)的計(jì)算），2010年的交通現(xiàn)狀圖（用于計(jì)算距道路中心距離）以及黃土臺(tái)塬地區(qū)2010年的氣溫、降水量等氣象站點(diǎn)數(shù)據(jù)。

3 計(jì)算結(jié)果與分析

3.1 尺度選擇及驅(qū)動(dòng)因子選擇

圖1 土地利用格局模擬尺度示意圖（局部，十個(gè)分辨率依次增大）

目前，縱觀國(guó)內(nèi)外，在進(jìn)行土地利用尺度選擇和尺度模擬時(shí)，常用的尺度選擇和聚合方法主要有面積最大化方法（Rule of Maximum Area）、中心值方法（Rule of Centric Cell）。其中面積最大值的依據(jù)是從轉(zhuǎn)換的網(wǎng)格中選取網(wǎng)格數(shù)量最多的類型作為輸出網(wǎng)格的類型；而中心值則適合于地理現(xiàn)象具有連續(xù)分布性質(zhì)的要素，如人口密度圖、降雨量分布圖等[16]。

本文在進(jìn)行尺度聚合時(shí)主要是運(yùn)用ArcMap9.3中的Aggregate命令進(jìn)行了尺度聚合。在進(jìn)行尺度聚合的過程中，首先生成研究區(qū)域100 m×100 m的原始柵格圖像掩膜范圍，然后分別對(duì)原始柵格掩膜圖像數(shù)據(jù)進(jìn)行2×2、3×3、4×4、5×5、6×6、7×7、8×8、9×9以及10×10方式的尺度聚合，聚合時(shí)的可選項(xiàng)采用平均值聚合方法。經(jīng)此過程，可以將原始數(shù)據(jù)轉(zhuǎn)化成100 m到1 000 m十個(gè)尺度上的柵格數(shù)據(jù)，在此基礎(chǔ)上可以進(jìn)行下一步的Logistic回歸。尺度轉(zhuǎn)換的過程圖（局部）如圖1所示。

在對(duì)土地利用尺度選擇和模擬時(shí)，對(duì)影響土地利用格局的驅(qū)動(dòng)因子（影響因子）本著科學(xué)性、原則性、資料完備性以及可操作性的原則，并借鑒前人的研究成果和經(jīng)驗(yàn)[17]，選取了9個(gè)驅(qū)動(dòng)因子（影響因子）對(duì)黃土臺(tái)塬區(qū)土地利用最佳模擬尺度進(jìn)行了選擇。土地利用是各種自然環(huán)境和社會(huì)經(jīng)濟(jì)狀況相互交織的結(jié)果，因此在對(duì)土地利用的變化模擬分析時(shí)主要選擇了自然因素和社會(huì)因素這兩個(gè)大類進(jìn)行土地利用變化的模擬。這兩個(gè)大類所涉及的9個(gè)驅(qū)動(dòng)因子依次分別為：距城鎮(zhèn)中心距離、距地級(jí)市中心距離、距道路中心距離、距主河道庫(kù)區(qū)距離、氣溫因子、降水量因子、高程因子、地形綜合指數(shù)因子和人均GDP因子，如表1所示。

3.2 尺度選擇結(jié)果分析

在進(jìn)行尺度轉(zhuǎn)化的過程中主要分析了耕地、林地和草地3個(gè)地類與驅(qū)動(dòng)因子間的邏輯斯蒂回歸。由于在進(jìn)行二值邏輯斯蒂回歸時(shí)，需要各個(gè)地類的二值圖像，所以本文在進(jìn)行空間邏輯斯蒂回歸分析時(shí)，首先將研究區(qū)的耕地、林地、草地重新分類為二值圖“0”和“1”（1表示出現(xiàn)此種土地利用類型，而0表示此種土地利用類型不出現(xiàn)），分類的過程是在Arcmap9.3的Reclass命令下完成的，最后對(duì)此二值圖進(jìn)行離散化處理。經(jīng)此步驟，得到黃土臺(tái)塬區(qū)的土地利用類型二值圖，此圖作為邏輯斯蒂回歸方程的因變量，即因變量Y。對(duì)于各個(gè)驅(qū)動(dòng)因子的處理，首先生成研究區(qū)100 m×100 m的原始驅(qū)動(dòng)因子?xùn)鸥駡D，其次對(duì)此柵格圖進(jìn)行尺度聚合分析，生成研究區(qū)100 m×100 m、200 m×200 m、300 m×300 m、400 m× 400 m、500 m×500 m、600 m×600 m、700 m×700 m、800 m× 800 m、900 m×900 m以及1 000 m×1 000 m十種尺度因子聚合圖，之后對(duì)每個(gè)尺度上的驅(qū)動(dòng)因子?xùn)鸥駭?shù)據(jù)分別進(jìn)行20%的采樣（一方面是因?yàn)楸疚牡难芯繀^(qū)域很大，如果不進(jìn)行采樣分析會(huì)導(dǎo)致數(shù)據(jù)量很大，在進(jìn)行l(wèi)ogistic回歸分析時(shí)結(jié)果可能做不出來，另一方面隨機(jī)生成的20%的采樣點(diǎn)去同時(shí)采樣其他柵格圖層，用采樣出來的數(shù)據(jù)去做logistic回歸分析是不會(huì)影響研究結(jié)果的），最后運(yùn)用SPSS19.0軟件對(duì)研究區(qū)采樣后（20%）的耕地、林地、草地和驅(qū)動(dòng)因子（20%）進(jìn)行二元邏輯斯蒂回歸分析。圖2為十個(gè)尺度上所做出來的ROC曲線變化圖。

表1 黃土臺(tái)塬區(qū)土地利用變化驅(qū)動(dòng)因子

圖2 耕地、林地和草地ROC模擬曲線圖

從曲線圖2中可以看出，黃土臺(tái)塬區(qū)三個(gè)主要地類的ROC值在十個(gè)空間尺度上均表現(xiàn)出一定的變化規(guī)律性，表明此種土地利用類型與各個(gè)驅(qū)動(dòng)因子（影響因子）之間存在著一定的相關(guān)性，盡管這種相關(guān)性是非線性的，但可以粗略地看出隨著研究尺度的增大，ROC曲線的數(shù)值呈現(xiàn)出先增加后減少的趨勢(shì)。而ROC值的轉(zhuǎn)折點(diǎn)均在400 m尺度附近，即在模擬尺度為400 m時(shí)，黃土臺(tái)塬區(qū)的耕地、林地、草地的ROC模擬擬合值達(dá)到了最大值（分別為0.675、0.751和0.852）。說明黃土臺(tái)塬區(qū)在各種“尺度效應(yīng)和尺度轉(zhuǎn)換”下進(jìn)行土地利用格局優(yōu)化時(shí)，400 m×400 m是此區(qū)域最佳的模擬尺度。

3.3 黃土臺(tái)塬區(qū)Logistic統(tǒng)計(jì)特征值分析

由上面分析結(jié)果可知，黃土臺(tái)塬區(qū)在進(jìn)行土地利用格局優(yōu)化時(shí)，最佳模擬尺度是400 m×400 m，所以本文在此尺度下構(gòu)建黃土臺(tái)塬區(qū)2010年的Logistic回歸模型。首先建立邏輯斯蒂回歸方程，然后求出此尺度下的概率分布圖。通過對(duì)2010年的20%的采樣數(shù)據(jù)運(yùn)用SPSS19.0軟件進(jìn)行邏輯斯蒂回歸，得出了各個(gè)地類的常數(shù)項(xiàng)以及各個(gè)回歸系數(shù)，并且在此基礎(chǔ)上對(duì)回歸結(jié)果進(jìn)行了ROC值的檢驗(yàn)，得出了研究區(qū)2010年各個(gè)地類的統(tǒng)計(jì)特征值，各個(gè)統(tǒng)計(jì)特征值及統(tǒng)計(jì)量見表2。

對(duì)草地的分布影響最為明顯的解釋變量是人均GDP和地形綜合指數(shù)，表明影響草地分布格局最為明顯的解釋變量是人均GDP，人均GDP為負(fù)數(shù)，說明隨著人均GDP的增高草地的分布格局減少，原因是黃土臺(tái)塬區(qū)的人均GDP分布高的區(qū)域也一般集中在鄉(xiāng)鎮(zhèn)和市中心，此地方的草地分布比較少；地形綜合指數(shù)與草地的分布呈現(xiàn)出正相關(guān)，說明地形綜合指數(shù)越大，草地的分布概率也隨之增加；從Exp(β)中可以看出，人均GDP和地形綜合指數(shù)的Exp(β)為0.999 89和5.755 90，說明人均GDP和地形綜合指數(shù)每增加一個(gè)單位，草地發(fā)生的概率比變?yōu)樵瓉淼?.999 89和5.755 90倍。

對(duì)耕地的分布影響最為明顯的解釋變量是地形綜合指數(shù)，地形綜合指數(shù)與耕地的分布呈現(xiàn)出負(fù)相關(guān)，說明坡度和高程越高的地方越不適合于開墾耕地，地形綜合指數(shù)對(duì)于耕地的Exp(β)為0.430 58，說明地形綜合指數(shù)每增加一個(gè)單位，而耕地的發(fā)生概率比原來減少0.430 58倍。

表2 Logistic統(tǒng)計(jì)特征值及統(tǒng)計(jì)量1）

對(duì)林地的分布影響最為明顯的解釋變量是人均GDP和地形綜合指數(shù)，人均GDP與林地出現(xiàn)的概率呈現(xiàn)出負(fù)相關(guān)，說明人均GDP高的地方，林地出現(xiàn)的概率比較小，這一點(diǎn)的解釋和草地類似，人均GDP對(duì)于林地的Exp(β)為0.999 83，表明人均GDP每增加一個(gè)單位，林地發(fā)生的概率比降低0.999 83倍；而地形綜合指數(shù)與林地出現(xiàn)的概率呈現(xiàn)正相關(guān)，表明海拔高程越高的地方，林地出現(xiàn)的概率增加，這與黃土臺(tái)塬區(qū)林地主要分布在相對(duì)較高的海拔和高程有著直接的關(guān)系，地形綜合指數(shù)對(duì)于林地的Exp(β)為2.818 91，表明在臺(tái)塬區(qū)這個(gè)區(qū)域地形綜合指數(shù)每增加一個(gè)單位，林地發(fā)生的概率比是原來的2.818 91倍。限于篇幅其他地類分析結(jié)果如表2所示。

3.4 黃土臺(tái)塬區(qū)土地利用最佳模擬

在對(duì)臺(tái)塬區(qū)土地利用進(jìn)行二元邏輯斯蒂回歸分析之后，可以得到各種土地利用類型的概率圖，檢驗(yàn)概率圖與現(xiàn)狀土地利用圖像是否一致，需要對(duì)每個(gè)地類進(jìn)行一致性檢驗(yàn)。目前，在對(duì)土地利用類型進(jìn)行檢驗(yàn)時(shí)，大多數(shù)人使用的是Pontius R.G.提出的ROC曲線值方法。此方法對(duì)于結(jié)果是否通過檢驗(yàn)是根據(jù)曲線和對(duì)角線之間的面積的大小來界定，一般來說，一個(gè)隨機(jī)模型的ROC曲線值為0.5，而最佳狀態(tài)下的ROC值一般達(dá)到1。曲線的擬合值達(dá)到1時(shí)，說明擬效果最好，模擬的結(jié)果和真實(shí)情況越相符，ROC值越接近0，說明擬合的效果越差。從表2可以看出草地、耕地、林地、建設(shè)用地、水域和未利用地的ROC值分別達(dá)到0.796，0.653，0.726，0.683，0.768和0.986，各大地類的ROC曲線值都大于0.5，說明回歸擬合結(jié)果是可以接受的。

把各個(gè)驅(qū)動(dòng)因子（影響因子）代入六個(gè)概率圖像公式中，利用ArcMap9.3中的柵格計(jì)算器（Raster Calculator）可以求出黃土臺(tái)塬區(qū)六大類的土地利用類型空間分布概率圖，其中分布的概率值越大，表示此種土地利用類型的出現(xiàn)概率越大，反之此種土地利用類型出現(xiàn)的概率越小。圖3為2010年黃土臺(tái)塬區(qū)的土地利用概率模擬圖與分布現(xiàn)狀圖。

從圖3可以看出，根據(jù)logistic模型模擬出來的臺(tái)塬區(qū)土地利用概率分布與實(shí)際土地利用分布格局基本上是相符的，即模擬得到的概率分布比較高的地方往往是此種土地利用類型出現(xiàn)較高的地方。但是從六大類的土地利用模擬圖可以看出部分地區(qū)的土地利用模擬概率分布與實(shí)際的土地利用分布現(xiàn)狀不相符，一方面是因?yàn)楸狙芯康难芯繀^(qū)位于黃土臺(tái)塬區(qū)，土地利用類型和自然地理因素之間必然存在著高度復(fù)雜的尺度轉(zhuǎn)換特征，從而導(dǎo)致尺度轉(zhuǎn)換過程中所產(chǎn)生的柵格化誤差問題；另一方面，在尺度選擇和尺度轉(zhuǎn)換的過程當(dāng)中，各種土地利用類型在土地利用空間格局分布過程中均存在著一定程度的空間自相關(guān)性，這些空間自相關(guān)性的存在使得真實(shí)的土地利用分布現(xiàn)狀格局與根據(jù)logistic回歸模型計(jì)算的模擬分布概率之間存在著誤差，這種誤差的存在是不可避免的。因此，在進(jìn)行土地利用尺度選擇和模擬時(shí)，針對(duì)不同的研究區(qū)域和該區(qū)域的地理要素分布特征選擇合適的尺度選擇方法是必要的。

圖3 2010年臺(tái)塬區(qū)各土地利用類型空間分布概率

3.5 黃土臺(tái)塬區(qū)2000年及2010年土地利用空間變化分析

土地利用類型的時(shí)空動(dòng)態(tài)轉(zhuǎn)變過程主要是通過土地利用變化的轉(zhuǎn)移概率矩陣來描述的，此種概率矩陣能很清晰地描述研究區(qū)各種土地利用類型在兩個(gè)時(shí)期之間轉(zhuǎn)變和轉(zhuǎn)移的變化過程[18]。為了更清晰地分析黃土臺(tái)塬區(qū)2000—2010年的土地利用動(dòng)態(tài)變化過程，該研究對(duì)黃土臺(tái)塬區(qū)2000—2010年的土地利用類型面積編制了轉(zhuǎn)移空間矩陣分布圖，此圖的制作主要是在ArcMap9.3中疊加運(yùn)算Intersect命令中完成的。如圖4所示。從圖中可以很直觀地看出2000—2010年土地利用類型在各個(gè)地類之間的轉(zhuǎn)換關(guān)系，即：黃土臺(tái)塬區(qū)2000至2010年期間；耕地面積由林地和草地轉(zhuǎn)換而來，主要流向建設(shè)用地；草地由耕地、林地和水域轉(zhuǎn)換而來，主要流向耕地和建設(shè)用地；而林地由耕地和草地轉(zhuǎn)換而來，主要流向耕地和草地。

圖4 2000—2010年土地利用變化空間分布

4 結(jié)論

本文以2000年以及2010年的TM遙感影像解譯數(shù)據(jù)以及數(shù)字高程模型、水系、鐵路、公路、降雨量氣溫等數(shù)據(jù)為基礎(chǔ)，運(yùn)用二元邏輯斯蒂回歸模型對(duì)黃土臺(tái)塬區(qū)的土地利用最佳模擬尺度進(jìn)行了選擇，并在此基礎(chǔ)上對(duì)研究區(qū)的各種土地利用格局進(jìn)行了空間格局模擬。研究結(jié)果顯示：

（1）在土地利用格局模擬的十個(gè)空間尺度上，土地利用變化空間格局與其驅(qū)動(dòng)力因子之間存在著一定的尺度相關(guān)性特征。

（2）黃土臺(tái)塬區(qū)三個(gè)主要地類的ROC值在十個(gè)空間尺度上均表現(xiàn)出一定的變化規(guī)律性，表明此種土地利用類型與各個(gè)驅(qū)動(dòng)影響因子之間存在著一定的相關(guān)性，ROC曲線的數(shù)值呈現(xiàn)出先增加后減少的趨勢(shì)。而增加和減少的轉(zhuǎn)折點(diǎn)均在400 m尺度附近，說明黃土臺(tái)塬區(qū)在各種尺度效應(yīng)和尺度轉(zhuǎn)換的效應(yīng)下，400 m×400 m是此區(qū)域在進(jìn)行土地利用格局優(yōu)化時(shí)最佳的模擬尺度。

（3）ROC曲線擬合結(jié)果可以看出耕地、林地、草地、建設(shè)用地、水域和未利用地的ROC值分別達(dá)到0.796，0.653，0.726，0.683，0.768和0.986，各大地類的ROC曲線值都大于0.5，說明回歸擬合結(jié)果是可以接受的。并且在400 m最佳模擬尺度上所模擬出的草地和林地的分布格局都與人均GDP和地形綜合指數(shù)兩個(gè)變量最為顯著，而對(duì)耕地的分布影響最為明顯的解釋變量則是地形綜合指數(shù)。

[1]陳佑啟，Peter H V，徐斌.中國(guó)土地利用變化及其影響[J].地理科學(xué)進(jìn)展，2000，19（2）：116-127.

[2]李秀彬.全球環(huán)境變化研究的核心領(lǐng)域：土地利用/土地覆被變化的國(guó)際研究動(dòng)向[J].地理學(xué)報(bào)，1996，51（5）：553-558.

[3]Jane S，Darla M，Harini N.Land cover change and landscape fragmentation：comparing the utility of continuous and discrete analyses[J].Agriculture，Ecosystems and Environment，2004，101：185-205.

[4]Holling C S.Cross scale morphology，geometry and dynamics of ecosystems[J].Ecological Monographs，1992，62（4）：447-502.

[5]Veldkamp A，F(xiàn)resco L O.Exploring land use scenarios，an alternative approach based on actual land use[J].Agricultural Systems，1997，55：1-17.

[6]Verburg P H，Soepboer W，Veldkamp A，et al.Modeling the spatial dynamics of regional land use：the CLUE-S model[J].Environmental Management，2002，30（3）：391-405.

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

[8]de Koning G H J，Veldkamp A，F(xiàn)resco L O.Land use in ecuador：a statistical analysis at different aggregation levels[J].Agriculture，Ecosystem and Environment，1998，70：231-247.

[9]史培軍，陳晉，潘耀忠.深圳市土地利用變化機(jī)制分析[J].地理學(xué)報(bào)，2000，55（2）：151-160.

[10]甘紅，劉彥隨，王大偉.土地利用類型轉(zhuǎn)換的人文驅(qū)動(dòng)因子模擬分析[J].資源科學(xué)，2004，26（2）：88-93.

[11]王秀蘭.土地利用/土地覆蓋變化中的人口因素分析[J].資源科學(xué)，2000，22（3）：39-42.

[12]張永民，趙士洞，Verburg P H.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[J].自然資源學(xué)報(bào)，2003，18（3）：310-318.

[13]焦鋒，秦伯強(qiáng).GIS支持下的小尺度土地驅(qū)動(dòng)力研究：以宜興市湖滏小流域?yàn)槔齕J].長(zhǎng)江流域資源與環(huán)境，2003，12（3）：205-210.

[14]Pontius R G，Schneider L C.Land cover change model validation by an ROC method for the Ipswich watershed，Massachusetts，USA[J].Agriculture Ecosystems and Environment，2001，85：239-248.

[15]擺萬奇，張永民，閻建忠，等.大渡河上游地區(qū)土地利用動(dòng)態(tài)模擬分析[J].地理研究，2005，24（2）：206-213.

[16]朱良峰，吳信才，劉修國(guó).GIS中矢量多邊形網(wǎng)格化問題研究[J].地理與地理信息科學(xué)，2004，20（1）：12-15.

[17]龍花樓,李秀斌.長(zhǎng)江沿線樣帶土地利用格局及其影響因子分析[J].地理學(xué)報(bào)，2001，56（4）：407-416.

[18]許嵐，趙奕.利用馬爾科夫過程預(yù)測(cè)東陵區(qū)土地利用格局的變化[J].應(yīng)用生態(tài)學(xué)報(bào)，1993，4（3）：272-277.

TIAN Yichao1，2,CHEN Zhikun1，2,LIANG Mingzhong1,REN Zhiyuan3

1.College of Resources and Environment,Qinzhou University,Qinzhou,Guangxi 535000,China
2.Key Laboratory of Beibu Gulf Environmental Evolution and Resources Utilization,Guangxi Normal University,Nanning 530001,China
3.College of Tourism and Environment,Shaanxi Normal University,Xi’an 710062,China

Land use change is a dynamic process and it is affected by the interaction of multiple factors.At present,it has become a global environmental change and sustainable development content,while,regional land use spatial pattern has become the key research of LUCC content.Based on the remote sensing image in the year of 2000 and 2010,combined with digital elevation model,water system,railway,highway,rainfall and temperature data,binary logistic regression model is used to select the best analog scale on loess platform areas,and on the basis of it,the land use types of loess platform areas are set to simulate land use spatial pattern.The results indicate：（1）In the land-use pattern of simulated ten spatial scales, the correlation characteristics of land-use changes in spatial pattern and its driving force factor exist between certain scale.（2）The ROC values of three main land use types in ten spatial scales are shown a increasing trend at first,then decreasing,and its turning point is 400 m.It indicates that 400 m×400 m is the best analog scale among the effect of scale effect and scale conversion in this area during the land-use pattern optimization of analog scale.（3）In the best analog scale of 400 m,the distribution patterns of grassland and woodland are most significantly with the variables of per capita GDP and terrain composite index.The most obvious impact variable on the distribution of arable land is terrain composite index.

loess platform areas;Binary Logistic;land use;spatial simulation;simulation scale

土地利用變化是一個(gè)受到多重因素相互影響的動(dòng)態(tài)過程。目前，已經(jīng)成為全球環(huán)境變化和可持續(xù)發(fā)展的重要內(nèi)容，而區(qū)域土地利用空間格局模擬已成為L(zhǎng)UCC研究的關(guān)鍵內(nèi)容。以2000年以及2010年的TM遙感影像解譯數(shù)據(jù)以及數(shù)字高程模型、水系、鐵路、公路、降雨量和氣溫等數(shù)據(jù)為基礎(chǔ)，運(yùn)用二元邏輯斯蒂回歸模型對(duì)黃土臺(tái)塬區(qū)的土地利用最佳模擬尺度進(jìn)行了選擇，并在此基礎(chǔ)上對(duì)研究區(qū)的各種土地利用進(jìn)行了空間格局模擬。研究結(jié)果顯示：（1）在土地利用格局模擬的十個(gè)空間尺度上，土地利用變化空間格局與其驅(qū)動(dòng)力因子之間存在著一定的尺度相關(guān)性特征；（2）黃土臺(tái)塬區(qū)耕地、林地、草地的ROC值在十個(gè)空間尺度上均呈現(xiàn)出先增加后減少的趨勢(shì)，轉(zhuǎn)折點(diǎn)在400 m尺度附近，說明黃土臺(tái)塬區(qū)的土地利用在尺度效應(yīng)和尺度轉(zhuǎn)換的效應(yīng)下，400 m×400 m是此區(qū)域土地利用格局優(yōu)化的最佳模擬尺度；（3）在400 m最佳模擬尺度上所模擬出的草地和林地的分布格局都與人均GDP和地形綜合指數(shù)兩個(gè)變量顯著相關(guān)，而對(duì)耕地的分布影響最為明顯的變量則是地形綜合指數(shù)。

黃土臺(tái)塬區(qū)；Binary Logistic；土地利用；空間模擬；模擬尺度

CNKI網(wǎng)絡(luò)優(yōu)先出版：2013-09-04，http∶//www.cnki.net/kcms/detail/11.2127.TP.20130904.1345.026.html

TIAN Yichao,CHEN Zhikun,LIANG Mingzhong,et al.Selection of land use best simulation scale and patterns of spatial simulation.Computer Engineering and Applications,2014,50（24）：244-249.

A

TP391

10.3778/j.issn.1002-8331.1301-0358

國(guó)家自然科學(xué)基金（No.41071057）；教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目（No.2009JJD770025）；北部灣環(huán)境演變與資源利用教育部重點(diǎn)實(shí)驗(yàn)室開放課題（No.BBG1101）。

田義超（1986—），男，工程師，主要從事資源環(huán)境遙感與GIS的相關(guān)研究。E-mail：tianyichao1314@yeah.net

2013-01-30

2013-07-18

1002-8331（2014）24-0244-06