基于Markov-CA的莆田市涵江區(qū)土地利用時空演變研究

羅亦泳， 董正坤， 溫良玉， 黃德昌

(1.東華理工大學(xué)放射性地質(zhì)與勘探技術(shù)國防重點學(xué)科實驗室，江西 南昌 330013;2.東華理工大學(xué)江西省數(shù)字國土重點實驗室，江西 南昌 330013)

莆田市涵江區(qū)位于福建中部沿海，南接荔城區(qū)和秀嶼區(qū)，西接城廂區(qū)和仙游縣，北接福建永泰縣，向莆鐵路東段通過涵江區(qū)。地理坐標(biāo)為北緯25°23′～25°27′、東經(jīng)119°04′ ～119°10′(于立生，2011)?？偯娣e752 km2。涵江區(qū)氣候溫和、雨量充沛，光溫資源豐富，對農(nóng)業(yè)發(fā)展具有優(yōu)勢。隨著海峽兩岸的繁榮和莆田湄洲灣港口城市的崛起，涵江區(qū)作為海峽西岸經(jīng)濟區(qū)中部的重要接點，莆田經(jīng)濟“領(lǐng)頭羊”，區(qū)位條件更加優(yōu)越，發(fā)展前景日益彰顯。但隨著經(jīng)濟的快速發(fā)展，涵江區(qū)土地利用變化迅速，土地供需關(guān)系日趨緊張，嚴(yán)重制約涵江區(qū)經(jīng)濟可持續(xù)發(fā)展。因此，研究涵江區(qū)土地利用時空演變，分析土地利用類型變化特征對涵江區(qū)經(jīng)濟又快又好的發(fā)展具有重要理論與現(xiàn)實意義。

當(dāng)前，土地利用時空演變研究主要采用元胞自動機模型。許多學(xué)者針對CA 算法中的轉(zhuǎn)換規(guī)則構(gòu)建難這一核心問題進行研究，取得較好效果。如王磊等(2012)以西南喀斯特地區(qū)貓?zhí)恿饔驗槔?，提出土地利用變化的ANN-CA 模擬研究，使用ANN提取與CA 模型相比，可以取得較高的精度。但該模型仍舊存在一些不足，模型沒有實現(xiàn)土地利用變化驅(qū)動力與格局之間的反饋。Markov-CA 模型綜合了立足于空間動態(tài)演化規(guī)律研究的馬爾可夫模型和模擬復(fù)雜系統(tǒng)空間變化的能力的元胞自動機，可以更好地在時空上模擬土地利用的變化情況。因此，Markov-CA 目前已被廣泛探討和應(yīng)用。如Mukunda 等(2012)等分析和模擬了1972，1990，1999 和2005年土地利用和土地覆蓋變化過程;湯潔等(2010)、黎夏(2007)、侯西勇等(2004)、李志等(2010)、劉淑燕等(2010)構(gòu)建土地利用Markov-CA 模型，在分析和模擬土地利用變化方面都取得了良好的效果。鑒于Markov-CA 在土地利用演變研究中的顯著優(yōu)勢，構(gòu)建基于Markov-CA 的涵江區(qū)土地時空演變模型。以涵江區(qū)2005年到2010年土地利用時空數(shù)據(jù)，研究涵江區(qū)土地利用時空演變規(guī)律和特征，為制定土地政策、規(guī)劃提供理論依據(jù)。

1 研究方法

1.1 數(shù)據(jù)來源及處理

土地利用數(shù)據(jù)主要來源TM 影像資料的2005年與2010年涵江區(qū)遙感圖，影像分辨率為30 m ×30 m。通過ERDAS 圖像處理軟件，進行裁剪、分類和精度分析。按照《土地利用現(xiàn)狀分類》國家標(biāo)準(zhǔn)(GB/T 21010—2007)，將土地利用劃分為耕地、園地、林地、建設(shè)用地和未利用地等。

1.2 Markov-CA 模型的理論與方法

1.2.1 Markov 模型

Markov 是一種離散時間的隨機過程，主要研究事物的狀態(tài)轉(zhuǎn)移及其概率值。其模型數(shù)學(xué)表達式為:

式中，k = (T2-T1)n (n = 1，2，…，n)，代表預(yù)測值的年份為第T2+ k。在以涵江區(qū)為研究區(qū)域的馬爾可夫預(yù)測中，V(t)為系統(tǒng)的初始狀態(tài);P 為各種地類由T1時態(tài)到T2時態(tài)的狀態(tài)轉(zhuǎn)移概率，且P = (pij)，狀態(tài)轉(zhuǎn)移概率矩陣P 滿足以下兩個條件:

1.2.2 元胞自動機模型

元胞自動機(CA)是一時間和空間都離散的動力系統(tǒng)(鄭凱迪等，2012)。CA 是定義在一個具有離散狀態(tài)的單元組成的離散空間上，按一定的局部規(guī)則在離散時間維上演化的動力學(xué)系統(tǒng)。比較常見的模型如下:

式中，S 是狀態(tài)，N 是鄰近范圍，f 是轉(zhuǎn)換函數(shù)，t 是時間。

1.2.3 Markov-CA 預(yù)測模型

Markov 與CA 均為時間離散、狀態(tài)離散的動力學(xué)模型，但是Markov 預(yù)測法沒有空間變量，CA 的狀態(tài)變量則與空間位置緊密相連(Poska et al.，2008)。因此，將Markov 與CA 模型有機結(jié)合建立Markov-CA 模型，可有效實現(xiàn)時空預(yù)測。具體實現(xiàn)過程如下:

(1)基于Markov 模型，疊加2005年和2010年土地利用圖，得到土地類型轉(zhuǎn)移概率矩陣、轉(zhuǎn)移面積矩陣。

(2)為了能較好保持2005—2010年的轉(zhuǎn)移概率，使用Markov 模型輸出的條件概率圖像作為轉(zhuǎn)變適宜性圖像集，構(gòu)建轉(zhuǎn)變適宜性圖像集。

(3)采用5 ×5 的濾波器，并根據(jù)鄰居離元胞距離的遠近創(chuàng)建具有顯著空間意義的權(quán)重因子，構(gòu)造CA 濾波器。

(4)確定起始時刻和CA 循環(huán)次數(shù)。以2010年土地利用格局為起始時刻，CA 循環(huán)次數(shù)取5，10，15，20，模擬2015—2030年間土地利用的空間格局。

2 涵江區(qū)土地利用時空演變實現(xiàn)

2.1 涵江區(qū)土地利用結(jié)構(gòu)變化特征

運用IDRISI 軟件進行分析，同時依據(jù)福建省統(tǒng)計年鑒，將2005年與2010年土地利用圖進行對比，統(tǒng)計得到5年間土地類型變化情況(表1)，2005年和2010年的土地利用格局(圖1)。

表1 列出了涵江區(qū)的土地利用類型面積及其變化、百分比以及單一土地利用類型動態(tài)度。

表1 2005年和2010年涵江區(qū)土地利用類型面積及其變化Table 1 Area and percentage of land use types in Hanjiang district in 2005 and 2010

圖1 從空間上表征各種土地利用類型不同時期的分布情況?？梢缘贸?，在2005年之前，土地利用結(jié)構(gòu)的總體結(jié)構(gòu)以林地、園地和耕地為主，農(nóng)用地面積比例占86.15%，其中林地面積占43.84%。而從數(shù)據(jù)對比可知，林地和園地面積在減少，單一土地利用類型動態(tài)度分別為-9.37%、-6.31%。反映出區(qū)域人口壓力增大，導(dǎo)致人們占用林地與園地，來發(fā)展城鎮(zhèn)，僅僅幾年間建筑用地單一土地利用類型動態(tài)度為25.54%。

2.2 轉(zhuǎn)移概率的確定

由IDRISI 進行影像分析，統(tǒng)計2005年和2010年涵江區(qū)地類結(jié)構(gòu)的變化情況。建立該地區(qū)地類轉(zhuǎn)移矩陣和轉(zhuǎn)移概率矩陣(表2，表3)。

圖1 2005年、2010年涵江區(qū)土地利用分類Fig.1 The land use classification in Hanjiang district in 2005 and 2010

表2 2005年、2010年涵江區(qū)土地利用變化轉(zhuǎn)移矩陣Table 2 Transition matrix of land use changes in Hanjiang district in 2005 and 2010 /hm2

從表2 可以看出，2005—2010年間，從涵江區(qū)土地利用轉(zhuǎn)化來看，各種地類轉(zhuǎn)變復(fù)雜。未利用地主要轉(zhuǎn)化為建設(shè)用地和林地，轉(zhuǎn)化面積分別為24.89%和4.18%;耕地主要轉(zhuǎn)化為建設(shè)用地，其次是園地和林地，轉(zhuǎn)化比例依次為10.90%、3.13%和2.01%。林地主要轉(zhuǎn)化為園地，轉(zhuǎn)化面積比例為23.31%;而建設(shè)用地的主要來源于未利用地、園地和耕地，所補充的面積遠大于轉(zhuǎn)移出去的面積，反映出隨著該地區(qū)人口的增加，建設(shè)用地擴張的過程。

表3 2005—2010年涵江區(qū)土地利用變化轉(zhuǎn)移概率矩陣Table 3 Transition probability matrix of land use changes in Hanjiang district during 2005-2010

由表3 可知，未利用地和建設(shè)用地變化最快，其次是林地、園地和耕地，變化比例分別為7. 7919%，7.4666%，-7.006%，-2.987%和-2.085%。

2.3 涵江區(qū)2015—2030年土地時空演變

利用2005年與2010年涵江區(qū)影像數(shù)據(jù)，運行IDRISI32 軟件Markov-CA 模塊，指定基礎(chǔ)土地覆蓋圖像為2010年的土地利用圖，輸入涵江地區(qū)2005—2010年土地利用面積轉(zhuǎn)移概率矩陣以及適應(yīng)性圖像集合。采用5 ×5 的濾波器，指定地理元胞自動機的循環(huán)次數(shù)為5，10，15，20，獲得基于Markov-CA 的涵江區(qū)2015，2020，2025，2030年土地利用變化時空分布數(shù)據(jù)，具體結(jié)果見圖2 和表4。由預(yù)測結(jié)果可知，到2030年涵江區(qū)的耕地、建設(shè)用地、未 利 用 地、園 地、林 地 分 別 為4 515. 75，13 104.90，2 951.64，18 199.77 和37 471.98 hm2，土地利用結(jié)構(gòu)基本穩(wěn)定。

圖2 2015年、2030年涵江區(qū)土地利用格局預(yù)測Fig.2 Forecast of land use pattern changes in Hanjiang district in 2015 and 2030

表4 涵江區(qū)2015—2030年土地利用變化預(yù)測結(jié)果Table 4 The prediction results of land use change in Hanjiang district from 2015 to 2030 /hm2

3 模型精度分析

為檢驗Markov-CA 模型的土地時空演變精度，鑒于Lee-Sallee 形狀指數(shù)檢驗?zāi)M結(jié)果圖形數(shù)據(jù)空間分布的合理性和有效性，選擇2012年的真實土地利用圖形數(shù)據(jù)和Markov-CA 模型演變圖形數(shù)據(jù)對比，采用Lee-Sallee 形狀指數(shù)作為評價Markov-CA 模型的指標(biāo)(鄭凱迪等，2012;霍磊，2010)，具體見公式(4)。其中，A0、A1分別表示2012年土地利用實際圖形數(shù)據(jù)和模擬圖形數(shù)據(jù)。

Lee-Sallee 形狀指數(shù)即計算模擬結(jié)果與檢驗數(shù)據(jù)單元的交集數(shù)與并集數(shù)之比，反應(yīng)兩個圖形數(shù)據(jù)空間分布上的匹配程度，模型精度越高，Lee-Sallee形狀指數(shù)值就越高，在實際應(yīng)用中，其值大于0.6表明模型精度比較理想。

利用公式(4)計算得到2012年Markov-CA 模型的L=0.76，表明模擬結(jié)果具有較高的精度，并且兩個數(shù)據(jù)空間分布的相似性較好。因此，采用Markov-CA 模型能較準(zhǔn)確的反映客觀現(xiàn)實。

4 結(jié)論與討論

通過構(gòu)建涵江區(qū)土地利用Markov-CA 模型，分析涵江區(qū)土地利用特征，預(yù)測2015—2030年土地時空演變，得到以下結(jié)論:

(1)在2005年之前，土地利用類型的總體結(jié)構(gòu)以林地、園地和耕地為主，農(nóng)用地面積比例占86.15%，其中林地面積占43.84%;園地在減少，單一土地利用類型動態(tài)度為-79.04%。反映出區(qū)域人口壓力增大，導(dǎo)致人們占用園地，來發(fā)展城鎮(zhèn)。

(2)2005—2010年間，未利用地(包括水域)主要轉(zhuǎn)化為建設(shè)用地和林地，轉(zhuǎn)化面積分別為24.89%和4.18%;耕地主要轉(zhuǎn)化為建設(shè)用地，其次是園地和林地，轉(zhuǎn)化比例依次為10.90%、3.13%和2.01%。林地主要轉(zhuǎn)化為園地，轉(zhuǎn)化面積比例為23.31%;而建設(shè)用地的主要來源于未利用地、園地和耕地，所補充的面積遠大于轉(zhuǎn)移出去的面積，反映出隨著該地區(qū)人口的增加，建設(shè)用地擴張的過程。

(3)Markov-CA 模型具有模擬時間變化和空間格局變化的特點，能夠反映區(qū)域土地利用景觀格局變化的復(fù)雜性和隨機性。應(yīng)用Markov-CA 模型進行涵江區(qū)土地利用格局變化，模擬2015—2030年間土地利用的數(shù)量和空間分布情況，模擬結(jié)果用Lee-Sallee 指數(shù)驗證，精度相對較高，結(jié)果較為準(zhǔn)確。

侯西勇，常 斌，于信芳. 2004.基于CA-Markov 的河西走廊土地利用變化研究［J］.農(nóng)業(yè)工程學(xué)報，20(5):286-291.

霍磊. 2010.地價約束下的CA 模型尺度敏感性與城市規(guī)模擴展研究——以石家莊市為例［D］.石家莊:河北師范大學(xué).

黎夏. 2007 地理模擬系統(tǒng)元胞自動機與多智能體［M］. 北京:科學(xué)出版社.

李志，劉文兆，鄭粉莉. 2010.基于CA-Markov 模型的黃土塬區(qū)黑河流域土地利用變化［J］.農(nóng)業(yè)工程學(xué)報，26(1):346-352.

劉淑燕，余新曉，李慶云，等. 2010. 基于CA-Markov 模型的黃土丘陵區(qū)土地利用變化［J］.農(nóng)業(yè)工程學(xué)報，26(11):297-303.

湯潔，汪雪格，李昭陽，等.2010.基于CA-Markov 模型的吉林省西部土地利用景觀格局變化趨勢預(yù)測［J］. 吉林大學(xué)學(xué)報，40(2):405-411.

王磊，王羊，蔡運龍. 2012.土地利用變化的ANN-CA 模擬研究——以西南喀斯特地區(qū)貓?zhí)恿饔驗槔跩］.北京大學(xué)學(xué)報:自然科學(xué)版，48(1):116-122.

于立生. 2011.基于"3S 集成的土地利用動態(tài)監(jiān)測——以莆田市涵江區(qū)為例［J］. 西安文理學(xué)院學(xué)報，14(4):87-91.

鄭凱迪，徐新良，張學(xué)霞，等. 2012. 上海市城市空間擴展時空特征與預(yù)測分析［J］.地球信息科學(xué)學(xué)報，14(4):490-496.

Mukunda D B，Santosh N B，Sudhindra N P，et al. 2012. Modelling and analyzing the watershed dynamics using Cellular Automata (CA)-Markov model-A geo-information based approach［J］. Indian Academy of Sciences，J. Earth Syst. Sci. 121 (4):1011-1024.

Poska A，Sepp E，Veski S，et al.2008. Using quantitative pollen-based land-cover estimations and a spatial CA-Markov model to reconstruct the development of cultural landscape at Rouge，South Estonia［J］.Veget Hist Archaeobot，17:527-541.