基于多模型結(jié)合的土地利用結(jié)構(gòu)多情景優(yōu)化模擬

陳 影, 張 利, 何 玲, 門明新

河北農(nóng)業(yè)大學(xué)國(guó)土資源學(xué)院，保定 071001

?

基于多模型結(jié)合的土地利用結(jié)構(gòu)多情景優(yōu)化模擬

陳 影, 張 利, 何 玲, 門明新*

河北農(nóng)業(yè)大學(xué)國(guó)土資源學(xué)院，保定 071001

土地生態(tài)服務(wù)功能的重要性越來(lái)越受到人們的重視，以河北省盧龍縣為案例區(qū)，以土地生態(tài)服務(wù)功能和經(jīng)濟(jì)功能提升為目標(biāo)，基于100 m×100 m尺度的遙感解譯圖像，分別利用CLUE-S及基于MOP和CLUE-S整合模型對(duì)研究區(qū)土地利用結(jié)構(gòu)進(jìn)行數(shù)量及空間優(yōu)化模擬。結(jié)果表明：到2020年，單模型模擬的土地經(jīng)濟(jì)功能有所提升，但生態(tài)服務(wù)功能卻減退；基于MOP和CLUE-S優(yōu)化整合模型模擬的生態(tài)服務(wù)功能和經(jīng)濟(jì)功能分別比2013年提升8.40%及8.20%。耕地、建設(shè)用地、林地面積都有所增加，其它用地減少較多。研究表明，MOP和CLUE-S整合模型與單模型相比，到2020年土地兩項(xiàng)功能值之和有所增加，特別是生態(tài)功能增加幅度較大，MOP和CLUE-S模型結(jié)合的優(yōu)化方案優(yōu)于CLUE-S單模型優(yōu)化方案。

CLUE-S模型；MOP模型；土地利用；優(yōu)化；盧龍縣

土地是人們的生活必需品，又是社會(huì)經(jīng)濟(jì)發(fā)展不可或缺的生產(chǎn)要素。土地利用變化改變了生態(tài)系統(tǒng)的結(jié)構(gòu)和功能，對(duì)環(huán)境、資源等產(chǎn)生很大影響。全球發(fā)展到工業(yè)文明以來(lái)，人們對(duì)土地的過(guò)度使用與破壞導(dǎo)致生態(tài)環(huán)境功能急劇下降，嚴(yán)重影響人類賴以生存的環(huán)境以及整個(gè)生物圈的可持續(xù)發(fā)展[1-3]。2009 年12月7日在哥本哈根召開的世界氣候大會(huì)呼吁人們?cè)讷@取自然資源時(shí)，不能只追求其經(jīng)濟(jì)功能，而應(yīng)該同時(shí)兼顧其社會(huì)及生態(tài)服務(wù)功能。土地生態(tài)服務(wù)功能已經(jīng)成為評(píng)價(jià)土地利用-覆被變化(LUCC)環(huán)境效應(yīng)的重要量化指標(biāo)[4]，受到人們的廣泛重視，并成為全球可持續(xù)發(fā)展的研究熱點(diǎn)。以往人們?cè)谕恋刭Y源利用過(guò)程中，只注重其經(jīng)濟(jì)價(jià)值，而忽視了土地的生態(tài)效益。特別是在前期的土地資源利用配置研究中僅限于對(duì)土地利用數(shù)量結(jié)構(gòu)及土地經(jīng)濟(jì)效益最大化的優(yōu)化模擬,而缺乏對(duì)土地空間結(jié)構(gòu)及土地綜合效益的優(yōu)化模擬研究。

土地利用變化模擬與優(yōu)化模型是土地科學(xué)的重要組成部分，也是實(shí)現(xiàn)土地資源可持續(xù)利用的根本保證。它是在一定約束條件下，對(duì)各種土地資源類型進(jìn)行科學(xué)數(shù)量組合和空間優(yōu)化布局的重要方法。專家學(xué)者們已完成了多項(xiàng)土地利用結(jié)構(gòu)優(yōu)化設(shè)計(jì)并取得了多項(xiàng)成果、在土地利用優(yōu)化配置模型[5-8]等方面進(jìn)行了大量研究，經(jīng)歷了從定性評(píng)價(jià)到定量設(shè)計(jì)、從靜態(tài)計(jì)算到動(dòng)態(tài)模擬、從小尺度到大尺度、從單目標(biāo)到多目標(biāo)的研究過(guò)程，同時(shí)Markov 模型、神經(jīng)網(wǎng)絡(luò)模型、系統(tǒng)動(dòng)力學(xué)模型等在土地優(yōu)化中的應(yīng)用也極大推動(dòng)了相關(guān)研究的進(jìn)展。隨著計(jì)算機(jī)和人工智能技術(shù)的發(fā)展，最近幾年中國(guó)一些學(xué)者結(jié)合生態(tài)學(xué)理論、數(shù)學(xué)模型和GIS 技術(shù)對(duì)土地利用進(jìn)行了空間配置[9-10]，在中國(guó)以CLUE-S和元胞自動(dòng)機(jī)(Cellular Automaton，CA)模型應(yīng)用最為普遍,并取得很大進(jìn)展。段增強(qiáng)、吳桂平等[11- 12]分別對(duì)CLUE-S 模型進(jìn)行了改進(jìn)，并選取不同區(qū)域測(cè)試了其模擬效果，但目前的研究主要集中于大尺度研究，對(duì)中小尺度特別是縣、鎮(zhèn)一級(jí)區(qū)域的研究相對(duì)較少[13]，且多數(shù)研究只針對(duì)于數(shù)量結(jié)構(gòu)或空間布局的某一方面優(yōu)化，把其它模型和CLUE-S模型結(jié)合起來(lái)進(jìn)行土地利用優(yōu)化配置的研究較少。前人研究缺少在優(yōu)化過(guò)程中考慮生態(tài)環(huán)境因素或基于土地經(jīng)濟(jì)功能、生態(tài)服務(wù)功能提升雙重目標(biāo)，把多目標(biāo)線性規(guī)劃模型(Multi-object planning, MOP)及CLUE-S模型相結(jié)合進(jìn)行土地利用結(jié)構(gòu)優(yōu)化研究更少[14-15]。

本文以河北省盧龍縣為案例區(qū)，以2006年、2013年遙感解譯數(shù)據(jù)為基礎(chǔ)，結(jié)合土地利用調(diào)查及社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，探討土地利用變化驅(qū)動(dòng)力，構(gòu)建盧龍縣土地經(jīng)濟(jì)功能、生態(tài)服務(wù)功能提升模型及其它約束條件，分別利用CLUE-S、MOP及CLUE-S整合模型對(duì)土地利用結(jié)構(gòu)進(jìn)行優(yōu)化配置。探索如何在滿足土地經(jīng)濟(jì)功能提升對(duì)土地的需求基礎(chǔ)上，維持生態(tài)平衡，提高土地利用效率。以期為區(qū)域生態(tài)安全及有限的土地資源的可持續(xù)利用提供科學(xué)依據(jù)。

1 研究區(qū)域概況

研究區(qū)域位于河北省東北部地區(qū)，屬秦皇島市管轄，地處118°45′54"—119°08′06"E， 39°43′00"—40°08′42"N之間，位于華北平原的邊緣地帶，屬燕山南部低山丘陵區(qū)，地勢(shì)北高南低，絕對(duì)高差達(dá)599 m，氣候?qū)倥瘻匕敫珊蛋霛駶?rùn)的大陸性季風(fēng)氣候。縣內(nèi)河流較多，以青龍河、灤河兩大水系為主。

根據(jù)盧龍縣土地利用二次調(diào)查結(jié)果及土地變更調(diào)查結(jié)果核實(shí)，2013年全縣土地總面積為95601 hm2，其中農(nóng)用地占69.35%；建設(shè)用地占12.38%；其它土地占18.27%。

近年來(lái)，隨著河北省經(jīng)濟(jì)發(fā)展重心偏向沿海地區(qū)及京津地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移，盧龍縣人均GDP達(dá)到16773 元。以唐、秦、承為中心的“冀東經(jīng)濟(jì)區(qū)”正逐漸成為環(huán)渤海地區(qū)新經(jīng)濟(jì)增長(zhǎng)極。但伴隨著盧龍縣社會(huì)經(jīng)濟(jì)發(fā)展的同時(shí)，建設(shè)用地?cái)U(kuò)張、耕地減少及生態(tài)環(huán)境等面對(duì)的形勢(shì)日益嚴(yán)峻，各種用地矛盾凸顯。

2 數(shù)據(jù)來(lái)源與處理

2.1 數(shù)據(jù)來(lái)源

資料主要包括盧龍縣2006年Landsat TM/ETM、2013年landsat8 遙感影像數(shù)據(jù)；部分矢量數(shù)據(jù)；盧龍縣統(tǒng)計(jì)及文字資料等。其中，遙感影像的采集時(shí)間集中在6—8 月，平均云量小于5%，數(shù)據(jù)質(zhì)量好，空間分辨率為30 m×30 m。矢量數(shù)據(jù)主要包括行政界線、河流、道路等線狀數(shù)據(jù)及在國(guó)際科學(xué)數(shù)據(jù)平臺(tái)下載的DEM數(shù)據(jù)，線狀數(shù)據(jù)來(lái)自于盧龍縣相應(yīng)年份土地調(diào)查及變更成果。統(tǒng)計(jì)數(shù)據(jù)主要涉及各鄉(xiāng)鎮(zhèn)人口總數(shù)及人均GDP等社會(huì)統(tǒng)計(jì)數(shù)據(jù)，數(shù)據(jù)來(lái)源于盧龍縣統(tǒng)計(jì)年鑒及河北省農(nóng)村統(tǒng)計(jì)年鑒、最新的盧龍縣土地利用規(guī)劃等。

2.2 數(shù)據(jù)處理2.2.1 坐標(biāo)投影的統(tǒng)一及數(shù)據(jù)格式轉(zhuǎn)換

數(shù)據(jù)格式及地圖投影的統(tǒng)一對(duì)輔助信息資料的使用非常重要。本文為提高遙感圖像解譯精度，更好利用DEM、交通圖、土壤圖等輔助數(shù)據(jù)資料，利用相應(yīng)軟件對(duì)不同投影的數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換。由于CLUE-S模型擁有較為嚴(yán)格的數(shù)據(jù)格式，考慮優(yōu)化模擬軟件的迭代速度及研究區(qū)狀況，借助ArcGIS 9.3的支持，將盧龍縣解譯的土地利用圖和空間驅(qū)動(dòng)因子圖層均轉(zhuǎn)化為高斯-克呂格投影(TMGKN22)下柵格大小為100 m ×100 m的柵格數(shù)據(jù)。

2.2.2 遙感數(shù)據(jù)預(yù)處理及土地利用數(shù)據(jù)提取

通過(guò)解譯盧龍縣TM遙感影像得到土地利用數(shù)據(jù)，利用ENVI 4.7混淆矩陣工具進(jìn)行精度評(píng)價(jià)，得到混淆矩陣報(bào)表，計(jì)算Kappa系數(shù)并判斷精度能否達(dá)到要求。

土地利用數(shù)據(jù)提取前，以校正后的盧龍縣2013年土地利用現(xiàn)狀圖為參照，對(duì)裁剪后的兩期遙感影像進(jìn)行幾何校正，均勻地選擇邊界較為明顯、位置相對(duì)精確、同時(shí)土地利用類型不易發(fā)生變更和海拔高度相差較小的地物點(diǎn)作為地面控制點(diǎn)，如邊界的拐點(diǎn)，河流的交叉點(diǎn)以及可見(jiàn)道路的交叉點(diǎn)，確保配準(zhǔn)的誤差在半個(gè)像元的范圍以內(nèi)，保證每期影像的總體誤差RMS均小于0.5，并采用常用的立方卷積法對(duì)兩期遙感影像進(jìn)行重采樣的操作。用土地調(diào)查成果中河北省下發(fā)盧龍縣的行政界線將影像裁剪下來(lái)。

參考第二次全國(guó)土地調(diào)查土地分類系統(tǒng)，將部分地類進(jìn)行歸并后，結(jié)合研究區(qū)的土地利用特征及研究目的，建立遙感影像分類體系，在同一投影坐標(biāo)系下，利用ArcGIS中的空間分析工具，通過(guò)柵格重分類將土地類型合并為耕地、園地、林地、建設(shè)用地、水域和其他用地6類，形成單獨(dú)的柵格文件。對(duì)兩期遙感影像進(jìn)行地類提取，并在兩個(gè)時(shí)期的遙感影像解譯結(jié)果上分別隨機(jī)選取305個(gè)檢查點(diǎn)，通過(guò)實(shí)地勘察、參照相應(yīng)年份的土地利用圖件獲取檢查點(diǎn)狀況，然后在ENVI 4.7支持下計(jì)算混淆矩陣和Kappa指數(shù)，得出遙感影像解譯精度的評(píng)價(jià)結(jié)果。計(jì)算得出Kappa指數(shù)分別為0.84(2006年)、0.85(2013年)，總體精度都達(dá)到了80%以上，可以滿足研究的要求。

3 研究方法

3.1 CLUE-S模型

CLUE-S模型是由20世紀(jì)末荷蘭Wageningen大學(xué)的Verburg.P.H等研制開發(fā)的[16]，它是基于土地利用的空間適宜性和時(shí)空動(dòng)態(tài)模擬空間直觀模型構(gòu)建的。模型有2 個(gè)核心模塊[17]：非空間模塊和空間模塊。非空間模塊在分析土地利用空間格局分布規(guī)律、土地利用變化規(guī)則基礎(chǔ)上預(yù)測(cè)未來(lái)土地需求量，空間模塊利用導(dǎo)入的土地利用柵格圖、土地轉(zhuǎn)換彈性及非空間模塊預(yù)測(cè)的土地需求等參數(shù)對(duì)土地柵格單元進(jìn)行優(yōu)化配置。土地利用需求數(shù)量可以根據(jù)2期土地利用圖進(jìn)行趨勢(shì)外推，也可以綜合考慮各個(gè)目標(biāo)函數(shù)求取最優(yōu)值。前者將土地利用變化量看成是一種穩(wěn)定的線性變化過(guò)程，目標(biāo)函數(shù)的邊界值一般是在人為干預(yù)下形成的?？臻g模塊是根據(jù)驅(qū)動(dòng)因素等與土地利用空間分布的關(guān)系，得到土地利用空間分布概率。

CLUE-S 模型空間分析功能采用Logistic 回歸法，這也是土地利用變化分析常用的一種方法[18-19]?；貧w方程在SPSS中建立，土地利用類型是因變量，驅(qū)動(dòng)因素作為自變量。同時(shí)采用逐步回歸法篩選對(duì)土地利用類型影響顯著的因素，剔除不顯著因素。CLUE-S模型檢驗(yàn)主要分為兩個(gè)方面：一是logistic回歸分析的ROC系數(shù)的檢驗(yàn)，其ROC系數(shù)大于0.7才符合概率分布要求；二是kappa系數(shù)檢驗(yàn)，當(dāng)kappa≥0.75[20]時(shí)，CLUE-S模型的預(yù)測(cè)精確度較高。

3.2 MOP模型構(gòu)建及參數(shù)求解

在進(jìn)行土地利用空間布局時(shí)，往往要同時(shí)考慮多個(gè)目標(biāo)，例如土地生態(tài)服務(wù)功能提升、經(jīng)濟(jì)功能提升等目標(biāo)，這種考慮多個(gè)目標(biāo)的規(guī)劃問(wèn)題稱為多目標(biāo)規(guī)劃。MOP模型由模型變量、約束條件和目標(biāo)函數(shù)等3部分組成，可以通過(guò)MOP模型求解土地利用優(yōu)化數(shù)量結(jié)構(gòu)[13]。

3.2.1 變量設(shè)置與目標(biāo)模型的構(gòu)建

根據(jù)研究區(qū)實(shí)際情況、資料獲取的可行性等因素設(shè)置模型變量，選取耕地、園地、林地、建設(shè)用地、水域和其它土地作為分析的變量。選取了土地的生態(tài)服務(wù)功能及經(jīng)濟(jì)功能提升作為模型目標(biāo)。

(1)生態(tài)服務(wù)功能提升模型

生態(tài)服務(wù)功能的提升參考生態(tài)服務(wù)價(jià)值核算標(biāo)準(zhǔn)，構(gòu)建生態(tài)服務(wù)價(jià)值提升模型。本文參考國(guó)內(nèi)學(xué)者謝高地等構(gòu)建的中國(guó)生態(tài)服務(wù)價(jià)值評(píng)估體系，同時(shí)又對(duì)河北省的生態(tài)服務(wù)價(jià)值進(jìn)行了區(qū)域修正(修正系數(shù)1.02)，得到盧龍縣的生態(tài)系統(tǒng)單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值表[21]，并利用生態(tài)價(jià)值核算模型計(jì)算土地生態(tài)服務(wù)功能：

(3)

(4)

式中，ESVf和ESV分別為第f項(xiàng)功能和總服務(wù)價(jià)值；Ak為第k類型的土地利用面積；VCkf為第k類型第f項(xiàng)服務(wù)單位面積的服務(wù)價(jià)值。

(2)土地經(jīng)濟(jì)功能提升模型

土地經(jīng)濟(jì)功能提升用經(jīng)濟(jì)效益評(píng)價(jià)模型衡量[22]，模型如下所示：

(5)

式中，Ki表示各土地利用類型效益系數(shù)，為一常數(shù)；Wi表示各土地利用類型的相對(duì)權(quán)重；Xi表示各類土地面積(hm2)。

3.2.2 約束條件的建立及MOP模型的構(gòu)建

選取研究區(qū)土地面積總量、耕地保有量、林地、園地面積等作為約束條件,建立相應(yīng)等式或不等式, 并確定約束目標(biāo)年，MOP的原始模型為：

(6)

式中，max(X)為目標(biāo)函數(shù)，fi(x)為約束條件。

4 案例分析

4.1 CLUE-S模型構(gòu)建與單模型模擬

基于GIS的空間和數(shù)理統(tǒng)計(jì)分析方法，分析盧龍縣2006—2013年的土地利用結(jié)構(gòu)及變化規(guī)律、地類轉(zhuǎn)換規(guī)則等，構(gòu)建河北省盧龍縣的土地利用優(yōu)化模型，以遙感解譯的2013年土地利用數(shù)據(jù)為基礎(chǔ)，經(jīng)過(guò)多輪迭代，模擬得到2020年土地利用數(shù)據(jù)，CLUE-S模型模擬過(guò)程及結(jié)果如下：

4.1.1 土地利用狀況分析及驅(qū)動(dòng)力因子選擇

結(jié)合盧龍縣的現(xiàn)有數(shù)據(jù)及對(duì)盧龍縣2006—2013年的土地利用結(jié)構(gòu)及變化、土地利用類型轉(zhuǎn)變矩陣(表1)、土地利用動(dòng)態(tài)度進(jìn)行分析，共選擇了10個(gè)土地利用變化驅(qū)動(dòng)因子，包括各鄉(xiāng)鎮(zhèn)地均GDP、到一級(jí)道路的距離、到二級(jí)道路的距離、到城鎮(zhèn)的距離、到農(nóng)村居民點(diǎn)的距離、到河流的距離、人口密度、高程、坡度和坡向，利用ArcGIS軟件將選取的10個(gè)土地利用變化驅(qū)動(dòng)因子制作成驅(qū)動(dòng)因子?xùn)鸥窕瘓D。

表1 2006—2013年間盧龍縣土地利用類型轉(zhuǎn)移概率矩陣

4.1.2 土地利用類型轉(zhuǎn)換規(guī)則及穩(wěn)定性

基于傳統(tǒng)土地利用變化趨勢(shì)的盧龍縣土地利用類型轉(zhuǎn)化規(guī)律和發(fā)展目標(biāo)確定不同土地類型之間的轉(zhuǎn)換規(guī)則。土地利用類型穩(wěn)定性與土地利用類型變化的可逆性有關(guān)，同時(shí)在建設(shè)用地?cái)U(kuò)展，追求經(jīng)濟(jì)效益時(shí)要考慮基本農(nóng)田保護(hù)問(wèn)題，確保耕地紅線不被突破。表2土地利用轉(zhuǎn)換規(guī)則矩陣中行表示轉(zhuǎn)出地類, 列表示轉(zhuǎn)入地類,“1”表示兩種用地類型之間可以轉(zhuǎn)換, “0”表示不可以轉(zhuǎn)換。

表2 自然發(fā)展的不同土地利用類型之間的轉(zhuǎn)化規(guī)則

行表示轉(zhuǎn)出土地利用類型，列表示轉(zhuǎn)入土地利用類型，1表示兩種土地利用類型之間可以轉(zhuǎn)換，0表示不可以轉(zhuǎn)換

4.1.3 Logistic 回歸分析及檢驗(yàn)

在轉(zhuǎn)換完?yáng)鸥駡D像以后，利用ArcGIS軟件將其轉(zhuǎn)換成ASCⅡ格式，然后將數(shù)據(jù)繼續(xù)生成單列記錄文件，并將數(shù)據(jù)導(dǎo)入到SPSS軟件中進(jìn)行回歸分析。利用Pontius R.G.提出的Receive Operating Characteristic(ROC)方法對(duì)回歸結(jié)果進(jìn)行一致性檢驗(yàn)，經(jīng)驗(yàn)證盧龍縣6種地類空間分布概率模擬效果良好，耕地、園地、林地、建設(shè)用地、水域用地和其它土地的ROC值分別0.887,0.829,0.796,0.917,0.936和0.827。說(shuō)明所選取的驅(qū)動(dòng)因子具有較好的解釋能力，能夠滿足模型的回歸要求及盧龍縣土地利用空間布局模擬的要求。

4.1.4 基于CLUE-S單模型的2020年土地利用空間模擬

按照盧龍縣目前的經(jīng)濟(jì)社會(huì)發(fā)展趨勢(shì)，土地地類按照上述的規(guī)則轉(zhuǎn)換。在該情景條件下，盧龍縣土地利用需求不會(huì)受到較大的政策調(diào)整的影響。參考上述選取的驅(qū)動(dòng)因素及模型方法，以2013年土地利用數(shù)據(jù)為基礎(chǔ)，將Logistic回歸結(jié)果、土地利用需求、轉(zhuǎn)換規(guī)則等相關(guān)參數(shù)輸入模型中, 模擬得到2020年土地利用類型圖。結(jié)果顯示，從2013年到2020年耕地、園地、建設(shè)用地面積從48602、7261、11790 hm2增加到54962、7874 hm2和12291 hm2，建設(shè)用地面積的增加保證了盧龍縣土地經(jīng)濟(jì)功能從2013年到2020年提升12.95%，但同時(shí)林地面積及水域面積卻急劇減少，分別從9650、2887 hm2減少到7351、2217 hm2，變化率分別達(dá)到-23.82%和-23.21%，導(dǎo)致土地生態(tài)服務(wù)功能出現(xiàn)了負(fù)增長(zhǎng)。

4.2 基于MOP及CLUE-S整合模型的土地利用優(yōu)化模擬

4.2.1 約束條件的建立

(1)土地總面積約束

各類用地面積之和應(yīng)等于盧龍縣土地總面積,即：

X1+X2+X3+X4+X5+X6=95601 hm2

(7)

(2)耕地保有量約束

根據(jù)盧龍縣土地利用規(guī)劃約束性指標(biāo)，到2020年耕地滿足39684.32 hm2才可保證區(qū)域人口糧食安全。因此，耕地保有量約束條件為：

X1≥39684.32 hm2

(8)

(3)林地約束

林地是區(qū)域生態(tài)安全的重要保障，故林地面積不應(yīng)小于盧龍縣2013年水平，即：

X2≥9655 hm2

(9)

(4)水域面積約束

為保護(hù)盧龍縣良好的濱水旅游環(huán)境，要求盧龍縣水域面積，不應(yīng)小于2013年水平的90%，即：

X5≥2887 hm2

(10)

(5)社會(huì)經(jīng)濟(jì)發(fā)展約束。

為保證盧龍縣社會(huì)經(jīng)濟(jì)發(fā)展需要，其它用地面積應(yīng)小于2013年，則：

X6≤14842.47 hm2

(11)

(6)園地約束

園地既有良好的生態(tài)服務(wù)功能，又可以創(chuàng)造很大的經(jīng)濟(jì)價(jià)值，因此園地面積應(yīng)大于2013年水平，即：

X2≥7281 hm2

(12)

(7)建設(shè)用地約束

建設(shè)用地有很大的經(jīng)濟(jì)服務(wù)功能，但不能任意擴(kuò)大，所以建設(shè)用地不應(yīng)超過(guò)秦皇島市下達(dá)盧龍縣2020年指標(biāo)，即：

X4≤12200.21 hm2

(13)

(8)數(shù)學(xué)模型要求約束

模型應(yīng)滿足：

Xj≥0，j=1,2,…,6

(14)

(7)—(14)式中，Xj為各類用地面積;X1為耕地面積；X2為園地面積；X3為林地面積；X4為建設(shè)用地面積；X5為水域用地面積；X6為其它土地面積。

4.2.2 多目標(biāo)MOP模型構(gòu)建

(1)土地經(jīng)濟(jì)功能表達(dá)式

本文中，土地經(jīng)濟(jì)功能由土地經(jīng)濟(jì)效益表示，確定土地經(jīng)濟(jì)效益的關(guān)鍵是各地類效益系數(shù)與其相應(yīng)權(quán)重的乘積，本文首先采用回歸分析法做耕地單產(chǎn)預(yù)測(cè)。以耕地單產(chǎn)預(yù)測(cè)計(jì)算為例，以盧龍縣耕地種植制度及各種農(nóng)作物產(chǎn)量預(yù)測(cè)為基準(zhǔn)，根據(jù)各農(nóng)作物面積比例獲取相對(duì)權(quán)重，將各農(nóng)作物單位產(chǎn)出值與相對(duì)權(quán)重加權(quán)求和,得到耕地的經(jīng)濟(jì)效益系數(shù)為17400元/hm2。同理，按照此方法依次得到其它地類的效益系數(shù)，園地、林地、建設(shè)用地、水域、其它土地分別為20080、1310、217395、1667元/hm2、0。據(jù)此可知，盧龍縣土地經(jīng)濟(jì)功能表達(dá)式為：

B(X)=17400X1+20080X2+1310X3+217395X4+1667X5+0X6

(15)

(2)土地生態(tài)服務(wù)功能表達(dá)式

土地的生態(tài)功能由土地生態(tài)服務(wù)價(jià)值表示，由盧龍縣生態(tài)系統(tǒng)服務(wù)價(jià)值量表(表3)可得盧龍縣土地生態(tài)服務(wù)價(jià)值的表達(dá)式(元/hm2)：

C(X)=6236.59X1+13127.66X2+19334X3+378.82X4+98088.71X5+378.83X6

(16)

表3 盧龍縣生態(tài)系統(tǒng)單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值表/(元 hm-2 a-1)

(3)MOP模型表達(dá)式

在測(cè)得每種土地利用類型的經(jīng)濟(jì)功能、生態(tài)服務(wù)功能的基礎(chǔ)上，可得出MOP模型的目標(biāo)表達(dá)式為:

Z=max(B(X)λ1+C(X)λ2)=max[(17400X1+20080X2+1310X3+217395X4+1667X5+0X6)λ1+(6236.59X1+13127.66X2+19334X3+378.82X4+98088.71X5+378.83X6)λ2]

(17)

(15)—(17)式中,Xj為各類用地;X1為耕地；X2為園地；X3為林地；X4為建設(shè)用地；X5為水域用地；X6為其他土地。

縣域土地資源數(shù)量結(jié)構(gòu)優(yōu)化一般應(yīng)根據(jù)區(qū)域?qū)嶋H情況設(shè)計(jì)多種數(shù)量結(jié)構(gòu)優(yōu)化方案。考慮到盧龍縣未來(lái)10年的發(fā)展定位及經(jīng)濟(jì)、生態(tài)效益同步提升的目標(biāo)，同時(shí)考慮提高土地利用的效率及模擬效果、模型迭代結(jié)果的可實(shí)現(xiàn)性，反復(fù)修改約束條件及模型參數(shù)后，設(shè)置權(quán)重為λ1=0.47，λ2=0.53。

(4)MOP模型優(yōu)化結(jié)果

根據(jù)上述構(gòu)建的MOP模型的表達(dá)式及模型的約束條件，利用lingo軟件對(duì)多目標(biāo)規(guī)劃模型進(jìn)行求解。求得2020年土地利用數(shù)量結(jié)構(gòu)優(yōu)化結(jié)果。結(jié)果顯示利用該模型從2013年到2020年耕地、園地、林地、建設(shè)用地面積分別從48602、7261、9650、11790 hm2增加到29974、8386、12236、11929 hm2，而水域面積幾乎沒(méi)有變化。其它土地減少到10187 hm2，說(shuō)明在這段期間未利用地被大面積開發(fā)成林地、園地等其它地類。

4.2.3 模擬參數(shù)設(shè)置

按照盧龍縣土地經(jīng)濟(jì)功能、生態(tài)服務(wù)功能提升的目標(biāo)，不設(shè)立區(qū)域限制，選取的驅(qū)動(dòng)因素及模型方法與上述相同，并重新設(shè)定新目標(biāo)下土地地類轉(zhuǎn)換規(guī)則。新的土地地類轉(zhuǎn)換規(guī)則是在“自然發(fā)展的不同土地利用類型之間的轉(zhuǎn)化規(guī)則(表2)”基礎(chǔ)上重新定義的，新規(guī)則強(qiáng)調(diào)了林地及水域用地的重要性，在未來(lái)的土地利用過(guò)程中限制了此類用地的轉(zhuǎn)換(表4)，從而保證了土地生態(tài)服務(wù)功能的提升。

表4 雙模型不同土地利用類型之間的轉(zhuǎn)化規(guī)則

行表示轉(zhuǎn)出土地利用類型，列表示轉(zhuǎn)入土地利用類型，1表示兩種土地利用類型之間可以轉(zhuǎn)換，0表示不可以轉(zhuǎn)換

4.2.4 土地利用模擬及結(jié)果分析

在多目標(biāo)情景條件下，以2013年土地利用數(shù)據(jù)為基礎(chǔ)，將重新設(shè)置的Logistic 回歸結(jié)果、土地利用需求、轉(zhuǎn)換規(guī)則等相關(guān)參數(shù)輸入模型，利用MOP模型優(yōu)化結(jié)果及CLUE-S模擬2020年土地利用結(jié)果。

4.3 模擬結(jié)果比較

將CLUE-S單模型優(yōu)化方案和多模型優(yōu)化方案的優(yōu)化結(jié)果進(jìn)行對(duì)比(表5,圖1)可以看出，按照傳統(tǒng)的土地利用變化趨勢(shì)進(jìn)行CLUE-S單模型優(yōu)化，雖然土地經(jīng)濟(jì)功能提升很大(增長(zhǎng)率為12.95%)，總功能值也有所提升，但是生態(tài)服務(wù)功能值卻出現(xiàn)了負(fù)增長(zhǎng)，說(shuō)明當(dāng)?shù)卦诮?jīng)濟(jì)建設(shè)的同時(shí)損害了生態(tài)環(huán)境；CLUE-S單模型優(yōu)化過(guò)程中，耕地、園地、建設(shè)用地面積有所增加。林地和水域面積減少幅度很大，這是造成生態(tài)功能降低的主要原因。

基于生態(tài)-經(jīng)濟(jì)功能提升雙目標(biāo)的雙模型優(yōu)化結(jié)果可以看出，從2013年到2020年，耕地、園地、林地、建設(shè)用地面積都有所增加，水域面積基本維持不變，而其它土地(主要是未利用地)面積減少很多，這說(shuō)明耕地等地類的增加主要來(lái)自于未利用地，這與國(guó)家在“十二五”期間提出的要大力開發(fā)、整理未利用地及低效土地的政策是相吻合的。耕地、園地、建設(shè)用地面積的增加保證了土地經(jīng)濟(jì)功能的提升，而園地、林地面積的增加保證了生態(tài)服務(wù)功能的提升，維護(hù)了盧龍縣生態(tài)平衡，這與“十八大”提出的建設(shè)生態(tài)文明的政策一致。

5 結(jié)論與討論

5.1 結(jié)論

該文以兩期解譯的遙感土地利用數(shù)據(jù)為基礎(chǔ)，選取合適的土地利用變化驅(qū)動(dòng)因子，利用CLUE-S單模型及MOP和CLUE-S整合模型模擬得到2020年土地利用狀況，研究結(jié)果證明基于經(jīng)濟(jì)-生態(tài)功能提升雙重目標(biāo)，利用MOP和CLUE-S整合模型的優(yōu)化結(jié)果使盧龍縣經(jīng)濟(jì)與生態(tài)服務(wù)功能得到同步提升。證明MOP和CLUE-S整合模擬繼承了CLUE-S模型的優(yōu)勢(shì)，既能反映土地利用固有的發(fā)展趨勢(shì)和連貫性，又能把土地利用目標(biāo)貫徹于土地利用模擬過(guò)程。

表5 CLUE-S單模型優(yōu)化方案與MOP及CLUE-S整合優(yōu)化模擬方案比較表

圖1 2020年盧龍縣兩種模型模擬土地利用比較圖Fig.1 Simulated land-use distribution under two models of Lulong County in 2020

5.2 討論

土地資源的稀缺性與人們對(duì)土地需求的無(wú)限性，客觀上要求對(duì)區(qū)域土地利用結(jié)構(gòu)進(jìn)行優(yōu)化配置[23]。土地利用結(jié)構(gòu)優(yōu)化的實(shí)質(zhì)是基于經(jīng)濟(jì)、社會(huì)、生態(tài)等多目標(biāo)的優(yōu)化[24]。以尋求土地利用的最佳效率為核心，通過(guò)耕地、林地、園地、建設(shè)用地等有效利用的協(xié)調(diào)機(jī)制，揭示不同用地規(guī)模、類型轉(zhuǎn)換機(jī)制及其轉(zhuǎn)化模式，來(lái)優(yōu)化土地利用結(jié)構(gòu)。

長(zhǎng)期以來(lái)人們利用建立數(shù)學(xué)模型的方式進(jìn)行土地利用數(shù)量結(jié)構(gòu)優(yōu)化，對(duì)土地利用的空間配置方面研究少[3]。隨著計(jì)算機(jī)科學(xué)的發(fā)展，最近幾年，國(guó)內(nèi)外一些學(xué)者結(jié)合GIS技術(shù)、生態(tài)學(xué)理論利用數(shù)學(xué)模型對(duì)土地利用狀況進(jìn)行了優(yōu)化模擬，另外一些學(xué)者利用CLUE-S模型對(duì)土地利用進(jìn)行了情景模擬[25-27]，均取得很大進(jìn)展。雖然利用CLUE-S等單模型可以較好的實(shí)現(xiàn)土地利用變化的空間表達(dá)，但是和其他模型相比，該類模型在一定的社會(huì)、生態(tài)、經(jīng)濟(jì)等條件約束下的土地利用變化模擬的空間表現(xiàn)仍然有限。目前，利用土地利用總量變化模擬模型(如:Markov模型、SD模型)與CLUE-S等單模型相結(jié)合等對(duì)土地利用變化進(jìn)行優(yōu)化模擬日益成為研究的焦點(diǎn)和重要方向[28]，本文嘗試了利用MOP和CLUE-S模型對(duì)盧龍縣的土地利用進(jìn)行數(shù)量?jī)?yōu)化和空間配置，結(jié)果表明模擬結(jié)果良好。但由于土地利用變化受到氣候等多因素影響，導(dǎo)致土地利用的不確定性增加。特別是隨著全球氣候變暖和人口增加，水域面積會(huì)被擠占，而本研究中構(gòu)建的約束條件之一是水域面積沒(méi)有變化。此外，由于盧龍縣處于京津冀、環(huán)渤海經(jīng)濟(jì)發(fā)展圈，土地利用或多或少會(huì)受到各種政策影響，如果實(shí)現(xiàn)區(qū)域政策等人為因素?cái)?shù)據(jù)的空間化, 將提高模型模擬精度。

盡管存在一些問(wèn)題，但在生態(tài)環(huán)境日益嚴(yán)峻及十八大以來(lái)中央倡導(dǎo)的建設(shè)生態(tài)文明的當(dāng)前，以土地生態(tài)服務(wù)功能做為切入點(diǎn)，綜合考慮土地利用的生態(tài)、經(jīng)濟(jì)等功能，結(jié)合多模型模型和空間數(shù)據(jù)分配技術(shù)進(jìn)行土地利用優(yōu)化研究顯得尤為重要，本研究在這方面進(jìn)行了積極探討，以期為相關(guān)研究提供更加有效的方法和手段。

[1] Mcmichael T. Healthy world, healthy people. People & the Planet, 1997, 6(3): 6- 9.

[2] Grimm N B, Faeth S H, Golubiewski N E, Redman C L, Wu J G, Bai X M, Briggs J M. Global change and the ecology of cities. Science, 2008, 319(5864): 756- 760.

[3] 孫曉芳, 岳天祥, 范澤孟. 中國(guó)土地利用空間格局動(dòng)態(tài)變化模擬——以規(guī)劃情景為例. 生態(tài)學(xué)報(bào), 2012, 32(20): 6440- 6451.

[4] 伍星, 沈珍瑤, 劉瑞民, 宮永偉. 土地利用變化對(duì)長(zhǎng)江上游生態(tài)系統(tǒng)服務(wù)價(jià)值的影響. 農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(8): 236- 241.

[5] 胡業(yè)翠, 劉彥隨, 鄧旭升. 土地利用/覆被變化與土地資源優(yōu)化配置的相關(guān)分析. 地理科學(xué)進(jìn)展, 2004, 23(2): 51- 57.

[6] 劉彥隨. 山地土地類型的結(jié)構(gòu)分析與優(yōu)化利用——以陜西秦嶺山地為例. 地理學(xué)報(bào), 2001, 56(4): 426- 436.

[7] 趙濤, 鄭新奇, 鄧祥征. 城市土地利用優(yōu)化配置分析應(yīng)用——以濟(jì)南市為例. 地球信息科學(xué), 2004, 6(2): 53- 57.

[8] 劉彥隨. 土地利用優(yōu)化配置中系列模型的應(yīng)用——以樂(lè)清市為例. 地理科學(xué)進(jìn)展, 1999, 18(1): 26- 31.

[9] 馬世發(fā), 何建華, 俞艷. 基于粒子群算法的城鎮(zhèn)土地利用空間優(yōu)化模型. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(9): 321- 326.

[10] 張雪花, 郭懷成. SD-MOP整合模型在秦皇島市生態(tài)環(huán)境規(guī)劃中的應(yīng)用研究. 環(huán)境科學(xué)學(xué)報(bào), 2002, 22(1): 92- 97.

[11] 段增強(qiáng), Verburg P H, 張鳳榮, 宇振榮. 土地利用動(dòng)態(tài)模擬模型的構(gòu)建及其應(yīng)用——以北京市海淀區(qū)為例. 地理學(xué)報(bào), 2004, 59(6): 1037- 1047.

[12] 吳桂平, 曾永年, 馮學(xué)智, 肖鵬峰, 王珂. CLUE-S模型的改進(jìn)與土地利用變化動(dòng)態(tài)模擬——以張家界市永定區(qū)為例. 地理研究, 2010, 29(3): 460- 470.

[13] 余婷, 柯長(zhǎng)青. 基于CLUE-S模型的南京市土地利用變化模擬. 測(cè)繪科學(xué), 2010, 35(1): 186- 189.

[14] 王漢花, 劉艷芳. 基于MOP-CA整合模型的土地利用優(yōu)化研究. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版, 2009, 34(2): 174- 177.

[15] 傅鴻源, 陳煜紅. 城市建設(shè)用地利用結(jié)構(gòu)優(yōu)化SD-MOP整合模型研究. 土木工程學(xué)報(bào), 2011, 44(4): 129- 135.

[16] 高志強(qiáng), 易維. 基于CLUE-S和Dinamica EGO模型的土地利用變化及驅(qū)動(dòng)力分析. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(16): 208- 216.

[17] 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.

[18] Verburg P H, Veldkamp A, Fresco L O. Simulation of changes in the spatial pattern of land use in China. Applied Geography, 1999, 19(3): 211- 233.

[19] Schneider L C, Pontius R G Jr. Modeling land-use change in the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment, 2001, 85(1/3): 83- 94.

[20] 劉淼, 胡遠(yuǎn)滿, 常禹, 賀紅士, 布仁倉(cāng). 土地利用模型時(shí)間尺度預(yù)測(cè)能力分析——以CLUE-S模型為例. 生態(tài)學(xué)報(bào), 2009, 29(11): 6110- 6119.

[21] 鄭江坤, 余新曉, 夏兵, 賈國(guó)棟, 龐卓, 宋思銘. 基于生態(tài)服務(wù)價(jià)值的潮白河上游土地利用優(yōu)化. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(12): 337- 344.

[22] 李秀霞, 徐龍, 江恩賜. 基于系統(tǒng)動(dòng)力學(xué)的土地利用結(jié)構(gòu)多目標(biāo)優(yōu)化. 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(16): 247- 254.

[23] 劉彥隨, 楊子生. 我國(guó)土地資源學(xué)研究新進(jìn)展及其展望. 自然資源學(xué)報(bào), 2008, 23(2): 353- 360.

[24] 喻鋒, 李曉兵, 王宏. 生態(tài)安全條件下土地利用格局優(yōu)化——以皇甫川流域?yàn)槔? 生態(tài)學(xué)報(bào), 2014, 34(12): 3198- 3210.

[25] 王繁, 周斌, 徐建明. 海涂土地資源適宜性空間分析與優(yōu)化開發(fā)模式研究. 農(nóng)業(yè)工程學(xué)報(bào), 2008, 24(1): 119- 123.

[26] 彭建, 蔡運(yùn)龍, Verburg P H. 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.

[27] 陸汝成, 黃賢金, 左天惠, 肖思思, 張興榆, 趙小風(fēng). 經(jīng)濟(jì)快速增長(zhǎng)區(qū)土地利用信息圖譜構(gòu)建——以江蘇省環(huán)太湖地區(qū)為例. 資源科學(xué), 2009, 31(7): 1133- 1141.

[28] 馮仕超, 高小紅, 顧娟, 亢健, 郭麗峰, 吳國(guó)良, 鄒嬋. 基于CLUE-S模型的湟水流域土地利用空間分布模擬. 生態(tài)學(xué)報(bào), 2013, 33(3): 985- 997.

Multi-scenario simulation of land use structure based on dual combined models

CHEN Ying, ZHANG Li, HE Ling, MEN Mingxin*

Institute of Land and Resources, Agricultural University of Hebei, Baoding 071001, China

Land is not only a fundamental requirement for people′s life, but also an indispensable factor in economic development. However, utilizing land usually results in changes to the structure and function of ecological systems, which may have a notable impact on the environment and natural resources. Since the industrial revolution, the overuse and damage of land has become the main cause of a decline in ecological function and the deterioration of the environment, and has led to the loss of sustainability for the entire biosphere. Recently, the essential roles of ecological services have been recognized, and attention has been called to the ecological and economic benefits of related projects. Allocation of land use in order to optimize its spatial structure of is a prerequisite for enhancing its economic and ecological benefits. In this study, we analyzed the changes in both the structure of land use and the rules used to determine its functions from 2006 to 2013 in Lulong County, based on remote sensing data from this period. Logistic regression analysis was performed to identify the most influential factors and to characterize their inter-relationships and relative functions. The factors identified were examined by successfully simulating the spatial distribution of 6 land use types in Lulong. Receiver Operating Characteristic (ROC) values greater than 0.80 for the land use types categorized as: “cultivated land,” “garden plot,” “forest,” “construction land,” “water,” and “other land” were observed. Following this, the land use types for Lulong County in 2020 were predicted using the Conversion of Land Use and its Effects at Small region extent (CLUE-S) model. To improve both the economic functioning and the ecological services provided by land in Lulong, Multi-objective Programming (MOP) and CLUE-S models were integrated. This integration enabled the optimization of the quantity and spatial structure of land used, through building constraint functions and conversion rules developed using remote sensing images on a 100 m × 100 m grid scale. Comparison of the results obtained with the traditional land use simulation method between the multi-model and CLUE-S showed that the economic functions of Lulong County could be increased by 12.95% from 2013 to 2020, while ecological services are likely to be reduced. Because of the increase in areas of cultivated land, garden plots, and construction sites predicted by 2020, the economic function of land in Lulong will increase, while there will be associated losses in ecological services (due primarily to sharp decreases in the water and forest areas). Optimizing the land use structure of Lulong County using the integrated model created with MOP and CLUE-S may facilitate increases in both economic and ecological functions by 8.20% and 8.40%, respectively. This predicts greater increases in ecological services and total functional value than the simulation results obtained with the CLUE-S model alone. Simulated results that showed a decrease in the “unused land” areas, coupled with an increase in areas of cultivated land, garden plot, forest, and construction sites confirmed that combing the CLUE-S and MOP models provided improved results than with the CLUE-S model alone. This indicates that our method has potential to be an effective tool for managing and planning economic services and leading to the stabilization of the soil ecosystem balance, as well as achieving sustainable use of zone-limited land resources. This data could facilitate sustainable development of Lulong County′s economy and ecology. Additionally, Lulong is located within the economic sphere of influence of Jing-Jin-Ji and Bohai Rim. Thus, it is readily influenced by several regional policies. Increased simulation accuracy would be expected if more detailed and accurate zonal policy data are acquired.

CLUE-S model; MOP model; land use; economic optimization; Lulong County

國(guó)家公益性基金項(xiàng)目(201411103)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃資助項(xiàng)目(2005CB121107)

2015- 03- 06;

日期:2015- 12- 14

10.5846/stxb201503060435

*通訊作者Corresponding author.E-mail: menmingxin@sina.com

陳影, 張利, 何玲, 門明新.基于多模型結(jié)合的土地利用結(jié)構(gòu)多情景優(yōu)化模擬.生態(tài)學(xué)報(bào),2016,36(17):5391- 5400.

Chen Y, Zhang L, He L, Men M X.Multi-scenario simulation of land use structure based on dual combined models.Acta Ecologica Sinica,2016,36(17):5391- 5400.