基于Logistic-Markov方法的土地利用結(jié)構(gòu)變化多因素驅(qū)動預(yù)測模型研究與應(yīng)用

余德貴, 吳 群

(1.南京農(nóng)業(yè)大學(xué) 人文與社會發(fā)展學(xué)院, 江蘇 南京 210095； 2.南京農(nóng)業(yè)大學(xué) 土地管理學(xué)院, 江蘇 南京 210095)

基于Logistic-Markov方法的土地利用結(jié)構(gòu)變化多因素驅(qū)動預(yù)測模型研究與應(yīng)用

余德貴1, 吳 群2

(1.南京農(nóng)業(yè)大學(xué) 人文與社會發(fā)展學(xué)院, 江蘇 南京 210095； 2.南京農(nóng)業(yè)大學(xué) 土地管理學(xué)院, 江蘇 南京 210095)

[目的] 探索土地利用結(jié)構(gòu)變化的驅(qū)動規(guī)律及其預(yù)測方法，為在社會經(jīng)濟(jì)快速發(fā)展背景下抑制建設(shè)用地擴(kuò)張、優(yōu)化城鄉(xiāng)土地利用等提供決策參考。[方法] 利用主成分分析，Logistic，Markov等方法研究土地利用結(jié)構(gòu)變化的驅(qū)動力，分析土地利用結(jié)構(gòu)狀態(tài)轉(zhuǎn)移矩陣與驅(qū)動因素的數(shù)量關(guān)系，構(gòu)建基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測模型。[結(jié)果] 以地處“長三角”經(jīng)濟(jì)區(qū)的江蘇省泰興市為例，測算了城鎮(zhèn)發(fā)展、經(jīng)濟(jì)發(fā)展和管理政策等土地利用結(jié)構(gòu)變化驅(qū)動力，其中城鎮(zhèn)工礦用地擴(kuò)張的驅(qū)動力增加了25.85%，耕地減少的驅(qū)動力則降低了22.21%，并預(yù)測分析了2010—2020年的土地利用結(jié)構(gòu)變化特征，預(yù)測精度相對提高了0.52%。[結(jié)論] 多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測方法，能夠科學(xué)地詮釋土地利用結(jié)構(gòu)變化及其驅(qū)動力的作用機(jī)理，可以提高預(yù)測精度，為分析區(qū)域土地利用變化規(guī)律提供一種新方法。

土地利用結(jié)構(gòu)變化; 主成分分析; Logistic-Markov model; 多因素驅(qū)動; 預(yù)測模型

文獻(xiàn)參數(shù)： 余德貴, 吳群.基于Logistic-Markov方法的土地利用結(jié)構(gòu)變化多因素驅(qū)動預(yù)測模型研究與應(yīng)用[J].水土保持通報，2017,37(1)：149-154.DOI:10.13961/j.cnki.stbctb.2017.01.027； Yu Degui, Wu Qun. Application of multiple driving-factors prediction model for land use structure change based on Logistic-Markov model[J]. Bulletin of Soil and Water Conservation, 2017,37(1)：149-154.DOI:10.13961/j.cnki.stbctb.2017.01.027

以適應(yīng)社會經(jīng)濟(jì)快速發(fā)展需要的土地利用變化，表現(xiàn)為土地利用系統(tǒng)結(jié)構(gòu)及功能的調(diào)整和優(yōu)化[1]，包含土地用途轉(zhuǎn)化和土地利用規(guī)模結(jié)構(gòu)變化等特征[2]。研究土地利用結(jié)構(gòu)變化特征及其規(guī)律，是開展土地資源優(yōu)化配置和合理調(diào)控的理論基礎(chǔ)和關(guān)鍵內(nèi)容，對于區(qū)域產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級和土地資源可持續(xù)利用具有重要的理論和指導(dǎo)意義。

目前，利用基于GIS技術(shù)的地圖代數(shù)理論和方法[3]，以計算土地利用狀態(tài)轉(zhuǎn)移概率矩陣為基礎(chǔ)的馬爾科夫(Markov)鏈模型，作為狀態(tài)空間的預(yù)測方法具有較高的準(zhǔn)確度，已經(jīng)廣泛應(yīng)用到土地利用變化的相關(guān)預(yù)測和優(yōu)化分析研究之中[4-6]。然而，從土地系統(tǒng)變化的因果關(guān)系來看，土地利用狀態(tài)轉(zhuǎn)移概率矩陣只能表達(dá)相關(guān)驅(qū)動因素的平均數(shù)量特征，還不能很好地闡明多因素差異及其變化對于土地利用結(jié)構(gòu)變化的作用機(jī)理，因此，基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測研究引起有關(guān)學(xué)者的關(guān)注[7]。中國國民經(jīng)濟(jì)正處于工業(yè)化、城市化的快速度發(fā)展時期，經(jīng)濟(jì)發(fā)展與耕地保護(hù)、農(nóng)業(yè)發(fā)展與環(huán)境保護(hù)的矛盾日益突出，這些矛盾加劇了土地利用變化的速度。由于影響土地利用結(jié)構(gòu)變化的因素較多，主要是社會經(jīng)濟(jì)等人文因素，這需要對Markov模型方法進(jìn)行改進(jìn)[8-9]，實現(xiàn)狀態(tài)轉(zhuǎn)移概率矩陣的動態(tài)調(diào)整，以便找到土地利用結(jié)構(gòu)變化與驅(qū)動因素的數(shù)量關(guān)系。

本文擬以經(jīng)濟(jì)快速發(fā)展地區(qū)的土地利用系統(tǒng)為研究對象，利用主成分分析(principal component analysis, PCA)，Logistic，Markov等模型或方法，建立土地利用結(jié)構(gòu)變化的驅(qū)動力模型，在研究土地利用結(jié)構(gòu)狀態(tài)轉(zhuǎn)移概率矩陣與驅(qū)動因素數(shù)量關(guān)系的基礎(chǔ)上，構(gòu)建基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測方法，并以地處“長三角”經(jīng)濟(jì)區(qū)的泰興市為典型研究區(qū)，以其土地利用結(jié)構(gòu)變化預(yù)測進(jìn)行分析驗證，以期為區(qū)域土地利用調(diào)控特別在抑制建設(shè)用地擴(kuò)張、優(yōu)化城鄉(xiāng)土地利用等方面提供決策參考。

1 基于Logistic的土地利用結(jié)構(gòu)變化驅(qū)動力模型

1.1 土地利用結(jié)構(gòu)變化的驅(qū)動因素

從經(jīng)濟(jì)與市場因素[10]、人口與政策因素[11]、城市化水平[12]這3個方面，結(jié)合研究區(qū)的實際情況，主要選取以下8個指標(biāo)作為土地利用結(jié)構(gòu)變化的驅(qū)動因素：

國內(nèi)生產(chǎn)總值(y1，億元)、人口總量(y2，萬人)、固定資產(chǎn)投資(y3，億元)、非農(nóng)業(yè)產(chǎn)值比重(y4，%)，城鎮(zhèn)化水平(y5，%)、糧食單產(chǎn)水平(y6，kg/hm2)、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(y7，%)、耕地保護(hù)政策(y8)。其中，y1至y7通過研究區(qū)(泰興市)2001—2010年度的《統(tǒng)計年鑒》計算獲得；城鎮(zhèn)化水平(y5)利用非農(nóng)產(chǎn)業(yè)產(chǎn)值占總GDP的比重、非農(nóng)人口占總?cè)丝诘谋戎胤謩e賦予0.25，0.75的權(quán)重計算；農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(y7)以耕地占農(nóng)用地比重來表示；耕地保護(hù)政策(y8)根據(jù)研究區(qū)耕地面積減少時所指定相關(guān)保護(hù)力度，并咨詢土地管理部門和專家設(shè)定，取值為“1”時表示作用較小，取值為“10”時表示作用較大。

由于驅(qū)動因素存在相關(guān)性，本文在主成分分析(PCA)的基礎(chǔ)上，利用新成分變量Fi(i=1,2,3,…,q)代替原來的驅(qū)動因素yj，并說明Fi所荷載的哪些主要驅(qū)動因素。

根據(jù)研究區(qū)土地利用現(xiàn)狀及其結(jié)構(gòu)變化情況，本文確定了耕地l1，園林地(園地和林地)l2，其他農(nóng)用地l3，城鎮(zhèn)工礦用地(城市、建制鎮(zhèn)用地和獨立工礦用地)l4，農(nóng)村居民點l5，交通水利用地及其他建設(shè)用地l6，水域l7，灘涂沼澤自然保留地l8等地類，利用研究區(qū)2001—2010年的土地利用現(xiàn)狀數(shù)據(jù)，預(yù)測分析8個地類規(guī)模和結(jié)構(gòu)的變化規(guī)律。

1.2 土地利用結(jié)構(gòu)變化的驅(qū)動力模型

本文所提出的土地利用結(jié)構(gòu)變化驅(qū)動力，是指多因素驅(qū)動土地利用結(jié)構(gòu)變化綜合能力的大小ci(值在0～1之間)，假設(shè)土地利用結(jié)構(gòu)按照狀態(tài)轉(zhuǎn)移矩陣所確定平均趨勢發(fā)生變化，并通過驅(qū)動因素進(jìn)行動態(tài)調(diào)整。令Ct=(c1,c2,…，c8)t為t時刻地類結(jié)構(gòu)變化的驅(qū)動力集合，F(xiàn)t=(F1,F2,…，F(xiàn)q)t為t時刻代替原來驅(qū)動因素yj的前q個新主成分無量綱集合，利用Logistic模型[13]表示Ft與Ct的數(shù)量關(guān)系：

(1)

在確定預(yù)測期t時刻的驅(qū)動力Ct后，結(jié)合狀態(tài)轉(zhuǎn)移概率矩陣，建立基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測模型。

2 基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測方法

2.1 基于Markov的土地利用結(jié)構(gòu)變化預(yù)測模型

Markov狀態(tài)空間模型要求系統(tǒng)中的狀態(tài)變量，在相互隨轉(zhuǎn)化過程中[14]t+1時刻狀態(tài)只受到t時刻狀態(tài)的影響，與過去的狀態(tài)無關(guān)，它可以作為一種基于柵格的地圖空間統(tǒng)計概率模型，常用于具有無后效性特征地理事件的預(yù)測[3]。

(2)

式中:k——預(yù)測的時間間隔(a)，狀態(tài)轉(zhuǎn)移概率矩陣P的元素為地類li轉(zhuǎn)化為地類lj的概率矩陣，它決定了土地利用結(jié)構(gòu)變化的平均趨勢。若經(jīng)過有限n步運算后有Pn={pij}，則P為正規(guī)矩陣，并存在唯一的穩(wěn)定概率，即

(3)

P∞一般通過有限n步運算后估計[9]，主要說明式(2)進(jìn)行預(yù)測后穩(wěn)定狀態(tài)，即Xt在經(jīng)過一段時間后的結(jié)果，在結(jié)構(gòu)優(yōu)化中可以作為調(diào)控的目標(biāo)，本文利用GIS技術(shù)的地圖代數(shù)方法來計算狀態(tài)轉(zhuǎn)移概率矩陣，該方法是以一定尺度空間內(nèi)網(wǎng)格點集的變換和運算，解決地理信息的圖形符號可視化及空間分析相關(guān)問題[3]。

2.2 基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測模型

式(2)只能按照當(dāng)前系統(tǒng)相關(guān)驅(qū)動要素的平均趨勢進(jìn)行預(yù)測分析，由于諸多驅(qū)動因素的作用，將會不斷的改變狀態(tài)轉(zhuǎn)移概率矩陣，P應(yīng)該是一個多因素影響的實變矩陣，同時也要測算多因素的驅(qū)動能力，因此，研究并建立P與驅(qū)動力Ct的關(guān)系是利用Markov模型預(yù)測的關(guān)鍵，令

Pt=P+ΔPt

(4)

式中：ΔPt——狀態(tài)轉(zhuǎn)移變化強(qiáng)度，為P在Ct影響下的變化情況，即為Ct=(c1,c2,…,cm)t(m=8)所構(gòu)成的矩陣：

(5)

由式(5)易知Pt也為狀態(tài)轉(zhuǎn)移概率矩陣，其中的Ct為驅(qū)動因素Yt對于狀態(tài)變量Xt的直接干預(yù)能力[6]，εi=(1-Rnd)α為隨機(jī)變量表示土地利用結(jié)構(gòu)變化的隨機(jī)性,Rnd為0～1之間的隨機(jī)數(shù)。

土地利用系統(tǒng)按照當(dāng)前趨勢以及未來驅(qū)動因素確定的ΔPt趨勢共同作用下發(fā)生變化，其中Ct根據(jù)式(1)來確定，此時基于多因素驅(qū)動的土地利用結(jié)構(gòu)變化預(yù)測模型為：

Xt+k=Xt(Pt+ΔPt)

(6)

定義式(6)預(yù)測精度[9,15]Rt+k為：

(7)

3 分析驗證

3.1 研究區(qū)概況

研究區(qū)泰興市，位于江蘇省中部，土地總面積1 172.25 km2，是“長三角”經(jīng)濟(jì)區(qū)的重要組成部分。2005年農(nóng)用地比例(占土地總面積)為71.03%；建設(shè)用地比例為17.43%；其它土地比例為11.54%；全市人口119.90萬人，實現(xiàn)GDP 174.31億元。自1997年以來，GDP年均增速13.2%，建設(shè)用地固定資產(chǎn)投資為3 974萬元/hm2；地均GDP 1 389.83萬元/km2增幅168%；農(nóng)業(yè)地均產(chǎn)值2.56萬元/hm2，增幅46%；二、三產(chǎn)業(yè)地均產(chǎn)值69.03萬元/hm2，增幅198%?；拘纬闪恕耙粎^(qū)四園”的空間發(fā)展格局，預(yù)計2011—2020年GDP年均增長率為14%，經(jīng)濟(jì)社會環(huán)境進(jìn)入全面協(xié)調(diào)發(fā)展的新格局。

3.2 研究區(qū)土地利用結(jié)構(gòu)變化的驅(qū)動力模型

為了消除各驅(qū)動因素量綱以及變化數(shù)量差異的影響，先將各年度的驅(qū)動因素指標(biāo)值按yi=

表1 研究區(qū)土地利用結(jié)構(gòu)變化驅(qū)動因素的主成分系數(shù)

根據(jù)表1中Fi所荷載因子的大小，將土地利用結(jié)構(gòu)變化驅(qū)動因素分為3類，其中F1主要來自固定資產(chǎn)投資(y3)、國內(nèi)生產(chǎn)總值(y1)、非農(nóng)業(yè)產(chǎn)值比重(y4)等“經(jīng)濟(jì)發(fā)展”因素，經(jīng)濟(jì)、市場的發(fā)展能夠進(jìn)一步釋放農(nóng)村勞動力，緩人口增長帶來的土地利用結(jié)構(gòu)轉(zhuǎn)化壓力，對于推進(jìn)農(nóng)村居民點整理，加強(qiáng)對農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整貢獻(xiàn)較大；F2主要來自城鎮(zhèn)化水平(y5)、人口總量(y2)等“城鎮(zhèn)發(fā)展”因素，將促進(jìn)經(jīng)濟(jì)增長方式的轉(zhuǎn)變，實現(xiàn)工業(yè)項目向園區(qū)集中，盤活存量用地挖潛是有效調(diào)控建設(shè)用地擴(kuò)張；主成分F3主要來自耕地保護(hù)政策(y8)、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)(y7)、糧食單產(chǎn)水平(y6)等“管理政策”因素，有助于實現(xiàn)差別化的空間土地管理措施，合理引導(dǎo)土地利用方向，提高土地利用效率。

根據(jù)2001—2020年土地利用現(xiàn)狀統(tǒng)計數(shù)據(jù)，確定土地利用結(jié)構(gòu)的變化情況(見表2)。對表2和新驅(qū)動因素F1，F(xiàn)2，F(xiàn)3按式(1)進(jìn)行回歸分析，

獲得土地利用結(jié)構(gòu)變化驅(qū)動力模型參數(shù)wij,δi，通過wij判斷主要驅(qū)動因素及作用機(jī)制，相關(guān)結(jié)果見表3。

表2 研究區(qū)2001—2020年土地利用結(jié)構(gòu)的變化情況

注:λi為判斷xi變化的平均變化率;l1為耕地；l2為園林地；l3為其他農(nóng)用地；l4為城市工礦用地；l5為農(nóng)村居民點；l6為交通用地及其他建設(shè)用地；l7為水域；l8為灘涂沼澤自然保留地。

表3 研究區(qū)土地利用結(jié)構(gòu)變化驅(qū)動力模型的參數(shù)wij和δi

注:地類變化趨勢中“(-)”為減少趨勢，“(+)”為增加趨勢;準(zhǔn)確度(%)是按照表2擬合樣本變化檢驗的準(zhǔn)確率；除了個別地類外表中回歸系數(shù)檢驗水平顯著。

根據(jù)表3和式(1)確定驅(qū)動因素Fi(i=1,2,3)對于土地利用結(jié)構(gòu)變化的綜合驅(qū)動力Ct，相關(guān)結(jié)果見表4。對2001—2010年的8個地類共80個樣本變化進(jìn)行判斷檢驗，準(zhǔn)確率達(dá)到85.00%。由表3—4可以看出，在經(jīng)濟(jì)發(fā)展、城鎮(zhèn)發(fā)展、管理政策等諸多驅(qū)動因素的影響下，結(jié)合土地利用結(jié)構(gòu)的變化情況，城鎮(zhèn)工礦用地(l4)、交通水利及其他用地(l6)再次增加的趨勢較大，經(jīng)濟(jì)發(fā)展、城鎮(zhèn)發(fā)展是主要驅(qū)動因數(shù)，也是耕地和園林地減少的主要原因，例如城鎮(zhèn)工礦用地驅(qū)動力從2002年的0.639 8增加到2020年0.805 2，增加了25.85%，耕地(l1)、園林地(l2)等農(nóng)用地減少趨勢較明顯，耕地驅(qū)動力從2002年的0.652 8降低到2020年0.507 8，降低了22.21%。

3.3 研究區(qū)土地利用結(jié)構(gòu)變化預(yù)測

以2001—2005年和2005—2010年為2個時段，將研究區(qū)土地利用現(xiàn)狀圖進(jìn)行網(wǎng)格代數(shù)運算和統(tǒng)計分析，建立k=5 年的土地利用結(jié)構(gòu)平衡表，并以2010年土地利用結(jié)構(gòu)為初值，計算狀態(tài)轉(zhuǎn)移概率矩陣P的元素pij(見表5)。表5將作為研究區(qū)2015，2020年土地利用結(jié)構(gòu)變化預(yù)測模型的參數(shù)。

表4 研究區(qū)土地利用結(jié)構(gòu)變化的驅(qū)動力

表5 研究區(qū)土地利用結(jié)構(gòu)變化狀態(tài)轉(zhuǎn)移概率矩陣P %

利用式(6)、表5以及土地利用結(jié)構(gòu)變化驅(qū)動力模型參數(shù)表4，確定2010—2020年土地利用結(jié)構(gòu)變化狀態(tài)轉(zhuǎn)移矩陣表(見表6)以及預(yù)測結(jié)果(見表7)。按照(3)式可以確定如此趨勢變化后的土地利用結(jié)構(gòu)變化穩(wěn)定狀態(tài)，Markov鏈有限序列Xt當(dāng)t=7k時為該系統(tǒng)結(jié)構(gòu)達(dá)到穩(wěn)定狀態(tài)(見表7)。

表6 研究區(qū)2010—2020年土地利用結(jié)構(gòu)變化狀態(tài)轉(zhuǎn)移矩陣 hm2

由表7可以看出，無論是否增加驅(qū)動因素變化對于土地利用結(jié)構(gòu)變化的影響，2010—2020年研究區(qū)建設(shè)用地增加、農(nóng)用地和未利用地減少的趨勢不可避免，隨著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整以及經(jīng)濟(jì)轉(zhuǎn)型升級，該趨勢還是有可能達(dá)到穩(wěn)態(tài)。但從研究區(qū)實際變化趨勢來看，多因素驅(qū)動下的整體預(yù)測精度提高了0.52%，更能夠反映研究區(qū)土地利用變化趨勢。

(1) 農(nóng)用地。2010—2015年農(nóng)用地減少660.1 hm2，年均減少約130 hm2，其中耕地減少544.0 hm2，年均減少約110 hm2，其他農(nóng)用地減少22 hm2；2010—2020年農(nóng)用地減少1 252.7 hm2，年均減少約120 hm2，其中耕地1 041.3 hm2，年均減少100 hm2，其他農(nóng)用地減少161.6 hm2，隨著經(jīng)濟(jì)增長方式轉(zhuǎn)變，減少趨勢有所緩解。

(2) 建設(shè)用地。2010—2015年建設(shè)用地規(guī)模將增加856.9 hm2，年均增加約170 hm2，其中城鎮(zhèn)工礦用地增加759.2，年均增加約150 hm2，農(nóng)村居民點減少15.4 hm2，交通水利及其它用地增加113.1 hm2；2010—2020年建設(shè)用地規(guī)模將增加1 472.8 hm2，年均增加約140 hm2，其中城鎮(zhèn)工礦用地增加1 412.8 hm2，年均增加約140 hm2，農(nóng)村居民點減少34.0 hm2，交通水利及其他建設(shè)用地增加了247.6 hm2，隨著建設(shè)用地的集約利用和存量盤活，建設(shè)用地擴(kuò)張趨勢將有所抑制。

(3) 其他土地。2010—2015年未利用地將減少196.8 hm2，年均減少39.0 hm2；2010—2020年未利用地減少373.9 hm2，年均減少約37.3 hm2。

表7 研究區(qū)2015—2020年土地利用結(jié)構(gòu)變化預(yù)測結(jié)果對比分析 hm2

注:*實際值為2015年的年初值，調(diào)控值為2020年土地利用總體規(guī)劃的參考值；并按照行政區(qū)劃調(diào)整后修正的相關(guān)數(shù)值；隨著時間的增加，預(yù)測精度逐漸下降。

4 討論與結(jié)論

(1) 利用主成分分析(PCA)，Logistic等模型方法，篩選分析了土地利用變化相關(guān)的經(jīng)濟(jì)發(fā)展、城鎮(zhèn)發(fā)展、管理政策等人文驅(qū)動因素，測算了相關(guān)因素的貢獻(xiàn)力大小，其樣本檢驗準(zhǔn)確率達(dá)到了85.00%；其中固定資產(chǎn)投資、國內(nèi)生產(chǎn)總值、非農(nóng)業(yè)產(chǎn)值比、城鎮(zhèn)化水平、人口總量等經(jīng)濟(jì)與城鎮(zhèn)發(fā)展因素，是促進(jìn)耕地減少與建設(shè)用地增加的主要因素；而耕地保護(hù)政策、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、糧食單產(chǎn)水平等管理政策則是抑制相關(guān)變化趨勢關(guān)鍵因素。

(2) 利用Logistic-Markov方法，建立的多因素驅(qū)動下的土地利用結(jié)構(gòu)變化預(yù)測方法，除了Markov模型預(yù)測土地利用結(jié)構(gòu)有較高的準(zhǔn)確度之外，Logistic模型還能夠分析土地利用結(jié)構(gòu)狀態(tài)轉(zhuǎn)移概率矩陣與驅(qū)動因素之間數(shù)量關(guān)系，其中城鎮(zhèn)工礦用地變化(增加)的驅(qū)動力從2002年的0.639 8增加到2020年的0.805 2，增加了25.85%，而耕地變化(減少)驅(qū)動力則從2002年的0.652 8減少到2020年0.507 8，降低了22.21%。研究表明，相關(guān)方法能夠很好的闡明土地利用結(jié)構(gòu)變化及其驅(qū)動力的數(shù)量特征，使得多因素驅(qū)動下的預(yù)測方法其整體精度提高了0.52%，這為研究區(qū)域土地利用變化提供一種新方法，也具有一定理論意義和應(yīng)用價值。

(3) 從2010—2020年的土地利用結(jié)構(gòu)的預(yù)測結(jié)果來看，無論是否增加驅(qū)動因素對于土地利用結(jié)構(gòu)變化的影響，建設(shè)用地增加、農(nóng)用地和未利用地減少的趨勢不可避免，隨著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整以及經(jīng)濟(jì)轉(zhuǎn)型升級，該趨勢還是有可能達(dá)到穩(wěn)態(tài)，對照相關(guān)土地利用控制指標(biāo)，如果按此趨勢發(fā)展，控制目標(biāo)很難實現(xiàn)，今后研究區(qū)土地利用結(jié)構(gòu)優(yōu)化和調(diào)控任務(wù)艱巨。

(4) 本文以Markov模型的“齊次性”作為預(yù)測方法的基礎(chǔ)，也未考慮相關(guān)驅(qū)動因素的時滯性等，另外選擇的驅(qū)動因素較少也不能很好說明土地利用系統(tǒng)的復(fù)雜性，對制定區(qū)域土地利用變化的目標(biāo)調(diào)控策略有一定的影響，這需要后續(xù)研究改進(jìn)。

[1] 郭洪峰,許月卿,田媛.張家口市土地利用結(jié)構(gòu)特征及其動態(tài)變化[J].水土保持通報, 2013,33(3):259-264.

[2] Braimoh A K, Vlek P L G. Land-Cover Dynamics in an Urban Area of Ghana[J]. Earth Interactions, 2004,8(1):2688-2691.

[3] 卜坤,張樹文,張宇博.基于IDL的柵格地圖代數(shù)實現(xiàn)與應(yīng)用[J].計算機(jī)工程與應(yīng)用,2008,44(9):174-176.

[4] 石憶邵,吳婕.上海城鄉(xiāng)經(jīng)濟(jì)多樣化測度方法及其演變特征[J].經(jīng)濟(jì)地理,2015,35(2):7-13.

[5] 霍明明,張軼瑩,陳偉強(qiáng).基于CA-Markov的土地利用變化及預(yù)測研究:以鞏義市魯莊鎮(zhèn)為例[J].中國農(nóng)學(xué)通報, 2015,31(12):279-284.

[6] 余德貴,吳群.基于碳排放約束的土地利用結(jié)構(gòu)優(yōu)化模型研究及其應(yīng)用[J].長江流域資源與環(huán)境,2011,20(8):911-917.

[7] 肖翔,李揚(yáng)帆,朱曉東.基于土地利用驅(qū)動力的馬爾科夫模型及其應(yīng)用[J],土壤,2011,43(5):822-827.

[8] Ching W K, Ng M K, Ching W. Markov Chains: Models, Algorithms and Applications (International Series in Operations Research & Management Science)[M]. New York: Springer-Verlag Incorporated Inc., 2006.

[9] 劉慧璋,郭青霞,王曰鑫,等.基于Markov的山西岔口小流域土地利用變化預(yù)測[J].山西農(nóng)業(yè)大學(xué)學(xué)報:自然科學(xué)版,2012,32(1):53-57.

[10] 劉飛躍,萬哨凱.吉安市土地利用變化的驅(qū)動因素分析[J].安徽農(nóng)業(yè)科學(xué),2010,38(9):4738-4740.

[11] 歐聰,張坤.城市土地利用結(jié)構(gòu)演變分析及其驅(qū)動機(jī)制研究:以長沙市為例[J].上海國土資源,2015,36(3):39-43.

[12] 陳志剛,曲福田,韓立,等.工業(yè)化、城鎮(zhèn)化進(jìn)程中的農(nóng)村土地問題:特征、誘因與解決路徑[J].經(jīng)濟(jì)體制改革,2010(5):93-98.

[13] 邢容容,馬安青,張小偉,等.基于Logistic-CA-Markov模型的青島市土地利用變化動態(tài)模擬[J].水土保持研究,2014,21(6):111-114.

[14] 居玲華,石培基.基于Markov和GM(1,1)模型的土地利用結(jié)構(gòu)預(yù)測[J].農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2009,25(2):138-141.

[15] Cabral P, Zamyatin A. Markov processes in modeling land use and land cover changes in Sintra-Cascais, Portugal[J]. DYNA, 2009,76(158):191-198.

Application of Multiple Driving-Factors Prediction Model for Land Use Structure Change Based on Logistic-Markov Model

YU Degui1, WU Qun2

(1.CollegeofHumanities&SocialDevelopment,NanjingAgriculturalUniversity,Nanjing,Jiangsu210095,China; 2.CollegeofLandManagement,NanjingAgriculturalUniversity,Nanjing,Jiangsu210095,China)

[Objective] The objective of the paper is to investigate the changes in land use structure and driving forces of land use change, and develop predicting method. It will provide a reference for land use decision, especially for inhibiting construction land expansion and optimizing urban & rural land use structure with social and economic development. [Methods] We used principal component analysic(PCA), Logistic and Markov methods to detect the driving forces of land use change, and developed predicting methods based on mechanism and relations of state transition probability matrix of land use structure and driving factors. [Results] At Taixing City of Jiangsu Province, which is located in the “Yangtze River Delta” economic region, we measured the multiple driving-forces of changes in land use structure including urban development, economic policy, market and management. The land expansion by the urban industrial and mining increased by 25.85%, and the cultivated land was reduced by 22.21%. We also predicted the land use structure in 2010—2020, and the prediction accuracy was increased by 0.52% in study area. [Conclusion] The prediction model based on multiple driving-factors can explain relations between land-use change and its driving forces, improve prediction accuracy, and provide a new method for analyzing regional land use change.

land use structure change; principal component analysis; Logistic-Markov model; multiple driving-forces; prediction model

2016-05-08

2016-06-09

國家自然科學(xué)基金(重點)項目“我國土地資源效率提升能力與系統(tǒng)建設(shè)研究:基于轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的視角”(71233004); 南京農(nóng)業(yè)大學(xué)中央業(yè)務(wù)費專項“互聯(lián)網(wǎng)+背景下的江蘇現(xiàn)代農(nóng)業(yè)發(fā)展模式與增效途徑”(SKZK2015008) ; 江蘇省科技計劃“基于全供應(yīng)鏈協(xié)同的東臺市綠色食品電子商務(wù)平臺”(BN2014156) 。

余德貴(1976—),男(漢族),云南省鎮(zhèn)雄縣人,博士,副教授,主要從事土地模擬決策、農(nóng)業(yè)互聯(lián)網(wǎng)經(jīng)濟(jì)與技術(shù)的研究。E-mail: yudgu@njau.edu.cn。

吳群(1964—),男(漢族),江蘇省泰州市人,博士,教授(博導(dǎo)),主要從事土地經(jīng)濟(jì)與管理研究。E-mail: wuqun@njau.edu.cn。

B

1000-288X(2017)01-0149-06

F301.24