土地利用/土地覆蓋變化情景模擬研究進(jìn)展

劉甲紅，徐露潔，潘驍駿，胡潭高，張登榮，吳祎越，王 筱

(1. 杭州師范大學(xué)遙感與地球科學(xué)研究院, 浙江 杭州 311121；2.浙江省城市濕地與區(qū)域變化研究重點實驗室, 浙江 杭州 311121；3. 浙江省第二測繪院, 浙江 杭州310012)

土地利用/土地覆蓋變化情景模擬研究進(jìn)展

劉甲紅1, 2，徐露潔1，2，潘驍駿3，胡潭高1, 2，張登榮1, 2，吳祎越1, 2，王 筱1, 2

(1. 杭州師范大學(xué)遙感與地球科學(xué)研究院, 浙江 杭州 311121；2.浙江省城市濕地與區(qū)域變化研究重點實驗室, 浙江 杭州 311121；3. 浙江省第二測繪院, 浙江 杭州310012)

土地利用/土地覆蓋變化(Land-Use and Land-Cover Change，簡稱LUCC)是全球變化的重要組成部分，LUCC模擬模型是研究土地利用演變的重要方法.開展土地利用時空演變和預(yù)測模擬的研究，對合理規(guī)劃土地利用，促進(jìn)土地資源可持續(xù)發(fā)展具有重要意義.文中以LUCC為研究對象，綜合近年來LUCC動態(tài)監(jiān)測方面的相關(guān)研究，對各模型的應(yīng)用及優(yōu)缺點進(jìn)行了詳細(xì)論述，同時對LUCC的研究現(xiàn)狀進(jìn)行了總結(jié)，并對其發(fā)展趨勢進(jìn)行了展望.研究發(fā)現(xiàn)：1)LUCC預(yù)測模型由數(shù)量預(yù)測向空間預(yù)測、由單一模型向耦合模型發(fā)展；2)各模型有其優(yōu)勢及適用范圍；3)多模型、多技術(shù)的綜合應(yīng)用是LUCC發(fā)展的必然趨勢；4)LUCC模型缺乏對時間多尺度和長時間序列的研究；5)各系統(tǒng)之間的反饋關(guān)系以及“人類-環(huán)境”關(guān)系是LUCC的研究重點.

LUCC；系統(tǒng)動力學(xué)；元胞自動機；耦合模型

0 引言

土地是人類賴以生存的基礎(chǔ)，是全球環(huán)境變化的重要組成部分[1].LUCC與人類的生產(chǎn)生活息息相關(guān)，對自然環(huán)境和人類生存發(fā)展有著深遠(yuǎn)的影響[2-3].近幾十年來，中國大部分城市經(jīng)歷了翻天覆地的變化，城市不斷發(fā)展和擴張.伴隨著城市化過程的加快，土地利用和土地覆蓋發(fā)生了巨大變化，許多自然土地，尤其是森林和濕地等向農(nóng)業(yè)用地和人類居住地轉(zhuǎn)變，LUCC無論在深度、廣度以及速度上都發(fā)生了前所未有的深層次變化.因此，研究LUCC機理、預(yù)測土地利用演變趨勢，有利于合理開發(fā)利用土地資源和實現(xiàn)土地利用的可持續(xù)發(fā)展[4].而合理、準(zhǔn)確的模擬預(yù)測出土地利用變化的趨勢是研究的核心.LUCC的變化過程極其復(fù)雜，需要對復(fù)雜的系統(tǒng)進(jìn)行簡化，構(gòu)建抽象模型有助于理解土地利用/覆蓋的變化過程、同時可對未來變化趨勢進(jìn)行模擬預(yù)測，因此構(gòu)建模擬預(yù)測模型已成為研究土地利用變化的必要手段[5].

目前LUCC的動態(tài)監(jiān)測已經(jīng)成為國內(nèi)外研究的熱點，建立LUCC研究模型是環(huán)境管理和土地利用總體規(guī)劃的一個重要課題，有助于土地利用總體規(guī)劃和優(yōu)化土地利用模式，對保護(hù)和改善生態(tài)環(huán)境具有重要的指導(dǎo)意義，國內(nèi)外大量學(xué)者在如何建模和預(yù)測區(qū)域土地利用方面開展了大量的研究.本文在總結(jié)國內(nèi)外LUCC模擬預(yù)測模型的基礎(chǔ)上，按發(fā)展歷程將其總結(jié)歸納為以下三類：第一類是單純的數(shù)量變化預(yù)測，即LUCC數(shù)量預(yù)測模型，解釋“how”的問題；第二類是在空間格局上的變化預(yù)測，即LUCC空間預(yù)測模型，可解釋“where”的問題[3]；而單一模型無法滿足LUCC變化過程的復(fù)雜特性，越來越多的學(xué)者將多個模型結(jié)合起來進(jìn)行研究，將其歸為第三類模型，即耦合模型.本文從各模型機理、實際應(yīng)用及應(yīng)用中存在的不足等角度，對常見的LUCC預(yù)測模型(數(shù)量預(yù)測模型、空間預(yù)測模型和耦合模型)進(jìn)行詳細(xì)的論述，并對LUCC未來發(fā)展方向進(jìn)行了展望.

1 LUCC數(shù)量預(yù)測模型

早期的LUCC模型著重于定性描述土地利用的系統(tǒng)變化，分析地物類型數(shù)量和面積的變化以及變化的速率等，這類模型通常為數(shù)學(xué)模型，通過固定的數(shù)學(xué)公式利用計算機計算得出結(jié)果.如Logistic回歸模型、灰色預(yù)測模型(Gary Forecast Model)、馬爾科夫(Markov)模型等；還有使用較廣的動力學(xué)模型，其中代表性的有自下而上的基于微分方程的系統(tǒng)動力學(xué)模型(SD: System Dynamics)和神經(jīng)網(wǎng)絡(luò)模型(ANN: Artificial Neural Network).

Logistic回歸模型主要采用極大似然法估計原理，通過事件發(fā)生和不發(fā)生的概率比(Pi/(1-Pi)稱為事件的發(fā)生比)，對其進(jìn)行對數(shù)變換得到Logistic回歸分析的線性模型.方程表達(dá)式如下：

(1)

其中，Pi表示柵格單元上出現(xiàn)土地利用類型i的概率；Xi表示各個驅(qū)動因素；β表示各驅(qū)動因子的回歸系數(shù)，表示變量Xi對Pi的影響大小.

在LUCC模擬中，可得在不同自變量的情況下，需要土地利用類型出現(xiàn)在某個位置的概率有多大.Logistic回歸則常用于描述各變量與地物類型間的相關(guān)性，并得到顯著相關(guān)性的驅(qū)動因子[6].曾凌云[7]、戴聲佩[8]等諸多學(xué)者都利用Logistic回歸模型對研究區(qū)進(jìn)行模擬與分析，并取得了較好的模擬結(jié)果.

Markov模型的基本原理即通過前后狀態(tài)之間的變化得到轉(zhuǎn)移概率矩陣，模擬事件發(fā)生的變化及預(yù)測其發(fā)展變化趨勢.

S(t+1)=Pij*S(t)

(2)

圖1 系統(tǒng)動力學(xué)決策反饋環(huán)Fig.1 The system dynamics decision feedback loop

馬爾科夫轉(zhuǎn)移概率矩陣可以清晰地表達(dá)土地利用流向與轉(zhuǎn)化方向，并以數(shù)字的形式定量地表示各土地利用類型之間的轉(zhuǎn)化情況，在獲得土地利用各類型轉(zhuǎn)移數(shù)量的同時也反映了其變動程度[9].郭篤發(fā)[10]、杜際增[11]等諸多學(xué)者都利用Markov過程建立土地利用轉(zhuǎn)移概率矩陣對土地利用演化情況進(jìn)行模擬預(yù)測.馬爾科夫模型通常與灰色預(yù)測模型結(jié)合使用，如焦繼宗[12]利用Gray-Markov預(yù)測民勤綠洲未來土地利用類型面積的變化，模擬精度達(dá)到85.72%.

系統(tǒng)動力學(xué)(System Dynamics，簡稱SD)模型是建立在控制論、系統(tǒng)論和信息論基礎(chǔ)上研究反饋系統(tǒng)結(jié)構(gòu)、功能和動態(tài)行為的一類模型，常用于解決非線性系統(tǒng)問題.其特點是通過流量函數(shù)(Flow)、狀態(tài)變量(Stock)、流線(Connector)和輔助變量(Convertor)等基本要素構(gòu)成模型決策反饋環(huán)(圖1)[13].土地利用系統(tǒng)與經(jīng)濟、社會和生態(tài)系統(tǒng)等相互影響，各系統(tǒng)要素之間相互作用、相互制約，形成一定的反饋機制，因其具有系統(tǒng)動力學(xué)決策反饋環(huán)所具有的動力學(xué)特征，不少學(xué)者將系統(tǒng)動力學(xué)用于土地利用的模擬研究[14].李志[15]、錢國英[16]等對其開展了深入有成效的研究.

然而，在實際模擬土地利用演化過程中，以上所述模型仍存在著不足.首先，作為LUCC數(shù)量預(yù)測模型，上述各模型存在著一個共同的特征，即模擬結(jié)果只是在數(shù)量和面積上的變化，無法分析空間上的格局變化.如SD模型缺乏對空間因素的處理能力和各要素在空間上的反饋；Markov數(shù)量轉(zhuǎn)移方面具備優(yōu)勢，卻無法得知地物類型在空間上的變化程度.其次，受到研究者主觀性的影響.如Logistic回歸模型和SD模型在建模時，模型結(jié)構(gòu)和參數(shù)的設(shè)定、影響因子的選取都是人為主觀確定.第三，受不規(guī)律性的影響.如Markov模型是通過分析過去土地利用的變化得到轉(zhuǎn)移概率矩陣，并用來模擬預(yù)測土地利用的未來變化趨勢，而實際情況中，土地利用的變化受到自然和人為因素的影響，自然因素的變化幅度較小，影響較?。坏藶橐蛩厥遣灰?guī)律的，會受到政策調(diào)控等的影響，如土地利用政策、經(jīng)濟發(fā)展政策等等，相對來說起主要作用，且具有不可預(yù)測和不可控制性，因此前后時間段的土地利用變化驅(qū)動力不同，不同地物類型間的轉(zhuǎn)移概率也會有變化，最終會影響預(yù)測的精度.

2 LUCC空間預(yù)測模型

LUCC數(shù)量預(yù)測模型雖然能體現(xiàn)LUCC的大體變化趨勢，卻不能反映具體地位置變化信息，因而無法預(yù)知其空間格局的分布變化.LUCC空間預(yù)測模型相比于單純的數(shù)量預(yù)測具有空間模擬的優(yōu)勢，解決了“where”的問題.大量學(xué)者開始轉(zhuǎn)向?qū)UCC空間分布格局的研究，結(jié)合近年來飛速發(fā)展的遙感和GIS技術(shù)，開展了對LUCC在多時空尺度上的變化，各系統(tǒng)間的相互作用，以及近年來備受關(guān)注的“人類-環(huán)境”的關(guān)系等一系列研究.常見LUCC空間預(yù)測模型主要有：CLUE-S、GEOMOD、SLEUTH、CA、MAS等.

2.1 CLUE-S模型

CLUE-S(Conversion of Land Use and its Effects at Small Region Extent, 簡稱CLUE-S)模型是模擬較小尺度的區(qū)域土地利用變化及其環(huán)境效應(yīng)的空間多尺度模型[17].該模型一般假設(shè)某地區(qū)的土地利用變化受土地利用需求驅(qū)動，并且該地區(qū)的土地利用分布格局總是與土地需求及自然社會經(jīng)濟狀況處于動態(tài)平衡狀態(tài)，在此基礎(chǔ)上，結(jié)合影響土地利用變化的自然和人文驅(qū)動因子，以確定柵格單元上的土地利用類型.CLUE-S模型由空間模塊和非空間模塊兩部分組成(圖2).非空間模塊相對于空間模塊獨立運算完成，主要計算土地利用需求引起的土地利用類型及面積，可以根據(jù)研究區(qū)社會經(jīng)濟情況，利用情景分析或趨勢外推等方法確定.空間模塊用來模擬各種地物類型空間分配格局，是CLUE-S模塊的核心，主要負(fù)責(zé)未來土地利用需求在空間上的分配，它是以柵格化空間數(shù)據(jù)為基礎(chǔ)，計算得到各個地物類型的轉(zhuǎn)移概率、轉(zhuǎn)移彈性等，應(yīng)用算法計算土地利用數(shù)據(jù)在空間上的權(quán)重分配，以模擬土地利用的空間變化特征(圖3).

圖2 CLUE-S模型結(jié)構(gòu)示意圖Fig.2 The structure schematic view of CLUE-S modeling

圖3 CLUE-S模型空間分配結(jié)構(gòu)圖Fig.3 The Space allocation structure of CLUE-S modeling

CLUE-S模型綜合了自然與人文驅(qū)動因子，且能揭示土地利用變化的主要驅(qū)動因子；綜合了空間分析與非空間分析的特點，同時能實現(xiàn)空間多尺度及不同情景變化的研究，受到了國內(nèi)外學(xué)者的廣泛關(guān)注.Batty M等運用CLUE-S模型成功模擬了奈曼旗和科爾沁沙地的土地利用時空動態(tài)變化[18]；Overmars等利用歸納法和演繹法構(gòu)建了菲律賓呂宋島東北部的卡格揚河流域的土地利用類型概率分布適宜圖，并運用CLUE-S模型對該區(qū)域的土地利用分布格局進(jìn)行模擬預(yù)測[19].CASTELLA J C和KAM S P, VERBURG P H等結(jié)合多主體模型與CLUE-S模型，模擬了越南山區(qū)土地利用格局的變化[20-21].Verburg等結(jié)合全球經(jīng)濟模型和綜合評估模型計算了歐洲農(nóng)業(yè)生產(chǎn)率和土地利用需求的變化，并利用CLUE-S模型對歐洲未來的土地利用空間格局進(jìn)行動態(tài)模擬分析[22].Britz等在1km×1km分辨率下，利用CLUE-S模型與CAPRI-Spat模型相結(jié)合預(yù)測2025年歐洲農(nóng)業(yè)景觀格局的變化[23].周成虎[24]、馮仕超[25]、吳浩[26]等諸多國內(nèi)學(xué)者對其開展了深入研究.

然而，由于CLUE模型在局部土地利用格局的演化分配上主要以統(tǒng)計和經(jīng)驗?zāi)Ｐ蜑榛A(chǔ)，難以充分反映土地利用微觀格局演化的復(fù)雜性特征.CLUE-S模型雖然在空間尺度上實現(xiàn)了多尺度的研究，但缺乏對時間多尺度的研究，且模擬時間較短，一般為20年.在模擬過程中，地物類型受到限制，只能模擬13種地物類型，所以在模擬土地利用的空間演變格局中仍存在著局限性.

2.2 元胞自動機

元胞自動機(Cellular Automata, CA)模型是一種時間、空間和狀態(tài)都離散的動力學(xué)模型，模型主要由元胞、元胞空間、時間、領(lǐng)域和轉(zhuǎn)換規(guī)則5個部分組成.通過許多相同的元胞(即網(wǎng)格)以均勻的方式排列，每個元胞只有幾種可能的狀態(tài)，并且只和周圍的幾個元胞有相互作用.某一元胞t+1時刻的狀態(tài)由該元胞t時刻的狀態(tài)與該時刻領(lǐng)域元胞的狀態(tài)的函數(shù)決定，即：

St+1=f(St，Nt)

(3)

其中，St+1為某元胞下一時刻的狀態(tài)，St為該元胞在上一時刻的狀態(tài)，Nt為該元胞上一時刻領(lǐng)域的狀態(tài)，f為元胞與領(lǐng)域間的轉(zhuǎn)換規(guī)則函數(shù).

CA的特點是通過定義局部元胞鄰近關(guān)系以及轉(zhuǎn)換規(guī)則，從而表示和模擬整個系統(tǒng)中復(fù)雜現(xiàn)象的時空動態(tài)變化(圖4).而如何定義轉(zhuǎn)換規(guī)則是CA模型的核心.使用較廣的有層次分析法、Logistic回歸法、神經(jīng)網(wǎng)絡(luò)訓(xùn)練法、決策樹等方法.

圖4 元胞自動機的組成(據(jù)周成虎)Fig.4 The Composition of Cellular Automata(From Zhou Q H)

圖5 多智能體模型構(gòu)成Fig.5 The constitute Multi-agent System models

LUCC模型除了深入研究土地利用變化驅(qū)動因子，還需注重對土地利用影響的反饋機制研究.而較為廣泛的反饋機制是t時刻的土地利用依賴于t-1時刻的土地利用，CA模型正能反映出這種土地利用變化過程的反饋.近幾十年來，CA模型受到廣泛的重視，被越來越多地應(yīng)用于城市擴張和土地利用演化的模擬研究，并取得諸多研究成果，都表明了CA模型可以比較有效地反映土地利用微觀格局演化的復(fù)雜性特征.White R和Engelen G多次將CA模型應(yīng)用于城市土地利用變化的模擬研究，如運用CA模型模擬預(yù)測美國Cincinnati市的城市發(fā)展，研究全球氣候變化對Caribbean島的土地利用結(jié)構(gòu)變化的影響等，并取得良好的模擬效果[27-28].Keith C. Clarke和Leonard J. Gaydos將研究重點放在元胞間的相互作用上，把CA模型擴展到更大區(qū)域的土地利用研究上[29].近年來國內(nèi)對元胞自動機的研究發(fā)展迅速.Wu等利用限制性元胞自動機模擬了廣州市土地利用變化[30].羅平等以深圳為例，構(gòu)建了基于地理特征概念的CA模型(Geo Feature-CA)，模擬研究區(qū)土地利用動態(tài)變化過程，并將模擬結(jié)果與實際數(shù)據(jù)進(jìn)行對比，證明模擬結(jié)果的可行性[31].黎夏[32]、胡茂桂[33]、王磊[34]等構(gòu)建了ANN-CA模型分別模擬了研究區(qū)土地利用的變化.

CA模型在模擬復(fù)雜系統(tǒng)的土地利用轉(zhuǎn)化關(guān)系時仍存在不足：CA模型是通過定義局部元胞鄰域的相互作用而達(dá)到整個系統(tǒng)的模擬，而復(fù)雜系統(tǒng)中各因素的行為除了局部小環(huán)境的作用，還受到系統(tǒng)整體環(huán)境的影響；元胞自動機的元胞空間是理想狀態(tài)下的均質(zhì)空間，而真實的地理環(huán)境是非均勻空間，導(dǎo)致模擬的結(jié)果與真實地理狀況存在差異；元胞的狀態(tài)變化取決于自身及周圍元胞的狀態(tài)集合，而元胞領(lǐng)域間的轉(zhuǎn)換規(guī)則的確定仍是一個難題.

2.3 多智能體系統(tǒng)

多智能體系統(tǒng)(Multi-Agent System, 簡稱MAS)是由多個相互作用的Agent計算單元組成的系統(tǒng).每個Agent都具備一定的功能，但僅靠單個Agent往往無法描述和解決現(xiàn)實中的復(fù)雜問題.因此，需要通過多個Agent之間的相互協(xié)作，才能達(dá)到共同的整體目標(biāo)，從而解決復(fù)雜的問題(圖5).Agents代表在虛擬環(huán)境中具有自主能力、可以進(jìn)行有關(guān)決策的實體，這些實體可以是人類、機構(gòu)或環(huán)境等.如居民Agent、房地產(chǎn)Agent、政府Agent、環(huán)境Agent等.因此，多智能體系統(tǒng)在結(jié)合考慮“人類-環(huán)境”的相互關(guān)系中相比其它模型有著無可比擬的優(yōu)勢.

地理空間系統(tǒng)動態(tài)發(fā)展是空間微觀個體相互作用的結(jié)果，MAS的核心思想就是由微觀個體的相互作用產(chǎn)生宏觀全局的變化[35].Parker D C等通過與傳統(tǒng)方法比較，用大量理論與實例論證了MAS用于LUCC預(yù)測研究的優(yōu)勢，并說明MAS模型適用于模擬由多決策主體組成的復(fù)雜空間交互系統(tǒng)[36].劉小平等利用所構(gòu)建的MAS模型模擬廣州市海珠區(qū)1995-2004年土地利用空間格局的變化，并與實際情況對比檢驗，總精度達(dá)到78.6%[37].張鴻輝等基于MAS理論構(gòu)建了城市土地擴張模型，應(yīng)用所構(gòu)建模型模擬與分析對長沙市區(qū)的土地擴張狀況，將模擬結(jié)果與遙感解譯結(jié)果對比檢驗，精度均達(dá)到68%[38].張云鵬等基于MAS理論構(gòu)建土地利用情景模擬模型，應(yīng)用所構(gòu)建模型模擬2006-2020年常州市新北區(qū)的土地利用變化狀況，結(jié)果證明空間全局?jǐn)M合度較好，MAS模型可應(yīng)用于區(qū)域土地利用變化的模擬[39].周淑麗等以廣州市番禺區(qū)為研究區(qū)，構(gòu)建多智能體城市擴張模型，運用所構(gòu)建模型模擬研究區(qū)2003-2008年的城市擴張動態(tài)過程，并與實際土地利用情況對比檢驗，總體模擬精度為85.83%[40].

MAS模型在土地利用動態(tài)變化模擬中仍存在著以下不足：MAS模型的關(guān)鍵是如何定義復(fù)雜系統(tǒng)中的多智能體及其行為，而社會經(jīng)濟系統(tǒng)極其復(fù)雜，很難有一個統(tǒng)一的模式；模型模擬過程中，Agent的決策行為和規(guī)則相當(dāng)復(fù)雜，如何對Agent進(jìn)行抽象化，如何說明各類Agent對外部信息做出感應(yīng)并及時反饋仍是難點.

3 LUCC耦合模型

單一的模型難以滿足實際土地利用的復(fù)雜變化，多模型的綜合應(yīng)用是LUCC模型發(fā)展的必然趨勢.在實際LUCC情況下，空間和非空間模型相互作用、相互聯(lián)系(圖6).空間模型主要分析土地利用的空間格局和生態(tài)環(huán)境的空間關(guān)系；而非空間模型則多側(cè)重研究引起土地利用變化的直接因子和潛在因素[41].越來越多的學(xué)者將數(shù)量預(yù)測和空間預(yù)測模型結(jié)合進(jìn)行模擬預(yù)測土地利用的動態(tài)變化.

圖6 LUCC的數(shù)量特征和空間特征的關(guān)系Fig.6 Relationship between the quantity and the spatial location of LUCC

CLUE-S模型主要是基于對未來土地需求量與空間驅(qū)動因子之間的聯(lián)系，對地物類型間的競爭關(guān)系進(jìn)行空間上的模擬.而Markov模型常用于預(yù)測土地利用需求量，可為CLUE-S模型提供未來土地需求量的數(shù)據(jù).周銳[42]、朱春嬌[43]等學(xué)者將二者結(jié)合對研究區(qū)進(jìn)行了模擬預(yù)測，模擬結(jié)果精度較高.CA模型具有復(fù)雜空間動態(tài)模擬的能力，Markov轉(zhuǎn)移概率矩陣具有在數(shù)量上定量化預(yù)測的優(yōu)勢.Sumeeta Srinivasan將Markov鏈與CA模型結(jié)合，構(gòu)建CA-Markov模型，模擬印度Delhi地區(qū)的快速城市化過程[44].趙建軍[45]、趙冠偉[46]、肖明[47]等國內(nèi)諸多學(xué)者也利用CA-Markov模型來預(yù)測未來土地利用分布格局.何丹[48]、孫哲[49]等構(gòu)建Logistic-CA-Markov耦合模型對研究區(qū)未來土地利用結(jié)構(gòu)進(jìn)行模擬預(yù)測.何春陽等綜合自上而下的SD模型和自下而上的CA模型，發(fā)展了土地利用情景變化動力學(xué)LUSD(Land Use Scenario Dynamics model)模型，并利用該模型模擬了中國北方13省未來20年土地利用變化.同時利用大都市區(qū)土地利用情景變化動力學(xué)LUSD-M(Land Use Scenario Dynamics model in Metropolitan area)模型，模擬北京大都市2004-2020年土地利用情景變化格局[50].李月臣等以中國北方13省為例，在LUSD的基礎(chǔ)上，引入ANN，簡化了CA模型模擬過程中參量權(quán)重確定問題，提高了參量權(quán)重值確定的精度和模擬結(jié)果的可靠性，將SD、ANN、CA三者結(jié)合構(gòu)建模擬模型，對研究區(qū)域多種地物類型的變化進(jìn)行模擬，模擬精度達(dá)到74%[51].

人類和所處環(huán)境相互作用，形成一個開放的、綜合的復(fù)合系統(tǒng).如何處理“人類-環(huán)境”之間的關(guān)系，對于預(yù)測土地利用變化至關(guān)重要.MAS模型可通過微觀Agent間的相互作用，對復(fù)雜系統(tǒng)做出反應(yīng)和決策行為，體現(xiàn)了“人”的主動性；CA模型則主要考慮自然環(huán)境要素，體現(xiàn)的“地”的作用.Ligtenberg等結(jié)合MAS和CA模型，并引入政府的主導(dǎo)因素，構(gòu)建土地利用規(guī)劃模型，實現(xiàn)了微觀決策行為主體的多樣化和決策主體間的決策交互行為[52].Sudhira將CA與MAS相結(jié)合，構(gòu)建了城市擴張模型，以印度Mangalore市為例進(jìn)行仿真模擬，并驗證了模型的可靠性[53].Vancher等結(jié)合CA與MAS構(gòu)建城市增長的動態(tài)模擬模型，其中，模型的時間狀態(tài)和不同Agent之間的決策交互行為分別利用泊松分布隨機函數(shù)表征和用模糊決策理論表示，利用所構(gòu)建模型成功地模擬了瑞士南部城市Lugano的城市動態(tài)演化[54].黎夏等提出地理擬優(yōu)化系統(tǒng)GeoSOS，該系統(tǒng)由元胞自動機(CA)、多智能體(MAS)、生物智能(SI)三部分組成[55].其核心內(nèi)容是基于微觀個體的相互作用，達(dá)到整體系統(tǒng)的模擬和優(yōu)化的目的.并以東莞市的謝崗鎮(zhèn)作為研究區(qū)模擬2001、2004、2007、2010和2013年的土地利用分布狀況，并與非耦合模型比較，耦合模型產(chǎn)生的效用值分別高出4.3%(點狀優(yōu)化)和4.1%(線狀優(yōu)化)，表明GeoSOS能夠優(yōu)化結(jié)果.

4 結(jié)論與展望

4.1 結(jié)論

文章重點總結(jié)了近年來用于模擬土地利用演變的多種LUCC預(yù)測模型，并比較不同模型的優(yōu)缺點.由于土地利用系統(tǒng)的復(fù)雜性，難以建立一個普適性模型.不同的模型有其優(yōu)勢以及適用的范圍，對不同的研究區(qū)進(jìn)行預(yù)測時需根據(jù)特定要求選取合適的模型或選擇多個模型綜合應(yīng)用.在LUCC數(shù)量預(yù)測模型中，Logistic回歸模型能夠通過對驅(qū)動因子與土地利用類型之間的相關(guān)性分析得出顯著性驅(qū)動因子，并定量化驅(qū)動因子與土地利用類型之間的關(guān)系.系統(tǒng)動力學(xué)所具有的反饋機制正是LUCC系統(tǒng)的一個重要特征，不同地物類型的變化所引起的反饋，驅(qū)動因子導(dǎo)致的土地利用變化反饋于驅(qū)動因子的變化，不同時空尺度的研究所造成的影響等反饋作用，都是在實際模擬土地利用演變趨勢中需要考慮的問題.Markov轉(zhuǎn)移概率矩陣能在一定條件下提供穩(wěn)定的土地利用轉(zhuǎn)移速率，但在人類過度干擾和政策性變化等不可控因素下，基于前期的土地利用轉(zhuǎn)移速率并不能用來預(yù)測未來土地利用的變化.LUCC空間預(yù)測模型較LUCC數(shù)量預(yù)測模型更有優(yōu)勢，因此使用范圍更廣.CLUE-S模型，具有在多種不同空間尺度下進(jìn)行模擬的能力，并可根據(jù)不同的可能性對其發(fā)展趨勢設(shè)置不同的情景進(jìn)行預(yù)測.CA預(yù)測模型的研究重點仍是如何定義CA的模型結(jié)構(gòu)、轉(zhuǎn)換規(guī)則和模擬真實情景時涉及的空間變量和參數(shù).對于MAS，該模型的關(guān)鍵是如何定義復(fù)雜系統(tǒng)中的Agent和Agent的決策行為，以及如何定義多個Agent間的相互關(guān)系.模型中Agent類型過多，系統(tǒng)過于復(fù)雜，實用性不強；Agent類型過少，又無法準(zhǔn)確地表達(dá).外部環(huán)境條件影響居民Agent的決策行為，同時，居民Agent的決策又反過來影響地理環(huán)境要素.所以，如何確定和定義影響土地變化的決策Agent，如何反映Agent的決策行為，仍是研究的重點與難點.

4.2 展望

由于人類活動和城市擴張的加劇，土地利用/土地覆蓋受到了顯著破壞，本文以土地利用/土地覆蓋為研究對象，綜合論述了多種LUCC預(yù)測模型在土地利用/土地覆蓋的動態(tài)模擬和對未來格局預(yù)測中的應(yīng)用，對分析土地利用主要面臨的威脅、土地利用資源的潛在風(fēng)險，和合理規(guī)劃利用土地資源、保護(hù)資源的可持續(xù)發(fā)展提供科學(xué)依據(jù)，這項研究對土地結(jié)構(gòu)的預(yù)測、保護(hù)以及合理利用具有重要的實際意義.

本文通過對LUCC預(yù)測模型的總結(jié)論述發(fā)現(xiàn)，LUCC模型從數(shù)量預(yù)測模型到空間預(yù)測模型，從單一模型到耦合模型不斷發(fā)展；多模型、多技術(shù)的綜合應(yīng)用是LUCC發(fā)展的必然趨勢.在實際應(yīng)用中，LUCC模型應(yīng)用范圍不斷擴大，模擬精度不斷提高，為政府的決策提供了重要的信息.但是，LUCC模型仍面臨著諸多挑戰(zhàn)和難點，雖然CLUE-S模型實現(xiàn)了空間多尺度的研究，但仍缺乏對時間多尺度和長時間序列的研究；不同時空尺度的對驅(qū)動因子的影響與其反饋機制將是LUCC的研究重點之一；LUCC的實質(zhì)問題是“人類-環(huán)境”的關(guān)系問題，如何系統(tǒng)準(zhǔn)確地利用模型描述人類活動和決策，如何在模型中抽象和簡化人類與環(huán)境的相互影響與反饋作用仍是LUCC的難點與挑戰(zhàn)之一.從全球尺度上來說，目前國際上還未能建立一個具有代表性的LUCC全球模型，如何建立統(tǒng)一指標(biāo)體系，如何實現(xiàn)技術(shù)合作與數(shù)據(jù)共享，以創(chuàng)建全球性的LUCC分析模型是未來LUCC研究所面臨的挑戰(zhàn).

[1] LIU J ，KUANG W, ZHANG Z, et al. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014, 24(2): 195-210.

[2] SU C, FU B, LU Y, et al. Land Use Change and Anthropogenic Driving Forces: A Case Study in Yanhe River Basin[J]. Chinese Geographical Science, 2011 ，21(5)： 587-599.

[3] 唐華俊, 吳文斌, 楊鵬, 等. 土地利用/土地覆被變化(LUCC)模型研究進(jìn)展[J]. 地理學(xué)報, 2009, 64(4): 456-468.

[4] 韓會然, 楊成鳳, 宋金平. 北京市土地利用空間格局演化模擬及預(yù)測[J]. 地理科學(xué)進(jìn)展, 2015, 34(8): 976-986.

[5] 崔敬濤. 基于Logistic-CA-Markov模型的臨沂市土地利用變化模擬預(yù)測研究[D]. 南京: 南京大學(xué), 2014.

[6] 李洪, 宮兆寧, 趙文吉, 等. 基于Logistic回歸模型的北京市水庫濕地演變驅(qū)動力分析[J].地理學(xué)報, 2012, 67(3): 357-367.

[7] 曾凌云, 王鈞, 王紅亞. 基于GIS和Logistic回歸模型的北京山區(qū)耕地變化分析與模擬[J]. 北京大學(xué)學(xué)報(自然科學(xué)版), 2009, 45(1): 165-170.

[8] 戴聲佩, 張勃. 基于CLUE-S模型的黑河中游土地利用情景模擬研究——以張掖市甘州區(qū)為例[J]. 自然資源學(xué)報, 2013, 28(2):336-347.

[9] 王錚, 吳健平, 鄧悅, 等. 城市土地利用演變信息的數(shù)據(jù)挖掘——以上海市為例[J]. 地理研究, 2002, 21(6): 675-681.

[10] 郭篤發(fā). 利用馬爾科夫過程預(yù)測黃河三角洲新生濕地土地利用/覆被格局的變化[J]. 土壤, 2006, 38(1): 42-47.

[11] 杜際增, 王根緒, 李元壽. 基于馬爾科夫鏈模型的長江源區(qū)土地覆蓋格局變化特征[J]. 生態(tài)學(xué)雜志, 2015, 34(1): 195-203.

[12] 焦繼宗. 民勤綠洲土地利用/覆蓋時空演變及模擬研究[D]. 蘭州: 蘭州大學(xué), 2012.

[13] SHEN L Y, WU Y Z, CHAN E H W, et al. Application of system dynamics for assessment of sustainable performance of construction projects [J]. .Journal of Zhejiang University (Science, A) 2005, 6(4): 339-349.

[14] 何春陽, 史培軍, 李景剛, 等. 中國北方未來土地利用變化情景模擬[J]. 地理學(xué)報, 2004, 59(4): 599-607.

[15] 李志, 周生路, 陸長林, 等. 基于系統(tǒng)動力學(xué)城市邊緣區(qū)土地利用變化模擬與預(yù)測——以南京市江寧區(qū)為例[J]. 土壤, 2010, 42(2): 314-318.

[16] 錢國英，張長勤，董斌，等. 基于遙感與系統(tǒng)動力學(xué)模型的土地利用/覆被變化研究[J]. 遙感信息, 2014, 29(1): 44-50.

[17] 吳健生, 馮喆, 高陽，等. CLUE-S模型應(yīng)用進(jìn)展與改進(jìn)研究[J]. 地理科學(xué)進(jìn)展, 2012, 31(1): 3-10.

[18] BATTY M, XIE Y. Possible urban automata[J]. Environment and Planning B: PLANNING AND DESIGN, 1997, 24(2): 175-192.

[19] OVERMARS K P, VERBURG P H. Comparison of a deductive and an inductive approach to specify land suitability in a spatially explicit land use model [J]. Land Use Policy, 2007, 24(3): 584-599.

[20] CASTELLA J C, KAM S P, QUANG D D, et al. Combining top-down and bottom-up modelling approaches of land use/cover change to support public policies: Application to sustainable management of natural resources in northern Vietnam [J]. Land Use Policy, 2007, 24(3): 531-545.

[21] CASTELLA J C, VERBURG P H. Combination of process-oriented and pattern-oriented models of land-use change in a mountain area of Vietnam [J]. Ecological Modeling, 2007, 202(3/4): 410-420.

[22] VERBURG, P H. EICKHOUT, B. VAN MEIJL, H. A multi-scale, multi -model approach for analyzing the future dynamics of European land use [J]. Annals of Regional Science, 2008, 42(1): 57-77.

[23] BRITZ W, VERBURG P H, LEIP A. Modelling of land cover and agricultural change in Europe: Combining the CLUE and CAPRI-Spat approaches[J]. Agriculture, Ecosystems and Environment, 2011, 142(1/2): 40-50.

[24] 周成虎, 歐陽, 馬廷, 等. 地理系統(tǒng)模擬的CA模型理論探討[J]. 地理科學(xué)進(jìn)展, 2009, 28(6): 833-838.

[25] 馮仕超. 基于CLUE-S模型的湟水流域土地利用/土地覆蓋變化模擬研究[D]. 西寧: 青海師范大學(xué), 2012.

[26] 吳浩, 梅志雄, 李詩韻. 基于改進(jìn)CLUE-S模型的土地利用變化動態(tài)模擬與研究——以廣州市增城區(qū)為例[J]. 華南師范大學(xué)學(xué)報(自然科學(xué)版), 2015, 47(6): 98-104.

[27] WHITE R, ENGELEN G, ULJEE I. The use of constrained cellular automata for high-resolution modeling of urban land use dynamics[J]. Environment and Planning B, 1997, 24(3): 323-343.

[28] WHITE R, ENGELEN G. Cellular automata and fractal urban form: a cellular modelling approach to the evolution of urban land-use patterns[J]. Environment and Planning A, 1993, 25(8): 1175-1199.

[29] ALL-AHMADI K, HEPPENSTALLL A, HOGG J, ET AL. A fuzzy cellular automata urban growth model(fcaugm)for the city of riyadh,saudi arabia.part2:scenario testing[J]. Applied Spatial Analysis and Policy, 2009, 2(2): 85-105.

[30] WU F L. Calibration of stochastic cellular automata: the application to rural-urban land conversions [J]. International Journal of Geographical Sciences, 2002, 16(8): 795-818.

[31] 羅平, 杜清運, 雷元新,等. 地理特征元胞自動機及城市土地利用演化研究[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2004, 29(6):504-507.

[32] 黎夏, 葉嘉安. 基于神經(jīng)網(wǎng)絡(luò)的元胞自動機及模擬復(fù)雜土地利用系統(tǒng)[J]. 地理研究, 2005, 24(1): 19-27.

[33] 胡茂桂, 傅曉陽, 張樹清, 等. 基于元胞自動機的莫莫格濕地土地覆被預(yù)測模擬[J]. 資源科學(xué), 2007, 29(2): 142-148.

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

[35] 黎夏, 劉小平, 李少英. 智能式GIS與空間優(yōu)化[M]. 北京: 科學(xué)出版社，2010:111-112.

[36] PARKER D C, MANSON S M, JANSSEN M A, et al. Multi-agent systems for the simulation of land-use and land-cover change: a review [J]. Annals of the Association of American Geographers, 2003, 93(2): 314-337.

[37] 劉小平, 黎夏, 葉嘉安. 基于多智能體系統(tǒng)的空間決策行為及土地利用格局演變的模擬[J]. 中國科學(xué), 2006, 36(11): 1027-1036.

[38] 張鴻輝, 曾永年, 金曉斌, 等. 多智能體城市土地擴張模型及其應(yīng)用[J]. 地理學(xué)報, 2008, 63(8): 869-881.

[39] 張云鵬, 孫 燕, 陳振杰. 基于多智能體的土地利用變化模擬[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(4): 255-265.

[40] 周淑麗, 陶海燕, 卓莉. 基于矢量的城市擴張多智能體模擬——以廣州市番禺區(qū)為例[J]. 地理科學(xué)進(jìn)展, 2014, 33(2): 202-210.

[41] VERBURG P H, SCHOT P P, DIJST M J, et al. Land use change modelling: Current practice and research priorities[J]. GeoJournal, 2004, 61(4): 309-324.

[42] 周銳, 蘇海龍, 王新軍, 等. 基于CLUE-S模型和Markov模型的城鎮(zhèn)土地利用變化模擬預(yù)測——以江蘇省常熟市辛莊鎮(zhèn)為例[J]. 資源科學(xué), 2011, 33(12): 2262-2270.

[43] 朱春嬌. 基于Markov和CLUE-S模型的浦東新區(qū)土地利用變化趨勢分析[D]. 上海: 華東師范大學(xué)，2015.

[44] SRINIVASAN S. Linking land use and transportation in a rapidly urbanizing context: a study in delhi, India [J]. Transportation, 2005, 32(1): 87-104.

[45] 趙建軍, 張洪巖, 喬志和, 等. 基于CA-Markov模型的向海濕地土地覆被變化動態(tài)模擬研究[J]. 自然資源學(xué)報, 2009, 24(12): 2178-2186.

[46] 趙冠偉, 陳穎彪, 陳健飛, 等. CA-Markov模型空間尺度敏感性研究[J]. 地理科學(xué), 2011, 31(8): 897-902.

[47] 肖明, 吳季秋, 陳秋波, 等. 基于CA-Markov模型的昌化江流域土地利用動態(tài)變化[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(10): 231-238.

[48] 何丹, 金鳳君, 周璟. 基于Logistic-CA-Markov的土地利用景觀格局變化——以京津冀都市圈為例[J]. 地理科學(xué), 2011, 31(8): 903-910.

[49] 孫哲, 夏敏, 張敬梓. 基于Logistic-CA-Markov模型的快速城市化地區(qū)土地利用結(jié)構(gòu)變化研究[J]. 水土保持研究, 2013, 20(6): 213-217.

[50] 何春陽, 史培軍, 陳晉, 等. 基于系統(tǒng)動力學(xué)模型和元胞自動機模型的土地利用情景模型研究[J]. 中國科學(xué), 2005, 35(5): 464-473.

[51] 李月臣, 何春陽. 中國北方土地利用/覆蓋變化的情景模擬與預(yù)測[J]. 科技通報, 2008, 53(6): 713-723.

[52] LIGTENBERG A, BREGT A K, VAN LAMMEREN R. Multi-actor-based land use modelling:spatial planning using agents[J]. Landscape and Urban Planning, 2001, 56(1): 21-33.

[53] SUDHIRA H S. Integration of Agent-based and Cellular Automata Models for Simulating Urban Sprawl [J/OL]. International Institute for Geo, 2004[2016-10-10].https://www.researchgate.net/publication/268042359_Integration_of_Agent-based_and_Cellular_Automata_Models_for_Simulating_Urban_Sprawl.

[54] VANCHER A, GIORDANO P, ANDREY D, et al. Urban growth processing joining cellular automata and multiagent systems [J]. Environment and Planning B: Planning and Design, 2008, 35(4/5): 723-739/863-880.

[55] 黎夏, 劉小平, 何晉強,等. 基于耦合的地理模擬優(yōu)化系統(tǒng)[J]. 地理學(xué)報, 2009, 64(4): 457-468.

ResearchProgressonLand-useandLand-coverChangeScenarioSimulation

LIU Jiahong1,2, XU Lujie1,2， PAN Xiaojun3, HU Tangao1,2,ZHANG Dengrong1,2, WU Yiyue1,2, WANG Xiao1,2

(1.Institute of Remote Sensing and Earth Sciences, Hangzhou Normal University, Hangzhou311121, China;2.Zhejiang Provincial Key Laboratory of Urban Wetlands and Regional Change, Hangzhou 311121, China;3.Second Institute of Surveying and Mapping of Zhejiang Province, Hangzhou 310012, China)

Land-use and Land-cover Change (LUCC) is the major part of global changes, and LUCC prediction modelare are the main methods for land change study. In order to planning land use reasonable and promote the ecological sustainable development, it is much be of great importance for the research of temporal-spatial evolution and prediction simulation of the earth resource. Taking LUCC as the object,and combining with a large amount of previous researches, this study discusses the applications as well as the advantages and disadvantages of each model, summarizes the recent research progress for LUCC,and prospects of the development trend. The results show that LUCC prediction models have make an evolution from quantity prediction models to spatial prediction models, and from single model to coupling models. And each model is advantage in the special aspect. The inexorable development trend of LUCC is the integrated application of multi-model and multi-technology. Multi-scale temporal analysis in LUCC models needs for a better research. Furthermore, the feedbacks among each system and the relations of human-environment also are the key pointsof LUCC study.

LUCC; system dynamics; cellular automata; coupling model

2016-11-01

國家自然科學(xué)基金項目(41201458；21377166)；杭州市科技發(fā)展計劃項目(20150533B03).

胡潭高(1983—)，男，副教授，博士，主要從事土地利用演變模擬研究.E-mail:hutangao@163.com

10.3969/j.issn.1674-232X.2017.05.018

TP79

A

1674-232X(2017)05-0551-10