基于Logistic-CA-Markov模型的龍海市土地利用/覆被變化與模擬

陳訓(xùn)爭(zhēng), 范勝龍, 林曉丹, 黃炎和

(福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002)

基于Logistic-CA-Markov模型的龍海市土地利用/覆被變化與模擬

陳訓(xùn)爭(zhēng), 范勝龍, 林曉丹, 黃炎和

(福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002)

以2002、2008、2014年龍海市土地利用/覆被類型數(shù)據(jù)和Logistic回歸模型生成的各土地利用類型空間分布概率適宜性圖集為基礎(chǔ)，借助IDRISI軟件平臺(tái)，運(yùn)用CA-Markov模塊對(duì)龍海市土地利用變化進(jìn)行模擬預(yù)測(cè).結(jié)果表明：在粗放發(fā)展情景下，龍海市的耕地將被大量侵占，生態(tài)用地得不到有效保護(hù)，人地矛盾關(guān)系愈演愈烈；在城市規(guī)劃與區(qū)域發(fā)展情景下，龍海市未來各用地類型結(jié)構(gòu)的發(fā)展將趨于穩(wěn)定，表明土地利用政策法規(guī)的約束實(shí)施在一定程度上有利于促進(jìn)土地的可持續(xù)發(fā)展.

土地利用; Logistic-CA-Markov模型; 預(yù)測(cè); 龍海市

土地利用/覆蓋變化(land use and land cover change, LUCC)與全球環(huán)境變化密切相關(guān)，影響氣候變化、陸地生態(tài)系統(tǒng)碳循環(huán)、土壤以及區(qū)域產(chǎn)水量和水循環(huán)等[1].LUCC既是全球環(huán)境變化的原因，也是全球環(huán)境變化的結(jié)果.隨著城市經(jīng)濟(jì)的快速發(fā)展，城市生態(tài)環(huán)境及土地利用格局發(fā)生了劇烈的變化[2].因此，從多學(xué)科、多視覺、多層次和多尺度的角度分析解釋土地利用的變化規(guī)律，掌握土地利用變化的機(jī)理，全面掌握LUCC信息變得越發(fā)重要.利用特定區(qū)域的數(shù)據(jù)深入分析，構(gòu)建土地利用空間模擬分析模型，不僅能夠優(yōu)化政府土地利用規(guī)劃方案，也是實(shí)現(xiàn)土地利用合理化分配和可持續(xù)發(fā)展的有效方法.

當(dāng)前，LUCC的預(yù)測(cè)模型主要分為兩類[3-4]：一類是LUCC數(shù)量預(yù)測(cè)模型，主要實(shí)現(xiàn)用地類型數(shù)量的模擬，但無法實(shí)現(xiàn)土地利用空間位置的預(yù)測(cè).主要包括Markov模型、灰色模型、二元Logistic回歸模型、系統(tǒng)動(dòng)力學(xué)模型、BP人工神經(jīng)網(wǎng)絡(luò)等.另一類是LUCC空間預(yù)測(cè)模擬模型，這類模型的優(yōu)勢(shì)在于集合了空間預(yù)測(cè)模擬模型在處理復(fù)雜空間系統(tǒng)的能力和數(shù)量預(yù)測(cè)模型在土地利用類型數(shù)量預(yù)測(cè)的優(yōu)勢(shì)，能夠從空間和數(shù)量?jī)煞矫鎸?duì)土地利用的動(dòng)態(tài)演變信息進(jìn)行充分、有效地挖掘，使得預(yù)測(cè)結(jié)果精確度更高.主要包括元胞自動(dòng)機(jī)模型(CA)、CLUE-S模型、GEOMOD模型、AGENT模型等.

目前，國內(nèi)外模擬土地利用通常采用動(dòng)態(tài)預(yù)測(cè)模型，而對(duì)CA模型的空間規(guī)模相關(guān)性分析研究較少[5-7].現(xiàn)有的CA-Markov模型將各土地利用類型的概率轉(zhuǎn)移矩陣作為恒定值處理，缺少對(duì)自然與經(jīng)濟(jì)等非線性驅(qū)動(dòng)因素影響的考慮，為此需要改變過分依賴初始條件下的轉(zhuǎn)移概率矩陣的局面，加入能夠有效綜合非線性驅(qū)動(dòng)因素的定量方法.二元Logistic回歸方法是研究分類變量與多因素間關(guān)系的概率預(yù)測(cè)，充分考慮了自然、社會(huì)、經(jīng)濟(jì)等多因素的作用，能夠?qū)Χ嘁蛩剡M(jìn)行擬合分析，改變CA轉(zhuǎn)換規(guī)則，減少了主觀因素的影響[8-11].因此，本試驗(yàn)綜合CA模型模擬復(fù)雜空間變化的能力和Markov模型在數(shù)值演變方面優(yōu)勢(shì)的優(yōu)化版模型，采用基于Logistic-CA-Markov耦合模型，對(duì)試驗(yàn)區(qū)的土地利用類型進(jìn)行模擬.此模型采用Logistic回歸分析方法分析土地利用變化的主要驅(qū)動(dòng)力，并制作土地利用適宜性圖集，同時(shí)將其作為CA的轉(zhuǎn)換規(guī)則，從而使模擬預(yù)測(cè)得出的土地利用/覆被變化更加趨于準(zhǔn)確合理，研究結(jié)果可為政府部門土地利用規(guī)劃方案優(yōu)化提供參考.

1 材料與方法

1.1 試驗(yàn)區(qū)概況與數(shù)據(jù)源

龍海市地處福建省東南沿海，閩南經(jīng)濟(jì)區(qū)東南部(E 117°29′—118°14′，N 24°11′—24°36′).屬于南亞熱帶海洋性季風(fēng)氣候，降水充沛，氣候溫和，自然景觀四季常綠.土壤主要以水稻土、磚紅壤性紅壤和紅壤為主.試驗(yàn)區(qū)境內(nèi)植被屬閩粵沿海丘陵、平原亞熱帶雨林區(qū)，地帶性植被為南亞熱帶雨林.

本試驗(yàn)采用的龍海市土地利用變化數(shù)據(jù)由3個(gè)時(shí)段(2002、2008、2014年)的遙感影像數(shù)據(jù)經(jīng)過幾何校正、影像配準(zhǔn)、圖像鑲嵌/拼接、圖像裁剪以及圖像合成等預(yù)處理解譯分析得到.龍海市地形數(shù)據(jù)從DEM中獲取，人口數(shù)據(jù)主要來自對(duì)應(yīng)年份的《龍海市統(tǒng)計(jì)年鑒》[12]，社會(huì)經(jīng)濟(jì)數(shù)據(jù)(人均GDP)主要來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心.

1.2 預(yù)測(cè)模型建立

本試驗(yàn)運(yùn)用Logistic-CA-Markov耦合模型對(duì)龍海市土地利用/覆被類型進(jìn)行動(dòng)態(tài)模擬預(yù)測(cè).在該耦合模型中，CA的關(guān)鍵部分在于轉(zhuǎn)換規(guī)則.首先，運(yùn)用Markov模型計(jì)算出土地利用類型狀態(tài)轉(zhuǎn)移概率矩陣；然后，基于二元Logistic回歸模型對(duì)影響土地利用變化的自然與社會(huì)驅(qū)動(dòng)因子進(jìn)行回歸分析，并結(jié)合multi-criteria evaluation (MCE)約束條件對(duì)土地適宜性轉(zhuǎn)換規(guī)則進(jìn)行校正；最后，將校正后的轉(zhuǎn)換規(guī)則參與到CA模型的運(yùn)行中，實(shí)現(xiàn)對(duì)土地利用/覆被類型的模擬預(yù)測(cè).

1.2.1 數(shù)據(jù)預(yù)處理 由于模型預(yù)測(cè)是基于IDRISI軟件平臺(tái)完成的，因此需要將土地利用類型數(shù)據(jù)、適宜性圖等轉(zhuǎn)為其所支持的ASCII格式.同時(shí)，由于GIS與IDRISI軟件默認(rèn)的nodata值分別為-999和0，為避免模型運(yùn)轉(zhuǎn)出錯(cuò)及保證不同時(shí)期的土地利用/覆被類型具有同一屬性值，運(yùn)用IDRISI軟件平臺(tái)的Reclass模塊將-999、耕地、園地、林地、建設(shè)用地、水域用地、其他用地分別賦值為0、1、2、3、4、5、6，以此作為模型預(yù)測(cè)的基礎(chǔ)數(shù)據(jù).

1.2.2 試驗(yàn)區(qū)元胞構(gòu)成 (1)元胞、元胞狀態(tài)、元胞空間:試驗(yàn)區(qū)元胞代表的是土地利用柵格圖中的每個(gè)柵格.元胞的狀態(tài)代表的是每個(gè)柵格的屬性值所表示的土地利用類型.由二維四邊形所劃分成的空間范圍就是試驗(yàn)區(qū)元胞空間.

(2)領(lǐng)域定義:CA-Markov模型主要是通過構(gòu)造濾波器實(shí)現(xiàn)對(duì)鄰域的定義.其工作原理是根據(jù)構(gòu)造的濾波器來創(chuàng)建具有明顯空間意義的權(quán)重因子，并將獲取的權(quán)重因子作用于元胞，進(jìn)而來確定中心元胞所處狀態(tài)的轉(zhuǎn)變情況.

(3)轉(zhuǎn)換規(guī)則的定義:CA的核心部分在于對(duì)轉(zhuǎn)換規(guī)則的定義，其最大的意義在于實(shí)現(xiàn)對(duì)地理系統(tǒng)的有效模擬.本試驗(yàn)基于Logistic回歸方程的變形公式制成土地利用適宜性圖集，結(jié)合MCE約束條件對(duì)土地適宜性圖集進(jìn)行校正，以此來實(shí)現(xiàn)對(duì)CA轉(zhuǎn)換規(guī)則的定義.

(4)循環(huán)次數(shù)的設(shè)定:在保證模型精度的前提下，本試驗(yàn)采用等波長(zhǎng)的年份進(jìn)行預(yù)測(cè)，試驗(yàn)時(shí)期分別為2002、2008、2014和2020年，時(shí)間間隔為6年，設(shè)置循環(huán)次數(shù)為6.

1.2.3 精度檢驗(yàn) (1)數(shù)量精度檢驗(yàn):本試驗(yàn)檢驗(yàn)Logistic-CA-Markov耦合模型的數(shù)量結(jié)果主要采用數(shù)量精度誤差法[13].公式如下：

(1)

式中，E為第i類土地利用類型的數(shù)量誤差值；miy為第i類土地利用類型的模擬面積；mix為第i類土地利用類型的實(shí)際面積.E的絕對(duì)值越小，則表示該模擬模型的預(yù)測(cè)精度越高.

(2)空間精度檢驗(yàn):Kappa指數(shù)用于評(píng)價(jià)兩個(gè)圖件的一致性程度[14]，即通過土地利用/覆被類型實(shí)際圖與預(yù)測(cè)圖的Kappa指數(shù)計(jì)算，以此檢驗(yàn)?zāi)Ｐ偷目臻g精度，公式如下：

(2)

(3)

式中，Pa為元胞模擬一致的比例；Pc為在隨機(jī)情況下元胞模擬一致的比例；n1為模擬一致的元胞數(shù)；n為土地利用類型圖元胞的總數(shù)；N為土地利用類型分類數(shù)量.

當(dāng)00.75時(shí)，表示兩個(gè)圖件一致性較高，模擬結(jié)果較好，可信度高，可行性強(qiáng).

2 結(jié)果與分析

2.1 基于Logistic-CA-Markov模型的區(qū)域土地利用模擬預(yù)測(cè)精度驗(yàn)證

2.1.1 龍海市2014年土地利用模擬預(yù)測(cè) 利用Markov模塊工具，分別將2002、2008年與2008、2014年龍海市土地利用圖進(jìn)行疊加，時(shí)間間隔設(shè)置為6，正常比例誤差設(shè)置為0.1，得到2002—2008年和2008—2014年Markov轉(zhuǎn)移概率矩陣(表1、表2).

表1 龍海市2002—2008年土地利用轉(zhuǎn)移概率矩陣Table 1 Transition probability matrix of land use of Longhai City during 2002-2008

表2 龍海市2008—2014年土地利用轉(zhuǎn)移概率矩陣Table 2 Transition probability matrix of land use of Longhai City during 2008-2014

利用Logistic回歸模型，選取坡度、坡向、高程、地表的凹凸特征等自然因素，人均GDP、人口密度等社會(huì)經(jīng)濟(jì)因素，距離公路、火車站、河流、城鎮(zhèn)和村莊的5可達(dá)性作為驅(qū)動(dòng)因子，借助GIS的柵格計(jì)算，求出最佳模擬尺度下空間柵格里可能出現(xiàn)的某種土地利用類型的概率，得到龍海市6類土地利用類型的空間分布概率圖(圖1)，并運(yùn)用Collection Editor工具將各土地利用類型概率圖組成土地利用變化適宜性圖集.并運(yùn)用CA-Markov模塊，將2008年作為預(yù)測(cè)的基礎(chǔ)圖像，以2008年Logistic生成的土地利用適宜性圖集作為CA的轉(zhuǎn)換規(guī)則，并導(dǎo)入2002—2008年Markov轉(zhuǎn)移概率矩陣，設(shè)定5×5濾波器，循環(huán)次數(shù)為6，模擬得到2014年龍海市土地利用/覆被類型圖(圖2a).

圖1 龍海市土地利用類型空間分布概率圖Fig.1 Probability of spatial distribution of different land use types in Longhai City

土地利用/覆被類型實(shí)際面積km2模擬面積km2相差面積km2誤差/%耕地 239.17238.61-0.56-0.23園地 342.24372.0529.808.01林地 314.15314.800.650.21建設(shè)用地222.10238.4816.396.87水域用地132.51114.23-18.28-16.00其他用地648.20583.90-6.43-11.01

2.1.2 精度驗(yàn)證 (1)數(shù)量精度驗(yàn)證:將2014年龍海市土地利用現(xiàn)狀實(shí)際圖與模擬圖進(jìn)行空間疊置分析，得到實(shí)際面積與模擬面積的誤差表(表3).除了水域用地和其他用地的模擬精度<90%，其他用地類型的模擬精度均在90%以上，說明預(yù)測(cè)結(jié)果理想，符合試驗(yàn)需要.

(2)空間精度驗(yàn)證:運(yùn)用GIS的柵格計(jì)算，對(duì)比分析龍海市2014年土地利用類型實(shí)際圖與預(yù)測(cè)圖，得到土地利用模擬差異圖(圖2b)和模擬精度結(jié)果(表4).由模擬差異圖可以直觀地看出，不一致區(qū)域分布較少，說明各土地利用類型模擬結(jié)果均較好.由表4可知，龍海市2014年模擬Kappa指數(shù)為0.85>0.75，說明模擬結(jié)果較好，預(yù)測(cè)模型能夠較好的預(yù)測(cè)龍海市土地利用變化，數(shù)據(jù)結(jié)果較為理想.

a.2014年模擬圖;b.2014年模擬差異圖.圖2 2014年龍海市土地利用模擬圖Fig.2 Stimulated spatial land use distribution in 2014 and regions of difference from the actual situation

土地利用/覆被類型實(shí)際數(shù)/個(gè)模擬數(shù)/個(gè)一致數(shù)/個(gè)Kappa指數(shù)耕地 1522015271130120.855園地 2196023257199580.909林地 2006420147169960.847建設(shè)用地1434415263119400.832水域 8322667162910.756其他用地4116341734160.830總計(jì) 8402684026716130.852

2.2 龍海市2020年土地利用/覆被類型模擬預(yù)測(cè)

本研究分別設(shè)定粗放發(fā)展情景和城市規(guī)劃與區(qū)域發(fā)展情景兩種預(yù)測(cè)模式.粗放發(fā)展情景是在不加入政策約束情況下，在自然演化過程下對(duì)龍海市2020年土地利用進(jìn)行模擬預(yù)測(cè)，城市規(guī)劃與區(qū)域發(fā)展情景是在施加政策約束條件下進(jìn)行土地利用模擬預(yù)測(cè).

圖3 2020年龍海市粗放發(fā)展情景模擬圖Fig.3 Stimulated land use distribution under extensive mode of development in 2020

2.2.1 粗放發(fā)展情景預(yù)測(cè) 以2014年龍海市土地利用分類圖為基期，采用2008—2014年Markov轉(zhuǎn)移概率矩陣(表2)和2014年Logistic生成的土地利用適宜性圖集作為CA轉(zhuǎn)換規(guī)則，設(shè)定5×5濾波器，循環(huán)次數(shù)為6，模擬得到2020年龍海市土地利用/覆被類型圖(圖3).利用Logistic-CA-Markov模型實(shí)現(xiàn)了對(duì)2020年龍海市在粗放發(fā)展情景下的預(yù)測(cè)，得到粗放發(fā)展情景下的土地利用結(jié)果(表5).

由圖3和表5可知，在粗放發(fā)展情景下，龍海市2020年各土地利用類型與2014年變化趨勢(shì)仍然較為明顯，耕地、園地、林地都呈下降趨勢(shì)，建設(shè)用地保持增長(zhǎng)趨勢(shì).耕地在未來6年將減少29.10 km2，占土地總面積比例下降了2.19%，是下降幅度最大的土地利用類型.園地和林地面積也顯著減少，分別為14.62 km2(1.08%)和24.97 km2(1.87%).由于對(duì)水域用地沒有采取保護(hù)政策，面積也從132.51 km2減少到130.02 km2，占土地總面積比例下降了0.17%.其他用地類型小幅度增加了14.21 km2(1.09%).建設(shè)用地仍然呈擴(kuò)張趨勢(shì)，在未來6年面積達(dá)到了309.44 km2，增加87.34 km2(6.68%)，是增加幅度最明顯且最大的土地利用類型.在粗放發(fā)展情境下，未集約利用土地和嚴(yán)格限制建設(shè)用地?cái)U(kuò)張，城市發(fā)展以“攤大餅”方式粗放擴(kuò)展，導(dǎo)致區(qū)域耕地、園林、林地和水域面積急劇減少.

表5 龍海市2020年不同情景模擬結(jié)果統(tǒng)計(jì)表Table 5 Area and ratio of land use types under different scenario simulation in 2020

2.2.2 城市規(guī)劃與區(qū)域發(fā)展情景 根據(jù)龍海市土地利用總體規(guī)劃、主體功能區(qū)劃的劃定依據(jù)和內(nèi)容，結(jié)

圖4 2020年龍海市城市規(guī)劃與區(qū)域發(fā)展情景模擬圖Fig.4 Stimulated land use distribution under mode of city planning and development in 2020

合全市各鄉(xiāng)鎮(zhèn)自然資源條件和經(jīng)濟(jì)社會(huì)發(fā)展，在嚴(yán)格保護(hù)基本農(nóng)田的條件下和在限制建設(shè)用地侵占耕地、林地和園地的基礎(chǔ)上，加入兩個(gè)政策約束條件，即建設(shè)用地管制區(qū)和基本農(nóng)田保護(hù)區(qū)，將其與土地利用適宜性圖集進(jìn)行合并，組成城市規(guī)劃與區(qū)域發(fā)展情景的土地適宜性圖集作為CA的轉(zhuǎn)換規(guī)則，設(shè)定5×5濾波器，循環(huán)次數(shù)為6，得到龍海市城市規(guī)劃與區(qū)域發(fā)展情景模擬圖(圖4).

利用Logistic-CA-Markov模型實(shí)現(xiàn)了對(duì)2020年龍海市在城市規(guī)劃與區(qū)域發(fā)展情景下的預(yù)測(cè)，得到的土地利用結(jié)果如表5所示.

由圖4和表5可知，在城市規(guī)劃與區(qū)域發(fā)展情景下，即情景2下，受政策的約束條件限制，龍海市建設(shè)用地增長(zhǎng)的勢(shì)頭得到了控制，未來6年面積由222.10 km2增加到262.02 km2，面積占比上升了3.05%.耕地在政策的約束條件保護(hù)下，在未來6年面積將增加1.92 km2，面積占比上升了0.16%，在一定程度上得到了保護(hù).水域用地的面積雖然也在減少，但是在耕地保護(hù)政策的影響下，占總面積比例下降為0.18%.而園地和林地由于沒有受政策的保護(hù)，面積仍呈減少的趨勢(shì)，分別減少了21.70 km2和16.32 km2.在耕地保護(hù)政策的約束下，建設(shè)用地的增加只能通過侵占園地和林地來實(shí)現(xiàn)擴(kuò)張.

3 討論

本研究綜合二元Logistic回歸方法的多因素?cái)M合優(yōu)勢(shì)、CA模型模擬復(fù)雜空間變化的能力和Markov模型在數(shù)值演變方面的優(yōu)勢(shì)，采用基于Logistic-CA-Markov耦合模型，對(duì)研究區(qū)的土地利用類型進(jìn)行模擬.此模型采用Logistic回歸分析方法分析土地利用變化的主要驅(qū)動(dòng)力，并制作土地利用適宜性圖集，同時(shí)將其作為CA的轉(zhuǎn)換規(guī)則，從而使模擬預(yù)測(cè)得出的土地利用/覆被變化更加趨于準(zhǔn)確合理，研究結(jié)果可為政府部門土地利用規(guī)劃方案優(yōu)化提供參考.

由于受2002年TM遙感影像分辨率僅為30 m的影響，本研究難以對(duì)土地利用類型作更精細(xì)的解譯.此外，本研究對(duì)于龍海市的預(yù)測(cè)結(jié)果仍與實(shí)際情況存在局部不相符的地方，一方面是由于柵格數(shù)據(jù)在尺度轉(zhuǎn)換過程中存在空間自相關(guān)效應(yīng)問題，使得回歸模型在計(jì)算中存在一定不可避免的誤差.另一方面是由于模型的解釋變量在選取方面不夠全面，沒有考慮氣溫、降水、蒸發(fā)量等自然因素和科技等人文因素，這些數(shù)據(jù)的缺失可能是模擬結(jié)果與實(shí)際情況有所偏差的原因.

[1] 張新榮,劉林萍,方石,等.土地利用/覆被變化(LUCC)與環(huán)境變化關(guān)系研究進(jìn)展[J].生態(tài)環(huán)境學(xué)報(bào),2014,23(12):2 013-2 021.

[2] 鄭燕鳳.基于GIS的CA-MARKOV模型的土地利用變化研究[D].泰安:山東農(nóng)業(yè)大學(xué),2009.

[3] 史洪超.土地利用覆被變化(LUCC)研究進(jìn)展綜述[J].安徽農(nóng)業(yè)科學(xué),2012,40(26):13 107-13 110,13 125.

[4] SCHIRPKE U, LEITINGER G, TAPPEINER U et al. SPA-LUCC:Developing land-use/cover scenarios in mountain landscapes[J]. Ecological Informatics, 2012,12(11):68-76.

[5] 史曉亮,李穎,楊志勇.基于SWAT模型的諾敏河流域徑流對(duì)土地利用/覆被變化的響應(yīng)模擬研究[J].水資源與水工程學(xué)報(bào),2016,27(1):65-69.

[6] ANPUTHES M, JANMAAT J A, NICOL C F, et al. Modeling spatial association in pattern based land use simulation models[J]. Journal of Environmental Management, 2016,181:465-476.

[7] 楊俊,張永恒,葛全勝,等.基于GA-MACE算法的不規(guī)則鄰域CA土地利用模擬[J].地理研究,2016,35(7):1 288-1 300.

[8] 王美霞,任志遠(yuǎn),王永明.千河流域土地利用空間格局模擬及其影響因素分析[J].測(cè)繪科學(xué),2013,38(4):34-36,151.

[9] FANG S, GERTNER G Z, ANDERSON A B. Prediction of multiracial probability of land use change using a bisection decomposition and logistic regression[J]. Landscape Ecology, 2007,22(22):419-430.

[10] ARSANJANI J J, HELBICH M, KAINZ W, et al. Integration of logistic regression, Markov chain and cellular automate models to simulate urban expansion[J]. International Journal of Applied Earth Observation and Geo-information, 2013,21(1):265-275.

[11] DESSEL W V, ROMPEAY A V, SZILASSI P. Sensitivity analysis of logistic regression parameterization for land use and land cover probability estimation[J]. International Journal of Geographical Information Science, 2011,25(3):489-508.

[12] 龍海市統(tǒng)計(jì)局.龍海市統(tǒng)計(jì)年鑒[M].北京:中國統(tǒng)計(jì)出版局,2005.

[13] 左彤,何玲,張俊梅.基于CA-Markov模型的濱海土壤鹽漬化動(dòng)態(tài)變化研究——以黃驊市為例[J].資源科學(xué),2014,36(6):1 298-1 305.

[14] 韓文霆,郭聰聰,張立元,等.基于無人機(jī)遙感的灌區(qū)土地利用與覆被分類方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2016,47(11):270-277.

SpatialsimulationandanalysisoflanduseandlandcoverchangeofLonghaiCitybasedonLogistic-CA-Markovmodel

CHEN Xunzheng, FAN Shenglong, LIN Xiaodan, HUANG Yanhe

(College of Resource and Environment, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China)

To predict land use changes in Longhai City, land use data in 2002, 2008 and 2014 were firstly converted by IDRISI software, and spatial distribution probability of various land types was generated from Logistic-CA-Markov model. The results showed that in the scenario of extensive development area of arable land dropped mostly among all land use types, which was followed by forest land and garden. While area of construction land expanded sharply. When it comes to urban planning and regional development scenario, conversions of land use types with ecological functions to construction land was alleviated, so that arable land was protected to certain extent. Therefore, policy guidance and implementation of land use constraints are conducive to sustainable development of land.

land use and land cover change; Logistic-CA-Markov model; prediction; Longhai City

2017-06-29

2017-09-06

福建省自然科學(xué)基金資助項(xiàng)目(2015J01624).

陳訓(xùn)爭(zhēng)(1992-)，男，碩士研究生.研究方向：土地資源可持續(xù)利用.Email：757551818@qq.com.通訊作者黃炎和(1962-)，男，教授，博士生導(dǎo)師.研究方向：土壤侵蝕.Email：yanhehuang@163.com.

F301.2

A

1671-5470(2017)06-0685-07

10.13323/j.cnki.j.fafu(nat.sci.).2017.06.014

(責(zé)任編輯:蘇靖涵)