基于歷史情景的FLUS模型鄰域權(quán)重設(shè)置
——以閩三角城市群2030年土地利用模擬為例

王保盛,廖江福,祝 薇,邱全毅,王 琳,唐立娜,*

1 中國(guó)科學(xué)院城市環(huán)境研究所城市環(huán)境與健康重點(diǎn)實(shí)驗(yàn)室,廈門 361021 2 中國(guó)科學(xué)院大學(xué),北京 100049 3 集美大學(xué)計(jì)算機(jī)工程學(xué)院,廈門 361021

由于人們對(duì)土地利用變化的持續(xù)關(guān)注[1- 3],土地利用模擬模型的研究也隨之興起,模型多樣性得以豐富的同時(shí)各類模型參數(shù)更是層出不窮,因此,如何更為科學(xué)、客觀的設(shè)定模型參數(shù)正在成為影響土地利用模擬研究的重要因素之一。元胞自動(dòng)機(jī)(Cellular Automata, CA)作為諸多模型中最主要、且應(yīng)用廣泛的方法之一[4- 5],是很多模型研究的基礎(chǔ)。諸多以CA為基礎(chǔ)的模擬方法,譬如小尺度土地利用變化及效應(yīng)模型(The Conversion of Land Use and its Effects at Small region extent CLUE-S)、地理模擬優(yōu)化系統(tǒng)(Geographical Simulation and Optimization System, GeoSOS)、未來(lái)土地利用變化情景模擬模型(A Future Land Use Simulation Model FLUS)等,都是在整合驅(qū)動(dòng)力因素、變化規(guī)則、變化強(qiáng)度等因子的基礎(chǔ)上結(jié)合元胞理論,通過(guò)相應(yīng)的數(shù)學(xué)過(guò)程對(duì)各土地類型的變化量或總量進(jìn)行合理分配,進(jìn)而實(shí)現(xiàn)對(duì)設(shè)定情景的模擬[6- 10]。由于模型參數(shù)對(duì)模擬過(guò)程和結(jié)果的重要性[11-12],參數(shù)也越來(lái)越被關(guān)注,鄰域因子作為CA重要的參數(shù)之一,已在鄰域作用可控性[13]、擴(kuò)展鄰域效應(yīng)[14-15]、鄰域空間自組織性[16]、動(dòng)態(tài)鄰域[17-18]、鄰域敏感性[19]等諸多角度開(kāi)展了研究,但鄰域因子的權(quán)重系數(shù)目前仍缺乏客觀且簡(jiǎn)單的確定方法,相比基于主觀判斷的方法,本研究從歷史情景入手,通過(guò)對(duì)歷史客觀變化的分析來(lái)設(shè)定FLUS模型鄰域權(quán)重(Weight of Neighborhood),合理規(guī)避主觀判斷帶來(lái)的偏差,以增強(qiáng)模擬的客觀性和科學(xué)性。

土地利用變化是自然、社會(huì)、經(jīng)濟(jì)、政治等諸多影響因子復(fù)合作用的結(jié)果[20],是區(qū)域經(jīng)濟(jì)活力的指示劑,反映著特定時(shí)空尺度下土地利用方式、開(kāi)發(fā)強(qiáng)度、經(jīng)濟(jì)投入、政策導(dǎo)向等諸多因素的作用強(qiáng)度及其合理性[21],對(duì)未來(lái)土地利用情景客觀、合理的模擬,不僅可以掌握其變化、發(fā)展規(guī)律,還可以檢驗(yàn)當(dāng)前社會(huì)、經(jīng)濟(jì)政策對(duì)土地利用變化導(dǎo)向的合理性[22]。土地資源供需矛盾日益激化、土地利用變化引起的環(huán)境問(wèn)題等已經(jīng)開(kāi)始強(qiáng)烈的影響國(guó)計(jì)民生和可持續(xù)發(fā)展,對(duì)未來(lái)土地利用變化規(guī)律的把握正變得越來(lái)越迫切和重要。2017年初國(guó)務(wù)院發(fā)布的《全國(guó)國(guó)土規(guī)劃綱要(2016—2030年)》以2030年為本輪規(guī)劃的終期時(shí)間節(jié)點(diǎn)；同年,廈門市、泉州市、漳州市相繼發(fā)布《土地利用總體規(guī)劃(2006—2020年)調(diào)整完善方案》,均明確提出要不斷優(yōu)化土地開(kāi)發(fā)利用的結(jié)構(gòu)和布局,引導(dǎo)土地資源的合理、節(jié)約、集約利用；鑒于地方規(guī)劃統(tǒng)一于全國(guó)規(guī)劃、服從全國(guó)規(guī)劃整體協(xié)調(diào)的原則,綜合國(guó)家規(guī)劃的時(shí)間節(jié)點(diǎn)和區(qū)域規(guī)劃的具體要求,以閩三角城市群2030年土地利用情景的模擬為例也有其現(xiàn)實(shí)意義。

1 研究區(qū)概況及數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

閩三角城市群位于我國(guó)福建省東南部沿海(圖1),以廈門、泉州、漳州三個(gè)設(shè)區(qū)市為核心。地處亞熱帶海洋季風(fēng)氣候區(qū),年平均氣溫17—21℃,平均降雨量1400—2000 mm,水熱資源充沛?？偯娣e25381 km2,地形以低山丘陵為主,分布有玳瑁山、戴云山、博平嶺等山脈。區(qū)域內(nèi)水系發(fā)達(dá),有洛陽(yáng)江、晉江、西溪、九龍江等河流,素有“八山一水一分田”之說(shuō),耕地資源總量先天不足。區(qū)域內(nèi)土地類型主要以林地為主(圖1)。隨著建設(shè)用地面積增長(zhǎng)迅猛。統(tǒng)計(jì)顯示,截至2015年底區(qū)域總?cè)丝?737萬(wàn),地區(qū)生產(chǎn)總值12371億元,是中國(guó)改革開(kāi)放以來(lái)優(yōu)先發(fā)展起來(lái)的區(qū)域之一。近年來(lái)國(guó)家一路一帶戰(zhàn)略大力推進(jìn),閩三角城市群作為海峽西岸經(jīng)濟(jì)區(qū)的主要構(gòu)成部分和21世紀(jì)海上絲綢之路的重要節(jié)點(diǎn)在國(guó)家區(qū)域協(xié)同發(fā)展戰(zhàn)略中的地位和作用逐步凸顯,城鄉(xiāng)開(kāi)發(fā)建設(shè)得以大力推進(jìn)。然而快速開(kāi)發(fā)建設(shè)活動(dòng)導(dǎo)致的土地利用結(jié)構(gòu)失衡、集約化程度相對(duì)較低、土地資源供需矛盾尖銳以及利用方式粗放等問(wèn)題都給區(qū)域可持續(xù)發(fā)展埋下巨大的安全隱患。

圖1 閩三角城市群地理區(qū)位及2015年土地利用概況Fig.1 The location of urban agglomeration and the overview of land-use in 2015 of Golden Triangle of Southern Fujian

1.2 數(shù)據(jù)來(lái)源及數(shù)據(jù)處理

本研究所用數(shù)據(jù)主要包括2000年、2015年廈門、泉州、漳州三市區(qū)域的建設(shè)用地分布、鎮(zhèn)及以上居民點(diǎn)分布、鐵路分布、公路分布、河流及灘涂水域分布、高程數(shù)據(jù),以上數(shù)據(jù)主要來(lái)自全國(guó)地理信息資源目錄服務(wù)系統(tǒng)(http://www.webmap.cn)；最熱月(7月)、最冷月(1月)的降水分布數(shù)據(jù)[23],該數(shù)據(jù)來(lái)自WorldClim-Global Climate Data(http://worldclim.org)；人口空間分布數(shù)據(jù)[24],該數(shù)據(jù)來(lái)源于歐盟數(shù)據(jù)目錄聯(lián)合研究中心(http://data.jrc.ec.europa.eu)；GDP空間分布數(shù)據(jù)[25],該數(shù)據(jù)來(lái)自全球變化科學(xué)研究數(shù)據(jù)出版系統(tǒng)(http://www.geodoi.ac.cn)；土地利用數(shù)據(jù)(2000年、2005年、2008年、2010年、2015年),該數(shù)據(jù)均由對(duì)應(yīng)年份的遙感影像解譯獲得；OSM(Open Street Map)數(shù)據(jù),該數(shù)據(jù)來(lái)自GEOFABRIK(http://www.geofabrik.de/),在此數(shù)據(jù)基礎(chǔ)上通過(guò)ArcMap數(shù)據(jù)處理軟件將區(qū)域內(nèi)自然保護(hù)區(qū)、風(fēng)景名勝區(qū)、歷史遺址、宗教場(chǎng)所、水庫(kù)、大壩、主要城市公園等區(qū)域篩選出來(lái),作為限制發(fā)展區(qū)域(Restricted Area)的基礎(chǔ)數(shù)據(jù)。經(jīng)ArcMap處理將所有數(shù)據(jù)格式統(tǒng)一為tif格式,行列數(shù)為2401×2859,像元分辨率100 m,使之符合FLUS模型的格式要求。

為了增強(qiáng)同類型土地變化的顯示度,凸顯不同類型土地間的差異性,本研究在國(guó)家最新發(fā)布的《土地利用現(xiàn)狀分類》(GB/T 21010—2017)的基礎(chǔ)上對(duì)區(qū)域內(nèi)土地類型進(jìn)行了部分整合和重分類,具體對(duì)應(yīng)關(guān)系如表1所示。同時(shí)鑒于海洋相對(duì)穩(wěn)定,除近陸地區(qū)域的沿海灘涂外,本研究暫不考慮海洋用地類型的變化。

表1 土地利用類型重分類對(duì)照表

2 研究框架

模型參數(shù)作為模擬過(guò)程不可或缺的部分,對(duì)模擬結(jié)果有著決定性的作用,反之,模擬結(jié)果的精度及合理性則是對(duì)參數(shù)優(yōu)劣最直接的反映。所以本研究分為模擬邏輯和模擬流程(圖2)兩個(gè)部分,模擬邏輯部分主要通過(guò)對(duì)歷史情景的分析設(shè)定相關(guān)參數(shù),實(shí)現(xiàn)對(duì)未來(lái)土地利用情景的模擬。模擬流程部分通過(guò)對(duì)模擬結(jié)果精度的檢驗(yàn)來(lái)驗(yàn)證參數(shù)設(shè)置的客觀性和可行性。

圖2 土地利用變化模擬邏輯框架及流程Fig.2 The framework and process of land use change simulation圖中CA：元胞自動(dòng)機(jī),Cellular Automata；FLUS：未來(lái)土地利用變化情景模擬模型,A Future Land Use Simulation model

3 研究方法

3.1 模型選擇及介紹

FLUS模型是在系統(tǒng)動(dòng)力學(xué)(System Dynamics, SD)模型和元胞自動(dòng)機(jī)模型的基礎(chǔ)上整合人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANN)算法和輪盤賭(Roulette wheel selection)選擇機(jī)制建立的[9],可以很好的用于自然、社會(huì)、經(jīng)濟(jì)等多種驅(qū)動(dòng)力作用下的土地利用變化情景模擬。該模型主體分為兩大模塊,基于人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)概率模擬(ANN-based Probability of Occurrence Estimation)模塊和自適應(yīng)慣性競(jìng)爭(zhēng)元胞自動(dòng)機(jī)(Self-Adaptive Inertia and Competition mechanism Cellular Automata)模塊。ANN是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的機(jī)器學(xué)習(xí)模型,屬于非線性動(dòng)力系統(tǒng),能夠較好的實(shí)現(xiàn)非線性函數(shù)逼近,具有自學(xué)習(xí)、自組織、自適應(yīng)的特點(diǎn),可以有效融合不同數(shù)據(jù)類型,實(shí)現(xiàn)多變量、復(fù)雜信息并行處理[26-28]。因此它可以協(xié)同整合自然、社會(huì)、經(jīng)濟(jì)等多類驅(qū)動(dòng)因子(Driving Data),并結(jié)合土地利用現(xiàn)狀模擬在預(yù)設(shè)情景下各土地類型的適宜性分布概率,從而建立起不同用地類型同驅(qū)動(dòng)因子之間的關(guān)聯(lián)。同時(shí)FLUS模型創(chuàng)新的在傳統(tǒng)CA模型的基礎(chǔ)上引進(jìn)了基于輪盤賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)機(jī)制,用于處理多種用地類型在自然、社會(huì)、經(jīng)濟(jì)協(xié)同作用下發(fā)生變化的不確定性和相對(duì)復(fù)雜性,從而實(shí)現(xiàn)較高精度的土地利用變化模擬[9]。

3.2 土地利用變化驅(qū)動(dòng)因子確定

土地利用變化是各類型土地自身理化條件和自然、社會(huì)、經(jīng)濟(jì)等內(nèi)外因共同作用的結(jié)果[29-31]。其變化除了受到自身理化性質(zhì)等自然因素的影響外,在城市化、工業(yè)化高度發(fā)展的今天,更多的則是受到社會(huì)、經(jīng)濟(jì)等多元因子的復(fù)合作用和驅(qū)動(dòng)[32]。綜合其他研究對(duì)于土地利用變化驅(qū)動(dòng)因子的分析及探究[33-34],最終選取以下自然、社會(huì)、經(jīng)濟(jì)方面的12項(xiàng)驅(qū)動(dòng)因子(表2)。

表2 土地利用變化驅(qū)動(dòng)因子數(shù)據(jù)說(shuō)明

某一區(qū)域的可達(dá)性通常對(duì)該區(qū)域的土地利用變化有著很強(qiáng)的作用力,由于影響可達(dá)性的主要自然因子(如高程、坡度等)都已作為單獨(dú)的驅(qū)動(dòng)因子輸入到系統(tǒng),為避免重復(fù)計(jì)算,同時(shí)參考其他相關(guān)研究中的處理方法[28, 35],對(duì)社會(huì)、驅(qū)動(dòng)因子(到建成區(qū)、鐵路交通節(jié)點(diǎn)、公路交通線、水體、城市中心、居民點(diǎn)的距離)在進(jìn)行數(shù)據(jù)預(yù)處理時(shí),均采用歐氏距離(Euclidean Distance),盡可能避免自然因子通過(guò)作用于社會(huì)、經(jīng)濟(jì)驅(qū)動(dòng)因子而間接影響模擬過(guò)程。

3.3 各土地類型適宜性概率分布模擬

土地利用變化是一個(gè)由多影響因子交互驅(qū)動(dòng)的非線性復(fù)雜過(guò)程。FLUS模型用ANN基于驅(qū)動(dòng)因子數(shù)據(jù),來(lái)模擬不同土地類型出現(xiàn)的概率及空間分布。ANN是一種基于生物神經(jīng)網(wǎng)絡(luò)模擬的機(jī)器學(xué)習(xí)模型,通常用于模擬和計(jì)算變量較多的非線性函數(shù),它可以通過(guò)大量學(xué)習(xí)與召回迭代來(lái)不斷擬合輸入數(shù)據(jù)和訓(xùn)練目標(biāo)之間的復(fù)雜關(guān)系,從而保證生成更高適宜性的概率分布,建立起各土地類型出現(xiàn)的概率同驅(qū)動(dòng)因子間的作用關(guān)系,ANN由輸入層、隱藏層和輸出層組成,其中每個(gè)神經(jīng)元,都分別對(duì)應(yīng)CA中的一個(gè)變量[9,36-37]。該模擬過(guò)程實(shí)質(zhì)是建立起各驅(qū)動(dòng)因子同初始土地類型在空間上的作用強(qiáng)度關(guān)系,其具體過(guò)程見(jiàn)公式(1)：

p(p,k,t)=∑jwj,k×sigmoid(netj(p,t))

(1)

式中:(p,k,t)表示柵格p在t時(shí)間出現(xiàn)k土地類型的的概率；wj,k是隱藏層和輸出層之間的自適應(yīng)權(quán)重；sigmoid(netj(p,t))又稱S型函數(shù),或S型生長(zhǎng)曲線,是隱藏層同輸出層的關(guān)聯(lián)函數(shù)；netj(p,t)表示j輸入層上的柵格p在t時(shí)間向神經(jīng)元j發(fā)送的信號(hào),即t時(shí)間第j類土地中的柵格p發(fā)生變化的強(qiáng)度；wi,j同wj,k均為自適應(yīng)權(quán)重,其區(qū)別在于wi,j表示輸入層和隱藏層之間的自適應(yīng)權(quán)重關(guān)系；xi(p,t)是t時(shí)間變量i同輸入層神經(jīng)元i中柵格p的關(guān)系函數(shù)。

3.4 FLUS模型參數(shù)設(shè)定

3.4.1 未來(lái)像元總量參數(shù)設(shè)定

未來(lái)像元總量表示預(yù)測(cè)期各土地利用類型所占像元的總量。該研究采用馬爾可夫鏈(Markov Chain)(公式(2))[38-40],基于2000年的土地利用數(shù)據(jù),來(lái)預(yù)測(cè)2015年和2030年的各用地類型的像元總量：

St+1=Pij×St

(2)

式中:St和St+1分別表示t時(shí)刻和t+1時(shí)刻土地的狀態(tài)；Pij表示在t時(shí)刻用地類型P發(fā)生轉(zhuǎn)變的概率,計(jì)算方法如下：

3.4.2 鄰域權(quán)重參數(shù)設(shè)定

鄰域權(quán)重參數(shù)即該土地類型的擴(kuò)張強(qiáng)度,也就是各用地類型在外界因子驅(qū)動(dòng)下使自身得以擴(kuò)張的能力,閾值范圍0到1,值越接近1則代表該類型的擴(kuò)張能力越強(qiáng)。由于驅(qū)動(dòng)因子同土地利用變化間關(guān)系的復(fù)雜性使得各用地類型的擴(kuò)張強(qiáng)度較難直接計(jì)算,但各用地類型歷史過(guò)程中的擴(kuò)張規(guī)律卻是對(duì)各自擴(kuò)張能力的最好體現(xiàn)。通常來(lái)講用地類型擴(kuò)張無(wú)非面積增大和斑塊數(shù)量增多兩個(gè)方面,所以本研究以2000年到2015年同時(shí)間尺度部分年份(2000年、2005年、2008年、2010年、2015年)的土地利用數(shù)據(jù)為基礎(chǔ),以Fragstats(Fragmentation Statistics)軟件為工具,從斑塊數(shù)量(Number of Patches, NP)(公式(3))、總面積(Total Area, TA)(公式(4))、斑塊面積加權(quán)平均面積(Patch Area_ Area-Weighted Mean, AREA_AM)(公式(5))[41]3種景觀格局指數(shù)入手,依據(jù)景觀格局研究的一般規(guī)律,從景觀(Landscape)、斑塊類型(Class)及斑塊(Patch)3個(gè)尺度展開(kāi)[42]本研究。針對(duì)不同目的和研究對(duì)象選擇適宜的尺度是景觀格局分析的關(guān)鍵[43],任何系統(tǒng)的描述都要依賴于特定特定時(shí)空范圍和組織水平的選擇[44-45],由于研究對(duì)象為各用地類型,屬于斑塊類型尺度,因此選取在景觀和斑塊類型兩個(gè)尺度就上述景觀指數(shù)反映的空間格局關(guān)系和變換關(guān)系展開(kāi)研究,探索各用地類型的擴(kuò)張強(qiáng)度。各景觀格局指數(shù)的計(jì)算方法如下：

NP=ni

(3)

(4)

(5)

式中:n表示斑塊數(shù)量；a表示斑塊面積；x表示權(quán)重值。

通過(guò)2000—2015年閩三角城市群NP及AREA_AM在景觀尺度的變化趨勢(shì)(圖3)來(lái)看,該時(shí)期景觀尺度的NP和AREA_AM的變化總體呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系,具體表現(xiàn)為AREA_AM逐步縮小的同時(shí)NP逐漸增多,景觀破碎化程度進(jìn)一步加強(qiáng)。從數(shù)量變化來(lái)看,AREA_AM從2000年的38.64萬(wàn)hm2下降到2015年的36.63萬(wàn)hm2,下降2.01萬(wàn)hm2,區(qū)域內(nèi)各類型斑塊趨向于向小型化發(fā)展。

圖3 2000年—2015年閩三角城市群NP及AREA_AM在景觀尺度的變化趨勢(shì)Fig.3 The trend of NP and AREA_AM on landscape scale of urban agglomeration of Golden Triangle of Southern Fujian from 2000 to 2015圖中NP:斑塊數(shù)量,Number of patches；AREA_AM：面積加權(quán)平均面積,Patch area_ area-weighted mean

景觀尺度的變化是斑塊類型尺度變化的綜合表達(dá),將尺度下推到斑塊類型尺度,使景觀水平的變化規(guī)律展現(xiàn)在各土地類型的動(dòng)態(tài)過(guò)程中,為便于直觀對(duì)比分析各景觀格局指數(shù)在斑塊類型尺度的變化規(guī)律,在統(tǒng)計(jì)了閩三角城市群2000年、2005年、2008年、2010年、2015年各用地類型NP和TA的基礎(chǔ)上對(duì)其予以無(wú)量綱化(公式(7))處理,并生成了2000—2015年閩三角城市群NP及TA在斑塊類型尺度的變化趨勢(shì)(圖4)。

(7)

式中:X*表示離差標(biāo)準(zhǔn)化值; max為數(shù)據(jù)最大值;min為數(shù)據(jù)最小值。

圖4 2000—2015年閩三角城市群NP及TA在斑塊類型尺度的變化趨勢(shì)Fig.4 The trend of NP and TA on class scale of urban agglomeration of Golden Triangle of Southern Fujian from 2000 to 2015TA：總面積,Total area

各用地類型NP和TA在斑塊類型的尺度表現(xiàn)為正、負(fù)相關(guān)兩大類：農(nóng)田、林地、草地以及其他土地的NP和TA總體呈負(fù)相關(guān)關(guān)系；水域及灘涂、建設(shè)用地的NP和TA呈正相關(guān)關(guān)系。區(qū)分NP和TA來(lái)看,各用地類型的NP總體趨勢(shì)均呈現(xiàn)逐步增加的趨勢(shì)；各用地類型中農(nóng)田、林地、草地及其他土地的TA總體表現(xiàn)為減小趨勢(shì)；水域及灘涂的TA在逐步增大。斑塊類型尺度各土地類型的NP均呈上升趨勢(shì),并不能反映各類型土地間的競(jìng)爭(zhēng)消漲關(guān)系,相比之下TA很好的呈現(xiàn)了各土地類型間的相對(duì)增減變換關(guān)系。從TA的變化趨勢(shì)來(lái)看,水域及灘涂、建設(shè)用地的TA表現(xiàn)為增加趨勢(shì),而其他土地類型均在減小,也就是說(shuō)建設(shè)用地、水域及灘涂的擴(kuò)張能力較農(nóng)田、林地、草地及其他土地的擴(kuò)張能力要強(qiáng)。

斑塊類型尺度上TA的變化規(guī)律是對(duì)各用地類型擴(kuò)張能力的定性表征,那么TA的變化量則可以用來(lái)定量表征各用地類型的擴(kuò)張強(qiáng)度。在假定相同時(shí)間尺度下各類型土地的擴(kuò)張能力保持相對(duì)穩(wěn)定的前提下,本研究采用2000—2015年各土地類型的TA變化量來(lái)表征2015—2030年對(duì)應(yīng)類型土地的擴(kuò)張強(qiáng)度。結(jié)合Fragstats計(jì)算,2000—2015年各用地類型TA的變化量如表3。

表3 2000—2015年閩三角城市群各土地類型的TA變化量/km2

對(duì)比發(fā)現(xiàn)該時(shí)期建設(shè)用地TA增幅最大,達(dá)到1184.30 km2,其次是水域及灘涂,農(nóng)田、林地、草地及其他土地。也就是說(shuō)在該時(shí)期的自然、社會(huì)、經(jīng)濟(jì)條件下建設(shè)用地有最強(qiáng)的擴(kuò)張能力,而農(nóng)田的擴(kuò)張能力最弱,該擴(kuò)張力強(qiáng)度的相對(duì)關(guān)系完全符合之前的分析和判斷。TA的變化量是對(duì)各土地類型外擴(kuò)張能力的反映,完全符合FLUS模型鄰域權(quán)重的參數(shù)意義?；谝陨戏治霾⒔Y(jié)合鄰域權(quán)重對(duì)數(shù)據(jù)結(jié)構(gòu)的要求,對(duì)各土地類型的TA變化量進(jìn)行無(wú)量綱(公式(7))處理,使其閾值在0—1之間,由此TA變化量的無(wú)量綱值在參數(shù)意義和數(shù)據(jù)結(jié)構(gòu)方面均符合FLUS模型鄰域權(quán)重的要求。

3.4.3 成本矩陣(Cost Matrix)與限制發(fā)展區(qū)域的設(shè)定

成本矩陣是指各用地類型間的變化規(guī)則,用于表示是否容許各土地類型相互轉(zhuǎn)變。理論上講,各類型土地間的轉(zhuǎn)變應(yīng)是不受限制的,但延續(xù)上述對(duì)各土地類型TA變化量的分析,在所有土地類型中,建設(shè)用地、水域及灘涂的TA表現(xiàn)為凈流入過(guò)程,其中88.89%的變化量流入建設(shè)用地,11.11%的變化量流入水域及灘涂。由此可以確定農(nóng)田、林地、草地和其他土地同水域及灘涂和建設(shè)用地存在單向的轉(zhuǎn)變關(guān)系。結(jié)合土地利用變化的現(xiàn)實(shí),目前的經(jīng)濟(jì)及技術(shù)條件完全有能力將任何用地類型開(kāi)發(fā)成為建設(shè)用地,然而要將建設(shè)用地轉(zhuǎn)變?yōu)槠渌恋仡愋推潆y度及成本均相對(duì)較高,且現(xiàn)實(shí)中較少有該類情況發(fā)生,基于此本研究暫定建設(shè)用地不向其他類型土地發(fā)生轉(zhuǎn)變。然而水域及灘涂、農(nóng)田、林地、草地及其他土地間是否存在相互的轉(zhuǎn)變關(guān)系仍無(wú)法予以客觀斷定,所以在模型成本矩陣參數(shù)設(shè)置中僅限制建設(shè)用地向其他類型轉(zhuǎn)變,其余土地類型間的相互轉(zhuǎn)變不予限制。

部分土地由于用途的特殊性,其利用方式已基本固定,較難發(fā)生變化,為保障模擬過(guò)程最大程度反映真實(shí)情景,經(jīng)整理,在本研究中將區(qū)域內(nèi)的自然保護(hù)區(qū)、風(fēng)景名勝區(qū)、歷史遺址和宗教場(chǎng)所(均包括范圍內(nèi)的非建設(shè)用地部分)、水庫(kù)大壩等水源地、主要城市公園等區(qū)域設(shè)置為限制發(fā)展區(qū)域,使這些區(qū)域不參與土地利用變化的模擬運(yùn)算。

3.5 2030年土地利用情景模擬

基于輪盤賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)元胞自動(dòng)機(jī)是FLUS模型的關(guān)鍵模塊,它結(jié)合鄰域權(quán)重、轉(zhuǎn)換規(guī)則,基于各用地類型的適宜性概率分布(圖5)來(lái)實(shí)現(xiàn)對(duì)未來(lái)各土地類型像元總量空間分布的合理化配置,最終實(shí)現(xiàn)土地利用變化的模擬[9],該過(guò)程實(shí)質(zhì)是一個(gè)通過(guò)循環(huán)迭代(公式(8))使輸出結(jié)果不斷逼近目標(biāo)值的過(guò)程。本研究選擇在9×9摩爾鄰域[14, 46]下運(yùn)行該迭代循環(huán)：

(8)

4 結(jié)果與分析

模擬結(jié)果是驅(qū)動(dòng)因子、參數(shù)、模擬算法等所有因子共同影響的結(jié)果,所以,結(jié)果的客觀性和精度是對(duì)以上因子合理性的最好檢驗(yàn)。

4.1 2030年各土地類型適宜性概率分布特征

基于ANN對(duì)2015年閩三角城市群土地利用數(shù)據(jù)和相對(duì)應(yīng)驅(qū)動(dòng)因子的整合便可以模擬出2030年閩三角城市群各土地類型的適宜性概率分布,為便于直觀分析、判斷各類土地的適宜性分布規(guī)律,在ArcMap數(shù)據(jù)處理平臺(tái)將多波段的分布圖按照對(duì)應(yīng)的土地利用類型在單一波段下顯示(圖5)發(fā)現(xiàn)：適宜性概率分布能較好反映各土地類型的空間分布格局,高適宜性區(qū)域大多分布在該用地類型原有分布范圍的周邊區(qū)域,并隨著分布的減少其適宜性隨之下降；農(nóng)田的適宜性區(qū)域自海岸線向內(nèi)陸和高海拔區(qū)域逐步遞減；林地和草地的高適宜性分布區(qū)域在地域上具有較高的重合度,呈條帶狀自東北向西南分布在地形起伏較大的山地丘陵區(qū)域；水域及灘涂的高適宜性區(qū)域則主要分布在沿海、沿江、沿現(xiàn)有水體的周邊區(qū)域；建設(shè)用地的高適宜性區(qū)域主要分布在區(qū)域的東南沿海一側(cè),以泉州、廈門、漳州三座城市的建成區(qū)為中心,基本形成沿海岸線的高適應(yīng)性分布帶,呈現(xiàn)區(qū)域連片發(fā)展的可能性。

4.2 2030年各土地類型像元總量

本研究用馬爾可夫鏈確定FLUS模型未來(lái)像元總量參數(shù)時(shí),在2000年、2015年土地利用數(shù)據(jù)的基礎(chǔ)上分別預(yù)測(cè)了2015年和2030年各土地類型的像元總量(表4),其中2015年的模擬值用于檢驗(yàn)馬爾可夫鏈的預(yù)測(cè)精度,2030年模擬值作為模型的未來(lái)像元總量參數(shù)。通過(guò)與2015年實(shí)際土地利用數(shù)據(jù)對(duì)比發(fā)現(xiàn),馬爾可夫鏈對(duì)2015年各土地類型像元總量的平均預(yù)測(cè)精度為99.53%,其中水域及灘涂用地的預(yù)測(cè)誤差最大(-2.49%),且面積呈增長(zhǎng)趨勢(shì)，分析其原因發(fā)現(xiàn),該增長(zhǎng)主要由以下的因素造成：退耕還湖政策的實(shí)施、人工灘涂濕地建設(shè)、坑塘水庫(kù)開(kāi)發(fā)等活動(dòng)一定程度增加了水域及灘涂面積；由于2000年和2015年所執(zhí)行的《土地利用現(xiàn)狀分類》標(biāo)準(zhǔn)的差別也導(dǎo)致了部分區(qū)域存在統(tǒng)計(jì)偏差,如廈門市大嶝島、小嶝島周邊、九龍江入?？诘牟糠謪^(qū)域在2000年被統(tǒng)計(jì)為海洋區(qū)域而在2015年則被統(tǒng)計(jì)為水域及灘涂區(qū)域,以上因素由于數(shù)據(jù)不完整且相互間耦合,無(wú)法予以分離一定程度影響了馬爾可夫鏈的預(yù)測(cè)精度。但考慮到整體預(yù)測(cè)誤差相對(duì)較小,在合理范圍內(nèi),且各用地類型數(shù)據(jù)發(fā)展趨勢(shì)符合歷史變化規(guī)律,故不再對(duì)2030年的模擬結(jié)果做誤差修正處理。

4.3 鄰域權(quán)重參數(shù)

用歷史情景下各土地類型TA變化量的無(wú)量綱值賦值它們的鄰域權(quán)重參數(shù)(表5),是對(duì)各土地類型擴(kuò)張規(guī)律的表達(dá),有其客觀性的同時(shí)在數(shù)據(jù)結(jié)構(gòu)和參數(shù)意義方面均完全符合鄰域權(quán)重的參數(shù)要求。

圖5 2030年各用地類型的適宜性概率分布Fig.5 The distribution of suitability probability of land use types in 2030

農(nóng)田Cultivated land林地Woodland草地Grassland水域及灘涂Water area and tidal flat建設(shè)用地Construction land其他土地Other land2000年實(shí)際像元數(shù) Actual pixel number in 200064370012886954084966102913245322712015年實(shí)際像元數(shù) Actual pixel number in 201556042112517883954677584825088322372015年預(yù)測(cè)像元數(shù) Predicted pixel number in 201556096312527723958077396125090222392030年預(yù)測(cè)像元數(shù)Predicted pixel number in 203049221712180023835259579434489822082015年預(yù)測(cè)數(shù)量同實(shí)際數(shù)量誤差/% The error between predicted and actual number in 2015/%0.10%0.08%0.09%-2.49%0.01%0.09%

表5 鄰域權(quán)重參數(shù)表

4.4 2030年閩三角城市群土地利用情景

圖6 基于FLUS模擬的2030年閩三角城市群土地利用情景Fig.6 The land use scenario of urban agglomeration of Golden Triangle of Southern Fujian in 2030 based on FLUS simulation

在上述適宜性概率分布及所有參數(shù)的基礎(chǔ)上,通過(guò)自適應(yīng)慣性競(jìng)爭(zhēng)元胞自動(dòng)機(jī)的循環(huán)迭代過(guò)程,便可實(shí)現(xiàn)對(duì)2030年閩三角城市群土地利用情景(圖6)的模擬。2030年閩三角城市群各土地類型總體依然保持現(xiàn)有基本格局：林地、草地主要集中分布在區(qū)域遠(yuǎn)離海岸線的一側(cè)；農(nóng)田、建設(shè)用地、水域及灘涂主要分布在臨近海岸線地勢(shì)平緩的一側(cè)。建設(shè)用地作為其中變化量最大的土地類型,其分布明顯呈現(xiàn)出由東南沿海向區(qū)域西部和北部延伸、擴(kuò)散的規(guī)律,在東南沿海區(qū)域基本形成形成以泉州、廈門、漳州城市建成為主體的連片發(fā)展區(qū),建設(shè)用地協(xié)同發(fā)展進(jìn)一步加強(qiáng),區(qū)域一體化格局基本形成。結(jié)合未來(lái)像元總量對(duì)比各土地類型變化前后的分布格局發(fā)現(xiàn),大部分土地利用變化發(fā)生在區(qū)域東南部海拔較低且地勢(shì)相對(duì)平緩的區(qū)域,且主要表現(xiàn)為農(nóng)田、林地、草地向建設(shè)用地和水域及灘涂的轉(zhuǎn)變,建設(shè)用地的擴(kuò)張極大的影響著區(qū)域土地利用格局。綜合建設(shè)用地同農(nóng)田在擴(kuò)張強(qiáng)度、TA變化量之間的差異以及二者在空間分布上的鑲嵌結(jié)構(gòu)來(lái)看,農(nóng)田是受建設(shè)用地?cái)U(kuò)張影響最嚴(yán)重的土地類型，符合目前社會(huì)、經(jīng)濟(jì)背景對(duì)未來(lái)土地利用發(fā)展規(guī)律的影響[32, 47- 48],同時(shí)也符合國(guó)家和區(qū)域?qū)Ω魍恋仡愋桶l(fā)展方向的基本判斷。

4.5 模擬精度檢驗(yàn)及對(duì)比

FLUS模型曾被用于全國(guó)尺度的土地利用模擬,其結(jié)果的Kappa系數(shù)為0.67,總體模擬精度為0.75,模型置信度在合理區(qū)間[9]。為便于對(duì)本次模擬進(jìn)行精度檢驗(yàn),本研究采用相同的方法和參數(shù)值,以2000年土地利用數(shù)據(jù)和對(duì)應(yīng)的驅(qū)動(dòng)因子為基礎(chǔ)模擬了2015年的土地利用情景,經(jīng)與2015年實(shí)際土地利用狀況對(duì)比發(fā)現(xiàn),模擬結(jié)果在1%隨機(jī)采樣時(shí)的Kappa系數(shù)為0.85,總體精度達(dá)到0.90；10%隨機(jī)采樣時(shí)的Kappa系數(shù)0.84,總體精度達(dá)到0.89；均勻采樣(2000個(gè)采樣點(diǎn)/類)時(shí)Kappa系數(shù)為0.80,總體精度達(dá)到0.83,同時(shí)本文還采用了相比Kappa系數(shù)能更好描述模擬準(zhǔn)確性的FoM(Figure of merit)系數(shù)[49- 50],理論上講該參數(shù)值越大則證明模擬的效果越好,精度越高,但實(shí)踐驗(yàn)證表明其結(jié)果大多在0.3以內(nèi)[50],其中以0.1至0.2的結(jié)果最為常見(jiàn)[9,51]。對(duì)比2015年閩三角城市群土地利用模擬情景同實(shí)際狀況,其FoM系數(shù)為0.11,在合理的范圍之內(nèi)。總體來(lái)看,各檢驗(yàn)均在合理范圍,Kappa系數(shù)在不同采樣率下均能保證較高的精度,且模擬結(jié)果也符合目前社會(huì)、經(jīng)濟(jì)發(fā)展的客觀變化規(guī)律,所以該參數(shù)設(shè)置方法能夠?qū)崿F(xiàn)對(duì)未來(lái)土地利用變化情景的客觀模擬。

為進(jìn)一步驗(yàn)證該賦值方法對(duì)模擬精度的作用,本文在模擬2015年土地利用情景的基礎(chǔ)上,在不改變其他參數(shù)的前提下將鄰域權(quán)重參數(shù)統(tǒng)一設(shè)定為0.5對(duì)比了不同賦值條件下的模擬精度。結(jié)果顯示,1%隨機(jī)采樣時(shí)的Kappa系數(shù)為0.84,總體精度0.90；10%隨機(jī)采樣時(shí)的Kappa系數(shù)0.76,總體精度0.84；均勻采樣(2000個(gè)采樣點(diǎn)/類)時(shí)Kappa系數(shù)為0.73,總體精度0.78,FoM系數(shù)0.09。相比而言,基于TA變化量的鄰域權(quán)重賦值方法對(duì)模擬精度有一定程度的提升,可以較好實(shí)現(xiàn)更高精度的土地利用變化模擬。

5 討論

5.1 基于歷史情景或用其他方法賦值鄰域權(quán)重?zé)o優(yōu)劣差異

從以上來(lái)看TA變化量和各土地類型的擴(kuò)張強(qiáng)度所表達(dá)的現(xiàn)實(shí)意義高度一致,所以用TA變化量來(lái)表征各土地類型的擴(kuò)張能力并設(shè)定鄰域權(quán)重參數(shù),能有效規(guī)避主觀判斷賦值造成的誤差,具有較強(qiáng)的客觀性；從模擬結(jié)果的精度來(lái)看,具有較高的可信度,且操作簡(jiǎn)單,易于理解。但不論是基于歷史情景,還是其他主觀判斷的賦值方法都只是確定模型參數(shù)的方法之一,均有各自的優(yōu)缺點(diǎn),無(wú)絕對(duì)的優(yōu)劣差異,本研究只是嘗試一種區(qū)別于主觀判斷的參數(shù)設(shè)置方法。本研究用TA變化量的無(wú)量綱值賦值FLUS模型的鄰域權(quán)重雖然能使模擬結(jié)果的Kappa系數(shù)在不同的采樣率下均保持在0.80以上,但也只能說(shuō)明該方法對(duì)本研究有較好的適宜性,是否具有普適性仍需更多的實(shí)踐論證。該方法一定程度上固化了各土地類型的變化方向和強(qiáng)度,忽視了影響因素在時(shí)空差異下的不確定性和動(dòng)態(tài)性對(duì)土地?cái)U(kuò)張能力的影響,有悖于土地?cái)U(kuò)張的實(shí)際,也有其局限性。雖然德?tīng)柗品ɑ虿捎脷v史經(jīng)驗(yàn)賦值的方法更多的受到研究人員經(jīng)驗(yàn)水平、個(gè)人意愿等主觀判斷的影響,但也正是因?yàn)檫@些方法較多受主觀能動(dòng)性的作用,研究人員在對(duì)各土地類型擴(kuò)張強(qiáng)度的權(quán)衡過(guò)程中必然綜合考慮各影響因素以及時(shí)空尺度差異帶來(lái)的影響[9,52- 53],進(jìn)而實(shí)現(xiàn)對(duì)各土地類型擴(kuò)張能力更為準(zhǔn)確、合理的描述。

5.2 模型參數(shù)和驅(qū)動(dòng)因子共同決定模擬結(jié)果

模型參數(shù)(鄰域權(quán)重、轉(zhuǎn)換規(guī)則、未來(lái)像元量)的合理性以及驅(qū)動(dòng)因子的代表性是影響FLUS模型整體精度的兩個(gè)重要方面。本研究中討論的模型參數(shù)只是影響模擬精度的因素之一,并不能單獨(dú)對(duì)模擬精度起到?jīng)Q定作用。驅(qū)動(dòng)因子作為影響土地?cái)U(kuò)張強(qiáng)度、導(dǎo)致土地利用變化的基礎(chǔ),它的合理性及代表性對(duì)模型精度有著同等重要的意義。驅(qū)動(dòng)因子一般從兩個(gè)方面影響著模擬的精度及合理性：模擬邏輯(圖2)方面,驅(qū)動(dòng)因子直接影響著各土地類型的適宜性概率分布；土地?cái)U(kuò)張強(qiáng)度方面,驅(qū)動(dòng)因子作用強(qiáng)度和種類的差異極大影響著土地的擴(kuò)張能力。因此,模擬精度的提升既要保障模型參數(shù)合理化,還要確保驅(qū)動(dòng)因子選擇的科學(xué)性。

5.3 未來(lái)研究中的模型參數(shù)和驅(qū)動(dòng)因子

模型參數(shù)作為模擬運(yùn)行必不可少的部分,對(duì)模擬過(guò)程意義深遠(yuǎn)。新形勢(shì)下,政策紅利[54-55]、經(jīng)濟(jì)結(jié)構(gòu)及產(chǎn)業(yè)格局進(jìn)一步完善、城市化加速發(fā)展等因素對(duì)土地利用變化的加速效應(yīng)[31,56-57]日益顯現(xiàn),導(dǎo)致土地利用的變化過(guò)程更為劇烈,變化途徑更趨于多樣化發(fā)展,這也對(duì)如何科學(xué)設(shè)置相關(guān)參數(shù)提出更多、更高的要求,譬如鄰域衰減[35]、不規(guī)則鄰域[58]、可控鄰域[59]、可變參數(shù)以及多情景模擬[60]等方面。

土地利用變化是一個(gè)非線性的復(fù)合波動(dòng)過(guò)程,受自然、社會(huì)、經(jīng)濟(jì)、政治、文化等多元因子的交互耦合和協(xié)同驅(qū)動(dòng)[61-62],因此驅(qū)動(dòng)因子的選擇要具有充分的代表性,既要反映其自然特征,又要體現(xiàn)時(shí)代發(fā)展賦予它的新特征,才能更好地實(shí)現(xiàn)優(yōu)化模擬。從重要性程度來(lái)講,在目前的經(jīng)濟(jì)及技術(shù)條件下,一些非自然的驅(qū)動(dòng)因子對(duì)土地利用變化的作用更為明顯和強(qiáng)烈。例如：區(qū)域人口規(guī)模、流動(dòng)人口的數(shù)量和質(zhì)量[30]、產(chǎn)業(yè)結(jié)構(gòu)[57]、國(guó)家土地政策[63-64]、居民開(kāi)發(fā)意愿或文化傳承[65-66]、資本和信息的全球化流動(dòng)[67-68]、主導(dǎo)經(jīng)濟(jì)的類型及規(guī)模、區(qū)域經(jīng)濟(jì)外向化程度等都更為強(qiáng)烈的影響著區(qū)域的土地利用變化。此外由于驅(qū)動(dòng)因子的異質(zhì)性特征,時(shí)空和土地類型的差異都會(huì)導(dǎo)致驅(qū)動(dòng)因子不同的作用強(qiáng)度和方式[66, 69]。社會(huì)、經(jīng)濟(jì)等因素的持續(xù)發(fā)展導(dǎo)致驅(qū)動(dòng)因子越來(lái)越多元化,作用方式更加復(fù)雜多變,土地利用變化已形成復(fù)合的巨系統(tǒng)結(jié)構(gòu)。綜上所述,未來(lái)研究中驅(qū)動(dòng)因子的確定要綜合考慮其多元性、異質(zhì)性、時(shí)空差異性和動(dòng)態(tài)性,重視驅(qū)動(dòng)因子同土地利用變化間的協(xié)同作用。

6 結(jié)論

本研究認(rèn)為各土地類型TA指數(shù)的變化量可以用來(lái)表征各土地類型的擴(kuò)張強(qiáng)度,它的無(wú)量綱值能夠用于FLUS模型鄰域權(quán)重參數(shù)的設(shè)置。該賦值法產(chǎn)生的模擬結(jié)果方面：閩三角城市群在延續(xù)歷史發(fā)展規(guī)律的前提下,到2030年區(qū)域各類用地將在現(xiàn)有空間格局的基礎(chǔ)上發(fā)生較大的變化,建設(shè)用地面積增加最為明顯,其次為水域及灘涂,其余類型土地面積均不同程度下降,建設(shè)用地?cái)U(kuò)張將嚴(yán)重影響農(nóng)田用地；區(qū)域尺度,以廈門、泉州、漳州城市建成區(qū)為代表的建設(shè)用地區(qū)域連片式發(fā)展,閩三角城市群空間一體化格局基本形成。以上土地利用模擬結(jié)果符合目前社會(huì)、經(jīng)濟(jì)背景對(duì)未來(lái)土地利用發(fā)展規(guī)律的影響,符合國(guó)家和區(qū)域?qū)Ω魍恋仡愋桶l(fā)展方向的基本判斷,從設(shè)置過(guò)程和模擬結(jié)果兩個(gè)方面看,該賦值法均有其客觀性和科學(xué)性。