基于CA-Markov的盤州市土地利用變化研究

盧涵宇，郭彩，張濤，胡超，謝濤

(1.貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院， 貴州 貴陽 550025；2.貴州力創(chuàng)科技發(fā)展有限公司， 貴州 貴陽 550018； 3.貴州省盤州市自然資源局， 貴州 盤州 553500)

0 引言

隨著人口增長、經(jīng)濟發(fā)展及科學(xué)進步，人類活動不斷增強。土地利用變化(land use/cover change，LUCC)是人類活動對地表影響的重要載體，在地理空間信息技術(shù)的支持下，研究LUCC的動力學(xué)時空特性，揭示LUCC的自然規(guī)律和演變機理[1-4]，對于一系列生態(tài)環(huán)境問題的改善發(fā)揮積極作用?？v觀目前國內(nèi)外對LUCC的研究成果，主要是構(gòu)建土地利用變化的時空分析模型的方法[4-18]?？煽偨Y(jié)為四大類：經(jīng)驗統(tǒng)計模型[5-8]、隨機模型[9-12]、概念機理模型[13]、綜合模型[14-18]。其中蘇維詞等[5]結(jié)合統(tǒng)計分析方法，從土地利用空間格局變化數(shù)據(jù)中提取相關(guān)驅(qū)動因子，集理論和規(guī)律來模擬各個驅(qū)動因子的作用機制，運用灰色模型把LUCC與相關(guān)因素聯(lián)系起來，以表征土地利用變化特征。楊俊等[6]基于土地類型的轉(zhuǎn)變及其空間上的相互影響，利用Python語言實現(xiàn)了局部土地利用競爭的CA原型開發(fā)。胡超等[9]通過土地利用轉(zhuǎn)移概率矩陣，建立Markov模型預(yù)測了土地利用演化趨勢。張曉娟等[15]運用MCE-CA-Markov模擬三峽庫區(qū)土地利用演變狀況，在一定程度上克服了傳統(tǒng)線性模擬方法的弊端，并對限于空間特性及尺度效應(yīng)的不足提出今后改進方法。鄧元杰等[18]將不同模型有機地綜合起來，整合自然和社會因素的影響，系統(tǒng)分析模擬土地變化特征，但在對空間格局分布的政策影響因素上考慮較少。以上研究采用不同的模型方法，并且在其研究領(lǐng)域取得一定成績。但就區(qū)域問題與土地利用類型的研究來看，近年來中國西部高原地區(qū)經(jīng)濟發(fā)展，必然導(dǎo)致土地利用格局也隨之改變，而對于將同時考慮空間及非空間特征的綜合模型應(yīng)用于該類地區(qū)土地利用的研究很少。為深入認識云貴高原地區(qū)土地利用結(jié)構(gòu)特征，筆者選取貴州省盤州市為研究區(qū)，探討該地區(qū)2001年～2017年土地利用演變情況，并將CA模型與Markov模型集成實現(xiàn)對土地發(fā)展趨勢的模擬預(yù)測，以期為盤州市土地利用結(jié)構(gòu)調(diào)整、新型城鎮(zhèn)化建設(shè)以及文化旅游發(fā)展提供參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

盤州市座落于貴州省西部、六盤水市西南部，位于東經(jīng)104°17′46″～104°57′46″，北緯25°19′36″～26°17′36″(圖1)。其東鄰普安縣，西連云南省富源縣，南接興義市， 北臨水城縣，國土總面積4 052 km2，是云貴交界地區(qū)重要的交通樞紐，貴州省面向云南及東盟開放的橋頭堡，國家西南出海大通道上的重要節(jié)點。作為典型的山區(qū)市，無五千畝及上壩區(qū)，山高坡陡，喀斯特地貌發(fā)育完全，土地開發(fā)利用難度大。其農(nóng)林用地是主體用地；耕地多為坡地及梯田；未利用地大部分是裸地；建設(shè)用地規(guī)模較小。地勢西北高，東南低，中南部隆起，平均海拔1 400～1 900 m。為亞熱帶高原季風(fēng)氣候區(qū)，雨熱同季，干濕季節(jié)分明，年平均氣溫15.2 ℃，年平均降雨量1 411.7 mm。河流分布廣泛，屬珠江流域西江水系。

圖1 盤州市地理位置示意圖

1.2 數(shù)據(jù)預(yù)處理

選擇盤州市為研究區(qū)，土地利用影像數(shù)據(jù)為2001年、2009年和2017年3個時段的Landsat遙感影像，空間分辨率30 m×30 m，地理坐標系WGS 1984。其中遙感影像數(shù)據(jù)及數(shù)字高程(DEM)數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn)。此外，本文還涉及到由DEM計算獲得的坡度數(shù)據(jù)、交通路網(wǎng)道路數(shù)據(jù)和河流水系數(shù)據(jù)。

本文數(shù)據(jù)處理主要分為三步驟：一是在ENVI平臺對遙感影像進行大氣校正和圖像增強，采用監(jiān)督分類中的支持向量機方法，進行地物類型的劃分；再經(jīng)主成分析和濾化平滑處理分類后，裁剪出研究區(qū)圖像。二是在ArcGIS平臺對柵格文件的空間坐標系統(tǒng)和分辨率統(tǒng)一化操作。三是導(dǎo)入ASCII格式的土地利用數(shù)據(jù)和矢量影響因子數(shù)據(jù)進而實現(xiàn)研究區(qū)的土地利用變化研究。

2 研究方法

2.1 土地利用變化特征指標

本文基于數(shù)量結(jié)構(gòu)和空間角度研究其動態(tài)變化規(guī)律。單一/空間土地變化動態(tài)度呈現(xiàn)的是研究期間地物類型i的數(shù)量變化和空間格局特點。其動態(tài)度的絕對值越大，表明該地物類型面積增或減的速率越快，穩(wěn)定性越差，計算公式如下：

(1)

(2)

式中,Rt,i為土地利用類型i的年變化率，Uxi為土地類型i在初期年份的面積，Uyi為土地類型i在終止年份的面積，T表示研究時段內(nèi)的年數(shù)。Rs,i為土地利用類型i的空間變化動態(tài)度，ΔUout,i為T時間內(nèi)土地類型i轉(zhuǎn)為其他類型的面積，ΔUin,i為其他土地類型轉(zhuǎn)為類型i的面積。

2.2 CA-Markov預(yù)測模型

2.2.1 CA原理

元胞自動機(cellular automation，CA)于20世紀40年代末由Neumann和Ulan提出。其原理為通過元胞現(xiàn)階段狀態(tài)及其鄰域狀態(tài)，以特定的轉(zhuǎn)換規(guī)則預(yù)測下一個時間段的狀態(tài)變換；其中元胞狀態(tài)根據(jù)模型應(yīng)用領(lǐng)域的不同賦予不同的含義；鄰域主要有馮諾依曼類型和摩爾類型兩種。本文賦予元胞狀態(tài)含義為土地利用類型，鄰域選擇擴展摩爾型。CA模型是具有時空計算能力和空間建模能力的動力學(xué)模型，特點是時間、空間、狀態(tài)都離散，表示公式如下:

S(t+1)=f(S(t),N),

(3)

式中,S是元胞有限、離散的狀態(tài)集合，N為元胞的鄰域，f為局部空間元胞狀態(tài)的轉(zhuǎn)化規(guī)則。

2.2.2 Markov轉(zhuǎn)移矩陣

馬爾科夫(Markov)模型于20世紀40年代由Andrey Markov提出，是基于Markov過程理論，通過研究變化規(guī)律來預(yù)測未來事件發(fā)生概率的動態(tài)隨機模型。其Markov轉(zhuǎn)移狀態(tài)矩陣由t時地物類型與(t+1)時地物類型間變換的面積數(shù)量或比重構(gòu)成，這種轉(zhuǎn)換過程具有無后效性和離散性特征。

本文賦予Markov過程中的“可能狀態(tài)”含義為土地利用類型，進而根據(jù)上一區(qū)間的概率矩陣即可實現(xiàn)對下一區(qū)間土地利用類型的預(yù)測。表示公式如下：

S(t+1)=Pij×S(t),

(4)

(5)

式中,S(t)、S(t+1)分別是t、(t+1)時刻的系統(tǒng)狀態(tài)，n表示各個地物類型，Pij是狀態(tài)轉(zhuǎn)移概率矩陣，該矩陣中每個元素必須為非負數(shù)，且每行元素的總和為1。

2.2.3 MCE適宜性圖集

多標準評價法(multi-criteria evalvation, MCE)是綜合考察諸多因素的影響，通過加權(quán)線性組合和布爾疊加的方法，做出于目標而言最優(yōu)的方案選擇。在眾多因素中，主要分為限制性因素和影響性因素兩種，其中，限制因素是指該土地利用類型禁止向其他類型轉(zhuǎn)換，以布爾映射的形式表示，即背景為1，地物為0的二值圖像；影響因素可以增強或降低土地利用類型在狀態(tài)變換中的適宜度，通過選擇其影響方式的函數(shù)形式，確定最小適宜和最大適宜控制點的值，然后獲取層次分析法(analytic hierarchy process, AHP)中的權(quán)重大小，進而得到0～255標準化數(shù)據(jù)的適應(yīng)性圖像。

根據(jù)盤州市地形地貌和土地利用資源的地理分布特征，將水域和建設(shè)用地設(shè)為限制因子。將自然、交通、社會經(jīng)濟等影響因素進行融合，即高程、坡度、距道路距離和距水域距離設(shè)為限制條件。在標準化過程中不同地類之間有所差異，借用Histogram函數(shù)工具，綜合直方圖的分布及盤州市地形特征，規(guī)則制定如下所示：

林地：DEM(1 755 m,2 300 m),坡度(15°，40°)；

農(nóng)用地：DEM(755 m,1 600 m),坡度(0°，11°)；

自然保留地地：DEM(1 755 m,1 940 m),坡度(6°，25°)；

建設(shè)用地：DEM(755 m,1 800 m),坡度(0°，8°)，距離水域距離(100 m,1 200 m),距離道路距離(200 m，1 200 m)。

對應(yīng)生成五種土地利用類型的適宜性圖像，通過Collection Editor工具將其進行疊加，得到RGF圖形文件，實現(xiàn)土地利用類型的適宜性圖集的構(gòu)建。

2.3 模型精度驗證

本文主要采用數(shù)量精度和Kappa系數(shù)來評價模型對土地利用變化預(yù)測的適用性和準確性；其中，數(shù)量精度指數(shù)采用誤差分析法得出模擬誤差百分比，直觀反映各類用地數(shù)量發(fā)展的規(guī)模。Kappa系數(shù)從整體上檢驗?zāi)M結(jié)果與觀測數(shù)據(jù)的一致性程度，利用IDRISI中GIS Analysis的CROSSTAB工具計算Kappa指數(shù)，當(dāng)Kappa值大于0.75時，說明模擬精度較好。計算公式如下：

(6)

式中,a為用地類型的數(shù)量誤差精度，xip為用地類型i的預(yù)測面積，xir為用地類型i的實際面積。

3 結(jié)果與分析

3.1 土地利用類型分類

參考《盤州市土地利用總體規(guī)劃(2006～2020)調(diào)整方案》用地分類特點，將研究區(qū)劃分為林地、農(nóng)用地、自然保留地、建設(shè)用地和水域五大類別，其農(nóng)用地包含耕地、牧草地和園地。在ENVI中評價分類結(jié)果，得到分類總體精度分別為91.52 %、93.25 %、90.06 %，對本文研究提供一定的可靠性。2001年、2009年、2017年盤州市土地利用情況見圖2。由ENVI的Extensions模塊中Class Area Statistic工具分別獲得土地利用面積數(shù)據(jù)(表1)。盤州市的農(nóng)林用地是主體用地，占全域80 %左右，建設(shè)用地規(guī)模較小，但面積在逐年遞增，從2001年占比3.43 %增加到2017年的4.80 %。自然保留地未得到充分利用，但隨著經(jīng)濟的發(fā)展也實現(xiàn)了合理的開發(fā)，宜農(nóng)則農(nóng)，宜建則建，從2001年占比15.48 %減少到2017年的14.37 %。水域面積最小，僅占全域0.5 %左右。

(a) 2001年

(b) 2009年

(c) 2017年

表1 2001年、2009年、2017年盤州市土地利用基礎(chǔ)數(shù)據(jù)

3.2 土地利用動態(tài)變化

結(jié)合土地利用變化特征指標，從基期數(shù)據(jù)中分析挖掘LUCC的客觀規(guī)律和變化機制，見表2。水域面積持續(xù)小幅度增長，林地面積穩(wěn)中有增。建設(shè)用地呈增長趨勢，其中2001年～2009年增長速度較快。自然保留地持續(xù)減少，其動態(tài)度0.45 %左右。農(nóng)用地面積呈減少趨勢，且2009年～2017年面積減少較前一時期相對較緩，是因為在穩(wěn)定生態(tài)退耕的同時，牧草地和園地有一定增長勢頭。

表2 2001～2017年盤州市土地利用變化特征指標

利用ArcGIS柵格計算器獲取盤州市2001年～2017年間土地利用轉(zhuǎn)移面積矩陣，見表3和表4。

表3 2001年～2009年盤州市土地利用面積轉(zhuǎn)移矩陣

表4 2009年～2017年盤州市土地利用面積轉(zhuǎn)移矩陣

3.3 土地利用模擬預(yù)測

CA-Markov實現(xiàn)對研究區(qū)土地利用變化的模擬預(yù)測，以盤州市2009年土地利用數(shù)據(jù)為基期，導(dǎo)入2001年～2009年的土地利用轉(zhuǎn)移面積矩陣以及制作的適宜性圖集，設(shè)置循環(huán)次數(shù)8 a，選擇5×5擴展摩爾型濾波器，得到2017年的土地利用模擬圖[圖3(a)]，計算面積(表5)。在模擬的五類土地類型中，除自然保留地誤差較大外，其余誤差值都在1 %以內(nèi)，Kappa系數(shù)為0.924，整體模擬效果較好。

表5 2017年盤州市土地利用面積誤差

驗證模型可適用性后，以同樣方法得到2025年研究區(qū)的土地利用預(yù)測圖[圖3(b)]，將其解譯得到面積數(shù)據(jù)(表6)。預(yù)測結(jié)果顯示：2017年～2025年盤州市土地利用變化趨勢呈現(xiàn)為自然保留地、農(nóng)用地不斷減少，其余持續(xù)增加，說明近年來推行土地綜合整治取得一定成效。部分水域被劃為禁止建設(shè)區(qū)，因而得到有效保護，其面積呈小范圍增長。自然保留地得到有效開發(fā)，處于平穩(wěn)發(fā)展趨勢。為保障基礎(chǔ)設(shè)施建設(shè)必要用地，建設(shè)占地面積持續(xù)增長。農(nóng)用地結(jié)構(gòu)內(nèi)部調(diào)整，耕地減少保質(zhì)量，園地和牧草地適當(dāng)發(fā)展，林木資源有效保護，總體仍占全域面積80 %左右。

表6 2025盤州市土地利用結(jié)構(gòu)預(yù)測數(shù)據(jù)

(a) 2017年

(b) 2025年

圖3 2017年、2025年盤州市土地利用模擬結(jié)果

Fig.3 Simulation results of land use in Panzhou city in 2017, 2025

4 結(jié)論

本文運用GIS、RS技術(shù)，對研究區(qū)2001年、2009年及2017年的Landsat 衛(wèi)星影像解譯分析后，結(jié)合盤州市土地利用規(guī)劃政策制定CA中的適宜性轉(zhuǎn)換規(guī)則，采用集成模型MCE-CA-Markov模擬和預(yù)測土地利用格局的演變。從2017年模擬結(jié)果來看，誤差在可接受范圍，因此，在沒有突發(fā)性事件發(fā)生的情況下，利用該模型預(yù)測盤州市未來的土地利用變化是可行的。2001年～2025年預(yù)測結(jié)果顯示：盤州市在近20年間，水域面積雖然較小，但一直在穩(wěn)步增長。退耕還林政策的推行以及由山區(qū)勞動力城鄉(xiāng)遷移引起的耕地撂荒，使得區(qū)內(nèi)耕地大幅度減少，林地面積適當(dāng)增加。在城鎮(zhèn)化建設(shè)背景下，建設(shè)用地不斷擴張，同時自然保留地也得到一定程度的開發(fā)利用。

盤州市從傳統(tǒng)農(nóng)業(yè)格局向新型城鎮(zhèn)轉(zhuǎn)化的過程中，由于存在壩區(qū)資源稀缺的約束，故城鄉(xiāng)的擴建或新建應(yīng)適當(dāng)?shù)南驂螀^(qū)周圍丘陵緩坡地帶布局，盡量減少對優(yōu)質(zhì)農(nóng)田的占用，同時更好彰顯山地城市特色。再者從維護全市糧食安全出發(fā)，要嚴格保護基本農(nóng)田，推進土地治理，加快農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，穩(wěn)定其他農(nóng)用地。在未來土地利用規(guī)劃的過程中應(yīng)嚴格遵循區(qū)域地形結(jié)構(gòu)，對不同土地利用類型因地制宜的安排與協(xié)調(diào)，實現(xiàn)生態(tài)用地合理布局與可持續(xù)利用。