基于CA-Markov景觀格局預(yù)測(cè)模型的建構(gòu)研究

宋一凡，王 姝，張 杰，陳嘉琪，陳園園，門華濤，李繼紅

(東北林業(yè)大學(xué)，黑龍江哈爾濱 150040)

土地利用景觀格局是土地生態(tài)過程作用結(jié)果的體現(xiàn)［1］。對(duì)不同時(shí)空尺度的土地利用景觀格局進(jìn)行研究，并了解在一定人類社會(huì)影響下生態(tài)環(huán)境的變化趨勢(shì)，可以為制定科學(xué)、有效的土地利用管理策略提供支持和借鑒，為區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展提供指導(dǎo)［2］。因此，構(gòu)建高精度景觀格局預(yù)測(cè)模型具有重要意義。在現(xiàn)有的多種景觀預(yù)測(cè)模型中，馬爾柯夫(Markov)模型和元胞自動(dòng)機(jī)(CA)模型分別具有廣泛的應(yīng)用，同時(shí)傳統(tǒng)單一預(yù)測(cè)模型的弊端逐漸暴露。Markov模型對(duì)數(shù)量變化預(yù)測(cè)能力強(qiáng)，但難以預(yù)測(cè)空間格局變化;CA模型空間概念強(qiáng)，卻側(cè)重于元胞局部的相互作用，具有局限性。將兩者結(jié)合，既可實(shí)現(xiàn)空間和數(shù)量上的長期模擬，又可提高預(yù)測(cè)精度。

該研究以黑龍江省雙鴨山市寶清縣為例，在1996、2004、2012年3個(gè)時(shí)期的遙感影像資料的基礎(chǔ)上，通過GIS軟件的圖像處理及空間分析等功能，得到不同時(shí)期的土地利用分類圖，并結(jié)合CA-Markov模型對(duì)該縣2020年土地利用情況及景觀格局進(jìn)行預(yù)測(cè)，旨在揭示其變化規(guī)律，為當(dāng)?shù)氐纳鷳B(tài)環(huán)境建設(shè)和社會(huì)經(jīng)濟(jì)發(fā)展提供理論指導(dǎo)和決策依據(jù)。

1 研究地區(qū)及研究方法

1.1 研究區(qū)概況 寶清縣位于131°12'～133°30'E，45°45'～46°55'N，屬黑龍江省雙鴨山市境內(nèi)，三江平原腹地，是黑龍江省東部地區(qū)重要的商貿(mào)重鎮(zhèn)和區(qū)域交通樞紐。該縣轄6個(gè)鎮(zhèn)，4個(gè)鄉(xiāng)，行政區(qū)域面積為10 001.27 km2，人口42.4萬。中溫帶大陸性季風(fēng)氣候，四季變化顯著，年平均降水量574 mm，年平均氣溫3.2℃。生態(tài)環(huán)境優(yōu)美，物產(chǎn)資源豐富，擁有多個(gè)濕地景區(qū)，旅游開發(fā)潛力巨大。

1.2 數(shù)據(jù)來源與預(yù)處理 在ENVI 4.6軟件的支持下，選取寶清縣1996、2004及2012年9月份的Landsat TM影像，以1∶50 000地形圖為基準(zhǔn)，選取4、3、2波段進(jìn)行標(biāo)準(zhǔn)假彩色合成，并采用二次多項(xiàng)式糾正法進(jìn)行幾何校正。經(jīng)過配準(zhǔn)、剪裁等處理后，得到該區(qū)域三期的遙感圖像。參照《土地利用現(xiàn)狀分類》國家標(biāo)準(zhǔn)及研究重點(diǎn)，建立分類系統(tǒng)(耕地、濕地、林草地、建設(shè)用地、水域及未利用地)，并采用最大似然法進(jìn)行監(jiān)督分類，最終得到該縣3個(gè)時(shí)期的土地利用分類圖(圖1)。經(jīng)驗(yàn)證，Kappa系數(shù)分別為0.87、0.83和0.90，滿足精度要求。

景觀格局指數(shù)是景觀結(jié)構(gòu)組成的數(shù)字化體現(xiàn)，是景觀格局信息的高度濃縮［3］。研究選取斑塊面積(CA)，斑塊所占面積比(PLAND)，斑塊數(shù)量(NP)及最大斑塊面積指數(shù)(LPI)4個(gè)相對(duì)具有代表性的景觀指數(shù)，通過Fragstats景觀格局軟件得到寶清縣景觀類型斑塊特征(表1)。為體現(xiàn)不同時(shí)期景觀格局指數(shù)的變化，另選景觀密度(PD)、景觀形狀指數(shù)(LSI)、景觀香農(nóng)多樣性指數(shù)(SHDI)、景觀香農(nóng)均勻性指數(shù)(SHEI)和蔓延度(CONTAG)來進(jìn)行衡量和比較(表2)。

1.3 研究方法

1.3.1 CA-Markov模型。若隨機(jī)過程在有限的時(shí)序t1＜t2＜t3...tn中，任意時(shí)刻tn的狀態(tài)an只與前一刻(tn-1)的狀態(tài)(an-1)有關(guān)，稱該過程具有馬爾柯夫性(無后效性)，具有馬爾柯夫性的過程稱為馬爾柯夫過程［2］。其核心需確定狀態(tài)轉(zhuǎn)移概率矩陣。元胞自動(dòng)機(jī)模型則是一種時(shí)間、空間、狀態(tài)都離散的具有時(shí)空計(jì)算特征的動(dòng)力學(xué)模型［4］，包括元胞、元胞空間、鄰域和轉(zhuǎn)換規(guī)則4部分。因此兩者結(jié)合的CAMarkov模型需進(jìn)行相關(guān)參數(shù)和規(guī)則的設(shè)定。綜合考慮數(shù)據(jù)分辨率和計(jì)算機(jī)運(yùn)行速率等因素，設(shè)元胞大小為30 m×30 m。設(shè)定元胞初始狀態(tài)為耕地、林草地、濕地、水域、建設(shè)用地和未利用地，選擇5×5濾波器，以1996～2004年土地利用轉(zhuǎn)移矩陣為轉(zhuǎn)換規(guī)則，預(yù)測(cè)2012年土地利用狀態(tài)。在得到精度驗(yàn)證后，進(jìn)一步預(yù)測(cè)2020年土地利用及景觀格局特征。CA的迭代次數(shù)為8。

圖1 3個(gè)時(shí)期土地利用分類

表1 寶清縣各時(shí)期景觀類型斑塊特征

表2 不同時(shí)期景觀格局指數(shù)變化

1.3.2 確定轉(zhuǎn)移概率矩陣。土地利用轉(zhuǎn)移矩陣可以反映某特定區(qū)域不同時(shí)間段內(nèi)各個(gè)土地類型之間的相互轉(zhuǎn)變情況［5］。根據(jù) CA-Markov模型的需要，通過 ArcGIS和 IDRISI軟件，將矢量數(shù)據(jù)轉(zhuǎn)換成柵格形式，并利用IDRISI軟件的Markov分析模塊，輸出土地利用類型的轉(zhuǎn)移概率矩陣和轉(zhuǎn)移面積矩陣(表3、表4)。參數(shù)設(shè)置不同將導(dǎo)致結(jié)果不唯一。

表3 土地利用類型的面積轉(zhuǎn)移矩陣

1.3.3 土地適宜性圖像集。對(duì)任意土地單元而言，不同土地利用類型之間的轉(zhuǎn)化方向和數(shù)量與地域的地理位置、自然條件以及交通狀況等有關(guān)，其相關(guān)程度決定了內(nèi)在適宜性的大?。?］。因此研究選擇土地適宜性圖像集作為轉(zhuǎn)換規(guī)則。利用IDRISI軟件的MCE模塊，將坡度、交通狀況等影響因子布爾相乘，再通過集合編輯器進(jìn)行排列，最終得到土地適應(yīng)性圖像集。

表4 土地利用類型的概率轉(zhuǎn)移矩陣

2 結(jié)果與分析

2.1 2012年預(yù)測(cè)結(jié)果 依據(jù)1996、2004年土地利用分類圖，并結(jié)合轉(zhuǎn)移概率矩陣和土地適應(yīng)性圖像集，利用CA-Markov模型分析和運(yùn)算，得到2012年土地利用預(yù)測(cè)圖(圖2)。

圖2 2012年土地利用預(yù)測(cè)

2.2 Kappa檢驗(yàn) 一般選用Kappa指數(shù)來對(duì)兩個(gè)圖件的一致性或精度進(jìn)行定量評(píng)價(jià)［7］。Kappa指數(shù)(Ik)的表達(dá)式為:

式中，Po為正確模擬的比例，Pc為隨機(jī)情況下期望的模擬比例，Pp為理想情況下正確的模擬比例。

通過對(duì)比2012年土地利用預(yù)測(cè)圖與2012年實(shí)際土地利用分類圖，并運(yùn)用ENVI軟件進(jìn)行精度評(píng)定，其Kappa指數(shù)為0.89，符合精度要求，表明該模型可信度較高。

2.3 2020年預(yù)測(cè)結(jié)果與分析 根據(jù)2012年實(shí)際遙感數(shù)據(jù)，按同樣的方法得到研究區(qū)域2020年土地利用預(yù)測(cè)圖(圖3)。運(yùn)用Fragstats軟件，得到2020年景觀類型斑塊特征(表5)和2020年景觀格局指數(shù)(表6)。

圖3 2020年土地利用預(yù)測(cè)

表5 2020年景觀類型斑塊特征

通過2020年預(yù)測(cè)結(jié)果與2012年實(shí)際數(shù)據(jù)對(duì)比得出，該地區(qū)耕地、林草地、未利用地及濕地面積呈不同幅度減少，其中濕地減少幅度最大，多樣性指數(shù)顯著下降，斑塊破碎程度明顯加劇。

表6 2020年景觀格局指數(shù)

3 結(jié)論與討論

該研究在1996和2004年寶清縣遙感圖像的基礎(chǔ)上進(jìn)行分析處理，生成轉(zhuǎn)移概率矩陣和土地適應(yīng)性圖像集，構(gòu)建CAMarkov景觀預(yù)測(cè)模型，并進(jìn)行精度驗(yàn)證。在高可信度下，根據(jù)2012年實(shí)際土地利用狀態(tài)，成功預(yù)測(cè)2020年土地利用及景觀格局變化情況。經(jīng)過對(duì)比分析，濕地面積顯著下降，斑塊破碎程度明顯加劇。

研究得出，CA-Markov模型在未來的土地利用及景觀結(jié)構(gòu)預(yù)測(cè)中將有廣闊前景，同時(shí)揭示了人類活動(dòng)對(duì)景觀格局的影響正不斷加深，望有關(guān)部門加以重視并采取相應(yīng)補(bǔ)救措施。另外該模型在驅(qū)動(dòng)因素的選擇及參數(shù)設(shè)定等方面仍有不足，在今后的研究中將進(jìn)一步改進(jìn)和提高。

［1］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(bào)，2009，64(4):456-468.

［2］王友生，余新曉，賀康寧，等.基于CA-Markov模型的藉河流域土地利用變化動(dòng)態(tài)模擬［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(12):330-331.

［3］鄔建國.景觀生態(tài)學(xué)［M］.北京:高等教育出版社，2007.

［4］金小剛.基于Matlab的元胞自動(dòng)機(jī)的仿真設(shè)計(jì)［J］.計(jì)算機(jī)仿真，2002，19(4):27-30.

［5］李曉琴，郭麗麗，廖鐵軍，等.宜賓市土地利用變化分析［J］.國土與自然資源研究，2005(2):45-46.

［6］湯潔，汪雪格，李邵陽，等.基于CA-Markov模型的吉林省西部土地利用景觀格局變化趨勢(shì)預(yù)測(cè)［J］.吉林大學(xué)學(xué)報(bào)，2010，40(2):406-410.

［7］黃超.基于CA-Markov模型的福州市景觀格局動(dòng)態(tài)模擬研究［D］.福州:福建農(nóng)林大學(xué)，2011.