基于Logistic-CA-Markov耦合模型的彬州市LUCC多情景模擬

李世鋒, 洪增林,, 薛旭平, 張鋒軍, 石 衛(wèi)

(1.長(zhǎng)安大學(xué) 土地工程學(xué)院, 西安710054; 2.陜西省地質(zhì)調(diào)查院, 西安710054; 3.陜西省水工環(huán)地質(zhì)調(diào)查中心, 西安710068)

土地利用/覆蓋變化(land use/cover change，LUCC)影響區(qū)域社會(huì)經(jīng)濟(jì)、生態(tài)環(huán)境，進(jìn)而引發(fā)區(qū)域生態(tài)系統(tǒng)、景觀格局及功能的演變[1-3]。由于人類對(duì)土地利用的方式具有能動(dòng)性和調(diào)控力，使得土地利用/覆蓋變化導(dǎo)致許多自然現(xiàn)象和生態(tài)過(guò)程的變化，因此對(duì)土地利用變化的驅(qū)動(dòng)力分析及模擬預(yù)測(cè)研究一直是LUCC研究熱點(diǎn)領(lǐng)域之一?；趯?duì)區(qū)域土地利用過(guò)程變化及其驅(qū)動(dòng)因子分析，并且進(jìn)行多情景動(dòng)態(tài)模擬，預(yù)測(cè)未來(lái)土地利用空間分布情況，可為區(qū)域土地資源合理開發(fā)利用、規(guī)劃以及生態(tài)保護(hù)環(huán)境提供支持和借鑒。

目前，國(guó)內(nèi)外對(duì)于LUCC的分析和模擬有很多種模型，有數(shù)量預(yù)測(cè)模型，如馬爾科夫模型(Markov)[4]、Logistic回歸模型[5]、灰色預(yù)測(cè)模型(Gary Forecast Model)等[6]；有空間預(yù)測(cè)模型，如元胞自動(dòng)機(jī)模型(CA)[7]、CLUE-S模型[8-10]、FLUS模型等[11]；有耦合模型，如CA-Markov模型[12-14]、CA-MAS模型[15]、Logistic-CA-Markov模型等[16]。其中，Logistic回歸模型常用于定量分析驅(qū)動(dòng)因子與LUCC之間的相關(guān)性，并且能預(yù)測(cè)在當(dāng)前的情況下出現(xiàn)某地類的概率，但模擬結(jié)果只能是數(shù)量上的變化，在空間分布上體現(xiàn)不出來(lái)[17]。馬爾科夫(Markov)模型預(yù)測(cè)未來(lái)較長(zhǎng)時(shí)間內(nèi)土地?cái)?shù)量有絕對(duì)的優(yōu)勢(shì)，但不能預(yù)測(cè)土地利用空間分布格局的變化[18]。元胞自動(dòng)機(jī)(CA)模型可以有效模擬元胞之間的相互作用，在空間分析和模擬運(yùn)算有獨(dú)特且強(qiáng)大的能力，但存在局限性[19]。將Logistic回歸模型、CA模型和Markov模型進(jìn)行耦合，形成Logistic-CA-Markov模型，既能識(shí)別預(yù)判驅(qū)動(dòng)因子與LUCC的顯著關(guān)系并預(yù)測(cè)各地類分布的概率，為后續(xù)制作土地轉(zhuǎn)變適宜性圖集，校正元胞自動(dòng)機(jī)的轉(zhuǎn)換規(guī)則提供基礎(chǔ)支撐，又能在數(shù)量和空間模擬土地利用變化，這樣可以大大提高預(yù)測(cè)精度。

本文以陜西省彬州市為例，基于2009年和2019年土地利用數(shù)據(jù)、DEM數(shù)據(jù)、坡度數(shù)據(jù)、交通道路數(shù)據(jù)、規(guī)劃數(shù)據(jù)、經(jīng)濟(jì)社會(huì)數(shù)據(jù)、水域數(shù)據(jù)等，通過(guò)GIS軟件空間分析功能對(duì)土地利用結(jié)構(gòu)和利用動(dòng)態(tài)度進(jìn)行時(shí)空演變分析，對(duì)影響彬州市土地利用變化的驅(qū)動(dòng)因子進(jìn)行Logistic回歸分析，運(yùn)用Logistic-CA-Markov模型，以研究區(qū)2009年為基期，模擬預(yù)測(cè)2019年土地利用變化，將預(yù)測(cè)的結(jié)果與2019年實(shí)際土地利用數(shù)據(jù)進(jìn)行對(duì)比，計(jì)算其Kappa系數(shù)驗(yàn)證模擬精度，最后分別在自然發(fā)展、生態(tài)保護(hù)和限制城市過(guò)度開發(fā)3種情景下對(duì)研究區(qū)2029年土地利用變化進(jìn)行模擬預(yù)測(cè)，分析得出結(jié)果。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

彬州市位于陜西省渭北高原西部、咸陽(yáng)市西北部，陜甘邊界地區(qū)，屬隴東黃土高原塬梁丘陵溝壑區(qū)，地勢(shì)西南高東北低，介于東經(jīng)107°49′—108°22′，北緯34°51′—35°17′，全市土地總面積1 183.59 km2，約占陜西省總面積的6%，區(qū)域內(nèi)海拔為715～1 500 m。涇河自西北向東斜貫中部，將彬州市分割成東北、西南兩塬夾川道的地貌格局。研究區(qū)屬于暖溫帶半干旱大陸性季風(fēng)氣候，具有雨熱同季，寒暑極端，四季分明，光能資源豐富，降水時(shí)空分布不均的特點(diǎn)，年平均日照數(shù)2 210.8 h，年日照分率為52%，年均氣溫9.7℃，極端最高溫40℃，極端最低溫-22.5℃，全年無(wú)霜期172～177 d，年均降水量561.4 mm。彬州市共有5個(gè)土類，分別為黑壚土、黃綿土、紅土、淤土和潮土，其中黑壚土和黃綿土分布最廣，也是主要的農(nóng)業(yè)土壤。

1.2 數(shù)據(jù)來(lái)源

本研究所需的土地利用數(shù)據(jù)來(lái)源于土地調(diào)查數(shù)據(jù)，依托項(xiàng)目為《彬州市國(guó)土空間規(guī)劃》，這與常規(guī)的從Landsat-TM遙感數(shù)據(jù)中識(shí)別、解譯和提取土地利用/覆被信息相比，避免了解譯正確率這一誤差，精度更高。研究區(qū)高程(DEM)數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院地理空間數(shù)據(jù)云，空間分辨率為30 m×30 m。坡度數(shù)據(jù)由DEM數(shù)據(jù)在GIS空間分析工具得出，經(jīng)濟(jì)社會(huì)數(shù)據(jù)來(lái)源于中科院資源環(huán)境科學(xué)數(shù)據(jù)中心以及彬州市2009年和2019年統(tǒng)計(jì)年鑒。道路交通數(shù)據(jù)、規(guī)劃數(shù)據(jù)及水域數(shù)據(jù)來(lái)源于《彬州市總體規(guī)劃(2015—2030)》。

2 研究方法

2.1 數(shù)據(jù)處理

將收集的研究區(qū)2009年和2019年土地利用數(shù)據(jù)在GIS提取土地利用類型矢量數(shù)據(jù)，并分別將這兩年的矢量數(shù)據(jù)投影成相同的坐標(biāo)系統(tǒng)，利用GIS數(shù)據(jù)管理工具中Dissolve對(duì)其矢量數(shù)據(jù)進(jìn)行融合，使其數(shù)據(jù)研究范圍完全重合。根據(jù)《土地利用現(xiàn)狀分類》(GB/T21010—2017)以及本次研究的重點(diǎn)，將土地利用類型劃分為7類：耕地、園地、林地、草地、建設(shè)用地、水域和其他土地。DEM數(shù)據(jù)通過(guò)GIS軟件進(jìn)行鑲嵌、整合、裁剪為范圍一致的柵格數(shù)據(jù)，再根據(jù)GIS空間分析工具中Slope將DEM數(shù)據(jù)轉(zhuǎn)換為坡度數(shù)據(jù)。經(jīng)濟(jì)社會(huì)數(shù)據(jù)主要包括GDP和人口密度，以柵格為單元進(jìn)行處理，利用GIS軟件進(jìn)行裁剪，使其和研究區(qū)范圍一致。

2.2 土地利用動(dòng)態(tài)變化的空間分析模型

某一區(qū)域的某單一土地利用類型i在某段時(shí)期的轉(zhuǎn)移速率和新增速率計(jì)算公式如下[20]：

(1)

(2)

某一區(qū)域綜合土地利用動(dòng)態(tài)度的計(jì)算公式如下：

(3)

式中:TRLi為轉(zhuǎn)移速率;LA(i,t1)為研究初期t1第i種土地利用類型的面積；ULAi為研究期間第i種土地利用類型沒有發(fā)生變化的面積；IRLi為新增速率；LA(i,t2)為研究末期t2第i種土地利用類型的面積；S為區(qū)域土地利用綜合變化率；t1和t2分別為研究初期和末期的時(shí)間。面積單位均為km2。

2.3 Logistic回歸模型及模擬有效性檢驗(yàn)

Logistic回歸模型可用于估算某個(gè)事件發(fā)生的可能性，并且能分析一個(gè)因變量與多個(gè)自變量之間的多元回歸關(guān)系。本研究中，在考慮數(shù)據(jù)的可獲取性、數(shù)據(jù)在時(shí)間空間上的一致性以及因子具有空間差異性的基礎(chǔ)上，選取高程、坡度、GDP、人口密度、距道路、行政中心、河流的距離7種作為驅(qū)動(dòng)因子進(jìn)行回歸分析。公式如下[21]：

(4)

式中:pi為出現(xiàn)某地類i的概率;β0為常數(shù)量;β1,β2,…,βm為回歸系數(shù);X1,X2,…,Xm為影響因子。pi取值范圍在0～1,數(shù)值越大說(shuō)明出現(xiàn)某地類的概率就越大,反之亦然。

將上式進(jìn)行對(duì)數(shù)變換再推導(dǎo)得出土地利用的空間分布概率[22]：

(5)

式中:exp(β0+β1X1+β2X2+…+βmXm)叫做事件發(fā)生比,也稱似然比,用exp(B)表示,在本研究中,exp(B)表示驅(qū)動(dòng)因子每增加一個(gè)單位時(shí)土地利用類型發(fā)生比的變化情況:exp(B)>1,發(fā)生比增加;exp(B)<1,發(fā)生比減少;exp(B)=1,發(fā)生比不變。

對(duì)于Logistic回歸模型的擬合效果常用ROC曲線[23]進(jìn)行驗(yàn)證，一般認(rèn)為當(dāng)ROC曲線面積值大于0.7時(shí)，模擬效果較好，滿足研究需求。

2.4 Logistic-CA-Markov模型構(gòu)建

元胞自動(dòng)機(jī)(CA)實(shí)質(zhì)上是一種網(wǎng)格動(dòng)力學(xué)模型[24]，其特點(diǎn)是時(shí)間、空間、狀態(tài)都離散，根據(jù)空間相互作用和時(shí)間因果關(guān)系來(lái)模擬復(fù)雜系統(tǒng)的時(shí)空演變過(guò)程。CA模型表達(dá)式如下[25]：

St+1=f(St，N)

(6)

式中:S為元胞有限、離散的狀態(tài)集合;N為元胞的鄰域;t和t+1為不同時(shí)刻;f為元胞的轉(zhuǎn)換規(guī)則。

馬爾科夫模型(Markov)是離散時(shí)間隨機(jī)模型，在土地利用預(yù)測(cè)領(lǐng)域運(yùn)用比較多，它主要是根據(jù)過(guò)去和當(dāng)前土地利用信息具體情況，計(jì)算出這兩個(gè)時(shí)間段土地利用類型之間相互轉(zhuǎn)移的面積數(shù)量和轉(zhuǎn)移概率，進(jìn)行下一時(shí)間點(diǎn)土地利用狀態(tài)的預(yù)測(cè)。公式表達(dá)如下[26]：

St+1=Pij·St

(7)

式中:St,St+1為t,t+1時(shí)刻土地利用系統(tǒng)的狀態(tài);Pij為狀態(tài)轉(zhuǎn)移矩陣。

本研究CA-Markov模型構(gòu)建是基于IDRISI 17.0軟件的支持下完成的[27]，具體過(guò)程如下：(1) 數(shù)據(jù)轉(zhuǎn)換和重分類；(2) 確定研究區(qū)2009—2019年土地利用類型的轉(zhuǎn)移面積矩陣和轉(zhuǎn)移概率矩陣；(3) 根據(jù)前文回歸分析結(jié)果，運(yùn)用地圖代數(shù)根據(jù)公式(5)計(jì)算得到各土地利用類型概率圖，并用IDRISI軟件集合編輯器建立各土地利用類型的適宜性圖集；(4) 構(gòu)造CA濾波器，本研究采用5×5鄰近濾波器為鄰域定義；(5) 確定起始時(shí)刻及迭代次數(shù)。

本研究利用Logistic回歸分析模型得出土地適宜性圖集定義CA模型的轉(zhuǎn)換規(guī)則，CA-Markov模型進(jìn)行預(yù)測(cè)，三者結(jié)合形成Logistic-CA-Markov模型。

2.5 模擬預(yù)測(cè)精度檢驗(yàn)

Kappa系數(shù)是一個(gè)用于一致性檢驗(yàn)的指標(biāo)，常用來(lái)檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)結(jié)果和實(shí)際分類結(jié)果是否一致。其計(jì)算公式如下[28]：

(8)

式中:P0為預(yù)測(cè)一致的柵格占實(shí)際總柵格的比例；Pc為隨機(jī)狀態(tài)下模擬預(yù)測(cè)一致的柵格比例。當(dāng)0

3 結(jié)果與分析

3.1 土地利用動(dòng)態(tài)演變

通過(guò)ArcGIS 10.2對(duì)2009年和2019年研究區(qū)土地利用的矢量數(shù)據(jù)進(jìn)行空間疊置分析，得到2009—2019年土地利用變化面積轉(zhuǎn)移矩陣(表1)，依據(jù)該面積轉(zhuǎn)移矩陣和公式(1)—(3)統(tǒng)計(jì)分析并計(jì)算各土地利用類型的轉(zhuǎn)移速率，新增速率以及研究區(qū)總體土地利用動(dòng)態(tài)度(表2)。

由表1可知，研究區(qū)2009—2019年10年間各個(gè)土地利用類型的面積發(fā)生了不同的變化，其中，林地、建設(shè)用地、園地和其他土地的面積分別增加了191.94，10.7，9.38，0.79 km2；草地、耕地和水域面積分別減少了176.47，35.69，0.64 km2。在各土地利用類型轉(zhuǎn)移面積中，草地和耕地轉(zhuǎn)移的面積最多，分別為232.29，190.61 km2，其轉(zhuǎn)移速率為7.54%，5.26%；在各土地利用類型新增面積中，林地、耕地和園地新增面積最大，分別為266.12，154.92，104.83 km2，其中新增速率最快的是林地，草地轉(zhuǎn)變?yōu)榱值孛娣e最多。研究區(qū)在2009—2019年這10年間的土地利用變化顯著，再根據(jù)表2研究區(qū)土地類型在10年間發(fā)生轉(zhuǎn)變的面積為653.31 km2，總面積為1 173.36 km2，依據(jù)公式(3)計(jì)算求得的研究區(qū)土地總體利用動(dòng)態(tài)度為5.57%，可以看出研究區(qū)10年間土地利用類型的變化比較明顯。

表1 彬州市2009-2019年土地利用變化的面積轉(zhuǎn)移矩陣 km2

表2 彬州市2009-2019年土地利用動(dòng)態(tài)變化率

3.2 研究區(qū)土地利用變化的驅(qū)動(dòng)因子分析及有效性檢驗(yàn)

將土地利用數(shù)據(jù)和各驅(qū)動(dòng)因子的矢量數(shù)據(jù)轉(zhuǎn)化ASCII文件，再利用CLUE軟件將每種地類和所有的驅(qū)動(dòng)因子ASCII文件轉(zhuǎn)換成7個(gè)單一記錄文件，每個(gè)記錄文件中一個(gè)地類對(duì)應(yīng)有7個(gè)驅(qū)動(dòng)因子數(shù)據(jù)，最后利用SPSS軟件對(duì)7個(gè)單一記錄文件進(jìn)行l(wèi)ogistic回歸分析，根據(jù)得出的各地類空間分布概率，運(yùn)用地圖代數(shù)方法制作7種地類的空間分布概率圖(圖1)，并利用ROC曲線對(duì)7種地類模擬有效性進(jìn)行檢驗(yàn)，結(jié)果見表3。

由表3可知：(1) 彬州市耕地格局主要受坡度、距道路、行政中心、河流的距離以及GDP影響，從回歸系數(shù)看，坡度影響最大且與耕地呈負(fù)相關(guān)；從事件發(fā)生比exp(B)來(lái)看，坡度每增加1個(gè)單位，耕地的空間轉(zhuǎn)化概率減少0.990 137倍。(2) 建設(shè)用地格局受自然因子和社會(huì)經(jīng)濟(jì)因子的共同影響，建設(shè)用地與人口密度呈正相關(guān)，與其他因子呈負(fù)相關(guān)，說(shuō)明建設(shè)用地分布在海拔低、坡度低、距離道路、行政中心近的區(qū)域，從發(fā)生比看，人口密度每增加一個(gè)單位，建設(shè)用地的空間轉(zhuǎn)化概率增加1.004 488倍，說(shuō)明人口密度越大，建設(shè)用地的需求就會(huì)越大。(3) 從方程回歸系數(shù)來(lái)看，園地與高程、坡度、GDP和距道路距離因子呈負(fù)相關(guān)，說(shuō)明園地分布在高程坡度低的區(qū)域，且隨著距道路距離和GDP的增大，園地呈減少的趨勢(shì)；園地與人口密度、距行政中心距離和距河流距離3種因子呈正相關(guān)，且人口密度的相關(guān)系數(shù)最大，從exp(B)來(lái)看，人口密度每增加1個(gè)單位，園地的空間轉(zhuǎn)化概率增加1.006 747倍。(4) 林地與GDP和人口密度因子呈負(fù)相關(guān)，與高程、坡度、距道路距離、距河流距離4種因子呈正相關(guān)，說(shuō)明林地分布在人口較少，高程較高，坡度較大，距離河流和道路較遠(yuǎn)的區(qū)域，同時(shí)坡度每增加1個(gè)單位，林地的空間轉(zhuǎn)化概率增加1.017 682倍。(5) 草地與高程、距河流距離兩種因子呈負(fù)相關(guān)，與坡度、人口密度和距道路距離3種因子呈正相關(guān)，說(shuō)明草地分布在高程低、人口密度大、距離河流近的區(qū)域，且隨著坡度和距道路距離的增大，草地呈增大的趨勢(shì)。水域與GDP呈正相關(guān)，與其他因子呈負(fù)相關(guān)。

圖1 彬州市7種地類空間分布概率

在本文中，ROC值用于判斷計(jì)算出的各類土地利用類型在不同因子影響下空間分布概率與該類土地利用類型真實(shí)的分布格局之間的擬合度[29]。由表3可知，各地類的ROC值依次是：耕地0.706，園地0.749，林地0.734，草地0.726，建設(shè)用地0.774，水域0.968，其他用地0.872，均大于0.7，說(shuō)明擬合度較好，滿足本研究需求。

3.3 彬州市2019年土地利用模擬及精度驗(yàn)證

根據(jù)7種地類空間分布概率圖，運(yùn)用IDRISI軟件集合編輯器將7種地類概率圖按重分類的順序分別編序1—7，建立各土地利用類型的適宜性圖集，在運(yùn)用IDRISI軟件中CA-Markov模型以2009年作為土地利用預(yù)測(cè)起始時(shí)間，設(shè)置迭代次數(shù)為10，模擬預(yù)測(cè)2019年土地利用變化情況，將其模擬結(jié)果與2019年實(shí)際土地利用現(xiàn)狀圖進(jìn)行精度驗(yàn)證，見圖2。

Kappa系數(shù)廣泛用于對(duì)遙感數(shù)據(jù)的分類精度和兩個(gè)圖像的相似程度進(jìn)行評(píng)價(jià)[30]。本研究通過(guò)IDRISI軟件中CROSSTAB分析計(jì)算2019年彬州市土地利用預(yù)測(cè)圖和土地利用現(xiàn)狀圖中各土地類型預(yù)測(cè)準(zhǔn)確率(表4)，經(jīng)統(tǒng)計(jì)得到彬州市總柵格數(shù)為1 301 880個(gè)，2019年預(yù)測(cè)模擬正確的柵格總數(shù)為1 035 403個(gè)，占彬州市總柵格數(shù)的79.53%，根據(jù)公式(8)計(jì)算得出2019年土地利用模擬的Kappa系數(shù)值為0.761 2，一般認(rèn)為Kappa系數(shù)值大于0.75時(shí)，說(shuō)明模擬效果為優(yōu)，模擬精度通過(guò)檢驗(yàn)。

圖2 2019年彬州市土地利用現(xiàn)狀、預(yù)測(cè)

3.4 多情景條件下彬州市2029年土地利用預(yù)測(cè)

本研究在自然發(fā)展、生態(tài)保護(hù)和限制城市過(guò)度開發(fā)3種情景下對(duì)彬州市2029年土地利用進(jìn)行預(yù)測(cè)模擬，自然發(fā)展情景是按照當(dāng)前的發(fā)展情況，不受任何條件的限制；生態(tài)保護(hù)情景是把水域和永久基本農(nóng)田保護(hù)區(qū)作為約束條件；限制城市過(guò)度開發(fā)情景是根據(jù)彬州市政策把禁止建設(shè)區(qū)、限制建設(shè)區(qū)、有條件建設(shè)區(qū)和允許建設(shè)區(qū)作為約束條件。在IDRISI軟件CA-Markov模塊中以研究區(qū)2019年土地利用現(xiàn)狀為基期，結(jié)合Logistic模型分析得出的土地適宜性圖集和2009—2019年研究區(qū)土地利用面積轉(zhuǎn)移矩陣作為轉(zhuǎn)換規(guī)則，設(shè)置迭代次數(shù)10，分別在以上3種情景下對(duì)彬州市2029年土地利用變化情況進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見圖3。

表3 彬州市主要地類的Logistic回歸模型

表4 2019年彬州市土地利用類型實(shí)際柵格與模擬柵格對(duì)比

在IDRISI軟件中運(yùn)用CROSSTAB計(jì)算3種情景下彬州市2029年土地利用預(yù)測(cè)的7種地類柵格數(shù)，以此為基礎(chǔ)計(jì)算得出各土地類型占彬州市總面積的比例，再與2019年彬州市各土地利用類型的實(shí)際情況相對(duì)比，結(jié)果表明在自然發(fā)展情景下，2029年彬州市林地面積基本保持不變，耕地、園地和水域面積將分別減少27.31%，10.96%，3.84%，耕地減少主要分布于新民鎮(zhèn)、城關(guān)鎮(zhèn)、太峪鎮(zhèn)和水口鎮(zhèn)，園地減少主要集中在新民鎮(zhèn)、北極鎮(zhèn)和義門鎮(zhèn)，水域面積減少集中在義門鎮(zhèn)和龍高鎮(zhèn)；草地、建設(shè)用地和其他土地面積分別增加24.35%，40.54%，21.09%，草地增加的面積主要集中在新民鎮(zhèn)、義門鎮(zhèn)南部、城關(guān)鎮(zhèn)西部，建設(shè)用地增加的面積分布較均勻，增加的其他土地面積主要集中在龍高鎮(zhèn)東部。

圖3 3種情景下彬州市2029年土地利用預(yù)測(cè)

在生態(tài)保護(hù)情景下，2029年研究區(qū)園地面積和水域基本保持不變，草地、建設(shè)用地和其他土地面積分別增加41.33%，2.82%，10.62%，草地增加的面積集中在義門鎮(zhèn)、北極鎮(zhèn)、新民鎮(zhèn)和龍高鎮(zhèn)，建設(shè)用地增加的面積主要集中于城關(guān)鎮(zhèn)，其他土地面積增加主要分布在新民鎮(zhèn)；耕地和林地面積分別減少6.24%，12.84%，耕地面積減少主要集中在城關(guān)鎮(zhèn)和新民鎮(zhèn)兩個(gè)鎮(zhèn)，林地面積減少主要集中在永樂(lè)鎮(zhèn)、北極鎮(zhèn)和義門鎮(zhèn)。

在限制城市過(guò)度開發(fā)情景下，2029年彬州市水域面積基本保持不變，耕地、園地、林地和建設(shè)用地面積分別減少13.1%，2.45%，12.05%，2.89%，耕地面積減少主要分布在城關(guān)鎮(zhèn)、新民鎮(zhèn)和北極鎮(zhèn)，園地減少面積分布較均勻，林地面積減少主要集中在永樂(lè)鎮(zhèn)、北極鎮(zhèn)和義門鎮(zhèn)，建設(shè)用地減少的面積主要集中于城關(guān)鎮(zhèn)；草地和其他土地面積分別增加47.19%，11.38%，草地增加的面積主要分布于韓家鎮(zhèn)、義門鎮(zhèn)、北極鎮(zhèn)和龍高鎮(zhèn)，其他土地面積增加主要分布在新民鎮(zhèn)。

4 討論與結(jié)論

(1) 土地利用面積轉(zhuǎn)移矩陣表明，彬州市在2009—2019年期間土地利用發(fā)生了很大的變化，7種地類面積的轉(zhuǎn)化程度很顯著，草地和耕地轉(zhuǎn)移面積最多，具體有155.73 km2的草地轉(zhuǎn)為林地，82.64 km2耕地轉(zhuǎn)為林地，58.54 km2耕地轉(zhuǎn)為園地以及25.39 km2耕地轉(zhuǎn)為建設(shè)用地等，其中草地轉(zhuǎn)化最明顯；根據(jù)計(jì)算得出土地利用綜合動(dòng)態(tài)度為5.57%也可以看出研究區(qū)10年間土地利用有著顯著性的變化。

(2) 用Logistic模型對(duì)選取的7種自然因子和社會(huì)經(jīng)濟(jì)因子進(jìn)行驅(qū)動(dòng)力分析，將得到的各土地類型的空間分布概率圖組成土地適宜性圖集，用以校正CA-Markov轉(zhuǎn)化規(guī)則，并利用ROC曲線對(duì)7種地類模擬有效性進(jìn)行檢驗(yàn)，使其在數(shù)量和空間上達(dá)到較為精確的預(yù)測(cè)模擬，讓預(yù)測(cè)結(jié)果更可信。

(3) 在自然發(fā)展情景下預(yù)測(cè)的2029年彬州市土地利用變化，建設(shè)用地面積增長(zhǎng)過(guò)快，侵占了水域等重要生態(tài)用地，耕地面積也大量減少，長(zhǎng)期發(fā)展下去可能會(huì)破壞研究區(qū)的生態(tài)平衡，這也不符合我國(guó)可持續(xù)發(fā)展觀的要求；在生態(tài)保護(hù)和限制城市過(guò)度開發(fā)兩種情景下，建設(shè)用地面積增加得到控制甚至還減小，水域生態(tài)用地也得到了保護(hù)，在一定程度上緩解了耕地保護(hù)的壓力，有利于區(qū)域可持續(xù)發(fā)展。對(duì)比3種預(yù)測(cè)結(jié)果，生態(tài)保護(hù)和限制城市過(guò)度開發(fā)這兩種情景下具有明顯優(yōu)勢(shì)，可為未來(lái)彬州市土地規(guī)劃、生態(tài)城市建設(shè)和區(qū)域生態(tài)環(huán)境保護(hù)提供科學(xué)的參考依據(jù)。

本文根據(jù)研究區(qū)2009年和2019年土地利用調(diào)查數(shù)據(jù)做多情景預(yù)測(cè)，雖然避免了常規(guī)的遙感解譯產(chǎn)生的誤差，精度更高，但是由于在數(shù)據(jù)獲取上有局限，對(duì)影響研究區(qū)土地利用變化的驅(qū)動(dòng)因子只從自然因素和社會(huì)經(jīng)濟(jì)因素選取了7個(gè)，考慮不夠全面，使模擬的土地利用類型與該地類真實(shí)的分布格局之間的擬合度不夠完全匹配，可能對(duì)最后預(yù)測(cè)精度產(chǎn)生一定的影響，因此，在下一步的研究中，我將對(duì)影響土地利用變化的政治制度因素、技術(shù)因素等進(jìn)行全面考慮，選取因子。