三亞市土地利用變化多情景模擬研究

張亦清, 韓念龍,2,*, 張偉璇, 黎興強(qiáng)

三亞市土地利用變化多情景模擬研究

張亦清1, 韓念龍1,2,*, 張偉璇1, 黎興強(qiáng)1

1. 海南大學(xué)公共管理學(xué)院, 海口 570228 惠州學(xué)院地理與旅游學(xué)院, 惠州 516007

熱帶區(qū)域的城市土地利用變化具有獨(dú)特特征, 通過多情景模擬可以了解其變化特征及未來(lái)的發(fā)展趨勢(shì), 從而有效引導(dǎo)土地規(guī)劃, 為區(qū)域的可持續(xù)發(fā)展提供依據(jù)。利用FLUS模型, 基于2014和2018年的Landsat遙感影像解譯土地利用數(shù)據(jù), 結(jié)合自然、交通、社會(huì)發(fā)展及POI等14個(gè)變量作為驅(qū)動(dòng)因子對(duì)進(jìn)行土地利用變化模擬。同時(shí), 分別以自然發(fā)展、耕地保護(hù)及生態(tài)控制三種情景模擬預(yù)測(cè)2030年的三亞市土地利用變化情況。結(jié)果表明: FLUS模型模擬精度高, Kappa系數(shù)為0.82,總體分類精度為87.17%; 基于三種情景的模擬及比較分析發(fā)現(xiàn), 生態(tài)控制情景下林地與水域等生態(tài)空間得到保護(hù), 耕地總量條件得以滿足, 同時(shí)有效遏制了建設(shè)用地?cái)U(kuò)張, 因此基于FLUS模型的生態(tài)控制情景較適用于三亞市的未來(lái)土地利用發(fā)展策略。

FLUS; 土地利用變化; 情景模擬; 生態(tài)控制

0 前言

1995年, 國(guó)際地圈-生物圈計(jì)劃(IGBP)和國(guó)際全球環(huán)境變化人文因素計(jì)劃(IHDP)聯(lián)合正式提出“土地利用/土地覆被變化(Land Use and Land Cover Change, LUCC)”研究計(jì)劃, 自此LUCC開始受到全球的廣泛關(guān)注和研究[1]。LUCC的變化過程和機(jī)理復(fù)雜, 并在很大程度上受到自然和人為因素的影響[2]。因此, 在研究方法上結(jié)合相關(guān)數(shù)學(xué)模型, 以一定的技術(shù)手段對(duì)LUCC的動(dòng)態(tài)發(fā)展過程特征進(jìn)行模擬和預(yù)測(cè), 成為現(xiàn)階段研究的熱點(diǎn)[3]。許多學(xué)者運(yùn)用CLUE-S模型、CA-Markov模型對(duì)不同尺度下的土地利用情景進(jìn)行模擬研究。CLUE-S模型運(yùn)用logistic回歸方法計(jì)算各驅(qū)動(dòng)因素對(duì)土地利用變化的影響, 要求各個(gè)變量之間是線性無(wú)關(guān)的, 缺乏對(duì)變量之間非線性關(guān)系的考慮[4-6]。CA-Markov模型在模擬土地利用變化的過程中, 單純考慮元胞數(shù)量和結(jié)構(gòu)對(duì)于地區(qū)土地利用的前效影響[7-8]。在此基礎(chǔ)上, 劉小平等提出的未來(lái)土地利用模擬(Future Land Use Simulation, FLUS)模型有效解決各種土地利用類型之間相互轉(zhuǎn)換的不確定性和復(fù)雜性, 具有較高的土地利用格局預(yù)測(cè)能力[9]。

熱帶區(qū)域土地利用格局的變化深刻影響了區(qū)域可持續(xù)發(fā)展[10], 主要表現(xiàn)在以下幾個(gè)方面: 一是熱帶地區(qū)的LUCC導(dǎo)致生態(tài)系統(tǒng)服務(wù)功能與其他區(qū)域有顯著差異, 例如熱帶地區(qū)森林轉(zhuǎn)變?yōu)檗r(nóng)田和草場(chǎng)的碳排放均高于溫帶和北方森林[11]。二是熱帶地區(qū)LUCC產(chǎn)生的綜合效應(yīng)對(duì)區(qū)域氣候影響顯著, 研究表明其會(huì)引起區(qū)域溫度升高, 導(dǎo)致的城市熱島效應(yīng)對(duì)熱帶城市的人居環(huán)境產(chǎn)生不利影響[12]。同時(shí), 熱帶區(qū)域土地資源具有雨熱充足、土壤肥力高、物種多樣性豐富等特點(diǎn), 為地區(qū)提供了優(yōu)質(zhì)的生態(tài)系統(tǒng)服務(wù)[13-14]。三亞市作為我國(guó)唯一的熱帶濱海旅游城市及國(guó)家南繁科研育種基地, 合理利用熱帶土地資源, 對(duì)區(qū)域的可持續(xù)發(fā)展極為重要。因此, 本文基于FLUS模型, 對(duì)三亞市的土地利用變化進(jìn)行政策多情景模擬研究, 期望為當(dāng)前的國(guó)土空間規(guī)劃和城市可持續(xù)發(fā)展提供有效支撐。

1 研究區(qū)與數(shù)據(jù)處理

1.1 研究區(qū)概況

三亞市位于18°09′34′′—18°37′27′′N、108°56′30′′—109°48′28′′E之間, 地處海南島最南端, 南臨南海, 屬熱帶海洋性季風(fēng)氣候。陸地總面積1921.51 km2, 其中平原占23.4%; 海域總面積6000 km2。北靠高山,南臨大海, 地勢(shì)自北向南傾斜, 依次分布著山地、丘陵、臺(tái)地、平原等地形結(jié)構(gòu)。東西長(zhǎng)91.6公里, 南北寬51公里, 下轄崖州區(qū)、天涯區(qū)、吉陽(yáng)區(qū)、海棠區(qū)四區(qū)。截至2018年, 全市年末戶籍人口614647人, 包含漢族、黎族、苗族等20多個(gè)民族; 全市生產(chǎn)總值達(dá)595.5057億元人民幣。

1.2 數(shù)據(jù)來(lái)源與處理

本研究所需數(shù)據(jù)分別為土地利用分類數(shù)據(jù)、各驅(qū)動(dòng)因子空間數(shù)據(jù)以及約束性限制因子空間數(shù)據(jù)(表1)。

土地利用數(shù)據(jù)以2014年、2018年上旬Landsat 8 OLI遙感影像作為數(shù)據(jù)源, 依照《土地利用現(xiàn)狀分類》(GB/T 21010—2017), 結(jié)合三亞市土地利用特點(diǎn), 將土地利用類型劃分為耕地、林地、園地、水域、建設(shè)用地與未利用地。在此基礎(chǔ)上, 采用支持向量機(jī)的監(jiān)督分類與人機(jī)交互式的解譯方式進(jìn)行信息提取, 得到上述2個(gè)時(shí)期的土地利用分類數(shù)據(jù), 如圖 4(a)、(b)所示。分類后選取240個(gè)驗(yàn)證樣本點(diǎn), 隨機(jī)均勻分布在研究區(qū)內(nèi), 利用Google Earth歷史影像對(duì)圖像分類進(jìn)行精度驗(yàn)證, 結(jié)果表明各種土地利用/覆被的分類精度平均值達(dá)86.25%, 分類結(jié)果可以滿足精度要求。

根據(jù)研究區(qū)的基本條件和數(shù)據(jù)的可獲取性, 本文選取了自然因素、交通區(qū)位因素、社會(huì)經(jīng)濟(jì)因素、POIs鄰近因素4大類共14個(gè)影響變量。旅游休閑業(yè)作為三亞市主導(dǎo)產(chǎn)業(yè), 極大地影響了區(qū)域土地利用的發(fā)展, 風(fēng)景名勝區(qū)以及相關(guān)服務(wù)產(chǎn)業(yè)在三亞市的分布, 對(duì)其鄰域范圍內(nèi)的土地利用變化作用顯著。此外, 部分城市基礎(chǔ)設(shè)施對(duì)于其周邊土地利用類型的轉(zhuǎn)變也起到了一定的促進(jìn)作用[15]。鑒于此, 本文選取三亞市的興趣點(diǎn)(Point of Interest, POI)數(shù)據(jù), 并根據(jù)不同時(shí)間對(duì)POI數(shù)據(jù)進(jìn)行了調(diào)整, 利用ArcGIS核密度分析功能, 形成POIs鄰近因素空間變量, 參與到模型計(jì)算中。

2 研究方法

2.1 基于BP神經(jīng)網(wǎng)絡(luò)的元胞模擬

FLUS模型采用的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層三層組成。在輸入層, 每個(gè)神經(jīng)元與輸入變量之間會(huì)建立一定的關(guān)系, 如式(1)。其中,x表示輸入層的第個(gè)神經(jīng)元。

之后輸入變量通過各個(gè)神經(jīng)元將信息傳遞到隱含層。在隱含層, 所有神經(jīng)元中的某個(gè)神經(jīng)元于時(shí)間從柵格單元所接受到的信號(hào)則用(2)表示。

表1 數(shù)據(jù)來(lái)源表

式中,net(,)表示在隱含層第個(gè)神經(jīng)元所接收到的信息;x(,)表示在訓(xùn)練時(shí)間、柵格單元經(jīng)由神經(jīng)元所輸入的第個(gè)變量;w,j表示在輸入層和隱含層之間, 經(jīng)過訓(xùn)練和校準(zhǔn)的適應(yīng)性權(quán)重。

經(jīng)校準(zhǔn)過后的適應(yīng)性權(quán)重需要通過sigmoid激活函數(shù)有效地連接隱含層和輸出層, 將其結(jié)果輸出, 其函數(shù)表達(dá)如(3)所示。

特別地, 在輸出層每個(gè)神經(jīng)元對(duì)應(yīng)一個(gè)特定的土地利用類型。每個(gè)神經(jīng)元所代表的值便意味著某一柵格單元上特定土地利用類型的轉(zhuǎn)換概率。因此, 在訓(xùn)練時(shí)間、柵格單元上的第種土地利用類型的發(fā)生概率便可通過(4)表達(dá)。

(4)

式中,w,k表示經(jīng)校準(zhǔn)過隱含層和輸出層之間訓(xùn)練過程的適應(yīng)性權(quán)重, 與w,j類似。

通過大量數(shù)據(jù)對(duì)w,j、w,k進(jìn)行訓(xùn)練和校準(zhǔn)后, 人工神經(jīng)網(wǎng)絡(luò)已成功建立, 并可用來(lái)計(jì)算特定元胞上各類土地利用類型的發(fā)生概率。

2.2 土地利用類型轉(zhuǎn)換模擬

除發(fā)生概率外, 土地利用類型的轉(zhuǎn)換需考慮預(yù)測(cè)年限內(nèi)不同發(fā)展情景下的變動(dòng)部分。因此, FLUS模型將元胞發(fā)生概率與鄰域影響、自適應(yīng)慣性系數(shù)以及轉(zhuǎn)換成本進(jìn)行總體概率計(jì)算[16]。

鄰域影響反映周圍元胞對(duì)于中心元胞的影響程度, 元胞鄰域影響因子的計(jì)算模型表達(dá)式為(5)。

自適應(yīng)慣性系數(shù)是影響元胞總體概率的重要因素。其計(jì)算表達(dá)式為(6)。

轉(zhuǎn)換成本代表了當(dāng)前土地利用類型轉(zhuǎn)變?yōu)槟繕?biāo)地物類型的難易程度, 是衡量土地利用變化的一個(gè)指標(biāo)[9]。其值用式(7)中的sc→k表示, 即地物類型從轉(zhuǎn)變成的轉(zhuǎn)換成本, 而1–sc→k為轉(zhuǎn)換發(fā)生的困難程度。該值越接近1則表明地物類型發(fā)生轉(zhuǎn)換的可能性越低。

綜上確定各個(gè)元胞的土地利用總體轉(zhuǎn)換概率, 即如(7)表達(dá)所示。

完成上述計(jì)算之后, 為均衡具備優(yōu)勢(shì)的土地利用類型與非優(yōu)勢(shì)土地利用類型的分配機(jī)會(huì), FLUS模型采用輪盤競(jìng)爭(zhēng)機(jī)制以確定柵格單元是否發(fā)生土地利用類型的轉(zhuǎn)換。輪盤競(jìng)爭(zhēng)機(jī)制是由輪盤所占面積大小代表地類分配概率高低, 即某元胞有更大的可能分配為具有較高總體概率的土地利用類型, 但不乏分配為較低概率地類的可能, 因此充分體現(xiàn)了該機(jī)制的隨機(jī)性特征, 從而使模型能夠更好地反映土地利用類型相互轉(zhuǎn)換過程中的復(fù)雜性和不確定性。

3 結(jié)果與分析

3.1 FLUS模擬過程及結(jié)果

首先需要計(jì)算研究區(qū)各種地類的適應(yīng)性概率。設(shè)置樣本采樣方法為均勻采樣策略(Uniform Sampling), 并以1%的采樣率進(jìn)行采樣, 隱含層設(shè)置為12層。將歸一化處理后的14個(gè)驅(qū)動(dòng)因子?xùn)鸥駭?shù)據(jù)輸入到BP人工神經(jīng)網(wǎng)絡(luò)模型中, 得到六類用地適應(yīng)性概率數(shù)據(jù), 如圖 1所示。

結(jié)合以上的適應(yīng)性概率數(shù)據(jù), 對(duì)2018年土地利用情況進(jìn)行預(yù)測(cè)?；隈R爾科夫鏈(Markov Chain)的未來(lái)各類土地需求總量預(yù)測(cè)(表 2)以及經(jīng)多次實(shí)驗(yàn)分析獲取的鄰域影響因子(表 3), 采用3×3 Moore鄰域范圍, 設(shè)置元胞自動(dòng)機(jī)迭代次數(shù)為300次, 最終得到2018年三亞市土地利用模擬結(jié)果(圖2—4)。

圖1 各類用地的適應(yīng)性概率

Figure 1 Probability of occurrence of land use types

表2 馬爾科夫鏈預(yù)測(cè)各類用地(像元個(gè)數(shù))

表3 鄰域影響因子權(quán)重表

為驗(yàn)證模型模擬精度, 本文從數(shù)量、空間及參數(shù)角度對(duì)模型模擬結(jié)果進(jìn)行驗(yàn)證。從數(shù)量上看(表 4), 2018年三亞市土地利用模擬結(jié)果與其現(xiàn)狀完全相同; 從空間上看(圖3及圖 4), 各個(gè)地類的分布特征較為相似; 從參數(shù)上看, 2018年的三亞市土地利用模擬精度Kappa系數(shù)為0.815, 總體分類精度為87.17%, FoM系數(shù)值為0.03, 表明該模擬結(jié)果可用于進(jìn)一步的未來(lái)土地利用模擬預(yù)測(cè)。

3.2 多情景模擬分析

多情景模擬旨在研究不同政策影響下三亞市土地利用變化, 以直觀反映政策發(fā)展對(duì)三亞市土地空間布局的影響和效應(yīng)。因此, 本文基于自然發(fā)展情景、耕地保護(hù)情景與生態(tài)控制情景對(duì)三亞市2030年的土地利用空間布局進(jìn)行模擬預(yù)測(cè)。

3.2.1 自然發(fā)展情景

自然發(fā)展情景即無(wú)約束條件的土地利用變化。該情景模擬結(jié)果(圖 5)表明, 與2018年相比, 2030年耕地、林地、水域面積下降, 降幅分別達(dá)19.30%、13.64%、4.20%; 園地、建設(shè)用地以及未利用地的規(guī)模擴(kuò)大, 其中建設(shè)用地總面積漲幅較大, 增加至348.16 km2, 增幅為82.96%。根據(jù)土地面積轉(zhuǎn)移矩陣(表 6), 從轉(zhuǎn)出看, 耕地主要轉(zhuǎn)為建設(shè)用地(34.80 km2)和林地(20.04 km2), 林地主要轉(zhuǎn)為建設(shè)用地; 從轉(zhuǎn)入看, 轉(zhuǎn)入總量最多的地類為建設(shè)用地, 其增量中60.43%來(lái)自林地、21.64%來(lái)自耕地?？臻g上, 建設(shè)用地在三亞市南部、東部沿海地區(qū)分布更為聚集, 城市范圍擴(kuò)大, 主要原因在于三亞市撤鎮(zhèn)設(shè)區(qū)后整體城鎮(zhèn)化步伐持續(xù)加快。該情景結(jié)果表明, 未來(lái)三亞市社會(huì)經(jīng)濟(jì)快速發(fā)展, 城鎮(zhèn)化進(jìn)一步發(fā)展, 建設(shè)用地劇增, 但與此形成強(qiáng)烈對(duì)比的是耕地面積劇減, 城市建設(shè)開發(fā)占用耕地資源的現(xiàn)象嚴(yán)重; 同時(shí)因城市擴(kuò)張?jiān)斐傻乃蚝土值氐壬鷳B(tài)空間的減少對(duì)區(qū)域的生態(tài)環(huán)境健康形成一定壓力。

表4 2014-2018年各用地類型數(shù)據(jù)表

圖 2 2014年三亞市土地利用現(xiàn)狀圖

Figure 2 Land use in Sanya in 2014

圖3 2018年三亞市土地利用現(xiàn)狀圖

Figure 3 Land use in Sanya in 2018

圖4 2018年三亞市土地利用模擬結(jié)果

Figure 4 Simulation result in Sanya in 2018

表5 自然發(fā)展情景的土地面積轉(zhuǎn)移矩陣(km2)

圖5 自然發(fā)展情景土地利用模擬

Figure 5 Land use simulation of natural development scenario

表6 耕地保護(hù)情景的土地面積轉(zhuǎn)移矩陣(km2)

3.2.2 耕地保護(hù)情景

耕地保護(hù)情景核心是有效保護(hù)耕地資源, 本研究通過設(shè)定基本農(nóng)田保護(hù)區(qū)域以及提高耕地轉(zhuǎn)換成本, 以此嚴(yán)格管控經(jīng)濟(jì)社會(huì)的發(fā)展占用耕地資源。模擬結(jié)果(圖 6)顯示, 與2018年土地利用現(xiàn)狀相比, 耕地保護(hù)情景下2030年三亞市的耕地面積為235.91 km2, 同比降幅為15.72%, 與自然發(fā)展情景相比下降趨勢(shì)減弱, 說明耕地總量的保護(hù)在數(shù)量上初見成效; 建設(shè)用地總量增加66.20 km2, 增幅34.79%。根據(jù)土地面積轉(zhuǎn)移矩陣(表 7), 從轉(zhuǎn)出看, 耕地轉(zhuǎn)出量最大, 且其88.41%的轉(zhuǎn)出均為建設(shè)用地; 從轉(zhuǎn)入看, 建設(shè)用地的轉(zhuǎn)入總量最多, 其中65.10%來(lái)自耕地?？臻g上, 建設(shè)用地?cái)U(kuò)張方向與自然發(fā)展情景類似, 集中分布在三亞市南部、東部沿海地區(qū), 但擴(kuò)張程度明顯減弱。該結(jié)果表明此模擬情景下, 城市擴(kuò)張程度相對(duì)趨緩, 但大量耕地轉(zhuǎn)為建設(shè)用地, 城市發(fā)展依舊威脅耕地保護(hù)以及糧食安全, 未來(lái)三亞市需不斷加強(qiáng)耕地保護(hù)政策的實(shí)施, 引導(dǎo)建設(shè)用地向集約利用的方向發(fā)展。

3.2.3 生態(tài)控制情景

本研究以三亞市2018年的林地面積作為生態(tài)本底保護(hù)紅線, 即生態(tài)控制情景進(jìn)行模擬, 通過設(shè)定林地的轉(zhuǎn)換成本, 以期實(shí)現(xiàn)生態(tài)的合理控制。生態(tài)控制情景模擬結(jié)果(圖 7)表明, 與2018年土地利用現(xiàn)狀相比, 2030年園地總量增加了37.47%; 建設(shè)用地增幅為11.42%, 其擴(kuò)張范圍主要分布在吉陽(yáng)區(qū)的南部沿海地區(qū)和中北部山區(qū)。根據(jù)土地面積轉(zhuǎn)移矩陣(表 8), 從轉(zhuǎn)出看, 耕地轉(zhuǎn)出量的75.39%成為林地, 林地則主要轉(zhuǎn)換為水域(31.78 km2)和建設(shè)用地(14.27 km2); 從轉(zhuǎn)入來(lái)看, 水域增量中的92.54%是林地貢獻(xiàn)的。生態(tài)控制情景下耕地、水域得以有效保護(hù), 林地與2018年相比總面積雖有所減少, 但降幅較小, 僅為2.04%, 而且主要轉(zhuǎn)變?yōu)樗? 生態(tài)空間在總量上得以保持; 建設(shè)用地面積總量為212.01 km2, 比2018年增加21.72 km2, 這在一定程度上滿足了城市經(jīng)濟(jì)社會(huì)發(fā)展的需求, 但結(jié)合目前三亞市土地利用效率而言, 建設(shè)用地總量過少不利于經(jīng)濟(jì)發(fā)展, 因此未來(lái)三亞市對(duì)城市土地的節(jié)約集約高效利用有著更高的要求。同時(shí), 與其余兩種情景相比, 耕地降幅最低。因此該情景均衡了經(jīng)濟(jì)發(fā)展、耕地保護(hù)與生態(tài)建設(shè)三者之間的關(guān)系, 有利于區(qū)域的可持續(xù)發(fā)展。

圖6 耕地保護(hù)情景土地利用模擬

Figure 6 Land use simulation of cultivated land protection scenario

表7 生態(tài)控制情景的土地面積轉(zhuǎn)移矩陣（km2）

圖7 生態(tài)控制情景土地利用模擬

Figure 7 Land use simulation of ecological control scenario

表8 2018—2030年各用地類型數(shù)據(jù)表

4 討論與結(jié)論

旅游業(yè)作為三亞市的重點(diǎn)支柱產(chǎn)業(yè), 是影響城市土地利用的主要驅(qū)動(dòng)力之一。因此本文將三亞市風(fēng)景名勝點(diǎn)、旅游服務(wù)設(shè)施點(diǎn)及旅游交通設(shè)施等POI數(shù)據(jù)作為驅(qū)動(dòng)因子, 結(jié)合人工神經(jīng)網(wǎng)絡(luò)計(jì)算各地類的適應(yīng)性概率和空間分布, 探索城市支柱產(chǎn)業(yè)的驅(qū)動(dòng)因子對(duì)區(qū)域土地利用變化的影響。同時(shí), 結(jié)合遙感影像解譯數(shù)據(jù), 基于FLUS模型的研究表明該模型適用于熱帶城市的土地利用變化模擬。多情景模擬的分析結(jié)果表明, 生態(tài)控制更適用于三亞市未來(lái)土地利用發(fā)展策略, 在此情景下, 三亞市的耕地保護(hù)任務(wù)得以基本落實(shí), 經(jīng)濟(jì)社會(huì)與生態(tài)環(huán)境建設(shè)也能夠協(xié)調(diào)發(fā)展。

當(dāng)前, 我國(guó)國(guó)土空間規(guī)劃正處于探索起步階段, 生態(tài)紅線、基本農(nóng)田、城鎮(zhèn)發(fā)展邊界空間的科學(xué)布局是國(guó)土空間規(guī)劃的基本要求。在此過程中需要融入生態(tài)文明和可持續(xù)城市化等理念, 通過未來(lái)土地利用變化多情景模擬以進(jìn)行最優(yōu)空間決策選擇, 從而在資源環(huán)境約束條件下實(shí)現(xiàn)國(guó)土空間優(yōu)化路徑選擇和綜合效益最優(yōu)化[17-18]。經(jīng)過多情景模擬分析可知, 三亞市經(jīng)濟(jì)發(fā)展、耕地保護(hù)、生態(tài)建設(shè)三者之間存在矛盾。經(jīng)濟(jì)發(fā)展需要部分建設(shè)用地的擴(kuò)張作為支撐, 糧食安全需要充足的耕地后備資源作為保障, 生態(tài)建設(shè)需要林地、草地、水域的合理布局作為生態(tài)源, 而建設(shè)用地的擴(kuò)張勢(shì)必會(huì)占用其余地類, 一定程度上削弱耕地保護(hù)和生態(tài)環(huán)境的建設(shè)[19-22]。生態(tài)控制情景下的土地利用變化模擬結(jié)果表明, 在生態(tài)空間得以保護(hù)的前提下, 耕地占用現(xiàn)象同時(shí)得以控制, 盡管象征經(jīng)濟(jì)發(fā)展的建設(shè)用地總量增幅小于其余兩種情景, 但這也意味著對(duì)建設(shè)用地的節(jié)約集約及高效利用提出更高的要求。總而言之, 該背景保證耕地及生態(tài)用地總量, 特別是約束了建設(shè)用地的無(wú)序擴(kuò)張, 協(xié)調(diào)經(jīng)濟(jì)發(fā)展、糧食安全及生態(tài)環(huán)境三者之間的發(fā)展, 是一種適用于三亞市可持續(xù)城市化的空間發(fā)展路徑選擇。

文章存在的不足在于模擬過程中未考慮其他重要政策的影響。三亞市作為海南省對(duì)外開放的重要窗口, 正處于自由貿(mào)易港建設(shè)的關(guān)鍵時(shí)期, 國(guó)家建設(shè)自貿(mào)港的相關(guān)重大政策將在土地利用變化上有所體現(xiàn), 而本研究未充分量化重要政策及體現(xiàn)其影響, 這些不足需要在未來(lái)研究中進(jìn)一步探索。

[1] TURNER B L, SKOLE D, SANDERSON S, et al. Land use and land cover change science/research plan[R]. IGBP Report No.35 and IHDP Report No.7, 1995.

[2] XU Quanli, YANG Kun, WANG Guilin, et al. Agent-based modeling and simulations of land-use and land-cover change according to ant colony optimization: a case study of the Erhai Lake Basin, China[J]. Natural Hazards, 2015, 75(1): 95–118.

[3] 徐新良, 趙美艷, 閔稀碧. 城市擴(kuò)展研究的主要進(jìn)展與展望[J]. 生態(tài)科學(xué), 2014, 33(3): 619–624.

[4] BATTY M, XIE Y. From cells to cities[J]. Environment and Planning B: Planning and Design, 1994, 21(7): S31–S48.

[5] 吳健生, 馮喆, 高陽(yáng), 等. CLUE-S模型應(yīng)用進(jìn)展與改進(jìn)研究[J]. 地理科學(xué)進(jìn)展, 2012, 31(1): 3–10.

[6] 許小亮, 李鑫, 肖長(zhǎng)江, 等. 基于CLUE-S模型的不同情景下區(qū)域土地利用布局優(yōu)化[J]. 生態(tài)學(xué)報(bào), 2016, 36(17): 5401–5410.

[7] 吳晶晶, 田永中, 許文軒, 等. 基于CA-Markov模型的烏江下游地區(qū)土地利用變化情景分析[J]. 水土保持研究, 2017, 24(4): 133–139.

[8] 權(quán)瑞松. 基于情景模擬的上海土地利用變化預(yù)測(cè)及其水文效應(yīng)[J]. 自然資源學(xué)報(bào), 2018, 33(9): 1552–1562.

[9] LIU Xiaoping, LIANG Xun, LI Xia, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168: 94–116.

[10] GONZALEZ–REDIN J, GORDON I J, HILL R, et al. Exploring sustainable land use in forested tropical social-ecological systems: A case-study in the Wet Tropics[J]. Journal of Environmental Management, 2019, 231: 940–952.

[11] 馬曉哲, 王錚. 土地利用變化對(duì)區(qū)域碳源匯的影響研究進(jìn)展[J]. 生態(tài)學(xué)報(bào), 2015, 35(17): 5898–5907.

[12] 邵璞, 曾曉東. 土地利用和土地覆蓋變化對(duì)氣候系統(tǒng)影響的研究進(jìn)展[J]. 氣候與環(huán)境研究, 2012, 17(1): 103–111.

[13] SANCHEZ P A, PALM C A, BUOL S W. Fertility capability soil classification: a tool to help assess soil quality in the tropics[J]. Geoderma, 2003, 114(3/4): 157–185.

[14] TAO B, TIAN H, CHEN G, et al. Terrestrial carbon balance in tropical Asia: Contribution from cropland expansion and land management[J]. Global & Planetary Change, 2013, 100: 85–98.

[15] 張大川, 劉小平, 姚堯, 等. 基于隨機(jī)森林CA的東莞市多類土地利用變化模擬[J]. 地理與地理信息科學(xué), 2016, 32(5): 29–36.

[16] HUANG Kangning, LIU Xiaoping, LI Xia, et al. An improved artificial immune system for seeking the Pareto front of land-use allocation problem in large areas[J]. Taylor & Francis, 2013, 27(5): 922–946.

[17] 夏皓軒, 岳文澤, 王田雨, 等. 省級(jí)“雙評(píng)價(jià)”的理論思考與實(shí)踐方案——以浙江省為例[J]. 自然資源學(xué)報(bào), 2020, 35(10): 2325-2338.

[18] 焦利民, 劉耀林. 可持續(xù)城市化與國(guó)土空間優(yōu)化[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2021, 46(1): 1–11.

[19] 吳欣昕, 劉小平, 梁迅, 等. FLUS-UGB多情景模擬的珠江三角洲城市增長(zhǎng)邊界劃定[J]. 地球信息科學(xué)學(xué)報(bào), 2018, 20(4): 532–542.

[20] 王保盛, 廖江福, 祝薇, 等. 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[J]. 生態(tài)學(xué)報(bào), 2019, 39(12): 4284–4298.

[21] 王旭, 馬伯文, 李丹, 等. 基于FLUS模型的湖北省生態(tài)空間多情景模擬預(yù)測(cè)[J]. 自然資源學(xué)報(bào), 2020, 35(1): 230–242.

[22] 王明常, 郭鑫, 王鳳艷, 等. 基于FLUS的長(zhǎng)春市土地利用動(dòng)態(tài)變化與預(yù)測(cè)分析[J]. 吉林大學(xué)學(xué)報(bào)(地球科學(xué)版), 2019, 49(6): 1795–1804.

Study on multi-scenario simulation of land use change in Sanya

ZHANG Yiqing1, HAN Nianlong1,2,*, ZHANG Weixuan1, LI Xingqiang1

1. School of Public Administration, University of Hainan, Haikou 570228, China 2. School of Geography and Tourism, Huizhou University, Huizhou 516007, China

Urban land use change in tropic regions has unique characteristics; its change and future development can be understood through multi-scenario simulation, so as to effectively guide the land planning and provide a basis for sustainable development of the region. In this study, FLUS model was used to simulate Sanya land use change based on land use data from Landsat in 2014 and 2018, and 14 driving factors including natural, traffic, social development and POI factors. Furthermore, three scenarios of natural development, cultivated land protection and ecological control were used to simulate and predict the Sanya land use change in 2030. The results show that the FLUS model has high accuracy in simulation, with a Kappa coefficient of 0.82 and an overall classification accuracy of 87.17%. Under the ecological control scenario, the ecological space such as forest and water area is protected, the total amount of cultivated land is guaranteed, and the expansion of construction land is effectively curbed. Therefore, the ecological control scenario based on FLUS model is more suitable for the future land use development strategy of Sanya city.

FLUS model; land use change; scenario simulation; ecological control

10.14108/j.cnki.1008-8873.2022.06.007

K928.5

A

1008-8873(2022)06-052-11

2020-09-19;

2020-11-22

國(guó)家社科基金(21XGL019); 海南省自然科學(xué)基金(421RC1034); 海南大學(xué)科研啟動(dòng)基金(kyqdsk1926)

張亦清(1998—), 女, 河南洛陽(yáng)人, 本科生在讀, 主要從事土地資源管理, E-mail: sameenzyq@foxmail.com

通信作者:韓念龍, 男, 海南文昌人, 博士, 高級(jí)工程師, 主要從事土地資源管理, E-mail: diamond20@126.com

張亦清, 韓念龍, 張偉璇. 三亞市土地利用變化多情景模擬研究[J]. 生態(tài)科學(xué), 2022, 41(6): 52–62.

ZHANG Yiqing, HAN Nianlong, ZHANG Weixuan. Study on multi-scenario simulation of land use change in Sanya[J]. Ecological Science, 2022, 41(6): 52–62.