基于PLUS模型的山東省土地利用變化模擬分析

王潔寧，王文超，海蒙蒙

（山東建筑大學(xué)，山東 濟(jì)南 250101）

0 引言

面對(duì)當(dāng)前日益加劇的人口-資源-環(huán)境問(wèn)題，全球變化研究成為近年來(lái)國(guó)際上最為活躍的研究領(lǐng)域之一。在眾多的全球變化問(wèn)題中，土地利用/土地覆蓋（The land-use and land-cover,LULC）變化研究顯得尤為重要[1]。LULC變化是一個(gè)復(fù)雜的現(xiàn)象與過(guò)程，是人地耦合系統(tǒng)的核心載體，土地以不同功能的空間狀態(tài)為人類社會(huì)提供各類產(chǎn)品與服務(wù)[2]。如何科學(xué)地引導(dǎo)城市發(fā)展，協(xié)調(diào)保護(hù)生態(tài)環(huán)境與保障城市建設(shè)，構(gòu)建平衡關(guān)系已經(jīng)成為當(dāng)前城市規(guī)劃與建設(shè)中急需解決的問(wèn)題[3]。

建立LULC模型是深入了解LULC及全球變化研究的主要方法[1]。在土地利用空間動(dòng)態(tài)模擬中常用的方法有基于經(jīng)驗(yàn)統(tǒng)計(jì)的模型方法、基于多智能主體分析方法和以元胞自動(dòng)機(jī)模型（Cellular automata,CA）為代表的基于柵格鄰域關(guān)系分析的方法等[4]。CA模型作為時(shí)空動(dòng)態(tài)模型，擁有復(fù)雜系統(tǒng)空間變化能力，逐漸成功應(yīng)用于生物演化、環(huán)境變化、景觀更替、林火擴(kuò)散和城市系統(tǒng)等的模擬研究并取得許多有意義的研究成果[5]。CA模型作為一種“自下而上”的地理模擬系統(tǒng)，以其強(qiáng)大的空間運(yùn)算能力和內(nèi)在的實(shí)用性、合理性，動(dòng)態(tài)地反映出城市系統(tǒng)的復(fù)雜結(jié)構(gòu)和土地利用空間格局，但同時(shí)存在主要著眼于元胞局部相互作用的局限性，進(jìn)行預(yù)測(cè)區(qū)域土地利用變化總需求量需要結(jié)合其他模型等問(wèn)題[6]。

因此，CA與多種模型結(jié)合，形成現(xiàn)實(shí)復(fù)雜動(dòng)態(tài)系統(tǒng)模擬的綜合CA模型，如：SLEUTH-CA[7]、多準(zhǔn)則評(píng)價(jià)CA[8]、GeoSOS(Logistic-CA、ANN-CA、DT-CA)[9-11]等，廣泛應(yīng)用于自然和社會(huì)經(jīng)濟(jì)影響下的時(shí)空土地利用動(dòng)態(tài)建模。為了更好地理解土地利用潛在變化之間的關(guān)系并改善斑塊增長(zhǎng)模擬，PLUS模型是基于CA發(fā)展起來(lái)的新型土地利用變化模擬模型，能夠有效處理人與自然共同因素影響下的土地利用變化過(guò)程中的不確定性，其將“自上而下”的用地需求空間分配和“自下而上”的總適宜性和轉(zhuǎn)換設(shè)置相結(jié)合，適用于大尺度過(guò)程與局部動(dòng)力學(xué)相互作用的其他區(qū)域和過(guò)程[12]。該模型應(yīng)用隨機(jī)森林（Random forest,RF）分類算法，可以更好地挖掘各類土地利用變化的誘因，包含一種新的多類隨機(jī)斑塊種子機(jī)制，可以更好地模擬多類土地利用斑塊級(jí)的變化。

本文基于梁迅等人提出的PLUS v1.3.5，以山東省為研究范圍，對(duì)各類土地利用擴(kuò)張背后的驅(qū)動(dòng)力因素進(jìn)行挖掘；驗(yàn)證PLUS模型在模擬研究區(qū)未來(lái)土地利用模擬精度的同時(shí)，進(jìn)行山東省未來(lái)土地利用多情景預(yù)測(cè)，為山東省國(guó)土空間規(guī)劃和生態(tài)安全保護(hù)提供決策參考。

1 研究區(qū)域和數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

山東省位于中國(guó)東部沿海，黃河下游，陸域位于34°25′～38°23′N，114°48′～122°42′E，東西長(zhǎng)721.03千米，南北長(zhǎng)437.28千米。境內(nèi)中部山地突起，西南西北低洼平坦，東部緩丘起伏，形成以山地丘陵為骨架、平原盆地交錯(cuò)環(huán)列其間的地形大勢(shì)。泰山雄踞中部，主峰海拔1 532.7米，為全省最高點(diǎn)，黃河三角洲一般海拔2～10米，為全省陸地最低處。境內(nèi)地貌復(fù)雜，大體可分為平原、臺(tái)地、丘陵、山地等基本地貌類型（圖1）[13]。

圖1 研究區(qū)位置示意圖

近年來(lái)山東省農(nóng)業(yè)發(fā)展穩(wěn)固增益、林牧漁業(yè)發(fā)展平穩(wěn)，農(nóng)業(yè)高質(zhì)量發(fā)展基礎(chǔ)增強(qiáng)，工業(yè)發(fā)展向好，建筑業(yè)發(fā)展壯大。山東省在快速發(fā)展中產(chǎn)生了一系列生態(tài)問(wèn)題，例如森林、濕地生態(tài)系統(tǒng)和物種、遺傳多樣性受到威脅，生態(tài)功能下降，水源涵養(yǎng)能力下降以及水土流失的問(wèn)題依然嚴(yán)重等[14]。情景模擬預(yù)測(cè)對(duì)于城市增長(zhǎng)邊界劃定、生態(tài)安全格局、生態(tài)系統(tǒng)功能和經(jīng)濟(jì)可持續(xù)發(fā)展具有重要意義。

1.2 數(shù)據(jù)來(lái)源

所用的數(shù)據(jù)主要包括：2010年和2020年30米LULC數(shù)據(jù)，來(lái)源于GlobeLand30（全球地理信息公共產(chǎn)品，http://www.globallandcover.com/），將數(shù)據(jù)鑲嵌、裁剪到研究區(qū)范圍后根據(jù)研究需要，對(duì)原有9類數(shù)據(jù)重分類為7類（表1）。為減少數(shù)據(jù)冗余，提高運(yùn)算速度，將30米單元柵格數(shù)據(jù)重采樣為100米單元柵格數(shù)據(jù)。根據(jù)CA鄰域因子轉(zhuǎn)換、人文因素與自然因素共同影響下的土地利用變化規(guī)則，確定人文因素影響下的交通、經(jīng)濟(jì)及人口分布等和自然因素影響下的河流水網(wǎng)，土壤類型、高程等14類驅(qū)動(dòng)因子（表2）。

表1 基于GlobeLand30類型賦值的地表重分類

表2 驅(qū)動(dòng)因子數(shù)據(jù)來(lái)源信息表

2 研究方法

2.1 土地利用轉(zhuǎn)移矩陣

在LULC變化研究中，掌握變化的數(shù)量和幅度，同時(shí)對(duì)土地利用類型間轉(zhuǎn)移情況的了解十分必要[15]。轉(zhuǎn)移矩陣能夠較好地展示不同土地利用類型之間的轉(zhuǎn)變情況[16]，將土地利用變化的類型轉(zhuǎn)移面積按矩陣的形式加以列出，作為用地結(jié)構(gòu)與變化方向分析的基礎(chǔ)，可細(xì)致反應(yīng)各類用地之間的轉(zhuǎn)化關(guān)系，進(jìn)而了解轉(zhuǎn)移前后各地類的結(jié)構(gòu)特征[17]。數(shù)學(xué)形式如公式（1）所示：

式中，S(t+1)、St分別為t+1、t時(shí)刻的土地利用狀態(tài)；Pij為狀態(tài)轉(zhuǎn)移矩陣；n則為土地利用類型。

2.2 基于斑塊生成的土地利用模擬模型（PLUS）

PLUS模型包含兩個(gè)模塊：（1）用地?cái)U(kuò)張策略分析（LEAS）；（2）基 于 多 類 隨 機(jī) 斑 塊 種 子 的CA模 型（CARS）?？蚣芤话憬Y(jié)構(gòu)如圖2所示。

圖2 斑塊生成土地利用變化模擬模型

2.2.1 用地?cái)U(kuò)張策略分析（LEAS）。LEAS提取兩個(gè)時(shí)期土地利用變化間各類用地?cái)U(kuò)張的部分并疊加多重驅(qū)動(dòng)因素進(jìn)行采樣從而獲得每種土地利用類型和驅(qū)動(dòng)因素的增長(zhǎng)樣本，選取采樣點(diǎn)后經(jīng)過(guò)RF進(jìn)行各類型土地用途擴(kuò)張因素貢獻(xiàn)和每類土地生長(zhǎng)概率計(jì)算。LEAS在進(jìn)行土地利用分析時(shí)，分析單類土地利用而忽略其他，進(jìn)而得到所有土地利用類型的過(guò)渡規(guī)則，避免了對(duì)隨著類別數(shù)量指數(shù)增長(zhǎng)的轉(zhuǎn)化類型進(jìn)行分析，簡(jiǎn)化了土地利用變化的分析過(guò)程，而且保留了模型在一定時(shí)間段分析土地利用變化機(jī)理的能力，具有更好的解釋性。

LEAS策略通過(guò)提取兩期土地利用變化間各類用地?cái)U(kuò)張的部分，并從增加部分中采樣。采用隨機(jī)森林算法逐一對(duì)各類土地利用的驅(qū)動(dòng)因素進(jìn)行挖掘，獲取各類用地的發(fā)展概率及該類驅(qū)動(dòng)因素對(duì)該時(shí)段各類用地?cái)U(kuò)張的貢獻(xiàn)。隨機(jī)森林算法從原始數(shù)據(jù)集當(dāng)中抽取隨機(jī)樣本，并最終確定k類土地利用類型在單元格i上出現(xiàn)的概率，其表達(dá)公式如下：

式中，d的取值為0或1，若d=1，表示有其他土地利用類型轉(zhuǎn)變?yōu)閗類土地利用類型；當(dāng)d=0，表示土地利用類型轉(zhuǎn)變成了除k以外的其他土地利用類型。x是由若干驅(qū)動(dòng)力因子組成的向量；函數(shù)I是決策樹集的指示函數(shù)；hn(x)是向量x的第n個(gè)決策樹的預(yù)測(cè)類型；M為決策樹的總量。

2.2.2 基于多類隨機(jī)斑塊種子的CA模型（CARS）。CARS模塊是一個(gè)CA模型，包括基于多種土地利用隨機(jī)種子的補(bǔ)丁生成機(jī)制。CARS模型是一種情景驅(qū)動(dòng)的土地利用模擬模型，它綜合了“自上而下”（土地利用需求）和“自下而上”（土地利用競(jìng)爭(zhēng)）效應(yīng)；在“自下而上”效應(yīng)中綜合了鄰域權(quán)重、轉(zhuǎn)換成本矩陣和遞減閾值等，在模擬過(guò)程中，土地利用需求通過(guò)一個(gè)自適應(yīng)系數(shù)影響當(dāng)?shù)赝恋乩酶?jìng)爭(zhēng)，驅(qū)動(dòng)土地利用量達(dá)到未來(lái)需求。

2.3 利用Markov模型生成土地需求預(yù)測(cè)

Markov模型[18]是一種基于馬爾科夫過(guò)程理論預(yù)測(cè)事件發(fā)生概率的方法。它具有無(wú)后效的特點(diǎn)，即當(dāng)前狀態(tài)只與前時(shí)刻的狀態(tài)有關(guān)，與其他因素?zé)o關(guān)。土地利用狀況可以通過(guò)公式（2）[19]進(jìn)行預(yù)測(cè)。

在Markov模型預(yù)測(cè)過(guò)程中，轉(zhuǎn)移概率矩陣p必須逐期保持不變，由于Markov模型缺乏彈性空間，不適合對(duì)未來(lái)土地利用數(shù)量進(jìn)行長(zhǎng)期預(yù)測(cè)，為了避免較大誤差的出現(xiàn)，所以本研究只對(duì)未來(lái)10年土地利用結(jié)構(gòu)數(shù)量進(jìn)行測(cè)算[20]。

2.4 PLUS模型與Markov模型耦合機(jī)理

Markov模型雖然可以有效地反應(yīng)LULC時(shí)間變化，但不能有效表征數(shù)據(jù)的空間屬性，也不能顯示這些要素的空間變化分布。在進(jìn)行土地利用變化的空間模擬時(shí)，往往需要先預(yù)測(cè)研究區(qū)的土地利用變化總量和各類土地利用結(jié)構(gòu)從而進(jìn)行“自上而下”地控制，因此，Markov模型和PLUS模型耦合可以更加精準(zhǔn)地模擬和預(yù)測(cè)研究區(qū)域未來(lái)LULC的空間分布。

3 結(jié)果分析

3.1 土地利用變化分析

3.1.1 各類型土地?cái)?shù)量變化。通過(guò)對(duì)2010年與2020年山東省土地利用類型統(tǒng)計(jì)分析（圖3），發(fā)現(xiàn)十年間耕地面積減少，減少量為10 283.01平方千米，人造地表面積增加，增加量為9 958.07平方千米。森林、草地灌木略有增加，增加量分別為412.83平方千米和349.56平方千米。濕地水體、裸地與海域略有減少，減少量分別為228.47平方千米、70.31平方千米、138.61平方千米。

圖3 2010—2020年各類土地變化量（平方千米）

3.1.2 土地利用轉(zhuǎn)移矩陣。利用ArcGIS對(duì)2010年與2020年2期土地利用數(shù)據(jù)進(jìn)行處理分析并制作土地利用轉(zhuǎn)移矩陣分析（見(jiàn)表3、圖4）。土地利用轉(zhuǎn)移矩陣中，耕地轉(zhuǎn)人造地表總轉(zhuǎn)移量為11 595.37平方千米，占轉(zhuǎn)移總量的7.45%，為7類土地利用類型中轉(zhuǎn)移變化量最大的類型，產(chǎn)生的原因是城市人口的增長(zhǎng)、經(jīng)濟(jì)發(fā)展、城市環(huán)境的改善，城市建設(shè)用地不斷對(duì)外擴(kuò)張，侵占耕地[21-22]。其次為人造地表轉(zhuǎn)為耕地，轉(zhuǎn)移量為2 028.9平方千米，占轉(zhuǎn)移總量的1.30%，產(chǎn)生的原因可能是山東省合村并居政策[23]，隨著農(nóng)民向城市地區(qū)單向流動(dòng)引發(fā)農(nóng)村人口逐漸減少，大量的“空心村”出現(xiàn)，政府將空心村合并，節(jié)約土地資源，讓更多人造地表轉(zhuǎn)變?yōu)楦爻蔀榭赡?。再次，轉(zhuǎn)移量較大的是濕地水體與耕地的相互轉(zhuǎn)換，轉(zhuǎn)移量分別為1 529.89平方千米（0.98%）、1 102.26平方千米（0.71%）。

圖4 2010—2020年土地利用轉(zhuǎn)移矩陣

表3 2000—2020年土地利用轉(zhuǎn)移矩陣（平方千米）

從空間結(jié)構(gòu)來(lái)看，城市發(fā)展的總體增長(zhǎng)格局仍然以原有城區(qū)為核心，加之交通干線的驅(qū)動(dòng)作用，延續(xù)當(dāng)前城市發(fā)展趨勢(shì)，城市周邊非建設(shè)用地不斷被城市外延建設(shè)用地侵占，快速擴(kuò)張（圖5）。受DEM高程和《山東省生態(tài)保護(hù)紅線規(guī)劃（2016—2020）》保護(hù)的共同作用，魯中山區(qū)和膠東半島山區(qū)草地灌木和森林轉(zhuǎn)換并未受到過(guò)大影響，轉(zhuǎn)移量均保持在0.27%之內(nèi)。

圖5 現(xiàn)狀土地利用類型

3.2 斑塊生成土地利用變化模擬（PLUS）

首先，將2010年和2020年重分類后的土地利用數(shù)據(jù)和14類驅(qū)動(dòng)因子進(jìn)行LEAS用地?cái)U(kuò)張策略分析。采樣方式為隨機(jī)采樣，決策樹的數(shù)目20，采樣率0.1，訓(xùn)練RF的特征個(gè)數(shù)為14，并行線程數(shù)量設(shè)置為8，生成驅(qū)動(dòng)因子貢獻(xiàn)和各類用地發(fā)展概率，根據(jù)驅(qū)動(dòng)因子貢獻(xiàn)值進(jìn)行用地?cái)U(kuò)張因子貢獻(xiàn)值分析（圖6）。

圖6 各類用地貢獻(xiàn)值分析

DEM和土壤類型對(duì)耕地的發(fā)展具有最強(qiáng)的影響作用，耕地受其他影響因素較為均衡顯著。森林、草地灌木裸地受到DEM和坡度強(qiáng)烈影響。水域?qū)竦厮w和人造地表呈現(xiàn)最強(qiáng)烈貢獻(xiàn)，距高速距離對(duì)海域的發(fā)展具有重要關(guān)系，距鐵路距離等其他驅(qū)動(dòng)因子對(duì)各類土地利用類型具有較為均衡的作用。

其次，進(jìn)行基于多類隨機(jī)斑塊種子的CA模型（CARS）運(yùn)行。以2010年土地利用數(shù)據(jù)作為初始數(shù)據(jù)，鄰域范圍，默認(rèn)值為3，并行線程數(shù)量設(shè)置為8，遞減閾值的衰減系數(shù)、隨機(jī)斑塊種子的概率和隨機(jī)種子最大比例在多次測(cè)試的條件下依次設(shè)置為0.9、0.1和0.000 1；在土地利用需求界面輸入2020年的真實(shí)土地利用數(shù)據(jù)需求量。鄰域權(quán)重參數(shù)范圍為0～1，越接近1代表該用地類型的擴(kuò)張能力越強(qiáng)，依據(jù)研究區(qū)實(shí)際土地利用類型的轉(zhuǎn)換量，將用地類型的擴(kuò)張能力依次定義為人造地表＞森林＞草地灌木＞裸地＞海域＞濕地水體＞耕地。人造地表擴(kuò)張能力最強(qiáng)，耕地?cái)U(kuò)張能力最弱，分別設(shè)置為1和0.01，按照2020年實(shí)際各類型用地?cái)U(kuò)張面積與減少面積來(lái)定義其他5類用地（表4）。轉(zhuǎn)移矩陣定義：裸地可以轉(zhuǎn)換為其他任意用地類型的條件下，其他用地類型轉(zhuǎn)換方式按照3.1.2中土地利用轉(zhuǎn)移矩陣進(jìn)行簡(jiǎn)化設(shè)置。其中，0表示不允許發(fā)生轉(zhuǎn)換，1表示可以發(fā)生轉(zhuǎn)化（表5）。

表4 依據(jù)各類型用地?cái)U(kuò)張量確定鄰域權(quán)重

表5 各類用地轉(zhuǎn)移矩陣

3.3 模擬結(jié)果評(píng)價(jià)

對(duì)比兩期的土地利用可知（表6），2020年的模擬結(jié)果與2020年實(shí)際現(xiàn)狀相比總體上沒(méi)有出現(xiàn)大幅度波動(dòng)，土地利用結(jié)構(gòu)較為穩(wěn)定。具體到地類，相較2020年現(xiàn)狀土地利用，濕地水體、裸地和海域像元有所增加，森林和草地灌木像元數(shù)量有所減少，變化幅度保持在15%以內(nèi)。將模擬結(jié)果（圖7）進(jìn)行模擬精度驗(yàn)證，采用Kappa系數(shù)和FoM（Figure of Merit）指數(shù)進(jìn)行分別驗(yàn)證評(píng)價(jià)。Kappa系數(shù)是一種較好地用來(lái)描述柵格數(shù)據(jù)集隨時(shí)間變化以及變化方向的方法，常用于檢查影像分類對(duì)于真實(shí)地物判斷的正確性程度[24]。在分類精度評(píng)價(jià)中，不同的精度評(píng)價(jià)方法有不同的精度劃分標(biāo)準(zhǔn)和含義，本文借用Cohen提出的Kappa系數(shù)分類評(píng)價(jià)標(biāo)準(zhǔn)，見(jiàn)表7[25]。FoM定量地檢驗(yàn)元胞尺度上的模擬精度，值越大，用于城市土地利用發(fā)展模型的尺度模擬結(jié)果精度越高，其中值一般在0.01～0.25之間[26]，F(xiàn)oM的計(jì)算由公式（5）表示為：

圖7 2020年模擬結(jié)果

表6 研究區(qū)2020年現(xiàn)狀及2020年模擬結(jié)果的土地利用結(jié)構(gòu)像元數(shù)

式中，A=變但變錯(cuò)；B=變且變對(duì)；C=預(yù)測(cè)變但實(shí)際沒(méi)變；D=預(yù)測(cè)不變但實(shí)際變。

2020年模擬土地變化的總體精度為0.861，Kappa=0.687，在評(píng)價(jià)中具有顯著的一致性，各類用地類型“生產(chǎn)者準(zhǔn)確度”分別為：耕地=0.911、森林=0.786、草地灌木=0.634、濕地水體=0.900、人造地表=0.717、裸地=0.425、海域=0.931；在FoM中，A=1 529 275，B=536 193，C=5 301，D=634 099，F(xiàn)oM=0.198。表明在該段時(shí)間內(nèi)利用PLUS模型模擬的各類用地發(fā)展概率達(dá)到比較理想的發(fā)展結(jié)果，各類用地發(fā)展概率具有較為顯著的說(shuō)明性。

4 未來(lái)多情景預(yù)測(cè)

依據(jù)2010年與2020年研究區(qū)土地利用數(shù)據(jù)，通過(guò)Markov模型進(jìn)行2030年各類土地需求量預(yù)測(cè)，結(jié)果見(jiàn)表8。結(jié)合2010—2020年各類用地發(fā)展概率，通過(guò)CARS對(duì)2030年研究區(qū)土地利用空間布局進(jìn)行自由發(fā)展情景預(yù)測(cè)。其次，在預(yù)測(cè)時(shí)加入相關(guān)規(guī)劃約束因子——生態(tài)紅線來(lái)控制研究區(qū)未來(lái)發(fā)展趨勢(shì)和方向，得到研究區(qū)2030年生態(tài)紅線保護(hù)規(guī)劃政策導(dǎo)向下的土地利用空間分布。

表8 基于Markov模型土地利用需求預(yù)測(cè)（像元個(gè)數(shù)）

4.1 自由發(fā)展情景

如圖8（2）所示，在自由發(fā)展情境下，到2030年前后，隨著人造地表劇烈擴(kuò)張，耕地面積將大幅度減少，減少量將達(dá)到2020的10%左右。森林、草地灌木、裸地和海域小幅度減少，濕地水體小幅度增加。在空間發(fā)展上，各市以建成區(qū)為中心向周圍繼續(xù)擴(kuò)張與發(fā)展，城市周邊非人造地表插針式建設(shè)，小范圍人造地表聚集擴(kuò)大，耕地面積持續(xù)減少，森林、草地灌木組成的綠地將進(jìn)一步縮小。綠地受到DEM強(qiáng)烈影響，故2030年預(yù)測(cè)發(fā)展中，魯中山區(qū)以及魯東半島山區(qū)綠地變化并未受到強(qiáng)烈影響。城市人口的增加是城市土地?cái)U(kuò)張的直接動(dòng)因，城市人口的增加又表現(xiàn)為城市居民對(duì)交通等方面的需求加強(qiáng)，進(jìn)而影響各組團(tuán)人造地表之間的連接關(guān)系不斷清晰[21]。根據(jù)2010年、2020年現(xiàn)狀發(fā)展以及2030年預(yù)測(cè)結(jié)果發(fā)現(xiàn)，受南部山區(qū)、北部黃河等生態(tài)敏感區(qū)的制約，濟(jì)南城市空間長(zhǎng)期以東西條帶狀發(fā)展為主[27]，通過(guò)章丘與淄博相連接并成為一個(gè)東西帶狀組團(tuán)整體。魯東南地區(qū)地勢(shì)平坦，各市縣將繼續(xù)呈現(xiàn)“攤大餅”式發(fā)展，交通可達(dá)性對(duì)城市發(fā)展具有重要作用，調(diào)節(jié)城市發(fā)展速度[28]。城市間交通可達(dá)性提升會(huì)促進(jìn)城市全要素生產(chǎn)效率提升，道路等交通基礎(chǔ)設(shè)施改善帶來(lái)的交通可達(dá)性提升會(huì)促進(jìn)要素在區(qū)域間的流動(dòng)，優(yōu)化資源配置促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展[29]。

圖8 多情景預(yù)測(cè)下土地利用發(fā)展方式

4.2 生態(tài)保護(hù)規(guī)劃情景

生態(tài)保護(hù)紅線是指依法在重點(diǎn)生態(tài)功能區(qū)、生態(tài)環(huán)境敏感區(qū)和脆弱區(qū)等區(qū)域劃定的嚴(yán)格管控邊界，是國(guó)家和區(qū)域生態(tài)安全的底線，對(duì)于維護(hù)生態(tài)安全格局、保障生態(tài)系統(tǒng)功能、支撐經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展具有重要作用[14]。

在生態(tài)保護(hù)的目標(biāo)下，研究中引入了山東省生態(tài)保護(hù)紅線（圖9）作為限制性條件，得到生態(tài)保護(hù)紅線控制情景下的2030年土地利用預(yù)測(cè)模式，見(jiàn)圖8（3）。在該政策影響下，膠東半島、魯中南山地、黃河三角洲等地的森林、草地灌木等土地利用得到了較好的保護(hù)。非生態(tài)保護(hù)區(qū)除受到強(qiáng)烈驅(qū)動(dòng)因子影響禁止發(fā)展位置之外，各城市以該城市原有核心區(qū)域向周邊輻射發(fā)展，各城市之間聯(lián)系不斷增強(qiáng)，尤其表現(xiàn)在魯中南山地北側(cè)濟(jì)南與淄博之間。該情景將生態(tài)敏感/脆弱、禁止開(kāi)發(fā)區(qū)的人為干擾降到最低，為自然情境演替創(chuàng)造了條件，對(duì)保護(hù)生物多樣性、水源涵養(yǎng)以及土壤保持、防風(fēng)固沙具有重要意義。

圖9 山東省2016—2020年生態(tài)保護(hù)紅線

5 結(jié)論與展望

本研究基于對(duì)山東省省域歷史時(shí)期（2010—2020年）土地利用模擬及2030年預(yù)測(cè)，結(jié)論如下：

（1）山東省2010—2020年土地利用轉(zhuǎn)移量最大的是耕地轉(zhuǎn)人造地表與人造地表轉(zhuǎn)耕地，分別占轉(zhuǎn)移總量的7.45%與1.30%。

（2）土壤類型對(duì)耕地的發(fā)展具有最強(qiáng)的影響作用，受其他因素影響較為均衡顯著。森林、草地灌木和裸地受到DEM強(qiáng)烈影響，水域?qū)竦厮w和人造地表呈現(xiàn)最強(qiáng)烈貢獻(xiàn)。GDP與海域的土地利用發(fā)展具有重要關(guān)系。鐵路對(duì)各類土地利用類型具有較為均衡的作用。

（3）在2020年P(guān)LUS模型模擬與驗(yàn)證中，Kappa=0.687，F(xiàn)oM=0.198，具有顯著一致性。Markov模型結(jié)合PLUS模型進(jìn)行2030年自由發(fā)展與生態(tài)保護(hù)情景模擬中，說(shuō)明規(guī)律挖掘和模擬結(jié)果顯著性強(qiáng)、精度高。

（4）在自由發(fā)展情景下，耕地減少，城市呈現(xiàn)“攤大餅”式發(fā)展，小面積人造地表聚集擴(kuò)大，人造地表之間聯(lián)系增強(qiáng)；在生態(tài)保護(hù)情景下，紅線范圍內(nèi)綠地得到較好的保護(hù)，生態(tài)敏感區(qū)/脆弱區(qū)與禁止開(kāi)發(fā)區(qū)的人為干擾影響降到最低。

在智慧城市建設(shè)和科學(xué)智能決策背景下，PLUS模型對(duì)山東省土地利用變化模擬的適用性較好，多情景模擬結(jié)果可以為山東省國(guó)土空間規(guī)劃和生態(tài)安全保護(hù)提供決策參考。今后可嘗試在PLUS模型中引入“三生”空間約束條件、生態(tài)正義約束條件等進(jìn)一步探討國(guó)土空間發(fā)展的多種可能性。