遼寧省未來土地利用情景模擬及玉米生產(chǎn)潛力預(yù)測

蒲羅曼

（海南大學(xué)公共管理學(xué)院，海口 570228）

土地資源是人類生存和發(fā)展必不可少的物質(zhì)基礎(chǔ)。21 世紀(jì)以來，隨著中國工業(yè)化、城鎮(zhèn)化的快速發(fā)展及人口的不斷增長，人們對土地資源的利用強(qiáng)度不斷加大，從而導(dǎo)致一系列社會(huì)、生態(tài)和環(huán)境問題，并伴隨著耕地資源的快速變化[1-2]。一方面，耕地資源的數(shù)量受到嚴(yán)重威脅。據(jù)統(tǒng)計(jì)，中國城鎮(zhèn)化和工業(yè)化每年占用優(yōu)質(zhì)耕地資源63萬hm2[3]。另一方面，部分地區(qū)雖積極維持耕地“占補(bǔ)平衡”，但新增耕地的質(zhì)量卻難以保證。在耕地?cái)?shù)量減少和質(zhì)量下降的雙重威脅下，糧食生產(chǎn)能力受到極大影響，加劇了耕地保護(hù)、糧食安全與社會(huì)經(jīng)濟(jì)發(fā)展之間的矛盾[4]。目前，中國對糧食產(chǎn)量的需求逐年攀升。雖然近年來我國糧食單位面積產(chǎn)量不斷提升，2010—2018 年平均增產(chǎn)超過600 kg·hm-2，但這在一定程度上是以高投入、高成本和破壞生態(tài)環(huán)境為代價(jià)的[1]。2050年，中國旨在建設(shè)成為富強(qiáng)、民主、文明、和諧、美麗的社會(huì)主義現(xiàn)代化強(qiáng)國，其中保證糧食安全是重中之重。但如果持續(xù)占用優(yōu)質(zhì)耕地，并忽略新增耕地質(zhì)量，將難以保證未來糧食安全。因此，亟需預(yù)判未來耕地?cái)?shù)量及空間分布，進(jìn)而預(yù)測未來土地利用變化條件下的糧食生產(chǎn)潛力。

近幾十年，未來土地利用情景模擬已經(jīng)成為一項(xiàng)重要研究課題[5]。土地利用模擬模型大致可分為三類：數(shù)量預(yù)測模型、空間預(yù)測模型和數(shù)量空間耦合預(yù)測模型。數(shù)量預(yù)測模型主要用于預(yù)測未來區(qū)域內(nèi)各土地利用類型的面積，其原理是采用數(shù)學(xué)方法將數(shù)據(jù)代入公式中計(jì)算結(jié)果，如馬爾科夫（Markov）模型[6-7]、Logistic 模型[8-9]?？臻g預(yù)測模型主要探討土地利用類型的空間變化規(guī)律，如元胞自動(dòng)機(jī)（CA）模型[10-11]和CLUE-S 模型[12]。近年來，眾多學(xué)者將數(shù)量和空間預(yù)測模型耦合模擬區(qū)域內(nèi)土地利用類型的時(shí)空變化，例如將CA 和Markov 模型組合為CA-Markov 模型，不僅可以準(zhǔn)確預(yù)測未來土地利用類型的數(shù)量，也可有效模擬土地利用類型的空間分布，實(shí)用性較強(qiáng)[13]。雖然部分學(xué)者也應(yīng)用了其他模型，如FLUS 模型[14]和LCM 模型[15]，但CA-Markov模型的應(yīng)用最為廣泛[16]。

模型的精度驗(yàn)證是確定模型能否進(jìn)一步應(yīng)用的必要步驟。目前，驗(yàn)證土地利用模擬模型精度的常用方法是比較模擬的土地利用圖和參考土地利用圖的土地類型信息[17]。一部分學(xué)者通過計(jì)算某一土地利用類型的數(shù)量誤差來進(jìn)行數(shù)量精度驗(yàn)證，而一部分學(xué)者則通過計(jì)算Kappa系數(shù)進(jìn)行空間精度驗(yàn)證[18-19]。然而，PONTIUS 等[17]認(rèn)為上述方法在精度評估中存在無效性和誤導(dǎo)性，相比之下，F(xiàn)OM（Figure of Merit）方法更佳。FOM方法是一種“三幅地圖比較法”，即比較起始時(shí)點(diǎn)的“參考圖”、結(jié)束時(shí)點(diǎn)的“參考圖”和結(jié)束時(shí)點(diǎn)的“模擬圖”，通過疊加和對比分析模擬的土地利用變化圖與參考的土地利用變化圖來判斷模擬變化圖中的數(shù)量誤差和空間分配誤差[17，20-21]。因此，本研究創(chuàng)新地采用CA-Markov模型預(yù)測未來土地利用情景，并應(yīng)用FOM方法驗(yàn)證CA-Markov模型的精度。

玉米是遼寧省最主要的糧食作物。本研究在利用FOM 方法驗(yàn)證了CA-Markov 模型的精度后，模擬遼寧省2050 年的土地利用情景，進(jìn)而預(yù)測2020—2050 年土地利用變化情況，并利用全球農(nóng)業(yè)生態(tài)區(qū)劃（GAEZ）模型預(yù)測了2050 年玉米潛在單產(chǎn)和總產(chǎn)量，進(jìn)而探究2020—2050年玉米潛在單產(chǎn)和總產(chǎn)量的時(shí)空變化特征。本研究通過預(yù)測未來耕地變化，探究未來糧食生產(chǎn)潛力，旨在為土地管理政策的制定提供決策參考。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)遼寧省位于歐亞大陸東岸，處于中國東北地區(qū)的最南端，地理坐標(biāo)為38°43′～43°26′N，118°53′～125°46′E，總面積約14.84 萬km2，共包含14 個(gè)地級市[22]（圖1）。地勢大致為自東西兩側(cè)向中部傾斜，呈現(xiàn)馬蹄形。該省處于溫帶大陸性季風(fēng)氣候區(qū)，春、夏、秋、冬四季分明，年平均氣溫為6～11 ℃，年降水量為600～1 100 mm，是整個(gè)東北地區(qū)降水量最多的省份[23]。全省土地利用類型多樣，土地生產(chǎn)潛力較大。耕地和林地是遼寧省主要的土地利用類型，兩者的面積占全省土地總面積的65.93%。玉米、水稻、大豆、薯類、谷子和高粱為遼寧省主要的糧食作物，其中玉米最為普遍。通過查閱遼寧省統(tǒng)計(jì)年鑒得知，2019年遼寧省玉米的播種面積和總產(chǎn)量分別占所有糧食作物（包括谷類、塊莖類和豆類）播種面積和總產(chǎn)量的75.24%和72.31%。

圖1 研究區(qū)位置圖Figure 1 Location of the study area

1.2 數(shù)據(jù)來源與預(yù)處理

遼寧省1990、2000 和2020 年的土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境數(shù)據(jù)中心土地利用數(shù)據(jù)庫（比例尺為1∶10萬）（http：//www.resdc.cn/）。該數(shù)據(jù)庫是根據(jù)1990 年和2000 年Landsat TM/ETM 遙感影像及2020年Landsat OLI影像經(jīng)人機(jī)交互解譯獲得。經(jīng)野外驗(yàn)證，其解釋精度＞90%，可滿足1∶10 萬制圖的精度要求[24-25]。三期土地利用數(shù)據(jù)首先被分為6個(gè)一級土地利用類型，即耕地、林地、草地、水體、城鄉(xiāng)工礦用地和未利用地。在此基礎(chǔ)上，將耕地進(jìn)一步劃分為水田和旱地，最終分為7個(gè)土地利用類型。

氣候數(shù)據(jù)為2020年的7種逐月氣候變量，包括平均最高氣溫、平均最低氣溫、累積降水量、累積太陽凈輻射、平均相對濕度、2 m高度的平均風(fēng)速和雨天頻率（每月降水超過0.2 mm的天數(shù)）。上述7種氣候變量的原始觀測數(shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)（http：//www.nmic.cn/）覆蓋遼寧省的25個(gè)氣象站點(diǎn)的逐月觀測數(shù)據(jù)?；谶|寧省DEM，利用ANUSPLIN軟件，將原始的氣象站點(diǎn)的觀測數(shù)據(jù)插值到10 km空間分辨率的連續(xù)柵格表面。

土壤數(shù)據(jù)來自中國科學(xué)院南京土壤研究所提供的1∶100 萬比例尺的中國土壤數(shù)據(jù)庫，將其處理為空間分辨率為1 km 的柵格數(shù)據(jù)。該土壤數(shù)據(jù)庫包含土壤有機(jī)碳含量、pH 值、陽離子交換量、土壤質(zhì)地和土壤持水能力等土壤剖面屬性與土壤的空間分布。

地形數(shù)據(jù)為DEM 數(shù)據(jù)（空間分辨率為90 m），來源于航天飛機(jī)雷達(dá)地形測繪使命（Shuttle Radar Topography Mission，SRTM）的C 波段數(shù)據(jù)，并進(jìn)一步被處理為坡度和坡向數(shù)據(jù)。

人口密度和GDP 數(shù)據(jù)來自中國科學(xué)院資源環(huán)境數(shù)據(jù)中心（http：//www.resdc.cn/）。距公路和鐵路的距離數(shù)據(jù)來源于公路和鐵路的空間分布數(shù)據(jù)（http：//www.resdc.cn/），并經(jīng)IDRISI Selva V.17 軟件處理而成。城市和農(nóng)村居民點(diǎn)的空間分布數(shù)據(jù)來源于遼寧省2000 年和2020 年的土地利用數(shù)據(jù)，并進(jìn)一步處理為距城市和鄉(xiāng)村的距離數(shù)據(jù)。

此外，由于2021 年遼寧省統(tǒng)計(jì)年鑒尚未發(fā)布，2020年的灌溉面積數(shù)據(jù)、糧食播種面積和產(chǎn)量數(shù)據(jù)暫用2019年的數(shù)據(jù)代替。上述數(shù)據(jù)均來自2020年遼寧省統(tǒng)計(jì)年鑒，并以遼寧省的地級市為統(tǒng)計(jì)單元。

2 研究方法

2.1 未來土地利用情景模擬

模擬未來的土地利用情景是計(jì)算已知一段時(shí)期的土地利用變化，并將其外推至未來土地利用變化的過程[26]。本研究采用CA-Markov 模型模擬未來的土地利用情景。

Markov 模型是一種傳統(tǒng)的基于馬爾可夫隨機(jī)過程系統(tǒng)進(jìn)行預(yù)測的理論方法[27]，常被用于預(yù)測具有非后效性的地理事件。在土地利用變化研究中，Markov模型通過建立轉(zhuǎn)移概率矩陣分析土地利用隨時(shí)間變化的概率，并根據(jù)前一時(shí)期的轉(zhuǎn)移概率矩陣預(yù)測后一段時(shí)間內(nèi)土地利用類型的數(shù)量。因此，t+1 時(shí)刻的土地利用類型的狀態(tài)取決于t時(shí)刻的土地利用類型的狀態(tài)，t+1 時(shí)刻的土地利用類型狀態(tài)可以通過以下公式[28]計(jì)算：

式中：St+1和St分別為土地利用類型在t+1 和t時(shí)刻的狀態(tài)；Pij為土地利用類型i和j之間的轉(zhuǎn)移概率矩陣；Pij的計(jì)算公式[28]如下：

式中：Aij為土地利用類型i轉(zhuǎn)化為j的面積或比例；n為土地利用類型的數(shù)量。

CA 模型是一個(gè)時(shí)間、空間和狀態(tài)均離散的復(fù)雜動(dòng)態(tài)模型。該模型的基本要素主要包括元胞空間和元胞大小、狀態(tài)集合、狀態(tài)轉(zhuǎn)換規(guī)則和鄰域范圍等。CA模型可以用以下公式[28]表示：

式中：N是元胞場；f是空間內(nèi)元胞狀態(tài)的轉(zhuǎn)化規(guī)則。

CA-Markov模型融合了Markov模型的理論和CA模型的理論，是基于簡單決策規(guī)則模擬復(fù)雜空間過程的有效工具，可以更好地模擬土地利用的數(shù)量和空間變化。

土地利用情景模擬過程可在美國克拉克大學(xué)開發(fā)的IDRISI Selva V.17 軟件中進(jìn)行。首先通過遼寧省1990 年和2000 年的土地利用數(shù)據(jù)，計(jì)算1990—2000 年土地利用類型的轉(zhuǎn)移概率矩陣，模擬遼寧省2020 年的土地利用情景。然后，將模擬的2020 年土地利用情景與解譯的2020 年土地利用數(shù)據(jù)進(jìn)行比較，采用FOM 方法驗(yàn)證CA-Markov 模型的精度。最后，模擬預(yù)測遼寧省2050 年的土地利用情景。由于土地利用變化受多種自然和人文因素的影響，因此在進(jìn)行CA-Markov 模擬過程時(shí)，采用多標(biāo)準(zhǔn)評價(jià)（Multi-Criteria Evaluation，MCE）方法，將9 種驅(qū)動(dòng)因子（高程、坡度、坡向、距高速公路距離、距鐵路距離、人口密度、GDP、距城市距離、距鄉(xiāng)村距離）組合在一起，生成適宜性圖集。兩次模擬過程分別應(yīng)用2000年人口密度和GDP 數(shù)據(jù)，以及2020 年人口密度和GDP 數(shù)據(jù)。此外，分別將2000 和2020 年水域的空間分布作為兩次土地利用模擬的限制因子。土地利用情景模擬的流程如圖2所示。

圖2 土地利用情景模擬流程圖Figure 2 Flowchart of land use scenario simulation

在模擬2050 年遼寧省的土地利用情景之后，分析2020—2050 年的土地利用類型的轉(zhuǎn)移概率矩陣，探討各土地利用類型的相互轉(zhuǎn)化特征。

2.2 CA-Markov模型精度驗(yàn)證

本研究采用FOM 方法對CA-Markov 模型進(jìn)行精度驗(yàn)證。首先，將2000 年和2020 年解譯的土地利用圖疊加得到參考土地利用變化圖。然后，將2000 年解譯的土地利用圖和2020 年模擬的土地利用情景疊加得到模擬土地利用變化圖。最后，通過比較兩種土地利用變化圖，計(jì)算5 個(gè)指標(biāo)，包括未命中（M）、命中（H）、錯(cuò)誤命中（W）、空成功（N）和錯(cuò)誤警報(bào)（F）。M表示模擬的地類不變但實(shí)際卻變化所引起的誤差的面積比例；H為模擬的地類變化且模擬正確的面積比例；W表示模擬的地類雖變化但模擬錯(cuò)誤的面積比例；N表示模擬的地類不變且實(shí)際也不變的面積比例；F表示模擬的地類變化但實(shí)際未變所引起的誤差所占的面積比例[29-30]。基于以上5 種指標(biāo)，進(jìn)一步計(jì)算參考變化（RC）、模擬變化（SC）、數(shù)量誤差（EQ）、空間分配誤差（EA）、總誤差（TE）、模型優(yōu)值（FOM）等一系列驗(yàn)證指標(biāo)。公式如下：

式中：EQ是指模型在數(shù)量上模擬不精確所引起的誤差；EA是由于空間分配導(dǎo)致的誤差；FOM的范圍為0到100%，0 表示參考變化和模擬變化完全無重疊，100%表示參考變化和模擬變化完全重疊。

只憑FOM指標(biāo)無法詳細(xì)說明“未命中”“命中”“錯(cuò)誤命中”“空成功”以及“錯(cuò)誤警報(bào)”，即無法得知參考及模擬變化圖的不一致性更多地來自數(shù)量還是空間誤差，因此其他指標(biāo)的計(jì)算也不容忽視。本研究通過疊加2000—2020 年遼寧省參考和模擬的土地利用變化圖，分別計(jì)算H、W、M、F、N、RC、SC、EQ、EA、TE、FOM，以驗(yàn)證CA-Markov模型的精度。

2.3 玉米生產(chǎn)潛力預(yù)測及生產(chǎn)潛力變化分析

農(nóng)業(yè)生態(tài)區(qū)劃（Agro-ecological Zones，AEZ）模型最初由聯(lián)合國糧農(nóng)組織（Food and Agriculture Organization，F(xiàn)AO）和國際應(yīng)用系統(tǒng)研究所（International Institute for Applied Systems Analysis，IIASA）共同開發(fā)，目前已發(fā)展為全球農(nóng)業(yè)生態(tài)區(qū)劃（GAEZ）模型，被廣泛應(yīng)用于糧食生產(chǎn)潛力預(yù)測中[31]。GAEZ模型是一種簡單、可靠的作物模型，提供了標(biāo)準(zhǔn)化的作物參數(shù)和環(huán)境匹配程序。與此同時(shí)，GAEZ模型將人為的投入與管理水平分為三個(gè)等級，即高投入和管理水平（施肥、除草及機(jī)械化水平等達(dá)到最佳）、中等投入和管理水平（中等水平的施肥、除草及機(jī)械化程度等）以及低投入和管理水平（幾乎無施肥、除草和機(jī)械化應(yīng)用等）。不同等級對應(yīng)不同的收獲指數(shù)與葉面積指數(shù)數(shù)值，一般情況下，均會(huì)在假定的高投入和管理水平下，根據(jù)光合、光溫、氣候生產(chǎn)潛力和土地生產(chǎn)潛力計(jì)算作物生產(chǎn)潛力。耕地的灌溉條件對作物生產(chǎn)潛力也具有較大影響，因此在具體計(jì)算時(shí)，首先假設(shè)全部旱地均為灌溉旱地的作物生產(chǎn)潛力，然后假設(shè)全部旱地均為雨養(yǎng)旱地的作物生產(chǎn)潛力，最終通過灌溉耕地的面積百分比數(shù)據(jù)，獲得作物生產(chǎn)潛力。而對于水田而言全部為灌溉耕地，因此只需計(jì)算灌溉條件下的作物生產(chǎn)潛力即可。以往研究已詳細(xì)描述了GAEZ模型的計(jì)算過程[32-35]。

本研究首先從模擬2050 年遼寧省的土地利用情景中提取出旱地的空間分布，然后利用GAEZ 模型對2050 年模擬的旱地情景下玉米生產(chǎn)潛力進(jìn)行預(yù)測。雖然氣候因素、灌溉面積百分比等因素也是影響玉米生產(chǎn)潛力的重要因素，但由于本研究僅預(yù)測未來土地利用變化對玉米生產(chǎn)潛力的影響，因而采用“控制變量”的方法，將氣候、土壤、地形和灌溉面積百分比維持2020年的狀態(tài)不變。

在模型精度模擬方面，以往的研究[32-35]通過建立GAEZ 模型模擬的糧食生產(chǎn)潛力與實(shí)際產(chǎn)量之間的回歸關(guān)系，驗(yàn)證了GAEZ 模型的準(zhǔn)確性，且回歸方程的決定系數(shù)均大于0.75，表明GAEZ 模型具有較好的模擬糧食生產(chǎn)潛力的能力。

最后，分析2020—2050 年遼寧省玉米生產(chǎn)潛力的數(shù)量和空間變化特征，并以地級市為單位分析玉米潛在總產(chǎn)量和潛在單產(chǎn)的變化。

3 結(jié)果與分析

3.1 CA-Markov模型精度驗(yàn)證

利用CA-Markov 模型模擬了遼寧省2020 年的土地利用情景，圖3為模擬的2020年土地利用情景及解譯的土地利用圖。將2000—2020 年參考和模擬的土地利用變化圖進(jìn)行疊加，采用FOM 方法計(jì)算各種指標(biāo)。H、W、M、F和N分別為35.45%、7.84%、20.15%、1.64%和34.92%，因此RC、SC、EQ、EA和TE分別為55.60%、37.09%、18.51%、3.28% 和21.79%，F(xiàn)OM為54.47%（圖4），說明CA-Markov 模型的模擬精度尚可。另外，由于EQ大于EA，表明通過CA-Markov 模型模擬的2020 年土地利用圖與解釋的土地利用圖的不一致性更多來自數(shù)量誤差，即Markov 算法，而非空間分配誤差，即CA模型。

圖3 2020年遼寧省模擬的土地利用情景（a）和解譯的土地利用圖（b）Figure 3 Simulated land use scenario（a）and interpreted land use map（b）in Liaoning Province in 2020

圖4 基于FOM方法的2000—2020土地利用變化模擬各指標(biāo)值Figure 4 Index values of simulation of land use changes during 2000—2020 based on FOM method

3.2 2020—2050年遼寧省土地利用變化

本研究模擬了2050 年遼寧省的土地利用情景，并將其與2020 年的土地利用數(shù)據(jù)進(jìn)行疊加，預(yù)測了2020—2050 年各土地利用類型的面積變化（表1）。2020 年和2050 年，遼寧省的土地利用類型均以林地和旱地為主，分別約占土地總面積的40%和35%。未利用地的面積較小，僅占約1%。

表1 2020—2050年各土地利用類型的面積及比例變化Table 1 Area and area proportion changes of various land use types from 2020 to 2050

預(yù)測結(jié)果顯示，2020—2050 年遼寧省城鄉(xiāng)工礦用地的面積和比例分別增加了55.55 萬hm2和3.84 個(gè)百分點(diǎn)，旱地和林地面積分別減少了29.78 萬hm2和25.05萬hm2。此外，水田和草地的面積也明顯減少，表明未來30 年遼寧省土地利用很可能以城鄉(xiāng)工礦用地的大幅擴(kuò)張為主，但同時(shí)可能伴隨著毀林毀草及優(yōu)質(zhì)耕地被占用。

圖5 為2020—2050 年遼寧省各土地利用類型的轉(zhuǎn)移概率矩陣熱度圖。雖然2020—2050 年主要以其他地類向旱地轉(zhuǎn)化以及水田和旱地向城鄉(xiāng)工礦用地轉(zhuǎn)化為主，但2020 年旱地面積較大，旱地流失的比例高達(dá)29%，因此旱地的面積仍有所減少。未來幾十年，遼寧省應(yīng)制定更多的生態(tài)環(huán)境保護(hù)政策，以防過度毀林毀草現(xiàn)象的發(fā)生。此外，經(jīng)濟(jì)發(fā)展和城市化進(jìn)程的加快也會(huì)導(dǎo)致建設(shè)用地的不斷擴(kuò)張，耕地資源保護(hù)工作仍然十分緊迫。

圖5 2020—2050年遼寧省各土地利用類型的轉(zhuǎn)移概率矩陣Figure 5 Transition probability matrix of land use types in Liaoning Province from 2020 to 2050

3.3 2050年玉米生產(chǎn)潛力預(yù)測

利用GAEZ 模型以及2.2.2 節(jié)中提到的7 種氣候變量、DEM、土壤、灌溉面積百分比數(shù)據(jù)，將旱地空間分布數(shù)據(jù)從2050 年模擬的土地利用圖中提取出來，預(yù)測了2050 年遼寧省的玉米生產(chǎn)潛力，得到2050 年遼寧省玉米平均潛在單產(chǎn)的空間分布（圖6）。在整個(gè)研究區(qū)，玉米的潛在總產(chǎn)量為393.38 萬t。由于遼寧省的玉米熟制為一年一熟，2050 年玉米播種面積即為模擬的2050 年旱地面積，為502.36 萬hm2，因此玉米的平均潛在單產(chǎn)為7 830.56 kg·hm-2。從玉米平均潛在單產(chǎn)的空間分布來看，遼寧省北部和南部地區(qū)在8 000 kg·hm-2以上，部分地區(qū)甚至超過10 000 kg·hm-2。而在西部和東部部分地區(qū)，平均潛在單產(chǎn)在4 000 kg·hm-2以下。由于玉米平均潛在單產(chǎn)與氣候及土壤條件息息相關(guān)，因此，北部和南部地區(qū)玉米平均潛在單產(chǎn)較高主要由于地勢起伏度相對較低，土壤保水固肥能力較強(qiáng)，且降雨量及光照等氣候條件均較為充足。而西部和東部地區(qū)主要由于地形條件的限制，且西部地區(qū)受降雨量嚴(yán)重不足影響，玉米平均潛在單產(chǎn)過低。

圖6 2050年遼寧省玉米平均潛在單產(chǎn)的空間分布Figure 6 Spatial distribution of maize average potential yields in Liaoning Province in 2050

進(jìn)一步以地級市為單位進(jìn)行分析，由圖7 可以得知，遼寧省14個(gè)地級市中，2050年的玉米潛在總產(chǎn)量在450 萬t 以上的市有3 個(gè)，位于北部和南部地區(qū)，分別為鐵嶺市、沈陽市和大連市，其中鐵嶺市超過600萬t（圖7a）。潛在總產(chǎn)量為300 萬～450 萬t 的市有4個(gè)，多位于西部地區(qū)。而一半數(shù)量的市潛在總產(chǎn)量低于300 萬t，且多分布在東部地區(qū)。這主要是由于北部和南部地區(qū)相對東西部地區(qū)擁有較為豐富的旱地資源，因此玉米潛在總產(chǎn)量較高，特別是北部地區(qū)地勢較為平坦，土壤保水固肥能力較強(qiáng)，因此潛在總產(chǎn)量相對更高。而東部地區(qū)各市旱地資源相對匱乏，玉米潛在總產(chǎn)量相對較低。

圖7 2050年遼寧省各地級市玉米潛在總產(chǎn)量（a）和平均潛在單產(chǎn)（b）Figure 7 Maize potential production（a）and average potential yields（b）in prefecture-level cities of Liaoning in 2050

各市玉米平均潛在單產(chǎn)的高低分布與總產(chǎn)量并不相同（圖7b）。2050 年玉米平均潛在單產(chǎn)在9 000 kg·hm-2以上的市共有8 個(gè)，主要分布在東部和南部地區(qū)，其中遼陽市和營口市的平均潛在單產(chǎn)甚至高于10 000 kg·hm-2。葫蘆島市為8 000～9 000 kg·hm-2。中西部地區(qū)的玉米平均潛在單產(chǎn)低于8 000 kg·hm-2，其中朝陽市和阜新市低于7 000 kg·hm-2。

3.4 未來30年玉米生產(chǎn)潛力變化

將2020年和2050年遼寧省玉米潛在單產(chǎn)的空間分布進(jìn)行疊加，得到2020—2050 年遼寧省玉米平均潛在單產(chǎn)空間變化（圖8）。在耕地變化的影響下，未來30 年遼寧省玉米生產(chǎn)潛力的變化十分顯著，玉米潛在總產(chǎn)量和平均潛在單產(chǎn)均呈下降趨勢，分別減少630.52萬t和679.57 kg·hm-2。

圖8 2020—2050年遼寧省玉米平均潛在單產(chǎn)的空間變化Figure 8 Spatial changes of maize average potential yields in Liaoning Province from 2020 to 2050

從空間上看，雖然整個(gè)遼寧省的玉米潛在總產(chǎn)量和平均潛在單產(chǎn)均有所下降，但大約近一半旱地的平均潛在單產(chǎn)仍有所增加，且主要分布在西北和東南部地區(qū)。在東南部地區(qū)，玉米平均潛在單產(chǎn)甚至增加4 000 kg·hm-2以上。在近1/3 的旱地中，玉米平均潛在單產(chǎn)減少不足2 000 kg·hm-2，廣泛分布在東北部和西南部地區(qū)。遼寧省的中部、南部小部分地區(qū)及西南部小范圍的旱地內(nèi)，玉米平均潛在單產(chǎn)的減少量超過4 000 kg·hm-2。

圖9 表示2020—2050 年遼寧省14 個(gè)地級市的玉米潛在總產(chǎn)量和平均潛在單產(chǎn)的變化情況。雖然全省的玉米潛在總產(chǎn)量有所下降，但部分地級市仍有所上升，如東部和南部地區(qū)的鞍山市、丹東市和大連市以及西部的阜新市，其中鞍山市的玉米潛在總產(chǎn)量增加超過50萬t（圖9a）。但在其他10個(gè)市內(nèi)，玉米的潛在總產(chǎn)量均有所減少，且主要分布在遼寧省東北部和西南部地區(qū)，其中朝陽市和沈陽市的減少量最大，高達(dá)100萬t。由于本研究假設(shè)2020—2050年的氣候和土壤條件維持2020 年的狀態(tài)不變，旱地的變化是玉米潛在總產(chǎn)量變化的唯一原因，因此，2020—2050 年玉米潛在總產(chǎn)量的變化主要是因?yàn)闁|北和西南部地區(qū)的旱地萎縮以及西部和南部地區(qū)的旱地?cái)U(kuò)張。

圖9 2020—2050年各地級市玉米潛在總產(chǎn)量變化（a）和平均潛在單產(chǎn)變化（b）Figure 9 Maize potential production change（a）and average potential yields change（b）in prefecture-level cities of Liaoning from 2020 to 2050

玉米平均潛在單產(chǎn)的變化主要是由于2020—2050 年各土地利用類型轉(zhuǎn)換過程引起的旱地?cái)?shù)量和質(zhì)量的變化（圖9b）。遼寧省只有5 個(gè)市的玉米平均潛在單產(chǎn)增加，主要分布在東部和南部地區(qū)，分別為本溪市、丹東市、盤錦市、營口市和大連市。9 個(gè)市有所減少，其中阜新市、鐵嶺市和錦州市的減少量在1 000 kg·hm-2以內(nèi)，5 個(gè)市的減少量為1 000～2 000 kg·hm-2，而遼陽市的減少量高于2 000 kg·hm-2。

4 討論

4.1 FOM方法與Kappa系數(shù)方法的比較

Kappa系數(shù)因可以用來檢驗(yàn)?zāi)M結(jié)果與參考數(shù)據(jù)的一致性，曾被廣泛應(yīng)用于土地利用變化模擬及遙感影像解譯的精度驗(yàn)證。Kappa系數(shù)的取值范圍為[-1，1]。一般而言，當(dāng)0.75≤Kappa≤1 時(shí)，模擬結(jié)果與參考數(shù)據(jù)的一致性較高；當(dāng)0.50≤Kappa＜0.75時(shí)，一致性為中等水平；如果Kappa＜0.5，則一致性較差[18]。

通過比較Kappa系數(shù)法和FOM 方法可以發(fā)現(xiàn)，F(xiàn)OM 方法更適合驗(yàn)證CA-Markov 模型的精度。一方面，CA-Markov 模型在模擬土地利用情景時(shí)在起始時(shí)點(diǎn)會(huì)將每個(gè)土地利用類型的增益分配在對應(yīng)斑塊周圍，模擬得到纏繞性且延長性的斑塊，從而使得模擬變化的斑塊形狀與參考變化的斑塊形狀不匹配[29]。因此在應(yīng)用Kappa系數(shù)法時(shí)會(huì)導(dǎo)致對空間一致性的錯(cuò)誤估計(jì)，其試圖根據(jù)隨機(jī)性的基線來獲得模型精度，可能更適合比較單一土地利用類型的模擬精度，對于檢驗(yàn)整幅地圖的模擬精度并不適合[30]。而FOM 方法通過比較模擬變化圖及參考變化圖，可十分精確檢驗(yàn)?zāi)Ｐ途?。另一方面，Kappa系數(shù)方法無法得到模型模擬的誤差主要來源于數(shù)量誤差還是空間分配誤差，而FOM 方法不僅可以有效評估模擬精度，還可以有效區(qū)分?jǐn)?shù)量誤差和空間分配誤差，實(shí)用性更強(qiáng)。

4.2 CA-Markov模型中驅(qū)動(dòng)和限制因素的局限性

由于土地利用變化受多種自然和人文因素的影響，本研究選擇包含自然和人文因素的9 種驅(qū)動(dòng)因子預(yù)測了遼寧省未來的土地利用情景，同時(shí)將2020 年和2050 年水域的空間分布作為限制因子。但這些因子也存在一些局限性：一方面，本研究僅選擇了地形、社會(huì)經(jīng)濟(jì)和距離因素作為驅(qū)動(dòng)因子，未將氣候因素作為驅(qū)動(dòng)因子，這是由于一些氣候因素，如積溫、累積降水量、風(fēng)速和累積太陽輻射量等，對研究區(qū)（遼寧?。┩恋乩米兓挠绊懮胁幻鞔_。另一方面，由于我國頒布禁止占用生態(tài)保護(hù)用地和破壞“耕地紅線”的政策，一些自然保護(hù)區(qū)和基本農(nóng)田的空間分布也應(yīng)被視為限制因子。然而，由于相關(guān)數(shù)據(jù)難以獲取，本研究僅將水域的空間分布作為限制因子，因此驅(qū)動(dòng)因子和限制因子選擇的不充分可能導(dǎo)致預(yù)測結(jié)果的不準(zhǔn)確。在今后的研究中，應(yīng)盡可能全面地選擇驅(qū)動(dòng)因子和限制因子，從而獲得更為精確的土地利用預(yù)測結(jié)果。

5 結(jié)論

（1）2020—2050 年遼寧省土地利用以城鄉(xiāng)工礦用地的明顯擴(kuò)張（增加55.55 萬hm2）以及旱地和林地的急劇減少（分別減少29.78 萬hm2和25.05 萬hm2）為主。各土地利用類型的轉(zhuǎn)化主要表現(xiàn)為其他地類向旱地轉(zhuǎn)化，以及旱地和水田向城鄉(xiāng)工礦用地的轉(zhuǎn)化。

（2）2050 年遼寧省玉米潛在總產(chǎn)量和平均潛在單產(chǎn)分別為393.38 萬t 和7 830.56 kg·hm-2。遼寧省北部和南部地區(qū)玉米平均潛在單產(chǎn)大部分在8 000 kg·hm-2以上，遠(yuǎn)高于西部和東部部分地區(qū)。

（3）未來30 年，玉米潛在總產(chǎn)量預(yù)計(jì)減少630.52萬t，平均潛在單產(chǎn)預(yù)計(jì)減少679.57 kg·hm-2。大約近一半旱地的平均潛在單產(chǎn)有所增加，東南部地區(qū)甚至增加了4 000 kg·hm-2以上。而在中部、南部小部分地區(qū)及西南部小范圍的旱地，玉米平均潛在單產(chǎn)的減少量超過4 000 kg·hm-2。

未來幾十年，遼寧省應(yīng)制定更多的生態(tài)環(huán)境保護(hù)政策，防止過度毀林毀草現(xiàn)象的發(fā)生。此外，經(jīng)濟(jì)發(fā)展和城市化進(jìn)程的加快不應(yīng)以犧牲優(yōu)質(zhì)耕地為代價(jià)，因此耕地保護(hù)工作仍然十分緊迫，而保證耕地資源的數(shù)量和質(zhì)量是農(nóng)作物生產(chǎn)的重要基礎(chǔ)。因此，在保證耕地?cái)?shù)量的前提下，通過施加有機(jī)肥和生物肥、退耕還林、加強(qiáng)水土保持等措施提高耕地質(zhì)量將是當(dāng)務(wù)之急。