基于FLUS模型的云南昭通昭陽區(qū)土地利用變化及預(yù)測

周京春，耿新春

(1.云南師范大學(xué) 地理學(xué)部，云南 昆明 650500；2.巧家縣中寨鄉(xiāng)人民政府，云南 昭通 654603)

土地資源影響著全球生態(tài)、環(huán)境和氣候的變化.在今天城市化的發(fā)展進(jìn)程中，土地資源供需不平衡、規(guī)劃不合理、土地政策不完善等導(dǎo)致土地不能被最優(yōu)化、合理化和可持續(xù)利用，于是國內(nèi)外學(xué)者[1,2]針對土地利用/土地覆蓋變化(Land use and land cover change， LUCC)開展了廣泛地研究和探索，內(nèi)容主要包括 LUCC變化規(guī)律研究[3，4]、LUCC驅(qū)動力研究[5]和 LUCC模擬預(yù)測研究[6，7]，研究手段主要是利用多源、多時相、多尺度的遙感數(shù)據(jù)和模擬分析模型來制作土地利用圖譜，直觀地展現(xiàn)土地利用變化規(guī)律及其未來演變趨勢.

目前，常用的模型有灰色預(yù)測模型[8]、Logistic回歸模型[9]、元胞自動機(jī)模型(Cellular automata，CA)[10]、CLUE-S模型[11]等，這些模型大都不能同時兼顧數(shù)量和時空對于土地利用的影響.FLUS模型[12,13]是近年來新發(fā)展起來的一種模型，它在CA模型基礎(chǔ)上整合了人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks，ANN)算法和輪盤賭選擇機(jī)制(Roulette wheel selection)，可通過一期土地利用數(shù)據(jù)，綜合多種自然與社會經(jīng)濟(jì)因子來模擬未來土地利用變化，模擬結(jié)果與現(xiàn)實(shí)相似度和精度較高.

本文采用FLUS模型對云南省昭通市昭陽區(qū)的土地利用變化情況進(jìn)行分析、模擬和預(yù)測，以掌握該區(qū)域土地利用發(fā)展變化的規(guī)律，以期為當(dāng)?shù)赝恋刭Y源規(guī)劃和配置提出合理和有效的建議，促進(jìn)土地的可持續(xù)和人地協(xié)調(diào)發(fā)展.

1 研究區(qū)概況

昭陽區(qū)為云南省昭通市轄區(qū)(圖1中云南省地圖依據(jù)云南省自然資源廳標(biāo)準(zhǔn)地圖[審圖號:云S(2021)47號]制作，底圖無修改，昭陽區(qū)地圖依據(jù)云南省自然資源廳標(biāo)準(zhǔn)地圖[審圖號：云S(2021)126號]制作，底圖無修改.以下圖2、圖3、圖5、圖6、圖7的底圖及審圖號與圖1相同)，地處北緯27.1°～27.6°，東經(jīng)103.1°～103.9°，位于云南、四川和貴州的三省結(jié)合處，為高原地貌，高原大陸季風(fēng)氣候.昭陽區(qū)地處國家“攀西-六盤水”經(jīng)濟(jì)開發(fā)區(qū)的腹心地帶，近年來該區(qū)發(fā)展迅速，對土地的需求量日益增長.

圖1 昭陽區(qū)地理位置

2 數(shù)據(jù)選取與處理

本研究獲取的數(shù)據(jù)包括研究區(qū)的遙感影像數(shù)據(jù)、GIS數(shù)據(jù)及其相關(guān)文字說明數(shù)據(jù)，見表1.

遙感影像數(shù)據(jù)經(jīng)過輻射定標(biāo)、大氣校正、裁剪等一系列操作之后，依據(jù)《第三次全國國土調(diào)查技術(shù)規(guī)程》(TD/T 1055—2019)，采用人機(jī)交互解譯的方法生成了2011—2019年的土地利用分類圖譜，見圖2.

表1 數(shù)據(jù)信息

圖2 昭陽區(qū)2011—2019年土地利用分類圖譜

將GIS數(shù)據(jù)及其相關(guān)文字說明數(shù)據(jù)進(jìn)行歸一化處理，結(jié)合本區(qū)域發(fā)展現(xiàn)狀和前人對于土地利用變化驅(qū)動因子的分析及研究[14,15]，處理生成了分辨率為 30 m×30 m，以及空間范圍、數(shù)學(xué)基礎(chǔ)、格式等完全統(tǒng)一的13幅土地利用變化驅(qū)動因子?xùn)鸥駡D(表2、圖3).

表2 土地利用變化驅(qū)動因子

圖3 部分昭陽區(qū)土地利用變化驅(qū)動因子?xùn)鸥駡D

3 研究方法和過程

3.1 昭陽區(qū)土地利用變化分析

根據(jù)上面所得的昭陽區(qū)2011，2015，2019年3期土地利用分類數(shù)據(jù)，采用土地利用動態(tài)度[16](見式1)和地類轉(zhuǎn)移矩陣[17](見式2)對研究區(qū)2011年至2019年間土地利用變化規(guī)律進(jìn)行分析，結(jié)果見表3和表4.

(1)

式(1)中，M為某一時期的土地利用動態(tài)度；Ca和Cb分別為某地類初期和末期的面積；T表示時間間隔.

(2)

式(2)中，Sij表示由地類i轉(zhuǎn)變?yōu)榈仡恓的面積；n表示地類總數(shù).

表3 土地利用變化動態(tài)度

表4 昭陽區(qū)2011—2019年土地利用轉(zhuǎn)移矩陣 km2

從計算結(jié)果可以看出，過去9年間，在昭陽區(qū)城鎮(zhèn)化進(jìn)程中，農(nóng)業(yè)結(jié)構(gòu)也隨之調(diào)整，昭陽區(qū)各類土地之間轉(zhuǎn)換比較劇烈.其中耕地減少、建設(shè)用地增加為昭陽區(qū)主城區(qū)土地利用變化的主要基調(diào)，主城區(qū)以外的草地大規(guī)模減少，被用作林地和耕地的補(bǔ)充，這與昭通市扶持和培育蘋果產(chǎn)業(yè)，著力打造“果園城市”和政府積極引導(dǎo)群眾發(fā)展花椒、葡萄、玫瑰等特色農(nóng)業(yè)，以及在“退耕還林”政策影響下林地增加有關(guān).

3.2 FLUS模型參數(shù)設(shè)置

研究采用FLUS模型開展，其流程如圖4所示.

圖4 FLUS模型模擬流程

FLUS模型由ANN適宜性計算模塊和自適應(yīng)輪盤選擇機(jī)制模塊組成.ANN適宜性計算模塊由輸入層、隱藏層和輸出層組成，用于計算各土地類型的適宜性轉(zhuǎn)換概率，其表達(dá)式如式3：

(3)

式(3)中，P(m,n,h)為第n類土地在柵格m上h時刻的適宜性概率；wk,n和sigm oid()分別為隱藏層和輸出層的權(quán)值和激勵函數(shù)；netk(m,h)為第k個隱藏層?xùn)鸥駇在時間h上的信號.h時刻在柵格m上各用地類型的適宜性概率之和為1.

(4)

計算柵格在某個時刻轉(zhuǎn)化為某種土地類型的概率公式見式5：

(5)

(6)

在使用FLUS模型進(jìn)行土地利用模擬分析時，必須反復(fù)實(shí)驗(yàn)，設(shè)置好各個步驟所使用的參數(shù).

3.2.1 基于ANN適宜性概率計算的參數(shù)設(shè)置

在ANN模塊計算中，將昭陽區(qū)2015年土地利用柵格數(shù)據(jù)作為輸入層，選取表2列出的13個驅(qū)動因子作為輸入層的神經(jīng)元，隱藏層數(shù)量至少為輸入層數(shù)量的2/3，經(jīng)計算設(shè)為10個.選用隨機(jī)采樣方法，在研究區(qū)內(nèi)隨機(jī)抽取20%的總柵格單元計算土地利用的適宜性概率，輸出層為5種土地利用類型的適宜性概率(圖5).從輸出結(jié)果可知，昭陽區(qū)2015年土地利用訓(xùn)練的誤差在允許誤差范圍之內(nèi)，其均方根誤差為0.269 0.

(a)草地 (b)耕地 (c)建設(shè)用地

(d)林地 (e)水域

3.2.2 成本矩陣設(shè)置

在進(jìn)行成本矩陣參數(shù)設(shè)置時，當(dāng)允許某種地類向其他地類轉(zhuǎn)換時設(shè)為1，不允許轉(zhuǎn)換時設(shè)為0.本研究將各用地類型的成本矩陣都設(shè)置為1，表示各用地類型之間都可以相互轉(zhuǎn)化.

3.2.3 土地利用類型的鄰域權(quán)重參數(shù)設(shè)置

領(lǐng)域權(quán)重代表土地類型之間轉(zhuǎn)化的難易程度，會對模擬結(jié)果造成一定影響，本研究參考相關(guān)文獻(xiàn)[18,19]和昭陽區(qū)實(shí)際情況，將模擬結(jié)果與實(shí)際情況進(jìn)行反復(fù)對比實(shí)驗(yàn)，最終設(shè)置了領(lǐng)域權(quán)重參數(shù)，見表5.

表5 昭陽區(qū)土地利用類型的領(lǐng)域權(quán)重參數(shù)

3.3 昭陽區(qū)土地利用模擬與精度驗(yàn)證

根據(jù)上述設(shè)置的參數(shù)，利用FLUS模型和2015年昭陽區(qū)的土地分類數(shù)據(jù)模擬2019年昭陽區(qū)的土地利用情況，并與2019年昭陽區(qū)實(shí)際的土地利用分類圖進(jìn)行對比分析(見圖6)，采用數(shù)量精度和Kappa系數(shù)評定精度.

將2019年模擬結(jié)果與實(shí)際土地利用類型數(shù)據(jù)進(jìn)行疊加計算，得出昭陽區(qū)2019年土地利用模擬圖的整體數(shù)量精度平均為80.05%，耕地、建設(shè)用地、林地、草地和水域的模擬精度分別為73.52%，71.79%，89.90%，83.48%和81.54%.同時，Kappa指數(shù)計算為 0.779 6，模擬精度較好.

從模擬結(jié)果可以看出，耕地和建設(shè)用地的模擬準(zhǔn)確度相對較低，這主要是因?yàn)檎殃枀^(qū)特殊的地理位置，居民居住地比較分散，導(dǎo)致建設(shè)用地較為破碎而容易被誤判為其他的土地利用類型.另外，還存在林地被模擬為耕地的問題，這主要是因?yàn)檎殃枀^(qū)農(nóng)業(yè)結(jié)構(gòu)調(diào)整，導(dǎo)致耕地被大量轉(zhuǎn)化為果園，而本研究又將林地與園地等進(jìn)行了合并，因此對模擬結(jié)果造成了一定偏差.

(a)2019年土地利用實(shí)際分類 (b)2019年土地利用模擬分類圖6 2019年土地利用實(shí)際圖與模擬圖對比

3.4 昭陽區(qū)土地類型模擬預(yù)測

通過2019年土地利用分類模擬數(shù)據(jù)與實(shí)際數(shù)據(jù)對比可知，模擬精度達(dá)到標(biāo)準(zhǔn)，可以運(yùn)用FLUS模型進(jìn)行昭陽區(qū)未來土地利用情況的模擬和預(yù)測.本研究運(yùn)用FLUS模型中的馬爾科夫鏈對2023年土地像元數(shù)進(jìn)行了模擬預(yù)測，結(jié)果如圖7、圖8所示.

圖7 昭陽區(qū)2023年土地利用狀況模擬圖

圖8 昭陽區(qū)2019年和2023年各用地類型面積占比

4 結(jié)論與討論

本文以昭陽區(qū)為研究區(qū)域，從LUCC數(shù)據(jù)的采集、歸一化處理到土地利用變化驅(qū)動因子的選取、FLUS模型參數(shù)的測試設(shè)置到最后的模擬驗(yàn)證，完整地實(shí)現(xiàn)了昭陽區(qū)LUCC的預(yù)測變化流程，可以有效地為當(dāng)?shù)赝恋匾?guī)劃和優(yōu)化配置工作提供科學(xué)決策依據(jù).

通過對模擬過程的實(shí)踐和思考，本文尚存在下列問題需進(jìn)一步研究和探討：

1)FLUS模型的參數(shù)設(shè)置帶有一定主觀性.如鄰域權(quán)重參數(shù)的設(shè)置，主要是通過不斷實(shí)驗(yàn)和調(diào)試確定的，還需深入研究和探索FLUS模型的參數(shù)設(shè)置，提高客觀性和科學(xué)性.

2)驅(qū)動因子選取不夠全面.由于影響各種類型土地變化的因素復(fù)雜多樣，但由于一些經(jīng)濟(jì)因素、政策變化等數(shù)據(jù)難以全面收集獲取，導(dǎo)致對土地利用變化的模擬精度受到一定的影響.同時還需開展驅(qū)動因子之間的相關(guān)性研究，保證因子的選擇更具有針對性和客觀性.