基于深度學(xué)習(xí)的瑪納斯土地利用時(shí)空格局變化與預(yù)測(cè)

王嬌嬌， 尹小君， 劉陜南， 王帝盟

（1.石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，新疆 石河子 832000；2.兵團(tuán)空間信息工程技術(shù)研究中心，新疆 石河子 832000）

在自然資源整合不斷加強(qiáng)和土地利用結(jié)構(gòu)日趨復(fù)雜的形勢(shì)下，土地利用管理和規(guī)劃更加困難。土地利用時(shí)空格局演變特征分析和預(yù)測(cè)不僅有利于了解土地利用與自然因素、社會(huì)因素的關(guān)系，還可以為人們應(yīng)對(duì)糧食安全和生物多樣性等問(wèn)題提供有效信息。研究土地利用時(shí)空格局演變特征和預(yù)測(cè)對(duì)城市規(guī)劃和自然資源的管理有重要意義［1］。學(xué)者們通過(guò)土地利用景觀格局指數(shù)揭示土地利用演變特征。李華林等［2］利用景觀指數(shù)分析了新疆葉爾羌河流域胡楊林時(shí)空格局變化特征。劉斌寅等［3］利用景觀生態(tài)學(xué)理論對(duì)淮北市土地利用時(shí)空格局變化特征進(jìn)行分析，并采用ANN-CA（Artificial Neu?ral Network-Cellular Automata）模型預(yù)測(cè)了2025年的土地利用；劉根林等［4］利用景觀指數(shù)探究了瑞興于地區(qū)土地利用。景觀格局時(shí)空變化特征和驅(qū)動(dòng)因素。通過(guò)景觀指數(shù)對(duì)土地利用時(shí)空格局演變特征進(jìn)行分析，能夠量化土地利用空間格局變化。

近年來(lái)，土地利用預(yù)測(cè)相關(guān)研究數(shù)量激增。由于政策影響和地區(qū)特點(diǎn)等原因，使土地利用預(yù)測(cè)具有較大的不確定性［5］。早期研究者將土地利用預(yù)測(cè)問(wèn)題看作一個(gè)統(tǒng)計(jì)回歸問(wèn)題，常用證據(jù)權(quán)重法（Weights of Evidence，WOE）、邏輯回歸（Logistic Re?gression，LR）、Markov 模型［6］來(lái)預(yù)測(cè)土地利用變化。但是通過(guò)統(tǒng)計(jì)回歸方法實(shí)現(xiàn)土地利用的預(yù)測(cè)難以考慮到土地利用的空間位置信息。元胞自動(dòng)機(jī)（Cellular Automata，CA）基于元胞空間、領(lǐng)域關(guān)系和轉(zhuǎn)化規(guī)則等動(dòng)態(tài)模擬土地利用變化，難以將社會(huì)經(jīng)濟(jì)因素納入考慮范圍［7］，所以，許多學(xué)者將算法或者其他模型和CA［8］相結(jié)合實(shí)現(xiàn)土地利用變化預(yù)測(cè)，比如CA-Markov模型［9-11］、FLUS模型［12］、PLUS模型［13］等。

隨著遙感（Remote Sensing，RS）和地理信息系統(tǒng)（Geographic Information System，GIS）技術(shù)的快速發(fā)展，可以獲得長(zhǎng)時(shí)間序列數(shù)據(jù)，滿(mǎn)足深度學(xué)習(xí)利用大量數(shù)據(jù)進(jìn)行訓(xùn)練的需求。深度學(xué)習(xí)可以充分利用歷史數(shù)據(jù)進(jìn)行迭代訓(xùn)練，非常適合復(fù)雜的土地利用預(yù)測(cè)問(wèn)題，比如，利用LSTM預(yù)測(cè)城市未來(lái)土地利用分布［14］、利用IDRISI 軟件中的LCM 模塊（基于ANN 和馬爾可夫鏈）分析預(yù)測(cè)未來(lái)土地利用狀況等［1,15］。LSTM是一種改進(jìn)的RNN網(wǎng)絡(luò)，能挖掘長(zhǎng)期依賴(lài)的信息［15-16］；使用記憶細(xì)胞和門(mén)機(jī)制控制信息的傳遞，充分提取時(shí)間序列的相關(guān)性信息，可解決非線(xiàn)性復(fù)雜問(wèn)題［17］。LSTM預(yù)測(cè)能夠充分利用歷史數(shù)據(jù)，較大程度地保留土地利用數(shù)據(jù)的時(shí)空信息。

采用LSTM模型的循環(huán)神經(jīng)網(wǎng)絡(luò)的自反饋機(jī)制和長(zhǎng)短時(shí)記憶模式，開(kāi)展長(zhǎng)時(shí)間序列的土地利用預(yù)測(cè)研究。通過(guò)1992—2020 年的土地利用遙感時(shí)空數(shù)據(jù)，協(xié)同深度學(xué)習(xí)的LSTM算法與景觀指數(shù)，系統(tǒng)地研究1992—2020 年瑪納斯土地利用時(shí)空格局演變特征和變化趨勢(shì)。對(duì)于瑪納斯土地利用可持續(xù)發(fā)展具有重要意義，為實(shí)施生態(tài)調(diào)整和優(yōu)化提供科學(xué)借鑒和依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

瑪納斯位于新疆腹地，天山山脈北坡中段，地理位置位于85°40′～86°31′32″E，43°21′21″～45°20′N(xiāo)，地貌從南到北分別是山區(qū)、平原和沙漠，地勢(shì)南高北低，屬中溫帶大陸性干旱-半干旱氣候。冬季嚴(yán)寒，夏季酷熱，干燥少雨，日照充足，蒸發(fā)量大，降水少。2020年瑪納斯土地利用類(lèi)型主要為耕地、草地和未利用地，分別占總面積的34.70%、32.64%和29.06%，耕地主要位于中部平原地區(qū)，草地主要位于南部沙漠和北部山區(qū)附近，未利用地主要位于南部沙漠和北部山區(qū)。

1.2 數(shù)據(jù)來(lái)源

選取1992—2020年空間分辨率為300 m×300 m的土地利用遙感影像數(shù)據(jù)，在ArcMap 中進(jìn)行投影、轉(zhuǎn)換和掩膜提取，最后進(jìn)行重分類(lèi)。土地利用類(lèi)型分為6類(lèi)，包括耕地、林地、草地、水域、建設(shè)用地、未利用地（表1）。

表1 土地利用類(lèi)型分類(lèi)Tab.1 Classification of land use types

于2021 年10 月在瑪納斯利用GPS 儀器進(jìn)行兩次土地利用數(shù)據(jù)采集實(shí)驗(yàn)（圖1），驗(yàn)證土地利用數(shù)據(jù)準(zhǔn)確度。實(shí)驗(yàn)數(shù)據(jù)結(jié)果包括土地利用類(lèi)型和坐標(biāo)，第一次采集143 個(gè)采樣點(diǎn)，第2 次采集251 個(gè)采樣點(diǎn)，其中有效采樣點(diǎn)為356個(gè)。將2020年土地利用遙感數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)進(jìn)行對(duì)比分析，數(shù)據(jù)準(zhǔn)確度為92.13%。

圖1 研究區(qū)概況及采樣點(diǎn)示意圖Fig.1 Overview of study area and sampling point

地理數(shù)據(jù)選取3個(gè)空間變量包括離公路（國(guó)道、省道、鄉(xiāng)道）距離、離鐵路距離和離水域距離；兩個(gè)經(jīng)濟(jì)因素包括人口和GDP 空間分布公里網(wǎng)格數(shù)據(jù)集；5個(gè)自然屬性包括中國(guó)土壤質(zhì)地空間分布數(shù)據(jù)、DEM、坡度、降水量、氣溫。數(shù)據(jù)來(lái)源如表2所示。

表2 數(shù)據(jù)類(lèi)型及其來(lái)源Tab.2 Data type and its source

2 研究方法

2.1 土地利用變化分析方法

采用土地利用動(dòng)態(tài)度對(duì)瑪納斯土地利用變化特征進(jìn)行分析，揭示瑪納斯1992—2020年土地利用時(shí)空演變規(guī)律以及土地利用開(kāi)發(fā)狀態(tài)。土地利用動(dòng)態(tài)度表示一定時(shí)間范圍內(nèi)土地利用類(lèi)型的數(shù)量變化情況，包括單一動(dòng)態(tài)度和綜合動(dòng)態(tài)度。單一動(dòng)態(tài)度反映了某一土地利用類(lèi)型在一定時(shí)期內(nèi)的變化率，綜合動(dòng)態(tài)度反映了整個(gè)研究區(qū)域的所有土地利用類(lèi)型土地變化率。

（1）單一動(dòng)態(tài)度

式中：Ks為單一動(dòng)態(tài)度；Li、Lj為研究初期和研究末期土地利用類(lèi)型的面積；T為研究時(shí)段（年）。

（2）綜合動(dòng)態(tài)度

式中：Kc是綜合動(dòng)態(tài)度；LWi是研究初期土地利用類(lèi)型；ΔLWi-j是土地利用類(lèi)型i轉(zhuǎn)向土地利用j的面積絕對(duì)值；T是研究時(shí)段（年）。

2.2 時(shí)空格局變化分析方法

景觀格局是指大小和形狀各異的景觀要素在空間上的排列和組合，表現(xiàn)出規(guī)律性的景觀格局可以稱(chēng)為時(shí)空格局，景觀格局指數(shù)用于探究不同土地利用類(lèi)型的時(shí)空格局變化［18-20］。選取有代表性的6個(gè)景觀指數(shù)（表3），分析瑪納斯土地利用時(shí)空格局變化。

表3 景觀指數(shù)及其意義Tab.3 Landscape index and its significance

2.3 LSTM預(yù)測(cè)模型

2.3.1 LSTM土地利用預(yù)測(cè) LSTM模型（圖2）主要利

圖2 LSTM土地利用預(yù)測(cè)模型Fig.2 LSTM land use prediction model

用1992—2014 年土地利用數(shù)據(jù)作為訓(xùn)練集進(jìn)行訓(xùn)練；2015年作為測(cè)試集，進(jìn)行模型精度驗(yàn)證；最后利用2020年土地利用數(shù)據(jù)，預(yù)測(cè)2025年土地利用數(shù)據(jù)。

2.3.2 LSTM 正向傳播 遺忘門(mén)決定了上一時(shí)刻的細(xì)胞單元丟棄的信息，公式如下所示：

式中：ft為遺忘門(mén)；σ是激活函數(shù)；Wf是遺忘門(mén)的權(quán)重；ht-1是t-1時(shí)單元細(xì)胞的狀態(tài)；xt是該細(xì)胞單元的輸入向量；bf是遺忘門(mén)的偏置項(xiàng)。

輸入門(mén)決定了細(xì)胞單元狀態(tài)存儲(chǔ)的信息，由sigmoid層和tanh層兩部分組成，sigmoid層決定了需要更新的向量，tanh層創(chuàng)建了新后選值的向量。

式中：it為輸入門(mén)；C?t為新的候選向量（當(dāng)前輸入的細(xì)胞單元狀態(tài)）；Wi、WC為權(quán)重系數(shù)；bi、bC為偏置項(xiàng)；Ct-1、Ct分別為t-1和t時(shí)刻細(xì)胞單元狀態(tài)向量。

輸出門(mén)控制了長(zhǎng)期記憶對(duì)當(dāng)前輸出的影響，單元細(xì)胞的輸出門(mén)公式如下：

式中：ot為輸出門(mén)；Wo為輸出門(mén)的權(quán)重；bo為輸出門(mén)偏置項(xiàng)，ht是單元細(xì)胞的輸出。

2.3.3 LSTM 反向傳播 反向傳播通過(guò)計(jì)算損失函數(shù)對(duì)每個(gè)權(quán)重或者偏置的影響，更新網(wǎng)絡(luò)的參數(shù)。誤差項(xiàng)分為沿時(shí)間傳播的誤差項(xiàng)和沿網(wǎng)絡(luò)層傳播的誤差項(xiàng)。該實(shí)驗(yàn)使用的損失函數(shù)為softmax。

沿時(shí)間反向傳播的誤差項(xiàng)反向傳播到k時(shí)刻，計(jì)算公式如下：

沿網(wǎng)絡(luò)層傳播的誤差項(xiàng)的L-1層傳入到L層的誤差項(xiàng)為：

2.3.4 模型精度驗(yàn)證 Kappa 系數(shù)是一種較好的精度驗(yàn)證方法［21-22］，采用Kappa 系數(shù)定量分析模型精度。Kappa系數(shù)值越大，模型精度越高。

3 結(jié)果與分析

3.1 1992—2020年瑪納斯土地利用變化分析

將瑪納斯1992—2020 年土地利用變化分為3個(gè)階段，前期為1992—2000 年土地利用變化劇烈期，中期為2000—2010 年土地利用變化緩慢期，后期為2010—2020年土地利用變化平穩(wěn)期。

由土地利用動(dòng)態(tài)度可知（圖3），耕地在1992年、2000 年、2010 年和2020 年分別占比為26.48%、31.91%、34.83%和34.70%，整體呈現(xiàn)大幅增長(zhǎng)后緩慢減少的趨勢(shì)。1992—2010 年耕地增加主要是未利用地的墾荒和林地、草地小范圍的轉(zhuǎn)入。單一動(dòng)態(tài)度顯示2000—2005年耕地增長(zhǎng)有所減緩，2005—2010 年耕地增長(zhǎng)趨勢(shì)較前5 a 快，這可能與2006—2010 年天山北坡經(jīng)濟(jì)帶土地整理工程的實(shí)施有關(guān)。后期土地利用變化平穩(wěn)期耕地面積減少，且主要轉(zhuǎn)出為林地、草地和建設(shè)用地，這與退耕還林還草工程和城市擴(kuò)張有著密切的關(guān)系。

圖3 土地利用動(dòng)態(tài)度Fig.3 Land use dynamic degree

林地以2015年為分界線(xiàn)，呈現(xiàn)先減少后增加的格局。實(shí)施退耕還林還草工程20 a來(lái)，林地前期一直處于減少狀態(tài)，主要是轉(zhuǎn)為草地和未利用地。這與瑪納斯自然條件有重要關(guān)系，平原地區(qū)水資源缺少，主要來(lái)源于瑪納斯河和高山冰雪融水，生態(tài)脆弱。后期增加主要是耕地和草地轉(zhuǎn)為林地，這表明退耕還林還草具有一定的效果。瑪納斯雖然干旱少雨，但是過(guò)渡性植被能夠適應(yīng)該環(huán)境，1992—2020 年草地呈現(xiàn)增加的趨勢(shì)。并且中期增長(zhǎng)速度最快，增長(zhǎng)了13.75%，主要是未利用地轉(zhuǎn)入，說(shuō)明瑪納斯的生態(tài)環(huán)境質(zhì)量正在逐步提升。

水域前期和中期處于減少狀態(tài)，減少了11.04%，后期有緩慢增加的趨勢(shì)，增加了1.03%。未利用地一直呈現(xiàn)減少的趨勢(shì)，且前期和中期面積減少較多。建設(shè)用地占地面積較小且一直呈現(xiàn)增加的格局。建設(shè)用地面積在1992—2005 年增加28.17%；2015—2020年增加685.71%。主要是耕地、草地和未利用地轉(zhuǎn)入，分別占總轉(zhuǎn)化面積的57.30%、30.28%和12.42%。數(shù)據(jù)表明雖然建設(shè)用地面積較小，但是近年來(lái)城市的快速擴(kuò)張對(duì)耕地和草地造成了一定的負(fù)面影響。

3.2 土地利用時(shí)空格局變化分析

由圖4 可知，在1992—2020 年耕地面積增長(zhǎng)了31.06%，斑塊數(shù)量由353個(gè)減少到了212個(gè)，最大斑塊指數(shù)逐年增長(zhǎng)，耕地破碎化程度降低，聚集程度增加。斑塊形狀和復(fù)雜程度整體變化不明顯，1992—2015年逐年緩慢降低，2015年以后斑塊形狀逐漸復(fù)雜。1992—2020 年林地面積減少9.84%，斑塊數(shù)量增加6 個(gè)，林地破碎化程度加深。草地在1992—2020 年面積增加16.47%，斑塊數(shù)量減少106個(gè)，草地破碎化程度降低?？傔吘夐L(zhǎng)度和景觀形狀指數(shù)逐漸減少，表明草地形狀復(fù)雜程度降低。

圖4 不同土地利用類(lèi)型的景觀指標(biāo)Fig.4 Landscape indicators of different land use types

水域面積相對(duì)較小，景觀指數(shù)變化較為平穩(wěn)。1992—2015年水域面積處于減少狀態(tài)，斑塊數(shù)量增加了2 個(gè)，破碎化程度逐漸增加。建設(shè)用地的景觀指數(shù)變化最為劇烈，1992—2020 年斑塊數(shù)量由2 個(gè)激增到88 個(gè)，在一定程度上表明人類(lèi)活動(dòng)劇烈，城市擴(kuò)張?jiān)鰪?qiáng)，但在土地利用變化平穩(wěn)期變化較少。在2015 年之前，景觀形狀指數(shù)增長(zhǎng)迅速，散布與并列指數(shù)下降明顯，人類(lèi)活動(dòng)的不規(guī)則性加強(qiáng)，破碎化程度逐漸增加。2015年之后，景觀形狀指數(shù)逐漸降低，散布與并列指數(shù)逐漸增加，人類(lèi)活動(dòng)范圍逐漸聚集化。1992—2020年未利用地面積逐年減少，斑塊數(shù)量逐年增加，最大斑塊指數(shù)也逐漸降低，破碎化程度加強(qiáng)，景觀形狀指數(shù)逐漸降低，形狀趨于規(guī)則化。

3.3 瑪納斯土地利用預(yù)測(cè)

利用LSTM 模型、QGIS 軟件MOLUSCE 插件的MLP-ANN 模型和LR 模型及IDRISI 軟件的CA-Mar?kov 模型預(yù)測(cè)2020年土地利用數(shù)據(jù)，將其與2020年實(shí)際各個(gè)土地利用數(shù)據(jù)進(jìn)行Kappa 系數(shù)計(jì)算，分別為95.31%、93.71%、92.86%和91.16%。由Kappa 系數(shù)可知，LSTM模型模擬效果較好，具有較高的可信度（表4）。

表4 2025年土地利用的預(yù)測(cè)結(jié)果Tab.4 Prediction results of land use in 2025

LSTM模型預(yù)測(cè)的2025年瑪納斯土地利用結(jié)果表明（圖5），2025年土地利用類(lèi)型仍以耕地、草地和未利用地為主，耕地和建設(shè)用地增加，林地、草地和未利用地減少，水域基本保持不變。自1992 年以來(lái)，土地利用類(lèi)型變化率整體處于降低狀態(tài)，2020年林地僅占瑪納斯總面積的2.57%，預(yù)測(cè)的2025 年土地利用數(shù)據(jù)中林地并未有太大的變化。林草是重要的生態(tài)保護(hù)屏障，在降低水土流失和防風(fēng)固沙方面具有重要的作用。瑪納斯的生態(tài)保護(hù)與生態(tài)屏障面臨著嚴(yán)峻的挑戰(zhàn)，“退耕還林還草”政策的實(shí)施對(duì)林草面積增加具有一定的積極作用，長(zhǎng)期的堅(jiān)持實(shí)施，能有效改善瑪納斯的生態(tài)環(huán)境。

圖5 2025年土地利用預(yù)測(cè)圖Fig.5 Land use prediction map in 2025

4 討論

通過(guò)對(duì)瑪納斯土地利用變化進(jìn)行演變特征分析，可知1992—2010 年瑪納斯耕地處于增長(zhǎng)趨勢(shì)，2010—2020年呈減少趨勢(shì)，這與瑪納斯河流域的耕地變化趨勢(shì)稍有差異［23］，但是6 種土地利用類(lèi)型中耕地面積增加最多，康紫薇等［24］研究的瑪納斯河流域也是如此。瑪納斯林地和水域自2015—2020 年有所增長(zhǎng)（分別為5.01%和1.03%），但增長(zhǎng)并不明顯。建設(shè)用地持續(xù)增長(zhǎng)，未利用地不斷減少，這與瑪納斯河流域發(fā)展趨勢(shì)一致［24］。

林麗等［25］用4種模型預(yù)測(cè)土地利用分布，Kappa系數(shù)為0.76～0.90。利用LSTM、MLP-ANN、LR 和CA-Markov模型預(yù)測(cè)未來(lái)土地利用變化，Kappa系數(shù)均在0.90 以上。預(yù)測(cè)未來(lái)的土地利用有助于相關(guān)部門(mén)制定合理的生態(tài)保護(hù)和土地利用規(guī)劃，促進(jìn)生態(tài)和經(jīng)濟(jì)的良性發(fā)展［26］。合理利用長(zhǎng)時(shí)間序列遙感數(shù)據(jù)提取特征，將其應(yīng)用到土地利用預(yù)測(cè)中，有利于提高土地利用預(yù)測(cè)精度。研究選取了10 個(gè)驅(qū)動(dòng)因子進(jìn)行模型構(gòu)建，但是影響土地利用變化的因素復(fù)雜且眾多，其中人為活動(dòng)干擾和土地利用政策等對(duì)土地利用變化的影響具有較強(qiáng)的不確定性［27］，難以科學(xué)合理的融入到土地利用預(yù)測(cè)模型中。因此，將人為活動(dòng)干擾和政策因素進(jìn)行科學(xué)量化，融入到土地利用預(yù)測(cè)模型中，是未來(lái)土地利用預(yù)測(cè)的重要研究方向，可提高預(yù)測(cè)精度。尺度也是影響預(yù)測(cè)結(jié)果的一個(gè)主要因素，將尺度應(yīng)用到后續(xù)土地利用格局分析和預(yù)測(cè)也是一個(gè)重要研究方向。

本文彌補(bǔ)現(xiàn)有研究的不足，利用長(zhǎng)時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)測(cè)研究，揭示了瑪納斯土地利用演變特征和變化趨勢(shì)?；谘芯拷Y(jié)果和瑪納斯現(xiàn)存的問(wèn)題，建議應(yīng)在切實(shí)保護(hù)耕地的基礎(chǔ)上，有序開(kāi)展退耕還林工作，既保證了糧食安全又有利于提高瑪納斯的生態(tài)環(huán)境質(zhì)量。在經(jīng)濟(jì)和生態(tài)發(fā)展過(guò)程中，應(yīng)堅(jiān)持生態(tài)優(yōu)先原則，減少人為活動(dòng)對(duì)景觀生態(tài)的破壞（比如城市擴(kuò)張），合理調(diào)整土地利用結(jié)構(gòu)。落實(shí)耕地保護(hù)、加強(qiáng)約束建設(shè)用地?cái)U(kuò)張，提高土地利用效率，進(jìn)一步加強(qiáng)瑪納斯的生態(tài)安全。

5 結(jié)論

通過(guò)對(duì)瑪納斯1992—2020 年土地利用格局變化特征進(jìn)行分析，對(duì)比LSTM 模型、MLP-ANN 模型、LR模型和CA-Markov模型精度，預(yù)測(cè)了2025年的土地利用變化。得出如下結(jié)論：

（1）瑪納斯1992—2020 年各土地利用類(lèi)型的面積變化為：未利用地＆gt;耕地＆gt;草地＆gt;建設(shè)用地＆gt;林地＆gt;水域。土地利用面積變化率最大的是建設(shè)用地（907.04%），然后是耕地（31.06%）和未利用地（-30.89%）。草地整體處于增加的狀態(tài)，林地和水域整體處于減少狀態(tài)。耕地面積前期和中期的增加主要是未利用地的轉(zhuǎn)入。建設(shè)用地雖然占比較小,但逐漸侵占周邊的未利用地、耕地和草地面積。

（2）1992—2020 年耕地斑塊數(shù)量減少39.94%，整體破碎化程度逐步降低。林地和水域的景觀指數(shù)變化較為穩(wěn)定。草地的散布與并列指數(shù)上升，表明聚集度增加，斑塊數(shù)量減少19.44%，破碎度減弱。建設(shè)用地的景觀指數(shù)變化較為劇烈，面積增加907.04%，處于擴(kuò)張狀態(tài)，景觀形狀不規(guī)則化并且破碎化程度加深。未利用地面積減少30.89%，斑塊數(shù)量增加24.37%，破碎化程度加強(qiáng)，但是形狀逐漸規(guī)則化。

（3）以Kappa 系數(shù)來(lái)對(duì)比分析4 種土地利用預(yù)測(cè)模型的準(zhǔn)確性。LSTM 模型的Kappa 系數(shù)較其他模型高，具有較好的預(yù)測(cè)效果。由LSTM 模型預(yù)測(cè)結(jié)果可知，2025 年土地利用類(lèi)型可能仍以耕地、草地和未利用地為主。