洞庭湖區(qū)土地利用變化特征及驅(qū)動(dòng)力分析模擬研究

袁淑君，王 瑩

（湖南工程職業(yè)技術(shù)學(xué)院，湖南 長沙 410151）

土地利用模擬是研究土地利用變化趨勢、探索人地關(guān)系協(xié)調(diào)發(fā)展的重要手段［1］。通過探索引起土地利用發(fā)生變化的驅(qū)動(dòng)力因子，能夠掌握土地利用的變化規(guī)律［2］。土地利用布局優(yōu)化是一種實(shí)現(xiàn)土地資源合理利用、優(yōu)化城鎮(zhèn)發(fā)展空間開發(fā)格局的重要方法，其通過對土地要素的空間調(diào)控，從而實(shí)現(xiàn)對各個(gè)地類的合理配置［3］。CLUE-S模型、Binary-Logistic回歸模型及CA-Markov模型等方法常用于模擬土地利用的變化趨勢，其中CA模型和CLUE-S模型在數(shù)量分析及空間擴(kuò)張研究上具有局限性，但常用于空間分析，其能夠反映出土地的時(shí)空動(dòng)態(tài)變化；Logistic模型和Markov模型在模擬空間復(fù)雜演變方面存有局限，主要用于經(jīng)驗(yàn)統(tǒng)計(jì)，且基本能解決復(fù)雜運(yùn)算［3］；CA-Markov模型被廣泛應(yīng)用于模擬土地利用動(dòng)態(tài)。

本文以洞庭湖區(qū)為研究區(qū)域，根據(jù)2000—2020年4期洞庭湖區(qū)的遙感影像數(shù)據(jù)，借助Binary Logistic回歸和面積轉(zhuǎn)移矩陣等方法，分析了洞庭湖區(qū)近20 a來土地利用時(shí)空變化，對其變化原因進(jìn)行了深入探究，并利用CA-Markov模型對研究區(qū)域2035年土地利用變化趨勢進(jìn)行了模擬預(yù)測［4］。引入最小累積阻力（MCR）模型劃分生態(tài)用地與生活用地，并對研究區(qū)域的布局進(jìn)行了優(yōu)化研究。最后，綜合土地利用模擬結(jié)果與優(yōu)化配置分區(qū)結(jié)果得出基于生態(tài)安全格局下的洞庭湖區(qū)2035年土地利用空間優(yōu)化配置結(jié)果，以期為洞庭湖區(qū)今后的土地利用管理政策的制定提供參考依據(jù)。

1 研究區(qū)概況

洞庭湖區(qū)涉及湖南省和湖北省2個(gè)區(qū)域，總面積為6.05萬km2。本文的研究區(qū)域只涉及湖南省岳陽、常德、益陽市和長沙市望城區(qū)（以下簡稱洞庭湖區(qū)），面積為4.63萬km2，占湖南省總面積的21.86%。研究區(qū)屬亞熱帶濕潤季風(fēng)氣候區(qū)，光熱充足，降雨豐沛，生物類型多樣，濕地種類繁多，資源總量豐富。洞庭湖區(qū)東、南、西3面均為山脈，地勢高，北部為平原水網(wǎng)區(qū)，地勢呈現(xiàn)中間低、四周高的趨勢，由四周向中部依次按中低山、低山—侵蝕剝蝕丘陵、崗地—流水堆積平原和湖積圍堤平原的順序展開，呈明顯的“碟形盆地圈帶狀”景觀，各入湖水系呈扇形分布［5］。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

本文使用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心。其中2000、2005和2010年以Landsat TM/ETM遙感圖像為主要數(shù)據(jù)源；2015年數(shù)據(jù)的更新基于2010年數(shù)據(jù)，2020年數(shù)據(jù)的更新基于2015年數(shù)據(jù)，上述數(shù)據(jù)利用Landsat 8遙感圖像通過人工目視解譯得到。

2.2 研究方法

2.2.1 土地利用特征分析

2.2.1.1 土地利用的地帶性分析 洞庭湖區(qū)海拔范圍為-112~2043 m，海拔高度變化的差異較大，為分析不同時(shí)期各土地利用類型的地帶性分異規(guī)律，利用ArcGIS 10.7軟件中的重分類功能將海拔按照相等間隔分為5個(gè)區(qū)間，并將5個(gè)不同時(shí)期的土地利用現(xiàn)狀圖與其進(jìn)行疊置分析。

2.2.1.2 土地利用類型轉(zhuǎn)換分析 本文采用轉(zhuǎn)移矩陣方法分析了2000—2005、2005—2010、2010—2020、2000—2020年4個(gè)時(shí)期的土地利用轉(zhuǎn)移情況，土地利用轉(zhuǎn)移矩陣的計(jì)算公式為：

式（1）中，Mij表示第i種土地利用類型轉(zhuǎn)換為第j種土地利用類型的面積，n代表土地類型總數(shù)。

每種土地利用類型面積比例的計(jì)算公式為：

式（2）中，R表示某種土地類型在總面積中所占的比重，Aij代表第i年第j個(gè)土地利用類型的面積。

2.2.1.3 土地利用變化強(qiáng)度分析 土地利用變化速率和土地利用變化幅度均可衡量土地利用變化的強(qiáng)度。其中單一土地利用動(dòng)態(tài)度可反映土地區(qū)域范圍內(nèi)，不同土地利用類型地變化速率的快慢，而土地利用變化強(qiáng)度可衡量土地利用變化幅度的大小，計(jì)算公式分別為：

式（3）~式（4）中，Rd代表某類土地的年變化率，Ua、Ub分別為研究期初、期末的某一種土地的面積，T代表時(shí)間間隔，Id代表某類土地的變化強(qiáng)度，Ai代表研究區(qū)域內(nèi)各類土地的總面積。

2.2.2 Binary Logistic回歸分析 Binary Logistic回歸分析（簡稱二元回歸分析）不同于普通的回歸分析，其將每個(gè)柵格單元作為研究對象，并通過回歸分析找到每種土地利用類型和每個(gè)驅(qū)動(dòng)因素之間的線性關(guān)系，其計(jì)算公式為：

式（5）中，Pi表示第i類土地出現(xiàn)在每個(gè)柵格單元中的概率；β1，β2，…，βn表示回歸方程的解釋變量系數(shù)；x0，x1，…，xn-1表示每種驅(qū)動(dòng)因子；x0,i，x1,i，…，xn-1,i為每種驅(qū)動(dòng)因子在第i地類上的值。

2.2.3 CA-Markov模型構(gòu)建 CA-Morkov模型由元胞自動(dòng)機(jī)（CA模型）和馬爾科夫鏈（Morkov模型）組成，利用該模型能夠完成對空間的分析與數(shù)量的預(yù)測。

2.2.4 最小累積阻力（MCR）模型 最小累積阻力模型（MCR）是指在識別目標(biāo)源的基礎(chǔ)上，目標(biāo)源通往目的地過程中有不同的路徑，不同的路徑將產(chǎn)生不同的阻力和驅(qū)動(dòng)力，不同的阻力和驅(qū)動(dòng)力對于目標(biāo)源對目的地物質(zhì)流、信息流的傳遞會(huì)產(chǎn)生不同的削弱和促進(jìn)作用。本文利用MCR模型識別生態(tài)源和擴(kuò)張?jiān)?，?jì)算出最小累積阻力表面差值和最小累積阻力的擴(kuò)張路徑，將柵格數(shù)與最小累積阻力之差分別作為橫、縱坐標(biāo)繪制曲線圖，最后在此基礎(chǔ)上劃分洞庭湖區(qū)的生態(tài)區(qū)和生活區(qū)，具體分為5個(gè)部分：禁止開發(fā)區(qū)、限制開發(fā)區(qū)、重點(diǎn)開發(fā)區(qū)、優(yōu)化開發(fā)區(qū)和生態(tài)治理區(qū)。

3 結(jié)果與分析

3.1 土地利用的空間分布特征分析

由圖1可知，2000—2020年洞庭湖區(qū)各高程段土地利用類型約90%均分布在700 m以下，其余10%分布在700 m以上；林地和草地2種土地利用類型700 m以下均占比70%以上，700~1600 m分布了10%~20%。由此說明，各土地利用類型在整個(gè)研究區(qū)內(nèi)存在一定的地帶性分異規(guī)律，但規(guī)律性并不明顯，主要集中在700 m以下的低海拔地區(qū)，各高程帶之間只有少量流動(dòng)，總體上各土地利用類型的高程分布比較穩(wěn)定。

圖1 2000—2020年洞庭湖區(qū)各高程段土地類型分布圖

3.2 土地利用的時(shí)空演變特征分析

3.2.1 土地利用數(shù)量變化特征 隨著研究區(qū)域內(nèi)社會(huì)經(jīng)濟(jì)的快速發(fā)展，洞庭湖區(qū)各土地利用類型也顯示出了不同程度的變化。由表1可知，2000—2020年洞庭湖區(qū)的建設(shè)用地面積持續(xù)增加，耕地、林地、草地面積在逐漸減少，水域和未利用地面積略微浮動(dòng)變化；在六大地類中，建設(shè)用地、耕地、未利用地面積的變化顯著，在研究期間，研究區(qū)域建設(shè)用地規(guī)模不斷擴(kuò)張，未利用地不斷增加，兩者分別增加了626、304 km2，建設(shè)用地的比例由1.85%逐步上升到3.20%，未利用地的比例從1.47%上升至2.12%，耕地面積減少583 km2，是所有地類中面積減少最多的地類。對洞庭湖區(qū)的土地利用實(shí)際情況分析可知，其面積減少的原因可能包括：一是近幾年外出務(wù)工人員較多，耕地荒廢現(xiàn)象較為普遍；二是由于幕阜山、雪峰山等水土流失、土地沙漠化造成了部分耕地鎘重金屬超標(biāo)，進(jìn)而導(dǎo)致了可用耕地面積的減少；三是建設(shè)項(xiàng)目的占用和其他非農(nóng)活動(dòng)導(dǎo)致了耕地面積的減少。

表1 2000—2020年洞庭湖區(qū)各土地利用類型面積變化情況

3.2.2 土地利用變化的時(shí)空轉(zhuǎn)移特征

3.2.2.1 土地利用變化時(shí)空轉(zhuǎn)移特征 由表2可知，從時(shí)間角度上看，2010年前各土地利用類型之間的轉(zhuǎn)換較為穩(wěn)定；2010—2020年，土地利用轉(zhuǎn)換活躍；2000—2020年間耕地和林地的轉(zhuǎn)出面積較多，分別轉(zhuǎn)出了2100、1355 km2，轉(zhuǎn)出面積最少的是建設(shè)用地，為201 km2；轉(zhuǎn)出的地類面積大部分都轉(zhuǎn)入了建設(shè)用地，建設(shè)用地的凈轉(zhuǎn)入面積為626 km2，未利用地的凈轉(zhuǎn)入面積為304 km2，其他地類的轉(zhuǎn)入面積少于轉(zhuǎn)出面積。

表2 2000—2020年洞庭湖區(qū)土地利用轉(zhuǎn)換面積統(tǒng)計(jì) km2

3.2.2.2 土地利用空間轉(zhuǎn)移特征 由圖2可知，2000—2020年研究區(qū)以洞庭湖為核心，耕地四面環(huán)抱，覆蓋范圍最廣；草地毗鄰林地和耕地，未利用土地毗鄰水域，并呈現(xiàn)分散狀分布；建設(shè)用地中的城市建設(shè)用地主要集中分布在濱湖平原區(qū)域且有擴(kuò)張之勢，農(nóng)村居民點(diǎn)多但分布零散，且多分布在以耕地為主的農(nóng)田周圍，大多沿公路分布，研究期內(nèi)的空間變化不明顯。

圖2 2000—2020年洞庭湖區(qū)土地利用轉(zhuǎn)移方位分布圖

3.2.3 土地利用動(dòng)態(tài)變化特征 由表3可知，2005—2010年洞庭湖區(qū)土地利用變化最為顯著，2015—2020年土地利用變化的下降趨勢比較明顯；其中建設(shè)用地Rd值在5個(gè)年份區(qū)間均為正，其增長速度較快，擴(kuò)張明顯；2005—2010年未利用地Rd值最高，達(dá)到9.874%，其次是建設(shè)用地Rd值，達(dá)到4.992%；耕地變化的速度一直為負(fù)，變化速度呈現(xiàn)先增后降的趨勢；研究期內(nèi)林地變化率均為負(fù)，面積持續(xù)減少；草地、水域和未利用地的變化速度處于波動(dòng)狀態(tài)。洞庭湖區(qū)土地利用變化主要是由人類活動(dòng)、城市擴(kuò)張引起。此外，2010年后，隨著洞庭湖水利工程、長江經(jīng)濟(jì)帶水系的建設(shè)以及人們對生態(tài)環(huán)境保護(hù)意識的增強(qiáng)，水域面積降幅明顯。

表3 2000—2020年洞庭湖區(qū)各土地類型的土地利用單一動(dòng)態(tài)度及土地利用強(qiáng)度 %

3.3 土地利用變化的影響因素分析

3.3.1 土地利用變化驅(qū)動(dòng)因子分析 為了精確實(shí)現(xiàn)土地利用模擬，也為了保證數(shù)據(jù)的科學(xué)性、代表性和可得性，本文根據(jù)洞庭湖區(qū)土地利用的實(shí)際情況，從自然驅(qū)動(dòng)、社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)及區(qū)位驅(qū)動(dòng)等3個(gè)方面共選取了11個(gè)驅(qū)動(dòng)因子。通過SPSS軟件對11個(gè)驅(qū)動(dòng)因子進(jìn)行了共線性診斷，并提取分析結(jié)果中的容差和方差膨脹性因子（VIF），其計(jì)算公式為：

式（6）中，Ri為自變量對其他因變量的二元回歸分析的復(fù)相關(guān)系數(shù)，當(dāng)0＜VIF＜10時(shí)，不存在多重共線性；當(dāng)10≤VIF＜100時(shí)，存在較強(qiáng)多重共線性；當(dāng)VIF≥100時(shí)，存在嚴(yán)重多重共線性。

由表4可知，每個(gè)驅(qū)動(dòng)因子的VIF值均小于10，可判斷這11個(gè)驅(qū)動(dòng)因子不具有多重共線性，可應(yīng)用二元回歸分析。

表4 驅(qū)動(dòng)因子的方差膨脹性因子

3.3.2 Binary Logistic回歸分析 將其與11個(gè)驅(qū)動(dòng)因子在ArcGIS 10.7中轉(zhuǎn)換成ASCII文件導(dǎo)出，并將數(shù)據(jù)導(dǎo)入到SPSS軟件中，在因變量中導(dǎo)入6種土地利用類型，在自變量中導(dǎo)入11種驅(qū)動(dòng)因素，并對其依次進(jìn)行二元回歸分析。

通過SPSS軟件中的ROC曲線功能進(jìn)行分析（表5），得到的ROC檢驗(yàn)值都達(dá)到0.8以上，表示所選的驅(qū)動(dòng)因子都能很好地解釋每種土地利用類型。

表5 2000—2020年洞庭湖區(qū)各土地利用類型Binary Logistic EXP(β)系數(shù)

表6 2020年洞庭湖區(qū)土地利用預(yù)測柵格數(shù)量精度分析

由表5可知，對耕地的分布格局影響最大的是高程和年均溫度，EXP值分別為2.595和2.308；對林地的分布格局影響最大是植被覆蓋率和坡度，EXP值分別為3.168和2.334；對草地的分布格局影響最大的是年降水量和土壤侵蝕強(qiáng)度，EXP值分別為1.437和1.324；對水域分布格局影響最大的是植被覆蓋率和生態(tài)系統(tǒng)服務(wù)價(jià)值，EXP值分別為1.572和2.686；對建設(shè)用地分布格局影響最大的是人口密度和GDP，EXP值分別為3.127和3.030；對未利用地分布格局影響最大的是坡度和年降水量，EXP值分別為1.919和1.964。綜上，對各土地利用類型分布均起到關(guān)鍵作用的5個(gè)影響因子分別是：坡度、植被覆蓋率、生態(tài)系統(tǒng)服務(wù)價(jià)值、GDP、距鐵路距離。

3.4 CA-Markov模型模擬

對比分析2020年模擬土地利用情況與實(shí)際土地利用分布，采用CROSSTAB選項(xiàng)測試模擬精度，Kappa系數(shù)為0.8358，大于0.75，仿真精度高，可滿足研究需要。

利用CA-Markov模型預(yù)測2035年的土地利用情況?；?020年土地利用現(xiàn)狀圖，輸入2010—2020年馬爾科夫轉(zhuǎn)移概率矩陣和每個(gè)土地利用類型的適宜性圖集（圖3），得到2035年土地利用模擬預(yù)測結(jié)果（表7）和分布圖（圖4）［6］。由預(yù)測結(jié)果可知，耕地和林地占比較低，建設(shè)用地及未利用地占比較高，需要進(jìn)行生態(tài)安全格局上的二次優(yōu)化。

表7 2035年各土地利用類型模擬預(yù)測結(jié)果

3.5 基于MCR模型的土地利用優(yōu)化配置分區(qū)

由土地利用優(yōu)化配置分區(qū)（表8、圖5）可以看出，重點(diǎn)開發(fā)區(qū)集中分布于岳陽、常德和益陽市建成區(qū)的中心區(qū)域，以上區(qū)域城市建設(shè)速度較快，建設(shè)用地占比較高；優(yōu)化開發(fā)區(qū)主要分布在重點(diǎn)開發(fā)區(qū)的毗鄰地區(qū)，主要土地類型為耕地與林地；生態(tài)治理區(qū)主要分布在華容縣、南縣、澧縣、赫山區(qū)和武陵區(qū)，這說明上述區(qū)域在今后發(fā)展過程中應(yīng)加強(qiáng)生態(tài)治理，在治理復(fù)墾的基礎(chǔ)上降低土地閑置率，提高土地利用強(qiáng)度；禁止開發(fā)區(qū)主要集中在安化縣西南部、平江縣東南部和桃源縣西部等高海拔區(qū)域，以上區(qū)域?qū)ι鷳B(tài)安全所起作用大，且開發(fā)利用難度較大，應(yīng)當(dāng)減少人為干預(yù)，加強(qiáng)保護(hù)力度；限制開發(fā)區(qū)分布區(qū)域最廣，占比最高，在今后的開發(fā)過程中要嚴(yán)守基本農(nóng)田及生態(tài)保護(hù)紅線。

表8 洞庭湖區(qū)土地利用優(yōu)化配置分區(qū)統(tǒng)計(jì)

圖5 洞庭湖區(qū)土地利用優(yōu)化配置分區(qū)示意圖

3.6 基于生態(tài)安全格局模型的模擬

生態(tài)安全格局的洞庭湖區(qū)土地利用類型模擬是將CA-Markov模型下的土地利用模擬和MCR模型形成的優(yōu)化配置分區(qū)結(jié)果進(jìn)行疊置分析，強(qiáng)化生態(tài)用地，在將各圖層綜合的基礎(chǔ)上，形成生態(tài)安全格局下的土地利用空間優(yōu)化配置結(jié)果（表9、圖6）。

圖6 基于生態(tài)安全格局的土地利用優(yōu)化配置最終結(jié)果圖

將生態(tài)安全格局下的2035年土地利用優(yōu)化配置結(jié)果與2020年土地利用現(xiàn)狀進(jìn)行比較分析發(fā)現(xiàn)（表10）：相比于2020年，面積擴(kuò)張方面最明顯的是建設(shè)用地，主要集中在岳陽樓區(qū)、云溪區(qū)、岳陽縣、湘陰縣、武陵區(qū)、鼎城區(qū)、漢壽縣、津市、益陽市的赫山區(qū)和資陽區(qū)等區(qū)域，且建設(shè)用地的擴(kuò)張部分多發(fā)生在與耕地和林地毗鄰的地方，這說明隨著經(jīng)濟(jì)的發(fā)展和社會(huì)的進(jìn)步，洞庭湖區(qū)建設(shè)用地仍舊保持高速增長的態(tài)勢，并不斷威脅著生態(tài)安全，但與2035年的土地利用模擬結(jié)果相比，洞庭湖區(qū)的建設(shè)用地面積有所減少；相比于2020年，2035年水域面積保持第二增長，主要集中在華容縣、漢壽縣、南縣和桃源縣，說明洞庭湖區(qū)在城市建設(shè)過程中注重水利設(shè)施建設(shè)，注重水污染防治，并加強(qiáng)退耕還湖，取得顯著效果；相比于2020年，洞庭湖區(qū)面積減少以耕地和林地為主，符合前文研究結(jié)果，且主要減少區(qū)域與建設(shè)用地?cái)U(kuò)張區(qū)域分布一致；相對于土地利用模擬結(jié)果，生態(tài)安全格局下的耕地和林地的減少速度有所放緩，說明洞庭湖區(qū)在建設(shè)用地?cái)U(kuò)張的過程中加大了生態(tài)安全的維護(hù)，注重占補(bǔ)平衡，保護(hù)耕地紅線，并進(jìn)一步增加了人工林地的種植，降低城市建設(shè)用地?cái)U(kuò)張對生態(tài)安全的威脅；與2020年相比，2035年未利用地面積有小幅增加，主要集中在沅江市、安鄉(xiāng)縣和南縣等地；與2020年相比，2035年草地面積基本保持穩(wěn)定，變化幅度極小。

表10 各土地利用類型面積及其占比對比情況

綜上所述，洞庭湖區(qū)在今后的擴(kuò)張過程中，應(yīng)進(jìn)一步縮減城市擴(kuò)張速度，增強(qiáng)土地節(jié)約集約利用程度，同時(shí)加強(qiáng)占補(bǔ)平衡，生態(tài)補(bǔ)償，強(qiáng)力落實(shí)好退耕還林、退耕還草、退耕還湖等政策，加強(qiáng)人工林地種植與水利設(shè)施建設(shè)，致力于生態(tài)文明建設(shè)，合理布局三生空間，實(shí)現(xiàn)高質(zhì)量發(fā)展。

4 結(jié)論與討論

本文將土地利用模擬與優(yōu)化配置分區(qū)相結(jié)合，最終獲得洞庭湖區(qū)基于生態(tài)安全格局的土地利用模擬結(jié)果，并得出如下結(jié)論：

（1）2000—2020年洞庭湖區(qū)6種地類的變化幅度和活躍度均有所提高。城鎮(zhèn)化進(jìn)程加速和擴(kuò)張導(dǎo)致建設(shè)用地持續(xù)增長；耕地面積減少明顯，主要轉(zhuǎn)入建設(shè)用地、水域和林地，其中建設(shè)用地占用耕地程度明顯；林地面積呈小幅減少趨勢；研究期內(nèi)變化幅度和活躍度最顯著是草地和未利用地，表現(xiàn)出明顯的先減少后增加趨勢。

（2）基于2000年洞庭湖區(qū)土地利用現(xiàn)狀數(shù)據(jù)，利用Binary-Logistic回歸模型厘清了各地類分布與11個(gè)影響因素之間的關(guān)系，結(jié)果表明這些因素對各地類的解釋效果良好，各項(xiàng)ROC檢驗(yàn)值均大于0.8。各影響因子對各地類具有不同的驅(qū)動(dòng)作用和解釋能力，其中解釋能力最好的5個(gè)影響因子分別是坡度、植被覆蓋率、生態(tài)系統(tǒng)服務(wù)價(jià)值、GDP、距鐵路的距離等。

（3）借助CA-Markov模型模擬2035年土地利用情況，耕地、林地面積進(jìn)一步減少，其中，耕地面積減少速度最快，減少了4.68%，水域、建設(shè)用地和未利用地面積進(jìn)一步擴(kuò)大，草地面積略有增加，建設(shè)用地?cái)U(kuò)張速度最快，增長了6.11%。

（4）最小累積阻力模型生成的土地利用優(yōu)化配置分區(qū)結(jié)果顯示：禁止開發(fā)區(qū)為1489 km2，占比3.22%；限制開發(fā)區(qū)為25896 km2，占比55.92%；重點(diǎn)開發(fā)區(qū)為5424 km2，占比11.70%；優(yōu)化開發(fā)區(qū)為12267 km2，占比26.49%；生態(tài)治理區(qū)為1230 km2，占比2.66%。其中限制開發(fā)區(qū)面積最大，占比超過了50%。

（5）將土地利用模擬下的土地利用分布預(yù)測圖同優(yōu)化配置分區(qū)圖進(jìn)行疊置分析發(fā)現(xiàn)，與2020年相比，耕地、林地和草地均保持下降趨勢，水域、建設(shè)用地和未利用地保持上升趨勢。人類活動(dòng)在土地利用布局的變化中具有重要作用。與土地利用模擬結(jié)果相比，各種土地利用類型的上升和下降趨勢有所減緩。