基于Markov-PLUS模型的福州市土地利用變化及情景模擬

陽洪潔 姜春 鄭瑞 史聰敏

摘要 為探究福州市土地利用變化規(guī)律，基于 2000、2010和2020 年GlobeLand30數(shù)據(jù)集，運用土地利用動態(tài)度和轉(zhuǎn)移矩陣對2000—2020年土地利用演變進行剖析，采用Markov-PLUS 模型對2030年土地利用的多情景變化趨勢進行模擬。結(jié)果表明：2000—2020年，建設(shè)用地和水域面積增加，建設(shè)用地主要由耕地轉(zhuǎn)入，其他用地面積減少。Markov-PLUS模型模擬總體精度為0.89，Kappa值為0.80，模擬效果較好。自然發(fā)展情景延續(xù)歷史發(fā)展趨勢，建設(shè)用地持續(xù)增長，以市轄區(qū)和閩侯縣擴張最為突出，其他區(qū)（縣、市）建設(shè)用地侵占周邊耕地且集聚特征明顯；城鎮(zhèn)發(fā)展情景下，耕地、林地和草地均大面積減少，建設(shè)用地大幅增加，耕地和建設(shè)用地重心分別向東南和東北方向偏移，空間集聚特性進一步增強；耕地保護情景下，耕地主要向林地和建設(shè)用地轉(zhuǎn)化，面積縮減的態(tài)勢得到有效控制，重心遷移幅度較?。簧鷳B(tài)保護情景下，林地、草地和水域面積顯著增加，建設(shè)用地增速得到有效控制，此情景更符合研究區(qū)區(qū)域發(fā)展和生態(tài)保護的雙重訴求。研究可為福州市未來土地利用規(guī)劃編制和土地可持續(xù)利用情景預(yù)測提供科學(xué)參考。

關(guān)鍵詞 土地利用變化;多情景模擬;Markov-Plus模型;福州市

中圖分類號 F301.2 文獻標(biāo)識碼 A

文章編號 0517-6611（2024）02-0056-07

doi：10.3969/j.issn.0517-6611.2024.02.012

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Land Use Change and Multi-scenario Simulation Based on Markov-PLUS Model in the Fuzhou City

YANG Hong-jie，JIANG Chun，ZHENG Rui et al

（School of Public Management and Law，F(xiàn)ujian Agriculture and Forestry University，F(xiàn)uzhou，F(xiàn)ujian? 350002）

Abstract In order to investigate the land use change patterns in the Fuzhou City.Based on the GlobeLand30 datasets in the year 2000，2010 and 2020，the methods of land use dynamic degrees and transfer matrix were used to analyze the characteristics of land use change from 2000 to 2020，the Markov-PLUS model was applied to predict the trend of spatial-temporal land use patterns in 2030.The results are as follows，from 2000 to 2020，the area of construction land and watershed increases，the area of other land decreases，and the construction land is mainly transferred from arable land.The overall simulation accuracy of the Markov-PLUS model is 0.89，the Kappa value is 0.80，which shows a good simulation effect.The natural development scenario continues the historical development trend，construction land continues to grow，with the most prominent expansion in the municipal district and Minhou County，and construction land in other districts （counties and cities） encroaches on surrounding arable land with obvious clustering characteristics.Under the urban development scenario，construction land increases significantly，forest land，arable land and grassland are all greatly reduced，and the center of gravity of construction land and arable land shift to the northeast and southeast respectively，with spatial clustering characteristics.Under the scenario of arable land protection，the arable land is mainly transferred to forest land and construction land，and the reduction of area is effectively controlled，and the center of gravity shifts less.Under the scenario of ecological protection，the area of forest land，grassland and watershed increases significantly，and the growth rate of construction land is effectively controlled，which is more consistent with the dual requirements of regional development and ecological protection in the study area.This study can provide scientific reference for the preparation of future land use planning and the prediction of sustainable land use scenarios in Fuzhou.

Key words Land use change;Multi-scenario simulation;Markov-PLUS model;Fuzhou City

基金項目 福建省教育廳中青年教師科研項目（JAT170168）；2018年度社科類國家級科研項目培育計劃；福建省社科研究基地重大項目（FJ2022MJDZ020）。

作者簡介 陽洪潔（1998—），女，湖南衡陽人，碩士研究生，研究方向：土地利用模擬。*通信作者，講師，博士，從事土地資源可持續(xù)利用研究。

收稿日期 2023-02-04

土地利用/覆被變化（land use/cover change，LUCC）是在人類活動和自然環(huán)境的共同影響下產(chǎn)生于地球表面的結(jié)果，也是全球環(huán)境變化的重要原因之一。國內(nèi)外關(guān)于LUCC的研究已經(jīng)取得了豐碩的成果，其中，土地利用預(yù)測模擬是當(dāng)前LUCC研究的重點和熱點之一。對區(qū)域未來土地利用變化進行預(yù)測有利于合理高效利用土地資源以及協(xié)調(diào)好社會發(fā)展和環(huán)境保護之間的關(guān)系，這對于維護區(qū)域生態(tài)安全和實現(xiàn)區(qū)域土地可持續(xù)利用具有重要意義。

目前，土地利用預(yù)測模型方面的研究主要包括側(cè)重于量化土地需求的數(shù)量模擬模型[如系統(tǒng)動力學(xué)（SD）模型和馬爾科夫（Markov）模型]和側(cè)重于模擬土地利用空間分布的空間模擬模型[如多智能體模型（MAS）和元胞自動機模型（CA）]。在CA模型基礎(chǔ)上，又逐漸發(fā)展形成了基于轉(zhuǎn)化分析策略（TAS）的logistic-CA、ANN-CA、CA-Markov等模型和基于格局分析策略（PAS）的CLUE-S、Fore-SCE和FLUS等模型，這些模型在國土空間規(guī)劃和土地政策制定等方面應(yīng)用廣泛，但缺乏時段概念和靈活處理多類土地利用斑塊變化的機制。PLUS模型（patch-generating land use simulation model）是一種新型的斑塊生成土地利用變化模擬模型，結(jié)合隨機種子生成和閾值遞減機制，融合了TAS和PAS的優(yōu)勢，而且能模擬一段時間內(nèi)多種用地類型的斑塊級變化，并挖掘土地利用變化驅(qū)動機理。但該模型運行未來土地利用空間模擬的前提是輸入土地利用需求，而Markov模型是預(yù)測未來土地利用數(shù)量的傳統(tǒng)方法，具有無后效性且精度較高的預(yù)測結(jié)果，因此， 耦合PLUS模型與Markov模型，可以對區(qū)域未來土地利用時空變化具有較好模擬。王佳楠等利用Markov-PLUS模型模擬預(yù)測了2040年柴北緣土地利用變化，并證實Markov-PLUS模型的精度高于FLUS模型。

福州市作為我國第一批實行對外開放的沿海港口城市之一，經(jīng)歷了快速的工業(yè)化和城市化進程，土地開發(fā)利用強度和生態(tài)保護間的矛盾逐步加劇?；诖?，該研究在分析2000—2020年福州市土地利用演變過程的基礎(chǔ)上，通過集成Markov和PLUS模型對福州市未來4種不同情景下的土地利用時空分布格局進行了模擬預(yù)測，旨在探究福州市土地利用變化規(guī)律，對于區(qū)域土地利用規(guī)劃和生態(tài)安全具有一定科學(xué)參考價值。

1 研究區(qū)與數(shù)據(jù)源概況

1.1 研究區(qū)概況

福州市地處中國東南沿海，是福州大都市圈和閩江口金三角經(jīng)濟圈的核心區(qū)域，地理坐標(biāo)25°15′～26°39′N，118°08′～120°31′E。全市現(xiàn)轄6個區(qū)、5個縣（閩侯、連江、羅源、閩清、永泰）和1個地級市（福清市），如圖1所示。截至2020年年底，研究區(qū)土地總面積約為11 490 km，其中山地占32.41%，丘陵占40.27%，屬于典型的河口盆地地形。研究區(qū)內(nèi)自然條件優(yōu)越，植被覆蓋率高達60%以上，但在人類活動長期作用下，絕大部分植被遭到破壞，使得生態(tài)環(huán)境出現(xiàn)退化和惡化的風(fēng)險，生態(tài)環(huán)境脆弱性逐漸加劇。

1.2 數(shù)據(jù)源及預(yù)處理

福州市2000、2010和2020年土地利用/覆蓋數(shù)據(jù)為30 m空間分辨率的GlobeLand30數(shù)據(jù)集（http：//www.globallandcover.com/）裁剪得到，土地利用/覆蓋類型包括林地、耕地、建設(shè)用地、水域、草地和未利用地。

選取氣候和環(huán)境及社會經(jīng)濟要素作為土地利用變化及模擬的驅(qū)動因子，數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/）和中國科學(xué)院資源環(huán)境與數(shù)據(jù)中心（https：//www.resdc.cn/）。其中，氣候和環(huán)境因子數(shù)據(jù)包括高程、坡度、坡向、年氣溫、年降水量、距河流距離；社會經(jīng)濟因子數(shù)據(jù)包括人口空間分布、國內(nèi)生產(chǎn)總值、距公路距離、距鐵路距離、距居民點距離和夜間燈光，上述驅(qū)動因子數(shù)據(jù)均轉(zhuǎn)換為30 m空間分辨率的柵格數(shù)據(jù)。

選取基本農(nóng)田和自然保護區(qū)作為土地利用變化多情境模擬的限制因子，數(shù)據(jù)分別來源于福州市自然資源與規(guī)劃局和中國自然保護區(qū)標(biāo)本資源共享平臺（https：//www.papc.cn/）。將基本農(nóng)田和自然保護區(qū)制作成一個僅包含值0和1的二值柵格圖像作為限制轉(zhuǎn)換數(shù)據(jù)，空間分辨率為30 m。

2 研究方法

2.1 土地利用動態(tài)度

土地利用動態(tài)度表示研究區(qū)的某種用地類型在一段時間內(nèi)的變化數(shù)量和變化速率，其表達式為：

式中：Ｋ為研究時段內(nèi)某一用地類型的動態(tài)度；U和U分別為這一用地類型在研究期初和期末的數(shù)量；Ｔ為研究時段長。

2.2 土地利用重心遷移模型

該模型反映土地利用的空間變化趨勢，其重心坐標(biāo)計算方法如下：

式中：X、Y分別是第t年某地類分布重心的經(jīng)度、緯度坐標(biāo)；C為第t年第i個斑塊該地類的面積，i為該地類斑塊總數(shù)。

2.3 Markov-PLUS模型

Markov模型是土地利用數(shù)量預(yù)測模型，PLUS 模型是基于CA模型構(gòu)建的LUCC空間模擬模型。該研究綜合利用Markov和PLUS模型實現(xiàn)未來土地利用的預(yù)測模擬。

首先，利用PLUS模型提取福州市2010—2020年土地利用擴張圖，并將土地擴張圖和12項驅(qū)動因子輸入LEAS模塊，得到各類用地的發(fā)展?jié)摿八序?qū)動因子對各用地類型擴張的貢獻程度。然后，將生成的發(fā)展?jié)摿?shù)據(jù)、限制因子數(shù)據(jù)和2020年土地利用數(shù)量輸入到CARS模塊，設(shè)置轉(zhuǎn)換矩陣和鄰域權(quán)重等參數(shù)，以2010年土地利用為基期，得到2020年模擬圖，并將其與2020年現(xiàn)狀圖對比進行精度驗證。最后，通過Markov chain預(yù)測2030年福州市土地利用類型數(shù)量，以2020年土地利用圖為基期圖像對研究區(qū)2030年土地利用空間格局進行模擬。

2.3.1 土地利用轉(zhuǎn)移成本矩陣。

2010—2020年土地利用轉(zhuǎn)移成本矩陣參數(shù)設(shè)定如表1所示，行代表用地類型轉(zhuǎn)出，列代表用地類型轉(zhuǎn)入，0表示不能轉(zhuǎn)化，1表示可以轉(zhuǎn)化。

2.3.2 鄰域因子參數(shù)設(shè)定。

領(lǐng)域因子參數(shù)范圍為0～1.00，值越大表示該土地類型的擴張能力越強。耕地、林地、草地、水域、建設(shè)用地、未利用地的鄰域因子分別為0、0.35、0.46、0.51、1.00、0.45。

2.4 土地利用模擬多情景設(shè)置

參考文獻，設(shè)定了4種土地利用變化模擬的情景，如表2所示。4種情景的轉(zhuǎn)化成本矩陣如表3所示，其中a～f分別表示耕地、林地、建設(shè)用地、草地、水域和未利用地6種土地利用類型；0表示不能轉(zhuǎn)化，1表示可以轉(zhuǎn)化。

3 結(jié)果與分析

3.1 土地利用變化特征分析

3.1.1 數(shù)量變化分析。

如圖2所示，不同土地類型的單一動態(tài)度由大到小為建設(shè)用地>水域>林地>草地>耕地>未利用地。2000—2010年，建設(shè)用地、水域、林地的面積呈遞增趨勢，其他用地面積縮減；2010—2020年，建設(shè)用地的增長趨勢進一步加強，林地面積逐漸減少，耕地、草地和未利用地面積縮減趨勢更為嚴(yán)峻。在城鎮(zhèn)用地擴張、人口劇增和經(jīng)濟發(fā)展的背景下，研究區(qū)大量的耕地被侵占以滿足建設(shè)用地不斷增加的需求，同時對未利用地的開發(fā)利用更加合理高效。

3.1.2 空間轉(zhuǎn)移分析。

如圖3所示，2000—2010年，耕地轉(zhuǎn)為林地的面積最多，主要分布在市轄區(qū)、閩侯縣、長樂區(qū)以及連江縣；耕地轉(zhuǎn)出為建設(shè)用地的區(qū)域分布在閩侯縣、市轄區(qū)和福清市；林地主要轉(zhuǎn)出為建設(shè)用地和水域，其中，在市轄區(qū)和閩侯縣轉(zhuǎn)出的主要為建設(shè)用地。2010—2020年，耕地轉(zhuǎn)出為建設(shè)用地的面積最多，所有縣市均有分布，其中市轄區(qū)、閩侯縣、長樂區(qū)、福清市分布較多；耕地轉(zhuǎn)為林地較為集中的部分在羅源縣的東部沿海地區(qū)，其余部分在研究區(qū)各個縣市均有分布且較為均勻；水域面積由耕地和林地轉(zhuǎn)入為主，主要分布在福清市；林地除了主要轉(zhuǎn)出為耕地以外，還和草地間相互轉(zhuǎn)化，皆在研究區(qū)零散均勻分布。2010—2020年地類相互轉(zhuǎn)換的面積相比2000—2010年有所增加，這說明近10年來隨著城鎮(zhèn)化和經(jīng)濟水平的不斷提高，福州市土地的開發(fā)利用程度增大。

3.2 驅(qū)動因子貢獻度分析

該研究運用PLUS模型的LEAS模塊計算了2010—2020年福州市各土地利用類型的發(fā)展概率，得到12種驅(qū)動因素分別對6類用地擴張的貢獻度，如圖4所示。

對耕地影響最大的因子是降水量，研究區(qū)屬于南方地區(qū)，主要的耕地類型為水田，降水量是影響農(nóng)作物生長狀況的主要控制因素之一，耕地更有可能往自然條件好的區(qū)域擴張。

影響林地面積擴張的驅(qū)動因子主要是高程和坡向。通常來說，海拔較高的地區(qū)更容易產(chǎn)生林地的變化，研究區(qū)中林地面積增加的區(qū)域主要位于海拔高程較高處。坡向因子是影響林地空間分布格局的自然穩(wěn)定性因子，同時也極大地影響了植被的生長狀況。

夜間燈光、距居民點距離和人口空間分布對建設(shè)用地擴張的影響較大，這3類驅(qū)動因子反映的是人類活動的劇烈程度，這說明建設(shè)用地擴張最根本的驅(qū)動因素正是人口的增長。建設(shè)用地的不斷擴張最終歸因于加快的城鎮(zhèn)化進程以及逐漸增加的人口數(shù)量。

對草地增長影響最大的驅(qū)動因子是高程。研究區(qū)草地面積的變化更多集中出現(xiàn)在中部地勢低平地區(qū)，四周海拔較高處則零星發(fā)生草地面積的增長。此外，距居民點的距離也極大地影響了草地的擴張，這說明草地最有可能生長在人類活動較少的地區(qū)。

距河流的距離對水域面積擴張的影響最大。在河流流域范圍內(nèi)，經(jīng)過水流的沖刷和侵蝕作用，河床易拓寬并且容易產(chǎn)生支流，再加上研究區(qū)降水量豐富，河流徑流量大，從而河流附近地區(qū)更有可能增加水域的面積。

坡度因子對未利用地的擴張產(chǎn)生了較大影響。未利用地大部分是難以利用的土地，一般需要進行土地整治才能可持續(xù)利用，坡度較大的地區(qū)通常分布難以利用的土地。

3.3 模型模擬精度檢驗

利用PLUS模型中的CARS模塊模擬出2020年土地利用模擬圖，與2020年土地利用現(xiàn)狀圖進行對比，得到Kappa值和總體精度分別為0.80和0.89，具有較好的模擬效果，該模型可用于福州市2030年土地利用模擬。將模擬圖與現(xiàn)狀圖對比發(fā)現(xiàn)（圖5），各用地類型的空間分布格局在整體上一致，在研究區(qū)的中部和東南部存在偏差，偏差較大的地類為耕地和建設(shè)用地，其他地類的模擬結(jié)果較好。

3.4 未來土地利用變化多情景模擬

3.4.1 多情景下土地利用數(shù)量變化分析。

不同情景下的土地利用面積情況如表4所示，在自然發(fā)展情景下，2030年福州市土地利用延續(xù)了現(xiàn)在的發(fā)展趨勢，建設(shè)用地和水域面積持續(xù)增加，建設(shè)用地的動態(tài)變化度為3.30%，主要以耕地轉(zhuǎn)入為主；水域面積雖有所增加，但土地利用變化幅度不明顯，其土地利用動態(tài)度約為0.04%；其他4種地類的面積均有減少，其中耕地面積減少最為明顯，土地利用動態(tài)度為-0.70%。

城鎮(zhèn)發(fā)展情景更加強調(diào)城鎮(zhèn)的發(fā)展，建設(shè)用地面積大幅度增加，較2020年增幅超過40%，而城市面積的不斷擴張勢必會占用其他地類，導(dǎo)致耕地數(shù)量銳減，減少率約為11.00%；林地和草地也大面積減少，減少面積分別為64.45和27.42 km。

耕地保護情景嚴(yán)格限制了耕地向其他用地類型的轉(zhuǎn)移，2000—2020年耕地面積減少409.53 km，2030年模擬結(jié)果比2020年增加了2.33 km，這說明此情景下耕地面積縮減的態(tài)勢得到有效控制，糧食安全得到保障；根據(jù)福州市實際土地利用情況，耕地主要轉(zhuǎn)出為林地和建設(shè)用地，因此，在耕地保護情景下，林地和建設(shè)用地的轉(zhuǎn)入受限，相較于自然發(fā)展情景其面積有所減少。

在生態(tài)保護情景下，以生產(chǎn)功能為主的耕地面積減少率為8%；以生活功能為主的建設(shè)用地面積相比2020年有所增加，但受限于生態(tài)保護紅線等政策約束，導(dǎo)致建設(shè)用地增長較少，增長率約為12.00%；林地、草地和水域作為以生態(tài)功能為主的地類，相比2020年面積分別增長64.01、26.90、32.18 km，且這3種地類相較于自然發(fā)展情景處于增加態(tài)勢，說明在生態(tài)保護的背景下，以生態(tài)功能為主的地類得到較好的保護，符合以生態(tài)保護為前提的發(fā)展模式。

3.4.2 多情景土地利用空間格局變化分析。

根據(jù)多情景模擬得到的土地利用空間分布（圖6）和 2020—2030年各地類重心遷移（圖7）可知，2030年福州市多情景土地利用結(jié)果與2020年整體格局一致性較高，但局部變化明顯。自然發(fā)展情景下，市轄區(qū)和閩侯縣范圍內(nèi)的建設(shè)用地面積擴張最為明顯，歸因于該區(qū)域的人口高度密集，經(jīng)濟發(fā)展水平高于其他區(qū)域。其他區(qū)（縣）的建設(shè)用地聚集區(qū)域均有向外擴張的現(xiàn)象，說明隨著城鎮(zhèn)化進程推進，建設(shè)用地逐漸侵占周邊耕地且集聚特征明顯。

城鎮(zhèn)發(fā)展情景下建設(shè)用地面積在自然發(fā)展情景基礎(chǔ)上進一步擴張，集聚特征進一步增強，建設(shè)用地重心向東北方向偏移，遷移距離為1.7 km；與2020年相比，該情景下耕地面積大量減少，研究區(qū)東南部耕地分布相對較廣，因此耕地重心發(fā)生大幅度遷移，向東南方向遷移13.4 km；草地和水域的面積變化不大，重心遷移的距離較短。

耕地保護情景下耕地面積得到了有效保護，比2020年耕地面積略有增長，其他情景下耕地面積均為下降趨勢，因此該情景下耕地重心遷移幅度最小，向東南方向遷移了0.4 km；同時該情景下，建設(shè)用地的增長從主要由耕地轉(zhuǎn)入轉(zhuǎn)變?yōu)橛闪值睾筒莸剞D(zhuǎn)入，草地面積在該情景下相比2020年減少最多，因此草地重心遷移的幅度在此情景下最大，向西偏南方向遷移了0.5 km。

生態(tài)保護情景下非常重視對林地、草地和水域3類生態(tài)功能用地的保護，限制了建設(shè)用地對生態(tài)用地的侵占。因此，林地、草地、建設(shè)用地和水域面積的增長都主要由耕地轉(zhuǎn)出，耕地重心向南遷移5 km，是該情景下遷移幅度最大的地類。

4 結(jié)論與討論

4.1 結(jié)論

（1）2000—2020年，耕地明顯流失且面積減少速率增加，建設(shè)用地面積持續(xù)增加；耕地主要向林地和建設(shè)用地轉(zhuǎn)化，歸因于城鎮(zhèn)化進程中新建建設(shè)用地占用了耕地，以及退耕還林還草政策進一步減少了耕地，當(dāng)?shù)爻擎?zhèn)發(fā)展的同時應(yīng)該重視對耕地的保護；林地先增加后減少，但整體為增加狀態(tài)；草地、水域、未利用地面積相對平穩(wěn)，其中水域面積略微增長。

（2）采用Markov-PLUS模型對福州市2020年土地利用格局進行模擬，通過與2020年實際土地利用圖對比進行精度驗證，得到模型Kappa值為0.80，總體精度為0.89，模擬精度較高，說明模型能夠有效模擬研究區(qū)的土地利用變化。

（3）通過Markov-PLUS模型對福州市2030年4種情景下的土地利用狀況進行模擬，結(jié)果表明：自然發(fā)展情景下，建設(shè)用地侵占大量林地、耕地和草地，其面積持續(xù)增長；建設(shè)用地擴張以市轄區(qū)和閩侯縣最為明顯，其他區(qū)（縣、市）建設(shè)用地侵占臨近耕地且集聚特征明顯。城鎮(zhèn)發(fā)展情景下，建設(shè)用地面積大幅增加，而林地、耕地和草地均大面積減少；耕地和建設(shè)用地重心分別向東南和東北方向偏移，空間集聚特性愈加增強。耕地保護情景下，耕地主要向建設(shè)用地和林地轉(zhuǎn)化，面積縮減的態(tài)勢得到有效控制，重心遷移幅度也較??；新增建設(shè)用地仍在侵占其他用地空間，但增速有所降低，從主要由耕地轉(zhuǎn)入轉(zhuǎn)變?yōu)橛闪值睾筒莸剞D(zhuǎn)入，草地重心遷移的幅度最大。與自然情景相比，林地、草地和水域面積在生態(tài)保護情景下呈顯著增長趨勢，建設(shè)用地增速得到有效控制；遷移幅度最大的地類是耕地。

4.2 討論

Markov-PLUS模型耦合了Markov模型的土地利用需求預(yù)測和PLUS模型的土地利用空間模擬，具備分析一定時段內(nèi)土地利用變化驅(qū)動機理的能力。該模型在幫助理解驅(qū)動因素對該時段各類用地擴張的影響方面具有更好的解釋性，能夠更加精準(zhǔn)地模擬多類土地利用斑塊級的變化，同時模擬結(jié)果也與當(dāng)前現(xiàn)代化社會經(jīng)濟發(fā)展趨勢下的未來區(qū)域發(fā)展格局緊密聯(lián)系，能為優(yōu)化研究區(qū)未來的國土空間開發(fā)格局提供政策借鑒。

該研究在模擬過程中雖然綜合考慮了人類活動、氣候和環(huán)境變化等多方面的影響，選取了包含自然要素、社會經(jīng)濟要素和交通區(qū)位要素在內(nèi)的12項驅(qū)動因子，但由于研究對象的復(fù)雜性以及部分?jǐn)?shù)據(jù)難以獲取和量化，驅(qū)動因子的選取并不全面，仍有一些因素（如地質(zhì)因素和政策因素）未能充分考慮，在后續(xù)研究中可加入定量表達后的區(qū)域規(guī)劃政策，以實現(xiàn)模擬結(jié)果精度的進一步提高。另外，在利用PLUS模型模擬產(chǎn)生斑塊的土地利用變化時，參數(shù)設(shè)置缺乏科學(xué)統(tǒng)一的標(biāo)準(zhǔn)，通過多次調(diào)整確定最終參數(shù)值具有一定的主觀性，在后續(xù)研究中可重點探究優(yōu)化參數(shù)設(shè)置的有效路徑，推動土地利用模擬向更加科學(xué)、合理、適用的方向邁進。有關(guān)部門應(yīng)加大對基本農(nóng)田的保護力度，積極建設(shè)生態(tài)保護區(qū)，統(tǒng)籌山水林田湖草系統(tǒng)治理，從而實現(xiàn)區(qū)域的可持續(xù)發(fā)展。

參考文獻

[1]TURNER B L，II，LAMBIN E F，REENBERG A.The emergence of land change science for global environmental change and sustainability[J].Proceedings of the national academy of sciences of the United States of America，2007，104（52）：20666-20671.

[2]高學(xué)杰，張冬峰，陳仲新，等.中國當(dāng)代土地利用對區(qū)域氣候影響的數(shù)值模擬[J].中國科學(xué)（D輯：地球科學(xué)），2007，37（3）：397-404.

[3]符敏儀.基于Markov-FLUS模型的無錫市土地利用分析及多情景模擬[D].南昌：東華理工大學(xué)，2021.

[4]王小倫，劉雁，張玉，等.基于CA-Markov模型的吉林省西部土地利用/覆被變化研究及預(yù)測[J].科學(xué)技術(shù)與工程，2021，21（19）：7942-7948.

[5]王海軍，孔祥冬，張勃.空間統(tǒng)計模型在土地利用與覆被變化模擬與預(yù)測中的應(yīng)用：以Logistic-CA-Markov模型為例[J].科學(xué)技術(shù)與工程，2016，16（15）：139-143.

[6]吳清婷，彭賢偉，簡萍，等.銅仁市碧江區(qū)土地利用變化的時空特征及其驅(qū)動因素[J].科學(xué)技術(shù)與工程，2020，20（4）：1326-1336.

[7]張海峰，劉林山，王有寧，等.青藏高原東北部互助縣域土地利用變化對糧食安全的影響[J].地域研究與開發(fā)，2012，31（2）：95-100.

[8]田賀，梁迅，黎夏，等.基于SD模型的中國2010―2050年土地利用變化情景模擬[J].熱帶地理，2017，37（4）：547-561.

[9]KITYUTTACHAI K，TRIPATHI N K，TIPDECHO T，et al.CA-Markov analysis of constrained coastal urban growth modeling：Hua Hin seaside city，Thailand[J].Sustainability，2013，5（4）：1480-1500.

[10]符蓉，濮勵杰，錢敏，等.區(qū)域土地利用變化情景模擬設(shè)計與實證分析：基于多智能體系統(tǒng)（MAS）模型[J].資源科學(xué)，2012，34（3）：468-474.

[11]楊俊，解鵬，席建超，等.基于元胞自動機模型的土地利用變化模擬：以大連經(jīng)濟技術(shù)開發(fā)區(qū)為例[J].地理學(xué)報，2015，70（3）：461-475.

[12]VAN DESSEL W，VAN ROMPAEY A，SZILASSI P.Sensitivity analysis of logistic regression parameterization for land use and land cover probability estimation[J].International journal of geographical information science，2011，25（3）：489-508.

[13]王磊，王羊，蔡運龍.土地利用變化的ANN-CA模擬研究：以西南喀斯特地區(qū)貓?zhí)恿饔驗槔齕J].北京大學(xué)學(xué)報（自然科學(xué)版），2012，48（1）：116-122.

[14]VERBURG P H，SOEPBOER W，VELDKAMP A，et al.Modeling the spatial dynamics of regional land use：The CLUE-S model[J].Environmental management，2002，30（3）：391-405.

[15]SOHL T，SAYLER K.Using the FORE-SCE model to project land-cover change in the southeastern United States[J].Ecological modelling，2008，219（1/2）：49-65.

[16]LIU X P，LIANG X，LI X，et al.A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J].Landscape and urban planning，2017，168：94-116.

[17]LIANG X，GUAN Q F，CLARKE K C，et al.Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model：A case study in Wuhan，China[J].Computers，environment and urban systems，2021，85：1-14.

[18]王佳楠，張志.基于Markov-PLUS模型的柴北緣土地利用變化及模擬分析[J].西北林學(xué)院學(xué)報，2022，37（3）：139-148，179.

[19]冉玉菊.基于CA-Markov模型的巴南區(qū)土地利用變化模擬預(yù)測研究[J].安徽農(nóng)學(xué)通報，2021，27（11）：125-130.

[20]宋小青，陳建宇.長株潭城市群區(qū)域土地利用變化研究[J].國土資源科技管理，2007，24（5）：12-17.

[21]孫定釗，梁友嘉.基于改進Markov-CA模型的黃土高原土地利用多情景模擬[J].地球信息科學(xué)學(xué)報，2021，23（5）：825-836.

[22]高星，楊劉婉青，李晨曦，等.模擬多情景下白洋淀流域土地利用變化及生態(tài)系統(tǒng)服務(wù)價值的空間響應(yīng)[J].生態(tài)學(xué)報，2021，41（20）：7974-7988.