我國土地利用動態預測與模擬研究新進展

崔 昊，朱英紅

（山東師范大學 人 口·資源與環境學院，濟南250014）

1 引言

土地利用／覆被變化是全球變化研究的核心領域［1］，對其驅動因子、驅動力和變化機制的研究一直是土地利用／覆蓋變化的研究主題，研究工作主要集中在監測和解釋方面。國內學者在這方面做了大量工作，取得了較大進展，也有力地支持了國土資源管理工作［2］。但隨著人地矛盾的日益突出，土地利用變化越發復雜，研究視角僅停留在對歷史的回顧和現狀的描述上已經無法很好地指導土地資源的合理配置，迫切需要將研究領域著眼于未來。

土地利用動態預測與模擬主要包括兩方面的內容：一是基于時間序列的數量預測；二是基于時空格局的動態模擬。數量預測在模型的構建上相對簡單，也能夠在一定程度上反映土地利用變化的驅動力，但一個固有的問題是其不具有空間意義，無法進行布局的優化配置，所以實際指導意義受到較大限制。受技術的制約，我國在空間模擬領域的研究相對于國際要落后，近年來，隨著研究的深入和3S技術的成熟，我國學者也開始重視土地利用的空間模擬，并逐漸發展成為研究的熱點［3］。當然，即使模型構建得再好，也不能完全模擬出土地利用的動態發展，只能模擬其發展的大體趨勢。但是，預測與模擬研究的目的不在于達到絕對精確，其意義在于從相對準確的擬合結果或發展趨勢中發現問題，為土地利用規劃、國土資源管理提供重要決策支持，從而選擇最理想的土地利用方式。

2 基于時間序列的數量預測

基于時間序列的數量預測，是指在歷史數據支持下，通過構建合適的模型，以得到未來某一時點或某一時期內土地利用數量情況的過程。傳統的預測方法大都以線性回歸模型、指數平滑模型等方法為主，但由于土地利用變化受眾多驅動因素的影響，是一個動態、非線性與多反饋回路的復合系統，用傳統的預測方法進行預測，在模型預測的精度及應用上受到較大限制。近幾年，一些新的方法和模型開始被學者采用，如馬爾可夫模型、灰色系統模型、系統動力學模型、BP神經網絡模型等，雖然一些方法還存在一些爭論，但這些研究擴展了研究的視角，推動了此研究領域的發展。

馬爾可夫模型是一種概率預測模型，通過構建狀態轉移概率矩陣，可以方便地對未來土地利用結構進行預測，國內許多學者采用馬爾可夫模型對土地利用變化進行了分析和模擬。如胡召玲，張國成等以徐州市1994、2003年TM影像為底圖，在人工解譯的基礎上得到了兩期土地利用現狀圖，采用馬爾可夫模型分析了歷史變化狀況并預測了徐州市未來18年各類用地類型的變化情況，發現了研究區土地利用中出現的問題［4］。張春華，王宗明利用馬爾可夫模型研究了對三江平原地區的土地利用狀況，研究表明在穩定的土地利用政策下，利用馬爾可夫模型定量地分析和預測土地利用變化情況能夠得到較好的結果，特別是自然狀態下的土地利用變化［5］。

灰色系統是我國學者鄧聚龍教授提出的一種預測方法，通過對沒有規律的數據進行累加或累減變換，擬合出有規律的數據列，并在此基礎上進行預測，該方法在貧數據情況下的預測方面有一定的優勢。陳峰，胡振琪等根據灰色系統理論，建立了遼寧省某市林業用地的常規GM（1，1）預測模型，并進行了模型精度檢驗，相對誤差最大為0．53%，利用該模型對2003年的林業用地狀況進行了預測檢驗，相對誤差為3．65%，小于5%，證明該預測模型預測精度較高，預測效果較好［6］。劉耀林、劉艷芳，黃成毅等在分析現有耕地預測方法的基礎上，針對灰色GM（1，1）預測與馬爾柯夫預測的優點和不足，提出了基于灰色－馬爾可夫鏈的耕地需求量預測模型，并以湖北省耕地需求量為例，對該模型進行了實例驗證和應用。研究表明灰色系統預測的優勢在于短期預測，缺點在于對長期預測和波動性較大數據列的擬合較差；馬爾可夫鏈預測的優勢在于長期預測和對隨機波動性較大數據列的預測問題。兩者結合后形成的灰色－馬爾可夫預測模型就能夠用GM（1，1）預測揭示耕地數據列的發展變化總趨勢，用馬爾可夫鏈預測來確定狀態規律，提高了預測的精度和可行度［7，8］。

由于土地利用變化是一種比較復雜的系統變化，而傳統預測方法無法考慮相關因素的影響，從而限制了其預測的可靠性。動力學模型具有相關因素的優勢而逐漸被學者接收并采用，已有的研究工作也表明，動力學模型能夠從宏觀上反映土地利用系統的復雜行為，是進行土地利用情景模擬的良好工具。何春陽，史培軍等人利用系統動力學的原理和方法，在不同系統狀態下，模擬了中國北方13省未來50年不同社會經濟情景下的區域土地利用結構變化，并初步評價了這些變化的可能生態影響，研究表明系統動力學模型具有一定的可靠性，能在一定程度上為當前理解土地利用系統的復雜驅動行為［9］。趙姚陽等采用BP神經網絡模型，將江蘇省1985～2001年和2002年的相關數據作為模型的訓練和測試樣本，以2003年的社會、經濟數據作為網絡的預測輸入，對該年的建成區面積進行了預測，結果表明，BP神經網絡預測結果與實際面積的誤差為3．96%，其預測精度與多元回歸預測模型相比有較大改善［10］。

一些學者還嘗試了新的預測方法，為該領域的研究提供了一些新的方向。如慎勇揚等采用Monte Carlo模型和CrvsLal Ball軟件包相結合的方式，以自變量的分布函數為基礎，建立未來各年用地規模函數，基于時間序列預測未來年份的用地規模［11］。這種方法可以為土地利用彈性規劃提供一條重要的途徑，有助于規劃在定量基礎上更加符合現實和未來的發展趨勢。喬瑞波，李玉平運用生物學中常用的邏輯斯蒂方程對浙江省未來耕地變化情況進行了預測，結果顯示方程的相關指數達到0．938，表明方程擬合度較高［12］。

3 基于時空格局的動態模擬

土地利用變化是涉及土地數量變化和空間變化的過程，過去受到技術上的制約，空間變化的研究較難實現。近年來，伴隨3S技術的興起，涉及空間模擬的土地利用變化研究逐漸興起，大多數研究都利用了元胞自動機（Cellular Automata，簡稱CA）模型和CLUE－S（Conversion of Land Use and its Effectsat at Small region extent）模型。

3．1 以CA為基礎展開的模擬研究

元胞自動機是一種時間、空間和狀態都離散的動力系統［13］，局部元胞個體的簡單行為能夠產生全局、有秩序模式的復雜系統。元胞自動機具有先天的時空動態性，使其在揭示地理過程和模擬土地利用變化方面具有了理論上的可行性。另外，二維正方形元胞空間與GIS中的柵格數據在形態和結構上都具有一致性，這為實際運用元胞自動機模型提供了技術上的可行性。目前，越來越多研究者試圖通過CA與其他模型的結合來對元胞自動機模型進行改進，優化模擬過程，為土地利用的時空格局模擬開辟了新的研究方向。其中以馬爾可夫（Markov）、人工神經網絡（Artificial Neural Network，簡稱ANN）、多智能體系統（Multi－Agent System，簡稱MAS）等模型與CA的結合較為常見。

Markov與CA耦合后的模型一般稱為CAMarkov模型，其在沒有構建必要約束條件的情況下隨機性較大，常用于模擬以自然景觀為主、人為干擾較小的區域［14～18］。侯西勇基于河西走廊1990年、2000年土地利用矢量數據，運用CA－Markov模型對2010年土地利用分布情景進行了預測。分析了研究區主要變化的地類和主要的變化區域，揭示了人類活動對土地利用的影響過程，提出了優化區域土地利用的途徑。鄭青華在遙感和水文數據的支持下，引入了景觀生態學的定量分析方法，系統分析了1975～2007年伊犁河三角洲景觀格局的時空演變特征，并對2020年景觀格局的情景進行了模擬與預測。結果表明，研究區景觀的斑塊破碎化嚴重，連通性趨于弱化，不同景觀類型的差異程度和表現形式各異，原因在于這兩個時段自然條件的非一致性和不穩定性以及各景觀類型的轉移方式和方向不同。鮑文東、唐寬金等將多規則評價方法（Multi－Criteria Evaluation，簡稱 MCE）引入CA－Markov模型中，建立了CA－MCE－Markov耦合模型［19，20］。MCE利用約束條件和限制因子來建立一組與各地類對應的適宜性圖集，該圖集定義了每種用地類型的適宜性范圍，以及每個元胞的適宜性程度，從而指導各地類向適宜性高的區域擴展，增強了模型的可控性。

黎夏，葉嘉安探討了一種基于ANN的CA模型，通過對數據的篩選和訓練，簡化了模型的構建過程［21］，并將模型應用于城市土地的演變中，優化了對城市用地的模擬。徐昔保，楊桂山對黎夏的ANN－CA模型進行了改進，增加了隨機擾動，使模擬結果更接近實際變化趨勢［22］，并在對蘭州市城市土地利用變化情景模擬的研究中取得了較好的結果。李月臣，何春陽借助系統動力學（System Dynamics，簡稱SD）、人工神經網絡和元胞自動機模型建立了“自上而下”和“自下而上”相結合的動態模擬模型，并對北方13省（市）不同情景下土地利用／覆蓋變化的時空演變進行了模擬［23］，通過比較分析各情景下的模擬結果，揭示了研究區土地利用／覆蓋系統變化的動態機制。

楊青生，黎夏，葉家安運用多智能體和CA模型結合來模擬城市用地擴張的方法，將影響和決定用地類型轉變的主體作為Agent引進元胞自動機模型中，綜合各種因素的影響做出決策，對CA模型中以隨機變量體現的不確定性通過Agent決策行為給予了地理意義的新解釋［24，25］。

3．2 以CLUE－S為基礎展開的模擬研究

CLUE－S假設一個地區的土地利用變化受到自然因素和人文因素的綜合影響，并直接由土地需求驅動。通過處理各種土地需求的競爭、等級關系，實現對未來土地利用情景的模擬。CLUE－S模型分為非空間土地需求模塊和土地利用變化空間分配模塊兩部分。其中非空間土地需求模塊主要計算研究區內由土地需求驅動因素導致的土地利用類型數量的變化，或者計算設定的不同情景條件下的土地需求，這部分工作需要通過獨立于CLUE－S模型之外其它數學模型、經濟學模型或者不同的假定條件下的計算或估算來完成。空間分配模塊則把非空間土地需求模塊計算出的土地需求結果分配到研究區的空間位置上，達到空間模擬的目的［26］。

陸汝成，黃賢金等基于江蘇省環太湖地區1990、2000年TM影像和2005年中巴衛星遙感影像等數據，充分利用CLUE－S模型空間模擬特長和Markov模型數量預測優勢，應用CLUE－S和Markov復合模型及GIS分析技術分別對現有土地轉移速率發展和下的土地利用變化情景進行時空模擬，揭示了不同情景下的土地利用格局變化［27］。吳桂平，曾永年等通過在傳統Logistic回歸模型中引入空間自相關變量，對CLUE－S模型的空間分析模塊進行了改進，提高了模塊的擬合優度和擬合精度［28］。

4 結語

目前我國大多數土地利用預測和模擬的研究基本都以引進模型為基礎，所依據的基礎理論大多是從別的學科借鑒來的，尚未形成自己的基礎理論，模型原創性方面還很不足。亟需在應用研究基礎上進行深入的基礎理論研究，形成自己的核心基礎理論。土地利用研究中已經形成定量化研究風氣，但另一方面，又出現缺乏邏輯定性思維，濫用數學統計方法的傾向。當前在評價方法上，應用數學模型方法開展研究的成果很多，多是選擇若干因素，應用某一模型來計算得出一個結果，但缺乏深入分析和了解模型方法的優缺點和適用范圍。總的來看，由于土地利用，變化驅動力因子的多樣性，土地利用變化模擬方法的交叉性，土地利用變化模擬已從數量模擬研究轉向空間模擬研究，從單方法模擬研究轉向多種方法結合的模擬研究，從自然驅動力的建模方式轉向自然驅動力與社會經濟驅動力相結合的建模方式。單一依賴于某一門學科而建立的模型很難全面地對其進行模擬，因此，建立綜合性模型將是今后土地利用動態模擬研究的一個必然趨勢。這就要求研究者必須超越他們的學科傳統，拋棄原有學科的理論束縛，廣泛采用不同的學科理論、方法與技術。

［1］李秀彬．全球環境變化研究的核心領域——土地利用／土地覆被變化的國際研究動向［J］．地理學報，1996，51（6）：553～558．

［2］陳百明，張鳳榮．我國土地利用研究的發展態勢與重點領域［J］．地理研究，2011，30（1）：1～9．

［3］中國土地學會．土地科學學科發展研究報告［M］．北京：中國科學技術出版社，2010：4～5．

［4］胡召玲，張國成，禚昌芬，等．基于馬爾可夫模型對徐州市土地利用動態變化的研究［J］．安徽農業科學，2007，35（8）：2 344～2 345．

［5］張春華，王宗明，宋開山，等．基于馬爾可夫過程的三江平原土地利用動態變化預測［J］．遙感技術與應用，2009，24（2）：210～216．

［6］陳 峰，胡振琪，馬 彬，等．灰色系統理論在林業用地預測中的應用［J］．沈陽農業大學學報，2006，37（1）：57～60．

［7］劉耀林，劉艷芳，張玉梅．基于灰色－馬爾柯夫鏈預測模型的耕地需求量預測研究［J］．武漢大學學報：信息科學版，2004，29（7）：575～579，596．

［8］黃成毅，鄧良基，方從剛．基于灰色－馬爾柯夫模型的區域耕地變化預測研究——以四川盆地中部丘陵區為例［J］．四川師范大學學報：自然科學版，2009，32（6）：816～821．

［9］何春陽，史培軍，李景剛，等．中國北方未來土地利用變化情景模擬［J］．地理學報，2004，59（4）：599～607．

［10］趙姚陽，濮勵杰，胡曉添．BP神經網絡在城市建成區面積預測中的應用——以江蘇省為例［J］．長江流域資源與環境，2006，15（1）：14～18．

［11］慎勇揚，葉艷妹．Monte Carlo模擬在建設用地需求預測中的應用［J］．計算機應用與軟件，2004，21（11）：30～31，81．

［12］喬瑞波，李玉平，蔡運龍．基于邏輯斯蒂方程的耕地需求預測——以浙江省為例［J］．安徽農業科學，2009，37（33）：16 476～16 478．

［13］周成虎，孫戰利，謝一春．地理元胞自動機研究［M］．北京：科學出版社，1999．

［14］楊國清，劉耀林，吳志峰．基于CA－Markov模型的土地利用格局變化研究［J］．武漢大學學報：信息科學版，2007，32（5）：414～418．

［15］侯西勇，常 斌，于信芳．基于CA－Markov的河西走廊土地利用變化研究［J］．農業工程學報，2004，20（5）：286～291．

［16］王友生，余新曉，賀康寧，等．基于CA－Markov模型的藉河流域土地利用變化動態模擬［J］．農業工程學報，2011，27（12）：330～336．

［17］鄭青華，羅格平，朱 磊，等．基于CA＿Markov模型的伊犁河三角洲景觀格局預測［J］．應用生態學報，2010，21（4）：873～882．

［18］李 志，劉文兆，鄭粉莉．基于CA－Markov模型的黃土塬區黑河流域土地利用變化［J］．農業工程學報，2010，26（1）：346～352．

［19］鮑文東．基于GIS的土地利用動態變化研究［D］．青島：山東科技大學，2007．

［20］唐寬金．基于景觀生態學的土地利用時空格局變化研究［D］．濟南：山東師范大學，2009．

［21］黎 夏，葉嘉安．基于神經網絡的單元自動機CA及真實和優化的城市模擬［J］．地理學報，2002，57（2）：159～166．

［22］徐昔保，楊桂山，張建明．基于神經網絡CA的蘭州城市土地利用變化情景模擬［J］．地理與地理信息科學，2008，24（6）：80～83．

［23］李月臣，何春陽．中國北方土地利用／覆蓋變化的情景模擬與預測［J］．科學通報，2008，53（6）：713～723．

［24］楊青生，黎 夏．多智能體與元胞自動機結合及城市用地擴張模擬［J］．地理科學，2007，27（4）：542～548．

［25］劉小平，黎 夏，葉嘉安．基于多智能體系統的空間決策行為及土地利用格局演變的模擬［J］．中國科學 D輯，2006，36（11）：1 027～1 036．

［26］王麗艷，張學儒，張 華，等．CLUE－S模型原理與結構及其應用進展［J］．地理與地理信息科學，2010，26（3）：73～77．

［27］陸汝成，黃賢金，左天惠，等．基于CLUE－S和Markov復合模型的土地利用情景模擬研究——以江蘇省環太湖地區為例［J］．地理科學，2009，29（4）：577～581．

［28］吳桂平，曾永年，馮學智，等．CLUE－S模型的改進與土地利用變化動態模擬——以張家界市永定區為例［J］．地理研究，2010，29（3）：460～470．