基于CLUE-S模型的湟水流域土地利用空間分布模擬

馮仕超，高小紅，* ，顧 娟，亢 健，郭麗峰，吳國良，鄒 嬋

(1.青海師范大學生命與地理科學學院 青藏高原環境與資源教育部重點實驗室，西寧 810008;2.中國科學院寒區旱區環境與工程研究所，蘭州 730000;3.蘭州大學西部環境教育部重點實驗室，蘭州 730000)

土地利用/土地覆被變化(LUCC)是全球變化與可持續發展的重要研究內容［1］，受自然、人文因素在不同時間、空間尺度上相互作用［2］，表現出復雜的非線性特征。土地利用模型是理解和認識區域土地利用/土地覆被變化的某些關鍵過程并進行定量描述，從而對未來土地利用變化格局和影響因子進行研究評價的重要工具［3］，因此它的應用已經逐漸成為研究 LUCC驅動機制［4］、動態規律［5］、生態效應［6］及預測未來土地利用變化及其發展趨勢的重要技術手段［7］。近年來，用于區域土地利用模擬的模型主要包括系統動力學模型、Markov模型、元胞自動機模型、Agent-based模型、CLUE模型以及在其基礎上改進的CLUE-S模型等。

CLUE-S模型是2002年由荷蘭瓦赫寧根農業大學Verburg等［8］科學家在Veldcamp和Fresco［9］1996年提出的CLUE模型基礎上開發的，用于小區域尺度的土地利用變化模擬模型。張永民等［10-11］于2002年最早將該模型分別應用于我國內蒙古科爾沁沙地及其周圍地區和內蒙古奈曼旗土地利用的時空動態變化模擬研究，均取得了良好的模擬結果。自此后的近10多年來，CLUE-S模型已經被廣泛地用于我國不同區域的土地利用模擬研究，也都取得有效的模擬結果［12-14］，其中包括在西部地區的應用，如:擺萬奇等［15］、魏強［16］、張華等［17］和梁友嘉等［18］分別以四川省大渡河上游地區、新疆托克遜縣、甘肅張掖市以及張掖市甘州區等為研究區域，運用該模型模擬其土地利用的時空變化。然而，還未見利用CLUE-S模型對青藏高原與黃土高原過渡帶復雜地形區的土地利用變化進行模擬研究的報道。

尺度問題是土地變化科學中的關鍵問題［19］，在土地利用變化研究中，尺度是空間或時間的分析范圍，在這一分析范圍內，可以用來測量和研究事物及過程，根據尺度的定義，可以把尺度按照性質分為空間尺度和時間尺度［20］。時間尺度往往以時間粒度和時間幅度來表達，時間粒度指某一現象或事件發生的(取樣的)頻率或時間間隔，研究對象的發展時期則確定其時間幅度［19］。據此，本研究中的時間尺度指的是時間粒度，即模擬時間間隔。以往的CLUE-S模型模擬研究中，主要是利用某一年份的土地利用數據模擬另一年份或者多個年份的土地利用空間格局［7-11，21］，而利用不同年份的土地利用數據去模擬同一年份的土地利用空間分布格局的研究則比較少。

本文中，分別用1987年和1996年兩期土地利用數據去模擬2007年土地利用空間格局分布，時間尺度分別為20a和11a，兩次模擬的目的是為了減少模擬中的不確定性因素，增加模擬結果的可靠性和說服力，并為研究區未來土地利用空間分布格局變化模擬參數的設置提供依據。

基于以上考慮，本論文的研究目標主要為:(1)探究CLUE-S模型在青藏高原與黃土高原過渡帶高海拔復雜地形區的適用性;(2)分別利用1987年和1996年兩期土地利用數據，對湟水流域2007年土地利用的空間變化格局進行模擬，并從數量、位置和整體上分別對兩次土地利用模擬結果計算其Kappa指數，通過利用不同年份數據去模擬同一年份的土地利用空間格局來驗證模擬結果的可靠性;(3)重點針對流域耕地中的坡耕地退耕進行研究，構建湟水流域2008—2027年土地利用需求的四種不同情景，對研究區2027年土地利用空間分布格局變化進行模擬，以期為湟水流域未來土地發展規劃、管理及政策的制定提供參考依據和決策支持。

1 研究區域概況

湟水是黃河上游最大的一級支流，發源于青海省海北藏族自治州海晏縣包呼圖山，自西北向東南流經青海省海晏、湟源、湟中、西寧、互助、平安、樂都及民和等七縣一市，在甘肅省永靖縣傅子村注入黃河。湟水干流全長374km，青海省境內全長336km。湟水流域地處黃土高原與青藏高原的過渡地帶，北依達坂山，南鄰拉脊山，西與日月山相鄰，東與甘肅省莊浪河流域接壤，地理位置為 36°02'—37°28'N，100°41'—103°04'E(圖 1)。地形由河谷沖積平原、黃土丘陵和中高山地組成，地勢自西北向東南傾斜，流域內海拔最高處是位于湟源縣西南的野牛山(4898m)，最低處為民和縣下川口鎮(1650m)。行政范圍除了上述的縣市外，還包括大通回族土族自治縣。氣候屬于高原干旱、半干旱大陸性氣候。根據1961—2010年氣象資料統計，湟水流域多年年平均氣溫2.5—7.5℃，多年平均降水量453.12mm。青海省境內湟水干流流域面積為16120km2，雖然僅占青海省總面積的2.23%，但總人口、地區生產總值及工業總產值卻分別占青海的62.31%、58.17%和54.72%(截至到2010年末)，是青海省的政治、經濟、文化、教育、科技、交通中心和主要工農業生產基地。

圖1 湟水流域位置圖Fig.1 Location map of the Huangshui river basin

2 數據源與研究方法

2.1 數據來源與處理

數據源主要包括1987/1988年、1994/1995/1996年和2006/2007年3個時期的Landsat-5 TM影像數據(表1)，1∶25萬DEM(數字高程模型)、1∶10萬比例尺地形圖和相關的人口、社會經濟統計數據等。其中影像數據和DEM分別來源于中國科學院對地觀測與數字地球中心和美國地質調查局網站(http://www.usgs.gov/)，1∶10萬比例尺地形圖來自青海省基礎地理信息中心，口和地方財政收入等統計數據均來源于1987年、1996 年和2007 年《青海省統計年鑒》［22］。

所有影像數據均已經過了前期的輻射糾正和幾何粗糾正，幾何精校正和配準采取影像到影像的幾何糾正方法，在ERDAS IMAGINE 9.2軟件支持下，以研究區已有的1999/2001年的影像為基準，分別對1987、1996和2007年的影像進行幾何精糾正和配準，幾何精糾正的像元誤差，平原區控制在0.5個像元，山區為1—2像元。投影均從通用橫軸墨卡托投影轉為阿爾伯斯等面積圓錐投影。流域邊界的獲取是在ArcGIS 9.3軟件平臺下，以1∶10萬比例尺地形圖和Landsat TM影像為基礎，結合DEM數據，勾繪出湟水流域邊界，根據流域邊界分別切割出3期流域遙感影像。

土地利用分類系統采用中國科學院“中國資源環境數據庫”土地利用遙感分類體系，并結合青海省土地資源調查技術規程和湟水流域的實際情況，將研究區的土地利用/土地覆被類型劃分為水澆地、旱地、林地、草地、水域、城鄉居住建設用地和未利用土地七類。通過野外實地踏勘，結合影像的地物光譜特征，建立了室內解譯標志。在ArcGIS 9.3軟件支持下，采用人工交互目視解譯方法對影像進行判讀解譯，分別獲得1987、1996和2007年三期土地利用矢量數據。經野外實地抽樣調查驗證，2007年總體解譯精度達到93%以上。結合地形圖和湟水流域相關歷史圖件和統計數據，對1987和1996年的解譯結果進行精度評價，總體精度分別達到88%和90%，精度符合研究要求。

表1 遙感影像信息Table 1 Remote sensing images information

以湟水流域三個相應時期的遙感影像為基礎，分別數字化獲取了各期的水系、城鎮和農村居住用地圖。流域鐵路、國道以及省道數據的獲取首先以研究區1∶10萬比例尺地形圖為準，參考谷歌地球中湟水流域2007年影像信息，并結合1∶400萬國家基礎地理信息數據，數字化獲得了2007年流域鐵路、國道和省道數據。在此數據基礎上，利用《青海省地圖集》(2009年第一版)、《青海省省志——公路志》及其他輔助數據，分別獲取了其他二期鐵路、國道和省道數據。將水系、城鎮和農村居民用地、鐵路、國道以及省道數據分別轉成柵格格式、格網大小為250m×250m。利用ArcGIS空間分析模塊中的距離制圖函數來分別計算每一柵格單元距水系、鐵路、國道、省道、城鎮和農村居民用地的直線距離，并按距離遠近分級。

2.2 研究方法

2.2.1 CLUE-S 模型原理

CLUE-S模型兼顧了土地利用系統中的自然和社會經濟驅動因子，在空間上反映土地利用變化的過程和結果，與其它土地利用模型相比，具有更高的可信度和更強的解釋力［12］。模型以柵格為研究單元，利用研究單元內的主要土地利用類型來表達該柵格內的土地利用情況，即通過計算每一種土地利用類型在該研究單元上的概率大小以確定哪種地類占優勢。綜合考慮湟水流域面積大小和模型運行的數據運算量，模擬運行的柵格大小設置為250m×250m。

CLUE-S模型的輸入包括:(1)政策限制區域，是指由于特殊的政策或者地區狀況在模擬時間段內部不允許隨便發生變化的區域，如:研究區內的自然保護區和基本農田保護區。本研究中，不設置受限制區域，整個研究區都允許發生土地利用變化;(2)土地利用各類型轉換規則和轉換彈性系數;(3)土地利用需求文件，屬于CLUE-S模型中的非空間分析模塊，主要記錄模擬時間段內各個土地利用類型的需求量，它是以1a為時間間隔的土地利用類型需求數據，包括模擬起始年到終止年時間段內各個年份的土地利用的面積;(4)區域位置特征與驅動因素的關系，是指土地利用的空間分布格局與其各驅動因素之間的關系。CLUE-S模型中，運用Logistic回歸分析方法計算土地利用的空間分布格局與其驅動因子之間的定量關系。其公式如下:

式中，Pi指的是某種土地利用類型i在某一個柵格單元內出現的概率;Xn，i為地類分布格局的各驅動因子，如人口、柵格單元到道路的距離以及地形條件等等;β為Logistic回歸方程的回歸系數，表示各土地類型與驅動因子之間的定量關系。

2.2.2 土地利用需求文件設置

土地利用需求文件的計算是獨立于CLUE-S模型之外。一般是采用SD模型［18］、Markov模型［23］、Grey模型［16］或者是通過線性內插的方法來獲得，但前3種方法需依賴于完善的社會經濟統計數據。線性內插方法則是一種簡單、快捷的計算方法，常用于缺乏社會經濟數據的區域，例如:張永民等［10］、擺萬奇等［15］、Verburg［24］等采用線性內插法插值獲取研究區的土地利用需求文件，并取得了良好的模擬效果。由于湟水流域縣級歷史社會經濟統計數據的缺乏及獲取較為困難，不能滿足前3種模擬方法對數據的要求。因此我們采用線性內插方法來獲取CLUE-S模型所需的土地利用需求文件。

2.2.3 土地利用轉換彈性參數設置

土地利用轉換彈性(ELAS)參數是指土地利用類型的穩定程度，它的值介于0與1之間，0表示某種土地利用類型極易轉換為其它類型，1表示某種土地利用類型不易轉換為其它類型，ELAS參數的值越接近1，表明該土地利用類型越不容易轉換為其它類型，發生轉換的可能性越小，土地利用就越穩定，對應的土地利用類型發生轉變的概率就越小，其設置主要依靠研究者對研究地區土地利用變化的理解［10］或者根據土地利用轉移情況和模型調試相結合的方法進行［14］。根據湟水流域土地利用類型的轉出率，并結合野外實際調查情況，首先對其進行初步的設置，并對照2007年土地利用現狀圖來檢驗模擬結果的總體精度和Kappa指數，將模擬結果再進行多次調試，最終分別為研究區1987—2007年與1996—2007年模擬期各選擇一組合適的參數。據此，1987—2007 年 ELAS 參數設置為:水澆地0.4，旱地 0.2，林地 0.9，草地 0.6，水域 0.9，城鄉居住建設用地1，未利用土地0.2;1996—2007 年 ELAS 參數為:水澆地0.4，旱地0.2，林地0.9，草地0.6，水域0.9，城鄉居住建設用地1，未利用土地0.3。

2.2.4 土地利用轉換規則的設置

轉換規則指在一定的情景模式下，各地類之間相互轉移的可能性矩陣［25］。轉換規則的設置是通過轉移矩陣來定義各土地利用類型之間能否實現轉變，1表示可以轉變，0表示不能轉變。其設置的一般原則:對高投資或者區域生態環境有重要影響的區域不可輕易轉換［18］。本文根據湟水流域1986—1996年和1996—2007年土地利用的轉移變化情況及轉換約束條件等綜合考慮，來實現對土地利用轉換規則的設置。主要對城鄉居住建設用地做了轉換限制設置，即城鄉居住建設用地不能轉換為其他地類(表2)。

表2 土地利用轉換限制Table 2 Land use transition restrictions

2.2.5 Kappa 指數

Kappa指數一般用來評價遙感影像的分類精度，也可以用來比較兩幅圖件的一致性，由Cohen在1960年提出［26］。將模擬得到的土地利用類型圖與真實土地利用類型圖進行空間疊加，得到兩幅圖的轉移矩陣，見表3，由此計算Kappa指數，其公式為:

式中，Po=P11+P22+P33+…+PJJ;Pc=R1×S1+R2×S2+R3×S3+…+RJ×SJ;Pp=R1+R2+R3+…+RJ。Po指的是對比真實圖和模擬圖后，得出的各類型比率正確程度的觀測值;Pc指的是在模擬圖上，偶然引起的比率正確程度的期望值;Pp是指真實圖上的比率正確程度的真實值，當真實圖和模擬圖完全一樣的情況下為1［27］;J代表的是土地利用類型的總數;j代表的是各土地利用類型。

表3 土地利用模擬類型圖與真實土地利用類型圖的轉移矩陣［28］Table 3 Transition matrix between simulated and actual land use type maps

由于公式(2)中的Kappa指數并沒有說明產生誤差的原因，因此Pontius等人［28-30］在此公式的基礎上，進一步發展了Kappa指數，來量化數量誤差和位置誤差。數量Kappa指數能夠說明土地利用類型在數量上的變化，位置Kappa指數能夠說明土地利用類型在空間位置上的變化，但是上述兩者不能綜合的反映土地利用類型變化的程度。而隨機Kappa指數和標準Kappa指數分別綜合了位置和數量的變化，能對綜合信息的變化進行量化［31］。具體計算方法見公式(3)—(6):

與真實土地利用類型圖相比，土地利用類型模擬圖指定土地利用類型圖數量的能力分為:完全(PQ)、中等(MQ)和無(NQ);指定土地利用類型圖空間位置的能力分為:完全(PL)、中等(ML)和無(NL)(表4)。

表4中，PQ指的是完全保持了各土地利用類型的原始面積;NQ指的是無法保持各土地利用類型的原始面積;MQ的情況正好位于上述兩種情況之間。同理，PL指的是完全準確地保持了各土地利用類型的空間位置;NL指的是無法保持各土地利用類型的空間位置;ML的情況正好位于上述兩種情況之間。根據公式(3)—(6)，可以分別計算出數量Kappa指數、位置Kappa指數、標準Kappa指數和隨機Kappa指數。Kappa指數的取值范圍在0—1之間，當Kappa≥0.75時，兩者一致性較好;0.4≤Kappa＜0.75時，兩者一致性一般;Kappa＜0.4時，兩者一致性差。

3 結果與分析

3.1 Logistic逐步回歸結果與分析

選取水澆地、旱地、林地、草地、水域、城鄉居住建設用地和未利用土地7種土地利用類型，海拔、坡度(分為0°≤坡度 ＜5°，5°≤坡度 ＜15°，15°≤坡度 ＜25°和坡度 ＞25°)、坡向(分為平坡、東坡、南坡、西坡和北坡)、分別距(河流、鐵路、國道、省道、城鎮和農村居民點)的距離、人口和地方財政收入等18種自然、社會經濟驅動因子，運用統計軟件SPSS對各土地利用類型和驅動因子進行Logistic逐步回歸計算。由于樣本量較大，所以我們采用隨機抽樣的方法，從研究區257184個樣本點中抽取了10%的樣本進行Logistic回歸分析。采用Pontius等人［30］提出的相對工作特性(ROC)方法進行回歸效果檢驗。ROC的取值介于0.5—1之間，0.5表示回歸方程的解釋能力最差，當ROC值大于0.7時，說明模擬的土地利用空間格局和真實的土地利用空間格局之間有良好的一致性，1表示方程的解釋能力最好。各土地利用類型的兩次模擬回歸檢驗結果見表5，ROC曲線見附圖1和附圖2(ROC曲線下面積越大，表明回歸效果越好)。

表4 百分比正確程度的分類［28］Table 4 Proportion correct classification

表5ROC檢驗結果Table 5 Test results of ROC

從表5可以看出，在兩次模擬過程中，各土地利用類型的ROC值均大于或等于0.7，表明所選取的驅動因子對各土地利用類型都有良好的解釋能力，其中水澆地的ROC值最大，1987年和1996年分別為0.946和0.945，說明所選驅動因子對水澆地的解釋能力最強;其次分別是城鄉居住建設用地、草地、林地、未利用土地和旱地，均達到了0.8以上，水域的ROC值最低，但也都達到了0.7。

3.2 模擬結果檢驗

基于CLUE-S模型，分別利用1987年和1996年兩期土地利用數據模擬得到2007年土地利用空間模擬圖，并以2007年實際土地利用圖分別驗證兩期的模擬精度。經計算，兩個不同時間段的模擬總體精度分別達到88.31%和89.96%;同時，利用公式(3)—(6)計算兩期模擬結果的4種Kappa指數(表6)，以進一步驗證模擬結果的準確性。表6顯示:兩個模擬時間段數量Kappa指數均為0.999，表明在不考慮空間位置變化的情況下，模擬結果圖與真實土地利用類型圖相比，各土地利用類型面積的一致性非常高。位置Kappa指數、標準Kappa指數和隨機Kappa指數均達到0.75以上。位置Kappa指數表明在不考慮數量變化的情況下，模擬結果圖與真實土地利用類型圖一致性較好。標準Kappa指數表明在中等保持空間位置和數量的能力下，模擬結果圖與真實土地利用類型圖一致性較好。隨機Kappa指數表明在不考慮空間位置和數量的情況下，模擬結果圖與真實土地利用類型圖一致性較好。

綜上所述，無論是用總體精度檢驗的方法還是利用Kappa指數進行驗證，模擬結果均具有較高的精度，說明CLUE-S模型完全適用于湟水流域的土地利用空間格局模擬。

表6 Kappa指數計算結果Table 6 The computed results of Kappa index

3.3 未來土地利用變化情景構建及模擬

3.3.1 土地利用變化情景構建

CLUE-S模型能夠支持探索未來不同情景下土地利用/土地覆被空間格局變化模擬。本文以流域2007年土地利用數據為模擬基準年，構建了2008—2027年土地利用變化的4種不同情景。

情景1，自然增長情景。該情景設置主要是依據研究區1996—2007年土地利用的變化速率，計算得到2027年各土地利用類型需求面積。其設置的主要依據為:根據對研究區域土地利用變化的分析［32］表明，1987—2007年期間，湟水流域土地利用的顯著變化發生在1996—2007年，特別是1999年國家“退耕還林、還草”政策和2000年“西部大開發戰略”實施以來，而1987—1996年期間流域的土地利用變化很小，因此情景一依據1996—2007年土地利用變化速率設置。

情景2—情景4為退耕情景，即分別為按照坡度≥15°、≥20°和≥25°進行退耕，林地面積分別增加6.67萬hm2，城鄉居住建設用地均按照2000—2007年的變化率恒定增加。這3種情景的設置主要是針對耕地類型進行設計，探討流域不同坡度坡耕地退耕還林、還草和城鄉居住建設用地持續增加情況下土地利用空間格局的變化情況。其主要依據:(1)研究區坡度大于15°以上的耕地約占流域耕地總面積的33%，依據《中華人民共和國水土保持法》規定，禁止在25°以上陡坡地開墾種植農作物。在干旱、半干旱地區，15°—25°的緩坡耕地雖然不屬于國家強制退耕的范疇，但也是退耕的重點，在這個坡度范圍內退耕還林、還草工程的實施必須兼顧農民生計和經濟發展，因此情景構建須同時考慮生態安全和糧食安全兩個方面的因素;(2)根據《青海省國民經濟和社會發展第十二個五年規劃綱要》，“繼續實施西寧南北兩山、湟水河流域百萬畝人工造林工程”(該工程隸屬于三北防護林工程第五期工程)，據此，在情景2—情景4中，設置林地面積均增加為6.67萬hm2。(3)自2000年以來，隨著西部大開發戰略的實施，湟水流域城鎮化進程日益加快、城鎮周圍耕地面積持續減少，故情景2—情景4中城鎮建設用地變化依據2000—2007年的變化速率。

3.3.2 不同情景下的土地利用空間變化格局模擬

基于CLUE-S模型，分別對上述4種情景進行模擬，圖2顯示4種情景下2027年各土地利用模擬圖和2007年實際土地利用圖。從圖2可以看出:情景1中，到2027年湟水流域的土地利用格局將按照現有的變化趨勢發展，其中變化最明顯的是林地和旱地，旱地大面積減少而林地大面積增加，城鄉居住建設用地明顯擴張，其它土地利用類型變化不是很明顯。情景2—情景4中，2027年模擬圖中退耕土地范圍，即林地、草地面積增加主要集中分布在湟水流域東部的樂都縣和民和縣、北部的大通縣縣城北部以及西部的湟源縣縣城西北部的湟水河兩岸。其中西部地區的變化最為明顯，到2027年大部分將退為草地。總之，3種情景中，退耕面積情景2＞情景3＞情景4。4種情景中，城鄉居住建設用地面積擴展主要是集中在河谷地區，而林地的增加主要分布在西寧市市區的周邊(主要是南山和北山)和流域北部地區(主要是大通和互助縣境內)。其它土地利用類型在上述4種情景的模擬圖中變化均不是很明顯。

4 結論和討論

本研究基于湟水流域1987年和1996年兩期土地利用數據，并結合自然和社會經濟等驅動因子，運用CLUE-S模型，對湟水流域2007年的土地利用空間分布格局進行模擬，經總體精度和Kappa指數檢驗，兩個模擬期均取得了良好的效果，表明CLUE-S模型在湟水流域具有較好的土地利用模擬能力。在此基礎上，依據湟水流域未來發展規劃，構建流域未來20a(2008—2027年)土地利用需求的4種不同情景，并對4種情景下2027年土地利用空間分布格局進行了模擬。研究結論可為湟水流域未來土地的利用規劃、管理及政策制定等提供參考依據和決策支持。

圖2 2007年實際土地利用圖與四種情景下2027年土地利用模擬圖Fig.2 Land use simulation maps in 2027 under four different scenarios and land use situation map in 2007

由于湟水流域橫跨海北藏族自治州(海晏縣)、西寧市(包括西寧市市區、大通縣、湟中縣和湟源縣)和海東地區(包括互助縣、平安縣、樂都縣和民和縣)8縣1市，研究中以縣級為單位的長時間序列歷史社會經濟統計數據的缺少以及數據統計口徑的不一致，致使社會經濟統計數據選擇受到限制和無法使用，故模擬中僅選擇了人口和地方財政收入兩個社會經濟驅動因子，這在一定程度上必將會影響模擬結果。如何更好地獲取和量化社會經濟驅動因子并將其運用于該流域土地利用模擬有待于今后進一步研究。

雖然CLUE-S模型對于土地利用變化的模擬具有良好的空間表達性，但是和其他模型相比，該模型對給定社會經濟條件下各類土地宏觀需求的空間表現仍然有限。目前，利用土地利用總量變化模擬模型(如:Grey模型、SD模型或Markov模型)與CLUE-S模型相結合等對土地利用變化進行模擬預測日益成為研究的熱點和重要方向。該類研究的主要特點是結合了土地利用總量變化模擬模型在模擬土地利用數量方面的能力和CLUE-S模型模擬土地利用空間格局變化的能力，因此已成為彌補CLUE-S模型模擬土地利用數量缺陷的一種有效的方法。因此在后續的研究中，將進一步探討土地利用總量變化模擬模型與CLUE-S模型相結合模擬湟水流域土地利用空間分布格局。

隨著湟水流域城市化進程的加快，城鄉居住建設用地迅速擴展，該類土地類型受政府政策因素的影響比較大，因此土地利用變化呈現出不確定性特征。然而CLUE-S模型很難模擬由于政策導向出現的開發區和工業園區等“蛙跳式”的土地利用空間分布格局，城鄉居住建設用地不確定性的變化特征在一定程度上會影響模擬的精度。因此在未來土地利用情景模擬的研究中，如何結合地方政策構建合理的土地利用情景也是今后研究的一個重點之一(圖3，圖4)。

圖3 1987年ROC曲線Fig.3 The ROC curve in 1987

圖4 1996年ROC曲線Fig.4 The ROC curve in 1996

［1］ Chen Y Q，Yang P.Recent progresses of international study on land use and land cover change(LUCC).Economic Geography，2001，21(1):95-100.

［2］ Cai Y L.A study on land use/cover change:the need for a new integrated approach.Geographical Research，2001，20(6):645-652.

［3］ Veldkamp A，Lambin E.Predicting land-use change.Agriculture Ecosystems＆ Environment，2001，85(1/3):1-6.

［4］ Li P，Li X B，Liu X J.Macro-analysis on the driving forces of the land-use change in China.Geographical Research，2001，20(2):129-138.

［5］ Lambin E F，Rounsevell M D A，Geist H J.Are agricultural land-use models able to predict changes in land-use intensity?Agriculture，Ecosystems＆ Environment，2000，82(1/3):321-331.

［6］ Skole D L，Chomentowski W H，Salas W A，Nobre A D.Physical and human dimensions of deforestation in Amazonia.Bioscience，1994，44(5):314-322.

［7］ Sheng S，Liu M S，Xu C，Yu W，Chen H.Application of CLUE-S model in simulating land use changes in Nanjing metropolitan region.Chinese Journal of Ecology，2008，27(2):235-239.

［8］ Verburg P H，Soepboer W，Veldkamp A，Limpiada R，Espaldon V，Mastura S S A.Modeling the spatial dynamics of regional land use:the CLUE-S model.Environmental Management，2002，30(3):391-405.

［9］ Veldkamp A，Fresco L O.CLUE:a conceptual model to study the conversion of land use and its effects.Ecological Modelling，1996，85(2/3):253-270.

［10］ Zhang Y M，Zhao S D，P H Verburg.CLUE-S and its application for simulating temporal and spatial change of land use in Naiman Banner.Journal of Natural Resources，2003，18(3):310-318.

［11］ Zhang Y M，Zhao S D，Zhang K B.Simulation of changes in spatial pattern of land use in Horqin desert and its outer area.Journal of Beijing Forestry University，2003，25(3):68-73.

［12］ Peng Jian，Cai Yunlong，P H Verburg.Simulation of land use/cover change scenarios in Karst mountain areas，Transactions of the CSAE，2007，23(7):64-70.

［13］ Zheng X Q，Zhao L，Hu Y C，Li N.Spatio-temporal allocation of general land-use planning index.Transactions of the Chinese Society of Agricultural Engineering，2010，26(4):297-305.

［14］ Liu Q F，Liu J P，Song K S，Li F，Wang Z M.Simulation on spatial pattern of land use change in Bielahong river basin based on CLUE-S model.Journal of Northeast Forestry University，2010，38(1):64-67，73-73.

［15］ Bai W Q，Zhang Y M，Yan J Z，Zhang Y L.Simulation of land use dynamics in the upper reaches of the Dadu river.Geographical Research，2005，24(2):206-212.

［16］ Wei Q.Simulation of Dynamic Change in Land Utilization Toksun County Based on CLUE-S Model［D］.Urumqi:Xinjiang University，2010.

［17］ Zhang H，Zhang B，Meng B，Ding W H.Land use and land cover change modeling in Zhangye city.Remote Sensing Technology and Application，2004，19(5):359-363.

［18］ Liang Y J，Xu Z M，Zhong F L.Land use scenario analyses by based on system dynamic model and CLUE-S model at regional scale:a case study of Ganzhou district of Zhangye city.Geographical Research，2011，30(3):564-576.

［19］ Chen R S，Cai Y L.Progress in the study of scale issues in land change science.Geographical Research，2010，29(7):1244-1256.

［20］ Chen Y Q，He Y B.Scale issues in the analysis of land use/cover change.Economic Geography，2005，25(2):152-155.

［21］ Tan Y Z，Wu C F，Mou Y M，Wang Q R，Yu Z G.Simulation of land use spatial pattern change on county scale in the rapid economic development region.Transactions of the Chinese Society of Agricultural Engineering，2006，22(12):72-77.

［22］ Statistics Bureau of Qinghai Province.Qinghai Statistical Yearbook 1987，1996，2007.Beijing:China Statistics Press，1988，1997，2008.

［23］ Wang Y S，Yu X X，He K N，Li Q Y，Zhang Y S，Song S M.Dynamic simulation of land use change in Jihe watershed based on CA-Markov model.Transactions of the Chinese Society of Agricultural Engineering，2011，27(12):330-336.

［24］Verburg P H.The CLUE-S model Tutorial CLUE-S(version 2.4)and DYNA-CLUE(version 2).Handbook of CLUE-S Model，2008.

［25］ Meng J J，Yan F，Zhao C H.Land use change simulation on the edge of metropolis A case study of Changping district in Beijing.Journal of Basic Science and Engineering，2010，18(2):197-208.

［26］ Cohen J.A coefficient of agreement for nominal scales.Educational and Psychological Measurement，1960，2(1):37-46.

［27］ Bu R C，Li X Z，Hu Y M，Chang Y，He H S.Analyzing the agreement of maps through spatial aggregations Acta Ecologica Sinica，2004，24(4):659-665.

［28］ Pontius Jr R G.Quantification error versus location error in comparison of categorical maps.Photogrammetric Engineering and Remote Sensing，2000，66(8):1011-1016.

［29］ Pontius Jr R G.Statistical methods to partition effects of quantity and location during comparison of categorical maps at multiple resolutions.Photogrammetric Engineering and Remote Sensing，2002，68:1041-1049.

［30］ Pontius Jr R G，Schneider L C.Land-cover change model validation by an ROC method for the Ipswich watershed，Massachusetts，USA.Agriculture，Ecosystems＆ Environment，2001，85(1/3):239-248.

［31］ Liu M，Hu Y M，Chang Y，Bu R C，Zhang W.Landscape change and its spatial driving force of farmlands in Wenchuan County of Minjiang river upper reach.Chinese Journal of Applied Ecology，2007，18(3):569-574.

［32］ Gao X H，Feng S C，Xie J A，Li J S.Analysis of cultivated land change by remote sensing data in the Huangshui River watershed，northwestern China.Proceeding of SPIE 8181，81811G(2011)，2011.

參考文獻:

［1］ 陳佑啟，楊鵬.國際上土地利用土地覆蓋變化研究的新進展.經濟地理，2001，21(1):95-100.

［2］ 蔡運龍.土地利用/土地覆被變化研究:尋求新的綜合途徑.地理研究，2001，20(6):645-652.

［4］ 李平，李秀彬，劉學軍.我國現階段土地利用變化驅動力的宏觀分析.地理研究，2001，20(2):129-138.

［7］ 盛晟，劉茂松，徐馳，郁文，陳虹.CLUE-S模型在南京市土地利用變化研究中的應用.生態學雜志，2008，27(2):235-239.

［10］ 張永民，趙士洞，P H Verburg.CLUE-S模型及其在奈曼旗土地利用時空動態變化模擬中的應用.自然資源學報，2003，18(3):310-318.

［12］ 彭建，蔡運龍，P H Verburg.喀斯特山區土地利用/覆被變化情景模擬.農業工程學報，2007，23(7):64-70.

［13］ 鄭新奇，趙璐，胡業翠，李寧.土地利用總體規劃指標時空分配.農業工程學報，2010，26(4):297-305.

［14］ 劉慶鳳，劉吉平，宋開山，李方，王宗明.基于CLUE-S模型的別拉洪河流域土地利用變化模擬.東北林業大學學報，2010，38(1):64-67，73-73.

［15］ 擺萬奇，張永民，閻建忠，張鐿鋰.大渡河上游地區土地利用動態模擬分析.地理研究，2005，24(2):206-212.

［16］ 魏強.基于CLUE-S模型的托克遜縣土地利用動態變化預測模擬研究［D］.烏魯木齊:新疆大學，2010.

［17］ 張華，張勃，孟寶，丁文暉.張掖市土地利用/覆蓋變化模擬.遙感技術與應用，2004，19(5):359-363.

［18］ 梁友嘉，徐中民，鐘方雷.基于SD和CLUE-S模型的張掖市甘州區土地利用情景分析.地理研究，2011，30(3):564-576.

［19］ 陳睿山，蔡運龍.土地變化科學中的尺度問題與解決途徑.地理研究，2010，29(7):1244-1256.

［22］ 青海省統計局編.青海省統計年鑒1987，1996，2007.北京:中國統計出版社，1988，1997，2008.

［23］ 王友生，余新曉，賀康寧，李慶云，張由松，宋思銘.基于CA-Markov模型的藉河流域土地利用變化動態模擬.農業工程學報，2011，27(12):330-336.

［25］ 蒙吉軍，嚴汾，趙春紅.大城市邊緣區土地利用變化模擬研究——以北京市昌平區為例.應用基礎與工程科學學報，2010，18(2):197-208.

［27］ 布仁倉，李秀珍，胡遠滿，常禹，賀紅士.尺度變換的正確率分析.生態學報，2004，24(4):659-665.

［31］ 劉淼，胡遠滿，常禹，布仁倉，張薇.岷江上游汶川縣耕地景觀變化及空間驅動力.應用生態學報，2007，18(3):569-574.