河北省太行山區土地利用變化及預測研究
——以涉縣為例

溫利華， 劉紅耀， 張廣錄

(1.邯鄲學院 地理與旅游系， 河北 邯鄲 056005； 2.刑臺市農業科學研究院， 河北 刑臺 054005；3.中國科學院 遺傳與發育生物學研究所農業資源研究中心， 石家莊050021)

?

河北省太行山區土地利用變化及預測研究
——以涉縣為例

溫利華1， 劉紅耀2， 張廣錄

(1.邯鄲學院 地理與旅游系， 河北 邯鄲 056005； 2.刑臺市農業科學研究院， 河北 刑臺 054005；3.中國科學院 遺傳與發育生物學研究所農業資源研究中心， 石家莊050021)

以河北省太行山區退耕還林的典型縣—涉縣為研究對象，基于2000年、2008年遙感影像數據和其他輔助資料，分析了涉縣土地資源的時空變化過程及各土地利用類型之間的轉化關系，并基于CA-Markov模型預測2016年涉縣的土地利用格局.結果表明：2000年～2008年，耕地、林地、草地始終是太行山區土地覆蓋的主導類型，隨著退耕還林工程的逐步實施，研究區內林地增加21.08 km2、草地增加39.26 km2，耕地減少79.22 km2，工業用地、住宅用地面積增長迅速；CA-Markov模型預測結果顯示：預計2016 年，林地、草地將實現穩定增長，耕地面積將繼續減少，但減少速度減緩，農村住宅用地將繼續保持高速增長的態勢.

土地利用； CA-Markov 模型； 涉縣； 太行山區； 河北省

“國際地圈-生物圈計劃”(IGBP)和“全球環境變化人類因素計劃”(IHDP)兩大國際組織于1995 年聯合提出了“土地利用/土地覆蓋變化(land use/cover change, LUCC)研究計劃”，具有自然和人文雙重屬性的土地利用變化研究已經成為全球變化研究的熱點[1].土地利用/覆蓋變化作為全球變化的重要組成部分，可引起許多自然現象和生態過程的變化，如土壤養分、氣候、生物多樣性和水環境的變化等，并進一步對社會經濟發展產生深層次影響[2-4].因此，分析土地利用的變化特征并對其未來發展態勢進行情景預測具有重要現實意義.目前已經被廣泛應用和發展的土地利用動態變化模型主要有Logistic 回歸模型、Markov 模型、土地利用變化及效應模型(CLUE)、人工智能化模型和最優化模型等[5-8].侯西勇等基于Logistic-CA-Markov 模型對山東沿海地區土地利用和景觀格局變化進行了深入研究[9]，陸汝成等基于CLUE-S 和 Markov復合模型對環太湖地區的土地利用進行了情景模擬研究[10].目前存在的情景分析模型需要輸入大量的自然、社會、經濟數據進行驅動力分析，數據的獲取性、連續性和準確性難以保證，實現精準預測的難度較大.CA-Markov(cellular automaton-markov)模型，既綜合了CA模型模擬復雜系統空間變化的能力又兼具Markov 模型長期預測的優勢，自然、社會、經濟等因子的選擇也比較靈活，可以很好地從時間和空間上模擬土地利用的變化情況.本文以河北省太行山區退耕還林的典型縣─涉縣為研究對象，分析了2000 年、2008 年涉縣 2 a的土地利用變化特征，在此基礎上，基于CA-Markov 模型預測涉縣2016 年的土地利用變化趨勢，以期為該地區的生態保護與資源優化配置決策提供科學依據.

1區域概況

涉縣位于河北省邯鄲市西部山區，處于太行山東麓，晉冀豫3省交界處.涉縣縣境位于36°17′～36°55′N，113°26′～114°之間，東西橫距37.5 km，南北最大縱距64.5 km，總面積約1 500 km2.涉縣以東為東郊山、古垴、老爺山為界，毗鄰武安市、磁縣；西以黃花山、黃櫨垴為界，與山西黎城、平順縣相連；南與河南省安陽市、林州市隔漳河、濁漳河相望；北面有左權嶺界牌山.涉縣氣候為溫帶大陸性季風氣候，四季變化明顯，年平均氣溫在12.5℃，降水量為500 mm，光熱資源豐富.境內多為山地，最高海拔1 563 m，最低海拔為203 m，相對高度1 260 m.土壤主要為褐土類、草甸土類、水稻土類.自改革開放以來，涉縣依托豐富的礦產資源優勢，突出太行山區核桃、花椒、柿子等特色經濟發展，旅游業、服務業等第三產業和非公有制經濟發展迅速，實現了全縣經濟超常規發展， 截止2010年，全縣國內生產總值完成213億元，在河北省各縣中位列第13位.

2數據來源和研究方法

2.1數據來源

本研究的數據由遙感衛星圖像、涉縣的高程、交通、人口資料4部分組成，其中遙感數據是美國陸地資源衛星Landsat-5的TM數據，時相分別為2000年6月25日、2008年7月10日，空間分辨率為30m，將空間數據統一到WGS84投影坐標系，涉縣人口資料均來源于《邯鄲市統計年鑒》.數據處理平臺主要包括ERDAS、ARCGIS和Idrisi.

由于遙感數據已經過預處理，在Arc map中利用涉縣的行政區劃圖作為邊界條件，在ERDAS預處理模塊中進行圖像裁剪，得到2000年和2008年2期研究區影像數據，采用監督分類和目視修正相結合的方法，參照我國現行的土地分類標準，確立該區的土地利用分類系統分為：耕地、林地、草地、果園、工業用地、住宅用地、交通用地和水域共八類，參考同期的地面資料及經實地驗證對比解譯精度可以達到80%，能夠滿足研究要求.利用Idrisi中GIS分析模塊中的Change/Time series對2期土地利用圖進行轉移矩陣的處理與計算，并利用CA-Markov模型對涉縣2016年的土地覆蓋格局進行模擬預測.

2.2研究方法

2.2.1 Markov模型 基于馬爾科夫鏈的馬爾科夫模型是時間和狀態都離散的隨機運動過程，模型中未來時刻各狀態的變化趨勢由該系統中不同狀態的起始概率和狀態之間的轉移概率來確定，從而實現對未來趨勢的預測[11].Markov模型可表示為：

St+1=P·St,，

(1)

式中St+1，St分別為t+1和t時刻的土地利用狀態；P為狀態轉移概率矩陣.

(2)

式中，n為土地利用類型；Pij表示由i類土地利用類型轉變為j類土地利用類型的概率.

由公式(1)、(2)可見，馬爾科夫模型可以定量計算未來各土地利用類型的面積比例，這一特性也已經成功應用于土地利用格局的動態變化研究中，但馬爾科夫模型沒有空間概念，在模擬時不能兼顧各土地類型狀態的空間位置和分配，不能達到精準預測未來土地利用變化趨勢的目的.

2.2.2 CA模型 元胞自動機(cellular automata, CA)是具有空間計算能力的動力學模型，其特點是時間、空間、狀態都離散，系統的動態演化是元胞通過其與鄰域的相互作用完成的，每個元胞遵循相同的轉換規則，狀態改變的規則在時間和空間上表現為局部特征[12].CA 模型可表示為：

(3)

式中，S為元胞的狀態集合，N為元胞的鄰域，t、t+1表示初始時刻和未來時刻；f為局部空間元胞狀態的轉化規則.

2.2.3 CA-Markov模型耦合的預測過程 Markov模型和CA模型均為時間、狀態都離散的動力學模型，馬爾柯夫模型經常被用來預測復雜事物的發展趨勢，可以很好預測事物的長期發展，但Markov模型只有數量的概念卻沒有空間概念；CA模型中的元胞變量則與空間位置緊密相連，可以模擬復雜空間系統的時空演變.若 Markov模型和CA模型可以有效耦合，就可以實現既保證時間系列的長度又保證空間預測的精度，達到準確預測未來土地利用格局的目的.

本文采用 Idrisi 中的 CA-Markov 模塊來預測2008年之后8a的空間土地利用變化情況，模型的工作原理是以2008年的土地利用圖為初始狀態，以2000年和2008年土地利用圖的轉移矩陣數據和適宜性圖集為依據，對2016年涉縣土地利用格局進行預測.

參數設置過程如下：

1)元胞：元胞大小即為柵格圖像大小，單元大小劃分為 100 m×100 m.

2)狀態：元胞狀態就是其所指向的土地利用類型.

3)元胞空間：在地理空間實體模擬過程中，元胞自動機的二維元胞空間與空間柵格數據對接，整個土地利用格局空間就是元胞空間，具有空間位置的屬性.

4)鄰居：在 CA-Markov 模塊中的鄰居是按照相鄰元胞距離元胞的遠近程度賦予空間意義的權重，本文使用 Idrisi 中默認的 5×5 濾波器來定義元胞鄰域.

5)規則：Idrisi 中依據多目標決策模塊(MCE，multi-criteria evaluation)確定的適宜性圖像集(.rgf)來確定.本文以DEM、道路、人口為約束條件，將3個因子二值標準化為布爾圖像并分別賦予權重合成適宜性圖像集.

3結果與分析

3.1土地利用變化分析

2000年～2008年，研究區內土地利用類型主要以林地、草地和耕地為主，符合我國北方山區土地利用結構的特點，2000年，林地、草地和耕地面積分別為：868.75 km2、244.19 km2和289.91 km2，至2008年林地、草地和為耕地面積分別為：889.83 km2、283.45 km2和210.69 km2，其中耕地面積減小79.22 km2，林地、草地面積增加21.08 km2和39.26 km2，可見太行山區退耕還林還草政策的實施初見成效.但是隨著山區經濟及城鎮化進程的快速發展，研究區內工業用地面積由2000年的9.98 km2增加至24.07 km2，年均增長率高達17.65%；另外這一階段住宅用地、果園和交通用地均有少量增加，水域面積略有減少.

表1 2000年、2008年涉縣土地利用類型對比Tab.1 Comparison of land use patterns of Shexian County between 2000 and 2008 km2

2000年～2008年，耕地轉出總面積為95.10 km2，主要轉向林地和草地，面積分別為25.70 km2和草地47.71 km2，占全部轉出耕地面積的27.02%和50.16%，其次是工業用地和住宅用地，占全部轉出耕地的22%；相對耕地轉入，這一階段其他土地類型向耕地轉入15.88 km2，耕地面積凈減少79.22 km2.另一方面，林地面積實現凈增加21.46 km2, 林地轉出量較少，僅為8.88 km2，而轉入量為30.34 km2，退耕還林面積達到25.70 km2.草地同樣實現凈增加39.26 km2，轉出量為10.96 km2，而同時期轉入50.22 km2，其中退耕還草面積達到47.71 km2.可見，自2002年涉縣實施退耕還林還草工程以來，已取得一定成效.

另外，2000年～2008年，工業用地和住宅用地分別轉出3.98 km2、0.56 km2，該時期轉入面積卻達到8.92 km2、14.65 km2，且主要由耕地、林地和草地轉入，住宅用地、工業用地分別增加了4.94 km2和14.09 km2.果園和耕地之間轉入轉出關系明顯，新增加核桃、花椒等經濟作物主要由耕地轉移而來.可見北方山區城鎮化、特色農業的快速發展對進一步深化退耕還林還草政策有一定影響.

表2 研究區2000年、2008年土地利用轉移矩陣Tab.2 Land use type transition matrix in the study area between 2000 and 2008 km2

3.2CA-Markov模型預測結果分析

基于CA-Markov模型對涉縣2016年的土地利用類型進行預測，模擬結果見圖1、表3，檢驗精度的Kappa 系數為0.853 0，模擬效果較好.

圖1 涉縣2016年土地利用預測圖Fig.1 Predication of land use structure of Shexian County in 2016表3 2008年、2016年涉縣土地利用類型對比Tab.3 Comparison of land use patterns of Shexian County between 2008 and 2016

km2

表3顯示，按照2000年～2008年土地利用變化趨勢，預計到2016年涉縣土地利用情況將進一步趨向合理，耕地面積減少至174.24 km2，減少35.54 km2，年均變化率由上一階段的3.42%降低到2.16%，減少速度有所減緩；林地和草地面積分別增加至899.13 km2和300.08 km2，分別增加9.30 km2和16.63 km2，林地和草地面積將出現平穩增長的趨勢；工業用地有小幅增長，由24.07 km2增加至25.01 km2；另外預計到2016年住宅用地面積增加至56.38 km2，年均增長率由2000年～2008年的1.56%增加到3.33%，增長幅度較快；交通用地與2000年～2008年這一階段變化幅度相似，變化不大；水域面積減少3.05 km2，年均變化率由0.40%增加到2.02%，這主要是由于上世紀90年代以來河北省通過0℃的積溫變化呈增加趨勢，西部太行山區平均每十年增加值更高達93.0℃[13]，氣候變暖導致地表水域面積將進一步減少.

4結論

涉縣作為河北太行山區退耕還林的典型縣，2000年耕地、林地、草地分別占區內總面積的19.40%、58.13%和16.34%， 至2008年分別占區內總面積的14.10%、59.54%和18.97%；基于CA-Markov模型預測，預計2016年，耕地、林地、草地分別占區內總面積的11.66%、60.16%和20.08%，可見，耕地、林地、草地始終是太行山區土地覆蓋的主導類型，隨著退耕還林、生態修復工程的逐步實施，該區域的植被覆蓋度有一定提高，土地利用結構將進一步趨向合理.

隨著涉縣新農村建設和工業化的快速發展，2000年～2008年住宅用地、工業用地面積增長迅速，其中新增住宅用地6.70 km2、工業用地10.41 km2均由耕地轉入，太行山區的耕地占補平衡很難達到.隨著農村“空心村”現象的進一步顯現，預計2016年住宅用地增加11.87 km2，應該進一步完善北方山區耕地資源保護的相關措施，促進耕地資源合理非農化.

基于CA-Markov模型對涉縣土地利用格局進行定量預測，精度可以高達80%以上，可見應用該模型來預測北方山區土地利用變化的趨勢是可行的.然而土地利用變化是個非常復雜的過程，受到地理條件、經濟發展、人口增長、氣候變化、政策和規劃等多種不確定因素的影響，本研究僅是建立在地形條件、 交通、人口數據的基礎上預測未來涉縣土地利用格局變化，未考慮經濟發展、氣候變化、政策和規劃等客觀因素，使得基于CA-Markov模型預測的精度有一定的局限性.另外CA-Markov模型并沒有開發獨立的系統軟件，使得應用于GIS軟件中的模型在土地利用模擬中有一定的局限性和缺點，為了保證模型的運行速度，往往元胞的劃分較大、分類體系比較粗糙、數據格式轉換也比較頻繁，這些因素都會不同程度的影響預測精度.

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

[2] 張 楊，劉艷芳，顧漸萍，等. 武漢市土地利用覆被變化與生態環境效應研究[J].地理科學，2011,31(10)：1280-1285.

[3] 吳文斌，楊 鵬，唐華俊，等. 土地利用對土壤性質影響的區域差異研究[J].中國農業科學，2007,40(8)：1697-1702.

[4] 吳宏安，蔣建軍，張海龍，等. 西安地區城鎮擴展及其生態環境效應研究[J]. 自然資源學報，2006，21(2)：311-318.

[5] 唐華俊，吳文斌，楊 鵬，等. 土地利用/土地覆被變化(LUCC)模型研究進展[J]. 地理學報，2009，64(4)：456-468.

[6] 張鴻輝，曾永年，譚榮一，等．多智能體區域土地利用優化配置模型及其應用[J].地理學報，2011,66(7)：972-984.

[7] 陳佑啟，Verburg P. 基于 GIS 的中國土地利用變化及其影響模型[J]. 生態科學，2000，19(3)：17.

[8] 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[J]. 地理研究，2010，29(3)：460-470.

[9] 吳 莉，侯西勇，徐新良，等．山東沿海地區土地利用和景觀格局變化[J]. 農業工程學報，2013,29(5)：207-216.

[10] 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.

[11] 吳 瓊，王如松，李宏卿，等．土地利用/景觀生態學研究中的馬爾可夫鏈統計性質分析[J].應用生態學報，2006，29(3)：577-581.

[12] 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，2001.

[13] 李元華，劉學鋒，劉 莉，等. 河北省近50年0e界限溫度積溫變化特征分析[J].干旱區資源與環境，2006,20(4)：12-15

Study on the change and predication of the land use in Hebei Province——a case of She County

WEN Lihua1， LIU Hongyao2, ZHANG Guanglu3

(1.Geography and tourism department, Handan College, Handan， Hebei 056005；2.Xingtai Institute of Agricultural Science, Xingtai，Hebei 054005;3.Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology,Chinese Academy of Sciences, Shijiazhuang 050021)

Taking She County, a county typical in reforestation of marginal arable land in Taihang mountain area of Hebei Province, as research object, this paper analyzed the temporal and spatial change process of its land resources and the conversion relationship between different types of land use by using the remote sensing image data and other auxiliary data in 2000 and 2008, and predicted its land use pattern in 2016 by using the CA-Markov model. The results showed that: 1) from 2000 to 2008, cultivated land, forestland and grassland have always dominated the land cover of Taihang mountain area; 2) with the implementation of the project of reforestation of marginal arable land, forestland and grassland have increased by 21.08 km2and 39.26 km2respectively and the industrial land and residential land have increased rapidly., while the cultivated land have reduced by 79.22 km2; 3) to 2016, forestland and grassland will increase steadily and the rural housing land will maintain rapid growth, while cultivated land will continue to decrease, but with a slow-down rate.

land use; CA-Markov model; She County; Taihang mountain area; Hebei Province

2013-09-23.

中國科學院知識創新工程重大項目(KZCX1-YW-08-03)；邯鄲市社科聯重點項目“邯鄲市社會經濟發展與土地利用關系研究”.

1000-1190(2014)02-0296-05

U412.1+4

A

*通訊聯系人. E-mail: recordzhang@126.com.