基于CA—Markov模型的細河流域土地利用變化動態模擬

杜娟+楊國范+李佳奇

摘要：為探討細河流域的土地利用變化情況，利用1991，2001和2011年3期遙感影像解譯得到的土地利用數據，采用CA-Markov模型模擬2011年的土地利用情景，確定模型可靠。以2011年數據為基礎，預測20 a后的土地利用情況。結果表明：2031年細河流域的土地利用格局基本不變，與2011年相比，林地、草地、水域和建設用地處于增加狀態，而耕地與未利用地則相對減少。

關鍵詞：土地利用，遙感，CA-Markov模型，細河流域

中圖分類號：F301.2 文獻標識碼：A 文章編號：1674-1161（2014）06-0059-04

在人口急劇膨脹、全球環境惡化、能源趨于枯竭的當今，經濟發展和生態環境保護之間的矛盾日益加劇。大量的研究表明，土地利用變化是引起全球環境變化的重要原因之一，也是目前全球環境變化研究的重要組成部分和核心內容，其格局在全球和區域尺度上不斷發生變化。通過開展不同時空尺度的土地利用景觀格局研究，為相關部門提供較為準確、可靠的土地利用變化數據，為區域土地資源的優化配置及生態適宜性評價提供科學參考，對研究土地資源的可持續利用及社會經濟發展具有重要的意義。

基于1991年、2001年和2011年的遙感影像資料，以細河流域為研究對象，通過RS和GIS技術獲取區域不同時期的土地利用情況，結合CA-Markov模型預測流域2031年的空間變化趨勢，旨在為該區的土地利用規劃、管理和生態恢復提供依據。

1 研究區概況

細河位于遼寧省境內，是大凌河下游左側最大的支流。地理坐標位于東經121°32′20″～121°53′10″、北緯 41°54′30″～42°07′10″之間。河流發源于阜蒙縣他本扎蘭鄉駱駝山北坡牌樓營子村附近，流經阜新市區及阜蒙縣的東梁鄉、伊嗎圖鄉、臥鳳溝鄉，于清河門區的蔡家屯入義縣復興堡匯入大凌河，干流全長約113 km，流域總面積2 932 km2。地形復雜，所處大地構造按照高程劃為低山丘陵區。該區處于溫帶半干旱、半濕潤區，屬北溫帶大陸性季風氣候，典型的季節性河流，四季分明，雨熱同季。

2 數據處理和解譯

根據中科院地理所數據中心提供的1991年、2001年和2011年Landsat TM遙感影像數據，對各期影像進行預處理；根據中科院土地利用分類系統，將研究區土地利用類型分為6類，即耕地、林地、草地、水域、建設用地和未利用地，并結合土地利用現狀資料建立各地類的解譯標志；利用ENVI 4.8和Arcgis 10軟件采用人機交互監督分類的方法獲取 3個時期土地利用現狀圖；對不同時期各地類的面積進行統計、疊加、提取、處理，分析區域不同時段的動態變化信息，結果見表1。

3 基于CA-Markov模型的流域土地利用預測

3.1 CA-Markov模型簡介

元胞自動機（CA）主要由元胞、元胞空間、元胞狀態、鄰域、轉換規則及離散時間構成。該模型強大的空間分析運算能力能夠快速準確地模擬繁雜的動態系統。概括來講，根據轉換規則來決定元胞的狀態變化是CA模擬的核心，即一個元胞t時刻的狀態及其鄰域狀態能夠決定其t+1時刻的狀態。Markov模型是俄國數學家提出的一種預測方法，其基本原理是運用概率論中的馬爾科夫理論與方法分析隨機事件的概率，并推斷未來可能的變化趨勢。在土地利用轉化的空間模擬中，CA模型與Markov模型各具特色，但又都存在一定缺陷。CA模型具有較強的空間概念，可以很好地模擬復雜的空間演變能力。但單純的CA模型存在一定的局限性，主要表現在：元胞狀態變化的轉換規則獲取難度較大，且狀態變量主要局限于局部小環境，受外界大環境的影響較大。Markov模型比較側重于數量方面的預測，但在預測過程中缺少空間變量，難以獲取土地利用空間變化程度及格局的變化。CA-Markov模型充分利用了CA模型和Markov模型的優點，彌補了彼此的不足，不僅可以實現數量上的精確預測，還能實現空間位置的直觀表達。

本研究將元胞定義為30 m×30 m的柵格單元，以細河流域為元胞空間，每一元胞都可能有6種狀態，即6種土地利用類型。元胞的初始狀態及狀態轉移條件決定其最終狀態。選用5×5計算模板濾波器，循環20次對流域土地利用情況進行預測。

3.2 土地利用/覆蓋變化影響因素分析

正確選擇土地利用變化驅動力因子，是利用CA-Markov模型進行土地利用模擬預測的關鍵。耕地的適宜坡度在15°以內，如果只考慮坡度因素，耕地適宜分布于流域中部；不同土壤類型對耕地的影響程度不同，如棕壤和褐土的保水保肥效果較好，適宜發展農耕地；林地主要分布于低山丘陵區；建設用地的影響因素主要是坡度、距市、鎮中心距離。

根據細河流域DEM數據得到坡度圖（見圖1），考慮流域城鎮的實際規模，將城鎮和縣級市適宜擴張的范圍分別設定為4 km和8 km，在Arcgis10下作緩沖區分析（圖2）。水域受地形限制，對外界的抵抗能力較小，以已提取的細河水系50 m緩沖區作為流域可能擴張的范圍（圖3）。依據圖1—3制作流域土地利用變化適宜性圖集。

3.3 流域土地利用/覆蓋變化模擬

為驗證CA-Markov模型在細河流域的適用性及準確性，在ENVI4.8，Arcgis10及IDRISI軟件支持下，根據1991年和2001年土地利用結果圖，在IDRISI中使用Markov模塊計算土地利用狀態轉移矩陣；然后，根據CA-Markov模塊對細河流域2011年的土地利用情況進行模擬；最后，將模擬結果與實際解譯結果進行對比分析（見表2）。

由表2可知：模擬結果誤差較大的是未利用地和草地，分別為5.23%，4.25%；其次是林地、建設用地和耕地；水域的誤差最小，為1.61%，模擬值與實際值在數量上比較接近。

CA-Markov模型模擬精度的確定沒有統一的方法，通常從數量和空間上進行評價。采用隨機驗證方式，即在研究區范圍內隨機選擇500個樣本，與2011年土地利用遙感解譯圖進行疊加統計比較，其中有431個點的土地利用類型是一致的，正確率達86.20%。通過對模型進行精度分析，發現該模型能夠很好地模擬研究區的發展趨勢與空間分布，可以用來對細河流域未來土地利用狀況進行預測。

3.4 流域土地利用變化預測

基于2011年的土地利用數據，在IDRISI軟件環境支持下，根據Markov模塊計算2001—2011年狀態轉移概率矩陣；利用所選的驅動因子制作土地轉變適宜性圖集，得到馬爾科夫的隨機選擇結果（圖4）；最后運用CA-Markov模塊預測2031年細河流域土地利用情景（圖5），并對預測結果進行統計分析（表3）。

由表3可知：細河流域2031年與2011年各土地利用類型面積比例基本相似，均為耕地面積比例最大，林地、建設用地次之，水域最小；未來20 a水域的增加速率最大；未利用地的減少速率最大。

總體來說，利用CA-Markov模型模擬預測細河流域土地利用變化情況是比較可信的，能夠很好地模擬流域2001—2011年的土地利用變化情況。雖然模擬和預測結果均存在誤差，但基本上可以反映未來一定時間內各地類的空間變化情況及發展趨勢。

4 結論

應用CA-Markov模型對細河流域2011年土地利用情景進行模擬，結果表明，該模型對流域模擬的正確率達86.20%，精度較高，因此可以用來預測未來土地利用變化趨勢。

通過分析2001年、2011年2期的土地利用數據，結合現有資料，構造土地利用變化轉移矩陣，選擇影響土地利用變化的主要因素，利用該模型對研究區2031年的土地利用情景進行預測。結果表明，2031年流域的土地利用類型仍以耕地、林地、草地和建設用地為主；2011—2031年的林草地、水域、建設用地面積均有所增加，而耕地與未利用地面積則處于減少狀態。

該預測結果可為細河流域土地資源的規劃和管理提供科學依據，對流域生態環境保護政策制定具有一定的指導意義。土地利用信息提取的方法很多，但此次研究僅采用了遙感軟件中的監督分類法，今后應將不同的數學算法及地學分析方法應用到土地利用信息解譯過程中，以提高影像的分類精度。

參考文獻

[1] 鄧書斌.ENVI遙感圖像處理方法[M].北京：科學出版社，2010.

[2] 杜自強，王建，陳正華，等.基于RS和GIS的區域土地利用動態變化及演變趨勢分析[J].干旱區資源與環境，2007，21（1）：115-119.

[3] 盧鵬，岳彩榮，馮水琴，等.基于GIS和元胞自動機的土地利用/覆蓋變化模擬—以滇西北香格里拉縣為例[J].東北林業大學學報，2011，39（10）：84-89.

[4] 劉淑燕，余新曉.基于CA-Markov模型的黃土丘陵區土地利用變化[J].農業工程學報，2010，26（11）：297-303.

CA-Markov模型模擬精度的確定沒有統一的方法，通常從數量和空間上進行評價。采用隨機驗證方式，即在研究區范圍內隨機選擇500個樣本，與2011年土地利用遙感解譯圖進行疊加統計比較，其中有431個點的土地利用類型是一致的，正確率達86.20%。通過對模型進行精度分析，發現該模型能夠很好地模擬研究區的發展趨勢與空間分布，可以用來對細河流域未來土地利用狀況進行預測。

3.4 流域土地利用變化預測

基于2011年的土地利用數據，在IDRISI軟件環境支持下，根據Markov模塊計算2001—2011年狀態轉移概率矩陣；利用所選的驅動因子制作土地轉變適宜性圖集，得到馬爾科夫的隨機選擇結果（圖4）；最后運用CA-Markov模塊預測2031年細河流域土地利用情景（圖5），并對預測結果進行統計分析（表3）。

由表3可知：細河流域2031年與2011年各土地利用類型面積比例基本相似，均為耕地面積比例最大，林地、建設用地次之，水域最小；未來20 a水域的增加速率最大；未利用地的減少速率最大。

總體來說，利用CA-Markov模型模擬預測細河流域土地利用變化情況是比較可信的，能夠很好地模擬流域2001—2011年的土地利用變化情況。雖然模擬和預測結果均存在誤差，但基本上可以反映未來一定時間內各地類的空間變化情況及發展趨勢。

4 結論

應用CA-Markov模型對細河流域2011年土地利用情景進行模擬，結果表明，該模型對流域模擬的正確率達86.20%，精度較高，因此可以用來預測未來土地利用變化趨勢。

通過分析2001年、2011年2期的土地利用數據，結合現有資料，構造土地利用變化轉移矩陣，選擇影響土地利用變化的主要因素，利用該模型對研究區2031年的土地利用情景進行預測。結果表明，2031年流域的土地利用類型仍以耕地、林地、草地和建設用地為主；2011—2031年的林草地、水域、建設用地面積均有所增加，而耕地與未利用地面積則處于減少狀態。

該預測結果可為細河流域土地資源的規劃和管理提供科學依據，對流域生態環境保護政策制定具有一定的指導意義。土地利用信息提取的方法很多，但此次研究僅采用了遙感軟件中的監督分類法，今后應將不同的數學算法及地學分析方法應用到土地利用信息解譯過程中，以提高影像的分類精度。

參考文獻

[1] 鄧書斌.ENVI遙感圖像處理方法[M].北京：科學出版社，2010.

[2] 杜自強，王建，陳正華，等.基于RS和GIS的區域土地利用動態變化及演變趨勢分析[J].干旱區資源與環境，2007，21（1）：115-119.

[3] 盧鵬，岳彩榮，馮水琴，等.基于GIS和元胞自動機的土地利用/覆蓋變化模擬—以滇西北香格里拉縣為例[J].東北林業大學學報，2011，39（10）：84-89.

[4] 劉淑燕，余新曉.基于CA-Markov模型的黃土丘陵區土地利用變化[J].農業工程學報，2010，26（11）：297-303.

CA-Markov模型模擬精度的確定沒有統一的方法，通常從數量和空間上進行評價。采用隨機驗證方式，即在研究區范圍內隨機選擇500個樣本，與2011年土地利用遙感解譯圖進行疊加統計比較，其中有431個點的土地利用類型是一致的，正確率達86.20%。通過對模型進行精度分析，發現該模型能夠很好地模擬研究區的發展趨勢與空間分布，可以用來對細河流域未來土地利用狀況進行預測。

3.4 流域土地利用變化預測

基于2011年的土地利用數據，在IDRISI軟件環境支持下，根據Markov模塊計算2001—2011年狀態轉移概率矩陣；利用所選的驅動因子制作土地轉變適宜性圖集，得到馬爾科夫的隨機選擇結果（圖4）；最后運用CA-Markov模塊預測2031年細河流域土地利用情景（圖5），并對預測結果進行統計分析（表3）。

由表3可知：細河流域2031年與2011年各土地利用類型面積比例基本相似，均為耕地面積比例最大，林地、建設用地次之，水域最小；未來20 a水域的增加速率最大；未利用地的減少速率最大。

總體來說，利用CA-Markov模型模擬預測細河流域土地利用變化情況是比較可信的，能夠很好地模擬流域2001—2011年的土地利用變化情況。雖然模擬和預測結果均存在誤差，但基本上可以反映未來一定時間內各地類的空間變化情況及發展趨勢。

4 結論

應用CA-Markov模型對細河流域2011年土地利用情景進行模擬，結果表明，該模型對流域模擬的正確率達86.20%，精度較高，因此可以用來預測未來土地利用變化趨勢。

通過分析2001年、2011年2期的土地利用數據，結合現有資料，構造土地利用變化轉移矩陣，選擇影響土地利用變化的主要因素，利用該模型對研究區2031年的土地利用情景進行預測。結果表明，2031年流域的土地利用類型仍以耕地、林地、草地和建設用地為主；2011—2031年的林草地、水域、建設用地面積均有所增加，而耕地與未利用地面積則處于減少狀態。

該預測結果可為細河流域土地資源的規劃和管理提供科學依據，對流域生態環境保護政策制定具有一定的指導意義。土地利用信息提取的方法很多，但此次研究僅采用了遙感軟件中的監督分類法，今后應將不同的數學算法及地學分析方法應用到土地利用信息解譯過程中，以提高影像的分類精度。

參考文獻

[1] 鄧書斌.ENVI遙感圖像處理方法[M].北京：科學出版社，2010.

[2] 杜自強，王建，陳正華，等.基于RS和GIS的區域土地利用動態變化及演變趨勢分析[J].干旱區資源與環境，2007，21（1）：115-119.

[3] 盧鵬，岳彩榮，馮水琴，等.基于GIS和元胞自動機的土地利用/覆蓋變化模擬—以滇西北香格里拉縣為例[J].東北林業大學學報，2011，39（10）：84-89.

[4] 劉淑燕，余新曉.基于CA-Markov模型的黃土丘陵區土地利用變化[J].農業工程學報，2010，26（11）：297-303.