基于CA—Markov模型的青海湖流域土地利用變化模擬

雷浩川 王靈玥

摘要 [目的]利用遙感影像在定量描述土地覆蓋和環境變化方面具有的優越性，以青海湖流域為研究區，研究土地利用時空變化，以便對該地區的環境治理和生態恢復提供理論依據和技術支持。[方法]選取2001、2006、2011年3期TM遙感影像數據，利用支持向量機分類器分別對遙感影像進行分類得到每期的土地覆蓋圖，建立CAMarkov預測模型，經模型驗證后，應用該模型對2016年青海湖流域土地利用結構進行預測。[結果]預測結果與實際解譯結果接近。[結論]利用CAMARKOV預測模型預測土地覆蓋變化是可行的，能夠有效揭示土地覆蓋變化趨勢，對決策規劃、分析該地區土地荒漠化、生態環境變化規律及其成因具有重要意義。

關鍵詞 土地利用變化；AMarkov模型；遙感影像；動態模擬

中圖分類號 S127；P237 文獻標識碼

A 文章編號 0517-6611（2015）34-328-04

土地利用變化是反映人類活動程度的重要因子，分析土地利用時空變化規律，是揭示人類活動程度的有效方式[1-4]。利用遙感技術分析土地利用變化特點并預測未來情景，有助于揭示在人類活動影響下區域生態環境變化的過程和機理，進而為區域生態保護及可持續發展提供決策依據[5-8]。近年來研究人員使用了多種土地利用變化動態模擬模型，主要包括系統動力學（SD）[9]、元胞自動機（CA）[10–11]、馬爾可夫（Markov）[12–13]、CLUE[14]、CLUES[15–16]、基于智能體的（Agentbased）模型[17–18]、空間 Logistic[19]等模型。元胞自動機–馬爾可夫（CAMarkov）模型綜合了馬爾可夫模型長期預測的優勢和元胞自動機模擬復雜系統空間變化的能力，利用了2種模型的優點，既提高了土地利用類型轉化的預測精度，又可以有效地模擬土地利用格局的空間變化，近年來被國內外研究人員廣泛應用和探討[19-21]，主要集中于城市景觀格局或土地利用演變方面。探討流域土地利用的動態變化，對于當地科學合理地調整用地結構，保護生態環境、植被恢復、沙漠化治理等具有重要意義。筆者選取2001、2006、2011年3期TM遙感影像數據，利用支持向量機分類器分別對遙感影像進行分類得到每期的土地覆蓋圖，建立CAMarkov預測模型并進行模型驗證，應用模型對2016年青海湖流域土地利用類型年際變化特征及其空間分布規律信息進行預測，為環境治理提供理論依據和技術支持。

1 數據來源與研究方法

1.1 研究區概況 青海湖流域地處青海省的東北部，是青海省“十二五”規劃環境沙漠化治理、生態環境恢復的重點區域。研究區海拔2 275～5 826 m，總面積67 345 km2。多草地荒地，區域內沙地、草地、裸地面積52 982.49 km2，水域面積約6 123.00 km2，其中青海湖面積為4 583.00 km2，青海湖周邊大小河流有70余條，主要河流有布哈河、烏哈阿蘭河、哈爾蓋河、沙柳河、甘子河、倒淌河、黑馬河等。青海湖流域生態脆弱區域面積廣大，中度以上生態脆弱區域非常多，很多草地處于沙漠化的邊緣。區域內地貌較為復雜，有湖濱平原、沖擊平原、冰原臺地、山地和現代冰川。青海湖流域包括西寧市、湟中縣、湟源縣、大通回族土族自治縣、海晏縣、共和縣、剛察縣、天駿縣、烏蘭縣。西寧是青海省省會，湟中縣、湟源縣和大通縣是青海省內人口聚集、耕地面積較大的地區，其余各環繞青海湖的州縣平均海拔3 500 m，其中天駿縣最高海拔5 826.8 m。

1.2 數據選擇與處理

從地理空間數據云平臺中下載了 2001、2006和 2011年研究區的Landsat TM分辨率為30 m 的遙感影像為基礎數據。以當年 6月、7月、8月、9月的遙感數據為基礎，挑選出云量和植被分布最優的影像，對這3期原始數據的解譯分類基礎上，采用WGS84投影，利用ENVI 5.1和 ArcGIS 10.1對遙感影像進行解譯，獲得流域3期土地利用圖。土地利用類型包括耕地、沙地、草地、水域、建設用地和未利用地共6個一級地類。其他數據包括青海湖流域1∶5 萬 DEM 數據、西寧市及各區縣社會經濟統計年鑒等。

1.2.1 影像鑲嵌及裁剪。

青海湖流域在TM遙感衛星影像中位于條帶號“PATH = 132”和條帶號“PATH=135”之間，行號“ROW =033”的遙感影像的下部和“ROW =36”的遙感影像的上部。該研究在獲取青海湖流域分幅范圍內的原始影像的基礎上，使用ENVI軟件將各年份的原始影像的分幅圖像鑲嵌成一幅具有 3（5、4、3波段）個波段的TM影像數據。在ENVI軟件中，用全國縣界矢量圖邊界對3期影像進行切割裁剪，處理得到研究區域青海湖流域的影像數據。

1.2.2 影像分類及解譯。

根據青海湖流域的遙感影像和土地利用現狀的特點及其生態學意義，在參照土地類型劃分原則的基礎上，對青海湖流域2001年、2006年和2011年遙感影像進行土地利用分類。該研究在2007年新頒布的土地利用現狀分類基礎上，結合青海湖流域的實際情況，從研究性和便利性兩方面綜合考慮，將研究區域土地劃分為6 大類，即沙地、草地、耕地、建設用地、水域、裸地，各土地利用類型分類見表1。

通過支持向量機（SVM）分類對青海湖流域的3期影像進行分類解譯。該研究是在 ENVI 5.1軟件中分別建立 2001年、2006 年和 2011年青海湖流域影像的分類模板，通過不斷調整分類樣本和多次運行分類程序，對3期影像進行分類，最終得到青海湖流域土地利用的分類結果（圖1）。

圖1 2001、2006、2011年青海湖流域土地利用現狀

1.3 研究方法

采用2001、2006年的兩期影像建立CAMarkov模型，然后以2011年影像分類結果對模型的2011年預測結果進行驗證；最后利用驗證后的模型對2016年研究區土地時空變化趨勢進行了預測。主要方法流程見圖2。

圖2 基于CAMarkov模型的土地利用變化模擬技術流程

1.3.1 CAMarkov 模型。Markov模型是基于Markov過程理論而形成的預測事件發生概率的方法，通過對不同狀態的初始概率以及狀態之間的轉變頻率的研究，來確定狀態的變化趨勢，從而達到預測未來的目的。在土地利用變化研究中，可以將土地利用變化過程視為Markov過程，將某一時刻的土地利用類型對應于Markov過程中的可能狀態，它只與其前一時刻的土地利用類型相關，土地利用類型之間相互轉換的面積數量或比例即為狀態轉移概率。因此，可以利用如下公式對土地利用變化進行預測：

s（t+1）=s（t）pij （1）

式中，s（t）、s（t+1）分別是t、t+1時刻的系統狀態；pij是狀態轉移概率矩陣。狀態轉移概率矩陣是研究土地利用變化的關鍵，確定狀態轉移矩陣pij的數學公式的一般表達式為[21]：

p=p00p01…p0j

p10p11…p1j

…………

pi0pi1…pij（2）

式中，i表示土地利用的類型數量，pij表示土地利用類型i轉化類型j的概率，pij具有如下性質：①01≤pij≤1，即各元素都為正，且介于0到1之間；②∑nj=1pij=1，即每行元素之和等于1。

元胞自動機（CA）是時間、空間和狀態都離散的動力學模型，具有時空計算特征。單獨的隨機Markov模型缺乏空間知識，既沒有考慮地理因素，也沒有考慮每種土地利用類型的空間分布。CAMarkov模型則在模型中加入空間特征，使用元胞自動機濾波器創建空間意義明顯的權重因子，離現存土地利用越近的地區，該因子的權重大，使用該權重因子并依據相鄰柵格單元的狀態以及轉換規則，改變本柵格單元的狀態，因此更多地考慮了空間關系。這將確保土地利用轉變為最近的已存土地利用類型。

1.3.2 青海湖流域CAMarkov模型的構建。

以2011年青海湖流域土地利用格局圖為基礎，依據2006～2011年土地類型轉移矩陣和青海湖流域土地觀格局演變適宜性圖集，在ArcGIS軟件中構建CAMarkov模型對青海湖流域2016年土地利用格局進行模擬。

1.3.2.1 元胞自動機組成。

（1）元胞、元胞空間和元胞狀態的定義。

元胞自動機模型中的元胞與柵格數據中的柵格單元在結構上非常相似，該研究以遙感影像解譯所得到的青海湖流域土地利用現狀圖作為元胞空間，將其柵格單元作為元胞，元胞的大小根據遙感影像的精度取為30 m×30 m。在元胞自動機中，元胞的狀態作為一個離散的集合，集合中的每一個元素都代表著一個元胞的狀態。而在模擬土地利用格局變化時，需要將每種土地利用類型都與其相應的元胞及其狀態相結合，因此該研究中的元胞狀態是指耕地、草地、沙地、建設用地、水域和裸地6種類型。

（2）鄰域的定義。

在CA模型中，一個元胞下一時刻的狀態不僅取決于其自身，還與其鄰域內元胞在這一時刻的狀態有顯著關系。CAMarkov 模型是通過濾波器來定義元胞的鄰域，該研究采用5×5的濾波器，即為擴展的摩爾型鄰域，是指以某個元胞為中心其周圍 5×5 個元胞所組成的矩形空間，它會對該元胞下一時刻的狀態改變產生比較顯著的影響。

（3）轉換規則的定義。

作為土地利用變化模擬的核心，能否正確的定義轉換規則，直接關系到模擬效果，因此轉換規則的定義是構建CAMarkov 模型的關鍵。該研究采用土地利用格局轉變適宜性圖集來定義基于 CAMarkov模型的青海湖流域土地利用格局轉換規則，即通過土地利用格局轉變適宜性圖集作為轉換規則來模擬預測模型中每個元胞在下一時刻的狀態，以此來提高 CAMarkov 模型的模擬精度。

1.3.2.2 確定預測年份。該研究以 2006～ 2011年的青海湖流域土地利用格局變化為基礎進行預測。首先，綜合比較 2001、2006和2011年的青海湖流域土地利用格局變化情況，最終確定以 2006和2011年數掘為基礎預測。而在應用CAMarkov 模型進行模擬預測時，基期、末期和模擬3個時期間的間隔年份應該是相等的。因此，該研究根據基期和末期的時間間隔，后確定以 2011 年的青海湖流域地利用格局狀態為起始，來模擬預測 2016 年的青海湖流域土地利用格局。

1.3.2.3 土地利用格局轉移矩陣。

通過疊加分析青海湖流域始末兩期的土地利用現狀圖，得到青海湖流域該時段內的土地利用格局轉移概率矩陣。該研究利用IDRISI軟件的 Markov 模塊來自動生成西寧市土地利用格局轉移矩陣。

基于IDRISI的Markov模塊進行轉移概率矩陣的輸出，結果見圖3。

圖3 2006～2011年的轉移概率矩陣

1.3.2.4 制作適宜性圖集。

土地利用類型轉換適宜圖像是一種地類轉變為其他地類的概率，可利用IDRISIS中的 MCE模塊生成。在研究青海湖流域土地利用格局變化的基礎上，利用IDRISI軟件中的布爾疊加法作為制作土地利用格局轉變適宜性的主要方法進行多準則評價，所得到的青海湖流域土地利用格局轉變適宜性圖像作為青海湖流域土地動態模擬 CAMarkov 模型的轉換規則。

1.3.2.5 確定循環次數。

通常情況下這個循環次數要和研究所應用數據的時間間隔跨度一致或是成整數倍，多是根據土地利用轉移矩陣的年份間隔跨度來確定的，該研究的土地利用轉移矩陣年份間隔為 5年，為了提高模型的預測精度，采用等長年限預測，確定預測目標年為 2016年，即循環次數應為5。