天山西部山區土地利用變化預測

于宴民，穆振俠，彭 亮，何 英(新疆農業大學 水利與土木工程學院， 烏魯木齊 830052)

土地利用景觀格局的變化是對人類活動與自然環境相互作用結果的反映[1]，不同時空尺度下土地利用變化的研究對闡釋人類社會影響下某一區域生態空間格局變化的過程和機理等起到相關作用[2]。土地利用和覆被變化(LUCC)涉及區域城市發展、全球環境變化、經濟社會穩定與可持續發展等相關問題，已成為近年來研究的熱點問題[3]。

可用來預測和模擬各土地利用類型之間轉變的模型主要有：元胞自動機模型(CA模型)、馬爾科夫模型(Markov模型)和Clue-s模型等，這3種模型在適用性和模擬精度方面均存在一定的缺陷與不足。CA模型可預測出土地利用景觀格局在空間分布的情況，卻對數量的變化無法預測[4]；Markov模型雖然能預測出土地利用景觀格局數量上的動態變化情況，卻對空間分布情況無法預測[5]；Clue-s模型的利用效率不是很高，需要在預測的同時借助其他模型作為輔助[6]。CA-Markov模型耦合了CA模型和Markov模型這兩個土地利用預測模型的優勢，既滿足數量變化方面的要求，又實現了對土地利用景觀格局空間的預測模擬[7]。近年來CA-Markov模型已被廣泛的探討與應用，且在變化分析和模型預測等方面取得了一系列成果。Lingling Sang等利用CA-Markov模型，基于2001年、2006年和2008年3期的土地利用數據對城鎮和村莊兩種土地利用空間格局的變化過程進行模擬，結果表明，城市的發展和人口的增長導致土地資源需求的空間格局發生變化[8]；霍明明等基于CA-Markov模型采用3期遙感影像分析預測了其研究區土地利用的情況，既驗證了模型的適用性又預測出未來土地利用情況的變化[9-12]。

天山西部山區屬于河流的源流區和水利工程的重點開發區，土地利用/覆被變化將會對區域下墊面產生一定的影響，進而使得流域水文過程、產匯流規律發生變化，目前對天山西部山區土地利用和覆被情況的規律進行的預測研究較少，本研究以天山西部山區典型河流區為研究區，運用馬爾科夫模型分析了1990-2000年和2000-2010年的土地利用變化格局，基于2000年的土地利用數據和1990-2000年的轉換規則，利用CA-Markov模型預測研究區2010年的土地利用情況，將2010年實際土地利用情況和模擬的情況進行對比以此驗證模型的精度；又基于2010年的土地利用數據和2000-2010年的轉換規則，利用CA-Markov模型預測出研究區2020年的土地利用情況，為今后該流域土地資源的合理利用、進行水文預報分析等提供一定的理論依據。

1 研究區概況

本研究以天山西部山區(E81°40′～ 85°10′，N43°25′～ 44°15′)為研究區，其發源于依連哈比爾尕山冰川地帶。流域呈狹長的柳葉形狀，水系呈羽狀。由于地理位置和下墊面因素，其徑流的補給方式為冰川積雪融水補給為主，降雨補給為輔，地下水補給次之的混合型補給。流域地勢西南高、北部低，氣候特征表現為雨量充沛、晝夜溫差大的特征。多年月平均降水量為48.5 mm，多年月平均氣溫值為5.8 ℃，多年月平均徑流量為31.3 m3/s。流域上各種冰川共551條，冰川面積為421.60 km2，冰儲存量為28.18 m3[13]，流域通常在12月封凍，次年3月解凍。

本研究主要采用新疆維吾爾自治區20世紀80年代末(1990年)、2000和2010年3期1∶10萬的矢量土地利用數據集，數據來源于中國西部環境與生態科學數據中心(http:∥westdc.westgis.ac.cn)與中國科學院資源環境科學數據中心(http:∥www.resdc.cn)。基于GIS平臺與研究區流域邊界數據對此數據進行影像的裁剪和融合等預處理，并按100 m×100 m空間分辨率進行重采樣。

2 研究方法

2.1 CA-Markov模型

IDRISI軟件由美國克拉克大學的克拉克實驗室開發，是一個將遙感與地理信息系統相結合的應用軟件，由遙感圖像處理、地理信息系統分析、決策分析、空間分析等多個專業應用模塊組成[14]。本研究選用IDRISI軟件中CA-Markov模塊對研究區未來一定時期內的土地利用變化情況進行預測研究。具體操作如下：①數據格式轉換，基于GIS和 IDRISI中的轉換工具，將數據統一轉換為IDRISI支持的rst柵格數據格式；②定義CA濾波器，根據距離元胞的遠近來創建具有顯著空間意義的權重因子，進而確定出元胞狀態的改變，本文鄰域定義為CA標準為5×5鄰近濾波器；③確定轉換規則，本文元胞狀態的轉換規則為Markov模型生成的土地利用類型轉移概率矩陣；④確定循環次數，本研究將循環次數設為10 a，以1990年與2000年進行模型率定，以2000年作為起始時刻模擬2010年的景觀格局，并以2010年作為模型模擬的起始時刻來模擬2020年的景觀格局。

2.2 精度檢驗

選用Kappa指數評價兩個圖件的精度和一致性，Kappa指數(Ik)的表達式[15]為：

Ik=(P0-Pc)/(Pp-Pc)

(1)

P0=n1/n,Pc=1/N

(2)

式中：P0為模擬正確柵格的比例；Pc為隨機情況下期望模擬正確的比例；Pp為理想情況下正確模擬柵格的比例，Pp的值一般取1；n1為模擬正確的柵格數；n為景觀格局圖的柵格總數；N為景觀類型的數量。Kappa指數大于0.75，則表明兩個圖件具有較高的一致性，即模擬的結果較好，可信度較高。

3 結果及分析

3.1 土地利用類型演變特征分析

(1) 1990-2000年土地利用類型演變特征分析。在土地利用類型變化和預測的過程中，每一個柵格就相當于是一個元胞，此時元胞的土地利用類型代表元胞的狀態，利用轉移概率矩陣即可確定元胞狀態的轉移，從而來模擬土地利用景觀格局空間的變化[16]。Markov作為CA-Markov模型重要的一部分，要求預測對象具有馬爾科夫過程特性[17]，即土地利用變化呈現某種變化趨勢的平穩性過程，而事實上土地利用會因自然或人為因素發生突發性變化。土地利用轉移矩陣可以定量地反映不用土地利用類型之間的轉換關系。本文以1990-2000年的土地利用轉移矩陣為轉換規則(表1)，由表可知研究區1990-2000年這10 a土地利用類型轉移情況為：耕地主要轉化為林地和草地，其中2.51%轉化為林地，13.18%轉化為草地，其主要補充來源是城市、工礦、居民用地。林地主要轉化為草地和水域，而增加部分主要來源于耕地和城市、工礦、居民用地。由于坡度和溫度等原因，水熱條件較好的區域適合耕地的發展，而水土流失嚴重的區域需要植樹造林，進而導致了耕地和林地之間的相互轉化。城市、工礦、居民用地主要轉化為草地和耕地，其中8.52%轉化為草地，16.33%轉化為耕地，其主要補充來源是耕地。未利用土地在這10 a未發生轉移。

表1 1990-2000年土地利用類型轉移概率 %Tab.1 The transition probability of land use type from 1990 to 2000

(2)2000-2010年土地利用類型演變特征分析。基于2000年和2010年兩期的數據，利用Markov模塊得出2000-2010年天山西部山區的土地利用類型的轉換規則(表2)。由表2可看出研究區在2000-2010年10年間耕地主要轉化為草地和水域，其中4.67%轉化為草地，4.75%轉化為水域，而耕地的主要補充來源是城市、工礦、居民用地。14.08%的林地轉化為草地，而增加部分主要來源于草地和水域。城市、工礦、居民用地主要轉化為草地和耕地，其中6.42%轉化為草地，10.70%轉化為耕地，其主要補充來源是耕地。未利用土地有5.36轉化為草地，2.8%轉化為水域。

表2 2000-2010年土地利用類型轉移概率 %Tab.2 The transition probability of land use from 2000 to 2010

3.2 模型精度檢驗

為了檢驗CA-Markov模型在天山西部山區的適用性，以2000年為模擬的起始時刻，并以1990-2000年之間的土地利用類型轉移概率為轉換規則，以CA-Markov模型為平臺，預測研究區2010年的景觀格局，將研究區土地利用實際值(圖1)與預測值(圖2)用IDRISI中GIS Analysis的CROSSTAB工具做模型的整體精度驗證，得出2010年研究區土地利用預測值與實際值的整體Kappa系數為0.9566，由此得出模型模擬結果較好且符合精度要求，在研究區較為適用。

圖1 2010年實際土地利用格局Fig.1 Actuality of land use pattern of 2010

圖2 2010年預測土地利用格局Fig.2 Prediction of land use pattern of 2010

將實際的2010年各土地利用類型所占面積和模擬的2010年各土地利用類型所占面積進行對比(表3)可看出：耕地和城鄉、工況、居民用地與實際值的相對誤差較大，其主要原因是耕地和城鄉、工況、居民用地主要分布在喀什河下游河谷兩側區域，導致了耕地若不能夠保持不變，一部分面積是往城鄉、工況、居民用地轉化，但模型中耕地的轉化要大于實際情況下的轉化；其他類型與實際值的相對誤差均在1%以內，各類土地利用情況均模擬的較好。

表3 2010年實際與模擬各土地利用類型所占面積對比Tab.3 Actual and simulated area contrast of each land use type in 2010

3.3 2020年土地利用情況預測

利用2010年研究區實際土地利用數據，基于2000-2010年的土地利用類型轉換規則，構建CA-Markov模型，對研究區2020年的土地利用情況進行預測模擬，得出2020年的土地利用格局預測圖(圖3)。

圖3 2020年的土地利用格局預測圖Fig.3 Land use structure prediction in 2020

對研究區2010-2020的土地利用類型變化規律進行分析(表4)，可看出研究區2010-2020年這10 a土地利用面積轉移量很小，耕地面積向草地和水域分別轉化了1.97和16.48 km2，而其來源是0.67 km2的未利用土地面積；15.52 km2的林地轉化為草地；這10 a研究區草地未向其他類型的土地轉移，但有1.97 km2的耕地和15.52 km2的林地面積轉為草地；2.46 km2的水域面積轉化為未利用土地，且水域的主要來源為16.48 km2的耕地、0.86 km2的城鄉、工況、居民用地和 1.36 km2的未利用土地；研究區城鄉、工況、居民用地的面積很少一部分轉化為耕地、草地和水域；未利用土地向草地轉移了12.62 km2的面積，向水域轉化了1.36 km2。由圖4和圖5可明顯地看出2010年到2020年各土地利用類型的變化情況很小。

表4 2010-2020年土地利用類型轉面積轉移 km2Tab.4 The area transition probability of land use from 2010 to 2020

圖4 2010年各土地利用類型面積(單位：km2)Fig.4 The area of each land type in 2010

圖5 2020年各土地類型所占面積(單位：km2)Fig.5 The area of each land type in 2020

對2020年土地利用變化情況(表5)進行分析，可知：天山西部山區2020年耕地、林地、草地、水域、未利用土地和城市、工礦、居民用地的面積分別為427.38、876.67、6 279.25、811.81、1 120.87、63.43 km2。相對于2010年，草地和水域的利用面積有所增加，分別增加了3.14、20.60 km2；而耕地、林地、未利用土地和城市、工礦、居民用地的面積有所減少，分別減少了12.73、2.88、6.90和1.23 km2。由于所在區域2000年左右水利工程的相繼開發，且研究區降水量較豐富，高于多年平均情況，使得水域面積有所增大；且2000年左右國家實行退耕還林、退耕還草的政策初建成效，使得研究區耕地面積有所減少。

表5 2020年土地利用變化動態分析Tab.5 The dynamic analysis of land use change in 2020

4 結 語

為了掌握天山西部山區2020年的土地利用情況，以期更好地進行水文預報等工作，本文利用1990年和2000年的土地利用數據，基于CA-Markov模型預測了2010年的土地利用情況，將2010年實際值與模擬值對比發現CA-Markov模型對研究區土地利用景觀格局的模擬較好且精度較高，故對研究區2020年的土地利用情況進行了預測，結果表明：

(1)由于研究區1990-2000年的人類活動較少、工程開發的較少，因此這10 a土地利用類型變化不大且未利用土地在這期間未發生轉移。

(2)2000-2010年間由于經濟社會的發展，土地利用景觀格局發生了一些變化。耕地主要轉化為草地和水域，而耕地的主要補充來源是城市、工礦、居民用地。林地主要轉化為草地，而來源于草地和水域。城市、工礦、居民用地主要轉化為草地和耕地，主要補充來源是耕地。未利用土地主要轉化為草地和水域。

(3)經過對比2010年土地利用實際值與模擬值后發現CA-Markov模型在預測方面精度較高且在研究區具有一定的適用性。

(4)2010-2020年間，隨著城市化的發展、水利工程的建設及退耕還草，使得草地和水域的利用面積有所增加，分別增加了3.14、20.60 km2；而耕地、林地、未利用土地和城市、工礦、居民用地的面積有所減少，分別減少了12.73、2.88、6.90和1.23 km2。

(5) 2020年研究區土地利用的主要構成部分還是草地用地，面積達6 279.25 km2，占總面積的65.55%。

(6)由于缺乏部分驅動數據，致使在考慮土地利用變化的驅動因子方面還存在不足。

□

[1] 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．

[2] 孫賢斌，劉紅玉，李玉鳳，等．基于CA-Markov模型土地利用對景觀格局影響辨識[J]．生態與農村環境學報，2009，25(1):1-7,31．

[3] 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):553-557．

[4] 郭歡歡，李 波，侯 鷹，等．元胞自動機和多主體模型在土地利用變化模擬中的應用[J]．地理科學進展，2011，30(11):1 336 -1 344．

[5] 魏 偉，石培基，周俊菊． 近20 多年來石羊河流域景觀格局演變特征[J]．干旱區資源與環境，2013,27(2):156-161．

[6] Verburg P H, Soepboer W, Veldkamp A, et a1. Modeling the spatial dynamics of regional land use:The CLUE-s Model[J].Environmental Management, 2002,30(3):391-405.

[7] 郭 斌,張 莉,文 雯,等. 基于CA-Markov模型的黃土高原南部地區土地利用動態模擬[J].干旱區資源與環境,2014,28(12):14-18.

[8] Sang L, Zhang C, Yang J, et al. Simulation of land use spatial pattern of towns and villages based on CA-Markov model[J]. Mathematical and Computer Modelling, 2011,54(3):938-943.

[9] 霍明明,張軼瑩,陳偉強. 基于CA-Markov的土地利用變化及預測研究——以鞏義市魯莊鎮為例[J].中國農學通報, 2015,31(12):279-284.

[10] 楊 俊，解 鵬，席建超，等．基于元胞自動機模型的土地利用變化模擬——以大連經濟技術開發區為例[J]. 地理學報,2015,70(3):461-475.

[11] 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.

[12] 肖 明,吳季秋,陳秋波，等．基于CA-Markov模型的昌化江流域土地利用動態變化[J]. 農業工程學報,2012,28(10):231-238.

[13] 施雅風,劉潮海,王宗太，等．簡明中國冰川目錄[M].上海:上海科學普及出版社,2005:41-48.

[14] 李勝強. IDRISI計劃與IDRISI地理信息系統[J]. 遙感技術與應用,1994,9(1):62-67.

[15] 布仁倉,胡遠滿,常 禹，等．景觀指數之間的相關分析[J]. 生態學報,2005,10(25):2 764-2 775.

[16] 劉紀遠,莊大方,張增祥，等．中國土地利用時空數據平臺建設及其支持下的相關研究[J]. 地球信息科學,2002,(3):3-7.

[17] 黎 夏,劉小平.基于案例推理的元胞自動機及大區域城市演變模擬[J].地理學報,2007,62(10):1 097-1 109.