基于CA-Markov模型的土地利用/覆蓋變化模擬

陳學，朱康文，雷波

(1.重慶市大足區環境保護局環境監測站，重慶　402360；2.重慶市環境科學研究院，重慶　401147)

?

基于CA-Markov模型的土地利用/覆蓋變化模擬

陳學1，朱康文2，雷波2

(1.重慶市大足區環境保護局環境監測站，重慶402360；2.重慶市環境科學研究院，重慶401147)

摘要：研究以重慶市2005年和2010年土地利用/覆蓋數據為基礎，采用CA-Markov模型進行2020年土地利用/覆蓋變化模擬。研究對采用CA-Markov模型模擬重慶市土地利用/覆蓋變化需要的轉移概率矩陣、適宜性圖集、模型參數等進行確定。研究首先利用CA-Markov模型對2010年土地利用/覆蓋情況進行模擬，并以2010年的土地利用現狀數據進行驗證得到模擬精度為85.15%，達到了模擬的精度要求。然后對2020年重慶市土地利用/覆蓋變化進行模擬，結果發現人工用地、其他用地、濕地、草地、林地和耕地的占比分別為1.96%、0.56%、1.99%、2.53%、55.42%和37.55%，人工用地和濕地增加速度較快，增加比例達到13.95%和10.86%，主要為林地、草地和其他用地轉換。模擬結果能夠準確反映重慶市土地利用/覆蓋變化的趨勢，可在一定程度上為重慶市土地利用布局和可持續發展策略的制定提供參考。

關鍵詞：CA-Markov模型；土地利用/覆蓋變化；重慶市

隨著城市化進程和社會經濟的快速發展，建設用地的不斷增加導致人地矛盾持續加劇，如何使土地開發利用更加合理、控制建設用地增速、合理布局城鎮用地等是目前急需解決的問題[1-2]。土地利用格局的變化可以在一定程度上反映土地利用的過程，多個時期的土地利用變化的分析可以很好地闡釋區域在某一時間段的土地利用時空變化過程和機理[3-4]。通過分析這些變化規律可以建立區域內的土地利用變化模型，有利于預測區域內土地利用/覆蓋變化[5]。

目前國內外進行土地利用/覆蓋變化的模型較多，使用較多的包括CLUE-S模型[6-8]、CA-Markov模型[9-12]、系統動力學模型[13-16]等基于元胞自動機(CA)原理的模型。CA模型是目前研究土地利用/覆蓋變化預測的常用模型之一，且大多數模型都具有非常成熟的軟件模塊，國內外都有大量研究成果，廣泛應用在城市擴張及土地利用/覆蓋變化模擬等方面。Markov模型由于具有長期預測的能力也被廣泛應用，例如Hulst[17]和Lippe[18]等曾將Markov模型應用在解決植被生態預測問題方面等。但單純的CA模型側重于元胞局部的相互作用，而單純的Markov模型又難以預測土地利用/覆蓋的空間格局變化。因此將CA模型和Markov模型結合可以在空間和數量上均取得較好的模擬效果。近年來CA-Markov模型被廣泛應用，例如黃曉磊運用Markov模型進行天津市的土地利用預測研究[19]，由于其綜合了CA模型模擬復雜系統空間變化的能力和Markov模型長期預測的能力，使土地利用/覆蓋變化的模擬更符合實際。

重慶市由于其特殊的地理區位，處于我國二、三級階梯過渡帶，區域內有我國重要的生態屏障——三峽庫區，且十八大指出要優化國土空間開發格局，同時重慶市提出“藍天、碧水、寧靜、綠地、田園環保”五大行動以推進重慶市的生態文明建設。但是重慶市屬于我國典型的山地城市，區域內適宜建設空間較小，那么隨著城市的不斷擴張必然導致生態空間遭到破壞。因此合理布局未來的城市發展空間非常有必要，為了更好地規劃未來發展空間需要對未來可能出現的土地利用/覆蓋變化情況進行預測，以利于城市發展空間的布局。本文以重慶市2005年和2010年土地利用現狀數據作為基礎數據，采用CA-Markov模型對重慶市2020年的土地利用/覆蓋情況進行預測，以期為城市規劃布局提供參考。

1數據來源及研究方法

本文采用的2005年和2010年土地利用/覆蓋數據為重慶市生態十年遙感調查項目的成果(數據已獲國家環保部認可)，土地利用類型分林地、草地、濕地、耕地、人工用地和其他用地6種一級分類。

圖1　技術路線圖Fig.1　The technology roadmap

研究主要分為總量預測和格局預測兩部分，均采用IDRISI Andes 15.0軟件對應的CA-Markov模塊進行計算，具體流程見圖1。本研究計算過程中的元胞大小為30 m×30 m，以2005年和2010年的土地利用轉移概率矩陣及各類型土地的適宜性圖集作為轉換規則輸入CA-Markov模型中進行模擬運算，運算中濾波器采用5×5的窗口大小。首先進行2010年的土地利用/覆蓋變化模擬，并與2010年現狀土地利用數據進行對比分析以驗證模擬結果的精度，并對模擬參數進行修改調整，最后進行2020年的土地利用預測。

2結果與分析

2.1生成Markov轉移概率矩陣

土地利用轉移矩陣用來反映某區域某一時期內的各土地類型之間的相互轉變情況，清晰地了解兩個不同時期的土地利用結構，并反映研究初期各種土地利用類型的變化去向和末期各土地利用類型的來源。將2005年和2010年的土地利用/覆蓋變化數據進行疊加分析，得到不同土地利用類型的轉換情況。轉移矩陣可作為CA-Markov模型中的Markov面積轉換文件輸入模型中。2005年和2010年重慶市土地利用/覆蓋類型的轉移概率矩陣如表1所示。

表1　2005年和2010年轉移概率矩陣Table 1　The transition-probability matrix in 2005 and 2010

表1中可以看出，林地的轉出類型主要為耕地和人工用地，轉入類型主要為草地和耕地；草地的轉出類型主要為林地、濕地和人工用地，轉入類型主要為耕地；濕地的轉出類型主要為耕地，轉入類型主要為草地和其他用地；耕地的轉出類型主要為林地和人工用地，轉入類型主要為其他用地，其他用地面積很小，說明耕地基本沒有轉入；人工用地的轉出類型主要為濕地，但面積基本可以忽略不計，轉入類型主要為草地、耕地和其他用地，以及少量林地；其他用地的轉出類型主要為濕地和耕地，轉入基本沒有。表中分析發現林地、耕地和人工用地的變化較大，其他類型土地變化較小。

2.2生成適宜性圖集

研究所需要的土地利用/覆蓋轉變的適宜性圖集是采用IDRISI Andes 15.0軟件中的MCE模塊生成的。MCE(多規則評價模型)模塊是通用的評價與集中多種標準的方法，作為一種多準則評價的決策支持工具已在土地適宜性評價等領域被廣泛使用[20]。

以重慶市土地利用現狀圖為基礎，應用IDRISI Andes 15.0軟件中的MCE模塊進行林地、草地、濕地、耕地、人工用地和其他用地的土地利用適宜性圖集的計算，適宜性圖集將直接作為輸入因子輸入CA-Markov模型中進行計算。

2.3精度驗證

應用IDRISI Andes 15.0軟件中的CA-Markov模塊進行2010年土地利用模擬，將2005年重慶市土地利用現狀圖作為基期數據，輸入2005年和2010年轉移矩陣，并將6種土地利用類型的適宜性圖集輸入模型，迭代次數設置為2，濾波器窗口大小設置為5×5(即150 m×150 m)，進行2010年重慶市土地利用/覆蓋變化模擬。

圖2　2010年現狀圖和模擬結果圖Fig.2　The current situation map and simulation results map in 2010表2　2010年土地利用/覆蓋模擬精度驗證Table 2　The verification for simulation accuracy of land use/cover in 2010

類型人工用地其他用地林地濕地耕地草地實際柵格數1570761564289508451191642917345148492404456預測柵格數1700172520629492893731723815357352002573202預測誤差8.24%-7.74%-3.06%4.92%3.54%7.02%

CA-Markov模型模擬的2010年結果如圖2所示，為了定量分析模擬結果的精度，從數量和空間兩個角度對模擬結果與現狀數據進行對比分析。表2為2010年模擬結果與現狀結果的不同類型土地利用/覆蓋的實際柵格數與預測柵格數的對比分析，可以看出誤差較大的主要為人工用地、其他用地和草地，誤差高于5%低于10%，林地、濕地和耕地的誤差均低于5%，從數量角度分析達到了預測的精度要求。從空間的角度出發，對各柵格的位置的偏差進行統計分析，采用ArcGIS軟件的空間疊加分析功能，分析發現柵格位置的準確率為85.15%，即Kappa系數為0.85(Kappa系數一般用于評價遙感數據的分類精度以及兩個圖件之間的相似程度，Kappa≤0.4表示模擬效果較差，0.4≤Kappa≤0.75表示模擬效果一般，不一致的柵格較多，當Kappa≥0.75時表示模擬效果較好，具有較高的可信度)，達到了空間上的精度要求，也表明模擬的總體精度為85.15%。

2.42020年土地利用/覆蓋模擬

上述驗證結果表明，采用研究給定的轉移概率矩陣、適宜性圖集和參數設置，可以準確模擬重慶市土地利用/覆蓋變化情況，因此將2010年土地利用/覆蓋現狀圖作為基期數據，進行2020年土地利用/覆蓋變化模擬。

圖3　2020年模擬結果圖Fig.3　The simulation results map of 2020

2020年的模擬結果如圖3所示，變化較為明顯的主要是人工用地的快速增加。表3為2020年各類型土地利用/覆蓋的柵格數，結果分析發現，人工用地、其他用地、濕地和草地的占比較低，分別為1.96%、0.56%、1.99%和2.53%，林地和耕地的占比較高，分別為55.42%和37.55%。其中人工用地和濕地增加速度較快，增加比例分別達到13.95%和10.86%，主要為林地、草地和其他用地轉換，耕地略有減少。

表3　2020年土地利用模擬結果Table 3　The simulation results of land use in 2020

結果反映出人工用地和濕地的變化速度較快，屬于不穩定的土地利用類型，按照目前的發展趨勢林地和草地將大幅減少，這是由于對于經濟利益過度追求并不考慮生態效益的結果。國家及重慶市政府近兩年提出的生態保護紅線劃定將有利于控制人工用地的擴張和生態用地減少，以保護區域內的生態服務功能持續穩定的改善。

3結語

(1)研究對2010年模擬結果與2010年土地利用/覆蓋現狀數據進行對比分析，模擬精度達到85.15%，表明利用CA-Markov模型進行重慶市土地利用/覆蓋變化的模擬是可行的。

(2)研究采用的CA-Markov模型綜合了CA模型和Markov模型的優點，有效提高了模擬的精度，模擬的結果較準確地反映了重慶市土地利用/覆蓋變化的趨勢，可在一定程度上為重慶市的土地利用布局和可持續發展策略的制定提供參考依據。

(3)本研究依據土地利用/覆蓋現狀數據、轉移概率矩陣和適宜性圖集進行預測模擬，未考慮諸如坡度、水系、道路等因素對轉換規則的影響，在后續的研究中將考慮將不同影響因子納入，建立不同情景下的土地利用/覆蓋變化模擬。

參考文獻(References)：

[1]李秀彬. 全球環境變化研究的核心領域：土地利用/土地覆蓋變化的國際研究動向[J]. 地理學報， 1996, 51(6): 553- 557.

[2]史培軍, 宮鵬, 李曉兵, 等. 土地利用/土地覆蓋變化研究的方法和實踐[M]. 北京: 科學出版社, 2000.

[3]俞龍生, 符以福, 喻懷義, 等. 快速城市化地區景觀格局梯度動態及其城鄉融合區特征：以廣州市番禺區為例[J]. 應用生態學報, 2011, 22(1): 171- 180.

[4]張晟, 楊春華, 雷波, 等. 三峽水庫蓄水初期消落帶植被分布格局[J]. 環境影響評價, 2013, 35(5): 45- 50.

[5]李小英, 彭望琭, 曹彤. 土地利用演化信息圖譜的研究：以北京市順義縣為例[J]. 地球信息科學, 2002, 4(2): 55- 60.

[6]李鑫, 馬曉冬, 肖長江, 等. 基于CLUE-S模型的區域土地利用布局優化[J]. 經濟地理, 2015, 35(1): 162- 167，172.

[7]朱康文, 李月臣, 周夢甜. 基于CLUE-S模型的重慶市主城區土地利用情景模擬[J]. 長江流域資源與環境, 2015, 24(5): 789- 797.

[8]汪輝, 余超, 李明陽, 等. 基于CLUE-S模型的濕地公園情景規劃——以南京長江新濟洲國家濕地公園為例[J]. 長江流域資源與環境, 2015, 24(8): 1263- 1269.

[9]Courage Kamusoko, Masamu Aniya, Bongo Adi,etal. Rural sustainability under threat in Zimbabwe: Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model[J]. Applied Geography, 2008, 29(3): 1- 13.

[10]趙建軍, 張洪巖, 喬志和, 等. 基于CA-Markov模型的向海濕地土地覆被變化動態模擬研究[J]. 自然資源學報, 2009, 24(12): 216- 222.

[11]凌成星, 鞠洪波, 張懷清, 等. 基于CA-Markov模型的北京濕地資源變化預測研究[J]. 中國農學通報, 2012, 28(20): 262- 269.

[12]Burrough P A. Fractal dimensions of landscapes and other environmental data[J]. Nature, 1981, 294(5838): 240- 242.

[13]何春陽, 史培軍, 陳晉, 等. 基于系統動力學模型和元胞自動機模型的土地利用情景模型研究[J]. 中國科學(D輯:地球科學), 2005, 35(5): 464- 473.

[14]錢國英, 張長勤, 董斌, 等. 基于遙感與系統動力學模型的土地利用/覆被變化研究[J]. 遙感信息, 2014, 29(1): 44- 50.

[15]李志, 周生路, 陸長林, 等. 基于系統動力學城市邊緣區土地利用變化模擬與預測——以南京市江寧區為例[J]. 土壤, 2010, 42(2): 314- 318.

[16]王新軍, 顏安, 曹月娥. 系統動力學和灰色多目標動態模型相結合在博樂市土地利用總體規劃中的應用[J]. 新疆農業大學學報, 2011, 34(1): 87- 92.

[17]Hulst R. On the dynamics of vegetation: Markov chains as models of succession[J]. Vegetation, 1979, 40: 3- 14.

[18]Lippe E, de Smidt J T, Glenn-Lewin D C. Markov models and succession: a test from a heathland in the Netherlands[J]. J. Ecol. , 1985, 73: 775- 791.

[19]黃曉磊, 劉東云, 馮仲科, 等. 基于CA-Markov模型的天津市土地利用預測研究[J]. 中國農業科技導報, 2012, 14(5): 84- 89.

[20]鈕心毅, 宋小冬. 基于土地開發政策的城市用地適宜性評價[J]. 城市規劃學刊, 2007(2): 57- 61.

收稿日期：2016-05-09

基金項目：國家水體污染控制與治理科技重大專項(2012ZX07104-003)；重慶市環境保護局環保科技項目[環科字2015第(1)號]

作者簡介：陳學(1980—)，男，工程師，主要從事環境監測，E-mail：12225955@qq.com 通訊作者：雷波(1978—)，男，四川人，碩士，高級工程師，主要從事生態環境研究，E-mail：leilibo@hotmail.com

DOI:10.14068/j.ceia.2016.04.016

中圖分類號：X827

文獻標識碼：A

文章編號：2095-6444(2016)04-0061-05

Simulation of Land Use/Cover Variation Based on the CA-Markov Model

CHEN Xue1, ZHU Kang-wen2, LEI Bo2

(1.Environmental Monitoring Station of Dazu District Environmental Protection Bureau, Chongqing 402360, China;2.Chongqing Academy of Environmental Science, Chongqing 401147, China)

Abstract:Based on the land use/cover data of Chongqing city in 2005 and 2010, this study used the CA-Markov model to predict land use/cover variation in 2020. This study determined some relevant parameters, such as transition-probability matrix, suitability atlas and model parameters, which were required by using CA-Markov model to simulate the land use/cover variation in Chongqing city. Firstly, the CA-Markov model was used to simulate the current situation of land use/cover in 2010 and verify the accuracy of results based on the actual land use data of 2010. The simulation accuracy reached 85.15%, which met the required simulation accuracy. Then, the land use/cover variation in Chongqing city in 2020 was simulated. The results showed that the artificial land, other land, wetland, grassland, woodland and arable land accounted for 1.96%, 0.56%, 1.99%, 2.53%, 55.42% and 37.55%, respectively. The artificial land and wetland increased by 13.95% and 10.86%, respectively, which were faster than the others, and they were mainly transformed from woodland, grassland and other land. The simulation results can accurately reflect the trend of land use/cover variation in Chongqing city, and also provide reference for Chongqing's land use layout and sustainable development strategy.

Key words:CA-Markov model; land use/cover variation; Chongqing city