基于多模型結合的土地利用結構多情景優化模擬

陳 影, 張 利, 何 玲, 門明新

河北農業大學國土資源學院，保定 071001

?

基于多模型結合的土地利用結構多情景優化模擬

陳 影, 張 利, 何 玲, 門明新*

河北農業大學國土資源學院，保定 071001

土地生態服務功能的重要性越來越受到人們的重視，以河北省盧龍縣為案例區，以土地生態服務功能和經濟功能提升為目標，基于100 m×100 m尺度的遙感解譯圖像，分別利用CLUE-S及基于MOP和CLUE-S整合模型對研究區土地利用結構進行數量及空間優化模擬。結果表明：到2020年，單模型模擬的土地經濟功能有所提升，但生態服務功能卻減退；基于MOP和CLUE-S優化整合模型模擬的生態服務功能和經濟功能分別比2013年提升8.40%及8.20%。耕地、建設用地、林地面積都有所增加，其它用地減少較多。研究表明，MOP和CLUE-S整合模型與單模型相比，到2020年土地兩項功能值之和有所增加，特別是生態功能增加幅度較大，MOP和CLUE-S模型結合的優化方案優于CLUE-S單模型優化方案。

CLUE-S模型；MOP模型；土地利用；優化；盧龍縣

土地是人們的生活必需品，又是社會經濟發展不可或缺的生產要素。土地利用變化改變了生態系統的結構和功能，對環境、資源等產生很大影響。全球發展到工業文明以來，人們對土地的過度使用與破壞導致生態環境功能急劇下降，嚴重影響人類賴以生存的環境以及整個生物圈的可持續發展[1-3]。2009 年12月7日在哥本哈根召開的世界氣候大會呼吁人們在獲取自然資源時，不能只追求其經濟功能，而應該同時兼顧其社會及生態服務功能。土地生態服務功能已經成為評價土地利用-覆被變化(LUCC)環境效應的重要量化指標[4]，受到人們的廣泛重視，并成為全球可持續發展的研究熱點。以往人們在土地資源利用過程中，只注重其經濟價值，而忽視了土地的生態效益。特別是在前期的土地資源利用配置研究中僅限于對土地利用數量結構及土地經濟效益最大化的優化模擬,而缺乏對土地空間結構及土地綜合效益的優化模擬研究。

土地利用變化模擬與優化模型是土地科學的重要組成部分，也是實現土地資源可持續利用的根本保證。它是在一定約束條件下，對各種土地資源類型進行科學數量組合和空間優化布局的重要方法。專家學者們已完成了多項土地利用結構優化設計并取得了多項成果、在土地利用優化配置模型[5-8]等方面進行了大量研究，經歷了從定性評價到定量設計、從靜態計算到動態模擬、從小尺度到大尺度、從單目標到多目標的研究過程，同時Markov 模型、神經網絡模型、系統動力學模型等在土地優化中的應用也極大推動了相關研究的進展。隨著計算機和人工智能技術的發展，最近幾年中國一些學者結合生態學理論、數學模型和GIS 技術對土地利用進行了空間配置[9-10]，在中國以CLUE-S和元胞自動機(Cellular Automaton，CA)模型應用最為普遍,并取得很大進展。段增強、吳桂平等[11- 12]分別對CLUE-S 模型進行了改進，并選取不同區域測試了其模擬效果，但目前的研究主要集中于大尺度研究，對中小尺度特別是縣、鎮一級區域的研究相對較少[13]，且多數研究只針對于數量結構或空間布局的某一方面優化，把其它模型和CLUE-S模型結合起來進行土地利用優化配置的研究較少。前人研究缺少在優化過程中考慮生態環境因素或基于土地經濟功能、生態服務功能提升雙重目標，把多目標線性規劃模型(Multi-object planning, MOP)及CLUE-S模型相結合進行土地利用結構優化研究更少[14-15]。

本文以河北省盧龍縣為案例區，以2006年、2013年遙感解譯數據為基礎，結合土地利用調查及社會經濟統計數據，探討土地利用變化驅動力，構建盧龍縣土地經濟功能、生態服務功能提升模型及其它約束條件，分別利用CLUE-S、MOP及CLUE-S整合模型對土地利用結構進行優化配置。探索如何在滿足土地經濟功能提升對土地的需求基礎上，維持生態平衡，提高土地利用效率。以期為區域生態安全及有限的土地資源的可持續利用提供科學依據。

1 研究區域概況

研究區域位于河北省東北部地區，屬秦皇島市管轄，地處118°45′54"—119°08′06"E， 39°43′00"—40°08′42"N之間，位于華北平原的邊緣地帶，屬燕山南部低山丘陵區，地勢北高南低，絕對高差達599 m，氣候屬暖溫半干旱半濕潤的大陸性季風氣候。縣內河流較多，以青龍河、灤河兩大水系為主。

根據盧龍縣土地利用二次調查結果及土地變更調查結果核實，2013年全縣土地總面積為95601 hm2，其中農用地占69.35%；建設用地占12.38%；其它土地占18.27%。

近年來，隨著河北省經濟發展重心偏向沿海地區及京津地區的產業轉移，盧龍縣人均GDP達到16773 元。以唐、秦、承為中心的“冀東經濟區”正逐漸成為環渤海地區新經濟增長極。但伴隨著盧龍縣社會經濟發展的同時，建設用地擴張、耕地減少及生態環境等面對的形勢日益嚴峻，各種用地矛盾凸顯。

2 數據來源與處理

2.1 數據來源

資料主要包括盧龍縣2006年Landsat TM/ETM、2013年landsat8 遙感影像數據；部分矢量數據；盧龍縣統計及文字資料等。其中，遙感影像的采集時間集中在6—8 月，平均云量小于5%，數據質量好，空間分辨率為30 m×30 m。矢量數據主要包括行政界線、河流、道路等線狀數據及在國際科學數據平臺下載的DEM數據，線狀數據來自于盧龍縣相應年份土地調查及變更成果。統計數據主要涉及各鄉鎮人口總數及人均GDP等社會統計數據，數據來源于盧龍縣統計年鑒及河北省農村統計年鑒、最新的盧龍縣土地利用規劃等。

2.2 數據處理2.2.1 坐標投影的統一及數據格式轉換

數據格式及地圖投影的統一對輔助信息資料的使用非常重要。本文為提高遙感圖像解譯精度，更好利用DEM、交通圖、土壤圖等輔助數據資料，利用相應軟件對不同投影的數據進行投影轉換。由于CLUE-S模型擁有較為嚴格的數據格式，考慮優化模擬軟件的迭代速度及研究區狀況，借助ArcGIS 9.3的支持，將盧龍縣解譯的土地利用圖和空間驅動因子圖層均轉化為高斯-克呂格投影(TMGKN22)下柵格大小為100 m ×100 m的柵格數據。

2.2.2 遙感數據預處理及土地利用數據提取

通過解譯盧龍縣TM遙感影像得到土地利用數據，利用ENVI 4.7混淆矩陣工具進行精度評價，得到混淆矩陣報表，計算Kappa系數并判斷精度能否達到要求。

土地利用數據提取前，以校正后的盧龍縣2013年土地利用現狀圖為參照，對裁剪后的兩期遙感影像進行幾何校正，均勻地選擇邊界較為明顯、位置相對精確、同時土地利用類型不易發生變更和海拔高度相差較小的地物點作為地面控制點，如邊界的拐點，河流的交叉點以及可見道路的交叉點，確保配準的誤差在半個像元的范圍以內，保證每期影像的總體誤差RMS均小于0.5，并采用常用的立方卷積法對兩期遙感影像進行重采樣的操作。用土地調查成果中河北省下發盧龍縣的行政界線將影像裁剪下來。

參考第二次全國土地調查土地分類系統，將部分地類進行歸并后，結合研究區的土地利用特征及研究目的，建立遙感影像分類體系，在同一投影坐標系下，利用ArcGIS中的空間分析工具，通過柵格重分類將土地類型合并為耕地、園地、林地、建設用地、水域和其他用地6類，形成單獨的柵格文件。對兩期遙感影像進行地類提取，并在兩個時期的遙感影像解譯結果上分別隨機選取305個檢查點，通過實地勘察、參照相應年份的土地利用圖件獲取檢查點狀況，然后在ENVI 4.7支持下計算混淆矩陣和Kappa指數，得出遙感影像解譯精度的評價結果。計算得出Kappa指數分別為0.84(2006年)、0.85(2013年)，總體精度都達到了80%以上，可以滿足研究的要求。

3 研究方法

3.1 CLUE-S模型

CLUE-S模型是由20世紀末荷蘭Wageningen大學的Verburg.P.H等研制開發的[16]，它是基于土地利用的空間適宜性和時空動態模擬空間直觀模型構建的。模型有2 個核心模塊[17]：非空間模塊和空間模塊。非空間模塊在分析土地利用空間格局分布規律、土地利用變化規則基礎上預測未來土地需求量，空間模塊利用導入的土地利用柵格圖、土地轉換彈性及非空間模塊預測的土地需求等參數對土地柵格單元進行優化配置。土地利用需求數量可以根據2期土地利用圖進行趨勢外推，也可以綜合考慮各個目標函數求取最優值。前者將土地利用變化量看成是一種穩定的線性變化過程，目標函數的邊界值一般是在人為干預下形成的。空間模塊是根據驅動因素等與土地利用空間分布的關系，得到土地利用空間分布概率。

CLUE-S 模型空間分析功能采用Logistic 回歸法，這也是土地利用變化分析常用的一種方法[18-19]。回歸方程在SPSS中建立，土地利用類型是因變量，驅動因素作為自變量。同時采用逐步回歸法篩選對土地利用類型影響顯著的因素，剔除不顯著因素。CLUE-S模型檢驗主要分為兩個方面：一是logistic回歸分析的ROC系數的檢驗，其ROC系數大于0.7才符合概率分布要求；二是kappa系數檢驗，當kappa≥0.75[20]時，CLUE-S模型的預測精確度較高。

3.2 MOP模型構建及參數求解

在進行土地利用空間布局時，往往要同時考慮多個目標，例如土地生態服務功能提升、經濟功能提升等目標，這種考慮多個目標的規劃問題稱為多目標規劃。MOP模型由模型變量、約束條件和目標函數等3部分組成，可以通過MOP模型求解土地利用優化數量結構[13]。

3.2.1 變量設置與目標模型的構建

根據研究區實際情況、資料獲取的可行性等因素設置模型變量，選取耕地、園地、林地、建設用地、水域和其它土地作為分析的變量。選取了土地的生態服務功能及經濟功能提升作為模型目標。

(1)生態服務功能提升模型

生態服務功能的提升參考生態服務價值核算標準，構建生態服務價值提升模型。本文參考國內學者謝高地等構建的中國生態服務價值評估體系，同時又對河北省的生態服務價值進行了區域修正(修正系數1.02)，得到盧龍縣的生態系統單位面積生態系統服務價值表[21]，并利用生態價值核算模型計算土地生態服務功能：

(3)

(4)

式中，ESVf和ESV分別為第f項功能和總服務價值；Ak為第k類型的土地利用面積；VCkf為第k類型第f項服務單位面積的服務價值。

(2)土地經濟功能提升模型

土地經濟功能提升用經濟效益評價模型衡量[22]，模型如下所示：

(5)

式中，Ki表示各土地利用類型效益系數，為一常數；Wi表示各土地利用類型的相對權重；Xi表示各類土地面積(hm2)。

3.2.2 約束條件的建立及MOP模型的構建

選取研究區土地面積總量、耕地保有量、林地、園地面積等作為約束條件,建立相應等式或不等式, 并確定約束目標年，MOP的原始模型為：

(6)

式中，max(X)為目標函數，fi(x)為約束條件。

4 案例分析

4.1 CLUE-S模型構建與單模型模擬

基于GIS的空間和數理統計分析方法，分析盧龍縣2006—2013年的土地利用結構及變化規律、地類轉換規則等，構建河北省盧龍縣的土地利用優化模型，以遙感解譯的2013年土地利用數據為基礎，經過多輪迭代，模擬得到2020年土地利用數據，CLUE-S模型模擬過程及結果如下：

4.1.1 土地利用狀況分析及驅動力因子選擇

結合盧龍縣的現有數據及對盧龍縣2006—2013年的土地利用結構及變化、土地利用類型轉變矩陣(表1)、土地利用動態度進行分析，共選擇了10個土地利用變化驅動因子，包括各鄉鎮地均GDP、到一級道路的距離、到二級道路的距離、到城鎮的距離、到農村居民點的距離、到河流的距離、人口密度、高程、坡度和坡向，利用ArcGIS軟件將選取的10個土地利用變化驅動因子制作成驅動因子柵格化圖。

表1 2006—2013年間盧龍縣土地利用類型轉移概率矩陣

4.1.2 土地利用類型轉換規則及穩定性

基于傳統土地利用變化趨勢的盧龍縣土地利用類型轉化規律和發展目標確定不同土地類型之間的轉換規則。土地利用類型穩定性與土地利用類型變化的可逆性有關，同時在建設用地擴展，追求經濟效益時要考慮基本農田保護問題，確保耕地紅線不被突破。表2土地利用轉換規則矩陣中行表示轉出地類, 列表示轉入地類,“1”表示兩種用地類型之間可以轉換, “0”表示不可以轉換。

表2 自然發展的不同土地利用類型之間的轉化規則

行表示轉出土地利用類型，列表示轉入土地利用類型，1表示兩種土地利用類型之間可以轉換，0表示不可以轉換

4.1.3 Logistic 回歸分析及檢驗

在轉換完柵格圖像以后，利用ArcGIS軟件將其轉換成ASCⅡ格式，然后將數據繼續生成單列記錄文件，并將數據導入到SPSS軟件中進行回歸分析。利用Pontius R.G.提出的Receive Operating Characteristic(ROC)方法對回歸結果進行一致性檢驗，經驗證盧龍縣6種地類空間分布概率模擬效果良好，耕地、園地、林地、建設用地、水域用地和其它土地的ROC值分別0.887,0.829,0.796,0.917,0.936和0.827。說明所選取的驅動因子具有較好的解釋能力，能夠滿足模型的回歸要求及盧龍縣土地利用空間布局模擬的要求。

4.1.4 基于CLUE-S單模型的2020年土地利用空間模擬

按照盧龍縣目前的經濟社會發展趨勢，土地地類按照上述的規則轉換。在該情景條件下，盧龍縣土地利用需求不會受到較大的政策調整的影響。參考上述選取的驅動因素及模型方法，以2013年土地利用數據為基礎，將Logistic回歸結果、土地利用需求、轉換規則等相關參數輸入模型中, 模擬得到2020年土地利用類型圖。結果顯示，從2013年到2020年耕地、園地、建設用地面積從48602、7261、11790 hm2增加到54962、7874 hm2和12291 hm2，建設用地面積的增加保證了盧龍縣土地經濟功能從2013年到2020年提升12.95%，但同時林地面積及水域面積卻急劇減少，分別從9650、2887 hm2減少到7351、2217 hm2，變化率分別達到-23.82%和-23.21%，導致土地生態服務功能出現了負增長。

4.2 基于MOP及CLUE-S整合模型的土地利用優化模擬

4.2.1 約束條件的建立

(1)土地總面積約束

各類用地面積之和應等于盧龍縣土地總面積,即：

X1+X2+X3+X4+X5+X6=95601 hm2

(7)

(2)耕地保有量約束

根據盧龍縣土地利用規劃約束性指標，到2020年耕地滿足39684.32 hm2才可保證區域人口糧食安全。因此，耕地保有量約束條件為：

X1≥39684.32 hm2

(8)

(3)林地約束

林地是區域生態安全的重要保障，故林地面積不應小于盧龍縣2013年水平，即：

X2≥9655 hm2

(9)

(4)水域面積約束

為保護盧龍縣良好的濱水旅游環境，要求盧龍縣水域面積，不應小于2013年水平的90%，即：

X5≥2887 hm2

(10)

(5)社會經濟發展約束。

為保證盧龍縣社會經濟發展需要，其它用地面積應小于2013年，則：

X6≤14842.47 hm2

(11)

(6)園地約束

園地既有良好的生態服務功能，又可以創造很大的經濟價值，因此園地面積應大于2013年水平，即：

X2≥7281 hm2

(12)

(7)建設用地約束

建設用地有很大的經濟服務功能，但不能任意擴大，所以建設用地不應超過秦皇島市下達盧龍縣2020年指標，即：

X4≤12200.21 hm2

(13)

(8)數學模型要求約束

模型應滿足：

Xj≥0，j=1,2,…,6

(14)

(7)—(14)式中，Xj為各類用地面積;X1為耕地面積；X2為園地面積；X3為林地面積；X4為建設用地面積；X5為水域用地面積；X6為其它土地面積。

4.2.2 多目標MOP模型構建

(1)土地經濟功能表達式

本文中，土地經濟功能由土地經濟效益表示，確定土地經濟效益的關鍵是各地類效益系數與其相應權重的乘積，本文首先采用回歸分析法做耕地單產預測。以耕地單產預測計算為例，以盧龍縣耕地種植制度及各種農作物產量預測為基準，根據各農作物面積比例獲取相對權重，將各農作物單位產出值與相對權重加權求和,得到耕地的經濟效益系數為17400元/hm2。同理，按照此方法依次得到其它地類的效益系數，園地、林地、建設用地、水域、其它土地分別為20080、1310、217395、1667元/hm2、0。據此可知，盧龍縣土地經濟功能表達式為：

B(X)=17400X1+20080X2+1310X3+217395X4+1667X5+0X6

(15)

(2)土地生態服務功能表達式

土地的生態功能由土地生態服務價值表示，由盧龍縣生態系統服務價值量表(表3)可得盧龍縣土地生態服務價值的表達式(元/hm2)：

C(X)=6236.59X1+13127.66X2+19334X3+378.82X4+98088.71X5+378.83X6

(16)

表3 盧龍縣生態系統單位面積生態系統服務價值表/(元 hm-2 a-1)

(3)MOP模型表達式

在測得每種土地利用類型的經濟功能、生態服務功能的基礎上，可得出MOP模型的目標表達式為:

Z=max(B(X)λ1+C(X)λ2)=max[(17400X1+20080X2+1310X3+217395X4+1667X5+0X6)λ1+(6236.59X1+13127.66X2+19334X3+378.82X4+98088.71X5+378.83X6)λ2]

(17)

(15)—(17)式中,Xj為各類用地;X1為耕地；X2為園地；X3為林地；X4為建設用地；X5為水域用地；X6為其他土地。

縣域土地資源數量結構優化一般應根據區域實際情況設計多種數量結構優化方案。考慮到盧龍縣未來10年的發展定位及經濟、生態效益同步提升的目標，同時考慮提高土地利用的效率及模擬效果、模型迭代結果的可實現性，反復修改約束條件及模型參數后，設置權重為λ1=0.47，λ2=0.53。

(4)MOP模型優化結果

根據上述構建的MOP模型的表達式及模型的約束條件，利用lingo軟件對多目標規劃模型進行求解。求得2020年土地利用數量結構優化結果。結果顯示利用該模型從2013年到2020年耕地、園地、林地、建設用地面積分別從48602、7261、9650、11790 hm2增加到29974、8386、12236、11929 hm2，而水域面積幾乎沒有變化。其它土地減少到10187 hm2，說明在這段期間未利用地被大面積開發成林地、園地等其它地類。

4.2.3 模擬參數設置

按照盧龍縣土地經濟功能、生態服務功能提升的目標，不設立區域限制，選取的驅動因素及模型方法與上述相同，并重新設定新目標下土地地類轉換規則。新的土地地類轉換規則是在“自然發展的不同土地利用類型之間的轉化規則(表2)”基礎上重新定義的，新規則強調了林地及水域用地的重要性，在未來的土地利用過程中限制了此類用地的轉換(表4)，從而保證了土地生態服務功能的提升。

表4 雙模型不同土地利用類型之間的轉化規則

行表示轉出土地利用類型，列表示轉入土地利用類型，1表示兩種土地利用類型之間可以轉換，0表示不可以轉換

4.2.4 土地利用模擬及結果分析

在多目標情景條件下，以2013年土地利用數據為基礎，將重新設置的Logistic 回歸結果、土地利用需求、轉換規則等相關參數輸入模型，利用MOP模型優化結果及CLUE-S模擬2020年土地利用結果。

4.3 模擬結果比較

將CLUE-S單模型優化方案和多模型優化方案的優化結果進行對比(表5,圖1)可以看出，按照傳統的土地利用變化趨勢進行CLUE-S單模型優化，雖然土地經濟功能提升很大(增長率為12.95%)，總功能值也有所提升，但是生態服務功能值卻出現了負增長，說明當地在經濟建設的同時損害了生態環境；CLUE-S單模型優化過程中，耕地、園地、建設用地面積有所增加。林地和水域面積減少幅度很大，這是造成生態功能降低的主要原因。

基于生態-經濟功能提升雙目標的雙模型優化結果可以看出，從2013年到2020年，耕地、園地、林地、建設用地面積都有所增加，水域面積基本維持不變，而其它土地(主要是未利用地)面積減少很多，這說明耕地等地類的增加主要來自于未利用地，這與國家在“十二五”期間提出的要大力開發、整理未利用地及低效土地的政策是相吻合的。耕地、園地、建設用地面積的增加保證了土地經濟功能的提升，而園地、林地面積的增加保證了生態服務功能的提升，維護了盧龍縣生態平衡，這與“十八大”提出的建設生態文明的政策一致。

5 結論與討論

5.1 結論

該文以兩期解譯的遙感土地利用數據為基礎，選取合適的土地利用變化驅動因子，利用CLUE-S單模型及MOP和CLUE-S整合模型模擬得到2020年土地利用狀況，研究結果證明基于經濟-生態功能提升雙重目標，利用MOP和CLUE-S整合模型的優化結果使盧龍縣經濟與生態服務功能得到同步提升。證明MOP和CLUE-S整合模擬繼承了CLUE-S模型的優勢，既能反映土地利用固有的發展趨勢和連貫性，又能把土地利用目標貫徹于土地利用模擬過程。

表5 CLUE-S單模型優化方案與MOP及CLUE-S整合優化模擬方案比較表

圖1 2020年盧龍縣兩種模型模擬土地利用比較圖Fig.1 Simulated land-use distribution under two models of Lulong County in 2020

5.2 討論

土地資源的稀缺性與人們對土地需求的無限性，客觀上要求對區域土地利用結構進行優化配置[23]。土地利用結構優化的實質是基于經濟、社會、生態等多目標的優化[24]。以尋求土地利用的最佳效率為核心，通過耕地、林地、園地、建設用地等有效利用的協調機制，揭示不同用地規模、類型轉換機制及其轉化模式，來優化土地利用結構。

長期以來人們利用建立數學模型的方式進行土地利用數量結構優化，對土地利用的空間配置方面研究少[3]。隨著計算機科學的發展，最近幾年，國內外一些學者結合GIS技術、生態學理論利用數學模型對土地利用狀況進行了優化模擬，另外一些學者利用CLUE-S模型對土地利用進行了情景模擬[25-27]，均取得很大進展。雖然利用CLUE-S等單模型可以較好的實現土地利用變化的空間表達，但是和其他模型相比，該類模型在一定的社會、生態、經濟等條件約束下的土地利用變化模擬的空間表現仍然有限。目前，利用土地利用總量變化模擬模型(如:Markov模型、SD模型)與CLUE-S等單模型相結合等對土地利用變化進行優化模擬日益成為研究的焦點和重要方向[28]，本文嘗試了利用MOP和CLUE-S模型對盧龍縣的土地利用進行數量優化和空間配置，結果表明模擬結果良好。但由于土地利用變化受到氣候等多因素影響，導致土地利用的不確定性增加。特別是隨著全球氣候變暖和人口增加，水域面積會被擠占，而本研究中構建的約束條件之一是水域面積沒有變化。此外，由于盧龍縣處于京津冀、環渤海經濟發展圈，土地利用或多或少會受到各種政策影響，如果實現區域政策等人為因素數據的空間化, 將提高模型模擬精度。

盡管存在一些問題，但在生態環境日益嚴峻及十八大以來中央倡導的建設生態文明的當前，以土地生態服務功能做為切入點，綜合考慮土地利用的生態、經濟等功能，結合多模型模型和空間數據分配技術進行土地利用優化研究顯得尤為重要，本研究在這方面進行了積極探討，以期為相關研究提供更加有效的方法和手段。

[1] Mcmichael T. Healthy world, healthy people. People & the Planet, 1997, 6(3): 6- 9.

[2] Grimm N B, Faeth S H, Golubiewski N E, Redman C L, Wu J G, Bai X M, Briggs J M. Global change and the ecology of cities. Science, 2008, 319(5864): 756- 760.

[3] 孫曉芳, 岳天祥, 范澤孟. 中國土地利用空間格局動態變化模擬——以規劃情景為例. 生態學報, 2012, 32(20): 6440- 6451.

[4] 伍星, 沈珍瑤, 劉瑞民, 宮永偉. 土地利用變化對長江上游生態系統服務價值的影響. 農業工程學報, 2009, 25(8): 236- 241.

[5] 胡業翠, 劉彥隨, 鄧旭升. 土地利用/覆被變化與土地資源優化配置的相關分析. 地理科學進展, 2004, 23(2): 51- 57.

[6] 劉彥隨. 山地土地類型的結構分析與優化利用——以陜西秦嶺山地為例. 地理學報, 2001, 56(4): 426- 436.

[7] 趙濤, 鄭新奇, 鄧祥征. 城市土地利用優化配置分析應用——以濟南市為例. 地球信息科學, 2004, 6(2): 53- 57.

[8] 劉彥隨. 土地利用優化配置中系列模型的應用——以樂清市為例. 地理科學進展, 1999, 18(1): 26- 31.

[9] 馬世發, 何建華, 俞艷. 基于粒子群算法的城鎮土地利用空間優化模型. 農業工程學報, 2010, 26(9): 321- 326.

[10] 張雪花, 郭懷成. SD-MOP整合模型在秦皇島市生態環境規劃中的應用研究. 環境科學學報, 2002, 22(1): 92- 97.

[11] 段增強, Verburg P H, 張鳳榮, 宇振榮. 土地利用動態模擬模型的構建及其應用——以北京市海淀區為例. 地理學報, 2004, 59(6): 1037- 1047.

[12] 吳桂平, 曾永年, 馮學智, 肖鵬峰, 王珂. 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例. 地理研究, 2010, 29(3): 460- 470.

[13] 余婷, 柯長青. 基于CLUE-S模型的南京市土地利用變化模擬. 測繪科學, 2010, 35(1): 186- 189.

[14] 王漢花, 劉艷芳. 基于MOP-CA整合模型的土地利用優化研究. 武漢大學學報: 信息科學版, 2009, 34(2): 174- 177.

[15] 傅鴻源, 陳煜紅. 城市建設用地利用結構優化SD-MOP整合模型研究. 土木工程學報, 2011, 44(4): 129- 135.

[16] 高志強, 易維. 基于CLUE-S和Dinamica EGO模型的土地利用變化及驅動力分析. 農業工程學報, 2012, 28(16): 208- 216.

[17] Verburg P H, Soepboer W, Veldkamp A, Limpiada R, Espaldon V, Mastura S S A. Modeling the spatial dynamics of regional land use: the CLUE-S model. Environmental Management, 2002, 30(3): 391- 405.

[18] Verburg P H, Veldkamp A, Fresco L O. Simulation of changes in the spatial pattern of land use in China. Applied Geography, 1999, 19(3): 211- 233.

[19] Schneider L C, Pontius R G Jr. Modeling land-use change in the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment, 2001, 85(1/3): 83- 94.

[20] 劉淼, 胡遠滿, 常禹, 賀紅士, 布仁倉. 土地利用模型時間尺度預測能力分析——以CLUE-S模型為例. 生態學報, 2009, 29(11): 6110- 6119.

[21] 鄭江坤, 余新曉, 夏兵, 賈國棟, 龐卓, 宋思銘. 基于生態服務價值的潮白河上游土地利用優化. 農業工程學報, 2010, 26(12): 337- 344.

[22] 李秀霞, 徐龍, 江恩賜. 基于系統動力學的土地利用結構多目標優化. 農業工程學報, 2013, 29(16): 247- 254.

[23] 劉彥隨, 楊子生. 我國土地資源學研究新進展及其展望. 自然資源學報, 2008, 23(2): 353- 360.

[24] 喻鋒, 李曉兵, 王宏. 生態安全條件下土地利用格局優化——以皇甫川流域為例. 生態學報, 2014, 34(12): 3198- 3210.

[25] 王繁, 周斌, 徐建明. 海涂土地資源適宜性空間分析與優化開發模式研究. 農業工程學報, 2008, 24(1): 119- 123.

[26] 彭建, 蔡運龍, Verburg P H. 喀斯特山區土地利用/覆被變化情景模擬. 農業工程學報, 2007, 23(7): 64- 70.

[27] 陸汝成, 黃賢金, 左天惠, 肖思思, 張興榆, 趙小風. 經濟快速增長區土地利用信息圖譜構建——以江蘇省環太湖地區為例. 資源科學, 2009, 31(7): 1133- 1141.

[28] 馮仕超, 高小紅, 顧娟, 亢健, 郭麗峰, 吳國良, 鄒嬋. 基于CLUE-S模型的湟水流域土地利用空間分布模擬. 生態學報, 2013, 33(3): 985- 997.

Multi-scenario simulation of land use structure based on dual combined models

CHEN Ying, ZHANG Li, HE Ling, MEN Mingxin*

Institute of Land and Resources, Agricultural University of Hebei, Baoding 071001, China

Land is not only a fundamental requirement for people′s life, but also an indispensable factor in economic development. However, utilizing land usually results in changes to the structure and function of ecological systems, which may have a notable impact on the environment and natural resources. Since the industrial revolution, the overuse and damage of land has become the main cause of a decline in ecological function and the deterioration of the environment, and has led to the loss of sustainability for the entire biosphere. Recently, the essential roles of ecological services have been recognized, and attention has been called to the ecological and economic benefits of related projects. Allocation of land use in order to optimize its spatial structure of is a prerequisite for enhancing its economic and ecological benefits. In this study, we analyzed the changes in both the structure of land use and the rules used to determine its functions from 2006 to 2013 in Lulong County, based on remote sensing data from this period. Logistic regression analysis was performed to identify the most influential factors and to characterize their inter-relationships and relative functions. The factors identified were examined by successfully simulating the spatial distribution of 6 land use types in Lulong. Receiver Operating Characteristic (ROC) values greater than 0.80 for the land use types categorized as: “cultivated land,” “garden plot,” “forest,” “construction land,” “water,” and “other land” were observed. Following this, the land use types for Lulong County in 2020 were predicted using the Conversion of Land Use and its Effects at Small region extent (CLUE-S) model. To improve both the economic functioning and the ecological services provided by land in Lulong, Multi-objective Programming (MOP) and CLUE-S models were integrated. This integration enabled the optimization of the quantity and spatial structure of land used, through building constraint functions and conversion rules developed using remote sensing images on a 100 m × 100 m grid scale. Comparison of the results obtained with the traditional land use simulation method between the multi-model and CLUE-S showed that the economic functions of Lulong County could be increased by 12.95% from 2013 to 2020, while ecological services are likely to be reduced. Because of the increase in areas of cultivated land, garden plots, and construction sites predicted by 2020, the economic function of land in Lulong will increase, while there will be associated losses in ecological services (due primarily to sharp decreases in the water and forest areas). Optimizing the land use structure of Lulong County using the integrated model created with MOP and CLUE-S may facilitate increases in both economic and ecological functions by 8.20% and 8.40%, respectively. This predicts greater increases in ecological services and total functional value than the simulation results obtained with the CLUE-S model alone. Simulated results that showed a decrease in the “unused land” areas, coupled with an increase in areas of cultivated land, garden plot, forest, and construction sites confirmed that combing the CLUE-S and MOP models provided improved results than with the CLUE-S model alone. This indicates that our method has potential to be an effective tool for managing and planning economic services and leading to the stabilization of the soil ecosystem balance, as well as achieving sustainable use of zone-limited land resources. This data could facilitate sustainable development of Lulong County′s economy and ecology. Additionally, Lulong is located within the economic sphere of influence of Jing-Jin-Ji and Bohai Rim. Thus, it is readily influenced by several regional policies. Increased simulation accuracy would be expected if more detailed and accurate zonal policy data are acquired.

CLUE-S model; MOP model; land use; economic optimization; Lulong County

國家公益性基金項目(201411103)；國家重點基礎研究發展規劃資助項目(2005CB121107)

2015- 03- 06;

日期:2015- 12- 14

10.5846/stxb201503060435

*通訊作者Corresponding author.E-mail: menmingxin@sina.com

陳影, 張利, 何玲, 門明新.基于多模型結合的土地利用結構多情景優化模擬.生態學報,2016,36(17):5391- 5400.

Chen Y, Zhang L, He L, Men M X.Multi-scenario simulation of land use structure based on dual combined models.Acta Ecologica Sinica,2016,36(17):5391- 5400.