基于CA—Markov模型的土地生態安全格局模擬

鄭紅陽+王浩+吳萃蕓+肖奎林

摘要：基于鄖陽區2015年土地利用數據，通過計算生態系統服務價值，借助該價值構建生態安全格局，以生態安全格局為影響因素，利用CA-Markov模型進行了不同情境下土地利用格局模擬。結果表明：ESP保護情景下，林地、耕地、建設用地、水域得到了有效的保護，并且保護程度依次降低，增加的面積分別為46.35、28.7、15.44、5.96，無生態保護情景下，其他土地和園地的面積高于ESP保護情景下的面積。從生態系統服務價值方面，水域、風景設施用地、園地、林地的ESV有提升，提升強度依次降低，分別為3.03、1.99、1.11、0.8億元，剩余3種地類的ESV略有降低，總體來看ESV由53.94億元上升到56.06億元，區域生態系統服務價值得到了提高。

關鍵詞：土地利用；生態系統服務價值；生態安全格局；鄖陽區；CA-Markov

中圖分類號：F301.2

文獻標識碼：A 文章編號：1674-9944（2016）20-0065-05

1 引言

隨著“新四化”政策的實施和執行，城鎮化的步伐在逐年加快，人地矛盾日益突出，土地資源面臨著前所未有的壓力，隨之而來的生態環境也受到了威脅。采用科學合理的理論和模型對土地資源進行分析，以此來合理地優化土地利用格局、提高生態安全系數和擴展生態系統服務價值領域越來越得到研究學者的青睞[1，2]。

LUCC是人類活動在自然基礎上的直接反映，具有顯著的空間特點和時間特點，土地利用格局的形成和演化容易受到不同空間和時間尺度上的自然、社會、經濟等諸多因素的影響。近年來，土地利用模擬模型的研究越來越多，其研究成果也卓有成效[3～11]。

生態安全是指生態系統不受其他因素的影響，能夠保持自我的發展狀態。但是生態作為一個大系統而言，其發展過程難免受到人類的生產、生活和健康等方面的影響。穩定和可持續的生態系統才是健康的系統，才是我們所追求的，其穩定性和可持續性表現在時間上能保持它的組織結構和對脅迫的恢復力[12]。土地利用中的生態安全問題日漸凸顯，生態安全關系到人類的生存與發展。當前學術界對生態安全的研究多集中于生態安全格局（ESP）的構建[13～16]和生態系統服務（ESV）的核算[17～19]。

目前，土地變化/土地覆蓋（LUCC）、ESP和ESV的研究領域很多，但很少有學者把這三個土地不同的研究方面結合起來進行研究。本文通過估算ESV，以ESV為阻力建立ESP，以ESP和基本農田為影響因素，利用IDRISI軟件中的CA-Markov模型模擬不同土地政策下的土地利用空間格局情況，再用ESV對兩種不同格局的土地進行檢驗，評價兩種政策下土地變化的空間布局方式的不同和選出最佳土地利用格局。

2 研究區域概況

鄖陽區（32°25′～33°15′N，110°7′～111°16′E）原名鄖縣，隸屬于湖北省十堰市，位于漢江中上游，鄂西北邊陲，秦巴山區西北，東北與陜西省商南縣接壤，西南與竹山縣、房縣、陜西省白河縣毗鄰，東與丹江口市和河南省淅川縣相連，圖1為鄖陽區區位圖。截至2015年，鄖陽區管轄21個鄉鎮，版圖面積3832.44 km2。鄖陽區地形地貌復雜。地處秦巴山脈之間，地勢處于第二階梯，受燕山運動影響，地質構造發育多呈褶皺斷裂，形成了復雜多樣的地貌形態。滄浪山是境內的最高點，海拔達到1824.7 m，丹江口庫區是境內最低點，海拔160 m，高差達到1664.7 m。漢江沿岸、滔河下游、丹江沿岸的丘陵崗地是主要農耕區，具有山高、坡陡、谷峽的特點。

鄖陽區屬于湖北省地質災害易發區之一，鄖陽區地質災害主要有泥石流、滑坡和崩塌三種類型，但是主要還是以滑坡為主。區域內災害涉及面積較大，發育各類地質災害較多，地質災害易發點分布眾多且分散，地質災害影響著鄖陽區生態環境安全。

鄖陽區位于湖北省西北部，南水北調水源地，經濟發展快速，特別是在2014年由縣升區以來，經濟的迅速發展，使土地資源變得越來越緊張，不僅土地結構發生著變化，也威脅著該地區的生態安全。

3 數據來源及研究方法

3.1 數據來源及處理

獲取準確有效的數據是進行LUCC分析和建立景觀生態安全格局的基礎，而本文拋開了利用傳統的遙感影像數據解譯獲取土地利用數據的方法，直接采用鄖陽區國土資源局提供的土地利用二調數據和變更數據，相比傳統的遙感影像解譯獲得的土地利用數據而言，其數據更具準確性，避免了因解譯誤差對結果造成的直接影響，對本文的研究結果更為準確和具有說服力。主要的數據來源如下：

（1）土地利用數據：鄖陽區國土資源局提供的鄖陽區2009年全國第二次土地利用調查矢量數據、鄖陽區2015年土地利用變更調查矢量數據；

（2）行政權屬數據：鄖陽區行政界限及鄉鎮行政界限數據；

（3）規劃數據：《鄖縣土地利用總體規劃（2006-2020 年）》文本及圖件、《鄖縣城市總體規劃（2009-2020 年）》。

為保證數據的一致性，提取出的所需地類，并在ArcGIS中將矢量數據轉換成分辨率為120×120的柵格數據，并進行重分類（Reclassify），利用Polygon to ASCII工具轉換為ASCII格式，再在IDRISI中利用轉換模塊，將ASCII格式的數據轉換為IDRISI軟件識別的rst格式數據。運用ARCGIS軟件，利用2009年土地變更數據和2015年土地利用數據提取出鄖陽區的基本農田圖層，按照上述操作過程，生成基本農田rst數據。

3.2 研究方法

3.2.1 ESP構建方法

生態安全格局（ecological security pattern，ESP）的研究設計要依賴于研究者對其空間結構的分析結果和對生態過程的了解程度。以IDRISI和ArcGIS為平臺，選擇研究區幾個關鍵生態因素，來構建和模擬關鍵性生態過程[20]。構建ESP基本步驟如下：①識別源。選取研究區內面積大于10 hm2的圖斑作為研究區的對象，該文選擇風景設施用地、水庫和主要河流為生態源地。②擬定阻力面。本研究以ESV為基礎，通過計算單位面積的ESV，然后把ESV作為確定生態源地的阻力面的因素。如果ESV越高，則阻力值越小，反之越大。③疊加過程與判別空間聯系。該研究依據土地利用現狀圖、生態源地圖、累積阻力值圖和ESV空間分布圖，確定研究區ESP。

3.2.2 土地利用格局模擬方法

CA模型由單元、狀態、領域及轉換四部分組成，元胞空間是所有土地類型的集合，每個元胞在下一時刻的狀態由該元胞當前狀態、鄰域元胞狀態和轉換規則確定[21]。Markov模型基于馬爾科夫鏈，通過對事件某一時刻不同狀態的初始概率及狀態之間的轉移關系來研究該時刻狀態的變化趨勢。通過IDRISI軟件中的CA-Markov模塊對土地利用類型的數量及空間變化進行預測，基本步驟如下。

（1）生成Markov土地利用狀態面積轉移矩陣和土地利用狀態變化概率轉移矩陣。將2009年rst格式的土地利用數據作為基期年數據，2015年rst土地利用數據作為目標年數據，將它們分別導入到IDRISI中的Markov模型中，設置年份間距為6，比例系數為0.15，就可以得出兩年之間不同土地利用類型間的面積轉移矩陣和土地利用狀態概率轉移矩陣。

（2）創建適宜性圖集。該研究選擇生態源地圖和基本農田分布作為限制因素，到國道和省道的距離、到農村居民點的距離、到城鎮中心的距離為影響因素，并運用IDRISI軟件來計算限制因素圖集和影響因素圖集，規定研究期間位于生態源地和基本農田內的地類不允許隨意占用[22]。通過搜集交通數據，并從2015年土地利用現狀圖中提取相關圖層，然后在ARCGIS中將矢量數據轉換成柵格格式，并利用距離函數計算各個圖層之間的距離，隨著距離的增加，擴展適宜性降低。最后通過collection editor功能合并生成鄖陽區土地利用類型轉換適宜性圖集。

（3）確定迭代次數和CA濾波器的構造。由于模擬初期為2015年，末期為2020年，故模型中的迭代次數設置為5。該文采用IDRISI中標準5×5濾波器。

（4）情景模擬設置。該文設置了2個情景：ESP保護情景和無生態保護情景。ESP保護情景不僅考慮了對生態源地和基本農田這兩個限制因素的保護，而且考慮了到省道國道、農村居民點和城鎮中心的距離這幾個影響因素。無生態保護情景只考慮了距國道、省道距離、距農村居民點距離等少數幾個影響因素，沒有考慮ESP保護。

（5）模擬精度驗證。以2009年數據為基礎，模擬2015年土地利用類型圖，分別統計2015年模擬圖和實際土地利用圖各個地類的柵格個數，利用Kappa系數進行精度驗證，當Kappa系數超過0.75時，模擬符合研究要求。

4 結果分析

4.1 鄖陽區生態系統服務價值估算結果

通過表1可知，在2015年鄖陽區單位面積ESV構成中，林地占比例最大，達30.85%，其生物多樣性，氣體調節價值，氣候調節價值均為最高，這與國家實施的退耕還林政策密切相關；其次是水域，比例為19.60%，其養分循環價值和水源涵養價值功能較強；建設用地單位面積ESV最低，為2.44元/（m2·a）；風景設施用地，園地，耕地，其他土地單位價值依次降低（圖2，表1）。

4.2 生態安全格局構造與分析

以ArcGIS為平臺，將生態源地分布圖（圖3a）和ESV空間分布圖（圖2）進行疊置操作，生成生態源地累積阻力圖（圖3b），以此來共同反映生態源地擴散的阻力大小，ESV越高，生態源運行的阻力就越小，其阻力值越低。

4.3 土地利用模擬情況精度驗證

通過IDRISI軟件中的CA-Markov模型，設置初始年份為2009年土地利用圖，選擇上述步驟生成的土地利用動態概率轉移矩陣，時間間隔設置為6，比例系數設置為0.15，對2015年土地利用情況進行模擬。并將模擬結果與實際土地利用圖進行對比驗證（表2）。由表2可知，7種地類總Kappa系數為0.78，總精度為83.13%，各種土地利用類型的系統精度和用戶精度均

4.4 不同情景下土地利用模擬結果分析

將2015年土地利用圖作為模擬初始年，設置不同參數來進行模擬兩種不同情景下土地利用情況（圖4）。

由表3可知：ESP保護情景下，林地、耕地、建設用地、水域得到了有效的保護，并且保護程度依次降低，增加的面積分別為46.35、28.7、15.44、5.96 hm2，無生態保護情景下，其他土地和園地的面積高于ESP保護情景下的面積。從生態系統服務價值方面，水域、風景設施用地、園地、林地的ESV有提升，提升強度依次降低，分別為3.03、1.99、1.11、0.8億元，剩余3種地類的ESV略有降低，總體生來看ESV由53.94億元上升到56.06億元，區域生態系統服務價值得到了提高。

5 結論與討論

該文以鄖陽區為研究對象，計算該區域的ESV，以此來構建ESP，再通過CA-Markov模型對兩種不同情景模式進行模擬，對模擬之后的土地利用類型計算ESV，分析其土地利用格局的合理性。結果如下。

（1）2015年鄖陽區，各種土地類型單位面積ESV大小依次為：林地>水域>風景設施用地>園地>耕地>其他土地>建設用地；ESV貢獻率從大到小依次為：養分循環>水源涵養>娛樂文化>物質生產>生物多樣性>氣體調節>氣候調節>凈化環境。

（2）ESP保護情景下，林地、耕地、建設用地、水域得到了有效的保護，并且保護程度依次降低，增加的面積分別為46.35、28.7、15.44、5.96，無生態保護情景下，其他土地和園地的面積高于ESP保護情景下的面積。從生態系統服務價值方面，水域、風景設施用地、園地、林地的ESV有提升，提升強度依次降低，分別為3.03、1.99、1.11、0.8億元，剩余3種地類的ESV略有降低，總體生來看ESV由53.94億元上升到56.06億元，區域生態系統服務價值得到了提高。

（3）本研究可為鄖陽區土地利用總體規劃、城市規劃和環境規劃提供有力的決策支持。由于直接選用IDRISI軟件中的CA-Markov模型，沒有選取不同土地利用模型進行模擬研究和精度對比分析。因此，下一步應加強土地利用格局演變驅動因素研究和不同模型模擬精度之間的對比，以提高研究結果的科學性。

參考文獻：

[1]Terry L Sohl， Peter R Claggett. Clarity versus complexity：Land-use modeling as a practical tool for decision makers[J].Journal of Environmental Management， 2013， 41（16）： 235～243.

[2]陳佑啟，楊 鵬. 國際上土地利用/土地覆蓋變化研究的新進展[J]. 經濟地理，2001，21（1）：95～100.

[3]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.

[4]周 浩，雷國平，趙宇輝，等.基于CA-Markov模型的撓力河流域土地利用動態模擬[J].生態與農村環境學報，2016，32（2）：252～258.

[5]王友生，余新曉，賀康寧，等.基于CA-Markov模型的藉河流域土地利用變化動態模擬[J].農業工程學報，2011，27（12）：330～336.

[6]楊國清，劉耀林，吳志峰.基于CA-Markov模型的土地利用格局變化研究[J].武漢大學學報（信息科學版），2007，32（5）：414～418.

[7]李 志，劉文兆，鄭 粉.基于CA-Markov模型的黃土塬區黑河流域土地利用變化[J].農業工程學報，2010，26（1）：346～352.

[8]何 丹，金鳳君，周 璟.基于Logistic-CA-Markov模型的土地利用景觀格局變化：以京津冀都市圈為例[J].地理科學，2011，31（8）：903～910.

[9]汪雪格，湯 格，王立軍，等.基于GIS-MATLAB-CA的農業景觀格局空間優化模型的建立及應用[J].安徽農業科學，2009，37（14）：6770～6773.

[10]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），2005，35（5）：464～473.

[11]邱炳文，陳崇成.基于多目標決策和CA模型的土地利用變化預測模型及其應用[J].地理學報，2008，63（2）：165～174.

[12]裴 歡，魏 勇，王曉妍，等. 耕地景觀生態安全評價方法及其應用[J]. 農業工程學報，2014，30（9）：212～219.

[13]張 楊，嚴金明，江 平，等. 基于正態云模型的湖北省土地資源生態安全評價[J]. 農業工程學報，2013，29（22）：252～258.

[14]李明月，賴笑娟. 基于BP 神經網絡方法的城市土地生態安全評價：以廣州市為例[J]. 經濟地理，2011，31（2）：289～293.

[15]肖篤寧，陳文波，郭福良. 論生態安全的基本概念與研究方法[J]. 應用生態學報，2002，13（3）：354～358.

[16]王麗萍，金曉斌，杜心棟，等. 基于灰色模型_元胞自動機模型的佛山市土地利用情景模擬分析[J]. 農業工程學報，2012，28（3）：237～242.

[17]曹 智，閔慶文，劉某承，等. 基于生態系統服務的生態承載力：概念、內涵與評估模型及應用[J]. 自然資源學報，2015，30（1）：1～11.

[18]胡喜生，洪 偉，吳承禎. 土地生態系統服務功能價值動態估算模型的改進與應用：以福州市為例[J]. 資源科學，2013，35（1）：30～41.

[19]歐陽志云，朱春全，楊廣斌，等. 生態系統生產總值核算：概念？核算方法與案例研究[J]. 生態學報，2013，33（21）：6747～6761.

[20]俞孔堅，王思思，李迪華. 區域生態安全格局：北京案例[M].北京：中國建筑工業出版社，2011.

[21]王建英，李江風，張麗琴，等. 基于生物多樣性保護的土地利用結構預測[J]. 農業工程學報，2012，28（4）：221～226.

[22]Mitsova D， Shuster W， Wang X H. A cellular automatamodel of land cover change to integrate urban growth withopen space conservation[J]. Landscape and Urban Planning，2011， 99（2）： 141～153.