基于GlobeLand30數據和CA_Markov模型的鄭州市2000-2020年地表覆蓋變化特征及預測分析

劉 培, 賈守軍, 馬朝陽, 盧曉峰, 韓瑞梅, 賈 函

(1.河南理工大學 測繪與國土信息工程學院, 河南 焦作 454000; 2.河南理工大學 礦山空間信息技術國家測繪與地理信息局重點實驗室, 河南 焦作 454000; 3.北京奧騰巖石科技有限公司, 北京 101102)

基于GlobeLand30數據和CA_Markov模型的鄭州市2000-2020年地表覆蓋變化特征及預測分析

劉 培1,2, 賈守軍1,2, 馬朝陽1,2, 盧曉峰1,2, 韓瑞梅1,2, 賈 函3

(1.河南理工大學測繪與國土信息工程學院,河南焦作454000; 2.河南理工大學礦山空間信息技術國家測繪與地理信息局重點實驗室,河南焦作454000; 3.北京奧騰巖石科技有限公司,北京101102)

[目的] 針對不同分類算法對地物識別結果的差異性導致地表覆蓋變化分析難以為城市變化提供參考信息和決策依據問題。 [方法] 研究以GlobeLand 30標準產品為數據源，結合CA_Markov模型，對鄭州地區2000—2020年土地利用變化速度、幅度、程度，以及熵值演變方向等時空變化特征進行分析與模擬預測。 [結果] (1) 2000—2010年，鄭州地區人造地表顯著增加，濕地、耕地、草地有一定程度的減少，其中人造地表和濕地的變化速度相對較快； (2) 2000—2010年，鄭州地區土地利用程度變化量為8.04，土地利用信息熵和均衡度都有所提升，優勢度相應降低； (3) 預測2020年鄭州地區地表覆蓋狀態同2010年相比，人造地表和草地分別增加68.88%和49.99%，水體、濕地增加幅度均在30%以上，耕地、林地有一定程度的減少。 [結論] 2000—2020年，鄭州地區土地利用總體分布格局具有顯著性差異，土地利用的復雜性增加，環境問題日益凸顯。

GlobeLand 30; CA-Markov模型; 地表覆蓋變化; 預測分析; 鄭州市

文獻參數： 劉培, 賈守軍, 馬朝陽, 等.基于GlobeLand 30數據和CA_Markov模型的鄭州市2000—2020年地表覆蓋變化特征及預測分析[J].水土保持通報，2017,37(4)：282-287.DOI:10.13961/j.cnki.stbctb.2017.04.048； Liu Pei, Jia Shoujun, Ma Chaoyang, et al. Land use and land cover feature analyses in Zhengzhou City during 2000 to 2020 based on GlobeLand 30 and CA_Markov model[J]. Bulletin of Soil and Water Conservation, 2017,37(4)：282-287.DOI:10.13961/j.cnki.stbctb.2017.04.048

土地利用動態變化分析一直是國際學術界關于全球問題的研究前沿和熱點[1]。“全球環境變化人文計劃”和“國際地圈與生物圈計劃”在1995年共同提出土地利用的重要研究項目[2]。土地利用變化狀況是工農業生產、生態環境評價、地理國情評估、可持續發展戰略不可或缺的重要基礎信息，隨著空間對地觀測技術和變化檢測技術的長足發展，人們對長時序、多角度的全球/區域地表覆蓋分析結果需求迫切[3]。目前，國內學者[4-5]對土地利用動態變化研究主要集中在經濟熱點城市和生態脆弱地區，對中西部的內陸城市的研究偏少，特別是針對近年來城市化進程飛速發展的鄭州地區研究，由于缺乏高時空分辨率的地表覆蓋數據，地表覆蓋變化特征一直難以進行深入地、系統地研究。2014年，中國成功研制出30 m分辨率全球地表覆蓋數據GlobeLand 30，在全球范圍內處于領先地位。相比美國和歐洲研制的6套全球地表覆蓋數據，GlobeLand 30的精度提高了1～2個數量級[6-7]。以往對GlobeLand 30的研究主要在遙感分類方法以及制圖總體技術方面[8]，在區域土地利用覆蓋變化中的研究相對較少[9-10]。本研究以2000，2010年兩期全球地表覆蓋產品為基礎數據源，結合CA_Markov模型、土地利用程度、變化熵等指標因子，從定量和定性的角度，研究鄭州地區的地表覆蓋時空變化特征，為鄭州地區生態環境變化以及土地利用變化趨勢提供參考信息和決策依據。

1 研究區和數據源

1.1 研究區概況

選取鄭州市為研究區域，該市東南方向為遼闊的黃淮平原地帶，西靠嵩山，北依黃河，經緯度坐標介于112°42′—114°14′E，34°15′—34°57′N。氣候條件為大陸性季風氣候，年平均降雨量639.1 mm，年平均氣溫為14.5 ℃，年平均日照時間約為2 500 h。作為中西部經濟最為發達的地區之一，近年來，鄭州市工業化和城市化程度的不斷提高使其成為中國土地利用變化最顯著的城市之一[11]。

1.2 數據來源及預處理

研究過程中所用的數據有： ① 2000，2010年2期30 m分辨率的GlobeLand 30全球地表覆蓋數據，分類影像主要是30 m分辨率多光譜影像，包括中國環境減災衛星HJ-1多光譜影像、北京1號BJ-1多光譜影像和Landsat TM5，ETM+多光譜影像，能夠提供更全面的紋理細節和空間分布信息[12]。地表覆蓋類別包括耕地、草地、林地、灌木、苔原、人造地表、濕地、裸地、水體、永久積雪和冰川10種類型[13]； ② 中國市級1∶1 00萬的行政區域劃分矢量數據。

數據預處理主要包括： ① 利用1∶1 00萬比例尺的全國行政邊界矢量數據對研究區域進行分割、裁剪和提取，獲取鄭州地區2000,2010年兩期的30 m分辨率地表覆蓋數據； ② 根據研究區域實際的土地利用情況，將研究區域的土地類型分為耕地、林地、草地、水體、濕地和人造地表； ③ 將研究區2000,2010年2期地表覆蓋數據進輸入分析模型進行變化特征分析。

2 研究方法

2.1 變化速度和變化幅度分析

通過分類、計算和統計得出研究區2000—2010年2期土地類型的面積轉移矩陣，從變化速度和幅度2個方面定量分析研究區土地利用時空變化特征。幅度變化表現在土地資源類型面積的變化，速度變化主要是通過單一土地利用類型動態度和綜合土地利用動態度來表現[14]。單一土地利用動態度指的是一定時間內某一種土地類型面積變化的快慢，其數學模型如公式(1)所示[15-16]：

(1)

式中：u1,u2——研究期開始和結束時某一種土地利用類型的面積;T——研究期的時段長。綜合土地利用變化動態度指的某研究區在一定時間內土地利用數量整體變化情況，其數學模型如公式(2)所示[17]：

(2)

式中：ui——研究期開始時間第i類土地利用類型面積;Δuij——研究期時段內第i類土地利用類型轉化為其他類土地利用類型面積的變化量。

2.2 土地利用程度變化量分析

土地利用變化程度對研究區域土地利用的結構調整、綜合水平以及地表覆蓋變化預測具有重要的參考作用。按照劉紀遠先生等提出的研究土地利用綜合程度的整體研究方法，并考慮到研究區域實際的地表覆蓋類型，將土地利用程度在人文因素和自然因素共同影響下所形成的自然生態平衡類型劃分為3個等級[18]，不同等級及其包括的土地利用類型詳見表1。

表1 土地利用類型及分級

土地利用程度綜合指數表征研究區土地利用真實程度，其數學模型為[19]：

(3)

式中：Dj——研究區域土地利用綜合指數； Ri——研究區第i級土地分級指數； Ci——第級i級分級指數所代表的土地利用類型面積的百分比。

(4)

式中：Da,Db——a,b時期研究區土地利用程度的綜合指數； n——土地利用類型的分級數。土地利用程度研究的是研究區內各種土地類型整體利用程度； Cia,Cib——研究區a,b時期第i級分級指數所代表的土地利用類型面積百分比；ΔDb-a——土地利用程度變化量；若ΔDb-a>0則表示研究區在該時間段內處于發展的時期；若ΔDb-a<0，則表示研究區在該時間段內處于衰退期。

2.3 變化熵值分析

土地利用信息熵可以用來表征土地系統的演變方向，衡量土地系統的復雜性。通過分析研究區內土地利用類型總體分布特征，土地利用熵值變化可以整體表示研究區在一段時間內土地利用類型的動態時空演化規律。土地利用熵值的數學模型如公式(5)所示[20]：

(5)

式中：I——土地利用熵值； Pi——第i類土地類型面積占總面積的百分比； Ai——第i類土地類型面積； A——該研究區土地總面積； n——研究區土地類型總數。基于土地利用熵值，引入均衡度和優勢度的指標，均衡度表征土地利用類型的平衡程度，優勢度表征土地利用類型的集中程度，數學模型如公式(6)所示[20]：

(6)

式中：J——土地利用類型均衡度； Y——土地利用類型優勢度。

2.4 CA_Markov模型變化趨勢分析

土地利用變化預測綜合了土地利用變化的幅度、速度、程度以及變化趨勢，揭示了社會經濟因子與自然環境因素的相互關系，有利于研究區域在不同時間、地域、結構下優化決策機制的建立[21]。CA-Markov模型結合了Markov模型對土地利用變化的數量變化預測能力與CA模型對復雜空間動態演變的模擬能力，從數量和空間兩個角度更加全面地對土地利用變化進行模擬與預測[22]。具體實現過程為： (1) 首先以預處理后的研究區GlobeLand30產品結果為初始數據； (2) 由GIS分析方法直接計算獲取地表覆蓋類型轉移概率矩陣和條件概率數據作為轉換規則。具體試驗中以2000，2010年預處理后的研究區GlobeLand30產品結果為起始時刻，元胞循環次數設定為10，對于30m空間分辨率的GlobeLand30數據，選擇5×5臨近濾波器定義鄰域，中心元胞周邊5×5個元胞共同對該中心元胞的狀態改變發生作用，通過模擬獲取研究區2020年地表覆蓋類型分布狀況數據。

3 研究結果與分析

3.1 時空變化特征分析

在對2000和2010年GlobeLand30數據預處理的基礎上，計算2000—2010年研究區土地利用類型面積轉移矩陣如表2所示，土地利用變化的幅度、速度情況詳見表3。對表2—3進行分析可以看出，鄭州地區2000—2010年各土地利用類型轉化關系復雜，單一動態度的變化范圍較大，綜合土地利用動態度為7.82%，土地利用類型顯著變化。各土地利用類型變化特征為：耕地變化幅度較大，以減少為主，主要轉變類型為由耕地轉變為建筑用地，主要原因在于隨著人口增加和城市化發展，人造地表擴建占據了大量的耕地；人造地表是變化最快的土地利用類別，變化速度為10.18%，呈大幅度增長趨勢，10a間研究區人造地表面積擴大1倍；林地具有小幅度增長趨勢，流入的土地利用類別為草地和耕地；草地呈微弱減少趨勢，研究時段共減少597.6hm2，變化面積最小；水體增加速度較快，變化幅度為18.5%，主要原因為在研究時段由于河流改道使得流經研究區的水域面積增加；濕地具有快速減少趨勢，10a間減少10 439.1hm2，變化速度為5.16%，主要原因在于研究時段鄭州地區降水量較少，而人為活動特別是建筑用地的擴展造成的影響。赫曉慧等[23]基于1999—2011年的鄭州市黃河濕地TM遙感影像,并結合降水數據和實際調研情況,對鄭州市黃河濕地進行研究結果表明，鄭州市黃河濕地生態環境比較脆弱，研究期內平均植被蓋度由60%下降到40%，年降水的差異對植被覆蓋度影響明顯，同時越來越多的人類活動是導致植被持續減少的重要因子。

表2 鄭州市2000-2010年土地利用類型面積轉移矩陣 hm2

表3 鄭州市2000-2010年土地利用變化

3.2 土地利用程度分析

利用土地利用程度綜合指數以及土地利用程度變化量公式計算出鄭州市2000—2010年土地利用程度變化指數詳見表4。根據表4數據結果ΔDb-a>0表明，2000—2010年鄭州市處于發展階段，ΔDb-a=8.04較大，表示鄭州土地利用程度較大，說明鄭州的城市化進程正在逐步加快。

表4 2000-2010年鄭州土地利用程度變化指數

3.3 土地利用熵值分析

根據鄭州地區2000—2010年土地利用類型面積轉移矩陣，可以計算出2000，2010年土地利用信息熵的數值以及均衡度和優勢度，結果詳見表5。由表5可以看出，2000—2010年鄭州市土地利用信息熵和均衡度都有所提升，優勢度相應降低，表明10a間，鄭州土地利用類型復雜程度提升，平衡程度增加，集中程度有所下降。

表5 鄭州市2000-2010年土地利用信息熵、均衡度、優勢度

3.4 地表覆蓋CA_Markov預測模型分析

借助于IDRISI軟件中的CA-Markov模塊得到2000—2010年鄭州市土地利用變化概率轉移矩陣(表6)；以10a為預測步長，預測鄭州市2020年土地利用類型(表7)。預測2020年鄭州市土地利用分布如圖1所示。

表6 研究區2000-2010年域土地利用類型轉移概率矩陣

表7 2020年鄭州市各種土地利用類型的面積、比例以及變化量

注：“變化量”為2020年相對于2010年的變化量。

圖1 鄭州市2020年土地利用分布預測

根據表7預測結果，2010—2020年，以減少為主的耕地依然是的變化量最大的土地利用類型，占土地類型總面積的58.6%，其次是人造地表，10a間增加849 965.7hm2。林地面積大幅減少，而草地、水體、濕地分別有著不同程度的增加。分別計算2000—2010和2010—2020年土地動態變化情況，并進行對比分析，結果詳見表8。從動態度變化對比分析結果可以看出，耕地依然是減少趨勢，并且前10a間減少速度低于預測得到的后10a減少速度，林地的變化態勢由前期的增加轉變為減少，滿足鄭州城市化建設用地需求。草地、濕地是由前期的減少態勢轉變為較大程度的增加趨勢，符合國家生態建設政策要求。同時，水體和人造地表依然是增加趨勢，但人造地表的變化速度有所降低，一定程度上緩解了經濟發展對環境造成的破壞。根據土地利用類型動態度變化情況分析結果，土地利用類型變化情況與國家經濟發展政策和可持續發展戰略相一致。因此，運用CA_Markov模型對鄭州地區2020年的土地利用情況進行預測是科學合理的。

表8 鄭州地區2000-2010年和2010-2020年土地類型動態度變化情況 %

4 結 論

(1) 通過對鄭州地區10a間土地利用數量變化以及土地利用程度統計分析，得出人造地表的變化幅度最大，濕地變化幅度最小。綜合土地利用動態度為7.82%，土地利用程度變化指數為8.04，表明鄭州的經濟發展正逐步加快。人造地表、林地和水體不斷增加，耕地、草地和濕地不斷減少，其中轉移量最多的是耕地與人造地表的相互轉化。研究將信息熵的概念應用到土地利用研究中，引入了均衡度和優勢度的指標，更準確地說明2000—2010年鄭州市土地利用類型結構有一定程度的調整，土地利用程度增加，同時土地利用類型結構趨于平衡。

(2) 運用CA_Markov模型對鄭州地區2020年的土地利用情況進行預測，鄭州耕地面積大幅度減少，但仍然是最主要的土地利用類型。人造地表面積進一步增加，表明鄭州市工業化、城市化的進程加快，但是耕地和林地的減少使環境問題日益尖銳，政府應采取合理措施改善經濟發展與生態平衡的關系。針對預測的土地利用變化情況，為實現鄭州市土地利用可持續發展，研究者提出建議要強化城市土地利用規劃方案，控制城市土地利用總量的增長，進一步調整土地集約利用、優化城市規劃設計，合理分配城市用地數量指標，嚴控近郊農用地向建設用地的轉換條件。同時開發城市地下和地上空間，實現人、車、商業、消費區等立體分流，提高土地利用率。

[1]PijanowskiBC,RobinsonKD.RatesandpatternsoflandusechangeintheUpperGreatLakesStates,USA:Aframeworkforspatialtemporalanalysis[J].Landscape&UrbanPlanning, 2011, 102(2):102-116.

[2] 柴宏博,楊山.2001—2008年無錫市土地利用景觀格局變化分析[J].人文地理,2012(4):94-97.

[3]OvermarsKP,VerburgPH.AnalysisoflandusedriversatwatershedandhouseholdlevellinkingtwoparadigmsatthePhilippineforestfringe[J].InternationalJournalofGeographicalInformationScience, 2005,19(2):125-152.

[4] 韓春健,呂巧靈,吳克寧,等.鄭州市土地利用變化對土壤肥力質量時空變異的影響[J].河南農業大學學報.2007，41(2)：160-166.

[5] 宋軒,石端曉,張雪雷,等.基于元胞自動機的鄭州市區土地利用變化研究[J].河南科學,2008.26(8):971-976.

[6]BrovelliMA,MolinariME,HusseinE,etal.ThefirstcomprehensiveaccuracyassessmentofGlobeLand30atanationallevel:Methodologyandresults[J].RemoteSensing, 2015,7(4):4191-4212.

[7] 陳軍,陳晉,廖安平,等.全球30m地表覆蓋遙感制圖的總體技術[J].測繪學報,2014,43(6):551-557.

[8] 陳利軍,陳軍,廖安平,等.30m全球地表覆蓋遙感分類方法初探[J].測繪通報,2012(S):1-14.

[9] 楊洋,麻馨月,何春陽.基于GlobeLand30的耕地資源損失過程研究：以環渤海地區為例[J].中國土地科學,2016,30(7):72-81.

[10] 楊振州,陳利軍,韓佳鵬.基于GlobeLand30的水田提取方法研究[J].測繪與空間地理信息,2016,39(8):52-57.

[11] 李晶輝.鄭州市土地利用變化及驅動力分析[D].河南 鄭州：河南農業大學,2006.

[12]GiriC,PengraB,LongJ,etal.NextgenerationofGLCcharacterization,mapping,andmonitoring[J].InternationalJournalofAppliedEarthObservationandGeoinformation, 2013,25(1):30-37.

[13] 張宇碩,陳軍,陳利軍,等.2000—2010年西伯利亞地表覆蓋變化特征:基于GlobeLand30的分析[J].地理科學進展，2015,34(10):1324-1333.

[14] 王良建,包浩生,彭補拙.基于遙感與GIS的區域土地利用變化的動態監測與預測研究[J].經濟地理2000,20(2):47-51.

[15] 劉紀遠,中國資源環境宏觀調查與動態研究[M].北京:中國科學技術出版社,1996:158-188.

[16]AdemolaKB,PaulLG.LandcoverdynamicsinanurbanareaofGhana[J].EarthInteractions, 2004,8(1):1-15.

[17] 莊大方,劉紀遠.中國土地利用程度的區域分異模型研究[J].自然資源學報,1997,12(2):105-111.

[18] 劉紀遠,中國資源環境宏觀調查與動態研究[M].北京:中國科學技術出版社,1996:158-188.

[19] 賽莉莉,王濤,陳坤,等.2000—2010年威海城市土地利用變化及馬爾科夫預測[J].魯東大學學報:自然科學版,2016,32(2):162-167.

[20] 郭榮中,楊敏華.基于信息熵的長株潭區域土地利用結構分析[J].農業現代化研究2013,34(1):73-76.

[21]LambinEF,RounsevellM,GeistH.Arecurrentagriculturallandusemodelsabletopredictchangeinlanduseintensity? [J].Agriculture,EcosystemandEnvironment, 2000,82(1/3):321-331.

[22]AbuelaishB,OlmedoMTC.ScenariooflanduseandlandcoverchangeintheGazaStripusingremotesensingandGISmodels[J].ArabianJournalofGeosciences, 2016, 9(4):274.

[23] 赫曉慧,牛金星,鄭東東,等.基于遙感的鄭州市黃河濕地植被覆蓋度變化研究[J].水土保持通報,2014,34(1):334-336.

Land Use and Land Cover Feature Analyses in Zhengzhou City During2000to2020Based on GlobeLand30and CA_Markov Model

LIU Pei1,2, JIA Shoujun1,2, MA Chaoyang1,2, LU Xiaofeng1,2, HAN Ruimei1,2, JIA Han3

(1.School of Surveying and Mapping Land Information Engineering, He’nan Polytechnic University, Jiaozuo, He’nan 454003, China; 2.Key Laboratory of State Bureau of Surveying and Mapping of Mine Spatial Information Technology, He’nan Polytechnic University, Jiaozuo, He’nan 454000, China; 3.Beijing Outsmarting ROCTEC Technology Co., Ltd., Beijing 101102, China)

[Objective] The common problem in the processing of remote sensing images, that is different classification algorithms may lead to different identification results of ground objects, was discussed, to provide reference information of urban change and decision making based on LULC analysis. [Methods] In this research GlobeLand 30 product and CA_Markov model were selected to monitor and analyze land use degree, entropy change of land use, spatial-temporal change of land use in Zhengzhou area from 2000 to 2020. [Results] (1) There was a great land use degree change from 2000 to 2010. During this period human-made cover type was increasing greatly; on the contrary, wetland, farmland, grassland were in a decreasing trend. Where human-made earth surface and wetland changed significantly. (2) The amount of land use was 8.04, entropy of land use and equilibrium degree were promoted, while dominance index decreased. (3) There were 68.88% and 49.99% increases for human-made earth surface and grass land respectively, and there were more than 30% increases for both of water surface and wetland. [Conclusion] There was a significant difference of landscape from 2000 to 2020. The complexity of land use was increasing, and the proportionality of land use raised.

GlobeLand30;CA_Markovmodel;landuseandlandcoverchange;ZhengzhouCity

A

： 1000-288X(2017)04-0282-06

： TP79， Q948.1

2016-09-25

：2016-12-20

國家自然科學基金項目“基于半監督隨機森林的城市地表覆蓋主被動遙感數據協同分類研究”(41601450)；河南省高等學校重點科研項目(16A420004); 河南省高校基本科研業務費專項(NSFRF140113); 河南理工大學博士基金項目(B2015-20); 河南省基礎與前沿項目(152300410098)

劉培(1985—),男(漢族),河南省許昌市人,博士,副教授,碩士生導師，主要從事資源環境遙感、模式識別與數據挖掘方面的研究。E-mail:cumtlp@qq.com。

韓瑞梅(1984—),女(漢族),河南省洛陽市人,碩士,講師,主要從事遙感理論教學及環境遙感應用研究。E-mail:hrm@hpu.edu.cn。