基于CLUE-S模型和Markov模型的土地利用變化模擬預測
——以德陽市為例

鄧元杰， 潘洪義， 陳 丹， 蔣貴國， 曲比偉石， 孫嘉璐

(1.四川師范大學西南土地資源評價與監測教育部重點實驗室，四川成都 610068； 2. 四川師范大學地理與資源科學學院，四川成都 610068；3.陜西師范大學地理科學與旅游學院，陜西西安 710119； 4.四川師范大學法學院，四川成都 610068)

土地利用反映了人類與自然界相互影響與交互作用中最直接和最密切的關系，是社會經濟活動與自然生態過程相互影響的紐帶，對理解和處理人類-環境的復雜關系具有重要作用[1-2]。自從“國際地圈-生物圈計劃”(IGBP)和“全球環境變化人文計劃”(IHDP)將土地利用/土地覆被變化(Land Use/Cover Change，LUCC)列為研究國際全球變化的核心計劃以來，土地利用/土地覆被變化已經成為人類深入研究、了解并認識人地關系的核心研究領域之一[3-5]。土地利用變化模型在分析LUCC驅動力和演變過程、評估土地利用變化的生態效應和土地利用規劃決策分析中有重要作用。近年來，用于區域土地利用模擬的模型主要包括基于多智能主體分析方法的多智能體模型(agent-based model，簡稱ABM)[6-7]、基于柵格鄰域關系分析方法的元胞自動機(cellular automata，簡稱CA)模型[8-9]、基于土地系統結構變化及空間格局演替(dynamics of land system，簡稱DLS)綜合分析模型[10]、GTR模型[11-12]等。這些模型極大地推進了土地利用模型在研究未來土地利用空間格局變化和空間格局優化配置上的應用，但是由于影響土地利用變化的過程是一個自然-人文的綜合過程，并且存在的影響因素紛繁復雜，因此上述模型很難將研究區域自然和人文的要素綜合起來，對其未來的土地利用/土地覆被變化進行模擬研究。相反，作為基于經驗統計方法的CLUE-S(conversion of land and its effects at small regional extent)模型可以在區域土地利用變化經驗理解的基礎上對土地利用變化與其社會、經濟、技術、政策及自然環境等驅動因子相互關系進行定量分析，整合不同時空尺度區域LUCC過程和驅動力研究，綜合模擬不同情景方案下多種土地利用類型的時空變化，并為土地利用決策提供更加科學的依據[13-14]。眾多學者的研究表明[15-20]，CLUE-S模型已成為模擬研究未來土地利用格局變化的有效科學工具。鑒于此，本研究引入CLUE-S模型對2025年德陽市不同發展情景下的土地利用變化進行模擬研究。本研究的主要目標如下：(1)利用2005年德陽市土地利用狀況數據，對德陽市2015年土地利用變化的空間格局進行模擬，將模擬圖與2015年土地利用狀況圖進行精度驗證，以探究CLUE-S模型在德陽市等盆地內多樣地形區的適用性；(2)綜合分析影響德陽市土地利用變化的自然和社會因素，構建德陽市在2015—2020年不同發展情景下的土地利用需求，并對研究區2020年在不同發展情景下的土地利用空間格局進行模擬，以期為德陽市未來的土地利用規劃編制和土地可持續利用情景預測提供理論依據。

1 研究區概況

德陽市位于四川盆地成都平原東北部(地理位置為103°45′～105°15′E、30°31′～31°42′N)，南靠成都，北接綿陽，東依遂寧，西鄰阿壩，德陽市市境狹長，南北間距離約為 162 km，東西間距離約為65 km(圖1)。該地為亞熱帶濕潤氣候，氣候溫和，常年平均氣溫為15～17 ℃，四季分明，降水豐沛。年平均日照時數1 000～1 300 h，年總降水量900～950 mm。德陽市是成渝經濟圈重要區域中心城市和成都經濟區重要增長極，也是四川省重點規劃在建百萬人口城市。地勢西北高東南低，西北部為龍門山脈中段，山地面積 1 171.87 km2，占全市總面積的19.68%；中部為成都平原東北部，面積1 838.75 km2，占全市總面積的30.88%；東南部為盆中丘陵，面積2 943.13 km2，占全市總面積的49.44%。其地貌、土地利用等特征在四川盆地中具有典型的代表性，將其作為試驗區進行實證研究可為同類區域土地利用格局的分析與模擬提供方法應用示范。

2 材料與方法

2.1 數據來源與處理

本研究數據來自3個方面：(1)土地利用狀況數據來源于中國科學院資源環境科學數據中心(http：//www.resdc.cn)，經過Landsat TM影像解譯得到德陽市2005年和2015年2期土地利用狀況數據，空間分辨率為30 m×30 m；(2)本研究所使用的30 m ASTER GDEM高程數據來源于中國科學院計算機網絡信息中心和美國地質調查局網站(http：//www.usgs.gov/)；(3)社會經濟數據包括德陽市2005年和2015年的人口密度和農民人均純收入等，均來源于《德陽市統計年鑒》；(4)道路數據來源于2005年和2015年的《德陽市交通地圖集》以及2期Google Earth高清遙感影像。

本研究對數據的處理主要集中在以下幾個方面：(1)結合德陽市的實際土地利用情況，根據中國科學院“中國資源環境數據庫”土地利用遙感分類體系將德陽市土地利用類型劃分為城鄉工礦居住用地、水域、林地、耕地、草地五大類；(2)根據數字高程模型(DEM)數據對研究區的地形特征進行分析，得到相關的坡度和坡向數據；(3)從不同年份的土地利用狀況數據中提取農村居民點、城市、河流等矢量數據，計算研究區域內各地類到城市中心、農民居民點、河流的距離等區域空間變量數據，得到相應的距離因子圖層；(4)利用ArcGIS軟件將獲得的德陽市2005年和2015年人口密度、農民人均純收入、人均國內生產總值(GDP)等社會經濟數據空間化；(5)利用ArcGIS軟件將獲得的道路圖集和谷歌影像與已解譯獲得的土地利用矢量數據進行地理配準，在此基礎之上將2個不同時期的道路信息進行矢量化處理，最終得到2期鐵路、高速公路等道路信息。(6)本研究區范圍較大，選擇用于模擬過程的空間分辨率從柵格500 m×500 m的大小開始，嘗試以50 m為步長逐步提高空間分辨力，以便于更多地體現空間的細節信息。經過模擬調試的結果顯示：利用CLUE-S模型對德陽市的土地利用變化模擬的最優柵格精度為250 m×250 m，因此本研究模擬的空間尺度為250 m。(7)本研究所使用的投影坐標信息為WGS_1984_UTM_Zone_48N。

2.2 研究方法

2.2.1 CLUE-S模型結構 CLUE-S模型是荷蘭瓦赫寧根大學的Verburg等在CLUE模型基礎上發展起來的高分辨率、適用于模擬小范圍尺度的土地利用空間分配模型[13-14]。CLUE-S模型能夠在空間上反映土地利用變化的過程和結果，可信度更高，解釋能力更強。CLUE-S模型包括2個不同模塊，即非空間模塊和空間模塊，其中非空間模塊為空間模塊的基礎。非空間模塊主要在綜合考慮影響土地利用變化的各種因素后，借助其他預測模型預測未來時間段各土地利用類型需求量。空間模塊負責土地利用數量在空間上的分配，從而對研究區域土地利用空間格局演變進行模擬。空間分析模塊處理的基礎是各種柵格數據，根據每個柵格土地利用類型出現的概率以及轉化規則，分配非空間部分算出的土地利用需求數量。

在具體的土地利用變化空間模擬試驗中，CLUE-S模型的實現主要由空間政策和限制、土地利用類型轉移設置、土地利用需求預測、各土地利用類型分布的空間適宜性分析四大部分構成，四大部分雖然相互獨立，但是它們在模擬試驗中，相互作用，缺一不可，每個部分的具體內容如下：

2.2.1.1 輸入土地限制約束因素 土地限制因素輸入一般包括基本農田保護區、自然保護區、生態環境保護區、水源涵養地等。將限制因素輸入模塊，使得地類變化方向受到限制，從而達到影響土地利用格局變化的目的。

2.2.1.2 輸入土地利用類型轉換規則 輸入土地利用類型轉換規則包括土地利用類型轉移彈性和土地利用類型轉移次序2個方面。土地利用類型轉移彈性主要受地類變化可逆性的影響，用0～1表示，值越大，轉移彈性越小。土地利用類型間能否實現轉變是通過設定土地利用類型間轉移矩陣來表示的，即土地利用類型轉移次序。0表示不能轉變，1表示可以轉變。

2.2.1.3 輸入土地利用需求 土地需求通過其他外部模型被計算出來，用以限定各土地利用類型變化量，這一步是獨立于模型之外進行的，但是無論研究區域土地利用需求怎樣變化，區域總的土地利用類型面積都是恒定的。

2.2.1.4 輸入空間特征 輸入空間特征主要是計算出各土地利用類型的空間分布概率。這主要受空間分布驅動因素的影響。采用Logistic回歸方程計算每一單元可能出現某種地類的概率，并解釋該地類與其驅動力因素之間的關系。表達式如下：

式中：pi表示每個柵格單元可能出現某地類i的概率；X表示驅動因素；β是影響因子的回歸系數；n表示驅動因子的數量。

每種地類回歸方程擬合度可以通過受試者工作特征曲線(receiver operating characteristic curve，簡稱ROC曲線)進行檢驗。ROC值介于0.5～1之間，值越大，表明模擬的地類概率分布與真實的地類分布一致性越強，模擬的地類分配越精確；擺萬奇等經過研究認為，當ROC>0.70時，認為驅動因子具有良好的解釋能力，反之則認為驅動因子各地類的空間分布解釋能力較弱[21-22]。

2.2.1.5 空間布局優化 依據前面4個輸入模塊的結果，根據總概率大小對土地利用需求進行多次迭代分配(圖2)，最后得出土地利用空間布局優化結果。

TPROPi,u=Pi,u+ELSAu+ITERu。

式中：TPROPi,u是指在柵格研究單元i上土地利用類型u的總概率；Pi,u是指柵格研究單元i對于地類u的適宜性概率；ELSAu代表土地利用類型u的轉換彈性系數；ITERu代表土地利用類型u的迭代變量；u代表某一土地利用類型；i代表某一柵格研究單元。

2.2.2 馬爾科夫(Markov)模型 Markov模型在土地利用變化研究過程中應用十分廣泛，能夠較好地預測土地利用數量變化，Markov模型的特點是具有無后效性和時效性，轉移過程與轉移前的時間無關，只與轉移的初始狀態和轉移步數相關，隨機的轉移過程與時間間隔有關，與所處的原始時間無關[23]。確定初始概率矩陣和狀態轉移概率矩陣是運用Markov模型預測土地類型需求的關鍵，其數學表達式如下：

式中：P為某一土地類型從當前時刻的空間分布格局到下一時刻分布格局的轉移概率矩陣；m和n為研究區域內的土地類型數；Pij為某一個土地利用類型i轉變為另一個土地類型j的轉移概率。綜上可知，在土地利用變化過程中可用土地利用類型的轉移概率矩陣結合當前時刻的土地利用狀態來推知t+1時刻的狀態。

2.2.3 情景設計 綜合德陽市目前制定的各項政策措施以及《德陽市土地利用總體規劃》等提出的土地利用要求并參考相關文獻后[24-28]，本研究通過修訂不同地類之間的轉移概率，設置了4種不同的土地利用發展需求情景(歷史趨勢發展情景、糧食安全情景、生態保護情景、經濟發展情景)對德陽市2025年土地利用/土地覆被格局進行情景預測。本研究利用Markov模型得到的4種不同土地利用發展需求面積均通過Matlab 2012a軟件編程實現。

2.2.3.1 歷史趨勢發展情景 根據德陽市2005—2015年的土地利用轉移概率矩陣和2015年各土地利用類型所占的面積百分比，以10年為步長，利用Markov模型預測德陽市2020年按歷史趨勢發展的土地利用類型面積。

2.2.3.2 糧食安全情景 該情景旨在嚴格執行《德陽市土地利用總體規劃》中提出的保護基本農田政策，要充分保障耕地總量和地方糧食安全。參照前人對Markov過程轉移概率修正的研究，以及結合德陽市的實際情況，在該情景中，本研究將耕地向城鄉工礦居住用地的轉移概率降低50%，向林地、草地、水域的轉移概率矩陣降低25%。

2.2.3.3 生態保護情景 該情境旨在加強對林地、草地、水域這類生態用地的保護，這對于維護和改善地區整體生態環境，促進區域生態安全具有重要意義。在該情景下，耕地向城鄉工礦居住用地的轉移概率降低25%，林地、水域向耕地和城鄉工礦居住用地的轉移概率各降低90%，由于在2005—2015年間，草地向城鄉工礦居住用地的轉移面積為0 hm2，向耕地轉移的面積僅為0.03 hm2，變化十分微小。因此草地在生態保護情景下，向耕地和城鄉工礦居住用地轉移概率保持不變。

2.2.3.4 經濟發展情景 在該情景下，為了實現產業轉型，滿足經濟發展的需要，以及人口向城市的大量轉移，必須要擴大城市建成區面積，從而使城市周圍的土地將被大量占用。從2005—2015年德陽市土地變化轉移概率矩陣來看，德陽市的城鄉工礦居住用地主要是由耕地轉變而來的。因此在該情景下，設定耕地向城鄉工礦居住用地的轉移概率提升70%。

3 結果與分析

3.1 CLUE-S模型模擬精度的檢驗

本研究在參考相關文獻[29-33]后，結合德陽市的自然-社會環境選取了3類14種驅動因子(表1)，以德陽市2005年的土地利用狀況為基礎，對各地類與各驅動因子之間的關系進行模型的Logistic回歸分析。

表1 德陽市土地利用空間分布格局驅動因子

本研究的Logistic回歸通過運用SPSS 17.0中的Binary Logistic回歸分析實現。回歸結果采用ROC方法評價，ROC檢驗結果顯示，各地類的ROC值均大于0.75(圖3)，表明所選驅動因子對各地類的空間分布格局具有較好的解釋能力，其中林地、城鄉工礦居住用地、耕地的ROC值較高，分別為0.921、0.932、0.920，表明驅動因子對這3類用地的解釋能力較強。草地、水域的ROC值較低，但也分別達到了 0.883、0.871。草地和水域精度較低的原因可能是因為地類較為分散，具有較強的不確定性特征。研究區2005年各土地利用類型的Logistic逐步回歸和ROC評價結果如表2所示。

以2個年份的土地利用空間格局變化數據為依據，結合不同驅動因子的影響程度、土地利用轉移矩陣等相關變量輸入CLUE-S模型來模擬2015年德陽市土地利用空間分布格局，得到2015年德陽市土地利用變化模擬結果(圖4)，將其與2015年德陽市土地利用狀況圖進行隨機Kappa指數一致性對比檢驗后得出，2015年德陽市的模擬圖與現狀圖之間的隨機Kappa指數為0.816，滿足了當Kappa≥0.75時，兩者一致性較好的要求，說明模擬結果與2015年真實土地利用類型一致性較好，CLUE-S模型可用于對德陽市的土地利用模擬研究中[33]。

表2 Logistic回歸結果

3.2 德陽市土地利用空間格局變化特征

從德陽市2005—2015年的土地利用變化的空間尺度上看(圖5)，各類用地類型變化最為明顯的是城鄉工礦居住用地，10年間增加了15 078.41 hm2，增幅高達65%。各個區(縣)的建設用地都有不同的擴張。其中，廣漢市的建設用地擴張方向受到政策影響主要呈現“南北發展”的城鄉工礦居住用地擴張趨勢；旌陽區由于西部受到地形的限制，因此主要呈現向“西部和南部”擴張的趨勢；綿竹市和什邡市由于所處地形平坦，因此呈現“自中心向四周”擴張的趨勢；羅江縣和中江縣，由于受到地形因素的限制較大，因此城市擴張相對于其他各區(市、縣)較為緩慢，呈現出“不規則”式擴張趨勢。另外，耕地的減少主要集中在德陽市所處的成都平原東北部區域，主要還是由于城鄉工況居住用地的擴張造成了城市周圍大量耕地的減少，耕地在10年間共減少了20 692.20 hm2，減少率為4.84%。林地和草地的變化主要集中在東北部山區，德陽市2005—2015土地利用變化轉移矩陣表明，在東北部山區有6 923.56 hm2的林地轉換為了草地。水域的空間格局變化顯著性較弱。

3.3 不同情景下的土地需求預測及空間模擬對比

以2005—2015年德陽市各土地利用類型相互轉換的數據為基礎，通過前面設計的不同情景下各地類轉換的概率，本研究借助Markov模型對德陽市在2025年4種不同發展情景下的土地利用需求量進行了預測。由表3可知，在4種發展情景下，除耕地、林地呈現下降趨勢外，城鄉工況居住用地、草地、水域都呈現增長的趨勢。而且在不同情景下各種土地利用類型變化在數量上呈現出明顯的差異性。在不同情景下土地利用預測數量上的差異都較好地符合相應情景下設計的原則。

為了保證2025年土地利用變化模擬的精確性和現實性，本研究選取了與2025年土地利用變化最為密切的2015年的土地利用狀況圖作為模擬的基準圖，最后通過CLUE-S模型將4種不同情景下的德陽市2025年土地利用空間格局進行了模擬，結果如圖5所示。

(1)在歷史趨勢發展和經濟優先發展情景下，城鄉工礦居住用地向外的擴張趨勢明顯，主要表現為以下幾個方面：各區(市、縣)的建成區面積呈現由“由中心向四周”的蔓延式發展；不論在哪一種發展情景下，廣漢市和旌陽區的建成區面積都呈現合并發展的態勢，尤其在經濟優化發展情景下最為顯著。變化劇烈區域主要集中在東北部的成都平原上，并且與各區(市、縣)的社會經濟狀況有關，尤其是廣漢市、旌陽區、什邡市及綿竹市較為突出。以上4個區(縣、市)所處地區，地勢平坦，社會經濟條件較好，吸引人口向城市中心集聚能力強，使得居住用地不斷擴張，耕地面積大幅度減少，其中耕地減少32 185.23 hm2，城鄉工礦居住用地增加27 212.56 hm2。在經濟優先發展情景下，德陽市各土地利用類型的變化最為劇烈，其中到2025年城鄉工礦居住用地的增加率達119%，主要由耕地轉化而來，耕地面積減少49 944.97 hm2，其余各地類變化較為平緩。由此可見，隨著城鎮化進程的不斷推進，在歷史趨勢和經濟優先發展情景下，德陽市城市擴張更為明顯，土地資源面臨著較大的不可持續性。

表3 不同情景下2025年德陽市各類土地類型需求量預測 hm2

(2)在糧食安全情景下，由于限制了基本農田內的耕地不能轉化為其他類型的用地以及降低了耕地轉換為其他各地類的概率，因此本情景下除林地外的土地利用類型的變化趨勢較為緩和。為了保障地區糧食安全，以促進德陽市社會經濟全面協調的可持續發展，因此德陽市2025年在此種情景下的城鄉工礦居住用地的增長率僅為36.10%，為4種情景中最低的，城鄉工礦居住用地的增加率相比于經濟優先和歷史趨勢發展情景平均減少了96%，有效地限制了建設用地擴張的程度，從而有效地保障了地區的糧食安全。在2025年耕地發生變化劇烈的區域為東北部平原區，并且主要集中在各區(市、縣)建成區周圍的耕地。相反，位于德陽市西部和西南部的耕地，由于位于丘陵地區，遠離城鎮地區，因此變化穩定，由圖5可知，僅有少部分城鎮周圍的耕地被占用。

(3)在生態保護情景下，作為重要生態用地的林地得到了更多的保護，阻止了其繼續降低的趨勢，預計到2025年在生態保護情景下的林地，僅會減少2%。并且林地在空間上呈現連片集中生長的趨勢，主要表現在南部和西南角的零星林地范圍內。耕地向城鄉工礦居住用地轉化的概率相比于經濟優先和歷史趨勢發展的均值減少了79%；草地和水域的增加率分別為39%、12%，可見該類情景具有明顯的政策調控效果，從而達到保護生態環境的效果。

4 討論與結論

本研究以位于四川盆地北部的德陽市為研究案例地，基于CLUE-S和Markov模型，探索了該模型在德陽市土地利用方面的適用性。在對模擬結果進行驗證的基礎上，基于德陽市的社會經濟發展情況、糧食安全保護、生態安全保護、歷史趨勢發展構建了4種不同土地利用變化情景模式，以2015年德陽市土地利用狀況圖為基礎，對德陽市2025年土地利用變化進行了4種不同情景下的模擬及預測。主要結論如下：

(1)2005—2015年，德陽市土地利用變化較為劇烈。除耕地和林地處于下降趨勢外，其余用地類型均處于增長的趨勢。其中最為明顯的是城鄉工礦居住用地和耕地。城鄉工礦居住用地在10年間的增幅高達65%，各區(市、縣)的建成區面積受到社會經濟發展的驅動，呈現不同類型不同速度的增長擴張趨勢；耕地在2005—2015年間共減少了 20 692.20 hm2，其中74%的耕地都轉化為了城鄉工礦居住用地，轉化主要集中在成都平原東北部地勢平坦、經濟發展程度較高的區(市、縣)。

(2)本研究基于德陽市的實際情況，在自然和社會經濟2個方面選取了DEM、坡度、人均GDP、工業總產值等15個與區域土地變化密切相關的驅動因子，運用CLUE-S模型和Logistic回歸基于德陽市2005年的土地利用數據對德陽市2015年的土地利用空間分布格局進行了模擬，經Kappa指數檢驗，模擬取得了良好的效果，表明CLUE-S模型對德陽市具有較好的土地利用模擬能力。

(3)本研究在綜合考慮“歷史趨勢發展”“糧食安全保護”“生態安全保護”“經濟優先發展”4種不同土地利用變化基礎上，通過修正不同目標情景下各地類之間的轉移概率矩陣，對2025年德陽市土地利用格局進行了預測。模擬結果表明：在不同的情景模式下，研究區域土地利用變化的空間格局差異較大。在經濟優先發展情景下，城鄉工礦居住用地增加面積最為明顯；耕地在生態安全保護和糧食安全情景下減少幅度最小；在糧食安全情景下，由于減少了耕地向林地轉化的概率，因此林地減少的幅度最大，而林地在生態保護情景下減少的幅度最小；水域和草地在4種情景下均呈現增長的趨勢。另外可以看出，各情景下的城鄉工礦居住用地變化最為劇烈，主要集中在德陽市的東北部平原地區，而受到地形因素限制的羅江縣和中江縣建成區面積擴張相對于其他4個區(市、縣)的建成區面積擴張呈現慢且小的特點；林地的變化主要集中在西北部山區和中部山區；草地的增長主要集中在西北部山地區域；水域面積的增加主要集中在東南部的水庫區域。

影響土地利用空間格局分布的因素眾多，由于定量化和空間化技術還不完善，本研究對政策因素的考慮較少。而政策因素對于土地利用演化具有重要調控作用，因此在今后的研究中如何將政策因素進行量化，以加強CLUE-S模型對區域土地利用空間格局變化模擬的精度將會是未來的一個重要的研究方向。另外，本研究雖然結合德陽市未來土地利用變化的實際情況，設置了未來可能的4種情景模式，對德陽市2025年土地利用空間格局變化進行了預測，對未來城市土地利用規劃修編和城市規劃起到了重要的參考，但是情景預測結果帶有一定的人為主觀性，僅能反映某一特定條件下的可能情況，帶有不確定性。因此在今后的研究中，應該在全面考慮區域土地開發、管理和保護等政策對土地利用變化的影響基礎上，不斷加強相應情景方案與實際情況的相關性，進而減少人為的主觀性，增強模擬的實踐作用。