基于CA_Markov模型的天府新區土地時空變化預測

羅雙曉, 何政偉,2, 高 箐, 于 歡

(1.成都理工大學 地球科學學院, 成都 610051;2.成都理工大學 地質災害防治與地質環境保護國家重點實驗室, 成都 610051)

土地利用變化是人類與自然相互影響、相互作用的動態結果。隨著社會經濟的高速發展，城市土地利用格局發生了巨變，由此產生對諸如生態系統碳循環、生境網絡[1-2]等自然生態現象的影響；加之20世紀90年代“土地利用和土地覆蓋變化(LUCC)”研究計劃就已正式被全球環境變化人文領域計劃(IHDP)與國際地圈生物圈計劃(IGBP)提出，因此土地利用與覆蓋變化研究成為了全球變化研究的前沿和熱點課題[3-7],其重要性在全球環境變化與可持續發展的研究中日益突出[8-10]。土地利用時空變化預測是重要的研究方向，研究土地利用的動態變化、依據現有土地利用格局預測其未來的空間分布狀況，可為探索土地利用變化的趨勢提供有效支撐，并可為政府決策提供科學的理論依據。

土地利用空間格局分布的模擬預測是該研究的核心，目前Markov模型和元胞自動機(Cellular Automation,簡稱CA)模型都是預測土地未來空間格局的重要模型。其中Markov模型在國外曾被Hulst和Lippe用于解決植被生態預測的問題[11],也被Balzter[12]和Pastor等[13]用于分析植被的變化，該模型在研究時間尺度的變化上具有很大優勢，但對于土地利用在空間格局上的變化卻難以預測。而CA模型作為一種在時間、空間和狀態都離散的網格動力學模型，具有強大的空間運算能力以及時空耦合特征，能夠有效模擬復雜的時空變化過程[14-15]。集成的CA_Markov模型同時具有兩者的優勢，對土地利用時空變化有較好的預測效果，因此被廣泛應用于土地利用格局變化的研究中[16-17]。但以往的研究大部分只針對于土地利用變化的模擬預測，而未將其現有的時空分布特點進行充分探討，從而失去對土地利用時空變化趨勢的精準把握。

天府新區作為四川省唯一的國家級新區，自2010年規劃建設以來，其戰略發展就定位為構建西部科學發展的先導區、西部內陸開放的重要門戶、城鄉一體化發展示范區、具有國際競爭力的現代產業高地、國家科技創新和產業化基地及國際化現代化新城區，奮力打造西部經濟核心增長極的重要極核，全省多點多極支撐戰略的第一極和成渝經濟區最具活力的新興增長極。因此本文選擇天府新區作為研究區，以其近30 a來的土地利用數據為主要研究內容，采用面向對象的監督分類方法從30 m分辨率的6 a遙感影像中獲取基礎數據，并結合土地利用動態指標對研究區土地利用時空動態變化進行定量分析，探討其變化規律。采用CA-Markov模型，對研究區未來的土地利用空間格局進行模擬預測，以期揭示天府新區土地利用的時空變化特征，為該區域的規劃管理提供可靠數據和科學依據。

1　研究區概況

天府新區地處四川成都平原南部，地理坐標為30°10′58″—30°37′30″N ，103°46′33″—104°26′04″E，總面積1 578 km2，其中成都規劃范圍為1 484 km2，約占整個天府新區規劃面積的94.04%。轄區涉及直管區、高新區、雙流區、龍泉驛區、新津縣、簡陽市，眉山市的彭山區、仁壽縣，共計8個區，38個鄉、鎮、街道。天府新區屬暖濕亞熱帶東南季風氣候，年均降水量達900～1 300 mm，年均氣溫在16°C左右，日照少，冬濕冷，春早且無霜期較長，四季分明。研究區出露地層多，以第四系和侏羅系面積最大，前者主要分布在雙流區、高新區、新津縣、彭山區東部和仁壽縣西北部。研究區內地貌類型主要為平原、丘陵和山地，平原地表松散，沉積物厚重，地勢平坦，平均坡度僅3%～10%，地表相對高差在20 m以下；山地為龍泉山斷裂帶，地處研究區東部，呈南北走向。在土地利用分布上，中、西部為農業用地，東北部為園地，東部為林地，水域主要分布在中部和東部，其水系格局特殊，呈紡錘形，河流出山口后分成許多支流奔向平原，分枝交錯，河渠縱橫。

2　研究方法

2.1　數據來源及處理

本文采用6年Landsat遙感影像，其中1988年、1997年、2003年、2009年影像來源于Landsat TM5,2014年、2016年影像來源于Landsat8 OLI，分辨率均為30 m×30 m，云量均低于5%，經影像融合、輻射定標、大氣校正、配準裁剪后得到6期遙感數據，再分別選用TM/ETM+影像的4/5/3波段和OLI影像的5/6/4波段進行標準假彩色合成，此時影像地物信息最為豐富，所選的訓練區也具有代表性。參照《全國二調土地分類標準》和《GB24708—2009-T濕地分類標準》，結合本文研究重點，將天府新區土地利用類型分為12類，分別為：草地、城鎮村及工礦用地、河流水面、水工建筑用地、交通運輸用地、景觀水面、林地、灘涂、坑塘水面、水庫水面、耕地和園地。在eCognition和ArcGIS軟件的支持下，依據統計資料及各專題圖件，結合野外調查，建立該區域的遙感影像解譯標志，在人機交互解譯處理后，得到研究區土地利用的動態變化信息，其解譯結果的Kappa系數均在0.83以上，精度較高，滿足本研究要求。

2.2　土地動態指數

(1)單一土地利用動態度：指在研究期初(t1)和研究期末(t2)，研究區內某一土地利用類型的定量變化速率，表達式為：

(1)

式中：Ki表示在監測期內，研究區i類土地利用類型的動態度；LA(i，t2)和LA(i，t1)分別表示該土地利用類型在監測期末(t2)和監測期初(t1)的面積。

(2)綜合土地利用動態度：指在某時段內，研究區內某一土地利用類型的變化速率，表達式為：

(2)

式中：LCi表示在監測期內，研究區i類土地利用類型的動態度；ΔLA(i-j)表示在監測期內，由i類轉為非i類土地利用類型面積的絕對值；LA(i，t1)表示該土地利用類型在監測期初(t1)的面積。

(3)空間信息分析模型：指將土地利用監測期內的新增部分加入到測算某一土地利用的動態變化的計算中，表達式為：

(3)

(4)

CCLi=TRLi+IRLi

(5)

式中：TRLi、IRLi、CCLi、分別表示在監測期內，研究區i類土地利用類型面積新增、轉移和變化的速率；ΔLA(j-i)表示在監測期內，非i類土地利用類型轉為i類土地利用類型面積的絕對值。

(4)土地利用擴張強度指數：指在監測期內，某一土地利用類型變化面積占研究區土地總面積的百分比，用來比較不同時期某一土地利用類型擴展的快慢強弱，表達式為：

(6)

式中：LIIi表示在監測期內，研究區i類土地利用類型的擴展強度指數；TLA為研究區土地總面積。

(5)土地利用擴展程度指數：指將研究區內某一土地利用類型面積的年平均擴展速度進行標準化處理,以便對不同研究時期土地利用類型擴展的強弱快慢進行比較,增強其可比較性，表達式為：

(7)

式中：βi表示在監測期內，研究區i類土地利用類型的擴展程度指數；Ki表示在監測期內研究區內i類土地利用類型的動態度；LIIi表示在監測期內研究區i類土地利用類型的擴展強度指數。

2.3　CA_Markov模型

2.3.1CA模型CA模型作為一種在狀態、時間、空間都離散化的時空動態模擬模型[18]，通過元胞相互作用來實現系統的動態演化。每個元胞都具有有限多個狀態，且擁有相同的轉換規則，該規則在時空上的動態模擬是局部的[19]。元胞、狀態、鄰域和轉換規則是CA 模型的重要組成部分，CA模型表示如下:

S(t+1)=f[S(t),N]

(8)

2.3.2Markov模型馬爾科夫(Markov)模型是一種基于事件的目前情況來預測其將來某時刻可能存在的變動情況的一種預測模型，其特點是具有穩定性和無后效性，因土地利用變化特點和其吻合，故采用此模型來做預測研究，具有實用性。而確定狀態轉移概率矩陣是該模型研究的關鍵步驟，所謂狀態轉移概率，指的是在事件的發展過程中，從某一狀態(Ei)轉移到下一時刻其他狀態(Ej)的可能性，表示為Pij。如果某一事件的發展過程存在n個可能的狀態，即E1，E2，…，En，則狀態轉移概率矩陣P表示為：

(9)

基于此概率矩陣建立的Markov模型為:

E(k+1)=E(k)p=E(0)p(k+1)

(10)

式中：E(k+1)表示在t=k+1時刻被預測的地類的狀態向量；E(k)表示在t=k時刻被預測地類的狀態向量；Pij表示在監測期內內土地利用類型i轉換為j的轉移概率；E(0)表示在預測初期土地利用類型的初始狀態向量。初始狀態向量和狀態轉移概率矩陣共同決定Markov模型的預測結果。

2.3.3CA_Markov模型土地利用變化過程可視為Markov過程，而每一個像元則相當于CA模型中的一個元胞，每個像元的土地利用類型相當于元胞狀態，鄰近像元相當于元胞鄰域。本研究將土地利用視作一個離散的空間變化過程，以年為單位，基于轉移矩陣和適宜性圖集，利用IDRISI軟件，設置濾波器大小為5×5的單元鄰域，對土地利用的空間格局變化進行模擬和預測。考慮到天府新區是因2010年規劃成立而帶動該區域經濟快速增長的特殊性，故以2009—2014年的轉移矩陣為基礎，以2014年作為土地利用預測的起始時刻，每年迭代1次，CA模型迭代次數為取5，模擬2019年、2024年、2029年的天府新區土地利用空間格局。

3　結果與分析

3.1　土地利用動態分析

根據天府新區6期遙感影像在eCognition中進行監督分類獲取的成果圖，在GIS中統計出不同時期各土地利用類型的面積信息(表1)。

表1　天府新區各期土地利用基本格局變化

表1顯示出，1988—2016年來，天府新區土地利用變化的主要特征如下：近30 a間，城鎮村建設用地面積增長最多，持續增長448.43 km2，增長幅度高達1 406%,年均增長16.02 km2，數量上成為和耕地并列的最大面積用地類型；耕地面積減少最多，持續減少443.37 km2，減少幅度為47%，年均減少15.8 km2；河流、河渠、景觀水、坑塘、水庫、灘涂等6類濕地用地面積增加17.79 km2，增長幅度為27.27%,年均增長0.64 km2；草地面積由1.6 km2減少到1.29 km2，林地面積由238.66 km2減少到160.57 km2；園地面積先增后減，總體增加了10.48 km2。耕地面積的減少和建設用地面積的增加表明，隨著天府新區人口的增加和經濟的發展，耕地逐漸轉化為建設用地，是其增長的主要來源；濕地類型面積的增加是政府堅持以人為本，生態環境保護與經濟社會發展并重，全面貫徹“深綠生態”理念的成果；草地、林地的減少大部分由城鎮擴張引起；園地先增后減，其原因是政府為從數量上保證基本農田保護面積，將1996年以來由農業結構內部調整，將部分可逆轉為耕地的土地轉化為園地，園地面積數量得以增加，后因建設用地對土地的大量需求，園地遂逐年減少，但其數目維持在國家基本農田保護面積標準之內。

根據公式(1)—(7) 可計算出1988—2016年天府新區各土地利用類型的動態變化指數(表2)。在此基礎上，對各土地利用類型擴展程度指數進行劃分，將其變化速度進行定量對比，其中變化類型分為高速、快速、中速和低速變化(表3)。

社區自治組織當前具有的“行政性”和“自治性”與上述分析框架中的“組織性”和“目的性”呼應，使其順理成章的成為國家、社會、個人協商共贏的平臺。以往的社區改革實踐中，“行政性”高于“自治性”一直被視作社區自治組織的弊端，因此社區自治組織的“去行政化”成為基層社會改革的熱點[7]，基層政府一度通過成立社區工作站、街道辦事處改革、社區工作清單等工作試圖將社區自治組織與行政事務剝離，但是作為國家公共事務和公共服務的末梢，實踐證明社區自治組織短期無法徹底擺脫行政事務，因為行政事務承擔者的缺位比自治事務承擔者缺位帶來的后果更為嚴重。

表2　天府新區1988-2016年土地利用時空分異指數

表3　天府新區1988-2016年土地利用擴展的空間分異類型

結合表2和表3，通過分析天府新區土地利用時空結構的分異性，并比較近30 a間各土地利用類型擴展強弱的快慢，可得出：研究區內高速變化的用地類型均為增長型，包括城鎮村建設用地、交通和景觀水，其中建設用地是變化數量最多的用地類型，變化貢獻率為47.52%，擴展程度指數為35.52；快速變化的用地類型均為減少型，包括灘涂、坑塘和耕地，其中耕地面積變化貢獻率最大，為36.12%，擴展程度指數為1.07；其余類型為中低速變化。快速減少的3類用地類型中有灘涂和坑塘兩類濕地用地類型，由此可見，政府想要再造一個“產業成都”，不僅應注重統籌保障經濟社會的發展，更應嚴格保護濕地環境，因地制宜地發展資源環境可承載的特色產業。

利用eCognition的動態監測分析模塊，得到天府新區1988—2016年土地利用動態變化率(表4)。

通過表4分析比較1988—2016年各用地類型的動態變化可得：城鎮村建設用地的各項指數均明顯高于其他土地類型的相應指數，表明研究區近30 a土地利用動態變化的主流是建設用地的高速擴張。研究區土地利用變化具有很強的方向性，1988—2003年土地利用變化存在明顯的變化核心，為雙流區北部和龍泉驛區南部，具體變化為該區域的耕地和植被大量轉化為建設用地；在2003—2016年期間，土地利用變化主要圍繞天府新區中部、彭山區和龍泉驛區等3個中心進行發展，整體發展趨勢向南。另外，林地、耕地和園地3類用地類型既是面積轉移最多的前3類，也是除城鎮村建設用地以外面積新增最多的前3類，表明天府新區的建設是明確按照“面積不減少、質量有提高、布局總體穩定”的總要求，依據尊重現狀、確保質量、穩定布局及因地制宜地來保護基本農田。林地、耕地和園地的增加，主要集中在研究區規劃范圍內的基本農田整理區域，可見只有嚴格保護基本農田，實行城鄉統籌與協調發展，才能實現土地資源對社會全面協調可持續發展保障力的提高。

3.2　CA_Markov結果與分析

天府新區規劃于2010年，作為國家級新區在短短幾年間高速發展，為了更精準的把握天府新區未來的土地利用趨勢，選取近5 a的數據進行模擬預測，根據統計得到2009—2014年土地利用變化的狀態轉移概率矩陣(表5)。并基于各影響因子分別對每一類用地類型做出相應的適宜性圖集，采用IDRISI軟件，最終得到2019年、2024年、2029年的土地利用預測統計結果(表6)。

表4　天府新區1988年-2016年土地利用動態變化率

根據模擬得出，在未來的15 a中，天府新區土地利用變化特點為：城鎮村建設用地面積將持續增長，到2029年將達到613.21 km2，占研究區土地總面積的38.86%；擴展速度將會從2009—2014年的年均增長39.06 km2降低到2024—2029年間的年均增長6.28 km2，表明隨著經濟的發展，到后期城鎮村建設用地的擴張會從以外延式擴展為主轉變為內涵挖潛。從圖3可以看出，城鎮村建設用地逐步由北向南擴展，大林鎮、籍田鎮、永興鎮和煎茶鎮是城鎮村建設用地重點開發的地區。耕地用地到2029年將減少到391.7 km2，占總面積24.82%，被城鎮村建設用地取代，成為面積第二大類型，表明隨著天府新區經濟社會的快速發展，城鎮化水平逐年提高，都市經濟圈集聚效應凸顯，耕地保護和生態建設力度加大，結合考慮天府新區建設主要在丘崗地區開展，地形較復雜，在土地供給有限的情況下，建設用地供需矛盾將更加突出。由于天府新區地處都江堰灌區的核心地帶，是四川省耕地質量最好的區域和全國著名的糧、油、生豬生產基地，政府對耕地的增補主要集中在雙流黃龍溪片區、雙流太平片區和簡陽龍泉山片區，不僅更加注重土地資源利用結構的調整優化，切實保護耕地資源，而且致力提高土地資源利用率和土地質量，使得土地生態環境得以改善,土地的優化利用得到保證,進一步推動天府新區經濟建設的跨越式發展。濕地類型總面積從2014年的81.93 km2增加到了2029年的88.64 km2，表明天府新區生態建設的理念貫徹始終，結合資源節約型和環境友好型社會的建設指導思想，面對天府新區加快發展的建設需求，更應注重協調土地利用與生態環境的保護，著力建設城鄉一體化、全面現代化、充分國際化的生態田園城市風貌，從而促進人與自然的和諧相處。園地面積和林地面積均呈減少趨勢，減少數量維持在政府基本農田保護面積范圍內，發展天府新區，既要立足科學發展觀，正確把握科學發展與資源配置的內在規律，又要積極探索土地利用新模式，妥善處理社會發展與耕地保護間的關系，以確保土地資源的可持續利用。

表5　天府新區2009-2014年土地利用轉移概率矩　%

表6天府新區土地利用變化的馬爾科夫過程預測

類型2009年面積/km22014年實際值/km2增減比例(與2009年比較)/%2019年實際值/km2增減比例(與2019年比較)/%2024年實際值/km2增減比例(與2024年比較)/%2029年實際值/km2增減比例(與2029年比較)/%草地1.411.30-7.811.26-2.891.20-4.941.10-8.30城鎮村及工礦用地229.55424.8485.08526.2623.87581.8110.55613.215.40河流水面15.1315.351.4515.943.8316.573.9717.203.80水工建筑用地4.074.203.194.261.444.290.694.310.47交通運輸用地32.3950.6956.5064.0726.3974.0115.5281.5810.23景觀水面0.470.6844.680.9539.241.1016.181.4229.09林地172.76166.00-3.91152.43-8.17141.07-7.46132.72-5.90灘涂0.970.72-25.770.63-12.330.47-25.540.470.00坑塘水面30.3928.38-6.6128.560.6429.041.6729.351.07水庫水面31.4532.603.6634.054.4535.183.3235.892.02耕地710.00533.64-24.84453.99-14.93412.38-9.17391.70-5.00園地349.41319.60-8.53295.60-7.51280.88-4.98269.05-4.20

4　結 論

(1) 近30 a間，天府新區城鎮村建設用地上升幅度巨大，擴張成為可與耕地面積比肩的土地利用類型。濕地類型持續增長，增長幅度較小。園地、林地、草地等用地類型均持續減少，主要流出轉化為城鎮村建設用地和交通用地。從轉移矩陣來看，城鎮村建設用地大部分來源于耕地，小部分來源為園地，濕地類型絕大部分來源于耕地，進一步表明在發展建設中，要加強基本農田的保護。其中林地、園地和耕地3類用地類型間的相互轉化較多，也說明政府注重農業結構內部的調整，促進了天府新區土地資源的可持續利用。

(2) 根據模擬預測得出，數量上，城鎮村建設用地將在十五年后成為天府新區占地面積最大的土地利用類型，但其擴張速度逐漸減緩；耕地、林地、園地和草地面積雖持續減少，均維持在政府限定的保護數目范圍之內。濕地類型面積持續增加，呈現出天府新區較好的生態保護態勢。空間上，城鎮村建設用地不斷向南擴張，直管區中部和南部成為主要擴張區；耕地主要增補在雙流黃龍溪片區、雙流太平片區和簡陽龍泉山片區，整體數量呈下降趨勢；河流和水庫等濕地類型均在原有位置擴大；林地和園地在原有位置減少，空間上無明顯遷移。

土地利用變化是一個復雜的過程，它不僅受自然因素的影響，而且還受社會經濟發展、人類活動和政府政策等不確定因素的影響。CA_Markov模型，雖然由各土地利用類型的約束條件來確定其元胞轉換規則，但卻缺乏對社會和經濟因素的綜合探討。考慮到數據來源于人機交互遙感解譯，在精度上會對模擬預測結果有一定得限制[20]，因此在接下來的研究中，會綜合考慮自然因素與社會因素對土地利用變化共同產生的影響，進一步提高模型的精度和可靠性。

本研究僅僅基于當前的土地利用現狀來動態模擬未來土地利用變化，對生態環境保護、政府政策等對城市規劃發展可能造成影響的不同情景卻未被考慮，從而未能更全面地模擬預測不同情景下土地利用的空間變化。在進一步的研究中，不僅可以嘗試通過添加權重要素，建立多個不同的影響因子和不同決策者共同作用下的土地利用模型，還可設置不同情景來制定約束性條件，產生更加全面合理的模擬預測結果，以期在一定程度上對天府新區的土地利用規劃和可持續發展提供科學依據。

參考文獻:

[1]吳未,張敏,許麗萍,等.土地利用變化對生境網絡的影響:以蘇錫常地區白鷺為例[J].生態學報,2015,35(14):4897-4906.

[2]馬曉哲,王錚.土地利用變化對區域碳源匯的影響研究進展[J].生態學報,2015,35(17):5898-5907.

[3]擺萬奇,趙士洞.土地利用和土地覆蓋變化研究模型綜述[J].自然資源學報,1997,12(2):169-175.

[4]Halmy M W A, Gessler P E, Hicke J A, et al. Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA[J]. Applied Geography, 2015,63:101-112.

[5]霍明明,張軼瑩,陳偉強.基于CA-Markov的土地利用變化及預測研究:以鞏義市魯莊鎮為例[J].中國農學通報,2015,31(12):279-284.

[6]王軍,頓耀龍.土地利用變化對生態系統服務的影響研究綜述[J].長江流域資源與環境,2015,24(5):798-808.

[7]華文劍,陳海山,李興.中國土地利用/覆蓋變化及其氣候效應的研究綜述[J].地球科學進展,2014,29(9):1025-1036.

[8]Liu J Y, Liu M L, Zhuang D F, et al. Study on spatial pattern of land-use change in China during 1995—2000[J]. Science in China: Series D,2003,46(4):373-384.

[9]IGBP Secretariat. GLP(2005)science plan and implementation strategy[R]. Igbp Report No, 2005.

[10]Turner B L, Lambin E F, Reenberg A. The emergence of land change science for global environmental change and sustainability[J]. Proceedings of the National Academy of Sciences, 2007,104(52):20666-20671.

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

[12]Balzter H. Markov chain model for vegetation dynamics[J]. Ecological Modeling, 2000,126:139-154.

[13]Pastor J, Sharp A, Wolter P. An application of Markov model to the dynamics of minnesota′s[J]. Journal of Forest Research, 2005,35:3011-3019.

[14]Al-shalabi M, Billa L, Pradhan B, et al. Modelling urban growth evolution and land-use changes using GIS based cellular automata and SLEUTH models: the case of Sana'a metropolitan city, Yemen[J]. Environmental Earth Sciences, 2013,70(1):425-437.

[15]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.

[16]井云清,張飛,張月.基于CA-Markov模型的艾比湖濕地自然保護區土地利用/覆被變化及預測[J].應用生態學報,2016,27(11):3649-3658.

[17]吳晶晶,田永中,許文軒,等.基于CA-Markov模型的烏江下游地區土地利用變化情景分析[J].水土保持研究,2017,24(4):133-139.

[18]徐昔保.基于GIS與元胞自動機的城市土地利用動態演化模擬與優化研究[D].蘭州:蘭州大學,2007.

[19]許小娟,劉會玉,林振山,等.基于CA-MARKOV模型的江蘇沿海土地利用變化情景分析[J].水土保持研究,2017,24(1):213-218.

[20]張杰,周寅康,李仁強,等.土地利用/覆蓋變化空間直觀模擬精度檢驗與不確定性分析:以北京都市區為例[J].中國科學,2009,39(11):1560-1569.