基于GIS-CA-Markov的白馬河流域土地利用變化模擬分析

荊延德1,李婷婷

(1.山東省高校南四湖濕地生態(tài)與環(huán)境保護(hù)重點(diǎn)實(shí)驗(yàn)室,山東 濟(jì)寧 273165;2.曲阜師范大學(xué) 地理與旅游學(xué)院,山東 日照 276826)

1 引言

土地利用/植被變化(LUCC)對(duì)多種生態(tài)環(huán)境因素產(chǎn)生直接或間接的影響,進(jìn)一步影響到區(qū)域和全球的可持續(xù)發(fā)展[1,2]。隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,土地利用的變化速度和規(guī)模發(fā)生了巨大轉(zhuǎn)變,探討土地利用變化的時(shí)空變化規(guī)律,預(yù)測(cè)其未來變化速度與方向成為研究的熱點(diǎn)問題[3]。

目前進(jìn)行土地利用變化研究的模型主要有遺傳神經(jīng)網(wǎng)絡(luò)模型(GNN)[4]、CLUE模型[5]、CLUES-S模型[6]、系統(tǒng)動(dòng)力學(xué)模型(SD)[7]、馬爾科夫鏈(Markov Process)[8]、元胞自動(dòng)機(jī)模型(CA)[9,10]、CA-Markov模型[11,12]等。其中,元胞自動(dòng)機(jī)—馬爾科夫(CA-Markov)模型利用Markov模型對(duì)土地利用變化進(jìn)行預(yù)測(cè)并得出狀態(tài)轉(zhuǎn)移圖集,并利用元胞自動(dòng)機(jī)模型對(duì)土地利用變化進(jìn)行空間上的處理,這樣既結(jié)合了馬爾科夫鏈長(zhǎng)期預(yù)測(cè)模擬土地類型數(shù)量結(jié)構(gòu)的優(yōu)勢(shì),又具有元胞自動(dòng)機(jī)模型對(duì)土地利用景觀格局的時(shí)空動(dòng)態(tài)模擬功能,能很好地預(yù)測(cè)土地利用變化的發(fā)展趨勢(shì)[13]。目前學(xué)者們主要研究模型轉(zhuǎn)換規(guī)則的獲得[14,15],對(duì)時(shí)空尺度敏感性的研究很少考慮,這對(duì)土地利用模擬預(yù)測(cè)結(jié)果的準(zhǔn)確性造成了很大的影響。研究表明,CA模型在預(yù)測(cè)過程中具有時(shí)空尺度敏感性,而只有在一定的時(shí)間尺度和空間尺度范圍內(nèi)進(jìn)行預(yù)測(cè)模擬才能得到與實(shí)際情況較符合的結(jié)果[16-20]。本文以已有的預(yù)測(cè)模擬研究中常用的像元大小和時(shí)間步長(zhǎng)為候選條件,對(duì)其進(jìn)行模擬精度的對(duì)比,選擇較合適的條件進(jìn)行模擬預(yù)測(cè),以增加結(jié)果的準(zhǔn)確性。

白馬河發(fā)源于山東省鄒城市北部,是“南水北調(diào)”東線工程的重要水資源承載地之一,也是作為南四湖流域最重要的子流域之一,因此該區(qū)域的土地利用變化對(duì)南四湖的水資源調(diào)控和生態(tài)管理起著舉足輕重的作用。作為山東省區(qū)域經(jīng)濟(jì)發(fā)展中的重要部分,該區(qū)域景觀格局變化對(duì)流經(jīng)地經(jīng)濟(jì)發(fā)展具有很大的影響[21,22]。本文以濟(jì)寧市白馬河流域?yàn)檠芯繀^(qū)域,在CA-Markov模型運(yùn)行過程中通過改變研究區(qū)域的元胞空間尺度和時(shí)間尺度進(jìn)行模擬預(yù)測(cè),對(duì)比模擬精度,試圖探究元胞尺度、時(shí)間間隔等參數(shù)對(duì)CA-Markov模型模擬結(jié)果的影響機(jī)制,為白馬河流域的土地利用規(guī)劃和相關(guān)政策的制定提供理論依據(jù)。

2 研究區(qū)域與數(shù)據(jù)

2.1 研究區(qū)域

白馬河流域位于山東省西南部,是華北地區(qū)較大的淡水湖。白馬河全長(zhǎng)60km,流經(jīng)曲阜、兗州、鄒城、微山等縣(市)地區(qū),于微山縣魯橋鎮(zhèn)九孔橋村入獨(dú)山湖。為了更好地研究土地利用變化機(jī)理,本文以白馬河及其所流經(jīng)縣市區(qū)為研究區(qū)域進(jìn)行研究，見圖1。

圖1 白馬河流域的地理位置

本研究區(qū)域地理位置位于116°41′—117°11′E、35°07′—35°33′N之間,氣候?qū)儆谂瘻貛Т箨懶约撅L(fēng)氣候,四季分明、雨熱同期,降水多集中在夏秋兩季,年平均降水量約691.19mm,年平均氣溫約14.7℃;地勢(shì)較低平,大致由東向西傾斜,大支流有大沙河、望云河、石強(qiáng)河、十里溝和七里溝等。白馬河流域作為南四湖最重要的子流域之一,其土地利用/覆被變化研究可為流域周圍土地合理利用提供理論基礎(chǔ),同時(shí)也對(duì)南四湖流域的水資源保護(hù)和生態(tài)管理具有重要意義。

2.2 數(shù)據(jù)來源

本研究需要的數(shù)據(jù)為分辨率30m的Landsat8 OLI-TIRS TM遙感影像和行政區(qū)劃圖。運(yùn)用ENVI5.1和ArcGIS10.2軟件對(duì)圖像數(shù)據(jù)進(jìn)行處理,再采用ENVI5.1軟件對(duì)遙感影像進(jìn)行解譯,從而得到分辨率為30m×30m、100m×100m的1990年、2000年、2005年、2010年、2015年的五期土地利用類型圖。根據(jù)我國(guó)土地利用分類系統(tǒng)和白馬河流域?qū)嶋H土地利用情況對(duì)土地利用類型進(jìn)行劃分,共分為耕地、林地、草地、水域、建設(shè)用地、未利用土地六大類。

3 研究方法

3.1 土地利用動(dòng)態(tài)度

土地利用類型變化速率是反映區(qū)域土地利用變化劇烈程度的重要指標(biāo),一般可分為單一土地利用動(dòng)態(tài)度和綜合土地利用動(dòng)態(tài)度。動(dòng)態(tài)度表示該土地利用類型的穩(wěn)定情況[23],單一土地利用動(dòng)態(tài)度模型的公式為:

式中,k表示研究時(shí)段內(nèi)某一土地利用類型的動(dòng)態(tài)度;At1、At2分別表示評(píng)測(cè)初期和末期各種土地利用類型的面積;t1、t2分別為變化初期和末期。

3.2 CA-Markov模型

CA-Markov模型既包括了元胞自動(dòng)機(jī)模型模擬復(fù)雜空間變化的能力,也綜合了馬爾科夫模型長(zhǎng)時(shí)間的預(yù)測(cè)優(yōu)勢(shì),可更精確地對(duì)土地利用類型變化進(jìn)行模擬預(yù)測(cè)[30]。本研究中,像元可視為元胞自動(dòng)機(jī)中的元胞,土地利用類型可視為元胞狀態(tài),像元大小即為元胞的尺度大小,并利用濾波器對(duì)元胞鄰域進(jìn)行定義[31]。通過Markov模型得到的兩期土地利用狀態(tài)轉(zhuǎn)移概率矩陣、轉(zhuǎn)移面積矩陣和狀態(tài)轉(zhuǎn)移圖集作為轉(zhuǎn)換規(guī)則進(jìn)行預(yù)測(cè)下一時(shí)刻元胞狀態(tài)的變化趨勢(shì),并對(duì)研究區(qū)域的土地利用/覆被變化進(jìn)行模擬預(yù)測(cè),具體步驟為:①數(shù)據(jù)格式轉(zhuǎn)化。本文在利用前期獲得的1990年、2000年、2005年、2010年、2015年五期土地利用分類圖的基礎(chǔ)上,為了方便將其導(dǎo)入IDRISI軟件中進(jìn)行操作分析,轉(zhuǎn)換為軟件可用的數(shù)據(jù)格式(.rst的格式),包括矢量數(shù)據(jù)轉(zhuǎn)為柵格數(shù)據(jù)，柵格數(shù)據(jù)轉(zhuǎn)為ASCII文件，ASCII文件轉(zhuǎn)為IDRISI軟件識(shí)別的數(shù)據(jù)格式。②由于CA-Markov模型具有時(shí)空尺度敏感性,同時(shí)為了兼顧研究意義與效率,本文選取像元為30m和100m的兩種規(guī)格研究CA-Markov模型的空間尺度效應(yīng)。CA濾波器是用來創(chuàng)建具有顯著空間意義的權(quán)重因子,作用于元胞以此來確定元胞下一時(shí)期的改變狀況,本文選用CA標(biāo)準(zhǔn)的5×5的濾波器。即確定中心元胞周圍為5×5的元胞矩形空間,迭代次數(shù)分別為5次和10次。③獲取轉(zhuǎn)移面積矩陣。將兩期土地利用類型圖導(dǎo)入IDRISI軟件中,利用Markov模塊得到該期間內(nèi)土地利用轉(zhuǎn)移面積矩陣、轉(zhuǎn)移概率矩陣和狀態(tài)適宜圖集,其中轉(zhuǎn)移面積矩陣作為轉(zhuǎn)換規(guī)則參與下一步模擬與預(yù)測(cè),將模擬得到的土地利用圖與實(shí)際圖進(jìn)行一致性檢驗(yàn);以模擬精度較高時(shí)的元胞規(guī)格和迭代次數(shù)為條件對(duì)2020年的土地利用類型進(jìn)行模擬預(yù)測(cè)。④模型預(yù)測(cè)的精度檢驗(yàn)。為比較兩年土地利用圖的相似程度,利用Kappa系數(shù)[32]進(jìn)行一致性檢驗(yàn),Kappa指數(shù)計(jì)算公式為:

式中,Pa為正確模擬的比例;Pc為隨機(jī)情況下期望的正確模擬比例;Pp為理想分類情況下的正確模擬比例,為100%。

本文將模型運(yùn)行的迭代次數(shù)與其兩年間的時(shí)間步長(zhǎng)設(shè)為一致。根據(jù)Kappa系數(shù)檢驗(yàn)標(biāo)準(zhǔn)[33,34],當(dāng)Kappa系數(shù)為0—0.20時(shí),表明一致性極低;當(dāng)Kappa系數(shù)為0.21—0.40時(shí),表明一致性一般;當(dāng)Kappa系數(shù)為0.41—0.60時(shí),表明一致性中等;當(dāng)Kappa系數(shù)為0.61—0.80時(shí),表明具有高度的一致性;當(dāng)Kappa系數(shù)為0.80—1.0時(shí),表明兩圖像幾乎完全一樣。

4 模型檢驗(yàn)與模擬分析

4.1 土地利用現(xiàn)狀分析

由ArcGIS10.2和ENVI5.1軟件分析所得到的五期土地利用類型圖,根據(jù)我國(guó)土地利用分類系統(tǒng)和白馬河流域?qū)嶋H土地利用情況進(jìn)行土地利用類型的劃分,共分為六類土地利用類型,處理后的最終結(jié)果見圖2。從圖2可知,耕地面積廣布研究區(qū)域,草地和林地主要分布在研究區(qū)域的南部和東南部,東北部很少,而西部和北部幾乎沒有分布;建設(shè)用地面積主要占用其周圍的耕地而快速增加;未利用地在逐漸減少,水域面積變化較小。

圖2 白馬河流域五期土地利用類型

4.2 模擬精度檢驗(yàn)

為了更加精確地預(yù)測(cè)研究區(qū)白馬河流域2020年的土地利用,首先針對(duì)該流域進(jìn)行初步模擬精度檢驗(yàn)分析,選擇一個(gè)較合適的時(shí)空尺度條件進(jìn)行預(yù)測(cè)。本文對(duì)不同的時(shí)間步長(zhǎng)分類進(jìn)行了土地利用預(yù)測(cè)模擬。當(dāng)時(shí)間步長(zhǎng)即迭代次數(shù)設(shè)置為10次時(shí),將1990年與2000年30m×30m的土地利用類型圖導(dǎo)入IDRISI軟件中,獲得1990—2000年期間內(nèi)土地利用轉(zhuǎn)移面積矩陣、轉(zhuǎn)移概率矩陣和狀態(tài)適宜圖集,將轉(zhuǎn)移面積矩陣作為轉(zhuǎn)換規(guī)則參與2010年土地利用的模擬與預(yù)測(cè),得到元胞為30m×30m的2010年土地利用預(yù)測(cè)圖。同理,將1990年與2000年100m×100m的土地利用類型圖導(dǎo)入IDRISI軟件進(jìn)行相同操作,得到元胞為100m×100m的2010年土地利用預(yù)測(cè)圖。當(dāng)時(shí)間步長(zhǎng)即迭代次數(shù)設(shè)置為5次時(shí),同上述步驟,依次將2005年與2010年元胞為30m×30m、100m×100m的土地利用類型圖導(dǎo)入IDRISI軟件,利用轉(zhuǎn)移面積矩陣分別得到2015年元胞為30m×30m、100m×100m的土地利用模擬預(yù)測(cè)圖(圖3)。首先，將2010年的土地利用模擬結(jié)果與實(shí)際2010年的土地利用數(shù)據(jù)在Database Query-CROSSTAB模塊中進(jìn)行一致性檢驗(yàn),其中元胞為30m×30m、100m×100m所得到的Kappa系數(shù)值分別0.8876、0.8877;其次將2015年的模擬結(jié)果與實(shí)際2015年的土地利用數(shù)據(jù)進(jìn)行一致性檢驗(yàn),其中元胞為30m×30m、100m×100m所得到的Kappa系數(shù)值分別為0.9121、0.9068。由此可以得出在元胞為30m×30m、迭代次數(shù)為5次的條件下對(duì)2015年進(jìn)行模擬預(yù)測(cè)時(shí)得到的Kappa系數(shù)最高為0.9121。由Kappa系數(shù)檢驗(yàn)標(biāo)準(zhǔn)可知,在此條件下CA-Markov模型預(yù)測(cè)模擬的2015年土地利用圖和實(shí)際幾乎完全一致,即此時(shí)空尺度為該研究區(qū)域預(yù)測(cè)條件中較適宜的模擬條件。

圖3 2015年、2010年白馬河流域土地利用預(yù)測(cè)

4.3 土地利用特征分析

由精度檢驗(yàn)分析可知,分辨率為30m×30m、迭代次數(shù)為5次時(shí)預(yù)測(cè)精度達(dá)到最大,因此本文選擇在此條件下進(jìn)行后續(xù)模擬分析,只對(duì)與該條件相關(guān)的幾期(2005年、2010年、2015年三期)土地利用進(jìn)行特征分析。

土地利用面積變化:2005年、2010年、2015年三期的土地利用/覆被變化圖經(jīng)過ArcGIS10.2統(tǒng)計(jì)分析,得到流域三個(gè)時(shí)期的土地利用類型面積與變化動(dòng)態(tài)度,變化動(dòng)態(tài)度即可計(jì)算各土地利用類型面積在某段時(shí)期內(nèi)的變化速度(表1)。由表1可知,在2005—2015年研究期間,研究區(qū)域2005年、2010年、2015年不同土地利用類型的面積表現(xiàn)為耕地>建設(shè)用地>草地>水域>林地>未利用地,耕地是白馬河流域的主要土地利用類型(2005年、2010年、2015年分別占66.82%、66.87%、65.63%)。土地利用格局在該期間發(fā)生了巨大變化。整體看,耕地、林地、草地和未利用地均減少。其中,草地、林地減少較明顯。草地從2005年的446.57km2減少到2015年的328.38km2,減少幅度達(dá)26.48%;林地從2005年的114.83km2減少到2015年的92.31km2,減少幅度達(dá)19.67%。其次為未利用地和耕地,減少幅度分別為9.95%和1.93%。建設(shè)用地和水域逐漸擴(kuò)張,建設(shè)用地呈現(xiàn)出十分強(qiáng)勁的上升趨勢(shì),變化幅度在2005—2010年達(dá)28.2%,2010—2015年增加了6.91%;水域擴(kuò)張不明顯,十年間僅增加了0.24%。

表1 三期土地利用面積

從整體來看(表1),各地類的土地變化速度相差較大。耕地在研究期間雖有增有減,但總體變化動(dòng)態(tài)度較小;林地在整個(gè)研究期間呈減少趨勢(shì),其中2005—2010年減少了19.52%,2010—2015年減少較緩慢;草地主要在2005—2010年減少且變化動(dòng)態(tài)度較大,2010—2015年減少相對(duì)緩慢;水域整體增長(zhǎng)較緩慢;建設(shè)用地急劇增長(zhǎng),在2005—2010年增加最快,動(dòng)態(tài)度高達(dá)28.20%,2010—2015年增加相對(duì)緩慢;未利用地一直在減少,但變化動(dòng)態(tài)度相對(duì)較慢。

土地利用結(jié)構(gòu)的空間轉(zhuǎn)換分析:本文主要利用IDRISI軟件中的Markov模塊分別對(duì)2005—2010年和2010—2015年的土地利用類型圖進(jìn)行轉(zhuǎn)移矩陣分析,得到轉(zhuǎn)移面積矩陣見表2、表3。由表2、表3可知,研究區(qū)域總體呈現(xiàn)出“兩增四減”的變化規(guī)律。即建設(shè)用地和水域呈現(xiàn)增加趨勢(shì),耕地、林地、草地和未利用地呈現(xiàn)減少趨勢(shì)。水域變化不明顯,主要轉(zhuǎn)入地類為耕地、草地和建設(shè)用地,耕地轉(zhuǎn)入占優(yōu),主要轉(zhuǎn)出地類為耕地和建設(shè)用地。2005—2015年建設(shè)用地一直在增加,總體凈轉(zhuǎn)入576.34km2,轉(zhuǎn)入類型主要為耕地,占轉(zhuǎn)入的98%以上;轉(zhuǎn)出地類同樣主要為耕地,但轉(zhuǎn)出的耕地面積遠(yuǎn)遠(yuǎn)小于耕地的轉(zhuǎn)入面積。2005—2015年耕地一直在減少,轉(zhuǎn)出地類主要為建設(shè)用地和水域。其中,2005—2010年和2010—2015年耕地轉(zhuǎn)為建設(shè)用地,分別占總面積的25.23%和17.80%;轉(zhuǎn)入地類主要為草地和建設(shè)用地。林地轉(zhuǎn)換不平衡,2005—2010年凈轉(zhuǎn)出27.50km2,2010—2015年凈轉(zhuǎn)入0.07km2,轉(zhuǎn)出地類主要為耕地、草地和建設(shè)用地,其中主要為耕地和林地;轉(zhuǎn)入地類同樣主要為耕地和草地,尤其在2010—2015年草地轉(zhuǎn)林地面積為11.04km2。草地轉(zhuǎn)出地類為主要耕地,2005—2010年草地轉(zhuǎn)為耕地的面積占其總轉(zhuǎn)出面積的90%以上;草地轉(zhuǎn)入地類同樣主要為耕地。未利用地總體變化趨勢(shì)并不太明顯,但轉(zhuǎn)入轉(zhuǎn)出地類仍主要為耕地。

表2 2005—2010年土地利用轉(zhuǎn)移面積矩陣(km2)

表3 2010—2015年土地利用轉(zhuǎn)移面積矩陣(km2)

4.4 2020年土地利用模擬結(jié)果分析

本文選擇在元胞為30m×30m、迭代次數(shù)為5次的條件下，以2015年的土地利用數(shù)據(jù)為基礎(chǔ)對(duì)2020年的土地利用變化進(jìn)行預(yù)測(cè)模擬。利用IDRISI軟件中的Markov模塊得到2010年和2015年兩期土地利用類型圖的轉(zhuǎn)移概率矩陣、轉(zhuǎn)移面積矩陣和狀態(tài)適宜性圖集。以2015年為基礎(chǔ),以狀態(tài)適宜性圖集為轉(zhuǎn)換規(guī)則,迭代次數(shù)設(shè)置為5次(利用2010年和2015年預(yù)測(cè)2020年,時(shí)間間隔為五年),利用其轉(zhuǎn)移概率矩陣對(duì)2020年土地利用進(jìn)行預(yù)測(cè)模擬。2015—2020年的土地利用轉(zhuǎn)化與2020年的土地利用類型見表4、表5和圖4。

表4 2015—2020年土地利用轉(zhuǎn)移面積矩陣(km2)

表5 2015—2020年土地利用類型變化與面積比

圖4 2020年土地利用變化狀況

由表4和表5可知,2015—2020年土地利用變化呈現(xiàn)出“三增三減”的變化規(guī)律,即耕地、林地、草地減少,水域、建設(shè)用地、未利用地面積增加。耕地變化幅度高達(dá)6.675%,面積比由65.63%減少到58.95%,主要轉(zhuǎn)為建設(shè)用地和水域,其中轉(zhuǎn)為建設(shè)用地的面積為488.95km2,占耕地總轉(zhuǎn)出的95.18%;轉(zhuǎn)入地類主要為草地和耕地周圍的林地。水域變化幅度較小,轉(zhuǎn)出地類主要為耕地、林地、建設(shè)用地和未利用地,其中林地占優(yōu);轉(zhuǎn)入地類主要為耕地和建設(shè)用地。草地面積比由9.18%減少到8.60%,轉(zhuǎn)出主要為耕地、林地和建設(shè)用地,其中轉(zhuǎn)為耕地的面積為48.58km2,占草地面積總轉(zhuǎn)出的77.59%;轉(zhuǎn)入地類主要為水域,變化幅度較小。建設(shè)用地變化幅度較大,面積比由18.26%增加到25.18%,轉(zhuǎn)出地類主要為水域;轉(zhuǎn)入地類主要為耕地、草地和水域,其中耕地轉(zhuǎn)入的面積占建設(shè)用地總轉(zhuǎn)出的97.96%,變化幅度和動(dòng)態(tài)度都較大。林地和未利用地沒有明顯變化,變化幅度較小。

5 結(jié)論與討論

本文利用白馬河流域不同時(shí)期的遙感影像,以ArcGIS10.2、ENVI5.1和IDRISI17.00為計(jì)算平臺(tái),結(jié)合CA-Markov模型,對(duì)研究區(qū)域2020年的地類進(jìn)行了模擬預(yù)測(cè)。由于CA-Markov模型具有時(shí)空尺度敏感性,因此首先將該模型進(jìn)行模擬所需的元胞規(guī)格和時(shí)間步長(zhǎng)設(shè)為不同,分別對(duì)2010年和2015年地類進(jìn)行預(yù)測(cè);其次，將預(yù)測(cè)結(jié)果分別與實(shí)際年份的土地利用類型進(jìn)行對(duì)比,得出模擬精度較高時(shí)的元胞規(guī)格與時(shí)間間隔;第三,在次較適宜的時(shí)空尺度基礎(chǔ)上,預(yù)測(cè)研究區(qū)域2020年的地類。研究分析表明:①以Markov模型中獲得的兩期土地利用狀態(tài)適宜圖集作為模型轉(zhuǎn)換規(guī)則具有可行性,CA-Markov模型在預(yù)測(cè)白馬河研究區(qū)域的土地利用類型時(shí)具有很好的適用性。②本文對(duì)比分析了像元大小為30m×30m,時(shí)間尺度5年;100m×100m,時(shí)間尺度5年;30m×30m,時(shí)間尺度10年;100m×100m,時(shí)間尺度10年共四種情況,分別在CA-Markov模型中進(jìn)行模擬預(yù)測(cè),并將預(yù)測(cè)結(jié)果與實(shí)際年份土地利用圖進(jìn)行一致性檢驗(yàn)。對(duì)2015年的土地利用/覆被變化進(jìn)行模擬預(yù)測(cè)時(shí)得到的Kappa系數(shù)最高為91.21%,由此得出在本文研究中像元大小為30m×30m、時(shí)間尺度為5年為較適宜的研究模擬條件,模擬精度最高。③在研究期間內(nèi),耕地、建設(shè)用地和草地為研究區(qū)域的主要用地類型,三者合計(jì)占白馬河流域面積的90%以上。總體看,耕地、林地、草地和未利用地均呈減少趨勢(shì),其中草地減少幅度最大,減少了31.06%;建設(shè)用地和水域呈增加趨勢(shì),建設(shè)用地增加最多為47.10%。2005—2020年,白馬河流域建設(shè)用地面積呈現(xiàn)出急劇增加的趨勢(shì),由2005年的476.66km2增加到2020年的901.09km2,主要是隨著經(jīng)濟(jì)的發(fā)展城市化速度加快,城市人口增加,導(dǎo)致建設(shè)用地大幅度擴(kuò)張,建設(shè)用地主要是占用周圍耕地面積而增加,耕地轉(zhuǎn)為建設(shè)用地占建設(shè)用地總轉(zhuǎn)入的94.30%。耕地面積雖然在2005—2010年有輕微增加,但總體減少了11.78%,除了被建設(shè)用地大量占用外,耕地同樣轉(zhuǎn)出為水域,占耕地總轉(zhuǎn)出的7.57%,耕地為了彌補(bǔ)巨大的減少面積而占用建設(shè)用地和周圍的草地。草地有減少趨勢(shì),減少了31.06%,由2005年的446.57km2減少到2020年的307.88km2,草地主要被耕地占用。林地、水域、未利用地并無大幅度變化。

土地利用/覆被變化是一個(gè)極其復(fù)雜的變化過程,為了使預(yù)測(cè)結(jié)果更加準(zhǔn)確,應(yīng)綜合考慮自然因素和人為因素對(duì)地理空間系統(tǒng)的影響。在今后的研究中可嘗試建立不同的影響因子和不同決策者共同作用的影響因素,加入權(quán)重要素建立不同類型的土地利用/覆被變化模型。CA-Markov模型具有時(shí)空尺度敏感性,本文僅對(duì)比了四種不同時(shí)空尺度,選擇較適宜的條件對(duì)2020年的土地利用進(jìn)行預(yù)測(cè)分析,對(duì)比分析的時(shí)空尺度條件較少。今后研究中可嘗試對(duì)時(shí)空尺度條件進(jìn)行更細(xì)致的對(duì)比分析,以得出可靠性、準(zhǔn)確性更高的研究結(jié)果。CA-Markov模型綜合了元胞自動(dòng)機(jī)和馬爾科夫鏈各自的優(yōu)勢(shì),提高了模擬的精度,該模型的預(yù)測(cè)結(jié)果較好地反映了白馬河流域的土地利用變化趨勢(shì),可在一定程度上對(duì)該流域的土地利用/覆被變化動(dòng)態(tài)監(jiān)測(cè)和可持續(xù)發(fā)展提供參考。