晉北地區(qū)土地利用覆被格局的演變與模擬

郝曉敬,張 紅,*,徐小明,王 荔,崔 嚴(yán)

1 山西大學(xué)環(huán)境與資源學(xué)院, 太原 030006 2 伊利諾伊大學(xué)大氣科學(xué)系, 厄巴納 IL61801

土地利用覆被變化對(duì)區(qū)域生態(tài)經(jīng)濟(jì)系統(tǒng)的可持續(xù)發(fā)展和全球環(huán)境有著重要的影響。土地利用覆被變化改變了區(qū)域的自然景觀、物質(zhì)循環(huán)、能量流動(dòng)以及各種生態(tài)過(guò)程[1],進(jìn)而引起全球生態(tài)系統(tǒng)發(fā)生變化[2- 3]。土地利用覆被(Land use/land cover,LULC)格局的演變與模擬已經(jīng)成為研究區(qū)域和全球生態(tài)系統(tǒng)變化的主要趨勢(shì)和潮流[4]。

LULC的演變是一個(gè)復(fù)雜的過(guò)程[5- 6],對(duì)這個(gè)復(fù)雜過(guò)程進(jìn)行建模具有挑戰(zhàn)性。LULC的演變實(shí)際上是社會(huì)經(jīng)濟(jì)文化因素與土地潛力相互作用的結(jié)果,也是人類(lèi)為了生存發(fā)展不斷開(kāi)發(fā)自然資源這一動(dòng)態(tài)過(guò)程的開(kāi)始[7],各種驅(qū)動(dòng)因子在不同的時(shí)空尺度上以復(fù)雜的方式影響著土地利用覆被變化[8],從而在局部、區(qū)域乃至全球尺度上影響著經(jīng)濟(jì)、社會(huì)和環(huán)境發(fā)生變化[9]。

LULC模擬前提是假設(shè)區(qū)域LULC格局受該區(qū)域土地利用覆被需求驅(qū)動(dòng), 區(qū)域LULC格局與該區(qū)域土地需求以及自然環(huán)境和社會(huì)經(jīng)濟(jì)狀況長(zhǎng)期處于動(dòng)態(tài)平衡之中,基于歷史時(shí)期的變化可預(yù)測(cè)未來(lái)LULC格局并采用有效的管理政策將生態(tài)系統(tǒng)引導(dǎo)到期望的路徑[10]。

LULC動(dòng)態(tài)預(yù)測(cè)與模擬主要包括數(shù)量預(yù)測(cè)和時(shí)空格局模擬。隨著研究的深入,土地利用覆被變化的研究逐漸從簡(jiǎn)單的數(shù)量預(yù)測(cè)轉(zhuǎn)向復(fù)雜的時(shí)空格局演變模擬。眾多學(xué)者運(yùn)用了多種模型及其相互間的組合模型對(duì)區(qū)域的土地利用覆被演變進(jìn)行了分析研究,如CA、CLUE、Markov、CLUE-S等[11-12],這些模型可以通過(guò)GIS環(huán)境下的遙感數(shù)據(jù)提供對(duì)土地利用覆被變化的適當(dāng)識(shí)別,使LULC預(yù)測(cè)與模擬發(fā)生革命性的變化[13]。

晉北地區(qū)位于黃土高原農(nóng)牧交錯(cuò)帶,分布有大量礦產(chǎn)資源,因長(zhǎng)期受自然因素和人類(lèi)活動(dòng)的綜合影響,生態(tài)環(huán)境變得極其敏感。近些年,在人口數(shù)量及經(jīng)濟(jì)快速增長(zhǎng)的背景下,該區(qū)域土地利用變化劇烈。徐小明等研究了晉北地區(qū)1986—2010年土地利用變化的時(shí)空格局及其驅(qū)動(dòng)力,由此結(jié)合不同時(shí)期政策導(dǎo)向和特征推斷出土地利用變化的原因[14],Xu等采用CA-Markov預(yù)測(cè)了晉北地區(qū)2020年的土地利用變化,但其影響因子未考慮GDP、人口等社會(huì)經(jīng)濟(jì)因素[15]。因此,研究近年來(lái)該區(qū)域土地利用覆被的演變情況以及影響因素,并預(yù)測(cè)未來(lái)不同情景下土地利用的時(shí)空分布,對(duì)優(yōu)化區(qū)域土地利用格局,促進(jìn)生態(tài)、經(jīng)濟(jì)和社會(huì)協(xié)調(diào)發(fā)展有重要意義。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

晉北地區(qū)地處38°39′56″—40°44′35″N,110°56′30″—114°32′30″E之間,位于黃土高原地區(qū)的東北部邊緣,包括大同市部分縣區(qū)、朔州市所有縣區(qū)及忻州市的部分縣區(qū),屬于溫帶大陸性季風(fēng)氣候,四季分明。區(qū)內(nèi)山岳、丘陵、盆地交錯(cuò)分布,地質(zhì)地貌結(jié)構(gòu)復(fù)雜,是我國(guó)典型的農(nóng)牧交錯(cuò)帶(圖1)。受地理位置、生態(tài)環(huán)境等自然因素的影響,晉北地區(qū)的礦藏資源豐富,但水資源十分匱乏,水土流失和土地沙化現(xiàn)象嚴(yán)重,生態(tài)環(huán)境脆弱。

圖1 研究區(qū)高程及行政區(qū)劃Fig.1 Digital elevation model and administrative divisions of study area

1.2 數(shù)據(jù)來(lái)源與處理

本文采用的土地利用覆被數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/),在ArcGIS中進(jìn)行數(shù)據(jù)提取、裁剪等步驟,得到晉北地區(qū)2010和2015年的LULC數(shù)據(jù),空間分辨率為1km×1km。結(jié)合研究區(qū)特點(diǎn),將土地利用覆被分為8類(lèi)：耕地(0)、林地(1)、草地(2)、居民用地(3)、工礦用地(4)、水域(5)、鹽堿地(6)、裸地(7)。

考慮到土地利用覆被變化的影響因子包括自然因素與社會(huì)經(jīng)濟(jì)因素,本文選取高程(a)、坡度(b)、坡向(c)、國(guó)內(nèi)生產(chǎn)總值(d)、人口(e)、氣溫(f)、降水(g)、距公路距離(h)和距水系距離(i)共9種影響因素,數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/)和中國(guó)氣象數(shù)據(jù)網(wǎng)(www.nmic.cn)。其中,氣象因子采用研究區(qū)站點(diǎn)的實(shí)測(cè)數(shù)據(jù)并進(jìn)行反距離權(quán)重空間插值,得到氣溫和降水的空間分布；高程(DEM)數(shù)據(jù)進(jìn)行重采樣并提取坡度和坡向信息；國(guó)內(nèi)生產(chǎn)總值(GDP)和人口柵格數(shù)據(jù)基于居民點(diǎn)密度、土地利用類(lèi)型和夜間燈光亮度等信息,利用多因子權(quán)重分配法將以行政區(qū)為基本統(tǒng)計(jì)單元的GDP數(shù)據(jù)與人口數(shù)據(jù)展布到柵格單元上[16]。距離因子依據(jù)獲取的主要公路和水系數(shù)據(jù),計(jì)算得到每個(gè)柵格到主要公路和水系的歐氏距離。所有數(shù)據(jù)空間分辨率為1km×1km,并進(jìn)行歸一化處理。影響因子數(shù)據(jù)見(jiàn)圖2,土地利用數(shù)據(jù)見(jiàn)圖3。

圖2 晉北地區(qū)2010年9種驅(qū)動(dòng)因子?xùn)鸥駡DFig.2 Grid diagram of 9 driving factors in the northern Shanxi in 2010

1.3 研究方法

首先采用邏輯斯蒂(Logistic)回歸模型模擬各個(gè)土地利用類(lèi)型與影響因子間的關(guān)系,然后基于回歸結(jié)果構(gòu)造CLUE-S模型需求參數(shù),以2010年為基年模擬2015年的LULC格局,將模擬結(jié)果與實(shí)際結(jié)果進(jìn)行精度檢驗(yàn)。依據(jù)研究區(qū)歷史時(shí)期發(fā)展特征設(shè)置2020年不同發(fā)展情景下的土地需求,運(yùn)行CLUE-S模型模擬晉北地區(qū)2020年不同情景下的LULC空間格局。

1.3.1邏輯斯蒂回歸模型

邏輯斯蒂(Logistic)回歸模型是一種概率統(tǒng)計(jì)模型,能夠定量分析土地利用類(lèi)型的空間分布與驅(qū)動(dòng)因子間的相關(guān)度[17],并篩選出相關(guān)性較大的驅(qū)動(dòng)因素,排除相關(guān)性不顯著的驅(qū)動(dòng)因素[18],從而判別每個(gè)柵格成為某種地類(lèi)的可能性。

采用ROC曲線(Receiver operating characteristic curve)檢驗(yàn)Logistic回歸結(jié)果,依據(jù)ROC曲線下面積的大小判斷回歸結(jié)果的擬合優(yōu)度[19]。ROC面積范圍在0.5(隨機(jī)分離)到1(完全區(qū)分)之間,當(dāng)ROC曲線下面積大于0.7時(shí),即可認(rèn)為回歸結(jié)果的解釋力較好。

1.3.2CLUE-S模型

CLUE-S(Conversion of Land Use and its Effects at Small region extent)以柵格作為土地利用類(lèi)型的表達(dá)基質(zhì),用每個(gè)柵格上占地比例最高的土地利用類(lèi)型代表該柵格的地類(lèi)[20-21]。CLUE-S模型提供了一個(gè)研究土地利用覆被變化及其與環(huán)境間相互關(guān)系的方法論框架,由非空間土地利用需求模塊和空間分配模塊組成[22]。

非空間土地利用需求模塊需要結(jié)合研究區(qū)的社會(huì)、政策、經(jīng)濟(jì)、自然環(huán)境等的特點(diǎn)、現(xiàn)狀以及發(fā)展規(guī)律,逐年計(jì)算出該區(qū)域不同土地利用類(lèi)型的用地需求以作為空間配置的約束。空間分配模塊基于空間分布概率、土地利用轉(zhuǎn)換規(guī)則和基年土地利用模式,其中,每種土地利用類(lèi)型空間分布概率的計(jì)算是模型模擬的核心,使用二元logistic回歸模型分析選定的驅(qū)動(dòng)因子與土地利用變化之間的關(guān)系,得到未來(lái)LULC空間分布格局[23]。

采用Kappa指數(shù)驗(yàn)證CLUE-S模型模擬精度,Kappa指數(shù)通常介于0—1之間,當(dāng)Kappa指數(shù)>0.75表明一致性較好。

1.3.3情景分析

Kappa指數(shù)通過(guò)驗(yàn)證后,表明CLUE-S模型對(duì)研究區(qū)2015年土地利用的模擬是可信的。在此基礎(chǔ)上,本文根據(jù)研究區(qū)的實(shí)際土地利用覆被變化特征,首先采用系統(tǒng)動(dòng)力學(xué)模型構(gòu)建數(shù)學(xué)方程式和結(jié)構(gòu)流程圖進(jìn)行仿真實(shí)驗(yàn)[15],設(shè)置了3種發(fā)展情景,對(duì)研究區(qū)未來(lái)土地利用需求進(jìn)行數(shù)量上的預(yù)測(cè),然后采用CLUE-S模型對(duì)3種發(fā)展情景下的LULC格局進(jìn)行空間上的預(yù)測(cè)。

情景a為維持現(xiàn)狀情景,代表發(fā)展速率維持現(xiàn)狀的情景。在本情景下,人口、GDP和3大產(chǎn)業(yè)的發(fā)展維持2010—2015年間的發(fā)展速度。由于人口基數(shù)大,為了滿足更多人的生活需求,擴(kuò)大原有的耕地面積,減緩了植樹(shù)造林政策的實(shí)施進(jìn)程,也使得草地面積大幅度減少；同時(shí)由于發(fā)展過(guò)程中并不太注重生態(tài)環(huán)境的保護(hù),進(jìn)而導(dǎo)致水域的面積減少,鹽堿地、裸地的面積增加。

情景b為經(jīng)濟(jì)優(yōu)先情景,代表發(fā)展速率較快,重視經(jīng)濟(jì)發(fā)展的情景。在該情景下,工礦業(yè)迅速擴(kuò)展,城鎮(zhèn)化速度加快,居民用地占比增高；農(nóng)民為提高收入,不斷擴(kuò)大現(xiàn)有耕地,致使草地面積不斷減少,林地面積增速減慢；同時(shí)忽略了對(duì)生態(tài)環(huán)境的保護(hù),導(dǎo)致水資源總量急劇降低,水域面積不斷減少,土地質(zhì)量下降,土地退化現(xiàn)象加劇,甚至使得部分土地成為廢棄地,土地利用率下降。

情景c為生態(tài)保護(hù)情景,代表重視生態(tài)保護(hù)的情景。在該情景下,GDP呈中速上漲,第三產(chǎn)業(yè)比重增加,生態(tài)環(huán)境得到很大程度的改善。工礦用地和居民用地的增加速度減緩,生態(tài)系統(tǒng)的部分功能得到恢復(fù),使得研究區(qū)的水域面積增多,鹽堿地和裸地面積不斷減少；同時(shí)由于植樹(shù)造林政策的優(yōu)化施行,林地面積逐漸增加,耕地基本維持原有的狀態(tài),生態(tài)系統(tǒng)向更健康的方向發(fā)展。

2 結(jié)果分析

2.1 晉北地區(qū)土地利用覆被變化特征

晉北地區(qū)的土地覆被類(lèi)型(表1)以耕地、林地和草地為主,耕地面積占比最大,高達(dá)40%以上,其次為林地和草地,分別為20%和30%左右,表明研究區(qū)以農(nóng)牧業(yè)為主要生產(chǎn)方式。晉北地區(qū)的LULC格局(圖3)主要呈西北斜向的條帶狀分布,是氣候、地貌特征等多種因素共同作用的結(jié)果。草地和林地集中分布在西北部和東南部,零散分布于其他地方；耕地幾乎遍布整個(gè)研究區(qū),但在東南部由于五臺(tái)山與恒山縱橫,限制耕地發(fā)展,分布較少；水域大致沿東北斜向流經(jīng)中部地區(qū)；大部分的工礦用地和居民用地集中分布在朔州市絕大部分地區(qū)和大同市的南郊區(qū)；鹽堿地主要集中分布于朔州市的山陰縣和應(yīng)縣；裸地在研究區(qū)域內(nèi)零散分布。

表1 2010、2015年各土地利用類(lèi)型面積及比例

對(duì)比2010年和2015年的土地利用變化(表1、圖3),在2010—2015年間,所有土地利用類(lèi)型均發(fā)生變化。其中,面積增加最多的是耕地,與人口增加以及糧食需求的上漲有直接關(guān)系；林地和草地面積的平穩(wěn)變化、居民用地和工礦用地面積的少量增加以及鹽堿地和裸地面積的大幅下降均得益于政府的管控措施以及民眾環(huán)保意識(shí)的覺(jué)醒。

圖3 2010、2015年土地利用覆被格局Fig.3 Land use and cover pattern in 2010 and 2015

2.2 晉北地區(qū)土地利用覆被變化影響因素分析

從研究區(qū)土地利用覆被的logistic回歸結(jié)果(表2)看,耕地和林地均受DEM、坡度、GDP這3種因素的影響最明顯；草地與居民用地、工礦用地的分布則與DEM、人口和GDP相關(guān)性較大,此外,工礦用地還與距公路距離有關(guān),經(jīng)濟(jì)越發(fā)達(dá),人口越稀疏,且交通越便利的地方越適合建廠；水域和鹽堿地的分布主要受DEM、距水系距離以及降水量和氣溫的影響；鹽堿地的分布受人口、坡度和坡向影響較大。

表2 2010年各土地利用類(lèi)型的Logistic回歸結(jié)果

從Logistic回歸結(jié)果的ROC檢驗(yàn)(表2)可知,除鹽堿地和裸地外,耕地、林地、草地等其他土地利用類(lèi)型的ROC值都在0.74—0.95之間,表明采用本文選取的影響因子擬合研究區(qū)耕地、林地、草地等土地利用類(lèi)型的分布是可行的；鹽堿地的ROC值為0.680,裸地的ROC值為0.651,表明模型對(duì)這兩種地類(lèi)的解釋能力稍差,這是因?yàn)辂}堿地和裸地在遙感解譯時(shí)難以判別,分類(lèi)精度不高,因此這兩種地類(lèi)的擬合效果稍差。總體而言,本文所建立的logistic回歸模型具有較好的解釋能力,基本能夠反映自然和社會(huì)經(jīng)濟(jì)因子對(duì)土地利用類(lèi)型分布的影響。

2.3 晉北地區(qū)2015年土地利用覆被的模擬和精度檢驗(yàn)

基于研究區(qū)2010年的土地利用覆被和驅(qū)動(dòng)因子數(shù)據(jù)以及l(fā)ogistic回歸結(jié)果,采用CLUE-S模型模擬2015年的LULC格局。將實(shí)際解譯效果與模型模擬結(jié)果進(jìn)行對(duì)比,可以得知93.4%的區(qū)域一致,僅有6.6%的區(qū)域不一致(圖4)。

圖4 2015年土地利用覆被模擬及檢驗(yàn)圖Fig.4 Simulation and inspection of land use and cover in 2015

進(jìn)一步采用Kappa系數(shù)對(duì)2015年CLUE-S模型模擬精確度進(jìn)行檢驗(yàn),結(jié)果見(jiàn)表3。其中,耕地、林地、草地的模擬精度都在0.87以上,表明CLUE-S模型能較好地模擬晉北地區(qū)的主要土地利用類(lèi)型覆被格局。但是,檢驗(yàn)結(jié)果也表明,鹽堿地和裸地的Kappa系數(shù)較低,這是因?yàn)橄鄬?duì)于其他地類(lèi)而言,鹽堿地和裸地在遙感解譯時(shí)難以判別和剝離,存在一定的分類(lèi)誤差,而且數(shù)據(jù)空間分辨率較低,對(duì)土地利用類(lèi)型空間細(xì)節(jié)水平的描述較弱,導(dǎo)致模型對(duì)這兩種地類(lèi)的解釋能力稍差,logistic回歸結(jié)果也表明這一點(diǎn)。總體來(lái)看,研究區(qū)整體的Kappa系數(shù)為0.89,表明我們所建立的模型能夠較好的模擬研究區(qū)的LULC格局,可以進(jìn)行2020年的情景模擬。

表3 2015年土地利用類(lèi)型模擬精確度檢驗(yàn)結(jié)果

2.4 晉北地區(qū)2020年土地利用覆被格局情景模擬

根據(jù)前文的3種情景設(shè)置得到2020年各土地利用類(lèi)型需求(表4),并以2010年的LULC數(shù)據(jù)為基年數(shù)據(jù),模擬2020年這3種發(fā)展情景下晉北地區(qū)的LULC格局(圖5)。

對(duì)比3種發(fā)展情景下晉北地區(qū)2020年的土地利用覆被格局(圖5),可知：研究區(qū)在注重生態(tài)保護(hù)情景下的居民用地、工礦用地、鹽堿地和裸地的面積低于其他兩種發(fā)展情景,林地、草地以及水域面積較多,特別是鹽堿地和裸地的空間分布明顯較少,水域的分布范圍較廣；3種發(fā)展情景下,耕地、林地和草地的面積雖有所不同,但分布格局基本保持一致。因此,注重生態(tài)保護(hù)情景是晉北地區(qū)2020年最適宜的LULC格局。建議積極采取合理的水資源使用和土地利用以及恰當(dāng)?shù)纳鷳B(tài)修復(fù)措施,提高各種土地的資源有效利用率,實(shí)現(xiàn)土地資源的均衡利用,更多地關(guān)注生態(tài)環(huán)境系統(tǒng)的保護(hù),實(shí)現(xiàn)區(qū)域生態(tài)、經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展。

表4 2010—2020年(3種情景)不同土地利用類(lèi)型面積需求

a. 維持現(xiàn)狀情景b. 經(jīng)濟(jì)優(yōu)先情景c. 生態(tài)保護(hù)情景

3 結(jié)論和討論

本文對(duì)晉北地區(qū)土地利用格局變化進(jìn)行了分析和模擬,得到如下結(jié)論：

(1)晉北地區(qū)2010、2015和2020年的LULC格局整體分布基本一致,以耕地、林地和草地為主,土地利用類(lèi)型主要呈西北斜向的條帶狀分布。

(2)在影響因子中,DEM、GDP、人口三者對(duì)于各類(lèi)型土地利用空間格局的影響較大。具體而言,DEM對(duì)水域和鹽堿地的空間分布影響較大,GDP則在林地分布中較為重要,受人口影響較大的包括草地、居民用地和鹽堿地等。耕地和裸地受到多個(gè)影響因子的共同作用。

(3)CLUE-S模型在晉北地區(qū)土地利用覆被格局的擬合上有較好的精度,Kappa系數(shù)達(dá)0.89,表明模型能夠很好地模擬晉北地區(qū)的LULC格局；情景模擬結(jié)果表明,研究區(qū)在重視生態(tài)保護(hù)情景下的LULC格局明顯優(yōu)于著重維持發(fā)展現(xiàn)狀情景和致力于經(jīng)濟(jì)優(yōu)先發(fā)展情景,研究區(qū)未來(lái)發(fā)展方向應(yīng)趨向重視生態(tài)保護(hù)情景,通過(guò)比較3種情景,也可以為未來(lái)決策提供更多信息。

總體來(lái)看,CLUE-S模型可以成功應(yīng)用于晉北地區(qū)土地利用覆被演變和模擬,但是由于模型本身結(jié)構(gòu)不完善、影響因素的復(fù)雜性以及數(shù)據(jù)分辨率等限制,仍然存在一些不足：

(1)尺度的大小和空間現(xiàn)象的本質(zhì)有內(nèi)在的聯(lián)系,在某一尺度上的空間現(xiàn)象, 在另一尺度上不一定存在或發(fā)生,遙感數(shù)據(jù)的最佳分辨率,與所研究景觀或格局問(wèn)題的內(nèi)在特征和目標(biāo)有關(guān),本文所采用數(shù)據(jù)的空間分辨率為1 km×1 km,對(duì)土地利用空間細(xì)節(jié)水平的描述較弱,尤其是對(duì)鹽堿地和裸地在低分辨率時(shí)難以判別和剝離,使得單個(gè)柵格包含地面多種土地利用類(lèi)型信號(hào)[24],因此理解尺度和空間分辨率對(duì)LULC的精確模擬是非常有幫助的。

(2)CLUE-S模擬模型是一種基于宏觀尺度模擬土地利用覆被變化的經(jīng)驗(yàn)統(tǒng)計(jì)模型,忽略了系統(tǒng)內(nèi)部微觀層次變化對(duì)區(qū)域整體LULC格局演變的影響；在空間配置方面,CLUE-S模型所需參數(shù)較多,且各參數(shù)都有其特定的內(nèi)涵和規(guī)則,設(shè)置復(fù)雜[25]；在驅(qū)動(dòng)因子方面,由于土地利用類(lèi)型復(fù)雜,所需的驅(qū)動(dòng)因子較多且某些因子難以量化,致使驅(qū)動(dòng)因素完整性降低[26]。

(3)在情景模擬方面,情景預(yù)測(cè)結(jié)果會(huì)因不同的預(yù)測(cè)者經(jīng)驗(yàn)不同帶有一定的主觀性,反映特定情景下的模擬結(jié)果具有不確定性[27]；土地利用數(shù)量變化預(yù)測(cè)是CLUE-S模型的缺陷,因此,結(jié)合土地利用總量模擬模型與CLUE-S模型將成為該領(lǐng)域研究的熱點(diǎn)和重要方向[28]。