基于CLUE-S模型的土地利用空間格局情景模擬——以忻州市忻府區為例

朱小林 郭青霞

摘要：以山西省忻州市忻府區為研究區域，選取海拔、坡度、距公路的距離、距鐵路的距離等10個驅動因子，基于忻府區2000年土地利用現狀數據，運用CLUE-S模型對2016年的土地利用變化格局進行模擬，通過對比分析發現，模擬效果較好。在此基礎上，通過設置自然增長、耕地保護、生態保護3個情景對2025年忻府區土地利用分布格局進行預測。結果表明，自然增長情景下，建設用地面積擴張，擴張面積主要圍繞著中心城區。耕地保護情景下，耕地穩定性較高，集中連片分布，耕地數量也較自然增長情況下得到了相應的上升;由于西北方向地勢高，不利于澆灌，所以耕地分布較少。生態保護情景下，林地和草地得到較好的保護，草地在空間上呈現集中連片特征;林地分布比較分散，但大部分也集中在西部區域;地勢較高的區域耕地逐漸退為林地和草地;生態保護情景下選取的景觀指數聚合度和蔓延度都是最高的。研究結果可以為管理部門對未來土地可持續利用和土地管理提供一定的參考。

關鍵詞：土地利用變化;CLUE-S模型;Logistic回歸模型;情景模擬;忻州市忻府區

中圖分類號： F301.24文獻標志碼： A

文章編號：1002-1302（2020）04-0254-06

收稿日期：2019-06-11

基金項目：山西農業大學學術骨干項目（編號：xg201216）。

作者簡介：朱小林（1994—），女，山西忻州人，碩士研究生，研究方向為土地利用與規劃。E-mail：1837884296@qq.com。

通信作者：郭青霞，博士，教授，碩士生導師，研究方向為土地利用與規劃、土地信息技術。E-mail：gqx696@163.com。

土地利用/覆被變化（LUCC）已變成全球環境變化研究領域的熱點問題之一[1-2]，其中土地利用變化的研究具有很大的現實意義。土地利用變化是一個復雜的過程，是受自然、社會、經濟等因素在不同的時間、空間尺度上相互作用形成的[3]。土地利用變化模型是深入了解土地利用變化過程、機制和環境影響的重要手段。利用模型可以很好地分析土地利用變化和驅動因素的定量關系，可以模擬預測不同情景下土地利用變化[4-6]，為未來土地利用規劃和城市管理提供科學依據。

目前國際上比較成熟的土地利用變化模型有元胞自動機（CA）模型[7]、馬爾科夫（Markov）[8]系統動力學（SD）模型[9]、CLUE-S模型、Agent-based模型[10]。CLUE-S模型是一種用于小尺度研究土地利用變化的動態模型，不僅可以考慮地形、氣候、經濟等對土地利用格局的影響，還可以設置多種情景對未來土地利用分布格局進行模擬[11]。CLUE-S模型作為經驗統計模型的代表，具有較好的可信度和解釋能力，已被廣泛應用于土地利用變化研究[12-15]。在國內，CLUE-S模型最早被張永民等應用于內蒙古荒漠區域的土地利用時空動態變化模擬研究[16]，取得了良好的模擬精度。自此，CLUE-S模型在我國各個地區被廣為應用，并且都取得了較好的模擬效果[17-20]。

本研究以山西省忻州市忻府區為研究區域，綜合考慮區域特征和相關發展戰略，設置自然增長、耕地保護、生態保護3個情景，借助CLUE-S模型對2025年忻府區土地利用格局進行預測，以期為該區域土地資源可持續利用提供技術依據，為相關管理部門土地利用規劃和管理提供參考依據。

1?研究區概況

忻府區屬于山西省忻州市，位于山西省北中部，是忻州市委、市政府所在地。地理位置位于38°13′～38°41′N，112°17′～112°58′E，東連定襄縣，西鄰靜樂縣，南靠陽曲縣，北臨原平市，區域總面積1 987 km2，距離省會城市太原75 km。忻府區所處位置為忻定盆地的主體部分，地形西高東低，逐步傾斜，北、西、南三面環山，東部開闊平坦。忻府區屬于季風型大陸性氣候，夏季多東南風，冬季多西北風。忻府區處在太原都市圈的拓展圈層范圍內。太原都市圈這一區域是山西“省域經濟與社會事業最為發達的核心區域”和“最為重要的城鎮密集地區”[21]。近年來，忻府區經濟強勢崛起，發展迅速，各個方面都取得了不錯的成就，現已成為山西省綜合發展的新興市轄區[22]。

2?數據來源與方法

2.1?數據來源與處理

本研究分析的土地利用數據來源于2000年和2016年2期土地利用現狀矢量數據，遙感數據來源于地理空間數據云，社會經濟數據來源于2000—2016年《忻府區統計年鑒》。根據忻府區土地利用特點，參照GB/T 21010—2007《土地利用現狀分類》以及CLUE-S模型對于每種地類面積必須大于研究區總面積1%的要求，將研究區土地利用類型劃分為耕地、草地、林地、城鄉建設用地、未利用地。

本研究選取了高程、坡度、距城市的距離，距村莊的距離、距建制鎮的距離、距鐵路的距離、距公路的距離、距水域的距離、人口密度、人均糧食產量等10個驅動因子作為忻府區土地利用格局變化的主要驅動因子。其中高程、坡度因子來源于DEM數據，距離因子是通過對公路、鐵路、城市、建制鎮、村莊、水域的距離數據在ArcGIS 10.0平臺下進行歐式距離轉換得到的。人口密度和人均糧食產量這2個社會經濟指標是將經濟因子賦值于研究區各鄉鎮，再將其轉換為柵格數據得到。在ArcGIS 10.0平臺下，將忻府區相應驅動因子圖層都轉化成300 m×300 m的柵格圖層。

2.2?研究方法

2.2.1?CLUE-S模型原理

CLUE-S模型是荷蘭瓦赫根寧大學Verbueg等專門開發用于小尺度范圍內土地利用變化的模型，CLUE-S模型將生物物理驅動因子與社會經濟因子相結合，并且具有反映區域土地利用時空變化的能力[23]。CLUE-S模型認為，一個區域的土地利用變化受其土地利用需求數量的影響，并且以其土地利用分布格局與其土地利用需求數量、自然環境、社會經濟狀況保持平衡為前提。CLUE-S模型需要輸入的數據包括：政策限制區域、土地利用轉移規則、土地利用類型面積需求量、土地利用類型空間分析。

2.2.1.1?政策限制區域

本研究未對區域做政策限制的設置，因此假設區域所有面積都可以發生變化。

2.2.1.2?土地利用轉移規則

土地利用轉移規則包括土地利用類型轉移矩陣和轉移彈性系數（ELAS）。土地利用類型轉移矩陣表示研究區各土地利用類型之間是否會相互轉變，1表示可以發生改變，0則表示不能發生變化。本研究結合忻府區土地利用現狀以及未來土地利用類型的發展變化，對其設置（表1）。

土地利用轉移彈性系數表示土地利用類型的穩定程度，取值介于0～1之間，值越大，表示用地類型越不易轉變為其他地類。目前對ELAS的設置沒有精確的算法，需要研究者根據研究區的實際情況以及參考前人研究來確定[24-25]。本研究結合忻府區各種土地利用類型轉移情況以及相關研究進行設置（表2）。

2.2.1.3?土地利用類型需求

土地利用類型需求量須借助獨立于CLUE-S模型之外的其他方法求得，通常有趨勢外推法、線性內插法、Markov模型等一系列算法。在本研究中，將2000—2016年現有土地利用現狀數據進行內插，假設忻府區土地利用現狀變化幅度為線性變化，并通過趨勢外推法得到2025年各土地利用類型的面積。

2.2.1.4?土地利用類型空間分析

二元Logistics方法常常被運用到土地變化研究中，在CLUE-S模型中，運用Logistic逐步回歸分析方法來分析各土地利用類型的空間分布與驅動因素之間的關系。

logPi1-Pi=β0+β1X1，i+β2X2，i+…+βnXn，i。（1）

式中：Pi表示每一個柵格可能出現某種土地利用類型i的概率;X1，i～Xn，i表示某種土地利用類型i相關的驅動因素;β0～βn為驅動因素的回歸系數。

2.2?CLUE-S模型空間模擬

CLUE-S模型的空間模擬是基于各土地利用相互轉化規則、土地利用空間分布概率、土地利用現狀圖以及各土地利用類型的面積需求，根據總概率對土地利用需求進行空間分配迭代的過程，迭代方程為

TPROPi，u=Pi，u+ELASu+ITERu。（2）

式中：TPROPi，u為柵格i中土地利用類型u的總概率;Pi，u為Logistic回歸方程土地利用類型u的空間分布概率;ELASu為土地利用類型u的轉換彈性系數;ITERu為土地利用類型u的迭代變量。

2.3?CLUE-S模型檢驗

CLUE-S模型的檢驗是由2個部分組成：（1）采用受試者工作特征（ROC）曲線來驗證用回歸方程計算出的類概率分布格局與實際地類分布之間的一致性。ROC值介于0.5～1.0之間，一般來說，ROC值越接近1，表示一致性越好。根據Logistic模型的一般要求，ROC系數>0.7才符合概率分布要求。（2）Kappa系數檢驗，當Kappa>0.75時，CLUE-S模型的預測精確度較高;當0.4≤Kappa≤0.75時，認為模擬的效果一般;當Kappa<0.4時，認為模擬的效果較差。

3?結果與分析

3.1?土地利用轉移矩陣

運用ArcGIS 10.0將2000年和2016年2期土地利用現狀數據進行疊加分析，得到忻府區2000—2016年的土地利用轉移矩陣（表3）。

表3為2000—2016年期間忻府區5種土地利用類型的轉入轉出情況。其中變化較明顯的地類為耕地、草地、林地、城鄉建設用地。2000—2016年間耕地面積總體上不斷減少，主要轉變為草地、林地、城鄉建設用地。草地面積總體呈增加趨勢，轉入面積主要來源于耕地和林地，2000—2016年間196.35 hm2 耕地轉為草地。林地面積總體呈增加趨勢，轉入面積主要來源于草地和耕地。但是明顯看到，林地轉為草地的面積遠遠小于草地轉為林地的面積，因此有關部門應該考慮是否存在不合理的土地利用方式，并進行合理的規劃。城鄉建設用地面積總體呈增加趨勢，轉入面積主要來源于耕地，有關部門應該合理開發其他后備資源，防止優質耕地轉為建設用地。

3.2?土地利用需求數量預測

不同情景下，對各種土地利用類型的需求數量也是不同的，本研究中設置了自然發展、耕地保護、生態保護3個情景，根據現有土地利用類型的需求數量，對不同情景下忻府區2025年土地利用類型的需求數量預測如表4所示。

3.3?Logistic回歸模型分析結果

忻府區各地類空間分布概率模擬效果較好，草地、城鄉建設用地、耕地、林地、未利用地的ROC值均大于0.7，說明所選取的驅動力因子與各地類間的相關性較好，滿足回歸模型的擬合效果，可用于模擬研究區土地利用空間分布（表5）。

3.4?模擬結果檢驗

運用CLUE-S對模擬結果進行檢測，將忻府區2016年土地利用實際情況與模擬情況比對，檢驗模擬精度。Kappa系數的計算如下：

Kappa=P0-PcPp-Pc。（3）

式中：Pp為理想情況下的準確比值，值為1;Pc為在隨機情況下的期望比值;P0為正確模擬的比例。

用2000年的數據模擬2016年的土地利用情況，總柵格數為22 077，其中正確的柵格數為18 492，正確模擬比例為83.76%，研究區域分為5種土地利用類型，在隨機情況下期待比值Pc為1/5，可得出Kappa值（0.797）>0.75，說明模型模擬效果較好，CLUE-S模型能較好地對未來土地利用變化進行預測。

3.5?忻府區未來土地利用情景模擬

基于CLUE-S模型取得了較好的模擬效果，本研究對2025年忻府區設置了自然增長、耕地保護、生態保護3個情景，從多個可能出現的方面對未來忻府區土地利用分布格局進行模擬（圖1）。

（1）自然增長情景下，各種土地利用類型的變化與2000—2016年保持一致，可以看出中心城區的建設用地面積在擴張，其擴張面積主要來自占用的耕地，長此以往下去，可能會帶來糧食安全的問題。

（2）耕地保護情景下，由于限制了耕地被其他地類占用，從而增加了耕地的穩定性，耕地數量也較自然增長情況下得到了相應上升，可以看出耕地是集中連片的分布，這樣可以保證優質耕地不被破壞。由于西北方向地勢高，不利于澆灌，所以耕地分布較少。在耕地保護情景下可以使耕地的保有量得到很好的保證。

（3）生態保護情景下，提高了林地、草地的穩定性。草地作為忻府區主要地類之一，主要分布在西部區域，在空間上呈現集中連片特征;林地分布比較分散，但大部分也集中在西部區域;耕地繼續保持穩定，地勢高的區域退耕為林地和草地。

3.6?模擬結果景觀評價分析

為了對比分析3種情景下的土地利用空間格局在景觀水平上的差異狀況，本研究選取了聚合度和蔓延度2個景觀格局指數。聚合度反映了景觀中不同土地利用類型的聚合程度，聚合度高表明斑塊分布集中，反之說明其呈分散狀態。蔓延度反映的是景觀里不同斑塊類型的團聚程度或延展趨勢，蔓延度越高表示土地利用類型在空間上的連通性越好，反之景觀越破碎。由忻府區3種情景模擬圖的景觀指數可以看出，生態保護情景下土地利用空間格局的聚合度和蔓延度最大，表明該情景下土地利用類型集中且連通性最好;自然增長情景與耕地保護情景下的土地利用格局的空間異質性較強，各地類土地空間分布較零散（圖2）。

4?結論與討論

4.1?結論

本研究以忻府區為研究區域，應用小尺度區域土地利用變化模擬的CLUE-S模型，綜合考慮自然地理因素和社會經濟因素，運用Logistic回歸模型計算出忻府區各地類與驅動因子的回歸方程，且所選的驅動因子ROC值均大于0.7，說明所選取的驅動因子可以較好地解釋各類土地利用類型的空間分布，通過對2016年實際的土地利用現狀的驗證，其Kappa指數大于0.75，說明CLUE-S模型可以用于對忻府區未來土地利用空間分布格局進行模擬預測。

通過設置自然增長、耕地保護、生態保護3個情景對忻府區未來土地利用分布格局模擬預測，這些方案具有客觀性，可以為忻府區未來土地利用規劃修編和城市規劃提供參考。通過對比分析，未來中心城區附近是土地利用變化發生的“熱點區域”，中心城區附近除了有建設用地，也存在大量的耕地，在抓發展的同時要保證糧食安全，這就需要管理者嚴格執行“十分珍惜、合理利用土地，切實保護耕地”的基本國策，對建設用地的增長速度合理控制，提高建設用地的集約力度。經濟發展的同時也應該保護生態環境，生態環境的優劣決定人們幸福指數的高低，所以嚴格遵守“生態紅線”，維護區域內生態環境不受破壞，使“美麗忻府”圓夢成功。

4.2?討論

由于收集資料的限制，本研究從已有的資料中結合了自然和社會經濟因素，雖然所選取的因素具有較好的解釋能力，但是不夠全面，可能影響預測的精度，在今后的研究中，應該盡可能多地選擇驅動因子，從而更高地提高模型的精度。

對于CLUE-S模型的參數設置部分，特別是土地利用轉移彈性（ELAS）對模擬結果影響較大。本研究針對土地轉移彈性設置主要是結合已有相關文獻和研究區土地利用變化情況，進行一步一步調試，最終確定下來。在未來的研究中如果能找到參數與模擬結果的相關性，并將其定量化，定能提高模型的精度。

參考文獻：

[1]Verburg P H，Soepboer W，Veldkamp A，et al. Modeling the spatial dynamics of regional land use：the CLUE-S model[J]. Environmental Management，2002，30（3）：391-405.

[2]蔡玉梅，劉彥隨，宇振榮，等. 土地利用變化空間模擬的進展——CLUE-S模型及其應用[J]. 地理科學進展，2004，23（4）：63-71，115.

[3]盛?晟，劉茂松，徐?馳，等. CLUE-S模型在南京市土地利用變化研究中的應用[J]. 生態學雜志，2008，27（2）：235-239.

[4]藺?卿，羅格平，陳?曦. LUCC驅動力模型研究綜述[J]. 地理科學進展，2005，24（5）：81-89.

[5]張?葉，江曉波，邱?楓. LUCC模型研究綜述[J]. 資源開發與市場，2006（4）：311-314.

[6]王?麗，錢樂祥. 土地利用/土地覆被變化模型方法分析[J]. 信陽師范學院學報（自然科學版），2004，17（3）：302-307.

[7]周嵩山，李紅波. 元胞自動機（CA）模型在土地利用領域的研究綜述[J]. 地理信息世界，2012，10（5）：6-10，13.

[8]陸汝成，黃賢金，左天惠，等. 基于CLUE-S和Markov復合模型的土地利用情景模擬研究——以江蘇省環太湖地區為例[J]. 地理科學，2009，29（4）：577-581.

[9]何春陽，史培軍，陳?晉，等. 基于系統動力學模型和元胞自動機模型的土地利用情景模型研究[J]. 中國科學（D輯），2005，35（5）：464-473.

[10]張鴻輝，曾永年，金曉斌，等. 多智能體城市土地擴張模型及其應用[J]. 地理學報，2008，63（8）：869-881.

[11]吳健生，馮?喆，高?陽，等. CLUE-S模型應用進展與改進研究[J]. 地理科學進展，2012，31（1）：3-10.

[12]許小亮，李?鑫，肖長江，等. 基于CLUE-S模型的不同情景下區域土地利用布局優化[J]. 生態學報，2016，36（17）：5401-5410.

[13]王麗艷，張學儒，張?華，等. CLUE-S模型原理與結構及其應用進展[J]. 地理與地理信息科學，2010，26（3）：73-77.

[14]卞子浩，馬小雪，龔來存，等. 不同非空間模擬方法下CLUE-S模型土地利用預測——以秦淮河流域為例[J]. 地理科學，2017，37（2）：252-258.

[15]馬冰瀅，黃?姣，李雙成. 基于生態-經濟權衡的京津冀城市群土地利用優化配置[J]. 地理科學進展，2019，38（1）：26-37.

[16]張永民，趙士洞，Verburg P H. CLUE-S模型及其在奈曼旗土地利用時空動態變化模擬中的應用[J]. 自然資源學報，2003，18（3）：310-318.

[17]朱康文，李月臣，周夢甜. 基于CLUE-S模型的重慶市主城區土地利用情景模擬[J]. 長江流域資源與環境，2015，24（5）：789-797.

[18]王?健，田光進，全?泉，等. 基于CLUE-S模型的廣州市土地利用格局動態模擬[J]. 生態學雜志，2010，29（6）：1257-1262.

[19]何寶國. 太原都市圈成山西省發展“核”動力[N]. 太原晚報，2011-01-12.

[20]蒙?菲，李小麗，陳笑揚，等. 基于CLUE-S模型的長沙市望城區土地利用變化預測[J]. 地理信息世界，2018，25（2）：72-77，84.

[21]裴?剛. 忻州市忻府區土地利用/覆被格局的模擬及應用[D]. 臨汾：山西師范大學，2013.

[22]擺萬奇，張永民，閻建忠，等. 大渡河上游地區土地利用動態模擬分析[J]. 地理研究，2005，24（2）：206-212.

[23]許月卿，羅?鼎，郭洪峰，等. 基于CLUE-S模型的土地利用空間布局多情景模擬研究——以甘肅省榆中縣為例[J]. 北京大學學報（自然科學版），2013，49（3）：523-529.

[24]謝?瑩，匡鴻海，吳晶晶，等. 基于CLUE-S模型的重慶市渝北區土地利用變化動態模擬[J]. 長江流域資源與環境，2016，25（11）：1729-1737.

[25]呂苗苗. 基于CLUE-S模型的土地利用空間格局情景模擬研究[D]. 西安：長安大學，2016.