基于土地變化模型的中國北方喀斯特盆地國土空間預測

宋 艷， 仕玉治， 邸 燕， 李福林

(1. 濟南大學 水利與環境學院，山東 濟南 250022； 2. 山東省水利科學研究院，山東 濟南 250014；3. 山東省肥城市水資源保護中心，山東 泰安 271600)

國土空間預測是建立國土空間規劃體系，謀劃國土空間開發保護格局的重要基礎，是保障社會經濟健康可持續發展的關鍵[1]。隨著社會和經濟的快速發展，受到人類活動的影響，國土空間不同土地利用類型也發生了巨大的變化，如耕地向建設用地轉化、林地向耕地和建設用地轉化等。識別國土空間演化關鍵是研究土地利用類型在時間和空間不同程度的變化規律[2]，已成為當前國土空間演化研究領域內熱點之一[3]。針對土地覆被系統規律演化研究，國內外學者進行了不斷探索，在模型方法和土地空間預測因子識別等方面取得了較大的進展，如元胞自動機(cellular automata，CA)模型、馬爾科夫模型(Markov model)、土地利用變化及效應(conversion of land use and its effects，CLUE)模型以及土地利用變化模型(land change model，LCM)[4-5]，其中LCM應用較為廣泛。該模型是由美國克拉克實驗室開發，具有非線性國土空間模擬與變化預測識別功能，能夠有效地解決國土空間預測的非線性和空間結構分布難點，為國土空間的識別與演化關鍵問題提供了有效解決方案。同時，該模型還可以實現土地規劃和生物多樣性保護以及溫室氣體排放影響的模擬，目前已經在美國、歐洲等地區進行了評估和應用[5-16]。此外，LCM還被應用于研究東歐后社會主義時代的土地變化，模擬預測精度較高，取得了較好的應用效果。

截至目前，LCM在我國國土空間預測方面的研究與應用較少，因此本文中將LCM引入巖溶流域國土空間預測應用中，以位于山東省中部的肥城盆地為研究對象，分析近30 a土地利用變化，并以1980、2015年土地利用數據為基礎，預測出2030年研究區國土空間分布。

1 土地變化模型

LCM耦合了多層感知器(MLP)人工神經網絡和馬爾科夫鏈(Markov chain，MC)方法，利用前期土地利用基礎數據，建立土地類型與擾動變化因子之間非線性關系，識別土地空間變化潛力和變化量，通過土地利用變化量空間優化，即LCM中的硬預測方法，最終實現未來土地利用變化空間分布預測[17-18]。

1.1 多層感知器神經網絡

MLP神經網絡是一種具有自適應、自組織特性的非線性方法，用來模擬計算土地利用類型空間轉化潛力。該方法通過建立土地利用類型與變化影響因子之間的非線性映射關系，神經元采用sigmoid激勵函數。給定土地利用類型表示為(y1,y2,…，yi，…，yn)，其中yi為第i種土地利用類型，n為土地利用類型數；土地利用變化影響因子為(x1,x2,…,xj,…，xm)，其中xj為第j個土地利用影響因子，m為土地利用影響因子個數。MLP神經網絡拓撲結構如圖1所示。

圖1 多層感知器(MLP)神經網絡拓撲結構圖

1.2 馬爾科夫鏈

MC是一種用于預測未來變化的概率方法，具有無后效性。本文中利用MC確定各土地利用類型之間確定初始轉移概率矩陣，即用于描述不同類型之間相互轉化的概率。利用MC可預測土地利用變化量，為實現土地利用變化量空間優化分配奠定基礎。MC狀態轉移矩陣為

(1)

1.3 硬預測模型

硬預測模型是統籌考慮不同土地利用類型空間相互轉化潛力、MC土地類型轉移概率(變化量)以及不同土地利用類型轉化約束條件，通過不同土地利用類型之間優化，可有效地模擬預測未來土地利用空間分布。硬預測方法為

(2)

式中：X為x1，x2，…，xn是決策變量；Fo(X)為最優土地利用類型；f(X)為土地利用驅動因子與土地利用類型間的關系式；t為時間；g(X)、h(X)為限制條件。

1.4 預測流程與精度評估

結合LCM方法原理確定LCM計算流程，如圖2所示，計算流程共包括4個步驟。

圖2 土地利用變化模型(LCM)計算流程圖

步驟1 根據已解譯的2期土地利用數據，分析不同土地利用類型轉化和變化趨勢，同時給定不同土地利用類型轉化閾值，確定可納入空間預測的土地利用類型。

步驟2 選擇可能影響土地利用變化的因子，如距離城市中心、道路、水體、坡度、高程等因子，利用Cramer’V指標ICV確定土地利用變化因子，一般情況下ICV>0.15，可認為土地利用影響因子比較敏感且有效。

步驟3 將選取的土地利用變化影響因子構建MLP神經網絡模型進行模型訓練，確定模型參數，輸出不同土地利用類型轉化潛力空間分布。

步驟4 結合前述MLP神經網絡模擬取得的不同土地利用類型之間轉化潛力空間分布，利用MC計算不同土地利用類型轉移概率矩陣，同時給定預測約束與激勵條件以及未來預測時段，即可采用硬預測模型來預測未來時期土地利用空間分布。

采用反映空間點位對應效果的定量評估指標Kappa系數來進一步評估模型模擬預測精度，Kappa系數越大，說明模型模擬預測精度越高。

2 應用實例

2.1 研究區概況

喀斯特即巖溶，是水對可溶性巖石進行溶蝕、沖蝕、潛蝕和崩塌等地質作用，以及由這些作用所產生的現象的總稱。由喀斯特作用所造成地貌稱喀斯特地貌(巖溶地貌)。巖溶地貌按出露條件分為裸露型、覆蓋型、埋藏型。我國是世界巖溶大國，巖溶面積總和達344萬km2，南方分布最廣泛的巖溶環境類型為裸露型，北方分布的主要為覆蓋型。山東省是我國北方重要的巖溶地區之一，可溶性巖出露面積約為16 200 km2，除少量分布在魯東地區，其余廣泛分布于魯中南山地丘陵區。以肥城盆地為代表的魯中南地區的可溶性巖主要為古生界的石灰巖、白云質灰巖、泥灰巖及白云巖，植被覆蓋面積大，耕地面積比較大。

肥城盆地地理坐標為北緯35°53′—36°19′、東經116°28′—116°59′，位于山東中部，魯中南山區、泰山西麓，是以泰安市轄肥城市北部平原及其周邊山體為主體形成的獨立地質構造單元。研究區地貌主要為侵蝕-堆蝕地貌、裸露的溶蝕-剝蝕地貌和片麻巖侵蝕-剝蝕地貌。

研究區地處黃河流域，盆地流域面積為1 260 km2，包括肥城北部區域和泰安市岱岳區、東平縣和濟南市平陰縣部分區域，其中肥城區域分布面積最大，為882.4 km2，占總面積的70.3%。肥城盆地屬于暖溫帶大陸性半濕潤季風氣候，多年平均降雨量為646.9 mm，降水年內分配不均，主要集中在7—9月份；多年平均蒸發量為1 224.5 mm。肥城盆地海拔高度為250～660 m，地勢東北高、西南低，地表水和地下水流向基本一致。肥城市老城區和石橫鎮工業園區位于盆地中西部，是肥城市工業核心區。近年來，隨著經濟社會的快速發展，盆地內不同土地利用類型也發生了重大變化。

2.2 模型數據

采用肥城盆地1980、2000、2015年3期土地利用解譯圖，30 m×30 m(長度×寬度)數字高程模型(digital elevation model，DEM)圖，比例尺為1∶10萬的水系圖、1∶10萬的交通圖等為模型數據。利用ArcGIS軟件將所有數據統一投影坐標為WGS_1984_UTM_zone_50N，并將數據轉換為IDRISI和ArcGIS軟件均適用的柵格數據，柵格大小設置為30 m×30 m(長度×寬度)。由于不同空間處理軟件對于數據格式要求有所差別，采用ArcGIS軟件將數據處理為tif格式或者txt格式并導入IDRISI轉換為重構文本格式(RST)數據，即可利用LCM模塊進行土地利用模擬預測計算。根據我國土地利用分類標準，本文中3期土地利用類型均分為耕地、林地、草地、水域、城鄉居民用地和未利用地6類，如圖3所示。

(a)1980年(b)2000年(c)2015年肥城盆地地圖來源于地理國情監測云平臺(http://www.dsac.cn/DataProduct/Detail/300011),經過ArcGIS10.2軟件數字化處理后得到。圖3 肥城盆地不同時期土地利用類型解譯成果

2.3 結果分析

首先以1980、2000年2期土地利用為基礎數據模擬2015年土地利用分布，并將模擬結果與2015年土地利用解譯圖進行對比分析，以驗證評估LCM的模擬精度； 然后，以1980、2015年2期土地利用為基礎數據建模，預測2030年土地利用分布。

根據1980、2000年2期土地利用類型轉化分析，研究區內城鄉居民用地、耕地和草地等土地利用類型發生變化較大，從而確定主要潛在轉換類型為耕地→城鄉居民用地、林地→城鄉居民用地、林地→耕地、草地→耕地、草地→城鄉居民用地、水域→城鄉居民用地，2期土地利用類型MC轉移概率矩陣如表1所示。

表1 1980—2000年肥城盆地土地利用類型轉移概率矩陣

高程、坡度、離城市中心距離分布、離道路距離、離水域距離、當前變化區域變量等影響因子的ICV指數均大于0.15，由此確定所有指標均可以作為土地利用變化潛在影響因子，將數據導入LCM中模擬2015年土地利用分布，模擬結果如圖4(a)所示。

對比2015年土地利用模擬分布圖和實際分布圖，采用4種擴展的Kappa系數進行了精度評估，分別為隨機Kappa系數Kn、位置Kappa系數Kl、分層區位Kappa系數Kls、標準Kappa系數Ks，評估結果為Kn=0.909 1，Kl=0.907 2，Kls=0.907 2，Ks=0.872 9。由上述結果可看出，LCM預測的土地利用分布和實際土地利用分布有著高度的一致性，預測精度較高，說明模型可用來進行未來土地利用預測。

同樣，以1980、2015年土地利用為基礎，采用前述模型預測影響因子，利用1980、2015年MC轉移概率矩陣，預測研究區2030年國土空間分布，結果如圖4(b)所示，并將預測成果與3期土地利用進行比較分析，結果如表2所示。由表中數據可知：2030年肥城盆地耕地類型所占比例為66.91%，城鄉居民用地比例為21.92%，其他類型占比相對較小； 1980—2030年期間，耕地面積與1980年比較，減少了11.4%； 與1980年比較，城鄉居民用地增加了126.4%；2015年林地面積較2000年減少13.3%，2030年的面積較2015年的減少1.46%；水域面積與1980年比較，增加了24.7%。究其原因：肥城盆地土地利用類型的變化是自然因素和人為因素共同作用的結果，城鎮化不斷推進，城鎮、工礦用地需求量將在相當長時期內保持較快增長，同時隨著城鄉一體化進程的加快和新型城鎮化及現代農業、生態城市及旅游事業的發展，建設用地需求量將逐步增加。城鎮化進程加快，使得耕地、林地被占用，城鄉居民用地面積增加迅速，但隨著肥城市“十四五”林業發展規劃的實施，林地面積減少速率明顯變小。同時，隨著近幾年肥城市政府注重對河湖生態系統的修復和治理，水域面積在逐年緩慢擴大。

(a)2015年(b)2030年肥城盆地地圖來源于地理國情監測云平臺(http://www.dsac.cn/DataProduct/Detail/300011),經過ArcGIS10.2軟件數字化處理后得到。圖4 肥城盆地2015年土地利用變化模擬結果及2030年土地利用預測結果

表2 基于土地利用變化預測模型(LCM)的肥城盆地土地利用變化預測對比

3 結論與建議

以肥城盆地為研究對象，以1980、2000、2015年3期土地利用為基礎，選取地形、高程、坡度、離城市中心距離分布、離道路距離、離水域距離、當前變化區域變量為影響因子，運用LCM模擬了2015年的土地利用，用2015年實際土地利用數據進行模型驗證，結果表明，4種Kappa系數較高，模型預測精度高。在此基礎上，以30多年土地利用變化規律和趨勢，預測了肥城盆地2030年國土空間分布。在自然因素和人為因素共同作用下，肥城盆地建設用地需求量將逐步增加，耕地、林地被占用，城鄉居民用地面積增加迅速。耕地所占比例最大，其次是城鄉居民用地，其他類型占比相對較小；1980—2030年期間，耕地、林地、草地面積將持續減少，城鄉居民用地和水域面積將有所增加，未利用土地變化不大。同時，隨著肥城市各項規劃等相關保護政策的實施，林地面積減少速率明顯變小，水域面積在逐年緩慢擴大。未來耕地與城鄉居民用地、林地與城鄉居民用地之間的轉化將更為明顯。

雖然LCM為分析土地覆被變化和制定國土規劃提供了一套強大的工具，但是土地利用變化是一個較為復雜的過程，受到各種因素的綜合作用，如肥城盆地地質災害、大型工程等不確定因素的影響、模型預測輸入的基礎數據僅為前2期土地利用信息，信息量偏少，難以準確的反映國土空間土地利用變化的速度和趨勢，預測結果存在一定不確定性。下一步應充分考慮土地利用變化的各項影響因子以及約束與激勵條件，增加已有國土空間土地利用的期數，采用更多的土地利用信息，減小土地利用變化預測不確定性，提高國土空間模擬預測精度，更好地為流域水文模擬提供精準的空間數據，也為國土資源規劃政策的制定提供更加有力的技術支撐。