基于FLUS模型的子長市土地利用變化模擬研究

劉旭晶 孫喬

摘要：以延安市子長市為研究區，采用GlobeLand30的土地利用數據，結合子長市土地利用數據庫的數據，利用未來土地利用變化情景模擬模型（GeoSOS-FLUS）從自然、交通區位和社會經濟三個方面選取11個驅動因子對子長市2020年的土地利用進行模擬預測，模擬結果與真實結果較為吻合，模擬精度為0.88，Kappa系數為0.855 91，在此基礎上對子長市2030年土地利用進行模擬預測，為子長市土地利用合理開發和土地資源保護提供借鑒。

關鍵詞：土地利用變化;FLUS模型;模擬預測

中圖分類號：F301.2 ? ? 文獻標識碼：A ? ? ? 文章編號：1003-5168（2021）27-0105-04

Abstract：Taking Zichang City of Yan'an City as the research area， combined with the land use data of GlobeLand30 and the land use database of Zichang City，this paper uses the future land use change scenario simulation model （GeoSOS-FLUS） to select 11 driving factors from three aspects of nature， traffic location， and social economy to simulate and predict Zichang City's land use in 2020.The results show that the simulation results are in good agreement with the real results. The simulation accuracy is 0.88， and the Kappa coefficient is 0.85591. Based on this， the author simulates and forecasts the Zichang City's land use in 2030，in order to provide a reference for the rational land development and land resource protection of Zichang City.

Keywords： land use change; FLUS model; simulation prediction

隨著我國社會經濟的不斷發展，城鄉建設發展不斷加快，土地利用格局發生巨大的變化，高速的城鎮化擴張導致的是耕地、林地、草地和水域等用地逐漸轉為大量的建設用地，這對自然生態系統造成重要的影響，土地利用/覆蓋變化（land use/cover change，LUCC）逐漸成為土地資源利用研究的熱點[1]。土地利用變化模擬常見的模擬方法有多元統計模型、馬爾科夫（Markov）模型，CLUE-S模型、元胞自動機（CA）模型[2]。黎霞等耦合了地理模擬和空間優化模型，建立地理模擬優化系統GeoSOS軟件，為城市化地區空間管制與土地利用等方面的引導、調控和優化提供技術支撐平臺[3]。

本文考慮到自然和社會等因素對土地利用變化的影響，在分析子長市2000年、2010年、2020年的土地利用類型和變化趨勢的基礎上，利用Markov模型和FLUS模型，結合數字高程模型、坡度、河流、村莊、國內生產總值、人口等驅動因子，對2030年子長市土地利用變化情況進行模擬預測。

1 研究區概況

子長市位于黃土高原的中部，北部依靠于橫山區，東部與子洲縣和清澗縣接壤，南部連接延川縣，西部與安塞區和靖邊縣為鄰，位于109°11′58″E—110°01′22″E，36°59′30″N—37°30′00″N，市轄1個街道、8個鎮。

2 數據來源及預處理

本文所需要的數據為三期土地利用數據和11個驅動因子數據，土地利用數據來源于GlobeLand30（http：//www.globallan-dcover.com/），分別為2000年、2010年、2020年土地利用數據，數字高程模型數據是從地理空間數據云網站下載，坡度和坡向使用ArcGIS中的表面分析工具提取，社會驅動因子中的人口和GDP數據分別來源于中國科學院資源環境科學與數據中心（https：//www.resdc.cn/）的中國人口和GDP空間分布公里網格數據集，其他數據利用子長市的土地利用數據庫獲取。

3 結果與分析

3.1 土地利用面積及動態變化分析

表1是子長市2000年、2010年、2020年個土地利用類型的面積和所占比例。可以看出的是，2000—2020年面積最多的土地利用類型是草地，占子長市總土地利用面積的67%左右，接下來是耕園地，面積保持在62 000 hm2左右。水域、建設用地和其他土地的面積都在10%以下。

表2和表3為子長市土地利用面積變化、土地利用動態度。在2000到2010年，建設用地面積增加527.04 hm2，土地利用動態度為15.01%，增幅比較大;耕園地的面積減少最多，10年間減少517.14 hm2，依次是林地和草地。2010—2020年，建設用地繼續保持增長的趨勢，且增幅較大，超過前10年增加的面積，土地利用動態度為11.05%;耕園地、林地、草地和水域的面積呈現下降趨勢。2000—2010年的綜合土地利用動態度為0.09%，2010—2020年的綜合土地利用動態度增加到0.76%，這表明2010—2020年土地利用強度較2000—2010年明顯增強。

3.2 土地利用轉移變化分析

表4、表5、表6為子長市土地利用轉移矩陣，用來描述兩期土地利用類型的轉移情況，以表6中的耕園地和建設用地為例，2000—2020年間，子長市耕園地的面積總體減少，轉出面積為9 629.10 hm2，其中，83.56%轉變為草地，10.5%轉變為建設用地;建設用地的面積總體增加，增加了1 526.31 hm2，各土地利用類型都在不同程度上轉化為建設用地，其中，由耕園地轉化為建設用地的面積占66.21%，由草地轉化為建設用地的面積占29.35%，從而導致建設用地的面積在20年間有大幅度的增加。

3.3 驅動因子的選取分析

土地利用類型之間的相互轉化是由于不同時間范圍內的自然、社會和經濟方面相互影響而引起的[4]，本著數據的可獲取性、一致性、全面性的原則[5]，本文從自然方面選取了地形因子中的數字高程模型（DEM）、坡度和坡向作為該研究區土地利用變化的驅動因子;從交通區位因素方面選取了到建制鎮、村莊、河流、農村道路、公路、鐵路的距離;社會經濟方面選取了人口數量和GDP兩個因子。

3.4 精度驗證及模擬預測

GeoSOS-FLUS軟件中，以子長市2010年土地利用類型數據為基礎，在基于神經網絡的出現概率計算模塊，設置獲取訓練樣本的采樣模式和采樣比例，輸入自然、交通區位、社會經濟等土地利用變化的驅動因子，得到2010年的適宜性概率圖集，最后用自適應慣性機制的元胞自動機對子長市2020年土地利用格局進行預測，通過調整模擬參數，利用TA變化的無量綱值為FLUS模型的鄰域權重參數設置提供參考[6]，使預測得到的2020年土地利用類型圖（圖1）與真實的2020年土地利用類型圖（圖2）盡可能一致。GeoSOS-FLUS軟件提供精度驗證模塊，用該模塊計算Kappa系數進行進度檢驗，計算結果為總體精度達到0.88，Kappa系數為0.85 591，表明FLUS模型預測的土地利用類型達到較為理想的效果。

根據2020年的土地利用數據和2010—2020年土地利用轉移矩陣（表5），利用Markov模型計算出子長市2030年的土地利用面積，結合驅動因子在GeoSOS-FLUS軟件中對子長市2030年的土地利用格局進行預測，預測結果如圖3所示，可以看出在未來10年間，子長市建設用地面積持續增長，向其他地類擴張，但增長趨勢有所減緩。

4 結論

本文在分析子長市2000年、2010年和2020年的土地利用格局變化的基礎上，結合自然、交通區位、社會經濟因素三方面的驅動因子，利用GeoSOS-FLUS軟件對子長市2030年的土地利用格局進行預測分析，主要結論如下：

①2000—2020年，20年間子長市建設用地面積大幅度增加，耕園地、林地、草地面積有所減少，水域和其他土地面積變化幅度較小，基本保持不變。這說明城鎮化使得建設用地向四周擴張，耕園地、林地等都不同程度地轉化為建設用地。

②本文選取了自然、交通區位和社會經濟因素11個因子，在GeoSOS-FLUS軟件中，以2010年土地利用數據為基礎制作適宜性概率圖集，以此來預測2020年的土地利用格局，總體精度達到0.88，Kappa系數為0.85 591，符合精度要求，表明可以利用FLUS模型對子長市土地利用格局進行預測分析。

③基于2010—2020年土地利用數據，繼續利用FLUS模型預測子長市2030年土地利用情況，預測結果表明子長市建設用地面積繼續呈增長趨勢，但增幅放緩，耕地、林地、草地不同程度地轉化為建設用地，致使這三大地類面積減少。

土地利用格局的變化可以反映出一個時期內經濟發展的狀況，同時也反映了經濟發展帶來的諸多問題[1]。經濟的飛速發展使得城鎮化速度加快，城市不斷向外圍擴張，侵占了周圍的耕地、林地和草地，從而導致生態環境的破壞。對未來土地利用格局進行預測可以為土地資源的合理利用提供借鑒和參考[7]。本文選取的11個驅動因子雖然涵蓋自然、交通區位和社會經濟三個方面，但依然不夠全面，在后續的研究中應增加其他方面的驅動因子來滿足全面性的原則。其次，FLUS模型中參數的設置不同，結果也會有所差異，在未來研究的關鍵是要不斷調整參數，尋找合理的模擬尺度，提高模擬精度。

參考文獻：

[1] 王明常，郭鑫，王鳳艷，等.基于FLUS的長春市土地利用動態變化與預測分析[J].吉林大學學報（地球科學版），2019，49（6）：1795-1804.

[2] 劉朋俊，李茜楠，李凱，等.基于ANN-CA的土地利用變化模擬應用研究[J].地理空間信息，2020，18（10）：20-24，27，4.

[3] 黎夏，李丹，劉小平，等.地理模擬優化系統GeoSOS軟件構建與應用[J].中山大學學報（自然科學版），2010，49（4）：1-5，15.

[4] 宋曉春.基于FLUS模型的內蒙古農牧交錯帶土地利用變化與模擬研究[D].蘭州：蘭州交通大學，2020.

[5] 王芳莉.基于FLUS模型的隴南市土地利用變化與模擬[D].蘭州：西北師范大學，2020.

[6] 王保盛，廖江福，祝薇，等.基于歷史情景的FLUS模型鄰域權重設置：以閩三角城市群2030年土地利用模擬為例[J].生態學報，2019，39（12）：4284-4298.

[7] 孫莉.洱海流域土地利用及空間格局的環境效應研究[D].蕪湖：安徽師范大學，2016.