基于MCE-CA-Markov模型的城市景觀格局演變及預測

陳舒玲，莫惠萍，王升紅，闕元燕，林仕宇，陸東芳

（福建農林大學藝術學院 園林學院（合署），福建 福州350000）

城市的景觀格局變化是由自然因素和人為因素共同影響作用的結果， 影響著景觀內物種的豐富度、分布、種群的生存能力及抗干擾能力，同時影響到該景觀的生態過程和邊緣效應[1]。 伴隨著人類對自然界的干涉不斷增強，景觀格局愈發受到人為因素的影響[2]。 城市景觀格局的研究，對規劃和管理城市的土地利用、改善城市生態環境起有著舉足輕重的意義[3]。

目前景觀格局變化動態模擬模型主要包括兩種類型[4]。 一是回顧性宏觀模型，包括Markov 模型[5]、CLUE-S[6]、Logistic 回歸[7]等，這類模型注重從宏觀視角上開展分析，通過探究時空尺度上的變化規律來模擬預測；二是前瞻性微觀模型，包括多智能體系統[8]、元胞自動機[9]等，這類模型注重從微觀視角進行探索，通過分析地塊單元與驅動因子之間的微觀作用得到宏觀整體上景觀格局變化模擬結果。 在此基礎上，衍生出了上述各類模型的耦合模型。 其中，MEC-Markov-CA 耦合模型有效結合了Markov 長時間序列模擬的優勢和CA 良好的復雜空間預測能力，同時結合了多準則評價的優點，綜合量化多種因素，達到較好的預測效果，被廣泛應用于景觀格局模擬預測中[10]。

本文以武夷山市為研究對象， 對武夷市2000—2020年景觀格局的特點及其動態變化進行分析研究，基于2005、2015年的景觀格局分類圖對2020年景觀格局進行預測， 并與實際數據利用Kappa 系數進行數據精度檢驗，在可信度較高的情況下，對2030年武夷山市景觀格局進行預測，分析其景觀格局變化與特征，意在為城市未來規劃提供一定的參考依據。

1 研究地概況與數據處理

1.1 研究地概況

武夷山市地處中國福建省西北部，位于東經117°37'22—118°19'44、北緯27°27'31—28°04'49，轄區總面積為2813 km2。境內東、西、北部群山環繞，中南部為山地丘陵區，地貌呈梯狀分布，地勢由西北向東南傾斜。武夷山市為亞熱帶季風濕潤氣候區，年平均降雨量1926.9 mm，多年平均氣溫18.3℃。擁有豐富的森林資源。

1.2 數據預處理

研究區2000、2010、2015年景觀格局分類數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn)，分辨率均為30m。 研究區2020年景觀格局分類數據來源于全球地理信息公共產品網（http://www.globallandcover.com）。 遙感影像高程數據來源于地理空間數據云 （http://www.gscloud.cn/search）， 分辨率為30m，對遙感影像進行影像鑲嵌、影像裁剪預處理后進行使用。 坡度數據由高程數據通過arcgis 軟件處理后得到，道路、河流的矢量數據來自于地理國情監測云平臺（http://www.dsac.cn/）。

2 研究方法

2.1 轉移矩陣

利用轉移矩陣來分析景觀格局動態變化能夠有效地表現出某一時段內景觀組分之間數量變化的關系，通過分析研究區域景觀變化的結構特征和各類型景觀變化的方向[11,12]，能直觀反映研究初期階段和末期階段的景觀分類結構，并體現研究期間內各景觀類型的轉變情況[13]。

2.2 景觀格局指數

景觀格局指數能定量描述景觀的信息。 根據研究需求，同時借鑒前人的研究方法[14-16]，本研究的景觀格局指數從景觀類型水平上選取了斑塊數量（NP）、斑塊密度（PD）、斑塊類型百分比（PLAND）、最大斑塊指數（LPI）、聚集度（AI）、邊緣密度（ED）、平均斑塊面積（AREA-MN），從景觀水平選取香農多樣性指數（SHDI）、香農均勻度指數（SHEI）、蔓延度指數（CONTAG）、聚集度（AI）、分維數（PAFRAC），共11 個景觀指數，對武夷山市景觀格局進行研究。

2.3 MCE-CA-Markov 模型

MCE-CA-Markov 模型結合了Markov 模型和CA 模型的特點，以及多準則（MCE）的土地分配原則結合起來進行景觀格局的預測方法[17]，具有較大的科學性和實用性[16]。 基于IDRISI 軟件和GIS 平臺進行MCECA-Markov 模型的構建。 其中，景觀類型轉移適宜性圖集指的是某一種景觀類型轉變為其他景觀類型的概率圖[3]。本研究根據武夷山市景觀特點及前人的研究[14,18-20]，選取了高程、坡度、道路、河流、居民點五個影響因子，將水域作為約束條件。 構建適應性圖集。 運用IDRISI 軟件的CA-Markov 模塊進行，得到2020年景觀格局預測圖。 通過對2020年景觀格局預測結果與實際結果相比較，精度檢驗可行性較高后。 同理，獲得2030年的景觀格局預測圖。

2.4 模擬進度檢驗

2020年武夷山市景觀格局預測圖與實際情況做比較，需要用數據計算預測合理性。 本研究引入Kappa 系數進行計算。 通過IDRIS 軟件中的Crosstab 模塊進行計算。 當0.75≤Kappa≤1，表示兩個景觀格局圖像一致性較高[21]。

3 結果與分析

3.1 武夷山市景觀類型及其變化

武夷山市景觀類型中，林地是研究區內面積占比最大的景觀類型，占比70%左右；耕地為研究區內占比第二大的景觀類型，主要分布于武夷山市東南部較平坦地區；主要河流從北部向南部流經武夷山市；建設用地主要集中于市區中心地帶的地形平坦地區，其余的建設用地零星分布在耕地之中；未利用用地占比極小。武夷山市西北部主要以林地、耕地、草地分布為主，其中林地占比最高，耕地次之；東南部分景觀格局多樣性較西北部大。

2000—2020年期間，建設用地、的面積逐年遞增，且增加的速率逐年增加；耕地、林地的面積整體呈現下降趨勢。 為了更加直觀的觀察到各類景觀的轉移變化，利用轉移矩陣來解釋各類景觀之間的流動方向及空間過程。由表1 可知，2000—2010年間，耕地主要流向了林地和草地；林地的轉出量是各類景觀中最大的，為37.03 km2，主要流向了耕地和草地；草地主要流向了耕地和林地。 同時建設用地增加的來源主要從耕地和林地轉化而來。 可以看出，2000—2010 景觀類型的變化主要存在于耕地、林地和草地之間。

圖1 武夷山市景觀格局分布Figure 1 Landscape pattern in Wuyishan City

表1 2000—2020年武夷山市景觀類型轉移矩陣Table 1 Landscape Type transfer Matrix of Wuyishan City from 2000 to 2020 km2

在2010—2020年間，耕地的轉出量最大，為44.28 km2，主要向林地和建設用地轉換，其中轉換為林地的面積最大；林地轉出量位居各類景觀第二，主要轉變為耕地和草地；草地主要轉變為耕地和林地；建設用地的增加主要來源于耕地。可以看出，2010—2020年間土地類型的變化依舊主要存在于耕地、林地和草地之間的變化，且相互變換的流動量較前10年的更大；與此同時，其他各類景觀的變化量也較前10年增大。 總體而言，在武夷山市發展的過程中，將不可避免導致居民住宅用地和路網的擴大，導致耕地、林地、草地和未利用用地面積日益減少；但隨著人們越來越重視保護生態環境，林地、草地的減少速度得到了緩解，且水域的面積得以增加。

3.2 武夷山市景觀格局指數

3.2.1 類型水平

景觀在類型水平上的變化，可以從表2 看出2000—2020年武夷山市景觀斑塊類型水平的主要特征。

表2 武夷山市類型水平景觀指數值Table 2 The class-level landscape index value in Wuyishan city

2000—2020年間，林地為第一優勢景觀，林地呈片狀分布，連通性較好，最大斑塊指數和邊緣密度的的變化表明隨著人類活動的影響，導致林地景觀的布局和形狀更加的復雜化；耕地為第二優勢景觀，其整體的破碎化程度增加，同時耕地景觀的連片集中區域的面積整體在減少，破碎化日益加重導致；草地為武夷山的第三優勢景觀，破碎化程度較大，但是總體變化不明顯；水域的斑塊類型百分比逐漸增大，結合其他指數的變化表明，在2000—2020年間，武夷山對其水域范圍進行了一系列的保護和管理，使水域的破碎度降低，連通性增強，但其形狀的復雜度也隨之增加。 建設用地主要在原有的基礎上進行了擴張，同時破碎度增加，人類的干擾較強。 而未利用用地的破碎化程度降低，且景觀邊界復雜度逐漸降低，但整體變化不明顯。

3.2.2 景觀水平

通過景觀水平來分析景觀類型的分布情況。 由表3 可看出，武夷山市景觀格局各類指標變化不大，整體景觀格局變化相對穩定。 研究區各類景觀異質性有所增加，景觀聚集度下降，景觀破碎化程度略有上升，景觀幾何形狀的復雜程度略有上升。

表3 武夷山市景觀水平景觀指數值Table 3 The landscape-level landscape index value in Wuyishan city

3.3 武夷山市景觀格局演變模擬及預測

以武夷山市2010年景觀格局分類圖為初始年，預測得到2015年的景觀格局分類模擬圖，見圖2。將2015年的景觀格局分類模擬圖與實際分類圖進行模擬精度評估，Kappa系數為0.8754， 表明CA-Markov 的模擬預測效果較好， 具有可信度。 后以武夷山市2020年景觀格局分類圖為初始年，進行2030年景觀格局分類圖的模擬，見圖3。

圖2 2020年景觀格局模擬

圖3 2030年景觀格局模擬

由表4 可知，2020—2030年間林地面積面積變化最大，減少了205.19 km2；耕地、草地、建設用地面積有所增加；而水域和建設用地的面積變化較小。 耕地的用地轉化主要轉變為了建設用地；林地轉出量是各類景觀中最多的，主要轉變成耕地和草地；轉入量最大的為草地，其中來源最大的為林地。

表4 2020-2030年武夷山市景觀類型轉移矩陣Table 4 Landscape Type transfer Matrix of Wuyishan City from 2020 to 2030 單位：km2

由表5 可知，在景觀類型水平上，與2000—2020年相比較，耕地的破碎化趨勢增大，同時耕地的成片集中優勢較強；林地的各指標變化表明林地的景觀破碎度在加深；草地景觀的連通性增加，同時隨著人類的干擾，使得景觀的復雜性增加；水域的連通性有所下降，且景觀斑塊的邊界及形狀在變得更加復雜；建設用地景觀破碎化程度在降低，人類的干擾性增強，建設用地在擴張，尤其集中在主城區部分；而未利用用地的破碎化增加，且對于未利用用地，人類干擾性很大。

表5 2030年武夷山市類型水平景觀指數值Table 5 The class-level landscape index value of Wuyishan city in2030

由表6 得，在景觀水平上，各類指標同上一年相比較，變化不大。 各指數表明，研究區各類景觀異質性有所增加，景觀聚集度下降，景觀破碎化程度略有上升，景觀幾何形狀的復雜程度略有下降。

表6 2030年武夷山市景觀水平景觀指數值Table 6 The The landscape-level landscape index value of Wuyishan city in2030

4 結論與討論

（1） 2000—2020年間，武夷山市的景觀類型以林地、耕地、草地為主。 耕地、林地、未利用用地的面積減少，建設用地、水域、草地面積增加。 同時，耕地和建設用地的破碎化增加，水域、林地、未利用用地和草地的連通性增加。 各類景觀異質性有所增加，景觀聚集度下降，景觀破碎化程度略有上升，景觀幾何形狀的復雜程度略有上升。

（2） 2015年的景觀格局分類模擬圖與實際分類圖相對比，進行模擬精度評估，Kappa 系數為0.8754，表明CA-Markov 的模擬預測效果較好，具有可信度。

（3） 2020—2030年間，耕地、草地和建設用地的面積較大幅度增加，同時林地的面積大幅度減少。 耕地、林地、水域、未利用用地、草地的破碎化趨勢增大；建設用地的連通性增強。 研究區各類景觀異質性有所增加，景觀聚集度下降，景觀破碎化程度略有上升，景觀幾何形狀的復雜程度略有下降。 對于以上的潛在情況，應更加注意各類用地的發展，協調好發展與保護的關系，對未來的建設進行長遠的考慮，注重可持續的發展。