我國土地利用變化模擬研究現狀與展望

吳 爽

(貴州財經大學公共管理學院，貴州 貴陽 550025)

引言

土地利用變化反映著人-地關系，開展和實現“人-地”耦合的土地利用變化模擬及應用，是揭示土地利用/土地覆蓋變化驅動因素、演變過程及趨勢的有效手段。在全球環境變化的背景下，準確地模擬未來土地利用/土地覆蓋變化的分布和趨勢已經成為全球變化研究的重大需求。美國、加拿大等國家利用遙感技術和多尺度陸面生態過程模型研究了全球和區域森林及草地等生態系統碳循環對全球變化的響應，并發現人-地交互過程是塑造自然生態系統結構與功能的重要驅動力。土地利用變化對生態環境和人居環境都造成了很大的影響，如水土流失嚴重、沙漠化迅速發展、水體污染加重、生物物種加速滅絕和環境污染向農村蔓延等。因此，研究土地利用變化是可持續發展的必然要求，同時在地理國情監測、國土空間規劃方面也有著重要意義。在此背景下，借鑒地理模擬和優化，結合大數據在國民經濟和社會發展規劃、土地利用總體規劃及城鄉規劃等研究上的優勢，使新形勢下土地利用變化模擬更加科學化。本文根據現有的文獻成果，采用文獻綜合法和歸納總結法，基于國內學者的研究成果，針對當前的研究現狀和常用土地利用變化模型及產品等進行了分析，進而指出當前研究存在的不足，為未來的研究重點指明方向。

1 研究現狀

本研究以中國知網為文獻數據來源，對我國近30年來土地利用變化模擬研究主題進行簡要統計分析。在學術期刊范圍內，設置檢索規則為(SU=土地利用變化)AND(SU=模擬OR SU=預測)。截止時間為2022年。以使用模型方法對土地利用變化進行模擬和預測為依據，共檢索出1812篇學術期刊文章，并對檢索出的文章做了可視化分析。從圖1可以看出，1996—2022年土地利用變化模擬研究的發文量總體呈上升趨勢，2002年以前處于一個緩慢發展的階段，2002—2008年處于快速發展時期，2012—2019年間的發展速度逐漸放緩，2019—2022年間發文量再次快速上升，發文量有較大突破。近幾年來土地利用變化年度發文量逐步穩企在100篇以上，這說明土地利用變化依然是學者們研究的重點和熱點。1996—2022年發表文章的主要主題分布情況見圖2。從圖2可以看出，主題主要集中圍繞在土地利用變化以及土地利用研究上，其次集中在情景模擬、預測分析、土地利用/覆被變化、水文響應、驅動力和氣候變化等主題上。主要主題分布中出現的地理信息技術以及模擬模型有GIS、CLUE-S模型、CA-Markov模型、馬爾可夫模型、元胞自動機、SWAT模型及InVEST模型。不同機構發文量排在前列的分別是中國科學院地理科學與資源研究所、南京大學、河海大學、北京林業大學和北京師范大學，不同基金發文量靠前的分別是國家自然科學基金、國家科技支撐計劃和國家重點基礎研究發展規劃(973計劃)。

圖1 發表年度趨勢

圖2 研究主題分布

2 土地利用變化模擬模型及成果

目前研究中常用的土地利用變化模擬模型主要有CA-Markov模型、多智能體模型(MAS)、多主體模型(ABM)、CLUE-S模型、地理模擬優化系統(GeoSOS)和FLUS模型。絕大多數模型都是在CA模型和CLUE-S模型的基礎上進行拓展優化而形成的。土地利用變化模擬數據處理過程大致分為數據準備、數據處理、選擇驅動因素和實施模擬，研究范式如圖3所示。

圖3 土地利用變化模擬研究范式圖

2.1 CA-Markov模型

元胞自動機(CA)是一種通過局部運算模擬空間和時間上離散的復雜性現象的模型[1]。CA通常由4部分組成，分別是元胞、狀態、鄰域和轉換規則。定義轉換規則是CA的核心，過去的研究中學者為了滿足不同的應用需求建立了各種CA模型。一些用來定義轉換規則的方式包括多準則判斷法(multi-criteria evaluation，MCE)、邏輯回歸法、神經網絡法和數據挖掘法。Markov模型具有能夠進行長期預測、量化土地利用類型的轉換狀態和轉換速率的優點，但無法描述空間尺度上的變化。CA-Markov模型將CA的空間模擬運算能力和Markov模型的長時間預測能力進行優勢互補，并在土地利用變化模擬研究中得到廣泛的應用。楊國清等[2]基于該模型預測了廣州市2010年的土地利用格局變化，研究表明破碎度、多樣性指數、形狀指數、分維數等呈現規律性變化。直至今日，CA-Markov模型依然被使用于景觀格局演變的研究中。趙冠偉等[3]針對CA-Markov模型的空間尺度敏感性特征進行研究，得出元胞尺度對模擬結果存在顯著影響的結論，在進行模擬時，元胞尺度的選擇必須慎重。近2年CA-Markov模型主要與InVEST模型進行耦合以探究景觀格局變化和人類活動之間的關系，揭示土地利用變化對區域生境質量時空演變的影響[4]。

2.2 CLUE-S模型

CLUE-S模型是由荷蘭瓦赫寧根大學Peter Verburg[5]團隊在 CLUE模型的基礎上改進而來，是一個較好的模擬全局土地利用變化的模型。CLUE-S包括4個主要模塊：統計分析模塊、人口模塊、需求模塊與空間布局模塊。此模型不僅考慮到土地利用系統中的社會經濟驅動因子，同時還兼顧了生物物理驅動因子。CLUE-S模型在國內土地利用變化模擬研究中的運用最早在2000年以后，并且多數是單獨使用，很少與其他模型進行耦合，主要運用于土地利用時空動態變化的預測、景觀格局變化、三生空間變化等方面。在模型耦合方面主要與InVEST模型、Markov模型進行耦合，唐嬌嬌等[6]基于CLUE-S模型和InVEST模型對蘇州市生境質量進行了評估和預測，陸汝成等[7]耦合CLUE-S模型和Markov模型進行了土地利用情景模擬研究，這表明在較早前就有了CLUE-S模型與其他模型耦合的研究。多種模型的耦合是未來研究的發展趨勢，目前的研究中CLUE-S模型與其他模型的耦合還不常見，這是一個未來可發展的空間。

2.3 GeoSOS

地理模擬優化系統(GeoSOS)是GIS的重要拓展，與GIS能夠進行很好的耦合，并且這種耦合能使各自的缺陷相互彌補。GeoSOS系統平臺邏輯設計中的邏輯層系統是最重要的層次。GeoSOS主要包括CA模擬、多智能體模擬和地理優化3個部分。GeoSOS主要應用于地理國情分析方面，其創新點在于能夠模擬、預測、優化及顯示地理格局和空間過程。相較于GeoSOS，在其基礎上發展的GeoSOS-FLUS在近幾年的研究中被應用得更多，GeoSOS及GeoSOS-FLUS從開發以來主要應用于城市擴張、土地利用變化、景觀演變等研究中。另外，侯劍坤等[8]在最近發表的文章中將GeoSOS-FLUS模型與InVEST模型耦合對碳儲量時空變化特征進行了研究。從此可見，土地利用變化模擬近幾年與碳排放方面的模型耦合研究比較多。

2.4 FLUS模型

未來土地利用模擬(Future Land Use Simulation，FLUS)模型是用于模擬人類活動與自然影響下的土地利用變化以及未來土地利用情景的模型。劉小平等[9]在GeoSOS理論的基礎上提出FLUS模型，該模型基于ANN、SD模型和CA模型，引入自適應慣性系數和輪盤賭競爭機制，確定最終用地類型。FLUS模型的模擬精度較以往的模型有所提高并且能夠獲得與現實土地利用分布相似的結果。近幾年的研究中其主要集中于多情景模擬預測、流域土地利用變化預測、國土空間開發等方面。在于其他模型的耦合方面，主要是與Markov模型、GeoSOS模型進行耦合，也有學者近2年將其與InVEST等模型進行耦合。

2.5 SWAT模型

SWAT(Soil and Water Assessment Tool)是一個具有物理基礎的半分布式水文模型，能預測不同情況(如氣候變化、下墊面變化)對水文現象的影響。在土地利用變化模擬研究中主要運用于水文徑流對土地利用變化的響應，湯嶺等[10]基于SWAT模型對湘江流域內湘潭、衡陽站的月徑流進行模擬，王磊等[11]基于SWAT模型對張家口清水河流域土地利用情景變化對徑流影響進行了模擬研究。現有的研究表明，土地利用變化對水文要素發生改變有著重要的影響，研究水文對土地利用變化的響應有利于促進生態環境質量的改善，這也是未來的一個研究重點。

2.6 PLUS模型

PLUS模型是由中國地質大學(武漢)地理與信息工程學院&國家GIS工程技術研究中心的高性能空間計算智能實驗室(HPSCIL)所開發的。PLUS模型是基于柵格數據，提出的一種斑塊生成土地利用變化模擬模型(Patch-generating Land Use Simulation，PLUS)，其能夠靈活的處理多類土地利用斑塊變化。此模型是2021年在已有的土地利用變化模擬模型基礎上進行改造和傳承提出的，目前的研究中利用此模型發表的文章還較少。李琛等[12]基于PLUS模型模擬預測了山地重點開發區景觀生態風險變化趨勢。已有的研究傾向于將PLUS模型用于生態環境方面的研究，如土地利用及生境質量時空變化及預測、土地利用模擬及生態系統服務價值評估。PLUS模型在土地利用變化模擬方面處于起步階段，未來的研究中PLUS模型運用的頻率將會有所增加，另外就是將其與其他模型進行耦合，這樣才能在多學科領域中實現研究的多元化。

2.7 土地利用變化模型開發產品

不同的學者和團隊在研發土地利用變化模型的基礎上通過設置不同社會經濟發展情景研發了未來土地利用變化預測數據集，黎夏[13]團隊開發了高精度的全球未來100年土地利用模擬產品，時間跨度為2050—2100年，根據IPCC排放情景特別報告設置了4種情景；宮鵬[14]團隊開發了全球未來土地利用預測數據集系列Finer Resolution Observation and Monitoring of Global Land Cover，時間跨度為2050—2100年，4種RCP情景包括RCP2.6、RCP4.5、RCP6.0、RCP8.5。除以上的成果之外還有一些其他的土地利用變化預測數據集。這些模擬成果可以直接獲取并用于其他研究中，為土地利用預測模擬提供數據支撐。

3 研究挑戰

3.1 研究尺度問題

土地利用變化模擬模型的研發一直都在不斷的更新和完善，國內已有的土地利用模型基本都是區域模型。當前的集成模型往往只是通過耦合CA模型與模擬終止年份的土地需求進行集成，而忽略了其之間的相互作用與反饋。這樣模擬的結果可能會脫離現實社會的發展，存在過于理想化的問題。大多數多類別土地利用模型常常忽略各土地利用類型之間的聯系，不能很好地體現土地間的競爭和相互作用，土地之間的相互競爭和作用也是影響土地利用變化的重要因素。國內當前研發的土地利用模型都只適用于區域尺度，并不能適用于全球尺度，我國土地利用模型研發至今，已有20多年的歷史，學術界的研究方向也逐漸趨向于全球尺度的土地利用變化模擬預測。同樣，土地利用格局在不同時空尺度上也表現出不同變化規律[3]。無論是研究區域的空間尺度還是研究時序的時間尺度都與模擬預測結果有著聯系，尺度過大，容易忽略細節變化，尺度過小，難以掌握全局變化規律。當前研究中，學者研究區域的空間尺度選擇更傾向于小尺度，以省、市為研究區的研究較多。當前時空尺度的選擇主要取決于研究者的主觀偏好和數據的可獲取性，因此時空尺度的選擇還沒有形成客觀的系統體系。

3.2 驅動因子選擇問題

土地利用變化驅動力是指導致土地利用方式和目的發生變化的因素。驅動因子的選擇對土地利用變化模擬結果有著重要的影響，如何科學合理地選擇驅動因素也是當前研究討論的重點，模擬精度的提高也與驅動因子有著很大的聯系。目前常用的土地利用變化驅動因子類型主要有自然因素、社會經濟因素以及政策、觀念因素。這些年的研究中也逐漸細化出不同的驅動因子，驅動因子的選擇也越來越具有多樣性，但是驅動因子的選擇一直由研究者的主觀偏好及研究目的所決定，當前研究中驅動因子的選擇主要集中于氣溫、降水、土壤質地、人口、GDP以及到交通道路的距離等。驅動因子選擇應該隨著研究時空尺度的變化存在差異性，但由于受到土地利用模型以及數據要求的限制，土地利用變化驅動因子的選擇并沒有明顯的異質性。而且部分常用的驅動因子并沒有當前最新的數據，這也是導致模擬結果實用性不強的原因之一。這樣的模擬結果可能并不能為永久基本農田保護與城市發展的協調、城市擴張和生態敏感區保護等方面起到借鑒作用。

3.3 數據誤差問題

數據誤差問題一直都是土地利用變化模擬中存在的重點問題。土地利用模型需要的2大類數據是土地利用數據和驅動因子數據，因此在進行模擬之前有一個數據準備的階段，數據的獲取和處理需要耗費大量的時間和精力。在對數據進行處理的過程中也存在不確定性和數據的失真性，從而影響土地利用變化模擬精度。另外，大部分土地利用模型對數據的要求比較高，數據的空間化、數據的分辨率以及輸入數據的行列號要求統一，每個過程可能都會對數據造成損壞，研究進展遭到中斷。隨著研究的不斷發展，越來越多難以量化的因素也被考慮到土地利用變化模擬預測中，如政策實施、技術發展程度以及價值觀念等，這些影響因素以不同的形式在土地利用變化模擬中起著作用，但是驅動因子的選擇還沒有形成系統的理論體系，這是當前研究中存在的問題，驅動因子的選擇和量化是影響數據誤差問題產生的關鍵因素。

4 研究展望

4.1 強化多種模型的耦合

多種模型的耦合是學術界的研究趨勢，在全球環境變化的同時各種系統要素的協同關系逐漸增強，通過模型的耦合可以探究和細化生態環境中各要素之間相互的影響及作用。近2年的研究中，土地利用模型與生態系統服務價值、水文響應(SWAT模型)、碳儲量以及碳排放(InVEST模型)等模型耦合的研究較多。未來的研究中要強化這種多種模型耦合的方式，挖掘更多土地利用變化模擬與其他研究領域的互饋作用。環境要素或指標不僅是對土地利用變化的響應，同時又成為土地利用變化的驅動力系統。多種模型的耦合可以更深層次的探討土地利用變化與環境效應的關系，這對于未來城鎮建設規劃、國土空間開發等的合理規劃提供了理論支撐。土地利用變化模擬研究的目的就是在土地資源稀缺的情況下為更合理的利用土地提供理論支撐，如何在已有研究的基礎上細化環境要素之間存在的復雜關系是未來土地利用變化模擬預測研究的重點。

4.2 數據的高分辨率及模型改進

未來土地利用變化模擬要不斷提高模擬精度，模擬精度對數據的要求極高，土地利用數據分辨率越高，模擬精確度越高。當前社會是信息技術時代，3S技術、GPS、地理探測技術、大數據以及人工智能技術等處于飛速發展時期，這些技術對于土地利用變化模擬預測來說是一個機遇，將這些技術應用到提高土地利用探測的分辨率上，使地理探測朝著精細化方向發展，未來的研究對高時空分辨率的土地利用數據有著更高的要求。在此基礎上，進一步改進土地利用變化模型，使其能夠處理更加復雜的地理數據，目前的模型存在數據太大而崩潰的情況，能夠處理大容量、多尺度、高精度的土地利用模型是未來土地利用變化模擬模型的研發方向。

4.3 建立多情景模擬的理論體系

已有研究中情景模擬主要采用SSPs情景、IPCC排放情景及RCPs情景。為了使模擬結果更具可借鑒性，已有研究在土地利用變化模擬中大量運用多情景模擬分析的方法，多情景模擬考慮到了研究區域及研究目的的差異性，這種模擬方法也成為了當前研究的主流方法。但在研究中對于情景參數的設置是基于經驗判斷以及研究區域的特殊性而設置的，一定程度上對于情景參數的設置存在主觀偏好性。多情景模擬分析的發展需要建立系統的理論體系，不同情景的設置要具有可推導性，情景設置參數越客觀，模擬結果更具有實用性。多情景模擬設置要在已有的自然發展情景、城鎮發展情景、耕地保護情景、生態保護情景等方面有所突破，多情景模擬在未來幾年的研究中依然是研究方法采用的重點。

5 結語

土地利用變化一直是學術研究的熱點，在信息技術發展的背景下建立的土地利用模型不斷深化和走向成熟。土地利用變化模擬預測對土地系統與生態環境保護起著積極的作用，能夠很好地協調人與地、人與環境、人與社會的關系，協調人地關系是實現可持續發展的必要條件。已有研究從單一學科轉向多學科的綜合，不再局限于單一的土地利用格局變化模擬，而是注重水文徑流、生態系統服務等生態環境對土地利用變化的響應。同時，土地利用變化模擬預測也活躍在城鎮擴張、國土空間開發、地理空間優化等研究中。當前土地利用模型向多模型耦合方向發展，不僅有內部模型的耦合，還有學科與學科之間模型的耦合，使得土地利用變化模擬成果更具全面性和可參考性。驅動因子的選取也隨著研究的發展不斷得到細化，存在著受主觀偏好影響較大的問題，未來的研究要側重于建立選取驅動因子系統理論體系。多情景模擬分析中情景設置參數也存在同樣的問題，客觀系統的理論體系亟需建立。另外，還要在研究中不斷提高土地利用變化模擬所需數據的時空分辨率，減少數據誤差問題的發生，未來土地利用變化模擬研究要利用多元數據、多尺度數據的融合提高模擬精度。科學技術的發展強化了對規劃調研、空間分析、公眾參與及空間協調規劃、空間預測和可視化過程的科學把握，結合大數據在土地利用轉型、國土空間開發、土地利用總體規劃及城鄉規劃等研究上的優勢，能夠使土地利用變化模擬更加科學化。