基于CA—Markov模型的细河流域土地利用变化动态模拟

杜娟+杨国范+李佳奇

摘要：为探讨细河流域的土地利用变化情况，利用1991，2001和2011年3期遥感影像解译得到的土地利用数据，采用CA-Markov模型模拟2011年的土地利用情景，确定模型可靠。以2011年数据为基础，预测20 a后的土地利用情况。结果表明：2031年细河流域的土地利用格局基本不变，与2011年相比，林地、草地、水域和建设用地处于增加状态，而耕地与未利用地则相对减少。

关键词：土地利用，遥感，CA-Markov模型，细河流域

中图分类号：F301.2 文献标识码：A 文章编号：1674-1161（2014）06-0059-04

在人口急剧膨胀、全球环境恶化、能源趋于枯竭的当今，经济发展和生态环境保护之间的矛盾日益加剧。大量的研究表明，土地利用变化是引起全球环境变化的重要原因之一，也是目前全球环境变化研究的重要组成部分和核心内容，其格局在全球和区域尺度上不断发生变化。通过开展不同时空尺度的土地利用景观格局研究，为相关部门提供较为准确、可靠的土地利用变化数据，为区域土地资源的优化配置及生态适宜性评价提供科学参考，对研究土地资源的可持续利用及社会经济发展具有重要的意义。

基于1991年、2001年和2011年的遥感影像资料，以细河流域为研究对象，通过RS和GIS技术获取区域不同时期的土地利用情况，结合CA-Markov模型预测流域2031年的空间变化趋势，旨在为该区的土地利用规划、管理和生态恢复提供依据。

1 研究区概况

细河位于辽宁省境内，是大凌河下游左侧最大的支流。地理坐标位于东经121°32′20″～121°53′10″、北纬 41°54′30″～42°07′10″之间。河流发源于阜蒙县他本扎兰乡骆驼山北坡牌楼营子村附近，流经阜新市区及阜蒙县的东梁乡、伊吗图乡、卧凤沟乡，于清河门区的蔡家屯入义县复兴堡汇入大凌河，干流全长约113 km，流域总面积2 932 km2。地形复杂，所处大地构造按照高程划为低山丘陵区。该区处于温带半干旱、半湿润区，属北温带大陆性季风气候，典型的季节性河流，四季分明，雨热同季。

2 数据处理和解译

根据中科院地理所数据中心提供的1991年、2001年和2011年Landsat TM遥感影像数据，对各期影像进行预处理；根据中科院土地利用分类系统，将研究区土地利用类型分为6类，即耕地、林地、草地、水域、建设用地和未利用地，并结合土地利用现状资料建立各地类的解译标志；利用ENVI 4.8和Arcgis 10软件采用人机交互监督分类的方法获取 3个时期土地利用现状图；对不同时期各地类的面积进行统计、叠加、提取、处理，分析区域不同时段的动态变化信息，结果见表1。

3 基于CA-Markov模型的流域土地利用预测

3.1 CA-Markov模型简介

元胞自动机（CA）主要由元胞、元胞空间、元胞状态、邻域、转换规则及离散时间构成。该模型强大的空间分析运算能力能够快速准确地模拟繁杂的动态系统。概括来讲，根据转换规则来决定元胞的状态变化是CA模拟的核心，即一个元胞t时刻的状态及其邻域状态能够决定其t+1时刻的状态。Markov模型是俄国数学家提出的一种预测方法，其基本原理是运用概率论中的马尔科夫理论与方法分析随机事件的概率，并推断未来可能的变化趋势。在土地利用转化的空间模拟中，CA模型与Markov模型各具特色，但又都存在一定缺陷。CA模型具有较强的空间概念，可以很好地模拟复杂的空间演变能力。但单纯的CA模型存在一定的局限性，主要表现在：元胞状态变化的转换规则获取难度较大，且状态变量主要局限于局部小环境，受外界大环境的影响较大。Markov模型比较侧重于数量方面的预测，但在预测过程中缺少空间变量，难以获取土地利用空间变化程度及格局的变化。CA-Markov模型充分利用了CA模型和Markov模型的优点，弥补了彼此的不足，不仅可以实现数量上的精确预测，还能实现空间位置的直观表达。

本研究将元胞定义为30 m×30 m的栅格单元，以细河流域为元胞空间，每一元胞都可能有6种状态，即6种土地利用类型。元胞的初始状态及状态转移条件决定其最终状态。选用5×5计算模板滤波器，循环20次对流域土地利用情况进行预测。

3.2 土地利用/覆盖变化影响因素分析

正确选择土地利用变化驱动力因子，是利用CA-Markov模型进行土地利用模拟预测的关键。耕地的适宜坡度在15°以内，如果只考虑坡度因素，耕地适宜分布于流域中部；不同土壤类型对耕地的影响程度不同，如棕壤和褐土的保水保肥效果较好，适宜发展农耕地；林地主要分布于低山丘陵区；建设用地的影响因素主要是坡度、距市、镇中心距离。

根据细河流域DEM数据得到坡度图（见图1），考虑流域城镇的实际规模，将城镇和县级市适宜扩张的范围分别设定为4 km和8 km，在Arcgis10下作缓冲区分析（图2）。水域受地形限制，对外界的抵抗能力较小，以已提取的细河水系50 m缓冲区作为流域可能扩张的范围（图3）。依据图1—3制作流域土地利用变化适宜性图集。

3.3 流域土地利用/覆盖变化模拟

为验证CA-Markov模型在细河流域的适用性及准确性，在ENVI4.8，Arcgis10及IDRISI软件支持下，根据1991年和2001年土地利用结果图，在IDRISI中使用Markov模块计算土地利用状态转移矩阵；然后，根据CA-Markov模块对细河流域2011年的土地利用情况进行模拟；最后，将模拟结果与实际解译结果进行对比分析（见表2）。

由表2可知：模拟结果误差较大的是未利用地和草地，分别为5.23%，4.25%；其次是林地、建设用地和耕地；水域的误差最小，为1.61%，模拟值与实际值在数量上比较接近。

CA-Markov模型模拟精度的确定没有统一的方法，通常从数量和空间上进行评价。采用随机验证方式，即在研究区范围内随机选择500个样本，与2011年土地利用遥感解译图进行叠加统计比较，其中有431个点的土地利用类型是一致的，正确率达86.20%。通过对模型进行精度分析，发现该模型能够很好地模拟研究区的发展趋势与空间分布，可以用来对细河流域未来土地利用状况进行预测。

3.4 流域土地利用变化预测

基于2011年的土地利用数据，在IDRISI软件环境支持下，根据Markov模块计算2001—2011年状态转移概率矩阵；利用所选的驱动因子制作土地转变适宜性图集，得到马尔科夫的随机选择结果（图4）；最后运用CA-Markov模块预测2031年细河流域土地利用情景（图5），并对预测结果进行统计分析（表3）。

由表3可知：细河流域2031年与2011年各土地利用类型面积比例基本相似，均为耕地面积比例最大，林地、建设用地次之，水域最小；未来20 a水域的增加速率最大；未利用地的减少速率最大。

总体来说，利用CA-Markov模型模拟预测细河流域土地利用变化情况是比较可信的，能够很好地模拟流域2001—2011年的土地利用变化情况。虽然模拟和预测结果均存在误差，但基本上可以反映未来一定时间内各地类的空间变化情况及发展趋势。

4 结论

应用CA-Markov模型对细河流域2011年土地利用情景进行模拟，结果表明，该模型对流域模拟的正确率达86.20%，精度较高，因此可以用来预测未来土地利用变化趋势。

通过分析2001年、2011年2期的土地利用数据，结合现有资料，构造土地利用变化转移矩阵，选择影响土地利用变化的主要因素，利用该模型对研究区2031年的土地利用情景进行预测。结果表明，2031年流域的土地利用类型仍以耕地、林地、草地和建设用地为主；2011—2031年的林草地、水域、建设用地面积均有所增加，而耕地与未利用地面积则处于减少状态。

该预测结果可为细河流域土地资源的规划和管理提供科学依据，对流域生态环境保护政策制定具有一定的指导意义。土地利用信息提取的方法很多，但此次研究仅采用了遥感软件中的监督分类法，今后应将不同的数学算法及地学分析方法应用到土地利用信息解译过程中，以提高影像的分类精度。

参考文献

[1] 邓书斌.ENVI遥感图像处理方法[M].北京：科学出版社，2010.

[2] 杜自强，王建，陈正华，等.基于RS和GIS的区域土地利用动态变化及演变趋势分析[J].干旱区资源与环境，2007，21（1）：115-119.

[3] 卢鹏，岳彩荣，冯水琴，等.基于GIS和元胞自动机的土地利用/覆盖变化模拟—以滇西北香格里拉县为例[J].东北林业大学学报，2011，39（10）：84-89.

[4] 刘淑燕，余新晓.基于CA-Markov模型的黄土丘陵区土地利用变化[J].农业工程学报，2010，26（11）：297-303.

CA-Markov模型模拟精度的确定没有统一的方法，通常从数量和空间上进行评价。采用随机验证方式，即在研究区范围内随机选择500个样本，与2011年土地利用遥感解译图进行叠加统计比较，其中有431个点的土地利用类型是一致的，正确率达86.20%。通过对模型进行精度分析，发现该模型能够很好地模拟研究区的发展趋势与空间分布，可以用来对细河流域未来土地利用状况进行预测。

3.4 流域土地利用变化预测

基于2011年的土地利用数据，在IDRISI软件环境支持下，根据Markov模块计算2001—2011年状态转移概率矩阵；利用所选的驱动因子制作土地转变适宜性图集，得到马尔科夫的随机选择结果（图4）；最后运用CA-Markov模块预测2031年细河流域土地利用情景（图5），并对预测结果进行统计分析（表3）。

由表3可知：细河流域2031年与2011年各土地利用类型面积比例基本相似，均为耕地面积比例最大，林地、建设用地次之，水域最小；未来20 a水域的增加速率最大；未利用地的减少速率最大。

总体来说，利用CA-Markov模型模拟预测细河流域土地利用变化情况是比较可信的，能够很好地模拟流域2001—2011年的土地利用变化情况。虽然模拟和预测结果均存在误差，但基本上可以反映未来一定时间内各地类的空间变化情况及发展趋势。

4 结论

应用CA-Markov模型对细河流域2011年土地利用情景进行模拟，结果表明，该模型对流域模拟的正确率达86.20%，精度较高，因此可以用来预测未来土地利用变化趋势。

通过分析2001年、2011年2期的土地利用数据，结合现有资料，构造土地利用变化转移矩阵，选择影响土地利用变化的主要因素，利用该模型对研究区2031年的土地利用情景进行预测。结果表明，2031年流域的土地利用类型仍以耕地、林地、草地和建设用地为主；2011—2031年的林草地、水域、建设用地面积均有所增加，而耕地与未利用地面积则处于减少状态。

该预测结果可为细河流域土地资源的规划和管理提供科学依据，对流域生态环境保护政策制定具有一定的指导意义。土地利用信息提取的方法很多，但此次研究仅采用了遥感软件中的监督分类法，今后应将不同的数学算法及地学分析方法应用到土地利用信息解译过程中，以提高影像的分类精度。

参考文献

[1] 邓书斌.ENVI遥感图像处理方法[M].北京：科学出版社，2010.

[2] 杜自强，王建，陈正华，等.基于RS和GIS的区域土地利用动态变化及演变趋势分析[J].干旱区资源与环境，2007，21（1）：115-119.

[3] 卢鹏，岳彩荣，冯水琴，等.基于GIS和元胞自动机的土地利用/覆盖变化模拟—以滇西北香格里拉县为例[J].东北林业大学学报，2011，39（10）：84-89.

[4] 刘淑燕，余新晓.基于CA-Markov模型的黄土丘陵区土地利用变化[J].农业工程学报，2010，26（11）：297-303.

CA-Markov模型模拟精度的确定没有统一的方法，通常从数量和空间上进行评价。采用随机验证方式，即在研究区范围内随机选择500个样本，与2011年土地利用遥感解译图进行叠加统计比较，其中有431个点的土地利用类型是一致的，正确率达86.20%。通过对模型进行精度分析，发现该模型能够很好地模拟研究区的发展趋势与空间分布，可以用来对细河流域未来土地利用状况进行预测。

3.4 流域土地利用变化预测

基于2011年的土地利用数据，在IDRISI软件环境支持下，根据Markov模块计算2001—2011年状态转移概率矩阵；利用所选的驱动因子制作土地转变适宜性图集，得到马尔科夫的随机选择结果（图4）；最后运用CA-Markov模块预测2031年细河流域土地利用情景（图5），并对预测结果进行统计分析（表3）。

由表3可知：细河流域2031年与2011年各土地利用类型面积比例基本相似，均为耕地面积比例最大，林地、建设用地次之，水域最小；未来20 a水域的增加速率最大；未利用地的减少速率最大。

总体来说，利用CA-Markov模型模拟预测细河流域土地利用变化情况是比较可信的，能够很好地模拟流域2001—2011年的土地利用变化情况。虽然模拟和预测结果均存在误差，但基本上可以反映未来一定时间内各地类的空间变化情况及发展趋势。

4 结论

应用CA-Markov模型对细河流域2011年土地利用情景进行模拟，结果表明，该模型对流域模拟的正确率达86.20%，精度较高，因此可以用来预测未来土地利用变化趋势。

通过分析2001年、2011年2期的土地利用数据，结合现有资料，构造土地利用变化转移矩阵，选择影响土地利用变化的主要因素，利用该模型对研究区2031年的土地利用情景进行预测。结果表明，2031年流域的土地利用类型仍以耕地、林地、草地和建设用地为主；2011—2031年的林草地、水域、建设用地面积均有所增加，而耕地与未利用地面积则处于减少状态。

该预测结果可为细河流域土地资源的规划和管理提供科学依据，对流域生态环境保护政策制定具有一定的指导意义。土地利用信息提取的方法很多，但此次研究仅采用了遥感软件中的监督分类法，今后应将不同的数学算法及地学分析方法应用到土地利用信息解译过程中，以提高影像的分类精度。

参考文献

[1] 邓书斌.ENVI遥感图像处理方法[M].北京：科学出版社，2010.

[2] 杜自强，王建，陈正华，等.基于RS和GIS的区域土地利用动态变化及演变趋势分析[J].干旱区资源与环境，2007，21（1）：115-119.

[3] 卢鹏，岳彩荣，冯水琴，等.基于GIS和元胞自动机的土地利用/覆盖变化模拟—以滇西北香格里拉县为例[J].东北林业大学学报，2011，39（10）：84-89.

[4] 刘淑燕，余新晓.基于CA-Markov模型的黄土丘陵区土地利用变化[J].农业工程学报，2010，26（11）：297-303.