基于元胞自动机模型的贵阳市花溪区生态安全预警模拟研究

易武英，苏维词,2，周文龙，唐金刚，张凤太

（1.贵州省山地资源研究所，贵州 贵阳550001；2.重庆师范大学地理与旅游学院，重庆400047；3.贵州师范学院 地理与旅游学院，贵州 贵阳550018）

基于元胞自动机模型的贵阳市花溪区生态安全预警模拟研究

易武英1，苏维词1,2，周文龙1，唐金刚1，张凤太3

（1.贵州省山地资源研究所，贵州 贵阳550001；2.重庆师范大学地理与旅游学院，重庆400047；3.贵州师范学院 地理与旅游学院，贵州 贵阳550018）

基于生态安全理论和景观生态理论，以贵阳市花溪区为研究对象，以专题绘图仪（TM）遥感影像为主要数据源，结合花溪区社会经济统计数据、数字高程模型（DEM）数据、交通数据及部分地貌指标如坡度等数据，选取景观破碎度、景观分离度、景观优势度及景观脆弱度4个核心景观指数构建生态安全预警指数，从景观视角对花溪区进行生态安全预警评价研究。在此基础上，运用元胞自动机（CA）模型对花溪区进行了生态安全预警模拟。结果显示：2020年花溪区生态安全预警模拟指数为2.36，2030年警度略有上升，由2.36上升到2.50，表明研究时段花溪区生态安全受到威胁增加，生态安全状况呈不良的变化趋势，通过对2000年和2010年2个时段的检验，模拟精度达到90%以上。图2表1参21

生态学；生态安全预警指数;元胞自动机（CA）模型;贵阳市

生态环境预警是指就区域内的工程建设、资源开发、国土整治等人类活动对生态环境所造成的影响进行预测、分析与评价，确定在人类活动影响下的区域生态环境质量和生态系统状态变化趋势和速度［1－2］。目前，国内外部分学者围绕生态安全预警展开了系列有益探讨。如：陈治谏等［3］探讨了生态环境影响预警概念内涵、原则及方法；许学工［4］提出了 “环境潜在指数”计算公式，并运用该公式对黄河三角洲生态环境进行了评估和预警评价；方创琳等［5］探讨了西北干旱区生态安全系统结构与功能监测思路；郭中伟［6］阐述了国家生态预警系统建设的心要性、意义及特点；吴克宁等［7］基于压力-状态-反应（PSR）模型对郑州市生态安全系统进行了预警分析；臧淑英等［8］利用耦合回归模型、灰色预测模型和人工神经网络等三大模型，进行了大庆市生态风险预警研究；Parr等［9］对土壤退化以及土壤荒漠化进行了监测预警研究；Stephenne等［10］对非洲萨赫勒地区土地生态安全变化进行了动态模拟监测。上述研究主要侧重于运用相关数学模型对生态环境质量及其变化趋势进行评价和预测，但从景观学视角进行生态安全预警研究较少尤其是对生态系统格局、过程、功能进行预警研究的极少。花溪区位于贵阳市南部，处于流经贵阳市南明河的上游，为贵阳市重要生态屏障和水源保护地，对贵阳市生态安全具有重要影响。随着贵阳市工业化、城镇化战略的推进以及贵州大学城的进驻，花溪区的土地利用结构、景观格局及生态环境质量、功能等将发生重大变化。直接影响贵阳市生态安全与可持续发展。本研究从景观视角，通过景观优势度、景观分离度、景观优势度及景观脆弱度指数构建生态安全预警指数，以2000年数据为基数据，运用元胞自动机（CA）模型分别模拟和预测花溪区2020年和2030年生态安全功能状况，以期为贵阳市花溪区土地合理规划与利用、区域城镇化发展规划、生态建设等提供参考借鉴。

1 研究区概况

贵州省贵阳市花溪区位于26°11′~26°34′N，106°27′~106°52′E，地处长江、珠江分水岭和南明河上游，总土地面积为976.8 km2，地势东西较高，中部槽谷较低，地貌类型以山地、丘陵为主，耕地资源短缺，人地矛盾突出。属于亚热带高原季风湿润气候，降水量充沛，年均降水量1 178 mm，年平均气温在15.0℃左右，雨热同期，但降水时空分布不均。境内岩溶地貌广布，水土流失严重，石漠化问题突出，水土流失面积约为288.2 km2，占土地面积的29.5%，喀斯特面积及石漠化面积分别占土地面积的94.0%和15.7%，生态环境极其敏感脆弱。随着社会经济的发展及人民生活水平的提高，花溪区生态环境污染日益加剧，生态安全受到重大威胁。

2 数据来源及研究方法

2.1 数据来源

本研究以花溪区2000年和2010年美国陆地卫星专题绘图仪（TM）遥感影像为主要数据源，结合研究区数字高程模型（DEM）数据、交通道路数据、坡度数据，以及社会经济统计数据，遥感影像数据来源于中国科学院数据应用中心（http://www.csdb.cn/），空间分辨率为30 m×30 m，坡度数据从DEM数据中提取，交通道路数据根据花溪区交通道路图矢量化获取。遥感影像首先在遥感图像处理系统软件ERDAS中进行校正、融合、拼接、裁剪及格式的转换，再进行解译及精度检验。结合研究区区域特征，将花溪区土地利用/覆被划分为有林地、灌木林、水田、旱地、水域、城镇用地、未利用地7种类型。本研究利用ERDAS软件的精度评价功能（assessment）检验遥感图象解译精度，以随机抽样的方法选取500个地面检查点，检验结果表明：解译总精度为85%，Kappa指数大于0.78。花溪区交通道路、数字高程模型、坡度及土地利用/覆被情况如图1所示。

2.2 研究方法

目前，生态安全预警主要研究方法有：神经网络模拟［11－13］、系统动力学［14－15］、灰色模型［16］、模糊综合评判［17－18］等方法。本研究基于黎夏和叶嘉安教授等研制的GeoSOS（Geographical Simulation and Optimization Systems）软件，以花溪区土地利用数据、DEM数据、坡度数据、交通数据为基础，从景观视角，在土地利用模拟基础上，利用景观优势度、景观分离度、景观优势度及景观脆弱度构建生态安全预警指数，对贵阳市花溪区进行生态安全预警研究。该方法在理论上可行，操作简单。

图1 研究区土地利用/覆被情况Figure 1 Land-use and cover of the study area

2.2.1 元胞自动机（CA） 元胞自动机由Von Neumann和Ulam研制而成，由离散、有限状态的元胞组成，并按照一定的局部规则，在离散的时间维上演化的动力学系统［19］。Couclelis［20］用简单的一维元胞自动机对种群在不同时空移动动态格局进行了模拟。目前，CA被广泛应用于化学自组织、生物繁殖、城市发展等复杂系统模拟，但在生态安全预警研究方面的报道不多。元胞自动机通常由元胞（又称单元或基元）、元胞空间（主要指一维空间和二维空间）、元胞状态、邻域及规则等部分组成。在数学上元胞自动机可用元胞空间、元胞状态、转换规则和领域表达为：

式（1）中：A为元胞自动机；La为元胞空间及无胞空间维数，a表示一维、二维、三维或多维空间；N为领域向量；S为元胞有限离散状态集，包括S0，S1，…，Sk；f为局部转换函数，又称规则。

2.2.2 生态安全预警指数 ①景观损失指数［21］。景观损失指数（Ei）反映景观在自然因素和人为因素干扰下其自然属性损失的程度，它由景观破碎度、景观分离度及景观优势度3个指数加权而得，Ei=aCi+bSi+ cDi，其中各景观指数系数满足a+b+c=1。根据3个指标在自然和人为干扰下所受影响程度强弱和景观指数在生态过程中重要性大小进行权重赋值：a，b，c权重分别0.5，0.3，0.2。一是景观破碎度。指景观被分割的破碎程度，其计算公式为：

式（2）中：Ni表示景观类型i的数目；Ai表示景观类型i的面积。二是景观分离度。指某一景观类型中不同斑块数个体分布的分离度，其计算公式如下：

式（3）中：Si为景观类型i的分离度；Dij为景观类型i的距离指数；Aij为景观类型i的面积指数。三是景观优势度。描述景观由少数几个主要景观类型的控制程度，景观优势度越大，景观异质性越弱，反之，景观异质性越强。

式（4）中：Di为景观优势度，Hmax为多样性指数最大值，Pk是斑块类型k在景观中出现的概率；m是景观斑块类型总数。②景观脆弱度指数。不同土地利用类型，其易损性存在差异，景观脆弱度不同。本研究根据不同土地利用类型内部属性及其在外界干扰破坏作用下的易损程度，对不同土地利用类型脆弱度进行分级赋值：林地6，草地5，水域4，耕地3，未利用地2，建设用地1，景观脆弱度指数计算公式如下：

式（5）中：Fi为景观类型i的景观脆弱度指数；A为研究区土地面积；ai为景观类型i的面积；Ci为景观类型i的景观脆弱分级指数。

2.2.3 生态安全预警指数 生态安全预警指数是定量描述生态系统在受到外界干扰破坏作用下生态系统安全状况的指标，由景观损失指数Ei和景观脆弱度指数Fi计算而得，生态预警指数计算公式如下所示：

式（6）中：U为研究区生态安全预警指数；Ei为景观类型i的景观损失指数；Fi为景观类型i脆弱度指数；n为景观类型种类数。在参考借鉴前人研究成果的基础上，结合研究区区域特征，将景观损失指数与景观脆弱度指数对生态安全预警的重要性视为相同，利用主观赋值法确定指标权重。本研究将景观损失指数、景观脆弱度指数权重均赋为1。

3 结果分析

生态系统安全状况受众多生态因子影响，单个生态因子变化通过一系列连锁反应，从而对整个系统起作用。本研究以花溪区2000年土地利用数据为基数据，2010年土地利用数据为模拟精度评价数据，利用主成分分析的法，确定全局因素影响比例和领域因素影响比例，为0.7∶0.3， 所占比例越大，影响作用越大。实验结果表明：研究区全局性因素影响作用明显大于领域因素；扩散参数α与迭代次数，以误差最小为原则，通过不断反复调试，以确定参数值。当扩散参数α为1，迭代次数为33 027次。在此参数组合下，总体精度和Kappa系数较大，模型精度较高，精度在90%以上，花溪区土地利用现状图与模拟图如图2所示。

3.1 花溪区核心景观指数变化

景观破碎度、景观分离度、景观优势度和景观脆弱度4个指标的量纲不同，不具可比性。本研究通过对4个指标进行标准化处理，以达到消除量纲影响的目的。由表1可知：随着时间推移，水田和旱地景观景观破碎度、景观分离度呈增大的变化趋势，而景观优势度呈减小的变化趋势；水域、未利用地景观分离度、景观破碎度、景观优势度变化趋势不明显；灌木林、有林地、建设用地景观破碎度、景观分离度呈减少变化趋势，景观优势度越来越显著。

3.2 花溪区生态安全预警指数变化

根据式（1）~式（5）得：2000年和2010年花溪区生态安全预警指数分别为2.19和2.31，2020年和2030年花溪区生态安全预警指数模拟值分别为2.36和2.50，生态安全指数呈增加的变化趋势，由2010年的 2.31上升到2030年的2.50。花溪区生态环境脆弱（水土流失面积占 29.76%，石漠化面积占15.72%），喀斯特地貌发育典型（喀斯特面积占国土面积的94.0%）；经济的发展使花溪面临的环境压力增大，2000－2010年花溪区经济发展迅速［2010年国内生产总值（GDP）为79.59亿元，同比增长率超过15%，人均GDP达2.26万元］；贵州大学城的进驻，建设用地的扩张，人口、资源、环境压力增加，生态安全受到威胁加剧，生态安全状况呈不良的变化趋势。在快速工业化、城镇化进程推动下，按目前发展趋势若不采取对应的调控措施，预测到2030年花溪区随着工业园区的建设，居住、道路交通、文化娱乐等相关配套设施的进一步完善，单位土地工业三废负荷加剧，周边绿地、湿地、大片耕地逐渐被侵占，人地矛盾激化，人口、资源、环境压力日益增加，生态系统持续向不良方向发展，生态环境恶化，生态安全预警指数上升。

图2 花溪区土地利用现状图及模拟图Figure 2 Land-use map and simulating map of the study area

表1 2000－2030年花溪区核心景观指数情况Table 1 Key landscape indexes of Huaxi District from 2000 to 2030

4 结论

本研究在土地利用和景观格局分析的基础上，尝试从景观视角进行生态安全预警模拟研究，选取景观景观破碎度、景观分离度、景观优势度、景观脆弱度指数等4个指标，构建生态安全预警指数对研究区生态安全状况进行定量预测评判。该方法在理论上可行，操作简单。该研究有助于把握花溪区生态安全状况演变趋势，规避工业化、城市化过程的生态风险，对花溪区生态建设、资源开发具有重要的指导意义。本研究将景观损失指数与景观脆弱度指数对生态安全预警的重要性视为相同，与研究区实际情况基本符合，元胞自动机（CA）模型与目前常用的数学模型相比，具有强大的空间处理功能，在地理研究尤其是系统模拟研究中具有明显优势，为地理学研究提供一种强有力技术手段。在今后研究中，针对不同研究区不同研究时段，需对生态安全预警指数计算公式进行修正，如对景观损失指数与景观脆弱度指数分别设定权重α和β，利用熵权法或层次分析法确定其权重。本研究CA模型的参数的确定，以最小误差为原则，反复调试，以确定最优参数值。该方法简单、直接，但工作较繁琐，在今后研究中有待进一步完善。

［1］ 苏维词，李久林．乌江流域生态环境预警评价初探［J］．贵州科学，1997，15（3）：207－214.

SU Weici，LI Jiulin.A preliminary study on the warning appraisal of eco-environment in the Wujiang valley［J］. Guizhou Sci,1997,15（3）:207－214.

［2］ 傅伯杰．区域生态环境预警的原理与方法［J］．资源开发与保护，1991，7（3）：138－141.

FU Bojie.Prlnciples and methodology of early warning on regional ecological and environmental issues［J］.Resour Develop Mark,1991,7（3）:138－141.

［3］ 陈治谏，陈国阶．环境影响评价的预警系统研究［J］．环境科学，1992，13（4）：20－26.

CHEN Zhijian,CHEN Guojie.Study on warning system of environmental impact assessment［J］.Environ Sci,1992, 13（4）:20－26.

［4］ 许学工．黄河三角洲生态环境的评估和预警研究［J］．生态学报，1996，16（5）：461－468.

XU Xuegong.Study on evaluation and pre-warning of ecological environment in the Yellow River Delta［J］.Acta Ecol Sin,1996,16（5）:461－468.

［5］ 方创琳，张小雷．干旱区生态重建与经济可持续发展研究进展［J］．生态学报，2001,21（7）：1163－1170.

FANG Chuanglin,ZHANG Xiaolei.The progress of ecological reconstruction and economic sustainable development in arid region［J］.Acta Ecol Sin,2001,21（7）:1163－1170.

［6］ 郭中伟．建设国家生态安全预警系统与维护体系：面对严重的生态危机的对策［J］．科技导报，2001（1）：54－56.

GUO Zhongwei.To build the early warning and maintaining system of national ecological security［J］.Sci Technol Rev,2001（1）:54－56.

［7］ 吴克宁，曹志宏，梁流涛，等.基于基尼系数的耕地质量差异程度分析：以广东省南方稻田耕地地力结果为例［J］．资源科学，2007，29（3）：165－169.

WU Kening,CAO Zhihong,LIANG Liutao,et al.Analyzing the differences of the regional cultivated land quality based on Gini coefficient analysis:a case study in Guangdong Province［J］.Resour Sci,2007,29（3）:165－169.

［8］ 臧淑英，梁欣，张思冲．基于GIS的大庆市土地利用生态风险分析［J］．自然灾害学报，2005，14（4）：141－145.

ZANG Shuying,LIANG Xin,ZHANG Sichong.GIS-based analysis of ecological risk on land-use in Daqing City［J］.J Nat Dis,2005,14（4）:141－145.

［9］ PARR J F,PAPENDICK R I,HORNICK S B,et al.Soil quality:attributes and relationship to alternative and sustainable atricultrue［J］.Am J Altern Agric,1992,7（1）:5－10.

［10］ STEPHENNE N,LAMBIN E F.A dynamic simulation model for Landuse changes in Sudano-sahelian countries of Africa（SALU）［J］.Agric Ecosyst Environ,2001,85（1/3）:145－162.

［11］ 连臣．黑龙江省耕地资源安全预警分析［D］．哈尔滨：东北农业大学，2013.

LIAN Chen.Arable Land Resources in Heilongjiang Province Safety Warning Analysis［D］.Harbin:Northeast Agricultural University,2013.

［12］ 徐美，朱翔，刘春腊．基于RBF的湖南省土地生态安全动态预警［J］.地理学报,2012,67（10）：1411－1422.

XU Mei,ZHU Xiang,LIU Chunla.Early-warning of land ecological security in Hunan Province based on RBF［J］. Acta Geogr Sin,2012,67（10）:1411－1422.

［13］ 宋戈,连臣．黑龙江省耕地资源安全预警分析及预警系统的构建［J］．农业工程学报,2012,28（6）：247－252.

SONG Ge,LIAN Chen.Analysis and system construction of safety early warning for cultivated land resources in Heilongjiang Province［J］.Trans Chin Soc Agric Eng,2012,28（6）:247－252.

［14］ 王耕，刘秋波，丁晓静．基于系统动力学的辽宁省生态安全预警研究［J］．环境科学与管理，2013，38（2）：144－149.

WANG Geng,LIU Qiubo,DING Xiaojing.Research on city eco-security early-warning in Liaoning Province based on system dynamics［J］.Environ Sci Manage,2013,38（2）:144－149.

［15］ 李维新，张永春，张海平，等．太湖流域水环境风险预警系统构建［J］．生态与农村环境学报，2010，26（S1）： 4－8.

LI Weixin,ZHANG Yongchun,ZHANG Haiping,et al.Construction of water environmental risk early warning system for Taihu lake basin［J］.J Ecol Rural Environ,2010,26（S1）:4－8.

［16］ 周健,刘占才．基于 GM（1,1）预测模型的兰州市生态安全预警与调控研究［J］．干旱区资源与环境,2011,25（1）：15－19.

ZHOU Jian,LIU Zhancai.The research on the control and warning of ecological security based on GM（1,1）model［J］.J Arid Land Resour Environ,2011,25（1）:15－19.

［17］ 韩晨霞,赵旭阳,刘浩杰，等．河北省平山县生态安全预警评价［J］．贵州农业科学,2012,40（12）:201－205.

HAN Chenxia,ZHAO Xuyang,LIU Haojie,et al.Early-warning assessment of ecological security in Pingshan County of Hebei Province［J］.Guizhou Agric Sci,2012,40（12）:201－205.

［18］ 刘欣，赵艳霞，葛京风，等．河北省太行山区土地资源生态安全预警与调控研究［J］．生态与农村环境学报，2010，26（6）：534－538.

LIU Xin,ZHAO Yanxia,GE Jingfeng,et al.Early-warning and regulation of ecological safety of land resources in Taihang Mountains,Hebei Province［J］.J Ecol Rural Environ,2010,26（6）:534－538.

［19］ 周成虎，欧阳，马廷，等．地理系统模拟的CA模型理论探讨［J］．地理科学进展，2009，28（6）：833－838.

ZHOU Chenghu,OU Yang,MA Ting,et al.Theoretical perspectives of CA-based geographical system modeling［J］. Prog Geogr,2009,28（6）:833－838.

［20］ COUCLELIS H.From cellular automata to urban models:new principles for model development and implementation［J］．Environ Plan B Plan Des，1997，24（2）：165－174.

［21］ 陈鹏，潘晓玲．干旱区内陆流域区域景观生态风险分析：以阜康三工河流域为例［J］．生态学杂志，2003，22（4）：116－120.

CHEN Peng,PAN Xiaoling.Ecological risk analysis of regional landscape in inland river watershed of arid area:a case study of Sangong river basin in Fukang［J］.Chin J Ecol,2003,22（4）:116－120.

An ecological security early warning simulation city based on the CA Model in Huaxi District of Guiyang City,China

YI Wuying1,SU Weici1,2,ZHOU Wenlong1,TANG Jingang1,ZHANG Fengtai3
（1.Institute of Mountainous Resources,Guizhou Academy of Sciences,Guiyang 550001,Guizhou,China;2.School of Geography and Tourism,Chongqing Normal University,Chongqing 400047,China;3.School of Geography and Tourism,Guizhou Normal College,Guiyang 550018,Guizhou,China）

Ecological security early warning refers to forecasting,analyzing,and evaluating the influence of human activities,such as construction,resource development,on the ecological environment and helps to determine trends and speed of change in regional ecological and environmental ecosystems.To provide reference materials for rational land use,regional urbanization,and ecological development for Huaxi District in Guiyang City,an ecological security early warning system was designed that combined ecological security and landscape ecology theories.Using inspection data from 2000 and 2010,Thematic Mapper （TM）images,the main data source,were combined with statistical data from socio-economic,demographic,traffic,and slopes of Huaxi District.Employing landscape fragmentation,isolation,dominance,and vulnerability,an ecological security warning index was developed for an ecological security early warning simulation that incorporated remote sensing（RS）and graphical information systems （GIS）.Results showed an ecological security situation that was in a state of flux with no pattern of change.With accuracy above 90%,the ecological security warning index simu-

ecology;ecological security warning index;CA Model;Guiyang City

S731;X826

A

2095-0756（2015）03-0369-07

2014-07-15；

2014-09-12

国家自然科学基金资助项目（41261038）；贵州省重大科技专项（黔科合重大专项字［2012］6015号）;贵州科学院青年基金资助项目（黔科院J合字［2014］08号）；贵州省教育厅自然科学基金资助项目（黔教科2010057）；贵州省科技厅自然科学基金资助项目（黔科合J字［2009］2030号）；贵州省环境科学省级特色重点学科基金资助项目

易武英，从事区域生态环境与可持续发展研究。E-mail:yiwuyingsy@163.com。通信作者：苏维词，研究员，从事生态环境与可持续发展研究。E-mail:suweici@sina.comlation value was 2.36 in 2020 rising to 2.50 in 2030 meaning a deterioration in ecological security.Thus,this study could provide information to help maintain ecological security and to avoid ecological risk during industrialization and urbanization of Huaxi District.［Ch,2 fig.1 tab.21 ref.］

10.11833/j.issn.2095-0756.2015.03.006