基于CA—Markov模型的青海湖流域土地利用变化模拟

雷浩川 王灵玥

摘要 [目的]利用遥感影像在定量描述土地覆盖和环境变化方面具有的优越性，以青海湖流域为研究区，研究土地利用时空变化，以便对该地区的环境治理和生态恢复提供理论依据和技术支持。[方法]选取2001、2006、2011年3期TM遥感影像数据，利用支持向量机分类器分别对遥感影像进行分类得到每期的土地覆盖图，建立CAMarkov预测模型，经模型验证后，应用该模型对2016年青海湖流域土地利用结构进行預测。[结果]预测结果与实际解译结果接近。[结论]利用CAMARKOV预测模型预测土地覆盖变化是可行的，能够有效揭示土地覆盖变化趋势，对决策规划、分析该地区土地荒漠化、生态环境变化规律及其成因具有重要意义。

关键词 土地利用变化；AMarkov模型；遥感影像；动态模拟

中图分类号 S127；P237 文献标识码

A 文章编号 0517-6611（2015）34-328-04

土地利用变化是反映人类活动程度的重要因子，分析土地利用时空变化规律，是揭示人类活动程度的有效方式[1-4]。利用遥感技术分析土地利用变化特点并预测未来情景，有助于揭示在人类活动影响下区域生态环境变化的过程和机理，进而为区域生态保护及可持续发展提供决策依据[5-8]。近年来研究人员使用了多种土地利用变化动态模拟模型，主要包括系统动力学（SD）[9]、元胞自动机（CA）[10–11]、马尔可夫（Markov）[12–13]、CLUE[14]、CLUES[15–16]、基于智能体的（Agentbased）模型[17–18]、空间 Logistic[19]等模型。元胞自动机–马尔可夫（CAMarkov）模型综合了马尔可夫模型长期预测的优势和元胞自动机模拟复杂系统空间变化的能力，利用了2种模型的优点，既提高了土地利用类型转化的预测精度，又可以有效地模拟土地利用格局的空间变化，近年来被国内外研究人员广泛应用和探讨[19-21]，主要集中于城市景观格局或土地利用演变方面。探讨流域土地利用的动态变化，对于当地科学合理地调整用地结构，保护生态环境、植被恢复、沙漠化治理等具有重要意义。笔者选取2001、2006、2011年3期TM遥感影像数据，利用支持向量机分类器分别对遥感影像进行分类得到每期的土地覆盖图，建立CAMarkov预测模型并进行模型验证，应用模型对2016年青海湖流域土地利用类型年际变化特征及其空间分布规律信息进行预测，为环境治理提供理论依据和技术支持。

1 数据来源与研究方法

1.1 研究区概况 青海湖流域地处青海省的东北部，是青海省“十二五”规划环境沙漠化治理、生态环境恢复的重点区域。研究区海拔2 275～5 826 m，总面积67 345 km2。多草地荒地，区域内沙地、草地、裸地面积52 982.49 km2，水域面积约6 123.00 km2，其中青海湖面积为4 583.00 km2，青海湖周边大小河流有70余条，主要河流有布哈河、乌哈阿兰河、哈尔盖河、沙柳河、甘子河、倒淌河、黑马河等。青海湖流域生态脆弱区域面积广大，中度以上生态脆弱区域非常多，很多草地处于沙漠化的边缘。区域内地貌较为复杂，有湖滨平原、冲击平原、冰原台地、山地和现代冰川。青海湖流域包括西宁市、湟中县、湟源县、大通回族土族自治县、海晏县、共和县、刚察县、天骏县、乌兰县。西宁是青海省省会，湟中县、湟源县和大通县是青海省内人口聚集、耕地面积较大的地区，其余各环绕青海湖的州县平均海拔3 500 m，其中天骏县最高海拔5 826.8 m。

1.2 数据选择与处理

从地理空间数据云平台中下载了 2001、2006和 2011年研究区的Landsat TM分辨率为30 m 的遥感影像为基础数据。以当年 6月、7月、8月、9月的遥感数据为基础，挑选出云量和植被分布最优的影像，对这3期原始数据的解译分类基础上，采用WGS84投影，利用ENVI 5.1和 ArcGIS 10.1对遥感影像进行解译，获得流域3期土地利用图。土地利用类型包括耕地、沙地、草地、水域、建设用地和未利用地共6个一级地类。其他数据包括青海湖流域1∶5 万 DEM 数据、西宁市及各区县社会经济统计年鉴等。

1.2.1 影像镶嵌及裁剪。

青海湖流域在TM遥感卫星影像中位于条带号“PATH = 132”和条带号“PATH=135”之间，行号“ROW =033”的遥感影像的下部和“ROW =36”的遥感影像的上部。该研究在获取青海湖流域分幅范围内的原始影像的基础上，使用ENVI软件将各年份的原始影像的分幅图像镶嵌成一幅具有 3（5、4、3波段）个波段的TM影像数据。在ENVI软件中，用全国县界矢量图边界对3期影像进行切割裁剪，处理得到研究区域青海湖流域的影像数据。

1.2.2 影像分类及解译。

根据青海湖流域的遥感影像和土地利用现状的特点及其生态学意义，在参照土地类型划分原则的基础上，对青海湖流域2001年、2006年和2011年遥感影像进行土地利用分类。该研究在2007年新颁布的土地利用现状分类基础上，结合青海湖流域的实际情况，从研究性和便利性两方面综合考虑，将研究区域土地划分为6 大类，即沙地、草地、耕地、建设用地、水域、裸地，各土地利用类型分类见表1。

通过支持向量机（SVM）分类对青海湖流域的3期影像进行分类解译。该研究是在 ENVI 5.1软件中分别建立 2001年、2006 年和 2011年青海湖流域影像的分类模板，通过不断调整分类样本和多次运行分类程序，对3期影像进行分类，最终得到青海湖流域土地利用的分类结果（图1）。

图1 2001、2006、2011年青海湖流域土地利用现状

1.3 研究方法

采用2001、2006年的两期影像建立CAMarkov模型，然后以2011年影像分类结果对模型的2011年预测结果进行验证；最后利用验证后的模型对2016年研究区土地时空变化趋势进行了预测。主要方法流程见图2。

图2 基于CAMarkov模型的土地利用变化模拟技术流程

1.3.1 CAMarkov 模型。Markov模型是基于Markov过程理论而形成的预测事件发生概率的方法，通过对不同状态的初始概率以及状态之间的转变频率的研究，来确定状态的变化趋势，从而达到预测未来的目的。在土地利用变化研究中，可以将土地利用变化过程视为Markov过程，将某一时刻的土地利用类型对應于Markov过程中的可能状态，它只与其前一时刻的土地利用类型相关，土地利用类型之间相互转换的面积数量或比例即为状态转移概率。因此，可以利用如下公式对土地利用变化进行预测：

s（t+1）=s（t）pij （1）

式中，s（t）、s（t+1）分别是t、t+1时刻的系统状态；pij是状态转移概率矩阵。状态转移概率矩阵是研究土地利用变化的关键，确定状态转移矩阵pij的数学公式的一般表达式为[21]：

p=p00p01…p0j

p10p11…p1j

…………

pi0pi1…pij（2）

式中，i表示土地利用的类型数量，pij表示土地利用类型i转化类型j的概率，pij具有如下性质：①01≤pij≤1，即各元素都为正，且介于0到1之间；②∑nj=1pij=1，即每行元素之和等于1。

元胞自动机（CA）是时间、空间和状态都离散的动力学模型，具有时空计算特征。单独的随机Markov模型缺乏空间知识，既没有考虑地理因素，也没有考虑每种土地利用类型的空间分布。CAMarkov模型则在模型中加入空间特征，使用元胞自动机滤波器创建空间意义明显的权重因子，离现存土地利用越近的地区，该因子的权重大，使用该权重因子并依据相邻栅格单元的状态以及转换规则，改变本栅格单元的状态，因此更多地考虑了空间关系。这将确保土地利用转变为最近的已存土地利用类型。

1.3.2 青海湖流域CAMarkov模型的构建。

以2011年青海湖流域土地利用格局图为基础，依据2006～2011年土地类型转移矩阵和青海湖流域土地观格局演变适宜性图集，在ArcGIS软件中构建CAMarkov模型对青海湖流域2016年土地利用格局进行模拟。

1.3.2.1 元胞自动机组成。

（1）元胞、元胞空间和元胞状态的定义。

元胞自动机模型中的元胞与栅格数据中的栅格单元在结构上非常相似，该研究以遥感影像解译所得到的青海湖流域土地利用现状图作为元胞空间，将其栅格单元作为元胞，元胞的大小根据遥感影像的精度取为30 m×30 m。在元胞自动机中，元胞的状态作为一个离散的集合，集合中的每一个元素都代表着一个元胞的状态。而在模拟土地利用格局变化时，需要将每种土地利用类型都与其相应的元胞及其状态相结合，因此该研究中的元胞状态是指耕地、草地、沙地、建设用地、水域和裸地6种类型。

（2）邻域的定义。

在CA模型中，一个元胞下一时刻的状态不仅取决于其自身，还与其邻域内元胞在这一时刻的状态有显著关系。CAMarkov 模型是通过滤波器来定义元胞的邻域，该研究采用5×5的滤波器，即为扩展的摩尔型邻域，是指以某个元胞为中心其周围 5×5 个元胞所组成的矩形空间，它会对该元胞下一时刻的状态改变产生比较显著的影响。

（3）转换规则的定义。

作为土地利用变化模拟的核心，能否正确的定义转换规则，直接关系到模拟效果，因此转换规则的定义是构建CAMarkov 模型的关键。该研究采用土地利用格局转变适宜性图集来定义基于 CAMarkov模型的青海湖流域土地利用格局转换规则，即通过土地利用格局转变适宜性图集作为转换规则来模拟预测模型中每个元胞在下一时刻的状态，以此来提高 CAMarkov 模型的模拟精度。

1.3.2.2 确定预测年份。该研究以 2006～ 2011年的青海湖流域土地利用格局变化为基础进行预测。首先，综合比较 2001、2006和2011年的青海湖流域土地利用格局变化情况，最终确定以 2006和2011年数掘为基础预测。而在应用CAMarkov 模型进行模拟预测时，基期、末期和模拟3个时期间的间隔年份应该是相等的。因此，该研究根据基期和末期的时间间隔，后确定以 2011 年的青海湖流域地利用格局状态为起始，来模拟预测 2016 年的青海湖流域土地利用格局。

1.3.2.3 土地利用格局转移矩阵。

通过叠加分析青海湖流域始末两期的土地利用现状图，得到青海湖流域该时段内的土地利用格局转移概率矩阵。该研究利用IDRISI软件的 Markov 模块来自动生成西宁市土地利用格局转移矩阵。

基于IDRISI的Markov模块进行转移概率矩阵的输出，结果见图3。

图3 2006～2011年的转移概率矩阵

1.3.2.4 制作适宜性图集。

土地利用类型转换适宜图像是一种地类转变为其他地类的概率，可利用IDRISIS中的 MCE模块生成。在研究青海湖流域土地利用格局变化的基础上，利用IDRISI软件中的布尔叠加法作为制作土地利用格局转变适宜性的主要方法进行多准则评价，所得到的青海湖流域土地利用格局转变适宜性图像作为青海湖流域土地动态模拟 CAMarkov 模型的转换规则。

1.3.2.5 确定循环次数。

通常情况下这个循环次数要和研究所应用数据的时间间隔跨度一致或是成整数倍，多是根据土地利用转移矩阵的年份间隔跨度来确定的，该研究的土地利用转移矩阵年份间隔为 5年，为了提高模型的预测精度，采用等长年限预测，确定预测目标年为 2016年，即循环次数应为5。