天山西部山区土地利用变化预测

于宴民，穆振侠，彭 亮，何 英(新疆农业大学 水利与土木工程学院， 乌鲁木齐 830052)

土地利用景观格局的变化是对人类活动与自然环境相互作用结果的反映[1]，不同时空尺度下土地利用变化的研究对阐释人类社会影响下某一区域生态空间格局变化的过程和机理等起到相关作用[2]。土地利用和覆被变化(LUCC)涉及区域城市发展、全球环境变化、经济社会稳定与可持续发展等相关问题，已成为近年来研究的热点问题[3]。

可用来预测和模拟各土地利用类型之间转变的模型主要有：元胞自动机模型(CA模型)、马尔科夫模型(Markov模型)和Clue-s模型等，这3种模型在适用性和模拟精度方面均存在一定的缺陷与不足。CA模型可预测出土地利用景观格局在空间分布的情况，却对数量的变化无法预测[4]；Markov模型虽然能预测出土地利用景观格局数量上的动态变化情况，却对空间分布情况无法预测[5]；Clue-s模型的利用效率不是很高，需要在预测的同时借助其他模型作为辅助[6]。CA-Markov模型耦合了CA模型和Markov模型这两个土地利用预测模型的优势，既满足数量变化方面的要求，又实现了对土地利用景观格局空间的预测模拟[7]。近年来CA-Markov模型已被广泛的探讨与应用，且在变化分析和模型预测等方面取得了一系列成果。Lingling Sang等利用CA-Markov模型，基于2001年、2006年和2008年3期的土地利用数据对城镇和村庄两种土地利用空间格局的变化过程进行模拟，结果表明，城市的发展和人口的增长导致土地资源需求的空间格局发生变化[8]；霍明明等基于CA-Markov模型采用3期遥感影像分析预测了其研究区土地利用的情况，既验证了模型的适用性又预测出未来土地利用情况的变化[9-12]。

天山西部山区属于河流的源流区和水利工程的重点开发区，土地利用/覆被变化将会对区域下垫面产生一定的影响，进而使得流域水文过程、产汇流规律发生变化，目前对天山西部山区土地利用和覆被情况的规律进行的预测研究较少，本研究以天山西部山区典型河流区为研究区，运用马尔科夫模型分析了1990-2000年和2000-2010年的土地利用变化格局，基于2000年的土地利用数据和1990-2000年的转换规则，利用CA-Markov模型预测研究区2010年的土地利用情况，将2010年实际土地利用情况和模拟的情况进行对比以此验证模型的精度；又基于2010年的土地利用数据和2000-2010年的转换规则，利用CA-Markov模型预测出研究区2020年的土地利用情况，为今后该流域土地资源的合理利用、进行水文预报分析等提供一定的理论依据。

1 研究区概况

本研究以天山西部山区(E81°40′～ 85°10′，N43°25′～ 44°15′)为研究区，其发源于依连哈比尔尕山冰川地带。流域呈狭长的柳叶形状，水系呈羽状。由于地理位置和下垫面因素，其径流的补给方式为冰川积雪融水补给为主，降雨补给为辅，地下水补给次之的混合型补给。流域地势西南高、北部低，气候特征表现为雨量充沛、昼夜温差大的特征。多年月平均降水量为48.5 mm，多年月平均气温值为5.8 ℃，多年月平均径流量为31.3 m3/s。流域上各种冰川共551条，冰川面积为421.60 km2，冰储存量为28.18 m3[13]，流域通常在12月封冻，次年3月解冻。

本研究主要采用新疆维吾尔自治区20世纪80年代末(1990年)、2000和2010年3期1∶10万的矢量土地利用数据集，数据来源于中国西部环境与生态科学数据中心(http:∥westdc.westgis.ac.cn)与中国科学院资源环境科学数据中心(http:∥www.resdc.cn)。基于GIS平台与研究区流域边界数据对此数据进行影像的裁剪和融合等预处理，并按100 m×100 m空间分辨率进行重采样。

2 研究方法

2.1 CA-Markov模型

IDRISI软件由美国克拉克大学的克拉克实验室开发，是一个将遥感与地理信息系统相结合的应用软件，由遥感图像处理、地理信息系统分析、决策分析、空间分析等多个专业应用模块组成[14]。本研究选用IDRISI软件中CA-Markov模块对研究区未来一定时期内的土地利用变化情况进行预测研究。具体操作如下：①数据格式转换，基于GIS和 IDRISI中的转换工具，将数据统一转换为IDRISI支持的rst栅格数据格式；②定义CA滤波器，根据距离元胞的远近来创建具有显著空间意义的权重因子，进而确定出元胞状态的改变，本文邻域定义为CA标准为5×5邻近滤波器；③确定转换规则，本文元胞状态的转换规则为Markov模型生成的土地利用类型转移概率矩阵；④确定循环次数，本研究将循环次数设为10 a，以1990年与2000年进行模型率定，以2000年作为起始时刻模拟2010年的景观格局，并以2010年作为模型模拟的起始时刻来模拟2020年的景观格局。

2.2 精度检验

选用Kappa指数评价两个图件的精度和一致性，Kappa指数(Ik)的表达式[15]为：

Ik=(P0-Pc)/(Pp-Pc)

(1)

P0=n1/n,Pc=1/N

(2)

式中：P0为模拟正确栅格的比例；Pc为随机情况下期望模拟正确的比例；Pp为理想情况下正确模拟栅格的比例，Pp的值一般取1；n1为模拟正确的栅格数；n为景观格局图的栅格总数；N为景观类型的数量。Kappa指数大于0.75，则表明两个图件具有较高的一致性，即模拟的结果较好，可信度较高。

3 结果及分析

3.1 土地利用类型演变特征分析

(1) 1990-2000年土地利用类型演变特征分析。在土地利用类型变化和预测的过程中，每一个栅格就相当于是一个元胞，此时元胞的土地利用类型代表元胞的状态，利用转移概率矩阵即可确定元胞状态的转移，从而来模拟土地利用景观格局空间的变化[16]。Markov作为CA-Markov模型重要的一部分，要求预测对象具有马尔科夫过程特性[17]，即土地利用变化呈现某种变化趋势的平稳性过程，而事实上土地利用会因自然或人为因素发生突发性变化。土地利用转移矩阵可以定量地反映不用土地利用类型之间的转换关系。本文以1990-2000年的土地利用转移矩阵为转换规则(表1)，由表可知研究区1990-2000年这10 a土地利用类型转移情况为：耕地主要转化为林地和草地，其中2.51%转化为林地，13.18%转化为草地，其主要补充来源是城市、工矿、居民用地。林地主要转化为草地和水域，而增加部分主要来源于耕地和城市、工矿、居民用地。由于坡度和温度等原因，水热条件较好的区域适合耕地的发展，而水土流失严重的区域需要植树造林，进而导致了耕地和林地之间的相互转化。城市、工矿、居民用地主要转化为草地和耕地，其中8.52%转化为草地，16.33%转化为耕地，其主要补充来源是耕地。未利用土地在这10 a未发生转移。

表1 1990-2000年土地利用类型转移概率 %Tab.1 The transition probability of land use type from 1990 to 2000

(2)2000-2010年土地利用类型演变特征分析。基于2000年和2010年两期的数据，利用Markov模块得出2000-2010年天山西部山区的土地利用类型的转换规则(表2)。由表2可看出研究区在2000-2010年10年间耕地主要转化为草地和水域，其中4.67%转化为草地，4.75%转化为水域，而耕地的主要补充来源是城市、工矿、居民用地。14.08%的林地转化为草地，而增加部分主要来源于草地和水域。城市、工矿、居民用地主要转化为草地和耕地，其中6.42%转化为草地，10.70%转化为耕地，其主要补充来源是耕地。未利用土地有5.36转化为草地，2.8%转化为水域。

表2 2000-2010年土地利用类型转移概率 %Tab.2 The transition probability of land use from 2000 to 2010

3.2 模型精度检验

为了检验CA-Markov模型在天山西部山区的适用性，以2000年为模拟的起始时刻，并以1990-2000年之间的土地利用类型转移概率为转换规则，以CA-Markov模型为平台，预测研究区2010年的景观格局，将研究区土地利用实际值(图1)与预测值(图2)用IDRISI中GIS Analysis的CROSSTAB工具做模型的整体精度验证，得出2010年研究区土地利用预测值与实际值的整体Kappa系数为0.9566，由此得出模型模拟结果较好且符合精度要求，在研究区较为适用。

图1 2010年实际土地利用格局Fig.1 Actuality of land use pattern of 2010

图2 2010年预测土地利用格局Fig.2 Prediction of land use pattern of 2010

将实际的2010年各土地利用类型所占面积和模拟的2010年各土地利用类型所占面积进行对比(表3)可看出：耕地和城乡、工况、居民用地与实际值的相对误差较大，其主要原因是耕地和城乡、工况、居民用地主要分布在喀什河下游河谷两侧区域，导致了耕地若不能够保持不变，一部分面积是往城乡、工况、居民用地转化，但模型中耕地的转化要大于实际情况下的转化；其他类型与实际值的相对误差均在1%以内，各类土地利用情况均模拟的较好。

表3 2010年实际与模拟各土地利用类型所占面积对比Tab.3 Actual and simulated area contrast of each land use type in 2010

3.3 2020年土地利用情况预测

利用2010年研究区实际土地利用数据，基于2000-2010年的土地利用类型转换规则，构建CA-Markov模型，对研究区2020年的土地利用情况进行预测模拟，得出2020年的土地利用格局预测图(图3)。

图3 2020年的土地利用格局预测图Fig.3 Land use structure prediction in 2020

对研究区2010-2020的土地利用类型变化规律进行分析(表4)，可看出研究区2010-2020年这10 a土地利用面积转移量很小，耕地面积向草地和水域分别转化了1.97和16.48 km2，而其来源是0.67 km2的未利用土地面积；15.52 km2的林地转化为草地；这10 a研究区草地未向其他类型的土地转移，但有1.97 km2的耕地和15.52 km2的林地面积转为草地；2.46 km2的水域面积转化为未利用土地，且水域的主要来源为16.48 km2的耕地、0.86 km2的城乡、工况、居民用地和 1.36 km2的未利用土地；研究区城乡、工况、居民用地的面积很少一部分转化为耕地、草地和水域；未利用土地向草地转移了12.62 km2的面积，向水域转化了1.36 km2。由图4和图5可明显地看出2010年到2020年各土地利用类型的变化情况很小。

表4 2010-2020年土地利用类型转面积转移 km2Tab.4 The area transition probability of land use from 2010 to 2020

图4 2010年各土地利用类型面积(单位：km2)Fig.4 The area of each land type in 2010

图5 2020年各土地类型所占面积(单位：km2)Fig.5 The area of each land type in 2020

对2020年土地利用变化情况(表5)进行分析，可知：天山西部山区2020年耕地、林地、草地、水域、未利用土地和城市、工矿、居民用地的面积分别为427.38、876.67、6 279.25、811.81、1 120.87、63.43 km2。相对于2010年，草地和水域的利用面积有所增加，分别增加了3.14、20.60 km2；而耕地、林地、未利用土地和城市、工矿、居民用地的面积有所减少，分别减少了12.73、2.88、6.90和1.23 km2。由于所在区域2000年左右水利工程的相继开发，且研究区降水量较丰富，高于多年平均情况，使得水域面积有所增大；且2000年左右国家实行退耕还林、退耕还草的政策初建成效，使得研究区耕地面积有所减少。

表5 2020年土地利用变化动态分析Tab.5 The dynamic analysis of land use change in 2020

4 结 语

为了掌握天山西部山区2020年的土地利用情况，以期更好地进行水文预报等工作，本文利用1990年和2000年的土地利用数据，基于CA-Markov模型预测了2010年的土地利用情况，将2010年实际值与模拟值对比发现CA-Markov模型对研究区土地利用景观格局的模拟较好且精度较高，故对研究区2020年的土地利用情况进行了预测，结果表明：

(1)由于研究区1990-2000年的人类活动较少、工程开发的较少，因此这10 a土地利用类型变化不大且未利用土地在这期间未发生转移。

(2)2000-2010年间由于经济社会的发展，土地利用景观格局发生了一些变化。耕地主要转化为草地和水域，而耕地的主要补充来源是城市、工矿、居民用地。林地主要转化为草地，而来源于草地和水域。城市、工矿、居民用地主要转化为草地和耕地，主要补充来源是耕地。未利用土地主要转化为草地和水域。

(3)经过对比2010年土地利用实际值与模拟值后发现CA-Markov模型在预测方面精度较高且在研究区具有一定的适用性。

(4)2010-2020年间，随着城市化的发展、水利工程的建设及退耕还草，使得草地和水域的利用面积有所增加，分别增加了3.14、20.60 km2；而耕地、林地、未利用土地和城市、工矿、居民用地的面积有所减少，分别减少了12.73、2.88、6.90和1.23 km2。

(5) 2020年研究区土地利用的主要构成部分还是草地用地，面积达6 279.25 km2，占总面积的65.55%。

(6)由于缺乏部分驱动数据，致使在考虑土地利用变化的驱动因子方面还存在不足。

□

[1] 唐华俊，吴文斌，杨 鹏，等．土地利用/土地覆被变化( LUCC) 模型研究进展[J]．地理学报，2009，64(4):456-468．

[2] 孙贤斌，刘红玉，李玉凤，等．基于CA-Markov模型土地利用对景观格局影响辨识[J]．生态与农村环境学报，2009，25(1):1-7,31．

[3] 李秀彬．全球环境变化研究的核心领域-土地利用/土地覆被变化的国际研究动向[J]．地理学报，1996，51(6):553-557．

[4] 郭欢欢，李 波，侯 鹰，等．元胞自动机和多主体模型在土地利用变化模拟中的应用[J]．地理科学进展，2011，30(11):1 336 -1 344．

[5] 魏 伟，石培基，周俊菊． 近20 多年来石羊河流域景观格局演变特征[J]．干旱区资源与环境，2013,27(2):156-161．

[6] Verburg P H, Soepboer W, Veldkamp A, et a1. Modeling the spatial dynamics of regional land use:The CLUE-s Model[J].Environmental Management, 2002,30(3):391-405.

[7] 郭 斌,张 莉,文 雯,等. 基于CA-Markov模型的黄土高原南部地区土地利用动态模拟[J].干旱区资源与环境,2014,28(12):14-18.

[8] Sang L, Zhang C, Yang J, et al. Simulation of land use spatial pattern of towns and villages based on CA-Markov model[J]. Mathematical and Computer Modelling, 2011,54(3):938-943.

[9] 霍明明,张轶莹,陈伟强. 基于CA-Markov的土地利用变化及预测研究——以巩义市鲁庄镇为例[J].中国农学通报, 2015,31(12):279-284.

[10] 杨 俊，解 鹏，席建超，等．基于元胞自动机模型的土地利用变化模拟——以大连经济技术开发区为例[J]. 地理学报,2015,70(3):461-475.

[11] 郑青华,罗格平,朱 磊，等．基于CA_Markov模型的伊犁河三角洲景观格局预测[J]. 应用生态学报,2010,21(4):873-882.

[12] 肖 明,吴季秋,陈秋波，等．基于CA-Markov模型的昌化江流域土地利用动态变化[J]. 农业工程学报,2012,28(10):231-238.

[13] 施雅风,刘潮海,王宗太，等．简明中国冰川目录[M].上海:上海科学普及出版社,2005:41-48.

[14] 李胜强. IDRISI计划与IDRISI地理信息系统[J]. 遥感技术与应用,1994,9(1):62-67.

[15] 布仁仓,胡远满,常 禹，等．景观指数之间的相关分析[J]. 生态学报,2005,10(25):2 764-2 775.

[16] 刘纪远,庄大方,张增祥，等．中国土地利用时空数据平台建设及其支持下的相关研究[J]. 地球信息科学,2002,(3):3-7.

[17] 黎 夏,刘小平.基于案例推理的元胞自动机及大区域城市演变模拟[J].地理学报,2007,62(10):1 097-1 109.