基于MODIS北江流域土地覆盖变化研究及CA-Markov预测1

黎明王云鹏

（1、中国科学院广州地球化学研究所，广州 510640）（2、中国科学院大学，北京 100049）

基于MODIS北江流域土地覆盖变化研究及CA-Markov预测1

黎明1,2王云鹏1

（1、中国科学院广州地球化学研究所，广州 510640）（2、中国科学院大学，北京 100049）

基于2001、2005年两期MODIS土地覆盖产品，研究北江流域土地覆盖分布、变化与空间特征，结果表明北江流域以林地、草地和耕地为主，2001-2005年林地和耕地面积增加，草地和水域面积减小，城镇面积保持稳定；“草地→林地”、“草地→耕地”、“林地→草地”为三种主要变化类型。使用CA-Markov模型对2013年流域土地覆盖进行预测，模拟结果与实际变化趋势基本一致，但变化率普遍偏小，空间聚集效应明显。按此趋势进一步对2020年北江流域土地覆盖进行了预测，为流域管理提供了数据支持。

北江流域；土地覆盖变化；马尔科夫；元胞自动机

1、引言

土地利用和覆盖变化（Land Use and Cover Change，LUCC）对流域水文循环、生态环境有重要影响[1]，北江流域分布 在粤北地区，为广州的重要水源地，其生态环境也较为脆弱，在承接珠三角地区产业转移时，必然会对土地覆盖，水量水质等也会带来较大影响。从流域尺度研究土地覆盖变化对北江水资源和生态环境保护具有重要意义。土地覆盖变化受到自然和社会等多种因素的共同影响，其形成过程及机理复杂，对其进行模型研究可为土地利用规划提供更为可靠的依据[2]。本文使用长时间序列的MOIDIS土地覆盖产品，探索北江流域土地覆盖变化特征，并使用CA-Markov模型预测北江流域土地覆盖分布，期望为流域管理提供精确的数据支持

2 研究区

北江是珠江第二大支流，发源于江西省信丰县石碣大茅山，上游称浈水，与发源于湖南省临武县的武水在广东省韶关市汇合后称为北江，随后自北向南流经英德市、清远市，在三水市思贤窖与西江部分连通，后流入珠三角河网区，三水水文站为北江流域的控制站。北江干流全长468 km，流域面积46 710 km2，整个流域为扇形，地形北高南低。北江流域属于亚热带季风性气候，年均降雨量约为1800mm[3]。北江的主要支流有武江、锦江、浈江、白水、连江、滃江、滨江和绥江。图1为北江流域及水系分布图。工作区水污染程度分布图。

3 数据及方法

3.1 土地覆盖数据

本次研究使用的土地覆盖数据为MODIS全球土地覆盖产品MCD12Q1，由陆地研究小组于2008年研制，使用了Aqua和Terra两颗卫星的数据，最早的数据始于2001年，时间分辨率为一年，空间分辨率为500m[4]。此次研究使用IGBP的分类，采用监督分类算法，包括全年的MODIS的8天合成观测数据产品。经过刘向培[5]、吴文斌[6]等的研究，在中国境内，MODIS全球土地覆盖产品总体精度较高，达到61.9%，对于大尺度土地覆盖研究具有适用性[7]；且MODIS的土地覆盖产品有较好的时间连续性，可进行长时间序列分析。在此次研究中使用了2001、2005及2013年的3幅图像产品。考虑到尺度，对土地覆盖类型进行了重新分类，最终分为水域、林地、草地、耕地和城镇五类。

3.2 CA-Markov模型

Markov模型是以马尔科夫过程理论为基础的统计预测模型，其特点是无后效性，即一个随机过程在t+1时刻的状态只与t时刻有关，而与t之前时刻的状态无关，土地覆盖变化过程也符合这一特点[8]。元胞自动机（Cellular Automata，CA）是一种时间、空间、状态都离散的动力学模型，每个元胞有有限个状态，t时刻元胞自身及其领域元胞的状态决定了t+1时刻元胞自身的状态，模拟的基础在于反复计算简单的运算法则，使之发展成为复杂的模型，并可以解释自然界中的现象。

1948年，Von Neumann首次提出了元胞自动机（Cellular Automata，CA），CA最初应用于生物繁殖、晶体生长等动态复杂的生物和物理过程。Tobler[9]首次采用CA模拟了美国底特律的城市变化。他提出了元胞状态由根据一致的局部规则的邻域元胞状态组成的集合决定，这是CA首次应用于地理学研究。美国加州大学（圣巴巴拉分校）地理系Helen Couclelis[10-13]开创性地研究了如何应用CA动态模拟城市变化趋势，为CA应用于地理学研究奠定了理论基础。CA根据简单的局部转换规则，但在进行多次迭代运算之后，即可以模拟复杂的空间结构[14]。CA的核心在于转换规则的制定，使用马尔科夫（Markov）模型可以制定转换规则。徐岚等[15]在国内利用Markov模型预测了沈阳东陵区土地利用的变化，杜际增等[16]对长江源区土地覆盖使用Markov模型进行预测，均取得了满意的效果。但Markov模型只能从数量上对土地覆盖类型进行预测，无法模拟空间分布，因此使用Markov模型提取转化规则应用于CA模型，既具Markov模型的长时间预测优势，又可模拟空间变化[17]。

本次研究使用IDRISI软件（试用版），其操作流程如下：(1)以2001年为预测的开始时间，根据2001和2005年土地覆盖数据计算出状态转移矩阵；(2)根据状态转移矩阵预测2005-2013年需要进行多少土地覆盖类型之间的转换，并且根据状态转移矩阵对每种土地覆盖类型制作适宜性图。(3)选择5×5摩尔型滤波器。(4)开始模拟，其中模拟循环次数以年为单位，间隔几年即设置循环几次。

4 北江流域2001-2005年土地覆盖变化

4.1 土地覆盖数量变化

从图4.1可看出，北江流域土地覆盖主要由林地、草地、耕地三大类组成，三者可占总面积的94%以上；其中林地面积最大，接近流域总面积的一半；水域和城镇占北江流域面积比例较小。

表4.1 2001-2005年北江流域土地覆盖变化量

本文使用土地覆盖类型动态度[18]来评价各土地覆盖类型变化强度。从表4.1可看出，从2001-2005年间，水域和草地的面积处在减小趋势，其中水域的面积减速较大；草地面积的减速维持在较小且平缓的速度。林地和耕地的面积在研究时段内呈现增长的趋势，林地的增速较为平缓，耕地面积有较大幅的增长。城镇面积在2001-2013年间一直维持在较稳定的状态。

表4.2 2001-2005年北江流域土地覆盖变化转移矩阵（单位：平方公里/km2）

表4.2为2001年的土地覆盖类型转矩阵。从类型变化的角度分析，2001-2005年间，5种土地覆盖类型流失面积由大到小依次为：草地＞林地＞耕地＞水域＞城镇。草地的主要流失方向是林地和耕地，分别占总流向的24.17%和23.84%；林地的主要流失方向为草地，占14.48%；耕地主要流失为草地和林地，分别占33.46%和12.05%；水域的主要流失为林地和草地，分别占44.74%和41.29%；城镇用地流失很少，可忽略。草地主要转入类型为水域，林地和耕地的主要转入类型都为草地，水域主要由林地转入。

从变化类型分析，2001-2005年间总共发生了19种类型的土地变化，其中有3种面积大于2000km2的变化，依次为“草地→林地”＞“草地→耕地”＞“林地→草地”；还有6种变化面积介于200km2-2000km2，依次为“耕地→草地”＞“水域→林地”＞“水域→草地”＞“耕地→林地”＞“林地→耕地”＞“林地→水域”；剩余的10种变化类型面积占总变化面积的2.25%。

4.2 土地覆盖空间变化

4.2.1 2001-2005年北江流域土地覆盖

可以发现：水域主要分布与北江各干流和支流一致。林地为北江流域的主要土地覆盖类型，2001年林地分布较为分散，离散斑块较多，至2005年后逐渐聚集。草地主要分布在北江流域的中部和西北部，即武江上游、白水和连江，如湖南省的宜章和临武县，韶关市西北部地区和耕地周围地区，清远市的连州、阳山。从2001-2013年，草地分布逐渐集中，斑块性减弱。耕地分布在城镇的周围，多分布在北江流域的东部，即武江下游、浈江中上游、滃江和北江流域出口，如韶关市的南雄、始兴、翁源、曲江、乳源，清远市的英德。流域西南部，肇庆市的怀集县耕地逐渐增加。耕地多成片分布。城镇多为小块状区域，因为分辨率为500m，所以较小的居民点难以识别，且分布在水域附近。

4.2.2 2001-2005年北江流域土地覆盖变化空间格局

水域，水域的变化多集中在水系附近。水域的转出面积较大，主要在锦江、浈江、滃江流域和英德市区周围地区。林地，林地的转出在空间分布上比较分散，多为离散的小斑块，以“林地→草地”为主；韶关市东部地区林地转出面积较少；林地多为草地转入导致总面积增长。草地，转出流向主要为耕地和林地，“草地→林地”在整个流域呈随机分布状态，无明显聚集现象，“草地→耕地”多发生原耕地较多的地区；草地转入面积多由林地转入。耕地，转出流向主要为林地和草地；“耕地→林地”在整个流域呈随机分布状态，无明显聚集现象，“耕地→草地”在连江流域、武江上游流域和韶关市区周围分布密度较大。耕地转入面积类型多为草地。城镇用地基本处于稳定的状态。

5 基于CA-Markov的2013年土地覆盖预测

5.1 2013年土地覆盖预测结果及验证

表5.1 误差矩阵（单位：个）

图5.1和图5.2为预测2013年北江流域土地覆盖图与实际图像，经过计算，预测图像与实际图像间的kappa系数为56.78%，总体预测精度为74.18%，城镇的预测精度最好，林地次之；水域的预测精度最差。

表5.2 预测结果动态度验证

从表5.2可看出，水域的面积误差比较大，耕地次之；林地、草地和城镇误差比均在±10%之内。各土地类型的变化趋势与预测趋势除耕地外基本一致，耕地在2005-2013年期间面积减少，但预测却是增加趋势，这是因为2001-2005年耕地面积增加，因此Markov模型计算时也认为2005-2013应是增加趋势。水域、林地和草地的预测变化幅度小于实际变化幅度；城镇面积保持稳定并有微幅增长。从图5.1与5.2的对比可看出，预测的2013土地覆盖比真实土地覆盖的聚集效应更加显著，但其主要的分布地区保持一致。本次实验结果的评价指标与赵冠伟等（2011）的研究结果基本一致，说明MCD12Q1的土地覆盖产品在大尺度地区的土地覆盖研究中具有适用性，可使用CA-Markov模型预测更长时间之后的土地覆盖分布。

5.2 2020年土地覆盖预测结果

表5.3 2020年北江流域土地覆盖预测面积

图5.3为按现有演化趋势对2020年北江流域土地覆盖的预测分布，可以看出，各类型的土地覆盖分布聚集效应更加明显。各类型的土地覆盖面积变化趋势与5.1节中2005-预测2013年的变化趋势一致，林地和耕地占比增加，草地、水域面积减小，城镇面积总量保持稳定并有微幅增加。

5.3 误差与不确定性分析

上文提及，MCD12Q1在中国境内的分类精度为61.9%，这在一定程度上限制了CA-Markov模型的预测精度；MCD12Q1的分辨率为500m，满足大中尺度研究区的要求，但对于小尺度区域而言，400m为元胞模拟的极限值[19]，元胞在应用于大尺度区域时极限值可以适当提高[8]；本次模拟试验中，采用根据土地状态转移矩阵默认生成的土地变化适宜性图集，并未添加自然条件、政策指导等限制因素，若能更明确的添加这些限制性条件可更有方向性的约束土地覆盖变化，但对于大尺度地区而言，政策和人为因素因受各个行政区政策的不同而有所差异，这些都提高了分析土地覆盖类型变化的难度。

6 结论

北江流域土地覆盖主要由林地、草地、耕地三大类组成，其中林地面积最大。水域主要沿河流分布；草地则多分布在北江流域西北部及中部，如武江上游、白水和连江流域；耕地多在北江流域东部，浈江上游，滃江流域和北江流域下游出口附近。

林地从处于增长的状态，主要由草地变化而来；水域和草地面积逐年减小，水域主要流失为林地和草地，草地主要流失为林地和耕地；耕地面积呈现小幅波动；城镇面积一直处于相对稳定的状态。2001-2005年间，林地、草地和耕地分布都发生聚集现象，斑块逐渐减少。

使用CA-Markov模型预测2013年北江流域土地覆盖的数量和空间分布，各土地覆盖类型的变化趋势与实际基本保持一致，林地和耕地占比增加，草地、水域面积减小，城镇面积总量保持稳定并有微幅增加。预测2013年的土地覆盖分布总体精度达到74.18%，kappa系数为56.78%，评价结果表明本次研究使用的数据及方法可应用于大中尺度区域的土地覆盖研究；其中，城镇模拟精度较高，林地次之，水域模拟精度较差。按现有演化趋势对2020年北江流域土地覆盖进行了预测，各类型演化趋势基本一致，土地覆盖分布聚集效应更加明显。该预测可为北江流域管理提供数据支持。

[1]田光进，邬建国．基于智能体模型的土地利用动态模拟研究进展[J]．生态学报，2008，28（9）：4451-4459．

[2]周增荣．九江流域土地利用/覆盖变化及其水质效应模拟分析[D]．泉州：华侨大学，2012．

[3]王亚雄，黄淑娴，刘祖发等．变化环境下北江下游年净流量的加权马尔科夫链预测[J]．生态环境学报，2011，20（4）：754-760．

[4]孙娜．珠三角地区可吸入颗粒物的遥感监测及其与下垫面的相关性分析[D]．北京：中国地质大学（北京），2013．

[5]刘向培，王汉杰、何明元等．三种土地覆盖遥感数据在中国区域的精度分析[J]．农业工程学报，2012，28（24）：252-259．

[6]吴文斌，杨鹏，张莉等．四类全球土地覆盖数据在中国区域的精度评价[J]．农业工程学报，2009，25（12）：167-173．

[7]曹明，张友静，郑淑倩等．MODIS土地覆盖数据产品精度分析-以黄河源区为例[J]．遥感信息，2012，27（4）：22-27．

[8]侯西勇，常斌，于信芳．基于CA-Markov的河西走廊土地利用变化研究[J]．农业工程学报，2004，20（5）：286-291．

[9]Tobler W R． Cellular Geography，Philosophy in Geography [M]．Amsterdam，Netherlands：Reidel1979．

[10]Couclelis H． Cellular Worlds: A Framework for Modeling Micro-Macro Dynamics [J]．Environment and Planning A，1985，17：585-596．

[11]Couclelis H． Of mice and men：What rodent populations can teach us about complex spatial dynamics [J]． Environment and Planning A，1988，20：99-109．

[12]Couclelis H． Macrostructure and micro behavior in a metropolitan area [J]． Environment and Planning B：Planning and Design，1989，16：141-154．

[13]Couclelis H． From cellular automata to urban models: new principles for model development and implementation [J]． Environment and Planning B，1997，24：165-174．

[14]黎夏，叶嘉安．基于神经网络的单元自动机CA及真实和优化的城市模拟[J]．地理学报，2002，57（2）：159-166．

[15]徐岚，赵羿．利用马尔科夫过程预测东陵区土地利用格局的变化[J]．应用生态学报，1997，4（3）：272-277．

[16]杜际增，王根绪，李元寿．基于马尔科夫链模型的长江源区土地覆盖格局变化特征[J]．2015，34（1）：195-203．

[17]井梅秀，李晶．基于CA-Markov模型的关中-天水经济区土地利用变化动态模拟[J]．2013，41（1）：99-103．

[18]朱会义，李秀彬．关于区域土地利用变化指数模型方法的讨论[J]．地理学报，2003，58（5）：643-650．

[19]赵冠伟，陈颖彪，陈建飞等．CA-Markov模型的空间尺度敏感性研究[J]．2011，31（8）：897-902．

黎明(1990- )，男，2012年毕业于安徽师范大学，硕士研究生，主要从事环境遥感与GIS研究。