基于CA-Markov模型的大连市旅顺区土地利用变化及预测研究

王耕，王泽

（1.辽宁师范大学城市与环境学院，辽宁大连116029；2.辽宁师范大学海洋经济与可持续发展中心，辽宁大连116029）

基于CA-Markov模型的大连市旅顺区土地利用变化
及预测研究

王耕1，2，王泽1

（1.辽宁师范大学城市与环境学院，辽宁大连116029；2.辽宁师范大学海洋经济与可持续发展中心，辽宁大连116029）

实时监测土地利用及其变化（LUCC）的状况对于经济增长、社会进步、环境保护以及生态文明建设具有重要的意义。本文基于IDRISI软件中的CA-Markov模型，分析了大连市旅顺区1994年－2014年的土地利用变化，同时预测了2024年的土地利用状况。结果表明：旅顺自1994年来，建筑用地面积逐年增加，并主要集中在中南部和西部沿海地区，与此同时，耕地面积也逐年增加，但由原来的西部逐渐演退至北部区域的丘陵地带，林地面积逐步萎缩，面积大幅下降，其主要被开垦为耕地或建筑用地，在本区域中南、西南部，林地大多直接转变为建筑用地或先转变为耕地再转变为建筑用地，而北部则主要转变成了耕地和相对较小的居民点，水域（湖泊、河流）的面积逐年减少，湖泊、水库面积萎缩，随着城镇化的加快和人口数量的不断增加；由于不断地城市用地开发和林地的砍伐以及耕地的弃用等综合因素导致，未利用地减少。总体上，旅顺的土地利用变化由于经济建设的力度不断加大，人工自然景观用地越来越多，生态安全压力不断增大，未来十年间，旅顺土地利用将持续20年来的趋势，但变化速度放缓。

CA-Markov模型；旅顺；土地利用/覆被变化；预测

引言

土地利用/覆被变化（LUCC）研究对资源利用、环境保护和生态安全的评价具有非常重要的意义[1，2]。目前存在多种模型可以对LUCC进行分析和模拟[3]，杨丽桃运用MLP-ANN原理预测了福州城区的土地利用变化[4]，杜云雷基于ANN-Markov-CA对福州城区的用地变化进行了模拟研究[5]，杨俊等基于元胞自动机模型对大连经济技术开发区的土地利用变化进行了模拟[6]。在诸多的预测模型中，Markov模型在土地利用变化的建模已经具有广泛的应用，甚至在区域生态安全时空演变的研究中都已有应用[7]，但传统的Markov模型难以预测空间格局的变化；CA模型拥有有强大的空间预测能力，可以有效地模拟系统的空间变化。因此，将CA与Markov相结合，构建CA-Markov模型，既能运用CA模型对复杂空间系统的模拟能力，又能结合Markov模型的长期预测优势，最终能够提高模拟预测的精确度[8，9]。在GIS平台众多的地理信息系统软件中，IDRISI是唯一一个将GIS和RS完美结合的软件。从1987年开始，IDRISI共开发出了多个版本，本文应用的是2012年1月发布的IDRISI Selva（热带雨林版）。

本文在IDRISI Selva 17.0软件的支持下，运用其中CA-Markov模型中的CA和Markov转移矩阵相结合的模拟方法，对大连市旅顺区20年来土地利用变化过程进行了模拟，并对未来土地利用/覆被变化做出合理预测，为将来该地区城市规划及生态环境和生物多样性的保护提供了重要的参考价值。

1 研究区概况与数据处理

旅顺位于辽东半岛最南端，东西分别濒临黄、渤海，南与胶东半岛隔海相望，北依大连，是扼守进入渤海的重要门户，也是大连市的重要市辖区（图1）。改革开放以来，随着大连市的不断对外开放，旅顺的经济建设取得了飞速发展的巨大成果。但与此同时，大量的建筑用地的开发不断侵占耕地、林地，同时，为了保证耕地面积不至于急剧减少，大量开垦林地为耕地的现象更是比比皆是。本文立足于旅顺特殊的地理位置和经济、社会发展现状，对本地区的土地利用变化情况以及未来作出预测和分析。

本文收集了大连市旅顺区1994年、2004年landsat5遥感影像，以及2014年landsat8遥感影像。运用ENVI5.1对其进行影像进行图像融合、裁剪、拼接，再使用arcGIS10.0对其建立统一的投影坐标系统，完成对三期影像的空间配置。结合遥感影像特点，并参照土地利用现状分类方法，在遥感软件ENVI5.1中，运用监督分类，将研究区的土地利用类型划分为建筑地（包括城镇居民点、工厂仓库、道路等建筑设施）、林地（包括有林地、灌木林地、草地等自然景观）、耕地（包括旱地、水浇地、水田、园地等农用地）、水域（包括河流、湖泊水库以及一部分海岸带）、未利用地（主要指裸地）五个类别（图2）。

图1 研究区位置及范围

2 研究方法

2.1 CA-Markov预测模型原理

2.1.1 Markov转移矩阵原理

Markov过程是指在有限时间序列t1＜t2＜t3＜…＜tn内，任意时刻tm的状态am只与tm-1时刻的状态am-1有关，而与tm-1之前时刻的状态无关[9-12]。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的概率，可用公式（1）对土地利用结构的状态变化进行预测：

式中，S(t)和S(t0)分别为t和t0时刻土地利用结构的状态，Pij为状态转移矩阵，可由式（2）表示：

2.1.2 CA（元胞自动机）模型原理

CA（元胞自动机）由元胞单元、元胞空间、邻域和规则4部分组成，其空间、时间、状态都是离散的，是具有时空计算功能的动力学模型[14]。每个变量都仅有有限多个状态，而且状态改变的规则在时间和空间上均表现为局部特征，中心单元元胞的状态取决于邻域的状态，普通的CA模型可用式（3）表示[15，16]：

式中，S为元胞有限且离散的状态集合；N为元胞的邻域；t为时间；f表示局部空间的元胞转化规则，每个元胞是划分地理空间的最小单元。

2.1.3 CA-Markov模型构建原理

通过CA-Markov模型对土地利用/覆盖变化过程进行预测，具体过程[17]如下：（1）创建转化规则；（2）建造CA滤波器；（3）确定预测的起始时刻和CA循环次数。以2004年和2014年旅顺区土地覆盖类型为起始时刻，CA循环次数均取10，并分别对2014年及未来2024年的土地覆被类型变化进行模拟。

2.2 预测精度检验

运用CA-Markov模型将2014年结果预测出来后，需对其结果进行精度检验。所谓精度检验，包括数量精度的检验和空间精度的检验。目前关于CA-Markov模型的模拟结果精度验证暂无统一的方法，但一般均从数量和位置模拟的正确率来对模型进行评价。Cohen等人在1960年提出用Kappa系数来评价两期图像的一致性[18]，其公式如下：

图2 1994年、2004年及2014年土地利用分类结果

表1 Kappa系数检验精度对照

其中，K0表示模拟正确的比例；KC表示所期望的随机情况的模拟比例；KP表示理想状态下的正确模拟比例，一般取值为1；n1表示准确模拟的栅格数，N表示各土地利用类型的数量。Kappa系数对模拟结果精度的参考意义见表1。

3 结果与分析

3.1 旅顺区土地利用变化分析

1994年-2014年，旅顺区转出的土地类型主要是林地、水域及未利用地。这十年间，旅顺林地面积、水域面积和未利用地面积分别减少了5045.67hm2、126.09 hm2以及67.50 hm2，分别占1994年林地、水域和未利用地的19.80%、8.25%和5.47%；由于其它地类的转入，面积增加的地类是建筑用地和耕地，十年间分别增加了2647.89 hm2和2951.37hm2，分别占1994年建筑用地和耕地的39.27%和24.33%。2004年以后，林地、水域等地类面积的减少趋势更加严峻。十年间，林地减少了22.29%，而水域的减少面积更是达到了2004年水平的38.86%之多；同时，建筑用地和耕地进一步增加，但耕地面积增幅放缓，十年间仅增加了10.04%，但建筑用地增幅显著增大，达到了53.47%，即十年间建筑用地面积增加了一倍之多（见图3）。

3.2 旅顺区土地利用预测分析

3.2.1 预测过程与精度检验

本文首先运用CA-Markov模型对旅顺区2014年的土地利用状态进行了模拟预测，以便检验模型构建的合理性与科学性。运用1994年和2004年土地利用类型图计算出这十年间旅顺各地类的Markov面积转移概率矩阵，如表2。

从表中可以看出，各地类之间的概率转换在这十年间相当频繁，尤其是水域、耕地、未利用地向建筑用地的转换最为明显。这也与前文分析相一致。

再综合CA-Markov模块，计算各元胞之间的转换，得到2014年的模拟结果，如图4。

图3 旅顺区1994年-2014年土地利用类型变化值及占比

表2 旅顺区1994年-2004年土地利用类型转移概率矩阵

图4 2014年土地模拟及实际利用情况

通过对比观察2014年的模拟预测结果与2014年的实际情况，可以看出模拟结果与实际的土地利用情况存在一定差别。传统的Kappa系数可以简单判断出模拟结果与实际情况在数量上的误差大小，IDRISI Selva 17.0提供了更加精确的验证方式，可对模拟结果进行数量和位置错误的定量分析，包括标准Kappa（KStandard）、随机Kappa（KNO）、位置Kappa（KLocation）以及层位Kappa（KLocationStrata）。本预测验证结果分别为KStandard=0.6809、KNO=0.7537、KLocation=0.7769、KLocationStrata=0.7769，均基本达到了可信的模拟精度。

3.2.2 预测结果与分析

运用IDRISI Selva 17.0软件中的Markov模块计算出2004年-2014年旅顺区的土地利用类型转移概率矩阵，如表3。

综合CA-Markov模块，得到最终结果，即2024年旅顺区土地利用预测图，如图5。

结合图5中结果以及图2、图4的对比分析，可以看出：旅顺近二十年来以及未来十年内的土地利用开发强度较大，主要表现为建筑用地和耕地等人为影响较大的用地类面积逐年增加，而水域、林地等天然地类面积则相对一直减少；建筑用地逐年蚕食耕地和林地，主要向东南侧蔓延发展，而耕地则进一步占据了大量的天然林地面积，有向北部低山丘陵区域拓展的趋势，从而使林地面积一再缩水；天然的林地一再减少，致使曾经大面积的连成一片的自然保护区和野生动物保护区都被割裂为一个个独立存在的生态孤岛，严重威胁着当地野生动物的繁衍生存以及生物多样性的保持。

自1994年以来，研究区建筑用地面积逐年增加，平均每十年间增加约5000公顷，并于预测的2024年超过所有用地的比例，成为旅顺最大的用地类型。与此同时，同样因为不断开垦而扩大面积的耕地也逐年增加，平均每十年间增加约2000公顷-3000公顷。在人为影响较大和开发的建筑用地和耕地不断增加的情况下，其它地类的面积无疑会逐渐减少，尤其是林地的面积。截止到2014年，林地面积共减少了近10000公顷，大量林地被开垦为耕地或建筑用地（图6，b）。然而，在2004年以来的近十年来看，建筑用地和耕地面积的增幅有所降低，同时林地的退化也有减退的趋势，符合21世纪以来所提出的可持续发展和生态环境保护的概念和政策要求。

由以上分析结果可以看到，在经济快速发展的同时，必然伴随着城市化步伐的加快。与此同时，对我国来讲原本就弥足珍贵的耕地资源、林地资源以及其它生态用地资源就显得更加捉襟见肘。在城市发展和未来规划的过程中，应更注重人与生态环境的和谐发展。本研究结果可为土地部门地资源规划与合理利用提供科学依据。

表3 旅顺区2004年-2014年土地利用类型转移概率矩阵

图5 2024年土地利用模拟结果

图61994 -2024年各地类面积以及建筑用地、林地、耕地变化趋势

4 结论

通过对以上结果的分析研究，可得出如下结论。

4.1 旅顺区自1994年来，建筑用地面积逐年增加，并主要集中在中南部和西部沿海地区；同时，耕地面积也逐年增加，但由原来的西部逐渐演退至北部；林地面积逐步萎缩，面积大幅下降，主要被开垦为耕地或建筑用地，在中南、西南部，林地大多直接转变为建筑用地或先转变为耕地再转变为建筑用地，北部则主要转变成了耕地和相对较小的居民点；水域（湖泊、河流）的面积逐年减少，湖泊、水库面积萎缩；而未利用地的增加逐渐减少，则是由于不断地城市用地开发和林地的砍伐以及耕地的弃用等综合因素导致，但面积始终不大，且逐渐减少，提高了土地利用效率。

4.2 旅顺区在区域生态建设中更应保护并合理利用土地资源。首先，控制建筑用地的开发强度，提高城镇化的土地利用效率；同时，控制耕地面积，使之既不影响国家保证耕地红线18亿亩的国策，又不过度开垦；其次，严格控制林地的采伐与开垦，建立各自然保护区之间的生态廊道，使各野生动植物能够安全的迁移与繁衍，保证自然林地的合理保有量；最后，合理使用和利用现有的水源，降低湖泊、河流的萎缩速度，维持快速、高效城镇化的同时，保证生态环境的和谐发展。

4.3 CA-Markov模型对于预测土地利用的变化具有较高的准确性和合理性，相较单纯的Markov链预测或CA预测更加科学。本研究应用相对较为先进的预测手段，结合较新的实时影像数据，得出了以上结果，更具有前瞻性和科学合理性。

[1]Foley J A,DeFries R,Asner G P,Barford C,Bonan G, CArpenter S R,Chapin F S,Coe M T,Daily G C,Gibbs H K, Helkowski J H,HollowayT,Howard E A,Kucharik C J,Monfreda C, Patz JA,PrenticeIC,Ramankutty NSnydePK.Global consequences of land use.Science,2005(309):570-574.

[2]王耕，苏柏灵，王嘉丽，朱正如.基于GIS的沿海地区生态安全时空测度与演变研究—以大连市瓦房店为例[J].生态学报，2015，35（3）：670-677.

[3]李志，刘文兆，郑粉莉.基于CA-Markov模型的黄土塬区黑河流域土地利用变化[J].农业工程学报，2010，26（1）：346-352.

[4]杨丽桃.福州城区土地利用变化LCM模型构建与模拟[D].福州：福建农林大学，2012.

[5]杜云雷.基于Ann-Markov-CA的福州城市用地变化建模与模拟研究[D].福州：福建农林大学，2013.

[6]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 03009.

[7]王耕，王嘉丽，龚丽妍，苏柏灵，刘秋波.基于GIS-Markov区域生态安全时空演变研究—以大连市甘井子区为例[J].地理科学，2013，33（8）：957-964.

[8]王友生，余新晓，贺康宁，等.基于CA-Markov模型的藉河流域土地利用变化动态模拟[J].农业工程学报，2011，27（12）：330-336.

[9]胡雪丽，徐凌，张树深.基于CA-Markov模型和多目标优化的大连市土地利用格局[J].应用生态学报，2013：06-1652-09.

[10]于涛，沈浩，仲嘉亮.基于CA-Markov模型的新疆克州土地利用动态模拟研究[J].新疆环境保护，2008，30（1）：11-14.

[11]FitzpatrickM,SmithK,BelousekDW,etal.Thequantum cellularautomaton as aMarkov process[J].Solitons&Frac-tals,1999, 10(8):1375-1386.

[12]杨国清，刘耀林，吴志峰.基于CA-Markov模型的土地利用格局变化研究[J].武汉大学学报：信息科学版，2007，32（5）：414-418.

[13]孙艳楠.扎龙湿地时空格局演变的细胞自动机模型研究[D].大连：大连理工大学，2007.

[14]汪佳莉，吴国平，范庆亚，崔敬涛.基于CA-Markov模型的山东省临沂市土地利用格局变化研究及预测[J].水土保持研究，2015：01-0212-05.

[15]黎夏，叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究，2005，24（1）：19-26.

[16]赵睿，塔西甫拉提·特依拜，丁建丽，等.基于神经网络的元胞自动机支持下的干旱区LUCC模拟研究：以新疆于田绿洲为例[J].水土保持研究，2007，4（1）：151-154.

[17]赵建军，张洪岩，乔志和，张正祥，侯光雷.基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究[J].自然资源学报，2009：12-2178-09.

[18]刘淼，胡远慢，常禹，等.土地利用模型时间尺度预测能力分析—以CLUE-S模型为例[J].生态学报，2009，29（11）：6110-6119．

Land use change and prediction research in Lushun,Dalian City based on CA-Markov model

WANG Geng et al
(College of Urban and Environment science,Liaoning Normal University,Dalian 116029,China)

Monitoring changes in land use and its status in real time,andpredictingthetrendforeconomicgrowth,social progress,environmental protection and construction of ecologcal civilization is of important significance.We use CA-Markov model analysis of land use change in Lushun District,Dalian City 1994-2014 and 2024 are predicted years of land use,the results showed:Port Arthur since 1994,building area is increasing, mainly concentrated in the southern and western coastal areas. Meanwhile,the cultivated area has increased,but gradually played back from the West to the foothills of the northern region.Forest area gradually shrunk in size,area fell sharply,the main being cleared for farmland or building sites,in this region in the South, the Southwest,forest land most directly into building land or converted for cultivation and then converted to building land, whiletheNorthismainlytransformedintoarablelandand relatively small population centres.Waters(Lakes,rivers)area decreased,shrinking Lakes,reservoirs,with the acceleration of urbanizationandincreasingpopulation,thisphenomenonwill continue to maintain and may deteriorate further.Do not use reduction,it is due to land development and forest logging as well as land disCArded factors lead,but the area has always been small and gradually reduce,improve the efficiency of land use. On the whole,Port Arthur land use changes due to economic construction has intensified,artificial landsCApes and more and more,increasing pressure on ecologiCAl security,over the next deCAde,Lushun trends in land use will continue for 20 years, but slower.

CA-Markov;Lvshun; Land use and land cover change;Predict

F301.24

A

王耕（1973-），女，辽宁沈阳人，博士，教授，主要从事生态安全与环境风险评价研究。

（2016-09-20收稿刘晓佳编辑）

1003-7853（2016）05-0010-06

教育部共建人文社会科学重点研究基地项目（15JJD790039）