基于MCE-CA-Markov的三峡库区土地利用演变模拟及预测

张晓娟，周启刚,,，王兆林，王福海



基于MCE-CA-Markov的三峡库区土地利用演变模拟及预测

张晓娟1，周启刚1,2,3※，王兆林2，王福海3

（1. 重庆工商大学环境与资源学院，重庆 400067；2. 重庆工商大学旅游与国土资源学院，重庆 400067；3. 重庆工商大学融智学院，重庆 400055）

为深入研究三峡库区蓄水以来土地利用演变规律及驱动机制，该研究以库区2000、2007及2014年的Landsat TM遥感影像作为数据源，在运用ARCGIS10.1对库区土地利用现状进行分析的基础上；基于多标准评价（multi-criteria evaluation, MCE）的元胞自动机和马尔可夫链（CA-Markov）模拟库区自组织的土地利用演变；并利用多时相的遥感分类图像检验MCE-CA-Markov的模拟精度，经检验，其Kappa系数达到0.971 2；利用检验过的土地利用演变限制条件及因子组合来对库区2028年土地利用进行预测。研究结果表明：运用MCE-CA-Markov模拟土地利用演变规律是可行的；在2000­­—2014年间，库区土地利用变化图谱面积由大到小排序为稳定变化型>后期变化型>前期变化型>反复变化型>持续变化型；模拟得到库区2014年土地利用格局与解译的土地利用格局一致，相对精度达到84.48%；预测到2028年时，库区耕地、林地及草地继续减少，水域、建设用地及未利用地持续增加，预测结果表明三峡库区土地利用变化十分活跃，生态环境恢复和重建的压力很大。因此，迫切需要加强三峡库区耕地、林地和草地的保护，控制和阻止盲目开垦耕地的行为，促进库区生态环境的保护和改善。研究结果以期为三峡库区土地利用规划、城市建设以及生态环境修复提供理论支撑。

土地利用；演变；模拟；MCE-CA-Markov；三峡库区

0 引 言

自1995年国际地圈-生物圈计划（International Geosphere- Biosphere Program，IGBP）和国际全球环境变化人文因素计划（International Human Dimensions Programme on Global Environmental Change，IHDP）联合提出“土地利用/覆盖计划”（land use/cover change）研究计划以来，土地利用/覆盖变化便成为国内外学者所研究的热点问题之一[1-3]。部分学者也逐渐意识到土地利用变化会对生态、社会及经济发展产生直接或间接的影响，进而影响区域乃至全球的可持续发展[4-5]。因此，土地利用动态变化研究是全球和区域环境变化的重要课题。

近年来学者主要利用系统动力学[6-7]、人工神经网络（artificial neural network，ANN）[8-10]、CLUE-S[11–13]、SLEUTH[14-15]以及元胞自动机—马尔可夫链（CA- Markov）[16-18]等模型进行土地利用演变模拟研究。系统动力学模型是基于控制论、信息论和系统论分析土地利用变化的驱动因素，目前系统动力学仿真软件STELLA还没完全与GIS的空间分析功能结合起来实行土地利用变化模拟，没有发挥到其强大的动力学系统作用；神经网络是通过输入层输入因子，经隐藏层函数处理后传递给输出层实现土地利用动态变化模拟的过程，神经网络模拟土地利用变化需要很长的模拟时间，且无法向用户反映具体的演变公式；CLUE-S模型具有很强的时空动态模拟的能力[19]，但模型中参数ELAS的设置主要依靠专家知识，科学性不强；SLEUTH模型主要针对非城市用地类型到城市用地类型的模拟[20]，不适用于模拟多种土地利用类型的演变；CA-Markov模型以土地利用转移概率矩阵与土地利用变化适宜性图集为基础，预测未来土地利用的变化趋势，该模型通过发挥CA模拟复杂系统的空间变化能力和Markov的长期预测优势，既可以有效地模拟其空间变化，又可以提高土地利用类型转化的预测精度，克服了传统土地演变模拟模型存在的不足，如龚文峰等[21]，王友生等[22]利用CA-Markov模型分别对哈尔滨市、籍河流域土地利用变化进行模拟，前者随机采样检验模拟精度达到85.54%，后者Kappa精度达到0.951 5，取得较好的模拟效果。目前，学者常用CA-Markov模型来模拟和预测土地利用演变，且取得了较好的模拟效果，但针对长江流域土地利用演变的研究却很少。为系统地模拟三峡库区土地利用演变规律，找出引起库区土地利用变化的驱动因子，本文通过总结前人的研究成果，在进行三峡库区土地利用变化模式图谱分析之后，选择基于多标准评价（multi-criteria evaluation，MCE）的元胞自动机和马尔可夫链（CA-Markov）模拟及预测三峡库区土地利用动态变化，在一定程度上可以解决库区土地利用的非线性运动及复杂性特征。

三峡库区地形以山地、丘陵为主，受三峡水利工程影响，库区水土流失严重，森林覆盖率低，自然生态环境比较脆弱。同时，三峡库区作为中国重要的电力供应基地和内河航运干线地区，是长江上游经济带的重要组成部分。随着城市化进程的加快，库区个别区域过于片面追求经济效益而忽视了对土地的合理利用，导致三峡库区土地利用系统遭受到了极大的冲击和损毁，人地关系十分紧张。作为中国长江上游与中下游之间的经济联系纽带，三峡库区的土地利用质量直接关系到三峡工程的综合效益和长江中下游的生态安全，加强三峡库区土地利用变化的研究，己成为当前解决库区诸多土地生态环境问题的迫切需要[23]。

基于以上分析，本文以三峡库区2000、2007及2014年的Landsat TM遥感影像作为数据源，运用ARCGIS10.1对库区土地利用格局进行分析；选择基于布尔运算的MCE-CA-Markov模拟和预测三峡库区土地利用动态变化；并以土地利用转移概率矩阵结合训练出的土地利用适宜性图集预测2028年的三峡库区土地利用。研究结果以期为三峡库区土地利用规划、城市建设以及生态环境修复提供理论支撑。

1 研究区域概况

三峡库区是由于长江三峡水利工程修建而形成的独特地理单元，位于中国西南部，地处106°20¢～110°30¢E与28°32¢～31°50¢N的长江上游下段，西起重庆江津，东至湖北宜昌，包括受回水影响的重庆市22个区(县)和湖北省4个区(县)。到2014年，库区土地总面积约为5.74万km2，其土地资源利用呈现出以下特点：1）耕地及林地比例较大，占土地总面积的91.92%，面积分别为21 460.48和31 296.55 km2；2）草地、水域与建设用地占比相当，所占面积分别为1 397.90、1 516.26和1 702.59 km2，占比分别为2.44%、2.64%与2.97%；3）未利用地比例很小，只占0.03%，面积为16.95 km2。三峡库区地处中国中西部结合地带，是长江上游与中下游之间的经济联系纽带，同时三峡库区是中国重要的电力供应基地和内河航运干线地区，因此选择三峡库区作为土地利用演变模拟的研究区具有一定的典型性；此外由于三峡库区面积巨大，所涉及的居民以及移民数量较大，同时近年来由三峡工程引发的土地利用问题日益突出，因此对库区土地利用演变进行模拟研究具有一定代表性。研究结果可为三峡库区土地利用规划、城市建设以及生态环境修复提供理论支撑。

图1 研究区概况图

2 数据源及研究方法

2.1 数据来源及预处理

2.1.1 数据来源

本研究以三峡库区2000、2007和2014年美国NASA陆地卫星（landsat）搭载的TM传感器所拍摄的1∶100 000遥感影像数据以及1∶500 00DEM数据作为数据源。所有影像数据采用ALBERS投影，中央经线为110°E，双标准纬线分别为25°N和47°N。其中TM影像数据第1、2、3、4、5、7波段的空间分辨率均为30 m，第6波段的为120 m，DEM数据分辨率为90 m。

2.1.2 数据预处理

由于采集到的数据会受到太阳高度角、太阳天顶角、气候状况、地形地貌以及影像传感器的影响而引起遥感影像失真，在使用数据前须对数据进行预处理。首先在ERDAS9.1中对遥感影像数据进行大气矫正、辐射矫正、几何矫正和镶嵌处理等预处理，然后对2000、2007及2014年3期影像进行4、3、2波段组合，使用人机交互的解译方法对库区3期影像进行解译以获取土地利用数据，经验证，解译精度达到95%以上，在误差允许范围内，数据可用。基于ARCGIS10.1中空间分析功能，利用DEM数据提取库区坡度数据。

2.2 研究方法

2.2.1 土地利用转移矩阵

土地利用转移矩阵是研究区域在某一时期期初与期末各土地利用类型之间的转换关系，使用土地利用转移矩阵能够对土地利用在数量上的分布特征以及各地类相互转化的流向等进行追踪研究[24]。其表达式为

式中表示土地利用类型的面积，表示土地利用类型，表示研究期初土地利用类型，表示研究期末土地利用类型。

2.2.2 土地利用变化模式图谱

土地利用图谱是指各研究期内土地利用变化的空间-属性-过程一体化数据，土地利用图谱单元是研究土地利用“格局与过程”时空动态变化的基本时空复合体信息单元[25]。参考文献[21,26]，结合三峡库区实际情况，使用1、2、3、4、5和6对耕地、林地、草地、水域、建设用地和未利用地分别编码。将库区土地利用变化模式图谱统计为：1）稳定变化型图谱，研究前期和后期地类均未发生变化，如1-1-1模式；2）后期变化型图谱，用地类型在前期未发生变化，在后期发生了变化，如1-1-2模式；3）前期变化型图谱，地类只在前期发生变化，而在后期未发生变化，如1-2-2模式；4）反复变化型图谱，地类在前期发生变化，在后期又变为最初时的地类，如1-2-1模式；5）持续变化型图谱，研究前期和后期用地类型均发生了变化，如1-2-3模式。在此基础上，通过对编码后的图斑进行融合，将融合后的土地利用变化模式栅格与图谱模式对应比较进而得到土地利用变化模式图谱。具体公式为

式中、、分别表示研究期初、期中与期末土地利用图谱栅格属性；表示研究期内土地利用变化图谱栅格属性。

2.2.3 元胞自动机（cellular automaton）

元胞自动机（cellular automaton，CA）是一种时间和空间上都离散的动力系统[27]，元胞是构成系统的基本单元，一个元胞在+1时刻的状态依赖于自身及“相邻”元胞在时刻的状态。利用元胞局部的转化规则，可以模拟出复杂的土地利用复杂演变。其表达式为：

式中和1为元胞所处的前后时刻；为元胞的状态集合；为元胞转化规则；为元胞邻域。

2.2.4 马尔科夫（Markov）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一种方法，常用于具有无后效性特征地理事件的预测[28]。土地利用演变具有马尔科夫过程的性质，土地利用类型对应Markov过程中的“可能状态”，而土地利用类型之间相互转换的面积或比例即为状态转移概率，表达式为：

式中P为状态转移概率矩阵。

2.2.5 CA-Markov模型

研究采用集成的CA-Markov模块，模拟三峡库区2014年的土地利用变化，对比解译得到的库区2014年土地利用图，计算模拟精度。在模拟结果较好的情况下，将2014年的土地利用适宜性图集和土地利用转移概率矩阵输入CA-Markov模块，预测2028年的土地利用空间格局。具体的步骤如下：

1）转化规则。元胞自动机的核心是转换规则的设置，由于三峡库区涉及到的面积巨大，研究将库区土地利用矢量图转换为象元大小为100×100的栅格格式，利用IDRISI软件的Markov模块，将影像时间间隔和时间周期均设置为7 a，比例误差设置为0.15，计算得到三峡库区2000—2007年的土地利用转移面积矩阵和转移概率矩阵。

2）制作适宜性图集。文章根据三峡库区独特的地理条件以及土地资源利用的特点，将水域与建设用地设置为限制因子，将坡度、离城镇建设用地距离、离道路距离和离水域距离作为限制条件。利用解译好的矢量图转化成栅格图，结合限制条件与限制因子对土地利用类型转化的影响，根据MCE和COLLETION EDIT模块生成的适宜性图像集来定义演化规则或标准，根据适宜性图集确定元胞在下一时刻的状态。

3）构造CA滤波器。本文认为一个元胞周围5×5个元胞组成的矩形空间对该元胞状态的改变具有显著影响，故采用5×5的滤波器。

4）确定起始时刻和CA循环次数。以三峡库区2007年土地利用格局为起始年，CA循环次数设为7，结合 2000—2007年土地利用适宜性图集和土地利用转移概率矩阵，实现对库区2014年土地利用格局模拟。在此基础上，以2014年土地利用格局为起始年，CA循环次数取14，结合2007—2014年土地利用适宜性图集与土地转移概率矩阵，模拟2028年土地利用的空间格局。

3 结果分析

3.1 三峡库区土地利用分析

3.1.1 2000—2014年三峡库区土地利用变化分析

根据三峡库区2000、2007及2014年的Landsat TM遥感影像，通过人机交互解译获取库区土地利用数据，利用ARCGIS10.1统计得到库区三期土地利用面积如表1所示。

表1 三峡库区土地利用变化

由表1可知，2000—2014年三峡库区土地利用总体上呈现出耕地、林地及草地面积减少，水域、建设用地和未利用地面积增加。究其原因，大坝修建、库区蓄水、移民搬迁以及城市扩建导致建设用地与水域大幅度增加，占用大量的耕地及林地，草地与未利用地面积较小，变化不明显，且在空间上分布零星。

具体分析，2000、2007和2014三个阶段林地面积占比分别为54.88%、54.77%和54.53%，其面积呈现出减少趋势，究其原因是库区修建水库占用大量林地，使得林地逐年减少，但林地仍是库区主要用地类型。耕地是库区面积第二大的地类，其面积由2000年的21 868.42 km2减少到2014年的21 460.48 km2，所占百分比由38.11%下降到37.39%，面积减少407.94 km2，占比减少0.72%，耕地面积的减少主要归因于大坝修建以及库区蓄水占用。在这14 a期间草地面积减少11.84 km2，占比减少0.02%，草地面积较少，在空间上分布零星。由于三峡大坝的修建与库区不断地蓄水，水域面积由2000年的 1 324.97 km2增加到2014年的1 516.26 km2，所占百分比由2.31%上升到2.64%，面积增加191.28 km2，占比增加0.33%。建设用地面积由2000年的1 276.71 km2增加到2014年的1 702.59 km2，增加了425.88 km2，建设用地面积呈持续增加的趋势，主要得益于库区移民搬迁及城市扩建。2000—2014年期间未利用地面积增加0.35 km2，变化不明显。

图2 三峡库区2000、2007及2014年土地利用现状图

3.1.2 2000—2014年土地利用变化图谱分析

为研究三峡库区土地利用类型在2000—2007—2014年的流向，根据式（2），基于ARCGIS10.1求出三峡库区2000—2014年土地利用变化图谱如表2所示。

表2 三峡库区2000—2014年土地利用变化图谱分析

由表2可知，三峡库区在2000—2014年期间土地利用变化类型中，稳定变化型面积变化最大，其变化图斑为77 269个，变化面积为56 646.45 km2，后期变化型次之，变化图斑为3 923个，变化面积为480.98 km2，持续变化型面积变化最小，其变化图斑为53个，变化面积为3.27 km2。2000—2014年三峡库区土地利用变化面积由大到小排序均为稳定变化型>后期变化型>前期变化型>反复变化型>持续变化型。

在变化最大的稳定变化型图斑中，林地-林地-林地的变化面积最大，变化面积为31 255.65 km2，占稳定型变化总面积的55.18%，林地是6种地类中面积最多的地类，不易在短时间内转变为其他地类，因此林地处于稳定型变化图斑中面积最大地位；耕地-耕地-耕地的变化面积次之，占稳定型变化总面积的37.8%，耕地是6种地类中面积第二大的地类，且国家对耕地有红线保护，其不会大量向其他地类转变，因此耕地的稳定型面积变化处于第二大的地位。后期变化型是三峡库区土地利用变化图谱面积变化第二大的类型，在后期变化型中，林地-林地-建设用地的变化面积最大，为97.59 km2，占后期变化型总面积的20.29%；耕地-耕地-水域次之，变化面积为 60.10 km2，占后期变化型总面积的12.5%，究其原因是库区的不断蓄水，致使占用耕地向水域转变。在前期变化型图斑中，耕地-建设用地-设用地的变化面积最大，变化面积为87.73 km2，占前期变化总面积的34.32%，自三峡工程竣工以来，库区移民导致大量修建居住区及城镇搬迁，耕地不断向建设用地转变；耕地-水域-水域的变化面积次之，占前期变化总面积的17.92%。在反复变化型图斑中，林地-水域-林地的变化面积最大，变化面积为 1.03 km2，占反复变化总面积的23.36%；耕地-草地-耕地的变化面积次之，占反复变化总面积的12.7%；持续变化型图斑变化面积最小，其中林地-耕地-建设用地变化面积最大，变化面积为0.64 km2，占持续型变化总面积的19.41%，林地-建设用地-水域的变化面积次之，占持续型变化总面积的18.03%。

3.1.3 2000—2014年三峡库区土地利用流向分析

由3.1.1与3.1.2节可知，三峡库区在研究期内土地利用面积发生了很大变化，本节利用ArcGIS10.1空间分析工具计算土地利用转移矩阵可以定量说明库区土地类型之间的转化状况。土地利用转移矩阵中，行表示研究期初土地利用类型，列表示研究期末土地利用类型。统计2000—2014年三峡库区土地利用变化情况，库区2000—2007年及2007—2014年的土地利用变化转移面积矩阵如表3，表4所示。

表3 2000—2007年土地利用变化转移面积矩阵

表4 2007—2014年土地利用变化转移面积矩阵

由表3可知，在2000—2007年三峡库区土地利用转移面积矩阵中，转移面积最大的是耕地向建设用地的转移，为88.22 km2，占建设用地转入面积的6.41%，耕地转出面积的0.4%，究其原因是库区城市扩展，移民搬迁所致。林地向水域的转移面积次之，为53.9 km2，占林地转出面积的0.17%，占水域转入面积的3.76%，由于库区蓄水量增加（135～175 m），致使林地向水域大量转移。为深入了解三峡库区2000—2007年土地利用流向，利用式（2），通过ArcGIS10.1统计2000—2004—2007年三峡库区土地利用变化特征对库区2000—2007年土地利用转移情况进行辅助分析（限于篇幅，文章对2000—2004—2007年土地利用变化统计表不做展示）。经统计发现，表2中，对角线上6大地类未变化面积来源于2种情况： 2000—2007期初、期中与期末均未发生变化，即稳定变化型图斑；2000—2007期初与期末未发生变化但中期地类发生变化，即反复变化图斑，文章未变化图斑以第一种情况为主。地类间的相互转化情况比较复杂，以林地向建设用地的转入为例，统计有1块图斑变化方式为林地-耕地-建设用地（持续变化型）；757块图斑为林地-林地-建设用地方式转化；1块图斑由林地-水域-建设用地方式转入（持续变化型）；143块图斑为林地-建设用地-建设用地转入。同理统计可得，转移矩阵中两两地类间的转化以前期变化型与后期变化型为主，少有持续变化型变化图斑，与3.1.2中2000—2007—2014年三峡库区土地利用变化图谱统计总体上保持一致。

如上述中对2000—2007年三峡库区土地利用流向分析一样，文章利用ArcGIS对三峡库区2007—2014年土地利用流向进行探讨。

由表4可知，在2007—2014年三峡库区土地利用转移面积矩阵中，转移面积较大的2种类型是耕地、林地向建设用地转移，转移面积分别为230.74和90.70 km2，占耕地转出面积的1.06%，林地转出面积的0.31%，建设用地转入面积的13.55%与3.76%，可见，库区在2007年之后建设用地大幅度增加，城市扩展强度大于2007年之前。利用式（2），通过ArcGIS10.1对2007—2010—2014年土地利用变化分析得到土地转移变化规律与2000—2004—2007年一致。

3.2 三峡库区土地利用演变模拟

运用 CA-Markov 模型模拟土地利用格局的关键在于土地适宜性图像集和土地利用转移概率矩阵的确定。本文利用MCE模块生成的土地利用适宜性图集，结合Markov模块生成的土地利用转移概率矩阵，模拟三峡库区2014年土地利用图，并将模拟得到的土地利用格局图与解译得到的土地利用图进行精度检验。

3.2.1 三峡库区土地利用转移概率矩阵

本研究以年为单位，运用Markov 模型计算库区土地利用转移概率矩阵，把土地利用类型的变化分成一系列离散的过程，根据各类型的年平均转化率来确定2000—2007年和2007—2014年三峡库区土地利用类型单元的转移概率，根据式（4）（5），将2000—2007和2007—2014年土地利用转移概率矩阵统计如表5，表6所示。

表5 2000—2007年土地利用变化转移概率矩阵

表6 2007—2014年土地利用变化转移概率矩阵

3.2.2 2014年三峡库区土地利用适宜性图集准备

三峡库区由隶属于重庆市的22个区县以及湖北省的4个区县所组成，地形以山地、丘陵为主，导致库区城镇建设只能以组团方式发展；自三峡大坝建成并开始蓄水以来，库区土地利用耕地与林地急剧减少，水域及建设用地迅速增加，草地及未利用地变化不明显；为保证库区及中国正常的航运和供电，结合3.2.1节土地利用类型转移情况，库区其他用地类型很少由水域转入，且已有建设用地不易向其他地类转入。文章根据上述三峡库区独特的地理条件以及土地资源利用的特点，将水域与建设用地设置为限制因子，将坡度、离城镇建设用地距离、离道路距离和离水域距离作为限制条件。考虑到评价的客观性，选择基于布尔运算的MCE制作各地类适宜性图集（布尔运算须将各限制条件与因子二值化，即适宜转换的情况设定为1，不适宜转化的情况设定为0）。限于篇幅，文章以耕地为例，制作耕地适宜性图集。选择耕地（现有耕地设置为0，其他地类设置为1），水域（现有水域设置为0，其他地类设置为1），建设用地（现有建设用地设置为0，其他地类设置为1），离城镇建设用地距离（将缓冲区3 000 m以内的区域设置为0，3 000 m以外的设置为1），离道路距离（将缓冲区1 000 m以内的区域设置为1，1 000 m以外的设置为0），离水域距离（将缓冲区1 000 m以内的区域设置为1，1 000 m以外的设置为0）作为耕地适宜性的限制条件及限制因子。研究确定林地的限制条件与因子有：林地、水域、建设用地和离城镇建设用地距离（林地的分布对坡度、道路距离、水域距离没有特别要求）；草地的限制条件有草地、林地、水域和建设用地（草地的分布对坡度、距离因子都没有要求）；水域的限制条件与因子有水域、建设用地、距离城镇建设用地的距离、坡度和距离道路的距离；建设用地的限制条件与因子有水域、建设用地、距离城镇建设用地的距离、坡度、距离道路的距离和距离水域的距离；未利用地的限制条件与因子有耕地、林地、水域、建设用地、未利用地和距离城镇建设用地的距离（未利用地的分布与坡度、距离道路的距离、距离水域的距离关联性不大）。耕地的适宜性图集如图3所示。

3.2.3 2014年三峡库区土地利用演变模拟

基于以上数据的准备，以三峡库区2007年土地利用布局图为初始年，利用IDRISI中的CA-Markov模块，输入各地类适宜性图集，结合土地利用变化转移概率矩阵，将模拟循环次数设置为7，实现对库区2014年土地利用格局的模拟，其土地利用格局如图4所示。

图3 耕地适宜性图集

如图4所示，4a表示的是2014年三峡库区土地利用解译图，4b表示的是2014年三峡库区土地利用模拟图。由图4可知，解译所得的土地利用图与模拟得出的土地利用图在空间上的布局大体一致。利用ARCGIS10.1将2014年解译结果与模拟结果及模拟精度统计如表7所示。

受大坝蓄水影响，三峡库区土地利用空间受到制约，由此决定了库区土地资源的未来供给及其空间分布的显著变化。由表7可知，在模拟的库区6大地类演变结果中，林地的面积最大，为30 419.96 km2，占总面积的53.01%；耕地面积次之，为21 161.84 km2，占总面积的36.87%；未利用地面积最少，为24.29 km2，仅占总面积的0.04%。库区土地利用变化模拟结果在总体上符合三峡库区土地利用特征，且和解译结果在数值上的变化趋势保持一致，但具体还存在差异。为了检验模拟精度，文章在利用CROSSTAB模块检验出模拟的Kappa精度为0.971 2的基础上，统计得到土地利用解译与模拟的平均精度为84.48%，模拟结果较好[14,16]。总体上，在2014年三峡库区土地利用演变模拟结果中，耕地、林地、草地及建设用地的精度较高，模拟精度达到98.57%、97.14%、82.43%和89.75%，水域及未利用地的精度较低，仅为69.28%和69.70%。究其原因，耕地、林地、草地及建设用地的演变规律及驱动因子比较容易追踪，而水域作为三峡库区重要的地类，其不仅受周边地理环境变化及社会经济发展的影响，还受政府政策制度制定的影响，难以控制与追踪，而未利用受人为因素影响大，不容易模拟其演变特征，导致模拟精度不高。

3.3 三峡库区土地利用演变预测

通过对不同限制条件下2014年三峡库区土地利用模拟，得到模拟的平均相对精度为84.48%，确定各地类适宜性条件，并以此来对三峡库区2028年土地利用进行预测，文章以三峡库区2014年土地利用布局图为初始年，利用CA-Markov模块，结合MCE生成的土地利用适宜性图集和Markov模块生成的土地利用转移概率矩阵，将循环次数设置为14，实现对库区2028年土地利用布局的模拟，其土地利用格局如图5所示。

图4 2014年三峡库区土地利用解译与模拟对比图

表7 2014年三峡库区土地利用结构演变模拟及精度检验

为了直观分析库区2028年土地利用的变化，本文利用ARCGIS10.1统计工具将预测的矢量数据统计如表8所示。

由表8可知，到2028年，库区土地利用继续呈现出耕地与林地的大量减少、水域与建设用地的迅速增加、以及草地与未利用地不明显变化等特点，这种土地利用变化趋势是三峡水利工程修建以来三峡库区所特有的，与其他地区（黄土丘陵区[18]、河西走廊[29]和昌化江流域[30]等）土地利用变化趋势有所不同。刘淑燕等[3]基于CA-Markov模型模拟黄土丘陵区土地利用变化，得到该区域土地利用变化呈现坡耕地面积显著减少，林地和梯田面积显著增加，其余地类面积变化不大等特点；侯西勇等[29]基于CA-Markov研究河西走廊土地利用变化，结果表明林地、草地、水域和未利用土地减少，耕地和城乡工矿居民用地增加；肖明等[30]基于CA-Markov模型对昌化江流域土地利用动态变化的研究结果中显示，为发展经济，当地大量河流堤岸和滩涂被占用，甚至部分地区还出现过填河造地的现象。这些区域土地利用变化规律均与三峡库区不同，在三峡库区的土地利用过程中，需占用大量的林地及耕地资源以增加水域及建设用地面积，从而保证区域航运条件、供电需求以及当地经济发展。

图5 三峡库区2028年土地利用格局预测图

表8 2028年三峡库区土地利用预测

耕地面积由2014年的21 465.16 km2减少到2028年的21 051.03 km2，所占百分比由37.40%下降到36.68%，面积减少414.13 km2，占比减少0.72%。为了防止耕地无限制较少，政府应当严格执行耕地保护红线，复耕现有闲置地，控制和阻止盲目开垦耕地的行为，以此促进库区生态环境的保护和改善。林地面积由2014年的 31 289.74 km2减少到2028年的29 988.59 km2，所占百分比由54.52%下降到52.25%，面积减少1 301.15 km2，占比减少2.27%。林地的变化强度大于2000-2014年，林地是库区主要的用地类型，为了库区的生态环境以及社会经济的可持续发展，政府应严格控制林地的减少量。草地面积由2014年的1 397.62 km2减少到2028年的 1 392.45 km2，所占百分比由2.44%下降到2.43%，面积减少5.17 km2，占比减少0.01%。草地呈现持续减少的趋势，草地可有涵养水源，保持水土，防风固土以及绿化美化环境等生态功能，此外，草地对于库区的养畜业也起着重要的作用，因此，采取相应措施防治草地的减少是库区进行土地利用规划应当关注的问题之一。水域面积由2014年的1 517.94 km2增加到2028年的2 784.85 km2，所占百分比由2.64%上升到4.85%，面积增加1 266.91 km2，占比增加2.21%。三峡工程竣工后，库区不断蓄水使得库区社会效益与经济效益都有一定程度的增加，但是由于库区水深增加，水流速度减慢，水域由一开始的自净能力较强的天然河流变为生态环境功能及其脆弱的人工湖泊，干支流纳污能力减弱，水体富营养化严重。库区在水域面积不断增加的同时，应关注水体质量，避免库区生态环境遭受破坏。建设用地面积由2014年的1 702.95 km2增加到2028年的2 136.51 km2，所占百分比由2.97%上升到3.72%，面积增加433.56 km2，占比增加0.75%。预测到2014-2028年期间建设用地的增加强度与2007—2014年的强度一样，建设用地的转换具有不可逆性，因此库区在制定土地利用总体规划时，应当严格控制建设用地的增加量，严格禁止库区一切违法建设行为。未利用地面积由2014年的16.93 km2减少到2028年的36.91 km2，所占百分比由0.03%上升到0.07%，面积增加19.98 km2，占比增加0.04%。由预测值可知库区未利用地面积增加，表明库区闲置情况加剧，库区应充分将未利用地利用起来，以提高库区社会经济效益以及生态环境功能。

4 结论与讨论

文章通过对三峡库区2000—2014年土地利用变化现状分析，建立土地利用转移概率矩阵，结合各地类适宜性图集，利用MCE-CA-Markov对库区2014年土地利用演变进行模拟。对比库区2014年土地利用解译结果，计算模拟精度，直到精度达到最高，确定各地类的适宜性图集，并以确定的地类适宜性图集对库区2028年土地利用演变进行预测，以期为三峡库区土地利用规划、城市建设以及生态环境修复提供理论支撑。文章主要结论如下：

1）在2000—2014年期间，三峡库区土地资源利用变化趋势呈现耕地和林地面积急剧减少；水域及建设用地面积迅速增加；草地面积略有减少；未利用地面积无明显变化等特点。通过对土地利用变化图谱分析，得到库区用地类型面积变化模式由大到小为稳定变化型>后期变化型>前期变化型>反复变化型>持续变化型，其中，耕地、林地面积主要向水域、建设用地转入，而草地和未利用地面积较小，面积变化不明显，且在空间上分布零星。

2）文章土地利用转换规则的获取采用基于布尔运算的MCE方法，利用IDRISI中的CA-Markov模块，结合ArcGIS10.1空间分析工具实现三峡库区土地利用空间格局变化模拟。经过对比2014年库区土地利用解译结果，Kappa系数为0.971 2，模拟相对精度为84.48%，模拟结果较好，可用于模拟预测。

3）从模拟的面积变化来看，到2028年，三峡库区林地和耕地面积虽然持续减少，但仍是库区最主要的2种用地类型，且两类用地向水域及建设用地面积转入最多；水域和建设用地持续增加，主要在原有的水域与建设用地周围向外扩展，且增加幅度相比2000—2014年有所加强；草地和未利用地仍呈零星分布状态，变化面积较小。预测结果表明三峡库区土地资源利用变化十分活跃，到2028年，库区生态环境恢复和重建的压力依然很大。因此，需迫切加强对三峡库区耕地、林地和草地的保护，控制和阻止盲目开垦耕地与违规建设的行为，正确处理库区经济发展与生态环境之间的关系，促进库区生态环境的保护和改善。

文章利用MCE-CA-Markov模拟三峡库区土地利用演变状况，虽然在一定程度上克服了传统土地利用变化线性模拟方法的弊端，但还存在一定的不足。在模拟土地利用演变时，限于数据的空间特性，文章在选择限制因子制作土地利用适宜性图集时没有完全站在系统的角度，应选择包括地理、社会、经济及资源环境方面的因子才能够更加精准地对库区土地利用演变进行模拟；其次，由于三峡库区面积庞大，文章以100×100的栅格单元大小进行模拟，没有考虑土地利用的尺度效应，使得模拟效果与实际土地利用有一定差距。针对以上两点不足，作者在以后的研究中，将利用DMSP-OLS夜间灯光数据把社会经济因子空间化后纳入转换规则制作适宜性图集，再将元胞设定至最合适的栅格大小，也许能大大提高模拟的精度。

[1] 后立胜，蔡运龙.土地利用/覆被变化研究的实质分析与进展评述[J]. 地理科学进展，2004，23(6)：96－104.Hou Lisheng, Cai Yunlong. An essential analysis and review on land use/ cover change research[J]. Progress in Geography, 2004, 23(6): 96－104. (in Chinese with English abstract)

[2] 王兵，臧玲. 中国土地利用/土地覆被变化研究近期进展[J]. 地域研究与开发，2006，25(2)：86－91.Wang Bing, Zang Ling. Recent progress of studies on land use and land cover change in China[J]. Areal Research & Development, 2006, 25(2): 86－91. (in Chinese with English abstract)

[3] 刘淑燕，余新晓，李庆云，等. 基于CA-Markov模型的黄土丘陵区土地利用变化[J]. 农业工程学报，2010，26(11)：297－303.Liu Shuyan, Yu Xinxiao, Li Qingyun, et al. Land use change in loess hilly region based on CA-Markov model.[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 297－303. (in Chinese with English abstract)

[4] 俞龙生，符以福，喻怀义，等. 快速城市化地区景观格局梯度动态及其城乡融合区特征：以广州市番禺区为例[J]. 应用生态学报，2011，22(1)：171－180.Yu Longsheng, Fu Yifu, Yu Huaiyi, et al. Landscape pattern gradient dynamics and desakota features in rapid urbanization area: A case study in Panyu of Guangzhou[J]. Chinese Journal of Applied Ecology, 2011, 22(1): 171－180. (in Chinese with English abstract)

[5] Weber C, Puissant A. Urbanization pressure and modeling of urban growth: Example of the Tunis Metropolitan Area[J]. Remote Sensing of Environment, 2003, 86(3): 341－352.

[6] 赵俊三，袁磊，张萌. 土地利用变化空间多尺度驱动力耦合模型构建[J]. 中国土地科学，2015，29(6)：57－66. Zhao Junsan, Yuan Lei, Zhang Meng.Driving forces coupling model for multi-scale land use change based on system dynamics[J]. China Land Science, 2015, 29(6): 57－66. (in Chinese with English abstract)

[7] 何春阳，史培军，李景刚，等. 中国北方未来土地利用变化情景模拟[J]. 地理学报，2004，59(4)：599－607.He Chunyang, Shi Peijun, Li Jinggang, et al. Scenarios simulation land use change in the northern China by system dynamic model[J]. Acta Geographica Sinica, 2004, 59(4): 599－607. (in Chinese with English abstract)

[8] 韦春竹，郑文锋，孟庆岩，等. 基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用[J]. 测绘工程，2014，23(1)：45－49.Wei Chunzhu, Zheng Wenfeng, Meng Qingyan, et al. Genetic neural network based on cellular automata applied to the simulation analysis of land use change[J]. Engineering of Surveying & Mapping, 2014, 23(1): 45－49. (in Chinese with English abstract)

[9] 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)：19－27. Li Xia, Ye jiaan. Cellular automata for simulating complex land use systems using neural networks[J]. Geographical Research, 2005, 24(1): 19－27. (in Chinese with English abstract)

[10] Lei W, Yang W, University P, et al. An ANN-CA modeling method for land cover change in the Karst Area of China: A case study of maotiao River Basin[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2012, 48(1): 116－122.

[11] 田义超，任志远. 基于CLUE-S模型的黄土台塬区土地利用变化模拟：以陕西省咸阳台塬区为例[J]. 地理科学进展，2012，31(9)：1224－1234.Tian Yichao, Ren Zhiyuan. Land use change simulations in Loess Hilly Areas based on CLUE-S model: A case study in Xianyang Loess Tableland Areas of Shaanxi Province[J]. Progress in Geography, 2012, 31(9): 1224－1234. (in Chinese with English abstract)

[12] 周锐，苏海龙，王新军，等. 基于CLUE—S模型和Markov模型的城镇土地利用变化模拟预测：以江苏省常熟市辛庄镇为例[J]. 资源科学，2011，33(12)：2262－2270.Zhou Rui, Su Hailong, Wang Xinjun, et al. Simulation of land use change in Xinzhuang Town under different scenarios based on the CLUE-S Model and Markov model[J]. Resources Science, 2011, 33(12): 2262－2270. (in Chinese with English abstract)

[13] Chen F, Hu Y, Peng X, et al. Simulation of land use/ cover change based on the CLUE-S model[C]//International Conference on Geoinformatics. IEEE, 2010: 1－5.

[14] 钱敏，濮励杰，朱明. 基于SLEUTH模型的主体功能区划分后的土地利用变化[J]. 农业工程学报，2012，28(18)：223－232.Qian Min, Pu Lijie, Zhu Ming. Land use changes after major function oriented zoning based on SLEUTH model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(18): 223－232. (in Chinese with English abstract)

[15] Mahiny A S, Clarke K C. Guiding SLEUTH land-use/land- cover change modeling using multicriteria evaluation: Towards dynamic sustainable land-use planning[J]. Environment & Planning B Planning & Design, 2012, 39(5): 925－944.

[16] 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.Huo Mingming, Zhang Yiying, Chen Weiqiang. The land use change and prediction based on CA-Markov model:A Case of Luzhuang Town, Gongyi City[J]. Chinese Agricultural Science Bulletin, 2015, 31(12): 279－284. (in Chinese with English abstract)

[17] 何丹，周璟，高伟，等. 基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J]. 北京大学学报：自然科学版，2014，50(6)：1095－1105.He Dan, Zhou Jing, Gao Wei, et al. An integrated CA-markov model for dynamic simulation of land use change in Lake Dianchi watershed[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1095－1105. (in Chinese with English abstract)

[18] Azizi A, Malakmohamadi B, Jafari H. Land use and land cover spatiotemporal dynamic pattern and predicting changes using integrated CA-Markov model[J]. Global Journal of Environmental Science & Management, 2016, 2(3): 223－234.

[19] 张丁轩，付梅臣，陶金，等. 基于CLUE-S模型的矿业城市土地利用变化情景模拟[J]. 农业工程学报，2013，29(12)：246－256.Zhang Dingxuan, Fu Meichen, Tao Jin, et al. Scenario simulation of land use change in mining city based on CLUE-S model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(12): 246－256. (in Chinese with English abstract)

[20] 李明杰，钱乐祥，吴志峰，等. 广州市海珠区高密度城区扩展SLEUTH模型模拟[J]. 地理学报，2010，65(10)： 1163－1172.Li Mingjie, Qian Lexiang, Wu Zhifeng, et al. The SLEUTH model simulation of high density urban sprawl in Haizhu District of Guangzhou City[J]. Acta Geographica Sinica, 2010, 65(10): 1163－1172. (in Chinese with English abstract)

[21] 龚文峰，袁力，范文义. 基于CA-Markov的哈尔滨市土地利用变化及预测[J]. 农业工程学报，2012，28(14)：216－222.Gong Wenfeng, Yuanl Li, Fan Wenyi. Dynamic change and prediction of land use in Harbin city based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(14): 216－222. (in Chinese with English abstract)

[22] 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. Wang Yousheng, Yu Xinxiao, He Kangning, et al. Dynamic simulation of land use change in Jihe watershed based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(12): 330－336. (in Chinese with English abstract)

[23] 周启刚，张晓媛，王兆林. 基于正态云模型的三峡库区土地利用生态风险评价[J]. 农业工程学报，2014，30(23)：289－297 Zhou Qigang, Zhang Xiaoyuan, Wang Zhaolin. Land use ecological risk evaluation in Three Gorges Reservoir Area based on normal cloud model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(23): 289－297. (in Chinese with English abstract)

[24] 乔伟峰，盛业华，方斌，等. 基于转移矩阵的高度城市化区域土地利用演变信息挖掘：以江苏省苏州市为例[J]. 地理研究，2013，32(8)：1497－1507.Qiao Weifeng, Sheng Yehua, Fang Bin. Land use change information mining in highly urbanized area based on transfer matrix: A case study of Suzhou, Jiangsu Province[J]. Geographical Research, 2013, 32(8): 1497－1507. (in Chinese with English abstract)

[25] 胡文英，角媛梅，范弢. 哈尼梯田土地利用空间格局及其变化的信息图谱研究[J]. 地理科学，2008，28(3)：419－424.Hu Wenying, Jiao Yuanmei, Fan Tao. Research on information Tupu of land use spatial pattern and its change in Hani Terraced Fields[J]. Scientia Geographica Sinica, 2008, 28(3): 419－424. (in Chinese with English abstract)

[26] 张国坤，邓伟，张洪岩，等. 新开河流域土地利用格局变化图谱分析[J]. 地理学报，2010，65(9)：1111－1120. Zhang Guokun, Deng Wei, Zhang Hongyan, et al. The TUPU analysis of land use pattern in Xinkai River Basin[J]. Acta Geographica Sinica, 2010, 65(9): 1111－1120. (in Chinese with English abstract)

[27] 赵莉，杨俊，李闯，等. 地理元胞自动机模型研究进展[J]. 地理科学，2016，36(8)：1190－1196.Zhao Li, Yang Jun, Li Chuang, et al. Progress on Geographic Cellular Automata model[J]. Scientia Geographica Sinica, 2016, 36(8): 1190－1196. (in Chinese with English abstract)

[28] 徐建华. 现代地理学中的数学方法：第2版[M]. 北京：高等教育出版社，2002.

[29] 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.Hou Xiyong, Chang Bin, Yu Xinfang. Land use change in Hexi corridor based on CA-Markov methods[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(5): 286－291. (in Chinese with English abstract)

[30] 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. Xiao Ming, Wu Jiqiu, Chen Qiubo, et al. Dynamic change of land use in Changhua downstream watershed based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(10): 231－238. (in Chinese with English abstract)

张晓娟，周启刚，王兆林，王福海.基于MCE-CA-Markov的三峡库区土地利用演变模拟及预测[J]. 农业工程学报，2017，33(19)：268－277. doi：10.11975/j.issn.1002-6819.2017.19.035 http://www.tcsae.org

Zhang Xiaojuan, Zhou Qigang, Wang Zhaolin, Wang Fuhai.Simulation and prediction of land use change in Three Gorges Reservoir Area based on MCE-CA-Markov[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 268－277. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.19.035 http://www.tcsae.org

Simulation and prediction of land use change in Three Gorges Reservoir Area based on MCE-CA-Markov

Zhang Xiaojuan1, Zhou Qigang1,2,3※, Wang Zhaolin2, Wang Fuhai3

(1.400067,; 2.400067,; 3.400055,)

In order to achieve better coordination between land use and ecological environment in the Three Gorges Reservoir Area, this paper explored the pattern and mechanism of the evolution of land use since the reservoir was built and impounded. Based on Landsat TM image data of the Three Gorges Reservoir Area in 2000, 2007 and 2014, the first step of the research was to obtain basic information of present land use through ArcGIS 10.1, then generate land use change map to analyze land use changes in 2000-2014, and calculate land use transfer matrix to analyze the flow characteristics of land use in the Three Gorges Reservoir Area in 2000-2007 and 2007-2014, respectively. Second, multi-criteria evaluation (MCE) - cellular automata Markov chain (CA-Markov) model was used to simulate self-organizing evolution of land use in the reservoir area. In particular, the MCE model was used to make maps of land use suitability and the CA-Markov model was used to calculate the land use transfer matrix. The accuracy of MCE-CA-Markov simulation was tested against multi-temporal remote sensing images and the Kappa coefficient was found to be 0.971 2. Third, land use structure in 2028 was forecasted with the tested constraints and the combinations of factors of land use evolution. Overall, findings included: 1) It was feasible to simulate land use evolution with MCE-CA-Markov. 2) During 2000-2014, types of land use change areas, sorted from large to small, were stable change > late change > early change > repeated changes > continuous change. Especially, areas of cropland and forestland were mainly changed to water area and construction land, while the changes of the areas of grassland and unused land were not very obvious and scattered in space due to their smaller areas. 3) The land use pattern in 2014 from the simulation was consistent with that from interpreted remote sensing images and the relative accuracy reached 84.48% after verification. 4) Our model predicted that, up to 2028, cropland and forestland are still 2 main land use types in the Three Gorges Reservoir Area although their areas continue to decline. Most of their areas change to water area and construction land. The areas of water and construction land will continue to increase and they expand mainly around their original sites. Compared to the period of 2000-2014, their future increases will be bigger. Grassland and unused land are still scattered and have smaller changes. In general, the prediction shows that land use change is very active in the Three Gorges Reservoir Area and, by 2028, the pressure for ecological environment restoration and reconstruction in the reservoir area is still very high. Therefore, it is urgently needed to strengthen the protection of cropland, forestland and grassland in the Three Gorges Reservoir Area, to control and prevent blind reclamation of cropland and illegal construction, to correctly balance economic development and ecological environment and to protect and improve the ecological environment in the reservoir area. This research is expected to provide theoretical support for land use planning, urban construction and ecological environment restoration in the Three Gorges Reservoir Area.

land use; evolution; simulation; MCE-CA-Markov; Three Gorges Reservoir Area

10.11975/j.issn.1002-6819.2017.19.035

F301.2

A

1002-6819(2017)-19-0268-10

2017-06-15

2017-09-15

国家自然科学基金项目（41101503）；重庆市教委科技项目（KJ1601901）；重庆工商大学融智学院科研项目（20158001）；重庆工商大学研究生创新型科研项目（yjscxx2017-066-63）

张晓娟，贵州仁怀人，从事环境规划与管理研究。 Email：zxj6120@126.com

※通信作者：周启刚，重庆铜梁人，博士，教授，从事3S理论与土地利用研究。Email：zqg1050@126.com