基于Ann-CA-Markov模型的生态空间预测模拟: 以重庆市万州区为例

幸瑞燊,周启刚,4①

(1.生态环境空间信息数据挖掘与大数据集成重庆市重点实验室，重庆 401320；2.重庆财经学院讯飞人工智能学院，重庆 401320；3.重庆工商大学环境与资源学院，重庆 400067；4.重庆工商大学公共管理学院，重庆 400067)

生态空间指能够提供重要生态服务功能、生态产品并保证国家及区域生态安全的空间[1]，其不仅是国土空间重要的一部分，而且是生态系统的核心载体[2]。随着城市化进程的快速发展，“三生”空间之间的利用矛盾日益突出，我国对生态系统服务功能保护、恢复以及生态空间的可持续发展与保护进入关键时期，生态空间成为热点问题。目前国内外学者对于生态空间的研究主要集中于生态空间的演化特征及其梯度效应[3-4]、生态空间的识别[5]、生态空间的重构优化[6]以及生态空间的保护和利用[7]，但是鲜有对生态空间模拟预测的研究。未来的生态空间规模和格局直接影响着国土空间的生态安全，故构建一个科学、合理的模型对生态空间进行模拟预测，对生态环境的保护以及国土空间的优化管控具有重要的理论和现实意义。

在对于空间规模和格局的模拟预测研究中，国内外学者主要使用各种模型对土地利用格局进行模拟预测，使用最为广泛的模型包括元胞自动机(CA)[8-9]、人工神经网络(Ann)[10]、土地利用变化及效应(CLUE-S)[11-12]等模型，许多学者还构建复合模型进行模拟预测[13-15]。这些模型在模拟预测过程中都有着各自的优势，但是同样存在着不足之处：CA模型在模拟过程中对各种宏观因素的考虑明显不足；Ann模型对网络结构选择不一，且存在局部极小化等问题；CLUE-S 模型对于自然和政策等要素的影响考虑不足，过多强调经济效益的影响。因此，寻找一种能够快速、科学、合理的模型对生态空间进行模拟预测成为亟待解决的问题。CA-Markov模型是国内外学者构建最多的模拟预测模型，其不仅能够对各种生态空间类型的转移总量以及转移概率矩阵进行预测，而且能够通过邻域之间的分析对生态空间类型的空间分布情况进行模拟预测[16]，但是生态空间与其影响因子之间是非常复杂的非线性关系，CA-Markov模型很难确定它们之间的关系确定转换规则，Ann模型则极为擅长通过学习的方式处理复杂的非线性关系，因此，将Ann与CA-Markov模型结合，弥补了各个模型之间的缺点，对于生态空间的模拟预测具有较大的研究价值。

笔者以万州区作为研究区，对万州区生态空间的变化特征进行分析，并通过构建Ann-CA-Markov耦合模型对万州区未来生态空间的规模及格局进行模拟预测，同时对万州区生态空间的生境质量进行评估，以期为相关的研究提供方法参考，同时也为生态环境保护政策制定以及国土空间的优化管控提供参考依据。

1 研究区概况

万州区属重庆市辖区，位于长江上游地区、重庆东北部，处三峡库区腹心，幅员面积3 457 km2，城区面积100 km2，城区人口102万人，户籍总人口173.56万人，常住人口为165.01万人。其境内山丘起伏，少平坝和台地，经济发展十分迅速，其地区生产总值在2019年达920.91亿元，不仅是成渝城市群沿江城市带区域中心城市、成渝经济区的东向开放门户，还是“一带一路”和长江经济带重要节点城市。

2 数据来源与研究方法

2.1 数据来源

采用的主要数据是自三峡工程修建蓄水以来万州区2000、2006、2012、2018年4期Landsat TM/ETM遥感影像、DEM影像、交通道路、河流、行政中心、生态保护红线和土地利用数据，以GB/T 21010—2007《土地利用现状分类》为标准解译，通过外业调查的方式保证解译的准确性，如表1所示。

2.2 生态空间界定

综合国内外对于生态空间概念的研究发现，国内外学者对于生态空间的概念界定的最大争议在于是否将农用地纳入生态空间，部分学者认为农用地以经济产出为主，不应该纳入生态空间之内，而另外一部分学者则认为农用地虽然以经济产出为主，但是其同样具有生态服务功能，应该纳入生态空间之内[7]。2017年中共中央办公厅、国务院办公厅印发了《关于划定并严守生态保护红线的若干意见》，指出生态空间是具有自然属性、以提供生态服务或生态产品为主体功能的国土空间，包括森林、草原、湿地、河流、湖泊、滩涂、岸线、海洋、荒地、荒漠、戈壁、冰川、高山冻原、无居民海岛等。笔者以《关于划定并严守生态保护红线的若干意见》为依据，界定该研究的生态空间包括林地、草地、水域和未利用地。

表1 数据来源

2.3 研究方法

2.3.1景观格局指数

景观格局指数主要是对景观自身的结构和分布特征进行定量的描述，通过计算景观格局指数对生态空间的空间变化特征进行研究[17-18]，主要选取斑块数量(对生态空间格局进行描述)、斑块密度(描述某一生态空间类型的单位面积上的斑块个数)、最大斑块指数(描述各个生态空间类型斑块间的连通度)、分离度指数(描述某一生态空间类型的分化程度)、香农多样性指数(描述各个生态空间类型的均衡化程度)对生态空间格局的空间变化特征进行描述。

2.3.2InVEST模型

InVEST模型指生态系统服务评估与权衡模型，主要应用于陆地、淡水和海洋3类生态系统服务评估，从而支持生态系统管理和决策的一套模型系统[19]。InVEST生境质量模型主要是通过计算生境退化程度进而计算生境质量指数对生境质量进行评估。

生境质量指数指生境为某一个体或物种提供生存条件的潜力指数，通过各个生境的敏感性和威胁因素对生境的威胁强度进行计算[20]，计算公式为

(1)

式(1)中，Qxj为j类型生境栅格x的生境质量；Hj为j类型的生境适宜程度；Dxj为j类型生境的栅格x的总威胁水平指数；z和k为比例因子。

2.3.3Cramer′s V指数值

在进行生态空间模拟预测的过程中需要使用影响因子，故通过计算各个影响因子与生态空间之间的Cramer′s V指数值(Cv)来测定各个影响因子对生态空间的影响力，以为生态空间的模拟预测提供依据，计算公式为

(2)

式(2)中，X2为卡方检验数值；r为行数；s为列数；n为样本数。

2.3.4Ann-CA-Markov耦合模型

Ann模型是一种通过大量简单的神经元相互连接来模拟人脑功能的基本特征所形成的一个复杂的非线性动力学习网络系统，拥有较强的并行、分布式存储、处理、自组织、自适应和自学能力[21]。BP人工神经网络主要包括输入层、隐藏层以及输出层在内的3层结构，其本质就是通过对训练样本的不断训练从而获取最小误差的网络参数值，而后通过输入与训练样本相似的数据输出结果误差最小的数据[22]。CA模型是一种基于元胞空间以及某种特定的规则在空间和时间上进行演化模拟的动力学系统[23]。CA模型主要由6部分组成，包括元胞、元胞空间、邻域和规则4大最基础的部分以及状态和离散时间2个部分。Markov模型以一类随机过程为基础的一种用来预测事件的先验概率和条件概率的数学方法[24]。Markov模型由4个部分所组成，分别为状态、状态转移过程、状态转移概率和状态转移矩阵。

Ann-CA-Markov耦合模型是以CA作为基础模型并结合Markov和Ann模型进行构建的，模型的整体结构为CA模型，总共包括元胞、元胞空间、状态、邻域、规则和循环次数6个部分，其中最重要的规则部分通过Markov和Ann模型计算得到，具体构建情况如下。

(1)元胞的定义：生态空间结构类型图的大小为30 m×30 m的栅格。

(2)元胞空间的定义：生态空间结构类型图的所有栅格。

(3)状态的定义：元胞的状态就是栅格的属性，划分为耕地、林地、草地、水域、未利用地和建设用地。

(4)邻域的定义：定义5×5的扩展性摩尔邻域进行研究，即周边有24个元胞对元胞的属性产生影响。

(5)规则的定义：元胞的转换规则主要包括空间和数量上的转换规则，数量上的转换规则主要是通过Markov模型进行计算(具体详见3.2.1节)，空间上的转换规则通过Ann模型进行计算(具体详见3.2.2和3.2.3节)。

(6)确定循环次数：因使用的每期基础数据之间的间隔均为6 a，故设置确定循环次数的年限间隔为6 a。

3 结果与讨论

3.1 研究区生态空间变化特征

3.1.1研究区生态空间数量变化特征

根据表2和图1可知，万州区的生态空间的面积超过了万州区总面积的53%，万州区的生态空间以林地为主，其所占面积超过了万州区总面积的49%，其次依次为水域、草地和未利用地。

表2 2000—2018年万州区生态空间结构类型面积统计表

2000—2018年间，万州区的生态空间面积持续增加，非生态空间用地中的耕地面积持续减少、建设用地面积持续增加。生态空间面积增加了846 45 hm2，增加幅度占万州区总面积的0.24%，其中2006—2012年生态空间面积增加幅度最为明显，增加幅度占万州区总面积的0.22%。从生态空间的各个用地类型来看，2000—2018年间林地、草地和未利用地面积持续减少，其减少幅度分别占万州区的总面积的0.36%、0.02%和0.01%；水域面积持续增加，增加面积2 157.0 5 hm2，增加幅度占万州区总面积的0.63%。究其原因在于城镇以及经济化发展对林地、草地和未利用地的占用以及三峡库区蓄水增加了三峡库区的水域面积。

3.1.2研究区生态空间在空间上的变化特征分析

为了对生态空间在空间上的变化特征进行研究，计算万州区的斑块数量(NP)、斑块密度(PD)、最大斑块指数(LPI)、分离度指数(SPLIT)和香农多样性指数(SHDI)(图2)，在2000—2018年间万州区的NP和PD整体上呈增加趋势，生态空间的破碎化程度越来越大；LPI持续减少且幅度较大，最大生态空间斑块不断被侵蚀、破坏；SPLIT持续增加，各个生态空间斑块之间的分化程度越来越大；SHDI持续增加，各个生态空间斑块之间的面积趋于均匀化。由此可见，万州区的生态空间的不稳定性正在逐步扩大。

3.2 Ann-CA-Markov耦合模型转换规则

3.2.1生态空间类型转移概率矩阵

生态空间类型的转移概率矩阵是Ann-CA-Markov耦合模型的重要转换规则之一，为2个不同时期生态空间类型流转变化的转移概率矩阵。使用万州区2000、2006、2012、2018年4期土地利用现状数据，通过马尔科夫模型分别计算万州区在2000—2006、2006—2012和2012—2018年3个时间段内的生态空间类型的转移概率矩阵，如表3～5所示。

表3 2000—2006年万州区生态空间类型转移概率矩阵

3.2.2影响因子的影响力分析

在制作适宜性图集之前需要对生态空间变化影响因子的影响力进行分析。通过国内外相关研究结合万州区的实际情况，选取高程、道路交通、行政中心、河流、生态红线5个影响因子作为Ann-CA-Markov耦合模型的主要影响因子(图3)，其中高程、道路交通、行政中心、河流为条件因子，生态红线为限制因子。

就限制因子而言，生态红线是生态空间内具有特殊重要生态功能、必须强制性严格保护的区域，是保障和维护国家生态安全的底线和生命线，原则上按照禁止开发区域的要求进行管理，严禁不符合主体功能定位的各类开发活动，严禁任意改变用途。故在该研究中生态红线是生态空间的关键区域。

就条件因子而言，通过计算Cramer′s V指数值对各个影响因子的影响力进行解释，计算结果如表6所示。根据表6可知，2000—2018年间道路交通因子和河流因子对万州区生态空间变化的影响力持续增加，高程因子和其影响力先减小后增加，究其原因在于近年来大量农村人口涌入城市，致使城镇化发展进程加快且出现大量农村山区地带耕地撂荒等问题，从而使大量生态空间被侵占。与此同时，土地复垦、土地整治、退耕还林、退耕还草以及各类扶贫政策、生态环境保护政策的实施致使道路交通建设加快、生态空间内的各种自然资源被开发利用，进而使高程、道路交通、行政中心、河流等条件因子对生态空间变化的影响力持续受影响。

表6 各个影响因子影响下的Cramer′s V指数值

3.2.3生态空间类型适宜性图集

生态空间类型的适宜性图集是Ann-CA-Markov耦合模型的另外一个重要的转换规则，主要通过MLP_ANN模型计算生成。选取高程、距道路交通的距离、距行政中心的距离、距河流的距离、现有土地利用类型、邻近各个土地利用类型的栅格数量、生态保护红线图等共17个影响因子作为MLP_ANN模型中的输入层的17个神经元，并设置隐藏层的神经元为12个，因未利用地本身基数太小，故设置输出层的神经元一共有5个，分别对应耕地、林地、草地、水域、建设用地的转换概率。通过MLP_ANN模型的学习计算精确度达到了96.44%，故生成的适宜性图集完全可以用于预测模拟。由于Ann-CA-Markov模型是基于CA模型进行构建，最后将修正过后的适宜性图集进行拉伸，拉伸值为0～255，拉伸后生成的适宜性图集如图4所示。

3.3 研究区生态空间模拟预测

3.3.1Ann-CA-Markov耦合模型模拟精度检验

在完成Ann-CA-Markov耦合模型的构建后，对万州区2012和2018年的生态空间进行模拟预测以检验Ann-CA-Markov耦合模型的模拟精度，模拟结果如图5所示。

主要通过Kappa系数对Ann-CA-Markov耦合模型的模拟精度进行检验，Kappa系数主要进行图件之间的一致性验证，如果计算的Kappa系数值≥0.75，则认为模拟精度高；如果Kappa系数值<0.75且≥0.4，则认为模拟精度一般；如果Kappa系数值<0.4，则认为模拟精度低。

分别计算了万州区2012和2018年的标准、数量、位置和随机Kappa系数值，2012年分别为0.983 6、0.987 6、0.992 7、0.992 7，2018年分别为0.985 0、0.988 7、0.996 3、0.996 3，由此可见，笔者所构建的Ann-CA-Markov耦合模型具有较高的模拟精度，可以用于万州区2024年生态空间的模拟预测。

3.3.2研究区2024年生态空间模拟预测

通过构建的Ann-CA-Markov耦合模型(选取的主要影响因子包括高程、道路交通、河流、行政中心以及生态红线因子，详见3.2.2和3.2.3节)对万州区2024年的生态空间格局进行模拟预测，其模拟结果如图5和表7所示。

表7 2024年万州区生态空间模拟结果统计表

根据图5和表7的万州区2024年生态空间模拟结果来看，到2024年万州区生态空间的面加增加，增加幅度占整个万州区总面积的0.15%，其中林地、水域和未利用地面积增加，林地和水域面积增加幅度分别占万州区总面积的0.18%和0.01%，未利用地增加面积可以忽略不计；草地面积减少，减少幅度占万州区总面积的0.04%。

在对2024年万州区生态空间的数量变化特征进行分析后，进一步对万州区2024年生态空间的空间变化特征进行分析。根据2024年的生态空间模拟结果计算的景观格局指数(表8)可知，万州区生态空间的斑块数量、斑块密度、最大斑块指数、分离度指数和香农多样性指数到2024年都进一步增加，说明万州区生态空间的破碎化程度以及各个生态空间斑块之间的分化程度和面积均匀化程度越来越大，万州区生态空间的稳定性进一步下降。

表8 2018—2024年万州区生态空间景观格局指数表

3.4 研究区生态空间生境质量评估

为了进一步对万州区的生态空间进行研究，通过InVEST模型对万州区2000—2018年以及2024年模拟的生态空间的生境质量进行计算。根据图6可知，在整个万州区范围内，高生境质量区域(敏感区域)分布较广，在万州区的各个地方均有分布，集中分布于长江流域以及万州区的东南部区域；而万州区的低生境质量主要集中分布于万州区城区。

通过ArcGIS 10.1软件平台分别计算万州区2000、2006、2012、2018和2024年模拟的生态空间的平均生境质量(图7)。

根据图7可知，无论是2000—2018年还是通过模拟的2024年，万州区生态空间的生境质量呈现持续下降的趋势，其中2000—2006年万州区生态空间的生境质量下降最为显著，2018—2024年下降幅度较小。综上所述，万州区对于生态空间以及生态环境的保护并未使万州区的生态环境得到较大程度的改善，故需要进一步加强对万州区生态空间的优化管控及生态环境的保护。

3.5 研究区生态空间重构策略

通过对万州区的生态空间格局以及生境质量的模拟结果可知，万州区的生态空间减少最主要的原因是城镇化以及工业化进程的快速发展，因此对于控制人口密度以及合理规划城市和工业的发展是对生态空间进行合理重构的重要策略之一。万州区的生境质量呈现持续下降的趋势，最主要的原因在于高生境质量的生态空间类型向低生境质量的生态空间类型转换，而对于整个万州区而言，高生境质量生态空间主要包括生态红线以及自然保护区，低生境质量主要包括耕地和未利用地，故对生态空间进行合理重构的另一重要策略是加强高生境质量生态空间的保护(生态红线、自然保护区、林地、水域等)，并在保证区域粮食安全的情况下将低生境质量生态空间类型向高生境质量生态空间类型转换。因此，生态空间的管控及优化最主要在于对生态空间总量进行控制、对生态空间进行分类管制、对生态空间进行合理布局以及对生态空间保护实施保障机制。

3.6 讨论

笔者所构建Ann-CA-Markov耦合模型(Kappa系数0.983 6)比其他相关研究所使用模型的模拟精度(表9)更高，模拟预测结果的可信度更高，研究结果有利于掌握未来生态空间的变化趋势，并为相关研究提供方法参考，同时为生态环境保护政策的制定以及国土空间的优化管控提供参考依据。但是研究仍然存在着以下2个方面的问题，需要进一步改进。

表9 相关模拟预测研究模型精度

第一方面，该研究使用的TM影像精度较低，且解译只到一级地类，未精确到二级地类。故在未来的研究中，将尽可能使用高分辨率的遥感影像，获取更加精细化的生态空间类型，加强对生态空间变化特征的研究。

第二方面，Ann-CA-Markov耦合模型创建转换规则时未设置动态转换参数，通过人工神经网络模型创建适宜性图集时仅设置了静态参数，而未设置动态参数，在生态空间发生变化的过程中各个影响因子也是发生变化的。在未来的研究中尽可能地获取动态转换的参数需进一步优化Ann-CA-Markov耦合模型，提高模拟预测结果的可信度。

4 结论

通过对2000—2018年万州区的生态空间演变特征进行分析，并构建Ann-CA-Markov耦合模型对万州区2024年的生态空间进行预测模拟，对万州区生态空间的生境质量进行评估，得出以下结论：

(1)构建的Ann-CA-Markov耦合模型具有较高的模拟精度，通过Markov模型和Ann模型对CA模型的主要规则进行构建，解决了CA模型在模拟过程中对各种宏观因素的考虑不足的问题，使模拟的结果更加科学、合理、可信。

(2)根据预测模拟结果，2000—2024年万州区生态空间面积持续增加，但是生态空间的破碎化程度和稳定性持续下降，且生态空间各个斑块的分化程度持续增大，需要从区域整体上对生态空间进行优化管控。

(3)2000—2024年万州区生态空间的生境质量持续下降，虽然万州区生态空间的数量不断增加，但是其生境质量仍然持续下降，生态空间的优化管控不仅需要体现在生态空间的数量以及稳定性上，更应该关注生态空间的生境质量。