基于PLUS模型的土地利用多情景模拟与时空特征分析

胡俊聪,何华贵,陈朝霞

(广州市城市规划勘测设计研究院,广东 广州 510060)

土地利用/覆盖变化(LUCC)是表征人类活动对地球表层及全球变化的重要内容[1],模拟和预测LUCC在时间和空间尺度上的变化特征对于制定城市发展规划、优化用地格局,进而促进区域协调可持续发展具有重要意义[2-4]。

目前,构建LUCC模拟模型的主要思路是利用LUCC时空数据,通过量化其变化驱动因子,结合转移矩阵等土地类型转变规则,分析各类土地类型转变单元与驱动因子的相互关系模拟土地利用类型变化。探究驱动因子对地类单元的影响作用是模型研究的热点,当前主要方法包括系统动力学(SD)、CLUE、Markov模型、CA等方法。近年来许多学者考虑到人群、环境等微观因子对LUCC的耦合影响,基于CA引入了多元驱动因子优化模拟模型,包括CA-Markov[5]、FLUS[6-7]、CAABC[8]、PLUS[9]等模型。其中,斑块级土地利用变化模拟模型(PLUS)模型通过挖掘土地扩张和景观变化的潜在驱动因子模拟多类土地利用斑块级的变化,相比于其他模型,PLUS模型能够模拟出更精细的土地利用变化情况[10]。本文以广东省河源市为研究区域,利用2009—2018年的土地利用数据,采用PLUS模型模拟多情景下河源市2025年土地利用情况并分析LUCC时空特征。

1 研究区概况与数据源

河源市位于广东省东北部,总面积为15 654 km2,市内共有自然保护区97个,占全市面积的21%。随着近年来城市发展快速扩张,在确保重点生态功能区完好的前提下,优化区域土地资源配置,以构建高质量发展的空间经济布局是河源市亟需解决的问题。

选取河源市2009—2018年逐年土地利用现状数据,其土地利用类型包括耕地、园地、林地、草地、建筑用地、交通用地、水体及其他用地8类,空间分辨率为10 m。考虑人群、环境的影响,本文采集了人口、经济、地形等12个LUCC潜在驱动因子构建模型(见表1)。

表1 数据来源

2 研究方法

以2009—2018年土地利用数据、土地利用变化驱动因子、生态保护约束为基础,先利用PLUS模型模拟河源市2020年土地利用情况,并通过混淆矩阵Kappa系数和FoM系数验证模型精度。在此基础上,依据自然发展、耕地保护优先和经济发展优先的3种规划需求,构建了多目标规划模型,模拟河源市2030年土地利用变化情况,并分析了不同规划需求情景下的土地利用变化空间特征及发展迁移情况(如图1所示)。

图1 技术路线

2.1 PLUS模型

PLUS模型是集成土地扩张分析策略的规则挖掘框架(LEAS)和多类型随机种子(CARS)的改进CA模型。其中,土地扩张分析策略规则挖掘是通过提取不同时间切片的土地利用变化中各类用地扩张的部分,采用随机森林算法逐一挖掘各类土地利用扩张和驱动因子之间的关系,获取各类用地的发展概率及驱动因子影响权重,可表示为

(1)

(2)

式中,OP表示总体转换概率;Ω表示地块单元的邻域效应;D表示未来k类土地利用需求影响。

2.2 规划需求约束下的土地价值评估模型

土地利用规划优化是在现有现实约束条件下(耕地红线、生态保护要求等),通过调整各类土地利用类型面积使区域内土地利用结构达到最优,满足生态、经济等多方面的规划需求,该过程实际上是一个多目标决策问题。对于同一块土地而言,其利用类型是唯一的,无法同时满足多方面的规划需求,因此在有限土地供给的条件下,不同的规划需求存在竞争关系,规划需求只能根据决策者的偏好达到局部最优,即

(3)

式中,f(x)表示期望效益;x表示满足K条件的决策变量;ω表示根据各类土地利用类型面积分配的权重;ci表示各类土地利用类型的价值系数,可采用基于专家知识对土地价值进行货币化量化评估[11],也可采用AHP等模糊数学方法进行评估[12]。

对于式(3)中的约束条件K,以土地转换矩阵为基础,假设了自然发展、生态保护和经济发展3类情景进行模拟。其中,自然发展情景设置为所有土地类型之间均可互相转换;生态保护情景设置为限制林地、草地、水域向其他用地类型转换;经济发展情景设置为限制其他用地向林地、草地、水域转换。对于土地利用价值系数,可利用地区GDP和生态系统生产总值(gross ecosystem product,GEP)[13]分别表征土地的经济和生态价值。其中,GDP代表建设用地(包括建筑用地、交通用地)的土地价值;GEP代表其余6类土地利用类型的价值。公式为

(4)

GEP的计算可结合中国生态系统面积单位生态价值当量[14]参考值,取2009—2018年河源市耕地平均实际产量的1/7作为自然产量[15],即795.67 kg/hm2,综合稻谷的平均收购价2.56元/kg,得到河源市土地价值每当量为2 036.92元/hm2。综上,可得到各类土地利用类型的单位价值(见表2),将此作为ci评估河源市整体土地价值,对比不同规划需求情景下的土地利用价值。

表2 河源市各类用地GEP值 元·hm-2·a-1

2.3 土地利用重心迁移模型

土地利用重心迁移模型[16]借鉴人口分布重心变化原理,可表征各类土地资源空间格局变化情况,可表示为

(5)

式中,X、Y分别表示t时刻地类重心坐标;A表示图斑i的面积。

3 结果与分析

3.1 土地利用变化模拟结果及分析

(1) 模拟验证。利用2009—2017年河源市土地,采用PLUS模型预测2018年土地利用分布,并与2018年河源市实际土地利用数据对比,得到Kappa系数为0.84,总体精度为0.87;FoM为0.024, 在0.01～0.25内。综上所述,可认为模型具有较好的模拟精度和适用性。

(2) 不同需求情景下的土地利用变化分析。通过CARS模拟的2030年河源市各类型土地利用类型数据与2018年对比情况见表3。

表3 2030年3类情景土地利用情况 hm2

在自然发展情景下,相比于2018年,河源市耕地面积增加12 020.06 hm2,园地面积减少4 555.9 hm2,林地面积减少15 437.6 hm2,草地面积减少2 308.68 hm2,水域面积减少2 936.85 hm2,建筑用地面积增加9 550.35 hm2,交通用地面积增加5 033.95 hm2;全市土地价值估值为382 086.63亿元。在生态保护情景下,河源市林地增加了5 738.54 hm2,增幅为0.48%;草地增加了3 529.1 hm2,增幅为11.91%;水域增加了724.2 hm2,增幅为1.11%;全市土地价值估值为377 223.3亿元。在经济发展情景下,河源市建筑用地增加了11 040.11 hm2,增幅为24.44%;交通用地增加了5 710.9 hm2,增幅为76.8%;全市土地价值估值为381 760.52亿元。当以生态保护为优先原则时,由于具有较高GDP的建筑用地和交通用地面积较小,因此,未来土地价值相比于自然发展情景会出现显著衰退,降幅为1.27%;而当优先发展经济时,相比生态优先情景,全市未来土地价值会显著上升,但是经济发展情景相比于自然发展情景,土地价值依旧存在降幅,综上可推断出在此土地价值评估体系中存在某个介于生态优先和经济发展优先的阈值,使得全市土地价值达到最高,该点即是未来土地最优规划点。

3类假设情景下的土地利用类型转移矩阵见表4。对比3类情景可知,相比于自然发展情景,生态保护优先情景下的林地、草地和水域并非人为扩大,而是减少了向其他用地的转换,因此该情景中城市化扩张是伴随着耕地、园地等农用地的衰减进行的,约有45.31%的新建设用地是由耕地转换而来的;而在经济发展情景下,城市化扩张用地的主要来源是林地(34.73%),该情景下林地、草地和水域用地转移方向以耕地(62.23%)、建设用地(21.58%)和交通用地(13.91%)为主。

表4 3类情景土地利类型转移矩阵 hm2

3.2 土地利用时空变化特征分析

土地利用类型在空间上的变化及特征能够较好地表征区域土地规划情况,可支持未来土地政策调整与决策分析。本文以耕地为例,讨论河源市2018年实际耕地与自然发展情景下2030年耕地的空间分布特征及耕地用地变化迁移情况,为调整现有土地空间规划提供参考。

(1) 耕地空间分布特征。利用2018年河源市实际土地利用类型提取出的耕地数据,进行全局空间自相关分析(如图2所示),全局Moran’sI指数为0.619(Z=108.65,p<0.01),说明耕地置信度为99%的把握下在空间上呈现出显著的聚合分布态势;同理可分析出基于PLUS模型模拟的河源市2030年耕地用地空间分布特征,得到其全局Moran’sI指数为0.631(Z=110.67,p<0.01),表明未来耕地空间聚集效应会更显著。

图2 2018年河源市耕地空间分布特征及冷热点分析

从热点分析(Getis-Ord Gi*)的结果来看(如图3所示),河源市耕地在空间上呈现出北多南少的态势,集中分布在东源县北部、连平县东南部及龙川县西部地区;相比于2018年,2030年的耕地空间分布更聚集,在龙川县北部出现了新增的耕地空间热点,表明北部区域用地相比于南部更倾向于向耕地发展。

图3 2030年河源市耕地空间分布特征及冷热点分析

(2) 耕地利用变化空间特征。为深入掌握未来耕地利用变化情况,可提取出2030年的新增和减少耕地数据,通过核密度分析获取耕地新增和减少的重点区域,便于日后重点核实土地实际利用状况。从分析的结果来看(如图4所示),新增耕地主要集中在河源市中部及北部地区,与目前耕地的主要分布区域基本一致,造成此类分布的原因和原有土地利用类型的空间分布对后续演化有积极作用;减少的耕地主要分布在西部及南部地区,且大多呈现出高度聚合的整体衰减消失态势。

图4 2018及2030年河源市耕地变化空间热点

分别计算各驱动因子与耕地变化的皮尔逊相关系数(见表5)可知,新增耕地与降雨量存在中等正相关关系,与高程、坡度存在中等负相关关系;减少耕地与各类驱动因子之间没有较为明显的相关关系,由此可推断,耕地在低海拔、坡度小且降雨量充足的区域具有较高的扩张新增概率,而导致耕地减少的可能原因和外在驱动因子关联较弱,推测与其他土地类型的外扩有关。

表5 耕地变化驱动因子相关系数

通过土地利用重心迁移模型对2018和2030年河源市耕地重心迁移情况进行分析,得到结果如图5所示,可知,河源市耕地用地类型整体向北偏移。

图5 2018—2030年河源市耕地重心空间迁移情况

4 结 论

利用河源市2009—2018年土地利用数据,基于PLUS模型模拟3种典型情景下河源市2030年的土地利用数据,并构建了土地价值评估模型,对3种情景下的土地价值进行了评估,为土地利用规划提高参考。根据对用地空间分布特征的分析,本文以耕地用地为例,对该区域内的耕地用地变化的空间自相关性、驱动因子相关性及重心迁移等时空分布特征进行了分析。研究表明:①采用PLUS模型模拟河源市土地利用情况具有较高的可信度,在2018—2030年间自然发展情景下,河源市耕地、建筑用地及交通用地将会扩张,整体土地价值要高于优先保护生态情景和优先经济发展情景,说明按照2009—2018年该市土地利用规划发展能够较好地平衡城市扩张和自然保护间的矛盾;②相比于自然发展情景,生态保护优先情景中城市化扩张用地主要来源是耕地、园地等农用经济地,经济发展情景中城市化扩张用地的主要来源是林地;③河源市耕地空间分布呈现北多南少、高度聚合的空间态势,到2030年此态势会更显著,耕地用地重心呈现北迁态势。