多因素耦合下鄱阳湖南部区域土地利用未来情景模拟

秦钰莉

(湖北永业行评估咨询有限公司,湖北武汉 330013)

土地是人类在一切生产和社会活动中赖以生存的基础和进步的前提[1]。土地利用/土地覆被变化(land use and land cover change,LUCC)是在环境变化问题中自然与人文过程交叉最为密切的部分。自2005年全球土地计划(global land project,GLP)发布后,LUCC是全球变化研究的热点[2]。土地利用变化影响着土地和社会经济相关规划,土地方面乃至社会经济相关规划与土地利用变化联系紧密。土地利用规划有利于区域资源合理开发、生态环境保护以及社会经济健康快速发展,土地规划前提工作需要分析土地利用热点区域的空间位置和趋势,研究土地利用变化的驱动力,对未来土地利用格局进行准确的预测和模拟[3]。

土地利用格局演变主要是自然和社会经济因子共同作用的结果,不同区域的土地利用变化影响因子变化具有差异性[4]。影响因子对土地利用变化解释力的模型主要有Logistic分析[5]、人工神经网络(ANN)[6]和Autologistic分析[7]。土地利用变化模拟与预测是土地科学的重要组成部分,也是土地资源可持续利用的根本保证。土地利用变化分析模型是研究土地利用变化成因、模拟预测未来变化趋势和环境影响的重要途径。近年土地利用变化模拟模型主要有CA_Markov模型[8]、Agent-based模型[9]、SLEUTH模型[10]、LTM(land transformation model)模型[11]和CLUE-S(coversion of land use and its effects at small region extent)模型[12-13]。Dyna-CLUE模型是基于CLUE和CLUE-S模型改进而来,Verburg等[14]在它们的基础上增加了处理领域影响的模块和土地利用连续变化的模拟机制。目前,Dyna-CLUE模型已经应用到了多个领域:政府政策改革对土地利用变化的影响、生态系统固碳潜力模拟预测、政策对农田生物多样性影响评价和区域土地利用空间模拟与预测[15-17]。然而,对于湿地生态保护及城市化发展迅速影响下土地利用变化机理问题目前应用较少。

鄱阳湖是国际重要湿地,是我国第一大淡水湖。鄱阳湖南部区域特殊的地理位置和生态环境修复等问题成为区域研究热点[18]。目前,缺乏对鄱阳湖区域以不同情境设计对土地利用变化模拟预测,揭示各影响因子驱动下土地利用演变趋势。 该研究基于Logistic回归模型定量分析影响因子对土地利用变化的转换概率,结合Dyna-CLUE模型,充分考虑鄱阳湖湿地土地利用政策和未来规划的宏观调控影响,以提高土地利用模拟的精度为主要目标,模拟预测未来鄱阳湖湿地南部区域的空间布局,以期为生态规划工作提供技术思路及理论支撑[19-20]。

1 资料与方法

1.1 研究区域概况鄱阳湖湿地是永久性淡水湖湿地,湿地面积达到31.3万hm2。该研究以鄱阳湖南部区域隶属南昌市境内的新建区、青山湖区、东湖区、西湖区、青云谱区、南昌县、进贤县和上饶市的余干县为研究区(图1)。研究区属于亚热带湿润性季风型气候,气候温暖湿润,光照充足,雨量充沛。在东南季风的影响下,年降水量在1 600 mm左右,湿地多年平均水温18 ℃左右。鄱阳湖湿地高程在13.60～19.00 m(吴淞基面)。湖区土壤类型有红壤、黄棕壤、紫色土、石灰土、石质土、潮土和水稻土。鄱阳湖滨湖平原以冲击型土壤为主,洲滩地是草甸土、沼泽土,滨湖和河流两岸是冲积土,质地主要为河流冲积物,具有肥力较高、耕地良好、宜种性广等特征。平原阶地以水稻土为主,还有阶地红壤[21]。研究区是鄱阳湖湿地经济、政治和文化的核心区域,人口密集。

图1 研究区地理位置Fig.1 Geographical location of the study area

1.2 数据来源与处理主要数据包括:①土地利用数据来源于地理空间数据云(http://www.gscloud.cn),选取2015和2020年Landsat8-OLI遥感影像,时相为7月。②高程和坡度从DEM数据中提取;国道、省道和县道数据来源于国家基础地理信息中心。③社会经济统计数据来源于鄱阳湖湿地系统科学数据共享平台。

数据处理:利用ENVI软件,对原始遥感影像进行预处理,结合野外调查和谷歌地球采点,利用ENVI 5.0采用最大似然法解译提取土地利用数据,该研究将土地利用类型分为水域、耕地、建设用地、未利用地和林草地。DEM数据下载后进行裁剪和重分类处理,利用空间表面分析功能提取高程和坡度。在ArcGIS中,利用Euclidean Distance(欧式距离)工具计算研究区域各栅格到国道、省道和县道的最近距离。将计算获取的人口密度、GDP和地方财政收入矢量数据导入ArcGIS中,并进行空间栅格化。所有栅格数据坐标系统统一为WGS84,分辨率为30 m×30 m。

1.3 研究方法

1.3.1Dyna-CLUE模型。Dyna-CLUE模型是在CLUE和CLUE-S的基础上改进而来,主要包括空间和非空间2个模块(图2)。空间模块主要是通过空间变异分析等方法生成空间概率分布图;非空间模块主要是对自然和社会经济驱动因子的分析计算每年每类土地利用类型的需求量,将计算结果分配到特定空间位置,通过多次迭代对研究区的土地利用进行时空模拟预测。Dyna-CLUE模型通过对局部适应性和领域适应度的分析,可以反映真实的土地利用变化复杂的空间分布特征[22]。

图2 Dyna-CLUE模型结构[21]Fig.2 Dyna-CLUE model structure

(1)空间分布适宜性。定量分析每类土地利用类型与各驱动因子之间的关系,即表示研究区每一栅格单元可能出现某种土地利用类型的概率。该研究运用二元Logistic回归分析方法计算各土地利用类型的空间分布变化与影响因子之间的定量关系。

设自变量第n个n=(χ1n,χ2n,…,χkn),因变量yn取值为0或1(取值为0表示景观类型未发生转变,取值为1表示景观类型发生转变)时,将发生概率表示为Pn=P(yn=1|χ1n,χ2n,…,χkn),则:

(1)

式中:α为截距;β为回归系数;Pn表示景观类型发生转移的概率,取值为0～1。

二元Logistic回归模型表达式为:

(2)

式中:Pn为某一栅格景观类型i的发生概率;X1,i,X2,i,...为景观类型i的各驱动因子;β0为常数项,β1,β2,…,βn为解释变量Xi对应的回归系数。事件发生和不发生的概率之比[公式(3)]成为事件的发生比率,即:

(3)

发生比率exp(β)是回归系数β以e为底的自然幂指数,可判断模型中自变量对因变量的影响程度。发生比率说明当自变量每增加一个单位时,发生比率变化的倍数;当值大于1,发生比增加;等于1,发生比不变;值小于1,发生比减少。

该研究选取了地形、交通因素和社会经济3类因子,主要包括DEM、坡度、人口密度、GDP、到县道的距离、到省道的距离、到国道的距离。利用ArcGIS将土地利用分类图和驱动因子图转为ASCII文件,由Dyna-CLUE模型中convert工具生成Stats文件,利用SPSS软件进行统计分析,回归结果采用ROC方法进行评价检验。ROC曲线称为感受性曲线(relative operating characteristic curve),可以反映预测概率与观测数据的拟合程度,ROC值大于0.7时则表明拟合程度好[23]。

(2)土地利用需求。土地利用需求是Dyna-CLUE模型中非空间分析模块,预测模拟从基准年开始到终止之间每年各类土地利用类型的需求量面积。该研究主要采用马尔科夫模型Markov的方法,预测研究区2015—2020年每年的各类土地利用需求面积,结合政府土地利用规划政策,进行适当调整。

(3)空间限制区域。空间限制区域主要是根据研究区土地利用变化情况和政府政策确定土地利用限制条件,该研究设定3种情景,根据情景设计设置土地利用变化限制区域,能够发生转移变化的区域设置为“0”,不能转移变化的区域设置为“-9998”。限制区域在模拟预测过程中不会参与迭代过程。

(4)土地利用类型转移部分。该部分主要包括各类土地的转移弹性系数与可转移性设置(转移矩阵)。转换弹性系数(ELAS)取值为[0,1],值越接近0,表示土地利用类型越容易发生转移。结合鄱阳湖南部区域土地利用转移概率,该研究在不同情境设计下对模型进行不断调试,设定弹性系数(表1)。土地利用转移矩阵主要表示在某一情景设计下,各类土地利用类型之间相互转移的可能性。

表1 土地利用类型弹性系数Table 1 Elasticity coefficient of land use types

1.3.2情景设计。情景分析是指各类土地利用类型在未来不同情境下的发展趋势,该研究情景模拟基于Dyna-CLUE模型可以根据不同的情景模拟土地利用空间分布情况,设定了耕地保护情景、生态保护情景和综合保护情景。

1.3.2.1耕地保护情景。为了防止城市化过程中过度开发占用大量耕地,坚守耕地保护政策。遵循研究区现实情况控制研究区耕地转出的数量和方向,重点保护优质连片农田。随着南昌市区城市化的发展,建设用地增速趋缓,但仍然保持增长趋势。限制范围包括水域限制区域、地形限制区域和基本农田限制区域。

1.3.2.2生态保护情景。鄱阳湖湿地是国际重要湿地,在中国长江流域中发挥着巨大的调蓄洪水和保护生物多样性等特殊生态功能,是中国十大生态功能保护区之一,也是世界自然基金会划定的全球重要生态区之一。生态保护情景主要严格保护林草地、水域等生态用地,湿地保护区域禁止大规模开发建设政策推进。随着退耕还林政策和森林工程等生态保护政策实施,耕地面积明显减少,林草地面积显著增加。

1.3.2.3综合保护情景。基于鄱阳湖湿地南部区域土地利用现状和社会经济发展需求,该情景限制区域为水域、地形、基本农田和禁止建设区。既要保证城市化过程中的城市扩张和建设,也要保护大片优质良田和生态环境。

1.3.3模型精度检验。Kappa系数能从整体上验证预测结果与监测数据的一致性程度,已广泛应用于一致性评价和遥感解译精度评价[24]。通过计算Kappa系数来定量评价Dyna-CLUE模型模拟精度。Kappa系数计算公式如下:

(4)

(5)

(6)

式中:P0为正确模拟栅格比例;Pc为随机选择情况下期望的正确模拟栅格比例;Pp为理想分类下正确模拟栅格比例(100%);n为景观类型现状图栅格总数;ni为正确栅格数;N为景观类型数。

2 结果与分析

2.1 研究区土地利用变化影响因素分析利用SPSS软件将建设用地、林草地、水域、未利用地和耕地5种单类型图层作为因变量,以高程、坡度、国内生产总值(GDP)、人口密度、距离县道的距离、距离省道的距离和距离国道的距离7个驱动因子作为自变量进行回归分析,结果见表2。由表2可知,5种土地利用类型的拟合优度即ROC值分别为0.916、0.888、0.875、0.967和0.868,均大于0.800,表明所选择的7个驱动因子对研究区土地利用具有较强的解释能力,可以用于模拟与预测未来鄱阳湖南部区域的土地利用变化分布情况。

建设用地的分布概率主要与高程、坡度、GDP、人口密度、距离县道的距离、距离省道的距离和距离国道的距离有关。其中,高程、坡度、距离县道的距离、距离省道的距离和距离国道的距离的回归系数(β)均为负数,表明这些因素对影响建设用地分布的概率呈负相关。高程每增加100 m,建设用地发生比率0.510 2;坡度每增加1°,建设用地发生比率为0.334 2;距离省道(国道、县道)的距离越近,建设用地分布的概率越小。GDP和人口密度与建设用地的分布概率呈正相关,GDP越大或者人口密度越大,建设用地分布概率越大;GDP和人口密度的发生比率分别为0.034 1和0.024 3。

林草地的分布概率主要与高程、坡度、距离县道的距离、距离省道的距离和距离国道的距离有关,其中,高程、坡度、距离县道的距离、距离省道的距离和距离国道的距离的回归系数均为正数,表明这些因素对影响林草地分布的概率呈正相关。高程增加100 m,林草地发生比率为0.008 3;坡度每增加1°,林草地发生比率为0.242 6;距离县道(省道、国道)的距离越近,林草地分布概率越大。

水域的分布概率主要与高程、坡度、距离县道的距离、距离省道的距离和距离国道的距离有关。其中,高程和坡度与水域的分布概率呈负相关,距离县道(省道、国道)的距离与影响水域分布概率呈正相关。

未利用地的分布概率主要与人口密度、距离县道的距离和距离国道的距离有关。人口密度与未利用地分布概率呈负相关,即人口越稠密的区域,未利用地分布概率越小;距离县道和距离国道的距离与未利用地分布概率呈正相关,即距离县道和国道的距离越近,未利用地分布概率越大。

耕地的分布概率主要与高程、坡度、GDP、人口密度、距离县道的距离、距离省道的距离和距离国道的距离有关。其中,高程、坡度和GDP的回归系数为负数,表明这些因素与耕地的分布概率呈负相关。高程越高,耕地分布概率越小;坡度越大,耕地分布概率越小;GDP越大,耕地分布概率越小。人口密度、距离县道的距离、距离省道的距离和距离国道的距离的回归系数为正数,表明这些因素与耕地的分布概率呈正相关。人口密度越大,耕地分布概率越大;距离县道(省道、国道)的距离越近,耕地分布概率越大。

表2 Logistic模型回归系数检验结果Table 2 Regression coefficient test results of the Logistic model

2.2 土地利用变化特征及模型检验由表3可知,研究区的总面积为880 422.57 hm2,在2015年的土地利用变化中,未利用地占较大的比重,占比为32.77%,随着城市化的发展和人类对资源开发利用,未利用地面积减少至2020年的189 081.54 hm2。从表4可以看出,未利用地主要转向建设用地,转移概率为14.91%,转向林草地和耕地的概率分别为2.31%和2.72%。2015年耕地面积为210 965.22 hm2,到2020年面积减少了39 915.27 hm2,比重由23.96%减少至19.43%,耕地面积大量丧失;从转移概率可以看出,耕地面积主要转向了建设用地,概率达到7.11%,其次转向林草地和未利用地,转移概率分别为3.06%和4.16%。建设用地面积由2015年的47 571.39 hm2增加至2020年的68 341.14 hm2,比重增加了2.36百分点。这5年间林草地面积由170 611.38 hm2增加至296 450.28 hm2,比重增加了14.29百分点。林草地主要由建设用地和耕地转入,转入的概率分别为16.69%和3.06%,未利用地转为林草地的概率2.31%,水域转为林草地的可能性很小。水域的面积基本比较稳定,占比由18.49%减少至17.66%。

通过2020年土地利用现状和模拟对比(图3)发现,各类土地利用空间分布基本一致,局部区域有所偏差。从表5可以看出,耕地现状面积和模拟面积差别较大,差异较小的土地利用类型是建设用地和水域。林草地模拟面积比现状面积减少了5 798.95 hm2,建设用地模拟面积比现状面积增加70.50 hm2。从重叠率可以看出,水域模拟效果最好,耕地效果最差;从Kappa系数可以看出,林草地、建设用地、未利用地和水域的Kappa系数均大于0.80,表明模拟精度较高,具有可信性;而耕地Kappa系数大于0.70,表明模拟精度较低,主要原因在于2015—2020年研究区城市化发展迅速以及政策调控导致耕地面积波动大。

表3 研究区土地利用类型面积Table 3 Area of land use types in the study area

表4 2015—2020年研究区土地利用类型转移概率矩阵Table 4 Probability matrix of land use type transfer in the study area from 2015 to 2020

图3 2020年土地利用现状(a)与模拟(b)对比Fig.3 Comparison of land use status and simulation in 2020

表5 2020年鄱阳湖湿地南部区域土地利用模拟结果检验

2.3 2025年土地利用空间模拟基于2015—2020年土地利用变化数据,通过Markov模型对研究区3种不同情境进行土地需求量预测,以江西省“十三五”规划和南昌市生态环境保护“十三五”规划为参考,根据不同的情景设计情况进行适度调整(图4)。以2020年研究区土地利用现状为基准图,利用Dyna-CLUE模型对鄱阳湖南部区域2025年土地利用空间格局进行预测(图5)。

2.3.1耕地保护情景。该情境下土地利用模拟过程主要关注和保护耕地。建设用地面积主要由赣江向两岸扩展,中心城区主要向新建区和湾里区疏解,人口将流向新建区和湾里区。“十三五”期间南昌市主体功能布局将重点开发瑶湖科技城、向塘片区、昌九新区、昌北区域、望城和九龙湖等区域,

图4 3种情境下各种土地利用类型土地需求量预测Fig.4 Prediction of land demand for various land use types in three scenarios

图5 不同情境下2025年研究区土地利用空间模拟预测Fig.5 Spatial simulation and prediction of land use in the study area in 2025 under different scenarios

统筹开发赣江两岸,国家风景名胜区和国家森林公园以及鄱阳湖岸3 km范围限制开发,只能进行城市风景性修建整理或保证农业生产必要的建设。其中,耕地面积减少了920.63 hm2,建设用地面积增加了623.57 hm2,未利用地面积减少7 396.66 hm2,水域面积增加了4 467.66 hm2,林草地面积增加3 226.06 hm2。该情境下建设用地面积主要由未利用地转化而来,减少对耕地面积的占用。研究区西南角海拔较高,限制了建设用地向西南扩张的趋势。《南昌市“十三五”都市现代农业发展规划》中将南昌打造成“都市休闲农业产业带”,做强特色优势产业,提高农业生产科技含量和机械化水平,落实了最严格的耕地保护制度,保障维护粮食安全。该情景可以看出政策宏观调控的效果,对耕地保护有明显的作用。防止南昌市区城市化进程对耕地的占用,保护了南昌县和青山湖区附近的大片优质良田,同时,将城区附近的耕地发展特色创意农业,以“江西花园南昌都市农业休闲游”为主线,大力发展休闲农业和乡村旅游产业。

2.3.2生态保护情景。该情境下主要保护林草地和水域生态用地,“十三五”期间,是南昌市打造核心增长极,从“一江两岸”走向“跨江临湖、揽山入城”的关键时期,随着各项改革政策的实施,生态环境保护面临重大转型和改善机遇。该研究参考《江西省林业发展“十三五”规划》,规划中预计2025年,全江西森林覆盖率稳定在63.1%,加强鄱阳湖湿地生物多样性保护和生态环境保护,在预测结果中,建设用地在基准年的基础上增加了1 527.87 hm2,耕地减少了1 506.66 hm2,林草地增加了6 456.86 hm2,水域面积增加了4 364.66 hm2,未利用地面积减少了1 0842.73 hm2,研究区林草地和水域都有增加,“十二五”以来,南昌市城镇化建设速度进一步加快,用地矛盾突出,耕地与水域面积有所缩减,随着规划的实施,推进赣江流域生态环境综合治理,控制赣江三角洲地区开发,禁止在自然保护区内违法进行开矿、采石等活动,强化湿地环境管理,禁止非法侵占和填埋,从预测结果看,在一定程度上改善了生态环境。

2.3.3综合保护情景。该情景基于鄱阳湖湿地南部区域的土地利用现状和社会发展需求,“十三五”规划纲要提出,要把南昌市建设成揽山临湖的山水都市,把一江两岸的城市布局形态延展为经济布局形态,在纵达鄱阳湖及梅岭等大尺度生态区域之间采取田园城市形态,使南昌城市延展到鄱阳湖区域。相比于情景一和情景二,综合保护情景既兼顾了社会经济的发展,又要考虑对鄱阳湖湿地南部的生态环境保护。预测结果中,相比2020年,建设用地面积增加了895.29 hm2,林草地面积增加了5 228.63 hm2,未利用地减少7 846.92 hm2,建设用地趋于缓和。

结合图4和图5,3种情景设计分析下,2025年研究区5类土地利用类型的比重相对比较稳定,主要是林草地>未利用地>耕地>水域>建设用地,林草地的比重最大,在生态保护情景中,林草地面积可达302 917.14 hm2,该情景下通过退耕还林、森林工程等对林草地进行了保护和修复,但同时占据了耕地面积。在耕地保护情境中,保护了大片优质良田,但对于林草地面积造成了一定威胁,建设用地面积增长速度减缓;综合保护情景综合考虑了耕地保护、生态环境修复与保护以及城市化发展需要,优势互补,解决了各地之间的矛盾,相比耕地保护和生态保护情景,耕地面积为160 059.23 hm2,但从空间布局来看,保留了大量优质良田且坡陡劣质的耕地。

3 结论与讨论

该研究以鄱阳湖南部区域为例,基于Dyna-CLUE模型,探索模型在鄱阳湖湿地南部区域模拟预测的可用性,在对比验证结果的基础上,基于鄱阳湖南部区域的耕地保护、生态保护和综合保护3种情景,对2025年鄱阳湖湿地南部区域土地利用变化进行模拟与预测。主要结论如下:

(1)不同影响因子对各类土地利用类型具有差异性,通过驱动因子与土地利用空间布局的Logistic回归分析,发现拟合优度即ROC值均大于0.800,表明所选取的驱动因子对土地利用类型分布适宜性具有显著性。建设用地和耕地的分布概率主要受地形因子、社会经济因子和交通因子的影响;林草地和水域的影响因素主要是地形和交通;社会经济因素对未利用地的分布起着主导作用。

(2)运用Markov模型模拟预测2020年的土地利用空间分布状况,与真实解译土地利用类型进行对比分析,整体模拟精度较高,建设用地、未利用地和水域的重叠率达90%以上。耕地、林草地、建设用地、未利用地和水域的Kappa系数分别为0.77、0.82、0.88、0.90、0.98。

(3)以江西省“十三五”规划和南昌市生态环境保护“十四五”规划为参考,根据研究区实际情况设计耕地保护、生态保护情景和综合保护3种情景,结合Markvov预测未来土地需求量,运用Dyna-CLUE模型对2025年每类土地利用类型空间分布进行预测,3种情景预测结果中,每类土地利用类型的比重基本保持一致,林草地面积在整个土地利用类型中占主导地位。相比于耕地保护情景和生态保护情景,综合保护情景更为合理,既考虑了生态环境保护需求,又保持耕地面积不会大幅减少。

在情景模拟过程中,该研究结合RS和GIS技术,利用Markov模型和土地规划中规划者的设定对土地需求量进行数量上预测,Dyna-CLUE模型根据不同的情景设计进行空间上分配预测模拟,将模拟结果进行直观展现,3种情景预测结果可以为鄱阳湖南部区域的土地利用规划和管理提供科学依据。该研究在土地利用变化模拟过程中考虑了地形因子、交通因子和社会经济因素,但土地利用变化的影响因素是一个复杂的过程,还有很多影响因素是无法量化的,如城市化发展水平和政府政策变化等。在今后鄱阳湖土地利用变化模拟中,需要全面考虑政府和农户土地利用行为,改进情景设计方案,提高模型模拟精度。