基于CLUE-S情景模拟的挠力河流域耕地适宜性评价研究

李 衡 陈国银 王世晶 张 震 张志伟 靳焕焕

(东北农业大学水利与土木工程学院, 哈尔滨 150030)

0 引言

近年来,随着经济的快速发展和城镇化进程的加快,土地利用/覆被变化(Land use and cover change,LUCC)成为了全球气候与环境变化研究的热点问题。其中,2020年中国城镇化率达到63.89%,预计在2030年将达到70%[1]。城镇化率的提高和土地利用的变化将大量的耕地、草地等转变为建设用地,这一过程将会产生社会、资源和环境问题,为此,减少此类问题的发生已显得刻不容缓。当前,国内外学者针对土地利用/覆被变化的研究主要集中在LUCC驱动机制和演变过程[2]、土地利用变化的生态风险及优化[3]、LUCC的可持续性和生态效益评估以及LUCC模型与未来变化模拟[4-5]、土地利用变化带来的碳排放时空差异和作用机理[6]等方面。然而LUCC研究的一个重要方向是未来土地利用变化的模拟,其中比较成熟的模型包括系统动力学模型[7]、Markov模型[8]、CA及改进模型[9-12]、智能体模型(ABM)[13]、FLUS模型[14]、PLUS模型、CLUE模型[15]以及在其基础上改进的CLUE-S(Conversion of land use and its effects at small regional extent)模型[9,16-18]等。而CLUE-S模型适用于小范围内土地利用空间数量和空间位置变化的模拟与预测,且能够对土地利用变化与其社会、经济和自然等驱动因子相互关系进行定量分析,应用较广泛[19]。

挠力河流域作为三江平原主要的粮食产区和国家重要商品粮基地,地理位置优越,在受到自然环境和经济社会双重影响下土地利用类型发生变化,势必会造成土地利用适宜与不适宜,因此,研究该地区历史年份地类时空变化、模拟未来年份地类变化格局和地类适宜性至关重要。

本文以挠力河流域作为研究区,利用挠力河流域2000、2010、2020年3期土地利用数据,从土地利用动态度指数和土地利用转移矩阵两方面分析历史时期土地利用时空变化,利用二元逻辑回归模型选取高程、坡度和坡向等15个驱动因子,运用CLUE-S模型对挠力河流域2020年土地利用时空变化进行模拟验证,在此基础上设置基线情景、农业发展情景和生态保护情景预测2030年研究区土地利用空间变化并对各情景下耕地适宜性进行评价,从而为加强未来耕地质量建设与管理、落实耕地保护目标和科学管理土地资源提供可持续发展的科学决策。

1 研究区概况

挠力河流域位于黑龙江省三江平原腹地,地理范围为45°42′～47°31′N、131°10′～134°09′E,行政区划包括富锦市、饶河县、七台河市、双鸭山市、集贤县、宝清县、友谊县以及建三江和红兴隆农垦分局部分地区,流域总面积为2.27×104km2,占三江平原总面积的1/4[20], 如图1所示。该流域地形主要以平原和丘陵为主,平原主要分布在流域的北部和中部的内、外七星河及挠力河中游地区,丘陵主要分布在流域的西南部和南部,地势上呈西南高、东北低的特点[21]。挠力河流域建国以来经历了4次大规模的土地利用开发[22],耕地面积持续上升,呈现出“三山一水六分田”的土地利用特点,耕地类型主要有旱地(玉米-小麦轮作)和水田(单季稻种植为主),水浇地面积极少,是三江平原主要的粮食产区和国家重要商品粮生产基地[20-23]。

图1 研究区域示意图Fig.1 Schematic of study area

2 数据来源和处理

土地利用数据来源于国家基础地理信息中心,本文选取2000、2010、2020年3期数据,空间分辨率为30 m(2000、2010年数据总体精度为83.50%,Kappa系数为0.78;2020年数据总体精度为85.72%,Kappa系数为0.82)。该数据包括耕地、森林、草地、灌木林、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪10个土地利用类型,本文选取6个地类进行研究,数据说明见表1。数字高程模型数据(DEM)来源于美国国家航空航天局(NASA)全球的全新分辨率30 m DEM数据(NASA DEM),具有质量好、覆盖范围广等优点。人口密度、国内生产总值(GDP)、中国水系矢量数据和中国道路数据均来自中国科学院资源环境科学与数据中心(http:∥www.resdc.cn)。土壤pH值数据和土壤剖面深度数据来源于国家青藏高原数据中心的中国土壤有机质数据集。

表1 地类类型说明Tab.1 Description of earth type

利用ArcGIS 10.6软件将栅格数据(土地利用、DEM、人口密度、GDP、土壤剖面深度和土壤pH值)经投影、重采样、重分类、掩膜提取得到挠力河流域100 m×100 m的栅格图层,土壤剖面深度和土壤pH值要进行4级量化处理;将矢量数据(道路、水系)经投影、裁剪得到挠力河流域矢量图层。坡度、坡向栅格图层是由数字高程数据经空间分析—水文分析工具提取。各种道路距离是根据欧氏距离工具提取。根据CLUE-S模型需求,制备的驱动因子可以分为自然因素因子(DEM,坡度,坡向,与河流距离,与水系距离,与乡道、县道、省道距离,与城市一、二、三、四级道路距离,与铁路距离)和社会经济因素因子(GDP、人口密度)。本文所用的地理数据投影统一采用WGS_1984_Albers,重采样后像元大小为 100 m×100 m。

3 研究方法

3.1 土地利用动态度

选择单一土地利用动态度和综合土地利用动态度分析研究区土地利用变化的速率。

3.1.1单一土地利用动态度

单一土地利用动态度表征研究区内某一地类演变的基本特征,值越大,表明该地类在研究期内变化越活跃,值越小,表明在研究期内变化越稳定,计算公式为

(1)

式中K——研究期单一土地利用动态度

Sa——研究期初期单一土地利用类型面积

Sb——研究期末期单一土地利用类型面积

T——研究时段

当T为年时,K为研究区内土地利用类型年变化率。

3.1.2综合土地利用动态度

综合土地利用动态度表征研究区内土地利用类型动态度演变的综合特征,计算公式为

(2)

式中L——综合土地利用动态度

LUi——研究初期第i类地类面积

ΔLUi-j——研究开始至结束时段内第i类地类转为其他地类的面积绝对值

n——地类总数量

3.2 土地利用转移矩阵

土地利用转移矩阵是Markov模型在土地利用/覆被变化研究中的应用。利用Markov模型可以定量描述土地利用面积增加来源和减少去向[24]。转移矩阵数学表达式为[25]

(3)

式中Aij——地类面积

i、j——研究初期和末期的地类类型

3.3 土地利用变化模拟与预测

CLUE-S模型是通过自然因素和社会经济两类驱动因子相结合模拟土地利用变化及环境效应的模型。模型输入数据包括:根据政策红线设置限制区域、转移规则、土地利用类型面积需求量和空间分析。

3.3.1驱动因子的选取依据及处理

选取驱动因子时首先结合研究区实际情况,保证空间数据的可获取性以及数据像元大小、空间范围和空间坐标系的时空一致性,其次是选取的数据可以实现空间定量化表达,最后要全面考虑社会、经济和自然等因素,保证模拟精度的科学准确性。

结合研究区实际情况和驱动因子选取依据,本文选取15个驱动因子(表2)。

表2 驱动因子处理Tab.2 Driving factor processing

3.3.2限制区域

由于研究区内有国家级自然保护区且都划分为人造地表用地,因此本文的限制区域为人造地表用地,即该地类不能转移为其他地类。

3.3.3转移规则

土地利用转移规则有转移矩阵和转移弹性系数(ELAS)。转移矩阵用1表示可以发生转移,0表示不发生转移,根据前文土地利用空间时空特征及研究区实际情况设定的土地利用类型转移矩阵如表3所示。转移弹性系数(ELAS)在0～1之间取值,值越大,表示该地类越稳定,不易转为其他地类。由于CLUE-S模型对参数非常敏感,设置时需要谨慎调节,本文根据研究区的实际情况、前人的相关研究以及在模型输入过程中反复调试,提高模拟精度,得出适合研究区各地类3种情景下(基线情景、农业发展情景和生态保护情景)ELAS值(表4)。

表3 土地利用类型转移矩阵Tab.3 Transfer matrix of land use type

表4 土地利用转移弹性系数Tab.4 Coefficient of elasticity of land use transfer (ELAS)

3.3.4土地利用类型面积需求量和空间分析

假设土地利用变化幅度为线性变化,用2010—2020年现有土地利用数据借助线性内插,并通过趋势外推法得到2030年各地类面积需求量。空间分析中运用二元逻辑回归分析方法分析各地类空间分布与驱动因子之间的关系,比较受试者工作特征曲线(Receiver operating characteristic, ROC),选取最优尺度,当ROC大于0.7时,说明回归方程对各地类具有较好的解释力[26],计算式为

(4)

式中pi——每个栅格可能出现某种地类的概率

X1,i～Xn,i——与某种地类相关的驱动因子

β0～βn——驱动因子的回归系数

3.3.5CLUE-S模型空间模拟

模型的空间模拟是在空间分析模块中完成,空间分析模块是整个CLUE-S模型的核心内容,其分析由总的分配概率决定,机制表述为

Ti=Pi,u+Iu+Eu

(5)

式中Ti——每个栅格适合于地类的总概率

Pi,u——通过二元逻辑回归方程计算的空间分布概率

Iu——地类的迭代变量

Eu——根据转换规则设置的参数

3.3.6CLUE-S模型精度检验方法

将挠力河流域2020年土地利用变化模拟图和土地利用现状图进行对比分析验证模拟精度。本文利用地类模拟准确率和Kappa系数检验模拟结果。

(1)地类模拟准确率

基于ArcGIS 10.6中的Combine功能,将2020年土地利用变化模拟图和土地利用现状图进行比较,将相同的栅格数除以2020年土地利用现状图栅格数,即为各地类模拟准确率。

(2)Kappa系数

Kappa系数是检验模拟精度的常用手段之一,当Kappa系数大于0.75时,模拟精度高;Kappa系数为0.4～0.75时,模拟精度一般;Kappa系数为0～0.4时,模拟精度差。

3.4 土地适宜性评价

土地适宜性评价是对某块土地对于某种用途是否适宜以及适宜程度,做出等级评价。本文基于ArcGIS 10.6软件,对上文3种情景下2030年耕地的适宜性进行评价,评价结果能够为未来充分利用自然资源,开发土地潜力,实现作物高产,优化作物种植布局和为国土空间规划提供决策支持。

通过查阅相关历史耕地适宜性评价文献以及研究区的实际发展情况,根据影响研究区耕地适宜性的道路因素、地形因素、土壤因素和水利因素等以及选取评价因子时要遵循差异性原则、定性定量结合原则、可操作性原则和综合性原则[27],选取8个评价因子用于2030年耕地适宜性评价。研究区的地形因素选取DEM、坡度和坡向作为评价因子,交通便捷性因素选取与主要道路距离和与耕地距离作为评价因子,环境适宜性因素选取与水体距离作为评价因子,土壤因素选取土壤pH值、土壤剖面深度作为评价因子,建立评价指标和评价模型,根据FAO的《土地评价纲要》将研究区划分为高度适宜区、中度适宜区、勉强适宜区、暂时适宜区4个等级进行评价[27-29]。

3.4.1评价因子权重

确定权重的方法为层次分析法(AHP),数值越大权重越高。分析结果见表5。

表5 AHP层次分析结果Tab.5 AHP analytic hierarchy process %

3.4.2熵技术修正权重

利用熵技术对AHP确定的权重进行修正,可以使指标体系更加优化。修正步骤详见文献[30]。修正后权重见表5。

3.4.3评价模型建立

在建立评价模型之前,首先需要将8个评价因子进行量化处理,然后将各评价等级赋予一定的分值,高度适宜区、中度适宜区、勉强适宜区和暂时不适宜区分值分别为1、2、3、4。

根据设定的评价因子,将各评价因子的权重以及评价等级进行建模,模型为

(6)

式中Yi——耕地适宜性评价综合值

m——评价因子个数

ai——第i个评价因子权重

bi——第i个评价因子等级赋分值

4 结果与分析

4.1 土地利用动态度变化

根据式(1)、(2),计算研究区研究时段内各地类的K值和L值,见表6。从K值可以看出,2000—2010年耕地、草地和人造地表呈现负动态,表明这3种地类转化成其他地类,其余地类呈现为正动态;这一时段K值最大的地类是水体,最小的是耕地。

2010—2020年耕地、草地、水体动态度呈现负动态,森林、湿地和人造地表地类呈现正动态。这一时期K值最大的地类是人造地表,最小的是森林。2000—2020年K值呈现正动态的地类有森林、湿地、水体和人造地表,耕地和草地呈现负动态。这一时期K值最大的地类是水体,最小的是耕地。整个研究期间K值最大的地类是水体,达到9.84%,最小的地类是森林,为0.01%。

从L值可以看出,整个研究区20年间差别较为显著,综合动态度为0.15%,第1个10年时期综合动态度最高,为0.24%,表明这10年间土地利用变化较为剧烈,主要是受到大量的未利用土地开荒,旱改水等政策的影响;2010年后用地变化逐渐趋向缓慢,综合动态度最低的时段是2010—2020年,为0.07%。总体而言研究区土地利用综合动态度呈现逐渐下降趋势。

4.2 土地利用转移矩阵变化

基于ArcGIS 10.6,利用空间分析功能计算挠力河流域2000—2010年和2010—2020年地类转移矩阵,有助于了解研究区地类空间格局变化情况,也能直观反映各地类之间的转换过程和转移方向(表7、8)。

表7 2000—2010年挠力河流域土地转移矩阵Tab.7 Naoli River basin land transfer matrix in 2000—2010 hm2

从表7可以看出,研究区2000—2010年地类变化为:耕地、草地和人造地表面积增加,森林、湿地和水体面积减少。耕地面积净增加3 872.93 hm2,草地面积净增加23 675.28 hm2,人造地表面积净增加755.42 hm2,森林面积净减少20 056.77 hm2,湿地面积净减少344.86 hm2,水体面积净减少7 902 hm2。耕地的主要转出方向是森林、草地和湿地,森林的转出方向是耕地和草地,草地的转出方向是耕地和森林,湿地的转出方向是耕地和水体,水体的主要转出方向是湿地,人造地表用地主要转出方向是耕地和草地,这是因为随着挠力河流域地区经济的不断发展,城乡建设对土地的需求进一步增多,侵占各地类的现象剧烈,尤其森林和水体用地面积净减少分别达到20 056.77 hm2和7 902 hm2。

从表8可以看出,研究区2010—2020年地类变化为:耕地、草地和水体用地面积增加,森林、湿地和人造地表用地面积减少。其中,耕地面积净增加5 002.69 hm2,草地面积净增加2 349.15 hm2,水体面积净增加499.38 hm2,森林面积净减少 727.46 hm2,湿地面积净减少1 736.8 hm2,人造地表用地面积净减少5 377.97 hm2。耕地的主要转出方向是森林和草地,森林的转出方向是耕地和草地,草地的转出方向是耕地和森林,湿地的转出方向是耕地和水体,水体的主要转出方向是湿地和耕地,人造地表用地主要转出方向是耕地,这是因为在2010—2020年间随着经济的发展,该地区出现了许多的空心房或者危旧房,国家出台增减挂钩政策后地块被复垦成耕地,或者改造成草地和水塘,导致耕地、草地和水体面积增加,人造地表用地面积减少。

表8 2010—2020年挠力河流域土地转移矩阵Tab.8 Naoli River basin land transfer matrix in 2010—2020 hm2

4.3 CLUE-S模型精度

由二元逻辑回归方程检验结果可知,挠力河流域各地类分布概率模拟结果较好,耕地、森林、草地、湿地、水体、人造地表的ROC值分别为0.889、0.951、0.785、0.958、0.857、0.869,均大于0.7,满足模型的回归要求[31],所选取的影响因子可以用于土地利用变化模拟。以挠力河流域2010年土地利用数据为基础,将限制区域、土地利用转移规则、土地利用需求、二元逻辑回归方程检验结果等相关数据输入CLUE-S模型中,对挠力河流域2020年土地利用变化进行模拟,如图2所示。

图2 挠力河流域土地利用现状与CLUE-S模型预测结果Fig.2 Present situation of land use in Naoli River basin and forecast results of CLUE-S model

结果所示,模拟正确栅格数目与研究区总栅格数目的比值为0.911 8,即地类模拟准确率为91.18%(表9)。从整体上看,本次研究模拟精度较高,模拟效果理想;从模拟误差上看,土地利用类型面积大且集中连片分布的地类模拟精度高于分布相对分散的地类,同时模拟结果与土地利用类型本身的实际情况有关;从本次研究来看,挠力河流域由于地类的数量和分布差异较大,且地形复杂,海拔差异大,因此低海拔平坦区域模拟精度高于高海拔地形复杂区。通过计算Kappa系数为0.894,大于模型要求的精度0.75,说明模拟效果优且各参数值的设置比较合理,可使用CLUE-S模型和相关参数对挠力河流域土地利用变化进行模拟。

表9 各地类模拟精度Tab.9 Everywhere class simulation accuracy

4.4 土地利用变化特征及情景模拟分析

4.4.1情景模拟分析

根据《黑龙江省土地利用总体规划(2006—2020年)》《黑龙江省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》及挠力河流域自然状况和经济社会的发展需求以及前人研究的经验,为挠力河流域未来土地利用格局的发展,本文构建了基线情景、农业发展情景、生态保护情景3种情景方案,对不同情景下各地类面积变化进行分析。

(1)基线情景

在基线情景下,挠力河流域继续保持2010—2020年的土地利用相关政策,土地利用需求变化按2010—2020年各地类的变化进行设定。如表10所示,到2030年挠力河流域耕地面积变为1 490 099 hm2,较2020年减少0.32%,人造地表地类面积由2020年的39 116 hm2增加到2030年的44 186 hm2,增加12.91%,其余地类均有相应的增加和减少,森林和湿地较2020年增加0.17%和1.75%,草地和水体较2020年减少1.92%和3.13%。

表10 不同情景下土地利用类型面积Tab.10 Land use type area under different scenarios hm2

(2)农业发展情景

在农业发展情景下,挠力河流域优先保证耕地的充足供应,保证耕地面积在不减少的情况下,优先满足农业发展需求。持续推动森林地类中包括树冠盖度为10%～30%的疏林地,草地地类中的稀树草原、荒漠草原以及湿地地类中有浅层积水的部分土地向耕地的转移。设定地方政府大力开展森林、草地、湿地、水体地类的结构调整,将挠力河流域耕地的潜力全部释放。如表10所示,2030年挠力河流域耕地面积变为1 848 900 hm2,较2020年增加23.68%,森林、草地、湿地和水体面积变为242 778、63 458、64 744、10 572 hm2,与2020年相比分别减少50%、50%、40.02%、29.31%,人造地表地类面积由于模型的参数设置未发生变化。

(3)生态保护情景

在生态保护情景下,挠力河流域以绿色发展为导向,严格保护森林、草地、湿地和水体地类面积的减少,大力开发潜在生态空间。设定地方政府通过退耕还林还草和植树造林等措施,将水体地类中的部分坑塘以及耕地地类中的部分雨养旱地和牧草种植地转为生态用地。如表10所示,2030年挠力河流域森林、草地、湿地和水体地类面积分别为728 146、190 508、140 572、18 064 hm2,较2020年分别增加49.94%、50%、30.23%、20.78%,在2030年挠力河流域生态用地约占研究区总面积的47.47%,耕地由2020年的1 494 961 hm2减少到2030年的1 153 158 hm2,减少22.86%,同样人造地表地类面积由于模型的参数设置未发生变化。

4.4.2土地利用空间布局及模拟

根据3种情景方案预测挠力河流域2030年各地类的面积(表10),用2020年土地利用数据作为模拟的起始年份,继续使用15个驱动因子、各情景下ELAS和转移矩阵,输入CLUE-S模型中模拟2030年挠力河流域土地利用空间布局,最终生成3种情景下土地利用类型图(图3)。

图3 2030年情景模式模拟图Fig.3 Scenario pattern simulation diagrams in 2030

(1)基线情景下,挠力河流域只有人造地表扩张趋势程度大,森林和湿地用地扩张趋势程度较小,其余地类均呈现出不同程度的缩减现象,对研究区的粮食和生态安全产生威胁。该模拟情景下,人造地表用地和森林地类扩张主要位于宝清县的中部和西南部,占用了耕地的发展空间,对该地区农业的发展会产生一定的影响。

(2)农业发展情景下,挠力河流域只有耕地用地呈现扩张趋势,耕地稳定性较好,粮食安全得到充足的保障。尽管研究区耕地用地集中分布,但是土地-水资源需求压力影响下,饶河县的东南部、宝清县的东部和西南部出现大量的森林用地和草地锐减情况,还出现了富锦市西南部湿地消失的现象,由此可见该情景下生态-水资源安全会对挠力河流域的发展带来较大压力。

(3)生态保护情景下,挠力河流域森林、草地、湿地出现了扩张趋势,主要集中在宝清县的西南部和双鸭山的南部。由于生态空间的扩张主要是耕地面积的减少,因此该情景下粮食生产能力将会受到一定程度的影响,经济发展同样会受到制约。

4.5 耕地适宜性评价结果

根据评价指标体系和评价模型,利用ArcGIS空间分析功能,最后得出2030年挠力河流域模拟3种情景下的耕地适宜性评价等级以及各评价等级下的面积比,如图4、表11所示。

表11 耕地适宜性评价面积统计Tab.11 Acreage statistics of cultivated land adaptability evaluation

4.5.1综合适宜性评价

从表11和图4可以看出,基线情景下耕地在中度适宜区是重点分布区域,面积最大,为1 341 013 hm2,占比59.09%;高度适宜区面积为450 608 hm2,分布在宝清县、集贤县和友谊县部分区域;勉强适宜区面积为417 505 hm2,分布在高海拔地区、宝清县的西南和富锦市小部分区域;暂时不适宜区同样分布在地势高的区域,是该情景下面积最小的区域,为 60 442 hm2,由于地势高低不平,不利于农作物的种植,因此被划分为暂时不适宜区。农业发展情景下耕地在中度适宜区面积最大,为1 197 922 hm2,和基线情景下相比面积减少143 091 hm2;高度适宜区面积为426 690 hm2,分布区域和基线情景下几乎相同,减少的部分主要位于友谊县和富锦市北部;勉强适宜区面积为633 974 hm2,主要位于双鸭山市辖区南部,宝清县的东北部、西南部,富锦市南部以及饶河县南部区域;暂时不适宜区和基线情景下相比面积减少49 460 hm2,减少的区域演化成勉强适宜区,可能原因是环境的改变和人类活动的影响造成该区域的演化。生态保护情景下耕地在中度适宜区面积最大,为1 068 453 hm2,占比为47.08%;高度适宜区面积为367 174 hm2,和前两种情景相比分别减少83 434 hm2和59 516 hm2,减少区域分布在友谊县的北部和挠力河下游附近;勉强适宜区面积和前两种情景相比分别增加216 469 hm2和332 963 hm2;暂时不适宜区面积为83 473 hm2,与前两种情景相比增加的区域位于原有基础上向周围扩张部分和富锦市北部区域。综合来看,3种情景下耕地位于高度适宜区面积占比均达到16%以上,中度适宜区面积占比达到47%以上,勉强适宜区面积占比达到18%以上,这是因为适宜区域的土地主要分布在地势平坦地带,水热条件好,土层深厚,作物产量高,适宜农作。耕地位于暂时不适宜区在基线情景下面积占比为2.67%,农业发展情景下为0.49%,生态保护情景下为3.67%,这是因为暂时不适宜区域土地主要分布在宝清县的西南部、东南部和饶河县的西部区域,地势坡度较大,属于丘陵地带,不适宜农作物种植。

4.5.2适宜性因素分析

影响挠力河流域2030年3种情景下耕地适宜性分布差异的重要因素是自然因素,包括土壤、地形地貌等。地形地貌对耕地适宜性评价有很大影响,表现在适宜区主要分布在平原地区,不适宜区由于海拔的增加,导致耕地的水热条件发生变化,从而影响土壤类型及土壤条件发生变化,不适宜耕作;研究区由于特色的地质条件形成大面积的黑土、黑钙土和草甸土,黑土和黑钙土有机质含量高,土壤土质肥沃,利于农作物生长,因此研究区绝大部分区域的土地条件对农作物的生长十分有利。

5 结论

(1)研究区土地利用类型以耕地为主,2000—2020年森林、湿地、水体和人造地表呈增加趋势,耕地和草地呈减少趋势。

(2)研究区2000—2020年土地利用转移主要发生在耕地、草地和森林之间,2000—2010年草地面积转入最多,耕地次之,森林最少,转出面积相反;2010—2020年森林转入和转出面积最多,草地次之,耕地最少。

(3)经模拟验证,Kappa系数为0.894,模拟总体精度为91.18%,精度较高,可以模拟未来地类变化。

(4)2030年基线情景下人造地表面积增加12.91%,占用了耕地的发展空间,将对研究区粮食安全产生威胁;农业发展情景下耕地得到了扩张,稳定性较好,粮食安全得到保障;生态保护情景下生态用地约占研究区总面积的47.47%,耕地面积减少22.86%,粮食生产能力受到一定程度的影响,经济发展同样会受到制约。

(5)根据评价指标体系和评价模型,分析计算出3种情景下耕地均位于适宜区的面积占比达到96%以上,不适宜区面积占比不足4%,可见研究区96%以上的土地适合耕作,土地利用基本合理。