基于多源遙感數據的景觀格局及預測研究

趙永華，賈 夏，劉建朝，劉 耿

(1.長安大學地球科學與資源學院，西安 710054;2.長安大學環境科學與工程學院，西安 710054)

景觀格局變化是景觀異質性的外在表現［1-2］，其目的是解釋景觀格局與生態過程之間的關系［3-4］，推理出景觀變化的原因并預測發展趨勢［5］。城市景觀格局變化劇烈，人工景觀逐步向外圍自然及半自然景觀滲透是城市景觀動態變化的特點［6］。目前景觀格局研究多利用TM、ETM、SPOT、Quickbird等遙感影像作為數據源［7-10］，而利用中巴資源衛星和環境與災害監測預報小衛星等影像研究景觀格局變化的鮮少見。景觀格局多尺度研究至關重要［11］，多利用景觀指數進行研究，但景觀指數有一定的弱點［12-14］，使得近年來景觀格局研究進步不明顯。多距離空間聚類方法借助于Ripley K函數實現多尺度景觀格局分析，能夠直觀反映景觀格局特征及變化［15］;其與景觀指數法結合應用可能會取得較理想的效果。景觀格局未來變化研究常采用Markov、CA、CA-Markov 等模型［16-19］，其中 CA-Markov 模型具有 CA 模型模擬復雜系統空間變化的能力［16，20-21］和Markov模型定量化預測的優勢［16-18］，是模擬城市景觀格局變化較理想模型，但現有數據處理步驟較麻煩，是否可以簡化?基于上述問題，以西安市轄區為研究區，選擇TM、中巴資源2號衛星和環境與災害監測預報小衛星等遙感影像作為數據源，在GIS技術支持下，利用景觀格局指數和多距離空間聚類方法分析近年來景觀格局的多尺度變化，并基于CA-Markov模型預測未來的景觀格局狀況，為西安市的可持續發展及景觀管理提供科學依據。

1 研究區概況

西安市位于陜西省關中平原中部，轄新城、碑林、蓮湖、雁塔、灞橋、未央、閻良、臨潼、長安九個行政區及藍田、周至、戶縣、高陵四個縣。東與渭南市相接;南與商洛、安康、漢中市相接;西與寶雞市相接;北與咸陽市隔河相望。平均海拔400—450 m，地勢南高北低，地貌類型多樣;南部多為秦嶺中段的北坡，以林地、牧草地、未利用地為主，占市域土地總面積的54.6%;北部為平原，以耕地、園地、城鎮建設用地和文物遺址保護用地為主，占市域土地總面積的45.4%;境內有河流54條，主要是灞河、浐河、灃河、澇河、滈河、潏河，以及過境的涇河與渭河。水資源總量為31.46億m3。截止2010年底，全市常住總人口846萬人。研究區是西安市轄區，由新城、碑林、蓮湖、雁塔、灞橋、未央和閻良等7區構成，面積為1900.41 km2。研究區屬東亞暖溫帶大陸性季風氣候，≥10℃積溫為4400℃，年平均氣溫6.4—14.9℃，年平均降水量537.5—1028.4 mm，年平均相對濕度70%—73%，全年日照時數1983.4—2267.3 h，城市綠化覆蓋率30.06%。

2 研究方法

2.1 數據來源與預處理

研究數據是2000年5月的TM影像、2004年5月的中巴資源衛星影像和2011年5月的環境與災害監測預報小衛星影像，其中TM影像來源于馬里蘭大學，中巴資源衛星影像和環境與災害監測預報小衛星影像來源于中國資源衛星應用中心，三期影像的原始投影為通用墨卡托投影(UTM)，坐標系統為WGS84。對于獲取的三期影像，利用遙感圖像處理軟件ENVI 4.7，參考1∶10萬地形圖，采用三次多項式進行幾何精校正、均衡化、拼接和裁剪處理得到研究區3期影像;其中校正精度為TM和環境與災害監測預報小衛星影像小于0.5個像元、中巴資源衛星影像小于1個像元。根據中國土地利用分類系統，把研究區的景觀分為耕地、林地、草地、水域、建設用地和未利用地6類。采用監督分類方法解譯圖像，利用clump功能濾掉一些小碎塊，并對一些明顯錯誤的斑塊進行修正，同時利用Kappa指數評價解譯精度。3期遙感影像的總體分類精度和Kappa指數介于81%—83%和0.809—0.829之間，滿足分析要求。

2.2 研究方法

2.2.1 多距離空間聚類分析

多距離空間聚類分析中比較常用Ripley K函數，公式如下:

式中，A為研究區面積，n為點的個數，d為預期值，ki，j為權重。L(d)＞d表示景觀類型呈聚集分布，L(d)＜d表示景觀類型呈均勻分布，L(d)=d表示景觀類型呈隨機分布。

根據研究區面積和分類最小去除單位，利用ArcGIS軟件生成1900個隨機點圖層，將該圖層分別與3期SHP格式矢量圖疊加來確定樣點的景觀類型，然后利用多距離空間聚類工具進行不同時期不同景觀類型的Ripley K函數分析及顯著性檢驗。研究區地理范圍及20級距離步數決定起始距離、距離步長均取值2000 m;邊界校正采用模擬邊界外值法，指數偏離隨機性的置信度取99%。

2.2.2 CA-Markov 模型模擬步驟

CA-Markov模型計算所用圖像的每一個柵格相當于一個元胞，對應不同的景觀類型。應用面積轉移矩陣和條件概率圖像進行運算，可確定每個元胞對應景觀類型的轉移狀態，從而模擬出研究區景觀格局的空間變化［5，22］。

(1)生成景觀格局面積轉移矩陣和條件概率圖像 將生成的研究區景觀類型矢量圖轉換成IDRISI軟件的矢量格式，然后打開該矢量屬性表，利用其中的矢量到柵格轉化功能生成30 m×30 m柵格，并應用Markov模型生成景觀類型面積轉移矩陣、轉移概率矩陣和轉移矩陣適宜圖像。

(2)建立CA的轉換規則 規則是CA模型的核心，決定了CA的動態轉化過程;通常將景觀單元關聯度大小作為轉化規則，可以反映每一元胞各種可能的景觀類型發生變化的容易程度，計算公式為:

式中，TRi為元胞的轉變適宜性，i為景觀類型，Ii、Di分別為景觀類型i的面積增加量和減少量表示第i類景觀類型的基本變化能力，Vi為2個時期景觀類型差異的定量化，用于修正基本變化能力;計算出的TRi值再標準化為0—255值后，參與CA-Markov模型模擬運算。

(3)選擇濾波器 使用濾波器所創建的權重因子并依據相鄰的柵格單元，改變該柵格單元的狀態。本文采用5×5的濾波器。

(4)確定起始時刻和循環次數，進行預測模擬。

(5)預測得到的景觀專題圖與2011年實際景觀圖應用Kappa指數和修正的Lee-sallee形狀指數進行精度檢驗，輸出最終結果。

3 結果與分析

3.1 景觀格局特征

研究區的林地面積最大，三期面積比例均在30%以上;耕地面積次之，比例在16.24%—24.69%之間，呈下降趨勢;耕地、林地和草地面積占研究區面積的64.17%(2011年)—80.13%(2000年)(圖1)。建設用地面積呈增加趨勢，從2000年的16.69%增加到2011年的34.36%，且后一個研究時段增加量明顯高于前一個時段。水域面積略有增加，而未利用地面積則呈下降趨勢，到了2011年該地類基本已被完全占用和轉化?？傮w來看，研究區本底是一個由林地和耕地構成的復合景觀基質，草地、水域、建設用地和未利用地則以斑塊或廊道形式鑲嵌在復合基質中。從斑塊數量來看，無論是研究區總的斑塊數量還是各個景觀類型的斑塊數量，都有不同程度的下降;建設用地的斑塊數量從2000年的3537個減少到2011年的1348個，耕地從4714個減少到777個，林地從6157個減少到2182個，這3種景觀類型的斑塊數量下降比較明顯。由斑塊面積和數量變化可知，研究區建設用地、林地、耕地景觀的連通性有所增加，林地景觀類型的連通性增強對于區域景觀的穩定性維持具有重要作用。這種景觀變化與近年來實施的一系列發展政策和投入有一定的關系，如《西安-天水經濟區發展規劃》、建設國家化大都市、西咸新區、涇渭新區等。

圖1 景觀類型面積比例Fig.1 Area proportion of different landscape types

3.2 景觀格局變化

基于Ripley's K函數的多距離空間聚類分析可匯總一定距離范圍內的空間相關性(要素聚類或要素擴散)，研究結果可以說明要素質心的空間聚類或空間擴散在鄰域大小發生變化時的相應變化。在計算過程中沒有使用加權方法的結果解釋為:如果特定距離的觀測值大于(小于)預期值，則與該距離(分析規模)的隨機分布相比，該分布的聚類(離散)程度更高;如果觀測值大于(小于)置信區間上限值(下限值)，則該距離的空間聚類(離散)具有統計學上的顯著性。觀測值的第一個峰值所對應的值表示景觀類型間聚集的特征空間尺度或斑塊長度，可用來度量分布強度或擁擠度。

2000—2011年，研究區耕地2000年的聚集空間最大尺度為16 km，其后聚集距離逐漸降低，聚集強度不斷降低，在聚類的最大距離內未出現離散格局，且觀測值明顯高于置信區間上限值，表明該距離的空間聚類具有統計學上的顯著性;2004年的聚集空間最大尺度為18 km，與2000年的相比有所增加，隨著分析尺度的不斷增加，聚集強度越來越弱，當尺度達到38 km時出現隨機分布，40 km時，出現了離散分布;2011年的空間聚集最大尺度為18 km，當尺度達到36 km時出現隨機分布，40 km時，出現了離散分布。說明研究期內耕地的空間分布范圍有所減小，均勻度有一定程度的降低，印證了景觀指數的研究結果(表1，圖2)。

表1 各景觀類型聚集最大尺度及離散臨界值Table1 Max cluster distance and dispersed values for landscape types/km

林地2000年、2004年和2011年的聚集空間最大尺度分別為18、22和22 km，林地分布范圍變化并不明顯，空間分布的均勻程度基本未發生變化，空間聚集分布的特征基本未減弱，且其聚類特征距離明顯高于置信區間上限，說明林地3個時期在各自的聚類特征尺度上的空間聚類具有顯著的統計學意義。

草地2000年、2004年和2011年的特征空間聚類尺度分別為24、18和14 km，草地的空間聚集強度呈現了逐漸降低趨勢，空間分布范圍有所減小，均勻度降低了，有離散的趨勢;特別是在2011年，當研究尺度增加到36 km時出現隨機分布，40 km時，草地出現了離散分布，該種景觀在研究期內出現了具有統計學上顯著性的空間聚集和離散距離。

建設用地的特征空間聚類尺度2000年為18 km、2004年為20 km、2011年為30 km，特征尺度有明顯的增加，且明顯高于置信區間上限，3個時期的建設用地特征尺度具有明顯統計學意義的空間聚集狀態，其分布范圍增加，聚集強度減弱，均勻度有一定的增加。

水域2000年、2004年和2011年的聚集空間特征尺度分別為12、16和2 km，空間分布范圍有所減小，均勻度降低了，有離散的趨勢，且離散臨界尺度出現在6 km，該景觀類型在研究期內出現了具有統計學上的空間聚集和離散距離的顯著性略小于草地。

未利用地在所有景觀類型中，其聚集程度是最大的，2000年和2004年的特征聚集尺度為2 km和6 km，同時在設定的最大研究聚類值范圍內，出現了相應的離散臨界值，分別為20 km和22 km(圖2)。

2020年各景觀類型多距離空間聚類結果與前3期空間聚類結果有一定的差異(圖3)。耕地在6 km時達到最大聚集分布格局，隨后聚集強度開始下降，當觀測距離達到14 km時，出現離散格局;最大空間聚集距離和離散格局距離明顯小于與前3期相應值。草地最大聚集分布格局距離出現在8 km，觀測距離在22 km時開始出現離散分布格局，且隨著觀測距離增加，離散強度也在不斷增加，聚集和離散格局的閾值明顯低于前3期相應值。林地在觀測距離6 km時達到了最大的聚集程度，離散格局出現在12 km以后，其最大聚集分布格局的閾值明顯低于前3期，且出現了離散格局。建設用地的最大聚集分布格局在10 km，且明顯低于前3期，在22 km出現了離散格局，而前3期未出現該格局。水域在8 km達到了最大聚集強度，這一距離比2011年的明顯高，但低于2004年和2000年的最大聚集分布格局距離;在22 km時出現了離散格局，這與2011年的結果類似，但比2011年出現離散格局的距離明顯高。未利用地在2 km最大聚集分布格局，與2004年相同，但低于2000年的值;離散格局出現值為12 km，明顯低于前3期相應值。

圖2 不同時期各景觀類型多距離空間聚類圖Fig.2 Multi-distance spatial cluster for different landscape types in 2000，2004，and 2011

3.3 景觀格局預測

用CA-Markov模型模擬景觀格局時，首先要生成景觀的面積轉移矩陣，該矩陣用Markov模型來完成。本文利用Markov模型生成了2000—2004年的面積轉移矩陣，以此作為轉換原則，以2000年作為預測的起始年份，應用CA-Markov模型分別模擬2011年和2020年研究區的景觀格局(圖4)，迭代的次數為10。應用Kappa指數和修正的Lee-sallee形狀指數［22］檢驗2011年模擬結果與2011年景觀專題結果之間的精度和空間分布的相似性，Kappa指數為0.81，Lee-sallee指數為0.70，說明模型精度符合研究需求，模擬結果能夠較準確的反應客觀實際。

根據模型預測，2020年各類景觀都有一定程度的變化。與2004年相比，耕地、林地和草地均有不同程度的減少，分別為19.51%、39.95%和10.46%，建設用地、水域和未利用地面積有所增加。根據研究區2000年到2011年的變化結果看，耕地、草地、林地、建設用地和水域五種景觀的預測結果基本符合原有的變化規律，但未利用地作為一個城市發展的后備資源，隨著城市化的不斷加劇，城市規模不斷擴大，其面積應該是越來越小，甚至是消失，而模型預測其面積有所增加，與實際變化規律不相符，這與所選模型、預測所用轉移矩陣有一定關系。從空間格局來看，建設用地基本是在2004年的基礎上向外不規則的擴張，且主要是發生在雁塔區、新城區、碑林區、蓮湖區等，這與所用模型、預測的起始年份、轉移矩陣等有一定關系。如果按照預測情況發展，2020年的研究區植被覆蓋率會比較高，生態環境依然比較好，不會對社會經濟發展起到制約作用，但實際上2020年的植被覆蓋率、生態環境等可能會由于建設用地不斷增加、人口不斷增長等因素低于預測水平。

圖3 2020年各景觀類型多距離空間聚類圖Fig.3 Multi-distance spatial cluster for different landscape types in 2020

圖4 研究區景觀格局模擬圖Fig.4 Forecasted landscape pattern in the study area

4 結論與討論

(1)林地和耕地構成了研究區的復合景觀基質，其他景觀類型以斑塊或廊道形式鑲嵌其中。耕地面積較林地面積下降明顯;建設用地面積增加明顯，且后一個研究時段增加量明顯高于前一個時段。水域和未利用地面積變化相對較小。研究區景觀破碎化程度有所降低，大斑塊數量較多;建設用地、林地和耕地景觀的連通性有所增加，林地景觀類型的連通性增強對于區域景觀的穩定性維持具有重要作用。

(2)研究區各年和各景觀類型之間的聚集、隨機和離散的臨界閾值差別相對比較大。耕地、林地、草地、水域、建設用地和未利用地在所設定的研究尺度下均呈現顯著的聚集空間格局;耕地在小尺度下呈現出聚集分布空間格局，隨著尺度的增加，逐漸變為隨機分布格局;耕地、林地、草地和城鄉建設用地的空間聚集強度明顯小于水域和未利用地。研究區耕地和草地空間分布存在一個異質性最大的特征尺度(2011年的40 km)，該尺度之下會表現出一定的宏觀異質性，該尺度之上分布趨于離散特征;這兩種景觀類型在研究設定的最大預期距離下，均出現了聚集分布、隨機分布和離散分布，以2011年最為明顯。

(3)CA-Markov模型可以較為真實的模擬未來景觀狀況。2020年研究區各景觀類型均有一定程度的變化;耕地、林地和水域景觀面積降低，其他景觀類型有一定的升高;各景觀類型聚集強度最大的空間距離比過去的3個時期都要小些。

(4)研究數據與方法分析。從所用的遙感數據實際效果看，盡管環境與災害監測預報小衛星和TM影像空間分辨率相對于中巴資源衛星低，但其解譯精度較高，后處理工作量要少些。應用IDRISI進行模擬時，直接應用輸入與輸出功能進行文件格式轉換，并用文件屬性表直接生成所用柵格文件。利用模型模擬的景觀格局與真實景觀格局有一定的出入，其原因可能有:①用Markov模型構造轉移矩陣的起始年為2000年，終止年為2004年，這一時期的景觀變化較2004—2011年間的景觀變化小，因此基于此轉移矩陣模擬的與解譯的2011年結果會有一定的差異，特別是2020年的模擬結果可能與實際差距會更大些;應用2004—2011年的轉移矩陣模擬的結果可能會更準確些，但IDRISI軟件構建轉移矩陣要求前后兩期的景觀類型要一致，2011年無未利用地景觀類型，無法進行模擬，這是軟件需要改進之處。②解譯精度對模擬精確性會有一定的影響。③CA-Markov模型有一系列內在的模型不確定性，它們與CA的鄰域、元胞大小、計算時間、轉換規則等因素有關［5］。

［1］ Forman R T T，Godorn M.Landscape Ecology.New York:John Wiley and Sons，1986.

［2］ Turner M G.Landscape ecology:what is the state of the science?Annual Review of Ecology，Evolution，and Systematics，2005，36(1):319-344.

［3］ Gustafson E J.Quantifying landscape spatial pattern:what is the state of the art?Ecosystems，1998，1(2):143-156.

［4］ Wu J G，Hobbs R.Key issues and research priorities in landscape ecology:an idiosyncratic synthesis.Landscape Ecology，2002，17(4):355-365.

［5］ Zheng Q H，Luo G P，Zhu L，Zhou D C.Prediction of landscape patterns in Ili River Delta based on CA-Markov model.Chinese Journal of Applied Ecology，2010，21(4):873-882.

［6］ Tan M H，Li X B，LüC H.An analysis of driving forces of urban land expansion in China.Economic Geography，2003，23(5):635-639.

［7］ Yang Y T.Urban fringe extraction and its change monitoring using multi-temporal TM Image.Remote Sensing Information，2009，(3):49-53.

［8］ Liu SH，Wu C J，Shen H Q.A Gis based model of urban land use growth in Beijing.Acta Geographica Sinica，2000，55(4):407-416.

［9］ Zhang H H，Zeng Y N，Bian L，Yu X J.Modelling urban expansion using a multi agent-based model in the city of Changsha.Journal of Geographical Sciences，2010，20(4):540-556.

［10］ Wei W，Zhang Y L，Zhao B，Wang H.Impacts of urban expansion on spatio-temporal variation of landscape patterns during rapid urbanization:a case study of Kunshan city.Ecology and Environmental Sciences，2011，20(1):7-12.

［11］ Chen L D，Liu Y，Lü Y H，Feng X M，Fu B J.Landscape pattern analysis in landscape ecology:current，challenges and future.Acta Ecologica Sinica，2008，28(11):5521-5530.

［12］ Zhao Z X，Zhang B，Jin X，Weng B S，Yan D H，Bao SJ.Spatial gradients pattern of landscapes and their relations with environmental factors in Haihe River basin.Acta Ecologica Sinica，2011，31(7):1925-1935.

［13］ Liu Y，LüY H，Fu B J.Implication and limitation of landscape metrics in delineating relationship between landscape pattern and soil erosion.Acta Ecologica Sinica，2011，31(1):267-275.

［14］ Wu JG.Effects of changing scale on landscape pattern analysis:scaling relations.Landscape Ecology，2004，19(2):125-138.

［15］ Gao K，Zhou Z X，Yang Y P，Li H.Characteristics and changes of landscape pattern in Wuhan City based on Ripley's K function.Chinese Journal of Applied Ecology，2010，21(10):2621-2626.

［16］ Xiong L Y，Chang B，Zhou X G.A GeoCA-based study on land use change.Resources Science，2005，27(4):38-43.

［17］ Wood E C，Lewis JE，Tappan G G，Lietzow R W.The Development of a Land Cover Change Model for Southern Senegal.Sioux Falls:Land Use Modeling Workshop，EROSData Center，1997:5-6.

［18］ Li X，Liu X P.Case-based cellular automaton for simulating urban development in a large complex region.Acta Geographica Sinica，2007，62(10):1097-1109.

［19］ Luo G P，Zhou C H，Chen X，Li Y.A methodology of characterizing status and trend of land changes in oases:a case study of Sangong River watershed，Xinjiang，China.Journal of Environmental Management，2008，88(4):775-783.

［20］ Pontius R G Jr，Shusas E，McEachern M.Detecting important categorical land changes while accounting for persistence.Agriculture，Ecosystems and Environment，2004，101(2/3):251-268.

［21］ Turner M G.Spatial simulation of landscape changes in Georgia:a comparison of three transition models.Landscape Ecology，1987，1(1):29-36.

［22］ Tang J，Wang X G，Li Z Y，Mao Z L，Han WZ，Xu X M.The tendency forecast on land use landscape pattern change in Western Jilin Province based on CA-Markov model.Journal of Jilin University:Earth Science Edition，2010，40(2):405-411.

參考文獻:

［5］ 鄭青華，羅格平，朱磊，周德成.基于CA-Markov模型的伊犁河三角洲景觀格局預測.應用生態學報，2010，21(4):873-882.

［6］ 談明洪，李秀彬，呂昌河.我國城市用地擴張的驅動力分析.經濟地理，2003，23(5):635-639.

［7］ 楊葉濤.基于多時相TM影像的城市邊緣區劃分及其變化監測.遙感信息，2009，(3):49-53.

［8］ 劉盛和，吳傳鈞，沈洪泉.基于GIS的北京城市土地利用擴展模式.地理學報，2000，55(4):407-416.

［10］ 韋薇，張銀龍，趙兵，王浩.快速城市化進程中城市擴張對景觀格局分異特征的影響.生態環境學報，2011，20(1):7-12.

［11］ 陳利頂，劉洋，呂一河，馮曉明，傅伯杰.景觀生態學中的格局分析:現狀、困境與未來.生態學報，2008，28(11):5521-5530.

［12］ 趙志軒，張彪，金鑫，翁白莎，嚴登華，鮑淑君.海河流域景觀空間梯度格局及其與環境因子的關系.生態學報，2011，31(7):1925-1935

［13］ 劉宇，呂一河，傅伯杰.景觀格局-土壤侵蝕研究中景觀指數的意義解釋及局限性.生態學報，2011，31(1):267-275.

［15］ 高凱，周志翔，楊玉萍，李華.基于Ripley K函數的武漢市景觀格局特征及其變化.應用生態學報，2010，21(10):2621-2626.

［16］ 熊利亞，常斌，周相廣.基于地理元胞自動機的土地利用變化研究.資源科學，2005，27(4):38-43.

［18］ 黎夏，劉小平.基于案例推理的元胞自動機及大區域城市演變模擬.地理學報，2007，62(10):1097-1109.

［22］ 湯潔，汪雪格，李昭陽，毛子龍，韓維崢，徐小明.基于CA-Markov模型的吉林省西部土地利用景觀格局變化趨勢預測.吉林大學學報:地球科學版，2010，40(2):405-411.