基于CA-Markov景觀格局預測模型的建構研究

宋一凡，王 姝，張 杰，陳嘉琪，陳園園，門華濤，李繼紅

(東北林業大學，黑龍江哈爾濱 150040)

土地利用景觀格局是土地生態過程作用結果的體現［1］。對不同時空尺度的土地利用景觀格局進行研究，并了解在一定人類社會影響下生態環境的變化趨勢，可以為制定科學、有效的土地利用管理策略提供支持和借鑒，為區域社會經濟發展提供指導［2］。因此，構建高精度景觀格局預測模型具有重要意義。在現有的多種景觀預測模型中，馬爾柯夫(Markov)模型和元胞自動機(CA)模型分別具有廣泛的應用，同時傳統單一預測模型的弊端逐漸暴露。Markov模型對數量變化預測能力強，但難以預測空間格局變化;CA模型空間概念強，卻側重于元胞局部的相互作用，具有局限性。將兩者結合，既可實現空間和數量上的長期模擬，又可提高預測精度。

該研究以黑龍江省雙鴨山市寶清縣為例，在1996、2004、2012年3個時期的遙感影像資料的基礎上，通過GIS軟件的圖像處理及空間分析等功能，得到不同時期的土地利用分類圖，并結合CA-Markov模型對該縣2020年土地利用情況及景觀格局進行預測，旨在揭示其變化規律，為當地的生態環境建設和社會經濟發展提供理論指導和決策依據。

1 研究地區及研究方法

1.1 研究區概況 寶清縣位于131°12'～133°30'E，45°45'～46°55'N，屬黑龍江省雙鴨山市境內，三江平原腹地，是黑龍江省東部地區重要的商貿重鎮和區域交通樞紐。該縣轄6個鎮，4個鄉，行政區域面積為10 001.27 km2，人口42.4萬。中溫帶大陸性季風氣候，四季變化顯著，年平均降水量574 mm，年平均氣溫3.2℃。生態環境優美，物產資源豐富，擁有多個濕地景區，旅游開發潛力巨大。

1.2 數據來源與預處理 在ENVI 4.6軟件的支持下，選取寶清縣1996、2004及2012年9月份的Landsat TM影像，以1∶50 000地形圖為基準，選取4、3、2波段進行標準假彩色合成，并采用二次多項式糾正法進行幾何校正。經過配準、剪裁等處理后，得到該區域三期的遙感圖像。參照《土地利用現狀分類》國家標準及研究重點，建立分類系統(耕地、濕地、林草地、建設用地、水域及未利用地)，并采用最大似然法進行監督分類，最終得到該縣3個時期的土地利用分類圖(圖1)。經驗證，Kappa系數分別為0.87、0.83和0.90，滿足精度要求。

景觀格局指數是景觀結構組成的數字化體現，是景觀格局信息的高度濃縮［3］。研究選取斑塊面積(CA)，斑塊所占面積比(PLAND)，斑塊數量(NP)及最大斑塊面積指數(LPI)4個相對具有代表性的景觀指數，通過Fragstats景觀格局軟件得到寶清縣景觀類型斑塊特征(表1)。為體現不同時期景觀格局指數的變化，另選景觀密度(PD)、景觀形狀指數(LSI)、景觀香農多樣性指數(SHDI)、景觀香農均勻性指數(SHEI)和蔓延度(CONTAG)來進行衡量和比較(表2)。

1.3 研究方法

1.3.1 CA-Markov模型。若隨機過程在有限的時序t1＜t2＜t3...tn中，任意時刻tn的狀態an只與前一刻(tn-1)的狀態(an-1)有關，稱該過程具有馬爾柯夫性(無后效性)，具有馬爾柯夫性的過程稱為馬爾柯夫過程［2］。其核心需確定狀態轉移概率矩陣。元胞自動機模型則是一種時間、空間、狀態都離散的具有時空計算特征的動力學模型［4］，包括元胞、元胞空間、鄰域和轉換規則4部分。因此兩者結合的CAMarkov模型需進行相關參數和規則的設定。綜合考慮數據分辨率和計算機運行速率等因素，設元胞大小為30 m×30 m。設定元胞初始狀態為耕地、林草地、濕地、水域、建設用地和未利用地，選擇5×5濾波器，以1996～2004年土地利用轉移矩陣為轉換規則，預測2012年土地利用狀態。在得到精度驗證后，進一步預測2020年土地利用及景觀格局特征。CA的迭代次數為8。

圖1 3個時期土地利用分類

表1 寶清縣各時期景觀類型斑塊特征

表2 不同時期景觀格局指數變化

1.3.2 確定轉移概率矩陣。土地利用轉移矩陣可以反映某特定區域不同時間段內各個土地類型之間的相互轉變情況［5］。根據 CA-Markov模型的需要，通過 ArcGIS和 IDRISI軟件，將矢量數據轉換成柵格形式，并利用IDRISI軟件的Markov分析模塊，輸出土地利用類型的轉移概率矩陣和轉移面積矩陣(表3、表4)。參數設置不同將導致結果不唯一。

表3 土地利用類型的面積轉移矩陣

1.3.3 土地適宜性圖像集。對任意土地單元而言，不同土地利用類型之間的轉化方向和數量與地域的地理位置、自然條件以及交通狀況等有關，其相關程度決定了內在適宜性的大小［6］。因此研究選擇土地適宜性圖像集作為轉換規則。利用IDRISI軟件的MCE模塊，將坡度、交通狀況等影響因子布爾相乘，再通過集合編輯器進行排列，最終得到土地適應性圖像集。

表4 土地利用類型的概率轉移矩陣

2 結果與分析

2.1 2012年預測結果 依據1996、2004年土地利用分類圖，并結合轉移概率矩陣和土地適應性圖像集，利用CA-Markov模型分析和運算，得到2012年土地利用預測圖(圖2)。

圖2 2012年土地利用預測

2.2 Kappa檢驗 一般選用Kappa指數來對兩個圖件的一致性或精度進行定量評價［7］。Kappa指數(Ik)的表達式為:

式中，Po為正確模擬的比例，Pc為隨機情況下期望的模擬比例，Pp為理想情況下正確的模擬比例。

通過對比2012年土地利用預測圖與2012年實際土地利用分類圖，并運用ENVI軟件進行精度評定，其Kappa指數為0.89，符合精度要求，表明該模型可信度較高。

2.3 2020年預測結果與分析 根據2012年實際遙感數據，按同樣的方法得到研究區域2020年土地利用預測圖(圖3)。運用Fragstats軟件，得到2020年景觀類型斑塊特征(表5)和2020年景觀格局指數(表6)。

圖3 2020年土地利用預測

表5 2020年景觀類型斑塊特征

通過2020年預測結果與2012年實際數據對比得出，該地區耕地、林草地、未利用地及濕地面積呈不同幅度減少，其中濕地減少幅度最大，多樣性指數顯著下降，斑塊破碎程度明顯加劇。

表6 2020年景觀格局指數

3 結論與討論

該研究在1996和2004年寶清縣遙感圖像的基礎上進行分析處理，生成轉移概率矩陣和土地適應性圖像集，構建CAMarkov景觀預測模型，并進行精度驗證。在高可信度下，根據2012年實際土地利用狀態，成功預測2020年土地利用及景觀格局變化情況。經過對比分析，濕地面積顯著下降，斑塊破碎程度明顯加劇。

研究得出，CA-Markov模型在未來的土地利用及景觀結構預測中將有廣闊前景，同時揭示了人類活動對景觀格局的影響正不斷加深，望有關部門加以重視并采取相應補救措施。另外該模型在驅動因素的選擇及參數設定等方面仍有不足，在今后的研究中將進一步改進和提高。

［1］唐華俊，吳文斌，楊鵬，等.土地利用/土地覆被變化(LUCC)模型研究進展［J］.地理學報，2009，64(4):456-468.

［2］王友生，余新曉，賀康寧，等.基于CA-Markov模型的藉河流域土地利用變化動態模擬［J］.農業工程學報，2011，27(12):330-331.

［3］鄔建國.景觀生態學［M］.北京:高等教育出版社，2007.

［4］金小剛.基于Matlab的元胞自動機的仿真設計［J］.計算機仿真，2002，19(4):27-30.

［5］李曉琴，郭麗麗，廖鐵軍，等.宜賓市土地利用變化分析［J］.國土與自然資源研究，2005(2):45-46.

［6］湯潔，汪雪格，李邵陽，等.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［J］.吉林大學學報，2010，40(2):406-410.

［7］黃超.基于CA-Markov模型的福州市景觀格局動態模擬研究［D］.福州:福建農林大學，2011.