基于CLUE-S模型的礦業城市土地利用格局情景模擬

張 博,雷國平,周 浩,王 蕊,董博文,張 旭

(1.東北農業大學 資源與環境學院,哈爾濱 150030; 2.東北大學 土地管理研究所,沈陽 110004)

?

基于CLUE-S模型的礦業城市土地利用格局情景模擬

張 博1,雷國平1,周 浩2,王 蕊1,董博文1,張 旭1

(1.東北農業大學 資源與環境學院,哈爾濱 150030; 2.東北大學 土地管理研究所,沈陽 110004)

運用CLUE-S模型對典型礦業城市——雙鴨山市轄區進行未來土地利用模擬，基于遙感和地理信息系統技術，通過設定趨勢發展、耕地保護、經濟建設和生態保護4種情景，模擬了2025年當地不同情景下土地利用變化情況，結果表明：各土地利用類型均通過ROC檢驗，回歸方程擬合程度高。1995年和2005年模擬正確比例分別為88.15%和92.10%，Kappa系數均超過0.75，準確率達到可信的效果。各情景土地利用模擬結果差異明顯，在趨勢發展下，耕地和其他用地面積持續較少，建設用地增長幅度最大；耕地保護情景下，耕地仍保持下降態勢，但速度明顯下降，建設用地和工礦用地的擴張趨勢有所抑制；經濟發展情景下，建設用地面積增長速度顯著上升，將大量侵占其周邊的耕地和園林地，工礦用地面積增長幅度最大；生態保護情景下，耕地、其他用地和工礦用地面積以不同程度趨勢下降，園林地和水域用地面積顯著增加。研究結果為當地相關規劃的合理編制及土地資源保護提供了參考依據。

CLUE-S; 礦業城市; 土地利用; 情景模擬; 雙鴨山市

土地利用/覆被變化(LUCC)既是一個非常復雜的過程，也是人類活動對自然環境施加影響的顯著表現形式，它同時受自然、社會經濟等復雜因素的綜合影響[1-2]。LUCC研究主要體現在變化過程、驅動機制、動態規律、模型模擬、土地可持續利用和生態效益等方面[3-8]，其中，土地利用模型的模擬預測是實現LUCC研究目的的一個重要環節，是未來土地利用科學決策的基本依據[9]。

眾多學者針對不同國家和區域特點，進行了一系列土地利用模型模擬研究，主要包括CA，CLUE-S，ABM，IMAGE和DLS等[10-14]。其中，CLUE-S作為經驗統計模型的代表，是一種動態的、多尺度土地利用空間布局模擬模型，其能綜合考慮社會、經濟、政策及自然環境等驅動因子對土地利用格局的影響，是一種比較理想的土地利用/覆被變化模型[15]。通過不同時空尺度上的土地利用變化模擬預判，并對不同情景方案下土地利用分布格局進行有效模擬，進而為相關規劃編制和決策提供科學的理論依據。

礦業城市是指在開發利用能源、礦產資源基礎上興起的，以消費一定數量的自然資源而賴以生存發展的一種特殊城市類型，具有強烈的資源依托性[16]。由于礦產資源不可再生性，對礦產資源的常年開采將導致其逐步耗竭，相對于一般城市而言，礦業城市具有生命周期較短、土地利用變化相對較為劇烈、限制性利用程度強等特點。雙鴨山市是黑龍江省主要的煤礦輸出基地，其市轄區作為該地區主要的煤礦集中帶，具有重要的戰略意義。近年來，隨著該地區礦產資源的逐漸開發殆盡，產業結構亟待面臨轉型，土地利用矛盾日益突出[7]，在建設黑龍江省“兩大平原”“現代農業綜合改革配套試驗區”戰略背景下，如何科學合理地進行地區土地利用結構規劃布局是未來該地區經濟持續發展的關鍵性因素。本文基于遙感和地理信息系統技術，嘗試運用CLUE-S模型，結合地區特點綜合考慮土地利用變化驅動因素，通過設置不同發展情景模擬未來土地利用變化情況，為當地相關規劃的合理編制及土地資源保護提供參考依據。

1　研究區概況與研究方法

1.1研究區概況

雙鴨山市位于黑龍江省東北部，地理范圍為130°54′—131°46′E，46°20′—46°46′N，與俄羅斯隔烏蘇里江相望，與佳木斯、七臺河、雞西等城市相毗鄰。地區平均海拔35.3 m，多為丘陵半丘陵和平原地形，屬寒溫帶大陸性季風氣候，夏季高溫多雨，冬季寒冷漫長。截至2014年，全市共轄4個市轄區、4個縣(集賢縣、友誼縣、寶清縣和饒河縣)，總面積約22 483 km2，人口151萬。作為我國重要的煤礦基地，雙鴨山市煤炭儲量位居黑龍江省第1位。

本文選取雙鴨山市轄區作為研究對象，該地區包括尖山區、四方臺區、寶山區和嶺東區四區，為國家第3批資源轉型試點城市。作為雙鴨山地區礦產資源集中帶，近年來該地區礦產資源逐漸面臨枯竭，產業結構亟待轉型，土地利用變化相對強烈，研究該地區土地利用變化問題具有較為現實的意義。

1.2數據采集

土地利用數據原始信息源來自美國陸地資源衛星1995年、2005年、2014年Landsat TM/OLI多光譜遙感影像，經幾何糾正及RGB假彩色的合成。參照全國土地利用分類體系并結合地區土地利用現狀和研究目標，確定土地利用類型為耕地、園林地、水域、建設用地、工礦用地和其他用地6大類。根據影像色調、紋理等特征進行人工目視解譯，將所得數據查錯、修改和拼接后獲得3期土地利用矢量數據(附圖16)，其中精度驗證采用Google Earth軟件配合進行，通過采樣比對確定最終解譯數據精度，結果顯示3期解譯精度均超過85%；高程及坡度數據源來自SRTM的DEM數據，精度為90 m，對處理后的DEM數據進行坡度提取。其他數據包括地形圖、交通圖、居民點分布圖和相關縣、市經濟社會統計資料。研究中各圖件經投影變換統一轉為Albers雙標準緯線等積投影。

1.3CLUE-S模型

CLUE-S模型是荷蘭瓦赫寧根大學Verburg等[17]在CLUE模型基礎上開發的高分辨率土地利用空間分配模型，該模型兼顧土地利用變化中社會經濟、自然條件和政策等驅動因子影響，能夠在空間上直觀反映土地利用變化過程和結果，具有高可信度和變化解釋能力強等特點[18]。

CLUE-S模型的假設條件是一個地區的土地利用變化受該地區的土地利用需求驅動因素影響，并且其空間分布格局總是和土地需求以及該地區的自然環境和社會經濟狀況處在動態平衡之中，該模型由兩個主要模塊組成，即非空間需求模塊和空間分配模塊。非空間需求模塊通過對人口、社會經濟等因素綜合分析，利用外部模型計算得到各土地利用類型逐年變化量，將其作為模型的輸入參數，基于柵格系統的空間單元實現各類型土地利用數量的空間分配；空間模塊是基于各驅動因素計算單個空間單元(柵格)分布概率，通過綜合分析土地利用空間分布概率適宜圖、土地利用轉換規則和分布現狀圖基礎上，依據總概率大小實現土地利用需求數量的空間分配，從而實現土地利用格局模擬。

1.4模型數據和參數設置

1.4.1數據處理基于1995年、2005年、2014年研究區3期遙感影像數據，經人工目視解譯后獲得精度較高的對應時間點土地利用矢量數據，由于數據格式差異CLUE-S模型難以直接調用該類型數據，研究利用ArcGIS 9.3將其轉化為統一單元大小的柵格數據，并分別將其保存為模型可以調用的對應年份ASCⅡ格式的cov_all.0文件；對基期土地利用數據分別進行單一土地利用類型提取并單獨成層，該類用地屬性賦值1，其他區域賦值0，并分別保存為并分別轉為cov_*.0文件(*分別代表土地利用類型代碼)。

直接或間接土地利用變化驅動因子都有可能成為土地利用變化不穩定的根源，研究根據土地利用特點、CLUE-S模型的因子需求和研究目的，從距離、自然、社會經濟和礦產資源選取驅動因子，即距離居民點距離、距離河流距離、距離采礦區距離、距離鐵路公路距離、距離城市建成區距離、海拔、坡度、煤礦產量、礦業從業人員比例和人均礦區面積共10個驅動因子。分別把這些驅動因子制成模型可以調用的ASCⅡ格式的sc1 gr*.fil文件，對于距離驅動因子，利用ArcGIS 9.3將其按200 m進行等間距分類并生成最終的距離驅動力空間分布圖。為消除礦產相關因子的空間尺度差異，以工礦用地斑塊大小作為因子量化的核心要素，通過對各斑塊因子的均攤處理，利用ArcGIS 9.3的Kriging空間插值功能實現因子的二次分類處理。

1.4.2模型模擬模型完成空間分析由4個條件完成，即空間政策與限制區域、土地利用類型轉化規則、土地利用類型面積需求和土地利用類型空間分布概率。

空間政策與限制區域是指在研究期內，土地利用類型不會發生改變的區域。限制區域可分為區域性限制區和政府性限制區，運用時可根據不同政策導向和實際情況設置限制性區域。研究將基本農田保護區和風景名勝保護區設定為限制區域。限制區域文件中主要包括3種數值：0代表可以發生土地利用轉化的區域；-9 999代表不屬于研究范圍的區域；-9 998代表不可以發生土地利用轉化的區域。限制區域文件需在范圍和柵格大小上與底圖一致，研究將其制成ASCⅡ格式的region_park*.fil文件。

土地利用類型轉化規則主要包括土地利用彈性以及土地利用轉換次序兩部分。土地利用彈性(ELAS)反映土地利用類型轉化的穩定性，受轉化可逆性影響，利用程度高的用地類型難以向利用程度低的發生轉化，如建設用地難以轉換為耕地。反之則利用程度低的用地類型容易向利用程度高的發生轉化。ELAS值范圍為0～1，該值越接近0，其轉化可能性就越大。土地利用轉換次序是通過一個各土地利用類型之間的轉移矩陣來設定各土地利用類型之間能否發生轉化，該矩陣由0，1兩個數字組成，其中0表示不能轉化，1則表示可以發生轉化。研究共設置生態保護情景、耕地保護情景、經濟建設情景和趨勢發展情景4個情景，考慮不同的情景目標，結合研究區土地利用特點，設定不同的轉換系數(表1)和轉移矩陣。

表1　不同情景下土地利用轉移彈性系數

土地利用需求量是在獨立于模型的非空間分析模塊中完成，它可通過外部模型被計算或估算出來，用以限定模擬過程中總的土地利用變化量。考慮到未來情景模擬進行前需進行時間尺度的確定，研究分別以2005年、2014年的土地利用數據作為模擬的需求數據，假設1995—2005年和1995—2014年的各土地利用類型保持勻速變化，內插出各對應時間段內土地需求數據。

土地利用空間分布概率體現為土地利用類型轉變發生可能性在空間上的分布概率，即各種土地利用類型的空間分布適宜性，在CLUE-S模型中，基于土地分布現狀數據和變化驅動因子，運用二元Logistic逐步回歸方法，對研究區域各地類分布變化的因子進行分析，其回歸方程如下：

(1)

式中：Pi表示柵格單元中某一土地利用類型i出現的概率；x1i，x2i，…，xmi為驅動因子，如距離因素、地形條件、社會經濟因素等；β1，β2，…，βm表示回歸方程中土地利用類型與驅動因子之間的解釋變量系數，即相關度；β0表示回歸方程常量。

Logistic回歸方程的擬合度可采用β系數與ROC曲線進行檢驗，根據曲線下的面積大小可檢驗概率分布格局與實際地類空間分布之間是否存在較高的一致性，該值一般介于0.5～1，值越接近于1，說明回歸方程對地類分布的解釋意義越好；反之，若該值越接近0.5，說明回歸方程對地類分布的解釋意義越低。通常，當ROC大于0.7時，可以認為所選取的驅動因素具有較好的解釋能力。

2　結果與分析

2.1Logistic回歸檢驗

Logistic回歸結果顯示，選取的10個解釋因子能夠較好地解釋研究區土地利用變化情況，其中耕地主要與礦業從業人員相對比例、距居民點距離等因子相關，園林地和水域用地主要與海拔坡度因子狀況相關，其中坡度因子β值達到0.165 23，建設用地主要與礦業從業人員比例、坡度和距居民點距離相關性強，而針對工礦用地，其最主要的影響驅動因素包括人均礦區面積、距采礦區距離和距主干道路距離，該情況與實際情形較為符合。

表2　各土地利用類型的Logistic逐步回歸結果(β值)

ROC檢驗結果發現，各地類ROC值(耕地ROC=0.884、園林地ROC=0.930、水域ROC=0.882、其他用地ROC=0.792、建設用地ROC=0.905、采礦用地ROC=0.936)均大于0.75，表明所選驅動因子對各地類的空間分布情況具有較好的解釋能力，其中園林地和采礦用地ROC值較高，分別達到0.930，0.936，說明驅動因子對二者解釋能力較強。其他用地ROC值較低，僅為0.792，在研究初期的土地利用類型確定時，考慮到模型運行前提條件為各地類面積比例需大于1%，研究將部分面積過小的用地類型(如設施農用地、未利用地等)歸并為單一土地利用類型(即其他用地)，由此導致該用地類型不確定性因素多，驅動因子對其解釋能力弱。

2.2模擬結果與驗證

完成模型參數設置后，運行CLUE-S模型獲得對應時間段內模擬結果。研究分別以1995年和2005年為基期數據模擬2014年土地利用空間格局，時間間隔分別為19 a和9 a，將其分別與人工目視解譯實際獲得的2014年現狀圖進行驗證和比較分析，以確定模擬的時間間隔大小。附圖17為研究區1995年、2005年模擬結果。

模型的驗證可以用來檢驗模擬的優劣情況，調整模擬參數。Kappa系數常用來評價遙感的分類精度、圖件間相似程度，能夠從數量和空間角度上定量反映土地利用變化模擬過程中丟失的空間信息量，其中Kappa系數公式為：Kappa=(Po·Pc)/(Pp·Pc)，式中Po為正確模擬的比例；Pc為隨機情況下期望的正確模擬比例；Pp為理想分類情況下的正確模擬比例(100%)；當Kappa系數大于0.75時，圖件間一致性較高，變化相對較小，Kappa系數處于0.4～0.75時，一致性一般，變化較為明顯，Kappa系數小于0.4時，模擬效果差。

將2014年土地利用現狀圖與模擬圖進行求差柵格運算，模擬正確的區域柵格屬性值將為0，通過對屬性值為0的柵格數目提取可得到模擬精度，由檢驗結果可知1995年和2005年基期分別有33 604，35 111個柵格得到正確模擬，錯誤柵格數分別為4 519，3 012個，各自對應模擬正確比例分別為88.15%和92.10%，Kappa系數均超過0.75，準確率達到可信的效果，確定模擬目標年為2025年。

2.3情景模擬

圍繞研究區未來土地數量需求方案，在綜合考慮土地利用現狀及未來發展戰略情況下，結合國內外CLUE-S模型情景方案設計的研究成果，共設置趨勢發展、耕地保護、經濟發展和生態保護4種土地利用變化情景模擬方案。在模型的具體操作中，情景方案的實現主要是通過相關參數的調整和設置不同的空間約束性區域。

趨勢發展情景：未來土地利用變化延續2005—2014年土地轉移速率。在未來發展中，土地需求變化依然按照各地類2005—2014年的變化速率恒定變化，土地利用需求不會受到政策調整的影響，耕地和未利用地繼續保持減少，園林地、水域、建設用地和采礦用地呈現緩慢上升態勢。

耕地保護情景：在耕地保護情景下，土地利用布局主要考慮保障糧食安全，耕地資源的有效保護和面積的控制是其主要實現目標。依照基本農田相關規劃，將基本農田保護區設定為限制性區域，從而限制基本農田向其他地類發生變化，通過設定參數限制基本農田轉換方向。非基本農田外，優先進行耕地建設，提高耕地增加潛力。在規劃綱要中要控制建設用地總量的前提下，適當降低人均建設用地面積，提高建設用地集約水平。

經濟發展情景：經濟保護下，以經濟發展優先為目標，在保證限制性區域不變的前提下，適當提高建設用地規模，優先發展經濟。在未來發展中，尖山區、四方臺區、寶山區和嶺東區4區建設用地中心地帶建設用地需成片集中增長，其對區域經濟的拉動帶動作用得以體現，建設用地總體規模需保持較快的增長速度。

生態保護情景：生態保護情景下需重點考慮土地利用布局對區域生態環境的改善作用，適當控制耕地的增長速度和規模，提高如未利用地、水域用地和林地的面積，提高競爭性用地向生態用地的轉化率，在自然與風景名勝保護區內一切的人類活動都應該禁止。

基于以上情景目標設計，設置不同情景下的土地利用類型轉化彈性系數(表1)和轉化規則，并分別計算和估算不同情景方案下的土地需求面積(表3)，通過設定4種不同的空間限制性區域，重新設定模型參數，以2014年土地利用為基期模擬2025年4種情景下土地空間分布格局(附圖18)。

表3　2025年不同情景下土地需求　hm2

通過2025年各情景模擬圖和2014年現狀圖的疊加和統計分析，分析各土地利用情景下的土地利用變化差異，結果顯示，不同情景土地利用變化呈現出顯著的差異特征。

趨勢發展情景下，到2025年，土地利用格局將延續現有發展趨勢。耕地和其他用地面積持續較少，其中有75.21%的耕地流向園林地，12.05%流向其他用地，而其他用地的流向源頭絕大部分為建設用地，其所占比例超過98.01%；園林地、水域用地、建設用地和工礦用地保持增長，但增長幅度有所差異，建設用地增長幅度最大，達到11.41%，其增長面積中有63.03%的相對面積比例來自其他用地。在現有發展趨勢下，未來工礦用地繼續保持增長，其增長面積比例將僅次于建設用地，達到9.50%，工礦的開采將仍以侵占耕地為主。水域用地在未來面積將增加228 hm2，達到2 808 hm2，增長幅度為8.84%，其增長來源主要為園林地和耕地，其中林地占到70.18%。園林地將輕微增長，面積變化幅度為1.25%。

基本農田在保障國家糧食安全、促進經濟穩定、可持續發展上具有重要的意義，在耕地保護情景中，需嚴格限制基本農田流向途徑，將基本農田保護區作為限制性區域輸入模型中以保證域內耕地不會轉變為其他用地類型。模擬結果顯示，耕地較其他情景下表現出分布范圍廣、集中連片的特征。總體而言，耕地仍然保持下降趨勢，但速度有所下降，至2025年，其面積下降幅度為1 420 hm2，大部分仍然流向園林地，相對面積比例達到81.36%。由于耕地的保護限制，導致建設用地和工礦用地的擴張趨勢有所抑制，其中工礦用地僅增加48 hm2，相對面積比例增加2.48%。

建設用地規模在一定程度上體現出經濟的發展程度，在經濟發展情景中，在政策允許的范圍內，適當放松其他用地向建設用地的流向限制，即通過轉移彈性系數和轉移矩陣得以實現。未來該區域建設用地面積將增加至1 884 hm2，增加幅度達到18.92%，未來建設用地將大量侵占其周邊的耕地和園林地，由此導致其擴張的主要來源為耕地和園林地，二者轉化貢獻率分別達到49.26%和46.28%，空間上表現為擴張主要集中于尖山區西南部城市建成區。礦產資源的開采與加工在該地區經濟中占有較高的比重，在經濟發展情景下，未來該地區工礦用地面積增長幅度在4個情景中最大，約增加276 hm2，增長相對面積比例14.26%。

在生態保護情景下，應重點考慮區域生態環境的改善，生態效益高的用地類型需限制其轉變用途，如水域用地和林地，在模型運行參數設置時，提高其轉移彈性系數，并通過土地利用轉移矩陣約束其轉化，同時將風景名勝保護區、生態敏感區和生態保護區設為限制性區域。2025年土地利用模擬圖顯示，未來耕地、其他用地和工礦用地面積將維持不同程度下降的趨勢，尤以其他用地下降幅度最大，達到14.59%，變化多集中于研究區東北部的寶山區工礦周邊的廢棄地、裸地等其他用地，而工礦用地將下降236 hm2，變為1 701 hm2，這在一定程度上制約了該地區的經濟發展。園林地和水域用地面積顯著增加，南部的山區土地開發利用條件差，地勢高，通過大量種植林地可以改善當地的生態環境。水域用地面積較小，增加區多零星分布于區域的北部平原地帶。

3　結 論

各土地利用類型回歸方程擬合度較高，6種土地地類中ROC最低值0.792，均通過ROC檢驗，說明所選取的驅動因子對當地各地類分布具有較高的解釋能力，模型參數設置合理。將2014年解譯現狀圖與模擬圖件進行對比驗證，1995年和2005年模擬正確比例分別為88.15%和92.10%，Kappa系數均超過0.75，準確率達到可信的效果，說明運用CLUE-S模型可以較好模擬當地未來土地發展態勢。共設置趨勢發展、耕地保護、經濟發展和生態保護4種土地利用變化情景模擬方案，通過相關參數的調整和限制性區域設置實現模型模擬。研究發現當地未來發展應妥善處理好耕地保護、經濟發展和生態保護三者的關系。在趨勢發展下，耕地和其他用地面積持續較少，建設用地達到最大的11.41%增長幅度，而工礦用地面積增長速度僅次于建設用地；耕地保護情景下，耕地仍然保持下降態勢，但速度明顯下降，在耕地保護政策限制下，建設用地和工礦用地的擴張趨勢有所抑制；經濟發展情景下，建設用地面積增長速度顯著上升，其將大量侵占其周邊的耕地和園林地，工礦用地面積增長幅度最大，達到14.26%；生態保護情景下，耕地、其他用地和工礦用地面積呈現出不同程度下降的特征，尤以其他用地類型下降幅度最大，生態效益高的園林地和水域用地面積顯著增加。

CLUE-S模型模擬的精度在很大程度上取決于驅動因子選取的科學性和合理性，但由于部分因子的獲取存在很大難度，在一定程度上影響著模型模擬精度。考慮到部分因子(如人均礦區面積)的數據統計是以內部完整的行政單元而進行的，而單元內部的分布差異必定會導致一定誤差，本文在研究時基于工礦用地各斑塊面積大小實現因子的均攤處理，并采用空間數據插值的方法實現因子的二次處理，可能在一定程度提高模擬的科學性。土地利用發展和政策因素相關程度高，但由于其主觀性強，量化難度大，如何將政策等宏觀驅動因素考慮進來將是未來研究的重點和難點[18]。在情景需求的估算中，如果能夠通過說服性更強的估算方法進行估算，將會大大提高模型的模擬精度和結果的指導性。

[1]楊娟,蔡永立,袁濤.基于CLUE-S模型的崇明縣土地利用變化時空動態模擬研究[J].中國農學通報,2014,30(11):258-264.

[2]王健,田光進,全泉,等.基于CLUE-S模型的廣州市土地利用格局動態模擬[J].生態學雜志,2010,29(6):1257-1262.

[3]賀秋華.江蘇濱海土地利用/覆蓋變化及其生態環境效應研究[D].南京:南京師范大學,2011.

[4]郭碧云,張廣軍.基于GIS和Markov模型的內蒙古農牧交錯帶土地利用變化[J].農業工程學報,2009,25(12):291-298.

[5]譚永忠.縣級尺度土地利用變化驅動機制及空間格局變化模擬研究[D].杭州:浙江大學,2004.

[6]李平,李秀彬,劉學軍.我國現階段土地利用變化驅動力的宏觀分析[J].地理研究,2001,20(2):129-138.

[7]渠愛雪.礦業城市土地利用與生態演化研究[D].江蘇徐州:中國礦業大學,2009.

[8]周海林.資源型城市可持續發展評價指標體系研究:以攀枝花為例[J].地域研究與開發,2000,19(1):12-16.

[9]王慧,吳云生,張永生.面陣CCD數字航測相機影像幾何拼接誤差模型與分析[J].測繪學院學報,2003,20(4):257-262.

[10]黎夏,葉嘉安.基于神經網絡的單元自動機CA及真實和優化的城市模擬[J].地理學報,2002,57(2):159-166.

[11]張永民,趙士洞,Verburg P H.CLUE-S模型及其在奈曼旗土地利用時空動態變化模擬中的應用[J].自然資源學報,2003,18(3):310-318.

[12]張鴻輝,曾永年,金曉斌,等.多智能體城市土地擴張模型及其應用.地理學報,2008,63(8):869-881.

[13]黃秋昊,蔡運龍.國內幾種土地利用變化模型述評[J].中國土地科學,2005,19(5):25-30.

[14]周銳,蘇海龍,胡遠滿,等.不同空間約束條件下的城鎮土地利用變化多預案模擬[J].農業工程學報,2011,27(3):300-308.

[15]張丁軒,付梅臣,陶金,等.基于CLUE-S模型的礦業城市土地利用變化情景模擬[J].農業工程學報,2013,29(12):246-256.

[16]許光洪.我國礦業城市的產業結構調整及其發展途徑[J].中國人口·資源與環境,1998,8(1):26-30.

[17]Verburg P H,Soepboer W,Veldkamp A,et al.Modeling the spatial dynamics of regional land use: the CLUE-S model[J].Environmental Managemant,2002,30(3):391-405.

[18]張學儒,王衛,Verbug P H,等.唐山海岸帶土地利用格局的情景模擬[J].資源科學,2009,31(8):1392-1399.

Scenario Simulation of Land Use in Mining City Based on CLUE-S Model

ZHANG Bo1,LEI Guoping1,ZHOU Hao2,WANG Rui1,DONG Bowen1,ZHANG Xu1

(1.College of Resources and Environment,Northeast Agricultural University, Harbin 150030,China; 2.Land Management Institute,Northeastern University,Shenyang 110004,China)

CLUE-S model was used to simulate the land use of a typical mining city,Shuangyashan City,in the future based on remote sensing and geographic information system technology,and to simulate the changes of land use in different contexts during the year of 2025 by setting 4 kinds of scenarios: natural development,cultivated land protection,economic development and ecological protection.The result showed that the various land use types had passed the ROC test,and the degree of regression equation fitted by data was high.In 1995 and 2005,the correct proportions in simulation were 88.15% and 92.10%,respectively,and Kappa coefficient was more than 0.75,what′s more,the rate of accuracy reached to the credible effect.The simulation results of land use were obviously different under each situation.With the trend of development,cultivated land and other lands were decreasing and the increase of construction land was highest; in the scenario of cultivated land protection,the area of cultivated land still keeps dropping,but the speed of dropping is significantly lower than before,the expansions of construction land and mining land were restrained; with economic development,the growth rate of construction land increased dramatically,which occupied the area of its surrounding cultivated land and garden land,the increase of mining land was highest; with respect to ecological protection,the area of cultivated land,else land and mining land decreased in different degrees,the area of garden land and water area enlarged significantly.The results can provide reasonable

for preparation of local planning and protection of the land resources.

CLUE-S; mining city; land use; scenarios simulation; Shuangyashan City

2015-10-10

2015-11-15

黑國土科研“兩大平原現代農業綜合配套改革試驗區土地管理制度創新”(201411)

張博(1991—),女,黑龍江雙鴨山人,碩士,研究方向為土地利用與規劃。E-mail:xiaobo161171@163.com

雷國平(1963—),男,黑龍江青岡人,教授,博士生導師,主要從事土地利用規劃與土地管理研究。E-mail:guopinglei@126.com

F301.24

A

1005-3409(2016)05-0261-06