基于MODIS北江流域土地覆蓋變化研究及CA-Markov預測1

黎明王云鵬

（1、中國科學院廣州地球化學研究所，廣州 510640）（2、中國科學院大學，北京 100049）

基于MODIS北江流域土地覆蓋變化研究及CA-Markov預測1

黎明1,2王云鵬1

（1、中國科學院廣州地球化學研究所，廣州 510640）（2、中國科學院大學，北京 100049）

基于2001、2005年兩期MODIS土地覆蓋產品，研究北江流域土地覆蓋分布、變化與空間特征，結果表明北江流域以林地、草地和耕地為主，2001-2005年林地和耕地面積增加，草地和水域面積減小，城鎮面積保持穩定；“草地→林地”、“草地→耕地”、“林地→草地”為三種主要變化類型。使用CA-Markov模型對2013年流域土地覆蓋進行預測，模擬結果與實際變化趨勢基本一致，但變化率普遍偏小，空間聚集效應明顯。按此趨勢進一步對2020年北江流域土地覆蓋進行了預測，為流域管理提供了數據支持。

北江流域；土地覆蓋變化；馬爾科夫；元胞自動機

1、引言

土地利用和覆蓋變化（Land Use and Cover Change，LUCC）對流域水文循環、生態環境有重要影響[1]，北江流域分布 在粵北地區，為廣州的重要水源地，其生態環境也較為脆弱，在承接珠三角地區產業轉移時，必然會對土地覆蓋，水量水質等也會帶來較大影響。從流域尺度研究土地覆蓋變化對北江水資源和生態環境保護具有重要意義。土地覆蓋變化受到自然和社會等多種因素的共同影響，其形成過程及機理復雜，對其進行模型研究可為土地利用規劃提供更為可靠的依據[2]。本文使用長時間序列的MOIDIS土地覆蓋產品，探索北江流域土地覆蓋變化特征，并使用CA-Markov模型預測北江流域土地覆蓋分布，期望為流域管理提供精確的數據支持

2 研究區

北江是珠江第二大支流，發源于江西省信豐縣石碣大茅山，上游稱湞水，與發源于湖南省臨武縣的武水在廣東省韶關市匯合后稱為北江，隨后自北向南流經英德市、清遠市，在三水市思賢窖與西江部分連通，后流入珠三角河網區，三水水文站為北江流域的控制站。北江干流全長468 km，流域面積46 710 km2，整個流域為扇形，地形北高南低。北江流域屬于亞熱帶季風性氣候，年均降雨量約為1800mm[3]。北江的主要支流有武江、錦江、湞江、白水、連江、滃江、濱江和綏江。圖1為北江流域及水系分布圖。工作區水污染程度分布圖。

3 數據及方法

3.1 土地覆蓋數據

本次研究使用的土地覆蓋數據為MODIS全球土地覆蓋產品MCD12Q1，由陸地研究小組于2008年研制，使用了Aqua和Terra兩顆衛星的數據，最早的數據始于2001年，時間分辨率為一年，空間分辨率為500m[4]。此次研究使用IGBP的分類，采用監督分類算法，包括全年的MODIS的8天合成觀測數據產品。經過劉向培[5]、吳文斌[6]等的研究，在中國境內，MODIS全球土地覆蓋產品總體精度較高，達到61.9%，對于大尺度土地覆蓋研究具有適用性[7]；且MODIS的土地覆蓋產品有較好的時間連續性，可進行長時間序列分析。在此次研究中使用了2001、2005及2013年的3幅圖像產品。考慮到尺度，對土地覆蓋類型進行了重新分類，最終分為水域、林地、草地、耕地和城鎮五類。

3.2 CA-Markov模型

Markov模型是以馬爾科夫過程理論為基礎的統計預測模型，其特點是無后效性，即一個隨機過程在t+1時刻的狀態只與t時刻有關，而與t之前時刻的狀態無關，土地覆蓋變化過程也符合這一特點[8]。元胞自動機（Cellular Automata，CA）是一種時間、空間、狀態都離散的動力學模型，每個元胞有有限個狀態，t時刻元胞自身及其領域元胞的狀態決定了t+1時刻元胞自身的狀態，模擬的基礎在于反復計算簡單的運算法則，使之發展成為復雜的模型，并可以解釋自然界中的現象。

1948年，Von Neumann首次提出了元胞自動機（Cellular Automata，CA），CA最初應用于生物繁殖、晶體生長等動態復雜的生物和物理過程。Tobler[9]首次采用CA模擬了美國底特律的城市變化。他提出了元胞狀態由根據一致的局部規則的鄰域元胞狀態組成的集合決定，這是CA首次應用于地理學研究。美國加州大學（圣巴巴拉分校）地理系Helen Couclelis[10-13]開創性地研究了如何應用CA動態模擬城市變化趨勢，為CA應用于地理學研究奠定了理論基礎。CA根據簡單的局部轉換規則，但在進行多次迭代運算之后，即可以模擬復雜的空間結構[14]。CA的核心在于轉換規則的制定，使用馬爾科夫（Markov）模型可以制定轉換規則。徐嵐等[15]在國內利用Markov模型預測了沈陽東陵區土地利用的變化，杜際增等[16]對長江源區土地覆蓋使用Markov模型進行預測，均取得了滿意的效果。但Markov模型只能從數量上對土地覆蓋類型進行預測，無法模擬空間分布，因此使用Markov模型提取轉化規則應用于CA模型，既具Markov模型的長時間預測優勢，又可模擬空間變化[17]。

本次研究使用IDRISI軟件（試用版），其操作流程如下：(1)以2001年為預測的開始時間，根據2001和2005年土地覆蓋數據計算出狀態轉移矩陣；(2)根據狀態轉移矩陣預測2005-2013年需要進行多少土地覆蓋類型之間的轉換，并且根據狀態轉移矩陣對每種土地覆蓋類型制作適宜性圖。(3)選擇5×5摩爾型濾波器。(4)開始模擬，其中模擬循環次數以年為單位，間隔幾年即設置循環幾次。

4 北江流域2001-2005年土地覆蓋變化

4.1 土地覆蓋數量變化

從圖4.1可看出，北江流域土地覆蓋主要由林地、草地、耕地三大類組成，三者可占總面積的94%以上；其中林地面積最大，接近流域總面積的一半；水域和城鎮占北江流域面積比例較小。

表4.1 2001-2005年北江流域土地覆蓋變化量

本文使用土地覆蓋類型動態度[18]來評價各土地覆蓋類型變化強度。從表4.1可看出，從2001-2005年間，水域和草地的面積處在減小趨勢，其中水域的面積減速較大；草地面積的減速維持在較小且平緩的速度。林地和耕地的面積在研究時段內呈現增長的趨勢，林地的增速較為平緩，耕地面積有較大幅的增長。城鎮面積在2001-2013年間一直維持在較穩定的狀態。

表4.2 2001-2005年北江流域土地覆蓋變化轉移矩陣（單位：平方公里/km2）

表4.2為2001年的土地覆蓋類型轉矩陣。從類型變化的角度分析，2001-2005年間，5種土地覆蓋類型流失面積由大到小依次為：草地＞林地＞耕地＞水域＞城鎮。草地的主要流失方向是林地和耕地，分別占總流向的24.17%和23.84%；林地的主要流失方向為草地，占14.48%；耕地主要流失為草地和林地，分別占33.46%和12.05%；水域的主要流失為林地和草地，分別占44.74%和41.29%；城鎮用地流失很少，可忽略。草地主要轉入類型為水域，林地和耕地的主要轉入類型都為草地，水域主要由林地轉入。

從變化類型分析，2001-2005年間總共發生了19種類型的土地變化，其中有3種面積大于2000km2的變化，依次為“草地→林地”＞“草地→耕地”＞“林地→草地”；還有6種變化面積介于200km2-2000km2，依次為“耕地→草地”＞“水域→林地”＞“水域→草地”＞“耕地→林地”＞“林地→耕地”＞“林地→水域”；剩余的10種變化類型面積占總變化面積的2.25%。

4.2 土地覆蓋空間變化

4.2.1 2001-2005年北江流域土地覆蓋

可以發現：水域主要分布與北江各干流和支流一致。林地為北江流域的主要土地覆蓋類型，2001年林地分布較為分散，離散斑塊較多，至2005年后逐漸聚集。草地主要分布在北江流域的中部和西北部，即武江上游、白水和連江，如湖南省的宜章和臨武縣，韶關市西北部地區和耕地周圍地區，清遠市的連州、陽山。從2001-2013年，草地分布逐漸集中，斑塊性減弱。耕地分布在城鎮的周圍，多分布在北江流域的東部，即武江下游、湞江中上游、滃江和北江流域出口，如韶關市的南雄、始興、翁源、曲江、乳源，清遠市的英德。流域西南部，肇慶市的懷集縣耕地逐漸增加。耕地多成片分布。城鎮多為小塊狀區域，因為分辨率為500m，所以較小的居民點難以識別，且分布在水域附近。

4.2.2 2001-2005年北江流域土地覆蓋變化空間格局

水域，水域的變化多集中在水系附近。水域的轉出面積較大，主要在錦江、湞江、滃江流域和英德市區周圍地區。林地，林地的轉出在空間分布上比較分散，多為離散的小斑塊，以“林地→草地”為主；韶關市東部地區林地轉出面積較少；林地多為草地轉入導致總面積增長。草地，轉出流向主要為耕地和林地，“草地→林地”在整個流域呈隨機分布狀態，無明顯聚集現象，“草地→耕地”多發生原耕地較多的地區；草地轉入面積多由林地轉入。耕地，轉出流向主要為林地和草地；“耕地→林地”在整個流域呈隨機分布狀態，無明顯聚集現象，“耕地→草地”在連江流域、武江上游流域和韶關市區周圍分布密度較大。耕地轉入面積類型多為草地。城鎮用地基本處于穩定的狀態。

5 基于CA-Markov的2013年土地覆蓋預測

5.1 2013年土地覆蓋預測結果及驗證

表5.1 誤差矩陣（單位：個）

圖5.1和圖5.2為預測2013年北江流域土地覆蓋圖與實際圖像，經過計算，預測圖像與實際圖像間的kappa系數為56.78%，總體預測精度為74.18%，城鎮的預測精度最好，林地次之；水域的預測精度最差。

表5.2 預測結果動態度驗證

從表5.2可看出，水域的面積誤差比較大，耕地次之；林地、草地和城鎮誤差比均在±10%之內。各土地類型的變化趨勢與預測趨勢除耕地外基本一致，耕地在2005-2013年期間面積減少，但預測卻是增加趨勢，這是因為2001-2005年耕地面積增加，因此Markov模型計算時也認為2005-2013應是增加趨勢。水域、林地和草地的預測變化幅度小于實際變化幅度；城鎮面積保持穩定并有微幅增長。從圖5.1與5.2的對比可看出，預測的2013土地覆蓋比真實土地覆蓋的聚集效應更加顯著，但其主要的分布地區保持一致。本次實驗結果的評價指標與趙冠偉等（2011）的研究結果基本一致，說明MCD12Q1的土地覆蓋產品在大尺度地區的土地覆蓋研究中具有適用性，可使用CA-Markov模型預測更長時間之后的土地覆蓋分布。

5.2 2020年土地覆蓋預測結果

表5.3 2020年北江流域土地覆蓋預測面積

圖5.3為按現有演化趨勢對2020年北江流域土地覆蓋的預測分布，可以看出，各類型的土地覆蓋分布聚集效應更加明顯。各類型的土地覆蓋面積變化趨勢與5.1節中2005-預測2013年的變化趨勢一致，林地和耕地占比增加，草地、水域面積減小，城鎮面積總量保持穩定并有微幅增加。

5.3 誤差與不確定性分析

上文提及，MCD12Q1在中國境內的分類精度為61.9%，這在一定程度上限制了CA-Markov模型的預測精度；MCD12Q1的分辨率為500m，滿足大中尺度研究區的要求，但對于小尺度區域而言，400m為元胞模擬的極限值[19]，元胞在應用于大尺度區域時極限值可以適當提高[8]；本次模擬試驗中，采用根據土地狀態轉移矩陣默認生成的土地變化適宜性圖集，并未添加自然條件、政策指導等限制因素，若能更明確的添加這些限制性條件可更有方向性的約束土地覆蓋變化，但對于大尺度地區而言，政策和人為因素因受各個行政區政策的不同而有所差異，這些都提高了分析土地覆蓋類型變化的難度。

6 結論

北江流域土地覆蓋主要由林地、草地、耕地三大類組成，其中林地面積最大。水域主要沿河流分布；草地則多分布在北江流域西北部及中部，如武江上游、白水和連江流域；耕地多在北江流域東部，湞江上游，滃江流域和北江流域下游出口附近。

林地從處于增長的狀態，主要由草地變化而來；水域和草地面積逐年減小，水域主要流失為林地和草地，草地主要流失為林地和耕地；耕地面積呈現小幅波動；城鎮面積一直處于相對穩定的狀態。2001-2005年間，林地、草地和耕地分布都發生聚集現象，斑塊逐漸減少。

使用CA-Markov模型預測2013年北江流域土地覆蓋的數量和空間分布，各土地覆蓋類型的變化趨勢與實際基本保持一致，林地和耕地占比增加，草地、水域面積減小，城鎮面積總量保持穩定并有微幅增加。預測2013年的土地覆蓋分布總體精度達到74.18%，kappa系數為56.78%，評價結果表明本次研究使用的數據及方法可應用于大中尺度區域的土地覆蓋研究；其中，城鎮模擬精度較高，林地次之，水域模擬精度較差。按現有演化趨勢對2020年北江流域土地覆蓋進行了預測，各類型演化趨勢基本一致，土地覆蓋分布聚集效應更加明顯。該預測可為北江流域管理提供數據支持。

[1]田光進，鄔建國．基于智能體模型的土地利用動態模擬研究進展[J]．生態學報，2008，28（9）：4451-4459．

[2]周增榮．九江流域土地利用/覆蓋變化及其水質效應模擬分析[D]．泉州：華僑大學，2012．

[3]王亞雄，黃淑嫻，劉祖發等．變化環境下北江下游年凈流量的加權馬爾科夫鏈預測[J]．生態環境學報，2011，20（4）：754-760．

[4]孫娜．珠三角地區可吸入顆粒物的遙感監測及其與下墊面的相關性分析[D]．北京：中國地質大學（北京），2013．

[5]劉向培，王漢杰、何明元等．三種土地覆蓋遙感數據在中國區域的精度分析[J]．農業工程學報，2012，28（24）：252-259．

[6]吳文斌，楊鵬，張莉等．四類全球土地覆蓋數據在中國區域的精度評價[J]．農業工程學報，2009，25（12）：167-173．

[7]曹明，張友靜，鄭淑倩等．MODIS土地覆蓋數據產品精度分析-以黃河源區為例[J]．遙感信息，2012，27（4）：22-27．

[8]侯西勇，常斌，于信芳．基于CA-Markov的河西走廊土地利用變化研究[J]．農業工程學報，2004，20（5）：286-291．

[9]Tobler W R． Cellular Geography，Philosophy in Geography [M]．Amsterdam，Netherlands：Reidel1979．

[10]Couclelis H． Cellular Worlds: A Framework for Modeling Micro-Macro Dynamics [J]．Environment and Planning A，1985，17：585-596．

[11]Couclelis H． Of mice and men：What rodent populations can teach us about complex spatial dynamics [J]． Environment and Planning A，1988，20：99-109．

[12]Couclelis H． Macrostructure and micro behavior in a metropolitan area [J]． Environment and Planning B：Planning and Design，1989，16：141-154．

[13]Couclelis H． From cellular automata to urban models: new principles for model development and implementation [J]． Environment and Planning B，1997，24：165-174．

[14]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．

[15]徐嵐，趙羿．利用馬爾科夫過程預測東陵區土地利用格局的變化[J]．應用生態學報，1997，4（3）：272-277．

[16]杜際增，王根緒，李元壽．基于馬爾科夫鏈模型的長江源區土地覆蓋格局變化特征[J]．2015，34（1）：195-203．

[17]井梅秀，李晶．基于CA-Markov模型的關中-天水經濟區土地利用變化動態模擬[J]．2013，41（1）：99-103．

[18]朱會義，李秀彬．關于區域土地利用變化指數模型方法的討論[J]．地理學報，2003，58（5）：643-650．

[19]趙冠偉，陳穎彪，陳建飛等．CA-Markov模型的空間尺度敏感性研究[J]．2011，31（8）：897-902．

黎明(1990- )，男，2012年畢業于安徽師范大學，碩士研究生，主要從事環境遙感與GIS研究。