喀斯特山區都市土地利用變化與ESV關系研究

余曉芳++安裕倫++安寧++姜海峰

摘要：為合理利用喀斯特山區的土地，選取貴州省貴陽市作為研究區域，基于Logistic-CA-Markov模型預測不同情境下2020年貴陽市土地利用情況并對土地利用變化驅動下的生態系統服務價值（ESV）進行評估。結果表明，貴陽市在2000—2010年年間，草地、耕地、林地均有向居民工礦用地轉移的趨勢，居民工礦用地面積增加202.53 km2，耕地面積減少了452.90 km2，ESV呈上升趨勢，林地生態系統服務價值貢獻最大；借助Logistic-CA-Markov模型模擬出貴陽市2010年土地利用格局，得到其Kappa系數約為0.78，說明模擬的效果較好，經濟快速發展情境下的貴陽市2020年居民工礦用地較自然情境下的面積增加更多，林地、草地、耕地均有所減少，在空間上主要以城區為中心擴展；基于預測結果評估土地利用變化驅動下的ESV，2010—2020年年間各土地利用類型服務價值均有所下降，情境Ⅱ中ESV下降了87.93千萬元，經濟建設對生態環境已經產生了負面影響，喀斯特山區都市的生態環境形勢仍然嚴峻。

關鍵詞：土地利用變化預測；Logistic-CA-Markov模型；生態系統服務價值（ESV）；喀斯特山區

中圖分類號： F301.24文獻標志碼： A

文章編號：1002-1302（2017）09-0217-06

20世紀以來，人類可利用的土地資源隨著人口的加劇而變得越來越少，尤其是人地矛盾日益深化，土地利用的合理性與否逐漸引起世界關注。土地利用/土地覆被變化在全球環境變化和可持續發展中占有重要的地位[1]。土地利用的變化時刻改變著區域乃至全球生態環境的變化[2]，研究土地利用變化對生態系統服務價值的影響及相互作用關系具有重要意義[3]。國外學者Kumar等結合Markov模型和遙感技術預測Tamil Nadu的土地利用結構[4]；Xia等基于元胞自動機（cellular automate，CA）和神經網絡（neural-network，NN）模型預測土地利用動態變化[5]；Yang等將人工神經網絡—元胞自動機（artificial neural network—cellular automata，ANN-CA模型）和景觀格局指數（landscape pattern indice，LPI）結合來預測未來土地利用情況[6]。國內學者對于喀斯特山區土地利用變化的研究主要有王磊等采用人工神經網絡與元胞自動機[CM（25]的耦合模型對喀斯特地區的土地利用格局變化進行模[CM）][LM]擬[7]；周傳艷等通過對貴州省生態系統服務價值進行評估探討喀斯特地區生態系統服務功能特征[8]；羅俊等以土地利用和生態服務功能變化為基礎揭露喀斯特地區土地利用變化下的生態系統服務價值變化特征[9]；熊鷹等參照中國陸地生態系統單位服務價值系數根據土地利用變化對喀斯特區生態系統服務價值進行估算[10]；李正等采用灰色模型對區域土地利用構成和生態系統服務價值進行預測[3]；趙國粱等基于 CILE-S模型揭示廣西喀斯特山區生態系統服務價值的時空變化規律[11]。但是很少有學者基于Logistic-CA-Markov模型對喀斯特山區土地利用格局的模擬結果來預測分析其驅動下的生態系統服務價值，喀斯特山區生態環境脆弱，結構復雜，人地矛盾尤為突出，人均耕地少，經濟條件落后，評估及模擬該區域生態系統的服務價值可以了解各生態系統的重要性及其未來發展動向，可為喀斯特地區生態環境建設和土地利用結構的優化調整提供決策參考，貴陽市作為典型喀斯特區域之一，研究其土地利用演變規律有利于了解喀斯特山區土地的演變趨勢。以貴州省貴陽市為研究區域，基于CA-Markov模型引入Logistic修正CA的轉換規則，建立 Logistic-CA-Markov模型，從空間和數量上預測未來貴陽市土地利用結構，并在此基礎上研究土地利用變化驅動下的生態系統服務價值（ESV）的變化規律。

1研究區概況與數據處理

1.1研究區概況

貴陽市是貴州省的省會城市，位于中部偏北地區，包括6區（白云區、烏當區、觀山湖區、云巖區、南明區和花溪區）3縣（息烽縣、開陽縣和修文縣）1市（清鎮市）（圖1），位于 106°27′～107°03′E、26°11′～26°55′N之間，東與甕安縣、龍里縣、福泉縣接壤，南接惠水縣，西靠織金縣、平壩縣，北鄰金沙縣、遵義縣，總面積約為8 043.14 km2。海拔最高為1 738 m，最低為508 m，主要發育深中丘、淺中丘，深切割中山和中切割低中山地貌，土壤主要以硅鋁質中層黃壤和中層黃色石灰土為主。研究區屬于亞熱帶濕潤溫和型氣候，年均溫為 153 ℃，冬無嚴寒，夏無酷暑，自然資源豐富。

1.2數據來源與處理

社會經濟數據來源于貴州省2010年人口統計和GDP數據，基礎地理空間數據主要來源于貴州省2010年交通、水系數據和分辨率為30 m的DEM數據。土地利用數據來源于貴州省生態環境10年（2000—2010年）變化遙感調查與評估項目，具體做法是以1 ∶5萬地形圖為基礎，對3期遙感影像數據采用監督分類和目視解譯相結合的方法進行土地利用的遙感解譯，并進行野外數據核查。參考地形圖上的土地利用分類，按照《土地利用現狀調查技術規程》中使用的土地利用現狀體系，根據土地的用途、利用方式、覆蓋特征等因素，我國土地可以被分為8大類、46小類，8大類土地分別是耕地、園地、林地、牧草地、居民點及工礦用地、交通用地、水域和未利用地。根據研究需要和研究區實際情況，共劃分出6種土地利用類型，分別是草地、耕地、林地（林地和園地）、未利用地、居民工礦用地（居民點及工礦用地和交通用地）和水域，得到2000年、2005年、2010年貴陽市土地利用數據（圖2）。

所選用的矢量和柵格數據統一投影坐標系，每個柵格大小統一重采樣為30 m×30 m。制作各地類適宜性圖集，須分別從2005年、2010年中提取各地類數據，該地類土地利用屬性賦值為1，其他地類賦值為0。主要選取的土地利用變化影響因子為自然因子（dem、slope）、社會經濟因子（人口、GDP）、可達性因子（交通、水系），將人口和GDP通過處理得到貴陽市人口密度和人均GDP柵格數據，交通和水系在Arcgis中通過[CM（25]計算歐氏距離（即指計算每個柵格中心到交通和水系的距離遠近）得到距交通距離和距水系距離的柵格數據，最后將土地利用變化影響因子和土地利用數據均轉化為IDRISI軟件所識別的rst格式，制作適宜性圖集。

2研究方法

2.1Logistic回歸分析模型

Logistic回歸模型主要是指在1個變量和多個自變量之間形成多元回歸關系，用來預測某一區域中某一事件概率發生的大小，主要是指建立各土地利用與影響因子之間的回歸關系來預測某一區域中演變為某一土地利用的概率大小。某柵格出現某一種土地利用i的概率為pi，回歸方程為

式中：β0為常量；β1，β2，…，βn是回歸系數；X1，X2，…，Xn為影響因子。

2.2CA-Markov模型

CA于20世紀40年代末由Neumann等提出，就像許多的相同圖靈機放置在格網之中并彼此連接在一起[12]，對于具有時空演化特征的地理復雜系統更具有優勢。CA主要由元胞、元胞空間、元胞鄰居、時間和轉換規則組成，其中以轉換規則為核心。

馬爾可夫（Markov）過程是一種具有“無后效性”的特殊隨機過程[13]。“無后效性”指某個隨機過程在第（t+1）步時刻的狀態S（t+1）與第t步以前的狀態無關，僅與t時刻的狀態S（t）有關，此時隨機過程S（t）為一個馬爾可夫鏈。土地利用概率轉移矩陣能定量地說明土地利用之間的相互轉移情況，表示事件從初始時刻的某一狀態轉移到下一時刻其他狀態的可能性，狀態是指土地利用，用Pij表示土地利用i轉化為土地利用j的轉移概率，n指土地利用，轉移概率矩陣可表示如下：

式中，須滿足以下2個條件：①Pij∈[0，1]；②[FK（W+9mm。2*2]∑[DD（]nj=1[DD）]Pij[FK）]=1（i、j=1，2，3，…，n）。

CA模型的空間概念比較強，能夠很好地模擬復雜空間的變化程度，Markov模型的空間參數比較弱，而在數量變化上的預測較強[14]。CA-Markov模型將上述2種模型優點相結合，既從數量上模擬未來土地利用的情況，也從空間上模擬未來土地利用的分布情況。以CA模型中的轉換規則為核心，引入Markov模型中產生的土地利用轉移矩陣進行修正，最后將Logistic回歸模型引入了自然、社會和可達性等影響因子，再次修正CA模型進而提高CA-Markov模型模擬的精度，最終形成Logistic-CA-Markov模型。

2.3生態系統服務價值計算模型

ESV是指生態系統服務價值（元）；Ak是研究區第k種土地利用類型分布面積（hm2）；VCk為生態價值系數[元/（年·hm2）]，即單位面積生態系統服務的價值。ESV作為生態環境效應的量化指標，能夠根據ESV的評估結果來揭示生態環境效應。

3結果與分析

3.1土地利用類型變化

從表1中可以看出，貴陽市2000年主要是以耕地、林地為主，所占比例分別是41.46%、40.83%，即主要以農林地為主，且處于絕對優勢。2010年草地、未利用地、水域無明顯變化，耕地面積比例減少5.63百分點，林地、居民工礦用地的面積比例分別增加2.65、2.52百分點，這是一種城市化進程加速發展的表現，居民工礦用地的增加不僅體現在貴陽市，在全國范圍內這種趨勢也較明顯，這種趨勢在大力尋求經濟發展的城市將繼續保持，耕地的減少主要是因為采取了退耕還林政策及人類活動的影響。從土地利用類型變化轉移矩陣可知，耕地、林地、草地會向居民工礦用地發展，其中耕地面積轉移最大為180.26 km2，居民工礦用地面積從192.47 km2增加到 395.00 km2，從側面反映了貴陽市的經濟在不斷地加速發展，與之相關的經濟建設如火如荼地開展著。由表2可知，耕地除了轉化為居民工礦用地，向林地轉移的面積達到 231.84 km2，這與貴陽市注重生態保護，采取退耕還林政策息息相關，與國家要求發展生態文明建設也高度吻合。

3.2土地利用預測與檢驗

對各土地利用建立相應的適宜性圖，組成適宜性圖集，在IDRISI軟件的支持下，利用Logistic-CA-Markov模型，得到預測的貴陽市2010年土地利用數據，與現有的土地利用數據進行對比分析（圖3）。引用Kappa系數來對預測數據的精度進行檢驗，Kappa系數一般用來評價遙感數據的分類精度，分析2個圖件的相似性[15]。計算公式如下：

式中，Po為柵格模擬一致的比例，Pc為隨機情況下柵格模擬一致的比例，Pp為理想情況下的柵格模擬一致比例。其中Kappa系數范圍為0～0.40，表明模擬性較差，模擬效果不佳；Kappa系數范圍為0.41～0.75，表明模擬性一般，模擬效果一般；Kappa系數范圍為0.76～1.00，表明模擬性較高，模擬效果較好。

由表3可以得出，研究區中柵格總數為8 936 874個，其中空間模擬一致的柵格數為7 361 221個，Po=0.82，隨機情況下Pc=1/6，理想情況下Pp=1，根據上面公式可知，Kappa系數約為0.78。由Kappa系數與模型模擬效果關系可知，利用Logistic-CA-Markov模型模擬一致性較高，模擬效果較好，說明利用此模型用來模擬喀斯特山區的土地利用是比較有效和可信的。

3.3不同情境下的未來土地利用預測

利用2000、2010年土地利用數據建立土地利用概率轉移矩陣預測2020年貴陽市土地利用情況。2012年國發2號文件是首個從國家層面系統支持貴州發展的綜合性政策文件，貴陽處在黔中經濟區的核心地位，經濟發展更加飛速，居民工礦用地的擴張比較迅速，將這種發展模式稱為經濟快速發展模式。通過參考和分析現有的資料，可以發現居民工礦用地大都來自林地、耕地、草地的轉化，可以擬定將林地、耕地、草地轉化為居民工礦用地的概率分別提高30%、20%、10%，得到經濟快速發展模式的概率轉移矩陣，分別模擬自然增長情境下和經濟快速發展情境下的貴陽市2020年土地利用情況（圖4）。

根據貴陽市2020年模擬結果（表4）可知，草地、耕地、林地、未利用地、水域的面積均有不同程度的減少，居民工礦用地的面積大幅度增加。在自然發展情境（情境Ⅰ）下，耕地減少的面積最大，減少了755.66 km2，居民工礦用地增加的面積最大，增加了945.92 km2，其中耕地大部分轉化為居民工礦用地。在經濟快速發展情境（情境Ⅱ）下，居民工礦用地的增加速度明顯加快，與情境Ⅰ相比，草地、耕地、林地的面積減少幅度加大，林地面積減少229.88 km2，耕地減少的面積最大為885.08 km2，草地減少了96.77 km2，居民工礦用地增加了1 243.31 km2，約是2010年居民工礦用地面積的3倍。從空間上看，情境Ⅰ下林地和草地的分布比較均勻，居民工礦用地的擴展主要在主城區，尤其是云巖區、觀山湖區、南明區和花溪區。林地和耕地主要分布在3縣1市和花溪區的南部區域。情境Ⅱ下的居民工礦用地的擴展主要是在云巖區、南明區的北部以及修文縣、開陽縣部分地區，主要原因為這些區域的林地和耕地轉化為居民工礦用地的概率大，故在情境Ⅱ下轉化為居民工礦用地的可能性較大。

3.4土地利用變化驅動下的ESV評估

基于前人的研究成果和貴州實際情況，得出貴州省與土地利用類型相對應的生態系統類型及其生態價值系數（表5）[16]。

將每種土地利用類型與最接近的生態系統類型結合起來，利用2000、2010年和Logistic-CA-Markov模型預測的土地利用類型數據計算2000—2020年貴陽市各生態系統服務價值（表6）。總體上看，2000—2010年，貴陽市ESV呈增長趨勢，從80.093億元上升到82.576億元，增加 2.483 億元。其中耕地、居民工礦用地的生態系統服務價值下降，分別下降1.412、0.132億元；林地、草地、水域的生態系統服務價值上升，分別增加3.690、0.335、0.002億元。從各土地利用類型生態系統服務總價值的比例來看，林地生態系統服務價值占據絕對優勢，比例為71.11%、73.44%；居民工礦用地服務系統生態價值系數為負值，且近10年來其他地類均有不同程度的往居民工礦用地轉移的趨勢，居民工礦用地的面積有所增加，但是由于林地生態系統面積也在增加且其生態價值系數較大，故能彌補居民工礦用地生態服務價值的負面影響。對貴陽市2種情境下的ESV進行預測，2010—2020年貴陽市ESV呈下降趨勢，情境Ⅰ和情境Ⅱ中ESV為77.251、73.783億元，分別下降5.325、8.793億元。各土地利用類型的ESV均呈現下降趨勢，居民工礦用地的面積大幅度增加對ESV的負面影響更大。林地、草地和耕地生態系統仍然是生態系統服務價值貢獻最大的土地利用類型，占據了90%以上的生態服務價值。2種情境下的貴陽市ESV呈下降趨勢表明貴陽市經濟的發展對生態環境已經產生了負面的影響，必須加強退耕還林還草，在大力發展經濟建設的同時注重生態環境的保護，盡量引導土地利用類型往生態系統服務價值高的方面轉變。

4結論

通過對貴陽市2000—2010年近10年的土地利用分析，可知耕地的面積減少5.63百分點，其他地類面積均有不同程度的增加，其中居民工礦用地增加面積幅度較大，從 192.47 km2 增加到395.00 km2，草地、耕地、林地均有向居民工礦用地轉移的趨勢。ESV呈上升趨勢，林地生態系統服務價值貢獻最大，林地、草地生態服務價值有所增加，耕地和居民工礦用地生態服務價值繼續下降，未利用地保持穩定。

借助Logistic-CA-Markov模型模擬出貴陽市2010年土地利用格局，得到其Kappa系數約為0.78，表明此模型結果具有較高的可信度。模擬貴陽市2020年不同情境下土地利用情況可知：自然情境下，耕地面積減少了755.66 km2，草地和林地均有不同程度減少；經濟發展情境下，林地和耕地面積減少的幅度加大，居民工礦用地面積增加迅速。從空間上可發現居民工礦用地主要以主城區為中心擴展，林地和耕地主要分布在鄉鎮上。

結合預測的結果評估土地利用變化驅動下的ESV，可知在2010—2020年，各土地利用類型的ESV均呈現下降趨勢，情境Ⅱ的經濟建設更加明顯，居民工礦用地生態服務系統對ESV的負影響更大，ESV下降了8.793億元。ESV能夠揭示生態環境效應，ESV下降表明經濟建設對生態環境產生了阻礙作用，喀斯特山區生態環境形勢仍然嚴峻。

參考文獻：

[1]李秀彬. 全球環境變化研究的核心領域——土地利用/土地覆被變化的國際研究動向[J]. 地理學報，1996，51（6）：553-558.

[2]榮月靜，張慧，王巖松. 基于Logistic-CA-Markov與InVEST模型對南京市土地利用與生物多樣性功能模擬評價[J]. 水土保持研究，2016，23（3）：82-89.

[3]李正，王軍，白中科，等. 貴州省土地利用及其生態系統服務價值與灰色預測[J]. 地理科學進展，2012，31（5）：577-583.

[4]Kumar S， Radhakrishnan N， Mathew S. Land use change modeling using a markov model and remote sensing[J]. Geomatics，Natural Hazards and Risk，2014，5（2）：145-156.

[5]Xia L， Yeh A G. Neural-network-based cellular automate for simulating multiple land use change using GIS[J]. Internation Journal of Geographical Information Science，2002，16（4）：323-343.

[6]Yang X，Chen R， Zheng X Q. Simulating land use change by intergrating ANN-CA model and landscape pattern indices[J]. Geomatics，Natural Hazards and Risk，2016，7（3）：918-932.

[7]王磊，王羊，蔡運龍. 土地利用變化的ANN-CA模擬研究——以西南喀斯特地區貓跳河流域為例[J]. 北京大學學報（自然科學版），2012，48（1）：116-122.

[8]周傳艷，陳訓，劉曉玲，等. 基于土地利用的喀斯特地區生態系統服務功能價值評估——以貴州省為例[J]. 應用與環境生物學報，2011，17（2）：174-179.

[9]羅俊，王克林，陳洪松. 喀斯特地區土地利用變化的生態服務功能價值響應[J]. 水土保持通報，2008，28（1）：19-24.[HJ1.6mm]

[10]熊鷹，謝更新，曾光明，等. 喀斯特區土地利用變化對生態系統服務價值的影響——以廣西環江縣為例[J]. 中國環境科學，2008，28（3）：210-214.

[11]趙國粱，胡業翠. 基于CLUE-S模型的廣西喀斯特山區生態系統服務價值變化研究[J]. 水土保持研究，2014，21（6）：198-203.

[12]楊俊，解鵬，席建超，等. 基于元胞自動機模型的土地利用變化模擬——以大連經濟技術開發區為例[J]. 地理學報，2015，70（3）：461-475.

[13]除多，張鐿鋰，鄭度. 拉薩地區土地利用變化情景分析[J]. 地理研究，2005，24（6）：869-877.

[14]黃曉磊，劉東云，馮仲科，等. 基于CA-Markov模型的天津市土地利用預測研究[J]. 中國農業科技導報，2012，14（5）：84-89.

[15]布仁倉，常禹，胡遠滿，等. 基于Kappa系數的景觀變化測度——以遼寧省中部城市群為例[J]. 生態學報，2005，25（4）：778-784.

[16]劉宇，陳學華，羅勇. 土地利用變化對生態系統服務價值的影響——以貴州省為例[J]. 西北林學院學報，2008，23（1）：219-223.