基于GIS與CA—Markov的吉林西部土地覆被演變及預測

劉家福+王鑫全+韓程+李林峰

摘要：為探究吉林西部地區土地利用類型演變規律，選取1987年、2000年、2013年3期專題制圖儀（TM）影像為數據源，分析2000—2013年吉林西部地區土地利用類型覆被演變；運用CA-Markov模型模擬2013年預測數據，與解譯數據進行模型驗證，整體kappa系數為76.3%，模擬精度較高；并基于2000年、2013年解譯數據，模擬預測了2026年和2039年研究區土地利用格局，對各時段土地動態度進行對比分析。結果表明，吉林西部地區土地利用以旱田為主，占研究區總面積50%以上；在2000—2013年年間，水田、居民工礦用地和交通用地面積增加明顯，林地和沼澤地面積減幅較大，其中面積增加最多的是水田；2013—2039年土地類型大體保持2000—2013年的演變趨勢，即隨著人類活動加強，居民及工礦用地、水田面積持續快速增加，林地和沼澤地面積不斷減少，吉林西部土地利用結構正在發生改變，生態保護形勢不容樂觀。

關鍵詞：CA-Markov模型；吉林西部；土地利用；模擬預測

中圖分類號： F323.211；S127 文獻標志碼： A 文章編號：1002-1302（2017）20-0249-05

近年來，隨著社會經濟的快速發展和全球氣候變化的不穩定，人地關系矛盾日益突出，正在加速的土地利用類型變化或土地覆蓋類型變化會對區域內自然生態環境和社會經濟環境產生一系列影響，因此土地利用類型變化的研究愈發重要[1-3]。土地利用類型變化的研究通過對土地利用格局的動態模擬，重建了過去某一時段內土地覆被所發生的系列變化，并對未來土地利用類型可能發生的變化趨勢作出科學合理的預測，可為生態環境保護和區域可持續發展提供科學的決策依據，成為國際研究最熱門的領域之一[4-6]。

目前，Markov模型在土地利用模擬預測中被廣泛應用，CA模型則多被應用于森林防護、水土保持、災害預測等領域，一般在應用時多采用與其他方法相結合的方式[7-10]。將CA與Markov模型相結合應用于土地利用類型分析與預測可保留Markov模型長期預測的優勢，同時結合了CA模擬空間復雜狀態的功能，可有效模擬土地利用變化。吉林西部地區位于農牧業交錯地帶，生態環境脆弱，土地利用類型復雜多樣，人類活動對生態環境產生了重要影響，在分析與預測吉林西部土地覆被結構與變化特點時引入CA-Markov模型，可有效揭示未來土地利用類型的變化特點與趨勢，為地區土地利用可持續發展提供重要參考依據。

1 研究區概況

吉林西部地區總面積4.689萬km2，占全省土地面積約27.2%，地理坐標為121°38′～126°11′E，43°15′～46°18′N，行政區劃包括白城市和松原市。該區位于松嫩平原南部，地處農牧交錯地帶，海拔為150～200 m，地勢平坦低平，大部分地區為平原，該地區屬于溫帶半干旱半濕潤季風氣候區，四季分明，全年溫度變化較大，春秋多風少雨，冬季嚴寒少雪，雨熱同期，年平均降水量350～500 mm，河流稀少。吉林西部地區是省內重要的農、牧業生產基地和能源生成基地，近年來伴隨著經濟發展與區域開發，水域面積不斷減少，濕地退化與草場退化十分嚴重，對當地的發展造成嚴重的挑戰。

2 研究方法

2.1 數據來源及預處理

選取吉林西部地區1987年、2000年和2013年LANDSAT TM影像為數據源，圖像空間分辨率為30 m×30 m。使用ERDAS遙感影像處理軟件對TM3、TM4、TM5 3個波段進行假彩色合成和圖像增強處理，以1 ∶ 100 000基礎地理數據為參照圖，對TM影像進行精校正，將遙感圖像與地形圖配準，其校正精度小于1個像元，滿足研究所需。土地利用分類參照國際地圈生物圈計劃（international geosphere-biosphere program，IGBP）的同土地利用/土地覆蓋變化（LUCC）分類，將研究區土地利用類型分為草地、灌木林地、旱田、交通用地、居民及工礦用地、裸地、沙地、水田、水域、鹽堿地、有林地和沼澤地12種類型。在此基礎上利用地理信息系統（GIS）軟件，采用非監督分類方法并結合目視判讀對2期TM圖像進行土地利用類型解譯，最終得到1987年、2000年和2013年3期土地利用數據圖。

2.2 CA-Markov模型

在空間動態演變模擬上，CA在模擬區域復雜的狀態時空演變上有明顯的優勢，而Markov模型在土地利用類型演變數量的模擬預測上優勢明顯，將CA模型與Markov模型相結合，各取其長，充分保證了土地利用類型模擬與預測的精度和可信度[11-13]。具體方法如下：（1）確定轉換規則。可在Markov模型中疊加2000年和2013年基礎解譯數據，生成轉移矩陣，轉移面積矩陣反映各土地類型轉變為其他土地利用類型的面積，轉移概率矩陣反映了各個土地利用類型轉變為其他類型的概率（表1）。轉移矩陣用來預測下一個時期具體土地類型變化情況。（2）創建適宜性圖集。土地利用適宜性圖集表示一種土地利用類型轉換為另一種的可能性，也叫條件概率圖像。研究區土地變化主要受到高程、坡度、交通以及政策等要素影響，通過GIS疊置分析，創建適宜性圖像集。（3）確定CA濾波器和迭代次數。CA濾波器采用較為常用的5×5濾波器，即1個元胞受周圍24個元胞狀態顯著影響。以2013年為起始年份，迭代次數分別選擇13，預測得到吉林西部2026年土地利用數據圖，再以2026年為起始年份，預測得到2039年土地利用數據圖。

3 結果與分析

3.1 2000—2013年土地利用特征及變化分析

利用GIS軟件統計2000年和2013年各類型土地面積和所占比例，結合圖1分析可知，2000—2013年在研究區主要呈現出小圖斑不斷聚集或被吞并，大圖斑不斷發展擴張的趨勢，表現最為明顯的是研究區西部的水田，水田斑塊由小聚大，快速發展且吞并侵蝕周邊其他土地類型；吉林西部地區土地利用以旱田、草地為主，兩者面積總和占總面積約70%，沙地、居民用地、裸地和灌木林地面積較少；林地集中分布區與增長區主要在西部靠近大興安嶺一帶，在其他地區分布較少，且不斷減少；草地分布廣泛，除東北部地區分布較少之外，其他地區均有分布，且斑塊破碎度較大；居民及工礦用地斑塊較小，除少數地區較集中外，主要呈散點狀分布在整個研究區，居民及工礦用地大多數是在原有居民點的基礎上進行擴張的；水田呈片狀分布于研究區西部、北部和中北部地區，且靠近居民用地；鹽堿地面積較大且分布廣泛，主要分布在中部及中北部地區，但總面積在減少，這要得益于吉林省多年以來在鹽堿地治理上的投入。endprint

2000—2013年，各類土地利用類型中，居民用地、水田和交通用地增加較明顯，其中水田增加幅度最大，增加了2017%，面積增加51 928 hm2，居民及工礦用地增加了655%，水田與居民及工礦用地的增加主要是由于人口的膨脹導致糧食需求量大增，使人們加大了對濕地以及未利用土地的開發利用度，此外，也與我國以經濟建設為中心的背景環境緊密相關。交通用地增加了15.79%，增加面積為 3 516 hm2，交通用地面積增加印證了吉林西部經濟活動的加強。面積減少最明顯的土地類型是沼澤地、鹽堿地和有林地，三者面積分別減少142 021、27 901、7 716 hm2，減幅分別為41.87%、15.51%、3.29%，沼澤地和有林地面積的減少是吉林西部地區環境惡化最直觀的表現。占研究區總面積5772%的旱田面積變化幅度較小，基本上處于動態平衡中。

3.2 2026年與2039年土地利用分布模擬與預測

3.2.1 模型精度檢驗 對于CA-Markov模型檢驗常采用逐點對比或隨機驗證的方法，隨機驗證是在研究區內提取一定數量的樣本，然后對比原始數據進行精度評價，誤差較大，適用于大范圍模擬。如果研究區域面積不大，適合采取逐點比較的方法，kappa指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，從空間位置和數量角度，定量闡明景觀變化過程綜合信息變化。

利用1987年和2000年數據在CA-Markov模型中模擬預測2013年土地利用類型圖，將2013年土地利用模擬預測圖與實際解譯的2013年土地利用圖像在GIS軟件中進行疊加對比分析，統計得到2013年各類土地利用實際面積、模擬預測面積和正確模擬的面積，計算得到各類型土地kappa指數，通過計算，得到總體kappa指數為76.3%，總體模擬精度較高，滿足研究需要。

3.2.2 土地利用分布預測 由圖1、圖2可知，2013—2039年間，研究區小圖斑進一步聚集和被吞并，大圖斑更快速地擴張和發展，具體表現為水田和居民工礦用地在各區域快速擴張，與此對應的是各區旱田、林地和沼澤地面積的減少，同時，水田大面積發展的地區往往是居民區聚集的地區，這顯示出人口發展對耕地的需求。

用GIS軟件對2013年土地利用圖和2026年土地利用圖進行疊加分析，得到2013—2026年土地利用面積轉移矩陣（表2），結合圖2，根據預測結果可知，2013—2026年吉林西部各土地類型發生了較頻繁的轉入與轉出，土地利用變化大體保持2000—2013年的變化趨勢，表現為水田和居民及工礦用地面積的快速增加，有林地、沙地、沼澤地和鹽堿地面積的減少，草地和灌木林地面積相對穩定。對比2026年和2013年土地格局數據可知，其中，凈增面積比例最大的是水田，單一動態度為4.4%，凈增面積為177 059 hm2，大面積旱田、草地、沼澤和水域轉為水田，轉移面積分別為161 377、14 512、4 970、1 699 hm2；居民及工礦用地凈增面積27 669 hm2，單一動態度1.21%，增幅明顯，水田大面積發展的地區往往是居民區聚集的地區，這顯示出人口發展對耕地的需求；面積減少較明顯的是沼澤、鹽堿地、旱田、沙地，減少面積分別為 38 223、24 802、150 874、1 486 hm2，其中有161 377 hm2旱田轉變為水田，24 394 hm2旱田轉變為居民及工礦用地，是旱田的主要轉出形式；沼澤地減幅高達19.39%，共有38 105 hm2沼澤地轉變為旱田、水田和水域，是沼澤地主要轉出土地類型，以上數據表現出較嚴重的沼澤地退化現象；水田的快速擴張以及居民工礦用地的擴展體現了研究區人口與經濟的發展，這對維護研究區生態平衡至關重要的沼澤地、林地和草地已經構成威脅。吉林省作為農牧業大省，近年來對農牧業收入的追求將導致水田的大面積增長及林地資源的不合理開發與利用，而忽略了由此導致的沼澤地、林地、草地面積的減少，這一整體趨勢將對吉林西部可持續發展構成威脅。

到2039年，水田面積持續增加，將是2000年的3.27倍，達到841 749 hm2，占研究區總面積17.92%，僅次于旱田，除西南地區外，水田在研究區其他地區都有大面積分布，相比2000年和2013年，研究區整體土地利用結構在一定程度上已發生改變；居民用地散布在整個研究區，并在原有基礎上不斷擴張，相當于2000年居民用地面積的1.38倍，沼澤地只剩下120 053 hm2，相當于2000年沼澤地面積的35.39%，吉林西部地區長期以來不合理的土地利用狀態與發展趨勢所造成的后果將在這一時段表現得更加明顯。

就土地利用類型動態度來看，絕對值越大，則該類型土地在研究時段內變化幅度越大，趨近于0則變化越小。由表3可得，在2000—2039年3組土地單一動態度數據對比中，水田的動態度絕對值最大，分別為1.55%、4.40%、5.62%，說明水田變化幅度最大，增加幅度最大，且增加幅度逐年加大；裸地和沙地動態度絕對值較大，裸地單一動態度分別為130%、-1.53%、-1.98%，沙地單一動態度分別為 -1.63%、-1.36%、-1.41%，裸地和沙地動態度變化較大的原因是沙地總面積小而分散，更容易發生變動，沼澤地動態度分別為-3.22%、-1.49%、-1.88%，沼澤地總體減幅仍然較大；居民及工礦用地的單一動態度分別為0.50%、121%、090%，總體呈逐年增大趨勢，表現出居民用地擴張速度加快，人類活動的痕跡不斷加劇。此外，在綜合土地利用動態度對比中，以13年為1個時間段，根據各階段土地利用轉移矩陣統計，2000—2039年綜合土地利用動態度分別為033%、0.26%、0.55%，表明2026—2039年總體參與變化的土地面積最大，2000—2013年次之，2013—2026年參與變化的面積最少，體現出吉林西部地區土地利用總體變化逐漸趨向劇烈。endprint

4 結論與討論

受氣候變化與人類活動影響，土地利用結構發生很大變化，本研究以吉林西部地區為例，分析了2000年和2013年不同時期研究區土地利用類型的格局與變化，并以此為基礎，利用CA-Markov模型模擬預測研究區2026年和2039年土地利用類型狀況。結果表明：（1）吉林西部地區土地利用類型以旱田為主，旱田面積占研究區總面積50%以上，其次為草地和水田，其他各土地利用類型所占份額均較小，體現出研究區以農牧業為主的社會基礎生產方式，這也符合吉林省作為農牧業發展大省的身份。（2）不同土地利用類型之間的轉化較為復雜，但主要集中在草地、水田、旱田和鹽堿地4種類型之間，具體表現為草地—水田、草地—旱田、旱田—水田、水域—鹽堿地、鹽堿地—草地、沼澤地—水域、沼澤地—旱田。這些轉化與人類活動、生態環境變化及環境治理政策關系密切。（3）根據預測，在2013—2039年間，吉林西部地區長期以來堅持的沙地、鹽堿地治理與林地保護原則已顯現成效，沙地變化趨于穩定，鹽堿地面積也有所減少，轉變為草地和旱田，這些變化對于吉林西部地區環境保護具有積極的影響，但是，仍有較大面積水域轉變為鹽堿地，表現出土地資源利用不合理，土地鹽堿化現象依舊普遍；旱田與林地的大面積相互轉換揭示了林地資源呈現邊保護邊破壞的格局，且林地總面積依然較少，林地資源保護與恢復需要受到足夠重視。（4）吉林西部未來人地關系矛盾將更加突出。居民用地與水田面積持續增長，到2039年，水田面積將超越草地，成為僅次于旱田的第二大土地類型，吉林西部基本土地格局將發生改變，這驗證了研究區城鎮的發展與人類活動的加劇，人類活動對水資源及土壤資源的需求將直接或間接導致濕地面積持續減少，表現出濕地退化現象；水資源的過度開發和土地利用的不合理使草地面持續劇減少，較大面積的草地轉變為水田和旱田，草地退化現象十分嚴重，而濕地、草地及林地的退化又直接或間接影響研究區農牧業收入，這將造成整個研究區人地關系的惡性循環與人地矛盾不斷加劇。

總體而言，農牧交錯帶脆弱的生態環境對人類活動的反應十分敏感，吉林西部地區土地利用改善的幅度趕不上惡化的速度，照此趨勢發展，吉林西部地區土地利用狀況將更加嚴峻。一方面，全球氣候變暖使得氣候變化趨向不穩定，增加了農牧業交錯地帶土地自然變化的不穩定性；另一方面，人類活動在研究區逐年加強，不合理的利用將造成包括草地退化、濕地退化和土壤鹽堿化等一系列環境問題。

CA-Markov模型在土地利用類型變化研究中具有較高可信度，然而土地利用類型的模擬與預測要受到自然因素、人為因素、數據精度以及模型本身的影響，這使得土地利用變化研究的精確性容易受到干擾，預測結果會存在一定的誤差和不確定性，如何完善CA-Markov模型、提高預測精度仍然需要進一步研究。

參考文獻：

[1]龔文峰，袁 力，范文義. 基于CA-Markov的哈爾濱市土地利用變化及預測[J]. 農業工程學報，2012，28（14）：216-222.

[2]何 丹，金鳳君，周 璟. 基于Logistic-CA-Markov的土地利用景觀格局變化——以京津冀都市圈為例[J]. 地理科學，2011，31（8）：903-910.

[3]郝仕龍，李春靜. 黃土丘陵溝壑區土地壓力及土地利用模式變化[J]. 農業工程學報，2014，30（8）：210-217.

[4]汪佳莉，吳國平，范慶亞，等. 基于CA-Markov模型的山東省臨沂市土地利用格局變化研究及預測[J]. 水土保持研究，2015，22（1）：212-216.

[5]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——以大連經濟開發區為例[J]. 地理學報，2015，70（3）：461-475.

[6]吳 浩，周 璐，史文中，等. 基于正交試驗設計的土地利用變化元胞自動機模擬過程的尺度敏感性分析[J]. 地理科學，2013，33（10）：1252-1258.

[7]陳 凱，劉 凱，柳 林，等. 基于隨機森林的元胞自動機城市擴展模擬——以佛山市為例[J]. 地理科學進展，2015，34（8）：937-946.

[8]郭 斌，張 莉，文 雯，等. 基于CA-Markov模型的黃土高原南部地區土地利用動態模擬[J]. 干旱區資源與環境，2014，28（12）：14-18.

[9]徐夢辰. 基于定量模型下的山東省土地利用變化研究[J]. 中國農學通報，2015，31（19）：185-190.

[10]岳耀杰，王靜愛. 沙區土地利用變化與優化研究[M]. 北京：科學出版社，2011：40-47.

[11]何 丹，周 璟，高 偉，等. 基于CA-Markov模型的滇池流域土地利用變化動態模擬研究[J]. 北京大學學報（自然科學版），2014，50（6）：1095-1105.

[12]張 麗，楊國范，劉吉平. 1986—2012年撫順市土地利用動態變化及熱點分析[J]. 地理科學，2014，34（2）：185-191.

[13]劉 潔，李 宏，馬勇剛. 基于CA-Markov模型的中亞典型城市土地利用變化預測分析[J]. 水土保持研究，2014，21（3）：51-56.endprint