基于CA-MARKOV模型的江蘇沿海土地利用變化情景分析

許小娟，劉會玉，林振山，劉金雪，李麗鶴

（1.南京師范大學 地理科學學院，南京210023；2.江蘇省環境演變與生態建設重點實驗室，南京210023；3.江蘇省地理信息資源開發與利用協同創新中心，南京210023）

基于CA-MARKOV模型的江蘇沿海土地利用變化情景分析

許小娟1，2，3，劉會玉1，2，3，林振山1，2，3，劉金雪1，2，3，李麗鶴1，2，3

（1.南京師范大學 地理科學學院，南京210023；2.江蘇省環境演變與生態建設重點實驗室，南京210023；3.江蘇省地理信息資源開發與利用協同創新中心，南京210023）

以江蘇沿海為例，基于2000年、2005年、2010年TM影像解譯數據，分析了江蘇沿海土地利用類型的動態變化，結合轉移矩陣和CA-Markov模型，設定了自然發展趨勢、生態環境保護管理和城市規劃與區域發展3種不同的情景進行模擬預測。結果表明：（1）2000—2010年耕地、草地、林地面積有所減少，其他面積有所增加，2005—2010年城鄉居民用地增加1 341.45 km2，耕地減少1 147.65 km2，城鎮化發展速度較快，建設用地占用大量生態用地。（2）自然發展趨勢情景與生態保護情景相比，林地、草地的面積變化不大，僅城鄉居民用地面積多出583.68 km2，說明該情景既保護生態環境也保證城鄉發展；生態保護情景下城鄉居民用地面積10年間僅增長684.78 km2，說明該情景下生態環境雖然得到保護，但也限制了該區域城鎮化發展；城市規劃與區域發展情景下城鄉居民用地比2010年增加3 963.35 km2，而耕地、林地和草地面積大幅度減少，說明過分強調城市的發展，不僅會導致耕地面積大幅減小，威脅糧食安全，也會對當地的生態系統帶來巨大的危害。通過對不同情景的模擬，可為區域土地規劃、生態保護以及可持續發展提供決策依據。

土地利用；情景模擬；CA-Markov模型；江蘇沿海

土地利用變化能夠對區域生態環境產生直接或間接的影響，其動態變化是全球和區域環境變化研究的重要課題[1]。隨著經濟社會的快速發展和全球變化研究的深入開展，土地利用變化顯著，土地利用矛盾日益加劇[2]。分析當前土地利用變化的特點，通過情景分析方法，建立模型模擬預測未來土地動態變化[3]，探討不同情景下土地利用的空間格局變化，有助于揭示人類活動影響下區域環境的變化過程及機理，為區域土地合理開發利用、區域生態保護及可持續發展提供決策依據。

目前，國內外模擬土地利用動態變化的模型有很多[4]，常見的有元胞自動機（CA）[5]、系統動力學（SD）[6]、馬爾可夫（Markov）[7]、CLUE[8]、CLUE-S[9]、SLEUTH[10]、基于智能體的（Agent-based）模型[11]、空間Logistic模型[12]等。元胞自動機—馬爾可夫（CA-Markov）模型耦合了CA模型模擬復雜時空變化能力和Markov模型長期預測的優勢，具有很強的科學性和實用性[13-15]。但這些研究主要依據當前土地利用變化自然規律來動態模擬未來土地利用變化，而沒有考慮生態環境保護和城市規劃與區域發展等土地利用規劃影響下的不同土地利用情景，從而不能全面合理地預測不同情景下的未來土地利用變化。

江蘇沿海作為海陸兩大生態系統的交錯帶，是生態相對敏感和脆弱的過渡區[16]。隨著《江蘇沿海地區發展規劃》正式上升為國家戰略，江蘇沿海的開發正逐步影響江蘇沿海土地利用結構的變化，總體上生態用地減少，城鄉用地增長較快，產生了一系列生態環境問題，使得沿海發展戰略的實施與環境保護之間的矛盾日益加重[17]。本文選取江蘇沿海為研究區，運用轉移矩陣分析2000—2010年江蘇沿海土地利用時空變化，結合CA-Markov模型和MCE法，分3種情景即：自然發展趨勢情景、生態環境保護管理情景和城市規劃與區域發展情景，模擬預測2020年江蘇沿海土地利用變化，以期為研究區土地利用規劃與政策提供依據。

1 研究區概況

江蘇省沿海地區包括連云港、鹽城和南通3市所轄行政區域，地理坐標為東經118°24′—121°55′，北緯31°01′—35°07′。該區域陸域面積3.25萬km2，海岸線長954 km，是長江三角洲的重要組成部分，區位優勢獨特，擁有6 873 km2灘涂資源，土地后備資源豐富，耕地資源23 742.34 km2，為該區主要土地利用類型，約占71.63%，其次是城鄉居民用地（14.73%）和水域（10.46%）。研究區處于北亞熱帶向暖溫帶過渡區域，屬于海洋性氣候，冬冷夏熱，受季風氣候影響顯著，年平均降水量900～1 500 mm，南部降水多，北部降水少，年平均氣溫13～15℃[18]。

2 研究方法

2.1 數據來源與處理

本研究數據來源于地球系統科學數據共享平臺，該平臺提供江蘇沿海1：10萬土地利用變化數據（1980s—2010年），數據的屬性值與其真值基本相符合，定性準確率80%～90%以上（不同土地類型有所差異）。主要范圍為行政區劃，包括江蘇省沿海連云港市、鹽城市、南通市。本論文選取覆蓋連云港、鹽城和南通的2000年、2005年和2010年3期土地利用矢量數據，以《土地利用現狀分類》（GB/T21010—2007）標準為基礎，分為耕地、城鄉居民用地、水域、草地，林地和未利用土地共6個一級地類，以2000年土地利用現狀圖為基準面，分別計算2000年、2005年、2010年土地利用類型面積，在ArcGIS中將各類用地進行統一投影、坐標系和分辨率。投影坐標為Albers，分辨率統一采用100 m。

2.2 CA-Markov模型

馬爾科夫模型是一種隨機模型，主要用于土地利用變化建模，在馬爾科夫過程中，系統的狀態只與當前狀態有關[19-20]，馬爾科夫模型描述一個時期到另一個時期的土地利用變化，并以此為基礎，預測未來土地利用變化趨勢。可用如下公式對土地利用狀態進行預測[21]：

式中：St，St+1為t，t+1時刻土地利用系統的狀態；Pij為狀態轉移矩陣。

元胞自動機具有強大的空間運算能力，它是一種時間、空間、狀態都離散，空間相互作用和時間因果關系都為局部的網格動力學模型，具有模擬復雜系統時空演化過程的能力[22]。CA模型可用下式表示為[23]：

式中：S為元胞有限、離散的狀態集合；N為元胞的鄰域；t，t+1為不同的時刻；f為局部空間的元胞轉換規則。

CA模型與Markov模型的結合，在Markov基礎上加入空間權重因子，既有CA模擬復雜時空變化能力，又具備Markov模型長期預測的優勢，確保土地利用轉變為已存的土地利用類型，而不是完全隨機分布。

因此，本文利用IDRISI 17.0軟件，將CA模型內嵌到程序中，結合Markov模型形成CA-Markov模型，在IDRISI軟件的MCE模塊中確定每個柵格單元土地利用類型概率，從而得到土地利用類型空間分布概率適宜性圖集；通過Markov模塊，得到江蘇沿海2000年和2010年的土地利用面積轉移矩陣和概率轉移矩陣；根據不同情景設定要求，得到不同情景下的轉移矩陣，將2010年的土地利用柵格圖以及不同情景的轉移矩陣和適宜性圖集輸入CA-Markov模塊，得到不同情景下2020年江蘇沿海的土地利用變化。

2.3 不同土地利用模擬情景設定

情景分析方法是假設當前某種現象能夠持續到未來，對未來可能出現的情況及后果做出預測的方法。情景分析方法是用于解決資源、生態環境和區域發展的一種輔助決策方法，多用于生態環境保護和區域發展規劃[24-25]。結合CA-Markov模型和 MCE法，設定自然發展趨勢情景、生態環境保護管理情景和城市規劃與區域發展情景3種不同的情景，分析不同情景下2020年土地利用變化，可為江蘇沿海土地利用規劃提供多種參考。

情景1為自然發展趨勢情景：土地利用變化依據自身發展過程進行演化，即Markov鏈按自然演化過程下的土地利用空間變化規律，把2005—2010年的轉移矩陣和適宜性圖集導入模型后，得到2020年情景1土地利用變化；

情景2為生態環境保護情景：依據《江蘇省土地利用總體規劃》、《連云港市土地利用總體規劃》、《鹽城市土地利用總體規劃》、《南通市土地利用總體規劃》中保護和合理利用農用地，嚴格保護耕地，加強基本農田保護和建設等規定，限制城鄉居民用地侵占成片的耕地、草地和林地，合理保護生態用地，將水域、林地和草地等地類設成不可轉變區域，同時減少其他地類對耕地的占用，在轉移矩陣的設置上，減少耕地轉成其他用地的可能性，保護農業用地；

情景3為城市規劃與區域發展情景：依據《江蘇沿海地區發展規劃》中加快連云港、鹽城、南通3個中心城市建設，形成功能清晰的沿海產業和城鎮帶等規定，突出城市規劃和區域發展對城市擴張的影響作用，擴大城鄉居民用地空間布局，將部分耕地、林地、草地設置為可轉換地類，加大轉出比例，并增加其他用地轉出為城市居民用地的可能性。

3 結果與分析

3.1 區域土地利用特征分析

3.1.1 土地利用面積變化分析 利用2000年、2005年和2010年土地利用數據，ArcGIS 10.0統計分析，得出江蘇沿海3個時期的土地利用類型面積（表1）。

表1 江蘇沿海各時期不同土地利用類型面積

由表1可見，2000—2010年江蘇沿海土地利用總體結構以耕地為主，面積比例均超過70%，其次是居民用地和水域。草地、林地和未利用土地面積所占份額較小，表明江蘇沿海以農業用地為主，符合區域經濟和社會發展特點。近10年來，耕地、林地和草地等用地明顯減少，變化最明顯的是耕地，面積減少1 121.49 km2，草地面積由2000年的1 051.40 km2減少到2010年的604.15 km2。城鄉居民用地顯著增加，增長幅度達3.1%，說明該區域人口壓力增大，在經濟利益驅動下，致使人們加大對耕地、草地等農業用地的開發利用力度，導致該區域糧食減少，生態環境破壞。2005—2010年水域增長速度較快，增長384.67 km2，主要歸因于自然因素；未利用土地在2005—2010年迅速增長，由0.656 km2增加到126.709 km2，大部分是由草地和耕地轉換而來，人類過度開發利用土地，使得部分農業用地不斷退化，逐漸變成未利用土地，破壞了區域生態環境。

3.1.2 土地利用結構轉換分析 通過土地利用轉移面積矩陣可以充分了解某種土地利用類型的轉移方向、補充來源以及整個江蘇沿海土地利用時空演變的過程[24]，在 ArcGIS中得到2000—2005年、2005—2010年的土地利用面積轉移矩陣，如表2—3所示。

表2 2000-2005年江蘇沿海土地利用面積轉移矩陣 km2

表3 2005-2010年江蘇沿海土地利用面積轉移矩陣 km2

由江蘇沿海土地利用轉移面積矩陣可知，城鄉居民用地、水域和未利用土地等地類面積增加，主要為其他地類轉入，耕地、林地和草地等地類面積減少，主要轉出為城鄉居民用地、水域。城鄉居民用地面積凈轉入1 388.38 km2，主要來自耕地、草地和水域；水域凈轉入791.39 km2，主要來源于城鄉居民用地、草地和耕地；耕地面積凈轉出1 279.11 km2，主要轉出為城鄉居民用地和水域，2005—2010年共966.94 km2耕地轉出為城鄉居民用地；2005—2010年草地中共有53.57 km2轉出為城鄉居民用地，44.35 km2轉出為未利用土地，2005—2010年林地共有70.62 km2轉為耕地。

3.2 CA-Markov模型模擬結果與分析

Kappa系數的判定標準為：如果兩個土地利用/覆蓋變化（Land Use/Land Cover Change，LUCC）圖像完全一樣，則Kappa=1；當Kappa≥0.75時，表明一致性較高，誤差較小；當Kappa≤0.4時，一致性較差，LUCC模擬誤差較大[26]。通過Crosstab模塊對解譯結果圖和模擬結果圖進行統計，獲得Kappa系數，定量反映模型模擬的準確性。本文對江蘇沿海2010年實際解譯結果圖和模擬結果圖進行統計，得到Kappa系數為0.941 3，反映模擬結果可信度較高，表明CA-Markov模型可以用來模擬預測江蘇沿海土地利用。

以2010年江蘇沿海土地利用為初始值，按當前土地利用發展趨勢，制定適宜性圖集，預測2020年江蘇沿海土地利用，即為情景1。在情景1基礎上，通過對土地利用狀態轉移概率矩陣修正以及MCE適宜性圖集的制作實現不同土地利用情景的設定，得出情景2和情景3的模擬結果（表4）。

表4 江蘇沿海2010年和不同情景下2020年土地利用面積變化 km2

從表4可見，情景1、情景2和情景3的江蘇沿海土地利用類型面積總體變化趨勢相似，即城鄉居民用地面積增加，草地、耕地和林地面積減少。

情景1與情景2相比較，生態用地變化很小，耕地面積的變化幅度也不大，僅城鄉居民用地面積增加469.28 km2，說明情景1對生態環境和耕地的影響較小，同時能夠保證江蘇沿海城鎮化的發展。情景2以保護生態為前提，與情景1相比，城鄉居民用地面積減少，耕地、林地和草地等生態用地面積增加445.82 km2，耕地、林地和草地等生態用地得以保護，但該情景限制了城鎮化的發展，符合情景假設。情景3城鄉居民用地面積相比2010年增長近1倍，耕地面積減少3 061.32 km2，林地減少近2/3，草地只剩433.22 km2，水域減少到2 918.98 km2，城鎮化發展速度太快，對當地生態環境造成相當大的危害，如果按照情景3發展下去，未來江蘇沿海生態用地面積會以較快的速度減少甚至消失。

為了分析江蘇沿海土地利用變化的結構特征和各種土地類型轉移的方向，給出3種不同情景下的土地利用概率轉移矩陣（表5—7）。

表5 2010-2020年情景1江蘇沿海土地利用概率轉移矩陣

表6 2010-2020年情景2江蘇沿海土地利用概率轉移矩陣

表7 2010-2020情景3江蘇沿海土地利用概率轉移矩陣

從表4—7可見，3種情景城鄉居民用地面積增加，為其他土地利用類型轉入，耕地、草地和林地面積減少，主要轉出為城鄉居民用地，但轉入與轉出的程度有所差別。城鄉居民用地面積，情景1增加1 152.06 km2，情景2增加684.78 km2，情景3增加3 966.05 km2，情景2增長最少，城鎮化發展速度較緩，情景3增長最快，該情景下共有26.27%的耕地轉出為城鄉居民用地，耕地資源損失嚴重；3種情景中耕地主要轉出為城鄉居民用地，情景1減少583.68 km2，情景2減少209.02 km2，情景3減少3 061.32 km2，情景2耕地得以保護，情景3中耕地面積的急劇減少，在不提高農作物產量前提下，威脅當地糧食安全。林地主要轉出為耕地和居民用地，情景1中有50.10%和26.74%的林地分別轉出為耕地和城鄉居民用地，情景2和情景3分別有51.65%和71.64%的林地轉出為其他用地，3種情景中均有超50%的林地轉出，林地是森林資源的重要組成部分，是植樹造林、國土綠化的前提條件，也是維護生態安全、滿足人民群眾對生態環境需求的前提，江蘇沿海未來規劃應注重林地保護。情景1草地面積減少134.33 km2，其中22.19%轉出為城鄉居民用地，情景2，15.25%的草地面積轉出為城鄉居民用地，轉出最少，情景3草地面積減少近1/3，其中24.52%轉出為城鄉居民用地。草地和林地轉出過多，威脅當地的生態環境。

4 討論與結論

（1）通過轉移矩陣模型，分析2000—2010年江蘇沿海土地利用類型變化特征和趨勢，結果表明：2000—2010年江蘇沿海耕地、草地和林地面積有所減少，城鄉居民用地、水域和未利用土地面積有所增加，2005—2010年土地利用變化速度明顯高于2000—2005年，2005—2010年城鎮化發展速度較快，急需大量土地，城鄉用地占用大量生態用地，該階段城鄉用地增加1 341.45 km2，耕地減少1 147.65 km2，生態用地的急劇減少，對當地生態環境造成相當大的危害。

（2）謝薇等[27]認為江蘇沿海建設用地需求大，灘涂圍墾管理難，對生態環境造成危害，需要實施科學的土地利用策略。本文結合CA-Markov模型和MCE法，設定自然發展趨勢情景、生態環境保護管理情景和城市規劃與區域發展情景3種不同的情景，分析不同情景下2020年土地利用變化，為江蘇沿海土地利用規劃提供多方面參考。研究表明：3種情景下土地利用類型面積變化趨勢相似，城鄉居民用地面積增加，草地、耕地和林地面積減少。從3種情景對比中可以看出，3種情景中，情景2相比情景1、情景3可以起到保護耕地、林地和草地等生態用地的作用，但是城鄉居民用地面積10年間僅增加684.78 km2，增速過于緩慢，限制了城鎮化的發展，情景3相比其他兩種情景，各類土地利用類型面積變化最顯著，城鎮化增速最快，說明過分強調城市的發展，不僅會導致耕地面積大幅減小，威脅糧食安全，同時，也會破壞原本土地利用結構，威脅當地生態安全。情景1的耕地、林地、草地和城鄉居民用地面積介于情景2和情景3之間，在保證城鎮化發展的前提下兼顧生態保護，江蘇沿海未來規劃既要兼顧城鎮化建設的發展，又要合理保護生態。

（3）土地利用變化模擬具有不確定性，往往受經濟、社會和人類活動等很難量化的因素影響，不同情景僅能代表相應土地利用變化的可能性，不是最終確定的變化結果。模型中雖然可以從各類土地利用類型的約束條件來確定元胞轉換規則，但是沒有考慮綜合土地利用的社會和經濟因素，并且受到數據來源精確度影響，在一定程度上限制了模型模擬結果的精確性[28]。因此，未來的研究需要進一步提高模型的精度、可靠性和實用性，以期能夠引導江蘇沿海土地利用與生態保護可持續發展。

[1]邢容容，馬安青，張小偉，等.基于Logistic-CA-Markov模型的青島市土地利用變化動態模擬[J].水土保持研究，2014，21（6）：111-114.

[2]Garrett R D，Lambin E F，Naylor R L.The new economic geography of land use change：Supply chain configurations and land use in the Brazilian Amazon[J].Land Use Policy，2013，34（12）：265-275.

[3]張華兵，劉紅玉，郝敬鋒，等.自然和人工管理驅動下鹽城海濱濕地景觀格局演變特征與空間差異[J].生態學報，2012，32（1）：101-110.

[4]胡遠滿，李月輝，蘇海龍，等.基于CLUE-S模型和Markov模型的城鎮土地利用變化模擬預測：以江蘇省常熟市辛莊鎮為例[J].資源科學，2011，33（12）：2262-2270.

[5]韓玲玲，何政偉，唐菊興，等.基于CA的城市增長與土地增值動態模擬方法探討[J].地理與地理信息科學，2003，19（2）：32-35.

[6]謝正磊，許學工，孫強.基于Patch-Dynamics模式的土地覆被變化預測：以北京市為例[J].北京大學學報：自然科學版，2008，44（3）：452-458.

[7]朱萌，馬孝義，劉雪嬌.基于馬爾科夫模型的武功縣土地利用/覆被動態變化研究[J].水土保持研究，2013，20（5）：64-68.

[8]Wehner S，Herrmann S，Berkhoff K.CLUENaban：A land use change model combining social factors with physical landscape factors for a mountainous area in Southwest China[J].Ecological Indicators，2014，36（1）：757-765.

[9]戴聲佩，張勃.基于CLUE-S模型的黑河中游土地利用情景模擬研究：以張掖市甘州區為例[J].自然資源學報，2013，28（2）：336-348.

[10]李明杰，錢樂祥，吳志峰，等.廣州市海珠區高密度城區擴展SLEUTH 模型模擬[J].地理學報，2010，65（10）：1163-1172.

[11]余強毅，吳文斌，唐華俊，等.復雜系統理論與Agent模型在土地變化科學中的研究進展[J].地理學報，2011，66（11）：1518-1530.

[12]梁辰，王諾.基于Logistic回歸的沿海經濟區建設用地演變驅動因素研究：以大連市新市區為例[J].地理科學，2014，34（5）：556-562.

[13]Yang X，Zheng X Q，Chen R.A land use change model：Integrating landscape pattern indexes and Markov-CA[J].Ecological Modelling，2014，283（7）：1-7.

[14]Maithani S.Cellularauto mata based model of urban spatial growth[J].Journal of the Indian Society of Remote Sensing，2010，38（4）：604-610.

[15]Nourqolipour R，Shariff A R B M，Balasundram S K，et al.A GIS-based model to analyze the spatial and temporal development of oil palm land use in Kuala Langat district，Malaysia[J].Environmental Earth Sciences，2014，73（4）：1687-1700.

[16]王千，金曉斌，周寅康.江蘇沿海地區耕地景觀生態安全格局變化與驅動機制[J].生態學報，2011，31（20）：5903-5909.

[17]曲福田，吳郁玲.土地市場發育與土地利用集約度的理論與實證研究[J].自然資源學報，2007，22（3）：445-454.

[18]葉正偉.江蘇沿海開發地區近50年來降水演變特征與趨勢[J].水土保持研究，2015，22（1）：176-180.

[19]Huang Y，Nian P，Zhang W.The prediction of interregional land use differences in Beijing：a Markov model[J].Environmental Earth Sciences，2015，73（8）：4077-4090.

[20]Wu C D，Cheng C C，Lo H C，et al.Application of SEBAL and Markov models for future stream flow simulation through remote sensing[J].Water Resources Management，2010，24（14）：3773-3797.

[21]Ma C，Zhang G Y，Zhang X C，et al.Application of Markov model in wetland change dynamics in Tianjin Coastal Area，China[J].Procedia Environmental Sciences，2012，13（3）：252-262.

[22]韓玲玲，何政偉，唐菊興，等.基于CA的城市增長與土地增值動態模擬方法探討[J].地理與地理信息科學，2003，19（2）：32-35.

[23]王東輝，張利權，管玉娟.基于CA模型的上海九段沙互花米草和蘆葦種群擴散動態[J].應用生態學報，2007，18（12）：2807-2813.

[24]Bormann H，Breuer L，Gr?ff T，et al.Analysing the effects of soil properties changes associated with land use changes on the simulated water balance：A comparison of three hydrological catchment models for scenario analysis[J].Ecological Modelling，2007，209（1）：29-40.

[25]劉波，肖子牛.瀾滄江流域1951—2008年氣候變化和2010—2099年不同情景下模式預估結果分析[J].氣候變化研究進展，2010，6（3）：170-174.

[26]凌成星，鞠洪波，張懷清，等.基于CA-MARKOV模型的北京濕地資源變化預測研究[J].中國農學通報，2012，28（20）：262-269.

[27]謝薇，史峻.江蘇沿海開發戰略實施中的土地利用問題及對策[J].江蘇農業科學，2012，40（10）：350-353.

[28]張杰，周寅康，李仁強，等.土地利用/覆蓋變化空間直觀模擬精度檢驗與不確定性分析：以北京都市區為例[J].中國科學：D輯，2009（11）：1560-1569.

Scenario Analysis of Land Use Change in Jiangsu Coast Based on CA-Markov Model

XU Xiaojuan1，2，3，LIU Huiyu1，2，3，LIN Zhenshan1，2，3，LIU Jinxue1，2，3，LI Lihe1，2，3
（1.College of Geography Science，Nanjing Normal University，Nanjing210023，China；2.Jiangsu Key Laboratory of Environmental Change and Ecological Construction，Nanjing210023，China；3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing210023，China）

Taking Jiangsu coast as study area，the dynamics change degree of land use type was analyzed based on the interpretation data from TM image in 2000，2005 and 2010.Combining transition matrix and CA-Markov model，three scenarios were proposed，which were natural trend scenario，ecological environmental management scenario and urban planning and regional development scenario.The results showed that：（1）from 2000 to 2010，the areas of farmland，grassland and forestland decreased，while areas of construction land，water body and unused land continued to expand；because of the rapid development of urbanization from 2005 to 2010，a large area of land was needed；during this period，the construction land expanded by 1 314.45 km2while the farmland reduced by 1 147.65 km2；（2）compared with ecological environmental management scenario，the area of the ecological land changed a little under natural trend scenario though the construction land increased by 583.68 km2，indicating that the natural trend scenario could not only protect ecological environment but also ensure urban and rural development；under ecological environmental management scenario，however，the construction land only expanded by 684.78 km2in a decade，which was the slowest，indicating that under this scenario the ecological environment could be protected at the cost of the urban and rural development；under the urban planning and regional development scenario，the area of construction land expanded by 3 963.35 km2compared with that of 2010；meanwhile，the farmland，forestland and grassland decreased sharply.In conclusion，with too much attention on urban develop-ment，farmland will face the substantial reduction，which will threaten the stability of the grain market，and the local ecosystem will be faced with a huge loss.The simulation results can provide reference for the regional land planning，ecological protection and sustainable development.

land use；CA-Markov Model；scenario simulation；Jiangsu coast

F301.2

A

1005-3409（2017）01-0213-06

2016-01-18

2016-01-29

國家自然科學基金（31470519）；江蘇省自然科學基金（BK20131399）；江蘇省高校優勢學科建設工程資助項目

許小娟（1990—），女，江蘇東海人，碩士生，研究方向為全球變化生態學。E-mail：kattyxiaoj＠163.com

劉會玉（1978—），女，湖南辰溪人，教授，主要從事全球變化生態學研究。E-mail：liuhuiyu＠njnu.edu.cn