基于Markov- FLUS 模型的翁源縣土地利用變化模擬

周偉

（重慶交通大學建筑與城市規(guī)劃學院，重慶 400074）

1 概述

土地作為人類進行一切活動的基礎，是一種有限的的自然資源，近二十年來，我國土地利用格局發(fā)生了巨大變化，對未來土地利用情景進行預測成為土地利用和環(huán)境變化課題研究的熱點之一，土地利用模擬在優(yōu)化土地利用研究中起著重要的作用，土地利用模擬可揭示區(qū)域經(jīng)濟的發(fā)展趨勢對未來土地利用的影響以及區(qū)域環(huán)境變化規(guī)律[1]。

目前，學者們對土地利用預測模型和方法已有很多的研究，如元胞自動機（Callular Automata,CA）模型，CLUE-S 模型，系統(tǒng)動力學（System Dynamics,SD）模型等，然而單一的模型無法滿足現(xiàn)實中土地利用的復雜變化，而耦合模型能彌補這一缺陷，更適合運用到土地利用情景模擬研究中[2]，其中，Markov-FLUS 耦合模型結合了馬爾科夫模型具有在數(shù)量上長期預測的特點和FLUS 模型在空間上具有較高的土地利用格局預測的能力，適用于多情景、多尺度的復雜土地利用模擬。

2 研究區(qū)概況與數(shù)據(jù)預處理

2.1 研究區(qū)概況

翁源縣（113°39'2"～114°18'5"E，24°07'30"～24°37'15"N）位于廣東省韶關市東南部（圖1），屬半山區(qū)丘陵地帶，地勢自東北向西南傾斜，年平均氣溫20.06℃，年平均有效積溫3248.5℃，無霜期324.4 天，年平均降雨量1751.8 毫米。

圖1 翁源縣位置示意圖

2.2 數(shù)據(jù)來源與處理

本文數(shù)據(jù)采用地理空間數(shù)據(jù)云平臺（http://www.gscloud.cn/）上的Landsat7TM/ETM、Landsat8OLI（2008 年、2013 年、2018 年）的三期影像數(shù)據(jù)、DEM和社會經(jīng)濟統(tǒng)計數(shù)據(jù)。數(shù)據(jù)經(jīng)過ENVI、ArcMap10.2 等軟件工具進行預處理、監(jiān)督分類等處理，獲得3期土地利用分類結果圖（圖2），將研究區(qū)的土地利用類型分為建設用地、耕地、園地、林地、水域、未利用地等用途。

圖2 不同時期翁源縣土地利用分類圖

2.3 研究方法

2.3.1 土地利用動態(tài)度分析

在土地利用變化過程中，土地利用動態(tài)度可展示出區(qū)域內某種土地利用類型在一定時間范圍內的數(shù)量變化情況[3]，其關系表達式為:

式中，Kk表示k 類類別的土地利用動態(tài)度，Ua、Ub分別表示為k 類別地類初、末時期的面積，T 表示研究初、末時期間隔時間。

2.3.2 構建Markov-FLUS 模型

2.3.2.1 馬爾科夫（Markov）通過研究某一事件的變化規(guī)律來預測其發(fā)生概率，被廣泛在土地利用變化數(shù)量的預測研究中。Markov 過程中的狀態(tài)轉移概率表示土地利用類型之間相互轉化的面積數(shù)量或比例[4]。其模型計算原理公式如下：

式中，S(t)，S(t-1)分別表示土地利用系統(tǒng)在t、t-1 時刻的狀態(tài)，Pij表示土地利用轉移概率矩陣。

2.3.2.2 FLUS 模型引入了人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN）模型，結合輪盤賭選擇機制，解決地類間轉換競爭的不確定性問題，在模型運行過程中，土地利用類型元胞單元作為輸入神經(jīng)元的一個變量，通過輸出層獲取與表達各類土地利用類型的轉換概率[5]，其各層間的關系以及各類用地的轉化概率計算公式為：

式中：Xk,t表示初始神經(jīng)元的值，n 表示神經(jīng)元數(shù)量，Nj(p,q)表示j 神經(jīng)元接收的信號，wi,j表示神經(jīng)元在輸入層和隱藏層之間的權重值。

式中：sp(p,k,t)為柵格單元p 在第t 次迭代時從現(xiàn)類別到第k 類類別土地利用的轉換概率，且各類用地在柵格p 上的轉換概率之和為1，wj,k 為隱藏層和輸出層之間的權重參數(shù)。

2.3.2.3 Markov-FLUS 模型運用馬爾科夫模型可以預測未來土地利用數(shù)量的特點，耦合使用FLUS 模型分布概率計算的能力，將土地利用數(shù)量與空間分布上的結合，最終實現(xiàn)未來土地利用的模擬。

2.3.3 選取土地利用變化驅動因子

土地利用變化是在自然、社會和經(jīng)濟等因素影響下經(jīng)過長期作用而形成的結果，結合國內外相關研究引起土地利用變化的驅動力因子以及翁源縣的區(qū)域實際情況[6]，本文選取了9 項驅動因子，即：高程、坡度、坡向、到高速出入口的距離，到一般公路的距離、到河流與水庫的距離、到鎮(zhèn)中心的距離、人口密度、GDP 等，其驅動因子圖集如圖3 所示。

圖3

其中，高程、坡度和坡向屬于自然因子，地形條件影響著土壤類型、水資源的分布以及氣候的變化，對土地利用類型的變化有著決定性的作用。到高速公路出入口、一般公路、河流、鎮(zhèn)中心的距離屬于社會因子，社會區(qū)位因子對土地利用類型有著很大的影響，河流的分布影響著區(qū)域降雨，以及居民日常的用水。到城鎮(zhèn)、道路的距離影響著建設用地、生產(chǎn)用地的建設分布，結合翁源縣自身的區(qū)域條件，選取了到河流、高速公路、一般道路、城鎮(zhèn)等的距離作為驅動因子。人口密度、GDP 屬于經(jīng)濟因子，人口數(shù)量分布與經(jīng)濟發(fā)展狀況對土地利用的變化有著重要的驅動作用。

3 結果與分析

3.1 土地利用變化動態(tài)度分析

從2008 年-2018 年間各年份的土地利用面積統(tǒng)計和面積變化動態(tài)度（表1）可以看出，翁源縣主要以林地和耕地為主，林地、耕地在2008 年的面積分別為160016ha、34578.25ha，分別占總面積的73.57%、15.9%。耕地、草地、其他用地的面積在近十年時間持續(xù)減少，而林地、建設用地、水域、園地的面積有增加的趨勢，土地利用變化動態(tài)度變化最大的是林地，為4.48%，其次是耕地，為-3.87%。

表1 2008 年、2013 年、2018 年土地利用面積與動態(tài)度表

3.2 土地利用轉移矩陣分析

從2008 年-2013 年和2013 年-2018 年的土地利用變化轉移情況（表2、3）可以看出，在2008 年-2013 年間，耕地主要向林地轉移，轉變的面積為7561.25ha，轉變率為21.87%，其次是向園地轉變，轉變面積分別為248.25ha，轉變率為0.72%。在2008 年到2013 年間，耕地主要還是向林地轉移，轉變面積為6053.25ha，轉變率為20.11%，相比前5 年有所減小，耕地轉變?yōu)榻ㄔO用地的面積為366ha。

表2 2008 年-2013 年土地利用面積轉移矩陣表

在2008 年-2013 年間，草地主要向林地、耕地轉變，轉變面積分別為1758.5ha 和397.75ha，轉變率分別為42.6%、9.63%。2013 年到2018 年，其轉變?yōu)榱值亍⒏氐拿娣e分別為1723.75ha、379ha，轉變率分別為63.91%、14.05%，但其轉變率呈現(xiàn)增長趨勢，草地總面積減少速度加快。林地在2008 年-2013 年間轉變的面積分別為3539.5ha，轉變率為2.21%，在2013 年-2018 年間轉變的面積為2464.5ha，轉變率為1.5%。林地轉變?yōu)槠渌愋偷耐恋氐谋壤鄬^小，一方面是林地的面積基數(shù)較大，一方面的是林地自身的土地利用性質使得其不易轉變?yōu)槠渌愋偷耐恋亍Ｋ蛟?008 年-2013 年間，其面積主要向林地和耕地轉變，轉變面積為79.75ha、98.75ha，轉變率分別為1.54%、1.96%。在2013 年-2018 年水域向林地和耕地的轉變面積分別為100.5ha、143.5ha，轉變率分別為1.91%、2.73%。由此可見，水域總面積在研究期間變化較小。園地在2008 年-2013 年間主要轉變?yōu)榱值兀D變面積為83.5ha，轉變率為1.76%。在2013 年-2018年轉變?yōu)榱值睾透氐拿娣e增加，轉變的面積分別為348.25ha、191.25ha，其轉變率分別為6.74%、3.7%。在2008 年-2013 年間，耕地、林地、水域、草地、園地分別向建設用地轉變的面積為238.25ha、117ha、34.5ha、8ha、29.5ha，相當于2008 年建設用地的2.8%、1.38%、0.41%、0.01%、0.35%，其他用地轉變?yōu)榻ㄔO用地的面積很小。其他用地在翁源縣所占的面積較小，但其在2008-2013年間轉變?yōu)榱值氐谋壤^大，其面積為70.25ha，轉變率為14.47%，2013 年到2018 年間主要轉變?yōu)榱值睾透兀D變的面積分別為86.5ha、89ha，轉化率分別為20.94%、21.55%。綜上分析得知，林地與耕地之間相互轉化的面積較多，其他地類以林地和耕地為主要轉移對象。

3.3 模擬結果分析

運用Markov-FLUS 耦合模型對翁源縣2018 年的土地利用情景進行模擬預測（圖4 左），并與2018 年的實際的土地利用圖進行對比分析，Kappa 系數(shù)為0.8464，大于0.8，總體精度為90.01%，大于85%，表明該模型的模擬度較高。基于Markov 模型計算出的2028 年各土地利用類型預測面積，以及2008 年的土地利用數(shù)據(jù)和各驅動因子形成綜合概率數(shù)據(jù)，對2028 年的土地利用情景進行模擬分析，自然發(fā)展狀態(tài)（圖4 中）是依據(jù)以往的發(fā)展規(guī)律，各地類隨著時間的變化而相互轉變的結果。耕地保護發(fā)展狀態(tài)（圖4 右）是基于人均耕地數(shù)量少的基本國情，依據(jù)以往的發(fā)展規(guī)律，并在人為的干預下，嚴格保護區(qū)域的基本農(nóng)田，將翁源縣的基本農(nóng)田保護區(qū)作為限制區(qū)域而模擬所得到的結果。

圖4

4 結論與展望

4.1 本文是以翁源縣2008 年、2013 年、2018 年三期遙感數(shù)據(jù)為基礎進行監(jiān)督分類和目視解譯，從3 期數(shù)據(jù)的動態(tài)度和土地利用面積轉移情況可以看出2008 年-2018 年間，耕地、水域、其他用地和草地的面積在逐漸的減少，建設用地、林地、園地、水域的面積在逐漸的增加，其中林地和耕地的面積變化最大，林地增加了161263ha，耕地減少了8417ha。林地與耕地之間相互轉化的面積較多，其他地類主要以耕地和林地為轉移目標，城鎮(zhèn)建設用地在2008 年-2018 年間的動態(tài)度為0.32，變化較小，但還是逐漸的向城鎮(zhèn)四周進行擴張。

表3 2013 年-2018 年土地利用面積轉移矩陣表

4.2 本文運用Markov-FLUS 耦合模型基于自然發(fā)展與耕地保護情況對2028 年的土地利用數(shù)量與分布進行模擬，并選取自然因子、社會因子和經(jīng)濟因子作為驅動因子，模擬的總體精度達到90.01%，Kappa 系數(shù)為0.8464，模擬效果較好。自然發(fā)展情景中，耕地數(shù)量持續(xù)的減少，而在耕地保護情景中，有效的保護了基本農(nóng)田不被侵占，使得耕地數(shù)量得以穩(wěn)定。

土地利用的變化情況可以在一定程度上反映區(qū)域內的發(fā)展情況，通過預測未來土地利用情景可以反映出土地利用變化存在的問題，如建設用地的持續(xù)擴張，表明城鎮(zhèn)建設發(fā)展在不斷的進行，但耕地面積的大量減少，可能會導致糧食短缺，威脅區(qū)域的糧食安全。在對未來土地利用情景進行模擬時，為達到更好的模擬精度，需更充分的考慮驅動因子，設置更為精確的模型參數(shù)。