基于CA-Markov模型的楚雄市土地利用動態監測及預測研究

裴子譽 白家雪 陸文榆 許永濤

摘要 運用RS、GIS等技術手段對楚雄市2002、2010、2018年3期的遙感影像進行分類，將土地利用類型劃分為建設用地、耕地、林地、水體和未利用地，并根據土地利用現狀圖對楚雄市的用地結構變化進行分析;在此基礎上運用IDRISI軟件構建基于人工神經網絡的CA-Markov模型，以2002、2010年土地利用狀況為基礎數據模擬2018年的土地利用情況，在精度檢驗符合要求后最終模擬2026年的土地利用情況。結果表明，楚雄市2002—2018年土地利用變化中耕地和建設用地是主導地類，但在不同研究時段變化具有差異性。林地轉移到耕地和建設用地是楚雄市主要土地利用轉移類型。2010年后政府出臺政策支持鄉鎮耕地發展，個別鄉鎮在此期間耕地與建設用地得到了大力發展。CA-Markov模型對楚雄市2018年的土地利用情況模擬預測精度驗證的Kappa系數為0.71。根據預測結果2026年楚雄市土地利用變化中耕地和建設用地仍是主導地類。

關鍵詞 土地利用;動態監測;預測;CA-Markov模型;楚雄市

中圖分類號 S 127文獻標識碼 A

文章編號 0517-6611（2022）02-0072-06

doi：10.3969/j.issn.0517-6611.2022.02.019

開放科學（資源服務）標識碼（OSID）：

Research on Dynamic Monitoring and Prediction of Land Use in Chuxiong City Based on CA-Markov Model

PEI Zi-yu，BAI Jia-xue，LU Wen-yu et al （School of Resources，Environment and Chemistry，Chuxiong Normal University，Chuxiong，Yunnan 675000）

Abstract RS and GIS were used to classify the remote sensing images of Chuxiong City in 2002，2010 and 2018，and classify the land use types into construction land，arable land，forest land，water bodies and unused land，and the change of land use structure in Chuxiong City was also analysed based on the current land use map.On this basis，the CA-Markov model based on artificial neural network was constructed using IDRISI software to simulate the land use situation in 2018 with the land use status in 2002 and 2010 as the base data，and finally simulate the land use situation in 2026 after the accuracy check met the requirements.The results showed that the arable land and construction land were the dominant land use categories in the land use change in Chuxiong City during 2002-2018，but the change had variability in different study periods.Transfer of forest land to arable land and construction land was the main type of land use transfer in Chuxiong City.The government introduced policies to support the development of arable land in townships after 2010，and individual townships had experienced strong development of arable land and construction land during this period.The Kappa coefficient for the accuracy verification of the CA-Markov model's land use simulation prediction for Chuxiong City in 2018 was 0.71.According to the prediction results in 2026，arable land and construction land will still be the dominant land use types in Chuxiong City.

Key words Land use;Dynamic monitoring;Prediction;CA-Markov model;Chuxiong City

基金項目 云南省高等學校大學生創新創業訓練計劃（S201911391027）。

作者簡介 裴子譽（1999—），男，山西太原人，從事“3S”技術綜合應用研究。*通信作者，講師，碩士，從事“3S”技術綜合應用研究。

收稿日期 2021-05-02

土地利用變化是人類生產生活發展對土地資源利用最直接的反映，是全球環境變化和可持續發展研究的主要內容[1]。加速的土地利用變化將會產生更加復雜的土地利用格局，并且將會直接或間接地引發生態環境變化，如土壤質量、氣候條件、水文狀況等[2]。因此，科學合理地分析土地利用演變特征，探究未來土地利用的變化趨勢，將會為區域土地資源的合理開發及利用、生態環境的改善與保護、經濟的可持續發展提供科學的參考依據。

目前，國內外的土地利用變化預測模型主要有側重時間維度分析的系統動力學模型、Markov模型[3]、Logistic模型、神經網絡模型等和側重空間維度分析的CA模型[4]、CUE模型、CLUE-S模型等[5]。CA-Markov模型由于結合了Markov模型的時間維度分析優勢和CA的空間維度分析能力，得到了廣泛的應用。同時，過去CA-Markov模型的研究尺度主要側重于中尺度的流域和城市，研究內容著重體現在模型指標的選取對預測精度的影響和未來土地利用趨勢對區域生態環境的影響等方面。但在多數研究中，將Markov模型預測的條件概率圖像與較單一的影響因子或單生態方面的影響因子作為元胞自動機的轉換規則[6]，轉換規則過于簡單，缺乏社會經濟因子對土地利用變化影響的考慮，使結果不能更好地貼合實際發展情況。

綜上所述，盡管目前國內外對土地利用變化預測已有許多研究，而楚雄市作為高原山地小城市，缺乏土地利用變化與城市發展相互關系的研究。所以，筆者將基于遙感和ArcGIS等技術手段，從原始的遙感影像中獲取研究區域的土地利用數據信息，探究研究區的用地結構變化并模擬和預測楚雄市未來的土地利用格局發展，從而為楚雄市土地資源配置提供更加科學的參考，使土地資源配置逐漸合理完善，給楚雄市未來經濟、社會、環境的良性發展帶來積極意義。

1 資料與方法

1.1 研究區概況 楚雄市是楚雄彝族自治州首府，位于楚雄州的中西部，地處

100°35′～101°48′E、24°30′～25°15′N，東接昆明，西鄰大理，與昆明市、曲靖市、玉溪市構成滇中城市群（圖1）。楚雄市地形復雜，地勢西北高、東南低，從西北向東南傾斜，呈傾斜葫蘆形。西部山嶺綿亙，溝壑縱橫;東部地勢呈波狀起伏，多丘陵盆地。中心城區海拔1 773 m。其行政區域轄鹿城、東瓜等12個鎮和大過口等3個鄉，行政區域面積為4 433 km2。截至2018年末，楚雄市戶籍人口53.59萬[7]。

1.2 數據來源 該研究需要的數據有楚雄市3個時段的遙感影像TM/ETM（年份是2000、2010和2018年，遙感影像分辨率為30 m×30 m）、楚雄市的數字高程數據（DEM），以上數據均來自地理空間數據云。其他數據還包括楚雄市各區行政區劃圖、楚雄市地形圖、楚雄市交通圖、楚雄市統計年鑒等。

其中2002、2010年的遙感影像選用Landsat 7-TM遙感數據，2018年遙感影像選取Landsat 8-OIL系列數據，空間分辨率均為30 m，具體的獲取時間分別為2000年3月20日、2010年1月5日和2018年3月8日。同時根據TM和OIL圖像各波段特性，分別選取TM4、TM3、TM2以及TM5、TM4、TM3的波段組合進行影像校正。

1.3 研究方法

1.3.1 文獻分析法。通過文獻檢索對土地利用的相關政策、理論、國內外研究進展進行梳理與總結，對CA-Markov模型進行學習與借鑒，并基于研究需要進行資料搜集與調查，進而做到對楚雄市的土地利用狀況有一個深入的了解。

1.3.2 RS空間解譯法和GIS空間分析法。

在土地利用動態監測的研究過程中，三大類用地（建設用地、農用地、未利用地）的相互轉換是在長期的政治經濟發展下逐漸發生的，由于其轉變時間周期長，該研究將土地利用類型劃分為耕地、建設用地、林地、水體和未利用地5類，采用3期的遙感影像數據為依據，通過RS技術手段和ENVI 5.3軟件對影像數據進行處理，并利用ArcGIS軟件的數據處理和空間分析功能，為繪制土地利用現狀圖和構建土地利用轉移矩陣提供技術支持。

1.3.3 土地利用動態度。土地利用動態度是通過比較固定時期內各個地類的用地情況并反映出該地區的動態變化，這種變化趨勢可以影響以后土地的利用情況[8-10]。計算公式如下：

K=U b-U aU a×1T×100%

式中，K表示土地利用動態度，U表示某一土地利用類型的面積，a、b分別代表研究初期和研究末期的時間點，T為研究時段。

1.3.4 土地利用轉移矩陣。土地利用轉移矩陣是指單位時間內一個土地利用類型向另一個土地利用類型轉化的過程，可反映出研究區土地轉移前后不同用地類型的面積[11-12]。計算公式如下：

A ij=A 11…A 1n

A n1…A nn

式中，A表示轉移面積;i、j分別表示研究時段前后的土地利用類型;A ij代表i地類經過轉移成為j地類的面積。

1.3.5 實地調查法。通過實地調查，對研究區土地類型、土地利用分布概況和土地利用動態變化規律進行精度檢驗。

1.3.6 CA-Markov模擬預測法。

以2002年土地利用現狀數據和2002—2018年轉換規則，應用CA-Markov模型對2018年研究區土地利用現狀進行模擬。將模擬結果與2018年研究區土地利用解譯數據進行精度檢驗。當模擬結果達到一定精度時，確定模型參數并構建研究區預測模型，預測出2026年研究區土地利用狀況。

2 結果與分析

2.1 楚雄市土地利用總體變化分析

利用GIS統計分析功能獲取楚雄市2002、2010、2018年3期的土地利用變化信息（表1和圖2），2002—2010年研究區地類面積增加最多的是建設用地，其面積由100.91 km2變為278.91 km2，凈轉入178.00 km2;其次是耕地，其變化面積由132.37 km2變為195.82 km2，面積減少較多的是林地和未利用地，分別減少了142.64和92.28 km2，可見楚雄市2002—2010年城市在不斷擴張與發展。2010—2018年面積增加較多的地類是耕地和建設用地，其面積由195.82和278.91 km2分別變為496.69和555.06 km2，建設用地面積成倍增長，表明楚雄市建成區面積2010年后快速擴張;其他地類變化幅度不大。

在2002—2018年（表1），耕地、林地和建設用地是楚雄市主要的土地利用類型，3種地類面積之和約占楚雄市土地利用總面積的95.7%。近17年研究區內的土地利用方式發生了較大幅度的變化，其中建設用地呈現出逐年遞增的趨勢，面積由2002年的100.91 km2增至2018年的555.06 km2，共增加454.15 km2;林地面積呈現逐年下降的趨勢;水體面積呈現出先減少后增加的趨勢，表明水域的生態功能正在逐步恢復;未利用土地呈現出每年遞減的趨勢，由2002年的262.18 km2減至2018年的164.02 km2，共減少了98.16 km2，表明楚雄市在近17年的發展過程中未利用土地大量被轉換為其他用地。2016年，為確保耕地保有量不減少、耕地質量不降低，堅守耕地紅線，楚雄市出臺了《耕地保護責任目標考核辦法》，截至2016年10月10日，確保規劃期間楚雄市轄區范圍內耕地保有量不低于494 km2目標[13]。由表1可知，2010—2018年耕地面積呈現增長的變化趨勢，由2010年的195.82 km2增至2018年的496.69 km2，表明楚雄市在2010年后的城市發展與政府政策較大的關系。

2.2 楚雄市土地利用動態度分析

利用土地利用動態度計算公式可得出研究區土地利用動態度變化情況。從表2可以看出，2002—2018年耕地和建設用地在數量上呈現增加趨勢，其中建設用地增加的最多，林地、未利用地、水體在數量上呈現減少趨勢，反映出楚雄市城市建城區面積在不斷擴大且耕地保護較好。但在不同研究時段變化具有差異性，2002—2010年未利用地和水體的數量減少較多，耕地和建設用地數量有所增加;2010—2018年未利用地和林地數量減少較多，其中減少最多的是林地，耕地和水體數量有所增加。

2.3 土地利用類型轉移矩陣分析

該研究基于ArcGIS的空間分析和交叉列表統計分析能力，運用土地利用轉移矩陣計算公式，分別計算楚雄2002—2010、2010—2018年的土地利用轉移矩陣，結果如表3～4所示。

從表3可以看出，2002—2010年耕地減少了74.13 km2，減少的部分主要轉移為建設用地和林地，其中耕地轉移為林地最多，占耕地減少部分的56.41%;未利用地大多轉變為建設用地和林地，分別轉移了55.54和117.98 km2;建設用地具體是轉移為林地和耕地，但轉移面積較小，這一階段主要是建設用地的面積擴大;林地經過轉移大多成為建設用地和耕地，其本身面積變化幅度較小;水體變化幅度最小，其轉移去向是部分轉為林地，轉移面積為9.56 km2。綜合分析2002—2010年的土地利用類型轉移和動態度變化表明，2002—2010年耕地和未利用地在很大程度上轉化為建設用地，林地相對來說增減較小，轉入和轉出面積總體幅度不大;水體范圍穩定，補給和減少也相對較少。

從表4可以看出，2010—2018年減少最多的是未利用地減少了142.57 km2，經過轉移主要變為耕地和林地，轉移面積分別為50.94和59.93 km2;耕地次之，減少了103.30 km2，耕地減少的部分大多是轉移為建設用地和林地，分別占耕地減少部分的37.57%和48.64%;建設用地具體轉移為耕地和林地，轉移面積較大，這一階段建設用地仍在不斷持續增長，增加幅度大;林地經過轉移大多變成為建設用地和耕地，這一階段林地增加幅度加大，其大部分來源為未利用地，轉移面積為79.66 km2。水體變化幅度最小，其轉移去向最多的是林地，轉移面積為6.80 km2。綜合分析2010—2018年的土地利用類型轉移矩陣和動態度變化表明，這一時期內，由于楚雄市遭遇了嚴重的干旱天氣，水體面積不斷減少。耕地與林地大部分轉化為建設用地，其中轉移最多的是林地;林地主要補給來源是未利用地，該時期內林地面積顯著減少。

2.4 三大類土地利用轉移矩陣分析 從表5～6可知，2002—2018年楚雄市建設用地的主要來源是農用地，共轉入158.47 km2，未利用地主要轉為農用地，共轉入258.85 km2，說明楚雄市在這時間段內耕地和未利用地得到開發，推動了楚雄城市化的進程。

2.5 楚雄市各鄉鎮土地利用情況

從圖3可以看出，2002—2010年，耕地總體變化趨勢為增長，但也有部分鄉鎮耕地面積減少。耕地增長幅度變化最大的是三街鎮，由2002年的0.03 km2增至2010年的16.34 km2，凈增長量為16.31 km2;增長幅度最小的是大過口鄉，由2002年的0.08 km2增至2010年的5.43 km2，凈增長量為5.35 km2。耕地減少幅度最大的是冬瓜鎮，由2002年的20.97 km2減至2010年的12.22 km2，凈減少量為8.75 km2;減少幅度最小的是子午鎮，由2002年的16.92 km2減至2010年的14.50 km2，凈減少量為2.42 km2。建設用地總體變化趨勢為增長，其中增長幅度最大的是西舍路鎮，由2002年的3.27 km2增至2010年的23.37 km2，凈增長量為20.10 km2;增長幅度最小的是樹苴鄉，由2002年的0.83 km2增至2010年的2.68 km2，凈增長量為1.85 km2。

林地總體變化趨勢為減少，其中減少幅度最大的是中山鎮，由2002年的270.70 km2減至2010年的236.28 km2，凈減少量為34.42 km2;減少幅度最小的是樹苴鄉，由2002年的116.10 km2減至2010年的104.36 km2，凈減少量為11.74 km2;但有個別鄉鎮林地有小幅度增長，如東華鎮、冬瓜鎮、鹿城鎮、呂合鎮、蒼嶺鎮、子午鎮和紫溪鎮。

水體變化幅度最大的鄉鎮是子午鎮，由2002年的2.43 km2減至2010年的0.97 km2，凈減少量為1.46 km2;變化幅度最小的鄉鎮為三街鎮，由2002年的1.80 km2增至2010年的1.93 km2，凈增長量為0.13 km2，總體變化波動不大。未利用地變化幅度最大的鄉鎮為子午鎮，由2002年的28.91 km2減至2010年的8.88 km2，凈減少量為20.03 km2;變化幅度最小的鄉鎮為新村鎮，由2002年的18.23 km2增至2010年的19.25 km2，凈增長量為1.02 km2，總體變化波動不大。

2010—2018年，耕地總體變化趨勢為增長，其中增長幅度最大的是中山鎮，由2010年的17.98 km2增至2018年的54.70 km2，凈增長量為36.72 km2;增長幅度最小的是紫溪鎮，由2010年的3.60 km2增至2018年的9.72 km2，凈增長量為6.12 km2。

建設用地總體變化趨勢為增長，其中增長幅度最大的是大過口鄉，由2010年的13.47 km2增至2018年的59.73 km2，凈增長量為46.26 km2;增長幅度最小的是新村鎮，由2010年的13.29 km2增至2018年的17.87 km2，凈增長量為4.58 km2;建筑用地中有個別鄉鎮有小幅度的減少，如西舍路鎮和中山鎮。林地總體變化趨勢為減少，其中減少幅度最大的是大過口鄉，由2010年的305.14 km2減至2018年的233.88 km2，凈減少量為71.26 km2;減少幅度最小的是八角鎮，由2010年的104.54 km2減至2018年的93.64 km2，凈減少量為10.90 km2。

水體變化幅度最大的鄉鎮為呂合鎮，由2010年的3.27 km2增至2018年的4.44 km2，凈增長量為1.17 km2;變化幅度最小的鄉鎮為紫溪鎮，由2010年的0.19 km2減至2018年的0.14 km2，凈減少量為0.05 km2，總體變化波動不大。未利用地變化幅度最大的鄉鎮為中山鎮，由2010年的30.16 km2減至2018年的9.59 km2，凈增長量為20.57 km2;變化幅度最小的鄉鎮為大過口鄉，由2010年的13.19 km2減至2018年的11.53 km2，凈減少量為1.66 km2，總體變化波動不大。

綜上所述，各鄉鎮5類土地利用類型中耕地、建筑用地和林地的變化較大，其中耕地和建筑用地基本呈上升趨勢，林地則呈減少趨勢，水體和未利用地變化較小。八角鎮、大地基鄉、大過口鄉、東華鎮、三街鎮、樹苴鄉、西舍路鎮、新村鎮、中山鎮這9個鄉鎮3期內耕地變化幅度大，并且在2002年耕地面積都較少，說明在2002—2018年政府大力發展振興農村耕地，特別在2010年后出臺政策大力支持鄉鎮耕地發展。鹿城鎮、子午鎮、大過口鄉、冬瓜鎮3期內建筑用地發展較快，其中冬瓜鎮、鹿城鎮凈增長量分別高達51.11、53.98 km2，由此可見冬瓜鎮、鹿城鎮在這17年期間城市得到了大力的支持和發展。

2.6 CA-Markov模型預測分析

根據2002、2010和2018年3期的土地利用數據預測楚雄市2026年的土地利用狀況。為了確保運用CA-Markov模型預測的土地利用動態變化數據的可靠性，該研究先選取2002和2010年楚雄市2期的土地利用數據，輸入到IDRISI軟件中，運用它的Markov和CA-Markov模型的功能，計算得出楚雄市2018年的土地利用空間模擬預測圖。通過目視判讀2018年研究區遙感解譯圖與土地利用模擬預測圖兩者具有很高的相似性;之后再借助IDRISI軟件中的CrossTab分析模塊，將2018年遙感解譯圖與土地利用模擬預測圖進行疊加分析，得出模擬結果的Kappa系數為0.71，而0.61～0.80為高度的一致性，表明在此研究區內運用CA-Markov模型模擬預測的土地利用變化數據是可信的。

在此基礎上，基于2018年遙感解譯后的土地利用數據，以間隔8年的時間跨度，利用2002—2010和2010—2018年土地利用轉移矩陣，并運用IDRISI軟件中的MCE模塊將水體作為限制性因素，DEM、SLOPE和道路等信息作為發展性因素，分別對林地、耕地、建設用地、未利用地進行約束并制作適宜性圖集，疊加到CA-Markov預測分析過程中，最終得出2026年土地利用預測圖。模擬預測結果如圖4和表7所示。

通過對模擬預測結果分析，得出研究區未利用地面積在持續減少，模擬期內未利用地面積減少了84.61 km2;而水體基本保持不變，維持在25.76 km2。模擬期內林地仍呈現減少趨勢，面積為2 292.93 km2;耕地和建設用地面積將持續增加，耕地增加至960.81 km2，更好地保障了農民人均收入以及楚雄州耕地紅線指標。建設用地到2026年將達到1 072.22 km2，占研究區總面積的24.17%，凈增長517.16 km2，主要圍繞鹿城鎮、子午鎮、東華鎮、紫溪鎮、東瓜鎮、呂合鎮、蒼嶺鎮打造城市區域核心，拓展城市向外輻射面，形成新的楚雄市發展格局。

2002—2018年楚雄市城市化水平整體呈現上升趨勢，城市化率雖然在穩步增加，但是城市發展水平依然很低[14]。2010年后，由于楚雄市第二產業和第三產業的快速發展，加快了楚雄市現代化城市建設的腳步[15]。2018年，城市建設用地面積明顯增多。但是相比于我國東部地區城市發展建設，楚雄市目前城市化水平依然不高，甚至仍是東部地區早期的城市建設水平[16]。楚雄市作為云南省滇中城市群的“一極”，未來要更好地樹立滇中區域性中心城市形象。在2026年土地利用預測數據中，建設用地進一步增加，中心城區向東南新區擴展，彌補目前城市建設的不足。《楚雄市2015—2030年城市總體規劃》中，除對楚雄市中心城區建設，還會圍繞周邊鄉鎮構建“一帶三軸，四心六組團”的城市空間結構，更好地帶動楚雄市城市發展，繼續提升其作為滇中區域性中心城市的地位，打造由單核的城市發展模式逐步過渡到都市區層面的發展路徑，以適應城市發展的最新需求。

3 結論與討論

該研究以楚雄市為研究區域，選取2002、2010和2018年相同時期的Landsat衛星遙感影像數據，運用RS、GIS等技術手段，通過目視解譯、計算機解譯和實地調查的方法，對圖像數據進行分析處理，從而獲取楚雄市土地利用現狀圖，對楚雄市進行土地利用動態監測。運用IDRISI軟件構建CA-Markov模型，對2002—2018年土地利用動態變化進行研究，預測2026年楚雄市土地利用狀況，并分析楚雄市未來土地利用趨勢，為楚雄市城市發展及土地資源結構優化提供參考。研究得出以下結論：

（1）楚雄市土地利用總體變化為耕地和建設用地面積不斷增加，林地和未利用地面積呈現減少趨勢，水體則少有變動。具體為：楚雄市土地利用動態度表明2002—2018年耕地和建設用地在數量上呈現增加趨勢，其中建設用地增加的最多，林地、未利用地、水體在數量上呈現減少趨勢，反映出楚雄市城市建城區面積在不斷擴大且耕地保護較好，但在不同研究時段變化具有差異性;土地利用類型轉移矩陣表明2002—2018年楚雄市建設用地的主要來源是農用地，共轉入157.09 km2，未利用地主要轉為農用地，共轉入257.22 km2，說明楚雄市在該時段內耕地和未利用地得到開發，推動了楚雄城市化的進程;各鄉鎮5類土地利用類型中耕地、建筑用地和林地的變化較大，其中耕地和建筑用地基本呈上升趨勢，林地則呈減少趨勢，水體與未利用地變化較小。

（2）利用CA-Markov模型對楚雄市2026年的土地利用情況模擬預測，并進行精度檢驗，結果表明Kappa系數為0.71，可信度較高，基本滿足研究的精度需求。根據預測結果，楚雄市耕地和建設用地面積將進一步增大，而林地則呈現相反趨勢在不斷減少，未利用地呈減少趨勢且減少趨勢相對較小，水體面積基本保持穩定。

（3）基于結果分析認為，隨著城市及經濟的不斷發展，建設用地和耕地與林地之間的矛盾變得愈發凸顯，因此在進行城市擴張建設的過程中要注意與生態環境的協調，始終把生態環境保護放在第一位，合理利用土地。在未來的土地利用規劃中，可以從以下幾個方面來進行合理建設：①加強土地利用管理制度，合理保障現有耕地，保護耕地紅線不動搖;②協調人口和城市發展規模，注重生態林地保護，建設綠色楚雄、美麗楚雄;③因地制宜，提高土地利用效率，優化完善土地利用結構。

參考文獻

[1]

馮仕超，高小紅，顧娟，等.基于CLUE-S模型的湟水流域土地利用空間分布模擬[J].生態學報，2013，33（3）：985-997.

[2] RAMEZANI N，JAFARI R.Land use/cover change detection in 2025 with CA-Markov chain model （case study：Esfarayen）[J].J Phys Chem，2015，63（5）：788-793.

[3] 范雙云，鄧楚雄，胡倞，等.基于Markov模型的長沙市中心區土地利用變化研究[J].安徽農業科學，2013，41（21）：9091-9092，9094.

[4] 張玲玲，頡耀文，穆亞超.基于CA模型的重慶市沙坪壩區土地利用變化模擬[J].安徽農業科學，2015，43（24）：246-248.

[5] 張薇，劉淼，戚與珊.基于CLUE-S模型的昆明市域土地利用預案模擬[J].生態學雜志，2014，33（6）：1655-1662.

[6] BATTY M，XIE Y C，SUN Z L.Modeling urban dynamics through GIS-based cellular automata[J].Comput Environ Urban Syst，1999，23（3）：205-233.

[7] 楚雄州方志辦公室.楚雄州年鑒 2018[M].昆明：云南科技出版社，2018.

[8] 楊佳.基于CA-Markov-Ann的昆明市土地利用格局模擬及預測研究[D].昆明：云南財經大學，2018.

[9] 李賢江，石淑芹，蔡為民，等.基于CA-Markov模型的天津濱海新區土地利用變化模擬[J].廣西師范大學學報（自然科學版），2018，36（3）：133-143.

[10] 閆雪，王利，任啟龍.普灣新區土地利用動態監測及預測分析[J].國土與自然資源研究，2016（1）：35-39.

[11] 李思楠，趙筱青，譚琨，等.基于GIS的撫仙湖流域土地利用時空變化研究[J].人民長江，2019，50（6）：63-69，87.

[12] 李志明，宋戈，魯帥，等.基于CA-Markov模型的哈爾濱市土地利用變化預測研究[J].中國農業資源與區劃，2017，38（12）：41-48.

[13] 羅仁斌，韓學坤，侯開雄，等.楚雄州耕地保護現狀及對策[J].云南農業，2016（2）：15-18.

[14] 尚發美，謝曼平，孫楊，等.楚雄市城市化特征及動因機制研究[J].可持續發展，2020，10（3）：456-465.

[15] 蘇艷飛.基于Urban-ABM的城市建設用地擴張模擬研究：以楚雄市為例[D].西安：長安大學，2019.

[16] 陳西川.新時期我國區域經濟格局發展變化及其研究[J].管理世界，2015（2）：170-171.