基于GIS与CLUE-S模型的土地利用规划研究

王新军,安沙舟

（新疆农业大学草业与环境科学学院 新疆草地资源与生态重点实验室,新疆 乌鲁木齐 830052）

①随着社会的发展、人口的剧增,土地成为日益稀缺的资源,如何通过科学地规划实现土地资源可持续利用成为全球关注的焦点[1]。近年来对土地利用规划的研究只是停留在土地数量结构规划上,而对土地利用空间规划上的研究甚少。土地利用空间规划是土地利用规划的重要核心部分。近10年来,土地利用/土地覆盖变化（LUCC）模型日益受到研究者的重视,服务于各种研究目的模型应运而生[2-6]。小尺度土地利用变化及效应模型（CLUE-S）是一种具有特色的LUCC模型。关于该模型的研究不少,但是都只是单纯地应用该模型进行土地利用变化空间模拟,而应用于土地利用规划例子很少,对土地利用规划的作用不显著。同时,社会在信息化的推动下,地理信息系统逐渐应用于土地规划当中。基于此,提出将GIS和CLUE-S模型相结合,应用于土地利用规划,以增强CLUE-S模型在土地利用规划中辅助决策作用。研究将此应用于新疆维吾尔自治区博乐市土地利用规划的实际操作中,验证了该方法的可行性。

1 GIS与 CLUE-S模型

1.1 GIS概述GIS（Geographic Information System,地理信息系统）是一门采集、存储、管理、分析、显示与应用地理信息来分析和处理海量地理数据的计算机软件系统科学。通过系统建立、空间操作与模型分析,为地球科学、环境科学和工程设计、乃至企业管理等方面的规划、管理和决策提供有用的信息[7]。

1.2 CLUE-S模型

1.2.1模型结构 CLUE-S模型由两个模块组成,一个是非空间分析模块,另一个是空间分析模块（图1）。非空间分析模块计算研究地区每年对不同土地利用类型的需求总量；而空间分析模块应用栅格系统将逐年的需求量进行分配,实现对土地利用时空动态变化的模拟。

非空间分析模块中的土地利用需求变化可以由多种方法求得。可根据研究地区的实际情况选择比较合适的总量需求变化预测方法。但是,不管使用哪一种方法,预测结果都必须是以年为步长的总需求量变化序列数据；这些序列数据将被直接输入空间分析模块以模拟土地利用空间变化,即空间分配。

空间分析模块中空间分配是综合对土地利用的经验分析、空间分析以及动态模拟实现的（图2）。其中,经验分析和空间分析主要揭示土地利用空间分布与其驱动因素及土地利用限制因素的关系；经验分析和空间分析体现了模型的竞争关系；土地利用限制因素即规划者制定的决策规则以限制在实际土地利用模式当中土地利用类型转换。

图1 CLUE-S模型结构图

图2 基于栅格地图的土地利用变化分配示意图[8]

1.2.2空间分析 逻辑斯蒂回归是土地利用变化研究中常用的一种方法[8-9]。CLUE-S模型中,根据土地利用格局和备选驱动因素数据,运用逻辑斯蒂逐步回归对某一栅格可能出现某一土地利用类型的概率进行诊断。

式中,Pi表示每个栅格可能出现某一土地利用类型i的概率,X表示各备选驱动因素。

关于回归效果的检验,由于逻辑斯蒂回归不像其他回归方法,可以用R2对回归效果进行检验。所以,在此使用ROC方法[10-11]对逻辑斯蒂回归结果进行检验。根据逻辑斯蒂回归结果得到各土地利用类型的空间分布概率图。

1.2.3决策规则 土地利用空间分配的决策规则允许研究者制定。每一土地利用类型的决策规则决定了该土地利用类型在下一时刻是否被改变。为了使土地利用结构稳定,这些决策规则赋予每一土地利用类型变化的确定的阻力。由ELASu定义了以下3种情况,研究者可依据实际情况来确定属哪一种：

1）对于一般不会转变为其他土地利用类型的地类,ELASu设为1。例如城镇和居民用地,除非将来对这类土地利用的需求有所减少,一般情况下在预测期将不考虑该类土地的转出变化。

2）对于极易变化的地类,ELASu设为0。例如质量差的农业用地,其发生变化的可能性非常大,转为草地或居民用地。

3）对于发生转化的难易程度介于以上2种极端情况之间的地类,ELASu设为0～1的某个值。ELASu越大,地类变化就越困难,其转化为其他地类的概率就越小,反之亦然。

1.2.4邻域特征 土地利用类型转化的部分原因是由于邻域关系。例如,城镇用地的边缘用地很有可能转化为城镇用地。特别是在对城镇增长速度考虑下,将邻域影响纳入地类变化的驱动因子[12]。为了描述邻域特征,引入邻域丰度因子（Fi,K,d）。

式中,Fi,k,d表示每个栅格i对于某一土地利用类型k的邻域丰度因子；nk,d,i表示在每个栅格i,大小为d邻域中土地利用类型k的栅格数目；nd,i表示在邻域中栅格总数；nk表示在栅格系统中土地利用类型k的栅格数目；n表示在栅格系统中所有栅格的数目。

土地利用类型转化的概率和邻域丰度因子的关系可以用逻辑斯蒂回归方程表达,如下式：

式中,Pi表示每个栅格可能出现某一土地利用类型i的概率；F表示各地类对某一土地利用类型i的邻域丰度因子。

1.2.5多尺度特征 土地利用变化模型的一个必要条件是多尺度特征。以上描述的模型结构体现了尺度相互作用的不同类型。每一次迭代过程都是研究区宏观尺度上对各种土地利用类型的总量需求与各栅格单元对各种土地利用合适度的联动过程,且这一过程是连续的。当需求发生变化时,迭代过程将保证那些需求量增加了的土地利用类型具有更高的竞争能力,即赋予更高的迭代变量值,以满足该种土地利用类型所需的空间分配面积。CLUE-S模型中对土地利用的实际空间分配变化不仅仅取决于各栅格单元的本身条件和逻辑斯蒂回归结果,而且也考虑了局部区域需求对这种分配的影响。

1.2.6土地利用空间分配程序 土地利用空间分配是在综合分析土地利用空间分布概率、土地利用变化转化规则和不同土地利用类型需求量的基础上,通过多次迭代实现土地利用变化空间分配的过程（图3）。

图3 土地利用变化分配的迭代过程示意图

具体步骤如下：

1）确定土地利用系统中允许变化的栅格单元。保护用地区或不允许变化的土地利用类型（符合决策规则1）将被排除在下一步的模拟之外。

2）根据公式：

计算每一个栅格单元i适合土地利用类型u的总概率。这里根据上述土地利用变化转化规则设置的参数,是土地利用类型u的迭代变量。

3）对各土地利用类型赋相同的迭代变量值,按照每一栅格对不同土地利用类型分布的总概率从大到小对各栅格的土地利用变化进行初次分配。

4）比较不同土地利用类型的初次分配面积和需求面积。若土地利用初次分配的面积大于需求面积,就减小ITERu的值；反之,就增大ITERu的值,然后进行土地利用变化的第2次分配。

5）重复第2-4步,直到各土地利用变化的分配面积等于需求面积为止,然后,保存该年的分配图并开始对下一年土地利用变化的分配[13-14]。

1.3 GIS与CLUE-S模型耦合从目前的各种耦合方法看,有人也称其为空间数据互操作。研究的思路和算法思想有2种：一种是选择不同的指标数据在数理模型中进行计算,将结果数据通过地理编码与GIS的空间数据进行连接,实现结果的可视化。一种是利用GIS空间分析的数据进行数理模型的计算,然后再将结果进行可视化。这2种方法是目前各种耦合方法的主流方法。第2种方法实现起来比较困难,这里采用第1种方法。

1.3.1CLUE-S模型特点

1）CLUE-S模型是“自上而下”兼“自下而上”构建模型的方式,因此具有很好的先进性,符合人类认识复杂事物的思维方式。

2）CLUE-S模型具有多尺度特征,每一栅格只是提供了一个行为空间,本身不受空间测度和时间测度的影响,时空测度的影响通过其总概率体现。

3）CLUE-S模型是一个基于微观和宏观个体相互作用的时空动态模拟模型,将地理实体的空间和时间特性统一在模型中,通过划分研究对象的栅格空间位置、决策规则、驱动因子、邻域关系及限制区等,来模拟土地变化过程。

4）CLUE-S模型整个计算是基于栅格系统之上,而土地规划则多在矢量系统之上。由于2个系统不一致,所以阻碍了CLUE-S模型在土地规划中的作用。

5）栅格数据也可矢量化。为了将CLUE-S模型应用于土地规划,所以有必要将CLUE-S模型与矢量GIS耦合。

1.3.2耦合过程

1）在GIS矢量系统,建立点状实体,要求点状实体的总数目,行、列数目与栅格完全相同,点状实体的坐标与栅格的中心点的坐标一致（图4）。

2）将CLUE-S模型模拟的结果（ASC格式）,转换为关系数据库格式（.dbf）,其中在矢量系统,数据必须是从左到右,从上到下的顺序。

3）将该.dbf文件按顺序挂接矢量系统的点状实体上,作为该实体的属性。

图4 GIS与CLUE-S耦合示意图

4）依据属性赋参数,将点状实体设置为不同参数,便于浏览、分析,进一步调整为规划结果。

2 实证分析

博乐市位于天山山脉北坡西段,准噶尔盆地西南部,属博尔塔拉蒙古自治州管辖,为州首府所在地。东为精河县和阿拉山口欧亚大陆桥西端口岸,西为温泉县,南至天山支脉科古尔琴山与伊犁哈萨克自治州的霍城县相连,北依阿拉套山与哈萨克斯坦的塔拉得库尔干接壤。国境线长达100 km 。地理坐标介于80°39′～ 82°44′E,44°22′～45°23′N,东西长约 164.70 km,南北宽约 117.50 km。全市土地总面积为6 759.95 km2。

2.1 空间分析依据数据的相关性、可获得性、可用性及便于分析性等条件,选择以下土地利用的驱动因子,即交通、水系、土壤、地势、城镇等因素,对研究区各土地利用类型及其驱动因子进行逻辑斯蒂回归分析,回归结果见表1和表2。模型分别对7种土地利用类型进行回归分析,因研究区特殊用地面积很小,水域面积假定不变,所以没有对其进行回归分析,并假定在模拟期间其空间分布不变。

对于每一土地利用类型与其驱动因子,运用逻辑斯蒂逐步回归进行统计分析与诊断,并对所得结果进行ROC检验（表1、表2）。表1中的数值为由逻辑斯蒂回归方程诊断出的关系系数,即Beta系数。表2中的Exp（B）值是Beta系数的以e为底的自然幂指数,其值等于事件的发生比率（Odds Ratio）,表明当解释变量（驱动因子）的值每增加一个单位时,土地利用类型发生比的变化情况,Exp（B）＞1,发生比增加；Exp（B）=1,发生比不变；Exp（B）＜1,发生比减少[8,14]；|Exp（B）-1|越大,所选驱动因素对土地利用类型发生比的变化情况影响越大。ROC值越接近1,所选驱动因素对土地利用格局解释能力越强,反之,其解释能力越弱。

表1 博乐市各土地利用类型逻辑斯蒂回归结果（Beta系数）

表2 博乐市各土地利用类型逻辑斯蒂回归结果{EXP（B）}

从表2可以看出,其中耕地 ROC值最大为0.914,表明所选驱动因素对耕地的格局解释能力相对较强；次之为城镇,ROC值为0.904,说明所选驱动因素对城镇的格局解释能力相对可以；而未利用地ROC值为0.773,说明所选驱动因素对未利用地的格局解释能力相对较差。主要是因为,近几年的城镇化建设、过度开垦十分严重加上次生盐渍化现象,使未利用地分布比较散,用该模型描述比较困难。

对耕地来说,所选驱动因素中,水系、土壤（土地质量2）和地势|Exp（B）-1|最大,分别是0.38、0.33和0.31,说明所选驱动因素中,水系、土壤（土地质量2）和地势对耕地的分布影响较大,这也是与现实情况是一致的。

2.2 模拟结果运用2005年博乐市土地利用的空间图形数据与上述驱动因素,对2020年研究地区的土地利用变化进行模拟。本案例的主要目的是在需求既定情况下对土地利用变化进行模拟,为土地规划提供辅助决策。所得模拟结果如图5、图6所示。

从图5、图6和表3可以看出,牧草地、城镇建设用地面积变化不明显,而耕地、林地、农村居民点和未利用地面积变化较大。主要是因为近年来国家大力倡导通过走内部挖潜的道路实现土地集约节约利用,所以牧草地、城镇建设用地面积变化不明显。同时,由于人口数量的增加和国家相关政策等因素,比如重点扶持土地开发整理、退耕还林和新农村建设等项目的实施,所以耕地、林地、农村居民点和未利用地面积变化较大。可见,这个结果是符合目前的现实情况的。

表3 博乐市 2005和2020年土地利用面积比较 hm2

图5 博乐市2005年土地利用现状图和2020年土地利用模拟图

2.3 规划决策依据1.2.3所述,在矢量系统上建立点阵实体（图7）,将点阵实体叠加于现状之上,便于研究者对模拟图分析,综合实地情况与研究者的经验,以模拟图为参考进行编辑得到规划图。并将规划方案和模拟运行结果提交当地决策集团和专家,与其交互,根据交互结果,规划结果得到当地专家、决策者和规划者满意且符合客观实际的优化土地利用总体规划方案。

3 结论与讨论

通过CLUE-S模型,从微观化和区域化的角度,选择合理土地利用变化驱动因子,以基期年数据为依据,对目标年的土地利用变化格局模拟。得出以下结论：

1）CLUE-S模型基于微观和宏观视角上,采取经验模型的方法,通过建立土地利用空间分配和驱动因子之间的统计关系模拟近期土地利用变化的情景,同时也考虑了不同土地利用方式之间的竞争关系,邻域关系及政府政策,因此可以较好地模拟小尺度地区的近期土地利用变化情景,是比较好的一个模型。

图6 博乐市2005年土地利用现状和2020年土地利用模拟局部图

2）CLUE-S模型还允许使用动态驱动因素,如人口、经济发展等来提高模拟精度,但由于其空间化有一定的难度,可行性较差；突破这一瓶颈将是CLUE-S模型应用和发展的关键。

3）CLUE-S模型对历史数据依赖性大,包括历史数据的多少及其合理性有一定的关系。若在此基础上融入一些规划思想,将会为土地规划提供一种新的方法。

4）与矢量GIS数据耦合,规划者可以将与当地决策者和专家交互的科学合理的规划思想融入其中,提高了土地规划科学性和灵活性,增强了对土地规划的辅助决策作用。

图7 矢量系统上点阵示意图

同时,笔者认为CLUE-S模型存在一些缺陷：CLUE-S模型仅考虑到主观行为,对于客观因素并没有充分的考虑。土地规划是在客观的基础上主观化的一种行为,是在土地适宜性评价的基础上进行的。例如,土地开发的选址要考虑水系、土壤等因素的。为此,将客观要素纳入CLUE-S模型,以改进CLUE-S模型是今后的一个研究方向。

[1]赖日文,孟宪宇,王亭亭.基于GIS与 CA模型的小城镇土地利用规划研究[J].现代城市研究,2006,11：48-49.

[2]Lambin E F.Modeling deforestation processes：a review[R].TREFS Series B.Research Report 1.Brussel：European Commission,1994.

[3]摆万奇,赵士洞.土地利用和土地覆盖变化研究模型综述[J].自然资源学报,1997,12（2）：169-175.

[4]罗湘华,倪晋仁.土地利用/土地覆盖变化研究进展[J].应用基础与工程科学学报,2000,8（3）：262-272.

[5]陈佑启,杨鹏.国际上土地利用/土地覆盖变化研究的新进展[J].经济地理,2001,21（1）：95-100.

[6]于兴修,杨贵上.中国土地利用/覆盖变化研究的现状与问题[J].地理科学进展,2002,21（1）：51-57.

[7]陆守一.地理信息系统[M].北京：高等教育出版社,2004：8.

[8]Geoghegan J,Villar S C,Klepeis P,et al.Modeling tropical deforestation in the southern Yucatan peninsular region：Comparing survey and satellite data[J].Agriculture,Ecosystems and Environment,2001,85：25-46.

[9]Serneels S,Lambin E F.Proximate causes of land use change in Narok district Kenya：a spatial statistical model[J].Agriculture,Ecosystems and Environment,2001,85：65-82.

[10]Pontius R G,Schneider L C.Land-use change model validation by a ROC method[J].Agriculture,Ecosystems and Environment,2000,85：269-280.

[11]Swets J A.Measuring the accuracy of diagnostic systems[J].Science,1986,240：1285-1293.

[12]Verburg P H,Niis T C M,Van Eck J R,et al.A method to analyze neighborhood characteristics of land use patterns[J].Computers,environment and urban systems,2004,28：667-690.

[13]Verburg P H,Soepboer W,Veldkamp A,et al.Modeling the spatial dynamics of regional land use：the CLUE-S M odel[J].Environmental Management,2002,30（3）：391-405.

[14]张永民,赵士洞,Verburg P H.CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用[J].自然资源学报,2003,18（3）：310-317.