海口市滨海旅游区LUCC变化趋势预测

张明湖，李鹏山，苏 珊，谢跟踪

（海南师范大学 地理与旅游学院，海南 海口 571158）

海口市滨海旅游区LUCC变化趋势预测

张明湖，李鹏山，苏 珊，谢跟踪*

（海南师范大学 地理与旅游学院，海南 海口 571158）

选取海口市滨海旅游区作为研究对象，以1991，2001，2008年遥感影像为主要数据源，采用面向对象信息提取技术，提取了海口市滨海旅游区1991～2008年土地利用/土地覆盖信息，并结合GIS技术手段，利用马尔柯夫预测模型，对未来20年左右土地利用变化的趋势进行了预测，结果表明：海口滨海旅游区有林地、耕地、湿地和未利用地将不断减少，至2029年，面积分别为2 489.47，21 474.88，1 233.37，756.10 hm2；建设用地持续增加至 24 605.34 hm2，水域缓慢增加到10 870.14 hm2.研究区各土地利用类型在2008～2015年间变化幅度最大，而后变化的幅度有所减弱.

土地利用/土地覆盖变化（LUCC）；趋势预测；海口滨海旅游区

目前，人类面临的许多环境问题都与土地利用/土地覆盖变化 （land use and land cover change，简称LUCC）有关.LUCC研究成为地理学综合研究的国际性前沿课题［1］，已被列为“国际地圈与生物圈计划（IGBP）”的核心项目［2-5］.土地利用变化研究的一个重点是变化趋势研究，它反映了土地自然、社会经济条件以及人为影响的变化［6］，是调整社会经济发展的策略、优化土地利用的结构、实现土地可持续发展的重要手段［7］.

预测海口市滨海旅游区土地利用变化趋势，对进一步了解该区将来某时刻土地利用变化的规律具有重要的意义.目前，应用数学模型是进行LUCC预测的主要方法.常用的模型如：灰色数列GM（1，1）模型、马尔柯夫过程（Markov Processes）模拟模型、多元回归模型、系统动力学模型等［8］.其中马尔柯夫过程模型经过众多学者的研究和实践应用［9-10］，在模拟和预测土地利用/土地覆盖变化的实例也较为丰富［11-14］，被认为是进行LUCC预测的一种比较成熟的方法，并且在城市和非城市地区的土地利用变化分析和预测中到了广泛的应用［15-17］，已取得了较满意的结果.因此，本次研究在土地利用转移矩阵的基础之上，计算土地利用转移概率矩阵，采用马尔柯夫模型预测海口市滨海旅游区未来土地利用变化趋势，以期为土地利用的结构调整、规划修编等提供科学依据.

1 研究区概况

基于研究的需要和海口市城市中心区沿海分布相对较为集中的特点，结合海口市城市总体规划和海口市旅游发展总体规划，本文将研究区范围界定在西起盈滨半岛，东至东寨港，南到海口绕城高速，北至琼州海峡海岸线，整片称为海口市滨海旅游区（见图1）.

海口滨海旅游区总面积为61 419.41 hm2，地处低纬度热带北缘，属于热带海洋性气候.区内主要河流是南渡江，其主流在海口市区内长75km，流域面积1 300km2，年径流量60.99亿m3，经该区流入琼州海峡.该区绝大部分为海拔100 m以下的台地和沿海小平原，以滨海台阶式地貌为主，西部有典型的火山地貌分布.该区所属的海口市全年日照时间长，辐射能量大，年平均日照时数2 000 h以上，太阳辐射量约可达到5×105J；全市年平均气温23.8℃，最高平均气温28℃左右，最低平均气温18℃左右；年平均降水量1 664mm，平均日降雨量0.1mm以上，降雨日在150 d以上；年平均蒸发量1 834mm，平均相对湿度85%（注：部分资料引自海口市全市统计数据）.海口市滨海旅游区北面临海，海域面积830km2，海岸线长约130多km①资料来源：《海口年鉴-2009》.大部分海岸坡度平缓，岸线开阔连绵，沙岸带沙细洁白.港湾与近海还有少许岛礁和潮滩，近海海域有多处较为适宜的傍岸泳区.

2 研究方法

2.1 研究数据

遥感影像数据是本研究的主要数据来源.目前TM/ETM+影像在土地利用变化监测中已有较多的应用［18-20］.海南省于1988年建省，海口作为省级行政中心，城市建设得到了快速发展，而滨海旅游区作为海口市的核心地带，其发展最为迅速，土地利用格局变换最为显著，且呈现明显的阶段性.因此，本研究选取了最具标志性的海南省建省初期（1991年）、中期（2001年前后）和建省 20周年（2008年）3个时期的TM/ETM+影像数据（来源于“地球系统科学数据共享网”，空间分辨率均为30 m），分析该区土地利用格局的变化趋势.

2.2 数据处理与土地利用类型分类

在遥感图像处理软件ENVI4.4中进行数据预处理，包括：格式转换、假彩色合成，利用本1∶50000地形图对3个时期影像数据分别选取40个相同地物作为地面控制点（GCP），采用二次多项式进行位置纠正，灰度采样选择邻近点差值法（Nearest Neighbor）计算，获得各时期的影像，校正的误差控制在1个像元以内［21］.本研究参照全国最近土地利用分类标准，结合当地具体情况，综合应用监督分类、聚类分析、去除分析和分类重编码的方法完成滨海旅游区影像解译与分类，将研究区分为建设用地、有林地、耕地、湿地、水域、未利用地6类.影像分类经kappa系数检验，其kappa系数分别为：0.798 4（1991年），0.833 1（2001年），0.857 1（2008年），均超过最低允许判别精度0.7的要求［22］，3个时期分类总精度分别为85.2%、88.86%和89.14%，均超过85%.但是由于判读误差，从ENVI4.4中解译出来的数据和实际情况有一定差距，因此需要进行分类后处理，在ArcGIS中修改明显错误的图斑，并最终完成影像解译和分类（见图2）.

2.3 研究方法

本研究利用遥感解译提取研究区覆被变化信息，采用GIS与数学统计相结合的方法分析海口市滨海旅游区土地利用变化情况，最后利用马尔柯夫预测模型，对该区未来20 a时期内的土地利用/土地覆盖变化情况进行预测.

马尔柯夫过程是研究随机事件变化趋势的一种方法，其预测对象的变化常受各种不确定因素的影响而带有随机性，具有“无后效性”性质.土地利用变化可以看作是以时间为序列的土地斑块从T时刻到T＋1时刻的空间演变过程.这种演变仅受前期的土地利用状况影响，而与其他时期无关.具有马尔柯夫过程的性质，因而，可用马尔柯夫过程来研究其土地利用变化的趋势［7］.运用马尔柯夫过程的关键在于确定它在任意时刻m的一步转移概率Pij.据此，将事物n个状态的转移概率依次排列，可以得到一个n行n列的状态转移概率矩阵P.

马尔柯夫预测模型是利用概率建立的一种随机型时序预测模型，表达式为：

式中：S（k）是预测对象在 t=k时刻的状态向量为；P为一步转移概率矩阵；S（k+1）是预测对象在t=k+1时的状态向量，即预测结果.

所以，模型表达式又可写成：

可见，马尔柯夫模型的预测结果由初始状态向量和转移概率矩阵决定［4］.

3 结果与讨论

根据马尔柯夫预测模型的要求，需要针对研究区1991，2001及2008年不同时期的数据进行分析，计算土地利用/土地覆盖转换矩阵以及土地利用转移概率矩阵，然后设定合适步长代入检验，并对未来用地情况进行推算和预测.

3.1 土地利用/覆盖转换矩阵

利用ArcGIS中的空间叠加功能，对解译后的海口滨海旅游区土地利用/土地覆盖类型图，分别求出 1991～2001年，2001～2008年以及 1991～2008年这三段时期的土地利用/土地覆盖类型面积转移矩阵，同时进行各类面积量算（见表1、表2、表3），为下一步的土地利用/土地覆盖变化分析及马尔柯夫过程趋势预测获得相应的属性数据［21-22］.

表1 1991～2001年土地利用／土地覆盖转换矩阵 hm2Tab.1 Land use and cover transition matrix of 1991～2001 hm2

表2 2001～2008年土地利用／土地覆盖转换矩阵 hm2Tab.2 Land use and cover transition matrix of 2001～2008 hm2

表3 1991～2008年土地利用／土地覆盖转换矩阵 hm2Tab.3 Land use and cover transition matrix of 1991～2008 hm2

3.2 土地利用转移概率矩阵

土地利用类型之间的相互转化情况，可用马尔柯夫转移矩阵模型来描述［23］.因此，进行马尔柯夫预测首先是要确定土地利用转移概率矩阵.由前面已经算得的三个时期土地利用/土地覆盖类型面积转移矩阵，可以分别计算出1991～2001年，2001～2008年与1991～2008年这三个时期的土地利用转移概率矩阵（见表4、表5、表6）.

表4 1991～2001年土地利用转移概率矩阵Tab.4 Matrix of transition probabilities of land-using in 1991～2001

表5 2001～2008年土地利用转移概率矩阵Tab.5 Matrix of transition probabilities of land-using in 2001～2008

表6 1991～2008年土地利用转移概率矩阵Tab.6 Matrix of transition probabilities of land-using in 1991～2008

从三个转移概率矩阵可以看出，三个时期的地类转移概率有较大差别：1991～2001年间地类转移概率最小，2001～2008年间地类转移概率次之，1991～2008地类转移概率最大，反映2008年与1991年相比其地类变化最为明显.土地利用类型转移的马尔柯夫过程不仅满足土地利用类型状态的无后效性，同时后一地类转移概率也与前一时期的概率相关性最大，而结合海口市城市发展的实际情况（2002年琼山市并入海口，成为琼山区）综合分析，2001年以后与2001～2008年的地类转移概率较为相近.因此，本研究以2001年的土地利用现状数据为基础，采用2001～2008年的地类转移概率矩阵进行马尔柯夫预测.

3.3 预测及检验

在Matlab 7.0软件中，以2001年数据为基准，取步长 n=7，k 取 1，2，3，4，分别计算出 2008，2015，2022，2029年土地利用情况，再通过2008年预测结果与该时期的遥感影像解译结果进行对比分析，检验预测结果与实际结果的一致性.

3.4 结果及讨论

经过计算，得出2008～2029年海口市滨海旅游区土地利用变化情况预测（见表7）.

通过曲线图可以更直观反映未来20 a时期内各种地类面积的变化（见图3）.

为了验证马尔柯夫链在土地利用结构变化中的可用性，以2001年土地利用结构为初时状态，即：S（0）=[10 822.84 4 850.39 33 412.94 1 421.46 7 264.54 3 647.24]经过7步模拟得到2008年海口市滨海旅游区的土地利用结构状态（见表8）.

表7 2008～2029年土地利用变化预测 hm2Tab.7 Land use change prediction from 2008 to 2029 hm2

表8 马尔柯夫链模拟2008年土地利用结构检验 hm2Tab.8 Land use structure test by Markov chain simulation in 2008 hm2

由表8可见，应用马尔柯夫链模拟出2008年研究区土地利用结构面积与遥感影像提取的结果对比二者差值很小，耕地差值最大也仅为2.07 hm2，与整个耕地面积相比比例很小.由此表明，模拟结果与遥感影像提取的结果基本一致.说明用转移概率矩阵，通过马尔柯夫链模拟和预测土地利用变化是可行的.

表7显示海口市滨海旅游区未来土地利用在今后20 a期间表现趋势为：

1）建设用地持续增加，城市扩张继续，但是趋势逐步变得平缓.2015，2022，2029年，建设用地分别增加至 20 807.34，23 095.02，24 605.34 hm2.此外，2008～2015年，2015～2022年，2022～2029年建设用地增幅分别为：3 571.83，2 287.68，1 510.32 hm2，呈现逐渐减少态势，表明建设用地每年会有所增长，但是逐年趋缓.

2）和建设用地形成鲜明反差的是：耕地持续减少，趋势明显.2015，2022，2029年耕地面积逐渐减少 至 25 360.65，23 038.59，21 474.88 hm2. 此 外 ，2008～2015年，2015～2022年，2022～2029年耕地面积减幅分别为：3 399.13，2 322.06，1 563.71 hm2，表明随着建设用地的持续增加，耕地面积减少趋势较为明显.

3）水域面积缓慢增长，增幅降低.2015，2022，2029年水域面积逐渐分别增加至9853.96，10459.39，10 870.14 hm2.此外，2008～2015年，2015～2022年，2022～2029年水域面积增幅分别为：925.93，605.43，4 10.75 hm2.这主要是水产养殖继续发展所造成，据海口市统计年鉴，2001年海口市水产养殖面积仅为772 hm2，至2008年水产养殖面积增加至4 894 hm2.虽然该数据是整个海口市的水产养殖面积增加情况，但是水产养殖在海口市滨海旅游区占了大部分，所以未来20 a时间内水域面积依然会缓慢增长.

4）有林地、未利用地和湿地都将出现比较平缓的减少趋势.到2029年，有林地面积、未利用地面积和湿地面积分别减少至 2 489.47、756.10，1 233.37 hm2.

4 结论

根据马尔柯夫预测，海口市滨海旅游区未来土地利用在今后近20 a时期内表现为：建设用地持续增加，由此而导致耕地明显急剧锐减，但两者趋势都逐渐减缓；水域面积也有所增长，而有林地、未利用地略有减少，但变化不明显.此外，海口市滨海旅游区各土地利用类型在2008～2015年间变化幅度最大，而后变化的幅度有所减弱，其中建设用地持续增加与耕地面积迅速锐减的趋势形成鲜明对比，随着区域经济发展与人口的增加，人地矛盾与环境保护等问题都将变得较为突出.为了实现土地资源的可持续利用以及区域生态平衡，这种情况应该引起高度重视，并采取有效措施进行宏观调控，落实保护耕地政策，加强城市建设用地管理，鼓励旧城改造同时适当限制大型房地产项目的盲目扩张，加强区域环境保护等，使之向更合理的方向发展.

本文分析了海口市滨海旅游区1991～2008年土地利用/土地覆盖变化情况，结合GIS技术手段，利用马尔柯夫预测模型对其未来20 a时期内 （至2029年）土地利用变化的趋势进行了预测.鉴于研究时间的限制，相关研究资料及影像数据收集困难等原因，只获得了1991，2001，2008年的影像数据，因而在进行马尔柯夫预测时受一定制约，但不影响最终结果.此外，本研究还有许多方面值得深入研究：如海口市滨海旅游区土地利用/土地覆盖变化的机制、驱动力问题，以及由此而可能引起的生态环境效应评价等.

［1］蔡运龙.土地利用/覆被变化研究:寻求新的综合途径[J].地理研究,2001,20（6）:645-652.

［2］Turner II BL,Skole D,Sanderson S,et al.Land use and land cover change science/research plan[C]//IGBP,IGBP Report No.35 IHDP Report No.7 Stochkholm:IGBP,1995:52-60.

［3］李秀彬.全球环境变化的核心领域―土地利用/土地覆盖变化的国际研究动向[J].地理学报,1996,51(6):553-557.

［4］史培军.人地系统动力学研究的现状与展望[J].地学前缘,1997,4(1/2):201-211.

［5］施明乐.基于GIS的长乐市土地利用变化及其环境效应研究[D].福州:福建师范大学,2004.

［6］赵庚星,李强,李玉环,等.GIS支持下的马尔柯夫链模型模拟垦利县土地利用空间格局变化[J].泰安:山东农业大学学报,1999,30(4):345-349.

［7］鲍文东.基于GIS的土地利用动态变化研究[D].青岛:山东科技大学,2007.

［8］贾科利.基于遥感、GIS的陕北农牧交错带土地利用与生态环境效应研究[D].杨陵:西北农林科技大学,2007.

［9］刘启承,熊文强,韩贵锋.用马尔可夫理论预测三峡库区地土地利用趋势[J].重庆大学学报:自然科学版,2005,28(6):107-110.

［10］吴琼,王如松,李宏卿,等.土地利用/景观生态学研究中的马尔可夫链统计性质分析[J].应用生态学报,2006,17(3):434-437.

［11］徐岚,赵羿.利用马尔柯夫过程预测东陵区土地利用格局的变化[J].应用生态学报,1993,4(3):272-277.

［12］赵庚星,李强,李玉环,等.GIS支持下的马尔柯夫链模型模拟垦利县土地利用空间格局变化[J].泰安:山东农业大学学报,1999,30(4):345-349.

［13］全斌,朱鹤健,晏路明,等.厦门岛土地利用变化趋势预测[J].资源科学,2004,26(5):98-103.

［14］曹晶晶,吴静,李存斌.基于马尔柯夫模型的酒泉市肃州区LUCC趋势预测[J].国土与自然资源研究,2008(1):45-47.

［15］Brown D G,Pijanowski B C,Duh J D.Modeling the relationships between land use and land cover on private lands in the Upper Midwest,USAJ[J].Journal of Environmental Management,2000,59(4):247-263.

［16］陈龙泉,郑海金.基于Markov-CA的土地利用/土地覆盖变化动态模型研究[J].测绘信息与工程,2004,29(1):36-37.

［17］王良健,包浩生,彭补拙.基于遥感与GIS的区域土地利用变化的动态监测与预测研究[J].经济地理,2000,20(2):47-51.

［18］江源,高清竹,何立环,等.基于Landsat-TM数据的农牧交错带景观结构研究[J].应用生态学报,2002,13(4):403-408.

［19］莫源富,周立新.TM数据在土地动态监测中的应用[J].国土资源遥感,2000,44(2):13-17.

［20］杜自强,王建,陈正华,等.基于RS和GIS的区域土地利用动态变化及演变趋势分析[J].干旱区资源与环境,2007,20(1):115-119.

［21］夏小梅,陈阿林,杨华.基于遥感与GIS的LUCC及马尔柯夫过程趋势预测[J].水土保持研究,2009,16(5):19-24.

［22］Lucas I F,Frans J M.Accuracy assessment of satellite derived land-cover data:areview[J].Photogrammetric Engineering&Remote Sensing,1994,60(4):410-432.

［23］张燕玲.旅游开发对风景区土地利用和景观的影响研究[D].武汉:华中科技大学,2006.

责任编辑：黄 澜

Study on the LUCC Trend of the Coastal Resorts of Haikou City

ZHANG Minghu，LI Pengshan,SUN Shan，XIE Genzong*
（College of Geography and Tourism，Hainan Normal University，Haikou 571158，China）

This paper selects the coastal resorts of Haikou City as the research object and remote sensing image of 1991,2001,2008 as the main data source.The object-oriented information extraction technology as well as the Land usage and cover information of the coastal tourist areas in Haikou City from 1991 to 2008 were also used in this paper.Combined with GIS ecology and Markov prediction model,the paper has forecasted the trend of land usage's change in the 20a within the next period,the results show that:the areas of forest,farmland,wetlands and unutilized land in coastal resorts will continue to decline,in 2029,the corresponding area will be 2 489.47 hm2,21 474.88 hm2,1 233.37 hm2,756.10 hm2respectivly;the area of the land for construction will continue to increase to 24 605.34 hm2,and the water area will increase to 10 870.14 hm2slowly.The variation range of each type of land usage in the research area is largest between 2008 and 2015,and then will be weakened.

land usage and cover change（LUCC）；trend forecast；the coastal resorts in Haikou City

F 301

A

1674-4942（2010）02-0198-06

2010-03-15

海南省自然科学基金项目（80688）；海南省普通高等学校研究生创新科研课题 (Hxwsy2008-24)

*