我国土地利用动态预测与模拟研究新进展

2012-08-15朱英红

绿色科技 2012年3期

崔昊，朱英红

（山东师范大学人口·资源与环境学院，济南250014）

1 引言

土地利用／覆被变化是全球变化研究的核心领域［1］，对其驱动因子、驱动力和变化机制的研究一直是土地利用／覆盖变化的研究主题，研究工作主要集中在监测和解释方面。国内学者在这方面做了大量工作，取得了较大进展，也有力地支持了国土资源管理工作［2］。但随着人地矛盾的日益突出，土地利用变化越发复杂，研究视角仅停留在对历史的回顾和现状的描述上已经无法很好地指导土地资源的合理配置，迫切需要将研究领域着眼于未来。

土地利用动态预测与模拟主要包括两方面的内容：一是基于时间序列的数量预测；二是基于时空格局的动态模拟。数量预测在模型的构建上相对简单，也能够在一定程度上反映土地利用变化的驱动力，但一个固有的问题是其不具有空间意义，无法进行布局的优化配置，所以实际指导意义受到较大限制。受技术的制约，我国在空间模拟领域的研究相对于国际要落后，近年来，随着研究的深入和3S技术的成熟，我国学者也开始重视土地利用的空间模拟，并逐渐发展成为研究的热点［3］。当然，即使模型构建得再好，也不能完全模拟出土地利用的动态发展，只能模拟其发展的大体趋势。但是，预测与模拟研究的目的不在于达到绝对精确，其意义在于从相对准确的拟合结果或发展趋势中发现问题，为土地利用规划、国土资源管理提供重要决策支持，从而选择最理想的土地利用方式。

2 基于时间序列的数量预测

基于时间序列的数量预测，是指在历史数据支持下，通过构建合适的模型，以得到未来某一时点或某一时期内土地利用数量情况的过程。传统的预测方法大都以线性回归模型、指数平滑模型等方法为主，但由于土地利用变化受众多驱动因素的影响，是一个动态、非线性与多反馈回路的复合系统，用传统的预测方法进行预测，在模型预测的精度及应用上受到较大限制。近几年，一些新的方法和模型开始被学者采用，如马尔可夫模型、灰色系统模型、系统动力学模型、BP神经网络模型等，虽然一些方法还存在一些争论，但这些研究扩展了研究的视角，推动了此研究领域的发展。

马尔可夫模型是一种概率预测模型，通过构建状态转移概率矩阵，可以方便地对未来土地利用结构进行预测，国内许多学者采用马尔可夫模型对土地利用变化进行了分析和模拟。如胡召玲，张国成等以徐州市1994、2003年TM影像为底图，在人工解译的基础上得到了两期土地利用现状图，采用马尔可夫模型分析了历史变化状况并预测了徐州市未来18年各类用地类型的变化情况，发现了研究区土地利用中出现的问题［4］。张春华，王宗明利用马尔可夫模型研究了对三江平原地区的土地利用状况，研究表明在稳定的土地利用政策下，利用马尔可夫模型定量地分析和预测土地利用变化情况能够得到较好的结果，特别是自然状态下的土地利用变化［5］。

灰色系统是我国学者邓聚龙教授提出的一种预测方法，通过对没有规律的数据进行累加或累减变换，拟合出有规律的数据列，并在此基础上进行预测，该方法在贫数据情况下的预测方面有一定的优势。陈峰，胡振琪等根据灰色系统理论，建立了辽宁省某市林业用地的常规GM（1，1）预测模型，并进行了模型精度检验，相对误差最大为0．53%，利用该模型对2003年的林业用地状况进行了预测检验，相对误差为3．65%，小于5%，证明该预测模型预测精度较高，预测效果较好［6］。刘耀林、刘艳芳，黄成毅等在分析现有耕地预测方法的基础上，针对灰色GM（1，1）预测与马尔柯夫预测的优点和不足，提出了基于灰色－马尔可夫链的耕地需求量预测模型，并以湖北省耕地需求量为例，对该模型进行了实例验证和应用。研究表明灰色系统预测的优势在于短期预测，缺点在于对长期预测和波动性较大数据列的拟合较差；马尔可夫链预测的优势在于长期预测和对随机波动性较大数据列的预测问题。两者结合后形成的灰色－马尔可夫预测模型就能够用GM（1，1）预测揭示耕地数据列的发展变化总趋势，用马尔可夫链预测来确定状态规律，提高了预测的精度和可行度［7，8］。

由于土地利用变化是一种比较复杂的系统变化，而传统预测方法无法考虑相关因素的影响，从而限制了其预测的可靠性。动力学模型具有相关因素的优势而逐渐被学者接收并采用，已有的研究工作也表明，动力学模型能够从宏观上反映土地利用系统的复杂行为，是进行土地利用情景模拟的良好工具。何春阳，史培军等人利用系统动力学的原理和方法，在不同系统状态下，模拟了中国北方13省未来50年不同社会经济情景下的区域土地利用结构变化，并初步评价了这些变化的可能生态影响，研究表明系统动力学模型具有一定的可靠性，能在一定程度上为当前理解土地利用系统的复杂驱动行为［9］。赵姚阳等采用BP神经网络模型，将江苏省1985～2001年和2002年的相关数据作为模型的训练和测试样本，以2003年的社会、经济数据作为网络的预测输入，对该年的建成区面积进行了预测，结果表明，BP神经网络预测结果与实际面积的误差为3．96%，其预测精度与多元回归预测模型相比有较大改善［10］。

一些学者还尝试了新的预测方法，为该领域的研究提供了一些新的方向。如慎勇扬等采用Monte Carlo模型和CrvsLal Ball软件包相结合的方式，以自变量的分布函数为基础，建立未来各年用地规模函数，基于时间序列预测未来年份的用地规模［11］。这种方法可以为土地利用弹性规划提供一条重要的途径，有助于规划在定量基础上更加符合现实和未来的发展趋势。乔瑞波，李玉平运用生物学中常用的逻辑斯蒂方程对浙江省未来耕地变化情况进行了预测，结果显示方程的相关指数达到0．938，表明方程拟合度较高［12］。

3 基于时空格局的动态模拟

土地利用变化是涉及土地数量变化和空间变化的过程，过去受到技术上的制约，空间变化的研究较难实现。近年来，伴随3S技术的兴起，涉及空间模拟的土地利用变化研究逐渐兴起，大多数研究都利用了元胞自动机（Cellular Automata，简称CA）模型和CLUE－S（Conversion of Land Use and its Effectsat at Small region extent）模型。

3．1 以CA为基础展开的模拟研究

元胞自动机是一种时间、空间和状态都离散的动力系统［13］，局部元胞个体的简单行为能够产生全局、有秩序模式的复杂系统。元胞自动机具有先天的时空动态性，使其在揭示地理过程和模拟土地利用变化方面具有了理论上的可行性。另外，二维正方形元胞空间与GIS中的栅格数据在形态和结构上都具有一致性，这为实际运用元胞自动机模型提供了技术上的可行性。目前，越来越多研究者试图通过CA与其他模型的结合来对元胞自动机模型进行改进，优化模拟过程，为土地利用的时空格局模拟开辟了新的研究方向。其中以马尔可夫（Markov）、人工神经网络（Artificial Neural Network，简称ANN）、多智能体系统（Multi－Agent System，简称MAS）等模型与CA的结合较为常见。

Markov与CA耦合后的模型一般称为CAMarkov模型，其在没有构建必要约束条件的情况下随机性较大，常用于模拟以自然景观为主、人为干扰较小的区域［14～18］。侯西勇基于河西走廊1990年、2000年土地利用矢量数据，运用CA－Markov模型对2010年土地利用分布情景进行了预测。分析了研究区主要变化的地类和主要的变化区域，揭示了人类活动对土地利用的影响过程，提出了优化区域土地利用的途径。郑青华在遥感和水文数据的支持下，引入了景观生态学的定量分析方法，系统分析了1975～2007年伊犁河三角洲景观格局的时空演变特征，并对2020年景观格局的情景进行了模拟与预测。结果表明，研究区景观的斑块破碎化严重，连通性趋于弱化，不同景观类型的差异程度和表现形式各异，原因在于这两个时段自然条件的非一致性和不稳定性以及各景观类型的转移方式和方向不同。鲍文东、唐宽金等将多规则评价方法（Multi－Criteria Evaluation，简称 MCE）引入CA－Markov模型中，建立了CA－MCE－Markov耦合模型［19，20］。MCE利用约束条件和限制因子来建立一组与各地类对应的适宜性图集，该图集定义了每种用地类型的适宜性范围，以及每个元胞的适宜性程度，从而指导各地类向适宜性高的区域扩展，增强了模型的可控性。

黎夏，叶嘉安探讨了一种基于ANN的CA模型，通过对数据的筛选和训练，简化了模型的构建过程［21］，并将模型应用于城市土地的演变中，优化了对城市用地的模拟。徐昔保，杨桂山对黎夏的ANN－CA模型进行了改进，增加了随机扰动，使模拟结果更接近实际变化趋势［22］，并在对兰州市城市土地利用变化情景模拟的研究中取得了较好的结果。李月臣，何春阳借助系统动力学（System Dynamics，简称SD）、人工神经网络和元胞自动机模型建立了“自上而下”和“自下而上”相结合的动态模拟模型，并对北方13省（市）不同情景下土地利用／覆盖变化的时空演变进行了模拟［23］，通过比较分析各情景下的模拟结果，揭示了研究区土地利用／覆盖系统变化的动态机制。

杨青生，黎夏，叶家安运用多智能体和CA模型结合来模拟城市用地扩张的方法，将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中，综合各种因素的影响做出决策，对CA模型中以随机变量体现的不确定性通过Agent决策行为给予了地理意义的新解释［24，25］。

3．2 以CLUE－S为基础展开的模拟研究

CLUE－S假设一个地区的土地利用变化受到自然因素和人文因素的综合影响，并直接由土地需求驱动。通过处理各种土地需求的竞争、等级关系，实现对未来土地利用情景的模拟。CLUE－S模型分为非空间土地需求模块和土地利用变化空间分配模块两部分。其中非空间土地需求模块主要计算研究区内由土地需求驱动因素导致的土地利用类型数量的变化，或者计算设定的不同情景条件下的土地需求，这部分工作需要通过独立于CLUE－S模型之外其它数学模型、经济学模型或者不同的假定条件下的计算或估算来完成。空间分配模块则把非空间土地需求模块计算出的土地需求结果分配到研究区的空间位置上，达到空间模拟的目的［26］。

陆汝成，黄贤金等基于江苏省环太湖地区1990、2000年TM影像和2005年中巴卫星遥感影像等数据，充分利用CLUE－S模型空间模拟特长和Markov模型数量预测优势，应用CLUE－S和Markov复合模型及GIS分析技术分别对现有土地转移速率发展和下的土地利用变化情景进行时空模拟，揭示了不同情景下的土地利用格局变化［27］。吴桂平，曾永年等通过在传统Logistic回归模型中引入空间自相关变量，对CLUE－S模型的空间分析模块进行了改进，提高了模块的拟合优度和拟合精度［28］。

4 结语

目前我国大多数土地利用预测和模拟的研究基本都以引进模型为基础，所依据的基础理论大多是从别的学科借鉴来的，尚未形成自己的基础理论，模型原创性方面还很不足。亟需在应用研究基础上进行深入的基础理论研究，形成自己的核心基础理论。土地利用研究中已经形成定量化研究风气，但另一方面，又出现缺乏逻辑定性思维，滥用数学统计方法的倾向。当前在评价方法上，应用数学模型方法开展研究的成果很多，多是选择若干因素，应用某一模型来计算得出一个结果，但缺乏深入分析和了解模型方法的优缺点和适用范围。总的来看，由于土地利用，变化驱动力因子的多样性，土地利用变化模拟方法的交叉性，土地利用变化模拟已从数量模拟研究转向空间模拟研究，从单方法模拟研究转向多种方法结合的模拟研究，从自然驱动力的建模方式转向自然驱动力与社会经济驱动力相结合的建模方式。单一依赖于某一门学科而建立的模型很难全面地对其进行模拟，因此，建立综合性模型将是今后土地利用动态模拟研究的一个必然趋势。这就要求研究者必须超越他们的学科传统，抛弃原有学科的理论束缚，广泛采用不同的学科理论、方法与技术。

［1］李秀彬．全球环境变化研究的核心领域——土地利用／土地覆被变化的国际研究动向［J］．地理学报，1996，51（6）：553～558．

［2］陈百明，张凤荣．我国土地利用研究的发展态势与重点领域［J］．地理研究，2011，30（1）：1～9．

［3］中国土地学会．土地科学学科发展研究报告［M］．北京：中国科学技术出版社，2010：4～5．

［4］胡召玲，张国成，禚昌芬，等．基于马尔可夫模型对徐州市土地利用动态变化的研究［J］．安徽农业科学，2007，35（8）：2 344～2 345．

［5］张春华，王宗明，宋开山，等．基于马尔可夫过程的三江平原土地利用动态变化预测［J］．遥感技术与应用，2009，24（2）：210～216．

［6］陈峰，胡振琪，马彬，等．灰色系统理论在林业用地预测中的应用［J］．沈阳农业大学学报，2006，37（1）：57～60．

［7］刘耀林，刘艳芳，张玉梅．基于灰色－马尔柯夫链预测模型的耕地需求量预测研究［J］．武汉大学学报：信息科学版，2004，29（7）：575～579，596．

［8］黄成毅，邓良基，方从刚．基于灰色－马尔柯夫模型的区域耕地变化预测研究——以四川盆地中部丘陵区为例［J］．四川师范大学学报：自然科学版，2009，32（6）：816～821．

［9］何春阳，史培军，李景刚，等．中国北方未来土地利用变化情景模拟［J］．地理学报，2004，59（4）：599～607．

［10］赵姚阳，濮励杰，胡晓添．BP神经网络在城市建成区面积预测中的应用——以江苏省为例［J］．长江流域资源与环境，2006，15（1）：14～18．

［11］慎勇扬，叶艳妹．Monte Carlo模拟在建设用地需求预测中的应用［J］．计算机应用与软件，2004，21（11）：30～31，81．

［12］乔瑞波，李玉平，蔡运龙．基于逻辑斯蒂方程的耕地需求预测——以浙江省为例［J］．安徽农业科学，2009，37（33）：16 476～16 478．