基于CLUE—S模型重金属污染区域空间优化配

刘亚萍+赵艳玲+侯东文+等

摘要：以山东省某重金属污染区域为例，以重金属污染程度、自然条件等内部驱动因子为背景，受社会经济、人口密度等外部驱动因子的综合影响，使用CLUE-S模型对该区域进行土地再利用空间优化配置，并对模拟结果进行精度评价，结果表明：Kappa指数达到0.72，模型具有良好模拟区域土地利用变化的能力，得到2007—2017年的土地利用模拟图，显示出各土地利用类型的变化趋势。人口密度增加，住宅用地增加118.7 hm2，增加率为10.26%；在政策及经济效益最大化的约束下，林地大幅增加了325.5 hm2，增加率为103.52%，重金属污染区域减小到0，减少率为100%。这些变化为该区域空间再利用优化设计的提出奠定了基础。

关键词：重金属污染；空间优化配置；CLUE-S模型；土地利用变化

中图分类号： X53文献标志码： A文章编号：1002-1302（2014）06-0326-04

收稿日期：2013-12-12

基金项目：教育部新世纪优秀人才支持计划（编号：NCET-12-0964）。

作者简介：刘亚萍（1988—），女，河南焦作人，硕士研究生，研究方向为环境污染治理与评价及国土资源环境遥感。E-mail：yaya080921@163.com。随着我国社会经济的不断发展、人们生活水平的不断提高，重金属通过不同途径进入到土壤，使得土壤污染日益严重[1]。治理这些污染土地的同时，有必要对该区域进行进一步空间优化配置研究。土地利用优化配置是实现土地资源合理利用和区域可持续发展的重要途径和手段[2]，而传统的土地优化配置研究主要是关注土地利用数量结构的优化而忽略土地利用空间优化的布局，这样也使得土地利用空间布局变化的模拟成为土地利用/覆被变化（LUCC）研究的难点重点问题[3-5]。CLUE-S（conversion of land use and its effects at small region extent）模型[6-8]是荷兰瓦赫宁根大学土地利用变化和影响研究小组在CLUE模型的基础上开发的。LUCC空间模型是通过一定约束条件来设计完成的，CLUE-S模型假设某地区的土地利用变化受该地区的土地利用需求驱动，并且该地区的土地利用分布格局总是与该地区土地需求以及该地区的自然环境和社会经济状况处于一个动态的平衡[9-10]，在此假设的基础上，CLUE-S模型运用系统论的方法处理不同土地利用类型之间的竞争关系，实现对不同土地利用变化的同步模拟[11]，其理论基础包括土地利用变化的关联性、土地利用变化的等级特征、土地利用变化竞争性和土地利用变化的相对稳定性等。本研究将CLUE-S模型应用到山东省的一个污染区域，进行空间优化的配置研究，结果表明该模型可以预测该地区的空间分配结构趋势，以期为这片污染区域未来土地的利用格局规划提供科学依据。

1研究区概况

研究区为山东省菏泽市某重金属污染区域，地理坐标为116°05′E、35°24′N，属温带季风气候，雨热同季，四季分明。该地区地势平坦，历史悠久，文化底蕴深厚，矿产资源比较丰厚，探明矿产储量总量较大，储量丰富的一些重要矿产在全国占有重要位置。矿产资源的开发，给该地区带来了可观的经济效益，但随之也出现了许多环境问题。该地区受到不同程度的重金属污染，虽经过了初步修复，但缺乏统一的管理，各种地类利用水平粗放低下，集约化利用强度差。为使该地区得到更好的规划、土地得到更合理的分配，使用CLUE-S模型对该地区进行规划。

在矿产资源的开采生产过程中，会产生大量的废气、废水及固体废物[12]。这些废弃物的排放给矿区及矿区周围居民的生产和生活带来极大的危害，同时也带来一系列的环境问题，使矿区生态环境遭到严重破坏，甚至威胁到整个矿区生态圈。在该地区开采矿山时产生的大量废水、尾矿未经处理就直接排入水体，使用受污染的水浇灌田地使得农作物也受到污染，严重破坏了生态环境，而使用受污染的水体或农作物，可使重金属在人体内积聚，如果超过人体所能耐受的限度，会造成人体中毒。重金属污染已相当严重，其对环境和生物的危害极大，在解决重金属污染的同时，对该地区各种地类的规划也同等重要。考虑重金属的污染程度以及该地区各个环境影响因子，确定修复次序及方向是本研究需要解决的问题。

2方法与数据

2.1研究方法

使用CLUE-S模型对研究区进行了空间优化分析。通常使用的空间分析方法只是在数量级上的变化或者结果只是一个概念，不能很好地反映到具体实施中[13]。而CLUE-S 模型是在多尺度上通过实现定量、定性生物地理和人类驱动因子空间，直观表达土地利用变化的目标而研发出来的，较适用于小尺度的区域土地利用变化研究模型。

从概念上来说，CLUE-S模型由非空间土地需求模块和土地利用变化空间分配模块2个主要模块组成[14]。非空间模块通过对人口、社会经济及政策法规等土地利用变化驱动因素的分析，计算研究地区不同土地利用类型的需求变化。空间分配模块则是把非空间土地需求模块计算出来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。

CLUE-S模型主要包括土地政策与限制区域、土地利用类型转换规则、土地需求分析、统计分析、空间分配5个部分[15]。土地政策和限制区域影响区域的土地利用格局[16]，分为2类：一类是区域性限制因素，另一类是政策性限制因素。 土地利用类型转换规则决定模拟时间的动力，包括土地利用类型转移弹性和转移次序两部分。土地利用类型转移弹性主要受土地利用类型变化可逆性的影响，一般用0～1的数值表示；值越接近1表明该地类越稳定，转移可能性越小。土地利用类型转移次序由设定各个土地利用类型之间的转移矩阵来定义各种土地利用类型之间能否相互实现转变：1表示可以转变，0表示不能转变。土地需求是通过外部模型计算或估算，用来限定模拟过程中每种土地利用类型的变化量，以逐年的方式输入到模型中。统计分析是运用统计方法及分析对象的有关知识，从定量与定性方面结合进行研究的活动。在这个模型中，用Logistic回归来计算事件的发生概率[17]，使用自变量作为预测值，就可以解释土地利用类型及其驱动力因素之间的关系，它的优点是变量既可以是连续的也可以是独立的，其表达式为：

lg（Pi1-Pi）=β0+β1X1i+β2X2i+…+βnXni

式中：Pi表示每个栅格单元可能出现某种土地利用类型i的概率；X表示各个驱动因素；β是回归方程的解释变量系数，表示各种地类（因变量）和驱动因子（自变量）的定量关系。

2.2数据准备与处理

研究中使用的数据为该地区2007年的土地利用现状图，其他社会经济数据参考《2007山东统计年鉴》，根据模型的使用限制以及原有土地分类中土地利用类型的相似性，将该地区原有土地利用类型合并为耕地、住宅用地、林地、水域及道路用地、重金属污染区域5类。

考虑数据资料的相关性、易获得性和可用性等条件，选择距主干道的距离、距河流的距离、距住宅中心的距离、人口密度、重金属污染程度5个因素作为驱动因子，其中人口密度为动态因子，其他4个属于对土地再利用分布影响较大但短期相对稳定的驱动因子，各驱动因子的示范见图1。

通过对2007年的土地利用图在ARCGIS中的数据提取，结合统计年鉴并参阅其他关于该地区土地利用变化历史背景研究的文献，在此基础上设定模型中各地类的转移弹性和转移次序，表1为不同土地的利用转换规则，各地类的转换弹性系数为：耕地（0.7）、住宅用地（1）、林地（1）、水域及水利设施用地（1）、重金属污染区域用地（0.2）。

有很多方法可以计算土地利用需求，在本研究中，根据该地区2007年各用地类型面积和统计年鉴，综合考虑该地区的

不同土地利用类型转换规则

地类耕地住宅用地林地水域及水利

设施用地重金属污

染区域用地耕地11110住宅用地01000林地01100水域及水利设施用地01010重金属污染区域用地01101

土地再利用状况及其社会经济的发展趋势，采用线性内插的方法计算研究区逐年的土地利用需求，得到预测规划期内每年的土地利用需求量（表2）。

预测规划期内每年的土地利用需求量

年份需求量（hm2）耕地住宅

用地林地水域及水

利设施用地重金属

污染用地20078 623.011 156.96314.44317.79409.0620088 617.991 168.83346.99319.30368.1520098 612.971 180.7379.54320.80327.2520108 607.951 192.57412.09322.31286.3420118 602.931 204.44444.64323.81245.4420128 597.911 216.31477.19325.32204.5320138 592.891 228.18509.74326.83163.6220148 587.871 240.05542.29328.33122.7220158 582.851 251.92574.84329.8481.8120168 577.831 263.79607.39331.3440.9120178 572.811 275.66639.94332.850

从优化配置的结果可以看出：耕地由2007年的 8 623.01 hm2 减少到8 572.81 hm2，减少了50.2 hm2，减少率为0.58%。随着人口数量的增加，人口密度变大，住宅用地由2007年的1 156.96 hm2增加到1 275.66 hm2，增加了 118.7 hm2，增加率为10.26%。考虑经济效益的最大化，以及政府退耕还林政策的积极响应，林地由2007年的 314.44 hm2 增加到639.94 hm2，增加了325.5 hm2，增加率为 103.52%；重点优化的重金属污染用地由2007年的 409.06 hm2 减少到0，减少率为100%（表2）。

3结果与分析

为验证模拟结果的准确性，本研究采用Kappa指数定量反映模型的模拟效果。CLUE-S模型对2007年土地利用进行空间模拟，图2为2007年土地利用图和模拟图对比。经计算，Kappa指数为0.72，模拟的准确度相对较高，说明该模型具有良好的模拟区域土地利用变化的能力，能用于研究区土地利用的预测。

以2007年土地利用数据为基础，将土地利用需求、转换弹性系数等相关参数输到模型中，模拟得到该污染区域规划后的土地利用现状图（图3）。

由土地再利用变化的模拟结果可知，土地类型的转化受内部驱动因子和外部驱动因子的综合影响。场区污染程度是土地类型转化影响程度最大的因子，土地利用转换规则对土地类型的转换影响较大。污染较轻的地区最先转化，转化成林地的居多；污染较重的地区需先修复，待达到规定的指标后方可进行转化，转化得较慢。同时，外部性因子也是影响土地利用类型转换的重要因素。区域人口密度及距住宅中心的距离都对土地利用类型的转换造成影响。随着人口密度的增加，当距住宅中心近且污染程度较轻时，优先转换为住宅用地；而在距离住宅中心较远，污染又相对重的地区转换为林地的居多。

模拟后的土地利用空间配置更趋于合理。随着人口的增加，住宅面积扩大，比2007年的1156.96hm2

增加了118.7 hm2，增加率为10.26%。相应耕地面积略有减少，少了50.2 hm2。水系及道路用地变化不明显，林地则大幅度增加，增加了325.5 hm2。而对于重点进行优化的重金属污染用地则大部分已转化成其他地类，根据污染的情况不同，转化为各个地类也不尽相同：林地居多，这是考虑重金属污染区域修复成本可以达到的最快效果，可将污染修复的成本降到最低；转化为水域及住宅用地则较少，这与污染程度有很大关系，并且也要尽量避免对人体的危害，污染严重的地区禁止转化为该种地类。

4结论与讨论

土地利用类型的转换研究作为区域土地内在转换规律研究的重要组成部分，可以为政府决策该地区未来的规划方向提供科学依据。从污染的轻重程度出发，紧紧把握周边地区的土地利用结构，并依据土地之间转换的相关规则政策，可以更好地引导土地利用类型的转换与分配。

使用Arcgis软件可以提取建立与空间信息一致的属性信息，以各个地块栅格单元是否变化为因变量，使用 CLUE-S 模型可以有效地从空间角度定量地分析地类之间的转换，并结合人口密度及相关的政策法规，进一步揭示各地类之间的相互关系与变化驱动机制。以山东省重金属污染区域为例，对内部和外部的驱动力进行了深入分析，从而能更精确地为地类之间的相互转换提供依据。CLUE-S模型模拟结果表明，地类间的相互转换是在周围地类现状的基础上，以污染程度的轻重、自然、政策等驱动因子为背景，受土地间相互转换规则为影响而发生。可以为重金属污染区域选择一个能有效

利用土地并且经济效益最大的地类转换方向。

重金属污染区域驱动因子的选择分析表明，要尽快规划该污染区域，应选择好规划后的土地利用类型，在考虑污染的同时应有效利用土地。随着人口的增加和人口密度的加大，住宅用地也相应变大。由于污染程度的不同，在污染较轻的地区可以根据周围地类的需要选择性转变；而在污染较重的地区，考虑修复成本及经济效益最大化则最好转换成林地，可以达到土地的最大化利用。

由于数据获取的限制，本研究选择的驱动因子较少，没能选取高程或一些具体的信息，如果能得到更多的小尺度数据或得到更清晰的区域图，加上对该地区的实地走访调查，就可以更精确地揭示土地利用的转换方向并提供更精确的区域规划图。

参考文献：

[1]潘影，刘云慧，王静，等. 基于CLUE-S模型的密云县面源污染控制景观安全格局分析[J]. 生态学报，2011，31（2）：529-537.

[2]罗鼎，许月卿，邵晓梅，等. 土地利用空间优化配置研究进展与展望[J]. 地理科学进展，2009，28（5）：791-797.

[3]高志强，易维. 基于CLUE-S和Dinamica EGO模型的土地利用变化及驱动力分析[J]. 农业工程学报，2012，28（16）：208-216.

[4]王丽艳，张学儒，张华，等. CLUE-S模型原理与结构及其应用进展[J]. 地理与地理信息科学，2010，26（3）：73-77.

[5]谢正峰，董玉祥. 我国城市土地优化配置研究演进与展望[J]. 经济地理，2011，31（8）：1364-1369.

[6]吴健生，冯喆，高阳，等. CLUE-S模型应用进展与改进研究[J]. 地理科学进展，2012（1）：3-10.

[7]吴桂平. CLUE-S模型的改进与区域土地利用变化模拟[D]. 长沙：中南大学，2008.

[8]Hu Y C，Zheng Y M，Zheng X Q. Simulation of land-use scenarios for Beijing using CLUE-S and Markov composite models[J]. Chinese Geographical Science，2013，23（1）：92-100.

[9]杨勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]邵景安，李阳兵，魏朝富，等. 区域土地利用变化驱动力研究前景展望[J]. 地球科学进展，2007，22（8）：798-809.

[11]刘仁志，沙博. CLUE-S模型在规划环境影响评价中的应用[J]. 应用基础与工程科学学报，2011，19（1）：64-73.

[12]吴晓丽，许泉，王进，等. 江苏南通常规农田土壤重金属污染状况研究[J]. 江苏农业科学，2005（5）：124-126.

[13]吴桂平，曾永年，冯学智，等. CLUE-S模型的改进与土地利用变化动态模拟——以张家界市永定区为例[J]. 地理研究，2010，29（3）：460-470.

[14]戴声佩，张勃. 基于CLUE-S模型的黑河中游土地利用情景模拟研究——以张掖市甘州区为例[J]. 自然资源学报，2013，28（2）：336-348.

[15]陈功勋. 基于CLUE-S模型和GIS的土地利用变化模拟研究——以苏州市吴中区为例[D]. 南京：南京大学，2012.

[16]余婷，柯长青. 基于CLUE-S模型的南京市土地利用变化模拟[J]. 测绘科学，2010，35（1）：186-188.

[17]姜广辉，张凤荣，陈军伟，等. 基于Logistic回归模型的北京山区农村居民点变化的驱动力分析[J]. 农业工程学报，2007，23（5）：81-87.

使用Arcgis软件可以提取建立与空间信息一致的属性信息，以各个地块栅格单元是否变化为因变量，使用 CLUE-S 模型可以有效地从空间角度定量地分析地类之间的转换，并结合人口密度及相关的政策法规，进一步揭示各地类之间的相互关系与变化驱动机制。以山东省重金属污染区域为例，对内部和外部的驱动力进行了深入分析，从而能更精确地为地类之间的相互转换提供依据。CLUE-S模型模拟结果表明，地类间的相互转换是在周围地类现状的基础上，以污染程度的轻重、自然、政策等驱动因子为背景，受土地间相互转换规则为影响而发生。可以为重金属污染区域选择一个能有效

利用土地并且经济效益最大的地类转换方向。

重金属污染区域驱动因子的选择分析表明，要尽快规划该污染区域，应选择好规划后的土地利用类型，在考虑污染的同时应有效利用土地。随着人口的增加和人口密度的加大，住宅用地也相应变大。由于污染程度的不同，在污染较轻的地区可以根据周围地类的需要选择性转变；而在污染较重的地区，考虑修复成本及经济效益最大化则最好转换成林地，可以达到土地的最大化利用。

由于数据获取的限制，本研究选择的驱动因子较少，没能选取高程或一些具体的信息，如果能得到更多的小尺度数据或得到更清晰的区域图，加上对该地区的实地走访调查，就可以更精确地揭示土地利用的转换方向并提供更精确的区域规划图。

参考文献：

[1]潘影，刘云慧，王静，等. 基于CLUE-S模型的密云县面源污染控制景观安全格局分析[J]. 生态学报，2011，31（2）：529-537.

[2]罗鼎，许月卿，邵晓梅，等. 土地利用空间优化配置研究进展与展望[J]. 地理科学进展，2009，28（5）：791-797.

[3]高志强，易维. 基于CLUE-S和Dinamica EGO模型的土地利用变化及驱动力分析[J]. 农业工程学报，2012，28（16）：208-216.

[4]王丽艳，张学儒，张华，等. CLUE-S模型原理与结构及其应用进展[J]. 地理与地理信息科学，2010，26（3）：73-77.

[5]谢正峰，董玉祥. 我国城市土地优化配置研究演进与展望[J]. 经济地理，2011，31（8）：1364-1369.

[6]吴健生，冯喆，高阳，等. CLUE-S模型应用进展与改进研究[J]. 地理科学进展，2012（1）：3-10.

[7]吴桂平. CLUE-S模型的改进与区域土地利用变化模拟[D]. 长沙：中南大学，2008.

[8]Hu Y C，Zheng Y M，Zheng X Q. Simulation of land-use scenarios for Beijing using CLUE-S and Markov composite models[J]. Chinese Geographical Science，2013，23（1）：92-100.

[9]杨勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]邵景安，李阳兵，魏朝富，等. 区域土地利用变化驱动力研究前景展望[J]. 地球科学进展，2007，22（8）：798-809.

[11]刘仁志，沙博. CLUE-S模型在规划环境影响评价中的应用[J]. 应用基础与工程科学学报，2011，19（1）：64-73.

[12]吴晓丽，许泉，王进，等. 江苏南通常规农田土壤重金属污染状况研究[J]. 江苏农业科学，2005（5）：124-126.

[13]吴桂平，曾永年，冯学智，等. CLUE-S模型的改进与土地利用变化动态模拟——以张家界市永定区为例[J]. 地理研究，2010，29（3）：460-470.

[14]戴声佩，张勃. 基于CLUE-S模型的黑河中游土地利用情景模拟研究——以张掖市甘州区为例[J]. 自然资源学报，2013，28（2）：336-348.

[15]陈功勋. 基于CLUE-S模型和GIS的土地利用变化模拟研究——以苏州市吴中区为例[D]. 南京：南京大学，2012.

[16]余婷，柯长青. 基于CLUE-S模型的南京市土地利用变化模拟[J]. 测绘科学，2010，35（1）：186-188.

[17]姜广辉，张凤荣，陈军伟，等. 基于Logistic回归模型的北京山区农村居民点变化的驱动力分析[J]. 农业工程学报，2007，23（5）：81-87.

使用Arcgis软件可以提取建立与空间信息一致的属性信息，以各个地块栅格单元是否变化为因变量，使用 CLUE-S 模型可以有效地从空间角度定量地分析地类之间的转换，并结合人口密度及相关的政策法规，进一步揭示各地类之间的相互关系与变化驱动机制。以山东省重金属污染区域为例，对内部和外部的驱动力进行了深入分析，从而能更精确地为地类之间的相互转换提供依据。CLUE-S模型模拟结果表明，地类间的相互转换是在周围地类现状的基础上，以污染程度的轻重、自然、政策等驱动因子为背景，受土地间相互转换规则为影响而发生。可以为重金属污染区域选择一个能有效

利用土地并且经济效益最大的地类转换方向。

重金属污染区域驱动因子的选择分析表明，要尽快规划该污染区域，应选择好规划后的土地利用类型，在考虑污染的同时应有效利用土地。随着人口的增加和人口密度的加大，住宅用地也相应变大。由于污染程度的不同，在污染较轻的地区可以根据周围地类的需要选择性转变；而在污染较重的地区，考虑修复成本及经济效益最大化则最好转换成林地，可以达到土地的最大化利用。

由于数据获取的限制，本研究选择的驱动因子较少，没能选取高程或一些具体的信息，如果能得到更多的小尺度数据或得到更清晰的区域图，加上对该地区的实地走访调查，就可以更精确地揭示土地利用的转换方向并提供更精确的区域规划图。

参考文献：

[1]潘影，刘云慧，王静，等. 基于CLUE-S模型的密云县面源污染控制景观安全格局分析[J]. 生态学报，2011，31（2）：529-537.

[2]罗鼎，许月卿，邵晓梅，等. 土地利用空间优化配置研究进展与展望[J]. 地理科学进展，2009，28（5）：791-797.

[3]高志强，易维. 基于CLUE-S和Dinamica EGO模型的土地利用变化及驱动力分析[J]. 农业工程学报，2012，28（16）：208-216.

[4]王丽艳，张学儒，张华，等. CLUE-S模型原理与结构及其应用进展[J]. 地理与地理信息科学，2010，26（3）：73-77.

[5]谢正峰，董玉祥. 我国城市土地优化配置研究演进与展望[J]. 经济地理，2011，31（8）：1364-1369.

[6]吴健生，冯喆，高阳，等. CLUE-S模型应用进展与改进研究[J]. 地理科学进展，2012（1）：3-10.

[7]吴桂平. CLUE-S模型的改进与区域土地利用变化模拟[D]. 长沙：中南大学，2008.

[8]Hu Y C，Zheng Y M，Zheng X Q. Simulation of land-use scenarios for Beijing using CLUE-S and Markov composite models[J]. Chinese Geographical Science，2013，23（1）：92-100.

[9]杨勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]邵景安，李阳兵，魏朝富，等. 区域土地利用变化驱动力研究前景展望[J]. 地球科学进展，2007，22（8）：798-809.

[11]刘仁志，沙博. CLUE-S模型在规划环境影响评价中的应用[J]. 应用基础与工程科学学报，2011，19（1）：64-73.

[12]吴晓丽，许泉，王进，等. 江苏南通常规农田土壤重金属污染状况研究[J]. 江苏农业科学，2005（5）：124-126.

[13]吴桂平，曾永年，冯学智，等. CLUE-S模型的改进与土地利用变化动态模拟——以张家界市永定区为例[J]. 地理研究，2010，29（3）：460-470.

[14]戴声佩，张勃. 基于CLUE-S模型的黑河中游土地利用情景模拟研究——以张掖市甘州区为例[J]. 自然资源学报，2013，28（2）：336-348.

[15]陈功勋. 基于CLUE-S模型和GIS的土地利用变化模拟研究——以苏州市吴中区为例[D]. 南京：南京大学，2012.

[16]余婷，柯长青. 基于CLUE-S模型的南京市土地利用变化模拟[J]. 测绘科学，2010，35（1）：186-188.

[17]姜广辉，张凤荣，陈军伟，等. 基于Logistic回归模型的北京山区农村居民点变化的驱动力分析[J]. 农业工程学报，2007，23（5）：81-87.