基于CA-Markov模型的土地利用/覆盖变化模拟

陈学，朱康文，雷波

(1.重庆市大足区环境保护局环境监测站，重庆　402360；2.重庆市环境科学研究院，重庆　401147)



基于CA-Markov模型的土地利用/覆盖变化模拟

陈学1，朱康文2，雷波2

(1.重庆市大足区环境保护局环境监测站，重庆402360；2.重庆市环境科学研究院，重庆401147)

摘要：研究以重庆市2005年和2010年土地利用/覆盖数据为基础，采用CA-Markov模型进行2020年土地利用/覆盖变化模拟。研究对采用CA-Markov模型模拟重庆市土地利用/覆盖变化需要的转移概率矩阵、适宜性图集、模型参数等进行确定。研究首先利用CA-Markov模型对2010年土地利用/覆盖情况进行模拟，并以2010年的土地利用现状数据进行验证得到模拟精度为85.15%，达到了模拟的精度要求。然后对2020年重庆市土地利用/覆盖变化进行模拟，结果发现人工用地、其他用地、湿地、草地、林地和耕地的占比分别为1.96%、0.56%、1.99%、2.53%、55.42%和37.55%，人工用地和湿地增加速度较快，增加比例达到13.95%和10.86%，主要为林地、草地和其他用地转换。模拟结果能够准确反映重庆市土地利用/覆盖变化的趋势，可在一定程度上为重庆市土地利用布局和可持续发展策略的制定提供参考。

关键词：CA-Markov模型；土地利用/覆盖变化；重庆市

随着城市化进程和社会经济的快速发展，建设用地的不断增加导致人地矛盾持续加剧，如何使土地开发利用更加合理、控制建设用地增速、合理布局城镇用地等是目前急需解决的问题[1-2]。土地利用格局的变化可以在一定程度上反映土地利用的过程，多个时期的土地利用变化的分析可以很好地阐释区域在某一时间段的土地利用时空变化过程和机理[3-4]。通过分析这些变化规律可以建立区域内的土地利用变化模型，有利于预测区域内土地利用/覆盖变化[5]。

目前国内外进行土地利用/覆盖变化的模型较多，使用较多的包括CLUE-S模型[6-8]、CA-Markov模型[9-12]、系统动力学模型[13-16]等基于元胞自动机(CA)原理的模型。CA模型是目前研究土地利用/覆盖变化预测的常用模型之一，且大多数模型都具有非常成熟的软件模块，国内外都有大量研究成果，广泛应用在城市扩张及土地利用/覆盖变化模拟等方面。Markov模型由于具有长期预测的能力也被广泛应用，例如Hulst[17]和Lippe[18]等曾将Markov模型应用在解决植被生态预测问题方面等。但单纯的CA模型侧重于元胞局部的相互作用，而单纯的Markov模型又难以预测土地利用/覆盖的空间格局变化。因此将CA模型和Markov模型结合可以在空间和数量上均取得较好的模拟效果。近年来CA-Markov模型被广泛应用，例如黄晓磊运用Markov模型进行天津市的土地利用预测研究[19]，由于其综合了CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的能力，使土地利用/覆盖变化的模拟更符合实际。

重庆市由于其特殊的地理区位，处于我国二、三级阶梯过渡带，区域内有我国重要的生态屏障——三峡库区，且十八大指出要优化国土空间开发格局，同时重庆市提出“蓝天、碧水、宁静、绿地、田园环保”五大行动以推进重庆市的生态文明建设。但是重庆市属于我国典型的山地城市，区域内适宜建设空间较小，那么随着城市的不断扩张必然导致生态空间遭到破坏。因此合理布局未来的城市发展空间非常有必要，为了更好地规划未来发展空间需要对未来可能出现的土地利用/覆盖变化情况进行预测，以利于城市发展空间的布局。本文以重庆市2005年和2010年土地利用现状数据作为基础数据，采用CA-Markov模型对重庆市2020年的土地利用/覆盖情况进行预测，以期为城市规划布局提供参考。

1数据来源及研究方法

本文采用的2005年和2010年土地利用/覆盖数据为重庆市生态十年遥感调查项目的成果(数据已获国家环保部认可)，土地利用类型分林地、草地、湿地、耕地、人工用地和其他用地6种一级分类。

图1　技术路线图Fig.1　The technology roadmap

研究主要分为总量预测和格局预测两部分，均采用IDRISI Andes 15.0软件对应的CA-Markov模块进行计算，具体流程见图1。本研究计算过程中的元胞大小为30 m×30 m，以2005年和2010年的土地利用转移概率矩阵及各类型土地的适宜性图集作为转换规则输入CA-Markov模型中进行模拟运算，运算中滤波器采用5×5的窗口大小。首先进行2010年的土地利用/覆盖变化模拟，并与2010年现状土地利用数据进行对比分析以验证模拟结果的精度，并对模拟参数进行修改调整，最后进行2020年的土地利用预测。

2结果与分析

2.1生成Markov转移概率矩阵

土地利用转移矩阵用来反映某区域某一时期内的各土地类型之间的相互转变情况，清晰地了解两个不同时期的土地利用结构，并反映研究初期各种土地利用类型的变化去向和末期各土地利用类型的来源。将2005年和2010年的土地利用/覆盖变化数据进行叠加分析，得到不同土地利用类型的转换情况。转移矩阵可作为CA-Markov模型中的Markov面积转换文件输入模型中。2005年和2010年重庆市土地利用/覆盖类型的转移概率矩阵如表1所示。

表1　2005年和2010年转移概率矩阵Table 1　The transition-probability matrix in 2005 and 2010

表1中可以看出，林地的转出类型主要为耕地和人工用地，转入类型主要为草地和耕地；草地的转出类型主要为林地、湿地和人工用地，转入类型主要为耕地；湿地的转出类型主要为耕地，转入类型主要为草地和其他用地；耕地的转出类型主要为林地和人工用地，转入类型主要为其他用地，其他用地面积很小，说明耕地基本没有转入；人工用地的转出类型主要为湿地，但面积基本可以忽略不计，转入类型主要为草地、耕地和其他用地，以及少量林地；其他用地的转出类型主要为湿地和耕地，转入基本没有。表中分析发现林地、耕地和人工用地的变化较大，其他类型土地变化较小。

2.2生成适宜性图集

研究所需要的土地利用/覆盖转变的适宜性图集是采用IDRISI Andes 15.0软件中的MCE模块生成的。MCE(多规则评价模型)模块是通用的评价与集中多种标准的方法，作为一种多准则评价的决策支持工具已在土地适宜性评价等领域被广泛使用[20]。

以重庆市土地利用现状图为基础，应用IDRISI Andes 15.0软件中的MCE模块进行林地、草地、湿地、耕地、人工用地和其他用地的土地利用适宜性图集的计算，适宜性图集将直接作为输入因子输入CA-Markov模型中进行计算。

2.3精度验证

应用IDRISI Andes 15.0软件中的CA-Markov模块进行2010年土地利用模拟，将2005年重庆市土地利用现状图作为基期数据，输入2005年和2010年转移矩阵，并将6种土地利用类型的适宜性图集输入模型，迭代次数设置为2，滤波器窗口大小设置为5×5(即150 m×150 m)，进行2010年重庆市土地利用/覆盖变化模拟。

图2　2010年现状图和模拟结果图Fig.2　The current situation map and simulation results map in 2010表2　2010年土地利用/覆盖模拟精度验证Table 2　The verification for simulation accuracy of land use/cover in 2010

类型人工用地其他用地林地湿地耕地草地实际栅格数1570761564289508451191642917345148492404456预测栅格数1700172520629492893731723815357352002573202预测误差8.24%-7.74%-3.06%4.92%3.54%7.02%

CA-Markov模型模拟的2010年结果如图2所示，为了定量分析模拟结果的精度，从数量和空间两个角度对模拟结果与现状数据进行对比分析。表2为2010年模拟结果与现状结果的不同类型土地利用/覆盖的实际栅格数与预测栅格数的对比分析，可以看出误差较大的主要为人工用地、其他用地和草地，误差高于5%低于10%，林地、湿地和耕地的误差均低于5%，从数量角度分析达到了预测的精度要求。从空间的角度出发，对各栅格的位置的偏差进行统计分析，采用ArcGIS软件的空间叠加分析功能，分析发现栅格位置的准确率为85.15%，即Kappa系数为0.85(Kappa系数一般用于评价遥感数据的分类精度以及两个图件之间的相似程度，Kappa≤0.4表示模拟效果较差，0.4≤Kappa≤0.75表示模拟效果一般，不一致的栅格较多，当Kappa≥0.75时表示模拟效果较好，具有较高的可信度)，达到了空间上的精度要求，也表明模拟的总体精度为85.15%。

2.42020年土地利用/覆盖模拟

上述验证结果表明，采用研究给定的转移概率矩阵、适宜性图集和参数设置，可以准确模拟重庆市土地利用/覆盖变化情况，因此将2010年土地利用/覆盖现状图作为基期数据，进行2020年土地利用/覆盖变化模拟。

图3　2020年模拟结果图Fig.3　The simulation results map of 2020

2020年的模拟结果如图3所示，变化较为明显的主要是人工用地的快速增加。表3为2020年各类型土地利用/覆盖的栅格数，结果分析发现，人工用地、其他用地、湿地和草地的占比较低，分别为1.96%、0.56%、1.99%和2.53%，林地和耕地的占比较高，分别为55.42%和37.55%。其中人工用地和湿地增加速度较快，增加比例分别达到13.95%和10.86%，主要为林地、草地和其他用地转换，耕地略有减少。

表3　2020年土地利用模拟结果Table 3　The simulation results of land use in 2020

结果反映出人工用地和湿地的变化速度较快，属于不稳定的土地利用类型，按照目前的发展趋势林地和草地将大幅减少，这是由于对于经济利益过度追求并不考虑生态效益的结果。国家及重庆市政府近两年提出的生态保护红线划定将有利于控制人工用地的扩张和生态用地减少，以保护区域内的生态服务功能持续稳定的改善。

3结语

(1)研究对2010年模拟结果与2010年土地利用/覆盖现状数据进行对比分析，模拟精度达到85.15%，表明利用CA-Markov模型进行重庆市土地利用/覆盖变化的模拟是可行的。

(2)研究采用的CA-Markov模型综合了CA模型和Markov模型的优点，有效提高了模拟的精度，模拟的结果较准确地反映了重庆市土地利用/覆盖变化的趋势，可在一定程度上为重庆市的土地利用布局和可持续发展策略的制定提供参考依据。

(3)本研究依据土地利用/覆盖现状数据、转移概率矩阵和适宜性图集进行预测模拟，未考虑诸如坡度、水系、道路等因素对转换规则的影响，在后续的研究中将考虑将不同影响因子纳入，建立不同情景下的土地利用/覆盖变化模拟。

参考文献(References)：

[1]李秀彬. 全球环境变化研究的核心领域：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.

[2]史培军, 宫鹏, 李晓兵, 等. 土地利用/土地覆盖变化研究的方法和实践[M]. 北京: 科学出版社, 2000.

[3]俞龙生, 符以福, 喻怀义, 等. 快速城市化地区景观格局梯度动态及其城乡融合区特征：以广州市番禺区为例[J]. 应用生态学报, 2011, 22(1): 171- 180.

[4]张晟, 杨春华, 雷波, 等. 三峡水库蓄水初期消落带植被分布格局[J]. 环境影响评价, 2013, 35(5): 45- 50.

[5]李小英, 彭望琭, 曹彤. 土地利用演化信息图谱的研究：以北京市顺义县为例[J]. 地球信息科学, 2002, 4(2): 55- 60.

[6]李鑫, 马晓冬, 肖长江, 等. 基于CLUE-S模型的区域土地利用布局优化[J]. 经济地理, 2015, 35(1): 162- 167，172.

[7]朱康文, 李月臣, 周梦甜. 基于CLUE-S模型的重庆市主城区土地利用情景模拟[J]. 长江流域资源与环境, 2015, 24(5): 789- 797.

[8]汪辉, 余超, 李明阳, 等. 基于CLUE-S模型的湿地公园情景规划——以南京长江新济洲国家湿地公园为例[J]. 长江流域资源与环境, 2015, 24(8): 1263- 1269.

[9]Courage Kamusoko, Masamu Aniya, Bongo Adi,etal. Rural sustainability under threat in Zimbabwe: Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model[J]. Applied Geography, 2008, 29(3): 1- 13.

[10]赵建军, 张洪岩, 乔志和, 等. 基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究[J]. 自然资源学报, 2009, 24(12): 216- 222.

[11]凌成星, 鞠洪波, 张怀清, 等. 基于CA-Markov模型的北京湿地资源变化预测研究[J]. 中国农学通报, 2012, 28(20): 262- 269.

[12]Burrough P A. Fractal dimensions of landscapes and other environmental data[J]. Nature, 1981, 294(5838): 240- 242.

[13]何春阳, 史培军, 陈晋, 等. 基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J]. 中国科学(D辑:地球科学), 2005, 35(5): 464- 473.

[14]钱国英, 张长勤, 董斌, 等. 基于遥感与系统动力学模型的土地利用/覆被变化研究[J]. 遥感信息, 2014, 29(1): 44- 50.

[15]李志, 周生路, 陆长林, 等. 基于系统动力学城市边缘区土地利用变化模拟与预测——以南京市江宁区为例[J]. 土壤, 2010, 42(2): 314- 318.

[16]王新军, 颜安, 曹月娥. 系统动力学和灰色多目标动态模型相结合在博乐市土地利用总体规划中的应用[J]. 新疆农业大学学报, 2011, 34(1): 87- 92.

[17]Hulst R. On the dynamics of vegetation: Markov chains as models of succession[J]. Vegetation, 1979, 40: 3- 14.

[18]Lippe E, de Smidt J T, Glenn-Lewin D C. Markov models and succession: a test from a heathland in the Netherlands[J]. J. Ecol. , 1985, 73: 775- 791.

[19]黄晓磊, 刘东云, 冯仲科, 等. 基于CA-Markov模型的天津市土地利用预测研究[J]. 中国农业科技导报, 2012, 14(5): 84- 89.

[20]钮心毅, 宋小冬. 基于土地开发政策的城市用地适宜性评价[J]. 城市规划学刊, 2007(2): 57- 61.

收稿日期：2016-05-09

基金项目：国家水体污染控制与治理科技重大专项(2012ZX07104-003)；重庆市环境保护局环保科技项目[环科字2015第(1)号]

作者简介：陈学(1980—)，男，工程师，主要从事环境监测，E-mail：12225955@qq.com 通讯作者：雷波(1978—)，男，四川人，硕士，高级工程师，主要从事生态环境研究，E-mail：leilibo@hotmail.com

DOI:10.14068/j.ceia.2016.04.016

中图分类号：X827

文献标识码：A

文章编号：2095-6444(2016)04-0061-05

Simulation of Land Use/Cover Variation Based on the CA-Markov Model

CHEN Xue1, ZHU Kang-wen2, LEI Bo2

(1.Environmental Monitoring Station of Dazu District Environmental Protection Bureau, Chongqing 402360, China;2.Chongqing Academy of Environmental Science, Chongqing 401147, China)

Abstract:Based on the land use/cover data of Chongqing city in 2005 and 2010, this study used the CA-Markov model to predict land use/cover variation in 2020. This study determined some relevant parameters, such as transition-probability matrix, suitability atlas and model parameters, which were required by using CA-Markov model to simulate the land use/cover variation in Chongqing city. Firstly, the CA-Markov model was used to simulate the current situation of land use/cover in 2010 and verify the accuracy of results based on the actual land use data of 2010. The simulation accuracy reached 85.15%, which met the required simulation accuracy. Then, the land use/cover variation in Chongqing city in 2020 was simulated. The results showed that the artificial land, other land, wetland, grassland, woodland and arable land accounted for 1.96%, 0.56%, 1.99%, 2.53%, 55.42% and 37.55%, respectively. The artificial land and wetland increased by 13.95% and 10.86%, respectively, which were faster than the others, and they were mainly transformed from woodland, grassland and other land. The simulation results can accurately reflect the trend of land use/cover variation in Chongqing city, and also provide reference for Chongqing's land use layout and sustainable development strategy.

Key words:CA-Markov model; land use/cover variation; Chongqing city