基于CLUE-S模型的矿业城市土地利用格局情景模拟

张 博,雷国平,周 浩,王 蕊,董博文,张 旭

(1.东北农业大学 资源与环境学院,哈尔滨 150030; 2.东北大学 土地管理研究所,沈阳 110004)



基于CLUE-S模型的矿业城市土地利用格局情景模拟

张 博1,雷国平1,周 浩2,王 蕊1,董博文1,张 旭1

(1.东北农业大学 资源与环境学院,哈尔滨 150030; 2.东北大学 土地管理研究所,沈阳 110004)

运用CLUE-S模型对典型矿业城市——双鸭山市辖区进行未来土地利用模拟，基于遥感和地理信息系统技术，通过设定趋势发展、耕地保护、经济建设和生态保护4种情景，模拟了2025年当地不同情景下土地利用变化情况，结果表明：各土地利用类型均通过ROC检验，回归方程拟合程度高。1995年和2005年模拟正确比例分别为88.15%和92.10%，Kappa系数均超过0.75，准确率达到可信的效果。各情景土地利用模拟结果差异明显，在趋势发展下，耕地和其他用地面积持续较少，建设用地增长幅度最大；耕地保护情景下，耕地仍保持下降态势，但速度明显下降，建设用地和工矿用地的扩张趋势有所抑制；经济发展情景下，建设用地面积增长速度显著上升，将大量侵占其周边的耕地和园林地，工矿用地面积增长幅度最大；生态保护情景下，耕地、其他用地和工矿用地面积以不同程度趋势下降，园林地和水域用地面积显著增加。研究结果为当地相关规划的合理编制及土地资源保护提供了参考依据。

CLUE-S; 矿业城市; 土地利用; 情景模拟; 双鸭山市

土地利用/覆被变化(LUCC)既是一个非常复杂的过程，也是人类活动对自然环境施加影响的显著表现形式，它同时受自然、社会经济等复杂因素的综合影响[1-2]。LUCC研究主要体现在变化过程、驱动机制、动态规律、模型模拟、土地可持续利用和生态效益等方面[3-8]，其中，土地利用模型的模拟预测是实现LUCC研究目的的一个重要环节，是未来土地利用科学决策的基本依据[9]。

众多学者针对不同国家和区域特点，进行了一系列土地利用模型模拟研究，主要包括CA，CLUE-S，ABM，IMAGE和DLS等[10-14]。其中，CLUE-S作为经验统计模型的代表，是一种动态的、多尺度土地利用空间布局模拟模型，其能综合考虑社会、经济、政策及自然环境等驱动因子对土地利用格局的影响，是一种比较理想的土地利用/覆被变化模型[15]。通过不同时空尺度上的土地利用变化模拟预判，并对不同情景方案下土地利用分布格局进行有效模拟，进而为相关规划编制和决策提供科学的理论依据。

矿业城市是指在开发利用能源、矿产资源基础上兴起的，以消费一定数量的自然资源而赖以生存发展的一种特殊城市类型，具有强烈的资源依托性[16]。由于矿产资源不可再生性，对矿产资源的常年开采将导致其逐步耗竭，相对于一般城市而言，矿业城市具有生命周期较短、土地利用变化相对较为剧烈、限制性利用程度强等特点。双鸭山市是黑龙江省主要的煤矿输出基地，其市辖区作为该地区主要的煤矿集中带，具有重要的战略意义。近年来，随着该地区矿产资源的逐渐开发殆尽，产业结构亟待面临转型，土地利用矛盾日益突出[7]，在建设黑龙江省“两大平原”“现代农业综合改革配套试验区”战略背景下，如何科学合理地进行地区土地利用结构规划布局是未来该地区经济持续发展的关键性因素。本文基于遥感和地理信息系统技术，尝试运用CLUE-S模型，结合地区特点综合考虑土地利用变化驱动因素，通过设置不同发展情景模拟未来土地利用变化情况，为当地相关规划的合理编制及土地资源保护提供参考依据。

1　研究区概况与研究方法

1.1研究区概况

双鸭山市位于黑龙江省东北部，地理范围为130°54′—131°46′E，46°20′—46°46′N，与俄罗斯隔乌苏里江相望，与佳木斯、七台河、鸡西等城市相毗邻。地区平均海拔35.3 m，多为丘陵半丘陵和平原地形，属寒温带大陆性季风气候，夏季高温多雨，冬季寒冷漫长。截至2014年，全市共辖4个市辖区、4个县(集贤县、友谊县、宝清县和饶河县)，总面积约22 483 km2，人口151万。作为我国重要的煤矿基地，双鸭山市煤炭储量位居黑龙江省第1位。

本文选取双鸭山市辖区作为研究对象，该地区包括尖山区、四方台区、宝山区和岭东区四区，为国家第3批资源转型试点城市。作为双鸭山地区矿产资源集中带，近年来该地区矿产资源逐渐面临枯竭，产业结构亟待转型，土地利用变化相对强烈，研究该地区土地利用变化问题具有较为现实的意义。

1.2数据采集

土地利用数据原始信息源来自美国陆地资源卫星1995年、2005年、2014年Landsat TM/OLI多光谱遥感影像，经几何纠正及RGB假彩色的合成。参照全国土地利用分类体系并结合地区土地利用现状和研究目标，确定土地利用类型为耕地、园林地、水域、建设用地、工矿用地和其他用地6大类。根据影像色调、纹理等特征进行人工目视解译，将所得数据查错、修改和拼接后获得3期土地利用矢量数据(附图16)，其中精度验证采用Google Earth软件配合进行，通过采样比对确定最终解译数据精度，结果显示3期解译精度均超过85%；高程及坡度数据源来自SRTM的DEM数据，精度为90 m，对处理后的DEM数据进行坡度提取。其他数据包括地形图、交通图、居民点分布图和相关县、市经济社会统计资料。研究中各图件经投影变换统一转为Albers双标准纬线等积投影。

1.3CLUE-S模型

CLUE-S模型是荷兰瓦赫宁根大学Verburg等[17]在CLUE模型基础上开发的高分辨率土地利用空间分配模型，该模型兼顾土地利用变化中社会经济、自然条件和政策等驱动因子影响，能够在空间上直观反映土地利用变化过程和结果，具有高可信度和变化解释能力强等特点[18]。

CLUE-S模型的假设条件是一个地区的土地利用变化受该地区的土地利用需求驱动因素影响，并且其空间分布格局总是和土地需求以及该地区的自然环境和社会经济状况处在动态平衡之中，该模型由两个主要模块组成，即非空间需求模块和空间分配模块。非空间需求模块通过对人口、社会经济等因素综合分析，利用外部模型计算得到各土地利用类型逐年变化量，将其作为模型的输入参数，基于栅格系统的空间单元实现各类型土地利用数量的空间分配；空间模块是基于各驱动因素计算单个空间单元(栅格)分布概率，通过综合分析土地利用空间分布概率适宜图、土地利用转换规则和分布现状图基础上，依据总概率大小实现土地利用需求数量的空间分配，从而实现土地利用格局模拟。

1.4模型数据和参数设置

1.4.1数据处理基于1995年、2005年、2014年研究区3期遥感影像数据，经人工目视解译后获得精度较高的对应时间点土地利用矢量数据，由于数据格式差异CLUE-S模型难以直接调用该类型数据，研究利用ArcGIS 9.3将其转化为统一单元大小的栅格数据，并分别将其保存为模型可以调用的对应年份ASCⅡ格式的cov_all.0文件；对基期土地利用数据分别进行单一土地利用类型提取并单独成层，该类用地属性赋值1，其他区域赋值0，并分别保存为并分别转为cov_*.0文件(*分别代表土地利用类型代码)。

直接或间接土地利用变化驱动因子都有可能成为土地利用变化不稳定的根源，研究根据土地利用特点、CLUE-S模型的因子需求和研究目的，从距离、自然、社会经济和矿产资源选取驱动因子，即距离居民点距离、距离河流距离、距离采矿区距离、距离铁路公路距离、距离城市建成区距离、海拔、坡度、煤矿产量、矿业从业人员比例和人均矿区面积共10个驱动因子。分别把这些驱动因子制成模型可以调用的ASCⅡ格式的sc1 gr*.fil文件，对于距离驱动因子，利用ArcGIS 9.3将其按200 m进行等间距分类并生成最终的距离驱动力空间分布图。为消除矿产相关因子的空间尺度差异，以工矿用地斑块大小作为因子量化的核心要素，通过对各斑块因子的均摊处理，利用ArcGIS 9.3的Kriging空间插值功能实现因子的二次分类处理。

1.4.2模型模拟模型完成空间分析由4个条件完成，即空间政策与限制区域、土地利用类型转化规则、土地利用类型面积需求和土地利用类型空间分布概率。

空间政策与限制区域是指在研究期内，土地利用类型不会发生改变的区域。限制区域可分为区域性限制区和政府性限制区，运用时可根据不同政策导向和实际情况设置限制性区域。研究将基本农田保护区和风景名胜保护区设定为限制区域。限制区域文件中主要包括3种数值：0代表可以发生土地利用转化的区域；-9 999代表不属于研究范围的区域；-9 998代表不可以发生土地利用转化的区域。限制区域文件需在范围和栅格大小上与底图一致，研究将其制成ASCⅡ格式的region_park*.fil文件。

土地利用类型转化规则主要包括土地利用弹性以及土地利用转换次序两部分。土地利用弹性(ELAS)反映土地利用类型转化的稳定性，受转化可逆性影响，利用程度高的用地类型难以向利用程度低的发生转化，如建设用地难以转换为耕地。反之则利用程度低的用地类型容易向利用程度高的发生转化。ELAS值范围为0～1，该值越接近0，其转化可能性就越大。土地利用转换次序是通过一个各土地利用类型之间的转移矩阵来设定各土地利用类型之间能否发生转化，该矩阵由0，1两个数字组成，其中0表示不能转化，1则表示可以发生转化。研究共设置生态保护情景、耕地保护情景、经济建设情景和趋势发展情景4个情景，考虑不同的情景目标，结合研究区土地利用特点，设定不同的转换系数(表1)和转移矩阵。

表1　不同情景下土地利用转移弹性系数

土地利用需求量是在独立于模型的非空间分析模块中完成，它可通过外部模型被计算或估算出来，用以限定模拟过程中总的土地利用变化量。考虑到未来情景模拟进行前需进行时间尺度的确定，研究分别以2005年、2014年的土地利用数据作为模拟的需求数据，假设1995—2005年和1995—2014年的各土地利用类型保持匀速变化，内插出各对应时间段内土地需求数据。

土地利用空间分布概率体现为土地利用类型转变发生可能性在空间上的分布概率，即各种土地利用类型的空间分布适宜性，在CLUE-S模型中，基于土地分布现状数据和变化驱动因子，运用二元Logistic逐步回归方法，对研究区域各地类分布变化的因子进行分析，其回归方程如下：

(1)

式中：Pi表示栅格单元中某一土地利用类型i出现的概率；x1i，x2i，…，xmi为驱动因子，如距离因素、地形条件、社会经济因素等；β1，β2，…，βm表示回归方程中土地利用类型与驱动因子之间的解释变量系数，即相关度；β0表示回归方程常量。

Logistic回归方程的拟合度可采用β系数与ROC曲线进行检验，根据曲线下的面积大小可检验概率分布格局与实际地类空间分布之间是否存在较高的一致性，该值一般介于0.5～1，值越接近于1，说明回归方程对地类分布的解释意义越好；反之，若该值越接近0.5，说明回归方程对地类分布的解释意义越低。通常，当ROC大于0.7时，可以认为所选取的驱动因素具有较好的解释能力。

2　结果与分析

2.1Logistic回归检验

Logistic回归结果显示，选取的10个解释因子能够较好地解释研究区土地利用变化情况，其中耕地主要与矿业从业人员相对比例、距居民点距离等因子相关，园林地和水域用地主要与海拔坡度因子状况相关，其中坡度因子β值达到0.165 23，建设用地主要与矿业从业人员比例、坡度和距居民点距离相关性强，而针对工矿用地，其最主要的影响驱动因素包括人均矿区面积、距采矿区距离和距主干道路距离，该情况与实际情形较为符合。

表2　各土地利用类型的Logistic逐步回归结果(β值)

ROC检验结果发现，各地类ROC值(耕地ROC=0.884、园林地ROC=0.930、水域ROC=0.882、其他用地ROC=0.792、建设用地ROC=0.905、采矿用地ROC=0.936)均大于0.75，表明所选驱动因子对各地类的空间分布情况具有较好的解释能力，其中园林地和采矿用地ROC值较高，分别达到0.930，0.936，说明驱动因子对二者解释能力较强。其他用地ROC值较低，仅为0.792，在研究初期的土地利用类型确定时，考虑到模型运行前提条件为各地类面积比例需大于1%，研究将部分面积过小的用地类型(如设施农用地、未利用地等)归并为单一土地利用类型(即其他用地)，由此导致该用地类型不确定性因素多，驱动因子对其解释能力弱。

2.2模拟结果与验证

完成模型参数设置后，运行CLUE-S模型获得对应时间段内模拟结果。研究分别以1995年和2005年为基期数据模拟2014年土地利用空间格局，时间间隔分别为19 a和9 a，将其分别与人工目视解译实际获得的2014年现状图进行验证和比较分析，以确定模拟的时间间隔大小。附图17为研究区1995年、2005年模拟结果。

模型的验证可以用来检验模拟的优劣情况，调整模拟参数。Kappa系数常用来评价遥感的分类精度、图件间相似程度，能够从数量和空间角度上定量反映土地利用变化模拟过程中丢失的空间信息量，其中Kappa系数公式为：Kappa=(Po·Pc)/(Pp·Pc)，式中Po为正确模拟的比例；Pc为随机情况下期望的正确模拟比例；Pp为理想分类情况下的正确模拟比例(100%)；当Kappa系数大于0.75时，图件间一致性较高，变化相对较小，Kappa系数处于0.4～0.75时，一致性一般，变化较为明显，Kappa系数小于0.4时，模拟效果差。

将2014年土地利用现状图与模拟图进行求差栅格运算，模拟正确的区域栅格属性值将为0，通过对属性值为0的栅格数目提取可得到模拟精度，由检验结果可知1995年和2005年基期分别有33 604，35 111个栅格得到正确模拟，错误栅格数分别为4 519，3 012个，各自对应模拟正确比例分别为88.15%和92.10%，Kappa系数均超过0.75，准确率达到可信的效果，确定模拟目标年为2025年。

2.3情景模拟

围绕研究区未来土地数量需求方案，在综合考虑土地利用现状及未来发展战略情况下，结合国内外CLUE-S模型情景方案设计的研究成果，共设置趋势发展、耕地保护、经济发展和生态保护4种土地利用变化情景模拟方案。在模型的具体操作中，情景方案的实现主要是通过相关参数的调整和设置不同的空间约束性区域。

趋势发展情景：未来土地利用变化延续2005—2014年土地转移速率。在未来发展中，土地需求变化依然按照各地类2005—2014年的变化速率恒定变化，土地利用需求不会受到政策调整的影响，耕地和未利用地继续保持减少，园林地、水域、建设用地和采矿用地呈现缓慢上升态势。

耕地保护情景：在耕地保护情景下，土地利用布局主要考虑保障粮食安全，耕地资源的有效保护和面积的控制是其主要实现目标。依照基本农田相关规划，将基本农田保护区设定为限制性区域，从而限制基本农田向其他地类发生变化，通过设定参数限制基本农田转换方向。非基本农田外，优先进行耕地建设，提高耕地增加潜力。在规划纲要中要控制建设用地总量的前提下，适当降低人均建设用地面积，提高建设用地集约水平。

经济发展情景：经济保护下，以经济发展优先为目标，在保证限制性区域不变的前提下，适当提高建设用地规模，优先发展经济。在未来发展中，尖山区、四方台区、宝山区和岭东区4区建设用地中心地带建设用地需成片集中增长，其对区域经济的拉动带动作用得以体现，建设用地总体规模需保持较快的增长速度。

生态保护情景：生态保护情景下需重点考虑土地利用布局对区域生态环境的改善作用，适当控制耕地的增长速度和规模，提高如未利用地、水域用地和林地的面积，提高竞争性用地向生态用地的转化率，在自然与风景名胜保护区内一切的人类活动都应该禁止。

基于以上情景目标设计，设置不同情景下的土地利用类型转化弹性系数(表1)和转化规则，并分别计算和估算不同情景方案下的土地需求面积(表3)，通过设定4种不同的空间限制性区域，重新设定模型参数，以2014年土地利用为基期模拟2025年4种情景下土地空间分布格局(附图18)。

表3　2025年不同情景下土地需求　hm2

通过2025年各情景模拟图和2014年现状图的叠加和统计分析，分析各土地利用情景下的土地利用变化差异，结果显示，不同情景土地利用变化呈现出显著的差异特征。

趋势发展情景下，到2025年，土地利用格局将延续现有发展趋势。耕地和其他用地面积持续较少，其中有75.21%的耕地流向园林地，12.05%流向其他用地，而其他用地的流向源头绝大部分为建设用地，其所占比例超过98.01%；园林地、水域用地、建设用地和工矿用地保持增长，但增长幅度有所差异，建设用地增长幅度最大，达到11.41%，其增长面积中有63.03%的相对面积比例来自其他用地。在现有发展趋势下，未来工矿用地继续保持增长，其增长面积比例将仅次于建设用地，达到9.50%，工矿的开采将仍以侵占耕地为主。水域用地在未来面积将增加228 hm2，达到2 808 hm2，增长幅度为8.84%，其增长来源主要为园林地和耕地，其中林地占到70.18%。园林地将轻微增长，面积变化幅度为1.25%。

基本农田在保障国家粮食安全、促进经济稳定、可持续发展上具有重要的意义，在耕地保护情景中，需严格限制基本农田流向途径，将基本农田保护区作为限制性区域输入模型中以保证域内耕地不会转变为其他用地类型。模拟结果显示，耕地较其他情景下表现出分布范围广、集中连片的特征。总体而言，耕地仍然保持下降趋势，但速度有所下降，至2025年，其面积下降幅度为1 420 hm2，大部分仍然流向园林地，相对面积比例达到81.36%。由于耕地的保护限制，导致建设用地和工矿用地的扩张趋势有所抑制，其中工矿用地仅增加48 hm2，相对面积比例增加2.48%。

建设用地规模在一定程度上体现出经济的发展程度，在经济发展情景中，在政策允许的范围内，适当放松其他用地向建设用地的流向限制，即通过转移弹性系数和转移矩阵得以实现。未来该区域建设用地面积将增加至1 884 hm2，增加幅度达到18.92%，未来建设用地将大量侵占其周边的耕地和园林地，由此导致其扩张的主要来源为耕地和园林地，二者转化贡献率分别达到49.26%和46.28%，空间上表现为扩张主要集中于尖山区西南部城市建成区。矿产资源的开采与加工在该地区经济中占有较高的比重，在经济发展情景下，未来该地区工矿用地面积增长幅度在4个情景中最大，约增加276 hm2，增长相对面积比例14.26%。

在生态保护情景下，应重点考虑区域生态环境的改善，生态效益高的用地类型需限制其转变用途，如水域用地和林地，在模型运行参数设置时，提高其转移弹性系数，并通过土地利用转移矩阵约束其转化，同时将风景名胜保护区、生态敏感区和生态保护区设为限制性区域。2025年土地利用模拟图显示，未来耕地、其他用地和工矿用地面积将维持不同程度下降的趋势，尤以其他用地下降幅度最大，达到14.59%，变化多集中于研究区东北部的宝山区工矿周边的废弃地、裸地等其他用地，而工矿用地将下降236 hm2，变为1 701 hm2，这在一定程度上制约了该地区的经济发展。园林地和水域用地面积显著增加，南部的山区土地开发利用条件差，地势高，通过大量种植林地可以改善当地的生态环境。水域用地面积较小，增加区多零星分布于区域的北部平原地带。

3　结 论

各土地利用类型回归方程拟合度较高，6种土地地类中ROC最低值0.792，均通过ROC检验，说明所选取的驱动因子对当地各地类分布具有较高的解释能力，模型参数设置合理。将2014年解译现状图与模拟图件进行对比验证，1995年和2005年模拟正确比例分别为88.15%和92.10%，Kappa系数均超过0.75，准确率达到可信的效果，说明运用CLUE-S模型可以较好模拟当地未来土地发展态势。共设置趋势发展、耕地保护、经济发展和生态保护4种土地利用变化情景模拟方案，通过相关参数的调整和限制性区域设置实现模型模拟。研究发现当地未来发展应妥善处理好耕地保护、经济发展和生态保护三者的关系。在趋势发展下，耕地和其他用地面积持续较少，建设用地达到最大的11.41%增长幅度，而工矿用地面积增长速度仅次于建设用地；耕地保护情景下，耕地仍然保持下降态势，但速度明显下降，在耕地保护政策限制下，建设用地和工矿用地的扩张趋势有所抑制；经济发展情景下，建设用地面积增长速度显著上升，其将大量侵占其周边的耕地和园林地，工矿用地面积增长幅度最大，达到14.26%；生态保护情景下，耕地、其他用地和工矿用地面积呈现出不同程度下降的特征，尤以其他用地类型下降幅度最大，生态效益高的园林地和水域用地面积显著增加。

CLUE-S模型模拟的精度在很大程度上取决于驱动因子选取的科学性和合理性，但由于部分因子的获取存在很大难度，在一定程度上影响着模型模拟精度。考虑到部分因子(如人均矿区面积)的数据统计是以内部完整的行政单元而进行的，而单元内部的分布差异必定会导致一定误差，本文在研究时基于工矿用地各斑块面积大小实现因子的均摊处理，并采用空间数据插值的方法实现因子的二次处理，可能在一定程度提高模拟的科学性。土地利用发展和政策因素相关程度高，但由于其主观性强，量化难度大，如何将政策等宏观驱动因素考虑进来将是未来研究的重点和难点[18]。在情景需求的估算中，如果能够通过说服性更强的估算方法进行估算，将会大大提高模型的模拟精度和结果的指导性。

[1]杨娟,蔡永立,袁涛.基于CLUE-S模型的崇明县土地利用变化时空动态模拟研究[J].中国农学通报,2014,30(11):258-264.

[2]王健,田光进,全泉,等.基于CLUE-S模型的广州市土地利用格局动态模拟[J].生态学杂志,2010,29(6):1257-1262.

[3]贺秋华.江苏滨海土地利用/覆盖变化及其生态环境效应研究[D].南京:南京师范大学,2011.

[4]郭碧云,张广军.基于GIS和Markov模型的内蒙古农牧交错带土地利用变化[J].农业工程学报,2009,25(12):291-298.

[5]谭永忠.县级尺度土地利用变化驱动机制及空间格局变化模拟研究[D].杭州:浙江大学,2004.

[6]李平,李秀彬,刘学军.我国现阶段土地利用变化驱动力的宏观分析[J].地理研究,2001,20(2):129-138.

[7]渠爱雪.矿业城市土地利用与生态演化研究[D].江苏徐州:中国矿业大学,2009.

[8]周海林.资源型城市可持续发展评价指标体系研究:以攀枝花为例[J].地域研究与开发,2000,19(1):12-16.

[9]王慧,吴云生,张永生.面阵CCD数字航测相机影像几何拼接误差模型与分析[J].测绘学院学报,2003,20(4):257-262.

[10]黎夏,叶嘉安.基于神经网络的单元自动机CA及真实和优化的城市模拟[J].地理学报,2002,57(2):159-166.

[11]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):310-318.

[12]张鸿辉,曾永年,金晓斌,等.多智能体城市土地扩张模型及其应用.地理学报,2008,63(8):869-881.

[13]黄秋昊,蔡运龙.国内几种土地利用变化模型述评[J].中国土地科学,2005,19(5):25-30.

[14]周锐,苏海龙,胡远满,等.不同空间约束条件下的城镇土地利用变化多预案模拟[J].农业工程学报,2011,27(3):300-308.

[15]张丁轩,付梅臣,陶金,等.基于CLUE-S模型的矿业城市土地利用变化情景模拟[J].农业工程学报,2013,29(12):246-256.

[16]许光洪.我国矿业城市的产业结构调整及其发展途径[J].中国人口·资源与环境,1998,8(1):26-30.

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

[18]张学儒,王卫,Verbug P H,等.唐山海岸带土地利用格局的情景模拟[J].资源科学,2009,31(8):1392-1399.

Scenario Simulation of Land Use in Mining City Based on CLUE-S Model

ZHANG Bo1,LEI Guoping1,ZHOU Hao2,WANG Rui1,DONG Bowen1,ZHANG Xu1

(1.College of Resources and Environment,Northeast Agricultural University, Harbin 150030,China; 2.Land Management Institute,Northeastern University,Shenyang 110004,China)

CLUE-S model was used to simulate the land use of a typical mining city,Shuangyashan City,in the future based on remote sensing and geographic information system technology,and to simulate the changes of land use in different contexts during the year of 2025 by setting 4 kinds of scenarios: natural development,cultivated land protection,economic development and ecological protection.The result showed that the various land use types had passed the ROC test,and the degree of regression equation fitted by data was high.In 1995 and 2005,the correct proportions in simulation were 88.15% and 92.10%,respectively,and Kappa coefficient was more than 0.75,what′s more,the rate of accuracy reached to the credible effect.The simulation results of land use were obviously different under each situation.With the trend of development,cultivated land and other lands were decreasing and the increase of construction land was highest; in the scenario of cultivated land protection,the area of cultivated land still keeps dropping,but the speed of dropping is significantly lower than before,the expansions of construction land and mining land were restrained; with economic development,the growth rate of construction land increased dramatically,which occupied the area of its surrounding cultivated land and garden land,the increase of mining land was highest; with respect to ecological protection,the area of cultivated land,else land and mining land decreased in different degrees,the area of garden land and water area enlarged significantly.The results can provide reasonable

for preparation of local planning and protection of the land resources.

CLUE-S; mining city; land use; scenarios simulation; Shuangyashan City

2015-10-10

2015-11-15

黑国土科研“两大平原现代农业综合配套改革试验区土地管理制度创新”(201411)

张博(1991—),女,黑龙江双鸭山人,硕士,研究方向为土地利用与规划。E-mail:xiaobo161171@163.com

雷国平(1963—),男,黑龙江青冈人,教授,博士生导师,主要从事土地利用规划与土地管理研究。E-mail:guopinglei@126.com

F301.24

A

1005-3409(2016)05-0261-06