典型岩溶湖泊湿地流域土地利用动态及模拟预测

闻国静, 王 妍,2, 刘云根,2, 张 超, 侯 磊,2

(1.西南林业大学环境科学与工程学院；2.西南林业大学农村污水处理研究所，云南 昆明 650224)

典型岩溶湖泊湿地流域土地利用动态及模拟预测

闻国静1, 王 妍1,2, 刘云根1,2, 张 超1, 侯 磊1,2

(1.西南林业大学环境科学与工程学院；2.西南林业大学农村污水处理研究所，云南 昆明 650224)

为了掌握和揭示普者黑流域土地利用动态的变化特征，以TM影像数据为基础，采用GIS、数理统计等技术手段，对1990—2015年6期(每5 年1期)的普者黑岩溶湖泊湿地流域影像进行解译，分别从土地利用动态度和土地利用结构方面分析该研究区25 a的土地利用变化特征，并基于CA-Markov模型对研究区未来30 a土地利用结构变化进行预测.结果表明：(1)1990—2015年普者黑流域土地利用结构变化表现出明显的差异，从土地利用动态度来看，未利用地利用动态度变化最大，其次是建筑用地、湿地和农地，林地和园地利用动态度变化最缓慢；从各土地利用类型间相互转化来看，转出面积以农地和林地为主，转入面积以农地、林地和湿地为主.(2)未来30 a研究区土地利用格局变化总体上体现了以农地为主，以林地、建筑用地和湿地为辅的特征，土地利用变化趋势与前25 a的演变规律基本保持一致.(3)与1990—2015年相比，2015—2045年普者黑岩溶湖泊流域土地利用格局出现了一些新特征，原有建筑用地增长率明显提高，湿地增长率降低，农地和林地面积先增加后减少.

普者黑; 岩溶湖泊湿地; 土地利用; 模拟预测

土地利用变化是全球环境变化和可持续发展的重要内容[1]，其变化过程和模拟预测日益成为研究热点[2-3].分析土地利用类型的变化特点， 探索其不同时段的变化，并对未来情景进行预测，能够揭示人类活动影响下区域生态环境变化的过程及机理, 从而为区域生态保护及可持续发展提供决策依据[4].元胞自动机(CA)模型是一个动态模型，具有鲜明的时空耦合特征[5-6]，以它为代表的空间预测科学在地理学领域中得到广泛应用.与传统CA模型相比，CA-Markov模型结合CA模型复杂的空间模拟能力和Markov模型长期数量预测的优势[7]，能更好地模拟和预测岩溶湖泊湿地流域土地利用的动态变化过程，有利于探究岩溶湖泊湿地流域土地利用的时空变化规律.目前，国内研究者基于CA-Markov模型做了一些研究，主要集中在城市景观格局和土地利用方面，如欧定华等[8-10]研究表明农田和森林景观呈现不断减少的趋势.姚玉龙等[11-13]对城市土地利用变化进行预测，结果表明居民工矿用地、耕地和草地变化最为显著，即居民工矿用地和耕地增加，草地减少，但对岩溶湖泊湿地流域土地利用的预测研究较少，未能深入探究岩溶湖泊湿地流域土地利用的未来变化特征.

普者黑流域属于典型的岩溶湖泊湿地流域，该研究区特殊的水文地质条件在云贵高原湖泊湿地及西南部滇黔桂喀斯特地貌中都极具代表性，是典型的生态敏感区，具有较高的研究及保护价值.但近年来，旅游业不合理的开发和人为破坏的加剧，导致普者黑湿地遭受很大程度的破坏，迫使湿地生态功能逐渐退化并处于威胁之中，退化湿地生态系统亟待恢复.本文根据1990—2015年普者黑岩溶湖泊湿地流域土地利用的变化特征，基于CA-Markov模型对2025—2045年30 a间该流域土地利用的变化特征进行预测，发现研究区所存在的问题并提出相应措施，了解未来普者黑流域湿地的变化趋势，对该地区生态保护与资源配置具有重要意义.

1 材料与方法

1.1 研究区概况

图1 研究区地理位置图

普者黑(东经103°55′—104°13′，北纬24°05′—24°12′)位于云南省丘北县境内，距县城约11 km，在地貌区划上为中国南方热带、亚热带湿润气候岩溶区、西南云贵岩溶高原、滇东岩溶山原亚区，是典型的岩溶地区湖泊，流域总面积约33.17×103hm2.该流域属于低纬度季风气候，多年平均气温16.4 ℃，极端高温35.7 ℃，极端低温-3.6 ℃，平均降雨量1 206.8 mm.植被种类较少，地貌景观为国内罕见的高原喀斯特峰林、峰丛、湖群组合，集喀斯特孤峰群、湖泊群、溶洞群和湖滨湿地等多种地貌于一体，该区域处于南盘江与红河流域的分水岭区域，地表水体以河流和湖泊为主(图1).

1.2 研究方法

1.2.1 数据来源和处理平台 数据来源于TM(1990年、1995年、2000年、2005年和2010年)和OLI(2015年8—10月份)的影像解译数据，分辨率均为30 m，统一投影坐标信息为WGS_84_UTM_zone_50N，数据处理平台包括ArcMap 10.2和IDRISI 17.0.为保证影像解译的准确性，基于2005年实际调查分类结果，根据普者黑土地资源特征和景观变化差异以及影像数据的特点，结合野外地面控制点调查和地形资料等，基于光谱特征及地物纹理特征等信息进行手工分类和解译.将普者黑流域土地利用类型划分为林地、农地、湿地、建筑用地、园地、未利用地等6种类型；并通过地形图进行图斑大小和类型的修正，同时在地形图上获取海拔、水系、居民地等数据，实地验证对比结果表明，整体解译精确度达到90%以上(图2).

1.2.2 土地利用动态度 土地利用动态度可分为单一土地利用动态度和综合土地利用动态度.单一土地利用动态度表征某一土地利用类型在时间序列内的数量变化情况，计算公式参考文献[14].

综合考虑土地利用动态度所反映的研究区域内所有类型土地的总体变化情况，将土地利用动态度的变化类型划分为以下几类：土地利用动态度为0～5%，表现为极缓慢变化；土地利用动态度为5%～15%，表现为慢速变化；土地利用动态度为15%～25%，表现为快速变化；土地利用动态度为25%～61%，表现为急剧变化.

1.2.3 CA-Markov模型 元胞自动机(CA)是一种时间、空间和状态都离散的动力系统，具有模拟复杂系统时空演化过程的能力[15].它具有强大而复杂的计算功能、高度动态特征和空间概念[16]，其原理就是一个元胞下一时刻的状态是上一时刻邻域状态的函数，CA模型公式参考文献[16].Markov模型是一种基于栅格的空间概率模型，用于地理事件处理的一种方法.在土地利用变化研究中，土地利用类型之间相互转移的面积或比例即为状态转移矩阵，利用公式[17]对土地利用状态进行预测.

图2 1990—2015年普者黑岩溶湖泊湿地流域土地利用类型分布

使用IDRISI软件对数据进行处理，具体处理过程如下[18].(1)划分元胞大小和构建滤波器：根据研究区面积和土地利用类型，在模拟过程中选择元胞大小30 m×30 m,能较好模拟出研究区土地利用的变化情况.因此,选择元胞大小为30 m×30 m、栅格单元为5×5的元胞滤波器.(2)模型运行时间和元胞迭代次数:基于1995年、2005年和2015年3期的土地利用数据，计算出1995—2005年和2005—2015年的土地利用类型转移矩阵，结合土地利用转移适宜性图像集，以2015年为起始年，CA循环次数为10，结合1995—2005年和2005—2015年土地利用转移概率理论，模拟2025年、2035年和2045年的土地利用变化格局.

1.2.4 Kappa模拟精度检验 Kappa指数一般是用来评价2个图件的一致性或者进行遥感解译的精度评价，计算公式见文献[19].当Kappa≥0.75时，2个图件一致性较高；当0.4≤Kappa≤0.75时，两组间一致性一般；当Kappa≤0.4时，一致性较差[19].

单位减排量价格往往是项目业主最关注的问题，但在目前二级市场价格不景气的情况下，我国的项目业主几乎没有议价的能力。有的认为只要项目减排量能卖出去，执行国家发改委最低价就可以，有的则一味追求高价而却忽视其他。在选择买家时，建议借助环境交易所平台或咨询公司的推荐，寻找多个买家报价。价格的确定不仅要看国际市场形势，还要综合考虑对方资信情况、不能交付的风险、支付风险、预付资金情况及违约风险、语言条件、管辖风险、法律适用风险等因素，因此未必选最高报价的买家，要选最合适的买家及报价。

2 结果与分析

2.1 普者黑流域土地利用格局的变化

2.1.1 土地利用动态度 通过Landsat TM遥感解译结果计算出普者黑岩溶湖泊湿地流域土地利用的动态度变化，对于单一土地利用动态度，未利用地的利用动态度最大；其次是建筑用地、湿地和农地；林地和园地的利用动态度最小.从综合土地利用动态度来看，2000—2005年土地利用动态度最大，其次是2010—2015年和2005—2010年，1900—1995年的动态度最小，结果如图3、4所示.

由图3可知，未利用地动态度变化最大，为12.85%；其次是建筑用地、湿地和农地，动态度变化依次为1.20%、0.84%和0.22%；园地和林地动态度变化最小，仅为0.11%和0.08%.由图4可知，2000—2005年土地利用动态度最大，为17.48%；1990—1995年动态度最小，仅为0.3%；2010—2015年、2005—2010年和1995—2000年土地利用的动态度分别为9.60%、3.93%和0.94%.刘纪远等[20]对中国土地利用动态度进行划分，结果表明：2000—2005年当地土地利用动态度处于快速变化阶段，2010—2015年处于慢速变化阶段，1990—1995年、1995—2000年和2005—2010年属于极缓慢变化阶段.总体来说，1990—2015年普者黑流域土地利用动态变化呈慢速变化趋势.

2.1.2 土地利用结构 1990—2015年普者黑流域建筑用地和农地面积不断增大，湿地和未利用地面积持续减小，林地和园地呈现波动变化.土地利用类型的转换主要发生在农地、林地、湿地和未利用地之间，转出面积均大于转入面积.在转出的地类中以农地和林地为主，湿地和未利用地前期转出占一定比例，后期转出所占比例较小，园地转出比例较低.转入地类以农地、林地和湿地为主，园地和建筑用地转入所占比例较小，结果如表1、2和图5所示.

图3 普者黑流域单一土地利用动态度

图4 普者黑流域综合土地利用动态度

表1 1990—2015年普者黑岩溶湖泊湿地流域土地利用类型面积

表2 1990—2015年普者黑岩溶湖泊湿地流域土地利用类型面积的变化率

由图5可知，具体转化特征如下：(1)1990—2015年，研究区土地利用类型转出面积均大于转入面积，其中1995—2000年转出面积和转入面积所占比例最大，分别为16.4%和16.73%；2010—2015年转出面积和转入面积所占比例最小，仅为3.57%和3.42%；转出面积和转入面积逐年依次减少，且变化幅度也在不同程度减小.由表1、2可知：建筑用地和农地面积显著增大，但增长幅度在递减；1990—1995年建筑用地增加幅度最大，为13.25%，是2010—2015年增长幅度的2倍；而农地增涨幅度最快出现在2000—2005年；2005年后以0.40%的变化速度增长.2000—2005年湿地和未利用地面积减小最快，变化率为-28.16%和-36.73%，减小的湿地面积主要位于普者黑流域下游.林地和园地面积变化不大，变化率为-0.28%～0.13%和3.68%～0.55%.经实地调查，居民修建房屋是在原有占地面积基础上进行扩建、翻新，因此出现了建筑用地面积增加、变化速度减小的现象[21].

(2)在转出的地类中以农地和林地为主；湿地和未利用地前期转出占一定比例，后期转出比例较小；园地转出比例总体较小，为0.13%～0.07%.1990—1995年和1995—2000年这2个时段来看，转出类型面积比例依次为林地>农地>湿地>未利用地>园地；而2000—2005年和2010—2015年，林地、农地和湿地转出面积比例相近.1990—2015年土地利用转出面积比例逐年下降，这与退耕还林及退塘还湖等政府实施的一系列措施有关[22].建筑用地转出面积比例接近于零，说明建筑用地面积在增加[23].

(3)土地利用转入地类以农地、林地和湿地为主，园地和建筑用地转入所占比例较小.1990—1995年，农地面积转入比例小于林地，1995—2000年、2010—2015年农地转入面积比例大于林地，2000—2005年湿地面积转入比例最大，2009年在普者黑下游修建湿地公园，湿地面积有所增加，2005年以后转为湿地面积的比例逐年递减.

图5 1990—2015年普者黑岩溶湖泊湿地流域土地利用转移的构成比例

2.2.1 土地利用预测精度检验 不同土地利用类型具有相互转化的可能，且在一个相互转化关系不复杂的区域，采用CA-Markov模型预测比较稳定[24-25].为检验CA-Markov模型预测土地利用变化的精确度，对于2000年、2005年、2010年和2015年普者黑流域土地利用，通过将模拟元胞与初始元胞进行对比来验证模拟精度[26-27]，结果表明，2000年、2005年、2010年和2015年预测精度在80%以上，CA-Markov模型能够较好地模拟出各土地利用类型的变化趋势(表3).

由表3可知，2000年、2005年、2010年和2015年元胞模拟相对误差分别为0.17、0.15、0.16和0.12，其中农地和林地模拟相对误差都在0.20以下，湿地和建筑用地模拟预测的相对误差也都在0.30以下.但园地和未利用地与模拟预测结果出入较大，其原因是园地和未利用地占总面积的比例较小，其面积微小的变化都会对预测产生比较显著的影响[28].将2000年、2005年、2010年和2015年普者黑流域的土地利用预测图和土地利用现状图进行叠加统计，进行空间位置的精度验证，得到的Kappa系数分别为0.79、0.81、0.84和0.86，Kappa≥0.75，表明一致性较高.结果表明，模拟结果具有较好的可靠性，预测值达到精度要求.用IDRISI软件的CA-Markov模型对土地利用进行模拟预测.

2.2.2 普者黑流域未来30 a土地利用的预测 采用CA-Markov模型，对2025年、2035年和2045年土地利用情况进行模拟.表明未来30 a普者黑流域土地利用变化总体呈现出建筑用地、农地、园地不断增加，林地、湿地和未利用地持续减少的趋势，结果如表4所示.

由表4可知，2025—2045年，建筑用地增加1 263.76 hm2，农地面积减少976.76 hm2，湿地面积减少170.47 hm2；其中2025—2035年建筑用地占有率从3.25%上升到5.11%，农地面积占有率由66.92%下降到66.02%，湿地面积占有率由4.34%下降到3.98%.而2035—2045年建筑用地占有率从5.11%上升到7.06%，农地面积占有率下降到63.98%，湿地面积占有率从3.98%下降到3.82%.与25 a前的变化趋势基本保持一致，即农地增加，湿地、未利用地减少.说明建筑用地、未利用地的增加占用部分农地和林地，而湿地增加主要受到政策性因素影响，如2015年开始丘北退耕还湿的重点放在普者黑国家湿地公园等流域生态走廊以及生态环境脆弱区域.

表3 普者黑流域土地利用预测模拟精度的对比

表4 普者黑流域2025、2035和2045年土地利用的预测结果

由图6可知，增加的农地面积主要集中在流域上游和水库周边，且由未利用地和林地转化而来；建筑用地面积呈快速增长趋势，增长速度为前25 a的3倍，其中住房建造主要集中在湿地公园附近，同时由八道哨乡和日者乡周围向湿地周边蔓延，尤其明显的是位于八道哨乡普者黑村建设用地增加，在这一过程中部分农地被占用为建筑用地.与此同时，湿地面积减少且主要集中在人工修建湿地公园以及普者黑风景区周围，下那红村周边及落水洞景区的湿地面积也有所减少；减少的林地面积主要集中在流域西面的红旗水库周围；园地面积急剧增加，主要集中在小平坝村和三家村.

3 讨论

(1)1990—2015年，普者黑流域土地利用结构变化以农地、林地、湿地为主，其中农地面积增加最快，未利用地面积减少最快，园地面积变化不明显.从单一土地利用动态度来看，未利用地利用动态度变化最快，其次是建筑用地和湿地和农地，林地和园地土地利用动态度变化最慢.从综合土地利用动态度来看，2000-2005年土地利用动态度最大，1900-1995年动态度最小.在各土地利用类型间相互转化中，转出面积以农地和林地为主，转入面积以农地、林地和湿地为主.

(2)未来30 a研究区土地利用格局变化总体上体现了以农地为主，林地、建筑用地和湿地为辅的特征.建筑用地、农地、林地、湿地、未利用地和园地的面积比例分别为7.06%、63.98%、23.00%、3.82%、0.37%和1.76%，土地利用变化趋势与前25 a的演变规律基本保持一致.

图6 普者黑岩溶湖泊湿地流域2025年、2035年和2045年土地利用预测图

(3)未来30 a(2015—2045年)与前25 a(1990—2015年)相比，普者黑岩溶湖泊流域土地利用格局出现了一些新特征，建筑用地以3倍的增长率速度扩张，湿地公园和仙人洞景区建筑用地大幅度增加，湿地和未利用地面积在缓慢减少，农地和林地面积先增加后减少.

研究表明，到2045年农地和林地的面积有所减少，林地面积的减少主要集中在湿地周围；同时建筑用地、园地面积有所增加，增加面积的主要是通过占用农地.若按照当前的发展趋势，人类活动将会对该流域土地利用变化产生很大影响，建筑用地的增加主要集中在湿地公园附近以及从城镇向周边蔓延，并占用部分农地和林地.这种现象会加大湿地面积退化，使自然资源和自然景观受到严重破坏[29-30].研究还表明，预测未来30 a湿地减少主要出现在人工修建的湿地公园附近，是由于在未来的建设中不会在类似地修建湿地公园，所以预测的湿地面积在减少.但普者黑国家湿地公园建设(试点)工作还未验收，在接下来的一段时间内湿地公园可能会有所扩建或修复.因此，应该采取相应措施，加大湿地资源保护工作.首先，针对建筑用地不断向湿地扩张的情况，加强对已建成区域的管理，并加强新建审批工作；其次，对于林地变成荒地的现象，应该加强土地治理，对利用率低的土地进行整治，大量种树(尤其在湿地资源周围)；最后，由于预测湿地面积与实际有偏差，且该地貌属于典型的生态敏感区，所以加强对湿地景观的保护是当前乃至今后一段时间的首要任务.

[1] 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.

[2] WIJESEKARA G N, GUPTA A, VALEO C, et al. Assessing the impact of future land-use changes on hydrological processes in the Elbow River watershed in southern Alberta, Canada[J]. Journal of Hydrology, 2012,4(412/413):220-232.

[3] 王友生,余新晓,贺康宁,等.基于CA-Markov模型的藉河流域土地利用变化动态模拟[J].农业工程学报,2011,27(12):330-336，442.

[4] 杨俊,单灵芝,席建超,等.南四湖湿地土地利用格局演变与生态效应[J].资源科学,2014,36(4):856-864.

[5] 杨依天,郑度,张雪芹,等.1980—2010年和田绿洲土地利用变化空间耦合及其环境效应[J].地理学报,2013,68(6):813-824.

[6] 侯西勇,常斌,于信芳.基于CA-Markov的河西走廊土地利用变化研究[J].农业工程学报,2004,20(5):286-291.

[7] 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):2 178-2 186.

[8] 欧定华,夏建国.城市近郊区景观格局变化特征、潜力与模拟——以成都市龙泉驿区为例.地理研究[J].2016,35(3):534-550.

[9] 范强,杨俊,吴楠,等.海岸旅游小镇景观格局演变与动态模拟——以大连市金石滩国家旅游度假区为例[J].地理科学,2013,33(12):1 467-1 475.

[10] 赵永华,贾夏,刘建朝,等.基于多源遥感数据的景观格局及预测研究[J].生态学报,2013,33(8):2 556-2 564.

[11] 姚玉龙,刘普幸,陈丽丽,等.近30年来合肥市城市扩展遥感分析[J].经济地理,2013,33(9):65-72.

[12] 李丽,刘普幸,姚玉龙.近28年金昌市土地利用动态变化及模拟预测[J].生态学杂志,2015,34(4):1 097-1 104.

[13] 龚文峰,袁力,范文义.基于CA-Markov的哈尔滨市土地利用变化及预测[J].农业工程学报,2012,28(14):216-222.

[14] 刘纪远,匡文慧,张增祥,等.20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报,2014,69(1):3-14.

[15] LIU Y, FENG Y J, PONTIUS J R G. Spatially-explicit simulation of urban growth through self-adaptive genetic algorithm and cellular automata modeling[J]. Land, 2014,3(3):719-738.

[16] 程刚,张祖陆,吕建树.基于CA-Markov模型的三川流域景观格局分析及动态预测[J].生态学杂志,2013,32(4):999-1 005.

[17] 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.

[18] 陈爱玲,都金康.基于CA-Markov模型的秦淮河流域土地覆盖格局模拟预测[J].国土资源遥感,2014,26(2):184-189.

[19] 布仁仓,常禹,胡远满,等.基于Kappa系数的景观变化测度——以辽宁省中部城市群为例[J].生态学报,2005,25(4):778-784，945.

[20] 刘纪远,刘文超,匡文慧,等.基于主体功能区规划的中国城乡建设用地扩张时空特征遥感分析[J].地理学报,2016,71(3):355-369.

[21] 刘淑燕,余新晓,李庆云,等.基于CA-Markov模型的黄土丘陵区土地利用变化[J].农业工程学报,2010,26(11):297-303.

[22] 李均力,盛永伟,骆剑承,等.青藏高原内陆湖泊变化的遥感制图[J].湖泊科学,2011,23(3):311-320.

[23] KUANG W H, LIU J Y, ZHANG Z X, et al. Spatiotemporal dynamics of impervious surface areas across China during the early 21st century[J]. Chinese Science Bulletin, 2013,14(58):1-11.

[24] 杨俊,解鹏,席建超,等.基于元胞自动机模型的土地利用变化模拟——以大连经济技术开发区为例[J].地理学报,2015,70(3):461-475.

[25] 陈志华,张莉,范胜龙,等.基于生命周期的开发区土地利用集约度预测[J].福建农林大学学报(自然科学版),2016，45(5):581-585.

[26] 张茜.基于CA-Markov模型的杭州湾南岸湿地景观格局动态模拟与预测[D].杭州：浙江大学,2013.

[27] SALAZAR A, BALDI G, HIROTA M, et al. Land use and land cover change impacts on the regional climate of non-Amazonian South America[J]. Global & Planetary Change, 2015,128:103-119.

[28] 唐南奇,尹陈红,张黎明,等.元包自动机模型的福州市城市用地变化模拟[J].福建农林大学学报(自然科学版),2014,43(1):85-89.

[29] 李均力,姜亮亮,包安明,等.1962—2010年玛纳斯流域耕地景观的时空变化分析[J].农业工程学报,2015,31(4):277-285.

[30] 张转转,范胜龙,唐南奇,等.基于GIS技术的后备宜建设用地空间分布及潜力——以福州市为例[J].福建农林大学学报(自然科学版),2016，45(4):452-457.

(责任编辑:叶济蓉)

Dynamics and simulation predictions of land-use in the typical catchment of karst lake wetland

WEN Guojing1, WANG Yan1,2, LIU Yungen1,2, ZHANG Chao1, HOU Lei1,2

(1.College of Environmental Science and Engineering; 2.Research Institute of Rural Sewage Treatment, Southwest Forestry University, Kunming, Yunnan 650224, China)

In order to reveal the dynamic characteristics of land use in Puzhehei watershed, GIS and mathematical statistics were applied to 6 sets of TM image data from 1990 to 2015 (1 set data for every 5 a). Then land use dynamic degree and structure were summarized for the past 25 a. Furthermore, tendency in land use structure was predicted based on CA-Markov model for next 30 a. The results showed that land use structure changed significantly in Puzhehei basin from 1990 to 2015. Land use dynamic degree of unused land was the highest, followed by construction land, wetland and agricultural land, whereas that of forest land was the lowest. In terms of mutual transformation of land use types, farmland and forest land accounted for the main source for conversion-out while agricultural land, woodland and wetland were the main types for conversion-in. The general land use pattern for next 30 a was basically the same with that of past 25 a, in which farmland and forest land was dominant, followed by construction land and wetland. Comparing with that of 1990 to 2015, some new features on land use pattern in Puzhehei Basin karst lake wetland may occur in 2015-2045, such as rate of land conversing to building will increase significantly, but that of wetland will slow down, and farmland and forest land area will increase first and followed by a decrease.

Puzhehei; karst lakeshore wetland; land use; prediction and simulation

2016-06-28

2016-10-18

国家自然科学基金资助项目(31560237、51469030和31460195).

闻国静(1992-),女,硕士研究生.研究方向:湿地生态修复.Email:wenguojing920@126.com.通讯作者王妍(1980-),女,副教授,博士.研究方向:生态修复及景观生态.Email:wycaf@126.com.

S127

A

1671-5470(2017)02-0220-08

10.13323/j.cnki.j.fafu(nat.sci.).2017.02.016