基于CA-Markov模型的“丝绸之路经济带”沿线地区土地利用变化分析与预测——以西北五省为例

周　熙，马智民，尹　芳，江　东

(1.长安大学 地球科学与资源学院， 陕西 西安　710054;2.中国科学院 地理科学与资源研究所资源利用与环境修复重点实验室,北京　100101)

“丝绸之路经济带”是2013年9月中国国家主席习近平在出访哈萨克斯坦期间提出的重大倡议,该倡议与同年10月习近平主席提出的“21世纪海上丝绸之路”共同引起世界各国的高度重视,将两项倡议并称为“一带一路”战略。2015年3月27日,中国国家发展改革委、外交部和商务部于海南博鳌亚洲论坛联合发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》[1],标志着“一带一路”战略进入全面推进建设阶段。“一带一路”战略是推动中国经济全球化发展,促进国际区域经济合作的新模式,它的实施对实现区域经贸往来,各国互利共赢有着重要意义。

土地利用变化是研究区域环境变化的重要内容,它能够反映人类活动和社会发展对陆地表层生态环境所造成的影响,是人类社会经济活动和自然生态环境交互作用的重要指示[2]。当前,土地利用变化的研究热点区域主要集中在生态环境脆弱、人地矛盾突出等具有鲜明问题的地区。在“一带一路”战略中,“丝绸之路经济带”沿线地区在中国境内主要分布于西北五省,包括陕西、宁夏、甘肃、青海和新疆,这5个省份在自然环境、社会经济等方面都具有典型的问题。因此,对中国西北五省的土地利用变化情况进行研究,不仅有助于保护区域生态环境,缓解人地关系矛盾,更是对当前推进“丝绸之路经济带”的实施建设有着重要的作用。

当前对土地利用变化进行分析和模拟的模型有很多,何宝忠等[3]利用Markov模型对吐鲁番市的土地利用变化情况进行了分析和预测,建议该地区应当加强耕地保护并加强对未利用地的开发;杜际增[4]等基于Markov链模型分析了长江源区土地利用变化情况,认为人为因素改善了研究区的土地覆被情况,降水量的增加使土地覆被退化情况得以缓解;杨俊等[5]利用元胞自动机模型对大连经济技术开发区的土地利用情况进行了分析和预测,并对模型进行改良使其更适合对研究区进行模拟;刘毅等[6]以宏观、中观、微观3个尺度结合元胞自动机模型对大连市新城区的土地利用格局进行预测,认为同心圆组团模式下的新增用地发展紧凑。但是,传统的马尔柯夫模型的空间预测能力较弱,无法得知各种类型土地在空间上的变化状态[7];元胞自动机模型具有模拟复杂空间系统的时空动态演变能力,但其预测结果是基于元胞间的局部相互作用而产生,存在一定的局限性[8],结合两者优势的CA-Markov模型,具备了CA模型对复杂系统空间变化的模拟能力和Markov模型的长期预测能力,可在时间和空间上都较好地进行土地利用变化时空格局的模拟和预测。国外Darrel Jenerette[9]利用CA-Markov模型分析模拟了亚历桑那州菲尼克斯地区的土地利用变化情况,研究表明城市扩张和人口增长有关;Andersson[10]利用CA-Markov模型模拟了城市聚落的演变;国内井梅秀等[11]利用TM影像对关天经济区土地利用格局进行模拟,模拟结果显示耕地和林地面积衰减,但并未对土地利用变化情况进行分析;刘淑燕等[12]利用CA-Markov模型对黄土丘陵地区中罗玉沟流域这一较小范围的土地利用变化进行了研究,发现坡耕地面积的减少速率在降低,并结合土地利用动态度模型对变化情况进行分析;雷浩川等[13]以青海湖流域为研究对象,仅将研究区的预测结果与遥感影像解译数据进行精度对比,发现两者的结果接近;于涛[14]和李小龙[15]等利用CA-Markov模型分别对新疆克州及昌吉市的土地利用变化进行模拟预测,认为生态环境处于恶化趋势,但对土地利用变化情况未进行深入分析。现有的研究大多集中在东部沿海地区,对西北生态脆弱地区开展的研究较少,部分针对西北地区开展的研究也仅以较小区域为研究对象,基本没有基于CA-Markov模型对整个西北地区的土地利用变化情况进行模拟预测的研究,并且现有的研究大多为基于土地利用数据对研究区情况进行预测和基于研究数据的变化进行简单的分析,并未结合土地利用变化的相关分析模型进行研究,因此本研究在当前“丝绸之路经济带”建设背景下，针对整个西北地区开展土地利用变化的分析和预测具有一定的研究意义。

本文基于1980年和2005年中国西北五省土地覆被数据,利用GIS的空间分析功能和分析模型对不同时期的土地利用情况进行分析,并结合CA-Markov模型对未来土地利用情况进行模拟预测,以期对西北五省“丝绸之路经济带”的实施建设提供决策依据。

1　研究区概况和数据来源

1.1　研究区概况

本文以中国西北五省为研究区,包括陕西、宁夏、甘肃、青海、新疆,此五省为“丝绸之路经济带”在中国境内西北地区所覆盖的省份,其中陕西省更是“古丝绸之路”的起点。研究区位于东径73°25′～110°55′,北纬31°35′～49°15′ 之间,地跨湿润区、半湿润区、半干旱区、干旱区,气候差异性显著,以温带季风气候和温带大陆性气候为主[16]。气温由东南向西北方向递减。年均降水量在400毫米线以下,降水量变化由东南向西北递减[17]。地形以高原、平原、盆地为主。自然景观分布为从森林向草原、荒漠草原、荒漠、高原过渡[18],植被覆盖度也随之由高向低变化。

1.2　数据来源

研究数据为1980年和2005年西北5省100m分辨率土地覆被数据,数据内容包括耕地、林地、草地、水域、建设用地、未利用地等6个一级土地类型和25个二级土地类型,数据来自国家地球科学数据共享平台。本研究以6个一级土地类型为研究对象(见图1、图2)。

图1　1980年西北五省土地利用现状图Fig.1　Acquired land use map across five provinces in Northwest China in 1980

图2　2005年西北五省土地利用现状图Fig.2　Acquired land use map across five provinces in Northwest China in 2005

2　研究方法

2.1　土地利用动态度模型

2.1.1单一土地利用动态度单一土地利用类型变化动态度是用来表达研究区在一定时间内某种土地利用类型的数量变化情况,能够直接反映土地利用类型变化的幅度和速度[19],计算公式为

(1)

式中:KT为研究时段内某一地类动态度,km2/a;Ua-U为研究期内该土地类型发生转移部分的面积,km2;Ua为该土地类型在研究期初的面积,km2;U为该土地类型在研究期内未发生变化的面积,km2;T为研究期时长,a。

2.1.2综合土地利用动态度综合土地利用动态度综合考虑了在某一时期内研究区土地利用类型之间互相转移的情况,以反映区域内土地利用变化程度是否剧烈,使研究者能够找出土地利用变化的热点区域[11],计算公式为

(2)

2.2　土地利用动态变化空间分析测算模型

当区域土地利用变化活动发生较活跃时,土地利用动态度模型不能够较好的对其进行模拟和分析,因此刘盛和[20]等对土地利用动态度模型进行了修正,并在此基础上提出了土地利用动态变化空间分析模型,计算公式为

(3)

(4)

100%=TRLi+IRLi。

(5)

式中：TRLi为第i种土地类型在研究期内土地发生转移的速率,km2/a;IRLi为第i种土地类型在研究期内土地面积新增的速率,km2/a;CCLi为其空间变化速率,km2/a;Ub为该土地类型在研究期末的面积,km2;T为研究期时长,a。对该模型进行分析能够发现,当对研究区所有土地利用类型的空间变化速率进行测算时,若土地类型发生转移的面积和新增的面积相等时,两者的速率相等且空间变化速率为年均变化率的2倍。

2.3　CA-Markov模型

2.3.1元胞自动机模型元胞自动机模型是一种时间、空间、状态都离散，空间相互作用和时间因果关系都为局部的网络动力学模型,具有强大的模拟复杂系统时空演化过程的能力[21]。元胞自动机模型可用下式表示:

Sijt+1=fN(Sijt)

(6)

式中：S表示ij的状态;f是转换函数,定义了元胞从t时刻到t+1时刻的转换。N是元胞的邻域,属于f的一个输入变量。应用定义好的转换规则就可以实现对局部空间范围内的元胞演化。

2.3.2Markov模型在事件发展过程中,如果状态转移过程无后效性,或者说,每次状态转移都与而且只与前一时刻状态有关,则这样的过程为Markov过程。在这一过程中,事件从某一种状态转移到下一时刻其他状态的可能性,称为状态转移概率,记为Pij。在土地利用结构预测中,通常所指的状态即指用地类型,如耕地、林地等[22]。因此,从一种土地利用类型到另一种土地利用类型的变化过程可视为Markov过程,土地利用类型之间相互转换的面积数量或比例即为状态转移概率。因此,可基于下式对土地利用状态进行预测:

S(T)=Pij×S(T0)

(7)

式中:S(T)，S(T0)分别表示T和T0时刻的土地利用状态;Pij为状态转移矩阵,由下式表示

(8)

式中:n为土地利用类型。

2.3.3CA-Markov模型基于元胞自动机模型强大的空间动态演化能力与马尔柯夫模型的时间动态模拟的优势,将两种模型相结合构建CA-Markov 模型,以期对土地利用变化进行模拟。该模型将土地利用栅格数据中的每一个像元作为元胞,结合与土地利用变化有关的一系列空间因子变量,形成土地利用面积转移矩阵,模拟土地类型驱动变化的转换规则,从而确定元胞状态的转移，从而模拟土地利用格局的变化[23]。

3　结果与分析

3.1　1980—2005年西北五省土地利用变化情况

3.1.1土地利用类型变化及特征分析利用ArcGIS将原始栅格数据转换为矢量数据,对其进行融合得到6个一级土地类型的土地利用现状图,并利用叠置分析功能对1980年和2005年的矢量数据进行处理, 可计算得到1980—2005年西北五省土地利用变化面积转移矩阵(见表1), 对该矩阵进行分析可知西北五省在25年间各土地利用类型发生的变化。 与1980年相比, 2005年林地、 草地和未利用地分别减少了540.21，6 239.81和3 942.26 km2,占总面积的0.02%，0.21%和0.13%,而耕地、建设用地和水域分别增加了6 927.9，3 100.86和693.5 km2,占总面积的0.23%，0.1%和0.02%。

在不同土地利用类型向其他地类转出的过程中,林地向草地和耕地转化的面积较大,分别为1 133.72和722.22 km2,占林转出总面积的60%和38%;草地向耕地转出14 171.90 km2,占其转出总面积的81%,而向林地、建设用地、水域、未利用地转移的面积分别占转出总面积的6%，5%，4%，4%,由此可见,在1980—2005年这25年间,人们为了生存发展同时缓解人口增长的压力,开垦了大量的土地用作粮食生产,使得林地与草地的数量大幅度减少,尽管在20世纪90年代国家采取退耕还林还草等措施来缓解林草地面积减少的问题,也取得了一定的效果,但是就25年来的整体变化来看,林草地要回到1980年间的数量是较难实现的。随着国家实行改革开放战略以来,经济发展迅速,因此建设用地在不断增加,但是由于西北地区自然环境条件,对城镇的建设和扩张有一定的限制作用,因此建设用地面积的增长幅度不大。国家为了解决西北地区干旱缺水的问题,实行南水北调战略,并在各地区开展水利建设,因此西北五省的水域面积在25年间有所增加。

表1　1980—2005年西北五省土地利用变化面积转移矩阵Tab.1　Transition matrix of land use changes in 1980 and 2005 of five provinces in Northwest China　km2

3.1.2土地利用变化模型测算结果及分析利用土地利用动态度模型和空间分析测算模型对1980—2005年间西北五省不同利用类型土地面积的转移速率和新增速率进行测算,得到土地利用变化率表(见表2)。从表2中可以看出,林地、耕地和建设用地的转移速率最快,草地的转移速率最慢,其中林地、草地的新增面积小于转出面积,因此林地面积在25年间处于高速衰减的趋势,草地面积处于缓慢衰减趋势;耕地的新增面积大于转移面积,因此耕地面积处于高速增长的趋势,而水域的面积处于缓慢增长趋势。

在新增部分中,建设用地面积的新增速率最快,其次为耕地,未利用地的新增速率最慢;而耕地的新增面积最大,占土地新增总面积的43%,其次为草地,占新增总面积的23%,林地的新增面积最少,占新增总面积的3%。虽然草地的新增面积较大,但是由于其转出的面积大于新增面积,因此总体趋势仍然是下降的,反之耕地面积是增长的。

表2　1980—2005年西北五省土地利用变化率Tab.2　Annual change rate of land use in 1980 and 2005 of five provinces in Northwest China

3.1.3土地利用动态度模型和空间分析测算模型计算结果比较将基于土地利用动态度模型和空间分析测算模型测算出的1980—2005年西北五省土地利用变化率进行汇总得到变化率对比表(见表3),对两种模型测算出的结果进行对比可知,当研究对象为某一土地利用类型时,两种模型测算的结果差异较大,这是由于土地利用动态度模型仅考虑土地转出面积的变化速率,而空间分析测算模型则是对转出面积和新增面积的变化速率都进行了考虑。如林地、耕地和建设用地动态度模型计算的结果都是是0.13km2/a,而空间分析测算模型计算的结果分别为0.22，0.34和0.35 km2/a。这说明当某一种土地利用类型的转出过程和新增过程都比较活跃时,土地利用动态度模型的计算结果低估了实际变化的过程。因此,空间分析测算模型对土地利用类型面积变化情况的计算更贴合实际情况。而对于研究区总体来说,土地利用变化的过程中转出和新增的土地面积是一样的,因此两种模型的计算结果是一样的。

表3　1980—2005年西北五省土地利用变化率基于不同模型的测算结果Tab.3　Annual change rate of land use in 1980 and 2005 of five provinces in Northwest China based on different models　km2·a-1

3.2　基于CA-Markov模型预测西北五省2030年土地利用格局

利用CA-Markov模型对土地利用格局进行预测前需要确定土地面积转移概率矩阵。基于Markov模型,根据不同利用类型土地面积的年平均转化率来确定土地利用类型的转移概率,以1980—2005年土地利用变化面积转移矩阵为基础,建立Markov土地面积转移概率矩阵(见表4)。

表4　1980—2005年西北五省土地利用变化面积转移概率矩阵Tab.4　Transition probability matrix of land use changes in 1980 and 2005 of five provinces in Northwest China

以1980年土地利用覆被数据为基期,结合土地利用变化面积转移概率矩阵,利用CA-Markov模型对25年后即2005年的西北五省土地利用格局进行预测,得到2005年西北五省土地利用现状模拟图(见图3)。

图3　2005年西北五省土地利用现状模拟图Fig.3　Acquired land use simulating map across five provinces in Northwest China in 2005

以2005年土地利用覆被数据为基期,结合土地利用变化面积转移概率矩阵,利用CA-Markov模型对25年后即2030年的西北五省土地利用格局进行预测,得到2030年西北五省土地利用现状预测图(见图4)。

图4　2030年西北五省土地利用现状预测图Fig.4　Acquired land use forecasting map across five provinces in Northwest China in 2030

对2030年西北五省土地利用现状预测数据进行分析可知, 到2030年西北五省的林地面积为59 342.88 km2, 草地面积为884 762.36 km2, 耕地面积为440 584.28 km2, 建设用地面积为154 905.26 km2,水域面积为193 471.25 km2,未利用地面积为1 281 712.17 km2。与2005年的土地利用数据进行对比可知,2005—2030年的土地利用变化趋势基本和1980—2005年的土地利用变化趋势保持一致,具体表现为林地、草地和未利用地面积减少,减少面积分别占2005年各地类面积的0.48%、0.43%和0.21%,耕地、建设用地和水域的面积增加,增加面积分别占2005年各地类面积的1.11%，0.72%和0.41%。对比2005年和2030年的土地利用格局与分布情况可知,2005—2030年期间林地以向耕地、草地转移为主,大片草地主要向耕地转移,而耕地仅有一小部分面积转回了草地,小部分建设用地、水域和未利用地向草地转移,其他转移情况十分微小,但是各地类增减的幅度有所降低,这是基于土地利用变化面积转移概率矩阵得到的预测结果。

4　结论与讨论

4.1　结　论

西北五省幅员辽阔,总面积约占中国陆地面积的三分之一,区域内自然生态环境复杂,人类活动对区域内的土地利用变化有着巨大影响。当前,中国在大力推进“一带一路”战略的建设,作为在中国境内的“丝绸之路经济带”沿线地区,西北五省未来的土地利用格局变化必然受到这一战略实施的影响。因此,本文分析了不同历史时期西北五省土地利用格局的变化情况,并基于CA-Markov模型预测了2030年西北五省的土地利用格局。

1)由1980—2005年西北五省土地利用变化面积转移矩阵可知,西北五省在1980—2005年这25年间土地利用格局发生了较大的变化。与1980年相比,2005年林地、草地和未利用地面积分别减少了540.21，6 239.81和3 942.26km2,而耕地、建设用地和水域面积分别增加了6 927.9，3 100.86和693.53 km2。

2)结合土地利用变化动态度模型和空间分析测算模型对1980—2005年土地利用变化情况进行计算,对结果进行对比分析可知,土地利用变化动态度模型对地类面积的转移速率进行计算时,其结果是适用的,但该模型未考虑地类面积的新增情况,因此对土地利用类型动态变化的测算有局限性;而空间分析测算模型则综合考虑了地类面积转移和新增的情况,因此能够更准确地反映土地利用类型的动态变化程度。

3)基于CA-Markov模型和土地面积转移概率矩阵对2005年西北五省土地利用格局进行模拟,检验结果显示，皮尔逊X2指数为39 435 436.000 00,Kappa系数为0.999 9,表明2005年西北五省土地利用格局的模拟结果具有较高的可信度。在此基础上对2030年西北五省土地利用进行预测,结果表明, 2005—2030年期间西北五省的土地利用变化趋势与1980—2005年的变化趋势一致,林地、草地、未利用地面积减少,耕地、建设用地和水域面积增加。

西北五省幅员辽阔,区域内自然条件复杂,生态环境脆弱,为了更好地推进“一带一路”战略的实施,应当加强对生态环境的保护为社会经济建设打下良好的基础。当前,国家要求建设18亿亩高标准基本农田以确保粮食安全,那么在生态脆弱区域保证耕地数量的同时开展退耕还林还草等工作以提升林草地数量,同时对未利用地进行合理开发都显得十分重要。

4.2　讨　论

本文的研究结果可为推进“丝绸之路经济带”实施提供有力的决策依据,对西北五省土地利用结构与布局的规划调整、土地资源的优化配置提供一定的依据,对寒旱区生态环境修复和保护工作起到一定的指导意义。但是,本研究仍存在一定的问题需要继续研究解决。

1)研究所采用数据年份跨度较大,期间自然环境变化受到社会经济、政策法规等影响因素较大,且不同时间段内的影响因素也存在较大差异,因此在后续研究中应当减小时间跨度,特别是在“一带一路”战略提出前后、实施前后对土地利用变化影响的研究,以期得到该战略对生态环境的影响。

2)对影响土地利用变化的驱动因素未做深入的研究和分析,仅基于土地利用覆被数据对研究区的变化情况进行了分析,在后续研究中应当开展对影响变化的驱动因素的相关研究。

3)对土地利用覆被数据的精度差异对预测效果的影响未作深入的研究,不同精度的数据对预测结果存在一定的影响,因此在后续研究中可开展对不同类型、不同精度数据对预测结果的影响的相关研究。

参考文献：

[1]国家发展改革委,外交部,商务部.推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动[R].北京:外交出版社，2015.

[2]MOONE H A, DURAIAPPAH A, LARIGAUDERIE A. Evolution of natural and social science interactions in global change research programs[J]. PNAS, 2013, 110(Suppl 1): 3665-3672.

[3]何宝忠，高敏华，赵军安.基于马尔科夫模型的吐鲁番市土地覆被动态变化研究[J].水土保持研究，2014,21(5):41-48.

[4]杜际增，王根绪，李元寿.基于马尔科夫链模型的长江源区土地覆盖格局变化特征[J].生态学杂志, 2015，34(1):195-203.

[5]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.

[6]刘毅，杨晟，陈吉宁，等.基于元胞自动机模型的城市土地利用变化模拟[J].清华大学学报(自然科学版), 201353(1):72-77.

[7]刘爱军，王保林.基于马尔柯夫模型的草原退化动态时空特征研究 [J]. 草业学报，2012，21(5):229-236.

[8]郭欢欢，李波，侯鹰，等.元胞自动机和多主体模型在土地利用变化模拟中的应用[J]. 地理科学进展，2011,30(11):1336-1344.

[9]DARREL G. Jenerette, Wu Jianguo. Analysis and simulation of land-use change in the central arizona-phoenix region, USA[J]. Landscape Ecology, 2001, 16(7): 611-626.

[10] LIU Xiaohang, Andersson C. Assessing the impact of temporal dynamics on land-use change modeling[J]. Computers, Environment and Urban Systems, 2004, 28(1/2): 107-124.

[11] 井梅秀，李晶.基于CA-Markov模型的关中-天水经济区土地利用变化动态模拟[J].陕西师范大学学报(自然科学版)，2013,41(1):99-103.

[12] 刘淑燕，余新晓.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.

[13] 雷浩川，王灵玥.基于CA-Markov模型的青海湖流域土地利用变化模拟[J].安徽农业科学，2015，43(34):328-331.

[14] 于涛，沈浩，仲嘉亮.基于CAMarkov模型的新疆克州土地利用动态模拟研究[J].新疆环境保护，2008，30(1):11-14.

[15] 李小龙，高敏华，包茹.基于CA-Markov模型的土地利用变化预测研究——以新疆昌吉市为例[J].中国农学通报，2014,30(14):315-320.

[16] 刘宪锋,潘耀忠,张锦水,等.近1960—2011年西北五省潜在蒸散的时空变化[J].应用生态学报, 2013,24(9):2564-2570.

[17] 曹雯，申双和，段春锋.中国西北潜在蒸散时空演变特征及其定量化成因[J].地理学报, 2011, 66(3):407-415.

[18] 刘宪锋，任志远.西北地区植被覆盖变化及其与气候因子的关系[J].中国农业科学, 2012, 45(10):1954-1963.

[19] 王思远，刘纪远.中国土地利用时空特征分析[J]. 地理学报，2001，56(6):631-639.

[20] 刘盛和，何书金.土地利用动态变化的空间分析测算模型[J].自然资源学报，2002，17(5):533-539.

[21] 杨俊，解鹏.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.

[22] 王剑，徐美. 基于马尔柯夫模型的漾濞江流域土地利用变化预测[J].水土保持研究, 2011, 18(5):91-95.

[23] 胡雪丽，徐凌，张树深.基于CA-Markov模型和多目标优化的大连市土地利用格局[J].应用生态学报,2013, 24(6):1652-1660.