基于CA-Markov的盘州市土地利用变化研究

卢涵宇，郭彩，张涛，胡超，谢涛

(1.贵州大学 大数据与信息工程学院， 贵州 贵阳 550025；2.贵州力创科技发展有限公司， 贵州 贵阳 550018； 3.贵州省盘州市自然资源局， 贵州 盘州 553500)

0 引言

随着人口增长、经济发展及科学进步，人类活动不断增强。土地利用变化(land use/cover change，LUCC)是人类活动对地表影响的重要载体，在地理空间信息技术的支持下，研究LUCC的动力学时空特性，揭示LUCC的自然规律和演变机理[1-4]，对于一系列生态环境问题的改善发挥积极作用。纵观目前国内外对LUCC的研究成果，主要是构建土地利用变化的时空分析模型的方法[4-18]。可总结为四大类：经验统计模型[5-8]、随机模型[9-12]、概念机理模型[13]、综合模型[14-18]。其中苏维词等[5]结合统计分析方法，从土地利用空间格局变化数据中提取相关驱动因子，集理论和规律来模拟各个驱动因子的作用机制，运用灰色模型把LUCC与相关因素联系起来，以表征土地利用变化特征。杨俊等[6]基于土地类型的转变及其空间上的相互影响，利用Python语言实现了局部土地利用竞争的CA原型开发。胡超等[9]通过土地利用转移概率矩阵，建立Markov模型预测了土地利用演化趋势。张晓娟等[15]运用MCE-CA-Markov模拟三峡库区土地利用演变状况，在一定程度上克服了传统线性模拟方法的弊端，并对限于空间特性及尺度效应的不足提出今后改进方法。邓元杰等[18]将不同模型有机地综合起来，整合自然和社会因素的影响，系统分析模拟土地变化特征，但在对空间格局分布的政策影响因素上考虑较少。以上研究采用不同的模型方法，并且在其研究领域取得一定成绩。但就区域问题与土地利用类型的研究来看，近年来中国西部高原地区经济发展，必然导致土地利用格局也随之改变，而对于将同时考虑空间及非空间特征的综合模型应用于该类地区土地利用的研究很少。为深入认识云贵高原地区土地利用结构特征，笔者选取贵州省盘州市为研究区，探讨该地区2001年～2017年土地利用演变情况，并将CA模型与Markov模型集成实现对土地发展趋势的模拟预测，以期为盘州市土地利用结构调整、新型城镇化建设以及文化旅游发展提供参考。

1 研究区与数据

1.1 研究区概况

盘州市座落于贵州省西部、六盘水市西南部，位于东经104°17′46″～104°57′46″，北纬25°19′36″～26°17′36″(图1)。其东邻普安县，西连云南省富源县，南接兴义市， 北临水城县，国土总面积4 052 km2，是云贵交界地区重要的交通枢纽，贵州省面向云南及东盟开放的桥头堡，国家西南出海大通道上的重要节点。作为典型的山区市，无五千亩及上坝区，山高坡陡，喀斯特地貌发育完全，土地开发利用难度大。其农林用地是主体用地；耕地多为坡地及梯田；未利用地大部分是裸地；建设用地规模较小。地势西北高，东南低，中南部隆起，平均海拔1 400～1 900 m。为亚热带高原季风气候区，雨热同季，干湿季节分明，年平均气温15.2 ℃，年平均降雨量1 411.7 mm。河流分布广泛，属珠江流域西江水系。

图1 盘州市地理位置示意图

1.2 数据预处理

选择盘州市为研究区，土地利用影像数据为2001年、2009年和2017年3个时段的Landsat遥感影像，空间分辨率30 m×30 m，地理坐标系WGS 1984。其中遥感影像数据及数字高程(DEM)数据来源于地理空间数据云平台(http://www.gscloud.cn)。此外，本文还涉及到由DEM计算获得的坡度数据、交通路网道路数据和河流水系数据。

本文数据处理主要分为三步骤：一是在ENVI平台对遥感影像进行大气校正和图像增强，采用监督分类中的支持向量机方法，进行地物类型的划分；再经主成分析和滤化平滑处理分类后，裁剪出研究区图像。二是在ArcGIS平台对栅格文件的空间坐标系统和分辨率统一化操作。三是导入ASCII格式的土地利用数据和矢量影响因子数据进而实现研究区的土地利用变化研究。

2 研究方法

2.1 土地利用变化特征指标

本文基于数量结构和空间角度研究其动态变化规律。单一/空间土地变化动态度呈现的是研究期间地物类型i的数量变化和空间格局特点。其动态度的绝对值越大，表明该地物类型面积增或减的速率越快，稳定性越差，计算公式如下：

(1)

(2)

式中,Rt,i为土地利用类型i的年变化率，Uxi为土地类型i在初期年份的面积，Uyi为土地类型i在终止年份的面积，T表示研究时段内的年数。Rs,i为土地利用类型i的空间变化动态度，ΔUout,i为T时间内土地类型i转为其他类型的面积，ΔUin,i为其他土地类型转为类型i的面积。

2.2 CA-Markov预测模型

2.2.1 CA原理

元胞自动机(cellular automation，CA)于20世纪40年代末由Neumann和Ulan提出。其原理为通过元胞现阶段状态及其邻域状态，以特定的转换规则预测下一个时间段的状态变换；其中元胞状态根据模型应用领域的不同赋予不同的含义；邻域主要有冯诺依曼类型和摩尔类型两种。本文赋予元胞状态含义为土地利用类型，邻域选择扩展摩尔型。CA模型是具有时空计算能力和空间建模能力的动力学模型，特点是时间、空间、状态都离散，表示公式如下:

S(t+1)=f(S(t),N),

(3)

式中,S是元胞有限、离散的状态集合，N为元胞的邻域，f为局部空间元胞状态的转化规则。

2.2.2 Markov转移矩阵

马尔科夫(Markov)模型于20世纪40年代由Andrey Markov提出，是基于Markov过程理论，通过研究变化规律来预测未来事件发生概率的动态随机模型。其Markov转移状态矩阵由t时地物类型与(t+1)时地物类型间变换的面积数量或比重构成，这种转换过程具有无后效性和离散性特征。

本文赋予Markov过程中的“可能状态”含义为土地利用类型，进而根据上一区间的概率矩阵即可实现对下一区间土地利用类型的预测。表示公式如下：

S(t+1)=Pij×S(t),

(4)

(5)

式中,S(t)、S(t+1)分别是t、(t+1)时刻的系统状态，n表示各个地物类型，Pij是状态转移概率矩阵，该矩阵中每个元素必须为非负数，且每行元素的总和为1。

2.2.3 MCE适宜性图集

多标准评价法(multi-criteria evalvation, MCE)是综合考察诸多因素的影响，通过加权线性组合和布尔叠加的方法，做出于目标而言最优的方案选择。在众多因素中，主要分为限制性因素和影响性因素两种，其中，限制因素是指该土地利用类型禁止向其他类型转换，以布尔映射的形式表示，即背景为1，地物为0的二值图像；影响因素可以增强或降低土地利用类型在状态变换中的适宜度，通过选择其影响方式的函数形式，确定最小适宜和最大适宜控制点的值，然后获取层次分析法(analytic hierarchy process, AHP)中的权重大小，进而得到0～255标准化数据的适应性图像。

根据盘州市地形地貌和土地利用资源的地理分布特征，将水域和建设用地设为限制因子。将自然、交通、社会经济等影响因素进行融合，即高程、坡度、距道路距离和距水域距离设为限制条件。在标准化过程中不同地类之间有所差异，借用Histogram函数工具，综合直方图的分布及盘州市地形特征，规则制定如下所示：

林地：DEM(1 755 m,2 300 m),坡度(15°，40°)；

农用地：DEM(755 m,1 600 m),坡度(0°，11°)；

自然保留地地：DEM(1 755 m,1 940 m),坡度(6°，25°)；

建设用地：DEM(755 m,1 800 m),坡度(0°，8°)，距离水域距离(100 m,1 200 m),距离道路距离(200 m，1 200 m)。

对应生成五种土地利用类型的适宜性图像，通过Collection Editor工具将其进行叠加，得到RGF图形文件，实现土地利用类型的适宜性图集的构建。

2.3 模型精度验证

本文主要采用数量精度和Kappa系数来评价模型对土地利用变化预测的适用性和准确性；其中，数量精度指数采用误差分析法得出模拟误差百分比，直观反映各类用地数量发展的规模。Kappa系数从整体上检验模拟结果与观测数据的一致性程度，利用IDRISI中GIS Analysis的CROSSTAB工具计算Kappa指数，当Kappa值大于0.75时，说明模拟精度较好。计算公式如下：

(6)

式中,a为用地类型的数量误差精度，xip为用地类型i的预测面积，xir为用地类型i的实际面积。

3 结果与分析

3.1 土地利用类型分类

参考《盘州市土地利用总体规划(2006～2020)调整方案》用地分类特点，将研究区划分为林地、农用地、自然保留地、建设用地和水域五大类别，其农用地包含耕地、牧草地和园地。在ENVI中评价分类结果，得到分类总体精度分别为91.52 %、93.25 %、90.06 %，对本文研究提供一定的可靠性。2001年、2009年、2017年盘州市土地利用情况见图2。由ENVI的Extensions模块中Class Area Statistic工具分别获得土地利用面积数据(表1)。盘州市的农林用地是主体用地，占全域80 %左右，建设用地规模较小，但面积在逐年递增，从2001年占比3.43 %增加到2017年的4.80 %。自然保留地未得到充分利用，但随着经济的发展也实现了合理的开发，宜农则农，宜建则建，从2001年占比15.48 %减少到2017年的14.37 %。水域面积最小，仅占全域0.5 %左右。

(a) 2001年

(b) 2009年

(c) 2017年

表1 2001年、2009年、2017年盘州市土地利用基础数据

3.2 土地利用动态变化

结合土地利用变化特征指标，从基期数据中分析挖掘LUCC的客观规律和变化机制，见表2。水域面积持续小幅度增长，林地面积稳中有增。建设用地呈增长趋势，其中2001年～2009年增长速度较快。自然保留地持续减少，其动态度0.45 %左右。农用地面积呈减少趋势，且2009年～2017年面积减少较前一时期相对较缓，是因为在稳定生态退耕的同时，牧草地和园地有一定增长势头。

表2 2001～2017年盘州市土地利用变化特征指标

利用ArcGIS栅格计算器获取盘州市2001年～2017年间土地利用转移面积矩阵，见表3和表4。

表3 2001年～2009年盘州市土地利用面积转移矩阵

表4 2009年～2017年盘州市土地利用面积转移矩阵

3.3 土地利用模拟预测

CA-Markov实现对研究区土地利用变化的模拟预测，以盘州市2009年土地利用数据为基期，导入2001年～2009年的土地利用转移面积矩阵以及制作的适宜性图集，设置循环次数8 a，选择5×5扩展摩尔型滤波器，得到2017年的土地利用模拟图[图3(a)]，计算面积(表5)。在模拟的五类土地类型中，除自然保留地误差较大外，其余误差值都在1 %以内，Kappa系数为0.924，整体模拟效果较好。

表5 2017年盘州市土地利用面积误差

验证模型可适用性后，以同样方法得到2025年研究区的土地利用预测图[图3(b)]，将其解译得到面积数据(表6)。预测结果显示：2017年～2025年盘州市土地利用变化趋势呈现为自然保留地、农用地不断减少，其余持续增加，说明近年来推行土地综合整治取得一定成效。部分水域被划为禁止建设区，因而得到有效保护，其面积呈小范围增长。自然保留地得到有效开发，处于平稳发展趋势。为保障基础设施建设必要用地，建设占地面积持续增长。农用地结构内部调整，耕地减少保质量，园地和牧草地适当发展，林木资源有效保护，总体仍占全域面积80 %左右。

表6 2025盘州市土地利用结构预测数据

(a) 2017年

(b) 2025年

图3 2017年、2025年盘州市土地利用模拟结果

Fig.3 Simulation results of land use in Panzhou city in 2017, 2025

4 结论

本文运用GIS、RS技术，对研究区2001年、2009年及2017年的Landsat 卫星影像解译分析后，结合盘州市土地利用规划政策制定CA中的适宜性转换规则，采用集成模型MCE-CA-Markov模拟和预测土地利用格局的演变。从2017年模拟结果来看，误差在可接受范围，因此，在没有突发性事件发生的情况下，利用该模型预测盘州市未来的土地利用变化是可行的。2001年～2025年预测结果显示：盘州市在近20年间，水域面积虽然较小，但一直在稳步增长。退耕还林政策的推行以及由山区劳动力城乡迁移引起的耕地撂荒，使得区内耕地大幅度减少，林地面积适当增加。在城镇化建设背景下，建设用地不断扩张，同时自然保留地也得到一定程度的开发利用。

盘州市从传统农业格局向新型城镇转化的过程中，由于存在坝区资源稀缺的约束，故城乡的扩建或新建应适当的向坝区周围丘陵缓坡地带布局，尽量减少对优质农田的占用，同时更好彰显山地城市特色。再者从维护全市粮食安全出发，要严格保护基本农田，推进土地治理，加快农业基础设施建设，稳定其他农用地。在未来土地利用规划的过程中应严格遵循区域地形结构，对不同土地利用类型因地制宜的安排与协调，实现生态用地合理布局与可持续利用。