保山市城区景观格局时空变化研究

王永庶 唐 岱 延相东 李升星 余哲修 吴 亮

( 1. 西南林业大学园林园艺学院，云南 昆明 650233；2. 西南林业大学林学院，云南 昆明 650233；3. 云南师范大学文理学院，云南 昆明 650222)

科学技术进步和经济快速发展推动景观格局呈现不同程度的变化，景观格局也间接影响了生态环境的变化[1-2]。虽然城市面积仅占地表较小的部分，但城市景观格局变化对生态系统影响巨大[3]，因此，城市景观格局变化是景观生态学、资源开发与利用和生态环境可持续发展等研究领域的热点之一[4]。景观在资源分配中包含了复杂的空间格局，这些格局随时间而变化[5]。总体来看，国内外学者关于景观格局时空变化的研究成果多集中在景观格局变化[6]、驱动机制[7-8]和景观格局模拟与预测[9-10]等方面。近年来，国内景观格局研究主要集中在流域尺度和单个城市，且主要集中在东部沿海经济发达地区，对西南经济相对落后地区鲜有报道。

近年来，由于保山市经济的迅速发展，人口增长，城市化进程的加快，使得保山市景观格局发生较大变化，人地关系愈演愈烈。通过遥感技术、地理信息技术和相关生态理论[11-13]的结合，可为不同尺度下的生态状况评估提供较为理想的解决方法[14]。因中心城区是经济发展最快，人口最密集，城市功能最复杂之地，故本研究以保山市中心城区为研究区，利用Landsat 遥感影像提取景观地类，从景观空间格局、景观指数和驱动力变化等方面定量分析保山市中心城区2001—2019年景观格局及其动态变化，并对2025年及2031年保山市中心城区未来景观格局进行模拟预测，旨在为支撑高山盆地城市土地资源可持续利用、维持景观完整性和生态安全研究提供参考。

1 研究区概况

保山市地处云南省西部， 位于东经98°25′～100°02′、北纬24°08′～25°51′之间，外与缅甸山水相连，内与大理、临沧、怒江、德宏4 州市毗邻，面积1.96 万km2。该市地处横断山脉滇西纵谷南端，境内地形复杂多样，其中坝区占8.21%，山区占91.79%，地势北高南低，生物多样性丰富，日照充足，年平均气温14.8～21.3 ℃。

保山市交通相对较差，农业发展十分艰难，高科技农具未能在当地得到广泛使用，农业生产力较低，农产品也因为交通原因未能大量运输到海内外市场，经济来源受到阻碍。保山市人类发展指数为0.644，全国人类发展指数为0.701，低于全国水平，可知保山市属于中国的落后地区。

2 材料与方法

2.1 数据来源

由于Landsat 影像时序性较为完备、较易获取，且空间分辨率在中低尺度研究中应用广泛[15]，本研究利用Landsat 影像进行研究，影像来源于地理空间数据云遥感数据共享平台（www.gscloud.cn），数据基本信息见表1，数据云量较低，均满足研究需求。

表1 研究区遥感影像信息Table 1 Remote imagine information of the study area

2.2 土地利用分类

根据遥感影像实际分辨率以及结合《土地利用现状分类》（GB/T 21010—2017）[16]对研究区进行景观类型划分，基于易识别和易操作的原则，同时满足研究需求，将研究区景观类型分为农田、林地、草地、城乡人居及工矿用地、城市公园绿地、道路交通、水体和未利用土地8 种景观类型。采用最大似然法和目视解译相结合的方法对遥感影像进行解译，同时对解译结果进行实地检验，各景观类型分类结果精度均在85%以上，满足本研究后续研究需求。

2.3 景观面积转移矩阵

通过构建景观面积转移矩阵可定量研究不同景观类型面积的转化情况，从而揭示研究区各景观类型面积转移的客观规律[17]。面积转移矩阵的数学形式为：

式中：S表示转移矩阵；n表示景观类型数；Sij表示为某时间段景观类型i转移成景观类型j的面积。

2.4 景观格局指数

景观格局特征可以定性反映出土地利用变化的程度，而景观格局指数能够定量反映景观格局的空间组成和空间结构特征[18-19]。为了全面反映研究区景观格局特征，根据研究区实际情况，本研究从景观水平选择斑块个数（NP）、蔓延度指数（CONTAG）、集聚度指数（AI）、Shannon多样性指数（SHDI）；在类型水平选择斑块密度（PD）、最大斑块面积指数（LPI）进行各景观类型特征分析。

2.5 驱动力分析方法

城市景观动态变化的驱动因子主要包括自然因素和人为因素[20-21]。在较小的时空尺度下，人为因素变化较快，是景观格局变化的直接驱动力[22]。景观格局变化驱动力研究以问题导向型，还未形成固定的研究方法[23]。考虑到本研究的时空尺度较小，社会经济和人类活动的因子对景观格局变化影响大，本研究采用回归分析法对研究区景观格局变化进行驱动力定量分析。

本研究选取地区生产总值（X1）、固定资产投资（X2）、第一产业产值（X3）、第二产业产值（X4）、第三产业产值（X5）作为自变量（单位均为万元）；选取各年份景观类型面积变化数据作为因变量（Y）。各数据按照保山市统计年鉴收集所得后按照土地面积所占比例进行切割，以此表达土地与人口、经济数据在空间上的一一对应。将研究时段4个时期的地类面积和各驱动因子的值分别作为因变量和自变量，采用多元逐步线性回归分析，探讨研究区各景观类型面积变化的主要驱动力。

2.6 FLUS 模型

FLUS（future land use simulation）模型由基于神经网络的适宜性概率计算模块（BP-ANN）和基于自适应惯性机制的元胞自动机模块（CA）组成[24]，能够在人地关系相互影响下，有效处理各土地利用类型相互转化的复杂性和不确定性的模拟，以较高精度输出未来土地利用在空间上的变化分布结果[25-26]。BP-ANN 模块需输入土地利用变化驱动因子，本研究选取了地形因子和通达性因子，其中地形因子中的高程和坡度是决定土地利用的主要因素[27]，本研究采用30 m 分辨率的DEM 数据。交通条件及城镇发展对景观格局变化具有重要吸引作用[28]，因此交通因子选择到公路的距离、到高速公路的距离、到市区中心距离和到镇中心距离作为通达性因子。结合标准化处理得到各驱动因子分布状况，最终计算得到各景观类型在各像元上的适宜性概率图。

本研究采用Markov 模型得到预设的各土地利用类型的变化数量，之后根据经验确定不同土地类型间的相互转换难易度（0 表示不允许转换，1 表示可自由转换），最后设置景观类型相互转换的限制发生区域。模型参数设定上，将模拟迭代目标次数设置为500，窗口大小设置为3×3，最终实现研究区景观格局变化预测模拟。

3 结果与分析

3.1 景观变化分析

3.1.1 景观类型变化分析

由图1 和表2 可知，在研究时段内，农田是研究区的主要景观类型，虽然其面积逐年递减，但其面积占比一直在55%以上。从各年景观分布情况来来看，城乡人居及工矿用地景观类型表现最为活跃，由研究区西部逐年向北、东以及南部区域偏移，由起初的“点”状逐渐外扩为“面”状。林地和草地主要分布于研究区东部及南部，其面积变化不明显。

图1 2001—2019年保山市中心城区景观类型分布Fig. 1 Distribution of landscape types in urban area of Baoshan City from 2001 to 2019

2001—2019 年期间，农田、草地和水体面积表现为减少，其中农田面积减少最多，减少量为7 351.22 hm2，所占比例从78.17%减少至55.70%；林地、城乡人居及工矿、城市公园绿地、道路交通和未利用土地表现为增多，其中城乡人居及工矿面积增加最多，增加量为7 009.86 hm2，所占比例从8.09%增加至29.51%，城市公园绿地增加次之，增加量为143.53 hm2，所占比例从0.40%增加至0.84%；其余景观类型增减相对较低。

表2 2001—2019年保山市中心城区景观类型结构表Table 2 Structure of landscape types in urban area of Baoshan City from 2001 to 2019

3.1.2 景观面积流向

根据研究需要，将研究期划分为2001—2007年、2007—2013年和2013—2019年3个阶段，各阶段转移矩阵见表3～5。

表3 2001—2007年各景观类型面积转移矩阵Table 3 Area transfer matrix of landscape types from 2001 to 2007 hm2

表4 2007—2013年各景观类型面积转移矩阵Table 4 Area transfer matrix of landscape types from 2007 to 2013 hm2

表5 2013—2019年各景观类型面积转移矩阵Table 5 Area transfer matrix of landscape types from 2013 to 2019 hm2

由表3～5 可知，3个阶段农田向城乡人居及工矿转移面积最多，分别为1 010.75、1 726.65、4 223.87 hm2，说明研究区农田为城市用地扩张贡献最大；林地向农田转移面积最多，分别为24.35、34.94、52.81 hm2，说明研究区依然存在毁林开荒现象，应进一步加强林地保护和监察；草地向农田转移面积最多，分别为13.10、19.64、30.38 hm2，由此说明研究区景观面积流向主要在农田、林地、草地和城乡人居及工矿用地相互流转，其他用地类型也产生了不同程度的转化，但转化面积均较小。

3.1.3 景观水平格局指数变化

研究区2001—2019年景观水平景观格局指数变化图2。由图2 可知，研究区斑块个数（NP）在2001—2019年呈现持续上升趋势，说明研究区整体呈现出越来越破碎化状态，斑块总数由898 增加到1917个，其中斑块总数在2013—2019年增速相对2001—2013年增速较快，说明研究区2013年后人为活动剧烈，景观破碎化过程明显。蔓延度指数（CONTAG）在2001—2019年呈现持续下降趋势，说明研究区斑块之间连通性逐渐降低。聚集指数（AI）在2001—2019年呈现持续下降趋势，说明研究区斑块越来越分散，呈现散状发展趋势。Shannon 多样性指数（SHDI）在2001—2019年呈现持续上升趋势，说明研究区各景观类型异质性增强，在研究区景观破碎化的同时，土地利用越来越丰富。

图2 2001—2019年景观级别景观格局指数Fig. 2 Landscape pattern indices of landscape levels from 2001 to 2009

3.1.4 景观类型水平格局指数变化

研究区2001—2019年景观类型水平格局指数变化见表6。由表6 可知，研究区2001—2019年期间，农田、林地、草地、城乡人居及工矿用地、道路交通和未利用土地的斑块密度均缓慢增加，水体斑块密度表现为先降低后增加再减低。说明研究区随着城市化进程和人类活动的增加，除水体外，其他景观类型均表现为破碎化发展状态，其中最大斑块面积占比（LPI）有助于确定研究区优势景观类型，其值的变化可反映外界对其干扰的强度和频率。研究区2001—2019年期间，农田、林地、草地、水体和未利用土地景观类型最大斑块面积占比表现为降低，城乡人居及工矿、城市公园绿地和道路交通景观类型最大斑块面积表现为增加，但农田依然为研究区最大斑块，其中农田最大斑块面积在2013—2019年减少最多。

表6 2001—2019年研究区类型级别景观指数Table 6 Landscape indices of class levels in study area from 2001 to 2019

3.2 景观格局变化驱动力分析

采用多元逐步回归将自变量与因变量进行分析，得到各景观类型的驱动力回归方程，分析结果见表7。由表7 可知，第二产业产值是研究区农田和城乡人居及工矿景观格局变化的主要驱动因子，由于基础设施建设速度加快，从农耕文化转向工业发展使得农田和城乡人居及工矿景观面积发生转变；地区生产总值是研究区林地景观格局变化的主要驱动因子，由于地区生产活动和总产值增加使得林地面积增加，说明研究区经济向好，增强了生态环保意识；第三产业产值是研究区城市公园绿地和道路交通景观格局变化的主要驱动因子，主要是由于房地产业、旅游业快速发展，使得公园绿地和道路交通景观面积增加。

表7 景观类型面积与驱动因子回归分析Table 7 Regression analysis between area and driving factor of landscape types

3.3 研究区景观格局预测

以2007—2013年的土地利用类型数据为基础，基于FLUS 模型对2019年景观格局在自然发展状态下进行预测，并用2019年实际土地利用类型对预测结果进行精度验证，精度达到87.32%，模拟精度较高，满足研究需求。

在此基础上用2013—2019年的土地利用类型数据对2025年和2031年土地利用类型进行了预测，结果见图3。由图3 可知，研究区农田面积大幅减少，城市城乡人居及工矿增加显著，城市整体由东部集聚向北部和东部扩张，研究区出现明显“摊大饼”式城镇发展模式，城市化过程明显，其他类型面积变化差异不大。

图3 研究区景观格局预测Fig. 3 The simulation map of the landscape pattern in the study area

4 结论与讨论

本研究通过对保山市中心城区景观格局演变和预测进行研究分析，得到如下结论：

1）2001—2019 年期间，研究区景观格局发生较大变化，主要集中于农田和城乡人居及工矿两种景观类型之间的转换；从年份趋势来看，2001—2013年期间农田面积表现为平稳减少，2013—2019年期间农田面积表现为较快减少，由此可知研究区未来一段时间人地关系依然紧张；另一方面，城乡人居及工矿和城市公园绿地面积在2013—2019年期间相对2001—2013 期间增速较快，由此说明2013年是研究区建成区快速发展的分界点。值得一提的是研究区林地面积呈现缓慢增加，其主要原因是研究区在2001年保山地区撤销设立地级市，注重城区内生态环境的同时又与2002年全面启动“退耕还林”工程有直接关系[29]。

2）同其他类似城市较相似，由于人为活动的影响，研究区破碎化程度越来越严重，结合景观空间进行分析。由于研究区东部区域地势平坦，城市发展重心由西部逐渐向东部扩张，同时该区域景观类型主要为农田，景观易损度高，城乡人居及工矿用地面积增加，切分了较大农田优势斑块，从而使得研究区景观破碎度升高；同时使得研究区连通性下降，各景观类型呈现分散性发展。研究区城乡人居及工矿、道路等基础设施的扩张建设，农田最大斑块的景观分割为许多大小不同的斑块，一方面增加了研究区整体景观的破碎化，另一方面农田景观类型优势性逐渐降低，研究区城市化进程与农田之间的矛盾愈演愈烈，同其他城市建设用地扩张形式一致[30-33]，城市扩张势必占用城市外围农田资源，在保障基础设施的同时，要严格控制城镇建设用地扩张规模，以此促进集约节约用地，进而保护农田资源。

3）基于FLUS 模型对研究区2025年及2031年景观格局进行了预测，结果表明研究区2025年和2031年，研究区农田面积大幅度减少，研究区城市城乡人居及工矿增加显著，城市城乡人居及工矿整体主要向北部、东部扩张，且强度较大，向南部扩张相对较少，因此需要对研究区进行合理空间统筹规划，有助于城乡要素合理流动，从而可以促进城乡均衡发展，控制城镇过渡蔓延，有助于保护城镇研究区内部生态用地。

本研究受限于所获遥感影像的空间分辨率，虽具有较好的适用性，但在以后研究中可以考虑采用高分辨率的遥感影像数据进行更深一步的改进。由于受到所掌握的资料和数据限制，仅对景观类型结构时间和空间变化趋势进行了研究，并未分析其空间分布差异性，因此还有待于对其做进一步研究，使景观格局分布更加合理，使景观结构向着有序、稳定的方向发展。值得一提的是随着研究区城市用地向东扩张，把研究区中部大面积水体转化成城市公园绿地，一方面保留了原有水体资源，另一方面缓解老城区高密度人群，为市民提供游憩的城市绿色空间，是一项一举两得的措施；城乡人居及工矿用地面积在最后一阶段相对前两个阶段增加较快，结合研究区城乡人居及工矿用地面积增加趋势可预估未来一段时间内，研究区农田流入城乡人居及工矿用地面积将会持续增加，主要是由于研究区正在经历城市快速发展期。为此，基于研究结论，针对市面临的新环境和机遇，着力破解城市发展中面临难题。针对研究区城市结构布局提出如下新思路：1）老城疏解与更新改造；2）主城区北延南拓实现完善提升；3）外围组团融合与优化。统筹坝区各类要素，构建城乡、产业、生态、田园共融的城市生命有机体，结合研究区实际情况提出“一城双心一带”的有机城市空间结构。其中“一城”所指：老城和青华湖组成的片区、东山生态林片区、工贸园片区；“双心”所指青华湖城市综合服务中心和工贸园产业服务中心；“一带”所指：依托市级主干道和景观带引导城市从老城向工贸园拓展的城市发展带。其中老城和青华湖片区主要承担居住、行政、文化及旅游服务等职能；工贸园片区主要承担科创研发、商务办公、总部基地、商业商贸等功能；东山生态林片区主要承担城市绿色生态屏障，稳定城市生态系统。