马来西亚吉隆坡市土地利用变化特征分析与预测

2020-12-23闫金凤乔海燕

水土保持通报 2020年5期

王甜, 闫金凤, 乔海燕

(山东科技大学测绘科学与工程学院，山东青岛 266590)

港口城市是港口货源、运输及港口基础设施的供应者，是港口发展的重要依托[1]。港口城市多位于海岸线沿线或河流入海口处，即海岸带区域[2]，随着港口发展及城市快速扩张不可避免得给海岸带土地资源和生态环境带来沉重负担。当前，马来西亚吉隆坡市处于快速城市化发展阶段，分析其土地利用变化特征对城市可持续发展具有重要意义。

土地利用/覆被变化(LUCC)是一个受自然和人文因素驱动的动态过程，过程和机理非常复杂[3]，且对区域景观的组成和结构具有强烈的影响[4]。景观格局由相互作用的斑块以一定的规律组成，具有高度空间异质性，景观格局及其变化和发展受自然、生物和社会因素相互作用[5]，研究区域景观格局有助于揭示区域生态状况和空间变异特征[6]。而将土地利用变化与土地景观格局变化相结合进行土地利用景观格局研究，有助于揭示土地利用变化与景观生态过程间的相互关系[7]。刘斌寅等[8]从景观水平对淮北市土地利用景观格局变化进行分析；陈铸等[9]对福州市土地利用景观格局变化进行定量分析，并探讨了土地利用格局变化驱动机制；田鹏等[10]基于遥感影像对东海区大陆海岸带景观格局变化及生态风险进行研究；周然等[11]研究了港口建设对滨海湿地景观格局影响及生态效应；郭子坚等[12]探讨了港口时空演化对区域景观格局的影响规律。中国学者已对内陆城市，土地利用变化特征分析及预测进行较为全面的研究，但针对港口城市，研究多集中于土地利用景观格局及生态方面，对未来土地利用变化特征的预测相对较少，且针对“一带一路”沿线重要港口城市，土地利用研究时间多截止于2015年，2015—2020年土地利用特征的研究尚存空白。

港口城市归根结底也是城市，具有城市发展的规律和特征，但又区别于一般的内陆城市，受沿海地形、港口位置及岸线资源分布，土地利用有着自身的特色。在港口带动城市发展过程中，优质耕地被持续占用，建设用地快速增加，造成城市土地利用结构发生显著变化[13]。吉隆坡市地处马六甲海峡东岸，地理位置优越，其港口巴生港，由于毗邻设有自由贸易区，腹地广阔，产业发达，已成为远东至欧洲贸易航线的理想停靠港和区域性配发中心。随着2010年“大吉隆坡市计划”的提出，城市化速度不断加快，土地利用变化显著，而2013年中国“一带一路”倡议的提出，为吉隆坡市发展带来新的机遇，推动吉隆坡市新一轮发展，土地作为支撑港口及城市发展的基础自然资源，其利用必将发生新的变化。因此，本文以吉隆坡市2000—2020年间5期遥感影像为数据源，借助ENVI5.3软件、ArcGIS 10.2软件和Fragistas 4.2软件对研究区20 a间土地利用及景观格局进行动态变化分析，并利用GM(1，1)灰度模型对研究区2025年土地利用情况进行预测，以期为当地政府制定土地利用规划提供重要参考。

1 研究区概况

吉隆坡市位于巴生河流域，地处马来西亚雪兰莪州中心，东有蒂迪旺沙山脉，北方及南方有丘陵环绕，西临马六甲海峡。2018年吉隆坡市总人口为1.80×106，含2.46×105外籍人士(马来西亚统计局)。吉隆坡市经济呈多方面发展，制造业和农业都非常发达，农业主要为发展橡胶，橡胶业为国内一种重要产业。属热带海洋性气候，年均温度为25 ℃，年均降水量2 000～2 500 mm。地势东北高、西南低，平均海拔21.95 m。巴生港为马来西亚海上门户，也是该国最大港口，位于吉隆坡市西南方约38 km处，为适应集装箱运输发展需要，巴港当局除在北港建设第2个集装箱码头外，还在卢梅特(LUMUT)建设西港，新的集装箱码头可以停靠6.00×104吨级的船舶，届时巴生港将进一步发展为亚洲的主要转口港之一。本文选取包含港口和城市面积约为6 077.8 km2的区域进行研究。

2 数据来源及方法

2.1 数据来源

本研究所用遥感影像来源于美国地质勘探局官方网站(http:∥glovis.usgs.gov/)，其中2000，2005，2010年遥感影像为Landsat TM影像，2015年和2020年遥感影像为Landsat OLI影像，分辨率均为30 m，此外还有研究区DEM数据及其他文字资料。

2.2 遥感影像分类方法

首先对遥感影像进行预处理，然后基于交互式数据语言IDL(interactive data language) 使用指数分类法编写程序进行地物提取。结合项目组对吉隆坡市进行的实地考察，以现状特征和地域性为基本原则，建立土地覆被分类体系，将研究区土地利用类型分为6类：林地、种植园、耕地、建设用地、水体及其他用地，具体地物类型提取过程如下所示：

(1) 水体的识别与提取。首先利用DEM等于0提取海洋，然后利用改进归一化差异水体指数MNDWI(modified normalized difference water index)[14]提取内陆水体区域，将提取出的海洋和内陆水体区域合并即为研究区水体。

MNDWI=(Green-MIR)/(Green+MIR)

(1)

(2) 植被和耕地的识别与提取。对去除水体部分先使用归一化植被指数NDVI(normalized difference vegetation index)[15]提取影像中的植被区域，然后利用缨帽变换湿度指数WI(tasselled cap transformation water index)[16]提取红树林湿地(WI>0.9)，对去除红树林湿地区域将DEM>28部分归为天然林，剩余区域结合谷歌地图目视提取耕地信息，最后将红树林湿地和天然林合并为林地，去除林地和耕地部分的植被部分即为种植园。

NDVI=(NIR-Red)/(NIR+Red)

(2)

WI=0.144 6Blue+0.176 1Green+

0.332 2Red+0.339 6NIR-

0.621 0SWIR1-0.418 9SWIR2

(3)

(3) 建设用地及其他用地的识别与提取。对去除水体和植被部分，首先利用NDBI(normalized difference build-up index)[17]进行地物提取，对提取的地物结合裸土指数BSI(bare soil index)[18]区分建设用地和裸地，剩余部分通过目视解译提取建设用地中混有的旱地，并将裸地归为其他用地，旱地归为耕地。

NDBI=(MIR- NIR)/(MIR+NIR)

(4)

BSI=〔(LWIR+NIR)-(SWIR+Green)〕/

〔(LWIR+NIR)+(SWIR+Green)〕

(5)

最后对提取出的地物结合谷歌地图进行目视修订，最终分类结果如附图17所示(见封3)。结合项目组实际野外考察采样和Google Earth高分辨率影像，在充分考虑样本数量和空间分布特征的前提下，使所选样本覆盖整个研究区及分类体系中的所有土地类型，以此分别建立2000，2005，2010，2015，2020共5期检验样本，将检验样本作为真实地类分别对5期分类结果进行精度验证，经验证分类精度达到90%以上，能够满足本研究的需要。

2.3 研究方法

2.3.1 单一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。其公式为[19]：

(6)

式中：K为某种地类在研究期内的单一土地利用动态度；Ua，Ub分别为某种地类在研究期初和期末的面积；T为研究时长，当T的时段设定为年时，K的值就是该研究区某种土地利用类型年变化率。

2.3.2 土地利用转移矩阵土地利用转移矩阵不仅可以反映研究期间各类土地利用的数量变化情况，同时也可以反映各类土地的转移变化情况[20]。

(7)

式中：S代表面积；n代表土地利用类型总数；Sij表示由i地类转移到j地类的面积[21]。

2.3.3 景观指数景观指数高度集中景观格局信息，可反映景观结构组成和空间配置，目前已广泛应用到景观格局研究中[22]。本文综合考虑各景观指数实际内涵和研究区实况，参考已有的研究成果[2,23-26]，运用 Fragstats 4.2软件，从景观水平选择景观形状指数(LSI)、蔓延度指数(CONTAG)、景观分割指数(DIVISION)、香农多样性指数(SHDI)对吉隆坡市土地利用景观格局进行分析。

(1) 景观形状指数(LSI)：反映景观形状的复杂度，LSI≥1，当LSI=1，为标准正方形，当LSI>1表示景观形状偏离正方形，且值越大偏离越严重，形状越不规则。

(2) 蔓延度指数(CONTAG)：描述不同景观类型的延展趋势，值越大，表示优势景观类型的连接性越高，反之景观的破碎化程度较高。

(3) 景观分割指数(DIVISION)：描述景观破碎度，取值范围为0～1，越接近0，表示景观整体度越高；越接近 1，表示景观破碎化程度越严重。

(4) 香农多样性指数(SHDI)：表示景观整体的复杂程度，SHDI≥0，SHDI=0表示整个景观由一个斑块组成，SHDI增大，表示斑块类型增加或各斑块类型在景观中均衡化分布。

2.3.4 灰色预测模型科学有效地对土地利用进行预测能够为研究区可持续发展提供相应技术支持[27]。灰色预测模型GM(1, 1)以时间序列性资料为基础，通过关联分析鉴别含有不确定因素系统中各因素之间发展趋势的相异程度，然后生成一组具有较强规律性的数据序列，最后建立相应微分方程模型来预测事物未来的发展状况[28]，微分方程如公式(8)所示。

(8)

式中：X(t+1)表示预测t+1年的预测结果；a为发展系数，表示行为序列估计值的发展态势；b为灰色作用量，反映数据变化的关系。模型预测精度标准为均方差比值C和小误差概率P，具体评价指标及对应精度预测等级如表1所示。

表1 评价指标精度预测等级

3 结果与分析

3.1 土地利用面积变化

根据5期土地利用分类结果，借助ENVI统计工具，吉隆坡市2000—2020年5个时期土地利用类型数据及单一土地利用动态度如表2所示。分析表2可知，种植园为吉隆坡市土地的主导类型，在五个时期占比分别为40.66%，40.47%，40.14%，39.49%，36.85%，占据绝对优势，这与东南亚国家以种植热带经济作物为主导的种植园农业结构相符。其次是林地、建设用地和水体，各研究时段4种土地类型面积之和分别占研究区土地总面积的97.14%，98.09%，98.38%，99.14%，99.14%。这种土地利用结构在一定程度上反映了港口城市吉隆坡市自然资源及社会经济发展状况。在土地利用数量变化方面，建设用地持续增加，2020年面积达到1482.98 km2；林地在2015年前减少显著，占比由20.99%降为18.98%，2015年后减少相对较少，主要与2015年前研究区中北部山脉垦殖为种植园及马来西亚政府加大对沿岸红树林保护力度有关；该区种植园一直处于减少状态，其面积从2 471.53 km2减少至2 239.95 km2，与城市快速化发展关系密切；其他用地在2000—2015年间面积减少较多，2015—2020年间面积略有增加；耕地和水体变化不大，相对比较稳定。

土地利用动态度结果显示，2000—2020年间吉隆坡市土地利用类型变化最快的为其他用地和建设用地，其中建设用地动态度不断增大，表明研究期间吉隆坡市一直处于快速城市化状态，城市扩张显著，同时GDP有明显提高，第二和第三产业增加，城市人口增加，土地利用变化显著。然而在港口带动城市发展过程中，造成林地和种植园大面积减少，由于二者研究初期面积较大，研究时段内单一土地利用动态度相对较小。其他用地在前3个研究时段一直处于减少状态，且动态度最大，2015—2020年间略有增加，动态度为0.46%。耕地在研究期间内变化速度仅次于其他用地和建设用地，且一直处于减少状态，主要由种植园侵占造成。水体变化速度较低但变化合理，表明吉隆坡市生态保护力度显著和沿海养殖业发展稳定，这对今后吉隆坡市土地的可持续发展意义重大。

表2 2000-2020年吉隆坡市土地利用类型变化

3.2 土地利用类型转移

本文通过建立土地利用转移矩阵分析其土地利用转化趋势，吉隆坡市土地利用类型转化主要是种植园和建设用地、种植园和林地之间的相互转化，主要特征为种植园的转出和建设用地的转入(见表3)。

建设用地主要分布于研究区中部，除中部外，建设用地在北部和南部也有零星分布，研究期间沿原有城市圈向西北及西南方向扩张。增加部分主要来源于种植园，各时段内种植园转化为建设用地面积分别为207.55，211.38，232.06，233.60 km2。林地2000—2005和2010—2015年转化为建设用地的面积分别为43.25，44.72 km2，此外还有水体、耕地和其他用地转为建设用地，但与种植园相比，转化面积较小。

种植园主要分布于研究区西北部、中南部及东南部，研究期间港口与城市中部区域减少最为显著。减少部分主要转换为建设用地，此外还有林地和其他用地，转换为耕地和水体的数量较少。2005—2010年，206.87 km2林地转换为种植园，林地转化为种植园面积明显大于种植园转化为林地，而其他时段林地和种植园间相互转化面积相差不大，且种植园转化为林地面积略大，这主要与2005—2010年间山脉垦殖有关。各研究时段内均有较多种植园转换为其他用地，而其他用地作为建设用地面积增加的重要来源之一，在前3个研究时段内呈减少趋势，2015—2020时段面积略有增加。

2000年建设用地主要位于研究区中部，“港”“城”分离明显，期间随着巴生港扩建、发展的带动作用及“大吉隆坡市计划”和“一带一路”等政策的促进，吉隆坡市城市化进程加快，建设用地沿原有城市圈向西北及西南方向扩张，与此同时加剧了种植园开发规模和程度，建设用地与港口空间上的联系则越来越密切，向“港”“城”融合方向靠近，种植园则不断转移为建设用地。原因主要为： ①吉隆坡市背靠蒂迪旺沙山脉，地势较高，开发难度较大，建设用地扩张受到一定程度的限制； ②随着港口的发展及扩张，带动区域附近与其配套的交通运输、物流仓储、公共管理等建设用地增加，主要来源于周边于红树林和种植园； ③由于港口距城市圈较远且中间分布有大面积种植园，港口发展与城市发展关联程度较弱，城市扩张沿原有城市圈向西北及西南方向扩张，加剧了种植园开发规模和程度。

表3 2000-2020年吉隆坡市土地利用转移矩阵 km2

3.3 景观格局变化

图1为吉隆坡市2000—2020年景观水平上各景观指数变化特征。在景观水平上，近20年LSI整体上呈上升趋势，在2020年达到最大值，其值为102.12，表明研究区景观形状复杂程度提高，这与吉隆坡市经济高速发展，城市不断扩张有密切关系。CONTAG反映的是景观中不同斑块类型的非随机性或聚集程度，蔓延度指数先减小后增大然后再减小，整体呈下降趋势，由2000年的51.98减少至2020年的50.20，共减少1.78，说明各景观类型空间连通性降低，景观由聚集状向分散状转移，主要景观优势度下降，整体景观类型空间更加分散，主要与港口发展建设带动城市沿原有城市圈向港口所在方向扩张及港区与港口配套的交通运输、物流仓储、公共管理等建设用地增加有密切关系。DIVISION变化不显著，表明吉隆坡市景观破碎程度相对稳定。SHDI先减少后增加，在2015年达到最小值，其值为1.39，表明吉隆坡市景观异质程度先降低后增强，2015年后景观向多样化趋势发展，由于港口带动城市向港口所在位置扩张，种植园被大量占用，种植园优势度有所降低，但仍是研究区主要景观类型。

注：SHDI为香农多样指数； DIVISION为景观分割指数； LSI为景观形状指数； CONTAG为蔓延度指数。

3.4 土地利用预测

3.4.1 模型验证本文使用GM(1，1)模型，首先利用 2000，2005，2010，2015年4期分类数据对研究区2020年的建设用地面积进行预测并与实际分类数据进行对比，模型评价效果达到要求后，再利用2000,2005,2010,2015,2020年5期数据对吉隆坡市2025年建设用地和种植园面积进行预测。

将吉隆坡市2000,2005,2010,2015年4期建设用地面积带入GM(1，1)模型中，得到：

X(t+1)=11 754.96 992e0.090 105t-10 734.51 992

(9)

式中：参数a=-0.090 105;b=967.233 917。

根据GM(1，1)模型得到的公式(9)对 2005，2010，2015年建设用地拟合结果如表4所示。

表4 2005，2010， 2015年吉隆坡市建设用地拟合结果

评价结果：C=0.006 2，P=1.000，表明当前模型评价效果很好。根据公式(9)计算得出2020年建设用地面积预测值为1 452.38 km2，而实际面积为1 482.98 km2，相差30.60 km2，仅占总面积的0.50%，误差很小，表明此模型能够满足本研究精度要求。

3.4.2 土地利用预测将吉隆坡市5期建设用地和种植园面积数值分别带入GM(1，1)模型中，得到：

X(t+1)=10 837.540 87e0.096 872t-

9 817.090 872

(10)

X(t+1)=-87 237.772 09e-0.028 948t+

89 709.302 09

(11)

式(10)中：参数a=-0.096 872;b=951.001 227，式(11)中:参数a=0.028 948;b=2 596.904 877。

根据GM(1，1)模型得到的公式(10)和公式(11)对 2005，2010，2015，2020年建设用地和种植园拟合结果如表5所示。

表5 2005，2010，2015，2020年吉隆坡市建设用地拟合结果

评价结果：建设用地C=0.040 2，P=1.000 0，种植园C=0.398 5，P=1.000 0，表明当前模型评价效果很好，能够满足本研究需要。根据公式(10)和公式(11)计算得出2025年建设用地和种植园面积的预测值分别为1 624.12，2 216.99 km2，建设用地和种植园面积分别保持增加和减少的趋势不变。由于“大吉隆坡市计划”、“一带一路”政策、港口带动作用、移民增加及地形限制等因素，吉隆坡市处于快速城市化状态，建设用地增加明显，城市向港口所在方向扩张，港口与城市间分布有大面积种植园，加剧了种植园开发规模和程度，但仍为研究区主要土地利用类型。

4 结论与讨论

4.1 讨论

本文从土地利用类型面积变化、转移矩阵及景观格局对吉隆坡市2000—2020年土地利用变化特征进行分析，在此基础上使用灰色预测模型，对吉隆坡市2025年土地利用情况进行预测。

(1) 建设用地面积持续增加，且向港口所在位置扩张，这与韩瑞丹研究得出，吉隆坡市沿城市中心与港口的连线方向扩张相一致[1]，港口与城市圈中间分布有大面积种植园，由于港口带动城市向港口所在方向扩张，进一步加剧了种植园的开发规模和程度，造成种植园持续减少。

(2) 景观形状趋于复杂化和不规则化，这与王恒在海上丝绸之路沿线港口城市扩张遥感分析研究中，吉隆坡市景观形状指数呈上升趋势相一致[2]；受港口带动城市扩张及港区配套设施的健全，城市蔓延度指数整体呈下降趋势，表明各景观类型空间连通性降低，景观由聚集状向分散状转移；由于港口带动城市向港口所在位置扩张，种植园被持续占用，种植园景观优势度有所降低，景观异质程度增强，土地利用类型开始朝多样化方向发展；研究期间吉隆坡市主要以边缘式和填充式相结合的模式进行扩张[1]，景观破碎度变化量相比其他景观指数较小，这与王恒研究得出，吉隆坡市1990—2015年景观破碎度变化量接近[2]。

(3) 本文在利用灰色预测模型对吉隆坡市土地利用情况进行预测前，首先对模型进行验证，验证模型有效性后，对2025年吉隆坡市土地利用情况进行预测，且桑潇等[28]基于灰色预测模型对山西省潞城市土地利用进行预测，也验证了灰色预测模型进行土地利用预测的有效性。

通过分析吉隆坡市2025年土地利用情况预测结果可知，吉隆坡市仍处于快速城市化发展状态，这也在提示我们，在满足建设用地持续增长的同时，还需加大对种植园的保护力度，划定种植园红线，进一步强化海岸带生态环境和资源保护，合理布局产业空间，优化景观空间格局，以实现港口与城市和谐发展。然而，灰色预测模型结果仅能代表现行发展策略下相应的土地利用变化情况，与未来实际土地利用变化结构存在一定的差异。尤其在不同的发展模式和政策下，土地利用类型及景观格局演变会有不同。此外，灰色预测模型依赖数据的逐年数量变化特征，因此，为进一步提高模拟预测的精度，在下一步模型预测时，可将灰色预测模型与其他土地利用模型相结合，从而为吉隆坡市土地用相关政策的制定提供参考。由于本文所用5期遥感影像分辨率均为30 m，在港口发展对城市内部空间结构影响方面存在不足，在今后的研究中应适当使用分辨率较高的影像，对吉隆坡市土地利用变化特征进行细致、准确的研究。