皖江流域土地利用与景观格局时空演变研究

尹 剑，张 斌，邱远宏

(1.贵州财经大学西部现代化研究中心，贵州 贵阳 550025；2.贵州财经大学大数据应用与经济学院，贵州 贵阳 550025；3.东北农业大学水利与土木工程学院，黑龙江 哈尔滨 150030)

土地提供了居住、生产等各方面的资源或条件，同时也为人类社会经济活动提供活动场所[1]。随着人类社会活动的日益加强，土地结构及其景观格局也随之发生了时空变化，其中景观格局变化是土地利用变化的最直观表现形式[2]。元胞自动机-马尔可夫模型(CA-Markov)是目前重要的研究土地利用景观类型变化的工具[3-4]。在综合考虑社会和自然对土地景观格局的影响下，学者们利用多目标评价(MCE)结合CA-Markov方法实现景观格局预测。卢涵宇等[5]基于MCE-CA-Markov模拟预测了盘州市土地利用变化趋势。张晓娟等[6]基于MCE-CA-Markov分析了三峡库区土地利用演变。徐睿择等[7]集合MCE-Markov-CA对郑州市土地利用时空变化进行了模拟。从景观生态学的角度分析土地利用变化是另一个研究思路：通过计算景观格局指数来获取景观的结构组成特征、空间格局特征和时间演化特征，利用景观格局指数对土地利用变化所引起的生态景观变化进行定量描述[8]。景观格局分析方法与土地结构分析以及预测方法相结合，已被引入到土地利用变化研究中[9]。针对景观开发强度的分析，传统的回归算法简便而直观，而Brown等[10]提出的景观开发强度(landscape development intensity，LDI)指标，可以定量描述人类活动对景观的干扰程度，是辨识景观变化诱因的有效方法[11]。

皖江流域是承接长三角产业转移的重要示范区，近年来区域与长江三角洲经济圈融合趋势不断增强，土地利用结构调整频繁。以往的研究主要集中在土地利用总面积的结构变化[12-14]，或者是针对历史性数据的分析[15]，缺少对于未来土地利用以及景观格局变化趋势的定量分析。因此研究结合1995年、2005年、2015年土地利用数据，从景观指数和土地景观类型2个级别出发，分析土地利用结构变化，在多目标适宜性约束条件下，利用MCE-CA-Markov模型，预测2025年皖江流域土地景观格局，并利用景观开发强度测度和社会-自然变量相关分析研究景观变化的诱因。以实现区域土地景观开发强度的甄别，为区域资源开发提供支持。

1 数据与方法

1.1 研究区概况及数据

皖江地区主要指长江流域安徽沿江地区，覆盖地域涉及安徽省南部的10个市的46个县区，整体范围介于东经115°45′～119°38′、北纬29°33′～33°12′之间，下辖16个地级市(图1)，主要位于长江太湖以下流域二级水资源区内，毗邻淮河中下游，水运条件优越。地貌由沿江平原、江淮丘陵、皖南山区组成，平原面积约占全省总面积的55%，山区丘陵区约占总面积的45%，属亚热湿润季风气候。本研究采用了中国科学院资源环境科学数据中心发布的1995年、1995年、2015年现状遥感监测数据，空间分辨率为1 km × 1 km。该数据以各期Landsat遥感影像为主要数据源，通过人工目视解译生成，精度满足区域尺度研究[16]。驱动力分析的统计数据来源于1995—2019年的省级和县级统计年鉴。

1.2 研究方法

1.2.1CA-Markov及MCE约束

传统的CA-Markov预测可能存在一定的随机性，缺乏对自然-社会因素的考虑，造成预测的不确定性。利用多目标适宜性评价方法(MCE)对难以量化的自然和社会经济等非线性因素进行量化处理，可更好的预测土地利用。MCE通过限制条件和约束因子，在像元尺度制定适宜性约束条件。常用的方法是对不同地类的约束条件进行两两配对，再借助加权线性合并，将携带权重的各因子与限制条件叠加，得到每种土地利用类型的空间适宜性。

多目标适宜性评价方法：研究采用了1 km×1 km空间分辨率数据，正常情况下，较大面积水体不转化为其他用地；同时在该空间分辨率下，建成区很少转化为其他用地类型，因此将水域和建设用地设置为限制条件。将坡度、距离水体距离、距离城镇中心距离、距离建设用地距离、距离道路距离、人口密度和人均GDP设为约束。因研究空间分辨率原因，道路数据只选择高速、国道路网。对各类因子做拉伸处理，转化为0～255区间的整数值。预测和多目标适宜性约束利用IDRISI软件的分析模块实现。

将得到的预测与现状图相比较，利用准确率、精确率、召回率和F值以及Kappa系数进行分析[17]。Kappa<0.4一致性较低预测不可靠，Kappa>0.6说明高度一致，Kappa>0.8说明一致性极高。

1.2.2景观格局指数

在景观级别上选取12个景观指标[18-19]：斑块个数(NP)、斑块密度(PD)、蔓延度指数(CONTAG)、香农多样性指数(SHDI)、香农均度指数(SHEI)、斑块结合度指数(COHESION)、周长加权面积分维数(PAFRAC)、分离度(SPLIT)、最大斑块指数(LPI)、景观形状指数(LSI)、聚集度(AI)、散布与并列指数(IJI)。在景观类型级别上重点选取10个景观指标：NP、PD、COHESION、PAFRAC、SPLIT、景观类型百分比(PLAND)、LPI、LSI、AI、IJI。

1.2.3LDI指数

LDI系数代表了单位面积不可再生资源所蕴含的能量测量值，累积某时期段内研究区域的各土地类型的LDI系数，得到LDI综合指数：

LDIindex=%LUi× LDIi

(1)

式中 LDIindex——区域的LDI综合指数；%LUi——第i种景观类型的面积占该区域的百分比；LDIi——第i种景观类型所对应的LDI指数，表示每年每公顷可提供的人类生产、生活所需要的能量。

LDI系数越大，表示受人类影响越大，则相应的景观类型健康状况越差[20]。LDI系数通过如下步骤获得[20]：①调查某种土地利用类型因人类活动而产生的能源消耗；②核算各能源消耗项目产生的能值；③利用自然对数法对各土地利用类型能值进行标准化。LDI值介于1～10之间，越接近1，表示景观开发强度越低，接近于自然状态，越接近10则表示人类活动明显，土地被高度开发。通过计算，各景观类型的LDI系数见表1，由于研究区未利用地大多为不可用地，所能提供的能量极少，故不考虑其LDI系数。

表1 不同土地景观类型的LDI系数

2 结果分析

2.1 土地利用变化

由于研究区面积较大，对1995年、2005年、2015年土地利用数据进行了重采样，转换为1 km网格。各种土地类型面积与变化情况见表2。研究区土地利用面积大小依次是耕地>林地>建设用地>草地>水域>未利用用地。总体结构以耕地为主，3年的面积比例均接近50 %，占据优势地位，是土地利用格局的基质景观。通过转移概率矩阵分析得出耕地面积减少，主要转换为建设用地；同时，与1995—2005年相比，2005—2015年耕地转换为建设用地的速率提高。林地面积略有下降；草地面积略有波动，总体面积变化不大；前期变化速率高于后期。水域面积在1995—2005年略有减小，在2005—2015年有一个微弱的上升趋势。建设用地面积呈现明显的上升趋势。未利用用地的面积变化不大。

表2 皖江流域土地利用变化

2.2 土地利用预测

2.2.1模型验证

为验证MCE-CA-Markov模型在土地利用预测的可靠性，基于1995年、2005年的土地利用转换模式生成2015年的土地利用模拟预测，见图2。将模拟预测的2015年土地利用分布与2015年实际土地利用分布比较发现，2种方法各类土地利用占比接近；表3从多个角度比较了耕地、林地、草地、水域和建设用地的预测精度。

a)2015年现状

b)2015年模拟预测

表3 2015年各类土地利用模拟预测精度分析

从表3中可以看出五类用地预测精度都比较高：4种评价指标均大于0.75，说明各类土地利用预测精度均较高。其中，建筑用地召回率为1，表示2015年预测的建设用地包含了全部的实际值，但精确度却只有0.765 6，说明在所有地类中，建设用地的多判率较高，即有较多的其他用地类型被识别为建设用地。这种现象可能是由于设定了建设用地为限制条件的结果。但是总体精度仍然大于75%，具有较高的一致性。水域的召回率为0.995 2，接近于1，也与水域为限制条件有关。二者的召回率接近1，同样也证明了限制条件对精度的约束是正向的。二者计算的Kappa系数为0.853 2，大于0.8，总体预测一致性较高，说明本研究采取的预测模式较为可靠。

2.2.2土地利用预测

基于2005年、2015年的土地利用，预测生成2025年土地利用分布，见图3、表4。可以看出：与2015年相比，2025年研究区耕地虽然仍占据优势地位，但整体出现下降趋势；林地面积下降情况较为明显；草地、水域的面积变化不大；建设用地面积明显上升。

图3 2025年土地利用模拟预测

表4 2025年各类土地利用面积占比

2.3 景观格局变化

2.3.1整体景观指数变化

研究区的整体景观变化情况，见图4。在1995—2005年、2005—2015年2个时间段内，NP、PD、SPLIT、SHDI和SHEI指数的变化表现出持续上升趋势；散布与并列指数(IJI)、斑块结合度指数(COHESION)和聚集度指数(AI)呈现联系下降趋势；LPI、CONTAG指数呈现先减后增的趋势；PAFRAC指数在1995—2005、2005—2015年变化不大，2025年开始增大。NP、PD、IJI、SPLIT、SHDI和SHEI指数处于上升趋势，而LPI、COHESION和AI指数下降说明：大斑块数量减少、景观类型的差异性减小，各景观呈现均衡化发展；同时，各景观之间的连通性下降，向不规则、破碎化发展。与2015年相比，2025年的景观指数除AI、LPI、COHESION和CONTAG指数下降外，其他各指数呈现上升趋势。这说明未来10年里大斑块数量增多，景观的整体均衡趋于下降；各景观之间的连通性增强。

图4 各景观格局指数变化百分比

2.3.2类型景观指数变化

为进一步研究景观格局的变化情况及演变趋势，选取8个类型的景观指数进行分析。以1995年为基年，考察了景观类型指数的变化率，结果见图5。

a)耕地

b)林地

c)草地

d)水域

e)建设用地

①耕地景观变化：NP、PD增大，LPI减小，说明耕地的斑块数量增加、大斑块数量减小；PAFRAC、LSI增大，说明耕地斑块的形状总体趋于不规则；从COHESION、AI数值变化不大，说明耕地斑块之间连接度、聚集程度较为稳定，2025年IJI变大，说明未来农田并列比邻程度较高。②林地景观变化：NP、PD、LPI减小，表示斑块和大斑块的数量均下降；PAFRAC、LSI增大，表明林地斑块的形状总体趋于规则；COHESION、AI、IJI等指数减小，林地之间连接度、聚集程度下降，趋于破碎化。③草地景观变化：PLAND指数先增后降，整体呈现上升趋势；NP、PD减少，斑块的数量略微下降；LPI大幅减少说明大斑块数量明显下降；PAFRAC、LSI增大，说明斑块的形状总体趋于不规则； COHESION、AI、IJI减小，草地斑块之间连接度、聚集程度下降，趋于破碎化。④水域景观变化：NP、PD、LPI等指数变化来看，水域斑块的数量先增加后减少，大斑块的数量明显下降；LSI减小，水域斑块的形状趋于不规则； COHESION、AI增大，水域斑块之间连接、聚集程度上升。IJI和PAFRAC变化不大。⑤建设用地景观变化：几乎所有的建设用地指数都呈现出增大趋势。NP、PD、LPI、COHESION、AI、IJI显著上升，表明建设用地斑块数量上升趋势明显，大斑块明显增加，斑块之间连接、聚集程度愈发强烈。⑥未利用用地整体面积较小，景观类型指数波动不大。

2.4 土地利用强度

结合1995年、2005年、2015年以及模拟的2025年的土地利用数据，计算出4期土地利用整体LDI综合指数以及各土地利用类型的LDI综合指数(表5)。

表5 各土地利用类型的LDI综合指数

从LDIindex指数来看，整体的土地利用开发强度将会持续增加，2015—2025年增加幅度较大。耕地的LDIindex下降，说明人类活动对其干扰有所下降，耕地的健康状况转好，可能与土地流转、农田标准化建设有关；林地、草地、水域的LDIindex指数整体均呈现微弱下降趋势，生态环境内部状况有所改善；建设用地的LDIindex呈现明显上升趋势，说明工程建设规模明显增大。综合整体指数来看，建设用地的增加是导致景观环境状况改变的主要原因。

2.5 驱动因素分析

景观变化受到自然因素和人为因素的双重影响。本次研究的自然驱动因素主要选用年降水总量、年蒸发总量、年平均气温、10℃以上积温几个影响植被生长作物种植的指标，人为驱动因素主要选用GDP、人均GDP、第一产业值、第二产业值、第三产业值、总人口、城镇人口7个指标。对皖江流域涉及的46个县区统计上述指标，对数据标准化后，采用主成分分析法对区域的历史景观格局变化进行归因分析。分析结果表明第一和第二主成分对总变量的解释度分别为65.37%和15.15%。其中三大产业产值、城镇人口及总人口在第一主成分载荷较大；年降水和年蒸发在第二主成分上的载荷较大，第一主成分主要代表人类活动影响，第二主成分主要代表自然因素影响。自然因素的影响远小于人类活动影响。这与景观开发强度分析中，人类活动是影响区域景观格局变化的主要原因趋同。

从未来人为驱动因素来看，安徽省是中国近年来中部崛起的典范，皖江流域又是承接长三角产业转移的排头兵，以省会合肥产业经济发展最为明显，带动了区域城市化快速发展，使得合肥及其周边片区建设用地急剧扩张。2025年合肥片区的建设用地面积远大于2015年。图6、7显示了皖江流域46个县人为驱动因素的基本变化情况。近年来皖江流域区域城镇化率不断提升，但总体仍低于60%，未来仍有较大增加趋势。因此，人类活动对景观格局的干扰仍将增强。从未来自然驱动因素来看，皖江流域主要位于长江流域，并与淮河流域毗邻。已有相关研究表明淮河流域安徽段未来降水量和降水日数减少[21]，蒸散发量年未有明显升降趋势，但是春季夏季有显著减少的趋势[22]，这将对周边农业种植结构产生改变，进一步影响景观格局；长江流域安徽段未来降水量可能降低，干旱指数上升[23-24]，使得部分区域会出现水资源相对不足的现象，带来景观退化的潜在风险。对于自然因素，可能需要分区段如不同气候区、不同流域来进一步考虑。

图6 人均产值和三大产业产值及总产值变化趋势

图7 城镇化率变化情况

3 结论

长江流域安徽段又被称作皖江流域，是承接长三角战略转移和生态调蓄的重要阵地。研究系统分析了近年来该地区景观格局状况、未来趋势和开发强度及归因。通过MCE、CA和Markov方法对土地利用的现状分析和预测表明，皖江流域地区近年来，耕地面积呈下降趋势，但始终处于优势景观地位；林地面积有略微上升，草地、水域以及未利用地的面积总体变化不大。预测2025年耕地仍占据优势地位；建设用地会增加。耕地面积的减少与建设用地面积的增加有着明显的相关关系。

1995—2015年区域景观呈现均衡化发展，各景观之间的连通性下降；2025年景观的整体均衡性有所下降，景观的不规则化、破碎化程度加深。耕地景观将一直保持聚集程度下降、不规则化、破碎化演变特点；林地斑块的形状总体趋于规则，聚集程度下降；草地景观在1995—2015年趋于不规则、破碎化发展，而在2015—2025年趋于规则化、集聚化的发展；建设用地景观一直保持集聚趋势。景观整体环境质量将会呈现下降的趋势，其中，建设用地的增加是主要原因；同时，耕地的健康状况将有明显改善，其他土地类型的健康情况变化不大。人类活动是导致景观变化的主要原因。

在未来的研究方向上，将基于时间跨度较小且精度较高的影像数据；方法上选用更为智能化和鲁棒性高的算法，进一步探索景观变化预测的不确定性和归因辨识。自然驱动力的研究应针对气候特点的空间异质性进行深入讨论。