基于MCE-CA-Markov模型的城市景观格局演变及预测

陈舒玲，莫惠萍，王升红，阙元燕，林仕宇，陆东芳

（福建农林大学艺术学院 园林学院（合署），福建 福州350000）

城市的景观格局变化是由自然因素和人为因素共同影响作用的结果， 影响着景观内物种的丰富度、分布、种群的生存能力及抗干扰能力，同时影响到该景观的生态过程和边缘效应[1]。 伴随着人类对自然界的干涉不断增强，景观格局愈发受到人为因素的影响[2]。 城市景观格局的研究，对规划和管理城市的土地利用、改善城市生态环境起有着举足轻重的意义[3]。

目前景观格局变化动态模拟模型主要包括两种类型[4]。 一是回顾性宏观模型，包括Markov 模型[5]、CLUE-S[6]、Logistic 回归[7]等，这类模型注重从宏观视角上开展分析，通过探究时空尺度上的变化规律来模拟预测；二是前瞻性微观模型，包括多智能体系统[8]、元胞自动机[9]等，这类模型注重从微观视角进行探索，通过分析地块单元与驱动因子之间的微观作用得到宏观整体上景观格局变化模拟结果。 在此基础上，衍生出了上述各类模型的耦合模型。 其中，MEC-Markov-CA 耦合模型有效结合了Markov 长时间序列模拟的优势和CA 良好的复杂空间预测能力，同时结合了多准则评价的优点，综合量化多种因素，达到较好的预测效果，被广泛应用于景观格局模拟预测中[10]。

本文以武夷山市为研究对象， 对武夷市2000—2020年景观格局的特点及其动态变化进行分析研究，基于2005、2015年的景观格局分类图对2020年景观格局进行预测， 并与实际数据利用Kappa 系数进行数据精度检验，在可信度较高的情况下，对2030年武夷山市景观格局进行预测，分析其景观格局变化与特征，意在为城市未来规划提供一定的参考依据。

1 研究地概况与数据处理

1.1 研究地概况

武夷山市地处中国福建省西北部，位于东经117°37'22—118°19'44、北纬27°27'31—28°04'49，辖区总面积为2813 km2。境内东、西、北部群山环绕，中南部为山地丘陵区，地貌呈梯状分布，地势由西北向东南倾斜。武夷山市为亚热带季风湿润气候区，年平均降雨量1926.9 mm，多年平均气温18.3℃。拥有丰富的森林资源。

1.2 数据预处理

研究区2000、2010、2015年景观格局分类数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)，分辨率均为30m。 研究区2020年景观格局分类数据来源于全球地理信息公共产品网（http://www.globallandcover.com）。 遥感影像高程数据来源于地理空间数据云 （http://www.gscloud.cn/search）， 分辨率为30m，对遥感影像进行影像镶嵌、影像裁剪预处理后进行使用。 坡度数据由高程数据通过arcgis 软件处理后得到，道路、河流的矢量数据来自于地理国情监测云平台（http://www.dsac.cn/）。

2 研究方法

2.1 转移矩阵

利用转移矩阵来分析景观格局动态变化能够有效地表现出某一时段内景观组分之间数量变化的关系，通过分析研究区域景观变化的结构特征和各类型景观变化的方向[11,12]，能直观反映研究初期阶段和末期阶段的景观分类结构，并体现研究期间内各景观类型的转变情况[13]。

2.2 景观格局指数

景观格局指数能定量描述景观的信息。 根据研究需求，同时借鉴前人的研究方法[14-16]，本研究的景观格局指数从景观类型水平上选取了斑块数量（NP）、斑块密度（PD）、斑块类型百分比（PLAND）、最大斑块指数（LPI）、聚集度（AI）、边缘密度（ED）、平均斑块面积（AREA-MN），从景观水平选取香农多样性指数（SHDI）、香农均匀度指数（SHEI）、蔓延度指数（CONTAG）、聚集度（AI）、分维数（PAFRAC），共11 个景观指数，对武夷山市景观格局进行研究。

2.3 MCE-CA-Markov 模型

MCE-CA-Markov 模型结合了Markov 模型和CA 模型的特点，以及多准则（MCE）的土地分配原则结合起来进行景观格局的预测方法[17]，具有较大的科学性和实用性[16]。 基于IDRISI 软件和GIS 平台进行MCECA-Markov 模型的构建。 其中，景观类型转移适宜性图集指的是某一种景观类型转变为其他景观类型的概率图[3]。本研究根据武夷山市景观特点及前人的研究[14,18-20]，选取了高程、坡度、道路、河流、居民点五个影响因子，将水域作为约束条件。 构建适应性图集。 运用IDRISI 软件的CA-Markov 模块进行，得到2020年景观格局预测图。 通过对2020年景观格局预测结果与实际结果相比较，精度检验可行性较高后。 同理，获得2030年的景观格局预测图。

2.4 模拟进度检验

2020年武夷山市景观格局预测图与实际情况做比较，需要用数据计算预测合理性。 本研究引入Kappa 系数进行计算。 通过IDRIS 软件中的Crosstab 模块进行计算。 当0.75≤Kappa≤1，表示两个景观格局图像一致性较高[21]。

3 结果与分析

3.1 武夷山市景观类型及其变化

武夷山市景观类型中，林地是研究区内面积占比最大的景观类型，占比70%左右；耕地为研究区内占比第二大的景观类型，主要分布于武夷山市东南部较平坦地区；主要河流从北部向南部流经武夷山市；建设用地主要集中于市区中心地带的地形平坦地区，其余的建设用地零星分布在耕地之中；未利用用地占比极小。武夷山市西北部主要以林地、耕地、草地分布为主，其中林地占比最高，耕地次之；东南部分景观格局多样性较西北部大。

2000—2020年期间，建设用地、的面积逐年递增，且增加的速率逐年增加；耕地、林地的面积整体呈现下降趋势。 为了更加直观的观察到各类景观的转移变化，利用转移矩阵来解释各类景观之间的流动方向及空间过程。由表1 可知，2000—2010年间，耕地主要流向了林地和草地；林地的转出量是各类景观中最大的，为37.03 km2，主要流向了耕地和草地；草地主要流向了耕地和林地。 同时建设用地增加的来源主要从耕地和林地转化而来。 可以看出，2000—2010 景观类型的变化主要存在于耕地、林地和草地之间。

图1 武夷山市景观格局分布Figure 1 Landscape pattern in Wuyishan City

表1 2000—2020年武夷山市景观类型转移矩阵Table 1 Landscape Type transfer Matrix of Wuyishan City from 2000 to 2020 km2

在2010—2020年间，耕地的转出量最大，为44.28 km2，主要向林地和建设用地转换，其中转换为林地的面积最大；林地转出量位居各类景观第二，主要转变为耕地和草地；草地主要转变为耕地和林地；建设用地的增加主要来源于耕地。可以看出，2010—2020年间土地类型的变化依旧主要存在于耕地、林地和草地之间的变化，且相互变换的流动量较前10年的更大；与此同时，其他各类景观的变化量也较前10年增大。 总体而言，在武夷山市发展的过程中，将不可避免导致居民住宅用地和路网的扩大，导致耕地、林地、草地和未利用用地面积日益减少；但随着人们越来越重视保护生态环境，林地、草地的减少速度得到了缓解，且水域的面积得以增加。

3.2 武夷山市景观格局指数

3.2.1 类型水平

景观在类型水平上的变化，可以从表2 看出2000—2020年武夷山市景观斑块类型水平的主要特征。

表2 武夷山市类型水平景观指数值Table 2 The class-level landscape index value in Wuyishan city

2000—2020年间，林地为第一优势景观，林地呈片状分布，连通性较好，最大斑块指数和边缘密度的的变化表明随着人类活动的影响，导致林地景观的布局和形状更加的复杂化；耕地为第二优势景观，其整体的破碎化程度增加，同时耕地景观的连片集中区域的面积整体在减少，破碎化日益加重导致；草地为武夷山的第三优势景观，破碎化程度较大，但是总体变化不明显；水域的斑块类型百分比逐渐增大，结合其他指数的变化表明，在2000—2020年间，武夷山对其水域范围进行了一系列的保护和管理，使水域的破碎度降低，连通性增强，但其形状的复杂度也随之增加。 建设用地主要在原有的基础上进行了扩张，同时破碎度增加，人类的干扰较强。 而未利用用地的破碎化程度降低，且景观边界复杂度逐渐降低，但整体变化不明显。

3.2.2 景观水平

通过景观水平来分析景观类型的分布情况。 由表3 可看出，武夷山市景观格局各类指标变化不大，整体景观格局变化相对稳定。 研究区各类景观异质性有所增加，景观聚集度下降，景观破碎化程度略有上升，景观几何形状的复杂程度略有上升。

表3 武夷山市景观水平景观指数值Table 3 The landscape-level landscape index value in Wuyishan city

3.3 武夷山市景观格局演变模拟及预测

以武夷山市2010年景观格局分类图为初始年，预测得到2015年的景观格局分类模拟图，见图2。将2015年的景观格局分类模拟图与实际分类图进行模拟精度评估，Kappa系数为0.8754， 表明CA-Markov 的模拟预测效果较好， 具有可信度。 后以武夷山市2020年景观格局分类图为初始年，进行2030年景观格局分类图的模拟，见图3。

图2 2020年景观格局模拟

图3 2030年景观格局模拟

由表4 可知，2020—2030年间林地面积面积变化最大，减少了205.19 km2；耕地、草地、建设用地面积有所增加；而水域和建设用地的面积变化较小。 耕地的用地转化主要转变为了建设用地；林地转出量是各类景观中最多的，主要转变成耕地和草地；转入量最大的为草地，其中来源最大的为林地。

表4 2020-2030年武夷山市景观类型转移矩阵Table 4 Landscape Type transfer Matrix of Wuyishan City from 2020 to 2030 单位：km2

由表5 可知，在景观类型水平上，与2000—2020年相比较，耕地的破碎化趋势增大，同时耕地的成片集中优势较强；林地的各指标变化表明林地的景观破碎度在加深；草地景观的连通性增加，同时随着人类的干扰，使得景观的复杂性增加；水域的连通性有所下降，且景观斑块的边界及形状在变得更加复杂；建设用地景观破碎化程度在降低，人类的干扰性增强，建设用地在扩张，尤其集中在主城区部分；而未利用用地的破碎化增加，且对于未利用用地，人类干扰性很大。

表5 2030年武夷山市类型水平景观指数值Table 5 The class-level landscape index value of Wuyishan city in2030

由表6 得，在景观水平上，各类指标同上一年相比较，变化不大。 各指数表明，研究区各类景观异质性有所增加，景观聚集度下降，景观破碎化程度略有上升，景观几何形状的复杂程度略有下降。

表6 2030年武夷山市景观水平景观指数值Table 6 The The landscape-level landscape index value of Wuyishan city in2030

4 结论与讨论

（1） 2000—2020年间，武夷山市的景观类型以林地、耕地、草地为主。 耕地、林地、未利用用地的面积减少，建设用地、水域、草地面积增加。 同时，耕地和建设用地的破碎化增加，水域、林地、未利用用地和草地的连通性增加。 各类景观异质性有所增加，景观聚集度下降，景观破碎化程度略有上升，景观几何形状的复杂程度略有上升。

（2） 2015年的景观格局分类模拟图与实际分类图相对比，进行模拟精度评估，Kappa 系数为0.8754，表明CA-Markov 的模拟预测效果较好，具有可信度。

（3） 2020—2030年间，耕地、草地和建设用地的面积较大幅度增加，同时林地的面积大幅度减少。 耕地、林地、水域、未利用用地、草地的破碎化趋势增大；建设用地的连通性增强。 研究区各类景观异质性有所增加，景观聚集度下降，景观破碎化程度略有上升，景观几何形状的复杂程度略有下降。 对于以上的潜在情况，应更加注意各类用地的发展，协调好发展与保护的关系，对未来的建设进行长远的考虑，注重可持续的发展。