基于Ann-CA-Markov模型的鹤岗市农林用地景观格局研究

贾京默,孙 钊,桂心如,毛 靓

(1.东北林业大学 园林学院,哈尔滨 150040；2.中国林业科学研究院,北京 100091)

农林用地是我国《城市用地分类与规划建设用地标准》(GB50137—2011)中的一个类别(E2)[1],也是国土空间规划用途分类划分中,五种类别中的一项[2]。我国的粮食及生态安全极大的依赖于农林用地。因此,农林用地的景观格局动态变化,及对国家宏观战略制定的影响是相关研究领域的前沿和热点问题[3-5]。

当前,众多学者的研究主要集中在景观格局演变与其动力机制方面,在对于土地利用格局的预测模拟方面,通常采用CA模型与其他模型的结合来实现,如：CA和多主体模型(MAM)、Geo CA Urban 模型、CA和Markov模型、神经网络与CA耦合模型等。在国外,Tong等[6]和Hana等[7]分别在俄亥俄州小迈阿密河流域、伊朗南部沿海地区使用CA-Markov模型进行模拟预测土地利用变化。在国内,欧维新等[8]使用 BP 神经网络与元胞自动机模型进行耦合,并且基于Mat-lab平台模拟预测了海滨湿地的土地空间格局；范晓锋[9]选取影响土地利用的驱动因子构建CA-ANN模型并预测珲春市未来6年的土地利用动态变化。经过多年的研究和尝试,CA-Markov模型是目前运用最多的模拟预测模型,结合擅长通过学习处理复杂非线性关系的ANN模型,利用多模型的各自优势,相互耦合,对于景观格局变化的模拟预测有着广阔的研究前景。

本文以黑龙江鹤岗市作为研究区,对其市域农林用地景观格局的变化进行系统量化分析,以Ann-CA-Markov模型的耦合构建,对该区域未来景观格局进行模拟预测。根据鹤岗市土地利用实际情况情况,对其2000—2020年的景观格局变化及2020—2030年的模拟预测的综合分析,可以为科学制定农林土地利用政策,提供精确的量化数据。该研究方法,对于掌握该地区乃至全省范围的景观格局动态变化特征,提供方法参照,可为我国粮食及生态安全的相关研究提供重要的参考和依据。

1 研究区概况

黑龙江省是我国生态大省,其耕地和森林的景观格局动态变化及未来发展趋势,对于我国粮食及生态安全具有重要影响。鹤岗市耕地及森林占比较大,与黑龙江省农林用地的景观格局特征基本一致。鹤岗市面积14 700 km2,地形以西北向东南逐渐降低为地势特征,是由三江平原向小兴安岭山地过渡地段。全市由平原、丘陵、漫岗、沟谷及漫滩等地貌类型组成。森林分布在西北部山区,林木资源丰富,森林覆盖率高达58%；东南部为三江平原的边缘地带,平坦开阔,是农业分布区；境内水资源丰富,有梧桐河、鹤立河、阿凌达河、嘉荫河等18条主要河流。

2 研究方法

2.1 数据来源

航空和遥感影像数据来源于GSCloud,Globeland30等(精度为30m×30m)。森林资源二类调查数据来源于国家林业和草原科学数据中心(1997年、2004年二类调查森林资源分布,2016年第九次森林资源清查统计数据)、黑龙江省森林工业总局(1997年、2006年统计数据)。农业用地调查数据来源于鹤岗市农业农村局、自然资源局,行政界线及道路分布图来源于OpenStreetMap和中国科学院地理科学与资源研究所。同时,通过多次在鹤岗市域范围进行调研和走访,收集相关资料并实地验证解译结果。

根据《土地利用现状分类》(GB/T 21010—2007)以及该市土地利用现状,划分为6种景观类型(表1)。将遥感卫星影像、各类资源调查数据和行政边界导入ArcGIS 10.8软件,统一坐标为 WGS 1984 UTM Zone 40N,人工解析卫星图像,并结合考察数据进行修正与补充。

表1 景观类型划分

2.2 耦合模型

传统CA模型,由于元胞转化规则具有较强的主观性,因此存在着一定的局限性。人工神经网络(ANN)模型的特点是具有能够模拟复杂非线性问题的能力。因此,为避免主观权重赋值的不确定性,CA模型的转换规则可以利用生成土地利用适宜性概率图集作为依据[10]。

Ann-CA-Markov耦合模型是以CA作为基础,并耦合Ann和Markov模型。耦合模型结构包括六部分,即:元胞、元胞空间、状态、邻域、规则和循环次数。其中最重要的规则部分耦合了Markov和Ann模型,基本定义如下[11]:

1)元胞 生态空间结构类型图的大小为30m×30m的栅格；

2)元胞空间 生态空间结构类型图的所有栅格；

3)状态 元胞的状态就是栅格的属性,划分为耕地、森林、草地、湿地、水域和人造地表(建设用地)；

4)邻域 定义5×5的扩展性摩尔邻域进行研究,即周边有24个元胞对元胞的属性产生影响；

5)规则 元胞的转换规则主要包括空间和数量上的转换规则,数量上的转换规则主要是通过Markov模型进行计算,空间上的转换规则通过Ann模型进行计算。

6)确定循环次数 因使用的每期基础数据之间的间隔均为10年,故设置确定循环次数的年限间隔为10年。

2.3 耦合模型模拟精度检验

目前,常用Kappa系数和FOM(Figure of Merit)指数来衡量景观格局模拟精度,以验证所构建模型在研究区用地应用的可靠性。Kappa系数用来检验景观格局模拟结果与实际状况的一致性。Kappa值在0～1区间,其值越趋近于1,表明模型计算模拟精度越高。一般认为,当大于0.75时,模拟结果可信度高。FOM是一种评价模型灵敏值的方法。FOM值在0～1之间,模拟计算的时长直接影响FOM值,模拟计算时长每增加一个单位,FOM增加值不应大于0.01,此时模型模拟结果较好[11]。利用GeoSOS-FLUS V2.3软件[12]完成研究区未来的景观格局模拟预测。首先,构建CA模型除规则之外的元胞、元胞空间、状态、邻域和循环次数等5部分信息,再利用Markov和ANN模型分别以2000年、2010年分类数据为依据,确定转换规则,获得2020年模拟图。将2020年模拟图与实际状态数据比较,运用Kappa系数和FOM指数来评估其模拟精度。

2.4 面积转移矩阵与指数计算

通过空间叠加2000年、2010年、2020年3个时间点卫星遥感解析结果,可进行土地利用变化分析,即研究区域内不同景观类型之间的面积相互转移结果。利用Fragstats 4.0软件进行计算,并选取斑块密度PD、最大斑块指数LPI、景观丰度PR、景观形状指数LSI、香农多样性指数SHEI等指标。

3 结果与分析

3.1 2000—2020年景观类型与面积变化

1)2000—2010年,研究范围内的景观类型面积变化情况特征为:森林面积减少31.726 0km2,耕地面积增加19.165 1km2,草地面积减少7.287 3km2,湿地面积减少20.453 6km2,水体面积增加24.111 2km2,人造地表增加16.190 7km2。景观类型变化情况为:森林向耕地、草地,转化净面积分别为12.301 4、23.792 7km2；湿地、水体、人造地表向森林转化净面积分别为3.063 5,1.244 5,0.060 2km2；草地、湿地向耕地转化净面积分别为8.771 1,7.295 8km2；耕地向水体、人造地表转化净面积分别为0.201 4,9.001 9km2。这一时期,研究区受到城镇化进程的影响较大,耕地面积增加较多,森林面积相对减少,湿地面积减少,生态功能些许退化。景观类型面积转移矩阵如表2所示。

表2 2000—2010年景观类型面积转移矩阵

2)2010—2020年,研究范围内的景观类型面积变化情况为:森林面积减少21.229 4 km2,耕地面积减少217.543 km2,草地面积减少21.912 2 km2,湿地面积增加237.411 2 km2,水体面积增加9.076 9 km2,人造地表增加12.140 3 km2。研究区的景观类型变化情况为:森林向耕地、湿地、水体、人造地表转化净面积分别为29.064 0,10.075 7,4.084 1,0.196 0 km2；草地向森林转化净面积为22.190 4 km2；耕地向草地、湿地、水体、人造地表转化净面积分别为8.128 1,208.742 9,2.092 1,27.643 9 km2。这一时期,耕地面积显著减少,减少的耕地约213 km2转化为湿地面积,主要增加区域为边境黑龙江流域地区。景观类型面积转移矩阵如表3所示。

表3 2010—2020年景观类型面积转移矩阵

从2000—2020年的20年间的景观格局变化情况来看,耕地面积变化较大,减少总面积近200 km2,森林面积也在持续将减少,湿地面积增加较多,人造地表(即建设用地)面积也在持续增加。从空间分布来看,农林用地变化主要集中在中部地区的城镇密集区域。由于人类活动,特别是城镇化建设导致森林面积减少；基本农田的保护政策的实施导致2010年后的耕地面积持续增加。湿地面积的提高主要归因于国家相关政策的实施。由国家发展改革委、国家林业局会同有关部门编制的《大小兴安岭林区生态保护与经济转型规划(2010—2020年)》,在2010年印发实施。该《规划》明确加强林区生态和湿地保护与建设。国家相关政策的落实,使森林面积减少的势头得到遏制,且湿地增加较大面积。鹤岗市景观格局变化如图1所示。

图1 2000—2020年鹤岗市景观格局变化示意图

3.2 2020—2030年景观格局模拟预测

3.2.1精度检验

经相关性分析筛选出与研究区景观格局变化相关的驱动力因子,即2000年、2010年和2020年3期相关数据,如:平均温度、年降水量、道路、水域、人造地表范围、DEM影像等,进行2020年研究区景观格局进行模拟预测。

选取3个比较典型的局部区域的模拟结果,通过模拟图与真实图进行图像判读(图2),结果具有很高的相似度。Kappa系数和FOM指数计算结果分别为0.825和0.04,均在模型模拟预测允许范围值内,模拟预测结果可靠。

图2 2020年部分区域景观格局真实图与模拟图对比

3.2.2模拟预测

经检验,该模型模拟预测精度可靠,对2030年鹤岗市景观格局进行模拟预测计算,结果如图3、表4所示。其中,研究范围内的景观类型面积变化预测为:森林面积减少0.064 8km2,耕地面积增加1.036 8km2,草地面积减少0.097 2km2,湿地面积增加14.644 8km2,水体面积增加6.131 7km2,人造地表减少21.651 3km2。研究区的景观类型变化情况为:森林向耕地、草地、湿地转化净面积分别为0.032 4,0.024 3,0.008 1km2；耕地向湿地转化净面积为0.202 5km2；草地、水体、人造地表向耕地转化净面积分别为、0.081,0.008 1,1.117 8km2。

图3 2020年和2030年鹤岗市景观格局模拟图

3.3 景观格局变化及预测

3.3.1景观类型面积变化特征

纵观2010—2020年,以及对2020年之后10年的预测可知(图4),森林面积缓慢减少,且减少的势头在未来10年能够得到有效遏制；耕地面积呈现了先增加后减少的情况,并在之后的10年内保持稳定；其它景观类型中,湿地自2010年以来持续增加,并在未来10年保持继续增加的态势,人造地表则呈现面积减少的趋势。

图4 景观类型面积变化

表4 2020—2030年鹤岗市景观类型面积转移矩阵

3.3.2景观格局变化特征

1)鹤岗市景观格局变化特征

研究区20年时间跨度及未来10年的景观格局整体变化情况如表5所示。其中,斑块数量(NP)在研究期的前10年呈显著下降趋势,随后开始升高并在未来10年保持基本稳定；斑块密度(PD)先降低后增加,未来斑块密度总体将缓慢升高；香浓均匀度指数(SHEI)与斑块数量及密度的变化情况呈现负相关性,即先增加后降低,并在未来基本保持相对稳定的态势。表明2000—2010年,鹤岗市的景观丰富度、异质性减少,破碎化程度低；2010—2030年景观丰富度增加、异质性上升,破碎化程度高。

表5 2000—2030年鹤岗市景观格局指数

2)农林用地及其他景观类型格局变化特征

2000—2030年鹤岗市农林用地类型景观格局指数如图5所示。

图5 2000—2030年鹤岗市农林用地景观格局指数变化

斑块密度:耕地最小(0.034 1),森林其次,最大值为人造地表(1.235 2)。说明耕地和森林的破碎化程度较低,特别是森林的斑块密度持续降低,森林的破碎化程度得到改善。其他景观类型中,草地和水体斑块密度总体呈先减小后增大的趋势,且草地增加较多,其破碎化的程度加深；湿地和人造地表一直呈现逐渐减小的趋势,说明整体破碎化程度逐渐降低。

最大斑块指数:耕地、森林的最大斑块指数相近,且明显大于其他景观类型,呈现出先增加再减小的波动趋势,在一定程度上说明研究区的耕地与森林是优势景观类型。其他景观类型中,水体最大斑块指数呈持续减小的趋势,且减少的非常明显,说明其整体性降低,破碎化的程度加深；草地、湿地和人造地表一直呈现逐渐增加的趋势,且湿地的增加幅度较大,与其面积增加较大的情况相一致。

景观形状指数:耕地、森林的景观形状指数均出现小幅降低后又大幅增加的趋势,最大值均出现在2030年(17.342 6，32.791 2),反映出农林用地的形状比较复杂,所受到自然条件及人为因素干扰,且强度较大。其他景观类型都是先小幅增加,然后降低的变化情况,说明这些景观类型受到外界干扰强度相对较小。

4 结论

1) 经相关指数计算,Ann-CA-Markov耦合模型模拟精度符合要求,其模拟可靠性高,可应用于鹤岗市农林用地景观格局的模拟预测。

2) 2000—2030年,鹤岗市农林用地面积呈现整体减少的趋势,其中森林面积缓慢减少,耕地面积减少的较多,其面积主要转化为湿地,预测结果反映这种减少的趋势将在一定程度上得到缓解。其他景观类型中,湿地和水体面积持续增加,草地面积将保持稳定,人造地表面积将减少。

3) 2000—2030年,耕地与森林是鹤岗市景观格局的优势景观类型,且受到外界干扰较强；耕地和森林的破碎化程度较低,森林的斑块密度持续降低,森林的破碎化程度得到改善。