我国土地利用变化模拟研究现状与展望

吴 爽

(贵州财经大学公共管理学院，贵州 贵阳 550025)

引言

土地利用变化反映着人-地关系，开展和实现“人-地”耦合的土地利用变化模拟及应用，是揭示土地利用/土地覆盖变化驱动因素、演变过程及趋势的有效手段。在全球环境变化的背景下，准确地模拟未来土地利用/土地覆盖变化的分布和趋势已经成为全球变化研究的重大需求。美国、加拿大等国家利用遥感技术和多尺度陆面生态过程模型研究了全球和区域森林及草地等生态系统碳循环对全球变化的响应，并发现人-地交互过程是塑造自然生态系统结构与功能的重要驱动力。土地利用变化对生态环境和人居环境都造成了很大的影响，如水土流失严重、沙漠化迅速发展、水体污染加重、生物物种加速灭绝和环境污染向农村蔓延等。因此，研究土地利用变化是可持续发展的必然要求，同时在地理国情监测、国土空间规划方面也有着重要意义。在此背景下，借鉴地理模拟和优化，结合大数据在国民经济和社会发展规划、土地利用总体规划及城乡规划等研究上的优势，使新形势下土地利用变化模拟更加科学化。本文根据现有的文献成果，采用文献综合法和归纳总结法，基于国内学者的研究成果，针对当前的研究现状和常用土地利用变化模型及产品等进行了分析，进而指出当前研究存在的不足，为未来的研究重点指明方向。

1 研究现状

本研究以中国知网为文献数据来源，对我国近30年来土地利用变化模拟研究主题进行简要统计分析。在学术期刊范围内，设置检索规则为(SU=土地利用变化)AND(SU=模拟OR SU=预测)。截止时间为2022年。以使用模型方法对土地利用变化进行模拟和预测为依据，共检索出1812篇学术期刊文章，并对检索出的文章做了可视化分析。从图1可以看出，1996—2022年土地利用变化模拟研究的发文量总体呈上升趋势，2002年以前处于一个缓慢发展的阶段，2002—2008年处于快速发展时期，2012—2019年间的发展速度逐渐放缓，2019—2022年间发文量再次快速上升，发文量有较大突破。近几年来土地利用变化年度发文量逐步稳企在100篇以上，这说明土地利用变化依然是学者们研究的重点和热点。1996—2022年发表文章的主要主题分布情况见图2。从图2可以看出，主题主要集中围绕在土地利用变化以及土地利用研究上，其次集中在情景模拟、预测分析、土地利用/覆被变化、水文响应、驱动力和气候变化等主题上。主要主题分布中出现的地理信息技术以及模拟模型有GIS、CLUE-S模型、CA-Markov模型、马尔可夫模型、元胞自动机、SWAT模型及InVEST模型。不同机构发文量排在前列的分别是中国科学院地理科学与资源研究所、南京大学、河海大学、北京林业大学和北京师范大学，不同基金发文量靠前的分别是国家自然科学基金、国家科技支撑计划和国家重点基础研究发展规划(973计划)。

图1 发表年度趋势

图2 研究主题分布

2 土地利用变化模拟模型及成果

目前研究中常用的土地利用变化模拟模型主要有CA-Markov模型、多智能体模型(MAS)、多主体模型(ABM)、CLUE-S模型、地理模拟优化系统(GeoSOS)和FLUS模型。绝大多数模型都是在CA模型和CLUE-S模型的基础上进行拓展优化而形成的。土地利用变化模拟数据处理过程大致分为数据准备、数据处理、选择驱动因素和实施模拟，研究范式如图3所示。

图3 土地利用变化模拟研究范式图

2.1 CA-Markov模型

元胞自动机(CA)是一种通过局部运算模拟空间和时间上离散的复杂性现象的模型[1]。CA通常由4部分组成，分别是元胞、状态、邻域和转换规则。定义转换规则是CA的核心，过去的研究中学者为了满足不同的应用需求建立了各种CA模型。一些用来定义转换规则的方式包括多准则判断法(multi-criteria evaluation，MCE)、逻辑回归法、神经网络法和数据挖掘法。Markov模型具有能够进行长期预测、量化土地利用类型的转换状态和转换速率的优点，但无法描述空间尺度上的变化。CA-Markov模型将CA的空间模拟运算能力和Markov模型的长时间预测能力进行优势互补，并在土地利用变化模拟研究中得到广泛的应用。杨国清等[2]基于该模型预测了广州市2010年的土地利用格局变化，研究表明破碎度、多样性指数、形状指数、分维数等呈现规律性变化。直至今日，CA-Markov模型依然被使用于景观格局演变的研究中。赵冠伟等[3]针对CA-Markov模型的空间尺度敏感性特征进行研究，得出元胞尺度对模拟结果存在显著影响的结论，在进行模拟时，元胞尺度的选择必须慎重。近2年CA-Markov模型主要与InVEST模型进行耦合以探究景观格局变化和人类活动之间的关系，揭示土地利用变化对区域生境质量时空演变的影响[4]。

2.2 CLUE-S模型

CLUE-S模型是由荷兰瓦赫宁根大学Peter Verburg[5]团队在 CLUE模型的基础上改进而来，是一个较好的模拟全局土地利用变化的模型。CLUE-S包括4个主要模块：统计分析模块、人口模块、需求模块与空间布局模块。此模型不仅考虑到土地利用系统中的社会经济驱动因子，同时还兼顾了生物物理驱动因子。CLUE-S模型在国内土地利用变化模拟研究中的运用最早在2000年以后，并且多数是单独使用，很少与其他模型进行耦合，主要运用于土地利用时空动态变化的预测、景观格局变化、三生空间变化等方面。在模型耦合方面主要与InVEST模型、Markov模型进行耦合，唐娇娇等[6]基于CLUE-S模型和InVEST模型对苏州市生境质量进行了评估和预测，陆汝成等[7]耦合CLUE-S模型和Markov模型进行了土地利用情景模拟研究，这表明在较早前就有了CLUE-S模型与其他模型耦合的研究。多种模型的耦合是未来研究的发展趋势，目前的研究中CLUE-S模型与其他模型的耦合还不常见，这是一个未来可发展的空间。

2.3 GeoSOS

地理模拟优化系统(GeoSOS)是GIS的重要拓展，与GIS能够进行很好的耦合，并且这种耦合能使各自的缺陷相互弥补。GeoSOS系统平台逻辑设计中的逻辑层系统是最重要的层次。GeoSOS主要包括CA模拟、多智能体模拟和地理优化3个部分。GeoSOS主要应用于地理国情分析方面，其创新点在于能够模拟、预测、优化及显示地理格局和空间过程。相较于GeoSOS，在其基础上发展的GeoSOS-FLUS在近几年的研究中被应用得更多，GeoSOS及GeoSOS-FLUS从开发以来主要应用于城市扩张、土地利用变化、景观演变等研究中。另外，侯剑坤等[8]在最近发表的文章中将GeoSOS-FLUS模型与InVEST模型耦合对碳储量时空变化特征进行了研究。从此可见，土地利用变化模拟近几年与碳排放方面的模型耦合研究比较多。

2.4 FLUS模型

未来土地利用模拟(Future Land Use Simulation，FLUS)模型是用于模拟人类活动与自然影响下的土地利用变化以及未来土地利用情景的模型。刘小平等[9]在GeoSOS理论的基础上提出FLUS模型，该模型基于ANN、SD模型和CA模型，引入自适应惯性系数和轮盘赌竞争机制，确定最终用地类型。FLUS模型的模拟精度较以往的模型有所提高并且能够获得与现实土地利用分布相似的结果。近几年的研究中其主要集中于多情景模拟预测、流域土地利用变化预测、国土空间开发等方面。在于其他模型的耦合方面，主要是与Markov模型、GeoSOS模型进行耦合，也有学者近2年将其与InVEST等模型进行耦合。

2.5 SWAT模型

SWAT(Soil and Water Assessment Tool)是一个具有物理基础的半分布式水文模型，能预测不同情况(如气候变化、下垫面变化)对水文现象的影响。在土地利用变化模拟研究中主要运用于水文径流对土地利用变化的响应，汤岭等[10]基于SWAT模型对湘江流域内湘潭、衡阳站的月径流进行模拟，王磊等[11]基于SWAT模型对张家口清水河流域土地利用情景变化对径流影响进行了模拟研究。现有的研究表明，土地利用变化对水文要素发生改变有着重要的影响，研究水文对土地利用变化的响应有利于促进生态环境质量的改善，这也是未来的一个研究重点。

2.6 PLUS模型

PLUS模型是由中国地质大学(武汉)地理与信息工程学院&国家GIS工程技术研究中心的高性能空间计算智能实验室(HPSCIL)所开发的。PLUS模型是基于栅格数据，提出的一种斑块生成土地利用变化模拟模型(Patch-generating Land Use Simulation，PLUS)，其能够灵活的处理多类土地利用斑块变化。此模型是2021年在已有的土地利用变化模拟模型基础上进行改造和传承提出的，目前的研究中利用此模型发表的文章还较少。李琛等[12]基于PLUS模型模拟预测了山地重点开发区景观生态风险变化趋势。已有的研究倾向于将PLUS模型用于生态环境方面的研究，如土地利用及生境质量时空变化及预测、土地利用模拟及生态系统服务价值评估。PLUS模型在土地利用变化模拟方面处于起步阶段，未来的研究中PLUS模型运用的频率将会有所增加，另外就是将其与其他模型进行耦合，这样才能在多学科领域中实现研究的多元化。

2.7 土地利用变化模型开发产品

不同的学者和团队在研发土地利用变化模型的基础上通过设置不同社会经济发展情景研发了未来土地利用变化预测数据集，黎夏[13]团队开发了高精度的全球未来100年土地利用模拟产品，时间跨度为2050—2100年，根据IPCC排放情景特别报告设置了4种情景；宫鹏[14]团队开发了全球未来土地利用预测数据集系列Finer Resolution Observation and Monitoring of Global Land Cover，时间跨度为2050—2100年，4种RCP情景包括RCP2.6、RCP4.5、RCP6.0、RCP8.5。除以上的成果之外还有一些其他的土地利用变化预测数据集。这些模拟成果可以直接获取并用于其他研究中，为土地利用预测模拟提供数据支撑。

3 研究挑战

3.1 研究尺度问题

土地利用变化模拟模型的研发一直都在不断的更新和完善，国内已有的土地利用模型基本都是区域模型。当前的集成模型往往只是通过耦合CA模型与模拟终止年份的土地需求进行集成，而忽略了其之间的相互作用与反馈。这样模拟的结果可能会脱离现实社会的发展，存在过于理想化的问题。大多数多类别土地利用模型常常忽略各土地利用类型之间的联系，不能很好地体现土地间的竞争和相互作用，土地之间的相互竞争和作用也是影响土地利用变化的重要因素。国内当前研发的土地利用模型都只适用于区域尺度，并不能适用于全球尺度，我国土地利用模型研发至今，已有20多年的历史，学术界的研究方向也逐渐趋向于全球尺度的土地利用变化模拟预测。同样，土地利用格局在不同时空尺度上也表现出不同变化规律[3]。无论是研究区域的空间尺度还是研究时序的时间尺度都与模拟预测结果有着联系，尺度过大，容易忽略细节变化，尺度过小，难以掌握全局变化规律。当前研究中，学者研究区域的空间尺度选择更倾向于小尺度，以省、市为研究区的研究较多。当前时空尺度的选择主要取决于研究者的主观偏好和数据的可获取性，因此时空尺度的选择还没有形成客观的系统体系。

3.2 驱动因子选择问题

土地利用变化驱动力是指导致土地利用方式和目的发生变化的因素。驱动因子的选择对土地利用变化模拟结果有着重要的影响，如何科学合理地选择驱动因素也是当前研究讨论的重点，模拟精度的提高也与驱动因子有着很大的联系。目前常用的土地利用变化驱动因子类型主要有自然因素、社会经济因素以及政策、观念因素。这些年的研究中也逐渐细化出不同的驱动因子，驱动因子的选择也越来越具有多样性，但是驱动因子的选择一直由研究者的主观偏好及研究目的所决定，当前研究中驱动因子的选择主要集中于气温、降水、土壤质地、人口、GDP以及到交通道路的距离等。驱动因子选择应该随着研究时空尺度的变化存在差异性，但由于受到土地利用模型以及数据要求的限制，土地利用变化驱动因子的选择并没有明显的异质性。而且部分常用的驱动因子并没有当前最新的数据，这也是导致模拟结果实用性不强的原因之一。这样的模拟结果可能并不能为永久基本农田保护与城市发展的协调、城市扩张和生态敏感区保护等方面起到借鉴作用。

3.3 数据误差问题

数据误差问题一直都是土地利用变化模拟中存在的重点问题。土地利用模型需要的2大类数据是土地利用数据和驱动因子数据，因此在进行模拟之前有一个数据准备的阶段，数据的获取和处理需要耗费大量的时间和精力。在对数据进行处理的过程中也存在不确定性和数据的失真性，从而影响土地利用变化模拟精度。另外，大部分土地利用模型对数据的要求比较高，数据的空间化、数据的分辨率以及输入数据的行列号要求统一，每个过程可能都会对数据造成损坏，研究进展遭到中断。随着研究的不断发展，越来越多难以量化的因素也被考虑到土地利用变化模拟预测中，如政策实施、技术发展程度以及价值观念等，这些影响因素以不同的形式在土地利用变化模拟中起着作用，但是驱动因子的选择还没有形成系统的理论体系，这是当前研究中存在的问题，驱动因子的选择和量化是影响数据误差问题产生的关键因素。

4 研究展望

4.1 强化多种模型的耦合

多种模型的耦合是学术界的研究趋势，在全球环境变化的同时各种系统要素的协同关系逐渐增强，通过模型的耦合可以探究和细化生态环境中各要素之间相互的影响及作用。近2年的研究中，土地利用模型与生态系统服务价值、水文响应(SWAT模型)、碳储量以及碳排放(InVEST模型)等模型耦合的研究较多。未来的研究中要强化这种多种模型耦合的方式，挖掘更多土地利用变化模拟与其他研究领域的互馈作用。环境要素或指标不仅是对土地利用变化的响应，同时又成为土地利用变化的驱动力系统。多种模型的耦合可以更深层次的探讨土地利用变化与环境效应的关系，这对于未来城镇建设规划、国土空间开发等的合理规划提供了理论支撑。土地利用变化模拟研究的目的就是在土地资源稀缺的情况下为更合理的利用土地提供理论支撑，如何在已有研究的基础上细化环境要素之间存在的复杂关系是未来土地利用变化模拟预测研究的重点。

4.2 数据的高分辨率及模型改进

未来土地利用变化模拟要不断提高模拟精度，模拟精度对数据的要求极高，土地利用数据分辨率越高，模拟精确度越高。当前社会是信息技术时代，3S技术、GPS、地理探测技术、大数据以及人工智能技术等处于飞速发展时期，这些技术对于土地利用变化模拟预测来说是一个机遇，将这些技术应用到提高土地利用探测的分辨率上，使地理探测朝着精细化方向发展，未来的研究对高时空分辨率的土地利用数据有着更高的要求。在此基础上，进一步改进土地利用变化模型，使其能够处理更加复杂的地理数据，目前的模型存在数据太大而崩溃的情况，能够处理大容量、多尺度、高精度的土地利用模型是未来土地利用变化模拟模型的研发方向。

4.3 建立多情景模拟的理论体系

已有研究中情景模拟主要采用SSPs情景、IPCC排放情景及RCPs情景。为了使模拟结果更具可借鉴性，已有研究在土地利用变化模拟中大量运用多情景模拟分析的方法，多情景模拟考虑到了研究区域及研究目的的差异性，这种模拟方法也成为了当前研究的主流方法。但在研究中对于情景参数的设置是基于经验判断以及研究区域的特殊性而设置的，一定程度上对于情景参数的设置存在主观偏好性。多情景模拟分析的发展需要建立系统的理论体系，不同情景的设置要具有可推导性，情景设置参数越客观，模拟结果更具有实用性。多情景模拟设置要在已有的自然发展情景、城镇发展情景、耕地保护情景、生态保护情景等方面有所突破，多情景模拟在未来几年的研究中依然是研究方法采用的重点。

5 结语

土地利用变化一直是学术研究的热点，在信息技术发展的背景下建立的土地利用模型不断深化和走向成熟。土地利用变化模拟预测对土地系统与生态环境保护起着积极的作用，能够很好地协调人与地、人与环境、人与社会的关系，协调人地关系是实现可持续发展的必要条件。已有研究从单一学科转向多学科的综合，不再局限于单一的土地利用格局变化模拟，而是注重水文径流、生态系统服务等生态环境对土地利用变化的响应。同时，土地利用变化模拟预测也活跃在城镇扩张、国土空间开发、地理空间优化等研究中。当前土地利用模型向多模型耦合方向发展，不仅有内部模型的耦合，还有学科与学科之间模型的耦合，使得土地利用变化模拟成果更具全面性和可参考性。驱动因子的选取也随着研究的发展不断得到细化，存在着受主观偏好影响较大的问题，未来的研究要侧重于建立选取驱动因子系统理论体系。多情景模拟分析中情景设置参数也存在同样的问题，客观系统的理论体系亟需建立。另外，还要在研究中不断提高土地利用变化模拟所需数据的时空分辨率，减少数据误差问题的发生，未来土地利用变化模拟研究要利用多元数据、多尺度数据的融合提高模拟精度。科学技术的发展强化了对规划调研、空间分析、公众参与及空间协调规划、空间预测和可视化过程的科学把握，结合大数据在土地利用转型、国土空间开发、土地利用总体规划及城乡规划等研究上的优势，能够使土地利用变化模拟更加科学化。