基于CA-Markov模型的新疆克州土地利用动态模拟研究
基于PLUS和InVEST模型的梅州市土地利用与生境质量时空变化及多情景模拟
基于PLUS和InVEST模型的梅州市土地利用与生境质量时空变化及多情景模拟陈月明;李俊熙;余楷煜【期刊名称】《测绘通报》【年(卷),期】2024()S01【摘要】模拟和分析生境质量的时空变化规律能够给重点生态功能区的生态保护和土地资源可以持续利用提供依据。
基于2000—2020年梅州市土地利用数据,用InVEST模型、Morans’I指数、PLUS模型研究梅州市生境质量时空演变特征,并预测2030年、2040年、2050年自然发展、耕地保护、城镇发展、生态保护情景的生境质量。
结果表明:(1)2000—2020年梅州市林地面积占比第一,建设用地逐年增加,草地面积逐年下降,林地面积先增加后下降。
(2)梅州市生境质量为中等水平且两极分化趋势明显,高和较高生境质量总面积与较低和低总面积占比均约为43%。
(3)2020—2050年,所有4种发展情景中高生境质量面积占比均呈现下降趋势,但在生态保护情景下,其减少幅度最小且生境质量指数得以维持稳定,表明生态保护是梅州市实现可持续发展的最优选。
【总页数】5页(P156-160)【作者】陈月明;李俊熙;余楷煜【作者单位】广东生态工程职业学院【正文语种】中文【中图分类】P237【相关文献】1.基于InVEST模型的北京市土地利用变化对生境质量的影响研究2.基于CA-Markov和InVEST模型的土地利用格局与生境质量时空演变及预测——以江西省南昌市为例3.基于PLUS和InVEST模型的渭河流域土地利用与生境质量时空变化及预测4.基于InVEST模型的岷江流域土地利用变化对生境质量的影响研究5.基于FLUS和InVEST模型的云贵高原土地利用与生态系统服务时空变化多情景模拟研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于CA-Markov模型的港口陆域演化研究
基于CA-Markov模型的港口陆域演化研究宋向群;蒋欣昀;王文渊;张祺【摘要】针对港城用地相互制约引起的港口陆域演化问题,利用 CA-Markov 模型模拟了港口陆域的发展格局.模型中综合考虑了自然、社会、经济和政策等因素对港口建设适宜性的影响,并采用层次分析法确定各因素的权重.在准确模拟大连港2013年实际港口陆域格局的基础上,对2020年大连港的陆域分布情景进行了预测.研究结果表明,CA-Markov模型提供了一种定量分析和预测港口陆域演化的方法,能够为港口的发展规划提供科学参考.%As to port land area evolution caused by mutual restriction of port and city on land utilization, CA-Markov model was applied to simulate the development pattern of port land area, fully analyze the influence of natural environment, society, economy and policies on the suitability of port construction, and the weights of the above factors were determined by using analytic hierarchy process (AHP). The distribution of Dalian port land area in 2020 was predicted by accurately simulating Dalian port land pattern in 2013. The research results showed that CA-Markov model was applicable to quantitative analysis and the simulation of port land area evolution, which would provide a reference for port development planning.【期刊名称】《港工技术》【年(卷),期】2015(052)003【总页数】4页(P5-8)【关键词】港口陆域演化;CA-Markov模型;土地利用;地理信息系统【作者】宋向群;蒋欣昀;王文渊;张祺【作者单位】大连理工大学建设工程学部,辽宁大连 116024;大连理工大学建设工程学部,辽宁大连 116024;大连理工大学建设工程学部,辽宁大连 116024;大连理工大学建设工程学部,辽宁大连 116024【正文语种】中文【中图分类】U651+.5引言进入新世纪以来，全球范围内的城市化进程不断加快，与此同时，船舶大型化、专业化的发展趋势推动着港口的转型升级，港口与城市在空间上的扩张日益表现出矛盾的一面，体现为港口陆域随着港口与城市的发展不断演化的过程。
若尔盖国家级自然保护区湿地变化模拟
若尔盖国家级自然保护区湿地变化模拟贾虎军;杨武年【摘要】以1990年、1994年、2000年和2009年4期遥感影像数据为数据源，基于CA-Markov模型，利用4种不同的时间策略模拟了若尔盖国家级自然保护区和10 km缓冲区范围内湿地变化。
以1994年保护区建立为时间节点，研究了政策干预前后保护区里外湿地类型的变化情况，从而评估若尔盖保护区的建立对湿地保护的意义。
研究结果表明，若尔盖保护区湿地退化严重，湿地保护的效果并不显著。
【期刊名称】《地理空间信息》【年(卷),期】2014(000)001【总页数】4页(P104-107)【关键词】遥感图像;CA-Markov模型;若尔盖湿地;动态变化;国家级自然保护区【作者】贾虎军;杨武年【作者单位】成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所，四川成都610059;成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所，四川成都610059【正文语种】中文【中图分类】P237.9湿地系指天然或人工、长久或暂时性沼泽地、湿原、泥炭地或水域地带，带有静止或流动淡水、半咸水、咸水体者，包括低潮时水深不超过6 m的海域。
因经济发展、人口快速增长，我国40%的湿地资源受到严重的威胁[1]。
研究表明，1990～2000年中国的湿地总面积减少了50 358 km2[2]。
若尔盖高原是中国最大的高原沼泽湿地分布区，也是黄河长江上游最重要的水源涵养地之一[3]。
已有学者对若尔盖地区景观格局变化及驱动力因子、沙漠化和生态安全评价做了研究[3-7]；但对若尔盖湿地保护影响程度的研究文章很少。
本文旨在研究若尔盖保护区及其缓冲区湿地类型变化，从而评估政策干预对湿地保护的影响。
1.1 研究区概况四川若尔盖国家级自然保护区位于四川省阿坝藏族羌族自治州若尔盖县境内，1994年建立若尔盖县自然保护区，1998年晋升为国家级自然保护区，更名为若尔盖湿地国家级自然保护区，并列入国际重要湿地。
基于FLUS_模型的舟曲县土地利用变化模拟研究
地球科学与环境工程河南科技Henan Science and Technology总第816期第22期2023年11月收稿日期：2023-06-06作者简介：郝天乐（2000—），男，硕士生，研究方向：城乡规划设计。
通信作者：王昱之（1975—），男，博士，副教授，研究方向:城乡规划设计。
基于FLUS 模型的舟曲县土地利用变化模拟研究郝天乐王昱之（兰州交通大学，甘肃兰州730070）摘要：【目的】以甘肃省舟曲县为研究区域，对舟曲县2020年的土地状况进行模拟，并以此为基础预测其2035年土地变化趋势。
【方法】运用GeoSOS-FLUS 模型结合土地利用转移矩阵方法，实际测试结果与模拟结果相吻合。
【结果】草地及建设用地大幅减少，林地、耕地和未利用地增加趋势显著。
其中，未利用地增长最快，动态度为1.83%，主要从草地、建设用地转入。
预计至2035年，舟曲县建设用地和水域增长微弱，林地、草地将会大幅增加，耕地及未利用地将成为减少最快的用地。
【结论】通过综合分析舟曲县土地利用变化趋势，揭示了该地区在过去20年及未来15年的土地利用演变情况，同时反映出FLUS 模型在实际模拟过程中的科学性和可靠性，可为舟曲县及其他地区的可持续发展提供参考。
关键词：舟曲县；GeoSOS-FLUS 模型；土地利用转移矩阵；城乡规划中图分类号：F301.2文献标志码：A文章编号：1003-5168（2023）22-0100-05DOI ：10.19968/ki.hnkj.1003-5168.2023.22.019Simulation Study on Land Use Change in Zhouqu County Based onFLUS ModelHAO Tianle WANG Yuzhi(Lanzhou Jiaotong University,Lanzhou 730070,China)Abstract:[Purposes ]Taking Zhouqu County of Gansu Province as the study area,the land status ofZhouqu County in 2020was simulated ,and its land change trend in 2035was forecasted.[Methods ]Us⁃ing the GeoSOS-FLUS model and the method of land use transfer matrix,the actual test results are con⁃sistent with the simulation results.[Findings ]The grassland and construction land decreased signifi⁃cantly;the increase trend of forest land,cultivated land and unused land was significant.Among them,unused land will grow fastest with a dynamic attitude of 1.83%,mainly from grassland and construction land;It is expected that by 2035,construction land and water areas will grow slightly in Zhouqu County;forest land and grassland will increase significantly;arable land and unused land will become the land with the fastest decrease.[Conclusions ]By analyzing the land use change trend of Zhouqu County,the paper reveals the land use evolution in the past 20years and the future 15years,and reflects the scienti⁃ficity and reliability of the FLUS model in the actual simulation process,which will provide effective ref⁃erence for the sustainable development of Zhouqu County and other areas.Keywords:Zhouqu County;GeoSOS-FLUS model;land use transfer matrix;urban and rural planning0引言随着城乡建设的步伐加快，城市和乡村的用地结构也随之改变。
基于InVEST_和PLUS_模型的江西省土地利用碳储量时空变化与预测
doi:10.3969/j.issn.2095-1329.2024.01.015基于InVEST和PLUS模型的江西省土地利用碳储量时空变化与预测刘翰芳，刘 牧（江西农业大学园林与艺术学院，江西·南昌 330045）摘 要：土地利用变化是驱动碳储量变化的主要因素，评估土地利用变化对碳储量的影响对于碳平衡具有重要意义。
以江西省为例，基于InVEST-PLUS模型，探究1990—2020年江西省土地利用变化和碳储量时空演变，测算2030年多情景碳储量。
（1）江西省1990年、2000年、2010年和2020年的碳储量分别为12.7594、12.7600、12.6912、12.5800亿吨，总体呈现减少态势。
林地的减少是造成碳储量损失的主要因素。
地上生物量碳库和土壤碳库碳储量最多，占总碳储量的88.82%。
（2）至2030年，较2020年，在自然发展与城镇发展情景下，碳储量分别减少380、1330万吨，在生态保护情景下则增加125万吨，表明采取生态保护措施，优化土地利用结构，能有效控制碳储量的减少。
（3）碳储量明显较高的地区位于生态用地连片的赣南山区，而碳储量明显较低的地区位于碳密度值较低以及建设用地呈斑块状分布的赣北区域。
研究结果将为江西省生态文明建设作出合理生态决策、实现高质量发展提供科学依据。
关键词：土地利用；碳储量； InVEST模型；PLUS模型；变化分析中图分类号：F301.24 文献标志码：A 文章编号：2095-1329(2024)01-0086-07陆域生态系统的碳储存与全球气候变化关系密切，评估土地利用变化对碳储存的影响对减少全球碳排放具有指导意义[1]。
土地利用变化是影响陆地生态系统碳循环最直接的因子[2]，监测碳储量变化，对保护区域生态系统和制定生态与经济平衡发展的政策至关重要[3]。
近年来，随着3S 技术的广泛运用和相关模型层出不穷，在测算区域碳储量方面展开了更深层次的探究。
基于PLUS模型的多情景土地利用格局演变模拟研究
基于PLUS模型的多情景土地利用格局演变模拟研究吴觉妹;王莉雯【期刊名称】《河北省科学院学报》【年(卷),期】2022(39)6【摘要】对未来土地利用空间格局模拟研究,能够为城市土地资源的合理开发和建设生态文明城市提供一定的科学参考依据。
本研究以太原市为研究区域,基于2000年、2010年、2020年3个不同时期的土地利用数据,采用标准差椭圆方法对城市土地利用的空间分布以及方向变化趋势进行系统性分析,并通过PLUS(Patch-generating Landuse Simulation)模型在自然发展情景、生态保护情景、经济建设情景3种不同情景下模拟未来太原市2030年土地利用变化情况。
研究结果表明:(1)2000—2020年太原市土地利用类型主要以耕地、林地、草地为主,建设用地趋于分散分布,由东南向西北方向扩张。
(2)Kappa系数为0.94,模拟精度较高,具有较好的实用性,能够准确地反映太原市未来不同情景约束下的土地利用空间演变情况。
(3)模拟预测太原市2030年土地利用变化,在三种不同情景下建设用地处于增长状态,自然发展情景中建设用地增长面积最大为128.16 km2,其次是经济建设情景,面积增长86.03 km2。
研究结果可为城市未来可持续发展提供借鉴。
【总页数】8页(P71-78)【作者】吴觉妹;王莉雯【作者单位】辽宁师范大学地理科学学院【正文语种】中文【中图分类】F301.2【相关文献】1.基于CLUE-S模型的土地利用空间格局情景模拟——以忻州市忻府区为例2.基于蚁群模型的吉林西部土地利用安全格局情景模拟研究3.基于蚁群模型的吉林西部土地利用安全格局情景模拟研究4.海洋经济驱动下的海岸带土地利用景观格局演变研究--基于CA-Markov模型的模拟预测5.基于MOP-PLUS模型的新疆阿克苏地区土地利用景观格局优化及多情景模拟因版权原因，仅展示原文概要，查看原文内容请购买。
基于GeoSOS-FLUS_模型的河北省土地利用景观格局模拟
江苏农业学报(ＪｉａｎｇｓｕＪ.ｏｆＡｇｒ.Ｓｃｉ.)ꎬ２０２１ꎬ３７(３):６６７￣６７５ｈｔｔｐ://ｊｓｎｙｘｂ.ｊａａｓ.ａｃ.ｃｎ王雪然ꎬ潘佩佩ꎬ王晓旭ꎬ等.基于ＧｅｏＳＯＳ￣ＦＬＵＳ模型的河北省土地利用景观格局模拟[Ｊ].江苏农业学报ꎬ２０２１ꎬ３７(３):６６７￣６７５.ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１０００￣４４４０.２０２１.０３.０１５基于ＧｅｏＳＯＳ￣ＦＬＵＳ模型的河北省土地利用景观格局模拟王雪然１ꎬ２ꎬ３ꎬ㊀潘佩佩１ꎬ２ꎬ３ꎬ㊀王晓旭４ꎬ㊀王晓萌１ꎬ２ꎬ３(１.河北师范大学资源与环境科学学院ꎬ河北石家庄０５００２４ꎻ２.河北省环境变化遥感识别技术创新中心ꎬ河北石家庄０５００２４ꎻ３.河北省环境演变与生态建设实验室ꎬ河北石家庄０５００２４ꎻ４.河北雄安新区管理委员会规划建设局ꎬ河北雄安０７１７９９)收稿日期:２０２０￣１１￣０１基金项目:河北省自然科学基金项目(Ｄ２０２０２０５００９)ꎻ河北师范大学基金项目(Ｌ２０１９Ｚ０９㊁Ｌ２０２１Ｂ２２)ꎻ国家自然科学基金项目(４１４０１６４６)ꎻ河北师范大学在读研究生创新能力培养资助项目(ＣＸＺＺＳＳ２０２００６６)作者简介:王雪然(１９９４－)ꎬ女ꎬ河北邯郸人ꎬ硕士研究生ꎬ主要从事土地利用变化研究ꎮ(Ｅ￣ｍａｉｌ)ａｕｇｘｕｅｒａｎ＠１６３.ｃｏｍ通讯作者:潘佩佩ꎬ(Ｅ￣ｍａｉｌ)ｐａｎｐｅｉｐｅｉ６２６＠１６３.ｃｏｍ㊀㊀摘要:㊀揭示土地利用景观格局演变特征ꎬ不仅有助于明确其与自然㊁人类活动影响因素的关系ꎬ还可为当前国土空间规划及生态文明建设提供依据ꎮ本研究以面临新发展机遇的河北省为研究区ꎬ利用ＧｅｏＳＯＳ￣ＦＬＵＳ模型模拟２０３０年土地利用情况ꎬ基于景观生态学软件Ｆｒａｇｓｔａｔｓ探讨区域景观格局演变态势ꎮ结果表明:(１)在模拟结果层面ꎬ河北省未来建设用地占比增至１１ ９４％ꎬ林地㊁草地面积略有增加ꎬ耕地㊁水域和未利用地占比降至４６ ３５％㊁２ ６２％㊁０ ７１％ꎬＫａｐｐａ系数和ＦｏＭ系数的计算结果均说明ＧｅｏＳＯＳ￣ＦＬＵＳ模型的模拟结果具有较高可信度ꎮ(２)在景观格局层面ꎬ耕地平均斑块面积下降明显ꎬ林地㊁建设用地优势度提升ꎬ草地㊁水域被不断分割ꎻ区域整体蔓延度指数降低ꎬ分裂指数由１９９０年的９ ３７增至２０２０年的１２ ７１ꎬ景观格局变化具有空间异质性ꎮ在现行土地政策机制下ꎬ２０３０年景观格局虽向良性态势发展ꎬ但依然面临建设用地无序扩张ꎬ耕地破碎化严重等问题ꎮ本研究结果对于合理规划㊁高效利用土地资源ꎬ平衡经济发展和土地利用具有重要的现实意义ꎮ关键词:㊀ＧｅｏＳＯＳ￣ＦＬＵＳ模型ꎻ模拟预测ꎻ景观格局ꎻ河北省中图分类号:㊀Ｋ９０３㊀㊀㊀文献标识码:㊀Ａ㊀㊀㊀文章编号:㊀１０００￣４４４０(２０２１)０３￣０６６７￣０９ＳｉｍｕｌａｔｉｏｎｏｆｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｆｏｒｌａｎｄｕｓｅｉｎＨｅｂｅｉｐｒｏｖｉｎｃｅｂａｓｅｄｏｎＧｅｏＳＯＳ￣ＦＬＵＳｍｏｄｅｌＷＡＮＧＸｕｅ￣ｒａｎ１ꎬ２ꎬ３ꎬ㊀ＰＡＮＰｅｉ￣ｐｅｉ１ꎬ２ꎬ３ꎬ㊀ＷＡＮＧＸｉａｏ￣ｘｕ４ꎬ㊀ＷＡＮＧＸｉａｏ￣ｍｅｎｇ１ꎬ２ꎬ３(１.ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬＨｅｂｅｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙꎬＳｈｉｊｉａｚｈｕａｎｇ０５００２４ꎬＣｈｉｎａꎻ２.ＨｅｂｅｉＴｅｃｈｎｏｌｏｇｙＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＲｅ￣ｍｏｔｅＳｅｎｓｉｎｇＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＣｈａｎｇｅꎬＳｈｉｊｉａｚｈｕａｎｇ０５００２４ꎬＣｈｉｎａꎻ３.ＨｅｂｅｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＣｈａｎｇｅａｎｄＥｃｏｌｏｇｉｃａｌＣｏｎ￣ｓｔｒｕｃｔｉｏｎꎬＳｈｉｊｉａｚｈｕａｎｇ０５００２４ꎬＣｈｉｎａꎻ４.ＰｌａｎｎｉｎｇａｎｄＣｏｎｓｔｒｕｃｔｉｏｎＢｕｒｅａｕｏｆＨｅｂｅｉＸｉｏｎｇ ａｎＮｅｗＡｒｅａＭａｎａｇｅｍｅｎｔＣｏｍｍｉｔｔｅｅꎬＸｉｏｎｇ ａｎ０７１７９９ꎬＣｈｉｎａ)㊀㊀Ａｂｓｔｒａｃｔ:㊀Ｒｅｖｅａｌｉｎｇｔｈｅｅｖｏｌｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｆｏｒｌａｎｄｕｓｅｃａｎｎｏｔｏｎｌｙｈｅｌｐｔｏｃｌａｒｉｆｙｉｔｓｒｅｌａ￣ｔｉｏｎｓｈｉｐｗｉｔｈｔｈｅｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆｎａｔｕｒｅａｎｄｈｕｍａｎａｃｔｉｖｉｔｉｅｓꎬｂｕｔｃａｎａｌｓｏｐｒｏｖｉｄｅｂａｓｉｓｆｏｒｃｕｒｒｅｎｔｔｅｒｒｉｔｏｒｉａｌｓｐａｃｅｐｌａｎｎｉｎｇａｎｄｅｃｏｌｏｇｉｃａｌｃｉｖｉｌｉｚａｔｉｏｎｃｏｎｓｔｒｕｃｔｉｏｎ.ＴｈｉｓｓｔｕｄｙｔｏｏｋＨｅｂｅｉｐｒｏｖｉｎｃｅꎬｗｈｉｃｈｗａｓｆａｃｉｎｇｎｅｗｄｅｖｅｌｏｐｍｅｎｔｏｐｐｏｒｔｕ￣ｎｉｔｉｅｓꎬａｓｔｈｅｒｅｓｅａｒｃｈａｒｅａꎬａｎｄｕｓｅｄＧｅｏＳＯＳ￣ＦＬＵＳｍｏｄｅｌｔｏｓｉｍｕｌａｔｅｉｔｓｌａｎｄｕｓｅｓｉｔｕａｔｉｏｎｉｎ２０３０.ＴｈｅｒｅｓｅａｒｃｈｗａｓｂａｓｅｄｏｎｔｈｅｌａｎｄｓｃａｐｅｅｃｏｌｏｇｙｓｏｆｔｗａｒｅＦｒａｇｓｔａｔｓｔｏｄｉｓｃｕｓｓｔｈｅｅｖｏｌｕｔｉｏｎｏｆｒｅｇｉｏｎａｌｌａｎｄｓｃａｐｅｐａｔｔｅｒｎ.ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｆｕｔｕｒｅｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄｉｎＨｅｂｅｉｐｒｏｖｉｎｃｅｉｎｃｒｅａｓｅｄｔｏ１１ ９４％ꎬｔｈｅａｒｅａｏｆｗｏｏｄｌａｎｄａｎｄｇｒａｓｓｌａｎｄｉｎｃｒｅａｓｅｄｓｌｉｇｈｔｌｙꎬａｎｄｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｃｕｌ￣ｔｉｖａｔｅｄｌａｎｄꎬｗａｔｅｒａｒｅａａｎｄｕｎｕｓｅｄｌａｎｄｄｅｃｒｅａｓｅｄｔｏ７６６４６ ３５％ꎬ２ ６２％ꎬ０ ７１％ꎬｒｅｓｐｅｃｔｉｖｅｌｙ.ＢｏｔｈＫａｐｐａｃｏｅｆｆｉｃｉｅｎｔａｎｄＦｏＭｃｏｅｆｆｉｃｉｅｎｔｓｈｏｗｅｄｔｈａｔｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆＧｅｏＳＯＳ￣ＦＬＵＳｍｏｄｅｌｓｉｍｕｌａｔｅｄｒｅｓｕｌｔｓｗａｓｈｉｇｈ.Ｆｒｏｍｌａｎｄｓｃａｐｅｐａｔｔｅｒｎａｓｐｅｃｔꎬｔｈｅａｖｅｒａｇｅｐａｔｃｈａｒｅａｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄｈａｄｄｒｏｐｐｅｄｓｉｇｎｉｆｉｃａｎｔｌｙꎬａｄｖａｎｔａｇｅｓｏｆｆｏｒｅｓｔｌａｎｄａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄｗｅｒｅｉｍｐｒｏｖｅｄꎬｇｒａｓｓｌａｎｄａｎｄｗａｔｅｒｓｗｅｒｅｃｏｎｔｉｎｕｏｕｓｌｙｄｉｖｉｄｅｄ.Ｔｈｅｏｖｅｒａｌｌｒｅｇｉｏｎａｌｓｐｒｅａｄｉｎｇｉｎｄｅｘｄｅｃｒｅａｓｅｄꎬａｎｄｔｈｅｓｐｌｉｔｉｎｄｅｘｉｎｃｒｅａｓｅｄｆｒｏｍ９ ３７ｉｎ１９９０ｔｏ１２ ７１ｉｎ２０２０.Ｔｈｅｓｐａｃｅｄｉｆｆｅｒｅｎｃｅｏｆｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｃｈａｎｇｅｓｗａｓｓｉｇｎｉｆｉｃａｎｔ.Ｕｎｄｅｒｔｈｅｃｕｒｒｅｎｔｌａｎｄｐｏｌｉｃｙｍｅｃｈａｎｉｓｍꎬａｌｔｈｏｕｇｈｔｈｅｌａｎｄｓｃａｐｅｐａｔ￣ｔｅｒｎｆｏｒ２０３０ｄｅｖｅｌｏｐｅｄｉｎａｐｏｓｉｔｉｖｅｔｒｅｎｄꎬｉｔｓｔｉｌｌｆａｃｅｄｐｒｏｂｌｅｍｓｓｕｃｈａｓｄｉｓｏｒｄｅｒｌｙｅｘｐａｎｓｉｏｎｏｆｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄａｎｄｓｅｒｉ￣ｏｕｓｆｒａｇｍｅｎｔａｔｉｏｎｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄ.Ｔｈｅｓｅｒｅｓｕｌｔｓｈａｖｅｐｒａｃｔｉｃａｌｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｒａｔｉｏｎａｌｐｌａｎｎｉｎｇａｎｄｅｆｆｉｃｉｅｎｔｕｓｅｏｆｌａｎｄｒｅ￣ｓｏｕｒｃｅｓａｓｗｅｌｌａｓｂａｌａｎｃｉｎｇｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔａｎｄｌａｎｄｕｓｅ.Ｋｅｙｗｏｒｄｓ:㊀ＧｅｏＳＯＳ￣ＦＬＵＳｍｏｄｅｌꎻｓｉｍｕｌａｔｅｄｐｒｅｄｉｃｔｉｏｎꎻｌａｎｄｓｃａｐｅｐａｔｔｅｒｎꎻＨｅｂｅｉｐｒｏｖｉｎｃｅ㊀㊀随着社会经济的快速发展ꎬ土地利用矛盾日益突出[１]ꎬ关于土地利用变化的研究成为国际热点课题之一[２]ꎮ景观格局是景观形成因素和景观生态过程共同作用的结果[３]ꎬ其演化过程和生态特征的分析结果可应用于国土空间规划与治理[４]ꎮ未来土地利用模拟预测可增强景观生态以及国土空间规划的前瞻性[５]ꎬ土地利用变化模型则为模拟预测提供了技术支持ꎮ以往国内外针对土地利用景观格局的研究ꎬ多集中在景观格局演变的现状及驱动力分析[６￣９]ꎮ从研究方法看ꎬ多将ＧＩＳ空间分析与景观指数相结合ꎬ如何华春等[７]借助ＧＩＳ技术ꎬ定量分析了盐城海岸带的景观格局特征ꎬ从研究视角看ꎬ土地利用景观时空演变[８]㊁驱动机制[９]等都有涉及ꎮ有学者分析单个地类景观格局的演变过程ꎬ车通等[１０]深入剖析扬州市在城市扩张中建设用地景观格局的演变及驱动机制ꎬ以期为建设用地结构优化提供科学依据ꎮ有学者指出ꎬ明确当前景观格局演变的过程和机制固然重要ꎬ但预测未来土地利用景观格局的情形具有更重要的科学价值和实践意义[１１]ꎮ王明常等[１２]以长白山为研究区ꎬ基于Ｍａｔｌａｂ平台ꎬ结合地理元胞自动机模型(ＣＡ)ꎬ建立了景观格局信息模拟与预测模型ꎮ张剑等[１１]以山东半岛海洋经济带核心区为研究区域ꎬ基于转移矩阵和ＣＡ￣Ｍａｒｋｏｖ模型构建并模拟了该区土地利用的时空动态演变过程ꎮ然而ꎬ广泛应用的元胞自动机模型只能模拟单类用地的演变ꎬ而耦合ＣＡ￣Ｍａｒｋｏｖ模型未能充分考虑土地利用的多因素驱动影响ꎮ土地利用模拟领域应用较多的ＣＬＵＥ￣Ｓ模型对土地类型之间微小转化的概率考虑不足[１３]ꎬ增加了模拟的不确定性ꎮＬｉｕ等[１４]研究出的ＦＬＵＳ模型(Ｆｕｔｕｒｅｌａｎｄｕｓｅｓｉｍｕｌａｔｉｏｎｍｏｄｅｌ)ꎬ成功耦合了系统动力学(ＳＤ)与神经网络ＣＡꎬ能有效处理在自然㊁人类活动共同作用下的土地转化概率问题ꎬ为深入剖析景观格局演变提供了有力工具ꎬ该模型也已成功应用于多项研究[１５￣１７]ꎮ综上所述ꎬ当前研究多突出土地利用模拟和景观格局演变的单点研究ꎬ结合土地利用模拟结果ꎬ预测未来发展下景观格局变化态势的研究较少ꎬ将景观格局演变和未来土地利用结构相结合的研究还不够深入ꎮ在京津冀一体化国家重大发展战略及雄安新区建设不断推进的背景下ꎬ河北省也迎来经济发展的重要契机ꎬ景观格局变化日益剧烈ꎬ如何协调景观生态保护与经济发展的关系是当前面临的重要课题ꎮ因而ꎬ本研究拟以河北省为研究区ꎬ预测未来土地利用景观格局发展态势并分析其演变过程ꎬ针对研究结果提出土地资源合理利用及景观格局优化的相关建议ꎬ以期为决策者实施国土空间规划ꎬ优化土地利用结构ꎬ促进生态环境的可持续发展提供理论基础和实际参考ꎮ１㊀材料与方法１.１㊀研究区概况河北省地处中纬度沿海与内陆交接地带ꎬ环抱京津ꎬ共辖１１个地市(图１)ꎬ总面积１.８８８ˑ１０５ｋｍ２ꎮ地势自西北向东南呈递减趋势ꎬ是全国地形地貌最为齐全的省份之一ꎮ区域内自然地理要素差异大ꎬ西北部山地面积约占全省面积的３５ ０％ꎬ生态环境脆弱ꎻ东南部平原连片分布ꎬ约占全省面积的４３ ４％ꎬ是全国重要的粮食产地ꎮ受自然条件及经济发展水平影响ꎬ土地景观格局演变空间异质性显著ꎮ１.２㊀数据来源地面高程数据来自地理空间数据云(ｈｔｔｐ://ｗｗｗ.ｇｓｃｌｏｕｄ.ｃｎ/)ꎬ土地利用数据(１９９０年㊁２０００年㊁２０１０年)及铁路㊁公路㊁行政区划等矢量数据来自中国科学院资源与环境数据中心(ｈｔｔｐ://ｗｗｗ.ｒｅｓｄｃ.８６６江苏农业学报㊀２０２１年第３７卷第３期图１㊀河北省区位和高程Ｆｉｇ.１㊀Ｌｏｃａｔｉｏｎａｎｄｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ(ＤＥＭ)ｏｆＨｅｂｅｉｐｒｏｖｉｎｃｅｃｎ/)ꎬ以ＬａｎｄｓａｔＴＭ/ＥＴＭ遥感影像为主要数据源ꎬ分辨率为３０ｍꎮ２０２０年土地利用数据来自ＧｌｏｂｅＬａｎｄ３０(ｈｔｔｐ://ｗｗｗ.ｇｌｏｂｅｌａｎｄ３０.ｃｏｍ/ＧＬＣ３０Ｄｏｗｎｌｏａｄ/ｉｎｄｅｘ.ａｓｐｘ)ꎮ根据本研究需要ꎬ将研究区土地分为耕地㊁建设用地㊁林地㊁水域㊁草地和未利用地６种类型ꎮ１.３㊀研究方法１.３.１㊀ＧｅｏＳＯＳ￣ＦＬＵＳ模型１.３.１.１㊀基于人工神经网络(ＡＮＮ)的驱动概率㊀人工神经网络是一种为模仿生物大脑神经元结构而设计的智能算法ꎬ多用于有多种输入非线性函数的估计[１４]ꎮ输入的驱动因素越多ꎬ获得的结果越准确ꎬ也能更好地体现土地类型间的相互作用和竞争关系ꎮ土地景观格局演变受自然因素㊁社会因素和经济因素的综合驱动影响ꎬ地形从本质上决定了土地利用类型ꎬ交通和社会经济因子对其有重要影响ꎬ因此本研究选取数字高程模型(ＤＥＭ)㊁坡向㊁坡度㊁人口㊁ＧＤＰ㊁距铁路距离㊁距公路距离㊁距城市中心距离作为演变驱动力因素ꎮ结合本研究所需要的数据及模拟的可行性ꎬ将分辨率统一为１００ｍꎮ１.３.１.２㊀基于自适应惯性机制的ＣＡ模拟㊀在ＧｅｏＳＯＳ￣ＦＬＵＳ模型中ꎬ用地转化概率既取决于神经网络输出的驱动因素概率ꎬ还受到表示扩张能力强弱的邻域密度(公式１)㊁惯性系数(公式２)㊁转换成本以及土地之间竞争的影响ꎬ最终确定土地类型转换的总概率(公式３)ꎮΩｔｐꎬｋ＝ðＮˑＮｃｏｎ(ｃｔ－１ｐ＝ｋ)ＮˑＮ－１ˑｗｋ(１)式中:Ωｔｐꎬｋ表示领域密度ꎻðＮˑＮｃｏｎ(ｃｔ－１ｐ＝ｋ)表示在ＮˑＮ的窗口上ꎬ上一次迭代(ｔ－１)结束后第ｋ种用地类型的像元总个数ꎻｗｋ表示各类用地邻域作用的权重ꎮＩｎｅｒｔｉａｔｋ＝Ｉｎｅｒｔｉａｔ－１ｋ㊀㊀㊀ｉｆ｜Ｄｔ－２ｋ｜ɤ｜Ｄｔ－１ｋ｜Ｉｎｅｒｔｉａｔ－１ｋˑＤｔ－２ｋＤｔ－１ｋ㊀ｉｆ０>Ｄｔ－２ｋ>Ｄｔ－１ｋＩｎｅｒｔｉａｔ－１ｋˑＤｔ－１ｋＤｔ－２ｋ㊀ｉｆＤｔ－１ｋ>Ｄｔ－２ｋ>０ìîíïïïïïïïï(２)式中:Ｉｎｅｒｔｉａｔｋ表示第ｋ种用地在迭代时间ｔ上的惯性系数ꎻＤｔ－１ｋ㊁Ｄｔ－２ｋ分别表示上一次㊁上两次迭代时ꎬ第ｋ种用地类型像元数与需求数目的差ꎮＴＰｒｏｂｔｐꎬｋ＝ｓｐｐꎬｋˑΩｔｐꎬｋˑｉｎｅｒｔｉａｔｋˑ(１－ｓｃｃңｋ)(３)式中:ＴＰｒｏｂｔｐꎬｋ为像元ｐ在迭代次数ｔ时转化成用地类型ｋ的总概率ꎻｓｐｐꎬｋ为神经网络输出的适宜性概率ꎻΩｔｐꎬｋ为邻域作用ꎻｉｎｅｒｔｉａｔｋ为第ｋ种用地在迭代时间ｔ上的惯性系数ꎻｓｃｃңｋ为土地利用类型ｃ转为类型ｋ的成本ꎬ１－ｓｃｃңｋ表示发生转化的难易程度ꎮ１.３.１.３㊀模型精度检验㊀许文宁等[１８]认为Ｋａｐｐａ系数(公式４)能有效验证预测模型精度ꎻＰｏｎｔｉｕｓ等[１９]认为品质因数ＦｏＭ(公式５)常用于模型准确性验证ꎮＧｅｏＳＯＳ￣ＦＬＵＳ模型将两者结合ꎬ以增强模拟准确性的科学依据ꎮＫａｐｐａ＝(ｐ－ｐｅ)/(１－ｐｅ)(４)式中:Ｋａｐｐａ为Ｋａｐｐａ系数ꎻｐ为总精度ꎻｐｅ＝(ａ１ˑｂ１＋ａ２ˑｂ２＋ ＋ａｎˑｂｎ)/(ＳˑＳ)ꎬ其中ｎ为类别数ꎬａ１ꎬａ２ꎬ ꎬａｎ为真实结果中每一类土地的面积ꎬｂ１ꎬｂ２ꎬ ꎬｂｎ为模拟结果中每一类土地的面积ꎬＳ表示样本数量ꎮＦｏＭ＝Ｂ/(Ａ＋Ｂ＋Ｃ＋Ｄ)(５)式中:ＦｏＭ表示品质因数ꎻＡ表示实际发生转化而模拟未发生转化的面积ꎻＢ表示实际和模拟均发生转化的面积ꎻＣ表示实际发生转化ꎬ但模拟转化结果与实际不同的面积ꎻＤ表示实际无变化ꎬ但模拟发９６６王雪然等:基于ＧｅｏＳＯＳ￣ＦＬＵＳ模型的河北省土地利用景观格局模拟生转化的面积ꎮ综上ꎬ河北省土地景观格局模拟框架示意图见图２ꎮ图２㊀河北省土地利用预测框架示意图Ｆｉｇ.２㊀ＳｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｌａｎｄｕｓｅｐｒｅｄｉｃｔｉｖｅｆｒａｍｅｗｏｒｋｉｎＨｅｂｅｉｐｒｏｖｉｎｃｅ１.３.２㊀景观格局演变研究㊀景观指数是景观格局信息的高度浓缩[２０]ꎮ由于景观指数有较多类别且相似度较高ꎬ本研究结合前人研究成果及自身研究需要ꎬ从类别水平以及景观水平出发ꎬ选取适宜指标(表１)ꎬ通过软件Ｆｒａｇｓｔａｔｓ揭示景观类型面积比例㊁区位优势形态㊁空间布局和集聚程度[２１]ꎮ表１㊀景观格局指数及含义Ｔａｂｌｅ１㊀Ｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｉｎｄｉｃｅｓａｎｄｔｈｅｉｒｍｅａｎｉｎｇｓ项目指标名称㊀㊀㊀㊀㊀㊀㊀㊀取值范围景观意义㊀㊀㊀㊀㊀㊀㊀㊀㊀类别水平景观面积比例(ＰＬＡＮＤ)０<ＰＬＡＮＤɤ１００值越大ꎬ景观中此类斑块面积越大平均斑块面积(ＡＲＥＡ＿ＭＮ)ＡＲＥＡ＿ＭＮ>０值越大ꎬ单个斑块面积越大最大斑块指数(ＬＰＩ)０<ＬＰＩɤ１００值越大ꎬ斑块优势越明显景观形状指数(ＬＳＩ)ＬＳＩȡ１值越大ꎬ斑块越分离斑块密度(ＰＤ)ＰＤ>０值越大ꎬ斑块分割越细景观水平香农多样性指数(ＳＨＤＩ)ＳＨＤＩȡ０值越大ꎬ多样性越丰富香农均匀度指数(ＳＨＥＩ)０ɤＳＨＥＩɤ１值越大ꎬ各斑块类型在景观中呈均衡化趋势分布分裂指数(ＳＰＬＩＴ)ＳＰＬＩＴȡ１值越大ꎬ主导斑块分裂程度越高蔓延度指数(ＣＯＮＴＡＧ)０<ＣＯＮＴＡＧɤ１００值越大ꎬ斑块连接性越好２㊀结果与分析２.１㊀模拟及结果验证以２０１０年实际情况为初始状态ꎬ随机选取１０ ００％的样本点进行训练ꎮ结合河北省近年来出台的关于土地利用政策ꎬ经不断调试ꎬ邻域密度设定为:耕地０ ９㊁建设用地１ ０㊁林地０ ５㊁草地０ ７㊁水域０ １㊁未利用地０ ３ꎻ在限制成本矩阵中禁止水域向建设用地转移ꎻ默认加速因子０ １ꎬ控制转化速率ꎮ利用Ｍａｒｋｏｖ链预测２０２０年各景观类型数量ꎬ将模拟生成的２０２０年结果(图３ｂ)与２０２０年现状比较ꎬＧｅｏＳＯＳ￣ＦＬＵＳ模型计算出的Ｋａｐｐａ系数为９２ １０％ꎬＦｏＭ系数为０ １２８ꎬ表明模型模拟结果与实际情况的一致性较强ꎮ在保持参数不变的情况下ꎬ通过模型计算模拟生成适宜性概率图(图３ａ)以及２０３０年土地利用结果(图３ｃ)ꎮ０７６江苏农业学报㊀２０２１年第３７卷第３期图３㊀景观格局转移概率及模拟结果Ｆｉｇ.３㊀Ｔｒａｎｓｉｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｏｆｌａｎｄｓｃａｐｅｐａｔｔｅｒｎａｎｄｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓ２.２㊀景观类型面积比例变化表２显示ꎬ１９９０－２０２０年ꎬ河北省各类景观相对优势面积比例基本保持不变ꎮ耕地㊁草地和未利用地占比由５２ ８０％㊁１８ １３％㊁１ １３％降至４７ ５９％㊁１７ ３５％㊁０ ７３％ꎻ林地㊁建设用地及水域占比由１９ ５９％㊁６ １１％㊁２ ２４％增至２０ ２２％㊁１１ ４８％㊁２ ６３％ꎬ呈现耕地减少和建设用地增加这一现象ꎮ随着城镇化进程的加快ꎬ建设用地在２０００－２０１０年增长最为明显ꎮ在坚持生态优先的原则下ꎬ林地面积总体呈缓慢增长ꎮ１９９０－２０２０年ꎬ未利用地作为河北省的后备储蓄用地ꎬ其经济功能不断被挖掘ꎬ加之缺乏合理有效的管控ꎬ面积减少较多ꎮ模拟结果显示ꎬ与２０２０年相比ꎬ至２０３０年林地㊁建设用地分别增至２０ ４６％㊁１１ ９４％ꎻ耕地㊁草地㊁未利用地减少至４６ ３５％㊁１７ ３６％㊁０ ７１％ꎬ水域面积占比变化不大ꎬ建设用地增加和耕地减少格局并未发生明显改变ꎮ另外ꎬ图３ｃ显示ꎬ城镇周围的建设用地呈向外扩张趋势ꎬ持续侵占周边耕地ꎬ导致耕地面积进一步缩小ꎮ２.３㊀类别水平演变特征对类别水平景观指数进行分析ꎬ有助于明确河北省不同景观类型的格局变化ꎮ表３显示ꎬ１９９０－２０２０年林地斑块密度(ＰＤ)和平均斑块面积(ＡＲＥＡ＿ＭＮ)整体上升ꎬ最大斑块指数(ＬＰＩ)下降ꎬ景观形状指数(ＬＳＩ)无明显变化ꎬ表明林地面积虽有增加ꎬ但斑块优势度降低ꎻ草地除ＡＲＥＡ＿ＭＮ有所上升外ꎬ其他指数均下降ꎬ对景观格局的控制作用减弱ꎮ表４显示ꎬ１９９０－２０２０年耕地ＬＰＩ和ＡＲＥＡ＿ＭＮ下降ꎬＰＤ㊁ＬＳＩ明显增加ꎬ耕地景观面积比例降低ꎬ破碎化严重ꎬ是受人类干扰较大的景观类型ꎻ建设用地ＰＤ㊁ＬＳＩ和ＡＲＥＡ＿ＭＮ整体呈现不同程度的增加ꎬ仅ＬＰＩ下降ꎬ表明建设用地平均斑块面积增加ꎬ向周边扩张现象明显ꎬ斑块密度增加ꎬ在区域内的优势性明显增强ꎮ表５显示ꎬ１９９０－２０２０年水域ＬＳＩ㊁ＬＰＩ整体增加ꎬＰＤ上升明显ꎬＡＲＥＡ＿ＭＮ下降ꎬ呈现分离倾向ꎬ受人为影响干扰较大ꎻ未利用地ＡＲＥＡ＿ＭＮ整体增加ꎬ其余指数下降ꎬ表明未利用地斑块被不断分割㊁蚕食ꎬ优势度降低ꎮ表２㊀各土地类型比例Ｔａｂｌｅ２㊀Ｐｒｏｐｏｒｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔｌａｎｄｔｙｐｅｓ土地景观类型景观面积比例(％)１９９０年２０００年２０１０年２０２０年２０３０年林地１９.５９１９.５８１９.８７２０.２２２０.４６草地１８.１３１７.９７１７.４７１７.３５１７.３６耕地５２.８０５１.８７４９.７２４７.５９４６.３５建设用地６.１１７.３６１０.２２１１.４８１１.９４水域２.２４２.１７２.０４２.６３２.６２未利用地１.１３１.０６０.６８０.７３０.７１１７６王雪然等:基于ＧｅｏＳＯＳ￣ＦＬＵＳ模型的河北省土地利用景观格局模拟㊀㊀对比２０２０年景观格局现状ꎬ２０３０年林地ＬＰＩ增加ꎬ优势度有所显现ꎬ这是持续加强植树造林的结果ꎻ但ＡＲＥＡ＿ＭＮ降低ꎬ平均斑块面积减小ꎬ因此后期应加强对无序破坏植被景观现象的治理ꎻ草地ＰＤ增加ꎬＡＲＥＡ＿ＭＮ下降ꎬ是破碎化较严重的生态用地ꎬ其生态效益势必受到影响ꎬ应重点加以保护ꎻ耕地平均斑块面积减少严重ꎬ斑块数量增加ꎬ应重点保护并进行整治ꎬ避免在经济发展中因耕地面积减少㊁破碎化引起质量下降ꎬ影响到区域粮食安全ꎻ建设用地的景观面积比例增加ꎬ斑块优势度提升明显ꎬ但斑块有所分离ꎬ并未向集聚方向发展ꎬ是城镇化无序扩张的结果ꎬ因此应合理管控建设用地ꎬ使其有序发展ꎻ水域和未利用地的平均斑块面积减小ꎬ斑块分割也越来越细ꎮ综上ꎬ区域类别水平景观格局依然面临较为严峻的态势ꎮ表３㊀林地㊁草地景观类别水平景观指数演变Ｔａｂｌｅ３㊀Ｌａｎｄｓｃａｐｅｉｎｄｅｘｅｖｏｌｕｔｉｏｎｏｆｗｏｏｄｌａｎｄａｎｄｇｒａｓｓｌａｎｄａｔｃａｔｅｇｏｒｙｌｅｖｅｌ年份林地ＰＤＬＰＩＬＳＩＡＲＥＡ＿ＭＮ草地ＰＤＬＰＩＬＳＩＡＲＥＡ＿ＭＮ１９９０年０.０５９８１.９０２１０.１３３２７.３３０.１００６１.４６３２６.５０１８０.２６２０００年０.０５９９１.９０２０９.８０３２６.７８０.１００４１.４６３２５.９０１７８.８５２０１０年０.０６０５１.９０２１１.０３３２８.３８０.０９６５１.３３３１２.４９１８１.０５２０２０年０.０６０４１.４６２１０.２０３３４.７８０.０９２６１.１９３１３.９０１８７.３９２０３０年０.０７０５２.１７１７７.２５２９１.１８０.１２４３１.２２２６７.４０１３９.７２ＰＤ㊁ＬＰＩ㊁ＬＳＩ㊁ＡＲＥＡ＿ＭＮ见表１ꎮ表４㊀耕地㊁建设用地景观类别水平景观指数演变Ｔａｂｌｅ４㊀Ｌａｎｄｓｃａｐｅｉｎｄｅｘｅｖｏｌｕｔｉｏｎｏｆｃｕｌｔｉｖａｔｅｄｌａｎｄａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄａｔｃａｔｅｇｏｒｙｌｅｖｅｌ时间耕地ＰＤＬＰＩＬＳＩＡＲＥＡ＿ＭＮ建设用地ＰＤＬＰＩＬＳＩＡＲＥＡ＿ＭＮ１９９０年０.０６３１３１.６０２３７.９９８３６.５００.１９０７０.２９２１８.８８３２.０３２０００年０.０６３２３０.６４２４４.５７８２０.６００.１８４３０.３１２１３.０４３９.９１２０１０年０.０７０９２８.９３２５８.１４７０１.７９０.２４４９０.２８２６０.３３４１.７２２０２０年０.０８０５２６.９９２７５.２０５９１.２８０.２５２５０.２０２７１.３３４５.４８２０３０年０.１９７８２８.０５２８０.５６２４０.６１０.４２５２０.３３３３４.３８２６.３４ＰＤ㊁ＬＰＩ㊁ＬＳＩ㊁ＡＲＥＡ＿ＭＮ见表１ꎮ表５㊀水域㊁未利用地景观类别水平景观指数演变Ｔａｂｌｅ５㊀Ｌａｎｄｓｃａｐｅｉｎｄｅｘｅｖｏｌｕｔｉｏｎｏｆｗａｔｅｒｓａｎｄｕｎｕｓｅｄｌａｎｄａｔｃａｔｅｇｏｒｙｌｅｖｅｌ时间水域ＰＤＬＰＩＬＳＩＡＲＥＡ＿ＭＮ未利用地ＰＤＬＰＩＬＳＩＡＲＥＡ＿ＭＮ１９９０年０.０２４８０.１７１４２.７９９０.５００.００５６０.０７６５.２９２０１.６７２０００年０.０２５１０.１８１４５.１６８６.５２０.００５６０.０７６７.０５１８９.０７２０１０年０.０２７２０.２９１２８.６２７５.０３０.００２６０.０６４５.１９２６０.６２２０２０年０.０６０６０.４６１５４.５１４３.４６０.００３４０.０６４８.５７２１４.４３２０３０年０.０９９００.４９１４６.７４２６.４４０.００４５０.０７４４.７１１５６.２９ＰＤ㊁ＬＰＩ㊁ＬＳＩ㊁ＡＲＥＡ＿ＭＮ见表１ꎮ２.４㊀景观水平时序演变特征对景观水平指数进行分析ꎬ可以整体把握区域景观格局动态演化ꎮ图４显示ꎬ１９９０－２０２０年ꎬ用以表征斑块连接性的蔓延度指数(ＣＯＮＴＡＧ)由５１ ９７持续下降至４８ ３２ꎬ斑块连接性减弱ꎬ以２０１０－２０２０年最为明显ꎻ表征斑块多样性的香农多样性指数(ＳＨＤＩ)和表征各斑块类型在景观中呈均衡化趋势分布的香农均匀度指数(ＳＨＥＩ)呈同步２７６江苏农业学报㊀２０２１年第３７卷第３期增长ꎻ分裂指数(ＳＰＬＩＴ)加强ꎬ由９ ３７增至１２ ７１ꎮ意味着在人类活动的影响下ꎬ景观破碎化程度升高ꎬ优势度下降ꎬ向均匀状态发展ꎬ景观格局更加分散化ꎮ对经由ＧｅｏＳＯＳ￣ＦＬＵＳ模型模拟的２０３０年土地景观格局进行分析ꎬ与２０２０年相比ꎬＣＯＮＴ￣ＡＧ略有增加ꎬ而ＳＰＬＩＴ㊁ＳＨＤＩ㊁ＳＨＥＩ均呈下降趋势ꎬ其中分裂指数下降明显ꎬ由１２ ７１降至１１ ８３ꎮ表明景观格局斑块优势度上升ꎬ斑块连接性增强ꎬ向良性态势发展ꎬ但区域景观优势度依然不明显ꎬ分离破碎化水平也较高ꎮ图４㊀１９９０－２０３０年河北省景观水平指数变化Ｆｉｇ.４㊀ＩｎｄｅｘｃｈａｎｇｅｓｉｎＨｅｂｅｉｐｒｏｖｉｎｃｅａｔｌａｎｄｓｃａｐｅｌｅｖｅｌｆｒｏｍ１９９０ｔｏ２０３０２.５㊀景观水平空间演变特征河北省自然因素㊁社会经济水平空间异质性显著ꎬ因此将景观水平指数进行空间化表示ꎬ可辨析景观特征空间差异性ꎬ对土地资源的管控也更具针对性ꎮ图５显示ꎬ空间形态上景观格局变化呈现明显差异ꎮ１９９０－２０２０年ＳＰＬＩＴ变化较为明显ꎬ整体呈现增加趋势ꎬ河北省东南部地区尤为明显ꎮ２０２０－２０３０年ＣＯＮＴＡＧ和ＳＰＬＩＴ变化空间差异明显ꎮ从空间形态上看ꎬ河北省西北部地区斑块连接性更好ꎬ优于河北省东南部地区ꎬ随着城镇化的发展ꎬ河北省东南部地区蔓延度不平衡化显现并且未来将延续这一态势ꎮ１９９０－２０３０年ꎬ整体区域的ＳＨＤＩ和ＳＨＥＩ呈增长趋势ꎬ２０３０年与２０２０年相比略有下降ꎬ尤其是燕山山脉及太行山脉地区下降明显ꎬ表明其与平原地区多样性差异减小ꎬ增强了河北省整体景观的均衡化ꎮ１９９０－２０２０年ꎬＳＰＬＩＴ变化明显的区域位于平原地带ꎬ因而平原地区景观的破碎化是河北省景观呈破碎倾向的主要原因ꎬ２０３０年河北省西北部地区ＳＰＬＩＴ有所降低ꎬ而南部平原地区及河北省东北部地区增加ꎬ因此未来河北省应根据景观异质性进行差异化的国土空间优化布局与管理ꎮ３㊀讨论在生态文明建设推进的背景下[２２￣２３]ꎬ建设用地空间扩张受限ꎬ但未来河北省建设用地增加趋势不可避免ꎬ因此提高用地效率是城镇化发展的主要方向ꎮ有学者提出ꎬ高密度发展是解决城市空间诉求增长的重要措施[２４]ꎬ因此建设用地应由扩张型向内涵型转变ꎬ提高建设用地内部的利用效率ꎬ避免无序发展ꎮ河北省作为重要的粮食产区ꎬ耕地面积不断减少并且破碎度增加ꎬ模拟结果也表明耕地分离演化还将持续ꎮ耕地破碎化影响农民规模投入的比较收益ꎬ加剧了农民退出农业生产或改变种植结构的想法ꎬ粮食作物种植面积明显降低[２５]ꎬ影响区域粮食安全ꎬ因而河北省应继续加强对耕地的保护力度ꎮ林地是保持区域景观优势度的重要生态用地ꎬ也是河北省乃至京津冀的重要生态屏障ꎮ自２０１０年以来林地面积缓慢增加ꎬ模拟结果表明这一趋势也将延续ꎬ但未来优势度依然较低ꎬ需继续实施退耕还林ꎬ尤其是河北西北部林地覆盖面积较大的山区ꎬ需要提升其在区域中的优势度ꎮ本研究结果表明草地和水域景观格局破碎是加剧河北省景观破碎的因素ꎮ３７６王雪然等:基于ＧｅｏＳＯＳ￣ＦＬＵＳ模型的河北省土地利用景观格局模拟图５㊀河北省景观水平指数空间分布Ｆｉｇ.５㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｎｄｉｃｅｓａｔｌａｎｄｓｃａｐｅｌｅｖｅｌｉｎＨｅｂｅｉｐｒｏｖｉｎｃｅ草地多分布在西北地区ꎬ由于其是重要的生态用地ꎬ景观破碎度增加使其难以保持原有的生态功能ꎬ从而对区域生态环境造成影响ꎬ因此应针对草地退化严重地区实行退耕还草等措施ꎮ鉴于河北省水资源紧缺ꎬ同时也是地下水漏斗区ꎬ因此应避免在经济发展过程中侵占河㊁湖㊁水库ꎬ降低水域景观格局变化带来的生态风险ꎮ未利用地多分布在张承地区ꎬ模拟结果表明其面积呈下降趋势ꎬ对未利用地不合理的开发利用可能导致不可挽回的生态问题ꎬ如次生盐碱化㊁水土流失等[２６]ꎬ因此应合理评估张承地区４７６江苏农业学报㊀２０２１年第３７卷第３期未利用地开发利用的生态风险ꎬ并根据风险高低开展合适的土地整治修复或开发利用策略ꎮ㊀㊀本研究对河北省土地景观格局及其动态演变进行模拟分析ꎬ发现随着社会经济发展ꎬ区域景观格局变化明显ꎬ因此要警惕经济发展等带来的景观破碎以及对生态环境的长远影响ꎮ随着京津冀协同发展战略以及雄安新区建设的推进ꎬ未来土地景观格局仍将持续变化[２７]ꎬ土地景观格局变化对生态环境影响的研究应继续开展ꎮ同时ꎬ本研究也存在着一定的不足ꎬ模拟过程中未考虑城市发展规划等因素ꎬ可能会影响模拟精度ꎮ根据研究区的特点从不同视角出发探究土地景观格局变化对生态环境的影响ꎬ将是今后重点关注的方向ꎮ参考文献:[１]㊀陈佑启ꎬ杨㊀鹏.国际上土地利用/土地覆盖变化研究的新进展[Ｊ].经济地理ꎬ２００１ꎬ２１(１):９５￣１００.[２]㊀刘纪远ꎬ张增祥ꎬ庄大方ꎬ等.２０世纪９０年代中国土地利用变化时空特征及其成因分析[Ｊ].地理研究ꎬ２００３ꎬ２２(１):１￣１２. [３]㊀邬建国.景观生态学￣格局㊁过程㊁尺度与等级[Ｍ].２版.北京:高等教育出版社ꎬ２００７:１０６￣１２４.[４]㊀吴健生ꎬ王仰麟ꎬ张小飞ꎬ等.景观生态学在国土空间治理中的应用[Ｊ].自然资源学报ꎬ２０２０ꎬ３５(１):１４￣２５.[５]㊀ＨＵＳꎬＣＨＥＮＬＱꎬＬＩＬꎬｅｔａｌ.ＳｉｍｕｌａｔｉｏｎｏｆｌａｎｄｕｓｅｃｈａｎｇｅａｎｄｅｃｏｓｙｓｔｅｍｓｅｒｖｉｃｅｖａｌｕｅｄｙｎａｍｉｃｓｕｎｄｅｒｅｃｏｌｏｇｉｃａｌｃｏｎｓｔｒａｉｎｔｓｉｎＡｎｈｕｉｐｒｏｖｉｎｃｅ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＲｅ￣ｓｅａｒｃｈａｎｄＰｕｂｌｉｃＨｅａｌｔｈꎬ２０２０ꎬ１７(１２):４２２８.[６]㊀ＤＡＤＡＳＨＰＯＯＲＨꎬＡＺＩＺＩＰꎬＭＯＧＨＡＤＡＳＩＭ.Ｌａｎｄｕｓｅｃｈａｎｇｅꎬｕｒｂａｎｉｚａｔｉｏｎꎬａｎｄｃｈａｎｇｅｉｎｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｉｎａｍｅｔｒｏｐｏｌｉｔａｎａｒ￣ｅａ[Ｊ].ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔꎬ２０１９ꎬ６５５:７０７￣７１９. [７]㊀何华春ꎬ周汝佳.基于景观格局的盐城海岸带土地利用时空变化分析[Ｊ].长江流域资源与环境ꎬ２０１６ꎬ２５(８):１１９１￣１１９９. [８]㊀ＳＭＩＲＡＧＬＩＡＤꎬＣＥＣＣＡＲＥＬＬＩＴꎬＢＡＪＯＣＣＯＳꎬｅｔａｌ.Ｕｎｒａｖｅｌｉｎｇｌａｎｄｓｃａｐｅｃｏｍｐｌｅｘｉｔｙ:ｌａｎｄｕｓｅ/ｌａｎｄｃｏｖｅｒｃｈａｎｇｅｓａｎｄｌａｎｄｓｃａｐｅｐａｔｔｅｒｎｄｙｎａｍｉｃｓ(１９５４－２００８)ｉｎｃｏｎｔｒａｓｔｉｎｇｐｅｒｉ￣ｕｒｂａｎａｎｄａｇ￣ｒｏ￣ｆｏｒｅｓｔｒｅｇｉｏｎｓｏｆｎｏｒｔｈｅｒｎＩｔａｌｙ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＭａｎａｇｅｍｅｎｔꎬ２０１５ꎬ５６:９１６￣９３２.[９]㊀吴金华ꎬ房世峰ꎬ刘宝军ꎬ等.乌裕尔河￣双阳河流域湿地景观格局演变及其驱动机制[Ｊ].生态学报ꎬ２０２０ꎬ４０(１３):４２７９￣４２９０.[１０]车㊀通ꎬ李㊀成ꎬ罗云建.城市扩张过程中建设用地景观格局演变特征及其驱动力[Ｊ].生态学报ꎬ２０２０ꎬ４０(１０):３２８３￣３２９４. [１１]张㊀剑ꎬ许㊀鑫ꎬ隋艳晖.海洋经济驱动下的海岸带土地利用景观格局演变研究 基于ＣＡ￣Ｍａｒｋｏｖ模型的模拟预测[Ｊ].经济问题ꎬ２０２０(３):１００￣１０４ꎬ１２９.[１２]王明常ꎬ牛雪峰ꎬ杨毅恒ꎬ等.长白山地区景观格局过程模拟预测研究[Ｊ].吉林大学学报(地球科学版)ꎬ２００９ꎬ３９(５):９４７￣９５２.[１３]ＶＥＲＢＵＲＧＰＨꎬＳＯＥＰＢＯＥＲＷꎬＶＥＬＤＫＡＭＰＡꎬｅｔａｌ.Ｍｏｄｅｌ￣ｉｎｇｔｈｅｓｐａｔｉａｌｄｙｎａｍｉｃｓｏｆｒｅｇｉｏｎａｌｌａｎｄｕｓｅ:ＴｈｅＣＬＵＥ￣Ｓｍｏｄｅｌ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＭａｎａｇｅｍｅｎｔꎬ２００２ꎬ３０(３):３９１￣４０５. [１４]ＬＩＵＸꎬＬＩＡＮＧＸꎬＬＩＸꎬｅｔａｌ.Ａｆｕｔｕｒｅｌａｎｄｕｓｅｓｉｍｕｌａｔｉｏｎｍｏｄｅｌ(ＦＬＵＳ)ｆｏｒｓｉｍｕｌａｔｉｎｇｍｕｌｔｉｐｌｅｌａｎｄｕｓｅｓｃｅｎａｒｉｏｓｂｙｃｏｕｐｌｉｎｇｈｕ￣ｍａｎａｎｄｎａｔｕｒａｌｅｆｆｅｃｔｓ[Ｊ].Ｌａｎｄｓｃａｐｅ＆ＵｒｂａｎＰｌａｎｎｉｎｇꎬ２０１７ꎬ１６８:９４￣１１６.[１５]王㊀旭ꎬ马伯文ꎬ李㊀丹ꎬ等.基于ＦＬＵＳ模型的湖北省生态空间多情景模拟预测[Ｊ].自然资源学报ꎬ２０２０ꎬ３５(１):２３０￣２４２. [１６]赵林峰ꎬ刘小平ꎬ刘鹏华ꎬ等.基于地理分区与ＦＬＵＳ模型的城市扩张模拟与预警[Ｊ].地球信息科学学报ꎬ２０２０ꎬ２２(３):５１７￣５３０.[１７]杨㊀浩ꎬ卢新海.基于 三生空间 演化模拟的村庄类型识别研究 以湖南省常宁市为例[Ｊ].中国土地科学ꎬ２０２０ꎬ３４(６):１８￣２７.[１８]许文宁ꎬ王鹏新ꎬ韩㊀萍ꎬ等.Ｋａｐｐａ系数在干旱预测模型精度评价中的应用 以关中平原的干旱预测为例[Ｊ].自然灾害学报ꎬ２０１１ꎬ２０(６):８１￣８６.[１９]ＰＯＮＴＩＵＳＲＧꎬＢＯＥＲＳＭＡＷꎬＣＡＳＴＥＬＬＡＪＣꎬｅｔａｌ.Ｃｏｍｐａｒｉｎｇｔｈｅｉｎｐｕｔꎬｏｕｔｐｕｔꎬａｎｄｖａｌｉｄａｔｉｏｎｍａｐｓｆｏｒｓｅｖｅｒａｌｍｏｄｅｌｓｏｆｌａｎｄｃｈａｎｇｅ[Ｊ].ＡｎｎａｌｓｏｆＲｅｇｉｏｎａｌＳｃｉｅｎｃｅꎬ２００８ꎬ４２(１):１１￣３７. [２０]ＧＯＮＧＪＺꎬＬＩＵＹＳꎬＸＩＡＢＣ.Ｓｐａｔｉａｌｈｅｔｅｒｏｇｅｎｅｉｔｙｏｆｕｒｂａｎｌａｎｄ￣ｃｏｖｅｒｌａｎｄｓｃａｐｅｉｎＧｕａｎｇｚｈｏｕｆｒｏｍ１９９０ｔｏ２００５[Ｊ].ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅｓꎬ２００９ꎬ１９(２):２１３￣２２４.[２１]ＬＩＹＲꎬＬＩＹꎬＦＡＮＰＣꎬｅｔａｌ.Ｌａｎｄｕｓｅａｎｄｌａｎｄｓｃａｐｅｃｈａｎｇｅｄｒｉｖｅｎｂｙｇｕｌｌｙｌａｎｄｃｏｎｓｏｌｉｄａｔｉｏｎｐｒｏｊｅｃｔ:Ａｃａｓｅｓｔｕｄｙｏｆａｔｙｐｉ￣ｃａｌｗａｔｅｒｓｈｅｄｉｎｔｈｅＬｏｅｓｓＰｌａｔｅａｕ[Ｊ].ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅｓꎬ２０１９ꎬ２９(５):７１９￣７２９.[２２]廖㊀冰ꎬ阮若卉.林业促进抑或制约生态文明建设?[Ｊ].江苏农业科学ꎬ２０１９ꎬ４７(９):３２９￣３３３.[２３]张小有ꎬ王绮雯ꎬ万梦书.生态文明视角信息渠道与规模农户低碳技术应用选择 基于江西的调研数据[Ｊ].江苏农业科学ꎬ２０１９ꎬ４７(６):３１５￣３２０.[２４]李和平ꎬ刘㊀志.中国城市密度时空演变与高密度发展分析 从１９８１年到２０１４年[Ｊ].城市发展研究ꎬ２０１９ꎬ２６(４):４６￣５４.[２５]葛玉娟ꎬ赵宇鸾ꎬ李秀彬.山区耕地细碎化对土地利用集约度影响 以贵州省亚鱼村为例[Ｊ].地理科学进展ꎬ２０２０ꎬ３９(７):１０９５￣１１０５.[２６]闫慧慧ꎬ耿其明ꎬ李㊀航ꎬ等.河北沽源县未利用地宜耕㊁宜建及生态风险综合评价[Ｊ].水土保持研究ꎬ２０１９ꎬ２６(１):３６０￣３６７.[２７]李孝永ꎬ匡文慧.京津冀１９８０－２０１５年城市土地利用变化时空轨迹及未来情景模拟[Ｊ].经济地理ꎬ２０１９ꎬ３９(３):１８７￣１９４ꎬ２００.(责任编辑:王㊀妮)５７６王雪然等:基于ＧｅｏＳＯＳ￣ＦＬＵＳ模型的河北省土地利用景观格局模拟。
灰色-马尔科夫改进的土地利用变化模型研究
灰色－马尔科夫改进的土地利用变化模型研究吕利娜１，王璐瑶１，崔慧珍２，李方舟３，叶欣１∗㊀（１．黑龙江科技大学矿业工程学院，黑龙江哈尔滨１５００２２；２．中国矿业大学（北京）地球科学与测绘工程学院，北京１０００８３；３．自然资源部测绘发展研究中心，北京１０００００）摘要㊀土地利用演变具有复杂性㊁非线性特征，其模拟预测的精度受到空间转换规则及数量预测约束的影响㊂针对经典数量预测马尔科夫模型存在忽视社会发展阶段性速率不同及灰色模型对随机波动性大的数据拟合效果较弱等不足，构建了基于灰色－马尔科夫改进的土地利用变化预测模型，以双鸭山市为案例区进行实例验证，结果显示，考虑社会因素影响的灰色－马尔科夫改进模型，能够反映社会发展等因素对土地变化的综合作用，预测趋势更加符合不同发展阶段用地规律，同时解决了社会经济类指标在土地利用变化模拟中难以空间化表达的问题；改进的灰色－马尔科夫模型能够发挥马尔科夫链处理数据波动的优点，降低传统灰色模型将土地随机变动数据视为干扰数据剔除进而产生的误差，有效提高数量预测模型的精度㊂进一步通过模拟验证表明，相比于传统马尔科夫模型，灰色－马尔科夫改进模型２０２０年模拟结果ＦｏＭ精度提高了２０．０７％，证实通过数量预测方面的改进对于提升模拟精度有较为明显的正向推动㊂关键词㊀灰色预测模型；马尔科夫模型；土地利用变化；模型改进中图分类号㊀Ｐ２０８㊀㊀文献标识码㊀Ａ㊀㊀文章编号㊀０５１７－６６１１（２０２３）１２－０００１－０８ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．０５１７－６６１１．２０２３．１２．００１㊀㊀㊀㊀㊀开放科学（资源服务）标识码（ＯＳＩＤ）：ＳｔｕｄｙｏｆａｎＩｍｐｒｏｖｅｄＬａｎｄＵｓｅＣｈａｎｇｅＭｏｄｅｌＢａｓｅｄｏｎＧｒｅｙ⁃ＭａｒｋｏｖＬÜＬｉ⁃ｎａ１，ＷＡＮＧＬｕ⁃ｙａｏ１，ＣＵＩＨｕｉ⁃ｚｈｅｎ２ｅｔａｌ㊀（１．ＳｃｈｏｏｌｏｆＭｉｎｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ，Ｈｅｉｌｏｎｇｊｉａｎｇ１５００２２；２．ＳｃｈｏｏｌｏｆＧｅｏｓｃｉｅｎｃｅａｎｄＳｕｒｖｅｙｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＭｉｎｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ（Ｂｅｉｊｉｎｇ），Ｂｅｉ⁃ｊｉｎｇ１０００８３）Ａｂｓｔｒａｃｔ㊀Ｔｈｅｅｖｏｌｕｔｉｏｎｏｆｌａｎｄｕｓｅｈａｓｃｏｍｐｌｅｘａｎｄｎｏｎｌｉｎｅａｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ａｎｄｔｈｅａｃｃｕｒａｃｙｏｆｉｔｓｓｉｍｕｌａｔｉｏｎａｎｄｐｒｅｄｉｃｔｉｏｎｉｓｉｎｆｌｕｅｎｃｅｄｂｙｓｐａｔｉａｌｔｒａｎｓｆｏｒｍａｔｉｏｎｒｕｌｅｓａｎｄｑｕａｎｔｉｔａｔｉｖｅｐｒｅｄｉｃｔｉｏｎｃｏｎｓｔｒａｉｎｔｓ．ＩｎｒｅｓｐｏｎｓｅｔｏｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓｏｆｔｈｅｃｌａｓｓｉｃａｌｑｕａｎｔｉｔｙｐｒｅｄｉｃｔｉｏｎＭａｒｋｏｖｍｏｄｅｌ，ｓｕｃｈａｓｎｅｇｌｅｃｔｉｎｇｔｈｅｄｉｆｆｅｒｅｎｔｓｔａｇｅｓｏｆｓｏｃｉａｌｄｅｖｅｌｏｐｍｅｎｔａｎｄｔｈｅｗｅａｋｆｉｔｔｉｎｇｅｆｆｅｃｔｏｆｔｈｅｇｒｅｙｍｏｄｅｌｏｎｄａｔａｗｉｔｈｈｉｇｈｒａｎｄｏｍｖｏｌａ⁃ｔｉｌｉｔｙ，ａｌａｎｄｕｓｅｃｈａｎｇｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｄｇｒｅｙ⁃Ｍａｒｋｏｖｍｏｄｅｌｗａｓｃｏｎｓｔｒｕｃｔｅｄ．ＴａｋｉｎｇＳｈｕａｎｇｙａｓｈａｎＣｉｔｙａｓａｃａｓｅｓｔｕｄｙａｒｅａｆｏｒｅｘａｍｐｌｅｖｅｒｉｆｉｃａｔｉｏｎ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｇｒｅｙ⁃Ｍａｒｋｏｖｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｓｏｃｉａｌｆａｃｔｏｒｓｃｏｕｌｄｒｅｆｌｅｃｔｔｈｅｃｏｍｐｒｅ⁃ｈｅｎｓｉｖｅｅｆｆｅｃｔｏｆｓｏｃｉａｌｄｅｖｅｌｏｐｍｅｎｔａｎｄｏｔｈｅｒｆａｃｔｏｒｓｏｎｌａｎｄｃｈａｎｇｅ，ａｎｄｔｈｅｐｒｅｄｉｃｔｅｄｔｒｅｎｄｗａｓｍｏｒｅｉｎｌｉｎｅｗｉｔｈｔｈｅｌａｎｄｕｓｅｌａｗｓｏｆｄｉｆｆｅｒ⁃ｅｎｔｄｅｖｅｌｏｐｍｅｎｔｓｔａｇｅｓ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｉｔｓｏｌｖｅｄｔｈｅｐｒｏｂｌｅｍｏｆｄｉｆｆｉｃｕｌｔｓｐａｔｉａｌｅｘｐｒｅｓｓｉｏｎｏｆｓｏｃｉａｌａｎｄｅｃｏｎｏｍｉｃｉｎｄｉｃａｔｏｒｓｉｎｌａｎｄｕｓｅｃｈａｎｇｅｓｉｍｕｌａｔｉｏｎ．Ｔｈｅｉｍｐｒｏｖｅｄｇｒｅｙ⁃ＭａｒｋｏｖｍｏｄｅｌｃｏｕｌｄｌｅｖｅｒａｇｅｔｈｅａｄｖａｎｔａｇｅｓｏｆＭａｒｋｏｖｃｈａｉｎｉｎｈａｎｄｌｉｎｇｄａｔａｆｌｕｃｔｕａｔｉｏｎｓ，ｒｅｄｕｃｅｄｔｈｅｅｒｒｏｒｓｃａｕｓｅｄｂｙｔｒａｄｉｔｉｏｎａｌｇｒｅｙｍｏｄｅｌｓｔｒｅａｔｉｎｇｌａｎｄｒａｎｄｏｍｃｈａｎｇｅｄａｔａａｓｉｎｔｅｒｆｅｒｅｎｃｅｄａｔａ，ａｎｄｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｄｔｈｅａｃｃｕｒａｃｙｏｆｑｕａｎｔｉ⁃ｔｙｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓ．ＦｕｒｔｈｅｒｓｉｍｕｌａｔｉｏｎｖｅｒｉｆｉｃａｔｉｏｎｓｈｏｗｅｄｔｈａｔｃｏｍｐａｒｅｄｔｏｔｒａｄｉｔｉｏｎａｌＭａｒｋｏｖｍｏｄｅｌｓ，ｔｈｅｉｍｐｒｏｖｅｄｇｒｅｙ⁃Ｍａｒｋｏｖｍｏｄｅｌｉｍ⁃ｐｒｏｖｅｄｔｈｅＦｏＭａｃｃｕｒａｃｙｏｆｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｂｙ２０．０７％ｉｎ２０２０，ｃｏｎｆｉｒｍｉｎｇｔｈａｔｉｍｐｒｏｖｅｍｅｎｔｓｉｎｑｕａｎｔｉｔｙｐｒｅｄｉｃｔｉｏｎｈａｄａｓｉｇｎｉｆｉｃａｎｔｐｏｓｉｔｉｖｅｉｍｐａｃｔｏｎｉｍｐｒｏｖｉｎｇｓｉｍｕｌａｔｉｏｎａｃｃｕｒａｃｙ．Ｋｅｙｗｏｒｄｓ㊀Ｇｒｅｙｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ；Ｍａｒｋｏｖｍｏｄｅｌ；Ｌａｎｄｕｓｅｃｈａｎｇｅ；Ｍｏｄｅｌｒｅｆｉｎｅｍｅｎｔ基金项目㊀黑龙江省哲学社会科学研究规划项目（１９ＪＹＣ１２６）㊂作者简介㊀吕利娜（１９８５ ），女，河南洛阳人，讲师，博士，从事地理信息系统应用与土地信息技术研究㊂∗通信作者，讲师，博士，从事地理信息系统应用研究㊂收稿日期㊀２０２３－０１－２８㊀㊀人类在利用土地资源发展经济社会的同时，也改变了土地利用的格局，在一定程度上对生态环境产生了影响，全球生态环境㊁资源短缺等问题层出不穷［１］㊂通过构建模型来分析土地利用变化及其影响因素，对城市发展现状综合评价并进行未来变化趋势预测，可合理优化和利用有限的土地资源，保障良好的生态环境，促进社会的可持续发展［２］㊂计算机技术及地理信息技术的成熟发展，为土地利用／土地覆盖变化（ＬＵＣＣ）研究提供了更多的资料和技术支持㊂土地利用／土地覆盖模拟作为ＬＵＣＣ研究的主要方向之一，得到了极大的关注㊂随着研究的深入，涌现出了众多优秀的模拟模型，如元胞自动机（ｃｅｌｌｕｌａｒａｕｔｏｍａｔａ，ＣＡ）模型㊁系统动力学（ｓｙｓｔｅｍｄｙｎａｍｉｃｓ，ＳＤ）模型㊁多智能体（ｍｕｌｔｉ－Ａｇｅｎｔｓｙｓ⁃ｔｅｍ，ＭＡＳ）模型㊁小尺度土地利用变化及其空间效应（ｃｏｎｖｅｒ⁃ｓｉｏｎｏｆｌａｎｄｕｓｅａｎｄｉｔｓｅｆｆｅｃｔｓａｔｓｍａｌｌｒｅｇｉｏｎｅｘｔｅｎｔ，ＣＬＵＥ－Ｓ）模型［３－７］㊂这些模型在引入社会㊁自然等因素的基础上，预测土地利用／土地覆盖变化未来空间分布［８－１０］㊂然而，因土地影响因素的复杂性及模型的局限性，现有模型大多数在空间和数量层面上都是独立的模拟预测，空间转换规则及数量约束对模型的整体精度均有直接影响㊂目前的研究多关注于空间数据表达㊁空间转换模型挖掘和规则设定㊁驱动因素的筛选等，对数量约束的研究相对较少，其中Ｍａｒｋｏｖ数量预测模型备受众多学者青睐㊂但是，Ｍａｒｋｏｖ模型理想化认为社会是阶段性匀速发展的，即过去的土地利用变化模式㊁概率与未来趋势大体一致，而土地作为人类进行自然生产和社会经济再生产的载体，必然会受到城市发展过程中人类生产㊁生活及经济发展状态的影响及自然生态系统结构的约束，故直接采用Ｍａｒｋｏｖ模型作为土地利用变化模型中的数量预测模型，一定程度上忽略了科技㊁信息化发展等因素对社会发展速度的影响㊂综上所述，为使土地利用变化模拟预测结果贴近社会发展趋势，该研究构建了灰色－马尔科夫改进预测模型㊂该模型在考虑社会经济对土地利用影响的基础上，综合灰色模型处理不确定性系统数据及马尔可夫链处理数据波动的优势，获取能够反映整体变动趋势和随机变动的预测序列，以期提高土地利用变化数量模拟预测精度；最后，该研究以黑龙江省双鸭山市为例，结合城市特色，选取自然㊁社会㊁安徽农业科学，Ｊ．ＡｎｈｕｉＡｇｒｉｃ．Ｓｃｉ．２０２３，５１（１２）：１－８㊀㊀㊀经济㊁交通㊁矿点分布等因素对其进行案例精度验证㊂１㊀资料与方法１．１㊀研究区概况㊀双鸭山市位于黑龙江省东北部，与俄罗斯乌苏里江隔江相望，毗邻佳木斯㊁七台河等城市㊂双鸭山地势呈现为由完达山山脉向东北逐渐降低；市域土地中以山地和平原为主㊂作为黑龙江省重要的煤炭资源型城市，双鸭山市含有集贤煤田㊁双鸭山煤田㊁宝密煤田㊁挠力河煤田㊁宝清煤田，五大煤田首尾相接，煤炭储量丰富㊂２０１３年，双鸭山市被列为第３批资源枯竭型城市，并响应国家政策，积极进行资源型城市转型㊂全市共辖４区４县，其中４区分别是宝山㊁岭东㊁尖山和四方台，４县分别是饶河㊁宝清㊁集贤和友谊县㊂该研究所涉及的研究区域为双鸭山市４辖区，如图１所示㊂图１㊀研究区地理位置Ｆｉｇ．１㊀Ｇｅｏｇｒａｐｈｉｃａｌｌｏｃａｔｉｏｎｏｆｔｈｅｓｔｕｄｙａｒｅａ１．２㊀数据来源１．２．１㊀土地利用数据㊂该研究采用的土地利用数据为欧空局气候变化启动计划（ｃｌｉｍａｔｅｃｈａｎｇｅｉｎｉｔｉａｔｉｖｅ，ＣＣＩ）发布最新的土地覆盖分类（ＥＳＡ－ｌａｎｄｃｏｖｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｓｙｓｔｅｍ，ＥＳＡ－ＬＣＣＳ）数据集，涵盖２０００ ２０２０年，ＥＳＡ－ＬＣＣＳ包括２２种主要的土地覆盖类型，其空间分辨率为３００ｍ［１１］㊂该研究结合研究区实际情况，利用ＡｒｃＧＩＳ１０．６将其进行裁剪㊁坐标系转换等预处理，并重分类为耕地㊁林地㊁草地㊁水域㊁建设用地㊁未利用地６类㊂双鸭山市行政界线来源于国家基础地理信息中心㊂１．２．２㊀社会经济数据㊂依据数据代表性与可得性原则，选取双鸭山市２０００ ２０２０年总人口数据㊁农业人口㊁非农业人口㊁人口自然增长率㊁经济密度等数据作为社会影响因素数据（表１），来源为２００１ ２０２１年双鸭山市社会经济统计年鉴及黑龙江省统计年鉴，部分缺失数据通过其他年份数据插值获得㊂表１㊀社会经济影响因素Ｔａｂｌｅ１㊀Ｓｏｃｉｏ⁃ｅｃｏｎｏｍｉｃｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ序号Ｎｏ．因子Ｆａｃｔｏｒ序号Ｎｏ．因子Ｆａｃｔｏｒ１第一产业生产总值占比（％）７农业人口（人）２第二产业生产总值占比（％）８非农业人口（人）３第三产业生产总值占比（％）９非农人口与总人口比值（％）４ＧＤＰ（万元）１０人口自然增长率（％）５经济密度（万元／ｍ２）１１固定资产投资总额（万元）６总人口（人）１２第一产业从业人员（人）１．２．３㊀空间驱动因子数据㊂通过参考相关文献［１２－１３］，结合研究区的实际情况，以及数据的可得性㊁一致性与空间差异性㊁显著相关性等原则，选取自然㊁区位２个方面的空间影响因素，共６个驱动因子（表２㊁图２）㊂地形地貌对土地利用的分布有决定性的作用，将高程㊁坡度作为驱动因子；高程数据来源于地理空间数据云（ｈｔｔｐ：／／ｗｗｗ．ｇｓｃｌｏｕｄ．ｃｎ／），空间分辨率为３０ｍ；坡度因子根据高程数据处理得到㊂土地利用分布与其周围的城市环境密切相关，因此选择距道路距离㊁距河流距离㊁距矿点距离㊁距城镇距离作为距离驱动因子；相关矢量数据是通过影像目视解译获得，借助ＡｒｃＭａｐ１０．６中欧氏距离工具对各个驱动因子的矢量数据进行处理，生成栅格数据㊂表２㊀空间驱动因子Ｔａｂｌｅ２㊀Ｓｐａｔｉａｌｄｒｉｖｉｎｇｆａｃｔｏｒｓ因素类型Ｆａｃｔｏｒｔｙｐｅ驱动因子名称Ｄｒｉｖｉｎｇｆａｃｔｏｒｎａｍｅ含义Ｍｅａｎｉｎｇ自然因素高程（ｍ）各栅格单元中心的高程值Ｎａｔｕｒａｌｃａｕｓｅｓ坡度（％）各栅格单元中心点的坡度值区位因素距城镇距离（ｍ）各栅格单元到城镇的欧氏距离Ｌｏｃａｔｉｏｎａｌ距矿点距离（ｍ）各栅格单元到矿点的欧氏距离ｆａｃｔｏｒ距河流距离（ｍ）各栅格单元到河流的欧氏距离距道路距离（ｍ）各栅格单元到最近道路的欧氏距离１．３㊀灰色－马尔科夫改进模型１．３．１㊀多因素灰色模型㊂灰色系统介于白色和黑色之间，即２㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２３年图２㊀驱动因子空间分布Ｆｉｇ．２㊀Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｄｒｉｖｉｎｇｆａｃｔｏｒ系统内部分信息已知，部分信息未知，各因素间的关系不确定［１４］㊂影响土地利用变化的既包含人为可控因素，也有大量不可忽视的未知因素，数据特征符合灰色预测模型㊂因此，可以利用灰色预测鉴别土地系统因素之间发展趋势的相异程度，寻找系统变动的规律，建立相应的微分方程模型，生成有较强规律性的数据序列，从而预测土地的未来发展趋势㊂具体模型如下［１５］：设原始数列为Ｘ（０）＝［ｘ（０）（１），ｘ（０）（２）， ，ｘ（０）（Ｍ）］，式中，Ｘ（０）表示基期年某一类型土地利用数量，Ｍ表示预测年份㊂（１）对Ｘ（０）进行一次累加得到数据序列Ｘ（１），即：Ｘ（１）＝［ｘ（１）（１），ｘ（１）（２）， ，ｘ（１）（Ｍ）］其中，ｘ（１）（ｋ）＝ｋｍ＝１ｘ（０）（ｍ），ｋ＝１，２， ，Ｍ㊂（２）ＧＭ（１，１）的微分方程为：ｄＸ（１）ｄｔ＋ａＸ（１）＝ｕ式中，ａ与ｕ为灰参数㊂（３）求解灰参数：Ｙ＝［ｘ（０）（２），ｘ（０）（３）， ，ｘ（０）（Ｍ）］ＴＸ＝－１２［ｘ（１）（１）＋ｘ（１）（２）］１－１２［ｘ（１）（２）＋ｘ（１）（３）］１︙︙－１２［ｘ（１）（Ｍ－１）＋ｘ（１）（Ｍ）］１éëêêêêêêêêùûúúúúúúúú运用最小二乘法求解＾ｂ，有＾ｂ＝（ＸＴＸ）－１ＸＴＹ（４）求解时间函数：＾ｘ（１）（ｋ＋１）＝ｘ（０）（１）－ｕａéëêùûúｅ－ａｋ＋ｕａ㊀（ｋ＝１，２， ，Ｍ）（５）原始数据序列ｘ（０）的还原值＾ｘ（０）为：＾ｘ（０）ｋ＋１＝＾ｘ（１）ｋ＋１－＾ｘ（１）ｋ（６）求残差ｅ（０）和相对误差ｑ：ｅ（０）（ｋ）＝ｘ（０）（ｋ）－＾ｘ（０）（ｋ）ｑ（ｋ）＝ｅ（０）（ｋ）ｘ（０）（ｋ）ˑ１００％模型预测精度等级［１６］参照表３㊂表３㊀预测精度等级参照Ｔａｂｌｅ３㊀Ｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｇｒａｄｅｒｅｆｅｒｅｎｃｅ等级Ｌｅｖｅｌ相对误差Ｒｅｌａｔｉｖｅｅｒｒｏｒʊ％模型精度ＭｏｄｅｌａｃｃｕｒａｃｙⅠ＜１优秀Ⅱ＜５合格Ⅲ＜１０基本合格Ⅳ＜２０不合格㊀㊀为了能够将影响土地利用变化的众多因素综合融入预测中，同时在不使模型复杂的前提下，研究在将所选取的社会经济因素进行主成分分析后，提取前ｋ个成分与灰色预测模型所获取的时间序列进行多元线性回归，形成多因素灰色预测模型㊂该多因素灰色预测模型具体数学形式如下：ｙ＝β０＋β１ｘ１＋ ＋βｋｘｋ＋δ式中，ｙ为多因素灰色预测值；ｘｉ为影响因素主成分；βｉ为回归系数；δ为随机误差项㊂利用最小二乘法求得回归系数的估计值㊂１．３．２㊀灰色－马尔科夫预测模型㊂马尔科夫模型是１９６０年由俄国马尔科夫提出实现的㊂该模型认为一个ｎ阶马尔科夫链由ｎ个状态的集合和一组转移概率所确定㊂若随机过程满足马尔科夫性，则称为马尔科夫过程［１７］；在该过程中，任意时刻数据都只能处于一个状态，如果在ｔ时刻过程处于Ｅｔ状态，则在ｔ＋１时刻，它将以Ｐｉｊ的概率处于状态Ｅｔ＋１，与ｔ时刻之前所处的状态无关㊂近年来，随着研究的深入，该模型常应用于土地利用模拟预测过程㊂运用马尔科夫预测的关键在于确定系统状态之间相互转化的转移概率，其表达式如下：Ｐ１１ Ｐ１ｎ︙︙Ｐｎ１Ｐｎｎæèçççöø÷÷÷式中，Ｐｉｊ表示某一时段内系统状态的转换概率，且满足０ɤ３５１卷１２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀吕利娜等㊀灰色－马尔科夫改进的土地利用变化模型研究Ｐｉｊɤ１， ｎｉ＝１Ｐｉｊ＝１（ｉ，ｊ＝１，２， ，ｎ），ｎ代表状态数㊂转换概率Ｐｉｊ反映了各类因素对其的影响程度，因而马尔科夫适用于随机波动性较大的数据预测㊂利用此概率建立模型，获取ｔ＋１时刻的状态为：Ｅｔ＋１＝ＰｉｊˑＥｔ式中，Ｅｔ＋１㊁Ｅｔ为系统在ｔ＋１时刻㊁ｔ时刻的状态，Ｐｉｊ为转换概率㊂灰色预测模型主要反映预测数据的整体趋势，忽略了数据的随机波动性，马尔科夫性质恰好弥补了该模型的不足，二者组合能够降低预测误差，提高模型精度㊂马尔科夫修正是指运用马尔科夫链相关理论，获取转移矩阵与转换概率，预测误差数据所处状态，从而修正灰色预测模型得出预测结果［１８］㊂修正过程如下：（１）马尔科夫状态划分㊂将多因素灰色预测模型得到的预测值与实际数据之间的误差浮动率作为修正模型的样本数据，并将其划分为不同状态㊂该研究选用Ｋ均值聚类法对数据进行状态划分，该方法将样本数据按照自身数据特征进行自动划分，在基于初始聚类中心的基础上，依据距离规则反复迭代最终确定分组，该方法简单易行，且相比人为主观分类更具说服力，分类结果科学准确［１９］㊂误差浮动率公式如下：γ（ｋ）＝ｘ（０）（ｋ）－＾ｘ（０）（ｋ）＾ｘ（０）（ｋ）（ｋ＝１，２， ，ｎ）式中，γ（ｋ）为误差浮动率，ｘ（０）（ｋ）为原始数据，＾ｘ（０）（ｋ）为预测数据㊂分类好的状态表示为Ｅｉ：Ｅｉ＝［ａｉ，ｂｉ］（ｉ＝１，２， ，ｒ）式中，ａｉ㊁ｂｉ为状态区间端点值㊂（２）初始概率计算㊂在预测过程中，将ｎ个观测值的误差浮动率γ（ｋ）作为一个序列，每个误差浮动率γ（ｋ）都有其对应的状态值Ｅｉ，该状态出现Ｍｉ次的概率计算公式如下：ｆｉ＝Ｍｉｎ式中，令ｐｉ＝ｆｉ作为Ｅｉ出现的概率，即该状态在系统中的初始概率㊂（３）状态转换概率矩阵计算㊂将序列中的所有观测值状态进行转移分析，即Ｍｉ个观测值从状态Ｅｉ转为状态Ｅｊ的过程记为ｐｉｊ，计算公式如下：ｐｉｊ＝ｆｉｊ＝ＭｉｊＭｉ从而确定转换概率矩阵㊂（４）预测状态转换矩阵建立㊂根据前述状态转换概率矩阵进一步得到ｒ步预测状态转换概率矩阵ｐ（ｒ），记为：ｐ（ｒ）＝ｐｒｉｊ＝ｐ１１ ｐ１ｎ︙︙ｐｎ１ ｐｎｎæèçççöø÷÷÷ｒ其中ｉ＝１，２， ，ｎ；ｊ＝１，２， ，ｎ㊂结合公式Ｅｔ＋１＝ＰｉｊˑＥｔ获得系统在ｔ＋１时刻的状态概率分布，取矩阵最大值，代表预测数据的状态转移最大概率，即可能性最高㊂（５）马尔科夫修正㊂对状态区间的修正公式如下：Ｅ１ң ｘｉ＝ｘｉ－ｘｉˑ｜ａｉ｜＋｜ｂｉ｜２Ｅ２ң ｘｉ＝ｘｉ＋ｘｉˑ｜ａｉ｜＋｜ｂｉ｜２Ｅ３ң ｘｉ＝ｘｉ其中，ｘｉ为多因素灰色预测值；ａｉ㊁ｂｉ为状态区间端点值；Ｅ１㊁Ｅ２㊁Ｅ３分别为负向修正㊁正向修正和无需修正状态㊂将马尔科夫链修正之后的灰色预测数据记为 ｘ（ｋ）㊂２㊀土地利用数量模拟分析２．１㊀多因素灰色预测模型数量预测㊀该研究参照表１所选取的社会影响因素，利用主成分分析法对影响因子进行降维处理，再与灰色预测所得各土地利用类型数据进行多元线性回归，得到回归后的综合预测数据㊂因水域２０００ ２０２０年变化趋势极其微小，且在整个市区占比较小，故不进行预测与修正㊂首先，在对２０００ ２０１４年社会影响因素数据进行标准化的基础上，确定主成分个数（表４）及各土地利用类型的回归模型（表５）㊂表４㊀各因子总方差解释Ｔａｂｌｅ４㊀Ｔｏｔａｌｖａｒｉａｎｃｅｅｘｐｌａｎａｔｉｏｎｏｆｅａｃｈｆａｃｔｏｒ成分Ｅｌｅｍｅｎｔ初始Ｉｎｉｔｉａｌ特征值Ｅｉｇｅｎｖａｌｕｅ方差Ｖａｒｉａｎｃｅʊ％累计方差Ｃｕｍｕｌａｔｉｖｅｖａｒｉａｎｃｅʊ％提取载荷平方和Ｅｘｔｒａｃｔｉｎｇｓｕｍｏｆｓｑｕａｒｅｓｏｆｌｏａｄｓ特征值Ｅｉｇｅｎｖａｌｕｅ方差Ｖａｒｉａｎｃｅʊ％累计方差Ｃｕｍｕｌａｔｉｖｅｖａｒｉａｎｃｅʊ％旋转载荷平方和Ｓｕｍｏｆｓｑｕａｒｅｓｏｆｒｏｔａｔｉｎｇｌｏａｄ特征值Ｅｉｇｅｎｖａｌｕｅ方差Ｖａｒｉａｎｃｅʊ％累计方差Ｃｕｍｕｌａｔｉｖｅｖａｒｉａｎｃｅʊ％１１０．２７４８５．６１４８５．６１４１０．２７４８５．６１４８５．６１４５．９７６４９．８０２４９．８０２２１．２７３１０．６０６９６．２２０１．２７３１０．６０５９６．２２０５．５７０４６．４１７９６．２２０３０．２４１２．００９９８．２２９４０．０９７０．８０７９９．０３６５０．０５８０．４８５９９．５２１６０．０２５０．２０６９９．７２７７０．０２１０．１７８９９．９０５８０．００７０．０５６９９．９６１９０．００３０．０２７９９．９８８１００．００１０．０１０９９．９９８１１０．００００．００１９９．９９９１２０．００００．００１１００４㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２３年表５㊀各地类回归模型信息汇总Ｔａｂｌｅ５㊀Ｓｕｍｍａｒｙｏｆｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｓｆｏｒｅａｃｈｌａｎｄ⁃ｕｓｅｔｙｐｅ土地利用类型Ｌａｎｄ⁃ｕｓｅｔｙｐｅ项目Ｉｔｅｍ未标准化系数Ｎｏｎ⁃ｓｔａｎｄａｒｄｉｚｅｄｃｏｅｆｆｉｃｉｅｎｔＰ值Ｐｖａｌｕｅ模型精度ＭｏｄｅｌａｃｃｕｒａｃｙＲ２调整后Ｒ２ＡｄｊｕｓｔｅｄＲ２耕地Ａｒａｂｌｅｌａｎｄ常量１９７４９４．９１８０．０００Ｙ１－１３９６．８０２０．００００．９９３０．９９２Ｙ２－１１７５．８８６０．０００林地Ｗｏｏｄｌａｎｄ常量１１０５７３．６０００．０００Ｙ１８８１．３５７０．００００．９９２０．９９２Ｙ２７５４．８６９０．０００草地Ｇｒａｓｓｌａｎｄ常量１０６８．３３６０．０００Ｙ１－９５１．０４００．００００．９７７０．９７５Ｙ２－３２２．５０２０．０００建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ常量６２０９．８８４０．０００Ｙ１９８０．０１３０．００００．９９３０．９９２Ｙ２１０１３．４９２０．０００未利用地Ｕｎｕｓｅｄｌａｎｄ常量４０．３５９０．０００Ｙ１－１３．１６８０．００００．９９３０．９９２Ｙ２－７．９４７０．０００㊀㊀根据各地类回归模型结果可以看出２个主成分因子与各地类之间均在０．０１水平显著相关，回归模型拟合度达到精度要求㊂进一步将２０１５年灰色预测所得土地利用数量及社会影响因素数据相结合，依据表５中的回归模型系数进行多元线性回归，得到２０１５年考虑社会经济因素的灰色预测序列，所得结果的相对误差见表６㊂㊀㊀从表６可以看出，单一灰色预测模型对于耕地和林地的模拟精度较高，但是建设用地㊁草地㊁未利用地的模拟精度较低，其原因主要是因为这３类用地的像元数相对较少，同时自２００８年后草地和未利用数量骤减且持续保持低数量规模的状态，其变化趋势出现断崖式的改变，而建设用地的增长速度非匀速快速增长，因此相对误差较大㊂通过社会经济因素等的融合，多因素灰色模型对于各地类的预测精度有了明显的提升，相较于单一灰色模型，多因素灰色模型对于土地利用数量模拟具有更好的适宜性，模拟精度较为理想，其中耕地㊁林地达到了优秀的水平㊂表６㊀２０１５年多因素灰色模型下各地类面积预测相对误差Ｔａｂｌｅ６㊀Ｒｅｌａｔｉｖｅｅｒｒｏｒｏｆａｒｅａｐｒｅｄｉｃｔｉｏｎｆｏｒｅａｃｈｌａｎｄｕｓｅｔｙｐｅｕｎｄｅｒｔｈｅｍｕｌｔｉｆａｃｔｏｒｇｒｅｙｍｏｄｅｌｉｎ２０１５模型Ｍｏｄｅｌ耕地Ａｒａｂｌｅｌａｎｄ林地Ｗｏｏｄｌａｎｄ草地Ｇｒａｓｓｌａｎｄ建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ未利用地Ｕｎｕｓｅｄｌａｎｄ单一灰色预测模型Ｓｉｎｇｌｅｇｒｅｙｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ０．００５６０．００３３０．２６４７０．２４１３０．５４１９多因素灰色模型Ｍｕｌｔｉｆａｃｔｏｒｇｒｅｙｍｏｄｅｌ０．００２３０．００２１０．１９１９０．１３８２０．０９２０精度提高程度Ａｃｃｕｒａｃｙｉｍｐｒｏｖｅｍｅｎｔｄｅｇｒｅｅʊ％５８．９３３６．３６２７．５０４２．７３８３．０２２．２㊀马尔科夫修正㊀根据多因素灰色预测结果精度评定（表６），耕地与林地的精度高达９９％以上，因此不进行二次修正，草地㊁建设用地与未利用地修正过程如下：（１）状态划分㊂以２０００ ２０１４年各地类原始面积数据与多因素灰色预测数据的误差浮动率为样本序列（表７），该研究采用Ｋ均值聚类法对该序列进行排序并划分状态区间为Ｅｉ＝（Ｅ１，Ｅ２，Ｅ３），各地类状态区域分界具体划分如下：草地，Ｅ１＝［－１３．５７，－９．０９］，Ｅ２＝［５．２６，１１．９４］，Ｅ３＝［－５．０３，２．０９］㊂建设用地，Ｅ１＝［－１６．１０，－７．８２］，Ｅ２＝［８．３０，１０．０９］，Ｅ３＝［－６．０１，３．７１］㊂未利用地，Ｅ１＝［－１０．７７，－３．６１］，Ｅ２＝［９．８１，１５．３１］，Ｅ３＝［２．６４，７．５９］㊂其中，Ｅ１表示预测数据偏高，需要负向修正；Ｅ２表示预测数据偏低，需要正向修正；Ｅ３表示误差允许范围，无需修正㊂依据前述草地㊁建设用地㊁未利用地的区间，划定２０００ ２０１５年各地类多因素灰色模型预测值所处的状态，如表７所示㊂㊀㊀（２）序列修正㊂为验证马尔科夫预测的可行性，以２０１４年为初始模拟年份，设其状态为Ｒ０，模拟２０１５年状态㊂根据转换概率矩阵公式结合表７可知，２０１５年各地类的状态转换概率分别为草地［０．６７，０，０．３３］㊁建设用地［１，０，０］㊁未利用地［０．８８，０，０．１２］，３个地类的状态均为Ｅ１的概率最高，与表７中的实际情况相符，说明马尔科夫能够实现灰色模型误差浮动状态预测㊂进一步根据２０１５年预测状态对各类用地进行修正，具体修正结果见表８㊂草地㊁建设用地㊁未利用地３类用地的平均相对误差分别提高７４．２６％㊁６８．７４％㊁８５．３３％㊂由此可见，采用马尔科夫模型能够有效地对多因素灰色模型数据误差浮动率进行预测，且通过修正能显著提升精度㊂５５１卷１２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀吕利娜等㊀灰色－马尔科夫改进的土地利用变化模型研究表７㊀２０００—２０１５年多因素灰色模型下各地类面积预测误差浮动率和状态划分Ｔａｂｌｅ７㊀Ｆｌｏａｔｉｎｇｒａｔｅａｎｄｓｔａｔｕｓｄｉｖｉｓｉｏｎｏｆａｒｅａｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒｓｆｏｒｅａｃｈｌａｎｄｕｓｅｔｙｐｅｕｎｄｅｒｔｈｅｍｕｌｔｉｆａｃｔｏｒｇｒｅｙｍｏｄｅｌｆｒｏｍ２０００ｔｏ２０１５年份Ｙｅａｒ草地Ｇｒａｓｓｌａｎｄ误差浮动率Ｅｒｒｏｒｆｌｏａｔｉｎｇｒａｔｅ状态Ｃｏｎｄｉｔｉｏｎ建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ误差浮动率Ｅｒｒｏｒｆｌｏａｔｉｎｇｒａｔｅ状态Ｃｏｎｄｉｔｉｏｎ未利用地Ｕｎｕｓｅｄｌａｎｄ误差浮动率Ｅｒｒｏｒｆｌｏａｔｉｎｇｒａｔｅ状态Ｃｏｎｄｉｔｉｏｎ２００００．０２０９Ｅ３－０．０４３８Ｅ３０．０９８１Ｅ２２００１０．０５２６Ｅ２－０．０４０６Ｅ３－０．０９２０Ｅ１２００２－０．１３９２Ｅ１０．０３７１Ｅ３－０．１０７７Ｅ１２００３－０．０９０９Ｅ１０．０８３０Ｅ２０．０７５９Ｅ３２００４－０．０４５７Ｅ３０．１００９Ｅ２０．０７３８Ｅ３２００５－０．１０１３Ｅ１０．０２３９Ｅ３０．０２６４Ｅ３２００６－０．１３６６Ｅ１－０．０１２１Ｅ３０．０６６１Ｅ３２００７－０．１３６６Ｅ１－０．００９８Ｅ３０．１５３１Ｅ２２００８－０．１３２６Ｅ１０．０２３０Ｅ３－０．０７９９Ｅ１２００９－０．０５０３Ｅ３－０．０４０５Ｅ３－０．０８９７Ｅ１２０１００．０６７５Ｅ２－０．０６０１Ｅ３－０．０８８４Ｅ１２０１１０．１１９４Ｅ２－０．０７８２Ｅ１－０．０５８７Ｅ１２０１２０．０６０４Ｅ２－０．０９９１Ｅ１－０．０９０８Ｅ１２０１３０．００７３Ｅ３－０．１２０７Ｅ１－０．０３６１Ｅ１２０１４－０．１３５７Ｅ１－０．１４１２Ｅ１－０．０６４２Ｅ１２０１５－０．１２１４Ｅ１－０．１６１０Ｅ１－０．０８４３Ｅ１表８㊀２０１５年马尔科夫修正模型下各地类面积预测相对误差Ｔａｂｌｅ８㊀Ｒｅｌａｔｉｖｅｅｒｒｏｒｏｆａｒｅａｐｒｅｄｉｃｔｉｏｎｆｏｒｅａｃｈｌａｎｄ⁃ｕｓｅｔｙｐｅｉｎ２０１５ｏｆＭａｒｋｏｖｍｏｄｉｆｉｅｄｍｏｄｅｌ模型Ｍｏｄｅｌ耕地Ａｒａｂｌｅｌａｎｄ林地Ｗｏｏｄｌａｎｄ草地Ｇｒａｓｓｌａｎｄ建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ未利用地Ｕｎｕｓｅｄｌａｎｄ多因素灰色预测模型Ｍｕｌｔｉ⁃ｆａｃｔｏｒｇｒｅｙｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄ０．００２３０．００２２０．１９１９０．１３８２０．０９２０灰色－马尔科夫改进模型Ｉｍｐｒｏｖｅｄｇｒｅｙ⁃Ｍａｒｋｏｖｍｏｄｅｌ０．００２３０．００２２０．０４９４０．０４３２０．０１３５精度提高程度Ａｃｃｕｒａｃｙｉｍｐｒｏｖｅｍｅｎｔｄｅｇｒｅｅʊ％０．０００．００７４．２６６８．７４８５．３３３㊀土地利用空间模拟预测对于土地利用变化时空模拟而言，其模型精度不仅受到空间转换规则的制约，同时也受到预测数量规模的影响㊂为了进一步验证该研究所构建数量预测模型的精度及有效性，利用未来土地利用变化情景模拟模型（ＧｅｏＳＯＳ－ＦＬＵＳ）对研究区土地利用变化进行时空模拟，采用Ｋａｐｐａ系数㊁混淆矩阵（ＯＡ）和品质因数（ＦｏＭ）作为土地利用模拟精度评价指标，反映数量预测准确性对于土地利用变化模拟整体精度的影响㊂ＧｅｏＳＯＳ－ＦＬＵＳ模型是在传统元胞自动机（ＣＡ）的基础改进而来的，广泛应用于模拟土地利用格局研究㊂该模型采用神经网络算法（ＡＮＮ）基于初期土地利用数据以及各种驱动因素获取各种用地类型的适宜性概率［２０］，同时结合表示扩张能力强弱的邻域密度㊁惯性公式㊁转换成本矩阵以及土地之间竞争的影响，最终确定土地利用类型转换的总概率［２１］㊂因其采用采样方式抽取土地利用样本数据，可以很好地避免误差传递；基于轮盘赌的自适应惯性竞争机制能够处理自然与人类活动影响下的各地类相互转换过程中存在的不确定性和复杂性的问题，进而获得较高的精度［２２］㊂该研究以２０１５年土地利用数据及对应的驱动因子（表２㊁图２）为基础，模拟２０２０年的土地利用分布格局㊂模拟过程中的参数设置如下：（１）适宜性概率图集制作㊂将表２驱动因素进行标准化处理，设置神经网络的采样比例７０％用于训练，神经网络的隐藏层数设置为１２，生成２０１５年土地利用适宜性图集（图３），其中均方根误差（ＲＭＳＥ）为０．０００４，说明数据训练结果可信㊂㊀㊀（２）约束用地规则确定㊂约束规则表示是否允许地类间进行转换，当一种土地类型可以向另一种类型转化时，将相应的矩阵值设为１；不允许转化时，设为０㊂根据研究区概况，转换规则设置如表９所示㊂㊀㊀（３）邻域因子权重设置㊂借鉴相关研究［２３］，结合转移矩阵以及研究区的实际情况，对邻域因子的权重设置不断调试，比较不同权重设置下的模拟精度，得到精度较高的因子参数表，参数范围为０ １，表示土地的扩张能力强弱㊂参数具体设置如下：耕地０．４㊁林地０．６㊁草地０．５㊁水域０．２㊁建设用地１．０㊁未利用地０．１㊂（４）时空模拟结果㊂在完成适宜性概率图集制作及转换规则设定的基础上，分别利用传统Ｍａｒｋｏｖ和该研究改进的数量预测模型获取的２０２０年数量预测结果，并采用控制变量法对空间模拟部分设置相同的空间约束参数，完成研究区２０２０年的土地利用分布格局的模拟，模拟结果及精度如图４和表１０所示㊂６㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２３年图３㊀双鸭山市各地类土地适宜性图集Ｆｉｇ．３㊀ＴｈｅｓｕｉｔａｂｉｌｉｔｙｍａｐｆｏｒｅａｃｈｌａｎｄｕｓｅｔｙｐｅｉｎＳｈｕａｎｇｙａｓｈａｎＣｉｔｙ表９㊀土地利用变化转换规则Ｔａｂｌｅ９㊀Ｌａｎｄｕｓｅｃｈａｎｇｅｃｏｎｖｅｒｓｉｏｎｒｕｌｅｓ土地利用类型Ｌａｎｄｕｓｅｔｙｐｅ耕地Ａｒａｂｌｅｌａｎｄ林地Ｗｏｏｄｌａｎｄ草地Ｇｒａｓｓｌａｎｄ水域Ｗａｔｅｒｓ建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ未利用地Ｕｎｕｓｅｄｌａｎｄ耕地Ａｒａｂｌｅｌａｎｄ１１１１１０林地Ｗｏｏｄｌａｎｄ１１１１１１草地Ｇｒａｓｓｌａｎｄ１１１１１１水域Ｗａｔｅｒｓ０００１００建设用地Ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ００００１１未利用地Ｕｎｕｓｅｄｌａｎｄ１１１１１１图４㊀Ｍａｒｋｏｖ模型（ａ）和灰色－马尔科夫改进模型（ｂ）２０２０年土地利用模拟结果对比Ｆｉｇ．４㊀ＣｏｍｐａｒｉｓｏｎｏｆｌａｎｄｕｓｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｂｅｔｗｅｅｎＭａｒｋｏｖｍｏｄｅｌ（ａ）ａｎｄｉｍｐｒｏｖｅｄｇｒｅｙＭａｒｋｏｖｍｏｄｅｌ（ｂ）ｉｎ２０２０表１０㊀２０２０年土地利用模拟精度Ｔａｂｌｅ１０㊀Ｓｉｍｕｌａｔｉｏｎａｃｃｕｒａｃｙｏｆｌａｎｄｕｓｅｉｎ２０２０模型ＭｏｄｅｌＫａｐｐａＯＡＦｏＭ单一马尔科夫模型ＳｉｎｇｌｅＭａｒｋｏｖｍｏｄｅｌ０．８５３００．９１６３０．０８８２灰色－马尔科夫改进模型ＧｒｅｙＭａｒｋｏｖｉｍｐｒｏｖｅｄｍｏｄｅｌ０．９２０３０．９５２００．１０５９精度提高程度Ａｃｃｕｒａｃｙｉｍｐｒｏｖｅｍｅｎｔｄｅｇｒｅｅʊ％７．８９３．９０２０．０７㊀㊀经过与实际数据进行对比，模拟结果在１０％随机采样时，研究所设计的改进灰色－马尔科夫修正模型的Ｋａｐｐａ系数㊁总体精度（ＯＡ）均较单一利用Ｍａｒｋｏｖ模型进行数量预测的精度有所提高㊂但是，在土地利用变化模拟中，未发生变化的区域在整个研究区中的占比往往较高，尤其是双鸭山市区多以农㊁林地为主，发生转变数量比例较小㊂而混淆矩阵ＯＡ和Ｋａｐｐａ系数在计算时并没有剔除未发生变化的部分，且部分采样参与计算，导致计算值存在偏差［２４］㊂为了有效７５１卷１２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀吕利娜等㊀灰色－马尔科夫改进的土地利用变化模型研究避免这种情况，进一步确定发生变化处的模拟精度，该研究同时采用品质因数（ＦｏＭ）进行精度评定㊂从表１０可以看出，数量预测的精度对于发生变化区域的时空模拟结果影响更为明显，对于提升模拟精度有较为明显的正向推动㊂４ 结语土地利用变化受城市发展的多方面影响，各土地利用类型在时间序列上呈无规律㊁无序变化㊂该研究利用构建的灰色－马尔科夫改进模型对土地利用数量进行预测，克服了Ｍａｒｋｏｖ模型存在忽视社会发展的随机性及灰色模型对于随机波动性较大的数据拟合效果较差的问题，各展所长，实现了土地利用数量长时间序列预测㊂研究结果证实改进的灰色－马尔科夫模型对于土地利用数量模拟具有更好的适宜性，能够显著提高土地利用数量预测精度和提升土地利用时空模拟的精度；另一方面，该研究将社会发展进程中的多种影响因素融入土地利用变化时空模拟中，使得科技㊁信息化发展等因素对社会发展速度的影响在数量模拟中得到体现，在一定程度上解决社会经济类时间序列数据在土地利用变化模型中难以作为空间化约束指标的问题，对土地利用的模拟及预测具有很强的实用性，能科学地为城市未来发展提供更为符合社会发展趋势的数据支持㊂参考文献［１］邵幸均．基于ＡＮＮ－ＣＡ－ＭＡＳ的延安市宝塔区土地利用时空变化模拟及预测研究［Ｄ］．西安：长安大学，２０２０：１．［２］吴振林．基于ＣＬＵＥ－Ｓ模型的土地利用变化模拟与多情景预测研究：以山西省河津市为例［Ｄ］．太谷：山西农业大学，２０１６：３．［３］ＳＡＭＡＲＤŽＩＣ＇⁃ＰＥＴＲＯＶＩＣ＇Ｍ，ＫＯＶＡＣ㊅ＥＶＩＣ＇Ｍ，ＢＡＪＡＴＢ，ｅｔａｌ．Ｍａｃｈｉｎｅｌｅａｒｎｉｎｇｔｅｃｈｎｉｑｕｅｓｆｏｒｍｏｄｅｌｌｉｎｇｓｈｏｒｔｔｅｒｍｌａｎｄ⁃ｕｓｅｃｈａｎｇｅ［Ｊ］．Ｉｓｐｒｓｉｎ⁃ｔｅｒｎａｔｉｏｎａｌｊｏｕｒｎａｌｏｆｇｅｏ⁃ｉｎｆｏｒｍａｔｉｏｎ，２０１７，６（１２）：１－１５．［４］ＸＵＱＬ，ＹＡＮＧＫ，ＷＡＮＧＧＬ，ｅｔａｌ．Ａｇｅｎｔ⁃ｂａｓｅｄｍｏｄｅｌｉｎｇａｎｄｓｉｍｕｌａ⁃ｔｉｏｎｓｏｆｌａｎｄ⁃ｕｓｅａｎｄｌａｎｄ⁃ｃｏｖｅｒｃｈａｎｇｅａｃｃｏｒｄｉｎｇｔｏａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａ⁃ｔｉｏｎ：ＡｃａｓｅｓｔｕｄｙｏｆｔｈｅＥｒｈａｉＬａｋｅＢａｓｉｎ，Ｃｈｉｎａ［Ｊ］．Ｎａｔｕｒａｌｈａｚａｒｄｓ，２０１５，７５（１）：９５－１１８．［５］胡烨婷，李天宏．基于ＳＤ－ＣＡ模型的快速城市化地区土地利用空间格局变化预测［Ｊ］．北京大学学报（自然科学版），２０２２，５８（２）：３７２－３８２．［６］顾茉莉，叶长盛，李鑫，等．基于ＳＤ模型的江西省土地利用变化情景模拟［Ｊ］．地理与地理信息科学，２０２２，３８（４）：９５－１０３．［７］ＫＵＣＳＩＣＳＡＧ，ＰＯＰＯＶＩＣＩＥＡ，ＢǍＬＴＥＡＮＵＤ，ｅｔａｌ．Ｆｕｔｕｒｅｌａｎｄｕｓｅ／ｃｏｖｅｒｃｈａｎｇｅｓｉｎＲｏｍａｎｉａ：ＲｅｇｉｏｎａｌｓｉｍｕｌａｔｉｏｎｓｂａｓｅｄｏｎＣＬＵＥ⁃ＳｍｏｄｅｌａｎｄＣＯＲＩＮＥｌａｎｄｃｏｖｅｒｄａｔａｂａｓｅ［Ｊ］．Ｌａｎｄｓｃａｐｅａｎｄｅｃｏｌｏｇｉｃａｌｅｎｇｉｎｅｅｒｉｎｇ，２０１９，１５（１）：７５－９０．［８］吕利娜，崔慧珍，叶欣．基于ＭＣＥ－ＣＡ－Ｍａｒｋｏｖ的土地利用预测及生境质量评价［Ｊ］．黑龙江科技大学学报，２０２１，３１（６）：６９７－７０３．［９］于文慧，徐兆阳，陈春森，等．逻辑回归元胞自动机模型的鸡西市城市扩张分析及预测［Ｊ］．测绘与空间地理信息，２０２２，４５（１）：４５－４９，５４．［１０］朱晓萌．基于ＣＬＵＥ－Ｓ模型的哈尔滨市生态用地格局时空演变与情景模拟研究［Ｄ］．长春：东北师范大学，２０１９：９．［１１］ＥＳＡＣＣＩｌａｎｄｃｏｖｅｒｐｒｏｊｅｃｔ．ＧｌｏｂａｌＥＳＡＣＣＩｌａｎｄｃｏｖｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｍａｐ［ＤＢ／ＯＬ］．［２０２２－０９－２５］．ｈｔｔｐ：／／ｍａｐｓ．ｅｌｉｅ．ｕｃｌ．ａｃ．ｂｅ／ＣＣＩ／ｖｉｅｗｅｒ／．［１２］ＲＡＤＦＯＲＤＫＧ，ＪＡＭＥＳＰ．Ｃｈａｎｇｅｓｉｎｔｈｅｖａｌｕｅｏｆｅｃｏｓｙｓｔｅｍｓｅｒｖｉｃｅｓａ⁃ｌｏｎｇａｒｕｒａｌ⁃ｕｒｂａｎｇｒａｄｉｅｎｔ：ＡｃａｓｅｓｔｕｄｙｏｆＧｒｅａｔｅｒＭａｎｃｈｅｓｔｅｒ，ＵＫ［Ｊ］．Ｌａｎｄｓｃａｐｅ＆ｕｒｂａｎｐｌａｎｎｉｎｇ，２０１３，１０９（１）：１１７－１２７．［１３］ＺＥＮＧＪ，ＬＩＪＦ，ＹＡＯＸＷ．Ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌｄｙｎａｍｉｃｓｏｆｅｃｏｓｙｓｔｅｍｓｅｒｖｉｃｅｖａｌｕｅｉｎＷｕｈａｎＵｒｂａｎＡｇｇｌｏｍｅｒａｔｉｏｎ［Ｊ］．Ｃｈｉｎｅｓｅｊｏｕｒｎａｌｏｆａｐｐｌｉｅｄｅｃｏｌ⁃ｏｇｙ，２０１４，２５（３）：８８３－８９１．［１４］朱志香．油气田产量递减灰色系统模型的建立及预测［Ｊ］．科技创新导报，２０１０，７（２４）：６２．［１５］李雪．基于ＧＩＳ的土地利用时空变化模拟及预测研究：以延安市安塞区为例［Ｄ］．西安：长安大学，２０１９：９－１１．［１６］蔡祯．京津冀城市群土地利用变化研究［Ｄ］．北京：北京林业大学，２０１９：１３．［１７］常小燕，刁海亭，邓琦，等．基于灰色马尔可夫模型的耕地需求量预测［Ｊ］．黑龙江农业科学，２０２０（２）：１０７－１１２．［１８］贾俊霞．基于改进灰色马尔可夫链的伊犁州ＧＤＰ实证分析与预测［Ｄ］．伊宁：伊犁师范大学，２０２１：２０－２１．［１９］仝德，周心灿，龚咏喜．基于大数据的上海市共享汽车出行模式研究［Ｊ］．地理科学进展，２０２１，４０（１２）：２０３５－２０４７．［２０］陈兵飞．基于ＦＬＵＳ模型的万州区土地利用变化模拟及土地利用结构优化研究［Ｄ］．重庆：西南大学，２０２０．［２１］王雪然，潘佩佩，王晓旭，等．基于ＧｅｏＳＯＳ－ＦＬＵＳ模型的河北省土地利用景观格局模拟［Ｊ］．江苏农业学报，２０２１，３７（３）：６６７－６７５．［２２］ＬＩＵＸＰ，ＬＩＡＮＧＸ，ＬＩＸ，ｅｔａｌ．Ａｆｕｔｕｒｅｌａｎｄｕｓｅｓｉｍｕｌａｔｉｏｎｍｏｄｅｌ（ＦＬＵＳ）ｆｏｒｓｉｍｕｌａｔｉｎｇｍｕｌｔｉｐｌｅｌａｎｄｕｓｅｓｃｅｎａｒｉｏｓｂｙｃｏｕｐｌｉｎｇｈｕｍａｎａｎｄｎａｔｕｒａｌｅｆｆｅｃｔｓ［Ｊ］．Ｌａｎｄｓｃａｐｅａｎｄｕｒｂａｎｐｌａｎｎｉｎｇ，２０１７，１６８：９４－１１６．［２３］王保盛，廖江福，祝薇，等．基于历史情景的ＦＬＵＳ模型邻域权重设置：以闽三角城市群２０３０年土地利用模拟为例［Ｊ］．生态学报，２０１９，３９（１２）：４２８４－４２９８．［２４］叶欣．基于改进案例推理模型的矿业城市空间格局演变驱动力分析与模拟［Ｄ］．哈尔滨：哈尔滨师范大学，２０２１：６６．８㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２３年。
IDRISI中CA-MARKOV操作步骤
1、数据格式转换用IDRISI的import功能，可以导入ESRI的文件格式，由于IDRISI有自己的矢量和栅格文件格式，所以如果ESRI文件是矢量的，要通过import转成idrisi 的矢量文件格式，如果ESRI文件是栅格的，要在Arcgis下转成ASCII格式，然后通过import转成idrisi的格式的栅格文件。
注意：shp文件不能导入所有属性字段，只导入ID字段。
如果希望导入一个土地利用类型图，应该将土地利用类型编码的字段设置为ID字段，土地利用类型分类号用1，2，3……表示；因此，最好先在ArcGIS中将shp文件转换为栅格文件.img 。
ArcGIS中的数据格式转换1）SHP 文件转为RASTER 文件SHP 文件转为RASTER 文件可在spatial analyst 中进行，也可以在arctoolbox 中，分类的字段为土地利用类型，栅格大小的设置根据研究区的面积和CA-MARKOV 模型运行的速度自行设置，如100m*100m。
或2）RASTER 文件转ASCII 文件在IDRISI 中ArcGIS的raster 格式转为IDRISI 的raster 格式时，需要用到ArcGIS的ASCII 文件进行转换，因此在ArcGIS中先将raster 文件转为ASCII 文件。
此项工作是在arctoolbox 中进行的。
IDRISI 中数据格式的转换在IDRISI 中将ASCII 文件转为IDRISI 的raster 文件。
点击output reference information,选择投影参数：比如，原来文件是utm zone 50n 的，就要选这样的参数文件。
2、重分类转换后的栅格有属性值的其值是土地利用类型的编码，没有属性值的其值是默认的-9999，这在下一步的运行中会出错，因此要进行重分类，将-9999转换为0。
步骤是GIS Analysis——Database query——reclass，点击Use .RCL file按钮导入编写好的.RCL文件即可。
基于CA-Markov模型的天津滨海新区土地利用变化模拟
基于CA-Markov模型的天津滨海新区土地利用变化模拟李贤江;石淑芹;蔡为民;曹玉青【期刊名称】《广西师范大学学报（自然科学版）》【年(卷),期】2018(036)003【摘要】本文基于天津滨海新区2005、2010 和2015 年3 期土地利用数据,运用动态度等模型定量化分析了研究区内土地利用的变化情况.通过CA-Markov模型合理预测了研究区未来的土地利用格局,并将 2015 年模拟数据与 2015 年实际解译数据进行精度检验,根据扩展的kappa指数可知2 个图层间的一致性程度较高,说明模拟的精度较好.进而对2025 年的土地利用格局进行了模拟预测,结果表明:与2005—2015 年相比,2015—2025 年研究区内的土地利用类型主要以水域、城乡工矿居民用地和耕地为主;其中城乡工矿居民用地在原来的基础上将继续向外扩展,水域的面积将持续增加,林地、草地和未利用地的面积将持续减少,耕地面积将持续大幅度减少;土地利用的变化幅度较大.这表明研究区未来的土地利用压力将进一步加大,应提前做好相关应对措施.本文研究可为天津滨海新区未来的土地利用规划提供相关参考.%Based on the land use data of 2005,2010 and 2015 in Tianjin Binhai New Area,this paper quantitatively analyzes the change of land use in the study area by using the dynamic degree model.The CA-Markov model is used to predict the future land use pattern of the study area,and the simulation data of 2015 and the actual interpretation data in 2015 are verified.According to the extended kappa index,the consistency between the two layers is high,indicating that the simulation accuracy is better. And then the land use pattern in 2025 was simulated and predicted,the resultsare as follows:compared with the period from 2005 to 2015,the land use types in the study area during the 2015―2025 period are mainly based on the waters,urban and rural mining and residential land and cultivated land.The area of urban and rural industrial and mining residents will continue to expand on the basis of the original,the area of water will continue to increase,the area of woodland,grassland and unused land will continue to decrease,the area of cultivated land will continue to decrease significantly,and land use change is larger. This indicates that the future land use pressure of the study area will be further increased,which indicates that relevant response should be done in advance.This study provides the relevant basis for the future land use planning of Tianjin Binhai New Area.【总页数】11页(P133-143)【作者】李贤江;石淑芹;蔡为民;曹玉青【作者单位】天津工业大学管理学院,天津 300387;天津工业大学管理学院,天津300387;天津工业大学管理学院,天津 300387;天津工业大学管理学院,天津300387【正文语种】中文【中图分类】F301.2【相关文献】1.基于CLUE-S模型的天津滨海新区土地利用变化情景模拟 [J], 李娜;张丽;闫冬梅;张增祥;杨林平2.基于CA-Markov模型的河北坝上沙化区土地利用变化动态模拟研究 [J], 彭博; 范慧涛; 牛庆花; 郭宇嘉; 谷建才3.基于改进CA-Markov模型的山地城市边缘区土地利用变化模拟 [J], 王兆林;牙升业;蒲海霞;Mofakkarul Islam;欧玲4.基于CA-Markov模型的巴南区土地利用变化模拟预测研究 [J], 冉玉菊5.基于改进CA-Markov模型的滹沱河流域山区段土地利用变化模拟及预测 [J], 席梅竹;赵中秋;吴攀升;赵颖丽因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
地利用类型 面积 变化也不 大， 中， 其 耕地 、 林地和城 乡建设用地面积将 略有增加 ， 而草地 、 水域 面积将有所 减 区内生 态环境将 可能进一 步呈 恶化趋 势。 研
关 键 词 ： Ａ—Ｍ ￣ｏ 模 型 ； 地 利 用／ 盖 ； 地 利 用 结 构 ； 态模 拟 Ｃ ａ ｖ 土 覆 土 动
究
于 涛 沈 浩 仲 嘉 亮 １ ， ， （． 新疆克 孜勒苏 克 治州 境监测站， 阿图 ８ ３ ； 柯尔 孜自 环 新疆 什 ４５ ２ ５０
新 疆环境 监 测总站 ， 乌鲁 木 齐 ８０１） ３０ １
摘 要 ： 用 “Ｓ技 术及 ＩＲＳ 软 件 中 的 Ｃ 利 ３” Ｄ ＩＩ Ａ—Ｍａ ｏ 模 型 ， ２０ ｒｖ ｋ 以 ０ ５年 为 起 始 时 刻 ， 新 疆 克 州 ２ １ 土 地 利 用 格 局 进 行 模 拟 预 对 ０５年 测 。研 究 认 为 ： 究 区土 地 利 用覆 盖 结 构 呈 现 “ 大 、 小 ” 研 两 四 的特 点 ， ： 地 及 未利 用 土 地 面积 大 ， 耕 地 、 地 、 即 草 而 林 水域 及 城 乡居 民 工矿 建 设 用地 面积 较 小 ； ２０ 年 相 比 ， 拟 的 ２ １ 研 究 区土 地 利 用结 构 变化 不 大 ， 然 是 以 草 地 和 未 利 用 地 面积 为 主 ， 土 与 ０５ 模 ０５年 仍 各
Ｍ ａ ｋ ｖ Ｍ ｏ １ ＹＵ ｏ Ｓ ｒ ｏ ｄｅ ． Ｔａ Ｉ ＨＥＮ ｎ２
， ，
Ａ ｔｎ ｍｏ ｓＰ ｅｅｔｒ ｉｊ ｎ ａｅｏ Ａ— ｕｏ ｏ ｕ ｒｆ ｕｅＸ ｎｉ ｇＢ ｓ ｎＣ ｃ ａ
Ｚ Ｏ Ｇ Ｊ —ｌ Ｈ Ｎ ｉ ｉ ａ
（ ． ｉｌ ｉ ｕ ｎｍ ｕ ｒ ｅｔ ｅＥ ｖ ｏｍ ｎ ｌ ｏｉ １ Ｋｚ ｓ Ｋ ｚＡ ｔ ｏ ｏ ｓ ｅ ｃ ｒ ｎｉ ｎ ｅ ｔ ｎ— ｉｕ ｏ Ｐ ｆ ｕ ｒ ａＭ
ｊｎ ．ｈ ｓ ｒ ｏｓ ｅ ａ： ｄｕｉｚｔ ｎｏ ｓａ ｈｎ ｇ ｎ ｔ ｒｃ ｒ ａｐａ ｈｒｃ ｒ ｏ ‘ｗ ｉ ｅ ｄ ｉ ｇ ３ ｅｒ ｅ ｃ ｃｎｉ ｒ ｔ ｔｌ ｔｉ ｉ ｆ ｅ ｒ ｉｇｒ ｉ ， ｅｓｕ ｔ ｅ ｐｅｒ ｃａ ｔ ｆ‘ ｏｂｇ ｒａ ａ ｅａ ｈ ｄ ｓｈ ｎ ａ ｌ ｏ ａ ｒｅ ｃ ｅｏ ｈ ｔ ｕ ｓ ａｅ ｓ ｔ ｇ ｎ
ｔ ｎ ｔ ｉ 。ｉｊ ｎ ｔ ５ ５ ； ． ｉ ｉ ｇＥ ｖ ｏｍ ｎａ Ｍｏｉ ｒ ｇＣ ｎｅ， ｒｍ ｉ ３０ ，ｈｎ ） Ｅ ｖ ｏｍ ｎ ｌ ｏ ｇ ａ ｏ Ｘｎｉ ｇ ｕ ８ ３ ０ ２ Ｘｎ ａ ｎｉ ｎ ｅｔ ｎｔ ｎ ｅｔ Ｕ ｕ ｑ ０ １ Ｃ ｉ ． ｎｉ ｎ ｅｔ ｉ ｔ Ｓ ｔｎ ａ Ａ ｘ４ ｊｎ ｒ ｌ ｏ ｉ ｒ ８ １ ａ ｒ ａ Ｐｏ ｃ ｏ ｆ ｉ ｉ ｇ２０ ，０ １ ：１ ４ ｒ ｅｔ ｎｏ Ｘｎ ａ ０ ８ ３ （ ） １ ～１ ｔ ｉ ｊｎ
中 图分 类 号 ：８ Ｘ７ 文献标识码 ： Ａ 文 章 编 号 ：０ ８ ３ １２ ０ ）１ ０ １ —０ １０ —２０ （０８０ — ０ １ ４
Ｉ ｌ￣ ＣＡ ａｏ ｕ ｅｅｒｈ ｏ ａ ｄＵ ｉｚｔ ｎｏ ｚ － Ｋ ）ｉ ｙ ｌ ｎ ｌｇ ｅＲ ｓａｃ ｆ ｎ ｔｉ ｉ ｆ ｉｕ Ｌ ｌａ ｏ ＫｉＫ
Ａｂ ｔ ａ ｔ Ｕｔｌ ｉｇ“ Ｓ ｅ ｈ ｏｏ ｙａ ｄ ＣＡ — Ｍａ ｋ ｖｍｏ ｅ ｎ Ｉ ＳＩｓｆｗａｅ，ａ ｉ ｅ ｒｏ ０ ５ ａ ｎｔａ ｉ ｓｒ ｃ ： ｉ ｚｎ ３ ”ｔｃ ｎ ｌｇ ｎ ｉ ｒ ｏ ｄ ｌ ＤＲＩ ｏｔ ｒ ｔｋｎｇｙ ａ ｆ ０ ｓｉ ｉ ｌｔ ｉ ２ ｉ ｍｅ，ｈ ｉ ｔ ｅｗｒｔ — ｅ ａ ｒ ｎ ａ ａ ｏ ｕ ｏｅ ａ ｔ ｇ ｏ ｅ ｒ ｆｒ２ ５ ｌｎ ｔｌ ａｉｎ ａｒｇ ｍｅ ｔｏ ｉｉｓ ｉ ｉ ｔｎ ｍｏ ｓ Ｐ ｅｅ ｔｒ ｎ ｓ ｒ ｃ ｒｙ ｏ ｎ ｌｇ ｅ ｆｒ ｃ ｉ ｆｙ ａ ｏ ０１ ａ ｄ ｕ ｉ ｚ ｔ ｒａ ｅ ｎ ｆｋ ｚｌｕ ｋｒ ｚ Ａｕｏ ｏ ｕ ｒｆｃｕ ｅ Ｘｉ — Ｓ ｎ ｉ ｏ ｇ
维普资讯
新疆环境保护 ２０ ，０ １ ：１ ４ ０ ８３ （ ） １ ～１
Ｅ ｖｏｍ ｎａ Ｐｏ ｃｏ ｆ ｉ ｉ ｇ ｎｉ ｎ ｅｔ ｒｔ ｔｎｏ Ｘｎ ａ ｒ ｌ ｅｉ ｊｎ
基于 Ｃ Ａ—Ｍａｋｖ模 型 的 新 疆 克 州 土 地 利 用 动 态 模 拟 研 ｒｏ
ｆｕ ｍａｌ ｔ ａ ｒ ｒｓｌ ｄ ａ ｄ ｕ ｏ ｒｓ ｌ”， ｔａｅ ｇａ ｓａ ｎ—ｕ ｉ ｚ ｔ ｎ ｌｎ ｅｎ ｇ ｅ ， ｕ ｕｔｖ ｔｄ ｌｎ ｆｒｓ ａ ｄ，ｗａｅ ｄ ｕ ｅ ｌ ｄ ｏ ｈ ｎ ｎ ｔ ｉ ｉ ａ ｄ ｂ ｉ ｇｂｉ ｒ ｂ ｔｃ ｌｉａｅ ａ ｄ，ｏ ｅ ｔｌ ｌａ ｏ ｎ ｔｒ ａ ｓ ａ ｆ ｓｎ ｎ ｕ ｂ ｄ ｒ ｒｌｒ ｓｄ ｎ ｓａ ｄ ｉｄ ｓｒａ ｄ ｍｉｉ ｇ ｃ ｎ ｔｕ ｔ ｎ ａｅ ｅｎ ｍａｌｒ Ａｓｃ ｍｐ ｒ ｔ ０ ５， ａｏ ｕ ｆｌｎ ｒ ａ ａ ｕ ａ ｅ ｉｅ ｔ ｎ ｕ ｔ ｌ ａ ｎｎ ｏ ｓｒ ｃ ｏ ｒａ ｂ ｉｇｓ ｌｅ ； ｏ ａｅ ｗｉ ２ ０ ａ ｌ ｇ ｅｏ ｄ ｎ ｎ ｎ ｉ ｎ ｉ ｈ ｎ ａ ｕ ｉｚ ｔ ｎ ｓｒ ｃｕ ｅ ｏ ｓ ａ ｃ ｉ ｅ ｉｎ ｉ ０１ ｏ ｓ ｎ ｔｃ ａ ｇ ｓ ｌ ｔｋ ｓ ｇ ａ ｓａ ｄ ａ ｄ ｔ ｔ ａ ｉ ｔｕ ｔｒ ｆｒ ｅ ｒ ｈｎ ｒ ｇｏ ｎ ２ ５ ｄ ｅ ｏ ｈ ｎ ｅ， ｔ ｌ ａ ｅ ｒｓ ｌ ｉ ｉ ｌ ｏ ｅ ｇ ｉ ｎ ｎ ｎ— ｕ ｌ ａｉｎ ａｅ ｓ ｍａｎ， ｉ ｚ ｏ ｔ ｉ ｔ ｒａ ａ ｉ ｅ ｃ ｙ ｅ ａｅ ｆ ｌ ｄ ｕ ｉｉ ｔ ｎ ｃ ａ ｇ ｓ ｓ ｌｌ ｉｃｕ ｉｇ ａｅ ｆｃ ｌ ｖ ｔｄ ｌ ｄ，ｏｅ ｔｌ ｄ ａ ｄ ｔｗｎ ａ ｄ ｃ ｕｎｒ ｏ ａ ｈ ｔｐ ｒａ ｏ ａ ｔ ｚ ｉ ｈ ｎ ｌａ ｏ ｎ ｅ ｍａ ｙ，ｎ ｌｄ ｎ ｒａ ｏ ｕｔ ａｅ ａ ｉ ｎ ｆｒ ｓ ａ ｏ ｎ ｎ ｎ ｏ ｔ ｃ ｎ— ｙ ｓｒ ｃ ｖ ｓ ａ ｄ ｉｃ ｅ ｓ ｒｌｔ ｅ， ｕ ｒｓ ｌ ｄ ｗａｅ ｒａ ｗ ｌ ｂ ｅ ｒ ａ ｅ ａ ｄ ｔ ｔｕ ｔ ｅ ｕ ｅ ｌｎ ｎ ｒ ａ ｅ ｔ ｂ ｔｇａ ｓｎ ｔｒ ａ ｅ ｌｅ ｄ ｃｅ ｓ ｉ ｕ ｌｚ ｔ ｎ ｌ ｄ ａｅ ｌ ｂ ｎ ｒ ａ ｅ， ｉ ｉｌ ｓ ｉ ｎ ｎ— ｔ ｉ ｉ ａ ｒ ａ ｗ ｌ ｅ ｉｃｅ ｓ ｉ ａ ｏ ｎ ｉ