基于GIS與CA—Markov的吉林西部土地覆被演變及預(yù)測

劉家福+王鑫全+韓程+李林峰

摘要：為探究吉林西部地區(qū)土地利用類型演變規(guī)律，選取1987年、2000年、2013年3期專題制圖儀（TM）影像為數(shù)據(jù)源，分析2000—2013年吉林西部地區(qū)土地利用類型覆被演變；運用CA-Markov模型模擬2013年預(yù)測數(shù)據(jù)，與解譯數(shù)據(jù)進行模型驗證，整體kappa系數(shù)為76.3%，模擬精度較高；并基于2000年、2013年解譯數(shù)據(jù)，模擬預(yù)測了2026年和2039年研究區(qū)土地利用格局，對各時段土地動態(tài)度進行對比分析。結(jié)果表明，吉林西部地區(qū)土地利用以旱田為主，占研究區(qū)總面積50%以上；在2000—2013年年間，水田、居民工礦用地和交通用地面積增加明顯，林地和沼澤地面積減幅較大，其中面積增加最多的是水田；2013—2039年土地類型大體保持2000—2013年的演變趨勢，即隨著人類活動加強，居民及工礦用地、水田面積持續(xù)快速增加，林地和沼澤地面積不斷減少，吉林西部土地利用結(jié)構(gòu)正在發(fā)生改變，生態(tài)保護形勢不容樂觀。

關(guān)鍵詞：CA-Markov模型；吉林西部；土地利用；模擬預(yù)測

中圖分類號： F323.211；S127 文獻標志碼： A 文章編號：1002-1302（2017）20-0249-05

近年來，隨著社會經(jīng)濟的快速發(fā)展和全球氣候變化的不穩(wěn)定，人地關(guān)系矛盾日益突出，正在加速的土地利用類型變化或土地覆蓋類型變化會對區(qū)域內(nèi)自然生態(tài)環(huán)境和社會經(jīng)濟環(huán)境產(chǎn)生一系列影響，因此土地利用類型變化的研究愈發(fā)重要[1-3]。土地利用類型變化的研究通過對土地利用格局的動態(tài)模擬，重建了過去某一時段內(nèi)土地覆被所發(fā)生的系列變化，并對未來土地利用類型可能發(fā)生的變化趨勢作出科學(xué)合理的預(yù)測，可為生態(tài)環(huán)境保護和區(qū)域可持續(xù)發(fā)展提供科學(xué)的決策依據(jù)，成為國際研究最熱門的領(lǐng)域之一[4-6]。

目前，Markov模型在土地利用模擬預(yù)測中被廣泛應(yīng)用，CA模型則多被應(yīng)用于森林防護、水土保持、災(zāi)害預(yù)測等領(lǐng)域，一般在應(yīng)用時多采用與其他方法相結(jié)合的方式[7-10]。將CA與Markov模型相結(jié)合應(yīng)用于土地利用類型分析與預(yù)測可保留Markov模型長期預(yù)測的優(yōu)勢，同時結(jié)合了CA模擬空間復(fù)雜狀態(tài)的功能，可有效模擬土地利用變化。吉林西部地區(qū)位于農(nóng)牧業(yè)交錯地帶，生態(tài)環(huán)境脆弱，土地利用類型復(fù)雜多樣，人類活動對生態(tài)環(huán)境產(chǎn)生了重要影響，在分析與預(yù)測吉林西部土地覆被結(jié)構(gòu)與變化特點時引入CA-Markov模型，可有效揭示未來土地利用類型的變化特點與趨勢，為地區(qū)土地利用可持續(xù)發(fā)展提供重要參考依據(jù)。

1 研究區(qū)概況

吉林西部地區(qū)總面積4.689萬km2，占全省土地面積約27.2%，地理坐標為121°38′～126°11′E，43°15′～46°18′N，行政區(qū)劃包括白城市和松原市。該區(qū)位于松嫩平原南部，地處農(nóng)牧交錯地帶，海拔為150～200 m，地勢平坦低平，大部分地區(qū)為平原，該地區(qū)屬于溫帶半干旱半濕潤季風氣候區(qū)，四季分明，全年溫度變化較大，春秋多風少雨，冬季嚴寒少雪，雨熱同期，年平均降水量350～500 mm，河流稀少。吉林西部地區(qū)是省內(nèi)重要的農(nóng)、牧業(yè)生產(chǎn)基地和能源生成基地，近年來伴隨著經(jīng)濟發(fā)展與區(qū)域開發(fā)，水域面積不斷減少，濕地退化與草場退化十分嚴重，對當?shù)氐陌l(fā)展造成嚴重的挑戰(zhàn)。

2 研究方法

2.1 數(shù)據(jù)來源及預(yù)處理

選取吉林西部地區(qū)1987年、2000年和2013年LANDSAT TM影像為數(shù)據(jù)源，圖像空間分辨率為30 m×30 m。使用ERDAS遙感影像處理軟件對TM3、TM4、TM5 3個波段進行假彩色合成和圖像增強處理，以1 ∶ 100 000基礎(chǔ)地理數(shù)據(jù)為參照圖，對TM影像進行精校正，將遙感圖像與地形圖配準，其校正精度小于1個像元，滿足研究所需。土地利用分類參照國際地圈生物圈計劃（international geosphere-biosphere program，IGBP）的同土地利用/土地覆蓋變化（LUCC）分類，將研究區(qū)土地利用類型分為草地、灌木林地、旱田、交通用地、居民及工礦用地、裸地、沙地、水田、水域、鹽堿地、有林地和沼澤地12種類型。在此基礎(chǔ)上利用地理信息系統(tǒng)（GIS）軟件，采用非監(jiān)督分類方法并結(jié)合目視判讀對2期TM圖像進行土地利用類型解譯，最終得到1987年、2000年和2013年3期土地利用數(shù)據(jù)圖。

2.2 CA-Markov模型

在空間動態(tài)演變模擬上，CA在模擬區(qū)域復(fù)雜的狀態(tài)時空演變上有明顯的優(yōu)勢，而Markov模型在土地利用類型演變數(shù)量的模擬預(yù)測上優(yōu)勢明顯，將CA模型與Markov模型相結(jié)合，各取其長，充分保證了土地利用類型模擬與預(yù)測的精度和可信度[11-13]。具體方法如下：（1）確定轉(zhuǎn)換規(guī)則?？稍贛arkov模型中疊加2000年和2013年基礎(chǔ)解譯數(shù)據(jù)，生成轉(zhuǎn)移矩陣，轉(zhuǎn)移面積矩陣反映各土地類型轉(zhuǎn)變?yōu)槠渌恋乩妙愋偷拿娣e，轉(zhuǎn)移概率矩陣反映了各個土地利用類型轉(zhuǎn)變?yōu)槠渌愋偷母怕剩ū?）。轉(zhuǎn)移矩陣用來預(yù)測下一個時期具體土地類型變化情況。（2）創(chuàng)建適宜性圖集。土地利用適宜性圖集表示一種土地利用類型轉(zhuǎn)換為另一種的可能性，也叫條件概率圖像。研究區(qū)土地變化主要受到高程、坡度、交通以及政策等要素影響，通過GIS疊置分析，創(chuàng)建適宜性圖像集。（3）確定CA濾波器和迭代次數(shù)。CA濾波器采用較為常用的5×5濾波器，即1個元胞受周圍24個元胞狀態(tài)顯著影響。以2013年為起始年份，迭代次數(shù)分別選擇13，預(yù)測得到吉林西部2026年土地利用數(shù)據(jù)圖，再以2026年為起始年份，預(yù)測得到2039年土地利用數(shù)據(jù)圖。

3 結(jié)果與分析

3.1 2000—2013年土地利用特征及變化分析

利用GIS軟件統(tǒng)計2000年和2013年各類型土地面積和所占比例，結(jié)合圖1分析可知，2000—2013年在研究區(qū)主要呈現(xiàn)出小圖斑不斷聚集或被吞并，大圖斑不斷發(fā)展擴張的趨勢，表現(xiàn)最為明顯的是研究區(qū)西部的水田，水田斑塊由小聚大，快速發(fā)展且吞并侵蝕周邊其他土地類型；吉林西部地區(qū)土地利用以旱田、草地為主，兩者面積總和占總面積約70%，沙地、居民用地、裸地和灌木林地面積較少；林地集中分布區(qū)與增長區(qū)主要在西部靠近大興安嶺一帶，在其他地區(qū)分布較少，且不斷減少；草地分布廣泛，除東北部地區(qū)分布較少之外，其他地區(qū)均有分布，且斑塊破碎度較大；居民及工礦用地斑塊較小，除少數(shù)地區(qū)較集中外，主要呈散點狀分布在整個研究區(qū)，居民及工礦用地大多數(shù)是在原有居民點的基礎(chǔ)上進行擴張的；水田呈片狀分布于研究區(qū)西部、北部和中北部地區(qū)，且靠近居民用地；鹽堿地面積較大且分布廣泛，主要分布在中部及中北部地區(qū)，但總面積在減少，這要得益于吉林省多年以來在鹽堿地治理上的投入。endprint

2000—2013年，各類土地利用類型中，居民用地、水田和交通用地增加較明顯，其中水田增加幅度最大，增加了2017%，面積增加51 928 hm2，居民及工礦用地增加了655%，水田與居民及工礦用地的增加主要是由于人口的膨脹導(dǎo)致糧食需求量大增，使人們加大了對濕地以及未利用土地的開發(fā)利用度，此外，也與我國以經(jīng)濟建設(shè)為中心的背景環(huán)境緊密相關(guān)。交通用地增加了15.79%，增加面積為 3 516 hm2，交通用地面積增加印證了吉林西部經(jīng)濟活動的加強。面積減少最明顯的土地類型是沼澤地、鹽堿地和有林地，三者面積分別減少142 021、27 901、7 716 hm2，減幅分別為41.87%、15.51%、3.29%，沼澤地和有林地面積的減少是吉林西部地區(qū)環(huán)境惡化最直觀的表現(xiàn)。占研究區(qū)總面積5772%的旱田面積變化幅度較小，基本上處于動態(tài)平衡中。

3.2 2026年與2039年土地利用分布模擬與預(yù)測

3.2.1 模型精度檢驗 對于CA-Markov模型檢驗常采用逐點對比或隨機驗證的方法，隨機驗證是在研究區(qū)內(nèi)提取一定數(shù)量的樣本，然后對比原始數(shù)據(jù)進行精度評價，誤差較大，適用于大范圍模擬。如果研究區(qū)域面積不大，適合采取逐點比較的方法，kappa指數(shù)一般用來評價遙感數(shù)據(jù)的分類精度，分析2個圖件的相似性，從空間位置和數(shù)量角度，定量闡明景觀變化過程綜合信息變化。

利用1987年和2000年數(shù)據(jù)在CA-Markov模型中模擬預(yù)測2013年土地利用類型圖，將2013年土地利用模擬預(yù)測圖與實際解譯的2013年土地利用圖像在GIS軟件中進行疊加對比分析，統(tǒng)計得到2013年各類土地利用實際面積、模擬預(yù)測面積和正確模擬的面積，計算得到各類型土地kappa指數(shù)，通過計算，得到總體kappa指數(shù)為76.3%，總體模擬精度較高，滿足研究需要。

3.2.2 土地利用分布預(yù)測 由圖1、圖2可知，2013—2039年間，研究區(qū)小圖斑進一步聚集和被吞并，大圖斑更快速地擴張和發(fā)展，具體表現(xiàn)為水田和居民工礦用地在各區(qū)域快速擴張，與此對應(yīng)的是各區(qū)旱田、林地和沼澤地面積的減少，同時，水田大面積發(fā)展的地區(qū)往往是居民區(qū)聚集的地區(qū)，這顯示出人口發(fā)展對耕地的需求。

用GIS軟件對2013年土地利用圖和2026年土地利用圖進行疊加分析，得到2013—2026年土地利用面積轉(zhuǎn)移矩陣（表2），結(jié)合圖2，根據(jù)預(yù)測結(jié)果可知，2013—2026年吉林西部各土地類型發(fā)生了較頻繁的轉(zhuǎn)入與轉(zhuǎn)出，土地利用變化大體保持2000—2013年的變化趨勢，表現(xiàn)為水田和居民及工礦用地面積的快速增加，有林地、沙地、沼澤地和鹽堿地面積的減少，草地和灌木林地面積相對穩(wěn)定。對比2026年和2013年土地格局數(shù)據(jù)可知，其中，凈增面積比例最大的是水田，單一動態(tài)度為4.4%，凈增面積為177 059 hm2，大面積旱田、草地、沼澤和水域轉(zhuǎn)為水田，轉(zhuǎn)移面積分別為161 377、14 512、4 970、1 699 hm2；居民及工礦用地凈增面積27 669 hm2，單一動態(tài)度1.21%，增幅明顯，水田大面積發(fā)展的地區(qū)往往是居民區(qū)聚集的地區(qū)，這顯示出人口發(fā)展對耕地的需求；面積減少較明顯的是沼澤、鹽堿地、旱田、沙地，減少面積分別為 38 223、24 802、150 874、1 486 hm2，其中有161 377 hm2旱田轉(zhuǎn)變?yōu)樗铮?4 394 hm2旱田轉(zhuǎn)變?yōu)榫用窦肮さV用地，是旱田的主要轉(zhuǎn)出形式；沼澤地減幅高達19.39%，共有38 105 hm2沼澤地轉(zhuǎn)變?yōu)楹堤铩⑺锖退?，是沼澤地主要轉(zhuǎn)出土地類型，以上數(shù)據(jù)表現(xiàn)出較嚴重的沼澤地退化現(xiàn)象；水田的快速擴張以及居民工礦用地的擴展體現(xiàn)了研究區(qū)人口與經(jīng)濟的發(fā)展，這對維護研究區(qū)生態(tài)平衡至關(guān)重要的沼澤地、林地和草地已經(jīng)構(gòu)成威脅。吉林省作為農(nóng)牧業(yè)大省，近年來對農(nóng)牧業(yè)收入的追求將導(dǎo)致水田的大面積增長及林地資源的不合理開發(fā)與利用，而忽略了由此導(dǎo)致的沼澤地、林地、草地面積的減少，這一整體趨勢將對吉林西部可持續(xù)發(fā)展構(gòu)成威脅。

到2039年，水田面積持續(xù)增加，將是2000年的3.27倍，達到841 749 hm2，占研究區(qū)總面積17.92%，僅次于旱田，除西南地區(qū)外，水田在研究區(qū)其他地區(qū)都有大面積分布，相比2000年和2013年，研究區(qū)整體土地利用結(jié)構(gòu)在一定程度上已發(fā)生改變；居民用地散布在整個研究區(qū)，并在原有基礎(chǔ)上不斷擴張，相當于2000年居民用地面積的1.38倍，沼澤地只剩下120 053 hm2，相當于2000年沼澤地面積的35.39%，吉林西部地區(qū)長期以來不合理的土地利用狀態(tài)與發(fā)展趨勢所造成的后果將在這一時段表現(xiàn)得更加明顯。

就土地利用類型動態(tài)度來看，絕對值越大，則該類型土地在研究時段內(nèi)變化幅度越大，趨近于0則變化越小。由表3可得，在2000—2039年3組土地單一動態(tài)度數(shù)據(jù)對比中，水田的動態(tài)度絕對值最大，分別為1.55%、4.40%、5.62%，說明水田變化幅度最大，增加幅度最大，且增加幅度逐年加大；裸地和沙地動態(tài)度絕對值較大，裸地單一動態(tài)度分別為130%、-1.53%、-1.98%，沙地單一動態(tài)度分別為 -1.63%、-1.36%、-1.41%，裸地和沙地動態(tài)度變化較大的原因是沙地總面積小而分散，更容易發(fā)生變動，沼澤地動態(tài)度分別為-3.22%、-1.49%、-1.88%，沼澤地總體減幅仍然較大；居民及工礦用地的單一動態(tài)度分別為0.50%、121%、090%，總體呈逐年增大趨勢，表現(xiàn)出居民用地擴張速度加快，人類活動的痕跡不斷加劇。此外，在綜合土地利用動態(tài)度對比中，以13年為1個時間段，根據(jù)各階段土地利用轉(zhuǎn)移矩陣統(tǒng)計，2000—2039年綜合土地利用動態(tài)度分別為033%、0.26%、0.55%，表明2026—2039年總體參與變化的土地面積最大，2000—2013年次之，2013—2026年參與變化的面積最少，體現(xiàn)出吉林西部地區(qū)土地利用總體變化逐漸趨向劇烈。endprint

4 結(jié)論與討論

受氣候變化與人類活動影響，土地利用結(jié)構(gòu)發(fā)生很大變化，本研究以吉林西部地區(qū)為例，分析了2000年和2013年不同時期研究區(qū)土地利用類型的格局與變化，并以此為基礎(chǔ)，利用CA-Markov模型模擬預(yù)測研究區(qū)2026年和2039年土地利用類型狀況。結(jié)果表明：（1）吉林西部地區(qū)土地利用類型以旱田為主，旱田面積占研究區(qū)總面積50%以上，其次為草地和水田，其他各土地利用類型所占份額均較小，體現(xiàn)出研究區(qū)以農(nóng)牧業(yè)為主的社會基礎(chǔ)生產(chǎn)方式，這也符合吉林省作為農(nóng)牧業(yè)發(fā)展大省的身份。（2）不同土地利用類型之間的轉(zhuǎn)化較為復(fù)雜，但主要集中在草地、水田、旱田和鹽堿地4種類型之間，具體表現(xiàn)為草地—水田、草地—旱田、旱田—水田、水域—鹽堿地、鹽堿地—草地、沼澤地—水域、沼澤地—旱田。這些轉(zhuǎn)化與人類活動、生態(tài)環(huán)境變化及環(huán)境治理政策關(guān)系密切。（3）根據(jù)預(yù)測，在2013—2039年間，吉林西部地區(qū)長期以來堅持的沙地、鹽堿地治理與林地保護原則已顯現(xiàn)成效，沙地變化趨于穩(wěn)定，鹽堿地面積也有所減少，轉(zhuǎn)變?yōu)椴莸睾秃堤铮@些變化對于吉林西部地區(qū)環(huán)境保護具有積極的影響，但是，仍有較大面積水域轉(zhuǎn)變?yōu)辂}堿地，表現(xiàn)出土地資源利用不合理，土地鹽堿化現(xiàn)象依舊普遍；旱田與林地的大面積相互轉(zhuǎn)換揭示了林地資源呈現(xiàn)邊保護邊破壞的格局，且林地總面積依然較少，林地資源保護與恢復(fù)需要受到足夠重視。（4）吉林西部未來人地關(guān)系矛盾將更加突出。居民用地與水田面積持續(xù)增長，到2039年，水田面積將超越草地，成為僅次于旱田的第二大土地類型，吉林西部基本土地格局將發(fā)生改變，這驗證了研究區(qū)城鎮(zhèn)的發(fā)展與人類活動的加劇，人類活動對水資源及土壤資源的需求將直接或間接導(dǎo)致濕地面積持續(xù)減少，表現(xiàn)出濕地退化現(xiàn)象；水資源的過度開發(fā)和土地利用的不合理使草地面持續(xù)劇減少，較大面積的草地轉(zhuǎn)變?yōu)樗锖秃堤?，草地退化現(xiàn)象十分嚴重，而濕地、草地及林地的退化又直接或間接影響研究區(qū)農(nóng)牧業(yè)收入，這將造成整個研究區(qū)人地關(guān)系的惡性循環(huán)與人地矛盾不斷加劇。

總體而言，農(nóng)牧交錯帶脆弱的生態(tài)環(huán)境對人類活動的反應(yīng)十分敏感，吉林西部地區(qū)土地利用改善的幅度趕不上惡化的速度，照此趨勢發(fā)展，吉林西部地區(qū)土地利用狀況將更加嚴峻。一方面，全球氣候變暖使得氣候變化趨向不穩(wěn)定，增加了農(nóng)牧業(yè)交錯地帶土地自然變化的不穩(wěn)定性；另一方面，人類活動在研究區(qū)逐年加強，不合理的利用將造成包括草地退化、濕地退化和土壤鹽堿化等一系列環(huán)境問題。

CA-Markov模型在土地利用類型變化研究中具有較高可信度，然而土地利用類型的模擬與預(yù)測要受到自然因素、人為因素、數(shù)據(jù)精度以及模型本身的影響，這使得土地利用變化研究的精確性容易受到干擾，預(yù)測結(jié)果會存在一定的誤差和不確定性，如何完善CA-Markov模型、提高預(yù)測精度仍然需要進一步研究。

參考文獻：

[1]龔文峰，袁 力，范文義. 基于CA-Markov的哈爾濱市土地利用變化及預(yù)測[J]. 農(nóng)業(yè)工程學(xué)報，2012，28（14）：216-222.

[2]何 丹，金鳳君，周 璟. 基于Logistic-CA-Markov的土地利用景觀格局變化——以京津冀都市圈為例[J]. 地理科學(xué)，2011，31（8）：903-910.

[3]郝仕龍，李春靜. 黃土丘陵溝壑區(qū)土地壓力及土地利用模式變化[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（8）：210-217.

[4]汪佳莉，吳國平，范慶亞，等. 基于CA-Markov模型的山東省臨沂市土地利用格局變化研究及預(yù)測[J]. 水土保持研究，2015，22（1）：212-216.

[5]楊 俊，解 鵬，席建超，等. 基于元胞自動機模型的土地利用變化模擬——以大連經(jīng)濟開發(fā)區(qū)為例[J]. 地理學(xué)報，2015，70（3）：461-475.

[6]吳 浩，周 璐，史文中，等. 基于正交試驗設(shè)計的土地利用變化元胞自動機模擬過程的尺度敏感性分析[J]. 地理科學(xué)，2013，33（10）：1252-1258.

[7]陳 凱，劉 凱，柳 林，等. 基于隨機森林的元胞自動機城市擴展模擬——以佛山市為例[J]. 地理科學(xué)進展，2015，34（8）：937-946.

[8]郭 斌，張 莉，文 雯，等. 基于CA-Markov模型的黃土高原南部地區(qū)土地利用動態(tài)模擬[J]. 干旱區(qū)資源與環(huán)境，2014，28（12）：14-18.

[9]徐夢辰. 基于定量模型下的山東省土地利用變化研究[J]. 中國農(nóng)學(xué)通報，2015，31（19）：185-190.

[10]岳耀杰，王靜愛. 沙區(qū)土地利用變化與優(yōu)化研究[M]. 北京：科學(xué)出版社，2011：40-47.

[11]何 丹，周 璟，高 偉，等. 基于CA-Markov模型的滇池流域土地利用變化動態(tài)模擬研究[J]. 北京大學(xué)學(xué)報（自然科學(xué)版），2014，50（6）：1095-1105.

[12]張 麗，楊國范，劉吉平. 1986—2012年撫順市土地利用動態(tài)變化及熱點分析[J]. 地理科學(xué)，2014，34（2）：185-191.

[13]劉 潔，李 宏，馬勇剛. 基于CA-Markov模型的中亞典型城市土地利用變化預(yù)測分析[J]. 水土保持研究，2014，21（3）：51-56.endprint