潘 月，于東升*，王秀虹，徐志超，王璽洋

?

基于CA-Markov模型的土地利用景觀格局預(yù)測研究①

潘 月1,2，于東升1,2*，王秀虹1,2，徐志超1,2，王璽洋1,2

(1 土壤與農(nóng)業(yè)可持續(xù)發(fā)展國家重點實驗室(中國科學(xué)院南京土壤研究所)，南京 210008；2 中國科學(xué)院大學(xué)，北京 100049)

土地利用景觀格局分析及預(yù)測，對平衡經(jīng)濟發(fā)展和生態(tài)保護、實現(xiàn)土地可持續(xù)生態(tài)利用和保護管理具有重要意義。本文以江西省撫州市東鄉(xiāng)縣為例，利用2005年和2015年兩期遙感影像，獲取東鄉(xiāng)縣土地利用類型轉(zhuǎn)化數(shù)據(jù)，結(jié)合景觀生態(tài)學(xué)研究了東鄉(xiāng)縣近10年的土地利用景觀格局變化特征；運用CA-Markov模型對土地利用變化過程進行模擬，預(yù)測和分析了東鄉(xiāng)縣未來10年土地利用景觀格局特征。結(jié)果表明：東鄉(xiāng)縣在過去10年建設(shè)用地、耕地分別增加了71.82、10.76 km2，水域、林地和未利用地相應(yīng)減少，減少幅度順序為未利用地>水域>林地；各景觀斑塊分布均勻，景觀多樣性增加；景觀形狀趨于簡單，相互之間連通性降低、關(guān)系變?nèi)酢Ｈ祟惤?jīng)濟活動及土地利用政策對東鄉(xiāng)縣景觀格局有顯著影響。到2025年東鄉(xiāng)縣建設(shè)用地將增加68.72 km2，水域、林地和未利用地仍將不斷減少，但耕地有所增加；景觀斑塊數(shù)增加，形狀略趨復(fù)雜；景觀異質(zhì)程度提高，有向多樣化、均勻化發(fā)展的變化趨勢?？傮w來說，東鄉(xiāng)縣景觀格局正逐步朝著穩(wěn)定、均勻和多樣的方向發(fā)展，但仍需加大力度保護和增加耕地資源，控制和合理規(guī)劃建設(shè)用地，維持生態(tài)環(huán)境平衡。

景觀格局；景觀指數(shù)；CA-Markov模型；土地利用；紅壤丘陵區(qū)

土地利用景觀格局變化反映了人類在各種經(jīng)濟、社會因素作用下對土地長期和周期性的經(jīng)營管理作用的結(jié)果[1]。通過對土地利用景觀格局的分析及預(yù)測可以直觀地了解土地利用變化的合理性，有助于加深對人-地關(guān)系的理解，了解人類社會影響下生態(tài)環(huán)境的變化趨勢，為制定有效而生態(tài)的土地利用管理策略提供理論支持，更好地平衡經(jīng)濟發(fā)展和生態(tài)保護。

隨著現(xiàn)代學(xué)科交叉與融合，景觀生態(tài)學(xué)在土地利用/覆被變化研究領(lǐng)域中得到快速發(fā)展，利用景觀指數(shù)定量分析和描述土地利用/覆被格局得到廣泛運用[2]。Tang等[3]利用3期遙感影像對大慶市景觀格局進行研究，在20 a間大慶市城市用地大幅度擴張，濕地和林地不斷萎縮，在未來的景觀格局中城市的擴張會導(dǎo)致自然景觀的進一步損失，濕地和林地將被分散到草地上，形成一個更加分散的格局。鐘林生等[4]通過對比分析景觀指數(shù)的變化情況，評價了烏蘇里江國家森林公園總體規(guī)劃方案的合理性，表明規(guī)劃改善了公園的景觀空間結(jié)構(gòu)，景觀指數(shù)的分析能夠明晰公園景觀的空間變化趨勢。此類研究多為基于已有土地利用現(xiàn)狀的景觀指數(shù)分析。

近年來，利用馬爾科夫模型(Markov)長期預(yù)測優(yōu)勢和元胞自動機(CA)模型模擬復(fù)雜系統(tǒng)空間變化的能力，由兩者結(jié)合構(gòu)成的CA-Markov模型方法被廣泛應(yīng)用于土地利用變化預(yù)測[5-7]，從數(shù)量和空間兩方面實現(xiàn)土地利用變化模擬[8]。Moghadam和Helbich[9]利用1973年和2010年兩期遙感影像采用CA-Markov模型對印度孟買2020—2030年城市擴張進行預(yù)測，證明未來城市的發(fā)展模式是以混合增長模式為特征。Guan等[5]利用1976年及2006年遙感影像采用CA-Markov模型預(yù)測2015—2042年日本佐賀縣土地利用變化，結(jié)果表明農(nóng)業(yè)用地和林業(yè)用地將不斷下降，城市建設(shè)用地不斷增加；城市建設(shè)用地將向城郊地區(qū)擴張，城市中心的利用將逐漸下降，必須采取可持續(xù)發(fā)展措施解決土地利用問題。此類研究僅注重土地利用面積及空間分布預(yù)測，忽視了從景觀生態(tài)學(xué)角度對土地利用景觀格局的預(yù)測和分析。

本文以江西省撫州市東鄉(xiāng)縣為研究區(qū)域，以兩期遙感影像為基礎(chǔ)，基于景觀指數(shù)對2005—2015年土地利用景觀格局進行分析；并運用CA-Markov模型對2025年土地利用變化進行預(yù)測，結(jié)合景觀指數(shù)預(yù)測和分析2025年東鄉(xiāng)縣土地利用景觀格局特征，為土地的可持續(xù)性利用和生態(tài)管理提供決策依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

東鄉(xiāng)縣地處贛東丘陵與鄱陽湖平原過渡地帶，位于28°02′ ~ 28°30′ N，116°20′ ~ 116°51′ E。該區(qū)屬亞熱帶濕潤氣候區(qū)，平均氣溫17.6℃，年平均日照時間1 831.9 h，年平均降雨量2 180.6 mm，年無霜期為271 d。土壤類型以紅壤和水稻土兩土類為主，其中紅壤土類主要包括紅壤和紅壤性土2個亞類；水稻土主要包括淹育、潴育和潛育型水稻土3個亞類，土地利用方式以水田、旱地、林地為主[10]。成土母質(zhì)有第四紀(jì)紅色黏土、泥質(zhì)巖類風(fēng)化物、紅砂巖類風(fēng)化物、石英巖類風(fēng)化物和花崗巖類風(fēng)化物等。主要作物有水稻、花生、紅薯、芝麻和油菜等。全縣總面積1 270 km2，轄17個鄉(xiāng)鎮(zhèn)(場)和1個省級經(jīng)濟開發(fā)區(qū)。到2015年，東鄉(xiāng)縣總?cè)丝?8萬人，城鎮(zhèn)人口22萬人。東鄉(xiāng)縣為工業(yè)重鎮(zhèn)，經(jīng)濟活躍，農(nóng)業(yè)大區(qū)，特色鮮明。

1.2 數(shù)據(jù)獲取及處理

利用分辨率為30 m × 30 m的2005年landsat-5和2015年landsat-8的TM影像數(shù)據(jù)，通過人機互動目視解譯法對遙感影像進行解譯，得到兩期土地利用狀態(tài)數(shù)據(jù)。選取210個點進行分類精度評價，得到的Kappa系數(shù)分別為0.890 5和0.909 5，達到土地利用變化研究精度要求。其中，土地利用分類系統(tǒng)采用中國土地資源分類系統(tǒng)中一級分類[11]，類型包括水域、林地、耕地、建設(shè)用地、未利用地(表1)。

表1 研究區(qū)遙感分類系統(tǒng)及類別定義

1.3 土地利用景觀指數(shù)獲取

景觀指數(shù)是用來定量化分析景觀格局特征的指數(shù)[12]。在景觀指數(shù)分析中包括3個水平的指數(shù)：斑塊(patch)、斑塊類型(class)和景觀(landscape)。斑塊水平指數(shù)是其他水平景觀指數(shù)的基礎(chǔ)，但不能直接反映研究區(qū)整體的景觀格局[13]。因此，在斑塊類型水平上，選取了斑塊類型面積(CA)、斑塊所占景觀面積比例(PLAND)、最大斑塊占景觀面積比例(LPI)、斑塊數(shù)量 (NP) 、散布與并列指數(shù)(IJI)和景觀形狀指數(shù)(LIS)；在景觀水平上，選取了最大斑塊占景觀面積比例(LPI)、斑塊數(shù)量 (NP)、散布與并列指數(shù)(IJI)景觀形狀指數(shù)(LSI)、香農(nóng)多樣性指數(shù)(SHDI)、香農(nóng)均勻度指數(shù)(SHEI)、聚集度(CONTAG)等指標(biāo)[14-18](表2)，作為反映景觀格局的特征指數(shù)。

通過ArcGIS將矢量土地利用圖轉(zhuǎn)換成柵格圖，根據(jù)張樂等[19]的研究，將矢量圖轉(zhuǎn)換為大小為10 m × 10 m的Arc Grid格式數(shù)據(jù)，利用Fragstats4.2軟件分別計算獲得上述景觀指數(shù)值。

1.4 土地利用景觀格局預(yù)測

馬爾科夫模型(Markov)是基于馬爾柯夫鏈，依據(jù)某種事件的某一時刻的狀況和發(fā)生概率，預(yù)測其將來各個時刻(或時期)變動狀況的一種長期預(yù)測方法，確定事件發(fā)生轉(zhuǎn)移概率是其中的關(guān)鍵[20]。元細胞自動機模型(CA)是在20世紀(jì)40年代由Ulam首先提出之后，被Von Neumann用來研究自組織系統(tǒng)演變過程的模型[21]。單元、狀態(tài)、規(guī)則和鄰域是CA模型的主要組成部分。每個單元均具有有限數(shù)目狀態(tài)中的一種狀態(tài)，某一時刻的單元狀態(tài)依賴于其前一時刻的自身和鄰域狀態(tài)，所有單元狀態(tài)根據(jù)轉(zhuǎn)移規(guī)則可同時實現(xiàn)更新[22]。CA-Markov模型是在IDRISI軟件中Markov和CA的結(jié)合模型，它充分利用馬爾科夫模型長期預(yù)測優(yōu)勢和元胞自動機模型模擬復(fù)雜系統(tǒng)空間變化的能力，基于既有土地利用景觀格局預(yù)測其未來變化[23]，具體操作過程如下：

在ArcGIS和IDRISI平臺下，①先將2005年、2015年兩期土地利用圖進行數(shù)據(jù)格式轉(zhuǎn)換和重分類，以適合模型模擬分析數(shù)據(jù)格式要求；②通過Markov模塊，計算得到近10 a不同土地利用類型的面積轉(zhuǎn)移矩陣和轉(zhuǎn)移概率矩陣，同時輸出轉(zhuǎn)移的條件概率圖像作為土地利用類型轉(zhuǎn)變適宜性圖像集；③通過CA-Markov模塊，采用5×5的濾波器，即影響和改變某個元細胞狀態(tài)的周圍5×5個元細胞組成的矩形鄰域，以2015年土地利用格局為初始狀態(tài)，利用條件概率圖像預(yù)測10 a后即2025年的土地利用圖；④利用土地利用預(yù)測圖和Fragstats4.2軟件，計算獲得各景觀指數(shù)預(yù)測值。

表2 研究中應(yīng)用的景觀指數(shù)及其生態(tài)學(xué)意義

2 結(jié)果與討論

2.1 近10 a土地利用變化特征

2005—2015年，東鄉(xiāng)縣土地利用結(jié)構(gòu)和布局發(fā)生了顯著的變化(表3，圖1A，圖1B)。建設(shè)用地、耕地面積分別增長了112.33%、2.29%，但未利用地、水域、林地分別減少了76.45%、28.66%、6.43%。撫州市除了東鄉(xiāng)縣和廣昌縣的耕地面積增加以外，其他各縣(區(qū))都有所減少[24]，原因在于東鄉(xiāng)縣土地利用總體規(guī)劃(1997—2010年)切實得到實施，實行了城鄉(xiāng)建設(shè)用地增減掛鉤項目，再加上退田還湖政策影響減弱以及新農(nóng)業(yè)政策的推行，部分水域圩堤內(nèi)出現(xiàn)了復(fù)墾現(xiàn)象[25]，這都使得耕地面積增加幅度明顯[26](表4)。林地面積有小幅度下降，主要轉(zhuǎn)變?yōu)楦睾徒ㄔO(shè)用地(表4)，主要由于政府建設(shè)用地增量調(diào)控所致。

表3 東鄉(xiāng)縣2005—2015年及2015—2025年土地利用結(jié)構(gòu)及其變化特征(km2)

圖1 東鄉(xiāng)縣土地利用圖

表4 2005—2015年東鄉(xiāng)縣土地利用景觀類型轉(zhuǎn)移矩陣(km2)

2.2 近10 a土地利用景觀格局變化特征

由斑塊類型水平指數(shù)(表5)可以看出，近10 a研究區(qū)水域斑塊個數(shù)(NP)減少，散布與并列指數(shù)(IJI)下降，景觀形狀指數(shù)(LSI)降低，說明其形狀復(fù)雜程度降低，分布情況變得集中。耕地斑塊數(shù)量大幅度銳減，最大斑塊占景觀面積指數(shù)(LPI)降低，景觀形狀指數(shù)降低，表明農(nóng)業(yè)耕種趨于利用面積大的耕地地塊；散布與并列指數(shù)降低，說明耕地之間的相互臨近性降低，與區(qū)域內(nèi)其他景觀之間的關(guān)系變得簡單，連通性降低。這主要是由于耕地整理和農(nóng)業(yè)規(guī)模經(jīng)營使耕地分布更具規(guī)律性引起[27]。

表5 斑塊類型水平上東鄉(xiāng)縣土地利用各類型景觀指數(shù)

近10 a，東鄉(xiāng)縣城市人口從40萬增加至48萬，非農(nóng)業(yè)人口增加了近9萬人[24]。東鄉(xiāng)縣建設(shè)用地的最大斑塊占景觀面積指數(shù)也增加(表5)，說明城鎮(zhèn)化對東鄉(xiāng)縣土地利用的影響十分劇烈；但建設(shè)用地的斑塊數(shù)量在大幅減少，說明東鄉(xiāng)縣的建設(shè)用地主要以在原有建設(shè)用地的基礎(chǔ)上擴大面積為主。散布與并列指數(shù)有所減少，說明建設(shè)用地之間的臨近性降低，與區(qū)域內(nèi)其他景觀之間的關(guān)系變得簡單，連通性降低，這與建設(shè)用地的特有分布規(guī)律性有關(guān)系。

東鄉(xiāng)縣從2005—2015年林地的最大斑塊指數(shù)有所減少(表5)，這是建設(shè)用地擴張的結(jié)果；但林地的斑塊數(shù)量卻在逐漸增大，最大斑塊面積指數(shù)和散布與并列指數(shù)也在減少，這些都說明林地分布逐漸從高度聚集到分散，林地分布趨于發(fā)揮其生態(tài)功能的合理布局。未利用地斑塊數(shù)量從290減少到39，直接反映了當(dāng)?shù)貙ν恋亻_發(fā)利用強度的增加；散布與并列指數(shù)降低，反映了東鄉(xiāng)縣未利用地之間的臨近性降低。

從景觀類型水平的變化(表6)來看，近10 a，東鄉(xiāng)縣整體斑塊數(shù)量從6 028下降到3 650，單個斑塊的面積增大，說明東鄉(xiāng)縣土地利用各類型景觀整體趨于集中；最大斑塊面積指數(shù)降低，說明整體景觀都趨于平均；景觀形狀指數(shù)降低，表明東鄉(xiāng)縣的整體景觀趨于簡單；散布與并列指數(shù)降低，說明區(qū)域內(nèi)景觀之間的關(guān)系變得簡單，連通性降低；香農(nóng)多樣性指數(shù)(SHDI)和香農(nóng)均勻度指數(shù)(SHEI)都有增加，說明東鄉(xiāng)縣景觀異質(zhì)程度增加，景觀有向多樣化、均勻化方向發(fā)展的趨勢。蔓延度指數(shù)(CONTAG)增加，優(yōu)勢斑塊連接度增加，景觀的破碎化程度降低。從這些景觀指標(biāo)可以得知東鄉(xiāng)縣通過10 a的改造和發(fā)展，景觀格局的抗干擾性和生態(tài)系統(tǒng)穩(wěn)定性增加[28]。但建設(shè)用地的增加速度過快，需要合理地控制和規(guī)劃。

表6 東鄉(xiāng)縣整體景觀各指數(shù)

2.3 未來10 a土地利用景觀格局變化特征

經(jīng)過CA-Markov模型的模擬得到2025年東鄉(xiāng)縣土地利用預(yù)測圖(圖1C)。相較2015年，2025年的土地利用中變化最大的是建設(shè)用地，增加51.56%(表3)；同時水域和林地都有減少，變化率為16.06% 和10.39%；耕地面積變化不大，只有0.47% 的變化率；未利用地有所減少，變化率為16.32%。這反映了隨著東鄉(xiāng)縣經(jīng)濟的發(fā)展，人口的增加，城市化進程的加快，建設(shè)用地不斷地增加，同時由于地方政府的耕地保護和管理政策，耕地面積持續(xù)增加。

從斑塊類型水平來看(表5)，建設(shè)用地的面積擴大到205.75 km2，但斑塊數(shù)卻減少，最大斑塊指數(shù)增加，景觀形狀指數(shù)增加，散布與并列指數(shù)降低，說明建設(shè)用地之間的臨近性降低，與區(qū)域內(nèi)其他景觀之間的關(guān)系變得簡單，連通性降低。

從整體景觀水平來看(表6)，相較2015年，2025年東鄉(xiāng)縣斑塊個數(shù)增加到5 003，最大斑塊指數(shù)增加到16.697 4，景觀形狀指數(shù)增加到62.389 4，蔓延度指數(shù)降低到57.717 7，散布與并列指數(shù)增加到64.071 2，香農(nóng)多樣性指數(shù)和香農(nóng)均勻度指數(shù)分別增加到1.184 9和0.736 2。這些都表明在人類活動干擾下景觀斑塊形狀復(fù)雜程度略有上升，趨于復(fù)雜。東鄉(xiāng)縣景觀格局指數(shù)變化反映了人類活動對東鄉(xiāng)縣景觀格局影響進一步加劇，從而導(dǎo)致斑塊數(shù)增加，景觀異質(zhì)程度增加，景觀有向多樣化、均勻化方向發(fā)展的趨勢。

東鄉(xiāng)縣通過對耕地的保護和管理，使得耕地面積逐年增加，這種趨勢使得東鄉(xiāng)縣景觀格局趨于穩(wěn)定和均勻。建設(shè)用地的增加需要更加合理地控制和規(guī)劃。

3 結(jié)論

1) 2005年東鄉(xiāng)縣景觀格局以耕地和林地為主，隨著經(jīng)濟的發(fā)展和城鎮(zhèn)化建設(shè)的需要以及當(dāng)?shù)卣恼撸?015年東鄉(xiāng)縣建設(shè)用地不斷增加，耕地資源得到保護，其面積有所增加；水域、林地和未利用地相應(yīng)地減少，減少幅度為未利用地>水域>林地。從景觀格局來看，整體景觀趨于集中，景觀形狀趨于簡單。從景觀之間的關(guān)系可以看出，相互之間的連通性降低，景觀之間的關(guān)系變得簡單。由于兩個多樣性指標(biāo)：香農(nóng)多樣性指數(shù)和香農(nóng)均勻度指數(shù)均有所增加，所以從景觀多樣性的角度看，東鄉(xiāng)縣的各景觀斑塊在整體中分布均勻，景觀多樣性增加。

2) 通過CA-Markov模型的模擬，得到東鄉(xiāng)縣2025年土地利用景觀格局圖，預(yù)測結(jié)果顯示隨著建設(shè)用地的不斷增加，水域和林地仍在不斷減少，耕地和未利用地變化得到保護，有所增加。景觀斑塊形狀復(fù)雜程度略有上升，趨于復(fù)雜。斑塊數(shù)增加，景觀異質(zhì)程度增加，景觀有向多樣化、均勻化方向發(fā)展的趨勢。

[1] Turner B L, Clark W C, Kates R W, et al. The earth as transformed by human action: Global and regional changes in the biosphere over the past 300 years[J]. Cambridge University Press with Clark University, 1993: 409–421

[2] Forman R T T, Godron M. Patches and structural components for a landscape ecology[J]. Bioscience, 1981, 31(10): 733–740

[3] Tang J, Wang L, Yao Z. Spatio-temporal urban landscape change analysis using the Markov chain model and a modified genetic algorithm[J]. International Journal of Remote Sensing, 2007, 28(15): 3255–3271

[4] 鐘林生, 肖篤寧, 陳文波. 烏蘇里江國家森林公園規(guī)劃方案的景觀指數(shù)輔助評價[J]. 應(yīng)用生態(tài)學(xué)報, 2002, 13(1): 31–34

[5] Guan D J, Li H F, Inohae T, et al. Modeling urban land use change by the integration of cellular automaton and Markov model[J]. Ecological Modelling, 2011, 222: 3761– 3772

[6] Weng Q H. Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling[J]. Journal of Environmental Management, 2002, 64: 273–284

[7] Ye B Y, Bai Z K. Simulating land use/cover changes of Nenjiang County based on CA-Markov model[J]. Computer and Computing Technologies in Agriculture, 2007, 258: 319–327

[8] Halmy M W A, Gessler P E, Hicke J A, et al. Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA[J]. Applied Geography, 2015, 63: 101–112

[9] Moghadam H S, Helbich M. Spatiotemporal urbanization processes in the megacity of Mumbai, India: A Markov chains-cellular automata urban growth model[J]. Applied Geography, 2013, 40: 140–149

[10] 張忠啟, 于東升, 潘劍君, 等. 紅壤典型區(qū)不同類型土壤有機碳組分構(gòu)成及空間分異研究[J]. 土壤, 2015: 47(2): 318–323

[11] 黃穎. 基于遙感與景觀指數(shù)的土地利用/覆蓋變化及格局分析——以長沙地區(qū)為例[D]. 長沙: 中南大學(xué), 2007

[12] Riitters K H, O’Neill R V, Hunsaker C T, et al. A factor analysis of landscape pattern and structure metric[J]. Landscape Ecology, 1995, 10(1): 23–39

[13] 鄔建國. 景觀生態(tài)學(xué)—— 概念與理論[J]. 生態(tài)學(xué)雜志, 2000, 19(1): 42–52

[14] 何鵬, 張會儒. 常用景觀指數(shù)的因子分析和篩選方法研究[J]. 林業(yè)科學(xué)研究, 2009, 22(4): 470–474

[15] 黃玉寶. 基于景觀指數(shù)的小流域形態(tài)下區(qū)劃方法研究[D]. 太原: 太原理工大學(xué), 2012

[16] 邱霞霞, 李德成, 趙玉國, 等. 基于不同土壤分類系統(tǒng)的土壤景觀格局分析——以我國西北黑河流域中游地區(qū)為例[J]. 土壤, 2016, 48(5): 1022–1031

[17] 張學(xué)雷, 屈永慧, 任圓圓, 等. 土壤、土地利用多樣性及其與相關(guān)景觀指數(shù)的關(guān)聯(lián)分析[J]. 生態(tài)環(huán)境學(xué)報, 2014, 23 (6): 923–931

[18] 吳未, 許麗萍, 張敏, 等. 不同斑塊類型的景觀指數(shù)粒度效應(yīng)響應(yīng)——以無錫市為例[J]. 生態(tài)學(xué)報, 2016, 36(9): 2740–2749

[19] 張樂, 王觀湧, 霍習(xí)良, 等. 基于適宜粒度的曹妃甸新區(qū)土地利用景觀格局分析[J]. 土壤, 2014, 46(6): 1149– 1156

[20] Anderson T W, Goodman L A. Statistical inference about Markov chains[J]. Annals of Mathematical Statistics, 1957, 28(1): 89–110

[21] 吳次芳. 土地利用學(xué)[M]. 北京: 科學(xué)出版社, 2009

[22] Batty M. Cellular automata and urban form: A primer[J]. Journal of the American Planning Association, 1997, 63(2): 266–274

[23] 胡雪麗, 徐凌, 張樹深. 基于CA-Markov模型和多目標(biāo)優(yōu)化的大連市土地利用格局[J]. 應(yīng)用生態(tài)學(xué)報, 2013, 24(6): 1652–1660

[24] 廖娟. 撫州市耕地集約利用潛力研究[D]. 南昌: 東華理工大學(xué), 2014

[25] 吳菊, 鄭林, 陳建軍. 鄱陽湖區(qū)土地利用演化與對農(nóng)業(yè)經(jīng)濟的影響[J]. 經(jīng)濟地理, 2008, 28(2): 300–303

[26] 肖靜. 城鄉(xiāng)建設(shè)用地增減掛鉤項目實施后效益評價研究——以東鄉(xiāng)縣為例[D]. 南昌: 東華理工大學(xué), 2014

[27] 周秋文, 蘇維詞, 陳書卿. 基于景觀指數(shù)和馬爾科夫模型的銅梁縣土地利用分析[J]. 長江流域資源與環(huán)境, 2010, 19(7): 770–775

[28] 劉巧芹, 秦嶺, 吳克寧, 等. 大城市郊區(qū)農(nóng)村土地利用格局及整治方向分析——以北京大興區(qū)為例[J]. 土壤, 2014, 46(2): 379–385

Prediction of Land Use Landscape Pattern Based on CA-Markov Model

PAN Yue1,2, YU Dongsheng1,2*, WANG Xiuhong1,2, XU Zhichao1,2, WANG Xiyang1,2

(1 State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China; 2 University of Chinese Academy of Sciences, Beijing 100049, China)

Analysis and prediction of land usepattern is significant not only to balanced economic development and ecological protection, but also to ecological sustainable use and management of land protection. The study obtained the land-use map on the bases of remote sensing images in 2005 and 2015 of Dongxiang County, Jiangxi Province of East China and used the map to acquire conversion data and landscape indexes of land use types by ArcGIS 9.3 and Fragstats 4.2. Based on the conversion data and landscape indexes of land use types, the landscape pattern of Dongxiang County from 2005 to 2015 was analyzed. CA-Markov model was used to simulate the dynamics of land use change with time and state, and to predict land use pattern in the next 10 years. The results indicated: Construction land and arable land increased by 71.82 km2and 10.76 km2respectively for the past 10 years, but water area, forest land and unused land decreased with an order of unused land >water area>forest land. Compared to the 2005, landscape patches distributed more evenly, landscape diversity increased, landscape shape tended to be simple and landscape patch connectivity became lower in 2015, which indicated the associations between landscape patches weakened in 2015. Human economic activity and land use policies had more obvious effects on landscape pattern. According to the forecast by CA-Markov model, it is predicted that by 2025 construction land will be increased by 68.72 km2, water area, forest land and unused land will continue decreasing, but the arable land will increase. The number of landscape patches and the landscape heterogeneity will increase, the patch shape will become a little more complex. Landscape pattern will become more diversified and homogenized. In conclusion, landscape pattern of Dongxiang is gradually become more stable, homogeneous and diverse, but great efforts and reasonable plans are needed to protect arable land, to control the use of construction land, and to maintain the balance of the ecological environment.

Landscape pattern; Landscape indices; CA-Markov model; Land use; Hilly red soil region

10.13758/j.cnki.tr.2018.02.024

國家自然科學(xué)基金項目(41571206)、國家重點研發(fā)計劃專項 (2016YFD0200301)和科技基礎(chǔ)性工作專項(2015FY110700-S2)資助。

(dshyu@issas.ac.cn)

潘月(1987—)，女，江蘇南京人，博士研究生，主要從事土壤屬性空間變異研究。Email：ypan@issas.ac.cn

P901；X171；X87

A