基于GIS和MCE-CA-Markov模型的高原河谷型城市土地利用变化研究与模拟预测.pdf

184青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY0 引言土地利用变化规律研究，模拟预测土地利用变化趋势，是 LUCC 研究的热点，研究结果可为区域土地资源合理的开发利用、规划、管控提供支持和借鉴1。目前基于过程的动态模拟模型是土地利用格局变化研究的主要模型，主要包括 GeoSOS-FLUS 模型2、CLUE-S 模型3、CA 和 Markov 结合的 CA-Markov 模型4、系统动力学模型5等，模型的使用与优化不仅提高了土地利用变化预测的准确度，而且又能模拟土地利用空间格局过程。随着土地利用格局的深入研究，国内外使用预测模型的成果非常丰富，模拟效果也非常有效，如 EliasRodriguesdaCunha6基于 CAMarkov 土地利用和土地覆盖模型模拟大西洋森林交错带热带湿润盆地未来情景；FeiFu7基于 CA 马尔可夫模型对县域土地利用景观格局时空演化研究；成超男8构建CA-Markov 模型对晋中主城区生态分区进行多情景分析；刘希朝9基于 CA 与 MCR 模拟了徐州市城市开发边界。西宁市是加快推进青藏高原新型城镇化进程和城乡统筹的主体空间形态，保障青海省城镇和经济发展，承载人口集聚增长。随着西部大开发新格局、黄河流域生态保护和高质量发展等一系列战略的实施，西宁市已成为青海省经济发展最具活力和潜力的核心增长极，是推进城乡融合发展的适宜单元，是青海落实“四地两体系”的重要用地空间，城市在空间整合和合理规划的基础上依托带型河谷发育。基于有限的城市发展空间，最大限度提高生态空间利用，成为青藏高原城市基金项目:青海省社会科学规划项目“基于绿地生态网络规划的高原城市生态空间管理实践研究”(21002)。作者简介:蒋贵彦(1980-),女,副教授,研究方向为城乡生态规划与土地管理。E-mail:。基于 GIS 和 MCE-CA-Markov 模型的高原河谷型城市土地利用变化研究与模拟预测蒋贵彦（1.青海民族大学政治与公共管理学院，西宁 810007；2.青海民族大学土地资源勘测与规划实验室，西宁 810007）摘 要：基于高原河谷城市西宁市 2000-2020 年土地利用数据，选取 9 类自然因素与社会经济因素驱动因子，运用MCE-CA-Markov耦合模型，以2000-2010年土地利用为基期，模拟2020年土地利用变化并对预测结果精度验证，最后以 2020 年为基期数据，预测 2030 年研究区土地利用空间格局。结果表明：MCE-CA-Markov 模型模拟 2020年土地利用精度验证结果 Kappa 系数为 0.8691，土地利用变化预测方法可行；2000-2020 年研究区土地利用变化显著，2030 年建设用地增长趋势明显，耕地、草地面积有所减少；在服务于国土空间规划的实践中，西宁市在未来城市发展过程中土地利用冲突问题明显。关键词：MCE-CA-Markov；土地利用变化；国土空间规划；西宁市中图分类号：F299.23 文献标识码：A 文章编号：1005-9393(2023)04-0184-08185青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY提升国土空间生态品质的重要路径，也是西宁市土地开发利用与生态治理中亟待解决的问题。既有研究仅停留在区域层面或省域层面，在市域尺度并能够有效反映土地利用格局的相关研究中概念性研究较多，提出的成果以指导性政策为主，针对性、操作性尚待提升。因此，本研究以西宁市为研究对象，考虑城市未来发展对土地建设的需求，借助 MCE-CA-Markov 模型对西宁市土地利用空间演变过程进行动态模拟，从数量和空间上对土地利用格局实现预测。研究结果为“多规合一”的国土空间规划体系和土地用途管制提供参考依据，为城乡规划管理者分析土地利用空间演变特征及影响提供技术支持。1 研究区概况西宁市地处青藏高原河湟谷地，是青海省重要的人口和城镇聚集地，是青藏高原人居适宜性最好的区域，也是青海省开发历史悠久和开发强度最高的地区。西宁市是典型的枝状半开放的高原河谷型城市，南北两山对峙，湟水河及其支流南川河、北川河由西、南、北三个方向流经市区，呈“四山夹三河”的生态山水城市格局，自然地形地貌和环境资源特征对城市的总体空间格局、交通及基础设施系统方面具有较强的约束性。土地利用结构呈现“九分山地半分城，五分田草五分林的”特征10。图 1 研究区地理位置与地形2 数据来源与研究方法2.1 数据来源研究中的数据包括：（1）土地利用数据（2000年、2010 年、2020 年）来源于中国科学院资源环境数据共享中心，土地利用类型为耕地、林地、草地、水域、建设用地、未利用地，分辨率为30 m；（2）DEM 数据来源于地理空间数据云（http:/），通过镶嵌、整合、裁剪为栅格数据，坡度数据由 DEM 高程数据提取得到；（3）经济、社会数据包括 GDP 和人口密度，来源于中科院资源环境科学数据中心（http:/ GIS 软件分析获得；（4）道路数据来源于 OSM（OpenStreetMap,https:/www.openstreetmap.org）。2.2 研究方法对土地利用空间动态演变规律的模拟探索，可帮助城市规划管理者分析土地利用的时空变化特征及其影响，为构建新型国土空间规划体系提供科学依据11。MCE-CA-Markov 模型对于土地利用空间演变过程有良好的模拟效果12，其主要构建思路是基于土地利用空间演化的时间规律，从数量和空间上预测今后土地利用格局的改变，为城市土地利用优化提供参考。2.2.1 CA-Markov 模型Markov 过程下的土地利用变化是：X（t+1）=X（t）P（1）式中：X（t+1）表示随机事件在 t+1 时段的状态，也就是马尔科夫模型预测的结果；X（t）是随机事件在 t 时刻的状态；P 是转移概率矩阵，表示这一随机事件不同状态之间的转换概率。Markov 通过转移矩阵的过度概率分析土地利用变化随时间变化的概率，其转移矩阵的表达式为：（2）式中：如果转移概率随时间而变化，则需要矩阵计算为函数 k；n 为第 n 年的土地利用类型。186青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGYCA模型最主要的是元胞状态转移规则的确定：S（t,t+1）=f S（t）,N（3）式中：S 表示元胞优先、离散的状态集合；f表示转换规则；N 表示元胞的邻域。Markov 模型完成在数量上对土地利用的预测，CA 模型融合了空间模拟，两者结合可以增强土地利用预测模拟的精度13。2.2.2 MCE 适宜性图集MCE-CA-Markov 多评价准则方法可以提高模型模拟精度，对未来时期的 LUCC 预测结果更可靠。MCE（Multi-criteriaevaluation）模块可以综合分析影响目标的各个因素，为土地利用变化的预测提供决策辅助。其中，限制性因子将驱动因素严格控制在某种范围之内，以 0 和 1 表示。驱动因子的影响权重通过MCE模块生成适宜性图像集，MCE-CA-Markov 的适宜性图集可为元胞在下一状态提供决策目标14。本文利用 IDRISISelva 软件中 MCE-CA-Markov模型，定量模拟土地利用格局的时空动态变化。步骤如下：首先，分析完成 Markov 转移概率矩阵，统计各类土地类型的转移概率；其次，通过多标准评价模块（MCE）制作土地利用适宜性图集，根据研究区相关规划要求设置空间分布的影响因素，通过层次分析法（AHP）确定 9 个因子的权重，结合 COLLETIONEDIT 模块完成 6 种地类的空间分布概率图集合，生成适宜性概率图集；第三，采用 CA-Markov 模型的空间模拟，对西宁市 2020 年土地利用格局进行模拟，在对 2030 年土地利用格局进行模拟前，先对 2020 模拟结果和 2020 年实际土地利用格局进行Kappa 系数检验，若 Kappa 检验满足要求，即可对2030 年西宁市土地利用格局情况进行模拟和预测。3 结果分析3.1 土地利用类型数量结构变化特征根据 2000 年、2010 年和 2020 年三期土地利用栅格数据，利用栅格转面后得到土地利用矢量图，再用 GIS 统计分析功能得到三期土地利用面积与占比，具体见图 2 和表 1。图 2 2000-2020 年西宁市土地利用现状表 1 西宁市 2000-2020 年各类土地利用面积及占比土地利用类型2000 年2010 年2020 年2000-2020 年面积变化量/km22000-2020 年面积变化率/%面积/km2比例%面积/km2比例%面积/km2比例%耕地1448.9119.081402.7718.471372.0018.07-76.91-5.31林地1653.4521.771653.2421.771652.1221.75-1.33-0.08草地3880.0651.093886.1751.173883.9951.143.930.10水域17.580.2321.240.2821.480.283.9022.18建设用地267.673.52304.264.01340.674.4973.0027.27未利用地326.594.30326.594.30324.004.27-2.59-0.79187青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY表 2 西宁市 2000-2010 年土地利用变化转移概率矩阵从土地利用结构变化分析结果看，林地和草地是西宁市主要的土地类型，面积占比分别为 51%和 21%左右；其次是耕地，占比为 18%左右；水域面积占比最小，仅为 0.2%左右。在2000-2020 年间，西宁市土地利用面积发生了较大的变化，耕地面积、林地面积和未利用地面积呈现减少的趋势，建设用地面积、草地、水域面积增加。具体而言：20 年间耕地在研究区范围内土地利用结构中平均占比为 18.54%，耕地面积减少76.91 km2，减少率为 5.31%，2000 年以后受国家退耕还林还草政策的影响，表现出耕地向其他地类转变的趋势；林地2000-2020年间面积略有下降，总面积减少 1.33km2，减少率为 0.08%；草地分布最为广泛，其中 2010 年达到 3886.17km2，面积增加率为 0.1%；2020 年水域面积呈现上升趋势，增加率为 22.18%。随着西宁海东现代都市圈、兰西城市群等政策的推进，建设用地扩张速度在不断加快，2000-2020 年建设用地面积从 267.67 km2增加到 340.67km2，共增加了 73.00km2，面积增长率达 27.27%；2000-2020 年未利用地平均占比 4.29%，从 2000 年 的 326.59km2到 2020 年 的324.00km2，20 年间面积下降 2.59km2，减少率为0.79%，未利用地的开发强度增加，向其他地类转化明显。综上所述，研究区在 20 年间变化最为活跃的地类是耕地和建设用地，其次是草地、水域和未利用地。在此期间，西宁市面临着建设项目占用农用地特别是耕地数量较大和补充耕地能力不足的双重压力，西宁市在打造绿色样板城市、融入兰西城市群的用地需求中，耕地保护压力大，面临着规划无法满足产业发展、基础设施、生态功能的新要求，人地矛盾突出。一方面，人口增长、经济发展、都市圈规划、城市群的快速发展对土地的需求量不断增长，大量的城市建设需要土地提供生产空间和生活空间；另一方面，西宁市地处河谷地形区，城市扩张受到自然地理环境的限制，城市发展扩张必将占用其他地类，同时生态保护政策的推行又在一定程度上阻止了草地、林地等生态用地被占用。因此，在服务于国土空间规划的实践中，西宁市在未来城市发展过程中土地利用的冲突15问题愈加明显。3.2 土地利用格局变化模拟3.2.1 土地利用转移概率矩阵土地利用类型转移矩阵反映一定时段内土地利用类型之间的转换方向和数量，表达土地利用的变化规律16。西宁市 2000-2010 年、2010-2010年土地利用类型转移概率矩阵在 Markov 模块中计算得到，结果见表 2 和表 3。2010 年耕地林地草地水域建设用地未利用地2000 年耕地0.822 60.003 80.027 50.012 10.134 00林地0.008 70.848 80.091 50.029 40.021 70草地0.008 80.058 20.849 400.083 60水域0.030 00.030 00.030 00.850 00.030 00.030 0建设用地0.073 80.023 00.055 500.847 80未利用地0.030 00.030 00.030 00.030 00.030 00.850 0188青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY表 3 西宁市 2010-2020 年土地利用变化转移概率矩阵通过分析两个时段的土地利用类型变化转移矩阵可以看出，20 年间西宁市土地利用变化最大的特点是新型城镇化的推进。在城镇化进程中，建设用地总体上不断扩张，也导致其他地类的变化，由于土地城镇化占用了其他地类空间，20 年间城市建设用地主要占用的是耕地和水域，2000-2010年间耕地转移建设用地概率为 0.1340，2010-2020年间耕地转移建设用地概率为 0.0890。3.2.2 MCE 适宜性图集制作参考相关研究17，利用多标准评价模块（Multi-criteriaEvaluation,MCE），结合西宁市土地利用特点，从自然因素和社会经济因素、空间约束可达性因素中选取海拔坡度、GDP、人口密度、到河流距离、到公路距离、到高速距离、到铁路距离、到乡镇距离共 9 项具有典型代表性的指标，作为土地利用变化的驱动因子，运用 FUZZY 模块对因子进行标准化，利用 AHP 层次分析法确定各因子权重值，结合 COLLETIONEDIT 模块完成 6 种地类的空间分布概率图集合，生成适宜性概率图集，并将其标准化。3.2.3 西宁市 2020 年土地利用格局模拟及精度检验以西宁市 2010 年为基期年，利用 IDRISI 中的 CA-Markov 模块，根据 2000 年与 2010 年的数据计算得到土地利用转移矩阵和各土地类型的适宜性图集，模拟循环次数设置为 10，实现对西宁市 2020 年土地利用景观格局的模拟，结果如图 3所示。图 3 西宁市 2020 年土地利用格局与模拟结果对比分析为了验证该模型的模拟精度，利用 CROSSTAB模块对 2020 年模拟预测结果与 2020 年现状进行了对比，表 4 反映了 2020 年各地类实际面积与模拟面积比及各地类的模拟精度，各地类的模拟精度均在 0.75 以上，综合得到的 Kappa 系数为0.8691，表明该模型模拟效果较好，与实际较符合，可行性较高，可用于 2030 年土地利用格局的预测。2020 年耕地林地草地水域建设用地未利用地2010 年耕地0.715 40.032 50.158 60.004 50.089 00林地0.020 30.749 90.222 80.001 00.004 00.001 9草地0.085 90.108 30.775 50.000 80.012 10.017 5水域0.172 50.060 40.060 30.576 50.130 20建设用地0.226 10.014 20.065 90.008 30.685 50未利用地00.005 70.222 2000.772 1189青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY3.3 西宁市 2030 年土地利用预测以西宁市 2020 年的土地利用为基期，利用Markov 模型得到西宁市 2010-2020 年的土地利用转移概率矩阵，以及基于 MCE 模块构建的 2020年土地适宜性图集，将循环次数设置为 10，重复CA-Markov 操作，经过模拟计算得到 2030 年西宁市土地利用空间数据集，并生成 2030 年土地利用预测空间分布图（图 4）。根据 2030 年预测图，利用 ArcGIS 的属性表统计功能对预测年份的土地利用类型的面积进行统计，与已知年份 2020 年的数据进行对比分析，如表 5 所示。图 4 西宁市 2030 年土地利用空间预测分布表 4 西宁市 2020 年土地利用实际面积与模拟面积结果对比分析表 5 西宁市 2020 年与 2030 年土地利用类型预测面积对比从上述分析结果（表 5）中可以看出，西宁市 2030 年土地利用结构中林地整体相对处于稳定状态，占比保持在 21.76%左右，变化趋势不明显；耕地面积、草地面积、未利用地面积有一定幅度的下降。其中，草地面积占比比较大，依然占据优势地位，面积达到 46.33%，但在 2020-2030 年期间，草地面积仍呈现减少趋势，面积减少率为9.44%；耕地面积较 2020 年减少了 137.2km2，面积减少率为 10%；未利用地面积也有减少趋势。为了防止未来生态用地面积持续减少，政府及土土地利用类型2020 年实际面积/km22020 年模拟面积/km2各地类模拟精度耕地1372.001429.930.7461林地1652.121712.520.8443草地3883.993697.370.7824水域21.4826.000.7989建设用地340.67409.440.8914未利用地324.00319.550.7811土地利用类型2020 年土地类型2030 年土地类型预测结果2020-2030 年面积变化量/km22020-2030 年面积变化率/%面积/km2占比/%面积/km2占比/%耕地1372.0018.071234.8016.27-137.2-10.00林地1652.1221.751651.7421.76-0.38-0.02草地3883.9951.143517.3946.33-366.60-9.44水域21.480.2893.301.2371.82334.36建设用地340.674.49817.0710.76476.40139.84未利用地324.004.27277.373.65-46.63-14.39190青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY地相关部门应加大国土空间治理与管控力度，严格落实生态保护红线保护政策，保证城市发展与生态系统的协调发展。根据预测结果看出，西宁市建设用地迅速增加，由 2020 年的 4.49%增加到2030 年的 10.76%，未来在“大西宁”、河湟谷地城市群、西宁海东都市圈产业体系建设驱动下，建设用地的需求量会进一步增加。因此，在规划时，应合理控制建设用地的增长，遵循建设用地空间管制要求，在保护和改善生态环境的前提下，合理调整建设用地的内部结构，依据资源环境承载能力、国土空间格局和定位，实施差异化的规划管控，合理设定城镇开发边界，引导调控城市功能与空间协调发展；水域面积所占百分比由 0.28%上升至 1.23%，说明西宁市水环境得到明显改善。近 10 年青海省实施湿地保护与生态修复项目 226项，增加规划建设城市小微湿地、湿地公园，有力保护了湿地生态安全，城市水源涵养功能得到提升，但考虑到未来随着城市用地扩张，应基于水生态与水安全分区域制定土地规划管控策略，为实现河谷型城市海绵城市规划方案适宜性措施的应用提供空间指导。4 结论（1）从西宁市土地利用变化实际情况出发，选择海拔、坡度、GDP、人口密度以及到乡镇、公路、铁路、高速、河流的距离共 9 个驱动因子，完成 6种地类的空间分布概率图集合，生成 MCE 适宜性概率图集。其中，在西宁河谷地形中，自然因素中的海拔和坡度、可达性因素中的距河流的距离对 6 种地类的变化的限制作用明显；社会经济因素中人口密度和 GDP 对研究区内城市扩张引起的土地城镇化起着积极作用；空间约束可达性因素中距离高速、公路、铁路等交通距离因子对城乡扩张有着较强的引导作用。（2）土地利用变化与模拟研究对研究区土地资源的科学合理利用具有重要的实践价值和技术指导。本研究以 2000 年、2010 年和 2020 年西宁市土地利用数据为基础，运用 IDRISISelva 软件中Markov 模块、MCE 模块、CA-Markov 模块，分别完成西宁市 2000-2010 年、2010-2020 年土地利用转移概率矩阵，2020 年土地利用模拟，2020 年土地利用精度检验，预测 2030 年土地利用情况，模型模拟精度较高，研究结果具有一定的参考价值。（3）2000-2020 年，西宁市土地利用变化显著，耕地和建设用地的变化较快，耕地面积转为建设用地的幅度较大；2020-2030 年建设用地数量继续增加，林地面积相对稳定，耕地、草地、未利用地面积有一定幅度的下降。在服务于国土空间规划的实践中，西宁市在未来城市发展过程中土地利用的冲突问题明显。（4）本研究选择了 9 个驱动因子进行分析，整体拟合效果较好，但由于土地空间变化复杂程度高，并且一些非限制性政策因子的量化上难度较大，驱动因子的选择上存在一定的局限性，因此在未来应尝试更贴切的方法来量化政策因子的驱动作用。参考文献:1李宇飞,张永福,赵玉,等.基于CA-Markov模型的阿克苏地区土地利用变化研究及预测J.安徽农业科学,2022,50(21):74-80.2王娇娇,尹小君,苟贞珍,等.基于NSGA-和GeoSOS-FLUS的喀什地区土地利用空间多目标优化J.水土保持通报,2022,42(4):179-187.3于芝琳,赵明松,高迎凤,等.基于CLUE-S和PLUS模型的淮北市土地利用模拟对比及多情景预测J.农业资源与环境学报,2023.DOI:10.13254/j.jare.2022.0853.4马银,郑敏睿,郑新奇,等.基于CA-Markov和MSPA的绿色基础设施预测与时空演变分析研究以京津冀城市群为例J.生态学报,2023(16).5周韵芝.基于系统动力学模型的城市土地利用变化情景模拟以某市土地利用为例J.华北自然资源,2023(2):137-139+143.6CUNHAERD,SANTOSCAG,SILVARMD,etal.FuturescenariosbasedonaCA-MarkovlanduseandlandcoversimulationmodelforatropicalhumidbasinintheCerrado/AtlanticforestecotoneofBrazilJ.Landusepolicy,2021,101:105141.191青海科技202304探索与实践青海科技INGHAI SCIENCE AND TECHNOLOGY7FUF,DENGSM,WUD,etal.ResearchonthespatiotemporalevolutionoflanduselandscapepatterninacountyareabasedonCA-MarkovmodelJ.Sustainablecitiesandsociety,2022,80:103760.8成超男,胡杨,冯尧,等.基于CA-Markov模型的城市生态分区构建研究以晋中主城区为例J.生态学报,2020,40(4):1455-1462.9刘希朝,李效顺,魏旭晨,等.基于MCR与CA的城市开发边界融合划定研究以徐州市为例J.中国土地科学,2020,34(10):8-17.10张福存,陈兴芳,张文超,等.市级国土空间开发保护现状评估研究以青海省西宁市为例J.矿山测量,2021,49(1):98-103.11付飞,刘雯雯,方翰.川西地区县域城镇土地利用演变下的生态优化策略研究以四川省绵竹市为例J.西部人居环境学刊,2021,36(5):138-144.12胡飞,柯新利,柴明,等.权衡城市扩张与永久基本农田保护的城市增长边界划定以武汉市为例J.地理与地理信息科学,2019,35(3):72-77.13张学儒,周杰,李梦梅.基于土地利用格局重建的区域生境质量时空变化分析J.地理学报,2020,75(1):160-178.14史名杰,武红旗,贾宏涛,等.基于MCE-CA-Markov和InVEST模型的伊犁谷地碳储量时空演变及预测J.农业资源与环境学报,2021,38(6):1010-1019.15江颂,蒙吉军.土地利用冲突研究进展:内容与方法J.干旱区地理,2021,44(3):877-887.16王宇彤.基于Logistic-CA-Markov模型的环鄱阳湖区土地利用变化研究D.东华理工大学,2021.17束磊.基于CA-Markov模型的天津市土地利用变化及多情景模拟研究D.江西理工大学,2022.Research on Land Use Change and Simulation Prediction in Plateau Valley City Based on GIS and MCE-CA-Markov ModelJiangGuiyan（1.SchoolofPoliticsandPublicAdministration,QinghaiMinzuUniversity,Xining810007,China;2.LaboratoryofLandResourcesSurveyandPlanning,QinghaiMinzuUniversity,Xining810007,China）Abstract:BasedonthelandusedataofXiningCityfrom2000to2020,ninetypesofnaturalandsocio-economicdrivingfactorswereselected.TheMCE-CA-Markovcouplingmodelwasusedtosimulatethelandusechangesin2020usingthelanduseperiodfrom2000to2010asthebaseperiod,andtheaccuracyofthepredictionresultswasverified.Finally,thespatialpatternoflandusetypesinthestudyareaby2030waspredictedusingthelanduseperiodfrom2020asthebaseperioddata,andcombinedwithexistinglandspatialplanning.Theresultshowthattheregressionanalysisofdrivingfactorspassedthevaliditytest,theKappacoefficientvalueoflandusechangein2020was0.8691,andthepredictionresultiscredible.Thelandusehadchangedsignificantlyinthepast10years,theareaofconstructionlandinXiningCitywillincreasein2030,andtheareaofcultivatedlandandgrasslandareawilldecrease.Inthepracticeofservingnationalspatialplanning,theissueoflanduseconflictsinthefutureurbandevelopmentprocessofXiningCityisobvious.Keywords:MCE-CA-Markov;Landusechange;Nationalterritoryspatialplanning;XiningCity