EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 5: 825 - 836

DOI: https://doi.org/10.12082/dqxxkx.2021.200283

地理空间分析综合应用

基于改进Markov-CA模型的黄土高原土地利用多情景模拟

  • 孙定钊 , 1, 2 ,
  • 梁友嘉 , 1, *
展开
  • 1.武汉理工大学资源与环境工程学院,武汉 430070
  • 2.贵州省地质矿产勘查开发局测绘院,贵阳 550018
*梁友嘉（1985— ）,男,甘肃庆阳人,副教授,主要从事生态系统集成评价与环境建模等研究。E-mail:

孙定钊（1996— ）,男,贵州遵义人,硕士生,主要从事生态系统服务评估研究。E-mail:

收稿日期: 2020-06-04

  要求修回日期: 2020-07-22

  网络出版日期: 2021-07-25

基金资助

国家自然科学基金项目(41601184)

黄土高原土壤侵蚀与旱地农业国家重点实验室开放基金(A314021402-202110)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Multi-scenario Simulation of Land Use Dynamic in the Loess Plateau using an Improved Markov-CA Model

  • SUN Dingzhao , 1, 2 ,
  • LIANG Youjia , 1, *
Expand
  • 1. School of Resource and Environmental Engineering, Wuhan University of Technology, Wuhan 430070, China
  • 2. Institute of Surveying and Mapping, Guizhou Geological and Mineral Exploration Bureau, Guiyang 550018, China
*LIANG Youjia, E-mail:

Received date: 2020-06-04

  Request revised date: 2020-07-22

  Online published: 2021-07-25

Supported by

National Natural Science Foundation of China(41601184)

Open Fund of State Key Laboratory of Soil Erosion and Dryland Farming on the Loess Plateau(A314021402-202110)

Copyright

Copyright reserved © 2021
Fold

摘要

土地利用/覆被的时空变化研究能为区域生态环境恢复和生态系统集成管理提供科学支持。集成Logistic回归模型、改进的Markov与FLUS模型模拟黄土高原2020—2050年3种典型情景土地利用变化。发现各情景土地利用面积变化及空间置换转移主要集中在农用地、草地和城镇用地;历史趋势延续情景下农用地减少15 205 km2,草地、城镇用地分别增加2742 km2和16 007 km2;生态保育管护情景中草地增加7076 km2,林草用地增长存在权衡关系（r主要林地-草地=-0.66）,在典型区域的生态恢复管理中应加以重视;城镇发展建设情景中农用地减少20 256 km2,城镇用地增加22 032 km2,变化均达到极值,其中,南部城镇扩张与农用地减少存在强权衡关系（r农用地-城镇用地=-1）。改进的Markov-FLUS模型适用于黄土高原地区的土地利用模拟,情景分析可有效揭示区域生态保护与城镇扩张的阈值变化,为区域土地利用政策权衡管理和水土保育提供科学依据。

关键词： FLUS模型; Markov模型; 土地利用/覆被变化; 生态保育; 城镇扩张; 多情景模拟; 权衡分析; 黄土高原

本文引用格式

孙定钊 , 梁友嘉 . 基于改进Markov-CA模型的黄土高原土地利用多情景模拟[J]. 地球信息科学学报, 2021 , 23(5) : 825 -836 . DOI: 10.12082/dqxxkx.2021.200283

Abstract

Simulating the spatiotemporal land use and land cover dynamic can provide a scientific support for regional ecological environment restoration and integrated ecosystem management. In this study, an improved Logistic-Markov-FLUS model was used to simulate land-use changes (2020—2050) under multi-scenarios in the Loess Plateau. Results show that the changes of land use area and spatial displacement were mainly concentrated in agricultural land, grassland, and urban land. In the historical trend scenario, a decreasing trend was observed in cropland with a decreased area of 15 205 km2, while an increasing trend was found in the grassland and urban land with an increased area of 2742 km2 and 16 007 km2, respectively. In the ecological conservation management scenario, the policy for vegetation protection had a significant effect on the increase of grassland (7076 km2), showing a significant trade-off ($r_{main forestland-grassland}=-0.66$) between grassland and forest growth due to the coexistence of land transformation. Ecological protection and construction should fully consider this ecological trade-off in specific regions. The reduction of cropland (20,256 km2) and urban land (22 032 km2) in the urban development and construction scenario was the largest. There was a strong trade-off ($r_{agricultural-urban}=-1$) between the expansion of urban land and the reduction of cropland in the southern regions. The improved Markov-FLUS model had better performance on multi-scale land use dynamic simulation in the Loess Plateau. The scenario-based method can also be used to explore the abrupt changes in ecological protection and urban expansion for better LUCC decision-making and trade-off management of ecosystems.

Key words： FLUS model; markov model; land use/cover change; ecological protection; urban expansion; multi-scenario simulation; trade-offs analysis; Loess Plateau

1 引言

土地利用/覆被变化（Land Use / Cover Change,LUCC）是影响陆地生态系统功能变化的重要驱动力和可持续发展核心议题[1,2,3]。模拟LUCC过程及其驱动力对区域生态过程、土地可持续利用和生态安全的影响机理具有重要科学意义[4,5,6]。CA（Cellular Automaton）是广泛应用于区域和城市LUCC研究领域的非数值模拟模型[7],如DUEM（Dynamic Urban Evolution Model）[8]、SLEUTH[9]、CLUE-S[10]、GeoCA-Urban[11]和FLUS（Future Land Use Simulation Model）[12]等;其中,FLUS集成了ANN（Artificial Neural Networks）和轮盘赌（Roulette Wheel Selection）机制,适用于多情景、多尺度和高精度的复杂土地利用模拟[12,13]。
土地利用需求预测主要采用数值模拟模型分析,如灰色模型[14]、系统动力学模型[15]、Markov模型[16]和回归分析[17]等,其中,Markov计算效率较高,具有数量预测优势,但其基于初始状态概率矩阵的算法难以实现多情景土地利用需求预测[16]。
数值-非数值模型集成能反映土地利用变化的复杂过程,正成为LUCC模拟的主流方法：如集成MAS（Multi-Agent System）与CA的城市扩张模拟[18]、集成Markov的区域LUCC模拟[19]、集成CLUE-S与系统动力学模型的绿洲LUCC模拟[20]。
黄土高原水土流失严重,区域水土关系复杂,尽管退耕还林还草等生态工程大幅增加了区域林草覆盖面积,但陆地储水量及地下水补给减少等新问题正在加剧。区域土地利用规划能为生态-社会可持续发展提供政策支持与愿景设计[21,22]。收集黄土高原2000―2015年多源数据,改进传统Markov模型并与FLUS集成,用于模拟研究区2020―2050年多情景LUCC过程,综合分析水土资源约束下的土地利用变化：① 建立土地利用类型及其驱动因子的定量关系,根据土地规划决策需求生成历史趋势延续、生态保育管护和城镇发展建设3种情景; ② 利用改进的Markov-FLUS预测多情景的土地利用需求及空间格局变化;③ 权衡长时间序列的土地利用变化特征,为黄土高原土地利用规划及生态系统管理提供案例和数据支持。

2 研究区概况、数据来源与预处理

2.1 研究区概况

黄土高原位于33°41′ N—41°16′ N和100°52′E—114°33′ E,东西长约1000 km,南北宽约750 km,面积约64×104 km2,地处中国的二级地形阶梯,是全球分布面积最大和最集中的黄土地貌单元,横跨中西部7个省/区（图1）。生态环境问题长期突出,人口超载和过度开垦、撂荒、植被破坏等土地利用更加剧区域生态环境退化,是水土流失严重的生态环境脆弱区[22,23]。近年来,退耕还林还草等人类活动引起的土地覆被变化显著,导致黄土高原输沙强度显著下降,同时降水波动也成为探讨区域水土关系的重要因素[24];综合分析LUCC过程的驱动因素,可为缓解相关生态环境问题和推进区域可持续发展提供科学参考。
图1 黄土高原的区位及2015年土地利用类型

Fig. 1 Location and land use distribution (2015) in the Loess Plateau

2.2 土地利用/覆被数据预处理

对欧洲航天局ESA CCI土地覆盖产品（https://www.esa-landcover-cci.org）重分类（表1）和裁剪,得到研究区2000―2015年数据集。CCI产品利用机器学习和无监督算法对连续3亿张土地覆盖地图进行了融合制图,数据精度已得到全球范围的验证[25]。
表1 ESA CCI土地利用数据的重分类

Tab. 1 Reclassification of land-use types for the ESA CCI dataset

重分类编号 重分类名称 原始地类编号 原始地类描述及编号
1 农用地 10 农田、雨养
20 农田、灌溉或注水后
30 镶嵌农田（>50%）/自然植被(树木、灌丛、草本覆盖) （<50%）
40 镶嵌自然植被(树木,灌丛,草本覆盖) (>50%)/农田(<50%)
2 常绿阔叶林 50 树木覆盖、阔叶、常绿、郁闭度(>15%)
3 落叶阔叶林 60 树木覆盖、阔叶、落叶、郁闭度 (>15%)
4 常绿针叶林 70 树木覆盖、针叶、常绿、郁闭度(>15%)
5 有林地 80 树木覆盖、针叶、落叶、郁闭度(>15%)
100 镶嵌树木和灌丛(>50%)/草本覆盖(<50%)
160 树木覆盖、淹没、淡水或半咸水
170 树木覆盖、淹没、咸水
6 草地 110 镶嵌草本覆盖(>50%)/树木和灌丛(<50%)
130 草地
7 灌丛 120 灌木地
180 灌木和草本覆盖、淹没、淡水/咸水/半咸水
8 城镇用地 190 城镇地区
9 水域 210 水体
220 永久冰雪
10 其他用地 140 地衣和苔藓
150 稀疏植被(树木、灌丛、草本覆盖) (<15%)
200 裸地

3 研究方法

3.1 驱动因子的选取

近年来,黄土高原人口过度增长和工矿交通设施兴建等社会经济建设频繁,加之降水不均、沟壑纵横等恶劣的自然环境,导致区域土地利用变化巨大[22]。选取地形、降水、气温等环境要素和GDP（Gross Domestic Product）、人口、路网等社会经济要素作为黄土高原土地利用变化驱动因子,从中国科学院资源环境数据云平台（http://www.resdc.cn/）收集研究区基础矢量数据,获取DEM、多年平均的降水量和气温、人口和GDP空间分布等栅格数据。预处理后通过ArcGIS 10.2的距离工具获取距主要城市、公路、河流和铁路的距离栅格,使用地统计工具获取坡度和坡向,使用栅格计算器得到2000—2015年的平均降水量及气温栅格图,形成LUCC模型的驱动因子数据集（图2）。为提高FLUS的土地利用模拟迭代效率[25],驱动因子数据均重采样为1 km,投影为“Krasovsky_1940_Albers”。
图2 LUCC模拟的驱动因子

Fig. 2 Driving factors for LUCCsimulation

3.2 Markov模型改进

Markov已用于多种随机过程建模[27],主要方法是利用2个时期土地利用变化的转换概率矩阵 P ij 预测未来土地利用变化,模拟的每次状态转移只与前一时刻有关,具有无后效性：
P n = P ( n - 1 ) P ij
式中： P 为地类的转移概率矩阵; n 为地类数; P ij 为地类 i 转移为地类 j 的概率, 0 ≤ P ij ≤ 1 , ∑ i = 1 n P i j = 1 。 P n 为经 ( n - 1 ) 次状态转移到达 n 次转移后的状态概率向量,即 P n = P ( 0 ) P ij n , P ( 0 ) 为初始状态概率向量。针对Markov的无后效性局限,在参考初始状态转移概率基础上引入情景权重矩阵 w n 。
P ij ' = P 11 P 12 ⋯ P 1 j P 21 ⋮ P i 1 P 22 ⋮ P i 2 ⋯ ⋱ ⋯ P 2 j ⋮ P ij w 1 w 2 ⋱ w n
P ij '' = 1 ∑ n = 1 j P 1 n ' 1 ∑ n = 1 j P 2 n ' ⋱ 1 ∑ n = 1 j P in ' P ij '
式中： P ij ' 为 P ij 经 w n 改变地类权重后的矩阵; P ij ' 中地类转移概率和不为1,使用式（3）得到 P ij '' ,根据具体的 w n 反映多情景土地利用变化,改进后的Markov为： P n = P ( n - 1 ) P ij '' 。以2005―2010年的 P ij 预测2011―2015年土地利用,各地类平均绝对误差均小于0.015,改进的Markov适用于研究区土地利用需求预测。

3.3 CA建模

首先通过Logistic回归分析评估各驱动因子对地类变化的影响。Logistic适用于因变量为2 分类且自变量是连续或混合变量的驱动因子回归分析[28]。
ln P i 1 - P i = α + ∑ n = 1 n β i x i
式中： P i 为栅格可能出现土地利用类型 j 的概率; x i 为影响因子; α 为截距; β i 为回归系数。采用ROC（Receiver Operating Characteristic）值检验模型拟合度,大于0.7说明解释效果好[29]。再使用FLUS模拟LUCC格局。
T P p , k t = P p , k t × Ω p , k t × Inerti a k t × ( 1 - s c c → k )
Ω p , k t = ∑ N × N con ( c p t - 1 = k ) N × N - 1 × ω k
Inerti a k t = I k t - 1 if D k t - 1 ≤ D k t - 2 Inerti a k t × D k t - 2 D k t - 1 if D k t - 1 < D k t - 2 < 0 Inerti a k t × D k t - 1 D k t - 2 if 0 < D k t - 2 < D k t - 1
式中： T P p , k t 为栅格 p 在时间 t 从初始地类转为地类 k 的综合概率; P p , k t 为时间 t 时 k 在栅格 p 的适宜性概率; Ω p , k t 是 k 出现在栅格 p 的概率; Inerti a k t 表示 k 在时间 t 的惯性系数; s c c → k 为地类 c 到 k 的转换成本。 ω i , k 和 sigmoid 分别为ANN隐藏层和输出层权值与激励函数。 ∑ N × N con c p t - 1 = k 是摩尔邻域窗口数,一般小尺度邻域像元模拟效果较好[12],本文 N 取3, ω k 为不同用地的变量权重, D k t - 1 为 t - 1 时 k 的需求量与分配量之间的差值。
获取 P p , k t 分布后,输入标准化驱动因子,在FLUS自适应惯性机制模块中设置目标像元数、限制地类转换的成本矩阵和邻域因子等参数[13]。再利用Kappa和OA（Overall Accuracy）系数评价格局模拟精度[30]。

3.4 土地利用情景设计

退耕还林还草和小流域治理等生态工程大幅提高了黄土高原植被覆盖面积,使黄河径流泥沙含量有效减少,水土流失治理效果明显[21];但林草持续增加和水资源耗散之间的复杂权衡关系仍难以有效认识和调控[31]。近30年来,黄土高原城镇化率约增加了30 %,西安等城市更是接近80 %,快速城镇化与农用地占用所导致农业生产潜力下降,农牧林景观结构的互馈变化对区域水土保育产生了复杂影响[23]。《全国主体功能区规划（2010）》[32]、《全国生态功能区划（修编版2015）》[33]及《黄土高原综合治理规划大纲（2010―2030年）》[34]等也指出黄土高原面临耕地保护形势日趋严峻和城镇化用地矛盾突出的问题。权衡城镇-农田变化、水资源供给与生态保育的关系已成为区域土地利用模拟的核心议题。总结相关政策、规划文本统筹的土地利用管理导向,结合已有研究[21,22],为不同土地利用变化情景设置Markov权重值（表2）：① 历史趋势延续情景：趋势外推,不做设置;② 生态保育管护情景：减缓农用地退化前提下适度增加林草扩张,并限制城镇用地,模拟植被封禁管护和恢复、禁/休牧和耕地防退等生态措施后果;③ 城镇发展建设情景：允许城镇用地大幅扩张和侵占周边农用地,生态用地增长放缓,模拟人口增长及耕地退化的城镇级联扩张后果。
表2 不同情景的wn取值

Tab. 2 Valuesof wn in different scenarios

情景 描述 情景权重矩阵wn取值
历史趋势延续 继承历史时期各地类变化趋势 —
生态保育管护 农用地与城镇用地的扩张减缓,林草地快速增长 Diag (0.95, 1.2, 1.2, 1.2, 1.2, 1.2, 1.1, 0.85, 1, 1)
城镇发展建设 城镇用地的快速扩张,压缩林草地增长 Diag (1.1, 0.9, 0.9, 0.9, 0.9, 0.9, 1, 1.2, 1,1)

4 结果及分析

4.1 历史时期土地利用变化

获取黄土高原2000—2015年土地利用类型变化的百分比（图3）和空间格局分布（图4）。农用地和其他用地减少较明显,城镇用地、草地和林地占比上升,在林草面积增长和城镇用地扩张的影响下,农用地减少1.55 %,其他用地减少0.98 %,城镇用地和草地分别上升1.19 %和0.96 %,城镇用地扩张受到21世纪初的快速城镇化政策影响,东南的落叶阔叶林和南部零散分布的常绿针叶林分别增加了0.15 %和0.17 %,用地类型的变化反映出生态恢复工程与相关政策的实际成效。
图3 黄土高原2000—2015年土地利用百分比变化

Fig. 3 Changes in percentage values of land-use in the Loess Plateau from 2000 to 2015

图4 黄土高原2000和2015年土地利用空间格局

Fig. 4 Spatial pattern of landuse in the Loess Plateau from 2000 to 2015

4.2 土地利用的需求预测与格局变化模拟

多情景土地利用需求预测表明（图5）,农用地均有减少,在城镇发展建设情景下减少显著（575.2 km2/年）;城镇用地均增长且在城镇发展建设情景中最明显（627 km2/年）;林地总体增加,且林草用地在生态保育管护情景下增长显著;其他地类变化较小。检验各地类与驱动因子的回归方程（表3）,ROC值最高为常绿阔叶林（0.962）,最小为农用地（0.738）,表明驱动因子整体选取合理且对LUCC解释能力较好;利用2010―2015实际数据验证模拟时期的格局模拟精度：Kappa为0.801~0.821,OA为0.813―0.886,表明CA模拟的用地空间一致性 和精度高。
图5 黄土高原2020―2050年多情景土地利用需求预测

Fig. 5 Predictionof Land use demand under different scenarios in the Loess Plateau during 2020-2050

表3 驱动因子Logistic回归分析

Tab. 3 Logistic regression analysisof driving factors

驱动因子 农用地 常绿阔
叶林		 落叶阔
叶林		 常绿针
叶林		 有林地 草地 灌丛 城镇用地 水域 其他用地
坡度 -0.164 0.186 0.034 0.118 0.132 0.090 -0.362 -0.424 -0.324 -0.054
坡向 -0.001 ― ― 0.001 ― 0.001 ― ― ― 0.001
降水 0.000 0.001 0.002 0.001 0.001 -0.001 0.000 ― 0.000 -0.001
气温 0.011 0.006 0.002 -0.017 -0.100 -0.023 0.026 0.014 ― -0.035
距城市距离 0.000 0.000 0.000 0.000 ― 0.000 0.000 0.000 0.000 0.000
距公路距离 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 ― 0.000
距铁路距离 ― 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
距河流距离 0.000 ― 0.000 0.000 ― 0.000 ― 0.000 0.000 0.000
GDP 0.000 ― ― ― ― ― ― 0.000 0.000 0.001
人口 0.000 ― 0.000 ― ― ― ― 0.000 ― -0.015
常数 -0.871 -13.944 -13.555 -7.422 -8.239 3.586 -7.520 -2.711 -3.628 3.806
ROC值 0.738 0.962 0.916 0.901 0.882 0.811 0.830 0.889 0.744 0.941

注：“―”指P≤0.05时未通过检验被剔除。

多情景土地利用模拟表明,土地利用整体格局较一致,但局部变化明显,农用地、草地和城镇用地交叉增减显著（图6）。农用地主要分布于高原南部河谷平原区,中部沟壑区零散分布,面积均有减少且城镇发展建设情景减少最明显（578.74 km2/年）,与生态用地扩张存在空间叠置,城镇扩张对农用地缩减影响巨大;草地主要分布于西北部的蒙宁甘境内,中部呈现出与农用地交错分布的格局特征,面积均有增加且生态保育管护情景增加最显著（202.17 km2/年）;城镇扩张主要集中于高原南部城市群,城镇发展建设情景下增速最显著（629.49 km2/年）;林地在生态保育管护情景下增加显著,支持了生态工程通过LUCC改善区域水源涵养等生态功能的观点[23]。农用地面积会缩减5.55%~7.39%,尤其在中部丘陵沟壑区（图6）,将对区域农业生产潜力产生较大威胁,应优先关注高效农业发展和产业结构调整等议题,兼顾有限的水土资源影响与追求生态经济复合效益;生态保育管护情景下的林、草地面积分别可能增加7.9%和2.58%,这为提升人工植被稳定性和水土资源平衡提供了潜在显式途径,但植被增加导致的耗水和蒸散变化不可忽视;城镇面积扩张可能较基期增加1.34~2.2倍,但快速城市化与经济、生态的复杂反馈关系仍有待深入。
图6 黄土高原2020—2050年多情景土地利用格局模拟

Fig. 6 Simulation of land-use patterns under different scenarios in the Loess Plateau from 2020 to 2050

4.3 黄土高原LUCC权衡与时空动态分析

空间异质性的土地利用变化存在复杂的级联影响,利用偏相关分析[35]分析LUCC权衡/协同关系（图7）。情景模拟表明,农用地减少15 205~20 256 km2,城镇用地增加13 446~22 032 km2,其他用地减少4016~5137 km2,均存在城镇扩张占用农用地和其他用地的趋势;草地在生态保育管护情景和城镇发展建设情景下分别增加7076 km2和1292 km2,与落叶阔叶林变化存在权衡,与有林地存在协同,草地与落叶阔叶林保护需统筹规划;林地在生态保育管护情景中增长最快,且各情景存在林草互转;其他用地与草地和城镇用地存在权衡。“城镇-农用地-生态用地”权衡转为协同变化将是区域土地政策难点。
图7 黄土高原不同土地利用变化的相关性

Fig. 7 Correlation of different land-use change in the Loess Plateau

土地利用时空动态分析表明（图8）,农用地、草地和城镇用地相互转化频繁,与原始地类的分布密切相关且分布零散;高原南部农用地-城镇用地转换以原有城镇中心为主要辐射点源向外扩张,在城镇发展建设情景下转化规模较大,由此引发的农业供应和农业生产力变化等问题需引起重视。采用5 km×5 km栅格内面积变化值衡量LUCC时空流转强度（图9）,发现农用地在历史趋势延续情景中呈面状增减相交格局,生态保育管护情景中以局部集中增减为主,城镇发展建设情景中有明显的局部减少,栅格单元内减少像元数排序是：2925（城镇发展建设）>1100（历史趋势延续）>950（生态保育管护）;农用地减少均集中于城镇周围,表明城镇扩张对农用地侵占强度差异大;草地在历史趋势延续情景和城镇发展建设情景中均表现为面状增减相依,聚集增加的像元较少,主要集中于1~5的像元变化,且由西北部的增加逐渐过渡至东南部的减少,如生态保育管护情景中北部草地增加强度显著,符合林草保护预期;各情景城镇用地的栅格内增加像元数差别显著：7550（城镇发展建设）>3625（历史趋势延续）>2175（生态保育管护）。
图8 黄土高原地区2015—2050年不同情景下的土地利用转移

Fig. 8 Land-use transferring under different scenarios in the Loess Plateau from 2015 to 2050

图9 黄土高原2015—2050年各情景主要地类变化强度

Fig. 9 Intensity of changes in main LUCC types under different scenarios in the Loess Plateau from 2015 to 2050

4.4 讨论

通过改进的Markov-CA模型模拟空间显式的黄土高原多情景土地利用,为制定统筹区域社会经济发展与生态治理的土地规划政策提供方法和数据支撑。今后将耦合影响LUCC的文化、制度等关键驱动因子,增加模型政策解释能力;生态保育管护和城镇发展建设情景基本反映了研究区未来用地变化的潜在冲突,但各行政区社会经济状况复杂多元、地理异质性显著,还应强调各区域的特定土地利用问题。土地利用/覆被数据由ESA CCI产品重分类得到,实际应用时应关注数据精度的不确定性;如草地等的面积变化与已有研究[21,22]存在一定差别,今后应开展多样点的多源遥感产品精度验证与校准。黄土高原生态环境脆弱,受水资源和气候变化胁迫影响,IPCC（2013）评估指出未来百年全球气温将持续增加[36],这对缓解黄土高原水土资源紧张关系有益,但局部生态环境脆弱地区的水土治理形势依然严峻[21,37];且气温升高对城镇扩展有正向作用（表3）,将使现有水土关系约束下的“城市—农用地—生态用地”时空置换[38]和权衡关系更趋复杂,核心用地类型的时空变化阈值模拟仍是黄土高原土地利用研究面临的巨大挑战。

5 结论

识别黄土高原土地规划政策影响下的区域土地利用核心矛盾,并设计该区未来土地利用变化的典型情景：历史趋势延续、生态保育管护和城镇发展建设;集成Logistic回归模型、改进的Markov与FLUS模型,综合模拟黄土高原2020—2050年的多情景LUCC空间格局变化。主要结论有：
（1）Logistic回归分析的驱动因子选择合理,ROC值为0.738~0.96;改进的Markov模型和FLUS模型精度良好,Kappa为0.801~0.821,OA为0.813~0.886;系列验证结果表明集成模型适用于黄土高原地区土地利用的需求预测与格局模拟;
（2）3种土地利用情景下,黄土高原土地利用整体格局未发生明显变化;相较历史趋势延续情景,生态保育管护情景中城镇扩张减缓,农用地减少趋势减慢,林草等生态用地得到保护,林、草地面积分别可能增加7.9%和2.58%;城镇发展建设情景下城镇面积扩张可能较基期增加1.34~2.2倍,城镇用地快速扩张是以牺牲农用地和降低生态保护标准为代价;
（3）城镇用地扩张与农用地减少、林草地变化等存在权衡,LUCC时空流转强度表明南部城镇的扩张强度极为显著,城镇集约化发展的同时应继续科学防止农用地的区域性退化,加强生态系统集成管理。空间显式的长时序土地利用多情景模拟可为土地规划提供阈值模拟实验和案例参考,并可用于相似区域的对比研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李秀彬. 全球环境变化研究的核心领域——土地利用/土地覆被变化的国际研究动向[J]. 地理学报, 1996,51(6):553-558.

DOI

[ Li X B. A review of the international researches on land use/land cover change[J]. Acta Geographica Sinica, 1996,51(6):553-558. ]

[2]
刘纪远, 张增祥, 庄大方, 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, 2003,22(1):1-12.

[ Liu J Y, Zhang Z X, Zhuang D F, et al. A study on the spatial-temporal dynamic changes of land-use and driving forces analyses of China in the 1990s[J]. Geographical Research, 2003,22(1):1-12. ]

[3]
刘纪远, 张增祥, 徐新良, 等. 21世纪初中国土地利用变化的空间格局与驱动力分析[J]. 地理学报, 2009,64(12):1411-1420.

DOI

[ Liu J Y, Zhang Z X, Xu X L, et al. Spatial patterns and driving forces of land use change in China in the early 21st century[J]. Acta Geographica Sinica, 2009,64(12):1411-1420. ]

[4]
于兴修, 杨桂山. 中国土地利用/覆被变化研究的现状与问题[J]. 地理科学进展, 2002,21(1):51-57.

[ Yu X X, Yang G S. The advances and problems of land use and land cover change research in China[J]. Progress in Geography, 2002,21(1):51-57. ]

[5]
刘洋, 蒙吉军, 朱利凯. 区域生态安全格局研究进展[J]. 生态学报, 2010,30(24):6980-6989.

[ Liu Y, Meng J J, Zhu L K. Progress in the research on regional ecological security pattern[J]. Acta Ecologica Sinica, 2010,30(24):6980-6989. ]

[6]
刘纪远, 张增祥, 张树文, 等. 中国土地利用变化遥感研究的回顾与展望——基于陈述彭学术思想的引领[J]. 地球信息科学学报, 2020,22(4):680-687.

DOI

[ Liu J Y, Zhang Z X, Zhang S W, et al. Innovation and development of remote sensing-based land use change studies based on Shupeng chen's academic thoughts[J]. Journal of Geo-information Science, 2020,22(4):680-687. ]

[7]
王海军, 夏畅, 刘小平, 等. 大尺度和精细化城市扩展CA的理论与方法探讨[J]. 地理与地理信息科学, 2016,32(5):1-8.

[ Wang H J, Xia C, Liu X P, et al. Theoretical and methodological perspectives of fine-scale urban expansion cellular automata for the large regions[J]. Geography and Geo-Information Science, 2016,32(5):1-8. ]

[8]
Batty M, Xie Y, Sun Z. Modeling urban dynamics through GIS-based cellular automata[J]. Computers, Environment and Urban Systems, 1999,23(3):205-233.

DOI

[9]
Silva E A, Clarke K C. Calibration of the SLEUTH urban growth model for Lisbon and Porto, Portugal[J]. Computers, environment and urban systems, 2002,26(6):525-552.

DOI

[10]
Verburg P H, Soepboer W, Veldkamp A, et al. Modeling the spatial dynamics of regional land use: the CLUE-S model[J]. Environmental Management, 2002,30(3):391-405.

PMID

[11]
周成虎, 欧阳, 马廷, 等. 地理系统模拟的CA模型理论探讨[J]. 地理科学进展, 2009,28(6):833-838.

[ Zhou C H, Ou Y, Ma T, et al. Theoretical perspectives of CA-based geographical system modeling[J]. Progress in Geography, 2009,28(6):833-838. ]

[12]
Liu X, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017,168:94-116.

DOI

[13]
Liang X, Liu X, Li X, et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J]. Landscape and Urban Planning, 2018,177:47-63.

DOI

[14]
赵小汎, 陈文波, 代力民. Markov和灰色模型在土地利用预测中的应用[J]. 水土保持研究, 2007,14(2):19-21.

[ Zhao X F, Chen W B, Dai L M. The application of Markov and gray model in land use prediction[J]. Research of Soil and Water Conservation, 2007,14(2):19-21. ]

[15]
Shen Q, Chen Q, Tang B S, et al. A system dynamics model for the sustainable land use planning and development. Habitat International, 2009,33(1):15-25.

[16]
Ghosh P, Mukhopadhyay A, Chanda A, et al. Application of Cellular automata and Markov-chain model in geospatial environmental modeling-A review[J]. Remote Sensing Applications: Society and Environment, 2017,5:64-77.

DOI

[17]
王希营, 付梅臣, 刘宗强. 土地利用规划中建设用地需求量预测的两种模型比较——以东方市为例[J]. 资源与产业, 2009,11(5):87-91.

[ Wang X Y, Fu M C, Liu Z Q. A case study on Dongfang City: comparison between two models to predict construction land demands during land utilization planning[J]. Resources & Industries, 2009,11(5):87-91. ]

[18]
全泉, 田光进, 沙默泉. 基于多智能体与元胞自动机的上海城市扩展动态模拟[J]. 生态学报, 2011,31(10):2875-2887.

[ Quan Q, Tian G J, Sha M Q. Dynamic simulation of Shanghai urban expansion based on multi-agent system and cellular automata models[J]. Acta Ecologica Sinica, 2011,31(10):2875-2887. ]

[19]
陆汝成, 黄贤金, 左天惠, 等. 基于CLUE—S和Markov复合模型的土地利用情景模拟研究——以江苏省环太湖地区为例[J]. 地理科学, 2009,29(4):577-581.

[ Lu R C, Huang X J, Zuo T H, et al. Land use scenarios simulation based on CLUE-S and Markov composite model: A case study of Taihu lake rim in Jiangsu Province[J]. Scientia Geographica Sinica, 2009,29(4):577-581. ]

[20]
梁友嘉, 徐中民, 钟方雷. 基于SD和CLUE-S模型的张掖市甘州区土地利用情景分析[J]. 地理研究, 2011,30(3):564-576.

[ Liang Y J, Xu Z M, Zhong F L. Land a use scenario analyses by based on system dynamic model and CLUE-S model at regional scale. case study of Ganzhou district of Zhangye city[J]. Geographical Research, 2011,30(3):564-576. ]

[21]
刘国彬, 上官周平, 姚文艺, 等. 黄土高原生态工程的生态成效[J]. 中国科学院院刊, 2017,32(1):11-19.

[ Liu G B, Shangguan Z P, Yao W Y, et al. Ecological effects of soil conservation in loess plateau[J]. Bulletin of the Chinese Academy of Sciences, 2017,32(1):11-19. ]

[22]
周书贵, 邵全琴, 曹巍. 近20年黄土高原土地利用/覆被变化特征分析[J]. 地球信息科学学报, 2016,18(2):190-199.

DOI

[ Zhou S G, Shao Q Q, Cao W. Characteristics of land use and land cover change in the loess plateau over the past 20 years[J]. Journal of Geo-information Science, 2016,18(2):190-199. ]

[23]
Fu B, Wang S, Liu Y, et al. Hydrogeomorphic ecosystem responses to natural and anthropogenic changes in the Loess Plateau of China. Annual Review of Earth and Planetary Sciences, 2017,45:223-243.

[24]
信忠保, 许炯心, 余新晓. 近50年黄土高原水土流失的时空变化[J]. 生态学报, 2009,29(3):1129-1139.

[ Xin Z B, Xu J X, Yu X X. Temporal and spatial variability of sediment yield on the Loess Plateau in the past 50 years[J]. Acta Ecologica Sinica, 2009,29(3):1129-1139. ]

[25]
Li W, Macbean N, Ciais P, et al. Gross and net land cover changes based on plant functional types derived from the annual ESA CCI land cover maps[J]. Earth System Science Data, 2017,10:219-234.

DOI

[26]
Li X, Chen G, Liu X, et al. A new global land-use and land-cover change product at a 1 km resolution for 2010 to 2100 based on human-environment interactions[J]. Annals of the American Association of Geographers, 2017,107:1040-1059.

DOI

[27]
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.

DOI

[28]
黄焕春, 运迎霞. 基于改进logistic-CA的城市形态多情景模拟预测分析——以天津滨海地区为例[J]. 地球信息科学学报, 2013,15(3):380-388.

DOI

[ Huang H C, Yun Y X. A method of simulation and prediction of urban morphology under multiscenarios[J]. Journal of Geo-information Science, 2013,15(3):380-388. ]

[29]
Pontius R G, Schneider L C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA[J]. Agriculture, Ecosystems and Environment, 2001,85(1-3):239-248.

DOI

[30]
Rwanga S S, Ndambuki J M. Accuracy assessment of Land Use/Land Cover classification using remote sensing and GIS[J]. International Journal of Geosciences, 2017,8(4):611-622.

DOI

[31]
Feng X, Fu B, Piao S, et al. Revegetation in China's Loess Plateau is approaching sustainable water resource limits. Nature Climate Change, 2016,6(11):1019.

[32]
国务院. 全国主体功能区规划[EB/OL]. http://www.gov.cn/zwgk/2011-06/08/content_1879180.htm.

[ State Council. National Major Function Zone Planning[EB/OL]. http://www.gov.cn/zwgk/2011-06/08/content_1879180.htm. ]

[33]
环境保护部.全国生态功能区划(修编版)[EB/OL]. .

[ Ministry of Ecology and Environment of the People’s Republic of China. National Ecological Function Zoning (Revised Edition)[EB/OL]. ]

[34]
国家发展改革委. 黄土高原地区综合治理规划大纲(2010-2030年)[EB/OL]. http://zfxxgk.ndrc.gov.cn/web/iteminfo.jsp?id=271.

[ National Development and Reform Commission. Outline of Comprehensive Management Plan for the Loess Plateau(2010-2030)[EB/OL]. http://zfxxgk.ndrc.gov.cn/web/iteminfo.jsp?id=271. ]

[35]
Pontius R G. Quantification error versus location error in comparison of categorical maps[J]. Photogrammetric Engineering & Remote Sensing, 2000,66(8):1101-1016.

[36]
IPCC. Climate change 2013: The physical science basis. contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[R]. Cambridge and New York: Cambridge UniversityPress, 2013: 159-254.

[37]
孙艺杰, 任志远, 郝梦雅, 等. 黄土高原生态系统服务权衡与协同时空变化及影响因素——以延安市为例[J]. 生态学报, 2019,39(10):3443-3454.

[ Sun Y J, Ren Z Y, Hao M Y, et al. Spatial and temporal changes in the synergy and trade-off between ecosystem services, and its influencing factors in Yanan, Loess Plateau[J]. Acta Ecologica Sinica, 2019,39(10):3443-3454. ]

[38]
Vliet J V. Direct and indirect loss of natural area from urban expansion[J]. Nature Sustainability, 2019,2(8):755-763.

DOI

Options
文章导航

/

〈 〉