基于CLUE_S模型的广州市土地利用格局动态模拟

基于CLUE-S模型的广州市土地利用格局动态模拟

王 健 田光进

**

*

全 泉 蒋 晶

(北京师范大学环境学院,北京100875)

摘 要 选取海拔、坡度、到河流距离、铁路距离等21个驱动因子,利用CLUE-S模型对

广州市土地利用格局进行模拟,模拟结果与实际土地利用的Kappa系数为0.8014,具有较高可信度。利用模型对2010年广州市土地利用格局进行预测,模拟结果表明,耕地和水域分布主要受地形因素的影响,而林地受海拔高度影响更为明显。根据预测,2005)2010年广州市土地利用斑块数增加,土地利用格局进一步破碎化;土地利用斑块形状复杂程度降低,趋于简单;多样性指数略有升高。

关键词 土地利用动态格局;CLUE-S模型;驱动因子;广州市

中图分类号 X321 文献标识码 A 文章编号 1000-40(2010)6-1257-06DynamicsimulationoflandusepatterninGuangzhoubasedonCLUE-Smodel.WANGJian,TIANGuang-jin,QUANQuan,JIANGJing(SchoolofEnvironment,BeijingNormalU-niversity,Beijing100875,China).ChineseJournalofEcology,2010,29(6):1257-1262.Abstract:Twenty-onedrivingfactors,includingaltitude,slope,distancetoriver,anddistancetorailway,etc.,wereselectedtosimulatethedynamiclandusepatternofGuangzhoubasedonCLUE-Smode.lThesimulatedresultshadahighreliability,withtheKappacoefficientbeing018014totheactualsituation.ThepredictionofthelandusepatterninGuangzhouin2010showedthatthedistributionofcroplandandwaterbodywouldbemainlyaffectedbytopography,andforestlandwouldbemoreaffectedbyaltitude.In2005-2010,thelandusepatchnumberandthelandscapefragmentationinGuangzhouwouldbeincreased,thecomplexityofpatchshapetendedtobesimplified,andthediversityindexwouldhaveaslightincrease.Keywords:dynamiclandusepattern;CLUE-Smode;ldrivingforce;Guangzhou.

城市土地利用格局在未来如何变化,是当前土地利用变化研究的核心科学问题(张华等,2007)。城市土地利用变化受自然、社会、经济等因素的综合影响,表现出复杂的非线性特征。土地利用变化模型,尤其是建立在明确空间定位基础上的、综合集成的动态模型,成为研究土地利用变化的驱动机制、动态规律及其发展趋势的重要技术手段(张永民等,2004;盛晟等,2008)。近年来,广泛应用的模型包括系统动力学(SD)模型(何春阳等,2004)、元胞自动机(CA)模型(汤君友和杨桂山,2003;Barredoet

al.,2003;Syphardetal.,2005)、智能体(ABM)模型(刘小平等,2006;田光进和邬建国,2008)以及土地利用变化及其效应(CLUE-S)模型(Verburgetal.,

*国家重点基础研究发展规划项目(2005CB724204)和国家自然科学基金资助项目(40571060)。**通讯作者E-mai:ltianguangjin@gmai.lcom收稿日期:2009-10-14 接受日期:2010-03-232002)等。

作为我国最大的城市之一,广州市有2100多年的发展历史。近年来,随着城市化进程的加速,广州市土地利用方式的变化极为显著。对广州市的土地利用变化的研究主要集中在景观格局的空间动态变化和梯度分异方面(郭泺等,2006;龚建周和夏北成,2007),对其土地利用变化的预测主要是利用马尔科夫矩阵和元胞自动机相结合的方法(杨国清

等,2006),并不能很好地反映自然、社会和经济等因素对土地利用格局的影响。而近年来广泛应用的CLUE-S模型综合考虑了人口、土壤、气候以及基础设施条件对土地利用格局的影响,能更加准确地模拟和预测研究区在不同情境模式下土地利用格局的变化(邓祥征等,2004;摆万奇等,2005;徐霞等,2008)。

本文在较高空间分辨率图像数据的支持下,通1258

生态学杂志 第29卷 第6期

过构建土地利用变化的空间模型CLUE-S,对近10年广州市土地利用的时空动态变化进行了模拟,以期探讨广州市的城市发展趋势及动力学机制。1 研究地区与研究方法111 研究区概况

广州市(22b26cN)23b56cN,112b57cE)114b13cE)总面积为743414km,属南亚热带湿润季风气候区,土壤以赤红壤为主。地势大致东北高,西南部和南部低,呈东北向西南和南部倾斜状态。北部和东北部为低山丘陵,中部为丘陵和台地,中南部多为台地和冲积平原,南部是珠江三角洲冲积平原,为河网区和河口。112 数据来源

以覆盖广州市域的2000和2005年2期LandsatTM遥感影像为数据源,空间分辨率为30m。经过了辐射纠正、几何纠正及RGB假彩色合成,在Arc-GIS的支持下,以栅格影像为背景,利用人机交互式提取土地利用数据。参照广州市行政区划图,结合常用的全国土地利用分类系统和广州市的实际情况,将广州市的土地利用类型分为耕地、林地、草地、水域、城镇用地、农村居民点用地、工矿建设用地7种土地利用类型。在遥感图像解译过程中,通过对不能准确判断类型的图斑进行野外考察和样本抽查,分类精度达到98172%。以上数据转化到统一的坐标系和投影下,所采用的投影为等面积割圆锥投影,经线为105bE,双标准纬线分别为25bN和47bN,椭球体为Krasovsky椭球体(田光进等,2003;全泉和田光进,2009)。

113 研究方法

11311 CLUE-S模型介绍 CLUE-S(theConversionofLandUseanditsEffectsatSmallregionalextent)模型是荷兰瓦赫宁根大学一个/土地利用变化和影响0研究小组在CLUE模型的基础上开发的(蔺卿等,2005),该模型具有模拟区域土地利用时空动态变化的能力。

CLUE-S模型是基于栅格图形数据构建而成的,要完成对区域土地利用时空动态变化的模拟,输入的数据包括:1)模拟初期各土地利用类型的空间分布格局及其与相应驱动因素的关系系数;2)各类土地利用类型之间的相互转换规则;3)需预测年份的各类土地利用类型的面积。

11312 CLUE-S模型应用 根据数据的可获得性、2

相关性和可用性等条件,选择以下土地利用的驱动因子:海拔、坡度(平地、丘陵和平原)、坡向(平坡、东坡、西坡、南坡和北坡)、距离、城镇密度、农村居民点密度、人口密度和人均GDP,共21个驱动因子。平地指坡度<5b的区域,丘陵指坡度介于5b~15b的区域,山地指坡度>15b的区域;城镇密度指10km@10km范围内城镇用地面积所占的百分比;农村居民点密度指10km@10km范围内农村居民点用地所占的百分比。本文综合考虑了城市发展规划对城市扩张的影响。2000年,为积极应对国际国内新的发展环境和发展形势,广州市开国内大城市之先河,率先开展了广州城市总体发展战略规划工作,形成广州远发展战略)))5广州城市建设总体战略概念规划纲要6,为广州面向21世纪的发展提供引导和规划控制,其空间发展战略可概括为/南拓、北优、东进、西联、中调0,其中/南拓0是战略规划确定的城市空间发展策略的核心,是广州由沿江城市转变为滨海城市的行动方略。2002年8月,广州、市为了实施/南拓0战略,成立了享有广州市级审批权限的广州南沙开发建设指挥部。2005年4月28日,正式批准设立广州市南沙区。故本文在利用CLUE-S模型模拟和预测过程中,对广州市的南部区域设定了与其他区域不同的土地利用转换参数,使南部区域的其他土地利用类型更容易转化为城镇用地。

土地利用类型的空间分布格局由二分类变量的栅格图形数据表示,1表示某土地利用类型出现,0表示不出现。每一种土地利用类型的空间分布与其驱动因子的关系系数利用Logistic回归方程求得(Bucini&Lambin,2002;Gobinetal.,2002),Logistic回归是土地利用变化研究中常用的一种方法。CLUE-S模型利用Logistic逐步回归对每一栅格可能出现某种土地利用类型的概率进行计算。

lnPi

=B0+B1X1,i+B2X2,i,BnXn,j

1-Pi(1)

式中,Pi为每个栅格可能出现某种土地利用类型i的概率;A为常数;B0~Bn为回归方程的系数;Xi~Xn分别为与土地类型i相关的各驱动因子。在Logistic回归分析过程中,回归系数的置信度要大于95%。若驱动因子系数的置信度低于该值则不能进入回归方程,驱动因子中山地和北坡没有进入回归方程,其他均进入回归方程。

根据2000年广州市的土地利用格局(图1),对王 健等:基于CLUE-S模型的广州市土地利用格局动态模拟

表1 各土地利用类型的Logistic回归结果(expB值)Tab.1 Resultsoflogisticregressionfordifferentlandusetypes(expBvalue)

驱动因子海拔坡度

平地丘陵山地

坡向

平坡东坡西坡南坡北坡

距离

距河流距离距铁路距离

距高速公路距离距国家干线距离距省级公路距离距市中心距离距镇中心距离距农村居民点距离

密度

城镇密度农村居民点密度人口密度人均GDP常量ROC值

代码X0X1X2X3X4X5X6X7X8X9X10X11X12X13X14X15X16X17X18X19X20

11026110310199111000110201100711023019019601102701963017650114901840

11008019491101501974019520199511057110200197501908019540156139501918

1104401978019830198501997019540187501954018550195311012019450107701769

0192811020019981101011040019971112011079019911100911056112120100201802

1100611014

019851101201985018870162221383110861102711267313780100001975

11000110000199401901982110100184001034110251105511023111670127801910

11924114560182311370

01314015381107301593

01000019941152211343

11160113130191811239

01171019311103801923

01504019761130411118

耕地019794170811619

林地110170120601950

草地110021124411609

水域0199451908

城镇用地01979877181522

农村

居民点019983117611750

1259

工矿建设用地019970160301750113110174801960017080196811027019400199201995019830179011053019920197001938019650111501755

2413727509401771

每一种土地利用类型,运用Logistic回归进行统计分析与诊断,并对所得结果进行ROC检验(表1)。检验指标ROC值介于015~110。015表示回归方程的解释能力最差,与随机判别效果相当;110表示方程的解释能力最好,可以完全确定土地利用的空间分布。随ROC值的增加,Logistic回归方程对土地利用分布格局的解释能力逐渐上升(Pontius&Schneider,2001)。

Beta系数为Logistic回归方程诊断出的关系系

数,ExpB是Beta系数以e为底的自然幂指数,其值等于事件的发生比率。发生比率表示为驱动因子每增加一个单位,土地利用类型发生比的变化情况,ExpB<1,发生比减少;ExpB=1,发生比不变;ExpB>1,发生比增加。发生比是事件的发生频数与不发生频数之间的比。

ROC检验结果显示,各种土地利用类型的拟和度分别为:耕地0184,林地01918,草地01769,水域01802,城镇用地01975,农村居民点0191,工矿建设用地01755。草地和工矿建设用地的预测精度较低,原因是这2种土地利用类型具有相对较强的动态特征。2 结果与分析

211 模型结果

分析各土地利用类型与驱动因子的相关性(表1)可以发现:耕地受地形因素影响最大,平地发生率为41708,显著高于丘陵的11619;海拔每上升1m,耕地发生率减少211%;坡向对耕地影响最大

图1 广州市2000年土地利用现状示意图Fig.1 LandusepatternofGuangzhouin2000

的是平坡,其次是东坡、南坡和西坡;道路交通体系对耕地分布的影响,以铁路的影响较为显著,距铁路1260

生态学杂志 第29卷 第6期

的距离每增加1km,耕地发生率增加311%;河流也是影响耕地分布的重要因素,距河流的距离每增加1km,耕地发生率增加216%;此外,对其分布有重要影响的是城镇密度和距镇中心的距离,城镇密度每增加1%,耕地发生率减少4%,距镇中心的距离每增加1km,耕地的发生率增加213%;人口经济因素中,经济因素的影响最为明显,人均GDP每增加1万元,耕地的发生率减少2315%;其他驱动因素对耕地发生率的影响相对较小。

林地与水体相比,林地受海拔的影响较为明显,海拔每升高1m,林地的发生率增加117%,草地在平地和丘陵的发生率也远高于林地。距镇中心的距离和距农村居民点的距离对林地和草地具有不同的影响,距镇中心距离每增加1km,林地的发生率增加517%,而草地的发生率减少1215%;据农村居民点的距离每增加1km,林地的发生率增加2%,而草地的发生率减少416%;人口因素对耕地和林地的影响正好相反,随着人口密度的增加林地的发生率在降低而草地的发生率在升高;经济因素对林地的影响较为明显而对草地的影响不大,人均GDP每增加1万元,林地的发生率降低3515%。

水域的分布主要受地形因素的影响,在平地的发生率远大于丘陵和山地的发生率。在距离因素中对其影响较为明显的是距镇中心和距农村居民点的距离,距镇中心的距离每增加1km,水域的发生率增加12%;距农村居民点的距离每增加1km,水域的发生率增加719%;与人口因素相比,水域的分布受经济因素影响更明显,人均GDP每升高1万元,水域的发生率增加2112%。

城镇用地和农村居民点用地的分布有相似的规律,随着海拔的上升,发生率降低,其中,城镇用地的发生率下降的更快。城镇用地受地形的影响比农村居民点大得多,平地对城镇用地的分布具有重要影响。在距离因素中,对城镇用地影响大的因素为距市中心、距镇中心和到农村居民点的距离;对农村居民点影响较大的因素是距镇中心的距离和距农村居民点的距离;人口经济状况是影响城镇用地和农村居民点分布的重要因素,每平方公里每增加1万人,城镇用地的发生率增加2617%,农村居民点的发生率增加213%,人均GDP每增加1万元,城镇用地的发生率增加23718%,农村居民点的发生率增加1617%。,以上数据表明,城镇用地和农村居民点的在经济发达、人口密度大、海拔较低的平地具有相对较高的发生率。

在地形因素中对工矿建设用地分布最为重要的因素是平地,工矿建设用地在平坡的发生率要比在其他坡向高31%。在距离因素中对其影响最为明显的是距镇中心的距离,距镇中心的距离每增加1km,工矿建设用地的发生率减少21%;人口和经济因素对工矿建设用地的分布较为不明显。212 模型验证

应用CLUE-S模型进行空间模拟,是在综合分析土地利用的空间分布概率适宜度、土地利用变化规则和初期土地利用分布现状图的基础上,根据总概率大小对土地利用需求进行空间分配的过程。以广州市2000年的土地利用空间数据为基础,模拟2005年的土地利用空间格局,并用2005年的实际土地利用格局对模拟结果进行检验(图2、图3)。

王 健等:基于CLUE-S模型的广州市土地利用格局动态模拟

1261

表2 2005)2010年广州土地格局指数变化Tab.2 LandscapepatternmetricschangeofGuangzhoufrom2005to2010

年份20052010

斑块数(个)75729015

形状指数4614342134

分维数11401137

平均斑块面积(hm2)9116376196

斑块面积变异系数23951652561104

多样性指数11401145

Kappa指数可以定量地反映模拟效果(Pontius,2000;布仁仓等,2004)。

Kappa=(Po-Pc)/(Pp-Pc)

拟比例;Pp为理想分类情况下正确模拟的比例。 根据2000年的数据模拟2005年土地利用分布时,整个研究区域总的栅格数为173453个,其中模拟正确的栅格数为143924个,占研究区栅格总数的83%。研究区域土地利用类型分为7类,每个栅格随机模拟情况下的正确率为1/7,所以Pc=1/7。所以模拟结果的Kappa值为:

Kappa=(Po-Pc)/(Pp-Pc)

=(018298-011429)/(1-011429)=018014

如果不对广州市进行区域划分,重新模拟计算Kappa值为01765,可见通过对研究区进行区域划分以设置不同的土地转换参数,可以显著提高模拟精确度。同时CLUE-S模型基本再现了广州市土地利用方式的变化过程,城市扩展的方向、规模、空间格局特征等在CLUE-S模型中也得到了较准确的反映。213 广州市2010年土地利用格局模拟

对广州市2010年土地需求的预测是通过马尔科夫模型实现的,马尔科夫模型在土地利用变化的模型构建中有广泛的应用,但传统马尔科夫模型的局限性在于没有空间因子,难以预测土地利用的空间格局,所以要与CLUE-S模型结合起来预测。

将研究区2000和2005年2期矢量土地利用分布图进行叠置分析得到土地利用类型转移概率矩阵,通过转移概率矩阵预测广州市2010年各土地利用类型的面积,然后将土地需求量输入CLUE-S模型可得到广州市2010年土地利用格局(图4)。 将广州市2010年的土地利用格局与2005年的土地利用格局进行比较分析,城镇用地主要是以西北部、中部和南部为中心扩张,其中南部扩张较明显,北面受地形因素的影响扩张不明显。利用Frag-stats软件计算景观格局指数并对土地利用格局进行对比(表2)可以看出,2010年土地利用斑块数将增加到9015个,斑块平均面积下降到76196hm,斑块面积变异系数上升到2561104,多样性指数略有升高。因此,广州市土地利用斑块将更加破碎,斑块面积减小。

2

(2)

式中:P0为正确模拟的比例;Pc为随机情况下期望的模

图4 广州市2010年土地利用模拟示意图

Fig.4 LandusesimulationofGuangzhouin2010

3 结 论

CLUE-S模型是在对区域土地利用变化经验理解的基础上,通过对土地利用变化与社会、经济及自然环境等驱动因子之间关系的定量分析,来模拟土地利用变化。本文以CLUE-S模型为基本框架,运用广州市2000年的土地利用数据,验证了CLUE-S模型在广州市模拟中的效果。模拟结果的Kappa值达到了018014,表明该模型能较好地模拟广州市土地格局的动态变化,总体上能满足研究与预测需要。综合考虑城市发展规划,通过对模型参数分区赋值能有效提高模拟精度,这对于深入研究土地利用变化的动力学机制以及与广州市具有相似自然环境条件与社会经济发展水平的珠江三角洲其他区域的土地利用变化,具有良好的借鉴意义和重要参考价值。同时,本文以2005年土地利用数据为基础,对2010年广州市土地利用格局进行了预测,结果表明,2005)2010年,土地利用斑块数增加,土地利用格局进一步破碎化;多样性指数与2005年相比略有升高;斑块形状指数和分维数均下降,表明广州市土地利用斑块形状复杂程度降低,斑块形状趋于简单。1262参考文献

生态学杂志 第29卷 第6期

张 华,张 勃,VerburgPH.2007.不同水资源情境下干

旱区未来土地利用/覆被变化模拟)))以黑河中上游张掖市为例.冰川冻土,29(3):397-405.张永民,赵士洞,VerburgPH.2004.科尔沁沙地及其周围

地区土地利用的时空动态变化研究.自然资源学报,15(3):429-435.BarredoJI,KasankoM,McCormickN,etal.2003.Modelling

dynamicspatialprocesses:Simulationofurbanfuturesce-nariosthroughcellularautomata.LandscapeandUrbanPlanning,:145-160.

BuciniG,LambinEF.2002.FireimpactsonvegetationinCen-tralAfrica:Aremote-sensing-basedstatisticalanalysis.Ap-pliedGeography,22:27-48.GobinA,CamplingP,FeyenJ.2002.Logisticmodelingtode-riveagriculturallanddeterminants:Acasestudyfrom

southeasternNigeria.Agriculture,EcosystemsandEnviron-ment,:213-228.PonitusJ.2000.Quantificationerrorversuslocationerrorin

comparisonofcategoricalmaps.PhotogrammetricEngineer-ing&RemoteSensing,66:1011-1016.

PontiusRG,SchneiderLC.2001.Land-coverchangemodel

validationbyanROCmethodfortheIpswichwatershed,Massachusetts,USA.Agriculture,EcosystemsandEnviron-ment,85:239-248.

SyphardAD,ClarkeKC,FranklinJ.2005.Usingacellular

automatonmodeltoforecasttheeffectsofurbangrowthonhabitatpatterninsouthernCalifornia.EcologicalComplexi-ty,2:185-203.VerburgP,VeldkampW,LimpiadaR,etal.2002.Modeling

thespatialdynamicsofregionallanduse:TheCLUE-Smode.lEnvironmentalManagement,30:391-405.作者简介 王 健,男,1982年生,硕士研究生。主要从事环境遥感、土地利用/土地覆被变化等方面的研究。E-mai:lfuz.i2008@yahoo.com.cn责任编辑 刘丽娟

摆万奇,张永民,阎建忠,等.2005.大渡河上游地区土地

利用/土地覆被变化与驱动力分析.地理研究,24(2):206-212.

布仁仓,李秀珍,胡远满.2004.尺度变换的正确率分析.

生态学报,24(4):659-665.

邓祥征,刘纪远,战金艳,等.2004.太仆寺旗土地利用变

化时空格局的动态模拟.地理研究,23(2):147-156.龚建周,夏北成.2007.1990年以来广州市土地覆被景观的

时空梯度分异.地理学报,62(2):181-190.

郭 泺,夏北成,刘蔚秋,等.2006.城市化进程中广州市

景观格局的时空变化与梯度分异.应用生态学报,17(9):1671-1676.

何春阳,史培军,李景刚,等.2004.中国北方未来土地利

用变化情景模拟.地理学报,59(4):599-607.

蔺 卿,罗格平,陈 曦.2005.LUCC驱动力模型研究综

述.地理科学进展,24(5):79-87.刘小平,黎 夏,叶嘉安.2006.基于多智能体系统的空间

决策行为及土地利用格局演变的模拟.中国科学D辑,36(11):1027-1036.

全 泉,田光进.2009.长江三角洲四城市城镇化过程景观

动态变化格局比较.生态学杂志,28(4):721-727.盛 晟,刘茂松,徐 驰,等.2008.CLUE-S模型在南京市

土地利用变化研究中的应用.生态学杂志,27(2):235-239.

汤君友,杨桂山.2003.试论元胞自动机模型与LUCC时空

模拟.土壤,35(6):456-460.

田光进,邬建国.2008.基于智能体模型的土地利用动态模

拟研究进展.生态学报,28(9):1544-9544.

田光进,庄大方,刘纪远.2003.近10年来中国农村居民点

用地时空特征.地理学报,58(5):651-658.徐 霞,刘海鹏,高 琼.2008.中国北方农牧交错带土地

利用空间优化布局的动态模拟.地理科学进展,27(3):80-85.

杨国清,吴志峰,祝国瑞.2006.广州地区土地利用景观格

局变化研究.农业工程学报,22(5):218-221.