馮仕超，高小紅，* ，顧 娟，亢 健，郭麗峰，吳國良，鄒 嬋

(1.青海師范大學(xué)生命與地理科學(xué)學(xué)院 青藏高原環(huán)境與資源教育部重點(diǎn)實(shí)驗室，西寧 810008;2.中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，蘭州 730000;3.蘭州大學(xué)西部環(huán)境教育部重點(diǎn)實(shí)驗室，蘭州 730000)

土地利用/土地覆被變化(LUCC)是全球變化與可持續(xù)發(fā)展的重要研究內(nèi)容［1］，受自然、人文因素在不同時間、空間尺度上相互作用［2］，表現(xiàn)出復(fù)雜的非線性特征。土地利用模型是理解和認(rèn)識區(qū)域土地利用/土地覆被變化的某些關(guān)鍵過程并進(jìn)行定量描述，從而對未來土地利用變化格局和影響因子進(jìn)行研究評價的重要工具［3］，因此它的應(yīng)用已經(jīng)逐漸成為研究 LUCC驅(qū)動機(jī)制［4］、動態(tài)規(guī)律［5］、生態(tài)效應(yīng)［6］及預(yù)測未來土地利用變化及其發(fā)展趨勢的重要技術(shù)手段［7］。近年來，用于區(qū)域土地利用模擬的模型主要包括系統(tǒng)動力學(xué)模型、Markov模型、元胞自動機(jī)模型、Agent-based模型、CLUE模型以及在其基礎(chǔ)上改進(jìn)的CLUE-S模型等。

CLUE-S模型是2002年由荷蘭瓦赫寧根農(nóng)業(yè)大學(xué)Verburg等［8］科學(xué)家在Veldcamp和Fresco［9］1996年提出的CLUE模型基礎(chǔ)上開發(fā)的，用于小區(qū)域尺度的土地利用變化模擬模型。張永民等［10-11］于2002年最早將該模型分別應(yīng)用于我國內(nèi)蒙古科爾沁沙地及其周圍地區(qū)和內(nèi)蒙古奈曼旗土地利用的時空動態(tài)變化模擬研究，均取得了良好的模擬結(jié)果。自此后的近10多年來，CLUE-S模型已經(jīng)被廣泛地用于我國不同區(qū)域的土地利用模擬研究，也都取得有效的模擬結(jié)果［12-14］，其中包括在西部地區(qū)的應(yīng)用，如:擺萬奇等［15］、魏強(qiáng)［16］、張華等［17］和梁友嘉等［18］分別以四川省大渡河上游地區(qū)、新疆托克遜縣、甘肅張掖市以及張掖市甘州區(qū)等為研究區(qū)域，運(yùn)用該模型模擬其土地利用的時空變化。然而，還未見利用CLUE-S模型對青藏高原與黃土高原過渡帶復(fù)雜地形區(qū)的土地利用變化進(jìn)行模擬研究的報道。

尺度問題是土地變化科學(xué)中的關(guān)鍵問題［19］，在土地利用變化研究中，尺度是空間或時間的分析范圍，在這一分析范圍內(nèi)，可以用來測量和研究事物及過程，根據(jù)尺度的定義，可以把尺度按照性質(zhì)分為空間尺度和時間尺度［20］。時間尺度往往以時間粒度和時間幅度來表達(dá)，時間粒度指某一現(xiàn)象或事件發(fā)生的(取樣的)頻率或時間間隔，研究對象的發(fā)展時期則確定其時間幅度［19］。據(jù)此，本研究中的時間尺度指的是時間粒度，即模擬時間間隔。以往的CLUE-S模型模擬研究中，主要是利用某一年份的土地利用數(shù)據(jù)模擬另一年份或者多個年份的土地利用空間格局［7-11，21］，而利用不同年份的土地利用數(shù)據(jù)去模擬同一年份的土地利用空間分布格局的研究則比較少。

本文中，分別用1987年和1996年兩期土地利用數(shù)據(jù)去模擬2007年土地利用空間格局分布，時間尺度分別為20a和11a，兩次模擬的目的是為了減少模擬中的不確定性因素，增加模擬結(jié)果的可靠性和說服力，并為研究區(qū)未來土地利用空間分布格局變化模擬參數(shù)的設(shè)置提供依據(jù)。

基于以上考慮，本論文的研究目標(biāo)主要為:(1)探究CLUE-S模型在青藏高原與黃土高原過渡帶高海拔復(fù)雜地形區(qū)的適用性;(2)分別利用1987年和1996年兩期土地利用數(shù)據(jù)，對湟水流域2007年土地利用的空間變化格局進(jìn)行模擬，并從數(shù)量、位置和整體上分別對兩次土地利用模擬結(jié)果計算其Kappa指數(shù)，通過利用不同年份數(shù)據(jù)去模擬同一年份的土地利用空間格局來驗證模擬結(jié)果的可靠性;(3)重點(diǎn)針對流域耕地中的坡耕地退耕進(jìn)行研究，構(gòu)建湟水流域2008—2027年土地利用需求的四種不同情景，對研究區(qū)2027年土地利用空間分布格局變化進(jìn)行模擬，以期為湟水流域未來土地發(fā)展規(guī)劃、管理及政策的制定提供參考依據(jù)和決策支持。

1 研究區(qū)域概況

湟水是黃河上游最大的一級支流，發(fā)源于青海省海北藏族自治州海晏縣包呼圖山，自西北向東南流經(jīng)青海省海晏、湟源、湟中、西寧、互助、平安、樂都及民和等七縣一市，在甘肅省永靖縣傅子村注入黃河。湟水干流全長374km，青海省境內(nèi)全長336km。湟水流域地處黃土高原與青藏高原的過渡地帶，北依達(dá)坂山，南鄰拉脊山，西與日月山相鄰，東與甘肅省莊浪河流域接壤，地理位置為 36°02'—37°28'N，100°41'—103°04'E(圖 1)。地形由河谷沖積平原、黃土丘陵和中高山地組成，地勢自西北向東南傾斜，流域內(nèi)海拔最高處是位于湟源縣西南的野牛山(4898m)，最低處為民和縣下川口鎮(zhèn)(1650m)。行政范圍除了上述的縣市外，還包括大通回族土族自治縣。氣候?qū)儆诟咴珊怠敫珊荡箨懶詺夂?。根?jù)1961—2010年氣象資料統(tǒng)計，湟水流域多年年平均氣溫2.5—7.5℃，多年平均降水量453.12mm。青海省境內(nèi)湟水干流流域面積為16120km2，雖然僅占青海省總面積的2.23%，但總?cè)丝?、地區(qū)生產(chǎn)總值及工業(yè)總產(chǎn)值卻分別占青海的62.31%、58.17%和54.72%(截至到2010年末)，是青海省的政治、經(jīng)濟(jì)、文化、教育、科技、交通中心和主要工農(nóng)業(yè)生產(chǎn)基地。

圖1 湟水流域位置圖Fig.1 Location map of the Huangshui river basin

2 數(shù)據(jù)源與研究方法

2.1 數(shù)據(jù)來源與處理

數(shù)據(jù)源主要包括1987/1988年、1994/1995/1996年和2006/2007年3個時期的Landsat-5 TM影像數(shù)據(jù)(表1)，1∶25萬DEM(數(shù)字高程模型)、1∶10萬比例尺地形圖和相關(guān)的人口、社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)等。其中影像數(shù)據(jù)和DEM分別來源于中國科學(xué)院對地觀測與數(shù)字地球中心和美國地質(zhì)調(diào)查局網(wǎng)站(http://www.usgs.gov/)，1∶10萬比例尺地形圖來自青海省基礎(chǔ)地理信息中心，口和地方財政收入等統(tǒng)計數(shù)據(jù)均來源于1987年、1996 年和2007 年《青海省統(tǒng)計年鑒》［22］。

所有影像數(shù)據(jù)均已經(jīng)過了前期的輻射糾正和幾何粗糾正，幾何精校正和配準(zhǔn)采取影像到影像的幾何糾正方法，在ERDAS IMAGINE 9.2軟件支持下，以研究區(qū)已有的1999/2001年的影像為基準(zhǔn)，分別對1987、1996和2007年的影像進(jìn)行幾何精糾正和配準(zhǔn)，幾何精糾正的像元誤差，平原區(qū)控制在0.5個像元，山區(qū)為1—2像元。投影均從通用橫軸墨卡托投影轉(zhuǎn)為阿爾伯斯等面積圓錐投影。流域邊界的獲取是在ArcGIS 9.3軟件平臺下，以1∶10萬比例尺地形圖和Landsat TM影像為基礎(chǔ)，結(jié)合DEM數(shù)據(jù)，勾繪出湟水流域邊界，根據(jù)流域邊界分別切割出3期流域遙感影像。

土地利用分類系統(tǒng)采用中國科學(xué)院“中國資源環(huán)境數(shù)據(jù)庫”土地利用遙感分類體系，并結(jié)合青海省土地資源調(diào)查技術(shù)規(guī)程和湟水流域的實(shí)際情況，將研究區(qū)的土地利用/土地覆被類型劃分為水澆地、旱地、林地、草地、水域、城鄉(xiāng)居住建設(shè)用地和未利用土地七類。通過野外實(shí)地踏勘，結(jié)合影像的地物光譜特征，建立了室內(nèi)解譯標(biāo)志。在ArcGIS 9.3軟件支持下，采用人工交互目視解譯方法對影像進(jìn)行判讀解譯，分別獲得1987、1996和2007年三期土地利用矢量數(shù)據(jù)。經(jīng)野外實(shí)地抽樣調(diào)查驗證，2007年總體解譯精度達(dá)到93%以上。結(jié)合地形圖和湟水流域相關(guān)歷史圖件和統(tǒng)計數(shù)據(jù)，對1987和1996年的解譯結(jié)果進(jìn)行精度評價，總體精度分別達(dá)到88%和90%，精度符合研究要求。

表1 遙感影像信息Table 1 Remote sensing images information

以湟水流域三個相應(yīng)時期的遙感影像為基礎(chǔ)，分別數(shù)字化獲取了各期的水系、城鎮(zhèn)和農(nóng)村居住用地圖。流域鐵路、國道以及省道數(shù)據(jù)的獲取首先以研究區(qū)1∶10萬比例尺地形圖為準(zhǔn)，參考谷歌地球中湟水流域2007年影像信息，并結(jié)合1∶400萬國家基礎(chǔ)地理信息數(shù)據(jù)，數(shù)字化獲得了2007年流域鐵路、國道和省道數(shù)據(jù)。在此數(shù)據(jù)基礎(chǔ)上，利用《青海省地圖集》(2009年第一版)、《青海省省志——公路志》及其他輔助數(shù)據(jù)，分別獲取了其他二期鐵路、國道和省道數(shù)據(jù)。將水系、城鎮(zhèn)和農(nóng)村居民用地、鐵路、國道以及省道數(shù)據(jù)分別轉(zhuǎn)成柵格格式、格網(wǎng)大小為250m×250m。利用ArcGIS空間分析模塊中的距離制圖函數(shù)來分別計算每一柵格單元距水系、鐵路、國道、省道、城鎮(zhèn)和農(nóng)村居民用地的直線距離，并按距離遠(yuǎn)近分級。

2.2 研究方法

2.2.1 CLUE-S 模型原理

CLUE-S模型兼顧了土地利用系統(tǒng)中的自然和社會經(jīng)濟(jì)驅(qū)動因子，在空間上反映土地利用變化的過程和結(jié)果，與其它土地利用模型相比，具有更高的可信度和更強(qiáng)的解釋力［12］。模型以柵格為研究單元，利用研究單元內(nèi)的主要土地利用類型來表達(dá)該柵格內(nèi)的土地利用情況，即通過計算每一種土地利用類型在該研究單元上的概率大小以確定哪種地類占優(yōu)勢。綜合考慮湟水流域面積大小和模型運(yùn)行的數(shù)據(jù)運(yùn)算量，模擬運(yùn)行的柵格大小設(shè)置為250m×250m。

CLUE-S模型的輸入包括:(1)政策限制區(qū)域，是指由于特殊的政策或者地區(qū)狀況在模擬時間段內(nèi)部不允許隨便發(fā)生變化的區(qū)域，如:研究區(qū)內(nèi)的自然保護(hù)區(qū)和基本農(nóng)田保護(hù)區(qū)。本研究中，不設(shè)置受限制區(qū)域，整個研究區(qū)都允許發(fā)生土地利用變化;(2)土地利用各類型轉(zhuǎn)換規(guī)則和轉(zhuǎn)換彈性系數(shù);(3)土地利用需求文件，屬于CLUE-S模型中的非空間分析模塊，主要記錄模擬時間段內(nèi)各個土地利用類型的需求量，它是以1a為時間間隔的土地利用類型需求數(shù)據(jù)，包括模擬起始年到終止年時間段內(nèi)各個年份的土地利用的面積;(4)區(qū)域位置特征與驅(qū)動因素的關(guān)系，是指土地利用的空間分布格局與其各驅(qū)動因素之間的關(guān)系。CLUE-S模型中，運(yùn)用Logistic回歸分析方法計算土地利用的空間分布格局與其驅(qū)動因子之間的定量關(guān)系。其公式如下:

式中，Pi指的是某種土地利用類型i在某一個柵格單元內(nèi)出現(xiàn)的概率;Xn，i為地類分布格局的各驅(qū)動因子，如人口、柵格單元到道路的距離以及地形條件等等;β為Logistic回歸方程的回歸系數(shù)，表示各土地類型與驅(qū)動因子之間的定量關(guān)系。

2.2.2 土地利用需求文件設(shè)置

土地利用需求文件的計算是獨(dú)立于CLUE-S模型之外。一般是采用SD模型［18］、Markov模型［23］、Grey模型［16］或者是通過線性內(nèi)插的方法來獲得，但前3種方法需依賴于完善的社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)。線性內(nèi)插方法則是一種簡單、快捷的計算方法，常用于缺乏社會經(jīng)濟(jì)數(shù)據(jù)的區(qū)域，例如:張永民等［10］、擺萬奇等［15］、Verburg［24］等采用線性內(nèi)插法插值獲取研究區(qū)的土地利用需求文件，并取得了良好的模擬效果。由于湟水流域縣級歷史社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)的缺乏及獲取較為困難，不能滿足前3種模擬方法對數(shù)據(jù)的要求。因此我們采用線性內(nèi)插方法來獲取CLUE-S模型所需的土地利用需求文件。

2.2.3 土地利用轉(zhuǎn)換彈性參數(shù)設(shè)置

土地利用轉(zhuǎn)換彈性(ELAS)參數(shù)是指土地利用類型的穩(wěn)定程度，它的值介于0與1之間，0表示某種土地利用類型極易轉(zhuǎn)換為其它類型，1表示某種土地利用類型不易轉(zhuǎn)換為其它類型，ELAS參數(shù)的值越接近1，表明該土地利用類型越不容易轉(zhuǎn)換為其它類型，發(fā)生轉(zhuǎn)換的可能性越小，土地利用就越穩(wěn)定，對應(yīng)的土地利用類型發(fā)生轉(zhuǎn)變的概率就越小，其設(shè)置主要依靠研究者對研究地區(qū)土地利用變化的理解［10］或者根據(jù)土地利用轉(zhuǎn)移情況和模型調(diào)試相結(jié)合的方法進(jìn)行［14］。根據(jù)湟水流域土地利用類型的轉(zhuǎn)出率，并結(jié)合野外實(shí)際調(diào)查情況，首先對其進(jìn)行初步的設(shè)置，并對照2007年土地利用現(xiàn)狀圖來檢驗?zāi)M結(jié)果的總體精度和Kappa指數(shù)，將模擬結(jié)果再進(jìn)行多次調(diào)試，最終分別為研究區(qū)1987—2007年與1996—2007年模擬期各選擇一組合適的參數(shù)。據(jù)此，1987—2007 年 ELAS 參數(shù)設(shè)置為:水澆地0.4，旱地 0.2，林地 0.9，草地 0.6，水域 0.9，城鄉(xiāng)居住建設(shè)用地1，未利用土地0.2;1996—2007 年 ELAS 參數(shù)為:水澆地0.4，旱地0.2，林地0.9，草地0.6，水域0.9，城鄉(xiāng)居住建設(shè)用地1，未利用土地0.3。

2.2.4 土地利用轉(zhuǎn)換規(guī)則的設(shè)置

轉(zhuǎn)換規(guī)則指在一定的情景模式下，各地類之間相互轉(zhuǎn)移的可能性矩陣［25］。轉(zhuǎn)換規(guī)則的設(shè)置是通過轉(zhuǎn)移矩陣來定義各土地利用類型之間能否實(shí)現(xiàn)轉(zhuǎn)變，1表示可以轉(zhuǎn)變，0表示不能轉(zhuǎn)變。其設(shè)置的一般原則:對高投資或者區(qū)域生態(tài)環(huán)境有重要影響的區(qū)域不可輕易轉(zhuǎn)換［18］。本文根據(jù)湟水流域1986—1996年和1996—2007年土地利用的轉(zhuǎn)移變化情況及轉(zhuǎn)換約束條件等綜合考慮，來實(shí)現(xiàn)對土地利用轉(zhuǎn)換規(guī)則的設(shè)置。主要對城鄉(xiāng)居住建設(shè)用地做了轉(zhuǎn)換限制設(shè)置，即城鄉(xiāng)居住建設(shè)用地不能轉(zhuǎn)換為其他地類(表2)。

表2 土地利用轉(zhuǎn)換限制Table 2 Land use transition restrictions

2.2.5 Kappa 指數(shù)

Kappa指數(shù)一般用來評價遙感影像的分類精度，也可以用來比較兩幅圖件的一致性，由Cohen在1960年提出［26］。將模擬得到的土地利用類型圖與真實(shí)土地利用類型圖進(jìn)行空間疊加，得到兩幅圖的轉(zhuǎn)移矩陣，見表3，由此計算Kappa指數(shù)，其公式為:

式中，Po=P11+P22+P33+…+PJJ;Pc=R1×S1+R2×S2+R3×S3+…+RJ×SJ;Pp=R1+R2+R3+…+RJ。Po指的是對比真實(shí)圖和模擬圖后，得出的各類型比率正確程度的觀測值;Pc指的是在模擬圖上，偶然引起的比率正確程度的期望值;Pp是指真實(shí)圖上的比率正確程度的真實(shí)值，當(dāng)真實(shí)圖和模擬圖完全一樣的情況下為1［27］;J代表的是土地利用類型的總數(shù);j代表的是各土地利用類型。

表3 土地利用模擬類型圖與真實(shí)土地利用類型圖的轉(zhuǎn)移矩陣［28］Table 3 Transition matrix between simulated and actual land use type maps

由于公式(2)中的Kappa指數(shù)并沒有說明產(chǎn)生誤差的原因，因此Pontius等人［28-30］在此公式的基礎(chǔ)上，進(jìn)一步發(fā)展了Kappa指數(shù)，來量化數(shù)量誤差和位置誤差。數(shù)量Kappa指數(shù)能夠說明土地利用類型在數(shù)量上的變化，位置Kappa指數(shù)能夠說明土地利用類型在空間位置上的變化，但是上述兩者不能綜合的反映土地利用類型變化的程度。而隨機(jī)Kappa指數(shù)和標(biāo)準(zhǔn)Kappa指數(shù)分別綜合了位置和數(shù)量的變化，能對綜合信息的變化進(jìn)行量化［31］。具體計算方法見公式(3)—(6):

與真實(shí)土地利用類型圖相比，土地利用類型模擬圖指定土地利用類型圖數(shù)量的能力分為:完全(PQ)、中等(MQ)和無(NQ);指定土地利用類型圖空間位置的能力分為:完全(PL)、中等(ML)和無(NL)(表4)。

表4中，PQ指的是完全保持了各土地利用類型的原始面積;NQ指的是無法保持各土地利用類型的原始面積;MQ的情況正好位于上述兩種情況之間。同理，PL指的是完全準(zhǔn)確地保持了各土地利用類型的空間位置;NL指的是無法保持各土地利用類型的空間位置;ML的情況正好位于上述兩種情況之間。根據(jù)公式(3)—(6)，可以分別計算出數(shù)量Kappa指數(shù)、位置Kappa指數(shù)、標(biāo)準(zhǔn)Kappa指數(shù)和隨機(jī)Kappa指數(shù)。Kappa指數(shù)的取值范圍在0—1之間，當(dāng)Kappa≥0.75時，兩者一致性較好;0.4≤Kappa＜0.75時，兩者一致性一般;Kappa＜0.4時，兩者一致性差。

3 結(jié)果與分析

3.1 Logistic逐步回歸結(jié)果與分析

選取水澆地、旱地、林地、草地、水域、城鄉(xiāng)居住建設(shè)用地和未利用土地7種土地利用類型，海拔、坡度(分為0°≤坡度 ＜5°，5°≤坡度 ＜15°，15°≤坡度 ＜25°和坡度 ＞25°)、坡向(分為平坡、東坡、南坡、西坡和北坡)、分別距(河流、鐵路、國道、省道、城鎮(zhèn)和農(nóng)村居民點(diǎn))的距離、人口和地方財政收入等18種自然、社會經(jīng)濟(jì)驅(qū)動因子，運(yùn)用統(tǒng)計軟件SPSS對各土地利用類型和驅(qū)動因子進(jìn)行Logistic逐步回歸計算。由于樣本量較大，所以我們采用隨機(jī)抽樣的方法，從研究區(qū)257184個樣本點(diǎn)中抽取了10%的樣本進(jìn)行Logistic回歸分析。采用Pontius等人［30］提出的相對工作特性(ROC)方法進(jìn)行回歸效果檢驗。ROC的取值介于0.5—1之間，0.5表示回歸方程的解釋能力最差，當(dāng)ROC值大于0.7時，說明模擬的土地利用空間格局和真實(shí)的土地利用空間格局之間有良好的一致性，1表示方程的解釋能力最好。各土地利用類型的兩次模擬回歸檢驗結(jié)果見表5，ROC曲線見附圖1和附圖2(ROC曲線下面積越大，表明回歸效果越好)。

表4 百分比正確程度的分類［28］Table 4 Proportion correct classification

表5ROC檢驗結(jié)果Table 5 Test results of ROC

從表5可以看出，在兩次模擬過程中，各土地利用類型的ROC值均大于或等于0.7，表明所選取的驅(qū)動因子對各土地利用類型都有良好的解釋能力，其中水澆地的ROC值最大，1987年和1996年分別為0.946和0.945，說明所選驅(qū)動因子對水澆地的解釋能力最強(qiáng);其次分別是城鄉(xiāng)居住建設(shè)用地、草地、林地、未利用土地和旱地，均達(dá)到了0.8以上，水域的ROC值最低，但也都達(dá)到了0.7。

3.2 模擬結(jié)果檢驗

基于CLUE-S模型，分別利用1987年和1996年兩期土地利用數(shù)據(jù)模擬得到2007年土地利用空間模擬圖，并以2007年實(shí)際土地利用圖分別驗證兩期的模擬精度。經(jīng)計算，兩個不同時間段的模擬總體精度分別達(dá)到88.31%和89.96%;同時，利用公式(3)—(6)計算兩期模擬結(jié)果的4種Kappa指數(shù)(表6)，以進(jìn)一步驗證模擬結(jié)果的準(zhǔn)確性。表6顯示:兩個模擬時間段數(shù)量Kappa指數(shù)均為0.999，表明在不考慮空間位置變化的情況下，模擬結(jié)果圖與真實(shí)土地利用類型圖相比，各土地利用類型面積的一致性非常高。位置Kappa指數(shù)、標(biāo)準(zhǔn)Kappa指數(shù)和隨機(jī)Kappa指數(shù)均達(dá)到0.75以上。位置Kappa指數(shù)表明在不考慮數(shù)量變化的情況下，模擬結(jié)果圖與真實(shí)土地利用類型圖一致性較好。標(biāo)準(zhǔn)Kappa指數(shù)表明在中等保持空間位置和數(shù)量的能力下，模擬結(jié)果圖與真實(shí)土地利用類型圖一致性較好。隨機(jī)Kappa指數(shù)表明在不考慮空間位置和數(shù)量的情況下，模擬結(jié)果圖與真實(shí)土地利用類型圖一致性較好。

綜上所述，無論是用總體精度檢驗的方法還是利用Kappa指數(shù)進(jìn)行驗證，模擬結(jié)果均具有較高的精度，說明CLUE-S模型完全適用于湟水流域的土地利用空間格局模擬。

表6 Kappa指數(shù)計算結(jié)果Table 6 The computed results of Kappa index

3.3 未來土地利用變化情景構(gòu)建及模擬

3.3.1 土地利用變化情景構(gòu)建

CLUE-S模型能夠支持探索未來不同情景下土地利用/土地覆被空間格局變化模擬。本文以流域2007年土地利用數(shù)據(jù)為模擬基準(zhǔn)年，構(gòu)建了2008—2027年土地利用變化的4種不同情景。

情景1，自然增長情景。該情景設(shè)置主要是依據(jù)研究區(qū)1996—2007年土地利用的變化速率，計算得到2027年各土地利用類型需求面積。其設(shè)置的主要依據(jù)為:根據(jù)對研究區(qū)域土地利用變化的分析［32］表明，1987—2007年期間，湟水流域土地利用的顯著變化發(fā)生在1996—2007年，特別是1999年國家“退耕還林、還草”政策和2000年“西部大開發(fā)戰(zhàn)略”實(shí)施以來，而1987—1996年期間流域的土地利用變化很小，因此情景一依據(jù)1996—2007年土地利用變化速率設(shè)置。

情景2—情景4為退耕情景，即分別為按照坡度≥15°、≥20°和≥25°進(jìn)行退耕，林地面積分別增加6.67萬hm2，城鄉(xiāng)居住建設(shè)用地均按照2000—2007年的變化率恒定增加。這3種情景的設(shè)置主要是針對耕地類型進(jìn)行設(shè)計，探討流域不同坡度坡耕地退耕還林、還草和城鄉(xiāng)居住建設(shè)用地持續(xù)增加情況下土地利用空間格局的變化情況。其主要依據(jù):(1)研究區(qū)坡度大于15°以上的耕地約占流域耕地總面積的33%，依據(jù)《中華人民共和國水土保持法》規(guī)定，禁止在25°以上陡坡地開墾種植農(nóng)作物。在干旱、半干旱地區(qū)，15°—25°的緩坡耕地雖然不屬于國家強(qiáng)制退耕的范疇，但也是退耕的重點(diǎn)，在這個坡度范圍內(nèi)退耕還林、還草工程的實(shí)施必須兼顧農(nóng)民生計和經(jīng)濟(jì)發(fā)展，因此情景構(gòu)建須同時考慮生態(tài)安全和糧食安全兩個方面的因素;(2)根據(jù)《青海省國民經(jīng)濟(jì)和社會發(fā)展第十二個五年規(guī)劃綱要》，“繼續(xù)實(shí)施西寧南北兩山、湟水河流域百萬畝人工造林工程”(該工程隸屬于三北防護(hù)林工程第五期工程)，據(jù)此，在情景2—情景4中，設(shè)置林地面積均增加為6.67萬hm2。(3)自2000年以來，隨著西部大開發(fā)戰(zhàn)略的實(shí)施，湟水流域城鎮(zhèn)化進(jìn)程日益加快、城鎮(zhèn)周圍耕地面積持續(xù)減少，故情景2—情景4中城鎮(zhèn)建設(shè)用地變化依據(jù)2000—2007年的變化速率。

3.3.2 不同情景下的土地利用空間變化格局模擬

基于CLUE-S模型，分別對上述4種情景進(jìn)行模擬，圖2顯示4種情景下2027年各土地利用模擬圖和2007年實(shí)際土地利用圖。從圖2可以看出:情景1中，到2027年湟水流域的土地利用格局將按照現(xiàn)有的變化趨勢發(fā)展，其中變化最明顯的是林地和旱地，旱地大面積減少而林地大面積增加，城鄉(xiāng)居住建設(shè)用地明顯擴(kuò)張，其它土地利用類型變化不是很明顯。情景2—情景4中，2027年模擬圖中退耕土地范圍，即林地、草地面積增加主要集中分布在湟水流域東部的樂都縣和民和縣、北部的大通縣縣城北部以及西部的湟源縣縣城西北部的湟水河兩岸。其中西部地區(qū)的變化最為明顯，到2027年大部分將退為草地?？傊?種情景中，退耕面積情景2＞情景3＞情景4。4種情景中，城鄉(xiāng)居住建設(shè)用地面積擴(kuò)展主要是集中在河谷地區(qū)，而林地的增加主要分布在西寧市市區(qū)的周邊(主要是南山和北山)和流域北部地區(qū)(主要是大通和互助縣境內(nèi))。其它土地利用類型在上述4種情景的模擬圖中變化均不是很明顯。

4 結(jié)論和討論

本研究基于湟水流域1987年和1996年兩期土地利用數(shù)據(jù)，并結(jié)合自然和社會經(jīng)濟(jì)等驅(qū)動因子，運(yùn)用CLUE-S模型，對湟水流域2007年的土地利用空間分布格局進(jìn)行模擬，經(jīng)總體精度和Kappa指數(shù)檢驗，兩個模擬期均取得了良好的效果，表明CLUE-S模型在湟水流域具有較好的土地利用模擬能力。在此基礎(chǔ)上，依據(jù)湟水流域未來發(fā)展規(guī)劃，構(gòu)建流域未來20a(2008—2027年)土地利用需求的4種不同情景，并對4種情景下2027年土地利用空間分布格局進(jìn)行了模擬。研究結(jié)論可為湟水流域未來土地的利用規(guī)劃、管理及政策制定等提供參考依據(jù)和決策支持。

圖2 2007年實(shí)際土地利用圖與四種情景下2027年土地利用模擬圖Fig.2 Land use simulation maps in 2027 under four different scenarios and land use situation map in 2007

由于湟水流域橫跨海北藏族自治州(海晏縣)、西寧市(包括西寧市市區(qū)、大通縣、湟中縣和湟源縣)和海東地區(qū)(包括互助縣、平安縣、樂都縣和民和縣)8縣1市，研究中以縣級為單位的長時間序列歷史社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)的缺少以及數(shù)據(jù)統(tǒng)計口徑的不一致，致使社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)選擇受到限制和無法使用，故模擬中僅選擇了人口和地方財政收入兩個社會經(jīng)濟(jì)驅(qū)動因子，這在一定程度上必將會影響模擬結(jié)果。如何更好地獲取和量化社會經(jīng)濟(jì)驅(qū)動因子并將其運(yùn)用于該流域土地利用模擬有待于今后進(jìn)一步研究。

雖然CLUE-S模型對于土地利用變化的模擬具有良好的空間表達(dá)性，但是和其他模型相比，該模型對給定社會經(jīng)濟(jì)條件下各類土地宏觀需求的空間表現(xiàn)仍然有限。目前，利用土地利用總量變化模擬模型(如:Grey模型、SD模型或Markov模型)與CLUE-S模型相結(jié)合等對土地利用變化進(jìn)行模擬預(yù)測日益成為研究的熱點(diǎn)和重要方向。該類研究的主要特點(diǎn)是結(jié)合了土地利用總量變化模擬模型在模擬土地利用數(shù)量方面的能力和CLUE-S模型模擬土地利用空間格局變化的能力，因此已成為彌補(bǔ)CLUE-S模型模擬土地利用數(shù)量缺陷的一種有效的方法。因此在后續(xù)的研究中，將進(jìn)一步探討土地利用總量變化模擬模型與CLUE-S模型相結(jié)合模擬湟水流域土地利用空間分布格局。

隨著湟水流域城市化進(jìn)程的加快，城鄉(xiāng)居住建設(shè)用地迅速擴(kuò)展，該類土地類型受政府政策因素的影響比較大，因此土地利用變化呈現(xiàn)出不確定性特征。然而CLUE-S模型很難模擬由于政策導(dǎo)向出現(xiàn)的開發(fā)區(qū)和工業(yè)園區(qū)等“蛙跳式”的土地利用空間分布格局，城鄉(xiāng)居住建設(shè)用地不確定性的變化特征在一定程度上會影響模擬的精度。因此在未來土地利用情景模擬的研究中，如何結(jié)合地方政策構(gòu)建合理的土地利用情景也是今后研究的一個重點(diǎn)之一(圖3，圖4)。

圖3 1987年ROC曲線Fig.3 The ROC curve in 1987

圖4 1996年ROC曲線Fig.4 The ROC curve in 1996

［1］ Chen Y Q，Yang P.Recent progresses of international study on land use and land cover change(LUCC).Economic Geography，2001，21(1):95-100.

［2］ Cai Y L.A study on land use/cover change:the need for a new integrated approach.Geographical Research，2001，20(6):645-652.

［3］ Veldkamp A，Lambin E.Predicting land-use change.Agriculture Ecosystems＆ Environment，2001，85(1/3):1-6.

［4］ Li P，Li X B，Liu X J.Macro-analysis on the driving forces of the land-use change in China.Geographical Research，2001，20(2):129-138.

［5］ Lambin E F，Rounsevell M D A，Geist H J.Are agricultural land-use models able to predict changes in land-use intensity?Agriculture，Ecosystems＆ Environment，2000，82(1/3):321-331.

［6］ Skole D L，Chomentowski W H，Salas W A，Nobre A D.Physical and human dimensions of deforestation in Amazonia.Bioscience，1994，44(5):314-322.

［7］ Sheng S，Liu M S，Xu C，Yu W，Chen H.Application of CLUE-S model in simulating land use changes in Nanjing metropolitan region.Chinese Journal of Ecology，2008，27(2):235-239.

［8］ Verburg P H，Soepboer W，Veldkamp A，Limpiada R，Espaldon V，Mastura S S A.Modeling the spatial dynamics of regional land use:the CLUE-S model.Environmental Management，2002，30(3):391-405.

［9］ Veldkamp A，F(xiàn)resco L O.CLUE:a conceptual model to study the conversion of land use and its effects.Ecological Modelling，1996，85(2/3):253-270.

［10］ Zhang Y M，Zhao S D，P H Verburg.CLUE-S and its application for simulating temporal and spatial change of land use in Naiman Banner.Journal of Natural Resources，2003，18(3):310-318.

［11］ Zhang Y M，Zhao S D，Zhang K B.Simulation of changes in spatial pattern of land use in Horqin desert and its outer area.Journal of Beijing Forestry University，2003，25(3):68-73.

［12］ Peng Jian，Cai Yunlong，P H Verburg.Simulation of land use/cover change scenarios in Karst mountain areas，Transactions of the CSAE，2007，23(7):64-70.

［13］ Zheng X Q，Zhao L，Hu Y C，Li N.Spatio-temporal allocation of general land-use planning index.Transactions of the Chinese Society of Agricultural Engineering，2010，26(4):297-305.

［14］ Liu Q F，Liu J P，Song K S，Li F，Wang Z M.Simulation on spatial pattern of land use change in Bielahong river basin based on CLUE-S model.Journal of Northeast Forestry University，2010，38(1):64-67，73-73.

［15］ Bai W Q，Zhang Y M，Yan J Z，Zhang Y L.Simulation of land use dynamics in the upper reaches of the Dadu river.Geographical Research，2005，24(2):206-212.

［16］ Wei Q.Simulation of Dynamic Change in Land Utilization Toksun County Based on CLUE-S Model［D］.Urumqi:Xinjiang University，2010.

［17］ Zhang H，Zhang B，Meng B，Ding W H.Land use and land cover change modeling in Zhangye city.Remote Sensing Technology and Application，2004，19(5):359-363.

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

［19］ Chen R S，Cai Y L.Progress in the study of scale issues in land change science.Geographical Research，2010，29(7):1244-1256.

［20］ Chen Y Q，He Y B.Scale issues in the analysis of land use/cover change.Economic Geography，2005，25(2):152-155.

［21］ Tan Y Z，Wu C F，Mou Y M，Wang Q R，Yu Z G.Simulation of land use spatial pattern change on county scale in the rapid economic development region.Transactions of the Chinese Society of Agricultural Engineering，2006，22(12):72-77.

［22］ Statistics Bureau of Qinghai Province.Qinghai Statistical Yearbook 1987，1996，2007.Beijing:China Statistics Press，1988，1997，2008.

［23］ Wang Y S，Yu X X，He K N，Li Q Y，Zhang Y S，Song S M.Dynamic simulation of land use change in Jihe watershed based on CA-Markov model.Transactions of the Chinese Society of Agricultural Engineering，2011，27(12):330-336.

［24］Verburg P H.The CLUE-S model Tutorial CLUE-S(version 2.4)and DYNA-CLUE(version 2).Handbook of CLUE-S Model，2008.

［25］ Meng J J，Yan F，Zhao C H.Land use change simulation on the edge of metropolis A case study of Changping district in Beijing.Journal of Basic Science and Engineering，2010，18(2):197-208.

［26］ Cohen J.A coefficient of agreement for nominal scales.Educational and Psychological Measurement，1960，2(1):37-46.

［27］ Bu R C，Li X Z，Hu Y M，Chang Y，He H S.Analyzing the agreement of maps through spatial aggregations Acta Ecologica Sinica，2004，24(4):659-665.

［28］ Pontius Jr R G.Quantification error versus location error in comparison of categorical maps.Photogrammetric Engineering and Remote Sensing，2000，66(8):1011-1016.

［29］ Pontius Jr R G.Statistical methods to partition effects of quantity and location during comparison of categorical maps at multiple resolutions.Photogrammetric Engineering and Remote Sensing，2002，68:1041-1049.

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

［31］ Liu M，Hu Y M，Chang Y，Bu R C，Zhang W.Landscape change and its spatial driving force of farmlands in Wenchuan County of Minjiang river upper reach.Chinese Journal of Applied Ecology，2007，18(3):569-574.

［32］ Gao X H，F(xiàn)eng S C，Xie J A，Li J S.Analysis of cultivated land change by remote sensing data in the Huangshui River watershed，northwestern China.Proceeding of SPIE 8181，81811G(2011)，2011.

參考文獻(xiàn):

［1］ 陳佑啟，楊鵬.國際上土地利用土地覆蓋變化研究的新進(jìn)展.經(jīng)濟(jì)地理，2001，21(1):95-100.

［2］ 蔡運(yùn)龍.土地利用/土地覆被變化研究:尋求新的綜合途徑.地理研究，2001，20(6):645-652.

［4］ 李平，李秀彬，劉學(xué)軍.我國現(xiàn)階段土地利用變化驅(qū)動力的宏觀分析.地理研究，2001，20(2):129-138.

［7］ 盛晟，劉茂松，徐馳，郁文，陳虹.CLUE-S模型在南京市土地利用變化研究中的應(yīng)用.生態(tài)學(xué)雜志，2008，27(2):235-239.

［10］ 張永民，趙士洞，P H Verburg.CLUE-S模型及其在奈曼旗土地利用時空動態(tài)變化模擬中的應(yīng)用.自然資源學(xué)報，2003，18(3):310-318.

［12］ 彭建，蔡運(yùn)龍，P H Verburg.喀斯特山區(qū)土地利用/覆被變化情景模擬.農(nóng)業(yè)工程學(xué)報，2007，23(7):64-70.

［13］ 鄭新奇，趙璐，胡業(yè)翠，李寧.土地利用總體規(guī)劃指標(biāo)時空分配.農(nóng)業(yè)工程學(xué)報，2010，26(4):297-305.

［14］ 劉慶鳳，劉吉平，宋開山，李方，王宗明.基于CLUE-S模型的別拉洪河流域土地利用變化模擬.東北林業(yè)大學(xué)學(xué)報，2010，38(1):64-67，73-73.

［15］ 擺萬奇，張永民，閻建忠，張鐿鋰.大渡河上游地區(qū)土地利用動態(tài)模擬分析.地理研究，2005，24(2):206-212.

［16］ 魏強(qiáng).基于CLUE-S模型的托克遜縣土地利用動態(tài)變化預(yù)測模擬研究［D］.烏魯木齊:新疆大學(xué)，2010.

［17］ 張華，張勃，孟寶，丁文暉.張掖市土地利用/覆蓋變化模擬.遙感技術(shù)與應(yīng)用，2004，19(5):359-363.

［18］ 梁友嘉，徐中民，鐘方雷.基于SD和CLUE-S模型的張掖市甘州區(qū)土地利用情景分析.地理研究，2011，30(3):564-576.

［19］ 陳睿山，蔡運(yùn)龍.土地變化科學(xué)中的尺度問題與解決途徑.地理研究，2010，29(7):1244-1256.

［22］ 青海省統(tǒng)計局編.青海省統(tǒng)計年鑒1987，1996，2007.北京:中國統(tǒng)計出版社，1988，1997，2008.

［23］ 王友生，余新曉，賀康寧，李慶云，張由松，宋思銘.基于CA-Markov模型的藉河流域土地利用變化動態(tài)模擬.農(nóng)業(yè)工程學(xué)報，2011，27(12):330-336.

［25］ 蒙吉軍，嚴(yán)汾，趙春紅.大城市邊緣區(qū)土地利用變化模擬研究——以北京市昌平區(qū)為例.應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報，2010，18(2):197-208.

［27］ 布仁倉，李秀珍，胡遠(yuǎn)滿，常禹，賀紅士.尺度變換的正確率分析.生態(tài)學(xué)報，2004，24(4):659-665.

［31］ 劉淼，胡遠(yuǎn)滿，常禹，布仁倉，張薇.岷江上游汶川縣耕地景觀變化及空間驅(qū)動力.應(yīng)用生態(tài)學(xué)報，2007，18(3):569-574.