王會(huì)軍，韓增林，王 利，任啟龍

（1.遼寧師范大學(xué) 城市與環(huán)境學(xué)院，遼寧 大連 116029）

大連金州老城區(qū)用地類型演變及預(yù)測(cè)

王會(huì)軍1，韓增林1，王 利1，任啟龍1

（1.遼寧師范大學(xué) 城市與環(huán)境學(xué)院，遼寧 大連 116029）

以大連金州老城區(qū)為研究區(qū)，采用CA-Markov模型，根據(jù)1996年和2010年土地利用數(shù)據(jù)，分析了城鎮(zhèn)空間、生態(tài)空間和農(nóng)業(yè)空間的演化過(guò)程；并對(duì)2015年土地利用類型進(jìn)行了預(yù)測(cè)，且與2015年遙感解譯數(shù)據(jù)進(jìn)行了對(duì)比，預(yù)測(cè)數(shù)據(jù)精度為93%，說(shuō)明該模型可信度較高。在此基礎(chǔ)上，添加了坡度、建設(shè)現(xiàn)狀、交通線及規(guī)劃約束等控制因素，進(jìn)一步對(duì)2020年土地利用類型進(jìn)行了預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，金州老城區(qū)城鎮(zhèn)空間持續(xù)擴(kuò)大，東北部生態(tài)空間和農(nóng)業(yè)空間將被壓縮，城市用地的擴(kuò)張使得建設(shè)用地與山體、海域保護(hù)間的矛盾更加突出。

土地利用類型；演變；預(yù)測(cè)；CA-Markov；大連金州老城區(qū)

土地利用/覆蓋變化是全球氣候和環(huán)境變化研究的重要內(nèi)容之一，對(duì)土地利用動(dòng)態(tài)變化進(jìn)行模擬是當(dāng)今研究的熱點(diǎn)。土地利用動(dòng)態(tài)變化模擬的模型和方法有很多，常見(jiàn)的有最優(yōu)化模型、元胞自動(dòng)機(jī)（CA）、Clue-S模型和人工智能化模型等。CA-Markov模型[1-2]綜合了CA模型模擬復(fù)雜系統(tǒng)空間變化的能力和Markov模型長(zhǎng)期預(yù)測(cè)的優(yōu)勢(shì)，完善了Markov分析預(yù)測(cè)結(jié)果的空間配置[3]，可以很好地從時(shí)間和空間上模擬土地利用的變化情況，因此應(yīng)用較廣泛。Jenerette G D[4]等運(yùn)用該模型模擬了美國(guó)亞歷桑那州菲尼克斯地區(qū)的土地利用變化情況，得出當(dāng)?shù)爻鞘幸灾笖?shù)方式增長(zhǎng)，且城市擴(kuò)張和人口增加密切相關(guān)的結(jié)論；White R[5]等研究表明將CA與GIS結(jié)合可有效克服GIS在模型功能方面的局限性；結(jié)合分形理論，White R[6]利用CA模型對(duì)美國(guó)多個(gè)城市土地利用變化進(jìn)行了模擬；肖明[7]等采用CA-Markov 模型，根據(jù)1998年、2008年土地利用解譯數(shù)據(jù)，結(jié)合降雨、坡度、距離等因素對(duì)海南昌化江下游流域2018年土地利用類型進(jìn)行了模擬和預(yù)測(cè)。

隨著全國(guó)及省級(jí)主體功能區(qū)規(guī)劃的公布和實(shí)施，城鎮(zhèn)空間、生態(tài)空間和農(nóng)業(yè)空間的范圍演變成為規(guī)劃和學(xué)術(shù)界研究的新問(wèn)題。本文以大連金州老城區(qū)為研究區(qū)，采用CA-Markov模型，根據(jù)1996年、2010年土地利用數(shù)據(jù)，分析了3類空間的演化過(guò)程，并對(duì)2015年土地利用類型進(jìn)行了模擬；在此基礎(chǔ)上，添加了坡度、建設(shè)現(xiàn)狀、交通線及規(guī)劃約束等控制因素對(duì)2020年土地利用類型進(jìn)行了預(yù)測(cè)，研究結(jié)果對(duì)金州老城區(qū)未來(lái)土地利用規(guī)劃、政府決策有重要借鑒意義。

1 研究區(qū)與數(shù)據(jù)來(lái)源

大連金州老城區(qū)位于遼東半島南端，大連市區(qū)的北部，包括擁政街道、中長(zhǎng)街道、先進(jìn)街道、友誼街道、光明街道和站前街道（圖1）。研究區(qū)西側(cè)為渤海，近年來(lái)填海造地明顯；東北側(cè)為大黑山，是金州區(qū)重要的生態(tài)屏障區(qū)。1984年神州第一開發(fā)區(qū)“大連開發(fā)區(qū)”在金州區(qū)建立，開發(fā)區(qū)位于研究區(qū)東側(cè)，大連市生態(tài)規(guī)劃和城市規(guī)劃在金州老城區(qū)和開發(fā)區(qū)之間預(yù)留了一 條生態(tài)廊道，主要位于站前街道和先進(jìn)街道的東側(cè)，但隨著城市建設(shè)用地的擴(kuò)張，預(yù)留的生態(tài)廊道用地被占用。隨著開發(fā)區(qū)的建設(shè)發(fā)展，金州區(qū)的經(jīng)濟(jì)重心逐步轉(zhuǎn)移到開發(fā)區(qū)，老城區(qū)則以居住為主體功能，因此區(qū)域的土地利用變化相對(duì)穩(wěn)定，未來(lái)土地利用類型變化基本保持現(xiàn)有的發(fā)展趨勢(shì)，適合作為土地利用變化的研究區(qū)。

對(duì)土地利用數(shù)據(jù)進(jìn)行歸并，城鎮(zhèn)空間包括城鎮(zhèn)建設(shè)用地、獨(dú)立工礦用地、農(nóng)村居民點(diǎn)、特殊用地、設(shè)施用地及交通用地；生態(tài)空間包括各類林地、草地、河流水塘、裸土地、裸巖、石礫地、鹽堿地和灘涂等未開發(fā)狀態(tài)的土地；農(nóng)業(yè)空間包括各類耕地、苗圃及果園。2015年3類空間數(shù)據(jù)通過(guò)對(duì)Landsat OLI遙感影像數(shù)據(jù)監(jiān)督分類獲取，采用764波段合成假彩色圖像，并融合全色波段，分辨率可達(dá)到15 m；再利用ArcGIS進(jìn)行交互式監(jiān)督分類，提取土地利用類型，歸并得到3 類空間用地分布。

圖1 研究區(qū)域概況（審圖號(hào)：遼S（2005）020）

2 研究方法

2.1 土地利用轉(zhuǎn)移矩陣

土地利用轉(zhuǎn)移矩陣是對(duì)系統(tǒng)狀態(tài)和狀態(tài)轉(zhuǎn)移的定量描述，轉(zhuǎn)移矩陣和CA-Markov模型都是國(guó)內(nèi)外土地利用格局動(dòng)態(tài)分析和動(dòng)態(tài)監(jiān)測(cè)的常用方法[8-9]，其數(shù)學(xué)表達(dá)式為：

式中，Pij為土地類型i轉(zhuǎn)換成土地類型j的轉(zhuǎn)換概率；P為整個(gè)區(qū)域內(nèi)各土地類型間互相轉(zhuǎn)換的概率；矩陣對(duì)角線上的P11,P22,…,Pij為經(jīng)過(guò)轉(zhuǎn)移后仍然是原類型的概率。

2.2 Markov模型

若隨機(jī)過(guò)程在有限的時(shí)序 t1

式中，n為研究時(shí)間；x為介于變量i與j之間的變量；Pxj為土地類型x轉(zhuǎn)換成土地類型j的轉(zhuǎn)換概率。

2.3 CA模型

CA模型是時(shí)間、空間、狀況都離散，空間上的互相作用及時(shí)間上的因果關(guān)系皆局部的網(wǎng)格動(dòng)力學(xué)模型[11]。其最主要的特點(diǎn)是復(fù)雜的系統(tǒng)可由一些很簡(jiǎn)單的局部規(guī)則來(lái)構(gòu)建；其轉(zhuǎn)換規(guī)則是基于鄰近函數(shù)來(lái)實(shí)現(xiàn)的：

式中，S為元胞有限的、離散的狀況集合；f為局部空間元胞狀況的轉(zhuǎn)換規(guī)則；t、t+1為不同時(shí)期；C為元胞的鄰域。

2.4 CA-Markov模型

Markov模型具有分析不確定性變化過(guò)程和預(yù)測(cè)短期變化結(jié)果的功能[12]，但其無(wú)后效性，只能預(yù)測(cè)土地利用在時(shí)間上的定量改變，無(wú)法實(shí)現(xiàn)空間預(yù)測(cè)[13]；而CA模型的空間概念較強(qiáng)，因此本文利用CA模型與Markov模型相結(jié)合的CA-Markov模型進(jìn)行土地利用變化的空間預(yù)測(cè)。在土地利用柵格圖中，每個(gè)像元就是一個(gè)元胞，各元胞的土地利用類型為元胞的狀態(tài)。模型在 GIS 軟件的支持下，利用轉(zhuǎn)換面積矩陣和條件概率圖像進(jìn)行運(yùn)算，從而確定元胞狀態(tài)的轉(zhuǎn)移，模擬土地利用格局的變化[14]。Idrisi軟件的CA-Markov模塊可計(jì)算土地利用轉(zhuǎn)移矩陣，實(shí)現(xiàn)對(duì)土地利用類型的模擬和預(yù)測(cè)，并可人為添加模擬的控制因素，使預(yù)測(cè)結(jié)果更接近實(shí)際。

3 研究結(jié)果與分析

3.1 1996～2010年用地轉(zhuǎn)換分析

1996～2010年金州老城區(qū)3類空間結(jié)構(gòu)發(fā)生了很大變化，城鎮(zhèn)空間面積增大，農(nóng)業(yè)空間和生態(tài)空間面積縮小。1996年研究區(qū)內(nèi)城鎮(zhèn)空間、農(nóng)業(yè)空間和生態(tài)空間的面積分別為36.43 km2、26.29 km2和29.66 km2，比例為39.44∶28.46∶32.11，土地城市化率已非常高。2010年研究區(qū)內(nèi)城鎮(zhèn)空間、農(nóng)業(yè)空間和生態(tài)空間的面積分別為45.70 km2、20.92 km2和25.76 km2，比例為49.47∶22.65∶27.88。與1996年相比，有大面積的農(nóng)業(yè)空間和生態(tài)空間轉(zhuǎn)換為城鎮(zhèn)空間；城市空間北側(cè)已開始侵占山體，向西通過(guò)填海造地?cái)U(kuò)大建設(shè)用地面積。為了探究1996～2010年3類空間的相互轉(zhuǎn)換情況，運(yùn)用Idrisi軟件的Crosstab模塊生成3類空間的面積轉(zhuǎn)移矩陣，見(jiàn)表1。

城鎮(zhèn)空間轉(zhuǎn)換為農(nóng)業(yè)空間的面積為2.39 km2，主要分布在擁政街道和先進(jìn)街道，主要為工礦用地的復(fù)墾和修整。城鎮(zhèn)空間轉(zhuǎn)換為生態(tài)空間的面積為3.26 km2，主要分布在友誼街道、擁政街道和先進(jìn)街道，主要為工礦用地轉(zhuǎn)為生態(tài)用地。

表1 1996～2010 年3類空間面積轉(zhuǎn)移矩陣

農(nóng)業(yè)空間轉(zhuǎn)換為城鎮(zhèn)空間的面積為8.42 km2，主要分布在擁政街道、先進(jìn)街道、中長(zhǎng)街道和站前街道，以擁政街道變化最為明顯，主要為大面積的耕地和果園轉(zhuǎn)為建設(shè)用地。農(nóng)業(yè)空間轉(zhuǎn)換為生態(tài)空間的面積較小，為3.96 km2，主要分布在擁政街道和先進(jìn)街道。

生態(tài)空間轉(zhuǎn)換為城鎮(zhèn)空間的面積為6.51 km2。由于填海造地，友誼街道濱海較大面積海域轉(zhuǎn)換為建設(shè)用地，因其臨近大連市新機(jī)場(chǎng)，政府正積極打造金渤海岸經(jīng)濟(jì)區(qū)；站前街道大面積水域轉(zhuǎn)換為建設(shè)用地，擁政街道、先進(jìn)街道和中長(zhǎng)街道主要表現(xiàn)為城市用地?cái)U(kuò)張對(duì)生態(tài)空間的占用。生態(tài)空間轉(zhuǎn)換為農(nóng)業(yè)空間的面積為4.62 km2，在友誼街道表現(xiàn)為對(duì)海域進(jìn)行海產(chǎn)養(yǎng)殖，在擁政街道和先進(jìn)街道表現(xiàn)為林地向耕地、果園的轉(zhuǎn)換。從3類空間的用地轉(zhuǎn)換可以看出，金州老城區(qū)的城市用地在研究期擴(kuò)張明顯（圖2）。

圖2 1996年、2010年3類空間分布及1996～2010年用地類型轉(zhuǎn)換圖

3.2 土地利用類型預(yù)測(cè)

Markov模型為自上而下的運(yùn)行模式，運(yùn)用Markov模型可得到土地利用類型在某一時(shí)期的轉(zhuǎn)換概率。CA模型能根據(jù)自身元胞及鄰域元胞屬性進(jìn)行轉(zhuǎn)換，屬于自下而上的運(yùn)行模式，因此再結(jié)合CA模型可模擬得到土地利用類型的空間演變。為探究金州老城區(qū)未來(lái)土地的變化趨勢(shì)，首先基于1996年和 2010 年3類空間分布數(shù)據(jù)，利用Markov模型，預(yù)測(cè)了2015年的土地利用類型轉(zhuǎn)移概率；再利用CA-Markov模型模擬2015年3類空間的土地利用結(jié)構(gòu)圖，指定CA模型的循環(huán)次數(shù)為5，使用 5×5的濾波器，得到 2015年的預(yù)測(cè)圖，見(jiàn)圖3a。

為了檢驗(yàn)CA-Markov模型預(yù)測(cè)結(jié)果的合理性，對(duì)2015年Landsat遙感影像進(jìn)行監(jiān)督分類得到3類空間的實(shí)際分布，再運(yùn)用Idrisi軟件的Crosstab模塊將2015 年3類空間土地利用預(yù)測(cè)值與實(shí)際值進(jìn)行比較。計(jì)算得到的Kappa系數(shù)能夠反映圖件的一致性程度，當(dāng) Kappa≥0.75 時(shí)，兩幅圖件的一致性較高，變化小；當(dāng) 0.4≤Kappa≤0.75 時(shí)，兩幅圖件的一致性一般，變化明顯；當(dāng) Kappa≤0.4時(shí)，兩幅圖件的一致性較差，變化較大[15-16]。本文計(jì)算得到的Kappa系數(shù)為0.93，說(shuō)明得到的預(yù)測(cè)精度較高。

運(yùn)用Idrisi軟件的CA-Markov模型，以2010年土地利用類型為基期數(shù)據(jù)，以10 a為步長(zhǎng)，預(yù)測(cè)2020年3類空間土地利用類型。為充分考慮3類空間轉(zhuǎn)換的影響因素，同時(shí)進(jìn)行可控性預(yù)測(cè)，將2015年Landsat影像提取出土地類型已發(fā)生變化的地塊作為2020年土地預(yù)測(cè)的控制性變化因素。在預(yù)測(cè)過(guò)程中，生態(tài)空間和農(nóng)業(yè)空間的交通線會(huì)逐漸轉(zhuǎn)換為鄰近地類，這與實(shí)際情況不符，因此設(shè)定未來(lái)土地變化中交通線的變換概率為0；根據(jù)規(guī)劃限制，為確保生態(tài)空間內(nèi)山體開發(fā)合理、不被破壞，設(shè)定地形坡度＞25°的區(qū)域轉(zhuǎn)換為其他土地類型的概率為0；此外為保護(hù)海岸帶生態(tài)，設(shè)定沿海灘涂轉(zhuǎn)換為其他土地類型的概率為0?；谝陨峡煽匾蛩兀罱K得到2020年的預(yù)測(cè)結(jié)果見(jiàn)圖3b、表2。

圖3 2015年、2020年3類空間分布預(yù)測(cè)結(jié)果

3.3 預(yù)測(cè)結(jié)果分析

研究結(jié)果表明，添加可控因素后的預(yù)測(cè)更接近實(shí)際情況。預(yù)計(jì)2020年研究區(qū)建設(shè)用地相對(duì)2010年增加了0.56 km2，生態(tài)空間面積在模擬期內(nèi)小幅度減少，農(nóng)業(yè)空間面積在模擬期內(nèi)小幅度增加，3類空間的面積比例為50.08∶22.69∶27.24。城鎮(zhèn)空間的繼續(xù)擴(kuò)大意味著為擴(kuò)展城市用地的需要，建設(shè)用地向西側(cè)海域擴(kuò)張，使得建設(shè)用地和海域保護(hù)之間的矛盾更加突出；東北部生態(tài)空間和農(nóng)業(yè)空間將繼續(xù)被壓縮，使得建設(shè)用地和山體保護(hù)之間的矛盾更加突出。這就需要政府增強(qiáng)調(diào)控力度，合理調(diào)整金州老城區(qū)3類空間分布，對(duì)金州老城區(qū)和大連開發(fā)區(qū)之間預(yù)留的生態(tài)廊道進(jìn)行保護(hù)，以避免金州以南地區(qū)成為生態(tài)孤島。

表2 大連金州老城區(qū)2020年土地利用類型面積統(tǒng)計(jì)

4 結(jié) 語(yǔ)

本文根據(jù)1996年、2010年土地利用類型數(shù)據(jù)，得到相應(yīng)時(shí)段的3類空間分布，并運(yùn)用Idrisi軟件的Crosstab模塊對(duì)1996～2010年3類空間的變化進(jìn)行了分析；再運(yùn)用CA-Markov 模型預(yù)測(cè)了2015年3類空間分布情況，并與解譯2015年Landsat遙感影像的土地利用類型得到的3類空間分布進(jìn)行比較，證實(shí)該模型得到的結(jié)果較為可信。本文進(jìn)一步對(duì)2020年3類空間分布進(jìn)行了預(yù)測(cè)，結(jié)果表明城鎮(zhèn)空間的繼續(xù)擴(kuò)大將使建設(shè)用地和山體、海域保護(hù)之間的矛盾更加突出，需要政府增強(qiáng)調(diào)控力度，合理調(diào)控金州老城區(qū)3類空間。參考文獻(xiàn)

[1] LIU X H, Andersson C. Assessing the Impact of Temporal Dynamics on Land-use Change Modeling[J]. Computers, Environment and Urban Systems,2004,28(1)：107-124

[2] 劉光,賀小飛.地理信息系統(tǒng)實(shí)習(xí)教程[M].北京：清華大學(xué)出版社,2003：133-138

[3] 賈文臣,王卷樂(lè),賈香云,等.膠東地區(qū)3個(gè)主要城市土地利用動(dòng)態(tài)變化對(duì)比分析[J].安徽農(nóng)業(yè)科學(xué),2009,37(4)：1 743-1 747

[4] Jenerette G D, WU J G. Analysis and Simulation of Landuse Change in the Central Arizona-phoenix Region, USA[J]. Landscape Ecology,2001,16(7)：611-626

[5] White R, Engelen G. Cellular Automata as the Basis of Integrated Dynamic Regional Modeling[J]. Environment and Planning B： Planning and Design,1997,24(2)：235-246

[6] White R. Cellular Automata and Fractal Urban form： a Cellular Modeling Approach to the Evolution of Urban Land-use Patterns[J].Environment and Planning,1993,25(8)：1 175-1 199

[7] 肖明,吳季秋,陳秋波,等.基于CA-Markov模型的昌化江流域土地利用動(dòng)態(tài)變化[J].農(nóng)業(yè)工程學(xué)報(bào),2012,8(10)：231-238

[8] Ascard J. Flame Weeding： Effects of Fuel Pressure and Tandem Bummers[J].Weed Research,1997,37(2)：77-86

[9] 徐嵐,趙羿.利用馬爾柯夫過(guò)程預(yù)測(cè)東陵區(qū)土地利用格局的變化[J].應(yīng)用生態(tài)學(xué)報(bào),1993,4(3)：272-277

[10] 崔桂華,楊華.重慶市沙坪壩區(qū)土地利用變化與預(yù)測(cè)研究[J].中國(guó)水土保持,2010,31(3)：38-41

[11] 范強(qiáng),楊俊,吳楠,等.海岸旅游小鎮(zhèn)景觀格局演變與動(dòng)態(tài)模擬：以大連市金石灘國(guó)家旅游度假區(qū)為例[J].地理科學(xué),2013(12)：1 467-1 475

[12] 韓文權(quán),常禹.景觀動(dòng)態(tài)的Markov模型研究：以長(zhǎng)白山自然保護(hù)區(qū)為例[J].生態(tài)學(xué)報(bào),2004,24(9)：1 958-1 965

[13] 鄭青華,羅格平,朱磊,等.基于CA-Markov模型的伊犁河三角洲景觀格局預(yù)測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào),2010,21(4)：873-882

[14] 楊國(guó)清,吳志峰,祝國(guó)瑞.廣州地區(qū)土地利用景觀格局變化研究[J].農(nóng)業(yè)工程學(xué)報(bào),2006(5)：218-221

[15] 布仁倉(cāng),常禹,胡遠(yuǎn)滿,等.基于Kappa系數(shù)的景觀變化測(cè)度：以遼寧省中部城市群為例[J].生態(tài)學(xué)報(bào),2005,25(4)：778-784

[16] 王友生,余新曉,賀康寧,等.基于CA-Markov模型的藉河流域土地利用變化動(dòng)態(tài)模擬[J].農(nóng)業(yè)工程學(xué)報(bào),2011(12)：330-336

P237

B

1672-4623（2017）05-0094-04

10.3969/j.issn.1672-4623.2017.0052.9

王會(huì)軍,博士研究生，主要從事區(qū)域開發(fā)與規(guī)劃研究。

2016-09-09。

項(xiàng)目來(lái)源：國(guó)家自然科學(xué)基金資助項(xiàng)目（41571122、41601136）。