張曉娟，周啟剛,,，王兆林，王福海

?

基于MCE-CA-Markov的三峽庫區(qū)土地利用演變模擬及預測

張曉娟1，周啟剛1,2,3※，王兆林2，王福海3

（1. 重慶工商大學環(huán)境與資源學院，重慶 400067；2. 重慶工商大學旅游與國土資源學院，重慶 400067；3. 重慶工商大學融智學院，重慶 400055）

為深入研究三峽庫區(qū)蓄水以來土地利用演變規(guī)律及驅動機制，該研究以庫區(qū)2000、2007及2014年的Landsat TM遙感影像作為數(shù)據(jù)源，在運用ARCGIS10.1對庫區(qū)土地利用現(xiàn)狀進行分析的基礎上；基于多標準評價（multi-criteria evaluation, MCE）的元胞自動機和馬爾可夫鏈（CA-Markov）模擬庫區(qū)自組織的土地利用演變；并利用多時相的遙感分類圖像檢驗MCE-CA-Markov的模擬精度，經檢驗，其Kappa系數(shù)達到0.971 2；利用檢驗過的土地利用演變限制條件及因子組合來對庫區(qū)2028年土地利用進行預測。研究結果表明：運用MCE-CA-Markov模擬土地利用演變規(guī)律是可行的；在2000--—2014年間，庫區(qū)土地利用變化圖譜面積由大到小排序為穩(wěn)定變化型>后期變化型>前期變化型>反復變化型>持續(xù)變化型；模擬得到庫區(qū)2014年土地利用格局與解譯的土地利用格局一致，相對精度達到84.48%；預測到2028年時，庫區(qū)耕地、林地及草地繼續(xù)減少，水域、建設用地及未利用地持續(xù)增加，預測結果表明三峽庫區(qū)土地利用變化十分活躍，生態(tài)環(huán)境恢復和重建的壓力很大。因此，迫切需要加強三峽庫區(qū)耕地、林地和草地的保護，控制和阻止盲目開墾耕地的行為，促進庫區(qū)生態(tài)環(huán)境的保護和改善。研究結果以期為三峽庫區(qū)土地利用規(guī)劃、城市建設以及生態(tài)環(huán)境修復提供理論支撐。

土地利用；演變；模擬；MCE-CA-Markov；三峽庫區(qū)

0 引 言

自1995年國際地圈-生物圈計劃（International Geosphere- Biosphere Program，IGBP）和國際全球環(huán)境變化人文因素計劃（International Human Dimensions Programme on Global Environmental Change，IHDP）聯(lián)合提出“土地利用/覆蓋計劃”（land use/cover change）研究計劃以來，土地利用/覆蓋變化便成為國內外學者所研究的熱點問題之一[1-3]。部分學者也逐漸意識到土地利用變化會對生態(tài)、社會及經濟發(fā)展產生直接或間接的影響，進而影響區(qū)域乃至全球的可持續(xù)發(fā)展[4-5]。因此，土地利用動態(tài)變化研究是全球和區(qū)域環(huán)境變化的重要課題。

近年來學者主要利用系統(tǒng)動力學[6-7]、人工神經網絡（artificial neural network，ANN）[8-10]、CLUE-S[11–13]、SLEUTH[14-15]以及元胞自動機—馬爾可夫鏈（CA- Markov）[16-18]等模型進行土地利用演變模擬研究。系統(tǒng)動力學模型是基于控制論、信息論和系統(tǒng)論分析土地利用變化的驅動因素，目前系統(tǒng)動力學仿真軟件STELLA還沒完全與GIS的空間分析功能結合起來實行土地利用變化模擬，沒有發(fā)揮到其強大的動力學系統(tǒng)作用；神經網絡是通過輸入層輸入因子，經隱藏層函數(shù)處理后傳遞給輸出層實現(xiàn)土地利用動態(tài)變化模擬的過程，神經網絡模擬土地利用變化需要很長的模擬時間，且無法向用戶反映具體的演變公式；CLUE-S模型具有很強的時空動態(tài)模擬的能力[19]，但模型中參數(shù)ELAS的設置主要依靠專家知識，科學性不強；SLEUTH模型主要針對非城市用地類型到城市用地類型的模擬[20]，不適用于模擬多種土地利用類型的演變；CA-Markov模型以土地利用轉移概率矩陣與土地利用變化適宜性圖集為基礎，預測未來土地利用的變化趨勢，該模型通過發(fā)揮CA模擬復雜系統(tǒng)的空間變化能力和Markov的長期預測優(yōu)勢，既可以有效地模擬其空間變化，又可以提高土地利用類型轉化的預測精度，克服了傳統(tǒng)土地演變模擬模型存在的不足，如龔文峰等[21]，王友生等[22]利用CA-Markov模型分別對哈爾濱市、籍河流域土地利用變化進行模擬，前者隨機采樣檢驗模擬精度達到85.54%，后者Kappa精度達到0.951 5，取得較好的模擬效果。目前，學者常用CA-Markov模型來模擬和預測土地利用演變，且取得了較好的模擬效果，但針對長江流域土地利用演變的研究卻很少。為系統(tǒng)地模擬三峽庫區(qū)土地利用演變規(guī)律，找出引起庫區(qū)土地利用變化的驅動因子，本文通過總結前人的研究成果，在進行三峽庫區(qū)土地利用變化模式圖譜分析之后，選擇基于多標準評價（multi-criteria evaluation，MCE）的元胞自動機和馬爾可夫鏈（CA-Markov）模擬及預測三峽庫區(qū)土地利用動態(tài)變化，在一定程度上可以解決庫區(qū)土地利用的非線性運動及復雜性特征。

三峽庫區(qū)地形以山地、丘陵為主，受三峽水利工程影響，庫區(qū)水土流失嚴重，森林覆蓋率低，自然生態(tài)環(huán)境比較脆弱。同時，三峽庫區(qū)作為中國重要的電力供應基地和內河航運干線地區(qū)，是長江上游經濟帶的重要組成部分。隨著城市化進程的加快，庫區(qū)個別區(qū)域過于片面追求經濟效益而忽視了對土地的合理利用，導致三峽庫區(qū)土地利用系統(tǒng)遭受到了極大的沖擊和損毀，人地關系十分緊張。作為中國長江上游與中下游之間的經濟聯(lián)系紐帶，三峽庫區(qū)的土地利用質量直接關系到三峽工程的綜合效益和長江中下游的生態(tài)安全，加強三峽庫區(qū)土地利用變化的研究，己成為當前解決庫區(qū)諸多土地生態(tài)環(huán)境問題的迫切需要[23]。

基于以上分析，本文以三峽庫區(qū)2000、2007及2014年的Landsat TM遙感影像作為數(shù)據(jù)源，運用ARCGIS10.1對庫區(qū)土地利用格局進行分析；選擇基于布爾運算的MCE-CA-Markov模擬和預測三峽庫區(qū)土地利用動態(tài)變化；并以土地利用轉移概率矩陣結合訓練出的土地利用適宜性圖集預測2028年的三峽庫區(qū)土地利用。研究結果以期為三峽庫區(qū)土地利用規(guī)劃、城市建設以及生態(tài)環(huán)境修復提供理論支撐。

1 研究區(qū)域概況

三峽庫區(qū)是由于長江三峽水利工程修建而形成的獨特地理單元，位于中國西南部，地處106°20￠～110°30￠E與28°32￠～31°50￠N的長江上游下段，西起重慶江津，東至湖北宜昌，包括受回水影響的重慶市22個區(qū)(縣)和湖北省4個區(qū)(縣)。到2014年，庫區(qū)土地總面積約為5.74萬km2，其土地資源利用呈現(xiàn)出以下特點：1）耕地及林地比例較大，占土地總面積的91.92%，面積分別為21 460.48和31 296.55 km2；2）草地、水域與建設用地占比相當，所占面積分別為1 397.90、1 516.26和1 702.59 km2，占比分別為2.44%、2.64%與2.97%；3）未利用地比例很小，只占0.03%，面積為16.95 km2。三峽庫區(qū)地處中國中西部結合地帶，是長江上游與中下游之間的經濟聯(lián)系紐帶，同時三峽庫區(qū)是中國重要的電力供應基地和內河航運干線地區(qū)，因此選擇三峽庫區(qū)作為土地利用演變模擬的研究區(qū)具有一定的典型性；此外由于三峽庫區(qū)面積巨大，所涉及的居民以及移民數(shù)量較大，同時近年來由三峽工程引發(fā)的土地利用問題日益突出，因此對庫區(qū)土地利用演變進行模擬研究具有一定代表性。研究結果可為三峽庫區(qū)土地利用規(guī)劃、城市建設以及生態(tài)環(huán)境修復提供理論支撐。

圖1 研究區(qū)概況圖

2 數(shù)據(jù)源及研究方法

2.1 數(shù)據(jù)來源及預處理

2.1.1 數(shù)據(jù)來源

本研究以三峽庫區(qū)2000、2007和2014年美國NASA陸地衛(wèi)星（landsat）搭載的TM傳感器所拍攝的1∶100 000遙感影像數(shù)據(jù)以及1∶500 00DEM數(shù)據(jù)作為數(shù)據(jù)源。所有影像數(shù)據(jù)采用ALBERS投影，中央經線為110°E，雙標準緯線分別為25°N和47°N。其中TM影像數(shù)據(jù)第1、2、3、4、5、7波段的空間分辨率均為30 m，第6波段的為120 m，DEM數(shù)據(jù)分辨率為90 m。

2.1.2 數(shù)據(jù)預處理

由于采集到的數(shù)據(jù)會受到太陽高度角、太陽天頂角、氣候狀況、地形地貌以及影像傳感器的影響而引起遙感影像失真，在使用數(shù)據(jù)前須對數(shù)據(jù)進行預處理。首先在ERDAS9.1中對遙感影像數(shù)據(jù)進行大氣矯正、輻射矯正、幾何矯正和鑲嵌處理等預處理，然后對2000、2007及2014年3期影像進行4、3、2波段組合，使用人機交互的解譯方法對庫區(qū)3期影像進行解譯以獲取土地利用數(shù)據(jù)，經驗證，解譯精度達到95%以上，在誤差允許范圍內，數(shù)據(jù)可用?；贏RCGIS10.1中空間分析功能，利用DEM數(shù)據(jù)提取庫區(qū)坡度數(shù)據(jù)。

2.2 研究方法

2.2.1 土地利用轉移矩陣

土地利用轉移矩陣是研究區(qū)域在某一時期期初與期末各土地利用類型之間的轉換關系，使用土地利用轉移矩陣能夠對土地利用在數(shù)量上的分布特征以及各地類相互轉化的流向等進行追蹤研究[24]。其表達式為

式中表示土地利用類型的面積，表示土地利用類型，表示研究期初土地利用類型，表示研究期末土地利用類型。

2.2.2 土地利用變化模式圖譜

土地利用圖譜是指各研究期內土地利用變化的空間-屬性-過程一體化數(shù)據(jù)，土地利用圖譜單元是研究土地利用“格局與過程”時空動態(tài)變化的基本時空復合體信息單元[25]。參考文獻[21,26]，結合三峽庫區(qū)實際情況，使用1、2、3、4、5和6對耕地、林地、草地、水域、建設用地和未利用地分別編碼。將庫區(qū)土地利用變化模式圖譜統(tǒng)計為：1）穩(wěn)定變化型圖譜，研究前期和后期地類均未發(fā)生變化，如1-1-1模式；2）后期變化型圖譜，用地類型在前期未發(fā)生變化，在后期發(fā)生了變化，如1-1-2模式；3）前期變化型圖譜，地類只在前期發(fā)生變化，而在后期未發(fā)生變化，如1-2-2模式；4）反復變化型圖譜，地類在前期發(fā)生變化，在后期又變?yōu)樽畛鯐r的地類，如1-2-1模式；5）持續(xù)變化型圖譜，研究前期和后期用地類型均發(fā)生了變化，如1-2-3模式。在此基礎上，通過對編碼后的圖斑進行融合，將融合后的土地利用變化模式柵格與圖譜模式對應比較進而得到土地利用變化模式圖譜。具體公式為

式中、、分別表示研究期初、期中與期末土地利用圖譜柵格屬性；表示研究期內土地利用變化圖譜柵格屬性。

2.2.3 元胞自動機（cellular automaton）

元胞自動機（cellular automaton，CA）是一種時間和空間上都離散的動力系統(tǒng)[27]，元胞是構成系統(tǒng)的基本單元，一個元胞在+1時刻的狀態(tài)依賴于自身及“相鄰”元胞在時刻的狀態(tài)。利用元胞局部的轉化規(guī)則，可以模擬出復雜的土地利用復雜演變。其表達式為：

式中和1為元胞所處的前后時刻；為元胞的狀態(tài)集合；為元胞轉化規(guī)則；為元胞鄰域。

2.2.4 馬爾科夫（Markov）模型

Markov 模型是基于Markov過程理論而形成的預測事件發(fā)生概率的一種方法，常用于具有無后效性特征地理事件的預測[28]。土地利用演變具有馬爾科夫過程的性質，土地利用類型對應Markov過程中的“可能狀態(tài)”，而土地利用類型之間相互轉換的面積或比例即為狀態(tài)轉移概率，表達式為：

式中P為狀態(tài)轉移概率矩陣。

2.2.5 CA-Markov模型

研究采用集成的CA-Markov模塊，模擬三峽庫區(qū)2014年的土地利用變化，對比解譯得到的庫區(qū)2014年土地利用圖，計算模擬精度。在模擬結果較好的情況下，將2014年的土地利用適宜性圖集和土地利用轉移概率矩陣輸入CA-Markov模塊，預測2028年的土地利用空間格局。具體的步驟如下：

1）轉化規(guī)則。元胞自動機的核心是轉換規(guī)則的設置，由于三峽庫區(qū)涉及到的面積巨大，研究將庫區(qū)土地利用矢量圖轉換為象元大小為100×100的柵格格式，利用IDRISI軟件的Markov模塊，將影像時間間隔和時間周期均設置為7 a，比例誤差設置為0.15，計算得到三峽庫區(qū)2000—2007年的土地利用轉移面積矩陣和轉移概率矩陣。

2）制作適宜性圖集。文章根據(jù)三峽庫區(qū)獨特的地理條件以及土地資源利用的特點，將水域與建設用地設置為限制因子，將坡度、離城鎮(zhèn)建設用地距離、離道路距離和離水域距離作為限制條件。利用解譯好的矢量圖轉化成柵格圖，結合限制條件與限制因子對土地利用類型轉化的影響，根據(jù)MCE和COLLETION EDIT模塊生成的適宜性圖像集來定義演化規(guī)則或標準，根據(jù)適宜性圖集確定元胞在下一時刻的狀態(tài)。

3）構造CA濾波器。本文認為一個元胞周圍5×5個元胞組成的矩形空間對該元胞狀態(tài)的改變具有顯著影響，故采用5×5的濾波器。

4）確定起始時刻和CA循環(huán)次數(shù)。以三峽庫區(qū)2007年土地利用格局為起始年，CA循環(huán)次數(shù)設為7，結合 2000—2007年土地利用適宜性圖集和土地利用轉移概率矩陣，實現(xiàn)對庫區(qū)2014年土地利用格局模擬。在此基礎上，以2014年土地利用格局為起始年，CA循環(huán)次數(shù)取14，結合2007—2014年土地利用適宜性圖集與土地轉移概率矩陣，模擬2028年土地利用的空間格局。

3 結果分析

3.1 三峽庫區(qū)土地利用分析

3.1.1 2000—2014年三峽庫區(qū)土地利用變化分析

根據(jù)三峽庫區(qū)2000、2007及2014年的Landsat TM遙感影像，通過人機交互解譯獲取庫區(qū)土地利用數(shù)據(jù)，利用ARCGIS10.1統(tǒng)計得到庫區(qū)三期土地利用面積如表1所示。

表1 三峽庫區(qū)土地利用變化

由表1可知，2000—2014年三峽庫區(qū)土地利用總體上呈現(xiàn)出耕地、林地及草地面積減少，水域、建設用地和未利用地面積增加。究其原因，大壩修建、庫區(qū)蓄水、移民搬遷以及城市擴建導致建設用地與水域大幅度增加，占用大量的耕地及林地，草地與未利用地面積較小，變化不明顯，且在空間上分布零星。

具體分析，2000、2007和2014三個階段林地面積占比分別為54.88%、54.77%和54.53%，其面積呈現(xiàn)出減少趨勢，究其原因是庫區(qū)修建水庫占用大量林地，使得林地逐年減少，但林地仍是庫區(qū)主要用地類型。耕地是庫區(qū)面積第二大的地類，其面積由2000年的21 868.42 km2減少到2014年的21 460.48 km2，所占百分比由38.11%下降到37.39%，面積減少407.94 km2，占比減少0.72%，耕地面積的減少主要歸因于大壩修建以及庫區(qū)蓄水占用。在這14 a期間草地面積減少11.84 km2，占比減少0.02%，草地面積較少，在空間上分布零星。由于三峽大壩的修建與庫區(qū)不斷地蓄水，水域面積由2000年的 1 324.97 km2增加到2014年的1 516.26 km2，所占百分比由2.31%上升到2.64%，面積增加191.28 km2，占比增加0.33%。建設用地面積由2000年的1 276.71 km2增加到2014年的1 702.59 km2，增加了425.88 km2，建設用地面積呈持續(xù)增加的趨勢，主要得益于庫區(qū)移民搬遷及城市擴建。2000—2014年期間未利用地面積增加0.35 km2，變化不明顯。

圖2 三峽庫區(qū)2000、2007及2014年土地利用現(xiàn)狀圖

3.1.2 2000—2014年土地利用變化圖譜分析

為研究三峽庫區(qū)土地利用類型在2000—2007—2014年的流向，根據(jù)式（2），基于ARCGIS10.1求出三峽庫區(qū)2000—2014年土地利用變化圖譜如表2所示。

表2 三峽庫區(qū)2000—2014年土地利用變化圖譜分析

由表2可知，三峽庫區(qū)在2000—2014年期間土地利用變化類型中，穩(wěn)定變化型面積變化最大，其變化圖斑為77 269個，變化面積為56 646.45 km2，后期變化型次之，變化圖斑為3 923個，變化面積為480.98 km2，持續(xù)變化型面積變化最小，其變化圖斑為53個，變化面積為3.27 km2。2000—2014年三峽庫區(qū)土地利用變化面積由大到小排序均為穩(wěn)定變化型>后期變化型>前期變化型>反復變化型>持續(xù)變化型。

在變化最大的穩(wěn)定變化型圖斑中，林地-林地-林地的變化面積最大，變化面積為31 255.65 km2，占穩(wěn)定型變化總面積的55.18%，林地是6種地類中面積最多的地類，不易在短時間內轉變?yōu)槠渌仡?，因此林地處于穩(wěn)定型變化圖斑中面積最大地位；耕地-耕地-耕地的變化面積次之，占穩(wěn)定型變化總面積的37.8%，耕地是6種地類中面積第二大的地類，且國家對耕地有紅線保護，其不會大量向其他地類轉變，因此耕地的穩(wěn)定型面積變化處于第二大的地位。后期變化型是三峽庫區(qū)土地利用變化圖譜面積變化第二大的類型，在后期變化型中，林地-林地-建設用地的變化面積最大，為97.59 km2，占后期變化型總面積的20.29%；耕地-耕地-水域次之，變化面積為 60.10 km2，占后期變化型總面積的12.5%，究其原因是庫區(qū)的不斷蓄水，致使占用耕地向水域轉變。在前期變化型圖斑中，耕地-建設用地-設用地的變化面積最大，變化面積為87.73 km2，占前期變化總面積的34.32%，自三峽工程竣工以來，庫區(qū)移民導致大量修建居住區(qū)及城鎮(zhèn)搬遷，耕地不斷向建設用地轉變；耕地-水域-水域的變化面積次之，占前期變化總面積的17.92%。在反復變化型圖斑中，林地-水域-林地的變化面積最大，變化面積為 1.03 km2，占反復變化總面積的23.36%；耕地-草地-耕地的變化面積次之，占反復變化總面積的12.7%；持續(xù)變化型圖斑變化面積最小，其中林地-耕地-建設用地變化面積最大，變化面積為0.64 km2，占持續(xù)型變化總面積的19.41%，林地-建設用地-水域的變化面積次之，占持續(xù)型變化總面積的18.03%。

3.1.3 2000—2014年三峽庫區(qū)土地利用流向分析

由3.1.1與3.1.2節(jié)可知，三峽庫區(qū)在研究期內土地利用面積發(fā)生了很大變化，本節(jié)利用ArcGIS10.1空間分析工具計算土地利用轉移矩陣可以定量說明庫區(qū)土地類型之間的轉化狀況。土地利用轉移矩陣中，行表示研究期初土地利用類型，列表示研究期末土地利用類型。統(tǒng)計2000—2014年三峽庫區(qū)土地利用變化情況，庫區(qū)2000—2007年及2007—2014年的土地利用變化轉移面積矩陣如表3，表4所示。

表3 2000—2007年土地利用變化轉移面積矩陣

表4 2007—2014年土地利用變化轉移面積矩陣

由表3可知，在2000—2007年三峽庫區(qū)土地利用轉移面積矩陣中，轉移面積最大的是耕地向建設用地的轉移，為88.22 km2，占建設用地轉入面積的6.41%，耕地轉出面積的0.4%，究其原因是庫區(qū)城市擴展，移民搬遷所致。林地向水域的轉移面積次之，為53.9 km2，占林地轉出面積的0.17%，占水域轉入面積的3.76%，由于庫區(qū)蓄水量增加（135～175 m），致使林地向水域大量轉移。為深入了解三峽庫區(qū)2000—2007年土地利用流向，利用式（2），通過ArcGIS10.1統(tǒng)計2000—2004—2007年三峽庫區(qū)土地利用變化特征對庫區(qū)2000—2007年土地利用轉移情況進行輔助分析（限于篇幅，文章對2000—2004—2007年土地利用變化統(tǒng)計表不做展示）。經統(tǒng)計發(fā)現(xiàn)，表2中，對角線上6大地類未變化面積來源于2種情況： 2000—2007期初、期中與期末均未發(fā)生變化，即穩(wěn)定變化型圖斑；2000—2007期初與期末未發(fā)生變化但中期地類發(fā)生變化，即反復變化圖斑，文章未變化圖斑以第一種情況為主。地類間的相互轉化情況比較復雜，以林地向建設用地的轉入為例，統(tǒng)計有1塊圖斑變化方式為林地-耕地-建設用地（持續(xù)變化型）；757塊圖斑為林地-林地-建設用地方式轉化；1塊圖斑由林地-水域-建設用地方式轉入（持續(xù)變化型）；143塊圖斑為林地-建設用地-建設用地轉入。同理統(tǒng)計可得，轉移矩陣中兩兩地類間的轉化以前期變化型與后期變化型為主，少有持續(xù)變化型變化圖斑，與3.1.2中2000—2007—2014年三峽庫區(qū)土地利用變化圖譜統(tǒng)計總體上保持一致。

如上述中對2000—2007年三峽庫區(qū)土地利用流向分析一樣，文章利用ArcGIS對三峽庫區(qū)2007—2014年土地利用流向進行探討。

由表4可知，在2007—2014年三峽庫區(qū)土地利用轉移面積矩陣中，轉移面積較大的2種類型是耕地、林地向建設用地轉移，轉移面積分別為230.74和90.70 km2，占耕地轉出面積的1.06%，林地轉出面積的0.31%，建設用地轉入面積的13.55%與3.76%，可見，庫區(qū)在2007年之后建設用地大幅度增加，城市擴展強度大于2007年之前。利用式（2），通過ArcGIS10.1對2007—2010—2014年土地利用變化分析得到土地轉移變化規(guī)律與2000—2004—2007年一致。

3.2 三峽庫區(qū)土地利用演變模擬

運用 CA-Markov 模型模擬土地利用格局的關鍵在于土地適宜性圖像集和土地利用轉移概率矩陣的確定。本文利用MCE模塊生成的土地利用適宜性圖集，結合Markov模塊生成的土地利用轉移概率矩陣，模擬三峽庫區(qū)2014年土地利用圖，并將模擬得到的土地利用格局圖與解譯得到的土地利用圖進行精度檢驗。

3.2.1 三峽庫區(qū)土地利用轉移概率矩陣

本研究以年為單位，運用Markov 模型計算庫區(qū)土地利用轉移概率矩陣，把土地利用類型的變化分成一系列離散的過程，根據(jù)各類型的年平均轉化率來確定2000—2007年和2007—2014年三峽庫區(qū)土地利用類型單元的轉移概率，根據(jù)式（4）（5），將2000—2007和2007—2014年土地利用轉移概率矩陣統(tǒng)計如表5，表6所示。

表5 2000—2007年土地利用變化轉移概率矩陣

表6 2007—2014年土地利用變化轉移概率矩陣

3.2.2 2014年三峽庫區(qū)土地利用適宜性圖集準備

三峽庫區(qū)由隸屬于重慶市的22個區(qū)縣以及湖北省的4個區(qū)縣所組成，地形以山地、丘陵為主，導致庫區(qū)城鎮(zhèn)建設只能以組團方式發(fā)展；自三峽大壩建成并開始蓄水以來，庫區(qū)土地利用耕地與林地急劇減少，水域及建設用地迅速增加，草地及未利用地變化不明顯；為保證庫區(qū)及中國正常的航運和供電，結合3.2.1節(jié)土地利用類型轉移情況，庫區(qū)其他用地類型很少由水域轉入，且已有建設用地不易向其他地類轉入。文章根據(jù)上述三峽庫區(qū)獨特的地理條件以及土地資源利用的特點，將水域與建設用地設置為限制因子，將坡度、離城鎮(zhèn)建設用地距離、離道路距離和離水域距離作為限制條件。考慮到評價的客觀性，選擇基于布爾運算的MCE制作各地類適宜性圖集（布爾運算須將各限制條件與因子二值化，即適宜轉換的情況設定為1，不適宜轉化的情況設定為0）。限于篇幅，文章以耕地為例，制作耕地適宜性圖集。選擇耕地（現(xiàn)有耕地設置為0，其他地類設置為1），水域（現(xiàn)有水域設置為0，其他地類設置為1），建設用地（現(xiàn)有建設用地設置為0，其他地類設置為1），離城鎮(zhèn)建設用地距離（將緩沖區(qū)3 000 m以內的區(qū)域設置為0，3 000 m以外的設置為1），離道路距離（將緩沖區(qū)1 000 m以內的區(qū)域設置為1，1 000 m以外的設置為0），離水域距離（將緩沖區(qū)1 000 m以內的區(qū)域設置為1，1 000 m以外的設置為0）作為耕地適宜性的限制條件及限制因子。研究確定林地的限制條件與因子有：林地、水域、建設用地和離城鎮(zhèn)建設用地距離（林地的分布對坡度、道路距離、水域距離沒有特別要求）；草地的限制條件有草地、林地、水域和建設用地（草地的分布對坡度、距離因子都沒有要求）；水域的限制條件與因子有水域、建設用地、距離城鎮(zhèn)建設用地的距離、坡度和距離道路的距離；建設用地的限制條件與因子有水域、建設用地、距離城鎮(zhèn)建設用地的距離、坡度、距離道路的距離和距離水域的距離；未利用地的限制條件與因子有耕地、林地、水域、建設用地、未利用地和距離城鎮(zhèn)建設用地的距離（未利用地的分布與坡度、距離道路的距離、距離水域的距離關聯(lián)性不大）。耕地的適宜性圖集如圖3所示。

3.2.3 2014年三峽庫區(qū)土地利用演變模擬

基于以上數(shù)據(jù)的準備，以三峽庫區(qū)2007年土地利用布局圖為初始年，利用IDRISI中的CA-Markov模塊，輸入各地類適宜性圖集，結合土地利用變化轉移概率矩陣，將模擬循環(huán)次數(shù)設置為7，實現(xiàn)對庫區(qū)2014年土地利用格局的模擬，其土地利用格局如圖4所示。

圖3 耕地適宜性圖集

如圖4所示，4a表示的是2014年三峽庫區(qū)土地利用解譯圖，4b表示的是2014年三峽庫區(qū)土地利用模擬圖。由圖4可知，解譯所得的土地利用圖與模擬得出的土地利用圖在空間上的布局大體一致。利用ARCGIS10.1將2014年解譯結果與模擬結果及模擬精度統(tǒng)計如表7所示。

受大壩蓄水影響，三峽庫區(qū)土地利用空間受到制約，由此決定了庫區(qū)土地資源的未來供給及其空間分布的顯著變化。由表7可知，在模擬的庫區(qū)6大地類演變結果中，林地的面積最大，為30 419.96 km2，占總面積的53.01%；耕地面積次之，為21 161.84 km2，占總面積的36.87%；未利用地面積最少，為24.29 km2，僅占總面積的0.04%。庫區(qū)土地利用變化模擬結果在總體上符合三峽庫區(qū)土地利用特征，且和解譯結果在數(shù)值上的變化趨勢保持一致，但具體還存在差異。為了檢驗模擬精度，文章在利用CROSSTAB模塊檢驗出模擬的Kappa精度為0.971 2的基礎上，統(tǒng)計得到土地利用解譯與模擬的平均精度為84.48%，模擬結果較好[14,16]?？傮w上，在2014年三峽庫區(qū)土地利用演變模擬結果中，耕地、林地、草地及建設用地的精度較高，模擬精度達到98.57%、97.14%、82.43%和89.75%，水域及未利用地的精度較低，僅為69.28%和69.70%。究其原因，耕地、林地、草地及建設用地的演變規(guī)律及驅動因子比較容易追蹤，而水域作為三峽庫區(qū)重要的地類，其不僅受周邊地理環(huán)境變化及社會經濟發(fā)展的影響，還受政府政策制度制定的影響，難以控制與追蹤，而未利用受人為因素影響大，不容易模擬其演變特征，導致模擬精度不高。

3.3 三峽庫區(qū)土地利用演變預測

通過對不同限制條件下2014年三峽庫區(qū)土地利用模擬，得到模擬的平均相對精度為84.48%，確定各地類適宜性條件，并以此來對三峽庫區(qū)2028年土地利用進行預測，文章以三峽庫區(qū)2014年土地利用布局圖為初始年，利用CA-Markov模塊，結合MCE生成的土地利用適宜性圖集和Markov模塊生成的土地利用轉移概率矩陣，將循環(huán)次數(shù)設置為14，實現(xiàn)對庫區(qū)2028年土地利用布局的模擬，其土地利用格局如圖5所示。

圖4 2014年三峽庫區(qū)土地利用解譯與模擬對比圖

表7 2014年三峽庫區(qū)土地利用結構演變模擬及精度檢驗

為了直觀分析庫區(qū)2028年土地利用的變化，本文利用ARCGIS10.1統(tǒng)計工具將預測的矢量數(shù)據(jù)統(tǒng)計如表8所示。

由表8可知，到2028年，庫區(qū)土地利用繼續(xù)呈現(xiàn)出耕地與林地的大量減少、水域與建設用地的迅速增加、以及草地與未利用地不明顯變化等特點，這種土地利用變化趨勢是三峽水利工程修建以來三峽庫區(qū)所特有的，與其他地區(qū)（黃土丘陵區(qū)[18]、河西走廊[29]和昌化江流域[30]等）土地利用變化趨勢有所不同。劉淑燕等[3]基于CA-Markov模型模擬黃土丘陵區(qū)土地利用變化，得到該區(qū)域土地利用變化呈現(xiàn)坡耕地面積顯著減少，林地和梯田面積顯著增加，其余地類面積變化不大等特點；侯西勇等[29]基于CA-Markov研究河西走廊土地利用變化，結果表明林地、草地、水域和未利用土地減少，耕地和城鄉(xiāng)工礦居民用地增加；肖明等[30]基于CA-Markov模型對昌化江流域土地利用動態(tài)變化的研究結果中顯示，為發(fā)展經濟，當?shù)卮罅亢恿鞯贪逗蜑┩勘徽加茫踔敛糠值貐^(qū)還出現(xiàn)過填河造地的現(xiàn)象。這些區(qū)域土地利用變化規(guī)律均與三峽庫區(qū)不同，在三峽庫區(qū)的土地利用過程中，需占用大量的林地及耕地資源以增加水域及建設用地面積，從而保證區(qū)域航運條件、供電需求以及當?shù)亟洕l(fā)展。

圖5 三峽庫區(qū)2028年土地利用格局預測圖

表8 2028年三峽庫區(qū)土地利用預測

耕地面積由2014年的21 465.16 km2減少到2028年的21 051.03 km2，所占百分比由37.40%下降到36.68%，面積減少414.13 km2，占比減少0.72%。為了防止耕地無限制較少，政府應當嚴格執(zhí)行耕地保護紅線，復耕現(xiàn)有閑置地，控制和阻止盲目開墾耕地的行為，以此促進庫區(qū)生態(tài)環(huán)境的保護和改善。林地面積由2014年的 31 289.74 km2減少到2028年的29 988.59 km2，所占百分比由54.52%下降到52.25%，面積減少1 301.15 km2，占比減少2.27%。林地的變化強度大于2000-2014年，林地是庫區(qū)主要的用地類型，為了庫區(qū)的生態(tài)環(huán)境以及社會經濟的可持續(xù)發(fā)展，政府應嚴格控制林地的減少量。草地面積由2014年的1 397.62 km2減少到2028年的 1 392.45 km2，所占百分比由2.44%下降到2.43%，面積減少5.17 km2，占比減少0.01%。草地呈現(xiàn)持續(xù)減少的趨勢，草地可有涵養(yǎng)水源，保持水土，防風固土以及綠化美化環(huán)境等生態(tài)功能，此外，草地對于庫區(qū)的養(yǎng)畜業(yè)也起著重要的作用，因此，采取相應措施防治草地的減少是庫區(qū)進行土地利用規(guī)劃應當關注的問題之一。水域面積由2014年的1 517.94 km2增加到2028年的2 784.85 km2，所占百分比由2.64%上升到4.85%，面積增加1 266.91 km2，占比增加2.21%。三峽工程竣工后，庫區(qū)不斷蓄水使得庫區(qū)社會效益與經濟效益都有一定程度的增加，但是由于庫區(qū)水深增加，水流速度減慢，水域由一開始的自凈能力較強的天然河流變?yōu)樯鷳B(tài)環(huán)境功能及其脆弱的人工湖泊，干支流納污能力減弱，水體富營養(yǎng)化嚴重。庫區(qū)在水域面積不斷增加的同時，應關注水體質量，避免庫區(qū)生態(tài)環(huán)境遭受破壞。建設用地面積由2014年的1 702.95 km2增加到2028年的2 136.51 km2，所占百分比由2.97%上升到3.72%，面積增加433.56 km2，占比增加0.75%。預測到2014-2028年期間建設用地的增加強度與2007—2014年的強度一樣，建設用地的轉換具有不可逆性，因此庫區(qū)在制定土地利用總體規(guī)劃時，應當嚴格控制建設用地的增加量，嚴格禁止庫區(qū)一切違法建設行為。未利用地面積由2014年的16.93 km2減少到2028年的36.91 km2，所占百分比由0.03%上升到0.07%，面積增加19.98 km2，占比增加0.04%。由預測值可知庫區(qū)未利用地面積增加，表明庫區(qū)閑置情況加劇，庫區(qū)應充分將未利用地利用起來，以提高庫區(qū)社會經濟效益以及生態(tài)環(huán)境功能。

4 結論與討論

文章通過對三峽庫區(qū)2000—2014年土地利用變化現(xiàn)狀分析，建立土地利用轉移概率矩陣，結合各地類適宜性圖集，利用MCE-CA-Markov對庫區(qū)2014年土地利用演變進行模擬。對比庫區(qū)2014年土地利用解譯結果，計算模擬精度，直到精度達到最高，確定各地類的適宜性圖集，并以確定的地類適宜性圖集對庫區(qū)2028年土地利用演變進行預測，以期為三峽庫區(qū)土地利用規(guī)劃、城市建設以及生態(tài)環(huán)境修復提供理論支撐。文章主要結論如下：

1）在2000—2014年期間，三峽庫區(qū)土地資源利用變化趨勢呈現(xiàn)耕地和林地面積急劇減少；水域及建設用地面積迅速增加；草地面積略有減少；未利用地面積無明顯變化等特點。通過對土地利用變化圖譜分析，得到庫區(qū)用地類型面積變化模式由大到小為穩(wěn)定變化型>后期變化型>前期變化型>反復變化型>持續(xù)變化型，其中，耕地、林地面積主要向水域、建設用地轉入，而草地和未利用地面積較小，面積變化不明顯，且在空間上分布零星。

2）文章土地利用轉換規(guī)則的獲取采用基于布爾運算的MCE方法，利用IDRISI中的CA-Markov模塊，結合ArcGIS10.1空間分析工具實現(xiàn)三峽庫區(qū)土地利用空間格局變化模擬。經過對比2014年庫區(qū)土地利用解譯結果，Kappa系數(shù)為0.971 2，模擬相對精度為84.48%，模擬結果較好，可用于模擬預測。

3）從模擬的面積變化來看，到2028年，三峽庫區(qū)林地和耕地面積雖然持續(xù)減少，但仍是庫區(qū)最主要的2種用地類型，且兩類用地向水域及建設用地面積轉入最多；水域和建設用地持續(xù)增加，主要在原有的水域與建設用地周圍向外擴展，且增加幅度相比2000—2014年有所加強；草地和未利用地仍呈零星分布狀態(tài)，變化面積較小。預測結果表明三峽庫區(qū)土地資源利用變化十分活躍，到2028年，庫區(qū)生態(tài)環(huán)境恢復和重建的壓力依然很大。因此，需迫切加強對三峽庫區(qū)耕地、林地和草地的保護，控制和阻止盲目開墾耕地與違規(guī)建設的行為，正確處理庫區(qū)經濟發(fā)展與生態(tài)環(huán)境之間的關系，促進庫區(qū)生態(tài)環(huán)境的保護和改善。

文章利用MCE-CA-Markov模擬三峽庫區(qū)土地利用演變狀況，雖然在一定程度上克服了傳統(tǒng)土地利用變化線性模擬方法的弊端，但還存在一定的不足。在模擬土地利用演變時，限于數(shù)據(jù)的空間特性，文章在選擇限制因子制作土地利用適宜性圖集時沒有完全站在系統(tǒng)的角度，應選擇包括地理、社會、經濟及資源環(huán)境方面的因子才能夠更加精準地對庫區(qū)土地利用演變進行模擬；其次，由于三峽庫區(qū)面積龐大，文章以100×100的柵格單元大小進行模擬，沒有考慮土地利用的尺度效應，使得模擬效果與實際土地利用有一定差距。針對以上兩點不足，作者在以后的研究中，將利用DMSP-OLS夜間燈光數(shù)據(jù)把社會經濟因子空間化后納入轉換規(guī)則制作適宜性圖集，再將元胞設定至最合適的柵格大小，也許能大大提高模擬的精度。

[1] 后立勝，蔡運龍.土地利用/覆被變化研究的實質分析與進展評述[J]. 地理科學進展，2004，23(6)：96－104.Hou Lisheng, Cai Yunlong. An essential analysis and review on land use/ cover change research[J]. Progress in Geography, 2004, 23(6): 96－104. (in Chinese with English abstract)

[2] 王兵，臧玲. 中國土地利用/土地覆被變化研究近期進展[J]. 地域研究與開發(fā)，2006，25(2)：86－91.Wang Bing, Zang Ling. Recent progress of studies on land use and land cover change in China[J]. Areal Research & Development, 2006, 25(2): 86－91. (in Chinese with English abstract)

[3] 劉淑燕，余新曉，李慶云，等. 基于CA-Markov模型的黃土丘陵區(qū)土地利用變化[J]. 農業(yè)工程學報，2010，26(11)：297－303.Liu Shuyan, Yu Xinxiao, Li Qingyun, et al. Land use change in loess hilly region based on CA-Markov model.[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 297－303. (in Chinese with English abstract)

[4] 俞龍生，符以福，喻懷義，等. 快速城市化地區(qū)景觀格局梯度動態(tài)及其城鄉(xiāng)融合區(qū)特征：以廣州市番禺區(qū)為例[J]. 應用生態(tài)學報，2011，22(1)：171－180.Yu Longsheng, Fu Yifu, Yu Huaiyi, et al. Landscape pattern gradient dynamics and desakota features in rapid urbanization area: A case study in Panyu of Guangzhou[J]. Chinese Journal of Applied Ecology, 2011, 22(1): 171－180. (in Chinese with English abstract)

[5] Weber C, Puissant A. Urbanization pressure and modeling of urban growth: Example of the Tunis Metropolitan Area[J]. Remote Sensing of Environment, 2003, 86(3): 341－352.

[6] 趙俊三，袁磊，張萌. 土地利用變化空間多尺度驅動力耦合模型構建[J]. 中國土地科學，2015，29(6)：57－66. Zhao Junsan, Yuan Lei, Zhang Meng.Driving forces coupling model for multi-scale land use change based on system dynamics[J]. China Land Science, 2015, 29(6): 57－66. (in Chinese with English abstract)

[7] 何春陽，史培軍，李景剛，等. 中國北方未來土地利用變化情景模擬[J]. 地理學報，2004，59(4)：599－607.He Chunyang, Shi Peijun, Li Jinggang, et al. Scenarios simulation land use change in the northern China by system dynamic model[J]. Acta Geographica Sinica, 2004, 59(4): 599－607. (in Chinese with English abstract)

[8] 韋春竹，鄭文鋒，孟慶巖，等. 基于元胞自動機的遺傳神經網絡在土地利用變化模擬分析中的應用[J]. 測繪工程，2014，23(1)：45－49.Wei Chunzhu, Zheng Wenfeng, Meng Qingyan, et al. Genetic neural network based on cellular automata applied to the simulation analysis of land use change[J]. Engineering of Surveying & Mapping, 2014, 23(1): 45－49. (in Chinese with English abstract)

[9] 黎夏，葉嘉安. 基于神經網絡的元胞自動機及模擬復雜土地利用系統(tǒng)[J]. 地理研究，2005，24(1)：19－27. Li Xia, Ye jiaan. Cellular automata for simulating complex land use systems using neural networks[J]. Geographical Research, 2005, 24(1): 19－27. (in Chinese with English abstract)

[10] Lei W, Yang W, University P, et al. An ANN-CA modeling method for land cover change in the Karst Area of China: A case study of maotiao River Basin[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2012, 48(1): 116－122.

[11] 田義超，任志遠. 基于CLUE-S模型的黃土臺塬區(qū)土地利用變化模擬：以陜西省咸陽臺塬區(qū)為例[J]. 地理科學進展，2012，31(9)：1224－1234.Tian Yichao, Ren Zhiyuan. Land use change simulations in Loess Hilly Areas based on CLUE-S model: A case study in Xianyang Loess Tableland Areas of Shaanxi Province[J]. Progress in Geography, 2012, 31(9): 1224－1234. (in Chinese with English abstract)

[12] 周銳，蘇海龍，王新軍，等. 基于CLUE—S模型和Markov模型的城鎮(zhèn)土地利用變化模擬預測：以江蘇省常熟市辛莊鎮(zhèn)為例[J]. 資源科學，2011，33(12)：2262－2270.Zhou Rui, Su Hailong, Wang Xinjun, et al. Simulation of land use change in Xinzhuang Town under different scenarios based on the CLUE-S Model and Markov model[J]. Resources Science, 2011, 33(12): 2262－2270. (in Chinese with English abstract)

[13] Chen F, Hu Y, Peng X, et al. Simulation of land use/ cover change based on the CLUE-S model[C]//International Conference on Geoinformatics. IEEE, 2010: 1－5.

[14] 錢敏，濮勵杰，朱明. 基于SLEUTH模型的主體功能區(qū)劃分后的土地利用變化[J]. 農業(yè)工程學報，2012，28(18)：223－232.Qian Min, Pu Lijie, Zhu Ming. Land use changes after major function oriented zoning based on SLEUTH model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(18): 223－232. (in Chinese with English abstract)

[15] Mahiny A S, Clarke K C. Guiding SLEUTH land-use/land- cover change modeling using multicriteria evaluation: Towards dynamic sustainable land-use planning[J]. Environment & Planning B Planning & Design, 2012, 39(5): 925－944.

[16] 霍明明，張軼瑩，陳偉強. 基于CA-Markov的土地利用變化及預測研究：以鞏義市魯莊鎮(zhèn)為例[J]. 中國農學通報，2015，31(12)：279－284.Huo Mingming, Zhang Yiying, Chen Weiqiang. The land use change and prediction based on CA-Markov model:A Case of Luzhuang Town, Gongyi City[J]. Chinese Agricultural Science Bulletin, 2015, 31(12): 279－284. (in Chinese with English abstract)

[17] 何丹，周璟，高偉，等. 基于CA-Markov模型的滇池流域土地利用變化動態(tài)模擬研究[J]. 北京大學學報：自然科學版，2014，50(6)：1095－1105.He Dan, Zhou Jing, Gao Wei, et al. An integrated CA-markov model for dynamic simulation of land use change in Lake Dianchi watershed[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1095－1105. (in Chinese with English abstract)

[18] Azizi A, Malakmohamadi B, Jafari H. Land use and land cover spatiotemporal dynamic pattern and predicting changes using integrated CA-Markov model[J]. Global Journal of Environmental Science & Management, 2016, 2(3): 223－234.

[19] 張丁軒，付梅臣，陶金，等. 基于CLUE-S模型的礦業(yè)城市土地利用變化情景模擬[J]. 農業(yè)工程學報，2013，29(12)：246－256.Zhang Dingxuan, Fu Meichen, Tao Jin, et al. Scenario simulation of land use change in mining city based on CLUE-S model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(12): 246－256. (in Chinese with English abstract)

[20] 李明杰，錢樂祥，吳志峰，等. 廣州市海珠區(qū)高密度城區(qū)擴展SLEUTH模型模擬[J]. 地理學報，2010，65(10)： 1163－1172.Li Mingjie, Qian Lexiang, Wu Zhifeng, et al. The SLEUTH model simulation of high density urban sprawl in Haizhu District of Guangzhou City[J]. Acta Geographica Sinica, 2010, 65(10): 1163－1172. (in Chinese with English abstract)

[21] 龔文峰，袁力，范文義. 基于CA-Markov的哈爾濱市土地利用變化及預測[J]. 農業(yè)工程學報，2012，28(14)：216－222.Gong Wenfeng, Yuanl Li, Fan Wenyi. Dynamic change and prediction of land use in Harbin city based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(14): 216－222. (in Chinese with English abstract)

[22] 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態(tài)模擬[J]. 農業(yè)工程學報，2011，27(12)：330－336. Wang Yousheng, Yu Xinxiao, He Kangning, et al. Dynamic simulation of land use change in Jihe watershed based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(12): 330－336. (in Chinese with English abstract)

[23] 周啟剛，張曉媛，王兆林. 基于正態(tài)云模型的三峽庫區(qū)土地利用生態(tài)風險評價[J]. 農業(yè)工程學報，2014，30(23)：289－297 Zhou Qigang, Zhang Xiaoyuan, Wang Zhaolin. Land use ecological risk evaluation in Three Gorges Reservoir Area based on normal cloud model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(23): 289－297. (in Chinese with English abstract)

[24] 喬偉峰，盛業(yè)華，方斌，等. 基于轉移矩陣的高度城市化區(qū)域土地利用演變信息挖掘：以江蘇省蘇州市為例[J]. 地理研究，2013，32(8)：1497－1507.Qiao Weifeng, Sheng Yehua, Fang Bin. Land use change information mining in highly urbanized area based on transfer matrix: A case study of Suzhou, Jiangsu Province[J]. Geographical Research, 2013, 32(8): 1497－1507. (in Chinese with English abstract)

[25] 胡文英，角媛梅，范弢. 哈尼梯田土地利用空間格局及其變化的信息圖譜研究[J]. 地理科學，2008，28(3)：419－424.Hu Wenying, Jiao Yuanmei, Fan Tao. Research on information Tupu of land use spatial pattern and its change in Hani Terraced Fields[J]. Scientia Geographica Sinica, 2008, 28(3): 419－424. (in Chinese with English abstract)

[26] 張國坤，鄧偉，張洪巖，等. 新開河流域土地利用格局變化圖譜分析[J]. 地理學報，2010，65(9)：1111－1120. Zhang Guokun, Deng Wei, Zhang Hongyan, et al. The TUPU analysis of land use pattern in Xinkai River Basin[J]. Acta Geographica Sinica, 2010, 65(9): 1111－1120. (in Chinese with English abstract)

[27] 趙莉，楊俊，李闖，等. 地理元胞自動機模型研究進展[J]. 地理科學，2016，36(8)：1190－1196.Zhao Li, Yang Jun, Li Chuang, et al. Progress on Geographic Cellular Automata model[J]. Scientia Geographica Sinica, 2016, 36(8): 1190－1196. (in Chinese with English abstract)

[28] 徐建華. 現(xiàn)代地理學中的數(shù)學方法：第2版[M]. 北京：高等教育出版社，2002.

[29] 侯西勇，常斌，于信芳. 基于CA-Markov的河西走廊土地利用變化研究[J]. 農業(yè)工程學報，2004，20(5)：286－291.Hou Xiyong, Chang Bin, Yu Xinfang. Land use change in Hexi corridor based on CA-Markov methods[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(5): 286－291. (in Chinese with English abstract)

[30] 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態(tài)變化[J]. 農業(yè)工程學報，2012，28(10)：231－238. Xiao Ming, Wu Jiqiu, Chen Qiubo, et al. Dynamic change of land use in Changhua downstream watershed based on CA-Markov model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(10): 231－238. (in Chinese with English abstract)

張曉娟，周啟剛，王兆林，王福海.基于MCE-CA-Markov的三峽庫區(qū)土地利用演變模擬及預測[J]. 農業(yè)工程學報，2017，33(19)：268－277. doi：10.11975/j.issn.1002-6819.2017.19.035 http://www.tcsae.org

Zhang Xiaojuan, Zhou Qigang, Wang Zhaolin, Wang Fuhai.Simulation and prediction of land use change in Three Gorges Reservoir Area based on MCE-CA-Markov[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 268－277. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.19.035 http://www.tcsae.org

Simulation and prediction of land use change in Three Gorges Reservoir Area based on MCE-CA-Markov

Zhang Xiaojuan1, Zhou Qigang1,2,3※, Wang Zhaolin2, Wang Fuhai3

(1.400067,; 2.400067,; 3.400055,)

In order to achieve better coordination between land use and ecological environment in the Three Gorges Reservoir Area, this paper explored the pattern and mechanism of the evolution of land use since the reservoir was built and impounded. Based on Landsat TM image data of the Three Gorges Reservoir Area in 2000, 2007 and 2014, the first step of the research was to obtain basic information of present land use through ArcGIS 10.1, then generate land use change map to analyze land use changes in 2000-2014, and calculate land use transfer matrix to analyze the flow characteristics of land use in the Three Gorges Reservoir Area in 2000-2007 and 2007-2014, respectively. Second, multi-criteria evaluation (MCE) - cellular automata Markov chain (CA-Markov) model was used to simulate self-organizing evolution of land use in the reservoir area. In particular, the MCE model was used to make maps of land use suitability and the CA-Markov model was used to calculate the land use transfer matrix. The accuracy of MCE-CA-Markov simulation was tested against multi-temporal remote sensing images and the Kappa coefficient was found to be 0.971 2. Third, land use structure in 2028 was forecasted with the tested constraints and the combinations of factors of land use evolution. Overall, findings included: 1) It was feasible to simulate land use evolution with MCE-CA-Markov. 2) During 2000-2014, types of land use change areas, sorted from large to small, were stable change > late change > early change > repeated changes > continuous change. Especially, areas of cropland and forestland were mainly changed to water area and construction land, while the changes of the areas of grassland and unused land were not very obvious and scattered in space due to their smaller areas. 3) The land use pattern in 2014 from the simulation was consistent with that from interpreted remote sensing images and the relative accuracy reached 84.48% after verification. 4) Our model predicted that, up to 2028, cropland and forestland are still 2 main land use types in the Three Gorges Reservoir Area although their areas continue to decline. Most of their areas change to water area and construction land. The areas of water and construction land will continue to increase and they expand mainly around their original sites. Compared to the period of 2000-2014, their future increases will be bigger. Grassland and unused land are still scattered and have smaller changes. In general, the prediction shows that land use change is very active in the Three Gorges Reservoir Area and, by 2028, the pressure for ecological environment restoration and reconstruction in the reservoir area is still very high. Therefore, it is urgently needed to strengthen the protection of cropland, forestland and grassland in the Three Gorges Reservoir Area, to control and prevent blind reclamation of cropland and illegal construction, to correctly balance economic development and ecological environment and to protect and improve the ecological environment in the reservoir area. This research is expected to provide theoretical support for land use planning, urban construction and ecological environment restoration in the Three Gorges Reservoir Area.

land use; evolution; simulation; MCE-CA-Markov; Three Gorges Reservoir Area

10.11975/j.issn.1002-6819.2017.19.035

F301.2

A

1002-6819(2017)-19-0268-10

2017-06-15

2017-09-15

國家自然科學基金項目（41101503）；重慶市教委科技項目（KJ1601901）；重慶工商大學融智學院科研項目（20158001）；重慶工商大學研究生創(chuàng)新型科研項目（yjscxx2017-066-63）

張曉娟，貴州仁懷人，從事環(huán)境規(guī)劃與管理研究。 Email：zxj6120@126.com

※通信作者：周啟剛，重慶銅梁人，博士，教授，從事3S理論與土地利用研究。Email：zqg1050@126.com