劉雪瑩， 郝彎彎，趙鵬，馬佳明，董大鵬，溫哲華，谷建才

(1河北農(nóng)業(yè)大學(xué) 林學(xué)院，河北 保定 071000；2河北省林業(yè)和草原信息中心，河北 石家莊 050081)

土地利用變化是人類經(jīng)濟(jì)社會發(fā)展對土地資源利用的直接反映[1]，土地利用方式受自然和人文因素的綜合影響[2]。通過LULC土地利用類型的相關(guān)變化情況，可將它與人類的關(guān)聯(lián)、自然的發(fā)展以及形態(tài)等清晰地體現(xiàn)出來[3]。實際上，該問題對于環(huán)境、資源以及人口等的可持續(xù)性發(fā)展來說是非常重要的，并涉及到土地的利用強度以及覆被等方面的變化情況[2]。雖然它在各個地區(qū)中所產(chǎn)生的具體作用及影響機制還有待深入認(rèn)識，但已逐漸演變成影響全球土地變化的主要因素之一[4]。人類(文化，社會經(jīng)濟(jì)和政治)與生物物理環(huán)境在不同空間尺度中相互作用，是研究區(qū)域環(huán)境變化的重要途徑[5]，目前受到各國學(xué)者的廣泛關(guān)注。自21世紀(jì)以來，在全球范圍內(nèi)由于城市化和智能化戰(zhàn)略所帶來的人地關(guān)系的發(fā)展，儼然已經(jīng)成為一種新趨勢，人類活動主導(dǎo)了全球環(huán)境的演變[5]。該研究區(qū)屬于干旱、半干旱氣候的牧區(qū)和半濕潤氣候的農(nóng)業(yè)區(qū)之間的過渡區(qū)域[6]。實際上，從整個陸地生態(tài)系統(tǒng)的角度審視可知，農(nóng)牧交錯區(qū)是一類具有比較高敏感性的地區(qū)，更容易受到全球變化和人為因素的共同干擾，從而導(dǎo)致了一系列的生態(tài)問題，例如環(huán)境污染、生物多樣性喪失、不合理的土地利用方式以及生態(tài)環(huán)境隨著各種影響因素逐漸惡化[4]。耕地—林地、耕地—草地、林地—草地的交替變化對區(qū)域生態(tài)環(huán)境具有重要影響，人地關(guān)系矛盾更為突出。人類的高強度活動，如過度開墾、放牧、挖掘和遺棄等，都會給地區(qū)帶來了巨大的負(fù)面效應(yīng)[7]。氣候變暖、人口和糧食需求增加等破壞了天然植被，導(dǎo)致草地的退化，不斷地耗盡了地區(qū)生態(tài)系統(tǒng)服務(wù)功能[8]。因此，有效解決區(qū)域發(fā)展帶來的土地問題，正確處理人地關(guān)系是保證城市經(jīng)濟(jì)健康穩(wěn)定發(fā)展的關(guān)鍵，也是城市建設(shè)與發(fā)展的重要保證。因此，需要借鑒較為成熟的內(nèi)陸土地利用研究成果，進(jìn)一步探索研究區(qū)的土地利用強度。

基于此，以燕山北部農(nóng)牧交錯區(qū)——圍場縣為實例研究對象，借助遙感和GIS 等空間分析手段，對2009—2014—2019年土地利用方面的具體變化情況展開理論模擬和深入的分析。

1 研究區(qū)概況

研究區(qū)地處在燕山余脈與蒙古高原之間的交接區(qū)域，位于大興安嶺的南部地區(qū)。所處地理位置為北緯39°40′～42°10′，東經(jīng)115°45′～119°50′[9]。山勢陡峭，地勢西北高，東南低。山體呈東西走向，海拔高度為500～1 500 m。該研究區(qū)有比較低的水土容量，其土壤中含有相對比較低的有機質(zhì)，在其東、西部的相關(guān)區(qū)域中，分別是黑色森林土以及栗鈣土的組成[10]。研究區(qū)處于暖溫帶大陸性季風(fēng)氣候區(qū)。年均溫6 ℃～10 ℃，1月均溫-12 ℃～6 ℃，7月為20 ℃～25 ℃。10 ℃以上持續(xù)期195～205 d，活動積溫2 600 ℃～3 800 ℃，年降水量700 mm左右，具有較為明顯的時空分布方面的差異性。

植被茂盛，灌木、雜草叢生，森林面積廣闊。地帶性植被為落葉闊葉林(以櫟類為主)，并混生暖性針葉油松林，垂直帶譜[11]。700 m以下為落葉闊葉林，樹種有蒙古櫟、槲櫟、栓皮櫟、槲樹等。700～1 500 m為針闊葉混交林，樹種以臭冷杉為主。1 500～2 000 m為針葉林，樹種有華北落葉松等，但以次生林為主。

2 數(shù)據(jù)及方法

2.1 數(shù)據(jù)來源及信息提取

研究區(qū)主要采用2009年、2014年、2019年3期 Landsat 系列影像作為遙感數(shù)據(jù)源。通過地理空間數(shù)據(jù)云(www.gscloud.cn/)來進(jìn)行衛(wèi)星遙感相關(guān)圖像信息的完整下載。盡量選擇植被生長較為旺盛的 7—9 月份，并且云層覆蓋度不高于5%[12]或研究區(qū)范圍內(nèi)無云的數(shù)據(jù)，確保相關(guān)的影像數(shù)據(jù)資料中無條帶以及噪聲等現(xiàn)象[13]。除了從各種來源獲得的輔助信息外，還借助全國森林資源二類調(diào)查數(shù)據(jù)，評估從衛(wèi)星數(shù)據(jù)中提取的土地覆蓋圖的準(zhǔn)確性。

2.2 土地利用分類

特征識別被認(rèn)為是土地利用分類工作中十分重要的一個環(huán)節(jié)。由于土地利用類型方面的差異性，將會在遙感圖像中形成各自的特征光譜。基于不同的光譜信息可以進(jìn)行不同土地利用類型信息的辨別[14]。充分考慮當(dāng)前我國在該領(lǐng)域中的工作基礎(chǔ)以及研究區(qū)的具體情況，對該地區(qū)土地利用類型進(jìn)行分類，具體如下(共計6類)，即耕地、林地、草地、水域、居民建設(shè)用地、未利用地6種基本的土地類型[15]。其中，旱地與普通農(nóng)田是耕地的主要地類，林地通常為疏林地、灌木林、常規(guī)林地以及除此之外的其他類型的林地，而草地通常為放牧場以及天然的草場，水域則是湖泊和河流等，居民及生產(chǎn)用地包括各類建筑區(qū)域(如居民區(qū)以及城鄉(xiāng)用地等)，除此之外的其他尚未利用的土地則主要為各類廢棄土地、裸地、鹽堿地以及沙地等。

2.3 土地利用動態(tài)度變化

土地利用動態(tài)度是真實反映土地利用類型動態(tài)變化程度的指數(shù)。它可以表達(dá)特定區(qū)域一定時間范圍內(nèi)某種土地利用類型變化情況[16]。

(1)

式中：K為單一土地利用動態(tài)度；Ua表示初期土地利用面積；Ub分別為末期土地利用面積；T表示變化時間段。

2.4 CA—Markov模型

在Markov 模型中，作為一個具有隨機性特征的運動過程，狀態(tài)與時間均具有離散性。該模型主要側(cè)重于通過時間尺度來開展各土地利用類型的變化情況[17]。在預(yù)測土地利用所對應(yīng)的狀態(tài)時，采用的公式具體為：

S( t+1)=Pij×S(t)

(2)

式中：Pij代表了狀態(tài)轉(zhuǎn)移的相關(guān)矩陣，而S(t)與S(t+1)則分別代表對應(yīng)于t和t+1時的研究土地所對應(yīng)的具體結(jié)構(gòu)狀態(tài)。

CA 模型則是空間維度上進(jìn)行預(yù)測[18]，其狀態(tài)改變的規(guī)則在時間和空間是都是局部的，每個變量只取有限狀態(tài)。其公式表示如下：

S(t+1)=f(S(t),N)

(3)

式中：f代表了局部空間中所對應(yīng)的元胞轉(zhuǎn)化方面的有關(guān)規(guī)則；N代表了元胞鄰域；而S(t)與S(t+1)則分別代表了對應(yīng)于t和t+1等2個時刻相關(guān)的元胞有限離散所對應(yīng)的集合狀態(tài)。CA模型中鄰域結(jié)構(gòu)的設(shè)置，系統(tǒng)默認(rèn)設(shè)置為5×5，如下圖所示:

本研究所采用的CA-Markov 模型則很好地融合了上述模型所具有的一系列優(yōu)勢，從而可從空間及時間等角度來科學(xué)預(yù)測及模擬相關(guān)地區(qū)的土地利用情況，從而對未來土地利用格局的發(fā)展提供依據(jù)[19]。該研究是以2019年為起始年，預(yù)測的時間間隔為5 a，并且進(jìn)行CA循環(huán)次數(shù)(5)、CA濾波器所對應(yīng)的大小(此處設(shè)為5×5)以及元胞的具體大小(此處設(shè)為30 m× 30 m)等參數(shù)的合理設(shè)置，具體步驟有以下幾點：

1)數(shù)據(jù)格式的轉(zhuǎn)換：再ArcGIS中將柵格數(shù)據(jù)轉(zhuǎn)化呈IDRISI識別的ASCII格式的數(shù)據(jù)；

2)重分類：對轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行重新分類，數(shù)值根據(jù)已有地類編碼的情況而定；

3)生成轉(zhuǎn)移矩陣：在Markov模塊生成轉(zhuǎn)移面積矩陣和概率矩陣；

4)模擬預(yù)測：利用Markov預(yù)測所得的轉(zhuǎn)移矩陣進(jìn)行CA-Markov的預(yù)測。

2.5 模擬預(yù)測精度驗證

運用Kappa系數(shù)進(jìn)行精度檢驗是現(xiàn)在眾多學(xué)者廣泛使用的一種驗證方法(式1)。本研究采用IDRISI 18.3軟件中CROSSTAB模塊計算各地類Kappa系數(shù)以驗證其空間模擬精度。精度的判別標(biāo)準(zhǔn)為 Kappa 值從0～1 表示2幅圖像從完全不吻合到完全吻合的轉(zhuǎn)變[20]。具體標(biāo)準(zhǔn)為：

表1 精度的判別標(biāo)準(zhǔn)Table 1 Discriminant criteria for Kaap coefficient accuracy

公式表達(dá)如下 ：

(4)

式 (1) 中，p0表示預(yù)測正確的土地利用分布比例；pc表示隨機情形下預(yù)測正確比例；pp表示理想狀態(tài)下預(yù)測完全正確的比例。

3 結(jié)果分析

3.1 土地利用格局及其變化

2009年、2014年及2019年土地利用現(xiàn)狀及其變化如表2所示。分析其中的數(shù)據(jù)可知，對于當(dāng)前的研究區(qū)來說，其占據(jù)主要地位的土地利用類型為林地，在整個研究區(qū)中，達(dá)到了61.70%～63.51%的比例，而且有相對較廣的分布情況，占據(jù)主導(dǎo)地位，且集中連片，呈現(xiàn)出較小的破碎程度[21-22]；此外，在整個研究區(qū)域里，耕地及草地在總體面積中均有超過10%的占比水平，耕地面積廣，散亂分布，隨著時間的更替變化，耕地面積具有持續(xù)降低的趨勢；在該區(qū)域的西北部，主要分布的土地利用類型是草地，2009年、2014年、2019年草地類型的面積占比依次是17.5%、16.65%、16.74%，呈波動變化的趨勢，草地流失現(xiàn)象時有發(fā)生；居民生產(chǎn)用地2009年、2014年、2019年面積占比依次是1.50%、1.64%、1.74%，面積由2009年的114.31 hm2，增加到2019年的230.24 hm2，呈現(xiàn)出以居民區(qū)為中心的向外擴(kuò)張趨勢，說明在城鎮(zhèn)化水平提高、人口壓力增大、經(jīng)濟(jì)不斷發(fā)展的背景下，人們對建設(shè)用地擴(kuò)展的需求增加[23]；水域面積在2009年、2014年、2019年間面積所占比例分別為3.20%、2.82%、3.92%，未利用地面積所占比例分別為1.80%、1.47%、2.94%，水域面積和未利用地面積均處于先減少后增加趨勢，變化浮動明顯。

表2 2009—2019年研究區(qū)土地利用面積及所占比例Table 2 Area and percentage of land use types in 2009, 2014 and 2019

3.2 土地利用類型面積轉(zhuǎn)移情況分析

從土地利用類型的面積轉(zhuǎn)移情況可以清楚地看到每種土地利用類型轉(zhuǎn)移為其他土地利用類型的面積概率。2009—2014及2014—2019年土地利用面積轉(zhuǎn)移概率矩陣分別見表3和表4：

1)林地在2009—2019年呈現(xiàn)持續(xù)增加的態(tài)勢，2009—2014年林地面積增加速度高于2014—2019年。2009—2014年林地凈新增量來源依次為草地(61.76%)、耕地(32.63%)、水域(39.77%)、居民生產(chǎn)用地(30.41%)、未利用地(4.34%)，草地是最大的轉(zhuǎn)入者。2014—2019年林地凈新增量來源依次為耕地(22.05%)、草地(21.33%)、居民生產(chǎn)用地(7.05%)、水域(6.74%)和未利用地(5.26%)，說明退耕還林項目取得效果，并持續(xù)進(jìn)行中。

2)耕地呈現(xiàn)出先增加后減少的態(tài)勢，2009—2014年凈增加面積增加了0.07%，在從2014年到2019年的時間區(qū)間里，出現(xiàn)了大規(guī)模的面積減少，林地為其主要的轉(zhuǎn)化方向，而且有一部分的尚未利用開發(fā)的土地以及草地的轉(zhuǎn)入。

3)草地隨著時間的演替呈現(xiàn)了一種逐漸退化的趨勢[24-25]，2009—2014年凈減少面積為50.37 hm2，2014—2019年略有增加，具有35.18 hm2的凈增量。最為重要的轉(zhuǎn)出類型為林地，相比之下，草地則具有更小的面積。

4)居民建筑用地面積由2009年的114.31 hm2，增加到2019年的230.24 hm2，在2009—2019年期間呈現(xiàn)只增不減的趨勢，而未利用地且大部分是在原有城區(qū)和居民點的基礎(chǔ)上進(jìn)行擴(kuò)張。

5)2009—2019年水域面積呈現(xiàn)先減少后增加的波動狀態(tài)，新增土地利用類型分別對應(yīng)于生產(chǎn)以及生活所用土地、各類耕地、草地、尚未得到利用開發(fā)的土地以及林地。水域的動態(tài)變化主要受自然環(huán)境和人為因素的干擾[16]。

6)未利用地也呈現(xiàn)出少量增加趨勢，通過林地以及生產(chǎn)生活所用土地的有效轉(zhuǎn)入，形成了新增利用土地。

表3 2009—2014年土地利用轉(zhuǎn)移概率矩陣Table 3 Land use transfer probability matrix during 2009—2014

表4 2014—2019年土地利用轉(zhuǎn)移概率矩陣Table 4 Land use transfer probability matrix during 2014—2019

3.3 土地利用動態(tài)度變化

土地利用動態(tài)度模型可以定量描述研究區(qū)不同時間段不同土地利用類型數(shù)量變化的幅度和速度。研究區(qū)土地利用用動態(tài)度變化見表5。

表5 研究區(qū)土地利用動態(tài)度Table 5 Land use dynamic attitude in the study area %

由表5可知，(1)耕地在2009—2014年間的動態(tài)度為0.60%，增長速度緩慢，2014—2019年間的動態(tài)度為-0.84%，這段時間經(jīng)濟(jì)快速發(fā)展，城鎮(zhèn)用地呈現(xiàn)向外擴(kuò)張的趨勢，其次退耕還林相關(guān)生態(tài)項目的開展，占用了大量的耕地。

(2)林地在2009—2014年間的動態(tài)度為1.56%，增長速度較快，2014—2019年間的動態(tài)度為-0.53%，增長速度較緩慢；草地在2009—2014年間動態(tài)度為-0.80%，變化速度緩慢，2014—2019年間動態(tài)度為0.54%，呈現(xiàn)緩慢增加的趨勢，說明近些年來政府對環(huán)境保護(hù)的重視，生態(tài)項目在有效進(jìn)行。

(3)居民生產(chǎn)用地2009—2014年間的動態(tài)度為2.91%，是6種土地利用類型中速度最快的，2014—2019年間的動態(tài)度為0.76% ，呈緩慢變化的趨勢，畜牧業(yè)帶動當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展，建筑用地不斷向外擴(kuò)張。

(4)水域在2009—2014年間的動態(tài)度為-2.05%，2014—2019年間動態(tài)度為7.26%。水域的動態(tài)度變化受自然環(huán)境和人類生產(chǎn)生活影響較大，同時水利設(shè)施的變化也對水域動態(tài)度變化有一定影響。

(5)未利用地在2009—2014年間動態(tài)度為-3.51%，2014—2019年間動態(tài)度為19.04%，動態(tài)波動明顯，政府應(yīng)加強土地的有效利用。

4 CA—Markov模型預(yù)測結(jié)果

4.1 預(yù)測精度驗證

采用CA-Markov模型，以2014年為起始年，時間間隔為5 a，預(yù)測2019年的土地利用情況，并將預(yù)測結(jié)果與實際結(jié)果進(jìn)對比，結(jié)果如圖1。

圖1 CA-Markov模型精度預(yù)測對比圖Figure 1 Comparison chart of CA-Markov model accuracy prediction

在預(yù)測圖和實際圖對比的基礎(chǔ)上，通過IDRISI 18.3軟件中CROSSTAB模塊將實際數(shù)據(jù)(見圖a)和模擬數(shù)據(jù)(見圖b)展開Kappa 驗證，如表6所示。發(fā)現(xiàn)Kappa的值為0.912 2，這說明它具有比較好的精度水平，所以可繼續(xù)開展后面的預(yù)測工作。

表6 Kappa系數(shù)預(yù)測結(jié)果Table 6 Kappa coefficient prediction results

4.2 預(yù)測結(jié)果

以2019年土地利用數(shù)據(jù)為基礎(chǔ)，基于CA-Markov模型對研究區(qū)的2024年進(jìn)行土地利用類型的預(yù)測，預(yù)測結(jié)果見圖2。

圖2 2024年研究區(qū)土地利用預(yù)測圖Figure 2 Land use prediction map of the study area in 2024

結(jié)果圖2表明：研究區(qū)2024年較2019年變化顯著，林地面積仍占主導(dǎo)地位，集中連片；耕地和草地分布散亂，有減少趨勢，草地退化現(xiàn)象加劇了未利用地面積的增加，居民生產(chǎn)用地增加顯著，以居民點向外擴(kuò)張，城鎮(zhèn)化水平提高，對建筑用地的需求增加。

表7 2009—2024年研究區(qū)土地利用面積變化Table 7 2009—2024 change in land use area of the study area

同2009年、2014年及2019年3個時段相比：

1)2024年耕地面積減少，呈現(xiàn)波浪狀的變化趨勢，2014年耕地面積較其他年份最多，此后相繼減少，這與當(dāng)前農(nóng)業(yè)政策直接相關(guān)。

2)林地面積凈減153.32 km2，波動不太明顯，且相對集中，新增林地面積小于林地轉(zhuǎn)移面積，由于林地面積較大，林地的損失和收益強度基本處于休眠狀態(tài)。

3)草地面積呈現(xiàn)出逐年下降的趨勢，與2019年相比下降了118.49 km2，過牧、濫墾、濫樵和濫挖藥材等人為因素的干擾，導(dǎo)致草場退化。

4)居民生產(chǎn)用地持續(xù)不斷增加，居民安置點和城區(qū)的持續(xù)擴(kuò)大就是具體的體現(xiàn)。耕地以及林地是建筑收益的最重要來源。

5)尚未得到利用及開發(fā)的土地出現(xiàn)了持續(xù)性的面積擴(kuò)大，它和林地、草地以及耕地間的類型轉(zhuǎn)換相對活躍，水域面積大量增加，在原來水域面積的基礎(chǔ)上進(jìn)行了擴(kuò)寬和延長。

5 結(jié)論

本研究以典型農(nóng)牧交錯區(qū)圍場縣為例，結(jié)合3s和遙感技術(shù)相關(guān)原理，進(jìn)行2009年、2014年和2019年土地利用類型的解譯。并通過CA-Markov模型來預(yù)測2024年該區(qū)域的土地利用變化情況，由此可促進(jìn)當(dāng)?shù)亟?jīng)濟(jì)和社會的良性發(fā)展，尤其是科學(xué)有效地利用土地資源提供重要的基礎(chǔ)信息。結(jié)果顯示：

(1)不同時期遙感圖像通過解譯顯示出各土地利用類型的結(jié)構(gòu)分布。研究區(qū)的土地利用類型呈現(xiàn)出“三增三減”的變化趨勢。其主要的土地利用類型是草地、耕地以及林地，3期林地面積比例均超過60%，耕地面積均在10%，草地、居民生產(chǎn)用地、水域、未利用地所占份額較小。

(2)轉(zhuǎn)移概率矩陣表明：林地收支相對平衡；耕地呈現(xiàn)出先增加后減少的態(tài)勢，它們的主要轉(zhuǎn)化為草地和林地，其中林地達(dá)到32.63 %，而且林地和耕地兩者之間存在著一定程度的轉(zhuǎn)化。

(3)根據(jù)模擬，2009—2024年該研究區(qū)有著較為顯著的土地利用類型方面的改變趨勢，圍場縣的林地和耕地面積出現(xiàn)了逐漸下降的趨勢，居民生活點和各類建筑用土地將會逐漸以居民區(qū)為中心向外持續(xù)進(jìn)行擴(kuò)展，是最活躍的土地利用類型，它不同于耕地和草地，這直接關(guān)系到當(dāng)?shù)厣鐣徒?jīng)濟(jì)發(fā)展水平的提高以及城市化進(jìn)程的加快。

6 討論

(1)從動態(tài)的視角把握物質(zhì)流動的規(guī)律，優(yōu)化土地資源的利用方式，調(diào)控經(jīng)濟(jì)系統(tǒng)資源流動的良性路徑，已經(jīng)逐漸成為學(xué)術(shù)界研究的熱點問題[26]。因此，土地覆被變化也成為了全球環(huán)境變化的重要內(nèi)容，但大多數(shù)側(cè)重于宏觀尺度，對于縣域的研究還相對較少，為此本研究區(qū)以2009年、2014年、2019年遙感影像和全國森林資源二類調(diào)查數(shù)據(jù)對該研究區(qū)土地利用類型的變換規(guī)律進(jìn)行分析。高鳳杰[6]等在東北山地丘陵地帶農(nóng)林交錯區(qū)的研究中表明在這幾類土地利用類型中，變化最明顯的是建筑用地的持續(xù)增加，這與本研究的觀點是一致的。

(2)本研究所采用的CA-Markov模型有效地融合了CA模型和Markov模型所具有的優(yōu)點。Markov模型可有效地完成較長時間范圍內(nèi)的預(yù)測，以及CA模型在系統(tǒng)較為復(fù)雜時可進(jìn)行空間變化的模擬，所以備受關(guān)注。已經(jīng)有許多科研工作者通過該模型來對黃土塬區(qū)[27]、黃土丘陵[28]及籍河流域[29]等地區(qū)進(jìn)行土地利用變化模擬，并取得良好的效果。研究區(qū)域是典型的農(nóng)牧交錯區(qū)，土地利用覆被變化劇烈，有研究表明這與產(chǎn)業(yè)結(jié)構(gòu)，土地適度開發(fā)等政策息息相關(guān)[2]。同時，受到技術(shù)以及研究時間方面的限制，關(guān)于經(jīng)濟(jì)以及社會等層面的政策影響的探討還相對欠缺[12]，如何精確量化及調(diào)整是今后研究的重點，在未來的研究中，應(yīng)加強對這方面的研究，以提高預(yù)測結(jié)果的準(zhǔn)確性[21]。