基于CA-Markov模型的锡林河流域土地利用变化及预测分析

研究土地利用变化特征及预测未来土地利用变化的趋势，对经济平衡发展、提高生态环境质量、实现土地资源合理利用具有重要意义。以锡林河流域为研究区，对Landsat 2000、2005、2010年和2015年4期遥感数据进行目视解译，采用土地利用结构分析方法、重心迁移模型和CA-Markov模型，分析研究区16 a间土地利用演变特征，并对2030年土地利用情况进行预测。结果表明:1)2000-2015年，草地、林地和耕地呈波动变化，水域面积缓慢增加，建设用地不断扩张，未利用地面积在不断减少。建设用地、耕地和未利用地重心具有明显的方向性移动，耕地先向南后向北移动，建设用地主要向西北方向扩张，未利用土地重心持续向北移动。2)研究区综合土地利用动态度为5.70％，变化速率较快；锡林浩特市和各苏木土地利用变化速率差异较大，总体表现为中游＞下游＞上游；不同土地利用类型动态度为建设用地＞水域＞林地＞耕地＞未利用土地＞草地，即建设用地变化最快。3)研究区土地利用变化的主要方向为草地和未利用地的相互转换、耕地和草地的互相转换以及建设用地的不断扩张。4)2030年预测结果表明，耕地面积继续增加，速率有所下降，重心向西南方向移动；林地延续之前变化趋势，稳中有升；草地和未利用地面积继续减少，且未利用地重心持续向北移动；建设用地扩张明显，重心向锡林浩特市中心移动，速度减缓；水域有少量增加。CA-Markov模型与土地利用重心迁移模型相结合，实现了对未来耕地、建设用地和未利用土地的迁移方向的预测，可以为研究区提高草地退化防治效果、土地管理政策的制定和实施、城乡建设、土地利用规划等提供理论指导。     

基于城市建设用地扩张预测的城郊村土地经营权流转最优期限确定

确定城郊村土地经营权流转最优期限有利于流转双方做出符合其最大收益的期限选择,降低流转过程的交易成本。以理性选择理论为指导,构建城郊村土地经营权流转最优期限分析框架,以长沙市为例,运用CA-Markov模型模拟城市建设用地扩张,预测城郊村土地征收时间,并选取长沙市望城区某城郊村进行实证分析。分析认为,城郊村土地经营权流转最优期限是土地征收前流转双方收益均达到最大时对应的期限。土地征收前流转次数不同,其最优期限不同。流转双方可根据收益预期和主观意愿,参考城市建设用地扩张趋势预测土地被征收时间以确定最优流转期限。CA-Markov模型在确定土地经营权流转最优期限方面有一定的优势。     

基于土地利用变化的河北省坝上地区景观生态风险评价

[目的]对河北省坝上地区近40 a来的土地利用动态变化和生态风险进行分析评价并对未来趋势作出预测,为该地区生态建设和治理、可持续发展提供科学依据。[方法]基于坝上地区1980—2018年5期土地利用数据以及通过土地转移矩阵、空间相关性分析等方法揭示和预测该区1980—2026年的土地利用变化特征并评估该区生态风险水平。[结果](1)整个研究期间,坝上地区土地利用类型以耕地为主,所占比例近50%,其中,1980—2018年,耕地、林地扩张面积均超过300 km~2,草地减少近616.60 km~2,水域面积缩减36.04%,其中耕地、林地、草地之间的互相流转程度较为剧烈,空间变化上表现为各地类的重心在2000—2010年明显迁移。(2)1980—2026年,坝上地区6个时期内生态风险值全局空间自相关Moran’s I指数均在0.500左右,其空间分布表现出较高的趋同集聚性。(3)近40 a来,坝上生态风险水平升至为高风险级,其区域增加了123.22 km~2,较高风险区域分布在城镇地区,据CA-Markov模型预测,未来坝上地区中等及中等以上风险区域持续扩张,丰宁县和围场县将分别出现小规模高风险区和较高风险区。[结论](1)近40 a来坝上地区草地退化严重,水域面积显著减少,原因系安固里淖干涸所致。(2)该区生态风险水平与土地格局分布具有较强相关性,且在未来会继续升高。     

贵州省黎平县地表覆被变化引起的生态系统碳储量变化

[目的]对贵州省黎平县地表覆被变化引起的生态系统碳储量变化进行评估,为区域碳源和碳汇管理及"大生态"发展目标提供科学依据。[方法]基于黎平县2005,2010和2015年3期土地利用数据,结合CA-Markov模型和InVEST模型碳储量模块,在对土地利用变化趋势进行分析的基础上定量评估了研究区2005—2025年生态系统固碳能力。[结果]①2005—2015年,黎平县耕地、林地、未利用地呈减少趋势,草地、建设用地、水域呈增加趋势。②2015—2025年土地利用整体变化趋势与2005—2015年一致但幅度增大。耕地由2005—2015年的降幅2.37%到2015—2025年的增幅4.21%,整体趋势发生转变;③2015年黎平县生态系统总碳储量和平均碳密度分别为9.12×10~7 t和206.61 t/hm~2。自2005年以来分别下降2.00×10~5 t和0.45 t/hm~2。2025年黎平县碳储量和平均碳密度分别为8.98×10~7 t和203.44 t/hm~2。[结论]黎平县生态系统固碳能力呈减弱趋势,林地的大面积转出和建设用地的扩张是碳储量下降的直接原因,未来应加强对土地利用结构的优化。     

基于CA-Markov模型的甘州区土地利用变化预测分析

研究以张掖市甘州区为例,以黑河流域2000年和张掖市2007年土地利用/土地覆盖(LUCC)数据集的矢量数据、2014年Landsat 8 OLI_TIRS 8月份遥感影像和Google Earth影像为数据源,以Arc GIS10.1、ENVI 4.8和IDRISI 17.00为计算平台,利用CA-Markov模型对2014年土地利用变化进行模拟和预测,并将预测结果与2014年甘州区LUCC解译数据作对比分析,其Kappa系数为87.87%,表明预测与现实一致性较佳。最后对2021年甘州区土地利用分类进行模拟和预测。从预测结果可以看出:2000—2021年间甘州区耕地面积和建设用地面积呈现较快的增长趋势,未利用地面积呈现较快的减少趋势;林地和水域呈现缓慢地增长趋势;草地面积变化较小。简要分析了其变化原因主要归因于政策、社会经济、人口和科学技术几方面。对2021年甘州区土地利用变化的预测研究结果可为该区土地利用合理规划管理及经济发展政策的制定提供科学的决策依据。     

岷江上游藏区聚落土地利用演变及预测

【目的】探究岷江上游藏区聚落土地利用类型、数量演变规律及空间分布。【方法】利用岷江上 游 1995、2005、2015 年 3 期土地利用数据,运用 CA-Markov 模型模拟预测了 2025 年岷江上游的土地利用情况。 在此基础上,对岷江上游藏区聚落 4 期土地进行对比分析。【结果】前期只有林地面积大幅减少,其他用地增加, 建设用地的动态度波动最大,总面积增加 139.52 hm2,而建设用地和裸地的增幅分别为 92.16% 和 25.72%;中期 只有建设用地面积大幅度增加,动态度波动最大,总面积增加 1 943.03 hm2,其他用地面积虽然减少,但动态度 变化不大;而近期裸地和旱地扭转减少的趋势变为增加,林地和草地分别减少 1 735.45、1 367.14 hm2,减少的 部分主要去向为建设用地和裸地。从整个研究期来看,研究区各类型土地所占比例变化很小,建设用地、裸地 以及旱地数量都有所增加。【结论】模拟结果具有一定可行性,较好地体现了岷江上游藏区聚落土地利用动态 变化的趋势,可对该地区土地资源优化配置提供一定程度的指导。     

面向土地利用总体规划的建设用地空间管制潜在冲突检测

[目的]准确识别、检测建设用地空间管制分区与城市扩张之间的潜在冲突,以期为下一轮土地利用总体规划的实施与土地资源管理工作的开展提供理论参考与技术方法支撑。[方法]基于CA-Markov模型模拟预测了2020年江苏省常州市土地利用状况,在此基础上集成GIS空间分析技术,识别并检测了常州市2015—2020年建设用地空间管制分区与城市未来发展之间的潜在冲突区域。[结果](1)2020年常州市建设用地总量及新增量规模将分别达到规划目标的101.16%,159.97%,即会突破土地利用总体规划目标;禁止建设区内建设用地空间管制潜在冲突面积较少;(2)限制建设区内建设用地空间管制潜在冲突面积较大,约占新增建设用地面积的59.23%,其中约有59.15%的潜在冲突分布在武进区。[结论]在常州市下一轮土地利用总体规划编制与实施过程中,应重点强化对限制建设区内潜在冲突区域的管控。     

基于CA-Markov模型的土地利用景观格局预测研究

土地利用景观格局分析及预测,对平衡经济发展和生态保护、实现土地可持续生态利用和保护管理具有重要意义。本文以江西省抚州市东乡县为例,利用2005年和2015年两期遥感影像,获取东乡县土地利用类型转化数据,结合景观生态学研究了东乡县近10年的土地利用景观格局变化特征;运用CA-Markov模型对土地利用变化过程进行模拟,预测和分析了东乡县未来10年土地利用景观格局特征。结果表明:东乡县在过去10年建设用地、耕地分别增加了71.82、10.76 km~2,水域、林地和未利用地相应减少,减少幅度顺序为未利用地水域林地;各景观斑块分布均匀,景观多样性增加;景观形状趋于简单,相互之间连通性降低、关系变弱。人类经济活动及土地利用政策对东乡县景观格局有显著影响。到2025年东乡县建设用地将增加68.72 km~2,水域、林地和未利用地仍将不断减少,但耕地有所增加;景观斑块数增加,形状略趋复杂;景观异质程度提高,有向多样化、均匀化发展的变化趋势。总体来说,东乡县景观格局正逐步朝着稳定、均匀和多样的方向发展,但仍需加大力度保护和增加耕地资源,控制和合理规划建设用地,维持生态环境平衡。     

基于CA-Markov和InVEST模型的土地利用变化对生境影响评价——以福建省福州新区为例

[目的]研究福建省福州新区近15 a来的土地利用变化并对未来15 a的变化进行预测,并对30 a的生境质量变化进行分析;将预测结果与规划形成对比,为土地利用规划提供参考。[方法]以福建省福州新区为例,基于2000年Landsat_ETM~+和2015年Landsat_OLT遥感影像解译的土地利用数据,对国家级新区——福州新区的土地利用动态变化进行空间分析,运用CA-Markov模型对其2030年的土地利用格局进行预测。在此基础上,进一步采用InVEST模型对新区内过去,现在和未来的生境质量进行评价。[结果]①15 a间福州新区耕地、林地、水域和建设用地变化速度较快,草地和海域变化相对较小,未利用地变化较小但变化较为剧烈;②CA-Markov模型预测显示研究区2015—2030年土地利用变化趋势与2000—2015年大体相同,表现为除未利用地呈现增加的趋势外,建设用地和生态用地分别呈现急剧扩张和持续减少的趋势;③2000—2030年研究区内大量耕地、林地、草地和水域向建设用地转化,导致威胁源的增加,进一步降低了生境质量。[结论]福州新区由于建设用地快速扩张导致区内生境质量严重下降,应加强生态保育,合理控制建设用地的增长,避免生境质量进一步恶化。建议将2030年用地规划中的建设用地边界作为限制建设区边界,将预测结果作为允许建设区边界,提高建设用地的集约利用程度。     

Evaluating and modeling the spatiotemporal pattern of regional-scale salinized land expansion in highly sensitive shoreline landscape of southeastern Iran

Taking an area of about 2.3×10⁴ km² of southeastern Iran, this study aims to detect and predict regional-scale salt-affected lands. Three sets of Landsat images, each set containing 4 images for 1986, 2000, and 2015 were acquired as the main source of data. Radiometric, atmospheric and cutline blending methods were used to improve the quality of images and help better classify salinized land areas under the support vector machine method. A set of landscape metrics was also employed to detect the spatial pattern of salinized land expansion from 1986 to 2015. Four factors including distance to sea, distance to sea water channels, slope, and elevation were identified as the main contributing factors to land salinization. These factors were then integrated using the multi-criteria evaluation (MCE) procedure to generate land sensitivity map to salinization and also to calibrate the cellular-automata (CA) Markov chain (CA-Markov) model for simulation of salt-affected lands up to 2030, 2040 and 2050. The results of this study showed a dramatic dispersive expansion of salinized land from 7.7 % to 12.7% of the total study area from 1986 to 2015. The majority of areas prone to salinization and the highest sensitivity of land to salinization was found to be in the southeastern parts of the region. The result of the MCE-informed CA-Markov model revealed that 20.3% of the study area is likely to be converted to salinized lands by 2050. The findings of this research provided a view of the magnitude and direction of salinized land expansion in a past-to-future time period which should be considered in future land development strategies.