基于元胞自动机模型的土地利用情景模拟与驱动力分析

土地利用格局的形成过程比其最终形成的结果更为重要。本文以哈尔滨市双城区为例,利用不同时期的土地利用数据,在土地利用变化关键驱动因素分析的基础上,选取了对土地利用变化影响较大的距离变量、邻近土地利用类型数量、单元自然属性、社会经济因素等4方面14个驱动力因子,建立了基于元胞自动机(CA)与人工神经网络(ANN)相结合的土地利用空间格局模拟模型。在此基础上,对研究区自然禀赋、社会经济快速发展、基本农田保护及土地利用规划等不同情景驱动机制下的土地利用空间格局进行了时空模拟,以此解析土地利用变化过程与驱动力因素的响应关系。模拟结果显示：自然禀赋情景下,各地类变化趋势与现在保持一致;在社会经济快速发展情景下,建设用地面积增加明显,主要由旱地和其他用地转入;在基本农田保护情景下,耕地面积比较稳定,各地类变化趋势较为缓和;在土地利用规划情景下,各地类变化较为合理,兼顾耕地保护和经济发展。研究结果显示,该方法对哈尔滨市双城区土地利用格局变化的驱动机制具有较好的解释作用。     

基于CA-Markov模型的渭河中下游干流土地利用变化模拟及预测北大核心

识别和预测土地利用时空格局演变规律对科学推进区域生态保护和国土资源空间规划的合理开展具有重要意义。以渭河中下游干流为研究区,利用转移矩阵、土地利用动态度以及土地利用程度指数为评价因子,分析1980-2020年土地利用变化,采用基于多评价准则(MCE)的元胞自动机和马尔科夫(CA-Markov)模型模拟自然发展情景、生态保护情景和统筹发展情景下2030年土地利用演变特征。结果表明:1980-2020年渭河中下游干流耕地面积占比最大为52%左右,其次是林地和草地,建设用地面积呈持续增长趋势。多年综合土地利用动态度为0.66%,建设用地面积变化最快,并以耕地转化为建设用地为主。基于CA-Markov模型模拟了2015年和2020年土地利用变化情况,模拟的土地利用空间格局发展态势与实际较一致,模拟的3种情景下2030年建设用地面积在自然发展情景下增幅最大,生态保护情景下林地面积增加了53.83 km~2;统筹发展情景下各土地利用类型变化较小。在3种情景下,渭河中下游干流2030年土地利用结构仍然以耕地、林地、草地为主,建设用地面积均呈不同增幅的增加趋势,统筹发展情景下的预测结果更符合国土空间规划要求和经济社会发展的需求。     

基于CLUE-S模型的吴忠市土地利用时空演变及多情景模拟预测

【目的】研究不同情景下的未来土地利用时空演变格局,为合理利用土地资源、科学规划国土空间开发格局和区域高质量发展提供助力。【方法】研究团队以宁夏回族自治区吴忠市为研究对象,选取2000年、2010年和2020年3期土地利用数据,运用土地利用转移矩阵、CLUE-S模型,分析研究区2000—2020年土地利用变化特征,模拟自然增长情景、生态保护情景和经济增长情景下2030年吴忠市土地利用演变特征。【结果】1)2000—2020年吴忠市草地面积占比最大,其次是耕地和未利用地,建设用地面积不断增长;建设用地面积变化最快,并以耕地转化为建设用地为主。2)2030年建设用地面积在自然增长情景下将会减少,生态保护情景下林地面积增幅较大,经济增长情景下各土地利用类型变化较小。3）在3种情景下,吴忠市2030年土地利用结构仍然以耕地、林地、草地为主,建设用地面积在生态保护情景和经济增长情景下将呈增长的趋势,在自然增长情景下将呈减少趋势。【结论】生态保护情景下的预测结果更符合国土空间规划要求和经济社会发展的需求。该研究成果对推动吴忠市未来土地利用格局规划具有重要意义。     

三江平原典型流域土地利用格局变化与空间分异研究

以遥感和DEM数据为基本信息源,基于网格采样研究方法,利用动态度模型分析土地利用空间异质性规律,并从集水小区角度出发研究土地利用空间自相关格局。结果表明:挠力河流域土地利用变化呈现明显的阶段性,1990—2002年耕地面积增幅最大,且以水田增加为主,2002—2014年整体面积变化趋于缓和;1990—2002年土地利用变化剧烈程度显著强于2002—2014年,前后以趋缓为主,加剧区域较少;流域不同方向上动态度均具有较好的拟合趋势,不同时间段拟合趋势差异大,但基本保持东北方向变化剧烈程度强于西南方向的态势;1990—2002年,各集水小区动态度呈现明显的高-高型和低-低型集聚趋势,空间自相关关系显著,2002—2014年,高-高型数量显著减少,且多为旱地水田化发生区,动态度集聚性变差,差异逐渐趋于缓和,未来应根据集水小区的空间自相关格局进行土地利用开发管理,应重点关注高-高型土地利用问题,适当挖掘低-低型开发潜力,对高-低型进行开发控制,对低-高型进行重点开发引导。     

基于SWAT模型的开都河上游未来土地利用变化对径流的影响

【目的】揭示土地利用变化下的流域径流变化。【方法】以开都河上游区域为研究对象,利用分布式水文模型SWAT,采用元胞自动机-马尔科夫模型(CA-Markov)预测法、当地土地利用规划要求和极端土地利用情景法共设置了4种2025年土地利用情景,包括自然发展情景、规划发展情景、极端草地情景、极端林地情景。【结果】①构建的SWAT模型在率定期(R2=0.74,NSE=0.73)与验证期(R2=0.58,NSE=0.57)的模拟结果可以接受。②采用CA-Markov模型模拟的2010年土地利用类型图Kappa系数为0.83,可用于预测2025年土地利用类型。1980—2010年土地利用类型变化主要表现为草地转换为水体和未利用地,其转换面积分别为106.09 km2和0.5 km2。③相较于基准年2010年,各土地利用情景下的年均径流量均减少,自然发展情景减少最快,极端草地情景减少最慢;从丰水期与枯水期来看,2种时期下各情景月均径流变化完全相反;从其季节分配来看,各土地利用类型在夏季对径流变化影响最大,冬季影响较小。【结论】该地区草地是影响径流最主要的调控因子,原有草地的减少会引起夏季径流较大幅度减少,对于未利用地,可考虑开发为草地。     

基于SWAT模型的开都河上游未来土地利用变化对径流的影响北大核心CSCD

【目的】揭示土地利用变化下的流域径流变化。【方法】以开都河上游区域为研究对象,利用分布式水文模型SWAT,采用元胞自动机-马尔科夫模型(CA-Markov)预测法、当地土地利用规划要求和极端土地利用情景法共设置了4种2025年土地利用情景,包括自然发展情景、规划发展情景、极端草地情景、极端林地情景。【结果】①构建的SWAT模型在率定期(R2=0.74,NSE=0.73)与验证期(R2=0.58,NSE=0.57)的模拟结果可以接受。②采用CA-Markov模型模拟的2010年土地利用类型图Kappa系数为0.83,可用于预测2025年土地利用类型。1980-2010年土地利用类型变化主要表现为草地转换为水体和未利用地,其转换面积分别为106.09 km2和0.5 km2。③相较于基准年2010年,各土地利用情景下的年均径流量均减少,自然发展情景减少最快,极端草地情景减少最慢;从丰水期与枯水期来看,2种时期下各情景月均径流变化完全相反;从其季节分配来看,各土地利用类型在夏季对径流变化影响最大,冬季影响较小。【结论】该地区草地是影响径流最主要的调控因子,原有草地的减少会引起夏季径流较大幅度减少,对于未利用地,可考虑开发为草地。     

基于CLUE-S情景模拟的挠力河流域耕地适宜性评价研究

以挠力河流域为研究区,选择2000、2010、2020年3期土地利用数据,从土地利用动态度和转移矩阵两方面分析土地利用时空变化,运用CLUE-S模型对研究区2030年土地利用变化格局进行模拟验证,设基线、农业发展和生态保护3种情景预测2030年土地利用变化格局,最后对3种情景下耕地适宜性进行评价。结果表明：研究区土地利用类型以耕地为主,2000—2020年森林、湿地、水体和人造地表呈增加趋势,耕地和草地呈减少趋势。2000—2020年土地利用转移主要发生在耕地、草地和森林之间,2000—2010年草地面积转入最多,耕地次之,森林最少,转出面积相反;2010—2020年森林转入转出面积最多,草地次之,耕地最少。CLUE-S模型对挠力河流域土地利用变化具有良好的模拟能力,Kappa系数为0.894,模拟总体精度为91.18%;基线情景下耕地、草地和水体地类面积减少,其他地类面积增加;农业发展情景下耕地面积增加23.68%,人造地表面积未发生变化,其他地类面积均较少;生态保护情景下与农业发展情景正好相反。依评价指标体系和评价模型,分析计算出3种情景下耕地位于适宜区的面积占研究区总面积的96%...     

南昌市LUCC多情景模拟和生境质量时空演变与预测

人类活动和气候影响土地利用变化,而土地利用变化是影响生境质量变化最基本因素之一,探究不同气候情景下生境质量对区域土地资源可持续利用和生态保护具有重要意义。本文以南昌市为例,基于耦合SD(System dynamics)-PLUS(Patch-generating land use simulation)模型模拟预测共享社会经济发展路径(Shared socioeconomic pathways, SSPs)与典型浓度路径(Representative concentration pathways, RCPs)组合情景下南昌市2035年土地利用格局,InVEST (Integrated valuation of ecosystem services and trade-offs)模型评估2000—2020年以及3种不同气候情景下南昌市2035年生境质量并进行时空变化分析,结果表明：3种情景下,2035年南昌市耕地、林地、草地面积下降,建设用地扩张迅速,水域和未利用地变化幅度较小。2000—2020年生境质量持续下降且空间分布差异较大,优等生境质量分布于山地丘陵以及湖泊水域,中、差等则分布...     

基于CA-Markov模型的重庆市酉阳县土地利用变化研究

为揭示县域土地利用变化情况,以2014年为基期年,以重庆市酉阳县为研究区,在分析研究区土地利用现状及其影响因素的基础上,采用CA-Markov模型模拟了酉阳县2020年土地利用情况。结果显示,影响土地利用的因素包括自然因素和人文因素两方面;2020年研究区耕地面积呈下降趋势,林地面积有所增加,草地和水域面积变化不明显;建设用地继续保持增长;未利用地面积略有减少。空间上,研究区城区范围呈东南至西北方向扩展,建设用地不断增加是由于经济社会发展需要占用大量土地导致。      

基于多模型的黑河中游甘临高地区土地利用情景模拟

混合元胞自动机（Mixed-cell cellular automata,MCCA）模型改进了传统的元胞自动机（Cellular automata,CA）模型,基于现实复杂土地结构引入混合元胞,实现了从定性、静态模拟到定量、动态模拟的跨越。本文首先探究MCCA模型在黑河中游甘临高地区（甘州区、临泽县和高台县）的适用性;之后分别采用多目标线性规划（Multiple-objective programming,MOP）模型、普通线性回归模型预测得到2035年可持续发展（Sustainable development,SUD）情景、基本发展（Basic development,BAD）情景中不同地类面积数值,然后将面积输入MCCA模型中进行不同情景的土地利用空间结构可视化,并开展对比研究。结果表明：各项精度评价指标均表明MCCA模型的模拟精度较高,Kappa系数、混合元胞质量系数（Mixed-cell figure of merit,mcFoM）和平均相对熵（Relative entropy,RE）分别为0.886、0.261和0.508,优于基于纯净元胞的斑块生成土地利用变化模拟（Patch-generating land use simulation model,PLUS）模型,因此MCCA模型适用于研究区土地利用结构模拟。2035年SUD情景中林地范围明显高于BAD情景,生态效益较BAD情景增速快,建设用地和耕地适度扩张,综合效益增速较快。该结果表明耦合MOP和MCCA模型模拟的土地利用优化配置方案能够更好地协调经济与环境的关系,既有利于经济快速发展,又能保护生态环境和维持社会稳定。     

陕西省耕地资源格局变化及驱动力研究

根据陕西省1990—2010年的耕地统计资料,研究耕地利用现状及其时空变化规律,应用主成分分析和多元线性回归模型,探索耕地资源与14个驱动因子之间的关系。结果表明,19年间耕地总面积和人均耕地面积都经历了＂缓慢减少—急速减少—相对稳定并略有上升＂的变化过程。陕西省耕地面积总体呈减少趋势,各地区耕地内部结构变化较大。农业...     

湖南省耕地资源动态变化驱动力分析

以湖南省为例,动态分析耕地资源数量变化,运用因子分析和主成分分析法构建湖南省耕地资源变化驱动因子体系,对影响区域耕地资源数量动态变化的自然、人口、社会经济发展水平、农业发展水平和非农建设用地等进行定量分析,揭示耕地变化的驱动机制。基于此,运用多元线性回归分析,构建了湖南省1997-2007年耕地变化回归模型,分析了各驱动影响因子对耕地资源数量变化的作用。结果表明,湖南省耕地变化的驱动因子分别为经济发展因子、资金投入因子、科技进步和政策驱动因子等4大类,且长期影响着湖南省耕地面积变化,并在未来还将继续影响。其中,前3类因子使耕地面积逐年递减,而政策因子则对湖南省耕地面积变化起着双层作用。     

基于CLUE-S模型的煤矿城市土地利用变化模拟

以淮南市为研究区,选择1985、1995、2005、2016年土地利用数据,在分析土地利用动态变化特征的基础上,利用CLUE-S模型模拟预测了未来土地利用格局。结果表明：1985—2016年,研究区耕地面积减少11.62%;建设用地和水体面积百分比分别增加7.98个百分点和4.29个百分点。2005—2016年是各地类变化最强烈的阶段,其综合土地利用动态度最大,为13.46%。建设用地变化速率最快,其土地利用动态度为5.19%。土地转移主要发生在耕地、水体和建设用地之间,以耕地向建设用地和水体的转换为主。耕地转为建设用地的面积达207.61 km²,新增水体集中分布在潘谢矿区。加入空间自相关性和土壤质量因子后,耕地和建设用地的Logistics回归效果显著改善,ROC分别增加0.201和0.133。年均降水量是影响耕地变化的主要驱动因子,与耕地分布概率呈负相关;而建设用地变化主要驱动因子为GDP。土地利用模拟的Kappa系数为0.74,CLUE-S模型在研究区域具有较好的模拟能力。运用CLUE-S模型预测了研究区2028、2034、2040年土地利用空间分布,未来...     

淮安市耕地时空变化特征及其驱动因素

淮安市地处黄淮平原和江淮平原,境内河湖交错,水系纵横,是江苏省北部的农业大市。研究其耕地时空变化特征及其驱动因素可为保障粮食生产和农业可持续发展提供指导。基于2000、2010和2018年3期土地利用数据,综合土地利用转移矩阵、土地利用动态度和多元逐步回归分析等对2000—2018年淮安市耕地的时空变化特征进行分析,并结合社会经济指标研究其驱动力。2000—2018年耕地减少速度不断加快,减少面积主要集中在清江浦区北部,与城乡工矿居民用地相互转移面积较多。耕地变化受经济发展和收入水平的影响,第三产业是耕地变化的核心驱动力。淮安市在发展经济的同时,需更加重视保护耕地资源,加大土地整治力度,提高土地利用效率,优化土地资源的利用与配置,确保耕地资源可持续利用。      

河北太行山区土地利用变化及其社会驱动机制分析

以河北太行山区为例,从土地利用动态变化入手,结合社会经济因素,定性与定量地探讨土地利用变化的驱动力;基于1987年和2000年两期遥感影像提取土地利用信息,分析土地利用类型数量、速度和结构等变化;通过构建土地利用结构与社会经济数据的相对变化数据库,建立社会经济驱动因素指标体系,对土地利用变化的驱动力进行相关分析和主成分分析;在定量分析基础上,从人口、经济、科技和政策等4个层面揭示其社会经济驱动机制.     

黑龙江省耕地数量变化及驱动因子分析

采用趋势分析法和回归分析法,剖析了黑龙江省耕地数量变化的驱动因子,研究了其变化机理.结果表明:黑龙江省经济增长与耕地递减呈明显线性负相关关系,社会经济发展因子是耕地减少的主要内在驱动力,经济利益和有关土地政策是引起耕地变化的外在驱动力,并指出保护耕地和确保粮食安全是土地管理工作的当务之急.