删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

城市近郊区景观格局变化特征,潜力与模拟----以成都市龙泉驿区为例

本站小编 Free考研考试/2021-12-29

欧定华, 夏建国
四川农业大学资源学院,成都 611130

Characteristics, potential and simulation of landscape pattern change in peri-urban areas: A case of Longquanyi district, Chengdu city

OUDinghua, XIAJianguo
College of Resources, Sichuan Agricultural University, Chengdu 611130, China
通讯作者:夏建国(1967- ),男,重庆南川人,教授,主要从事土地利用与环境演变研究.E-mail: xiajianguo@126.com
收稿日期:2015-10-9
修回日期:2016-01-4
网络出版日期:2016-03-20
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:

国家自然科学基金项目(31270498)

四川省学术和技术带头人培养经费(2014)

四川农业大学双支计划项目(2015)

作者简介:
-->作者简介:欧定华(1984- ),男,四川宜宾人,博士研究生,主要从事景观生态规划与设计,土地利用规划与管理,"3S"技术应用研究.E-mail: 357881550@qq.com

展开

摘要
以成都市龙泉驿区为研究区,利用TM/OLI影像,ASTER GDEM和景观变化驱动因子数据,在ArcGIS和IDRISI Selva软件支持下,建立Ann-Markov-CA复合模型,分析了1992-2014年景观格局时空演变特征和变化潜力,对2021年,2028年景观变化趋势进行了模拟.结果表明:近22年,交通运输,果园,城乡人居及工矿景观增加显著,分别增加329%,184%,125%,农田,森林,水体景观减少明显,分别减少67.85%,59.94%,41.00%;主要景观均发生频繁转入转出,其中农田向果园,森林向果园,农田向城乡人居及工矿的转化最明显.参与景观变化潜力预测驱动因子越多其预测准确率不一定越高,需根据预测准确率选择恰当驱动因子组合进行变化潜力模拟.未来14年,大部分景观保持原有变化趋势,但变化剧烈程度逐渐减弱.过去14年(2000-2014年)和未来14年(2014-2028年),农田,森林景观总体上呈减少趋势,成为其他景观增加的稳定补给源.因此,遏制农田,森林景观无节制缩减,对维持区域生态平衡,实现地方生态建设与经济发展互动双赢具有重要意义.

关键词：景观格局;CA-Markov模型;多层感知人工神经网络模型;变化模拟;城市近郊区
Abstract
With the support of ArcGIS and IDRISI Selva platform, based on remote sensing images of Landsat TM/OLI, the ASTER GDEM and data of landscape change driving factors, Ann-Markov-CA composite model was established to analyze characteristics and potential of landscape pattern change of Longquanyi district, Chengdu city in 1992-2014, and to simulate landscape pattern change trend of this district in 2021 and 2028. The results showed that, landscape area of transportation, orchard, urban-rural residential and industrial-mining increased by 329%, 184%, and 125%, respectively, and landscape area of farmland, forest and water body decreased by 59.94%, 67.85%, and 41% during the past 22 years. Landscape pattern experienced a great conversion process. The transformation of farmland to orchard landscape, forest to orchard landscape and farmland to urban-rural residential and industrial-mining landscape were significantly apparent. The forecast accuracy rate of landscape pattern change potential was not necessarily increased with the increase of the number of driving factors. According to the forecast accuracy rate, appropriate combination of driving factors were adopted to simulate landscape pattern change potential. For the next 14 years, most of the landscapes will maintain the changing trend in the past years, but the intensity of landscape change gradually weakened. The simulation showed a decreasing trend of farmland and forest in the past 14 years (2000-2014) and the future 14 years (2014-2028). Farmland and forest were taken as the stable supply source for other landscape. It is suggested that a guiding plan is required to protect farmland and forest landscape. It is most significant to maintain regional ecological balance and promote the interaction between ecological construction and economic development.

Keywords：landscape pattern;CA-Markov model;multi-layer perceptron artificial neural network model;change simulation;peri-urban area

-->0
PDF (18958KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
欧定华, 夏建国. 城市近郊区景观格局变化特征,潜力与模拟----以成都市龙泉驿区为例[J]. , 2016, 35(3): 534-550 https://doi.org/10.11821/dlyj201603012
OU Dinghua, XIA Jianguo. Characteristics, potential and simulation of landscape pattern change in peri-urban areas: A case of Longquanyi district, Chengdu city[J]. 地理研究, 2016, 35(3): 534-550 https://doi.org/10.11821/dlyj201603012

1 引言

景观变化模拟可了解景观未来变化趋势和结果,人类可据此制定恰当干预和调节措施,使景观向符合需求的方向发展^[1].城市近郊区是指临近城市中心区,在经济,社会,文化等方面与中心区关系紧密,且与之具有便捷交通联系的系城乡景观共存区域^[2].受城镇快速扩张和工业化加快推进,中国城市近郊区普遍陷入"被动城市化"困境,产生一系列诸如产业发展低效,土地利用粗放等问题,特别是一些地方城镇和工业园区无序蔓延扩张,使近郊区自然景观和生态环境遭到严重破坏.因此,开展城市近郊区景观变化特征,潜力与模拟研究,有助于弄清景观变化趋势,把握景观变化规律和特点,对制定符合区域实际的调控措施,促进区域可持续发展具有重要的现实意义.
常用景观变化模拟模型有元胞自动机(Cellular Automaton,CA)模型,人工神经网络(Artificial Neural Network,ANN)模型,马尔科夫(Markov)模型,系统动力学(System Dynamics,SD)模型,智能体(Agent)模型,CLUE/CLUE-S模型,灰色系统分析模型和统计回归分析模型^[1].其中CA模型具有强大空间运算能力,可有效反映景观微观格局演化特征^[1],广泛应用于土地利用变化^[3,4]和城市空间扩展^[5,6]预测.但是,CA模型主要根据自身和领域状态的组合进行模拟预测,难以反映影响景观格局变化的社会,经济等宏观因素,且因未囊括反映元胞状态,规则与领域动态特征的方法而降低了模拟精度.针对这些问题,一些研究者利用Markov模型计算景观变化转移概率并将其作为CA模型元胞转换规则进行景观变化模拟^[7-9],一定程度上弥补了CA模型动态预测方面的缺陷,但景观变化不仅依靠一个时刻到另一个时刻的状态,而且还要受变化过程中自然因素,人文因素,距离变量和景观类型等因素综合影响.Markov模型因无法考虑景观变化影响因素而未能彻底解决CA模型在景观变化模拟中的不足.有研究者基于景观变化影响因子,应用Logistics^[10,11],多准则评价(Multi-Criteria Evaluation,MCE)^[12]等模型建立CA转换规则进行景观变化模拟,取得较好效果.但未对景观变化影响因子进行定量诊断,主要凭主观判断选择几个常见影响因子建立元胞转化规则进行模拟预测,无法充分反映影响区域景观变化的实际因素,必然会使景观变化模拟结果产生偏差.
龙泉驿区属四川省会成都市辖区,是典型的大城市近郊区.2000年以来,该区汽车工业和城镇化发展迅速,土地开发利用强度大,景观格局变化突出,对其进行景观变化特征分析和模拟具有较强代表性和研究价值.鉴于此,以龙泉驿区为研究区,在ArcGIS 10.0,IDRISI Selva 17.0软件支持下,探讨近22年景观格局变化特征,应用Markov模型建立景观转移概率矩阵作为CA模型元胞数量转化规则,利用多层感知人工神经网络(Multi-layer Perception Artificial Neural Network,MLP-ANN)模型基于克莱默V值确定的景观变化驱动因子组合对景观变化潜力进行模拟,并依据模拟准确率最高的潜力图和相应约束条件建立景观转化适宜性图集,作为CA模型元胞空间转化规则.在此基础上建立Ann-Markov-CA复合模型对研究区2021年和2028年景观变化趋势进行模拟预测,比单纯利用Markov模型转移面积矩阵和转移概率图作为元胞转化规则,以及利用Logistics,MCE等模型基于主观判断选择景观变化驱动因子建立元胞转化规则进行景观变化模拟,更能反映影响区域景观变化的复杂自然,人文因素,模拟结果更符合区域景观变化实际.研究结果可为区域土地利用规划,城市发展规划,经济发展规划和生态环境保护提供理论依据,同时也可为其他地区开展类似研究提供参考.

2 研究区概况

龙泉驿区位于成都平原东缘,龙泉山脉西侧,面积556.4 km².地质构造为成都断陷带与龙泉山隆褶带间的构造断块,地势由东南向西北微倾(图1).地貌类型有平坝(317.54 km²),丘陵(21.48 km²),山地(217.38 km²)等.年均温16.5 ℃,降雨量852.4 mm,日照时数1021 h,蒸发量984.7 mm.主要土壤类型为水稻土,黄泥土,紫色新冲积土和紫色土.龙泉驿区属成都第二经济圈,是成都城市向东发展主体区,成都市国家级经济技术开发区所在地.2014年全区GDP实现944.6亿,位居全省第一.

显示原图|下载原图ZIP|生成PPT
图1研究区地理位置
-->Fig. 1Geographical location of the study area
-->

3 数据来源与研究方法

3.1 数据来源及预处理

3.1.1 遥感数据来源及景观分类以3期(1992/8/16,2000/05/02,2007/05/06)Landsat5 TM影像,1期(2014/08/13)Landsat8 OLI影像共4期Landsat卫星系列遥感影像(USGS网站http://glovis.usgs.gov/)和ASTER GDEM V2数字高程模型(NASA网站http://reverb.echo.nasa.gov/reverb/)为基础数据,1988年和1997年1

\begin{matrix} ∶ \end{matrix}

15万龙泉驿区土地利用现状图,2009年1

\begin{matrix} ∶ \end{matrix}

1万龙泉驿区土地利用现状图,2014年10-11月景观野外调查成果为辅助数据进行景观类型划分处理.由于USGS网站发布数据已经过几何和地形校正,所以在对影像进行辐射定标和大气校正基础上,利用ArcGIS 10.0裁剪获取研究区影像,并结合研究区土地利用/覆被状况,将景观类型划分为农田(水田,旱地,水浇地),果园,森林(有林地,灌木林地,荒山荒坡),城乡人居及工矿(城镇,农村居民点,工矿用地,特殊用地),交通运输(公路及其附属设施),水体(河流,水库,坑塘,沟渠)六大类,把TM/OLI影像6个原始波段(Blue,Green,Red,NIR,SWIR-1,SWIR-2),1个植被指数(NDVI),3个地形特征(DEM,Slop,Aspect),8个常用纹理特征(Mean,Variance,Homogeneity,Contrast,Dissimilarity,Entropy,Second,Correlation)共18个特征变量组合作为基础数据,参考1997年和2009年龙泉驿区土地利用现状图和景观野外调查成果等辅助资料,在ENVI 5.1中选取训练(检验)样本,应用QUEST决策树分类法进行景观分类(图2).

显示原图|下载原图ZIP|生成PPT
图21992-2014年研究区景观类型变化
-->Fig. 2Landscape type maps of the study area in 1992 (a), 2000 (b), 2007 (c) and 2014 (d)
-->

3.1.2 景观格局变化影响因素研究基础及数据来源根据龙泉驿区2000-2014年景观格局演变驱动力空间回归分析结果和汪雪格等研究成果^[12,13],以年均降雨量(x₁),高程(x₂),坡度(x₃),土壤有机质含量(x₄),人口密度(x₅),农业人口密度(x₆),人均地区生产总值(x₇),地方财政收入(x₈),到最近行政中心距离(x₉),到最近道路距离(x₁₀),到最近水域距离(x₁₁),景观生态类型(x₁₂)为研究区景观变化初选影响因素.其中,2000-2007年,2007-2014年年均降雨量空间分布数据是根据2004-2014年龙泉驿区9个自动气象观测站监测的降雨量(由区气象局提供),在ArcGIS 10.0中应用普通克吕格空间插值法插值得到;高程分布图基于ASTER GDEM V2数据,利用ArcGIS 10.0依据龙泉驿区行政边界裁剪得到;坡度图应用ArcGIS 10.0空间分析工具基于DEM数据计算得到;2000-2007年,2007-2014年土壤有机质含量空间分布数据根据龙泉驿区测土配方施肥项目测得的各地土样有机质含量数据(由区农发局农技中心提供),在ArcGIS 10.0中应用普通克吕格空间插值法插值得到;地方财政收入原始数据来自《龙泉驿统计年鉴(2000-2012年)》和成都统计信息网(http://www.chdstats.gov.cn),人口密度,农业人口密度,人均地区生产总值等影响因素数据根据已有数据经简单数学运算得到.在此基础上以研究区12个街道(镇,乡)行政区为统计单位,分别计算2000-2007年,2007-2014年两阶段各街镇乡地方财政收入,人口密度,农业人口密度,人均地区生产总值多年平均值,最后利用ArcGIS 10.0将其链接到行政区矢量数据属性表对应行记录并进行空间栅格化;到最近行政中心距离(即研究区各栅格点到最近街道办或镇乡政府的距离),到最近道路距离(即研究区各栅格点到最近高速公路或区域交通干道的距离),到最近水域距离(即研究区各栅格点到最近水渠,水库,坑塘等水域的距离)图是在ArcGIS 10.0中利用欧氏距离(Euclidean Diatance)分析工具求得;景观生态类型在IDRISI Selva 17.0软件中通过证据似然转换法定量化.为便于景观变化动态模拟,所有栅格数据分辨率统一为15 m×15 m,坐标系统一为WGS84,投影统一为UTM.

3.2 基于Ann-Markov-CA复合模型的景观格局变化模拟

CA模型是一种时间,空间,状态都离散,空间上的相互作用和时间上的因果关系都局部的网格动力学模型^[14],通常包括单元,状态,邻近范围和转换规则4个要素^[15].CA模型可用如下公式^[16]表示:

\begin{matrix} S_{(t + 1)} = f (S_{(t)}, N) \end{matrix}

(1)
式中:S为元胞有限,离散的状态集合;f为局部空间元胞状态转化规则;t和t+1分别表示两个不同时刻;N为元胞邻域.
首先应用Markov模型建立状态t到状态t+1的景观类型转移概率矩阵,将其作为CA模型元胞数量转化规则.然后,根据各初选景观变化驱动因子克莱默V值确定景观变化驱动因子,按照克莱默V值大小将各驱动因子组合成不同变量组合,利用MLP-ANN模型测试不同驱动因子变量组合景观变化潜力模拟准确率,选择准确率高的驱动因子组合创建景观变化潜力图,依据景观变化潜力图和相应约束条件建立景观类型变化适宜性图,将其作为CA模型元胞空间转化规则.在此基础上建立Ann-Markov-CA复合模型进行景观变化模拟预测.具体步骤为:
3.2.1 数据格式转换在ArcGIS 10.0中将景观类型图,高程图,坡度图,降雨量空间分布图,土壤有机质含量空间分布图等栅格数据转换成ASCII文件,去掉ASCII图像头文件信息,在IDRISI Selva 17.0软件中将ASCII文件转换成IDRISI支持的*.rst数据格式.
3.2.2 应用Markov模型建立景观类型状态转移概率矩阵 Markov模型具有分析不确定性变化过程以及预测短期变化结果的特点^[17],能较好地预测景观在时间上的定量化改变^[18].将Markov模型预测中建立的状态t到状态t+1的转移概率矩阵作为CA模型元胞数量转化规则.Markov模型预测景观变化的表达式^[16]为:

\begin{matrix} S_{(t + 1)} = P_{ij} S_{(t)} \end{matrix}

(2)
式中:S₍_t₎和S₍_t₊₁₎分别表示t和t+1时刻的系统状态;P_ij为状态转移概率矩阵(景观类型转换概率矩阵),其表达式^[16]为:

\begin{matrix} P_{ij} = [\begin{matrix} P_{11} & P_{12} & ? & P_{1 n} \\ P_{21} & P_{22} & ? & P_{2 n} \\ ? & ? & ? & ? \\ P_{n 1} & P_{n 2} & ? & P_{nn} \end{matrix}] \end{matrix}

(3)
式中:P_ij为景观类型i转化为景观类型j的转换概率(0≤P_ij≤1);n为景观类型数量.
3.2.3 应用MLP-ANN模型建立景观类型转化适宜性图景观格局变化潜力是同一空间位置某类现状景观未来转变为另一类景观的概率,概率越大,转变成另一类景观的潜力就越大,发展另一类景观的适宜度也就越高,反之亦然,其预测基础是分析景观格局变化驱动因子,核心是模拟驱动因子与变化潜力的关系.采用三层神经网络模型(图3),基于定量分析确定的景观格局变化驱动因子,模拟景观类型空间变化潜力,并据此建立适宜性图集作为CA模型元胞空间转换规则.具体步骤为:

显示原图|下载原图ZIP|生成PPT
图3MLP-ANN神经网络拓扑结构示意
-->Fig. 3Topological structure of MLP-ANN neural network
-->

首先,利用IDRISI Selva 17.0计算年均降雨量,高程,坡度等12个初选驱动因子变量的克莱默V值,根据V值大小^[19]筛选出对景观变化具有解释力的驱动因子.然后,利用证据似然转换法对筛选确定的驱动因子进行标准化处理后,依据克莱默V值大小形成不同变量组合,作为MLP-ANN模型数据输入层(第1层),即每个模拟单元(元胞)有n个属性(测试驱动因子变量),这些驱动因子变量对应MLP-ANN模型第1层n个神经元,决定了每个单元在时间t时景观类型转换的概率,其表达式^[20]为:

\begin{matrix} X (k, t) = {[x_{1} (k, t), x_{2} (k, t), x_{3} (k, t), ?, x_{n} (k, t)]}^{T} \end{matrix}

(4)
式中:x_i(k,t)为单元k在模拟时间t时第i个变量;T表示转置.输入层接收标准化信号后输出到隐含层.隐含层第j个神经元收到的信号^[20]为:

式中:net_j(k,t)为隐含层第j个神经元所收到的信号;w_i_,_j为输入层和隐含层之间的连接权重.隐含层对这些信号产生一定响应值,并输出到输出层.其响应函数^[20]为:

\begin{matrix} si g_{} mo d_{j} (k, t) = \frac{1}{1 + e^{- ne t_{j} (k, t)}} \end{matrix}

(6)
输出层第l个神经元接收到的信号^[20]为:

式中:net_l(k,t)为输出层第l个神经元所收到的信号;w_j_,_l为隐含层和输出层之间的连接权重.输出层所输出的值,即转换概率^[20]为:

\begin{matrix} p (k, t, l) = \frac{1}{1 + e^{- ne t_{l} (k, t)}} \end{matrix}

(8)
式中:p(k,t,l)为单元k在模拟时间t时从现状景观类型到第l类景观类型的转换概率,概率越大,表明变化为l类景观类型的潜力越大,发展l类景观的适宜度越高.最后,在IDRISI Selva 17.0中利用MLP-ANN模型测试不同驱动因子组合景观变化模拟准确度,选择模拟准确度最高的驱动因子组合创建景观变化潜力图,将景观类型l±i(i∈[1,5])转换为景观类型l的各变化潜力图相加得到第l类景观变化潜力空间分布图,并依据相应约束条件加以完善后作为第l类景观变化适宜性图,具体计算公式为:

式中:

\begin{matrix} F_{l} \end{matrix}

为第l种景观类型适宜度;

\begin{matrix} p_{l \pm i} (k, t, l) (i \in [1,5]) \end{matrix}

为第k个栅格单元(元胞)在模拟时间t时从第

\begin{matrix} l \pm i \end{matrix}

类景观类型到第l类景观类型的转换概率;

\begin{matrix} P_{l} = p_{l} (k, t, l) (l = 1,2, \dots, m) \end{matrix}

为第k个栅格单元(元胞)在模拟时间t时第l类景观类型转化为自身的概率,将其定义为0.9999;l为景观类型编号;m为景观类型总数,取值为6;

\begin{matrix} C_{l} \end{matrix}

为第l类景观类型变化约束条件,把农田,水体景观转化潜力图中现状为城乡人居及工矿,交通运输景观区域变化潜力设为0.0001,即现状为城乡人居及工矿,交通运输景观的区域大面积转化为农田,水体景观的潜力极小,换言之农田,水体景观在该区域的发展适宜性相当小;同理,将果园,森林景观转化潜力图中现状为城乡人居及工矿,交通运输,水体景观的区域变化潜力设为0.0001,将城乡人居及工矿,交通运输景观转化潜力图中现状为水体景观的区域变化潜力设为0.0001.利用IDRISI Selva 17.0软件Collection Editor工具将m种景观类型适宜性图按景观类型顺序组合成适宜性图集,作为CA模型空间转换规则.
3.2.4 CA模型参数设置将景观类型栅格图中栅格单元定义为元胞,大小为栅格图分辨率(15 m×15 m).元胞状态定义为农田,果园,森林,城乡人居及工矿,交通运输和水体六种景观类型.采用标准5×5邻近滤波器.利用2000年和2007年景观类型栅格数据预测2014年景观格局状况,循环次数设为7.利用2007年和2014年景观类型栅格数据预测2021年和2028年景观格局状况,循环次数分别设置为7和14.

3.3 模型精度检验

Kappa系数能从整体上验证预测结果与监测数据的一致性程度^[21],已广泛应用于两个图件一致性评价和遥感解译精度评价^[22].通过计算2014年实际景观类型图和2014年景观类型模拟图的Kappa系数来定量评价Ann-Markov-CA复合模型模拟精度.Kappa系数计算公式^[16]为:

\begin{matrix} Kappa = \frac{P_{0} - P_{c}}{P_{p} - P_{c}} (P_{0} = \frac{n_{1}}{n}, p_{c} = \frac{1}{N}) \end{matrix}

(10)
式中:

\begin{matrix} P_{0} \end{matrix}

为正确模拟栅格比例;

\begin{matrix} P_{c} \end{matrix}

为随机选择情况下期望的正确模拟栅格比例;

\begin{matrix} P_{p} \end{matrix}

为理想分类下正确模拟栅格比例(100%);n表示景观类型现状图栅格总数;

\begin{matrix} n_{1} \end{matrix}

表示正确模拟栅格数;N表示景观类型数.由于目前Kappa系数没有统一分级评价标准,采用Feinstein等^[23,24]研究提出的Kappa系数分级评价标准进行模型模拟效果评估,即:当Kappa<0.00时,表明两图件一致性程度很差;当0.00<Kappa<0.20时,表明两图件一致性程度微弱;当0.21<Kappa<0.40时,表明两图件一致性程度弱;当0.41<Kappa<0.60时,表明两图件一致性程度适中;当0.61<Kappa<0.80时,表明两图件一致性程度显著;当0.81<Kappa<1.00时,表明两图件一致性程度最佳.Kappa系数一致性程度只有达到适中以上时,才能证明模型模拟结果具有一定可信度,才可以用其进行模拟预测^[21].

4 结果分析

4.1 研究区景观格局动态变化特征

利用1992年和2014年景观类型图,在IDRISI Selva 17.0软件CROSSTAB模块中统计得研究区近22年景观格局状态转移矩阵(表1),在Markov模型中运算得研究区景观类型Markov转移概率矩阵(表2).
Tab. 1
表1
表11992-2014年研究区景观格局状态转移矩阵
Tab. 1Landscape pattern state transfer matrix in the study area during 1992-2014

类型	农田 (hm²)	果园 (hm²)	森林 (hm²)	城乡人居及工矿 (hm²)	交通运输 (hm²)	水体 (hm²)	面积 (hm²)	面积占比(%)
农田(hm²)	6757	140	7	574	6	522	8006	14.42
果园(hm²)	10392	9738	7947	1236	45	472	29831	53.72
森林(hm²)	141	348	4532	37	4	88	5149	9.27
城乡人居及工矿(hm²)	6170	173	245	2080	33	638	9340	16.82
交通运输(hm²)	907	81	66	163	282	91	1590	2.86
水体(hm²)	534	41	57	60	1	917	1610	2.90
1992年面积(hm²)	24901	10522	12854	4149	371	2728	55525	100.00
1992年面积占比(%)	44.85%	18.95%	23.15%	7.47%	0.67%	4.91%	100.00%	-

新窗口打开
Tab. 2
表2
表21992-2014年研究区景观类型Markov转移概率矩阵(%)
Tab. 2Landscape type Markov transfer probability matrix in the study area during 1992-2014 (%)

景观类型	农田	果园	森林	城乡人居及工矿	交通运输	水体
农田	27.08	41.76	0.56	24.8	3.64	2.16
果园	1.33	92.55	3.31	1.65	0.77	0.39
森林	0.05	61.88	35.2	1.91	0.52	0.44
城乡人居及工矿	13.84	29.8	0.89	50.1	3.93	1.44
交通运输	1.63	12.21	0.95	8.9	76.1	0.21
水体	19.16	17.31	3.23	23.42	3.35	33.53

新窗口打开
由表1可知,近22年研究区景观格局变化明显(景观类型变化面积占景观总面积56.24%),景观类型呈"三增三减"变化规律,即果园,城乡人居及工矿,交通运输景观增加,森林,农田,水体景观减少.交通运输景观面积由371 hm²增加到1590 hm²,增加3.29倍,占比由0.67%增加到2.87%;果园景观面积由10522 hm²增加到29831 hm²,增加了1.84倍,占比由18.95%增加到53.73%;城乡人居及工矿景观面积由4149 hm²增加到9340 hm²,增加了1.25倍,占比由7.47%增加到16.82%.在三类面积"增加型"景观中,果园景观增加的主要原因是龙泉驿区在20世纪90年代实施农业综合开发,进行了大规模农业种植结构调整,以种植水稻,玉米等粮食作物为主的传统农业转变为发展水蜜桃,葡萄,枇杷等经济作物为主的商品农业,从而导致这一时期果园面积大幅增加;交通运输,城乡人居及工矿景观增加的主要原因是2000年龙泉驿经开区升级为国家级经济技术开发区后,该区以汽车产业为主导的工业经济飞速发展(2000-2014年工业增加值年均增长50.31亿),大大促进了区域城镇化进程加快推进(2001-2012年城市建设用地面积年均增长2.62 hm²,境内公路总里程年均增长67.72 km),区域人口聚集增长(2000-2014年年均人口增长率为2.02%),工业发展,城镇扩张,人口增长必然导致工业用地,交通运输用地,居住用地需求日益增大,因而这期间城乡人居及工矿,交通运输景观面积呈现快速增长趋势.从"减少型"景观来看,农田景观面积由24901 hm²减到8006 hm²,减少了67.85%,占比由44.85%缩减到14.42%;森林景观面积由12854 hm²减到5149 hm²,减少了59.94%,占比由23.15%缩减到9.27%;水体景观面积由2728 hm²减到1610 hm²,减少了41.00%,占比由4.91%缩减到2.90%.三类景观减少趋势说明区域农田,森林,水体等景观因工业发展用地增长,城镇建设用地扩张和以经济效益最大化为目标的农业产业结构调整而逐步被开发利用,农田,森林,水体等维持区域生态平衡的主要景观面积逐年缩减,生态环境保护压力增加,区域经济发展与生态环境保护的矛盾将日益突显.
研究区以农田,果园,森林,城乡人居及工矿四种景观类型为主,总体景观格局是西部坝区以果园,农田,城乡人居及工矿景观为主,东部山区以果园,森林景观为主(图1,图2).主要景观类型均发生了频繁转入转出,其中"农田→果园","森林→果园","农田→城乡人居及工矿"三种转移类型最显著,分别占景观总面积的18.71%,14.32%,11.12%(表1,表2,图4).从景观转出去向看,近22年来研究区农田景观转出18144 hm²,主要流向果园,城乡人居与工矿,交通运输三类景观,分别占农田景观转出面积的57.28%,34.01%和5.00%.其中"农田→果园"变化类型主要分布在洪安,洛带,西河,龙泉,柏合等坝区乡镇,"农田→城乡人居及工矿"变化类型主要分布在大面,龙泉,柏合等经开区所在乡镇,"农田→交通运输"变化类型主要散布在西部坝区;森林景观转出8322 hm²,主要流向为果园,城乡人居及工矿两类景观,分别占森林景观转出面积的95.49%和2.94%.其中"森林→果园"变化类型主要分布在东部和东南部山区乡镇,"森林→城乡人居及工矿"变化类型主要散布在坝区往山区过渡的山麓地带;水体景观转出1812 hm²,主要流向为城乡人居及工矿,农田,果园三类景观,分别占水体景观转出面积的35.23%,28.83%和26.05%.其中"水体→城乡人居及工矿","水体→农田","水体→果园"三种变化类型皆散布在西北部和西南部坝区(图4).从景观补给来源来看,果园景观新增20092 hm²,主要来源于农田,森林,城乡人居及工矿三类景观,分别占果园景观新增面积的51.72%,39.55%和6.15%,面积增加区分布在中北部和西南部;城乡人居及工矿景观新增7259 hm²,主要来源于农田,水体,森林三类景观,分别占城乡人居及工矿景观新增面积的84.99%,8.79%和3.37%,面积增加区分布在西北部和西南部;交通运输景观新增1308 hm²,主要来源于农田,城乡人居及工矿,水体三类景观,分别占水体景观新增面积的69.33%,12.44%和6.97%,面积增加区大量集中分布在西部坝区,少量散布在西南部山区(图4).景观类型间相互转换,互为补给,补给面积大于转出面积,景观面积增加,反之景观面积减少.从表2可知,农田,水体和森林景观转出概率较大,分别为72.92%,66.47%和64.8%,这也是农田,水体,森林景观面积减少的主要原因.

显示原图|下载原图ZIP|生成PPT
图41992-2014年研究区主要景观变化类型空间分布
-->Fig. 4Spatial distribution of major landscape changes in the study area during 1992-2014
-->

4.2 研究区景观变化潜力分析

4.2.1 景观格局变化驱动因子解释力利用IDRISI Selva 17.0对2000-2007年和2007-2014年各驱动因子克莱默V值进行计算(表3),结果表明各驱动因子在不同阶段对景观变化的解释力不同.选取克莱默V值大于0.15的驱动因子作为景观格局变化的主要驱动因子,即2000-2007年景观格局变化主要驱动因子为x₁₂,x₁₀,x₅,x₈,x₁₁,x₂,x₆,x₉,2007-2014年景观格局变化主要驱动因子为x₁₂,x₂,x₃,x₅,x₆,x₈,x₇,x₁₀,x₁₁,x₄.
Tab. 3
表3
表3不同阶段各驱动因子对景观格局变化的解释力
Tab. 3Explanatory power of each driver factor to the landscape pattern change in different stages

阶段	克莱默V值	整体解释力	农田	果园	森林	城乡人居及工矿	交通运输	水体
2000-2007年	x₁	0.1304	0.0000	0.2454	0.1532	0.1866	0.1166	0.0385
	x₂	0.2043	0.0000	0.2329	0.0311	0.4549	0.1735	0.0690
	x₃	0.0134	0.0000	0.0200	0.0270	0.0177	0.0092	0.0007
	x₄	0.0133	0.0000	0.0193	0.0268	0.0177	0.0093	0.0019
	x₅	0.3085	0.0000	0.5156	0.3234	0.4636	0.3476	0.0908
	x₆	0.2802	0.0000	0.4957	0.2779	0.4454	0.2510	0.0586
	x₇	0.0133	0.0000	0.0193	0.0268	0.0177	0.0092	0.0019
	x₈	0.2901	0.0000	0.4601	0.3528	0.3792	0.3950	0.0770
	x₉	0.1492	0.0000	0.1702	0.0983	0.2651	0.2171	0.0524
	x₁₀	0.2972	0.0000	0.1958	0.2136	0.4782	0.2620	0.4703
	x₁₁	0.2322	0.0000	0.2944	0.1223	0.4562	0.1492	0.0737
	x₁₂	0.5582	0.4758	0.4235	0.7014	0.4437	0.6538	0.5432
2007-2014年	x₁	0.1335	0.0000	0.2042	0.2027	0.1251	0.1807	0.0708
	x₂	0.2761	0.0000	0.3379	0.3222	0.3427	0.3405	0.1061
	x₃	0.2738	0.0000	0.3297	0.3725	0.4472	0.3305	0.0954
	x₄	0.1625	0.0000	0.2270	0.2338	0.1702	0.2408	0.0778
	x₅	0.2727	0.0000	0.3997	0.3764	0.3179	0.3995	0.0926
	x₆	0.2710	0.0000	0.4048	0.3746	0.3143	0.3889	0.0951
	x₇	0.2548	0.0000	0.3721	0.3554	0.2695	0.3938	0.0905
	x₈	0.2666	0.0000	0.3905	0.3578	0.3160	0.3915	0.0943
	x₉	0.1351	0.0000	0.1547	0.1306	0.2243	0.1902	0.0526
	x₁₀	0.2419	0.0000	0.2328	0.3146	0.2848	0.2593	0.3553
	x₁₁	0.2380	0.0000	0.2511	0.2893	0.2769	0.2134	0.0787
	x₁₂	0.4369	0.1251	0.4188	0.2896	0.5053	0.6128	0.4616

新窗口打开
利用MLP-ANN模型对不同驱动因子组合下景观格局变化潜力模拟准确率进行测试(表4),结果表明景观格局变化潜力模拟平均准确度开始随组合驱动因子个数增加而增加,但当组合驱动因子个数达到一定数量时,模拟准确度呈下降态势,组合驱动因子个数越多其模拟准确率不一定就越高.因此,有必要结合景观变化潜力模拟准确度选择恰当驱动因子组合进行各阶段景观变化潜力分析.通过比较不同驱动因子组合对景观变化潜力模拟平均准确率,选择"x₁₂, x₅, x₁₀, x₈, x₆, x₁₁, x₂"驱动因子组合进行2000-2007年景观变化潜力分析,"x₁₂, x₂, x₃, x₅, x₆, x₈, x₇, x₁₀, x₁₁"驱动因子组合进行2007-1014年景观变化潜力分析.
Tab. 4
表4
表4不同驱动因子组合下景观格局变化潜力模拟准确率(%)
Tab. 4Simulation accuracy of landscape pattern change potential under the combination of different driving factors

阶段	驱动因子组合	农田	果园	森林	城乡人居及工矿	交通运输	水体	均值
2000-2007年	$\begin{matrix} x_{12}, x_{5}, x_{10} \end{matrix}$	26.22	18.84	32.00	28.31	24.85	26.79	26.17
	$\begin{matrix} x_{12}, x_{5}, x_{10}, x_{8} \end{matrix}$	16.67	19.49	31.55	27.30	30.26	23.50	24.80
	$\begin{matrix} x_{12}, x_{5}, x_{10}, x_{8}, x_{6} \end{matrix}$	16.84	16.78	32.88	28.46	30.43	27.61	25.50
	$\begin{matrix} x_{12}, x_{5}, x_{10}, x_{8}, x_{6}, x_{11} \end{matrix}$	16.71	17.04	39.08	16.79	28.99	26.00	24.10
	$\begin{matrix} x_{12}, x_{5}, x_{10}, x_{8}, x_{6}, x_{11}, x_{2} \end{matrix}$	16.69	17.28	45.69	37.01	36.90	35.08	31.44
	$\begin{matrix} x_{12}, x_{5}, x_{10}, x_{8}, x_{6}, x_{11}, x_{2}, x_{9} \end{matrix}$	16.73	16.74	42.14	16.82	36.22	36.13	27.46
2007-2014年	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5} \end{matrix}$	32.13	16.68	34.81	25.50	36.75	33.53	29.90
	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5}, x_{6} \end{matrix}$	16.81	16.61	32.19	25.75	35.61	32.29	26.54
	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5}, x_{6}, x_{8} \end{matrix}$	16.79	34.06	41.42	25.44	36.63	23.74	29.68
	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5}, x_{6}, x_{8}, x_{7} \end{matrix}$	16.74	34.09	43.10	26.43	39.32	30.60	31.71
	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5}, x_{6}, x_{8}, x_{7}, x_{10} \end{matrix}$	16.55	36.60	39.55	16.89	36.36	22.49	28.07
	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5}, x_{6}, x_{8}, x_{7}, x_{10}, x_{11} \end{matrix}$	16.72	41.59	51.03	31.84	38.66	38.65	36.42
	$\begin{matrix} x_{12}, x_{2}, x_{3}, x_{5}, x_{6}, x_{8}, x_{7}, x_{10}, x_{11}, x_{4} \end{matrix}$	16.68	41.64	54.31	16.86	40.71	17.25	31.24

新窗口打开
4.2.2 景观格局变化潜力利用MLP-ANN模型基于筛选的最佳驱动因子组合对2000-2007年和2007-2014年景观变化潜力进行了模拟,并从景观转入变化类型角度构建了各景观类型在不同阶段的变化潜力图(图5).不同阶段景观类型变化潜力差异较大,2000-2007年,转化为农田景观的潜力区主要分布在西北部和东部,转化为果园景观的潜力区主要分布在西南部和东部,转化为森林景观的潜力区主要分布在中部坝区向山区过度的山麓地带,转化为城乡人居及工矿景观的潜力区零散分布在东部,转化为交通运输景观的潜力区大量分布在东部,西南部以及少量散布在西北部,转化为水体景观的潜力区主要分布在西部坝区;2007-2014年,转化为农地景观的潜力区主要分布在西北部和中部地区,转化为果园景观的潜力区零散分布在东部山区,转化为森林景观的潜力区主要分布在东部山区,转化为城乡人居及工矿景观的潜力区分布在中部和西南部,转化为交通运输景观的潜力区主要分布在西北部和东部山区,转化为水体景观的潜力区大量集中分布在西南部和少量零散分布在西北部.

显示原图|下载原图ZIP|生成PPT
图5不同阶段各景观类型变化潜力
-->Fig. 5Change potential of each landscape type in different stages
-->

4.3 景观格局变化预测精度检验与比较分析

为检验Ann-Markov-CA复合模型模拟效果和预测准确度,基于2000年和2007年景观类型图,应用Ann-Markov-CA复合模型对2014年研究区景观格局进行模拟.由于元胞转化规则是影响CA模型模拟效果和精度的关键因素,专门分别应用Markov(利用IDRISI Selva 17.0软件MARKOV模块直接建立),MCE^[19],Logistics^[11]常见CA模型空间转化规则构建方法,基于筛选确定的2000-2007年景观变化驱动力组合,重新建立景观变化适宜性图作为CA模型元胞空间转化规则,采用与Ann-Markov-CA复合模型相同的元胞数量转化规则,构建Markov-CA,MCE-Markov-CA,Logistics-Markov-CA三种复合模型,利用与Ann-Markov-CA复合模型相同的基础数据,模型参数分别对2014年景观格局进行模拟.在此基础上,利用IDRISI Selva 17.0软件CROSSTAB模块,以2014年实际景观类型图为参考图件,分别对Ann-Markov-CA,Markov-CA,MCE-Markov-CA,Logistics-Markov-CA四种复合模型2014年景观类型模拟图进行叠加统计,经计算得各模型模拟图Kappa系数.对比Kappa系数大小发现,四种复合模型模拟图Kappa系数大小依次为Ann-Markov-CA(0.5118)>MCE-Markov-CA(0.4785)>Markov-CA(0.4741)>Logistics-Markov-CA(0.4435),皆达到了Kappa系数0.41~0.60的精度要求,说明四种复合模型模拟图与参考图一致性程度适中,模拟结果具有一定可信度.其中,Ann-Markov-CA复合模型模拟效果最佳,Kappa系数达到0.5118,低于范强等^[16,25]模拟图Kappa系数,但由于本文另三种复合模型模拟图Kappa系数亦普遍偏低,所以基本可排除模拟方法的影响,究其原因可能是由研究区景观格局变化频繁,景观破碎度较大等因素综合所致.因此,可利用Ann-Markov-CA复合模型对研究区景观格局变化进行进一步模拟预测.

4.4 景观格局变化趋势预测与分析

基于2007年和2014年研究区景观类型图,应用Ann-Markov-CA复合模型对2021年和2028年景观格局变化进行模拟,得到2021年和2028年景观类型预测图(图6).

显示原图|下载原图ZIP|生成PPT
图62021年和2028年研究区景观类型预测图
-->Fig. 6Landscape type forecast maps of 2021 and 2028 in the study area
-->

由表5可知,未来14年研究区景观格局变化总体将呈"三增三减"趋势,即农田,城乡人居及工矿,交通运输景观增加,果园,森林和水体景观减少.变化显著的是森林,交通运输,城乡人居及工矿景观,森林景观占比由9.27%降到4.14%,交通运输景观占比由2.86%增到4.17%,城乡人居及工矿景观占比由16.82%增到22.23%.2014-2021年城乡人居及工矿,农田,交通运输景观面积将分别增加1878 hm²,794 hm²,401 hm²,而森林,果园和水体景观面积将分别减少2055 hm²,867 hm²,107 hm².与1992-2014年变化趋势不同的是果园景观"不增反减",农田景观"不减反增".这一变化特征说明由于未来城乡人居及工矿,交通运输景观增加面积主要来源于果园景观(图7),使得部分果园因建设用地扩张侵占而减少;农田景观增加原因可能是因为龙泉驿区2007年来依托国土资源部城乡建设用地增减挂钩政策规划并实施了大批统筹城乡综合配套改革试点项目,计划到2021年将实现5.67万农民转移进城安居兴业,促进6万余亩承包地集中流转给社会企业进行规模经营,这有可能使部分原先种植果树的果园景观因都市现代农业发展需要而调整为种植果蔬的农地景观,加上农民搬迁后宅基地复垦产生的新增耕地,所以农地景观短期内有所增加.2021-2028年城乡人居及工矿,交通运输,水体景观面积将分别增加1114 hm²,320 hm²,26 hm²,而森林,果园,农田景观将分别减少796 hm²,391 hm²,274 hm².与2014-2021年景观变化趋势不同的是水体景观"不减反增",农田景观"不增反减".其中水体景观增加的原因可能是随着未来人们环保意识的逐渐增强和国家生态建设,环境保护力度的逐步增大,区域水库,坑塘,河流因得以有效保护而实现水体景观稳中有增.城乡人居及工矿,交通运输景观将继续增加,森林和果园景观将持续减少,这种变化趋势符合区域经济社会发展实际.龙泉驿区是成都国家级经济技术开发区所在地,按照2005年成都市政府批复的用地规模,未来经开区用地规模为30 km²,将会在现有用地规模基础上新增用地约20 km²,伴随工业用地的增加,居住用地,交通运输用地亦必将会随之增长,所以未来城乡人居及工矿,交通运输景观将会继续增加.此外,经开区规划范围主要涉及研究区西部龙泉,大面,柏合,十陵,西河,同安等坝区乡镇,而坝区主要是基本农田保护区.为保障区域工业化,城镇化发展空间,龙泉驿区在《土地利用总体规划(2006-2020年)》编制中将西部坝区经开区范围内基本农田调整布局到东部山区,这必将导致山区原有部分森林,果园景观逐步转变为种植粮食作物为主的基本农田暨农田景观,再加上坝区经开区范围内果园,森林因工业用地扩张侵占而缩减.所以按当前景观变化趋势,未来研究区森林,果园景观还将会继续减少.因此,龙泉驿区在未来发展过程中要妥善处理好经济发展与生态环境保护之间的关系,在促进地方经济提质增效的同时,还要充分考虑区域生态环境承载力,为地方可持续发展保留足够的森林,果园,水体等生态景观.
Tab. 5
表5
表52021年和2028年各景观类型面积
Tab. 5Landscape type area in 2021 and 2028

景观类型	2021年			2028年
景观类型	面积(hm²)		占比(%)	面积(hm²)	占比(%)
农田	8800	15.86		8526	15.37
果园	28864	52.04		28473	51.33
森林	3094	5.58		2298	4.14
城乡人居及工矿	11218	20.22		12332	22.23
交通运输	1991	3.59		2311	4.17
水体	1503	2.71		1528	2.76
总计	55469	100.00		55468	100.00

新窗口打开

显示原图|下载原图ZIP|生成PPT
图72014-2021年和2021-2028年研究区主要景观变化类型空间分布
-->Fig. 7Spatial distribution of major landscape changes during 2014-2021 (a) and 2021-2028 (b) in the study area
-->

从图7可知,未来研究区景观变化剧烈程度逐渐减弱,各景观类型之间均发生了不同程度的转出转入.2014-2021年变化较显著的有森林,果园,水体和农田景观四种.其中,森林景观面积减少区零散分布在东部山区,变化类型以"森林→果园"类型为主;果园景观面积减少区大量散布在西部坝区和少量分布在东部山区,变化类型以"果园→城乡人居及工矿","果园→农田","果园→交通运输"为主,面积增加区分布在东部和西北部,变化类型以"森林→果园","农田→果园"为主;水体景观面积减少区零星分布在西北部坝区,变化类型以"水体→农田"为主;农田景观面积减少区大量散布在西部坝区和少量零星分布在东南部山区,变化类型以"农田→果园","农田→城乡人居及工矿"为主,面积增加区大量分布在西部坝区,少量零星分布在东南部山区,变化类型以"果园→农田","水体→农田"为主.2021-2028年水体景观变化减弱,果园,森林和农田景观变化依然较显著,其中果园景观面积增减区分布特征延续了2014-2021年分布格局,变化类型也与之相同;森林景观面积减少区分布格局与2014-2021年相同,但变化类型以"森林→果园","森林→城乡人居及工矿"为主;农田景观空间格局特征与2014-2021年的差异较大,面积减少区主要分布在东部山区和西北部坝区,变化类型以"农田→果园"为主,面积增加区主要分布在西北部坝区,变化类型以"森林→农田"为主.
以2014年为界对研究区不同阶段景观类型增减情况进行比较(图8),结果表明城乡人居及工矿,交通运输景观面积持续增加,农田,森林景观面积总体上持续缩减,果园景观面积由"增"变"减",水体景观"增减"无明显规律,这说明农田,森林景观已成为区域其他景观面积增加的稳定补给源.此外,从图8还可看出,2014年之后景观类型面积增减幅度逐渐减小,这可能是由于研究区未来可供开发利用后备资源减少,资源开发强度减弱,"新常态"下地方经济发展速度放缓等因素综合所致.因此,切实把以"资源环境消耗为代价"的粗放型经济发展模式转变为以"科技创新驱动为支撑"的集约型经济发展模式是该地区全面健康持续发展的必然选择.

显示原图|下载原图ZIP|生成PPT
图82000-2028年研究区景观类型面积变化
-->Fig. 8Changes of landscape type area in the study area during 2000-2028
-->

5 结论与讨论

以4期遥感解译景观类型图,ASTER GDEM V2数据以及多年降雨量,有机质含量等景观变化影响因子数据为基础,在ArcGIS 10.0和IDRISI Selva 17.0软件支持下,对研究区1992-2014年景观格局时空演变特征和景观变化潜力进行了分析,应用Ann-Markov-CA复合模型对2021年和2028年景观变化趋势进行了模拟预测.主要结论如下:
(1)1992-2014年研究区景观格局变化显著,变化景观面积占景观总面积56.24%,总体上呈"三增三减"变化趋势.在"增加"型景观中,交通运输景观增加最显著,面积增加了3.29倍;其次为果园景观,面积增加了1.84倍;城乡人居及工矿景观相对最少,面积亦增加了1.25倍.在"减少"型景观中,农田和森林景观面积减少最突出,分别减少了67.85%和59.94%,水体景观面积减少相对最少,亦减少了41.00%.
(2)1992-2014年,研究区主要景观类型均发生了频繁转入转出,主要表现为农田景观向果园景观转化,森林景观向果园转化,农田景观向城乡人居及工矿景观转化,三种景观变化类型面积分别占景观总面积的18.71%,14.32%,11.12%.其中"农田→果园"变化类型主要分布在洪安,洛带,西河,龙泉,柏合等坝区乡镇,"农田→城乡人居及工矿"变化类型主要分布在大面,龙泉,柏合等经开区所在乡镇,"森林→果园"变化类型主要分布在东部,东南部山区乡镇.
(3)未来景观格局变化潜力预测结果表明,景观变化潜力预测平均准确度开始随组合驱动因子个数增加而逐步提升,但当组合驱动因子个数达到一定数量时,预测准确度开始呈下降态势,说明组合驱动因子个数越多其预测准确率不一定越高,而要结合景观变化潜力模拟准确度选择恰当驱动因子组合进行景观变化潜力模拟分析.
(4)对Ann-Markov-CA模型预测精度和可用性进行检验与对比分析,Ann-Markov-CA模型模拟效果总体上优于已有研究常用的MCE-Markov-CA,Markov-CA和Logistics-Markov-CA模型,其Kappa系数达到了0.41~0.60精度要求,具有一定可信度.利用Ann-Markov-CA模型对2021年和2028年景观变化趋势进行模拟,结果表明未来研究区农田,城乡人居及工矿,交通运输景观面积呈增加趋势,果园,森林和水体景观面积呈减少趋势.森林,交通运输,城乡人居及工矿景观变化最显著,其中森林景观占比由9.27%降到4.14%,交通运输景观占比由2.86%增到4.17%,城乡人居及工矿景观占比由16.82%增到22.23%,变化显著区集中在研究区中部龙泉,中北部黄土和洪安,中东部万兴,同安,茶店以及西南部柏合.
(5)2000-2014年和2014-2028年景观面积增减情况显示:城乡人居及工矿,交通运输景观面积持续增加,农田,森林景观面积总体上持续缩减,这说明农田,森林景观因转出概率较大而长期呈缩减趋势,已成为区域其他景观面积增加的稳定补给源.遏制农田,森林景观无节制缩减,对维持区域生态平衡,实现地方生态建设与经济发展互动双赢具有重要的现实意义.与2000-2014年相比,2014-2028年景观变化剧烈程度将逐渐减弱,这可能是由于研究区未来可供开发利用后备资源减少,资源开发强度减弱,"新常态"下地方经济发展速度放缓等因素综合所致.
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	傅伯杰, 陈利顶, 马克明, 等. 景观生态学原理及应用. 北京: 科学出版社, 2011. [本文引用: 3] [Fu Bojie, Chen Liding, Ma Keming, et al.Landscape Ecology Principles and Applications. Beijing: Science Press, 2011.] [本文引用: 3]
[2]	潘悦, 洪亮平. 中西部大城市近郊区"被动城市化"困境突围 . 城市规划学刊, 2013, (4): 42-48.https://doi.org/10.3969/j.issn.1000-3363.2013.04.007 URL [本文引用: 1]摘要城乡“二元”对立一直困扰着中国城市化健康发展,这些矛盾在近郊区表现尤为突出.在概括了近郊区的概念、空间范畴和“被动城市化”特征后,通过大量的近郊区实证研究,深入分析了近郊区“被动城市化”的原因及其造成的困境,“以点窥面”地反映出我国现存的城乡“二元”对立体制及制度的缺陷.认为解决近郊区困境的关键在于构建城乡统筹的“制度设计”,统筹产业、用地、空间、生态等多方面建设管理工作.最后,通过对国内外近郊区建设成功经验的总结,提出了我国大城市近郊区统筹发展的原则、策略,城乡规划技术的改进路径,以及多元化城乡治理手段与策略. [Pan Yue, Hong Liangping.Out of the plight of "Passive Urbanization" by midwestern metropolitan suburban areas in China. Urban Planning Forum, 2013, (4): 42-48.]https://doi.org/10.3969/j.issn.1000-3363.2013.04.007 URL [本文引用: 1]摘要城乡“二元”对立一直困扰着中国城市化健康发展,这些矛盾在近郊区表现尤为突出.在概括了近郊区的概念、空间范畴和“被动城市化”特征后,通过大量的近郊区实证研究,深入分析了近郊区“被动城市化”的原因及其造成的困境,“以点窥面”地反映出我国现存的城乡“二元”对立体制及制度的缺陷.认为解决近郊区困境的关键在于构建城乡统筹的“制度设计”,统筹产业、用地、空间、生态等多方面建设管理工作.最后,通过对国内外近郊区建设成功经验的总结,提出了我国大城市近郊区统筹发展的原则、策略,城乡规划技术的改进路径,以及多元化城乡治理手段与策略.
[3]	White R, Engelen G, Uijee I.The use of constrained cellular automata for high-resolution modeling of urban landuse dynamic. Environment and Planning Design, 1997, 24(3): 323-343. [本文引用: 1]
[4]	黎夏, 叶嘉安. 约束性单元自动演化CA模型及可持续城市发展形态的模拟 . 地理学报, 1999, 54(4): 289-298.https://doi.org/10.3321/j.issn:0375-5444.1999.04.001 URL [本文引用: 1]摘要单元自动演化ＣＡ可以大大增强ＧＩＳ的空间模型能力，在国外被越来越多地应用于城市发展演化过程的模拟。本文探讨了如何通过ＣＡ与ＧＩＳ的结合来进行可持续土地发展规划的新方法。提出了基于约束性的ＣＡ模型，具体分析了局部、区域以及全局约束性对ＣＡ模型结果的影响。并将灰度的概念引起ＣＡ模型中来反映状态连续的变化，克服常规ＣＡ模型的缺陷。将该模型应用于球江三角洲地区来获得合理的城市发展空间布局，取得了较好的效果 [Li Xia, Ye Jia-an.Constrained cellular automata for modeling sustainable urban forms. Acta Geographica Sinica, 1999, 54(4): 289-298.]https://doi.org/10.3321/j.issn:0375-5444.1999.04.001 URL [本文引用: 1]摘要单元自动演化ＣＡ可以大大增强ＧＩＳ的空间模型能力，在国外被越来越多地应用于城市发展演化过程的模拟。本文探讨了如何通过ＣＡ与ＧＩＳ的结合来进行可持续土地发展规划的新方法。提出了基于约束性的ＣＡ模型，具体分析了局部、区域以及全局约束性对ＣＡ模型结果的影响。并将灰度的概念引起ＣＡ模型中来反映状态连续的变化，克服常规ＣＡ模型的缺陷。将该模型应用于球江三角洲地区来获得合理的城市发展空间布局，取得了较好的效果
[5]	Liu Y, Feng Y J, Pontius J R G. Spatially-explicit simulation of urban growth through self-adaptive genetic algorithm and cellular automata modeling. Land, 2014, 3(3): 719-738.URL [本文引用: 1]
[6]	Wu F.Calibration of stochastic cellular automata: The application to rural-urban land conversions. International Journal of Geographical Information Science, 2002, 16(8): 795-818.URL [本文引用: 1]摘要 Despite the recognition of cellular automata (CA) as a flexible and powerful tool for urban growth simulation, the calibration of CA had been largely heuristic until recent efforts to incorporate multi-criteria evaluation and artificial neural network into rule definition. This study developed a stochastic CA model, which derives its initial probability of simulation from observed sequential land use data. Furthermore, this initial probability is updated dynamically through local rules based on the strength of neighbourhood development. Consequentially the integration of global (static) and local (dynamic) factors produces more realistic simulation results. The procedure of calibrated CA can be applied in other contexts with minimum modification. In this study we applied the procedure to simulate rural-urban land conversions in the city of Guangzhou, China. Moreover, the study suggests the need to examine the result of CA through spatial, tabular and structural validation.
[7]	Srinivasan S.Linking land use transportation in a rapidly urbanizing context: A study in Delhi, India. Transportation, 2005, 32(1): 87-104.https://doi.org/10.1007/s11116-004-2216-y Magsci [本文引用: 1]摘要 <a name="Abs1"></a>Cities in developing countries like India are facing some of the same concerns that North American cities are: congestion and urban growth. However, there is a sense of urgency in cities like Delhi, India in that this growth is far more rapid as both urbanization and motorization are ongoing processes that have not yet peaked. In this paper, we examine land use change and its relationship with transportation infrastructure and other planning related variables in a spatial context. We estimate land use change models at two different scales from separate data. Cellular automation and Markov models were used to understand change at the regional scale and discrete choice models to predict change at the local level. The results suggest that land use in the Delhi metropolitan area is rapidly intensifying while losing variety. These changes are affected by industrial, commercial and infrastructure location and planners and policy-makers need to better understand the implications of location decisions. We also examine these results in the context of a policy framework for data-based planning that links land use and transportation models for Delhi.
[8]	程刚, 张祖陆, 吕建树. 基于CA-Markov模型的三川流域景观格局分析及动态预测 . 生态学杂志, 2013, 32(4): 999-1005.Magsci摘要 <p>以济南南部山区三川流域为研究对象，在ArcGIS和IDRISI平台的支持下，结合景观生态学原理，运用景观指数并引入Kappa系数对三川流域1990—2010年景观格局、动态度进行分析，最后运用CA-Markov模型对流域景观格局进行动态趋势预测。景观格局指数分析表明：三川流域景观类型以耕地、林地、建设用地和草地为主；受人类活动影响，1990—2010年三川流域耕地、林地面积减少，其余各景观面积均呈增加趋势；流域整体景观破碎度增加，斑块复杂度提高，各景观类型的分布渐趋均衡。景观格局变化前10年比后10年明显，人类活动对当地生态环境的影响较显著。Kappa系数表明：景观变化由各景观数量比例变化逐渐转变为各景观数量保持相对稳定下的景观空间位置上的变化。随着2000年后政策的引导，景观整体的变化渐趋稳定，人类活动对生态环境影响有所下降。CA-Markov模型预测结果表明，2010—2020年流域内各景观优势度下降，景观破碎度降低，均衡性持续提高；景观间的转入转出幅度不大，仅占总面积的3.08%，景观类型的转变主要发生在斑块交界处。总的来看，三川流域景观格局变化主要是耕地、林地面积减少，建设用地面积增加，生态环境更趋脆弱。</p> [Chen Gang, Zhang Zulu, Lv Jianshu.Landscape pattern analysis and dynamic prediction of Sanchuan basin in east China based on CA-Markov model. Chinese Journal of Ecology, 2013, 32(4): 999-1005.]Magsci摘要 <p>以济南南部山区三川流域为研究对象，在ArcGIS和IDRISI平台的支持下，结合景观生态学原理，运用景观指数并引入Kappa系数对三川流域1990—2010年景观格局、动态度进行分析，最后运用CA-Markov模型对流域景观格局进行动态趋势预测。景观格局指数分析表明：三川流域景观类型以耕地、林地、建设用地和草地为主；受人类活动影响，1990—2010年三川流域耕地、林地面积减少，其余各景观面积均呈增加趋势；流域整体景观破碎度增加，斑块复杂度提高，各景观类型的分布渐趋均衡。景观格局变化前10年比后10年明显，人类活动对当地生态环境的影响较显著。Kappa系数表明：景观变化由各景观数量比例变化逐渐转变为各景观数量保持相对稳定下的景观空间位置上的变化。随着2000年后政策的引导，景观整体的变化渐趋稳定，人类活动对生态环境影响有所下降。CA-Markov模型预测结果表明，2010—2020年流域内各景观优势度下降，景观破碎度降低，均衡性持续提高；景观间的转入转出幅度不大，仅占总面积的3.08%，景观类型的转变主要发生在斑块交界处。总的来看，三川流域景观格局变化主要是耕地、林地面积减少，建设用地面积增加，生态环境更趋脆弱。</p>
[9]	王学, 张祖陆, 张超. 基于CA-Markov模型的白马河流域景观格局分析及预测 . 水电能源科学, 2011, 29(12): 111-115.https://doi.org/10.3969/j.issn.1000-7709.2011.12.032 URL [本文引用: 1]摘要基于ArcGIS和IDRISI软件，采用景观格局指数分析了白马河流域1984～2008 年景观类型数量及空间格局的变化；并运用CA—Markov模型模拟了流域2008年的景观格局，预测了2020年的景观格局。结果表明，流域景观类型以耕地、林地、居民点及建设用地为主；1984～2008年流域耕地、林地面积减少，其他各景观类型均呈增加趋势；流域整体景观破碎度增加，斑块复杂程度提高，各景观类型的分布渐趋均匀；CA—Markov模型预测表明，200842020年流域均衡性持续提高，但景观破碎度有所降低。 [Wang Xue, Zhang Zulu, Zhang Chao.Landscape pattern analysis and prediction in Baimahe catchment based on CA-Markov model. Water Resources and Power, 2011, 29(12): 111-115.]https://doi.org/10.3969/j.issn.1000-7709.2011.12.032 URL [本文引用: 1]摘要基于ArcGIS和IDRISI软件，采用景观格局指数分析了白马河流域1984～2008 年景观类型数量及空间格局的变化；并运用CA—Markov模型模拟了流域2008年的景观格局，预测了2020年的景观格局。结果表明，流域景观类型以耕地、林地、居民点及建设用地为主；1984～2008年流域耕地、林地面积减少，其他各景观类型均呈增加趋势；流域整体景观破碎度增加，斑块复杂程度提高，各景观类型的分布渐趋均匀；CA—Markov模型预测表明，200842020年流域均衡性持续提高，但景观破碎度有所降低。
[10]	何丹, 金凤君, 周螺. 基于Logistic-CA-Markov的土地利用景观格局变化: 以京津冀都市圈为例 . 地理科学, 2011, 31(8): 903-910.URL [本文引用: 1]摘要以京津冀都市圈为例,运用马尔科夫转移矩阵、景观格局指数和Logistic-CA-Markov耦合模型等,对各地类转移情况、景观格局特征、影响因子和未来变化趋势进行分析和多情景模拟。结果表明：①景观水平上,总体景观破碎化程度加大。类型水平上,耕地、草地和林地是主导优势地类。②1985～2000年之间,耕地主要流向城乡居民点及工矿用地、水域和林地;城乡居民点及工矿用地的增加主要来自于耕地、草地、林地。③各个地类的分布均与原有地类的距离密切相关。④对土地利用变化设置三个模拟情景,按情景1,1985～2030年耕地、林地、草地、未利用地均不同程度减少;城乡居民点及工矿用地、水域明显增加,表明这期间城市化进程明显加快,建设用地不断占用周围的耕地。 [He Dan, Jin Fengjun, Zhou Jing.The changes of land use and landscape pattern based on Logistic-CA-Markov model: A case study of Beijing-Tianjin-Hebei metropolitan region. Scientia Geographica Sinica, 2011, 31(8): 903-910.]URL [本文引用: 1]摘要以京津冀都市圈为例,运用马尔科夫转移矩阵、景观格局指数和Logistic-CA-Markov耦合模型等,对各地类转移情况、景观格局特征、影响因子和未来变化趋势进行分析和多情景模拟。结果表明：①景观水平上,总体景观破碎化程度加大。类型水平上,耕地、草地和林地是主导优势地类。②1985～2000年之间,耕地主要流向城乡居民点及工矿用地、水域和林地;城乡居民点及工矿用地的增加主要来自于耕地、草地、林地。③各个地类的分布均与原有地类的距离密切相关。④对土地利用变化设置三个模拟情景,按情景1,1985～2030年耕地、林地、草地、未利用地均不同程度减少;城乡居民点及工矿用地、水域明显增加,表明这期间城市化进程明显加快,建设用地不断占用周围的耕地。
[11]	邢容容, 马安青, 张小伟, 等. 基于Logistic-CA-Markov模型的青岛市土地利用变化动态模拟 . 水土保持研究, 2014, 21(6): 111-115.URL [本文引用: 2]摘要研究经济快速发展的沿海地区土地利用结构的变化并预测其未来发展趋势,可以为区域土地合理利用与配置提供参考。以青岛市为研究区,采用Logistic-CA-Markov耦合模型, 基于2000年、2011年土地利用解译数据,结合DEM、人口、GDP、距离等因素模拟出2011年土地利用数据,与2011年解译数据对比,得到模拟精度为94.27%,说明模型拟合精度较高,接着对2022年、2033年土地利用空间格局进行了预测。Logistic-CA-Markov模型模拟的 2011—2022年土地利用类型将保持2000—2011年的变化趋势,表现在耕地、水域、未利用土地面积减少,林地、草地以及城乡、工矿、居民用地面积增加,2022—2033年城乡、工矿、居民用地面积仍然增加,但是增加速率明显小于2011—2022年。研究结果表明,Logistic-CA- Markov耦合模型具有较高的模拟精度,可以应用于模拟多类土地利用类型之间的演变。该研究可为青岛市的土地规划、管理和决策提供依据,同时对保护和改善生态环境具有现实的指导意义。 [Xing Rong-rong, Ma An-qing, Zhang Xiaowei, et al.Dynamic simulation of land use change in Qingdao city based on Logistic-CA Markov model. Research of Soil and Water Conservation, 2014, 21(6): 111-115.]URL [本文引用: 2]摘要研究经济快速发展的沿海地区土地利用结构的变化并预测其未来发展趋势,可以为区域土地合理利用与配置提供参考。以青岛市为研究区,采用Logistic-CA-Markov耦合模型, 基于2000年、2011年土地利用解译数据,结合DEM、人口、GDP、距离等因素模拟出2011年土地利用数据,与2011年解译数据对比,得到模拟精度为94.27%,说明模型拟合精度较高,接着对2022年、2033年土地利用空间格局进行了预测。Logistic-CA-Markov模型模拟的 2011—2022年土地利用类型将保持2000—2011年的变化趋势,表现在耕地、水域、未利用土地面积减少,林地、草地以及城乡、工矿、居民用地面积增加,2022—2033年城乡、工矿、居民用地面积仍然增加,但是增加速率明显小于2011—2022年。研究结果表明,Logistic-CA- Markov耦合模型具有较高的模拟精度,可以应用于模拟多类土地利用类型之间的演变。该研究可为青岛市的土地规划、管理和决策提供依据,同时对保护和改善生态环境具有现实的指导意义。
[12]	汪雪格. 吉林西部生态景观格局变化与空间优化研究 . 长春: 吉林大学博士学位论文, 2008.URL [本文引用: 2]摘要本文以景观生态学理论为指导,以遥感-地理信息系统技术为支撑,采用基于空间分析和元胞自动机等的多种模型和方法进行了吉林西部生态景观格局变化和空间优化研究。以土地利用变化作为研究的切入点,运用土地利用变化模型对土地利用类型的数量变化和空间转移规律进行了剖析;运用景观指数法,对该区景观格局变化进行定量分析,揭示了景观格局变化的特征和过程;运用空间分析方法,以1000m×1000m的栅格尺度,对该区的生态景观格局及其影响因子进行空间自相关分析和空间回归分析,筛选与生态景观格局空间分布相关的影响因子;运用MCE-CA-Markov耦合模型对吉林西部景观格局变化趋势进行预测研究,从而揭示了该区15年尺度的土地利用变化的特点和规律;应用元胞自动机模型原理,基于Matlab平台,通过作者编程,创建了景观格局空间优化模型,并对吉林西部土地利用格局进行了空间优化研究,为进行区域土地利用规划奠定基础。与传统的方法不同,本文以景观生态学的理论为指导,采用空间分析方法和模型对该区的土地利用变化及过程、土地利用格局变化趋势与土地利用空间优化开展了系列研究,从而为景观生态学与土地利用研究领域的结合探索了一条新路。因而本文具有重要的理论意义和应用价值。 [Wang Xuege.Study on the change and spatial optimization of ecology landscape patter in western Jilin province. Changchun: Doctoral Dissertation of Jilin University, 2008.]URL [本文引用: 2]摘要本文以景观生态学理论为指导,以遥感-地理信息系统技术为支撑,采用基于空间分析和元胞自动机等的多种模型和方法进行了吉林西部生态景观格局变化和空间优化研究。以土地利用变化作为研究的切入点,运用土地利用变化模型对土地利用类型的数量变化和空间转移规律进行了剖析;运用景观指数法,对该区景观格局变化进行定量分析,揭示了景观格局变化的特征和过程;运用空间分析方法,以1000m×1000m的栅格尺度,对该区的生态景观格局及其影响因子进行空间自相关分析和空间回归分析,筛选与生态景观格局空间分布相关的影响因子;运用MCE-CA-Markov耦合模型对吉林西部景观格局变化趋势进行预测研究,从而揭示了该区15年尺度的土地利用变化的特点和规律;应用元胞自动机模型原理,基于Matlab平台,通过作者编程,创建了景观格局空间优化模型,并对吉林西部土地利用格局进行了空间优化研究,为进行区域土地利用规划奠定基础。与传统的方法不同,本文以景观生态学的理论为指导,采用空间分析方法和模型对该区的土地利用变化及过程、土地利用格局变化趋势与土地利用空间优化开展了系列研究,从而为景观生态学与土地利用研究领域的结合探索了一条新路。因而本文具有重要的理论意义和应用价值。
[13]	杜云雷. 基于Ann-CA-Markov的福州城市用地变化建模与模拟研究 . 福州: 福建农林大学硕士学位论文, 2013.URL [本文引用: 1]摘要土地作为人类赖以生存的根本，对人类未来的发展起着至关重要的作用。近年来，人类对土地的开发利用造成了土地覆被的巨大变化。区域内土地利用/覆被变化模型的研究是从不同时期的地理数据库中发现土地利用/覆被的变化，理解土地利用/覆被变化的机理、掌握土地利用/覆被变化的规律，可为制定科学、有效的土地利用管理策略提供支持和依据。本研究构建的Ann- Markov-CA模型综合了Markov模型长期数量方面预测的优势、Ann模型处理非线性复杂数据的能力和CA模型模拟复杂系统空间变化的能力，这既能提高土地利用格局的模拟精度，又可以有效地模拟格局的空间变化，... [Du Yunlei.Study on modeling and simulating of city land use based on the Ann-Markov-CA model in Fuzhou. Fuzhou: Master Dissertation of Fujian Agriculture and Forestry University, 2013.]URL [本文引用: 1]摘要土地作为人类赖以生存的根本，对人类未来的发展起着至关重要的作用。近年来，人类对土地的开发利用造成了土地覆被的巨大变化。区域内土地利用/覆被变化模型的研究是从不同时期的地理数据库中发现土地利用/覆被的变化，理解土地利用/覆被变化的机理、掌握土地利用/覆被变化的规律，可为制定科学、有效的土地利用管理策略提供支持和依据。本研究构建的Ann- Markov-CA模型综合了Markov模型长期数量方面预测的优势、Ann模型处理非线性复杂数据的能力和CA模型模拟复杂系统空间变化的能力，这既能提高土地利用格局的模拟精度，又可以有效地模拟格局的空间变化，...
[14]	黎夏, 叶嘉安, 刘小平. 地理模拟系统: 元胞自动机与多智体. 北京: 科学出版社, 1999. [本文引用: 1] [Li Xia, Ye Jia-an, Liu Xiaoping.Geographical Simulation Systems: CA and MAS. Beijing: Science Press, 1999.] [本文引用: 1]
[15]	周成虎, 欧阳, 马延, 等. 地理系统模拟的CA模型理论探讨 . 地理科学进展, 2009, 28(6): 833-838.https://doi.org/10.11820/dlkxjz.2009.06.001 Magsci [本文引用: 1]摘要 <p>在系统认识和理解地理元胞自动机（CA）模型的基本性质基础上，重点从自然与人文综合的复杂地理系统模拟研究角度，对地理元胞模型所涉及的基本理论与方法问题进行了进一步的探讨。研究表明：从地理系统的模拟看，CA模型的研究和应用提供了一种从地理系统的微观出发、将自然与人文统一的地理系统模拟的新视角与新途径。在此基础上，提出了地理系统模拟的CA模型需要解决的三队基本关系和三个基本科学方法问题。</p> [Zhou Chenghu, Ou Yang, Ma Ting, et al.Theoretical perspectives of CA based geographical system modeling. Progress in Geography, 2009, 28(6): 833-838.]https://doi.org/10.11820/dlkxjz.2009.06.001 Magsci [本文引用: 1]摘要 <p>在系统认识和理解地理元胞自动机（CA）模型的基本性质基础上，重点从自然与人文综合的复杂地理系统模拟研究角度，对地理元胞模型所涉及的基本理论与方法问题进行了进一步的探讨。研究表明：从地理系统的模拟看，CA模型的研究和应用提供了一种从地理系统的微观出发、将自然与人文统一的地理系统模拟的新视角与新途径。在此基础上，提出了地理系统模拟的CA模型需要解决的三队基本关系和三个基本科学方法问题。</p>
[16]	范强, 杨俊, 吴楠, 等. 海岸旅游小镇景观格局演变与动态模拟: 以大连市金石滩国家旅游度假区为例 . 地理科学, 2013, 33(12): 1467-1475.Magsci [本文引用: 5]摘要 <p>研究以多时序土地利用、遥感数据为基础，以大连市金石滩国家旅游度假区为例，通过景观生态学和CA-Markov模型模拟方法，系统分析了1998~2009年研究区景观格局的时空演变特征，并对2020年景观格局的情景进行了模拟预测。结果表明：① 1998~2009 年金石滩的景观格局变化主要表现为：整体上，旅游景观总面增加2.30 km<sup>2</sup>，辅助性旅游景观总面积增加2.22 km<sup>2</sup>，非旅游景观总面积减少5.27 km<sup>2</sup>，非旅游景观向旅游景观和辅助性旅游景观的转变趋势明显；② 金石滩景观格局变化过程表现为，逐步从单一的村民居住型向能够满足旅游者需求的娱乐、观赏、商业等复合型景观转变；变化区域主要分布在研究区中部自西向东的龙山村、满家滩村、陈家村以及东南部的庙上村，变化类型以“传统农业→人造娱乐休憩”类型为主；③ 在对CA-Markov模型的可利用性进行分析与检验后得到金石滩2020年景观格局模拟结果：人造娱乐休憩景观、公共基础设施景观、传统工业与居民用地景观面积增加，同时自然态生物景观、传统农业景观、其他景观面积也相应减小，此外，水域景观和交通运输用地景观面积基本保持稳定；变化显著区域主要集中在研究区中部自西向东的龙山村、满家滩村、陈家村以及东南部的庙上村。</p> [Fan Qiang, Yang Jun, Wu Nan, et al.Landscape patterns changes and dynamic simulation of coastal tourism town: A case study of Dalian Jinshitan national tourist holiday resort. Scientia Geographica Sinica, 2013, 33(12): 1467-1475.]Magsci [本文引用: 5]摘要 <p>研究以多时序土地利用、遥感数据为基础，以大连市金石滩国家旅游度假区为例，通过景观生态学和CA-Markov模型模拟方法，系统分析了1998~2009年研究区景观格局的时空演变特征，并对2020年景观格局的情景进行了模拟预测。结果表明：① 1998~2009 年金石滩的景观格局变化主要表现为：整体上，旅游景观总面增加2.30 km<sup>2</sup>，辅助性旅游景观总面积增加2.22 km<sup>2</sup>，非旅游景观总面积减少5.27 km<sup>2</sup>，非旅游景观向旅游景观和辅助性旅游景观的转变趋势明显；② 金石滩景观格局变化过程表现为，逐步从单一的村民居住型向能够满足旅游者需求的娱乐、观赏、商业等复合型景观转变；变化区域主要分布在研究区中部自西向东的龙山村、满家滩村、陈家村以及东南部的庙上村，变化类型以“传统农业→人造娱乐休憩”类型为主；③ 在对CA-Markov模型的可利用性进行分析与检验后得到金石滩2020年景观格局模拟结果：人造娱乐休憩景观、公共基础设施景观、传统工业与居民用地景观面积增加，同时自然态生物景观、传统农业景观、其他景观面积也相应减小，此外，水域景观和交通运输用地景观面积基本保持稳定；变化显著区域主要集中在研究区中部自西向东的龙山村、满家滩村、陈家村以及东南部的庙上村。</p>
[17]	韩文权, 常禹. 景观动态的Markov模型研究: 以长白山自然保护区为例 . 生态学报, 2004, 24(9): 1958-1965.Magsci [本文引用: 1]摘要在 Markov模型假设的基础上 ,利用长白山自然保护区 1975年 MSS、1985年和 1997年 TM卫星遥感数据 ,在遥感图象处理软件和 GIS软件协助下 ,对遥感影像的计算机监督分类结果 (共分为 13类 )进行处理 ,对 Markov模型的可利用性进行分析与检验 ,得出长白山自然保护区景观变化无后效性 ,符合 Markov模型条件。根据 1985～ 1997年转移概率计算步长 10 a(1985～ 1995年 )的转移概率矩阵 ,从 1975年计算 1985年各景观类型的面积与 1985年各景观类型的实际面积值对比 ,计算得 χ2 >χ20 .0 5(12 ) ;再分别用 1975～ 1985年和 1985～ 1997年的转移矩阵计算 1995年和 2 0 4 7年各景观类型的面积 ,分析得χ2 >χ20 .0 5(12 ) ;对两阶段的转移概率矩阵分析得到 χ2 >χ20 .0 5(14 4 ) ;说明两阶段的 Markov转移过程不具同一性 ,属于两个不同的 Markov过程。不同景观类型转移方式对χ2 值的贡献率可以说明其对景观动态的重要性 ,分析结果表明有重要贡献的类型分别为 :阔叶红松林52.00%>山杨白桦林24.66%>云冷杉林11.42%>落叶松林2.43%，说明这4种景观类型的转移方式对长白山自然保护区的景观动态起重要作用，尤其以阔叶松林的作用最大；同时对Markov模型在长白山自然保护区长期景观变化预测的可行性进行了探讨，在自然条件不稳定的情况下不可作准确的长期预测。 [Han Wenquan, Chang Yu.The Markov model analysis of landscape dynamic: A case researches in Changbai mountain natural reserve. Acta Ecological Sinica, 2004, 24(9): 1958-1965.]Magsci [本文引用: 1]摘要在 Markov模型假设的基础上 ,利用长白山自然保护区 1975年 MSS、1985年和 1997年 TM卫星遥感数据 ,在遥感图象处理软件和 GIS软件协助下 ,对遥感影像的计算机监督分类结果 (共分为 13类 )进行处理 ,对 Markov模型的可利用性进行分析与检验 ,得出长白山自然保护区景观变化无后效性 ,符合 Markov模型条件。根据 1985～ 1997年转移概率计算步长 10 a(1985～ 1995年 )的转移概率矩阵 ,从 1975年计算 1985年各景观类型的面积与 1985年各景观类型的实际面积值对比 ,计算得 χ2 >χ20 .0 5(12 ) ;再分别用 1975～ 1985年和 1985～ 1997年的转移矩阵计算 1995年和 2 0 4 7年各景观类型的面积 ,分析得χ2 >χ20 .0 5(12 ) ;对两阶段的转移概率矩阵分析得到 χ2 >χ20 .0 5(14 4 ) ;说明两阶段的 Markov转移过程不具同一性 ,属于两个不同的 Markov过程。不同景观类型转移方式对χ2 值的贡献率可以说明其对景观动态的重要性 ,分析结果表明有重要贡献的类型分别为 :阔叶红松林52.00%>山杨白桦林24.66%>云冷杉林11.42%>落叶松林2.43%，说明这4种景观类型的转移方式对长白山自然保护区的景观动态起重要作用，尤其以阔叶松林的作用最大；同时对Markov模型在长白山自然保护区长期景观变化预测的可行性进行了探讨，在自然条件不稳定的情况下不可作准确的长期预测。
[18]	郑青华, 罗格平, 朱磊, 等. 基于CA-Markov模型的伊犁河三角洲景观格局预测 . 应用生态学报, 2010, 21(4): 873-882.Magsci [本文引用: 1]摘要 <p>在遥感和水文数据的支持下，结合伊犁河三角洲的区域特点，确定了伊犁河三角洲的景观分类系统.通过景观生态学的定量分析和CA_Markov模型模拟方法，系统分析了1975—2<br />007年伊犁河三角洲景观格局的时空演变特征，并对2020年景观格局的情景进行了模拟与预测.结果表明：在人为间接干扰和自然环境的双重影响下，1975—2007年伊犁河三角洲的景观格局变化具有一定的周期性和不稳定性;对CA_Markov模型的可利用性进行分析与检验，1990—2007年伊犁河三角洲景观变化符合CA_Markov模型应用的条件;2020年，研究区景观的斑块破碎化严重，连通性趋于弱化，与水密切相关的湖泊、沼泽和漫滩的时空变化存在很大的不确定性;分别基于1990—2000年和2000—2007年概率转移矩阵预测的2020年研究区景观格局存在显著的差异性，不同景观类型的差异程度和表现形式各异，原因在于这两个时段自然条件的非一致性和不稳定性以及各景观类型的转移方式和方向不同.</p> [Zheng Qinghua, Luo Geping, Zhu Lei, et al.Prediction of landscape patterns in Ili river delta based in CA-Markov model. Chinese Journal of Applied Ecology, 2010, 21(4): 873-882.]Magsci [本文引用: 1]摘要 <p>在遥感和水文数据的支持下，结合伊犁河三角洲的区域特点，确定了伊犁河三角洲的景观分类系统.通过景观生态学的定量分析和CA_Markov模型模拟方法，系统分析了1975—2<br />007年伊犁河三角洲景观格局的时空演变特征，并对2020年景观格局的情景进行了模拟与预测.结果表明：在人为间接干扰和自然环境的双重影响下，1975—2007年伊犁河三角洲的景观格局变化具有一定的周期性和不稳定性;对CA_Markov模型的可利用性进行分析与检验，1990—2007年伊犁河三角洲景观变化符合CA_Markov模型应用的条件;2020年，研究区景观的斑块破碎化严重，连通性趋于弱化，与水密切相关的湖泊、沼泽和漫滩的时空变化存在很大的不确定性;分别基于1990—2000年和2000—2007年概率转移矩阵预测的2020年研究区景观格局存在显著的差异性，不同景观类型的差异程度和表现形式各异，原因在于这两个时段自然条件的非一致性和不稳定性以及各景观类型的转移方式和方向不同.</p>
[19]	J 罗纳德伊士曼. IDRISI遥感图像处理与地理信息系统教程. 刘雪萍译. 北京: 电子工业出版社, 2014. [J Ronald Eastman. IDRISI Remote Sensing Image Processing and Geographic Information System Course. Translated by Liu Xueping. Beijing: Publishing House of Electronics Industry, 2014.] [本文引用: 2]
[20]	乔纪纲, 邹春洋. 基于神经网络的元胞自动机与土地利用演化模拟: 以广州市白云区为例 . 测绘与空间地理信息, 2012, 35(6): 17-20.https://doi.org/10.3969/j.issn.1672-5867.2012.07.005 URL [本文引用: 5]摘要城市发展过程中存在多种土地利用类型的相互转换,掌握其演化规律有助于制定出合理的土地利用规划。传统元胞自动机(CA)在模拟城市扩张过程时,多种土地利用类型间的转换十分复杂,往往难以获得转换规则。本文利用神经网络构建了多类型演化的CA模型;从城市演化的历史数据中进行学习,挖掘出控制土地利用方式转变的空间要素权重,利用广州市白云区2005—2007年间的土地利用历史演化数据训练神经网络后,对2009年研究区的土地利用结构进行了模拟。对比同期的真实土地利用格局,模拟结果的平均精度达到77.65%。 [Qiao Jigang, Zou Chunyang.The simulation of cell automaton and land use evolution based on Neural Network: Taking Baiyun district of Guangzhou as a case study. Geomatics & Spatial Information Technology, 2012, 35(6): 17-20.]https://doi.org/10.3969/j.issn.1672-5867.2012.07.005 URL [本文引用: 5]摘要城市发展过程中存在多种土地利用类型的相互转换,掌握其演化规律有助于制定出合理的土地利用规划。传统元胞自动机(CA)在模拟城市扩张过程时,多种土地利用类型间的转换十分复杂,往往难以获得转换规则。本文利用神经网络构建了多类型演化的CA模型;从城市演化的历史数据中进行学习,挖掘出控制土地利用方式转变的空间要素权重,利用广州市白云区2005—2007年间的土地利用历史演化数据训练神经网络后,对2009年研究区的土地利用结构进行了模拟。对比同期的真实土地利用格局,模拟结果的平均精度达到77.65%。
[21]	许文宁, 王鹏新, 韩萍, 等. Kappa系数在干旱预测模型精度评价中的应用: 以关中平原的干旱预测为例 . 自然灾害学报, 2011, 20(6): 81-86.URL [本文引用: 2]摘要 Kappa系数较多地用在评价遥感影像分类精度中。通过对分类影像和参考影像逐个像元统计,并建立误差矩阵,可以较准确地验证遥感影像分类的精度。将Kappa系数引入到关中平原地区加权马尔可夫和自回归移动平均两种干旱预测模型的精度评价中,基于标准降水化指数和条件温度植被指数两种干旱指标,对干旱监测数据和模型预测数据建立误差矩阵,得到了错估误差、漏估误差、总体精度和Kappa系数。综合应用4种评价指标分析模型的预测结果表明,错估误差和漏估误差能够验证预测模型的局部适用性,总体精度在一定范围内不能够直接反映模型的预测精度,Kappa系数可以较精确地评价不同时空间尺度的干旱预测模型精度。当参与预测的样本数目增加到一定程度时,Kappa系数和总体精度基本相等,可以更准确地评价模型预测精度。 [Xu Wenning, Wang Pengxin, Han Ping, et al.Application of Kappa coefficient to accuracy assessments of drought forecasting model: A case study of Guanzhong plain. Tournal of Natural Disasters, 2011, 20(6): 81-86.]URL [本文引用: 2]摘要 Kappa系数较多地用在评价遥感影像分类精度中。通过对分类影像和参考影像逐个像元统计,并建立误差矩阵,可以较准确地验证遥感影像分类的精度。将Kappa系数引入到关中平原地区加权马尔可夫和自回归移动平均两种干旱预测模型的精度评价中,基于标准降水化指数和条件温度植被指数两种干旱指标,对干旱监测数据和模型预测数据建立误差矩阵,得到了错估误差、漏估误差、总体精度和Kappa系数。综合应用4种评价指标分析模型的预测结果表明,错估误差和漏估误差能够验证预测模型的局部适用性,总体精度在一定范围内不能够直接反映模型的预测精度,Kappa系数可以较精确地评价不同时空间尺度的干旱预测模型精度。当参与预测的样本数目增加到一定程度时,Kappa系数和总体精度基本相等,可以更准确地评价模型预测精度。
[22]	布仁仓, 常禹, 胡远满, 等. 基于Kappa系数的景观变化测度: 以辽宁省中部城市群为例 . 生态学报, 2005, 25(4): 778-784.https://doi.org/10.3321/j.issn:1000-0933.2005.04.018 URL Magsci [本文引用: 1]摘要分析了辽宁省中部城市群1988～1998年间的景观变化,结果表明沼泽地从景观中完全消失,沙地的变化弹性最大,耕地的变化最小。优势景观类型(耕地)的转化方向较多,非优势景观类型(沙地)转化的方向少。某些景观类型之间较稳定地相互转化(林地和耕地) ,但某些景观类型之间转化极不稳定(耕地和沼泽地)。总体上,景观的变化趋势是:居住用地面积增加,占居了周围的耕地,促进了耕地向菜地的转化。面积大的景观类型变化小(林地和耕地) ,相反,面积小的类型变化大。Kappa系数分析结果表明,位置、数量、随机和标准Kappa系数都降低,即景观在数量上丢失3.86 %的信息,位置上丢失5 .95 %的信息,丢失的综合信息为6 .89%。而且建议进行综合信息评价时用随机Kappa系数,因为它既不考虑数量,又不考虑位置的影响。虽然Kappa系数从位置、数量和综合信息方面揭示了景观变化,但是这些分析是单方面的,而且没有说明在整个图的一致率中由于空间位置、数量和偶然因子所引起的一致率和变化率。景观变化过程中,不考虑空间位置和数量的情况下,景观在空间上随机分布,某个象元属于某个类型的概率等于1/ J(J=类型总数) (8% )。随景观中类型数量的减少，偶然一致率所占的比重增加，因此建议对单个类型不要进行一致性分析。位置一致率在整个一致率中所占的比重最大（60%），（数量一致性为25%）由此判断出位置一致率决定整个景观的一致率。也就是说，如果景观没有空间位置上的变化，更不等于景观没有变化。 [Bu Rencang, Chang Yu, Hu Yuanman, et al.Measuring spatial information changes using Kappa coefficients: A case study of the city groups in central Liaoning province. Acta Ecologica Sinica, 2005, 25(4): 778-784.]https://doi.org/10.3321/j.issn:1000-0933.2005.04.018 URL Magsci [本文引用: 1]摘要分析了辽宁省中部城市群1988～1998年间的景观变化,结果表明沼泽地从景观中完全消失,沙地的变化弹性最大,耕地的变化最小。优势景观类型(耕地)的转化方向较多,非优势景观类型(沙地)转化的方向少。某些景观类型之间较稳定地相互转化(林地和耕地) ,但某些景观类型之间转化极不稳定(耕地和沼泽地)。总体上,景观的变化趋势是:居住用地面积增加,占居了周围的耕地,促进了耕地向菜地的转化。面积大的景观类型变化小(林地和耕地) ,相反,面积小的类型变化大。Kappa系数分析结果表明,位置、数量、随机和标准Kappa系数都降低,即景观在数量上丢失3.86 %的信息,位置上丢失5 .95 %的信息,丢失的综合信息为6 .89%。而且建议进行综合信息评价时用随机Kappa系数,因为它既不考虑数量,又不考虑位置的影响。虽然Kappa系数从位置、数量和综合信息方面揭示了景观变化,但是这些分析是单方面的,而且没有说明在整个图的一致率中由于空间位置、数量和偶然因子所引起的一致率和变化率。景观变化过程中,不考虑空间位置和数量的情况下,景观在空间上随机分布,某个象元属于某个类型的概率等于1/ J(J=类型总数) (8% )。随景观中类型数量的减少，偶然一致率所占的比重增加，因此建议对单个类型不要进行一致性分析。位置一致率在整个一致率中所占的比重最大（60%），（数量一致性为25%）由此判断出位置一致率决定整个景观的一致率。也就是说，如果景观没有空间位置上的变化，更不等于景观没有变化。
[23]	Feinstein A R, Cicchetti D V.High agreement but low Kappa: I. The problems of two paradoxes. Journal of Clinical Epidemiology, 1990, 43(6): 543-549.https://doi.org/10.1016/0895-4356(90)90158-L URLPMID:2348207 [本文引用: 1]摘要 In a fourfold table showing binary agreement of two observers, the observed proportion of agreement, p0, can be paradoxically altered by the chance-corrected ratio that creates kappa as an index of concordance. In one paradox, a high value of p0 can be drastically lowered by a substantial imbalance in the table's marginal totals either vertically or horizontally. In the second pardox, kappa will be higher with an asymmetrical rather than symmetrical imbalanced in marginal totals, and with imperfect rather than perfect symmetry in the imbalance. An adjustment that substitutes kappa max for kappa does not repair either problem, and seems to make the second one worse.
[24]	Cicchetti D V, Feinstein A R.High agreement but low Kappa: II. Resolving the paradoxes. Journal of Clinical Epidemiology, 1990, 43(6): 551-558.https://doi.org/10.1016/0895-4356(90)90159-M URLPMID:2189948 [本文引用: 1]摘要 An omnibus index offers a single summary expression for a fourfold table of binary concordance among two observers. Among the available other omnibus indexes, none offers a satisfactory solution for the paradoxes that occur with p0 and kappa. The problem can be avoided only by using ppos and pneg as two separate indexes of proportionate agreement in the observers' positive and negative decisions. These two indexes, which are analogous to sensitivity and specificity for concordance in a diagnostic marker test, create the paradoxes formed when the chance correction in kappa is calculated as a product of the increment in the two indexes and the increment in marginal totals. If only a single omnibus index is used to compared different performances in observer variability, the paradoxes of kappa are desirable since they appropriately "penalize" inequalities in ppos and pneg. For better understanding of results and for planning improvements in the observers' performance, however, the omnibus value of kappa should always be accompanied by separate individual values of ppos and pneg.
[25]	赵永华, 贾夏, 刘建朝, 等. 基于多源遥感数据的景观格局及预测研究 . 生态学报, 2013, 33(8): 2556-2564.https://doi.org/10.5846/stxb201106190846 Magsci [本文引用: 1]摘要以TM、中巴资源卫星和环境与灾害监测预报小卫星等遥感影像为数据源,利用ENVI 4.7、ARCGIS 9.2、IDRISI 15等软件,研究了西安市辖区的景观特征与空间格局,预测了未来的景观变化,提出了景观格局预测的数据转化和多距离空间分析的精简步骤。结果表明:研究区的景观本底是一个由林地和耕地构成的复合景观基质,建设用地在研究时段内呈现持续增加趋势,且2004-2011年间的增加量高于2000-2004年间的增加量;林地面积略有降低,林地和草地总面积略呈增长趋势,水域和未利用地面积变化较小。研究时段内的景观破碎化程度在降低,林地景观的连通性增强了,耕地的降低了。各景观类型在所设定的最大预期研究尺度下均呈现显著的聚集空间格局;各年和各景观类型之间的聚集、随机和离散的临界阈值差别相对比较大;水域和未利用地的空间聚集强度明显高于耕地、林地、草地和城乡建设用地;耕地和草地空间分布存在一个异质性最大的特征尺度,且均出现了聚集分布、随机分布和离散分布3种分布格局,以2011年最为明显。利用景观指数法和多距离空间聚类分析方法研究景观格局特征的效果要比单一的景观指数法较理想。CA-Markov模型模拟的结果基本能够反映未来的景观格局状况。 [Zhao Yonghua, Jia Xia, Liu Jianchao, et al.Analysis and forecast of landscape pattern in Xi'an from 2000 to 2011. Acta Ecologica Sinica, 2013, 33(8): 2556-2564.]https://doi.org/10.5846/stxb201106190846 Magsci [本文引用: 1]摘要以TM、中巴资源卫星和环境与灾害监测预报小卫星等遥感影像为数据源,利用ENVI 4.7、ARCGIS 9.2、IDRISI 15等软件,研究了西安市辖区的景观特征与空间格局,预测了未来的景观变化,提出了景观格局预测的数据转化和多距离空间分析的精简步骤。结果表明:研究区的景观本底是一个由林地和耕地构成的复合景观基质,建设用地在研究时段内呈现持续增加趋势,且2004-2011年间的增加量高于2000-2004年间的增加量;林地面积略有降低,林地和草地总面积略呈增长趋势,水域和未利用地面积变化较小。研究时段内的景观破碎化程度在降低,林地景观的连通性增强了,耕地的降低了。各景观类型在所设定的最大预期研究尺度下均呈现显著的聚集空间格局;各年和各景观类型之间的聚集、随机和离散的临界阈值差别相对比较大;水域和未利用地的空间聚集强度明显高于耕地、林地、草地和城乡建设用地;耕地和草地空间分布存在一个异质性最大的特征尺度,且均出现了聚集分布、随机分布和离散分布3种分布格局,以2011年最为明显。利用景观指数法和多距离空间聚类分析方法研究景观格局特征的效果要比单一的景观指数法较理想。CA-Markov模型模拟的结果基本能够反映未来的景观格局状况。

城市近郊区景观格局变化特征,潜力与模拟----以成都市龙泉驿区为例

本站小编 Free考研考试/2021-12-29

Characteristics, potential and simulation of landscape pattern change in peri-urban areas: A case of Longquanyi district, Chengdu city

1 引言

2 研究区概况