基于CA-Markov景观格局预测模型的建构研究

宋一凡，王 姝，张 杰，陈嘉琪，陈园园，门华涛，李继红

(东北林业大学，黑龙江哈尔滨 150040)

土地利用景观格局是土地生态过程作用结果的体现［1］。对不同时空尺度的土地利用景观格局进行研究，并了解在一定人类社会影响下生态环境的变化趋势，可以为制定科学、有效的土地利用管理策略提供支持和借鉴，为区域社会经济发展提供指导［2］。因此，构建高精度景观格局预测模型具有重要意义。在现有的多种景观预测模型中，马尔柯夫(Markov)模型和元胞自动机(CA)模型分别具有广泛的应用，同时传统单一预测模型的弊端逐渐暴露。Markov模型对数量变化预测能力强，但难以预测空间格局变化;CA模型空间概念强，却侧重于元胞局部的相互作用，具有局限性。将两者结合，既可实现空间和数量上的长期模拟，又可提高预测精度。

该研究以黑龙江省双鸭山市宝清县为例，在1996、2004、2012年3个时期的遥感影像资料的基础上，通过GIS软件的图像处理及空间分析等功能，得到不同时期的土地利用分类图，并结合CA-Markov模型对该县2020年土地利用情况及景观格局进行预测，旨在揭示其变化规律，为当地的生态环境建设和社会经济发展提供理论指导和决策依据。

1 研究地区及研究方法

1.1 研究区概况 宝清县位于131°12'～133°30'E，45°45'～46°55'N，属黑龙江省双鸭山市境内，三江平原腹地，是黑龙江省东部地区重要的商贸重镇和区域交通枢纽。该县辖6个镇，4个乡，行政区域面积为10 001.27 km2，人口42.4万。中温带大陆性季风气候，四季变化显著，年平均降水量574 mm，年平均气温3.2℃。生态环境优美，物产资源丰富，拥有多个湿地景区，旅游开发潜力巨大。

1.2 数据来源与预处理 在ENVI 4.6软件的支持下，选取宝清县1996、2004及2012年9月份的Landsat TM影像，以1∶50 000地形图为基准，选取4、3、2波段进行标准假彩色合成，并采用二次多项式纠正法进行几何校正。经过配准、剪裁等处理后，得到该区域三期的遥感图像。参照《土地利用现状分类》国家标准及研究重点，建立分类系统(耕地、湿地、林草地、建设用地、水域及未利用地)，并采用最大似然法进行监督分类，最终得到该县3个时期的土地利用分类图(图1)。经验证，Kappa系数分别为0.87、0.83和0.90，满足精度要求。

景观格局指数是景观结构组成的数字化体现，是景观格局信息的高度浓缩［3］。研究选取斑块面积(CA)，斑块所占面积比(PLAND)，斑块数量(NP)及最大斑块面积指数(LPI)4个相对具有代表性的景观指数，通过Fragstats景观格局软件得到宝清县景观类型斑块特征(表1)。为体现不同时期景观格局指数的变化，另选景观密度(PD)、景观形状指数(LSI)、景观香农多样性指数(SHDI)、景观香农均匀性指数(SHEI)和蔓延度(CONTAG)来进行衡量和比较(表2)。

1.3 研究方法

1.3.1 CA-Markov模型。若随机过程在有限的时序t1＜t2＜t3...tn中，任意时刻tn的状态an只与前一刻(tn-1)的状态(an-1)有关，称该过程具有马尔柯夫性(无后效性)，具有马尔柯夫性的过程称为马尔柯夫过程［2］。其核心需确定状态转移概率矩阵。元胞自动机模型则是一种时间、空间、状态都离散的具有时空计算特征的动力学模型［4］，包括元胞、元胞空间、邻域和转换规则4部分。因此两者结合的CAMarkov模型需进行相关参数和规则的设定。综合考虑数据分辨率和计算机运行速率等因素，设元胞大小为30 m×30 m。设定元胞初始状态为耕地、林草地、湿地、水域、建设用地和未利用地，选择5×5滤波器，以1996～2004年土地利用转移矩阵为转换规则，预测2012年土地利用状态。在得到精度验证后，进一步预测2020年土地利用及景观格局特征。CA的迭代次数为8。

图1 3个时期土地利用分类

表1 宝清县各时期景观类型斑块特征

表2 不同时期景观格局指数变化

1.3.2 确定转移概率矩阵。土地利用转移矩阵可以反映某特定区域不同时间段内各个土地类型之间的相互转变情况［5］。根据 CA-Markov模型的需要，通过 ArcGIS和 IDRISI软件，将矢量数据转换成栅格形式，并利用IDRISI软件的Markov分析模块，输出土地利用类型的转移概率矩阵和转移面积矩阵(表3、表4)。参数设置不同将导致结果不唯一。

表3 土地利用类型的面积转移矩阵

1.3.3 土地适宜性图像集。对任意土地单元而言，不同土地利用类型之间的转化方向和数量与地域的地理位置、自然条件以及交通状况等有关，其相关程度决定了内在适宜性的大小［6］。因此研究选择土地适宜性图像集作为转换规则。利用IDRISI软件的MCE模块，将坡度、交通状况等影响因子布尔相乘，再通过集合编辑器进行排列，最终得到土地适应性图像集。

表4 土地利用类型的概率转移矩阵

2 结果与分析

2.1 2012年预测结果 依据1996、2004年土地利用分类图，并结合转移概率矩阵和土地适应性图像集，利用CA-Markov模型分析和运算，得到2012年土地利用预测图(图2)。

图2 2012年土地利用预测

2.2 Kappa检验 一般选用Kappa指数来对两个图件的一致性或精度进行定量评价［7］。Kappa指数(Ik)的表达式为:

式中，Po为正确模拟的比例，Pc为随机情况下期望的模拟比例，Pp为理想情况下正确的模拟比例。

通过对比2012年土地利用预测图与2012年实际土地利用分类图，并运用ENVI软件进行精度评定，其Kappa指数为0.89，符合精度要求，表明该模型可信度较高。

2.3 2020年预测结果与分析 根据2012年实际遥感数据，按同样的方法得到研究区域2020年土地利用预测图(图3)。运用Fragstats软件，得到2020年景观类型斑块特征(表5)和2020年景观格局指数(表6)。

图3 2020年土地利用预测

表5 2020年景观类型斑块特征

通过2020年预测结果与2012年实际数据对比得出，该地区耕地、林草地、未利用地及湿地面积呈不同幅度减少，其中湿地减少幅度最大，多样性指数显著下降，斑块破碎程度明显加剧。

表6 2020年景观格局指数

3 结论与讨论

该研究在1996和2004年宝清县遥感图像的基础上进行分析处理，生成转移概率矩阵和土地适应性图像集，构建CAMarkov景观预测模型，并进行精度验证。在高可信度下，根据2012年实际土地利用状态，成功预测2020年土地利用及景观格局变化情况。经过对比分析，湿地面积显著下降，斑块破碎程度明显加剧。

研究得出，CA-Markov模型在未来的土地利用及景观结构预测中将有广阔前景，同时揭示了人类活动对景观格局的影响正不断加深，望有关部门加以重视并采取相应补救措施。另外该模型在驱动因素的选择及参数设定等方面仍有不足，在今后的研究中将进一步改进和提高。

［1］唐华俊，吴文斌，杨鹏，等.土地利用/土地覆被变化(LUCC)模型研究进展［J］.地理学报，2009，64(4):456-468.

［2］王友生，余新晓，贺康宁，等.基于CA-Markov模型的藉河流域土地利用变化动态模拟［J］.农业工程学报，2011，27(12):330-331.

［3］邬建国.景观生态学［M］.北京:高等教育出版社，2007.

［4］金小刚.基于Matlab的元胞自动机的仿真设计［J］.计算机仿真，2002，19(4):27-30.

［5］李晓琴，郭丽丽，廖铁军，等.宜宾市土地利用变化分析［J］.国土与自然资源研究，2005(2):45-46.

［6］汤洁，汪雪格，李邵阳，等.基于CA-Markov模型的吉林省西部土地利用景观格局变化趋势预测［J］.吉林大学学报，2010，40(2):406-410.

［7］黄超.基于CA-Markov模型的福州市景观格局动态模拟研究［D］.福州:福建农林大学，2011.