深圳市土地利用景观格局演变分析与情景模拟

齐 笑，陈 诚，何梦男，张 劲

（1.南京水利科学研究院，江苏 南京 210029；2.河海大学环境学院，江苏 南京 210098；3.重庆交通大学河海学院，重庆 400074）

土地利用/覆盖变化（LUCC）通过改变地球陆地表面的覆盖状况，对当地乃至全球环境变化和可持续发展起着重要作用[1]。随着社会经济发展，城市化已成为土地利用变化的主要驱动因素之一，城市景观格局及其变化反映了人类活动和自然环境等多种因素对土地的共同作用[2]，可以客观反映土地利用变化情况，而土地利用模拟可以对多种土地利用情景进行预测和分析，探索未来可能的土地利用发展方式[3]，更客观真实地对城市不同发展阶段进行预测，为景观格局优化提供依据。

目前景观格局相关研究主要采用数量分析法对景观格局演变特征进行分析[4]，利用景观格局指数比较不同景观之间的结构特征，揭示景观格局动态变化过程及其时空规律[5]。从研究区域上看，快速城市化导致的城市地表景观快速变化，使得城市景观动态变化研究成为目前研究的重点和热点区域[6]。此外，关于土地利用景观格局变化模拟模型的研究目前也相对较多，包括元胞自动机（cellular automata, CA）[7]、Markov[8]、多智能体模型[9]等。在土地利用变化模拟过程中，单一模型往往存在一定的局限性，而多模型的结合能够综合各模型的优点，已成为目前的主流方向[3]。综合CA模型和Markov模型的CA-Markov模型结合了二者的优点，不仅便于确定模型的空间转换规则，同时能对各个地类的数量变化趋势做出判断，提高了土地利用类型转化的预测精度，可以有效地模拟土地利用格局的空间变化[10]，得到越来越广泛的应用[3]。

深圳市作为中国改革开放的桥头堡，其城市土地利用在改革开放以来经历了巨大的变化[11]。然而目前的研究对深圳市从城市化初期到现阶段的土地利用景观格局演变的研究相对缺乏。同时，土地利用景观格局模拟预测研究中对驱动因素考虑尚不全面，缺乏对不同情境的模拟和预测。

本研究选择深圳市为对象，利用1980～2015年6个时期的遥感数据对其景观格局进行分析，采用CAMarkov复合模型，综合考虑自然和社会多种驱动因素，进行不同步长土地利用景观格局变化结果模拟和精度评价。在此基础上，对深圳市2020年土地利用景观格局进行多情景预测，为深圳市未来的可持续发展和生态环境保护政策的制定提供决策依据。

1 研究区域与数据资料

1.1 研究区域

深圳市地处中国广东省的南部，全市下辖8个行政区和2个功能区，土地面积约1 996.78 km2（如图1）。深圳市地势总体呈现东南高、西北低，大部分为低山、平缓台地和阶地丘陵。

1.2 数据资料与处理

本研究的土地利用数据资料分别为1980、1990、2000、2005、2010和2015年的Landsat 30 m遥感影像数据。影像解译使用基于面向对象的eCognition Developer软件并结合人工解译，根据中国土地利用现状分类系统，将研究区域土地利用类型分为林地、草地、农田、水体、建设用地和未利用地6个类型，解译精度均高于90%。DEM高程数据为美国航空航天局于2000年获取的全球范围的30 m分辨率数据，坡度数据根据高程数据计算得出，同样为30 m空间分辨率。铁路、2010年道路、2010～2020年规划道路和“生态控制线”由《深圳市城市总体规划（2010～2020）》中的图像集经过地理配准和提取后获得。人口和GDP数据来源于中国科学院资源环境科学数据中心的1 km栅格数据[12]，并重采样为30 m分辨率。所有数据均统一采用Albers投影。

图1 深圳市行政区划图（审图号：粤S(2009)034号）

2 研究方法

2.1 景观格局指数

本研究采用美国俄勒冈州立大学开发的Fragstats软件进行景观格局指数的计算和分析，该软件能够计算50种左右的景观指标。通过结合深圳市的城市特点，本研究选取6种景观水平指数：PD、LPI、蔓延度指数（CONTAG）、IJI、香农多样性指数（SHDI）和香农均度指数（SHEI）进行景观格局指数分析，其详细计算公式和含义可参见相关文献[13]。

2.2 CA-Markov模型

Markov过程是一种特殊的随机过程，它通过t-1时刻与t时刻土地利用的变化趋势，得到两个时刻间的土地利用转移概率矩阵，根据这种当前趋势去预测t+1时刻的不同土地类型的数量[14]。

Markov过程在土地利用变化模拟中已经广泛应用，但它具有局限性，只有各种地类的数量转化关系而无空间分布状态。CA模型是时间、空间和状态离散、空间上相互作用的网格动力学模型[15]，可以通过转化规则对土地利用空间关系进行模拟，从而与Markov过程进行有机结合。

3 结果与讨论

3.1 深圳市土地利用景观格局变化分析

图2为1980～2015年深圳市不同土地利用类型的变化趋势。从景观类型面积的变化趋势中可以看出，改革开放以来深圳市建设用地景观类型呈现不断增加的趋势，与此同时农田类型呈现明显的减少趋势。1980～2000年是深圳市城市发展的快速阶段[11]，人口的日益增长和经济的不断发展，使得建设用地面积不断增大。2000年左右是深圳市城市发展的一个拐点。随着城市建设的不断完善和可建设用地的不断减少，深圳市自2000年以后建设用地增长相对放缓，2010年以后深圳市城市建设进入饱和时期，城市发展也由增量扩张转变到存量开发阶段。城市建设用地的扩张导致了农田和水体面积的下降，到2015年农田量已经微乎其微。

图2 深圳市1980～2015年土地利用景观格局变化

3.2 景观水平指数变化

1980～2015年深圳市景观水平景观格局指数变化如图3所示。可以看出，景观水平的斑块密度（PD）先增加后减少，而景观水平的最大斑块指数（LPI）则先减少后增加，其拐点均发生在2000年，反映出2000年前后人类活动干扰的不同影响强度和方式。改革开放初期，人类活动对土地景观格局干扰较少，深圳市林地占据各土地利用类型比例最高[11]，因此最大斑块指数最大。2000年以后，由于可建设用地的不断减少且建设用地成为主导地类，深圳市的城市发展方式慢慢转为内部填充模式，在一定程度上增大了城市的斑块面积，因此最大斑块指数在2000～2015年之间开始持续上升。

蔓延度指数（CONTAG）的变化趋势与最大斑块指数趋势相一致，1980～2000年期间蔓延度指数持续降低，表明景观是具有多种要素的密集格局，且破碎化程度变高。2000～2015年期间蔓延度指数开始增加，反映优势斑块类型（建设用地）形成了良好的连接性。散布与并列指数（IJI）从1980～2005年呈持续上升趋势，由于城市道路网的不断扩张，整个景观的连通性在一定程度上增加；2010和2015年的散布与并列指数值下降明显，主要由于该时期深圳市已基本完成结构转型，整体景观水平上连通性降低。从香农多样性指数（SHDI）也可以看出，其拐点也主要发生在2000年左右，表明土地利用存在一个由破碎化到集约化转变的过程。

图3 1980～2015年深圳市景观类型水平指数变化

3.3 土地利用景观格局变化模拟与结果验证

本研究选择坡度、高程、人口、GDP、主要公路距离（高速公路、快速路、干线性主干道）、铁路距离和行政区距离，分别进行各地类的Logistic回归分析，得到不同土地利用类型适宜性图像。同时，利用Markov方法得到1980～2015年期间不同年份土地利用转移概率矩阵，用于不同步长土地利用的模拟。利用已有土地利用适宜性图像、不同时期转移概率矩阵和当年土地利用图，通过结合CA-Markov模型和Logistic回归进行深圳市2015年土地利用模拟，分析 5 a（2005～2010）、10 a（2000～2010）、20 a（1990～2010）和30 a（1980～2010）不同步长转移矩阵对模拟结果精度的影响。利用2015年实际土地利用分类结果进行精度验证，结果采用Kappa系数进行定量化验证。

使用5 a、10 a、20 a和30 a不同时间步长的转移矩阵模拟2015年土地利用景观格局，其Kappa系数分别为0.868、0.844、0.835和0.846。Kappa系数从整体上反映了模拟精度，从Kappa系数可以看出所有步长的模拟精度均较高，其中5 a步长模拟结果最好，Kappa系数为0.868。已有研究表明，由于模拟方位随机性的原因，从时间尺度上分析，模拟时间跨度越长，精度越高[16]。这一结论对于深圳市土地利用变化模拟只部分适用，对比20a和30a步长的模拟结果可以说明该结论有效。然而，使用5 a步长的模拟精度最高，这是由于Markov方法采用前一时段的转移概率矩阵对后一时段的土地利用情况进行模拟，适合于具有相同变化趋势的土地利用模拟[3]，当城市发展变化剧烈或者城市转型时期，随意采用某一时期的转移矩阵会造成模拟结果的偏差。深圳市近年来已完成转型，发展趋缓，使用大步长进行模拟可能会造成模拟精度的下降，选择合理的转移矩阵是提高模拟结果精度的关键之一。

3.4 土地利用景观格局变化多情景预测

以2015年为基准年，利用5 a时间步长（Kappa系数最高）进行土地利用景观格局变化模拟，获得2010～2015年转移概率矩阵，对2020年土地利用景观格局进行3种情景的预测模拟，分别为自组织情景、驱动力情景、生态控制情景。其中自组织情景是城市自发状态下的发展变化，即按照深圳市2010～2015年的发展速度和发展方式进行土地利用变化模拟。驱动力情景是深圳市快速城市化发展的情景，首先进行道路的提取和更新，建立新的土地适宜性图集。同时，对土地利用转移概率矩阵进行适当修正，加大了其他类型土地转变为建设用地的概率。生态控制情景考虑了城市规划的“生态控制线”，以达到优化生态用地结构布局和确保区域生态安全的目的，通过将在“生态控制线”范围内建设用地的转移概率赋值为0，即认为在“生态控制线”中的土地无法转变为建设用地，获得符合生态保护的土地适宜性图集，进而利用2010～2015年的转移矩阵进行生态控制情景的模拟。3种不同情景模拟结果和深圳市生态控制线范围如图4所示。

图4 深圳市2020年土地利用景观格局变化多情景预测

图5 是2020年不同情景预测中建设用地空间位置变化。通过图5可以看出，2020年深圳市不同预测情景的土地利用景观格局存在一定的差异。其中，自组织情景和生态控制情景的土地利用景观格局变化趋势较为相似，表现为林地的恢复和建设用地面积的相对饱和持平。减少城市用地无序扩张蔓延对城市的可持续发展具有重要意义。在自组织情景中，城市自发增长，建设用地的分布较为散乱，土地开发和利用程度不高，且部分区域进入了生态控制线，侵占了生态用地。生态控制情景中，由于新增的行政中心和规划道路主要集中于光明、龙华，可以看出这些地区建设用地都有了较大增长，且均在“生态控制线”范围之外。这符合深圳市现阶段以公路和轨道交通为轴带进行多区域组团发展的特点；同时，生态控制线内的非建设用地没有受到侵占，满足了生态保护的需求。对比驱动力情景和生态控制情景可以发现，驱动力情景中建设用地范围覆盖了所有生态控制情景的建设用地范围，且驱动力情景中建设用地按照原有格局向已有建设用地的边缘快速扩张，林地、水体、农田等其他地类都被不同程度地侵占，这与深圳市目前的城市发展政策相违背。在未来的研究中，需进一步结合城市规划和生态发展的需求，改进现有模型，提高模拟精度，并对不同城市发展情景的生态效益进行定量估算。

图5 2020年多情景预测建设用地空间位置变化

4 结 语

1）深圳市城市发展的拐点为2000年左右，前后时期呈现出“快速增长”和“平稳约束”的不同特点，主要表现为发展速度和方式的差异。1980～2015年期间建设用地面积不断增加并成为优势地类，农田和水体面积不断减少。同时受生态保护政策的影响，林地面积呈现先减后增的趋势。在景观水平上，土地利用受人类活动影响，前期表现为破碎化程度加剧，后期则呈现为土地利用由破碎化向集约化的转变。

2）使用5 a、10 a、20 a和30 a不同时间步长的转移矩阵模拟2015年土地利用景观格局，其Kappa系数分别为0.868、0.844、0.835和0.846，5 a步长模拟的Kappa系数最大，精度最高。选择合理的时间步长有利于土地利用景观格局模拟精度的提高。

3）深圳市2020年3种土地利用景观格局情景预测结果表明，驱动力情景适用于城市化较快的地区，其特点是城市建设用地的边缘扩张及对其他地类的侵占；自组织和生态控制情况模拟的结果相近，适用于城市发展到一定阶段的土地利用变化模拟；基于生态控制线的模拟结果土地集约型更高，效果更好。