土地利用演化信息提取与预测方法范文

本站小编为你精心准备了土地利用演化信息提取与预测方法参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

土地利用是人类为社会、经济目的对土地进行的长期生物或技术活动的经营改造，一个地区不同时期土地利用状况及其结构功能很大程度上反映该地区不同时期的自然资源条件以及社会经济的发展状况和结构［1，2］，合理的土地利用结构有助于土地资源在国民经济各部门之间的有效配置并实现其利用效率的最大化。因此，研究一个地区不同时期的土地利用结构动态变化并对其进行预测是了解一个地区自然资源和社会经济发展状况的重要途径［3，4］，并可为优化区域土地利用结构，促进土地资源的保护和高效利用提供科学依据。国内外众多学者长期以来一直致力于土地利用／覆盖变化研究［5～7］，并在该领域取得了很好的研究成果，从总体上把握了热点区域的土地利用分布状况和时空演变特征，为深入研究土地利用、土地覆盖时空变化规律以及为政府的宏观决策提供了依据［8～14］。例如：苏海民等［15］基于RS和地统计学分析方法探讨了福州市土地利用景观格局空间分异特征；涂小松等［16］采用三期TM影像和统计调查资料，分析了苏锡常地区土地利用变化时空分异及其生态环境响应；赵锐锋等［17］在GIS和遥感技术支持下，结合景观格局数量分析方法对新疆塔里木河干流区土地利用／覆被变化过程进行了定量分析；何英彬［18］等利用北京土地利用专题图，应用土地利用时空演变特征分析指标，阐述了北京市土地利用空间结构特征；刘淑燕等［19］、王友生等［20］采用采用遥感影像，对黄土丘陵区和藉河流域的土地利用格局进行了分析，并运用CA－Markov模型对土地利用结构和空间分布进行了预测；陈莹等［21］基于两期的土地利用现状图，运用马尔科夫模型和CLUE－S模型，模拟了研究区2020年土地利用的空间格局。综上所述，目前研究多基于间隔较长、时相较少的遥感影像解译数据，采用GIS、地统计、景观格局、马尔科夫模型等方法对区域土地利用演变特征进行分析和预测，受遥感影像的获取、影像拍摄时间、影像分辨率和分类技术等的限制，通过解译获取的分类数据的时间间隔、类别细度、分类精度均难以尽如人意，影响了研究结果的可靠性和实用性。本研究意图深入挖掘基于土地调查的变更平衡表在土地利用变化分析和预测中的应用，该表为国土资源管理部门历年实地调查、汇总所得，精度高，目前的研究中对其深入的应用较少。本文重在对变更平衡表的应用方法上进行改进与深化，并基于可获得的数据进行了一定的实证应用。本研究可为土地利用变更平衡表的深入应用提供借鉴。

1基于变更平衡表的信息提取与预测方法

1．1年度变更平衡表土地利用年度变更平衡表是土地利用年度变更调查成果之一。国土资源管理部门为保持土地调查成果的现势性，在初始调查之后每年开展一次土地变更调查。土地变更调查以县为单位，采取逐图斑实地核实、图上变更、重新汇总面积的方法，形成县域年度土地利用变更平衡表，各县进一步汇总则形成市级年度变更平衡表。变更平衡表的简化样式如表1所示，该表不但反映了年度各地类的减少去向与增加来源，而且反映了年初与年末的土地利用结构。变更平衡表可看作转移矩阵，可采用基于转移矩阵的研究方法对其进行分析［22］。因该转移矩阵是基于年度变化的且为连续年份的，所以信息提取与预测方法和以往的基于以数年为周期的转移矩阵的研究方法有较大区别［23～25］。

1．2基于连续年份的年度变更平衡表计算多年周期的变更平衡表土地利用年度变更平衡表表示了一个年度年初至年末土地利用类型的转化情况。本文研究如何通过连续年份的年度变更平衡表计算多年周期的变更平衡表，进而分析该多年周期期初与期末各地类之间的流转情况。

1．3基于年度和长期转移矩阵的土地利用综合动态度对比分析在研究时段内，如果各地类图斑均朝着既定的目标转化，即在研究时段内不同年份不会出现同一地块发生连续的地类变化或反复的变化，则研究时段内年度转移矩阵之和应等于应用上节求出的n年期的转移矩阵（不包括主对角线元素）。两者的差距越大，说明土地利用转化越无序。采用综合土地利用动态度可对土地利用转化的有序程度进行分析。式中：Z为土地利用综合动态度；D为区域内各地类土地利用总减少量；S总为区域总面积。综合土地利用动态度可测算区域土地利用变化的总体或综合活跃程度。分别计算各年度的土地利用综合动态度并对其求和，然后与n年期的总转移矩阵的土地利用综合动态度的差值进行比较，即可从一个侧面反映土地利用转化的有序程度，差值越小，有序度越高。

1．4基于改进的年度转移概率矩阵预测任意年份的土地利用结构基于转移矩阵的土地利用结构预测常常通过MARKOV理论进行，该理论的模型同式（2），对于未来年份土地利用结构的预测可基于基期年土地利用结构S1向量和未来不同年份的转移概率矩阵P不断相乘，在此我们称P为预测概率矩阵。在以往的文献中将预测概率矩阵P认为是等值的，其计算方法为求已知连续年份转移概率矩阵的算术平均值［26］。从MARKOV理论模型来看，是利用矩阵相乘的方法进行未来土地利用结构的预测，因此预测概率矩阵通过求算术平均值计算有不尽合理的地方。本文对预测概率矩阵的算法进行改进，采用矩阵开方的方法进行计算。式中：P为预测概率矩阵；Pi为已知的n年的年度转移概率矩阵，Pi不可为零矩阵。通过P可对基期之后的任一年进行预测。假如要对若干年后的土地利用结构向量进行预测，不要求中间年份的预测数据，那么可以依据式（3）加大转移概率矩阵的时间尺度，也就是将连续数年看作是一个土地利用转移时段来构建转移概率矩阵。通过此方法预测未来年份的土地利用结构的时候，随着预测年份的延长，土地利用结构的变化将越来越小，因此用此方法也可预测土地利用结构基本达到稳定的时间。

2基于苏州市的实证研究

2．1研究对象与数据来源苏州位于长江三角洲，江苏省的南部，是我国经济高度发达的地区，也是我国快速城市化区域的典型代表，土地利用／覆被变化剧烈。本文选择1998～2008年连续10个年份的变更平衡表对前文的研究方法进行实证。该数据为1∶5000～1∶10000精度的土地变更调查逐图斑汇总而成，且是每年一变更、一汇总，在数据的精度和时间分辨率上是传统的遥感解译数据所无法比拟的①。本文之所以选择1998～2008年的变更平衡表，是因为2009年及之后的变更调查是基于第二次全国土地调查数据，二调数据因调查方法和调查精度与之前的土地详查不同，其数据与之前的数据产生较大的不连续。同时基于数据保密性和可获得性，本文仅选择二调之前的数据进行试分析，重点是验证前文方法的可行性。土地利用年度变更平衡表在土地分类上细化至了《全国土地分类》（过渡期间适用）中的三级类，研究过程中基于简化、完整原则并充分考虑地类的重要性，将地类归并为13个，即耕地（11）、园地（12）、林地（13）、其它农用地（15）、城市（201）、建制镇（202）、农村居民点（203）、独立工矿用地（204）、特殊用地（206）、交通运输用地（26）、水利设施用地（27）、未利用土地（31）和其它土地（32），括号中为各地类对应的代码。

2．2结果分析

2．2．110年周期的变更平衡表的计算与分析依据2．2节计算1998年末（1999年初）至2008年末这段时期苏州市土地利用变更平衡表（表2）。计算可在EXCEL中利用矩阵相乘的功能完成。与1998年相比，净变化量最大的地类是耕地，10a期间净减少74912hm2，原有耕地主要转向了独立工矿、其它农用地、建制镇和城市等用地，期内通过各种方式仅补充耕地10096hm2，为耕地减少量的12％；独立工矿用地的净变化量排第2位，但表现为面积的增加，10a期间净增加40799hm2，期内增加量是期内减少量的11．3倍，增加量的71％来源于耕地的减少；建制镇和其它农用地的净变化量排第3、第4位，都表现为净增加，分别增加10843hm2和10519hm2。从以上分析可发现1998～2008年苏州市土地利用转变主要规律，因处于经济高速增长时期，社会处于工业化中期、工业化后期至后工业化阶段的发展时期，地类的转化表现为耕地大量转出为各类建设用地。将10a期间历年的年度转移矩阵（因数据量大，文中未列出）与10a期的总转移矩阵进行对比分析，发现有地类的转化有相同的特点，但在不同的年份转入转出的数量上有差别，10a间总体上经过了1998～2001年的平缓转移阶段，2001～2006年的快速转移阶段和2006～2008年的转移速度放缓阶段。

2．2．2土地利用动态特征计算土地利用综合动态度进而分析土地利用转化的有序程度。历年的土地利用综合动态度见表3。根据表2和式（4）计算，10a期间总的综合动态度为15．66％，而历年综合动态度的累加值为17．13％，两者差距不大，反映出区域土地利用有序程度较高，10a期间的土地利用在按照确定的目标的进行较为有序的演化。1998～2008年与第二轮土地利用总体规划的规划执行期（1997～2010年）基本吻合，有序度的分析可部分反映上轮规划的执行情况，说明规划的执行比较有效，土地利用中较少盲目决策带来的无序与反复。

2．2．3土地利用结构预测使用MATLAB软件，根据式（5）求预测概率矩阵，为了验证其在土地利用结构变化预测中的可用性，以苏州市1998年末的土地利用结构向量为基数，经过10步转移，模拟得到2008年苏州市的土地利用结构，见表4。与2008年实际用地结构相比，模拟值和实际值十分接近。由此可见，用矩阵开方法求出的预测概率矩阵来预测苏州市土地利用结构是可行的。预测2020年的土地利用结构，其与2008年的土地利用结构比较见表5。根据表5的预测结果我们可以看出：苏州市耕地面积逐年减少，但减少的幅度有所降低，耕地占土地总面积的比重持续下降，由2008年的27．22％下降到2020年的20．10％，面积减少60491hm2；园地、林地及其它农用地的面积也呈逐年减少的趋势，到2020年园地、林地、其它农用地面积分别减少20、483和1158hm2；苏州市城市用地、建制镇用地、独立工矿用地、交通运输用地面积和比重都呈增加的趋势，且面积增加较明显。城市用地面积由2008年的18958hm2增加到2020年的29608hm2，面积增加10650hm2；建制镇用地也由2008年的22157hm2增加到2020年的36685hm2，增加14528hm2；独立工矿用地面积增加32637hm2；水利设施用地面积增加较少，比例较稳定；苏州市农村居民点用地面积逐年减少，至2020年减少4850hm2，比重不断降低，主要原因是城市化率持续提高、农村人口不断减少；其它土地面积增长较快，为5537hm2。从以上预测可以看出，至2020年，苏州市土地利用结构变化仍将维持农用地不断减少，建设用地总量不断增加的趋势，农用地减少的去向仍将是建设用地增加的来源，但这种转化的速率与1998～2008年相比将有所放缓；同时，从表中我们不难看出，2008年及其之前农村居民点用地占建设用地面积的比重较大，但至2020年，农村居民点用地逐渐趋于合理。以上现象意味着苏州市在今后的社会经济发展和城市化过程中，建设用地的管控将越来越严格；随着城市化水平的提高、农村人口减少，大量的农村居民点被整理用于补充耕地和城镇工矿用地建设，建设用地的来源逐渐从外延扩张转向内部挖潜。根据矩阵开方法求出的预测概率矩阵，可以预测出基期年之后历年的土地利用结构。苏州市土地利用演变的驱动力主要为人口增长、经济发展、工业化水平和城镇化水平的提高［27］，随着社会经济的发展和城市化水平的提高，工业化和城市化的增长率将逐渐趋缓，土地利用结构将逐步趋于稳定，经综合分析预测数据，本研究中认为当各用地类型的年面积变化率小于2％时，土地利用结构达到较稳定状态。经计算，到2040年左右各用地类型面积的年变化率均小于2％，土地利用结构变化将基本稳定。此时苏州市城市化率将达到90％以上，根据诺瑟姆的城市化“S”型曲线规律，城市化水平达到较为稳定的状态，因此土地利用结构变化预测和社会经济发展阶段的预测基本一致。

3结论与讨论

（1）对连续年份的年度变更平衡表的应用方法进行了深入挖掘。土地利用变更平衡表通过地面调查得来，精度高、数据较遥感解译数据准确，探索其深入应用对土地管理和土地科学研究有重要意义。（2）年度变更平衡表可看作是土地利用转移矩阵，基于转移矩阵、转移概率矩阵和土地利用结构向量之间的关系，可由连续年份的年度变更平衡表计算多年周期变更平衡表；基于年度和多年的土地利用综合动态度的对比分析，可在一定程度上反映区域土地利用转化的有序程度。（3）研究了利用年度变更平衡表进行土地利用结构预测的方法。传统的基于平均转移概率矩阵的预测方法存在一定的弊端，提出了利用总转移时段概率矩阵进行开方的方法计算预测概率矩阵，并基于MARKOV理论进行预测。（4）基于苏州市的实例数据对上述信息提取方法进行了实证。在1998～2008年，因处于经济高速增长时期，地类的转化表现为耕地大量转出为各类建设用地，耕地的减少去向是各类建设用地增加的来源；10a期总的综合动态度为15．66％，而历年综合动态度的累加值为17．13％，两者差距不大，反映出区域土地利用有序程度较高。（5）利用采用矩阵开方法求出的预测概率矩阵对任意年份的土地利用结构进行了预测，实验证明预测方法是可行的；从预测结果来看，至2020年，苏州市土地利用结构变化仍将维持农用地、耕地不断减少和建设用地总量不断增加的趋势，但这种转化的速率与1998～2008年相比将有所放缓；城市、建制镇、独立工矿用地和交通运输用地增加的同时，农村居民点用地在逐年减少，建设用地的来源将逐渐从外延扩张转向内部挖潜；预测到2040年苏州市的土地利用结构将趋于稳定，这和苏州市社会经济发展阶段的预测基本是一致的。本文的研究对年度变更平衡表的深入应用有一定的借鉴意义，今后应进一步开展基于变更平衡表的土地利用演变信息的深入挖掘，构建基于转移矩阵表征转移规律的指标。在基于平衡表的预测方面，可研究用变化的转移概率矩阵进行预测的方法。当然，年度变更平衡表是基于土地利用变更调查数据的，变更调查中存在一定的人为因素造成的数据误差，使用时应注意剔除。

作者：乔伟峰 王亚华 方斌 单位：南京师范大学新型城镇化与土地问题研究中心 中国科学院地理科学与资源研究所 江苏省地理信息资源开发与利用协同创新中心