卢 鹏 岳彩荣

(贵州省林业调查规划院，贵阳，550003) (西南林业大学)

冯水琴 任 健 岑 纲 禄 鑫

(贵阳云岩双吉科技服务有限公司) (人民银行榆林市中心支行) (贵州省林业调查规划院)

云南天然林形成具有结构复杂、功能和生物多样性丰富的特点，具有从热带、亚热带到寒温带共105个主要森林类型，是我国乃至世界森林类型较完备、结构最复杂和功能最丰富的地区［1－2］。滇西北作为云南省天然林分布的主要地区之一，长期以来，不仅为省内和国家提供了大量的木质林产品和非木质林产品，而且在维持生物多样性、保护生态环境和减免自然灾害等方面起着重要的和不可替代的作用。然而，由于过度的开发利用，滇西北的森林覆盖率已从20世纪60年代的56%降低到目前的30%左右［3］，水土流失面积不断扩大，河流输沙量剧增，泥石流、滑坡发生频率增加，已经给本地区以及长江中下游地区带来灾难性的后果［4］。滇西北属典型的生态脆弱区，又是世界最大的自然遗产地三江并流区，天然林保护工程实施的好坏，将直接关系到我国长江流域的国土安全及生态环境改善和该地区的林业和社会经济的可持续发展。

基于此，笔者对云南省香格里拉县1989—2000年的土地利用变化驱动机制加以研究，并对该区域未来20 a的土地利用空间格局动态变化进行模拟。通过研究，以期对研究区森林景观的恢复与重建等提供一定的参考，为滇西北其他类似地区的研究提供借鉴。

1 理论与方法

目前元胞自动机在地理模拟中主要用于城市用地和沙漠化等单一土地利用类型的预测模拟研究，在国内外几乎没有用于多种土地利用类型模拟的CA模型［5－7］。对于一个研究区域而言，某一类土地利用类型的变化受整个区域各种的土地利用变化的综合影响，因此如何利用CA理论建立多种土地利用类型间的变化模拟模型是目前的一个研究趋势。再者，标准CA在CA时间与现实时间的对应问题较少被提及［8－9］。

鉴于元胞自动机在地理模拟中的不足，本研究在转换规则的获取上采用逻辑回归的方法来探索多种土地利用类型间的变化关系，CA时间与现实时间的对应问题利用研究期间土地利用变化的动态度进行控制，最终建立适合研究区的多种土地利用类型的CA模拟模型。研究技术路线见图1。

1.1 转换规则的获取方法

本次转换规则用Logistic回归的获取方法，采用多项Logit模型［10］。将研究区域划分为等大面积的元胞(本次研究元胞大小为30 m×30 m)，且每个元胞只能代表一种土地利用类型，即如果划定了一个固定的研究区域，在一段时期内，尽管不同土地利用类型之间进行着相互转化，但是总的元胞数目是不变的，只是从一种状态A到另一种状态B的增加或减少。

1.2 多项Logit模型

当分类反应变量的类别为3类及以上，且类别之间并无序次关系时，可以应用多项Logit模型。本研究中反应变量代表研究区的6种土地利用类型。

对于有j=1，2…，J类的非序次反应变量，多项Logit模型可以通过以下Logit形式描述:

这就是说，在多项Logit模型中，Logit是由反应变量中不重复类别对的对比说形成的，然后，对每一个Logit分别建模。若反应变量有J个类别，多项Logit模型中便有j－1个Logit。在累积Logistic回归模型中有J－1个累计Logit函数的截距估计，但是只有一套斜率系数的估计对应自变量。而在多项Logit模型中，不仅有J－1个截距，而且有J－1套斜率系数估计对应于同一套自变量，这就是公式中每一斜率系数都有两个下标的原因，其中第一个下标标志不同的Logit，第二个下标标志不同的自变量。

图1 研究技术路线

在有J个类别的多项Logit模型中，J－1个Logit可表述如下:

其中最后一个类别(即第J个类别)被作为参照类。

因为P(y=1|x)+P(y=2|x)+…+P(y=J|x)=1，从而有:P(y=1|x)+P(y=2|x)+…+P(y=J|x)=P(y=J|x)

因此，作为某类成员的概率可以通过下列公式计算:

总之，对于有J个类别的反应变量，归入因变量中第j类的概率可以由下列公式进行估计:

1.3 虚拟变量的引入

有一些影响变量的因素无法定量度量，为了在模型中能够反映这些因素的影响，并提高模型的精度，根据土地的利用类型的划分，本研究设置以下5个虚拟变量:

2 数据处理

2.1 数据源

本研究采用的原始数据有1989年的Landsat TM遥感影像，分辨率为30 m;2000年的Landsat ETM+遥感影像，分辨率为15 m;25 m分辨率的DEM数据;2000年土地利用现状图以及2003年的景观分类现状图。具体见表1。

表1 研究数据源

2.2 土地利用分类标准

根据研究区土地利用类型的数量和分布特征，结合土地利用变化空间模拟的需要，最终确立分类标准见表2，分类结果见图2、图3。需说明的是，由于研究区范围较大，数据解译是结合遥感影像和土地利用现状图来完成的，为保证模拟精度，本研究将未能解译的土地利用类型归入第7类(即:永久冰雪冻地带)，该类土地利用类型将不参与土地利用的空间模拟。

表2 本研究土地利用分类标准

3 研究区土地利用变化分析

3.1 转移矩阵

利用ArcGIS软件获取香格里拉县1989—2000年土地利用类型转移矩阵(见表3)，其变化和未变化的土地利用分布见图4。

3.2 主要驱动因子作用下的变化特征

3.2.1 高程

由表4可以看出，1989—2000年间的新增人工用地有98.3%分布在l=1 520～3 848 m的高程范围内，之后随高程的增加而减少。农业用地的增加面积有99.04%集中在l=1 520～3 848 m的高程范围内，这是因为农业用地变化主要集中在县城附近，受人为干扰较大。

图2 香格里拉县1989年土地利用图

图3 香格里拉县2000年土地利用图

表3 香格里拉县1989—2000年土地利用变化矩阵 hm2

表4 香格里拉县土地利用变化面积hm2

3.2.2 距离变量

距离变量定义:任一单元距离某一地类的最短距离称为该单元基于该地类的距离，距离变量属于单元属性，随单元的不同而变化。本研究涉及的距离变量指基于人工用地的变量，以下简称距离变量。

使用ArcGIS的Grid模块中的Eucdistance函数获取每个单元与指定数据源的最短距离，1989—2000年期间在0～3 000 m范围内土地利用变化面积随距离变量的分布情况见表5，可以发现随着距离变量的增大，土地利用变化的总面积呈衰减的趋势。

表5 基于距离变量的香格里拉县土地利用变化面积 hm2

图4 1989—2000年香格里拉县土地利用变化图

3.2.3 邻居变量

邻居变量的定义:任一单元邻居范围(7×7窗口)内某一地类的单元总数称为该单元基于该地类的邻居变量，邻居变量属于单元属性，随单元的不同而变化。本研究涉及的邻居变量有基于人工用地、农业用地、自然/半自然植被、湿地、水体和未利用土地的6个邻居变量。表6体现了人工用地、农业用地、自然/半自然植被的3个主要土地利用变化类型随邻居变量的变化关系，结果表明在7×7邻居范围内各土地利用类型的新增面积主要集中在0～15的范围内，整体上各土地利用类型的新增面积随邻居变量的增大而减小。

表6 基于邻居变量的香格里拉县土地利用变化分布

4 CA模型的建立、模拟与评价

4.1 模拟因子选取

在SPSS软件中用多项Logit模型进行反复调试，剔除部分显著性差的驱动力因子，最终选取1个距离因子、6个领域因子、2个自然因子和1个土地利用现状虚拟变量建立香格里拉县土地利用模拟因子体系，各驱动因子见表7所示。

表7 香格里拉县土地利用变化驱动因子描述

4.2 驱动因子定量分析

按1989—2000年间土地利用变化比例随机抽取50 000个元胞样点，利用上述驱动因子构建的多项Logit模型如下。

人工用地:

ln(P1/P6)=2.412－0.019x1－0.000 9x2－0.000 3x3+0.8x4+0.3x5－0.1x6－0.001x7－0.109x8+0.8x9－3.023D1+5.317D2－0.104D3

农业用地:

ln(P2/P6)=4.665－0.0004x1+0.0002x2－0.0007x3+0.11x4－0.008x5+1.76x6+0.005x7+0.032x8+0.001x9－3.347D1－0.514D2+0.199D3－2.172D5

自然/半自然植被:

ln(P3/P6)= －2.027－0.0003x1+0.0412x2－0.0004x3+0.011x4－0.007x5+0.001x6+0.016x7－0.068x8+0.002x9－2.142D1－0.512D2+0.139D3

湿地:

ln(P4/P6)= －2.362－0.00 3x3+0.3x4+0.002x5+0.019x6－0.032x7－3.536D1－1.176D2－0.342D3+1.586D4+2.537D5

水体:

ln(P5/P6)= －1.987－0.2 4x4+0.003x5+0.013x6+0.076x8+0.008x9－4.836D1－1.351D2－0.523D3+0.821D4+2.62D5

式中:x1为每个元胞的高程值;x2为每个元胞的坡度值;x3为每个元胞离最近代表人工用地元胞的距离;x4为每个元胞周围7×7窗口范围内代表人工用地的元胞数量;x5为每个元胞周围7×7窗口范围内代表农业用地的元胞数量;x6为每个元胞周围7×7窗口范围内代表自然/半自然植被的元胞数量;x7为每个元胞周围7×7窗口范围内代表湿地的元胞数量;x8为每个元胞周围7×7窗口范围内代表水体的元胞数量;x9为每个元胞周围7×7窗口范围内代表未利用土地的元胞数量;D1、D2、D3、D4、D5分别代表模拟初期土地利用类型5个虚拟变量。

4.3 土地利用变化模拟和评价

4.3.1 运行模型进行模拟

以1989年作为模拟的初始年份，运用ArcGIS软件按构建的多项Logit模型计算每个元胞属于各种土地利用类型的概率，由1989—2000年期间土地利用变化总面积推算出模拟期间的土地利用变化面积总量作为控制(即相对于初年时变化总面积达到模拟年份所需变化量时便停止运算)，最终得到的2000年的土地利用模拟图见图5。

4.3.2 评价方法和评价结果

本研究模型评价的方法主要分两种:一是对预测出的各种土地利用类型数量和空间位置进行判断和评价，得到各种土地利用类型在数量和空间位置上的预测精确度;二是用点对点评价方法对模型的整体预测精度进行评价［11］。

各种土地利用类型在数量和空间位置上的预测精度:在数量上，该CA模型的预测准确度较高，尤其是自然/半自然植被达到了97.74%的准确度，其次为人工用地和农业用地都依次达到了93.26%和89.55%的准确度。在空间位置上，自然/半自然植被、人工用地和农业用地的准确度也较高。水体、湿地和未利用土地不够理想，主要原因是其在研究区域范围内所占比例有限，造成样点选取量太小，难以达到模拟效果，各土地利用类型的预测精度详见表8。

图5 香格里拉县2000年土地利用模拟图

表8 模拟结果与现实比较

点对点评价:模拟结果显示Kappa指数为0.79，达到较好水平。由此可见，该CA模型的模拟精度在可以接受的范围内，运用该方法来模拟多种土地利用变化空间格局是切实可行的。

4.4 研究区未来土地利用变化空间格局模拟

以2000年香格里拉县土地利用的空间图形数据为基础，运用该CA模型对研究区未来15 a(2000—2015年)的土地利用空间变化进行了模拟，其模拟结果见图6。2015年的土地利用变化模拟结果与2000年的土地利用现状相比较，呈现出以下特点:

①自然/半自然植被面积减少幅度呈现增大趋势，与2000年相比，减少面积为88 513.47 hm2，占2000年自然/半自然植被总面积的9.32%，年均减少面积为5 900.9 hm2。与1989—2000年间年均以4 138.06 hm2的减少速度相比更为严重，其中向未利用土地的转化面积占自然/半自然植被减少总面积的73.21%。

②人工用地呈现快速增长的趋势，特别是香格里拉县县城附近经济发展速度较快的区域，建成区扩张幅度很大。1989—2000年间以年均208.3 hm2的速度增加，模拟结果显示2000—2015年间以年均282.45 hm2的速度呈现快速增长趋势，主要来源是未利用土地、农业用地和自然/半自然植被的减少。

③农业用地呈现增加趋势。2015年的农业用地面积为55 410.68 hm2，与1989—2000年农业用地的年均增长面积为1 431.614 hm2相比，2000—2015 年以年均 1 563.613 hm2的速度增加。其增加面积主要来源于自然/半自然植被和未利用土地，主要集中在人工用地周围。

图6 香格里拉县2015年土地利用模拟图

5 结论与建议

5.1 结论

研究区主要的土地利用变化特征为农业用地、未利用土地和自然/半自然植被向其它土地利用类型的转化，其中农业用地的转化主要集中在人工用地周围，自然/半自然植被跟未利用土地的变化则主要受地形的影响。

在GIS技术的支持下，对研究区的土地利用变化随各驱动因子的关系进行了定量分析，最终选取了包含距离因子、邻居因子和自然因子在内的10个因子作为研究区土地利用变化的主要驱动因子。

在转换规则的获取上采用了多项Logit模型，并引入了土地利用类型虚拟变量，最终结合GIS来实现了土地利用空间格局变化的模拟。充分发挥了GIS解决时空动态模型海量数据的获取、存储、更新等的功能，说明CA模型在土地利用的预测方面有巨大优势，并为GIS软件与CA模型的集成打下了基础。

在1989年土地利用空间数据的基础上，结合GIS构建多种土地利用变化模拟的CA模型，对研究区2000年的土地利用空间格局模拟结果显示模拟比较成功，并在此基础上对2015年的土地利用变化进行了模拟预测。这对于研究与香格里拉县具有相似林地面积减少较为严重的滇西北来说，具有较好的借鉴意义。

5.2 建议

在1989—2000年间自然/半自然植被转化为其它土地利用类型的面积为88 286.76 hm2，占研究区土地利用类型变化总面积的65.66%，其减少面积占1989年自然/半自然植被面积的8.87%。在对研究区2015年的土地利用模拟可知，香格里拉县的林地减少幅度呈现增大趋势。由于长期以来大规模地开发林区，采伐森林，以及少数民族粗放的土地利用方式和生产方式，致使香格里拉县的天然林资源过度消耗，植被破坏严重。应及时加强研究区的生态环境建设，以保证该地区的林业和社会经济的可持续发展。针对香格里拉县的具体情况，就研究区的生态环境建设提供以下建议:切实保护天然林资源，对陡坡耕地实行有计划、分步骤的退耕还林，加快农村产业结构、种养殖业结构的调整。

［1］杨焕宗，张延明.资源、区域、布局［M］.昆明:云南科技出版社，2000.

［2］薛纪如，姜汉侨.云南森林［M］.昆明:云南科技出版社，1986.

［3］史鸿飞.滇西北地区生态退化成因及其保护与建设对策［J］.西部林业科学，2004，33(4):80－84.

［4］郎南军，胡涌.云南天然林保护与可持续经营技术研究［J］.北京林业大学学报，2002，24(1):47－52.

［5］张永民.科尔沁沙地及其周围地区土地利用变化的情景分析［J］.自然资源学报，2004，19(1):29－37.

［6］张永民.CLUE－S模型及其在奈曼旗土地利用时空动态变化模拟中的应用［J］.自然资源学报，2003，18(3):310－318.

［7］陈建平，丁火平，王功文，等.基于GIS和元胞自动机的荒漠化演化预测模型［J］.遥感学报，2004，8(3):254－260.

［8］Wu F，Webster C J.Simulation of land development through the integration of cellular automata and multicriteria evaluation［J］.Environment and Planning:B，1998，25:103－126.

［9］盛晟，刘茂松，徐驰，等.CLUE－S模型在南京市土地利用变化研究中的应用［J］.生态学杂志，2008，27(2):235－239.

［10］黎夏，叶嘉安，刘小平，等.地理模拟系统:元胞自动机与多智能体［M］.北京:科学出版社，2007.

［11］Power C，Simms A，White R.Hierarchical fuzzy Pattern matching for the regional comparison of land use maps［J］.International Journal of Geographical Information Systems，2001，15(1):77 －100.