郝天乐 王昱之

（兰州交通大学，甘肃 兰州 730070）

0 引言

随着城乡建设的步伐加快，城市和乡村的用地结构也随之改变。然而城市化进程的加快，导致大量的土地、林地、草地、水域等自然生态资源正逐步被城市建设用地取代。这一变化给生态环境带来了巨大的冲击。因此，土地利用∕覆盖变化（land use∕cover change，LUCC）逐渐成为土地资源利用研究的热点课题［1］。

当前在土地利用时空变化研究领域，常用的方法有转移矩阵模型、CLUE-S 模型、CA-Markov 模型、FLUS 模型和重力模型等［2］。FLUS 模型相较于其他模型，在模拟精度方面表现出色［3］。黎夏等［4］将地理模拟和空间优化模型进行耦合，建立了地理模拟优化系统GeoSOS 软件，为城市化地区的空间管制、土地利用等方面的引导、调控和优化提供了技术支撑平台。谭远等［5］研究分析了广州市土地利用的时空变化，发现城市发展呈现不平衡趋势。郭丽英等［6］利用重力模型研究环渤海区域耕地重心的变化，反映了城市化背景下耕地减少和空间收缩等现实问题。王芳莉［7］通过FLUS 模型对陇南市2026年土地利用进行模拟，研究了土地利用变化规律和空间分布特征，以探索驱动这些变化的因素，并促进土地资源的有效利用。赵林峰等［8］利用FLUS模型预测了珠三角地区2025—2045年的土地利用情况，为未来城市扩张提供了预警。总的来说，FLUS模型成熟可靠，能够准确揭示城市化背景下生态用地的变化特征。基于此，本研究以甘肃省舟曲县为研究区域，对舟曲县2020年的土地现状进行模拟预测，并以此为基础模拟其2035年土地变化趋势，可为舟曲县及其他地区的可持续发展提供参考。

1 研究区概况

舟曲县位于甘肃省甘南藏族自治州，地处甘川两省交界地区，总面积约为3 015 km2。白龙江、拱坝河和博峪河等重要河流贯穿舟曲县，形成了独特的高山峡谷地貌［9］。目前舟曲县辖区内共计15 个乡镇208 个行政村，2022 年年末总人口（常住人口）为12.536 7万人。

2 数据来源及预处理

本研究所用基础数据来源于舟曲县年鉴，土地利用数据来源于资源环境数据云平台（https:∕∕www.shengshixian.com∕），驱动因子根据研究内容结合实际选取，来源于中国科学院资源环境科学与数据中心(resdc.cn)。

3 研究方法

3.1 土地利用转移矩阵

土地利用转移矩阵能够定量反映不同时期各地类的结构及转移变化情况［10］，其表达式为式（1）。

式中，Sij表示为i类土地转换成j类土地的面积；n为土地利用类型的数量；S矩阵的每一行代表当前时刻的土地利用类型，每一列代表下一时刻的土地利用类型。

3.2 FLUS时空模拟模型

FLUS 模型（Fuzzy Logic for Urban Studies，FLUS）是一种基于模糊逻辑的城市发展模型，主要用于预测城市的土地利用变化和人口分布变化[11]。通过人工神经网络（ANN）模块，可以将空间相关因子（如社会和自然）融合到CA模块，实现对多种空间因素之间的动态调整，从而更好地解决复杂的空间变换问题。

4 结果与分析

4.1 土地利用变化

舟曲县土地利用面积及占比见表1，土地利用情况如图1 所示。由表1 和图1 可知，2000—2020年舟曲县三期土地利用类型的面积和比例呈现出明显的变化趋势：林地占总土地利用面积的绝大部分，占比为62%左右，草地占总土地利用面积的22.5%左右，建设用地占总土地利用面积的0.3%左右。

图1 舟曲县2000、2010、2020年土地利用情况

表1 舟曲县土地利用面积及占比

4.1.1 土地利用面积及动态变化分析。舟曲县土地利用变化情况见表2、土地利用动态度见表3。2000—2010年，耕地、林地及未利用地总面积均呈显著上升趋势，其中，未利用地的面积更高，增加了15.89 km2，而草地的总面积减少了25.17 km2，成为生态系统中退化程度最高的用地，紧随之后的是建设用地，减少了1.79 km2。

表2 舟曲县土地利用变化情况单位：km2

表3 舟曲县土地利用动态度单位:%

2010—2020 年，耕地、草地面积分别增加10.38 km2和10.84 km2，增幅超过前10 年的总和，说明近年来舟曲县大力推进生态文明建设并取得了明显的成效，城市产业的总体发展趋势由畜牧业主导逐步过渡到种植加工类主导。2000—2010 年和2010—2020 年的综合土地利用动态度分别为0.12%和0.16%，减少了0.04%，这表明后10 年土地利用强度较前10年明显减弱。

4.1.2 土地利用转移变化分析。通过对舟曲县土地利用转移矩阵（见表4、表5）的分析，可以发现2000—2020 年，草地、水域和建设用地的面积均有所减少，其中草地减少了25.17 km2，水域减少了0.03 km2，建设用地减少了1.79 km2，总计减少了约26.99 km2。这三类减少的用地分别流向了耕地、林地和未利用地，共计增加了约27.02 km2。其中草地转移为耕地面积最多，占转移总面积的1.59%。2010—2020 年，林地、水域、建设用地及未利用地的总面积减少了21.21 km2，而这些减少的土地被转移到了耕地和草地，其中前者的面积减少了10.38 km2，后者的面积则增加了21.22 km2。舟曲县受制于独特的地理环境及发生过的特大地质灾害的影响，城市建设用地增长较缓，2010—2020 年只减少了5.27 km2。同时期耕地和草地面积大幅增加，进一步推动了舟曲县城近年来的生态文明建设。

表4 舟曲县2000—2020年土地利用转移矩阵单位：km2

表5 舟曲县2010—2020年土地利用转移矩阵单位：km2

4.2 基于FLUS模型的2035年土地利用模拟

4.2.1 驱动因子的选取分析。土地利用类型的相互转化是由于自然、社会和经济等多重因素在不同时空范围内的相互作用所导致的。这种相互的作用会对土地利用类型产生不同程度的影响，导致土地从一种利用类型向另一种利用类型转化。本研究以数据可获取性、准确性和完整性为原则，选择DEM、坡度和坡向等地形要素为主要影响因素。同时，从交通区位角度出发，以与河流、公路、铁路等交通要素的距离为评价指标。在社会经济层面，主要是以人口规模和国内生产总值为指标。最终选取了12种舟曲县土地利用变化的驱动因子。

4.2.2 精度验证及模拟预测。通过对舟曲县2000年土地利用数据的分析和处理，成功获取了训练样本，并通过输入自然、交通区位、社会经济等驱动因子生成了2010 年和2020 年土地利用变化的适宜性概率图集，如图2 所示。结果表明，在模拟预测方面，FLUS 模型在舟曲县的土地利用变化预测中取得了较为理想的效果。通过设计适宜性矩阵和对2020 年的实时土地状况的深入研究，成功绘制出2020 年的土地利用预测图，如图2（a）所示。其中的数据与预期的结果非常接近，大大提升了预期的准确性。通过GeoSOS-FLUS 软件的精度验证，Kappa 系数的表现出色，其总体精度达到了97.872%，Kappa系数0.985，这一突出的结果彰显出FLUS模型在土地利用预测方面的准确性和可靠靠性。

图2 2020—2035年土地利用预测模拟和土地利用类型

通过分析2020 年的土地利用数据及2010—2020 年的土地利用转移矩阵（见表5），使用Markov模型［12］估算了舟曲县2035 年的土地使用面积。结合GeoSOS-FLUS 软件来预测未来的土地使用情况，预测结果如图2（c）所示，未来15 年内，舟曲县的建设用地面积将会继续增加，但增速会略微放慢。

5 结论与讨论

经过GeoSOS-FLUS 的模拟，发现舟曲县在2000年、2010年和2020年的用地格局有明显变化，并且根据所选取的驱动力因子，可以更好地预测到舟曲县2035 年的土地利用格局发展趋势，具体结论如下。

①2000—2020年，舟曲县耕地、林地、草地有不同程度的下降，但水体和未利用地，总体维持不变。同时，舟曲县受制于特殊的地理环境，城镇化发展较缓慢，耕地、林地和未利用地都不同程度地转化为建设用地，建设用地面积小幅度增加。

②通过GeoSOS-FLUS 软件，选取了12 种主要的驱动因子，包括自然资源、交通区位和社会文化三种因素，并将2010 年的土地利用状况作为比较基础，制作出适宜性概率图集，以此来对2020 年的土地利用模式进行了预测，最终得出这个模型的模拟准确率为97.872%, Kappa 系数为0.985，达到了预期的精度要求，为舟曲县未来15 年的土地使用变化提供了可靠的预测分析依据。

③基于2010—2020 年土地利用数据，利用FLUS 模型预测舟曲县2035 年土地利用情况，从预测结果的情况来看，舟曲县的建设用地仍在持续增加，但是增加幅度很小，耕地、草地和未使用地都在一定程度上转变成了建设用地，造成了这三种土地类型面积的下降。

本研究通过综合分析舟曲县土地利用变化趋势，揭示了该地区在过去20 年及未来15 年的土地利用演变情况。可以看出舟曲县土地利用变化总体呈现出建设用地小范围扩张、生态用地和农用地波动变化的规律，这符合舟曲县退耕还林，建设生态文明的方针。同时，2000—2010 年，舟曲县的城镇化使当地的生态环境受到影响，生产空间的缩小，因此，在未来的城市规划中，必须充分考虑不同土地利用类型之间的关联性，合理配置土地资源，以促进优势地区的可持续发展。