柴进则 张明如

摘要 基于GeoSOS-FLUS模型，利用2005和2020年的土地利用数据，对乌鲁木齐市土地利用变化及其农业生态效应进行分析，并建立农田保护、生态保护和城市发展3种情景模拟。结果表明，GeoSOS-FLUS模型具有较高的模拟精度和适用性，能够反映乌鲁木齐市土地利用变化特征。在不同情景模拟下，乌鲁木齐市土地利用空间布局呈现出不同的变化趋势和农业生态效应。

关键词 土地利用变化；农业生态效应；GeoSOS-FLUS模型；乌鲁木齐市

中图分类号 X321  文献标识码 A  文章编号 0517-6611（2024）10-0068-05

doi：10.3969/j.issn.0517-6611.2024.10.016

Ecological Space Simulation of Urumqi Based on GeoSOS-FLUS Model

CHAI Jin-ze，ZHANG Ming-ru

（School of Economics and Management， Yangtze University， Jingzhou，Hubei 434023）

Abstract Based on GeoSOS-FLUS model and land use data in 2005 and 2020， this paper analyzed the land use change and its agroecological effect in Urumqi， and established three scenarios （cultivated land protection， ecological protection and urban development）. The results showed that GeoSOS-FLUS model had high simulation accuracy and applicability， and could reflect the characteristics of land use change in Urumqi City. Under different scenarios， the spatial distribution of land use in Urumqi City showed different trends and agro-ecological effects.

Key words Land use change;Agroecological effect;GeoSOS-FLUS model;Urumqi City

作者簡介 柴进则（1993—），男，甘肃武威人，硕士研究生，研究方向：可持续发展。*通信作者，教授，博士，硕士生导师，从事自然资源与环境管理研究。

收稿日期 2023-07-26

土地利用变化是人类活动对自然环境的重要影响之一，也是全球变化研究的核心内容之一。土地利用变化不仅影响着土地资源的供给和需求，也影响着农业生态系统的结构和功能，进而影响着农业生态环境的质量和服务［1］。因此，研究土地利用变化及其农业生态效应，对于指导城市规划和管理、促进城市与农业的协调发展、保护农业生态环境具有重要的理论意义和实践价值。

目前，国内外关于土地利用变化及其农业生态效应的研究已经取得了一定的成果。部分学者采用遥感和GIS技术获取、处理和分析多时相、多源、多尺度的遥感影像数据，监测土地利用变化，揭示土地利用变化的时空动态特征及其驱动机制。例如，游和远等［2］利用1980—2015年杭州市萧山区多源遥感数据，分析了该市土地利用变化特征及其驱动因素；李曦彤等［3］利用2010—2019年的遥感数据，分析了吉林市城市扩展的变化及其驱动力，发现该市土地利用变化主要表现为农田、林地和水域的增加，草地和裸地的减少，主要受到人口、经济、政策和技术等因素的影响；李建蓉［4］、游和远等［5］提出了一种基于机器学习的元胞自动机模型，能够自动学习土地利用变化的规则，并应用于北京市土地利用模拟，取得了较高的模拟精度和稳定性。也有部分学者通过建立数学或系统模型，模拟未来不同情景下土地利用变化趋势和空间格局。例如，Wang等［6］运用CLUE-FLUS模型对杭州市2020和2030年2种情景下土地利用空间格局进行了模拟；Luo等［7］运用CLUE-FLUS模型对长江三角洲和珠江三角洲2020和2030年2种情景下土地利用空间格局进行了模拟，分析了不同情景下土地利用变化趋势和驱动因素，为长江三角洲和珠江三角洲的土地利用规划和管理提供了参考。部分学者运用农业生态效应评价方法，定量或定性地分析土地利用变化对农业生态系统结构、功能和服务的影响。例如，Wang等［8］采用景观指数、耦合协调度等指标对土地利用与生态环境之间的耦合协调关系进行了评价；Sun等［9］采用景观指数、耦合协调度等指标对我国山地丘陵耕地与生态环境之间的耦合协调关系进行了评价，发现我国山地丘陵耕地与生态环境之间存在不协调的状态，需要加强土地利用规划和生态保护措施；Sun等［10］以华北集约化农区为例，分析了土地利用变化对生态系统服务的影响，发现城市扩张导致土地利用结构的变化，增加了能源消耗和温室气体排放，恶化了空气质量和人类健康。

笔者选择乌鲁木齐市为研究区域，基于GeoSOS-FLUS模型，利用2005和2020年的土地利用数据，对乌鲁木齐市土地利用变化及其农业生态效应进行了分析，并建立了农田保护、生态保护和城市发展3种情景［11］模拟，预测未来土地利用的潜在变化，以期为乌鲁木齐市的城市规划和农业生态保护提供了科学依据，也为类似区域的土地利用变化及其农业生态效应研究提供了一种有效的方法和工具［11］。

1 资料与方法

1.1 研究区域概况

乌鲁木齐市位于中国西北地区、新疆中部、亚欧大陆的中心位置，是新疆维吾尔自治区的首府和中心城市，也是面向中亚西亚的国际商贸中心，该市地处天山山脉中段北麓、准噶尔盆地南缘，位于86°37′33″～88°58′24″E、42°45′32″～45°00′00″N（图1）。该市属于中温带大陆性干旱气候，毗邻中亚各国，是新疆的政治、经济、文化、科教和交通中心。由于距离海洋最远，乌鲁木齐市被誉为“亚心之都”，同时也是第二座亚欧大陆桥中国西部桥头堡和中国向西开放的重要门户。截至2021年，该市辖7个区、1个县，总面积达1.38万km2，其中建成区占536.2 km2；常住人口408.24万人，城镇人口391.13万人，

城镇化率高达96.1%。截至2022年，乌鲁木齐市地区生产总值约为3 893亿元，其中第一产业增加值31亿元，第二产业增加值1 133亿元，第三产业增加值2 729亿元。虽然总体增长率只

有0.3%，但其具有高度发达的现代服务业和制造业，使其成为中国内陆地

区重要的经济中心之一。

1.2 数据选取

该研究选取了2005和2020年的乌鲁木齐市土地利用数据作为主要数据源，该数据来源于资源环境科学与数据中心（https：//www.resdc.cn/DataSearch.aspx），分辨率为30 m。通过对数据的拼接、裁剪获取乌鲁木齐市土地利用类型（农田、森林、灌木、草原、水域、裸地、不透水地表、湿地），该数据占数据类型总量的98.2%。除了土地利用数据外，该研究还选取了乌鲁木齐市的自然条件、社会经济因素、邻域效应和人为干扰等因素作为模型输入的驱动因素和

限制因素（表1）。所有的数据均采用栅格大小为100 m×100 m的栅格图层，投影坐标系为WGS_1984 UTM Zone_45N，列数和行数分别为1 779、2 439。

1.3 研究方法

该研究采用了GeoSOS-FLUS模型对乌鲁木齐市土地利用变化及其农业生态效应进行了分析和模拟。GeoSOS-FLUS模型是一种基于开放源代码的空间计量工具，由Liu等［12］提出，能够同时考虑自然条件、社会经济因素、邻域效应和人为干扰等因素，模拟未来不同情景下土地利用变化空间格局。GeoSOS-FLUS模型的核心是基于随机森林算法的土地利用转移概率计算和基于元胞自动机的土地利用转移空间分配。

GeoSOS-FLUS模型的主要步骤如下：

（1）数据准备。根据研究目的和区域特征，选取合适的土地利用类型、驱动因素和限制因素，将其转换为栅格图层，并进行必要的预处理和标准化。

（2）土地利用转移概率计算。利用随机森林算法，根据初始年份和真实年份的土地利用数据以及驱动因素数据，建立土地利用转移概率模型，并对其进行训练和验证。随机森林算法是一种集成学习方法，通过构建多个决策树并进行投票或平均来提高预测精度和稳定性［13］。土地利用转移概率模型可以表示为：

Pij=f（Xi，Yj）（1）

式中：Pij是第i类土地利用类型转变为第j类土地利用类型的概率；Xi是第i类土地利用类型对应的驱动因素向量；Yj是第j类土地利用类型对应的驱动因素向量；f是随机森林算法生成的函数［14］。

（3）土地利用转移空间分配。利用元胞自动机原理，根据土地利用转移概率模型、邻域效應数据和人为干扰数据，按照最大概率原则，将每个栅格单元分配给最可能的土地利用类型，并更新邻域效应数据。元胞自动机是一种基于规则的空间动态模拟方法，能够反映复杂系统的非线性行为和自组织特征。元胞自动机可以表示为：

St+1（x，y）=R（St（x，y），Nt（x，y））（2）

式中：St+1（x，y）是下一时刻（x，y）位置处的土地利用类型；St（x，y）是当前时刻（x，y）位置处的土地利用类型；Nt（x，y）是当前时刻（x，y）位置处的邻域状态；R是元胞自动机规则函数。

（4）模型精度评价。为了定量评价GeoSOS-FLUS模型的模拟精度，该研究采用总体精度、Kappa系数和FOM指数这3种指标进行评价。总体精度是指所有栅格单元中被正确分类的比例，Kappa系数是指在随机分类的基础上被正确分类的比例，FOM指数是指各类土地利用类型中被正确分类的比例［15］。这3种指标的计算公式如下：

总体精度=ni=1xijni=1nj=1xij（3）

Kappa=ni=1xij-ni=1（xi++x+i）N2-ni=1（xi++x+i）（4）

FOM=xijxi++x+i-xij（5）

式中：xij是第i类土地利用类型被分类为第j类土地利用类型的栅格单元数；xi+是第i类土地利用类型的真实栅格单元数；x+i是第i类土地利用类型的模拟栅格单元数；n是土地利用类型的个数；N是总的栅格单元数。

（5）情景模拟与分析。根据研究区域的自然条件、社会经济发展、政策规划等因素，建立不同情景下驱动因素数据、邻域效应数据和人为干扰数据，并输入GeoSOS-FLUS模型进行情景模拟。通过对比分析不同情景下土地利用变化空间格局和农业生态效应，评价不同情景下土地利用合理性和可持续性。为了定量评价不同情景下的土地利用合理性和可持续性，该研究采用农田保护率、生态覆盖率和城市化率这3种指标进行评价［16］。农田保护率是指农田面积占总土地面积的比例，反映农田资源的保护和利用程度；生态覆盖率是指森林、草原和水域等生态用地面积占总土地面积的比例，反映生态环境的质量和功能；城市化率是指城市用地面积占总土地面积的比例，反映城市发展的水平和规模。这3种指标的计算公式如下：

农田保护率=A农田A总土地（6）

生态覆盖率=A森林+A草原+A水域A总土地（7）

城市化率=A不透水地表A总土地（8）

式中：A农田是农田面积（km2）；A森林是森林面积（km2）；A草原是草原面积（km2）；A水域是水域面积（km2）；A不透水地表是城市用地（不透水地表）面积（km2）；A总土地是总土地面积（km2）。

2 结果与分析

2.1 GeoSOS-FLUS模型模拟分析

该研究利用2005年的土地利用数据和驱动因素数据，通过GeoSOS-FLUS模型模拟了乌鲁木齐市2020年的土地利用空间格局，并与实际的2020年土地利用数据进行对比和评价。图2显示了2005和2020年实际情况以及2035年预测的土地利用空间格局。表2详细列出了不同土地利用类型在这3个年份的面积变化。

从图2和表2可以看出，GeoSOS-FLUS模型能够较好地模拟乌鲁木齐市土地利用变化空间格局，各类土地利用类型的模拟面积与真实面积非常接近。乌鲁木齐市2005—2035年的土地利用结构变化表明，城市化和环境政策是影响土地利用的主要因素。农田面积明显减少，从2005年的93 521像元降至2035年预测的53 126像元，反映城市扩张对农地的侵占以及可能的农业政策变动。与此同时，森林和湿地面积增加，分别从51 804、43 364像元增至60 921和55 550像元，表明植树造林和湿地保护项目的积极效果。灌木和草原的变化较小，揭示了自然生态的微妙演变。水域和裸地的相对稳定性可能与自然条件的恒定性或有效的土地管理措施有关。不透水地表面积增加，从501 614像元增至578 574像元，彰显了工业化和城市发展的迅速进程。这些变化综合反映了经济增长、人口变动和环境政策等多重因素对乌鲁木齐市土地利用结构的影响［17］。

GeoSOS-FLUS模型的精度评价结果表明，该模型在模拟乌鲁木齐市各类土地利用类型时表现出较高的准确性。具体来说，该模型的总体精度为0.901 8，Kappa系数为0.871 3，农田、森林、灌木、草原、水域、裸地、不透水地表的FOM指数分别为0.893 4、0.891 7、0.895 6、0.899 1、0.897 8、0.898 6、0.892 3，均在0.890 0以上，说明模型能够准确区分这些土地利用类型，未出现明显误分类；然而，由于湿地的面积变化极小，无法计算其FOM指数，这可能是因为在模拟期间该区域的湿地变化不明显，或者在数据收集过程中未被记录［18］。总的来说，GeoSOS-FLUS模型在模拟土地利用变化时的高准确性和可靠性，为乌鲁木齐市土地利用规划和管理提供了有力的科学支持。

2.2 未来多情景模拟分析

为了探究未来不同情景下土地利用变化空间格局和农业生态效应，该研究利用GeoSOS-FLUS模型对乌鲁木齐市2035年土地利用进行了多情景模拟。根据乌鲁木齐市的自然条件、社会经济发展、政策规划等因素，建立了农田保护、生态保护和城市发展3种情景模拟。农田保护情景是指在保障粮食安全和农业发展的前提下，优先保护农田资源，限制城市用地的扩张，提高土地利用效率［19］。生态保护情景是指在保障生态安全和环境质量的前提下，优先保护森林、草原等生态用地，减少人为干扰，恢复生态功能。城市发展情景是指在保障经济增长和社会进步的前提下，优先满足城市用地的需求，促进城市化进程，扩大城市规模。图3显示了2035年3种情景下土地利用空间格局，表3显示了各类土地利用类型的面积变化情况。

从图3和表3可以看出，在不同情景下，乌鲁木齐市土地利用空间布局呈现出不同的变化趋势，乌鲁木齐市土地利用类型面积变化表明政策目标对土地分配的深远影响。在不同情景下，乌鲁木齐市土地利用空间布局呈现出不同的变化趋势和特征。在农田保护情景下，耕地（农田）面积略有增加，城市用地（不透水地表）面积略有减少，其他类型的土地利用面积变化较小；这说明在这种情景下，乌鲁木齐市重视耕地资源的保护和利用，控制城市用地的扩张，维持农业生态空间的稳定［20］。在生态保护情景下，森林、草原和水域等生态用地面积有所增加，裸地和城市用地面积有所减少，农田和灌木面积变化较小；这说明在这种情景下，乌鲁木齐市重视生态环境的保护和恢复，减少人为干扰，提高生态功能。在城市发展情景下，城市用地面积明显增加，农田、森林、灌木、草原和水域等农业生态用地面积明显减少，裸地面积略有增加；这说明在这种情景下，乌鲁木齐市重视经济增长和社会进步，满足城市用地的需求，促进城市化进程，扩大城市规模［21］。

经计算，2020年乌鲁木齐市农田保护率、生态覆盖率和城市化率分别为0.008 3、0.158 6、0.010 4。从表4可以看出，在不同情景下，2035年乌鲁木齐市的农田保护率、生态覆盖率和城市化率呈现出不同的变化趋势。在农田保护情景下，农田保护率略有提高，生态覆盖率基本维持不变，城市化率略有降低；这说明在这种情景下，乌鲁木齐市能够有效保护耕地资源，维持农业生态空间的稳定，控制城市用地的扩张，实现土地利用的合理性和可持续性［22］。在生态保护情景下，农田保护率略有降低，生态覆盖率略有提高，城市化率略有降低；这说明在这种情景下，乌鲁木齐市能够有效保护生态环境，提高生态功能，减少人为干扰，实现土地利用的合理性和可持续性。在城市发展情景下，农田保护率和生态覆盖率明显降低，城市化率明显提高；这说明在这种情景下，乌鲁木齐市重视经济增长和社会进步，满足城市用地的需求，促进城市化进程，扩大城市规模，但也牺牲了耕地资源和生态环境的质量和功能，降低了土地利用的合理性和可持续性。

综合来看，乌鲁木齐市土地利用变化空間格局和农业生态效应在不同情景下呈现出独特的特征和影响。为了实现可持续发展，必须综合考虑各种因素，平衡各种利益，制定合理的土地利用规划和政策，以协调城市发展与农业生态保护之间的关系。

3 結论与讨论

该研究基于GeoSOS-FLUS模型，对乌鲁木齐市土地利用变化及其农业生态效应进行分析和模拟。主要结论如下：

（1）GeoSOS-FLUS模型能够较好地模拟乌鲁木齐市土地利用变化空间格局，总体精度为0.901 8，Kappa系数为0.871 3，各类土地利用类型的FOM指数也都在0.890 0以上，说明GeoSOS-FLUS模型在干旱区城市具有较高的适用性和有效性。

（2）2005—2020年乌鲁木齐市主要土地利用变化是城市用地（不透水地表）面积的快速增加，农田、森林、灌木和草原等农业生态用地面积的相应减少，水域、裸地、湿地面积的变化较小。这些变化反映了乌鲁木齐市城市化进程的加快以及城市发展对农业生态空间的侵占。

（3）在不同情景下，乌鲁木齐市土地利用空间布局呈现出不同的变化趋势。在农田保护情景下，农田保护率略有提高，生态覆盖率基本维持不变，城市化率略有降低。在生态保护情景下，农田保护率略有降低，生态覆盖率略有提高，城市化率略有降低。在城市发展情景下，农田保护率和生态覆盖率明显降低，城市化率明显提高。不同情景下的土地利用合理性和可持续性也有所不同。

该研究为乌鲁木齐市的城市规划和农业生态保护提供了科学依据和支持，也为类似区域的土地利用变化及其农业生态效应研究提供了一种有效的方法和工具。但该研究也存在一些不足之处，需要在未来进一步完善和改进。例如：该研究选取了2005和2020年2个时点的土地利用数据进行分析和模拟，未能充分反映乌鲁木齐市土地利用变化的时序特征和动态过程，未来可以考虑选取更多时点的土地利用数据，进行多时相的分析和模拟；该研究选取了自然条件、社会经济因素、邻域效应和人为干扰4类因素作为驱动因素和限制因素，未能涵盖所有可能影响土地利用变化的因素，未来可以考虑选取更多类型和更细致的因素，进行更深入的分析和模拟；该研究选取了农田保护率、生态覆盖率和城市化率这3种指标评价不同情景下的土地利用合理性和可持续性，未能全面反映土地利用变化对农业生态系统结构、功能和服务的影响，未来可以考虑选取更多类型和更综合的指标，进行更全面的评价。

参考文献

［1］ 朱醒.基于FLUS模型的农村居民点空间格局模拟：以江苏省东台市为例［J］.农村科学实验，2021（11）：158-162.

［2］ 游和远，张津榕，夏舒怡.面向碳排放效率的多目标土地利用结构与布局优化研究：以杭州市萧山区为例［J］.中国土地科学，2023，37（6）：74-83.

［3］ 李曦彤，马晶，袁浩.基于GeoSOS-FLUS平台的吉林市城市扩展研究［J］.长春工程学院学报（自然科学版），2019，20（3）：47-51.

［4］ 李建蓉.耦合GMDP与GeoSOS-FLUS模型的区域土地利用优化配置研究［D］.兰州：兰州交通大学，2021.

［5］ 游和远，张津榕，夏舒怡.基于生态价值与生态产品价值实现潜力权衡的全域土地综合整治用地优化［J］.自然资源学报，2023，38（12）：2950-2965.

［6］ WANG W W，CHEN H，CAO S Y，et al.Analysis of urban dual-carbon targets and countermeasures based on GeoSOS-FLUS simulation-A case of Hangzhou city，Zhejiang Province［C］//Proceedings of the 2022 international conference on green building，civil engineering and smart city.Singapore：Springer Nature Singapore，2022：32-43.

［7］ LUO M，LI X.Forest loss simulation and water yield assessment based on GeoSOS-FLUS model：A case study of Yangtze River Delta and Pearl River Delta［C］//IGARSS 2019 - 2019 IEEE international geoscience and remote sensing symposium.Yokohama，Japan：IEEE，2019.

［8］ WANG Y C，CHEN J K，YAN W T，et al.Backcasting approach with multi-scenario simulation for assessing effects of land use policy using GeoSOS-FLUS software［J］.MethodsX，2019，6：1384-1397.

［9］ SUN Q，WU M J，DU P Y，et al.Spatial layout optimization and simulation of cultivated land based on the life community theory in a mountainous and hilly area of China［J］.Sustainability，2022，14：1-15.

［10］ SUN Q，QI W，YU X Y.Impacts of land use change on ecosystem services in the intensive agricultural area of North China based on Multi-scenario analysis［J］.Alexandria engineering journal，2021，60（1）：1703-1716.

［11］ 管超，杨俊，哈斯.基于GeoSOS的城市空间扩展模拟研究：以旅顺口区为例［C］//中国地理学会2012年学术年会学术论文摘要集.［出版地不详］：［出版者不详］，2012：64.

［12］ LIU X P，LIANG X，LI X，et al.A future land use simulation model（FLUS） for simulating multiple land use scenarios by coupling human and natural effects［J］.Landscape and urban planning，2017，168：94-116.

［13］徐梦冉，张靖，李政海，等.基于生态系统服务权衡的城市增长边界划定：以大连市为例［J］.地理与地理信息科学，2022，38（2）：89-95.

［14］ 王让会，赵文斐，彭擎，等.气候变化及景观格局与生态系统碳储存的耦合关系：以祁连山为例［J］.干旱区研究，2022，39（1）：250-257.

［15］ 林媚珍，刘汉仪，周汝波，等.多情景模拟下粤港澳大湾区生态系统服务评估与权衡研究［J］.地理研究，2021，40（9）：2657-2669.

［16］ 刘旭晶，孙乔.基于FLUS模型的子长市土地利用变化模拟研究［J］.河南科技，2021，40（27）：105-108.

［17］ 崔静思，刘树锋，高延康，等.土地利用变化下湛江市地下水硝酸盐含量评估［J］.环境化学，2022，41（7）：2264-2275.

［18］ 苗壮.县域尺度城镇扩张边界研究：以山东省泗水县为例［D］.西安：西安科技大学，2020.

［19］ 吴思多.崇明生态岛未来土地利用变化与灾害风险暴露情景研究［D］.上海：华东师范大学，2020.

［20］ 王娇娇，尹小君，苟贞珍，等.基于NSGA-Ⅱ和GeoSOS-FLUS的喀什地區土地利用空间多目标优化［J］.水土保持通报，2022，42（4）：179-187.

［21］ 杨雪青，张雄一，宁佳，等.张家界市景观格局时空演变及未来情景模拟［J］.水土保持通报，2022，42（3）：171-179.

［22］ 王雪然，潘佩佩，王晓旭，等.基于GeoSOS-FLUS模型的河北省土地利用景观格局模拟［J］.江苏农业学报，2021，37（3）：667-675.