不同尺度轉換方式對土地利用格局模擬的影響效應研究

吳桂平

(南京大學地理信息科學系，南京210093)

土地利用及其變化受到自然、社會、經濟等眾多因素的相互影響，是一個相當復雜的過程[1]，目前已經成為全球環(huán)境變化和可持續(xù)發(fā)展研究的重要內容[2]。要綜合分析各種因素對土地利用的影響，則必須將所研究的范疇落實到一定的區(qū)域上，這樣才有可能具體地探討各種自然、社會經濟的變化對土地利用/土地覆蓋的影響[3]，而在區(qū)域的土地利用與土地覆蓋變化研究過程中，區(qū)域的空間規(guī)模尺度則是一個十分關鍵的問題[4]。土地利用在不同的規(guī)模尺度上具有不同的特征，包括不同的影響因素、不同的演變機理與過程(scale effect)[5]。因此，區(qū)域土地利用與土地覆蓋變化必須與尺度效應聯系起來，通過尺度效應的研究，回答和解決以下三個方面的問題:①如何有效地將土地利用空間數據從一種尺度轉換到另一種尺度[6]？②在何種尺度上，可以正確地把握特定的土地利用變化規(guī)律[7]？③不同空間尺度上的數據在反映相同的土地利用現象時的差異如何[8]？

針對上述問題，國內外學者們做了大量的工作。陳佑啟和Verburg P H[11]采用6個不同的柵格尺度(32，64，96，128，160，192 km)，運用多元回歸模型，探討了我國土地利用的多尺度空間分布特征;鄧祥征等人[9]以中國北方農牧交錯帶為研究對象，分析了由于“可塑性面積單元問題”的存在而導致的土地利用變化驅動力研究中的尺度效應問題;張永民等人[10]分別在 5 個模擬尺度上(100，250，500，750，1 000 m)構建了河北省沽源縣的土地利用格局模擬模型，解釋了土地利用格局與驅動因素之間的相互關系及其尺度相關性特征，同時在此基礎上確定了研究區(qū)域的最優(yōu)模擬尺度。眾多的研究表明，學者們在選擇尺度分析方法時，大多數都是按照平均聚合的方法來建立一種人為的柵格尺度序列的。然而，真實世界的空間數據具有連續(xù)性和不均勻性的特點，柵格數據作為土地利用中一類重要的數據組織方式，對土地利用的空間分析、模擬和應用有著極為重要的意義。地理空間數據的聚合方式將對成果的解釋說明有顯著的差異，不同的聚合方式決定了格網數據的精度，并影響了后續(xù)空間分析和模擬結果的精度[11-12]。因此，在實現土地利用空間數據的柵格轉化時，應根據數據的分布特征與應用要求選用適當的聚合方法。鑒于此，本文選取位于湘西北巖溶山區(qū)的張家界市永定區(qū)為研究對象，嘗試從不同的矢柵轉換原則出發(fā)，對土地利用空間數據進行尺度轉換，然后采用多元Logistic回歸的方法，通過分別構建不同聚合尺度上的土地利用格局模擬模型，詳細分析研究區(qū)域內不同尺度轉換方式對土地利用格局的尺度依賴性規(guī)律，以期通過對土地利用尺度轉換問題的研究，有助于實施土地利用模式在不同尺度間的轉換，從而更進一步促進對不同尺度下土地利用與土地覆蓋變化機理和過程的認識。

1 研究區(qū)概況

張家界市永定區(qū)地處湖南省西北部，云貴高原武陵山脈北支中斷，長江流域洞庭湖水系澧水中上游，是張家界市旅游經濟開發(fā)的腹地。全區(qū)土地總面積2 174 km2，東與慈利、桃源毗鄰，南抵沅陵，西鄰永順，北與桑植、武陵源接壤，地理坐標為東經110°04′-110°55′，北緯 28°52′-29°25′。永定區(qū)境內群山起伏，溝谷縱橫，山地相對高差較大，最大高差達1 392.6 m。研究區(qū)水資源較為豐富，中部澧水自西向東蜿蜒而下，橫貫境內長達96.8 km，控制流域面積1 614.29 km2。全區(qū)年平均氣溫16.8℃，年日照時數為1 449.6 h，中部溪谷平地年降雨量1 300～1 600 mm，南部中低山區(qū)年降雨量在1 700 mm以上，屬于半亞熱帶山原型季風性濕潤氣候。

研究區(qū)具有以下三個典型特點:①地質構造復雜，地貌類型多樣化:全區(qū)地貌以山地為主，兼有丘陵、崗地、溪谷平原等多種地貌類型;②水土流失嚴重，生態(tài)環(huán)境脆弱:全區(qū)絕大部分旱地分布在山坡上，有近80%的旱地面積存在著不同程度的水土流失現象，山體滑坡等自然災害頻繁;③典型的少數民族聚居地區(qū)和農業(yè)旅游區(qū):2005年全區(qū)少數民族人口占總人口的比例高達78%;農業(yè)和旅游業(yè)總產值占全區(qū)GDP總量的73%。

2 數據來源和研究方法

2.1 數據來源與分析

本研究主要的數據來源包括:①張家界市永定區(qū)2005年土地利用現狀數據(MapGIS格式);②美國國家航空航天管理局(NASA)提供的永定區(qū)范圍內3弧秒精度的SRTM(Shuttle Radar Topography Mission)數據;③永定區(qū)2005年社會經濟統(tǒng)計年鑒。

首先，根據土地利用現狀圖在MapGIS平臺下提取出耕地、林地和建設用地三種用地類型，作為本次研究的主要土地利用類型，在此基礎之上轉換成shape文件格式。同時，土地利用是社會經濟與自然環(huán)境交互作用的結果，為了充分驗證在不同尺度轉換方式下，各種影響因子對土地利用格局的擬合狀況，本研究綜合考慮各種自然環(huán)境、社會經濟以及可達性方面的因素，具體包括以下幾個方面:①地形因子，包括高程、坡度和坡向等要素;②可達性因子，包括各點與公路的最近距離、與鐵路的最近距離、與水域的最近距離以及與主要鄉(xiāng)鎮(zhèn)的最近距離等;③社會經濟因子，包括城市化率、人口密度、勞動力密度、農業(yè)生產總值、工業(yè)生產總值等。

2.2 研究方法

2.2.1 Logistic回歸模型 Logistic回歸模型是土地利用變化研究中常用的一種方法。這種方法一般是將研究區(qū)細分為許多柵格單元，模型的目標變量(土地利用格局)由二分類變量數據表示，1表示某種土地利用類型出現，0表示不出現，模型的解釋變量(驅動因素)通過一系列自然和社會經濟因素來描述。

假設一個柵格可能出現某一土地利用類型的條件概率為Pi=P(yi=1│xi)，Logistic回歸模型假定這個概率能表達為如下的Logistic函數形式:

式中:Pi——每個柵格可能出現土地利用類型i的概率;X ——各備選驅動因素;βn——由Logistic回歸方程所診斷出的第n個驅動因素的回歸系數。Logistic函數是協(xié)變的非線性函數并且能轉換成線性函數形式。根據公式(1)，可以計算事件發(fā)生與不發(fā)生的比率為:

這個比率稱為似然比(odds)。通過對似然比進行自然對數變換就可以得到一個線性函數:

基于Logistic回歸方法的土地利用格局模擬模型就是根據公式(3)的Binary Logistic回歸方程構建而成的。對于Logistic回歸方程的解釋能力一般利用Pontius R G提出的ROC(Relative Operating Characteristics)方法[13]進行檢驗。檢驗指標 ROC值介于0.5和1.0之間，0.5表示回歸方程的解釋能力最差，與隨機判別效果相當，1.0表示方程的解釋能力最好，可以完全確定土地利用的空間分布，隨著ROC值的增加，Logistic回歸方程對土地利用格局的解釋能力逐漸上升。

2.2.2 尺度聚合方法 最常用的尺度聚合方法有兩種，第一種是以最大面積值為基礎(Rule of Maximum Area)的方法;第二種是以中心屬性值為基礎(Rule of Centric Cell)的方法[14]。前者可以理解為優(yōu)勢規(guī)則，相似于遙感重采樣方法中的平均值法，后者可以理解為隨機規(guī)則。

面積最大值的原則(RMA)是從轉換的網格中選取網格數量最多的類型作為輸出網格的類型，如果存在兩個或多個優(yōu)勢類型，隨機選擇其中之一作為輸出網格的類型。所用的方法是，利用Arc/info的Arc模塊下的PolyGrid命令，將矢量圖柵格化，每個柵格的取值為該柵格內所占面積最大的屬性值。在中心屬性值原則(RCC)下，網格取值是以柵格單元框架中心點的屬性值作為輸出值。所用的方法是利用Arcview的Grid模塊下的Convert to Grid命令，將矢量圖柵格化，每個柵格的取值為該柵格中心點的屬性值。一般而言，面積最大原則適用于分類較細、格網較小的情況，突出整體的分布規(guī)律。中心屬性值原則適用于具有連續(xù)分布特征的地理要素，如降水量分布、人口密度圖等[15]。

在本文的研究中，首先分別采用RMA方法和RCC方法對土地利用空間數據(包括土地利用類型數據和驅動因子數據)進行了尺度轉換(分別以100 m×100 m為起點，2 000 m×2 000 m為終點，100 m為間隔)，借助于SPSS 13.0軟件，在兩種聚合方法下構建不同尺度上的土地利用格局模擬模型。然后將RMA方法下的土地利用數據與RCC方法下的驅動因子數據組合，進行不同尺度上的土地利用格局模擬，以最終分析不同尺度轉換方式對土地利用格局及其決定因素之間相互關系的尺度依賴性規(guī)律。

3 結果分析

表1顯示了在不同聚合方法下，永定區(qū)2005年主要地類(耕地、林地和建設用地)的多元Logistic回歸模型在100 m×100 m～2 000 m×2 000 m各種聚合規(guī)模上的擬合優(yōu)度值。其中，所有模擬結果的擬合優(yōu)度均達到了ROC＞0.5的要求。在100 m×100 m的基本研究尺度上，回歸模型的擬合優(yōu)度均比較低，模型的擬合優(yōu)度總體上隨著聚合規(guī)模的升高而升高，但是在稍高聚合規(guī)模時(大于1 700 m×1 700 m)均發(fā)生驟變現象。總體而言，建設用地的擬合優(yōu)度較好，擬合優(yōu)度值均遠遠高于耕地和林地。

從表1可以看出，在不同的柵格化方法中，隨著柵格大小的變化，模型的擬合優(yōu)度(ROC值)的變化呈現不同的趨勢。在中心值原則(RCC)下，隨著柵格像元的增大，模型的擬合優(yōu)度值變化相對較大。其趨勢為:在400 m和700 m的尺度時，ROC值出現明顯的波動。在面積最大原則(RMA)和優(yōu)化組合方法(OIM)下，隨著聚合尺度的升高，模型的擬合優(yōu)度值變化相對較為平緩，且ROC值逐漸增大的趨勢比較明顯。比較RCC、RMA和OIM三種方法，優(yōu)化組合方法(OIM)具有更高的擬合優(yōu)度，在各種聚合尺度上，耕地、林地、建設用地的ROC值均得到了明顯的提高。

表1 不同聚合方法下的Logistic回歸擬合優(yōu)度對尺度變化的響應

圖1 永定區(qū)2005年1 700 m尺度上的土地利用分布格局(上)及其空間概率模擬(下)

盡管在不同的模擬尺度上，各種地類格局的Logistic回歸方程的擬合優(yōu)度具有明顯的不同，但是不管模擬尺度大小，各類解釋變量對土地利用類型發(fā)生比的作用方向是完全相同的，只是解釋變量對地類發(fā)生比的作用程度存在著一定的差異。并且，隨著模擬尺度的增大，所得方程的擬合優(yōu)度逐漸上升?？v觀三種方法，在1 700 m尺度時各種地類的擬合均出現ROC的峰值，因此，可以認為1 700 m是永定區(qū)土地利用格局的最佳模擬尺度，最終運用此尺度上的Logistic回歸模型分別對耕地、林地和建設用地格局的空間分布概率進行計算和模擬，模擬結果如圖1所示。

圖1顯示，在1 700 m的空間尺度上，永定區(qū)土地利用空間分布概率與土地利用格局的真實分布基本上是相符的，即土地利用類型的分布區(qū)域往往是模擬得到的概率較高區(qū)域。但是，在局部地區(qū)也存在著模擬概率與實際情況不符的地方，究其原因可能有兩個方面:(1)真實的土地利用分布格局與根據模型計算的模擬概率之間的誤差與相應尺度范圍內的土地利用復雜程度是相對應的，具體表現為永定區(qū)喀斯特地貌特征下的土地利用及其自然要素的高復雜性，必然引起尺度轉換時所帶來的柵格化誤差。(2)各種土地利用類型在區(qū)域土地利用空間格局分布過程中均存在著一定程度的空間自相關性，這種空間自相關性的特征在尺度轉換和模型模擬時都會帶來一定的誤差。這些情況說明，在進行尺度轉換時，針對不同的地理要素，尺度轉換方法的選擇是十分關鍵的。

4 結論

(1)基于由遙感和數字高程模型數據源得到的土地利用、地形、河流、湖泊、道路以及城鎮(zhèn)和農村居民點等空間數據，分別采用不同的尺度轉換方法，以100 m×100 m為起點，2 000 m×2000 m為終點，在20個空間模擬尺度分別構建了耕地、林地和建設用地的格局模擬模型。在不同的數據轉換方法下，土地利用格局模擬模型的擬合優(yōu)度都存在著顯著的差異，表明尺度轉換方式對土地利用格局存在著尺度依賴性規(guī)律。

(2)在空間尺度逐漸增大過程中，中心值原則(RCC)下，模型的擬合優(yōu)度值變化相對較大，表現出很強的隨機性，在400 m和700 m的尺度時，ROC值出現明顯的波動;面積最大原則(RMA)和優(yōu)化組合方法(OIM)下，隨著聚合尺度的升高，模型的擬合優(yōu)度值變化相對較為平緩，且ROC值逐漸增大的趨勢比較明顯。比較RCC、RMA和OIM三種方法，優(yōu)化組合方法(OIM)具有更高的擬合優(yōu)度，在各種聚合尺度上，耕地、林地、建設用地的ROC值均得到了明顯的提高。

(3)RMA法突出了整體的分布規(guī)律，而RCC法突出了土地利用復雜程度的空間分布特征。由原始矢量數據經過空間數據聚合構建的土地利用格局模型，可以在一定程度上揭示土地利用空間數據轉換所引起的尺度效應的變化規(guī)律。此外，研究結果對于區(qū)域土地利用的規(guī)劃、土地資源的合理開發(fā)與可持續(xù)發(fā)展戰(zhàn)略的實施也具有一定的指導意義和參考價值。

[1] 陳佑啟，Peter H V，徐斌.中國土地利用變化及其影響[J].地理科學進 展 ，2000 ，19(2):116-127.

[2] 李秀彬.全球環(huán)境變化研究的核心領域:土地利用/土地覆被變化的國際研究動向[J].地理學報，1996，51(5):553-558.

[3] 陳佑啟，Peter H V.中國土地利用/土地覆蓋的多尺度空間分布特征分析[J].地理科學，2000，20(3):197-202.

[4] Jane S，Darla M，Harini N.Land cover change and landscape fragmentation:comparing the utility of continuous and discrete analyses[J].Agriculture，Ecosystems and Environment，2004，101:185-205.

[5] Holling C S.Cross-scale morphology，geometry and dynamics of ecosystems[J].Ecological Monographs，1992 ，62(4):447-502.

[6] Marceau D J，Hay G L.Remote sensing contributions to the scale issue[J].Canadian Journal of Remote Sensing，1999，25:356-364.

[7] 李軍，莊大方.地理空間數據的適宜尺度分析[J].地理學報，2002，57(增刊):52-59.

[8] 邱揚，傅伯杰.土地持續(xù)利用評價的景觀生態(tài)學基礎[J].資源科學 ，2000 ，22(6):1-8.

[9] 鄧祥征，戰(zhàn)金艷.中國北方農牧交錯帶土地利用變化驅動力的尺度效應分析[J].地理與地理信息科學，2004，20(3):64-68.

[10] 張永民，周成虎，鄭純輝，等.沽源縣土地利用格局的多尺度模擬與分析[J].資源科學，2006，28(2):88-96.

[11] Fotheringham A S，Wong D W S.The modifiable areal unit problem in multivariate statistical analysis[J].Environment and Planning A ，1991，23:1025-1044.

[12] Openshaw S.The M odifiable Areal Unit Problem[M].Norwich:Geo Books，1984.

[13] Pontius R G，Schneider L C.Land-cover change model validation by a ROC method for the Ipswich watershed，Massachusetts，USA[J].Agriculture，Ecosystems and Environment，2001，85:239-248.

[14] He H S，Stentura T V，M ladenoff D J.Effects of spatial aggregation approaches on classified landsat TM satellite imagery[J].International Journal of Geographic Information Sciences，2002，16(1):93-109.

[15] 朱良峰，吳信才，劉修國.GIS中矢量多邊形網格化問題研究[J].地理與地理信息科學，2004，20(1):12-15.