基于CA-Markov模型的流溪河流域景觀格局分析及動態(tài)預測

蒙金華，張正棟 ，袁宇志，董才文

(華南師范大學地理科學學院，廣州501631)

景觀格局指空間結(jié)構(gòu)特征，包括景觀組成單元的類型、數(shù)目以及空間分布與配置［1］. 景觀格局變化通過影響景觀系統(tǒng)內(nèi)的物質(zhì)循環(huán)與能量流動，進而對區(qū)域內(nèi)重要的景觀生態(tài)過程產(chǎn)生深刻影響. 因此，景觀格局變化研究對于揭示景觀演變的機制與規(guī)律、探尋人類活動與生態(tài)環(huán)境演變之間的關(guān)系具有重要意義［2］.

景觀格局動態(tài)演變模擬是用數(shù)學的方式來表達景觀空間現(xiàn)象與時間過程，它舍棄模擬對象的一些細節(jié)部分而抓住其本質(zhì)特征，抽象地表述景觀格局的變化過程，最終實現(xiàn)對它的模擬［3］. 對景觀格局的模擬，Logistic 回歸模型、Markov 鏈、元胞自動機(CA)、效應模型(CLUE)以及2 種或3 種以上的復合模型［4－5］被應用較多. Turner［6］利用景觀指數(shù)采用定量方法對景觀格局進行了研究，取得有效結(jié)果，使得此方法得到廣泛運用，并使得景觀格局走向定量化研究;牛星和歐名豪［7］運用Markov 鏈方法對景觀格局動態(tài)進行了定量研究，計算出景觀之間的轉(zhuǎn)移速率，探索出未來各景觀格局變化趨勢. Acevedo等［8］通過定量分析和CA-Markov 模型來模擬地中海野生有蹄類動物的分布，成功地把景觀時空變化和物種分布動態(tài)變化聯(lián)系在一起，模擬結(jié)果具有較高參考性.Nouri 等［9］采用CA-Markov 模型作為規(guī)劃支持工具之一，對伊朗西北部的吉蘭省的時空變化和城市用地空間布局進行分析與未來增長用地的預測，模擬結(jié)果良好，對吉蘭省未來用地政策制定提供了決策支持，表明CA-Markov 模型在土地利用動態(tài)預測方面的優(yōu)勢.

已有的研究報道中較多以行政區(qū)為研究對象，以流域為研究單元的較少［10］.本文分析了廣州市流溪河流域的景觀格局變化，利用中科院地理信息平臺提供的TM 影像為基礎(chǔ)，運用CA-Markov 模型對流溪河流域未來的景觀格局進行模擬和預測，揭示了流域景觀格局變化的特征規(guī)律，為改善流域的生態(tài)環(huán)境提供了參考.

1 流域概況與研究方法

1.1 流域概況

流溪河(圖1)是珠江的一條支流，位于廣州市從化區(qū)北部，集雨面積在100 km2以上的支流共有5條.年徑流量28.4 億m3，年平均流量90.1 m3/s，降雨集中在4 ～9月.流溪河地處亞熱帶，氣候溫和，雨量充沛，資源豐富，物種眾多，是廣州市重要的水源河流，供應廣州60%的飲用水源，具有重要的資源和戰(zhàn)略價值.流域上游以材林和水源林為主，中下游以水果、蔬菜、花卉生產(chǎn)為主［11］.自2000年后，流域范圍處于高速城市化發(fā)展進程，整個流域的景觀格局發(fā)生劇烈變化.

圖1 流溪河區(qū)位圖Figure 1 Location of Liuxi basin

1.2 數(shù)據(jù)來源與研究方法

1.2.1 數(shù)據(jù)來源及預處理

(1)數(shù)據(jù)來源.從中國科學院數(shù)據(jù)應用環(huán)境中心獲得2010年DEM 數(shù)據(jù)(分辨率30 m)，以及2000、2005 和2010年的3 期TM 遙感圖像(分辨率30 m).從中國科學氣象數(shù)據(jù)共享網(wǎng)獲得2000—2010年年降水數(shù)據(jù)、年平均氣溫數(shù)據(jù).土地利用規(guī)劃數(shù)據(jù)主要源于《廣州市土地利用總體規(guī)劃(2005—2020)》.

(2)數(shù)據(jù)預處理.利用DEM 數(shù)據(jù)與分布式水文模型SWAT 生成流溪河流域范圍，以及水系分布、子流域分布情況.

對3 期遙感影像進行裁剪，以流域DEM 影像為底圖，對3 期遙感影像進行裁剪，在遙感軟件ENVI5.0 環(huán)境下進行監(jiān)督分類，依據(jù)本研究目的和流溪河自然地理環(huán)境特點，將流溪河景觀類型分為耕地、林草地、水體、園地、建筑用地和其他用地6 類，得到2000、2005 及2010年的3 期景觀格局分布圖，通過Kappa 系數(shù)驗證，流域3 期影像解譯精度都超過85%，圖2 為3 期影像的景觀分類結(jié)果圖.

1.2.2 景觀指數(shù)分析法 本文采取景觀格局指數(shù)分析法對流域景觀2000—2010年景觀格局動態(tài)進行分析，從景觀指數(shù)分類、景觀指數(shù)的相關(guān)性、不同指數(shù)對不同景觀格局的反應等方面，結(jié)合流溪河流域?qū)嶋H景觀特征，共選用8個景觀指數(shù)分析景觀格局.在斑塊類型水平上選3個指數(shù):面積指數(shù)(PA)、斑塊密度(PD)、平均分維度指數(shù)(Mfrac)，在整體景觀上選5個指數(shù):斑塊數(shù)目(NP)、平均最鄰近距離(MENN)、景觀多樣性指數(shù)(SHDI)、聚集度(AI)、優(yōu)勢度指數(shù)(DI)［12］.

圖2 2000、2005 和2010年流溪河流域景觀分類圖Figure 2 Landscape classification maps of Liuxihe basin of 2000，2005 and 2010

1.2.3 CA-Markov 模型預測方法 馬爾科夫模型(Markov)是基于馬爾科夫過程理論而形成的，有效預測事件發(fā)生概率的方法. 在對景觀格局變化的研究中，景觀類型對應Markov 過程中的“可能狀態(tài)”，景觀類型相互轉(zhuǎn)化的概率之比作為“狀態(tài)轉(zhuǎn)移概率”參與運算，進行運算公式如下:

其中，S(t)、S(t +1)分別是t、t +1 時刻的系統(tǒng)狀態(tài);P 表示狀態(tài)轉(zhuǎn)移概率矩陣:

元胞自動機(Cellular Automata)是一種時間、空間、狀態(tài)都離散的模型，具有強大的空間建模和計算能力，能夠模擬具有時空特征的復雜動態(tài)系統(tǒng)，由元胞、元胞空間、鄰居和規(guī)則等4個部分組成，其模型可用下式:

其中:S 表示元胞有限、離散的狀態(tài)集合;N 表示元胞的鄰域;t 和t +1 表示不同時刻;f 表示局部空間的元胞轉(zhuǎn)化條件規(guī)則.

CA-Markov 模型計算所用圖像的每一個柵格相當于一個元胞，對應不同的景觀類型，利用轉(zhuǎn)換規(guī)則最終確定中心元胞的景觀類型，對研究區(qū)的景觀類型變化過程進行預測.

本文運用CA-Markov 模型對景觀格局進行預測，運算的具體過程如下:(1)用2005年作為模擬開始的時刻，根據(jù)ArcGIS 軟件計算所得的2000—2005年各景觀類型的轉(zhuǎn)換面積作為Markov 狀態(tài)轉(zhuǎn)移矩陣的元素. (2)根據(jù)式(1)～(3)建立CA 轉(zhuǎn)換規(guī)則.(3)設(shè)置CA 迭代次數(shù)，本文設(shè)置模擬時間為每次10年. (4)CA 濾波器:采用5 ×5 的濾波器.(5)對模擬結(jié)果進行驗證與分析.

2 流域景觀格局演變特征

2.1 整體景觀尺度上景觀格局的指數(shù)變化

2000—2010年，景觀水平上的指數(shù)(表1)變化特征如下:(1)景觀斑塊數(shù)越來越大，平均最鄰近距離越來越低，景觀總體朝著破碎化的方向發(fā)展;(2)聚集度指數(shù)呈下降趨勢，表明相同景觀類型的聚集程度在下降，而不同類型的景觀的團聚程度呈上升趨勢;(3)景觀多樣性指數(shù)一直持續(xù)變大，而最大斑塊指數(shù)則在下降，表明流域內(nèi)各景觀類型的分布越發(fā)均勻;(4)單一景觀優(yōu)勢度呈現(xiàn)下降趨勢，主要體現(xiàn)在耕地面積減少、園地面積以及建設(shè)用地面積大量增加.

表1 2000—2010年間景觀指數(shù)變化Table 1 Landscape metrics variation from 2000 to 2010

2.2 斑塊類型尺度上流域景觀類型的格局指數(shù)變化

通過計算分析斑塊類型水平上的景觀指數(shù)，得到2000—2010年間流溪河景觀格局變化特征:

(1)景觀類型面積發(fā)生劇烈變化(表2):耕地面積不斷減少，2005年比2000年減少179.7 km2，2010年比2005 減少187.98 km2;建筑用地面積持續(xù)增加，2005年比2000年增加40.4 km2，2010年比2005年增加65.1 km2;林草地緩慢減少，2005年比2000年 減 少26.44 km2，2010年 比2005年 減 少10.77 km2;園地加倍增長，從2000年的182.86 km2增長到2010年的445.85 km2.水體跟其他用地變化不大，一直保持在42 ～43 km2之間. 說明在景觀格局變化中人為主導現(xiàn)象嚴重，如果樹效益高，園地的面積就成倍增長，而耕地面積成倍減少.

(2)林草地平均斑塊面積和斑塊數(shù)在下降，分形維數(shù)持續(xù)上升，斑塊密度先降低后升高.

(3)園地平均斑塊面積和平均分形維數(shù)都升高.

(4)水體平均分形維數(shù)先增加后降低，斑塊密度持續(xù)減少.水體的被利用性越來越高，如開發(fā)水庫等，對水體的斑塊密度減少產(chǎn)生重要影響.

(5)建設(shè)用地的平均斑塊面積、分形維數(shù)均不斷增加.說明在城市化背景下，耕地面積主要轉(zhuǎn)移至建筑用地;

圖3 2000—2010年斑塊密度(PD)指數(shù)變化Figure 3 Changes of PD from 2000 to 2010

圖4 2000—2010年平均分維度指數(shù)(Mfrac)變化Figure 4 Changes of Mfrac from 2000 to 2010

(6)其他用地斑塊數(shù)先增后減，平均斑塊面積與平均分維度先增后減.

表2 2000—2010年間景觀類型面積變化Table 2 Changes of landscape area from 2000 to 2010 km2

3 流域景觀格局模擬預測

3.1 景觀類型轉(zhuǎn)移矩陣與轉(zhuǎn)換規(guī)則生成

表3 呈現(xiàn)流溪河流域2000—2005年景觀類型相互轉(zhuǎn)化情況:建筑用地主要轉(zhuǎn)移成建設(shè)用地，耕地主要轉(zhuǎn)移成為建筑用地以及園地，林草地大部分保留成林草地，其他部分主要轉(zhuǎn)移成園地，水體基本保持不變，其他用地主要轉(zhuǎn)移成林草地以及小部分園地.

表3 2000—2005年間的轉(zhuǎn)移概率矩陣Table 3 Landscape type transition probabilities from 2000 to 2005 %

3.2 2010年預測結(jié)果與精度驗證

圖5 為2010年的景觀格局實際分布結(jié)果與預測結(jié)果.利用2010年的遙感影像景觀格局空間分布結(jié)果作為相對真值，從2個層面進行精度驗證.一是地類柵格數(shù)對比法，即比較各景觀類型預測結(jié)果和實際數(shù)據(jù)的柵格數(shù)量差異;二是對比預測結(jié)果中具體某個柵格位置的景觀類型是否與實際數(shù)據(jù)相同［13］.建筑用地、耕地、林草地、水體、園地以及其他用地的擬合度分別為0.78、0.75、0.85、0.88、0.74和0.97，整體KAPPA 指數(shù)為0.82，說明采用CAMarkov 模型的模擬結(jié)果較好，可靠性較高. 精度驗證結(jié)果見表4.

圖5 2010年實際景觀格局圖(A)與預測結(jié)果(B)的比較Figure 5 Comparison of the actual landscape pattern map (A)and the predicted result (B)in 2010

3.3 2020年預測結(jié)果與分析

用經(jīng)過精度驗證的CA-Markov 模型對流溪河流域2020年的景觀格局各指數(shù)進行預測.從預測結(jié)果(圖6)看，2020年流溪河流域建筑用地、耕地、林草地、水體、園地以及其他用地所占比例分別為:16.1%、20.2%、34.8%、1.5%、27.1%和0.3%. 根據(jù)流溪河流域各景觀類型的比重和空間分布變化，如果按照本文的轉(zhuǎn)換規(guī)則以及轉(zhuǎn)換概率發(fā)展，在未來幾年內(nèi)，建設(shè)用地以及林地面積迅速增長，耕地面積迅速減少.

將預測結(jié)果統(tǒng)計分析，并與2010年景觀指數(shù)進行對比(表5). 研究結(jié)果表明:2010—2020年景觀指數(shù)會繼續(xù)按照2000—2010年的變化趨勢發(fā)展，景觀多樣性指數(shù)上升到1.55，表明空間構(gòu)型朝復雜化方向發(fā)展.流域的各種斑塊類型分布越來越均勻，斑塊之間的距離在變小，下降到24.3 m，表明斑塊的破碎度呈現(xiàn)增加趨勢. 而單一斑塊支配程度呈下降的趨勢，優(yōu)勢度減少到0.65.根據(jù)預測結(jié)果表明，流域內(nèi)各景觀將朝均衡化的方向發(fā)展，景觀多樣性和破碎度呈現(xiàn)增加趨勢，人類活動以及經(jīng)濟發(fā)展對流域生態(tài)的影響將變得更加突出.

表4 2010年景觀格局預測精度驗證Table 4 Forecast verifying accuracy of landscape pattern in 2010

圖6 2020年景觀格局預測Figure 6 Forecast of landscape pattern in 2020

表5 2010 與2020年間景觀水平景觀指數(shù)對比Table 5 Comparison of landscape metrics at landscape level in 2010 and 2020

4 結(jié)論

流溪河流域景觀類型主要以耕地、林草地、建設(shè)用地和園地為主，在2000—2010年間流溪河流域耕地、林草地面積減少幅度較大，而建筑用地和園地面積呈現(xiàn)增加的趨勢，這表明十多年來流域景觀格局類型的變化主要是受人類活動的影響. 流域景觀破碎度在增加，斑塊更加復雜，各景觀類型變得均勻.

利用CA-Markov 模型預測流溪河流域2010年和2020年景觀格局，并將2010年景觀格局實際分布結(jié)果與預測結(jié)果進行對比，預測精度達82%，說明采用CA-Markov 模型的模擬結(jié)果較好，可靠性較高，也表明CA-Markov 模型可以用來模擬預測流溪河流域的景觀格局.

運用CA-Markov 模型對流域景觀格局進行模擬預測研究中，影響預測精度有2個方面:(1)中國科學院數(shù)據(jù)應用環(huán)境中心下載的TM 圖像的景觀類型解譯精度;(2)在復雜的景觀類型轉(zhuǎn)化過程中，轉(zhuǎn)換規(guī)則和模型參數(shù)的定義過程.因此，為了更準確地掌握流域景觀格局動態(tài)變化趨勢，上述2個方面還需要在今后的工作中進行深入研究.

2010—2020年流溪河流域內(nèi)各景觀面積均發(fā)生了變化，但變化不大，景觀斑塊交界的地方發(fā)生的變化較多.從總體上看，流域中下游地區(qū)景觀格局變化較劇烈，上游地區(qū)景觀格局變化趨于穩(wěn)定.在人類活動為主要驅(qū)動因素下，流域景觀的破碎度與聚合度將繼續(xù)受到影響，并因為人類的活動與意志，人為景觀將逐漸取代自然景觀，流域自身生態(tài)恢復能力將降低.為了提高流域內(nèi)景觀格局的穩(wěn)定性，建議對流域內(nèi)的耕地與林草地面積進行恢復，保持在一定的范圍，同時要限制建筑用地的無限擴張.

［1］鄔建國. 景觀生態(tài)學—格局、過程、尺度與等級［M］.北京:高等教育出版社，2000:213－215.

［2］謝家麗，宋翔，顏長珍. 人類干擾對若爾蓋高原景觀格局變化影響的遙感分析［J］. 北京聯(lián)合大學學報:自然科學版，2012，26(3):16－20.Xie J L，Song X，Yan C Z. Response of landscape pattern changes to human interference in Zoige Plateau［J］. Journal of Beijing Union University:Natural Sciences，2012，26(3):16－20.

［3］劉焱序，任志遠，李春越. 秦嶺山區(qū)景觀格局演變的生態(tài)服務價值響應研究——以商洛市為例［J］. 干旱區(qū)資源與環(huán)境，2013，27(3):109－114.Liu Y X，Ren Z Y，Li C Y. Response of ecosystem services value to the landscape patterns change in Qin-ling mountains:A case of Shangluo city［J］. Journal of Arid Land Resources and Environment，2013，27(3):109－114.

［4］Luo G，Yin C，Chen X，et al. Combining system dynamic model and CLUE-S model to improve land use scenario analyses at regional scale:A case study of Sangong watershed in Xinjiang，China［J］. Ecological Complexity，2010，7:198－207.

［5］Zhang Q，Ban Y，Liu J，et al. Simulation and analysis of urban growth scenarios for the Greater Shanghai area，China［J］. Computers，Environment and Urban Systems，2011，35:126－139.

［6］Turner M G.Landscape ecology:The effect of pattern on process［J］.Annual Review of Ecology Systematics，1989(20):171－197.

［7］牛星，歐名豪. 基于Markov 理論的揚州市土地利用結(jié)構(gòu)預測［J］. 經(jīng)濟地理，2007，27(1):153－156.Niu X，Ou M H. Study on the forecast of land structure in Yanzhou city based on Markov theory［J］. Economic Geography，2007，27(1):153－156.

［8］Acevedo P，F(xiàn)arfán M A，Márquez A L，et al. Past，present and future of wild ungulates in relation to changes in land use［J］. Landscape Ecology，2011，26(1):19－31.

［9］Nouri J，Gharagozlou A，Arjmandi R，et al.Predicting urban land use changes using a CA-Markov model［J］.Arabian Journal for Science and Engineering，2014，39(7):5565－5573.

［10］陳愛玲，都金康. 基于CA－Markov 模型的秦淮河流域土地覆蓋格局模擬預測［J］. 國土資源遙感，2014，26(2):184－189.Chen A L，Du J K.Simulation and forecast of land cover pattern in Qinhuai River basin based on the CA-Markov model［J］. Remote Sensing for Land ＆ Resources，2014，26(2):184－189.

［11］吉冬青，文雅，魏建兵，等. 流溪河流域土地利用景觀生態(tài)安全動態(tài)分析［J］. 熱帶地理，2013，33(3):299－306.Ji D Q，Wen Y，Wei J B，et al. Dynamic trend of land use landscape ecological security in liuxihe watershed［J］. Tropical Geography，2013，33(3):299－306.

［12］程剛，張祖陸，呂建樹，等.基于CA-Markov 模型的三川流域景觀格局分析及動態(tài)預測［J］. 生態(tài)學雜志，2013，32(4):999－1005.Cheng G，Zhang Z L，Lv J S，et al. Landscape pattern analysis and dynamic prediction of Sanchuan basin in East China basedon CA-Markov model［J］.Chinese Journal of Ecology，2013，32(4):999－1005.

［13］馮異星，羅格平，周德成，等. 近50a 土地利用變化對干旱區(qū)典型流域景觀格局的影響——以新疆瑪納斯河流域為例［J］. 生態(tài)學報，2010，30(16):4295－4305.Feng Y X，Luo G P，Zhou D C，et al. Effects of land use change on landscape pattern of a typical arid watershed in the recent 50 years:A case study on Manas River Watershed in Xinjiang［J］. Acta Ecologica Sinica，2010，30(16):4295－4305.