基于CA-Markov模型的哈爾濱市土地利用變化預(yù)測研究*

李志明，宋 戈.2※，魯 帥，王 蓓，徐四桂

(1.東北農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，黑龍江哈爾濱 150030；2.東北大學(xué)土地管理研究所，遼寧沈陽 110819)

0 引言

土地利用變化是人類經(jīng)濟社會發(fā)展對土地資源利用的直接反映，是全球環(huán)境變化和可持續(xù)發(fā)展研究的主要內(nèi)容[1-2]。加速的土地利用變化產(chǎn)生更加復(fù)雜的土地利用格局，直接或間接引發(fā)生態(tài)環(huán)境變化[3]，如土壤質(zhì)量[4-5]、氣候條件[6-7]、水文狀況[8]等。因此，科學(xué)合理地分析土地利用演變特征，探究未來土地利用變化趨勢，能夠為區(qū)域土地資源的合理開發(fā)利用、生態(tài)環(huán)境的改善和保護、經(jīng)濟的可持續(xù)發(fā)展提供科學(xué)的參考依據(jù)[9-10]。目前，國內(nèi)外土地利用變化預(yù)測模型主要包括側(cè)重時間維度分析的系統(tǒng)動力學(xué)模型、Markov模型、Logistic模型、神經(jīng)網(wǎng)絡(luò)模型等和側(cè)重空間維度分析的CA模型、CLUE模型、CLUE-S模型等。CA-Markov模型由于結(jié)合了Markov模型的時間維度分析優(yōu)勢和CA的空間維度分析能力[11]，得到了廣泛的應(yīng)用和探討。研究尺度側(cè)重于中尺度的流域[11-13]和城市[14-15]，研究內(nèi)容集中于模型指標(biāo)選取對預(yù)測精度的影響[16]和未來土地利用趨勢對區(qū)域生態(tài)環(huán)境的影響[13]等方面，但多數(shù)研究中將Markov模型預(yù)測的條件概率圖像、較單一的影響因子或單生態(tài)方面的影響因子作為元胞自動機的轉(zhuǎn)換規(guī)則，轉(zhuǎn)換規(guī)則過于簡單，缺乏社會經(jīng)濟因子對土地利用變化影響的考慮，使結(jié)果不能更好地貼合實際發(fā)展情況。因此，文章以哈爾濱市建成區(qū)為例，選取經(jīng)濟和生態(tài)兩方面的GDP、坡度、水域、與道路距離、與水域距離、與建設(shè)用地距離共6種影響因子，采用MCE模型中的加權(quán)線性合并法單獨制作耕地和建設(shè)用地適宜性圖集參與到元胞自動機轉(zhuǎn)換規(guī)則中。應(yīng)用GIS技術(shù)、Markov模型和土地利用重心遷移模型探究1992～2014年土地利用時空演變規(guī)律，最后基于CA-Markov模型對2025年研究區(qū)土地利用變化進行更加細致的預(yù)測。

1 研究區(qū)概況和數(shù)據(jù)來源

1.1 研究區(qū)概況

哈爾濱市位于黑龍江省南部，地跨125°42′E～130°10′E，44°04′N～46°40′N，地勢東南高，西北低，東南地區(qū)多山地丘陵，西北地區(qū)位于松嫩高平原上，平坦低洼，松花江貫穿其中。年平均降水570mm，四季分明，屬于溫帶大陸性季風(fēng)氣候。全市總面積5.3萬km2， 2014年總?cè)丝谶_987萬，是重要的工業(yè)城市，城鎮(zhèn)化發(fā)展迅速。該文選取哈爾濱市的道外區(qū)、道里區(qū)、南崗區(qū)、阿城區(qū)、松北區(qū)、呼蘭區(qū)、香坊區(qū)和平房區(qū)8個主要市轄區(qū)為研究區(qū)。該區(qū)域位于哈爾濱市西北部，總面積約7 083km2，占哈爾濱市總面積的13.36%，土地利用類型豐富，以耕地和林地為主， 2014年土地利用情況與1992相比，耕地面積減少了10.91%，建設(shè)用地增加了74.37%，是研究土地利用變化的熱點區(qū)域。

1.2 數(shù)據(jù)來源

選取研究區(qū)1992年、2003年和2014年3期遙感影像(1992年和2003年為Landsat 5 TM影像， 2014年為Landsat 8 OLI影像，分辨率均為30m)為基礎(chǔ)數(shù)據(jù)(數(shù)據(jù)下載于http：//www.gscloud.cn/)，利用ENVI 5.1對遙感影像進行波段融合、圖像校正等預(yù)處理后，應(yīng)用ArcGIS10.2對數(shù)據(jù)進行解譯，解譯過程借助地形圖等相關(guān)材料進行校準，參考《第二次全國土地調(diào)查土地分類》標(biāo)準和研究區(qū)實際情況，將土地利用類型分為耕地、林地、草地、水域、建設(shè)用地和未利用地6個一級分類(圖1)。其他數(shù)據(jù)包括研究區(qū)30m分辨率的DEM數(shù)據(jù)，哈爾濱市社會經(jīng)濟統(tǒng)計數(shù)據(jù)等。

2 研究方法

基于研究區(qū)3期土地利用解譯數(shù)據(jù)，運用GIS空間分析技術(shù)，利用Markov模型和土地利用重心遷移模型分析1992～2014年土地利用動態(tài)變化特征，選取一定約束條件和適宜性因子，結(jié)合MCE模型，建立適宜性圖集，采用CA-Markov模型對土地利用變化進行預(yù)測研究，并應(yīng)用土地利用動態(tài)度對預(yù)測結(jié)果進行評價。

2.1 土地利用重心遷移模型

土地利用重心是在人口分布重心理論的背景下提出，用于表征土地開發(fā)利用過程的重心空間位置以及變化情況。計算方法如下：

(1)

式(1)中，Xk、Yk分別表示k種土地利用類型重心X、Y坐標(biāo)值；Aki表示k種土地利用類型i圖斑的面積；Xki、Yki分別表示k種土地利用類型i圖斑的幾何中心X、Y坐標(biāo)值；Ak表示k種土地利用類型總面積。

2.2 MCE模型

MCE是為實現(xiàn)一個具體目標(biāo)，而設(shè)定一系列的評價準則的過程[17]，其最基本的問題是如何整合不同的決策準則信息，即如何整合約束條件和適宜性因子兩類決策準則信息。該文采用MCE中的加權(quán)線性合并法，能夠較好的表達連續(xù)性的適宜性因子，其運算過程如下：

S=∑wixi∏cj

(2)

式(2)中，S為適宜性指數(shù)；wi為第i個適宜性因子的權(quán)重指數(shù)；xi是第i個適宜性因子的得分。該文將適宜性因子統(tǒng)一模糊處理至0～255范圍內(nèi)，數(shù)值越大，適宜度越高；cj是約束條件j的數(shù)值，其值為0或1，表示不流轉(zhuǎn)或可流轉(zhuǎn)。

結(jié)合研究區(qū)經(jīng)濟、生態(tài)條件，選取GDP、坡度、水域、與道路距離、與水域距離、與建設(shè)用地距離6種影響因子，針對建設(shè)用地和耕地，單獨設(shè)置約束條件和適宜性因子用于制作適宜性圖集，其余土地利用類型由于限制因素較少，故選擇Markov模型生成的條件概率矩陣作為適宜性圖集。具體如下：

(1)建設(shè)用地。設(shè)定約束條件為： ①水域，考慮到水資源短缺、水域污染等生態(tài)環(huán)境問題，出于對研究區(qū)的環(huán)境保護，將水域設(shè)定為不發(fā)生用地類型轉(zhuǎn)換，賦值為0，其余賦值為1； ②坡度，根據(jù)《水土保持工作條例》和研究區(qū)自然條件，設(shè)定坡度大于25°為禁止開發(fā)區(qū)域，賦值為0，其余賦值為1。設(shè)定適宜性因子為： ①與建設(shè)用地距離，建設(shè)用地對周邊土地的轉(zhuǎn)入有較高的吸引，且隨著距離的增大，吸引力不斷弱化，直至形成無差別影響。故設(shè)定500m內(nèi)適宜流轉(zhuǎn)，適宜度隨距離的增加單調(diào)遞[12]； ②與水域距離，出于對環(huán)境的保護，不考慮距水域100m范圍內(nèi)土地的流轉(zhuǎn)， 100m外隨距離增加，轉(zhuǎn)變?yōu)榻ㄔO(shè)用地適宜度增高[13]； ③與道路距離，道路對經(jīng)濟發(fā)展的影響顯著，設(shè)定研究區(qū)主要道路100m內(nèi)，適宜度不斷減弱， 100m外適宜度無差別[10]； ④GDP，由于建設(shè)用地對GDP貢獻最大，故設(shè)定GDP越高，建設(shè)用地轉(zhuǎn)入適宜度越高。

(2)耕地。設(shè)定的約束條件與建設(shè)用地相同。設(shè)定適宜性因子為： ①與建設(shè)用地距離， 500m內(nèi)適宜性最弱， 500m外適宜度不斷增加； ②與水域距離，考慮到水源對耕地的重要性，設(shè)置100m內(nèi)，適宜度最高， 100m外適宜度逐漸減弱； ③與道路距離，與主要道路100m內(nèi)適宜度最弱， 100m外適宜度逐漸增強； ④GDP，耕地對GDP的貢獻相對較小，故設(shè)定適宜度隨GDP的降低而降低。

2.3 CA-Markov模型及預(yù)測方法

Markov模型是用不同時間的系統(tǒng)狀態(tài)給出一個從一種土地利用類型到另一種類型的轉(zhuǎn)換概率矩陣，預(yù)測未來某一時刻的系統(tǒng)狀態(tài)，是一種空間概率模型，強調(diào)的是從時間維度上分析土地利用的變化趨勢。CA模型是基于元胞的前一個狀態(tài)及周邊鄰域狀態(tài)按一定轉(zhuǎn)換規(guī)則預(yù)測未來元胞狀態(tài)的模型，是局部網(wǎng)絡(luò)動力學(xué)模型，其主要強調(diào)在空間維度上進行預(yù)測。CA-Markov模型結(jié)合Markov模型時間維度分析的優(yōu)勢和CA模型在空間維度分析的優(yōu)勢，降低了制定轉(zhuǎn)換規(guī)則的難度，減少了人為因素的干擾。具體預(yù)測過程如下：

(1)計算土地轉(zhuǎn)移矩陣。將1992年和2003年土地利用解譯數(shù)據(jù)進行疊置分析，利用Markov模型計算土地轉(zhuǎn)移概率矩陣和面積矩陣，并作為轉(zhuǎn)換規(guī)則參與后面預(yù)測。

(2)適宜性圖集的建立。應(yīng)用MCE整合不同準則標(biāo)準，得到不同土地類型的轉(zhuǎn)移適宜性圖，合并成適宜性圖集，參與土地利用變化的預(yù)測。

(3)參數(shù)設(shè)定。該文以2003年為預(yù)測時間起點，設(shè)定5×5的元胞濾波器，對2014年土地利用空間分布進行預(yù)測。在預(yù)測精度較好的情況下，以2014年為起始年，進行2025年的土地利用空間分布預(yù)測。

2.4 土地利用動態(tài)度

土地利用動態(tài)度是反映土地利用變化程度的重要指標(biāo)，其動態(tài)模型可分為單一和綜合土地利用動態(tài)度，該文選擇單一土地利用動態(tài)度指標(biāo)進行預(yù)測結(jié)果的評價，可以反映某一土地利用類型變化的劇烈程度。

(3)

式(3)中，i表示土地利用類型；Ki表示一定時間段內(nèi)i土地利用類型的動態(tài)度；At2和At1分別表示變化目標(biāo)年和變化基準年土地利用面積；t2-t1表示研究期時間間隔。

3 結(jié)果分析

3.1 土地利用結(jié)構(gòu)變化分析

基于ArcGIS10.2分析了1992、2003和2014年3期解譯的土地利用數(shù)據(jù)，得到土地利用情況(表1)。

由表1可見，研究區(qū)內(nèi)耕地占主體地位，所占比例分別為72.35%、70.45%和64.45%，在此期間，耕地以每年0.35個百分點的速率不斷減少，共減少5.592 7萬hm2，耕地壓力不斷增加。草地和未利用地也呈現(xiàn)減少態(tài)勢，減少速率較為緩和。林地和水域先減少后增加， 2014年相較于1992年所占比例有所提升，體現(xiàn)出近年來哈爾濱對生態(tài)環(huán)境保護工作的重視及取得的成果。建設(shè)用地不斷增加， 22年期間增加5.64個百分點，增加面積為3.996 8萬hm2，反映出在城鎮(zhèn)化水平不斷提高、人口壓力增大、經(jīng)濟不斷發(fā)展的背景下，對建設(shè)用地擴展的需求。

表1 1992年、2003年和2014年研究區(qū)各類土地利用面積及所占比例

土地利用類型199220032014面積(萬hm2)百分比(%)面積(萬hm2)百分比(%)面積(萬hm2)百分比(%)耕地51.248072.3549.900670.4545.655364.45林地11.377616.0611.178915.7811.415016.12草地0.48340.680.44290.630.33650.48水域2.14213.022.01392.844.01495.67建設(shè)用地5.36977.587.179310.149.363513.22未利用地0.21280.300.11790.170.04850.07

3.2 土地利用變化的空間轉(zhuǎn)換分析

單純的土地利用類型面積的增減不能較好地反映各類型間的轉(zhuǎn)換情況，該文通過IDRISI中的空間分析功能，得到1992～2003年和2003～2014年土地利用面積轉(zhuǎn)移矩陣(表2)，從而充分了解土地利用空間變化過程。

表2 1992～2014年研究區(qū)土地利用面積轉(zhuǎn)移矩陣 hm 2

1992～2003年間，耕地凈轉(zhuǎn)出1.350 4萬hm2，主要轉(zhuǎn)出為建設(shè)用地2.354 7萬hm2和林地1.294 0萬hm2； 林地凈轉(zhuǎn)出1 436hm2，轉(zhuǎn)入轉(zhuǎn)出基本平衡； 建設(shè)用地凈轉(zhuǎn)入1.810 7萬hm2，耕地轉(zhuǎn)入的2.354 7萬hm2是建設(shè)用地增加的主要原因； 水域少量減少，凈轉(zhuǎn)出1 811hm2，水域和耕地之間的相互轉(zhuǎn)換明顯； 草地和未利用地由于面積較小，總體轉(zhuǎn)入轉(zhuǎn)出不明顯。但空間位置變化明顯。2003～2014年間，耕地持續(xù)減少，凈轉(zhuǎn)出4.195 2萬hm2，主要轉(zhuǎn)出為建設(shè)用地2.932 2萬hm2，水域2.142 7萬hm2和林地1.298 3萬hm2，主要轉(zhuǎn)入未建設(shè)用地8 797hm2和林地7 399hm2； 林地由凈轉(zhuǎn)出變?yōu)閮艮D(zhuǎn)入4 297hm2，主要由于轉(zhuǎn)出為耕地的面積減少和耕地的轉(zhuǎn)入增多； 建設(shè)用地不斷增加，增加速度高于上時段，凈增加2.184 6萬hm2，耕地仍然是建設(shè)用地重要來源，轉(zhuǎn)入2.932 2萬hm2，轉(zhuǎn)出主要為耕地8 797hm2； 水域較上時段明顯不同，不降反增加1.756 5萬hm2，轉(zhuǎn)入主要為耕地2.142 7萬hm2，總轉(zhuǎn)出由上時段的1.197 8萬hm2減少到4 942hm2，可見環(huán)境保護效果明顯。

圖1 1992、2003和2014年研究區(qū)土地利用情況

圖2 土地利用重心點空間位置

3.3 土地利用重心變化

從上述分析可知， 1992～2014年各土地利用類型中，耕地和建設(shè)用地變化最為顯著，同時也是區(qū)域經(jīng)濟發(fā)展和糧食安全的重要影響因子，故該文以耕地和建設(shè)用地兩種地類為代表，分析其重心變化特征，借助GIS空間分析技術(shù)和式(1)得到圖2，并將2025年預(yù)測結(jié)果展布到圖2，用于后期預(yù)測分析。1992～2003年，耕地重心向東南方向移動356m，移動速度較慢； 建設(shè)用地向西移動2 307m，表明建設(shè)用地向四周擴張的同時，更偏向于哈爾濱建成區(qū)西南方向發(fā)展。2003～2014年，耕地重心向北移動886m，較上時間段速度明顯加快，未來幾年有加快移動的趨勢； 建設(shè)用地向南移動1 791m，移動速度減緩。整體來看， 1992～2014年間，受研究區(qū)北部糧食主產(chǎn)區(qū)的影響，耕地重心整體向北方向移動，向呼蘭區(qū)、巴彥縣方向靠攏，建設(shè)用地由于松花江流域的阻隔和氣候的限制，整體向有利于經(jīng)濟發(fā)展的西南方向移動。

3.4 CA-Markov模型預(yù)測精度檢驗

模型的一個重要性步驟是檢驗。一般情況下，利用某一土地覆蓋狀況已知時段的預(yù)測，估算對一個過程的認識和模仿的功效，這就是用于驗證的測試。Kappa統(tǒng)計是較為常用的精度檢驗?zāi)Ｐ?式3)，其判別標(biāo)準為Kappa值從0～1表示兩幅圖像從完全不吻合到完全吻合的轉(zhuǎn)變，其中Kappa≥0.75表明模型預(yù)測精度較高，Kappa≤0.4預(yù)測精度較差。該文應(yīng)用CA-Markov模型預(yù)測的2014年土地利用類型預(yù)測結(jié)果(圖3b)與2014年已知土地利用數(shù)據(jù)(圖3a)進行Kappa驗證，結(jié)果為Kappa=0.878 0，檢驗精度較高，能夠進行后續(xù)預(yù)測研究，公式表達如下[18]。

(3)

式(3)中，p0表示土地利用分布預(yù)測正確比例；pc表示隨機情形下預(yù)測正確比例；pp表示理想狀態(tài)下預(yù)測完全正確的比例。

圖3 2014年研究區(qū)土地利用現(xiàn)狀圖(a)和預(yù)測圖(b)

圖4 2014年研究區(qū)土地利用現(xiàn)狀圖和2025年研究區(qū)土地利用預(yù)測

表3 2014～2025年研究區(qū)土地利用轉(zhuǎn)移概率矩陣

土地類型耕地林地草地水域建設(shè)用地未利用地耕地0.7410.0520.0020.0870.1180.000林地0.1710.7760.0000.0200.0330.000草地0.3390.0240.5360.0070.0950.000水域0.3280.0150.0000.6410.0150.000建設(shè)用地0.2410.0170.0020.0030.7360.001未利用地0.3820.0810.0030.0760.2100.249 注:橫向代表變化基準年2014年,縱向代表變化目標(biāo)年2025年

表4 2003～2025年研究區(qū)土地利用變化情況

土地利用類型20252003～20142014～2025預(yù)測面積(萬hm2)面積變化(萬hm2)動態(tài)度(%)面積變化(萬hm2)動態(tài)度(%)耕地39.4527-4.2453-8.51-6.2026-13.59林地11.63790.23602.110.22301.95草地0.2895-0.1065-24.03-0.0470-13.96水域6.75432.001099.362.739568.23建設(shè)用地12.77642.184230.423.412936.45未利用地0.0398-0.0694-58.87-0.0087-17.96

3.5 CA-Markov模型預(yù)測結(jié)果分析

在模型預(yù)測精度檢驗檢驗合格的基礎(chǔ)上，以2014年土地利用數(shù)據(jù)為基礎(chǔ)，制作用于2025年預(yù)測的適宜性圖集，并與Markov模型預(yù)測的2014～2025年土地面積轉(zhuǎn)移矩陣(表3)同時作為轉(zhuǎn)換規(guī)則進行2025年研究區(qū)土地利用變化的預(yù)測，結(jié)果見圖3、圖4和表4。

預(yù)測結(jié)果表明， 2025年研究區(qū)耕地面積39.452 7萬hm2，延續(xù)1992年以來減少的趨勢，較2014年共減少6.202 6萬hm2，且減少速率與2003～2014年時段相比不降反增，耕地保護壓力加大，耕地重心加速向北移動，向糧食主產(chǎn)區(qū)靠近， 2014～2025年間預(yù)計移動1 780m； 林地面積11.637 9萬hm2，較2014年穩(wěn)中有增，變化不顯著，空間分布多集中于東南部； 草地面積減少到2 895hm2，與2014年相比減少41hm2，相比于上一時間段減少速度降低，但動態(tài)度反映草地變化仍然活躍； 水域面積6.254 3萬hm2，增加2.739 5萬hm2，空間分布變化體現(xiàn)為在2014年原有水域的基礎(chǔ)上擴寬、延長，水域的大量增加將使生態(tài)環(huán)境得以改善； 建設(shè)用地面積12.776 4萬hm2，自1992年以來不斷增加， 2014～2025年間增加3.412 9萬hm2，增速高于2003～2014時段。土地利用變化活躍，空間分布結(jié)果表明，建設(shè)用地增加過程集聚效應(yīng)顯著，增加的面積多分布于原建設(shè)用地周邊，且占用耕地現(xiàn)象明顯，建設(shè)用地重心繼續(xù)向西南方向移動， 2014～2025年預(yù)計移動1 114m，移動速度減緩； 未利用地面積398hm2，比2014年減少87hm2。

4 結(jié)論與討論

(1)該文基于Markov模型和GIS、RS技術(shù)，分析哈爾濱市建成區(qū)1992～2014年間土地利用類型演變特征。選取經(jīng)濟生態(tài)方面的6個影響因子，水域和坡度兩個約束條件和GDP、與水域距離、與建設(shè)用地距離、與道路距離4個適宜性因子參與到轉(zhuǎn)換規(guī)則的制定中，假設(shè)預(yù)測時間段內(nèi)未發(fā)生突發(fā)性事件，應(yīng)用CA-Markov模型預(yù)測了2025年土地利用情況。試驗得到的2014年土地利用結(jié)果和實際解譯數(shù)據(jù)Kappa系數(shù)達0.878 0，表明轉(zhuǎn)換規(guī)則的制定可行，模型可信度較高。轉(zhuǎn)換規(guī)則的制定提高了預(yù)測結(jié)果的準確合理性，使預(yù)測結(jié)果能夠為土地利用規(guī)劃的修編和生態(tài)環(huán)境的保護提供決策支持。

(2)土地利用變化演變特征主要集中于： 1992～2014年間，耕地面積持續(xù)減少，耕地重心向北加速移動，向糧食主產(chǎn)區(qū)呼蘭、巴彥縣方向靠近； 建設(shè)用地由于耕地的大量轉(zhuǎn)入使其在原有空間位置上不斷擴張，建設(shè)用地重心向西南方向移動； 林地在數(shù)量和空間分布上相對穩(wěn)定； 草地和未利用地面積變化微弱，但空間分布變化明顯； 水域面積先減后增，反映出環(huán)境保護政策中水域保護效果明顯，耕地和水域之間大量轉(zhuǎn)換。

(3)2025年預(yù)測表明，耕地繼續(xù)減少，且減少速率不見緩和，耕地保護壓力較大，耕地重心持續(xù)向北移動，且速度加快； 林地延續(xù)前期變化趨勢，穩(wěn)中有升； 水域面積明顯增加，土地利用變化活躍，對未來環(huán)境改善有積極促進作用； 建設(shè)用地不斷增加，占用大量耕地，擴展明顯，建設(shè)用地重心持續(xù)向西南移動，移動速度減慢； 草地和未利用地總面積較小，呈零星分布。

研究中，對模型參數(shù)選擇采用統(tǒng)一的30m×30m元胞大小， 5×5濾波器，未考慮元胞大小以及濾波器對預(yù)測結(jié)果的影響； 土地利用變化受到社會、經(jīng)濟、生態(tài)等多方面影響，該文由于數(shù)據(jù)的不足和部分因子定量化困難的原因，只考慮了經(jīng)濟生態(tài)方面的6個影響因子，對影響土地利用的社會因子如永久基本農(nóng)田、人口密度等分析不足。在未來的研究中，加大對上述問題的探索力度，實現(xiàn)更好的空間預(yù)測效果。

[1] 后立勝，蔡運龍.土地利用/覆被變化研究的實質(zhì)分析與進展評述.地理科學(xué)進展， 2004， 23(6)： 96～104

[2] 王兵， 臧玲.我國土地利用/土地覆被變化研究近期進展.地域研究與開發(fā)， 2006, 25(2): 86～91

[3] Weber C，Puissant A.Urbanization pressure and modeling of urban growth：Example of the tunis metropolitan area.Remote Sensing of Environment， 2003， 86(1/2)： 341～352

[4] 李志， 劉文兆，鄭粉莉.基于CA-Markov模型的黃土塬區(qū)黑河流域土地利用變化.農(nóng)業(yè)工程學(xué)報， 2010， 26(1)： 346～352， 391

[5] Bormann H，Breuer L，Graff T，et al.Analysing the effects of soil properties changes associated with land use changes on the simulated water balance：a comparison of three hydrological catchment models foe scenario analysis.Ecol Model， 2007， 209(1)； 29～40

[6] 劉紀遠， 邵全琴，延曉冬，等.土地利用變化對全球氣候影響的研究進展與方法初探.地球科學(xué)進展， 2011, 26(10): 1015～1022

[7] 趙麗， 張蓬濤，周智.環(huán)首都貧困區(qū)土地利用變化對生態(tài)系統(tǒng)的影響及驅(qū)動因素分析——以河北淶水縣為例.中國農(nóng)業(yè)資源與區(qū)劃， 2013, 34(5): 74～81

[8] Brath A，Montanan A，Moretti G.Assessing the effect on flood frequency of land ues change via hydrological simulation(with uncertainty).Journal of Hydrology， 2006， 324(1/2/3/4)： 141～153

[9] 汪佳莉， 吳國平，范慶亞，等.基于CA-Markov模型的山東省臨沂市土地利用格局變化研究及預(yù)測.水土保持研究， 2015, 22(1): 212～216

[10]趙冬玲， 杜萌，楊建宇，等.基于CA-Markov模型的土地利用演化模擬預(yù)測研究.農(nóng)業(yè)機械學(xué)報， 2016, 47(3): 278～285

[11]王友生， 余新曉，賀康寧，等.基于CA-Markov模型的藉河流域土地利用變化動態(tài)模擬.農(nóng)業(yè)工程報， 2011， 27(12)： 330～336， 442

[12]肖明， 吳季秋，陳秋波，等.基于CA-Markov模型的昌化江流域土地利用動態(tài)變化.農(nóng)業(yè)工程學(xué)報， 2012, 28(10): 231～238

[13]何丹， 周璟，高偉，等.基于CA-Markov模型的滇池流域土地利用變化動態(tài)模擬研究.北京大學(xué)學(xué)報(自然科學(xué)版)， 2014, 50(6): 1095～1105

[14]龔文峰， 袁力，范文義.基于CA-Markov的哈爾濱市土地利用變化及預(yù)測.農(nóng)業(yè)工程學(xué)報， 2012, 28(14): 216～222

[15]許月卿， 崔麗，孟繁盈.大城市邊緣區(qū)土地利用變化與社會經(jīng)濟發(fā)展關(guān)系分析——以北京市平谷區(qū)為例.中國農(nóng)業(yè)資源與區(qū)劃， 2008, 29(4): 16～21

[16]杜萌， 趙冬玲，楊建宇，等.基于元胞自動機復(fù)合模型的土地利用演化模擬——以北京市海淀區(qū)為例.測繪學(xué)報， 2015， 44(S1)： 68～74

[17]Carver，S.J.Integrating multi-criteria evaluation with geographical information systems，International Journal of Geographical Information Systems， 1991, 5(3): 321～339

[18]劉潔， 李宏，馬勇剛.基于CA-Markov模型的中亞典型城市土地利用變化預(yù)測分析.水土保持研究， 2014, 21(3): 51～56