海河上游清水河流域土地利用變化特征

劉孟竹, 張紅娟, 楊 佳, 裴宏偉

(河北建筑工程學(xué)院 市政與環(huán)境工程系 河北 張家口 075000)

隨著氣候變化、人口激增、環(huán)境惡化和能源短缺等一系列全球性問題的持續(xù)發(fā)酵，土地利用/覆蓋變化(land use/cover change， LUCC)的研究逐漸成為全球環(huán)境變化研究中的核心部分[1]。其中，應(yīng)用多種方式構(gòu)建LUCC的動態(tài)變化和預(yù)測模型，一直是的LUCC研究的熱點[2]。近年來，隨著遙感影像向著高分辨率的方向發(fā)展，使得土地利用變化與遙感影像在時空尺度上具有了更高的一致性，利用高時間、高空間分辨率的影像數(shù)據(jù)來研究多時空尺度的土地利用變化已成眾多學(xué)者的選擇[3-4]。多尺度的遙感影像同樣被應(yīng)用于土地利用/覆蓋變化的各種預(yù)測模型[5]。在這些預(yù)測模型中，Logistic回歸模型、灰色模型、Markov模型等數(shù)量變化預(yù)測模型以及元胞自助機、多智能體系統(tǒng)、CLUE-S等空間預(yù)測模擬模型，均得到了較為廣泛的應(yīng)用。然而目前，國內(nèi)外學(xué)者更青睞于采用多模型結(jié)合的耦合模型方法來深入到對土地利用的預(yù)測模擬研究中，如CA-Markov模型，MAS-CA模型，Logistic-CA-Markov和WLC-CA-Markov模型等。

從已有的LUCC相關(guān)的研究來看，理論和方法均已趨于成熟，但仍然存在一些問題，如：①土地單元面積的選擇大小不一，未能對土地預(yù)測模擬中產(chǎn)生的尺度效應(yīng)問題有效考慮；②研究區(qū)選擇多為熱點區(qū)域，空間尺度上至國家、江河經(jīng)濟帶、城市結(jié)合群，下至市、區(qū)、縣不等，而一些與水文、氣候條件響應(yīng)強烈的小流域尺度區(qū)域往往缺乏重視。位于海河上游的清水河流域具有典型小流域尺度特征，而且在過去20 a經(jīng)歷了劇烈的土地結(jié)構(gòu)變化。一方面，該流域生態(tài)環(huán)境比較脆弱，全國400 mm年等降水量線從流域穿過，整個流域都處在半濕潤向半干旱過渡的生態(tài)環(huán)境脆弱區(qū)，流域內(nèi)的植被條件和水文環(huán)境對于氣候變化和人類活動都極為敏感[6]；另一方面，由于該區(qū)城鄉(xiāng)建設(shè)加快以及2022冬奧會的籌辦，該區(qū)已計劃建設(shè)76個場館相關(guān)項目，其中滑雪旅游和競技滑雪可供開發(fā)的面積多達300 km2，2018—2019年僅雪季期間游客涌入人次多達2.80×106，在未來冬奧會期間該情形將更加嚴峻。上述種種因素會使得流域內(nèi)土地格局變化十分顯著，相關(guān)的水文、環(huán)境條件也隨之改變。然而該區(qū)地廣人稀，地方政府在面對如此大量繁多的土地資源時對于土地的建設(shè)管理不能一概而論，因而需要有相應(yīng)的針對性地制定土地資源的管理和可持續(xù)利用措施。目前針對該流域的土地利用變化的相關(guān)研究集中在崇禮區(qū)，而非與水文條件密切相關(guān)的清水河流域，時間也較為滯后，特定地關(guān)注其流域空間單元尺度效應(yīng)以及模型預(yù)測的研究尚不多見?；诖耍疚囊郧逅恿饔驗檠芯繀^(qū)，利用遙感影像解譯的土地利用數(shù)據(jù)分析流域內(nèi)土地利用時空變化特征；同時，考慮到社會數(shù)據(jù)的可比性、可獲得性等因素，選擇與清水河流域邊界幾乎吻合的崇禮區(qū)作為土地預(yù)測模擬的研究區(qū)，結(jié)合該區(qū)域土地數(shù)據(jù)以及柵格化的驅(qū)動因子數(shù)據(jù)共設(shè)計了6個空間尺度并從中優(yōu)選出最佳尺度，在該尺度下通過耦合Logistic-CA-Markov模型進行流域內(nèi)的土地利用變化預(yù)測模擬，以期對清水河流域土地利用/覆蓋方面的研究做必要補充，同時為當(dāng)?shù)赜嘘P(guān)土地資源開發(fā)利用決策提供一定參考。

1 材料與方法

1.1 研究區(qū)概況

海河上游清水河流域介于114°47′—115°31′E，40°49′—41°16′N，位于河北省西北部，地處內(nèi)蒙古高原與華北平原過渡地帶。流域內(nèi)氣候?qū)贃|亞大陸性季風(fēng)氣候中溫帶亞干旱區(qū)，冬季干冷，春季回溫較快，大風(fēng)日數(shù)較多。多年平均降水量約442 mm，降雨主要集中于6—9月；多年平均氣溫3.9 ℃，年內(nèi)季節(jié)均溫最高相差40 ℃[7]。流域總面積約2 200 km2，東高西底，海拔高度約為780～2 200 m[8]，地貌屬壩上壩下過渡型山區(qū)，山峰陡峭，海拔多在1 500～2 000 m之間。受山區(qū)地貌影響，局部冰雹、暴雨災(zāi)害時有發(fā)生。在地理、氣候、人為等多重綜合因素影響下，清水河流域水土流失較為嚴重，生態(tài)環(huán)境極為脆弱，曾在1983年被國家列入永定河流域重點治理區(qū)。

清水河流域崇禮區(qū)人口在1990—2018年期間由1.20×105增長至近1.30×105，整個行政區(qū)總面積約2 326 km2，人口密度在51.6～55.9人/km2,可謂是“地廣人稀的燕趙大地”。2017年當(dāng)?shù)?大行業(yè)產(chǎn)值結(jié)構(gòu)中，農(nóng)、林、牧產(chǎn)值比例分別大致為53%，21%，25%，漁業(yè)和農(nóng)林漁牧服務(wù)業(yè)占比均不到0.01%。其中，蔬菜產(chǎn)值占5大行業(yè)產(chǎn)值的近42%。

1.2 數(shù)據(jù)源及其處理

1.2.1 數(shù)據(jù)源 研究選取的1990，2000，2009，2018年4期Landsat OLI/TM影像以及DEM數(shù)據(jù)均來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)，分辨率均為30 m。4期影像成像時間均選在10月份避開集中降雨期，云量均低于2%且成像質(zhì)量較好。鑒于清水河流域邊界和張家口市崇禮區(qū)行政邊界基本吻合，流域內(nèi)的社會數(shù)據(jù)和地理數(shù)據(jù)來源于《張家口統(tǒng)計年鑒》和國家基礎(chǔ)地理數(shù)據(jù)中心(http:∥www.ngcc.cn/ngcc)。

1.2.2 影像數(shù)據(jù)處理 在ENVI軟件中完成影像的幾何校正、輻射校正、裁剪鑲嵌等預(yù)處理工作；分類方法采用監(jiān)督分類中分類精度和kappa系數(shù)較高的最大似然法[9]；土地利用分類根據(jù)中國科學(xué)院土地利用/覆蓋分類體系中一級分類標準并參考流域內(nèi)的實際情況分為5類：耕地，林地，草地，水域，建設(shè)用地；將分類后的影像進行小斑塊處理，并根據(jù)Google Earth中的鄰近時段相同地區(qū)的高分辨影像結(jié)合目視解譯法做分類后處理。通過生成的隨機樣本點在Google Earth對比目視判讀進行分類精度驗證。最后得到的4期影像分類精度均在85%～90%，可以滿足后續(xù)的分析要求。

1.2.3 驅(qū)動因子?xùn)鸥窕?土地利用/覆蓋變化驅(qū)動主要受自然和人類活動兩方面因素影響[10]。根據(jù)驅(qū)動因子的數(shù)據(jù)可獲取性、時空一致性、因子顯著性以及可量化性等原則，結(jié)合清水河流域崇禮區(qū)內(nèi)的實際情況，共選擇了7個因子：坡度、坡向、高程、人口密度和距河流、道路、村落距離。以上數(shù)據(jù)采用的ArcMap軟件中的Aspect，Slope，Kernel Density，Distance等工具柵格化所得。因所選區(qū)域較小，降雨、溫度等氣象數(shù)據(jù)在柵格內(nèi)變化較均質(zhì)，故暫不考慮。同時將土地利用的5個地類數(shù)據(jù)單獨成層并通過Reclass工具進行二值化，每一圖層對應(yīng)的地類柵格值為1，非該地類均為0。

1.2.4 空間尺度設(shè)計 柵格數(shù)據(jù)單元格大小均以30 m為基準，在ArcMap中利用Resample工具，設(shè)計了30 m×30 m，60 m×60 m，100 m×100 m，150 m×150 m，200 m×200 m，250 m×250 m共計6種尺度的柵格數(shù)據(jù)，部分空間尺度區(qū)間不一致主要是綜合考慮尺度間隔的均勻性以保證更細節(jié)的變化特征同時在更大尺度范圍進行對結(jié)果進行比較。所有的柵格數(shù)據(jù)經(jīng)過Raster to ASCII工具轉(zhuǎn)換成文本數(shù)據(jù)，具體過程是在6種不同尺度下，將各個土地利用類型二值化數(shù)據(jù)分別與7個驅(qū)動因子數(shù)據(jù)結(jié)合對應(yīng)生成5組，經(jīng)過Dyna-CLUE軟件全部轉(zhuǎn)換成SPSS中待分析的共計30個文本數(shù)據(jù)。

1.3 研究方法

1.3.1 土地利用時空變化研究 本文采用土地動態(tài)度來定量分析流域內(nèi)土地利用的變化劇烈程度，用土地轉(zhuǎn)移矩陣來研究各階段時期內(nèi)土地的動態(tài)轉(zhuǎn)移變化。單一土地利用動態(tài)度指某一區(qū)域內(nèi)在一定時間范圍內(nèi)某種土地利用類型的數(shù)量變化情況，此指標可定量描述研究區(qū)內(nèi)某種土地類型在研究時段內(nèi)變化的速率。表達式如下：

(1)

式中：K為研究時段內(nèi)某一土地利用類型動態(tài)度；Ua，Ub分別為研究初期和研究末期某一種土地利用類型的數(shù)量；T為研究時段長[11]。

土地轉(zhuǎn)移矩陣反映了某一區(qū)域在研究初期和研究末期各類土地類型面積互相轉(zhuǎn)化的動態(tài)信息，不僅可以定量地表明不同土地利用類型之間的轉(zhuǎn)化情況，還可以揭示不同土地利用類型間的轉(zhuǎn)移速率。轉(zhuǎn)移矩陣表達式參考喬偉峰等[12]的研究，表達如下：

(2)

式中：S為面積(km2)；n為轉(zhuǎn)移前后土地利用類型數(shù)；i，j(i，j=1，2，3，…，n)分別表示轉(zhuǎn)移前后的土地類型；Sij表示轉(zhuǎn)移前的i類土地轉(zhuǎn)換成轉(zhuǎn)移后j類土地類型的面積。

1.3.2 土地利用預(yù)測模擬 尺度效應(yīng)是指當(dāng)空間數(shù)據(jù)經(jīng)聚合而改變其粒度或柵格單元大小時，分析結(jié)果也隨之變化。反映土地利用類型及其面積變化的數(shù)據(jù)必然涉及尺度效應(yīng)問題[13]。在土地利用預(yù)測模擬中，選擇合適的空間尺度能夠使得模型預(yù)測精度更高，結(jié)論也更合理。Logistic回歸模型是一種廣義的線性回歸分析模型，被廣泛應(yīng)用于土地利用分析中，能夠很好地揭示土地變化和驅(qū)動因素之間的定量關(guān)系[14]。本文采用Logistic回歸分析方法得到受試者工作曲線(receiver operating characteristic，ROC)作為參考來優(yōu)選出最佳空間尺度[15]，以ROC曲線下的面積值作為精度指標來檢驗回歸方程的解釋效果[16]，從而判定預(yù)測模型的模擬精度。當(dāng)0.500.70時，方程具有良好解釋效果，值越高代表解釋力度越大。

元胞自助機(cellular automata，CA)模型是一種在空間上相互作用、時間上又具有因果關(guān)系的一種網(wǎng)格動力學(xué)模型，具有處理復(fù)雜空間系統(tǒng)的能力[17]。Markov模型基于Markov鏈，因其較好的穩(wěn)定性和無后效性，能夠預(yù)測土地利用變化中各個時刻的變動過程[18]。CA-Markov模型綜合了Markov模型的時序預(yù)測和CA模型的空間分布模擬，廣泛被應(yīng)用于土地利用數(shù)量變化、空間格局變化的模擬中[19]。

通過耦合Logistic-CA-Markov模型，首先對崇禮區(qū)2009年的參數(shù)文本數(shù)據(jù)進行二元Logistic回歸分析并分析各個尺度下的ROC曲線從中優(yōu)選出最佳尺度，在該尺度下，將回歸分析得到的5種地類分布適宜性圖通過IDRISI軟件中的collection editor工具組合生成各類土地分布概率適應(yīng)性圖集并作為CA模型的轉(zhuǎn)換規(guī)則，同時以2009年土地利用分類結(jié)果和Markov工具中生成的2000—2009年面積轉(zhuǎn)移矩陣作為預(yù)測模擬初始參數(shù)，共同參與到CA-Markov模型進行崇禮區(qū)2018年的土地預(yù)測模擬；將生成的土地分類預(yù)測結(jié)果與2018土地實際分類與進行疊置分析，采用Kappa系數(shù)、混淆矩陣等指標驗證模型預(yù)測模擬的精度，在模擬精度良好的情況下利以同樣方法進行2027年的預(yù)測模擬。

2 結(jié)果與分析

2.1 土地利用時空變化分析

1990—2018年清水河流域4期遙感影像解譯土地利用分類結(jié)果如圖1所示，具體數(shù)據(jù)如表1所示。

圖1 1990-2018年清水河流域土地利用變化特征

從整個時期的土地組成結(jié)構(gòu)來看，清水河流域土地類型總體上主要以林地、草地、耕地為主，三者面積之和占據(jù)流域總面積96.00%以上，水域和建設(shè)用地面積在2000年共計占比不到2.00%，在2018年占比達到3.96%；從流域的土地結(jié)構(gòu)可以分析，其與整個研究區(qū)的地貌存在一定相關(guān)性，清水河流域最低海拔在800 m左右，群山峻嶺密布，人類活動區(qū)域相對較小，適宜林地、草地的生長；從總的變化形勢上看，1990—2018年清水河流域土地利用變化中，林地、草地、和水域是處于減少態(tài)勢，耕地面積變化不明顯，而建設(shè)用地面積呈顯著上升趨勢，近30 a來增加了近51.72 km2；分階段來看，1990—2000年，耕地變更的面積最大，10年間增加了約44.74 km2，建設(shè)用地變化的面積最小，僅3.20 km2；2000—2009年期間僅有耕地面積在減少，其余四種土地類型面積均有不同程度的增加；2009—2018年間，流域內(nèi)僅有耕地和建設(shè)用地面積處于增加態(tài)勢，增加面積分別為20.24，18.02 km2；林地、草地和水域面積分別減少了12.72，20.76，4.84 km2。

單一土地動態(tài)度反映的是某一類型土地變化的劇烈程度。由表1可知，在1990—2018年整個時期內(nèi)，清水河流域內(nèi)建設(shè)用地的變化速率最為劇烈，其中以2000—2009年的變化較為顯著；林地面積無明顯變化，其動態(tài)度最高僅為0.21%；分階段比較，2000—2009年土地整體變化劇烈程度較顯著于其余2個時期，且在每一階段內(nèi)，土地變化速率大小按地類依次排序為：建設(shè)用地>水域>耕地>草地>林地。綜合各個地類單一動態(tài)度可以看出，近30 a來清水河流域內(nèi)農(nóng)業(yè)用地更迭趨勢比較平穩(wěn)，而建設(shè)用地的增加較為迅猛，當(dāng)?shù)厣鐣煌ㄓ玫?、工礦地和居民用地等建設(shè)用地開發(fā)需求較大。

表1 1990-2018年清水河流域土地利用類型面積與動態(tài)度

2.2 土地利用轉(zhuǎn)移矩陣分析

考慮到社會數(shù)據(jù)的可獲取性，僅對2000—2018年3期的清水河流域土地轉(zhuǎn)移情況進行分析。通過疊置分析得到不同階段的土地利用轉(zhuǎn)移矩陣如表2所示。從整個階段來看，清水河流域在2000—2018年期間，耕地、草地和建設(shè)用地的的轉(zhuǎn)換較明顯，約有22.30 km2的草地和29.63 km2的建設(shè)用地由耕地轉(zhuǎn)換而來；水域轉(zhuǎn)為其它類型土地的程度不夠顯著，最多僅有1.17 km2水域的轉(zhuǎn)出；農(nóng)業(yè)用地到建設(shè)用地的轉(zhuǎn)入較為顯著，轉(zhuǎn)入面積約53.25 km2，從實際情況考慮是由于近年來當(dāng)?shù)厝丝谠龆嗪投瑠W會場地籌建等因素對建設(shè)用地的需求增大。

表2 2000-2018年清水河流域土地利用轉(zhuǎn)移矩陣 km2

分階段來看，2000—2009年和2009—2018年各土地流轉(zhuǎn)程度比較相似，均有大量耕地和草地互相轉(zhuǎn)化，轉(zhuǎn)化面積在40～50 km2不等；其中，2000—2009年約有5.37 km2的水域由農(nóng)業(yè)用地轉(zhuǎn)入，這與近年來當(dāng)?shù)睾樗茸匀粸?zāi)害頻發(fā)以及農(nóng)業(yè)經(jīng)濟發(fā)展對用水需求增多等因素進而引起對水庫、水壩等水利設(shè)施的新建擴建有關(guān)；建設(shè)用地也基本由農(nóng)業(yè)用地轉(zhuǎn)入而來，轉(zhuǎn)入面積的大小按地類排序依次為：耕地>草地>林地。其中有一定程度的林草地轉(zhuǎn)入耕地，該區(qū)2000年后雖然已經(jīng)實行退耕還林還草政策，但少量開荒復(fù)墾現(xiàn)象仍然存在，同時不排除分類精度帶來的影響。

2.3 尺度模擬結(jié)果

經(jīng)SPSS中二元Logistic回歸分析得到結(jié)果如圖2所示。通過對比各個地類的ROC值可以觀察到，隨著空間尺度的不同，各個地類的ROC值也隨之產(chǎn)生不同變化，即驅(qū)動因子對各個地類的解釋水平隨著空間尺度的不同產(chǎn)生了“尺度效應(yīng)”的特征。

圖2 清水河流域6種尺度下的ROC值

由圖2可知，在空間尺度為100 m×100 m時，水域、耕地和建設(shè)用地ROC值出現(xiàn)轉(zhuǎn)折趨勢，其中，水域ROC值的轉(zhuǎn)折尤為明顯且達到了峰值，說明該尺度下水域與驅(qū)動因子的擬合方程的可信水平較高；此外，在100 m之后，草地和建設(shè)用地ROC值接近最大值且變化趨勢近乎平穩(wěn)，尺度的改變對模型回歸擬合的影響趨于微小。以上結(jié)果表明，該尺度下的二元Logistic回歸模型相比其余5種尺度其擬合效果更優(yōu)，因此可以認為100 m×100 m是進行本次土地預(yù)測模擬的最佳空間尺度。由圖3可知，在選定的最佳空間尺度下，各類土地ROC值分別為耕地0.67，林地0.65，草地0.66，水域0.83，建設(shè)用地0.79。通過比較，耕地、林地、草地的ROC值均接近0.70，水域和建設(shè)用地均大于0.70，回歸方程擬合效果較好，ROC值滿足檢驗標準，回歸模型的結(jié)果可以作為CA-Markov模型中的轉(zhuǎn)換規(guī)則進行下一步的土地利用變化預(yù)測模擬。

2.4 預(yù)測結(jié)果與精度驗證

在ENVI軟件中對2018年土地實際分類和預(yù)測分類結(jié)果。進行混淆矩陣運算，結(jié)果如表3所示，得到預(yù)測圖與實際圖中像元一致的個數(shù)占比為84.68%，kappa系數(shù)為0.78。一般而言，當(dāng)kappa系數(shù)大于0.75時可以認為兩種分類圖像一致性較高，模型模擬精度滿足預(yù)測要求，可以進行下一時期的模擬。將數(shù)據(jù)對應(yīng)的年份均更新至2018年，以此作為模擬的初始參數(shù)進行2027年的土地預(yù)測模擬，結(jié)果如圖3所示。

表3 2018年清水河流域崇禮區(qū)土地模擬混淆矩陣

圖3 清水河流域崇禮區(qū)土地利用變化模擬

表4為清水河流域崇禮區(qū)土地利用的預(yù)測結(jié)果。由表4可知，2018年預(yù)測模擬得到的崇禮區(qū)土地利用變化面積中除了建設(shè)用地的誤差稍大以外，其余4類土地預(yù)測的誤差均在1.50%～6.02%，誤差在可接受范圍內(nèi)。結(jié)合當(dāng)?shù)貙嶋H情況分析，對2018年建設(shè)用地面積預(yù)測誤差較大的主要原因是因為崇禮區(qū)于當(dāng)年新建了2022年冬奧會的滑雪場地，從而導(dǎo)致預(yù)測值的誤差較大。因此，排除該因素的干擾，該模型預(yù)測模擬的實際精度會更高。對2027年進行預(yù)測模擬得到的土地分類結(jié)果如表4所示，預(yù)計未來9 a，崇禮區(qū)內(nèi)的耕地、林地和建設(shè)用地均會增加14.00～17.00 km2不等，草地和水域面積將分別減少42.44，5.43 km2。

表4 清水河流域崇禮區(qū)土地利用狀況預(yù)測

3 討論與結(jié)論

3.1 討 論

本研究中，由于所選研究區(qū)域較小，加之影像分辨率的限制，經(jīng)目視判讀選取的分類訓(xùn)練樣本中會無可避免地摻雜進混合像元，對土地的分類精度造成一定影響；清水河流域自2000年實施退耕還林還草政策后，林地開荒、草地復(fù)墾現(xiàn)象得到顯著改善但并未完全杜絕，經(jīng)各期土地數(shù)據(jù)疊置分析后檢驗可知，受分類精度的影響出現(xiàn)部分林草地逆向轉(zhuǎn)化為耕地的不合理轉(zhuǎn)入，同時2000—2010年耕地較為顯著下降印證了該政策取得了一定成效。此外，占地面積較小的水域和建設(shè)用地均在分類后處理中由目視解譯所得，影像時間的選取已考慮降雨期和冬季結(jié)冰的影響均選擇在10月份，所得分類數(shù)據(jù)中，清水河流域農(nóng)業(yè)用地占地比例與建設(shè)用地面積與鐘良子等[20]，王磊等[21]所得清水河流域以及崇禮區(qū)的數(shù)據(jù)結(jié)果基本一致。經(jīng)過Google Earth高精度實地影像檢測研究區(qū)內(nèi)未利用地甚少，故未對其進行分類，同時考慮流域內(nèi)河流時常發(fā)生斷流、降水量不穩(wěn)定，如2009年崇禮區(qū)降水量僅為334 mm，而其前后兩年卻高達540 mm以上，即使同一時期不同年份的河流面積變化仍可能不同，本研究參考水域二級分類將水庫坑塘、水域設(shè)施均也納入其中。在可控的分類精度影下本文結(jié)果具有一定參考性。

本文出于對數(shù)據(jù)可獲取性以及可量化性等原則的考慮，假定了降雨、蒸發(fā)等氣象因素在單元柵格面上對該類小空間尺度區(qū)域土地流轉(zhuǎn)的影響較為均質(zhì)，未能對該類因素在驅(qū)動土地利用變化的影響程度上做深入研究。在未來的研究中會考慮選擇更高分辨率的影像和高精度的分類算法，對驅(qū)動因素的考量也會更加科學(xué)。

經(jīng)分析，同類土地利用預(yù)測模擬研究中研究區(qū)多集中在市及市以上區(qū)域，以行政區(qū)為對象的研究對人為、社會政策因素驅(qū)動土地格局發(fā)展上具有很好的解釋水平。經(jīng)參考流域面積相近且同為CA-Markov模型的模擬研究[22]，其土地結(jié)構(gòu)與動態(tài)變化與本文相似，均較為穩(wěn)定；對于地域較大的研究區(qū)域筆者認為其預(yù)測結(jié)果是由CA-Markov模型中單個的元胞基于Markov鏈與Logsitic模型概率公式對于空間單元的獨立計算組成，市級以上的預(yù)測模擬近似于市內(nèi)各縣域模擬結(jié)果的共同疊加，其結(jié)果包含多個穩(wěn)定子區(qū)域模型的誤差累計，而以小范圍的縣域為研究區(qū)其驅(qū)動因素對于Logistic模型的表達更敏感，小尺度區(qū)域空間異質(zhì)性也相對較低減弱了結(jié)果的不確定性。鑒于清水河流域崇禮區(qū)內(nèi)2018年10月許多建設(shè)項目并未完工，而Logisric-CA-Markov模型是基于前一時期的參數(shù)進行后一時期的模擬，其結(jié)合流域內(nèi)崇禮區(qū)前一時期自然、人為政策驅(qū)動因素下土地的變化，對未來主要由冬奧會驅(qū)動下的土地格局變化仍然具有相對程度的刻畫。在驅(qū)動因素方面選擇了3個自然因素和4個人類活動因素，本研究主要關(guān)注7個驅(qū)動因素與各個地類在Logistic模型中不同尺度下ROC曲線的變化以做尺度效應(yīng)分析，未對7個因素與各個地類之間的驅(qū)動關(guān)系進行定量描述；模擬的時間點是基于模型預(yù)測時段與前一階段保持一致的考量。綜合比較，本文中對崇禮區(qū)2027年的土地格局的預(yù)測模擬具有一定的參考意義。此外，經(jīng)查證目前崇禮區(qū)政府針對建設(shè)土地嚴格管控一系列措施的出臺，預(yù)計在2022年冬奧會步入尾聲時，清水河流域內(nèi)建設(shè)用地的增加將會進入飽和狀態(tài)，如果考慮該影響，則模型計算出的2027年建設(shè)用地面積預(yù)測值可能偏高。

3.2 結(jié) 論

(1) 近30 a來，清水河流域土地利用類型主要以耕地、林地和草地為主，三者面積共計占比在96%以上，其與清水河流域平均海拔較高、地貌多為陡峭山區(qū)、人類可活動區(qū)域較少等因素有關(guān)；近幾年來建設(shè)用地的轉(zhuǎn)入較為明顯，主要是由于冬奧會的籌備新建了滑雪場以及相關(guān)場館加大了對建設(shè)用地的開發(fā)。

(2) 對二元Logistic回歸模型中的ROC曲線進行分析，可以認為適合清水河流域這類小尺度流域研究區(qū)進行預(yù)測模擬的最佳空間尺度為100 m×100 m，該尺度下構(gòu)建的方程模型對土地利用變化與驅(qū)動因素之間的定量描述具有較高的解釋水平。

(3) 至2027年，預(yù)計清水河流域內(nèi)耕地、林地和建設(shè)用地面積將呈現(xiàn)增加態(tài)勢，草地會大幅度減少。通過調(diào)查2018年崇禮區(qū)的實際情況后考慮，當(dāng)?shù)仉m然已建成萬龍、云頂、太舞等冬奧會滑雪場地，但還未達到規(guī)劃用地規(guī)模的最高值，預(yù)計未來一段時間流域內(nèi)的農(nóng)業(yè)用地將在冬奧會的用地需求下持續(xù)轉(zhuǎn)化為建設(shè)用地。