快速城鎮(zhèn)化地區(qū)土地利用景觀格局演變及預測研究

韓宇平, 朱星源, 穆文彬

(1.華北水利水電大學,河南 鄭州 450046; 2.河南省黃河流域水資源節(jié)約集約利用重點實驗室,河南 鄭州 450046)

土地利用/覆被變化(Land Use/Land Cover Change,LUCC)是由國際地圈-生物圈計劃(International Geosphere-Biosphere Programme,IGBP)和全球變化人文計劃(International Human Dimensions Programme,IHDP)于1995年聯(lián)合提出的涉及自然科學、人文科學等多領域的研究計劃。該研究自提出以來,始終是土地科學領域的研究重點,并已成為全球變化和未來可持續(xù)發(fā)展中的核心問題[1-3]。隨著現(xiàn)代學科的交叉與融合,景觀生態(tài)學在土地利用/覆被變化研究領域中得到快速發(fā)展,景觀格局指數(shù)的提出和發(fā)展極大地推動了景觀生態(tài)學的進步[4-5]。在經濟全球化與新型城鎮(zhèn)化進程不斷加快的大背景下,土地資源無序、高強度的開發(fā)利用導致景觀結構失調、景觀功能紊亂,并引發(fā)了諸多生態(tài)環(huán)境問題,如水土流失、環(huán)境污染、生態(tài)失調和自然災害頻發(fā)等[6]。黨的十八大以來,隨著生態(tài)文明戰(zhàn)略的大力推進,國家對國土空間開發(fā)保護提出了推動節(jié)約集約用地和優(yōu)化國土開發(fā)格局的要求,重點解決建設用地規(guī)模過度擴張、土地開發(fā)利用粗放、利用效率和效益偏低等無序開發(fā)的問題,以構建高效、協(xié)調、可持續(xù)的國土空間開發(fā)格局[7]。因此,開展土地利用景觀格局演變及預測研究,對區(qū)域土地合理開發(fā)保護、國土空間格局優(yōu)化具有重要意義,同時可為促進土地安全、生態(tài)環(huán)境和經濟效益協(xié)調發(fā)展研究提供理論依據。

人類的經濟開發(fā)活動主要是在景觀層次上進行,景觀層次逐漸成為研究人類活動對環(huán)境影響的適宜尺度,已被廣泛用于定量研究景觀格局及其變化[8]。在研究尺度方面,形成了一系列從宏觀到微觀的研究成果,如劉紀遠等[9]對2010—2015年中國的土地利用變化特征進行了分析;黎云云等[10]對黃河流域未來30年的土地利用時空格局變化進行了模擬;余健等[11]對武漢市土地利用變化進行了模擬。在研究內容方面,主要有結合景觀格局的研究,如鄒天嬌等[12]模擬了北京淺山區(qū)2035年自然增長情景下的景觀格局發(fā)展趨勢;黃康等[13]對福州新區(qū)未來15年的土地利用進行模擬,并分析了生境質量變化情況;羅紫薇等[14]對上杭縣城進行了城市景觀格局動態(tài)變化分析研究。在研究方法上,主要有人工神經網絡[15]、SLEUTH[16-17]、CLUE-S[18-19]和CA-Markov[20-22]等方法。總的來說,之前的研究大多關于流域等自然景觀和大尺度研究區(qū),而對于中小尺度快速城鎮(zhèn)化地區(qū)的土地利用景觀格局演變研究相對較少。

鄭州市作為我國中部地區(qū)的特大城市及中原城市群的核心城市,其社會經濟在近20年發(fā)展迅速,土地利用景觀格局變化劇烈。21世紀初,在國家政策導向下,河南省做出了加快城市化進程、建設以鄭州為中心的中原城市群經濟隆起帶的重大決策,確立了把鄭州建成國家區(qū)域性中心城市的發(fā)展目標。2016年12月,國務院正式批復的《促進中部地區(qū)崛起“十三五”規(guī)劃》明確提出支持鄭州建設國家中心城市。2020年1月,在中央財經委員會第六次會議上,習近平總書記提出強化鄭州的國家中心城市的帶動作用,推動沿黃地區(qū)中心城市及城市群高質量發(fā)展。當前,鄭州受多重國家重大戰(zhàn)略疊加賦能,正處于加快推進高質量發(fā)展的機遇期、黃金期、關鍵期。在城市化高速發(fā)展的背景下,隨著鄭州市城鎮(zhèn)格局不斷擴大,水危機、資源短缺、生態(tài)破壞和環(huán)境污染等一系列的生態(tài)環(huán)境問題逐漸凸顯。因此,研究鄭州市近20年及未來的土地利用景觀格局的變化特征及規(guī)律,已成為解決鄭州市城市健康發(fā)展相關問題的迫切需要。

目前,針對鄭州市開展的土地利用景觀格局相關研究較少,也缺乏在對未來模擬預測結果基礎上的變化分析。2010年,王安周等[23]對1988—2002年鄭州市景觀格局演變進行了分析;2011年,李亞麗等[24]基于CA-Markov模型模擬了鄭州市2016年土地利用情況;2018年,葉紅等[25]分析了近15年鄭州市土地利用景觀格局變化。鑒于此,本文在解譯鄭州市2010年、2015年及2020年的土地利用的基礎上,系統(tǒng)分析了土地利用轉移和景觀格局的演變特征;采用MCE-CA-Markov模型模擬鄭州市2030年土地利用情況,并進一步分析未來鄭州市土地利用景觀格局的變化情況,以期為鄭州市土地利用規(guī)劃、城市建設及生態(tài)環(huán)境修復提供理論支撐。

1 研究區(qū)概況及數(shù)據來源

1.1 研究區(qū)概況

鄭州市位于東經112°42′～114°14′、北緯34°16′～34°58′(圖1),北臨黃河,西依嵩山,東南接黃淮平原,是國家重要的綜合交通樞紐,總面積達7 446 km2。鄭州市屬于暖溫帶大陸性季風氣候,光熱資源豐富,多年平均降水量為600～700 mm,水熱條件適宜農作物生長[26]。鄭州市地勢西高東低,土地利用類型以耕地、林地和建設用地為主。作為中原城市群的核心城市以及國務院批復確定的中國中部地區(qū)重要中心城市,鄭州市近10年來城鎮(zhèn)化進程發(fā)展迅猛,常住人口城鎮(zhèn)化率持續(xù)提升。

圖1 研究區(qū)地理位置

1.2 數(shù)據來源

本文采用的2010年、2015年和2020年1∶1×105的遙感影像數(shù)據和DEM數(shù)據均來源于美國地質調查局USGS官網(http://earthexplorer.usgs.gov)。根據數(shù)據質量情況,2010年的遙感影像選擇7月的Landsat5-TM影像,2015年和2020年的分別選擇5月和7月的Landsat8-OLI影像。遙感影像和DEM的空間分辨率均為30 m×30 m。在進行土地利用分類前,影像均經過輻射定標和大氣校正等處理。

2 研究方法

2.1 隨機森林分類算法

隨機森林分類算法是由Breiman等提出的一種包含訓練樣本和特征集的基于機器集成學習的算法,以決策樹分類為基礎,包含兩個重要特征,隨機特征子空間和袋外估計[27]。相對其他分類方法,該算法具有無偏性、適用于大數(shù)據集和可處理高維度數(shù)據等優(yōu)點,實現(xiàn)了在效率、準確性和實用性之間的良好平衡[28]。本分類方法基于軟件ENVI 5.3實現(xiàn),對鄭州市不同時期的遙感影像進行解譯,并根據國土資源部修訂的國家標準《土地利用現(xiàn)狀分類》(GB/T 21010—2017),將鄭州市的土地利用類型劃分為6類,分別為:林地、耕地、建設用地、水域、草地和未利用地。

2.2 土地利用景觀格局指數(shù)

景觀指數(shù)是用來定量分析景觀格局特征的參數(shù)。景觀格局的研究基于不同尺度:斑塊、斑塊類型和景觀。斑塊水平指數(shù)是計算其他景觀指數(shù)的基礎,但不能反映整體的景觀水平[29-31]。在綜合研究區(qū)特征及研究需要的基礎上,選取能夠反映景觀格局時空演變及與生態(tài)環(huán)境之間關系的指標,并采用Fragstats 4.2軟件計算景觀指數(shù)。在斑塊類型水平上,選擇斑塊面積(Class Area,CA)、斑塊所占景觀比例(Percent of Landscape,PLAND)、斑塊數(shù)量(Number of Patches,NP)、最大斑塊指數(shù)(Largest Patch Index,LPI)、景觀形狀指數(shù)(Landscape Shape Index,LSI)和散布與并列指數(shù)(Interspersion and Juxtaposition Index,IJI);在景觀水平上,選擇最大斑塊指數(shù)LPI、景觀形狀指數(shù)LSI、蔓延度(Contagion Index,CONTAG)、散布與并列指數(shù)(Interspersion Juxtaposition Index,IJI)、香農多樣性指數(shù)(Shannon′s Diversity Index,SHDI)和香農均勻性指數(shù)(Shannon′s Evenness Index,SHEI)作為反映景觀格局特征的指數(shù)[32]。各指標的生態(tài)學意義見文獻[29]。

2.3 MCE-CA-Markov 模型

元胞自動機(Cellular Automata,CA)是20世紀40年代由Neumann和Ulam提出的復雜動力學模型,具有模擬復雜系統(tǒng)空間演變情況的能力[33]。其基本組成部分包括元胞空間單元、尺寸、轉移規(guī)則和鄰域類型等,是一種漸變過程的模擬方法。原理為通過現(xiàn)階段元胞狀態(tài)和鄰域類型,以指定的規(guī)則模擬下階段元胞分布形態(tài)。馬爾可夫(Markov)模型在20世紀初由俄羅斯數(shù)學家Andrey Markov提出,該模型基于Markov鏈過程,廣泛用于預測下一時期事件分布的狀態(tài)。Markov過程無后效性,即t+1時期的事件分布僅由t時期的事件分布決定。元胞自動機(CA)可為Markov模型添加空間特征,本研究使用的CA-Markov模型相對于傳統(tǒng)土地利用預測模型,具有更高的精度。

多標準評價(Multi-Criteria Evaluation,MCE)法是一種集合多種評價因素的方法,通過線性組合或疊加的方式,作出對目標而言最優(yōu)的評價方案,劃分對目標的影響程度。因素主要可分為限制性因素和影響性因素。其中,限制性因素表示某地類不能向其他地類轉換;影響性因素表示影響地物轉移的各種因素,通過調節(jié)限制函數(shù)可改變影響效果。當某類地物影響因素大于3個時,應使用層次分析法確定各影響因素的權重。MCE方法得到的結果為數(shù)值在0～255范圍的適宜性圖集,其中零值表示完全不會發(fā)生轉移的位置,數(shù)值大小和地類向該處轉移的概率大小成正相關關系。

以2010年和2015年鄭州市土地利用類型為基礎,結合MCE方法制作適宜性圖集,情景設置為城鎮(zhèn)用地快速發(fā)展狀態(tài),設置元胞自動機迭代次數(shù)為10次,過濾類型為5×5的連續(xù)過濾器,對2020年鄭州市土地利用情況進行模擬,并采用Kappa系數(shù)驗證模擬結果的準確性,最后對2030年鄭州市土地利用情況進行了模擬。

2.4 精度檢驗

土地利用類型信息提取后,需評價其分類精度和可靠性。目前,常用Kappa系數(shù)或ROC曲線評價分類精度,Kappa系數(shù)能夠從整體上判斷兩幅柵格數(shù)據的一致性程度[34]。本文采用高分辨率影像的ROI區(qū)域作為精度驗證數(shù)據,數(shù)據來源于Google Earth鄭州市區(qū)域2010年、2015年和2020年的歷史影像。Kappa系數(shù)由混淆矩陣計算得到,計算公式如下:

(1)

式中:P0為每一類正確分類的樣本數(shù)量之和除以總樣本數(shù),即總體分類精度;Pe為所有類別中“實際與預測數(shù)量的乘積”之和除以“樣本總數(shù)的平方”;n為真實樣本總數(shù);s為總樣本中正確分類個數(shù);a1、a2、…、ac為每一類中真實樣本個數(shù);b1、b2、…、bc為每一類預測樣本個數(shù);c為類別數(shù)。

3 結果分析

3.1 鄭州市2010—2020年土地利用演變特征

3.1.1 遙感解譯結果

基于ENVI 5.3軟件的隨機森林分類算法工具,對鄭州市2010年、2015年和2020年的遙感影像進行解譯,并采用Kappa系數(shù)對解譯精度進行驗證。經驗證,三期影像的Kappa系數(shù)分別為0.89、0.89和0.86,滿足研究精度要求。鄭州市2010年、2015年以及2020年的土地利用情況如圖2所示。

圖2 鄭州市2010年、2015年和2020年土地利用分布

3.1.2 面積變化

區(qū)域快速的城鎮(zhèn)化進程會導致不同用地類型的面積發(fā)生變化,根據鄭州市2010—2020年各期林地、耕地、建設用地、水域、草地和未利用地等6類土地利用面積占比,進一步分析各地類面積的變化情況,如圖3所示。由圖3可知,耕地、林地和建設用地占據鄭州市90%以上的面積,為其主要的3種用地類型。經分析,2010—2015年鄭州市耕地面積減少130.29 km2,林地面積和建設用地面積分別增加31.09、82.35 km2,耕地、林地和建設用地面積變化幅度均較小;而在2015—2020年,這3種用地類型的變化幅度較大,耕地面積減少614.78 km2,林地面積增加361.80 km2,建設用地面積增加204.56 km2。

圖3 鄭州市2010—2020年土地利用面積的變化

3.1.3 土地利用轉移特征

鄭州市2010—2015年和2015—2020年的土地利用類型面積轉移矩陣分別見表1和表2。

表1 鄭州市2010—2015年土地利用類型的面積轉移矩陣 km2

表2 鄭州市2015—2020年土地利用類型的面積轉移矩陣 km2

由表1和表2可知:①鄭州市2010—2015年耕地轉化為林地的面積最大(427.71 km2),占耕地轉出的9.61%,占林地轉入的27.76%;其次是轉為建設用地,面積占耕地轉出的7.50%,占建設用地轉入的28.11%;林地轉出面積的主要去向為耕地和草地,分別占其轉出面積的23.4%和5.58%。未利用地主要轉化為建設用地,其補充來源主要是耕地。②2015—2020年間,耕地仍主要轉化為林地和建設用地,面積分別為668.96、446.50 km2,分別占耕地轉出的15.49%和10.34%,占林地和建設用地轉入的35.16%和32.10%;林地的主要轉出類型為耕地,其最大補充來源也是耕地,且轉入面積大于轉出面積。草地主要轉化為林地,轉移面積為112.09 km2,占其轉出面積的40.73%,占林地轉入面積的5.89%。

綜上所述,2010—2020年間鄭州市土地利用總體上呈現(xiàn)出建設用地和林地面積大量增加、耕地面積大幅減少的特征,且變化趨勢在2015—2020年較2010—2015年更加明顯。主要原因在于:一是在加快國家中心城市建設和打造高質量發(fā)展區(qū)域增長極的背景下,鄭州市城鎮(zhèn)用地面積擴張逐時段加速,占用了部分耕地資源,這可能是耕地面積不斷減少的主要因素;二是退耕還林工程的實施,促使以前違規(guī)開發(fā)的耕地資源恢復到天然狀態(tài),林地面積顯著增加;三是鄭州市森林生態(tài)城市建設的大力推進,促進了林地面積增加。

3.2 鄭州市土地利用景觀格局演變特征

鄭州市2010年、2015年和2020年土地利用景觀格局具有明顯的階段變化特征,本節(jié)主要從斑塊類型尺度和景觀尺度對其進行分析。

3.2.1 斑塊類型尺度

斑塊類型尺度下鄭州市各指數(shù)的變化情況如圖4所示。

圖4 2010—2020年鄭州市斑塊類型尺度景觀格局指數(shù)變化

由圖4可知,2010—2020年:①鄭州市建設用地的最大斑塊指數(shù)(LPI)逐漸增加,斑塊數(shù)量(NP)減少,散布與并列指數(shù)(IJI)增加,表明建設用地區(qū)域仍在向外擴展,各斑塊之間的連通性增加。鄭州市建設用地的擴張主要是建立在原有區(qū)域的基礎上,與研究區(qū)其他景觀類型的關系變得復雜。另外,連通性的增加與城市化過程的內在規(guī)律性也存在一定聯(lián)系。②耕地的最大斑塊指數(shù)(LPI)大幅減少,散布與并列指數(shù)(IJI)減少,斑塊數(shù)量(NP)不斷增加。這些指數(shù)的變化表明,建設用地的擴張使耕地斑塊類型的接近度減少,耕地所占面積比重逐年下降。耕地類型的景觀復雜度上升,與研究區(qū)其他地類之間的關系復雜化程度升高,這是由于城市用地的大面積擴張致使耕地類型碎片化。③林地斑塊數(shù)量(NP)總體減少,散布與并列指數(shù)(IJI)增加,表明景觀破碎化程度、同類型景觀距離和分布離散程度都在減小,林地的最大斑塊占景觀面積的比例指數(shù)(LPI)呈增加的趨勢,表明林地的分布趨于發(fā)散,而這更有助于其生態(tài)改善功能的實現(xiàn)。④未利用地斑塊數(shù)量(NP)迅速增加,最大斑塊占景觀面積(LPI)逐漸增加,反映了鄭州市城鎮(zhèn)建設中土地利用的開發(fā)強度較大和未利用地面積的不斷擴大的情況。

3.2.2 景觀尺度

景觀水平指數(shù)的變化情況如圖5所示。由圖5可知:鄭州市最大斑塊指數(shù)(LPI)減小,表明整體景觀趨于平均;景觀形狀指數(shù)(LSI)增加,表明鄭州市景觀類型趨于復雜;蔓延度指數(shù)(CONTAG)減少,說明鄭州市景觀是具有多要素的密集格局,景觀破碎化程度較高;香農多樣性指數(shù)(SHDI)和香農均勻度指數(shù)(SHEI)均呈上升趨勢,表明鄭州市景觀異質性程度增加,景觀格局向多樣化和均勻化的方向發(fā)展,這與葉紅等[25]對景觀多樣性指數(shù)得出的結論相一致。

注:LSI的單位無量綱,數(shù)據采用(a)圖左側的坐標軸;LPI、CONTAG、IJI的單位均為%;數(shù)據采用(a)圖右側的坐標軸;SHDI、SHEI的單位無量綱。

從各景觀類型指標的變化可以看出,鄭州市近10年來的景觀格局穩(wěn)定性和均勻性總體增加,但建設用地的快速擴張對生態(tài)環(huán)境仍有較大的影響,需要嚴加管理和控制。

3.3 2030年鄭州市土地利用模擬預測

3.3.1 2020及2030年鄭州市土地利用模擬過程

以建設用地快速發(fā)展為情景進行模擬,選擇高程、坡度、公路、高速公路和鐵路作為限制因子,分別制作2020年和2030年鄭州市各用地類型的適宜性圖集。以2020年為例,對MCE-CA-Markov模型的適用性進行檢驗。2020年鄭州市土地利用模擬結果如圖6(a)所示。通過與鄭州市解譯影像(圖6(b))比較,其Kappa系數(shù)為0.70,即模型模擬的精度達到顯著一致性水平,表明MCE-CA-Markov模型用于模擬鄭州市土地利用具有一定的可行性。

圖6 2020年鄭州市土地利用模擬結果與解譯結果對比

針對鄭州市2030年的土地利用模擬,選擇的限制因子類型與2020年的保持一致。以建設用地為例,制作2030年鄭州市建設用地的適宜性圖集,如圖7(a)所示。2030年鄭州市土地利用模擬結果如圖7(b)所示。

圖7 2030年鄭州市建設用地的MCE圖像及土地利用預測結果

3.3.2 2020—2030年鄭州市土地利用變化特征

由2030年鄭州市土地利用模擬結果(圖7(b))可知:鄭州市土地利用整體結構仍以耕地、林地和建設用地為主,占比分別為44.96%、27.40%和21.40%,水域、草地和未利用土地占比較小;到2030年,鄭州市的耕地面積將減少至3 403.6 km2,占比將減少3.97%,對比2010—2020年減少速率放緩;建設用地面積持續(xù)增加至1 619.77 km2,占比上升3.02%,增長速度較2010—2020年的有所放緩;林地面積增加到2 074.20 km2,占比上升2.27%。

從2020—2030年土地類型轉移的角度分析可知:耕地轉移為林地和建設用地的比例分別為12.52%、9.20%,轉移面積分別為463.85、339.77 km2,分別占林地轉入面積的22.37%,占建設用地轉入面積的20.97%;林地轉移為耕地和建設用地的比例分別為13.22%、4.42%,轉移面積分別為251.48、84.05 km2,分別占耕地轉入面積的7.39%和占建設用地轉入面積的5.19%;未利用土地轉化為建設用地的比例達到17.20%,轉移面積達到2.80 km2;草地轉移為林地和耕地的比例分別為24.06%、16.11%,轉移面積分別達到57.86、38.75 km2,分別占林地轉入面積的2.79%和占耕地轉入面積的1.13%。

此外,由土地利用空間轉移圖制作了各類土地利用新增空間范圍,如圖8所示。由圖8可以發(fā)現(xiàn),建設用地新增面積主要位于快速發(fā)展的城市地區(qū)和道路周邊,西北邊如二七區(qū)、惠濟區(qū)和滎陽市,東部集中在鄭東新區(qū)和中牟縣附近,南部主要是新鄭市和京港澳高速公路,研究區(qū)發(fā)達的道路網為建設用地擴張?zhí)峁┝顺渥銊恿?。林地新增范圍主要集中在鄭州市主城區(qū)的西南部的嵩山山脈,該地區(qū)為森林生態(tài)保護的重點區(qū)域。

圖8 2020—2030年鄭州市各類土地利用類型空間轉入圖

綜上所述,2020—2030年間鄭州市土地利用總體上呈現(xiàn)出建設用地和林地面積持續(xù)增加、耕地面積持續(xù)減少的特征,且變化速率放緩。因此,仍需落實最嚴格的耕地保護制度和節(jié)約用地制度,確保耕地和永久基本農田紅線不突破;同時,要重視保護其他用地類型,將建設用地的擴張控制在合理的范圍內;此外,還要保持人類活動區(qū)水域面積的穩(wěn)定性,以促進城市景觀的穩(wěn)定發(fā)展和生態(tài)環(huán)境的改善。

3.4 2020—2030年鄭州市景觀格局演變

受頻繁的人類活動影響,鄭州市景觀格局指數(shù)在2020—2030年間發(fā)生了明顯變化。從斑塊類型水平上看(表3),到2030年建設用地的面積增加到1 619.77 km2,最大斑塊占景觀面積的比例(LPI)增加,景觀形狀指數(shù)(LSI)減少,散布與并列指數(shù)(IJI)略有增加。這些指數(shù)的變化表明,建設用地分布的集中程度和連通性增加,與其他景觀類型的關系趨于簡單化。

表3 2030年鄭州市斑塊類型水平景觀指數(shù)

在研究區(qū)內,原先破碎的小面積斑塊如耕地、建設用地和林地等景觀類型逐漸聚合,斑塊數(shù)量(NP)明顯減少,景觀破碎程度降低。由于交通用地連接了城市中原先的小面積斑塊,導致人工景觀斑塊數(shù)量大幅減少和平均斑塊面積增加。區(qū)域快速城鎮(zhèn)化進程導致人工景觀面積不斷增加,自然景觀面積逐漸減少,一些零星分布的小面積斑塊如耕地被人工景觀取代,因此斑塊數(shù)量(NP)有所下降。

從整體景觀格局指數(shù)的變化上看(表4),與2020年相比,2030年鄭州市最大斑塊指數(shù)(LPI)增加,景觀形狀指數(shù)(LSI)降低,蔓延度指數(shù)(CONTAG)上升,散布與并列指數(shù)(IJI)增加,香農多樣性指數(shù)(SHDI)略有增加,香農均勻度指數(shù)(SHEI)基本不變。作為應用最為廣泛的指標之一,香農多樣性和均勻度指數(shù)可以反映景觀類型的豐富程度和均衡狀況[31]。在2020—2030年間,香農多樣性指數(shù)SHDI稍有增加,早期占據優(yōu)勢的景觀類型如耕地等面積減小,而人工景觀如居民區(qū)和道路等逐漸增加,使區(qū)域景觀優(yōu)勢度減小,景觀分布趨于均衡。

表4 2030年鄭州市景觀水平指數(shù)

這些指數(shù)的變化表明,在人類活動的影響下,鄭州市景觀斑塊的復雜性上升,同類型斑塊之間的連接性增加,分布變得密集,同時也說明城市快速化進程對景觀格局的影響進一步加劇,從而使得斑塊數(shù)量大幅減少,同時景觀異質性增加,景觀格局演變將繼續(xù)向多樣化和均勻化方向發(fā)展。

4 結論

本文基于解譯的鄭州市2010年、2015年和2020年的遙感影像,對2010—2020年鄭州市土地利用和景觀格局的演變特征進行了全面分析,并采用MCE-CA-Markov模型對鄭州市2030年的土地利用進行了預測分析,主要結論如下:

1)2010年、2015年和2020年,鄭州市的土地利用類型均以耕地、林地和建設用地為主,期間耕地面積占比減少9.84%,林地和建設用地面積占比分別增加5.19%和3.79%,且這3類用地面積變化加快。耕地主要轉化為林地和建設用地,草地主要轉化為林地和耕地,水域和未利用地的面積變化不明顯。土地利用類型發(fā)生這種變化的原因主要在于鄭州市加快了國家中心城市建設、大力推進了森林生態(tài)城市建設以及積極實施了退耕還林工程。從土地利用景觀格局的變化來看,鄭州市景觀水平的破碎化程度逐漸增加,景觀形狀趨于復雜,景觀的穩(wěn)定性和均勻性總體增加。

2)以2010年、2015年和2020年的土地利用數(shù)據為基礎,選擇高程、坡度和道路作為影響因子構建適宜性圖集,采用MCE-CA-Markov模型對2020年鄭州市土地利用情況進行模擬,經驗證解譯結果與模擬結果的Kappa系數(shù)達到0.70,表明該模型具有一定的可行性和可靠性,可用于預測鄭州市未來土地利用情況。

3)預測的鄭州市2030年土地利用類型仍以耕地、林地和建設用地為主,耕地面積將減少3.97%,林地和建設用地面積將分別增加2.27%和3.02%,林地和建設用地增加面積的主要來源均為耕地,其他用地類型面積變化不明顯。從土地利用景觀格局的變化來看,景觀中優(yōu)勢斑塊具有較好的連接性,未來斑塊集中程度增加,景觀異質性增加,景觀將向均勻性和多樣性的方向發(fā)展。

本研究基于MCE-CA-Markov模型模擬了鄭州市未來的土地利用情況,主要以土地利用數(shù)據為基礎,采用高程、坡度和道路數(shù)據作為影響因子,但并未考慮政府指定的發(fā)展規(guī)劃和其他經濟社會發(fā)展因素。今后需改進MCE-CA-Markov模型,加入宏觀政策調控模塊,更加精確地模擬城市快速發(fā)展和政策導向下的土地利用覆被變化。