基于FLUS模型的子长市土地利用变化模拟研究

刘旭晶 孙乔

摘要：以延安市子长市为研究区，采用GlobeLand30的土地利用数据，结合子长市土地利用数据库的数据，利用未来土地利用变化情景模拟模型（GeoSOS-FLUS）从自然、交通区位和社会经济三个方面选取11个驱动因子对子长市2020年的土地利用进行模拟预测，模拟结果与真实结果较为吻合，模拟精度为0.88，Kappa系数为0.855 91，在此基础上对子长市2030年土地利用进行模拟预测，为子长市土地利用合理开发和土地资源保护提供借鉴。

关键词：土地利用变化;FLUS模型;模拟预测

中图分类号：F301.2     文献标识码：A       文章编号：1003-5168（2021）27-0105-04

Abstract：Taking Zichang City of Yan'an City as the research area， combined with the land use data of GlobeLand30 and the land use database of Zichang City，this paper uses the future land use change scenario simulation model （GeoSOS-FLUS） to select 11 driving factors from three aspects of nature， traffic location， and social economy to simulate and predict Zichang City's land use in 2020.The results show that the simulation results are in good agreement with the real results. The simulation accuracy is 0.88， and the Kappa coefficient is 0.85591. Based on this， the author simulates and forecasts the Zichang City's land use in 2030，in order to provide a reference for the rational land development and land resource protection of Zichang City.

Keywords： land use change; FLUS model; simulation prediction

随着我国社会经济的不断发展，城乡建设发展不断加快，土地利用格局发生巨大的变化，高速的城镇化扩张导致的是耕地、林地、草地和水域等用地逐渐转为大量的建设用地，这对自然生态系统造成重要的影响，土地利用/覆盖变化（land use/cover change，LUCC）逐渐成为土地资源利用研究的热点[1]。土地利用变化模拟常见的模拟方法有多元统计模型、马尔科夫（Markov）模型，CLUE-S模型、元胞自动机（CA）模型[2]。黎霞等耦合了地理模拟和空间优化模型，建立地理模拟优化系统GeoSOS软件，为城市化地区空间管制与土地利用等方面的引导、调控和优化提供技术支撑平台[3]。

本文考虑到自然和社会等因素对土地利用变化的影响，在分析子长市2000年、2010年、2020年的土地利用类型和变化趋势的基础上，利用Markov模型和FLUS模型，结合数字高程模型、坡度、河流、村庄、国内生产总值、人口等驱动因子，对2030年子长市土地利用变化情况进行模拟预测。

1 研究区概况

子长市位于黄土高原的中部，北部依靠于横山区，东部与子洲县和清涧县接壤，南部连接延川县，西部与安塞区和靖边县为邻，位于109°11′58″E—110°01′22″E，36°59′30″N—37°30′00″N，市辖1个街道、8个镇。

2 数据来源及预处理

本文所需要的数据为三期土地利用数据和11个驱动因子数据，土地利用数据来源于GlobeLand30（http：//www.globallan-dcover.com/），分别为2000年、2010年、2020年土地利用数据，数字高程模型数据是从地理空间数据云网站下载，坡度和坡向使用ArcGIS中的表面分析工具提取，社会驱动因子中的人口和GDP数据分别来源于中国科学院资源环境科学与数据中心（https：//www.resdc.cn/）的中国人口和GDP空间分布公里网格数据集，其他数据利用子长市的土地利用数据库获取。

3 结果与分析

3.1 土地利用面积及动态变化分析

表1是子长市2000年、2010年、2020年个土地利用类型的面积和所占比例。可以看出的是，2000—2020年面积最多的土地利用类型是草地，占子长市总土地利用面积的67%左右，接下来是耕园地，面积保持在62 000 hm2左右。水域、建设用地和其他土地的面积都在10%以下。

表2和表3为子长市土地利用面积变化、土地利用动态度。在2000到2010年，建设用地面积增加527.04 hm2，土地利用動态度为15.01%，增幅比较大;耕园地的面积减少最多，10年间减少517.14 hm2，依次是林地和草地。2010—2020年，建设用地继续保持增长的趋势，且增幅较大，超过前10年增加的面积，土地利用动态度为11.05%;耕园地、林地、草地和水域的面积呈现下降趋势。2000—2010年的综合土地利用动态度为0.09%，2010—2020年的综合土地利用动态度增加到0.76%，这表明2010—2020年土地利用强度较2000—2010年明显增强。

3.2 土地利用转移变化分析

表4、表5、表6为子长市土地利用转移矩阵，用来描述两期土地利用类型的转移情况，以表6中的耕园地和建设用地为例，2000—2020年间，子长市耕园地的面积总体减少，转出面积为9 629.10 hm2，其中，83.56%转变为草地，10.5%转变为建设用地;建设用地的面积总体增加，增加了1 526.31 hm2，各土地利用类型都在不同程度上转化为建设用地，其中，由耕园地转化为建设用地的面积占66.21%，由草地转化为建设用地的面积占29.35%，从而导致建设用地的面积在20年间有大幅度的增加。

3.3 驱动因子的选取分析

土地利用类型之间的相互转化是由于不同时间范围内的自然、社会和经济方面相互影响而引起的[4]，本着数据的可获取性、一致性、全面性的原则[5]，本文从自然方面选取了地形因子中的数字高程模型（DEM）、坡度和坡向作为该研究区土地利用变化的驱动因子;从交通区位因素方面选取了到建制镇、村庄、河流、农村道路、公路、铁路的距离;社会经济方面选取了人口数量和GDP两个因子。

3.4 精度验证及模拟预测

GeoSOS-FLUS软件中，以子长市2010年土地利用类型数据为基础，在基于神经网络的出现概率计算模块，设置获取训练样本的采样模式和采样比例，输入自然、交通区位、社会经济等土地利用变化的驱动因子，得到2010年的适宜性概率图集，最后用自适应惯性机制的元胞自动机对子长市2020年土地利用格局进行预测，通过调整模拟参数，利用TA变化的无量纲值为FLUS模型的邻域权重参数设置提供参考[6]，使预测得到的2020年土地利用类型图（图1）与真实的2020年土地利用类型图（图2）尽可能一致。GeoSOS-FLUS软件提供精度验证模块，用该模块计算Kappa系数进行进度检验，计算结果为总体精度达到0.88，Kappa系数为0.85 591，表明FLUS模型预测的土地利用类型达到较为理想的效果。

根据2020年的土地利用数据和2010—2020年土地利用转移矩阵（表5），利用Markov模型计算出子长市2030年的土地利用面积，结合驱动因子在GeoSOS-FLUS软件中对子长市2030年的土地利用格局进行预测，预测结果如图3所示，可以看出在未来10年间，子长市建设用地面积持续增长，向其他地类扩张，但增长趋势有所减缓。

4 结论

本文在分析子长市2000年、2010年和2020年的土地利用格局变化的基础上，结合自然、交通区位、社会经济因素三方面的驱动因子，利用GeoSOS-FLUS软件对子长市2030年的土地利用格局进行预测分析，主要结论如下：

①2000—2020年，20年间子长市建设用地面积大幅度增加，耕园地、林地、草地面积有所减少，水域和其他土地面积变化幅度较小，基本保持不变。这说明城镇化使得建设用地向四周扩张，耕园地、林地等都不同程度地转化为建设用地。

②本文选取了自然、交通区位和社会经济因素11个因子，在GeoSOS-FLUS软件中，以2010年土地利用数据为基础制作适宜性概率图集，以此来预测2020年的土地利用格局，总体精度达到0.88，Kappa系数为0.85 591，符合精度要求，表明可以利用FLUS模型对子长市土地利用格局进行预测分析。

③基于2010—2020年土地利用数据，继续利用FLUS模型预测子长市2030年土地利用情况，预测结果表明子长市建设用地面积继续呈增长趋势，但增幅放缓，耕地、林地、草地不同程度地转化为建设用地，致使这三大地类面积减少。

土地利用格局的變化可以反映出一个时期内经济发展的状况，同时也反映了经济发展带来的诸多问题[1]。经济的飞速发展使得城镇化速度加快，城市不断向外围扩张，侵占了周围的耕地、林地和草地，从而导致生态环境的破坏。对未来土地利用格局进行预测可以为土地资源的合理利用提供借鉴和参考[7]。本文选取的11个驱动因子虽然涵盖自然、交通区位和社会经济三个方面，但依然不够全面，在后续的研究中应增加其他方面的驱动因子来满足全面性的原则。其次，FLUS模型中参数的设置不同，结果也会有所差异，在未来研究的关键是要不断调整参数，寻找合理的模拟尺度，提高模拟精度。

参考文献：

[1] 王明常，郭鑫，王凤艳，等.基于FLUS的长春市土地利用动态变化与预测分析[J].吉林大学学报（地球科学版），2019，49（6）：1795-1804.

[2] 刘朋俊，李茜楠，李凯，等.基于ANN-CA的土地利用变化模拟应用研究[J].地理空间信息，2020，18（10）：20-24，27，4.

[3] 黎夏，李丹，刘小平，等.地理模拟优化系统GeoSOS软件构建与应用[J].中山大学学报（自然科学版），2010，49（4）：1-5，15.

[4] 宋晓春.基于FLUS模型的内蒙古农牧交错带土地利用变化与模拟研究[D].兰州：兰州交通大学，2020.

[5] 王芳莉.基于FLUS模型的陇南市土地利用变化与模拟[D].兰州：西北师范大学，2020.

[6] 王保盛，廖江福，祝薇，等.基于历史情景的FLUS模型邻域权重设置：以闽三角城市群2030年土地利用模拟为例[J].生态学报，2019，39（12）：4284-4298.

[7] 孙莉.洱海流域土地利用及空间格局的环境效应研究[D].芜湖：安徽师范大学，2016.