山地丘陵区土地利用格局演变模拟研究
——以山西省晋城市为例

徐洪涛 田 毅,2* 刘时栋

(1.中国地质大学(北京) 土地科学技术学院，北京 100083；2.北京市自然资源信息研究与开发重点实验室，北京 100083)

山地丘陵区在我国分布广泛，是重要的经济、社会、生态交汇地区。由于山地丘陵区地形较为复杂，地形地貌在山地丘陵区的结构和功能以及多样的生态现象和过程中有直接作用，地形地貌不仅影响着该类地区地表的物质和能量循环，同时也影响着土地利用格局的空间分布与结构。山地丘陵区的岩土特征如古生界(含煤)和新生界(坡积、洪积和冲积物组成)地层为主地区，土地利用方式的变化极其复杂、多样，同时山地丘陵区受人类活动(种植业、矿业、林业)干扰，再加上脆弱的自然生态环境，对于该类地区土地利用格局变化模拟相对困难[1]。进行土地利用格局演变规律及其模拟研究是分析当地城市发展、生态环境保护的前提与基础，科学而精确地模拟山地丘陵区土地利用格局变化，有助于揭示该类地区自然—人类活动—经济发展内部规律，也可为设置长期的国土空间规划提供依据[2]。因此，开展系统、多要素、典型场景的土地利用格局演替模拟研究是非常必要的。

现有土地利用格局演替研究通常是在土地利用及覆被变化(LUCC)研究的基础上，引入特定的数学模型，就一个或多个影响LUCC的因素进行演替模拟，从而预测一定地区不同场景下土地利用未来发展方向[3]。主要包括以下3 个方面：1)模型方法。可采用基于边界扩张内部规律的形态学模型，例如UBEM模型[4]；基于改进的CLUE-S模型[5]；基于元胞自动机(CA)的相关模型，例如随机森林-元胞自动机模型(RF-CA)[6]、多准则地理元胞自动机模型(MCE-CA)[7]；模拟土地利用变化二元图像的GEOMOD模型[8]。2)模拟要素。可基于人地关系，选择自然要素[9-12](地形、地貌、气候、水文、土壤等)、社会经济要素[13-15](人口、GDP、资源配置、工业分布、政府规划等)。3)模拟主旨。可选择模拟整体土地利用变化、局部建设用地扩张、特殊生态用地演替等。

山西晋城作为典型的山地丘陵区城市(境内平原、丘陵、山地分别占全市总面积的12.9%、28.5%、58.6%)，同时又是典型的资源型城市(被誉为煤铁之乡)，由于近些年的矿产开采，导致局部地区面临着严峻的生态环境问题(大气污染加剧、水质污染严重、土壤侵蚀趋势增强)。为响应国家生态文明建设，也为寻找城市发展的新契机，晋城市致力于城市转型，大力发展低碳经济，调整工业化结构，优化各产业用地配置，因此，为合理规划用地结构，开展地区土地利用格局演替研究必不可少。虽然CLUE-S模型在地区用地模拟上使用较为广泛，但很少有针对山地丘陵区城市的相关研究，尤其是面临转型城市用地结构变化的相关研究就更少。

目前已有的模型基本都未考虑到邻域因素。邻域因素即土地利用类型之间相互转化时，不仅受自身地理位置如坡度、土壤质地、距道路、水源距离等的影响，同时还受到相邻土地利用类型的作用[16-17]。CLUE-S模型中有Logistic回归分析模块，在回归分析过程中可加入邻域因素，也就是加入空间自相关(Auto-Logistic回归)分析。因此，为探索晋城地区土地利用类型的演变规律与趋势，拟采用基于Auto-Logistic回归改进的CLUE-S模型进行模拟研究。为中尺度探索该地区土地利用类型的演变规律与趋势，本研究以山西晋城为研究对象，从地球系统科学视角，分析山地丘陵区土地利用变化特点及影响要素，建立包括“人类活动—地貌自然演替—地区经济社会”等约束要素体系，使用改进的CLUE-S模型对该地区2010—2017年、2017—2024年的土地利用格局演变进行模拟，以期为晋城市经济产业发展、生态城市建设以及未来国土空间结构优化提供依据。

1 材料与方法

1.1 区域概况

晋城市位于山西省东南部(图1)，地理坐标为111°55′ E～113°27′ E，35°12′ N ～36°00′ N，地属暖温带大陆性季风气候，四季分明，冬长夏短，多年平均气温为7.9～11.7 ℃，年降雨量在626～674 mm，平均海拔在700 m左右。晋城市境内河流纵横，主要为丹河和沁河两大河流，以及卫河支流；土壤类型以宜农、林、牧综合利用的土壤为主，包括褐土性土和红壤土面积之和为6 374.4 km2，占全市总面积的67.2%；晋城市土地利用类型多样，农用地比重大，但由于地形限制，坡耕地在耕地中占主导位置；此外，晋城市林业较为发达，自21世纪以来，林业用地以年均2%的年增长量快速上涨，但受制于当地煤炭业的影响，近年来当地林木种类以用材林为主，导致当地树种趋向单一化，生态平衡能力降低。

晋城产业以第二产业为主，占总产业比重的54.0%，且第二产业中以工矿产业为主，土地利用率较低[18]。此外，晋城市是联合国评定的国际花园城市、国家园林城市，在未来城市规划中以“幸福之城、活力之城、宜居之城”为目标，发展定位为：加强耕地和基本农田保护，提高建设用地节约集约利用水平，保障新型城镇化和生态用地[17]。

图1 晋城市在山西的地理位置图Fig.1 Geographic map of Jincheng in Shanxi

1.2 数据来源

数据源主要包括以下5类：1)2010年30 m×30 m 分辨率的土地利用现状数据来源于全国地理信息资源目录服务系统，以及来源于全球土地覆被精细观测与监控平台提供的2017年数据，并经过抽样实地踏勘检验与修正，使得修正结果可用于模型需求，再将晋城市的土地利用类型分为耕地(0)、林地(1)、草地(2)、湿地(3)、水域(4)、建设用地(5)、其他用地(6)，共7类；2)地形数据主要是30 m×30 m分辨率的DEM数据，来源于地理空间数据云平台，并将其经过前期的拼接、裁剪、去背景值处理后，得到山西晋城范围内的DEM数据，并利用ArcGIS 10.7的空间表面分析模块提取该地区的坡度与坡向图；3)1∶25万国道、高速、湖泊、河流、行政边界等数据来源于国家基础地理信息中心；4)1∶100万砂、壤、黏土含量数据，夜间灯光数据，以及居民点空间数据来源于资源环境数据云平台，后两者主要为得到该地区的GDP、人口的空间密度图；5)矿产数据包括2010—2019年持续开采的露天矿与井工矿数据，主要通过高分二号(GF-2)卫星数据人工解译，以及实地检验，综合选取占地面积>1 km2的采矿数据，作为模型输入的基础数据；6)该地区的POI数据，包括金融、教育、文化、医疗等点状数据，该类数据主要通过网络爬虫爬取及91位图等方式获取；7)其他数据，包括晋城市土地利用总体规划[19]以及2010—2017年统计年鉴中的土地利用数据，主要为改进后CLUE-S模型预测中非空间模块需求而准备。

1.3 研究方法

1.3.1基于Auto-Logistic回归分析

在使用CLUE-S模型模拟土地利用类型变化前，需进行Logistic回归可能性概率判断，但由于栅格单元层面的土地利用类型的变化不可避免的受到相邻单元格的影响，也就是空间自相关在土地利用数据分析中不可或缺，目前虽然已有相关研究对数据进行空间自相关分析[20-24]，但大多数是针对矢量数据而进行的自相关分析，例如整体墨兰指数或局部墨兰指数、热点分析等，然而这些分析并不能解决栅格数据内部的自相关性，为此本研究对栅格数据在传统的Logistic回归中引入空间自相关(Auto-Logistic)因子，从而弥补模型本身的不足。Auto-Logistic回归分析模型[25]如下：

(1)

式中：Autocovi为研究区i土地利用类型的空间自相关因子，其他参数含义与传统logistic回归相同。

空间自相关因子权重设定：

(2)

式中：Wij为第i行j列栅格的空间自相关权重；Sij,n为第i行j列栅格与其周围栅格的相似性，类型相同时设定为1，不同时设定为0；N为栅格i周边栅格总数，取值为8。本研究采用八邻域的计算方法，因此n取值为1，2， …，8。最后空间自相关权重矩阵储存在结果矩阵中，整体程序是基于Matlab2016软件编写的。

为检验Auto-Logistic回归模拟精度，本研究分别计算了不同时段每种土地利用类型与约束要素之间的相关性，并在Spss 25软件中使用ROC曲线(Receiver operating characteristic)进行相关性检验，通常ROC曲线下的面积，即AUC值>0.7时，可认为所选取的驱动因子有较好的解释能力。

为保证模型模拟精度，处理Auto-Logistic回归分析结果，首先将约束要素之间相关性较大的两要素去除其一；其次使各土地利用类型与选取的约束要素间的显著性值控制在0.01以下。

1.3.2CLUE-S模型模拟

CLUE-S模型的基本参数主要包括以下5个部分[26-27]。

1)约束要素：由于土地利用格局演变过程与区域环境之间存在着复杂的相互作用，不止因为人类所进行的任何自然、社会、经济活动都离不开土地，而且人类在进行这些活动的过程中又会不断的改变用地结构。对于山西晋城，地处太行山余脉的山地丘陵区，人类活动必然受到地形、土壤要素的影响；同时当地矿产丰富(主要是煤矿)，第一、二、三产业的发展定会受到矿产要素所带来的影响；此外，区位要素、社会要素和经济要素都在一定程度上影响着当地土地利用格局演变和发展方向。更为重要的是，CLUE-S模型所要求的约束要素要在研究期内保持相对稳定，以及保证数据的可得性、准确性、可计算性等特点。

2)限制区域：山西晋城地处太行山东南部，属山前平原城市，整体呈椭圆形，地势四周高中部低，高海拔地区土地利用类型一般难以转换，因此本研究将该地区海拔高于1 500 m的区域单独提取出来作为限制区域。由于晋城市没有大范围的自然保护区，总体上认为该地区土地利用类型的变化只受制于海拔影响。

3)转换弹性：转换弹性也可称为土地利用类型转换限制性大小，参数范围为0～1，越接近于0表示由原始土地利用类型转为其他土地利用类型的可能性也就越大，稳定性越差；反之参数越接近于1则转换为其他土地利用类型的可能性也就越小，稳定性越高。同时进行多次模拟实验，最终得到转换弹性参数[28]。

4)转移规则：土地利用转移规则参数也可称为转移可能性矩阵，表示土地利用类型之间转换的可操作性，如果两者之间可以相互转化，则用Y表示，否则用N表示(行表示当前土地利用类型，列表示潜在土地利用类型)[15]。

5)土地利用需求量：土地利用需求量是CLUE-S模型中相对独立的模块，以2010年与2017年土地利用类型数据为基期，使用类线性插值法内插出期间各年份土地利用需求量数据[29]，并根据统计年鉴对内插出的数据进行校验后，用于模型模拟使用。在对晋城市2024年模拟时，本研究基于两种不同的情景分别对该地区进行模拟，在规划情景下，根据该地区土地利用总体规划[17]，得到2020年晋城市各土地利用类型面积；在生态保护情景下的土地利用需求量数据是根据马尔科夫链模型进行的预测，由于马尔科夫链具有无后效性的特点，且在土地利用数量变化及预测中有较好的应用[30]。因此，该模型能够较好地预测自然演化下的晋城市2017—2024年的各土地利用类型需求量，以上两种情景均使用线性插值法，插值出2017—2024年的土地利用需求量数据。马尔科夫链模型见式(3)：

Pt+1=P0[P(1)]t+1

(3)

式中：Pt+1为t+1时刻的概率分布；P0为初始状态的无条件概率分布；P(1)为一个步长(逐年)下的转移概率矩阵。其表达式为：

(4)

式中：pij(与初始时刻无关)为逐年转移概率矩阵，表示过程从tn年状态ai经过一年转移到tn+1年状态aj的概率。pij规则为：

(5)

1.3.3模拟结果检验

在验证模型模拟精度时借助Spss 25软件，利用Kappa系数，检验了晋城市2017年模拟结果与实际土地利用方式的匹配程度[31]，Kappa系数一般用于检验2 个图像的差别。检验模型如下：

K=(P0-Pc)/(1-Pc)

(6)

P0=s/n

(7)

Pc=(a1×b1+a0×b0)/n2

(8)

式中：K为Kappa系数；P0为两图一致率；Pc为两图期望一致率；n为栅格像元总数；a0、a1分别为现状栅格为0、1的栅格数；b0、b1分别表示模拟栅格为0、1的像元数；s为栅格单元相同的个数。Kappa系数区间为[0, 1]，一致性级别划分为：0～0.2为较低级别，0.2～0.4为一般级别，0.4～0.6为中等级别，0.6～0.8为较高级别，0.8～1为一致级别。

1.3.4土地利用格局转化测算

在Arcgis 10.7软件中将2010年、2017年晋城市实际土地利用现状图与不同情景模拟出的2024年土地利用图相叠加，提取出不同情景下3 期土地利用变化动态图斑，计算公式为：

code2010→2017→2024=code2010×100+
code2017×10+code2024×1+1 000

(9)

式中：code2010→2017→2024为土地利用类型转化代码，code2010、code2017与code2024分别为2010年、2017年与2024年7 类土地利用类型源代码(0～6)。最后将不同情景下土地利用类型转化图中3 个时期代码一致的图斑去除，即可得到土地利用类型转化图。

2 结果与分析

2.1 土地利用现状分析

在对晋城市土地利用类型演替模拟前，需进行土地利用现状分析，图2(a)为2010年晋城市土地利用类型图；图2(b)为2017年土地利用类型图。根据遥感影像解译结果，晋城市总面积为9 420.31 km2，2010年的耕地与林地面积相当，而2017年林地面积明显增加，耕地、草地面积大量减少，且减少的耕地与草地集中在晋城市东部的太行山和西部的中条山地区。使用2010年与2017年解译的结果计算得出土地利用转移矩阵(表1)，晋城市7年间总变化面积为3 131.11 km2，林地面积增加2 193.32 km2，耕地和草地面积减少分别为1 548.22、1 359.88 km2，且减少的耕地和草地主要转化为林地。

图2 晋城市2010、2017年土地利用现状图Fig.2 Jincheng’s land use map in 2010 and 2017

表1 2010—2017年晋城市土地利用转移矩阵Table 1 Conversion matrix of land use in Jincheng from 2010 to 2017 km2

2.2 土地利用空间变量选择

综合一般地区土地利用格局变化对自然、社会、经济等层面的要求，同时选取影响山西晋城市发展的特殊制约因子，本研究共选取了16 个影响该地区发展的约束要素，并将其合并为6 大类要素：地形要素、区位要素、土壤要素、社会要素、矿产要素、经济要素[32-33](表2)。

表2 晋城市约束要素选择及其说明Table 2 Jincheng’s limiting factors and its description

表2(续)

2.3 土地利用非空间参数设置

1)转换弹性参数设置：不同阶段土地利用类型转换限制性大小不同，依据实际情况，同时结合晋城市土地利用总体规划(2006—2020年)调整方案，将晋城市土地利用转换弹性参数设置为2 个阶段(表3)。第一阶段用于模拟2017年的土地利用类型图，由于2017年的土地利用类型图已解译，因此转换弹性参数也能够相应确定；第二阶段的转换弹性参数根据规划以及模拟的2024年的土地利用格局中各土地利用类型占地面积而设定。

表3 2010—2024年晋城市土地利用转换弹性参数设置Table 3 The elastic parameter of land use conversion in Jincheng from 2010 to 2024

2)转移规则参数设置：结合晋城市实际情况并查阅资料和经验分析，与转换弹性的参数设置类似，同样分为2 个不同阶段(表4)。其中：1)2010年与2017年解译结果显示7 种土地利用类型间均存在相互之间的转化，故在此阶段设置各土地利用类型间的转移规则均为1；2)在模拟2024年土地利用格局时，考虑到我国越来越严的耕地保护制度，设定耕地向其他土地利用类型的转化时，除转为建设用地，均不允许转为其他5类用地；3)建设用地除转为耕地外，同样不可转为其他土地利用类型；4)耕地与建设用地可相互转化的原因是当地政府大力发展新农村建设，合并旧村建新村，并将旧村整治为基本农田，再加上当地政府推行的建设用地“增减挂钩”制度，因此本研究在模拟2024年土地利用格局时，无论哪种情景，第二阶段的转移规则均适用。

表4 2个阶段下晋城市土地利用转移规则矩阵Table 4 Matrix of land use conversion rules under two stages in Jincheng

3)土地利用需求量参数设置：为确保模型模拟的精度，尽量正确的设置土地需求量是模型运行的关键。在模拟2017年的土地利用类型图时，以2017年解译的土地利用现状图中各土地利用类型面积作为终止土地需求量，2010年各土地利用类型面积为起始需求量，插值出间隔数据。在模拟2024年的土地利用类型图时，一是根据当地规划[17]，进行规划情景预测；二是使用马尔科夫链的生态保护情景预测，生态保护在土地利用需求量层面主要体现在林地面积上，由于2010—2017年林地面积已大幅上涨，意味着正常情况下继续演化，自然可以达到生态保护的目标。之后插值出2 类情景下土地利用类型需求量(表5)。

表5 2024年2 种情景下晋城市各土地利用需求量Table 5 Demand for land use types based on two scenarios from 2017 to 2024 in Jincheng km2

2.4 2010—2017年土地利用验证结果分析

AUC检验结果如表6所示，整体上验证阶段各土地利用类型回归分析结果较好，农田、水域、其他用地的AUC值均≥0.9，林地、草地以及城市建设用地的AUC值也>0.8，最低的为湿地，但其AUC值依然>0.65。说明上述的16个约束要素达到了模型模拟的精度要求，可进行2024年的土地利用格局模拟。

表6 验证阶段与模拟阶段各土地利用类型AUC值Table 6 AUC values of various land use types in the test and simulation stages

对比2017年CLUE-S模型模拟图与实际土地利用现状图(图3)，使用Kappa系数分析发现：Kloc为0.77，Khisto为0.93，Fraction correct值为0.80，总体Kappa值为0.71。表明改进的CLUE-S模型对2010—2017年晋城市土地利用类型变化情况模拟较好。

空间分布上，各土地利用类型在整体上分布一致，未出现明显空间位置上的偏差，晋城市土地利用现状与模拟结果之间的差异主要表现在各土地利用类型之间的交界处以及其他局部地区。由表7可见，Kappa系数<0.6的土地利用类型为草地与其他用地；0.7≤Kappa系数≤0.8的土地利用类型为林地、耕地与湿地；Kappa系数>0.9为建设用地与水域用地。在面积变化上，林地面积增加了约90 km2，草地面积则减少约90 km2，两者抵消。在重叠比例上，耕地模拟结果重叠比例为0.7，草地为0.54，比例不高，究其原因可能是2010年的草地、耕地面积大幅下降，减少的草地多转化为林地与耕地，新增草地多为人工草场；此外，晋城市近些年来园地(本研究中将园地解译为林地)面积涨幅较快，大量占用耕地资源，使得耕地转化为林地面积较大。该问题不仅增加了模型模拟的难度，而且影响了模拟精度。

图3 晋城市2017年土地利用现状图与CLUE-S模型模拟土地利用类型图Fig.3 Actual status and simulation results of land use types by CLUE-S model in 2017 in Jincheng

表7 2017年晋城市土地利用模拟结果检验Table 7 Test of simulation results of land use types in Jincheng in 2017

2.5 2017—2024年土地利用模拟结果分析

在验证结果达标的基础上，为进一步预测晋城市2024年土地利用格局，以用于开展晋城地区用地变化需求分析。本研究分别基于规划情景和生态保护情景展开土地利用变化的预测，结合国家政策与当地实际情况，修正了土地利用转换弹性参数和转移规则参数(表3，表4)，更新了GDP以及人口密度约束要素，增加了POI兴趣点约束要素，使得模拟结果更加符合预期。

各土地利用类型AUC检验结果表明：模拟阶段较验证阶段林地、草地以及建设用地的AUC值上升，农田、湿地以及其他用地的AUC值略微下降。除湿地的AUC值为0.65外，耕地、林地、草地、水域、建设用地以及裸地的AUC值均>0.85，可用来对晋城市2024年的土地利用格局模拟预测(表6)。

分析规划情景模拟结果(图4(a))，从影响城乡变化最大的建设用地来看，晋城市建设用地面积较2017年显著增加，且增加的区域为环绕当前建设用地周边地区，增长面积范围较大的地区为晋城市市区北部、高平市东部、沁水县周边以及阳城县部分地区。分析发现：晋城市北部与泽州县接壤，两者相距越15 km，区位条件较好，进行适宜的土地整治或合理开发后，可进行大范围的城市基础设施建设；高平市东部相距5 km处为米山水库，可为城市未来发展提供生活用水，两者之间为独立山体，耕地面积较少，可进行适当开发；沁水县附近由于远离晋城市市区，且周边地势较高，进行有序开发有利于为周边村镇居民提供相应便利的物质来源；阳城县附近地势较缓，城镇开发程度较高，但并不集中，由预测结果可知，该地区建设用地有连片发展的趋势。对于耕地、水域和湿地，其面积和位置变化不明显，林业用地收缩，草地及其他用地扩张。

在生态保护情景下，晋城市2024年用地变化受2010—2017年土地利用类型变化趋势的影响(图4(b))。建设用地、水域用地的面积和位置基本保持不变；中部低海拔丘陵平原区的耕地向内收缩；沁水县、陵川县、泽州县南部以及阳城县大部分山地丘陵区草地、耕地转为林业用地；此外，该地区原有的湿地及其他用地几乎消失。

图4 晋城市2024年2 种情景模拟结果Fig.4 Two scenarios’ simulation results in Jincheng in 2024

2.6 2010—2024年土地利用变化综合对比分析

综合对比2010—2017年的土地利用变化，并根据规划情景与生态保护情景模拟得来的2024年土地利用预测图，使用土地利用格局转化法，得到3 期土地利用类型转化状况图。

规划情景下(图5)：2010—2024年，变化区域面积为3 707.19 km2，未变化的区域面积为5 768.98 km2。变化面积约占总面积的40%，表明近4 成的用地方式在这14年内有相互之间的转化，主要为耕地、草地转为林地。面积减少最大的是耕地，大约减少1 137.24 km2,由耕地转出的土地面积为1 477.70 km2，由草地等土地利用类型转入的340.47 km2，耕地的转出方式为：转为林地的696.50 km2(集中于阳城、沁水等中低海拔地区)，耕地撂荒转为草地的541.55 km2(主要在陵川县)，以及转为建设用地的177.25 km2(转化主要在晋城市市区周边)。面积减少排第二位的是草地，净减少面积625.45 km2，包括由草地直接转为林地的1 167 km2(位于泽州、沁水和阳城等地区)，以及由耕地等土地利用类型转入的541.55 km2。面积增加最大的为林地，净增加面积1 067.02 km2(位于阳城、沁水、泽州以及陵川等地区)，主要由耕地和草地转入的696.50、737.90 km2，以及由林地转出的322.53 km2。总体来看，以上土地利用类型之间的转化主要在2010—2017年，且为中部低海拔丘陵平原区耕地转为林地，东西部高海拔山区的草地、坡耕地转为林地。

生态保护情景下的土地利用变化模拟，旨在保护生态价值较高的土地利用类型，在山西晋城主要为林业用地。相较于2010年，2017年晋城市的土地利用类型已有向生态保护型城市变化的趋势，因此依据马尔科夫链的晋城市土地利用类型变化模拟能够较好的展现在生态保护背景下该地区2024年的土地利用方式。依据模拟结果(图6)，2010—2024年土地利用转变总体趋势依然是耕地、草地转为林地，总变化面积为3 835.84 km2，林地面积净增加3 099.61 km2，占总变化面积的80%，包括由耕地转入1 807.56 km2(变化区域主要在该地区高海拔的陵川县西部，阳城县北部)，其中1 109.93 km2为2010—2017年转化(各县均有转化)，585.66 km2为2017—2024年转化(主要位于陵川县西部)，草地转入1 301.59 km2(变化区域主要在泽州县南部，沁水县大部分山地丘陵地区)，建设用地转入24.4 km2，以及由林地转出33.94 km2。

举例说明(b)图例：001/(44.85)。001表示土地利用方式由2010年的耕地(0)转为2017年的耕地(0)，再转为2024年的林地(1)； 44.85表示该类转化的总面积。土地利用类型代码见表4注释。图6同。For example, in the legend of figure(b): 001/(44.85) means land use type from farmland(0) in 2010 turn to farmland(0) in 2017 to forest(1) in 2024, the total convert area is 44.85 km2. The land use type codes are shown in Table 4. The same in Fig.6.图5 规划情景下晋城市2010—2024年3期土地利用变化Fig.5 Change of land use types under planning scenario from 2010 to 2024 in Jincheng

图6 生态保护情景下晋城市2010—2024年3期土地利用变化Fig.6 Change of land use types under ecological protection scenario from 2010 to 2024 in Jincheng

3 结 论

本研究基于晋城市2010年、2017年2 个时期土地利用现状数据，综合考虑影响该地区土地利用格局变化的约束要素，使用Auto-Logistic回归改进的CLUE-S模型，从规划情景和生态保护情景对晋城市2024年的土地利用格局进行了模拟研究。主要结论如下：

1)在验证阶段，模拟得到的2017年土地利用类型图与实际土地利用现状图对比，空间位置分布一致，能够满足模拟精确度的需要。

2)在模拟阶段，依据不同情景模拟得到的2024年晋城土地利用类型图差异明显。与2017年相比，规划情景下晋城市占地面积最大的林地由62.9%下降为2024年的49.8%，而生态保护情景则上升为73.9%。在建设用地方面，规划情景下晋城市市区北部、高平市东部、沁水县周边以及阳城县部分区域建设用地扩张明显；生态保护情景中建设用地的面积、位置基本保持不变。

3)综合分析晋城市2010—2024年土地利用格局变化，生态保护情景下的土地利用总变化面积与规划情景相比，增加了128.65 km2，但2 类情景下的土地利用类型总体变化趋势均为东西部山区由草地转为林地，中部丘陵平原区由耕地转为林地。总之，生态保护情景下，晋城市林地面积所占比例大，自然环境好，但建设用地面积低，不利于当地经济发展；而规划情景下各土地利用类型、各产业均衡发展，在保护了当地生态环境的前提下，也促进了社会经济发展，从而达到双赢。