EN中文

Economic geography >

2020 , Vol. 40 >Issue 10: 58 - 66

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.10.007

Urban Landscape Pattern Evolution and Prediction Based on Multi-Criteria CA-Markov Model：Take Shanghang County as an Example

  • LUO Ziwei ,
  • HU Xijun , ※ ,
  • WEI Baojing ,
  • CAO Pan ,
  • CAO Shiyi ,
  • DU Xinyu
Expand
  • College of Landscape Architecture，South University of Forestry & Technology，Changsha 410004，Hunan，China

Received date: 2019-04-23

  Revised date: 2020-07-08

  Online published: 2025-04-21

Fold

Abstract

This paper takes the urban outer ring-road boundary of Shanghang county in 2020 as the research object,and takes the satellite image map of Shanghang county in 2009 and 2013,and the aerial image map of Shanghang county in 2017 as the information source. This paper analyzes the dynamic changes of landscape types in the research area,and constructs the Multi-Criterion Ca-Markov model. The results show that: 1) From 2009 to 2017, agricultural landscape has always been the dominant landscape element in the overall landscape. From the single change of dynamic attitude,the road landscape has the largest change in the past eight years, followed by other-construction landscape and agricultural landscape. From the comprehensive change of dynamic attitude, it can be seen that the total change amount of landscape area in the two research periods has decreased. From 2009 to 2013,the change rate of landscape area was faster than that of 2013 to 2017,and the change of landscape pattern in the research area had obvious stage characteristics. 2) The Multi-Criteria Ca-Markov model constructed better simulated the landscape pattern in 2017,with Kappa coefficients all above 0.75; By 2025,the urban residential landscape,other-construction landscape,urban greenland landscape in the research area show an increasing trend,while the rural residential landscape,agricultural landscape and forest landscape show a decreasing trend,and all landscape types tend to be balanced and stable in 2025. The overall fragmentation degree of landscape pattern increases,showing high heterogeneity,but the aggregation degree of landscape decreases,and the landscape distribution is more uniform. The landscape types in the study area are gradually developing towards equilibrium in landscape space.

Key words： urban landscape; landscape pattern evolution; Multi-Criteria CA-Markov Model; prediction; Shanghang County

Cite this article

LUO Ziwei , HU Xijun , WEI Baojing , CAO Pan , CAO Shiyi , DU Xinyu . Urban Landscape Pattern Evolution and Prediction Based on Multi-Criteria CA-Markov Model：Take Shanghang County as an Example[J]. Economic geography, 2020 , 40(10) : 58 -66 . DOI: 10.15957/j.cnki.jjdl.2020.10.007

城市景观格局的研究，对合理利用土地利用规划和管理，改善城市生态与环境有着至关重要的作用，其中，探讨景观格局时空变化规律、预测其未来变化速度和方向，已经成为了一个热点问题[1-2]。目前针对景观格局动态研究的模型主要有马尔科夫链模型、元胞自动机模型、土地利用变化模型、元胞自动机—马尔科夫（CA-Markov）模型等。近些年来，CA-Markov模型吸收了元胞自动机和马尔科夫理论对时间序列和空间预测的优点，能够在数量和空间两个方面较好地进行土地变化时空模拟，且该模型着重于模拟多种土地类型之间的相互转化以及转化趋势，包括对未来情境下土地利用面积转移矩阵的设定和实现对预测年土地利用数量结构的空间化两部分[3-4]。多准则评价应用于CA-Markov模型的适宜性图集模块，可将多个人为因素合并成转换模型的限制性因素，使得模型更加具有科学和实际意义。虽然CA-Markov模型已广泛应用于景观格局分析与预测，但其研究对象多集中在快速发展的大中型城市或经济城市圈，对于县级城区尺度下的模拟研究相对较少。
上杭县于宋淳化五年（公元994年）置县，迄今已越千年历史，是客家文化的重要发源地之一，县城处于“客家母亲河”——汀江中游的黄金回龙地段，又因地形略似桃心，故素称汀江之璀璨“明珠”。近年来，上杭县城市发展迅速，城区格局不断更新，不可避免地出现了一系列迫切需要解决的生态环境和人居环境问题[5-6]，科学规划城市景观格局势在必行。因此，本文选择上杭县城总体规划中2020年形成的城市外环道路以内为研究区，以其2009、2013、2017年的影像数据为基础，结合景观变化动态指标，对研究区景观格局动态变化进行定量分析，并采用多准则CA-Markov模型，对研究区未来城市景观格局进行预测模拟，旨在解释上杭县城区景观格局时空变化特征及规律，为该区域的城市景观规划及可持续发展提供科学依据。

1 研究区概况与数据处理

1.1 研究区概况

上杭县隶属福建省龙岩市，位于福建省西南部，龙岩市西部，汀江中游，2017年上杭县建成区面积约为1 490 hm²，建成区人口达到了125 200人。本研究以2020年形成的城市外环道路外边线为界，界限内部为研究区域，面积为2 884.45 hm²，主要涵盖临江镇、临城镇2个大镇，以求在一个相对完整的区域进行景观格局研究。研究区内部符合一般城市中心规律，地形特征较为单一，地势平坦，南北向主要道路为上杭大道，东西向主要道路有二环路、北环路。近年来，上杭县城区经济发展迅速，景观格局变化明显。

1.2 城市景观分类

景观格局指的是大小不一、形状各异的景观斑块在空间上的配置，是景观形成因素与景观生态过程长期共同作用的结果[7]，因此，定义景观斑块的属性，即景观类型划分，是研究城市景观格局的基础。景观生态分类是土地分类的深化，目前，在土地利用规划与城市规划实践当中，多从土地利用角度进行城市景观分类，同时，城市景观的景观斑块具有异质性以及相对的独立性，并且能完成一定的功能[8]，因此需要综合考虑研究区实际情况，在土地利用分类下进行进一步合并或细分。
综合考虑上杭县城区影像图的图像分辨率、资料获取的可能性及研究区特点，根据上杭县城市景观分类需要，本研究将上杭县城市景观进行二级分类：一级景观有人工景观、半人工半自然景观和自然景观共3类；二级景观有城市居住景观、农村居住景观、城市绿地景观、道路景观、其他建设景观、农业景观、林地景观、水体景观共8类，可满足研究区范围内所有空间上的景观划分，具体含义见表1。
表1 上杭县城市景观分类表

Tab.1 Classification table of urban landscape of Shanghang County

一级类型名称 代码 二级类型名称 含义
人工景观 1 城市居住景观 指城市居民的住宅小区、公寓和成片居民点，包括居住区内的道路、院落、绿化及附属设施等用地景观
2 农村居住景观 指城市周边的村落、农民自建房等，包括居住范围内的农舍、牲畜棚圈、仓库场院、道路、水渠、宅旁绿地等用地景观
3 城市绿地景观 指城市内以人工为主的各类绿地、公园、广场等公共开放空间用地景观
4 道路景观 指城市道路、交通设施、公共停车场等用地，不包括居住用地、工业用地等内部的道路、停车场等用地景观
5 其他建设景观 指城市内除居住、城市绿地、道路景观以外的所有公共管理与服务景观、公用设施景观、商业服务景观、工业景观等
半人工半自然景观 6 农业景观 指城市边缘区已开发或尚未开发的耕地、园地等农业用地景观
自然景观 7 林地景观 指城市内自然生长的林地
8 水体景观 指自然河流、小溪、池塘等

1.3 数据来源及处理

对2017年上杭县城区修测地形图DWG文件，2009、2013年上杭县城区卫星影像图（空间分辨率为0.61 m/像素），2017年上杭县城区无人机航空影像图（影像分辨率为0.2 m/像素）在ArcGIS10.5中进行地理配准及裁剪；以目视解译的方法进行景观类型分布信息的提取和绘制，获得2009、2013、2017年三期影像的景观格局现状数据（图1）。空间数据库构建完毕后，执行以下操作：①综合考虑研究区大小及多准则CA-Markov模型运行速度，将3期矢量数据转成大小为1 m×1 m的TIF栅格数据；②在ArcGIS中将三期景观栅格图在Spatial Analyst工具下进行重分类，将Nodata值设为0，其他景观类型从1开始排序，保证三期图例标识序号一致；③将重分类后的三期栅格图导出，保证栅格大小的行、列数量一致；④在IDRISI软件中将导出的重分类TIF栅格图在Import模块Desktop Publishing formats下的GEOTIFF/TIFF下转为IDRISI支持的RST格式。
图1 上杭县城市景观分类图

Fig.1 Urban landscape classification map of Shanghang County

2 研究方法

2.1 景观变化动态度

景观变化动态度反映景观类型的变化速率，是反映研究区景观面积变化剧烈程度的重要指标[9]。研究区在一定研究时间范围内，单一景观动态度表示某种景观类型在数量上的变化，综合景观动态度表示某种景观类型变化的速率大小[10]，计算公式如下：
单一景观动态度：
K = U t 2 - U t 1 U t 1 × 1 t 2 - t 1 × 100 %
综合景观动态度：
L C = ∑ i = 1 n Δ L U i - j 2 ∑ i = 1 n L U i × 1 t 2 - t 1 × 100 %
式中：K表示研究时间内某一种景观类型的单一动态度； U t 1和 U t 2分别表示研究初期及末期该景观类型的面积； t 1、 t 2分别代表变化发生的初期和末期； L U i - j表示研究时段内类型i转换为类型j的面积； L U i表示研究初期第i类景观类型的面积[11]。

2.2 多准则CA-Markov模型

选用多准则CA-Markov模型对上杭县城的景观空间格局演变进行模拟预测。基于IDRISI 软件GIS Analysis下的CA-Markov模型将CA元胞自动机模型与马尔科夫模型的优点有机结合，一方面较好地模拟景观格局的时空变化，另一方面提高了景观类型动态演变的预测精度，是一种简单且行之有效的景观格局演变模拟预测方法[12-13]。将通过Markov模型得到两期景观类型转移概率矩阵、转移面积矩阵以及基于多准则评价制作的适应性图集作为转换规则，进行下一时期景观格局的预测。具体步骤为：
第一，转移概率矩阵构建。利用IDRISI软件中的Markov模块来预测各景观类型相互转化的变化量，获得研究区2009—2013和2013—2017年景观类型变化的转移概率矩阵，参与模拟运算。
第二，适宜性图集制作。景观类型转移适宜性图集指的是某一种景观类型转变为其他景观类型的概率图，适宜性图集是转换规则的一个重要组成部分，本研究运用IDRISI软件中的MCE（多准则评价）模块运算生成。本研究在上杭县城区景观格局演变研究的基础上，运用布尔叠加法作为制作景观格局转变适宜性图像的主要方法进行评价，将所得到的土地利用转变适宜性图集，作为CA-Markov模型模拟土地利用变化的转换规则。本研究从地形地貌因素、汀江水系、行政中心、道路因素四个方面考虑各因素对景观格局的影响：
①地形地貌因素。本研究区处于上杭县主城区内部，地形地貌特征较为单一，仅在研究区西北部集中分布有山体，由表4可知2009—2017年研究区内林地景观的面积变化幅度较小；景观斑块集中区域多为平地，地形地貌因素较为稳定，对景观格局变化的影响较小。在短时间、小尺度范围内，地形地貌特征不会发生较大改变，且通过查阅2010—2018年《上杭统计年鉴》《上杭年鉴》及上杭县政府公布材料 ① 可知，上杭县在此期间并未发生强破坏性的气候事件，如山体滑坡、泥石流等。因此，地形地貌因素不是影响研究区城市景观格局变化的重要因子，故不在本研究的适宜性图集中考虑。
表4 2009—2017年上杭县城区单一景观动态度

Tab.4 Change of landscape type and area in Shanghang County in 2009-2017

景观类型 代码 2009
/hm²		 2013
/hm²		 2017
/hm²		 2009—2013
变化/hm²		 2009—2013
单一动态度/%		 2013—2017
变化/hm²		 2013—2017
单一动态度/%		 2009—2017
变化/hm²		 2009—2017
单一动态度/%
城市居住 1 313.64 332.56 364.27 18.92 1.51 31.71 2.38 50.63 4.04
农村居住 2 211.55 220.22 215.37 8.67 1.02 -4.85 -0.55 3.82 0.45
城市绿地 4 307.27 379.33 384.97 72.07 5.86 5.64 0.37 77.7 6.32
道路 8 128.95 176.67 206.40 47.72 9.25 29.74 4.21 77.45 15.02
其他建设 3 287.25 344.26 369.87 57.01 4.96 25.61 1.86 82.62 7.19
农业 5 887.09 742.69 652.47 -144.40 -4.07 -90.22 -3.04 -234.62 -6.61
林地 6 367.10 347.31 327.42 -19.80 -1.35 -19.89 -1.43 -39.68 -2.70
水体 7 381.60 341.41 363.67 -40.19 -2.63 22.26 1.63 -17.93 -1.17
②水系因素。考虑到2009、2013、2017年汀江河道均未发生变化，对周边影响力一致，故以2009年水体景观中的汀江斑块作为水系因素研究的水系基础信息。在ArcGIS中，将汀江水体从水体景观中提取，并将多段汀江斑块合并，采用多环缓冲区的方法，综合考虑其他类型距汀江水体的距离，建立距离汀江间隔为100 m的5个缓冲区带，由内至外依次为1~5级，如图2。
图2 汀江缓冲区

Fig.2 The buffer zone of the Tingjiang River

③行政中心因素。上杭县城区的行政中心是上杭县人民政府，它的区位优势明显，交通条件、市场活跃都具有很强的影响力，能够满足各类用地的集聚性要求，且在2009—2017年均未迁址。在ArcGIS中，提取行政中心斑块，确定中心位置，采用多环缓冲区的方法建立距离行政中心空间间隔，即半径间隔为500 m的5个等级缓冲区带，以半径1 000 m为起始缓冲区，由内至外依次为1~5级，如图3。
图3 行政中心缓冲区

Fig.3 The administrative center of the buffer zone

④主要交通因素。交通道路就是区域内的经济带，道路改变沿线辐射范围内的土地开发，从而促使区域土地利用格局或景观格局发生变化，它的作用在景观格局演变过程中不可忽视。在ArcGIS中提取2009—2017年道路景观图层，将支路去除，保留研究区主要道路，采用多环缓冲区的方法建立道路空间等级缓冲带，综合考虑三期各景观类型距主要道路的距离现状，将间隔设为50 m，共6个等级缓冲区带，并用研究区范围栅格图进行按掩膜提取，裁去研究区以外的缓冲区带，如图4。
图4 道路缓冲区

Fig.4 Buffer map of the road

将上述缓冲区图与三期景观类型图进行叠加，对各级缓冲区的各景观类型面积进行统计，获得其分布规律，同时，对参考已有研究及上杭县城区的实际情况，确定研究区转换适宜性图集约束性条件，见表2。
表2 转换适宜性图集约束性条件

Tab.2 Conversion of suitability atlas constraints

景观类型 汀江水系
缓冲级别		 行政中心
缓冲级别		 主要道路
缓冲级别
城市居住景观 2~5 1~3 1~4
农村居住景观 - 3~5 -
城市绿地景观 1 1~5 -
道路景观 - - -
其他建设景观 2~5 1~4 1~4
农业景观 1~5 3~5 1~6
林地景观 - - -
水体景观 1 2~5 -
根据多准则模块要求，把约束条件的适宜值标准化到“0”和“1”，其中“1”代表适宜，“0”代表不适宜。结合对特定景观类型的约束条件，如建设用地具有相当程度的不可逆性，因此限制现状城市居住景观、其他建设景观及道路景观向其他景观类型转化。根据上述分析中所规定的约束条件，应用IDRISI软件中MCE模块的布尔相乘方法将各类型的约束条件进行合并，得到各种景观类型的适宜性图像，最后使用软件中的Collection Editor模块，按照各景观类型的顺序进行排列，最终合成研究区景观类型转变适宜性图集。
③2017年景观格局模拟。在IDRISI软件CA-Markov模块下导入2009—2013年马尔科夫转移矩阵、2013年的景观类型RST栅格图，以及制作的适宜性图集，循环次数设置为4（一般设置为间隔年限的整数倍），采用默认的摩尔型邻域5×5滤波器，模拟获得2017年模拟影像。
④2021、2025年景观格局预测。经过2017年模拟和实际景观类型图精度检验后，以2017年实际景观格局数据、以2013—2017年马尔科夫转移矩阵为基础，获得2021年景观格局预测数据，同理获得2025年景观格局预测数据。

2.3 模拟精度检验

通过对比2017年模拟和实际景观类型图来定量分析最终的模拟精度，区别于以往单一的Kappa系数检验[14-15]，本研究在IDRISI Selva17.00的Change/Time series模块下的VALIDATE模块中将Kappa系数验证拓展为标准Kappa系数（Kstandard）、随机Kappa系数（Kno）、位置Kappa系数（Klocation）和分层区位Kappa系数（KlocationStrata）的检验系列组，见表3，以求更加全面地检验模拟与实际影像之间数量、位置等方面的一致性程度[16]。
表3 Kappa系数检验系列组

Tab.3 Kappa coefficient test series group

名称 公式 意义
Kstandard K s t a n d a r d = P 0 - N m 1 - N m 以有中等保持数量的能力，没有保持空间区位的能力的 N m作为期望值，评价综合信息变化
Kno K n o = P 0 - N n 1 - N n 以既没有保持数量的能力，又没有保持空间区位的能力的 N n作为期望值，评价综合信息变化
Klocation K l o c a t i o n = P 0 - N n P m - N n 以有中等保持数量的能力，没有保持空间区位的能力的 N n作为期望值，以既有中等保持数量的能力，又有完全保持空间区位的能力的 K m作为真实值，评价空间区位信息变化
KlocationStrata K l o c a t i o n   r a t a = P 0 - N n K m - N n 以既没有保持数量的能力，又没有保持空间区位的能力的 N n作为期望值，以既有中等保持数量的能力，又有完全保持空间层/区的能力的 P m作为真实值，评价空间区位信息变化
通常情况下，当Kappa≥0.75时，两景观类型图的一致性较高，差异较小即模拟效果较好，具有较高的可信度；当0.4≤Kappa≤0.75时，一致性一般，变化明显即模拟效果一般；当Kappa≤0.4时，一致性较低，差异较大即模拟效果很差，模拟错误的栅格占据了总栅格数量的大部分位置，模型需要修改。

3 结果与分析

3.1 上杭县城市景观类型动态度分析

利用Fragstats4.2软件中景观类型水平的CA斑块类型面积指数，分类汇总2009—2017年的景观类型面积及变化情况，并计算单一景观动态度，见表4，计算2009—2013年和2013—2017年景观面积总转移量（分别为293.86 hm2和249.82 hm2）及综合景观动态度（分别为1.27%和1.08%）。
由面积变化可知，上杭县城区2009—2017年，农业景观始终是整体景观中的优势景观元素，对景观贡献度最大，道路景观所占比例最低。农业景观和林地景观面积呈持续减少趋势，减少量分别为234.62 hm²、39.69 hm²；城市居住景观、其他建设景观以及道路景观面积呈现持续增长趋势，增长量分别为50.63 hm²、82.62 hm²、77.45 hm²，这一现象体现了上杭县城区经济建设、城市发展与耕地、林地保护之间的矛盾，城市化发展往往伴随着建设用地及道路景观占用周边农业景观及其他地类的情况。
根据景观变化动态度公式所计算的单一景观动态度和综合景观动态度可分别表示研究区景观类型的变化数量及变化速率情况。从单一动态度变化情况可知，2009—2017年道路景观变化幅度最大，其次为其它建设景观、农业景观，分别为15.02%、7.19%、-6.61%，但不同研究时段单一动态度存在差异，2009—2013年道路景观、城市绿地景观、其他建设景观数量增加较多，2013—2017年道路景观、农业景观、城市居住景观数量变化较大。从综合动态度变化情况可知，研究区在2009—2017年，景观类型面积的总变化量有所下降，景观格局活跃度较高，其中2009—2013年各景观面积变化速率快于2013—2017年，综合景观动态度分别为1.27%、1.08%，说明上杭县城区景观格局变化的阶段性特征明显。

3.2 多准则CA-Markov模型景观模拟与精度检验

以2013年景观分类图为基础，以2009—2013年转移概率矩阵、制作的适宜性图集为转换规则，进行2017年城市景观格局的模拟，结果如图5a，并将2017年模拟数据与实际数据进行VALIDATE精度检验，扩展的4种Kappa系数检验值如下：Kstandard系数为0.8492，Kno系数为0.8614，Klocation系数为0.8861，KlocationStrata系数为0.8861，均大于0.75，说明2017年模拟和实际景观类型图的一致性较高，该多准则CA-Markov模型模拟精度准确，模拟预测的效果较好，可信度较高，适用于模拟研究区2021、2025年景观格局变化情况。
图5 景观格局模拟预测图

Fig.5 Forecast map of landscape pattern

3.3 2021、2025年景观预测

以2017年景观类型图为基础，以2013—2017年转移矩阵以及制作的适宜性图集作为转换规则进行2021年景观格局预测模拟，同理获得2025年景观格局模拟图，如图5b、5c，2017—2021、2021—2025年景观类型转移矩阵见表5、表6。
表5 2017—2021年景观类型面积转移矩阵/hm²

Tab.5 Landscape type area transfer matrix in 2017-2021

2017 2021
城居 农居 城市绿地 道路 其他建设 农业 林地 水体 转出 总计 比例/%
城居 326.11 0.05 10.09 23.52 3.41 1.08 0.01 0.01 38.16 364.27 12.63
农居 3.45 179.29 7.79 11.24 3.89 9.60 0.11 0.01 36.08 215.37 7.47
城市绿地 4.26 0.13 340.85 5.24 12.39 2.52 0.04 19.55 44.13 384.97 13.35
道路 0.02 0.01 0.28 205.66 0.29 0.14 0.00 0.01 0.74 206.40 7.16
其他建设 23.48 0.45 9.68 5.31 327.16 3.74 0.03 0.02 42.71 369.87 12.82
农业 37.83 5.32 36.57 14.55 25.92 527.61 4.27 0.39 124.86 652.47 22.62
林地 1.10 5.03 0.88 4.23 2.71 7.97 305.50 0.00 21.92 327.42 11.35
水体 3.15 0.57 9.47 2.83 3.34 2.69 2.80 338.83 24.84 363.67 12.61
转入 73.28 11.56 74.76 66.93 51.93 27.75 7.25 19.98 333.44
总计 399.39 190.85 415.61 272.59 379.10 555.36 312.74 358.82 2 884.45
比例/% 13.85 6.62 14.41 9.45 13.14 19.25 10.84 12.44 100
表6 2021—2025年景观类型面积转移矩阵（单位hm²）

Tab.6 Landscape type area transfer matrix in 2021-2025

2021 2025
城居 农居 城市绿地 道路 其他建设 农业 林地 水体 转出 总计 比例/%
城居 359.54 0.01 0.02 36.12 0.06 3.64 0.00 0.00 39.85 399.39 13.85
农居 0.15 165.99 4.34 17.45 0.02 2.88 0.02 0.00 24.86 190.85 6.62
城市绿地 11.45 0.03 381.20 4.87 17.64 0.38 0.00 0.03 34.40 415.61 14.41
道路 0.04 0.02 0.01 272.40 0.04 0.02 0.00 0.05 0.18 272.59 9.45
其他建设 37.70 0.82 10.92 5.40 322.67 1.58 0.02 0.00 56.43 379.10 13.14
农业 16.10 5.89 18.57 12.74 10.36 490.62 1.08 0.00 64.74 555.36 19.25
林地 0.11 14.8 0.08 8.61 0.30 2.87 285.96 0.00 26.78 312.74 10.84
水体 2.10 1.67 0.01 2.74 0.59 0.01 7.84 343.87 14.95 358.82 12.44
转入 67.65 23.25 33.95 87.93 29.01 11.37 8.96 0.08 262.20
总计 427.19 189.24 415.15 360.33 351.68 501.99 294.93 343.95 2 884.45
比例/% 14.81 6.56 14.39 12.49 12.19 17.40 10.22 11.92 100

3.3.1 2017—2021年景观格局变化

预测结果表明，2017—2021年研究区景观格局总体延续着2009—2017年的变化趋势，景观类型之间的转换依然较为活跃，农业景观面积持续减少，其他建设景观、城市绿地景观、道路景观呈现持续增加趋势。具体表现为：①城市居住景观、道路景观继续保持快速发展趋势，城市居住景观主要由农业景观、其他建设景观转入，道路景观主要由城市居住景观、农业景观、农村居住景观转入；②由于城市化的发展，农村居住景观面积减少了24.52 hm²，主要向道路景观、农业景观转移，转入量较少；③城市绿地景观主要由农业景观转入，与水体景观发生相互转换；④城区其他建设景观的面积继续增长，面积占比提高至13.14%，相比前两个时段，增速放缓；⑤农业景观面积到2021年减少了97.11 hm²，总体占比仍然最大，主要向城市居住景观、其他建设景观、城市绿地景观转换，共向后三者转移了100.32 hm²，占总转移量的80.35%；⑥林地景观面积有小幅度减少、水体景观面积有小幅度增加，总体变化不大，林地景观主要向农业景观、农村居住景观、道路景观转移，水体景观主要向城市绿地景观转移。

3.3.2 2021—2025年景观格局变化

预测结果表明，2021—2025年研究区景观类型之间的转换依然较为活跃，农业景观、其他建设景观面积有小幅度减少，城市居住景观、道路景观面积呈现持续增加趋势，具体表现为：①城市居住景观、道路景观继续保持增长趋势，2021—2025年分别增长了27.80 hm²、87.74 hm²，城市居住景观主要由其他建设景观转入，道路景观主要由城市居住景观、农业景观、农村居住景观转入；②农村居住景观面积趋于稳定，在2021—2025年仅减少了1.61 hm²，转入、转出量基本持平；③城市绿地景观面积增加了30.64 hm²，主要由农业景观转入，与水体景观发生相互转换；④其他建设景观面积减少了27.42 hm²，主要向城市居住景观转移；⑤农业景观面积4年间减少了53.37 hm²，总体占比仍然最大，与前三个研究时段相比，面积占比持续下降，但减少的速率放缓，主要向城市居住景观、其他建设景观、城市绿地景观转移；⑥林地景观、水体景观面积有小幅度减少，林地景观主要向农业景观、农村居住景观、道路景观转移，水体景观与汀江水位密切相关，故主要与城市绿地景观发生相互转换。

3.4 2009—2025年上杭县城区景观格局演变趋势分析

3.4.1 景观结构演变趋势分析

研究区景观结构在研究区段前期变化明显，后期逐渐趋向平衡，如图6。城市居住景观、城市绿地景观、道路景观、其他建设景观面积呈增长趋势，农村居住景观、农业景观、林地景观面积呈减少趋势，均在2025年趋于平衡和稳定；水体景观面积各年浮动较大，与汀江水位有关，面积变化趋势不明显。
图6 2009—2025年景观类型面积变化

Fig.6 Changes in landscape type and area in 2009-2025

3.4.2 景观破碎化趋势分析

在Fragstats软件中对2009—2025年景观水平指数求取，结果见表7。由表中数值变化可知，2009—2025年研究区景观整体的IJI散布与并列指数呈增加趋势，表明各景观类型斑块间比邻的比邻概率有小幅度的升高；SHEI香农均匀度指数呈增长趋势，AI聚集度指数呈减少趋势，可以说明景观格局整体的破碎化程度增加，呈现出较高的异质性，但景观的聚集度在缓慢减小，优势组分对景观的影响降低，景观分布更加均匀。
表7 2009—2025年研究区景观水平指数

Tab.7 Landscape level index of the research area in 2017-2025

年份 IJI SHEI AI（%） SHDI
2009 86.42 0.93 98.91 1.93
2013 87.05 0.96 98.87 1.99
2017 87.50 0.97 98.86 2.02
2021 87.59 0.98 98.22 2.04
2025 87.64 0.98 98.46 2.05

3.4.3 景观多样性趋势分析

由表7可知，2009—2025年整体景观的SHDI香浓多样性指数呈持续增长趋势，说明研究区内各景观类型在景观空间逐渐向均衡化方向发展，符合研究区内城市化发展的过程。

4 结论与讨论

4.1 结论

本文以上杭县2020年形成的城市外环道路外边线以内为研究区域，运用单一、综合景观动态度对上杭县城区的景观格局演变特征进行分析，通过研究2009—2017年研究区景观格局的变化，利用多准则CA-Markov模型对2021、2025年上杭县城区景观格局情况进行了预测，得出以下结论：
①2009—2017年景观动态变化。从单一景观动态度变化情况可知，8年间道路景观变化幅度最大，其次为其它建设景观、农业景观；2009—2013年道路景观、城市绿地景观、其他建设景观数量增加较多；2013—2017年道路景观、农业景观、城市居住景观数量变化较大。从综合景观动态度变化情况可知，8年间景观类型面积的总变化量有所下降，2009—2013年各景观面积变化速率快于2013—2017年。
②多准则CA-Markov模型模拟及预测。依据多准则评价制定的适宜性图集，较好地规定了CA-Markov模型的预测方向，精度试验的Kappa系数均高于0.75，说明本研究构建的CA-Markov模型能较好地预测2021、2025年研究景观格局。
③2009—2025年景观格局演变趋势分析。到2025年，研究区城市居住景观、其他建设景观、城市绿地景观呈增长趋势，农村居住景观、农业景观、林地景观呈减少趋势，均在2025年趋于平衡和稳定；景观格局整体破碎化程度增加，呈现出较高的异质性，但景观的聚集度降低，景观分布更加均匀；研究区内各景观类型在景观空间逐渐向均衡化方向发展，这符合研究区内城市化发展的过程。

4.2 讨论

上杭县城区的各项规划都离不开坚实的数据支撑，因此应实时利用3S技术对研究区的景观格局现状进行动态监测，获取具有时效性的景观格局数据，把控景观格局的演变进程及方向，从而采取相适应的规划方案或相关政策，对于不合理的地方及时进行引导和调控。
精度检验总体一致性较好，但与2017年现状对照尚存在一定误差，而这个误差也许能说明上杭县城市景观发展的一些问题：①现状城市居住景观比模拟结果大了约20 hm2，说明近几年上杭县城市化发展速度是呈加快态势，城市居住景观增幅加大。同时，也一定程度上反映了政府对居住用地开发的约束有限，应合理控制其发展速率。②现状城市绿地景观比模拟结果少了约80 hm2，说明近几年上杭县城市绿地景观建设相对滞后，但随着2018年上杭县政府提出创建国家园林县城目标后，城市绿地景观发展速率将加快，将弥补与模拟的差距。③道路景观少于模拟结果，说明政府在该阶段的基础建设相对滞后，未来应进行相应调整。④本研究范围在城市发展边界内，农业景观减少是必然趋势，但保留一定面积的农业景观，并与林地景观相得益彰，可作为上杭县山区城市的特点之一，成为公园城市的实现基础。
大量的研究表明，城市景观格局演变过程更多的是一个人为干预的过程，并非自然演变过程，因此，就研究方法而言，在制作适宜性图集时，本研究综合考虑了地形地貌、水系、行政中心、主要交通因素对景观类型分布的影响，从而制定了多准则的转换约束规则，今后可增加居民点、规划红线等方面的内容，进行CA-Markov模型转换规则的优化，进行更细致的模拟预测，以得出准确性更高的研究成果。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
院旺. 制定智慧城市发展规划的策略研究[J]. 价值工程, 2017, 36(34):207-208.

[2]
王健斐. 浅谈当前土地规划过程中存在的问题与强化对策[J]. 建材与装饰, 2017(49):62-63.

[3]
刘勇, 苏超, 徐小明. 太原市高新开发区土地利用优化配置研究[J]. 中国土地科学, 2013, 27(10):16-23,2.

[4]
Hu Ruishan, Dong Suocheng. Land use change simulation and landscape pattern analysis in Jiangsu,Zhejiang and Shanghai[J]. Journal of Resources and Ecology, 2013, 4(2):141-148.

DOI

[5]
Matthew L, Jianguo W. A gradient analysis of urban.Landscape pattern:a case study from the Phoenium etropolitan region,Arizona,USA[J]. Landscape Ecology, 2002, 17(4):327-339.

[6]
张玉林. 中国的城市化与生态环境问题——“2018中国人文社会科学环境论坛”研讨述评[J]. 南京工业大学学报:社会科学版, 2019, 18(1):1-10,111.

[7]
苏洁琼, 王烜. 气候变化对湿地景观格局的影响研究综述[J]. 环境科学与技术, 2012, 35(4):74-81.

[8]
胡希军. 城市化主导的景观结构演变机制研究[D]. 长沙: 中南林业科技大学, 2006.

[9]
张冉, 王义民, 畅建霞, 等. 基于水资源分区的黄河流域土地利用变化对人类活动的响应[J]. 自然资源学报, 2019, 34(2):274-287.

DOI

[10]
朱会义, 李秀彬. 关于区域土地利用变化指数模型方法的讨论[J]. 地理学报, 2003(5):643-650.

[11]
李孝永, 匡文慧. 京津冀1980—2015年城市土地利用变化时空轨迹及未来情景模拟[J]. 经济地理, 2019, 39(3):187-194,200.

[12]
Ji H, Yoshitsugu Hayashi, Xin C, et al. Application of an integrated system dynamics and cellular automata model for urban growth assessment:a case study of Shanghai,China[J]. Landscape and Urban Planning, 2008, 91(3):133-141.

[13]
王秀兰, 包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 1999(1):83-89.

[14]
张远景. 哈尔滨中心城区生态网络分析及其景观生态格局优化研究[D]. 哈尔滨: 东北农业大学, 2015.

[15]
马慧娟, 高小红, 谷晓天. 随机森林方法支持的复杂地形区土地利用/土地覆被分类研究[J]. 地球信息科学学报, 2019, 21(3):359-371.

DOI

[16]
Robert Gilmore Pontius,Marco Millones. Death to Kappa:birth of quantity disagreement and allocation disagreement for accuracy assessment[J]. International Journal of Remote Sensing, 2011, 32(15):4407-4 429.

Options
Outlines

/

〈 〉