政策影响下土地利用空间布局变化模拟分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇政策影响下土地利用空间布局变化模拟分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要： 目前，对土地利用在空间布局方面的研究已经成为新兴热点，而对于政策影响下的土地利用空间布局变化模拟研究与分析的成果尚只存少数。因此，本文在对研究区进行土地利用现状于结构和空间布局两方面的分析的基础上，根据研究区当前面临的主要土地利用变化相关政策进行需求变化研究，通过合理选择土地利用分类，运用逻辑回归分析及ROC曲线等方法进行反复的驱动因子筛选，最终选出最适用于研究区特点的因子，并通过CLUE-S模型对土地利用变化政策在空间布局上的影响做出合理模拟。结果显示，采用确切符合研究区特点的参数设置，灵活多变地选用驱动因子可以有效地帮助实现运用CLUE-S模型同时模拟出“建设用地上山”、“建设用地为耕地腾挪土地”、“建设用地沿河沿路发展”、“重点产业用地扩张”等多项土地利用政策在空间上的布局，其结果对土地利用变化研究、土地利用规划工作等具有一定意义。

关键词： 政策驱动；空间布局；土地利用变化；CLUE-S模型；空间布局变化模拟

中图分类号：U412.1+4 文献标识码：A 文章编号：1006-4311（2013）17-0296-04

0 引言

随着政策的变化，土地利用空间布局呈现出新的形式，如何对其进行模拟，是当前土地资源管理学中的研究热点之一。长久以来，我国土地利用配置研究及部分土地利用规划项目都多偏重于对土地利用数量结构的预测、安排和优化，较为忽略土地利用结构在空间上的协调与规律，规划以数量结构为主，注重土地利用规模、比例，而忽视了整体空间布局及区域上的统筹，尤其是在研究政策驱动对土地利用空间布局变化的影响方面更为匮乏。因此，本文通过对CLUE-S模型、Arc GIS等软件工具的应用，结合对未来年份研究区域将会对土地利用变化趋势产生影响的政策，模拟研究区未来年份的土地利用变化情况。

1 CLUE-S模型

CLUE-S模型分为需求分析和需求分配两部分。需求分析部分在统计的层面上为所有土地利用类型计算面积变化；而在需求分配部分将研究区不同地类的需求面积转化成空间上的土地利用变化。模型中，对于每一个栅格像元i都要针对每一种土地利用类型u根据公式1计算总概率（TPROPi，u），模型根据总概率进行土地利用变化判断。

TPROPi，u=Pi，u+ELASu+ITERu （公式1）

其中，Pi，u是指对于土地利用类型u而言地块i的适宜性；ELASu是指土地利用类型u的变化弹性；ITERu是指土地利用类型u的循环变量，标示着这一地类的相对竞争力，对于所有土地利用类型而言，当已分配面积小于需求面积时循环变量的值就会升高，反之当已分配面积过多时循环变量的值就会降低。

2 研究区分析

研究区选取的是县域土地，包括县城所在地，主要涉及到四个乡镇的部分地区，总面积为17523.05公顷。根据2009年全国二次调查数据，其中农用地为14892.12公顷，建设用地为1763.03公顷，其他土地为867.90公顷，分别占总面积的84.99%、10.06%及4.95%。

研究区位于中国西南部地区，属高原地带，地势起伏较为明显。地形可大致分为西部、中部、东部三个地区，其特点分别为：西部地区海拔高，坡度大，覆盖地类多为林地，含有少部分园地及零星散布的旱地、水浇地、村庄与自然保留地；中部地区地势平坦，多为建设用地和水浇地，其中建制镇靠近公路、主河道，而水浇地中散落分布着村庄与其他农用地；东部地区多为缓坡，相较西部地势较为平缓，覆盖地类多为旱地。

3 土地利用变化模拟实验

为保证实验结果可以与土地利用总体规划进行有效衔接，实验过程中的土地利用分类方法均选用“土地规划用途分类”。根据规划分类中的三级类分类，研究区涉及到的共有23种，但CLUE-S模型中最多可以同时模拟12种地类，因此对每个地类逐一分析空间布局特点、未来用地需求，将空间布局联系紧密、未来土地利用需求方向一致的地类归为一类，使有特别用地需求、空间布局特点无法与某一地类合理融合的地类单独成类，最终形成8个地类，即水田水浇地、旱地、园地、林地、建制镇、村庄、自然保留地和其他不变土地。分类完成的8种土地利用类型用地空间布局见图1。

除了地类的选择之外，对模拟结果影响最多的为驱动因子的选择。表1中列出了在研究区范围内较为适用的区位因素及其对应的文件编号。

对所有地类的驱动因子选取方案及其对应的方程分类能力百分比、ROC曲线下面积值进行汇总，详见表2。

从表2中可以看出，各地类的方程分类能力、ROC曲线下面积值均高于70%和0.7。7个可变地类当中，2个地类的ROC值高于0.9，4个地类的ROC值高于0.8，整体解释能力较强。

将回归结果作为输入参数在CLUE-S模型中参与计算。回归结果在CLUE-S模型中的应用可以帮助判断不同土地利用类型的区位适宜性。根据所选择的驱动因子，准备以下文件，将它们作为主要参数输入到CLUE-S模型中，开始模拟实验。

4 结果分析

为验证实验模拟的精度，通过Kappa系数进行运算，以2011年的模拟结果与现状图进行对比。通常kappa值在0～1之间：0.0～0.20为极低的一致性（slight）、0.21～0.40为一般的一致性（fair）、0.41～0.60为中等的一致性（moderate）、0.61～0.80为高度的一致性（substantial）和0.81～1为几乎完全一致（almost perfect）。经计算，2011年的模拟结果Kappa值见表4。

由表4可知，各地类的Kappa值均大于0.60，其中4个地类的Kappa值大于0.80，8个地类的Kappa平均值为0.831，模拟效果良好，证明该实验成立。

根据土地利用需求文件中对2015年不同地类用地需求的预期，对比2015年的实验模拟结果数据检验模拟实验在需求分配的数量结构方面是否达到预期要求。根据检验结果，2009年与2015年研究区各地类的面积差值均保持于1至2个栅格（栅格面积为1公顷）的差值，排除四舍五入等计算误差的客观存在，实验很好地完成了对土地利用需求的模拟。

从土地利用的结构变化上看，2015年与2009年模拟初始年的情况相比，较为明显的变化有：水田水浇地的比例提高了1.37%；林地占有比重明显减少，降低了4.51%；园地面积也有明显增加，比重增加了3.48%；其他地类变化较小或没有发生变化。从空间布局的变化来看，较为明显的变化有：水田水浇地面积增加，增加的来源主要为建制镇原有用地；建制镇整体向西偏移，即为水田水浇地腾挪位置，往临近低丘缓坡转移；园地面积有明显增加，并形成多个聚集区。此外，研究区2015年不同土地利用类型的空间布局较2009年均有更为集中的特点，符合并实现了“节约集约用地”的政策。

根据建设用地上山，即低丘缓坡工程的政策要求，在研究区的建设用地中占主要地位的建制镇应当向海拔更高的地块发展。在2009年和2015年的建制镇海拔变化中，2009年建制镇用地的海拔平均值为1593米，而2015年则为1618米，平均上涨25米。由图2可以看出，新增建设用地主要分布于中部偏西的低丘缓坡地带，符合政策要求。2009年建制镇的位置已符合沿河沿路发展的要求，而在2015年的模拟结果中，由于建制镇选择了朝距离最近的西部缓坡发展，整体向西转移，依然贴近公路发展（图2），离河流距离略远，但仍然在距河流较近的范围内。由计算可知，2009年建制镇距公路的平均距离为606米，2015年为610米，基本保持不变；但新增建制镇距公路的平均距离为539米，符合政策要求。根据建设用地沿河、沿路发展的政策要求，在研究区建设用地中占主要地位的建制镇应当靠近主河道和公路发展，由于沿河建设需要考虑到其必要性，以及河流及周边环境保护的问题，在沿河发展时，需留有一定距离，保持交通便捷即可，以免对水流环境造成污染。

根据花卉种植面积增加609公顷的政策，园地在空间布局上也实现了相应的扩张，并且形成了三个较为突出的聚集点，符合园地集约发展的要求。为了符合以花卉为主的园地面积扩张要求，在驱动因子别选取了距其他园地距离以引导新增园地围绕原有其他园地进行发展。如图3所示，新增建设园地大部分以原有其他园地为中心，依附在其附近发展。此外，根据计算，原有园地距公路距离1413米，新增园地距公路距离1177米，有效缩短了从园地到公路的距离，为花卉生产及销售运输提供便利的交通条件，促进了该产业的蓬勃发展，不仅符合政策要求，而且对政策进行了有效的补充。

根据建设用地为水田水浇地腾挪用地的政策要求，由图4可以看出，新增水田水浇地基本处于研究区中部地势平坦地区，根据计算，其平均海拔为1533米，而原有水田水浇地的平均海拔为1769米，由此可见，新增的水田水浇地占用了由建设用地转移而腾挪的中部地势平坦土地。此外，2009年的水田水浇地距河流的平均距离为1913米，而2015年缩短为1664米，新增水田水浇地距河流的平均距离为921米，便于作物灌溉。综上所述，模拟结果不仅符合政策要求，且非常适应农作物的生长需求。

5 结论

根据已完成的实验结果，建议研究区今后的土地利用空间布局按以下论述进行发展：城市、建制镇用地向西迁移，上山、上坡并沿公路布局，为水田水浇地腾挪用地；旱地保有量维持不变，水田水浇地在地势平坦地区占用城市和建制镇原有位置的土地进行面积扩张；以花卉种植为主的大型园地的规划以2015年模拟图中的园地聚集地为中心。

在运用CLUE-S模型进行模拟实验的过程中，证实了该模型较为适用于小尺度范围的土地利用变化在空间布局方面的模拟。在驱动因子设置过程中研究发现，在某一地物或地类图层上先标出其聚集点后再进行距离分析效果更好，ROC值更高。然而，对于CLUE-S模型的应用仍然存在很多需解决的问题，解决问题的过程中一定可以获得更加精确的模拟结果。

参考文献：

[1]裴彬，潘韬.土地利用系统动态变化模拟研究进展，地理科学进展，2010，29（9）：1060-1066.

[2]唐智华，朱现龙，李成.土地利用/土地覆被变化CLUE-S模型与应用分析——以扬州市为例，地球信息科学学报，2011，13（5）： 695-700.

[3]Verburg PH， Soepboer W， Veldkamp A， Limpiada R， Espaldon V， Mastura SS，etal. Modeling the spatial dynamics of regional land use： the CLUE-S model. Environmental Managements， 2002， 30（3）： 391-405.

[4]P.H. Verburg， K.P. Overmars， etal. Dynamic Simulation of Land-Use Change Trajectories with the Clue-s Model. The

GeoJournal Library，2007，90：321-335.

[5]于书媛，奚砚涛，牛坤，于雪涛.徐州市土地利用CLUE-S模型变化模拟，地理空间信息，2010，8（6）：103-107.

[6]郭廷凤，于秀波，姜鲁光，査良松.基于CLUE模型的2030年江西省土地利用变化情景分析，地理研究，2012，31（6）：1016-1028.

[7]吴健生，冯喆，高阳，黄秀兰，刘洪萌，黄力.CLUE-S模型应用进展与改进研究，地理科学进展，2012，31（1）：3-10.

[8]梁友嘉，徐中民，钟方雷，基于SD和CLUE-S模型的张掖市甘州区土地利用情景分析，地理研究，2011，30（3）：564-576.

[9]唐智华，朱现龙，李成.土地利用/土地覆被变化CLUE-S模型与应用分析——以扬州市为例，地球信息科学学报，2011，13（5）： 695-700.

[10]张永民，周成虎，郑纯辉.沽源县土地利用格局的多尺度模拟与分析，资源科学，2006，28（2）：88-96.

[11]摆万奇，张永民，阎建忠.大渡河上游地区土地利用动态模拟分析，地理研究，2005，24（2）：206-214.

[12]蔡玉梅，张文新，赵言文.中国土地利用规划进展述评，国土资源，2007，（5）：14-17.