基于CLUE-S模型的哈尔滨地区土地利用变化格局模拟与展望
辛 蕊
（黑龙江省农业科学院农业遥感与信息研究所 黑龙江 哈尔滨 150086）
摘 要： 哈尔滨地区作为黑龙江省的核心区域，模拟其土地利用变化时空格局，可以在宏观尺度上把握各种土地类型的变化过程，有利于把握驱动因素对土地利用变化的影响，可以对农业发展、城市扩张等进行合理规划，对生存环境的可持续发展有重要意义。在数理统计技术和GIS技术支持下，以Landsat TM5数据为数据源，利用CLUE-S模型以2005年哈尔滨地区土地利用数据为基年，模拟了2010年哈尔滨地区土地利用格局。与2010年哈尔滨地区实际土地利用数据相对比，模拟准确率为82.13%，Kappa系数为76.17%，说明此模型对哈尔滨地区2010年土地利用的模拟比较成功。在此基础上，利用CLUE-S模型对哈尔滨地区2025年土地利用变化格局进行模拟。与最初基年数据相比，面积减少最多的地类为耕地和草地；面积增加最多的地类为建设用地。耕地面积减少最多地区为林地边缘和建设用地周围；山区河谷地带草地减少较多，多退为林地或被耕地侵占；水域面积减少多为被耕地侵占，主要表现为坝外地种植农作物。湿地减少多为被耕地侵占；林地增加多为退耕还林较多；建设用地增加多为侵占耕地。最后，基于模拟结果，对哈尔滨地区土地利用变化趋势进行了展望。
关键词： 哈尔滨地区；土地类型；土地利用变化；CLUE-S模型；模拟
0 引言
土地作为基础性资源，是人类与自然界相互作用和影响最密切的区域，土地利用方式是人类对土地的最直接接触与改造，土地利用及覆被变化反映了人类基于自身需要对土地利用方式进行改造的范围及程度。利用土地利用及覆被变化模型对土地利用格局进行模拟是土地利用及覆被变化研究的重要方法，有助于把握该地区土地利用方式的演变过程、机理及人类社会经济与环境所产生的一系列影响，为区域可持续发展提供参考。
CLUE-S模型是荷兰瓦格宁根大学（Wageningen）的Verburg等科学家组成的研究小组在之前CLUE模型的基础上于2002年改进的。中国学者经过30多年的实践，已经把CLUE-S模型的土地利用模拟深入研究到各种类型的城市，包括矿业城市[1]、盆地城市[2]、海岸地带[3]、工业走廊[4]、海滨城市[5]、湖泊流域城市[6]、经济港口城市[7]、河西走廊地区[8]、国家级自然保护区外围[9]、沙漠边缘城市[10]、喀斯特地区[11]等，且都取得了较好的模拟效果。
成交量(VOL)：是指某一段时间内具体的交易数。成交量是判断市场走势的重要指标，反映了市场的活跃程度和资金规模情况。根据供需理论，成交量是股票价格的主宰。当投资者情绪高昂，进入证券市场意愿强烈，供大于求，推动股价上涨，反之，股价下跌。
近20年来，黑龙江省正处于经济发展转型的重要时期，随着人口增加和城市快速发展，建筑用地和耕地面积不断变化，林地、草地和水域面积也相应变化。哈尔滨地区在黑龙江省乃至中国东北地区北部都占有十分重要的地位，是东北地区北部的经济、政治、文化中心，对黑龙江省和吉林省北部地区各方面发展都有重要影响。哈尔滨地区作为黑龙江省核心区域，模拟其土地利用变化时空格局，可以在宏观尺度上把握各种土地类型的变化过程，有利于理解和认识驱动因素对土地利用变化的影响，可以对农业发展、城市扩张等进行合理规划，对生存环境的可持续发展有重要意义。
1 材料与方法
1.1 研究区概况
哈尔滨地区位于黑龙江省南部、松花江畔。南与吉林省为邻，东与牡丹江市、七台河市相接，北接佳木斯市、伊春市，西北邻绥化市，西接大庆市。哈尔滨地区包括道里区、南岗区、道外区、平房区、松北区、香坊区、呼兰区、阿城区、双城区等9个市辖区和尚志市、五常市两个县级市以及依兰县、方正县、宾县、巴彦县、木兰县、通河县、延寿县等7个县级行政区，介于东经 125°40′～130°13′、北纬 44°3′～46°37′之间。哈尔滨地区总面积53186 km2，哈尔滨市周围是平原，向东沿松花江两岸延伸，唯松花江南有山势不高的大青山低山丘陵；东北部通河、依兰两县北临小兴安岭余脉，地势略高；东南部五常、尚志两市南接张广才岭主峰地带，地势较高。属中温带半湿润大陆性季风气候，年降水量552～562 mm，降水主要集中在6—9月。年平均气温3.1～3.6°C，无霜期132～141 d[12]。
药物治疗与管理教育是现代临床医学的两大“杠杆”，两者的平衡支撑着患者稳定的疗效、良好的预后及医患关系的和谐，有效的ASIT有赖于对患者的规范化管理，但ASIT的规范化管理被认为是一个系统性工程，是摆在医务人员面前的一个暂新课题[3]。为此，我们针对每周拟接受治疗的患者名单及拟缴费名单分别采用Excel文档实施管理与传统方法实施管理，并进行对比性研究，国内外尚无相关报道。
1.2 数据来源与处理
本研究所用遥感影像数据均来源于中国科学院遥感与数字地球研究所对地观测数据共享计划 （http://ids.ceode.ac.cn/Index.aspx），共使用Landsat TM5数据19景 （表 1）。利用 ERDAS9.2软件将 Landsat TM5原始压缩包中第四、第五、第三波段的TIFF文件按顺序叠加组合，生成具有横轴Mercator投影、WGS84椭球体、WGS84坐标系的.img文件。再将此文件重新采样成具有Albers圆锥等面积投影、Krasovsky椭球体、Pulkovo1942坐标系的.img文件。Albers投影单位为米，第一条、第二条标准纬线纬度为25°N、47°N，中央经线经度为105°E，坐标原点为0°，纬向偏移和经向偏移均为0。Landsat TM影像文件命名方式为＜卫星名称及编号＞_＜轨道号＞_＜成像时间＞_＜投影方式＞.img，例如：Landsat TM5星轨道号为11628，成像时间在2005年6月22日Albers投影的.img文件命名为TM5_11628_20050622_albers.img。影像文件波段组合方式为R：1、G：2、B：3。
1.3.3 Logistic回归
图1 研究区在黑龙江省的位置
Fig.1 Location of research area in Heilongjiang province
表1 遥感影像信息
Table 1 Information of Landsat TM5 images
1.3 研究方法
1.3.1 CLUE-S模型
当地培育花木的村民掌握的花木培育技术十分有限，也没有专业的生产设备和设施.据当地一个从事花木培育的村民反映，当地还没有人知道花木培育中空气和土壤的温度、湿度的关系，只知道凭经验操作.在去王羲之墓的路上，看到过路边一个农户在用普通切割机代替剪刀截取嫁接苗木用的接穗，是调查中发现仅有的一个使用机械进行苗木生产的农户.
1.3.2 驱动因子选择
图2 2005年研究区遥感影像图
Fig.2 Remote sensing image of the research area in 2005
图3 2010年研究区遥感影像图
Fig.3 Remote sensing image of the research area in 2010
CLUE-S模型假设某地区土地利用变化受该地区土地利用驱动因素影响，且各种土地利用类型处于动态平衡之中[1]。模型包括空间模块和非空间模块两部分。其中非空间模块是空间模块的基础。非空间模块为运用其他模型预测未来某时间段各种土地利用类型的需求量。空间模块负责土地利用面积在空间格局如何分配，完成对研究区土地利用空间格局的模拟[2-13]。研究中所有栅格数据分辨率均为1000 m×1000 m。
模型模拟土地利用变化格局精度通常采用Kappa指数法，其公式为：
经遥感解译，得到哈尔滨地区2005年和2010年两期土地利用现状数据，空间分辨率为30 m×30 m，土地利用类型包括耕地、林地、草地、建设用地、水域四类、湿地五类 （图2、图3）。将其分别保存为模型可用的ASCII格式cov_all.0文件。对模型基期土地利用数据即2005年数据进行单一土地利用类型分别提取并单独成层，该地类属性赋值为1，其余区域赋值为0，并分别保存转为cov_*.0文件。
红琴离开茶庄后，风影忽然感到头部隐隐作痛。他从肺腑深处发出一声长长的叹息，接着漫不经心地来到了她挂红丝带的地方，他站定，睃了一眼，又目不转睛地盯住看，情不自禁地想起了她曾经也在山湾里挂过红腰带，他们每幽会一次，她就打一个结。可眼下的红丝带，还有上面的千千结，让他百思不得其解，她每次下山从村子里回来，都要来到这个山坡上，在这红丝线上打一个结。他知道这打的是心结，可是她打这些心结还怎么能够打得开呢？她为什么要打这些结呢？
在此基础上，利用哈尔滨地区2010年实际土地利用数据在自然增长情景下对2025年进行模拟预测，模拟结果见图4：
土地转化矩阵用来限定不同地类间是否可以相互转换，用0和1表示，0表示不可转换，1表示可以转换。耕地、林地可以转换为任何地类，因此转换数值为 “1”；水域和建设用地转换为耕地和林地的情况虽然较少，但实际中也存在，所以转换数值也为“1”。此矩阵保存为 allow.txt文件。根据2005年、2010年各地类面积，得到各地类间转移方向和转移概率。以2005年数据作为初始年份，通过线性内插法获得中间各年份各地类需求面积，保存为demand.in1文件。
2 结果与分析
2.1 CLUE-S模型运行结果
本研究假设哈尔滨地区所有区域都可发生地类转变，不设限制区。将以上参数和文件导入CLUE-S模型，以哈尔滨地区2005年土地利用数据为基期数据，模拟2010年土地利用状况，得到哈尔滨地区2010年土地利用模拟图。在ARCGIS软件中，将2010年实际土地利用状况图与模拟图进行相减分析，得出以下结果：土地面积5300000 hm2，其中正确模拟4352890 hm2。
Logistic回归在CLUE-S模型中用来计算某年份土地利用类型与驱动因子的相关关系，从而完成筛选驱动因子、确定回归方程参数的作用。用模型的convert.exe模块进行数据提取，生成stat.txt文件，再用SPSS软件进行二元回归运算，筛选驱动因子，并用ROC方法进行检验，ROC值越接近1，说明回归方程中驱动因子对地类的作用越大。通常，当ROC值大于0.7时，可认为驱动因子对地类有较好驱动作用。回归方程保存为alloc1.reg文件。
选取2016年2月～2017年2月我院接收的重症支气管哮喘患者60例作为研究对象，其中，男32例、女28例，年龄23～82岁，平均年龄（54.5±6.1）岁，病程4～16年，平均病程（7.6±4.2）年。
为了清晰研究土地利用动态变化形成因素，研究选取9个驱动因子进行分析，其中自然环境驱动因子包括坡向、坡度、高程、降水量、河流、≥10℃积温；社会环境驱动因子包括人口密度、到城镇居民点距离、道路。将所有驱动因子转换成ASCII文件，命名为 sclgr*.fil。
其中，
为模拟正确的比例；
为模型随机情况下模拟正确的比例；
为理想分类情况下正确模拟的比例[14]。此公式中，
，理想情况下，
=1，由此计算出哈尔滨地区2010年土地利用模拟图
系数为76.17%，说明2010年模拟图与真实图一致性较强，可以继续向下模拟。
1.3.4 土地转换矩阵及土地需求量设定
图4 2025年研究区土地利用模拟图
Fig.4 Land use simulation map of the research area in 2025
2.2 自然增长情景下哈尔滨地区2025年模拟图特点
由模拟图可以看出，与最初的基年数据2005年相比，哈尔滨地区2025年土地利用模拟图中，耕地面积减少22600 hm2，草地面积减少27500 hm2，水域面积减少6300 hm2，湿地减少5800 hm2；林地面积增加3400 hm2，建设用地增加79700 hm2。面积减少最多的地类为耕地和草地；面积增加最多的地类为建设用地。耕地面积减少最多地区为林地边缘和建设用地周围；山区河谷地带草地减少较多，多退为林地或被耕地侵占；水域面积减少多为被耕地侵占，主要表现为坝外地种植农作物。湿地减少多为被耕地侵占；林地增加多为退耕还林较多；建设用地增加多为侵占耕地。
3 讨论
由于政策的不确定性因素不易把握，模拟准确性会受到一定的影响；由于研究区面积较大，基本农田保护区和基本生态环境保护区数据难以获取，因此研究仅对自然增长情景进行模拟，没有对保证粮食安全情景和保证生态环境情景进行模拟；土地利用变化是极其复杂的过程，是众多驱动因子互相制约、互相影响、共同作用的结果，研究仅选取有限几个驱动因子，在一定程度上会影响模拟准确性。
4 结论与展望
本研究在数理统计技术和GIS技术支持下，以Landsat TM5数据为数据源，利用CLUE-S模型以2005年哈尔滨地区土地利用数据为基年，模拟了2010年哈尔滨地区土地利用格局，与2010年哈尔滨地区实际土地利用数据相对比，模拟准确率为82.13%，Kappa系数为76.17%，说明此模型对哈尔滨地区2010年土地利用模拟比较成功，且可以继续向下模拟。利用CLUE-S模型对哈尔滨地区2025年土地利用变化格局进行模拟，与最初基年数据相比，面积减少最多的地类为耕地和草地；面积增加最多的地类为建设用地。耕地面积减少最多地区为林地边缘和建设用地周围；山区河谷地带草地减少较多，多退为林地或被耕地侵占；水域面积减少多为被耕地侵占，主要表现为坝外地种植农作物。湿地减少多为被耕地侵占；林地增加多为退耕还林较多；建设用地增加多为侵占耕地。
被惊醒的李青海发现，多年来聚敛的不义之财就像套在他脖子上的绳索，收缩得越来越紧，勒得他喘不过气来。李青海接受审查调查后坦承，面对越来越多的钱，不仅没有高兴和满足感，反而随着时间推移越来越害怕。
随着城市不断发展，未来哈尔滨地区土地利用趋势将与过去20年类似，建设用地还将进一步侵占耕地和草地；退耕还林还草政策实施力度会影响林地与草地面积，因此林地面积还会继续增加，草地面积也会恢复性增加；耕地内部侵蚀沟被草地覆盖，若不治理，耕地会进一步减少，侵蚀沟内草地面积会被动增加；随着生态保护意识的不断增强，湿地面积会有恢复性增长；水域面积受自然因素影响较大，因此较难对未来水域面积变化趋势做出评估。
参考文献
[1]张博，雷国平，周浩，等.基于CLUE-S模型的矿业城市土地利用格局情景模拟[J].水土保持研究，2016，10（23）：261-266.
[2]邓元杰，潘洪义，陈丹,等.基于CLUE-S模型和Markov模型的土地利用变化模拟预测——以德阳市为例[J].江苏农业科学，2018（46）：321-327.
[3]潘润秋，罗启源，肖迪,等.基于CLUE-S模型的深圳海岸地带土地利用变化模拟[J].测绘与空间地理信息，2016，4（39）：32-40.
[4]李文亮.哈大齐工业走廊土地利用变化时空格局动态模拟研究[D].哈尔滨：哈尔滨师范大学，2010.
[5]郭燕燕.基于CLUE-S模型的深圳市土地利用变化模拟[D].武汉：武汉大学，2017.
[6]于淼，廉丽姝，李宝富，等.基于CLUE-S模型的南四湖流域土地利用及其生态效应评估[J].水土保持通报，2018，12（38）：232-240.
[7]曹青，张鹏林，李维庆，等.土地利用变化分析及时空动态模拟[J].应用科学学报，2017，5（35）：337-345.
[8]郭燕燕.基于CLUE-S和MCR模型的石羊河流域土地利用空间优化配置研究[D].兰州：兰州大学，2018.
[9]王玥，周旺明，王绍先，等.CLUE-S模型在长白山自然保护区外围规划中的应用[J].生态学报，2014，10（34）：5635-5641.
[10]张永民，赵士洞，P.H.Verburg，等.CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用[J].自然资源学报，2003，5（18）：310-318.
[11]赵国梁，胡叶翠.基于CLUE-S模型的广西喀斯特山区生态系统服务价值变化研究[J].水土保持研究，2014，12（21）：198-211.
[12]中国分省系列地图册——黑龙江[M].北京：中国地图出版社，2018：23.
[13]高玉宏.大庆市城市扩展模拟研究[D].哈尔滨：哈尔滨师范大学，2011.
[14]姚一舟.基于CLUE-S模型的诸暨市土地利用/覆被变化模拟分析[D].杭州：浙江农林大学，2014.
Simulation of Land Use Change Patterns in Harbin Area Based on CLUE-S Model and Its Prospects
Xin Rui
（Institute of Agricultural Remote Sensing and Information,Heilongjiang Academy of Agricultural Sciences,Harbin 150086,Heilongjiang ）
Abstract： As the core area of Heilongjiang province, by simulating the spatial and temporal pattern of landuse change can grasp the change process of various land types on macro scale, and grasp the influence of drivingfactors on land use change. This simulation can help to make rational planning for agricultural development andurban expansion, and has important significance for the sustainable development of living environment. Withthe support of mathematical statistics and GIS technology, this research used Landsat TM5 data as data sourceand CLUE-S model which based on land use data in Harbin in 2005 as an initial year to simulate the land usepattern in Harbin area in 2010. Compared with the actual land use data in Harbin in 2010, the simulation.
Key words: Harbin area；land type；land use change patterns；CLUE-S Model；simulation accuracy was 82.13%, and the Kappa coefficient was 76.17%, this indicated that the model was successful in land use simulation in Harbin in 2010. On this basis, the CLUE-S model was used to simulate the land use change pattern in Harbin in 2025. Compared with the original base year data, cultivated land and grassland were the most reduced land types, and construction land was the most increased land type. The most reduced area of cultivated land was around the edge of forest land and construction land； the grassland in mountainous valley area was reduced more, mostly to be forest land or to be occupied by cultivated land； water area was mostly to be occupied by cultivated land, mainly for planting crops outside the dam. The decrease of wetland was mostly occupied by cultivated land； the increase of forestland was mostly converted from cultivated land to forestland； and the increase of construction land was mostly occupied by cultivated land. Finally, based on the simulation results, the trend of land use change in Harbin was forecasted.
开放科学 （资源服务）标识码 （OSID）：
收稿日期： 2019-04-08
基金项目： 黑龙江省农业科技创新工程 （QN027）
作者简介： 辛蕊 （1983—），女，黑龙江双鸭山人，硕士，助理研究员，主要研究方向为农业遥感、土地利用，E-mail：mymail5273@163.com
（责任编辑 潘月红）
标签：哈尔滨地区论文; 土地类型论文; 土地利用变化论文; CLUE-S模型论文; 模拟论文; 黑龙江省农业科学院农业遥感与信息研究所论文;