基于CA-Markov的郧西县城关镇土地利用变化图谱的模拟及预测
唐宇佳1，王 浩2，李 禹2，金 鑫2
(1.湖北大学，湖北 武汉 430062；2.湖北一二规划设计有限公司，湖北 武汉 430062)
摘要： 为深入研究郧西县城关镇土地利用图谱的变化规律及驱动机制，以郧西县城关镇2009、2013和2017年的土地利用现状数据作为数据源，基于CA-Markov模型对郧西县城关镇三年内土地利用图谱演变进行了模拟及预测；并利用多时相遥感(Temporal remote sensing)分类图像检验了CA-Markov的模拟精度，经检验，其Kappa系数达到93%，表明预测和现实一致性较高，可以用该模型来模拟预测2020年郧西县城关镇土地利用分类情况。研究结果表明：运用CA-Markov模拟土地利用演变规律是可行的；在2009～2017年间，郧西县城关镇土地利用变化图谱面积由大到小排序为稳定型、后期型、前期型、反复型、持续型；预测到2020年时，城关镇耕地、林地及草地持续减少，水域、减少用地持续增加，模拟结果表明城关镇在未来几年内土地变化情况仍很复杂，其中建设用地增加较多，耕地持续减少，相关部门应该制定相关的政策去限制城市的无序扩张，保证耕地不减少，这对城关镇的生态恢复有着重要促进作用。
关键词： CA-Markov模型；土地利用；变化图谱；模拟；预测；郧西县城关镇
1 引言
目前，对LUCC课题的相关研究仍然很多[1～5]。在LUCC研究热潮中，一部分人认为土地变化不仅影响到生态、社会经济，而且也影响到了全球经济发展和生态保护[6，7]。众多学者研究成果表明：土地利用的时空变化的研究已经越来越重要，已然成为众多学者的首选研究课题。
自该研究热点研究以来，学者采用了动力学模型[8～10]、CLUE-S模型[11，12]、Dyna-CLUES模型[13～15]、人工神经网络模型(Artificial Neural Network，ANN)[16，17]和元胞自动机-马尔科夫链(CA-Markov)模型[18～21]等来模拟并预测土地利用的时空变化情况。系统动力学模型是通过系统论来研究土地变化的因素，但是其软件和GIS的空间分析功能融合并不好，使其作用没有完全发挥出来；CLUE-S模型可以对时间和空间进行双重模拟，但其系统中的参数主要来源于人主观设置，缺乏客观性和科学性；Dyna-CLUE模型是在CLUE、CLUE-S模型基础上发展而来，该模型综合了宏观和微观两个方面的，对多尺度的土地利用变化有很好的适用性；CA-Markov模型通过发挥Markov精确的预测能力和CA强大的空间模拟能力，将其两者结合来预测和模拟研究区土地利用变化趋势，既可以模拟空间变化，又可以预测其准确面积。相比其他模型，该模型克服了以往模型模拟空间能力的缺陷和预测精度问题。目前，学者常用CA-Markov模型来模拟和预测土地利用变化。
利用图谱变化来研究土地利用的时空变化逐渐受到广大学者的关注[22～25]。本文对城关镇9年土地变化情况进行图谱分析，然后通过CA-Markov模型来模拟及预测城关镇土地的时空变化，预测结果可以给国土和规划部门提供帮助。
郧西县城关镇地形以山地为主，植被、水流资源丰富，是国家新阶段扶贫开发重点县，南水北调中线工程水源保护区上游核心区。近几年，城市范围扩大，占用大量耕地，城区的发展对河流、植被等生态造成了不同程度上的破坏。如何合理布局建设用地，减少耕地占有量是解决这一问题的重中之重[26]。
本文将城关镇3年的土地现状矢量数据根据国家国土资源部的分类标准分为耕地、林地、草地、水域、建设用地和未利用地6类，运用ArcGIS10.2对几种地类的空间布局和数量进行分析统计；选择CA-Markov模型模拟和预测郧西县城关镇2017年土地利用变化情况，并将其和实际2017年土地利用情况进行Kappa系数分析；结合土地转移矩阵和适宜性图集来模拟并预测城关镇2020年的土地变化情况。预测结果可以给国土和规划部门提供帮助。
2 研究区概况
土地利用转移矩阵是通过计算研究期初始和末的土地面积变化来得出的矩阵，通过对矩阵的分析，能够研究各个地类在研究期内的变化情况。其表达式为：
3 数据源及研究方法
3.1 数据来源及预处理
大石桥口门长400m，孔深15m。地基土主要为第②层壤土，中低压缩性，微透水性，强度较高，为较好持力层。
本研究以城关镇2009、2013和2017年土地利用现状矢量数据和DEM数据作为主要数据源，其来源主要是国土规划部门。与城关镇相关部门有项目合作并签订了数据使用保密协议后才拿到数据。相比其他学者使用遥感影像解译得到的土地利用现状数据，直接使用土地利用现状矢量数据可以减少监督分类和人工目视解译时的误差，精度有所提高。
3.1.2 数据预处理
经济时代下旅游行业快速发展，各个企业也应结合自身情况，对人力资源管理方式进行调整，并加强创新，大胆尝试，使人力资源管理得到增强。与其他行业不同，人力资源管理者需要具有较强的综合素质，并具有对旅游行业的预测能力。跟随时代的发展步伐，对人力资源管理方式进行创新，才能使其对旅游行业的发展起到有效促进作用。
图 1城关镇区域位置
3.2 研究方法
3.2.1 土地利用转移矩阵
当前高校专项资金的使用存在重申报、轻管理、重收入和轻支出的现象。在专项资金使用的时候为了能够尽早获取资金投入，相关人员在资金的使用上没有对其进行科学管理，使得项目立项具有较大的盲目性和随意性，资金使用不科学。另外，资金的预算目标脱离实际情况，预算资金的执行性较差，没有结合实际制定科学合理的预算方案。
郧西县城关镇地处郧西县东部，北与土门镇相邻，南与观音、河夹相邻。秦岭南坡汉水北岸，素有东西通“豫蜀”，南北连秦、楚之称(图1)。全镇版图面积127.83 km2，辖21个行政村、173个组、14个社区居委会、202个居民小组，总人口148612人，是郧西县的政治、经济、文化、旅游及商贸中心。2017年末，土地总面积约为127.83 km2，土地分类情况如下：①耕地及林地比例较大，占土地总面积的82.76%，面积分别为17.63 km2，88.17 km2；②建设用地面积为12.29 km2，占土地总面积的9.61%；③水域和草地占比相当，面积分别为2.12 km2和5.04 km2；④未利用地比例很小，只占0.09%，面积为0.11 km2。郧西作为南水北调核心水源区，保证水源区周边的生态环境至关重要，如何发挥“河长”的角色，破解河道管理、水环境整治中长期存在的困局，做到水系完整、河流畅通、水质良好、生物多样、岸线优美。如何采取有效措施保证“一江清水送北京”。此外，国家最近实施的精准扶贫政策工作已然拉起大幕，如何确保易地搬迁户能够种到好田，吃到无污染的蔬菜、粮食。如何合理安排布局安置房和保障房才能实现“真扶贫、扶真贫”的目的等一系列问题值得思考。
中科院遗传发育所联合中国科技大学、江苏省农业科学院、北京贝瑞和康生物技术有限公司等单位，运用单分子实时测序、单分子光学图谱和高通量染色体构象捕获技术，对中国国审大豆品种“中黄13”的基因组（ Gmax_ZH13 ）进行从头组装，最终得到其基因组序列，包含20条染色体和1条叶绿体。进一步分析表明，中国的Gmax_ZH13和美国的Williams 82基因组之间存在着大量的遗传变异。
(1)
式(1)中A 表示各种地类的面积，n 表示当前研究的地类，i 表示研究初期地类，j 表示研究期末地类。
(2)适宜图集。结合研究区实际情况和主要研究地类，把水域和建设用地设置为主要限制因子，将坡度、距离等设置为限制条件。将土地利用栅格图和限制条件、因子等参数输入到COLLETION EDIT模块中生成适宜性图集。
研究某种地类在t +1时刻的地类情况，可通过研究其相邻单元细胞和自身t 时刻地类来计算得到。结合土地转移矩阵可以计算出更复杂的土地变化情况。其表达式为：
3.1.1 数据来源
S (t+1) =f (S (t) ,N )
当周朴园望着柜子上相片，又望着鲁妈时，我觉得甚是讽刺，那口口声声说放在心尖上的人，如今站在眼前却不认识。（许滢）
(2)
式(2)中t 和t +1为单元细胞所处的两个时刻；S 为单元细胞的状态集合；f 为单元细胞转化函数；N 为相邻单元细胞。
3.2.3Markov 模型
李丽是北京一所普通大学的学生，专业一般，可是让李丽的所有同学甚至连老师都没有想到的是，李丽在大四的下学期就找到了一份无论是发展空间还是待遇都相当好的工作，而且拿到了北京户口，听老师说她的就业状况是近几年来毕业同学中最好的。
Markov土地利用变化模型是利用概率建立的一种随机型的时序模型，使用该模型的步骤如下：①根据3年土地利用现状数据推算出各种地类的转出和转入率，以此来构建土地利用变化转移矩阵；②统计预测初始年的土地利用情况；③通过IDRISI软件中的马尔科夫模型来预测2020年城关镇土地利用情况。表达式为：
S (t+1) =P ij ·S (t)
(3)
(4)
3.2.4 CA-Markov模型
本文将CA和Markov模型进行集成，以2009年和2013年土地利用现状数据为基础，来模拟2017年土地利用情况，并计算其Kappa系数。在精度要求范围内，再以2017年为模拟初始年，将由驱动因子制成的适宜性图集和土地转移概率矩阵输入到模型中，来预测模拟2020年城关镇土地利用情况。具体的步骤如下。
(1)转移矩阵。将研究区3年的土地利用现状矢量数据转化为栅格形式，象元大小为100×100。时间周期设置为8a，比例系数设置为0.15，通过IDRISI软件的Markov模块来计算得到城关镇这8年间的土地利用转移概率矩阵。
3.2.2CA 模型
(3)CA滤波器。参考其他研究学者的研究成果并结合研究区实际情况，该研究采取5×5的滤波器。
4.1.3 2009～2017年城关镇土地利用流向分析
将3年的土地利用现状数据根据国土部门发布的土地分类标准进行划分，并提取出需要的地类，对其进行编号。在ArcGIS10.2中对各个地类面积进行统计；将收集到的DEM数据处理后提取相关坡度值。
3.2.5 Kappa系数预测精度检验
研究表明，酵母可利用SO2或SO42-等硫元素合成含硫氨基酸和其他代谢产物，但分子态SO2则又通过多种形式抑制微生物的生长，如提高胞内浓度，使蛋白质中的二硫键断裂或与NAD+和FAD中的辅因子起反应等[22]。此外，抑制酵母菌生长所需的分子态SO2质量浓度受葡萄酒pH值、温度、微生物数量与种类、生长期、酒精度等因素的共同影响，最适含量还需进一步确定。
为了验证CA-Markov模型预测精度，在分类的精度评价中，不同的精度评价方法有不同的划分标准。笔者主要采用IDRISI软件中CROSSTAB工具计算的overall Kappa系数来评价预测图和原始图之间的一致性。因此直接借用Cohen提出的Kappa系数分类评价标准。如表1所示。
4 结果分析
4.1 城关镇土地利用分析
4.1.1 2009～2017年城关镇土地利用变化分析
为了研究出现热负荷不足问题的原因，对上海一些已建的楼宇式CCHP系统进行了文献调研，并得出热负荷不足很大程度上是由于CCHP系统不考虑供空调负荷。通过对比考虑不同热负荷情况下的系统性能，发现考虑空调冷热负荷时，将大幅度提高系统的运行时间、经济性和节能贡献。已有文献报道的上海四家已建医院CCHP系统建筑面积与系统配置如表1所示。
利用ArcGIS10.2统计得到城关镇三期土地利用面积如表2所示。其土地利用现状如图2所示。
表 1 Kappa系数分类标准
表 2城关镇 2009、 2013和 2017年土地利用变化
图 2城关镇 2009、 2013及 2017年土地利用现状
由表2可知，2009～2017年城关镇耕地和林地减少较多，水域和建设用地增加较多。究其原因，南水北调工程水源区工程的完工，导致水域面积增加，易地扶贫搬迁导致建设用地增加。
根据此原则将生产设备采购量C的主要影响因素归纳为：生产设备运转时间T、故障率Q，平均故障间隔时间M、不易采购的程度S。将影响生产设备采购的4个因素作为支持向量机的输入参数，将生产设备的采购量C作为输出。
教书育人是一个漫长而艰巨的工程。作为高中地理教师，笔者深深感到地理教学的任重道远，它需要我们不断研究学生的特点，发现教材的变化，探索出符合学生和课改要求的新教法，提高地理课堂效率，减轻学生的课业负担，符合日新月异的现代教育发展的需求。这个过程中，既有付出的艰辛，也有收获的喜悦，也深深体会到地理教学的乐趣，同时发现教学中总有挖掘不完的东西，时时刻刻都有超越自我的快乐和成就感。
从数字上分析，3年林地面积占比分别为69.03%、69.01%和68.97%，其面积呈现出减少趋势，原因是作为南水北调核心水源区，城关镇担任着保护好水源水质的重担，修建堤坝、防风、加固坝等工程均会占用林地。耕地面积由2009年的1787.70 hm2减少到2017年的1762.58 hm2，占比从13.99%减少到13.79%，面积减少25.12 hm2，占比减少0.2%。8a期间草地面积减少8.52 hm2，占比减少0.07%。由于蓄水量逐年增加，水域面积由2009年的212.75 hm2增加到2017年的214.91 hm2，占比增加0.02%。建设用地面积由2009年的1196.81 hm2增加到2017年的1228.87 hm2，增加了32.06 hm2。
张志彤：2014年是全面贯彻落实党的十八届三中全会作出的战略部署的第一年，也是全面推动水利改革发展的关键一年。我们将认真贯彻落实党中央、国务院关于防汛抗旱的部署，按照水利部党组要求，切实做好防汛抗旱各项工作，全力保障人民群众生命和供水安全，尽最大努力减轻洪涝和干旱灾害损失。
4.1.2 2009～2017年城关镇土地利用变化图谱分析
根据式(2)，借助于ArcGIS10.2求出城关镇2009～2017年土地利用变化图谱如表3所示。
由表3可知，城关镇2009～2017年期间土地利用变化类型中，稳定变化型面积最大，其变化图斑为25756个，变化面积为18882.15 hm2，后期变化型次之，变化图斑为1307个，变化面积为160.3 hm2，持续性变化型面积最小，其变化图斑为17个，变化面积为0.19 hm2。2009～2017年城关镇土地利用变化面积由大到小排序为稳定型、后期型、前期型、反复型、持续型。
表 3城关镇 2009～ 2017年土地利用变化图谱分析
(4)确定CA循环次数。本文以 2009年土地利用格局为起始年，CA循环次数设为7。
本节利用ArcGIS10.2空间分析工具计算土地利用转移矩阵，城关镇2009～2013年及2013～2017年的土地利用变化转移面积矩阵如表4、表5所示。
由表3、4可知，在2009～2013年城关镇土地利用转移面积矩阵中，转移面积最大的是水域向建设用地的转移，为84.03 hm2，其次是耕地向建设用地的转移，为15.27 hm2。究其原因是南水北调初期，堤坝等加固设施没有完善，再加上城市扩展所致。
同一植被类型下植被混凝土经LB法三种处理后，R0.25均值表现为SW>FW>WS，而粒径<0.05 mm团聚体含量为WS>FW>SW。SW处理下，植被混凝土团聚体以>2 mm粒级为主；FW处理下，粒径>2 mm和<0.05 mm团聚体含量较高；WS处理下，植被混凝土团聚体粒径以<0.05 mm为主。对不同植被类型而言，FW和WS处理下，R0.25 均值表现为草灌乔植被>草灌植被>草本植被，而SW处理下>0.25 mm粒级的团聚体含量均值表现为草灌乔植被>草本植被>草灌植被，其主要原因可能是SW处理将团聚体放入蒸发皿时溶液由水变成了乙醇，减小了消散及差异膨胀的影响。
表 4城关镇 2009～ 2013年土地利用变化转移面积矩阵
表 5城关镇 2013～ 2017年土地利用变化转移面积矩阵
4.2 城关镇土地利用演变模拟
4.2.1 城关镇土地利用转移概率矩阵
将三年的土地利用现状矢量数据加载到ArcGIS10.2软件中，计算出8年各个研究地类的转入率和转出率，然后根据式(3)(4)，得到2009～2013和2013～2017年土地利用转移概率矩阵，如表6，表7所示。
4.2.2 2017年城关镇土地利用适宜性图集准备
郧西县地处鄂西北，地形以山地为主，导致城关镇的建设只能以组团方式发展；自南水北调动工以来，核心水源区加固工程将建成并开始蓄水，该地区的耕地和林地急剧减少，水域及建设用地急剧增加。结合研究区实际情况和主要研究地类，把水域和建设用地设置为主要限制因子，将坡度、距离等设置为限制条件。选择基于布尔运算的MCE制作各地类适宜性图集。
4.2.3 2017年城关镇土地利用演变模拟
将2013年土地利用情况作为研究初年，将土地利用转移概率矩阵、各个参数和适宜性图集输入到CA-Markov模块中，循环次数设置为4，然后运行该模块得到2017年土地利用的空间布局。如图3。将模拟的城关镇2017年土地利用数据和实际2017年土地利用数据进行Kappa系数分析。分析统计表如表8所示。
由于城关镇地处山区，地形比较复杂，海拔较高，另外由于南水北调工程的影响和易地扶贫搬迁政策等因素决定了未来多年内该区域土地利用的供给情况和空
表 6 2009～ 2013年土地利用变化转移概率矩阵
表 7 2013～ 2017年土地利用变化转移概率矩阵
间分布情况。从表8可知，模拟的各个地类中林地、耕地和建设用地面积较大，这和实际的2017年城关镇土地分布情况是一致的。为了检验模拟精度，文章利用IDRISI软件中Kappa精度来检测模拟图和实际图之间的模拟精度，经统计，实际图和模拟图的Kappa精度为93%，证明了用该模型模拟城关镇土地利用变化是合适的。
图 3城关镇 2017年土地利用现状模拟图及实际图
表 8 2017年城关镇土地利用结构演变模拟及精度检验
4.3 城关镇土地利用演变预测
根据Kappa系数可知模拟和实际的模拟精度值为93%，说明该模型在模拟和预测该区域的土地利用情况是合适的。将土地利用转移概率矩阵、各个参数和适宜性图集输入到CA-Markov模块中，循环次数设置为4，然后运行该模块得到2017年土地利用的空间布局。如图4和表9所示。
问题导学法在初中数学教学中的应用，可以积极引导学生在学习中的思维导向，帮助学生明确解题思路，更好地对知识进行探索与实践。教师在教学过程中应当结合教学内容，从学习课堂的各个层面对学生进行问题导学法的教学，促使学生良好数学思维能力的提升，也为初中数学教学良好的质量奠定基础。
由表9可知，到2020年，城关镇土地利用继续呈现出耕地与林地的大量减少、水域与建设用地的迅速增加、以及草地与未利用地不明显变化等特点。耕地面积由2017年的1762.58 hm2减少到2020年的1678.58 hm2，所占百分比由13.79%下降到13.39%，面积减少84 hm2，占比减少0.4%。为了防止耕地无限制减少，政府应当严格执行耕地保护红线，牢牢保护好划定的永久基本农田，控制和阻止盲目开垦耕地的行为，以此促进该区域的生态环境的保护和改善。林地面积由2017年的8816.63 hm2减少到2020年的6781.63 hm2，所占百分比由68.97%下降到54.09%，面积减少2035 hm2，占比减少14.88%。林地的变化强度大于2009～2017年，林地是城关镇主要的用地类型，为了保护该区域的生态环境及社会经济的可持续发展，政府应严格控制林地的减少量。水域面积由2014年的214.91 hm2增加到2020年的456.91 hm2，所占百分比由1.68%上升到3.64%，面积增加242 hm2，占比增加1.96%。南水北调竣工以后，水源区不断蓄水使得该区域社会效益与经济效益都有一定程度的增加，但是由于水深增加，水流速度减慢，水域由一开始的自净化能力较强的天然河流变为生态环境功能及其脆弱的人工湖泊，干支流纳污能力减弱，水体富营养化严重。该区域应关注水体质量，避免水生态环境遭受破坏，污染水源。建设用地面积由2017年的1228.87 hm2增加到2020年的2346.87 hm2，所占百分比由9.61%上升到18.72%，面积增加1118 hm2，占比增加9.11%。该区域在制定土地利用总体规划时，应当严格控制建设用地的增加量，严格禁止一切违法建设行为。
图 4城关镇 2020年土地利用现状预测
表 9 2020年城关镇土地利用结构预测
本文选择的研究区域具有一定的代表性，能够为该区域的国土规划部门提供一定的理论支撑。但由于选择的驱动因子不完整，选择的因子并不能够真实影响到土地利用变化情况。在以后的研究中应当根据实际情况选择具有说服力、具有真实性的因子。
参考文献：
[1]Verburg P H，Soepboer W，Veldkame A，et al.Modeling the spatial dynamics of regional land use:the CLUE-S model[J]. Environmental Management，2002，30(3):391～405.
[2]Teerasit K，Manoj K A，Pramod K，et al. Super resolution land cover mapping using a Markov randomfield based approach [J].Remote Sensing of Environment，2005，96(3/4):302～314.
[3]陆汝成，黄贤金，左天慧，等.基于CLUE-S和Markov复合模型的土地利用情景模拟研究——以江苏省环太湖地区[J].地理科学，2009，29(4)：577～581.
[4]杨国清，刘耀林，吴志峰.基于CA-Markov模型的土地利用格局变化研究[J].武汉大学学报(信息科学版)，2007，32(5):414～418.
[5]刘纪远，匡文慧，张增祥，等.20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报，2014，69(1)：3～14.
[6]张 月，张 飞，王 娟，等.基于LUCC的艾比湖区域生态风险评价及预测研究[J].中国环境科学，2016，36(11):3465～3474.
[7]汤发树，陈 曦，罗格平，等.新疆三工河绿洲土地利用变化系统动力学仿真[J].中国沙漠，2007，27(4):593～599.
[8]张晓玲，关 欣，吴宇哲，等.基于系统动力学的县域土地利用变化模型—以浙江省缙云县为例[J].安徽农业科学，2007，35(34):11154～11156.
[9]李 志，周生路，陆长林，等.基于系统动力学城市边缘区土地利用变化模拟与预测—以南京市江宁区为例[J].土壤，2010，42(2):314～318.
[10]钱国英，张长勤，董 斌，等.基于遥感与系统动力学模型的土地利用/覆被变化研究[J].遥感信息，2014，29(1):44～50.
[11]魏 伟，颉耀文，魏晓旭，等.基于CLUE-S模型和生态安全格局的石羊河流域土地利用优化配置[J].武汉大学学报(信息科学版)，2017，42(9):1306～1315.
[12]卞子浩，马小雪，龚来存，等.不同非空间模拟方法下CLUE-S模型土地利用预测——以秦淮河流域为例[J].地理科学，2017，37(2):252～258.
[13]陆文涛，代 超，郭怀成.基于Dyna-CLUE模型的滇池流域土地利用情景设计与模拟[J].地理研究，2015，34(9):1619～1629.
[14]叶高斌，苏伟忠，孙小祥.基于Dyna-CLUE模型的太湖流域建设用地空间扩张模拟[J].长江流域资源与环境，2018(4):725～734.
[15]严 冬，李爱农，南 希，等.基于Dyna-CLUE改进模型和SD模型耦合的山区城镇用地情景模拟研究——以岷江上游地区为例[J].地球信息科学学报，2016，18(4):514～525.
[16]王 磊，王 羊，蔡运龙.土地利用变化的ANN-CA模拟研究——以西南喀斯特地区猫跳河流域为例[J].北京大学学报(自然科学版)，2012，48(1):116～122.
[17]井长青，张永福，杨晓东.耦合神经网络与元胞自动机的城市土地利用动态演化模型[J].干旱区研究，2010，27(6):854～860.
[18]吴晶晶，田永中，许文轩，等.基于CA-Markov模型的乌江下游地区土地利用变化情景分析[J].水土保持研究，2017，24(4):133～139.
[19]许小娟，刘会玉，林振山，等.基于CA-MARKOV模型的江苏沿海土地利用变化情景分析[J].水土保持研究，2017，24(1):213～218,225.
[20]张俊平，李 净.基于CA-Markov模型的甘州区土地利用变化预测分析[J].中国农学通报，2017，33(4):105～110.
[21]李志明，宋 戈，鲁 帅，等.基于CA-Markov模型的哈尔滨市土地利用变化预测研究[J].中国农业资源与区划，2017，38(12):41～48.
[22]胡文英，角媛梅，范 弢.哈尼梯田土地利用空间格局及其变化的信息图谱研究[J].地理科学，2008(3):419～424.
[23]叶庆华，刘高焕，田国良，等.黄河三角洲土地利用时空复合变化图谱分析[J].中国科学(D辑:地球科学)，2004(5):461～474.
[24]马海超，刘吉平.吉林省西部土地利用格局变化图谱与驱动力分析[J].水土保持研究2015，22(2):193～199,346.
[25]王金亮，邵景安，李阳兵.近20a三峡库区农林地利用变化图谱特征分析[J].自然资源学报，2015，30(2):235～247.
[26]杨清可，段学军，王 磊，等.基于“三生空间”的土地利用转型与生态环境效应——以长江三角洲核心区为例[J].地理科学，2018，38(1):97～106.
Simulation and Prediction of Land Use Change Map of Chengguan Town in Yunxi County Based on CA -Markov Model
Tang Yujia1, Wang Hao2, Li Yu2, Jin Xin2
(1.Hubei University ,Wuhan ,Hubei ,430062,China ;2.Hubei 12Land Project Design Co .,Ltd .,Wuhan ,Hubei , 430062, China )
Abstract : In order to study in depth, the changing patterns and driving mechanism of land use maps in Chengguan Town of Yunxi County,this study used the data of land use status of Chengguan Town in Yunxi County in 2009, 2013 and 2017 as the data source.Based on CA-Markov model,the simulation and predictionof land use pattern evolution in Chengguan Town of Xi County was carried out in three years.The simulation accuracy of CA-Markov was tested by temporal remote sensing classification image.Its Kappa coefficient reaches 93%, indicating that the prediction and reality are in good agreement. This model can be used to simulate and predict land use classification in Chengguan Town, Yunxi County in 2020.The results show that::1.Using CA-Markov to simulate land use evolution is feasible;2.From 2009 to 2017, the land use change pattern of Chengguan Town in Yunxi County was ranked as stable change, late change, early change, repeated change and continuous change;3.It is predicted that by 2020, the arable land, woodland, and grassland in Chengguan Town will continue to decrease, and the water area and land use will continue to increase. The forecast result indicates that the land use change in Chengguan Town is very active and the ecological environment is under pressure to recover and rebuild.Therefore, there is an urgent need to strengthen the protection of cultivated land, forest land and grassland in the region, control and prevent blindly reclamation of cultivated land, and promote the protection and improvement of the ecological environment.
Key words : CA-Markov；land use；change map；simulation；prediction;Yunxi County of Chengguan Town
收稿日期 ：2019-03-21
作者简介 ：唐宇佳(1994—)，女，硕士研究生，研究方向为GIS应用。
中图分类号： F301
文献标识码： A
文章编号： 1674-9944(2019)8-0194-07
标签：CA-Markov模型论文; 土地利用论文; 变化图谱论文; 模拟论文; 预测论文; 郧西县城关镇论文; 湖北大学论文; 湖北一二规划设计有限公司论文;