全 文 ：基于生命周期的乡村景观格局演变的预测方法
———以湖南省金井镇为例*
季摇 翔摇 刘黎明**摇 李洪庆
(中国农业大学资源与环境学院, 北京 100193)
摘摇 要摇 以洞庭湖区金井镇为案例,运用生命周期理论分析了乡村景观格局演变过程,模拟
了乡村景观格局演变周期曲线,预测出乡村景观格局演变周期,并与 CA鄄Markov 模型相耦合,
建立了一套符合乡村景观格局演变规律的预测模拟方法. 预测结果表明: 2020 年金井镇乡
村景观格局中聚落景观和水田景观变化最大,聚落景观将增加至 1194. 01 hm2,水田景观将减
少至 3090. 24 hm2,模型预测结果的数量精度和空间精度分别达到 99. 3%和 96. 4% ,明显优
于单一的 CA鄄Markov模型.本文提出的乡村景观格局演变周期的预测方法可以为未来乡村景
观规划提供参考.
关键词摇 生命周期摇 乡村景观格局摇 演变周期摇 预测方法摇 CA鄄Markov
文章编号摇 1001-9332(2014)11-3270-09摇 中图分类号摇 F321. 1; Q149摇 文献标识码摇 A
Prediction method of rural landscape pattern evolution based on life cycle: A case study of
Jinjing Town, Hunan Province, China. JI Xiang, LIU Li鄄ming, LI Hong鄄qing (College of
Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China) .
鄄Chin. J. Appl. Ecol. , 2014, 25(11): 3270-3278.
Abstract: Taking Jinjing Town in Dongting Lake area as a case, this paper analyzed the evolution
of rural landscape patterns by means of life cycle theory, simulated the evolution cycle curve, and
calculated its evolution period, then combining CA鄄Markov model, a complete prediction model was
built based on the rule of rural landscape change. The results showed that rural settlement and pad鄄
dy landscapes of Jinjing Town would change most in 2020, with the rural settlement landscape in鄄
creased to 1194. 01 hm2 and paddy landscape greatly reduced to 3090. 24 hm2 . The quantitative
and spatial prediction accuracies of the model were up to 99. 3% and 96. 4% , respectively, being
more explicit than single CA鄄Markov model. The prediction model of rural landscape patterns
change proposed in this paper would be helpful for rural landscape planning in future.
Key words: life cycle; rural landscape pattern; evolution cycle; prediction method; CA鄄Markov.
*国家自然科学基金项目(41471455,40971109)和高等学校博士学
科点专项科研基金项目(20100008110002)资助.
**通讯作者. E鄄mail: liulm@ cau. edu. cn
2014鄄03鄄11 收稿,2014鄄07鄄16 接受.
摇 摇 景观格局变化一直是国内外景观生态学的热点
之一,近年来随着新农村建设的兴起,对乡村景观的
研究开始增多,从评价到保护都提出了新见地[1-5]
或新方法[6-7];在预测模拟方面,CA鄄Markov 模型已
逐步成为应用较为广泛的方法,马尔科夫模型对景
观格局的预测是通过上一时段的转移概率对下一时
刻进行预测,是将景观格局的演变视为匀速变化的
过程,忽略了景观格局演变的周期性[8-11] .生命周期
理论指客观事物像生物一样经历诞生、成长、成熟、
衰退到灭亡的过程,这一理论涉及政治、经济、环境、
技术、社会等诸多领域[12-13],应用该理论对事物进
行预测较成熟,如产品销量、研发成本和动物生长规
律等[14-17] .本文主要探讨将生命周期理论应用于乡
村景观格局的预测模拟,使其符合乡村景观格局的
演变规律,提高预测模拟精度.首先以生命周期理论
为基础对乡村景观格局的演变周期特征进行分析,
在此基础上对马尔科夫模型进行修正,并将修正后
的马尔科夫转移概率矩阵与元胞自动机结合对乡村
景观格局进行模拟,构建一种适合乡村景观格局演
变规律的预测方法,并在长沙县金井镇开展了案例
应用研究,以 2009 年为基期年对该方法进行精度验
应 用 生 态 学 报摇 2014 年 11 月摇 第 25 卷摇 第 11 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Nov. 2014, 25(11): 3270-3278
证,并对 2020 年的乡村景观格局演变进行预测模
拟,以期为乡村景观格局演变研究提供一种更有效
的预测模拟方法.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
金井镇位于湖南省长沙县最北端,与平江、浏
阳、汨罗三县(市)交界,镇域面积 144 km2,现辖 14
个村、1 个社区. 由于本研究的时间尺度较长,为了
保持前后行政界线的一致,以 2003 年的行政区划为
标准,将金井镇除金井社区以外的区域划分为 13 个
行政村:蒲塘村、龙泉村、观佳村、西山村、东山村、拔
茅田村、脱甲村、新沙村、王梓园村、九溪源村、金龙
村、惠农村和涧山村(本研究没有包括具有城镇特
征的金井社区).
1郾 2摇 数据来源
本研究数据包括金井镇 1955、1990、2005 和
2009 年的景观图,1955 和 1990 年景观图由历史纸
质地形图矢量化所得,2005 年景观图直接由数字化
的地形图提取得到,2009 年景观图由 SPOT 影像在
ENVI中通过监督分类取得.以上 4 幅图的投影坐标
均为以 114E为中央经线、三度分带的西安 80 坐标
系统.包括园地、聚落、水田、林地、道路、池塘、水库
和水渠 8 种景观要素,由于景观演变中道路和水渠
等廊道的变化率较小且在操作中极易产生误差,故
将廊道与相邻景观进行合并;水库作为工程性景观,
极少与其他景观要素转换,故不作为本研究的景观
要素类型.
为保证研究单元的尺度统一且具有可比性,将
13 个行政村按距离、地形等信息合并为 5 个研究单
元(图 1).其中,单元 1 位于金井镇的最东边,境内
道路最少,距离商服中心较远,是 5 个单元中地理位
置最偏远最不便捷的区域;单元 2 位于单元 1 的南
面、单元 3 和单元 4 的北侧,其地理位置与单元 1 相
比较好;单元 3 地势平缓,位于 3 个商服中心的中间
位置,在 5 个单元中地理位置最好;单元 4 位于金井
镇的西南侧,海拔较低,境内有脱甲商服中心,其地
理位置仅次于单元 3;单元 5 位于金井镇的东南侧,
境内有 1 座中型水库,注重生态保护,经济发展相对
缓慢.
1郾 3摇 研究方法
生命周期理论适用于任何客观事物,乡村景观
格局演变同样具有这样一个周期,即乡村景观格局
的演变周期.分析乡村景观格局的演变周期,根据生
图 1摇 研究单元(1 ~ 5)分布
Fig. 1摇 Distribution of the research units (1-5).
玉: 商服中心 Business center; 域: 道路 Trunk road; 芋:村界 Village
boundary; 郁: 研究单元界限 Unit boundary; 吁: 金井水库 Jinjing
Reservoir.
长曲线设置演变周期曲线,进而预测出乡村景观格
局在未来演变过程中的变化量. 利用马尔科夫模型
对乡村景观格局进行预测是根据上一时态对下一时
态进行预测,将景观格局演变视为一种匀速过程,忽
略了景观格局演变的周期性. 通过乡村景观格局未
来的变化量对马尔科夫转移概率矩阵进行修正,然
后与 CA 模型耦合完成对乡村景观格局的预测模
拟,将此法称为生命周期修正模型.
1郾 3郾 1 生命周期理论与生长曲线摇 生命周期是客观
事物像生物一样经历诞生、成长、成熟、衰退到灭亡
的过程,应用这一理论可以对事物的未来发展做出
预测,并可以通过生命周期曲线(图 2)来描述其发
展过程[12-14] .
摇 摇 生命周期曲线侧重于反映事物发生发展的周期
性,而生长曲线则是将事物在生命周期内的变化量
用曲线表示出来,不同生长阶段的变化速度不同:发
生阶段,变化速度较缓慢;发展阶段,变化速度加快;
成熟阶段,变化速度又趋缓慢[16-17] .常用的生长曲
图 2摇 生命周期曲线
Fig. 2摇 Life cycle curve.
172311 期摇 摇 摇 摇 摇 摇 季摇 翔等: 基于生命周期的乡村景观格局演变的预测方法———以湖南省金井镇为例摇 摇 摇 摇
线为逻辑生长曲线,公式如下:
y=C / (1+A伊e-Bx) (1)
式中:y是累计变化量;x 是时间;C 是累计变化量的
极限值;A是调节参数;B是瞬时速度.
本文选用逻辑生长曲线的微分方程作为本文的
生命周期曲线,如下式:
y忆=ABC伊(1+A伊e-Bx) -2伊e-Bx (2)
式中:y忆是单位时间内的变化量,即变化速度.
1郾 3郾 2 乡村景观格局演变的周期分析摇 景观格局的
变化是绝对的,稳定是相对的.景观格局演变指一种
相对稳定的景观格局在外部环境发生改变后,逐渐
变化至另一种相对稳定的景观格局. 如果外部环境
不变,景观格局将继续保持这种相对稳定的状态,一
旦外部环境发生改变并对景观格局产生相应的干扰
后,这种相对稳定的状态将被打破,景观格局也将继
续变化直到适应新的环境.因此,景观格局演变就是
在不同干扰下不断地由一种稳定到另一种稳定的过
程,这种现象称为景观格局的演变周期.
景观格局演变的驱动力有自然和人类两个方
面,在现代社会中,自然因素只是景观格局演变的基
础条件,人类才是最终的决策者. 因此,乡村景观格
局演变的驱动力主要来源于人类为了满足自身需求
根据自然条件对其进行的改造[18-20] . 在人类历史
中,土地利用与人类需求之间的矛盾一直在数量上
最突出[21-24],这导致人类对景观格局的改造往往由
对景观要素的数量改造开始,随着数量需求的缓和,
对景观要素布局的需求开始凸显,当景观要素的数
量和布局满足人类需求后,景观格局逐渐进入稳定
状态,这就是一个乡村景观格局演变周期.
在乡村景观格局演变初期,以景观要素的数量
变化为主,布局变化所占比重较小,随着数量的满
足,布局变化所占比重开始迅速增长,到了演变后
期,以布局变化为主. 因此,乡村景观格局的布局变
化在总体演变中所占的比率(以下简称为布局变化
比重)可反映出其所在演变周期的阶段,该值越小
表示所在周期的位置越靠前,越大则越靠后.
1郾 3郾 3 乡村景观格局的演变周期曲线设置摇 布局变
化比重既可以反映乡村景观格局所处演变周期的阶
段,又符合生命曲线特征,其极限值为 1,可将其函
数式设为:
酌(x)= 1 / (1+u伊e-vx) (3)
式中:酌(x)是乡村景观格局演变周期中第 x 年的布
局变化比重;x为时间;u和 v均为待求参数.
根据历史数据计算的布局变化比重是该步长内
的平均值,其计算式及其与函数式之间的关系为:
1 - 啄qst / 啄st = 酌st = 乙t
s
酌(x)dx / ( t - s) (4)
式中:啄qst是 s年到 t年的景观格局数量变化率;啄st是
s年到 t年的景观格局变化率;酌st是 s 年到 t 年景观
格局布局变化比重的平均值;s和 t分别是这一时段
的起始年和终止年.
啄st =Dst / A (5)
式中:A是景观总面积;Dst是 s 年到 t 年的景观格局
变化量(通过叠加法求得).
啄qst = Dqst / Dst = 移
k
i = 1
| si - ti | / 2Dst (6)
式中:Dqst是 s年到 t年的景观格局数量变化量;k 是
景观要素的种类数;si和 ti分别是 s 年和 t 年第 i 类
景观要素的面积.
本文所选用的生命周期曲线表示事物的变化速
度,在景观格局演变中,为景观格局的变化速度,也
就是单位时间内的景观格局变化率,算式如下:
啄(x)= abc伊(1+a伊e-bx) - 2伊e-bx (7)
式中:啄(x)是乡村景观格局演变周期中第 x 年的变
化速度;a、b 和 c 均为待求系数,a 为调节参数,b 为
景观格局演变的瞬时速度,c 为景观格局累积变化
率的极限值.
根据历史数据计算景观格局变化率受数据的步
长限制,不同步长景观格局变化率与景观格局变化
速度之间的关系式如下:
啄st = 乙
s
t
啄(x)dx (8)
根据历史数据结合以上算式可求得布局变化比
重的函数式,可预测出乡村景观格局进入稳定状态
的时间,进而求得乡村景观格局变化速度的函数式,
最终求得未来 s年到 t 年内的景观格局变化率与数
量变化率.
1郾 3郾 4 马尔科夫转移概率矩阵修正摇 马尔科夫模型
的核心是转移概率矩阵,通过上一时段的转移概率
矩阵计算后一时刻的可能状态,其算式如下:
T=S伊mij (9)
式中:S和 T分别表示前一时刻和后一时刻的景观
要素类型;mij表示 i 类景观要素转换为 j 类景观要
素的概率.
转移概率即为各类景观要素之间的交换概率,
可将预测得的景观格局变化率和数量变化率按照矩
阵中各元素之间的数量关系进行修正,得到符合景
观格局演变周期的转移概率矩阵.
马尔科夫转移概率是各类转换面积与其景观要
2723 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
素面积的比例.为了在矩阵中便捷地计算景观格局
变化率和数量变化率,需将其转化为各类转换面积
与景观总面积的比率矩阵 rij,算式如下:
rij =mij伊Asi / A (10)
式中:rij为 i类景观要素转换为 j类景观要素的面积
与景观总面积的比率;Asi为前一时刻 i 类景观要素
的面积;A为景观总面积.
设修正后的转换面积与景观总面积的比率为
R ij,满足以下 3 个条件:
啄st = 移
i屹j
i = 1
移
j屹i
j = 1
R ij
啄qst = 移 | 移
n
i = 1
R ij - 移
n
j = 1
R ij | / 2
移
n
j = 1
R ij = 移
n
j = 1
rij
式中:啄st和 啄qst分别是根据乡村景观格局演变周期预
测得的 s年到 t年内的景观格局变化率和数量变化
率,且 t-s等于矩阵 R 的步长. 同样步长的前提下,
令修正后矩阵的景观变化率和数量变化率与预测值
相等,且行和不变.
依据以上条件对 rij进行修正,由于矩阵主对角
线元素是各景观要素保持不变的比率,其他元素则
为发生变化的比率,根据预测得到的景观格局变化
率分别对主对角线元素及其他元素进行修正,使其
满足景观格局变化率,得到 r0ij:
r0ij = 啄st 伊 rij /移
i屹j
i = 1
移
j屹i
j = 1
rij 摇 ( i 屹 j)
r0ij = 移
n
j = 1
rij - 移
i屹j
j = 1
r0ij 摇 ( i = j) (11)
矩阵中各行和表示上一时刻各类景观要素在总
景观中所占比率,各列和表示下一时刻各类景观要
素在总景观中所占比率,即主对角线元素对计算数
量变化率没有影响,因此可根据预测的数量变化率
对非主对角线元素进行修正.首先,计算符合演变周
期的各类景观要素的数量变化率:
啄qi = 啄qst 伊 (移
n
i = 1
r0ij - 移
n
j = 1
r0ij) /
移 | 移
n
i = 1
r0ij - 移
n
j = 1
r0ij | (12)
式中:啄qi为满足乡村景观格局演变周期的 i 类景观
要素的数量变化率.
然后按照要素面积由小及大的顺序逐列修正非
主对角线元素,同时调整由于修正数量变化率引起
的行和变动:
r忆ij = r0ij - [啄qi - (移
n
i = 1
r0ij - 移
n
j = 1
r0ij)] 伊
r0ij /移
w
i = 1
r0ij
r义ij = r忆ij - 移
d
j = 1
( r忆ij - r0ij) 伊 r忆ij /移
w
j = 1
r忆ij (13)
式中:r忆ij为修正数量变化率的元素;r义ij为调整行和
变动的元素;w代表尚未修正的元素数目;d 代表已
修正的元素数目,经过修正最终得到符合乡村景观
格局演变周期的转换比率 R ij,并将其转化为转移概
率矩阵:
Mij =R ij / (Asi / A) (14)
式中:Mij为最终修正后的 i 类景观要素转换为 j 类
景观要素的概率,即为符合景观格局演变周期的转
移概率.
由于数据步长的限制,需要将转移概率矩阵转
化为预测所需步长的矩阵:
M忆ij =1-eln(1-Mij )伊M忆 / M 摇 ( i屹j)
M忆ij = 1 - 移
i屹j
j = 1
M忆ij 摇 ( i = j) (15)
式中:M忆ij是转化后的转移概率;M和 M忆分别是转化
前和转化后的步长.
1郾 3郾 5 CA鄄Markov耦合模型摇 CA模型对景观格局进
行模拟的过程中,将景观栅格图中每栅格视为一个
元胞,每个元胞的景观要素类型即为元胞状态,根据
转换规则计算元胞的下一个状态,由此对景观格局
进行模拟,具体参数设置如下:
1)元胞:本文元胞大小即为栅格图像大小,10
m伊10 m.
2)元胞状态:在标准 CA模型中,元胞状态为一
个有限的离散集合,在对景观格局模拟中,元胞状态
为景观类型.
3)领域:元胞的下一个状态由元胞自身及其邻
域决定,可通过滤波器对其定义,并根据其距离确定
权重.本文选用 5伊5 滤波器,即目标元胞周围 5伊5
个元胞都对其状态有影响.
4)规则:CA 规则即每一元胞各种可能状态发
生变化的容易程度,它是元胞自动机模型的核心,决
定了元胞自动机的动态转化过程. 本文采用贝叶斯
最大似然概率原则制定转换规则:
P ij = k j / k伊Mij伊(ki+k j) / k (16)
式中:P ij为 i 类景观转化为 j 类景观的概率,即 CA
中的转换规则;Mij为 i 类景观到 j 类景观的转移概
率;k为领域元胞数;ki和 k j分别是领域中 i 类景观
372311 期摇 摇 摇 摇 摇 摇 季摇 翔等: 基于生命周期的乡村景观格局演变的预测方法———以湖南省金井镇为例摇 摇 摇 摇
和 j 类景观的元胞数;k j / k 表示 j 类景观的分布概
率;(ki+k j) / k表示 i类景观和 j类景观的共生概率.
从最高转化概率的元胞开始赋值,然后次高,直到满
足预测的数量为止.
5)确定起始时刻和预测年份:以 2009 年为基期
年,首先对 2009 年预测进行精度验证,然后对 2020
年进行预测.
2摇 结果与分析
2郾 1摇 乡村景观格局演变周期预测
2郾 1郾 1 乡村景观格局演变的稳定状态摇 首先计算各
单元 1955—1990 年以及 1990—2005 年的景观格局
布局变化比重,将 1955 年设为预测起点即曲线 0
点,求得各单元的景观格局布局变化比重函数.理论
情况下,当 酌(x)寅1 时为景观格局演变周期趋近终
点,但现实情况并非如理论中精准,因此,本文设定
酌(x)沂(0. 9,0. 95)时景观格局开始进入演变末期
达到稳定状态.
摇 摇 由表 1 可以看出,被 3 个商服中心环绕的单元
3 的景观格局最接近稳定状态,在外部需求不变的
情况下将于 5 ~ 15 年后达到稳定状态;其次为道路
较为密集的单元 4,将在 10 ~ 20 年后达到稳定;景
观格局演变相对较慢的是地处偏远且交通落后的单
元 1,在外部需求不变的前提下将在 40 ~ 65 年后才
能达到稳定状态.
2郾 1郾 2 乡村景观格局的变化率和数量变化率摇 根据
布局变化比重函数与乡村景观格局演变速度函数之
间的关系可知,当布局变化比重接近其极限值时景
观格局演变速度趋于稳定,因此本文以 酌(x)= 0郾 99
时计算乡村景观格局累积变化率的极限值即参数
表 1摇 布局变化比重的函数式及乡村景观格局进入稳定状
态的时间
Table 1 摇 Function of spatial variation proportion and the
time of rural landscape pattern into stable state
研究单元
Research
unit
布局变化比重函数式
Function of spatial
variation proportion
进入稳定状态时间
Time to stable
state (a)
1 酌(x)= (1+1. 3381伊
e-0. 0253 x) -1
40 ~ 65
2 酌(x)= (1+2. 3046伊
e-0. 0337 x) -1
30 ~ 50
3 酌(x)= (1+2. 3163伊
e-0. 0486 x) -1
5 ~ 15
4 酌(x)= (1+2. 8225伊
e-0. 0486 x) -1
10 ~ 20
5 酌(x)= (1+1. 3425伊
e-0. 0314 x) -1
20 ~ 45
c,从而得到参数 a和 b的关系式:
a=ebx0 / 99 (17)
式中:x0为令 酌(x)= 0. 99 的时间.
计算各单元 1955—1990 年和 1990—2005 年的
景观格局变化率,结合式 3、4 和 15 求得各单元乡村
景观格局变化速度的函数式,然后计算出 2005—
2020 年的乡村景观格局变化率,再由布局变化比重
函数求得这一时期布局变化比重的平均值,进而求
得这一时期乡村景观格局的数量变化率(表 2). 根
据表 2 中的乡村景观格局变化率和数量变化率对马
尔科夫转移概率矩阵进行修正,从而对乡村景观格
局演变进行预测.
2郾 2摇 乡村景观格局的预测模拟
2郾 2郾 1 精度检验摇 以 2009 年为基期年,分别运用基
于生命周期修正的马尔科夫模型及原始的马尔科夫
模型对景观格局进行预测,然后分别与元胞自动机
结合对乡村景观格局进行模拟,并与 2009 年真实数
据进行对比进行精度验证.
摇 摇 由表 3 可以看出,生命周期修正模型预测结果
的数量精度和空间精度分别为 99. 3%和 96. 4% ,比
单一 CA鄄Markov模型(97. 0%和 94. 2% )均得到提
高,说明两个模型的预测结果均达到可信的效果,生
命周期修正模型的预测结果更符合乡村景观格局的
演变规律.
摇 摇 由图 3 可以看出,通过生命周期修正模型对
2009 年景观格局的预测比单一 CA鄄Markov 模型的
预测结果更接近 2009 年景观格局的现状,说明生命
周期修正模型对乡村景观格局的预测精度更高.
2郾 2郾 2 马尔科夫转移概率矩阵修正摇 通过预测出的
变化率和数量变化率对马尔科夫转移概率矩阵进行
修正(表 4),令其符合景观格局演变周期.
表 2摇 乡村景观格局变化速度函数式及相关预测值
Table 2 摇 Speed function of the change of rural landscape
pattern and relevant predictions
研究单元
Research
unit
乡村景观格局变化速度函数式
Speed function of the
change of rural landscape pattern
变化率
Change
rate
(% )
数量变化率
Quantitative
change rate
(% )
1 啄(x)= 0. 297伊(1+9. 689伊
e-0. 0349x) -2伊e-0. 0349x
10. 3 2. 4
2 啄(x)= 0. 517伊(1+15. 334伊
e-0. 0439x) -2伊e-0. 0439x
11. 2 2. 8
3 啄(x)= 0. 883伊(1+22. 213伊
e-0. 068x) -2伊e-0. 068x
7. 6 1. 0
4 啄(x)= 0. 652伊(1+14. 637伊
e-0. 0596x) -2伊e-0. 0596x
9. 5 1. 4
5 啄(x)= 0. 246伊(1+7. 003伊
e-0. 0402x) -2伊e-0. 0402x
9. 4 1. 7
4723 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
表 3摇 2009 年乡村景观格局预测精度检验
Table 3摇 Simulation accuracy checklist of rural landscape pattern in 2009
项目
Item
类型摇 摇 摇
Type摇 摇 摇
单元 1摇
Unit 1摇
单元 2摇
Unit 2摇
单元 3摇
Unit 3摇
单元 4摇
Unit 4摇
单元 5摇
Unit 5摇
合计
Total
真实元胞数 园地 Garden 0 2142 8394 17992 3236 31764
Cell number of actuality 聚落 Settlement 13687 16364 26148 28492 23585 108276
水田 Paddy field 35209 47972 74996 82782 76370 317329
林地 Woodland 200161 206547 154977 92650 136987 791322
池塘 Pond 494 870 3321 3979 3167 11831
CA鄄Markov模型预测元胞数 园地 Garden 0 1943 8190 18017 3088 31238
Cell number predicted by 聚落 Settlement 13479 16653 26929 29074 23904 110039
CA鄄Markov model 水田 Paddy field 35156 46872 74256 82689 76083 315056
林地 Woodland 200359 207663 155267 92266 137312 792867
池塘 Pond 557 764 3194 3849 2958 11322
空间一致的元胞数
Cell number of same space
235193 262689 249882 213794 232041 1187598
生命周期修正模型预测元胞数 园地 Garden 0 2171 8390 17992 3282 31835
Cell number predicted by 聚落 Settlement 13507 16167 26165 28492 23464 107795
life cycle theory model 水田 Paddy field 35475 47679 74911 82779 76353 317197
林地 Woodland 200097 207009 155035 92649 137138 791928
池塘 Pond 472 869 3335 3983 3108 11767
空间一致的元胞数
Cell number of same space
240093 266550 257119 216982 234103 1214847
数量精度
Quantitative accuracy
CA鄄Markov模型
CA鄄Markov model
96. 4 94. 8 97. 9 98. 8 97. 4 97. 0
(% ) 生命周期修正模型
Life cycle theory model
98. 4 99. 3 99. 9 99. 9 99. 2 99. 3
空间精度
Spatial accuracy
CA鄄Marov模型
CA鄄Markov model
94. 2 94. 4 93. 3 94. 2 94. 9 94. 2
(% ) 生命周期修正模型
Life cycle theory model
96. 2 97. 3 96. 0 96. 1 96. 2 96. 4
表 4摇 2009—2020 年生命周期修正的乡村景观格局转移概率矩阵
Table 4摇 Diversion probability matrix of rural landscape pattern corrected by life cycle during 2009-2020 (%)
研究单元
Research unit
摇 2009 年类型
摇 Type in 2009
2020 年类型 Type in 2020
园地
Garden
聚落
Settlement
水田
Paddy field
林地
Woodland
池塘
Pond
1 园地 Garden 100 0摇 0 摇 0 摇 0 摇
聚落 Settlement 摇 0 96. 1 1. 5 2. 4 0摇
水田 Paddy field 摇 0 5. 1 64. 4 30. 3 0. 3
林地 Woodland 摇 0 0. 7 4. 8 94. 4 0. 1
池塘 Pond 摇 0 7. 1 38. 0 27. 7 27. 2
2 园地 Garden 22. 7 6. 7 29. 5 41. 0 0. 1
聚落 Settlement 0. 1 94. 2 2. 0 3. 4 0. 3
水田 Paddy field 1. 6 6. 2 67. 7 24. 1 0. 5
林地 Woodland 0. 5 0. 1 4. 7 94. 6 0. 1
池塘 Pond 摇 0 3. 8 30. 4 24. 6 41. 2
3 园地 Garden 46. 1 8. 4 9. 9 35. 3 0. 4
聚落 Settlement 0. 4 95. 4 1. 4 2. 5 0. 3
水田 Paddy field 1. 8 2. 4 83. 6 11. 2 0. 9
林地 Woodland 2. 0 1. 1 4. 9 91. 8 0. 2
池塘 Pond 1. 4 2. 2 21. 2 15. 5 59. 9
4 园地 Garden 66. 9 3. 3 9. 5 19. 7 0. 6
聚落 Settlement 0. 6 96. 8 1. 2 1. 2 0. 1
水田 Paddy field 0. 5 1. 4 89. 1 7. 4 1. 6
林地 Woodland 5. 0 3. 2 5. 3 85. 8 0. 7
池塘 Pond 3. 3 4. 7 23. 5 20. 0 48. 5
5 园地 Garden 24. 7 7. 2 19. 9 47. 8 0. 5
聚落 Settlement 0. 0 94. 6 0. 9 4. 4 0. 1
水田 Paddy field 0. 8 2. 2 85. 9 9. 6 1. 6
林地 Woodland 1. 5 2. 1 4. 4 91. 7 0. 3
池塘 Pond 0. 5 3. 3 29. 6 26. 2 40. 5
572311 期摇 摇 摇 摇 摇 摇 季摇 翔等: 基于生命周期的乡村景观格局演变的预测方法———以湖南省金井镇为例摇 摇 摇 摇
图 3摇 2009 年乡村景观格局预测精度验证
Fig. 3摇 Verification of forecast accuracy for rural landscape pattern in 2009.
玉: 园地 Garden; 域: 聚落 Settlement; 芋: 水田 Paddy field; 郁: 林地Woodland; 吁: 池塘 Pond; 遇: 水库 Reservoir. 下同 The same below. A:
生命周期修正模型预测结果 Prediction of rural landscape pattern by life cycle theory model; B: 2009 年乡村景观格局真实值 Distribution of rural
landscape pattern in 2009; C: CA鄄Markov模型预测结果 Prediction of rural landscape pattern by CA鄄Markov model.
表 5摇 2020 年各类景观要素面积的预测值及面积变化情况
Table 5摇 Prediction of each landscape element and the change from 2009 to 2020
类型
Type
预测面积 Predicted areas (hm2)
单元 1
Unit 1
单元 2摇
Unit 2摇
单元 3摇
Unit 3摇
单元 4
Unit 4
单元 5摇
Unit 5摇
合计
Total
变化面积
Change area
(hm2)
面积变化率
Change rate
of area (% )
园地 Garden 0 23. 15 86. 47 164. 35 37. 58 311. 55 -9. 20 -2. 9
聚落 Settlement 160. 35 173. 76 275. 05 307. 72 277. 13 1194. 01 99. 09 9. 1
水田 Paddy field 346. 70 422. 59 708. 81 830. 27 781. 87 3090. 24 -115. 01 -3. 6
林地 Woodland 1985. 23 2112. 34 1577. 37 903. 62 1442. 26 8020. 82 29. 81 0. 4
池塘 Pond 4. 60 7. 18 30. 72 42. 02 29. 94 114. 46 -4. 69 -3. 9
2郾 2郾 3 金井镇乡村景观格局的预测及模拟摇 根据基
于生命周期修正后的转移概率预测出 2020 年金井
镇乡村景观格局各类景观要素的面积,并与 CA 模
型耦合对金井镇乡村景观格局进行模拟,然后借助
Arcgis工具生成金井镇 2020 年的景观格局预测图.
由图 4 可以看出,金井镇 2020 年的景观格局与基期
年 2009 年相比变化较小.
由表5可以看出,2020年金井镇园地、聚落、水
图 4摇 金井镇 2020 年乡村景观格局预测
Fig. 4摇 Prediction of rural landscape pattern in Jinjing Town in
2020.
田、林地和池塘的面积分别为 311. 55、1194. 01、
3090. 24、8020. 82 和 114. 46 hm2 . 2009—2020 年,聚
落面积持续增长,面积变化率最大,为 9. 1% ,这与
城市化的影响分不开;水田、池塘和园地等农业景观
的面积有所减少,需加强保护措施;林地面积的变化
率只有 0郾 4% ,略有增长,这主要受惠于近年来国家
对生态环境和绿化问题的重视.
3摇 讨摇 摇 论
本文以生命周期理论和生长曲线为基础,通过
对乡村景观格局演变周期的分析设置了相关曲线,
进而建立了预测乡村景观格局演变周期的方法,然
后应用乡村景观格局演变周期的预测结果,对马尔
科夫预测模型进行修正,并与元宝自动机进行耦合,
从而建立了一套符合乡村景观格局变化规律的预测
方法.以洞庭湖区的金井镇为例,将其划分为 5 个评
价单元,并对各单元的乡村景观格局演变周期进行
预测,发现较接近商服中心或道路较密集单元的景
观格局相对其他偏远单元的景观格局更接近稳定状
态,这也进一步证明人类活动是乡村景观格局演变
的主要驱动力. 分别用生命周期修正模型和单一
6723 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
CA鄄Markov模型对金井镇 5 个评价单元 2009 年的
乡村景观格局进行预测并与真实值比对进行精度验
证,生命周期修正模型的预测精度不论是数量上还
是空间上均比单一 CA鄄Markov 模型高,说明生命周
期修正模型的预测结果更符合乡村景观格局的演变
规律. 基于此,应用生命周期修正模型对金井镇
2020 年的乡村景观格局进行预测:2009—2020 年金
井镇变化率最大的景观为聚落和水田,聚落将增加
至 1194. 01 hm2,水田将减少至 3090. 24 hm2 .因此,
需要合理规划,调节农业景观与聚落空间布局,以达
到控制水田景观的减少速度.
近年来,对于景观格局预测模拟方面的研究较
少,仍以 CA鄄Markov 模型的应用最广泛,有学者将
Logistic与 CA鄄Markov 模型结合对景观格局的演变
进行预测和模拟[25-26],但仍旧忽略了景观格局演变
的周期性,导致结果与实际情况出现偏差.本文通过
生命周期理论对 CA鄄Markov 模型进行修正,弥补该
模型的缺陷,提升了乡村景观格局的预测模拟精度.
生命周期理论适用于客观世界中的所有事物,
以怎样的切入点将生命周期理论与事物相连,并选
择合理的生命周期曲线,是应用这一理论的关键.本
文首先分析了乡村景观格局演变的规律,以布局变
化比重和变化速度为切入点将乡村景观格局演变与
生命周期理论联系起来,并以生长曲线为基础设置
了乡村景观格局演变的周期曲线,最终达到预测乡
村景观格局演变周期的效果.然后与 CA鄄Markov 模
型耦合,完成了乡村景观格局的预测和模拟.由于乡
村景观格局演变周期的预测结果符合其变化规律,
因此,与其他预测模型耦合理论上也可以达到较好
的预测效果.另外,不同领域适用的生命周期曲线不
同,选择合适的生命周期曲线也是应用这一生命周
期理论不可忽视的技术关键点.
参考文献
[1]摇 Liu J (刘摇 江), Cui S鄄H (崔胜辉), Qiu Q鄄Y (邱全
毅), et al. Evolvement of landscape pattern in coastal
peri鄄urban area: A case study of Jimei District, Xiamen
City. Chinese Journal of Applied Ecology (应用生态学
报), 2010, 21(4): 856-862 (in Chinese)
[2]摇 Mander U, Jongman RHG. Human impact on rural
landscapes in central and northern Europe. Landscape
and Urban Planning, 1998, 41: 149-153
[3]摇 Zhou ZZ. Landscape changes in a rural area in China.
Landscape and Urban Planning, 2000, 47: 33-38
[4]摇 Lokocz E, Ryan RL, Sadler AJ. Motivations for land
protection and stewardship: Exploring place attachment
and rural landscape character in Massachusetts. Land鄄
scape and Urban Planning, 2011, 99: 65-76
[5]摇 Paquette S, Domon G. Trends in rural landscape deve鄄
lopment and sociodemographic recomposition in southern
Quebec ( Canada). Landscape and Urban Planning,
2001, 55: 215-223
[6]摇 Meurk CD, Swaffield SR. A landscape ecological frame鄄
work for indigenous regeneration in rural New Zealand鄄
Aotearoa. Landscape and Urban Planning, 2000, 50:
129-144
[7]摇 Liang F鄄C (梁发超), Liu L鄄M (刘黎明), Qu Y鄄B (曲
衍波). Methodology of agricultural landscape classifica鄄
tion with rural scale and its application in planning of new
rural construction. Transactions of the Chinese Society of
Agricultural Engineering (农业工程学报), 2011, 27
(11): 330-336 (in Chinese)
[8]摇 Sang LL, Zhang C, Yang JY, et al. Simulation of land
use spatial pattern of towns and villages based on CA鄄
Markov model. Mathematical and Computer Modelling,
2011, 54: 938-943
[9]摇 Kamusoko C, Aniya M, Adi B, et al. Rural sustain鄄
ability under threat in Zimbabwe: Simulation of future
land use / cover changes in the Bindura district based on
the Markov鄄cellular automata model. Applied Geography,
2009, 29: 435-447
[10]摇 Gong W鄄F (龚文峰), Yuan L (袁 摇 力), Fan W鄄Y
(范文义). Dynamic change and prediction of land use
in Harbin City based on CA鄄Markov model. Transactions
of the Chinese Society of Agricultural Engineering (农业
工程学报), 2012, 28(14): 216-222 (in Chinese)
[11]摇 Fan Q (范 摇 强), Yang J (杨 摇 俊), Wu N (吴
楠), et al. Landscape patterns changes and dynamic
simulation of coastal tourism town: A case study of
Dalian Jinshitan national tourist holiday resort. Scientia
Geographica Sinica (地理科学), 2013, 33 ( 12 ):
1467-1475 (in Chinese)
[12]摇 Peng WW, Huang HZ, Li YF, et al. Life cycle reliabil鄄
ity assessment of new products: A Bayesian model upda鄄
ting approach. Reliability Engineering and System Safe鄄
ty, 2013, 112: 109-119
[13]摇 He Q鄄X (何其祥). Local regression model of product
life cycle. Statistics and Decision (统计与决策), 2008
(8): 22-23 (in Chinese)
[14]摇 Ramasesh R, Tirupati D, Vaitsos CA. Modeling
process鄄switching decisions under product life cycle un鄄
certainty. International Journal of Production Econo鄄
mics, 2010, 126: 236-246
[15]摇 Wu C (吴摇 超), Xu J鄄P (许建平), Chen L鄄R (陈丽
容). Lifecycle鄄based software defect prediction techno鄄
logy. Computer Engineering and Design (计算机工程
与设计), 2009, 30(12): 2956-2959 (in Chinese)
[16]摇 Shen Y鄄W (沈永伟). Analysis and forecast of mainte鄄
nance materials and parts of meteorological and hydro鄄
logical equipment consumption based on Gompertz
Curve. Equipment Environmental Engineering (装备环
境工程), 2011, 8(2): 97-99 (in Chinese)
[17]摇 Xu L (徐摇 亮), Meng X鄄M (孟宪民), Su G鄄M (宿
桂梅), et al. An analysis on larval growth and develop鄄
772311 期摇 摇 摇 摇 摇 摇 季摇 翔等: 基于生命周期的乡村景观格局演变的预测方法———以湖南省金井镇为例摇 摇 摇 摇
ment regularity of different Antheraea pernyi varieties
using animal growth curve models. Science of Sericulture
(蚕业科学), 2013, 39(3): 620-623 (in Chinese)
[18]摇 Liu L鄄M (刘黎明). Rural Landscape Planning. Bei鄄
jing: China Agricultural University Press, 2003 (in Chi鄄
nese)
[19]摇 Li X鄄T (李新通 ), Zhu H鄄J (朱鹤健 ). Agro鄄
landscape changes and driving factors in coastal area of
southeast Fujian: A case study of Danban Farm.
Resources Science (资源科学), 2000, 22(1): 35-39
(in Chinese)
[20]摇 Xu H (许摇 华), Liang G鄄F (梁国付), Ding S鄄Y (丁
圣彦). Variation of agricultural landscape patterns and
its driving factors in the flooded area of the Yellow River
in Henan Province. Journal of Ecology and Rural Envi鄄
ronment (生态与农村环境学报), 2008, 24(2): 7-
11 (in Chinese)
[21]摇 L佼pez鄄Carra D, Davisa J, Jankowska MM, et al. Space
versus place in complex human鄄natural systems: Spatial
and multi鄄level models of tropical land use and cover
change ( LUCC) in Guatemala. Ecological Modelling,
2012, 229: 64-75
[22]摇 Hasselmann F, Csaplovics E, Falconer I, et al. Tech鄄
nological driving forces of LUCC: Conceptualization,
quantification, and the example of urban power distribu鄄
tion networks. Land Use Policy, 2010, 27: 628-637
[23]摇 Xu J鄄X (徐嘉兴), Li G (李摇 钢), Chen G鄄L (陈国
良). Driving force analysis of land use change based on
Logistic regression model in mining area. Transactions of
the Chinese Society of Agricultural Engineering (农业工
程学报), 2012, 28(20): 247-255 (in Chinese)
[24]摇 Chang C鄄Y (常春艳), Zhao G鄄X (赵庚星), Wang L
(王摇 凌), et al. Land use spatiotemporal changes and
its driving forces analysis in vulnerable ecological region
of Yellow River Estuary. Transactions of the Chinese
Society of Agricultural Engineering (农业工程学报),
2012, 28(24): 226-234 (in Chinese)
[25]摇 He D (何 摇 丹), Jin F鄄J (金凤君), Zhou J (周
璟). The changes of land use and landscape pattern
based on Logistic鄄CA鄄Markov Model: A case study of
Beijing鄄Tianjin鄄Hebei Metropolitan Region Scientia Geo鄄
graphica Sinica (地理科学), 2011, 31(8): 903-910
(in Chinese)
[26] 摇 Zheng Q鄄H (郑青华), Luo G鄄P (罗格平), Zhu L
(朱摇 磊), et al. Prediction of landscape patterns in Ili
River Delta based on CA_Markov model. Chinese Jour鄄
nal of Applied Ecology (应用生态学报), 2010, 21
(4): 873-882 (in Chinese)
作者简介摇 季摇 翔,女,1984 年生,博士研究生. 主要从事土
地利用与景观规划研究. E鄄mail: jixiangss@ 126. com
责任编辑摇 杨摇 弘
8723 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷