全 文 ：基于CA鄄Markov模型和多目标优化的
大连市土地利用格局*
胡雪丽摇 徐摇 凌**摇 张树深
(大连理工大学环境学院工业生态与环境规划教育部重点实验室, 辽宁大连 116024)
摘摇 要摇 运用马尔科夫转移矩阵、多准则评估以及元胞自动机耦合的 CA鄄Markov 模型,基于
1990、2000、2010 年土地利用图、地形因子和地理要素等,模拟大连市未来土地利用景观格局
变化趋势.基于大连市土地利用结构、经济社会、自然环境等特点,结合大连市城市总体规划
和土地利用规划,建立经济、社会、环境 3 个目标导向的模糊多目标优化模型,优化配置了大
连市未来土地利用格局.结果表明: 1990—2010 年,大连的快速发展呈现出建设用地持续扩
张而耕地、林地面积缩小的特点,以现有城市化速度发展,到 2020 年大连市景观格局土地覆
盖将发生很大变化,景观破碎化程度将加剧.优化调整土地利用数量结构,能满足未来大连可
持续发展的要求.
关键词摇 土地利用摇 景观格局摇 CA鄄Markov模型摇 多目标优化摇 大连市
文章编号摇 1001-9332(2013)06-1652-09摇 中图分类号摇 F301. 2摇 文献标识码摇 A
Land use pattern of Dalian City, Liaoning Province of Northeast China based on CA鄄Mark鄄
ov model and multi鄄objective optimization. HU Xue鄄li, XU Ling, ZHANG Shu鄄shen (Ministry
of Education Key Laboratory of Industrial Ecology and Environmental Engineering, School of Envi鄄
ronmental Science & Technology, Dalian Universtity of Technology, Dalian 116024, Liaoning, Chi鄄
na) . 鄄Chin. J. Appl. Ecol. ,2013,24(6): 1652-1660.
Abstract: Based on the land use / cover maps of 1990, 2000, and 2010, topographic factors, and
geographic elements, a CA鄄Markov model consisting of Markov transition matrix, multi鄄criteria
evaluation, and cellular automata was developed to simulate the change trends of the future land use
and landscape patterns of Dalian, Liaoning Province. The future land use pattern of Dalian was op鄄
timally allocated by the method of fuzzy multi鄄objective programming, based on the characters of
land use structure, society, economy, and natural environment. The results indicated that in
1990-2010, the rapid development of Dalian showed the characteristics of the continued expansion
of urban area and the reduction of cropland and woodland area. With the present speed of urban de鄄
velopment, the landscape pattern and land use cover would have a great change, and the landscape
fragmentation would be exacerbated. To optimize the land use structure could meet the demand of
the future sustainable development of Dalian.
Key words: land use; landscape pattern; CA鄄Markov model; multi鄄objective optimization; Dalian
City.
*中央高校基本科研业务费专项资助.
**通讯作者. E鄄mail: xuling@ dlut. com
2012鄄09鄄28 收稿,2013鄄03鄄26 接受.
摇 摇 城市化是全球关注的热点问题之一. 联合国人
口署统计表明,2011 年全世界大约有 34 亿人居住
在城市,仅中国就有 6. 4 亿城市人口,预测到 2020
年中国城市人口将达到 7. 8 亿[1] . 随着城市人口的
增加,城市规模不断扩大,土地利用和土地覆盖也将
发生改变.土地利用覆盖变化与生物多样性减少、气
候变化以及经济的可持续性发展等密切相关[2] . 模
拟和预测未来土地利用变化能为城市决策和规划者
提供有价值的信息,使城市发展走上可持续化道路.
目前,有许多研究关注城市扩张和土地利用变
化的预测[3],也形成了一些有效的模型方法,应用
最多的是 Logistic 回归模型、Markov 链、元胞自动机
(CA)、土地利用变化及效应模型(CLUE)以及它们
应 用 生 态 学 报摇 2013 年 6 月摇 第 24 卷摇 第 6 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, Jun. 2013,24(6): 1652-1660
的综合模型[4-9] . Logistic回归模型和 Markov 链均属
于经验统计模型,能进行动态模拟[10-11],缺点是只
能预测数量关系,不能反映空间变化. CA 模型虽然
具有强大的空间预测能力,但在解释城市扩张时空
变化方面的能力较弱[12] .综合模型集成了各种方法
的优点,发挥了各种模型的特点,能更好地预测土地
利用变化.其中,CA鄄Markov模型是一个能有效预测
土地利用时空动态变化的综合模型. Markov 链通过
各种土地利用类型的转移面积矩阵控制时间变
化[10],CA的转换规则(包括邻域效应和转移可能图
像)控制空间格局变化,两者相结合能有效预测城
市系统土地利用格局的变化[11,13-14] . CA鄄Markov 模
型吸收了 Markov 链和 CA 理论关于时间序列和空
间预测的特点,不仅能利用遥感数据,而且可以纳入
经济、人口、地形、交通等数据,使模型的预测能力更
符合社会鄄经济系统的发展状况[12,15-16] .
然而,很少有研究者考虑模拟的土地利用格局
是否满足未来城市扩张以及城市人口增长的需求,
是否符合城市可持续化发展的要求. 土地利用结构
应与城市的自然、社会、经济条件相一致,各种土地
利用类型的比例分布应合理,达到经济发展、环境保
护、资源有效利用以及社会公平之间的长期平衡
(这种平衡关系可以表述为多目标优化问题),并最
终确保城市区域的生态安全及其发展的可持续
性[17-18] .因此,本文基于 CA鄄Markov 模型,引入模糊
多目标优化,预测了大连市土地利用变化以及城市
扩张,以期为城市土地利用提供决策信息.
1摇 研究地区与研究方法
1郾 1摇 研究区域概况
大连市位于辽东半岛最南端,东临黄海,西濒渤
海,是辽宁省副省级城市以及东北亚的重要航运中
心.本研究区共包含 7 个区(中山区、西岗区、沙河
口区、甘井子区、旅顺口区、金州区以及开发区),总
面积约 2414. 96 km2,总人口 304 万. 随着经济的快
速发展,大连已经迅速发展为中国最具活力的工业
经济体之一.大连于 1997 年被授予“环境保护模范
城市冶称号,2001 年被联合国授予“全球 500 个环境
友好城市冶. 2010 年中国城市竞争力报告[19]中,大
连市综合竞争力名列全国城市第 8 位. “十一五冶末
期,大连提出了全域城市化的发展战略,并在“十二
五冶规划中明确指出,要打破单中心的城市整体布
局,向多中心城市组团式发展,形成一轴两翼四大城
市组团的总体格局. 由此整个城市的景观生态以及
土地利用覆盖必将发生重大的变化.
1郾 2摇 数据来源
选取 1990、2000 和 2010 年的 3 期 MODIS9Q1
遥感图像(分辨率 250 m),采用决策树分类法在
ENVI软件中对其进行分类处理,依据本研究目的和
大连市自然地理环境特点,并参考 GB / T 21010—
2007《土地利用现状分类》 [20],将大连市土地利用类
型分为耕地、林地、牧草地、水域、建设用地和未利用
土地 6 类.此外,本文从中国科学院数据应用环境中
心获得 2010 年 DEM数据(分辨率 30 m),用于生成
坡度信息.社会、经济和土地利用规划数据主要源于
《大连市统计年鉴》(1991—2011 年) [21]、《大连市土
地利用总体规划(2006—2020)》 [22]、《大连市城市
总体规划(2009—2020) [23]和《大连市国民经济与
社会发展第十二个五年规划纲要》 [24]等.
1郾 3摇 研究方法
1郾 3郾 1 CA鄄Markov 模型 摇 CA鄄Markov 模型由 Markov
链、多准则评估 (multi鄄criteria evaluation,MCE)和
CA组成. Markov 链用于生成各土地利用类型转移
概率,MCE利用社会经济数据和地形数据创建土地
利用转移可能性图像集,转移概率和转移可能性图
集通过 CA的滤波器来实现对未来土地利用情况的
模拟.
1)利用 Markov链计算转移概率矩阵.在 IDRISI
软件中的 MARKOV模块中,分别输入 1990、2000 年
和 2000、2010 年的土地利用图,时间间隔均为 11
年,通过交叉表分析得到 1990—2000 年和 2000—
2010 年各土地利用类型转移概率矩阵.
2)创建土地利用转移可能性图集. 土地利用转
移可能性图集表示一种土地利用类型转换为另一种
的可能性和概率,这个过程同时考虑每类土地的内
在发展适宜性和邻域效应. 邻域效应强调土地利用
变化的动态性.当一个区域内一种土地利用类型处
于另一种土地利用类型中间时(即周围都是另一种
土地利用类型),那么该土地利用类型转化为另一
种土地利用类型的概率很高. 转移可能性图集的创
建通过 IDRISI 软件中的 MCE 模块来实现. 多准则
评估中的准则包括约束条件和要素条件. 约束条件
是将分析约束到特定区域,本研究采用布尔标准进
行约束处理,不考虑转换的区域赋值为 0,考虑转换
的区域赋值为 1.要素条件是所有区域定义适应性、
易接近性和邻域效应的标准,通常具有连续性.适宜
性由区域的地形因子如坡度、高程等决定;易接近性
和邻域效应主要考虑城市的行政中心、道路以及环
35616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 胡雪丽等: 基于 CA鄄Markov模型和多目标优化的大连市土地利用格局摇 摇 摇 摇 摇
境敏感保护区.本研究设置两个限制因子:水体和建
设区.水体和建成区在短时间内不会发展为其他用
地,因而设定为其他用地类型的约束条件.另外设置
4 个因素因子:坡度、与道路的距离、与水体的距离
以及与城镇中心的距离. 这些因子的选择与土地利
用变化的驱动力研究相结合,使参数的选择更合理.
因子准则图层(限制因子除外)首先通过模糊隶属
函数对其进行标准化,使其分布在 0 ~ 255 区间. 标
准化参数的选择依赖于研究者对该区域未来发展趋
势的理解.根据要素条件选择单调递增或递减的 S
型、J型或线性函数.然后通过层析分析法获得各因
子的相对权重.最后通过加权线性合并法得到各土
地利用类型的转化可能性图像.
3)模拟土地利用变化空间分布.利用 IDRISI 软
件中的 CA鄄Markov模块模拟 2020 年土地利用变化
的空间分布,需要 3 部分数据:2010 年土地利用图;
2000—2010 年土地利用转移矩阵;2010 年土地利用
转化可能性图像集.设置 CA的迭代次数为 11,选择
5伊5 的邻近滤波器. 该模型通过多目标土地配置
(multi鄄objective land allocation,MOLA)程序得出最
后的预测图.
1郾 3郾 2 模糊多目标线性优化模糊摇 多目标线性优化
是基于多目标规划和模糊优化发展起来的一种模
型.该模型由 Chang 等[25]首次用于水域的优化管
理.传统的多目标优化无法用于规划复杂系统,因为
此方法具有内在的不确定性,包括各变量的参数,更
多地考虑了决策者的偏好. 模糊集理论被认为是解
决这类规划目标的模糊性以及参数不确定的一种好
方法.将二者结合起来能更好地发挥各自的优势,弥
补自身的不足.模糊多目标线性优化模型虽然被广
泛用于水域、流域和农业规划[18,26],但在土地利用
结构优化方面还没有应用. 本文首次将该模型用于
复杂的土地利用优化系统,从结构优化上为城市可
持续土地利用提供决策信息.
传统的多目标线性优化模型:
Max(Min) f i =CTi X摇 ( i=1,…,n) (1)
ATj X臆(逸,=)B j 摇 ( j=1,…,m) (2)
X逸0 (3)
式中:f i为目标函数;A为约束方程的系数矩阵,即各
类用地的技术系数;B 为约束常数;C 为价值向量,
即各类用地的效益系数;X为决策变量,即各土地利
用类型.
1)变量设置. 根据变量设置的原则[27-28],从大
连市土地利用现状出发,综合考虑可操作性和目标
函数效益系数以及约束条件系数的易确定性. 共设
置 6 个变量:耕地(X1)、林地(X2)、牧草地(X3)、水
域(X4)、建设用地(X5)和未利用地(X6).
2)目标函数构建. 从可持续发展的角度出发,
对大连市土地利用结构的合理优化设置 3 个目标函
数:经济效益、生态效益和社会效益. 从式(1)可以
看出,构建目标函数的关键是预测效益系数.本文参
考前人研究成果[29-31],从大连实际情况出发,计算
各目标函数的效益系数.
经济效益系数一般取各土地利用类型单位面积
的产出效益,本文根据 1990—2010 年各用地类型单
位面积产出效益,采用 GM(1,1)模型预测 2020 年
各土地利用类型的经济效益系数. 以生态系统服务
价值系数表示生态效益系数,参考谢高地等[32]、段
瑞娟等[33]的研究成果,确定了大连市各土地利用类
型单位面积的生态服务价值. 土地利用的社会效益
与社会公平、社会福利等有关,很难具体量化,一般
从相关方面建立目标函数,本文采用人均建设用地、
城镇水平、人均纯收入、人均耕地面积等评价指标,
并参考曹月娥等[34]、Zhang 等[35]的研究结果,确立
效益系数.各目标函数如下:
f1( x)max= 3334郾 3X1 + 47郾 2X2 + 9926882郾 2X3 +
80696X4+161762郾 9X5+X6 (4)
f2(x)max = 61郾 2X1 +1341郾 1X2 +65郾 1X3 +480郾 8X4 -
53郾 7X5+3郾 7X6 (5)
f3(x)max =X1+0郾 8X2+0郾 8X3+X4+X5+X6 (6)
式中:f1( x)max、 f2( x) max、 f3( x) max分别表示经济效
益、生态效益和社会效益的最大值;X1 ~ X6分别表示
耕地、林地、牧草地、水域、建设用地以及未利用地的
面积.
3)约束条件设置.约束条件由一系列限制因子
组成,根据《大连市国民经济和社会发展第十二个
五年规划纲要》 [24]、 《大连市土地利用总体规划
(2006—2020年 )》 [22]、 《大连市城市总体规划
(2009—2020年)》 [23]及《大连市统计年鉴》(1991—
2011年) [21]来确定约束条件,并结合趋势外推法、
GM(1,1)模型来确定各约束条件的系数以及对应
的约束值[29,36](表 1).
4)模型的求解.以上构建的土地利用多目标优
化模型,通常不可能存在一个点使各目标都达到各
自的最大值,因此采用模糊折衷的方法,使各目标值
尽可能大.模糊偏差法可将多目标转化为单目标,从
而得到模糊最优解,上述模型可转化为求解单目标
线性优化的模糊最优解问题:
4561 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 24 卷
表 1摇 土地利用结构优化约束条件、系数以及约束值
Table 1摇 Constraint condition, coefficient, and constraint value of land use structure optimization
序号
No.
因子
Factor
系数矩阵 Coefficient
X1 X2 X3 X4 X5 X6
方式
Modality
约束值
Constraint
1 土地总面积约束
Land availability constraint
1 1 1 1 1 1 = 2414. 96
2 人口规模约束
Total population constraint
0. 0097 0. 0097 0. 0097 0 0. 4 0 臆 381. 92
3 建设用地需求
Construction land area demand
0 0 0 0 1 0 逸 395. 50
4 生态平衡
Ecological balance
0 1 0 0 0 0 逸 606. 77
5 耕地保有量
Cropland constraint
1 0 0 0 0 0 逸 756. 42
6 建设用地约束
Construction land constraint
0 0 0 0 1 0 臆 926. 31
7 林地
Woodland
0 1 0 0 0 0 臆 625. 73
8 未利用地
Unused land
0 0 0 0 0 1 < 5. 40
X1 ~ X6分别表示耕地、林地、牧草地、水域、建设用地及未利用地的面积 X1 -X6 indicated area of cropland, woodland, grassland, water, construction
land and unused land, respectively.
摇 摇
MaxZ = 姿
移
n
j = 1
cijxj - 啄1姿逸 Z*i - 啄i 摇 (i = 1,…,n)
移
n
j = 1
akjxj 臆 bk 摇 (k = 1,…,m)
姿逸0 摇 摇 (x1,…,xn 逸0
ì
î
í
ï
ï
ï
ïï
ï
ï
ï
ï
)
(7)
式中:啄i 为模糊伸缩量;Z*i 为各单目标下的最大值.
1郾 3郾 3 土地利用强度的计算摇 本文引入土地利用强
度,研究未来土地利用结构的变化.
LUD =移
n
i = 1
Li 伊 Ai (8)
式中:Li为第 i 类土地利用类型的土地利用强度分
级指数;Ai为研究区内第 i 类土地利用类型的百分
比.土地利用强度分级指数按照各土地利用类型的
利用程度分为 4 级[37](表 2).
表 2摇 土地利用强度分级表
Table 2摇 Grade table of land use intensity
级别
Level
土地利用类型
Land use
type
土地利用强度指数
Index of land
use intensity
未利用土地级
Level of undeveloped land
未利用土地 1
林、草、水用地级
Level of forest, grass and water
林、灌、草、水域 2
农业用地级
Level of agricultural land
水田、旱地 3
城镇聚落用地级
Level of town habitat land
城镇、农村居民点、
交通、工矿用地
4
2摇 结果与分析
2郾 1摇 土地利用景观格局的预测分析
2郾 1郾 1 土地利用景观格局的变化 摇 1990—2010 年,
耕地、林地和建设用地是大连市的主要土地利用类
型.从空间分布来看,大连市西南部主要为林地,东
北部主要为耕地,耕地主要分布在城乡交接带以及
林地周边(图 1).研究期间,林地和建设用地面积发
图 1摇 1990、2000 和 2010 年研究区土地利用图
Fig. 1摇 Land use maps of study area in 1990, 2000 and 2010.
玉:耕地 Cropland; 域:林地 Woodland; 芋:牧草地 Grassland; 郁:水域 Water; 吁:建设用地 Construction land; 遇:未利用地 Unused land. 下同
The same below.
55616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 胡雪丽等: 基于 CA鄄Markov模型和多目标优化的大连市土地利用格局摇 摇 摇 摇 摇
表 3摇 大连土地利用类型的Markov转移概率矩阵
Table 3摇 Markov transition probability matrix of land use type in Dalian
时段
Period
土地类型
Land type
转移概率 Transition probability
玉 域 芋 郁 吁 遇
1990—2000 玉 0. 602 0. 005 0. 001 0. 003 0. 297 0. 002
域 0. 064 0. 638 0. 001 0. 003 0. 292 0. 003
芋 0. 158 0. 163 0. 566 0. 004 0. 105 0. 004
郁 0. 001 0. 001 0. 000 0. 965 0. 033 0. 001
吁 0. 002 0. 001 0. 000 0. 000 0. 997 0. 000
遇 0. 143 0. 002 0. 002 0. 005 0. 137 0. 711
2000—2010 玉 0. 771 0. 024 0. 004 0. 000 0. 200 0. 001
域 0. 006 0. 847 0. 001 0. 000 0. 145 0. 001
芋 0. 110 0. 059 0. 580 0. 001 0. 250 0. 000
郁 0. 000 0. 000 0. 000 0. 999 0. 001 0. 000
吁 0. 007 0. 008 0. 001 0. 001 0. 985 0. 001
遇 0. 124 0. 004 0. 002 0. 001 0. 169 0. 700
玉:耕地 Cropland; 域:林地 Woodland; 芋:牧草地 Grassland; 郁:水域 Water; 吁:建设用地 Construction land ; 遇:未利用地 Unused land. 下同
The same below.
生了很大变化,水域、牧草地和未利用地面积变化较
小. 1990—2000 年,耕地、林地面积比例从 37. 7% 、
39. 3%降至 36. 5% 、31. 5% ;建设用地面积比例从
17郾 3%增至 26. 5% . 2000—2010 年,耕地、林地面积
比例从 36. 5% 、31郾 5%降至 32. 8% 、29郾 4% ;建设用
地面积从 26. 5%增至 32. 4% (图 2).
2郾 1郾 2 土地利用变化转移矩阵分析摇 土地利用数量
分析仅能初步分析土地利用格局在面积上的变化,
不能说明各土地利用类型之间的转化关系,Markov
转移矩阵能较好地显示不同土地利用方式之间的转
变.从表 3 可以看出,1990—2010 年,研究区耕地、
林地和牧草地转移为建设用地的概率比转移为其他
地类的概率高很多,大量农用地和非建设用地转变
为建设用地,虽然各主要的土地类型均发生了较频
繁的转入转出,但耕地、林地和建设用地占主导地位
的景观格局并未发生改变.
2郾 1郾 3 土地利用变化预测分析摇 利用 CA鄄Markov 模
型预测土地利用变化主要分 3 步:1)基于 Markov链
图 2摇 1990—2010 年大连土地利用面积的变化
Fig. 2摇 Area change of land use / cover in Dalian during 1990-
2010.
的转移概率矩阵(表 3);2)基于多准则评价的土地
利用转移可能性图像;3)基于数量转换规则、空间
转换规则和邻域转换规则的 CA 预测.利用 1990 年
土地利用图模拟出 2010 年土地利用图(图 3). 由
2010 年研究区各土地类型实际面积与预测面积的
对比分析可以看出,各土地利用类型的相对误差均
<5% ,建设用地的模拟误差最小(图 4). 为了进一
步检验模拟精度,对模拟结果进行Kappa系数检验,
图 3摇 2010 年大连土地利用模拟图(a)和实际图(b)
Fig. 3摇 Simulated map (a) and actual map (b) of land use in
Dalian in 2010.
图 4摇 2010 年大连土地利用类型的实际面积(A)与预测面
积(B)
Fig. 4摇 Change of actual ared (A) and simulated area (B) per鄄
centage of land use type in Dalian in 2010.
6561 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 24 卷
图 5摇 2000—2010 年大连耕地(玉)、林地(域)、牧草地(芋)和建设用地(吁)的转移可能性
Fig. 5摇 Transition potential of cropland (玉), woodland (域), grassland (芋), construction land (吁) in Dalian during 2000 -
2010.
得到耕地、林地、牧草地、水域和建设用地的拟合度
分别为 0. 88、0. 66、0. 50、0. 93 和 0. 91,说明采用
CA鄄Markov模型的模拟结果较好,可靠性较高.
摇 摇 2000—2010 年,研究区各土地利用类型转移为
耕地的可能性较小,转移为建设用地的概率较大,耕
地转移为牧草地和林地的可能性较大(图 5). 2020
年,大连市建设用地景观所占比例将增加,耕地及林
地景观所占比例将逐步减少,景观空间格局将进一
步破碎化,各景观类型交互出现频率增加,区域景观
结构将更加复杂(图 6).与 2010 年相比,2020 年研
究区耕地和林地面积将分别减少 11. 2%和 21. 4% ,
建设用地面积将增加 31. 2% .对比 2010 和 2020 年
城市景观格局分布,研究区未来的城市化区域主要
向东北和西南两个方向扩展,可基本实现大连市区
与金州新区的对接.
2郾 2摇 土地利用格局优化配置分析
利用模糊多目标线性规划对土地利用结构进行
最优化数量配置.从表 4 可以看出,研究区耕地、林
地面积下降以及建设用地面积增加的趋势,但减少
和增加的范围通过各种约束条件进行了合理优化,
图 6摇 2020 年大连土地利用预测图
Fig. 6摇 Simulated land use map of Dalian in 2020.
既推动了城市的发展,又提高了土地利用率. 其中,
牧草地的优化面积为 0,因为大连市牧草地的现状
面积过少, 《大连市土地利用总体规划 ( 2006—
2020)》 [22]中规划牧草地面积设置为 0.表 4 中预测
的土地利用结构为 CA鄄Markov 模型模拟出的 2020
年土地利用变化数据. CA鄄Markov 模型能很好地模
拟未来土地利用变化,但如果预测的土地利用结构
要为现实中的土地利用规划调整作依据,则应与土
地利用优化结构作对比研究. 对比发现,预测的耕
地、林地面积比优化面积分别减少 10. 5%和 9. 4% ,
而预测的建设用地面积比优化面积增加 15. 4% .
摇 摇 土地利用强度反映了区域土地利用水平及人类
生产活动对土地利用可持续性的影响程度. 从图 7
可以看出,大连市土地利用强度逐年增加,1990—
2000 年的增速较快,增幅达 6. 5% ;2000—2010 年
的增速放缓,增幅达 2. 8% .如果继续保持现有的土
地利用方式,2012 年土地利用强度将比 2010 年增
加 5. 6% ;到 2020年土地利用强度将达到 3. 14;如果
按照土地利用规划并提高效率来发展,使 2020 年土
地利用结构保持在优化水平,到 2020 年土地利用强
度为3 . 06,比2010年仅增加3 . 0% . 说明优化的土
表 4摇 大连土地利用结构现状、预测值以及优化值
Table 4 摇 Current, simulated and optimal land use struc鄄
ture value of Dalian (km2)
土地利用
类型
Land use
type
2010 年土地
利用结构现状
Current land use
structure in 2010
2020 年优化土地
利用结构
Optimal land use
structure in 2020
2020 年预测
土地利用结构
Simulated land use
structure in 2020
玉 792 785. 80 703
域 710 615. 77 558
芋 0. 23 0 0. 1
郁 124. 4 124. 4 124. 4
吁 782 888. 99 1026
遇 8. 4 0 3. 2
75616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 胡雪丽等: 基于 CA鄄Markov模型和多目标优化的大连市土地利用格局摇 摇 摇 摇 摇
图 7摇 大连土地利用强度的变化
Fig. 7摇 Change of land use intensity of Dalian.
a) 2020 年优化数据 Optimum data in 2020; b) 2020 年预测数据 Sim鄄
ulated data in 2020.
地利用结构有利于减缓土地利用强度的增速,减少
经济发展对土地利用可持续的影响程度.
摇 摇 如果以现有的土地利用方式发展,随着城市化
进程的加深,到 2020 年;大连市土地利用可持续性
将进一步降低,土地压力将持续增大,土地功能将继
续下降.因此,在未来发展过程中,应对城市化进程
的方式和规模进行适当调整,并进行土地整理、主体
功能区划等政策或措施,使土地利用配置朝着最优
化结构发展,从而提高土地利用的可持续能力.
3摇 讨摇 摇 论
大连市现有的景观类型以耕地、林地和建设用
地为主,其中,建设用地面积占整个区域的 40%以
上.大连近 20 年的快速发展呈现出建设用地持续扩
张而耕地、林地面积缩小的特点,主要的景观变化发
生在耕地、林地和建设用地之间,其中,耕地、林地大
量流向建设用地.在区域土地利用景观变化分析的基
础上,结合自然地理、地形等数据,运用 CA鄄Markov模
型模拟了大连市未来土地利用景观格局变化趋势.
结果表明,以现有城市化速度,到 2020 年,大连市景
观格局土地覆盖将发生很大变化,建设用地面积将
增加,而耕地、林地面积将持续减少,土地利用强度
将大幅增加,与 2010 年相比增速为 5. 6% ,土地利
用可持续性降低,影响了城市的可持续性发展.在现
状分析和模拟预测的基础上,结合城市总体规划及
土地利用规划目标,采用模糊多目标优化模型优化
配置未来大连市土地利用结构,对土地利用数量结
构进行调整,土地利用强度小幅增加,与 2010 年相
比增速仅为 3. 0% ,可使大连市的经济、社会、环境
达到最优状态.
本研究进一步优化了 CA鄄Markov 模型,多准则
评估创建转移可能性图像时结合土地利用变化驱动
力研究,使相关因子的选择具有科学性,并提高了模
糊标准化参数选择的准确性,提高可模拟精准度.本
研究模拟出土地利用覆盖变化,并且利用模糊多目
标优化方法优化土地利用数量格局,对其他经历了
快速城市化的沿海城市的土地利用调整具有借鉴意
义.本文提出的 CA鄄Markov 模型与模糊多目标相结
合的方法适用于土地利用资源研究,作为一种通用
方法,本研究所使用的模型及优化方法能够对土地
利用优化调整提供科学依据.下一步的研究目标是,
将规划时间段内多目标约束的区域土地利用的数量
结构合理配置到不同的空间单元,从而实现土地利
用数量结构、空间布局、效益的协同优化.
参考文献
[1]摇 United Nations. World Urbanization Prospects: The
2009 Revision. New York: Population Division, Depart鄄
ment of Economic and Social Affairs, United Nations,
2010
[2]摇 Maithani S. Cellular automata based model of urban spa鄄
tial growth. Journal of the Indian Society of Remote Sens鄄
ing, 2010, 38: 604-610
[3]摇 Xu L鄄H (徐丽华), Qiu W鄄Z (邱文泽), Cao Y (曹摇
宇). Spatial scale effect of urban land use landscape
pattern in Shanghai City. Chinese Journal of Applied
Ecology (应用生态学报), 2007, 18(12): 2827-2834
(in Chinese)
[4]摇 Luo G, Yin C, Chen X, et al. Combining system dy鄄
namic model and CLUE鄄S model to improve land use
scenario analyses at regional scale: A case study of
Sangong watershed in Xinjiang, China. Ecological Com鄄
plexity, 2010, 7: 198-207
[5]摇 Zhang Q, Ban Y, Liu J, et al. Simulation and analysis
of urban growth scenarios for the Greater Shanghai Area,
China. Computers, Environment and Urban Systems,
2011, 35: 126-139
[6]摇 Arsanjani JJ, Helbich M, Kainz W, et al. Integration of
logistic regression, Markov chain and cellular automata
models to simulate urban expansion. International Jour鄄
nal of Applied Earth Observation and Geoinformation,
2013, 21: 265-275
[7]摇 Wang SQ, Zheng XQ, Zang XB. Accuracy assessments
of land use change simulation based on Markov鄄cellular
automata model. Procedia Environmental Sciences,
2012, 13: 1238-1245
[8]摇 Huang G, Gao W. Simulation study on CA model based
on parameter optimization of genetic algorithm and urban
development. Procedia Engineering, 2011, 15: 2175-
8561 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 24 卷
2179
[9]摇 He D (何 摇 丹), Jin F鄄J (金凤君), Zhou J (周 摇
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)
[10]摇 Wu Q (吴摇 琼), Wang R鄄S (王如松), Li H鄄Q (李
宏卿), et al. Statistical properties of Markov chain in
land use and landscape study. Chinese Journal of Ap鄄
plied Ecology (应用生态学报), 2006, 17(3): 434-
437 (in Chinese)
[11]摇 Guan D, Li H, Inohae T, et al. Modeling urban land
use change by the integration of cellular automaton and
Markov model. Ecological Modelling, 2011, 222:
3761-3772
[12]摇 Sang L, Zhang C, Yang J, 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
[13]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 Geogra鄄
phy, 2009, 29: 435-447
[14]摇 Tang J (汤摇 洁), Wang X鄄G (汪雪格), Li Z鄄Y (李
昭阳), et al. The tendency forecast on land use land鄄
scape pattern change in western Jilin Province based on
CA鄄Markov model. Journal of Jilin University ( Earth
Science) (吉林大学学报·地球科学版), 2010, 40
(2): 405-411 (in Chinese)
[15]摇 Torrens PM. Automata鄄based models of urban systems / /
Longley PA, ed. Advanced Spatial Analysis: The Case
Book of GIS. US: Esri Press, 2003: 61-80
[16]摇 Mitsova D, Shuster W, Wang X. A cellular automata
model of land cover change to integrate urban growth
with open space conservation. Landscape and Urban
Planning, 2010, 99: 141-153
[17]摇 Gao Q, Kang M, Xu H, et al. Optimization of land use
structure and spatial pattern for the semi鄄arid loess hilly鄄
gully region in China. Catena, 2010, 81: 196-202
[18]摇 Cao K, Huang B, Wang S, et al. Sustainable land use
optimization using Boundary鄄based Fast Genetic Algo鄄
rithm. Computers, Environment and Urban Systems,
2012, 36: 257-269
[19]摇 Chinese Academy of Social Sciences (中国社会科学
院). China City Competiveness Report in 2010. Bei鄄
jing: Social Sciences Academic Press, 2011 ( in Chi鄄
nese)
[20]摇 Ministry of Land and Resources of the People爷s Repub鄄
lic of China (中华人民共和国国土资源部). Classifi鄄
cation of Land Use Status (GB / T 21010-2007). Bei鄄
jing: China Standards Press, 2007 (in Chinese)
[21]摇 Dalian Statistic Bureau (大连市统计局). Dalian Sta鄄
tistical Yearbook (1991-2011). Beijing: China Statis鄄
tics Press, 1992-2012 (in Chinese)
[22]摇 Dalian Land, Resources and Houses Bureau (大连市国
土资源和房屋局). Overall Land Use Planning of
Dalian for 2006-2020 [ EB / OL ]. ( 2006鄄12鄄07 )
[ 2012鄄11鄄13 ]. http: / / gtfwj. dl. gov. cn / info / 2256 _
6485. vm (in Chinese)
[23]摇 Dalian Planning Bureau (大连市规划局). Overall Ur鄄
ban Planning of Dalian for 2009-2020 [ EB / OL ].
(2010鄄10鄄29) [2012鄄11鄄12]. http: / / www. gh. dl. gov.
cn / website / read / ReadInfo. aspx? id = 9015 ( in Chi鄄
nese)
[24]摇 Dalian Government (大连市政府). The Twelfth Na鄄
tional Economic and Social Development Program of
Dalian for five years [EB / OL]. (2011鄄04鄄29) [2012鄄
11鄄13]. http: / / www. dl. gov. cn / gov / plan / ( in Chi鄄
nese)
[25]摇 Chang N, Wen CG, Chen YL, et al. A grey fuzzy mul鄄
tiobjective programming approach for the optimal plan鄄
ning of a reservoir watershed. Part A: Theoretical devel鄄
opment. Water Research, 1996, 30: 2329-2334
[26]摇 Zeng X, Kang S, Li F, et al. Fuzzy multi鄄objective lin鄄
ear programming applying to crop area planning. Agri鄄
cultural Water Management, 2010, 98: 134-142
[27]摇 Su Q (苏 摇 勤), Cao Y鄄H (曹有挥). Research on
bettering the structure of land utilization in Auhui Prov鄄
ince around 2000. Resource Development & Market (资
源开发与市场), 1997, 13(1): 16-19 (in Chinese)
[28]摇 Zhang G鄄X (张贵祥), Huang L鄄Y (黄凌云), Liu Y鄄S
(刘彦随). Regional optimizing model of land utilizing
structure and the elasticity problems of coastal plantation
homeostasis: With Yueqing City in Chekiang Province as
an example. Journal of Shanxi Teachers University (Nat鄄
ural Science) (山西师范大学学报·自然科学版),
2000, 14(3): 90-94 (in Chinese)
[29]摇 Wang H鄄R (王红瑞), Zhang W鄄X (张文新), Hu X鄄L
(胡秀丽), et al. The multi鄄objective optimizing of
land鄄use structure in Fengtai District in Beijing. Systems
Engineering: Theory & Practice (系统工程理论与实
践), 2009, 29(2): 186-192 (in Chinese)
[30]摇 Gong J鄄Z (龚建周), Liu Y鄄S (刘彦随), Zhang L (张
灵). The optimal allocation of land use and its potential
appraisal in Guangzhou city. Acta Geographica Sinica
(地理学报), 2010, 65 (11): 1391 - 1400 ( in Chi鄄
nese)
[31]摇 Yan H鄄T (严海涛), Liu X鄄L (刘学录), Luo Z鄄H (罗
95616 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 胡雪丽等: 基于 CA鄄Markov模型和多目标优化的大连市土地利用格局摇 摇 摇 摇 摇
智恒). Research on optimization of land use structure
in Lanzhou. Guangdong Agricultural Sciences (广东农
业科学), 2009(2): 31-35 (in Chinese)
[32]摇 Xie G鄄D (谢高地), Zhen L (甄摇 霖), Lu C鄄X (鲁春
霞),et al. Supply, consumption and valuation of eco鄄
system services in China. Resources Science (资源科
学), 2008, 30(1): 93-99 (in Chinese)
[33]摇 Duan R鄄J (段瑞娟), Hao J鄄M (郝晋珉), Wang J (王
静). Research on changes of land use structure and
ecosystem services value: A case study of Datong City in
Shanxi Province. Ecological Economy (生态经济),
2005(3): 60-62 (in Chinese)
[34] 摇 Cao Y鄄E (曹月娥), Tashpolat T (特依拜塔西普拉
提), Wang X鄄J (王新军), et al. Research on optimi鄄
zation of land use structure at the county level. Xinjiang
Agricultural Sciences (新疆农业科学), 2011, 48(7):
1339-1346 (in Chinese)
[35]摇 Zhang H, Zhang X. Land use structural optimization of
Lilin based on GMOP鄄ESV. Transactions of Nonferrous
Metals Society of China, 2011, 21: 738-742
[36]摇 Zhang H鄄H (张鸿辉), Zeng Y鄄N (曾永年), Tan R
(谭摇 荣), et al. A model for regional land use optimi鄄
zation allocation based on multi鄄agent system and its ap鄄
plication. Acta Geographica Sinica (地理学报), 2011,
66(7): 972-984 (in Chinese)
[37]摇 Zhuang D鄄F (庄大方), Liu J鄄Y (刘纪远). Study on
the model of regional differentiation of land use degree in
China. Journal of Natural Resources (自然资源学报),
1997, 12(2): 106-111 (in Chinese)
作者简介摇 胡雪丽,女,1988 年生,硕士研究生.主要从事城
市化进程中景观格局以及土地利用变化的研究. E鄄mail:
huxueli116@ 163. com
责任编辑摇 杨摇 弘
0661 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 24 卷