Please wait a minute...
国土资源遥感  2020, Vol. 32 Issue (1): 176-183    DOI: 10.6046/gtzyyg.2020.01.24
     技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于CLUMondo模型的多情景土地利用变化动态模拟——以广西沿海城市为例
郭瑞琦,陆波,陈恺霖
广西大学公共管理学院,南宁 530004
Dynamic simulation of multi-scenario land use change based on CLUMondo model: A case study of coastal cities in Guangxi
Ruiqi GUO,Bo LU,Kailin CHEN
School of Public Administration, Guangxi University, Nanning 530004, China
全文: PDF(4721 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

使用能够深入刻画土地利用强度的CLUMondo模型,利用2010年和2015年2期土地利用数据,模拟了广西沿海城市2025年在“自然增长”、“经济发展”以及“土地利用优化”3种不同情景下的土地利用空间分布格局。结果表明: CLUMondo模型可以有效模拟沿海大尺度范围内土地系统的发展状况及轨迹; “自然增长”情景下,沿海城市土地资源的集约及有效利用进展较为缓慢; “经济发展”情景下,城市及农村建设用地增长迅速且在空间上的联系密切,区域森林及耕地保护与工业建设之间有着较为剧烈的矛盾; “土地利用优化”情景下,研究区域经济建设的步伐逐渐放缓,区域城市建设形成了资源向城镇集中、农田向规模集中的趋势。该模拟结果对于广西乃至全国沿海城市未来土地利用规划以及相关制度的制定具有一定的借鉴意义。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
郭瑞琦
陆波
陈恺霖
关键词 土地利用变化模拟沿海城市CLUMondo模型    
Abstract

In this study, the authors used the CLUMondo model which can deeply describe the intensity of land and the land use data of 2010 and 2015 to simulate the spatial distribution pattern of land use in the three different scenarios of “natural growth”, “economic development” and “land use optimization” in coastal cities of Guangxi in 2025. Some conclusions have been reached: The CLUMondo model can effectively simulate the development status and trajectory of land system in large-scale coastal areas; under the“natural growth” scenario, the intensive and effective use of land resources in coastal cities has been slower; under the “economic development” scenario, urban and rural construction land is growing rapidly and is closely related in space. There is a sharp contradiction between regional forest and cultivated land protection and industrial construction; under the “land use optimization” scenario, the pace of regional economic construction has gradually slowed down, and the construction of regional cities has formed a trend of concentration of resources to cities and towns and concentration of farmlands. The simulation results provide a certain reference for the future land use planning and related system formulation of coastal cities in Guangxi and even the whole country.

Key wordsland use change simulation    coastal city    CLUMondo model
收稿日期: 2019-02-15      出版日期: 2020-03-14
ZTFLH:  TP79  
基金资助:广西研究生教育创新计划项目“近10年来广西海岸带生态环境时空变化特征研究”(编号: YCSW2018006)
作者简介: 郭瑞琦(1994-),女,硕士研究生,主要从事土地资源可持续利用与生态环境保护等方面研究。Email: guoruiqi0228@126.com。
引用本文:   
郭瑞琦,陆波,陈恺霖. 基于CLUMondo模型的多情景土地利用变化动态模拟——以广西沿海城市为例[J]. 国土资源遥感, 2020, 32(1): 176-183.
Ruiqi GUO,Bo LU,Kailin CHEN. Dynamic simulation of multi-scenario land use change based on CLUMondo model: A case study of coastal cities in Guangxi. Remote Sensing for Land & Resources, 2020, 32(1): 176-183.
链接本文:  
http://www.gtzyyg.com/CN/10.6046/gtzyyg.2020.01.24      或      http://www.gtzyyg.com/CN/Y2020/V32/I1/176
Fig.1  研究区土地利用空间格局驱动因子
Fig.2  CLUMondo模型的土地利用变化分配
Fig.3  研究区空间规划限制
土地利用类型 AUC 土地利用类型 AUC
高产量农田 0.70 城市建设用地 0.98
低产量农田 0.68 农村建设用地 0.74
林地 0.84 水域 0.85
草地 0.65 其他用地 0.73
Tab.1  不同土地利用类型逻辑回归系数
土地利用类型 高产量农田 低产量农田 林地 草地 城市建设用地 农村建设用地 水域 其他用地
高产量农田 1 1 1 1 1 1 1 1
低产量农田 1 1 1 1 1 1 1 1
林地 1 1 1 1 1 1 1 1
草地 1 1 1 1 1 1 1 1
城市建设用地 0 0 0 0 1 1 0 0
农村建设用地 0 0 0 0 1 1 0 0
水域 1 1 1 1 1 1 1 0
其他用地 1 1 1 1 1 1 1 1
Tab.2  不同土地利用类型之间的转移矩阵
土地利用类型 转换弹性系数 土地利用类型 转换弹性系数
高产量农田 0.8 城市建设用地 0.9
低产量农田 0.7 农村建设用地 0.9
林地 0.7 水域 0.7
草地 0.6 其他用地 0.8
Tab.3  不同土地利用类型之间的转换弹性系数
年份 高产量农
田农作物
产量/万t
低产量农
田农作物
产量/万t
森林碳
储存/
万t
城市建设
用地面
积/km2
农村建设
用地面
积/km2
2010年 95.64 70.52 1 509.02 210.59 901.04
2011年 95.49 70.59 1 507.28 219.82 910.42
2012年 95.34 70.67 1 505.53 229.05 919.79
2013年 95.18 70.75 1 503.79 238.28 929.17
2014年 95.03 70.82 1 502.05 247.51 938.54
2015年 94.88 70.89 1 500.31 256.74 947.92
Tab.4  研究区2010—2015年间土地利用需求量
Fig.4  研究区2015年土地利用模拟结果对比
土地利用类型 Kappa 土地利用类型 Kappa
高产量农田 0.84 城市建设用地 0.82
低产量农田 0.82 农村建设用地 0.90
林地 0.87 水域 0.98
草地 0.93 其他用地 0.88
所有地类 0.88
Tab.5  Kappa系数检验结果
情景 土地利用类型 高产量农田 低产量农田 林地 草地 城市建设用地 农村建设用地 水域 其他用地
经济发展 高产量农田 1 1 1 1 1 1 1 1
低产量农田 1 1 1 1 1 1 1 1
林地 1 1 1 1 1 1 1 1
草地 1 1 1 1 1 1 1 1
城市建设用地 0 0 0 0 1 1 0 0
农村建设用地 0 0 0 0 1 1 0 0
水域 1 1 1 1 1 1 1 1
其他用地 1 1 1 1 1 1 0 1
弹性系数 0.7 0.6 0.6 0.5 1 1 0.6 0.7
土地利用优化 高产量农田 1 1 1 0 1 1 1 1
低产量农田 1 1 1 0 1 1 1 1
林地 1 1 1 1 1 1 1 0
草地 1 1 1 1 1 1 1 1
城市建设用地 0 0 0 0 1 1 0 0
农村建设用地 0 0 0 0 1 1 0 0
水域 1 1 1 1 1 1 1 0
其他用地 1 1 1 1 1 1 1 1
弹性系数 0.9 0.9 0.8 0.6 0.9 0.9 0.7 0.8
Tab.6  不同土地利用类型之间的转移矩阵及弹性系数设置
土地利用
服务需求
高产量农田
农作物产量
低产量农田
农作物产量
森林碳
储量
城市建设
用地面积
农村建设
用地面积
自然增长 -0.2 0.11 -0.11 4 1
经济发展 -0.3 0.4 -0.4 6.5 1.5
土地利用优化 -0.1 0.5 2 3.5 1
Tab.7  不同情景下土地利用需求变化率
Fig.5  3种情景2015—2025年土地利用类型变化情况
Fig.6  研究区3种情景2025年土地利用模拟
[1] Liu J, Hong L I, Ma Y G . Analysis and prediction of land use change in typical city of central asia based on CA-Markov model[J]. Research of Soil and Water Conservation, 2014. 21(3):51-56.
[2] Parker D C, Manson S M, Janssen M A , et al. Multi-agent systems for the simulation of land-use and land-cover change:A review[J]. Annals of the Association of American Geographers, 2003,93(2):314-337.
[3] Halmy M W A, Gessler P E, Hicke J A , et al. Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA[J]. Applied Geography, 2015,63:101-112.
[4] 汪佳莉, 吴国平, 范庆亚 , 等. 基于CA-Markov模型的山东省临沂市土地利用格局变化研究及预测[J]. 水土保持研究, 2015,22(1):212-216.
Wang J L, Wu G P, Fan Q Y , et al. Study and prediction of land use pattern change in Linyi City,Shandong Province based on CA-Markov model[J]. Soil and Water Conservation Research, 2015,22(1):212-216.
[5] Yuan M A, Huang C, Zheng W . Analysis and prediction of land use change in Maqu County[J]. Arid Zone Research, 2012,29(4):735-741.
[6] 王崇倡, 张畅 . 基于遗传BP神经网络模型的土地利用变化预测模型研究[J]. 测绘与空间地理信息, 2017,40(2):52-55.
Wang C C, Zhang C . Study on land use change prediction model based on genetic BP neural network model[J]. Mapping and Spatial Geographic Information, 2017,40(2):52-55.
[7] Verburg P H, Soepboer W, Veldkamp A , et al. Modeling the spatial dynamics of regional land use:The CLUE-S model[J]. Environmental Management, 2002,30(3):391-405.
[8] Mishra V N, Rai P K, Mohan K . Prediction of land use changes based on land change modeler (LCM) using remote sensing:A case study of Muzaffarpur (Bihar),India[J]. Journal of the Geographical Institute Jovan Cvijic Sasa, 2014,64(1):111-127.
[9] Oh Y G, Yoo S H, Lee S H , et al. Prediction of paddy field change based on climate change scenarios using the CLUE model[J]. Paddy and Water Environment, 2011,9(3):309-323.
[10] Mtu R, Tabassum F, Rasheduzzaman M , et al. Temporal dynamics of land use/land cover change and its prediction using CA-ANN model for southwestern coastal Bangladesh[J]. Environmental Monitoring and Assessment, 2017,189(11):565.
[11] Etemadi H, Smoak J M, Karami J . Land use change assessment in coastal mangrove forests of Iran utilizing satellite imagery and CA-Markov algorithms to monitor and predict future change[J]. Environmental Earth Sciences, 2018,77(5):208.
[12] Pourebrahim S, Hadipour M, Mokhtar M B . Impact assessment of rapid development on land use changes in coastal areas:Case of Kuala Langat District,Malaysia[J]. Environment Development and Sustainability, 2015,17(5):1003-1016.
[13] Asselen S, Verburg P H . Land cover change or land-use intensification:Simulating land system change with a global-scale land change model[J]. Global Change Biology, 2013,19(12):3648.
[14] 谢莹, 匡鸿海, 吴晶晶 , 等. 基于CLUE-S模型的重庆市渝北区土地利用变化动态模拟[J]. 长江流域资源与环境, 2016,25(11):1729-1737.
Xie Y, Kuang H H, Wu J J , et al. Dynamic simulation of land use change in Yubei District of Chongqing City based on CLUE-S model[J]. Resources and Environment of Yangtze River Basin, 2016,25(11):1729-1737.
[15] 苏红帆, 侯西勇, 邸向红 . 北部湾沿海土地利用变化时空特征及情景分析[J]. 海洋科学, 2016,40(9):107-116.
Su H F, Hou X Y, Di X H . Spatial-temporal characteristics and scenario analysis of land use change along the Beibu Gulf coast[J]. Marine Science, 2016,40(9):107-116.
[16] 马金卫, 吴晓青, 周迪 , 等. 海岸带城镇空间扩展情景模拟及其生态风险评价[J]. 资源科学, 2012,34(1):185-194.
Ma J W, Wu X Q, Zhou D , et al. Scene simulation and ecological risk assessment of urban spatial expansion in coastal zone[J]. Resource Science, 2012,34(1):185-194.
[17] 潘润秋, 罗启源, 肖迪 , 等. 基于CLUE-S模型的深圳海岸带土地利用变化模拟[J]. 测绘与空间地理信息, 2016,39(4):32-36.
Pan R Q, Luo Q Y, Xiao D , et al. Land use change simulation of Shenzhen coastal zone based on CLUE-S model[J]. Mapping and spatial geographic information, 2016,39(4):32-36.
[18] 吴莉, 侯西勇 . 基于Spatial-Markov模型的胶东半岛土地利用变化模拟与预测[C]// 2012自然地理学与生态安全学术研讨会.兰州, 2012: 53.
Wu L, Hou X Y . Jiaodong Peninsula land use change simulation and prediction based on Spatial-Markov model[C]// 2012 Symposium on Physical Geography and Ecological Security.Lanzhou, 2012: 53.
[19] Liu W, Zhang L, Zhu J . Notice of retraction prediction of land use in Liaoning coastal economic zone based on CLUE-S[C]// Iita International Conference on Geoscience and Remote Sensing. 2010: 19-22.
[20] Eitelberg D A, Vliet J V, Doelman J C , et al. Demand for biodiversity protection and carbon storage as drivers of global land change scenarios[J]. Global Environmental Change, 2016,40:101-111.
[21] Asselen S V, Verburg P H . Land cover change or land-use intensification:Simulating land system change with a global-scale land change model[J]. Global Change Biology, 2013,19(12):3648.
[22] Debonne N, Vliet J V, Heinimann A , et al. Representing large-scale land acquisitions in land use change scenarios for the Lao PDR[J]. Regional Environmental Change, 2018: 1-13.
[23] Vliet J V, Verburg P H . A Short Presentation of CLUMondo[M]// Geomatic Approaches for Modeling Land Change Scenarios. 2018.
[24] Rahman M, Tabassum F, Rasheduzzaman M , et al. Temporal dynamics of land use/land cover change and its prediction using CA-ANN model for southwestern coastal Bangladesh[J]. Environmental Monitoring and Assessment, 2017,189(11):565.
[25] 邓华, 邵景安, 王金亮 , 等. 多因素耦合下三峡库区土地利用未来情景模拟[J]. 地理学报, 2016,71(11):1979-1997.
Deng H, Shao J A, Wang J L , et al. Multi-factor coupling simulation of future land use scenarios in the Three Gorges Reservoir area[J]. Journal of Geography, 2016,71(11):1979-1997.
[26] Ornetsmüller C, Verburg P H, Heinimann A . Scenarios of land system change in the Lao PDR:Transitions in response to alternative demands on goods and services provided by the land[J]. Applied Geography, 2016,75:1-11.
[27] 李伟, 张翠萍, 李士美 . 基于第8次森林资源清查数据的广西森林碳储量特征研究[J]. 西南林业大学学报, 2017,37(3):127-133.
Li W, Zhang C P, Li S M . A study on the characteristics of forest carbon reserves in Guangxi based on the data of the 8th forest resources inventory[J]. Journal of Southwest Forestry University, 2017,37(3):127-133.
[1] 孟蕾,林超. 机载LiDAR技术生成DEM的质量检查与解决方案探讨[J]. 国土资源遥感, 2020, 32(1): 7-12.
[2] 朱士才,翟晓彤,王宗伟. 基于Mean Shift的大批量遥感影像分割方法[J]. 国土资源遥感, 2020, 32(1): 13-18.
[3] 朱爽,张锦水. 时间序列低分影像修正中分遥感冬小麦分布[J]. 国土资源遥感, 2020, 32(1): 19-26.
[4] 韩亚超,李奇,张永军,高子弘,杨达昌,陈洁. 机载高光谱仪几何检校方法及其在海岸带航空遥感调查中的示范应用[J]. 国土资源遥感, 2020, 32(1): 60-65.
[5] 付丽华,张策. 基于高分遥感数据的西藏荣勒地区控矿信息提取[J]. 国土资源遥感, 2020, 32(1): 98-105.
[6] 卜丽静,李秀伟,张正鹏,姜昊男. 条件生成对抗网络在遥感图像复原中的可行性[J]. 国土资源遥感, 2020, 32(1): 27-34.
[7] 王宁,程家骅,张寒野,曹红杰,刘军. U-net模型在高分辨率遥感影像水体提取中的应用[J]. 国土资源遥感, 2020, 32(1): 35-42.
[8] 陈炫炽,陈蓉,吴愈锋,王跃跃. 基于RS和GIS的都匀茶树种植地质背景调查[J]. 国土资源遥感, 2020, 32(1): 224-231.
[9] 申振宇,高小红,汤敏. 高海拔复杂地形区SPOT6图像大气校正方法对比及精度验证[J]. 国土资源遥感, 2020, 32(1): 81-89.
[10] 程东亚,李旭东. 大气校正前后山地流域NDVI变化特征对比[J]. 国土资源遥感, 2020, 32(1): 90-97.
[11] 王海庆,郝建亭,李丽,安娜,许文佳,殷亚秋. 西藏各行政区矿产开采强度遥感分析[J]. 国土资源遥感, 2020, 32(1): 115-119.
[12] 段艺芳,任志远,周晓,孙艺杰. 延安市土地生态风险时空格局演变研究[J]. 国土资源遥感, 2020, 32(1): 120-129.
[13] 施益强,邓秋琴,吴君,王坚. 厦门市MODIS气溶胶光学厚度与空气质量指数的回归分析[J]. 国土资源遥感, 2020, 32(1): 106-114.
[14] 杨崇,刘国祥,于冰,张波,张瑞,王晓文. 基于InSAR形变的辽河油田曙光采油厂储层参数反演[J]. 国土资源遥感, 2020, 32(1): 209-215.
[15] 杨显华,徐肖,肖礼晓,田立,郝利娜,许鹏. 察尔汗盐湖演变趋势及驱动力分析[J]. 国土资源遥感, 2020, 32(1): 130-137.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《国土资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 Email:gtzyyg@agrs.cn; gtzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发