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

doi:10.6046/gtzyyg.2020.01.24

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

GUO Ruiqi, LU Bo, CHEN Kailin

School of Public Administration, Guangxi University, Nanning 530004, China

责任编辑: 张仙

收稿日期: 2019-02-15 修回日期: 2019-08-29 网络出版日期: 2020-03-15

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

Received: 2019-02-15 Revised: 2019-08-29 Online: 2020-03-15

作者简介 About authors

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。。

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。

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.

Keywords： land use change simulation ; coastal city ; CLUMondo model

PDF (4721KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

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. 国土资源遥感杂志[J], 2020, 32(1): 176-183 doi:10.6046/gtzyyg.2020.01.24

GUO Ruiqi, LU Bo, CHEN Kailin. 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[J], 2020, 32(1): 176-183 doi:10.6046/gtzyyg.2020.01.24

0 引言

随着全球人口的迅速增长以及经济的快速发展,有限的土地资源将承载规模更大、强度更高的人类活动,为了及时应对城市发展所面临的社会及环境压力,实现区域土地规划有效衡量及调整,人们开始积极探究城市土地系统的动态变化并预测未来土地利用的发展轨迹。目前,土地利用模拟研究在全球广泛开展,其尺度从大型城市、地区到区县都有所涉及^[1,2,3]。土地利用模拟模型也趋于多样,包括元胞自动机模型、Markov模型、支持向量机模型、GM(1,1)灰色理论模型、遗传BP神经网络、CLUE模型等^[4,5,6,7]。相关研究从社会、经济、环境以及制度等多个角度出发,充分考虑了土地利用的空间、非空间特征以及子系统之间的相互作用,以实现土地利用/覆被变化的模拟研究^[8,9]。

沿海城市作为自然资源丰富、人口密集的典型区域,其可持续发展的诉求为当地土地利用带来了新的挑战。近年来,为了更好地探究沿海地区不同地类之间的协调发展,解决土地利用过程中存在的冲突与矛盾,以农业生产、生态保护、工业扩张为背景所进行的沿海土地利用变化模拟在全世界范围展开^{[10,11,12,13]}。在我国,人们也根据沿海地区不同时期的土地利用需求以及与此相关的政策变化,开展了不同情景下的未来土地利用变化模拟研究,尝试通过科学规划和配置土地资源,为海岸带土地的合理利用与生态环境的可持续发展提供相关指导^[14,15,16]。随着研究的不断深入,人们更加注重土地利用与环境保护之间的和谐互动,从而科学规划及配置沿海土地资源的结构特征和空间布局,促进经济、社会和生态环境的协调发展^[17,18,19]。但是,我国目前的土地利用模拟研究多停留在单纯以土地覆盖类型总面积直接确定土地系统变化的阶段,在模拟区域土地系统变化时常常缺乏对土地利用强度的考量,因而限制了现阶段区域土地利用模拟研究的发展。因此,使用能够全面描述土地系统变化的模型及方法来进行区域土地利用模拟势在必行。

与其他城市相比,广西沿海城市具有独特的地理位置以及资源禀赋,土地利用变化更易受到经济发展、环境保护、土地资源优化政策等多种发展战略的影响,而不同发展战略下的未来土地利用变化将存在显著差异。因此,本文使用能够深入刻画土地利用强度的CLUMondo模型,通过“自然增长”、“经济发展”以及“土地利用优化”3种不同情景的土地利用模拟实现了广西沿海城市2025年的土地系统时空动态变化探究,从而为沿海城市未来不同政策偏好下的土地利用提供更科学、合理的决策参考,为实现区域土地资源的可持续发展提供技术支撑。

1 研究区概况和数据源

1.1 研究区概况

本文研究区为广西沿海城市,具体包括北海、钦州、防城港3市,总面积为20 353 km²。研究区具有明显的海洋性季风气候,温、光、雨源充沛,气候宜人,拥有非常丰富的农林、海洋、旅游资源。区内地势相对平缓,盆地、丘陵、平原广布,生态环境优良,开发密度及强度较低。随着工业化与城镇化进程不断加快,在建设用地需求迅速增长的同时也对沿海环境的保护提出了挑战。合理探究及模拟区域未来土地利用变化趋势,对进一步促进经济发展、城市建设和生态保护,全面提升广西沿海城市的高质量城市建设水平以及优化城市布局有重要意义。

1.2 数据源及其预处理

1.2.1 土地利用数据与辅助数据

本文所使用数据主要为2010年及2015年2期土地利用现状图,根据研究区地物特点,参照《土地利用现状分类标准》(GB/T21010—2007),将研究区土地划分为低产量农田、高产量农田、林地、草地、水域、城市建设用地、农村建设用地以及其他用地共计8种利用类型。使用ArcGIS软件从土地利用类型图中分别提取高程、坡度、坡向、距道路距离、距河流距离、距居民点距离以及距海岸线距离分析图层; 通过2010—2015年间《广西统计年鉴》中获取了研究区人口密度、人均国内生产总值(gross domestic product,GDP)、全社会固定资产投资以及地区生产总值数据。对上述11个驱动因子依次进行相应的空间转换,如图1所示。对驱动因子进行进行ASC格式转化。本次研究所使用的空间数据空间分辨率为100 m,空间坐标系采用统一Xian_1980_3_Degree_GK_Zone。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区土地利用空间格局驱动因子

Fig.1 Driving factors of land use spatial pattern in the study area

1.2.2 情景数据

在土地利用变化探究中,土地系统所提供的货物和服务的数量取决于用于生产的区域以及这些土地系统的管理强度^[20]。为了更好地体现土地利用及管理强度对于土地时空变化的影响,本文引入了粮食作物产量、森林碳储存、城市建设用地面积和农村建设用地面积这4个土地服务需求变化量,模拟土地利用变化情景。这些不同的土地服务需求代表了不同土地管理制度所提供的压力与激励机制,其具体数据根据研究区土地利用现状图中的地类面积以及社会公开数据计算所得。

2 研究方法

2.1 CLUMondo模型

2013年,Asselen等^[21]基于CLUE模型以及CLUE-S模型开发出了一种新的土地系统变化模型——CLUMondo模型,该模型对土地利用服务的需求、生物物理和社会经济变量作了充分考量,从而可以对土地系统变化进行科学、全面的时空模拟^[22]。CLUMondo模型有效结合了基于位置适宜性经验分析的土地利用模拟与对土地利用系统时空动态变化的竞争和相互作用的动态模拟^[23]。它通过土地利用类型的变化以及多种生态系统的不同需求来实现对土地系统的模拟,有效地避免了过往的土地利用变化模拟中只以地类变化来衡量土地系统变化的弊端^[24]。该模型中主要包括空间政策及限制、局部适用性、土地利用类型特定转换设置以及土地利用需求4个工作模块,如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 CLUMondo模型的土地利用变化分配

Fig.2 CLUMondo model of land use change allocation

在CLUMondo模型中,在特定时刻对特定土地利用类型有最高优先权的区域为期许土地利用转换发生的区域。优先权计算公式为

(1)R_kn=C+a_kX₁_n+b_kX₂_n+… ,

式中: ${R_{k}}_{n}$ 为区域n内土地利用类型k的优先权; C为常数项目; X₁_n,X₂_n…为区域n的生物物理学和社会经济学特性; a_k和b_k是这些特性对k优先权的相对影响。

确定所有允许变化的栅格单元后,对于特定时间t的单个栅格单元i,计算每种土地利用类型U_L的转变潜能 $P_{t, i, U_{L}}^{tran}$ ,即

(2)

P_{t, i, U_{L}}^{tran}

P_{t i U_{L}}^{loc}

P_{U_{L}}^{res}

P_{t U_{L}}^{comp}

式中: $P_{t, i, U_{L}}^{loc}$ 为栅格单元i对U_L的适宜性; $P_{U_{L}}^{res}$ 为对U_L的转换阻力, $P_{t, U_{L}}^{comp}$ 是一种迭代变量,表明了特定土地类型的相对竞争能力。通过上述公式计算最终实现以位置适宜性为依据的自下而上的分配和以区域需求为依据的自上而下的分配。

2.2 模型设置

2.2.1 空间政策及限制

在有些区域,特定的土地利用类型或者特定土地利用变化是受政策限制的。此次研究的政策限制区域为广西沿海城市自然保护区。受到地区管理及保护政策的影响,自然保护区内的土地类型在模拟过程中将不发生变化,如图3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区空间规划限制

Fig.3 Restriction map for spatial planning of coastal cities in Guangxi

2.2.2 局部适应性驱动因子选取及评估

CLUMondo模型中的局部适用性工作模块可以通过驱动因子的有效设置来实现。本文基于准确性、可量化性以及统一性准则,选取了影响土地利用变化的7个自然驱动因子以及4个社会经济驱动因子。并通过研究区各土地类型与驱动因子的回归分析,研究二者的关系,对影响强度较低的驱动因子予以排除。

CLUMondo模型中内置了回归分析功能,通过建立二元Logist回归分析模型预测未来出现的概率,可以实现对研究区域土地利用空间分配重要过程的全面了解,避免了以往土地模拟模型需要单独使用软件及模型进行回归分析的弊端,公式为

(3)ln

(\frac{p_{i}}{1 - p_{i}})

=β₀+β₁X_1,_i+β₂X_2,_i,…,β_mX_m_,_i ,

式中: p_i为栅格单元i采用所考虑的土地利用类型的概率; X_m_,_i为栅格单元i内与土地利用类型相关的第m个驱动因子; 系数β为利用实际土地利用模式进行Logistic回归分析得到的因变量。当e^β>1,说明发生的可能性变大; e^β<1,发生的可能性减小; e^β=1,说明发生的可能性不大。

观测者操作特性(receiver operating characteristic,ROC)曲线下与坐标轴围成的面积(area under the curve,AUC)可以有效判断二分类预测模型的优劣^[25]。AUC值一般介于0.5~1之间,趋近于0.5表示解释能力较差,趋近于1表示效果较好。运行模型得到各土地利用类型的AUC值(表1)。由表1可知,城市建设用地、水域、林地的AUC值分别为0.98,0.85与0.84,解释效果非常好,而草地、高产量农田、低产量农田、其他用地以及农村建设用地的AUC值均在0.65~0.8之间,解释效果较好。说明上述11个驱动因子达到了分析的精度要求,均对土地类型的空间格局具有较好的解释效果。

表1 不同土地利用类型逻辑回归系数

Tab.1 Logistic regression coefficient table for different land use types

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

新窗口打开| 下载CSV

2.2.3 参数设置及精度检验

CLUMondo模型主要通过土地利用类型特定转换设置以及土地利用需求模块来实现非空间分析。其中,土地利用类型特定转换设置包括转换规则设置以及转换弹性系数设置。本文在假定2010—2015年间研究区域的所有地类按照自然增长情景进行发展的情况下,以2010年以及2015年土地利用数据为基础,进行相关参数设置,并对其模拟效果进行精度检验。

转换规则指在一定的情景模式下,各土地利用类型之间相互转移的可能性矩阵是一个k×k的矩阵,若一种地类可以转化为另一种地类,则在矩阵中相应位置设为1,若不能转化,则设为0,横向和纵向分别代表未来以及现在的土地利用类型,如表2所示。转换弹性系数是表示每种土地利用类型发生改变难易程度的参数,越接近0越容易转换为其他地类,越接近1越难转换为其他地类。本文结合研究区的实际情况设置了适合自然增长情景的转换弹性系数,如表3所示。

表2 不同土地利用类型之间的转移矩阵

Tab.2 Transfer matrix between different land use types

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

新窗口打开| 下载CSV

表3 不同土地利用类型之间的转换弹性系数

Tab.3 Transfer resistance parameters for different land use types

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

新窗口打开| 下载CSV

本次研究中土地利用需求主要为粮食作物产量、森林碳储存、城市以及农村建设用地面积。其中,农作物产量主要参考广西以及与广西沿海地理位置接近的国家老挝的产粮情况^[26],设定高产量农田的农作物产量为450 t/km²,低产量农田的农作物产量为337.5 t/km²; 森林碳储存参考广西平均碳密度,设定为148.7 t/km^2[27]; 城市及农村建设用地面积则分别根据三市的土地利用现状数据得出。由此计算出研究区2010与2015年土地利用需求,再通过线性内插法计算出2010—2015年间土地利用需求量,如表4所示。

表4 研究区2010—2015年间土地利用需求量

Tab.4 Land use demand of research areas from 2010 to 2015

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

新窗口打开| 下载CSV

根据以上设置进行研究区2015年土地利用模拟。模拟结果如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 研究区2015年土地利用模拟结果对比

Fig.4 Contrast map of land use simulation results in the study area in 2015

为了验证模型的模拟结果,使用地图比较工具计算Kappa系数,对2015年研究区土地利用实际分布图与模拟图进行对比检验,表5为Kappa系数检验结果。由表5可知本次模拟检验结果为0.88,证明模型模拟结果较为理想,说明本次选定的驱动因子以及设定的转移矩阵和转换弹性系数可以很好地解释各土地类型变化的驱动机制。

表5 Kappa系数检验结果

Tab.5 Kappa algorithm test results

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

新窗口打开| 下载CSV

3 基于特定情景的土地利用变化模拟

3.1 特定场景模型参数设置

根据3种不同模拟情景对于特定地类的具体要求,设置符合的转移矩阵及弹性系数。其中,自然增长情景的参数设置详见表3—4,经济发展情景及土地利用优化情景的参数设置如表6所示。3种不同情景下的土地服务需求也有所不同。以2010—2015年自然增长情景的土地利用需求量以及所得变化率为基础,结合沿海城市的土地利用规划政策以及3个不同情景的发展需求,实现各类土地利用需求增长率的合理设定,通过线性内插法计算出研究区2015—2025年间土地服务需求。土地利用需求变化率如表7所示。

表6 不同土地利用类型之间的转移矩阵及弹性系数设置

Tab.6 Transfer matrix between different land use types

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

新窗口打开| 下载CSV

表7 不同情景下土地利用需求变化率

Tab.7 Change rate of land use service demand under different situations(%)

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

新窗口打开| 下载CSV

3.2 结果与分析

从数量变化来看,在自然增长情景中,城市建设用地的年均增长速率较快,为3.93%,其他用地的年均减少速率较快,为-0.48%。在经济发展情景中,城市和农村建设用地年均增长最快,分别以6.51%和1.49%的速率迅速增长,2015—2025年间,城市和农村建设用地共增长了376.48 km²; 而林地、草地以及其他用地则以每年0.35%、0.04%以及0.40%的速率逐年减少。在土地用优化情景中,城乡建设用地的年均增长速率逐渐放缓,高质量农田以及林地的年均增长速率相对较快,分别为0.14%以及0.01%,2015—2025年间,该情景下的高、低质量农田共增加了38.28 km²,林地增加了10.86 km²,如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 3种情景2015—2025年土地利用类型变化情况

Fig.5 Land use type change in three scenarios from 2015 to 2025

从空间变化来看,3种情景的土地需求都导致了土地集约化的增加,但不同情景下不同土地利用类型的集约程度及空间位置有所不同(图6)。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 研究区3种情景2025年土地利用模拟

Fig.6 Land use change simulation maps of three scenarios in the study area in 2025

自然增长情景下,沿海城市建设不断扩张且在空间分布上较为分散,特别是在钦州市北部的长滩镇、新塘镇以及北海市的南部沿海地区。而钦州市的浦北县及灵山县的农村建设用地迅速增长,对林地及其他用地的占用也较为明显。随着城市经济的快速发展,防城港市北部以及北海市南部沿海的高产量农田趋于集中,而北海市西部的乌家镇、西场镇低产量农田的减少较为明显。在该情景下,沿海城市的城镇化进程会有非常显著的提升,但同时不断扩张的城市用地面积也对耕地、林地造成更为紧迫的侵占及包围。

经济发展情景下,城市及农村建设用地增长迅猛且在空间上的联系更为密切。在钦州市与南宁市相邻的内陆区域,城市建设用地以及农村建设用地围绕已有的城镇飞速扩张。在沿海区域,沿海开发项目的逐渐增长直接侵占了水域以及沿海地区的林地及草地,同时也对农田构成了一定程度的威胁。其中,防城港市沿海区域的森林面积由于农村及城市建设用地的扩张有了明显缩减,景观格局的细碎化较为严重。该情景下,区域森林及耕地保护与工业建设之间有着较剧烈的矛盾。

土地利用优化情景下,沿岸经济建设的步伐逐渐放缓,区域林业及农业资源也得到了重要保护。在防城港市上思县、钦州市灵山县以及北海市南流江沿岸,大量的低产量农田转换为高产量农田,同时,防城港市十万大山自然保护区一带大量的草地转换成林地。随着沿海经济建设逐渐向内陆偏移,钦州市灵山县的丰塘镇、烟墩镇以及钦北区的长滩镇、小董镇、那蒙镇一带将成为未来城乡建设的“热点”区域。在该情景下,农田及植被受到重要保护,区域土地集约程度与逐渐加大,形成了资源向城镇集中、农田向规模集中的趋势。

4 结论及建议

基于CLUMondo模型对2025年广西沿海地区3市多情景土地利用变化进行模拟,得到以下结论:

1)自然情景下,土地资源的集约及有效利用进展较为缓慢,耕地面积大幅减少且集约利用程度不高,区域生态保护力度有待加强。推行土地利用集约考核制度、建立健全完善的土地产权制度及土地市场配给机制将是未来工作的重点。

2)经济发展情景下,农村及城市建设用地的不断扩张加快了区域的城镇化进程,区域土地利用面临着植被缩减、景观细碎化等一系列问题。应以钦州市钦北区、灵山县以及北海、防城港沿海区域为重点,优化经济建设区域的用地结构及布局,将部分基本农田、耕地以及生态用地科学、合理地纳入城市绿色空间规划中。同时,应继续加强围填海管控措施,严格执行建设项目用海控制标准,加大沿海植被的保护及修复力度,从而建设生态环境良好、经济可持续发展的“生态城市”。

3)土地利用优化情景下,城乡建设用地的增幅得到了控制,耕地及林地面积增幅最大,高质量城市发展与生态保护实现了更为协调的发展。该情景为广西沿海城市较为合理的土地利用发展模式。在未来,应结合广西滨海城市经济社会发展和生态环境保护协同共进的绿色发展理念,加强海岸带的合理开发以及综合管理,积极建立“多规合一”的空间规划体系,合理统筹区域生产、生活以及生态空间,加快构建陆海经济一体化发展的新格局。

本次模拟结果不但有助于广西沿海城市妥善处理好未来沿海城镇建设、耕地及森林保护的关系,同时也为我国大尺度区域的土地利用变化模拟和土地系统可持续设计提供了借鉴。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Liu

, Hong L

, Ma Y

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.