基于改进CLUE-S模型的区域土地利用格局模拟研究.doc

基于改进CLUE-S模型的区域土地利用格局模拟研究 廖 琦(，李满春，陈振杰 （南京大学地理与海洋科学学院，江苏 南京 210093） 摘要：本文应用并改进了CLUE-S模型，驱动因子空间不稳定性利用GWR模型取代Logistic回归模型来建立土地利用格局与其驱动因子之间的回归模型，综合考虑土地利用需求、区域空间发展政策、土地利用转换弹力和转换次序等因素，构建了土地利用模型最后以杭州市桐庐县桐君街道为试验区进行实证研究。研究结果表明，充分考虑驱动因子的空间不稳定性、区域空间发展政策、土地利用变化机制等因素有助于提高模拟精度。 关键词：土地利用；CLUE-S模型；地理加权回归；空间不稳定性 [1]。LUCC研究是对土地利用的数量、质量和空间布局等变化的综合分析。了解土地利用格局动态变化过程及其驱动机制并进行空间模拟是LUCC研究的重要内容之一[2]。在众多土地利用变化模型中，CLUE-S模型适用于较小区域的土地利用变化研究，它是在对区域土地利用需求进行分析的基础上，对土地利用变化驱动因子进行Logistic回归，并根据一系列转换规则对土地利用变化进行空间分配，实现土地利用格局的时空动态模拟[3]。 但是在使用Logistic回归分析方法研究土地利用变化驱动力时，对各因子进行全局的参数估计，未考虑驱动因子影响的空间不稳定性[4]。地理加权回归（Geographically Weighted Regression，简称GWR）模型是对传统回归分析的扩展，它允许局部的参数估计，通过附加表达驱动因子相关性和异质性的变化参数，反映驱动因子在不同空间位置对土地利用格局的影响程度的差异，使回归结果更加准确和合理[5]。因此，本文在利用CLUE-S模型进行土地利用格局空间模拟的过程中，用GWR模型取代logistic回归 1 CLUE-S模型 CLUES(the Conversion of Land Use and its Effects at Small regional extent)模型是荷兰瓦赫宁根大学一个由P.H.Verburg等科学家组成的“土地利用变化和影响”研究小组在其较早的CLUE模型的基础上开发而成的。该模型基于系统论，对土地利用变化和社会经济、生物物理等驱动因子之间的关系进行综合分析[6]。 CLUE-S模型的假设条件是，一个地区的土地利用变化是受该地区的土地利用需求驱动的，并且一个地区的土地利用分布格局总是和土地需求以及该地区的自然环境和社会经济状况处在动态的平衡之中[7]。CLUE-S模型由非空间需求模块和空间分配模块两个主要模块组成(图1)[8]，其中非空间需求模块是对土地利用结构变化的模拟，空间分配模块则是对土地利用布局变化的模拟。 2 土地利用需求预测 非空间需求模块中的土地利用需求可以用简单的历史趋势外推或复杂的系统动力学仿真、经济学模型等方法来预测。土地利用需求预测主要根据研究地区的实际情况，如历年土地利用变化情况、人口、社会经济状况、区域发展战略等。为使土地利用需求预测结果更加准确，不仅要依据历年的土地利用变化数据，还要充分考虑区域未来的发展战略，模拟不同的土地利用情景，如低速增长型、高速增长型、耕地保护导向型等情景。非空间需求模块的预测结果是以年为步长的各土地利用类型需求变化序列数据，这些序列数据将被直接输入空间分配模块以预测土地利用格局的变化。 3 土地利用空间分配 土地利用需求在空间模块中的分配是通过对区域土地利用进行经验分析、空间分析以及动态模拟实现的[9]。经验分析和空间分析主要揭示土地利用空间分布与其驱动因子以及空间制约因素的关系，生成各土地利用类型适宜性概率分布图，衡量不同土地利用类型在每一空间单元分布的适宜程度。在得到土地利用适宜性概率分布后，可以根据研究地区土地利用的实际情况定义一系列转换规则，来限定特定区域或特定土地利用类型的转换。最后，综合各方面因素对土地利用变化进行动态模拟(图2)。 图2 土地利用空间分配模块 土地利用适宜性概率 在土地利用格局模拟中，土地利用类型和驱动因子都表现出空间上的不稳定性。因此，本文在基于全局OLS Logistic回归模型的基础上，进一步考虑驱动因子对土地利用格局影响的空间不稳定性，将GWR模型应用于土地利用格局模拟的回归建模中。在土地利用格局模拟的回归建模中，GWR Logistic的模型结构可表达为[10]： ???? 式中，Pi表示i可能出现某种土地利用类型概率土地适宜性概率x1,i ~ xn,i为与i对应的n个因子i的坐标，βk（ui, vi）是回归方程的关系系数βk（u, v）在空间单元i的值（作为地理加权），表示各备选因子与土地利用类型之间的相关度 根据地理学第一定律，接近位置的观察数据比远离位置的数据对βk（ui, vi）的估计有更大的