2. 南京农业大学中国土地问题研究中心, 江苏 南京 210095
2. China Land Problem Research Center, Nanjing Agricultural University, Nanjing 210095, China
伴随着我国城镇化的快速发展, 城市土地利用问题也逐渐显现。近年来, 我国城市规划出现严重失控问题[1-2], 不少城市热衷于规划新城、新区, 2013年全国12个省会城市共规划建设了55个新城新区[3]; 另有数据显示, 2000—2014年间我国城市建设用地面积年均增速为7.72%, 而该期间城镇人口年均增速为6.51%[4], 城市建设用地面积增长明显快于城镇人口增长, 城市扩张发展过快。作为淮海经济区重要的经济中心、陇海兰新经济带的中心城市之一, 徐州同样面临这一问题，2006—2014年城市建设用地面积年均增速为9.27%, 远高于市区人口年均增长率2.19%[5]。由于土地资源有限, 在城市建设用地面积增加的过程中, 其他类型土地势必会被占用或开发为建设用地。由此可见, 中国城市的建设状态对区域土地利用格局的影响不容忽视[6-7]。
目前, 土地利用格局变化的研究重点主要有土地利用格局变化及驱动力分析[8-11]、土地利用格局发展趋势预测[12-15]和生境质量评价研究[16-17]等。研究层面大多为省级层面或特定区域, 小尺度研究对象较少; 预测模型方面, 多运用Agent模型与CLUE-S模型从宏观角度分析土地利用变化过程, 而对土地利用变化的局部作用难以模拟。鉴于此, 以徐州市市区范围作为研究对象, 综合运用RS和GIS技术、景观格局分析方法和能更好模拟城市景观格局变化的CA-Markov模型, 来研究徐州市区土地利用的结构组成特征、空间格局特征和时间演化特征, 并模拟2020年城市空间扩张趋势, 为区域土地利用优化配置尤其是城市空间管控提供定量参考。
1 研究区概况与数据准备 1.1 研究区概况徐州地处江苏省西北部、华北平原东南部, 介于33°43′~34°58′ N, 116°22′~118°40′ E之间。地形以平原为主, 中部和东部存在少数丘陵山地, 地势由西北向东南降低。徐州属暖温带半湿润季风气候区, 年均温为14 ℃, 年日照时数为2 284~2 495 h, 年均降水量为800~930 mm。徐州市城市化进程较快, 2009年二、三产业比例为89.6%, 城市化水平为49.1%, 2015年二、三产业比例达90.4%, 城市化水平增至57.5%。
1.2 数据来源与预处理数据来源主要包括3期遥感影像、徐州市行政区划图及徐州市城市总体规划主城区规划图(2007—2020年)。考虑到云量和季节对影像的影响以及传感器故障问题, 遥感数据最终选取2005、2009年Landsat 5 TM影像和2015年Landsat 8 OLI影像, 轨道号为121/36和122/36, 影像分辨率为30 m。
对徐州市城市总体规划主城区规划图(2007—2020年)进行数字化处理。对遥感影像进行辐射定标、大气校正、几何精校正和影像裁剪等图像预处理, 结合土地利用分类体系和实际情况, 对研究区进行土地利用类型分类, 每种地类选取2套样本, 一套用于分类, 另一套用于分类后精度评价。采用基于马氏距离(Mahalanobis Distance)的监督分类法提取影像的光谱特征信息, 参考《全国土地分类标准》和《土地利用现状分类标准》, 并结合区域具体情况, 将研究区分为建设用地、耕地、林地、水域和未利用地2类, 结合目视解译和实地调研检验方法对错分的地区进行纠正; 分类后, 利用检验样本对土地利用分类结果进行精度评价, 3期影像分类精度均达75%以上, 分类结果具有较高可靠性。土地利用类型分类结果如图 1所示。
|
图 1 2005、2009和2015年徐州市区土地利用分类图 Figure 1 Land use classification chart of Xuzhou City in 2005, 2009 and 2015 |
景观格局包括景观组成单元的类型、数目及空间分布与配置, 根据不同研究目的和研究区特点, 指标选取各有不同, 参考已有学者研究成果[18-20], 考虑相关文献中意义明确、相对独立且对土地利用类型变化反应较大的景观指数, 从斑块类型尺度和景观水平2个层次, 在面积/密度/边缘指标、形状指标、核心面积指标、独立/临近指标、对比度指标、蔓延度/离散度指标、连通性指标和多样性指标等指标中, 选取平均分维数(FRAC，CFRA)、斑块内聚力指数(COHESION，NCOHESIO)、聚合度(AI，IA)、蔓延度(CONTAG，GCONTA)、散布与并列指数(IJI，IIJ)、香农多样性指数(SHDI，ISHD)等指数, 借助Fragstats 4.2软件计算景观指数值, 分析景观空间格局特征。
| $ {C_{{\rm{FRA}}}} = \frac{{2\ln (0.25{p_{ij}})}}{{\ln {a_{ij}}}}。$ | (1) |
式(1) 中, pij为斑块ij的周长，m; aij为斑块ij的面积, m2。对于二维景观格局而言, 分维数可解释其形状复杂性, 形状越简单, 其分维数值就越接近1;当斑块边界弯曲盘绕时, 其分维数值就接近2。
| $ {N_{{\rm{COHESIO}}}} = \left(1 - {\frac{{ \sum\limits_{j = 1}^n {{p_{ij}}} }}{{\sum\limits_{j = 1}^n {{p_{ij}}} \sqrt {{a_{ij}}} }}} \right) \times {\left( {1 - \frac{1}{{\sqrt A }}} \right)^{ - 1}} \times 100。$ | (2) |
式(2) 中, A为景观中栅格总数。NCOHESIO取值范围为[0, 100)。当景观中某斑块类型的比例降低且不断细化, 自然连通度降低, 其值趋近于0;随着景观中该斑块类型组成比例的提高, 自然连通度升高, 其值增加。
| $ {I_{\rm{A}}} = \frac{{{g_{ii}}}}{{\max({g_{ii}})}} \times 100。$ | (3) |
式(3) 中, gii为基于单倍法的斑块类型i像元之间的节点数; max(gii)为基于单倍法的斑块类型i像元之间的最大节点数。当某一斑块类型的破碎程度达到最大化时, 其聚合度等于0;当该斑块类型聚集成一个紧实的整体时, 聚合度为100。
| $ {G_{{\rm{CONTA}}}} = \left[ 1 +{\frac{{ \sum\limits_{i = 1}^m {\sum\limits_{k = 1}^m {\left( {{p_i}\frac{{{g_{ik}}}}{{\sum\limits_{k = 1}^m {{g_{ik}}} }} \times \ln {p_i}\frac{{{g_{ik}}}}{{\sum\limits_{k = 1}^m {{g_{ik}}} }}} \right)} } }}{{2\ln m}}} \right] \times 100。$ | (4) |
式(4) 中, pi为斑块类型i在景观中的面积比例; gik为基于双倍法的斑块类型i和k之间的节点数; m为景观中斑块类型数。当所有斑块类型最大限度破碎化和间断分布时, 蔓延度趋近于0;当所有斑块类型最大限度聚集在一起时, 蔓延度为100。
| $ {I_{{\rm{IJ}}}} = \frac{{ - \sum\limits_{i = 1}^m {\sum\limits_{k = i + 1}^m {\left( {\frac{{{e_{ik}}}}{E} \times \ln \frac{{{e_{ik}}}}{E}} \right)} } }}{{\ln\left[ {0.5 \times m\left( {m + 1} \right)} \right]}} \times 100。$ | (5) |
式(5) 中, eik为景观中斑块i和k之间的边缘总长度; E为整个景观的边缘总长度, m。当景观中特定斑块类型的节点分布变得不均匀时, 散布与并列指数趋近于0;当所有斑块类型与其他斑块类型的节点都均衡时, 散布与并列指数为100。
| $ {I_{{\rm{SHD}}}} = - \sum\limits_{i = 1}^m {({p_i} \times \ln {p_i})} 。$ | (6) |
式(6) 中, pi为斑块类型i在景观中的面积比例。当整个景观中只有1个斑块时, 香农多样性指数为0;随着景观中斑块类型数量增多以及面积比例的均衡化, 香农多样性指数值呈增大趋势。
2.2 土地利用转移矩阵土地利用转移矩阵既能反映研究区域某一时段期初和期末各地类面积之间相互转化的动态过程信息, 又能静态显示一定区域某时间点的各地类面积数据, 而且还含有更为丰富的期初各地类面积转出和期末各地类面积转入的信息, 反映了各地类不同时段的数量变化特征。
2.3 模型构建 2.3.1 元胞自动机(CA)模型CA是一种时间、空间、状态都离散的局部网络动力学模型, 由一系列规则构成, 具体可理解为一个元胞下一时刻的状态是其领域上一时刻状态的函数, 可用下式表示:
| $ {S_{t + 1}} = f({S_t},{\rm{ }}N)。$ | (7) |
式(7) 中, S为元胞有限、离散的状态集合; t和t+1为不同时刻; N为元胞的邻域; f为局部空间的元胞转化规则。
2.3.2 Markov模型Markov模型常用于具有无后效性特征地理事件的预测。将某一时刻的土地利用类型对应于Markov过程中的“可能状态”, 它只与其前一时刻的土地利用类型相关, 土地利用类型之间相互转换的面积数量或比例即为状态转移概率[21-22]。
2.3.3 CA-Markov预测模型CA-Markov模型综合了CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的优势, 可以更好地从时间和空间上模拟土地利用的变化情况。其中每个栅格等于一个元胞, 每个元胞的土地利用类型即为元胞的状态, 应用土地利用转移矩阵和条件概率图像运算确定状态转移, 从而模拟预测土地利用格局的变化。具体步骤如下:在ArcGIS 10.0软件中将各期土地利用数据进行叠置分析, 得到土地利用转移矩阵; 使用IDRISI软件中的MCE模块创建各地类转变适宜性图像, 选择加权线性合并法设置元胞自动机转换规则; 利用元胞自动机滤波器, 根据相邻元胞距离创建具有空间意义的权重因子, 使用该权重因子将可能转换的土地转换为领域的土地利用类型; 确定起始时刻和循环次数, 进行预测模拟。
3 结果与分析 3.1 土地利用格局分析 3.1.1 景观格局分析
|
表 1 各土地利用类型的景观格局指数值 Table 1 Landscape pattern indexes of each patch type |
|
|
表 2 景观水平的景观格局指数值 Table 2 Landscape pattern indexes at the landscape level |
由表 1可知, 2005、2009与2015年各斑块类型的平均分维数均接近1且变化较小, 意味着各斑块类型均轻度偏离简单的几何形状。2005—2015年, 建设用地和耕地的斑块内聚力指数呈现增加趋势, 说明在景观中这2种类型斑块的比例提高; 水域的斑块内聚力指数呈现降低趋势, 说明水域斑块比例减少, 其自然连通度降低; 林地和未利用地的斑块内聚力指数出现先增加后降低的现象, 总体呈现增加趋势, 说明这2种类型斑块的比例出现波动, 其自然连通度总体表现为升高。2015年耕地和林地的聚合度较2005年持续增加, 说明这2种类型斑块的破碎程度不断降低, 斑块聚集更加紧实; 建设用地和水域的聚合度出现先降低后升高的现象, 意味着这2种类型斑块的聚集程度较2005年相对分散; 未利用地的聚合度出现先升高后降低的现象, 斑块聚集程度较2005年相对集中。
由表 2可知, 2005—2009年, 在景观水平上, 蔓延度由63.15%降至57.80%, 说明从整体来看, 所有斑块类型呈现分散趋势, 破碎化程度升高; 2005年散布与并列指数为68.66%, 至2009年升高为85.51%, 说明各斑块类型与其他斑块类型的节点变得均衡, 表明与其他斑块类型相连接的斑块数量增加; 2005年香农多样性指数为1.13, 2009年为1.19, 说明景观中斑块类型的丰富度提高, 景观多样性的复杂程度提升。而2009—2015年期间, 在景观水平上, 蔓延度由2009年的57.8%上升到2015年的64.96%, 说明从整体来看, 所有斑块类型呈现聚集趋势, 破碎化程度降低; 2009年散布与并列指数为85.51%, 至2015年, 散布与并列指数降为66.03%, 说明各斑块类型与其他斑块类型的节点变得不均衡, 表明与其他斑块类型相连接的斑块数量减少; 2009年香农多样性指数为1.19, 2015年为1.00, 说明景观中斑块类型的丰富度降低, 景观多样性复杂程度降低。
3.1.2 土地利用变化分析借助ArcGIS 10.0软件, 进一步得到2005、2009和2015年土地利用类型统计结果(表 3)。2005—2015年徐州市区主要土地利用类型为耕地和建设用地, 2005年耕地和建设用地分别占徐州市区土地面积的50.94%和17.34%, 2009年增长至57.81%和19.60%, 至2015年分别达62.90%和22.51%。其中建设用地面积增长幅度最大, 由2005年的526.7 km2增加至2009年的595.18 km2, 增长率为13%, 再由2009年的595.18 km2增加至2015年的683.5 km2, 增长率达15%。相比之下, 2005—2009年间, 林地面积表现出大幅度减少(48%), 水域和未利用地面积有不同程度增加; 2009—2015年间, 林地面积减少幅度变小(21%), 同时水域和未利用地面积也表现为不同程度减少。
|
|
表 3 2005、2009和2015年徐州市区土地利用类型统计结果 Table 3 Statistics of land use types in Xuzhou City in 2005, 2009 and 2015 |
2005—2009和2009—2015年土地利用转移矩阵见表 4~5。
|
|
表 4 2005—2009年徐州市区土地利用转移矩阵 Table 4 Land use transit matrix of Xuzhou City from 2005 to 2009 |
|
|
表 5 2009—2015年徐州市区土地利用转移矩阵 Table 5 Land use transit matrix of Xuzhou City from 2009 to 2015 |
由表 4~5可知, 2005—2009年间增加的建设用地主要来源于林地, 共123.61 km2, 占新增建设用地的56.20%;其次是耕地, 为72.22 km2, 占新增建设用地的32.83%;增加的耕地主要来源于林地, 共276.92 km2, 占新增耕地面积的62.63%, 其转出类型主要为建设用地和林地; 共有490.81 km2林地转出, 其中276.92 km2转入耕地, 123.61 km2转入建设用地, 而林地转入较少, 以耕地为主, 占林地转入面积的62.07%;水域面积略有减小, 转入类型主要为林地, 转出类型主要为耕地; 未利用地面积增加, 大量林地转为未利用地。
2009—2015年间新增建设用地主要来源于耕地和未利用地, 占新增建设用地的55.78%和22.17%;新增耕地来源主要为林地, 占新增耕地的43.14%, 其次是建设用地, 占新增耕地的36.00%, 耕地的转出类型主要为建设用地; 转出的林地大部分(161.61 km2)转为耕地, 同时转入的林地也以耕地为主, 转出大于转入, 面积减少速度减缓; 水域面积变化较小, 转入、转出均以耕地为主; 42.62%的未利用地(60.01 km2)转为建设用地, 而转为未利用地的土地仅有9.48 km2, 未利用地面积大大减少。
2005—2009和2009—2015年建设用地变化方向雷达图见图 2。
|
图 2 2005—2009和2009—2015年徐州市区建设用地变化方向雷达图 Figure 2 Radar map showing directions of the changes in construction land of Xuzhou City from 2005-2009 and 2009-2015 |
如图 2所示, 2005—2015年间, 徐州市区建设用地主要向市辖区的东部与东北部扩展。2005—2009年期间, 各方位建设用地新增面积分别为:东北部5 073.48 hm2, 东部5 057.55 hm2, 东南部3 884.67 hm2, 南部1 152.45 hm2, 西南部1 004.31 hm2, 西部1 085.49 hm2, 西北部2 862.90 hm2, 北部2 307.78 hm2; 2009—2015年期间, 各方位建设用地新增面积分别为:东北部6 381.99 hm2, 东部6 044.58 hm2, 东南部2 663.10 hm2, 南部2 649.33 hm2, 西南部2 267.10 hm2, 西部1 776.06 hm2, 西北部3 815.73 hm2, 北部2 585.88 hm2。
3.2 空间扩张模拟结合2009—2015年土地利用转移矩阵, 在IDRISI软件中选择徐州市区水域为限制因素、主城区主干道路为约束条件, 控制用地类型转换。基于数据可获得性和研究可行性, 主要对徐州市区建设用地的扩张趋势进行模拟和预测, 即首先以2009年为基期, 模拟2015年用地类型, 然后与2015年实际用地类型比较, 对模型进行精度检验, 在栅格面积为30 m×30 m下得到Cramer′s V相关系数为0.71, 模型表现出高度一致性, 可应用该模型模拟预测徐州市区2020年土地利用结构及其空间分布(时间参数设置为5 a), 由此得到2020年徐州市区土地利用格局预测结果, 如图 3所示。
|
图 3 2020年徐州市区土地利用格局预测图 Figure 3 Land use prediction map of Xuzhou City in 2020 |
从图 4可知, 未来徐州市区建设用地扩张重点区域仍然集中在东北部、东部和东南部, 其扩张方向与徐州东部新城区建设规划较为一致, 进一步佐证了新城区规划的合理性, 扩张规模由高到低分别为:东北部6 339.27 hm2, 东部5 434.77 hm2, 东南部4 900.47 hm2, 西北部4 303.73 hm2, 北部3 102.62 hm2, 西部2 176.96 hm2, 南部1 048.12 hm2, 西南部988.17 hm2。
|
图 4 2015—2020年徐州市区建设用地变化方向雷达图 Figure 4 Radar map showing prediction on direction of the changes in construction land of Xuzhou City from 2015 to 2020 |
(1)2005—2015年徐州市区土地利用格局变化趋势表现为:各土地利用类型斑块平均分维数均接近1, 斑块形状复杂程度较低; 各土地利用类型斑块内聚力指数和聚合度值较高且变化幅度小, 自然连通度较高, 景观水平指标值适中, 总体区域景观具有较强的稳定性和适宜的多样性。其中建设用地比例持续增加, 斑块破碎程度出现波动, 总体呈现分散趋势; 耕地比例有所上升且分布更加集聚; 林地、水域和未利用地比例均有所降低。
(2)2005—2015年徐州市区各土地利用类型数量变化趋势表现为:建设用地面积持续增加, 2005—2009和2009—2015年增长率分别为13%和15%, 共增加156.80 km2; 耕地面积分别增加13%和9%, 总计增加363.00 km2; 林地面积持续减少, 变化率分别为48%和21%, 总计减少462.23 km2; 水域和未利用地面积变化出现波动, 总体呈现减少趋势, 分别减少9.15和48.10 km2。其中, 2005—2009年间增加的建设用地主要来源于林地(56%), 2009—2015年则主要来源于耕地(56%); 2个阶段增加的耕地主要来源均为林地(70%和43%)。城市外围耕地总面积增加, 这是由于徐州市区适宜耕种的林地和未利用地被开垦或复垦为耕地所致; 林地总面积减少, 其原因除部分林地开垦为耕地或开发为建设用地外, 另一个原因是开山采石对林地造成破坏。
(3)2005—2015年徐州市区建设用地增加的主要方向为东北部和东部, 其原因可能是由于徐州东站的建成促进了周边建设用地的开发利用。其中, 2005—2009年间, 东北部和东部方向新增建设用地面积分别占总增加面积的22.62%和22.55%, 2009—2015年上升为28.45%和26.95%。
(4) 预测得到2020年徐州市区建设用地扩张方向及扩张面积分别为：东北部6 339.27 hm2, 东部5 434.77 hm2, 东南部4 900.47 hm2, 西北部4 303.73 hm2, 北部3 102.62 hm2, 西部2 176.96 hm2, 南部1 048.12 hm2, 西南部988.17 hm2。预测结果显示徐州市区建设用地会继续增加并且增加方向以东北部和东部为主, 该结果可为徐州市区土地开发利用提供参考。
该研究结论虽然能够为区域可持续发展, 尤其是徐州市区土地利用格局及其空间扩张调控提供参考和定量依据, 但尚有以下不足有待进一步研究深化:其一, 关注土地数量及空间变化较多, 而对区域土地质量变化和等级调整影响关注不够, 对土地利用格局格局变化如何影响区域生态系统思考不足; 其二, 虽然基础数据能够满足研究要求, 但部分遥感影像的分辨率尚有提升空间。
| [1] |
谢冬水. 地方政府竞争、土地垄断供给与城市化发展失衡[J]. 财经研究, 2016, 42(4): 102-111. XIE Dong-shui. Local Government Competition, Monopolized Land Supply and Urbanization Development Imbalance[J]. Journal of Finance and Economics, 2016, 42(4): 102-111. (  0) |
| [2] |
蔡继明, 熊柴, 高宏. 我国人口城市化与空间城市化非协调发展及成因[J]. 经济学动态, 2013(6): 15-22. CAI Ji-ming, XIONG Chai, GAO Hong. Non-Coordinated Development and Causes of Population Urbanization and Spatial Urbanization in China[J]. Economic Perspectives, 2013(6): 15-22. ( 0) |
| [3] |
冯海宁. 城市规划失控背后是权力运行失范[EB/OL]. (2015-09-22)[2016-09-01]. http://news.xinhuanet.com/mrdx/2015-09/22/c-134646648.htm. FENG Hai-ning.Anomie of Power Operation is the Cause of Urban Planning Out of Control[EB/OL].(2015-09-22)[2016-09-01].http://news.xinhuanet.com/mrdx/2015-09/22/c-134646648.htm. ( 0) |
| [4] |
国家统计局. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2001-2015. State Statistical Bureau.China City Statistical Yearbook[M].Beijing:China Statistics Press, 2001-2015. ( 0) |
| [5] |
国家统计局. 中国城市建设统计年鉴[M]. 北京: 中国建筑工业出版社, 2007-2015. State Statistical Bureau.China Urban-Rural Construction Statistical Yearbook[M].Beijing:China Architecture & Building Press, 2007-2015. ( 0) |
| [6] |
郭泺, 杜世宏, 薛达元, 等. 快速城市化进程中广州市景观格局时空分异特征的研究[J]. 北京大学学报(自然科学版), 2009, 45(1): 129-136. GUO Luo, DU Shi-hong, XUE Da-yuan, et al. Spatio-Temporal Variation of Landscape Patterns During Rapid Urbanization in Guangzhou City[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2009, 45(1): 129-136. ( 0) |
| [7] |
龚建周, 夏北成. 快速城市化过程中城市土地覆被的时空动态特征[J]. 亚热带资源与环境学报, 2006, 1(2): 62-68. GONG Jian-zhou, XIA Bei-cheng. Temporal and Spatial Dynamic Characteristics of Urban Land Cover in the Process of Rapid Urbanization[J]. Journal of Subtropical Resources and Environment, 2006, 1(2): 62-68. ( 0) |
| [8] |
吴莉, 侯西勇, 徐新良, 等. 山东沿海地区土地利用和景观格局变化[J]. 农业工程学报, 2013, 29(5): 207-216. WU Li, HOU Xi-yong, XU Xin-liang, et al. Land Use and Landscape Pattern Changes in Coastal Areas of Shandong Province, China[J]. Transactions of the CSAE, 2013, 29(5): 207-216. ( 0) |
| [9] |
FAN Q D, DING S Y. Landscape Pattern Changes at a County Scale:A Case Study in Fengqiu, Henan Province, China From 1990 to 2013[J]. Catena, 2016, 137: 152-160. DOI:10.1016/j.catena.2015.09.012 ( 0) |
| [10] |
郭晓娜, 苏维词, 李强, 等. 三峡库区(重庆段)地表起伏度及其对生态系统服务价值的影响[J]. 生态与农村环境学报, 2016, 32(6): 887-894. GUO Xiao-na, SU Wei-ci, LI Qiang, et al. Surface Relief Degree and Its Effects on Ecosystem Service Value in the Chongqing Section of the Three Gorges Reservoir Region, China[J]. Journal of Ecology and Rural Environment, 2016, 32(6): 887-894. DOI:10.11934/j.issn.1673-4831.2016.06.004 ( 0) |
| [11] |
刘晓娜, 张微微, 李红. 基于LUCC的密云水库上游流域人为干扰动态变化[J]. 生态与农村环境学报, 2016, 32(6): 951-957. LIU Xiao-na, ZHANG Wei-wei, LI Hong. Research on Dynamics of Human Disturbance in Upper Streams of Miyun Reservoir Watershed Based on Land Use and Land Cover Change[J]. Journal of Ecology and Rural Environment, 2016, 32(6): 951-957. DOI:10.11934/j.issn.1673-4831.2016.06.013 ( 0) |
| [12] |
肖琳, 田光进, 乔治. 基于Agent的城市扩张占用耕地动态模型及模拟[J]. 自然资源学报, 2014, 29(3): 516-527. XIAO Lin, TIAN Guang-jin, QIAO Zhi. An Agent-Based Approach for Urban Encroachment on Cropland Dynamic Model and Simulation[J]. Journal of Natural Resources, 2014, 29(3): 516-527. DOI:10.11849/zrzyxb.2014.03.015 ( 0) |
| [13] |
王新云. 基于CA模型的城市空间扩展研究[D]. 武汉: 武汉大学, 2005. WANG Xin-yun.Reseacrh on the Ubranizaiton Spaital Extension Based on the CA Model[D].Wuhan:Wuhan University, 2005. http: //cdmd. cnki. com. cn/Article/CDMD-10486-2006032161. htm ( 0) |
| [14] |
曹铭昌, 龚溪, 孙孝平, 等. 江苏盐城自然保护区湿地景观格局空间优化模拟[J]. 生态与农村环境学报, 2016, 32(5): 743-749. CAO Ming-chang, GONG Xi, SUN Xiao-ping, et al. Spatial Optimization of Wetland Landscape Pattern in Jiangsu Yancheng Nature Reserve[J]. Journal of Ecology and Rural Environment, 2016, 32(5): 743-749. DOI:10.11934/j.issn.1673-4831.2016.05.009 ( 0) |
| [15] |
周浩, 雷国平, 赵宇辉, 等. 基于CA-Markov模型的挠力河流域土地利用动态模拟[J]. 生态与农村环境学报, 2016, 32(2): 252-258. ZHOU Hao, LEI Guo-ping, ZHAO Yu-hui, et al. Simulation of Dynamics of Land Use in Naoli River Valley Based on CA-Markov Model[J]. Journal of Ecology and Rural Environment, 2016, 32(2): 252-258. DOI:10.11934/j.issn.1673-4831.2016.02.013 ( 0) |
| [16] |
胡和兵. 城市化背景下流域土地利用变化及其对河流水质影响研究[D]. 南京: 南京师范大学, 2013. HU He-bing.Study on Land Use Change and Impact on River Water Quality in the Context of Urbanization[D].Nanjing:Nanjing Normal University, 2013. http: //cdmd. cnki. com. cn/Article/CDMD-10319-1013339389. htm ( 0) |
| [17] |
TRAN C P, BODE R W, SMITH A J, et al. Land Use Proximity as a Basis for Assessing Stream Water Quality in New York State (USA)[J]. Ecological Indicators, 2010, 10(3): 727-733. DOI:10.1016/j.ecolind.2009.12.002 ( 0) |
| [18] |
KINDU M, SCHNEIDER T, TEKETAY D, et al. Land Use/Land Cover Change Analysis Using Object-Based Classification Approach in Munessa-Shashemene Landscape of the Ethiopian Highlands[J]. Remote Sensing, 2013, 5(5): 2411-2435. DOI:10.3390/rs5052411 ( 0) |
| [19] |
仇江啸, 王效科. 基于高分辨率遥感影像的面向对象城市土地覆被分类比较研究[J]. 遥感技术与应用, 2010, 25(5): 653-661. QIU Jiang-xiao, WANG Xiao-ke. A Comparative Study on Object-Based Land Cover Classification in High Spatial Resolution Remote Sensing Imagery of Urban Areas[J]. Remote Sensing Technology and Application, 2010, 25(5): 653-661. DOI:10.11873/j.issn.1004-0323.2010.5.653 ( 0) |
| [20] |
兰红月, 李家存, 李晓燕. 吉林省大安县土地利用变化监测及景观格局分析[J]. 地理空间信息, 2014, 12(3): 133-135, 138. LAN Hong-yue, LI Jia-cun, LI Xiao-yan. Analysis of Land Use Change Monitoring and Landscape Pattern in Da'an County, Jilin Province[J]. Geospatial Information, 2014, 12(3): 133-135, 138. ( 0) |
| [21] |
KAMUSOKO C, ANIYA M, ADI B, et al. Rural Sustainability Under Threat in Zimbabwe:Simulation of Future Land Use/Cover Changes in the Bindura District Based on the Markov-Cellular Automata Model[J]. Applied Geography, 2009, 29(3): 435-447. DOI:10.1016/j.apgeog.2008.10.002 ( 0) |
| [22] |
王友生, 余新晓, 贺康宁, 等. 基于CA-Markov模型的藉河流域土地利用变化动态模拟[J]. 农业工程学报, 2011, 27: 330-336. WANG You-sheng, YU Xin-xiao, HE Kang-ning, et al. Dynamic Simulation of Land Use Change in Jihe Watershed Based on CA-Markov Model[J]. Transactions of the CSAE, 2011, 27(12): 330-336. DOI:10.3969/j.issn.1002-6819.2011.12.062 ( 0) |