2024, Vol. 54
2. 中国海洋大学海洋环境与生态教育部重点实验室, 山东 青岛 266100;
3. 山东省环境保护科学研究设计院有限公司, 山东 济南 250013
土地是人类活动的承载体，土地利用是人类活动与自然环境相互作用最直接的表现形式，同时也是人类社会经济活动行为与自然生态过程交互和链接的纽带[1]。目前的土地利用特点之一是具有动态变化性，但是相对于其他自然要素及其利用活动而言，土地利用的动态变化与社会经济发展的关联性相对较强，也就是说，土地利用的变化除了遵循综合自然地理规律之外[2]，还受到区域社会经济发展及政府政策的影响，而这又将在一定程度上对政府宏观决策产生一定的反馈作用。因此对土地利用进行合理预测，对多规合一背景下的区域土地资源的合理配置以及未来区域社会经济发展而言，具有一定的理论和实践意义。
为了有效模拟土地利用的变化过程，可以以数学模型为基础，在对过去土地利用变化(LUCC)进行描述、解译和分析的同时，了解其变化趋势，并对未来LUCC进行预测[3]。目前，研究LUCC的主要模型分为数量模型(如灰色预测模型、马尔科夫模型和回归分析模型等)、空间模型(如元胞自动机模型、CLUE-S模型和GEOMOD模型等)和耦合模型三类(如Logistic-CA模型、CA-Markov模型和Logistic-CA-Markov模型等)[4-6]。相比较而言，耦合模型因结合了数量模型和空间模型的优点而被广泛应用[7]。其中，CA-Markov模型可以综合马尔科夫模型对长时间序列的预测和元胞自动机基于空间关系和规则动力学模拟的优点，不仅具有马尔科夫模型量化预测的能力，可以精确地模拟LUCC未来变化情况，同时还具有元胞自动机模型模拟复杂系统空间变化的能力，空间变化的表达效果良好[8-11]。CA-Markov模型能提高模拟预测的精度，有效减少人为因素的干扰，被认为是一种更强大、更有效的建模技术[12-14]。
胶州湾国家级海洋公园位于山东省青岛市胶州湾中北部，地处山东半岛南岸的西部，濒临南黄海西部，是青岛市重点保护的生态核心区，同时又是重要的海洋和河口湿地分布区。对于保护海湾而言，控制陆源是一种非常重要的思路和模式，可以有效遏制胶州湾水质恶化[15]。尽管青岛市对于点源污染物控制已经取得较好的成果，但土地利用方式及其承载的社会经济活动仍会对环境造成不同强度的非点源污染，而这将对城市陆源排放产生重要的影响[16-18]。对于胶州湾国家级海洋公园而言，其周边地区涉及青岛市市南区、市北区、李沧区、城阳区、高新技术产业开发区、胶州市、黄岛区7个区(市)，不同行政区和开发区具有差异化的城市建设和产业发展的规划[19-24]。尽管不同区(市)的发展规划具有一定差异性，其均为青岛市城市化发展的重要区域，因此在未来一段时间内，胶州湾国家级海洋公园周边地区的土地利用方式也发生一定程度的变化，对胶州湾国家海洋公园沿岸地区进行土地利用预测研究，在某种程度上具有一定的现实意义。
综上所述，本研究以青岛胶州湾国家级海洋公园周边地区为研究区，利用CA-Markov模型，对该地区的土地利用现状进行解译和分析，分析过去十年土地利用变化趋势，预测未来三十年土地利用变化的状态，以期为胶州湾国家级海洋公园周边地区的发展及海洋保护提供一定的数据和技术支持。
1 资料与方法 1.1 研究区概况胶州湾国家级海洋公园位于120°00′E—120°24′E、35°02′N—36°24′N之间，地处山东半岛南岸的西部，处于温带季风性气候区，年均气温12.2 ℃，年均降雨量为680.5 mm。胶州湾海洋公园内的湿地是山东半岛南部最大的海湾河口湿地，被列为国家重要湿地。其中，河口海湾湿地面积1 439.77 hm2，占湿地总面积的5.2%，其主要分布在大沽河口、洋河口、墨水河口、白沙河口等区域，海洋湿地面积1 171.7 hm2，占湿地总面积的4.2%，主要分布在胶州湾北部区域。
1.2 CA-Markov模型 1.2.1 马尔科夫模型马尔科夫(Markov)模型是一种预测事件发生概率的模型，其特性(即预测过程中的状态转移只与当前时刻的状态有关，并不取决于过去的状态)使其非常适用于土地利用变化的预测。应用状态不断演变的过程进行建模，依据其性质和条件概率，得到Markov模型的计算公式如下：
| $ S_n=S_{(n-1)} \times \boldsymbol{P}_{i j}。$ | (1) |
式中: S(n)、S(n-1)分别为n和n-1时刻的系统状态；Pij为状态概率矩阵。
1.2.2 元胞自动机模型元胞自动机(CA)模型是一种时间、空间、状态都离散的时空动力学模型。在元胞空间中，每一个元胞在各自有限的状态内，按照局部特征的状态改变规则进行时空的同步更新，这些规则相互作用生成动态演化系统。CA模型可用下式表示：
| $ S_{(t+1)}=f\left(S_{(t)}, N\right) 。$ | (2) |
式中：S表示元胞有限、离散的状态集合；t、t+1表示不同时刻；N表示元胞的邻域；f表示局部空间的元胞转化规则。
1.2.3 CA-Markov模型CA-Markov模型是将CA和Markov两个模型结合起来，考虑CA模型模拟空间变化并且利用马尔科夫模型提供的LUCC转移矩阵进行长时间预测。在土地利用的栅格图像中，一个栅格视作一个元胞，元胞的土地利用类型为元胞的状态。模型在GIS和IDRISI软件的支持下，通过初始概率和状态转移概率计算未来时刻的LUCC情况。模拟预测过程如下：
首先，通过ArcGIS软件提取分析、投影变换和数据转换等过程以处理和转换数据。其次，通过IDRISI软件构建马尔科夫矩阵，以间隔年份期间各土地利用类型的转换面积为基础，获取土地类型转移概率矩阵和一系列条件概率图像。第三，综合考虑各土地利用类型在演变过程中的适宜性情况以及元胞邻域之间的效应，建立适宜性图集，同时将其作为CA规则的一部分，参与CA-Markov模型的模拟预测运算。最后，构造CA滤波器，使创建具有显著空间影响的权重因子作用于元胞，以确定元胞的不同状态。本研究采用5×5的滤波器，并且确定CA循环次数取5 a，以预测未来土地利用状态。
但是此处需要说明的是，由于CA-Markov模型是一种概率统计模型，遵循着某种时间和空间的离散规则，从根本上来讲这是一种基于数据本身规律的预测方法。对于土地利用预测而言，从模型角度来看，土地利用结构变化经常受到一些其他因素的影响，而这些变化往往是动态的，但CA-Markov模型使用的是静态转换规则，因此模拟出来的结果往往需要进行一定程度的修正[25-28]。与此同时，过去的土地利用及其模拟预测重点在于协调各类用地类型之间的约束与权衡，而未来全面推进国土空间规划的多规合一之后，土地利用规划将在原有基础上，综合考虑区域发展的各项因素，包括生态保护因素，所以从这个角度上来讲，对土地利用预测结果进行必要的修正也是非常重要的一步。
1.3 模拟预测精度检验Kappa系数广泛用于评估遥感数据分类的宏观精度和两幅地图的相似性，可以反映模拟预测结果与真实数据的相似程度，定量分析模拟预测的精度。本研究分别进行中期预测和长期预测期内土地利用预测结果和校正结果的Kappa系数计算，以此评估结果的有效性和准确性[29]。Kappa系数的计算公式表示为：
| $ K a p p a=\frac{P_{\mathrm{o}}-P_{\mathrm{c}}}{P_{\mathrm{p}}-P_{\mathrm{c}}} \text { 。} $ | (3) |
式中：Po是正确模拟的比例；Pc是随机情况下的预期正确比例；Pp是正确模拟的理想比例(通常为100%)。通常，当Kappa≥0.75时，说明模拟预测结果和实际结果高度吻合，模拟预测的精度非常高；当0.4≤Kappa＜0.75时，说明模拟预测结果和实际结果吻合度一般，模拟预测的精度一般；当Kappa＜0.4时，说明模拟预测结果和实际结果相差较大，模拟预测的精度不够理想[30]。
2 数据来源与处理 2.1 数据来源本研究的研究数据选用中国科学院遥感与数字地球研究所提供的分辨率为30 m的Landsat 7 TM遥感影像，数据时期分别为：2010、2015和2020年。在90幅影像中选用日期相近、云量较低、质量较好的影像，得到初筛后的影像如表 1所示，再经过对比分析最终选取2010年6月15日、2015年6月22日和2020年6月3日三幅影像。2015年的数据应用16 m分辨率高分一号(CF-1)多光谱影像，以进行数据比对和验证。
|
表 1 拟选取的遥感影像列表 Table 1 List of available images |
由于土地利用受区域自然资源分布、社会经济发展和政府政策决策等因素共同影响，为了得到更加准确的预测结果，本研究将研究区从胶州湾国家海洋公园进行适当延伸，并以运筹学中的可行域理论为准则，根据自然因素分布、现有城市规划和海洋公园保护政策等实际需求设定一系列的约束条件，并由此得到满足某约束条件的特定分区。主要分区原则如下：
(1) 以行政区划为主要边界：将研究区所属范围按照青岛市行政区划初步划分，并得到研究区隶属于市南区部分，简称市南片区(A-1)(下同)、市北片区(A-2)、李沧片区(A-3)、城阳片区(A-4)、胶州片区(A-5)、黄岛片区(A-6)6个区域；
(2) 以研究区内的土地利用现状和城市道路分布作为约束条件1：根据研究区的实际发展特点，在城阳片区的辖区内单独划分出高新技术产业开发区(即高新区)，命名为高新区东区片区(B-1)和高新区西区片区(B-2)；
(3) 以海洋公园内部保护区划分作为约束条件2：由于青岛胶州湾国家级海洋公园横跨城阳区和胶州市两区市，根据其保护目的主要分为三个区域，分别是生态与资源恢复区、适度利用区和重点保护区。故本研究将海洋公园单独划分成为C区域，同时由于其各分区的保护及发展政策不同，将C区域继续细化成三个分区，即：生态与资源恢复区(C-1)、适度利用区(C-2)、重点保护区(C-3), 具体分区如图 1所示。
|
图 1 胶州湾国家海洋公园沿岸地区分区结果图 Fig. 1 Zoning result in the coastal area of Jiaozhou Bay National Ocean Park |
通过ENVI4.7软件进行几何校正、辐射定标、大气校正等步骤对其预处理，再进行遥感影像的监督分类解译过程，利用ArcGIS10.7软件进行矢量裁剪和重分类处理后，得到2010，2015和2020年三期土地利用现状数据。研究区内土地利用类型按照《土地利用现状分类(GB/T 21010—2007)》并结合实际情况划分为6类: 耕地、林地、草地、湿地、水体和建设用地。
在得到2010、2015、2020年基于非监督分类为主的土地利用初级分类结果后，为验证其准确性，本研究以百度地图(高清版)、高德地图、Google Earth等软件提供的土地利用现状图进行比对验证，通过逐街道比对后发现，研究区内大部分土地利用的初级分类结果和各高清地图的用地类型基本一致，可见初级分类结果较为准确，但是在大沽河口等小面积区域出现了一定的偏差。具体区域主要分布在：120°08′40.57″E—120°08′38.72″E，36°11′30.65″N—36°12′9.42″N(C-2和C-3区域)，这部分区域应该以潮间带为主，但是由于潮汐等因素的影响，各高清地图之间也存在细微差别，因此只通过结合高清地图和相关规划的人工目视解译方法不能够对该区的土地利用进行准确分类，这也将在一定程度上影响对该区域未来时段土地利用预测的准确性。因此，对该区域进行实地调查必不可少。
2.4 实地调查为了确保该区域未来时段土地利用预测的准确性，实现准确数据的更精准化，本研究适当扩大了实地调查区域的范围，对大沽河口附近区域、洋河附近区域和高新区部分辖区(即A-5、A-6、B-2、C-1、C-2、C-3共6个区域)进行实地调查，按照代表性和均匀性的原则制定实地调研点位规划。
为了更加深入调查相关位置的土地利用情况和准确了解相关土地利用类型的边界范围，在实地调查中增加部分调查点位，最终形成调研点位分布图，如图 2所示。
|
图 2 胶州湾国家海洋公园沿岸地区调研点位分布图 Fig. 2 Distribution of survey points in the Coastal Area of Jiaozhou Bay National Ocean Park |
通过实地调查发现，在研究区内的大沽河东侧大片区域为水产养殖区，并不是水体用地类型。此外海洋公园生态与资源恢复区和适度利用区的部分区域为滩涂湿地和水产养殖区。根据实地调查得知，高新区部分区域用地类型发生更改，因此本研究对前期得到的研究区土地利用初级分类图像进行校正，形成研究区的土地利用最终分类图像。
在最终分类图像中大沽河入海口东侧(即C-3)的部分区域(36°12′26.50″N，120°07′58.55″E)土地利用类型由耕地修改为湿地(包含海水养殖用地)，高新区西区片区(即B-2)部分(36°13′10.38″N，120°10′34.59″E)土地利用类型由湿地修改为建设用地，海洋公园生态与资源恢复区(即C-1)和适度利用区(即C-2)的部分区域(36°13′6.52″N，120°17′9.63″E和36°12′0.20″N，120°15′6.04″E)由耕地修改为湿地，胶州市东侧大沽河西侧(即A-5)的部分区域(36°12′40.59″N，120°05′55.42″E)由草地和湿地修改为建设用地。
3 土地利用构成与分析经过数据处理得到2010—2020年胶州湾国家海洋公园沿岸地区的土地利用面积变化表(表 2)和土地利用情况图(图 3)。
|
|
表 2 2010—2020年胶州湾国家海洋公园沿岸地区土地利用变化 Table 2 Land use change in the coastal area of Jiaozhou Bay National Ocean Park from 2010 to 2020 |
|
( ) 图 3 2010—2020年胶州湾国家海洋公园沿岸地区土地利用情况 Fig. 3 Land use in the Coastal Area of Jiaozhou Bay National Ocean Park from 2010 to 2020 |
由表 2可知，过去十年间，建设用地面积增加了6 766.92 hm2，在6种用地类型中增加幅度最大，从15 505.62 hm2增加至22 272.54 hm2；耕地和湿地的面积也有一定程度上的增加，分别增加了1 702.52和299.87 hm2，其中，耕地从507.45 hm2增加至2 209.97 hm2，湿地从3 832.71 hm2增加至4 132.58 hm2；与之相对应的是，水体的用地面积在十年间从9 177.91 hm2大幅减少至3 472.85 hm2，共计减少了5 705.06 hm2，成为6种用地类型中面积减少最大的用地类型；草地的面积也有较大的减少，在过去十年间从10 277.22 hm2减少至8 070.90 hm2，以2 206.32 hm2的减少面积成为6种用地类型中减少面积位居第二的用地类型；林地的面积也大幅减少，从995.20 hm2减少至137.27 hm2，减少了857.93 hm2。另外，结合2015年研究区土地利用变化面积的数据也可以观察出，耕地的用地面积呈现先增加后减少的变化趋势，通过比重数据可以看出，2010—2015年耕地面积占比从1.26%大幅增加至9.72%，而到了2020年比重仅占5.48%，面积又有所减小；与之变化趋势相同的是湿地，其在前五年的面积占比从9.51%增加至15.25%，而在后五年又从15.25%减少至10.26%；草地和水体的面积呈现相同的变化趋势，与耕地和湿地相反，其在十年间呈现先减少后增加的变化趋势；而林地虽然略有先减少后增加的变化趋势，但是在研究区过去十年间变化幅度并不明显，总体来看占地面积所占比重保持相对平稳的态势；在6种用地类型中，只有建设用地的面积呈现不断增加的趋势，但是通过表格可以明显看出其在后五年间的增加面积比在前五年间的增加面积减少很多，即建设用地在前五年面积高速增加，而在后五年面积只是略有增加。尽管各种用地类型变化趋势不同，总体来看，在2010—2020年的十年间，研究区土地利用类型依然以建设用地为主，到2020年建设用地的面积以55.27%的比重占据了研究区总面积的一半以上，其次为草地、湿地、水体和耕地，面积占比分别为20.03%、10.26%、8.62%和5.48%；林地在十年间成为了研究区占地面积最小的用地类型，到2020年其面积仅占比0.34%。
结合图 1和图 3可知，市南片区(A-1)内绝大部分面积的土地利用方式为建设用地，十年间区域内湿地面积减少，主要为建设用地侵占；水体面积也有所减少，其转变为湿地；而草地面积也略有增加。市北片区(A-2)主要用地类型为建设用地，十年间耕地和湿地面积减少，主要转变为草地。李沧片区(A-3)仍以建设用地为主，但是其面积比重较A-1和A-2区域的建设用地面积比重小，十年间区域内耕地面积明显增加，主要是由草地和湿地转化形成；与此同时水体面积减少，转变为草地和湿地。城阳片区(A-4)主要用地类型为建设用地，十年间区域内耕地面积增加，是由水体和草地转变而来；部分湿地和水体转变为建设用地，其建设用地面积也因此有所增加。胶州片区(A-5)在2010年以草地和水体为主，十年间水体大面积转化为湿地，因此在2020年区域以草地和湿地为主，除此之外，建设用地的面积显著增加，主要有湿地、草地和水体转化而来。黄岛片区(A-6)的用地类型主要为草地和建设用地，十年间区域内湿地面积小幅增加，主要由水体转变而来；建设用地面积增加较明显，由草地转化而来；缩减的水体除了部分转变为湿地外，其余大面积转变为建设用地；区域内的林地在十年间大面积转变为草地。高新区东区片区(B-1)内，大面积的草地、湿地和水体转变为了建设用地；与此同时少部分草地转变为了耕地。高新区西区片区(B-2)内，大面积的水体转变为了湿地；大面积的草地转变为了建设用地。生态与资源恢复区(C-1)内水体转变为了建设用地和湿地；草地面积大幅减少, 转变为了耕地、建设用地和湿地。适度利用区(C-2)主要由水体和湿地组成，十年间少量水体转变为湿地，但仍以水体为主要用地类型。重点保护区(C-3)在十年间湿地面积显著增加，主要由水体和草地转变而来。从研究区的整体来看，十年间，研究区内的草地面积大幅减少，主要转化为了建设用地，因此建设用地面积大幅增加，部分湿地和水体也转化为了建设用地，另外部分水体转化为了湿地。
土地利用变化主要受自然因素和社会经济因素(人为因素)所影响，其中自然因素对土地利用类型的影响需要长时间跨度，且变化较为稳定。所以在短期内社会经济因素影响是地区土地利用变化的主导因素，即土地利用类型变化受到人类活动的影响较大。经过参考《2020青岛统计年鉴》、《2020年青岛市国民经济和社会发展统计公报》和《青岛西海岸新区(黄岛区)国民经济和社会发展第十三个五年规划》等公开资料可知，近十年青岛市政府修建胶州湾跨海大桥，自2011年通车以来促进其他用地类型向建设用地转变。同时，近年来政府重视第二产业(此处主要涉及黄岛片区)建设和第三产业的发展，引入多个服务示范区和工业产业园，因此征用部分草地等建设服务示范区和工业产业园区，这也就是上述区域湿地和水体稍有减少而转变为建设用地的原因。
4 土地利用预测与分析 4.1 转移概率矩阵的获取本研究依据2015和2020年土地利用类型结果，利用ArcGIS10.2软件和IDRISI软件进行叠加分析、分区处理和校正计算得到转移概率矩阵，具体如表 3所示。
|
|
表 3 2015—2020年土地利用类型转移概率矩阵 Table 3 Probability matrix of land use type transfer from 2015 to 2020 |
为了达到预测结果的精准性，本研究在进行预测时，采取分区预测的原则，即对每一个分区A-1、A-2、A-3、……、C-2、C-3，共计11个次级研究区，运用CA-Markov模型进行中期预测，最后再以经纬度为基础，利用ArcGIS软件进行预测结果的合并，最终得到2025、2030和2035年胶州湾国家海洋公园沿岸地区土地利用变化中期预测结果(见图 4)和研究区内各土地利用类型中期预测的变化趋势(见图 5)。
|
图 4 2020—2035年土地利用变化中期预测结果 Fig. 4 Medium term prediction results of land use change from 2020 to 2035 |
|
图 5 2020—2035年土地利用类型中期预测变化趋势 Fig. 5 Medium term forecast change trend of land use types from 2020 to 2035 |
由图 5可见，未来15年内，建设用地的面积比例变化幅度最大，其在中期预测期内将减少15.06%；草地、湿地和水体将有一定比例的上升，分别上升5.94%、2.52%、4.62%；耕地和林地在预测期内将会小幅度上升1.03%和0.95%。
结合图 1和图 4可以得知，市南片区(A-1)在中期预测期内湿地面积锐减，转化为建设用地；市北片区(A-2)草地、林地和耕地面积有所增加；李沧片区(A-3)和城阳片区(A-4)内草地和湿地面积增加，而建设用地面积减少；胶州片区(A-5)和黄岛片区(A-6)内草地面积增加，由建设用地转化而来；高新区片区(B-1)和(B-2)内草地和湿地面积增加，而建设用地面积减少，同时部分湿地转化为水体；生态与资源恢复区(C-1)内建设用地转化为草地和湿地；适度利用区(C-2)和重点保护区(C-3)内少部分湿地转化为水体。
4.2.2 预测修正根据青岛市的整体部署和安排[31-33]，青岛市将在2020年以后的中长期规划中全面落实包括土地利用规划在内的国土空间规划的多规合一工作，因此本研究结合《青岛市国民经济和社会发展第十四个五年规划和2035年远景目标纲要》、《青岛胶州湾国家级海洋公园总体规划(2021—2030年)》、《青岛市国土空间总体规划(2021—2035年)》等规划的不同要求，利用ArcGIS软件叠置多规合一背景下区域的规划合一图，在与预测结果对比分析后，对模型模拟的青岛市土地利用中期预测结果进行了部分修正，修正后的结果见图 4。
4.2.3 结果分析在以上土地利用类型中，耕地可以在一定程度反映第一产业发展，建设用地可以在一定程度上反映第二、第三产业发展，随着经济发展和人口增加，大部分地区容易呈现出因城市扩张而导致的建设用地面积增大，其余用地类型面积减小的情况。然而根据预测结果来看，本研究区内的预测情况与城市
发展的普遍规律相反。结合《青岛“十四五”规划》、《青岛市新型城镇化规划(2021—2035年)》、《青岛市胶州湾保护条例》等规划可以知道，青岛政府相继出台了多项规划以加强区域内的生态保护和湿地保护，进行胶州湾海水整治，提高沿岸地区绿化水平和减弱区域受风暴潮等自然灾害后导致的经济损失，因此在未来15年内建设用地在一定程度上面积减小而其余用地类型面积保持稳定或略有增大的趋势是在经济社会中政府宏观决策引导下的必然结果。其次，林地、草地、湿地和水体的面积都有一定程度的上升。这种变化归因于近年来青岛市持续大力推行坚持生态优先和拥湾保护等相关政策，自出台《国家海洋公园总体规划》、《城市群发展规划》和《青岛市总体规划》等规划后，研究区内尤其是国家海洋公园(C区域)内的建设项目将陆续搬迁，同时积极提高生物多样性，保护海洋和河口湿地和加强海岸线保护。另外，草地成为面积增加幅度最大的土地利用类型的同时，也可能是因为当地退耕还草政策的持续推行。
为了验证这一步骤的准确性，本研究又重新以整个研究区为整体，利用IDRISI软件进行模拟预测精度检验，得到Kappa系数为0.86，准确性较高。
4.3 长期预测本研究结合分区预测的原则进行长期预测，在对预测结果合并后得到2050年胶州湾国家海洋公园沿岸地区土地利用变化长期预测结果(见图 6)。基本流程也分为预测结果及分析、预测修正和原因分析三部分。
|
图 6 2050年土地利用变化长期预测结果 Fig. 6 Long term prediction results of land use change in 2050 |
由图 6可见，到2050年，建设用地的面积比例变化幅度最大，其在长期预测期内将减少13.89%；林地、草地、湿地和水体将有一定程度的上升，分别上升1.71%、2.44%、3.02%和5.79%；耕地在预测期内将会小幅度上升0.92%。
结合图 1和图 6可以得知，市南片区(A-1)在长期预测期内湿地面积全部转变为建设用地，但是由于湿地面积很小，整体来看用地类型没有显著的改变；市北片区(A-2)内少部分建设用地转变成草地、林地和耕地；李沧片区(A-3)和城阳片区(A-4)内水体和湿地面积增加，草地和建设用地面积有小幅度的减少；胶州片区(A-5)和黄岛片区(A-6)内建设用地减少而水体面积增加；高新区片区(B-1)和(B-2)内林地和草地面积增加，而建设用地面积减少，同时部分湿地转化为水体；生态与资源恢复区(C-1)、适度利用区(C-2)和重点保护区(C-3)内少部分湿地转化为水体。
在预测的基础上，本研究以多规合一为指引，以模型的长期预测结果为基础，根据《青岛市2050远景发展战略》、《青岛市国土空间总体规划》的远景展望2050年部分和《青岛城市规划》的远景，展望2050年部分的规划图，利用ArcGIS软件对比分析，对预测结果图进行了修正，图 6为修正后的结果。
为了验证这一步骤的准确性，本研究又重新以整个研究区为整体，利用IDRISI软件进行模拟预测精度检验，得到Kappa系数为0.75，准确性较高。
5 结论通过本研究对胶州湾国家海洋公园沿岸地区的预测和分析，可以得到以下结论：
(1) 从预测期内土地利用变化及其空间分布特点来看，2010—2020年间建设用地转移面积最大，十年间面积增加了6 766.92 hm2，主要由草地和水体转变而来；2020—2035年间建设用地转移面积最大，十五年间面积占比下降15.06%，主要转变成草地和水体；2050年仍是建设用地转移面积最大，十五年间面积占比下降13.89%，主要转变成湿地和水体。其中，土地利用结构变化较大的区域主要分布在胶州片区和高新区片区，对于这两个区域而言，主要变化的用地类型是建设用地转移为草地。
(2) 从模型的精确性来看，本研究在运用元胞自动机-马尔科夫的耦合模型(CA-Markov模型)模拟胶州湾国家级海洋公园周边地区土地利用时发现，中期预测(2020—2035年)结果与政府规划比较接近，而长期预测(2050年)结果则在部分区域具有一定的差异，导致这种现象出现可能是因为本研究选取的初始数据及时间段等原因，与此同时也显示，马尔科夫链对一定时间序列的预测具有相对准确性，但是当预测时间尺度达到一定时长后，特别是要进行长期预测时，模型的预测精度将有所下降，所以需要根据其他因素对模拟结果进行一定程度的修正。
(3) 从土地利用方式来看，由于胶州湾国家级海洋公园的主要保护对象是海洋和河口湿地，对青岛市的景观生态安全、生态服务和资源合理利用具有重要价值，因此对其周边地区土地利用方式进行模拟也具有一定的实践意义。通过本研究发现，胶州湾国家级海洋公园周边地区建设用地大幅减少，与此同时水体(湿地)、林地和草地等用地类型出现不同程度的上升，这将在某种程度上为国家级海洋公园的生态保护和海洋生态文明建设起到积极推动作用。
从根本上来看，由于土地利用是人类活动与自然环境综合作用的形式和结果，在对土地利用进行模拟时需要综合考虑多种因素，特别是现阶段处于多规合一的重要转型期，在进行土地利用预测时，除了需要遵循数据自身的时间和空间规律外，也需要考虑研究区的区位特点, 这样才真正使土地利用预测成为进行国土空间规划的合理工具和技术基础。
| [1] |
刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J]. 地理学报, 2014, 69(1): 3-14. Liu J Y, Kuang W H, Zhang Z X, et al. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s[J]. Acta Geographica Sinica, 2014, 69(1): 3-14. (  0) |
| [2] |
刘纪远. 中国土地利用变化现代过程时空特征的研究──基于卫星遥感数据[J]. 第四纪研究, 2000(3): 229-239. Liu J Y. Study on spatial-temporal feature of modern land use change in China: Using remote sensing techniques[J]. Quaternary Sciences, 2000(3): 229-239. ( 0) |
| [3] |
王秀兰, 包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 1999(1): 83-89. Wang X L, Bao Y H. Study on the methods of land use dynamic change research[J]. Progress in Geography, 1999(1): 83-89. ( 0) |
| [4] |
徐岚, 赵羿. 利用马尔柯夫过程预测东陵区土地利用格局的变化[J]. 应用生态学报, 1993(3): 272-277. Xu L, Zhao Y. Forecast of land use pattern change in Dongling District of Shenyang: An application of Markov process[J]. Chinese Journal of Applied Ecology, 1993(3): 272-277. ( 0) |
| [5] |
黎夏, 叶嘉安. 基于神经网络的元胞自动机及模拟复杂土地利用系统[J]. 地理研究, 2005(1): 19-27. Li X, Ye J A. Cellular automata for simulating complex land use systems using neural networks[J]. Geographical Research, 2005(1): 19-27. ( 0) |
| [6] |
谢花林, 李波. 基于logistic回归模型的农牧交错区土地利用变化驱动力分析——以内蒙古翁牛特旗为例[J]. 地理研究, 2008(2): 294-304. Xie H L, Li B. Driving forces analysis of land-use pattern changes based on logistic regression model in the farming-pastoral zone: A case study of Ongiud Banner, Inner Mongolia[J]. Geographical Research, 2008(2): 294-304. ( 0) |
| [7] |
郗子莹. 基于Logistic-CA-Markov模型的嫩江上游流域土地利用变化研究[D]. 哈尔滨: 哈尔滨师范大学, 2020. Xi Z Y. Study on Land Use Change in Upper Nenjiang River Basin Based on Logistic-CA-Markov[D]. Harbin: Harbin Normal University, 2020. ( 0) |
| [8] |
Rimal B, Zhang L F, Keshtkar H, et al. Land use/land cover dynamics and modeling of urban land expansion by the integration of cellular automata and markov chain[J]. ISPRS International Journal of Geo-Information, 2018, 7(4): 154-154. DOI:10.3390/ijgi7040154 ( 0) |
| [9] |
赵建军, 张洪岩, 乔志和, 等. 基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究[J]. 自然资源学报, 2009, 24(12): 2178-2186. Zhao J J, Zhang H Y, Qiao Z H, et al. Dynamic simulation of land cover changes in Xianghai wetlands based on the CA-Markov Model[J]. Journal of Natural Resources, 2009, 24(12): 2178-2186. ( 0) |
| [10] |
何丹, 金凤君, 周璟. 基于Logistic-CA-Markov的土地利用景观格局变化——以京津冀都市圈为例[J]. 地理科学, 2011, 31(8): 903-910. Dan H E, Jin F J, Zhou J. The changes of land use and landscape pattern based on Logistic-CA-Markov Model: A case study of Beijing-Tianjin-Hebei Metropolitan Region[J]. Scientia Geographica Sinica, 2011, 31(8): 903-910. ( 0) |
| [11] |
杨国清, 刘耀林, 吴志峰. 基于CA-Markov模型的土地利用格局变化研究[J]. 武汉大学学报(信息科学版), 2007(5): 414-418. Yang G Q, Liu Y L, Wu Z F. Analysis and simulation of land-use temporal and spatial pattern based on CA-Markov Model[J]. Geomatics and Information Science of Wuhan University, 2007(5): 414-418. ( 0) |
| [12] |
Wu S P, Gao X, Lei J Q, et al. Spatial and temporal changes in the normalized difference vegetation index and their driving factors in the desert/grassland biome transition zone of the Sahel Region of Africa[J]. Remote Sensing, 2020, 12(24): 4119-4119. DOI:10.3390/rs12244119 ( 0) |
| [13] |
Guo A D, Zhang Y Q, Hao Q. Monitoring and simulation of dynamic spatiotemporal land use/cover changes[J]. Complexity, 2020(2020): 1-12. ( 0) |
| [14] |
Ali K Z, Saeed Z S, Luca S, et al. A spatial zoning approach to calibrate and validate urban growth models[J]. International Journal of Geographical Information Science, 2016, 31(4): 763-782. ( 0) |
| [15] |
李姗姗, 于晓霞, 张鹏, 等. 胶州湾入海源区氮磷超载状况分析[J]. 环境科学与技术, 2021, 44(10): 11-18. Li S S, Yu X X, Zhang P, et al. Analysis of overloaded nitrogen and phosphorus discharged from land-based areas into Jiaozhou Bay[J]. Environmental Science & Technology, 2021, 44(10): 11-18. ( 0) |
| [16] |
王辉, 栾维新, 康敏捷. 渤海氮污染的来源结构与污染压力空间分布[J]. 地理研究, 2020, 39(1): 186-199. Wang H, Luan W X, Kang M J. Nitrogen pollution source structure and spatial distribution of Bohai Sea[J]. Geographical Research, 2020, 39(1): 186-199. ( 0) |
| [17] |
苏磊. 微塑料在内陆至河口多环境介质中的污染特征及其迁移规律[D]. 上海: 华东师范大学, 2020. Su L. Distribution and Migration of Microplastics in Multiple Environmental Media from Inland to Estuarine Areas[D]. Shanghai: East China Normal University, 2020. ( 0) |
| [18] |
Lília M O, Philippe M, Eber J P. Application of a land cover pollution index to model non-point pollution sources in a Brazilian Watershed[J]. Catena, 2017, 150: 124-132. DOI:10.1016/j.catena.2016.11.015 ( 0) |
| [19] |
青岛西海岸新区管委. 青岛西海岸新区(黄岛区)国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 青岛市西海岸新区管委, 2021. Qingdao West Coast New Area Management Committee. The 14th Five-Year Plan for the National Economic and Social Development of Qingdao West Coast New Area (Huangdao District) and the Outline of the Vision for 2035[Z]. Qingdao: Qingdao West Coast New Area Management Committee, 2021. ( 0) |
| [20] |
青岛市李沧区人民政府. 青岛市李沧区国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 青岛市李沧区人民政府, 2021. People's Government of Licang District, Qingdao. The 14th Five-Year Plan for National Economic and Social Development of Licang District, Qingdao City and Outline of Vision 2035[Z]. Qingdao: People's Government of Licang District, Qingdao, 2021. ( 0) |
| [21] |
青岛市城阳区人民政府. 青岛市城阳区国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 青岛市城阳区人民政府, 2021. The People's Government of Chengyang District, Qingdao City. The 14th Five-Year Plan for National Economic and Social Development of Chengyang District, Qingdao City and Outline of 2035 Vision[Z]. Qingdao: The People's Government of Chengyang District, Qingdao City, 2021. ( 0) |
| [22] |
青岛市市南区人民政府. 青岛市市南区国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 岛市市南区人民政府, 2021. Qingdao Shinan District People's Government. The 14th Five-Year Plan for National Economic and Social Development of Qingdao Shinan District and Outline of 2035 Vision[Z]. Qingdao: People's Government of Shinan District, Qingdao, 2021. ( 0) |
| [23] |
青岛市市北区人民政府. 青岛市市北区国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 青岛市市北区人民政府, 2021. Qingdao Shibei District People's Government. The 14th Five-Year Plan for National Economic and Social Development of Qingdao Shibei District and Outline of 2035 Vision[Z]. Qingdao: People's Government of Shibei District, Qingdao, 2021. ( 0) |
| [24] |
胶州市人民政府. 青岛市胶州市国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 胶州市人民政府, 2021. Jiaozhou Municipal People's Government. The 14th Five-Year Plan for National Economic and Social Development of Jiaozhou City, Qingdao City and Outline of 2035 Vision[Z]. Qingdao: People's Government of Jiaozhou District, Qingdao, 2021. ( 0) |
| [25] |
孙哲, 夏敏, 张敬梓. 基于Logistic-CA-Markov模型的快速城市化地区土地利用结构变化研究[J]. 水土保持研究, 2013, 20(6): 213-217. Sun Z, Xia M, Zhang J Z. Study on land use change in rapid urbanization area based on Logistic-CA-Markov Model[J]. Research of Soil and Water Conservation, 2013, 20(6): 213-217. ( 0) |
| [26] |
胡雪丽, 徐凌, 张树深. 基于CA-Markov模型和多目标优化的大连市土地利用格局[J]. 应用生态学报, 2013, 24(6): 1652-1660. Hu X L, Xu L, Zhang S S. Land use pattern of Dalian City, Liaoning Province of Northeast China based on CA-Markov model and multi-objective optimization[J]. Chinese Journal of Applied Ecology, 2013, 24(6): 1652. ( 0) |
| [27] |
何丹, 周璟, 高伟, 等. 基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J]. 北京大学学报(自然科学版), 2014, 50(6): 1095-1105. He D, Zhou J, Gao W, et al. An integrated CA-Markov model for dynamic simulation of land use change in Lake Dianchi watershed[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1095-1105. ( 0) |
| [28] |
岳东霞, 杨超, 江宝骅, 等. 基于CA-Markov模型的石羊河流域生态承载力时空格局预测[J]. 生态学报, 2019, 39(6): 1993-2003. Yue D X, Yang C, Jiang B H, et al. Spatio-temporal pattern prediction of the biocapacity in the Shiyang River Basin on the basis of the CA-Markov model[J]. Acta Ecologica Sinica, 2019, 39(6): 1993-2003. ( 0) |
| [29] |
Li X Q, Wang M Z, Liu X J, et al. MCR-Modified CA-Markov Model for the simulation of urban expansion[J]. Sustainability, 2018, 10(9): 3116-3116. DOI:10.3390/su10093116 ( 0) |
| [30] |
李世锋, 洪增林, 薛旭平, 等. 基于Logistic-CA-Markov耦合模型的彬州市LUCC多情景模拟[J]. 水土保持研究, 2022, 29(4): 292-299. Li S F, Hong Z L, Xue X P, et al. Multi-scenario simulation of LUCC in Binzhou City based on Logistic-CA-Markov Coupling Model[J]. Research of Soil and Water Conservation, 2022, 29(4): 292-299. ( 0) |
| [31] |
青岛市政府办公厅. 青岛市国民经济和社会发展第十四个五年规划和2035年远景目标纲要[Z]. 青岛: 青岛市政府办公厅, 2021. Qingdao Municipal Government Office. Qingdao City's 14th Five-Year Plan for National Economic and Social Development and Outline of Vision for Qingdao: 2035[Z]. Qingdao: Qingdao Municipal Government Office, 2021. ( 0) |
| [32] |
青岛市自然资源和规划局. 青岛市国土空间总体规划(2021—2035年)[Z]. 青岛: 青岛市自然资源和规划局, 2021. Qingdao Natural Resources and Planning Bureau. Territorial spatial planning of Qingdao City(2021—2035)[Z]. Qingdao: Qingdao Natural Resources and Planning Bureau, 2021. ( 0) |
| [33] |
青岛市住房和城乡建设局. 青岛市新型城镇化规划(2021—2035年)[Z]. 青岛: 青岛市住房和城乡建设局, 2021. Qingdao Housing and Urban-Rural Development Bureau. Qingdao New Urbanization Planning(2021—2035)[Z]. Qingdao: Qingdao Housing and Urban-Rural Development Bureau, 2021. ( 0) |
2. Key Laboratory of Marine Environment and Ecology, Ministry of Education, Ocean University of China, Qingdao 266100, China;
3. Shandong Academy of Environmental Sciences Company Limited, Jinan 250013, China