0 引言

旅游小城镇是一种重要的小城镇类型,是旅游业快速发展新形势与小城镇建设新要求相结合的产物^[1]。在中国加速城市化并向工业化后期和后工业化时代快速迈进的历程中,旅游小城镇展现出蓬勃的发展势头和巨大的发展潜力,众学者也对如何实现旅游资源的合理利用以及旅游小镇的可持续发展进行了相关研究^[2]。此类研究主要限于定性分析各因素对旅游小镇可持续发展作用的研究,难以根据生态系统的时空分布和时空驱动因子完成旅游小镇发展变化原因的推论和未来发展状况的预测。因此,有效分析旅游小镇景观格局演变过程,实现旅游小镇发展趋势的模拟,对旅游小镇可持续发展具有十分重要的意义。

景观格局指大小和形状各不相同的景观要素在景观空间上的排列^[3],是生态学研究的重要内容之一^[4]。近年来,大多数针对景观格局的研究通常采用各种景观指数进行描述,如斑块连接指数、分布质心及扩展度等,通过这些定量描述来反映景观空间结构随时间的变化^[5~7]。但上述定量描述只能单一的体现景观单元的空间几何特性,却不能很好的表达其结构具有的整体性与功能关系^[8]。景观格局动态变化模拟有助于弄清景观结构、功能和过程之间的关系,是预测未来景观结构变化的有效工具^[9],也可为城市未来规划提供有力支撑^{[10, 11]}。

目前应用较为广泛的景观空间动态模型有Markov模型、CA模型和CA-Markov模型。CA-Markov模型综合了CA和Markov模型的各自特点,有利于实现研究对象时空演变信息的精确挖掘。早期,国内学者在黎夏与叶嘉安将约束性元胞自动机应用于城市可持续发展形态的模拟的基础上,结合Markov模型,取得了良好的效果^[12]。20世纪90年代后,对指定区域进行发展趋势的模拟和发展模式的判断成为了CA-Markov模型的主要运用目的^[13~15]。目前,利用CA-Markov模型预测绿色基础设施或保护区等的变化趋势,进而提出相关保护措施的研究也占据了一定的比例^[16~18]。

金石滩从以传统农业为主的乡村小镇,20世纪80年代中期起步发展为国家级旅游风景名胜区,20世纪90年代发展成为国家级旅游度假区,如今已被评为国家5A级旅游景区,其建设发展在中国的旅游度假区里有很强的代表性。论文将CA-Markov模型运用到旅游型小镇的发展模拟中,结合大连市金石滩国家旅游度假区发展特点,对其景观格局的演变特征和情景模拟进行研究,完成研究区2020年景观格局发展状况的模拟,为该旅游小镇的可持续发展提供有力支撑。

1 数据来源与研究方法

1.1 数据来源与预处理

为研究金石滩景观格局动态,本文收集了1998年分辨率为30 m的Landsat5遥感影像、2004和2009年分辨率为2.5 m的SPOT5遥感影像以及3期1∶1万的土地利用矢量数据。运用ERDAS Imagine软件进行影像纠正、拼接后,再使用ArcGIS软件建立统一的投影坐标系统,完成3期影像的空间配置。

研究根据金石滩土地利用现状,结合研究区遥感影像特点,并参照参考《土地利用现状分类》（GB/T 21010-2007）标准、城市旅游地景观分类方法^[19]、乡村景观分类方法^{[20, 21]}将研究区的景观类型划分为以下3个大类及8个亚类（表1）。

1.2 研究方法

1.2.1 CA-Markov模型

Markov模型拥有能够分析不确定性变化过程以及预测短期变化结果的特点^[22],但其具有无后效性,只能预测景观在时间上的定量化改变,而不能实现空间预测^[23]。因此,本研究针对CA模型的模拟复杂系统空间变化的能力,将CA与Markov模型有机结合。

Markov模型多用于预测无后效性特征的地理时间^[24],在景观生态学中通常被用于模拟植被的动态以及土地利用覆被的格局变化。在景观格局的研究中,可用如下公式实现景观变化的预测^{[24, 25]}：

St+1=PijSt(1)

式中： St、 St+1分别表示t、t+1时刻的系统状态; Pij为状态转移概率矩阵（景观类型转换概率矩阵）,可由下式表示：

Pij=P11P12⋯P1n⋮⋮⋱⋮Pn1Pn2⋯Pnn(2)

式中： Pij为景观类型i转化为景观类型j的转换概率（0≤ Pij≤1）;n为景观类型的数量。

CA模型是一种时间、空间、状态都离散,（空间上的）相互作用和（时间上的）因果关系都局部的网格动力学模型,它具有强大的复杂计算功能、并行计算能力、高度动态特征等^[26]。CA模型可用如下公式表示：

St+1=fSt,N(3)

式中：S为元胞有限、离散的状态集合;f为局部空间元胞状态的转化规则;t和t+1表示不同时刻;N为元胞领域。

1.2.2 Kappa检验

Kappa指数一般被用来评价、检验两个图件的一致性或遥感解译的精确度^[27]。Kappa指数（I_k）的计算公式如下：

Ik=Po-PePp-Pe(4)

Po=n1n2,Pe=1N(5)

式中： Po为正确模拟的比例; Pe为随机情况下期望的正确模拟比例; Pp为理想分类情况下的正确模拟比例; n1为正确模拟的栅格数; n2为景观格局图的栅格总数; N为景观类型的数量。

当Kappa≥0.75,即模拟效果较好,具有较高的可信度;当0.4≤Kappa≤0.75,即模拟效果一般,模拟错误的栅格较多;当Kappa≤0.4,即模拟效果较差^[9]。

2 结果分析

2.1 景观格局的数量演变特征

本文将金石滩景观分为旅游景观、辅助性旅游景观和非旅游景观3大类。旅游景观的总面积从30.19 km²增加到32.49 km²,辅助性旅游景观的总面积从0.96 km²增加到3.18 km²,非旅游景观的总面积从27.15 km²减少到21.88 km²。

在研究区景观类型子类中,占主导地位的景观类型是自然态的生物景观、传统农业景观、传统工业与居民用地景观、人造娱乐休憩景观和水域景观（表2）。自然态的生物景观类型约占各景观类型总面积的40%左右,是研究区的优势景观类型;传统农业景观类型约占各景观类型总面积的20%左右;传统工业与居民用地景观类型约占各景观类型总面积的12%左右;人造娱乐休憩景观类型约占各景观类型总面积的8%左右;水域景观类型约占各景观类型总面积的6%左右。

表3是1998~2009年金石滩各景观类型面积转移矩阵。从类型变化的角度来看,4个面积呈减少趋势的景观类型各自流失的面积由大到小依次为：传统农业景观>水域景观>其他景观>自然态生物景观。传统农业景观以传统工业与居民用地景观和人造娱乐休憩景观为主要流向,二者所占比例分别为39.21%、22.83%;水域景观的主要流向是传统农业景观,所占比例为63.93%;其他景观的主要流向是人造娱乐休憩景观和传统工业与居民用地景观,比例分别为30.32%、24.11%;自然态生物景观的主要流向是人造娱乐休憩景观和传统农业景观,比例分别为42.38%、20.67%。4个呈面积增加趋势的景观类型各自增加的面积由大到小依次为：人造娱乐休憩景观>传统工业与居民用地景观>公共基础设施景观>交通运输用地景观。人造娱乐休憩景观以传统农业景观为主要入向,所占比例为47.51%;传统工业与居民用地景观、公共基础设施景观和交通运输用地景观的主要入向都为传统农业景观,所占比例分别为73.65%、75.37%、61.36%。

2.2 景观格局演变的空间格局特征

水域景观,位于研究区东北部的什字街村水域景观面积显著减少,以“水域→传统农业”变化类型为主。水域景观减少还少数分布在研究区自西向东的葡萄沟村、满家滩村、陈家村,变化类型仍以类型“水域→传统农业”变化类型为主(图1)。

自然态生物景观,面积减少区域主要分布在东南部的庙上村,变化类型以“自然态生物→人造娱乐休憩”和“自然态生物→传统农业”类型为主。面积减少区域还少数分布在西部的龙山村,变化类型以“自然态生物→公共基础设施”类型为主（图2）。

人造娱乐休憩景观,在研究区内人造娱乐休憩景观面积显著增加,并呈现出沿交通要道扩张的增长趋势。增长区域主要分布在：东南部的庙上村,变化类型以“传统农业→人造娱乐休憩”、 “传统工业与居民用地→人造娱乐休憩”类型为主;中部的满家村和龙山村变化类型以“传统农业→人造娱乐休憩”类型为主;西部的葡萄沟村变化类型以“传统农业→人造娱乐休憩”类型为主;西南部的河咀村变化类型以“自然态生物→人造娱乐休憩”类型为主(图3)。

显示原图| 下载原图ZIP| 生成PPT

图1   水域景观分布

Fig.1   Water landscape distribution

显示原图| 下载原图ZIP| 生成PPT

图2   自然态生物景观分布

Fig.2   Natural biological landscape distribution

显示原图| 下载原图ZIP| 生成PPT

图3   人造娱乐休憩景观分布

Fig.3   Artificial entertainment leisure landscape distribution

公共基础设施景观,与人造娱乐休憩景观类似,公共基础设施景观面积也呈明显增加趋势,主要分布在自西向东的龙山村、满家滩村和陈家村,主要变化类型都为“传统农业→公共基础设施”类型（图4）。

交通运输用地景观,表现为主要贯通中部自西向东的葡萄沟村、龙山村、满家滩村陈家村,以拓宽延伸为主要变化趋势（图5）。

传统农业景观,面积减少区域主要分布在：东部的龙山村,变化类型以“传统农业→公共基础设施”类型为主;中部的满家滩村,变化类型以“传统农业→人造娱乐休憩”类型为主;中西部的陈家村,变化类型以“传统农业→传统工业与居民用地”类型为主;东南部的庙上村,变化类型以“传统农业→人造娱乐休憩”类型为主（图6）。

显示原图| 下载原图ZIP| 生成PPT

图4   公共基础设施景观分布

Fig.4   Public infrastructure landscape distribution

显示原图| 下载原图ZIP| 生成PPT

图5   交通运输用地景观分布

Fig.5   Transportation land landscape distribution

显示原图| 下载原图ZIP| 生成PPT

图6   传统农业景观分布

Fig.6   Traditional agricultural landscape distribution

传统工业与居民用地景观,面积增加区域主要分布在自西向东的龙山村、满家滩村、陈家村,变化类型分别以“传统农业→传统工业与居民用地”、“自然态生物→传统工业与居民用地”、“传统农业→传统工业与居民用地”类型为主。

其他景观,面积减少区域主要分布在东部地区由北向南的什字街村、陈家村、庙上村,主要变化类型分别为：“其他→传统农业”、“其他→传统工业与居民用地”、“其他→人造娱乐休憩”类型为主。

总体看来,如表4所示：1998年~2009年金石滩景观变化区域主要分布在研究区中部自西向东的龙山村、满家滩村、陈家村和东南部的庙上村,变化类型以“传统农业→人造娱乐休憩”类型为主。另外,研究区功能内涵及景观格局朝多元化方向发展,单一的农村居住型为主逐步向能够满足旅游者多方面需求的娱乐、观赏、商业等复合型功能转变,旅游景观和辅助性旅游景观是非旅游景观的主要转变方向。

2.3 景观格局的模拟检验

为了检验CA-Markov模型预测金石滩景观格局动态变化的准确度,选择1998年和2004年两期景观分布图作为基础数据,实现2009年研究区的景观格局的模拟。在IDRISI Selva软件的CrossTab模块支持下对2009年研究区实际景观格局图和景观格局模拟图进行分析。根据公式计算得到模拟结果的Kappa指数为0.77,则证明研究区2009年景观格局模拟效果较好,有较高的可信度。

2.4 景观格局的预测

基于2009年金石滩实际景观格局图,根据2004~2009年景观类型转移概率完成CA-Markov模型的构建,实现2020年景观格局模拟。模拟结果表明,2009~2020年研究区景观格局继续保持1998~2009年的变化趋势。与2009年相比,2020年人造娱乐休憩景观、公共基础设施景观、传统工业与居民用地景观面积分别增大2.92 km²、1.10 km² 、2.31 km² ,增大幅度为6.46%、1.81%、1.46%。同时

自然态生物景观、传统农业景观、其他景观面积也相应减小1.48 km²、3.83 km²、1.02 km²,减小幅度分别为3.57%、7.21%、1.50%。此外,水域景观和交通运输用地景观的面积基本保持稳定。2009~2020年研究区景观类型变化空间分布结果表明,2020年相应景观类型面积的变化以进一步的增加扩张为主,这一过程将会大量占用自然态生物景观和传统农业景观,变化显著区域主要集中在研究区中部自西向东的龙山村、满家滩村、陈家村和东南部的庙上村。2020年研究区斑块数将增加到10 368个,斑块密度降到192块/km²,变化反映2009~2020年景观斑块数增加,破碎程度上升,表明研究区景观格局受人类活动及其他因素的影响程度进一步加深(图7)。

显示原图| 下载原图ZIP| 生成PPT

图7   大连市金石滩国家旅游度假区景观类型

Fig.7   Classification of the Dalian Jinshitan National Tourist Holiday Resort landscape

3 结论与讨论

本文基于金石滩1998年、2004年、2009年土地利用矢量数据,结合研究区的区域特点,确定了研究区的景观分类系统。通过景观生态学的定量分析和CA-Markov模型模拟方法,系统分析了1998~2009年研究区景观格局的时空演变特征,并对2020年景观格局的情景进行了模拟预测。主要结论如下：1） 1998~2009年金石滩景观格局变化主要表现为：整体上,旅游景观总面增加2.30 km²,辅助性旅游景观总面积增加2.22 km²,非旅游景观总面积减少2.27 km²,非旅游景观向旅游景观和辅助性旅游景观的转变趋势明显;具体分布,水域景观、自然态的生物景观、传统农业景观、其他景观类型的面积呈减小趋势,人造娱乐休憩景观、公共基础设施景观、交通运输用地景观、传统工业与居民用地景观类型面积则呈现出增加趋势。

2） 金石滩景观格局变化过程表现为,逐步从单一的村民居住型向能够满足旅游者需求的娱乐、观赏、商业等复合型景观转变;变化区域主要分布在研究区中部自西向东的龙山村、满家滩村、陈家村和东南部的庙上村,变化类型以“传统农业→人造娱乐休憩”类型为主。

3） 对CA-Markov模型的可利用性进行分析与检验,1998~2009年金石滩景观变化符合CA-Markov模型应用的条件,在此基础上进行2020年研究区景观格局模拟。得到的模拟结果表现为,人造娱乐休憩景观、公共基础设施景观、传统工业与居民用地景观面积增加,同时自然态生物景观、传统农业景观、其他景观面积也相应减小。此外,水域景观和交通运输用地景观面积基本保持稳定。变化显著区域主要集中在研究区中部自西向东的龙山村、满家滩村、陈家村和东南部的庙上村。

CA-Markov模拟必须基于栅格数据,土地利用矢量数据转换为栅格所导致的分类面积变化是CA-Markov模型模拟最主要的误差来源。压缩栅格单元大小能够减小误差,但会给计算机硬件和软件系统的计算负载带来指数级增长,如何降低矢量和栅格之间的格式转换给土地利用变化情景预测带来的影响值得进一步研究。

The authors have declared that no competing interests exist.

参考文献

文献选项

• 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