基于GeoSOS-FLUS模型的乌鲁木齐生态空间模拟

摘要 基于GeoSOS-FLUS模型，利用2005和2020年的土地利用数据，对乌鲁木齐市土地利用变化及其农业生态效应进行分析，并建立农田保护、生态保护和城市发展3种情景模拟。结果表明，GeoSOS-FLUS模型具有较高的模拟精度和适用性，能够反映乌鲁木齐市土地利用变化特征。在不同情景模拟下，乌鲁木齐市土地利用空间布局呈现出不同的变化趋势和农业生态效应。

关键词 土地利用变化；农业生态效应；GeoSOS-FLUS模型；乌鲁木齐市

中图分类号 X321  文献标识码 A  文章编号 0517-6611（2024）10-0068-05

doi：10.3969/j.issn.0517-6611.2024.10.016

Ecological Space Simulation of Urumqi Based on GeoSOS-FLUS Model

CHAI Jin-ze，ZHANG Ming-ru

（School of Economics and Management， Yangtze University， Jingzhou，Hubei 434023）

Abstract Based on GeoSOS-FLUS model and land use data in 2005 and 2020， this paper analyzed the land use change and its agroecological effect in Urumqi， and established three scenarios （cultivated land protection， ecological protection and urban development）. The results showed that GeoSOS-FLUS model had high simulation accuracy and applicability， and could reflect the characteristics of land use change in Urumqi City. Under different scenarios， the spatial distribution of land use in Urumqi City showed different trends and agro-ecological effects.

Key words Land use change;Agroecological effect;GeoSOS-FLUS model;Urumqi City

作者简介 柴进则（1993—），男，甘肃武威人，硕士研究生，研究方向：可持续发展。*通信作者，教授，博士，硕士生导师，从事自然资源与环境管理研究。

收稿日期 2023-07-26

土地利用变化是人类活动对自然环境的重要影响之一，也是全球变化研究的核心内容之一。土地利用变化不仅影响着土地资源的供给和需求，也影响着农业生态系统的结构和功能，进而影响着农业生态环境的质量和服务［1］。因此，研究土地利用变化及其农业生态效应，对于指导城市规划和管理、促进城市与农业的协调发展、保护农业生态环境具有重要的理论意义和实践价值。

目前，国内外关于土地利用变化及其农业生态效应的研究已经取得了一定的成果。部分学者采用遥感和GIS技术获取、处理和分析多时相、多源、多尺度的遥感影像数据，监测土地利用变化，揭示土地利用变化的时空动态特征及其驱动机制。例如，游和远等［2］利用1980—2015年杭州市萧山区多源遥感数据，分析了该市土地利用变化特征及其驱动因素；李曦彤等［3］利用2010—2019年的遥感数据，分析了吉林市城市扩展的变化及其驱动力，发现该市土地利用变化主要表现为农田、林地和水域的增加，草地和裸地的减少，主要受到人口、经济、政策和技术等因素的影响；李建蓉［4］、游和远等［5］提出了一种基于机器学习的元胞自动机模型，能够自动学习土地利用变化的规则，并应用于北京市土地利用模拟，取得了较高的模拟精度和稳定性。也有部分学者通过建立数学或系统模型，模拟未来不同情景下土地利用变化趋势和空间格局。例如，Wang等［6］运用CLUE-FLUS模型对杭州市2020和2030年2种情景下土地利用空间格局进行了模拟；Luo等［7］运用CLUE-FLUS模型对长江三角洲和珠江三角洲2020和2030年2种情景下土地利用空间格局进行了模拟，分析了不同情景下土地利用变化趋势和驱动因素，为长江三角洲和珠江三角洲的土地利用规划和管理提供了参考。部分学者运用农业生态效应评价方法，定量或定性地分析土地利用变化对农业生态系统结构、功能和服务的影响。例如，Wang等［8］采用景观指数、耦合协调度等指标对土地利用与生态环境之间的耦合协调关系进行了评价；Sun等［9］采用景观指数、耦合协调度等指标对我国山地丘陵耕地与生态环境之间的耦合协调关系进行了评价，发现我国山地丘陵耕地与生态环境之间存在不协调的状态，需要加强土地利用规划和生态保护措施；Sun等［10］以华北集约化农区为例，分析了土地利用变化对生态系统服务的影响，发现城市扩张导致土地利用结构的变化，增加了能源消耗和温室气体排放，恶化了空气质量和人类健康。

笔者选择乌鲁木齐市为研究区域，基于GeoSOS-FLUS模型，利用2005和2020年的土地利用数据，对乌鲁木齐市土地利用变化及其农业生态效应进行了分析，并建立了农田保护、生态保护和城市发展3种情景［11］模拟，预测未来土地利用的潜在变化，以期为乌鲁木齐市的城市规划和农业生态保护提供了科学依据，也为类似区域的土地利用变化及其农业生态效应研究提供了一种有效的方法和工具［11］。

1 资料与方法

1.1 研究区域概况

乌鲁木齐市位于中国西北地区、新疆中部、亚欧大陆的中心位置，是新疆维吾尔自治区的首府和中心城市，也是面向中亚西亚的国际商贸中心，该市地处天山山脉中段北麓、准噶尔盆地南缘，位于86°37′33″～88°58′24″E、42°45′32″～45°00′00″N（图1）。该市属于中温带大陆性干旱气候，毗邻中亚各国，是新疆的政治、经济、文化、科教和交通中心。由于距离海洋最远，乌鲁木齐市被誉为“亚心之都”，同时也是第二座亚欧大陆桥中国西部桥头堡和中国向西开放的重要门户。截至2021年，该市辖7个区、1个县，总面积达1.38万km2，其中建成区占536.2 km2；常住人口408.24万人，城镇人口391.13万人，

城镇化率高达96.1%。截至2022年，乌鲁木齐市地区生产总值约为3 893亿元，其中第一产业增加值31亿元，第二产业增加值1 133亿元，第三产业增加值2 729亿元。虽然总体增长率只

有0.3%，但其具有高度发达的现代服务业和制造业，使其成为中国内陆地

区重要的经济中心之一。

1.2 数据选取

该研究选取了2005和2020年的乌鲁木齐市土地利用数据作为主要数据源，该数据来源于资源环境科学与数据中心（https：//www.resdc.cn/DataSearch.aspx），分辨率为30 m。通过对数据的拼接、裁剪获取乌鲁木齐市土地利用类型（农田、森林、灌木、草原、水域、裸地、不透水地表、湿地），该数据占数据类型总量的98.2%。除了土地利用数据外，该研究还选取了乌鲁木齐市的自然条件、社会经济因素、邻域效应和人为干扰等因素作为模型输入的驱动因素和

限制因素（表1）。所有的数据均采用栅格大小为100 m×100 m的栅格图层，投影坐标系为WGS_1984 UTM Zone_45N，列数和行数分别为1 779、2 439。

1.3 研究方法

该研究采用了GeoSOS-FLUS模型对乌鲁木齐市土地利用变化及其农业生态效应进行了分析和模拟。GeoSOS-FLUS模型是一种基于开放源代码的空间计量工具，由Liu等［12］提出，能够同时考虑自然条件、社会经济因素、邻域效应和人为干扰等因素，模拟未来不同情景下土地利用变化空间格局。GeoSOS-FLUS模型的核心是基于随机森林算法的土地利用转移概率计算和基于元胞自动机的土地利用转移空间分配。

GeoSOS-FLUS模型的主要步骤如下：

（1）数据准备。根据研究目的和区域特征，选取合适的土地利用类型、驱动因素和限制因素，将其转换为栅格图层，并进行必要的预处理和标准化。

（2）土地利用转移概率计算。利用随机森林算法，根据初始年份和真实年份的土地利用数据以及驱动因素数据，建立土地利用转移概率模型，并对其进行训练和验证。随机森林算法是一种集成学习方法，通过构建多个决策树并进行投票或平均来提高预测精度和稳定性［13］。土地利用转移概率模型可以表示为：

Pij=f（Xi，Yj）（1）

式中：Pij是第i类土地利用类型转变为第j类土地利用类型的概率；Xi是第i类土地利用类型对应的驱动因素向量；Yj是第j类土地利用类型对应的驱动因素向量；f是随机森林算法生成的函数［14］。

（3）土地利用转移空间分配。利用元胞自动机原理，根据土地利用转移概率模型、邻域效应数据和人为干扰数据，按照最大概率原则，将每个栅格单元分配给最可能的土地利用类型，并更新邻域效应数据。元胞自动机是一种基于规则的空间动态模拟方法，能够反映复杂系统的非线性行为和自组织特征。元胞自动机可以表示为：

St+1（x，y）=R（St（x，y），Nt（x，y））（2）

式中：St+1（x，y）是下一时刻（x，y）位置处的土地利用类型；St（x，y）是当前时刻（x，y）位置处的土地利用类型；Nt（x，y）是当前时刻（x，y）位置处的邻域状态；R是元胞自动机规则函数。

（4）模型精度评价。为了定量评价GeoSOS-FLUS模型的模拟精度，该研究采用总体精度、Kappa系数和FOM指数这3种指标进行评价。总体精度是指所有栅格单元中被正确分类的比例，Kappa系数是指在随机分类的基础上被正确分类的比例，FOM指数是指各类土地利用类型中被正确分类的比例［15］。这3种指标的计算公式如下：

总体精度=ni=1xijni=1nj=1xij（3）

Kappa=ni=1xij-ni=1（xi++x+i）N2-ni=1（xi++x+i）（4）

FOM=xijxi++x+i-xij（5）

式中：xij是第i类土地利用类型被分类为第j类土地利用类型的栅格单元数；xi+是第i类土地利用类型的真实栅格单元数；x+i是第i类土地利用类型的模拟栅格单元数；n是土地利用类型的个数；N是总的栅格单元数。

（5）情景模拟与分析。根据研究区域的自然条件、社会经济发展、政策规划等因素，建立不同情景下驱动因素数据、邻域效应数据和人为干扰数据，并输入GeoSOS-FLUS模型进行情景模拟。通过对比分析不同情景下土地利用变化空间格局和农业生态效应，评价不同情景下土地利用合理性和可持续性。为了定量评价不同情景下的土地利用合理性和可持续性，该研究采用农田保护率、生态覆盖率和城市化率这3种指标进行评价［16］。农田保护率是指农田面积占总土地面积的比例，反映农田资源的保护和利用程度；生态覆盖率是指森林、草原和水域等生态用地面积占总土地面积的比例，反映生态环境的质量和功能；城市化率是指城市用地面积占总土地面积的比例，反映城市发展的水平和规模。这3种指标的计算公式如下：