《马尔科夫模型下的乐清湾湿地景观时空变化1.doc》由会员分享，可在线阅读，更多相关《马尔科夫模型下的乐清湾湿地景观时空变化1.doc（7页珍藏版）》请在三一办公上搜索。
1、精品论文大集合马尔科夫模型下的乐清湾湿地景观时空变化1付春雷 1，鄂勇 1，宋国利 21.东北农业大学环境科学学院，黑龙江哈尔滨（150030）2.温州大学生命与环境学院，浙江温州（325027）E-mail：sgl53829摘要:在遥感和 GIS 的支持下，采用 1993 年、2003 年两期 Landsat TM 影像为信息源，对 乐清湾湿地进行景观时空变化研究。通过对两期影像进行景观类型提取，确定景观时空变化 的初始矩阵和概率矩阵，建立马尔科夫模型对研究区域未来景观时空变化趋势进行预测。模 拟结果和实测结果基本吻合，无显著统计学差异，说明利用马尔科夫模型研究区预测区域景 观动态变化的可行
2、性。对乐清湾湿地的未来预测结果表明，在保持 19932003 年的干扰强 度不变的情况下，湿地景观急剧减少，但人工湿地景观中的水田呈现持续增长态势；非湿地 景观中林地大幅度减少，而建设用地急剧增加。人类活动干扰是乐清湾湿地景观时空变化的 主要影响因素。关键词：乐清湾湿地；遥感；GIS；马尔科夫模型；景观变化 中图分类号：1. 引言1.1 湿地景观变化湿地是介于陆地生态系统和水生生态系统之间的一种过渡带，它兼有陆地和水生生态系 统的某些特征，是地球上最富生态多样性的生态系统之一。景观生态学是地理学与生态学之 间的一门交叉学科，其主要内容是从整体观点上研究湿地的景观结构（空间格局）、功能（生 态学
3、过程）、变化（空间动态）及其与人类活动之间的相互影响13。湿地作为近代史上 遭受人类活动破坏最为严重的生态系统，其生物多样性日渐减少、功能也不断退化，因此开 展湿地景观变化研究对于湿地保护和可持续利用具有重要的意义4。景观时空变化研究着眼于根据生态系统真实的空间分布及其随时间而变化的空间和时 间尺度的变量，推论出导致景观变化的原因并预测景观变化趋势，进而为区域景观的管理和未来规划决策的制定服务5。本文利用乐清湾 1993 年和 2003 年两期 Landsat TM 遥感图像 对乐清湾湿地景观时空变化进行研究，利用景观类型转移矩阵对景观类型变化进行分析，并通过马尔科夫模型对其景观动态进行预测，
4、定量分析演变特点，为乐清湾湿地的保护和利用提供科学依据，也为今后乐清湾湿地相关政策的制定提供一定程度的借鉴。1.2 研究区概况乐清湾位于浙江省南部沿海，地理坐标在 275909282416N，12057551211709E 之间。海湾总面积约为 463.6km2,纵深达 42km,平均宽度约 10km,中部窄处约4.5km,是一个呈葫芦状的三面环陆半封闭性海湾。其主要构造体系为新华夏系,处于规模较大 的断裂带,海湾走向为 NNESSW6 。该海湾地处中亚热带，属典型的副热带季风气候区。 受海洋性气候影响,温暖潮湿,雨量充沛。年平均气温 17.7,最冷月平均气温 7.4,最热月平 均气温 27.
5、9,年平均相对湿度 81%,，年降水量 1557.3mm7。本次研究的范围以海湾沿岸 23 个乡镇的行政区域范围而划定。1本课题得到温州市科技计划项目（S2004B002)的资助。- 7 -2. 研究方法与过程2.1 图像预处理本文选取乐清湾 1993 年和 2003 年两期 landsat TM 假彩色图像作为本次研究的基本信息 源。为了更好地研究乐清湾湿地景观类型变化的方向，我们利用温州市交通解译数据对两期 遥感图像进行配准，首先在已解译的交通数据中均匀的选取二十个左右的明显道路交叉点作 为控制点，然后将这些控制点分别与两期图像中明显的对应点进行匹配，最终使配准误差在30m 以内，即一个像
6、元大小。2.2 湿地景观分类系统目前国内外还没有统一的湿地分类系统。根据肖笃宁等提出的景观生态分类原则7， 结合湿地的定义及其生态特征,并考虑遥感影像可分辨的最小图斑、人工判读的可能性等因 素，将本研究区的景观划分为湿地景观和非湿地景观两个一级类景观810。根据人类活 动对景观产生的影响程度大小，将第一级湿地景观划分为自然湿地景观和人工湿地景观。其 中，自然湿地景观是指没有或者很少受到人类活动干扰的景观，其内部的能量流动和物质循 环关系仍属于自然生态系统；而人工湿地景观是指人类活动对其产生强烈干扰的景观。根据 湿地的定义和自然属性,以及地貌、水文、土壤、气候等指标,将自然湿地二级划分为河流湿
7、地景观、滩涂湿地景观和浅海湿地景观 3 个景观类型;人工湿地二级划分为水田景观、水库 坑塘景观和养殖水面景观三个景观类型。非湿地景观划分为旱田景观、森林景观、建设用地 景观和未利用地景观四个景观类型。2.3 湿地景观转移矩阵建立在 ArcGIS 9.2 的支持下，采用人机交互解译的方法对两幅图像分别进行解译；并结合 乐清市、温岭市及玉环县电子地形图，1：100000 地形图和其他相关资料，采用相同的分类1993表 119932003 年乐清湾湿地各类景观类型转移矩阵（单位：104hm2）Tab. 1 Conversion matrix of all wetland landscape type
8、s in Yueqing Bay from 1993 to 20032003河流浅海滩涂养殖水面水田水库坑塘旱田林地建设用地未利用地河流0.16080.00000.0159 000000.00000.00000.00000.00000.0027 0.0000 浅海0.00003.41120.06000.00000.00000.00000.00000.00000.00200.0000 滩涂0.00000.00001.66820.06990.09060.00000.00280.00000.06930.0000 养殖水面0.00000.00000.00000.25640.00000.00000.01
9、350.00000.0422 0.0004水田0.00000.00000.00000.02372.06390.01200.03640.00000.0572 0.0000 水库坑塘0.00000.00000.00000.00000.01310.07340.00110.00000.0151 0.0000 旱田0.00000.00000.00000.02190.07500.00480.17810.00000.01120.0014 林地0.00000.00000.0000 0.00000.04060.00330.00005.30380.00000.0050 建设用地0.00000.00000.0000
10、0.00000.00250.00130.00000.00000.5782 0.0038 未利用地0.00000.00000.00000.00320.00700.00000.00000.00000.0039 0.0575系统和编码体系确定各类型景观的属性。景观类型提取完成后，利用 ArcGIS 9.2 对两个时期研究区景观类型转化情况进行统计，并采用转移矩阵模型对研究区内湿地景观类型的转移 情况进行分析，进而揭示研究区内各湿地类型转化的趋势和强度。具体的景观类型转移矩阵 如表 1 所示。2.4 湿地景观动态预测2.4.1 马尔科夫过程 马尔科夫过程是一种特殊的随机运动过程。它将研究对象看作是一个
11、独立的系统，这一系统在 T+1 时刻的状态和 T 时刻的状态有关，而和 T 时刻以前的状态无关，这个特性称为无后效性。这一无后效的随机过程是马尔科夫过程。研究表明，成功地运用马尔科夫模型进 行景观变化预测的关键在于转移矩阵的确立1113。转移概率矩阵的表达式如下： P11p = P21ij . PN1P12P22. PN 2. PN 3P1N P2N . PNN 式中 Pij 为湿地景观类型 i 转化为湿地景观类型 j 的转移概率。转移概率的每一项元素均有以n下特点：0Pij1，即各元素为非负值； Pij =1，即每行元素之和等于 1。马尔科夫模j = 1型通过对系统不同状态的初始概率以及状态
12、之间的转移概率的研究来确定系统各状态变化趋势，从而达到对未来趋势预测的目的14, 15。2.4.2 初始状态矩阵的确定 将研究区景观类型间的转化看作为按类型划分的一系列相互演化的状态，各状态在系统中所占的份额，即每种湿地景观类型面积占全部景观面积的百分比作为各状态的初始概率。各状态的初始概率构成初始状态矩阵 A（0），即以乐清湾 1993 年景观类型提取的各类型景 观面积，形成初始状态矩阵 A（0）。表示为： 1.3 河流景观 25.313.3 浅海景观 滩涂景观 1.4 养殖水面景观14.3 水田景观 A（0）= = 0.6 水库坑塘景观 1.7 旱田景观 38.9 林地景观 建设用地景观
13、2.8 0.4 未利用地景观2.4.3 转移概率矩阵的确定成功运用马尔柯夫过程进行预测的关键在于转移概率的确定，利用表 1 中研究区 1993 至 2003 年各湿地景观类型的转移变化情况，可以得到各景观类型的年平均转化情况，再由 年平均转化情况求出步长为 1 年时的转移概率矩阵，即用年均转移面积百分比除以 100%， 对角线上的值为用 1 减去转为其它类型景观的概率总和，这样就得到了初始状态下的各湿地景观转移概率矩阵，如表 2 所示。表 2 19932003 年乐清湾湿地景观类型转移概率矩阵（n=1）Tab.2 Transferred rates matrix of wetland land
14、scape types in Yueqing Bay from 1993 to 200320031993河流浅海滩涂养殖水面水田水库坑塘旱田林地建设用地未利用地河流0.98960.00000.00890.00000.00000.00000.00000.00000.00150.0000浅海0.00000.99820.00170.00000.00000.00000.00000.00000.00000.0001滩涂0.00000.00000.98720.00380.0050000000.00020.00000.00380.0000养殖水面0.00000.00000.00000.96960.00000
15、.00000.00730.00000.02290.0002水田0.00000.00000.00000.00120.99340.00060.00190.00000.00290.0000水库坑塘0.00000.00000.00000.00000.01610.96400.00130.00000.01860.0000旱田0.00000.00000.00000.00920.03140.00200.95210.00000.00470.0006林地0.00000.00000.00000.00000.00080.00010.00000.99900.00000.0001建设用地0.00000.00000.000
16、00.00000.00070.00030.00000.00000.99800.0010未利用地0.00000.00000.00000.00530.01150.00000.00000.00000.00640.97682.4.4 景观变化动态模拟与预测 由马尔科夫随机过程可知，在转移概率不变，即外界的干扰强度不变的情况下，我们可以预测出距初始年份若干年后乃至稳定时期的景观类别所占的百分比例。马尔科夫过程第 nP期的转移概率计算公式为：n ijm-1= k = 0pik pkj n-1 =m - 1k = 0pik n - 1pkj表 3 不同时期研究区域各景观类型面积百分比情况Table 3 Ar
17、ea proportions of landscape types in different periods时间20032013 年2023 年2033 年2043 年n河流1.171.050.950.860.770.00浅海24.8524.4023.9723.5423.120.11滩涂12.2011.2110.339.548.830.02养殖水面1.751.962.072.132.151. 69水田14.9315.4115.7716.0616.2920.75水库坑塘0.560.530.520.510.511.00旱田1.391.221.131.081.061.11林地38.5138.1337
18、.7537.3737.001.93建设用地4.235.647.048.409.7270.31未利用地0.420.440.470.510.553.08景观类型 其中 m 表示的式转移概率矩阵的行列数，而任意第 n 分期的转移概率矩阵等于初始转移概率矩阵的 n 次方。若设第 1 期转移概率矩阵为 P（1），初始百分比矩阵为 A（0），则第 n 期 的百分比矩阵为 A（n）= A（0）* P（n）= A（0）* Pn，以此公式可以预测得到各分期各景观类型占整体景观的面积百分比，从而实现景观变化预测的目的14，15。利用初始状态和各景观类型的转移概率矩阵（见表 2），分别计算出研究区 2003 年、2
19、013 年、2023 年、2033 年、2043 年以及稳定时期（近似看作为 3000 年后，即 5003 年）的各景 观类型的转移矩阵，通过上述公式计算预测得研究区在未来这些时期的各景观类型所占的面 积百分比，如表 3 所示。2.4.5 模型的检验为了验证上述转移概率预测获得的结果是否合理，采用 1993 年的景观结构为基期 A（0)和以上转移概率矩阵，运用马尔科夫的基本方程来模拟 2003 年的景观结构 A（10），并与2003 年解译获得的景观结构实测值进行对比，如表 4 所示。将模拟值和实测值进行对比，采用 2 检验: 2 = (Y - Y ) 2 / Y = 3.8510-2/10=
20、3.8510-3,查表得， 2 (0.05)(9) =16.92。结果表明:模拟结果与实测结果差异不显著，两者吻合情况很好，这说明采用湿地景观类型之间的面积转移矩阵所确定的转移概率，通过马尔柯夫过程来 预测景观格局时空变化是可行的。这与郭笃发等人利用马尔科夫过程预测黄河三角洲新生湿 地的研究结论是一致的16,17。表 42003 年湿地景观面积比例的实测值和马氏过程模拟值比较（%）Tab 4Comparison between the practical value of the landscape of 2003 and the theoretic results of Marlkov pr
21、ocess景观类型2003 年模拟值 Y2003 年实测值 YY- Y(Y- Y)2河流1.171.170.000.0000浅海24.8524.81-0.040.0016滩涂12.2012.13-0.070.0049养殖水面1.751.860.110.0121水田14.9315.010.080.0064水库坑塘0.560.53-0.030.0009旱田1.391.30-0.090.0081林地38.5138.570.060.0036建设用地4.234.20-0.030.0009未利用地0.420.420.000.00003. 结论从 19932003 年的实际变化可见，研究区内湿地景观受到了人
22、类活动强烈的干扰。如 表 2 所示，大量的滩涂被开发为农田和养殖水面，分别达到了 0.5%和 0.38%。由于近年来 乐清湾地区经济的发展和工业化进程的加快，使得大量的湿地景观被占用，其中养殖水面被 占用比率最大，达到了 2.29%。非湿地景观方面，从表 3 计算可见，建设用地激增，增幅达 到了 33.1%。由于大量的水田和养殖水面被用于建房修路，农业发展的要求又使得大量的旱 田转化为水田和养殖水面，分别达到了 3.14%和 0.92%。研究区内部分景观类别面积日趋降 低，这对于保持研究区内的生物多样性和区域的生态功能都有一定的负面作用，值得引起重 视。在研究区域内预测结果分析来看，湿地景观总
23、体呈减少的趋势，由 1993 年的 56.2%下 降到 2003 年的 53.71%。非湿地景观中建设用地景观不断增长，林地景观不断下降。到 2003年，河流达 1.17 %，浅海 24.85%,滩涂 12.20%,养殖水面 1.75%,水田 14.93%,水库坑塘 0.56%,旱田 1.39%,林地 38.51%.建设用地 4.23%,未利用地 0.42%。模拟结果和实测结果基本吻合， 无显著统计学差异，说明利用马尔科夫模型研究区预测区域景观动态变化的可行性。对乐清湾湿地的未来预测结果表明：在保持 19932003 年的干扰强度的情况下，湿地 景观急剧减少，但其中的人工湿地景观水田呈现持续增
24、长态势；非湿地景观中林地大幅度 减少，而建设用地急剧增加。这说明人类活动的干扰为形成这种景观态势的主要原因。本次 研究预测的结果只是按现有的发展趋势所作的预测，可供管理部门对该区域未来的生态修复 和区域可持续发展规划借鉴。参考文献1Parker,D.C.,Manson,S.M.,Janssen,M.,Hoffmann,M.J.,DeadmanP.J.,2003.Multi-agent systems for the simulation of land use and landcover change: a review. Annals of the Association of Americ
25、an Geographers 93 (2), 316-340 2Turner, B.L., Geoghegan, J., Foster, D.R., 2004. Integrated Land-Change Science and Tropical Deforestation in the Southern Yucatan. Oxford University Press, Oxford.3林孟龙,曹宇,王鑫. 基于景观指数的景观格局分析方法的局限性:以台湾宜兰利泽简湿地为例.应用生态学报.2008,19(1):139143 4肖笃宁,李秀珍.当代景观生态学的进展和展望J.地理科学,1997,
26、17(4):3563635杨帆,赵冬至,索安宁.双台子河口湿地景观时空变化研究.遥感技术与应用 2008,23(1) 6中国海湾志编篡委员会.中国海湾志(第六分册)M.北京:海洋出版社,1993.110187.7周航.浙江海岛志M.北京:高等教育出版社,1998.509520 8肖笃宁,李秀珍,常禹,等.景观生态学.北京:科学出版社,2003.9Bai J H,Ouyang H,Cui B SH,Wang Q G,Chen H.Changes in landscape pattern of alpine wetlands on the ZoigePlateau in the past four
27、 decades: Acta Ecologica Sinica, 2008, 28(5)10白军红,欧阳华,崔保山,等.近 40 年来若尔盖高原高寒湿地景观格局变化.生态学报,2008,28（5）第 28 卷第 5 期11除多,张镱锂,郑度.拉萨地区上地利用变化情景分析J.地理研究,2005,24(6):869877. 12张海龙,蒋建军,解修平.基于 GIS 和马尔可夫模型的渭河盆地景观动态变化研究J.干旱区资源与环境,2005,19(7):119124 13龚乐春,韦新良,胡秉民.区域景观结构动态变化的趋势分析及其应用研究J.浙江大学学报(农业与生命科学版),2005,31(2):2112
28、1414Baker,W.L.1989.A review of models of Landscape change.landsc. Ecol.2,111-133 15宁龙梅,王学雷,胡望斌.利用马尔科夫过程模拟和预测武汉市湿地景观的动态演变J.华中师范大学学报 (自然科学版),2004,38(2):255258. 16郭笃发.利用马尔科夫过程预测黄河三角洲新生湿地土地利用/覆被格局的变化.土壤 (Soils),2006,38(1):4247 17王水献,董新光,寇文.马尔柯夫过程预测焉耆盆地土地利用/履被格局变化.干旱区资源与环境.2007,21(10)Landscape Changes of
29、 the Wetland in Yueqing Bay Based onMarkov ModelFU Chunlei1, E Yong1, Song Guoli21.Resources and Environmental Sciences College,Northeast Agricultural University,Haerbin(150030)2.School of Life and Environment Science Wenzhou University, Wenzhou ( 325027)AbstractBased on RS and GIS, the temporal and
30、 spatial landscape changes of the wetland inYueqing Bay werestudied by using two periods of landsat TM images, which were obtained in 1993 and 2003 .By extracting the landscape types of the two image data, a primitive conversion matrix and transferred rate matrix of the two period landscape were wor
31、ked out with the aid of GIS9.2 software. Then, future tendency of the landscape was predicted based on Markov Model. At first, the practical data of 2003 was used to validate the model, showing that there were no significant statistical differences between the monitoring value of the landscape and t
32、he theoretic results of Marlkov process, which proved Markov Model is efficient and suitable for prediction of landscape changes of the wetland area. The result of prediction for Yueqing Bay indicated that if keeping the intensity of interference, wetlands will be dramatically decreasing, except the
33、 increasing of paddy field; woodland will decrease greatly and construction land will increase sharply. According to the results of the prediction, human disturbance is the most important influential factor that caused the temporal and spatial landscape changes of the wetland inYueqing Bay.Keywords: wetland of Yueqing Bay; RS; GIS; Markov model; landscape changes
