Simulation of Landscape Pattern of Agricultural and Forestry Land in Hegang City Based on Ann-CA-Markov Model

doi:10.13466/j.cnki.lyzygl.2022.03.013

Abstract

Abstract:

Hegang City,Heilongjiang Province was selected as the research area.Based on its Landsat remote sensing images and DEM data in 2000,2010 and 2020,Fragstats 4.0 software was used,and the Ann-CA-Markov coupling model was utilized to study the changes in the landscape pattern of agricultural and forestry land in the city from 2000 to 2020,and simulated and predicted the landscape pattern in 2030.The results showed that from 2000 to 2020,the area of cultivated land in Hegang City decreased by 197.9824 km²,and the area of forest decreased by 52.7252 km²;the land use situation in 2030 was simulated and predicted,the area of cultivated land was expected to increase by 1.0368 km²,and the area of forest was expected to decrease by 0.0648 km²;and relevant pattern index was calculated.The degree of fragmentation of agricultural and forestry land in Hegang City was relatively low,but it was subject to strong external interference.Further optimization and adjustment of the landscape pattern should be carried out to continuously reduce the impact on the ecological environment and ensure food and ecological security.

Key words: landscape pattern, simulation forecast, agricultural and forestry land, urban area, fragmentation

CLC Number:

JIA Jingmo, SUN Zhao, GUI Xinru, MAO Liang. Simulation of Landscape Pattern of Agricultural and Forestry Land in Hegang City Based on Ann-CA-Markov Model[J]. FOREST RESOURCES WANAGEMENT, 2022, (3): 81-88.

Figures/Tables 10

Tab.1

Tab.2

Tab.3

Fig.1

Fig.2

Fig.3

Tab.4

Fig.4

Tab.5

Fig.5

References 27

[1]	GB50137-2011,城市用地分类与规划建设用地标准[S].
[2]	党安荣, 田颖, 甄茂成, 等. 中国国土空间规划的理论框架与技术体系[J]. 科技导报, 2020, 38(13):47-56.
[3]	李保杰, 顾和和. 矿区土地复垦景观格局变化和生态效应[J]. 农业工程学报, 2012, 28(3):251-256.
[4]	谢花林. 典型农牧交错区土地利用变化驱动力分析[J]. 农业工程学报, 2008, 24(10):56-62.
[5]	Geist H J, Lamnin E F. Proximate causes and underlying driving forces of tropical deforestation[J]. Bilogical Science, 2002, 52(2):143-150.
[6]	Tong S T Y, Sun Y, Yang Y J. Generating a future land use change scenario with a modified population-coupled markov cellular automata model[J]. Journal of Environmental Informatics, 2012, 19(2):108-119.
[7]	Hana E, Joseph M, Jala K. Land use change assessment in coastal mangrove forests of Iran utilizing satellite imagery and CA-Markov algorithms to monitor and predict future change[J]. Environmental Earth Sciences, 2018, 77:208. doi: 10.1007/s12665-018-7392-8
[8]	欧维新, 肖锦成, 李文昊. 基于BP-CA的海滨湿地利用空间格局优化模拟研究--以大丰海滨湿地为例[J]. 自然资源学报, 2014, 29(5):744-756.
[9]	范晓锋. 基于ANN-CA模型的珲春市土地利用格局模拟研究[D]. 长春: 吉林大学, 2016.
[10]	张红华, 万鲁河, 郝景莹. 小兴安岭湿地景观格局模拟及动态演变分析[J]. 测绘科学, 2021, 46(8):197-204.
[11]	幸瑞燊, 周启刚. 基于Ann-CA-Markov模型的生态空间预测模拟:以重庆市万州区为例[J]. 生态与农村环境学报, 2021, 37(6):740-750.
[12]	吴欣昕, 刘小平, 梁迅, 等. FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定[J]. 地球信息科学学报, 2018, 20(4):532-542. doi: 10.12082/dqxxkx.2018.180052
[13]	Xu Ying, Tang Haiping, Wang Bojie, et al. Effects of land-use intensity on ecosystem services and human well-being:acase study in Huailai County,China[J]. Environ Earth Sci, 2016, 75(5):416-425. doi: 10.1007/s12665-015-5103-2
[14]	Brown G, Weber D. Public participation GIS:A new method for nation al parkpalanning[J]. Landscape and urban planning, 2011, 102(1):1-15. doi: 10.1016/j.landurbplan.2011.03.003
[15]	Serneel S, Lambin E F. Proximate causes of land-use changes in Narok district,Kenya:A spatial statistical model[J]. Agriculture,ecosystem and environment, 2001, 85:65-81. doi: 10.1016/S0167-8809(01)00188-8
[16]	罗紫薇, 胡希军, 韦宝婧, 等. 基于多准则CA-Markov模型的城市景观格局演变与预测--以上杭县城区为例[J]. 经济地理, 2020, 40(10):58-66.
[17]	Wickham J D, Riitters K H, Wade T G, et al. Temporal change in fragmentation of continental US forests[J]. Landscape Ecology, 2008, 23(8):891-898.
[18]	鲁亚楠, 姚顺波. 基于经济和政策双重作用的南方集体林区土地利用时空变化[J]. 南京林业大学学报:自然科学版, 2018, 42(5):163-171.
[19]	毛靓, 贾京默. 黑龙江县域农林用地景观格局变化特征[J]. 森林工程, 2022, 38(2):44-53.
[20]	韩蕾, 孔祥斌, 郭洪峰, 等. 西南山区生态敏感区土地生态安全评价:以秀山县为例[J]. 水土保持研究, 2015, 22(1):229-234.
[21]	刘亚香, 李阳兵, 易兴松, 等. 贵州典型坝子土地利用强度空间演变及景观格局响应[J]. 应用生态学报, 2017, 28(11):3691-3702. doi: 10.13287/j.1001-9332.201711.019
[22]	张晓松, 杜尚泽. 奋力书写东北振兴的时代新篇--习近平总书记在东北三省考察调研并主持召开深入推进东北振兴座谈会纪实[J]. 党的生活(黑龙江), 2018(10):6-10.
[23]	李玲, 应佳明, 徐卫红. 基于GIS技术的山地度假别墅选址分析--以云天海度假村为例[J]. 上饶师范学院学报, 2018, 38(6):61-66.
[24]	李明诗, 徐祎凡, 李云梅, 等. 南方集体林区森林破碎化模式及趋势遥感刻画以浙江余杭为例[J]. 南京林业大学学报:自然科学版, 2010, 34(4):135-139.
[25]	张吕成, 张一帆, 董灵波. 基于Landsat TM数据的大兴安岭森林景观空间格局及其关联性[J]. 森林工程, 2021, 37(6):1-9.
[26]	李淑娟, 王明玉, 李文友, 等. 东北林业大学帽儿山实验林场景观格局及破碎化分析[J]. 东北林业大学学报, 2002, 30(3):49-52.
[27]	李连刚, 张平宇, 刘文新, 等. 吉林省市域环境污染的时空演变特征与影响因素[J]. 应用生态学报, 2019, 30(7):2361-2370. doi: 10.13287/j.1001-9332.201907.031

景观类型	描述与说明
生态林(森林)	各类以发挥生态效益为主的天然林或人工林
建筑用地 (人造地表)	各类建筑、道路、基础设施、及各类配套设施用地等
湿地	生长湿地生物的地区,水深一般不超过2m
水体	河流、湖泊、水库、坑塘、沟渠等
耕地	农业生产用地
草地	草原、草甸及人工草地等由天然草本植被覆盖的土地

景观类型		2010年类型						2000年总计
景观类型		森林	耕地	草地	湿地	水体	人造地表	2000年总计
2000年类型	森林	4449.1960	82.2055	533.7474	1.8849	7.0716	4.6657	5078.7711
	耕地	69.9041	6581.0981	73.2963	6.3123	8.4917	39.1253	6778.2278
	草地	509.9547	82.0674	1018.4451	5.8876	19.8954	17.8357	1654.0858
	湿地	4.9484	13.6082	3.9699	503.4648	29.8817	0.0101	555.8830
	水体	8.3161	8.2903	7.2320	17.8797	292.1685	0.4614	334.3480
	人造地表	4.7259	30.1235	10.1079	—	0.9502	251.4090	297.3165
2010年总计		5047.0451	6797.3929	1646.7985	535.4294	358.4592	313.5072	14698

景观类型		2020年类型						2010年总计
景观类型		森林	耕地	草地	湿地	水体	人造地表	2010年总计
2010年类型	森林	4406.8893	94.8103	519.0942	11.6773	10.4644	4.3397	5047.2753
	耕地	65.7464	6379.7236	79.8451	213.0910	7.3263	52.0560	6797.7884
	草地	541.2846	71.7170	1010.2380	4.4787	9.4855	9.5112	1646.7150
	湿地	1.6016	4.3481	3.5300	502.7510	23.3454	0.0090	535.7458
	水体	6.3803	5.2342	5.9394	22.2166	317.0017	0.5908	359.2585
	人造地表	4.1437	24.4121	6.1560	18.9424	0.7121	259.2204	313.5867
2020年总计		5026.0459	6580.2454	1624.8028	773.1570	368.3354	325.7270	14698

景观类型		2030年类型						2020年总计
景观类型		森林	耕地	草地	湿地	水体	人造地表	2020年总计
2020年类型	森林	5029.9056	0.0567	0.0243	0.0081	—	—	5029.9947
	耕地	0.0243	6571.6064	—	0.0243	—	0.0081	6571.8656
	草地	—	0.081	1626.3909	0.0162	0.0081	0.0162	1626.5124
	湿地	—	0.0243	—	775.1538	0.0810	0.0648	775.3239
	水体	—	0.0081	—	0.0891	370.9071	0.0243	371.0286
	人造地表	—	1.1259	—	14.4747	6.1641	304.1145	325.8792
2030年总计		5029.9299	6572.9024	1626.4152	789.9687	377.1603	304.2279	14698

年份
2000	1474215	157292	10.6695	35.3449	6	0.6477
2010	1471269	147946	10.0557	28.1412	6	0.7021
2020	1465767	155255	10.5921	34.3237	6	0.6708
2030	1465782	155285	10.5966	34.3598	6	0.6728