8.3.4.1 约束条件和要素条件
土地利用变化适宜性图集（也称条件概率图像）从IDRISI中由MCE（多准则评价）模块得出，MCE的评价体系由约束条件和要素条件组成，约束条件是将用地变化控制到指定区域，要素条件则是影响各类土地适宜性的影响因子，每个影响因子权重值不同，根据不同使用目的来对影响因子进行标准化、权重赋值。
根据国家相关规范和标准，基本农田保护区禁止开发建设，水域出于蓝线控制水源保护也基本维持不变，此外，由于道路的转化用途可能性较小，确定评价的约束条件为基本农田保护区、水域及道路。评价的要素条件则提取影响武汉市1996—2005年以及2005—2013年的城市空间增长的驱动力因子，经过综合研究，将影响土地利用变化的直接政策、间接政策提取细分为经济政策、市场政策、财政政策以及规划政策。除此之外，还应当包括自然环境、社会环境的影响对各类用地的适宜性影响，如中心城区和已有建设用地的影响、交通和水域的距离因素的影响，以及其他类用地的影响等。
对武汉市1996—2005年及2005—2013年多准则评价因子的研究中，制定以下约束条件和要素条件，见表8.5。
表8.5 武汉市1996—2005年及2005—2013年多准则评价因子
8.3.4.2 要素条件的标准化
各类用地的变化通常是由多因子共同作用的，且政策因子对各类用地的影响作用存在差异。根据七类用地的选址特征及分布规律，分别将每一类用地的影响因子整理提取，对相应约束条件、要素条件进行处理。
对于约束条件，如水域、基本农田保护区采用buffer（缓冲区）分析生成单因子约束图。
对于要素条件，一类是建设适宜性与距离成线性相关的因素，如已开发土地范围、水域、道路等要素，进行fuzzy（模糊）评价，生成单因子适宜性图；一类是以分区方式划分等级的因素，如分行政区人均工业增加值（反映行政区经济发展速度）、分行政区招商引资目标、分行政区土地出让金标准等，将数值等比约减形成高-低的属性值，生成单因子适宜性图；一类是重点或限制发展区因素，如享受税收优惠的国家级新区、规划确定的重点发展区，赋单一属性值生成单因子适宜性图。
对单因子适宜性图进行标准化处理。将每张单因子适宜性图的属性值控制在相近的范围内，以确保在权重相同的情形下，各单因子对此类用地的影响作用达到均衡，这也是探讨各单因子权重高低的重要基础。
8.3.4.3 MCE多准则评价
在MCE多准则评价中，调用weight模块，通过构建影响因子比较矩阵，运用层次分析法得到单因子的初始权重值。
式中：i为要素因子的栅格面积；j为研究的要素因子；N为要素因子的数量；Pj指第j要素因子的权重值，Xij指j要素因子的栅格总面积，由此计算出各要素因子所处地块的适宜性值。根据公式运用加权线性合并法进行准则合并，得到不同地类的MCE多准则评价结果图。2005年建设用地适宜性图见图8.3，2013年建设用地适宜性图集见图8.4。
MCE多准则评价的目的如下。
①对单独类用地进行多准则（要素条件及约束条件）的适宜性加权合并，得到单独类用地适宜性图；
②多张单独类用地适宜性图，合成研究期土地利用适宜性图集，作为CAMarkov预测的转换规则。
8.3.4.4 CA-Markov预测与精度检验
输入1996年武汉市土地利用基准图，通过Markov模型得到1990—1996年的土地利用转移面积矩阵和1996—2005年土地利用变化适宜性图集，从而预测2005年土地利用变化。同理，对2013年的武汉市土地利用变化进行预测。
图8.3 2005年建设用地适宜性图
图8.4 2013年建设用地适宜性图集
为了保证CA-Markov模型对2005年、2013年土地利用变化预测结果的合理性和准确性，有必要验证1996—2005年以及2005—2013年模型的精度，因此需要将2005年和2013年的模拟结果与2005年和2013年的数据进行对比和检验。运行IDRISI中的LCM模型的子模块，对2005年和2013年数据的精度进行验证。
由于CA-Markov模型具有时间序列预测和空间预测的优点，模型验证应涵盖用地规模变化及用地空间趋势变化两方面，前者是对各用地类型规模预测的数量精度检验，后者是对空间上各用地类型分布预测的空间精度检验。内容介绍见表8.6。
表8.6 预测结果精度检验方法内容介绍(www.xing528.com)
将2005年和2013年土地利用变化预测图与2005年和2013年用地状况图进行对比，分别如图8.5、图8.6所示。分析每一类用地预测结果与实际情况的差异，找出其中预测差异突出的位置，分析其存在的问题，进而返回各类用地单因子适宜性图中调整单因子权重，重新进行MCE多准则评价，直到预测结果的空间精度达到60%以上。
图8.5 2005年CA-Markov土地利用变化预测图与用地状况图
2005年和2013年预测结果的精度检验表分别见表8.7和表8.8。
图8.6 2013年CA-Markov土地利用变化预测图与用地状况图
表8.7 2005年CA-Markov预测精度检验表
表8.8 2013年CA-Markov预测精度检验表
根据2005年和2013年的土地利用模拟结果与实际对比可知，CA-Markov模型能够较好地模拟出土地利用变化趋势。CA-Markov模型模拟的各用地类型数量精度较高，基本高于85%。但是对二者的空间精度进行验证时发现，各类用地的空间误差较大，但准确率基本能达到60%以上。
为了便于分析，在LCM中将2005年和2013年的各类用地现状图与模拟图进行对比，生成各地类的空间误差图。其中，部分用地类别的空间误差图分别如图8.7和图8.8所示，黄色部分为预测与实际相符区域，红色部分和绿色部分为空间误差区域，黄色部分和绿色部分为实际土地利用范围，彩图见本书彩色插图。
图8.7 2005年CA-Markov土地利用预测空间误差图
图8.8 2013年CA-Markov土地利用预测空间误差图
在图8.7中，2005年建设用地的空间误差主要分布在东西湖区、蔡甸区和江夏区的局部地段。据2005年用地现状图显示，城市发展在中心城区外围部分沿路两侧形成了零星布局，东西湖区走马岭及江夏区流芳镇的发展也形成一定规模，但预测图仅有少量分布。造成这部分误差的原因是规划对于该区域的政策和随机事件的干预缺乏指导性，导致空间增长方向与预估出现偏差，以及受周边地区辐射和自然因素的影响，这些地区大都呈自组织发展模式。
在图8.8中，2013年居住用地较大面积的空间误差主要集中在沌口和江夏区，推测原因为受到武汉经济技术开发区和东湖新技术开发区工业用地快速发展的影响，导致人口主流入较多。
公共服务设施用地在沌口南部和江夏金港地区出现大面积误差，原因是这两个飞地区域的土地现状为待建设用地，相关用地类型和审批情况还未落实，缺少成文的政策意见与环境支撑，故模型难以模拟。此外，研究发现，建设用地对坑塘水面的侵蚀作用明显，1996—2013年间，建成区内部坑塘水面面积锐减，许多坑塘水面渐渐缩减甚至被填埋变为待建设用地。大量坑塘水面转变为待建设用地是造成公共服务设施用地空间误差的原因之一。
工业用地的空间误差主要集中在沌口以及江夏两个区域。由图可知，沌口一带工业用地发展方式较为粗放，受环境因素影响明显，表现为沿主要道路的带状发展和靠近工业水源的聚类发展，空间误差的主要原因是土地沿主要道路的扩张速度超出预期。江夏东湖新技术开发区一带的扩张速度也超出预期，但分布较为零散，环境因素的作用不明显，可能与高新产业自身特征、社会投资和自主发展的方式有着直接的关系。可以看出，工业用地总体存在粗放蔓延、集聚性弱和潜力不足的问题。
根据以上分析，可以得出如下结论：
①CA-Markov预测结果数量精度基本高于85%，空间精度基本高于60%；
②误差并非由研究分析方法导致，而是源于城市空间增长难以量化的自发作用；
③CA-Markov模型基本能够模拟武汉市土地利用变化情况，可以验证1996—2005年、2005—2013年各种政策因素对城市空间增长的效用。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
