基于主體功能區劃和FLUS-Markov模型的區域國土空間格局模擬
——以福州都市圈為例

徐崇敏陳 瑾張露丹林 森邱榮祖胡喜生

(福建農林大學 交通與土木工程學院,福建 福州350108)

為緩解城市群社會經濟利益和生態環境保護的國土空間沖突,統籌國土空間經濟高質量發展,實現區域協調發展,分區協調治理方式勢在必行。2010年國務院發布了《全國主體功能區規劃》,“十四五”期間將繼續落實主體功能區制度,構建高質量國土空間格局[1]。當前,建設主體功能區是生態文明理念下提出的國土開發和保護重大戰略,各區域需持續推進主體功能區建設,按照不同主體功能區的任務和重點合理規劃國土空間發展方向。

國土空間格局模擬研究已經成為熱點,方法上主要分為數量變化和空間變化的模擬模型,數量預測模型常用系統動力學模型(SD)[2]、馬爾科夫鏈模型(Markov chain)[3],空間擬模型常用CLUE-S模型[4]、元胞自動機模型(CA)[5]、SLEUTH[6]、多智能體系統(MAS)[7]、未來土地利用模擬模型(future land use simulation,FLUS)[8]。不同的模型有其相應的功能機制,Markov模型具有土地利用/覆蓋數量預測功能[3],但難以模擬空間格局演變,而FLUS模型具有空間演變分布預測功能且模擬精度高[2],并運用在城市群[9-10]、特殊地域[11]、省[12-13]、市[14]、縣域等[15]多尺度區域研究中。本文將FLUS模型結合Markov模型數量預測優勢展開研究。目前,國內對國土空間結構預測主要是從三生空間的角度,將整片區域根據不同規劃目標或不同發展情景設置主導目標和約束條件進行研究[16-18]。但是,實際上大尺度區域范圍存在發展不均衡性和地理異質性等問題,如不同主體功能區的發展目標并不相同,因此用地的發展需求也不同,若將研究區域作為整體進行空間預測,則忽略了各區域內部差異性,將導致預測結果的偏差?；诖?從不同主體功能區的角度出發,考慮不同區域的地理特點、發展現狀和規劃目標等因素設置不同約束條件,模擬結果將更貼合未來國土空間規劃發展方向,可以為主體功能區有序發展提供科學依據。

福州都市圈作為福建高質量發展的重要增長極,為深化兩岸交流、提升國際化水平提供有力支撐[19]。然而目前福州都市圈仍處于發育階段,區域內深層次合作發展機制尚不成熟,生態環境和資源承載能力并不均衡[20]。當前,對于福州都市圈國土空間格局模擬的相關研究相對缺乏。鑒于此,本研究以福州都市圈為研究范圍,從不同主體功能區視角出發,分析區域土地利用/覆蓋類型時空變化,提出基于歷史情景和主體功能區規劃相結合的鄰域因子權重和轉換成本矩陣參數設計方法,利用FLUS-Markov模型對比基于整體模擬和主體功能區劃的分區模擬的2030年福州都市圈土地利用/覆蓋空間分布差異,預測研究區國土空間格局未來發展趨勢,促進區域協調發展。

1 研究方法

1.1 研究區概況

福州都市圈處于中國東南沿海、福建省東北部,面對臺灣省,是一個具有山海生態的城市群,地理坐標介于東經117°0′—120°0′,北緯25°0′—28°0′。研究區域包括四市一區,陸域面積達2.60×104km2,約占福建省的21.5%,2020年常住人口約1 300萬人,占福建省的33.5%,地區生產總值約1.5萬億元,占福建省生產總值的34.5%。

福州都市圈作為中國批復的第2個國家級都市圈,在海峽西岸地區經濟協調發展中承擔著重要的戰略作用。區域人口聚集,交通發達,生態良好,與臺灣省聯系密切,其作為21世紀海上絲綢之路的核心區與國際接軌,綜合發展潛力大。但都市圈中城市快速擴張區域多分布于東部沿海,生態重點保護區域多分布于西部,存在發展不均衡問題。為保證該區域可持續發展,因地制宜地分區規劃對福州都市圈的經濟與生態并行發展具有重要現實意義。國家依據區域的環境承載能力、現有開發密度和未來發展潛力,將區域劃分成不同主體功能區,進行統籌規劃,形成生態與經濟協調發展的空間格局。在《全國主體功能區規劃》政策文件中,根據開發方式將中國國土空間分為以下主體功能區:優化開發區域、重點開發區域、限制開發區域和禁止開發區域。

福建省主體功能區主要以縣級行政區為劃分單元,福州都市圈范圍(圖1)內不同主體功能區的分類情況詳見表1。由于限制開發區域分為農產品主產區和重點生態功能區,而重點生態功能區的功能定位以提供生態服務為主,這與禁止開發區域相似,故將重點生態功能區納入禁止開發區域范圍進行模擬。

表1 福州都市圈不同主體功能區分類情況

圖1 福州都市圈主體功能區分布

1.2 數據來源及預處理

數據主要包括福建省30 m分辨率土地利用/覆蓋遙感監測數據(2000,2010和2020年),來源于中國科學院資源環境科學與數據中心(http:∥www.resdc.cn),土地利用/覆蓋數據集已經過野外調查點隨機抽樣核查,總體精度達88.95%[21],并將區域內土地利用/覆蓋遙感監測數據采用一級分類系統,根據土地資源及其利用屬性,重分類為耕地、林地、草地、水域、建設用地和未利用土地6類;福建省30 m分辨率數字高程數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http:∥www.gscloud.cn);中國河流、鐵路站點、高速公路、一級公路、二級公路、三級公路、主干道數據(2014和2020年)來源于Open Street Map(www.openstreetmap.org),經ArcGIS軟件歐氏距離工具處理為距離柵格數據[10],數據分辨率為300 m;中國1 km分辨率月平均氣溫數據集(2010和2020年)、中國1 km分辨率年降水量數據集(2010和2020年)、全國500 m分辨率類NPP-VIIRS夜間燈光數據集(2010和2020年)[22]來源于國家科技基礎條件平臺—國家地球系統科學數據中心(http:∥www.geodata.cn)。將所有數據格式統一為tif格式,對數據進行重采樣,分辨率為30 m,均采用krasovsky_1940_Albers投影坐標系,然后將所有數據圖層按掩膜提取至各主體功能區范圍,并以2020年福建省土地利用/覆蓋柵格數據為基準捕捉柵格,保證各主體功能區所有圖層行列數一致。

1.3 研究方法

1.3.1 模擬流程及參數設置 FLUS模型主要用于模擬大尺度范圍各種土地利用/覆蓋類型的未來空間分布情況,也是目前較為成熟且被廣泛應用的土地利用預測模型[10]。該模型由人工神經網絡算法(artificial neural network,ANN)和元胞自動機(CA)模塊兩部分組成,ANN模型可以協同整合自然環境、人類社會、經濟發展等多種驅動因子的復雜影響,從而建立起不同土地利用/覆蓋類型同驅動因子之間的關聯,得到現狀下各土地利用/覆蓋類型的適宜性概率[2]。CA模型引進了基于輪盤賭選擇的自適應慣性競爭機制,用于處理多種土地利用/覆蓋類型在驅動因子下的復雜變化,從而實現較高精度的土地利用/覆蓋空間分布模擬[8]。從基于不同主體功能區的分區模擬和基于統一約束條件的整體模擬兩種模擬方式出發,在關鍵參數設置的基礎上,利用FLUSMarkov模型(圖2)分別對2030年國土空間分布格局進行模擬預測,通過單一土地利用動態度、綜合土地利用動態度和土地利用程度綜合指數等指標定量分析兩種方式下模擬結果,以對比兩種方式模擬結果與區域政策規劃中空間結構的貼合度,以驗證分區模擬的科學性。

圖2 土地利用/覆蓋空間分布格局模擬流程

采用FLUS-Markov模型對土地利用/覆蓋空間分布模擬時,模型參數設置為關鍵環節?，F土地利用/覆蓋模擬研究中多采用統一參數通過整體模擬方式進行預測,缺乏考慮土地利用/覆蓋類型和驅動因子在時間和空間上的差異。故針對關鍵參數的設置,考慮了以下因素并提出解決方案:①參考相關研究和研究區現狀,考慮時空異質的驅動因子選擇和分期適宜性概率分布圖層計算;②結合區域內土地利用/覆蓋空間分布特征,基于歷史情景的土地利用/覆蓋類型鄰域因子權重計算;③依據政府規劃文件和國土空間結構,針對政策導向的不同主體功能區內轉換成本矩陣設置。

(1)驅動因子選擇。土地利用/覆蓋變化是由自然環境和人類活動等多種因素共同影響的結果,除高程、降水和氣溫等自然因素對土地利用/覆蓋變化有所影響,區域交通設施情況和經濟發展狀態會直接或間接影響周圍土地利用/覆蓋變化[23]。綜合對土地利用/覆蓋變化驅動因子的分析及探究,最終選取自然(高程、坡向、坡度、氣溫、降水)、社會(河流、鐵路、高速、一級、二級、三級、主干道)、經濟(夜間燈光)等方面的13項驅動因子(表2)。

表2 土地利用/覆蓋變化驅動因子數據說明

(2)適宜性概率分布計算。各土地利用/覆蓋類型的適宜性概率分布圖層由ANN模型計算得到,模型中包含輸入層、隱藏層和輸出層神經元網絡,每一個神經元分別代表一個驅動因子,可擬合土地利用/覆蓋類型分布概率與多項驅動因子的空間作用關系,用于模擬不同土地利用/覆蓋類型發展概率和空間分布[24]。

由于10 a間驅動因子存在時空差異性,導致2010年與2020年的驅動因子有不同作用強度和方式,所以各土地利用/覆蓋類型適宜性概率分布可能存在差異。因此,為提高模型模擬精度,在ANN模型中,分別以2010年和2020年土地利用/覆蓋柵格數據為基礎,輸入兩期相應驅動因子數據來計算2010年和2020年神經網絡適宜性概率空間分布,分別用于CA模型預測2020年和2030年土地利用/覆蓋結構。

(3)鄰域因子權重參數設置。鄰域因子權重表示某種土地利用/覆蓋類型的擴張強度,取值范圍為0～1,取值越靠近1表示該土地利用/覆蓋類型擴張能力越強。針對鄰域因子權重的設置,有學者使用各土地利用/覆蓋類型歷史面積變化量的絕對無量綱值來確定鄰域權重參數[10],但由于福州都市圈各土地利用/覆蓋類型面積存在較大差異,本文提出一種相對無量綱值計算方式。

由于主體功能區戰略是2011年開始實施,計劃于2020年實現,規劃任務至未來,故2010—2020年不同主體功能區內各土地利用/覆蓋類型的面積變化量可以很好地表示分區規劃政策下各土地利用/覆蓋類型的擴張程度。因此利用ArcGIS軟件統計2010年和2020年各土地利用/覆蓋類型的面積,計算得到10 a間各土地利用/覆蓋類型面積的變化量,將面積變化量的絕對無量綱值和相對無量綱值進行比較,得出更滿足數據結構需求的鄰域因子權重參數。

絕對無量綱值是將各土地利用/覆蓋類型的面積變化量進行歸一化處理,使其值處于0～1范圍內,計算公式如下:

式中:N代表土地利用/覆蓋類型歷史面積變化量的絕對無量綱值;X代表某土地利用/覆蓋類型時間段內的變化量;Xmin代表所有土地利用/覆蓋類型面積變化量中最小值;Xmax代表面積變化量中最大值。

相對無量綱值是將各土地利用/覆蓋類型的面積變化量除以初始面積得到各土地利用/覆蓋類型的面積變化率,再將其進行歸一化處理,使其值處于0～1范圍內,計算公式如下:

式中:N*代表土地利用/覆蓋類型歷史面積變化量的相對無量綱值;R代表某土地利用/覆蓋類型時間段內面積變化率;X代表某土地利用/覆蓋類型時間段內的面積變化量;X*代表某土地利用/覆蓋類型初始面積;Rmin代表時間段內所有土地利用/覆蓋類型面積變化率的最小值;Rmax代表時間段內面積變化率的最大值。

2010和2020年福州都市圈整體范圍和各主體功能區范圍各土地利用/覆蓋類型面積及變化量詳見表3。2010—2020年各區域范圍主要以建設用地面積大幅增加和耕地林地草地面積減少為主要表現,各區域中面積減少占比最大都是耕地,其中重點、優化開發區域中建設用地的擴張還伴隨著水域面積的減少,表明各主體功能區以發展為主要目的,經濟發展期間建設用地的擴張多占用農業用地,同時伴隨著林地和草地等生態用地的調整。與絕對無量綱值方法相比。根據各土地利用/覆蓋類型歷史面積計算得到的相對無量綱值可以避免由于各地類初始面積占比過大或過小的差異伴隨著面積變化劇烈而導致絕對無量綱值極端的問題。因此采用相對無量綱值方法計算結果(表4)作為鄰域因子權重值,可以更好地表征區域內土地利用/覆蓋類型的擴張強度規律。

表3 福州都市圈2010和2020年各功能區土地利用/覆蓋類型面積及變化量 km2

表4 各功能區土地利用/覆蓋類型歷史變化量相對無量綱值

(4)轉換成本矩陣設置。轉換成本矩陣是指各土地利用/覆蓋類型間的轉變規則,0表示各土地利用/覆蓋類型間不可以轉變,1表示可以轉變。理論上各種轉變都是被允許的,但是針對不同主體功能區受規劃政策影響,在經濟和生態等方面發展方向不同,故在不同主體功能區中各土地利用/覆蓋類型間轉換成本并不相同[13]。

分區模擬中,針對不同主體功能區的發展現狀和政策規劃,設置了4種不同的轉換成本矩陣(表5)。重點開發區域以經濟發展為主,主要分布于東部沿海區域,地勢相對平坦,適合人類生活和經濟發展,區域內應加快推進城鎮化,除建設用地不能轉換成其他用地,其他土地利用/覆蓋類型間可以相互轉換;優化開發區域以高質量發展為主,地跨閩江流域,城市發展規模已經較為完善,區域內應控制開發強度,對水域保護進一步加強;限制開發區域以保障農業發展為主,集中分布于研究區的中部且地勢較高,區域內包含農產品主產區,應保證耕地發展,控制建設用地的侵占能力;禁止開發區域以保護生態安全為主,森林覆被率高,2020年該主體功能區內林地面積占比達75.35%,包含保障全省生態安全的重要區域,在該區域內各類用地保護等級由高到低排序為:林地、耕地、水域、草地、未利用土地、建設用地。整體模擬中,將區域整體設置統一轉換成本矩陣和鄰域因子權重,對土地利用/覆蓋結構進行模擬預測。在區域中兼顧人地和諧及綠色發展理念,按照綜合發展的需求,將各地類轉換等級由高到低排序為:建設、林地、耕地、水域、草地及未利用土地,高等級不能向低等級轉變,以此設置轉換成本矩陣[16]。

表5 各功能區轉換成本矩陣

(5)未來像元參數設置。Markov模型基于初始年份各土地利用/覆蓋類型的像元數來預測未來土地利用/覆蓋類型目標像元數,具有無后效型。為提高模擬精度,本文以2000,2010和2020年土地利用/覆蓋數據為基礎,分別預測2020和2030年土地利用/覆蓋類型目標像元數。計算公式為[13]:

式中:St,St+1分別表示t時刻和t+1時刻的土地利用/覆蓋狀態;Pij表示在t時刻土地利用/覆蓋類型i轉變為j的概率。

(6)土地利用/覆蓋模擬模型。將適宜性概率分布圖層、各地類鄰域因子權重、轉換成本矩陣和目標像元數等參數輸入CA模型,通過不斷地循環迭代使模擬不斷逼近目標值,模擬預測目標年份的土地利用/覆蓋空間分布[8,24]。

1.3.2 土地利用強度計算

(1)單一土地利用類型動態度。單一土地利用類型動態度是衡量單一種土地利用/覆蓋類型動態變化指標,體現研究區域在一定時間范圍內某種土地利用/覆蓋類型的數量變化情況[25],表達式為:

式中:V為研究時段內單一土地利用類型動態度;Aa為研究初期某種土地利用/覆蓋類型的面積;Ab為研究末期某種土地利用/覆蓋類型的面積;T為研究期時段長。

(2)綜合土地利用類型動態度。綜合土地利用類型動態度是反映研究區域中時間段內綜合土地利用/覆蓋類型數量變化程度指標[26],其表達式為:

式中:R表示研究區域土地利用類型綜合動態度;ΔAij為研究時段內第i類土地利用/覆蓋類型轉化為第j類土地利用/覆蓋類型面積的絕對值;Ai為研究時段初期第i類土地利用/覆蓋類型的面積。

(3)土地利用程度綜合指數。反映了人類對土地資源開發利用的廣度和深度。根據莊大方[27]所提出的綜合分析法,可以計算土地利用程度,掌握區域土地開發利用的綜合水平。其計算公式為:

式中:La為土地利用程度綜合指數;n為土地利用程度分級數;Ai指第i級土地利用程度分級指數,參照前人研究得到土地利用程度分級賦值[26],耕地、林地、草地、水域、建設用地和未利用土地的分級指數分別為3,2,2,2,4,1;Ci是第i級土地利用程度面積比例。

2 結果與分析

2.1 土地利用/覆蓋適宜性概率空間分布

利用ANN模型生成2010和2020年福州都市圈各土地利用/覆蓋類型的適宜性概率分布圖層(圖3—4),從而獲得各地類的空間分布格局,適宜性高的區域多分布于該土地利用/覆蓋類型空間周圍,耕地的適宜性區域主要分布在地勢平緩和沿海人口聚集區域;林地和草地的適宜性區域大面積重合,連片分布于非沿海區域;水域主要分布在閩江流域以及現有水系和沿海的周邊區域;建設用地的高適宜性區域主要以福州和沿海城市群為中心,向周圍逐步遞減,沿海岸線城市呈現出聯合發展的可能。

圖3 福州都市圈2010年各土地利用/覆蓋類型適宜性概率分布

2.2 模擬精度檢驗

為檢驗FLUS-Markov模型分區模擬精度,對2020年各主體功能區土地利用/覆蓋空間分布進行模擬,將模擬結果與實際情況進行對比(圖5),并用kappa系數進行檢驗。重點、優化、限制和禁止開發區域在20%隨機采樣時的kappa系數分別為0.94,0.91,0.85,0.98,均大于0.75,總體精度分別為96.27%,94.04%,92.45%和99.30%,均大于90%,表明在以上參數設置的基礎上該模型具有較高的可信度,FLUSMarkov模型能反映區域土地利用/覆蓋空間變化規律,可以對2030年主體功能區土地利用/覆蓋空間分布進行模擬。

圖5 福州都市圈2020年土地利用/覆蓋現狀及模擬結果

2.3 分區模擬與整體模擬土地利用/覆蓋結構對比

將分區模擬和整體模擬兩種模擬方式下模擬得到2030年土地利用/覆蓋空間分布結果裁剪至不同主體功能區范圍,從土地利用動態度和土地利用程度等指標來量化對比(表6),探究兩種方式模擬所得土地利用/覆蓋空間結構與都市圈各功能區發展目標貼合度。對比單一土地利用動態度指數發現,整體模擬結果中限制開發區域耕地的擴張趨勢符合區域規劃要求,動態度為0.14%,但所有區域林地都在縮減,重點和優化開發區域的建設用地發展強度不夠,比分區模擬結果低0.31%和0.02%,限制和禁止區域的建設用地分別有0.71%和0.78%的擴張。而分區模擬結果中隨著區域生態保護力度逐漸加大,水域的單一動態度有遞增的梯度變化,隨著區域經濟發展力度的減弱,建設用地的單一動態度逐漸減小,這與區域發展目標更貼合。對比綜合土地利用動態度和土地利用程度指數發現,整體模擬的重點和優化開發區域土地利用/覆蓋變化相對更平緩,土地利用程度相對較低,低效閑置土地相對更多,而限制和禁止開發區域土地利用動態度高,土地利用程度相對更高,更容易導致生態脆弱。綜上所述,與整體模擬相比,分區模擬的未來土地利用/覆蓋模擬結果與主體功能區未來發展目標更貼合,可以根據福州都市圈各主體功能區的發展目標提供土地利用/覆蓋發展方向的科學預測。

表6 福州都市圈2020—2030年分區模擬和整體模擬各功能區土地利用動態度對比

圖4 福州都市圈2020年各土地利用/覆蓋類型適宜性概率分布

2.4 2030年土地利用/覆蓋分區模擬結果與分析

繪制福州都市圈各主體功能區2030年土地利用/覆蓋分區模擬結果(如圖6所示),并統計2020—2030年各主體功能區內土地利用/覆蓋類型面積及比例變化量(表8)。重點開發區域中,建設用地作為面積變化量最大的土地利用/覆蓋類型,增加了320.24 km2,比例增長1.48%。其中233.69 km2主要來源于耕地,67.20 km2來源于水域。利用?；鶊D對區域土地利用/覆蓋轉移方向進行可視化處理(圖7)。同時,計算各縣區內建設用地單一動態度表示建設用地擴張強度(表7),發現2030年用地空間增長多分布于沿海城市[27],以莆田市、福州市(長樂區、閩侯縣、福清市)和平潭綜合實驗區等城市為中心向外擴張的形勢(圖8),建設用地聯合發展態勢進一步加強;該區域內耕地面積減少幅度最大(達153.23 km2),比例減少0.71%,有78.48 km2林地和20.59 km2水域轉入,但仍小于耕地轉出面積;而林地和水域面積減少62.63和88.79 km2,大部分轉入了耕地和建設用地。從空間變化來看,沿海區域與山區發展不平衡問題較為突出,隨著沿海城市建設速度的加快,城市擴張和工業發展會占用大量的耕地等生產用地,并割裂生態用地,該模擬結果符合區域對土地利用/覆蓋發展方向的基本判斷。

表8 福州都市圈2020—2030年各主體功能區土地利用/覆蓋類型面積及比例變化量

圖6 福州都市圈2030年土地利用/覆蓋模擬結果

圖7 福州都市圈重點開發區域2020—2030年土地利用/覆蓋轉移情況(km2)

圖8 福州都市圈2020—2030年建設用地擴張空間分布

表7 福州都市圈各縣區建設用地擴張強度

優化開發區域中建設用地擴張面積最大,達17.75 km2,所占比例增長1.76%,多集中于福州市倉山區周圍;耕地約有16.71 km2減少,所占比例減少1.66%,其中15.60 km2轉入建設用地;林地有耕地和草地的轉入,面積增加2.56 km2;而草地和水域有不大于3 km2的小幅減少。限制開發區域中各地類面積變化都小于3 km2,且變化分布范圍較為零散。建設用地的發展速度有所控制,耕地和草地仍有小面積的減少,且多轉向林地,林地增長2.98 km2。禁止開發區域中各地類面積變化幅度較小,均小于1.5 km2。其中建設用地向草地、水域等其他地類轉化,面積有小幅縮減;林地和水域有草地的轉入,各自有1 km2左右的面積增加,資源承載能力增強。

3 討論與結論

3.1 討論

FLUS-Markov模型中參數設置是提高模型模擬精度的關鍵。本文考慮區域發展差異性,提出一種基于不同主體功能區的分區模擬預測方案,從而實現研究區未來國土空間格局模擬,增加了模型對大尺度區域模擬的適用性,但在模擬過程中仍然存在一些不足。

(1)在鄰域因子權重的確定方面,有學者采用經驗賦值法或基于歷史面積變化量確定模型參數等方法[10]。本文考慮研究區域各地類初始面積差異性的影響,提出一種客觀判斷的參數設置方法,將各土地利用/覆蓋類型歷史面積變化量的相對無量綱值表示地類的擴張強度,并運用于FLUS-Markov模型中模擬2020年土地利用/覆蓋空間分布,模擬精度kappa系數均在0.85以上,說明該方法適用于該研究區域未來土地利用/覆蓋模擬,但是否具有普適性仍需要更多區域的實踐證明。

(2)在驅動因子的設置方面,土地利用/覆蓋變化受自然環境、人類社會、政策規劃、地域文化等多種驅動因子的復雜影響。但由于部分數據難以量化獲取,導致驅動因子的設置并不全面。因此,在未來研究中應全面、綜合考慮驅動因子復雜性和代表性,可以更精準地預測土地利用/覆蓋空間分布格局。

(3)在限制區域的設置方面,區域內包含大面積耕地保護區和自然保護區等關系到區域糧食安全、生態安全等區域。若以永久基本農田和各級自然保護區為剛性底線融入國土空間模擬預測中,可以得到更切合的模擬結果。

3.2 結論

(1)在研究區域內基于歷史情景的各土地利用/覆蓋類型歷史面積變化量的相對無量綱值能很好代表各地類的擴張強度,可以作為鄰域因子權重參數設置。因此,將該參數結合考慮空間異質性特征的適宜性概率分布計算和轉換成本矩陣等參數的設置,經精度檢驗,各主體功能區模擬結果總體精度均在90%以上。這表明在這種參數組合下,FLUS-Markov模型適用于對未來土地利用/覆蓋進行模擬。

(2)利用土地利用動態度和土地利用程度等指標對分區和整體模擬結果進行量化對比,發現分區模擬結果與主體功能區劃的發展目標更加吻合。分區模擬結果表示,2030年各主體功能區均有耕地、草地的減少;重點、優化發展區域面積變化量最大的為建設用地,分別增加了320.24和17.75 km2,多分布于沿海城市,且大部分來源于耕地轉入;限制、禁止開發區域各土地利用/覆蓋類型面積變化幅度不大,均小于3 km2。

(3)福州都市圈內分區模擬結果基本符合主體功能區劃土地利用/覆蓋未來發展方向,模擬結果可為研究區未來國土空間規劃及生態空間管控提供決策參考。