通过交互网络揭示土地竞争机制：一种基于一致性挖掘与仿真模型，该模型整合了不同土地利用方式之间的抑制效应

《Landscape and Urban Planning》：Unveiling land competition through interaction networks: A consistency-based mining and simulation model that integrates inhibiting effects of land uses

探索多用地利用竞争机制与空间模拟优化研究。提出intPLUS模型，通过一致性模拟与随机森林分析，量化土地系统竞争中的驱动与抑制效应，应用于武汉案例，验证了该模型对土地利用变化预测的30%和13%精度提升。

　　土地利用的相互竞争关系是理解土地系统演化过程的重要基础。然而，如何准确量化这些竞争关系仍然是一个挑战。传统土地利用模拟研究通常忽视了空间适宜性图、邻域聚集效应以及多类土地利用的随机性对土地利用转换的幅度差异影响，因此未能全面揭示不同土地利用之间的驱动与抑制关系。为了解决这一问题，本文提出了一种基于一致性模拟的交互网络发现模型，称为intPLUS，旨在探索土地利用之间的交互关系，并提升未来土地利用变化的预测准确性。该模型通过对数变换将权重嵌入到多种影响因素中，包括不同土地利用之间的相互抑制效应，这些效应驱动土地利用的演化过程。同时，通过随机森林（RF）模型对正确预测的土地利用变化进行分析，以探索不同土地利用之间驱动与抑制效应的权重。该模型被应用于中国武汉市，该市是中国中部地区的重要城市，存在食物安全、经济发展和生态系统保护之间的激烈竞争。研究结果表明，耕地受到显著的抑制，并且受到其他土地利用类型的限制。通过应用交互网络，模型在校准和未来分配过程中分别提升了30%和13%的准确性。intPLUS模型充分利用了空间模拟过程中的一致性信息，所得到的土地利用交互网络为深入理解空间竞争提供了新的视角。

社会经济的发展在过去几十年中导致了土地利用的显著变化，并对区域环境产生了深远影响。土地利用变化反映了确定性过程与随机性过程之间的相互作用，如土地利用适宜性、竞争关系、邻域效应和野火等。其中，土地利用竞争源于有限资源的分配问题，对于维持生态系统的平衡和人类的福祉至关重要。随着气候变化带来的土地利用法规和利益相关方数量的增加，未来土地利用竞争预计会进一步加剧。长期以来，人们普遍认为竞争在决定土地利用结构和功能方面起着核心作用，特别是在土地利用决策者面临城市发展的增长需求与保障未来粮食和生态安全的责任时，这一作用尤为突出。因此，结合土地利用确定性和随机性过程的模拟建模方法，为指导土地资源分配和空间政策制定提供了新的可能性。然而，现有的土地利用模拟模型存在结构性问题，例如基于单元自动机（CA）模型的方法（详见第2节），大多数研究在隐含假设下认为邻域效应和土地利用适宜性对土地利用转换具有相等的影响，包括广泛应用的CLUE-S、FLUS等模型。这一假设在现实中很少成立。例如，在城市扩张过程中，邻域效应可能是推动土地利用变化的主要因素；而在跳跃式发展过程中，由于土地成本较低，土地利用适宜性或竞争优势可能取代邻域效应的影响。此外，这些过程的影响可能在不同土地利用类型之间有所差异。例如，位于城市边缘的农业用地可能更容易被转变为不透水地表，而被森林包围的农业用地则不一定发生这种转变。为此，一些学者尝试为不同影响因素分配不同的权重，以反映其对土地利用变化的不同作用。然而，这些权重大多是基于专家知识主观设定的，可能无法准确捕捉土地利用变化的真实机制，从而导致模拟误差的增加以及模拟结果与实际土地利用之间的一致性下降。目前，仍缺乏一种结构化的框架来表征和量化土地利用之间的相互作用。

在以往的研究中，土地利用的模拟一致性与误差包含了关于土地利用相互作用的重要信息，例如不同土地利用类型之间的相互作用和竞争方式。为了应对上述问题，本文提出了一种基于一致性动态模拟的土地利用交互网络挖掘方法，即intPLUS模型，旨在揭示区域土地利用变化的交互关系。该模型的设计原理在图1中进行了说明。研究目标包括：1）如何在模拟模型中引入其他土地利用类型的影响；2）如何嵌入对应影响因素的权重；3）如何挖掘和应用这些权重。同时，该模型还包括解决这些问题的相应设计，为理解本研究的整体结构提供了指导。intPLUS模型被应用于中国武汉市，该市是中部地区的主要城市，存在食物安全、经济发展和生态系统保护之间的激烈竞争。1990年至2013年间，武汉市的湿地面积减少了28平方公里，其中包括沙湖的77%和南湖的52%。因此，探索武汉市的土地利用竞争对于有效的生态管理和可持续发展至关重要。

现有的土地利用变化模拟模型通常基于邻域聚集效应和空间适宜性图，这些模型在描述土地利用动态和预测未来变化方面具有广泛应用。例如，Dyna-CLUE模型和PLUS模型（Liang等，2021a, 2021b）均采用了类似的方法。邻域聚集效应是指周围土地利用类型对中心土地利用类型的影响，而空间适宜性图则反映了多种人为-环境驱动因素对土地利用变化的影响。然而，这些模型在处理不同土地利用类型之间的相互作用时，往往未能充分考虑其复杂的动态关系。因此，为了更准确地模拟土地利用变化，需要引入一种能够捕捉土地利用之间相互影响的机制，从而提升模拟结果的准确性与一致性。

intPLUS模型的设计包含五个关键步骤。首先，引入传统因素的逆概率作为其他土地利用类型对特定土地利用类型的抑制效应（详见第3.1节）。其次，采用对数变换来实现对每个概率因素的权重嵌入（详见第3.2节）。第三，采用两步模拟框架进行建模过程（见图2）。在该过程中，所有效应的权重默认设置为1.0，以获得初始的模拟结果。第四，通过一致性分析，提取不同土地利用类型之间的交互网络贡献值。第五，利用随机森林模型挖掘这些贡献值，从而优化模型的预测能力。通过这种方式，intPLUS模型能够更全面地反映土地利用之间的相互作用，并提升未来土地利用变化的预测精度。

研究区域为武汉市，该市位于中国中部，是湖北省的省会，总面积为8,494.41平方公里。武汉市地处长江与汉江交汇处，其中四分之一的面积被水域覆盖，包括湖泊、河流和港口。该市是中国中部的重要城市之一，2020年时人口已达到1226.5万。武汉市的地理位置在图4中进行了展示。该市的快速城市化和经济增长对土地利用格局产生了显著影响，特别是在农业用地向城市建设用地转化的过程中，土地利用竞争尤为突出。因此，选择武汉市作为研究对象，不仅能够体现模型的实际应用价值，还能为区域土地利用管理提供科学依据。

通过intPLUS模型，我们得到了1980年至2000年以及2000年至2015年两个时间段的初步模拟结果。在进行一致性分析后，我们能够提取出这两个时间段内土地利用交互网络的贡献值。在动态模拟过程中，采用了一个3×3的Moore邻域结构，以反映不同土地利用类型之间的相互作用。在权重挖掘过程中，我们将随机森林模型的树的数量设置为20，采样率设置为0.1。图5展示了intPLUS模型在两个时间段内的模拟一致性图（Hits）。大多数区域的Hits值表明，土地利用变化的模拟结果与实际数据之间存在较高的一致性。这不仅验证了模型的有效性，也为进一步优化模型提供了依据。

土地利用的相互竞争关系在参数化和可视化方面存在较大难度。在以往的研究中，缺乏结构化的框架来量化和表征土地利用之间的竞争关系。本文提出的intPLUS模型能够发现土地利用竞争的交互网络，并利用该网络提升未来土地利用的预测能力。该模型为揭示和解释土地利用变化的复杂竞争机制提供了一种有效的工具。同时，该模型为土地利用研究提供了一个结构化的框架，有助于更系统地分析土地利用变化的驱动因素和抑制因素。

通过intPLUS模型的应用，我们发现耕地在土地利用变化过程中受到显著的抑制，并且受到其他土地利用类型的限制。这表明，在城市扩张和经济发展过程中，耕地的保护和可持续利用面临严峻挑战。此外，不同土地利用类型之间的相互作用和竞争关系也呈现出明显的区域差异。例如，在某些区域，邻域效应可能成为推动土地利用变化的主要因素，而在另一些区域，土地利用适宜性或竞争优势可能起主导作用。这种差异性表明，土地利用变化的模拟需要充分考虑区域特性和土地利用类型之间的复杂关系。

本文提出的方法在应用过程中取得了显著成效。通过intPLUS模型，我们不仅能够更准确地模拟土地利用变化，还能提升未来土地利用的预测能力。该模型通过引入对数变换，能够有效嵌入不同影响因素的权重，从而更全面地反映土地利用之间的相互作用。同时，通过随机森林模型对模拟结果进行分析，能够进一步优化模型的预测精度。此外，该模型还能够提供一种可视化工具，帮助研究人员更直观地理解土地利用之间的竞争关系。这些优势使得intPLUS模型在土地利用研究领域具有重要的应用价值。

在实际应用中，intPLUS模型能够有效应对土地利用模拟中的复杂问题。通过引入对数变换，模型能够更准确地嵌入不同影响因素的权重，从而提升模拟结果的一致性。同时，通过随机森林模型对模拟结果进行分析，能够进一步优化模型的预测能力。此外，该模型还能够提供一种结构化的框架，帮助研究人员更系统地分析土地利用变化的驱动因素和抑制因素。这些特点使得intPLUS模型在土地利用研究中具有较高的实用性和科学性。

本文的研究成果表明，intPLUS模型在土地利用变化模拟中具有显著优势。通过引入对数变换和随机森林模型，该模型能够更准确地捕捉土地利用之间的相互作用，并提升未来土地利用变化的预测精度。此外，该模型还能够提供一种可视化工具，帮助研究人员更直观地理解土地利用之间的竞争关系。这些成果不仅为土地利用研究提供了新的方法，也为土地资源管理和可持续发展提供了科学支持。因此，intPLUS模型的应用具有重要的现实意义和研究价值。