FLUS模型构建
学者在传统元胞自动机（Cellular Automata，CA）的基础原理上对相关模型加以改进（王旭等，2020），并在充分考虑人文因素与自然因素对土地利用的影响下，对模拟土地利用变化和土地利用情景的FLUS模型进行了研究，研发出GeoSOS-Flus软件。GeoSOS-Flus软件作为地理空间模拟、参与空间优化和辅助决策制定的有效工具，能在土地利用变化和未来土地情景的预测中有较好地运用效果。FLUS模型模拟过程包括：基于神经网络的适宜性概率计算和基于自适应惯性机制的元胞自动机两个模块。
软件在运行FLUS模型的模块进行模拟预测前，先采用马尔柯夫链（Markov Chain）预测模拟年份各土地利用类型的像元总量，并作为预测像元数量目标，以备后需模拟预测。再采用FLUS模型中神经网络算法（ANN），选择一期土地利用类型分布数据作为模拟预测初始数据，并充分考虑人文因素和自然因素的影响。为减少出现误差传递的情况，运用均匀采样的方式，获取每个地类的适宜性概率。最后，软件在FLUS模型基于轮盘赌选择的自适应惯性竞争机制运行下，进行土地利用变化过程的模拟。
本研究以精河县1990—2020年四期土地利用分类数据作为基础，运用GeoSOS-Flus软件的两个模块，模拟精河县2010年与2020年土地利用格局，用以验证模型模拟结果的精度及模拟的可行性。
（一）未来目标像元总量的预测
本研究以精河县1990年土地利用数据作为初始年份数据，采用马尔柯夫链（Markov Chain）（张经度等，2020）预测2000年、2010年、2020年、2030年精河县各类土地利用的目标像元数量。
式中，S（t+1）表示预测时刻的土地利用像元数量；St表示初始时刻土地利用像元数量；Pmn表示土地利用类型m向土地利用类型n转换的概率矩阵。
（二）土地利用变化驱动因子的确定
本研究参考王旭等（2020）、王保盛等（2019）的研究成果，并结合研究区土地利用变化实际情况，选取坡度、接近河流欧氏距离、年平均降水量和年平均气温4个自然因子；和道路欧氏距离、人口总量和GDP 3个人文因子，通过ANN计算各土地利用类型在像元上出现的概率。考虑到模型运行的可操作性，统一对输入的数据进行重新采样，将分辨率由30 m降为100 m，并以100 m×100 m的大小作为模型模拟的元胞大小。各因子的获取及处理方法见表8-10，各因子空间分布见图8-18。
表8-10 土地利用变化驱动因子数据信息
续表
图8-18 土地利用变化驱动因子空间分布
续图8-18
（三）情景设置及转换规则
综合研究区目前的资源、环境条件和社会经济技术因素对土地利用设置3种情景进行2030年的模拟预测（表8-11）。
自然发展情景：结合研究区实际情况和土地利用发展状况，对所有土地利用类型不设转化限制进行预测。
基本保护发展情景：在自然发展情景的基础上，适当控制城市用地发展速度，即限制其他地类转换为建设用地，其他土地利用类型之间可相互转换。
生态保护发展情景：参考《精河县土地利用总体规划（2010—2020年）》确定的自然保护区、水源保护区和永久基本农田，将具有重要生态保护作用的林地、草地设定为不可转出区域，但可彼此互转；水体设定为不可转出区域。
表8-11 情景模拟转换成本矩阵
注：“0”代表受限，“1”代表不受限。
（四）模型精度验证
为验证FLUS模型对精河县土地利用模拟预测的适用性，选取1990年、2000年、2010年、2020年四期土地利用现状数据，以10年为步长，分别将1990年、2000年、2010年作为土地利用初始数据，用GeoSOS-FLUS软件自带的Markov模型，预测研究区2000年、2010年、2020年各土地利用类型的像元数量，并以此作为基础，运行软件中基于神经网络的适宜性概率计算和基于自适应惯性机制的元胞自动机两个模块，各模块中参数设置如下。
（1）基于神经网络的适宜性概率计算：输入初始土地利用数据后，采用均匀采样模式，选取研究区范围内像元总数的20％作为研究样本；神经网络隐藏数量设置为12；考虑到研究区的空间尺度，选取单精度作为概率数据的输出类型，导入所选取的7个驱动因子，计算各土地利用类型在每个像元的出现概率。
（2）基于自适应惯性机制的元胞自动机模拟：首先，依次输入初始土地利用数据和已经计算好的适宜性概率数据；其次，在软件自动统计初始土地利用数据像元数的基础上，输入Markov模型预测的未来各土地利用类型的像元数量，作为土地利用类型变化的数量目标；以上述历史发展趋势情景的转换成本矩阵作为限制土地利用变化的约束性条件；参考胡蒙蒙（2017）的研究，将耕地、林地、草地、水域、未利用地、建设用地的邻域因子分别赋值为0.65、0.55、0.65、0.80、0.55、0.90；最后依照GeoSOS-FLUS软件默认选择，将邻域大小设定为3 m×3 m，加速因子设定为0.1，计算线程数设定为8，迭代300次，进行未来土地利用变化模拟预测。
在模拟结果中，按10％进行随机采样，计算Kappa系数及整体精度。结果显示，2000年、2010年、2020年的Kappa系数分别为0.893、0.769、0.859，整体精度分别为0.932、0.893、0.911，模型模拟的精度总体在80％以上，表明模拟预测的土地利用结果与土地利用现状较一致，FLUS模型在研究区的土地利用变化模拟中具有较好的适用性（图8-19）。