文摘

土地利用/覆盖变化(LUCC)是全球环境变化的重要组成部分。这项研究预测未来土地利用/覆盖的结构的基础上,全球变化评估模型(GCAM)和社会经济因素的计量经济模型作为驱动力。未来中国土地利用/覆盖的空间格局与动态模拟的土地制度(DLS)照常营业的情况下,经济快速增长的场景和环境可持续性的合作情况。仿真结果表明,土地利用/土地覆盖在中国会改变不断由于人类活动和气候变化和土地利用/覆盖的空间格局也将改变随着时间的流逝。此外,空间格局下中国的土地覆盖三种情况总体上是一致的,但在一些地区差异。建筑面积将增加迅速在三种情况下,虽然大多数土地覆盖类型将显示一个下降的趋势不同程度在不同的场景。仿真结果可以提供一个潜在的地表数据和参考LUCC的预测方法研究。

1。介绍

土地利用/覆盖变化(LUCC)是全球环境变化的重要组成部分,它一直是学术界关注的焦点(1]。1995年国际岩石圈生物圈计划(IGBP)和国际人类维度计划对全球环境变化(IHDP)共同启动了土地利用/覆盖变化研究项目,以及LUCC仍然是核心内容之一的全球土地项目(GLP)联合发起的2005年IGBP和IHDP [2,3]。研究表明,LUCC不仅影响陆地生态系统的生物多样性,能量平衡,水循环也施加影响气候和社会经济4,5]。LUCC扮演着一个重要的角色在区域和全球环境变化,和它的影响可以超越时间尺度通过全球陆地相互作用[6]。

LUCC研究的核心部分包括驱动力、驱动机制、LUCC的效果,和模型模拟(7,8]。在过去的几十年中,不同领域的学者非常关注LUCC,主要集中在时空变化,驱动机制、生态环境影响,和模拟LUCC [8,9]。LUCC的时空分析研究主要集中在数量和空间格局的变化(10),而LUCC的驱动机制研究中发挥着重要作用揭示LUCC的基本过程及其驱动因素,预测未来变化和制定相应的政策。目前,已经有各种模型,揭示了机制,探索驱动因素,模拟LUCC的动态过程(10- - - - - -15]。

LUCC的模拟研究主要集中在模型用来预测未来LUCC,主要包括实证统计模型、基于代理模型,方法基于网格的相邻关系和动态模拟的土地制度11,16]。经验统计模型可以用来提取LUCC的主要驱动因素,并探索其时空过程的原因。土地利用及其影响的转换(线索)模型和转换小区域的土地利用及其影响程度(CLUE-S)模型是两个代表经验统计模型(17,18]。然而,这通常是一个非常大的空间规模和低分辨率与线索模型用于模拟,而CLUE-S主要应用在区域土地利用的动态模拟小尺度(11,19]。土地利用结构变化的模拟与基于代理模型(ABM)有很多优势,但它通常集中于小型研究区域(20.]。细胞自动机(CA)模拟细胞进化的过程规则,但它需要不同的空间统计方法协助检测(21]。许多学者试图探讨土地利用变化与其他方法和模型,如土地利用动态程度模型(22),模型识别的驱动力(23),而土地制度(DLS)的动力学模型。DLS模型能够模拟LUCC的空间动态,和案例研究表明,它是一种有效的工具来模拟土地利用变化的过程(11,24]。

LUCC研究取得了巨大成就,但它仍远远无法满足需要缓解和适应全球环境变化。解决的主要问题之一是,目前仍没有时态数据和当前LUCC的驱动力的研究只是从简单的角度;因此,迫切需要获得LUCC的长期时态数据参数。为了解决这个问题,本研究模拟了中国的土地利用结构变化与全球变化评估模型(GCAM)和社会经济因素的计量经济模型作为驱动力。然后成立一个计量经济学模型,用于预测建筑面积变化和土地利用的变化趋势模拟是基于社会经济发展的不同场景。此后DLS模型被用来预测未来中国LUCC的空间模式,可为相关研究提供时间底层表面数据。

2。场景设计和降尺度模拟方法

2.1。场景设计

在这项研究中,三个场景设计是根据中国历史社会经济发展的特点,包括一切照旧(BAU)情况下,快速的经济增长(注册)的情况下,和合作环境可持续性(CES)的场景。鲍起静的场景主要反映了未来人口和经济的变化趋势,提供土地利用变化的基本趋势。基于鲍起静场景中,REG场景和CES场景设计的主要风险和调整方向中国中长期发展计划。假设鲍起静场景下的城市化和工业化将会继续,全要素生产率(TFP)是代表科技进步发展历史发展趋势后,和中国的人口将在2030年代达到顶峰,但是,人口增长率会逐渐减少。REG场景假设产业结构调整顺利进行,资源配置和产业结构更合理,而经济增长的速度将保持稳定。在CES场景下,人口增长率低于鲍起静场景下,城市化率相对较低,国内生产总值将增加率较低(表1)。

2.2。数据

在这项研究中使用的输入数据包括基线结构土地利用/覆盖数据和社会经济历史数据用于GCAM模型、计量经济学模型中使用的历史社会经济数据,和基线土地利用/覆盖数据和一些驱动因素的数据用于DLS模型。

土地利用/覆盖变化的基线数据来源于中国国家基础研究项目的数据集。这些空间分布数据,使用的最初2000年土地利用配置数据GCAM模型也可以获得。最初建立的数据集1公里1公里网格规模使用土地利用/覆盖分类系统的美国地质调查局(USGS)基于遥感图像和地面信息2000(图1)。社会经济数据包括人口、人口密度、人均收入增长率,农业人口的比例,城市化率,GDP和价格指数的石油,天然气,煤,水电,得到的统计年鉴和其他统计数据。基本的输入参数,它们用于GCAM模型。

DLS模型的输入变量驱动因素包括自然环境数据和社会经济数据。自然环境包括气候的基本地理信息数据集,数据位置、地形和土壤性质。本研究中使用的气象资料,包括近地表温度和降水,都从中国气象局气象监测站,被填充到1公里分辨率网格数据与克里格插值算法,并得到了1998年至2002年的年度平均值。位置数据包括网格距离数据和社区土地利用/覆盖结构数据。其中,网格距离数据是每个网格中心的距离数据到最近的道路(包括高速公路、国道、省道、县道,和其他道路),省会城市,城市水体,港口,提取和计算基于1:250000基础地理信息数据。数据的土地利用/覆盖结构计算的面积比例相同的土地利用/覆盖类型与目标网格的矩形范围1111网格周围目标网格。包括坡度、地形数据方面,平原面积比、海拔、地形、和其他数据。坡度和高程数据提取基于1:250000数字高程模型。土壤属性数据集来自空间的土壤属性数据1:1000000土壤数据库建立在中国第二次土壤普查与克里格插值插值算法。这个数据集包括壤土的数据比例,有机质含量、氮含量、磷含量,钾含量,快速有效磷的含量,快速的内容可用钾,和pH值。

2.3。模型

在这项研究中,GCAM模型、计量经济学模型和DLS模型被用来模拟土地利用/覆盖数据从2000年到2100年在三个场景。前模型被用来模拟土地利用结构数据的5类,后者是用来模拟空间分布的土地覆盖数据基于模拟的24类结构数据从2000年到2100年。

农业和土地使用GCAM (AgLU)模块和模拟土地利用变化的趋势在未来三种情况下的数据被用来完成土地利用结构模拟。AgLU模块是一个动态的部分均衡经济模式,和AgLU模型的核心是一种机制,分配土地农田、草原、森林地区,其他的土地和经济回报从每个土地利用类型在每个区域最大化。土地利用变化的三个主要驱动因素是人口增长、收入增长,未来自主增加作物产量。

由于没有模拟函数组合区域GCAM模型,设置和使用计量经济学模型来模拟组合区域。为了优化仿真结果,计量经济学模型中的系数校准根据变化的人口,GDP逐年和城市化率。

GCAM模型的主要驱动因素是GDP和人口城市化没有比参与;因此,城市化比率变量应该被添加。美国城市地理学家在平时(1969)研究城市化进程中在世界上不同的国家28,29日]。他的研究表明,城市化进程中被表示为一个美国因此,方程建立了如下: 在哪里代表了城市化比率,表示时间,和是参数。它可能是畸形的如下:

城市化率多年来获得了从统计年鉴》,根据该参数和在公式得到的模拟。因此,城市化的计算方程如下: 之后,对组合的影响区域人口,GDP和城市化比例作为社会经济指标估计通过计量经济学模型如下: 在哪里代表组合区域的面积,代表人口,是国内生产总值,城市化率,是拦截。是随机误差项,它是一个独立的随机变量与其他解释变量,它与零假设服从正态分布的期望和方差齐性。

DLS模型是一个有用的工具来模拟区域土地利用的空间格局的变化(26,30.]。它是用来预测的时空模式全国LUCC研究。DLS模型假定土地利用模式的变化是受历史土地利用模式和像素和相邻的像素内的驱动因素11]。

DLS模型用于模拟包括三个模块:驱动力分析模块、场景分析模块,和空间分配模块。DLS模型分析了土地资源的供需平衡电网规模通过空间分配模块,可用于实现土地利用的结构数据的空间分配,以模拟LUCC不同场景下(11,24]。DLS模型提供了关于土地制度结构的变化响应函数。和基于适宜性评价的土地利用类型分布、DLS将表达的空间占主导地位的区域变化场景土地评估系统结构的响应函数。DLS表达的难度从一种土地类型转换到其他土地类型通过定义转换规则。空间分配模块计算网格的数量分配。至于网格需要分布,模型计算的概率分布不同的土地利用/覆盖类型和分配。

3所示。模拟在中国LUCC的模式

3.1。模拟方案

仿真方案如下。LUCC的结构数据的基础上模拟GCAM结合计量经济学模型。然后根据美国地质调查局的分类和GCAM分类的对应表(表2),数据要求每个土地利用/覆盖类型的美国地质调查局的分类在2010 - 2100年期间每年通过分配LUCC的土地面积结构的数据,与原面积的比例每个土地利用/覆盖类型在去年的重量: 在哪里预测区域的吗th土地利用/覆盖类型的美国地质调查局的分类;预测区域的吗th土地利用/覆盖类型的美国地质调查局的分类;预测区域的吗kth土地利用/覆盖类型的美国地质调查局的分类,对应jth土地利用/覆盖类型的年GCAM分类。

3.2。结果

将来在中国LUCC的结构数据模拟GCAM结合计量经济学模型的基础上根据场景,REG的场景,这些场景。2001 - 2100年期间中国LUCC与DLS模型模拟研究中。在未来,中国的土地利用/覆盖将不断改变与人类活动和气候变化和土地利用的空间格局将改变随着时间的流逝。

(1)模拟LUCC的变化。在这项研究中,我们模拟的变化在中国LUCC将来使用GCAM模型结合计量经济学模型三种情况下(图2)。模拟结果表明不同土地利用/覆盖的变化趋势在三个不同的场景。

总的来说,人口密集的地方,和林业区域将显示一个三种情况下增加的趋势。相反,农田、草地和水域三种情况下会显示一个下降的趋势。然而,草原和森林面积变化最快的速度在这些情况下,REG场景下的最低水平,而其他类型变化在CES场景和最低REG的最快速度。

统计分析的仿真结果表明,土地覆盖变化如下。建筑面积将增加最快的面积在2000 - 2100年期间,10年增长率达到了3.86%,5.05%,和2.98%的鲍起静场景下,REG场景,分别和CES场景。组合区域的面积将增加2010 - 2060年间迅速下鲍起静场景和CES的场景中,在这10年增长率达到0.54和044万公顷,分别。但后者期间,10年增长率会慢下来,分别达到0.15和008万公顷,。REG场景下组合区域往往是快速的增加趋势在整个2010 - 2100,10年增加率达到050万公顷,建筑面积达到505万公顷的面积。相比之下,耕地和水域都显示出减少的趋势在所有三个场景,尤其是REG场景中,10年下降率达到0.23%和1.28%,分别。鲍起静场景和CES场景下,这两种土地覆盖类型的变化往往会慢下来,10年下降率达到0.19%和0.15%,分别为1.17%和1.03%。林业领域向我们表明,面积增加到19.77,17.74,和2279万公顷鲍起静场景下,REG场景,分别和CES场景。草原鲍起静场景下显示一个下降的趋势,REG场景,这些场景,下降率为3.12%,2.67%,和3.80%,分别。

(2)土地利用/覆盖变化的空间格局。仿真结果表明土地覆盖的空间模式在中国三个场景总体上是一致的,但在一些地区差异(图3)。土地覆盖的空间模式在中国的未来是这样的。城市和建设用地位置、有特殊要求的空间格局和未来建设用地将显示显著的区域分化自然因素的共同影响下,社会经济因素,地形条件,等等。在中国东部的城市和建设用地将继续聚集在三大平原地区(即。,Northeast China Plain, North China Plain, and Middle-Lower Yangtze Plain), Yangtze River Delta, and Pearl River Delta, and it will show an expanding trend on the original basis. In the western part of China, the urban and built-up land will mainly concentrate in the regions such as Sichuan Basin, Guanzhong Basin, Hetao Plain, Hexi Corridor, and oases in Xinjiang Province. While with the implementation of policies to exploit the land resources on the low hill and gentle slope, the land in hills with gentle slope, mountains, and plateaus may also become urban and built-up in the future.

如旱地农田和牧场,农田灌溉农田和牧场,混合旱地/灌溉农田和牧场,农田和草地马赛克,和农田林地马赛克,仍将是连续分布在三大平原地区(即。,中国东北平原、华北平原和长江空平原),四川盆地、河西走廊,在新疆绿洲,等等。除此之外,它还将聚集在冲积平原和一些地区的低山和缓坡。此外,在农田之间的边缘地带,草原、林地,可能会有一些farming-grazing或farming-forestry交错群落,其中包括各种土地覆盖类型。

草原将主要位于内蒙古,中国西部青藏高原的一部分。在中国的东部,草原的地区主要分布在低山和缓坡,它通常会是混合着农田和林地。会有伟大的地区分布的异质性土地覆盖类型主要包括林地、灌丛带等混合灌丛带/草地、落叶阔叶森林,落叶needleleaf森林,常绿阔叶林、常绿needleleaf森林,混交林。在中国的北部,林地将主要位于中国东北,例如,大Khingan山脉,较小Khingan山脉,长白山,辽东盆地。而在东南部(例如,岭南地区,台湾),西南部分(例如,云贵高原、四川盆地和广信省),和林地将主要分布在丘陵和山脉的地区。

一些土地利用/覆盖类型,包括水体,草本湿地,树木繁茂的湿地,仍留在原来的地区但将显示一个萎缩的趋势总体上在原来的基础上。在空间模式中,将会有更多的土地利用/覆盖类型在东部和西部;更多的南部和北部。草原上,草本苔原、树木繁茂的苔原和裸露的地面苔原将位于喜马拉雅山脉的高山地区。在中国没有混合苔原。

雪或冰将主要分布在上述地区的高山雪线(天山、祁连山、昆仑山脉和喜马拉雅山脉)在中国西南和西北的一部分。贫瘠的土地或植被稀疏将主要聚集在干旱的沙漠地区定心在塔里木盆地的塔克拉玛干沙漠,柴达木盆地,等等。在中国的西北部,包括高山在青藏高原干旱地区,内蒙古中部、甘肃西北部,等等。

4所示。结论和讨论

在这项研究中,三个未来的场景在中国LUCC设计未来的发展趋势的基础上,社会经济发展和国家政策(如退耕还林)。这项研究预测未来土地利用变化的基础上在中国GCAM和计量经济模型与社会经济因素作为驱动力。未来的空间格局在中国土地利用/覆盖三种情况下与DLS模拟模型及其时空变化终于进行了分析。仿真结果表明,土地利用/覆盖的空间模式在中国的三个场景总体上是一致的,但在一些地区差异。结果可以提供一些参考方法预测的LUCC研究的未来。除此之外,根据不同的场景仿真结果反映了空间格局在未来中国土地利用/覆盖在某种程度上,它具有重要的政策意义和科学支持的土地利用规划和可持续发展社会,可以提供输入气候模型的底层表面数据。

仍有一些不确定性的场景模拟的结果由于不确定未来的土地利用/覆盖变化驱动因素由于土地制度是一个复杂的系统,是人类社会和自然条件密切相关。除此之外,本研究使用的土地利用/覆盖分类系统对应GCAM模型5个类别的分类与24美国地质调查局类别,这也导致不确定性的风险。因此,仿真结果不能代表的实际变化区域不同土地利用/覆盖类型及其空间格局,但他们仍然可以在合理的置信区间好意义在一定程度上由于模型的鲁棒性。需要持续改进模型在未来研究为了获得更高的仿真精度和更合理的仿真结果。此外,更应注意完整应用程序的仿真结果为了使相关规划更合理根据社会经济发展的需要进一步研究。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究得到了国家重点项目在中国发展基础科学(批准号。2010 cb950900;2012 cb955700)和中国国家自然科学基金杰出青年学者(批准号71225005)。作者非常感激三位匿名评论者对他们有价值的评论,有显著提高。