基于多层次模型的农户土地利用决策影响因素分析——以陕西省米脂县高西沟村为例

土地利用变化驱动力研究一直是学者们关注的热点问题之一,土地利用驱动力在不同尺度的变化也越来越受学者们关注。论文以陕西省米脂县高西沟村为研究区域,在地形图、航片解译数据及2009年实际测量数据和农户调查数据的基础上,基于多层次模型的理论,借助HLM6.07(student)软件工具,构建从地块(微观尺度)到农户(中观尺度)的二层土地利用决策影响因素模型,试图揭示微观层面土地利用决策的影响因素在不同尺度上的变化机制。研究结果表明:①农户选择种植土豆、谷子作物的土地利用决策与地块的自然因素和农户的社会经济因素有关;②农户种植土豆、谷子行为决策的影响因素存在差异;③将多层次模型应用到从微观尺度到中观尺度分析农户土地利用决策影响因素是符合实际情况的,这为进一步构建影响农户土地利用决策的因素——微观尺度(地块)、中观尺度(农户)、宏观尺度(村庄)的三层模型奠定了基础,同时为研究土地利用决策机制提供了一种方法。     

基于Agent建模的农户土地利用行为模拟研究——以陕西省米脂县孟岔村为例

以Agent强化学习（Reinforcement Learning）模型框架为基础,选择政策、市场、Agent自身及与其它Agent相互作用、土壤肥沃程度等因素作为Agent对环境认识的基础,结合环境反馈值,初步构建了农户土地利用行为决策模型,这对于从微观主体层面揭示土地利用变化的内在机理具有重要意义。论文以陕西省米脂县孟岔村为例,采用农户Agent强化学习模型,模拟了农户土地利用行为,得出以下3个结论：①经过对Agent强化学习模型的检验和验证（按面积统计误差率为5.5%）,认为该模型较适合于微观层面农户土地利用行为的研究;②该模型可定量表达政策、市场、农户自身及与其他农户相互作用等因素对农户土地利用行为决策的影响;③与离散函数的土地利用决策相比,应用连续函数表达农户的土地利用决策比较符合实际农户决策状况（农户最终决策中玉米、蔬菜和其它作物的决策值分别为0.3233、0.4035和0.2732）。同时,在文章的最后还分析了需要进一步研究和探讨的问题：①模型在实现农户决策的空间位置方面取得一定进展,但还存在决策位置失误的问题,函待进一步的研究;②对于影响农户决策的自然因素,探讨定量化表达其对农户影响作用,是下一步研究的重点。     

基于过程的农户土地利用行为模型的设计与模拟研究

通过基于过程的方式来研究农户决策行为已经成为学者们关注的焦点问题之一。论文依据Belief、Desire、Intention（BDI）决策框架,设计基于过程的农户土地利用行为决策模型。模型以农户实际决策而非效益最大化作为行为模拟的假设,对陕西省米脂县高渠乡的典型村落马蹄洼和姜兴庄土地利用变化进行模拟。模拟可以再现农户决策的动态性和反馈性,展示农户学习行为的过程及其影响,揭示农户决策变化的内在机理。利用该模型,对3 种情景下农户土地利用行为进行模拟,对比分析3 种情景的优劣,指出政府未来应当在降低市场风险、规范合作社经营、提高市场预测方面多做工作。文章最后对该种方法的优点和不足进行总结,并指出今后需要加强的方向。     

农户土地利用决策对农业景观格局的影响研究——以陕西省米脂县孟岔村为例

探讨微观主体——农户土地利用行为与宏观农业景观格局之间的互动机理,对于了解农户行为的变迁,认识和理解农业景观格局的演变特征和过程,进而调控农户土地利用行为和优化农业景观格局,显然具有重要的理论与现实意义。论文利用构建的农户土地利用决策模型、个体对群体与群体对整体权重影响模型,利用实际收集的陕西省米脂县孟岔村2007年与2008年数据(地籍、地块面积与农户收入等数据),探讨占优势的土地利用决策与占优势的农业景观格局关系。得出如下结论:①占优势的土地利用决策并不一定形成该土地利用方式占优势的土地利用格局;②当年占优势的农户整体土地利用决策并不一定形成次年该土地利用方式占优势的土地利用格局。并提出今后需要进一步研究与探讨的问题:①完善农户土地利用决策模型,在模型中增加风险规避、土地轮作、特殊地类转化等因素;②进一步探索整合地块面积及其空间布局与土地利用决策的方法。     

基于多智能体和土地转换模型的耕地撂荒模拟研究——以陕西省米脂县为例

多模型耦合已经成为国内外模拟LUCC有效途径之一。论文通过如下步骤阐明宏观耕地撂荒格局和微观主体行为间的互动机理。首先,将微观主体间的相互作用纳入其决策,构建有限理性多智能体决策模型(Multi-Agent System,MAS);其次,通过SNNS平台的训练学习以及与历史数据对比分析,验证土地转换模型(Land Transformation Model,LTM)模拟研究区宏观撂荒格局的有效性;最后,依据多模型耦合机理,耦合MAS模型与LTM模型,形成耕地撂荒模拟模型(Cropland Abandonment Simulation Model,CASM),并基于研究区耕地撂荒的实际数据,探讨模型的合理性和可行性。结果表明:与2013年历史土地利用数据对比,CASM模型的PCM(Percent Correct Metric)系数为71%,比单独利用LTM模型的模拟精度提高3%,不仅表明CASM能够较好地模拟分析米脂县耕地撂荒空间格局分布,而且可有效揭示宏观耕地撂荒格局的微观驱动机理;同时,文章指出未来研究中要考虑政策和市场的影响,进一步完善不同层次主体决策对撂荒的影响,以此来提高模型对现实耕地撂荒的解释力。     

基于多智能体和土地转换模型的耕地撂荒模拟研究——以陕西省米脂县为例

多模型耦合已经成为国内外模拟LUCC有效途径之一。论文通过如下步骤阐明宏观耕地撂荒格局和微观主体行为间的互动机理。首先,将微观主体间的相互作用纳入其决策,构建有限理性多智能体决策模型（Multi-Agent System,MAS）;其次,通过SNNS平台的训练学习以及与历史数据对比分析,验证土地转换模型（Land Transformation Model,LTM）模拟研究区宏观撂荒格局的有效性;最后,依据多模型耦合机理,耦合MAS模型与LTM模型,形成耕地撂荒模拟模型（Cropland Abandonment Simulation Model,CASM）,并基于研究区耕地撂荒的实际数据,探讨模型的合理性和可行性。结果表明：与2013年历史土地利用数据对比,CASM模型的PCM（Percent Correct Metric）系数为71%,比单独利用LTM模型的模拟精度提高3%,不仅表明CASM能够较好地模拟分析米脂县耕地撂荒空间格局分布,而且可有效揭示宏观耕地撂荒格局的微观驱动机理;同时,文章指出未来研究中要考虑政策和市场的影响,进一步完善不同层次主体决策对撂荒的影响,以此来提高模型对现实耕地撂荒的解释力。     

基于人工社会模型的退田还湖生态补偿机制实例研究

基于补偿者和受偿者意愿的研究方法是建立切实可行的生态补偿机制的有效手段。为探讨在我国许多地区开展退田还湖生态补偿政策的有效实施机制,减少洪涝灾害与生态环境退化负面效应,研究构建了基于农户、政府和企业三类主体及其相互作用的生态补偿模型,并重点分析生态补偿标准、洪灾风险、生态环境保护、劳动力本地转移政策等因素对农户主体土地利用决策的影响。以鄱阳湖区莲湖乡为实例,以农户和企业从事生产活动的行为特征和政府宏观调控方式为基本准则,利用构建的多主体模型模拟了不同补偿机制下退田还湖政策可能产生的土地利用长期效应。结果表明,政府给予农户的经济补偿可以使农户自愿实施退田,但在不同情景下,政府实施退田还湖的代价和达到预期目标的时限差距显著。企业参与不仅能减轻政府的经济负担,同时也有利于剩余农村劳动力的转移。政府发展壮大当地经济,提高农业劳动力向非农产业转移的速度和质量,均有助于推进退田还湖政策的有效实施。     

基于土地利用/覆被情景分析的长期水文效应研究——以西苕溪流域为例

论文以太湖上游的西苕溪流域为研究区,通过土地利用变化模型CLUE-S对未来15年土地利用/覆被变化的空间格局进行模拟,并在此基础上,应用长期水文影响模型L-THIA模拟分析1985年、2002年以及未来15年后3种土地利用情景对地表径流的长期影响,并识别不同土地利用方式转换水文效应的敏感性。结果表明：①在相同的降雨条件下,2017年土地利用情景下年均径流深度较1985年增加61.6mm,且土地利用变化对月径流的影响在春季尤为显著,同时,土地利用变化的水文响应程度,以枯水年响应最强,丰水年响应最弱;②不同土地利用方式转换产生的水文效应存在较大差别,以林地向建设用地转换的水文效应最为敏感,其次是耕地向建设用地、林地向耕地的转换,最后为耕地向林地的转换。文中采用水文模型与土地利用变化模型相耦合的方法,可为土地利用变化水文效应的分析提供新的思路和参考。     

基于CBDI的农户耕地撂荒行为模型构建及模拟研究——以陕西省米脂县冯阳坬村为例

目前,建立于复杂性科学基础上的多智能体模型(MAS)已成为模拟研究土地利用变化的重要方法。论文在MAS理论之上,构建一个基于Category-Belief-Desire-Intention(CBDI)决策结构的MAS模型,结合Net Logo软件平台,模拟分析农户Agent土地利用行为,并将结果与Belief-Desire-Intention(BDI)模型进行比较。论文以陕西省米脂县冯阳坬村为例进行研究,分析结果表明:1)通过对基于CBDI的MAS模型验证(模型精度为87.19%),相比于传统的BDI决策模型精度有所提高;2)Net Logo平台能够展示农户决策的过程,直观地显示MAS模型的模拟结果;3)不同类型农户耕地撂荒的主要原因有所不同,该村种植户撂荒的主要因素为地理环境认知的差异和其他类农户的影响。有待进一步解决的问题:1)不同类Agent相互影响及其量化;2)高精度基础数据的获取和梯田DEM的引入。     

科尔沁沙地及其周围地区土地利用变化的情景分析

根据科尔沁沙地及其周围地区过去15年(1985～2000年)土地利用的时空动态变化、2000年的土地利用格局以及2010年的土地利用规划数据,构建了模拟研究地区土地利用变化的CLUE-S模型。在该模型的支持下,论文分别对研究地区未来10年(2000～2010年)土地利用变化格局的马尔柯夫情景和规划情景进行了模拟,然后,通过2000年土地利用现状图与2010年情景模拟图的叠加,分析了在以上两种情景下土地利用变化的共同之处及差异。研究结果对完善科尔沁沙地及其周围地区土地利用变化的动态管理具有重要意义。     

广州市土地利用垂直分层模式及其演变过程

城市中不同高程上的土地受人类活动影响程度和影响方式不一,因此在垂直方向上形成了一定的分布模式。利用TM遥感影像数据和DEM数据,通过比较1990、1995、2000、2005和2009年广州市土地利用垂直分布特点发现,每个地类均有相对集中分布的高程级,而垂直分布的最大变化是居民点及工矿用地和园地在第3至第10高程级(1~90 m)之间对耕地和林地的快速侵占。总结各高程级上的优势地类可得出典型的广州市土地利用垂直分层模式,按照第一优势地类对各分层进行命名,结果显示随高程增大将依次出现耕地层、河流层、城镇层、园地层、林地层。最后应用生态学上的群落演替理论对城市土地利用垂直分层模式的演变过程进行解释,以及按照目前发展趋势推导出未来可能出现的演替模式。     

水资源约束下北京地区2004-2020年土地利用变化情景模拟研究

利用系统动力学(System Dynam ics,SD)的原理和方法,发展了水资源约束下的城市土地利用情景变化SD模型。基于北京1980-2003年土地利用变化过程,构建了水资源约束下北京市城镇建设用地情景变化SD模型,对2004-2020年北京市城镇建设用地的变化进行了模拟研究。结果表明,该模型具有一定的有效性,有助于正确理解自然资源对城市发展和土地利用变化的深远影响。模型模拟结果显示,2004-2020年无约束情景下建设用地年均增长量为40.42～63.38km₂,建设用地占总面积的22%～25%;约束情景下年均增长量为21.21～51.3km₂,建设用地占总面积的20%～24%,远低于无约束情景;水资源强约束情景下建设用地的扩张速度仅为弱约束情景的37.6%,为无约束情景C的33%。可见,随着北京城市化进程的加剧和经济的进一步发展,水资源对北京区域发展的制约作用越来越明显,对土地系统的影响也将更为直观和深刻。     

土地利用动态变化的空间分析测算模型

论文首先从土地利用变化的空间涵义出发,细分出未变化部分、转移部分和新增部分等3种空间类型,并据此对现有测算土地利用变化速率的数量分析和动态度模型进行了评析,提出了修正后的空间分析测算模型,旨在更为精细和准确地测算各土地利用类型的动态变化程度;并以北京城市边缘区的土地利用变化作为案例,对3种模型的测算结果进行了比较分析。结果表明:空间分析测算模型由于细分并同时考虑了各土地利用类型的空间转移及新增过程,能更为准确地测算出各种土地利用类型的动态变化程度与速率。     

流域土地利用变化的水生态响应研究

流域土地利用变化造成水体物理、化学条件变化,并对诸多水生生物产生影响,进而破坏水系的生态系统结构和功能.研究显示:① 流域土地利用变化将引起水文、底质、生境改变等物理响应,以及水体营养盐、细菌、有毒有害物含量、溶解氧变化等化学响应,分布式水文模型成为研究物理和化学响应的重要工具;② 流域土地利用变化的生物响应表现为水生生物与自然用地类型呈正相关,而与农业用地、城镇用地呈负相关,并且存在明显的尺度效应,统计学分析是主要的研究方法;③ 大尺度的土地利用变化在水文过程下造成河段尺度上的外源物质输入、水文条件、底质结构等物理化学因子变化,是影响水生生物生境的直接原因.存在主要问题:① 流域土地利用变化的生物响应关系机制尚不明晰;② 流域土地利用变化的生物响应是通过物理响应、化学响应来间接作用的,但三者之间的非线性关系十分复杂;③ 水生生物对环境因子变化的敏感性和适用性存在较大差异.因此,未来研究应关注流域水文过程驱动下的物质迁移转化过程及由此带来的物理、化学和生物响应以及三者之间的关系,加强流域水文规律总结和参数率定,构建符合流域特征的参数数据库,并着力构建以保护水生态系统结构与功能为核心的流域山水林田湖系统综合管控模式.      

太湖流域土地利用变化及洪涝灾害响应

根据1986年和1996年土地资源调查和土地详查资料,分析了太湖流域土地利用的数量变化和空间变化,揭示了该区土地利用变化的幅度、速度、区域差异,以及土地利用变化的驱动力。根据1991年汛期(5～9月)降雨,分别计算了1986、1996年下垫面状况下的产水量,比较了二期产水数量和空间分布的差异,分析了20世纪90年代以来流域水位连续偏高的原因,进而分析洪涝是如何对土地利用的变化作出响应的。太湖流域土地利用变化的特征是耕地面积快速减少和建设用地迅速增加,土地利用变化的驱动力是政策因素、经济发展和人口增长。太湖流域10年间土地利用变化使流域产水量增加,洪涝过程缩短,增加的产水分布在流域的上游,加重了流域的洪涝灾害。     

基于序列模式的土地利用变化分析——以广西壮族自治区为例

土地利用变化是一个长期的过程,同时具有一定的复杂性。传统的转移矩阵方法只能在两期土地利用数据之间相互比较而不能总结长期整体的变化规律,频繁项集不能导出变化序列。针对这些方法的不足,本文提出了基于序列模式的土地利用变化序列分析模型。首先给出土地序列数据库的定义,然后根据土地序列数据实际特点和垂直格式的序列模式SPADE算法,给出土地变化序列模式的计算过程和方法。在以中国广西为实例的研究中,计算了1970s—2015年共7期22种二级土地利用类型的变化序列。研究区土地利用变化主要发生在林地之间,部分林地转换为厂矿、采石场、交通道路等建设用地类型;城镇用地主要由旱地和水田转换而来;在研究期内没有任何一个土地单元转化成水田。     

基于WNN模型的土地利用方式决策研究

基于小波神经网络(WNN)模型的土地利用方式决策研究为实现土地的可持续利用以及社会效益、经济效益和生态效益的最大化提供了决策依据。论文采用WNN模型,通过利用甘肃省榆中盆地第二次全国土地调查数据,构建了土地利用方式决策分析模型,分析出农业生产、建设发展和生态保护三种需求条件下的土地利用方式类型。结果表明:①榆中盆地农业生产需求用地的土地利用方式主要以半粗放利用为主;②建设发展需求用地的土地利用方式以过渡型利用为主,且偏于粗放利用;③生态保护需求用地的土地利用方式以半粗放和粗放利用为主。论文运用WNN模型对土地利用方式决策进行研究具有较好的科学性和可操作性。     

Modelling interactions and feedback mechanisms between land use change and landscape processes

Land use changes and landscape processes are interrelated and influenced by multiple bio-physical and socio-economic driving factors, resulting in a complex, multi-scale system. Consequently in landscapes with active landscape processes such as erosion, land use changes should not be analysed in isolation without accounting for both on-site and off-site effects on landscape processes. To investigate the interactions between land use, land use change and landscape processes, a case study for the Álora region in southern Spain is carried out, coupling a land use change model (CLUE) and a landscape process model simulating water and tillage erosion and sedimentation (LAPSUS). First, both models are run independently for a baseline scenario of land use change. Secondly, different feedbacks are added to the coupled model framework as ‘interaction scenarios’. Firstly effects of land use change on landscape processes are introduced by means of a ‘changed erodibility feedback’. Secondly effects of landscape processes on land use are introduced stepwise: (i) an ‘observed erosion feedback’ where reallocation of land use results from farmers’ perception of erosion features, and (ii) a ‘reduced productivity feedback’ whereby changes in soil depth result in a land use relocation. Quantities and spatial patterns of both land use change and soil redistribution are compared with the baseline scenario to assess the cumulative effect of including each of the interaction mechanisms in the modelling framework.Overall, total quantities of land use change (areas) and soil redistribution do not differ much for the different interaction scenarios. However, there are important differences in the spatial patterns of both land use and soil redistribution. In addition, by incorporating the perception and bio-physical feedback mechanisms, land use types with stable or increasing acreages are increasingly relocated from their original positions, suggesting a current location on landscape positions prone to soil erosion and sedimentation. Implementing the ‘reduced productivity feedback’ causes most of these effects. Another important outcome is that on-site land use changes trigger major off-site soil redistribution dynamics. These off-site effects are attributed to down slope or downstream changes in sediment transport rates and/or discharge caused by changes in land surface characteristics.The results of this study provide insight into the interactions between different processes occurring within landscapes and the influence of feedbacks on the development of the landscape. The interaction between processes goes across various spatial and temporal scales, leading to difficulties in linked model representation and calibration and validation of the coupled modelling system.