RCPs氣候情景下三江平原典型流域耕地動(dòng)態(tài)模擬

周 浩 雷國(guó)平 楊雪昕 王婷婷

(東北大學(xué)土地管理研究所，沈陽(yáng) 110169)

RCPs氣候情景下三江平原典型流域耕地動(dòng)態(tài)模擬

周 浩 雷國(guó)平 楊雪昕 王婷婷

(東北大學(xué)土地管理研究所，沈陽(yáng) 110169)

選取三江平原典型流域撓力河流域?yàn)檠芯繀^(qū)，以1990、2002和2014年3期Landsat影像、DEM數(shù)據(jù)和社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)資料等多源數(shù)據(jù)為基本信息源，結(jié)合3S技術(shù)，運(yùn)用FLUS模型定量模擬代表性濃度路徑情景系列(RCPs)下耕地動(dòng)態(tài)變化特征。結(jié)果表明：24 a間撓力河流域的旱地面積變化幅度較小，水田面積持續(xù)增加，1990—2002年水田擴(kuò)張劇烈，2002—2014年擴(kuò)張速度趨于緩和；3個(gè)時(shí)點(diǎn)的旱地均沿東北-西南軸方向進(jìn)行分布，主軸沿順時(shí)針緩慢旋轉(zhuǎn)，空間變化穩(wěn)定，分布范圍逐漸減小。水田沿東北-西南走向分布，1990—2002年其主軸逆時(shí)針旋轉(zhuǎn)，后順時(shí)針旋轉(zhuǎn)至45.31°，整體分布較為離散，極化特征不明顯；通過(guò)對(duì)比不同空間分辨率及時(shí)間尺度下模擬精度，確定最優(yōu)模擬空間分辨率為200 m，最優(yōu)模擬時(shí)間點(diǎn)為2038年；MESSAGE氣候模式下，未來(lái)?yè)狭恿饔虻暮档孛娣e先減少后增加，水田繼續(xù)維持?jǐn)U張態(tài)勢(shì)，2029年后面積將以2%速度逐年下降，其分布將更加聚集，主軸沿順時(shí)針旋轉(zhuǎn)，重心逐漸向東北方向進(jìn)行偏移；AIM氣候模式下，氣候波動(dòng)對(duì)水田的影響程度大于旱地，旱地面積持續(xù)緩慢增加，水田面積在波動(dòng)中下降，空間分布的極化特征突出。

政府間氣候變化專(zhuān)門(mén)委員會(huì)； RCPs情景； FLUS模型； 耕地模擬； 撓力河流域

引言

確保糧食安全是關(guān)乎國(guó)計(jì)民生的首要任務(wù)，而耕地是糧食生產(chǎn)的基本物質(zhì)條件，其格局表征著生產(chǎn)要素的空間配置條件、糧食生產(chǎn)能力狀況及利用可持續(xù)性，被認(rèn)為是多要素的綜合驅(qū)動(dòng)結(jié)果[1-2]。從世界范圍來(lái)看，城市化、人口增長(zhǎng)和經(jīng)濟(jì)發(fā)展是影響耕地總量、人均耕地變化的重要因素[3]。在我國(guó)，政策、經(jīng)濟(jì)發(fā)展以及氣候變暖主導(dǎo)著21世紀(jì)耕地的動(dòng)態(tài)變化[4]，在東部發(fā)達(dá)地區(qū)經(jīng)濟(jì)和政策環(huán)境為主要驅(qū)動(dòng)因素，中西部則以自然條件因素為主[5-6]，而在東北部地區(qū)，極端氣候?yàn)?zāi)害加深了土地與人口之間的矛盾，導(dǎo)致耕地大規(guī)模開(kāi)墾，形成氣候-政策-開(kāi)墾的有機(jī)鏈[2,7]。氣候變化通過(guò)氣候成分、氣候要素變化等多種途徑影響農(nóng)業(yè)的作物種植區(qū)域、種植制度和生產(chǎn)狀況等[8-10]，尤其對(duì)中高緯度地區(qū)的耕地時(shí)空演變有著巨大的推動(dòng)作用。鑒于此，我國(guó)作為耕地最為緊張的第一人口大國(guó)，在施行最為嚴(yán)厲的耕地政策前提下，也更需要關(guān)注未來(lái)氣候環(huán)境下耕地時(shí)空演變特征，以應(yīng)對(duì)氣候變化對(duì)我國(guó)糧食安全造成的影響。

通過(guò)分解、剖析復(fù)雜的社會(huì)經(jīng)濟(jì)和自然生態(tài)因素與不同用地類(lèi)型之間的相互作用，可以預(yù)測(cè)土地利用空間格局，進(jìn)而分析其變化可能帶來(lái)的影響與效應(yīng)[11]。目前，國(guó)內(nèi)外已有大量針對(duì)土地利用格局模擬的方法，如CLUE-S模型[12-13]、元胞自動(dòng)機(jī)(CA)模型[14]、Agent模型[15]、DLS模型[16]和InVEST模型[17]等，其中尤以元胞自動(dòng)機(jī)模型應(yīng)用成熟和廣泛，并逐漸演化出CA-Markov[18]、LSSVM-CA[19]、GPU-CA[20]等模型。然而在土地格局模擬過(guò)程中，多種用地類(lèi)型之間的變化牽涉到復(fù)雜的轉(zhuǎn)換關(guān)系，單一模擬技術(shù)難以系統(tǒng)描述不同時(shí)空尺度下土地利用格局，綜合高性能計(jì)算技術(shù)、地理信息技術(shù)及非線性復(fù)雜模擬技術(shù)是目前土地利用格局模擬的大趨勢(shì)[21]。值得強(qiáng)調(diào)的是，運(yùn)用自下而上的策略來(lái)模擬復(fù)雜的非線性動(dòng)態(tài)地理模擬系統(tǒng)的理論框架[22]，彌補(bǔ)了常規(guī)GIS過(guò)程分析能力不足的問(wèn)題，并將元胞自動(dòng)機(jī)(CA)、多智能體系統(tǒng)(MAS)以及生物智能(SI)集成為地理模擬與空間優(yōu)化系統(tǒng)(Geographical simulation and optimization system，GeoSOS)[23]，由其演化與改進(jìn)而來(lái)的FLUS模型解決了傳統(tǒng)元胞自動(dòng)機(jī)中轉(zhuǎn)換規(guī)則及參數(shù)確定復(fù)雜等問(wèn)題[24]，能夠很好地實(shí)現(xiàn)人類(lèi)活動(dòng)與自然條件影響下土地利用格局情景模擬的目的。

近年來(lái)，在全國(guó)耕地面積減少的背景下，三江平原耕地面積顯著增加，同時(shí)，氣候變暖對(duì)以積溫為主要限制因子的該地區(qū)耕地面積增加起到了促進(jìn)作用[25-26]，隨著積溫帶的北移東擴(kuò)，耕地墾殖由南向北、由西向東不斷推進(jìn)[27]，其中水稻種植區(qū)北界由1980年前期的47°N移至51°N附近[28-29]，該地區(qū)在國(guó)家糧食安全中的戰(zhàn)略地位逐漸提升。同時(shí)伴隨著一系列生態(tài)環(huán)境保育和耕地保護(hù)措施的出臺(tái)，水田作為三江平原地區(qū)最主要的耕地景觀類(lèi)型以及我國(guó)糧食安全的重要保障，越來(lái)越引起人們的關(guān)注[30-32]。撓力河流域(131°31′～134°10′E，45°43′～47°45′N(xiāo))位于三江平原腹地，恰為變暖現(xiàn)象突出的緯度位置，近50 a當(dāng)?shù)剞r(nóng)業(yè)開(kāi)發(fā)活動(dòng)特別強(qiáng)烈，經(jīng)歷了多次大規(guī)模土地利用開(kāi)發(fā)，尤其在1980年國(guó)家進(jìn)入經(jīng)濟(jì)迅速發(fā)展時(shí)期后，大量易澇旱地轉(zhuǎn)變?yōu)樗?，水田擴(kuò)張尤其劇烈[33-35]。在氣候變化背景下，研究該地區(qū)耕地時(shí)空演化特征，對(duì)保障未來(lái)我國(guó)糧食安全具有重要的意義。IPCC第5次評(píng)估報(bào)告(IPCC AR5)開(kāi)發(fā)了一套不用輻射強(qiáng)度強(qiáng)迫而強(qiáng)調(diào)以濃度為目標(biāo)的代表性濃度路徑新情景(RCPs)，該系列情景將氣候、大氣和碳循環(huán)預(yù)估與排放和社會(huì)經(jīng)濟(jì)情景有機(jī)結(jié)合起來(lái)[36-37]，較過(guò)去評(píng)估報(bào)告中設(shè)定的相同溫室源排放速率的氣候模式更為合理和科學(xué)。本文依據(jù)IPCC第5次評(píng)估報(bào)告中所發(fā)布的典型濃度路徑下不同氣候模式，運(yùn)用FLUS模型模擬不同氣候模式下耕地空間格局，在與國(guó)際相關(guān)研究鏈接的基礎(chǔ)上，預(yù)估未來(lái)該地區(qū)耕地動(dòng)態(tài)變化特征，以期為當(dāng)?shù)啬酥寥皆母剡m應(yīng)性調(diào)整提供科學(xué)依據(jù)。

1 研究區(qū)概況及資料來(lái)源

1.1 基本自然要素特征

撓力河流域面積2.49×104km2，地處半干旱地帶，為中溫帶大陸性季風(fēng)氣候區(qū)，春季干旱頻繁，秋季多洪澇災(zāi)害，流域多年平均降水量518 mm，降水分布不均勻，主要集中于6—9月份。該流域呈現(xiàn)西南高、東北低的態(tài)勢(shì)，水系自西南流向東北。地貌類(lèi)型主要是山地和平原，其中山地占流域面積的38.3%，主要分布于流域西南部和南部，平原占61.7%，主要分布于流域北部和中部的內(nèi)、外七星河及撓力河中游地區(qū)。撓力河流域已建成4縣(富錦縣、友誼縣、集賢縣和寶清縣)3區(qū)(寶山區(qū)、尖山區(qū)和四方臺(tái)區(qū))(圖1)，撓力河干流的下游北岸和中游東岸以國(guó)營(yíng)農(nóng)場(chǎng)(主要為七星農(nóng)場(chǎng)、創(chuàng)業(yè)農(nóng)場(chǎng)、大興農(nóng)場(chǎng)、紅衛(wèi)農(nóng)場(chǎng)、勝利農(nóng)場(chǎng)、八五二農(nóng)場(chǎng)、八五三農(nóng)場(chǎng)和紅旗嶺農(nóng)場(chǎng))為主，地勢(shì)平坦，作物種植條件優(yōu)越，農(nóng)業(yè)現(xiàn)代化程度很高。撓力河流域中部的內(nèi)外七星河地區(qū)的行政管理屬性主要為地方，家庭農(nóng)場(chǎng)和個(gè)體農(nóng)戶是主要的耕地利用管理對(duì)象。撓力河流域耕地類(lèi)型主要為水田和旱地，水澆地面積極少，其中水田以單季稻種植為主，旱地采取玉米→小麥形式的輪作方式，一年一熟，是三江平原主要的糧食產(chǎn)區(qū)和國(guó)家重要商品糧生產(chǎn)基地。

撓力河流域農(nóng)業(yè)開(kāi)發(fā)活動(dòng)非常活躍，建國(guó)以來(lái)經(jīng)歷多次大規(guī)模土地開(kāi)發(fā)，其中1990—2002年是第4次墾荒高潮，當(dāng)?shù)卣扇≠Y金補(bǔ)貼等相關(guān)政策，推行“以稻治澇”種植模式，大量低洼旱地改造為水田，土地利用格局變化劇烈，至2002年，農(nóng)業(yè)結(jié)構(gòu)調(diào)整政策基本推行完畢，因此，本文基礎(chǔ)耕地信息研究時(shí)點(diǎn)確定為1990年、2002年和2014年。

圖1 撓力河流域地理位置示意圖Fig.1 Location of Naoli River Basin

1.2 數(shù)據(jù)來(lái)源與處理

選取美國(guó)陸地資源衛(wèi)星1990年、2002年和2014年Landsat TM/OLI的四景(條帶號(hào)：114和115，行編號(hào)：027和028)云量符合標(biāo)準(zhǔn)的耕作期(6—8月份)影像為主要數(shù)據(jù)源。考慮到該流域旱作物基本不灌溉和水澆地面積很小的特點(diǎn)，為便于研究將土地利用二級(jí)分類(lèi)中水澆地和旱地統(tǒng)一歸為旱地，最終確定土地利用類(lèi)型為耕地(旱地和水田)、林地、草地、水域、建設(shè)用地和未利用地6大類(lèi)[28]。根據(jù)影像色調(diào)、紋理等特征，配合流域野外地物調(diào)查結(jié)果(圖2)進(jìn)行人工目視解譯，將所得數(shù)據(jù)查錯(cuò)、修改和拼接后得到流域3期土地利用矢量數(shù)據(jù)；基礎(chǔ)地理空間數(shù)據(jù)源來(lái)自數(shù)字高程模型(DEM)，精度30 m，利用ArcGIS 10.2得到地理經(jīng)度、地理緯度、高程和坡度等信息；其他數(shù)據(jù)包括流域數(shù)字地形圖、交通圖、居民點(diǎn)分布圖、地下水分布數(shù)據(jù)和縣、市經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)資料。各圖件經(jīng)投影變換統(tǒng)一轉(zhuǎn)為Albers雙標(biāo)準(zhǔn)緯線等積投影。

圖2 撓力河流域典型地物樣本Fig.2 Typical features of Naoli River Basin

2 研究方法

2.1 耕地空間變化特征分析

空間依賴(lài)性是空間數(shù)據(jù)的基本特征，獨(dú)立性假設(shè)不成立，對(duì)空間數(shù)據(jù)的直接統(tǒng)計(jì)推理可能導(dǎo)致誤導(dǎo)性的結(jié)論。中心形態(tài)學(xué)忽略空間數(shù)據(jù)的依賴(lài)性特征，未觸及獨(dú)立性假設(shè)以及一般統(tǒng)計(jì)方法的可靠性問(wèn)題。中心形態(tài)學(xué)中的標(biāo)準(zhǔn)差橢圓分析方法側(cè)重?cái)?shù)據(jù)的整體性、格局性和圖形性，能夠直觀精確地計(jì)量空間格局的多方面特征，通過(guò)橢圓之間的相似性建立空間格局的順序，通過(guò)橢圓之間的差異性鑒別空間格局的各種狀態(tài)[31]。它能夠描述節(jié)點(diǎn)在各個(gè)方向的離散狀況，其形態(tài)在一定程度上可以反映節(jié)點(diǎn)空間組織的總體輪廓和主導(dǎo)分布方向。一般來(lái)說(shuō)，標(biāo)準(zhǔn)差橢圓常用來(lái)度量一組點(diǎn)的數(shù)據(jù)空間分布特征，考慮到不同大小的耕地(旱地和水田)斑塊對(duì)應(yīng)不同面積的耕地，可以將各斑塊的面積賦值到對(duì)應(yīng)斑塊的幾何中心點(diǎn)上以實(shí)現(xiàn)標(biāo)準(zhǔn)差橢圓分析的目的。其中心，即節(jié)點(diǎn)分布重心的遷移情況則反映總體空間位移特征，即

(1)

n——分析單元數(shù)目

wi——分析單元的屬性值，為i對(duì)應(yīng)分析單元的空間權(quán)重

xi、yi——第i個(gè)子單元的中心坐標(biāo)

標(biāo)準(zhǔn)差橢圓主要由3個(gè)基本要素構(gòu)成：轉(zhuǎn)角θ、沿主軸(長(zhǎng)軸)的標(biāo)準(zhǔn)差和沿輔軸(短軸)的標(biāo)準(zhǔn)差，即

(2)

(3)

(4)

式中x′i、y′i——各點(diǎn)距離平均中心的相對(duì)坐標(biāo)

θ——由正北方向順時(shí)針旋轉(zhuǎn)到主軸所形成的夾角

δx、δy——沿x軸和y軸的標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差橢圓的形狀指數(shù)(沿輔軸標(biāo)準(zhǔn)差除以沿主軸標(biāo)準(zhǔn)差的無(wú)量綱數(shù)值)反映橢圓方向的明確性和向心力程度，可用來(lái)衡量耕地(水田和旱地)總體分布格局，值越大形狀越接近于圓，分布的隨機(jī)性越大，極化特征越不突出，反之越接近于線性，方向性特征越突出，極化特征越明顯。

2.2 基于FLUS模型的多情景耕地格局模擬

土地利用變化模擬過(guò)程中，不但涉及到多種土地利用類(lèi)型間復(fù)雜的轉(zhuǎn)換關(guān)系，而且需要人為確定模型的結(jié)構(gòu)、轉(zhuǎn)換規(guī)則及參數(shù)。神經(jīng)網(wǎng)絡(luò)(ANN)在模擬復(fù)雜的變化曲面、保證較高的模擬精度和模擬數(shù)據(jù)要求上具有明顯的優(yōu)勢(shì)，ANN能有效處理帶有噪聲、冗余或不完整的數(shù)據(jù)，適用于處理非線性或無(wú)法用數(shù)學(xué)來(lái)描述的復(fù)雜系統(tǒng)[35]。

首先，F(xiàn)LUS模型利用神經(jīng)網(wǎng)絡(luò)來(lái)代替轉(zhuǎn)換規(guī)則，從一期土地利用數(shù)據(jù)與包含人為活動(dòng)與自然效應(yīng)的多種驅(qū)動(dòng)力因子獲取各用地類(lèi)型在研究范圍內(nèi)的變化發(fā)生概率。其次，F(xiàn)LUS模型采用從一期土地利用數(shù)據(jù)中采樣的方式，能較好地避免誤差傳遞的發(fā)生。另外，在土地利用模擬過(guò)程中，F(xiàn)LUS模型提出一種基于輪盤(pán)賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)機(jī)制，該機(jī)制能有效處理多種土地利用類(lèi)型在自然作用與人類(lèi)活動(dòng)共同影響下發(fā)生相互轉(zhuǎn)換時(shí)的不確定性與復(fù)雜性，使得FLUS模型具有較高的模擬精度并且能獲得與現(xiàn)實(shí)土地利用分布相似的結(jié)果。

FLUS模型由2個(gè)主要模塊構(gòu)成，分別為基于神經(jīng)網(wǎng)絡(luò)的適宜性概率計(jì)算模塊和基于自適應(yīng)慣性機(jī)制的元胞自動(dòng)機(jī)模塊?；谏窠?jīng)網(wǎng)絡(luò)的適宜性概率計(jì)算模塊需輸入土地利用變化驅(qū)動(dòng)因子，允許驅(qū)動(dòng)因子之間存在相關(guān)性，設(shè)置神經(jīng)網(wǎng)絡(luò)訓(xùn)練采樣比例(本文設(shè)置為2%)，并選用隨機(jī)采樣模式進(jìn)行各類(lèi)用地的訓(xùn)練樣本采樣(本文訓(xùn)練隱藏層數(shù)量設(shè)置為12)，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練。結(jié)合標(biāo)準(zhǔn)化處理后各驅(qū)動(dòng)因子分布狀況，最終計(jì)算得到土地利用類(lèi)型在各像元上的適宜性概率；基于自適應(yīng)慣性機(jī)制的元胞自動(dòng)機(jī)模塊以多類(lèi)別或雙類(lèi)別空間土地利用數(shù)據(jù)為初始輸入數(shù)據(jù)，需預(yù)設(shè)各土地利用類(lèi)型變化數(shù)量的目標(biāo)(本文采用RCPs情景數(shù)據(jù)中土地利用需求數(shù)據(jù))，然后根據(jù)經(jīng)驗(yàn)確定不同土地類(lèi)型間的相互轉(zhuǎn)換難易度(0～1，0表示不允許轉(zhuǎn)換，1表示可自由轉(zhuǎn)換)，最后設(shè)置土地利用類(lèi)型相互轉(zhuǎn)換的限制發(fā)生區(qū)域(本文將七星河國(guó)家級(jí)自然保護(hù)區(qū)，2013年建立三環(huán)泡國(guó)家級(jí)自然保護(hù)區(qū)等區(qū)域設(shè)為撓力河流域土地利用變化限制發(fā)生區(qū))。模型參數(shù)設(shè)定上，將模擬迭代目標(biāo)次數(shù)設(shè)置為300，即模型到達(dá)迭代目標(biāo)會(huì)提前停止，領(lǐng)域大小設(shè)置為5×5，最終實(shí)現(xiàn)撓力河流域土地利用變化模擬(圖3)。

圖3 RCPs情景下運(yùn)用FLUS模型模擬土地利用現(xiàn)狀的技術(shù)框架Fig.3 Technical framework of using future land use simulation model to simulate land use status under RCPs scenarios

2.2.1預(yù)案設(shè)定

IPCC第1次至第4次評(píng)估報(bào)告(AR1～AR4)對(duì)未來(lái)環(huán)境的情景設(shè)定都是以排放的溫室氣體和空氣懸浮微粒等造成溫度改變?yōu)闇?zhǔn)則，所有氣候模式均采用相同的排放速率，但目前各國(guó)的減排策略多元化，傳統(tǒng)氣候模式具有一定的局限性。IPCC第5次評(píng)估報(bào)告中依據(jù)大氣輻射強(qiáng)度來(lái)設(shè)定的代表性濃度路徑情景系列(RCPs)涵蓋了廣泛的人為氣候強(qiáng)迫，著眼于較為科學(xué)的適應(yīng)策略，能夠部分預(yù)估解耦氣候科學(xué)與社會(huì)經(jīng)濟(jì)。大氣中不同的CO2濃度對(duì)應(yīng)著不同的RCPs情景，一方面CO2濃度的改變將會(huì)導(dǎo)致積溫條件、降水條件隨之改變，進(jìn)而影響農(nóng)作物的種植條件，促使耕地格局變化，另一方面CO2濃度直接影響著農(nóng)作物的光合作用強(qiáng)度，而對(duì)于中高緯度地區(qū)這種影響機(jī)理更為復(fù)雜，正向作用與負(fù)向作用并存，運(yùn)用RCPs情景進(jìn)行耕地格局模擬將具有獨(dú)特的優(yōu)勢(shì)。本文在預(yù)案設(shè)定時(shí)，分別采用IPCC AR5中RCPs氣候模式情景系列下的最符合中國(guó)發(fā)展國(guó)情的MESSAGE(RCP 8.5)和AIM(RCP 6.0)氣候模式[36]。

MESSAGE氣候模式為CO2排放參考范圍90百分位數(shù)的高端路徑，又稱(chēng)能源供應(yīng)戰(zhàn)略可替代方案及其一般環(huán)境影響模式，該模式下世界各國(guó)不采取任何碳減排措施，主要溫室氣體排放量、濃度和輻射強(qiáng)度持續(xù)遞增，大氣中輻射強(qiáng)度增至大于8.5 W/m2，相當(dāng)于大氣中CO2濃度會(huì)大于1.37×10-3。

AIM氣候模式為中間穩(wěn)定型路徑，又稱(chēng)亞太綜合模式，該模式考慮了人口、未來(lái)預(yù)期的GDP、效率改善和能源消耗(包括煤、石油、天然氣和生物能源等)，情景設(shè)計(jì)中大氣輻射強(qiáng)度為6 W/m2，可認(rèn)為大氣中CO2濃度將會(huì)大于8.50×10-4，代表世界各國(guó)未盡全力實(shí)現(xiàn)溫室氣體減量的目標(biāo)，發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家溫室氣體排放不同程度地上升。

本文分別采用不同氣候模式下對(duì)應(yīng)的0.5°×0.5°土地利用需求數(shù)據(jù)，將其疊加裁剪并統(tǒng)計(jì)撓力河流域各土地利用類(lèi)型面積，以此作為氣候模式情景下的FLUS模型中土地需求參數(shù)。通過(guò)修改輸入圖層和調(diào)整模型參數(shù)實(shí)現(xiàn)不同情景下的土地利用變化模擬。

2.2.2空間驅(qū)動(dòng)力

直接或間接驅(qū)動(dòng)因子都有可能成為土地利用變化不穩(wěn)定的根源，撓力河流域產(chǎn)業(yè)以農(nóng)業(yè)種植和加工為主，土地利用變化驅(qū)動(dòng)因子的選擇應(yīng)更多圍繞耕地變化機(jī)制。本文根據(jù)撓力河流域?qū)嶋H狀況、FLUS模型的因子需求和研究目的，分別從影響耕地變化的自然要素、區(qū)位條件和社會(huì)經(jīng)濟(jì)要素3個(gè)方面選取驅(qū)動(dòng)因子，即：地貌、高程、坡度、降雨量、積溫條件、水田化程度(水田比例系數(shù))、距河流距離、距城鎮(zhèn)中心距離、距居民點(diǎn)距離、距主要公路距離、距鐵路距離、灌溉投資額度、基本建設(shè)投資額度、農(nóng)業(yè)人口比例、溝渠密度和地下水可開(kāi)采模數(shù)16個(gè)驅(qū)動(dòng)因子。其中距離因子均為歐式距離，利用ArcGIS的Euclidian Distance工具實(shí)現(xiàn)。所有驅(qū)動(dòng)因子均經(jīng)min-max離差標(biāo)準(zhǔn)化的線性變換處理，使結(jié)果落在[0，1]區(qū)間。需要說(shuō)明的是，作為三江平原地區(qū)核心的糧食產(chǎn)區(qū)之一，以農(nóng)業(yè)種植及粗加工為主的第一產(chǎn)業(yè)是撓力河流域的支柱性產(chǎn)業(yè)，僅西部3區(qū)(寶山區(qū)、尖山區(qū)和四方臺(tái)區(qū))存在少量的工礦開(kāi)采以及加工業(yè)等第二產(chǎn)業(yè)，由于農(nóng)業(yè)本身的特殊性以及該流域在國(guó)家商品糧政策供應(yīng)中的地位，GDP、產(chǎn)業(yè)發(fā)展程度等經(jīng)濟(jì)指標(biāo)對(duì)該流域耕地利用變化的差異性驅(qū)動(dòng)作用較小，因此未選取該類(lèi)型驅(qū)動(dòng)因子。在進(jìn)行樣本訓(xùn)練采樣的基礎(chǔ)上，基于各驅(qū)動(dòng)因子進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，最終得到各土地利用類(lèi)型的適宜性概率(圖4)。

2.2.3模擬精度驗(yàn)證

模型的驗(yàn)證可以用來(lái)檢驗(yàn)?zāi)M的情況和調(diào)整模擬參數(shù)。Kappa系數(shù)常用來(lái)評(píng)價(jià)遙感的分類(lèi)精度、圖件間相似程度，能夠定量反映土地利用變化模擬過(guò)程中丟失的信息量。以基期年為初期，模擬目標(biāo)年土地利用情況，進(jìn)行Kappa系數(shù)的檢驗(yàn)，其中Kappa系數(shù)公式為

Kappa=(Po-Pc)/(Pp-Pc)

(5)

式中Po——正確模擬的比例

Pc——隨機(jī)情況下期望的正確模擬比例

Pp——理想分類(lèi)情況下的正確模擬比例(100%)

圖4 基于ANN模型的撓力河流域各土地利用類(lèi)型的適宜性概率Fig.4 Suitability probability of land use types based on ANN model in Naoli River Basin

當(dāng)Kappa系數(shù)大于0.75時(shí)，圖件間一致性較高，變化相對(duì)較小，Kappa系數(shù)處于0.4和0.75之間時(shí)，一致性一般，變化較為明顯，Kappa系數(shù)小于0.4時(shí)，模擬效果差。

3 結(jié)果與分析

3.1 耕地變化特征分析

3.1.1耕地?cái)?shù)量變化特征

撓力河流域平原區(qū)地勢(shì)平坦低洼，極易出現(xiàn)農(nóng)田積澇現(xiàn)象，從20世紀(jì)90年代起，當(dāng)?shù)卣罅ν菩幸缘局螡侈r(nóng)業(yè)結(jié)構(gòu)調(diào)整政策，大量低洼旱地改造為水田。1990—2002年，旱地面積由104.32 km2增加到105.55 km2，相對(duì)面積比例由44.05%變?yōu)?4.57%。相對(duì)旱地而言，期間水田變化幅度較大，12 a間面積增加28.97 km2，達(dá)到48.62×102km2，相對(duì)面積比例由8.30%上升至20.53%，增加了12.23個(gè)百分點(diǎn)，變化主要集中于內(nèi)外七星河上游沿岸和撓力河中游部分地區(qū)(圖5)。由于前期水田的過(guò)度擴(kuò)張，導(dǎo)致?lián)狭恿饔蜷_(kāi)始出現(xiàn)土壤鹽漬化、農(nóng)田水資源供應(yīng)嚴(yán)重不足、地下水位下降和生態(tài)環(huán)境破壞等問(wèn)題，逐漸引起了當(dāng)?shù)卣P(guān)注，水田擴(kuò)張的主觀意識(shí)逐漸淡化，當(dāng)?shù)卣_(kāi)始逐步引導(dǎo)居民科學(xué)合理開(kāi)發(fā)與管理水田；同時(shí)撓力河流域水田化的初衷在于“以稻治澇”和經(jīng)濟(jì)利益，進(jìn)入21世紀(jì)以來(lái)，隨著“兩江一湖”改造和“高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)”等農(nóng)田工程措施的陸續(xù)實(shí)施，澇害的潛在發(fā)生風(fēng)險(xiǎn)明顯下降，由于水田的管理投入水平高于旱地，隨著近年來(lái)農(nóng)業(yè)基礎(chǔ)投入要素成本的提高，水田和旱地之間的利益剪刀差逐漸縮小，旱地改造為水田的利益訴求明顯下降。至2014年，撓力河流域水田僅增加了7.21×102km2，年變化率1.19%，且變化多集中于撓力河下游北岸。旱地輕微下降，由2002年的105.55 km2降至2014年99.70 km2，相對(duì)面積比例變?yōu)?2.10%。

圖5 撓力河流域3個(gè)時(shí)點(diǎn)耕地分布圖Fig.5 Cultivated land distribution maps in 1990, 2002 and 2014

3.1.2耕地空間變化特征

3個(gè)時(shí)點(diǎn)上，撓力河流域旱地的標(biāo)準(zhǔn)差橢圓主軸沿東北-西南方向進(jìn)行分布，且輔軸一致為西北-東南走向，反映了1990年、2002年和2014年該地區(qū)旱地的分布趨勢(shì)均為東北-西南軸，旱地在東北-西南方向上的分布較西北-東南更為密集(圖5)。研究期內(nèi)，旱地的標(biāo)準(zhǔn)差橢圓主軸沿順時(shí)針?lè)较蚓徛D(zhuǎn)，轉(zhuǎn)角θ由37.53°變?yōu)?9.49°，方向性分布特征穩(wěn)定；形狀指數(shù)體現(xiàn)了空間格局的綜合極化特征。受當(dāng)?shù)厮锘饔玫挠绊?，部分低洼易澇旱地逐漸改造為水田，旱地分布趨于離散化，導(dǎo)致沿輔軸的標(biāo)準(zhǔn)差逐漸增加，由1990年的41.27 km變?yōu)?3.37 km。沿主軸標(biāo)準(zhǔn)差的變化特點(diǎn)恰好與輔軸相反，1990年為114.76 km，后持續(xù)下降至2014年的88.50 km，二者綜合導(dǎo)致橢圓形狀指數(shù)由1990年的0.41增至2014年的0.53，極化特征不突出；盡管撓力河流域旱地格局變化較為隨機(jī)和離散，但其空間分布范圍逐漸減少。本文在標(biāo)準(zhǔn)差橢圓分析中，將標(biāo)準(zhǔn)差級(jí)數(shù)設(shè)置為1級(jí)，即可將約68%的旱地包含在橢圓內(nèi)，并對(duì)3個(gè)時(shí)點(diǎn)旱地標(biāo)準(zhǔn)差橢圓面積進(jìn)行統(tǒng)計(jì)：1990年標(biāo)準(zhǔn)差橢圓面積達(dá)到17 071.80 km2，2002變?yōu)?7 533.20 km2，變化幅度較小，撓力河下游北部沿岸受水田化作用的影響，旱地整體分布更為集聚，2014年旱地的標(biāo)準(zhǔn)差橢圓面積變?yōu)?3 130.92 km2；重心對(duì)應(yīng)著旱地空間分布位置，撓力河流域旱地整體往西南方向進(jìn)行偏移，但不同時(shí)間段表現(xiàn)出不同的偏移特征：1990—2002年，該流域土地利用變化劇烈，但旱地整體偏移幅度較小，重心由1990年的(132°30′58″E，46°31′47″N)變?yōu)?132°29′45″E，46°31′20″N)，向西北向移動(dòng)了4.2 km，至2014年，偏移速度加快，重心移動(dòng)了14.57 km，變?yōu)?132°7′26″E，46°25′25″N)(表1)。

表1 撓力河流域3個(gè)時(shí)點(diǎn)耕地標(biāo)準(zhǔn)差橢圓統(tǒng)計(jì)Tab.1 Standard deviation ellipsoid statistics of cultivated land in Naoli River Basin in 1990, 2002 and 2014

水田的空間分布特征與旱地差異較大。水田是撓力河流域最主要的土地利用變化類(lèi)型，其空間格局表現(xiàn)出較強(qiáng)的階段性變化特征。研究期內(nèi)，其主軸走向變化幅度大，1990年轉(zhuǎn)角θ為43.93°，沿東北-西南方向進(jìn)行分布，水田在東北-西南方向上的分布較西北-東南更為密集。在隨后12 a間，撓力河流域的七星河地區(qū)和撓力河中部干流東岸水田大量擴(kuò)張，水田面積的急劇增加促使橢圓主軸沿逆時(shí)針旋轉(zhuǎn)，2002年轉(zhuǎn)角θ降為39.83°。但隨著流域水田逐漸向撓力河的下游北岸地區(qū)進(jìn)行偏移，2014年轉(zhuǎn)角θ變?yōu)?5.31°；水田的標(biāo)準(zhǔn)差橢圓主、輔軸變化特點(diǎn)與旱地類(lèi)似，輔軸的標(biāo)準(zhǔn)差持續(xù)增加，由1990年的37.34 km變?yōu)?9.20 km，而沿主軸標(biāo)準(zhǔn)差由1990年的86.94 km降至71.09 km，水田的形狀指數(shù)由1990年的0.43逐漸增至2002年的0.58，2014年則變?yōu)?.69，反映了水田整體離散性增加，極化特征趨于弱化；橢圓的面積統(tǒng)計(jì)結(jié)果顯示，撓力河流域3個(gè)研究時(shí)點(diǎn)的水田分布范圍基本一致，橢圓面積均表現(xiàn)出先增加后減少的特點(diǎn)，變化幅度較??；相對(duì)旱地而言，水田重心的偏移幅度較小，由1990年的(132°36′10″E,46°49′43″N)緩慢移至2014年的(132°17′4″E，46°45′57″N)，呈現(xiàn)出向西南方向偏移的特征。值得一提的是，水資源是北方寒地農(nóng)業(yè)的核心限制性要素，從基于地表起伏等綜合狀況劃分的封閉型流域單元出發(fā)來(lái)制定耕地管理策略，更利于耕地的水分利用管理，進(jìn)而采取科學(xué)的農(nóng)田灌溉措施和耕地調(diào)整對(duì)策，研究撓力河流域的耕地變化與利用問(wèn)題將對(duì)三江平原地區(qū)具有較強(qiáng)的示范導(dǎo)向作用。然而撓力河流域是三江平原境內(nèi)土地利用開(kāi)發(fā)歷史最早、耕地利用與管理手段最為成熟的地區(qū)，特別是自2000年以來(lái)該地區(qū)陸續(xù)建立多個(gè)國(guó)家級(jí)濕地自然保護(hù)區(qū)，土地利用結(jié)構(gòu)相對(duì)穩(wěn)定，差別于三江平原其他地區(qū)的土地利用特點(diǎn)。研究顯示，撓力河流域的水田整體偏移特征恰好與三江平原水田“北移東擴(kuò)”的整體特征相反，因此未來(lái)需根據(jù)三江平原的地區(qū)特點(diǎn)差異性制定差別化的耕地管理策略，對(duì)于三江平原北部仍處于擴(kuò)張狀態(tài)的水田應(yīng)盡量保障其糧食生產(chǎn)能力，而水田發(fā)展成熟的撓力河流域應(yīng)在保證其糧食可持續(xù)生產(chǎn)的前提下，關(guān)注水田開(kāi)發(fā)利用中的生態(tài)環(huán)境問(wèn)題。由于水稻需水量(657.70 mm)遠(yuǎn)大于旱作物需水量(456.33 mm)[30]，在旱地和水田整體均向西南方向偏移的綜合作用下，撓力河流域農(nóng)田需水量將急劇增加，而同時(shí)農(nóng)業(yè)灌溉重心逐漸向西南方向進(jìn)行移動(dòng)，可以預(yù)見(jiàn)的是未來(lái)該流域西南方向的農(nóng)田水分虧缺風(fēng)險(xiǎn)將進(jìn)一步加大，次生負(fù)面環(huán)境效應(yīng)進(jìn)一步嚴(yán)峻。

3.2 基于FLUS模型的耕地動(dòng)態(tài)變化模擬

3.2.1模擬時(shí)空尺度確定

土地利用情景模擬過(guò)程中，空間分辨率過(guò)低會(huì)導(dǎo)致零散分布的居住用地、小塊水域、小塊水田等土地利用類(lèi)型空間邊界信息的丟失，但倘若分辨率過(guò)高，由于地理學(xué)的領(lǐng)域效應(yīng)，將會(huì)造成模擬失真，因此，需預(yù)先確定最佳模擬空間尺度。本文從1 km(柵格大小1 km×1 km)開(kāi)始，以100 m為步長(zhǎng)逐步提高空間分辨率進(jìn)行土地利用模擬驗(yàn)證，其中模擬基期年為1990年，目標(biāo)年2014年，通過(guò)Kappa系數(shù)檢驗(yàn)確定最優(yōu)模擬空間尺度。FLUS模擬結(jié)果顯示，隨著空間分辨率的提高，撓力河流域土地利用模擬精度表現(xiàn)出較強(qiáng)的曲線拐點(diǎn)效應(yīng)(圖6)，Kappa系數(shù)在波動(dòng)中上升，由1 km分辨率下0.42增至200 m下的0.86，主要拐點(diǎn)發(fā)生在700 m處和200 m處。因此，確定最優(yōu)模擬空間尺度為200 m。

圖6 撓力河流域不同分辨率下模擬的Kappa系數(shù)檢驗(yàn)Fig.6 Verification of Kappa coefficient at different resolutions in Naoli River Basin

時(shí)間尺度確定上，基于撓力河流域最優(yōu)模擬空間尺度，運(yùn)用FLUS模型對(duì)不同時(shí)間尺度的預(yù)測(cè)能力進(jìn)行分析，然后確定具體預(yù)測(cè)年份(圖7)。模擬基期年依次為1990年和2002年，目標(biāo)年2014年，二者對(duì)應(yīng)預(yù)測(cè)年份分別為24 a和12 a，然后通過(guò)對(duì)比檢驗(yàn)Kappa系數(shù)確定模擬時(shí)間尺度。結(jié)果顯示，1990年綜合模擬精度(Kappa系數(shù)為0.86)顯著大于2002年模擬精度(Kappa系數(shù)為0.75)，尤其在單一地類(lèi)模擬上，前者對(duì)水田模擬準(zhǔn)確率達(dá)到0.84，旱地準(zhǔn)確率為0.89。因此，最終確定模擬目標(biāo)年為2038年。

圖7 基于FLUS模型的撓力河流域不同時(shí)間尺度模擬結(jié)果Fig.7 Simulation results for different time scales based on FLUS model in Naoli River Basin

3.2.2情景模擬結(jié)果

(1) MESSAGE氣候模式

MESSAGE氣候模式下，世界各國(guó)不采取任何碳減排措施，主要溫室氣體的排放量將會(huì)持續(xù)遞增，進(jìn)而促使全球平均地表溫度升高和降水時(shí)空異質(zhì)性增大，該氣候效應(yīng)對(duì)中高緯度地區(qū)的影響更為顯著，導(dǎo)致我國(guó)東北地區(qū)增溫幅度高于全球同期水平，年降水量呈略減少趨勢(shì)，對(duì)該地區(qū)的農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)生態(tài)系統(tǒng)造成了深刻的影響。如果世界各國(guó)仍延續(xù)高碳排放量的經(jīng)濟(jì)發(fā)展模式，2038年?yáng)|北地區(qū)耕地面積比例將減少0.82%[38]，而受?chē)?guó)家糧食政策的影響，糧食作物種植及其粗加工是撓力河流域最主要的經(jīng)濟(jì)來(lái)源結(jié)構(gòu)之一，建設(shè)占用耕地的需求較低，導(dǎo)致耕地面積僅減少0.35%，凸顯了該地區(qū)在東北地區(qū)乃至全國(guó)中的糧食戰(zhàn)略地位。

圖8 不同氣候模式下?lián)狭恿饔蛲恋乩媒Y(jié)構(gòu)變化情況Fig.8 Land use change in Naoli River Basin based on MESSAGE mode and AIM mode

耕地子類(lèi)型上，撓力河流域旱地先表現(xiàn)出穩(wěn)定的面積減少態(tài)勢(shì)，至2029年約下降9.18%，隨后緩慢增加。空間分布上，2038年旱地的標(biāo)準(zhǔn)差橢圓主軸將沿逆時(shí)針進(jìn)行旋轉(zhuǎn)，轉(zhuǎn)角θ變?yōu)?5.43°，主、輔軸的標(biāo)準(zhǔn)差均緩慢增加，其中沿主軸標(biāo)準(zhǔn)差由2014年的88.50 km變?yōu)?038年的94.39 km，輔軸變?yōu)?9.16 km，形狀指數(shù)緩慢下降，變?yōu)?.52，離散化特征趨弱。標(biāo)準(zhǔn)差橢圓的面積將增至14 578 km2，反映了在該氣候模式下，未來(lái)?yè)狭恿饔蚝档氐姆植挤秶鷮⒏鼜V，旱地傾向于沿東北-西南主軸進(jìn)行分布。

水田變化特征與旱地相反，面積先持續(xù)以較低的速度增加，在2029年之后面積將以2%的速度逐年減少。未來(lái)?yè)狭恿饔虻乃飳⒀仨槙r(shí)針進(jìn)行旋轉(zhuǎn)，2038年其轉(zhuǎn)角θ增至57.16°。沿主軸標(biāo)準(zhǔn)差由2014年的71.09 km降為70.02 km，輔軸標(biāo)準(zhǔn)差下降幅度較大，由2014年的49.20 km變?yōu)?3.13 km。在二者綜合作用下，未來(lái)?yè)狭恿饔虻乃锏臉?biāo)準(zhǔn)差橢圓形狀指數(shù)將降至0.62，標(biāo)準(zhǔn)差橢圓面積變?yōu)? 486.73 km2，與2014年比較可知，未來(lái)水田整體分布將更加緊湊，并沿順時(shí)針緩慢旋轉(zhuǎn)，極化特征明顯，但其空間分布重心(132°25′30″E，46°52′14″N)偏移幅度非常小(圖8和表2)。

(2) AIM氣候模式

與MESSAGE氣候模式相比，AIM氣候模式下的氣候波動(dòng)更加明顯，在世界各國(guó)未全力實(shí)現(xiàn)碳減排目標(biāo)的背景下，東北地區(qū)耕地面積將持續(xù)增加，至2038年面積比例增加幅度約為4.0%[36]。撓力河流域處于全球氣候變化突出的緯度位置，鄰近我國(guó)水稻種植北界，氣候波動(dòng)過(guò)大將會(huì)對(duì)當(dāng)?shù)刈魑锓N植造成顯著的負(fù)面影響，導(dǎo)致耕作自然要素條件變差，在AIM氣候模式下?lián)狭恿饔蚋孛娣e增加速度遠(yuǎn)小于東北地區(qū)，2038年其面積僅增加0.46%。

表2 不同氣候模式下?lián)狭恿饔蚋貥?biāo)準(zhǔn)差橢圓統(tǒng)計(jì)(2038年)Tab.2 Standard deviation ellipsoid statistics of cultivated land under MESSAGE mode and AIM mode

氣候波動(dòng)對(duì)撓力河流域的水田的影響程度遠(yuǎn)大于旱地，AIM氣候模式下旱地面積將緩慢上升，至2038年相對(duì)面積比例上升2.53%，其空間格局變化幅度較小，轉(zhuǎn)角θ基本保持不變，沿主軸標(biāo)準(zhǔn)差緩慢增至89.54 km，沿輔軸標(biāo)準(zhǔn)差也將變?yōu)?9.44 km，形狀指數(shù)由2014年的0.53變?yōu)?.55，標(biāo)準(zhǔn)差橢圓面積變?yōu)?3 907.8 km2，旱地空間分布將更加離散。

不同于MESSAGE氣候模式，AIM氣候模式下水田面積將維持波動(dòng)下降的趨勢(shì)，由2014年的55.83×102km2降至2038年的51.03×102km2，并沿逆時(shí)針進(jìn)行旋轉(zhuǎn)。水田沿主軸標(biāo)準(zhǔn)差增加為76.82 km，輔軸降為45.04 km，二者綜合作用下將導(dǎo)致水田空間分布格局更加極化(形狀指數(shù)降為0.59)，然而與2014年水田的整體分布范圍仍保持一致(圖9)。

圖9 MESSAGE氣候模式和AIM氣候模式下?lián)狭恿饔蚋乜臻g特征Fig.9 Spatial distribution characteristics in Naoli River Basin based on MESSAGE mode and AIM mode

4 討論

(1)為堅(jiān)守國(guó)家1.2×108hm2耕地紅線，我國(guó)長(zhǎng)期實(shí)行耕地占補(bǔ)平衡政策，即非農(nóng)建設(shè)經(jīng)批準(zhǔn)占用耕地要按照“占多少，補(bǔ)多少”的原則，補(bǔ)充數(shù)量和質(zhì)量相當(dāng)?shù)母?。在我?guó)耕地后備資源逐漸開(kāi)發(fā)殆盡的背景下，耕地占補(bǔ)平衡政策對(duì)保障我國(guó)耕地?cái)?shù)量起到了巨大的作用。大量?jī)?yōu)質(zhì)耕地被建設(shè)占用，而劣質(zhì)耕地的糧食生產(chǎn)能力難以得到保證，甚至出現(xiàn)棄荒情形，另一方面，地方政府將大量的劣質(zhì)耕地、超坡耕地等生產(chǎn)能力難以得到保障的土地以耕地類(lèi)型進(jìn)行上報(bào)，綜合導(dǎo)致耕地的“真正”數(shù)量難以得到保證。國(guó)土資源統(tǒng)計(jì)公報(bào)顯示，近幾年來(lái)我國(guó)耕地面積開(kāi)始輕微下降，耕地?cái)?shù)量以及質(zhì)量的真正保護(hù)壓力應(yīng)更為嚴(yán)峻。三江平原地區(qū)是我國(guó)重要的糧食墾區(qū)，農(nóng)業(yè)和工業(yè)的剪刀差導(dǎo)致該地區(qū)經(jīng)濟(jì)發(fā)展滯后，耕地被建設(shè)占用的需求較低，三江平原地區(qū)工礦廢棄地較多，未利用地資源豐富，仍存在一定面積數(shù)量的耕地后備資源，特別是21世紀(jì)以來(lái)該地區(qū)耕地面積持續(xù)增加，三江平原地區(qū)在保障我國(guó)糧食安全中的戰(zhàn)略地位將愈加凸顯。

(2)撓力河流域是三江平原最為典型的流域之一，域內(nèi)共7個(gè)縣(區(qū))，農(nóng)區(qū)與墾區(qū)并存，耕地利用系統(tǒng)驅(qū)動(dòng)復(fù)雜。自1980年國(guó)家進(jìn)入經(jīng)濟(jì)迅速發(fā)展時(shí)期后，流域出現(xiàn)大量的濕地開(kāi)墾為耕地、水利工程修建和農(nóng)業(yè)結(jié)構(gòu)調(diào)整等現(xiàn)象，導(dǎo)致濕地大面積喪失、結(jié)構(gòu)破壞和功能退化。特別是1990年以來(lái)，撓力河流域耕地空間急劇擴(kuò)張和水田面積及結(jié)構(gòu)比率的持續(xù)上升，水田是其最主要的土地利用變化景觀。本文依據(jù) IPCC第5次評(píng)估報(bào)告中發(fā)布的典型濃度路徑下不同氣候模式數(shù)據(jù)，估算了區(qū)域水平不同氣候模式下的土地利用需求量，實(shí)現(xiàn)了與國(guó)際相關(guān)研究的完好鏈接，為相關(guān)領(lǐng)域的國(guó)際交流與合作奠定了基礎(chǔ)。以Landsat影像、DEM數(shù)據(jù)和社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)資料等多源數(shù)據(jù)為基本信息源，結(jié)合遙感和GIS技術(shù)，引入FLUS模型定量模擬RCPs氣候排放情景下我國(guó)典型的中高緯度流域耕地動(dòng)態(tài)變化格局，可以為撓力河流域乃至三江平原的耕地適應(yīng)性調(diào)整提供科學(xué)依據(jù)。

(3)考慮到耕地是糧食生產(chǎn)的最基本物質(zhì)資料，而水資源是耕地資源開(kāi)發(fā)與利用的前提條件，在降水減少和積溫上升的氣候變化綜合作用下，水土資源供需矛盾勢(shì)必會(huì)越來(lái)越突出，對(duì)其水土資源平衡關(guān)系研究將有助于耕地布局方案的科學(xué)制定和農(nóng)業(yè)生產(chǎn)的合理調(diào)整。特別是近年來(lái)，撓力河流域水田急劇擴(kuò)張，由此導(dǎo)致當(dāng)?shù)剞r(nóng)田需水量急劇增加，而降水可被認(rèn)為是供水來(lái)源的唯一途徑，而未來(lái)該流域降水將緩慢減少，水分供需缺口越來(lái)越大，在探尋未來(lái)該地區(qū)耕地調(diào)整策略中，需在研究耕地資源變化的前提下，從天然狀態(tài)下探尋水、土二者資源之間的耦合機(jī)理，并通過(guò)耕地調(diào)整(數(shù)量及結(jié)構(gòu)調(diào)整)實(shí)現(xiàn)水土資源平衡以適應(yīng)全球氣候變化。

5 結(jié)論

(1)20世紀(jì)90年代起，撓力河流域大力推行旱改水政策，大量低洼旱地改造為水田，旱地和水田變化特征差異大：旱地面積比例由1990年的44.05%緩慢增至2002年的44.57%，期間內(nèi)水田變化極其劇烈，比例由8.30%變?yōu)?0.53%，且變化多集中于內(nèi)外七星河上游沿岸和撓力河中游部分地區(qū)。至2014年，旱地面積輕微下降，水田面積僅增加7.21×102km2。

(2)3個(gè)時(shí)點(diǎn)上，撓力河流域的旱地均沿東北-西南軸分布，主軸緩慢沿順時(shí)針旋轉(zhuǎn)，方向性特征穩(wěn)定，但其分布更加離散，分布范圍逐漸減少，旱地的重心向西南方向進(jìn)行偏移；與旱地相比，水田分布格局的階段性特征更加突出，基本沿東北-西南方向進(jìn)行分布，主軸先逆時(shí)針進(jìn)行旋轉(zhuǎn)，后順時(shí)針旋轉(zhuǎn)至45.31°。水田分布較為離散，極化特征趨于弱化，其重心偏移幅度較小。

(3)通過(guò)檢驗(yàn)不同空間尺度和時(shí)間尺度下的模擬精度確定合理的模擬柵格大小和目標(biāo)年份，確定最優(yōu)模擬空間尺度為200 m，模擬目標(biāo)年為2038年。模擬結(jié)果顯示，MESSAGE氣候模式下，撓力河流域耕地面積將減少0.35%，旱地面積先減少后增加，水田先穩(wěn)定上升，隨后以約2%的速度下降。水田的空間格局將更加緊湊，主軸沿順時(shí)針緩慢旋轉(zhuǎn)，整體仍傾向于沿東北-西南走向進(jìn)行分布，極化特征突出，且其重心位移幅度較小；在AIM氣候模式下，耕地面積僅增加了0.46%，其中旱地面積緩慢增加，至2038年相對(duì)面積比例上升了2.53%，水田面積緩慢下降，但其綜合極化特征更加突出，氣候波動(dòng)對(duì)水田的影響程度明顯大于旱地。未來(lái)需根據(jù)三江平原地區(qū)的差異性特點(diǎn)制定差別化的耕地管理策略，重點(diǎn)關(guān)注該地區(qū)由于水田開(kāi)發(fā)利用所導(dǎo)致的生態(tài)環(huán)境問(wèn)題。

1 SHI Wenjiao, TAO Fulu, LIU Jiyuan,et al.Has climate change driven spatio-temporal changes of cropland in Northern China since the 1970s? [J].Climatic Change, 2014,124:163-177.

2 YE Yu, FANG Xiuqi, AFTAB U K.Migration and reclamation in northeast China in response to climatic disasters in North China over the past 300 years[J].Regional Environmental Change, 2012, 12(1): 193-206.

3 趙文武.世界主要國(guó)家耕地動(dòng)態(tài)變化及其影響因素[J].生態(tài)學(xué)報(bào), 2012, 32(20): 6452-6462．

ZHAO Wenwu.Arable land change dynamics and their driving forces for the major countries of the world[J].Acta Ecologica Sinica, 2012, 32(20): 6452-6462.(in Chinese)

4 劉紀(jì)遠(yuǎn), 張?jiān)鱿? 徐新良, 等.21世紀(jì)初中國(guó)土地利用變化的空間格局與驅(qū)動(dòng)力分析[J].地理學(xué)報(bào), 2009, 64(12): 1411-1420.

LIU Jiyuan, ZHANG Zengxiang, XU Xinliang, et al.Spatial patterns and driving forces of land use change in China in the early 21st century[J].Acta Geographica Sinica, 2009, 64(12): 1411-1420.(in Chinese)

5 SONG Xiaoqing, OUYANG Z, LI Yunsheng, et al.Cultivated land use change in China, 1999—2007: policy development perspectives [J].Journal of Geographical Sciences, 2012, 22(6): 1061-1078.

6 ZHONG Taiyang, HUANG Xianjing, ZHANG Xiuying, et al.Temporal and spatial variability of agricultural land loss in relation to policy and accessibility in a low hilly region of Southeast China[J].Land Use Policy, 2011, 28(4): 762-769.

7 石曉麗, 史文嬌.氣候變化和人類(lèi)活動(dòng)對(duì)耕地格局變化的貢獻(xiàn)歸因綜述[J].地理學(xué)報(bào), 2015, 70(9): 1463-1476.

SHI Xiaoli, SHI Wenjiao.Identifying contributions of climate change and human activities to spatial-temporal cropland changes: a review[J].Acta Geographica Sinica, 2015, 70(9): 1463-1476.(in Chinese)

8 CHEN Changqing, QIAN Chunrong, DENG Aixing, et al.Progressive and active adaptations of cropping system to climate change in Northeast China[J].European Journal of Agronomy, 2012, 38: 94-103.

9 PIAO Shilong, CIAIS P, HUANG Yao, et al.The impacts of climate change on water resources and agriculture in China[J].Nature, 2010, 467: 43-51.

10 DONG Jinwei, LIU Jiyuan, TAO Fulu, et al.Spatio-temporal changes in annual accumulated temperature in China and the effects oncropping systems, 1980s to 2000[J].Climate Research, 2009, 40(1): 37-48.

11 姜群鷗, 鄧祥征, 柯新利, 等.RCPs氣候情景下珠江三角洲地區(qū)城市用地?cái)U(kuò)展的預(yù)測(cè)與模擬[J].應(yīng)用生態(tài)學(xué)報(bào), 2014,25(12): 3627-3636.

JIANG Qunou, DENG Xiangzheng, KE Xinli, et al.Prediction and simulation of urban area expansion in Pearl River Delta Region under the RCPs climate scenarios[J]．Chinese Journal of Applied Ecology, 2014,25(12): 3627-3636.(in Chinese)

12 鄧輝, 何政偉, 陳曄, 等.四川盆地大都市邊緣區(qū)土地利用時(shí)空格局模擬: 以資陽(yáng)市雁江區(qū)為例[J].地理科學(xué), 2013,33(12): 1524-1530.

DENG Hui, HE Zhengwei, CHEN Ye, et al.The land use spatio-temporal pattern simulation in Metropolitan Fringe of the Sichuan Basin: a case study in Yanjiang District, Ziyang City，Sichuan[J].Acta Geographica Sinica, 2013, 33(12): 1524-1530.(in Chinese)

13 鄧華, 邵景安, 王金亮, 等.多因素耦合下三峽庫(kù)區(qū)土地利用未來(lái)情景模擬[J].地理學(xué)報(bào), 2016, 71(11): 1979-1997.

DENG Hua, SHAO Jing’an, WANG Jinliang, et al.Land use driving forces and its future scenario simulationin the Three Gorges Reservoir Area using CLUE-S model[J].Acta Geographica Sinica, 2016, 71(11): 1979-1997.(in Chinese)

14 周成虎, 歐陽(yáng), 馬廷, 等.地理系統(tǒng)模擬的CA模型理論探討[J].地理科學(xué)進(jìn)展, 2009, 28(6): 833-838.

ZHOU Chenghu, OU Yang, MA Ting, et al.Theoretical perspectives of CA-based geographical system modeling[J].Progress in Geography, 2009, 28(6): 833-838.(in Chinese)

15 余強(qiáng)毅, 吳文斌, 唐華俊, 等.復(fù)雜系統(tǒng)理論與Agent模型在土地變化科學(xué)中的研究進(jìn)展[J].地理學(xué)報(bào), 2011, 66(11): 1518-1530.

YU Qiangyi, WU Wenbin, TANG Huajun, et al.Complex system theory and Agent-based modeling: progresses in land change science[J].Acta Geographica Sinica, 2011, 66(11): 1518-1530.(in Chinese)

16 魏云潔, 甄霖, 鄧祥征, 等.中國(guó)生物能源政策情景對(duì)土地利用格局的影響[J].資源科學(xué), 2009, 31(4): 552-558.

WEI Yunjie, ZHEN Lin, DENG Xiangzheng, et al.Scenario analysis on land use patterns in China based on bioenergy development from 2010 to 2025[J].Resources Science, 2009, 31(4): 552-558.(in Chinese)

17 潘韜, 吳紹洪, 戴爾阜, 等.基于InVEST模型的三江源區(qū)生態(tài)系統(tǒng)水源供給服務(wù)時(shí)空變化[J].應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(1):183-189.

PAN Tao, WU Shaohong, DAI Erfu, et al.Spatiotemporal variation of water source supply service in Three Rivers Source Area of China based on InVEST model[J].Chinese Journal of Applied Ecology, 2013, 24(1):183-189.(in Chinese)

18 周浩, 雷國(guó)平, 趙宇輝, 等.基于CA-Markov模型的撓力河流域土地利用動(dòng)態(tài)模擬[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào), 2016, 32(2): 252-258.

ZHOU Hao, LEI Guoping, ZHAO Yuhui, et al.Simulation of dynamics of land use in naoli river valley based on CA-Markov model[J].Journal of Ecology and Rural Environment, 2016, 32(2): 252-258.(in Chinese)

19 楊建新, 龔健, 李江風(fēng).基于LSSVM-CA模型的復(fù)雜土地利用變化模擬: 以鄂州市為例[J].資源科學(xué), 2016, 38(8): 1525-1537.

YANG Jianxin, GONG Jian, LI Jiangfeng.Complex land use changes simulation in Ezhou City using cellular automata based on least squares support vector machine[J].Resources Science, 2016, 38(8): 1525-1537.(in Chinese)

20 李丹, 黎夏, 劉小平, 等.GPU-CA模型及大尺度土地利用變化模擬[J].科學(xué)通報(bào), 2012, 57(11): 959-969.

LI Dan, LI Xia, LIU Xiaoping, et al.Land use changes simulation based on the GPU-CA model[J].Chinese Science Bulletin, 2012, 57(11): 959-969.(in Chinese)

21 李婧怡, 林堅(jiān), 劉松雪, 等.2014年土地科學(xué)研究重點(diǎn)進(jìn)展評(píng)述及2015年展望: 土地利用與規(guī)劃分報(bào)告[J].中國(guó)土地科學(xué), 2015, 29(3): 3-12.

LI Jingyi, LIN Jian, LIU Songxue,et al.Progress review on land sciences research in 2014 and prospects for 2015: sub-report of land use and planning[J].China Land Sciences, 2015, 29(3): 3-12.(in Chinese)

22 LI Xia, CHEN Yimin, LIU Xiaoping, et al.Concepts, methodologies, and tools of an integrated geographical simulation and optimization system (GeoSOS)[J].International Journal of Geographical Information Science, 2011, 25(4): 633-655.

23 陳逸敏, 黎夏, 劉小平,等.基于耦合地理模擬優(yōu)化系統(tǒng)GeoSOS的農(nóng)田保護(hù)區(qū)預(yù)警[J].地理學(xué)報(bào), 2010, 65(9): 1137-1145.

CHEN Yimin, LI Xia, LIU Xiaoping, et al.Coupling geosimulation and optimization (GeoSOS) for zoning and alerting of agricultural conservation areas[J].Acta Geographica Sinica, 2010, 65(9): 1137-1145.(in Chinese)

24 黎夏, 劉小平, 何晉強(qiáng), 等.基于耦合的地理模擬優(yōu)化系統(tǒng)[J].地理學(xué)報(bào), 2009, 64(8): 1009-1018.

LI Xia, LIU Xiaoping, HE Jinqiang, et al.A geographical simulation and optimization system based on coupling strategies[J].Acta Geographica Sinica, 2009, 64(8): 1009-1018.(in Chinese)

25 吳海燕, 孫甜田, 范作偉, 等.東北地區(qū)主要糧食作物對(duì)氣候變化的響應(yīng)及其產(chǎn)量效應(yīng)[J].農(nóng)業(yè)資源與環(huán)境學(xué)報(bào), 2014, 31(4): 299-307.

WU Haiyan, SUN Tiantian, FAN Zuowei, et al.The major food crops in response to climate change and its yield effect in Northeast of China[J].Journal of Agricultural Resources and Environment, 2014, 31(4): 299-307.(in Chinese)

26 NEWMAN M E, MCLARN K P, WILSON B S.Long-term socio-economic and spatial pattern drivers of land cover change ina Caribbean tropical moist forest, the Cockpit Country, Jamaica.Agriculture[J].Ecosystems & Environment, 2014, 186:185-200.

27 胡琦, 潘學(xué)標(biāo), 張丹, 等.東北地區(qū)不同時(shí)間尺度下氣溫和無(wú)霜期的變化特征[J].中國(guó)農(nóng)業(yè)氣象, 2015, 36(1): 1-8.

HU Qi, PAN Xuebiao, ZHANG Dan, et al.Variation of temperature and frost-free period in different time scales in Northeast China [J].Chinese Journal of Agrometeorology, 2015, 36(1): 1-8.(in Chinese)

28 云雅如, 方修琦, 王媛, 等.黑龍江省過(guò)去20年糧食作物種植格局變化及其氣候背景[J].自然資源學(xué)報(bào), 2005, 20(5): 697-705.

YUN Yaru, FANG Xiuqi, WANG Yuan, et al.Main grain crops structural change and its climate background in Heilongjiang Province during the past two decades[J].Journal of Natural Resources, 2005, 20(5): 697-705.(in Chinese)

29 段居琦, 周廣勝.中國(guó)雙季稻種植區(qū)的氣候適宜性研究[J].中國(guó)農(nóng)業(yè)科學(xué), 2012, 45(2): 218-227.

DUAN Juqi, ZHOU Guangsheng.Climatic suitability of double rice planting regions in China[J].Scientia Agricultura Sinica, 2012, 45(2): 218-227.(in Chinese)

30 周浩，雷國(guó)平，張博，等．1990—2013年撓力河流域耕地變化下水土資源平衡效應(yīng)分析[J]，農(nóng)業(yè)工程學(xué)報(bào)，2015，31(1)：272-280.

ZHOU Hao，LEI Guoping，ZHANG Bo，et al．Farmland change induced land and water resource balance in Naoli River Basin from 1990 to 2013[J]．Transactions of the CSAE，2015，31(1)：272-280.(in Chinese)

31 周浩, 雷國(guó)平, 楊雪昕.三江平原典型流域土地利用格局變化與空間分異研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(5): 142-151.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170517&flag=1.DOI：10.6041/j.issn.1000-1298.2017.05.017

ZHOU Hao，LEI Guoping, YANG Xuexin.Land use change pattern and its spatial differentiation in the typical basin of Sanjiang Plain[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(5): 142-151.(in Chinese)

32 杜國(guó)明, 李昀, 于鳳榮, 等.基于遙感的2000—2009年三江平原北部耕地變化特征分析[J].農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(1): 225-229.

DU Guoming, LI Yun, YU Fengrong, et al.Change characteristics analysis of farmland in Northern Sanjiang Plain in 2000—2009 based on remote sensing[J].Transactions of the CSAE, 2012, 28(1): 225-229.(in Chinese)

33 劉正茂.近50年來(lái)?yè)狭恿饔驈搅餮葑兗膀?qū)動(dòng)機(jī)制研究[D].吉林: 東北師范大學(xué), 2012.

LIU Zhengmao.Study on runoff evolvement and its driving mechanism of Naoli River Basin in recent 50 years[D].Jilin: Northeast Normal University, 2012.(in Chinese)

34 劉貴花.三江平原撓力河流域水文要素變化特征及其影響研究[D].北京: 中國(guó)科學(xué)院大學(xué), 2013.

LIU Guihua.Changes of hydrological elements and effects of the Naoli River watershed in the Sanjiang Plain, Northeast China[D].Beijing: Chinese Academy Sciences, 2013.(in Chinese)

35 宋曉林.1950s撓力河流域徑流特征變化及其影響因素[D].吉林: 中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所, 2012.

SONG Xiaolin.Variation of hydrological regimes and its driving forces of Naolin River since 1950s[D].Jilin: Northeast Institute of Geograph and Agroecology, Chinese Academy Sciences, 2012.(in Chinese)

36 高超, 張正濤, 陳實(shí), 等.RCP4.5情景下淮河流域氣候變化的高分辨率模擬[J].地理研究, 2014, 33(3): 467-477.

GAO Chao, ZHANG Zhengtao, CHEN Shi, et al.The high-resolution simulation of climate change model under RCP4.5 scenarios in the Huaihe River Basin[J].Geographical Research, 2014, 33(3): 467-477.(in Chinese)

37 韓樂(lè)瓊, 韓哲, 李雙林.不同代表性濃度路徑(RCPs)下21世紀(jì)長(zhǎng)江中下游強(qiáng)降水預(yù)估[J].大氣科學(xué)學(xué)報(bào), 2014, 37(5): 529-540.

HAN Leqiong, HAN Zhe, LI Shuanglin.Projection of heavy rainfall events in the middle and lower reaches of the Yangtze river valley in the 21st century under different representative concentration pathways[J].Transactions of Atmospheric Sciences, 2014,37(5): 529-540.(in Chinese)

38 姜群鷗, 譚蓓, 薛筱嬋, 等.氣候情景下典型開(kāi)墾與退耕區(qū)耕地動(dòng)態(tài)變化的定量模擬[J].農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(9): 271-280.

JIANG Qunou, TAN Bei, XUE Xiaochan, et al.Quantitive modeling changes in area of reclamation and returning cultivated land to forest or pastures under representative concentration pathways (RCPs) climate scenarios[J].Transactions of the CSAE, 2015, 31(9): 271-280.(in Chinese)

SimulationofCultivatedLandunderRCPsScenariosinTypicalBasinofSanjiangPlain

ZHOU Hao LEI Guoping YANG Xuexin WANG Tingting

(LandManagementInstitute,NortheasternUniversity,Shenyang110169,China)

Since the mid-20th century, the climatic tendency of warming and drying had been shown distinctly in the mid-latitude zone of the North Hemisphere.It was of a series of impacts on the water resources system, especially in the semi-arid regions.In 1990s, the agricultural structure of Naoli River Basin, which was located in the hinterland of Sanjiang Plain, had been greatly adjusted with large amount of dry land changed into paddy field with global climate change and intensive activities of human beings.The dynamic change of cultivated land was discussed by using the future land use simulation model to simulate the distribution of cultivated land.All the above analysis was done by using the remote sensing image data, the DEM data and socioeconomic statistics data as fundamental data resources.Results showed that the growth rate of cultivated land was decreased gradually from 1990 to 2014, and different time periods showed different changing characteristics.During the period from 1990 to 2002, the area of paddy field was increased dramatically, while that of the dry land was increased slightly, from 2002 to 2014, the growth rate of paddy field area showed significantly decreased characteristics and the total area of dry land was decreased in a certain degree.The spatial pattern showed that the dry land was moving along the northeast-southwest axis in 1990, 2002 and 2014.The spindle rotates in a clockwise direction, and showed stable spatial distribution characteristics.Although the distribution tended to be more discredited, the spatial distribution was decreasing.The paddy field was along the northeast-southwest axis, and from 1990 to 2002, the spindle rotates counterclockwise and the rotated clockwise to 45.31° in 2014, and the paddy field also showed the characteristics of discrete distribution, but the polarization characteristic tended to be weakened.By comparing different spatial resolution with simulated distribution of cultivated land by using the future land use simulation model.And the determined optimal resolution was 200 m and the optimal simulation time was 2038.The simulation results which was simulated by the MESSAGE mode showed that the dry land area would be decreased for the first stage and then increased for the second stage in the future, and the paddy field area would maintain the rising trend.The distribution of paddy fields would be more concentrated, and the main axis would rotate along the clockwise direction, the polarization characteristic was obvious, the paddy field gravity center displacement was not obvious.The AIM mode was also used to simulate the distribution of cultivated land, and results showed that the dry land was increased slowly, and the paddy field was decreased which maintained the trend of fluctuation, the influence of climate fluctuation on paddy field was significantly higher than that of dry land, and the dry land spatial pattern changed slowly, and the comprehensive polarization characteristics of paddy field were more prominent.These research results can be used as references and consultancies for the cultivated land management in the Naoli River Basin and Sanjiang Plain.

intergovernmental panel on climate change (IPCC)； RCPs scenarios； future land use simulation model (FLUS)； cultivated land simulated; Naoli River Basin

10.6041/j.issn.1000-1298.2017.10.015

F323.2

A

1000-1298(2017)10-0121-13

2017-06-15

2017-08-07

國(guó)家自然科學(xué)基金項(xiàng)目(41671520)

周浩(1990—)，男，博士生，主要從事土地利用與規(guī)劃研究，E-mail: zhouhao7404@ 163.com

雷國(guó)平(1963—)，男，教授，博士生導(dǎo)師，主要從事土地利用規(guī)劃與土地管理研究，E-mail: guopinglei@126.com