基于MAS-LCM的沙漠化空間模擬方法研究

馬 歡 于 強(qiáng) 岳德鵬 張啟斌 黃 元 高敬雨

(1.北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100083； 2.北京明德立達(dá)農(nóng)業(yè)科技有限公司，北京 100085)

基于MAS-LCM的沙漠化空間模擬方法研究

馬 歡1于 強(qiáng)1岳德鵬1張啟斌1黃 元1高敬雨2

(1.北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100083； 2.北京明德立達(dá)農(nóng)業(yè)科技有限公司，北京 100085)

以干旱區(qū)典型城市磴口縣為研究區(qū)，利用1995—2015年每隔5年的Landsat TM影像通過(guò)遙感解譯獲取研究區(qū)20年的各等級(jí)沙漠化空間分布，利用GIS 空間分析和重心遷移模型分析沙漠化景觀時(shí)空變化趨勢(shì)。并以2010年沙漠化分類數(shù)據(jù)為基期年數(shù)據(jù)，利用Logistic元胞自動(dòng)機(jī)(Cellular automata-Markov，CA-Markov)模型(簡(jiǎn)稱LCM)并引入多智能體系統(tǒng)(Multi-agent system，MAS)模型修正轉(zhuǎn)移規(guī)則，預(yù)測(cè)2015年沙漠化分類情況及其空間分布格局。研究結(jié)果表明：磴口縣20年間重度及極重度沙漠化面積減小，輕度沙漠化景觀面積逐漸增大，其中2015年的非沙漠化景觀達(dá)到37.09%，各類型沙漠化重心遠(yuǎn)離磴口縣城，呈現(xiàn)良好態(tài)勢(shì)。引入MAS模型的CA-Markov預(yù)測(cè)模型能夠顯著提升模型的模擬精度，所預(yù)測(cè)的2015年數(shù)據(jù)結(jié)果Kappa系數(shù)達(dá)到0.62，高于CA-Markov模型模擬結(jié)果，能較好預(yù)測(cè)干旱區(qū)沙漠化分布情況，為沙漠化監(jiān)管與治理提供了技術(shù)支持。

干旱區(qū)； 沙漠化； CA-Markov； 多智能體系統(tǒng)； 模擬

引言

人類不合理的經(jīng)濟(jì)活動(dòng)與脆弱的生態(tài)環(huán)境相互作用，導(dǎo)致土地生產(chǎn)力下降，土地資源流失，地表呈現(xiàn)沙漠化[1-2]。沙漠化分布廣泛、危害嚴(yán)重，尤其北方干旱半干旱地區(qū)沙漠化迅速發(fā)展已對(duì)社會(huì)經(jīng)濟(jì)和生態(tài)環(huán)境造成很大威脅。磴口縣位于烏蘭布和沙漠東北緣，是典型的生態(tài)脆弱帶[3]，存在土地沙漠化、風(fēng)沙危害劇烈、水土流失嚴(yán)重、土壤鹽漬化以及草地退化等嚴(yán)重的生態(tài)環(huán)境問(wèn)題[4]，其中土地沙漠化問(wèn)題嚴(yán)重影響磴口縣的生存與發(fā)展[5]。

沙漠化的空間分布以及時(shí)空演變特征一直是沙漠化研究中的重點(diǎn)，開(kāi)展沙漠化的監(jiān)測(cè)與評(píng)估是科學(xué)有效防治沙漠化的重要途徑。20世紀(jì)80年代開(kāi)始，遙感以其觀測(cè)范圍廣、信息量大、數(shù)據(jù)更新快和精度高等優(yōu)勢(shì)，在土地沙漠化的監(jiān)測(cè)中廣泛應(yīng)用。許多研究學(xué)者[6-9]利用TM數(shù)據(jù)，構(gòu)建監(jiān)測(cè)指標(biāo)體系，開(kāi)展包括黃河源區(qū)、長(zhǎng)江源區(qū)等多地的沙漠化監(jiān)測(cè)，基本實(shí)現(xiàn)了大尺度沙漠化信息的定量提取。但對(duì)于土地沙漠化的空間過(guò)程預(yù)測(cè)、模擬方法等研究比較欠缺，尤其是涉及政策主導(dǎo)下人為活動(dòng)對(duì)沙漠化過(guò)程影響的定量研究，不能對(duì)沙漠化防治政策的預(yù)期效果進(jìn)行可視化模擬。元胞自動(dòng)機(jī)(CA-Markov)是復(fù)雜系統(tǒng)模擬的重要研究方法，當(dāng)前基于CA模型的研究重點(diǎn)主要有：將CA模型結(jié)合GIS技術(shù)研究土地空間變化；CA模型耦合其它模型，更科學(xué)地模擬預(yù)測(cè)土地時(shí)空變化[10-13]。CA模型假定土地利用驅(qū)動(dòng)因素是相同的，并未考慮土地利用驅(qū)動(dòng)因素隨時(shí)間的變化，但在現(xiàn)實(shí)情況下土地空間變化受到多方面驅(qū)動(dòng)因素影響，自然因素較為穩(wěn)定，在短時(shí)間內(nèi)變化不大，而人文社會(huì)因素往往變化較為明顯，這樣就會(huì)造成模擬預(yù)測(cè)不符合實(shí)際狀況。多智能體系統(tǒng)(MAS)模型考慮土地利用的多目標(biāo)性和受政策影響的利益相關(guān)者的行為，對(duì)土地沙漠化模擬預(yù)測(cè)采用MAS與CA相結(jié)合的方法，整合了代表土地利用環(huán)境空間變化的元胞自動(dòng)機(jī)模型和表現(xiàn)各土地利用主體行為決策過(guò)程的多智能體系統(tǒng)模型，也解決了MAS模型空間模擬預(yù)測(cè)方面缺失的問(wèn)題[14]。

本研究選擇西北干旱區(qū)典型城市磴口縣為研究區(qū)，采用2005—2010年土地沙漠化分類數(shù)據(jù)為模型參數(shù)，以2010年土地利用現(xiàn)狀數(shù)據(jù)為基期年數(shù)據(jù)，利用Logistic-CA-Markov(LCM)模型以及耦合MAS模型2種方法，模擬2015年土地沙漠化分類，并與2015年沙漠化現(xiàn)狀數(shù)據(jù)對(duì)比驗(yàn)證模型的精確性；通過(guò)對(duì)模擬預(yù)測(cè)結(jié)果的比較分析，研究沙漠化模擬的最優(yōu)方法。

1 材料與方法

1.1 研究區(qū)概況

磴口縣地處中國(guó)西北(107°05′E，40°13′N)，位于內(nèi)蒙古河套平原源頭，黃河中上游，背靠狼山山脈，西鄰烏蘭布和沙漠(圖1)。溫帶大陸性季風(fēng)氣候，耕地主要分布在平原河套灌區(qū)，牧草地主要分布在固定半固定沙地、河湖灘地和山地。全年日照時(shí)數(shù)3 300 h以上，無(wú)霜期136～205 d，年平均氣溫為7.6℃，年平均降雨量144.5 mm，年平均蒸發(fā)量2 397.6 mm。

圖1 磴口縣研究區(qū)地理位置圖Fig.1 Spatial location map of study area—Dengkou County

1.2 數(shù)據(jù)來(lái)源與處理

數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn)，選取影像的原則是少云、夏季植被生長(zhǎng)旺盛的季節(jié)，具體包括1995、2000、2005、2010、2015年5個(gè)時(shí)段8月份的TM影像，另外包括2015年8月份野外調(diào)查數(shù)據(jù)。輔助數(shù)據(jù)包括：30 m空間分辨率的DEM、降雨量數(shù)據(jù)、地下水埋深等。利用ENVI 5.1軟件對(duì)遙感影像進(jìn)行輻射校正、影像裁剪等預(yù)處理，選擇最大似然監(jiān)督分類方法對(duì)5期遙感影像進(jìn)行目視解譯提取研究區(qū)不同年份的土地沙漠化景觀，解譯控制顯示精度為1∶100 000，拓?fù)浜透腻e(cuò)處理在 Arc Info 9.3 環(huán)境下完成。然后利用ArcGIS 疊加分析模塊對(duì)不同時(shí)期的沙漠化數(shù)據(jù)進(jìn)行疊置分析，從而得到研究區(qū)沙漠化景觀動(dòng)態(tài)變化信息。

1.3 CA-Markov模型

CA模型是一種在時(shí)間和空間上都處于離散狀態(tài)的局部網(wǎng)絡(luò)動(dòng)力學(xué)模型，由元胞、元胞空間、鄰域以及轉(zhuǎn)換規(guī)則4部分組成，元胞的下一狀態(tài)只與其當(dāng)前狀態(tài)以及鄰域元胞的狀態(tài)有關(guān)[15]。轉(zhuǎn)換規(guī)則是CA模型的核心部分，決定元胞狀態(tài)轉(zhuǎn)換變化。CA模型只有加入符合土地利用變化規(guī)律的轉(zhuǎn)換規(guī)則才能模擬復(fù)雜的地理現(xiàn)象，元胞本身的結(jié)構(gòu)不會(huì)改變，但其狀態(tài)在不停發(fā)生變化[16-18]。

(1)

f——元胞轉(zhuǎn)換規(guī)則

Markov模型預(yù)測(cè)的數(shù)學(xué)表達(dá)式為：假定某一事件的發(fā)展過(guò)程有n個(gè)可能的狀態(tài)，即E1，E2，…，En事件的發(fā)展過(guò)程中，記Pij從某一狀態(tài)(Ei)出發(fā)，下一時(shí)刻轉(zhuǎn)移到其他狀態(tài)(Ej)的可能性，稱為狀態(tài)Pij轉(zhuǎn)移概率，且滿足條件[17]

(2)

j=j×P

(3)

Markov模型是根據(jù)轉(zhuǎn)移矩陣預(yù)測(cè)未來(lái)土地沙漠化數(shù)量變化，空間信息預(yù)測(cè)較弱，CA模型空間模擬預(yù)測(cè)較強(qiáng)，將這兩種模型耦合形成CA-Markov模型，能夠綜合運(yùn)用兩種模型各自的優(yōu)勢(shì)，從數(shù)量和空間兩個(gè)角度同時(shí)模擬預(yù)測(cè)土地利用變化[20]。但是CA-Markov模型并未考慮土地沙漠化驅(qū)動(dòng)因素隨時(shí)間的變化，其假定土地沙漠化驅(qū)動(dòng)因素是相同的，在現(xiàn)實(shí)情況下土地沙漠化變化是受到多方面驅(qū)動(dòng)因素影響，目前對(duì)區(qū)域土地利用變化與其驅(qū)動(dòng)因素之間的關(guān)系研究方法很多，其中二元Logistic回歸方法是研究土地空間變化與驅(qū)動(dòng)因素回歸關(guān)系最為常用的一種方法[21]。

Logistic回歸方法能處理非連續(xù)性的變量，并且將變量與應(yīng)變量表示成一種非線性關(guān)系。在二元Logistic回歸方法中能較方便地計(jì)算出某種土地沙漠化類型在空間上某一位置的適宜性概率。其公式為

(4)

式中Qi,j——每個(gè)土地沙漠化柵格某一沙漠化類型的空間適宜性概率

Xi——各驅(qū)動(dòng)因子,i=1,2,…,n

β——常數(shù)項(xiàng)

βi——各驅(qū)動(dòng)因子的回歸系數(shù)，i=1,2,…,n

因此利用二元Logistic回歸方法獲得土地沙漠化類型的回歸函數(shù)和各沙漠化類型空間分布適宜性概率，某種沙漠化類型空間分布適宜性概率越大，說(shuō)明在土地沙漠化模擬預(yù)測(cè)研究中得到優(yōu)先配置的可能性越大，以此作為CA模型轉(zhuǎn)換規(guī)則的一部分。把二元Logistic回歸方法擴(kuò)展到CA-Markov模型中，耦合為L(zhǎng)ogistic-CA-Markov模型，則彌補(bǔ)了CA-Markov模型對(duì)土地利用驅(qū)動(dòng)因素變化考慮不足的缺點(diǎn)。

1.4 MAS模型

MAS模型是由多個(gè)具有感測(cè)、感知及結(jié)合其他智能體相互作用而采取行動(dòng)功能的自主智能體組成的[22]，可用來(lái)考慮縣域沙漠規(guī)劃的多目標(biāo)性和研究受政策措施影響的利益相關(guān)者的行為。MAS模型的轉(zhuǎn)換規(guī)則主要是根據(jù)不同規(guī)劃文件設(shè)定的土地利用狀態(tài)判斷對(duì)應(yīng)地類的空間適宜性概率，以此作為農(nóng)業(yè)部口、建設(shè)部口和林業(yè)部口智能體轉(zhuǎn)換規(guī)則，模擬預(yù)測(cè)耕地、建設(shè)用地和林地的土地利用變化趨勢(shì)[23]。

(5)

把MAS模型和Logistic-CA-Markov模型結(jié)合起來(lái)，耦合成MAS-LCM模型，使其既具有Logistic-CA-Markov模型優(yōu)勢(shì)又考慮了多智能體系統(tǒng)土地沙漠化主體的復(fù)雜空間決策行為，符合基于人地耦合系統(tǒng)開(kāi)展的土地沙漠化變化研究潮流，也彌補(bǔ)了Logistic-CA-Markov模型中對(duì)土地沙漠化主體考慮不足的劣勢(shì)。在MAS-LCM耦合模型中，MAS模型代表各空間決策土地沙漠化主體，Logistic-CA-Markov模型代表影響土地利用變化的各種空間環(huán)境過(guò)程，Markov模型預(yù)測(cè)未來(lái)時(shí)間段土地沙漠化數(shù)量變化，MAS模型的轉(zhuǎn)換規(guī)則和Logistic-CA-Markov模型轉(zhuǎn)換規(guī)則耦合成MAS-LCM耦合模型轉(zhuǎn)換規(guī)則，沙漠化各類型數(shù)量變化在MAS-LCM耦合轉(zhuǎn)換規(guī)則的判斷下產(chǎn)生模擬預(yù)測(cè)結(jié)果[24]。

2 結(jié)果與分析

2.1 沙漠化分類空間分布結(jié)果

依據(jù)生態(tài)基準(zhǔn)面理論，通過(guò)對(duì)磴口縣土地沙漠化過(guò)程中風(fēng)沙地貌、植被、土壤、生物生產(chǎn)力等代表性因子的野外調(diào)查與觀測(cè)，確定土地退化的階段、指標(biāo)及退化景觀標(biāo)識(shí)，采用國(guó)內(nèi)外流行的“四分法”，將研究區(qū)的沙漠化程度劃分為輕度、中度、重度和極重度4個(gè)等級(jí)，分類體系見(jiàn)表1[25-26]。

表1 沙漠化分級(jí)系統(tǒng)Tab.1 Classification system of desertification

圖2 1995—2015年沙漠化空間分布圖Fig.2 Spatial distribution maps of desertification in 1995—2015

根據(jù)上述分類體系，采用面向?qū)ο蠓诸惙ǖ玫?995—2015年20年間的沙漠化空間分布情況，如圖2所示。根據(jù)解譯結(jié)果，利用ArcGIS的分類統(tǒng)計(jì)工具，對(duì)磴口縣不同時(shí)期不同程度的沙漠化景觀面積進(jìn)行統(tǒng)計(jì)得到表2，面積變化趨勢(shì)如圖3所示。整體來(lái)看，研究區(qū)內(nèi)沙漠化嚴(yán)重程度由西南向東北呈遞減趨勢(shì)，重度和極重度沙漠化景觀主要分布在磴口縣西南，水體景觀包括位于磴口縣東南部的黃河以及分布于中部的各個(gè)湖泊。1995—2015年間，明顯可看出重度及極重度沙漠化面積減少，輕度沙漠化景觀面積逐漸增多。2005年后非沙漠化景觀有逐步成為磴口縣主體景觀的趨勢(shì)，水體景觀逐步發(fā)揮其生態(tài)樞紐功能，表明磴口縣沙漠化程度有所改善，生態(tài)環(huán)境得到較好修復(fù)。

采用重心遷移模型計(jì)算不同程度沙漠化景觀分布的重心，并通過(guò)其重心遷移的方向描述不同程度沙漠化景觀的總體變化趨勢(shì)和空間變化特征，如圖4所示。20年來(lái)，嚴(yán)重、重度、中度沙漠化景觀逐步向西南方向遷移，逐漸遠(yuǎn)離磴口縣，非沙漠化景觀逐步擴(kuò)張，并向磴口縣城靠近，整體空間局勢(shì)發(fā)展良好。

表2 1995—2015年沙漠化各等級(jí)面積及所占比例Tab.2 Area and its proportion of each desertification level from 1995 to 2015

圖3 沙漠化各等級(jí)面積趨勢(shì)圖Fig.3 Area trends of each desertification level

圖5 驅(qū)動(dòng)因子Fig.5 Driving factors

圖4 沙漠化各等級(jí)重心轉(zhuǎn)移圖Fig.4 Gravity transfer center of each desertification level

2.2Logistic-CA-Markov模型沙漠化模擬結(jié)果

在磴口縣實(shí)際狀況基礎(chǔ)上考慮沙漠化變化驅(qū)動(dòng)因子，但是由于數(shù)據(jù)收集、因子量化等限制，本文主要從自然環(huán)境和社會(huì)經(jīng)濟(jì)兩方面選擇影響磴口縣沙漠化變化的驅(qū)動(dòng)因子，包括NDVI、地下水埋深、蒸散發(fā)、與建筑用地距離、與水域距離以及與道路距離，如圖5。植被分布情況、地下水環(huán)境、植被蒸騰等自然因素在干旱半干旱地區(qū)均是沙漠化的重要指標(biāo)；與建筑用地距離、與水域距離以及與道路距離代表交通便利程度，影響人們對(duì)土地利用的決策。因此，本文共選取這6個(gè)因子作為CA模型的Logistic參數(shù)。

將上述6種驅(qū)動(dòng)因子做標(biāo)準(zhǔn)化處理，取值范圍在0～1之間，消除量綱影響，得到對(duì)應(yīng)各沙漠化類型的二元Logistic回歸方程系數(shù)。采用二元Logistic回歸方程分析磴口縣沙漠化分類變化和驅(qū)動(dòng)因子之間回歸關(guān)系，獲得各沙漠化類型空間分布適宜性概率，作為L(zhǎng)ogistic-CA-Markov模型的轉(zhuǎn)換規(guī)則。以2010年沙漠化分類數(shù)據(jù)為基期年數(shù)據(jù)，2005—2010年沙漠化分類面積轉(zhuǎn)移矩陣表作為Markov面積轉(zhuǎn)移矩陣文件(表3)，2010年磴口縣二元Logistic回歸的各沙漠化類型空間適宜性概率圖為L(zhǎng)ogistic-CA-Markov模型轉(zhuǎn)換規(guī)則文件，模擬年份設(shè)置為5年，選擇5×5的濾波器，根據(jù)上述設(shè)置運(yùn)行CA-Markov模塊，就可以得到基于2010年沙漠化分類數(shù)據(jù)的2015年沙漠化分類模擬預(yù)測(cè)圖(圖6a)。從基于Logistic-CA-Markov模型的模擬結(jié)果中可以看出，模擬的極重度沙漠化面積、無(wú)沙漠化面積均多于2015年實(shí)際情況，模擬結(jié)果與實(shí)際沙漠化現(xiàn)狀有一定誤差，但總體趨勢(shì)相對(duì)一致。

表3 2005年到2010年磴口縣各沙漠化等級(jí)轉(zhuǎn)移概率矩陣Tab.3 Transfer probability matrix of each desertification level in Dengkou County from 2005 to 2010 km2

圖6 2015年沙漠化空間分布模擬結(jié)果Fig.6 Simulation results of desertification spatial distribution of 2015

2.3 MAS-LCM模型沙漠化模擬結(jié)果

以Logistic-CA-Markov模型為基準(zhǔn)，耦合MAS模型，可以為MAS-LCM耦合模型模擬預(yù)測(cè)提供精度保證。以2010年沙漠化分類數(shù)據(jù)為基期年數(shù)據(jù)，2005—2010年沙漠化分類面積轉(zhuǎn)移矩陣表作為Markov面積轉(zhuǎn)移矩陣文件(表3)，2015年磴口縣MAS模型規(guī)則(圖7)耦合Logistic-CA-Markov模型作為轉(zhuǎn)換規(guī)則文件，模擬年份設(shè)置為5年，選擇5×5的濾波器，根據(jù)上述設(shè)置運(yùn)行CA-Markov模塊，得到基于2010年沙漠化分類數(shù)據(jù)以及2015年規(guī)劃數(shù)據(jù)的2015年沙漠化分類模擬預(yù)測(cè)圖(圖6b)。

沙漠化變化是一個(gè)十分復(fù)雜的地理過(guò)程，受到自然條件、人文因素、社會(huì)經(jīng)濟(jì)等諸多方面的影響，如圖6b所示，MAS模型考慮社會(huì)規(guī)劃部分，規(guī)劃區(qū)域與實(shí)際發(fā)展趨勢(shì)相吻合，模擬精度較高，西部陰山山前重度沙漠化模擬、東部縣城無(wú)沙漠化模擬面積均與實(shí)際接近，縣城無(wú)沙漠化面積逐年增多，磴口縣全境沙漠化程度均有所好轉(zhuǎn)，與磴口縣城逐年治理沙漠的相關(guān)政策相符。

2.4 對(duì)比分析

圖7 MAS模型驅(qū)動(dòng)因子Fig.7 Driving factors of MAS model

兩種模型模擬結(jié)果對(duì)比分析如圖6所示，將研究區(qū)2015年實(shí)際沙漠化空間分布(圖2e)與2種方法模擬沙漠化等級(jí)對(duì)比發(fā)現(xiàn)，模擬結(jié)果整體空間布局與實(shí)際整體空間布局比較接近。其中南部地區(qū)中度沙漠化模擬精度最為突出，東部磴口縣建設(shè)用地分布分散周圍多環(huán)繞農(nóng)業(yè)用地，模擬結(jié)果誤差相對(duì)較大?；贛AS-LCM耦合模型模擬預(yù)測(cè)的磴口縣2015年沙漠化分類圖中，在利用現(xiàn)狀發(fā)展條件和利用主體行為影響下，耕地、林地、建設(shè)用地代表下的無(wú)沙漠化面積增加，沙漠化面積減少，水體面積在減少，與實(shí)際情況更為接近。

為定量驗(yàn)證模型精確程度，首先對(duì)兩種模型模擬沙漠化等級(jí)圖與實(shí)際沙漠化等級(jí)圖做點(diǎn)對(duì)點(diǎn)對(duì)比分析，然后對(duì)模擬沙漠化等級(jí)圖與實(shí)際沙漠化等級(jí)圖進(jìn)行Kappa系數(shù)檢驗(yàn)。結(jié)果顯示Logistic-CA-Markov模型、MAS-LCM模型模擬準(zhǔn)確率分別為71.06%、82.51%，Kappa系數(shù)分別為0.54、0.62，具有一定的可信度。結(jié)果表明，MAS-LCM模型模擬精度優(yōu)于Logistic-CA-Markov模型。在CA-Markov模型基礎(chǔ)上，結(jié)合林地保護(hù)區(qū)、基本農(nóng)田保護(hù)區(qū)、建設(shè)用地空間管制分區(qū)等人為規(guī)劃因素，模擬結(jié)果更加符合未來(lái)發(fā)展趨勢(shì)，把代表土地規(guī)劃主體的人文因素添加到模型中，對(duì)提高模型模擬精度有重要作用。

3 結(jié)論

(1)磴口縣沙漠化程度由西南向東北呈遞減趨勢(shì)，重度和極重度沙漠化景觀主要分布在磴口縣西南，水體景觀包括位于磴口縣東南部的黃河以及分布于中部的各個(gè)湖泊，1995—2015年間，明顯可看出重度及極重度沙漠化面積減小，輕度沙漠化景觀面積逐漸增大。2005年后非沙漠化景觀有逐步成為磴口縣主體景觀的趨勢(shì)，水體景觀逐步發(fā)揮其生態(tài)樞紐功能，表明磴口縣沙漠化程度有所改善，生態(tài)環(huán)境得到較好修復(fù)。

(2)從基于Logistic-CA-Markov模型的模擬結(jié)果中可以看出，與實(shí)際沙漠化現(xiàn)狀有一定誤差，極重度沙漠化面積與無(wú)沙漠化面積均多于2015年實(shí)際情況，點(diǎn)對(duì)點(diǎn)準(zhǔn)確率為71.06%，Kappa 系數(shù)為0.54，模擬精度中等。Logistic-CA-Markov模型具有在地理空間和數(shù)量上的模擬預(yù)測(cè)優(yōu)勢(shì)，還考慮土地沙漠化驅(qū)動(dòng)因素隨時(shí)間的變化，但是難以分析土地沙漠化決策行為主體的土地利用選擇。

(3)MAS模型突出人類社會(huì)的作用，添加林地保護(hù)區(qū)、基本農(nóng)田保護(hù)區(qū)、建設(shè)用地空間管制分區(qū)影響因子到模型中，模擬預(yù)測(cè)結(jié)果更符合土地利用的自然性、社會(huì)性和人文性特征，基于MAS-LGM耦合模型模擬預(yù)測(cè)的磴口縣2015年沙漠化分類數(shù)據(jù)，總體模擬精度及Kappa系數(shù)均優(yōu)于基于CA-Markov模型，點(diǎn)對(duì)點(diǎn)準(zhǔn)確率為82.51%，Kappa 系數(shù)為0.62。

1 朱俊鳳,朱震達(dá).中國(guó)沙漠化防治[M].北京:中國(guó)林業(yè)出版社,1999:2-7.

2 胡光印,董治寶,逯軍峰,等.黃河源區(qū)1975—2005年沙漠化時(shí)空演變及其成因分析[J].中國(guó)沙漠,2011,31(5): 1079-1086.

HU Guangyin, DONG Zhibao, LU Junfeng,et al.Spatial and temporal changes of desertification land and its influence factors in source region of the Yellow River from 1975 to 2005[J].Journal of Desert Research, 2011,31(5): 1079-1086.(in Chinese)

3 董智,李紅麗,孫保平,等.烏蘭布和沙漠東北緣磴口縣沙塵天氣變化規(guī)律及其對(duì)防護(hù)林體系建設(shè)的響應(yīng)[J].干旱區(qū)資源與環(huán)境,2004(增刊1):269-275.

DONG Zhi, LI Hongli, SUN Baoping, et al.The change of sand- wind climate and response to the shelter belt system construction in the Northeastern Ulanbuh Desert[J].Journal of Arid Land Resources and Environment,2004(Supp.1):269-275.(in Chinese)

4 趙志峰.內(nèi)蒙古磴口縣生態(tài)環(huán)境脆弱性評(píng)價(jià)[D].蘭州：西北師范大學(xué),2007.

ZHAO Zhifeng.Evaluation of eco-environment fragility in Dengkou County, Inner Mongolia, China[D].Lanzhou: Northwest Normal University,2007.(in Chinese)

5 楊根生,劉連友,劉志民.磴口縣土地沙漠化及其整治[J].干旱區(qū)資源與環(huán)境, 1991(1): 1-11.

YANG Gensheng, LIU Lianyou, LIU Zhimin.Land desetification and its integrated transformation of Dengkou County[J].Journal of Arid Land Resources and Environment, 1991(1): 1-11.(in Chinese)

6 吳薇,王熙章,姚發(fā)芬.毛烏素沙地沙漠化的遙感監(jiān)測(cè)[J].中國(guó)沙漠,1997,17(4):83-88.

WU Wei, WANG Xizhang, YAO Fafen.Appling remote sensing data for desertification monitoring in the Mu Us Sandy Land[J].Journal of Desert Research,1997,17(4):83-88.(in Chinese)

7 王葆芳,劉星晨,王君厚,等.沙質(zhì)荒漠化土地評(píng)價(jià)指標(biāo)體系研究[J].干旱區(qū)資源與環(huán)境,2004,18(4):23-28.

WANG Baofang, LIU Xingchen, WANG Junhou, et al.Study on monitoring and assessment indicator systems of sandy desertification in China[J].Journal of Arid Land Resources and Environment,2004,18(4):23-28.(in Chinese)

8 張玉貴,劉華.TM影像的計(jì)算機(jī)屏幕解譯和荒漠化監(jiān)測(cè)[J].林業(yè)科學(xué)研究,1998,11(6):38-45.

ZHANG Yugui, LIU Hua.Potential of TM imagery for monitoring and assessment of desertified land[J].Forest Research,1998,11(6):38-45.(in Chinese)

9 胡光印,董治寶,逯軍峰,等.長(zhǎng)江源區(qū)沙漠化及其景觀格局變化研究[J].中國(guó)沙漠,2012,32(2):314-322.

HU Guangyin, DONG Zhibao, LU Junfeng, et al.Land desertification and landscape pattern change in the source region of Yangtze River[J].Journal of Desert Research,2012,32(2):314-322.(in Chinese)

10 楊俊,解鵬,席建超,等.基于元胞自動(dòng)機(jī)模型的土地利用變化模擬——以大連經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)為例[J].地理學(xué)報(bào),2015,70(3):461-475.

YANG Jun, XIE Peng, XI Jianchao, et al.LUCC simulation based on the cellular automata simulation: a case study of Dalian Economic and Technological Development Zone[J].Acta Geographica Sinica,2015,70(3):461-475.(in Chinese)

11 龔文峰,袁力,范文義.基于CA-Markov的哈爾濱市土地利用變化及預(yù)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(14):216-222.

GONG Wenfeng, YUAN Li, FAN Wenyi.Dynamic change and prediction of land use in Harbin City based on CA-Markov model[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(14):216-222.(in Chinese)

12 趙冬玲,杜萌,楊建宇,等.基于CA-Markov模型的土地利用演化模擬預(yù)測(cè)研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2016,47(3):278-285.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160339&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2016.03.039.

ZHAO Dongling, DU Meng,YANG Jianyu, et al.Simulation and forecast study of land use change based on CA-Markov model[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2016,47(3):278-285.(in Chinese)

13 張啟斌,岳德鵬,于強(qiáng),等.基于AES-LPI-CA模型的磴口縣景觀格局演化模擬研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(5):128-134.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170515&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2017.05.015.

ZHANG Qibin, YUE Depeng, YU Qiang, et al.Simulation of landscape pattern evolution in Dengkou County based on AES-LPI-CA model[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(5):128-134.(in Chinese)

14 符蓉,濮勵(lì)杰,錢敏,等.區(qū)域土地利用變化情景模擬設(shè)計(jì)與實(shí)證分析——基于多智能體系統(tǒng)(MAS)模型[J].資源科學(xué),2012,34(3):468-474.

FU Rong, PU Lijie, QIAN Min, et al.Simulation and empirical analysis of regional land-use change based on Multi-Agent System(MAS) model[J].Resources Science,2012,34(3):468-474.(in Chinese)

15 張茜.基于CA-Markov模型的杭州灣南岸濕地景觀格局動(dòng)態(tài)模擬與預(yù)測(cè)[D].杭州：浙江大學(xué)，2013.

ZHANG Qian.Dynamic simulation and prediction of wetland landscape pattern based on CA-Markov model in southern Hangzhou Bavarea[D].Hangzhou:Zhejiang University,2013.(in Chinese)

16 BATTY Michael, XIE Yichun.Modelling inside GIS:Part 1.model structures,exploratory spatial data analysis and aggregation[J].International Journal of Geographical Information Systems,1994,8(3):291-307.

17 WALDO Tobler.A computer movie simulating urban growth in the Detroit region[J].Economic Geography,1970,46(2):234-240.

18 羅英偉.基于Agent的分布式地理信息系統(tǒng)研究[D].北京:北京大學(xué),1995.

LUO Yingwei.The study on Agent based distributed geographic information system[D].Beijing:Peking University,1995.(in Chinese)

19 徐建華.現(xiàn)代地理學(xué)中的數(shù)學(xué)方法[M].北京:高等教育出版社,2002:35.

20 梁發(fā)超,張文開(kāi).基于Markov-灰色模型的土地利用結(jié)構(gòu)變化預(yù)測(cè)[J].沈陽(yáng)大學(xué)學(xué)報(bào):自然科學(xué)版,2008, 20(6):110-113.

LIANG Fachao, ZHANG Wenkai.Forecast of land-using structure change based on Markov-grey model[J].Journal of Shenyang University: Natural Science Edition,2008,20(6):110-113.(in Chinese)

21 楊維鴿.基于CA-Markov模型和多層次模型的土地利用變化模擬和影響因素研究[D].西安:西北大學(xué),2010.

YANG Weige.The study of the simulation and influencing factors of languse change based on CA-Markov model and multi-level model[D].Xian: Northwest University,2010.(in Chinese)

22 楊青生,黎夏,劉小平,等.基于Agent和CA的城市土地利用變化研究[J].地球信息科學(xué)，2005, 7(2):78-81.

YANG Qingsheng, LI Xia, LIU Xiaoping, et al.Urban land use change research based on Agent and cellular automata[J].Journal of Geo-Information Science,2005, 7(2):78-81.(in Chinese)

23 PARKER Dawn C,MANSON Steven M.Multi-agent systems for the simulation of land-use and land-cover change[J].Annals of the Association of American Geographers,2003,93(2):314-337.

24 張龍飛.基于MAS-LCM耦合模型的孟連縣土地利用時(shí)空變化模擬預(yù)測(cè)研究[D].昆明:云南大學(xué),2016.

ZHANG Longfei.Simulation and prediction of land use time and space change in Menglian county based on MAS-LCM coupling model[D].Kunming:Yunnan University,2016.(in Chinese)

25 羅平,李森,李滿春,等.海南島西部土地沙漠化時(shí)空模擬及虛擬政策實(shí)驗(yàn)[J].地理與地理信息科學(xué),2006,22(6):66-70.

LUO Ping,LI Sen, LI Manchun, et al.Spatio-temporal simulation and experiment of policies of desertification land in the west of Hainan Island[J].Geography and Geo-Information Science,2006,22(6):66-70.(in Chinese)

26 段翰晨,王濤,薛嫻,等.科爾沁沙地沙漠化時(shí)空演變及其景觀格局——以內(nèi)蒙古自治區(qū)奈曼旗為例[J].地理學(xué)報(bào),2012,67(7):917-928.

DUAN Hanchen, WANG Tao, XUE Xian, et al.Spatial-temporal evolution of aeolian desertification andlandscape pattern in Horqin sandy land:a case study of Naiman Banner in Inner Mongolia[J].Acta Geographica Sinica,2012,67(7):917-928.(in Chinese)

SpatialSimulationMethodofDesertificationBasedonMAS-LCMModel

MA Huan1YU Qiang1YUE Depeng1ZHANG Qibin1HUANG Yuan1GAO Jingyu2

(1.BeijingKeyLaboratoryofPrecisionForestry，BeijingForestryUniversity，Beijing100083，China2.BeijingMindleaderAgroscienceCo.，Ltd.，Beijing100085，China)

Dengkou County, a typical city in the arid area, was taken as study area, and the spatial distribution of desertification for every five years from 1995 to 2015 in the study area was obtained by Landsat TM images remote sensing interpretation.Spatial and temporal variation trend of desertification landscape was analyzed by using GIS spatial analysis and gravity center migration model.Based on the 2010 desertification classification data, the 2005—2010 desertification classification area transfer matrix table was used as Markov transfer matrix file.Using the Logistic CA-Markov model (LCM) and introducing the multi-agent system (MAS) model to correct the transfer rule, the desertification classification and its spatial distribution pattern were forecasted and compared to analyze the advantages and disadvantages of the two simulation methods.The results showed that the desertification area of Dengkou County had a significant reduction in severe desertification and very severe desertification over the past 20 years.Mild desertification landscape area and non-desertification area were gradually increased, of which non-desertification landscape reached 37.09% in 2015.Various types of desertification center of gravity left away from Dengkou County, showing a good momentum.The CA-Markov prediction model with MAS model can significantly improve the simulation accuracy of the model.The predicted Kappa coefficient reached 0.62, which was higher than that of CA-Markov model.It can better predict the distribution of desertification in arid areas, and provide technical support for the current and future desertification regulation and governance.

arid region; desertification; CA-Markov; multi-agent system; simulation

10.6041/j.issn.1000-1298.2017.10.016

K903

A

1000-1298(2017)10-0134-08

2017-07-17

2017-08-26

國(guó)家自然科學(xué)基金項(xiàng)目(41371189)和“十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目(2012BAD16B00)

馬歡(1992—)，女，博士生，主要從事3S技術(shù)在生態(tài)環(huán)境中的應(yīng)用研究，E-mail：xiaohuan27@163.com

岳德鵬(1963—)，男，教授，博士生導(dǎo)師，主要從事景觀生態(tài)學(xué)和土地評(píng)價(jià)研究，E-mail：yuedepeng@126.com