生态学报  2014, Vol. 34 Issue (12): 3266-3275

文章信息

李婧, 范泽孟, 岳天祥
LI Jing, FAN Zemeng, YUE Tianxiang
中国西南地区土地覆盖情景的时空模拟
Spatio-temporal simulation of land cover scenarios in southwestern of China
生态学报, 2014, 34(12): 3266-3275
Acta Ecologica Sinica, 2014, 34(12): 3266-3275
http://dx.doi.org/10.5846/stxb201311042660

文章历史

收稿日期:2013-11-4
修订日期:2014-4-4
中国西南地区土地覆盖情景的时空模拟
李婧1, 2, 范泽孟1 , 岳天祥1    
1. 中国科学院地理科学与资源研究所, 资源与环境信息系统国家重点实验室, 北京 100101;
2. 中国科学院大学, 北京 100049
摘要:气候植被类型的空间分布与土地覆盖类型的空间分布在时空层次上具有很好的相关性和一致性。在运用HLZ生态系统模型获得CMIP5的3种气候情景RCP26、RCP45、RCP85情景下西南地区未来90a(2011-2100年)HLZ生态系统时空分布情景数据的基础上,结合2010年土地覆盖现状数据,构建了土地覆盖情景的空间分析模型,并在此基础上,实现了西南地区未来90a土地覆盖情景的时空模拟分析。模拟结果表明:3种气候情景下,西南地区未来90a的落叶针叶林、落叶阔叶林、草地、耕地、冰雪、荒漠及裸岩石砾地等土地覆盖类型面积将呈逐渐减少趋势;常绿针叶林、常绿阔叶林、混交林、灌丛、湿地、建设用地、水体等土地覆盖类型面积则呈逐渐增加趋势。其中,湿地增加速度最快(平均每10a增加5.28%),荒漠及裸岩石砾地减少速度最快(平均每10a减少2.34%)。
关键词土地覆盖情景模型    气候情景    土地覆盖变化    中国西南地区    
Spatio-temporal simulation of land cover scenarios in southwestern of China
LI Jing1, 2, FAN Zemeng1 , YUE Tianxiang1    
1. State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract:Numerous studies show that Karst area is more sensitive to influence of climate change and human activities, compared to the area in non-vulnerable condition. Therefore, quantitative simulating the land cover scenarios is important to understand the driving mechanism underlying land cover change in Karst area, and what policy should be carried out to prevent and reduce the land degradation. Especially, Karst area, as the typical ecological fragile zone, has been undertaking a series of ecological degradation, which have seriously affected the local socio-economic sustainable development. Karst area of Southwest China is one of the largest continuous Karst zone in the world, which major involves the Guizhou, Guangxi, Yunnan, Sichuan, and Chongqing province of China. This paper aims to develop a method for simulating the scenarios of land cover in Karst area and analyze its spatial distribution change under the global climate change. A simulation method of land cover scenario was developed on the basis of analyzing the correlation of spatial distribution between HLZ (Holdridge life zone) and the land cover, and the policy of basic farmland protection. According to the climate scenarios data of RCP26, RCP45, and RCP85 released by CMIP5 (the Fifth phase of the Coupled Model Intercomparison Project) and the land cover data in 2010 obtained from remoting sense images. Three land cover scenarios in Southwest China are respectively simulated in the next 90 years. The results show that three scenarios of land cover change have similar spatial landscape pattern and conversion trends. A gradual decrease was found in the following types of land cover, deciduous coniferous forest, deciduous broadleaf forest, grassland, cropland, ice and snow, and desert and bare rock; The other types of land cover would experience a moderate increase, namely, evergreen coniferous forest, evergreen broadleaf forests, mixed forest, scrublands, wetlands, construction land, water bodies and so on. Among the land cover types mentioned above, wetlands were projected to increase with the fastest rate (an increase of 5.28% per decade on average) and construction land were projected to increase most slowly (an average increase of 0.16% per decade), while desert and bare rock were forecasted to decline with the fastest rate (a decrease of 2.34% per decade on average) and cropland were forecasted to decrease most slowly (an average decrease of 0.26% per decade). It is worth noting that differences between land cover scenarios of 3 different climate scenarios lay in two aspects. On one hand, land cover scenario of every land cover type under RCP85 scenario stayed in top position in terms of the decadal change rate, especially, ice and snow decreasing far more than the other two scenarios. The next one was RCP45 scenario, land cover scenario of every land cover type under RCP26 scenario rank the last in terms of per decade change rate. On the other hand, each land cover type keep the same change trend under RCP85 and RCP45 scenarios during the following 90 years, while land cover scenario simulated with RCP26 data turn out to change in the opposite trend after 2070. Furthermore, the simulated result identify the method of land cover scenarios can avoid the difficulties which come from the complexity and uncertainty of mechanism analysis in land cover modeling, and suitable to simulate the land cover change on a regional scale.
Key words: land cover scenario model    climatic scenario    land cover change    Karst areas of Southwest China    

全球气候变化是21世纪人类面临的最大和最复杂的生态环境问题[1]。作为全球变化的重要组成部分和主要原因,土地覆被变化已成为全球变化领域的研究焦点[2, 3]。大量研究表明相对于非脆弱区,生态环境脆弱区的土地覆盖变化对气候变化和人类活动的影响更为敏感[4, 5, 6, 7, 8],其土地覆盖变化研究更有利于认识脆弱区的形成演变机制、揭示自然和人文因素对土地覆盖变化的驱动机制[9, 10]。喀斯特地区因其独特的地球化学表层构造,生态环境变异敏感性高,环境容量小,是典型的生态环境脆弱区[11]。贵州、广西、云南、四川、重庆五省区市不仅是中国,也是全球喀斯特分布面积最大、范围最广、最集中连片、以及岩溶发育最强烈的典型喀斯特地貌分布区和生态系统脆弱区域。因此,本文选取中国西南地区行政区划内的云南、贵州、四川和重庆四省市,以及广西省作为研究区域(图 1),旨在对中国最大的喀斯特分布区域的土地覆盖情景变化进行模拟和揭示。

图 1 研究区DEM图 (国界线底图引自[12]) Fig. 1 DEM of research region (national border referred to[12])

如何在全球气候变化背景下,对土地覆盖情景的空间预测模型进行构建,是分析土地覆盖时空分布格局的未来情景变化的前提条件,更是生态环境脆弱区生态环境保护和土地资源持续开发利用政策制定和实施的关键内容。针对上述问题,自20世纪90年代以来,国内外学者从不同视角,结合不同研究目的相继构建了系列土地覆被变化情景预测模型。例如,Lauenroth等人用于模拟农业生态过程的土地利用模型、描述土地覆被变化的全球综合系统IMAGE2.0(Integrated Model to Assess the Greenhouse Effect)、Adams 建立了空间平衡模型、P.H.Verburg等提出了动态的、多尺度的土地覆被空间变化模拟模型CLUE等等[13, 14, 15, 16]。以上研究为进一步模拟土地覆盖变化提供了理论基础和实践经验。但相较于广受关注的中小尺度土地覆被变化,大中尺度全球气候变化背景下的土地覆被模拟尚不多见。在已构建的土地覆被变化预测模型中,范泽孟等基于HLZ气候植被类型空间分布与土地覆盖类型空间分布界限的密切相关性构建了全球气候变化背景下的大尺度土地覆盖边际转换模型[17],避免了因土地覆盖变化驱动机制的复杂性和不确定性而给土地覆盖变化模拟造成的困境,能较准确地模拟大时间尺度上的区域土地覆盖时空变化。但该模型没有考虑土地覆盖分布现状和人文因素对土地覆盖变化的影响。本文旨在土地覆盖边际转换模型的基础上,结合土地覆盖分布现状量化因子、生态保护区规划和基本农田保护政策等人文因素,构建新的土地覆盖转换概率计算方程,改进转换规则,构建新的全球变化背景下的土地覆盖情景预测模型,对CMIP5的3种气候情景RCP26、RCP45、RCP85驱动下的西南地区土地覆盖的时空变化情景进行模拟分析。

1 资料与方法 1.1 基础数据

用于模拟中国西南地区土地覆盖未来情景的气候数据包括基于中国782个气象观测站点数据利用高精度曲面建模方法(HASM)[18]模拟获得的1981—2010年的1 km×1 km分辨率的平均气温、平均降水、潜在蒸散比率等数据。以上数据为输入参数,运行HLZ生态系统模型获得的HLZ栅格数据[19, 20]作为2010年的HLZ气候植被分布的现状数据。土地覆盖分布现状数据采用各IGBP(International Geosphere-Biosphere Programme)类型的百分比栅格数据系列。土地覆盖历史时段数据采用1 km×1 km分辨率的IGBP分类的2010年中国土地覆盖栅格数据,该数据由全国各IGBP类型的百分比栅格数据根据最大概率法则分类得到。IGBP分类系统将土地覆盖类型分为常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、灌丛、草地、湿地、耕地、建设用地、冰雪、荒漠及裸岩石砾、水体等13种类型。以CMIP5发布的2011—2040年、2041—2070年和2071—2100年等3个时段的RCPs气候情景数据为HLZ模型输入参数,模拟了2040年、2070年和2100年的HLZ气候植被栅格数据。以上HLZ栅格数据分辨率均为1 km×1 km。运用Arcinfo的空间分析功能获得研究区域(贵州、广西、云南、四川、重庆)的HLZ未来情景的栅格数据。本文采用的RCPs气候情景数据包括RCP26、RCP45、RCP85情景,分别代表未来气候变化程度的低、中、高3种水平。其中,RCP85 情景假定人口最多、技术革新率不高、能源改善缓慢,同时缺少应对气候变化的政策,导致长时间高能源需求及高温室气体排放,气候变化程度最高。RCP26 情景把全球平均温度上升限制在 2.0 ℃之内,其中21世纪后半叶能源应用为负排放,气候变化程度最低[21]

1.2 土地覆盖边际转换模型

土地覆盖变化是诸多自然因子、人文因子共同作用所导致的复杂过程。若在模拟土地覆盖变化的过程中试图考虑所有的相关驱动因素,将会使模型构建变得极为复杂而陷入困境。气温、降水及潜在性蒸散率等自然气候因子对土地覆盖变化有着直接作用,而这些因子在一定程度上是HLZ气候植被生态系统变化的决定因素[13],且HLZ气候植被类型的空间分布界限与土地覆盖类型的空间分布界限能够很好的吻合。因此,可以通过HLZ气候植被的未来情景来模拟土地覆盖的未来情景。基于此思想,范泽孟等提出了土地覆盖边际转换模型,构造HLZ气候植被类型与土地覆盖类型之间的对应转换矩阵,并找出矩阵中HLZ气候植被类型对应的最大概率的土地覆盖类型以此作为判定未来土地覆盖类型的依据,基于栅格单元比较前后两个时段的HLZ数据,若HLZ类型发生变化,则土地覆盖类型变化,将其赋值为后一时期的HLZ类型对应的最大概率的土地覆盖类型[17]

考虑到不同土地覆盖类型转换的难易程度不同,某一区域的土地覆盖类型更容易向该区域的优势土地覆盖类型方向转变,本文在土地覆盖转换概率的计算中引入各土地覆盖类型占栅格单元的百分比数据作为其分布现状的度量。其次,对于耕地等受人文因子影响更大的土地覆盖类型,应加入适当的规则修正预测结果。再者,转换概率矩阵是对各HLZ气候植被类型分布范围内土地覆盖类型分布结构的定量描述,不同HLZ类型对应不同的土地覆盖分布,则新时期栅格单元的土地覆盖分布结构应趋向于新时期该栅格单元的HLZ类型对应的土地覆盖分布结构,即若某种土地覆盖类型对应t+1时期HLZ类型的概率大于t时期HLZ类型的概率,那么该土地覆盖类型在t+1时期出现的概率应该增大,因此在计算转换概率时应考虑前后两个时期HLZ类型对应的各土地覆盖类型的概率变化,而不是单纯考虑后一时期HLZ类型对应的最大概率土地覆盖类型。因此,本文构建出新的转换概率计算公式:

式中,x,y表示栅格单元的位置,k表示土地覆盖类型,t表示当前时期,HLZP(x,y)k,t表示t时期栅格单元x,y处的HLZ类型对应的第k种土地覆盖类型的概率,LP(x,y)k,t表示t时期栅格单元x,y内的第k种土地覆盖类型的概率,LP(x,y)k,t满足∑13k=1LP(x,y)k,t=1。LP(x,y)k,t+1为t+1时期第k种土地覆盖类型的转换概率,即该栅格单元可能出现第k种类型的概率。

其他类型转换为耕地的规则限定为:自然坡度小于25°,年降水量大于400mm,土地覆盖类型现状不能为林地和高密度草地,不属于国家重点生态功能区,同时满足以上条件的区域可以实现其他土地覆盖类型向耕地的转换。以上规则根据国土资源部发布的可开垦耕地后备资源评价指标与标准表[22]结合指标数据的可获取性制定。

改进后的土地覆盖边际转换模型的模拟步骤(图 2)如下:

图 2 基于栅格的土地覆盖边际转换模型流程图 Fig. 2 Flow chart of lande cover marginal conversion model based on grid

1 )利用2010年的HLZ气候植被栅格数据与2010年的土地覆盖栅格数据构造HLZ类型与土地覆盖类型之间的转移矩阵。

2)逐栅格比较t时期和t+1时期的HLZ气候植被数据,如果t时期到t+1时期栅格单元的HLZ类型没有发生变化,则认为土地覆盖类型不变,将t时期土地覆盖类型赋予t+1时期相应空间位置;如果发生变化,则计算各土地覆盖类型的转换概率(式1),查找最大概率对应的土地覆盖类型将其赋予相应的位置(式2)。

3 )若步骤2计算结果为t+1时期转换为耕地类型,则需判断该栅格是否满足其他土地覆盖类型转耕地的规则,满足则将耕地赋值给相应位置,不满足则将t时期土地覆盖类型赋予t+1时期相应空间位置。

4)重复步骤2与3,直到将每一个栅格单元的值都进行转换完为止。从而获得t+1时段的土地覆盖栅格数据; 经过以上步骤便可以获得研究时段内土地覆盖变化未来情景栅格数据。

2 结果分析 2.1 土地覆盖未来情景空间分布

基于CMIP5的3种气候情景RCP26、RCP45、RCP85模拟的中国西南地区未来90a土地覆盖空间 分布格局(图 3) 具有很好的相似性,表现出如下空间分布格局:

图 3 基于RCP26 RCP45 RCP85气候情景的西南地区不同时期的土地覆盖情景 Fig. 3 Scenario ofandcover change in Sorthwest Chinabased onRCP26 RCP45 RCP85

1 )林地类型空间分布 未来90a,常绿针叶林和常绿阔叶林主要集中分布在横断山地区、四川盆地周围山地、云贵高原及广西的绝大部分丘陵山区,研究区内落叶针叶林、落叶阔叶林和混交林分布相对分散,主要分布在横断山脉南部、大巴山、巫山、云贵高原海拔600m以上的区域。

2)灌丛和草地空间分布 灌丛主要分布在云南、贵州和广西省的低山丘陵地区,草地集中连片分布在四川省西北部,云南、贵州、广西也有草地分布,但空间分布不连续,与相应区域范围内的林地交错分布。

3 )水体和湿地空间分布 水体是指天然陆地水域和水利建设用地,未来90a,研究区内分布的水体主要是长江水系、湄公河水系、珠江水系、云贵高原湖区和四川西北部的高山高原湖区,湿地主要分布在湖区、流域等水域周围的低洼湿润地区。

4)冰雪和荒漠及裸岩石砾空间分布 冰雪主要分布在川西高原以及滇北的横断山区,荒漠及裸岩石砾主要分布在四川省西部的横断山区和西北部的青藏高原地区。

5 )耕地和建设用地空间分布 在未来90a内,耕地集中连片的分布在四川盆地地区,在云贵高原和两广低山丘陵地区也有大量耕地广泛而不连续的分布,建设用地主要分布在靠近河川、水源充足、交通便利的区域。

2.2 3种气候情景下土地覆盖类型面积变化

统计分析基于RCP26、RCP45、RCP85等3种气候情景的土地覆盖变化模拟情景结果(表 1表 3)。

表1 基于RCP26的各土地覆盖类型面积变化 Table 1 Scenario of land cover change based on RCP26
土地覆盖类型Land cover type2010 2040 2070 2100
面积/km2Area比例/%Rate 面积变化/km2Area change变化比例/%Change rate 面积变化/km2Area change变化比例/%Change rate 面积变化/km2Area change变化比例/%Change rate
常绿针叶林Evergreen coniferous forest15956211.76 4333 2.72 3164 1.93 679 0.41
常绿阔叶林 Evergreen broadleaf forests14840210.94 3374 2.27 2181 1.44 -357 -0.23
落叶针叶林 Deciduous coniferous forest129360.95 -410 -3.17 -541 -4.32 9 0.08
落叶阔叶林 Deciduous broadleaf forest583604.30 -996 -1.71 -826 -1.44 450 0.80
混交林Mixed forest558644.12 -670 -1.20 -27 -0.05 1307 2.37
灌丛Shrublands24858618.32 3117 1.25 2288 0.91 -59 -0.02
草地Grassland32199023.73 -6073 -1.89 -2911 -0.92 -2032 -0.65
湿地Wetlands 38440.28 336 8.74 14 0.33 259 6.18
耕地Cropland31919623.52 -2012 -0.63 -2420 -0.76 -371 -0.12
建设用地Construction land 80190.59 132 1.65 -37 -0.45 77 0.95
冰雪 Lce and snow8900.07 -15 -1.69 -17 -1.94 15 1.75
荒漠及裸岩石砾 Desert and bare rock136141.00 -1177 -8.65 -973 -7.82 -83 -0.72
水体Water bodies58210.43 61 1.05 105 1.79 106 1.77
表2 基于RCP45的各土地覆盖类型面积变化 Table 2 Scenario of land cover change based on RCP45
土地覆盖类型Land cover type2010 2040 2070 2100
面积变化/%Area change比例/%Rate 面积变化/km2Area change变化比例/%Change rate面积变化/km2Area change变化比例/%Change rate面积变化/km2Area change变化比例/%Change rate
常绿针叶林 Evergreen coniferous forest15956211.76 38042.38 56383.45 23581.40
常绿阔叶林 Evergreen broadleaf forests14840210.94 29181.97 40912.70 13470.87
落叶针叶林 Deciduous coniferous forest129360.95 -306-2.37 -1075-8.51 -468-4.05
落叶阔叶林 Deciduous broadleaf forest583604.30 -316-0.54 -1004-1.73 -541-0.95
混交林Mixed forest558644.12 -547-0.98 -779-1.41 3550.65
灌丛Scrublands24858618.32 26851.08 53432.13 19680.77
草地Grassland32199023.73 -6749-2.10 -7783-2.47 -3470-1.13
湿地Wetlands 38440.28 81421.18 122026.19 2684.56
耕地Cropland31919623.52 -1775-0.56 -3884-1.22 -1387-0.44
建设用地 Construction land80190.59 1802.24 -72-0.88 260.32
冰雪 Ice and snow8900.07 40.45 -31-3.47 -20-2.32
荒漠及裸岩石砾 Desert and bare rock136141.00 -825-6.06 -1862-14.56 -576-5.27
水体Water bodies58210.43 1131.94 1983.34 1402.28
表3 基于RCP85的各土地覆盖类型面积变化 Table 3 Scenario of land cover change based on RCP85
土地覆盖类型Land cover type2010 2040 2070 2100
面积/km2Area比例/%Rate 面积变化/km2Area change变化比例/%Change rate 面积变化/km2Area change变化比例/%Change rate 面积变化/km2Area change变化比例/%Change rate
常绿针叶林 Evergreen coniferous forest15956211.76 3880 2.43 5924 3.62 4483 2.65
常绿阔叶林 Evergreen broadleaf forests14840210.94 3105 2.09 5323 3.51 2503 1.60
落叶针叶林 Deciduous coniferous forest129360.95 -306 -2.37 -1280 -10.13 -1330 -11.72
落叶阔叶林 Deciduous broadleaf forest583604.30 -225 -0.39 -964 -1.66 -203 -0.36
混交林Mixed forest558644.12 -1069 -1.91 -2357 -4.30 -1720 -3.28
灌丛Shrublands24858618.32 2520 1.01 9617 3.83 7222 2.77
草地Grassland32199023.73 -6736 -2.09 -9107 -2.89 -5876 -1.92
湿地Wetlands 38440.28 1014 26.38 1963 40.41 209 3.06
耕地Cropland31919623.52 -1526 -0.48 -6924 -2.18 -4371 -1.41
建设用地Construction land 80190.59 161 2.01 -159 -1.94 69 0.86
冰雪 Ice and snow8900.07 1 0.11 -34 -3.82 -60 -7.00
荒漠及裸岩石砾 Desert and bare rock136141.00 -889 -6.53 -2190 -17.21 -996 -9.45
水体Water bodies58210.43 70 1.20 188 3.19 70 1.15

1 )RCP26情景 2011—2040时期,常绿针叶林面积增加最多,湿地增加速度最快,草地面积减少最多,荒漠及裸岩石砾减少速度最快;2041—2070时期,常绿针叶林面积增加最多,增加速度最快,草地面积减少最多,荒漠及裸岩石砾减少速度最快;2071—2100时期,混交林面积增加最多,湿地增加速度最快,草地面积减少最多,荒漠及裸岩石砾减少速度最快;与前两个时期不同,在第3个时期,冰雪面积有所增加,大多数土地覆盖类型变化量大大减少,且变化趋势与前两个时期相反。

2)RCP45情景 2011—2040时期,常绿针叶林面积增加最多,湿地增加速度最快,草地面积减少最多,荒漠及裸岩石砾减少速度最快;2041—2070时期、2071—2100时期与2011—2040时期土地覆盖变化趋势相同。

3 )RCP85情景 2011—2040时期,常绿针叶林面积增加最多,湿地增加速度最快,草地面积减少最多,荒漠及裸岩石砾减少速度最快;2041—2070时期,灌丛面积增加最多,其他变化趋势与第1个时期一致;2071—2100时期,落叶针叶林减少速度最快,其他变化趋势与第2个时期一致。

2.3 3种气候情景下土地覆盖类型时空变化

在未来90a内,随着气温的不断升高、降水的不断增加及人类活动强度的不断加强,土地覆被的空间分布格局将呈现如下变化趋势(表 4表 6)。

表4 基于RCP26的西南各省区土地覆盖类型面积变化空间统计 /km2 Table 4 Scenario of land cover change based on RCP26 in 5 regions of Southwest China
类型 Type四川 重庆 贵州 广西 云南
T1T2T3 T1T2T3 T1T2T3 T1T2T3 T1T2T3
统计的是西南各省区各土地覆盖类型变化面积,Ⅰ代表常绿针叶林、Ⅱ代表常绿阔叶林、Ⅲ代表落叶针叶林、Ⅳ代表落叶阔叶林、Ⅴ代表混交林、Ⅵ代表灌丛、Ⅶ草代表地、Ⅷ代表湿地、Ⅸ代表耕地、Ⅹ代表建设用地、Ⅺ代表冰雪、Ⅻ代表荒漠及裸岩石砾、ⅩⅢ代表水体;T1代表 2011—2040年,T2代表 2041—2070年,T3代表 2071—2100年
31481452535535372-411112617-4676180-538705231
523168-591614-312791022-13219349-41363928-159
-32-283-74-1-11-261-17419-100-115-8363
117-275189-173-7510-22-151-200-916-461250
402331673-127-2-3-347-32255-200-596-34582
30421967253-360-10-368-475106-1700820797-418
-6502-1421-107819-1127-677-4096-202-6541289-904-971
32210256000-2000001643
-239-1152-67277-22129-756-2732-45-20-1049-772270
184461442502221-10000-78-12973
-7-1414000000000-8-31
-1047-908-90000100000-131-657
ⅩⅢ8979391010198-1000-571768
表5 基于RCP45的西南各省区土地覆盖类型面积变化空间统计 /km2 Table 5 Scenario of land cover change based on RCP45 in 5 regions of Southwest China
类型 Type四川 重庆 贵州 广西 云南
T1T2T3 T1T2T3 T1T2T3 T1T2T3 T1T2T3
3453272010855395811261049113938377292-13141169762
4283511211725121351194159319980239231694598
-32-510-2260-30-216-397-174-100-57-165-68
645-94-7-175-128-70-26-14-6-200-758-768-458
512100695-132-30-14-381-582-123-200-544-267-203
289346241567-444-13389-518-950-308-17007711802620
-8290-5000-226122-148-42-600-773-309-209-106-252328-1756-833
8011215267000-2000001551
-50-1826-809147-178-102-701-451-88-45-30-1126-1426-388
20852201613-1226422000-66-201-15
11-27-15000000000-7-4-5
-700-1745-528000100000-126-117-48
ⅩⅢ121140911012212310000-393437
表6 基于RCP85的西南各省区土地覆盖类型面积变化空间统计 /km2 Table 6 Scenario of land cover change based on RCP85 in 5 regions of Southwest China
类型 Type四川 重庆 贵州 广西 云南
T1T2T3 T1T2T3 T1T2T3 T1T2T3 T1T2T3
3619316523505996536010031332491793212-14207421570
439479412194032145526837422031041598920171302
-31-549-6490-2-3-197-522-360-100-77-207-318
658480798-189-16911-28-19-22-200-664-1256-990
139-372-1041-139-66-62-416-724-75-2-10-651-1194-542
289979985956-538-32719-734-1583-189-17009103234736
-8613-7813-482615-94202-505-907-363-215-132-272582-161-862
10061963221000-200000100-12
309-3494-2282205-344-960-622-387-239-45-30-1373-2696-890
206431518111259410000-88-30743
9-26-36000000000-8-8-24
-738-2030-949000101000-152-160-48
ⅩⅢ9815631103020334000-58-435

1 )除RCP26情景外,四川省和云南省西部的横断山区的冰雪面积将持续减少,RCP26情景的2071—2100时期,四川省和云南省西部的横断山区的冰雪面积均增加。

2)3种情景下,四川省、贵州省、广西省的草地均将呈现持续减少趋势,随着时间的推移,变化量逐渐减小。而重庆市和云南省的草地则呈现波动变化趋势,草地面积先增加后减少。变化的草地主要转变为常绿针叶林和灌丛。

3 )3种情景下,湿地的变化绝大部分发生在四川省,都将呈逐渐增加趋势,但是随着时间的推移,变化量均逐渐减小。增加的湿地主要由草地转换而来。

4)在未来降水量不断增加和温度不断升高的RCP45、RCP85气候情景下,四川省、云南省西部的横断山区和四川省西北部的青藏高原地区的荒漠及裸岩石砾将持续减少,向现有的荒漠及裸岩石砾边缘逐渐收缩,而转换为相应的草地和灌丛类型,在RCP26情景下的2071—2100时期,该区域的荒漠及裸岩石砾出现增加的变化趋势。

5 )3种情景下,随着气温的逐渐升高和降水的不断增加,西南各省区的常绿林地类型分布密度不断增大且在范围上呈逐渐扩展趋势,尤其是常绿针叶林类型的林地,主要由草地和耕地转换而来,而落叶林地类型则总体呈现减少趋势,尤其是落叶针叶林。

6)3种情景下,四川、重庆、贵州、广西、云南五省区的耕地面积将持续减少,尤其是四川省的四川盆地周边山地地区和云南省的云贵高原区域,减少的耕地主要转换为常绿针叶林、灌丛和草地。另外,3种情景下,四川、重庆、贵州、广西四省区的建设用地将呈现持续增加趋势,空间上表现为原有城市建设范围不断扩大,而云南省的建设用地呈现减少的趋势。

3 结论与讨论

基于RCP26、RCP45、RCP85等3种情景模拟的土地覆盖类型平均面积变化的分析结果表明:在未来90a内,中国西南地区土地覆盖类型的面积总体上将表现为常绿针叶林、常绿阔叶林、灌丛、湿地、水体、建设用地增加,落叶针叶林、落叶阔叶林、草地、冰雪、荒漠及裸岩石砾、耕地减少,混交林减少(其中RCP26情景混交林增加)。3种情景模拟的总平均结果显示在未来90a内各土地覆盖类型的10a平均变化率分别是,常绿针叶林平均每10a增加0.72%、常绿阔叶林平均每10a增加0.55%,落叶针叶林平均每10a减少1.47%、落叶阔叶林平均每10a减少0.26%、混交林平均每10a减少0.33%、灌丛平均每10a增加0.47%、草地平均每10a减少0.53%、湿地平均每10a增加5.29%、耕地平均每10a减少0.26%、建设用地平均每10a增加0.16%、冰雪平均每10a减少0.59%、荒漠及裸岩石砾地平均每10a减少2.34%、水体平均每10a增加0.6%。其中,湿地增加速度最快,荒漠及裸岩石砾地减少速度最快,建设用地增加速度最慢,耕地减少速度最慢。以上3种情景的模拟结果比较一致地反映了在未来不同水平的气候变化情景驱动下中国西南地区各土地覆盖类型的总格局变化趋势。3种情景下的土地覆盖未来情景的不同之处在于,RCP85情景的各土地覆盖类型的整体变化速率最快,尤其是冰雪的减少趋势远远超过另外两种情景,其次是RCP45情景,RCP26情景各土地覆盖类型整体变化速率最慢;再者,RCP85情景、RCP45情景下3个时期各土地覆盖类型的变化趋势保持一致,但RCP26情景的土地覆盖未来情景在2070年以后的变化趋势与前两个时期相反。

综上所述,模拟结果主要根据未来90a的气温、降水、蒸腾率等自然气候条件的变化情景、土地覆盖类型的分布现状、生态保护区规划和基本农田保护政策等方面因素模拟土地覆盖变化未来情景。模型主要侧重气候变化对土地覆盖变化的驱动作用,对社会经济未来情景没有充分的考虑。在以后的研究工作中,将深入开展人文因子数据与土地覆盖变化数据之间的数据挖掘工作,揭示经济发展水平,人口密度,交通密度等因子对土地覆盖情景模拟影响机制,利用贝叶斯网络方法耦合自然人文因子,进一步对已获得的土地覆盖未来情景模拟结果进行修正优化。

参考文献
[1] Turner ⅡB L, Moss R H, Skole D H. Re、lating land use and global land-cover change: A proposal for an IGBP-HDP core project. The International Geosphere-Biosphere Programme (Report No. 24) and the Human Dimensions of Global Environmental Change Programme. IGBP: Stochkholm.
[2] Yue T X, Fan Z M, Liu J Y. Scenarios of land cover in China. Global and Planetary Change, 2007, 55(4): 317-342.
[3] Vitousek P M, Mooney H A, Lubchenco J, Melillo J M. Human domination of earth′s ecosystems. Science, 1997, 277(5325): 494-499.
[4] Whittaker R H. Evolution and measurement of species diversity. Taxon, 1972, 21(2/3): 213-251.
[5] Solomon A M. Transient response of forests to CO2 induced climate change: simulation modeling experiments in eastern North America. Oecologia, 1986, 68(4): 567-579.
[6] Belotelov N V, Bogatyrew B G, Kirilenko A P, Venevsky S V. Modelling of time-dependent biome shifts under global climate changes. Ecological Modelling, 1996, 87(1/3): 29-40.
[7] Hochstrasser T, Krel-Dulay G, Peters D P C, Gosz J R. Vegetation and climate characteristics of arid and semi-arid grasslands in North America and their biome transition zone. Journal of Arid Environments, 2002, 51(1): 55-78.
[8] Fan Z M, Li J, Yue T X. Spatial-temporal change of land-cover in ecosystem transitional zones on Loess Plateau of China. Journal of Natural Resources, 2013, 28(3): 426-436.
[9] Fan Z M, Li J, Yue T X. Land-cover changes of biome transition zones in Loess Plateau of China. Ecological Modelling, 2013, 252: 129-140.
[10] Yu T X, Yang G S. The advances and problems of land use and land cover change research in China. Progress in Geography, 2002, 21(1): 51-57.
[11] Peng J, Cai Y L. Study of Karst land use/cover change under the framework of LUCC-present and prospect. China Land Science, 2006, 20(5): 48-53.
[12] Fan Z M, Yue T X, Tian Y Z. Temporal and spatial distribution and movement tendency of mean center of the Holdridge life zones in China. Atca Ecologica Sinica, 2004, 24(7): 1380-1387.
[13] Lauenroth W K, Urban D L, Coffin D P, Parton W J, Shugart H H, Kirchner T B, Smith T M. Modeling vegetation structure-ecosystem process interactions across sites and ecosystems. Ecological Modelling, 1993, 67(1): 48-80.
[14] Alcamo J, van den Born J G, Bouwman A F, de Haan B J, Goldewijk K K, Krabec J, Lemans R, Olivier J G J, Toet A M C, de Vries H J M, van der Woerd H J. Modeling the global society-biosphere-climate system: Part 2: Computed scenarios // IMAGE2.0: Integrated Modeling of Global Climate Change 1994. The Netherlands: Kluwer Academic Publishers.
[15] Adams R M, Rosenzweig C, Peart R M, Ritchie J T, Mccarl B A, Glyer J D, Curry R B, Jones J W, Boote K J, Allen L H Jr. Global climate change and US agriculture. Nature(London), 1990, 345(6267): 219-224.
[16] Verburg P H, Soepboer W, Veldkamp A, Limpiada R, Espaldon V, Matura S S A. Modeling the spatial dynamics of regional land use: the CLUE-S model. Environmental Management, 2002, 30(3): 391-40.
[17] Fan Z M, Yue T X, Liu J Y, Ma S N. Spatial and temporal distribution of land cover scenarios in China. Acta Geographica Sinica, 2005, 60(6): 941-952.
[18] Yue T X. Surface Modeling: High Accuracy and High Speed Methods. New York: CRC Press, 2010.
[19] Yue T X, Fan Z M, Liu J Y. Changes of major terrestrial ecosystems in China since 1960. Global and Planetary Change, 2005, 48(4): 287-302.
[20] Yue T X, Fan Z M, Liu J Y, Wei B X. Scenarios of major terrestrial ecosystems in China. Ecological Modelling, 2006, 199(3): 363-376.
[21] van Vuuren D P,Edmonds J, Kainuma M, Riahi K, Thomson A, Hibbard K, Hutt G C, Kram T, Krey V, Lamarque J F, Masui T, Meinshausen M, Nakicenovic N, Smith S J, Rose S K. The representative concentration pathways: an overview. Climatic Change, 2011, 109(1/2): 5-31.
[22] Wen M J. China Reserve Resources of Cultivated Land. Beijing: China Land Press, 2005.
[8] 范泽孟, 李婧, 岳天祥. 黄土高原生态系统过渡带土地覆盖的时空变化分析. 自然资源学报, 2013, 28(3): 426-436.
[10] 于兴修, 杨桂山. 中国土地利用/覆被变化研究的现状与问题. 地理科学进展, 2002, 21(1): 51-57.
[11] 彭健, 蔡运龙. LUCC 框架下喀斯特地区土地利用/覆被变化研究现状与展望. 中国土地科学, 2006, 20(5): 48-53.
[12] 范泽孟, 岳天祥, 田永中. 中国Hold ridge 生命地带平均中心的时空分布及其偏移趋势. 生态学报, 2004, 24(7): 1380-1387.
[17] 范泽孟, 岳天祥, 刘纪远, 马胜男. 中国土地覆盖时空变化未来情景分析. 地理学报, 2005, 60(6): 941-952.
[22] 温明炬. 中国耕地后备资源. 北京: 中国大地出版社, 2005.