RCPs氣候情景下三江平原典型流域耕地動態模擬

周 浩 雷國平 楊雪昕 王婷婷

(東北大學土地管理研究所，沈陽 110169)

RCPs氣候情景下三江平原典型流域耕地動態模擬

周 浩 雷國平 楊雪昕 王婷婷

(東北大學土地管理研究所，沈陽 110169)

選取三江平原典型流域撓力河流域為研究區，以1990、2002和2014年3期Landsat影像、DEM數據和社會經濟統計資料等多源數據為基本信息源，結合3S技術，運用FLUS模型定量模擬代表性濃度路徑情景系列(RCPs)下耕地動態變化特征。結果表明：24 a間撓力河流域的旱地面積變化幅度較小，水田面積持續增加，1990—2002年水田擴張劇烈，2002—2014年擴張速度趨于緩和；3個時點的旱地均沿東北-西南軸方向進行分布，主軸沿順時針緩慢旋轉，空間變化穩定，分布范圍逐漸減小。水田沿東北-西南走向分布，1990—2002年其主軸逆時針旋轉，后順時針旋轉至45.31°，整體分布較為離散，極化特征不明顯；通過對比不同空間分辨率及時間尺度下模擬精度，確定最優模擬空間分辨率為200 m，最優模擬時間點為2038年；MESSAGE氣候模式下，未來撓力河流域的旱地面積先減少后增加，水田繼續維持擴張態勢，2029年后面積將以2%速度逐年下降，其分布將更加聚集，主軸沿順時針旋轉，重心逐漸向東北方向進行偏移；AIM氣候模式下，氣候波動對水田的影響程度大于旱地，旱地面積持續緩慢增加，水田面積在波動中下降，空間分布的極化特征突出。

政府間氣候變化專門委員會； RCPs情景； FLUS模型； 耕地模擬； 撓力河流域

引言

確保糧食安全是關乎國計民生的首要任務，而耕地是糧食生產的基本物質條件，其格局表征著生產要素的空間配置條件、糧食生產能力狀況及利用可持續性，被認為是多要素的綜合驅動結果[1-2]。從世界范圍來看，城市化、人口增長和經濟發展是影響耕地總量、人均耕地變化的重要因素[3]。在我國，政策、經濟發展以及氣候變暖主導著21世紀耕地的動態變化[4]，在東部發達地區經濟和政策環境為主要驅動因素，中西部則以自然條件因素為主[5-6]，而在東北部地區，極端氣候災害加深了土地與人口之間的矛盾，導致耕地大規模開墾，形成氣候-政策-開墾的有機鏈[2,7]。氣候變化通過氣候成分、氣候要素變化等多種途徑影響農業的作物種植區域、種植制度和生產狀況等[8-10]，尤其對中高緯度地區的耕地時空演變有著巨大的推動作用。鑒于此，我國作為耕地最為緊張的第一人口大國，在施行最為嚴厲的耕地政策前提下，也更需要關注未來氣候環境下耕地時空演變特征，以應對氣候變化對我國糧食安全造成的影響。

通過分解、剖析復雜的社會經濟和自然生態因素與不同用地類型之間的相互作用，可以預測土地利用空間格局，進而分析其變化可能帶來的影響與效應[11]。目前，國內外已有大量針對土地利用格局模擬的方法，如CLUE-S模型[12-13]、元胞自動機(CA)模型[14]、Agent模型[15]、DLS模型[16]和InVEST模型[17]等，其中尤以元胞自動機模型應用成熟和廣泛，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程中，多種用地類型之間的變化牽涉到復雜的轉換關系，單一模擬技術難以系統描述不同時空尺度下土地利用格局，綜合高性能計算技術、地理信息技術及非線性復雜模擬技術是目前土地利用格局模擬的大趨勢[21]。值得強調的是，運用自下而上的策略來模擬復雜的非線性動態地理模擬系統的理論框架[22]，彌補了常規GIS過程分析能力不足的問題，并將元胞自動機(CA)、多智能體系統(MAS)以及生物智能(SI)集成為地理模擬與空間優化系統(Geographical simulation and optimization system，GeoSOS)[23]，由其演化與改進而來的FLUS模型解決了傳統元胞自動機中轉換規則及參數確定復雜等問題[24]，能夠很好地實現人類活動與自然條件影響下土地利用格局情景模擬的目的。

近年來，在全國耕地面積減少的背景下，三江平原耕地面積顯著增加，同時，氣候變暖對以積溫為主要限制因子的該地區耕地面積增加起到了促進作用[25-26]，隨著積溫帶的北移東擴，耕地墾殖由南向北、由西向東不斷推進[27]，其中水稻種植區北界由1980年前期的47°N移至51°N附近[28-29]，該地區在國家糧食安全中的戰略地位逐漸提升。同時伴隨著一系列生態環境保育和耕地保護措施的出臺，水田作為三江平原地區最主要的耕地景觀類型以及我國糧食安全的重要保障，越來越引起人們的關注[30-32]。撓力河流域(131°31′～134°10′E，45°43′～47°45′N)位于三江平原腹地，恰為變暖現象突出的緯度位置，近50 a當地農業開發活動特別強烈，經歷了多次大規模土地利用開發，尤其在1980年國家進入經濟迅速發展時期后，大量易澇旱地轉變為水田，水田擴張尤其劇烈[33-35]。在氣候變化背景下，研究該地區耕地時空演化特征，對保障未來我國糧食安全具有重要的意義。IPCC第5次評估報告(IPCC AR5)開發了一套不用輻射強度強迫而強調以濃度為目標的代表性濃度路徑新情景(RCPs)，該系列情景將氣候、大氣和碳循環預估與排放和社會經濟情景有機結合起來[36-37]，較過去評估報告中設定的相同溫室源排放速率的氣候模式更為合理和科學。本文依據IPCC第5次評估報告中所發布的典型濃度路徑下不同氣候模式，運用FLUS模型模擬不同氣候模式下耕地空間格局，在與國際相關研究鏈接的基礎上，預估未來該地區耕地動態變化特征，以期為當地乃至三江平原的耕地適應性調整提供科學依據。

1 研究區概況及資料來源

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氣候區，春季干旱頻繁，秋季多洪澇災害，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。該流域呈現西南高、東北低的態勢，水系自西南流向東北。地貌類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、外七星河及撓力河中游地區。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(寶山區、尖山區和四方臺區)(圖1)，撓力河干流的下游北岸和中游東岸以國營農場(主要為七星農場、創業農場、大興農場、紅衛農場、勝利農場、八五二農場、八五三農場和紅旗嶺農場)為主，地勢平坦，作物種植條件優越，農業現代化程度很高。撓力河流域中部的內外七星河地區的行政管理屬性主要為地方，家庭農場和個體農戶是主要的耕地利用管理對象。撓力河流域耕地類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區和國家重要商品糧生產基地。

撓力河流域農業開發活動非常活躍，建國以來經歷多次大規模土地開發，其中1990—2002年是第4次墾荒高潮，當地政府采取資金補貼等相關政策，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，農業結構調整政策基本推行完畢，因此，本文基礎耕地信息研究時點確定為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 數據來源與處理

選取美國陸地資源衛星1990年、2002年和2014年Landsat TM/OLI的四景(條帶號：114和115，行編號：027和028)云量符合標準的耕作期(6—8月份)影像為主要數據源。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，為便于研究將土地利用二級分類中水澆地和旱地統一歸為旱地，最終確定土地利用類型為耕地(旱地和水田)、林地、草地、水域、建設用地和未利用地6大類[28]。根據影像色調、紋理等特征，配合流域野外地物調查結果(圖2)進行人工目視解譯，將所得數據查錯、修改和拼接后得到流域3期土地利用矢量數據；基礎地理空間數據源來自數字高程模型(DEM)，精度30 m，利用ArcGIS 10.2得到地理經度、地理緯度、高程和坡度等信息；其他數據包括流域數字地形圖、交通圖、居民點分布圖、地下水分布數據和縣、市經濟社會統計資料。各圖件經投影變換統一轉為Albers雙標準緯線等積投影。

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

空間依賴性是空間數據的基本特征，獨立性假設不成立，對空間數據的直接統計推理可能導致誤導性的結論。中心形態學忽略空間數據的依賴性特征，未觸及獨立性假設以及一般統計方法的可靠性問題。中心形態學中的標準差橢圓分析方法側重數據的整體性、格局性和圖形性，能夠直觀精確地計量空間格局的多方面特征，通過橢圓之間的相似性建立空間格局的順序，通過橢圓之間的差異性鑒別空間格局的各種狀態[31]。它能夠描述節點在各個方向的離散狀況，其形態在一定程度上可以反映節點空間組織的總體輪廓和主導分布方向。一般來說，標準差橢圓常用來度量一組點的數據空間分布特征，考慮到不同大小的耕地(旱地和水田)斑塊對應不同面積的耕地，可以將各斑塊的面積賦值到對應斑塊的幾何中心點上以實現標準差橢圓分析的目的。其中心，即節點分布重心的遷移情況則反映總體空間位移特征，即

(1)

n——分析單元數目

wi——分析單元的屬性值，為i對應分析單元的空間權重

xi、yi——第i個子單元的中心坐標

標準差橢圓主要由3個基本要素構成：轉角θ、沿主軸(長軸)的標準差和沿輔軸(短軸)的標準差，即

(2)

(3)

(4)

式中x′i、y′i——各點距離平均中心的相對坐標

θ——由正北方向順時針旋轉到主軸所形成的夾角

δx、δy——沿x軸和y軸的標準差

標準差橢圓的形狀指數(沿輔軸標準差除以沿主軸標準差的無量綱數值)反映橢圓方向的明確性和向心力程度，可用來衡量耕地(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程中，不但涉及到多種土地利用類型間復雜的轉換關系，而且需要人為確定模型的結構、轉換規則及參數。神經網絡(ANN)在模擬復雜的變化曲面、保證較高的模擬精度和模擬數據要求上具有明顯的優勢，ANN能有效處理帶有噪聲、冗余或不完整的數據，適用于處理非線性或無法用數學來描述的復雜系統[35]。

首先，FLUS模型利用神經網絡來代替轉換規則，從一期土地利用數據與包含人為活動與自然效應的多種驅動力因子獲取各用地類型在研究范圍內的變化發生概率。其次，FLUS模型采用從一期土地利用數據中采樣的方式，能較好地避免誤差傳遞的發生。另外，在土地利用模擬過程中，FLUS模型提出一種基于輪盤賭選擇的自適應慣性競爭機制，該機制能有效處理多種土地利用類型在自然作用與人類活動共同影響下發生相互轉換時的不確定性與復雜性，使得FLUS模型具有較高的模擬精度并且能獲得與現實土地利用分布相似的結果。

FLUS模型由2個主要模塊構成，分別為基于神經網絡的適宜性概率計算模塊和基于自適應慣性機制的元胞自動機模塊。基于神經網絡的適宜性概率計算模塊需輸入土地利用變化驅動因子，允許驅動因子之間存在相關性，設置神經網絡訓練采樣比例(本文設置為2%)，并選用隨機采樣模式進行各類用地的訓練樣本采樣(本文訓練隱藏層數量設置為12)，實現神經網絡訓練。結合標準化處理后各驅動因子分布狀況，最終計算得到土地利用類型在各像元上的適宜性概率；基于自適應慣性機制的元胞自動機模塊以多類別或雙類別空間土地利用數據為初始輸入數據，需預設各土地利用類型變化數量的目標(本文采用RCPs情景數據中土地利用需求數據)，然后根據經驗確定不同土地類型間的相互轉換難易度(0～1，0表示不允許轉換，1表示可自由轉換)，最后設置土地利用類型相互轉換的限制發生區域(本文將七星河國家級自然保護區，2013年建立三環泡國家級自然保護區等區域設為撓力河流域土地利用變化限制發生區)。模型參數設定上，將模擬迭代目標次數設置為300，即模型到達迭代目標會提前停止，領域大小設置為5×5，最終實現撓力河流域土地利用變化模擬(圖3)。

圖3 RCPs情景下運用FLUS模型模擬土地利用現狀的技術框架Fig.3 Technical framework of using future land use simulation model to simulate land use status under RCPs scenarios

2.2.1預案設定

IPCC第1次至第4次評估報告(AR1～AR4)對未來環境的情景設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為準則，所有氣候模式均采用相同的排放速率，但目前各國的減排策略多元化，傳統氣候模式具有一定的局限性。IPCC第5次評估報告中依據大氣輻射強度來設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迫，著眼于較為科學的適應策略，能夠部分預估解耦氣候科學與社會經濟。大氣中不同的CO2濃度對應著不同的RCPs情景，一方面CO2濃度的改變將會導致積溫條件、降水條件隨之改變，進而影響農作物的種植條件，促使耕地格局變化，另一方面CO2濃度直接影響著農作物的光合作用強度，而對于中高緯度地區這種影響機理更為復雜，正向作用與負向作用并存，運用RCPs情景進行耕地格局模擬將具有獨特的優勢。本文在預案設定時，分別采用IPCC AR5中RCPs氣候模式情景系列下的最符合中國發展國情的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90百分位數的高端路徑，又稱能源供應戰略可替代方案及其一般環境影響模式，該模式下世界各國不采取任何碳減排措施，主要溫室氣體排放量、濃度和輻射強度持續遞增，大氣中輻射強度增至大于8.5 W/m2，相當于大氣中CO2濃度會大于1.37×10-3。

AIM氣候模式為中間穩定型路徑，又稱亞太綜合模式，該模式考慮了人口、未來預期的GDP、效率改善和能源消耗(包括煤、石油、天然氣和生物能源等)，情景設計中大氣輻射強度為6 W/m2，可認為大氣中CO2濃度將會大于8.50×10-4，代表世界各國未盡全力實現溫室氣體減量的目標，發達國家和發展中國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應的0.5°×0.5°土地利用需求數據，將其疊加裁剪并統計撓力河流域各土地利用類型面積，以此作為氣候模式情景下的FLUS模型中土地需求參數。通過修改輸入圖層和調整模型參數實現不同情景下的土地利用變化模擬。

2.2.2空間驅動力

直接或間接驅動因子都有可能成為土地利用變化不穩定的根源，撓力河流域產業以農業種植和加工為主，土地利用變化驅動因子的選擇應更多圍繞耕地變化機制。本文根據撓力河流域實際狀況、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、區位條件和社會經濟要素3個方面選取驅動因子，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)、距河流距離、距城鎮中心距離、距居民點距離、距主要公路距離、距鐵路距離、灌溉投資額度、基本建設投資額度、農業人口比例、溝渠密度和地下水可開采模數16個驅動因子。其中距離因子均為歐式距離，利用ArcGIS的Euclidian Distance工具實現。所有驅動因子均經min-max離差標準化的線性變換處理，使結果落在[0，1]區間。需要說明的是，作為三江平原地區核心的糧食產區之一，以農業種植及粗加工為主的第一產業是撓力河流域的支柱性產業，僅西部3區(寶山區、尖山區和四方臺區)存在少量的工礦開采以及加工業等第二產業，由于農業本身的特殊性以及該流域在國家商品糧政策供應中的地位，GDP、產業發展程度等經濟指標對該流域耕地利用變化的差異性驅動作用較小，因此未選取該類型驅動因子。在進行樣本訓練采樣的基礎上，基于各驅動因子進行神經網絡訓練，最終得到各土地利用類型的適宜性概率(圖4)。

2.2.3模擬精度驗證

模型的驗證可以用來檢驗模擬的情況和調整模擬參數。Kappa系數常用來評價遙感的分類精度、圖件間相似程度，能夠定量反映土地利用變化模擬過程中丟失的信息量。以基期年為初期，模擬目標年土地利用情況，進行Kappa系數的檢驗，其中Kappa系數公式為

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

(5)

式中Po——正確模擬的比例

Pc——隨機情況下期望的正確模擬比例

Pp——理想分類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型的適宜性概率Fig.4 Suitability probability of land use types based on ANN model in Naoli River Basin

當Kappa系數大于0.75時，圖件間一致性較高，變化相對較小，Kappa系數處于0.4和0.75之間時，一致性一般，變化較為明顯，Kappa系數小于0.4時，模擬效果差。

3 結果與分析

3.1 耕地變化特征分析

3.1.1耕地數量變化特征

撓力河流域平原區地勢平坦低洼，極易出現農田積澇現象，從20世紀90年代起，當地政府大力推行以稻治澇農業結構調整政策，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，相對面積比例由44.05%變為44.57%。相對旱地而言，期間水田變化幅度較大，12 a間面積增加28.97 km2，達到48.62×102km2，相對面積比例由8.30%上升至20.53%，增加了12.23個百分點，變化主要集中于內外七星河上游沿岸和撓力河中游部分地區(圖5)。由于前期水田的過度擴張，導致撓力河流域開始出現土壤鹽漬化、農田水資源供應嚴重不足、地下水位下降和生態環境破壞等問題，逐漸引起了當地政府關注，水田擴張的主觀意識逐漸淡化，當地政府開始逐步引導居民科學合理開發與管理水田；同時撓力河流域水田化的初衷在于“以稻治澇”和經濟利益，進入21世紀以來，隨著“兩江一湖”改造和“高標準基本農田建設”等農田工程措施的陸續實施，澇害的潛在發生風險明顯下降，由于水田的管理投入水平高于旱地，隨著近年來農業基礎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，相對面積比例變為42.10%。

圖5 撓力河流域3個時點耕地分布圖Fig.5 Cultivated land distribution maps in 1990, 2002 and 2014

3.1.2耕地空間變化特征

3個時點上，撓力河流域旱地的標準差橢圓主軸沿東北-西南方向進行分布，且輔軸一致為西北-東南走向，反映了1990年、2002年和2014年該地區旱地的分布趨勢均為東北-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，旱地的標準差橢圓主軸沿順時針方向緩慢旋轉，轉角θ由37.53°變為39.49°，方向性分布特征穩定；形狀指數體現了空間格局的綜合極化特征。受當地水田化作用的影響，部分低洼易澇旱地逐漸改造為水田，旱地分布趨于離散化，導致沿輔軸的標準差逐漸增加，由1990年的41.27 km變為53.37 km。沿主軸標準差的變化特點恰好與輔軸相反，1990年為114.76 km，后持續下降至2014年的88.50 km，二者綜合導致橢圓形狀指數由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和離散，但其空間分布范圍逐漸減少。本文在標準差橢圓分析中，將標準差級數設置為1級，即可將約68%的旱地包含在橢圓內，并對3個時點旱地標準差橢圓面積進行統計：1990年標準差橢圓面積達到17 071.80 km2，2002變為17 533.20 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年旱地的標準差橢圓面積變為13 130.92 km2；重心對應著旱地空間分布位置，撓力河流域旱地整體往西南方向進行偏移，但不同時間段表現出不同的偏移特征：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)變為(132°29′45″E，46°31′20″N)，向西北向移動了4.2 km，至2014年，偏移速度加快，重心移動了14.57 km，變為(132°7′26″E，46°25′25″N)(表1)。

表1 撓力河流域3個時點耕地標準差橢圓統計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型，其空間格局表現出較強的階段性變化特征。研究期內，其主軸走向變化幅度大，1990年轉角θ為43.93°，沿東北-西南方向進行分布，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和撓力河中部干流東岸水田大量擴張，水田面積的急劇增加促使橢圓主軸沿逆時針旋轉，2002年轉角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進行偏移，2014年轉角θ變為45.31°；水田的標準差橢圓主、輔軸變化特點與旱地類似，輔軸的標準差持續增加，由1990年的37.34 km變為49.20 km，而沿主軸標準差由1990年的86.94 km降至71.09 km，水田的形狀指數由1990年的0.43逐漸增至2002年的0.58，2014年則變為0.69，反映了水田整體離散性增加，極化特征趨于弱化；橢圓的面積統計結果顯示，撓力河流域3個研究時點的水田分布范圍基本一致，橢圓面積均表現出先增加后減少的特點，變化幅度較小；相對旱地而言，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業的核心限制性要素，從基于地表起伏等綜合狀況劃分的封閉型流域單元出發來制定耕地管理策略，更利于耕地的水分利用管理，進而采取科學的農田灌溉措施和耕地調整對策，研究撓力河流域的耕地變化與利用問題將對三江平原地區具有較強的示范導向作用。然而撓力河流域是三江平原境內土地利用開發歷史最早、耕地利用與管理手段最為成熟的地區，特別是自2000年以來該地區陸續建立多個國家級濕地自然保護區，土地利用結構相對穩定，差別于三江平原其他地區的土地利用特點。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”的整體特征相反，因此未來需根據三江平原的地區特點差異性制定差別化的耕地管理策略，對于三江平原北部仍處于擴張狀態的水田應盡量保障其糧食生產能力，而水田發展成熟的撓力河流域應在保證其糧食可持續生產的前提下，關注水田開發利用中的生態環境問題。由于水稻需水量(657.70 mm)遠大于旱作物需水量(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，撓力河流域農田需水量將急劇增加，而同時農業灌溉重心逐漸向西南方向進行移動，可以預見的是未來該流域西南方向的農田水分虧缺風險將進一步加大，次生負面環境效應進一步嚴峻。

3.2 基于FLUS模型的耕地動態變化模擬

3.2.1模擬時空尺度確定

土地利用情景模擬過程中，空間分辨率過低會導致零散分布的居住用地、小塊水域、小塊水田等土地利用類型空間邊界信息的丟失，但倘若分辨率過高，由于地理學的領域效應，將會造成模擬失真，因此，需預先確定最佳模擬空間尺度。本文從1 km(柵格大小1 km×1 km)開始，以100 m為步長逐步提高空間分辨率進行土地利用模擬驗證，其中模擬基期年為1990年，目標年2014年，通過Kappa系數檢驗確定最優模擬空間尺度。FLUS模擬結果顯示，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出較強的曲線拐點效應(圖6)，Kappa系數在波動中上升，由1 km分辨率下0.42增至200 m下的0.86，主要拐點發生在700 m處和200 m處。因此，確定最優模擬空間尺度為200 m。

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

時間尺度確定上，基于撓力河流域最優模擬空間尺度，運用FLUS模型對不同時間尺度的預測能力進行分析，然后確定具體預測年份(圖7)。模擬基期年依次為1990年和2002年，目標年2014年，二者對應預測年份分別為24 a和12 a，然后通過對比檢驗Kappa系數確定模擬時間尺度。結果顯示，1990年綜合模擬精度(Kappa系數為0.86)顯著大于2002年模擬精度(Kappa系數為0.75)，尤其在單一地類模擬上，前者對水田模擬準確率達到0.84，旱地準確率為0.89。因此，最終確定模擬目標年為2038年。

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

3.2.2情景模擬結果

(1) MESSAGE氣候模式

MESSAGE氣候模式下，世界各國不采取任何碳減排措施，主要溫室氣體的排放量將會持續遞增，進而促使全球平均地表溫度升高和降水時空異質性增大，該氣候效應對中高緯度地區的影響更為顯著，導致我國東北地區增溫幅度高于全球同期水平，年降水量呈略減少趨勢，對該地區的農業生產和農業生態系統造成了深刻的影響。如果世界各國仍延續高碳排放量的經濟發展模式，2038年東北地區耕地面積比例將減少0.82%[38]，而受國家糧食政策的影響，糧食作物種植及其粗加工是撓力河流域最主要的經濟來源結構之一，建設占用耕地的需求較低，導致耕地面積僅減少0.35%，凸顯了該地區在東北地區乃至全國中的糧食戰略地位。

圖8 不同氣候模式下撓力河流域土地利用結構變化情況Fig.8 Land use change in Naoli River Basin based on MESSAGE mode and AIM mode

耕地子類型上，撓力河流域旱地先表現出穩定的面積減少態勢，至2029年約下降9.18%，隨后緩慢增加。空間分布上，2038年旱地的標準差橢圓主軸將沿逆時針進行旋轉，轉角θ變為35.43°，主、輔軸的標準差均緩慢增加，其中沿主軸標準差由2014年的88.50 km變為2038年的94.39 km，輔軸變為49.16 km，形狀指數緩慢下降，變為0.52，離散化特征趨弱。標準差橢圓的面積將增至14 578 km2，反映了在該氣候模式下，未來撓力河流域旱地的分布范圍將更廣，旱地傾向于沿東北-西南主軸進行分布。

水田變化特征與旱地相反，面積先持續以較低的速度增加，在2029年之后面積將以2%的速度逐年減少。未來撓力河流域的水田將沿順時針進行旋轉，2038年其轉角θ增至57.16°。沿主軸標準差由2014年的71.09 km降為70.02 km，輔軸標準差下降幅度較大，由2014年的49.20 km變為43.13 km。在二者綜合作用下，未來撓力河流域的水田的標準差橢圓形狀指數將降至0.62，標準差橢圓面積變為9 486.73 km2，與2014年比較可知，未來水田整體分布將更加緊湊，并沿順時針緩慢旋轉，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更加明顯，在世界各國未全力實現碳減排目標的背景下，東北地區耕地面積將持續增加，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，鄰近我國水稻種植北界，氣候波動過大將會對當地作物種植造成顯著的負面影響，導致耕作自然要素條件變差，在AIM氣候模式下撓力河流域耕地面積增加速度遠小于東北地區，2038年其面積僅增加0.46%。

表2 不同氣候模式下撓力河流域耕地標準差橢圓統計(2038年)Tab.2 Standard deviation ellipsoid statistics of cultivated land under MESSAGE mode and AIM mode

氣候波動對撓力河流域的水田的影響程度遠大于旱地，AIM氣候模式下旱地面積將緩慢上升，至2038年相對面積比例上升2.53%，其空間格局變化幅度較小，轉角θ基本保持不變，沿主軸標準差緩慢增至89.54 km，沿輔軸標準差也將變為49.44 km，形狀指數由2014年的0.53變為0.55，標準差橢圓面積變為13 907.8 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下降的趨勢，由2014年的55.83×102km2降至2038年的51.03×102km2，并沿逆時針進行旋轉。水田沿主軸標準差增加為76.82 km，輔軸降為45.04 km，二者綜合作用下將導致水田空間分布格局更加極化(形狀指數降為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氣候模式下撓力河流域耕地空間特征Fig.9 Spatial distribution characteristics in Naoli River Basin based on MESSAGE mode and AIM mode

4 討論

(1)為堅守國家1.2×108hm2耕地紅線，我國長期實行耕地占補平衡政策，即非農建設經批準占用耕地要按照“占多少，補多少”的原則，補充數量和質量相當的耕地。在我國耕地后備資源逐漸開發殆盡的背景下，耕地占補平衡政策對保障我國耕地數量起到了巨大的作用。大量優質耕地被建設占用，而劣質耕地的糧食生產能力難以得到保證，甚至出現棄荒情形，另一方面，地方政府將大量的劣質耕地、超坡耕地等生產能力難以得到保障的土地以耕地類型進行上報，綜合導致耕地的“真正”數量難以得到保證。國土資源統計公報顯示，近幾年來我國耕地面積開始輕微下降，耕地數量以及質量的真正保護壓力應更為嚴峻。三江平原地區是我國重要的糧食墾區，農業和工業的剪刀差導致該地區經濟發展滯后，耕地被建設占用的需求較低，三江平原地區工礦廢棄地較多，未利用地資源豐富，仍存在一定面積數量的耕地后備資源，特別是21世紀以來該地區耕地面積持續增加，三江平原地區在保障我國糧食安全中的戰略地位將愈加凸顯。

(2)撓力河流域是三江平原最為典型的流域之一，域內共7個縣(區)，農區與墾區并存，耕地利用系統驅動復雜。自1980年國家進入經濟迅速發展時期后，流域出現大量的濕地開墾為耕地、水利工程修建和農業結構調整等現象，導致濕地大面積喪失、結構破壞和功能退化。特別是1990年以來，撓力河流域耕地空間急劇擴張和水田面積及結構比率的持續上升，水田是其最主要的土地利用變化景觀。本文依據 IPCC第5次評估報告中發布的典型濃度路徑下不同氣候模式數據，估算了區域水平不同氣候模式下的土地利用需求量，實現了與國際相關研究的完好鏈接，為相關領域的國際交流與合作奠定了基礎。以Landsat影像、DEM數據和社會經濟統計資料等多源數據為基本信息源，結合遙感和GIS技術，引入FLUS模型定量模擬RCPs氣候排放情景下我國典型的中高緯度流域耕地動態變化格局，可以為撓力河流域乃至三江平原的耕地適應性調整提供科學依據。

(3)考慮到耕地是糧食生產的最基本物質資料，而水資源是耕地資源開發與利用的前提條件，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必會越來越突出，對其水土資源平衡關系研究將有助于耕地布局方案的科學制定和農業生產的合理調整。特別是近年來，撓力河流域水田急劇擴張，由此導致當地農田需水量急劇增加，而降水可被認為是供水來源的唯一途徑，而未來該流域降水將緩慢減少，水分供需缺口越來越大，在探尋未來該地區耕地調整策略中，需在研究耕地資源變化的前提下，從天然狀態下探尋水、土二者資源之間的耦合機理，并通過耕地調整(數量及結構調整)實現水土資源平衡以適應全球氣候變化。

5 結論

(1)20世紀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%，期間內水田變化極其劇烈，比例由8.30%變為20.53%，且變化多集中于內外七星河上游沿岸和撓力河中游部分地區。至2014年，旱地面積輕微下降，水田面積僅增加7.21×102km2。

(2)3個時點上，撓力河流域的旱地均沿東北-西南軸分布，主軸緩慢沿順時針旋轉，方向性特征穩定，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-西南方向進行分布，主軸先逆時針進行旋轉，后順時針旋轉至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)通過檢驗不同空間尺度和時間尺度下的模擬精度確定合理的模擬柵格大小和目標年份，確定最優模擬空間尺度為200 m，模擬目標年為2038年。模擬結果顯示，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，主軸沿順時針緩慢旋轉，整體仍傾向于沿東北-西南走向進行分布，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，氣候波動對水田的影響程度明顯大于旱地。未來需根據三江平原地區的差異性特點制定差別化的耕地管理策略，重點關注該地區由于水田開發利用所導致的生態環境問題。

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.世界主要國家耕地動態變化及其影響因素[J].生態學報, 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 劉紀遠, 張增祥, 徐新良, 等.21世紀初中國土地利用變化的空間格局與驅動力分析[J].地理學報, 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.氣候變化和人類活動對耕地格局變化的貢獻歸因綜述[J].地理學報, 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城市用地擴展的預測與模擬[J].應用生態學報, 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土地利用時空格局模擬: 以資陽市雁江區為例[J].地理科學, 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區土地利用未來情景模擬[J].地理學報, 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, 馬廷, 等.地理系統模擬的CA模型理論探討[J].地理科學進展, 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 余強毅, 吳文斌, 唐華俊, 等.復雜系統理論與Agent模型在土地變化科學中的研究進展[J].地理學報, 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.中國生物能源政策情景對土地利用格局的影響[J].資源科學, 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模型的三江源區生態系統水源供給服務時空變化[J].應用生態學報, 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, 雷國平, 趙宇輝, 等.基于CA-Markov模型的撓力河流域土地利用動態模擬[J].生態與農村環境學報, 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.基于LSSVM-CA模型的復雜土地利用變化模擬: 以鄂州市為例[J].資源科學, 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].科學通報, 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, 劉松雪, 等.2014年土地科學研究重點進展評述及2015年展望: 土地利用與規劃分報告[J].中國土地科學, 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化系統GeoSOS的農田保護區預警[J].地理學報, 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, 等.基于耦合的地理模擬優化系統[J].地理學報, 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.東北地區主要糧食作物對氣候變化的響應及其產量效應[J].農業資源與環境學報, 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, 潘學標, 張丹, 等.東北地區不同時間尺度下氣溫和無霜期的變化特征[J].中國農業氣象, 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].自然資源學報, 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.中國雙季稻種植區的氣候適宜性研究[J].中國農業科學, 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分析[J]，農業工程學報，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].農業機械學報, 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].農業工程學報, 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年來撓力河流域徑流演變及驅動機制研究[D].吉林: 東北師范大學, 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: 中國科學院大學, 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: 中國科學院東北地理與農業生態研究所, 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, 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 韓樂瓊, 韓哲, 李雙林.不同代表性濃度路徑(RCPs)下21世紀長江中下游強降水預估[J].大氣科學學報, 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.氣候情景下典型開墾與退耕區耕地動態變化的定量模擬[J].農業工程學報, 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

國家自然科學基金項目(41671520)

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

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