江西省耕地转移驱动机理

构建涵盖农业生产、耕地向建设用地转移和耕地向林/草地转移的江西省土地用途转移驱动机理模型,采用分段估计逐步增加解释变量的方法测度了人口、社会、经济、区位和自然因素等驱动土地用途转移的机理。研究表明,人口规模是江西省土地用途转移的重要驱动力,社会经济因素在短时间内起决定性作用,各种驱动力以各种方式组合来增强或者减弱其对区域土地用途转移的作用效果。其中,农业人口规模及生产投入要素是影响江西省农业生产的主要因素;人口规模、平原面积比例及土地管理政策是江西省耕地向建设用地转移过程的重要解释变量;农业人口比重、地形坡度、粮食产量及非农产业是江西省耕地向林/草地转移过程的重要影响因素,并揭示了解释了江西省在众多驱动力作用下土地用途转移规律。     

土地系统动态模拟与土地用途转换分析的方法探索——兼评“土地系统计量模型”图书

由中国科学院地理科学与资源研究所邓祥征博士撰写的关于"土地系统计量模型"的两本书(<土地系统动态模拟>、 <土地用途转换分析>)已于2008年11月由中国大地出版社出版,这反映了我国青年科研工作者积极响应并参与了全球土地科学研究计划(GLP)相关研究活动,并在土地系统格局演替动态模拟、土地用途转换分析的方法与模型研究方面做出了有价值的探索.     

西藏"一江两河"中部流域地区土地沙漠化变化的驱动因素分析

土地利用/覆盖变化及其驱动力是当前研究的热点问题,现代土地沙漠化变化的机制及其驱动因素的研究更倍受关注。选择西藏"一江两河"中部流域地区为研究区域,依据该区1991年与1997年的两期土地沙漠化类型与面积数据,利用定量方法分析了同期土地沙漠化的发展变化与区内各种自然与人文因子间的数量关系,以定量辩识其变化的驱动因素。分析结果表明,该区近期土地沙漠化的变化是在多种气候因子、社会因子与经济因子共同驱动下自然变化过程与人为变化过程相互影响的结果,其中,自然驱动因素主要是风力与干旱程度,人为驱动因素主要是农作物播种面积与牲畜(超载)数量,但比较之下自然驱动因素的作用相对稍重,具有相对主导性。     

中国土地行政复议案件时空格局演变及宏观驱动机制

基于2000~2015年中国省（市、区）土地行政复议案件数量、案由与复议结果等数据,定量探究中国土地行政复议案件的分布特征、格局演变与宏观驱动机制。研究表明：中国年度土地行政复议案件数量整体呈连续增加态势,行政相对人复议成功率先下降后上升。土地行政复议案件的空间分布与中国宏观人口-经济格局基本匹配,整体具有东南多西北少的分异特征,以中部主要省份为核心,经历了先向东部沿海、后向西北与西南地区蔓延的演进过程。中国土地行政复议案件的时空格局演变由经济发展水平、城市化水平、产业结构升级、城市建成区面积、土地财政收入状况、土地市场化水平、区位条件等因素共同驱动。     

多尺度联合驱动的城市增长模拟建模

元胞自动机是模拟土地利用时空演变的重要建模工具,但其经典框架主要根据历史变化规律进行空间"自下而上"驱动,这种模拟机制缺乏对宏观土地供需平衡以及空间发展政策等"自上而下"机制的整合,难以科学解释中长期土地利用变化过程。该文利用金字塔架构解释城市空间增长的复合驱动力,提出了"顶层土地供需平衡-中层空间政策引导-底层元胞状态演化"多尺度联合驱动的土地利用变化模拟框架。以广州都市区为案例,利用改进模型对其2010-2030年的城市扩张过程进行了模拟,并对结果进行了精度对比和案例举证。研究表明,多尺度联合驱动进一步增强了元胞自动机模型对现实世界的仿真能力,多尺度空间协同是地理时空过程建模的发展方向。     

基于多智能体系统的城市增长时空动态模拟——以江苏省连云港市为例

城市化是土地利用/覆盖变化中最典型形式之一,探索城市增长的驱动机制并预测其未来变化,对于实现城市可持续发展十分重要。鉴于多智能体系统强大的模拟复杂空间系统的能力,基于联合"自上而下"和"自下而上"决策行为的视角,构建了一个城市增长时空动态模拟多智能体模型,在模型中,宏观Agent实施的"自上而下"的宏观土地利用规划行为和微观Agent自主发起的"自下而上"的微观土地利用空间诉求行为通过二维空间网格相互作用,并通过联合决策共同推动研究区域的城市化进程。以连云港市中心城区为例,考虑了基于目前趋势、经济发展优先和环境保护优先的3种目标情景,并进行了相应的城市增长情景模拟。模拟结果表明:联合"自上而下"和"自下而上"决策行为的城市增长时空动态模拟多智能体模型能够充分发挥多智能体系统的潜力来了解城市化的驱动机制,为城市管理提供基于情景分析的决策支持。     

喀斯特山区土地利用变化的人类驱动机制研究——以贵州省为例

根据土地利用和相关的社会经济状况及其变化特征分析,提出了表征县域土地利用变化及其人类驱动因素的指标,分析了二者的联系以探讨人类驱动因素对土地利用变化的驱动机制,指出了人类驱动因素在解释土地利用变化过程中的贡献,为协调喀斯特地区土地资源和人类活动的关系提供依据,为进一步进行土地利用/土地覆盖变化研究积累方法和经验。     

金沙江下游地区人类活动对土壤侵蚀的影响

土壤侵蚀发生发展过程受自然因素和社会经济因素的共同作用。社会经济因素通过驱动人类活动间接作用于侵蚀过程,已成为土壤侵蚀的主要因素。作为长江流域土壤侵蚀最为严重的地区,金沙江下游独特的自然环境条件是造成其土壤侵蚀严重的基本条件,而不合理的人类活动加剧了这一过程。通过分析金沙江下游地区植被破坏、农业耕作、工程建设这三方面的人类活动对该地区的土壤侵蚀的影响,以及针对不合理人类活动所实施的恢复措施和政策,总结目前对人类活动影响土壤侵蚀过程认识的局限以及未来研究的方向。分析认为,争取认识金沙江下游干热气候的形成机制以及对人工生态系统的全面、系统、宏观评价,是建立正确的植被恢复策略的知识基础;农业耕作方面则应转换目前的研究重心,不应把过多精力集中在技术的改进和创新上,对于政策和市场经济对当地农民行为的驱动作用应予以相当的重视,并寻求改变山区农民顺坡陡坡耕作习惯的新思路和新方法;而工程建设方面则应加强监测与基础研究,特别是公路建设引发的土壤侵蚀情况。     

基于Logistic回归的沿海经济区建设用地演变驱动因素研究——以大连市新市区为例

沿海经济区空间演变与其产业经济的可持续发展紧密相关,探索用地演变的驱动机制,对区域未来发展具有重要意义。以临港产业高度集聚发展的典型沿海经济区——大连市新市区为例,基于TM遥感影像和DEM空间数据,通过随机选取2 000个采样点,构建了描述用地空间演变过程的Logistic回归模型,分析了沿海经济区土地利用变化过程的空间变量,重点研究驱动因素构成,各因素参与程度、影响效果和作用,各时段因素间的关联性及传导性等内容。研究发现,在1990~2010年的20 a间,大连市新市区建设用地面积增加了近30倍,其空间驱动变量除了包含与城市CBD、邻近区县、乡镇中心的距离外,还与到主要港区、沿海岸线、邻近临港工业区距离等因素密切相关,这一系列城镇空间分布与港口相关变量构成了用地空间演变的驱动因素体系,共同塑造了沿海经济区的空间格局。文章所建空间模型通过Logistic回归检验,能够较好地揭示沿海经济区空间演变的主要驱动因素及其作用机理,为相关研究提供了新的思路和方法。     

藏北高原土地沙漠化现状及其驱动机制

作为青藏高原主体的藏北高原是我国土地沙漠化三大分布区之－－青藏高原分布区的代表性地域，是研究现代土地沙漠化过程及其形成机制的重要地区。本文从沙漠化土地的类型、面积与分布等方面详细分析了藏北高原土地沙漠化的现状，定性与定量分析相结合探讨了该区现代沙漠化过程的主要影响因子及其驱动机制。研究结果表明，藏北高原是我国重要的沙漠化土地分布区、沙漠化土地面积大、类型多、程度重、分布广、危害重，其形成与发展是自然因素与人为因素、自然过程与人为过程共同作用的结果，其中气候变化是其主要驱动力。     

北京市土地利用空间格局演化模拟及预测

土地利用空间格局的演化模拟可定量地从空间尺度揭示区域土地利用变化的驱动因素,是厘清未来时期内土地变化的重要途径。基于CLUE-S模型,以北京市为研究案例,结合1985、2000和2010年三期土地利用数据,运用Logistic逐步回归方法识别了北京市各种土地利用类型演化的驱动因素,对北京市土地利用空间格局进行模拟。在此基础上,基于北京市社会经济发展、土地利用规划、资源禀赋及生态保护等不同情景,对北京市2020年土地利用空间分布格局进行模拟及预测。结果表明：①不同的时期内,驱动因子对不同土地利用类型的影响呈现差异性,其中交通因素及社会经济因素对土地利用类型的转化率影响较显著,坡度对各个土地利用类型的影响较大。②通过对2010年北京市土地利用变化的模拟结果来看,Kappa指数为87.03%,说明预测结果与实际土地利用情况有较好的一致性。③预测结果显示,北京市的城市发展均表现为继续向外扩展,且以东南、东北为主要扩展方向,但扩张的程度存在差异。     

1980年以来北京农用地时空演变与驱动力

分析北京1980年、1990年、2000年的耕地率、粮食和蔬菜作物的种植率及粮食和蔬菜作物及果树作物的单位面积产量,得出北京农业用地变化类型由土地条件、国家政策和制度改革、农业生产技术进步、农村工业化、城市发展、栽培作物种类变化等多种驱动力的相互作用形成的。与人口密度进行量化相关分析后预测,到2020年北京粮食作物的生产会因生产技术的不断进步而有很大提高,其种植率将达到75%。蔬菜种植率将达到15%,显著增加地点在城市近郊外缘,城市近郊将有较大减少。果树栽培与其生产的分布格局则不会有太大变化。     

评析西方城市土地利用的理论研究

综述了西方城市土地利用理论研究的最新进展,较深入地评析了各种研究方法与理论派系的独到功力及其局限性。并结合中国城市土地利用的研究进展,提出今后应加强城市土地利用区位经济的理论与实证研究及城市土地开发过程的政治经济分析     

北京城市社会区分析

自从1984年中国实施城市改革以来,城市土地市场和住房市场建立已经对城市的社会空间结构产生重要影响。作者利用1998年北京街道一级调查数据进行城市社会区分析。结果显示,经济社会和种族状况具有一定的影响,但并没有发挥重要的作用。土地利用强度在形成新的城市社会空间结构过程中发挥了关键的作用。与家庭状况相关的流动人口状况也表现为非常强劲的影响。北京的社会区表明：土地利用强度分布呈同心圆模型,家庭分布形态具有扇形结构的特征;社会经济状态因子分布形态既表现了同心圆的特征,也具有扇形结构的特点;种族因子的空间分布形成了一种多核空间结构。     

基于多目标决策和CA 模型的土地利用变化 预测模型及其应用

结合宏观用地总体需求与微观土地利用适宜性, 集成灰色预测模型、多目标决策模型、 元胞自动机模型、地理信息系统技术方法, 建立了GCMG 土地利用变化预测模型。GCMG 模型包括非空间和空间2 个模块, 非空间模块侧重依据宏观社会经济发展趋势预测研究区未 来的总体用地需求变化, 而空间模块集成多目标决策模型、元胞自动机、地理信息系统等技 术方法实现了基于土地适宜性的土地利用空间配置。运用该模型对龙海市2000-2010 年土地 利用变化进行了情景模拟, 结果表明园地和建设用地是该区域内变化最为显著的用地类型, 基本农田保护政策严格实施与否将对龙海市未来土地利用变化产生深远的影响。GCMG 模型 在龙海市的应用实例表明, 该模型将土地利用系统作为一个整体, 兼顾到区域宏观水平上的 土地利用需求与局部尺度上的土地利用适宜性, 能够较好地同时模拟不同土地利用类型以及 不同人类决策情景下的土地利用转换概率, 因而可为理解土地利用多尺度复杂系统提供一定 的帮助。     

CLUE-S模型的改进在亚热带城市边缘区的应用——以福州市仓山区为例

由于土地利用矛盾突出和地理位置独特,城市边缘区是中国目前土地利用变化最为剧烈的地域单元,是土地利用变化研究关注的热点区域,在土地资源的可持续利用、规划的科学制定上也具有重要意义．本研究以中国典型的亚热带城市边缘区——福州市仓山区为研究对象,引入Tietenberg资源分配模型改进目前国际上广泛应用的CLUE-S土地利用动态模拟模型的非空间需求模块,在研究区土地利用变化驱动机制分析的基础上,选择合适参数回溯了研究区2004年的土地利用现状、模拟了2020年的土地利用时空变化格局,拟合精度良好（Kappa指数为0．72）．研究结果表明：以Tietenberg资源配置模型作为CLUE—S模型的非空间需求计算方法在一定意义上是合理的,同时,模拟结果也进一步证明了城市边缘区以非农建设用地占用耕地为主的用地矛盾．在此基础上,对该区域发展合理的用地空间布局提出了针对性的建议,该方法和成果可以作为城市边缘区制定土地利用规划和发展管理政策的参考依据．     

北京市土地利用变化的空间分布特征

土地利用变化是全球变化中的重要组成部分 ,是短期内人类活动对自然环境施加影响的显著表现形式。本文基于遥感和地理信息系统技术 ,利用LandsatTM图像的解译成果 ,分析了北京市 1985～ 2 0 0 0年土地利用变化的空间分布特征。研究表明 ,在这 15年的时间里 ,北京市林地和城乡、工矿、居住用地的转移趋势明显 ,两者的转移率分别达到 4 0 78%和37 60 % ,主要以林地内部、林地向草地转移、居住用地的内部和工矿废弃地还林还草等类型为主。同时 ,各类土地利用类型的净变化呈现出明显的区域差异。     

Modelling urban expansion using a multi agentbased model in the city of Changsha

Although traditional urban expansion simulation models can simulate dynamic features, these models fail to address complex changes produced by different agents' behaviors. The paper has built up a set of spatial-temporal land resource allocation rules and developed a dynamic urban expansion model based on a multi-agent system, which can simulate the interaction among different agents, such as residents, peasants, and governments. This model is applied to simulate urban expansion process taking Changsha City, in China as a study area. The results show that this model can not only reflect basic characteristics of urban expansion, but also help explain the reasons for urban expansion process and understand the effect of agents' behavior on the expansion process, and provide insights into the causing factors behind the expansion. In addition, in contrast to simulation results with land use classification map from remote sensing images, the precision of the simulation reached over 68% with higher precision than cellular automata model according to the cell-by-cell comparison. The results suggest that the model can help to provide land use decision making support to government and urban planners.     

城市边缘带识别研究进展与展望

城市边缘带作为城市与乡村相交接的特殊地带,是城市化进程中最为敏感的区域;城市边缘带的定量识别是研究边缘带社会结构、景观格局和发展梯度的基础工作,也是城市化生态环境效应定量分析的前提条件。但边缘带识别的理论与方法未受到足够重视,缺乏系统梳理。本文在对比分析城市边缘带及相关概念的基础上,明确了城市边缘带识别的实质与内涵;提出了基于指示要素—空间单元—判别模型的城市边缘带识别概念框架,并从上述三方面系统回顾了国内外城市边缘带识别研究进展;对未来研究进行了展望,认为城乡作用机理探析、多要素综合识别、非参数化模型融合、多尺度转换以及长时间序列动态监测等将是下一步重点研究方向。     

长沙城市土地扩张模型及其应用

Although traditional urban expansion simulation models can simulate dynamic features, these models fail to address complex changes produced by different agents’ behaviors. The paper has built up a set of spatial-temporal land resource allocation rules and developed a dynamic urban expansion model based on a multi-agent system, which can simulate the interaction among different agents, such as residents, peasants, and governments. This model is applied to simulate urban expansion process taking Changsha City, in China as a study area. The results show that this model can not only reflect basic characteristics of urban expansion, but also help explain the reasons for urban expansion process and understand the effect of agents’ behavior on the expansion process, and provide insights into the causing factors behind the expansion. In addition, in contrast to simulation results with land use classification map from remote sensing images, the precision of the simulation reached over 68% with higher precision than cellular automata model according to the cell-by-cell comparison. The results suggest that the model can help to provide land use decision making support to government and urban planners.