基于MAS-LCM的沙漠化空間模擬方法研究

馬 歡 于 強 岳德鵬 張啟斌 黃 元 高敬雨

(1.北京林業大學精準林業北京市重點實驗室，北京 100083； 2.北京明德立達農業科技有限公司，北京 100085)

基于MAS-LCM的沙漠化空間模擬方法研究

馬 歡1于 強1岳德鵬1張啟斌1黃 元1高敬雨2

(1.北京林業大學精準林業北京市重點實驗室，北京 100083； 2.北京明德立達農業科技有限公司，北京 100085)

以干旱區典型城市磴口縣為研究區，利用1995—2015年每隔5年的Landsat TM影像通過遙感解譯獲取研究區20年的各等級沙漠化空間分布，利用GIS 空間分析和重心遷移模型分析沙漠化景觀時空變化趨勢。并以2010年沙漠化分類數據為基期年數據，利用Logistic元胞自動機(Cellular automata-Markov，CA-Markov)模型(簡稱LCM)并引入多智能體系統(Multi-agent system，MAS)模型修正轉移規則，預測2015年沙漠化分類情況及其空間分布格局。研究結果表明：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到37.09%，各類型沙漠化重心遠離磴口縣城，呈現良好態勢。引入MAS模型的CA-Markov預測模型能夠顯著提升模型的模擬精度，所預測的2015年數據結果Kappa系數達到0.62，高于CA-Markov模型模擬結果，能較好預測干旱區沙漠化分布情況，為沙漠化監管與治理提供了技術支持。

干旱區； 沙漠化； CA-Markov； 多智能體系統； 模擬

引言

人類不合理的經濟活動與脆弱的生態環境相互作用，導致土地生產力下降，土地資源流失，地表呈現沙漠化[1-2]。沙漠化分布廣泛、危害嚴重，尤其北方干旱半干旱地區沙漠化迅速發展已對社會經濟和生態環境造成很大威脅。磴口縣位于烏蘭布和沙漠東北緣，是典型的生態脆弱帶[3]，存在土地沙漠化、風沙危害劇烈、水土流失嚴重、土壤鹽漬化以及草地退化等嚴重的生態環境問題[4]，其中土地沙漠化問題嚴重影響磴口縣的生存與發展[5]。

沙漠化的空間分布以及時空演變特征一直是沙漠化研究中的重點，開展沙漠化的監測與評估是科學有效防治沙漠化的重要途徑。20世紀80年代開始，遙感以其觀測范圍廣、信息量大、數據更新快和精度高等優勢，在土地沙漠化的監測中廣泛應用。許多研究學者[6-9]利用TM數據，構建監測指標體系，開展包括黃河源區、長江源區等多地的沙漠化監測，基本實現了大尺度沙漠化信息的定量提取。但對于土地沙漠化的空間過程預測、模擬方法等研究比較欠缺，尤其是涉及政策主導下人為活動對沙漠化過程影響的定量研究，不能對沙漠化防治政策的預期效果進行可視化模擬。元胞自動機(CA-Markov)是復雜系統模擬的重要研究方法，當前基于CA模型的研究重點主要有：將CA模型結合GIS技術研究土地空間變化；CA模型耦合其它模型，更科學地模擬預測土地時空變化[10-13]。CA模型假定土地利用驅動因素是相同的，并未考慮土地利用驅動因素隨時間的變化，但在現實情況下土地空間變化受到多方面驅動因素影響，自然因素較為穩定，在短時間內變化不大，而人文社會因素往往變化較為明顯，這樣就會造成模擬預測不符合實際狀況。多智能體系統(MAS)模型考慮土地利用的多目標性和受政策影響的利益相關者的行為，對土地沙漠化模擬預測采用MAS與CA相結合的方法，整合了代表土地利用環境空間變化的元胞自動機模型和表現各土地利用主體行為決策過程的多智能體系統模型，也解決了MAS模型空間模擬預測方面缺失的問題[14]。

本研究選擇西北干旱區典型城市磴口縣為研究區，采用2005—2010年土地沙漠化分類數據為模型參數，以2010年土地利用現狀數據為基期年數據，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年沙漠化現狀數據對比驗證模型的精確性；通過對模擬預測結果的比較分析，研究沙漠化模擬的最優方法。

1 材料與方法

1.1 研究區概況

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

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

1.2 數據來源與處理

數據來源于地理空間數據云(http:∥www.gscloud.cn)，選取影像的原則是少云、夏季植被生長旺盛的季節，具體包括1995、2000、2005、2010、2015年5個時段8月份的TM影像，另外包括2015年8月份野外調查數據。輔助數據包括：30 m空間分辨率的DEM、降雨量數據、地下水埋深等。利用ENVI 5.1軟件對遙感影像進行輻射校正、影像裁剪等預處理，選擇最大似然監督分類方法對5期遙感影像進行目視解譯提取研究區不同年份的土地沙漠化景觀，解譯控制顯示精度為1∶100 000，拓撲和改錯處理在 Arc Info 9.3 環境下完成。然后利用ArcGIS 疊加分析模塊對不同時期的沙漠化數據進行疊置分析，從而得到研究區沙漠化景觀動態變化信息。

1.3 CA-Markov模型

CA模型是一種在時間和空間上都處于離散狀態的局部網絡動力學模型，由元胞、元胞空間、鄰域以及轉換規則4部分組成，元胞的下一狀態只與其當前狀態以及鄰域元胞的狀態有關[15]。轉換規則是CA模型的核心部分，決定元胞狀態轉換變化。CA模型只有加入符合土地利用變化規律的轉換規則才能模擬復雜的地理現象，元胞本身的結構不會改變，但其狀態在不停發生變化[16-18]。

(1)

f——元胞轉換規則

Markov模型預測的數學表達式為：假定某一事件的發展過程有n個可能的狀態，即E1，E2，…，En事件的發展過程中，記Pij從某一狀態(Ei)出發，下一時刻轉移到其他狀態(Ej)的可能性，稱為狀態Pij轉移概率，且滿足條件[17]

(2)

j=j×P

(3)

Markov模型是根據轉移矩陣預測未來土地沙漠化數量變化，空間信息預測較弱，CA模型空間模擬預測較強，將這兩種模型耦合形成CA-Markov模型，能夠綜合運用兩種模型各自的優勢，從數量和空間兩個角度同時模擬預測土地利用變化[20]。但是CA-Markov模型并未考慮土地沙漠化驅動因素隨時間的變化，其假定土地沙漠化驅動因素是相同的，在現實情況下土地沙漠化變化是受到多方面驅動因素影響，目前對區域土地利用變化與其驅動因素之間的關系研究方法很多，其中二元Logistic回歸方法是研究土地空間變化與驅動因素回歸關系最為常用的一種方法[21]。

Logistic回歸方法能處理非連續性的變量，并且將變量與應變量表示成一種非線性關系。在二元Logistic回歸方法中能較方便地計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——各驅動因子,i=1,2,…,n

β——常數項

βi——各驅動因子的回歸系數，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，說明在土地沙漠化模擬預測研究中得到優先配置的可能性越大，以此作為CA模型轉換規則的一部分。把二元Logistic回歸方法擴展到CA-Markov模型中，耦合為Logistic-CA-Markov模型，則彌補了CA-Markov模型對土地利用驅動因素變化考慮不足的缺點。

1.4 MAS模型

MAS模型是由多個具有感測、感知及結合其他智能體相互作用而采取行動功能的自主智能體組成的[22]，可用來考慮縣域沙漠規劃的多目標性和研究受政策措施影響的利益相關者的行為。MAS模型的轉換規則主要是根據不同規劃文件設定的土地利用狀態判斷對應地類的空間適宜性概率，以此作為農業部口、建設部口和林業部口智能體轉換規則，模擬預測耕地、建設用地和林地的土地利用變化趨勢[23]。

(5)

把MAS模型和Logistic-CA-Markov模型結合起來，耦合成MAS-LCM模型，使其既具有Logistic-CA-Markov模型優勢又考慮了多智能體系統土地沙漠化主體的復雜空間決策行為，符合基于人地耦合系統開展的土地沙漠化變化研究潮流，也彌補了Logistic-CA-Markov模型中對土地沙漠化主體考慮不足的劣勢。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境過程，Markov模型預測未來時間段土地沙漠化數量變化，MAS模型的轉換規則和Logistic-CA-Markov模型轉換規則耦合成MAS-LCM耦合模型轉換規則，沙漠化各類型數量變化在MAS-LCM耦合轉換規則的判斷下產生模擬預測結果[24]。

2 結果與分析

2.1 沙漠化分類空間分布結果

依據生態基準面理論，通過對磴口縣土地沙漠化過程中風沙地貌、植被、土壤、生物生產力等代表性因子的野外調查與觀測，確定土地退化的階段、指標及退化景觀標識，采用國內外流行的“四分法”，將研究區的沙漠化程度劃分為輕度、中度、重度和極重度4個等級，分類體系見表1[25-26]。

表1 沙漠化分級系統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

根據上述分類體系，采用面向對象分類法得到1995—2015年20年間的沙漠化空間分布情況，如圖2所示。根據解譯結果，利用ArcGIS的分類統計工具，對磴口縣不同時期不同程度的沙漠化景觀面積進行統計得到表2，面積變化趨勢如圖3所示。整體來看，研究區內沙漠化嚴重程度由西南向東北呈遞減趨勢，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，水體景觀逐步發揮其生態樞紐功能，表明磴口縣沙漠化程度有所改善，生態環境得到較好修復。

采用重心遷移模型計算不同程度沙漠化景觀分布的重心，并通過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和空間變化特征，如圖4所示。20年來，嚴重、重度、中度沙漠化景觀逐步向西南方向遷移，逐漸遠離磴口縣，非沙漠化景觀逐步擴張，并向磴口縣城靠近，整體空間局勢發展良好。

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

圖3 沙漠化各等級面積趨勢圖Fig.3 Area trends of each desertification level

圖5 驅動因子Fig.5 Driving factors

圖4 沙漠化各等級重心轉移圖Fig.4 Gravity transfer center of each desertification level

2.2Logistic-CA-Markov模型沙漠化模擬結果

在磴口縣實際狀況基礎上考慮沙漠化變化驅動因子，但是由于數據收集、因子量化等限制，本文主要從自然環境和社會經濟兩方面選擇影響磴口縣沙漠化變化的驅動因子，包括NDVI、地下水埋深、蒸散發、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、地下水環境、植被蒸騰等自然因素在干旱半干旱地區均是沙漠化的重要指標；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，影響人們對土地利用的決策。因此，本文共選取這6個因子作為CA模型的Logistic參數。

將上述6種驅動因子做標準化處理，取值范圍在0～1之間，消除量綱影響，得到對應各沙漠化類型的二元Logistic回歸方程系數。采用二元Logistic回歸方程分析磴口縣沙漠化分類變化和驅動因子之間回歸關系，獲得各沙漠化類型空間分布適宜性概率，作為Logistic-CA-Markov模型的轉換規則。以2010年沙漠化分類數據為基期年數據，2005—2010年沙漠化分類面積轉移矩陣表作為Markov面積轉移矩陣文件(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Logistic-CA-Markov模型轉換規則文件，模擬年份設置為5年，選擇5×5的濾波器，根據上述設置運行CA-Markov模塊，就可以得到基于2010年沙漠化分類數據的2015年沙漠化分類模擬預測圖(圖6a)。從基于Logistic-CA-Markov模型的模擬結果中可以看出，模擬的極重度沙漠化面積、無沙漠化面積均多于2015年實際情況，模擬結果與實際沙漠化現狀有一定誤差，但總體趨勢相對一致。

表3 2005年到2010年磴口縣各沙漠化等級轉移概率矩陣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果Fig.6 Simulation results of desertification spatial distribution of 2015

2.3 MAS-LCM模型沙漠化模擬結果

以Logistic-CA-Markov模型為基準，耦合MAS模型，可以為MAS-LCM耦合模型模擬預測提供精度保證。以2010年沙漠化分類數據為基期年數據，2005—2010年沙漠化分類面積轉移矩陣表作為Markov面積轉移矩陣文件(表3)，2015年磴口縣MAS模型規則(圖7)耦合Logistic-CA-Markov模型作為轉換規則文件，模擬年份設置為5年，選擇5×5的濾波器，根據上述設置運行CA-Markov模塊，得到基于2010年沙漠化分類數據以及2015年規劃數據的2015年沙漠化分類模擬預測圖(圖6b)。

沙漠化變化是一個十分復雜的地理過程，受到自然條件、人文因素、社會經濟等諸多方面的影響，如圖6b所示，MAS模型考慮社會規劃部分，規劃區域與實際發展趨勢相吻合，模擬精度較高，西部陰山山前重度沙漠化模擬、東部縣城無沙漠化模擬面積均與實際接近，縣城無沙漠化面積逐年增多，磴口縣全境沙漠化程度均有所好轉，與磴口縣城逐年治理沙漠的相關政策相符。

2.4 對比分析

圖7 MAS模型驅動因子Fig.7 Driving factors of MAS model

兩種模型模擬結果對比分析如圖6所示，將研究區2015年實際沙漠化空間分布(圖2e)與2種方法模擬沙漠化等級對比發現，模擬結果整體空間布局與實際整體空間布局比較接近。其中南部地區中度沙漠化模擬精度最為突出，東部磴口縣建設用地分布分散周圍多環繞農業用地，模擬結果誤差相對較大。基于MAS-LCM耦合模型模擬預測的磴口縣2015年沙漠化分類圖中，在利用現狀發展條件和利用主體行為影響下，耕地、林地、建設用地代表下的無沙漠化面積增加，沙漠化面積減少，水體面積在減少，與實際情況更為接近。

為定量驗證模型精確程度，首先對兩種模型模擬沙漠化等級圖與實際沙漠化等級圖做點對點對比分析，然后對模擬沙漠化等級圖與實際沙漠化等級圖進行Kappa系數檢驗。結果顯示Logistic-CA-Markov模型、MAS-LCM模型模擬準確率分別為71.06%、82.51%，Kappa系數分別為0.54、0.62，具有一定的可信度。結果表明，MAS-LCM模型模擬精度優于Logistic-CA-Markov模型。在CA-Markov模型基礎上，結合林地保護區、基本農田保護區、建設用地空間管制分區等人為規劃因素，模擬結果更加符合未來發展趨勢，把代表土地規劃主體的人文因素添加到模型中，對提高模型模擬精度有重要作用。

3 結論

(1)磴口縣沙漠化程度由西南向東北呈遞減趨勢，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，水體景觀逐步發揮其生態樞紐功能，表明磴口縣沙漠化程度有所改善，生態環境得到較好修復。

(2)從基于Logistic-CA-Markov模型的模擬結果中可以看出，與實際沙漠化現狀有一定誤差，極重度沙漠化面積與無沙漠化面積均多于2015年實際情況，點對點準確率為71.06%，Kappa 系數為0.54，模擬精度中等。Logistic-CA-Markov模型具有在地理空間和數量上的模擬預測優勢，還考慮土地沙漠化驅動因素隨時間的變化，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模型突出人類社會的作用，添加林地保護區、基本農田保護區、建設用地空間管制分區影響因子到模型中，模擬預測結果更符合土地利用的自然性、社會性和人文性特征，基于MAS-LGM耦合模型模擬預測的磴口縣2015年沙漠化分類數據，總體模擬精度及Kappa系數均優于基于CA-Markov模型，點對點準確率為82.51%，Kappa 系數為0.62。

1 朱俊鳳,朱震達.中國沙漠化防治[M].北京:中國林業出版社,1999:2-7.

2 胡光印,董治寶,逯軍峰,等.黃河源區1975—2005年沙漠化時空演變及其成因分析[J].中國沙漠,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律及其對防護林體系建設的響應[J].干旱區資源與環境,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.內蒙古磴口縣生態環境脆弱性評價[D].蘭州：西北師范大學,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].干旱區資源與環境, 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,姚發芬.毛烏素沙地沙漠化的遙感監測[J].中國沙漠,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.沙質荒漠化土地評價指標體系研究[J].干旱區資源與環境,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影像的計算機屏幕解譯和荒漠化監測[J].林業科學研究,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.長江源區沙漠化及其景觀格局變化研究[J].中國沙漠,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.基于元胞自動機模型的土地利用變化模擬——以大連經濟技術開發區為例[J].地理學報,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測[J].農業工程學報,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測研究[J/OL].農業機械學報,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,等.基于AES-LPI-CA模型的磴口縣景觀格局演化模擬研究[J/OL].農業機械學報,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,濮勵杰,錢敏,等.區域土地利用變化情景模擬設計與實證分析——基于多智能體系統(MAS)模型[J].資源科學,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態模擬與預測[D].杭州：浙江大學，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研究[D].北京:北京大學,1995.

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

19 徐建華.現代地理學中的數學方法[M].北京:高等教育出版社,2002:35.

20 梁發超,張文開.基于Markov-灰色模型的土地利用結構變化預測[J].沈陽大學學報:自然科學版,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,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，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空變化模擬預測研究[D].昆明:云南大學,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空模擬及虛擬政策實驗[J].地理與地理信息科學,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空演變及其景觀格局——以內蒙古自治區奈曼旗為例[J].地理學報,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

國家自然科學基金項目(41371189)和“十二五”國家科技支撐計劃項目(2012BAD16B00)

馬歡(1992—)，女，博士生，主要從事3S技術在生態環境中的應用研究，E-mail：xiaohuan27@163.com

岳德鵬(1963—)，男，教授，博士生導師，主要從事景觀生態學和土地評價研究，E-mail：yuedepeng@126.com