基于BRT_DC_Pd模型的土地利用模擬研究

王宇航　于　強　岳德鵬　張啟斌　馬　歡

(北京林業大學精準林業北京市重點實驗室， 北京 100083)

0　引言

土地利用變化受到區域自然條件和社會經濟條件的綜合影響和制約，同時也影響著區域內各生態過程的變化[1-2]。內蒙古自治區巴彥淖爾市磴口縣位于烏蘭布和沙漠東北緣，是典型的生態脆弱帶，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，其中土地沙漠化問題嚴重影響磴口縣的生存與發展[3-6]。定量化模擬和預測區域的土地利用變化有助于研究土地利用對區域生態情況影響及其變化的趨勢，通過預測和優化區域土地利用格局，為區域生態環境保護提供決策依據[2]。

隨著3S技術的飛速發展，土地利用研究的重點開始向過程、趨勢及驅動力研究推進，研究的形式由靜態向時空動態模擬形式轉化，同時模擬的方法也從傳統的單一模型向多元組合模型發展[7-8]。近年來，許多學者運用CA-Markov、CLUE-S_Markov模型來模擬預測土地利用變化，王友生等[9]基于CA-Markov 模型模擬藉河流域土地利用變化，陸汝成等[10]以江蘇省環太湖地區為研究區并基于CLUE-S_Markov模型進行土地利用情景模擬研究。CA模型在構建空間復雜系統方面具有較大優勢[11]，但其缺陷在于是一種自下而上的模型，難以進行宏觀情景模擬，且未設置限制元胞狀態改變的模塊，難以有效表達模擬地理因素[12]。Dyna-CLUE模型克服了這一限制，是一種自下而上與自上而下相結合的模型，VERBURG等[13-14]在CLUE-S模型的基礎上，增加了處理鄰域影響的模塊，并設計了土地利用連續變化的模擬機制，通過模擬不同土地利用類型之間的競爭關系將各土地利用類型分配到最適宜的空間位置，實現土地利用格局的優化，從而使得Dyna-CLUE模型在模擬土地利用變化上相比于CA模型有明顯優勢[15]。Markov模型的局限性在于要求預測對象的變化過程是平穩的[15]，在預測期內要求預測對象保持某一固定的轉移概率，但實際上土地利用的變化會因諸多自然或人為因素的影響而隨時間有所變化，并不是一個真正的Markov過程[16-18]，而Patch-dynamics模型來源于景觀生態學和Markov模型, 是一種考慮系統響應的模型，它是對Markov模型的修改和補充[19]，不同之處在于Patch-dynamics模型是根據土地面積的變化率來建立動力方程進行預測，其模擬結果比Markov模型更穩定、更可靠，且建立動力方程更能揭示土地利用變化的機制[20]。增強回歸樹(BRT) 是基于分類回歸樹算法(CART) 的一種自學習方法[21]，該方法通過隨機選擇和自學習方法產生多重回歸樹，能夠提高模型的穩定性和預測精度，它彌補了Logistic回歸作為二值模型的局限[22]，目前已經被運用到物種分布模擬和土地利用分類研究中，都取得了較好的結果。

本文以磴口縣為研究區，通過對Dyna-CLUE模型進行改進，嵌入BRT模型和Patch-dynamics模型，形成BRT_Dyna-CLUE_Patch-dynamics模型。該模型結合Dyna-CLUE模型在微觀土地利用空間格局最優分配上的優勢和Patch-dynamics模型在時間尺度上對宏觀土地利用需求進行反映的特點，對磴口縣土地利用變化進行模擬預測，從而加強對土地利用時空變化和自然與社會經濟等相關系統相互作用機制的理解和認識，為解決用地規劃、生態環境問題評估以及相應對策制定等方面提供一定的技術支撐。

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，如圖1所示。磴口縣氣候干旱少雨，水資源較為短缺，土地沙漠化嚴重，土地退化嚴重，區域蒸發量大，導致土地鹽漬化程度深，境內海拔1 030～2 046 m，整個地形除山區外，呈東南高西北低，逐漸傾斜[23]。屬中溫帶大陸性季風氣候，歷年平均風速3.0 m/s，瞬間最大風速28 m/s，多年平均降水量143.9 mm，多年平均蒸發量2 327 mm，多年平均氣溫7.6℃，無霜期136 d。黃河流經磴口縣52 km，年徑流量310億m3，水域面積2 406.67 hm2，相對豐富的地表水與地下水對磴口縣發展以及生態環境改善提供了有力保障[24-25]。

圖1　磴口縣區位圖Fig.1　Map of Dengkou metropolitan zone

1.2　數據來源與處理

本研究所用原始數據主要包括研究區2006年和2016年Landsat TM/ETM+分辨率為30 m的遙感影像、磴口縣分辨率為30 m的DEM數據以及自然、社會經濟統計數據等。對原始數據進行處理后可分為土地利用數據和驅動因子數據兩類。土地利用數據是利用ENVI和ArcGIS軟件對3 年的遙感影像進行解譯，得到磴口縣耕地、林地、草地、沙地、水域及水利用地、建設及工礦用地和山體及未利用地7個地類的3 期土地利用情況，這3期遙感影像從地理空間數據云(http:∥www.gscloud.cn/)平臺上獲得，分類精度達到85.6%。驅動因子數據一部分來自于磴口縣相關水利部門的測點數據以及磴口縣各年社會經濟統計年鑒，一部分通過ArcGIS、ENVI軟件分析處理得到，可分為自然驅動因子數據、社會經濟驅動因子數據和鄰域驅動因子數據3類，共10種。

1.3　BRT模型

BRT模型是兩大算法的組合：回歸樹算法，通過遞歸將數據集切分成許多組易建模的數據，再利用線性回歸的方法建模。Boosting算法，用來提高弱分類算法的準確度，通過構造一個預測函數系列，然后以一定的方式將它們組合成一個預測函數[26]。在運算過程中多次重復迭代隨機抽取一定量的數據，分析自變量對因變量的影響程度，剩余數據用來對擬合結果進行交叉驗證，最后對生成的多重回歸樹取均值并輸出。其可以在其他自變量取均值或不變的情況下，計算該自變量與因變量的相互關系，得出自變量對因變量的影響載荷，從而得出自變量對因變量的影響[21]。BRT 最大的優勢在于不必考慮自變量之間的交互作用，數據可以存在缺省值且數據類型靈活多樣，輸出的自變量貢獻度和反應曲線比較直觀，傾向于解釋，還可以作為預測模型，而傳統的線性或非線性回歸模型在預測方面相對較差[27]。在R語言軟件中利用ArcGIS隨機取樣的10 000個樣點數據，將磴口縣土地利用變化值作為因變量Y，10種驅動因子作為自變量X，分別為DEM(X1)、坡度(X2)、坡向(X3)、NDVI(X4)、地下水埋深(X5)、蒸散發量(X6)、與水體的最近距離(X7)、與居民點的最近距離(X8)、與道路的最近距離(X9)、人口密度(X10)。調用Elith編寫的BRT方程包進行增強回歸樹分析。設置學習速率為0.005，每次抽取50%的數據進行分析，剩下的50%用于訓練，并進行5次交叉驗證。

1.4　Patch-dynamics模型

1.4.1Patch-dynamics模型介紹

Patch-dynamics概念源自英國生態學家WATT在1947年提出的格局與過程學說，認為是斑塊鑲嵌體、斑塊的個體行為和鑲嵌體綜合特征決定生態系統的結構和功能[19]。20 世紀70 年代以來，Patch-dynamics 概念被廣泛運用到種群和群落生態學的理論和實踐研究當中，WU等[28]在前人的基礎上提出了等級Patch-dynamics模型，強調生態系統是由斑塊鑲嵌體組成的包容型等級系統，而且許多空間格局和生態過程都由斑塊和斑塊動態來決定，斑塊動態是指斑塊內部變化和斑塊間相互作用導致的空間格局及其變異隨時間的變化，模型最突出的特點就是空間斑塊性和等級理論的有機結合以及格局、過程和尺度的辯證統一，主要研究斑塊的空間格局及其形成、演化與消亡機制，它強調時空異質性、非平衡特性以及等級結構特征[20]。

1.4.2Patch-dynamics模型原理

若以Yi表示第i類土地利用類型在初始時刻的面積，Yit為第i類土地利用類型經過時間t后的面積，aji為第j類土地利用類型在t段時間內轉變為第i類土地利用類型的概率，即

(1)

時間t內第i類土地利用類型的變化為

(2)

假設t為單位時間，則第i類土地面積在單位時間內的變化率為

(3)

于是

(4)

在式(4)中，關鍵是確定各個土地類型之間的轉移概率，本文利用磴口縣土地利用變化數據獲得轉移概率，有了各個土地類型之間的轉移概率就可以代入上式進行模擬，然后比較模擬結果和實際值之間的差異。

1.5　Dyna-CLUE模型

1.5.1Dyna-CLUE模型介紹

Dyna-CLUE模型是在CLUE、CLUE-S模型基礎上發展而來的。CLUE模型[29]是基于大尺度而開發的，為了滿足小尺度上對于土地利用變化時空模擬的需求，研究人員在CLUE 模型的基礎上開發了CLUE-S模型[30]，該模型主要用以解決小尺度上的土地利用類型空間合理布局以及多種土地利用類型用地需求的協調分配。Dyna-CLUE模型是最新版本的CLUE模型，該模型綜合了土地利用變化的宏觀驅動因素與微觀格局演化特征，對于多尺度的應用具有更強的適用性[2]。

1.5.2Dyna-CLUE模型原理

Dyna-CLUE模型分為非空間需求和空間分配過程2個模塊。其中，非空間要求模塊是在時間層面輸入各模擬年土地利用需求情況。而空間分配過程模塊是以柵格為單元，計算每一個柵格內土地利用的變化情況，依據土地利用類型的概率分布、土地利用類型間的競爭力以及轉移規則矩陣，在空間上對各模擬年的土地利用需求進行分配[2]。

模型運行時，其輸入主要分為4部分[2]：①空間政策與限制部分，該部分表示由于地區政策限制或者特殊的地區因素在模擬時段內土地利用類型不允許發生改變或者改變方向相對固定，如自然保護區、基本農田等，其他區域允許土地類型的自由轉換。②土地利用類型轉移部分，該部分主要包括各類土地的轉移彈性系數與可轉移性設置(轉移矩陣)。③土地利用需求部分，該部分主要對應模型的非空間模塊，表明從模擬起始年到終止年各類土地每年的需求變化情況，這里嵌入Patch-dynamics模型，土地利用需求作為與Patch-dynamics模型的接口，通過輸入Patch-dynamics模型計算結果實現。④空間分布適宜性部分，該部分主要研究各類土地利用方式與各驅動因子之間的定量關系，這里選用空間增強回歸樹(BRT)分析進行計算，該定量關系表示研究區域內每一柵格單元可能出現某種土地利用類型的概率，概率越大，該柵格單元的空間分布適宜性越高[30]。

綜上所述：完成上述4部分計算后，進行空間分配，完成土地利用變化空間化模擬和預測?？臻g分配是Dyna-CLUE模型核心。基本原理是：首先確定允許轉換的土地利用單元并計算每個柵格單元對于每種土地利用類型的轉換可能性(總可能性等于可能性、轉換規則和疊代系數之和)，形成最初的土地利用分配圖；然后與土地利用需求比較，進行土地利用面積空間分配，直到滿足土地利用需求為止[12]，計算流程圖見圖2。模擬結束后，如結果不理想，可進行校驗，包括對數據質量、需求目標設置、驅動因子選擇以及相關參數的調整，如圖2所示。

圖2　Dyna-CLUE模型土地利用分配流程圖Fig.2　Flow chart of landuse allocation module of Dyna-CLUE model

1.5.3土地利用類型轉移設置

該部分主要包括各類土地的轉移彈性系數設置與可轉移性設置。轉移彈性系數(ELAS)是0到1之間的數，表示土地改變的難易程度，ELAS等于0為極易變化，ELAS等于1為不會變化。在ELAS設定過程中，可參考該區域已有研究中ELSA進行設定，并在計算過程中通過比較每次調整后計算結果的Kappa系數，選取模擬結果最優的ELSA[31]。本文首先結合磴口縣土地利用變化轉出率及該區域已有的研究結果[32]對ELSA值進行初步設定，然后以2006年為模擬起始年模擬2016年的土地利用布局，將模擬結果與2016年的遙感解譯數據進行對比，計算其Kappa系數，多次調整ELSA，最終確定2006—2016年模擬實驗的ELSA。

可轉移性設置指在一定情景下，各種土地利用類型之間相互轉移的可能性，具體通過矩陣形式來表示各地類之間轉化的可能性[2](表1)。表1中橫向表示未來的土地利用類型，縱向表示現在的土地利用類型，其轉移的可能性用0或1表示，0表示不能轉化，1表示可以轉化。該轉移矩陣一般要結合研究區的實際情況與確定的ELSA進行設定。本文從自然發展的角度考慮，不強制限制轉化。

表1　土地可轉移性矩陣表Tab.1　Landuse transition sequences

注：C1：建設及工礦用地，C2：水域及水利用地，C3：耕地，C4：林地，C5：山體及未利用地，C6：草地，C7：沙地。

1.5.4空間分布適宜性設置

土地利用方式的變化往往與某些因素高度相關，如土地特征和海拔，然而，當前區域土地管理的決策不能僅僅依賴區域的自然特征，還需綜合考慮其他的社會經濟因素[2]。因此在空間分布適宜性部分，本文充分考慮了區域的自然因素與社會經濟因素，結合數據的可獲取性，最終選定了X1～X10等10個驅動力因子，采用R軟件，選用增強回歸樹(BRT)分析，計算土地利用空間布局及其驅動因子之間的定量關系。

1.5.5Dyna-CLUE模型校準

選用Kappa系數進行Dyna-CLUE模型的校準。Kappa系數一般用于評價遙感圖像分類的正確程度，由COHEN于1960年提出。將模擬結果與真實的土地利用類型進行比較，獲得Kappa系數[30]，Kappa系數是介于0～1之間的連續數值，其值越接近1，表明擬合精度越高。通常，當系數在(0.8，1]范圍時，表明真實圖與模擬圖幾乎完全一致，當系數在(0.6，0.8]范圍時，表明高度的一致性；當系數在(0.4，0.6]范圍時，中等的一致性；當系數在(0.2，0.4]范圍時，一般的一致性；當系數在[0，0.2]范圍時，極低的一致性。其計算公式為[33]

(5)

式中PO——真實圖與模擬圖間的一致性比例，可以應用ArcGIS 10.2中Spatial Analyst的Map Algebra模塊計算

PC——隨機情況下期望的一致性比例，由模擬圖與真實圖的轉移矩陣求得

Pp——理想情況下一致性比例，一般取1，即真實圖與模擬圖完全一致[2]

1.6　模型組合

本文通過集成Patch-dynamics模型和Dyna-CLUE模型來反映巴彥淖爾市磴口縣土地利用變化時空過程，模型主要在時間和空間2個尺度上展開，如圖3所示。時間尺度上, 利用Patch-dynamics模型模擬不同土地利用類型在時間尺度上的土地總需求量。Dyna-CLUE模型用于模擬空間尺度上的土地利用空間變化細節, 主要采用“自下而上與自上而下”相結合的土地利用空間分配方法，最終完成土地利用變化空間化。

2　結果與分析

2.1　土地利用變化分析

對2006年和2016年兩期的土地利用解譯結果進行面積統計，得出圖4、表2所示結果。綜合兩期的面積數據可知，大面積土地類型為耕地、草地、沙地、山體及未利用地，林地、水域及水利用地、建設及工礦用地占地面積相對較小。2006—2016年，草地、水域及水利用地面積基本上未發生變化，相對穩定。建設及工礦用地、山體及未利用地出現較小幅度變化；由于城市發展，建設及工礦用地面積增多，由5 780.55 hm2變為8 952.67 hm2；山體及未利用地面積減少，由于山體面積相對穩定，可見未利用地利用率有所提高。林地出現大面積增加，由6 179.25 hm2增加為25 559.13 hm2；相反，沙地面積出現了大面積的減少，由76 616.15 hm2減少為37 511.71 hm2；結合10年內磴口縣頒布的一些政策，可見磴口縣植樹造林等生態治理取得了一定成效，耕地也出現了一定面積的增加。

圖3　Dyna-CLUE模型與Patch-dynamics模型的組合模型流程圖Fig.3　Flowchart of integrated model of Dyna-CLUE model and Patch-dynamics model

圖4　2006年、2016年不同土地類型利用面積Fig.4　Landuse area of different types in 2006 and 2016

表2　2006年、2016年不同土地利用類型占地比例Tab.2　Proportion of different types of landuse in 2006 and 2016　%

根據2006年和2016年兩期的土地利用分類數據，利用ARCGIS軟件的空間分析功能模塊，可以計算得到兩期的土地利用轉移矩陣(表3)，從而進一步得到土地利用轉移概率矩陣(表4)。從表3可以看出，2006—2016年間，耕地、未利用地、建設用地、林地變化情況更為穩定，沙地變化較大。在轉出方面，水域用地轉為耕地和草地較多，林地轉為耕地較多，未利用地轉為草地和耕地較多，草地轉為林地和耕地較多，沙地轉為草地和耕地較多。在轉入方面，耕地和未利用地更傾向于轉為建設用地，林地、建設用地和水域用地更傾向于轉為耕地，草地更傾向于轉為林地，沙地更傾向于轉為草地，沙地基本上未有轉入，可見當地沙漠化治理取得了一定成效。

表3　2006—2016年間各土地利用類型面積的轉化狀況Tab.3　Transformation condition of all kinds of land types between 2006 and 2016　hm2

表4　2006—2016年間各土地利用類型面積的轉移概率Tab.4　Transformation matrix of land types between 2006 and 2016

2.2　BRT結果分析

根據前述的10個驅動力因子，采用R軟件，選用增強回歸樹(BRT)方法分析各土地利用類型以及總體與各驅動因子之間的關系，并對各回歸結果進行相關操作特性(Relative operating characteristics,ROC)檢驗，2006—2016年回歸結果如圖5所示，橫坐標是10個驅動因子，縱坐標是驅動因子對土地利用變化的相對影響程度。對土地利用類型總體上影響較大的因子分別是地下水埋深、蒸散發量、NDVI、人口密度、與水體的最近距離、與居民點的最近距離，影響程度分別占到了18.3%、15%、12.4%、11.8%、11.4%、9.2%，ROC值為0.849。綜合7種土地類型的回歸結果可見，水利條件、植被覆蓋度以及人口密度是影響磴口縣土地利用變化的主要因素。一般認為ROC值大于0.7 時，表示回歸結果對該土地利用類型有很好的解釋能力。回歸結果中，7種土地類型以及總體回歸的ROC值均大于0.7，因此該7種土地類型的回歸結果均能很好地解釋各驅動因子與土地利用類型的關系，對空間區域柵格單元的空間適宜性解釋度很高，這也是BRT方法在精度上優于Logistic之處。因此，總體來說回歸結果對各土地類型均具有良好的解釋能力。

2.3　Patch-dynamics土地利用需求分析

結合上面的土地利用轉移概率矩陣，利用Patch-dynamics 模型對磴口縣土地利用變化狀況進行動力學模擬和預測，以1a為步長，結果如圖6所示。在面積較大的地類當中，草地和耕地是呈現上升的趨勢，草地由原來占地比例的30.29%增加為31.14%，耕地由原來的16.55%增加為20.30%；山體及未利用地、沙地呈現減少趨勢，山體及未利用地由原來占地比例的22.56%下降為20.05%，沙地由原來的20.85%下降為13.46%。面積較小的地類均呈現上升的趨勢，其中水域及水利用地由原來占地比例的6.49%增加為7.20%，林地由原來的1.68%增加為5.56%，建設及工礦用地由原來的1.57%增加為2.29%。此趨勢與2006—2016年實際發展趨勢相符，將作為Dyna-CLUE模型模擬的土地需求數據。

圖6　Patch-dynamics模擬結果Fig.6　Patch-dynamics simulation results

圖7　磴口縣土地利用解譯數據與模擬結果Fig.7　Landuse interpretation data and simulation results in Dengkou County

2.4　模擬結果及精度檢驗

根據BRT回歸結果以及Patch-dynamics 模型的土地利用需求分析結果，應用上面所設置的參數，利用Dyna-CLUE模型在空間模擬上的功能優勢，對2016年的土地利用空間分布進行模擬，并計算模擬結果的Kappa 系數，對其模擬的準確程度進行解釋，為了驗證精度的準確性，本文與目前研究較多的Logistic_CA_Markov模型的模擬結果進行精度比較，來說明BRT_Dyna-CLUE_Patch-dynamics模型的優勢性。2016年磴口縣土地利用解譯數據與模擬結果如圖7所示。經計算，2016年Logistic_CA_Markov模型模擬結果的Kappa系數為0.721 4，2016年BRT_Dyna-CLUE_Patch-dynamics模型模擬結果的Kappa系數為0.782 6，2個組合模型的模擬結果的Kappa系數均介于0.61與0.80之間，模擬精度較高，均與真實解譯結果具有高度一致性，但BRT_Dyna-CLUE_Patch-dynamics模型模擬精度更高，結果更優。因此，利用BRT_Dyna-CLUE_Patch-dynamics模型對磴口縣土地利用變化進行模擬預測，模擬精度較高，結果可靠。

2.5　模型應用

利用Dyna-CLUE模型情景模擬的優勢，假設對磴口縣土地利用采取生態保護模式，基于2016年磴口縣土地利用數據，運用BRT_Dyna-CLUE_Patch-dynamics模型，對2026年土地利用狀況進行模擬預測。情景設定：根據《中華人民共和國水土保持法》，坡度大于25°的坡地禁止開墾農作物，故對于坡度大于25°的耕地進行退耕還林還草[2]。加大沙漠化防治力度，結合當地沙漠化數據及縣志，參考國內外流行的“四分法”[6,34-35]，對輕度和中度沙漠化區域進行沙漠化治理，模擬結果如圖8所示。從圖8中可直觀看出，林草地以及水域面積增多，沙地面積減少，但也可以發現狼山附近的重度沙漠化地帶仍有蔓延趨勢，可見生態治理刻不容緩。林地由2016年的25 559.13 hm2增加為32 081.33 hm2，草地由2016年的113 561.70 hm2增加為139 216.60 hm2，沙地由2016年的37 511.71 hm2減少為33 070.32 hm2。

圖8　基于BRT_Dyna-CLUE_Patch-dynamics模型的2026年磴口縣土地利用模擬結果Fig.8　Simulation result of landuse in Dengkou County in 2026 based on BRT_Dyna-CLUE_Patch-dynamics model

3　結論

(1)磴口縣域內，占地面積較大土地類型為耕地、草地、沙地、山體及未利用地，占地面積較小的土地類型為林地、水域及水利用地、建設及工礦用地。2006—2016年間，沙地面積呈現減少趨勢，林、草地和水域面積呈現增加趨勢，可見當地沙漠化治理取得一定成效。未利用地面積減少，土地利用率提高。建設用地面積增多，可見城市化進程仍在繼續，城市發展的同時也應重視生態治理。

(2)對磴口縣土地利用變化影響較大的因子分別是地下水埋深、蒸散發量、NDVI、人口密度、與水體的最近距離、與居民點的最近距離，解釋程度分別占到了18.3%、15%、12.4%、11.8%、11.4%、9.2%，由此可見，水利條件、植被覆蓋度以及人口密度對磴口縣土地利用變化起到了主要影響作用。

(3)BRT_Dyna-CLUE_Patch-dynamics模型結合了Patch-dynamics模型在時間預測以及Dyna-CLUE模型在空間分布模擬上的優勢，對磴口縣土地利用變化進行模擬預測，模擬結果的Kappa系數為0.782 6，模擬精度較高，與真實解譯結果具有高度一致性，且優于目前研究較多的Logistic_CA_Markov模型的模擬結果，對當地的土地利用變化模擬具有一定可行性。

1GUO X D, CHEN L D, FU B J. Effects of land use/land cover changes on regional ecological environment[J]. Advances in Environmental Science, 1999, 7(6): 66-75.

2陸文濤，代超，郭懷成.基于Dyna-CLUE模型的滇池流域土地利用情景設計與模擬[J]. 地理研究，2015，34(9)：1619-1629.

LU Wentao, DAI Chao, GUO Huaicheng.Land use scenario design and simulation based on Dyna-CLUE model in Dianchi Lake Watershed[J].Geographical Research,2015,34(9):1619-1629.(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，2004，18(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,2004，18(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，1991,5(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, 1991,5(1): 1-11.(in Chinese)

6馬歡，于強，岳德鵬，等. 基于MAS-LCM的沙漠化空間模擬方法研究[J/OL].農業機械學報，2017，48(10)：134-141.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20171016&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2017.10.016.

MA Huan,YU Qiang,YUE Depeng, et al. Spatial simulation method of desertification based on MAS-LCM model[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(10):134-141.(in Chinese)

7閻金鳳，陳曦. 基于GIS 的干旱區LUCC 分析和模擬方法探討[J].干旱區地理，2003，26(2):185-191.

YAN Jinfeng, CHEN Xi. Analysis and stimulation method discussion on LUCC of arid region based on GIS[J].Arid Land Geography,2003,26(2): 185-191.(in Chinese)

8施云霞，王范霞，毋兆鵬．基于CLUE_S 模型的精河流域綠洲土地利用空間格局多情景模擬[J].國土資源遙感，2016，28(2)：154-160．

SHI Yunxia, WANG Fanxia, WU Zhaopeng. Multi-simulation of spatial distribution of land use based on CLUE_S in Jinghe Watershed[J].Remote Sensing for Land and Resources,2016,28(2): 154-160.(in Chinese)

9王友生，余新曉，賀康寧，等. 基于CA-Markov模型的藉河流域土地利用變化動態模擬[J].農業工程學報，2011，27(12)：330-336.

WANG Yousheng,YU Xinxiao,HE Kangning,et al.Dynamic simulation of land use change in Jihe Watershed based on CA-Markov model[J].Transactions of the CSAE,2011,27(12):330-336.(in Chinese)

10陸汝成，黃賢金，左天惠，等.基于CLUE-S和Markov復合模型的土地利用情景模擬研究——以江蘇省環太湖地區為例[J].地理科學，2009，29(4)：577-581.

LU Rucheng, HUANG Xianjin, ZUO Tianhui,et al. Land use scenarios simulation based on CLUE-S and Markov composite model—a case study of Taihu Lake rim in Jiangsu Province[J].Scientia Geographica Sinica,2009, 29(4): 577-581.(in Chinese)

11黎夏，葉嘉安. 知識發現及地理元胞自動機[J].中國科學(D輯)，2004，34(9)：865-872.

LI Xia,YE Jiaan. Knowledge discovery and cellular automata[J]. Science in China (Series D:Earth Sciences), 2004，34(9)：865-872.(in Chinese)

12嚴冬，李愛農，南希，等.基于Dyna-CLUE改進模型和SD模型耦合的山區城鎮用地情景模擬研究——以岷江上游地區為例[J].地球信息科學學報，2016，18(4)：514-525.

YAN Dong, LI Ai’nong, NAN Xi, et al. The study of urban land scenario simulation in mountain area based on modified Dyna-CLUE model and SDM: a case study of the upper reaches of Minjiang river[J]. Journal of Geo-information Science,2016,18(4):514-525. (in Chinese)

13HELLMANN F, VERBURG P H. Spatially explicit modelling of biofuel crops in Europe[J]. Biomass and Bioenergy, 2011, 35(6):2411-2424.

14VERBURG P H, OVERMARS K P. Combining top- down and bottom-up dynamics in land use modeling: exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model[J]. Landscape Ecology, 2009,24(9):1167-1181.

15JUSTIN P W, WILLIAM S C G, CLIVE G J. Patch dynamics in a landscape modified by ecosystem engineers[J].OIKOS, 2004, 105: 336-348.

16THORNTON P K, JONESB P G. A conceptual approach to dynamic agricultural land-use modelling[J]. Agricultural Systems,1998, 57(4): 505-521.

17JANE S, DARLA M, HARINI N. Land cover change and landscape fragmentation-comparing the utility of continuous and discrete analyses for a western Honduras region[J]. Agriculture, Ecosystems and Environment,2004, 101(2-3): 185-205.

18BRITALDO S S-F, GUSTAVO C C, CA’SSIO L P. DINAMICA: a stochastic cellular automata model designed to simulate the landscape dynamics in an Amazonian colonization frontier[J]. Ecological Modelling, 2002, 154(3): 217-235.

19冉圣宏，李秀彬，呂昌河. 土地覆被及生態服務價值變化的多時間尺度模擬——以四川省漁子溪流域為例[J]. 地理學報，2006， 61(10)：1113-1120.

RAN Shenghong, LI Xiubin, Lü Changhe. Multi-scale modeling of land-cover change and ecosystem service values:a case of the Yuzixi Catchment in Sichuan[J]. Acta Geographica Sinica, 2006, 61(10): 1113-1120.(in Chinese)

20謝正磊，許學工，孫強. 基于Patch-Dynamics模式的土地覆被變化預測——以北京市為例[J]. 北京大學學報:自然科學版，2008，44(3)：452-458.

XIE Zhenglei,XU Xuegong,SUN Qiang. Prediction of land cover change based on the Patch-Dynamics model：acase study of Beijing[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2008, 44(3): 452-458.(in Chinese)

21尹才，劉淼，孫鳳云，等. 基于增強回歸樹的流域非點源污染影響因子分析[J]. 應用生態學報，2016，27(3)：911-919.

YIN Cai, LIU Miao, SUN Fengyun, et al.Influencing factors of non-point source pollution of watershed based on boosted regression tree algorithm[J].Chinese Journal of Applied Ecology, 2016, 27(3): 911-919.(in Chinese)

22李春林，劉淼，胡遠滿，等．基于增強回歸樹和Logistic 回歸的城市擴展驅動力分析[J]．生態學報，2014，34(3)：727-737．

LI Chunlin，LIU Miao，HU Yuanman，et al. Driving forces analysis of urban expansion based on boosted regression trees and Logistic regression[J]．Acta Ecologica Sinica，2014，34(3): 727-737．(in Chinese)

23于強，岳德鵬，YANG Di，等.基于EnKF-MCRP模型的生態用地擴張模擬研究[J/OL].農業機械學報，2016，47(9):285-293.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160939&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2016.09.039.

YU Qiang, YUE Depeng, YANG Di, et al. Simulation on ecological land use expansion based on EnKF-MCRP model[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2016,47(9):285-293.(in Chinese)

24于強，岳德鵬，郝玉光，等.磴口縣荒漠綠洲景觀特征及時空變化研究[J].干旱區資源與環境，2016，30(4)：178-183.

YU Qiang, YUE Depeng, HAO Yuguang, et al. The spatial and temporal variations of oasis desera landscape in Dengkou County[J]. Journal of Arid Land Resources and Environment, 2016,30(4):178-183.(in Chinese)

25于強，岳德鵬，YANG Di，等.基于BCBS模型的生態節點布局優化[J/OL].農業機械學報，2016，47(12)：330-336，329.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20161241&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2016.12.041.

YU Qiang, YUE Depeng, YANG Di,et al.Layout optimization of ecological nodes based on BCBS model[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2016,47(12):330-336,329.(in Chinese)

26ELITH J,LEATHWICK J R,HASTIE T．A working guide toboosted regression trees[J]．Journal of Animal Ecology,2008,77: 802-813.

27葛躍，王明新，孫向武，等. 基于增強回歸樹的城市PM2.5日均值變化分析：以常州為例[J]. 環境科學，2017，38(2)：485-494.

GE Yue,WANG Mingxin,SUN Xiangwu,et al.Variation analysis of daily PM2.5 concentrations based on boosted regressiontree: a case study in Changzhou[J].Environmental Science,2017,38(2):485-494.(in Chinese)

28WU J, LOUCKS O. From balance of nature to hierarchical Patch dynamics: a paradigm shift in ecology[J]. Biology,1995, 70(4): 439-466.

29VELDKAMP A, FRESCO L O. CLUE: a conceptual model to study the conversion of land use and its effects[J]. Ecological modelling,1996, 85(2): 253-270.

30VERBURG P H, SOEPBOER W, VELDKAMP A, et al. Modeling the spatial dynamics of regional land use: the CLUE-S model[J].Environmental Management, 2002, 30(3): 391-405.

31劉慶鳳，劉吉平，宋開山，等. 基于CLUE-S 模型的別拉洪河流域土地利用變化模擬[J]. 東北林業大學學報，2010， 38(1)：64-67.

LIU Qingfeng, LIU Jiping, SONG Kaishan, et al. Simulation on spatial pattern of land use change in Bielahong River Basin based on CLUE-S model[J]. Journal of Northeast Forestry University, 2010, 38(1): 64-67.(in Chinese)

32張薇，劉淼，戚與珊. 基于CLUE-S 模型的昆明市域土地利用預案模擬[J]. 生態學雜志，2014，33(6)：1655-1662.

ZHANG Wei, LIU Miao, QI Yushan. Land-use scenarios simulation based on the CLUE-S model in Kunming[J]. Chinese Journal of Ecology, 2014, 33(6): 1655-1662.(in Chinese)

33布仁倉，常禹，胡遠滿，等. 基于Kappa系數的景觀變化測度：以遼寧省中部城市群為例[J]. 生態學報，2005，25(4)：778-784.

BU Rencang, CHANG Yu, HU Yuanman, et al. Measuring spatial information changes using Kappa coefficients: a case study of the city groups in central Liaoning province[J]. Acta Ecologica Sinica, 2005, 25(4): 778-784.(in Chinese)

34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)

35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 and landscape 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)