土地覆盖变化或土地利用集约化：利用全球范围的土地变化模型模拟土地系统变化外文翻译资料

 2023-01-08 11:01

本科毕业设计（论文）

外文翻译

土地覆盖变化或土地利用集约化：利用全球范围的土地变化模型模拟土地系统变化

作者：Van Asselen Sanneke, Verburg P.H.

国籍：荷兰

出处：全球变化生物学

1.介绍

土地利用变化可能对环境产生重要影响。它可能通过使用化肥和杀虫剂、土壤封闭和压实以及改变水文、营养物质和大气循环来减少生物多样性、造成土壤和水污染(例如，Foley et al., 2005)。土地利用变化还通过吸引劳动力和刺激贸易影响社会经济进程。另一方面，土地使用决策受到生物物理和社会经济过程的影响。例如，作物的生长取决于当地的土壤和气候条件，人类的决策影响土地利用，以响应(全球)市场(Verburg et al., 2011b)。因此，土地利用是各种规模的生物物理、社会和经济系统的核心组成部分。这些系统之间的相互作用通常使用全球综合评估模型进行建模，如IMAGE(Bouwman et al., 2006)、GCAM(Wise et al., 2009)或GLOBIOM(Havlık et al., 2011)。由于土地利用是生物物理和社会经济进程的起因和结果，所以全球土地利用模型是综合评估模型的一个基本组成部分。特别是近年来，这些模型越来越多地被用于协助全球环境评估，例如IPCC评估(Smith et al., 2009)、全球环境展望(UNEP, 2007)、千年生态系统评估(MEA, 2005)和全球生物多样性展望(Pereira et al., 2010)。

目前使用的许多全球土地利用模型使用0.50.5度的空间分辨率，其中像素代表主要的土地覆盖类型((Bouwman et al., 2006; Lotze-Campen et al., 2008; Havlık et al., 2011; Souty et al., 2012)。最近的一些模型采用了5 arcmin的更高空间分辨率，如LandSHIFT模型((Schaldach et al., 2011)。另一些模型则使用分辨率为0.50.5度的部分土地覆被数据进行气候模拟(Hurtt et al., 2011)。在目前的全球土地利用模型中，土地管理通常是以一种简化和综合的方式来表示，例如，每个世界区域都有一个统一的管理因素(Bouwman et al., 2006; Bondeau et al., 2007)。这种简化可能会造成影响评估结果的偏差(Van Asselen amp; Verburg, 2012; Verburg et al., 2013)。最近的土地利用模型，如Nexus土地利用模型描述了粮食需求、生物质能和森林保护之间的相互作用，这些相互作用推动了粮食价格和土地利用变化(Souty et al., 2012)，其描述了农业集约化与化学投入的非线性关系。然而，该模型主要侧重于农业用地，并将森林面积作为一个剩余类别。在大多数模型中，对农业区和/或占主导地位的土地覆盖类型的描述忽略了世界许多景观中的复杂镶嵌的功能，以及耕地和牲畜系统之间的相互作用。

Letourneau et al. (2012) 通过使用5 arcmin的分辨率作为土地利用系统（LUS）的建模单元，在改进全球土地变化建模方面向前迈出了一大步。土地利用系统（LUS）代表了镶嵌景观中人与环境的相互作用，是土地覆盖、土地利用(牲畜、耕地、牧场)、人口和可达性的典型组合。土地利用系统（LUS）分类的灵感来自于“人类”分类，它将土地利用和人口联系在一个分类系统中（Ellis＆Ramankutty，2008）。在Letourneau et al. (2012) 等人的模型中，土地利用变化的驱动因素（当地条件，农产品需求和土地利用强度变化）被顺序应用到世界区域宏观经济模型中，使得其结果在5个像素内(Letourneau et al., 2012)。在这个模型中，土地覆盖变化或加强农业管理与对农业商品日益增长的需求之间的选择并不是内生的。土该模型使用基于世界水平的趋势、预先确定的弹性以及将经济理论应用于高度聚集的空间单位应用的全球经济模式所确定的面积和管理强度(Hertel, 2011)。此外，为了更好地为土地共享/土地节约的辩论提供信息，需要在土地利用模型中模拟农业扩张和集约化的新方法(Phalan et al., 2011; Tscharntke et al., 2012)。

在这项研究中，我们的目标是在一个可操作的、全球尺度的土地变化模型中，进一步改进土地系统变化中人与环境相互作用的表示，其目的是在宏观经济需求与当地物质和社会经济背景的交汇点上描述土地制度的变化。为了提高景观和耕作系统的代表性，我们使用了土地系统分类，它是土地覆盖、牲畜和土地利用强度的典型组合代表(Van Asselen amp; Verburg, 2012)。“人类”分类(Ellis amp; Ramankutty, 2008)和Letourneau et al. (2012)的LUS分类之间的一个重要区别是土地利用变量的唯一用途是定义土地利用系统（土地覆盖，牲畜和生产强度），而不是以人口密度和市场可达性等因素作为土地利用强度的代表。这种方法的优点是，现在人口和可达性可以作为土地系统变化的独立驱动因素，使得不同的土地系统在相同的人口密度下，由于位置因素和外部需求的差异而发生变化。

下一节将介绍模型的概念和实现。第3节描述了基于OECD环境展望情景的模型模拟，第4节讨论了建模方法，结果和验证。

2.材料和方法

2.1整体模型结构

CLUMondo模型建立在全球和区域空间土地变化模型中使用的概念，例如Dyna-CLUE模型(Verburg amp; Overmars, 2009)，LandShift模型(Schaldach et al., 2011)，Letourneau et al.（2012）的全球模型，以及区域模型，如Metronamica模型(Van Delden et al., 2005)和Geomod (Pontius et al., 2001)。在许多这些空间模型中，土地变化是由区域需求的变化（自上而下）驱动的，同时也受到限制或促进土地的转换和土地利用历史等局部因素的影响，导致土地变化轨迹具有路径依赖性（自下而上;如图1）。在许多此类的模型中，区域性土地总面积来自粗尺度的全球或区域经济模型，如GTAP模型(Van Meijl et al., 2006; Hertel, 2011)或欧洲的CAPRI模型(Britz et al., 2010)，一些模型使用分级方法来分配这些区域，假设城市扩张占主导地位，同时将（半）自然区域作为剩余土地变化类型(Pontius et al., 2001)。其它模型则以同步的方式分配土地覆盖面积，假设不同土地覆盖类型之间在地点上存在竞争(Verburg amp; Overmars, 2009)。然而，在所有模型中，土地覆盖类型的需求是一对一分配给这些土地覆盖类型的空间分布的变化。相比之下，CLUMondo模型能够同时模拟提供各种商品的土地系统的变化。土地系统在作物生产、牲畜数量和建筑面积方面都有其特点。因此，相同的生产或面积可以通过土地系统的多个组合来实现，不同土地系统所占用的面积并不是由土地覆盖类型的区域聚集面积直接决定的。根据Van Asselen＆Verburg（2012）开发的2000年初始土地系统图，计算不同土地系统的特征，作为每个模型区域的平均值。将含有土地覆盖数据[树木和裸地覆盖(Hansen et al., 2003)、耕地面积(Ramankutty et al., 2008)、建筑面积(Schneider et al., 2009)]，牲畜密度(Wint amp; Robinson, 2007)和农业生产强度(Neumann et al., 2010)的土地系统地图结合起来得到5 arcmin的土地系统地图。所有土地系统的当地适宜性是根据土地系统与社会经济和生物物理因素之间的经验关系(描述于VanAsselenamp;Verburg，2012)并根据周围地区土地可利用量的变化加以修正。在迭代过程中，土地系统相互竞争，直到满足所有需求类型的需求。

图 1 CLUMondo 模型的主要概念

土地变化的驱动因子（或位置因子）的集合因地区而异(Lambin et al., 2001; Geist amp; Lambin, 2002; Rudel et al., 2005; Van Asselen amp; Verburg, 2012)。因此，我们分别估算了8个不同世界区域的位置因子与当前土地系统空间分布之间关系的计量经济模型(Van Asselen amp; Verburg, 2012; 图2)。这些区域进一步细分为24个区域，其中每个区域的模型确保宏观经济模型的区域级结果在空间上得到分配。在其当前配置中，这些区域与IMAGE模型中使用的模型区域相对应(Bouwman et al., 2006)。通过使用这些区域，可以将CLUMondo模型实现到IMAGE模型中，从而实现与其他集成评估模块的交互以及在建模系统中结合反馈。

图 2 用于推导位置适用性的计量经济模型（具有粗轮廓的阴影区域）和本研究中使用的模型区域（数字1-24）的区域

2.2分配程序

CLUMondo模型的结构如图3所示。该模型在时间（）为每个网格单元（）分配具有最高转换潜力（）的土地系统（LS）。转变点电位是指土地系统的局部适宜性（），转换阻力（）和竞争优势的总和（）:

(1)

图 3 模型结构

土地系统的局部适宜性是基于Logistic回归参数化的计量经济模型确定的。CLUMondo模型通过使用一组生物物理和社会经济解释变量来预测每个陆地系统中的每个像素的发生概率(Van Asselen amp; Verburg, 2012)。Logistic回归经常被用作土地空间变化分配模型的输入(eg.,Geoghegan et al., 2001; Pontius et al., 2001; Serneels amp; Lambin, 2001; Braimoh amp; Onishi, 2007; Verburg amp; Overmars, 2009; Letourneau et al., 2012)。

阻力系数是衡量一个土地系统转换为另一个系统的成本的指标。例如，具有高投资资本的土地系统(如城市住宅区)不易转换为其他系统，因此其转换成本相对较高。所以，当一个土地系统处于这样的情况之下时，需要将其转换阻力系数提高至转变点电位附近，说明该土地利用类型的转换弹性系数低。而像广泛管理的耕地或草地这样的土地系统很容易(投资成本低)转换为其他系统，因此，它们的阻力系数较低。土地系统中的阻力系数的值是根据专家知识确定的，可以针对特定的模型运行进行校准。阻力系数仅被添加到特定时间（）、特定情况下的土地系统类型（）的转变点电位中。

土地系统的相对竞争优势是在一个迭代过程中确定的，在这个过程中，将土地系统分配和提供的货物或服务与从外部全球经济模型得出的世界区域水平上的总量进行比较（图3）。在我们的模拟中，我们使用了四种需求类型：作物生产（吨），陆生牲畜[牛，山羊和绵羊（nr）]，无地牲畜[猪和家禽（nr）]和建筑面积（km-2）。在每次迭代（）期间，将分配给土地系统在作物生产，牲畜数量和建筑面积方面提供的服务与强制的区域一级总量进行比较。根据外部确定的总量（）与分配的供应量（）之间的差异，计算每种商品或服务（）的迭代因子（）：

(2)

其中是确定迭代过程中每步的长短，是一个常数；是随机因子（1-100），它改变每个迭代步骤的长度，使算法更快收敛而不影响最终结果，并且 gt; 1，来限制在一个时间步长内的最大修改。在模拟开始时为0，在迭代过程中，如果分配的数量大于强加的总量(gt;)，就会减少，而如果分配的数量小于强加的总量，就会增加。接下来，基于的值计算各土地系统()的特性，然后再计算每个土地系统()在时间时的竞争优势。表1提供了土地系统查找表的示例，该表用于确定哪些土地系统具有竞争优势，查找表显示了土地系统对满足特定需求类型的贡献的相对顺序。例如，与集约化管理的农田系统相比，广泛的农田系统提供的作物产量较少，因此其在满足作物生产需求的排名较低。如果宏观经济模型所规定的区域作物总产量高于分配区域，则与该地区当前土地系统相比具有更高等级的系统（即更加集中管理或具有更大的耕地面积）获得更高的竞争优势。这促使人们转向作物产量高于现有系统的土地系统，无论是通过更密集的管理还是通过扩大耕地面积来实现这一目标。同时，查找表保证了土地变化的逻辑轨迹，例如，它并不能促进一个带有牲畜的大农田系统转变为一个没有牲畜的大系统，尽管后者可能在特定区域的平均作物产量略高。土地系统查找表可以按照特定区域中的土地系统特征以及满足增加（或减少）需求的可能轨迹进行不同的定义。土地利用系统()的总体竞争优势是通过对所考虑的不同商品和服务计算得到的迭代因子()之和来计算的。但是，一些土地系统被认为不会对特定需求做出反应，例如，(周边)城市系统可能有不同的作物生产水平

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[272310]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章