基于元胞自动机民勤绿洲湖区荒漠化演化预测

文章编号:1000 694X (2009)05 0802 06基于元胞自动机民勤绿洲湖区荒漠化演化预测收稿日期:2008 12 10;改回日期:2009 01 16基金项目:国家自然科学基金项目(40501073,40501068)资助作者简介:宋冬梅(1973 ),女(汉族),博士,副教授,硕士生导师,现从事GIS 与遥感的应用研究。

E mail:songdongmei1973@宋冬梅1,吴远龙1,张志诚2,王建3,李小玉4(1.中国石油大学地球资源与信息学院,山东青岛266555;2.中国动物卫生与流行病学中心,山东青岛266032;3.中国科学院寒区旱区环境与工程研究所,甘肃兰州730000; 4.中国科学院沈阳应用生态研究所,辽宁沈阳110016)摘 要:民勤湖区是民勤绿洲中生态环境最为恶劣的地区,土地荒漠化问题十分突出。

以民勤绿洲湖区为例,解译1992年、1998年、2002年和2006年T M 卫星影像,分析其荒漠化动态变化情况,利用A r cO bjects 模块结合地理元胞自动机理论构造荒漠化动态模拟模型,通过对比2006年的预测数据与实际数据,对模型进行参数调整和预测检验。

预测结果表明,模型预测的准确性达到90%。

最后对2012年该区土地利用状况做出预测,进而对荒漠化的发展趋势进行预测分析。

关键词:荒漠化;元胞自动机;蒙特卡罗方法;A rcObjects 模块;民勤绿洲中图分类号:X144文献标识码:A民勤县地处河西走廊东北部,位于石羊河流域下游,现有人口30 7万人,东西长203km,南北宽150km ,总面积1 6万km 2,平均海拔为1350m [1],东、北、西三面被腾格里沙漠和巴丹吉林沙漠包围,它镶嵌在这两大沙漠之中,阻止两大沙漠的汇合,在西北地理变化和稳定中起着重要的作用。

自20世纪60、70年代,随着石羊河流域土地大规模开发,该地区地下水水位的急剧下降[2],水资源匮乏,土地沙化严重,已成为中国沙尘暴的4大策源地之一[3-5],而民勤湖区是民勤绿洲中生态环境最为恶劣的区域,地下水矿化度持续升高,地下水位的下降导致了湖区大量弃耕地及生态灾民的产生,北部沙漠的威胁更加剧了该区环境恶化程度[6-7]。

近几年来,遥感(RS)、地理信息系统(GIS)和全球定位系统(GPS)及其集成技术迅速发展,大量应用于灾害监测、资源监测等方面,在多元数据定量分析与综合研究方面取得了很好的效果,但动态模拟演化研究还显不足[8]。

笔者基于地理元胞自动机理论(Geo CA)将此地区荒漠化动态演化规律与其空间分布特征相结合,利用ArcObjects 开发技术,结合数学模型探讨该区土地荒漠化时空动态演变规律,并预测其未来发展趋势。

1 研究区域概况研究区选择民勤绿洲生态环境最为恶劣的湖区(38 42!45∀ 39 05!51∀N,103 24!21∀ 103 48!54∀E)。

该区位于民勤绿洲的东北部,包括西渠乡、中渠乡、东湖镇和收成乡,绝大部分粮食生产受到地下水质的影响与制约[9]。

研究区属典型的温带大陆性干旱气候,20世纪50年代以来多年平均降水量110m m 左右,蒸发量2644mm ,风沙大,盛行西北风,年平均风速2 8m #s -1,风沙及沙尘暴频繁,年均风沙日数达139d,最多时达150d;8级以上大风日数70多天,强沙尘暴日数29d 。

灌区内作物以春小麦、夏玉米、青稞等粮食作物为主,兼种棉花、茴香、籽瓜等经济作物,土壤类型为灌淤土。

2 研究方法2.1 Geo CA 模型模拟民勤绿洲湖区荒漠化可行性分析 CA 模型是离散动态系统概念和应用建模的一种方法。

标准的CA 系统是一个由元胞(cells)、元胞状态(Cellular States)、邻域(neighbors)和规则(T ransitio n Rules/Functions)构成的四元组[10-11]。

从数学模型的角度看,CA 模型是基于元胞的动态模拟系统,它能够与基于栅格数据的GIS 组件很好地集成,这样,一方面增强了当前GIS 软件所缺乏的动态建模能力,提高了操作性能,并为处理时态维提供了一个很好的方法,另一方面,GIS 强大的空间数据处理能力也可为CA 模型准备数据和定义有效第29卷 第5期2009年9月中 国 沙 漠JO U RN A L O F DESERT R ESEA RCHV ol.29 No.5S ep.2009的转换规则,还可以对结果进行直观的显示。

因此, CA与GIS组件的集成,可以克服各自的缺点,形成一个全新的优势互补的动态系统,用来对复杂时空现象、行为和过程进行动态建模分析[12]。

荒漠化指包括气候变异和人类活动在内的种种因素造成的干旱、半干旱、亚湿润干旱区的土地退化,它是土地景观变化的一种,也是一种行为很复杂的地学现象[13-14]。

通常景观变化的模拟模型不仅要了解一种景观现状变化到另一种景观现状,更重要的是要清楚景观发生变化的原因。

使用ArcObjects模块建立模型,在确定模型中的转换规则时,将能够量化采集的各种因素考虑进去,充分体现荒漠化的变化原因。

民勤绿洲荒漠化变化集中表现为原有耕地和新开荒的弃耕地以及有林地、沙化林地、沙化草地、盐渍化土地被无序的开荒而转变为沙化耕地以及沙地[1]。

运用CA方法来研究这种变化过程,不仅能兼顾荒漠化的空间维,还能顾及其时间维,为荒漠化动态模拟模型的研究提供了一个很好的方向。

2.2 Geo CA中土地类型参数的转换规则本研究主要针对民勤绿洲荒漠化问题,即耕地与完全荒漠化土地之间的动态演变关系,因此,为便于模型的应用,将土地类型分为绿地,沙化地及沙地,其中绿地包括耕地、草地以及林地,沙化地包括沙化林地,沙化草地和沙化耕地。

其中沙地指完全荒漠化的土地,植被覆盖度很低,沙化地指介于绿地和沙地之间具有一定植被覆盖的土地;盐碱地依据地表植被覆盖程度的大小,分别归入沙化地和沙地。

归一化植被指数(NDVI)能够表征地表植被的覆盖状况,在一定范围内,NDVI值与地表植被覆盖度呈现正相关,据此,将归一化植被指数(NDVI)取值的不同作为各地类的遥感分类依据之一,如表1。

表1 土地类型NDVI分布Table1 The NDVI of diff erent land use types土地类别NDVI绿地0.10~0.80沙化地0.00~0.10沙地-0.10~0.00研究中分类和信息提取是用监督分类方法结合人工解译来实现的。

首先对研究区域进行实地考测,记录不同地物类型的空间分布,然后结合遥感影像数据和NDVI值进行监督分类。

根据遥感影像解译的结果,判定1992年、1998年、2002年和2006年民勤绿洲湖区土地利用类型,计算土地面积和土地类型转移矩阵,如图1和表2、表3所示。

图1 1992 2002土地类型转移图F ig.1 M a p show ing tr ansfer of landuse types f rom1992to2002表2 1992 2002土地类型转移矩阵Table2 Transfer matrix of land use types from1992to2002类型绿地(2002年)沙化地(2002年)沙地(2002年)转移面积/hm2转换率/%转移面积/h m2转换率/%转移面积/hm2转换率/%绿地(1992年)15361.8462.695155.1121.043986.9216.27沙化地(1992年)3157.2619.5210082.2062.342934.5018.14沙地(1992年)1738.258.064192.1419.4415631.9672.50表3 1992 2002土地面积变化Table3 C hanges of land area of different landuse types from1992to2002类型1992年1998年2002年绿地/hm224107.4927571.3624177.75沙化地/hm216928.1514219.1915799.89沙地/hm221613.6220451.5022747.20 1992 2002年,整个湖区绿地面积先增加后减少;沙化地和沙地面积先减少后增加,但沙地面积在后期快速增加。

1992 2002年经历一次大规模的开荒过程,到1998年耕地面积达到最大值,之后由于缺乏管理以及水资源的减少,使耕地逐渐退化,这种现象在湖区的西渠,中渠以及收成乡较为明显。

803第5期宋冬梅等:基于元胞自动机民勤绿洲湖区荒漠化演化预测总体看来,10a 间湖区变化趋势是绿地、沙化地急剧减少,沙地面积增加,湖区荒漠化程度进一步加剧。

湖区土地利用类型主要变化方向为:1)绿地向沙化地和沙地转移。

1992年绿地总面积为2 41万hm 2,到2002年有0 52万hm 2转换为沙化地,0 40万hm 2转换为沙地。

这种转移方式遍布整个湖区,是最为普遍的土地转移方式,造成这种转移方式的主要原因是地下水水位下降,水质恶化,土地因缺乏管理而荒漠化[2,15]。

2)沙化地向绿地和沙地转移。

1992年沙化地总面积为1 69万hm 2,到2002年有0 32万hm 2转换为绿地,0 29万hm 2转换为沙地。

这种转移方式主要分布于西渠和中渠。

在这些地区,由于人们对土地的需求的增加使得开荒活动日益频繁,大量的闲置沙化地被开发为耕地。

3)沙地向沙化地转移。

这种转移方式主要集中于湖区边缘地区,10a 间有0 42万hm 2的沙地转换为沙化地,靠近沙漠的地区以及人类活动频繁的地区政府加大沙漠改造力度,通过人工种草固定沙丘,使得部分沙地转换为沙化地。

2.3 模型实施2.3.1 模型构建方法Geo CA 是对现有的元胞自动机进行的扩展,是一个通用的模型框架。

它将自身构成进行相应的扩展和地理化,是笛卡尔坐标系下的地理空间,元胞的大小对应于空间分辨率[16-17]。

这里的CA 模型是使用Visual C++程序设计语言和ESRI 公司的GIS 二次开发模块Ar cObject 为技术手段开发出来的。

Ar cObject 能够很好地处理栅格图像,这可以便捷地实现元胞自动机模型以及对数据的操作。

由于研究区域较大,采用50m 栅格单元为元胞自动机的元胞单元,将分类图像进行重采样,将其分辨率设为50m 。

模型中元胞邻居构形为四方形格网,Mo ore 型邻居。

2.3.2 Geo CA 转换规则及参数的确定根据民勤绿洲湖区荒漠化形成的原因,将其主要影响因素归结为4点:∃气候因素:风向;%地下水因素:包括距离水源的距离和地下水矿化度;&人为控制因素:包括保护林,禁牧区等土地类型变化不大的地区;∋不确定因素:包括人为开荒及弃耕。