[发明专利]一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法

说明书

本发明公开了一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，将GCAM模型与地理CA相结合，实现全球283个子区域、2010年到2100年的全球土地利用序列空间化数据产品，空间分辨率为1km，时间分辨率为5年；综合神经网络初始概率、邻域影响、各子区域的地类转变权重矩阵和规划约束条件，得到各子区域地类的综合转变概率，对各子区域的土地利用和土地覆被进行空间化。本发明主要应用于未来不同发展情景下的全球土地利用变化与覆被建模，具备实现生产高分辨率全球LUCC产品的能力，推动了全球尺度下高分辨率土地利用模型构建的研究。

技术领域

本发明涉及元胞自动机土地利用建模领域，尤其是一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法。

背景技术

全球土地利用和土地覆盖变化(LUCC)对于理解人类活动与全球环境变化(如生物多样性和碳循环)之间的相互作用至关重要。已有的研究表明，构建LUCC模型已经成为一种揭示全球LUCC变化的驱动机制、研究过去以及未来年份的全球LUCC时空变化的重要工具，全球尺度的LUCC模型已经成为针对全球性问题进行综合评价的关键部分。尽管在许多情况下需要全球尺度的土地利用与土地变化建模，但由于其复杂性，目前很少有全球尺度的LUCC模型存在。

目前，已有的针对全球LUCC构建的模型主要有全球环境综合评估模型(IMAGE)，空间分辨率为0.5°(赤道约55公里)；LUSs模型和CLUMondo模型，空间分辨率为5弧分(赤道约10公里)。这些模型空间分辨率粗糙，很大程度地损失了土地利用和土地覆被的空间细节，对全球不同区域的土地利用模式产生了严重的扭曲。

元胞自动机(CA)以其简单而小规模的组织单元，可以获取其转换规则而用作模拟大尺度复杂的空间现象，这一特性适用于高空间分辨率的土地利用和土地覆盖的模拟。近几十年来，CA已经被用于模拟各种城市与区域尺度的LUCC变化。例如，区域尺度的GEOMOD模型、中国尺度的DynaCLUE模型、以及中国-全球尺度的Landshift模型等。CA还可以用作模拟全球评估模型预测下的地类需求约束的全球尺度的LUCC变化。例如，FLUS整个了CA与IMAGE模型来模拟全球尺度的LUCC变化结果，其空间分辨率达到了1km。空间分辨率的极大提高，大大增强了土地利用与土地变化的模拟效果。

然而，已有的全球规模LUCC模型，忽略了土地利用和土地覆盖的空间异质性。土地利用和土地覆盖的空间异质性在全球影响评估中起着重要作用。例如，一个农业生态区域内部可能具有相同的气候带，湿度条件，土壤类型和地貌，但由于该区域又属于不同国家，而具有不同的土地利用和土地覆盖空间特征。同样，一个国家的邻域范围内具有相同的地缘政治和社会经济条件，但由于气候、水分、土壤或地貌的变化，其土地利用和土地覆盖仍具有显着的空间异质性。在全球评估模型中，GCAM模型较好地反映出了土地利用和土地覆盖的空间异质性，GCAM模型在温度带，湿度与政治经济分区的基础上，综合18个农业生态区(AEZ)与32个经济政治区，形成全球283个子区域，来预测这283个子区域的土地利用和土地覆盖需求，综合神经网络初始概率、邻域影响、各子区域的地类转变权重矩阵和规划约束条件，得到各子区域地类的综合转变概率，对各子区域的土地利用和土地覆被进行序列空间化。本发明通过整合GCAM和CA来构建全球尺度的土地利用序列空间化GCAM-CA模型。

发明内容

本发明所要解决的技术问题在于，提供一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，具备实现生产高分辨率全球LUCC产品的能力，推动了全球尺度下高分辨率土地利用模型构建的研究。

为解决上述技术问题，本发明提供一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，包括如下步骤：

(1)综合考虑农业生态区划和地缘政治经济区划，将全球陆地划分为283个子区域，获取283个子区域不同地类的土地利用需求；

(2)结合全球土地利用变化的驱动因素，获取12个空间变量，使用神经网络获取初始地类转变概率，分区域获取不同土地利用类型之间转换规则；