农作物空间格局动态变化模拟模型 (CROPS)构建*

夏 天，吴文斌※，余强毅，杨 鹏，周清波，唐华俊

(1．农业部农业信息技术重点实验室，北京 100081;2．中国农业科学院农业资源与农业区划研究所，北京 100081)

农作物空间格局特指一个区域内农作物种植结构、分布、熟制和种植方式等信息［1］，是农业土地系统的核心内容之一。一方面，农作物空间格局能够反映蕴藏于农业土地系统内部的诸多服务功能，如粮食安全、农田碳库、生物质能源生产等;另一方面，其反映了空间范围内人类利用农业生产资源的状况，是农作物结构调整和优化的重要依据［2-4］。因此，开展农作物空间格局变化过程及特征研究具有较高的实用价值和重要的科学意义。

近年来，国内外很多学者针对农作物格局及其变化进行了相关研究［5］。统计调查方法是较早且较为常用的方法之一，即以一定的行政区为基本单元进行农作物面积统计分析［6-7］，但这种方法往往忽略了分析单元内部的空间异质性，而且主观性较强。随着遥感、地理信息系统等空间信息技术的发展，农作物格局的空间显性表达 (Spatially-explicit representation)逐步成为可能。如张明伟等［8］利用MODIS遥感数据提取了区域农作物种植结构;张莉等［9］同样利用MODIS数据，实现了我国南方15省 (市、自治区)各类水稻 (早稻、晚稻和单季稻)种植面积的快速识别;Gao等［10］利用航片和遥感影像 (TM/ETM+)分析了中国黑龙江省1958，1980，2000年3个时间段水稻空间格局变化情况。Montero［11］利用GIS技术构建了藤类植物生长分布模型，杨莉等［12］模拟展示了新疆棉花种植面积时空格局演变特征，并揭示当地棉花种植业发展的主要驱动力;吴文斌等［13］利建立了农作物播种面积变化模拟系统，分析研究了2005～2035年间世界主要农作物 (水稻、玉米、小麦和大豆)播种面积变化的数量特征和空间格局。自1997年至今，美国农业部国家农业统计中心 (USDA-NASS，National Agricultural Statistics Service of the US Department of Agriculture)不惜花费大量人力物力，将多源中高分辨率遥感影像与统计调查数据相结合，制作了每年一期的耕地内部作物分布图 (CDL，Cropland data layers)，供后续研究使用［14］。

不难发现，遥感技术是提取农作物空间分布信息的有效方法，但其相对成本较高，不利于获取大区域、长时间序列的农作物空间格局及其动态变化特征。而空间模拟技术作为遥感技术的重要补充，能够较为省时省力的表达地理空间要素的分布、格局与变化过程［3］，但目前相关模型研究多停留在土地利用变化模拟方面，较少涉及耕地内部农作物空间格局的模拟表达［4，15］。针对此问题，该研究充分利用CLUES(Conversion of Land Use and its Effects at Small region extent)土地利用变化模拟模型的理论和方法［16］，经过改进、重建、参数本地化和校正，研究并提出一个适用于我国的农作物空间格局动态变化模拟模型(CROPS，Crop Pattern Simulator)的可行架构，使其能够实现区域尺度土地利用变化与农作物空间格局变化的双层嵌套动态模拟。此外，该研究选取我国东北地区 (辽宁、吉林、黑龙江)进行模拟实验，测试模型的运转情况，并简要介绍了模型模拟的相关结果。

1 CROPS的概念模型

农业土地利用是人类为了自身的生存和发展需求而有意识地对农业土地资源进行开发、经营和利用的活动［17-19］。耕地是农业土地利用的最重要形式，为农作物生长、发育和成熟提供必备的自然生态环境，耕地和林地、草地等其它土地利用类型相互影响并处于动态变化之中。受多种因素影响，农作物空间格局不断发生变化，包括耕地内部不同作物之间的相互更替或转换，也包括和耕地外部其它土地利用类型的转换。因此，模拟分析农作物空间格局变化的前提是掌握耕地的空间格局动态变化，因为耕地为农作物空间格局变化提供必要的空间区间和范围。

基于该思路，该研究基于CLUE-S模型提出了CROPS模型构建的概念模型 (如图1)。第一个层次通过对不同土地利用类型之间动态变化的模拟，实现对耕地空间格局动态变化过程和状态的表达。第二层次基于第一层次的模拟输出的耕地空间格局，实现耕地内部的农作物空间格局动态变化的有效模拟。为实现不同层次的空间模拟，CROPS模型基于空间动力的学原理，将区域范围内的土地利用格局和农作物种植格局可以视为一个整体的系统，在自然环境和社会经济等驱动力因素的共同作用下，区域系统空间结构状态或各状态要素空间格局的演变，并且该地区的土地利用格局和农作物种植格局处于动态平衡状态。同时，该地区的农作物空间格局变化主要发生在耕地内部，受到耕地的空间分布区域限制。在不同的层次下，通过分析土地利用类型或农作物类型空间分布与自然地理和社会经济等驱动力因素之间的相互作用，进而实现土地利用类型或农作物类型面积总量在空间位置的分配。该概念模型不仅充分发挥了CLUE-S模型在传统土地利用类型转换或突变 (如草地转耕地或耕地转林地)过程模拟方面的优势和特点，也扩展了模型的功能和应用领域，实现了土地利用类型稳定下的渐变 (如农作物类型更替)过程模拟，实现了两个层次的有机嵌套模拟。

图1 CROPS概念模型

2 CROPS模型的基本模块

基于图1的CROPS概念模型，该研究提出了农作物空间格局模拟模型的基本框架，如图2所示。CROPS模型工作流程为:首先进行第一层次 (土地利用层)的空间格局模拟，在此基础上，利用第一层模拟的耕地格局作为控制，在耕地内部进行第二层次 (农作物层)的空间格局模拟。从模型每一层的组成模块看，CROPS模型主要包括非空间和空间两个大模块，即需求模块和空间分析与分配模块。

2.1 非空间模块

非空间模块为输入研究对象需求功能，该模块主要用于控制在历史上各种驱动力因素影响下的研究对象数量变化，或者未来不同情景条件下的研究对象数量变化情况。该研究对象需求决定空间模块中模拟分配的土地利用类型或农作物的总面积。在CROPS模型中，第一层次的非空间模块主要计算各土地利用类型的土地面积需求，第二层次的非空间模块则主要计算不同农作物类别的土地面积需求。非空间模块的输入数据主要为历史或者未来不同情景下的土地利用数据和农作物种植数据。通常情况下，历史农作物空间格局变化的需求量为统计年鉴数据，未来情景变化一般会利用趋势外推法，或者利用未来情景模型计算需求量。

2.2 空间模块

空间模块主要考虑空间化后的自然环境和社会经济因素的作用，分别将两个层次的模拟需求分配到空间位置，达到空间显性表达的目的。空间模块又包括空间模块I和空间模块II。

2．2．1 空间模块I

空间模块I的目的是分析土地利用类型或农作物类别的空间分布适宜性、确定两个层次上的转换规则、以及转换的区域性和政策性限制因素。

(1)适宜性分析子模块。该子模块的主要功能是根据土地利用类型或农作物类别空间分布格局和备

式中，pi表示出现某一模拟对象的概率;X表示各驱动因素;β是各影响因子相应的回归系数。

回归系数运用统计学软件进行计算，方程需要置信度一般要大于95%(即α≤0．05)，相关性较低的影响因子将不选入回归方程。通常情况下，每一种研究对象 (土地利用类型或农作物种植类型)的影响因素不同，故进入回归方程中的影响因素也不一样。构建完成各种研究类型的回归方程后，利用ROC曲线进行检验方程的精度［20］:ROC值介于0．5和1之间，如果该值越接近于1时，说明该研究类型的概率分布和真实分布之间具有较好的一致性，构建的回归方程能较好地解释该研究类型的空间分布;反之，若该值越接近0．5，说明回归方程不能有效的解释该研究类型的空间分布，需要重新选取新的驱动力因素构建回归方程。

(2)转换规则子模块。转换规则包括类型转移弹性系数和类型转移次序两部分。类型转移弹性系数用0～1的数值表示，描述各类型变化的可逆性。0代表极易发生转变，1代表不易发生转换，数值越小表示越容易发生转变。类型转移次序表示两类用地之间发生转化的可能性，如林地能够转化为耕地，则标记为“+”，建设用地很难转变成耕地，则标记为“-”。

利用程度较高的类型很难转变为利用程度较低的类型，而利用程度较低的类型比较容易转变为利用程度较高的类型。在CROPS模型第一层中，建设用地很难转变为其它利用类型，通常弹性系数会设定接近于1的数值;而草地比较容易转变为其它利用类型，所以会设定接近于0的弹性系数。在CROPS模型第二层中，水稻由于种植条件限制，弹性系数会设定接近于1的数值;而如大豆这种作物经常会更换成其它作物，故弹性系数设定会为接近于0的数值。弹性系数数值的设置需要研究人员在了解研究区域的实际变化情况下，通过不断的调试而确定。

CROPS模型的类型转移矩阵决定着整个研究区域内结果类型的变化情况，无论是模型第一层的土地利用类型转移矩阵，还是第二层的农作物类型转移矩阵都需要根据当地的实际情况进行设定。研究区域内出现的类型转换在转移矩阵中设定为“+”，模型模拟过程中会发生此类型的转换;未出现的类型转移情况即设定为“-”，模型模拟过程中不会发生此类型的转换。通过“+”和“-”组成的转移矩阵能够有效的控制研究区域内各种类型的转换过程。

(3)限制区域子模块。区域土地利用和农作物空间格局变化会受到国家政策和区域限制的影响。在CROPS中，这些限制因素包括区域性限制因素和政策性限制因素。区域性限制因素如森林保护区、基本农田保护区、特殊作物种植区等，这种限制因素区不在模拟范围内，需要单独在模拟控制区中标出不参与模拟研究类型变化;政策性限制因素是国家颁布的相关限制条例，如保护湿地环境，禁止开发的政策可以限制湿地转为其它土地利用类型。此外，由于CROPS中的耕地空间格局对农作物空间格局变化起约束作用，第二层的农作物空间格局变化只能在耕地范围进行变化，非耕地范围为特定的限制变化区域。

2．2．2 空间模块II

空间模块II为空间分配模块，基于基期年的基础图件，在空间模块I基础上，根据总概率大小对非空间模块计算的研究需求 (土地利用需求和农作物需求)进行空间分配的过程。CROPS模型的空间分配具体过程为:首先，确定栅格系统中被允许参与空间分配的栅格单元;然后根据公式TPROPi，u=Pi，u+ELASu+ITERu计算出某一栅格单元中适合某一类型的总概率［21］，TPROPi，u为栅格单元i适于土地利用类型或选驱动因素数据，计算出各个土地利用类型或农作物类别在空间上的分布概率，利用分布概率来判断每种研究对象的空间分布适宜性。这些备选驱动力因素中有些因素是直接导致研究对象发生变化，有些因素是间接导致研究对象发生变化，通过空间统计分析，可以确定在所有因素的影响下研究对象类型发生转变时最有可能出现的空间位置。在CROPS模型中，通过选取具有代表性的驱动力因子，以模拟对象 (第一层为土地利用类型，第二层为农作物类型)空间数据为基础，利用二元Logistic回归方程计算出每一种研究对象发生的概率，该方程可以解释各种研究对象类型与驱动力因素之间的关系。分布概率计算公式如下:农作物种植类型u的总概率，Pi，u是通过二元Logistic回归方程计算的空间分布概率，ELASu是根据上述土地利用或农作物类型转换规则设置的参数，ITERu是土地利用类型或农作物种植类型u的迭代变量;然后基于每一栅格单元上各研究类型分布的总概率进行空间分配，通过多次迭代分配直到各研究类型的分配面积与需求面积相等时，模型停止分配。

图3 CROPS模型空间分配过程

3 CROPS模型的区域应用

选择我国东北三省作为研究区域，以2000年为模拟基期年，在1km空间尺度上利用CROPS模型对东北三省2000～2010年农作物空间格局动态变化进行了模拟分析，并以2005年的遥感分类结果CROPS模型模拟精度进行了验证。

表1 数据列表及数据来源

表1列出了CROPS模型区域应用的数据列表及数据来源。东北三省土地利用数据来自中国科学院环境科学数据中心，按照土地利用类型重新归并为7个土地利用类型，即耕地、林地、草地、水域、建设用地、湿地和未利用地。东北三省农作物空间分布数据来自于MIRCA2000数据集，提取了水稻、小麦、玉米、大豆和其它农作物等5类作物空间分布。同时，收集和整理了东北三省空间和属性数据，构建耕地或农作物空间格局变化的驱动因子库。具体包括11个因子，涉及DEM、年均气温、年均降水量、＞0℃积温、＞10℃积温、土壤类型、交通路网、河流水域、中心集镇等自然地理数据，以及人口密度、人均GDP等社会经济数据，这些因素共同作用驱动东北地区的耕地和农作物空间格局发生变化。利用ArcGIS将DEM、年均气温、年均降水量、≥0℃积温、≥10℃积温、人口和人均GDP数据均处理为1 km的栅格数据。土壤图按照土类类型拆分成单独的土类分布图，共划分为20类土壤类型。东北地区的土壤质地共有10种情况，将此数据划分成10类进行数据分析。通过DEM数据生成研究区域的坡度和坡向数据。利用交通路网分布、河流水域分布和中心集镇分布数据生成研究区域内每一个栅格中心点到研究对象最近的距离。所有数据都标准化处理为1km的栅格数据，输入到CROPS模型进行分析研究。

图4 1980～2010年东北地区耕地空间格局动态变化

图5 1980～2010年东北地区农作物空间格局动态变化

图4是利用CROPS第一层次模拟的1980～2010年东北三省耕地空间格局动态变化结果。图5是利用CROPS第二层次模拟的1980～2010年东北三省农作物空间格局动态变化结果。利用2005年的遥感解译数据对CROPS模拟结果进行精度验证，结果表明:第一层次的耕地空间格局模拟精度达到90%，第二层次的农作物空间格局模拟精度达到75%。这表明CROPS模型运行良好，可以有效模拟东北三省耕地空间格局和农作物空间格局的动态变化。

4 讨论与结论

农作物空间格局动态变化研究方法总体上包括统计分析法、遥感检测法和空间模型法。该研究对CLUE-S土地利用变化模拟模型进行了模型框架和模块重建、参数本底化和校正，构建了多层次模拟的CROPS模型，实现了区域尺度农作物空间格局变化的动态模拟，模型可以用于大范围、长时间序列的农作物空间格局动态变化研究，一定程度上解决了统计分析法难以大区域应用和遥感检测法的时间频率不够的问题。

CROPS模型框架采用了两层次嵌套模拟的结构，第一个层次通过对不同土地利用类型之间动态变化的模拟，实现对耕地空间格局动态变化过程和状态的表达，第二层次基于第一层次的模拟输出的耕地空间格局，实现耕地内部的农作物空间格局动态变化的有效模拟。该模型框架很好实现了土地变化科学中的土地利用类型转换或突变 (如草地转耕地或耕地转林地)过程模拟和土地利用类型稳定下的渐变 (如农作物类型更替)过程模拟的有机整合，在模型构建方面具有较强的新颖性。

在CLUE-S模型非空间和空间两大模块的基础上，CROPS空间模块又包括空间模块I和空间模块II。空间模块I的目的是分析土地利用类型或农作物类别的空间分布适宜性、确定两个层次上的转换规则、以及转换的区域性和政策性限制因素。空间模块II为空间分配模块，基于基期年土地利用类型图和农作物种植格局图，在空间模块I基础上，根据总概率大小对非空间模块计算的土地利用需求进行空间分配的过程。东北三省的模型区域应用结果表明，CROPS模型总体上模拟效果较好，可以有效模拟东北三省耕地空间格局和农作物空间格局的动态变化。

然而，模型仍然存在一些需要进一步改进地方。虽然模型综合考虑了自然地理、社会经济等因素对农作物空间格局变化的影响，但这种某一时段建立的回归关系应用到其它年份会存在一些统计偏差，而且部分微观农户层面的驱动因子无法很好的体现。此外，两层次模拟中第一层次模拟精度对第二层次模拟精度具有重要影响，第二层次农作物空间分布真实数据的缺失也会造成模拟精度的下降，因此，如何进一步提升第一层次模拟精度也需要进一步深入研究。

［1］唐华俊，吴文斌，杨鹏，等．农作物空间格局遥感监测研究进展．中国农业科学，2010，43(14):2879～2888

［2］余强毅，吴文斌，杨鹏，等．Agent农业土地变化模型研究进展．生态学报，2013，33(6):1690～1700

［3］唐华俊，吴文斌，杨鹏，等．土地利用/土地覆被变化 (LUCC)模型研究进展．地理学报，2009，64(4):456～468

［4］Yu Q，Wu W，Yang P，et al．Proposing an interdisciplinary and cross-scale framework for global change and food security researches．Agriculture，Ecosystems and Environment，2012，156:57 ～71

［5］Wang Y，Chen Y，Peng S．A GIS framework for changing cropping pattern under different climate conditions and irrigation availability scenarios．Water resources management，2011，25(13):3073～3090

［6］申克建，何浩，蒙红卫，等．农作物面积空间抽样调查研究进展．中国农业资源与区划，2012，33(4):11～16

［7］张莉，吴文斌，杨鹏，等．黑龙江省宾县农作物格局时空变化特征分析．中国农业科学，2013，46(15):3227～3237

［8］张明伟，周清波，陈仲新，等．基于MODIS时序数据分析的作物识别方法．中国农业资源与区划，2008，29(1):31～35

［9］张莉，吴文斌，左丽君，等．基于EOS/MODIS数据的南方水稻面积提取技术．中国农业资源与区划，2011，32(4):39～44

［10］Gao J，Liu Y．Climate warming and land use change in Heilongjiang Province，Northeast China．Applied Geography，2011，31(2):476 ～482

［11］Montero Riquelme F J，Brasa Ramos A．Land and water use management in vine growing by using geographic information systems in Castilla-La Mancha，Spain．Agricultural water management，2005

［12］杨莉，杨德刚，张豫芳，等．新疆棉花种植面积时空格局演变特征及驱动机制研究．中国沙漠，2011，31(2):476～484

［13］吴文斌，杨鹏，谈国新，等．基于Logit模型的世界主要作物播种面积变化模拟．地理学报，2007，62(6):589～598

［14］Boryan C，Yang Z，Mueller R，et al．Monitoring US agriculture:the US Department of Agriculture，National Agricultural Statistics Service，Cropland Data Layer Program．Geocarto International，2011，26(5):341～358

［15］余强毅，吴文斌，唐华俊，等．基于农户行为的农作物空间格局变化模拟模型架构．中国农业科学，2013，46(15):3266～3276

［16］Verburg P H，Soepboer W，Veldkamp A，et al．Modeling the spatial dynamics of regional land use:the CLUE-S model．Environmental Management，2002，30(3):391～405

［17］Liu Y，Wang D，Gao J，et al．Land use/cover changes，the environment and water resources in Northeast China．Environmental Management，2005，36(5):691～701

［18］Mas J，Kolb M，Paegelow M，et al．Inductive pattern-based land use/cover change models:A comparison of four software packages．Environmental Modelling＆ Software，2014，51:94～111

［19］Lambin E F，Turner B L，Geist H J，et al．The causes of land-use and land-cover change:moving beyond the myths．Global Environmental Change，2001，11(4):261～269

［20］Lesschen J P，Verburg P H，Staal S J．Statistical methods for analysing the spatial dimension of changes in land use and farming systems．Citeseer，2005

［21］Verburg P H，Soepboer W，Veldkamp A，et al．Modeling the Spatial Dynamics of Regional Land Use:The CLUE-S Model．Environmental Management，2002，30(3):391～405