中国六省土地沙漠化敏感性时空格局与趋势分析

王跃辉, 张林波, 郭 杨, 何 萍, 刘伟玲, 杜加强, 王丽霞

(1.中国环境科学研究院, 北京 100012; 2.国家环境保护区域生态过程与功能评估重点实验室, 北京 100012;3.中国环境科学研究院 环境基准与风险评估国家重点实验室, 北京 100012; 4.西南林业大学 林学院, 昆明 650224)

中国六省土地沙漠化敏感性时空格局与趋势分析

王跃辉1,2,3,4, 张林波1,2,3, 郭 杨1,2,3, 何 萍1,2,3, 刘伟玲1,2,3, 杜加强1,2,3, 王丽霞1,2,3

(1.中国环境科学研究院, 北京 100012; 2.国家环境保护区域生态过程与功能评估重点实验室, 北京 100012;3.中国环境科学研究院 环境基准与风险评估国家重点实验室, 北京 100012; 4.西南林业大学 林学院, 昆明 650224)

以我国新疆维吾尔自治区、青海省、内蒙古自治区、甘肃省、宁夏回族自治区和陕西省六省区为研究区，分析了1990年、2000年、2005年、2010年4个时期的土地沙漠化敏感性空间格局分布和时间动态变化特征，探讨变化成因并采用CA-Markov耦合模型对土地沙漠化敏感性格局变化趋势进行预测。结果表明：中国六省四期土地沙漠化敏感性格局相似，各级敏感区按分布面积大小排序为：轻度敏感区域>中度敏感区域>高度敏感区域>不敏感区域>极敏感区域。极敏感区域主要分布在土壤质地为流动沙地的沙漠区域，不敏感区域主要分布在高山、湖泊附近；人口增多、人为活动强度增加的区域敏感性程度增高；建立治沙工程的区域敏感性降低。对2020年土地沙漠化敏感性格局预测结果显示，相比2010年，极敏感区域在原有的基础上向外围扩张了7 120.04 km2，增幅为4.63%。本文通过分析中国六省土地沙漠化敏感性时空格局与趋势，为中国土地沙漠化防治分区策略制定和划分沙漠化扩展屏障区提供科学依据。

土地沙漠化; 敏感性; CA-Markov耦合模型; 时空格局

中国是世界上受沙漠化危害最为严重的国家之一[1]，沙漠化是干旱、半干旱及部分湿润地区由于人地关系不协调所造成的以风沙活动为主要标志的土地退化[2]。土地沙漠化敏感性即指由于人类活动、气候变化引起土地沙漠化的可能性大小[3]，研究土地沙漠化敏感程度及其空间分布是实施生态环境分区管理的一个重要基础[4]。

目前国内土地沙漠化敏感性评价的文献不多，主要以单个省或者局部某个区域进行土地沙漠化敏感性评价，例如刘康等[4]以甘肃省为对象，选择湿润指数、大风天数、土壤质地和冬春季地表植被覆盖度4因子作为评价指标，通过地理信息系统技术对土地沙漠化敏感性进行综合评价并对单因子敏感性和综合敏感性的空间分布格局进行了分析；赵明月等[3]以青海湖流域为研究区，根据《生态功能区划技术暂行规程》对土地沙漠化敏感性进行综合评价。周利军等从自然因素和人为因素两个角度出发，对黑龙江省西南部土地沙漠化敏感性进行了评价[5]。迄今为止，还没有关于我国荒漠化潜在发生区(中国六省)土地沙漠化敏感性评价的文献。因此，本文通过分析1990年、2000年、2005年、2010年中国六省土地沙漠化敏感性的空间格局与变化规律，对该区域四个时期的土地沙漠化敏感性进行综合评价并采用CA-Markov耦合模型预测2020年的土地沙漠化敏感性，为中国六省辨识土地沙漠化重点防治区域、制定相关生态区划方案和提出相关政策建议提供科学依据。

1 研究区概况

研究区为中国新疆维吾尔自治区、青海省、内蒙古自治区、甘肃省、宁夏回族自治区和陕西省，地理位置介于75°—126°E，31°—53°N，面积约占中国陆地面积的43%，是连接欧亚各国的交通要道。研究区还处在我国的温带草原—黑钙土、栗钙土带和温带荒漠—棕漠土、灰棕漠土带[6]，是沙漠的聚集地带，虽然自然资源丰富，但气候干旱，水资源贫乏，人口稀少，少数民族比重大，交通不便，生物产量低，生态环境脆弱。

2 数据来源与研究方法

2.1 数据来源

全国1∶10万的沙漠化土地数据和中国地区长时间序列GIMMS植被指数数据集来源于寒区旱区科学数据中心，1990—2010年中国六省范围内212个气象站点的日值气候数据集自中国气象科学数据共享服务网，其中新疆56个、青海省39个、甘肃省34个、宁夏10个、内蒙古52个、陕西省21个,具体分布情况见图1，全国土壤粒度分布数据来自北京师范大学土地大气交互研究小组，MODIS 250 m分辨率的NDVI数据(MOD13Q1)来自于NASA-MODIS网站(图1)。

图1 中国六省气象站点分布示意图

2.2土地沙漠化敏感性评价因子的选择

沙漠为自然因素所形成，发生在第四纪时期[7]，沙漠化土地是各种自然因素和人为因素相互作用的结果[8]，是一个复杂的土地退化过程[9]。确定人为因素和自然因素在沙漠化过程中的作用、沙漠化以风沙活动为主要指标的多层次综合指征体系[10-11]是目前土地沙漠化研究的主要内容之一。土地沙漠化敏感性即指在自然条件下由于人类活动引起土地沙漠化的可能性大小, 研究其敏感程度和空间分布，是实施生态环境分区管理的一个重要基础。张国平等研究表明，区域土地沙漠化敏感性可以用湿润指数、土壤质地及起沙风的天数、冬春季地表植被覆盖度等来评价[12]。鉴于我国土地沙漠化地区风的季节以冬春季节为主,而风速又只有在超过某一临界值的情况下才有可能吹扬和搬运土壤中的颗粒物质至空中,进而影响该区域土地沙漠化敏感性,因此本文采用湿润指数、冬春季大于6 m/s大风天数、土壤质地、冬春季节植被覆盖度作为自然因素，景观破碎度为人为因素来综合评价1990年、2000年、2005年、2010年中国六省区域土地沙漠化敏感性。具体指标和分级标准见表1。

表1 土地沙漠化敏感性评价指标及其分级标准

2.3 土地沙漠化敏感性评价因子的计算方法

(1) 自然因素。湿润指数(wetness index)为衡量湿润程度的表示法，是干燥指数的倒数,其与土地沙漠化敏感性程度成反比。本文采用修正的谢良尼诺夫公式计算干燥度[4]：k=0.16∑t/r，式中K为干燥度，16∑t为日平均气温≥10℃期间的稳定积温，r为同时期的降雨量。通过编程处理中国六省212个气象站点的日值气候数据，统计出1990—2010年每年各站点湿润指数和冬春季大于6 m/s的大风天数，通过反向距离插值和分类处理，得到中国六省湿润指数和大风天数的空间分布图。土壤质地的土地沙漠化敏感性分布图的计算方法:根据全国1∶10万沙漠化土地图以及土壤粒度分布图，以国际制土壤质地标准分类为参考基准[13-14]，通过表1的标准计算得到。植被覆盖度的土地沙漠化敏感性空间分布图的计算方法：主要参考植被覆盖度图，根据表1的标准计算得出，其中为进一步消除云层、颗粒物、视角及太阳高度对NDVI植被覆盖数据的影响，采用国际上惯用的最大值合成法,对中国六省的NDVI半月数据进行最大化处理[15]，而1990年的NDVI植被覆盖数据通过MODIS与GIMMS数据插补得到。插补方法为：利用GIMMS NDVI和MODISNDVI重叠年份2000—2006各月的值，确定两数据的相关性，并建立两数据集之间的线性回归方程；根据1990—2000年GIMMS数据和一元线性回归方程，推算出1990—2000年的MODIS数据。

(2) 人为因素。人为因素是沙漠化过程中的活跃和主要因素[11]，人类不合理的经济活动直接导致了景观破碎化，景观破碎度指数是指某景观类型在特定时间里和特定性质上的破碎化程度，在一定程度上反映了人类对土地沙漠化的影响强度。本文通过ArcGIS 10.0建立空间网格，并利用Fragstats 4.1软件计算每个网格内的破碎化指数,建立景观破碎度指数因子图。

(3) 综合土地沙漠化敏感性评价。对于自然因子的评价指标用几何算术平均数法，计算方法如下：

式中：DSj——j空间单元土地沙漠化敏感性指数；Di——i因素敏感性等级值。对于土地沙漠化敏感性评价结果按照自然因素和人为因素平均加权求和的方法实现。

2.4 CA-Markov模型方法应用

Markov与CA均为时间离散、状态离散的动力学模型，Markov主要通过对不同状态的初始概率及状态之间的转移概率关系, 来确定状态的变化趋势，以达预测的目的[16]，但该预测法没有空间变量，而CA的状态变量则与空间位置紧密相连[17]。马尔科夫(Markov)模型在土地利用格局变化建模中广泛应用[18]，而元胞自动机(CA)模型具有强大的空间运算能力，可以有效地模拟系统的空间变化[19]。CA-Markov模型综合了CA模型模拟复杂系统空间变化的能力和Markov模型长期预测的优势，用其预测土地沙漠敏感格局变化，不仅提高了类型转化的精度，而且对元胞的局部相互作用可以有效的模拟，具有较强的科学性与实用性[20]。在土地沙漠化敏感性栅格图中，每一个栅格代表一个元胞，每个元胞的土地敏感类型为元胞的状态。通过面积转换矩阵和条件概率图，确定元胞状态的转移[21]，模拟土地沙漠化敏感性格局的变化。根据湿润指数、大风天数、土壤质地、植被覆盖度的变化，建立土地沙漠化敏感性的适宜性图集；通过CA-Markov模型生成土地沙漠化敏感性格局转移概率矩阵，采用5×5均值滤波器进行预测模拟。采用修正的Lee-Sallee形状指数对预测结果进行模拟精度验证。修正的Lee-Sallee形状指数值为0.3～0.7时，结果可接受。具体表达式[22]为：

式中：L——修正的Lee-Sallee指数，取值范围[0，1]；A0——真实年份的土地沙漠化敏感性格局图；A1——模拟的土地沙漠化敏感性格局图。分析该研究区1990—2010年土地沙漠化敏感性综合指数的空间格局并用CA-Markov耦合模型预测2020年的土地沙漠化敏感性格局，揭示30 a尺度该区域的土地沙漠化敏感性格局变化的特点和规律。

3 土地沙漠化敏感性格局分析与评价

利用ArcGIS 10.0软件,将1990年、2000年、2005年、2010年的自然因子与人为因子进行空间叠加,根据上述研究方法获得中国六省四期土地沙漠化敏感性格局分布图(见图2)。

利用ArcGIS 10.0的分区统计工具，统计1990年、2000年、2005年、2010年中国六省土地沙漠化敏感性格局分布栅格图，获得该区域的土地沙漠化敏感性格局分布，详见表2。

图2 不同年份中国六省土地沙漠化敏感性空间格局分布

指标1900年面积/km2百分比/%2000年面积/km2百分比/%2005年面积/km2百分比/%2010年面积/km2百分比/%不敏感 378561.59.11344405.98.29468779.611.28452300.710.88轻度敏感1609318.138.72160284138.561451972.134.93135809832.68中度敏感1014435.924.41812506.719.55814649.819.60847132.520.38高度敏感1002892.524.13124371429.921247701.630.02134499132.36极敏感 1510313.63152771.93.68173135.94.17153716.93.70

从图2和表2可以得出，轻度敏感区域占的比例最大，极度敏感区域最少。1990—2010年，面积增加的区域为高度敏感区、不敏感区和极敏感区，其中高度敏感区增加的速度最快。虽然四期的土地沙漠化敏感性格局分布大致区位相同，但是随着每年气候和植被覆盖度的变化，土地沙漠化敏感性格局分布也受到了一定影响。变化较为明显的为内蒙古东北角，2000年该处不敏感区域分布较少，而1990年、2005年与2010年则大面积分布，直接原因是该地区2000年的降雨量减少所致，相比1990年、2005年和2010年降水量平均减少了132.6 mm，145.8 mm和120.9 mm；内蒙古呼伦湖区域1990年敏感性为中度敏感，而2000年、2005年、2010年均为高度敏感，变化的主要原因是该地区此后三期的积温增加所致；2010年塔里木盆地中部和东北地区出现了极敏感区域分布，是因为该区域2010年的风数敏感性从不敏感变为高度敏感、湿润指数从高度敏感变为了极敏感。甘肃的环县地区以西从1990年、2000年、2005年的轻度敏感变到了2010年的不敏感，其变化的主导原因是植被覆盖度的变化，2010年植被覆盖度显著提高。由上述分析可知，湿润指数、大风天数、植被覆盖度的变化直接影响着综合土地沙漠化敏感性的空间分布变化，而土壤质地在大风天数的影响下也会相应影响最终结果的变化，例如：大多数极敏感区域的土壤质地为流动沙地，随着大风天数的增加，发生沙漠化的可能性也会增大。

甘肃的环县地区以西从1990年、2000年、2005年的轻度敏感变到了2010年的不敏感，其直接原因是环县地区实施了退耕还林、荒山造林、封山绿化等生态工程,并不断扩大工程规模,提高了工程质量，人为活动强度降低，破碎度指数减少。但是不良的人为因素也会使得土地沙漠化敏感性升高，竺可桢教授曾提出：要注意“由于人为的原因把不应该成为沙漠的地方破坏成为沙漠”[11]，“滥伐森林、过度放牧、破坏草地、盲目开垦等会引起荒漠”。甘肃省民勤县2000—2010年极敏感区域增加了994.93 km2，增加的比例约占全县面积的0.6%，远高于中国六省同时期极敏感区域增加的比例0.02%。经过查阅资料发现[23]，该区属于温带大陆性极干旱气候，西、北、东三面被巴丹吉林和腾格里两大沙漠包围，三面环沙，具有明显的蒙新沙漠气候特征，冬冷夏热、降水稀少、光照充足、昼夜温差大，年均降水量110 mm，蒸发量高达2 644 mm，是降水的24倍。根据全国人口普查数据表示，民勤县1998年人口为28万，而2004年则突破到33万人次。人口大增，导致水资源和荒地的大量开发，加剧了民勤县的生态环境恶化，最终导致了土地沙漠化极敏感性面积的增加。民勤县由于人口大增，超出了水资源的承载能力，导致对水资源和荒地大量开发，过度放牧，破坏草场，造成大量的草场成为了沙地，使得民勤县的极敏感区域面积1990—2010年迅速增加。

由此可知，1990年、2000年、2005年、2010年中国六省土地沙漠化敏感性格局的分布都存在一定的规律：不敏感区域大都分布在山川、湖泊附近，而轻度敏感区域大都分布在不敏感区域的缓冲区范围内，中度敏感地区大都分布在与沙漠临近的地方，极敏感区

域分布在沙漠的聚集处，比如在塔里木盆地与柴达木盆地中间的库姆塔格沙漠、在巴丹吉林沙漠和毛乌素沙地之间的库布齐沙漠；除了自然因素的变化对土地沙漠化敏感性格局有一定影响外，局部地区的人为因素对土地沙漠化敏感性格局分布也产生了相应的影响，比如新疆塔里木盆地的“四源一干”流域中的和田河、塔里木河、叶尔羌河流域虽然分布在高度敏感、极敏感区域，但是因为本质特征和塔里木河连年不断的定期输水的人为因素影响，使得流域范围内的生态环境得到了改善，尤其是和田河流域的胡杨林茁壮成长，使该区域从2000年输水工程建设以来到2010年一直为中度敏感地区，甚至为轻度敏感地区；内蒙古草原生态安全带工程的建设，使得阴山以北，大兴安岭以西，乌拉特后旗西界以东的广大地区的土地沙漠化敏感性程度大大减低，这其中包括了草甸、草原、浑善达克沙地等区域；享誉世界的宁夏中卫沙坡头治沙工程也成功阻挡了腾格里沙漠的东移。

4 土地沙漠化敏感格局变化趋势预测

通过上述分析认为，从自然因素和人为因素两个方面分析土地沙漠化敏感性格局的分布是较为合理的一种方法。也就是说既要考虑整体因素的影响，又不能舍弃人为因素对局部地区的影响，只有综合考虑才能更加准确地解释土地沙漠化敏感性格局的分布规律。因此，采用CA-Markov耦合模型预测土地沙漠化敏感性格局。

为了验证模型的精度，利用2000年和2005年的土地沙漠化敏感性格局分布图模拟2010年的土地沙漠化敏感性格局分布图，计算Lee-Sallee指数为0.857，说明模型具有较高的精度，也说明采用CA-Markov模型进行模拟研究时设置的参数准确、规则合理。利用CA-Markov耦合模型预测2020年中国六省土地沙漠化敏感性格局。首先，计算2000年和2010年的土地沙漠化敏感性格局转移概率矩阵，见表3。

表3 2000-2010年土地沙漠化敏感性格局转移概率矩阵

在CA-Markov模块中设置起始年份为2010年，输入土地沙漠化敏感性格局适宜性图集，采用5×5的滤波器，循环次数为10，模拟出2020年中国六省土地沙漠化敏感性格局分布图和中国六省土地沙漠化敏感性格局变化见表4。由表4可以知，按目前的趋势发展下去,到2020年不敏感地区和极敏感地区的面积将继续增加，与2010年相比，增加面积分别为143.86，7 120.04 km2，增幅为0.003%和4.63%。对比2010年和2020年的土地沙漠化敏感格局分布图可以看出，2020年极敏感区域主要是在2010年原敏感区域的基础上向外围扩张，集中在塔里木盆地中部、库姆塔格沙漠、柴达木盆地、巴丹吉林沙漠附近。2020年极敏感区域增加的地区主要为：新疆的岳普湖县、英吉沙县、麦盖提县、且末县、尉犁县、若羌县，内蒙古的额济纳旗、阿拉善右旗、阿拉善左旗、甘肃省的肃北蒙古族自治县、瓜州县、敦煌市、民勤县和青海的海西蒙古族藏族自治州、格尔木市。预测数据表明，该区域2020年土地沙漠化极敏感性面积将会增大，进而造成土地资源的退化，土地生产力的下降，风沙日风尘暴增加，致使生态环境恶化。

表4 2010-2020年中国六省土地沙漠化敏感性格局变化

5 结 论

1990—2020年中国六省土地沙漠化敏感性格局分布相似，对各级敏感区域进行面积统计并由大到小排序:轻度敏感区域>中度敏感区域>高度敏感区域>不敏感区域>极敏感区域。不敏感区域分布在大兴安岭东北部、渭河以南、昆仑山、天山、阿尔泰山附近；轻度敏感区分布在青海省南部三江源自然保护区附近、阿尼玛卿山南部、黄土高原南部、不敏感区域附近；中度敏感区域主要分布在塔里木盆地的东部、柴达木盆地东部、准噶尔盆地附近；高度敏感区域多数分布在塔克拉玛干沙漠、古尔班通古特沙漠、巴丹吉林沙漠和浑善达克沙地附近；极敏感区域主要分布在塔克拉玛干沙漠、库姆塔格沙漠、巴丹吉林沙漠、乌兰布和沙漠、腾格里沙漠——土壤质地为流动沙地的沙漠区域和柴达木盆地西北区域，这些区域冬季均受蒙古高压极地大陆气团东北季风的影响。1990—2010年，面积增加的区域为不敏感区和高度敏感区、极敏感区，所占研究区比例分别增加了1.77%，8.23%，0.07%，增加面积约为7.4万km2、34.2万km2、0.3万km2。通过CA-Markov模型预测2020年的土地沙漠化敏感性格局分布图发现，相比1990年，极敏感区域将会在原有的基础上向外围扩张，增加面积为9 805.9 km2，所占研究区比例增加了0.24%。本文通过分析中国六省土地沙漠化时空敏感性格局与趋势，阐述了该区域土地沙漠化敏感性格局的分布规律和扩张特点，对中国土地沙漠化防治策略和划分沙漠化扩展屏障区提供了科学依据，并得出以下结论：

(1) 中国六省土地沙漠化敏感性区域中，极敏感区域主要分布在土壤质地为流动沙地的沙漠区域附近；不敏感区域则分布在高山、湖泊区域附近。

(2) 区域降雨量的增加、大风天数的减少、退耕还林退牧还草工程、草原沙化防治工程等生态工程的建立有效降低了土地沙漠化的敏感性；但是蒸发量过大、人口猛增、过度开发水资源、被过度利用土地自然资源的区域，土地沙漠化敏感性将会增强，这种由于人为破坏造成的土地沙化的地区生态环境很难恢复。

(3) 需要建立一套完善的政策体系，建立约束和制衡机制、合理的资源分配制度，减少人口猛增、草原过度利用和水资源的过度开发对生态环境的破坏。

[1] 高尚武,王葆芳,朱灵益,等.中国沙质荒漠化土地监测评价指标体系[J].林业科学,1998,34(2):1-10.

[2] 王涛,朱震达.我国沙漠化研究的若干问题:沙漠化的概念及其内涵[J].中国沙漠,2003,23(3):209-214.

[3] 赵明月,赵文武,靳婷,等.青海湖流域土地沙漠化敏感性评价[J].中国农学通报,2012,28(32):237-242.

[4] 刘康,徐卫华,欧阳志云,等.基于GIS的甘肃省土地沙漠化敏感性评价[J].水土保持通报,2002,22(5):29-35.

[5] 周利军,张淑花.黑龙江省西南部土地沙漠化敏感性评价[J].中国农学通报,2009,25(21):324-327.

[6] 刘明光.中国自然地理图集[M].北京：中国地图出版社,2011:177-188.

[7] 朱震达,刘恕.关于沙漠化概念及其发展程度的判断[J].中国沙漠,1984,4(3):2-8.

[8] 阿如旱,杨持,王金荣,等.内蒙古多伦县沙漠化土地时空变化特征[J].水土保持研究,2010,17(4):207-221.

[9] 朱震达,王涛.中国沙漠化研究的理论与实践[J].第四纪研究,1992,92(2):97-106.

[10] 王涛,赵哈林,肖洪浪.中国沙漠化研究的进展[J].中国沙漠,1999,19(4):299-311.

[11] 王涛,赵哈林.中国沙漠科学的五十年[J].中国沙漠,2005,25(2):145-165.

[12] 张国平,张增祥,刘纪远.中国土壤风力侵蚀空间格局及驱动因子分析[J].地理学报,2001,56(2):146-157.

[13] 伍光和,王乃昂,胡双熙,等.自然地理学[M]4版,高等教育出版社,2002.

[14] 孙向阳.土壤学[M].北京:中国林业出版社,2008.

[15] 杜加强,舒俭民,张林波.1982—2006年黄南州NDVI年际变化及其气候的关系[J].水土保持通报,2010,30(4):229-233.

[16] 刘家福,王平,李京,等.基于 Markov模型的长岭县土地利用时空变化研究[J].水土保持研究,2009,16(3):16-19.

[17] 汪雪格.吉林西部生态景观格局变化与空间优化研究[D].长春:吉林大学,2008.

[18] 刘耀林,刘艳芳,张玉梅.基于灰色一马尔柯夫链预测模型的耕地需求量预测研究[J].武汉大学学报:信息科学版,2004,29(7):575-579.

[19] 刘继生,陈彦光.基于GIS的细胞自动机模型与人地关系的复杂性探讨[J].地理研究,2002,21(2):155-162.

[20] 杨国清,刘耀林,吴志峰.基于CA-Markov模型的土地利用格局变化研究[J].武汉大学学报:信息科学版,2007,32(5):414-415.

[21] 杨国清,吴志峰,祝国瑞.广州地区土地利用景观格局变化研究[J].农业工程学报,2006,22(5):218-221.

[22] 徐昔保.基于GIS与元胞自动机的城市土地利用动态演化模拟与优化研究:以兰州市为例[D].兰州:兰州大学,2007.

[23] 刘拓,张克斌,林琼,等.中国土地沙漠化防治策略[M].北京:中国林业出版社,2006.

AnalysisofSpatiotemporalPatternandTendencyofLandDesertificationSensitivityinSixProvincesofChina

WANG Yue-hui1,2,3,4, ZHANG Lin-bo1,2,3, GUO Yang1,2,3, HE Ping1,2,3, LIU Wei-ling1,2,3, DU Jia-qiang1,2,3, WANG Li-xia1,2,3

(1.ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China; 2.StateEnvironmentProtectionKeyLaboratoryofRegionalEco-processandFunctionAssessment,Beijing100012,China; 3.StateKeyLaboratoryofEnvironmentalCriteriaandRiskAssessment,ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China; 4.CollegeofForestry,SouthwestForestryUniversity,Kunming650224,China)

This research firstly analyzed the spatial distribution patterns and temporal dynamic characteristics of land desertification sensitivity of four periods (1990, 2000, 2005, 2010) in six provinces and regions of China: Xinjiang Uygur Autonomous Region, Qinghai Province, Gansu Province, Ningxia Hui Autonomous Region, Inner Mongolia Autonomous Region, Shaanxi Province. Then the causes of these changes were investigated with CA-Markov coupling model to predict the trends of land desertification sensitivity pattern. The results indicated that the desertification sensitivity patterns of the four periods were similar each other for the six provinces. The sensitivity levels could be characterized and the sum areas of the levels could be ordered as mildly sensitive region> moderate sensitive region> high sensitive region> non-sensitive region> extreme sensitive region. Extreme sensitive regions were mainly located in the desert areas with the soil texture being drifting sand dunes, while non-sensitive regions mainly distributed in mountains and lakes nearby. The regional sensitive level increased with the increase of local population and human activity intensity. On the contrary, the regional sensitive level decreased with the increase of the establishment of sand engineering area. The results of the predictions for the desertification sensitivity pattern in 2020 indicated that extremely sensitive area expanded 7 120.04 km2with the growth rate of 4.63% compared with 2010. This research provides a scientific basis for China desertification prevention, desert region partitioning strategy and the way to divide the desertification extension barrier area by analyzing the spatiotemporal pattern and trend of land desertification sensitivity in six provinces of China.

land desertification; sensitivity; CA-Markov coupling model; temporal pattern

2013-12-05

：2014-01-07

国家环保公益性行业科研专项经费“我国国土生态安全格局构建关键技术与保护战略研究”(201209027-5)

王跃辉(1985—),男,河南封丘人,硕士生,研究方向:地理信息系统开发与设计。E-mail:yhwang1211@163.com

张林波(1969—),男,山东日照人,研究员,研究方向:城市生态、景观生态研究。E-mail:zhanglb@craes.org.cn

S288

：A

：1005-3409(2014)05-0132-06