通过将多种预测方法应用于美国农业部（USDA）七十年的数据，预测到2067年美国的土地使用情况

《Scientific Reports》：Forecasting US land use through 2067 using multi-method projections applied to seven decades of USDA data

　　

摘要

长期土地利用预测对于粮食安全规划、保护政策和可持续发展至关重要，然而目前文献中尚缺乏针对美国完整历史土地利用数据的预测框架。本文首次对美国农业部经济研究服务局（ERS）的主要土地利用（MLU）数据集进行了全面预测分析，该数据集涵盖了1945年至2017年间48个连续州的16个时间点的土地利用情况。我们开发并比较了三种预测方法：（1）通过受限最小二乘法从15对连续时间段估计的马尔可夫链转移概率模型；（2）基于赤池信息量准则（AIC）在线性、二次、逻辑和指数模型中选择的参数曲线拟合方法；（3）考虑不同情景的马尔可夫预测模型，包括“一切照旧”（BAU）、加速城市化和保护路径。预测结果延伸至2067年，不确定性范围通过500次迭代计算得出。在“一切照旧”情景下，耕地面积预计将从占总土地面积的20.6%下降到17.1%，森林用地面积从28.0%下降到19.3%，而草地、牧场和特殊用途用地面积则从34.8%增加到39.8%，从9.0%增加到12.6%。AIC模型选择结果显示，逻辑饱和曲线是最适合描述耕地、森林和城市用地变化的模型，这表明这些主要土地利用变化正趋近于某种稳态，而非持续线性发展。在加速城市化情景下，到2067年城市用地面积将达到6.5%，耕地和森林用地的减少幅度相应更大。各州层面的马尔可夫模型显示，土地利用变化的收敛半衰期在5至15年之间，表明美国的土地利用变化存在地域差异。所提出的预测框架利用了公开可获取的基于人口普查的表格数据，旨在补充而非替代遥感方法；该方法可轻松应用于任何定期进行基于人口普查或调查的土地利用统计的国家，尤其是在需要长期（数十年）全国性数据统计的背景下。