《Ecological Informatics》:Modeling multifunctional landscape change in southern Kenya: Spatial trade-offs and drivers in an arid and semi-arid landscape
编辑推荐:
干旱与半干旱景观(ASALs)支撑着世界人口的相当一部分以及多种生态和社会功能。然而,ASALs中的土地覆盖结果由竞争性土地利用决定,这些土地利用受生物物理条件的细微梯度、遗留土地利用政策和复杂社会经济驱动因素的支配。模拟这些土地利用和土地覆盖(LULC)相互
干旱与半干旱景观(ASALs)支撑着世界人口的相当一部分以及多种生态和社会功能。然而,ASALs中的土地覆盖结果由竞争性土地利用决定,这些土地利用受生物物理条件的细微梯度、遗留土地利用政策和复杂社会经济驱动因素的支配。模拟这些土地利用和土地覆盖(LULC)相互作用可以促进增强人类和生态系统福祉的政策,但在与当地生计相关的尺度上捕捉动态仍然具有挑战性。为探索这些相互作用,研究人员使用土地变化模型(LCM)模拟了肯尼亚南部多功能景观中2010年至2018年LULC变化的空间格局。结果表明,LULC转变的空间格局与生物物理和社会政治因素(如与现有土地利用类型的邻近度、降雨和温度以及土地权属安排)相关。校准后的模型达到了83%的整体正确率,剩余误差(17%)与空间错配有关。这些误差在空间上呈聚集分布,表明可能受到未包含在参数化中的局部社会经济因素影响。值得注意的是,湿润-干旱生态过渡带的转变一直被低估,反映了在生态敏感景观中捕捉精细尺度异质性的挑战。研究发现展示了保护目标、农业扩张和牧民生计在空间上汇聚的区域,突出了在日益加剧的气候压力下,政策干预和发展投资最可能产生权衡而非协同效应的景观区域。这些结果强调了空间显式建模作为诊断工具的价值,用于识别竞争性土地利用需求和社会生态脆弱性耦合最紧密的优先区域。
**论文解读:肯尼亚南部多功能干旱与半干旱景观的土地利用变化建模**
**研究背景与问题**
干旱与半干旱景观(Arid and Semi-Arid Landscapes, ASALs)在全球范围内支撑着大量人口及多种生态与社会功能。然而,这些景观的土地覆盖结果由相互竞争的土地利用方式决定,其背后受生物物理条件(如降雨、温度)、历史遗留的土地政策(如殖民时期土地权属制度)以及复杂的社会经济驱动因素(如人口压力、市场可达性)共同调控。在肯尼亚南部的纳罗克县(Narok County),这一多功能景观同时承载着森林、牧场、农田和城市等土地利用类型,并面临快速农业扩张、气候变化(包括降水减少和变率增加)以及土地权属改革(如集体牧场私有化)等多重压力。当前,土地利用与土地覆盖(Land Use and Land Cover, LULC)变化如何受这些因素驱动,以及不同土地利用目标(保护、农业、牧业)之间的空间权衡如何形成,尚缺乏系统模拟。传统模型难以捕捉ASALs中非线性、非平稳的复杂动态,尤其在数据稀缺的次撒哈拉非洲地区。因此,本研究旨在利用空间显式建模方法,模拟LULC变化的空间格局,识别其关键驱动因素,并评估模型在揭示空间权衡方面的能力。
**研究内容与意义**
研究人员以肯尼亚纳罗克县为典型研究区,基于2000年和2010年LULC历史数据,应用土地变化模型(Land Change Modeler, LCM)模拟2010年至2018年的LULC变化,并评估模型预测的正确性与误差。研究得出以下结论:LULC转变的空间格局与生物物理和社会政治因素(如与现有土地利用的邻近度、降雨、温度、土地权属安排)密切相关;模型整体正确率为83%,误差(17%)主要源于空间错配,且集中在湿润-干旱生态过渡带;不同土地利用转变(如牧场转农田、森林转农田、森林转牧场)由不同驱动因素组合支配。该研究的重要意义在于:率先在肯尼亚ASALs中实现了LCM的校准与应用,揭示了保护目标、农业扩张和牧民生计在空间上汇聚的敏感区域,并指出在气候压力加剧下,这些区域的政策干预可能产生权衡而非协同效应。论文发表在《Ecological Informatics》。
**主要技术方法**
研究人员采用空间显式建模方法,主要技术包括:利用土地变化模型(LCM)中的多层感知器(Multi-Layer Perceptron, MLP)神经网络模拟土地利用转变潜力,结合马尔可夫链(Markov chain)过程估算未来转变数量,并通过竞争性土地分配生成硬预测图。驱动变量涵盖生物物理(来自WorldClim的降雨和温度、SRTM地形、HWSD土壤)、社会经济(来自KNBS人口普查和WorldPop的人口密度、WRI和OpenStreetMap的道路距离、手动数字化市场距离)以及空间背景(来自MSPA的森林破碎度、MODIS EVI衍生指标)因素。模型校准期2000-2010年,预测期2010-2018年,并加入空间约束(禁止在保护区内转为农田)。样本来源为肯尼亚纳罗克县,LULC数据来自肯尼亚资源调查与遥感部(DRSRS)。
**研究结果**
**3.1 预测LULC地图的空间格局**
通过硬预测和软预测生成2018年LULC图。硬预测与参考图在整体空间分配上一致,但预测地图表现出更高的空间聚集度(Contagion值55.1% vs. 53.7%)和更低的边缘密度(23 m ha
-1 vs. 30 m ha
-1),表明模型存在平滑效应。软预测显示像素对多种转变的易感性,高值区域表示易发生多类转变。
**3.2 模型预测正确性与误差**
三向交叉验证显示,模型正确率为83%(包括79%正确预测的持续性和4%正确预测的变化)。误差占17%:8%的变化被误判为持续(漏报),8%的持续被误判为变化(虚报),1%的变化被误判为错误类别(错误命中)。由于调整了预测数量以匹配观测值,误差全部来自空间分配错误。漏报主要集中在森林转农田(马乌森林附近)、牧场转农田(中部)和农田转牧场(西部)。虚报主要发生在牧场与农田之间的界面区域。错误命中极少,主要涉及森林转农田与森林转牧场的混淆。
**3.3 LULC变化的驱动因素**
校准期(2000-2010年)主要转变包括牧场转农田(11%)、森林转农田(9.5%)、森林转牧场(7.3%)和农田转牧场(7.3%)。各转变的驱动因素不同:牧场转农田与邻近现有农田强相关;森林转农田与私有土地和邻近农田强相关;森林转牧场与坡度、邻近牧场、森林破碎度和土地政策相关;农田转牧场与平均温度和邻近牧场相关。遥感植被指数(如EVI)也起到区分作用。进一步分析显示,不同土地权属类别下转变潜力差异显著:历史集体牧场(HGR)区域以牧场转农田及农田转牧场为主;当前集体牧场和保护地主要为森林转牧场。森林破碎化分析表明,森林转牧场主要发生在小型孤立斑块,而森林转农田则均匀分布。农田转牧场在高温区域和缓坡上更常见,反映了干旱平原的特征。
**讨论与结论**
讨论部分指出,模型预测的LULC图在景观层面与参考图高度一致,但斑块层面存在空间平滑现象,可能源于粗分辨率驱动变量(如降雨、温度、人口)和LULC类别聚合对精细异质性的掩盖。然而,平滑效应也反映了邻域效应(邻近相似土地利用)在驱动转变中的主导作用,这已被广泛文献证实。不同转变由不同驱动因素组合决定,与以往研究一致。土地权属作为静态背景变量,其影响在类别层面显现,例如历史集体牧场区域的高转变率反映了殖民和后殖民时期空间印迹。生物物理变量(如降水、坡度)与转变的相关性符合预期;农田转牧场与高温区域关联,暗示环境变化可能导致作物适宜性下降。值得注意的是,距离道路和市场的变量未显示重要性,可能因邻近农田变量吸收了其效应,或由于土地资源稀缺(如耕地紧缺)导致可达性不再是限制因素。模型误差在湿润-干旱生态过渡带集中,反映出该区域土地利用对气候变率的依赖(如湿年扩种、旱年弃耕),而LCM无法模拟滞后效应或年际决策动态。尽管如此,LCM作为诊断工具,能有效识别空间权衡最尖锐的区域——即保护、农业和牧业竞争最激烈的地区。在资源约束下,这类模型有助于明确干预措施可能产生权衡而非协同效应的空间位置,为透明、情境化的规划提供支持。
**研究结论翻译**
本研究证明,纳罗克县多功能干旱与半干旱景观中的土地利用变化受环境、治理和空间背景因素的交互作用塑造。土地权属、气候条件和与现有土地利用的邻近度成为观测到的土地覆盖转变的重要相关因子,而模型误差集中在湿润-干旱生态过渡带和权属转变区域,这些区域具有高度的社会生态复杂性。这些发现突显了生物物理梯度和历史治理遗留对当代景观动态的影响。尽管模型成功再现了变化的广泛空间格局,但局部错配表明,在更精细尺度上运作的额外社会经济过程仍然是土地利用结果的重要决定因素。因此,模型应被解释为诊断工具,用于识别竞争性土地利用、环境压力和治理条件汇聚的区域,而非未来景观的精确预测器。更广泛而言,研究结果强调了空间显式土地变化建模在数据稀缺的干旱地区为土地利用规划提供信息的价值。通过识别保护、耕种和牧民生计最可能竞争有限资源的区域,该方法可在日益加剧的气候和社会经济压力下支持更透明、更情境化的规划。