, 缪丽娟Reconstruction of the historical crop land data in China using the partition and layering-based gridded method
WEIXiwen, MIAOLijuan通讯作者:
收稿日期:2015-12-7
修回日期:2016-02-28
网络出版日期:2016-07-25
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (3675KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
自工业革命以来,全球环境变化主要是由于人为和自然两方面因素所引起的[1]。现今已经在海洋变暖、全球水循环变化、海平面上升和一些极端气候事件中检测到人类的影响[2],其中最直接的就是人类对土地利用和土地覆盖的作用[3],大概1/3到1/2的陆地表面被人类活动所改变[4],并且土地覆盖的改变引起了对气候系统一系列的反馈作用[5]。正因为土地利用/覆盖情况的变化对于全球环境变化的显著影响,全球变化与陆地生态系统计划（Global Change and Terrestrial Ecosystems, GCTE）、国际地圈生物圈计划（International Geosphere-Biosphere Program, IGBP）和国际全球环境变化人文因素计划（International Human Dimensions Program on Global Environmental Change, IHDP）联合发起的土地利用/覆盖变化（Land Use and Land Cover Change, LUCC）计划被提出,直到现在,土地利用/覆盖变化研究还是全球环境变化研究与可持续发展科学的重要组成部分[6-8]。土地利用变化不是间断的,而是随着历史的发展而持续演变,所以历史土地利用信息得到了相当的重视[9-10],在各个相关方面的应用也愈发重要,比如目前在生物群落演替等方向的应用[11]、国家间历史土地发展模式的比较与探究[12]或者是对历史时期气候的影响[13]。近年来全球环境变化研究的进一步发展,历史土地利用/覆盖的研究也要求越发的深入和精细,带有空间属性的历史土地利用资料也为目前对未来气候情景的预测和发展提供了出发点和参考[14]。国内外****在重建具有空间属性的历史土地利用/覆盖数据集已经展开了大量的研究工作[15],主要的重建方法分为三类：历史资料、模型反演以及两者的结合使用[14, 16]。在全球尺度上,最具代表性的是Goldewijk等[17]、Ramankutty等[18]和Pongratz等[19]的研究,其中Goldewijk等[17]采用遥感数据和自然要素结合的网格化方法,Ramankutty等[18]采用遥感数据和历史耕地数据项结合综合处理的网格化方法,各自通过一定的算法建立了过去300年全球土地利用数据集,并且随着数据方法的进步而不断的更新数据集。在区域尺度上,葛全胜等[20]、何凡能等[21]、林珊珊等[22]重建了中国传统农区的历史土地数据集,并被广泛使用;叶瑜等[23-25]重点关注东北地区耕地、草地和林地的土地利用变化及其驱动机制研究;李柯等[26]通过结合遥感数据与历史耕地资料,重建了中国清代云南省的耕地空间分布;Long等[27]首次使用约束性CA模型重建江苏省历史土地利用数据;李士成等[28]通过量化自然影响因素结合耕地的史册和统计数据,重建了过去百年青海和西藏的耕地空间格局。从上可以看出,中国区域范围的历史土地利用重建研究已经相对成熟,但是全国尺度的历史重建还少有开展,其中代表性的研究只有Liu等[29]重建的中国1700-2005年的耕地数据集和Li等[30]重建的中国1661-1996年的耕地数据集。
历史耕地网格化就是旨在将史料耕地数据进过数理步奏转化为带有空间信息的耕地数据。充分利用中国丰富的历史文献,建立更高精度的中国区域历史土地利用数据集[31],能为历史时期耕地变化研究提供有力的支持,并且为全球环境气候变化研究模型提供模拟输入数据。考虑到如果忽略区域之间的差异性、采用统一方法进行重建,必然会影响到重建数据的精度[14]。所以文本借鉴分区重建的思路,将中国分为传统农耕区和游牧区两个区域,通过对区域内部各个因素进行分层处理,探讨了全国尺度耕地数据集重建的方法,并以此重建了1820年和1936年这两个时间断面的全国耕地数据来验证精度,期冀此法能对未来全国历史土地利用数据集的重建提供借鉴。
2 数据来源与方法介绍
本文采用分区重建加逐级分配的方法,并借鉴其他****的区域耕地数据来重建全国的省级耕地数据,然后通过结合人文因子和自然因子,对全国耕地数据进行网格化。最终成图分辨率为10 km×10 km,每个像元的值为0到1,代表其垦殖率（0代表没有耕地存在,1代表是耕地）。2.1 分区定义：
历史时期的耕地资料,都是以行政区划进行统计[22]。传统意义上,中国分为四大区域：传统农业区是中国农耕水平发展最为成熟的地区,东北地区是近百年土地变化最为显著的地区,西北地区是中国干旱半干旱地区的代表,而青藏地区以其独有的高原地势区别于其他地区。中国****在对区域研究划分上也基本遵循这个划分方法[20, 22, 24, 32]。但在本文中,区域的划分略有改变：青藏地区由于其独特的高耸地势,有“世界屋脊”之称,气候为高原山地气候,全年干旱少雨。受综合条件的影响,该地区在2005年耕地面积仅占土地总面积的4.79%[33],所以其主要供给方式为游牧业。而中国历史上,直到明朝时期,游牧文化与农耕文化都是以长城为界[34],长城以南是农耕文化,长城以北是游牧文化,西北地区因为其地理气候因素,基本是牧区,所以,本文将西北地区和青藏地区合并,统一称为游牧地区,这个地区供给主要以游牧业为主,农耕水平欠发达;甘肃省虽然位于西北地区,但是其自汉至今,一直是中国养马业的重地,并且自古受农耕文化的影响,而甘肃省东南大部分地区降水充足,另外黄河穿过其中部,也为农耕提供了有力的条件,所以,本文将甘肃与传统农耕区划分到一起,统称为农耕地区;东北地区近百年土地利用变化最为显著,优越的自然条件让该地区拥有快速发展农业的潜力,故也将其划分到农耕地区范围内。按照此种方法,与用400 mm等降水线做为农牧交错带界线的说法基本一致[35]。综上所述,本文通过将中国分为两部分,分别为游牧区和农耕区,来对其进行耕地重建。2.2 数据介绍
2.2.1 耕地数据 耕地数据来源于葛全胜等[20]对过去内地18省耕地数量重建、叶瑜等[24]对东北地区过去300年耕地数量重建的结果和李士成等[28]对过去百年青海和西藏耕地数量的整理。葛全胜等[20]结合了清代、民国时期以及新中国的史册数据和调查数据,通过分析订正,得出了一套内地18省的长时间序列耕地重建数据,这里值得注意的是,由于在过去300年内中国政区范围有较大变化,所以选取了政区较为稳定的清代“内地18省”为研究区域,同时作为数据重建的空间范围。
叶瑜等[24]采用历史数据订正与多源耕地数据关系模型校核相结合的方法,重建了东北地区过去300年耕地面积时间序列和耕地空间格局变化,重建了过去300年东北地区11个时间断面的空间格局。
李士成等[28]进行了大量的数据收集整理工作,通过引用曹树基[36]所著《中国人口史：清时期》估算了1910年耕地数据,并订正了1950年到2000年青海和西藏的省域耕地面积数据,由此得出了青海西藏地区过去百年里4个时间断面的耕地数据。
2.2.2 自然数据 自然条件数据来源于魏希文等[37]结合土壤和气候两个方面影响因子得出的耕地适宜性指数。其中土壤数据为第二次全国土地调查南京土壤所提供的1∶100万中国土壤数据,分别选取了土壤30 cm表层有机碳含量和30 cm表层土壤PH值这两个土壤属性值作为土壤参数参与计算耕地适宜性指数。气候数据来自于中国农业科学院农业自然资源与农业区划研究所建立的生态环境背景数据,分别选取了大于零度的有效积温和湿润指数来参与计算,并用数字高程模型（Digital Elevation Model, DEM）进行了校正。
2.2.3 人口数据 人口数据的利用,主要有两类：第一类是利用通过整理史料得出来的第一手成果,第二类是利用其他****已经订正的数据集。本文的历史人口数据是来源于复旦大学历史地理研究中心创建的《中国人口地理信息系统》（侯杨方. 中国人口地理信息系统: http://cpgis.fudan.edu.cn/cpgis/.)年人口普查数据。
2.3 重建方法
本文重建方法的基本思路为在分区重建的基础上,对每个区域分层进行分配,最大化的保证耕地数据的权威性。具体来说就是通过整合其他****具有代表性的区域研究成果,得出全国各省份耕地数量,然后根据不同省份中各县人口比例来分配相应比例耕地,最后利用自然因子指数,将耕地数据进行网格化。2.3.1 全国省级耕地面积求解 将全国分为游牧区和农耕区进行处理。农耕区依赖的数据来自葛全胜等[20]过去300年内地18省耕地数据和叶瑜等[24]过去300年东北地区耕地数据;游牧区依赖的数据来自李士成等[28]过去百年青海西藏地区耕地格局数据。
农耕区包括“中国内地18省地区”和“东北地区”,就相当于现今中国除了内蒙古、新疆、青海、西藏以及台湾之外的地区,本文研究区域中的游牧区就是相对农耕区之外的地区（不包括台湾）。在“中国内地18省地区”中,直隶省包括河北、热河以及察哈尔地区;山西含绥远;江苏包含上海;甘肃省包含宁夏[20]。
农耕区的耕地数据通过整合中国内地18省农区和东北地区的数据得到。本文所考虑的年代为1936年和1820年。对于1936年的耕地数据,在葛全胜等[20]的数据集中,最贴近的年份为1933年,在叶瑜等[24]的数据集中最贴近的年份为1940年。中国传统农区在民国时期各地的耕地面积变化起伏较小,数量相对稳定[20],故使用1933年的数据来对1936年耕地数据直接进行相似计算;而对于东北地区,则采用简单插值法来求算。最后通过整合计算后的数据得出农耕区省级耕地。对于1820年来说,可直接使用传统农区耕地记录数据;而东北地区还是利用插值法求算。对于有些地区人口密度远远小于0.1人/km2的情况,将这些地区归为没有耕地,这是借助Goldewijk等[17]的假设来处理的：人口密度低于0.1人/km2的没有农业需求。
游牧区在历史上的耕地数据十分缺乏。从中国历史上看,明代游牧文明与农耕文明以长城为明显的界线,长城以南是农耕文明,以北是游牧文明[34],直到清代,中国政治形式发生前所未有的新变化,使长城失去了向北防御的意义,农耕与游牧被置于统一的中央政权管制下,才开始发生融合[38],但这种融合发展十分缓慢,直至今天,游牧区大部分居民都保持着其独特的饮食结构和生活习性。以此可以看出：游牧区有着完全不同于农耕区的农耕结构。正是因为游牧地区耕地数据的缺乏和其农耕结构的不同,需要有一个合理的方法来估算这部分耕地的数据来用于空间分配。总体来说,游牧地区因为气候、地势地貌、文化传统等原因,都保持着“食肉饮酪”的饮食传统,这就意味着游牧地区对于耕种这一概念的接受只存在于很小的人群中,加之受当时全国耕种水平的限制,游牧地区的农业需求和人均耕地水平也就保持在一个很接近的水平;就区域来说,青海、西藏地区作为全球变化的敏感带,很有研究意义与目的,所以也引起了一些****对它的研究[28, 39],研究结果很有借鉴意义,也比较准确合理。因此,在本文中,先假设游牧区的人均耕地一样,然后通过计算青海、西藏地区的人均耕地,结合游牧区其他省人口数据,从而推断出游牧区的省级耕地数量,而李士成的数据集没有1936年数据,所以这里也用插值法得出1936年数据。对于牧区而言,由于饮食结构的不同,农耕需求也不同于农耕区,于是本文在Goldewijk等[17]的假设基础上提出进一步假设：牧区人口密度低于0.2人/km2没有农业耕种需求。对于1820年,游牧区除了丝绸之路新疆段之外都没有人口,而这新疆部分人口具有流动、少量的特点,人口密度达不到0.2人/km2,并且游牧区农作物的获取主要通过与中原地区交换所得[40]。所以说在1820年的游牧区,没有耕种需求,耕地设为0。
2.3.2 耕地数据县级分配 古代农业社会中人口是影响耕地分布的主导社会因素[22]。人作为生产者,与耕地联系最为密切,历史上的战乱与政策,也是先直接作用于生产者然后间接影响耕地。所以对于某一区域而言,人口的增长导致农业需求的上涨,这意味着更多耕地的开垦利用。而古代交通不便,各地基本处于自给自足的状态,并且历史时期的中国生产力水平从铁器时代以来就没有显著地提高,于是小区域内对粮食需求的提升就要求更多的劳动力投入。正因为人口因素是耕地分布的向导,故在区域尺度上,人口数量与耕地数量成正比;人口的流向代表了农业需求的转变,相对应的耕地分布也会发生变化。
本文基于全国省级耕地数据,按照每个县（府）人口占对应省份总人口的比例来分配耕地面积,分配公式如下：
式中：Cj代表j县（府）的耕地面积;Popj代表j县（府）的人口总数;Popp代表p省的人口总数;Cp代表p省的耕地总数。本文中,因为耕地是按照人口占全省的比例来分配的,所以如果某县出现人口大量集中,给这个区域分配的耕地面积就会大于其本身面积,于是就要对有耕地溢出的县进行平滑处理：当某县的垦殖率大于0.9时[22],就将其溢出的耕地数量平均分配到其邻县中。
在分配的过程中,还需要规定限制性条件,来确保分配过程的合理与数据整体的一致性：① 对于全国重要的行政地区（如济南市、长沙市）,经济行政职能远远大于农业功能,不予分配耕地。这些区域的共同特点就是人口密度大。于是规定这些行政区的面积为小于最终结果图一个像元大小（100 km2）并且人口密度大于1000人/km2的区域。② 当溢出县位于省边界时,平滑处理只针对与溢出县同处一个省的邻县,以保证省级总耕地面积不变。
2.3.3 耕地网格化重建 在全国县级耕地确定的情况下来进一步分配小区域的耕地很大程度上依赖于县（府）内的自然环境状况如水热条件、地势等。本文使用的分配指标“耕地适宜性指数”由土壤酸碱度、土壤有机碳含量、有效积温和湿润指数4个参数构成。该指标并非是某一短时间尺度的耕地分布指示指标,而是在长时间尺度下根据自然状况对耕地分配具有分布趋势指示的一个指标,它是根据耕地适宜性的大小来分配县（府）级条件下的耕地。而在网格化过程中,为了使分配简明,故将归一化的“耕地适宜性指数”分为0到9这十个级别,其中0代表不适宜耕种。这个0级别的确认,是对构成指数的4个方面进行了详细的探究决定的：中国农业主要作物为稻、小麦和玉米,综合文献中对主要作物的研究记载,统一规定2000 °C为积温阈值[41-43];土壤酸碱度,在综合考虑了中国主要农作物的耐性范围后,取6~8为合适区间[44];而土壤有机碳和湿润指数,因为在过去农耕不发达的情况下,土壤水分和营养很大程度依靠这两个指标反映,所以本文中设定这两个指标没有阈值,数值越高表示越适宜耕种。
在县级耕地数据确定的情况下,耕地网格化的公式如下：
式中：
按照上述分配方法,会出现人口集中的县内耕适因子相差较大的情况,这时耕适因子大的像元就会出现溢出：在成果图中,1936年的溢出率为0.81%、1820年的溢出率为0.49%,经分析认为本文中最终网格化的溢出率很小并且在可接受范围。从溢出的形成机理上来说,96.2%的溢出像元都处于上一级县级耕地分配中垦殖率大于0.6的县,而超过50%的溢出像元位于上一步分配方案的平滑结果中垦殖率为0.9的县,基本呈集中式分布;并且这些溢出像元在县级范围内,都拥有较高的“耕地适宜性”因子等级。所以总结来看,个别像元的溢出,反应出的是相关区域的人文自然环境优越,对于大尺度的分析来说,基本可以忽略其影响。
3 重建结果对比
按照上述重建方法,本文重建了1820年和1936年分辨率为10 km×10 km的耕地数据。这两个时期在历史上有着重要的研究意义：1820年道光皇帝继位,当时的GDP占全球总量的33%,而因为“康乾盛世”的影响,人口持续增长,这也为农业的发展带来了需求和可能;1936年是民国二十五年,共产党长征后的成功会师加上西安事变,结束了长达10年的内战,奠定了全民族抗战的基础,成为由国内战争走向抗日民族战争的转折点。从两期数据（图1）可以看出,1820-1936年耕地数量有明显提升,并且呈现出由集中聚集逐渐扩散的趋势。东北地区耕地开发最为明显,也是农业发展最快的区域;华北平原自古以来都是丰裕之地,一直都是农耕集中的地区;西南地区农耕有明显的发展,在清民时期随着“改土归流”的实施和移民潮的涌现,土地垦殖迅猛发展。
显示原图|下载原图ZIP|生成PPT图11820年和1936年中国耕地垦殖率(10 km×10 km)
-->Fig. 1Reclamation ratio of the cropland in China in 1820 and 1936 (at a resolution of 10 km×10 km)
-->
3.1 区域尺度验证
小区域尺度的历史土地利用覆盖数据集的重建结果对更大一级的区域历史土地利用覆盖数据集具有补充和验证的作用[45]。所以,本文采用之前****在中国所做的精确小区域重建数据集,对本文结果进行对比验证。对于中国小区域,林珊珊等[22]根据中国历史时期土地利用开发的特点,通过量化自然人文条件以及耕地分布关系,通过一定算法重建了中国传统农区1820年的耕地网格化数据,分辨率为60 km×60 km;Yang等[46]考虑自然人文等多种因素,利用基于约束性CA模型建立的“自下而上”的分配模型,重建了中国传统农区7个时间断面（1661年、1724年、1820年、1887年、1887年、1933年、1952年）的耕地分布,分辨率为1 km×1 km;李士成等[15]以现代耕地分布格局为基础,通过量化多种自然人文要素与耕地空间分布的关系,重建了清代西南地区6个时间断面（1661年、1724年、1784年、1820年、1873年、1911年）分辨率为10 km×10 km的耕地数据;叶瑜等[24]采用历史数据订正与多源耕地数据模型校核相结合的方法,重建了东北地区过去300年耕地面积时间序列,分辨率为县级尺度。本文利用以上数据作为验证数据,来对本研究产生的农耕区数据进行校验与评估,而1936年部分在以上****的数据中并无匹配的耕地数据,所以,采用相近年代进行验证：传统农区采用1933年数据,东北地区采用1940年数据。
图2a、2c、2e、2g分别对应1820年传统农区60 km×60 km耕地分布图、1933年传统农区1 km×1 km耕地分布图、1820年西南地区10 km×10 km耕地分布图和1940年东北地区县级尺度耕地分布图,简称为对比数据;而图2b、2d、2f、2h是对应对比数据而截取的本文成果图,简称为农耕区数据。总体而言,农耕区数据与对比数据的分布格局大致相同,具有较高的匹配度。具体来看,图2a和图2b的总体分布趋势基本相同,农耕区数量在黄土高原北部、云贵高原中部和珠江三角洲地区有所偏高,但因其分辨率具有差异,故将两者分辨率统一后基本一致;从图2c和图2d来看,图2c数据因为是布尔型,所以只能显示耕地和非耕地,图2d与图2c对应的分布范围和趋势一致,在华北平原略有偏高;图2e和图2f对比的是西南地区的耕地重建数据,总体看农耕区重建数据比对比数据有所偏高,特别是四川中部地区和云南中东部地区,这里是如今成都和昆明的所在地,长久以来人口聚集,地理自然环境优越,对农耕的需求很大;图2g和图2h是东北地区对比情况,图2g是县级尺度,图2h分辨率为10 km×10 km,所以在这,农耕区数据加上对比数据的县级边界,以此来粗略对比,可以看出,农耕区数据在东北地区西南部耕地数量偏少,其他地区基本吻合。
显示原图|下载原图ZIP|生成PPT图2本文成果与其他研究成果[
-->Fig. 2Comparison of the reconstructed map with different results on regional scale
-->
对于游牧区的验证,由于其历来饮食结构与农耕区不同,农业需求不大,相关历史统计资料缺少,故少有国内外专家研究此区域的精确耕地分布数据。本文游牧区的人均耕地参考了李士成等[28]过去百年青海西藏耕地统计数量而得,但由于在分配过程中,人口数据缺少这块区域的县级数据,分配过程完全依靠自然因子数据,也就缺失了本文方法中人文自然因素中的人文因素,这会对青海西藏地区的分配产生影响,同时本文所选取自然参数与李士成等选取的参数不同,也就更加导致两个结果的差异性,所以本文在游牧区不做精度对比。但是通过游牧区的人均耕地一致来推断其他省耕地数量这一假设是合理的,即游牧区各省的省级耕地总面积合理有效,在拥有相关数据的情况下,网格化结果可以达到农耕区的精度效果,所以说,本文在游牧区的方法是正确的,希望在以后数据充足的条件下,作出更精确的游牧区耕地网格化图。
3.2 全国尺度验证
具有代表性的全国尺度历史土地利用数据集有Liu等[29]重建的中国1700-2005年耕地数据集和Li等[30]重建的中国1661-1996年的耕地数据集。因为数据匹配原因,本文只利用Li等的数据集的相关年份来进行对比验证（图3）。Li等[30]根据相关历史耕地研究数据、人口数据和政府统计数据总结出了中国省级耕地数量数据集,然后基于提出的耕地适宜性指数将耕地分配到网格,得到全国8个时间断面（1661年、1724年、1784年、1820年、1873年、1933年、1980年、1996年）,分辨率为10 km×10 km的耕地分布数据。本文取其相应年份数据作为验证数据,来对本研究产生的结果进行验证和评估,因考虑到1936年无匹配数据,故采用1933年作为相似年份来进行验证。
显示原图|下载原图ZIP|生成PPT图3本文成果与其他研究成果[
-->Fig. 3Comparison of the reconstructed map with different results on national scale
-->
图3a和图3b分别为本文1820年和1936年耕地重建数据（以下称为全国数据）,图3c和3d分别为Li等[30]1820年和1933年的耕地重建数据,以下称为对比数据。从图3a与3c、图3b与3d相同年份的的总体对比来看,全国数据中除了甘肃中部以外,其他耕地分布地区都和对比数据保持着较高的匹配度;而从局部上来看,1820年的全国数据中云贵高原中部和甘肃中部耕地分布范围较对比数据广,而华北平原中部分布数量较对比数据少,并且长江入海口处分布数量比对比数据多;而1936年的全国数据同样在甘肃中部分布范围相对对比数据广,并且华北平原在分布数量上较之对比数据有所减少,东北平原北部的耕地分布数量有所偏高。
综上所述,对比结果可以总结为：总体趋势基本保持一致,但是局部数量有所差别。究其原因,要归结到人口因子上,全国数据耕地分布较广的地方,是因其有人口的分布,而Li等[30]的数据是以1980年的耕地格局为依据,他认为1980年的耕地数量分布已经到达最大值,这样就忽略了耕地随历史的变化而变化,这种变化是增减不定的。而数量上的差异,是因为人口的聚集导致了耕地的聚集。在全国的大尺度上,数量的局部差异对于整体的重建或者后期的模拟输入不会造成太大的影响,这样可以认为本文的重建数据是合理有效的。
4 结论
本文提出了“分层分区”的网格化方法来重建历史时期耕地格局,借助于其他****的耕地数据,得出了全国范围内1820年和1936年分辨率为10 km×10 km的耕地分布图。重建结果表明,从道光年间到民国期间,全国耕地开发显著,特别是东北地区,并且西南地区因为清民时期“改土归流”的实施和移民潮的涌现使农耕有了明显的发展,而耕地的的分布模式也从之前的聚集式分布逐渐扩散。从本文重建数据与其他****数据的对比验证中可以看出：重建结果在全国整体趋势上匹配得很好,而在小区域上会有一定的波动,这是由于分配中因子选择和模型实施的差异性所导致。总的来看,本文针对全国历史时期耕地分布设计的历史耕地网格化方法,不仅在总体上保证了耕地数量与其他****研究成果的一致性,又考虑了区域差异对分配结果的影响;从细节上来看,分配过程分为人口和自然要素两步,人口因子主导县级以上尺度的分配,而自然因子主导网格化分配,因为人口主要决定耕种需求,在大尺度上可以作为耕地分布的区域指示,而在下一级的分配中考虑到耕种效率,就要根据区域范围内自然环境要素的优劣情况来耕种了。本文提出的方法,在保证精度与现今主流数据集差距不大的基础上,简化了分配过程,也从一定程度上解决了历史耕地重建过程中对史册资料过渡依赖的问题。但是在分配过程中由于与人口数据相匹配的耕地数据没有相关年份,从而利用其它年份来推断其数值,这样是有误差的。在以后的研究工作中,若能充分利用相关年份的史册、统计资料来对省级耕地数量进行校正,相信可以得到更加准确的耕地数据。并且,也可以在本文方法的基础上,借鉴其他方法来使其在验证与数据处理上更具准确性和科学性,比如Wang等[47]所使用的Sandwich方法可以对于本文的验证部分具有很大的意义,其利用恰当的知识层生成多个报告层,用于交叉验证;Liao等[48]利用的3G方法可以为本文以后的研究提供更加宽广的思路,包括GIS（地理信息系统）、GP（遗传编程）和GA（遗传算法）来构成主要结构,GP和GA用于将调查数据转化为栅格数据,而GIS用来鉴定和量化相关的影响因子。
本文重建数据与其他成果匹配度相当高,只存在局部部分区域的偏差,而这些偏差在省级准确耕地数据的保证下,对总体耕地的趋势分布影响很小,这体现了不同影响因子选择的差异性。利用此方法,可以较快并且准确地重建其他历史年代的耕地数据,为未来耕地预测或者相关模型提供基础数据支持。当重建成为一个连续的时间序列后,能更准确的反映历史土地变化/覆盖的变化情况,为研究古气候、古生物等各个领域提供有力的支持。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | The Global Land Project (GLP) Science Plan and Implementation Strategy represents the joint research agenda of IGBP and IHDP to improve the understanding of land system dynamics in the context of Earth System functioning. This plan is therefore a first critical step in addressing the interaction between people and their environments. It is part of the broader efforts to understand how these interactions have affected, and may yet affect, the sustainability of the terrestrial biosphere, and the two-way interactions and feedbacks between different land systems within the Earth System. GLP will play a clear role in improving the understanding of regional and global-scale land systems, as well as promoting strong scientific synergy across the global change programmes. This Science Plan and Implementation Strategy develops a new integrated paradigm focused on two main conceptual aspects of the coupled system: firstly, it deals with the interface between people, biota, and natural resources of terrestrial systems, and secondly, it combines detailed regional studies with a global, comparative perspective. GLP takes as its points of departure ecosystem services and human decision making for the terrestrial environment. These topics are at the interface of the societal and the environmental domains, and serve as conceptual lenses for the research plan. |
| [2] | Abstract: The right to leisure was recognised by the Universal Declaration of Human Rights (UN 1948: Article 24). As a result of this, the right to tourism was proclaimed universal in the Global Code of Ethics for Tourism of the United Nations World Tourism Organization (UNWTO 1999). Although there are very important disparities worldwide in the access to and practice of these rights, it is unquestionable that recreation and tourism are key phenomena of our society and that they have global effects. The contribution of the tourism sector to global GDP and employment is estimated to be around 10%. The same percentage also applies to GDP and employment in the European Union; between 7.3 and 20.6 million jobs are directly and indirectly related to tourism (Leidner 2004). The number of tourists travelling internationally in 2008 reached 922 million (UNWTO 2009) and, according to the projections of the UNWTO (2001), this number is expected to reach 1.6 billion by 2020. In other words, assuming international tourism started only in the 1950s, projections of future growth in the sector suggest that international tourism arrivals will experience the same growth in 15 years as it had in the last 55 years (the 800 million benchmark was reached in 2005). |
| [3] | Human activities have shaped significantly the state of terrestrial ecosystems throughout the world. One of the most direct manifestations of human activity within the biosphere has been the conversion of natural ecosystems to croplands. In this study, we present an analysis of the geographic distribution and spatial extent of permanent croplands. This analysis represents the area in permanent croplands during the early 1990s for each grid cell on a global 5 min (鈭10 km) resolution latitude-longitude grid. To create this data set, we have combined a satellite-derived land cover data set with a variety of national and subnational agricultural inventory data. A simple calibration algorithm was used so that the spatial land cover data were generally consistent with nonspatial agricultural inventory data. The spatial distribution of croplands represented in this analysis presents a quantitative depiction of global agricultural geography. The regions of the world known to have intense cultivation (e.g., the North American corn belt, the European wheat-corn belt, the Ganges floodplain, and eastern China) are clearly portrayed in this analysis. It also captures the less intensely cultivated regions of the world, usually surrounding the regions mentioned above, and regions characterized by subsistence agriculture (e.g., Sahelian Africa). Data generated from this kind of analysis can be used within global climate models and global ecosystem models to assess the importance of permanent croplands on environmental processes. In particular, these data, combined with models, could help evaluate the role of changing land cover on regional climate and carbon cycling. Future efforts will need to concentrate on other land use systems, including pastures and regions of shifting cultivation. Furthermore, land use and land cover data must be extended to include an historical dimension so as to evaluate the changing state of the biosphere over time. This article contains supplementary material. |
| [4] | Human alteration of Earth is substantial and growing. Between one-third and one-half of the land surface has been transformed by human action; the carbon dioxide concentration in the atmosphere has in |
| [5] | CiteSeerX - Scientific documents that cite the following paper: 2004), Role of land cover changes for atmospheric CO2 increase and climate change during the last 150 years, Glob |
| [6] | 土地利用／土地覆被变化已列为“国际地圈与生物圈计划”的核心项目，在该领域的研究工作逐渐加强。本文论述了全球环境变化中的土地利用／土地覆被变化的内涵，在全球环境变化中的作用，其主要研究内容、关键问题及研究方法，并介绍了国外有关研究项目的情况。 . 土地利用／土地覆被变化已列为“国际地圈与生物圈计划”的核心项目，在该领域的研究工作逐渐加强。本文论述了全球环境变化中的土地利用／土地覆被变化的内涵，在全球环境变化中的作用，其主要研究内容、关键问题及研究方法，并介绍了国外有关研究项目的情况。 |
| [7] | 土地利用/土地覆盖变化作为国 际上全球变化研究的前沿与热点课题,是所有可持续发展相关问题的核心。区域案例研究是土地利用/土地覆盖变化研究的重要方法。本文以位于西北内陆干旱地区 的黑河流域为例,阐明该流域土地利用/土地覆盖变化的过程,揭示其土地利用/土地覆盖变化的动力机制,分析土地利用/土地覆盖变化对该流域自然环境与社会 经济的影响,从而提出该流域土地可持续利用对策。 . 土地利用/土地覆盖变化作为国 际上全球变化研究的前沿与热点课题,是所有可持续发展相关问题的核心。区域案例研究是土地利用/土地覆盖变化研究的重要方法。本文以位于西北内陆干旱地区 的黑河流域为例,阐明该流域土地利用/土地覆盖变化的过程,揭示其土地利用/土地覆盖变化的动力机制,分析土地利用/土地覆盖变化对该流域自然环境与社会 经济的影响,从而提出该流域土地可持续利用对策。 |
| [8] | Land-change science has emerged as a foundational element of global environment change and sustainability science. It seeks to understand the and environment dynamics that give rise to changed land uses and covers, not only in terms of their type and magnitude but their location as well. This focus requires the integration of social, natural, and geographical information sciences. Each of these broad research communities has developed different ways to enter the land-change problem, each with different means of treating the locational specificity of the critical variables, such as linking the land manager to the parcel being managed. The resulting integration encounters various data, methodological, and analytical problems, especially those concerning aggregation and inference, land-use pixel links, data and measurement, and remote sensing analysis. Here, these integration problems, which hinder comprehensive understanding and theory , are addressed. Their recognition and resolution are required for the sustained of land-change science. |
| [9] | 本文在回顾中国历史与近50年来取得的巨大成就的基础上，结合当今地球系统科学、地理科学的发展趋势以及国际全球变化与可持续发展研究的最新动向，提出了新世纪中国历史地理学研究应以收集、发掘人类文明演进的地理证据，分析历史上人地交互作用的时空特征为核心，以探寻当今地理学历史渊源人类适应环境变化模式的历史证据为目标，以文献分析、野外调查、考古发掘等传统方法与现代实验技术、空间信息技术的集成为手段，以编制5000年来华夏故土嬗变与文明演进的历史图谱为主要平台的发展新思路，并认为中国历史地理学在国际全球变化与可持续发展研究中可以做出具有重大显示度的贡献。 . 本文在回顾中国历史与近50年来取得的巨大成就的基础上，结合当今地球系统科学、地理科学的发展趋势以及国际全球变化与可持续发展研究的最新动向，提出了新世纪中国历史地理学研究应以收集、发掘人类文明演进的地理证据，分析历史上人地交互作用的时空特征为核心，以探寻当今地理学历史渊源人类适应环境变化模式的历史证据为目标，以文献分析、野外调查、考古发掘等传统方法与现代实验技术、空间信息技术的集成为手段，以编制5000年来华夏故土嬗变与文明演进的历史图谱为主要平台的发展新思路，并认为中国历史地理学在国际全球变化与可持续发展研究中可以做出具有重大显示度的贡献。 |
| [10] | To include land-use dynamics in a general circulation model (GCM), the physical system has to be linked to a system that represents socio-economy. This issue is addressed by coupling an integrated assessment model, IMAGE2.2, to an ocean鈥揳tmosphere GCM, CNRM-CM3. In the new system, IMAGE2.2 provides CNRM-CM3 with all the external forcings that are scenario dependent: greenhouse gas (GHGs) concentrations, sulfate aerosols charge and land cover. Conversely, the GCM gives IMAGE changes in mean temperature and precipitation. With this new system, we have run an adapted scenario of the IPCC SRES scenario family. We have chosen a single scenario with maximum land-use changes (SRES A2), to illustrate some important feedback issues. Even in this two-way coupled model set-up, land use in this scenario is mainly driven by demographic and agricultural practices, which overpowers a potential influence of climate feedbacks on land-use patterns. This suggests that for scenarios in which socio-economically driven land-use change is very large, land-use changes can be incorporated in GCM simulations as a one-way driving force, without taking into account climate feedbacks. The dynamics of natural vegetation is more closely linked to climate but the time-scale of changes is of the order of a century. Thus, the coupling between natural vegetation and climate could generate important feedbacks but these effects are relevant mainly for multi-centennial simulations. |
| [11] | Aim: To map and characterize anthropogenic transformation of the terrestrial biosphere before and during the Industrial Revolution, from 1700 to 2000. Location: Global. Methods: Anthropogenic biomes (anthromes) were mapped for 1700, 1800, 1900 and 2000 using a rule-based anthrome classification model applied to gridded global data for human population density and land use. Anthropogenic transfo... |
| [12] | 开展历史土地利用变化的国别对比研究,不仅有利于深化大尺度LUCC过程与驱动机制的科学认识,而且对深入研究历史碳排放责任等也有着重要意义。利用长时间序列数据,对中美两国过去300年土地利用/覆被变化的时空特征及驱动因素进行对比分析。结果表明:1过去300年中美两国耕地数量总体均呈持续增长态势,中国在1661-1980s的320余年间耕地总量增长了79.46×104km2,但人均耕地面积却从1685年的5.5亩,下降至2000年的1.5亩;而美国在1700-1950年的250年间耕地面积增加了190.87×104km2,且人均耕地面积均超过9亩,其中1890年高达30.2亩。2受土地垦殖扩张影响,过去300年中美两国林、草地资源均呈持续减少态势;其中,美国森林面积减少了约145×104km2,草地面积减少约137×104km2;而中国森林面积减少了约90×104km2,草地面积减少了约40×104km2。3从空间格局变化特征看,过去300年中国土地垦殖主要向边区(如东北、西南、内蒙等)及内地山地丘陵区发展;而美国在"西进运动"的影响下,大规模向中西部拓殖。4政策、人口、农业技术等因素是影响过去300年中美土地利用/覆被变化的主要因素,但由于两国资源禀赋及发展历史的差异,虽然直接驱动力均体现为政策因素,但就根本驱动因素而言,中国是人口数量,美国则是经济利益;同时,在农业技术发展取向上,中国因"人多地少",走"精耕细作"之路,而美国因"人少地多",走"机械化"之途。 . 开展历史土地利用变化的国别对比研究,不仅有利于深化大尺度LUCC过程与驱动机制的科学认识,而且对深入研究历史碳排放责任等也有着重要意义。利用长时间序列数据,对中美两国过去300年土地利用/覆被变化的时空特征及驱动因素进行对比分析。结果表明:1过去300年中美两国耕地数量总体均呈持续增长态势,中国在1661-1980s的320余年间耕地总量增长了79.46×104km2,但人均耕地面积却从1685年的5.5亩,下降至2000年的1.5亩;而美国在1700-1950年的250年间耕地面积增加了190.87×104km2,且人均耕地面积均超过9亩,其中1890年高达30.2亩。2受土地垦殖扩张影响,过去300年中美两国林、草地资源均呈持续减少态势;其中,美国森林面积减少了约145×104km2,草地面积减少约137×104km2;而中国森林面积减少了约90×104km2,草地面积减少了约40×104km2。3从空间格局变化特征看,过去300年中国土地垦殖主要向边区(如东北、西南、内蒙等)及内地山地丘陵区发展;而美国在"西进运动"的影响下,大规模向中西部拓殖。4政策、人口、农业技术等因素是影响过去300年中美土地利用/覆被变化的主要因素,但由于两国资源禀赋及发展历史的差异,虽然直接驱动力均体现为政策因素,但就根本驱动因素而言,中国是人口数量,美国则是经济利益;同时,在农业技术发展取向上,中国因"人多地少",走"精耕细作"之路,而美国因"人少地多",走"机械化"之途。 |
| [13] | The recent progresses on the reconstruction of historical land cover and the studies on regional climatic effects to temperature,precipitation,and the East Asian Monsoon across China were reviewed.Findings show that the land cover in China has been significantly modified by human activities over the last several thousands years,mainly through cropland expansion and forest clearance.The cropland over traditional Chinese agricultural areas increased from 5.32脳105 km2 in the mid-17th century to 8.27脳105 km2 in the mid-20th century,while the forest area over the Chinese mainland had been reduced by 1.66脳106 km2 during the last 300 years.These changes of land cover have been detected as an important driving force of climate change by simulations of climatic effects based on various climate models(including RegCM3, RegCM2-NCC,RIEMS version1,MM5 version 2,and AGCM+SSiB)with reconstructed historical land cover data or by contrasting current land cover to potential natural vegetation.The human-induced land cover changes over China have led to the enhancement of the East Asian winter monsoon,as well as cooling in winter and warming in summer approximately since 1700.However,the simulation results on annual mean temperature,precipitation,and the East Asian summer monsoon varied from model to model,which cannot be simply attributed to certain forcing so far,but undoubtedly,using different land cover datasets in various simulations played a key role.Thus,developing more accurate gridded historical land cover datasets on different regional scales with high time resolution is needed in the future. |
| [14] | 重建长时间序列的历史时期土地利用数据对研究土地利用的时空变化及其产生的气候和生态效应至关重要。相关****就定量重建中国历史土地利用信息进行了探索, 但重建结果通常是以行政区划为单位的统计性数据, 缺乏地理空间属性信息, 从而限制了其在气候和生态模型中的应用, 因此有必要探讨如何利用有限的历史资料来重建较高分辨率的具有空间属性信息的历史数据。本文针对诸如HYDE、SAGE等具有明确地理空间属性信息的历史土地利用数据集, 从方法的角度对中国历史土地利用空间化数据进行了综合评述, 以期寻求更加合理有效的方法重建具有空间属性的中国历史土地利用数据, 为未来更好地模拟土地利用变化的气候和生态效应提供数据支持。本文论述了不同资料在历史重建中的关系和作用;强调了人口数据在数量重建和空间分配中的双重作用及其局限性;重点分析了空间分配过程的假设条件和不同方法的历史重建对当代土地利用空间格局的依赖程度。本文认为, 需要加强林地空间化数据的重建以服务历史时期的陆地碳循环研究;在未来的研究中, 建议以典型年份控制的方法处理难以量化的社会经济因素对历史土地利用格局的影响;建议进行分区重建, 加强区域集成研究。 . 重建长时间序列的历史时期土地利用数据对研究土地利用的时空变化及其产生的气候和生态效应至关重要。相关****就定量重建中国历史土地利用信息进行了探索, 但重建结果通常是以行政区划为单位的统计性数据, 缺乏地理空间属性信息, 从而限制了其在气候和生态模型中的应用, 因此有必要探讨如何利用有限的历史资料来重建较高分辨率的具有空间属性信息的历史数据。本文针对诸如HYDE、SAGE等具有明确地理空间属性信息的历史土地利用数据集, 从方法的角度对中国历史土地利用空间化数据进行了综合评述, 以期寻求更加合理有效的方法重建具有空间属性的中国历史土地利用数据, 为未来更好地模拟土地利用变化的气候和生态效应提供数据支持。本文论述了不同资料在历史重建中的关系和作用;强调了人口数据在数量重建和空间分配中的双重作用及其局限性;重点分析了空间分配过程的假设条件和不同方法的历史重建对当代土地利用空间格局的依赖程度。本文认为, 需要加强林地空间化数据的重建以服务历史时期的陆地碳循环研究;在未来的研究中, 建议以典型年份控制的方法处理难以量化的社会经济因素对历史土地利用格局的影响;建议进行分区重建, 加强区域集成研究。 |
| [15] | 本文以现代耕地分布格局为基础, 通过量化地形(海拔、坡度)、气候生产潜力(光照、温度、水分)和人口密度等因子与耕地空间分布的关系, 重建了清代西南地区6 个时点分辨率为10 km×10 km的耕地数据。结果表明:①就整体而言, 清代西南地区耕地空间格局的变化表现在两个方面:一是垦殖范围的扩张, 1661-1911 年土地垦殖率在0~10%的网格占比减少了约24%, 主要分布在四川盆地和云贵高原;二是垦殖强度的提高, 1661-1911 年垦殖率大于30%的网格占比提高了10.3%, 最为显著的是四川盆地和云南中东部地区。②就清代西南地区耕地数量增减来看, 整个时段可划分为3 个阶段:前期(1661-1724 年) “复原性”垦殖, 60 多年间土地垦殖率在0~10%的网格占比减少了11.4%;中期(1724-1820 年)缓慢“拓展性”垦殖, 全区垦殖率在0~10%的网格占比下降约7%, 在30%以上的网格占比提高约7%;后期(1820-1911 年)局部抛荒与再垦, 垦殖率在0~10%的网格占比从75.0%降至72.2%, 在30%以上的网格占比从9.1%提高至10.9%。相关分析表明, 本文网格化重建的清代西南地区的耕地空间格局具有一定的合理性。 . 本文以现代耕地分布格局为基础, 通过量化地形(海拔、坡度)、气候生产潜力(光照、温度、水分)和人口密度等因子与耕地空间分布的关系, 重建了清代西南地区6 个时点分辨率为10 km×10 km的耕地数据。结果表明:①就整体而言, 清代西南地区耕地空间格局的变化表现在两个方面:一是垦殖范围的扩张, 1661-1911 年土地垦殖率在0~10%的网格占比减少了约24%, 主要分布在四川盆地和云贵高原;二是垦殖强度的提高, 1661-1911 年垦殖率大于30%的网格占比提高了10.3%, 最为显著的是四川盆地和云南中东部地区。②就清代西南地区耕地数量增减来看, 整个时段可划分为3 个阶段:前期(1661-1724 年) “复原性”垦殖, 60 多年间土地垦殖率在0~10%的网格占比减少了11.4%;中期(1724-1820 年)缓慢“拓展性”垦殖, 全区垦殖率在0~10%的网格占比下降约7%, 在30%以上的网格占比提高约7%;后期(1820-1911 年)局部抛荒与再垦, 垦殖率在0~10%的网格占比从75.0%降至72.2%, 在30%以上的网格占比从9.1%提高至10.9%。相关分析表明, 本文网格化重建的清代西南地区的耕地空间格局具有一定的合理性。 |
| [16] | China's land use has undergone many changes over the past 300聽years due to the significant transformations caused by natural and human factors and their impact on regional climate and the environment. This comprehensive review of recent state-of-the-art studies of China's land-use changes during that period concentrates on cropland, forest, grassland and urban areas. While most small-scale studies have reconstructed information from historical archive data and focused on a specific time period, large-scale studies have tended to rely on inverse modeling techniques to interpret land-use change dynamics based on remote-sensing data for example, the global land-use products of the History Database of the Global Environment (HYDE) and Center for Sustainability and the Global Environment (SAGE) datasets. All studies have shown that the cropland areas in China increased between 1700 and 1950, although they indicate different magnitudes and rates. A decrease in forest coverage was also reported in all studies. Little information was available on urban and grassland areas over the same period. Rapid urbanization in China has been particularly evident in the past 50聽years. Meanwhile, spatially explicit reconstructions of historical land-use change in China since 1700 remain highly uncertain due to the lack of reliable data. Extensive work on primary data collection is required, including land-use records and drivers for future change. |
| [17] | ABSTRACT Aim68 This paper presents a tool for long-term global change studies; it is an update of the History Database of the Global Environment (HYDE) with estimates of some of the underlying demographic and agricultural driving factors. Methods68 Historical population, cropland and pasture statistics are combined with satellite information and specific allocation algorithms (which change over time) to create spatially explicit maps, which are fully consistent on a 5′ longitude/latitude grid resolution, and cover the period 10,000bctoad2000. Results68 Cropland occupied roughly less than 1% of the global ice-free land area for a long time untilad1000, similar to the area used for pasture. In the centuries that followed, the share of global cropland increased to 2% inad1700 (. 3 million km) and 11% inad2000 (15 million km), while the share of pasture area grew from 2% inad1700 to 24% inad2000 (34 million km) These profound land-use changes have had, and will continue to have, quite considerable consequences for global biogeochemical cycles, and subsequently global climate change. Main conclusions68 Some researchers suggest that humans have shifted from living in the Holocene (emergence of agriculture) into the Anthropocene (humans capable of changing the Earth's atmosphere) since the start of the Industrial Revolution. But in the light of the sheer size and magnitude of some historical land-use changes (e.g. as result of the depopulation of Europe due to the Black Death in the 14th century and the aftermath of the colonization of the Americas in the 16th century) we believe that this point might have occurred earlier in time. While there are still many uncertainties and gaps in our knowledge about the importance of land use (change) in the global biogeochemical cycle, we hope that this database can help global (climate) change modellers to close parts of this gap. |
| [18] | Human activities over the last three centuries have significantly transformed the Earth's environment, primarily through the conversion of natural ecosystems to agriculture. This study presents a simple approach to derive geographically explicit changes in global croplands from 1700 to 1992. By calibrating a remotely sensed land cover classification data set against cropland inventory data, we derived a global representation of permanent croplands in 1992, at 5 min spatial resolution [Ramankutty and Foley, 1998]. To reconstruct historical croplands, we first compile an extensive database of historical cropland inventory data, at the national and subnational level, from a variety of sources. Then we use our 1992 cropland data within a simple land cover change model, along with the historical inventory data, to reconstruct global 5 min resolution data on permanent cropland areas from 1992 back to 1700. The reconstructed changes in historical croplands are consistent with the history of human settlement and patterns of economic development. By overlaying our historical cropland data set over a newly derived potential vegetation data set, we analyze our results in terms of the extent to which different natural vegetation types have been converted for agriculture. We further examine the extent to which croplands have been abandoned in different parts of the world. Our data sets could be used within global climate models and global ecosystem models to understand the impacts of land cover change on climate and on the cycling of carbon and water. Such an analysis is a crucial aid to sharpen our thinking about a sustainable future. |
| [19] | . Humans have substantially modified the Earth's land cover, especially by transforming natural ecosystems to agricultural areas. In preindustrial times, the expansion of agriculture was probably the dominant process by which humankind altered the Earth system, but little is known about its extent, timing, and spatial pattern. This study presents an approach to reconstruct spatially explicit changes in global agricultural areas (cropland and pasture) and the resulting changes in land cover over the last millennium. The reconstruction is based on published maps of agricultural areas for the last three centuries. For earlier times, a country-based method is developed that uses population data as a proxy for agricultural activity. With this approach, the extent of cropland and pasture is consistently estimated since AD 800. The resulting reconstruction of agricultural areas is combined with a map of potential vegetation to estimate the resulting historical changes in land cover. Uncertainties associated with this approach, in particular owing to technological progress in agriculture and uncertainties in population estimates, are quantified. About 5 million kmof natural vegetation are found to be transformed to agriculture between AD 800 and 1700, slightly more to cropland (mainly at the expense of forested area) than to pasture (mainly at the expense of natural grasslands). Historical events such as the Black Death in Europe led to considerable dynamics in land cover change on a regional scale. The reconstruction can be used with global climate and ecosystem models to assess the impact of human activities on the Earth system in preindustrial times. |
| [20] | 通过对清代文献资料中田亩数据 的分析,认为册载数据基本能够反映耕地面积的总体变化趋势和区域差别,但在总量上失之过低,为能更真实地反映耕地资源的变化实际,文中对其进行了相应处 理。在此基础上,研究了300余年以来我国内地18省耕地资源的时空变化特点,总体而言,过去300年间研究区的耕地资源数量呈抛物线式变化,清前期的增 长趋势明显,但至清晚期逐渐稳定下来,民国时期略有下降,新中国建立初期基本得到恢复。但是,此后又开始持续减少,过去300年间耕地资源的变化具有较为 明显的区域性特点,东部地区的垦殖活动远较西部地区剧烈,但在清前期,西部地区,如四川、甘肃、云南、贵州等省份耕地资源数量的增长趋势更加迅猛。分析表 明,这种变化的主要驱动因素是人口增长、政府政策调整、战争影响、自然原因和特定作物的引种与种植扩展等。 . 通过对清代文献资料中田亩数据 的分析,认为册载数据基本能够反映耕地面积的总体变化趋势和区域差别,但在总量上失之过低,为能更真实地反映耕地资源的变化实际,文中对其进行了相应处 理。在此基础上,研究了300余年以来我国内地18省耕地资源的时空变化特点,总体而言,过去300年间研究区的耕地资源数量呈抛物线式变化,清前期的增 长趋势明显,但至清晚期逐渐稳定下来,民国时期略有下降,新中国建立初期基本得到恢复。但是,此后又开始持续减少,过去300年间耕地资源的变化具有较为 明显的区域性特点,东部地区的垦殖活动远较西部地区剧烈,但在清前期,西部地区,如四川、甘肃、云南、贵州等省份耕地资源数量的增长趋势更加迅猛。分析表 明,这种变化的主要驱动因素是人口增长、政府政策调整、战争影响、自然原因和特定作物的引种与种植扩展等。 |
| [21] | <p>以清代以来史料为依据, 在现代清查统计资料和前人研究成果的基础上, 通过对森林变迁大体趋势及主要过程的客观把握, 重新校订了1949 年和1700 年前人的估算数据, 回溯估算了1750~1900 年中国各省区每50 年森林面积与森林覆被率值, 并与现代森林清查资料衔接, 分析1700~1998 年近300 年来中国森林变迁的时空特征。结果表明: 近300 年来中国现境内共减少森林面积约0.95×10<sup>8</sup> ha, 森林覆被率减少9.2 个百分点, 变化曲线呈先抑后仰; 以1960s 为界, 此前呈加速递减态势, 260 年间减少森林面积达1.66×10<sup>8</sup> hm<sup>2</sup>, 覆被率下降约17 个百分点；1960s 以后呈逐步增长态势, 近40 年间增加森林面积约0.7×10<sup>8</sup> hm<sup>2</sup>, 覆被 率提高了约8 个百分点。结果还表明: 近300 年来中国森林消长, 西部地区均小于东部地区; 在1700~1949 年的锐减期中, 东北、西南和东南三区是森林面积缩减最为严重的地方, 大部分省区覆被率下降超过20 个百分点, 其中黑龙江达50 个百分点, 吉林达36 个百分点, 川渝地区达42 个百分点, 云南达35 个百分点；在1949~1998 年的恢复期中, 西部各省区森林覆 被率增加均小于5 个百分点, 东部地区(除黑龙江、湖北和沪宁外) 均超过5 个百分点; 其中 粤琼、广西、安徽、京津冀、山东、河南、浙江、福建等省区高达10 个百分点以上。</p> . <p>以清代以来史料为依据, 在现代清查统计资料和前人研究成果的基础上, 通过对森林变迁大体趋势及主要过程的客观把握, 重新校订了1949 年和1700 年前人的估算数据, 回溯估算了1750~1900 年中国各省区每50 年森林面积与森林覆被率值, 并与现代森林清查资料衔接, 分析1700~1998 年近300 年来中国森林变迁的时空特征。结果表明: 近300 年来中国现境内共减少森林面积约0.95×10<sup>8</sup> ha, 森林覆被率减少9.2 个百分点, 变化曲线呈先抑后仰; 以1960s 为界, 此前呈加速递减态势, 260 年间减少森林面积达1.66×10<sup>8</sup> hm<sup>2</sup>, 覆被率下降约17 个百分点；1960s 以后呈逐步增长态势, 近40 年间增加森林面积约0.7×10<sup>8</sup> hm<sup>2</sup>, 覆被 率提高了约8 个百分点。结果还表明: 近300 年来中国森林消长, 西部地区均小于东部地区; 在1700~1949 年的锐减期中, 东北、西南和东南三区是森林面积缩减最为严重的地方, 大部分省区覆被率下降超过20 个百分点, 其中黑龙江达50 个百分点, 吉林达36 个百分点, 川渝地区达42 个百分点, 云南达35 个百分点；在1949~1998 年的恢复期中, 西部各省区森林覆 被率增加均小于5 个百分点, 东部地区(除黑龙江、湖北和沪宁外) 均超过5 个百分点; 其中 粤琼、广西、安徽、京津冀、山东、河南、浙江、福建等省区高达10 个百分点以上。</p> |
| [22] | <p>建立具有空间属性的历史时期土地覆被数据集有助于更好地模拟土地覆被变化的气候 与生态效应。根据我国历史时期土地开发利用的特点, 深入分析了影响我国历史时期土地开 发利用的主导因子, 量化了海拔高度、坡度、人口分布等自然及人文要素与耕地分布的关系, 并以此为依据设计了一套将我国传统农区历史耕地数据网格化的方法与算法模型, 计算各网 格(分辨率为60 km×60 km) 耕地面积占整个农区耕地总面积的比重、以及各网格的耕地面 积与垦殖率; 同时利用基于《嘉庆重修一统志》重建的中国传统农区历史耕地资料, 采用上 述方法与算法建立了研究区内1820 年(清嘉庆二十五年) 60 km×60 km 空间尺度的耕地数据 集, 并绘制了分布图。重建结果与册载府级田亩数据的比较分析表明: 该方法与算法可以有 效地将以行政区域为统计单元的中国历史耕地数据量化为具有统一且更高空间分辨率的网格 化数据集。</p> . <p>建立具有空间属性的历史时期土地覆被数据集有助于更好地模拟土地覆被变化的气候 与生态效应。根据我国历史时期土地开发利用的特点, 深入分析了影响我国历史时期土地开 发利用的主导因子, 量化了海拔高度、坡度、人口分布等自然及人文要素与耕地分布的关系, 并以此为依据设计了一套将我国传统农区历史耕地数据网格化的方法与算法模型, 计算各网 格(分辨率为60 km×60 km) 耕地面积占整个农区耕地总面积的比重、以及各网格的耕地面 积与垦殖率; 同时利用基于《嘉庆重修一统志》重建的中国传统农区历史耕地资料, 采用上 述方法与算法建立了研究区内1820 年(清嘉庆二十五年) 60 km×60 km 空间尺度的耕地数据 集, 并绘制了分布图。重建结果与册载府级田亩数据的比较分析表明: 该方法与算法可以有 效地将以行政区域为统计单元的中国历史耕地数据量化为具有统一且更高空间分辨率的网格 化数据集。</p> |
| [23] | 以民国时期东北地区土地利用数 据的处理为例,具体地分析和探讨了定量估计该地区耕地面积数量变化的方法,大致可以概括为3个步骤：(1)土地利用数据的资料来源分析与性质判定；(2) 为消除不同时间点上数据之间系统性偏差的影响而进行的数据同化处理,主要包括统计数据和调查数据之间的换算与不同地区不同亩制的纠正；(3)耕地面积和垦 殖率的恢复与校验．重建得到东北3省1914,1931,1940年耕地面积分别为102245,150128,152180km~2,同期垦殖指数分别 为12．7%,18．8%,18．9%． . 以民国时期东北地区土地利用数 据的处理为例,具体地分析和探讨了定量估计该地区耕地面积数量变化的方法,大致可以概括为3个步骤：(1)土地利用数据的资料来源分析与性质判定；(2) 为消除不同时间点上数据之间系统性偏差的影响而进行的数据同化处理,主要包括统计数据和调查数据之间的换算与不同地区不同亩制的纠正；(3)耕地面积和垦 殖率的恢复与校验．重建得到东北3省1914,1931,1940年耕地面积分别为102245,150128,152180km~2,同期垦殖指数分别 为12．7%,18．8%,18．9%． |
| [24] | 人类通过耕作活动对自然植被景观的改变是全球环境变化的重要表现形式之一.东北地区是过去300年中国人类活动对土地覆盖变化发生重大影响的典型地区,对于从人类-环境耦合系统的角度看土地覆盖变化及其驱动机制具有重要意义.采用历史数据订正与多源耕地数据关系模型校核相结合的方法,重建了东北地区过去300年耕地面积时间序列以及耕地覆盖的空间格局变化,结果表明:(1)从变化总趋势来看,过去300年东北耕地几乎呈指数增长,增长最为迅速的时期为近100年,垦殖率由约10%增至20%以上;(2)从空间格局变化来看,18世纪中后期之前,东北三省的开垦区域还主要局限于辽宁省,19世纪末至20世纪初开垦区域大规模向北扩张,至20世纪初期,东北的垦殖北界已达到黑龙江中部;20世纪东北整体垦殖强度仍不断增大,但区域差异性逐渐减小,其中,20世纪初至30年代和20世纪50年代至80年代高垦殖率区域扩张较明显,并逐渐形成了3个主要农耕区;在20世纪30～40年代的吉林省与黑龙江省,表现出新垦殖区域向森林地区的扩张.总之,过去300年东北耕地覆盖的时空变化,反映出人类通过土地开垦、森林砍伐等生产活动已较大幅度地改变了该区域的自然景观面貌. . 人类通过耕作活动对自然植被景观的改变是全球环境变化的重要表现形式之一.东北地区是过去300年中国人类活动对土地覆盖变化发生重大影响的典型地区,对于从人类-环境耦合系统的角度看土地覆盖变化及其驱动机制具有重要意义.采用历史数据订正与多源耕地数据关系模型校核相结合的方法,重建了东北地区过去300年耕地面积时间序列以及耕地覆盖的空间格局变化,结果表明:(1)从变化总趋势来看,过去300年东北耕地几乎呈指数增长,增长最为迅速的时期为近100年,垦殖率由约10%增至20%以上;(2)从空间格局变化来看,18世纪中后期之前,东北三省的开垦区域还主要局限于辽宁省,19世纪末至20世纪初开垦区域大规模向北扩张,至20世纪初期,东北的垦殖北界已达到黑龙江中部;20世纪东北整体垦殖强度仍不断增大,但区域差异性逐渐减小,其中,20世纪初至30年代和20世纪50年代至80年代高垦殖率区域扩张较明显,并逐渐形成了3个主要农耕区;在20世纪30～40年代的吉林省与黑龙江省,表现出新垦殖区域向森林地区的扩张.总之,过去300年东北耕地覆盖的时空变化,反映出人类通过土地开垦、森林砍伐等生产活动已较大幅度地改变了该区域的自然景观面貌. |
| [25] | 东北地区是我国森林、草场资源最为丰富的地区之一。近300年来,耕地扩张、森林砍伐、草地退化等所导致的显著土地覆盖变化会通过对陆-气之间碳通量和地表反照率的改变,进而对气候系统产生影响。该文采用历史文献分析、原始潜在植被恢复等方法,结合驱动力分析,重建了过去300年东北地区林地和草地自然覆盖变化状况。可提供空间分辨率至县、时间分辨率约为100年的东北地区林地和草地覆盖数据,为气候模拟、碳排放估计等相关研究提供真实的历史数据;得到对过去300年,东北地区林地和草地覆盖变化特征的认识：过去300年,东北地区林地、草地所占比例分别减少了约15%、10%;18—19世纪,东北的天然植被覆盖几乎处于原始状态,林地、草地减少的地区主要集中在辽东、辽西等农垦区;1900—1950年为林地、草地减少最为迅速的时期,辽东、辽西的天然植被几乎均被破坏殆尽,鸭绿江流域、长白山地区森林减少十分显著,草地界线已明显向西退缩;20世纪后半期,林地覆盖在空间上呈扩张趋势,局部地区仍在减少,而草地覆盖在空间上则一直呈缩小趋势。 . 东北地区是我国森林、草场资源最为丰富的地区之一。近300年来,耕地扩张、森林砍伐、草地退化等所导致的显著土地覆盖变化会通过对陆-气之间碳通量和地表反照率的改变,进而对气候系统产生影响。该文采用历史文献分析、原始潜在植被恢复等方法,结合驱动力分析,重建了过去300年东北地区林地和草地自然覆盖变化状况。可提供空间分辨率至县、时间分辨率约为100年的东北地区林地和草地覆盖数据,为气候模拟、碳排放估计等相关研究提供真实的历史数据;得到对过去300年,东北地区林地和草地覆盖变化特征的认识：过去300年,东北地区林地、草地所占比例分别减少了约15%、10%;18—19世纪,东北的天然植被覆盖几乎处于原始状态,林地、草地减少的地区主要集中在辽东、辽西等农垦区;1900—1950年为林地、草地减少最为迅速的时期,辽东、辽西的天然植被几乎均被破坏殆尽,鸭绿江流域、长白山地区森林减少十分显著,草地界线已明显向西退缩;20世纪后半期,林地覆盖在空间上呈扩张趋势,局部地区仍在减少,而草地覆盖在空间上则一直呈缩小趋势。 |
| [26] | 建立具有准确空间属性的历史时期土地覆被数据集有助于更好地模拟土地覆被变化的过程及其效应。本文基于我国过去300年耕地面积总体呈持续增加的特点,提出了历史时期耕地分布范围未超出现代耕地范围的合理假设,并以地表高程和坡度为影响土地宜垦程度的主导因子,评估了MODIS土地覆被产品中现代耕地分布区域的宜垦程度,再按宜垦程度从高到低的顺序,将依据历史文献资料订正的以行政单元为统计单位的耕地面积分配至网格。利用这一方法,重建了清代云南省1671年和1827年两个时间断面空间分辨率为90m的耕地空间分布格局。结果表明:该方法可有效地将历史耕地统计数据转化为具有较高空间分辨率的网格数据,其结果基本能够反映历史耕地空间格局的变化情况。 . 建立具有准确空间属性的历史时期土地覆被数据集有助于更好地模拟土地覆被变化的过程及其效应。本文基于我国过去300年耕地面积总体呈持续增加的特点,提出了历史时期耕地分布范围未超出现代耕地范围的合理假设,并以地表高程和坡度为影响土地宜垦程度的主导因子,评估了MODIS土地覆被产品中现代耕地分布区域的宜垦程度,再按宜垦程度从高到低的顺序,将依据历史文献资料订正的以行政单元为统计单位的耕地面积分配至网格。利用这一方法,重建了清代云南省1671年和1827年两个时间断面空间分辨率为90m的耕地空间分布格局。结果表明:该方法可有效地将历史耕地统计数据转化为具有较高空间分辨率的网格数据,其结果基本能够反映历史耕地空间格局的变化情况。 |
| [27] | The reconstruction of arable land patterns over historical periods is one of critical research issues in the study of land use and land cover change (LUCC). Taking into account the continuous distribution of arable land and spatial constraints, this paper proposes a constrained cellular automata model to reconstruct historical arable land patterns. The paper describes model establishment, parameter calibration, and results validation in detail. The model was applied to Jiangsu Province, China, and was compared with a conventional spatial allocation method. The results showed that the methodology developed in this study can more objectively reflect the evolution of the pattern of arable land over historical periods, in terms of similarity with contemporary pattern, than the spatial allocation methods and can provide an effective basis for the historical study of arable land. |
| [28] | 网格化的历史土地利用/覆被数 据集,可为历史气候变化和碳循环研究提供基础数据。本文估算了1910年,并订正了1950-2000年青海和西藏的省域耕地面积数据;基于现代耕地空间 格局,量化了海拔高程和地面坡度与耕地空间分布之间的关系,构建了历史耕地网格化重建模型。将1910、1960、1980和2000年的省域耕地面积数 据带入网格化重建模型,得到了4个时间断面的耕地空间格局。结果表明:青藏两省耕地面积1910-1950年稳定,1950-1980年快速增 加,1980-2000年基本稳定,略有降低。就空间格局而言,1960-1980年,河湟谷地和"一江两河"地区土地开垦范围的扩张和垦殖强度的增长在 过去百年最为明显。模型检验表明,模型重建的2000年耕地空间格局与2000年遥感数据相关系数达0.92。 . 网格化的历史土地利用/覆被数 据集,可为历史气候变化和碳循环研究提供基础数据。本文估算了1910年,并订正了1950-2000年青海和西藏的省域耕地面积数据;基于现代耕地空间 格局,量化了海拔高程和地面坡度与耕地空间分布之间的关系,构建了历史耕地网格化重建模型。将1910、1960、1980和2000年的省域耕地面积数 据带入网格化重建模型,得到了4个时间断面的耕地空间格局。结果表明:青藏两省耕地面积1910-1950年稳定,1950-1980年快速增 加,1980-2000年基本稳定,略有降低。就空间格局而言,1960-1980年,河湟谷地和"一江两河"地区土地开垦范围的扩张和垦殖强度的增长在 过去百年最为明显。模型检验表明,模型重建的2000年耕地空间格局与2000年遥感数据相关系数达0.92。 |
| [29] | One of the major limitations in assessing the impacts of human activities on global biogeochemical cycles and climate is a shortage of reliable data on historical land cover and land use change (LCLUC). China had extreme discrepancies in estimating contemporary and historical patterns of LCLUC over the last 3 centuries because of its geographical complexity, long history of land use, and limited national surveys. This study aims to characterize the spatial and temporal patterns of China's LCLUC during 1700-2005 by reconstructing historical gridded data sets from high-resolution satellite data and long-term historical survey data. During this 300 year period, the major characteristics of LCLUC in China have been shrinking forest (decreased by 22%) and expanding cropland (increased by 42%) and urban areas (including urban and rural settlements, factories, quarries, mining, and other built-up land). New cropland areas have come almost equally from both forested and nonforested land. This study also revealed that substantial conversion between forest and woodland can be attributed to forest harvest, forest regeneration, and land degradation. During 1980-2005, LCLUC was characterized by shrinking cropland, expanding urban and forest areas, and large decadal variations on a national level. LCLUC in China showed significant spatial variations during different time periods, which were caused by spatial heterogeneity in vegetation, soils, and climate and regional imbalance in economy development. During 1700-2005, forests shrunk rapidly while croplands expanded in the northeast and southwest of China. During 1980-2005, we found a serious loss of cropland and urban sprawl in the eastern plain, north, and southeast regions of China and a large increase in forested area in the southeast and southwest regions. The reconstructed LCLUC data sets from this study could be used to assess the impacts of land use change on biogeochemical cycles, the water cycle, and the regional climate in China. To further eliminate uncertainties in this data set and make reliable projections of LCLUC for the future, we need to improve our understanding of the drivers of LCLUC and work toward developing an advanced, spatially explicit land use model. |
| [30] | Reconstruction of cropland cover is crucial for assessing human impact on the environment. In this study, based on existing studies concerning historical cropland, population data and government inventories, we obtained a provincial cropland area dataset of China for 1661–1996 via collection, revision and reconstruction. Then, the provincial cropland area was allocated into grid cells of 1002×021002km depending on the land suitability for cultivation. Our reconstruction indicates that cropland increased from ~55.502×0210 4 km 2 in 1661 to ~130.002×0210 4 km 2 in 1996. From 1661 to 1873, cropland expanded tremendously in the Sichuan Basin, and land reclamation was greatly enhanced in North China Plain. For 1873–1980, agricultural development occurred primarily in northeastern China. After 1980, most provinces in the traditionally cultivated region of China experienced decreases in cropland area. In comparison with satellite-based data for 2000, we found that our reconstruction generally captures the spatial distribution of cropland. Also, differences are mostly <2002% (6120 to 2002%). Compared with HYDE 3.1 dataset, which is designed for the global scale, our model is more suitable for reconstructing the historical crop cover of China at 1002×021002km grid scale. Our reconstruction can be used in climate models to study the impact of crop cover change on the climate and carbon cycle. |
| [31] | 土地覆被变化是气候与生态效应模拟研究的重要参量。SAGE和HYDE两个全球历史土地利用数据集在相关研究中得到广泛应用,但在区域尺度上的应用,其可靠性如何,至今少有论及。以我国****重建的传统农区历史耕地数据集(CHCD)为基础,从全区、省区和网格(60km×60km)三个空间尺度,对SAGE(2010)和HYDE3.1数据集中有关中国传统农区历史耕地重建结果进行对比分析,结果表明:(1)SAGE(2010)数据集对中国传统农区耕地数量重建是以单一线性插补而得,其中1700-1950年是以0.51%的年均增长率线性递增,1950年后是以0.34%年均速率线性递减,这种"标准化"变化趋势不能客观反映传统农区土地垦殖的真实历史,耕地面积也明显高估,与CHCD数据集不具有可比性;(2)HYDE3.1数据集吸纳了区域性研究成果,使其在总量上与CHCD数据集较为接近,具有较好的可比性,但其在省区和网格尺度上与CHCD存在显著差异,其中相对差异率超过70%(70%)的网格占比高达56%～63%,超过90%(90%)的网格占比也高达40%～45%;而相对差异率介于-10%～10%的网格占比仅为5%～6%,介于-30%～30%的网格占比也仅为17%左右;(3)充分利用我国丰富的历史文献,建立更高精度的中国区域历史土地利用数据集,是提高区域气候与生态效应模拟研究质量的重要保障。 . 土地覆被变化是气候与生态效应模拟研究的重要参量。SAGE和HYDE两个全球历史土地利用数据集在相关研究中得到广泛应用,但在区域尺度上的应用,其可靠性如何,至今少有论及。以我国****重建的传统农区历史耕地数据集(CHCD)为基础,从全区、省区和网格(60km×60km)三个空间尺度,对SAGE(2010)和HYDE3.1数据集中有关中国传统农区历史耕地重建结果进行对比分析,结果表明:(1)SAGE(2010)数据集对中国传统农区耕地数量重建是以单一线性插补而得,其中1700-1950年是以0.51%的年均增长率线性递增,1950年后是以0.34%年均速率线性递减,这种"标准化"变化趋势不能客观反映传统农区土地垦殖的真实历史,耕地面积也明显高估,与CHCD数据集不具有可比性;(2)HYDE3.1数据集吸纳了区域性研究成果,使其在总量上与CHCD数据集较为接近,具有较好的可比性,但其在省区和网格尺度上与CHCD存在显著差异,其中相对差异率超过70%(70%)的网格占比高达56%～63%,超过90%(90%)的网格占比也高达40%～45%;而相对差异率介于-10%～10%的网格占比仅为5%～6%,介于-30%～30%的网格占比也仅为17%左右;(3)充分利用我国丰富的历史文献,建立更高精度的中国区域历史土地利用数据集,是提高区域气候与生态效应模拟研究质量的重要保障。 |
| [32] | 针对中国国家尺度层面耕地历史数据集的缺乏,提出了分区建模的方案。首先,将中国定性划分为四大区域,即传统农区、东北地区、西北地区、青藏地区;在此基础上,分别量化地形、人口要素与耕地分布之间的关系,构建空间格网化模型。利用该方案,重建了中国1913、1933、1950、1970、1990和2000年6个时间断面空间分辨率为10 km的格网化耕地数据。对比1990年的重建结果与遥感解译结果,发现无论是县域尺度,还是栅格尺度,数据集的准确性都较高。对重建的耕地数据集进行分析发现,近百年来中国的耕地面积出现先增后减的趋势,拐点大体在20世纪后期,不仅是耕地总量的先增后减,而且垦殖强度也是先增后减,但区域之间并不一致,其中变化较大的是东北和西北地区。 . 针对中国国家尺度层面耕地历史数据集的缺乏,提出了分区建模的方案。首先,将中国定性划分为四大区域,即传统农区、东北地区、西北地区、青藏地区;在此基础上,分别量化地形、人口要素与耕地分布之间的关系,构建空间格网化模型。利用该方案,重建了中国1913、1933、1950、1970、1990和2000年6个时间断面空间分辨率为10 km的格网化耕地数据。对比1990年的重建结果与遥感解译结果,发现无论是县域尺度,还是栅格尺度,数据集的准确性都较高。对重建的耕地数据集进行分析发现,近百年来中国的耕地面积出现先增后减的趋势,拐点大体在20世纪后期,不仅是耕地总量的先增后减,而且垦殖强度也是先增后减,但区域之间并不一致,其中变化较大的是东北和西北地区。 |
| [33] | |
| [34] | 农耕文化与游牧文化长期碰撞、角力的结果，是农耕文化最终取得了全面胜利并淹没了游牧文化。在草原地区成为主导文化之后，农耕文化之思想观念得以制度化，成为约束该区域人们行为的有形制度，并对草原生态产生了破坏性的作用。游牧经济本质上是一种生态经济，保护它可以起到保护该地区生态环境的作用。不同文化在是否与其生态环境相适应这一层面上具有可比性，比较的尺度或标准当然是生态伦理标准。不同文化之间的相互尊重、相互肯定是文化平等的问题。没有文化的平等就根本谈不上民族间的平等相处的问题。各种文化的平等对话是各民族相互增进理解和团结的无形制度基础。因此，主张或提倡文化生存与文化平等对于内蒙古草原地区的人们来说有重要意义。 农耕文化与游牧文化长期碰撞、角力的结果，是农耕文化最终取得了全面胜利并淹没了游牧文化。在草原地区成为主导文化之后，农耕文化之思想观念得以制度化，成为约束该区域人们行为的有形制度，并对草原生态产生了破坏性的作用。游牧经济本质上是一种生态经济，保护它可以起到保护该地区生态环境的作用。不同文化在是否与其生态环境相适应这一层面上具有可比性，比较的尺度或标准当然是生态伦理标准。不同文化之间的相互尊重、相互肯定是文化平等的问题。没有文化的平等就根本谈不上民族间的平等相处的问题。各种文化的平等对话是各民族相互增进理解和团结的无形制度基础。因此，主张或提倡文化生存与文化平等对于内蒙古草原地区的人们来说有重要意义。 |
| [35] | 本文研究了中国北方地区1961～2000年40年间气候干湿带 界线分布和10年际变化.40年来中国北方地区,在东经100°以东地区,半干旱区和半湿润区的分界线不断波动向东推进,20世纪90年代比60年代向东 和向南扩展,半干旱区面积扩大,半湿润区面积缩小,气候趋向干旱化;东经100°以西地区,极端干旱区面积在缩小,湿润指数有增大趋势.如果把温度和湿润 指数相结合,东经100°以东的黄淮海区和黄土高原区为持续的干暖型;东经100°以西的西北地区,则由干暖型向湿暖型转变:河西走廊和东疆盆地转型的时 间发生在20世纪70年代初,北疆山地绿洲荒漠地区转型的时间发生20世纪80年代中期前后.气候干湿带界线的变化取决于降水和潜在蒸发的变化速率.40 年来,在东经100°以东地区,降水和潜在蒸发都呈下降趋势,但降水减少速率大于潜在蒸发下降速率;在东经100°以西地区变湿的原因,研究认为除了降水 有所增加外,潜在蒸发也在下降,而且潜在蒸发下降速率的绝对值大于降水增加速率. . 本文研究了中国北方地区1961～2000年40年间气候干湿带 界线分布和10年际变化.40年来中国北方地区,在东经100°以东地区,半干旱区和半湿润区的分界线不断波动向东推进,20世纪90年代比60年代向东 和向南扩展,半干旱区面积扩大,半湿润区面积缩小,气候趋向干旱化;东经100°以西地区,极端干旱区面积在缩小,湿润指数有增大趋势.如果把温度和湿润 指数相结合,东经100°以东的黄淮海区和黄土高原区为持续的干暖型;东经100°以西的西北地区,则由干暖型向湿暖型转变:河西走廊和东疆盆地转型的时 间发生在20世纪70年代初,北疆山地绿洲荒漠地区转型的时间发生20世纪80年代中期前后.气候干湿带界线的变化取决于降水和潜在蒸发的变化速率.40 年来,在东经100°以东地区,降水和潜在蒸发都呈下降趋势,但降水减少速率大于潜在蒸发下降速率;在东经100°以西地区变湿的原因,研究认为除了降水 有所增加外,潜在蒸发也在下降,而且潜在蒸发下降速率的绝对值大于降水增加速率. |
| [36] | |
| [37] | 中国历史土地利用的重建工作主要分为数据重建和空间重建,而建立具有空间指示作用的参数对于历史土地利用的空间重建具有举足轻重的指示意义.本文基于此想法,参考前人经验,构建了一套耕地适宜性指数,作为历史土地利用空间重建的基础.首先通过分析影响耕地时空分布的多种自然要素和人文因素,从中厘定土壤和气候这2个关键要素,然后基于此构建了一套计算耕地适宜性指数的方法.通过获取的气候适宜性与土壤适宜性的空间分布图与实际土地利用的相关性分析验证了这2个要素的一定代表性.本文最终的结果代表自然状态下耕地分布的最初可能性,具体特征有：1）对耕地分布起影响的气候适宜性分为4个等级的块状分布;2）对耕地分布有影响的土壤适宜性比较零散,但是大体还是以秦岭-淮河一线为分界线,呈现北高南低的分布;3）对于不同地区耕地分布,影响的主导因素有区别,西北为土壤要素,东南为气候要素;4）耕地适宜性最高的地区基本集中在华北平原、长江中下游平原区域,而青藏高原地区的适宜性最低.结合人口、经济等因素,这样一套耕地适宜性分布图对历史土地利用空间分布有重要的空间指示作用. . 中国历史土地利用的重建工作主要分为数据重建和空间重建,而建立具有空间指示作用的参数对于历史土地利用的空间重建具有举足轻重的指示意义.本文基于此想法,参考前人经验,构建了一套耕地适宜性指数,作为历史土地利用空间重建的基础.首先通过分析影响耕地时空分布的多种自然要素和人文因素,从中厘定土壤和气候这2个关键要素,然后基于此构建了一套计算耕地适宜性指数的方法.通过获取的气候适宜性与土壤适宜性的空间分布图与实际土地利用的相关性分析验证了这2个要素的一定代表性.本文最终的结果代表自然状态下耕地分布的最初可能性,具体特征有：1）对耕地分布起影响的气候适宜性分为4个等级的块状分布;2）对耕地分布有影响的土壤适宜性比较零散,但是大体还是以秦岭-淮河一线为分界线,呈现北高南低的分布;3）对于不同地区耕地分布,影响的主导因素有区别,西北为土壤要素,东南为气候要素;4）耕地适宜性最高的地区基本集中在华北平原、长江中下游平原区域,而青藏高原地区的适宜性最低.结合人口、经济等因素,这样一套耕地适宜性分布图对历史土地利用空间分布有重要的空间指示作用. |
| [38] | . 具有完整意义上的农耕文化与游牧文化是古代中国最重要的特色之 一.二者间的交融与冲突曾直接影响着王朝盛衰、世代隆替,同时,也左右乃至规定了它们自身的发展方向.就历史而言,农耕与游牧的关系大致可以分为三个时 期:秦汉以前,两种文化圈均未形成统一的政权组织,相互间的接触是零散的、间断的;秦汉以后,中原和塞外各自形成相对统一的政权组织,两种文化间建立起比 较稳定、全面的接触关系,其特点是游牧南进与农耕重心南移;降及清朝,“大一统”的政治环境、游牧对农耕依附的加强,传统农耕区人多地少局面的形式,都促 使农耕文化全方位地推向长城以北的大漠地区,以和平的方式,交融汇合,蒙古与内地因此出现了前所未有的一体化趋势. . 具有完整意义上的农耕文化与游牧文化是古代中国最重要的特色之 一.二者间的交融与冲突曾直接影响着王朝盛衰、世代隆替,同时,也左右乃至规定了它们自身的发展方向.就历史而言,农耕与游牧的关系大致可以分为三个时 期:秦汉以前,两种文化圈均未形成统一的政权组织,相互间的接触是零散的、间断的;秦汉以后,中原和塞外各自形成相对统一的政权组织,两种文化间建立起比 较稳定、全面的接触关系,其特点是游牧南进与农耕重心南移;降及清朝,“大一统”的政治环境、游牧对农耕依附的加强,传统农耕区人多地少局面的形式,都促 使农耕文化全方位地推向长城以北的大漠地区,以和平的方式,交融汇合,蒙古与内地因此出现了前所未有的一体化趋势. |
| [39] | 青藏高原受其特殊自然地理环境条件的限制,耕地主要分布在自然环境条件相对优越的河谷地区,人为因素对耕地分布范围的作用和影响极其微弱,尤其是在历史时期生产力水平较低的前提下,耕地的空间分布主要取决于土地的宜垦程度。本文将影响青藏高原河谷地区耕地分布的因子按其性质分为限制性因子和非限制性因子,并以此为基础排除了高原河谷地区不适宜耕作的地区,在适宜耕作的地区根据土地的宜垦程度,按“先优后劣”的原则将历史时期的耕地数据分配到空间上。选取青藏高原农业发展历史悠久的河谷地区之一河湟谷地作为实例,重建该区1726年耕地空间格局。将重建结果与已有的M模型重建结果进行对比分析,两者重建的耕地在空间分布上呈现出一致性,但重建结果在垦殖范围与垦殖强度上存在一定的差异;M模型的重建主要是以现代耕地分布格局为基础重建,忽略了现代耕地空间分布受现代农业技术的影响;而本文模型则是从低生产力水平前提下影响历史时期耕地分布的因子出发,重建结果更具合理性。 . 青藏高原受其特殊自然地理环境条件的限制,耕地主要分布在自然环境条件相对优越的河谷地区,人为因素对耕地分布范围的作用和影响极其微弱,尤其是在历史时期生产力水平较低的前提下,耕地的空间分布主要取决于土地的宜垦程度。本文将影响青藏高原河谷地区耕地分布的因子按其性质分为限制性因子和非限制性因子,并以此为基础排除了高原河谷地区不适宜耕作的地区,在适宜耕作的地区根据土地的宜垦程度,按“先优后劣”的原则将历史时期的耕地数据分配到空间上。选取青藏高原农业发展历史悠久的河谷地区之一河湟谷地作为实例,重建该区1726年耕地空间格局。将重建结果与已有的M模型重建结果进行对比分析,两者重建的耕地在空间分布上呈现出一致性,但重建结果在垦殖范围与垦殖强度上存在一定的差异;M模型的重建主要是以现代耕地分布格局为基础重建,忽略了现代耕地空间分布受现代农业技术的影响;而本文模型则是从低生产力水平前提下影响历史时期耕地分布的因子出发,重建结果更具合理性。 |
| [40] | . |
| [41] | . 正 植物生长发育靠温度、光和养分(水、空气等),一种作物在一个地区能否正常生长和成熟,首先考虑的又是温度,温度是作物生长的基本条件之一。积温是衡量一个地区生长期长短、气温高低与某种作物或品种所需温度多少的一种方法。我区各地正搞品种区 . 正 植物生长发育靠温度、光和养分(水、空气等),一种作物在一个地区能否正常生长和成熟,首先考虑的又是温度,温度是作物生长的基本条件之一。积温是衡量一个地区生长期长短、气温高低与某种作物或品种所需温度多少的一种方法。我区各地正搞品种区 |
| [42] | . 温度是影响作物生长发育最重要的因素之一。在一定范围内 ,温度越高作物生长发育越快 ,通过某个发育阶段所需时间越短。可见这个发育阶段内每日温度的累加值可能是相对稳定的或是一个常数。科学上把一定时期内某一界限温度以上日平均气温的累加值叫积温。积温分成两种 ,一种 温度是影响作物生长发育最重要的因素之一。在一定范围内 ,温度越高作物生长发育越快 ,通过某个发育阶段所需时间越短。可见这个发育阶段内每日温度的累加值可能是相对稳定的或是一个常数。科学上把一定时期内某一界限温度以上日平均气温的累加值叫积温。积温分成两种 ,一种 |
| [43] | 利用济宁市1967～2006年的气象资料及夏玉米、冬小麦生长发育资料，分析积温变迁及其对夏玉米、冬小麦两熟制播期的影响。结果表明：以10年为一时间段进行考察的前提下，随着时间的推移，自1967年以来套种夏玉米生育期间平均10℃以上积温逐渐增加，≥2700℃·d积温年份几率为100％，麦田套种夏玉米积温浪费现象严重。夏玉米早直播至日均温降至18℃前10℃以上积温≥2700℃·d年份几率逐渐增加，最近20年来夏玉米早直播期间平均10℃以上积温≥2700℃·d年份保证率为100％。夏玉米晚直播至日均温降至18℃前平均10℃以上积温≥2700℃·d年份几率逐渐增加，10年以来保证率为100％。夏直播完全可以满足夏玉米中晚熟品种正常生长发育对积温的要求。自1967年以来，冬小麦播种至越冬期每10年平均冬前0℃以上积温、0℃以上〉1700℃·d年份几率、≥750℃·d年份几率、≥800℃·d年份几率均显著增加，越冬期0℃以上积温也显著增加，而负积温显著减少。麦田适宜播种时间应推迟到10月5日至9日，不宜早于10月5日，遇暖秋年宜推迟至10月10日，偏春性、半冬性品种在上述各适宜播种时间的基础上再推迟5d，以便有效预防冬前旺长。 利用济宁市1967～2006年的气象资料及夏玉米、冬小麦生长发育资料，分析积温变迁及其对夏玉米、冬小麦两熟制播期的影响。结果表明：以10年为一时间段进行考察的前提下，随着时间的推移，自1967年以来套种夏玉米生育期间平均10℃以上积温逐渐增加，≥2700℃·d积温年份几率为100％，麦田套种夏玉米积温浪费现象严重。夏玉米早直播至日均温降至18℃前10℃以上积温≥2700℃·d年份几率逐渐增加，最近20年来夏玉米早直播期间平均10℃以上积温≥2700℃·d年份保证率为100％。夏玉米晚直播至日均温降至18℃前平均10℃以上积温≥2700℃·d年份几率逐渐增加，10年以来保证率为100％。夏直播完全可以满足夏玉米中晚熟品种正常生长发育对积温的要求。自1967年以来，冬小麦播种至越冬期每10年平均冬前0℃以上积温、0℃以上〉1700℃·d年份几率、≥750℃·d年份几率、≥800℃·d年份几率均显著增加，越冬期0℃以上积温也显著增加，而负积温显著减少。麦田适宜播种时间应推迟到10月5日至9日，不宜早于10月5日，遇暖秋年宜推迟至10月10日，偏春性、半冬性品种在上述各适宜播种时间的基础上再推迟5d，以便有效预防冬前旺长。 |
| [44] | 农作物在生长和发育过程中,要不断地外界环境中吸收光、热、空气、水分和养分,才能进行正常的生理代谢、生长和发育.水分和养分主要从土壤中得到,特别养分也是从土壤中得到.这些养分,有的是农作物的组成成分,有的能调节农作物的生理功能.农作物对这些养分主要通过根部进行吸收、转运和同化.转变为自身的物质,这就可以促进农作物进行 . 农作物在生长和发育过程中,要不断地外界环境中吸收光、热、空气、水分和养分,才能进行正常的生理代谢、生长和发育.水分和养分主要从土壤中得到,特别养分也是从土壤中得到.这些养分,有的是农作物的组成成分,有的能调节农作物的生理功能.农作物对这些养分主要通过根部进行吸收、转运和同化.转变为自身的物质,这就可以促进农作物进行 |
| [45] | |
| [46] | Constructing a spatially explicit time series of historical cultivated land is of upmost importance for climatic and ecological studies that make use of Land Use and Cover Change (LUCC) data. Some scholars have made efforts to simulate and reconstruct the quantitative information on historical land use at the global or regional level based on “top–down” decision–making behaviors to match overall cropland area to land parcels using land arability and universal parameters. Considering the concentrated distribution of cultivated land and various factors influencing cropland distribution, including environmental and human factors, this study developed a “bottom–up” model of historical cropland based on constrained Cellular Automaton (CA). Our model takes a historical cropland area as an external variable and the cropland distribution in 1980 as the maximum potential scope of historical cropland. We selected elevation, slope, water availability, average annual precipitation, and distance to the nearest rural settlement as the main influencing factors of land use suitability. Then, an available labor force index is used as a proxy for the amount of cropland to inspect and calibrate these spatial patterns. This paper applies the model to a traditional cultivated region in China and reconstructs its spatial distribution of cropland during 6 periods. The results are shown as follows: (1) A constrained CA is well suited for simulating and reconstructing the spatial distribution of cropland in China’s traditional cultivated region. (2) Taking the different factors affecting spatial pattern of cropland into consideration, the partitioning of the research area effectively reflected the spatial differences in cropland evolution rules and rates. (3) Compared with “HYDE datasets”, this research has formed higher–resolution Boolean spatial distribution datasets of historical cropland with a more definitive concept of spatial pattern in terms of fractional format. We conclude that our reconstruction is closer to the actual change pattern of the traditional cultivated region in China. |
| [47] | Spatial sampling is widely used in environmental and social research. In this paper we consider the situation where instead of a single global estimate of the mean of an attribute for an area, estimates are required for each of many geographically defined reporting units (such as counties or grid cells) because their means cannot be assumed to be the same as the global figure. Not only may survey costs greatly increase if sample size has to be a function of the number of reporting units, estimator sampling error tends to be large if the population attribute of each reporting unit can be estimated by using only those samples actually lying inside the unit itself. This study proposes a computationally simple approach to multi-unit reporting by using analysis of variance and incorporating 'twice-stratified' statistics. We assume that, although the area is heterogeneous (the mean varies across the area), it can be zoned (or stratified) into homogeneous subareas (the mean is constant within each subarea) and, in addition, that it is possible to acquire prior knowledge about this partition. This zoning of the study area is independent of the reporting units. The zone estimates are transferred to the reporting units. We call the methodology sandwich estimation and we report two contrasting empirical studies to demonstrate the application of the methodology and to compare its performance against some other existing methods for tackling this problem. Our study shows that sandwich estimation performs well against two other frequently used, probabilistic, model-based approaches to multi-unit reporting on stratified heterogeneous surfaces whilst having the advantage of computational simplicity. We suggest those situations where sandwich estimation might be expected to do well. |
| [48] | Mapping population distribution is an important field of geographical and related research because of the frequent need to combine spatial data representing socio-demographic information across various incompatible spatial units. However, the research may become very complex and difficult when a population in multiple places is estimated by various factors. Previous efforts in the field have contributed to the selection of appropriate independent variables and the creation of different population models. However, the level of accuracy obtainable with these studies is limited by the spatial heterogeneity of population distribution within the individual census districts, particularly in large rural areas. A high-accuracy modelling method for population estimation based on integration of Genetic Programming (GP) and Genetic Algorithms (GA) with Geographic Information Systems (GIS) is presented in this paper. GIS was applied to identify and quantify a set of natural and socioeconomic factors which contributed to population distribution, and then GP and GA were used to build and optimise the population model to automatically transform census population data to regular grids. The study indicated that the proposed method performed much better than the stepwise regression analysis and adapted gravity model methods in estimating the population of both urban and rural areas. More importantly, this proposed method could provide a single, unified approach to mapping population distribution in various areas because the paradigms of these algorithms are general. |
