夏 天，吳文斌※，余強毅，楊 鵬，周清波，唐華俊

(1．農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室，北京 100081;2．中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

農(nóng)作物空間格局特指一個區(qū)域內(nèi)農(nóng)作物種植結(jié)構(gòu)、分布、熟制和種植方式等信息［1］，是農(nóng)業(yè)土地系統(tǒng)的核心內(nèi)容之一。一方面，農(nóng)作物空間格局能夠反映蘊藏于農(nóng)業(yè)土地系統(tǒng)內(nèi)部的諸多服務(wù)功能，如糧食安全、農(nóng)田碳庫、生物質(zhì)能源生產(chǎn)等;另一方面，其反映了空間范圍內(nèi)人類利用農(nóng)業(yè)生產(chǎn)資源的狀況，是農(nóng)作物結(jié)構(gòu)調(diào)整和優(yōu)化的重要依據(jù)［2-4］。因此，開展農(nóng)作物空間格局變化過程及特征研究具有較高的實用價值和重要的科學意義。

近年來，國內(nèi)外很多學者針對農(nóng)作物格局及其變化進行了相關(guān)研究［5］。統(tǒng)計調(diào)查方法是較早且較為常用的方法之一，即以一定的行政區(qū)為基本單元進行農(nóng)作物面積統(tǒng)計分析［6-7］，但這種方法往往忽略了分析單元內(nèi)部的空間異質(zhì)性，而且主觀性較強。隨著遙感、地理信息系統(tǒng)等空間信息技術(shù)的發(fā)展，農(nóng)作物格局的空間顯性表達 (Spatially-explicit representation)逐步成為可能。如張明偉等［8］利用MODIS遙感數(shù)據(jù)提取了區(qū)域農(nóng)作物種植結(jié)構(gòu);張莉等［9］同樣利用MODIS數(shù)據(jù)，實現(xiàn)了我國南方15省 (市、自治區(qū))各類水稻 (早稻、晚稻和單季稻)種植面積的快速識別;Gao等［10］利用航片和遙感影像 (TM/ETM+)分析了中國黑龍江省1958，1980，2000年3個時間段水稻空間格局變化情況。Montero［11］利用GIS技術(shù)構(gòu)建了藤類植物生長分布模型，楊莉等［12］模擬展示了新疆棉花種植面積時空格局演變特征，并揭示當?shù)孛藁ǚN植業(yè)發(fā)展的主要驅(qū)動力;吳文斌等［13］利建立了農(nóng)作物播種面積變化模擬系統(tǒng)，分析研究了2005～2035年間世界主要農(nóng)作物 (水稻、玉米、小麥和大豆)播種面積變化的數(shù)量特征和空間格局。自1997年至今，美國農(nóng)業(yè)部國家農(nóng)業(yè)統(tǒng)計中心 (USDA-NASS，National Agricultural Statistics Service of the US Department of Agriculture)不惜花費大量人力物力，將多源中高分辨率遙感影像與統(tǒng)計調(diào)查數(shù)據(jù)相結(jié)合，制作了每年一期的耕地內(nèi)部作物分布圖 (CDL，Cropland data layers)，供后續(xù)研究使用［14］。

不難發(fā)現(xiàn)，遙感技術(shù)是提取農(nóng)作物空間分布信息的有效方法，但其相對成本較高，不利于獲取大區(qū)域、長時間序列的農(nóng)作物空間格局及其動態(tài)變化特征。而空間模擬技術(shù)作為遙感技術(shù)的重要補充，能夠較為省時省力的表達地理空間要素的分布、格局與變化過程［3］，但目前相關(guān)模型研究多停留在土地利用變化模擬方面，較少涉及耕地內(nèi)部農(nóng)作物空間格局的模擬表達［4，15］。針對此問題，該研究充分利用CLUES(Conversion of Land Use and its Effects at Small region extent)土地利用變化模擬模型的理論和方法［16］，經(jīng)過改進、重建、參數(shù)本地化和校正，研究并提出一個適用于我國的農(nóng)作物空間格局動態(tài)變化模擬模型(CROPS，Crop Pattern Simulator)的可行架構(gòu)，使其能夠?qū)崿F(xiàn)區(qū)域尺度土地利用變化與農(nóng)作物空間格局變化的雙層嵌套動態(tài)模擬。此外，該研究選取我國東北地區(qū) (遼寧、吉林、黑龍江)進行模擬實驗，測試模型的運轉(zhuǎn)情況，并簡要介紹了模型模擬的相關(guān)結(jié)果。

1 CROPS的概念模型

農(nóng)業(yè)土地利用是人類為了自身的生存和發(fā)展需求而有意識地對農(nóng)業(yè)土地資源進行開發(fā)、經(jīng)營和利用的活動［17-19］。耕地是農(nóng)業(yè)土地利用的最重要形式，為農(nóng)作物生長、發(fā)育和成熟提供必備的自然生態(tài)環(huán)境，耕地和林地、草地等其它土地利用類型相互影響并處于動態(tài)變化之中。受多種因素影響，農(nóng)作物空間格局不斷發(fā)生變化，包括耕地內(nèi)部不同作物之間的相互更替或轉(zhuǎn)換，也包括和耕地外部其它土地利用類型的轉(zhuǎn)換。因此，模擬分析農(nóng)作物空間格局變化的前提是掌握耕地的空間格局動態(tài)變化，因為耕地為農(nóng)作物空間格局變化提供必要的空間區(qū)間和范圍。

基于該思路，該研究基于CLUE-S模型提出了CROPS模型構(gòu)建的概念模型 (如圖1)。第一個層次通過對不同土地利用類型之間動態(tài)變化的模擬，實現(xiàn)對耕地空間格局動態(tài)變化過程和狀態(tài)的表達。第二層次基于第一層次的模擬輸出的耕地空間格局，實現(xiàn)耕地內(nèi)部的農(nóng)作物空間格局動態(tài)變化的有效模擬。為實現(xiàn)不同層次的空間模擬，CROPS模型基于空間動力的學原理，將區(qū)域范圍內(nèi)的土地利用格局和農(nóng)作物種植格局可以視為一個整體的系統(tǒng)，在自然環(huán)境和社會經(jīng)濟等驅(qū)動力因素的共同作用下，區(qū)域系統(tǒng)空間結(jié)構(gòu)狀態(tài)或各狀態(tài)要素空間格局的演變，并且該地區(qū)的土地利用格局和農(nóng)作物種植格局處于動態(tài)平衡狀態(tài)。同時，該地區(qū)的農(nóng)作物空間格局變化主要發(fā)生在耕地內(nèi)部，受到耕地的空間分布區(qū)域限制。在不同的層次下，通過分析土地利用類型或農(nóng)作物類型空間分布與自然地理和社會經(jīng)濟等驅(qū)動力因素之間的相互作用，進而實現(xiàn)土地利用類型或農(nóng)作物類型面積總量在空間位置的分配。該概念模型不僅充分發(fā)揮了CLUE-S模型在傳統(tǒng)土地利用類型轉(zhuǎn)換或突變 (如草地轉(zhuǎn)耕地或耕地轉(zhuǎn)林地)過程模擬方面的優(yōu)勢和特點，也擴展了模型的功能和應用領(lǐng)域，實現(xiàn)了土地利用類型穩(wěn)定下的漸變 (如農(nóng)作物類型更替)過程模擬，實現(xiàn)了兩個層次的有機嵌套模擬。

圖1 CROPS概念模型

2 CROPS模型的基本模塊

基于圖1的CROPS概念模型，該研究提出了農(nóng)作物空間格局模擬模型的基本框架，如圖2所示。CROPS模型工作流程為:首先進行第一層次 (土地利用層)的空間格局模擬，在此基礎(chǔ)上，利用第一層模擬的耕地格局作為控制，在耕地內(nèi)部進行第二層次 (農(nóng)作物層)的空間格局模擬。從模型每一層的組成模塊看，CROPS模型主要包括非空間和空間兩個大模塊，即需求模塊和空間分析與分配模塊。

2.1 非空間模塊

非空間模塊為輸入研究對象需求功能，該模塊主要用于控制在歷史上各種驅(qū)動力因素影響下的研究對象數(shù)量變化，或者未來不同情景條件下的研究對象數(shù)量變化情況。該研究對象需求決定空間模塊中模擬分配的土地利用類型或農(nóng)作物的總面積。在CROPS模型中，第一層次的非空間模塊主要計算各土地利用類型的土地面積需求，第二層次的非空間模塊則主要計算不同農(nóng)作物類別的土地面積需求。非空間模塊的輸入數(shù)據(jù)主要為歷史或者未來不同情景下的土地利用數(shù)據(jù)和農(nóng)作物種植數(shù)據(jù)。通常情況下，歷史農(nóng)作物空間格局變化的需求量為統(tǒng)計年鑒數(shù)據(jù)，未來情景變化一般會利用趨勢外推法，或者利用未來情景模型計算需求量。

2.2 空間模塊

空間模塊主要考慮空間化后的自然環(huán)境和社會經(jīng)濟因素的作用，分別將兩個層次的模擬需求分配到空間位置，達到空間顯性表達的目的。空間模塊又包括空間模塊I和空間模塊II。

2．2．1 空間模塊I

空間模塊I的目的是分析土地利用類型或農(nóng)作物類別的空間分布適宜性、確定兩個層次上的轉(zhuǎn)換規(guī)則、以及轉(zhuǎn)換的區(qū)域性和政策性限制因素。

(1)適宜性分析子模塊。該子模塊的主要功能是根據(jù)土地利用類型或農(nóng)作物類別空間分布格局和備

式中，pi表示出現(xiàn)某一模擬對象的概率;X表示各驅(qū)動因素;β是各影響因子相應的回歸系數(shù)。

回歸系數(shù)運用統(tǒng)計學軟件進行計算，方程需要置信度一般要大于95%(即α≤0．05)，相關(guān)性較低的影響因子將不選入回歸方程。通常情況下，每一種研究對象 (土地利用類型或農(nóng)作物種植類型)的影響因素不同，故進入回歸方程中的影響因素也不一樣。構(gòu)建完成各種研究類型的回歸方程后，利用ROC曲線進行檢驗方程的精度［20］:ROC值介于0．5和1之間，如果該值越接近于1時，說明該研究類型的概率分布和真實分布之間具有較好的一致性，構(gòu)建的回歸方程能較好地解釋該研究類型的空間分布;反之，若該值越接近0．5，說明回歸方程不能有效的解釋該研究類型的空間分布，需要重新選取新的驅(qū)動力因素構(gòu)建回歸方程。

(2)轉(zhuǎn)換規(guī)則子模塊。轉(zhuǎn)換規(guī)則包括類型轉(zhuǎn)移彈性系數(shù)和類型轉(zhuǎn)移次序兩部分。類型轉(zhuǎn)移彈性系數(shù)用0～1的數(shù)值表示，描述各類型變化的可逆性。0代表極易發(fā)生轉(zhuǎn)變，1代表不易發(fā)生轉(zhuǎn)換，數(shù)值越小表示越容易發(fā)生轉(zhuǎn)變。類型轉(zhuǎn)移次序表示兩類用地之間發(fā)生轉(zhuǎn)化的可能性，如林地能夠轉(zhuǎn)化為耕地，則標記為“+”，建設(shè)用地很難轉(zhuǎn)變成耕地，則標記為“-”。

利用程度較高的類型很難轉(zhuǎn)變?yōu)槔贸潭容^低的類型，而利用程度較低的類型比較容易轉(zhuǎn)變?yōu)槔贸潭容^高的類型。在CROPS模型第一層中，建設(shè)用地很難轉(zhuǎn)變?yōu)槠渌妙愋?，通常彈性系?shù)會設(shè)定接近于1的數(shù)值;而草地比較容易轉(zhuǎn)變?yōu)槠渌妙愋停詴O(shè)定接近于0的彈性系數(shù)。在CROPS模型第二層中，水稻由于種植條件限制，彈性系數(shù)會設(shè)定接近于1的數(shù)值;而如大豆這種作物經(jīng)常會更換成其它作物，故彈性系數(shù)設(shè)定會為接近于0的數(shù)值。彈性系數(shù)數(shù)值的設(shè)置需要研究人員在了解研究區(qū)域的實際變化情況下，通過不斷的調(diào)試而確定。

CROPS模型的類型轉(zhuǎn)移矩陣決定著整個研究區(qū)域內(nèi)結(jié)果類型的變化情況，無論是模型第一層的土地利用類型轉(zhuǎn)移矩陣，還是第二層的農(nóng)作物類型轉(zhuǎn)移矩陣都需要根據(jù)當?shù)氐膶嶋H情況進行設(shè)定。研究區(qū)域內(nèi)出現(xiàn)的類型轉(zhuǎn)換在轉(zhuǎn)移矩陣中設(shè)定為“+”，模型模擬過程中會發(fā)生此類型的轉(zhuǎn)換;未出現(xiàn)的類型轉(zhuǎn)移情況即設(shè)定為“-”，模型模擬過程中不會發(fā)生此類型的轉(zhuǎn)換。通過“+”和“-”組成的轉(zhuǎn)移矩陣能夠有效的控制研究區(qū)域內(nèi)各種類型的轉(zhuǎn)換過程。

(3)限制區(qū)域子模塊。區(qū)域土地利用和農(nóng)作物空間格局變化會受到國家政策和區(qū)域限制的影響。在CROPS中，這些限制因素包括區(qū)域性限制因素和政策性限制因素。區(qū)域性限制因素如森林保護區(qū)、基本農(nóng)田保護區(qū)、特殊作物種植區(qū)等，這種限制因素區(qū)不在模擬范圍內(nèi)，需要單獨在模擬控制區(qū)中標出不參與模擬研究類型變化;政策性限制因素是國家頒布的相關(guān)限制條例，如保護濕地環(huán)境，禁止開發(fā)的政策可以限制濕地轉(zhuǎn)為其它土地利用類型。此外，由于CROPS中的耕地空間格局對農(nóng)作物空間格局變化起約束作用，第二層的農(nóng)作物空間格局變化只能在耕地范圍進行變化，非耕地范圍為特定的限制變化區(qū)域。

2．2．2 空間模塊II

空間模塊II為空間分配模塊，基于基期年的基礎(chǔ)圖件，在空間模塊I基礎(chǔ)上，根據(jù)總概率大小對非空間模塊計算的研究需求 (土地利用需求和農(nóng)作物需求)進行空間分配的過程。CROPS模型的空間分配具體過程為:首先，確定柵格系統(tǒng)中被允許參與空間分配的柵格單元;然后根據(jù)公式TPROPi，u=Pi，u+ELASu+ITERu計算出某一柵格單元中適合某一類型的總概率［21］，TPROPi，u為柵格單元i適于土地利用類型或選驅(qū)動因素數(shù)據(jù)，計算出各個土地利用類型或農(nóng)作物類別在空間上的分布概率，利用分布概率來判斷每種研究對象的空間分布適宜性。這些備選驅(qū)動力因素中有些因素是直接導致研究對象發(fā)生變化，有些因素是間接導致研究對象發(fā)生變化，通過空間統(tǒng)計分析，可以確定在所有因素的影響下研究對象類型發(fā)生轉(zhuǎn)變時最有可能出現(xiàn)的空間位置。在CROPS模型中，通過選取具有代表性的驅(qū)動力因子，以模擬對象 (第一層為土地利用類型，第二層為農(nóng)作物類型)空間數(shù)據(jù)為基礎(chǔ)，利用二元Logistic回歸方程計算出每一種研究對象發(fā)生的概率，該方程可以解釋各種研究對象類型與驅(qū)動力因素之間的關(guān)系。分布概率計算公式如下:農(nóng)作物種植類型u的總概率，Pi，u是通過二元Logistic回歸方程計算的空間分布概率，ELASu是根據(jù)上述土地利用或農(nóng)作物類型轉(zhuǎn)換規(guī)則設(shè)置的參數(shù)，ITERu是土地利用類型或農(nóng)作物種植類型u的迭代變量;然后基于每一柵格單元上各研究類型分布的總概率進行空間分配，通過多次迭代分配直到各研究類型的分配面積與需求面積相等時，模型停止分配。

圖3 CROPS模型空間分配過程

3 CROPS模型的區(qū)域應用

選擇我國東北三省作為研究區(qū)域，以2000年為模擬基期年，在1km空間尺度上利用CROPS模型對東北三省2000～2010年農(nóng)作物空間格局動態(tài)變化進行了模擬分析，并以2005年的遙感分類結(jié)果CROPS模型模擬精度進行了驗證。

表1 數(shù)據(jù)列表及數(shù)據(jù)來源

表1列出了CROPS模型區(qū)域應用的數(shù)據(jù)列表及數(shù)據(jù)來源。東北三省土地利用數(shù)據(jù)來自中國科學院環(huán)境科學數(shù)據(jù)中心，按照土地利用類型重新歸并為7個土地利用類型，即耕地、林地、草地、水域、建設(shè)用地、濕地和未利用地。東北三省農(nóng)作物空間分布數(shù)據(jù)來自于MIRCA2000數(shù)據(jù)集，提取了水稻、小麥、玉米、大豆和其它農(nóng)作物等5類作物空間分布。同時，收集和整理了東北三省空間和屬性數(shù)據(jù)，構(gòu)建耕地或農(nóng)作物空間格局變化的驅(qū)動因子庫。具體包括11個因子，涉及DEM、年均氣溫、年均降水量、＞0℃積溫、＞10℃積溫、土壤類型、交通路網(wǎng)、河流水域、中心集鎮(zhèn)等自然地理數(shù)據(jù)，以及人口密度、人均GDP等社會經(jīng)濟數(shù)據(jù)，這些因素共同作用驅(qū)動東北地區(qū)的耕地和農(nóng)作物空間格局發(fā)生變化。利用ArcGIS將DEM、年均氣溫、年均降水量、≥0℃積溫、≥10℃積溫、人口和人均GDP數(shù)據(jù)均處理為1 km的柵格數(shù)據(jù)。土壤圖按照土類類型拆分成單獨的土類分布圖，共劃分為20類土壤類型。東北地區(qū)的土壤質(zhì)地共有10種情況，將此數(shù)據(jù)劃分成10類進行數(shù)據(jù)分析。通過DEM數(shù)據(jù)生成研究區(qū)域的坡度和坡向數(shù)據(jù)。利用交通路網(wǎng)分布、河流水域分布和中心集鎮(zhèn)分布數(shù)據(jù)生成研究區(qū)域內(nèi)每一個柵格中心點到研究對象最近的距離。所有數(shù)據(jù)都標準化處理為1km的柵格數(shù)據(jù)，輸入到CROPS模型進行分析研究。

圖4 1980～2010年東北地區(qū)耕地空間格局動態(tài)變化

圖5 1980～2010年東北地區(qū)農(nóng)作物空間格局動態(tài)變化

圖4是利用CROPS第一層次模擬的1980～2010年東北三省耕地空間格局動態(tài)變化結(jié)果。圖5是利用CROPS第二層次模擬的1980～2010年東北三省農(nóng)作物空間格局動態(tài)變化結(jié)果。利用2005年的遙感解譯數(shù)據(jù)對CROPS模擬結(jié)果進行精度驗證，結(jié)果表明:第一層次的耕地空間格局模擬精度達到90%，第二層次的農(nóng)作物空間格局模擬精度達到75%。這表明CROPS模型運行良好，可以有效模擬東北三省耕地空間格局和農(nóng)作物空間格局的動態(tài)變化。

4 討論與結(jié)論

農(nóng)作物空間格局動態(tài)變化研究方法總體上包括統(tǒng)計分析法、遙感檢測法和空間模型法。該研究對CLUE-S土地利用變化模擬模型進行了模型框架和模塊重建、參數(shù)本底化和校正，構(gòu)建了多層次模擬的CROPS模型，實現(xiàn)了區(qū)域尺度農(nóng)作物空間格局變化的動態(tài)模擬，模型可以用于大范圍、長時間序列的農(nóng)作物空間格局動態(tài)變化研究，一定程度上解決了統(tǒng)計分析法難以大區(qū)域應用和遙感檢測法的時間頻率不夠的問題。

CROPS模型框架采用了兩層次嵌套模擬的結(jié)構(gòu)，第一個層次通過對不同土地利用類型之間動態(tài)變化的模擬，實現(xiàn)對耕地空間格局動態(tài)變化過程和狀態(tài)的表達，第二層次基于第一層次的模擬輸出的耕地空間格局，實現(xiàn)耕地內(nèi)部的農(nóng)作物空間格局動態(tài)變化的有效模擬。該模型框架很好實現(xiàn)了土地變化科學中的土地利用類型轉(zhuǎn)換或突變 (如草地轉(zhuǎn)耕地或耕地轉(zhuǎn)林地)過程模擬和土地利用類型穩(wěn)定下的漸變 (如農(nóng)作物類型更替)過程模擬的有機整合，在模型構(gòu)建方面具有較強的新穎性。

在CLUE-S模型非空間和空間兩大模塊的基礎(chǔ)上，CROPS空間模塊又包括空間模塊I和空間模塊II。空間模塊I的目的是分析土地利用類型或農(nóng)作物類別的空間分布適宜性、確定兩個層次上的轉(zhuǎn)換規(guī)則、以及轉(zhuǎn)換的區(qū)域性和政策性限制因素?？臻g模塊II為空間分配模塊，基于基期年土地利用類型圖和農(nóng)作物種植格局圖，在空間模塊I基礎(chǔ)上，根據(jù)總概率大小對非空間模塊計算的土地利用需求進行空間分配的過程。東北三省的模型區(qū)域應用結(jié)果表明，CROPS模型總體上模擬效果較好，可以有效模擬東北三省耕地空間格局和農(nóng)作物空間格局的動態(tài)變化。

然而，模型仍然存在一些需要進一步改進地方。雖然模型綜合考慮了自然地理、社會經(jīng)濟等因素對農(nóng)作物空間格局變化的影響，但這種某一時段建立的回歸關(guān)系應用到其它年份會存在一些統(tǒng)計偏差，而且部分微觀農(nóng)戶層面的驅(qū)動因子無法很好的體現(xiàn)。此外，兩層次模擬中第一層次模擬精度對第二層次模擬精度具有重要影響，第二層次農(nóng)作物空間分布真實數(shù)據(jù)的缺失也會造成模擬精度的下降，因此，如何進一步提升第一層次模擬精度也需要進一步深入研究。

［1］唐華俊，吳文斌，楊鵬，等．農(nóng)作物空間格局遙感監(jiān)測研究進展．中國農(nóng)業(yè)科學，2010，43(14):2879～2888

［2］余強毅，吳文斌，楊鵬，等．Agent農(nóng)業(yè)土地變化模型研究進展．生態(tài)學報，2013，33(6):1690～1700

［3］唐華俊，吳文斌，楊鵬，等．土地利用/土地覆被變化 (LUCC)模型研究進展．地理學報，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，蒙紅衛(wèi)，等．農(nóng)作物面積空間抽樣調(diào)查研究進展．中國農(nóng)業(yè)資源與區(qū)劃，2012，33(4):11～16

［7］張莉，吳文斌，楊鵬，等．黑龍江省賓縣農(nóng)作物格局時空變化特征分析．中國農(nóng)業(yè)科學，2013，46(15):3227～3237

［8］張明偉，周清波，陳仲新，等．基于MODIS時序數(shù)據(jù)分析的作物識別方法．中國農(nóng)業(yè)資源與區(qū)劃，2008，29(1):31～35

［9］張莉，吳文斌，左麗君，等．基于EOS/MODIS數(shù)據(jù)的南方水稻面積提取技術(shù)．中國農(nóng)業(yè)資源與區(qū)劃，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］楊莉，楊德剛，張豫芳，等．新疆棉花種植面積時空格局演變特征及驅(qū)動機制研究．中國沙漠，2011，31(2):476～484

［13］吳文斌，楊鵬，談國新，等．基于Logit模型的世界主要作物播種面積變化模擬．地理學報，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］余強毅，吳文斌，唐華俊，等．基于農(nóng)戶行為的農(nóng)作物空間格局變化模擬模型架構(gòu)．中國農(nóng)業(yè)科學，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