王躍輝, 張林波, 郭 楊, 何 萍, 劉偉玲, 杜加強(qiáng), 王麗霞

(1.中國環(huán)境科學(xué)研究院, 北京 100012; 2.國家環(huán)境保護(hù)區(qū)域生態(tài)過程與功能評(píng)估重點(diǎn)實(shí)驗(yàn)室, 北京 100012;3.中國環(huán)境科學(xué)研究院 環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國家重點(diǎn)實(shí)驗(yàn)室, 北京 100012; 4.西南林業(yè)大學(xué) 林學(xué)院, 昆明 650224)

中國六省土地沙漠化敏感性時(shí)空格局與趨勢(shì)分析

王躍輝1,2,3,4, 張林波1,2,3, 郭 楊1,2,3, 何 萍1,2,3, 劉偉玲1,2,3, 杜加強(qiáng)1,2,3, 王麗霞1,2,3

(1.中國環(huán)境科學(xué)研究院, 北京 100012; 2.國家環(huán)境保護(hù)區(qū)域生態(tài)過程與功能評(píng)估重點(diǎn)實(shí)驗(yàn)室, 北京 100012;3.中國環(huán)境科學(xué)研究院 環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國家重點(diǎn)實(shí)驗(yàn)室, 北京 100012; 4.西南林業(yè)大學(xué) 林學(xué)院, 昆明 650224)

以我國新疆維吾爾自治區(qū)、青海省、內(nèi)蒙古自治區(qū)、甘肅省、寧夏回族自治區(qū)和陜西省六省區(qū)為研究區(qū)，分析了1990年、2000年、2005年、2010年4個(gè)時(shí)期的土地沙漠化敏感性空間格局分布和時(shí)間動(dòng)態(tài)變化特征，探討變化成因并采用CA-Markov耦合模型對(duì)土地沙漠化敏感性格局變化趨勢(shì)進(jìn)行預(yù)測(cè)。結(jié)果表明：中國六省四期土地沙漠化敏感性格局相似，各級(jí)敏感區(qū)按分布面積大小排序?yàn)椋狠p度敏感區(qū)域>中度敏感區(qū)域>高度敏感區(qū)域>不敏感區(qū)域>極敏感區(qū)域。極敏感區(qū)域主要分布在土壤質(zhì)地為流動(dòng)沙地的沙漠區(qū)域，不敏感區(qū)域主要分布在高山、湖泊附近；人口增多、人為活動(dòng)強(qiáng)度增加的區(qū)域敏感性程度增高；建立治沙工程的區(qū)域敏感性降低。對(duì)2020年土地沙漠化敏感性格局預(yù)測(cè)結(jié)果顯示，相比2010年，極敏感區(qū)域在原有的基礎(chǔ)上向外圍擴(kuò)張了7 120.04 km2，增幅為4.63%。本文通過分析中國六省土地沙漠化敏感性時(shí)空格局與趨勢(shì)，為中國土地沙漠化防治分區(qū)策略制定和劃分沙漠化擴(kuò)展屏障區(qū)提供科學(xué)依據(jù)。

土地沙漠化; 敏感性; CA-Markov耦合模型; 時(shí)空格局

中國是世界上受沙漠化危害最為嚴(yán)重的國家之一[1]，沙漠化是干旱、半干旱及部分濕潤地區(qū)由于人地關(guān)系不協(xié)調(diào)所造成的以風(fēng)沙活動(dòng)為主要標(biāo)志的土地退化[2]。土地沙漠化敏感性即指由于人類活動(dòng)、氣候變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間分布是實(shí)施生態(tài)環(huán)境分區(qū)管理的一個(gè)重要基礎(chǔ)[4]。

目前國內(nèi)土地沙漠化敏感性評(píng)價(jià)的文獻(xiàn)不多，主要以單個(gè)省或者局部某個(gè)區(qū)域進(jìn)行土地沙漠化敏感性評(píng)價(jià)，例如劉康等[4]以甘肅省為對(duì)象，選擇濕潤指數(shù)、大風(fēng)天數(shù)、土壤質(zhì)地和冬春季地表植被覆蓋度4因子作為評(píng)價(jià)指標(biāo)，通過地理信息系統(tǒng)技術(shù)對(duì)土地沙漠化敏感性進(jìn)行綜合評(píng)價(jià)并對(duì)單因子敏感性和綜合敏感性的空間分布格局進(jìn)行了分析；趙明月等[3]以青海湖流域?yàn)檠芯繀^(qū)，根據(jù)《生態(tài)功能區(qū)劃技術(shù)暫行規(guī)程》對(duì)土地沙漠化敏感性進(jìn)行綜合評(píng)價(jià)。周利軍等從自然因素和人為因素兩個(gè)角度出發(fā)，對(duì)黑龍江省西南部土地沙漠化敏感性進(jìn)行了評(píng)價(jià)[5]。迄今為止，還沒有關(guān)于我國荒漠化潛在發(fā)生區(qū)(中國六省)土地沙漠化敏感性評(píng)價(jià)的文獻(xiàn)。因此，本文通過分析1990年、2000年、2005年、2010年中國六省土地沙漠化敏感性的空間格局與變化規(guī)律，對(duì)該區(qū)域四個(gè)時(shí)期的土地沙漠化敏感性進(jìn)行綜合評(píng)價(jià)并采用CA-Markov耦合模型預(yù)測(cè)2020年的土地沙漠化敏感性，為中國六省辨識(shí)土地沙漠化重點(diǎn)防治區(qū)域、制定相關(guān)生態(tài)區(qū)劃方案和提出相關(guān)政策建議提供科學(xué)依據(jù)。

1 研究區(qū)概況

研究區(qū)為中國新疆維吾爾自治區(qū)、青海省、內(nèi)蒙古自治區(qū)、甘肅省、寧夏回族自治區(qū)和陜西省，地理位置介于75°—126°E，31°—53°N，面積約占中國陸地面積的43%，是連接歐亞各國的交通要道。研究區(qū)還處在我國的溫帶草原—黑鈣土、栗鈣土帶和溫帶荒漠—棕漠土、灰棕漠土帶[6]，是沙漠的聚集地帶，雖然自然資源豐富，但氣候干旱，水資源貧乏，人口稀少，少數(shù)民族比重大，交通不便，生物產(chǎn)量低，生態(tài)環(huán)境脆弱。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

全國1∶10萬的沙漠化土地?cái)?shù)據(jù)和中國地區(qū)長時(shí)間序列GIMMS植被指數(shù)數(shù)據(jù)集來源于寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心，1990—2010年中國六省范圍內(nèi)212個(gè)氣象站點(diǎn)的日值氣候數(shù)據(jù)集自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)，其中新疆56個(gè)、青海省39個(gè)、甘肅省34個(gè)、寧夏10個(gè)、內(nèi)蒙古52個(gè)、陜西省21個(gè),具體分布情況見圖1，全國土壤粒度分布數(shù)據(jù)來自北京師范大學(xué)土地大氣交互研究小組，MODIS 250 m分辨率的NDVI數(shù)據(jù)(MOD13Q1)來自于NASA-MODIS網(wǎng)站(圖1)。

圖1 中國六省氣象站點(diǎn)分布示意圖

2.2土地沙漠化敏感性評(píng)價(jià)因子的選擇

沙漠為自然因素所形成，發(fā)生在第四紀(jì)時(shí)期[7]，沙漠化土地是各種自然因素和人為因素相互作用的結(jié)果[8]，是一個(gè)復(fù)雜的土地退化過程[9]。確定人為因素和自然因素在沙漠化過程中的作用、沙漠化以風(fēng)沙活動(dòng)為主要指標(biāo)的多層次綜合指征體系[10-11]是目前土地沙漠化研究的主要內(nèi)容之一。土地沙漠化敏感性即指在自然條件下由于人類活動(dòng)引起土地沙漠化的可能性大小, 研究其敏感程度和空間分布，是實(shí)施生態(tài)環(huán)境分區(qū)管理的一個(gè)重要基礎(chǔ)。張國平等研究表明，區(qū)域土地沙漠化敏感性可以用濕潤指數(shù)、土壤質(zhì)地及起沙風(fēng)的天數(shù)、冬春季地表植被覆蓋度等來評(píng)價(jià)[12]。鑒于我國土地沙漠化地區(qū)風(fēng)的季節(jié)以冬春季節(jié)為主,而風(fēng)速又只有在超過某一臨界值的情況下才有可能吹揚(yáng)和搬運(yùn)土壤中的顆粒物質(zhì)至空中,進(jìn)而影響該區(qū)域土地沙漠化敏感性,因此本文采用濕潤指數(shù)、冬春季大于6 m/s大風(fēng)天數(shù)、土壤質(zhì)地、冬春季節(jié)植被覆蓋度作為自然因素，景觀破碎度為人為因素來綜合評(píng)價(jià)1990年、2000年、2005年、2010年中國六省區(qū)域土地沙漠化敏感性。具體指標(biāo)和分級(jí)標(biāo)準(zhǔn)見表1。

表1 土地沙漠化敏感性評(píng)價(jià)指標(biāo)及其分級(jí)標(biāo)準(zhǔn)

2.3 土地沙漠化敏感性評(píng)價(jià)因子的計(jì)算方法

(1) 自然因素。濕潤指數(shù)(wetness index)為衡量濕潤程度的表示法，是干燥指數(shù)的倒數(shù),其與土地沙漠化敏感性程度成反比。本文采用修正的謝良尼諾夫公式計(jì)算干燥度[4]：k=0.16∑t/r，式中K為干燥度，16∑t為日平均氣溫≥10℃期間的穩(wěn)定積溫，r為同時(shí)期的降雨量。通過編程處理中國六省212個(gè)氣象站點(diǎn)的日值氣候數(shù)據(jù)，統(tǒng)計(jì)出1990—2010年每年各站點(diǎn)濕潤指數(shù)和冬春季大于6 m/s的大風(fēng)天數(shù)，通過反向距離插值和分類處理，得到中國六省濕潤指數(shù)和大風(fēng)天數(shù)的空間分布圖。土壤質(zhì)地的土地沙漠化敏感性分布圖的計(jì)算方法:根據(jù)全國1∶10萬沙漠化土地圖以及土壤粒度分布圖，以國際制土壤質(zhì)地標(biāo)準(zhǔn)分類為參考基準(zhǔn)[13-14]，通過表1的標(biāo)準(zhǔn)計(jì)算得到。植被覆蓋度的土地沙漠化敏感性空間分布圖的計(jì)算方法：主要參考植被覆蓋度圖，根據(jù)表1的標(biāo)準(zhǔn)計(jì)算得出，其中為進(jìn)一步消除云層、顆粒物、視角及太陽高度對(duì)NDVI植被覆蓋數(shù)據(jù)的影響，采用國際上慣用的最大值合成法,對(duì)中國六省的NDVI半月數(shù)據(jù)進(jìn)行最大化處理[15]，而1990年的NDVI植被覆蓋數(shù)據(jù)通過MODIS與GIMMS數(shù)據(jù)插補(bǔ)得到。插補(bǔ)方法為：利用GIMMS NDVI和MODISNDVI重疊年份2000—2006各月的值，確定兩數(shù)據(jù)的相關(guān)性，并建立兩數(shù)據(jù)集之間的線性回歸方程；根據(jù)1990—2000年GIMMS數(shù)據(jù)和一元線性回歸方程，推算出1990—2000年的MODIS數(shù)據(jù)。

(2) 人為因素。人為因素是沙漠化過程中的活躍和主要因素[11]，人類不合理的經(jīng)濟(jì)活動(dòng)直接導(dǎo)致了景觀破碎化，景觀破碎度指數(shù)是指某景觀類型在特定時(shí)間里和特定性質(zhì)上的破碎化程度，在一定程度上反映了人類對(duì)土地沙漠化的影響強(qiáng)度。本文通過ArcGIS 10.0建立空間網(wǎng)格，并利用Fragstats 4.1軟件計(jì)算每個(gè)網(wǎng)格內(nèi)的破碎化指數(shù),建立景觀破碎度指數(shù)因子圖。

(3) 綜合土地沙漠化敏感性評(píng)價(jià)。對(duì)于自然因子的評(píng)價(jià)指標(biāo)用幾何算術(shù)平均數(shù)法，計(jì)算方法如下：

式中：DSj——j空間單元土地沙漠化敏感性指數(shù)；Di——i因素敏感性等級(jí)值。對(duì)于土地沙漠化敏感性評(píng)價(jià)結(jié)果按照自然因素和人為因素平均加權(quán)求和的方法實(shí)現(xiàn)。

2.4 CA-Markov模型方法應(yīng)用

Markov與CA均為時(shí)間離散、狀態(tài)離散的動(dòng)力學(xué)模型，Markov主要通過對(duì)不同狀態(tài)的初始概率及狀態(tài)之間的轉(zhuǎn)移概率關(guān)系, 來確定狀態(tài)的變化趨勢(shì)，以達(dá)預(yù)測(cè)的目的[16]，但該預(yù)測(cè)法沒有空間變量，而CA的狀態(tài)變量則與空間位置緊密相連[17]。馬爾科夫(Markov)模型在土地利用格局變化建模中廣泛應(yīng)用[18]，而元胞自動(dòng)機(jī)(CA)模型具有強(qiáng)大的空間運(yùn)算能力，可以有效地模擬系統(tǒng)的空間變化[19]。CA-Markov模型綜合了CA模型模擬復(fù)雜系統(tǒng)空間變化的能力和Markov模型長期預(yù)測(cè)的優(yōu)勢(shì)，用其預(yù)測(cè)土地沙漠敏感格局變化，不僅提高了類型轉(zhuǎn)化的精度，而且對(duì)元胞的局部相互作用可以有效的模擬，具有較強(qiáng)的科學(xué)性與實(shí)用性[20]。在土地沙漠化敏感性柵格圖中，每一個(gè)柵格代表一個(gè)元胞，每個(gè)元胞的土地敏感類型為元胞的狀態(tài)。通過面積轉(zhuǎn)換矩陣和條件概率圖，確定元胞狀態(tài)的轉(zhuǎn)移[21]，模擬土地沙漠化敏感性格局的變化。根據(jù)濕潤指數(shù)、大風(fēng)天數(shù)、土壤質(zhì)地、植被覆蓋度的變化，建立土地沙漠化敏感性的適宜性圖集；通過CA-Markov模型生成土地沙漠化敏感性格局轉(zhuǎn)移概率矩陣，采用5×5均值濾波器進(jìn)行預(yù)測(cè)模擬。采用修正的Lee-Sallee形狀指數(shù)對(duì)預(yù)測(cè)結(jié)果進(jìn)行模擬精度驗(yàn)證。修正的Lee-Sallee形狀指數(shù)值為0.3～0.7時(shí)，結(jié)果可接受。具體表達(dá)式[22]為：

式中：L——修正的Lee-Sallee指數(shù)，取值范圍[0，1]；A0——真實(shí)年份的土地沙漠化敏感性格局圖；A1——模擬的土地沙漠化敏感性格局圖。分析該研究區(qū)1990—2010年土地沙漠化敏感性綜合指數(shù)的空間格局并用CA-Markov耦合模型預(yù)測(cè)2020年的土地沙漠化敏感性格局，揭示30 a尺度該區(qū)域的土地沙漠化敏感性格局變化的特點(diǎn)和規(guī)律。

3 土地沙漠化敏感性格局分析與評(píng)價(jià)

利用ArcGIS 10.0軟件,將1990年、2000年、2005年、2010年的自然因子與人為因子進(jìn)行空間疊加,根據(jù)上述研究方法獲得中國六省四期土地沙漠化敏感性格局分布圖(見圖2)。

利用ArcGIS 10.0的分區(qū)統(tǒng)計(jì)工具，統(tǒng)計(jì)1990年、2000年、2005年、2010年中國六省土地沙漠化敏感性格局分布柵格圖，獲得該區(qū)域的土地沙漠化敏感性格局分布，詳見表2。

圖2 不同年份中國六省土地沙漠化敏感性空間格局分布

指標(biāo)1900年面積/km2百分比/%2000年面積/km2百分比/%2005年面積/km2百分比/%2010年面積/km2百分比/%不敏感 378561.59.11344405.98.29468779.611.28452300.710.88輕度敏感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極敏感 1510313.63152771.93.68173135.94.17153716.93.70

從圖2和表2可以得出，輕度敏感區(qū)域占的比例最大，極度敏感區(qū)域最少。1990—2010年，面積增加的區(qū)域?yàn)楦叨让舾袇^(qū)、不敏感區(qū)和極敏感區(qū)，其中高度敏感區(qū)增加的速度最快。雖然四期的土地沙漠化敏感性格局分布大致區(qū)位相同，但是隨著每年氣候和植被覆蓋度的變化，土地沙漠化敏感性格局分布也受到了一定影響。變化較為明顯的為內(nèi)蒙古東北角，2000年該處不敏感區(qū)域分布較少，而1990年、2005年與2010年則大面積分布，直接原因是該地區(qū)2000年的降雨量減少所致，相比1990年、2005年和2010年降水量平均減少了132.6 mm，145.8 mm和120.9 mm；內(nèi)蒙古呼倫湖區(qū)域1990年敏感性為中度敏感，而2000年、2005年、2010年均為高度敏感，變化的主要原因是該地區(qū)此后三期的積溫增加所致；2010年塔里木盆地中部和東北地區(qū)出現(xiàn)了極敏感區(qū)域分布，是因?yàn)樵搮^(qū)域2010年的風(fēng)數(shù)敏感性從不敏感變?yōu)楦叨让舾?、濕潤指?shù)從高度敏感變?yōu)榱藰O敏感。甘肅的環(huán)縣地區(qū)以西從1990年、2000年、2005年的輕度敏感變到了2010年的不敏感，其變化的主導(dǎo)原因是植被覆蓋度的變化，2010年植被覆蓋度顯著提高。由上述分析可知，濕潤指數(shù)、大風(fēng)天數(shù)、植被覆蓋度的變化直接影響著綜合土地沙漠化敏感性的空間分布變化，而土壤質(zhì)地在大風(fēng)天數(shù)的影響下也會(huì)相應(yīng)影響最終結(jié)果的變化，例如：大多數(shù)極敏感區(qū)域的土壤質(zhì)地為流動(dòng)沙地，隨著大風(fēng)天數(shù)的增加，發(fā)生沙漠化的可能性也會(huì)增大。

甘肅的環(huán)縣地區(qū)以西從1990年、2000年、2005年的輕度敏感變到了2010年的不敏感，其直接原因是環(huán)縣地區(qū)實(shí)施了退耕還林、荒山造林、封山綠化等生態(tài)工程,并不斷擴(kuò)大工程規(guī)模,提高了工程質(zhì)量，人為活動(dòng)強(qiáng)度降低，破碎度指數(shù)減少。但是不良的人為因素也會(huì)使得土地沙漠化敏感性升高，竺可楨教授曾提出：要注意“由于人為的原因把不應(yīng)該成為沙漠的地方破壞成為沙漠”[11]，“濫伐森林、過度放牧、破壞草地、盲目開墾等會(huì)引起荒漠”。甘肅省民勤縣2000—2010年極敏感區(qū)域增加了994.93 km2，增加的比例約占全縣面積的0.6%，遠(yuǎn)高于中國六省同時(shí)期極敏感區(qū)域增加的比例0.02%。經(jīng)過查閱資料發(fā)現(xiàn)[23]，該區(qū)屬于溫帶大陸性極干旱氣候，西、北、東三面被巴丹吉林和騰格里兩大沙漠包圍，三面環(huán)沙，具有明顯的蒙新沙漠氣候特征，冬冷夏熱、降水稀少、光照充足、晝夜溫差大，年均降水量110 mm，蒸發(fā)量高達(dá)2 644 mm，是降水的24倍。根據(jù)全國人口普查數(shù)據(jù)表示，民勤縣1998年人口為28萬，而2004年則突破到33萬人次。人口大增，導(dǎo)致水資源和荒地的大量開發(fā)，加劇了民勤縣的生態(tài)環(huán)境惡化，最終導(dǎo)致了土地沙漠化極敏感性面積的增加。民勤縣由于人口大增，超出了水資源的承載能力，導(dǎo)致對(duì)水資源和荒地大量開發(fā)，過度放牧，破壞草場(chǎng)，造成大量的草場(chǎng)成為了沙地，使得民勤縣的極敏感區(qū)域面積1990—2010年迅速增加。

由此可知，1990年、2000年、2005年、2010年中國六省土地沙漠化敏感性格局的分布都存在一定的規(guī)律：不敏感區(qū)域大都分布在山川、湖泊附近，而輕度敏感區(qū)域大都分布在不敏感區(qū)域的緩沖區(qū)范圍內(nèi)，中度敏感地區(qū)大都分布在與沙漠臨近的地方，極敏感區(qū)

域分布在沙漠的聚集處，比如在塔里木盆地與柴達(dá)木盆地中間的庫姆塔格沙漠、在巴丹吉林沙漠和毛烏素沙地之間的庫布齊沙漠；除了自然因素的變化對(duì)土地沙漠化敏感性格局有一定影響外，局部地區(qū)的人為因素對(duì)土地沙漠化敏感性格局分布也產(chǎn)生了相應(yīng)的影響，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、葉爾羌河流域雖然分布在高度敏感、極敏感區(qū)域，但是因?yàn)楸举|(zhì)特征和塔里木河連年不斷的定期輸水的人為因素影響，使得流域范圍內(nèi)的生態(tài)環(huán)境得到了改善，尤其是和田河流域的胡楊林茁壯成長，使該區(qū)域從2000年輸水工程建設(shè)以來到2010年一直為中度敏感地區(qū)，甚至為輕度敏感地區(qū)；內(nèi)蒙古草原生態(tài)安全帶工程的建設(shè)，使得陰山以北，大興安嶺以西，烏拉特后旗西界以東的廣大地區(qū)的土地沙漠化敏感性程度大大減低，這其中包括了草甸、草原、渾善達(dá)克沙地等區(qū)域；享譽(yù)世界的寧夏中衛(wèi)沙坡頭治沙工程也成功阻擋了騰格里沙漠的東移。

4 土地沙漠化敏感格局變化趨勢(shì)預(yù)測(cè)

通過上述分析認(rèn)為，從自然因素和人為因素兩個(gè)方面分析土地沙漠化敏感性格局的分布是較為合理的一種方法。也就是說既要考慮整體因素的影響，又不能舍棄人為因素對(duì)局部地區(qū)的影響，只有綜合考慮才能更加準(zhǔn)確地解釋土地沙漠化敏感性格局的分布規(guī)律。因此，采用CA-Markov耦合模型預(yù)測(cè)土地沙漠化敏感性格局。

為了驗(yàn)證模型的精度，利用2000年和2005年的土地沙漠化敏感性格局分布圖模擬2010年的土地沙漠化敏感性格局分布圖，計(jì)算Lee-Sallee指數(shù)為0.857，說明模型具有較高的精度，也說明采用CA-Markov模型進(jìn)行模擬研究時(shí)設(shè)置的參數(shù)準(zhǔn)確、規(guī)則合理。利用CA-Markov耦合模型預(yù)測(cè)2020年中國六省土地沙漠化敏感性格局。首先，計(jì)算2000年和2010年的土地沙漠化敏感性格局轉(zhuǎn)移概率矩陣，見表3。

表3 2000-2010年土地沙漠化敏感性格局轉(zhuǎn)移概率矩陣

在CA-Markov模塊中設(shè)置起始年份為2010年，輸入土地沙漠化敏感性格局適宜性圖集，采用5×5的濾波器，循環(huán)次數(shù)為10，模擬出2020年中國六省土地沙漠化敏感性格局分布圖和中國六省土地沙漠化敏感性格局變化見表4。由表4可以知，按目前的趨勢(shì)發(fā)展下去,到2020年不敏感地區(qū)和極敏感地區(qū)的面積將繼續(xù)增加，與2010年相比，增加面積分別為143.86，7 120.04 km2，增幅為0.003%和4.63%。對(duì)比2010年和2020年的土地沙漠化敏感格局分布圖可以看出，2020年極敏感區(qū)域主要是在2010年原敏感區(qū)域的基礎(chǔ)上向外圍擴(kuò)張，集中在塔里木盆地中部、庫姆塔格沙漠、柴達(dá)木盆地、巴丹吉林沙漠附近。2020年極敏感區(qū)域增加的地區(qū)主要為：新疆的岳普湖縣、英吉沙縣、麥蓋提縣、且末縣、尉犁縣、若羌縣，內(nèi)蒙古的額濟(jì)納旗、阿拉善右旗、阿拉善左旗、甘肅省的肅北蒙古族自治縣、瓜州縣、敦煌市、民勤縣和青海的海西蒙古族藏族自治州、格爾木市。預(yù)測(cè)數(shù)據(jù)表明，該區(qū)域2020年土地沙漠化極敏感性面積將會(huì)增大，進(jìn)而造成土地資源的退化，土地生產(chǎn)力的下降，風(fēng)沙日風(fēng)塵暴增加，致使生態(tài)環(huán)境惡化。

表4 2010-2020年中國六省土地沙漠化敏感性格局變化

5 結(jié) 論

1990—2020年中國六省土地沙漠化敏感性格局分布相似，對(duì)各級(jí)敏感區(qū)域進(jìn)行面積統(tǒng)計(jì)并由大到小排序:輕度敏感區(qū)域>中度敏感區(qū)域>高度敏感區(qū)域>不敏感區(qū)域>極敏感區(qū)域。不敏感區(qū)域分布在大興安嶺東北部、渭河以南、昆侖山、天山、阿爾泰山附近；輕度敏感區(qū)分布在青海省南部三江源自然保護(hù)區(qū)附近、阿尼瑪卿山南部、黃土高原南部、不敏感區(qū)域附近；中度敏感區(qū)域主要分布在塔里木盆地的東部、柴達(dá)木盆地東部、準(zhǔn)噶爾盆地附近；高度敏感區(qū)域多數(shù)分布在塔克拉瑪干沙漠、古爾班通古特沙漠、巴丹吉林沙漠和渾善達(dá)克沙地附近；極敏感區(qū)域主要分布在塔克拉瑪干沙漠、庫姆塔格沙漠、巴丹吉林沙漠、烏蘭布和沙漠、騰格里沙漠——土壤質(zhì)地為流動(dòng)沙地的沙漠區(qū)域和柴達(dá)木盆地西北區(qū)域，這些區(qū)域冬季均受蒙古高壓極地大陸氣團(tuán)東北季風(fēng)的影響。1990—2010年，面積增加的區(qū)域?yàn)椴幻舾袇^(qū)和高度敏感區(qū)、極敏感區(qū)，所占研究區(qū)比例分別增加了1.77%，8.23%，0.07%，增加面積約為7.4萬km2、34.2萬km2、0.3萬km2。通過CA-Markov模型預(yù)測(cè)2020年的土地沙漠化敏感性格局分布圖發(fā)現(xiàn)，相比1990年，極敏感區(qū)域?qū)?huì)在原有的基礎(chǔ)上向外圍擴(kuò)張，增加面積為9 805.9 km2，所占研究區(qū)比例增加了0.24%。本文通過分析中國六省土地沙漠化時(shí)空敏感性格局與趨勢(shì)，闡述了該區(qū)域土地沙漠化敏感性格局的分布規(guī)律和擴(kuò)張?zhí)攸c(diǎn)，對(duì)中國土地沙漠化防治策略和劃分沙漠化擴(kuò)展屏障區(qū)提供了科學(xué)依據(jù)，并得出以下結(jié)論：

(1) 中國六省土地沙漠化敏感性區(qū)域中，極敏感區(qū)域主要分布在土壤質(zhì)地為流動(dòng)沙地的沙漠區(qū)域附近；不敏感區(qū)域則分布在高山、湖泊區(qū)域附近。

(2) 區(qū)域降雨量的增加、大風(fēng)天數(shù)的減少、退耕還林退牧還草工程、草原沙化防治工程等生態(tài)工程的建立有效降低了土地沙漠化的敏感性；但是蒸發(fā)量過大、人口猛增、過度開發(fā)水資源、被過度利用土地自然資源的區(qū)域，土地沙漠化敏感性將會(huì)增強(qiáng)，這種由于人為破壞造成的土地沙化的地區(qū)生態(tài)環(huán)境很難恢復(fù)。

(3) 需要建立一套完善的政策體系，建立約束和制衡機(jī)制、合理的資源分配制度，減少人口猛增、草原過度利用和水資源的過度開發(fā)對(duì)生態(tài)環(huán)境的破壞。

[1] 高尚武,王葆芳,朱靈益,等.中國沙質(zhì)荒漠化土地監(jiān)測(cè)評(píng)價(jià)指標(biāo)體系[J].林業(yè)科學(xué),1998,34(2):1-10.

[2] 王濤,朱震達(dá).我國沙漠化研究的若干問題:沙漠化的概念及其內(nèi)涵[J].中國沙漠,2003,23(3):209-214.

[3] 趙明月,趙文武,靳婷,等.青海湖流域土地沙漠化敏感性評(píng)價(jià)[J].中國農(nóng)學(xué)通報(bào),2012,28(32):237-242.

[4] 劉康,徐衛(wèi)華,歐陽志云,等.基于GIS的甘肅省土地沙漠化敏感性評(píng)價(jià)[J].水土保持通報(bào),2002,22(5):29-35.

[5] 周利軍,張淑花.黑龍江省西南部土地沙漠化敏感性評(píng)價(jià)[J].中國農(nóng)學(xué)通報(bào),2009,25(21):324-327.

[6] 劉明光.中國自然地理圖集[M].北京：中國地圖出版社,2011:177-188.

[7] 朱震達(dá),劉恕.關(guān)于沙漠化概念及其發(fā)展程度的判斷[J].中國沙漠,1984,4(3):2-8.

[8] 阿如旱,楊持,王金榮,等.內(nèi)蒙古多倫縣沙漠化土地時(shí)空變化特征[J].水土保持研究,2010,17(4):207-221.

[9] 朱震達(dá),王濤.中國沙漠化研究的理論與實(shí)踐[J].第四紀(jì)研究,1992,92(2):97-106.

[10] 王濤,趙哈林,肖洪浪.中國沙漠化研究的進(jìn)展[J].中國沙漠,1999,19(4):299-311.

[11] 王濤,趙哈林.中國沙漠科學(xué)的五十年[J].中國沙漠,2005,25(2):145-165.

[12] 張國平,張?jiān)鱿?劉紀(jì)遠(yuǎn).中國土壤風(fēng)力侵蝕空間格局及驅(qū)動(dòng)因子分析[J].地理學(xué)報(bào),2001,56(2):146-157.

[13] 伍光和,王乃昂,胡雙熙,等.自然地理學(xué)[M]4版,高等教育出版社,2002.

[14] 孫向陽.土壤學(xué)[M].北京:中國林業(yè)出版社,2008.

[15] 杜加強(qiáng),舒儉民,張林波.1982—2006年黃南州NDVI年際變化及其氣候的關(guān)系[J].水土保持通報(bào),2010,30(4):229-233.

[16] 劉家福,王平,李京,等.基于 Markov模型的長嶺縣土地利用時(shí)空變化研究[J].水土保持研究,2009,16(3):16-19.

[17] 汪雪格.吉林西部生態(tài)景觀格局變化與空間優(yōu)化研究[D].長春:吉林大學(xué),2008.

[18] 劉耀林,劉艷芳,張玉梅.基于灰色一馬爾柯夫鏈預(yù)測(cè)模型的耕地需求量預(yù)測(cè)研究[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2004,29(7):575-579.

[19] 劉繼生,陳彥光.基于GIS的細(xì)胞自動(dòng)機(jī)模型與人地關(guān)系的復(fù)雜性探討[J].地理研究,2002,21(2):155-162.

[20] 楊國清,劉耀林,吳志峰.基于CA-Markov模型的土地利用格局變化研究[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2007,32(5):414-415.

[21] 楊國清,吳志峰,祝國瑞.廣州地區(qū)土地利用景觀格局變化研究[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(5):218-221.

[22] 徐昔保.基于GIS與元胞自動(dòng)機(jī)的城市土地利用動(dòng)態(tài)演化模擬與優(yōu)化研究:以蘭州市為例[D].蘭州:蘭州大學(xué),2007.

[23] 劉拓,張克斌,林瓊,等.中國土地沙漠化防治策略[M].北京:中國林業(yè)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

國家環(huán)保公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)“我國國土生態(tài)安全格局構(gòu)建關(guān)鍵技術(shù)與保護(hù)戰(zhàn)略研究”(201209027-5)

王躍輝(1985—),男,河南封丘人,碩士生,研究方向:地理信息系統(tǒng)開發(fā)與設(shè)計(jì)。E-mail:yhwang1211@163.com

張林波(1969—),男,山東日照人,研究員,研究方向:城市生態(tài)、景觀生態(tài)研究。E-mail:zhanglb@craes.org.cn

S288

：A

：1005-3409(2014)05-0132-06