基于农户决策的农业土地系统变化模型研究

发布时间：2019-09-17 18:45

【摘要】：模型是研究农业土地系统及其变化的主要方法，已有模型研究存在的不足表现在：第一，对“农业土地系统”的概念认识不够；第二，对农业土地系统变化过程中的人类决策行为认识不够。针对这两点不足，本研究根据农业土地系统概念（即土地权属、农作物格局、农业集约化），选取黑龙江省宾县的3个乡镇为研究区域开展农户调查，从人类决策行为的角度出发，研究农业土地系统变化过程及机理机制，并在此基础上开发设计一个具有自主知识产权的Agent农业土地系统变化动态模拟模型（CroPaDy）。主要研究结论及创新点如下： (1)利用文献综述方法梳理Agent农业土地变化模型（农业ABM/LUCC）的最新研究进展，为模型构建提供依据。科学表达农户决策始终是构建农业ABM/LUCC的核心内容，但当前农业ABM/LUCC一般基于农户属性构建决策模型，很大程度上忽略了态度在决策过程中的作用。CroPaDy将创新性的利用农户态度建模。 (2)利用农户调查获取的土地利用决策信息分析农业土地系统的时空特征：研究区土地流转普遍发生，户均土地面积由1980年代初期的1.3公顷增加至2010年代初期的2.6公顷，未来土地流转将更为普遍；作物选择表现出多样性减少（小麦、高粱、谷子等不再被种植），以及主导性增加的趋势（玉米面积持续扩大）；灌溉条件格局与河流的分布极为相关，而农资投入（包括种子、农药、化肥）、土地流转、以及作物选择的空间的格局与道路通达性相关。 (3)利用“农户态度得分”分析农业土地系统变化的驱动机制：首先对各因子的得分进行累加并排序，直观判断各因子对土地流转与作物选择的影响程度；其次利用二元logit回归模型定量表达农户态度与其真实决策之间的统计关系。logit模型具有显著性统计关系的因子多数累加得分较高，表明大多数被农户认为重要的因子对其真实的行为产生了影响。其中，内部因素是影响土地流转的重要因素，而作物选择主要受外部因素的影响。 (4) CroPaDy模型严格依据“ODD程序”等标准化程序进行设计。概念化方面，将模型设计成一个闭合的环路（驱动因素分析—决策过程分析—行为结果分析），并将农户态度作为影响决策行为的关键驱动机制；计算化方面，将模型设计成Agent生成模块、分类模块、以及决策模块3大相互联动的子模块。建模过程采用蒙特卡洛方法、聚类分析方法、人工神经网络方法、概率方法等诸多方法，确保模拟细节的体现。 (5)将空间耕地网格作为个体Agent，，利用MATLAB编程技术实现模型模拟与参数调试，并在ArcGIS环境下，完成模拟结果的空间展示与分析：研究区2010年与2015年的土地流转率分别为51.85%与58.90%，且空间上看，新甸镇略高，模拟结果与时空特征分析结果基本保持一致；研究区2010年玉米、水稻、大豆、烤烟的模拟结果分别为26055.9、3506.75、5192.2、3983.85（公顷），利用《宾县统计年鉴2010》进行验证，模型总体模拟精度达90%以上。
【图文】：

农业土地,学科领域

科学院博士学位论文第农业土地系统地系统（Land system）是基于土地覆盖与土地利用提出的一个全新概念（Reenberg包括土地覆盖与土地利用的共同内涵（Turner II et al.，2013），而且包括与土地能与效应的综合（如，经济效益、社会效益、生态系统服务等）（Verburg etal.，d Ewert（2011）将农业系统（Agricultural system）定义为人类主导管理的土地利农业土地系统可以认为是农业系统与土地系统的结合部分，即，人类利用耕地从及其结果。综上可以看出，农业土地系统与诸多学科领域紧密联系，需要利用学isciplinary）的视角开展相关研究（图 1-1）。

影像,农业土地,空格,地面观测

图 1-2 农业土地系统时空格局探测主要研究方法与研究内容Fig. 1-2 Methods, data, tools and the research content for agricultural land system studies除遥感数据外，地面观测数据与统计数据也能够在一定程度上反映农业土地系统时空格局。Tao et al.（2012）利用地面观测数据模拟了中国冬小麦物候变化的时空特征；利用统计数据，张莉等（2013）分析了黑龙江省宾县过去 15 年农作物种植结构空间变化规律，Lobell etal（.2011）分析了气候变化影响下全球作物产量的时空格局特征。以现有耕地数据集为基础，多源数据/方法的集成研究是当前时空格局研究的一个重要趋势。一些研究结合历史资料，完成 300 年前甚至更久时期的耕地数据重建（表 1-2）；另外一些研究结合综合模拟方法，进一步表达农业土地系统内部时空分布特征（如集约化、农业生产能力等，图 1-2）。部分成果已经制作成专题数据集，供后续研究使用（表 1-2）。不同数据源之间的差异（如尺度、精度、采集方法等）会影响多源数据的应用过程（Verburget al.，2011），例如遥感数据获取的耕地面积可能与统计数据耕地面积数量不一致（Frolking etal.，1999），不同耕地数据集采取的土地利用分类规则也可能不相同（Herold et al.，2008）。针对此问题，吴文斌等（2009）以中国 NLCD 耕地数据集为参考，对比了四类 1km 分辨率全球土地覆盖数据集在中国区域的制图精度；Yangetal.（2007）利用地面数据与 TM 影像解译结果评价了 MODIS 数据产品在中国华北平原地区的数据精度。这些研究结果不仅帮助数据用户根
【学位授予单位】：中国农业科学院
【学位级别】：博士
【学位授予年份】：2013
【分类号】：F301.2;N945.12

【参考文献】