【战略前沿】推进土地变化建模:机遇与研究需求
来源: http://www.nap.edu/catalog.php?record_id=18385
被阅读 1595 次
2015-01-05

作者介绍

土地变化建模需要与研究需求委员会;地理科学委员会;地球科学与资源委员会(BESR);地球与生命研究处(DELS);国家研究委员会

描述

人们不断地通过建筑、农业、能源生产以及其他活动改变土地表面。无论是发生在人们如何利用土地(土地利用)方面的变化,还是发生在植被、岩石、建筑物及其他物理材料对地球表面覆盖(土地覆盖)方面的变化,都能利用土地变化模型(LCMs)对土地现状进行描述,也能对未来土地变化进行预估。LCMs是了解人类在过去与当前如何重塑地球表面、预测未来景观状况,并可以从小至城市中的单块土地到大至世界上广袤森林的不同尺度上为资源利用与环境管理制定政策的一个关键手段。

推进土地变化建模:机遇与研究需求描述了各种土地变化模型的途径,对它们的合理应用提供了指南建议,并提出了将整合观测战略纳入模型的改进建议。本报告提供了几种建模方法的概要与评估,以及它们的理论与实证基础,涉及到相对复杂的土地变化动力学过程,指出了与LCM行当相关的进一步推进科学、数据、网络基础设施方面的一些机遇。由于可用的模型太多,与其对具体模型进行评论,本报告重点描述所选途径的类别,并配以案例。此外,由于所有的建模途径具有相对的优点和不足,本报告根据相对不同的目的,比较了这些途径。为评估未来的数据和研究的需要开展的推进土地变化建模的建议,能够使模型产出更好地为科研、政策及社区决策提供支撑。

引用建议

美国国家研究委员会,推进土地变化建模:机遇与研究需求

华盛顿特区:美国国家学术出版社,2014

 

摘 要

人们不断地通过建筑、农业、能源生产以及其他活动改变土地表面。无论是发生在人们如何利用土地(土地利用)方面的变化,还是发生在植被、岩石、建筑物及其他物理材料对地球表面覆盖(土地覆盖)方面的变化,都能被土地变化模型(LCMs)描述出来,LCMs还能预估未来的土地变化。LCMs是理解人类在过去与当前如何重塑地球表面、预报未来景观状况,并可以从小至城市中的单块土地到大至世界上广袤森林的不同尺度上为资源利用与环境管理制定政策的一个关键手段。

美国地球资源卫星(Landsat)提供了非常宝贵的40年全球土地覆盖变化纪录,将之输入到LCMs中,就能产生新的科学见解并支持政策制定,范围涉及农业、区域规划以及灾害救援等领域。近期新型土地观测与监测数据、模型方法和计算基础设施在数量和类型上爆炸式增长,迎来了新一代LCMs,能够提供与人类--环境系统越来越多细节相关的新应用。各种建模途径已经被开发出来,每一种都有不同的优点、不足以及应用。然而,随着人们日益认识到人类活动在影响地球系统变化,为评价和预报这些影响产生了更多的需求,同时,有更多种类的数据源可用,现在根据不同类型的应用,评估这些途径及相对价值是非常及时的。

应美国地质勘测局和美国航空航天局的请求,美国国家研究委员会(NRC)成立了一个委员会来描述各种LCM的途径,建议合理的应用指南并描述了将整合观测战略纳入模型的改进方式(完整的委员会章程见专栏S.1)。为履行职责,该委员会通过委员会会议、一次研讨会,以及在线调查问卷,收集了LCM界利益相关者的输入信息。基于这样的输入、一次文献回顾以及他们各自的经历,该委员会审查了主要建模途径以及它们最合理的应用,并确定了为决策者与科学家改善LCMs服务的几个关键方法。本报告提供了几种建模途径的概要与评价,以及它们的理论和实证基础,涉及到相对复杂的土地变化动力学过程,指出了与LCM界相关的进一步推进科学、数据、网络基础设施方面的一些机遇。由于可用的模型太多,与其对具体模型进行评论,委员会重点描述所选的途径类别以及它们的应用案例。此外,由于所有的建模途径具有相对的优点和不足,本报告针对不同的目的对这些途径进行了比较。

 

专栏S.1

 

任务陈述

 

NRC的一个委员会将调研空间显示方法土地变化建模的现状、未来数据与研究需求,以便使模型输出更好地为科研、政策及决策支持社区提供支撑。未来对更高分辨率及更准确预测的需要,提出了改进土地变化模型与气候、生态、生物地球化学、生物地球物理以及社会经济模式等耦合的需求;提出了改进数据输入、改进土地变化模型校验以及改进与模型输出有关的不确定性估测的需求。本研究将对模型验证策略、数据以及满足下一代模型研究需求等方面提供指导。特别是,研究委员会将:

1. 评价现有和新兴建模途径的分析能力以及科学和/或政策应用。

2. 对每一种建模途径描述理论与实证依据,以及主要技术、研究以及数据开发等方面的挑战。

3. 描述将观测战略(包括地面观测调查、卫星及遥感数据)与土地变化建模改进集成,以使土地变化模型输出结果更好满足科学与决策需求的机遇。

 

土地变化建模途径

 

种类繁多的LCMs已被开发出来用于监测土地变化过程以及土地利用和土地覆盖预测。委员会将这些单独的模型分为6个建模途径类别:

1. 机器学习与统计途径,使用过去土地覆盖或土地利用变化观测数据,校准那些变化在空间上、时间上参数化或非参数关系的具体预测;

2. 细胞模型途径,集成土地覆盖与土地利用适合性地图和邻里效应以及有关预期变化量信息来预测未来变化;

3. 基于部门经济途径,利用局部与一般均衡结构模型,依据整体经济活动与贸易,来表达区域内各经济部门的土地供给与需求;

4. 空间分解经济途径,估测结构或简化形式的计量经济模型,找出影响土地系统空间均衡的因果关系;

5. 基于代理途径,模拟土地系统中相互作用并使土地表面发生变化的异质性土地变化角色的决策与活动;

6. 混合建模途径,包括将不同方法结合到一个单一模型或建模框架的应用程序。

前5个方法大致按照对过程关注度自低到高的顺序排列。依赖土地变化形态数据的途径包括机器学习和统计途径以及细胞模型途径,这两类途径倾向于使用卫星影像土地覆盖信息,并基于过去观测到的变化关系。这些途径在观测并预测未来较短时期内土地覆盖变化是有用的,但对于过去没有观测到的情况往往评估能力有限。那些较多基于过程的途径,如基于部门经济途径、空间分解经济途径以及基于代理途径,更多地利用有关土地变化过程的社会科学信息。这些后述的途径能够更现实的表达变化过程,可用于评估大范围的各种不同未来发展趋势预测,但它们比较难以校准和验证,而且可能对未来可能的土地变化结果仅提供定性信息。

最好的建模途径的选择取决于具体应用。在用于不同特殊目的时,各种建模途径具有不同的相对优势,可以针对性地用于各种相应的政策与决策内容,而且,这些建模途径常常在以下政策周期的4个阶段中根据具体情况起不同的作用:(1)问题确定,(2)干预设计,(3)决策与实施,或(4)评估。机器学习与统计途径、细胞模型途径最适合于问题确定阶段,因为,尽管它们缺乏评估政策结构变化影响所需要的丰富的过程结构细节,它们却很容易实施,并能提供有价值的描述,以及形态与趋势预测。基于部门经济途径适用于干预设计阶段,因为,它们提供了一种探索土地系统内相互作用,以及在决策实施前评估政策或可能产生的影响的手段。一旦政策或决策被执行,这些措施的事后效应可用简化形式的计量经济学模型评估,可以比较干预政策实施之前和之后的观测结果,或者比较一个政策干预区域和一个可比较的其他区域。了解不同建模途径的底层结构、假设和数据需求是了解不同建模途径在各种科学、决策制定目的适用性的关键。

 

改进的土地变化模型

 

新的观测数据、改进的建模能力和计算机基础设施,以及对土地变化理论与社会环境发展的不断理解,为改善LCMs以支撑研究与决策当前及未来的土地变化创造了机遇。这些机遇共分为5大类:(1)LCMs自身的改进,(2)土地观测战略的改进,(3)网络基础设施的改进,(4)其他基础设施的改进,以及(5)模型评估最佳实践的开发和应用。每一个机遇大类中有委员会选出的2-4个具体实施计划,代表着近期(3-6年)实现发挥LCMs潜力更好服务于集成的地球系统科学界、服务于我们对人类与环境相互作用可持续性的更好了解,以及服务于与土地相关的管理和政策制定。

 

LCMs改进的机遇

 

基于过程模型的改进

当基于数据(或形态)的模型成功使用土地覆盖数据产品和促进土地变化科学与应用方面的时候,基于过程的土地变化模型还不成熟。更好的基于过程的模型对了解人类活动与土地变化间的相互作用与反馈,以及对模拟政策情景用来评估一个潜在的政策变化对土地利用产生影响等是必要的。进一步开发这些方法途径,充分利用现有数据,将会推进对过去的努力和未来可能实施解决可持续发展挑战的新政策与管理战略的评估目标。

 

跨尺度的LCMs集成系统

由于土地变化过程发生在多个尺度,LCMs需要多尺度跨越连接形式与过程。这些类型的连接要求模型能够考虑在遥远的地理位置之间,消费和基于土地商品的关系,其网络交互作用,使用新的分析方法联系全球、区域及当地基于土地的决策制定过程的关系。更好的了解如何将通过社会网络连接的异质性角色表达包括进建模途径,是更好地反映自上而下及自下而上土地变化原因的需要。

 

与其他地球系统模型集成

更好与各种地球系统动态耦合的LCMs,将提升了解和预测土地管理决策与政策所产生直接与间接的对权衡不同生态系统服务(比如,食品与纤维生产、维护生物多样性与碳存储)的影响的能力。土地覆盖变化模型的结果通常被用作其他环境模型的输入。可是,把LCMs和环境模型耦合将能够表达环境与土地变化动态之间产生的反馈作用,这对于长期预报非常重要。

 

桥接LCM与优化及设计为基础的途径

大多数LCMs使用基于过程--(结构)的,或使用基于形态的途径,来寻求对土地利用与土地覆盖变化的解释与预测。与此相反,有关政策的决策需要能力来确定,在一组可能的政策或设计中做出选择,选择那些将产生既合理又能为社会所接受的土地形态格局的策略。一个重要的挑战是要进一步整合LCMs模型与优化模型。这是基于设计的极其计算密集型途径。这需要人类设计师和景观设计师的参与,以便综合考虑是什么可以、以及应该是什么的问题。

 

土地观测战略的机遇

 

第二组机遇使用大量新的数据为下一代土地变化模型开发提供资料。

改进遥感数据获取与处理

各种对地观测的发展都有可能刺激土地变化建模的进步。所获取的数据具有更高的分辨率,配以基于目标的图像分析工具,为开发更好表达不同建成区及自然环境的模型提供了机遇。可用数据具有更好的时间分辨率以及更长的时间周期,包括免费开放的Landsat归档数据及历史航空影像记录,为更好了解土地变化过程的动态和非静止性,并为将此了解融入到LCMs建模中提供了机遇。激光雷达和其他主动传感器提供的景观三维结构数据,使得建模开发可以定量化表达土地覆盖属性(比如生物量)及土地利用属性(建筑物密度)的差异。卫星测量的创造性应用,比如用夜间灯光影像估测人类居住密度、能源使用及经济活动等,为LCMs开发提供了空间性、时间性以及主题丰富的输入数据的机遇。高光谱传感器,比如在小卫星阵列上的那些,可使更多确定模型参数的林冠组成详细信息用来表达土地管理(诸如施肥与灌溉等)行为。最大限度地获取、解译及管理这些类型的数据,并将其纳入新的LCMs,是推进使用观测数据为新的模拟过程及预测提供资料的重大机遇。

 

异构数据源集成

一些土地变化决策需要的信息,通常不包括在LCMs里--包括土地功能、土地使用密度、土地权、土地管理,以及土地价值或具有不同时、空分辨率的信息。将这些数据与社会经济和生物物理数据集成以后,便于LCMs与其他类型诸如气候变化、生物多样性、生态系统服务、能源利用以及城市化的模型进行耦合。

 

对土地变化角色参与者数据

土地变化是各种决策与参与者--家庭,企业,土地所有者以及当地的、区域的或政府级别的决策者之间相互作用累积的结果。参与者的微观数据由人口普查局、农业部或其他机构收集。更好地将这些参与者与他们的信仰、偏好、行为和对地观测数据集成起来,对提升LCMs预测未来土地变化的能力和评估政策后果的能力至关重要。

 

进行系统土地利用观测

许多自然和人类系统的观测必须由地基系统测量,通常分布在多个机构和地域。像全国土地观测站或国家土地资源调查这样的潜在计划,可能研制出联系土地补丁、地块及土地使用者信息在一起的空间参考数据的获取。这样的计划将提高LCM界了解更多土地变化过程、测试假设的能力,同时可以提升预测能力。

 

网络基础设施的机遇

 

上述许多机遇具有通过当代网络基础设施进展寻求解决方案的潜力。

 

众包与分布式数据挖掘

在过去10年中,收集与分析大量个体行为数据的能力大幅增长,其中大部分是在时间和空间上的参照。众包与分布式数据挖掘是这种发展的两个最主要的例子。将这些数据获取途径与LCMs结合起来,对扩展LCMs结果对各种各样用户的使用范围具有潜力,还能带来更好的建设、校准和验证结构化或基于过程模型。然而,隐私和专利权问题必须得到解决。

 

高性能计算

网络基础设施越来越能够满足上述建模途径的计算需求。计算能力的进步越来越基于多核处理及日益增多的处理器的部署。要利用这种增强的计算能力,需要模型利用并行处理方法写入,即在同时运行的多个处理器之间分配计算任务。大量分布式数据存储的数据,为下一代模型在更大的区域以更高分辨率合并数据提供了机遇。

 

基础设施支持土地建模的机遇

 

土地变化建模过程部分受到建模环境、框架建设以及众多研究小组平台的持续改变的阻碍。改善基础设施和帮助克服这一障碍的机遇如下。

 

模型与软件基础设施

开发一款用于一致记录和分享模型与软件的基础设施,将有助于LCM界各成员间避免重复工作。这一领域面临的挑战是组装并加强现有的基础设施,以达到两个目的:(1)提升对土地变化过程的基本了解与表达,以及(2)集成广泛的生物自然与社会经济模型,用于评估土地变化的影响。

 

数据基础设施

数据基础设施将允许访问一组通用的运行与验证土地变化模型所需的数据资源。基础设施的发展,旨在为土地变化模型输入提供编译、管理和异构数据源的比较,这将推进该类直接访问的发展。

 

社区建模与治理

为支持LCM的发展,保持一致性并广泛为社区采用的建模方法以及基础设施治理是非常重要的。这样的基础设施将为决策制定、提高在广阔社区提供对具体的、可实现目标与功能的建模能力提供机制。特别是,它将为满足社区具体目标与终端协议的达成提供一个框架,推进建模和数据功能。

 

模型评估

 

有各种各样的实践可以提高土地变化建模能力,使之科学上更严谨,应用上更有用。有些实践建立起来了,但没有继续下去,而其他实践还需要更多的研究来测试并建立。

敏感性分析是一个既定的程序,研究者借此可以仔细检查由于模型输入变化、参数值或结构的具体数量变化造成的各种模型产出的变化。

形态验证需要选择与之匹配的度量指标,这种度量指标能将模型输出数据与为了特定应用而进行的建模测试目的进行比较,还能确定如何以最佳方法开展必要的额外研究。

结构验证,或验证模型的过程,是一个具有挑战性的任务,部分由于产生观测到的土地利用形态的内在过程自身并没有被充分地观测到。持续研究如何验证所提假设哪怕是为了设定一个模型都是必要的,将有利于模型的验证与预测。

 

结  论

包括食物、水、能源、气候、健康和城市化等与环境可持续发展相关的多个科学与实践的关键领域,都采用土地变化模型(LCMs)帮助在多尺度上了解和改善人类环境的相互作用。随着LCMs已经在所有这些领域取得的贡献,在对巩固土地系统相互作用的了解、提升并改善最有效建模途径、显著增进新的分析与预测能力等方面存在着机遇。思索、计划并投资于下一代土地变化模型的时机已经成熟,为了日益发展的跨学科、跨科技领域充分利用现有的最好知识、数据以及计算资源。

如果适当的规划并执行,下一代模型能够越来越基于过程、将社会与自然系统过程连接起来,从小块土地的规模到区域到全球尺度上,将会利用更好的方法来进行过程验证,既能提高其预测能力,也能提升其政策分析的实用性。新的LCMs将能正常、恰当以及更有信心地用于更广泛的科学与政策方面,支持进一步对土地系统的了解、经济和社会过程对它们的动态影响,以及对重要环境与社会的影响。利用更广泛的对地观测数据原型来提高模型的空间和时间细节及其表达的信息类别,未来的LCMs,无论是在传统方面还是在越来越多的社会数据新数据源方面,可以将这些与人类行为、偏好以及与土地变化相关的数据集成起来。高度关联的数据系统,有良好文档记录的模型、软件及工具,以及一个运行良好的土地变化模型领域,可以支持科技界推进这些目标。

近期(3-6年)在科技与基础设施领域用于改进LCMs的智力与资源投资,可以帮助实现这些目标。本报告概述了一些成熟的具体领域以便进一步发展。此类投资对发展我们的理解、预测能力及分析与关键环境可持续发展挑战相关政策的工具方面具有潜力。

 

(黄铭瑞、青秀玲编译,殷永元审核)