国家公园是我国推进生态文明建设的重大制度创新,如何科学地对国家公园进行类型划分及空间识别,是国家公园布局和建设中的基础性工作,既有必要性也有紧迫性.本研究以中国国情为基础,参考国际经验,将国家公园划分为荒野导向型、生态优先型、游憩导向型与遗产导向型,构建了一个比较完整的国家公园分类体系.并以自然和人文多样化程度较高的云南为案例,以"双评价"为基础建立了一套指标体系和区划规则,利用人工神经网络建立土地利用演化学习算法,利用融入自适应惯性机制的元胞自动机展开时空模拟,对云南全域进行高分辨率不同类型国家公园的空间辨识,并通过收缩-膨胀原理对识别区域进行比较、修正和优化,进而提出未来云南国家公园布局的综合方案.结果表明:云南省国家公园主要集中在三江地区与横断山区、滇西以及西南部地区,这3 类地区可作为未来国家公园区划与分类保护的重点.本研究所建立的国家公园类型划分和空间识别的一般性可推广的研究范式和工作流程可作为全国应用的参考.

针对无人车在现实交通流中的驾驶行为以及车辆间相互影响机制还不明确的现状,提出逼近最优换道策略的无人车驾驶模型.结合无人车周围的交通环境,引入驾驶行为指标体系,利用层次分析法测算指标权值.基于欧氏距离与灰色关联分析的Topsis(Technique for Order Preference by similarity to an Ideal Solution)法建立驾驶行为决策模型来计算换道最优逼近值,代替随机换道策略驾驶模型中的随机概率值;建立逼近最优换道策略的无人车驾驶模型,利用美国洲际5号公路的实际交通数据对新模型进行数值仿真.结果表明:逼近最优换道策略的无人车驾驶模型明显优于随机换道的无人车驾驶模型,能够改善交通拥堵状况,提高整个道路车辆的行驶速度.

生态系统服务价值(ESV)分析对构建生态安全格局和实现区域可持续发展具有决定作用,为揭示西南地区ESV过去-现在-未来时空演变规律,运用ESV计算体系对西南地区2005-2015ESV动态演变进行定量分析,采用Logistic-CA-Markov耦合模型预测2025年ESV格局.结果 表明:(1)2005-2015年西南地区总体呈现增长的趋势,其值达到20.85亿元,主要受青海、西藏水域ESV增加所致,青海、西藏ESV增长率占绝对优势.(2)空间上呈现西北和东南部ESV高、北部ESV低的分布格局;不同类型和不同等级的ESV在空间上相互转换,低等级向高等级转化明显,其他生态景观向建设用地亏损流动减少的价值不足以抵消向水域流动增加的价值,盈利大于亏损,生态环境明显好转.(3) Logistic回归分析各生态景观的ROC值均大于0.87,拟合结果能够满足预测要求;CA-Markov模拟ESV空间布局,Kappa系数为0.86,可以在整体上较准确的反映其空间演变格局.(4)2015-2025年ESV空间演化表明西南地区各区域生态环境总体趋于良好,但建设用地增加的生态负效应不可忽视,还需合理进行用地布局.研究揭示了西南地区过去-现在-未来ESV时空演化规律,提供了长时间序列的时空演化图谱,对该地区实施卓有成效的生态规划及可持续发展提供了科技支撑和重要参考.

随着社会经济的发展,不同区域的资源禀赋与发展意愿之间存在不同程度的匹配不均匀问题,需要通过一种或多种可行的方法量化土地利用主体的决策行为.借助模型模拟、景观格局和生态功能评价优化空间格局.以五大连池风景区为研究区,根据五大连池2000年和2018年土地利用数据,选择NDVI指数、高程、坡度、土壤有机碳、水体距道理距离和人口密度等作为驱动因子,耦合Markov模型、人工神经网络(ANN)、元胞自动机模型(C A)、最小累积阻力模型(MC R)和生态足迹算法,进行土地利用空间模拟优化.预计2030年,借助空气负离子供给功能核算,基于生态足迹算法的生态保护情景下的生态康养功能比基于Markov模型的自然状态情景提升1.87％.设置限制区域后分散与并列指数降低,景观分割指数降低,斑块聚集度增强,景观连通度增强.五大连池未来发展规划的重点在于权衡耕地、林地和草地之间面积的占比,兼顾景区旅游发展需求和生态功能保护.

土地利用变化研究经历了近30年的快速发展,学者基于不同建模目标构建出多种土地利用变化模型,实现了从数量模拟到时空格局模拟,从单一模型向多种模型耦合的跨越.当前研究主要在元胞自动机(Cellular Automata,CA)模型和CLUE-S(Conversion of Land Use and its Effects at Small region extent)模型的基础上进行改进,马尔科夫模型、系统动力学(System Dynamics,SD)模型、Logistic回归和随机森林等均可计算CA模型和CLUE-S模型中所需的土地利用需求,多标准评价、地理加权回归、多主体模型以及人工神经网络等方法也多被用于CA模型的扩展,而CLUE-S的改进则存在模型本身系列的升级.这些模型广泛应用于各种区域和尺度土地利用变化预测实例研究并研发软件系统和数据集.驱动力分析主要从自然因素与人文因素两方面进行,人文因素是引发土地利用变化的主要因素.在目前的研究中,由于技术手段的限制,仍然存在时空尺度、数据误差、数据整合的不确定性等问题.未来土地利用变化模拟研究应进一步发挥大数据技术优势,推动土地利用变化模拟研究朝向精细化、多元化方向发展.结合生态环境领域实际问题,深挖土地利用变化与其生态环境效应之间的互馈机制,将研究视角从探究人类活动对土地利用变化的影响逐渐转向二者相互作用,最终促进人地关系协调发展.

以内蒙古自治区为研究区,基于压力-状态-响应模型(PSR)分析框架,耦合空间距离指数模型(SDIM)构建土地沙漠化敏感性评价体系(LDSES),结合沙漠化敏感性时空演变图谱,定量探讨内蒙古自治区土地沙漠化敏感性在2000年、2005年、2010年、2015年、2020年期间的时空演变,并引入元胞自动机-马尔科夫(CA-Markov)模型模拟沙漠化敏感性未来演变机制,进而采用地理探测器揭示了前20 a演变进程中主要驱动因子对其演变的影响特征及解释力.结果表明:(1)内蒙古自治区沙漠化敏感性整体上呈现由东北向西南递增的趋势,低敏感区位于大兴安岭和阴山山脉周边林草地覆盖区,高敏感区则位于西南部的巴丹吉林沙漠、腾格里沙漠、乌兰布和沙漠、库布其沙漠、毛乌素沙漠等沙地和戈壁地区;(2)从沙漠化敏感性时空演变上来看,研究期间沙漠化敏感性改善的区域,占总面积的30.65％,沙漠化敏感性恶化的区域,占总面积的4.48％,沙漠化敏感性类型维持稳定不变的区域占总面积的52.72％,整体来看土地沙漠化潜力逐渐降低,土地生态质量逐渐好转;(3)2030年沙漠化敏感性模拟结果显示未来10年沙漠化敏感性以低度敏感为主要类型(26.43％),沙漠化潜力将大幅下降,生态工程措施将取得一个较好的结果;(4)驱动力分析表明,沙漠化敏感性对气候因素的响应尤为敏感,其中降雨量对沙漠化敏感性分异的解释力最大;在社会经济发展因素中,经济发展水平起主要影响,说明经济水平的提高在一定程度上将影响土地沙漠化敏感性,各驱动因子交互对沙漠化敏感性呈现增强作用,表明沙漠化敏感性的分异是由多种因素共同作用的结果.研究可为半干旱区沙漠化防治和策略的制定提供借鉴.